CN112381623B

CN112381623B - 一种基于大数据分析的电子商务平台商品智能推荐方法

Info

Publication number: CN112381623B
Application number: CN202011406576.XA
Authority: CN
Inventors: 周浪
Original assignee: Shenzhen Kuaiyun Technology Co ltd
Current assignee: Shenzhen kuaiyun Technology Co.,Ltd.
Priority date: 2020-12-04
Filing date: 2020-12-04
Publication date: 2021-07-06
Anticipated expiration: 2040-12-04
Also published as: CN112381623A

Abstract

本发明公开一种基于大数据分析的电子商务平台商品智能推荐方法，包括以下步骤：账号信息获取、历史购物信息筛选、历史购物记录分析、历史购物记录时间分析、商品推荐。本发明通过一种对用户历史购物记录全面的进行分析的方法，分析出下一次购买时间点，对一些有周期性的消耗品商品类别及时在下一次购买时间点向用户进行推荐，解决了与用户匹配度不高的问题，并对用户购买过的商家进行分析，节省了用户在搜索商品页中浪费的时间，让用户更加直观有针对性的对商品进行高效的购买，且通过分析出的商品智能推荐系数更加精准的对用户进行商家推荐，提高了与用户的匹配度，使得该方法更加适合推广使用。

Description

一种基于大数据分析的电子商务平台商品智能推荐方法

技术领域

本发明涉及商品智能推荐领域，涉及到一种基于大数据分析的电子商务平台商品智能推荐方法。

背景技术

商品智能推荐是在购物APP上通过对用户浏览记录的分析定期对用户传送需要的信息来减少信息过载的一项新方法。推荐方法通过自动推荐商品给用户，来减少用于商品搜索页的搜索时间，它根据用户的兴趣来搜索、过滤商品，并将其推荐给用户。

现有的商品智能推荐方法，在使用过程中，采集的数据不够全面，从而导致***分析的数据偏差较大，与用户的匹配度不高，同时目前的商品智能推荐方法在使用过程中存在对一些有周期性的日常消耗品不能够及时的对用户进行推荐，使得用户不能准确高效的购买商品的问题，为了解决这些缺陷，现提出一种解决方法。

发明内容

本发明的目的在于提供一种基于大数据分析的电子商务平台商品智能推荐方法，通过获取账号信息模块和历史购物信息筛选模块，结合购物信息分析处理模块对用户的历史购买记录进行分析，统计商家的智能推荐系数和下一次购买时间点，并根据智能推荐系数和下一次购买时间点确定适宜的推荐商品时间和商家，解决了背景技术中存在的问题。

本发明的目的可以通过以下技术方案实现：

一种基于大数据分析的电子商务平台商品智能推荐方法，包括账号信息获取模块、历史购物信息筛选模块、购物信息分析处理模块和智能推荐终端；

所述账号信息获取模块与历史购物信息筛选模块连接，历史购物信息筛选模块与购物信息分析处理模块连接，购物信息分析处理模块与智能推荐终端连接；

所述账号信息获取模块，用于获取用户登陆电子商务平台的账号，进而获取该用户账号下所有历史购物记录，并将获取的各历史购物记录按照购物时间的先后顺序进行编号，依次标记为1,2...,p,...,q，同时将获取的所有历史购物记录发送至历史购物信息筛选模块；

所述历史购物信息筛选模块，用于接收账号信息获取模块发送的历史购物记录和编号，筛选出在设定的特定时间内的历史购物记录，并将筛选出的各条历史购物记录，按照购物时间的先后顺序进行编号分别标记为1,2...,i,...,n，进而获取筛选出的每条历史购物记录的商品类别、数量、购买时间、品牌、金额和商家，构成历史购物信息集合LS(LS_z1,LS_z2,...,LS_zi,...,LS_zn)，LS_zi表示为第i条历史购物记录中的第z个历史购物信息，z表示为历史购物信息， z＝A1,A2,A3,A4,A5,A6,A1,A2,A3,A4,A5,A6,分别表示历史购物记录中的商品类别、数量、购买时间、品牌、金额和商家，以此，将构成的历史购物信息集合发送至购物信息分析处理模块；

所述购物信息分析处理模块，用于接收历史购物信息筛选模块发送的历史购物信息集合，提取历史购物信息集合里的每条历史购物记录的商品类别，将提取出的商品类别进行对比，获取相同商品类别下的各条历史购物记录并对其进行编号分别标记为1,2...,j,...,m，构成相同商品类别集合 SP(SP_z1,SP_z2,...,SP_zj,...,SP_zm),SP表示为相同商品类别，SP_zj表示为该相同商品类别下的第j条历史购物记录中的第z个历史购物信息，然后，从相同商品类别集合中的每条历史购物记录里提取商品的品牌，将提取出的品牌进行对比，获取相同商品品牌的各条历史购物记录并对其进行编号，分别标记为 1,2...,k,...,l，构成相同商品品牌集合PP(PP_z1,PP_z2,...,PP_zk,...,pp_zl),pp表示为相同商品品牌，PP_zk表示为该相同商品品牌内的第k条历史购物记录里的第z个历史购物信息，再从相同品牌集合内的每条历史购物记录里提取商品的商家，将提取出的商家进行对比，统计该相同品牌下用户购买的商家个数，并对统计的各商家进行编号，依次标记为SJ1,SJ2,...,SJx,...,SJy,对统计的商家获取每个商家对应的各条历史购物记录，并对其进行编号1,2...,h,...,o，构成商家集合SJx(SJx_z1,SJx_z2,...,SJx_zh,...,SJx_zo)，SJx_zh表示为该相同品牌下的第x个商家中的第h条历史购物记录的第z个历史购物信息，并提取第x个商家对应的该商家集合里的各条历史购物记录的金额，构成商家金额集合 SJx(SJx_A51,SJx_A52,...,SJx_A5h,...,SJx_A5o),SJx表示第x个商家，SJx_A5h表示为第x个商家的第h条历史购物记录中的金额，获取统计的各商家对应的好评率，记为 u1,u2,...,ux,...,uy，根据以上统计各商家的智能推荐系数，通过智能推荐计算公式得到各商家的智能推荐系数Q，至此，将每个商家的智能推荐系数相对比，对每个商家按照智能推荐系数从大到小进行排序，将智能推荐系数最高的商家发送至智能推荐终端；

所述购物信息分析处理模块，从相同商品类别集合中提取该相同商品类别下各条历史购物记录的购买时间和数量，并将提取的各条历史购物记录对应的购买时间构成时间集合，将提取的各条历史购物记录对应的数量构成数量集合，所述时间集合为SP(SP_A31,SP_A32,...,SP_A3j,...,SP_A3m)，SP_A3j表示为该相同商品类别下的第j条历史购物记录的购买时间，所述数量集合为SP(SP_A21,SP_A22,...,SP_A2j,...,SP_A2m)，SP_A2j表示为该相同商品类别下的第j条历史购物记录的数量，从时间集合里的第二项开始将相邻两项做差，得到相邻两条历史购物记录购买时间之间的时间差记为ΔT,构成时间差集合ΔT(ΔT1，ΔT2，...,ΔTj-1,...,ΔTm-1)，ΔTj-1表示为时间集合里的第j条历史购物记录的购买时间与第j-1条历史购物记录的购买时间之间的时间差，根据数量集合和时间差集合统计该用户消耗该相同商品类别的单位数量商品对应的时长，从数量集合中提取最近一次历史购买记录的数量，即SP_A2m，通过时长公式得到该最近一次历史购物记录的数量可以消耗的时长，从时间集合中提取最近一次历史购买记录的购买时间，即SP_A3m，通过购买时间公式得到该相同商品类别下一次购买的时间点，将该相同商品类别下一次购买的时间点发送至智能推荐时间终端；

所述智能推荐终端用于接受购物信息分析模块发送的该商品类别下一次购买的时间点和智能推荐系数最高的商家，并获取当前时间点，将当前时间点与该商品类别下一次购买的时间点做对比，若两时间点相同，则在此时对该商品类别下智能推荐系数最高的商家进行推荐；

所述基于大数据分析的电子商务平台商品智能推荐方法，包括以下步骤：

S1：账号信息获取：获取用户的账号信息和历史购物记录；

S2：历史购物信息筛选：将获取的历史购物记录按照特定的时间内进行筛选，筛选出在特定的时间内的历史购物信息；

S3：历史购物记录分析：通过历史购物信息分析出在特定的时间范围内对应相同商品类别中相同商品品牌下的各商家的智能推荐系数；

S4：历史购物记录时间分析：通过历史购物信息分析出各相同商品类别数量的消耗时长，结合最近一次历史购物记录的数量判断出各相同商品类别下一次购买时间点；

S5：商品推荐：获取当前时间点，将当前时间点与该商品类别下一次购买的时间点做对比，若两时间点相同，则在此时对该商品类别下智能推荐系数最高的商家进行推荐；

优选的，所述历史购物信息筛选模块筛选出在设定的特定时间内的历史购物记录的具体筛选步骤为：

S1:获取当前时间和设定的时间点，得到筛选的前后时间点范围；

S2:提取账号信息获取模块发送的各条历史购物记录中的购买时间；

S3:将历史购物记录中的购买时间与得到的筛选前后时间点范围相对比，若某条历史购物记录的购买时间在此筛选前后时间点范围内，则保留该条历史购物记录，若该条历史购物记录的购买时间不在此筛选前后时间点范围内，则删除此条历史购物记录，保留的各条历史购物记录即为设定的特定时间内的历史购物记录。

优选的，所述各商家的智能推荐系数的计算公式为：

e表示为自然数，Qx表示为第x个商家的智能推荐系数，SJ_XA5h表示为第x个商家中的第h条历史购物记录的金额，PP_A5k 表示为该相同商品品牌中的第k条历史购物记录的金额，l表示为该相同商品品牌下用户购买的历史购物记录的条数，ox表示为第x个商家中用户购买的历史购物记录的条数，ux表示为第x个商家的好评率。

优选的，所述该用户消耗该相同商品类别的单位数量商品对应的时长为

SP表示为相同商品类别，SP_A2j表示为该相同商品类别中的第j 条历史记录里的数量，ΔTj-1表示为时间集合里的第j条历史购物记录的购买时间与第j-1条历史购物记录的购买时间之间的时间差。

优选的，所述时长公式为sc＝pj*SP_A2m，SP_A2m表示为第m次也就是最近一次购买的历史购买记录里的数量。

优选的，所述购买时间公式sjd＝sc+SP_A3m，SP_A3m表示为最近一次购买的历史购买记录里的购买时间，sc表示为最近一次历史购物记录的数量可以消耗的时长。

有益效果：

1.本发明通过一种对用户历史购物记录全面的进行分析的方法，实时的对一些商品的使用周期进行分析，且通过分析出的下一次购买时间点，对一些有周期性的消耗品商品类别及时在下一次购买时间点向用户进行推荐，有效地对客户进行提醒作用，使得用户可以准确高效的购买商品。

2.本发明通过一种对用户历史购物记录进行分析的方法，对用户购买过的商家进行分析，节省了用户在搜索商品页中浪费的时间，让用户更加直观有针对性的对商品进行高效的购买，且通过分析出的商品智能推荐系数更加精准的对用户进行商家推荐，提高了与用户的匹配度，使得该方法更加适合推广使用。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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为本发明的方法流程图；

图2为本发明的模块示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1-2所示，一种基于大数据分析的电子商务平台商品智能推荐方法，包括账号信息获取模块、历史购物信息筛选模块、购物信息分析处理模块和智能推荐终端；

所述历史购物信息筛选模块，用于接收账号信息获取模块发送的历史购物记录和编号，筛选出在设定的特定时间内的历史购物记录，具体筛选步骤为：

并将历史购物信息筛选模块筛选出的各条历史购物记录，按照购物时间的先后顺序进行编号分别标记为1,2...,i,...,n，进而获取筛选出的每条历史购物记录的商品类别、数量、购买时间、品牌、金额和商家，构成历史购物信息集合LS(LS_z1,LS_z2,...,LS_zi,...,LS_zn)，LS_zi表示为第i条历史购物记录中的第 z个历史购物信息，z表示为历史购物信息， z＝A1,A2,A3,A4,A5,A6,A1,A2,A3,A4,A5,A6,分别表示历史购物记录中的商品类别、数量、购买时间、品牌、金额和商家，以此，将构成的历史购物信息集合发送至购物信息分析处理模块；本实施例通过筛选出在设定的特定时间内的历史购物记录，摒弃了一些因时间长久而不符合用户最近消费习惯的历史购物记录，更加有效的分析出用户最近消费习惯的商品。

所述购物信息分析处理模块，用于接收历史购物信息筛选模块发送的历史购物信息集合，提取历史购物信息集合里的每条历史购物记录的商品类别，将提取出的商品类别进行对比，获取相同商品类别下的各条历史购物记录并对其进行编号分别标记为1,2...,j,...,m，构成相同商品类别集合 SP(SP_z1,SP_z2,...,SP_zj,...,SP_zm),SP表示为相同商品类别，SP_zj表示为该相同商品类别下的第j条历史购物记录中的第z个历史购物信息，然后，从相同商品类别集合中的每条历史购物记录里提取商品的品牌，将提取出的品牌进行对比，获取相同商品品牌的各条历史购物记录并对其进行编号，分别标记为 1,2...,k,...,l，构成相同商品品牌集合PP(PP_z1,PP_z2,...,PP_zk,...,pp_zl),pp表示为相同商品品牌，PP_zk表示为该相同商品品牌内的第k条历史购物记录里的第z个历史购物信息，再从相同品牌集合内的每条历史购物记录里提取商品的商家，将提取出的商家进行对比，统计该相同品牌下用户购买的商家个数，并对统计的各商家进行编号，依次标记为SJ1,SJ2,...,SJx,...,SJy,对统计的商家获取每个商家对应的各条历史购物记录，并对其进行编号1,2...,h,...,o，构成商家集合SJx(SJx_z1,SJx_z2,...,SJx_zh,...,SJx_zo)，SJx_zh表示为该相同品牌下的第x个商家中的第h条历史购物记录的第z个历史购物信息，并提取第x个商家对应的该商家集合里的各条历史购物记录的金额，构成商家金额集合 SJx(SJx_A51,SJx_A52,...,SJx_A5h,...,SJx_A5o),SJx表示第x个商家，SJx_A5h表示为第x个商家的第h条历史购物记录中的金额，获取统计的各商家对应的好评率，记为 u1,u2,...,ux,...,uy，根据以上统计各商家的智能推荐系数，通过智能推荐计算公式

e表示为自然数，Qx表示为第x个商家的智能推荐系数，SJ_XA5h表示为第x个商家中的第h条历史购物记录的金额，PP_A5k表示为该相同商品品牌中的第k条历史购物记录的金额，l表示为该相同商品品牌下用户购买的历史购物记录的条数，ox表示为第x个商家中用户购买的历史购物记录的条数，ux表示为第x个商家的好评率，得到各商家的智能推荐系数Q，至此，将每个商家的智能推荐系数相对比，对每个商家按照智能推荐系数从大到小进行排序，将智能推荐系数最高的商家发送至智能推荐终端；本实施例通过对用户账号的历史购物记录分析出用户在设定的特定时间内消费习惯的商家的智能推荐系数，有针对性的对用户所喜爱的商品进行推荐，从而致使用户进行消费。

所述购物信息分析处理模块，从相同商品类别集合中提取该相同商品类别下各条历史购物记录的购买时间和数量，并将提取的各条历史购物记录对应的购买时间构成时间集合，将提取的各条历史购物记录对应的数量构成数量集合

所述时间集合为SP(SP_A31,SP_A32,...,SP_A3j,...,SP_A3m)，SP_A3j表示为该相同商品类别下的第j条历史购物记录的购买时间，所述数量集合为 SP(SP_A21,SP_A22,...,SP_A2j,...,SP_A2m)，SP_A2j表示为该相同商品类别下的第j条历史购物记录的数量，从时间集合里的第二项开始将相邻两项做差，得到相邻两条历史购物记录购买时间之间的时间差记为ΔT,构成时间差集合ΔT(ΔT1，ΔT2，...,ΔTj-1,...,ΔTm-1)，ΔTj-1表示为时间集合里的第j条历史购物记录的购买时间与第j-1条历史购物记录的购买时间之间的时间差，根据数量集合和时间差集合统计该用户消耗该相同商品类别的单位数量商品对应的时长，具体统计的对应的时长为

SP表示为相同商品类别，SP_A2j表示为该相同商品类别中的第j条历史记录里的数量，ΔTj-1表示为时间集合里的第j条历史购物记录的购买时间与第j-1条历史购物记录的购买时间之间的时间差。从数量集合中提取最近一次历史购买记录的数量，即SP_A2m，通过时长公式sc＝pj*SP_A2m，SP_A2m表示为第m次也就是最近一次购买的历史购买记录里的数量，得到该最近一次历史购物记录的数量可以消耗的时长，从时间集合中提取最近一次历史购买记录的购买时间，即SP_A3m，通过购买时间公式sjd＝sc+ SP_A3m，SP_A3m表示为最近一次购买的历史购买记录里的购买时间，sc表示最近一次历史购物记录的数量可以消耗的时长，得到该相同商品类别下一次购买的时间点，将该相同商品类别下一次购买的时间点发送至智能推荐时间终端；本实施例通过对用户的历史购物记录分析，分析出用户对每个相同商品类别的下一次购买的时间点，有针对性的对一些消耗品进行推荐，当到达分析出的相同商品类别的下一次购买的时间点，及时对该相同商品类别下智能推荐系数最高的商家进行推荐，从而便于用户直接在推荐页面选购自己所需的商品，提高了购买效率，同时也节省了用户在搜索页面所搜索的时间，进而使得可以最大化的提高商品推送的效益，从而用最少的推送量获得更多的商品推荐收益。使得该方法更加适合推广使用。

S1：账号信息获取：获取用户的账号信息和历史购物记录；

以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims

1.一种基于大数据分析的电子商务平台商品智能推荐方法，其特征在于：包括账号信息获取模块、历史购物信息筛选模块、购物信息分析处理模块和智能推荐终端；

所述历史购物信息筛选模块，用于接收账号信息获取模块发送的历史购物记录和编号，筛选出在设定的特定时间内的历史购物记录，并将筛选出的各条历史购物记录，按照购物时间的先后顺序进行编号分别标记为1,2...,i,...,n，进而获取筛选出的每条历史购物记录的商品类别、数量、购买时间、品牌、金额和商家，构成历史购物信息集合LS(LS_z1,LS_z2,...,LS_zi,...,LS_zn)，LS_zi表示为第i条历史购物记录中的第z个历史购物信息，z表示为历史购物信息，z＝A1,A2,A3,A4,A5,A6,A1,A2,A3,A4,A5,A6,分别表示历史购物记录中的商品类别、数量、购买时间、品牌、金额和商家，以此，将构成的历史购物信息集合发送至购物信息分析处理模块；

所述购物信息分析处理模块，用于接收历史购物信息筛选模块发送的历史购物信息集合，提取历史购物信息集合里的每条历史购物记录的商品类别，将提取出的商品类别进行对比，获取相同商品类别下的各条历史购物记录并对其进行编号分别标记为1,2...,j,...,m，构成相同商品类别集合SP(SP_z1,SP_z2,...,SP_zj,...,SP_zm),SP表示为相同商品类别，SP_zj表示为该相同商品类别下的第j条历史购物记录中的第z个历史购物信息，然后，从相同商品类别集合中的每条历史购物记录里提取商品的品牌，将提取出的品牌进行对比，获取相同商品品牌的各条历史购物记录并对其进行编号，分别标记为1,2...,k,...,l，构成相同商品品牌集合PP(PP_z1,PP_z2,...,PP_zk,...,pp_zl),pp表示为相同商品品牌，PP_zk表示为该相同商品品牌内的第k条历史购物记录里的第z个历史购物信息，再从相同品牌集合内的每条历史购物记录里提取商品的商家，将提取出的商家进行对比，统计该相同品牌下用户购买的商家个数，并对统计的各商家进行编号，依次标记为SJ1,SJ2,...,SJx,...,SJy,对统计的商家获取每个商家对应的各条历史购物记录，并对其进行编号1,2...,h,...,o，构成商家集合SJx(SJx_z1,SJx_z2,...,SJx_zh,...,SJx_zo)，SJx_zh表示为该相同品牌下的第x个商家中的第h条历史购物记录的第z个历史购物信息，并提取第x个商家对应的该商家集合里的各条历史购物记录的金额，构成商家金额集合SJx(SJx_A51,SJx_A52,...,SJx_A5h,...,SJx_A5o),SJx表示第x个商家，SJx_A5h表示为第x个商家的第h条历史购物记录中的金额，获取统计的各商家对应的好评率，记为u1,u2,...,ux,...,uy，根据以上统计各商家的智能推荐系数，通过智能推荐计算公式得到各商家的智能推荐系数Q，至此，将每个商家的智能推荐系数相对比，对每个商家按照智能推荐系数从大到小进行排序，将智能推荐系数最高的商家发送至智能推荐终端；

所述各商家的智能推荐系数的计算公式为：

e表示为自然数，Qx表示为第x个商家的智能推荐系数，SJ_XA5h表示为第x个商家中的第h条历史购物记录的金额，PP_A5k表示为该相同商品品牌中的第k条历史购物记录的金额，l表示为该相同商品品牌下用户购买的历史购物记录的条数，ox表示为第x个商家中用户购买的历史购物记录的条数，ux表示为第x个商家的好评率；

S1：账号信息获取：获取用户的账号信息和历史购物记录；

S5：商品推荐：获取当前时间点，将当前时间点与该商品类别下一次购买的时间点做对比，若两时间点相同，则在此时对该商品类别下智能推荐系数最高的商家进行推荐。

2.根据权利要求1所述的一种基于大数据分析的电子商务平台商品智能推荐方法，其特征在于：所述历史购物信息筛选模块筛选出在设定的特定时间内的历史购物记录的具体筛选步骤为：

3.根据权利要求1所述的一种基于大数据分析的电子商务平台商品智能推荐方法，其特征在于：所述该用户消耗该相同商品类别的单位数量商品对应的时长为

SP表示为相同商品类别，SP_A2j表示为该相同商品类别中的第j条历史记录里的数量，ΔTj-1表示为时间集合里的第j条历史购物记录的购买时间与第j-1条历史购物记录的购买时间之间的时间差。

4.根据权利要求1所述的一种基于大数据分析的电子商务平台商品智能推荐方法，其特征在于：所述时长公式为sc＝pj*SP_A2m，SP_A2m表示为第m次也就是最近一次购买的历史购买记录里的数量。

5.根据权利要求1所述的一种基于大数据分析的电子商务平台商品智能推荐方法，其特征在于：所述购买时间为sjd＝sc+SP_A3m，SP_A3m表示为最近一次购买的历史购买记录里的购买时间，sc表示为最近一次历史购物记录的数量可以消耗的时长。