【技术实现步骤摘要】
一种组合商品信息的个性化推送方法及系统
[0001]本专利技术涉及信息推送
,具体而言,涉及一种组合商品信息的个性化推送方法及系统。
技术介绍
[0002]近年来,随着计算机的快速普及和发展,互联网技术也得到了快速应用。同时,随着居民可支配收入的稳定增长,网络购物已经成为中国网民不可或缺的消费渠道之一。互联网提供了海量的商品选择,但这些商品的数量过于庞大,以至于消费者需要花费大量的时间和精力来甄别自己需要的商品,即产生了“信息过载”问题。
[0003]而随机的商品组合销售是一种常见的商品销售模式,在线下销售组合商品时,商家通常将一件或多件商品放在一个福袋中,给出一个总体价格,供消费者选购,且商品组合销售也更多地为各电商平台所采用。
[0004]但是,由于电商导购平台发展的前期阶段主要是单纯为用户提供流量引导和商品推荐,因此并不能全方面满足用户的针对性购物需求,致使其推荐的精准度较低,用户体验度不佳。
技术实现思路
[0005]本专利技术的目的在于提供一种组合商品信息的个性化推送方法及系统,以改善上述问题。为了实现上述目的,本专利技术采取的技术方案如下:
[0006]第一方面,本申请提供了一种组合商品信息的个性化推送方法,包括:
[0007]基于大数据分别获取每个用户的历史购买数据,以及目标客户的当前操作数据;
[0008]基于每个所述用户的所述历史购买数据进行筛选,得到组合商品数据;
[0009]基于所有的所述组合商品数据,利用协同过滤算法对所有的 ...
【技术保护点】
【技术特征摘要】
1.一种组合商品信息的个性化推送方法,其特征在于,包括:基于大数据分别获取每个用户的历史购买数据,以及目标客户的当前操作数据;基于每个所述用户的所述历史购买数据进行筛选,得到组合商品数据;基于所有的所述组合商品数据,利用协同过滤算法对所有的所述用户进行计算,得到相似群体集合;基于所述目标客户、所述当前操作数据和所述相似群体集合,得到组合商品推荐表;基于所述组合商品推荐表,向所述目标客户进行组合商品信息的个性化推送。2.根据权利要求1所述的组合商品信息的个性化推送方法,其特征在于,基于每个所述用户的所述历史购买数据进行筛选,得到组合商品数据包括:统计每个所述用户的所述历史购买数据的总购买次数;判断所述总购买次数是否小于第一预设阈值,若所述总购买次数小于所述第一预设阈值,则基于所述历史购买数据获取每种商品对应的购买时间;所述第一预设阈值为用户历史购买次数的最小值;基于所述购买时间,判断相邻两次所述购买时间的间隔是否小于第二预设阈值,若相邻两次所述购买时间的间隔小于所述第二预设阈值,则相邻两次所述购买时间对应的商品为组合商品数据;所述第二预设阈值为相邻两次购买时间间隔最大值。3.根据权利要求2所述的组合商品信息的个性化推送方法,其特征在于,所述总购买次数大于或等于第一预设阈值时包括:基于所述历史购买数据,分别获取每种商品对应的操作时间数据;基于时间序列对所述历史购买数据中的成交单进行排序,并判断相邻两次购买商品是否相同,若相邻两次所述购买商品不同,则根据相邻两次所述购买商品、所述操作时间数据的差的绝对值和预设筛选条件进行筛选,得到组合商品数据;所述预设筛选条件为所述购买商品对应的时间差参数。4.根据权利要求3所述的组合商品信息的个性化推送方法,其特征在于,所述根据相邻两次所述购买商品、所述操作时间数据的差的绝对值和预设筛选条件进行筛选,得到组合商品数据包括:基于所述购买商品分别获取其对应的店铺数据;判断相邻两次的所述购买商品对应的所述店铺数据是否为同一店铺;若所述店铺数据不为同一店铺,则判断所述绝对值是否小于第一时间参数,若所述绝对值小于所述第一时间参数,则相邻两次的所述购买商品为组合商品数据,所述第一时间参数为同店组合消费的最大时间间隔参数;若所述店铺数据为同一店铺,则判断所述绝对值是否小于第二时间参数,若所述绝对值小于所述第二时间参数,则相邻两次的所述购买商品为组合商品数据,所述第二时间参数为异店组合消费的最大时间间隔参数。5.根据权利要求1所述的组合商品信息的个性化推送方法,其特征在于,基于所述目标客户、所述当前操作数据和所述相似群体集合,得到组合商品推荐表包括:基于所述相似群体集合与所述目标客户的相似度进行降序排列,得到邻居用户列表;基于所述邻居用户列表中的每个邻居用户和所述当前操作数据的重合数据,分别确定每个所述邻居用户对应的目标商品;
基于所有的所述目标商品、所述当前操作数据和预设权重计算,得到每个商品对应的喜爱值;基于所述喜爱值对所述目标商品进行降序排列,得到组合商品推荐表。6.一种组合商品信息的个性化推送系统,其特征在...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。