[發(fā)明專(zhuān)利]商品推薦方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011106651.0
• 申請(qǐng)日: 2020-10-16
• 公開(kāi)（公告）號(hào): CN112288464A
• 公開(kāi)（公告）日: 2021-01-29
• 發(fā)明（設(shè)計(jì)）人: 何豫疆
• 申請(qǐng)（專(zhuān)利權(quán)）人: 杭州貝嘟科技有限公司
• 主分類(lèi)號(hào): G06Q30/02
• 分類(lèi)號(hào): G06Q30/02
• 代理公司: 杭州華進(jìn)聯(lián)浙知識(shí)產(chǎn)權(quán)代理有限公司 33250
• 代理人: 金無(wú)量

本申請(qǐng)涉及一種商品推薦方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)，其中，該商品推薦方法包括：獲取用戶(hù)信息；基于所述用戶(hù)信息獲取用戶(hù)歷史數(shù)據(jù)，所述用戶(hù)歷史數(shù)據(jù)包括商品瀏覽記錄；獲取區(qū)域商品銷(xiāo)售數(shù)據(jù)；基于所述用戶(hù)歷史數(shù)據(jù)以及區(qū)域商品銷(xiāo)售數(shù)據(jù)，進(jìn)行商品推薦。上述商品推薦方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)，基于區(qū)域商品銷(xiāo)售數(shù)據(jù)和用戶(hù)商品瀏覽記錄對(duì)商品進(jìn)行推薦，根據(jù)用戶(hù)的喜好差異以及銷(xiāo)售情況變化實(shí)時(shí)調(diào)整推薦情況，可以為用戶(hù)提供個(gè)性化的商品推薦服務(wù)，推薦效果更好。

技術(shù)領(lǐng)域

本申請(qǐng)涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，特別是涉及一種商品推薦方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)。

背景技術(shù)

在大眾越來(lái)越傾向于通過(guò)互聯(lián)網(wǎng)進(jìn)行購(gòu)物的情況下，物品的個(gè)性化推薦技術(shù)能夠幫助人們接觸到那些足夠小眾的，適合自己內(nèi)容，而且在互聯(lián)網(wǎng)日益普及的今天，人們獲取信息的方式越來(lái)越多樣化。在對(duì)人們進(jìn)行個(gè)性化推薦的過(guò)程中，熱詞推薦占據(jù)比較大的份額，優(yōu)化熱詞可以直接提高系統(tǒng)整體流量，提升客戶(hù)體驗(yàn)，單客停留時(shí)間等指標(biāo)，客單價(jià)(每位顧客消費(fèi)的平均價(jià)格)也將獲得提升(需與其他商業(yè)化模式配合)。當(dāng)用戶(hù)的參與度(參與的深度與時(shí)長(zhǎng))提高時(shí)商業(yè)化變現(xiàn)能力也將隨之提升，這是營(yíng)造良好的商業(yè)循環(huán)的基礎(chǔ)。

傳統(tǒng)的商品推薦方法，大多是將實(shí)時(shí)統(tǒng)計(jì)得到的當(dāng)前操作率最高的N個(gè)商品，推薦給所有用戶(hù)，無(wú)法對(duì)每個(gè)用戶(hù)的不同喜好作出反應(yīng)，沒(méi)有地域和客戶(hù)喜好差異，不能跟隨用戶(hù)商品瀏覽記錄以及銷(xiāo)售情況及時(shí)變化，推薦效果不佳，導(dǎo)致降低用戶(hù)使用興趣，進(jìn)而降低用戶(hù)黏度。

發(fā)明內(nèi)容

本申請(qǐng)實(shí)施例提供了一種商品推薦方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)，以至少解決相關(guān)技術(shù)中傳統(tǒng)的商品推薦方法無(wú)法對(duì)每個(gè)用戶(hù)的不同喜好作出反應(yīng)，沒(méi)有地域和客戶(hù)喜好差異，不能跟隨用戶(hù)商品瀏覽記錄以及銷(xiāo)售情況及時(shí)變化，推薦效果不佳的問(wèn)題。

第一方面，本申請(qǐng)實(shí)施例提供了一種商品推薦方法，包括：

獲取用戶(hù)信息；

基于所述用戶(hù)信息獲取用戶(hù)歷史數(shù)據(jù)，所述用戶(hù)歷史數(shù)據(jù)包括商品瀏覽記錄；

獲取區(qū)域商品銷(xiāo)售數(shù)據(jù)；

基于所述用戶(hù)歷史數(shù)據(jù)以及區(qū)域商品銷(xiāo)售數(shù)據(jù)，進(jìn)行商品推薦。

在其中一些實(shí)施例中，所述獲取用戶(hù)信息包括：

獲取用戶(hù)身份標(biāo)識(shí)以及用戶(hù)設(shè)備標(biāo)識(shí)。

在其中一些實(shí)施例中，所述基于所述用戶(hù)信息獲取用戶(hù)歷史數(shù)據(jù)還包括：

基于所述用戶(hù)身份標(biāo)識(shí)確定用戶(hù)狀態(tài)；

若所述用戶(hù)狀態(tài)為第一狀態(tài)，則基于所述用戶(hù)設(shè)備標(biāo)識(shí)獲取所述用戶(hù)歷史數(shù)據(jù)；

若所述用戶(hù)狀態(tài)為第二狀態(tài)，則基于所述用戶(hù)身份標(biāo)識(shí)獲取所述用戶(hù)歷史數(shù)據(jù)。

在其中一些實(shí)施例中，所述基于所述用戶(hù)信息獲取用戶(hù)歷史數(shù)據(jù)包括：

獲取預(yù)設(shè)時(shí)間段內(nèi)，所述用戶(hù)信息對(duì)應(yīng)用戶(hù)的商品瀏覽記錄，將所述商品瀏覽記錄作為用戶(hù)歷史數(shù)據(jù)。

在其中一些實(shí)施例中，所述基于所述用戶(hù)歷史數(shù)據(jù)以及區(qū)域商品銷(xiāo)售數(shù)據(jù)對(duì)商品進(jìn)行推薦包括：

根據(jù)所述商品瀏覽記錄，獲取第一商品集合；

根據(jù)所述區(qū)域商品銷(xiāo)售數(shù)據(jù)，獲取第二商品集合；

獲取所述第一商品集合以及第二商品集合的商品交集；

基于商品的被瀏覽時(shí)長(zhǎng)以及銷(xiāo)售數(shù)量對(duì)所述商品交集中的商品進(jìn)行排序，基于排序從高到低選取預(yù)設(shè)數(shù)量的推薦商品子類(lèi)；

基于所述商品的被瀏覽時(shí)長(zhǎng)以及銷(xiāo)售數(shù)量對(duì)所述推薦商品子類(lèi)中的商品進(jìn)行排序，基于排序從高到低選取預(yù)設(shè)數(shù)量的推薦商品，將所述推薦商品子類(lèi)以及推薦商品推薦給用戶(hù)。