【技術實現步驟摘要】
本專利技術屬于商品推送，具體為一種基于網絡業務推薦度的商品推送方法。
技術介紹
1、網購是指通過互聯網檢索商品信息，并通過電子訂購單發出購物請求，然后填上私人支票帳號或信用卡的號碼，廠商通過郵購的方式發貨，或是通過快遞公司送貨上門的交易行為，為了刺激用戶的消費欲望，需要對用戶進行針對性的商品推送，從而提高平臺的銷售額
2、根據專利號為“201910933899.5”提出了“一種基于推薦度的商品推送方法，通過為商品添加一級標簽標記、次級標簽標記和固有標簽標記，為用戶對商品和標簽的不同操作分別設置基礎計分，從而根據用戶的行為和標簽所述的不同標簽集，為商品具有的各標簽或標簽本身累加推薦度計分，計算各商品的推薦度總分，根據推薦度總分的正序為用戶推送商品，根據用戶的需求和喜好為用戶推送更加合適的商品，在需要推送的商品封面上添加標簽元素，通過調整各標簽元素的位置醒目度和相對大小，可以將用戶最為關心的標簽設置在商品封面最醒目的位置設置標簽元素，使用戶更容易了解到商品中自己較為關心的特性，方便用戶尋找需要的商品，刺激用戶的購物欲望”。
3、上述方案解決了目前現有技術中對用戶的搜索及購物數據分析時，大多真是根據關鍵詞搜索訪問頻率進行數據計算，在用戶某段時間大量搜索某一品類的商品時，就大量推送該品類的商品，而實際上用戶的購物需求往往也體現在商品的某些細分通行和通用特性中，現有技術中往往忽略了這些特性，導致推送商品的效果不盡如人意，且即便針對同一件商品，不同用戶的關注點也不同，在購物平臺上得不到很好的體現，容易導致用戶錯過自己
技術實現思路
1、針對上述情況，為克服現有技術的缺陷，本專利技術提供一種基于網絡業務推薦度的商品推送方法，有效的解決了該方法采用對用戶進行標簽集收集并按照推薦度進行推送，一來需要對每個用戶進行標簽集的相關推薦度運算并推送，數據處理量較大；二來根據個人用戶數據進行精準推送雖然可以進行用戶需求較高的商品的推薦，但是對于平臺來說，更多商品的推薦率才是更有效的提高商品銷售額的辦法，因此該方法使得商品推廣率較低，難以擴充平臺銷售額的問題。
2、為實現上述目的，本專利技術提供如下技術方案：一種基于網絡業務推薦度的商品推送方法，包括以下步驟：
3、s1：過往數據采集：通過大數據收集技術對平臺用戶的過往數據進行前置采集，所述過往數據具體包括平臺用戶的個人信息數據、最近15-30天的檢索記錄數據以及最近瀏覽記錄數據；
4、s2：標簽確立匯總：在所述步驟s1的基礎上，通過大數據分析法以及標簽分析法對平臺用戶的個人信息數據、最近15-30天的檢索記錄數據以及最近瀏覽記錄數據進行歷史標簽總結確立，并將標簽相類度在70％-95％之間的用戶進行匯總，并建立相類標簽庫，該相類標簽庫具體包括用戶信息標簽庫以及興趣度標簽庫；
5、s3：智能推送篩選：在所述步驟s2的基礎上，對相類標簽庫中的用戶進行推送興趣度標簽庫相關的商品，并根據興趣度標簽庫中的標簽數據智能聯想相關聯商品，且進行推送；
6、s4：實時數據采集：在所述步驟s3的基礎上，對用戶實時檢索的數據以及推送商品點擊瀏覽數據進行抓取采集，并通過標簽分析法對抓取采集到的數據進行實時標簽總結確立；
7、s5：實時數據更新：在所述步驟s4的基礎上，根據實時標簽以及歷史標簽的總結，并重新將標簽相類度在70％-95％之間的用戶進行匯總，更新相類標簽庫；
8、s6：更新推送調整：在所述步驟s5的基礎上，根據更新的相類標簽庫，對相類標簽庫中的用戶進行推送興趣度標簽庫相關的商品，并根據興趣度標簽庫中的標簽數據智能聯想相關聯商品，且進行推送；
9、s7：數據存儲保存：在上述步驟的基礎上，通過云端對所有處理數據進行同步存儲，并將存儲數據進行壓縮加密。
10、優選的，所述步驟s1中，大數據收集技術對平臺用戶的過往數據進行前置采集的方式具體為軟件接口對接方式、開放數據庫方式或基于底層數據交換的數據直接采集方式中的一種或幾種的組合，大數據收集技術具體為python以及scala。
11、優選的，所述步驟s2中，大數據分析法具體為可視化分析法、數據挖掘算法或語義引擎中的一種或幾種的組合；所述用戶信息標簽庫的基礎數據來自于個人信息數據、最近15-30天的檢索記錄數據以及最近瀏覽記錄數據，所述興趣度標簽庫的基礎數據來自于最近15-30天的檢索記錄數據以及最近瀏覽記錄數據。
12、優選的，所述步驟s3中，對相類標簽庫中的用戶進行推送興趣度標簽庫相關的商品時，按照該商品與興趣度標簽貼合度由高至低排序，并優先推送貼合度更高的商品，且興趣度標簽庫相關的商品以及智能聯想相關聯商品的推送頻率0.7:0.3。
13、優選的，所述步驟s4中，對用戶實時檢索的數據以及推送商品點擊瀏覽數據進行抓取采集時，具體采用爬蟲數據采集法，且所述爬蟲數據采集法具體為分布式爬蟲。
14、優選的，所述步驟s5中，在對相類標簽庫更新時，優先采用數據移動的方式。
15、優選的，所述步驟s6中，在進行更新后的商品推送時，對興趣度標簽庫相關的商品以及智能聯想相關聯商品的推送頻率進行實時調整為0.5:0.5。
16、優選的，所述步驟s7中，云端具體為移動云、聯通云、電信云、ibm云或google云中的一種或幾種的組合。
17、與現有技術相比，本專利技術的有益效果是：1、通過對平臺用戶的過往數據進行采集，并根據采集到的個人信息數據、最近15-30天的檢索記錄數據以及最近瀏覽記錄數據數據通過大數據分析法以及標簽分析法分析總結并進行歷史標簽總結確立，同時將相類度在70％-95％之間的用戶進行匯總，并建立相類標簽庫，對相類標簽庫中的用戶進行推送興趣度標簽庫相關的商品，并根據興趣度標簽庫中的標簽數據智能聯想相關聯商品，且進行推送，從而可有效提高平臺的商品推廣率，為平臺帶來更多的銷售額；
18、2、在用戶進行平臺使用時，對其實時檢索的數據以及推送商品點擊瀏覽數據進行抓取采集，并進行實時標簽總結確立，根據實時標簽以及歷史標簽的總結，并重新將標簽相類度在70％-95％之間的用戶進行匯總，更新相類標簽庫，再根據更新的相類標簽庫進行商品推送，從而可根據用戶的實時需求進行實時推送數據的調整，滿足用戶需求，提高用戶平臺使用的體驗感，增加用戶黏性；
19、3、在進行數據的更新調整時，通過對用戶的實時數據進行采集，從而可保證數據的準確性，以達到精確調整的目的，避免推送相關度較低問題的出現。
本文檔來自技高網...【技術保護點】
1.一種基于網絡業務推薦度的商品推送方法，其特征在于：包括以下步驟：
2.根據權利要求1所述的一種基于網絡業務推薦度的商品推送方法，其特征在于：所述步驟S1中，大數據收集技術對平臺用戶的過往數據進行前置采集的方式具體為軟件接口對接方式、開放數據庫方式或基于底層數據交換的數據直接采集方式中的一種或幾種的組合，大數據收集技術具體為Python以及Scala。
3.根據權利要求1所述的一種基于網絡業務推薦度的商品推送方法，其特征在于：所述步驟S2中，大數據分析法具體為可視化分析法、數據挖掘算法或語義引擎中的一種或幾種的組合；所述用戶信息標簽庫的基礎數據來自于個人信息數據、最近15-30天的檢索記錄數據以及最近瀏覽記錄數據，所述興趣度標簽庫的基礎數據來自于最近15-30天的檢索記錄數據以及最近瀏覽記錄數據。
4.根據權利要求1所述的一種基于網絡業務推薦度的商品推送方法，其特征在于：所述步驟S3中，對相類標簽庫中的用戶進行推送興趣度標簽庫相關的商品時，按照該商品與興趣度標簽貼合度由高至低排序，并優先推送貼合度更高的商品，且興趣度標簽庫相關的商品以及智能聯
5.根據權利要求1所述的一種基于網絡業務推薦度的商品推送方法，其特征在于：所述步驟S4中，對用戶實時檢索的數據以及推送商品點擊瀏覽數據進行抓取采集時，具體采用爬蟲數據采集法，且所述爬蟲數據采集法具體為分布式爬蟲。
6.根據權利要求1所述的一種基于網絡業務推薦度的商品推送方法，其特征在于：所述步驟S5中，在對相類標簽庫更新時，優先采用數據移動的方式。
7.根據權利要求1所述的一種基于網絡業務推薦度的商品推送方法，其特征在于：所述步驟S6中，在進行更新后的商品推送時，對興趣度標簽庫相關的商品以及智能聯想相關聯商品的推送頻率進行實時調整為0.5:0.5。
8.根據權利要求1所述的一種基于網絡業務推薦度的商品推送方法，其特征在于：所述步驟S7中，云端具體為移動云、聯通云、電信云、IBM云或google云中的一種或幾種的組合。
...【技術特征摘要】
1.一種基于網絡業務推薦度的商品推送方法，其特征在于：包括以下步驟：
2.根據權利要求1所述的一種基于網絡業務推薦度的商品推送方法，其特征在于：所述步驟s1中，大數據收集技術對平臺用戶的過往數據進行前置采集的方式具體為軟件接口對接方式、開放數據庫方式或基于底層數據交換的數據直接采集方式中的一種或幾種的組合，大數據收集技術具體為python以及scala。
3.根據權利要求1所述的一種基于網絡業務推薦度的商品推送方法，其特征在于：所述步驟s2中，大數據分析法具體為可視化分析法、數據挖掘算法或語義引擎中的一種或幾種的組合；所述用戶信息標簽庫的基礎數據來自于個人信息數據、最近15-30天的檢索記錄數據以及最近瀏覽記錄數據，所述興趣度標簽庫的基礎數據來自于最近15-30天的檢索記錄數據以及最近瀏覽記錄數據。
4.根據權利要求1所述的一種基于網絡業務推薦度的商品推送方法，其特征在于：所述步驟s3中，對相類標簽庫中的用戶進行推送興趣度標簽庫相關的商品時，按照該商品與興...
【專利技術屬性】
技術研發人員：廖勇軍，
申請(專利權)人：成都天翼空間科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。