[發明專利]一種基于區域用戶習慣大數據的商品推送方法

在審

• 申請號: 201811482899.X
• 申請日: 2018-12-05
• 公開（公告）號: CN109636454A
• 公開（公告）日: 2019-04-16
• 發明（設計）人: 林心怡;范潔
• 申請（專利權）人: 廣州市彈彈旦電子商務有限公司;范潔
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q30/06
• 代理公司: 北京集智東方知識產權代理有限公司 11578
• 代理人: 張紅

1.一種基于區域用戶習慣大數據的商品推送方法，包括用于分析處理數據并得出推送消息的數據處理模塊、存儲有用戶信息和店鋪信息的數據存儲模塊、用于接收用戶、店鋪數據和發送推送消息的信息收發模塊，其特征在于，所述用戶信息包括定位信息和交易數據，所述交易數據中包含有成交日期、購買數量、成交價、商品型號、購買方式；所述店鋪信息包括店鋪位置信息和商品數據，所述商品數據中包含有商品型號、優惠信息、商品價格、銷售方式；

所述數據處理模塊得出推送消息的步驟如下：

S1、購買日期的預測：從用戶P的交易數據中獲取商品型號，數據處理模塊預設的日期算法根據商品型號在數據存儲模塊中篩選出購買過相同商品且購買次數大于X的用戶作為參照組，并調用參照組的交易數據，計算參照組的人數C，并將參照組內同一用戶的交易數據中的成交日期和購買數量按成交日期從近至遠，設置為D1、D2、D3、……Dn，以及Q1、Q2、Q3、……Qn，其中n≥X>3，且n和X均為正整數，所述數據處理模塊再根據公式，計算參照組內每個用戶的消耗速度V，再將所有消耗速度V求和后除以總人數C，可得到商品的預計消耗速度，最后根據公式，計算出預計購買日期計算出預計購買日期；

S2、商品歷史價格的計算：根據用戶P的交易數據，計算出歷史購買單價，再根據定位信息，篩選出以用戶P位置為圓心，半徑為R的范圍內所有在M月內購買過相同商品的其他用戶的交易數據和店鋪信息，作為區域組，并計算區域組每個訂單中的商品單價，再將所有商品單價求和后除以區域組的訂單數，可計算該商品的近期區域內單價；

S3、購買方式的選擇：根據購買方式將區域組內的交易數據分為線上和線下，并計算線上交易數據和線下交易數據的占比，選擇占比大的作為優先購買方式，占比小的作為備選購買方式；

S4、店鋪和推送商品的選擇：根據商品型號篩選出所有的可購買相同商品型號的店鋪信息，并根據優惠信息和商品價格計算出店鋪的該商品的預計優惠價；并將店鋪按照銷售方式分為線上和線下，根據優先購買方式，篩選出銷售方式匹配優先購買方式且預計優惠價最低的店鋪，通過數據處理模塊中預設的推薦判斷算法來判斷是否推薦該店鋪中的商品，若推薦，則通過信息收發模塊給用戶P發送該商品的推送消息，若不推薦，則篩選出銷售方式匹配備選購買方式的店鋪，通過數據處理模塊中預設的判斷方法來判斷是否推薦，若推薦，則通過信息收發模塊給用戶P發送該商品的推送消息，若不推薦，則通過數據處理模塊根據商品型號確定商品的分類，選擇具有相同分類，且參數K不同的多個商品作為相似商品，并通過數據處理模塊預設的相似商品推薦算法篩選出線上推薦商品和線下推薦商品，并通過信息收發模塊給用戶P發送包含線上推薦商品和線下推薦商品信息的推送消息；

S5、推送內容的選擇：按照購買方式，將推送消息分為線上型和線下型，其中線上型推送消息的內容包括預計物流時間、商品型號、優惠信息、預計優惠價，線下型推送消息的內容包括店鋪位置信息、商品型號、優惠信息、預計優惠價。

2.根據權利要求1所述的一種基于區域用戶習慣大數據的商品推送方法，其特征在于，所述推薦判斷算法比較預計優惠價、近期區域內單價和歷史購買單價之間的大小，若預計優惠價<近期區域內單價，且預計優惠價<歷史購買單價,則判定為推薦；若預計優惠價>近期區域內單價，且預計優惠價>歷史購買單價,則判定為不推薦；若預計優惠價<近期區域內單價，但預計優惠價>歷史購買單價,則計算漲幅，漲幅超過y％，判定為不推薦，漲幅小于y％，判定為推薦，其中20<y<40；若預計優惠價<歷史購買單價，但預計優惠價>近期區域內單價，則計算漲幅，漲幅超過z％，判定為不推薦，漲幅小于z％，判定為推薦,其中30<z<60。