CN106909629B - 一种个性化推荐坑位标签的方法及*** - Google Patents

一种个性化推荐坑位标签的方法及*** Download PDF

Info

Publication number
CN106909629B
CN106909629B CN201710057487.0A CN201710057487A CN106909629B CN 106909629 B CN106909629 B CN 106909629B CN 201710057487 A CN201710057487 A CN 201710057487A CN 106909629 B CN106909629 B CN 106909629B
Authority
CN
China
Prior art keywords
user
label
pit
unit
score
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710057487.0A
Other languages
English (en)
Other versions
CN106909629A (zh
Inventor
谢晋
柴楹
黄承松
夏里峰
宋书俊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Qimi Network Technology Co ltd
Original Assignee
Wuhan Qimi Network Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuhan Qimi Network Technology Co ltd filed Critical Wuhan Qimi Network Technology Co ltd
Priority to CN201710057487.0A priority Critical patent/CN106909629B/zh
Publication of CN106909629A publication Critical patent/CN106909629A/zh
Application granted granted Critical
Publication of CN106909629B publication Critical patent/CN106909629B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种个性化推荐坑位标签的方法，其特征在于，包括下列步骤：收集用户浏览信息及客户浏览行为；根据用户的浏览信息及客户浏览行为，计算出用户偏好标签的权重值；在每次加载下一屏商品流前判断是否达到展示推荐坑位标签的条件；如果达到展示坑位标签的条件则展示坑位标签。本发明一种个性化推荐坑位标签的方法及***通过收集、计算、判断用户浏览信息，个性化的对用户推荐坑位标签，使其能够在用户查看商品流的过程中，实时捕捉用户的兴趣点，并在用户翻屏的过程中，选择合适的位置聚合展示用户当前兴趣点，便于用户在浏览的过程中既能够适时的聚焦自己感兴趣的商品信息，又不会丢失掉在商品流中逛的乐趣，提高用户的消费体验。

Description

一种个性化推荐坑位标签的方法及***
技术领域
本发明涉及一种推荐坑位标签的方法及***，特别是涉及一种个性化推荐坑位标签的方法及***。
背景技术
目前电子商务平台App端通常会以商品流的形式展示商品集，这也是手机本身的特点决定的，现有商品流展示的主要方式包含(但不局限于)：
(1)聚合全站所有类目品牌，按照一定的搭配方式，比如每个类目连续占据三个坑位，类目间按照一定的排序方式依次排列，等等类似的类目品牌混合展示的策略；
(2)聚焦某个顶级类目，比如男装女装居家电器等，类目下的商品细分类型繁多，所以在一个商品流中展示单个类目的商品队列，搭配方式类似(1)；
(3)猜你喜欢商品队列，根据用户的感兴趣的类目、品牌或者商品，推荐类似的商品队列。
商品流因为其特点，用户下翻容易，一屏展示的商品有限，所以，常会使用类目混排的方式展示商品队列，这样在不大的空间里面让用户尽量多的发现不同的商品。
但是缺点也很明显，用户在遇到自己感兴趣的类目、品牌、商品时，想横向比较却显得格外麻烦，用户不得不跳出当前商品流，去搜索或者细分类目中寻找更多类似的，操作极为不便。
发明内容
本发明的目的是为了克服上述背景技术的不足，提供一种个性化推荐坑位标签的方法及***，使其能够在用户查看商品流的过程中，实时捕捉用户的兴趣点，并在用户翻屏的过程中，选择合适的位置聚合展示用户当前兴趣点，便于用户在浏览的过程中既能够适时的聚焦自己感兴趣的商品信息，又不会丢失掉在商品流中逛的乐趣。
本发明提供的一种个性化推荐坑位标签的方法，包括下列步骤：
S1：收集用户浏览信息及客户浏览行为；
S2：根据用户的浏览信息及客户浏览行为，计算出用户偏好标签的权重值；
S3：在每次加载下一屏商品流前判断是否达到展示推荐坑位标签的条件；
S4：如果达到展示坑位标签的条件则展示坑位标签，否则回到S1。
本发明提供的一种个性化推荐坑位标签的***，其包括：
用户信息收集单元，用于收集用户浏览信息及客户浏览行为；
用户偏好标签的权重值计算单元，用于根据用户的浏览信息及客户浏览行为，计算出用户偏好标签的权重值；
判断是否达到展示推荐坑位标签单元，用于在每次加载下一屏商品流前判断是否达到展示推荐坑位标签的条件；
展示坑位标签单元，用于对达到展示坑位标签的条件的用户展示坑位标签。
有益效果：本发明一种个性化推荐坑位标签的方法及***通过收集、计算、判断用户浏览信息，个性化的对用户推荐坑位标签，使其能够在用户查看商品流的过程中，实时捕捉用户的兴趣点，并在用户翻屏的过程中，选择合适的位置聚合展示用户当前兴趣点，便于用户在浏览的过程中既能够适时的聚焦自己感兴趣的商品信息，又不会丢失掉在商品流中逛的乐趣，提高用户的消费体验。
附图说明
图1为本发明的实施例提供的一种个性化推荐坑位标签的方法的流程图；
图2为本发明的实施例提供的一种个性化推荐坑位标签的***的模块结构图。
图3为本发明的实施例提供的一种个性化推荐坑位标签的方法及***的整体实现流程图。
具体实施方式
下面结合附图及实施例对本发明进行详细描述，本部分的描述仅是示范性和解释性，不应对本发明的保护范围有任何的限制作用。
如图1所示，本发明实施方式提供一种个性化推荐坑位标签的方法的流程图，包括下列步骤：
如图1所示，在110中，该***收集用户浏览信息及客户浏览行为，具体地，所述客户浏览信息包括用户偏好的类目、品牌、商品以及商品的属性；所述用户浏览行为包括收藏、加车；
如图1所示，在120中，该***根据用户的浏览信息及客户浏览行为，计算出用户偏好标签的权重值，所述用户偏好标签的权重值的计算方法为：按Score(用户历史浏览行为)*HW+Score(用户当前浏览行为)*CW进行计算；
其中，HW是历史得分权重，CW是当前得分权重，得出当前浏览商品带来的类目得分变化；用户其他非当前商品的行为按照Score(用户历史浏览行为)*AW(AW是遗忘因子)做相应的衰减，其中遗忘因子的目标是超过10次没有浏览的类目会衰减至零，也即从用户的偏好队列中清除；收藏、加车运算方式与此类似，只是其中的CW会不一样，浏览的CW预设值为0.1，收藏为0.5，加车为0.6，分别代表不同行为对偏好得分的贡献程度；当标签在商品流坑位展示后，则按照Score(用户历史浏览行为)*0.5的方式将展示出来的类目、品牌、属性得分做50％的衰减。
如图1所示，在130中，该***在每次加载下一屏商品流前判断是否达到展示推荐坑位标签的条件，所述展示推荐坑位标签的条件包括：
(1)用户偏好标签的权重得分是否有超过0.5的阀值，当用户有收藏或者加车时，因默认权重>＝0.5，所以直接可以满足条件，但是浏览行为需要连续积累5次以上才能满足，其他逻辑依此类推；
(2)是否属于疲劳期，当标签推荐坑位展示后，后续连续两屏作为疲劳期，期间即使满足(1)条件仍不会展示；
(3)用户偏好类目、品牌、商品以及商品属性数量判断，根据标签的展示策略，需要展示10个标签，且至少包含偏好类目或者混合品牌、属性标签，如果当前用户偏好的标签数量不足10个，即使满足(1)(2)条件仍不会展示。
如图1所示，在130中，该***如果达到展示坑位标签的条件则展示坑位标签，否则回到110，所述所述的坑位标签的展示方法为：
(1)针对每个类目优选5个Top商品，然后依次从每个类目的Top商品中随机抽取3-4个商品装入商品队列中；
(2)抽取每个类目下偏好的Top1品牌依次装入商品队列中；
(3)抽取每个类目下偏好的Top1属性依次装入商品队列中。
如图2所示，一种个性化推荐坑位标签的***，其包括用户信息收集单元210、用户偏好标签的权重值计算单元220、判断是否达到展示推荐坑位标签单元230、展示坑位标签单元240。
所述用户信息收集单元210，用于收集用户浏览信息及客户浏览行为，具体地，如图3所示，所述用户信息收集单元210包括用户偏好的类目、品牌、商品以及商品的属性的收集单元211和用户浏览行为收集单元212，所述用户浏览行为收集单元212包括用户收藏行为单元2121和用户加车行为单元2122；
所述的用户偏好标签的权重值计算单元220，用于根据用户的浏览信息及客户浏览行为，计算出用户偏好标签的权重值具体地，如图3所示，所述用户偏好标签的权重值计算单元220包括历史得分权重计算单元221和当前得分权重得分计算单元222，所述历史得分权重计算单元221对用户历史浏览信息进行得分权重计算，所述当前得分权重得分计算单元222对用户当前浏览信息进行得分权重计算。
所述的判断是否达到展示推荐坑位标签单元230，用于在每次加载下一屏商品流前判断是否达到展示推荐坑位标签的条件，具体地，如图3所示，所述判断是否达到展示推荐坑位标签单元230包括用户偏好标签的权重值判断单元231、用户疲劳期判断单元232和用户偏好数量判断单元233，浏览信息依次经过所述用户偏好标签的权重值判断单元231、用户疲劳期判断单元232和用户偏好数量判断单元233，三个单元均通过则达到坑位标签的要求，所述用户偏好标签的权重值判断单元231用于判断用户偏好标签的权重得分是否有超过0.5的阀值，当用户有收藏或者加车时，因默认权重>＝0.5，所以直接可以满足条件，但是浏览行为需要连续积累5次以上才能满足，其他逻辑依此类推；所述用户疲劳期判断单元232用于判断用户是否属于疲劳期，当标签推荐坑位展示后，后续连续两屏作为疲劳期，期间即使满足用户偏好标签的权重值判断单元的判断条件仍不会展示；所述用户偏好数量判断单元233用于判断用户偏好类目、品牌、商品以及商品属性数量，根据标签的展示策略，需要展示10个标签，且至少包含偏好类目或者混合品牌、属性标签，如果当前用户偏好的标签数量不足10个，即使满足用户偏好标签的权重值判断单元和用户疲劳期判断单元的条件仍不会展示。
所述展示坑位标签单元240，用于对达到展示坑位标签的条件的用户展示坑位标签，具体地，如图3所示，所述展示坑位标签单元240包括类目标签单元241、品牌标签单元242、属性标签单元243；所述类目标签单元241用于针对每个类目优选5个Top商品，然后依次从每个类目的Top商品中随机抽取3-4个商品装入商品队列中；所述品牌标签单元242用于抽取每个类目下偏好的Top1品牌依次装入商品队列中；所述属性标签单元243用于抽取每个类目下偏好的Top1属性依次装入商品队列中。
本发明一种个性化推荐坑位标签的方法及***通过收集、计算、判断用户浏览信息，个性化的对用户推荐坑位标签，使其能够在用户查看商品流的过程中，实时捕捉用户的兴趣点，并在用户翻屏的过程中，选择合适的位置聚合展示用户当前兴趣点，便于用户在浏览的过程中既能够适时的聚焦自己感兴趣的商品信息，又不会丢失掉在商品流中逛的乐趣，提高用户的消费体验。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (9)

1.一种个性化推荐坑位标签的方法，其特征在于，包括下列步骤：
S1：收集用户浏览信息及客户浏览行为；
S2：根据用户的浏览信息及客户浏览行为，计算出用户偏好标签的权重值；
S3：在每次加载下一屏商品流前判断是否达到展示推荐坑位标签的条件；
S4：如果达到展示坑位标签的条件则展示坑位标签，否则回到S1；
所述用户偏好标签的权重值的计算方法为：按Score(用户历史浏览行为)*HW+Score(用户当前浏览行为)*CW进行计算；
其中，HW是历史得分权重，CW是当前得分权重，得出当前浏览商品带来的类目得分变化；用户其他非当前商品的行为按照Score(用户历史浏览行为)*AW(AW是遗忘因子)做相应的衰减，其中遗忘因子的目标是超过10次没有浏览的类目会衰减至零，也即从用户的偏好队列中清除；收藏、加车运算方式与此类似，只是其中的CW会不一样，浏览的CW预设值为0.1，收藏为0.5，加车为0.6，分别代表不同行为对偏好得分的贡献程度；当标签在商品流坑位展示后，则按照Score(用户历史浏览行为)*0.5的方式将展示出来的类目、品牌、属性得分做50％的衰减。
2.如权利要求1所述的一种个性化推荐坑位标签的方法，其特征在于：所述客户浏览信息包括用户偏好的类目、品牌、商品以及商品的属性；所述用户浏览行为包括收藏、加车。
3.如权利要求1所述的一种个性化推荐坑位标签的方法，其特征在于：所述展示推荐坑位标签的条件包括：
(1)用户偏好标签的权重得分是否有超过0.5的阀值，当用户有收藏或者加车时，因默认权重>＝0.5，所以直接可以满足条件，但是浏览行为需要连续积累5次以上才能满足，其他逻辑依此类推；
(2)是否属于疲劳期，当标签推荐坑位展示后，后续连续两屏作为疲劳期，期间即使满足(1)条件仍不会展示；
(3)用户偏好类目、品牌、商品以及商品属性数量判断，根据标签的展示策略，需要展示10个标签，且至少包含偏好类目或者混合品牌、属性标签，如果当前用户偏好的标签数量不足10个，即使满足(1)(2)条件仍不会展示。
4.如权利要求1所述的一种个性化推荐坑位标签的方法，其特征在于：所述的坑位标签的展示方法为：
(1)针对每个类目优选5个Top商品，然后依次从每个类目的Top商品中随机抽取3-4个商品装入商品队列中；
(2)抽取每个类目下偏好的Top1品牌依次装入商品队列中；
(3)抽取每个类目下偏好的Top1属性依次装入商品队列中。
5.一种个性化推荐坑位标签的***，其特征在于，其包括：
用户信息收集单元，用于收集用户浏览信息及客户浏览行为；
用户偏好标签的权重值计算单元，用于根据用户的浏览信息及客户浏览行为，计算出用户偏好标签的权重值；
判断是否达到展示推荐坑位标签单元，用于在每次加载下一屏商品流前判断是否达到展示推荐坑位标签的条件；
展示坑位标签单元，用于对达到展示坑位标签的条件的用户展示坑位标签；
所述用户偏好标签的权重值的计算方法为：按Score(用户历史浏览行为)*HW+Score(用户当前浏览行为)*CW进行计算；
其中，HW是历史得分权重，CW是当前得分权重，得出当前浏览商品带来的类目得分变化；用户其他非当前商品的行为按照Score(用户历史浏览行为)*AW(AW是遗忘因子)做相应的衰减，其中遗忘因子的目标是超过10次没有浏览的类目会衰减至零，也即从用户的偏好队列中清除；收藏、加车运算方式与此类似，只是其中的CW会不一样，浏览的CW预设值为0.1，收藏为0.5，加车为0.6，分别代表不同行为对偏好得分的贡献程度；当标签在商品流坑位展示后，则按照Score(用户历史浏览行为)*0.5的方式将展示出来的类目、品牌、属性得分做50％的衰减。
6.如权利要求5所述的一种个性化推荐坑位标签的***，其特征在于：所述用户信息收集单元包括用户偏好的类目、品牌、商品以及商品的属性的收集单元；用户浏览行为收集单元，所述用户浏览行为收集单元包括用户收藏行为单元和用户加车行为单元。
7.如权利要求5所述的一种个性化推荐坑位标签的***，其特征在于：所述用户偏好标签的权重值计算单元包括历史得分权重计算单元和当前得分权重得分计算单元，所述历史得分权重计算单元对用户历史浏览信息进行得分权重计算，所述当前得分权重得分计算单元对用户当前浏览信息进行得分权重计算。
8.如权利要求5所述的一种个性化推荐坑位标签的***，其特征在于：所述判断是否达到展示推荐坑位标签单元包括用户偏好标签的权重值判断单元、用户疲劳期判断单元和用户偏好数量判断单元，浏览信息依次经过所述用户偏好标签的权重值判断单元、用户疲劳期判断单元和用户偏好数量判断单元，三个单元均通过则达到坑位标签的要求，所述用户偏好标签的权重值判断单元用于判断用户偏好标签的权重得分是否有超过0.5的阀值，当用户有收藏或者加车时，因默认权重>＝0.5，所以直接可以满足条件，但是浏览行为需要连续积累5次以上才能满足，其他逻辑依此类推；所述用户疲劳期判断单元用于判断用户是否属于疲劳期，当标签推荐坑位展示后，后续连续两屏作为疲劳期，期间即使满足用户偏好标签的权重值判断单元的判断条件仍不会展示；所述用户偏好数量判断单元用于判断用户偏好类目、品牌、商品以及商品属性数量，根据标签的展示策略，需要展示10个标签，且至少包含偏好类目或者混合品牌、属性标签，如果当前用户偏好的标签数量不足10个，即使满足用户偏好标签的权重值判断单元和用户疲劳期判断单元的条件仍不会展示。
9.如权利要求5所述的一种个性化推荐坑位标签的***，其特征在于：所述展示坑位标签单元包括类目标签单元、品牌标签单元、属性标签单元；所述类目标签单元用于针对每个类目优选5个Top商品，然后依次从每个类目的Top商品中随机抽取3-4个商品装入商品队列中；所述品牌标签单元用于抽取每个类目下偏好的Top1品牌依次装入商品队列中；所述属性标签单元用于抽取每个类目下偏好的Top1属性依次装入商品队列中。
CN201710057487.0A 2017-01-26 2017-01-26 一种个性化推荐坑位标签的方法及*** Active CN106909629B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710057487.0A CN106909629B (zh) 2017-01-26 2017-01-26 一种个性化推荐坑位标签的方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710057487.0A CN106909629B (zh) 2017-01-26 2017-01-26 一种个性化推荐坑位标签的方法及***

Publications (2)

Publication Number Publication Date
CN106909629A CN106909629A (zh) 2017-06-30
CN106909629B true CN106909629B (zh) 2020-05-19

Family

ID=59207535

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710057487.0A Active CN106909629B (zh) 2017-01-26 2017-01-26 一种个性化推荐坑位标签的方法及***

Country Status (1)

Country Link
CN (1) CN106909629B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109389440B (zh) * 2017-08-02 2022-05-24 阿里巴巴集团控股有限公司 提供数据对象信息的方法、装置及电子设备
CN108460631B (zh) * 2018-02-13 2021-03-09 口口相传(北京)网络技术有限公司 多元化信息的混合推送方法及装置
CN108416003B (zh) * 2018-02-27 2021-12-21 百度在线网络技术（北京）有限公司 一种图片分类方法和装置、终端、存储介质
CN108804491A (zh) * 2018-03-27 2018-11-13 优视科技新加坡有限公司 项目推荐方法、装置、计算设备及存储介质
CN109582857A (zh) * 2018-10-15 2019-04-05 深圳壹账通智能科技有限公司 基于大数据信息推送方法、装置、计算机设备及存储介质
CN110188297B (zh) * 2019-05-21 2021-08-13 掌阅科技股份有限公司 资源信息展示方法、计算设备及计算机存储介质
CN113298594A (zh) * 2020-07-16 2021-08-24 阿里巴巴集团控股有限公司 数据推送方法、装置、电子设备和存储介质
CN112035735A (zh) * 2020-07-28 2020-12-04 康艾艺 一种基于短视频的商品推荐方法、装置和***
CN111882400A (zh) * 2020-07-31 2020-11-03 平安国际融资租赁有限公司 行为识别分析方法、装置、计算机设备及可读存储介质
CN113129093A (zh) * 2021-03-15 2021-07-16 特斯联科技集团有限公司 基于智慧社区的用户数据进行商品推荐的推荐方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105279224A (zh) * 2015-09-09 2016-01-27 百度在线网络技术（北京）有限公司 信息推送方法及装置
CN105574216A (zh) * 2016-03-07 2016-05-11 达而观信息科技（上海）有限公司 基于概率模型和用户行为分析的个性化推荐方法、***
CN105787055A (zh) * 2016-02-26 2016-07-20 合网络技术（北京）有限公司 信息推荐方法及装置
CN105989004A (zh) * 2015-01-27 2016-10-05 阿里巴巴集团控股有限公司 一种信息投放的预处理方法和装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105989004A (zh) * 2015-01-27 2016-10-05 阿里巴巴集团控股有限公司 一种信息投放的预处理方法和装置
CN105279224A (zh) * 2015-09-09 2016-01-27 百度在线网络技术（北京）有限公司 信息推送方法及装置
CN105787055A (zh) * 2016-02-26 2016-07-20 合网络技术（北京）有限公司 信息推荐方法及装置
CN105574216A (zh) * 2016-03-07 2016-05-11 达而观信息科技（上海）有限公司 基于概率模型和用户行为分析的个性化推荐方法、***

Also Published As

Publication number Publication date
CN106909629A (zh) 2017-06-30

Similar Documents

Publication Publication Date Title
CN106909629B (zh) 一种个性化推荐坑位标签的方法及***
CN105283896B (zh) 营销***以及营销方法
US11205195B2 (en) Information processing device, information processing method, and information processing program
CN110569432B (zh) 商品序列计算方法、装置、计算机设备及存储介质
CN105135782B (zh) 一种基于物联网的智能冰箱管理***
CN108446410A (zh) 信息推荐方法、装置、***、设备及可读存储介质
JP5002441B2 (ja) マーケティングデータ分析方法、マーケティングデータ分析システム、データ分析サーバ装置およびプログラム
KR101646312B1 (ko) 개인행동기반 관심 대상 및 선호 분야 분석시스템 및 그 방법
JP5462983B1 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
US20130238390A1 (en) Informing sales strategies using social network event detection-based analytics
US20140129333A1 (en) Advertising system, advertising system control method, program, and information storage medium
CN103746999A (zh) 一种条件筛选广告播放方法及装置
KR20120053965A (ko) 정황적 특정 기회에 기초한 광고를 용이하게 하는 컴퓨터 시행 방법
CN106611366A (zh) 自动选品的方法及装置
CN109983495A (zh) 需求预测***、需求预测方法以及程序
CN110706014A (zh) 一种商场店铺推荐方法、装置及***
CN103946883A (zh) 信息处理装置、信息处理方法、信息处理程序和记录有信息处理程序的记录介质
CN113505301A (zh) 一种信息查询方法及其相关设备
CN109048888B (zh) 一种机器人的智能服务方法
CN110881134A (zh) 数据处理方法、装置、电子设备及存储介质
CN107885856A (zh) 一种页面展示方法和装置
CN107016006A (zh) 一种页面展示方法及***
CN110490683A (zh) 一种线下线上协同多模型混合推荐的方法及***
CN105809275A (zh) 一种物品评分预测方法及装置
CN110766504A (zh) 展示界面的构建方法、界面展示方法、装置及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant