推送产品的确定方法、装置、存储介质及电子设备制造方法及图纸

本发明专利技术公开了一种推送产品的确定方法、装置、存储介质及电子设备。该方法包括：从目标平台的运营日志中获取目标对象的交互行为信息，其中，交互行为信息用于表示与目标对象产生过交互行为的关注产品；根据交互行为信息在目标平台的多个预设产品中，选取待推送产品，其中，待推送产品从目标平台中未与目标对象产生过交互行为的未关注产品中选出；使用预设分析模型对待推送产品进行分析，预测待推送产品在预设时间周期内完成第一次交易的初次成交概率；确定初次成交概率高于预设成交阈值的待推送产品为目标推送产品。本发明专利技术解决了无法根据卖家的产品交易情况进行产品推荐的技术问题。家的产品交易情况进行产品推荐的技术问题。家的产品交易情况进行产品推荐的技术问题。

【技术实现步骤摘要】
推送产品的确定方法、装置、存储介质及电子设备


[0001]本专利技术涉及数据处理领域，具体而言，涉及一种推送产品的确定方法、装置、存储介质及电子设备。

技术介绍

[0002]近年来，随着大数据的兴起，消费者行为分析的研究方兴未艾，数据库与数据挖掘、信息系统与信息管理、图像处理与计算机视觉、社会网络分析、电子商务等很多领域的学者加人消费者行为研究的队伍。同时，这一研究领域也受到了电子商务、社交网络等数字经济形态下的企业的高度关注，消费者行为分析被视为数字经济形态下企业了解其消费者并开展营销活动的有效手段之一。
[0003]现有产品推荐方式都是基于用户的消费行为画像进行推荐，无法根据商家行为进行产品推荐，从而不利于培养卖家的运营行为。
[0004]针对上述无法根据卖家的产品交易情况进行产品推荐的问题，目前尚未提出有效的解决方案。

技术实现思路

[0005]本专利技术实施例提供了一种推送产品的确定方法、装置、存储介质及电子设备，以至少解决无法根据卖家的产品交易情况进行产品推荐的技术问题。
[0006]根据本专利技术实施例的一个方面，提供了一种推送产品的确定方法，其特征在于，包括：从目标平台的运营日志中获取目标对象的交互行为信息，其中，所述目标平台用于向所述目标对象提供多个预设产品，所述交互行为信息用于表示与所述目标对象产生过交互行为的关注产品；根据所述交互行为信息在所述目标平台的多个所述预设产品中，选取待推送产品，其中，所述待推送产品从所述目标平台中未与所述目标对象产生过交互行为的未关注产品中选出；使用预设分析模型对所述待推送产品进行分析，预测所述待推送产品在预设时间周期内完成第一次交易的初次成交概率，其中，所述预设分析模型根据所述目标平台中多个所述预设产品在历史时间周期内第一次完成交易的初次成交概率训练得到，所述历史时间周期和所述预设时间周期的周期长度相同；确定所述初次成交概率高于预设成交阈值的所述待推送产品为目标推送产品。
[0007]可选地，根据所述交互行为信息在所述目标平台的多个所述预设产品中，选取待推送产品包括：分析所述交互行为信息，确定所述目标对象对所述关注产品的交互行为；根据所述交互行为对所述关注产品进行评估，确定所述关注产品的评价值，其中，所述评价值用于表示所述目标对象对所述关注产品的感兴趣程度；根据所述关注产品的评价值，在所述未关注产品中预测所述目标对象感兴趣的待推送产品。
[0008]可选地，根据所述关注产品的评价值，在所述未关注产品中预测所述目标对象感兴趣的待推送产品包括：将所述评价值高于预设评价阈值的关注产品确定为所述目标对象的喜爱产品；将所述喜爱产品作为训练数据，通过机器学习的方式训练所述目标对象的第
一兴趣模型，其中，所述第一兴趣模型用于表示所述喜爱产品的目标产品特征；使用所述第一兴趣模型对所述未关注产品进行特征分析，确定符合所述目标产品特征的未关注产品为所述待推送产品。
[0009]可选地，根据所述关注产品的评价值，在所述未关注产品中预测所述目标对象感兴趣的待推送产品包括：将所述关注产品和所述关注产品的评价值作为训练数据，通过机器学习的方式训练所述目标对象的第二兴趣模型，其中，所述第二兴趣模型用于评估所述预设产品的评价值；使用所述第二兴趣模型对所述未关注产品进行特征分析，确定所述未关注产品的评价值；将所述评价值高于预设评价阈值的未关注产品确定为所述待推送产品。
[0010]可选地，在使用预设分析模型对所述待推送产品进行分析，确定所述待推送产品的初次成交概率之前，所述方法还包括：从目标平台的运营日志获取产品交易数据，其中，所述产品交易数据用于表示所述目标平台提供的预设数量的预设产品在历史时间周期内的交易结果，所述交易结果包括：所述预设产品在所述历史时间周期内完成第一次交易，和所述预设产品未在所述历史时间周期内完成第一次交易；使用预设初次成交预测模型对所述产品交易数据进行分析，确定所述预设产品的初次成交概率和未成交概率，其中，所述预设初次成交预测模型用于根据预设数量的预设产品在历史时间周期内的交易结果，确定所述预设产品在历史时间周期内第一次完成交易的初次成交概率，和未在所述历史时间周期内第一次完成交易的未成交概率；将所述预设产品的初次成交概率作为正样本，将所述预设产品的未成交概率作为负样本，通过机器学习的方式训练所述预设分析模型，其中，所述预设分析模型基于贝叶斯算法构建。
[0011]可选地，所述产品交易数据还包括：影响所述交易结果的交易因素，在从目标平台的运营日志获取产品交易数据之后，所述方法还包括：获取在所述历史时间周期内完成第一次交易所述预设产品为样本产品；根据所述样本产品的交易因素分配预设评估系数；根据所述样本产品的交易因素和预设评估系数确定所述样本产品的初次成交概率。
[0012]可选地，在确定所述初次成交概率高于预设成交阈值的所述待推送产品为目标推送产品之后，方法还包括：将所述目标推送产品加入目标推送列表；在所述目标推送列表中所述目标推送产品的数量达到预设数量阈值的情况下，向所述目标对象推送所述目标推送列表中的所述目标推送产品。
[0013]根据本专利技术实施例的另一方面，还提供了一种推送产品的确定装置，包括：获取模块，用于从目标平台的运营日志中获取目标对象的交互行为信息，其中，所述目标平台用于向所述目标对象提供多个预设产品，所述交互行为信息用于表示与所述目标对象产生过交互行为的关注产品；选取模块，用于根据所述交互行为信息在所述目标平台的多个所述预设产品中，选取待推送产品，其中，所述待推送产品从所述目标平台中未与所述目标对象产生过交互行为的未关注产品中选出；预测模块，用于使用预设分析模型对所述待推送产品进行分析，预测所述待推送产品在预设时间周期内完成第一次交易的初次成交概率，其中，所述预设分析模型根据所述目标平台中多个所述预设产品在历史时间周期内第一次完成交易的初次成交概率训练得到，所述历史时间周期和所述预设时间周期的周期长度相同；确定模块，用于确定所述初次成交概率高于预设成交阈值的所述待推送产品为目标推送产品。
[0014]根据本专利技术实施例的另一方面，还提供了一种非易失性存储介质，所述非易失性存储介质中存储有程序，其中，在所述程序运行时控制所述非易失性存储介质所在设备执行上述推送产品的确定方法。
[0015]根据本专利技术实施例的另一方面，还提供了一种电子设备，包括：存储器和处理器，所述处理器用于运行存储在所述存储器中的程序，其中，所述程序运行时执行上述的推送产品的确定方法。
[0016]在本专利技术实施例中，从目标平台的运营日志中获取目标对象的交互行为信息，其中，目标平台用于向目标对象提供多个预设产品，交互行为信息用于表示与目标对象产生过交互行为的关注产品；根据交互行为信息在目标平台的多个预设产品中，选取待推送产品，其中，待推送产品从目标平台中未与目标对象产生过交互行为的未关注产品中选出；使用预设分析模型对待推送产品进行分析，预测待推送产品在预设时间周期内完成第一次交易的初次成交概率，其中，预设分析模型根据目标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种推送产品的确定方法，其特征在于，包括：从目标平台的运营日志中获取目标对象的交互行为信息，其中，所述目标平台用于向所述目标对象提供多个预设产品，所述交互行为信息用于表示与所述目标对象产生过交互行为的关注产品；根据所述交互行为信息在所述目标平台的多个所述预设产品中，选取待推送产品，其中，所述待推送产品从所述目标平台中未与所述目标对象产生过交互行为的未关注产品中选出；使用预设分析模型对所述待推送产品进行分析，预测所述待推送产品在预设时间周期内完成第一次交易的初次成交概率，其中，所述预设分析模型根据所述目标平台中多个所述预设产品在历史时间周期内第一次完成交易的初次成交概率训练得到，所述历史时间周期和所述预设时间周期的周期长度相同；确定所述初次成交概率高于预设成交阈值的所述待推送产品为目标推送产品。2.根据权利要求1所述的方法，其特征在于，根据所述交互行为信息在所述目标平台的多个所述预设产品中，选取待推送产品包括：分析所述交互行为信息，确定所述目标对象对所述关注产品的交互行为；根据所述交互行为对所述关注产品进行评估，确定所述关注产品的评价值，其中，所述评价值用于表示所述目标对象对所述关注产品的感兴趣程度；根据所述关注产品的评价值，在所述未关注产品中预测所述目标对象感兴趣的待推送产品。3.根据权利要求2所述的方法，其特征在于，根据所述关注产品的评价值，在所述未关注产品中预测所述目标对象感兴趣的待推送产品包括：将所述评价值高于预设评价阈值的关注产品确定为所述目标对象的喜爱产品；将所述喜爱产品作为训练数据，通过机器学习的方式训练所述目标对象的第一兴趣模型，其中，所述第一兴趣模型用于表示所述喜爱产品的目标产品特征；使用所述第一兴趣模型对所述未关注产品进行特征分析，确定符合所述目标产品特征的未关注产品为所述待推送产品。4.根据权利要求2所述的方法，其特征在于，根据所述关注产品的评价值，在所述未关注产品中预测所述目标对象感兴趣的待推送产品包括：将所述关注产品和所述关注产品的评价值作为训练数据，通过机器学习的方式训练所述目标对象的第二兴趣模型，其中，所述第二兴趣模型用于评估所述预设产品的评价值；使用所述第二兴趣模型对所述未关注产品进行特征分析，确定所述未关注产品的评价值；将所述评价值高于预设评价阈值的未关注产品确定为所述待推送产品。5.根据权利要求1所述的方法，其特征在于，在使用预设分析模型对所述待推送产品进行分析，确定所述待推送产品的初次成交概率之前，所述方法还包括：从目标平台的运营日志获取产品交易数据，其中，所述产品交易数据用于表示所述目标平台提供的预设数量的预设产品在历史时间周期内的交易结果，所述交易结果包括：所述预设产品在所述历史时间周期内完成...

【专利技术属性】
技术研发人员：槐正，徐冬冬，姜承祥，付迎鑫，姬照中，徐锐，王健，魏丫丫，徐蕾，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：