基于用戶行為分析的商品推薦方法、裝置及系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種基于用戶行為分析的商品推薦方法，包括：獲取云服務(wù)器對(duì)電商網(wǎng)站后臺(tái)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析后所得到的用戶行為數(shù)據(jù)；根據(jù)獲取到的所述用戶行為數(shù)據(jù)及預(yù)設(shè)的商品推薦算法，計(jì)算得到所述電商網(wǎng)站中適合推薦給用戶的商品集合；對(duì)所述商品集合中各商品進(jìn)行排序，得到排序結(jié)果；根據(jù)所述排序結(jié)果及預(yù)設(shè)顯示規(guī)則，在當(dāng)前用戶訪問頁面上顯示所述商品集合中的對(duì)應(yīng)商品。本發(fā)明還公開了一種基于用戶行為分析的商品推薦裝置及系統(tǒng)。本發(fā)明通過對(duì)用戶行為的分析，從而根據(jù)用戶的興趣偏好而有針對(duì)性的生成符合用戶興趣偏好的商品并進(jìn)行推薦，從而提高用戶購買滿意度及電商網(wǎng)站的商品訂購率。
【專利說明】
基于用戶行為分析的商品推薦方法、裝置及系統(tǒng)
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及通信技術(shù)領(lǐng)域，尤其涉及基于用戶行為分析的商品推薦方法、裝置及系統(tǒng)。
【背景技術(shù)】
[0002]近年來，隨著電子商務(wù)業(yè)務(wù)的快速發(fā)展，網(wǎng)絡(luò)購物已成為一種購物趨勢，大多數(shù)電商網(wǎng)站通常采用降低商品價(jià)格的競爭方式以吸引更多的用戶來購買商品，但此類方式對(duì)于電商網(wǎng)站來說并不可持續(xù)，同時(shí)，用戶在購買商品時(shí)所關(guān)注的也并不僅僅是低價(jià)格，因此，如何在提高用戶商品訂購率的同時(shí)，也提升用戶購買體驗(yàn)已顯得尤為重要和緊迫。

【發(fā)明內(nèi)容】

[0003]本發(fā)明的主要目的在于提供一種基于用戶行為分析的商品推薦方法、裝置及系統(tǒng)，旨在解決如何在提高用戶商品訂購率的同時(shí)，也提升用戶購買體驗(yàn)的技術(shù)問題。
[0004]為實(shí)現(xiàn)上述目的，本發(fā)明提供一種基于用戶行為分析的商品推薦方法，所述基于用戶行為分析的商品推薦方法包括:
[0005]獲取云服務(wù)器對(duì)電商網(wǎng)站后臺(tái)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析后所得到的用戶行為數(shù)據(jù)；
[0006]根據(jù)獲取到的所述用戶行為數(shù)據(jù)及預(yù)設(shè)的商品推薦算法，計(jì)算得到所述電商網(wǎng)站中適合推薦給用戶的商品集合；
[0007]對(duì)所述商品集合中各商品進(jìn)行排序，得到排序結(jié)果；
[0008]根據(jù)所述排序結(jié)果及預(yù)設(shè)顯示規(guī)則，在當(dāng)前用戶訪問頁面上顯示所述商品集合中的對(duì)應(yīng)商品。
[0009]優(yōu)選地，云服務(wù)器對(duì)電商網(wǎng)站后臺(tái)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，得到用戶行為數(shù)據(jù)包括:
[0010]所述云服務(wù)器從所述電商網(wǎng)站后臺(tái)數(shù)據(jù)中獲取用戶當(dāng)前瀏覽商品的相關(guān)信息，所述相關(guān)信息至少包括所述瀏覽商品的基本信息、停留時(shí)間、歷史購買記錄、回訪次數(shù)、回訪間隔時(shí)長；
[0011]根據(jù)預(yù)設(shè)的統(tǒng)計(jì)分析算法，對(duì)所述相關(guān)信息進(jìn)行統(tǒng)計(jì)分析，得到用戶行為數(shù)據(jù)，所述用戶行為數(shù)據(jù)至少包括用戶偏好特征。
[0012]優(yōu)選地，所述商品推薦算法包括:基于用戶的協(xié)同過濾算法和/或基于商品的協(xié)同過濾算法。
[0013]優(yōu)選地，所述預(yù)設(shè)顯示規(guī)則至少包括所述商品集合中各商品的顯示格式、在當(dāng)前用戶訪問頁面上的顯示位置及顯示方式。
[0014]進(jìn)一步地，為實(shí)現(xiàn)上述目的，本發(fā)明還提供一種基于用戶行為分析的商品推薦裝置，所述商品推薦裝置包括:
[0015]獲取模塊，用于獲取云服務(wù)器對(duì)電商網(wǎng)站后臺(tái)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析后所得到的用戶行為數(shù)據(jù)；
[0016]計(jì)算模塊，用于根據(jù)獲取到的所述用戶行為數(shù)據(jù)及預(yù)設(shè)的商品推薦算法，計(jì)算得到所述電商網(wǎng)站中適合推薦給用戶的商品集合；
[0017]排序模塊，用于對(duì)所述商品集合中各商品進(jìn)行排序，得到排序結(jié)果；
[0018]顯示模塊，用于根據(jù)所述排序結(jié)果及預(yù)設(shè)顯示規(guī)則，在當(dāng)前用戶訪問頁面上顯示所述商品集合中的對(duì)應(yīng)商品。
[0019]優(yōu)選地，所述商品推薦算法包括:基于用戶的協(xié)同過濾算法和/或基于商品的協(xié)同過濾算法。
[0020]優(yōu)選地，所述預(yù)設(shè)顯示規(guī)則至少包括所述商品集合中各商品的顯示格式、在當(dāng)前用戶訪問頁面上的顯示位置及顯示方式。
[0021]進(jìn)一步地，為實(shí)現(xiàn)上述目的，本發(fā)明還提供一種基于用戶行為分析的商品推薦系統(tǒng)，所述商品推薦系統(tǒng)包括云服務(wù)器以及上述任一項(xiàng)所述的商品推薦裝置。
[0022]優(yōu)選地，所述云服務(wù)器包括:
[0023]獲取單元，用于從所述電商網(wǎng)站后臺(tái)數(shù)據(jù)中獲取用戶當(dāng)前瀏覽商品的相關(guān)信息，所述相關(guān)信息至少包括所述瀏覽商品的基本信息、停留時(shí)間、歷史購買記錄、回訪次數(shù)、回訪間隔時(shí)長；
[0024]統(tǒng)計(jì)分析單元，用于根據(jù)預(yù)設(shè)的統(tǒng)計(jì)分析算法，對(duì)所述相關(guān)信息進(jìn)行統(tǒng)計(jì)分析，得到用戶行為數(shù)據(jù)，所述用戶行為數(shù)據(jù)至少包括用戶偏好特征。
[0025]本發(fā)明通過對(duì)采用大數(shù)據(jù)及云計(jì)算技術(shù)，對(duì)用戶行為進(jìn)行統(tǒng)計(jì)分析，從而能夠根據(jù)用戶的興趣偏好而有針對(duì)性的生成符合用戶興趣偏好的商品集合并進(jìn)行推薦，從而提高用戶對(duì)電商網(wǎng)站的滿意度及商品訂購率。
【附圖說明】
[0026]圖1為本發(fā)明基于用戶行為分析的商品推薦方法一實(shí)施例的流程示意圖；
[0027]圖2為本發(fā)明基于用戶行為分析的商品推薦裝置一實(shí)施例的功能模塊示意圖；
[0028]圖3為本發(fā)明基于用戶行為分析的商品推薦系統(tǒng)一實(shí)施例的功能模塊示意圖；
[0029]圖4為圖3中云服務(wù)器的細(xì)化功能模塊示意圖。
[0030]本發(fā)明目的的實(shí)現(xiàn)、功能特點(diǎn)及優(yōu)點(diǎn)將結(jié)合實(shí)施例，參照附圖做進(jìn)一步說明。
【具體實(shí)施方式】
[0031]應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。
[0032]參照?qǐng)D1，圖1為本發(fā)明基于用戶行為分析的商品推薦方法一實(shí)施例的流程示意圖。本實(shí)施例中，所述基于用戶行為分析的商品推薦方法包括:
[0033]步驟S10，獲取云服務(wù)器對(duì)電商網(wǎng)站后臺(tái)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析后所得到的用戶行為數(shù)據(jù)；
[0034]本實(shí)施例中的用戶行為通常就是指用戶在電商網(wǎng)站上發(fā)生的所有行為，如搜索、瀏覽、打分、點(diǎn)評(píng)、購買與退貨等。與實(shí)體店所收集的用戶行為相比，電子商務(wù)的突出特點(diǎn)就是可以收集到大量客戶在購買商品前的行為信息，因而能夠提前根據(jù)收集的信息進(jìn)行分析，進(jìn)而向用戶推薦購買意向度較高的商品。
[0035]本實(shí)施例中，云服務(wù)器具體從電商網(wǎng)站獲取后臺(tái)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析后，得到對(duì)應(yīng)的用戶行為數(shù)據(jù)，比如用戶瀏覽的商品基本信息、用戶瀏覽時(shí)的停留時(shí)間、該瀏覽商品的歷史購買記錄等都可以作為用戶的行為數(shù)據(jù)，通過對(duì)獲取到的用戶的行為數(shù)據(jù)進(jìn)行云計(jì)算加工處理，比如進(jìn)行統(tǒng)計(jì)、分類、歸納、挖掘等處理，從而獲取潛在的價(jià)值信息和用戶需求，然后再根據(jù)加工處理后的數(shù)據(jù)進(jìn)行后續(xù)處理，比如分析用戶的行為習(xí)慣或者感興趣的商品等。本實(shí)施例中，云服務(wù)器主要提取電商網(wǎng)站后臺(tái)數(shù)據(jù)以分析用戶對(duì)于商品的偏好，比如偏好價(jià)格實(shí)惠的同類型產(chǎn)品、偏好有折扣的商品等。
[0036]步驟S20，根據(jù)獲取到的所述用戶行為數(shù)據(jù)及預(yù)設(shè)的商品推薦算法，計(jì)算得到所述電商網(wǎng)站中適合推薦給用戶的商品集合；
[0037]現(xiàn)有商品推薦算法包括(1)、基于內(nèi)容的推薦算法，根據(jù)用戶過去的瀏覽記錄來向用戶推薦用戶沒有接觸過的推薦項(xiàng)；(2)、協(xié)同過濾算法，在海量數(shù)據(jù)中挖掘出小部分與你品味類似的用戶，通過協(xié)同過濾將這些用戶所喜歡的節(jié)目推薦給你。本實(shí)施例中優(yōu)選所述商品推薦算法包括:基于用戶的協(xié)同過濾算法和/或基于商品的協(xié)同過濾算法。
[0038]基于用戶的協(xié)同算法，通過分析用戶之間共同瀏覽某些商品而產(chǎn)生的用戶對(duì)某種商品共同喜好的集合，是根據(jù)用戶之間瀏覽行為數(shù)據(jù)進(jìn)行協(xié)同計(jì)算出某個(gè)用戶可能感興趣的商品集合。比如，A用戶與B用戶都喜歡瀏覽電子產(chǎn)品，若A用戶喜歡瀏覽手機(jī)與電腦，則認(rèn)為B用戶也對(duì)手機(jī)與電腦感興趣。
[0039]而基于商品的協(xié)同算法指得是系統(tǒng)分析某個(gè)用戶的行為數(shù)據(jù)，根據(jù)商品之間的相似度，計(jì)算出該用戶可能感興趣的商品集合。比如，A用戶喜歡瀏覽空調(diào)，若空調(diào)與風(fēng)扇的相似度較高，則認(rèn)為A用戶也對(duì)風(fēng)扇感興趣。
[0040]本實(shí)施例中，根據(jù)獲取到的云服務(wù)器統(tǒng)計(jì)分析得到的用戶行為數(shù)據(jù)及預(yù)設(shè)的商品推薦算法，從而通過推薦算法計(jì)算得到適合推薦給用戶的商品集合。例如，若通過云服務(wù)器分析得到用戶對(duì)A、B、C三種商品比較感興趣，則通過推薦算法認(rèn)為用戶對(duì)D、E、F等商品也感興趣，因此適合推薦給用戶。
[0041]步驟S30，對(duì)所述商品集合中各商品進(jìn)行排序，得到排序結(jié)果；
[0042]步驟S40，根據(jù)所述排序結(jié)果及預(yù)設(shè)顯示規(guī)則，在當(dāng)前用戶訪問頁面上顯示所述商品集合中的對(duì)應(yīng)商品。
[0043]本實(shí)施例中，由于需要推薦的商品較多，因此，為便于用戶瀏覽，同時(shí)也便于對(duì)接電商平臺(tái)的銷售策略，因此，需要對(duì)電商網(wǎng)站中適合推薦給用戶的商品集合中的各商品進(jìn)行排序，例如用戶對(duì)相機(jī)比較感興趣，則電商網(wǎng)站需要將推薦給用戶的多個(gè)相機(jī)商品進(jìn)行排序，比如按照商品的瀏覽頻率、歷史購買數(shù)量、價(jià)格、折扣商品等要求進(jìn)行排序，從而提升用戶訂購率。本實(shí)施例中對(duì)于排序標(biāo)準(zhǔn)的設(shè)置不限，具體根據(jù)實(shí)際需要進(jìn)行設(shè)置。
[0044]此外，本實(shí)施例中，優(yōu)選顯示規(guī)則至少包括商品集合中各商品的顯示格式、在當(dāng)前用戶訪問頁面上的顯示位置及顯示方式。比如采用醒目的顏色在特點(diǎn)網(wǎng)頁位置顯示某推薦商品；比如顯示購買商品的基本信息以及用戶喜歡度等。通過顯示方式的設(shè)置，進(jìn)一步提升用戶購買商品的滿意度以及對(duì)推薦商品的訂購率。
[0045]此外，可選的，當(dāng)檢測到用戶瀏覽了多款同類型商品而沒有做出購買行為時(shí)，在一定時(shí)間周期內(nèi)，將分析得到的適合推薦給用戶其他款式的同類型商品的促銷信息通過電子郵件主動(dòng)發(fā)送給用戶，從而提高用戶訂購率。
[0046]本實(shí)施例中，通過對(duì)采用大數(shù)據(jù)及云計(jì)算技術(shù)，對(duì)用戶行為進(jìn)行統(tǒng)計(jì)分析，從而能夠根據(jù)用戶的興趣偏好而有針對(duì)性的生成符合用戶興趣偏好的商品集合并進(jìn)行推薦，從而提高用戶對(duì)電商網(wǎng)站的滿意度及商品訂購率。
[0047]進(jìn)一步可選的，在本發(fā)明基于用戶行為分析的商品推薦方法一實(shí)施例中，云服務(wù)器對(duì)電商網(wǎng)站后臺(tái)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，得到用戶行為數(shù)據(jù)包括:
[0048]步驟一:云服務(wù)器從電商網(wǎng)站后臺(tái)數(shù)據(jù)中獲取用戶當(dāng)前瀏覽商品的相關(guān)信息，所述相關(guān)信息至少包括所述瀏覽商品的基本信息、停留時(shí)間、歷史購買記錄、回訪次數(shù)、回訪間隔時(shí)長；
[0049]步驟二、根據(jù)預(yù)設(shè)的統(tǒng)計(jì)分析算法，對(duì)所述相關(guān)信息進(jìn)行統(tǒng)計(jì)分析，得到用戶行為數(shù)據(jù)，所述用戶行為數(shù)據(jù)至少包括用戶偏好特征。
[0050]本實(shí)施例中，對(duì)于相關(guān)信息的設(shè)置優(yōu)選包括瀏覽商品的基本信息、停留時(shí)間、歷史購買記錄、回訪次數(shù)、回訪間隔時(shí)長。通過對(duì)上述信息的統(tǒng)計(jì)分析，即可得到比較準(zhǔn)確的用戶行為數(shù)據(jù)，也即可用于描述用戶的購買偏好。
[0051 ]例如，用戶A連續(xù)瀏覽了 5款電視機(jī)，其中4款來自國內(nèi)品牌S，I款來自國外品牌T; 4款為LED技術(shù)，I款為LCD技術(shù);5款的價(jià)格分別為4599元、5199元、5499元、5999元、7999元;停留時(shí)間分別為5分鐘、10分鐘、30分鐘、5分鐘，則通過統(tǒng)計(jì)分析后，可以從某種程度上得出用戶A對(duì)品牌認(rèn)可度及傾向性，如偏向國產(chǎn)品牌、中等價(jià)位的LED電視。而用戶B連續(xù)瀏覽了 6款電視機(jī)，其中2款是國外品牌T，2款是另一國外品牌V，2款是國產(chǎn)品牌S;4款為LED技術(shù)，2款為LCD技術(shù);6款的價(jià)格分別為5999元、7999元、8300元、9200元、9999元、11050元；停留時(shí)間分別為5分鐘、15分鐘、20分鐘、5分鐘、40分鐘、5分鐘等，則通過統(tǒng)計(jì)分析后，可以從某種程度上得出用戶B對(duì)品牌認(rèn)可度及傾向性，如偏向進(jìn)口品牌、高價(jià)位的LED電視等。
[0052]參照?qǐng)D2，圖2為本發(fā)明基于用戶行為分析的商品推薦裝置一實(shí)施例的功能模塊示意圖。本實(shí)施例中，所述商品推薦裝置包括:
[0053]獲取模塊10，用于獲取云服務(wù)器對(duì)電商網(wǎng)站后臺(tái)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析后所得到的用戶行為數(shù)據(jù)；
[0054]本實(shí)施例中，云服務(wù)器具體從電商網(wǎng)站獲取后臺(tái)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析后，得到對(duì)應(yīng)的用戶行為數(shù)據(jù)，比如用戶瀏覽的商品基本信息、用戶瀏覽時(shí)的停留時(shí)間、該瀏覽商品的歷史購買記錄等都可以作為用戶的行為數(shù)據(jù)，通過對(duì)獲取到的用戶的行為數(shù)據(jù)進(jìn)行云計(jì)算加工處理，比如進(jìn)行統(tǒng)計(jì)、分類、歸納、挖掘等處理，從而獲取潛在的價(jià)值信息和用戶需求，然后再根據(jù)加工處理后的數(shù)據(jù)進(jìn)行后續(xù)處理，比如分析用戶的行為習(xí)慣或者感興趣的商品等。本實(shí)施例中，云服務(wù)器主要提取電商網(wǎng)站后臺(tái)數(shù)據(jù)以分析用戶對(duì)于商品的偏好，比如偏好價(jià)格實(shí)惠的同類型產(chǎn)品、偏好有折扣的商品等。
[0055]本實(shí)施例中，獲取模塊10則直接獲取云服務(wù)器對(duì)電商網(wǎng)站后臺(tái)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析后所得到的用戶行為數(shù)據(jù)。
[0056]計(jì)算模塊20，用于根據(jù)獲取到的所述用戶行為數(shù)據(jù)及預(yù)設(shè)的商品推薦算法，計(jì)算得到所述電商網(wǎng)站中適合推薦給用戶的商品集合；
[0057]現(xiàn)有商品推薦算法包括(1)、基于內(nèi)容的推薦算法，根據(jù)用戶過去的瀏覽記錄來向用戶推薦用戶沒有接觸過的推薦項(xiàng)；(2)、協(xié)同過濾算法，在海量數(shù)據(jù)中挖掘出小部分與你品味類似的用戶，通過協(xié)同過濾將這些用戶所喜歡的節(jié)目推薦給你。本實(shí)施例中計(jì)算模塊20優(yōu)選采用的商品推薦算法包括:基于用戶的協(xié)同過濾算法和/或基于商品的協(xié)同過濾算法。
[0058]基于用戶的協(xié)同算法，計(jì)算模塊20通過分析用戶之間共同瀏覽某些商品而產(chǎn)生的用戶對(duì)某種商品共同喜好的集合，是根據(jù)用戶之間瀏覽行為數(shù)據(jù)進(jìn)行協(xié)同計(jì)算出某個(gè)用戶可能感興趣的商品集合。比如，A用戶與B用戶都喜歡瀏覽電子產(chǎn)品，若A用戶喜歡瀏覽手機(jī)與電腦，則認(rèn)為B用戶也對(duì)手機(jī)與電腦感興趣。
[0059]而基于商品的協(xié)同算法指得是系統(tǒng)分析某個(gè)用戶的行為數(shù)據(jù)，計(jì)算模塊20根據(jù)商品之間的相似度，計(jì)算出該用戶可能感興趣的商品集合。比如，A用戶喜歡瀏覽空調(diào)，若空調(diào)與風(fēng)扇的相似度較高，則認(rèn)為A用戶也對(duì)風(fēng)扇感興趣。
[0060]本實(shí)施例中，根據(jù)獲取到的云服務(wù)器統(tǒng)計(jì)分析得到的用戶行為數(shù)據(jù)及預(yù)設(shè)的商品推薦算法，從而通過推薦算法計(jì)算得到適合推薦給用戶的商品集合。例如，若通過云服務(wù)器分析得到用戶對(duì)A、B、C三種商品比較感興趣，則通過推薦算法認(rèn)為用戶對(duì)D、E、F等商品也感興趣，因此適合推薦給用戶。
[0061]排序模塊30，用于對(duì)所述商品集合中各商品進(jìn)行排序，得到排序結(jié)果；
[0062]顯示模塊40，用于根據(jù)所述排序結(jié)果及預(yù)設(shè)顯示規(guī)則，在當(dāng)前用戶訪問頁面上顯不所述商品集合中的對(duì)應(yīng)商品。
[0063]本實(shí)施例中，由于需要推薦的商品較多，因此，為便于用戶瀏覽，同時(shí)也便于對(duì)接電商平臺(tái)的銷售策略，因此，排序模塊30對(duì)電商網(wǎng)站中適合推薦給用戶的商品集合中的各商品進(jìn)行排序，例如用戶對(duì)相機(jī)比較感興趣，則電商網(wǎng)站需要將推薦給用戶的多個(gè)相機(jī)商品進(jìn)行排序，比如按照商品的瀏覽頻率、歷史購買數(shù)量、價(jià)格、折扣商品等要求進(jìn)行排序，從而提升用戶訂購率。本實(shí)施例中對(duì)于排序標(biāo)準(zhǔn)的設(shè)置不限，具體根據(jù)實(shí)際需要進(jìn)行設(shè)置。
[0064]此外，本實(shí)施例中，顯示模塊40優(yōu)選采用的顯示規(guī)則至少包括商品集合中各商品的顯示格式、在當(dāng)前用戶訪問頁面上的顯示位置及顯示方式。比如采用醒目的顏色在特點(diǎn)網(wǎng)頁位置顯示某推薦商品；比如顯示購買商品的基本信息以及用戶喜歡度等。通過顯示方式的設(shè)置，進(jìn)一步提升用戶購買商品的滿意度以及對(duì)推薦商品的訂購率。
[0065]本實(shí)施例中，通過對(duì)采用大數(shù)據(jù)及云計(jì)算技術(shù)，對(duì)用戶行為進(jìn)行統(tǒng)計(jì)分析，從而能夠根據(jù)用戶的興趣偏好而有針對(duì)性的生成符合用戶興趣偏好的商品集合并進(jìn)行推薦，從而提高用戶對(duì)電商網(wǎng)站的滿意度及商品訂購率。
[0066]參照?qǐng)D3，圖3為本發(fā)明基于用戶行為分析的商品推薦系統(tǒng)一實(shí)施例的功能模塊示意圖。本實(shí)施例中，所述商品推薦系統(tǒng)包括云服務(wù)器210以及上述任一項(xiàng)實(shí)施例中所述的商品推薦裝置220。
[0067]本實(shí)施例中，由于電商網(wǎng)站所產(chǎn)生的各種數(shù)據(jù)非常巨大，因而，為提升對(duì)后臺(tái)數(shù)據(jù)的處理能力，優(yōu)選采用云服務(wù)器210，通過采用大數(shù)據(jù)及云計(jì)算技術(shù)，對(duì)用戶行為進(jìn)行統(tǒng)計(jì)分析，從而商品推薦裝置220能夠根據(jù)用戶的興趣偏好而有針對(duì)性的生成符合用戶興趣偏好的商品集合并進(jìn)行推薦，從而提高用戶對(duì)電商網(wǎng)站的滿意度及商品訂購率。
[0068]參照?qǐng)D4，圖4為圖3中云服務(wù)器的細(xì)化功能模塊示意圖?；谏鲜鰧?shí)施例，本實(shí)施例中，所述云服務(wù)器210包括:
[0069]獲取單元2101，用于從所述電商網(wǎng)站后臺(tái)數(shù)據(jù)中獲取用戶當(dāng)前瀏覽商品的相關(guān)信息，所述相關(guān)信息至少包括所述瀏覽商品的基本信息、停留時(shí)間、歷史購買記錄、回訪次數(shù)、回訪間隔時(shí)長；
[0070]統(tǒng)計(jì)分析單元2102，用于根據(jù)預(yù)設(shè)的統(tǒng)計(jì)分析算法，對(duì)所述相關(guān)信息進(jìn)行統(tǒng)計(jì)分析，得到用戶行為數(shù)據(jù)，所述用戶行為數(shù)據(jù)至少包括用戶偏好特征。
[0071]本實(shí)施例中，對(duì)于相關(guān)信息的設(shè)置優(yōu)選包括瀏覽商品的基本信息、停留時(shí)間、歷史購買記錄、回訪次數(shù)、回訪間隔時(shí)長。通過對(duì)上述信息的統(tǒng)計(jì)分析，即可得到比較準(zhǔn)確的用戶行為數(shù)據(jù)，也即可用于描述用戶的購買偏好。
[0072 ]例如，用戶A連續(xù)瀏覽了 5款電視機(jī)，其中4款來自國內(nèi)品牌S，I款來自國外品牌T; 4款為LED技術(shù)，I款為LCD技術(shù);5款的價(jià)格分別為4599元、5199元、5499元、5999元、7999元;停留時(shí)間分別為5分鐘、10分鐘、30分鐘、5分鐘，則從某種程度上可反映出用戶A對(duì)品牌認(rèn)可度及傾向性，如偏向國產(chǎn)品牌、中等價(jià)位的LED電視。而用戶B連續(xù)瀏覽了 6款電視機(jī)，其中2款是國外品牌T，2款是另一國外品牌V，2款是國產(chǎn)品牌S; 4款為LED技術(shù)，2款為LCD技術(shù);6款的價(jià)格分別為5999元、7999元、8300元、9200元、9999元、11050元;停留時(shí)間分別為5分鐘、15分鐘、20分鐘、5分鐘、40分鐘、5分鐘等，則類似地，上述數(shù)據(jù)信息從某種程度上反映了用戶B對(duì)品牌認(rèn)可度及傾向性，如偏向進(jìn)口品牌、尚價(jià)位的LED電視等。
[0073]以上僅為本發(fā)明的優(yōu)選實(shí)施例，并非因此限制本發(fā)明的專利范圍，凡是利用本發(fā)明說明書及附圖內(nèi)容所作的等效結(jié)構(gòu)或等效流程變換，或直接或間接運(yùn)用在其他相關(guān)的技術(shù)領(lǐng)域，均同理包括在本發(fā)明的專利保護(hù)范圍內(nèi)。
【主權(quán)項(xiàng)】
1.一種基于用戶行為分析的商品推薦方法，其特征在于，所述基于用戶行為分析的商品推薦方法包括: 獲取云服務(wù)器對(duì)電商網(wǎng)站后臺(tái)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析后所得到的用戶行為數(shù)據(jù)； 根據(jù)獲取到的所述用戶行為數(shù)據(jù)及預(yù)設(shè)的商品推薦算法，計(jì)算得到所述電商網(wǎng)站中適合推薦給用戶的商品集合； 對(duì)所述商品集合中各商品進(jìn)行排序，得到排序結(jié)果； 根據(jù)所述排序結(jié)果及預(yù)設(shè)顯示規(guī)則，在當(dāng)前用戶訪問頁面上顯示所述商品集合中的對(duì)應(yīng)商品。2.如權(quán)利要求1所述的基于用戶行為分析的商品推薦方法，其特征在于，云服務(wù)器對(duì)電商網(wǎng)站后臺(tái)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，得到用戶行為數(shù)據(jù)包括: 所述云服務(wù)器從所述電商網(wǎng)站后臺(tái)數(shù)據(jù)中獲取用戶當(dāng)前瀏覽商品的相關(guān)信息，所述相關(guān)信息至少包括所述瀏覽商品的基本信息、停留時(shí)間、歷史購買記錄、回訪次數(shù)、回訪間隔時(shí)長； 根據(jù)預(yù)設(shè)的統(tǒng)計(jì)分析算法，對(duì)所述相關(guān)信息進(jìn)行統(tǒng)計(jì)分析，得到用戶行為數(shù)據(jù)，所述用戶行為數(shù)據(jù)至少包括用戶偏好特征。3.如權(quán)利要求1或2所述的基于用戶行為分析的商品推薦方法，其特征在于，所述商品推薦算法包括:基于用戶的協(xié)同過濾算法和/或基于商品的協(xié)同過濾算法。4.如權(quán)利要求3所述的基于用戶行為分析的商品推薦方法，其特征在于，所述預(yù)設(shè)顯示規(guī)則至少包括所述商品集合中各商品的顯示格式、在當(dāng)前用戶訪問頁面上的顯示位置及顯不方式。5.—種基于用戶行為分析的商品推薦裝置，其特征在于，所述商品推薦裝置包括: 獲取模塊，用于獲取云服務(wù)器對(duì)電商網(wǎng)站后臺(tái)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析后所得到的用戶行為數(shù)據(jù)； 計(jì)算模塊，用于根據(jù)獲取到的所述用戶行為數(shù)據(jù)及預(yù)設(shè)的商品推薦算法，計(jì)算得到所述電商網(wǎng)站中適合推薦給用戶的商品集合； 排序模塊，用于對(duì)所述商品集合中各商品進(jìn)行排序，得到排序結(jié)果； 顯示模塊，用于根據(jù)所述排序結(jié)果及預(yù)設(shè)顯示規(guī)則，在當(dāng)前用戶訪問頁面上顯示所述商品集合中的對(duì)應(yīng)商品。6.如權(quán)利要求5所述的基于用戶行為分析的商品推薦裝置，其特征在于，所述商品推薦算法包括:基于用戶的協(xié)同過濾算法和/或基于商品的協(xié)同過濾算法。7.如權(quán)利要求5或6所述的基于用戶行為分析的商品推薦裝置，其特征在于，所述預(yù)設(shè)顯示規(guī)則至少包括所述商品集合中各商品的顯示格式、在當(dāng)前用戶訪問頁面上的顯示位置及顯示方式。8.—種基于用戶行為分析的商品推薦系統(tǒng)，其特征在于，所述商品推薦系統(tǒng)包括云服務(wù)器以及權(quán)利要求5-7中任一項(xiàng)所述的商品推薦裝置。9.如權(quán)利要求8所述的基于用戶行為分析的商品推薦系統(tǒng)，其特征在于，所述云服務(wù)器包括: 獲取單元，用于從所述電商網(wǎng)站后臺(tái)數(shù)據(jù)中獲取用戶當(dāng)前瀏覽商品的相關(guān)信息，所述相關(guān)信息至少包括所述瀏覽商品的基本信息、停留時(shí)間、歷史購買記錄、回訪次數(shù)、回訪間隔時(shí)長； 統(tǒng)計(jì)分析單元，用于根據(jù)預(yù)設(shè)的統(tǒng)計(jì)分析算法，對(duì)所述相關(guān)信息進(jìn)行統(tǒng)計(jì)分析，得到用戶行為數(shù)據(jù)，所述用戶行為數(shù)據(jù)至少包括用戶偏好特征。
【文檔編號(hào)】G06Q30/02GK105894332SQ201610257376
【公開日】2016年8月24日
【申請(qǐng)日】2016年4月22日
【發(fā)明人】張銳
【申請(qǐng)人】深圳市永興元科技有限公司