CN102214345A - 网购引导装置及方法 - Google Patents

Abstract

本发明公开了一种网购引导装置及方法。该网购引导装置包括：一信息采集模块，包括：一基本信息采集模块，用于采集一用户的基本信息；一历史信息采集模块，用于采集该用户的订单历史信息、浏览历史信息以及搜索历史信息；一信息处理模块，用于根据该用户的基本信息、订单历史信息、浏览历史信息以及搜索历史信息分析获得针对该用户的多个身份结论；一推荐模块，用于依次将与各个身份结论相应的推荐信息输出给该用户，直到该用户对当前输出的推荐信息产生关注为止。本发明能够智能地向用户提供准确的推荐信息，从而能够提高购物网站对用户的粘性，提高用户的购物体验，并最终增进交易机会。

Description

网购引导装置及方法

技术领域

本发明涉及一种电子商务技术，特别是涉及一种网购引导装置以及一种利用该网购引导装置实现的网购引导方法。

背景技术

电子商务网站(通俗地说，购物网站)的用户一般可以分为目标型客户和逛街型客户两类。目标型客户一般在进入购物网站时便已经明确地知道自己希望购买什么商品，购物网站上的搜索引擎便可以基本满足他们的需求，这类客户通常不会在购物网站上做多余的停留。而逛街型客户则与此不同，他们在进入购物网站之后往往呈现出漫无目的地浏览商品、并且随机性购物的状态。

随着购物网站中提供的商品种类越来越丰富多样，对于逛街型客户而言，他们已经不可能在一次浏览过程中浏览完全部的商品，因此在客户有兴趣购买的某一商品进入客户的视野之前该客户可能就已经离开购物网站的页面了，这无疑会在无形之中损失掉极多次的交易机会。

目前，有些购物网站已经在努力地提高自身对逛街型客户的粘性，例如在用户进行漫无目的的浏览的同时向用户显示一些用户可能会感兴趣的商品的推荐信息，以便吸引用户在购物网站中停留更长的时间，并达成更多的交易。这些推荐信息通常通过对比浏览过相同商品的其它用户的浏览记录来生成，或者直接由与该用户浏览过的商品极为类似的商品信息构成；由前一种方式生成的推荐信息通常不可能较好地贴合该用户的真实兴趣所在，而由后一种方式生成的推荐信息由于数据基础过于简单也通常不可能较好地贴合该用户当前的真实兴趣所在。这些因素都会影响到推荐信息对用户的吸引力。

发明内容

本发明要解决的技术问题是为了克服现有技术中的购物网站由于无法智能地向用户提供准确的推荐信息，从而会损失掉大量的交易机会的缺陷，提供一种能够智能地向用户提供准确的推荐信息，从而能够提高购物网站对用户的粘性，提高用户的购物体验，并最终增进交易机会的网购引导装置以及一种利用该网购引导装置实现的网购引导方法。

本发明是通过下述技术方案来解决上述技术问题的：一种网购引导装置，其特点在于，其包括：一信息采集模块，包括：一基本信息采集模块，用于采集一用户的基本信息；一历史信息采集模块，用于采集该用户的订单历史信息、浏览历史信息以及搜索历史信息；一信息处理模块，用于根据该用户的基本信息、订单历史信息、浏览历史信息以及搜索历史信息分析获得针对该用户的多个身份结论；一推荐模块，用于依次将与各个身份结论相应的推荐信息输出给该用户，直到该用户对当前输出的推荐信息产生关注为止。

当用户在一采用了本发明的该网购引导装置的购物网站注册时，该购物网站可以要求用户填写一些基本信息，该些基本信息将被该网购引导装置采集；而后当用户进入该购物网站开始搜索商品、浏览商品或是购买商品时，该网购引导装置则会在后台持续地采集用户的订单历史信息、浏览历史信息以及搜索历史信息。在采集了上述各种信息之后，该网购引导装置便会以这些信息为数据基础分析获得针对该用户的多个身份结论，这些身份结论可以通过分别以不同的侧重点考虑这些信息而生成，因此每个身份结论总能够真实地反映出该用户的真实身份的某一侧面。在完成了身份结论的分析之后，该网购引导装置便可以开始向用户推送推荐信息。在本发明中，各个身份结论与其对应的推荐信息之间的关联参考一完全吻合该身份结论的描述的真实用户最有可能感兴趣的商品信息来建立。因此，通过依次地向用户推送与各个身份结论相应的推荐信息，便可以智能地、准确地将用户最有可能感兴趣的商品信息尽早地送入用户的视野。另外，本发明对当用户对当前输出的推荐信息不感兴趣时输出的推荐信息的更新频率并不做限定，既可以在用户持续停留在该购物网站上的过程中更新推荐信息，也可以直至用户下一次登录进入该购物网站时才输出与另一身份结论相应的推荐信息。

其中，该基本信息包括该用户的性别、年龄、职业以及婚姻状态中的一种或多种信息。

其中，该信息处理模块包括：一购物偏好分析模块，用于根据该用户的订单历史信息、浏览历史信息以及搜索历史信息分析获得该用户的经济能力以及购物倾向；一购物趋势分析模块，用于根据该用户的订单历史信息、浏览历史信息以及搜索历史信息分析获得该用户的当前的购物趋势；一身份结论生成模块，用于以不同的权重比例参考该用户的基本信息、经济能力、购物倾向以及当前的购物趋势，分析获得针对该用户的多个身份结论。

也就是说，该购物偏好分析模块分析获得的是用户长期以来形成的较为稳定的网购行为定式，即用户长期的兴趣所在，而该购物趋势分析模块分析获得的则是用户近期显现的网购行为变化，即用户近期的兴趣所在。而该身份结论生成模块则会采用各种不同的权重比例来参考用户的基本信息、网购行为定式以及网购行为变化，从而得到多个侧重点各不相同的身份结论。

其中，该身份结论生成模块以越大的权重比例参考该用户的当前的购物趋势时，分析获得的身份结论的优先级越高，该推荐模块包括：一推荐信息输出模块，用于在还未输出过相应的推荐信息的身份结论中选择一优先级最高的身份结论，然后输出与被选择的该身份结论相应的推荐信息；一实时侦测模块，用于实时侦测该用户对当前输出的推荐信息是否产生关注，并在用户对当前输出的推荐信息未作关注时调用该推荐信息输出模块。

由于该用户的当前的购物趋势显然能够更加准确地反映出该用户近期的购物需求状态，因此为更加贴近该用户的近期的购物需求状态的身份结论赋予更高的优先级、并优先输出与这些身份结论相应的推荐信息，将会更有利于使用户尽早地被推荐信息中的内容所吸引，从而将购物网站对用户的粘性提升至最高。

其中，该实时侦测模块包括：一网页侦测模块，用于侦测该用户在当前输出的推荐信息的网页上的停留时间以及点击量；一判断模块，用于在该停留时间超过一时间阈值且该点击量超过一点击量阈值时，判断该用户对当前输出的推荐信息产生关注。

较佳地，该实时侦测模块还包括：一表情侦测模块，用于侦测该用户在浏览当前输出的推荐信息时的表情；和/或，一语音侦测模块，用于侦测该用户在浏览当前输出的推荐信息时的语音；该判断模块用于在该停留时间超过一时间阈值且该点击量超过一点击量阈值、并且该用户表情愉悦和/或该用户语音愉悦时，判断该用户对当前输出的推荐信息产生关注。

该表情侦测模块和/或该语音侦测模块将能够丰富购物网站与用户之间的互动方式，并且增加互动的趣味性，这也将有利于提高购物网站对用户的粘性。

本发明的目的还在于提供一种利用上述的网购引导装置实现的网购引导方法，其特点在于，该网购引导方法包括：S₁、采集该用户的基本信息以及该用户的订单历史信息、浏览历史信息以及搜索历史信息；S₂、根据该用户的基本信息、订单历史信息、浏览历史信息以及搜索历史信息分析获得针对该用户的多个身份结论；S₃、依次将与各个身份结论相应的推荐信息输出给该用户，直到该用户对当前输出的推荐信息产生关注为止。

其中，该基本信息包括该用户的性别、年龄、职业以及婚姻状态中的一种或多种信息。

其中，步骤S₂包括：S₂₁、根据该用户的订单历史信息、浏览历史信息以及搜索历史信息分析获得该用户的经济能力、购物倾向以及当前的购物趋势；S₂₂、以不同的权重比例参考该用户的基本信息、经济能力、购物倾向以及当前的购物趋势，分析获得针对该用户的多个身份结论。

其中，在步骤S₂₂中，以越大的权重比例参考该用户的当前的购物趋势时，分析获得的身份结论的优先级越高，步骤S₃包括：S₃₁、在还未输出过相应的推荐信息的身份结论中选择一优先级最高的身份结论，然后输出与被选择的该身份结论相应的推荐信息；S₃₂、实时侦测该用户对当前输出的推荐信息是否产生关注，若产生关注则结束步骤S₃，若未作关注则再次执行步骤S₃₁。

其中，步骤S₃₂中判断用户对当前输出的推荐信息是否产生关注的过程包括：S₃₂₁、侦测该用户在当前输出的推荐信息的网页上的停留时间以及点击量；S₃₂₂、判断该停留时间是否超过一时间阈值以及该点击量是否超过一点击量阈值，仅在该停留时间超过该时间阈值且该点击量超过该点击量阈值时判断该用户对当前输出的推荐信息产生关注。

其中，步骤S₃₂中判断用户对当前输出的推荐信息是否产生关注的过程包括：S_321’、侦测该用户在当前输出的推荐信息的网页上的停留时间以及点击量，并侦测该用户在浏览当前输出的推荐信息时的表情和/或语音；S_322’、判断该停留时间是否超过一时间阈值以及该点击量是否超过一点击量阈值，并判断该用户是否表情愉悦和/或语音愉悦，仅在该停留时间超过该时间阈值且该点击量超过该点击量阈值、并且该用户表情愉悦和/或语音愉悦时判断该用户对当前输出的推荐信息产生关注。

本发明的积极进步效果在于：本发明能够智能地向用户提供准确的推荐信息，从而能够提高购物网站对用户的粘性，提高用户的购物体验，并最终增进交易机会。

附图说明

图1为本发明的该网购引导装置的结构示意图。

图2为本发明的该网购引导方法的一实施例的流程图。

具体实施方式

下面结合附图给出本发明较佳实施例，以详细说明本发明的技术方案。

如图1所示，本发明的该网购引导装置主要包括一信息采集模块1、一信息处理模块2以及一推荐模块3。

该信息采集模块1又包括一基本信息采集模块11以及一历史信息采集模块12。该基本信息采集模块11用于获取用户在购物网站注册时所输入的一些基本信息，例如以下信息中的一种或多种：该用户的性别、年龄、职业以及婚姻状态等等。该历史信息采集模块12用于跟踪该用户的购物行为，包括采集该用户的订单历史信息、浏览历史信息以及搜索历史信息。

该信息处理模块2将基于该信息采集模块1所采集到的所有用户信息，从多个角度对该用户的真实身份进行解析，并针对每一角度下的解析结果均推导出一相应的身份结论，这些身份结论将能够各有侧重地反映出该用户的真实身份的各个侧面。

该推荐模块3将会依次将与各个身份结论相应的推荐信息尝试着输出给用户。若用户对当前输出的推荐信息不感兴趣，该推荐模块3在下一次时便会输出与另一身份结论相应的推荐信息。一旦某一次的推荐信息中的某一商品信息引起了用户的关注，用户便会深入地对该商品进行浏览了解，这样一来，该网购引导装置便成功地提高了该购物网站对用户的粘性，并有希望挖掘出更多潜在的交易机会。

该信息处理模块2又可以进一步地包括一购物偏好分析模块21、一购物趋势分析模块22以及一身份结论生成模块23。该购物偏好分析模块21根据该用户的订单历史信息、浏览历史信息以及搜索历史信息分析获得该用户的经济能力以及购物倾向，即获得该用户较为长期的购物行为定式。该购物趋势分析模块22根据该用户的订单历史信息、浏览历史信息以及搜索历史信息分析获得该用户的当前的购物趋势，即获得该用户较为近期的购物行为变化。而该身份结论生成模块23则会以不同的权重比例参考该用户的基本信息、经济能力、购物倾向以及当前的购物趋势，以此获得多个各有侧重的身份结论。

例如，当更多地考虑用户的长期的行为历史记录时，便会生成一个更加贴近该用户的购物行为定式的身份结论，而当更多地考虑用户的近期的行为历史记录时，便会生成一个更加贴近该用户的购物行为变化的身份结论。

由于该用户的当前的购物趋势显然能够更加准确地反映出该用户近期的购物需求状态，因此可以考虑为更加贴近该用户的近期的购物需求状态的身份结论赋予更高的优先级，即，该身份结论生成模块23在生成身份结论时，以越大的权重比例考虑了该用户的当前的购物趋势，则分析获得的该身份结论的优先级便越高。相应地，该推荐模块3又可以进一步地包括一推荐信息输出模块31以及一实时侦测模块32。该推荐信息输出模块31能够在还未输出过相应的推荐信息的身份结论中选择一优先级最高的身份结论，然后输出与被选择的该身份结论相应的推荐信息。该实时侦测模块32则会实时地侦测该用户是否对该推荐信息输出模块31当前输出的推荐信息产生了关注，若产生了关注，则说明当前输出的推荐信息中出现了用户感兴趣的商品信息，这样该商品信息便起到了进一步吸引用户的作用，而若并未产生关注，则说明用户对当前输出的推荐信息完全没有兴趣，这样该实时侦测模块32便会在用户对该购物网站的本次浏览过程中或是在用户下一次登录该购物网站时调用该推荐信息输出模块31输出与另一身份结论相应的推荐信息，从而尝试向用户推荐其它商品信息。由于与优先级越高的身份结论相应的推荐信息会被更加优先地输出，因此用户将能够尽早地在推荐信息中发现自己近期正在感兴趣的商品信息，从而在第一时间被该购物网站所吸引。

可以利用各种手段来侦测用户是否对当前输出的推荐信息产生了关注。例如，该实时侦测模块32可以包括一网页侦测模块321以及一判断模块322。该网页侦测模块321负责侦测用户在当前输出的推荐信息的网页上的停留时间以及点击量，该判断模块322则负责判断该停留时间是否超过了一时间阈值以及该点击量是否超过了一点击量阈值，若这两个条件均满足，便足以判断用户已经对该网页上的内容产生了兴趣。

除了侦测用户的停留时间以及点击量以外，还可以引入各种丰富的侦测手段，例如，该实时侦测模块32还可以包括：一用于侦测该用户在浏览当前输出的推荐信息时的表情的表情侦测模块323，和/或，一用于侦测该用户在浏览当前输出的推荐信息时的语音的语音侦测模块324，该表情侦测模块323以及该语音侦测模块324可以直接利用用户登录该购物网站时所使用的手机或电脑上自带的摄像头以及语音模块来实现。此时，该判断模块322将结合该网页侦测模块321、该表情侦测模块323以及该语音侦测模块324的侦测结果来进行判断，即，仅在该停留时间超过该时间阈值且该点击量超过该点击量阈值、并且该用户表情愉悦和/或该用户语音愉悦时，才判断用户对该网页上的内容产生了兴趣。

为了赋予该网购引导装置一定的用户交互性，在实际应用时可以为其设计一生动有趣的交互界面，例如可以将其设计为活跃在网页上的一小狮子模样的动态形象，并且用户还可以利用该交互界面对该网购引导装置进行一定的自定义设置，例如：用户可以通过激活该小狮子来启动对该用户的订单历史信息、浏览历史信息以及搜索历史信息的后台跟踪，还可以通过点击小狮子的耳朵或嘴巴来启动对语音的音频侦测，以及可以通过点击小狮子的眼睛来启动对表情的视频侦测等等。当然，用户也可以选择使该网购引导装置进入休眠。

上述的各个功能模块以及交互界面等等均可以在现有的硬件条件下结合现有的软件编程手段实现，故在此对其实现方式不做赘述。

利用上述的该网购引导装置，本发明便可以实现一种相应的网购引导方法。该网购引导方法主要包括以下步骤：

S₁、采集用户的基本信息以及该用户的订单历史信息、浏览历史信息以及搜索历史信息；

S₂、根据该用户的基本信息、订单历史信息、浏览历史信息以及搜索历史信息分析获得针对该用户的多个身份结论；

S₃、依次将与各个身份结论相应的推荐信息输出给该用户，直到该用户对当前输出的推荐信息产生关注为止。

其中，步骤S₂又可以进一步包括：

S₂₁、根据该用户的订单历史信息、浏览历史信息以及搜索历史信息分析获得该用户的经济能力、购物倾向以及当前的购物趋势；

S₂₂、以不同的权重比例参考该用户的基本信息、经济能力、购物倾向以及当前的购物趋势，分析获得针对该用户的多个身份结论。

其中，在步骤S₂₂中，还可以将该多个身份结论设置为：以越大的权重比例参考了该用户的当前的购物趋势而分析获得的身份结论的优先级便越高，相应地，步骤S₃又可以进一步包括：

S₃₁、在还未输出过相应的推荐信息的身份结论中选择一优先级最高的身份结论，然后输出与被选择的该身份结论相应的推荐信息；

S₃₂、实时侦测该用户对当前输出的推荐信息是否产生关注，若产生关注则结束步骤S₃，若未作关注则再次执行步骤S₃₁。

其中，步骤S₃₂中判断用户对当前输出的推荐信息是否产生关注的过程可以包括：

S₃₂₁、侦测该用户在当前输出的推荐信息的网页上的停留时间以及点击量；

S₃₂₂、判断该停留时间是否超过一时间阈值以及该点击量是否超过一点击量阈值，仅在该停留时间超过该时间阈值且该点击量超过该点击量阈值时判断该用户对当前输出的推荐信息产生关注。

另外，步骤S₃₂中判断用户对当前输出的推荐信息是否产生关注的过程也可以包括：

S_321’、侦测该用户在当前输出的推荐信息的网页上的停留时间以及点击量，并侦测该用户在浏览当前输出的推荐信息时的表情和/或语音；

S_322’、判断该停留时间是否超过一时间阈值以及该点击量是否超过一点击量阈值，并判断该用户是否表情愉悦和/或语音愉悦，仅在该停留时间超过该时间阈值且该点击量超过该点击量阈值、并且该用户表情愉悦和/或该用户语音愉悦时判断该用户对当前输出的推荐信息产生关注。

实施例

参考图2所示，以一用户小王在一购物网站上接受网购引导的过程为例对本发明进行详细的举例说明。

步骤100，小王提供自己的基本信息，例如：性别为女，年龄为25。

步骤101，采集小王在该购物网站上的订单历史信息、浏览历史信息以及搜索历史信息。订单历史信息中通常包括有以下数据，例如：购买的商品的分类和品牌、购买的具体商品、购买频率等等。浏览历史信息和搜索历史信息中通常包括有以下数据，例如：浏览或搜索的商品的分类和品牌、浏览或搜索的具体商品等等。

步骤102，对小王的订单历史信息、浏览历史信息以及搜索历史信息进行初步的分析，以获得小王的经济能力、购物倾向以及当前的购物趋势。例如：小王购买、浏览及搜索的大部分商品均为较为高档的品牌，由此便可以得知小王的经济能力属于高、中、低三级中的高级；小王长期以来购买、浏览及搜索的大部分商品均为服饰分类以及化妆品分类，由此便可以得知小王较为长期稳定的购物倾向即为服饰分类以及化妆品分类；小王近期购买、浏览及搜索的商品中突然较为集中地出现了装修用品分类，由此便可以得知可能出于家庭装修的需要，小王近期的兴趣暂时地转向了装修用品分类。

步骤103，结合小王的基本信息进一步地对小王的订单历史信息、浏览历史信息以及搜索历史信息进行深入的分析，即以各种不同的权重比例将小王的基本信息、经济能力、购物倾向以及当前的购物趋势作为参数来考虑，由此分析获得多个可能符合小王的真实身份的身份结论。例如：若以较大的权重来考虑当前的购物趋势这个参数，则可以将小王的身份结论描述为“年轻女性，喜爱各类装修用品”；若以较大的权重来考虑购物倾向这个参数，则可以将小王的身份结论描述为“年轻女性，喜爱各类服饰和化妆品”；若以较大的权重来考虑经济能力以及当前的购物趋势这两个参数，则可以将小王的身份结论描述为“年轻女性，喜爱高档的装修用品”；依此类推。可以将由此获得的多个身份结论形成为一列表，其中较佳地，可以为以更大的权重比例考虑了小王的当前的购物趋势而生成的身份结论赋予更高的优先级，即可以将其置于该列表的更加前端的位置处。在本实施例中，该列表中的第一项身份结论便将为“年轻女性，喜爱各类装修用品”。

步骤104，在该列表中还未输出过相应的推荐信息的各个身份结论中选择一位置处于最前端的身份结论，即选择一优先级最高的身份结论，并输出与被选择的该身份结论相应的推荐信息。在本实施例中，当第一次执行该步骤时，实际上选择的便为该列表中的第一项身份结论“年轻女性，喜爱各类装修用品”，并向用户输出相应的推荐信息，例如：装修用品分类下的各种商品信息，其中特别还可以包括一些针对年轻女性审美观的装修用品信息。若此后还需要再次执行该步骤，则将由前至后依次选择该列表中的其余身份结论，即按照优先级由高至低的顺序依次选择其余身份结论，并输出相应的推荐信息。

步骤105，以判断用户在当前输出的推荐信息的网页上的停留时间是否超过一时间阈值以及在该网页上的点击量是否超过一点击量阈值的方式判断用户是否对当前输出的推荐信息产生了关注，在该判断过程中还可以结合音频及视频侦测的手段来侦测用户当前的表情或语音是否愉悦，若用户在该网页上做了长时间的停留并产生了相当的点击量，并且表情或语音愉悦，便可以认为用户对当前输出的推荐信息很感兴趣，否则认为用户并不感兴趣。若用户对当前输出的推荐信息产生了兴趣，则该次网购引导过程已经取得成效，可以至此结束，而若用户对当前输出的推荐信息兴趣全无，则可以继续地再次执行步骤104或是当用户下一次登录进入该购物网站时再次执行步骤104，以输出新的推荐信息再次尝试吸引用户的注意力。

综上所述，本发明能够智能地向用户提供准确的推荐信息，从而能够提高购物网站对用户的粘性，提高用户的购物体验，并最终增进交易机会。

虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。

Claims (12)

1.一种网购引导装置，其特征在于，其包括：

一信息采集模块，包括：

一基本信息采集模块，用于采集一用户的基本信息；

一历史信息采集模块，用于采集该用户的订单历史信息、浏览历史信息以及搜索历史信息；

一信息处理模块，用于根据该用户的基本信息、订单历史信息、浏览历史信息以及搜索历史信息分析获得针对该用户的多个身份结论；

一推荐模块，用于依次将与各个身份结论相应的推荐信息输出给该用户，直到该用户对当前输出的推荐信息产生关注为止。

2.如权利要求1所述的网购引导装置，其特征在于，该基本信息包括该用户的性别、年龄、职业以及婚姻状态中的一种或多种信息。

3.如权利要求1所述的网购引导装置，其特征在于，该信息处理模块包括：

一购物偏好分析模块，用于根据该用户的订单历史信息、浏览历史信息以及搜索历史信息分析获得该用户的经济能力以及购物倾向；

一购物趋势分析模块，用于根据该用户的订单历史信息、浏览历史信息以及搜索历史信息分析获得该用户的当前的购物趋势；

一身份结论生成模块，用于以不同的权重比例参考该用户的基本信息、经济能力、购物倾向以及当前的购物趋势，分析获得针对该用户的多个身份结论。

4.如权利要求3所述的网购引导装置，其特征在于，该身份结论生成模块以越大的权重比例参考该用户的当前的购物趋势时，分析获得的身份结论的优先级越高，该推荐模块包括：

一推荐信息输出模块，用于在还未输出过相应的推荐信息的身份结论中选择一优先级最高的身份结论，然后输出与被选择的该身份结论相应的推荐信息；

一实时侦测模块，用于实时侦测该用户对当前输出的推荐信息是否产生关注，并在用户对当前输出的推荐信息未作关注时调用该推荐信息输出模块。

5.如权利要求4所述的网购引导装置，其特征在于，该实时侦测模块包括：

一网页侦测模块，用于侦测该用户在当前输出的推荐信息的网页上的停留时间以及点击量；

一判断模块，用于在该停留时间超过一时间阈值且该点击量超过一点击量阈值时，判断该用户对当前输出的推荐信息产生关注。

6.如权利要求5所述的网购引导装置，其特征在于，该实时侦测模块还包括：

一表情侦测模块，用于侦测该用户在浏览当前输出的推荐信息时的表情；和/或，

一语音侦测模块，用于侦测该用户在浏览当前输出的推荐信息时的语音；

该判断模块用于在该停留时间超过一时间阈值且该点击量超过一点击量阈值、并且该用户表情愉悦和/或该用户语音愉悦时，判断该用户对当前输出的推荐信息产生关注。

7.一种利用权利要求1所述的网购引导装置实现的网购引导方法，其特征在于，该网购引导方法包括：

S₁、采集该用户的基本信息以及该用户的订单历史信息、浏览历史信息以及搜索历史信息；

S₂、根据该用户的基本信息、订单历史信息、浏览历史信息以及搜索历史信息分析获得针对该用户的多个身份结论；

S₃、依次将与各个身份结论相应的推荐信息输出给该用户，直到该用户对当前输出的推荐信息产生关注为止。

8.如权利要求7所述的网购引导方法，其特征在于，该基本信息包括该用户的性别、年龄、职业以及婚姻状态中的一种或多种信息。

9.如权利要求7所述的网购引导方法，其特征在于，步骤S₂包括：

S₂₁、根据该用户的订单历史信息、浏览历史信息以及搜索历史信息分析获得该用户的经济能力、购物倾向以及当前的购物趋势；

S₂₂、以不同的权重比例参考该用户的基本信息、经济能力、购物倾向以及当前的购物趋势，分析获得针对该用户的多个身份结论。

10.如权利要求9所述的网购引导方法，其特征在于，在步骤S₂₂中，以越大的权重比例参考该用户的当前的购物趋势时，分析获得的身份结论的优先级越高，步骤S₃包括：

S₃₁、在还未输出过相应的推荐信息的身份结论中选择一优先级最高的身份结论，然后输出与被选择的该身份结论相应的推荐信息；

S₃₂、实时侦测该用户对当前输出的推荐信息是否产生关注，若产生关注则结束步骤S₃，若未作关注则再次执行步骤S₃₁。

11.如权利要求10所述的网购引导方法，其特征在于，步骤S₃₂中判断用户对当前输出的推荐信息是否产生关注的过程包括：

S₃₂₁、侦测该用户在当前输出的推荐信息的网页上的停留时间以及点击量；

S₃₂₂、判断该停留时间是否超过一时间阈值以及该点击量是否超过一点击量阈值，仅在该停留时间超过该时间阈值且该点击量超过该点击量阈值时判断该用户对当前输出的推荐信息产生关注。

12.如权利要求10所述的网购引导方法，其特征在于，步骤S₃₂中判断用户对当前输出的推荐信息是否产生关注的过程包括：

S_321’、侦测该用户在当前输出的推荐信息的网页上的停留时间以及点击量，并侦测该用户在浏览当前输出的推荐信息时的表情和/或语音；

S_322’、判断该停留时间是否超过一时间阈值以及该点击量是否超过一点击量阈值，并判断该用户是否表情愉悦和/或语音愉悦，仅在该停留时间超过该时间阈值且该点击量超过该点击量阈值、并且该用户表情愉悦和/或语音愉悦时判断该用户对当前输出的推荐信息产生关注。

Images