CN106326375A - 一种商品推荐方法、推荐装置及冰箱 - Google Patents

Abstract

本发明公开了一种商品推荐方法、推荐装置及冰箱，该方法包括如下步骤，获取当前用户所在地区的商品数据，通过节日表、历史订单、商品销量中至少一种方式筛选上述商品数据，利用筛选后的商品数据获得需要推荐的商品信息；该装置包括显示屏和后台处理设备，后台处理设备包括获取模块、筛选模块及输出模块；该冰箱包括上述推荐装置。本发明具有动态比例筛选功能，通过多指标维度、标签并结合动态比例进行筛选，可灵活配置商品数目和指标比例，几乎适用于所有新用户和老用户，商品推荐的效果非常好。

Description

一种商品推荐方法、推荐装置及冰箱

技术领域

本发明涉及数据筛选技术领域，更为具体来说，是一种商品推荐方法、推荐装置及冰箱。

背景技术

随着互联网的发展，人们早已习惯网上购物，但是，对于网上列出的产品如何选择，对人们产生了困扰，为解决这个问题，商品推荐显得尤为重要，常规的推荐方法有如下两种。

(1)手动配置：通过运营人员在后台配置商品列表，然后，在运营人员的人工选择下，手动配置需要推荐的产品。该方法是商城类项目商品推荐的初始阶段--通过运营人员手工配置方式进行商品推荐，但是，这种方法主观性、随机性太强，没有统一的商品推荐标准、执行力较低，需要大量的运营人员，耗费大量的人力，而且，即时在运营人员非常多的情况下，商品过多时也难以通过后台进行维护，更无法满足所有用户的需要，另外，该种方式没有标明商品属性，很难维护商品的相似性，商品的推荐效果极差。

(2)固定指标维度推荐：为解决的上述手动配置方法推荐效果差、人力浪费严重等问题，有人采用了固定指标维度的推荐方法，如根据产品上市时间来推荐产品。但是，这种方法推荐的商品过于单一、参考的指标比较固定，推荐的商品数目和指标比例无法灵活配置，因而仅适用于很小部分的用户，大部分用户很可能并不关注上述指标维度，因此，这种商品推荐方法适用范围窄、推荐效果也很差。

因此，获得一种商品推荐效果好、可灵活配置商品数目和指标比例、适用于大部分用户的商品推荐方法成为了本领域技术人员亟待解决的技术问题和研究的重点。

发明内容

为解决现有商品推荐方法存在的人力投入大、推荐效果差、适用用户范围窄等问题，本发明提供了一种商品推荐方法、推荐装置及冰箱，可完成智能化的商品推荐工作，推荐效果较好，人力投入量大大减小，适用用户范围广。

为实现上述技术目的，本发明公开了一种商品推荐方法，该方法包括如下步骤：

步骤1，获取当前用户所在地区的商品数据；

步骤2，通过节日表、历史订单、商品销量中至少一种方式筛选上述商品数据；

步骤3，利用筛选后的商品数据获得需要推荐的商品信息。

借助于本地区内的商品数据，本发明提供的商品推荐方法在未获知当前用户的信息下进行合理地推荐，该方法突破了传统的推荐方式，创新地通过节日表、历史订单、商品销量等角度为当前用户提供商品推荐信息，该方法推荐效果好、人力投入小、适合大范围推广使用。

进一步地，步骤1中，所述商品数据包括标签数据、评价数据、商品特价数据、销量数据中至少一种。

进一步地，步骤2中，获取与当前时间最近的节日，计算当前日期与所述节日日期差值的绝对值，判断该绝对值是否小于阈值T：

若该绝对值小于阈值T，则从步骤1中的商品数据中筛选出具有所述节日相关标签的商品数据；

若该绝对值大于或者等于阈值T，则通过历史订单、商品销量中至少一种方式筛选上述商品数据。

进一步地，步骤2中，若该绝对值小于阈值T，通过评论情况筛选具有所述节日相关标签的商品数据，得到好评靠前的商品数据。

进一步地，步骤2中，通过是否为特价商品的方式筛选好评靠前的商品数据；步骤3中，得到的特价商品按照上架时间筛选。

进一步地，步骤2中，若该绝对值大于或者等于阈值T，判断当前用户或该地区内其他用户是否有历史订单：

若有历史订单，则根据用户历史订单内的标签数据和/或商品浏览量筛选商品数据；

若无历史订单，则根据销量数据筛选商品数据。

进一步地，步骤2中，标签数据包括口感、功效、营养中至少一种。

进一步地，步骤2中，所述阈值T为7天。

进一步地，步骤3中，实时跟踪推荐结果，针对当前用户的购买选择重新筛选商品数据、调整需要推荐的产品。

进一步地，步骤3中，所述需要推荐的商品信息显示于冰箱显示屏上。

本发明的另一个发明目的在于提供一种商品推荐装置，该装置包括显示屏和后台处理设备，所述后台处理设备包括：

获取模块，该模块用于获取当前用户所在地区的商品数据；

筛选模块，该模块通过节日表、历史订单、商品销量中至少一种方式筛选上述商品数据；

输出模块，该模块利用筛选后的商品数据获得需要推荐的商品信息，并将该商品信息展示于显示屏上。

本发明公开的商品推荐装置通过显示屏显示出后台处理设备计算出的商品信息，后台处理设备可设于服务器上，也可安装于相应的载体，如冰箱等产品上。

本发明还有一个发明目的在于提供一种冰箱，冰箱上述的商品推荐装置，显示屏固定于冰箱上。

本发明提出了一种具有商品推荐功能的冰箱，该冰箱可在冷启动模式下为新用户合理地推荐商品，推荐效果好、人力投入少、适用范围广。

本发明的有益效果为：本发明的商品推荐方法具有动态比例筛选功能，通过多指标维度、标签并结合动态比例进行筛选，可灵活配置商品数目和指标比例，几乎适用于所有新用户和老用户，商品推荐的效果非常好。

本发明还具有提高商品推荐规则配置的灵活性、减轻运营人员的人工干预、智能调整下载步长、以最佳的状态下载数据等优点。

另外，在方法设计方面，本发明可完全通过纯数据库设计,无需结合开发语言实现，可灵活配置商品推荐比例和条件，商品推荐数据定期自动生成，本发明可完全实现智能化，无需用户手动操作。

附图说明

图1为本发明商品推荐方法流程图。

图2为本发明商品推荐方法根据具体筛选条件实施时的流程图。

图3为本发明商品推荐方法的数据访问流程图。

具体实施方式

下面结合说明书附图对本发明进行详细的解释和说明。

本发明公开了一种商品推荐方法，该方法包括指标维度梳理、元数据模型设计、流程绘制、元数据生成、商品推荐结果集提取、推荐跟踪。

其中，指标维度梳理部分包括推荐按照商品的热销度、好评率、特价情况、标签分类、历史订单情况；元数据模型设计主要包括了区域、标签、标签分类后台表设计；流程绘制包括商品推荐的逻辑判断详细过程以工具的形式展示；元数据生成是城市配送数据、标签、标签分类、各维度提取比例等元数据维护；商品推荐结果集提取是按照流程图的思路结合自定义的占比生成各个区域的商品列表；其中推荐跟踪是对推荐效果进行跟踪、分析推荐效果以及时调整推荐策略。

如图1、2所示，该方法具体包括如下步骤：

步骤1，获取当前用户所在地区的商品数据；商品数据理解为与商品有关的数据，本实施例中，商品数据包括商品基础数据、标签数据、评价数据、商品特价数据、销量数据、用户订单数据、地区分类数据、标签分类数据、节日表、推荐动态参数等数据中至少一种。

步骤2，通过节日表、历史订单、商品销量中至少一种方式筛选上述商品数据；可按照节日表、历史订单、商品销量顺序进行筛选，获取与当前时间最近的节日，计算当前日期与所述节日日期差值的绝对值，判断该绝对值是否小于阈值T，在本发明的技术启示下，该阈值T的大小可根据时间情况进行合理而明智的选择，本发明优选阈值T为7天。

若该绝对值小于阈值T，则从步骤1中的商品数据中筛选出具有所述节日相关标签的商品数据，说明这些商品数据对应的商品在绝对值天数内被打上节日标签，通过标签表和可配送的商品关联得到隶属于该地区节日性产品，本实施例中，通过节日表筛选的产品占整个推荐商品的40％；然后通过评论情况筛选具有所述节日相关标签的商品数据，得到好评靠前的商品数据，本实施例中，好评靠前的商品占整个推荐商品的20％，在上述基础上，通过是否为特价商品的方式筛选好评靠前的商品数据，本实施例中，特价商品占整个推荐商品的40％。

若该绝对值大于或者等于阈值T，则通过历史订单、商品销量中至少一种方式筛选上述商品数据。具体地，判断当前用户或该地区内其他用户是否有历史订单：若有历史订单，则根据用户历史订单内的标签数据和/或商品浏览量筛选商品数据，本实施例中，标签数据包括口感、功效、营养中至少一种，筛选之后的商品占整个推荐商品的40％；并且，本实施例可进一步筛选一个月内的历史订单，筛选之后的商品占整个推荐商品的20％；若无历史订单，则根据销量数据筛选商品数据，热销的商品占整个推荐商品的20％。上述推荐情况中，如果总占比不满足100％，则根据调整推荐比例或者随机推荐方式解决。

步骤3，对于步骤2中得到的特价商品，可按照上架时间筛选。利用筛选后的商品数据获得需要推荐的商品信息，实现在无当前用户任何信息的条件下为用户推荐商品。为完善推荐方法，本发明实时跟踪推荐结果，该推荐结果是指用户是否购买某些商品或浏览意向商品等，针对当前用户的购买选择重新筛选商品数据、调整需要推荐的产品，根据当前用户历史订单分析当前用户的购买习惯。本发明推荐的产品均是当前用户所在地区可以配送的，如推荐的商品是冰箱所在城市可配送的。

如图3给出上述商品推荐方法数据访问流程图，当前地区指城市地址或冰箱经纬度信息，判断是否传入城市id，如果是则通过该地理位置，如默认到某城市，显示推荐的商品信息,如果否，则显示通用推荐的商品信息；传入城市id后，判断是否传入用户id,如果有则通过用户id去匹配推荐的商品信息,返回一个user id不为空的推荐结果集，如果没有则显示推荐的商品信息；然后判断是否传入接收条数限制，如果是，则通过限制的条数去匹配推荐的商品信息,如果没有则显示默认的商品信息；默认值是10条。本发明通过前台调用推荐数据访问接口，配合页面进行展示.默认后台每天定时刷新推荐商品。

需要特别说明的是，本发明将这种方法与冰箱结合，需要推荐的商品的结果显示于冰箱显示屏上，达到充分利用冰箱大屏显示器的目的。上述的筛选方式动态配置，比如，每天对筛选信息进行判断并更新推荐商品的信息。

为实施上述的商品推荐方法，本发明还公开了一种商品推荐装置，该装置包括显示屏和后台处理设备，后台处理设备包括：

获取模块，该模块用于获取当前用户所在地区的商品数据，起到数据收集的作用，商品数据包括标签数据、评价数据、商品特价数据、销量数据中至少一种。获取模块用于执行上述商品推荐方法的步骤1。

筛选模块，该模块通过节日表、历史订单、商品销量中至少一种方式筛选上述商品数据，可通过具体的硬件设备或软硬件结合的方式实现，筛选模块用于执行上述商品推荐方法的步骤2。

输出模块，该模块利用筛选后的商品数据获得与商品数据对应的、需要推荐的商品信息，并将该商品信息展示于显示屏上。输出模块用于执行上述商品推荐方法的步骤3。

本发明了还公开了一种冰箱，可在现有冰箱或者新生产的冰箱上进行改进，使冰箱上具有商品推荐装置，并将显示屏固定于冰箱上。具体地，借助于物联网，本发明可使客户通过冰箱上的显示屏体验商品购买、视频观看、菜谱查阅、食材配置及冰箱设置等功能，本发明解决了冰箱冷启动方式下、未了解用户轨迹情况下为客户进行合理商品推荐问题，“冷启动方式”可理解为冰箱未记录当前用户的任何信息。本发明提供了一种具有商品推荐功能的冰箱，推荐按照指标维度刷选，根据标签、标签分类筛选商品，根据订单关联标签筛选商品，对指标比率、推荐总数实现动态调整。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明实质内容上所作的任何修改、等同替换和简单改进等，均应包含在本发明的保护范围之内。

Claims (12)

1.一种商品推荐方法，其特征在于，该方法包括如下步骤：

步骤1，获取当前用户所在地区的商品数据；

步骤2，通过节日表、历史订单、商品销量中至少一种方式筛选上述商品数据；

步骤3，利用筛选后的商品数据获得需要推荐的商品信息。

2.根据权利要求1所述的商品推荐方法，其特征在于，步骤1中，所述商品数据包括标签数据、评价数据、商品特价数据、销量数据中至少一种。

3.根据权利要求2所述的商品推荐方法，其特征在于，步骤2中，获取与当前时间最近的节日，计算当前日期与所述节日日期差值的绝对值，判断该绝对值是否小于阈值T：

若该绝对值小于阈值T，则从步骤1中的商品数据中筛选出具有所述节日相关标签的商品数据；

若该绝对值大于或者等于阈值T，则通过历史订单、商品销量中至少一种方式筛选上述商品数据。

4.根据权利要求3所述的商品推荐方法，其特征在于，步骤2中，若该绝对值小于阈值T，通过评论情况筛选具有所述节日相关标签的商品数据，得到好评靠前的商品数据。

5.根据权利要求4所述的商品推荐方法，其特征在于，步骤2中，通过是否为特价商品的方式筛选好评靠前的商品数据；步骤3中，得到的特价商品按照上架时间筛选。

6.根据权利要求3所述的商品推荐方法，其特征在于，步骤2中，若该绝对值大于或者等于阈值T，判断当前用户或该地区内其他用户是否有历史订单：

若有历史订单，则根据用户历史订单内的标签数据和/或商品浏览量筛选商品数据；

若无历史订单，则根据销量数据筛选商品数据。

7.根据权利要求6所述的商品推荐方法，其特征在于，步骤2中，标签数据包括口感、功效、营养中至少一种。

8.根据权利要求3所述的商品推荐方法，其特征在于，步骤2中，所述阈值T为7天。

9.根据权利要求1所述的商品推荐方法，其特征在于，步骤3中，实时跟踪推荐结果，针对当前用户的购买选择重新筛选商品数据、调整需要推荐的产品。

10.根据权利要求1所述的商品推荐方法，其特征在于，步骤3中，所述需要推荐的商品信息显示于冰箱显示屏上。

11.一种商品推荐装置，其特征在于，该装置包括显示屏和后台处理设备，所述后台处理设备包括：

获取模块，该模块用于获取当前用户所在地区的商品数据；

筛选模块，该模块通过节日表、历史订单、商品销量中至少一种方式筛选上述商品数据；

输出模块，该模块利用筛选后的商品数据获得需要推荐的商品信息，并将该商品信息展示于显示屏上。

12.一种冰箱，其特征在于，所述冰箱包括权利要求11所述的商品推荐装置，显示屏固定于冰箱上。