一种商品信息投放方法和设备技术

本申请公开了一种商品信息投放方法和设备，该方法包括：获取用户的标识信息；根据用户的标识信息，获得所述用户的标识信息对应的用户的喜好信息；获取商品的热卖指数信息；根据所述用户的喜好信息，对热卖指数大于阈值的商品信息进行排序；根据所述商品信息的排序结果投放所述商品信息。采用本申请的方法，在商品信息投放的过程中降低服务器的负担及网络资源的占用。

【技术实现步骤摘要】

本申请涉及网络
，特别是涉及一种商品信息投放方法和设备。
技术介绍
随着网络技术的飞速发展，网络购物依靠其方便灵活的优势，已经逐步的发展起来，并成为了人们日常生活的重要组成部分。通过网络购物的方式，用户无需走出家门，就可以购买商品，而且还可以获取到更丰富的商品信息，以比较选择最符合自己要求的商品。网购服务平台上的商品信息琳琅满目，数量非常庞大，很多用户在浏览网购服务平台的时候并没有明确的购买目标，所以网络服务平台一般会通过各种渠道向用户随机的投放商品信息，以推荐商品帮助用户形成购买目标。现有的投放商品信息的方式一般是，网购服务平台在热卖度较高的商品中随机选取商品，并将相应的商品信息向用户投放。在实现本申请的过程中，专利技术人发现现有技术至少存在如下问题只是通过热卖度来确定向用户投放的商品信息，不能区分不同用户的不同需求，所以向用户投放的商品信息往往与用户的需求偏差较大，此时如果用户希望获取到其需求的商品信息，则会多次发起请求获取新的商品信息，进而需要网络购物平台增加商品信息投放的次数，此过程带来了大量的垃圾信息，这必然会增大服务器的负担及网络资源的占用，并导致商品信息投放效率降低。
技术实现思路
本申请的目的在于提供一种商品信息投放方法和装置，以在商品信息投放的过程中降低服务器的负担及网络资源的占用，为此，本申请实施例采用如下技术方案—种商品信息投放方法，其特征在于，包括获取用户的标识信息；根据用户的标识信息，获得所述用户的标识信息对应的用户的喜好信息；获取商品的热卖指数信息；根据所述用户的喜好信息，对热卖指数大于阈值的商品信息进行排序；根据所述商品信息的排序结果投放所述商品信息。一种商品信息投放设备，其特征在于，包括标识信息获取模块，用于获取用户的标识信息；喜好信息获取模块，用于根据所述用户的标识信息，获取与所述用户的标识信息对应的用户的喜好信息；热卖指数获取模块，用于获取商品的热卖指数信息；排序模块，用于根据所述用户的喜好信息，对热卖指数大于阈值的商品信息进行排序；投放模块，用于根据所述商品信息的排序结果投放所述商品信息。一种商品信息投放方法，其特征在于，包括将商品信息按照排列顺序进行投放；其中，所述商品信息具体为热卖指数大于阈值的商品信息，所述排列顺序具体根据用户标识信息对应的用户的喜好信息对商品信息进行排序得到。一种商品信息投放设备，其特征在于，包括投放模块，将商品信息按照排列顺序进行投放；其中，所述商品信息具体为热卖指数大于阈值的商品信息，所述排列顺序具体根据用户标识信息对应的用户的喜好信息对商品信息进行排序得到。本申请的实施例具有以下优点，根据用户的喜好信息对热卖指数大于阈值的商品信息进行排序，以根据商品信息的排序结果投放商品信息，可以在商品信息投放的过程中降低服务器的负担及网络资源的占用。当然，实施本申请的实施例的任一产品并不一定需 要同时达到以上所述的所有优点。附图说明图I为本专利技术实施例提供的商品信息投放方法的流程示意图之一；图2为本专利技术实施例提供的商品信息投放方法的流程示意图之二 ；图3为本专利技术实施例提供的商品信息投放设备的结构示意图。具体实施例方式下面将结合本申请中的附图，对本申请中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本申请的一部分实施例，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的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。本申请的核心思想是根据用户的喜好信息对热卖指数大于阈值的商品信息进行排序，以根据商品信息的排序结果投放商品信息，可以提高商品信息投放的有效率，并降低服务器的负担及网络资源的占用。如图I所示，为本申请实施例提供的商品信息投放方法的流程，具体包括以下步骤 步骤101，获取用户的标识信息。触发服务器获取用户标识信息的事件，可以是用户登录到某页面，用户进行某检索操作，或用户主动发起获取商品信息的请求。具体的，用户的标识信息可以在用户的登录信息中获取。步骤102，根据用户的标识信息，获取用户的标识信息对应的用户的喜好信息。其中，用户的喜好信息可以包括用户喜欢/不喜欢的类目和用户喜欢/不喜欢的属性。具体的，在获取用户的喜好信息时，可以采用如下方法方法一、首先，根据用户的标识信息，在用户喜好信息库中，获取用户喜欢/不喜欢的商品信息；然后，将用户喜欢的商品的类目作为用户喜欢的类目，将用户喜欢的商品的属性作为用户喜欢的属性，将用户不喜欢的商品的类目作为用户不喜欢的类目，将用户不喜欢的商品的属性作为用户不喜欢的属性。其中，可以在建立的用户喜好信息库中预先存储用户喜欢/不喜欢的商品信息，具体的，可以向用户发送查询消息，请求用户填写用户喜欢/不喜欢的商品信息，并发送给服务器，以存储到用户喜好信息库中，或者还可以根据用户的历史操作或用户资料等信息确认用户喜欢/不喜欢的商品信息，并存储到用户喜好信息库中。例如，手机M是用户喜欢的商品，其属性包括翻盖、白色、触摸屏，那么系统则记录手机为用户喜欢的类目，翻盖、白色、触摸屏为用户喜欢的属性；空调E是用户不喜欢的商品，其属性包括黑色、变频，那么系统则记录空调为用户不喜欢的类目，黑色、变频为用户不喜欢的属性。方法二、对用户的多个喜欢/不喜欢的商品的信息进行统计，获取用户喜好信息。从概率学的角度来看，统计的样本越多，其统计结果的可靠性就越高，所以方法二相对于方法一可以得到准确度更高的用户喜好信息，方法二的具体内容可以如下首先，在用户喜好信息库中，获取用户喜欢/不喜欢的商品信息。然后，如果属于相同类目的用户喜欢的商品的数目超过阈值，则将所述相同类目 作为用户喜欢的类目；如果具有同一属性的用户喜欢的商品的数目超过阈值，则将所述同一属性作为用户喜欢的属性；如果属于相同类目的用户不喜欢的商品的数目超过阈值，则将所述相同类目作为用户不喜欢的类目；如果具有同一属性的用户不喜欢的商品的数目超过阈值，则将所述同一属性作为用户不喜欢的属性。例如,设上述用户喜欢/不喜欢的类目的阈值为20,用户喜欢的商品共有100个，其中属于类目一的商品有30个、属于类目二的商品有22个、属于类目三的商品有21个、属于类目四的商品有18个、属于类目五的商品有9个，那么系统则记录类目一、类目二和类目三为用户喜欢的类目。又例如，设上述用户喜欢/不喜欢的属性的阈值为3，商品I、商品2、商品3、商品4为用户喜欢的商品，商品I包括属性A、属性B、属性C、属性D，商品2包括属性A、属性D、属性E、属性F，商品3包括属性B、属性C、属性D、属性E，商品4包括属性A、属性D、属性E、属性F，可见，用户喜欢的商品中，具有属性A的商品有3个，具有属性B的商品有2个，具有属性C的商品有2个，具有属性D的商品有4个，具有属性E的商品有3个，具有属性F的商品有2个，那么系统则记录属性A、属性D和属性E为用户喜欢的属性。在上述两种方法中，可能由于统计结果的不全面，导致在某些特殊情况下，用户喜欢的类目与用户不喜欢的类目矛盾，或者，用户喜欢的属性与用户不喜欢的属性矛盾。在这种情况下，可以将相应的类目作为用户喜欢的类目，而不将其作为用户不喜欢的类目；并且可以将相应的属性目作为用户喜欢的属性，而不将其作为用户不喜欢的属性。方法一和方法二是根据用本文档来自技高网...

【技术保护点】
一种商品信息投放方法，其特征在于，包括：获取用户的标识信息；根据用户的标识信息，获得所述用户的标识信息对应的用户的喜好信息；获取商品的热卖指数信息；根据所述用户的喜好信息，对热卖指数大于阈值的商品信息进行排序；根据所述商品信息的排序结果投放所述商品信息。

【技术特征摘要】

【专利技术属性】
技术研发人员：殷晨煜，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：