System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及数据流量管理,具体为一种基于用户画像的积分商品推荐方法及系统。
技术介绍
1、随着网络科技的发展和营销规则的更新,积分商城越来越多的出现在大众面前,各个品牌或企业先后推出积分商城。
2、积分商城是一种营销手段,通常用于奖励和激励消费者在您的企业或品牌内进行消费或活动。通过在您的企业或品牌的积分系统中积累积分,消费者可以交换积分奖励,这些奖励可以是产品、服务或其他有价值的东西。在积分商城中,消费者可以购买商品或服务,并使用积分来支付。当消费者在您的企业或品牌内进行消费时,他们可以获得积分,这些积分可以在未来的消费中用于抵扣现金或换算成产品或服务。积分商城的优点包括:增加消费者参与度:积分商城可以激励消费者更积极地参与您的企业或品牌,从而增加其参与度。增加销售额:通过奖励消费者使用积分来购买您的产品或服务,可以增加销售额。提高品牌忠诚度:通过给予消费者积分,可以激励他们更忠诚地支持您的品牌。促进交叉销售:通过在积分商城中提供多种商品和服务,可以促进交叉销售,从而增加销售额。数据分析和消费者行为:通过在积分商城中收集消费者数据,可以了解消费者行为和偏好,从而更好地了解消费者并制定营销策略。
3、现有技术中,积分商城的商品推荐不准确,用户满意度低,造成积分商城的使用率较低,没有达到预想的营销功能。
技术实现思路
1、本专利技术的目的是提供一种基于用户画像的积分商品推荐方法及系统,以实现对积分商城的中积分商品的精准推荐,以提高用户对积分商城的使用率,进一
2、为解决上述问题,本专利技术的第一方面提供了一种基于用户画像的积分商品推荐方法,包括:
3、获取用户在商城中的行为数据;
4、根据所述行为数据构建用户画像;
5、获取所有的积分商品数据和近期访问商品数据;
6、根据所述用户画像、所述积分商品数据和所述近期访问商品数据为用户推荐积分商品。
7、作为可选的实施方式,所述行为数据包括购买商品数据以及与所述购买商品数据对应的价格数据、售后数据和评价数据;
8、所述购买商品数据包括商品名称、适用年龄特征和细分类别特征;
9、根据所述行为数据构建用户画像包括:
10、获取用户画像构建模型;
11、使用用户画像构建模型基于所述商品名称、适用年龄特征、细分类别特征、价格数据、售后数据和评价数据构建用户画像。
12、作为可选的实施方式,根据所述用户画像、所述积分商品数据和所述近期访问商品数据为用户推荐积分商品包括;
13、根据所述用户画像和所述积分商品数据对所有的积分商品评分;
14、根据所述近期访问商品数据和用户地址数据为所有的积分商品的评分加权,并根据加权后的评分对所有积分商品的排序;
15、按照排序依次判断每个积分商品的积分价格是否低于用户的积分;
16、若是,则将积分商品推荐给用户。
17、作为可选的实施方式,根据所述用户画像和所述积分商品数据对所有的积分商品评分包括:
18、根据所述用户画像与所述积分商品数据按照多个特征分别计算相似度;
19、根据每个特征的相似度计算积分商品数据对应的积分商品的评分。
20、作为可选的实施方式,根据所述近期访问商品数据和用户地址数据为所有的积分商品的评分加权包括:
21、判断所述近期访问商品数据所对应的商品在积分商城是否具有库存;
22、若是,则将对应的积分商品加权;
23、根据积分商品数据获取对应的积分商品的发货地或使用地;
24、判断所述发货地或使用地是否与用户地址数据所对应的地址相对应;
25、若是,则将对应的积分商品加权。
26、本专利技术的第二方面还提供了一种基于用户画像的积分商品推荐系统,包括:
27、行为数据获取模块,获取用户在商城中的行为数据;
28、用户画像构建模块,根据所述行为数据构建用户画像;
29、积分商品数据和近期访问商品数据获取模块,获取所有的积分商品数据和近期访问商品数据;
30、推荐模块,根据所述用户画像、所述积分商品数据和所述近期访问商品数据为用户推荐积分商品。
31、作为可选的实施方式,所述行为数据包括购买商品数据以及与所述购买商品数据对应的价格数据、售后数据和评价数据;
32、所述购买商品数据包括商品名称、适用年龄特征和细分类别特征;
33、所述用户画像构建模块包括:
34、用户画像构建模型获取单元,获取用户画像构建模型;
35、用户画像构建单元,使用用户画像构建模型基于所述商品名称、适用年龄特征、细分类别特征、价格数据、售后数据和评价数据构建用户画像。
36、作为可选的实施方式,推荐模块包括;
37、评分单元,根据所述用户画像和所述积分商品数据对所有的积分商品评分;
38、加权及排序单元,根据所述近期访问商品数据和用户地址数据为所有的积分商品的评分加权,并根据加权后的评分对所有积分商品的排序;
39、判断单元,按照排序依次判断每个积分商品的积分价格是否低于用户的积分;
40、推荐单元,若是,则将积分商品推荐给用户。
41、作为可选的实施方式,评分单元包括:
42、相似度计算装置,根据所述用户画像与所述积分商品数据按照多个特征分别计算相似度;
43、评分装置,根据每个特征的相似度计算积分商品数据对应的积分商品的评分。
44、作为可选的实施方式,加权及排序单元包括:
45、第一判断装置,判断所述近期访问商品数据所对应的商品在积分商城是否具有库存;
46、第一加权装置,第一判断装置的判读结果为是时,则将对应的积分商品加权;
47、发货地或使用地获取模块,根据积分商品数据获取对应的积分商品的发货地或使用地;
48、第二判断装置,判断所述发货地或使用地是否与用户地址数据所对应的地址相对应;
49、第二加权装置,第二判断装置的判读结果为是时,则将对应的积分商品加权。
50、本专利技术的上述技术方案具有如下有益的技术效果:
51、本专利技术提供的基于用户画像的积分商品推荐方法通过用户的行为数据构建用户画像,在基于用户画像为用户推荐积分商品;通过上述步骤可实现积分商品的精准推荐。
52、另一方面,基于商品数据和用户行为数据的多个特征构建用户画像,综合考虑了用户及商品的多个特征,针对同一商品,基于用户画像和行为数据的差异,对不同用户提供个性化的积分商品推荐服务。
53、更进一步的,通过本专利技术提供的基于用户画像的积分商品推荐方法实现对积分商城的中积分商品的精准推荐,以提高用户对积分商城的使用率,进一步增加对品牌或企业的本文档来自技高网...
【技术保护点】
1.一种基于用户画像的积分商品推荐方法,其特征在于,包括:
2.根据权利要求1所述的基于用户画像的积分商品推荐方法,其特征在于,所述行为数据包括购买商品数据以及与所述购买商品数据对应的价格数据、售后数据和评价数据;
3.根据权利要求2所述的基于用户画像的积分商品推荐方法,其特征在于,根据所述用户画像、所述积分商品数据和所述近期访问商品数据为用户推荐积分商品包括;
4.根据权利要求3所述的基于用户画像的积分商品推荐方法,其特征在于,根据所述用户画像和所述积分商品数据对所有的积分商品评分包括:
5.根据权利要求4所述的基于用户画像的积分商品推荐方法,其特征在于,根据所述近期访问商品数据和用户地址数据为所有的积分商品的评分加权包括:
6.一种基于用户画像的积分商品推荐系统,其特征在于,包括:
7.根据权利要求6所述的基于用户画像的积分商品推荐系统,其特征在于,所述行为数据包括购买商品数据以及与所述购买商品数据对应的价格数据、售后数据和评价数据;
8.根据权利要求7所述的基于用户画像的积分商品推荐系统,其
9.根据权利要求8所述的基于用户画像的积分商品推荐系统,其特征在于,评分单元包括:
10.根据权利要求9所述的基于用户画像的积分商品推荐系统,其特征在于,加权及排序单元包括:
...【技术特征摘要】
1.一种基于用户画像的积分商品推荐方法,其特征在于,包括:
2.根据权利要求1所述的基于用户画像的积分商品推荐方法,其特征在于,所述行为数据包括购买商品数据以及与所述购买商品数据对应的价格数据、售后数据和评价数据;
3.根据权利要求2所述的基于用户画像的积分商品推荐方法,其特征在于,根据所述用户画像、所述积分商品数据和所述近期访问商品数据为用户推荐积分商品包括;
4.根据权利要求3所述的基于用户画像的积分商品推荐方法,其特征在于,根据所述用户画像和所述积分商品数据对所有的积分商品评分包括:
5.根据权利要求4所述的基于用户画像的积分商品推荐方法,其特征在于...
【专利技术属性】
技术研发人员:刘向锋,
申请(专利权)人:北京中奥通宇科技股份有限公司,
类型:发明
国别省市:
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。