[發明專利]一種基于用戶行為大數據的商品推薦方法

在審

• 申請號: 202111544910.2
• 申請日: 2021-12-15
• 公開（公告）號: CN114201685A
• 公開（公告）日: 2022-03-18
• 發明（設計）人: 黃永峰;周曇;石磊;蘇駿峰;陳鑫
• 申請（專利權）人: 南通全織道家紡科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06Q30/06
• 代理公司: 北京卓嵐智財知識產權代理事務所(特殊普通合伙) 11624
• 代理人: 李吉成

1.一種基于用戶行為大數據的商品推薦方法，其特征在于，該方法包括以下步驟：

步驟(1)：首先，采集各個店鋪的歷史總訪客數，所述的歷史總訪客數包括自主搜索訪客數和其他間接引導商品的訪客數；

步驟(2)：進一步根據自主搜索訪客數中的引流搜索關鍵詞，以及商品引導訪客數來采集用戶的訪問數據；訪問數據包括圖文引導訪客數和短視頻引導訪客數；

步驟(3)：對用戶訪問數據中的具體用戶行為數據進行采集，具體用戶行為數據進行采集包括瀏覽圖文停留時間、觀看短視頻停留時間和瀏覽商品詳情頁面停留時間；

接著，采集用戶的下單、支付、成交行為數據，具體行為數據包括下單數、支付買家數、商品成交數；

步驟(4)：對各個店鋪采集到的用戶行為數據進行具體分析；具體分析方向包括瀏覽商品圖文、商品視頻以及商品詳情頁面的停留時間，還包括下單數、支付買家數、商品成交數；

步驟(5)：對各個店鋪分析得到的用戶行為進行數據處理；所述的數據處理方向包括統計范圍、去重邏輯、撥動差異，并得到過濾除雜后的商品行為特征；

步驟(6)：從統計范圍內總用戶中總結近期各個用戶購買該類商品行為特征的共性；

步驟(7)：根據用戶購買該類商品行為特征的共性，來從大數據中提取近期用戶或實時用戶具有購買該類共性商品的特征，并預測用戶購買該類商品的概率；

步驟(8)：為用戶提供想要預購的商品推薦列表；

步驟(9)：最后，將得出的個性化商品有針對性的推薦給各個用戶。

2.根據權利要求1所述的一種基于用戶行為大數據的商品推薦方法，其特征在于，所述步驟(1)中，引導商品訪客數的來源包括其他歷史訪問數據引導以及從引流搜索關鍵詞中實時關聯屬性商品的引導。

3.根據權利要求1所述的一種基于用戶行為大數據的商品推薦方法，其特征在于，所述步驟(3)中的對用戶行為數據采集時，主要采集瀏覽圖文停留時間3秒及以上、觀看短視頻停留時間3秒及以上、瀏覽商品詳情頁面停留時間3秒及以上。

4.根據權利要求1所述的一種基于用戶行為大數據的商品推薦方法，其特征在于，所述步驟(4)中對各個店鋪采集到的用戶行為數據進行具體分析時，還包括根據所述的下單數來計算并分析下單轉換率，還包括根據所述的支付買家數計算并分析支付轉換率。

5.根據權利要求4所述的一種基于用戶行為大數據的商品推薦方法，其特征在于，所述下單轉換率的公式為：

下單轉化率＝(到店訪客數/下單人數)×100％。

6.根據權利要求4所述的一種基于用戶行為大數據的商品推薦方法，其特征在于，所述的支付轉換率，即所選時間內，支付買家數除以訪客數(支付買家數/訪客數)，即也就是訪客轉化為支付買家的比例，其支付轉換率的具體公式為：

支付轉化率＝(產生購買行為的客戶人數/所有到達店鋪的訪客人數)×100％。

7.根據權利要求1所述的一種基于用戶行為大數據的商品推薦方法，其特征在于，所述步驟(5)中，統計范圍數據包括在所選統計時間內，觀看商品視頻3秒及以上、瀏覽商品圖文3秒及以上、訪問詳情頁面3秒及以上；并根據統計范圍內的數據，來通過去重邏輯模塊進行去重處理，處理一個用戶在統計時間范圍內訪問多次不同商品或相同商品，并對訪問多次的商品時間進行整合去重記為一個有效商品訪問的時間數據，再利用撥動差異模塊對各個有效商品訪問時間整理，并過濾除雜得到各個用戶所要預購商品的行為特征，最后經過下一步驟(6)中進行總結。