CN111738785A - 选品方法、***及存储介质 - Google Patents

Abstract

本申请公开了选品方法、***及存储介质。其中，一种选品方法包括：接收商品获取请求，并从所述商品获取请求获取选品模块的标识；响应于所述商品获取请求，获取用户画像数据；根据所述选品模块的标识从选品库选定所述选品模块，其中，所述选品库用于存储多个选品模块，所述选定的选定模块包括：多个备选商品对应的商品画像数据和商品排序规则，所述商品排序规则用于描述所述商品画像数据的权重和所述用户画像数据的权重；基于所述商品画像数据和所述用户画像数据，利用所述商品排序规则对所述多个备选商品进行排序，得到第一排序结果；以及根据所述第一排序结果，选定要呈现的商品。

Description

选品方法、***及存储介质

技术领域

本申请涉及互联网技术领域，尤其涉及选品方法、***及存储介质。

背景技术

随着电子商务的发展，用于越来越***台进行商品浏览等操作。电商平台所展示的页面可以划分为多个区域(每个区域可以包括一个或多个呈现位置)。电商后台可以确定每个区域要呈现的商品。目前，电商后台向不同用户提供相同的商品信息。

发明内容

根据本申请一个方面，提供一种选品方法，包括：接收商品获取请求，并从所述商品获取请求获取选品模块的标识；响应于所述商品获取请求，获取用户画像数据；根据所述选品模块的标识从选品库选定所述选品模块，其中，所述选品库用于存储多个选品模块，所述选定的选定模块包括：多个备选商品对应的商品画像数据和商品排序规则，所述商品排序规则用于描述所述商品画像数据的权重和所述用户画像数据的权重；基于所述商品画像数据和所述用户画像，利用所述商品排序规则对所述多个备选商品进行排序，得到第一排序结果；以及根据所述第一排序结果，选定要呈现的商品。。

根据本申请一个方面，提供一种选品***，包括：数据处理单元，用于接收商品获取请求，并从所述商品获取请求获取所述选品模块的标识；加载单元，用于响应于所述商品获取请求，获取用户画像数据和根据所述选品模块的标识从选品库选定所述选品模块，其中，所述选品库用于存储多个选品模块，所述选定的选定模块包括：多个备选商品对应的商品画像数据和商品排序规则，所述商品排序规则用于描述所述商品画像数据的权重和所述用户画像数据的权重；其中，所述数据处理单元进一步用于：基于所述商品画像数据和所述用户画像，利用所述商品排序规则对所述多个备选商品进行排序，得到第一排序结果，以及根据所述第一排序结果，选定要呈现的商品。

根据本申请一个方面，提供一种选品***，包括：

处理器；

存储器；以及

一个或多个程序，存储在该存储器中并被配置为由所述处理器执行，所述一个或多个程序包括用于执行根据本申请的选品方法。

根据本申请一个方面，提供一种存储介质，存储有一个或多个程序，所述一个或多个程序包括指令，所述指令当由选品***执行时，使得选品***执行根据本申请的选品方法。

综上，根据本申请的选品方案可以综合考虑商品画像数据和用户画像数据，从而可以针对每个用户的需求选定相应的要呈现的商品，进而提高所呈现商品与用户特征的匹配性。换言之，本申请的选品方案可以根据用户兴趣而从选品模块中精准选定要呈现的商品。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1A示出了根据本申请一些实施例的应用场景100的示意图；

图1B示出了根据本申请一些实施例的商品页面的示意图；

图2示出了根据本申请一些实施例的选品方法200的流程图；

图3示出了根据本申请一些实施例的选品方法300的流程图；

图4示出了根据本申请一些实施例的确定商品画像数据和用户画像数据的方法400的流程图；

图5示出了根据本申请一些实施例的确定每个选品模块对应的备选商品的方法500的流程图；

图6示出了根据本申请一些实施例的对备选商品进行排序的方法600流程图；

图7示出了根据本申请一些实施例的选品***130的示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

图1A示出了根据本申请一些实施例的应用场景100的示意图。如图1A所示，应用场景100可以包括终端设备110、页面服务***120和选品***130。这里，终端设备110、页面服务***120和选品***130可以通过网络140进行通信。网络140例如可以包括局域网(LAN)和广域网(WAN)。本申请的实施例可以使用任意公知的网络协议来实现网络140，包括各种有线或无线协议，诸如，以太网、FIREWIRE、全球移动通讯***(GSM)、增强数据GSM环境(EDGE)、码分多址(CDMA)、时分多址(TDMA)、蓝牙、WiFi、IP语音(VoIP)，Wi-MAX，或任意其他适合的通信协议。

终端设备110例如可以包括但不限于掌上型计算机、可穿戴计算设备、个人数字助理(PDA)、平板计算机、笔记本电脑、台式计算机、智能手机、媒体播放器、导航设备、游戏控制台、电视机、或任意两个或更多的这些数据处理设备或其他数据处理设备的组合。终端设备110可以通过通用浏览器、即时通讯应用、短视频应用或者电商客户端等应用，从页面服务***120获取要呈现的商品页面。

页面服务***120可以包括一个或多个服务器。页面服务***120可以响应于来自终端设备110的访问请求，向选品***130发送商品获取请求。选品***130可以根据商品获取请求，选定商品页面中要呈现的商品。在电子商务的应用场景中，页面服务***120和选品***130均属于电商平台。

终端设备110的访问请求例如可以请求一个或多个商品页面。一个商品页面可以包括一个或多个商品呈现区域。每个商品呈现区域可以包括一个或多个呈现位置(也可以称为页面坑位)。每个呈现位置可以呈现一个商品的信息。每个呈现位置例如可以呈现商品缩略图、与商品有关的视频、文字描述等等内容。本申请的实施例可以在选品***130中为商品呈现区域创建选品模块。这里，一个选品模块可以对应一个或多个商品呈现区域。一个选品模块可以包括多个备选商品的商品画像数据。一个备选商品的商品画像数据用于描述该备选商品的特征。一个选品模块中商品画像数据对应的备选商品的数量多于与该选品模块对应的商品呈现区域要呈现的商品数量。选品***130可以响应于商品获取请求，从选品模块的商品画像数据对应的备选商品中选定要呈现到商品呈现区域中的商品。在一些实施例中，选品***130可以根据一个选品模块中商品画像数据以及请求商品页面的用户的画像数据(即用户特征)对该选品模块中商品画像数据对应的备选商品进行排序，进而根据排序结果和商品呈现区域中呈现位置的数量确定要呈现商品的列表。其中，用户特征可以体现用户的兴趣和用户需求。

综上，本申请实施例可以根据用户的画像数据和商品画像数据，从备选商品中选定要呈现的商品，可以极大提高呈现的商品与用户特征的匹配性。这样，本申请实施例的选品方案可以充分考虑用户兴趣，进而提高商品的成交可能性。

图1B示出了根据本申请一些实施例的商品页面的示意图。如图1B所示，商品页面可以包括商品呈现区域101、102和103。商品呈现区域103例如可以包括4个商品呈现位置(即4个坑位)，即1031、1032、1033和1034。需要说明的是，图1B仅仅是对商品呈现区域的示例，本申请对商品呈现区域的具体形式并不做限制。

图2示出了根据本申请一些实施例的选品方法200的流程图。选品方法200例如可以由选品***130执行，但不限于此。

如图2所示，在步骤S201中，接收商品获取请求，并从所述商品获取请求获取选品模块的标识。在一些实施例中，选品***130可以接收来自页面服务器120的商品获取请求。

在步骤S202中，响应于商品获取请求，获取用户画像数据。用户画像数据用于描述用户的特征信息。

在步骤S203中，根据所述选品模块的标识从选品库选定选品模块。其中，选品库用于存储多个选品模块。选定的选定模块可以包括：多个备选商品对应的商品画像数据和商品排序规则。商品排序规则用于描述所述商品画像数据的权重和所述用户画像数据的权重。每个备选商品的商品画像数据用于描述每个备选商品的特征信息。

在一些实施例中，每个备选商品的商品画像数据是对备选商品的业务数据进行特征提取而得到的多维度特征。业务数据包括与该商品有关的业务统计信息，例如是商品的订单量、商品的用户关注量、点击量、访问量等业务内容。商品画像数据可以包括多个商品特征项，例如可以包括商品编号、商品名称、商品等级分类、商品品牌、上柜时间、是否新品、销售模式(自营或第三方商家)、商品详情页访问量、商品详情页访客量、商品关注次数、商品分享次数、商品好评次数、商品差评次数、商品所处的价格带、商品近3天销量、商品近7天销量、商品近15天销量、商品近30天销量、商品订单转换率、退货率和业务指标值中至少一部分商品特征项。其中，业务指标值可以是商品画像数据中多个商品特征项的加权和。例如，业务指标值可以是商品对应的多个行为特征(每个行为特征为一个商品特征项)的加权和，业务指标值可以反映出商品的活跃情况。

在一些实施例中，用户画像数据例如可以是根据用户身份信息和用户历史操作记录而确定的用户特征信息。用户画像数据例如可以包括用户账号、用户所在区域、用户性别、年龄段、会员等级、用户收入、婚姻状况、用户注册时间，最近一次下单距离今天的天数，品类偏好度，销售模式偏好度(自营或第三方商家)等等。

在步骤S204中，基于商品画像数据和用户画像数据，利用所述商品排序规则对所述多个备选商品进行排序，得到第一排序结果。这里，商品排序规则是将据将商品画像数据和用户画像数据进行综合考虑的排序规则。

在步骤S205中，根据第一排序结果，选定要呈现的商品。在一些实施例中，步骤S206可以根据要呈现的商品数量，选定第一排序结果中排名靠前的商品。

综上，根据本申请的选品方法200可以综合考虑商品画像数据和用户画像数据，从而可以针对每个用户的需求选定相应的要呈现的商品，进而提高所呈现商品与用户特征的匹配性。换言之，方法200可以根据用户兴趣而从选品模块中选定要呈现的商品。

图3示出了根据本申请一些实施例的选品方法300的示意图。选品方法300例如可以由选品***130执行。

如图3所示，在步骤S301中，获取多个商品的业务数据和多个用户的数据。其中，每个商品的业务数据包括与该商品有关的业务统计信息，每个用户的数据包括用户身份信息和用户操作记录。

在一些实施例中，每个商品的业务数据包括与该商品有关的业务统计信息，例如是商品的订单量、商品的用户关注量、点击量、访问量等商品内容。这里，业务数据可以从电商平台的各业务***获取。

在一些实施例中，用户身份信息可以是用户性别、年龄段、会员等级、用户收入、婚姻状况、用户注册时间等等内容。用户操作记录是指用户对商品的浏览、关注、下单、评论等历史操作记录。步骤S301例如可以从用户操作日志中获取用户操作记录。

在一些实施例中，每当用户在网页上做一次操作(比如：点击某个商品、访问某个页面、点击某个按钮等)，电商平台可以生成一条操作日志数据。用户操作日志数据内容包括：当前页面地址、上一个页面地址、站点编号、客户端IP、用户账号、点击的商品编号、浏览器版本、app版本、操作***版本、手机型号，操作时间等内容。

在步骤S302中，根据所述多个商品的业务数据和所述多个用户的数据，确定每个商品对应的商品画像数据和每个用户对应的用户画像数据。其中，每个商品对应的所述商品画像数据包括该商品对应的多个商品特征项，每个用户对应的用户画像数据包括该用户对应的多个用户特征项。

在一些实施例中，商品画像数据例如可以包括商品编号、商品名称、商品等级分类、商品品牌、上柜时间、是否新品、销售模式(自营或第三方商家)、商品详情页访问量、商品详情页访客量、商品关注次数、商品分享次数、商品好评次数、商品差评次数、商品所处的价格带、商品近3天销量、商品近7天销量、商品近15天销量、商品近30天销量、商品订单转换率、退货率、业务指标值中至少一部分商品特征项。其中，业务指标值是商品画像数据中多个商品特征项的加权和。例如，业务指标值可以是商品对应的多个行为特征的加权和，业务指标值可以反映出商品的活跃情况。业务指标值也可以称为商品商务智能(BusinessIntelligence，缩写为BI)得分。

在一些实施例中，业务指标值可以根据下述方式计算：

业务指标值＝商品特征项1*权重1+商品特征项2*权重2+商品特征项3*权重3+…+商品特征项N*权重N其中，商品特征项和权重可以根据需要进行调整，所有的权重相加为1。比如：业务指标值＝商品点击量*点击权重+商品的订单量*订单权重+商品访问量*访问权重+商品关注量*关注权重

在一些实施例中，用户画像数据例如可以包括用户账号、用户所在区域、用户性别、年龄段、会员等级、用户收入、婚姻状况、用户注册时间，最近一次下单距离今天的天数，品类偏好度，销售模式偏好度(自营或第三方商家)等等。

在步骤S303中，将多个商品的商品画像数据存储到商品池。在一些实施例中，商品池除了可以包括每个商品的商品画像数据，还可以包括每个商品的商品信息。这里，商品信息是指用于显示到商品页面的商品内容。

在步骤S304中，将多个用户的用户画像数据存储到用户画像库。

在一些实施例中，商品池和用户画像库可以存储在一个或多个存储节点中。每个存储节点为选品***130的一个用于存储数据的服务器节点。服务器节点例如可以通过数据库等存储方式来存储数据。

在步骤S305中，创建一个或多个选品模块，并确定每个选品模块对应的商品筛选规则和商品排序规则。在一些实施例中，选品***130可以响应于管理人员在终端设备的创建操作而创建选品模块。选品***130可以根据管理人员的配置操作确定商品筛选规则和商品排序规则。商品筛选规则用于从商品库中选定选品模块对应的备选商品。商品排序规则用于根据用户画像数据和商品画像数据对选品模块对应的备选商品进行排序。商品排序规则例如可以描述商品画像数据中商品特征项的权重和用户画像数据中用户特征项的权重。因此，商品排序规则可以综合考虑用户画像数据和商品画像数据的特征。

在一些实施例中，对于任一个选品模块，步骤S305还可以配置该选品模块的商品白名单和商品黑名单。这里，商品黑名单是指不适合向用户呈现的商品列表。商品白名单是指优先向用户呈现的商品列表。

在步骤S306中，根据每个选品模块的商品筛选规则和商品池中商品画像数据，筛选出每个选品模块对应的多个备选商品。在一些实施例，选品***130可以将每个选品模块的数据存储到选品库中。

在一些实施例中，商品筛选规则可以包括一个或多个筛选条件和备选商品数量。这里，一个筛选条件可以是对商品画像数据中一个商品特征项的限制条件。例如，商品画像数据中一个商品特征项为商品订单量，与商品订单量对应的筛选条件例如是订单量达到1000件。又例如，商品画像数据中一个商品特征项为商品点击量，与商品点击量对应的筛选条件例如是点击量达到10000次。备选商品数量可以确定选品模块中备选商品的规模。

在步骤S307中，接收商品获取请求，并从所述商品获取请求获取选品模块的标识。在一些实施例中，商品获取请求可以包括选品模块的标识。在一些实施例中，商品获取请求可以包括选品模块的标识和用户标识。这里，用户标识例如是用户账户等身份标识信息。

在步骤S308中，响应于商品获取请求，获取用户画像数据。在一些实施例中，在从所述商品获取请求获取到用户标识时，步骤S308可以从用户画像库中获取与所述用户标识对应的用户画像数据。

在从商品获取请求未获取到用户标识时，步骤S308可以从用户画像库中获取默认用户画像数据并将其作为用户画像数据。这里，默认用户画像数据为存储在用户画像库中的通用画像数据。这里，通用画像数据可以描述通常用户共同的偏好度。

在步骤S309中，根据所述选品模块的标识从选品库选定选品模块。

在步骤S310中，基于商品画像数据和用户画像数据，利用所述商品排序规则对所述多个备选商品进行排序，得到第一排序结果。这里，商品排序规则是将据将商品画像数据和用户画像数据进行综合考虑的排序规则。在一些实施例中，商品排序规则用于描述商品画像中商品特征项的权重和用户画像中用户特征项的权重。

在步骤S311，根据第一排序结果，选定要呈现的商品。在一些实施例中，步骤S206可以根据要呈现的商品数量，选定第一排序结果中排名靠前的商品。

在一些实施例中，步骤S302可以实施为方法400。

如图4所示，在步骤S401中，通过用户画像模型对所述多个商品的业务数据和所述多个用户的数据进行特征提取，得到每个用户对应的用户画像数据。这里，用户画像模型可以是线性回归模型、深度学习模型等各种能够根据用户的数据和商品的业务数据进行建模的模型。这里，用户画像模型例如可以表征用户的商品偏好等用户需求属性。

在步骤S402中，通过商品画像模型对所述多个商品的业务数据和所述多个用户的数据进行特征提取，得到每个商品对应的商品画像数据。这里，商品画像模型也可以是各种适合于提取商品特征的机器学习模型，本申请对此不做限制。

综上，根据本申请的选品方法400可以根据用户的数据和商品的业务数据，确定用户画像数据和商品画像数据(即确定用户特征和商品特征)。在此基础上，本申请的选品方法400可以根据配置的商品筛选规则确定每个选品模块的备选商品。这里，通过根据商品画像数据选定每个选品模块的备选商品，可以针对商品页面的呈现区域进行第一次商品筛选。进一步，响应于商品获取请求，选品方法400可以对选定的选品模块中备选商品进行第二次商品筛选。这里，选品方法400通过第二次商品筛选，可以综合考虑商品画像数据和用户画像数据进行商品筛选(即得到第一排序结果)，从而可以通过两次商品筛选，提高呈现的商品与用户特征的匹配性，进而可以按照用户兴趣精准选定商品。

在一些实施例中，步骤S306可以实施为方法500。

如图5所示，在步骤S501中，对于任一个选品模块，根据该选品模块对应的筛选条件对商品池中商品画像数据对应的商品进行筛选，得到第一筛选结果。

在步骤S502中，按照业务指标值对所述第一筛选结果中商品进行排序，得到第二排序结果。

在一些实施例中，步骤S502可以包括步骤S5021和S5022。在步骤S5021中，将与第一筛选结果中属于所述商品白名单的商品对应的业务指标值设置为最大值，并剔除第一筛选结果中属于所述商品黑名单的商品，得到第二筛选结果。这里，最大值是指业务指标值的上限值。在步骤S5022中，按照业务指标值对所述第二筛选结果中商品进行排序，得到所述第二排序结果。

在步骤S503中，根据该选品模块的备选商品数量，从所述第二排序结果中选定所述多个备选商品。

综上，方法500可以根据一个选品模块的商品筛选规则从商品池中选定选品模块对应的备选商品。选品模块可以存储备选商品对应的商品画像数据。选品库用于存储多个选品模块。

在一些实施例中，步骤S310可以实施为方法600。

如图6所示，在步骤S601中，对于任一个商品画像数据对应的备选商品，基于商品画像数据和用户画像数据，根据商品排序规则确定该备选商品的成交率预测值。这里，一个备选商品的成交率预测值可以体现用户最终购买该备选商品的可能性。例如，备选商品为B，用户画像数据为用户A的画像数据。

备选商品B的成交率预测值＝B的业务指标值*业务指标值的权重+用户A画像维度1*维度1权重+用户A画像维度2*维度2权重+……+用户A画像N*维度N权重其中，商品画像数据和用户画像数据各维度的权重可以在商品排序规则的配置过程中进行维护。

在步骤S602中，根据选品模块中每个商品画像数据对应的备选商品的成交率预测值，对所述集合中商品画像数据对应的备选商品进行排序，得到第一排序结果。综上，方法600可以商品画像数据和用户画像数据对备选商品进行排序，从而可以使得第一排序结果能够准确反应用户需求。即，排名越靠前，越可能是用户感兴趣的商品。

图7示出了根据本申请一些实施例的选品***130的示意图。

如图7所示，选品***130可以包括配置管理平台710、商品服务平台720、数据存储平台730和数据收集平台740。这里，本申请的实施例可以将配置管理平台710、商品服务平台720、数据存储平台730和数据收集平台740的业务功能部署在一个服务器中，也可以将各平台分别部署到独立的服务器中。

数据存储平台730可以包括商品池731、选品库732和用户画像库733。数据收集平台740可以包括数据收集单元741、数据分析单元742和推送单元743。

数据收集单元741用于获取多个商品的业务数据和多个用户的数据。其中，每个商品的业务数据包括与该商品有关的业务统计信息，每个用户的数据包括用户身份信息和用户操作记录。

数据分析单元742用于根据所述多个商品的业务数据和所述多个用户的数据，确定每个商品对应的商品画像数据和每个用户对应的用户画像数据。其中，每个商品对应的所述商品画像数据包括该商品对应的多个商品特征项，每个用户对应的用户画像数据包括该用户对应的多个用户特征项。

在一些实施例中，数据分析单元742可以包括用户画像模型7421和商品画像模型7422。用户画像模型7421用于对所述多个商品的业务数据和所述多个用户的数据进行特征提取，得到每个用户对应的用户画像数据。商品画像模型7422用于对所述多个商品的业务数据和所述多个用户的数据进行特征提取，得到每个商品对应的商品画像数据。

推送单元743用于将多个商品各自的商品画像数据存储到商品池731，并将多个用户各自的用户画像数据存储到用户画像库733。

在一些实施例中，选品管理平台710可以包括选品管理单元711和选品执行单元712。选品管理单元711用于创建多个选品模块，并确定每个选品模块对应的商品筛选规则和商品排序规则。选品执行单元712用于根据每个选品模块的商品筛选规则和商品池731中商品画像数据，筛选出每个选品模块对应的多个备选商品。

在一些实施例中，商品池731中每个商品的商品画像数据包括业务指标值，每个业务指标值为商品画像数据中多个商品特征项的加权和。每个选品模块的商品筛选规则包括：筛选条件和备选商品数量。

对于任一个选品模块，选品执行单元712可以根据该选品模块对应的筛选条件对商品池中商品画像数据对应的商品进行筛选，得到第一筛选结果。在此基础上，选品执行单元712可以按照业务指标值对所述第一筛选结果中商品进行排序，得到第二排序结果。根据该选品模块的备选商品数量，选品执行单元712可以从第二排序结果中选定所述多个备选商品。

在一些实施例中，选品管理平台710还可以包括黑白名单管理单元，用于配置每个选品模块中商品白名单和商品黑名单。因此，每个选品模块还可以包括：商品白名单和商品黑名单。选品执行单元712可以将与第一筛选结果中属于商品白名单的商品对应的业务指标值设置为最大值，并剔除第一筛选结果中属于商品黑名单的商品，得到第二筛选结果。按照业务指标值对第二筛选结果中商品进行排序，选品执行单元712得到第二排序结果。

在一些实施例中，数据收集平台740可以持续收集商品的业务数据和用户的数据。数据收集平台会更新商品池731中商品画像数据和用户画像库733中用户画像数据。配置管理平台710还可以包括定时任务单元714。定时任务单元714可以周期性调用选品执行单元712对选品库732中每个选品模块的商品画像数据进行更新。

商品服务平台720可以包括加载单元721和数据处理单元722。

在一些实施例中，数据处理单元722可以接收商品获取请求，并从商品获取请求中获取选品模块的标识。

加载单元721用于响应于所述商品获取请求，获取用户画像数据和根据所述选品模块的标识从选品库732选定选品模块。选定的选定模块包括：多个备选商品对应的商品画像数据和商品排序规则，所述商品排序规则用于描述所述商品画像数据的权重和所述用户画像数据的权重每个备选商品的商品画像数据用于描述每个备选商品的特征信息，所述用户画像数据用于描述用户的特征信息。

数据处理单元733可以根据所述商品画像数据和所述用户画像数据，对所述多个备选商品进行排序，得到第一排序结果，以及根据所述第一排序结果选定要呈现的商品。

在一些实施例中，加载单元721可以包括商品加载模块7211和画像加载模块7212。商品加载模块7211用于根据选品模块的标识，从选品库732中与所述标识对应的选品模块中获取商品画像数据。在数据处理单元722从商品获取请求获取到用户标识时，画像加载模块7212可以根据用户标识从用户画像库733中获取用户画像数据。在数据处理单元722从商品获取请求未获取到用户标识时，画像加载模块7212可以从用户画像库733中获取默认用户画像数据并将其作为用户画像数据。

在一些实施例中，选品模块进一步包括商品排序规则。商品排序规则用于描述商品画像数据中商品特征项的权重和用户画像数据中用户特征项的权重。加载单元721还可以包括规则加载模块7213。规则加载模块7213用于根据选品模块的标识，从选品库732中相应选品模块中获取商品排序规则。

对于任一个商品画像数据对应的备选商品，数据处理单元722可以基于所述任一个商品画像数据和用户画像数据，根据商品排序规则确定该备选商品的成交率预测值。根据每个商品画像数据对应的备选商品的成交率预测值，数据处理单元722可以对选品模块中商品画像数据对应的备选商品进行排序，得到第一排序结果。另外说明的是，图7中选品***130更具体的实施方式与选品方法300一致，这里不再赘述。

综上，根据本申请的选品***130可以根据用户的数据和商品的业务数据，确定用户画像数据和商品画像数据(即确定用户特征和商品特征)。在此基础上，本申请的选品***130可以根据配置的商品筛选规则确定每个选品模块的备选商品。这里，通过根据商品画像数据选定每个选品模块的备选商品，可以针对商品页面的呈现区域进行第一次商品筛选。进一步，响应于商品获取请求，选品***130可以对选定的选品模块中备选商品进行第二次商品筛选。这里，选品***130通过第二次商品筛选，可以综合考虑商品画像数据和用户画像数据进行商品筛选(即得到第一排序结果)，从而可以通过两次商品筛选，提高呈现的商品与用户特征的匹配性，进而可以按照用户兴趣精准选定商品。

另外，本申请所述的方法步骤除了可以用数据处理程序来实现，还可以由硬件来实现，例如，可以由逻辑门、开关、专用集成电路(ASIC)、可编程逻辑控制器和嵌微控制器等来实现。因此这种可以实现本申请所述方法的硬件也可以构成本申请。

以上所述仅为本申请的示例性实施例而已，并不用于限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。

Claims (20)

1.一种选品方法，其特征在于，包括：

接收商品获取请求，并从所述商品获取请求获取选品模块的标识；

响应于所述商品获取请求，获取用户画像数据；

根据所述选品模块的标识从选品库选定所述选品模块，其中，所述选品库用于存储多个选品模块，所述选定的选定模块包括：多个备选商品对应的商品画像数据和商品排序规则，所述商品排序规则用于描述所述商品画像数据的权重和所述用户画像数据的权重；

基于所述商品画像数据和所述用户画像数据，利用所述商品排序规则对所述多个备选商品进行排序，得到第一排序结果；以及

根据所述第一排序结果，选定要呈现的商品。

2.如权利要求1所述的方法，其特征在于，所述响应于所述商品获取请求，获取用户画像数据，包括：

在从所述商品获取请求获取到用户标识时，从用户画像库中获取与所述用户标识对应的所述用户画像数据，所述用户画像库用于存储多个用户标识对应的用户画像数据；

在从所述商品获取请求未获取到用户标识时，从所述用户画像库中获取默认用户画像数据并将其作为所述用户画像数据。

3.如权利要求2所述的方法，其特征在于，进一步包括：

获取多个商品的业务数据和多个用户的数据，其中，每个商品的业务数据包括与该商品有关的业务统计信息，每个用户的数据包括用户身份信息和用户操作记录；

根据所述多个商品的业务数据和所述多个用户的数据，确定每个商品对应的商品画像数据和每个用户对应的用户画像数据，其中，每个商品对应的所述商品画像数据包括该商品对应的多个商品特征项，每个用户对应的用户画像数据包括该用户对应的多个用户特征项；

将多个商品的商品画像数据存储到商品池；

将多个用户的用户画像数据存储到所述用户画像库。

4.如权利要求3所述的方法，其特征在于，所述根据所述多个商品的业务数据和所述多个用户的数据，确定每个商品对应的商品画像数据和每个用户对应的用户画像数据，包括：

通过用户画像模型对所述多个商品的业务数据和所述多个用户的数据进行特征提取，得到每个用户对应的用户画像数据；

通过商品画像模型对所述多个商品的业务数据和所述多个用户的数据进行特征提取，得到每个商品对应的商品画像数据。

5.如权利要求3所述的方法，其特征在于，其中，所述商品排序规则用于描述商品画像中商品特征项的权重和用户画像中用户特征项的权重；所述基于所述商品画像数据和所述用户画像，利用所述商品排序规则对所述多个备选商品进行排序，得到第一排序结果，包括：

对于任一个商品画像数据对应的备选商品，基于所述任一个商品画像数据和所述用户画像数据，根据所述商品排序规则确定该备选商品的成交率预测值；

根据每个商品画像数据对应的备选商品的成交率预测值，对所述选品模块中商品画像数据对应的备选商品进行排序，得到所述第一排序结果。

6.如权利要求5所述的方法，其特征在于，进一步包括：

创建一个或多个选品模块，并确定每个选品模块对应的商品筛选规则和商品排序规则；

根据每个选品模块的商品筛选规则和所述商品池中商品画像数据，筛选出每个选品模块对应的多个备选商品。

7.如权利要求6所述的方法，其特征在于，所述商品池中每个商品的商品画像数据包括业务指标值，所述业务指标值为商品画像数据中多个商品特征项的加权和；所述每个选品模块的商品画像筛选规则包括：筛选条件和备选商品数量；

所述根据每个选品模块的商品筛选规则和所述商品池中商品画像数据，筛选出每个选品模块对应的多个备选商品，包括：

对于任一个选品模块，根据该选品模块对应的筛选条件对商品池中商品画像数据对应的商品进行筛选，得到第一筛选结果；

按照业务指标值对所述第一筛选结果中商品进行排序，得到第二排序结果；

根据该选品模块的备选商品数量，从所述第二排序结果中选定所述多个备选商品。

8.如权利要求6所述的方法，其特征在于，所述每个选品模块进一步包括：商品白名单和商品黑名单；所述按照业务指标值对所述第一筛选结果中商品进行排序，得到第二排序结果，包括：

将与所述第一筛选结果中属于所述商品白名单的商品对应的业务指标值设置为最大值，并剔除第一筛选结果中属于所述商品黑名单的商品，得到第二筛选结果；

按照业务指标值对所述第二筛选结果中商品进行排序，得到所述第二排序结果。

9.一种选品***，其特征在于，包括：

数据处理单元，用于接收商品获取请求，并从所述商品获取请求获取所述选品模块的标识；

加载单元，用于响应于所述商品获取请求，获取用户画像数据和根据所述选品模块的标识从选品库选定所述选品模块，其中，所述选品库用于存储多个选品模块，所述选定的选定模块包括：多个备选商品对应的商品画像数据和商品排序规则，所述商品排序规则用于描述所述商品画像数据的权重和所述用户画像数据的权重；

其中，所述数据处理单元进一步用于：基于所述商品画像数据和所述用户画像数据，利用所述商品排序规则对所述多个备选商品进行排序，得到第一排序结果，以及根据所述第一排序结果，选定要呈现的商品。

10.如权利要求9所述的选品***，其特征在于，所述加载单元包括：

商品加载模块，用于根据所述选品模块的标识，从选品库中与所述标识对应的选品模块中获取商品画像数据，其中所述选品库用于存储多个标识对应的选品模块；

画像加载模块，用于：在从所述商品获取请求获取到用户标识时，根据所述用户标识从用户画像库中获取所述用户画像数据，所述用户画像库用于存储多个用户标识对应的用户画像数据；在从所述商品获取请求未获取到用户标识时，从所述用户画像库中获取默认用户画像数据并将其作为所述用户画像数据。

11.如权利要求10所述的选品***，其特征在于，进一步包括：

数据收集单元，用于获取多个商品的业务数据和多个用户的数据，其中，每个商品的业务数据包括与该商品有关的业务统计信息，每个用户的数据包括用户身份信息和用户操作记录；

数据分析单元，用于根据所述多个商品的业务数据和所述多个用户的数据，确定每个商品对应的商品画像数据和每个用户对应的用户画像数据，其中，每个商品对应的所述商品画像数据包括该商品对应的多个商品特征项，每个用户对应的用户画像数据包括该用户对应的多个用户特征项；

推送单元，用于将多个商品各自的商品画像数据存储到商品池，并将多个用户各自的用户画像数据存储到所述用户画像库。

12.如权利要求11所述的选品***，其特征在于，所述数据分析单元包括：

用户画像模型，用于对所述多个商品的业务数据和所述多个用户的数据进行特征提取，得到每个用户对应的用户画像数据；

商品画像模型，用于对所述多个商品的业务数据和所述多个用户的数据进行特征提取，得到每个商品对应的商品画像数据。

13.如权利要求11所述的选品***，其特征在于，所述商品排序规则用于描述商品画像数据中商品特征项的权重和用户画像数据中用户特征项的权重；

所述加载单元进一步包括规则加载模块，用于根据所述选品模块的标识，从所述选品库中相应选品模块中获取商品排序规则；

所述数据处理单元基于下述方式基于所述商品画像数据和所述用户画像，利用所述商品排序规则对所述多个备选商品进行排序，得到第一排序结果：

对于任一个商品画像数据对应的备选商品，基于所述任一个商品画像数据和所述用户画像数据，根据商品排序规则确定该备选商品的成交率预测值；

根据所述备选商品中每个商品画像数据对应的备选商品的成交率预测值，对所述备选商品中商品画像数据对应的备选商品进行排序，得到所述第一排序结果。

14.如权利要求13所述的选品***，其特征在于，进一步包括：

选品管理单元，用于创建多个选品模块，并确定每个选品模块对应的商品筛选规则和商品排序规则；

选品执行单元，用于根据每个选品模块的商品筛选规则和所述商品池中商品画像数据，筛选出每个选品模块对应的多个备选商品。

15.如权利要求14所述的选品***，其特征在于，所述商品池中每个商品的商品画像数据包括业务指标值，每个业务指标值为商品画像数据中多个商品特征项的加权和；所述每个选品模块的商品筛选规则包括：筛选条件和备选商品数量；

所述选品执行单元根据下述方式以根据每个选品模块的商品筛选规则和所述商品池中商品画像数据，筛选出每个选品模块对应的多个备选商品：

对于任一个选品模块，根据该选品模块对应的筛选条件对商品池中商品画像数据对应的商品进行筛选，得到第一筛选结果；

按照业务指标值对所述第一筛选结果中商品进行排序，得到第二排序结果；

根据该选品模块的备选商品数量，从所述第二排序结果中选定所述多个备选商品。

16.如权利要求15所述的选品***，其特征在于，所述每个选品模块进一步包括：商品白名单和商品黑名单；所述选品执行单元根据下述方式按照业务指标值对所述第一筛选结果中商品进行排序，得到第二排序结果：

将与所述第一筛选结果中属于所述商品白名单的商品对应的业务指标值设置为最大值，并剔除第一筛选结果中属于所述商品黑名单的商品，得到第二筛选结果；

按照业务指标值对所述第二筛选结果中商品进行排序，得到所述第二排序结果。

17.如权利要求16所述的选品***，其特征在于，进一步包括黑白名单管理单元，用于配置每个选品模块中商品白名单和商品黑名单。

18.如权利要求14所述的选品***，其特征在于，进一步包括定时任务单元，用于周期性调用选品执行单元对选品库中每个选品模块的商品画像数据进行更新。

19.一种选品***，其特征在于包括：

处理器；

存储器；以及

一个或多个程序，存储在该存储器中并被配置为由所述处理器执行，所述一个或多个程序包括用于执行权利要求1-8中任一项所述的方法的指令。

20.一种存储介质，存储有一个或多个程序，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行如权利要求1-8中任一项所述的方法。

Images