CN112288549A - 一种商品推荐列表生成方法、装置、设备及可读存储介质 - Google Patents
一种商品推荐列表生成方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN112288549A CN112288549A CN202011296686.5A CN202011296686A CN112288549A CN 112288549 A CN112288549 A CN 112288549A CN 202011296686 A CN202011296686 A CN 202011296686A CN 112288549 A CN112288549 A CN 112288549A
- Authority
- CN
- China
- Prior art keywords
- user
- potential
- information
- users
- historical
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000012216 screening Methods 0.000 claims abstract description 50
- 230000003442 weekly effect Effects 0.000 claims description 84
- 238000004590 computer program Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000010845 search algorithm Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 12
- 230000001186 cumulative effect Effects 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种商品推荐列表生成方法、装置、设备及计算机可读存储介质,方法包括:获取与BD绑定的每个用户的用户信息;基于用户的等级筛选第一***,根据第一***在历史统计时间内的下单信息及在当前统计时间内的下单信息计算下单偏差,根据下单偏差从第一***中筛选第二***;根据各第二***的位置生成用户访问路径,根据各第二***的历史购买商品信息和/或所在商圈的商品销售信息生成商品推荐信息,基于用户访问路径及商品推荐信息生成商品推荐列表。本申请公开的上述技术方案,通过生成商品推荐列表而使得BD可以根据该列表来对第二***进行有针对性和目的性的商品推荐,从而便于提高商品推荐效率和效果。
Description
技术领域
本申请涉及商品推荐技术领域,更具体地说,涉及一种商品推荐列表生成方法、装置、设备及计算机可读存储介质。
背景技术
现有技术中,B2B(Business-to-Business,企业对企业)零售电商平台为了更好地进行线下产品销售,多需要BD(Bussiness Developer,市场开发人员)针对店铺客户进行线下的产品推广。
现有技术中,BD通常采用地毯式推广方法来对店铺进行商品推广,但是,由于BD在找寻目标时并没有对店铺的需求性进行分析,可能店铺刚刚采购完或者采购的品类不一样,已经达到了采购的要求,因此,则导致推广的目的性比较差、效果比较差,且这种推广方法会浪费大量的人力和物力,同时也会因BD本身业务能力、经验等人为因素而导致商品推荐效果比较差。
综上所述,如何便于提高BD对商品的推荐效率和效果,是目前本领域技术人员亟待解决的技术问题。
发明内容
有鉴于此,本申请的目的是提供一种商品推荐列表生成方法、装置、设备及计算机可读存储介质,用于便于提高BD对商品的推荐效率和效果。
为了实现上述目的,本申请提供如下技术方案:
一种商品推荐列表生成方法,包括:
获取与BD绑定的每个用户的用户信息;所述用户信息包括所述用户的等级、在历史统计时间内的下单信息及在当前统计时间内的下单信息;
基于所述用户的等级筛选第一***,根据所述第一***在所述历史统计时间内的下单信息及在所述当前统计时间内的下单信息计算下单偏差,根据所述下单偏差从所述第一***中筛选第二***;
根据各所述第二***的位置生成用户访问路径,根据各所述第二***的历史购买商品信息和/或所在商圈的商品销售信息生成商品推荐信息,基于所述用户访问路径及所述商品推荐信息生成商品推荐列表。
优选的,基于所述用户的等级筛选第一***,包括:
获取等级大于或等于预设等级的用户对目标品类商品的历史购买信息;其中,所述历史购买信息包括累计GMV、累计SKU;
按照所述历史购买信息由高到低的顺序对所述等级大于或等于预设等级的用户进行排序,并从排序的用户中筛选排在前面的第一预设数量个用户作为所述第一***。
优选的,基于所述用户的等级筛选第一***,包括:
获取等级小于所述预设等级且在所述当前统计时间内未下单的用户,并从获取到的用户中筛选出第二预设数量的用户作为所述第一***。
优选的,根据所述第一***在所述历史统计时间内的下单信息及在所述当前统计时间内的下单信息计算下单偏差,根据所述下单偏差从所述第一***中筛选第二***,包括:
根据所述第一***在所述历史统计时间内的下单信息计算所述第一***的平均下单周期、历史平均每周订单量、历史平均每周GMV;
从所述第一***在所述当前统计时间内的下单信息中获取所述第一***最近一次下单时间,并基于所述第一***在所述当前统计时间内的下单信息计算所述第一***在所述当前统计时间内的当前平均每周订单量、当前平均每周GMV;
计算所述第一***最近一次下单时间与当前时间的时间偏差,若所述时间偏差大于所述第一***对应的平均下单周期,则将所述第一***的当前平均每周订单量与对应的历史平均每周订单量进行比较,并将所述第一***的当前平均每周GMV与对应的历史平均每周GMV进行比较;
将所述当前平均每周订单量与对应的历史平均每周订单量有偏差且所述当前平均每周GMV与对应的历史平均每周GMV有偏差的第一***、仅所述当前平均每周订单量与对应的历史平均每周订单量有偏差的第一***、仅所述当前平均每周GMV与对应的历史平均每周GMV有偏差的第一***确定为所述第二***。
优选的,根据各所述第二***的位置生成用户访问路径,包括:
根据各所述第二***的位置利用贪心算法或禁忌搜索算法生成所述用户访问路径。
优选的,根据所述第一***在所述历史统计时间内的下单信息计算所述第一***的平均下单周期,包括:
利用移动平均法根据所述第一***在所述历史统计时间内的下单信息计算所述第一***的平均下单周期。
一种商品推荐列表生成装置,包括:
获取模块,用于获取与BD绑定的每个用户的用户信息;所述用户信息包括所述用户的等级、在历史统计时间内的下单信息及在当前统计时间内的下单信息;
筛选模块,用于基于所述用户的等级筛选第一***,根据所述第一***在所述历史统计时间内的下单信息及在所述当前统计时间内的下单信息计算下单偏差,根据所述下单偏差从所述第一***中筛选第二***;
生成模块,用于根据各所述第二***的位置生成用户访问路径,根据各所述第二***的历史购买商品信息和/或所在商圈的商品销售信息生成商品推荐信息,基于所述用户访问路径及所述商品推荐信息生成商品推荐列表。
优选的,所述筛选模块包括:
第一获取单元,用于获取等级大于或等于预设等级的用户对目标品类商品的历史购买信息;其中,所述历史购买信息包括累计GMV、累计SKU;
第一筛选单元,用于按照所述历史购买信息由高到低的顺序对所述等级大于预设等级的用户进行排序,并从排序的用户中筛选第一预设数量的用户作为所述第一***。
一种商品推荐列表生成设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如上述任一项所述的商品推荐列表生成方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,所述计算机程序被处理器执行时实现如上述任一项所述的商品推荐列表生成方法的步骤。
本申请提供了一种商品推荐列表生成方法、装置、设备及计算机可读存储介质,其中,该方法包括:获取与BD绑定的每个用户的用户信息;用户信息包括用户的等级、在历史统计时间内的下单信息及在当前统计时间内的下单信息;基于用户的等级筛选第一***,根据第一***在历史统计时间内的下单信息及在当前统计时间内的下单信息计算下单偏差,根据下单偏差从第一***中筛选第二***;根据各第二***的位置生成用户访问路径,根据各第二***的历史购买商品信息和/或所在商圈的商品销售信息生成商品推荐信息,基于用户访问路径及商品推荐信息生成商品推荐列表。
本申请公开的上述技术方案,通过获取与BD绑定的每个用户的用户信息,基于用户信息包含的用户的等级筛选第一***,根据第一***在历史统计时间内的下单信息及在当前统计时间内的下单信息计算下单偏差,根据下单偏差从第一***中筛选第二***,并根据各第二***的位置生成用户访问路径,且根据各第二***的历史购买商品信息和/或所在商圈的商品销售信息生成商品推荐信息,基于所生成的用户访问路径及商品推荐信息生成商品推荐列表,以便于BD根据商品推荐列表中第二***的用户访问路径及商品推荐信息来对第二***进行有针对性和有目的性的商品推荐,从而避免BD对所有用户进行地毯式和盲目的商品推荐,进而便于提高BD对商品的推荐效率和推荐效果。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术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,还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的一种商品推荐列表生成方法的流程图;
图2为本申请实施例提供的一种商品推荐列表生成装置的结构示意图;
图3为本申请实施例提供的一种商品推荐列表生成设备的结构示意图。
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。
现有BD在进行商品推广时,通常是采用地毯式推广方法来进行实现,由于这种方式使得BD在找寻用户时并没有对店铺的需求性进行分析,因此,则导致推广的目的性比较差、效果比较差,且这种方式会浪费大量的人力和物力,另一方面由于目前BD服务的用户基数比较多平均282个用户,最多的有706个,根据之前的BD库升降机规则最高一个BD可以负责480个用户,平均28分钟/用户,BD无法真正有效地服务到每个用户,且针对BD的培养体系并不完善(如公司文化、内部制度培训),如何根据用户交易行为、平台浏览行为解读用户会因BD经验、能力而有所不同,同时由于BD人员流失率高,则会导致BD名下客户流入公海,新接手BD对老用户知之甚少,BD个人素质等差异比较大,导致转化率参差不齐等,为此,本申请提供一种商品推荐列表生成方法,用于便于提高BD对商品的推荐效率和推荐效果。
具体可以参见图1,其示出了本申请实施例提供的一种商品推荐列表生成方法的流程图,本申请实施例提供的一种商品推荐列表生成方法,可以包括:
S11:获取与BD绑定的每个用户的用户信息;用户信息包括用户的等级、在历史统计时间内的下单信息及在当前统计时间内的下单信息。
先从用户数据库中获取与BD绑定的每个用户的用户信息,其中,这里提及的用户信息包含但不限于用户的等级、用户在历史统计时间内的下单信息、用户在当前统计时间内的下单信息。其中,用户的等级越高,则表明用户的订单数据越大,且这里提及的历史统计时间具体可以为三个月或者其他时间,当前统计时间具体可以为本月或者其他时间。需要说明的是,在本申请中可以以历史统计时间为三个月,当前统计时间为本月为例进行说明,至于历史统计时间为其他时间、当前统计时间为其他时间的具体实现过程与本申请类似,在此不再赘述。
另外需要说明的是,上述提及的用户的等级具体可以是根据用户在上一个月的累计GMV(Gross Merchandise Volume,网站成交金额)来进行确定的,其中,累计GMV为0时,用户的等级为V0,累计GMV在(0,3000]范围内时,用户的等级为V1,累计GMV在(3000,6000]范围内时,用户的等级为V2,累计GMV在(6000,10000]范围内时,用户的等级为V3,累计GMV在(10000,20000]范围内时,用户的等级为V4,累计GMV在(20000,+)范围内时,用户的等级为V5。当然,累积GMV的范围并不局限于上述提及的形式,另外,也可以根据订单数量等订单数据来对用户的等级进行确定。
S12:基于用户的等级筛选第一***,根据第一***在历史统计时间内的下单信息及在当前统计时间内的下单信息计算下单偏差,根据下单偏差从第一***中筛选第二***。
在确定与BD绑定的每个用户的用户信息之后,可以基于获取到的用户信息中所包含的用户的等级来筛选出商品推荐潜力比较大的第一***,之后,可以根据第一***在历史统计时间内的下单信息及其在当前统计时间内的下单信息来对应计算各第一***的下单偏差,并基于各第一***的下单偏差而从第一***中筛选出商品推荐潜力更大的第二***,以便于BD可以对所确定出的第二***进行商品推荐。
S13:根据各第二***的位置生成用户访问路径,根据各第二***的历史购买商品信息和/或所在商圈的商品销售信息生成商品推荐信息,基于用户访问路径及商品推荐信息生成商品推荐列表。
在筛选得到第二***之后,可以获取各第二***的ID(账号),并根据各第二***的ID对应获取各第二***的位置(具体为地理位置),并根据各第二***的位置生成用户访问路径,以便于BD根据用户访问路径来对各第二***进行访问。
与此同时,可以根据各第二***的历史购买商品信息和/或各第二***所在商圈的商品销售信息生成商品推荐信息,具体地,对于根据各第二***的历史购买商品信息生成商品推荐信息时,可以获取各第二***的购买商品记录,并统计每个商品的购买频次,且对每个商品的购买频次按照由高到低的顺序进行排序,优先根据购买频次比较高的商品生成商品推荐信息;对于根据各第二***所在商圈的商品销售信息生成商品推荐信息时,其中一种方式是可以根据各第二***所在商圈而计算其商圈内商品销量和销售金额,并进行排序,且从中筛选出排在前预设名(例如50或其他数值)的热卖商品,之后,查询第二***对这些热卖商品的购买情况,并根据第二***对所筛选出的热卖商品的购买情况生成商品推荐信息(具体对没有购买或购买比较少的第二***推荐这些热卖商品),另外一种方式是可以根据各第二***所在商圈而计算其商圈内对于某一品类商品的销售量和购买金额,并进行排序,且从中筛选出排在前预设名(例如50或其他数值)的该品类热卖商品,之后,查询第二***对该品类热卖商品的购买情况,并根据第二***对该品类热卖商品的购买情况生成商品推荐信息(具体对没有购买或购买比较少的第二***推荐该品类热卖商品)。
之后,可以根据所生成的用户访问路径以及对各第二***生成的商品推荐信息来生成商品推荐列表,其中,该商品推荐列表中不仅包含对各第二***进行商品推荐的商品推荐信息,同时也包含在对各第二***进行商品推荐时所应进行的用户访问路径,以便于BD可以直接根据商品推荐列表来对各第二***进行有针对性、目的性的商品推荐,而不再进行盲目、地毯式的商品推荐,从而便于提高商品推荐的效果和商品推荐的效率。
本申请公开的上述技术方案,通过获取与BD绑定的每个用户的用户信息,基于用户信息包含的用户的等级筛选第一***,根据第一***在历史统计时间内的下单信息及在当前统计时间内的下单信息计算下单偏差,根据下单偏差从第一***中筛选第二***,并根据各第二***的位置生成用户访问路径,且根据各第二***的历史购买商品信息和/或所在商圈的商品销售信息生成商品推荐信息,基于所生成的用户访问路径及商品推荐信息生成商品推荐列表,以便于BD根据商品推荐列表中第二***的用户访问路径及商品推荐信息来对第二***进行有针对性和有目的性的商品推荐,从而避免BD对所有用户进行地毯式和盲目的商品推荐,进而便于提高BD对商品的推荐效率和推荐效果。
本申请实施例提供的一种商品推荐列表生成方法,基于用户的等级筛选第一***,可以包括:
获取等级大于或等于预设等级的用户对目标品类商品的历史购买信息;其中,历史购买信息可以包括累计GMV、累计SKU;
按照历史购买信息由高到低的顺序对等级大于或等于预设等级的用户进行排序,并从排序的用户中筛选排在前面的第一预设数量个用户作为所述第一***。
在基于用户的等级筛选第一***时,可以获取等级大于或等于预设等级(例如具体可以为V3等级)的用户对目标品类商品的历史购买信息,其中,这里提及的历史购买信息具体可以包含累计GMV、累计SKU(Stock Keeping Unit,库存量单位),且这里提及的历史购买信息具体可以指用户从注册到当前的所有历史购买信息。之后,则可以按照历史购买信息由高到低的顺序对等级大于或等于预设等级的所有用户进行排序,其中,在排序时可以将每个等级大于或等于预设等级的用户的累计GMV和累计SKU分别乘以一个对应的权重系数(具体每个可以为0.5,当然,该权重系数可以根据经验等进行调整)之后进行相加,并按照相加得到结果由高到低的顺序来对其进行排序,之后,可以从排序的用户中筛选出排在前面的第一预设数量个用户作为第一***,其中,该第一预设数量具体可以为10-30中的任一值,当然,也可以为其他值。
通过上述过程可以将等级比较高且历史购买信息比较大的用户作为第一***而进行后续的第二***的筛选和商品推荐列表的确定,以便于BD可以更好地对用户进行商品推荐,从而便于提高商品推荐效果。
本申请实施例提供的一种商品推荐列表生成方法,基于用户的等级筛选第一***,可以包括:
获取等级小于预设等级且在当前统计时间内未下单的用户,并从获取到的用户中筛选出第二预设数量的用户作为第一***。
在基于用户的等级筛选第一***时,除了通过上述方式实现筛选外,还可以通过如下方式进行筛选:获取等级小于预设等级且在当前统计时间内未下单的用户,并从获取到的等级小于预设等级且在当前统计时间内未下单的用户中筛选出第二预设数量的用户作为第一***,其中,该第二预设数量具体可以为10-30中的任一值,当然,也可以为其他值。
通过上述方式可以从与BD绑定的所有用户中筛选出等级虽低但有购买潜力的用户,从而便于BD来对这些用户较好地进行商品推荐,进而便于提高商品推荐效果和商品推荐效率。
本申请实施例提供的一种商品推荐列表生成方法,根据第一***在历史统计时间内的下单信息及在当前统计时间内的下单信息计算下单偏差,根据下单偏差从第一***中筛选第二***,可以包括:
根据第一***在历史统计时间内的下单信息计算第一***的平均下单周期、历史平均每周订单量、历史平均每周GMV;
从第一***在当前统计时间内的下单信息中获取第一***最近一次下单时间,并基于第一***在当前统计时间内的下单信息计算第一***在当前统计时间内的当前平均每周订单量、当前平均每周GMV;
计算第一***最近一次下单时间与当前时间的时间偏差,若时间偏差大于第一***对应的平均下单周期,则将第一***的当前平均每周订单量与对应的历史平均每周订单量进行比较,并将第一***的当前平均每周GMV与对应的历史平均每周GMV进行比较;
将当前平均每周订单量与对应的历史平均每周订单量有偏差且当前平均每周GMV与对应的历史平均每周GMV有偏差的第一***、仅当前平均每周订单量与对应的历史平均每周订单量有偏差的第一***、仅当前平均每周GMV与对应的历史平均每周GMV有偏差的第一***确定为第二***。
在根据第一***在历史统计时间内的下单信息及在当前统计时间内的下单信息计算下单偏差,根据下单偏差从第一***中筛选第二***时,可以先根据各第一***在历史统计时间内的下单信息计算第一***的平均下单周期、历史平均每周订单量、历史平均每周GMV,同时可以从各第一***在当前统计时间内的下单信息中对应获取各第一***最近一次下单时间,并根据各第一***在当前统计时间内的下单信息对应计算各第一***在当前统计时间内的当前平均每周订单量、当前平均每周GMV,之后,可以根据各第一***最近一次下单时间对应计算各第一***最近一次下单时间与当前时间的偏差,若存在第一***的时间偏差大于其对应的平均下单周期,则将这些第一***的当前平均每周订单量与各自对应的历史平均每周订单量进行比较,且将这些第一***的当前平均每周GMV与各自对应的历史平均每周GMV进行比较,之后,则将当前平均每周订单量与对应的历史平均每周订单量有偏差且当前平均每周GMV与对应的历史平均每周GMV有偏差的第一***、仅当前平均每周订单量与对应的历史平均每周订单量有偏差的第一***、仅当前平均每周GMV与对应的历史平均每周GMV有偏差的第一***确定为第二***均确定为第二***,也即在所筛选出的存在时间偏差的第一***中,除了当前平均每周订单量与对应的历史平均每周订单量没有偏差且当前平均每周GMV与对应的历史平均每周GMV没有偏差的第一***外,其余第一***均作为第二***而包含在商品推荐列表中,以便于BD来对这些第二***进行商品推荐。
本申请实施例提供的一种商品推荐列表生成方法,根据各第二***的位置生成用户访问路径,可以包括:
根据各第二***的位置利用贪心算法或禁忌搜索算法生成用户访问路径。
在根据各第二***的位置生成用户访问路径时,可以根据各第二***的位置利用贪心算法或禁忌搜索算法生成用户访问路径,以便于生成最优用户访问路径,从而便于BD根据所生成的用户访问路径来更好地对各第二***进行商品推荐。
本申请实施例提供的一种商品推荐列表生成方法,根据第一***在历史统计时间内的下单信息计算第一***的平均下单周期,可以包括:
利用移动平均法根据第一***在历史统计时间内的下单信息计算第一***的平均下单周期。
在本申请中,具体可以利用移动平均法根据第一***在历史统计时间内的下单信息计算第一***的平均下单周期。当然,也可以采用其他方法进行计算,本申请对此不做任何限定。
本申请实施例还提供了一种商品推荐列表生成装置,参见图2,其示出了本申请实施例提供的一种商品推荐列表生成装置的结构示意图,可以包括:
获取模块21,用于获取与BD绑定的每个用户的用户信息;用户信息可以包括用户的等级、在历史统计时间内的下单信息及在当前统计时间内的下单信息;
筛选模块22,用于基于用户的等级筛选第一***,根据第一***在历史统计时间内的下单信息及在当前统计时间内的下单信息计算下单偏差,根据下单偏差从第一***中筛选第二***;
生成模块23,用于根据各第二***的位置生成用户访问路径,根据各第二***的历史购买商品信息和/或所在商圈的商品销售信息生成商品推荐信息,基于用户访问路径及商品推荐信息生成商品推荐列表。
本申请实施例提供的一种商品推荐列表生成装置,筛选模块22可以包括:
第一获取单元,用于获取等级大于或等于预设等级的用户对目标品类商品的历史购买信息;其中,历史购买信息可以包括累计GMV、累计SKU;
第一筛选单元,用于按照历史购买信息由高到低的顺序对等级大于预设等级的用户进行排序,并从排序的用户中筛选第一预设数量的用户作为第一***。
本申请实施例提供的一种商品推荐列表生成装置,筛选模块22可以包括:
第二获取单元,用于获取等级小于预设等级且在当前统计时间内未下单的用户,并从获取到的用户中筛选出第二预设数量的用户作为第一***。
本申请实施例提供的一种商品推荐列表生成装置,筛选模块22可以包括:
第一计算单元,用于根据第一***在历史统计时间内的下单信息计算第一***的平均下单周期、历史平均每周订单量、历史平均每周GMV;
第二计算单元,用于从第一***在当前统计时间内的下单信息中获取第一***最近一次下单时间,并基于第一***在当前统计时间内的下单信息计算第一***在当前统计时间内的当前平均每周订单量、当前平均每周GMV;
第三计算单元,用于计算第一***最近一次下单时间与当前时间的时间偏差,若时间偏差大于第一***对应的平均下单周期,则将第一***的当前平均每周订单量与对应的历史平均每周订单量进行比较,并将第一***的当前平均每周GMV与对应的历史平均每周GMV进行比较;
确定单元,用于将当前平均每周订单量与对应的历史平均每周订单量有偏差且当前平均每周GMV与对应的历史平均每周GMV有偏差的第一***、仅当前平均每周订单量与对应的历史平均每周订单量有偏差的第一***、仅当前平均每周GMV与对应的历史平均每周GMV有偏差的第一***确定为第二***。
本申请实施例提供的一种商品推荐列表生成装置,生成模块23可以包括:
生成单元,用于根据各第二***的位置利用贪心算法或禁忌搜索算法生成用户访问路径。
本申请实施例提供的一种商品推荐列表生成装置,第一计算单元可以包括:
计算子单元,用于利用移动平均法根据第一***在历史统计时间内的下单信息计算第一***的平均下单周期。
本申请实施例还提供了一种商品推荐列表生成设备,参见图3,其示出了本申请实施例提供的一种商品推荐列表生成设备的结构示意图,可以包括:
存储器31,用于存储计算机程序;
处理器32,用于执行存储器31存储的计算机程序时可实现如下步骤:
获取与BD绑定的每个用户的用户信息;用户信息包括用户的等级、在历史统计时间内的下单信息及在当前统计时间内的下单信息;基于用户的等级筛选第一***,根据第一***在历史统计时间内的下单信息及在当前统计时间内的下单信息计算下单偏差,根据下单偏差从第一***中筛选第二***;根据各第二***的位置生成用户访问路径,根据各第二***的历史购买商品信息和/或所在商圈的商品销售信息生成商品推荐信息,基于用户访问路径及商品推荐信息生成商品推荐列表。
本申请实施例还提供了一种计算机可读存储介质,计算机可读存储介质中存储有计算机程序,计算机程序被处理器执行时可实现如下步骤:
获取与BD绑定的每个用户的用户信息;用户信息包括用户的等级、在历史统计时间内的下单信息及在当前统计时间内的下单信息;基于用户的等级筛选第一***,根据第一***在历史统计时间内的下单信息及在当前统计时间内的下单信息计算下单偏差,根据下单偏差从第一***中筛选第二***;根据各第二***的位置生成用户访问路径,根据各第二***的历史购买商品信息和/或所在商圈的商品销售信息生成商品推荐信息,基于用户访问路径及商品推荐信息生成商品推荐列表。
该计算机可读存储介质可以包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请实施例提供的一种商品推荐列表生成装置、设备及计算机可读存储介质中相关部分的说明可以参见本申请实施例提供的一种商品推荐列表生成方法中对应部分的详细说明,在此不再赘述。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。另外,本申请实施例提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明,以免过多赘述。
对所公开的实施例的上述说明,使本领域技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种商品推荐列表生成方法,其特征在于,包括:
获取与BD绑定的每个用户的用户信息;所述用户信息包括所述用户的等级、在历史统计时间内的下单信息及在当前统计时间内的下单信息;
基于所述用户的等级筛选第一***,根据所述第一***在所述历史统计时间内的下单信息及在所述当前统计时间内的下单信息计算下单偏差,根据所述下单偏差从所述第一***中筛选第二***;
根据各所述第二***的位置生成用户访问路径,根据各所述第二***的历史购买商品信息和/或所在商圈的商品销售信息生成商品推荐信息,基于所述用户访问路径及所述商品推荐信息生成商品推荐列表。
2.根据权利要求1所述的商品推荐列表生成方法,其特征在于,基于所述用户的等级筛选第一***,包括:
获取等级大于或等于预设等级的用户对目标品类商品的历史购买信息;其中,所述历史购买信息包括累计GMV、累计SKU;
按照所述历史购买信息由高到低的顺序对所述等级大于或等于预设等级的用户进行排序,并从排序的用户中筛选排在前面的第一预设数量个用户作为所述第一***。
3.根据权利要求2所述的商品推荐列表生成方法,其特征在于,基于所述用户的等级筛选第一***,包括:
获取等级小于所述预设等级且在所述当前统计时间内未下单的用户,并从获取到的用户中筛选出第二预设数量的用户作为所述第一***。
4.根据权利要求1至3任一项所述的商品推荐列表生成方法,其特征在于,根据所述第一***在所述历史统计时间内的下单信息及在所述当前统计时间内的下单信息计算下单偏差,根据所述下单偏差从所述第一***中筛选第二***,包括:
根据所述第一***在所述历史统计时间内的下单信息计算所述第一***的平均下单周期、历史平均每周订单量、历史平均每周GMV;
从所述第一***在所述当前统计时间内的下单信息中获取所述第一***最近一次下单时间,并基于所述第一***在所述当前统计时间内的下单信息计算所述第一***在所述当前统计时间内的当前平均每周订单量、当前平均每周GMV;
计算所述第一***最近一次下单时间与当前时间的时间偏差,若所述时间偏差大于所述第一***对应的平均下单周期,则将所述第一***的当前平均每周订单量与对应的历史平均每周订单量进行比较,并将所述第一***的当前平均每周GMV与对应的历史平均每周GMV进行比较;
将所述当前平均每周订单量与对应的历史平均每周订单量有偏差且所述当前平均每周GMV与对应的历史平均每周GMV有偏差的第一***、仅所述当前平均每周订单量与对应的历史平均每周订单量有偏差的第一***、仅所述当前平均每周GMV与对应的历史平均每周GMV有偏差的第一***确定为所述第二***。
5.根据权利要求4所述的商品推荐列表生成方法,其特征在于,根据各所述第二***的位置生成用户访问路径,包括:
根据各所述第二***的位置利用贪心算法或禁忌搜索算法生成所述用户访问路径。
6.根据权利要求4所述的商品推荐列表生成方法,其特征在于,根据所述第一***在所述历史统计时间内的下单信息计算所述第一***的平均下单周期,包括:
利用移动平均法根据所述第一***在所述历史统计时间内的下单信息计算所述第一***的平均下单周期。
7.一种商品推荐列表生成装置,其特征在于,包括:
获取模块,用于获取与BD绑定的每个用户的用户信息;所述用户信息包括所述用户的等级、在历史统计时间内的下单信息及在当前统计时间内的下单信息;
筛选模块,用于基于所述用户的等级筛选第一***,根据所述第一***在所述历史统计时间内的下单信息及在所述当前统计时间内的下单信息计算下单偏差,根据所述下单偏差从所述第一***中筛选第二***;
生成模块,用于根据各所述第二***的位置生成用户访问路径,根据各所述第二***的历史购买商品信息和/或所在商圈的商品销售信息生成商品推荐信息,基于所述用户访问路径及所述商品推荐信息生成商品推荐列表。
8.根据权利要求7所述的商品推荐列表生成装置,其特征在于,所述筛选模块包括:
第一获取单元,用于获取等级大于或等于预设等级的用户对目标品类商品的历史购买信息;其中,所述历史购买信息包括累计GMV、累计SKU;
第一筛选单元,用于按照所述历史购买信息由高到低的顺序对所述等级大于预设等级的用户进行排序,并从排序的用户中筛选第一预设数量的用户作为所述第一***。
9.一种商品推荐列表生成设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至6任一项所述的商品推荐列表生成方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的商品推荐列表生成方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011296686.5A CN112288549B (zh) | 2020-11-18 | 2020-11-18 | 一种商品推荐列表生成方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011296686.5A CN112288549B (zh) | 2020-11-18 | 2020-11-18 | 一种商品推荐列表生成方法、装置、设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112288549A true CN112288549A (zh) | 2021-01-29 |
CN112288549B CN112288549B (zh) | 2024-05-31 |
Family
ID=74398086
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011296686.5A Active CN112288549B (zh) | 2020-11-18 | 2020-11-18 | 一种商品推荐列表生成方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112288549B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113506152A (zh) * | 2021-07-08 | 2021-10-15 | 四川新龟科技有限公司 | 一种商品下单方法、装置、设备及存储介质 |
CN116894692A (zh) * | 2023-09-11 | 2023-10-17 | 北京亿家老小科技有限公司 | 一种线上网络销售用户潜在需求分析监控方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002279279A (ja) * | 2001-03-22 | 2002-09-27 | Just Syst Corp | 商品推薦装置、商品推薦方法、及び商品推薦プログラム |
CN105975613A (zh) * | 2016-05-19 | 2016-09-28 | 国网重庆市电力公司客户服务中心 | 基于历史访问数据的服务渠道推荐方法、装置及*** |
CN109242612A (zh) * | 2018-08-22 | 2019-01-18 | 中国平安人寿保险股份有限公司 | 一种产品推荐的方法及设备 |
CN109584016A (zh) * | 2018-12-03 | 2019-04-05 | 广东鸭梨云信息科技有限公司 | 一种商品推荐方法 |
CN110222272A (zh) * | 2019-04-18 | 2019-09-10 | 广东工业大学 | 一种潜在客户挖掘与推荐方法 |
-
2020
- 2020-11-18 CN CN202011296686.5A patent/CN112288549B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002279279A (ja) * | 2001-03-22 | 2002-09-27 | Just Syst Corp | 商品推薦装置、商品推薦方法、及び商品推薦プログラム |
CN105975613A (zh) * | 2016-05-19 | 2016-09-28 | 国网重庆市电力公司客户服务中心 | 基于历史访问数据的服务渠道推荐方法、装置及*** |
CN109242612A (zh) * | 2018-08-22 | 2019-01-18 | 中国平安人寿保险股份有限公司 | 一种产品推荐的方法及设备 |
CN109584016A (zh) * | 2018-12-03 | 2019-04-05 | 广东鸭梨云信息科技有限公司 | 一种商品推荐方法 |
CN110222272A (zh) * | 2019-04-18 | 2019-09-10 | 广东工业大学 | 一种潜在客户挖掘与推荐方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113506152A (zh) * | 2021-07-08 | 2021-10-15 | 四川新龟科技有限公司 | 一种商品下单方法、装置、设备及存储介质 |
CN116894692A (zh) * | 2023-09-11 | 2023-10-17 | 北京亿家老小科技有限公司 | 一种线上网络销售用户潜在需求分析监控方法及*** |
CN116894692B (zh) * | 2023-09-11 | 2023-11-24 | 北京亿家老小科技有限公司 | 一种线上网络销售用户潜在需求分析监控方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN112288549B (zh) | 2024-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104239338A (zh) | 信息推荐方法及装置 | |
US20020065797A1 (en) | System, method and computer program for automated collaborative filtering of user data | |
JP5232936B2 (ja) | オークションシステム、オークション装置、オークション方法、プログラム及び情報記録媒体 | |
CN103890762A (zh) | 信息处理装置、信息处理方法、信息处理程序以及记录介质 | |
CN106469392A (zh) | 选择及推荐展示对象的方法及装置 | |
KR101509131B1 (ko) | 온라인 판매자 평가정보 제공방법 | |
CN112288549B (zh) | 一种商品推荐列表生成方法、装置、设备及可读存储介质 | |
CN110347924A (zh) | 果蔬商城管理***及果蔬信息推送方法 | |
CN109919737B (zh) | 一种生产销售商品的推荐方法及*** | |
JP6758450B1 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
CN104111938A (zh) | 一种信息推荐的方法及装置 | |
CN112053212A (zh) | 一种商品团购方法、商品团购***和电子设备 | |
Prasetyo | Searching cheapest product on three different e-commerce using k-means algorithm | |
CN114723492A (zh) | 一种企业画像的生成方法及设备 | |
CN111222985A (zh) | 理财产品交易方法及装置 | |
KR101963711B1 (ko) | 중고물품 거래방법 | |
CN112529666A (zh) | 商品推荐方法、***、计算机设备及存储介质 | |
KR100418388B1 (ko) | 전자상거래에 있어서 구매자의 구매 의사 결정 지원 방법및 장치 | |
CN111598660A (zh) | 一种用于筛选供应商的计算机筛选装置、方法及存储介质 | |
CN112053213A (zh) | 一种商品推荐方法、***及相关装置 | |
CN116595390A (zh) | 商品信息处理方法及电子设备 | |
US20150170038A1 (en) | Method And System For Generating Item Recommendation | |
Leimstoll et al. | Collaborative recommender systems for online shops | |
CN110969471A (zh) | 电子券的分发方法和装置 | |
CN112017000B (zh) | 一种商品信息推送方法、装置、设备及存储介质 |
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 |