CN110347924A - 果蔬商城管理***及果蔬信息推送方法 - Google Patents
果蔬商城管理***及果蔬信息推送方法 Download PDFInfo
- Publication number
- CN110347924A CN110347924A CN201910629090.3A CN201910629090A CN110347924A CN 110347924 A CN110347924 A CN 110347924A CN 201910629090 A CN201910629090 A CN 201910629090A CN 110347924 A CN110347924 A CN 110347924A
- Authority
- CN
- China
- Prior art keywords
- commodity
- information
- module
- submodule
- fruits
- 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.)
- Pending
Links
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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0282—Rating or review of business operators or products
-
- 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]
- G06Q30/0631—Item recommendations
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例公开了一种果蔬商城管理***及果蔬信息推送方法。***包括含有信息采集子模块、特征向量生成子模块、推荐信息输出子模块及推荐信息确定子模块的信息推荐模块。信息采集子模块从***数据库获取用户的购买行为数据和属性数据;特征向量生成子模块将购买行为数据转化为行为特征向量,与属性数据构成用户特征向量;推荐信息输出子模块将用户特征向量输入至商品推荐模型得到初始推荐商品信息;商品推荐模型包括存储用户特征向量和果蔬商品对应关系的多张映射表;推荐信息确定子模块根据商品筛选条件和/或过滤算法去除初始推荐信息中不符合条件的商品,生成商品推荐信息。本申请节省了消费者浏览果蔬商城页面时间,提高了商城交易效率。
Description
技术领域
本发明实施例涉及电商技术领域,特别是涉及一种果蔬商城管理***及果蔬信息推送方法。
背景技术
随着计算机技术的快速发展,网络普及化程度越来越高,互联网已经成为日常生活中所不可或缺的必需品。在“互联网+”的大环境下各行各业都出现新气象,开始改变商业发展模式,以适应不断变化的时代需求,在进行着各自产业的变革。
传统的果蔬零售行业已经完全不能顺应时代,新型的果蔬零售行业方式已经应运而生。新型的果蔬零售方式可解决传统的线上零售和线下零售存在的弊端,例如用户在线上零售时购物体验不佳、不能真实的感受商品和线下服务等,致使顾客购买欲降低;而线下零售的问题在于经营成本高、利润低、还会受到经营场地的限制等。线上零售和线下零售都有自己的缺点所在,只有两者取其精华,去其糟粕才是未来零售业的导向。
现有的果蔬商城管理***为B2C(Business To Customer,商家对客户)和O2O(Online To Offline,线上到线下)模式的结合,即商家对客户和线上线下相结合的零售模式。在新型的零售模式下,果蔬商城管理***利用互联网技术与电子商务、实体门店相结合的形式,实现商品信息、交易信息等数据进行大数据分析和互通。
但是,现有的果蔬商城管理***已经很难满足顾客体验的需求,用户需要耗费大量的时间和精力浏览果蔬商城。
发明内容
本发明实施例提供了一种果蔬商城管理***及果蔬信息推送方法,有利于节省消费者浏览果蔬商城页面的时间,提高商城交易效率。
为解决上述技术问题,本发明实施例提供以下技术方案:
本发明实施例一方面提供了一种果蔬商城管理***,包括用于向具有权限的用户推送果蔬商品的信息推荐模块;所述信息推荐模块包括:
信息采集子模块,用于从***数据库获取用户的购买行为数据和属性数据;所述属性数据从个人会员管理模块中获取;
特征向量生成子模块,用于将所述购买行为数据转化为行为特征向量,并与所述属性数据构成用户特征向量;
推荐信息输出子模块,用于将所述用户特征向量输入至预先构建商品推荐模型中,得到初始推荐商品信息;所述商品推荐模型中包括多张映射表,各映射表用于存储用户特征向量和果蔬商品的对应关系;
推荐信息确定子模块,用于基于预设商品筛选条件和/或商品过滤算法将所述初始推荐信息中不符合条件的商品去除,生成商品推荐信息。
可选的,还包括评价管理模块,所述评价管理模块包括各商品的评价分数和文字评价信息;所述推荐信息确定子模块包括:
商品评分获取单元,用于从所述评价管理模块中获取所述初始推荐商品信息中各商品的评分值;
商品筛选单元,用于从所述初始推荐信息中去除评分值不高于预设评分阈值的商品,生成候选商品推荐信息;
商品推荐单元,用于按照评分值从高到低对所述候选商品推荐信息进行排序,生成最终商品推荐信息。
可选的,所述推荐信息确定子模块包括:
信息选择单元,用于将从订单管理模块中获取的用户购买的商品信息以及从购物车管理模块中获取的用户已选择商品信息,作为候选删除商品信息;
商品选择单元,用于基于协同过滤算法从所述初始推荐商品信息中确定与所述候选删除商品信息中相同的目标商品;
商品推荐单元,用于从所述初始推荐商品信息中删除各目标商品,并将删除后的初始推荐商品信息作为最终商品推荐信息。
可选的,还包括营销管理模块,所述营销管理模块包括各商品的优惠信息;所述推荐信息确定子模块包括:
优选商品获取模块,用于从所述营销管理模块中获取优惠商品信息,生成优选商品信息;
商品选择单元,用于基于协同过滤算法从所述初始推荐商品信息中确定与所述优选商品信息中相同的目标商品,并将评分值低于预设评分阈值的目标商品去掉,生成目标商品集;
商品推荐单元,用于从所述初始推荐商品信息中选择与所述目标商品集中各商品相同的商品,生成最终商品推荐信息。
可选的,还包括特征删除子模块,所述特征删除子模块用于将所述用户特征向量输入至支持向量机中,以去除所述用户特征向量中的噪声信息,并将去噪后的用户特征向量发送至所述推荐信息输出子模块中。
可选的,包括***登录模块;
所述***登录模块用于根据输入的登录权限验证信息展示相应的***页面;所述***页面包括商家页面和消费者页面;
所述商家页面包括商家会员管理模块、商品管理模块、商家订单管理模块、商家配送售后处理模块、商家收银管理模块及交易数据分析模块;
所述消费者页面包括个人会员管理模块、购物车管理模块、个人订单管理模块、个人配送售后处理模块、个人收银管理模块、所述信息推荐模块、评价管理模块及营销管理模块。
可选的,所述商家页面还可包括消费者管理模块,所述消费者管理模块包括消费者投诉子模块和限制购买子模块;
所述消费者投诉子模块用于提交不符合***规定消费行为的消费者信息;所述限制购买子模块用于存储交易行为受限的消费者信息。
可选的,所述评价管理模块包括商品评价子模块、商家评价子模块和物流评价子模块。
可选的,所述交易数据分析模块包括销售数据记录子模块、商品采购子模块、消费者积分记录子模块及交易数据预测子模块;
所述交易数据预测子模块用于根据所述销售数据记录子模块和所述消费者积分记录子模块预测预设时间段内的商品交易数据。
本发明实施例另一方面提供了一种果蔬信息推送方法,包括:
获取当前***授权登录用户的购买行为数据和属性数据;
将所述购买行为数据转化为行为特征向量,并与所述属性数据构成用户特征向量;
将所述用户特征向量输入至预先构建商品推荐模型中,得到初始推荐商品信息;所述商品推荐模型中包括多张映射表,各映射表用于存储用户特征向量和果蔬商品的对应关系;
根据预设商品筛选条件和/或过滤算法去除所述初始推荐信息中不符合条件的商品,生成商品推荐信息。
本申请提供的技术方案的优点在于,根据用户的购买行为数据和用户属性数据,并结合预先设置的商品筛选条件,利用大数据分析对消费者进行商品推荐。用户在登录果蔬商城后可根据推荐商品信息进行选择购买,不需要浏览商城所有商品,大大地节省了消费者商品浏览时间,有利于提升用户购买体验,还可有效地提高商城交易效率。
此外,本发明实施例还针对果蔬商城管理***提供了相应的果蔬商品推送方法,进一步使得所述***更具有可行性,所述果蔬商品推送方法具有相应的优点。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本公开。
附图说明
为了更清楚的说明本发明实施例或相关技术的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的果蔬商城管理***的一种具体实施方式结构图;
图2为本发明实施例提供的一种果蔬商城管理方法的流程示意图;
图3为本发明实施例提供的另一种果蔬商城管理方法的流程示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元,而是可包括没有列出的步骤或单元。
在介绍了本发明实施例的技术方案后,下面详细的说明本申请的各种非限制性实施方式。
首先参见图1,图1为本发明实施例提供的果蔬商城管理***在一种具体实施方式下的结构框架示意图,本发明实施例可包括以下内容:
果蔬商城管理***包括信息推荐模块1,信息推荐模块1可用于向具有权限的用户推送果蔬商品,具有权限的用户为具有登录果蔬商城管理***的用户,用户通过***登录模块登录果蔬商城管理***后,信息推荐模块1获取当前登录***的用户的信息,并根据用户类型,例如消费者还是商家还是***维护者进行信息推荐。本申请针对为消费者提供果蔬商品推荐,当然,商家或***维护者也可通过***进行商品购买,在商家或***维护者发生购买行为后,***也会自动商家或***维护者推荐果蔬商品。信息推荐模块1可包括信息采集子模块11、特征向量生成子模块12、推荐信息输出子模块13及推荐信息确定子模块14。
其中,信息采集子模块11可用于从***数据库获取用户的购买行为数据和属性数据。购买行为数据可包括当前登录***的用户的商品浏览记录数据、商品评论数据和购买商品数据记录,当然,本领域技术人员还可根据实际应用场景选取其他与购买行为相关的数据,这均不影响本申请的实现。属性数据为标识用户自身身份的一些属性数据,例如年龄、性别、注册时间、职业、住址等。若登录用户为消费者,可从个人会员管理模块中获取这些属性数据,若登录用户为商家,则可从商家会员管理模块中获取。
在本实施例中,特征向量生成子模块12可用于将购买行为数据转化为行为特征向量,并与属性数据构成用户特征向量。用户的购买行为数据例如可通过行为提取、行为特征转换分析为不同行为,以生成当前用户的行为特征向量,然后可将行为特征向量和属性数据构成用于输入商品推荐模型的用户特征向量。
本申请中,推荐信息输出子模块13可用于将用户特征向量输入至预先构建商品推荐模型中,得到初始推荐商品信息。商品推荐模型中可包括多张映射表,各映射表用于存储用户特征向量和果蔬商品的对应关系;将用户特征向量通过与各映射表进行对照学习,得到用户特征向量对应的多个商品,多个商品构成初始推荐商品信息。
可以理解的是,初始推荐商品信息包含多个商品信息,而不是所有的推荐商品对用户均是有用的,例如评价不高的商品,用户在得到推荐商品后还需要进行进一步甄别,不利于提升用户使用体验。鉴于此,本申请还可利用推荐信息确定子模块14基于预设商品筛选条件和/或商品过滤算法将初始推荐信息中不符合条件的商品去除,生成商品推荐信息。预设商品筛选条件可为固定的条件,例如去除历史评分分数较低的商品,还可根据用户属性从商品筛选条件数据库中自动选择符合当前用户的商品筛选条件并生成最终的商品筛选条件,例如价格区间、过滤品牌,例如用户在一段时间中购买的商品的单价没有超过50元的,则将初始推荐信息中商品单价超过50元的商品去除;例如用户对某个品牌或商家的商品进行差评,则从初始推荐信息中去除该品牌或该商家的商品。商品过滤算法用于实现商品过滤的方法,例如可为基于商品的协同过滤算法,为用户推荐和他们之前喜欢的物品相似的物品,主要是通过分析用户的行为记录计算物品之间的相似度,利用余弦相似性公式计算相似性度量。例如可利用商品过滤算法过滤掉用户已经产生过购买行为的商品,因为推荐的目的是帮助用户发现商品,这样可以保证推荐商品的新颖性;会过滤掉用户自己选择的商品,比如用户选择了某一个品牌或者某一个价格区间,只希望看到某个品牌的某个价格区间的商品;为了提高用户的体验感,会过滤掉评分比较低的商品,过滤依据可从评价管理模块中获得。
在本发明实施例提供的技术方案中,根据用户的购买行为数据和用户属性数据,并结合预先设置的商品筛选条件,利用大数据分析对消费者进行商品推荐。用户在登录果蔬商城后可根据推荐商品信息进行选择购买,不需要浏览商城所有商品,大大地节省了消费者商品浏览时间,有利于提升用户购买体验,还可有效地提高商城交易效率。
可以理解的是,输入商品推荐模型中的特征向量数据越少,且有用数据占比越大,模型输出结果越快越准。基于此,信息推荐模块1还可包括特征删除子模块,特征删除子模块用于将用户特征向量输入至支持向量机中,以去除用户特征向量中的例如噪声信息等无关特征,并将去噪后的用户特征向量发送至推荐信息输出子模块中。
在一种实施方式中,果蔬商城管理***包括评价管理模块,评价管理模块中包括各商品的评价分数和文字评价信息。推荐信息确定子模块14还可包括:
商品评分获取单元,用于从评价管理模块中获取初始推荐商品信息中各商品的评分值。
商品筛选单元,用于从初始推荐信息中去除评分值不高于预设评分阈值的商品,生成候选商品推荐信息。候选商品推荐信息为去除不符合条件的商品后的初始推荐信息。评分阈值可根据实际应用场景进行确定,本申请对此不做任何限定。若评分值为5分制,那么评分阈值为设置为4.3分,也即将低于4.3分的推荐商品从初始推荐信息中删除。
商品推荐单元,用于按照评分值从高到低对候选商品推荐信息进行排序,生成最终商品推荐信息。
在另外一种实施方式中,推荐信息确定子模块14例如还可包括:
信息选择单元,用于将从订单管理模块中获取的用户购买的商品信息以及从购物车管理模块中获取的用户已选择商品信息,作为候选删除商品信息。
商品选择单元,用于基于协同过滤算法从初始推荐商品信息中确定与候选删除商品信息中相同的目标商品。
商品推荐单元,用于从初始推荐商品信息中删除各目标商品,并将删除后的初始推荐商品信息作为最终商品推荐信息。
此外,若果蔬商城管理***还可包括营销管理模块,营销管理模块可包括各商品的优惠信息。基于此,推荐信息确定子模块14还可包括:
优选商品获取模块,用于从营销管理模块中获取优惠商品信息,生成优选商品信息。
商品选择单元,用于基于协同过滤算法从初始推荐商品信息中确定与优选商品信息中相同的目标商品,并将评分值低于预设评分阈值的目标商品去掉,生成目标商品集。
商品推荐单元,用于从初始推荐商品信息中选择与目标商品集中各商品相同的商品,生成最终商品推荐信息。
可以理解的是,果蔬商城管理***面对的为消费者和商家两种用户,两种类型的用户在***中的需求的不同,为了提升用户使用体验,果蔬商城管理***包括***登录模块;***登录模块可用于根据输入的登录权限验证信息展示相应的***页面,***页面可包括商家页面和消费者页面。权限验证信息例如可为用户名和密码,对于消费者而言,输入用户名和密码后,点击登录按钮进入***主界面,用户名和密码是消费者自行进行注册的;对于商家而言,输入用户名和密码后,点击登录按钮进入***后台管理主界面,登录后根据不同的权限显示不同的功能。商家页面可包括商家会员管理模块、商品管理模块、商家订单管理模块、商家配送售后处理模块、商家收银管理模块及交易数据分析模块。消费者页面可包括个人会员管理模块、购物车管理模块、个人订单管理模块、个人配送售后处理模块、个人收银管理模块、信息推荐模块、评价管理模块及营销管理模块。当然,商家页面和消费者页面还可包括其他功能模块,本申请对此不做任何限定。
其中,商家会员管理模块和个人会员管理模块用于对果蔬商城管理***进行会员管理的操作。具体可用于编辑管理会员信息,包括会员的姓名、年龄、性别、电话、地址等信息,还有用于营销管理模块的会员积分、等级的信息。
商品管理模块用于对果蔬商城管理***进行商品管理的操作,例如可用于增加、删除或修改查果蔬商品的信息,包括商品名称、商品图片展示、商品规格型号、商品价格(销售价和进货价)、商品库存等数据信息,商品管理模块还可提供商品的详细信息,包括商品的特点、食用小知识、保鲜方式、益处等信息,为了给消费者一个贴心和温馨的服务。
商家订单管理模块和个人订单管理模块用于对果蔬商城管理***进行订单管理的操作。具体可用于订单的查询,对于消费者而言,可以查询商品订单的订单号、订单维权、购买的商品名称、数量、支付价格、交易时间等数据信息;对于商家而言,可以查看消费者所购商品订单信息以及可进行及时批量处理,轻松进行订单维权。
商家配送售后处理模块和个人配送售后处理模块用于对果蔬商城管理***进行商品配送管理的操作。具体可用于果蔬商城的配送方式以及退货管理,配送管理界面会显示购买的商品信息、消费者送货地址、姓名、电话等信息,将会实时更新配送员信息、物流状态和预计商品到达时间,消费者还可以预约商品送达时间,更加的人性化和灵活性。
商家收银管理模块和个人收银管理模块可用于对果蔬商城管理***进行收银管理的操作。具体可用于购买商品的结算和支付方式的管理,***可包括一个线下收钱***用于实体门店中,有一个第三方支付平台用于线上线下支付,***写入第三方平台的接口即可使用服务,增强了资金的流通性同时也解决商家和客户受到零钱的困扰。
交易数据分析模块可用于记录商城销售、商品采购和消费者积分等数据,并且可将数据通过导出表格的方式,对每月商城销售的情况进行分析,以便为商家的经营思路提供有效的依据,一种实施方式中,其可包括交易数据分析模块包括销售数据记录子模块、商品采购子模块、消费者积分记录子模块及交易数据预测子模块;交易数据预测子模块用于根据销售数据记录子模块和消费者积分记录子模块预测预设时间段内的商品交易数据。
评价管理模块可用于对果蔬商城管理***进行评价管理的操作,具体可用于购买商品后的消费者体验调查,评价体系包括商品描述是否相符、商家服务是否贴心和物流服务是否准时(线上)三方面进行评价,消费者还可以进行建议和晒图进行获得积分,积分应用于营销管理模块。可选的,评价管理模块可包括商品评价子模块、商家评价子模块和物流评价子模块。
营销管理模块用于对果蔬商城管理***进行营销管理的操作。例如对于新老客户的一种优惠政策,包括商品活动信息、商品降价信息、购物送积分、好评送积分、优惠券、满额立减、积分兑换的形式。不同的礼品对应的所需积分不同,消费者可根据自己的积分兑换自己想要的礼品,还可以用积分兑换相应的优惠券用于消费立减。
此外,商家页面还可包括消费者管理模块,消费者管理模块例如可包括消费者投诉子模块和限制购买子模块;消费者投诉子模块用于提交不符合***规定消费行为的消费者信息;限制购买子模块用于存储交易行为受限的消费者信息。
由上可知,本申请的果蔬商城管理***以大数据技术为导向,将线上、线下紧密的相结合。对消费者而言,果蔬商城管理***可以更加清楚直观的得到果蔬商城的信息并进行选购自己想要的商品,商品的信息会更加人性化的进行展示,在支付部分可以直接通过第三方支付的接口进行付款操作,操作简单不繁琐易于消费者的快速使用。对于商家而言,能进行果蔬信息的输入,并尽可能实现有效的管理;能对所输入的果蔬信息进行添加、删除、修改、查询操作;利用销售数据导出相应表格,对商城销售的情况进行分析,以便为商家的经营思路提供有效的依据;利用大数据技术可以训练出商品推荐模型,从而可以根据用户的兴趣特点和购买行为,向用户推荐用户感兴趣的信息和商品;对果蔬商城***采用模块化程序设计,有益于控制程序的复杂性,提高了***功能的修改,更易于后续的维护和功能的扩充。
本发明实施例还针对果蔬商城管理***提供了相应的果蔬信息推送方法,进一步使得所述***更具有可行性。下面对本发明实施例提供的果蔬信息推送方法进行介绍,下文描述的果蔬信息推送方法与上文描述的果蔬商城管理***可相互对应参照。
请参见图2及图3,本发明实施例可包括:
S201:获取当前***授权登录用户的购买行为数据和属性数据。
S202:将购买行为数据转化为行为特征向量,并与属性数据构成用户特征向量。
可选的,还可将用户特征向量输入至支持向量机中,以去除用户特征向量中的噪声信息,并将去噪后的用户特征向量组作为商品推荐模型的输入。
S203:将用户特征向量输入至预先构建商品推荐模型中,得到初始推荐商品信息。
商品推荐模型中包括多张映射表,各映射表用于存储用户特征向量和果蔬商品的对应关系
S204:根据预设商品筛选条件和/或过滤算法去除初始推荐信息中不符合条件的商品,生成商品推荐信息。
在生成=商品推荐信息后,还可基于商品属性、用户行为反馈对商品推荐信息中包含的商品进行排序,或排名,商品属性例如可为但并不限制于商品价格、商品品牌、商品评分信息,用户行为反馈例如可为但并不限制于用户差评商品和常买的品牌或商家等,有利于可以更好的提升用户的满意度。
本发明实施例所述果蔬信息推送方法各个步骤的具体实现过程可以参照上述***实施例中各功能模块的相关描述,此处不再赘述。
由上可知,本发明实施例有利于节省消费者浏览果蔬商城页面的时间,提高商城交易效率。
本发明实施例还提供了一种果蔬商城管理设备,具体可包括:
存储器,用于存储计算机程序;
处理器,用于执行计算机程序以实现如上任意一实施例所述果蔬商城管理方法的步骤。
本发明实施例所述果蔬商城管理设备的各功能模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
由上可知,本发明实施例有利于节省消费者浏览果蔬商城页面的时间,提高商城交易效率。
本发明实施例还提供了一种计算机可读存储介质,存储有果蔬商城管理程序,所述果蔬商城管理程序被处理器执行时如上任意一实施例所述果蔬商城管理方法的步骤。
本发明实施例所述计算机可读存储介质的各功能模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
由上可知,本发明实施例有利于节省消费者浏览果蔬商城页面的时间,提高商城交易效率。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本发明所提供的一种果蔬商城管理***及果蔬信息推送方法进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种果蔬商城管理***,其特征在于,包括用于向具有权限的用户推送果蔬商品的信息推荐模块;所述信息推荐模块包括:
信息采集子模块,用于从***数据库获取用户的购买行为数据和属性数据;所述属性数据从个人会员管理模块中获取;
特征向量生成子模块,用于将所述购买行为数据转化为行为特征向量,并与所述属性数据构成用户特征向量;
推荐信息输出子模块,用于将所述用户特征向量输入至预先构建商品推荐模型中,得到初始推荐商品信息;所述商品推荐模型中包括多张映射表,各映射表用于存储用户特征向量和果蔬商品的对应关系;
推荐信息确定子模块,用于基于预设商品筛选条件和/或商品过滤算法将所述初始推荐信息中不符合条件的商品去除,生成商品推荐信息。
2.根据权利要求1所述的果蔬商城管理***,其特征在于,还包括评价管理模块,所述评价管理模块包括各商品的评价分数和文字评价信息;所述推荐信息确定子模块包括:
商品评分获取单元,用于从所述评价管理模块中获取所述初始推荐商品信息中各商品的评分值;
商品筛选单元,用于从所述初始推荐信息中去除评分值不高于预设评分阈值的商品,生成候选商品推荐信息;
商品推荐单元,用于按照评分值从高到低对所述候选商品推荐信息进行排序,生成最终商品推荐信息。
3.根据权利要求1所述的果蔬商城管理***,其特征在于,所述推荐信息确定子模块包括:
信息选择单元,用于将从订单管理模块中获取的用户购买的商品信息以及从购物车管理模块中获取的用户已选择商品信息,作为候选删除商品信息;
商品选择单元,用于基于协同过滤算法从所述初始推荐商品信息中确定与所述候选删除商品信息中相同的目标商品;
商品推荐单元,用于从所述初始推荐商品信息中删除各目标商品,并将删除后的初始推荐商品信息作为最终商品推荐信息。
4.根据权利要求1所述的果蔬商城管理***,其特征在于,还包括营销管理模块,所述营销管理模块包括各商品的优惠信息;所述推荐信息确定子模块包括:
优选商品获取模块,用于从所述营销管理模块中获取优惠商品信息,生成优选商品信息;
商品选择单元,用于基于协同过滤算法从所述初始推荐商品信息中确定与所述优选商品信息中相同的目标商品,并将评分值低于预设评分阈值的目标商品去掉,生成目标商品集;
商品推荐单元,用于从所述初始推荐商品信息中选择与所述目标商品集中各商品相同的商品,生成最终商品推荐信息。
5.根据权利要求1至4任意一项所述的果蔬商城管理***,其特征在于,还包括特征删除子模块,所述特征删除子模块用于将所述用户特征向量输入至支持向量机中,以去除所述用户特征向量中的噪声信息,并将去噪后的用户特征向量发送至所述推荐信息输出子模块中。
6.根据权利要求5所述的果蔬商城管理***,其特征在于,包括***登录模块;
所述***登录模块用于根据输入的登录权限验证信息展示相应的***页面;所述***页面包括商家页面和消费者页面;
所述商家页面包括商家会员管理模块、商品管理模块、商家订单管理模块、商家配送售后处理模块、商家收银管理模块及交易数据分析模块;
所述消费者页面包括个人会员管理模块、购物车管理模块、个人订单管理模块、个人配送售后处理模块、个人收银管理模块、所述信息推荐模块、评价管理模块及营销管理模块。
7.根据权利要求6所述的果蔬商城管理***,其特征在于,所述商家页面还包括消费者管理模块,所述消费者管理模块包括消费者投诉子模块和限制购买子模块;
所述消费者投诉子模块用于提交不符合***规定消费行为的消费者信息;所述限制购买子模块用于存储交易行为受限的消费者信息。
8.根据权利要求7所述的果蔬商城管理***,其特征在于,所述评价管理模块包括商品评价子模块、商家评价子模块和物流评价子模块。
9.根据权利要求8所述的果蔬商城管理***,其特征在于,所述交易数据分析模块包括销售数据记录子模块、商品采购子模块、消费者积分记录子模块及交易数据预测子模块;
所述交易数据预测子模块用于根据所述销售数据记录子模块和所述消费者积分记录子模块预测预设时间段内的商品交易数据。
10.一种果蔬信息推送方法,其特征在于,包括:
获取当前***授权登录用户的购买行为数据和属性数据;
将所述购买行为数据转化为行为特征向量,并与所述属性数据构成用户特征向量;
将所述用户特征向量输入至预先构建商品推荐模型中,得到初始推荐商品信息;所述商品推荐模型中包括多张映射表,各映射表用于存储用户特征向量和果蔬商品的对应关系;
根据预设商品筛选条件和/或过滤算法去除所述初始推荐信息中不符合条件的商品,生成商品推荐信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910629090.3A CN110347924A (zh) | 2019-07-12 | 2019-07-12 | 果蔬商城管理***及果蔬信息推送方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910629090.3A CN110347924A (zh) | 2019-07-12 | 2019-07-12 | 果蔬商城管理***及果蔬信息推送方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110347924A true CN110347924A (zh) | 2019-10-18 |
Family
ID=68175897
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910629090.3A Pending CN110347924A (zh) | 2019-07-12 | 2019-07-12 | 果蔬商城管理***及果蔬信息推送方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110347924A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111144997A (zh) * | 2019-12-31 | 2020-05-12 | 大连民族大学 | 一种基于网页分析的产品链接推荐***、计算机设备及存储介质 |
CN111949889A (zh) * | 2020-09-16 | 2020-11-17 | 苏州众智诺成信息科技有限公司 | 一种基于大数据的共享平台智能推荐方法、***及可读存储介质 |
CN112036987A (zh) * | 2020-09-11 | 2020-12-04 | 杭州海康威视数字技术股份有限公司 | 确定推荐商品的方法和装置 |
CN112132630A (zh) * | 2020-09-29 | 2020-12-25 | 中国银行股份有限公司 | 去中心化的交易对象确定***及方法 |
CN112488799A (zh) * | 2020-12-14 | 2021-03-12 | 北京易兴元石化科技有限公司 | 一种基于加油站端的石油数据处理方法、装置及存储介质 |
CN112633985A (zh) * | 2020-12-31 | 2021-04-09 | 天津五八到家货运服务有限公司 | 信息推荐方法、设备和存储介质 |
CN112927042A (zh) * | 2021-02-24 | 2021-06-08 | 深圳壹肆壹叁网络科技有限公司 | 一种酒店自助购物结算平台和*** |
CN113744010A (zh) * | 2020-05-29 | 2021-12-03 | 北京沃东天骏信息技术有限公司 | 一种信息推送的方法、装置和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106485562A (zh) * | 2015-09-01 | 2017-03-08 | 苏宁云商集团股份有限公司 | 一种基于用户历史行为的商品信息推荐方法及*** |
CN106600302A (zh) * | 2015-10-19 | 2017-04-26 | 玺阅信息科技(上海)有限公司 | 基于Hadoop的商品推荐*** |
KR20180121466A (ko) * | 2017-04-06 | 2018-11-07 | 네이버 주식회사 | 딥러닝을 활용한 개인화 상품 추천 |
-
2019
- 2019-07-12 CN CN201910629090.3A patent/CN110347924A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106485562A (zh) * | 2015-09-01 | 2017-03-08 | 苏宁云商集团股份有限公司 | 一种基于用户历史行为的商品信息推荐方法及*** |
CN106600302A (zh) * | 2015-10-19 | 2017-04-26 | 玺阅信息科技(上海)有限公司 | 基于Hadoop的商品推荐*** |
KR20180121466A (ko) * | 2017-04-06 | 2018-11-07 | 네이버 주식회사 | 딥러닝을 활용한 개인화 상품 추천 |
Non-Patent Citations (2)
Title |
---|
对外经济贸易大学信息学院: "《现代服务业人才培养探索与实践 2016版》", 31 August 2016, 对外经济贸易大学出版社 * |
王喜宾等: "《基于优化支持向量机的个性化推荐研究》", 30 April 2017, 重庆大学出版社 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111144997A (zh) * | 2019-12-31 | 2020-05-12 | 大连民族大学 | 一种基于网页分析的产品链接推荐***、计算机设备及存储介质 |
CN113744010A (zh) * | 2020-05-29 | 2021-12-03 | 北京沃东天骏信息技术有限公司 | 一种信息推送的方法、装置和存储介质 |
CN112036987A (zh) * | 2020-09-11 | 2020-12-04 | 杭州海康威视数字技术股份有限公司 | 确定推荐商品的方法和装置 |
CN111949889A (zh) * | 2020-09-16 | 2020-11-17 | 苏州众智诺成信息科技有限公司 | 一种基于大数据的共享平台智能推荐方法、***及可读存储介质 |
CN112132630A (zh) * | 2020-09-29 | 2020-12-25 | 中国银行股份有限公司 | 去中心化的交易对象确定***及方法 |
CN112132630B (zh) * | 2020-09-29 | 2023-08-22 | 中国银行股份有限公司 | 去中心化的交易对象确定***及方法 |
CN112488799A (zh) * | 2020-12-14 | 2021-03-12 | 北京易兴元石化科技有限公司 | 一种基于加油站端的石油数据处理方法、装置及存储介质 |
CN112488799B (zh) * | 2020-12-14 | 2024-04-09 | 北京易兴元石化科技有限公司 | 一种基于加油站端的石油数据处理方法、装置及存储介质 |
CN112633985A (zh) * | 2020-12-31 | 2021-04-09 | 天津五八到家货运服务有限公司 | 信息推荐方法、设备和存储介质 |
CN112927042A (zh) * | 2021-02-24 | 2021-06-08 | 深圳壹肆壹叁网络科技有限公司 | 一种酒店自助购物结算平台和*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110347924A (zh) | 果蔬商城管理***及果蔬信息推送方法 | |
Garfinkel et al. | Design of a shopbot and recommender system for bundle purchases | |
Kim et al. | Recommender system based on click stream data using association rule mining | |
US20150039388A1 (en) | System and method for determining consumer profiles for targeted marketplace activities | |
Alptekinoğlu et al. | When to carry eccentric products? Optimal retail assortment under consumer returns | |
Walter et al. | Moving recommender systems from on-line commerce to retail stores | |
Jiang et al. | An empirical comparison of market efficiency: Electronic marketplaces vs. traditional retail formats | |
US20050256772A1 (en) | Pricing system and method for multiple discounts | |
JP2020177350A (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
CN110751537A (zh) | 一种基于线上线下的智能营销方法和装置 | |
KR102381879B1 (ko) | 리셀러 추천기반 광고판매시스템의 셀러 리셀러 매칭시스템과 방법 | |
Ozbilge et al. | A review of bricks-and-clicks dual-channels literature: trends and opportunities | |
US20190362407A1 (en) | Bundling items based on cost and value | |
Ali et al. | Urban Youth Attitude toward Online Shopping: Evidence from Dhaka City | |
Cornish | 'Marketing matters': the function of markets and marketing in the growth of firms and industries | |
Bohl et al. | A Shapley-value index for market basket analysis: Weighting Shapley’s value | |
CN110020135B (zh) | 一种需求确定方法、资源推荐方法和相关装置 | |
Al-Gasawneh et al. | Mediator-moderator, innovation of mobile CRM, e-service convenience, online perceived behav-ioral control and reuse online shopping intention | |
Leimstoll et al. | Collaborative recommender systems for online shops | |
CN110866220B (zh) | 一种电商活动过程中的选品推荐*** | |
JP6774525B1 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
Chodak | The problem of shelf-warmers in electronic commerce: a proposed solution | |
CN110866809A (zh) | 一种电商平台的销售场景决策*** | |
Marzuki et al. | Factors Influencing Online Shoppers to Shop at Marketplace or Website: A Qualitative Approach | |
Mohammadi | Exploring the relationships between retail brands and consumer store loyalty |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191018 |
|
RJ01 | Rejection of invention patent application after publication |