一种组合商品信息的个性化推送方法及系统技术方案

本发明专利技术提供了一种组合商品信息的个性化推送方法及系统，涉及信息推送技术领域。本申请中，基于用户的历史购买数据挖掘出用户的潜在组合商品，并以此为基础将用户进行分类得到具有相似购买潜在需求的相似群体集合，然后基于相似群体集合对应的组合商品数据为基础，再加上目标客户的当前操作数据进而确定商品基于自身偏好的组合商品推荐表，并根据组合商品推荐表将其推荐给目标客户，够帮助目标用户快速定位目标，节约大量时间，提升用户体验感，实现基于目标用户偏好需求的个性化推荐，提高商品推荐质量和推荐精准度。品推荐质量和推荐精准度。品推荐质量和推荐精准度。

【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所述用户进行计算，得到相似群体集合；
[0010]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；
[0011]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。
[0012]第二方面，本申请还提供了组合商品信息的个性化推送系统，包括获取模块、筛选模块、分类模块、排序模块和推送模块，其中：
[0013]获取模块：用于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；
[0014]筛选模块：用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；
[0015]分类模块：用于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；
[0016]排序模块：用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；
[0017]推送模块：用于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。
[0018]本专利技术的有益效果为：
[0019]本申请中，基于用户的历史购买数据挖掘出用户的潜在组合商品，并以此为基础将用户进行分类得到具有相似购买潜在需求的相似群体集合，然后基于相似群体集合对应的组合商品数据为基础，再加上目标客户的当前操作数据进而确定商品基于自身偏好的组合商品推荐表，并根据组合商品推荐表将其推荐给目标客户，够帮助目标用户快速定位目标，节约大量时间，提升用户体验感，实现基于目标用户偏好需求的个性化推荐，提高商品推荐质量和推荐精准度。
[0020]本专利技术的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术实施例了解。本专利技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
[0021]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
[0022]图1为本实施例中所述的组合商品信息的个性化推送方法的框图；
[0023]图2为本实施例中所述的组合商品信息的个性化推送系统的框图；
[0024]图3为本实施例中所述的组合商品信息的个性化推送设备的框图。
[0025]图中：710
‑
获取模块；720
‑
筛选模块；721
‑
统计单元；722
‑
第一判断单元；723
‑
第二判断单元；724
‑
第一获取单元；725
‑
第三判断单元；7251
‑
第二获取单元；7252
‑
第四判断单元；7253
‑
第五判断单元；7254
‑
第六判断单元；730
‑
分类模块；740
‑
排序模块；741
‑
第一排列单元；742
‑
检索单元；743
‑
计算单元；744
‑
第二排列单元；750
‑
推送模块；800
‑
组合商品信息的个性化推送设备；801
‑
处理器；802
‑
存储器；803
‑
多媒体组件；804
‑
I/O接口；805
‑
通信组件。
具体实施方式
[0026]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术中的实施例，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他实施例，都属于本专利技术保护的范围。
[0027]应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本专利技术的
描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0028]实施例1：
[0029]参见图1，图1为本实施例中组合商品信息的个性化推送方法的框图。图1中示出了本方法包括步骤S1、步骤S2、步骤S3、步骤S4和步骤S5。
[0030]步骤S1、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。
[0031]可以理解的是，在本步骤中，基于大数据提取购买平台中每个用户对应的购买数据，包括同一次购买行为中包含的所有商品信息、店铺信息、购买数量、购买时间等信息。同时基于大数据获取有购买需求的目标客户对应的包括搜索、点击浏览、收藏、加购和购买等当前操作数据。
[0032]步骤S2、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。
[003本文档来自技高网...

【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...

【专利技术属性】
技术研发人员：李倩文，朱茜，
申请(专利权)人：李倩文，
类型：发明
国别省市：