【技术实现步骤摘要】
本专利技术提出了一种基于用户习惯的智能营销方法及系统，属于用户习惯智能营销。
技术介绍
1、目前，在大数据环境下用户的信息被收集的越来越全面，通过用户数据的分析获取用户的习惯，根据网上平台购物用户的习惯对用户进行精准营销，通过这种方法加大了营销的成功率，但是目前用户对保护个人信息的意识越来越好，用户有意识的不填写完全符合的大数据信息，导致用户数据不准确，引起营销方案不匹配，无法进行精准营销和用户的购物体验不佳。
技术实现思路
1、本专利技术提供了一种基于用户习惯的智能营销方法及系统，实现了用户习惯数据的准确处理、商品营销的精准推荐、用户通知的个性化推送、商品推荐的个性化布局以及社交行为的深度分析，提高了商品的销售效率和用户的购物体验。
2、本专利技术提出的一种基于用户习惯的智能营销方法，所述方法包括：
3、采集用户习惯数据，生成用户习惯自画像；
4、对用户习惯自画像进行验证，优化用户习惯数据；
5、根据优化用户习惯数据进行定位分析，生成商品营销推荐方案；
6、更新用户习惯数据，调整商品营销推荐方案，获取新的商品营销推荐方案。
7、进一步，根据所述采集用户习惯数据，生成用户习惯自画像，包括：
8、采集用户初次使用时自行登记年龄、职业、性别和地域信息，获取用户的基本信息；
9、采集用户的搜索记录、浏览记录、购买记录、评论记录和分享记录，获取用户的行为习惯信息；
10、采集用户商品
11、采集用户的社交评论记录和分享记录，获取用户的社交习惯信息；
12、综合用户的基本信息、行为习惯信息、偏好习惯信息和社交习惯信息，生成用户习惯自画像。
13、进一步，根据所述对用户习惯自画像进行验证，优化用户习惯数据，包括：
14、根据用户习惯自画像，在用户浏览时推荐80％与自画像同种匹配的商品，20％与自画像异种匹配的商品，采集异种商品的浏览记录和购买记录，获取异种商品关注数据；
15、分析异种商品关注数据，对异种商品关注数据进行比较验证，将异种商品信息进行提取加入到用户习惯自画像中，获取优化用户习惯数据。
16、进一步，所述根据优化用户习惯数据进行定位分析，生成商品营销推荐方案，包括：
17、分析用户搜索记录，若搜索商品与用户本人信息适配，记录商品的品类、风格、适用季节，同时记录用户的搜索时间，生成用户商品购买时机习惯，在时机到达时，将搜索相同商品加入第一商品推荐区；若与用户本人不匹配，则在下一个商品周期内，将80％同类同品搜索商品和20％同类异品搜索商品放入第一商品推荐区；
18、分析用户的浏览记录，获取浏览时间较长的单品，查询单品的类型、品牌、价格区间、颜色、尺寸和型号数据，从商品库中提取相似产品，加入用户第二商品推荐区；分析用户购买记录，查询购买商品的各项数据，购买的商品若是易损消耗品，在易损期到来前，将商品及相似功能商品进行提取，加入用户第三商品推荐区；
19、分析用户评论记录，获取用户评论观点，提取与观点相似产品，加入用户第四商品推荐区；
20、整合用户习惯的各类数据，将商品上架到第一、第二、第三和第四商品推荐区，并将商品推荐区位置进行循环交替，获取商品推荐页面。
21、进一步，根据所述更新用户习惯数据，调整商品营销推荐方案，获取新的商品营销推荐方案，包括：
22、跟踪用户的搜索记录，当发生主动搜索记录时，将搜索商品属性加入到真实自画像中，并将商品库中同类同品商品加入到第一商品推荐区中，若没有产生交易记录，则持续在第一商品推荐区中前置该商品，若商品产生交易，商品经过使用周期后则放置在第三商品推荐区中；
23、跟踪用户浏览记录，对浏览速度进行分析，根据分析结果将浏览的商品及商品属性因素进行划分，将权重高的商品及商品因素加入到用户习惯中，并加大第二商品推荐权重，更新第二商品推荐区；
24、跟踪用户购买记录，对购买记录进行分析，将与购买商品使用上有逻辑关联的，或者与购买商品同类别但价格、型号和颜色差异较大的商品放入第三商品推荐区，第三商品推荐区更新推荐商品；
25、跟踪用户评价记录，当发生主动交易记录时，将交易商品属性和评价记录相结合，根据评价记录星级给商品属性加减，评价星级低时，提升商品属性层级，上调商品属性要求，并将商品需求更新到用户习惯中，并在第四商品推荐区更新商品；
26、后台分析各推荐区更新商品后的销售业绩，若更新商品后销售笔数增加，或者销售额持平或者增加，说明商品营销方向与用户习惯匹配，持续商品营销方向；若销售笔数下降，且平均销售额也下降，说明营销推荐方向不对，重新生成营销方向，更新推荐区商品。
27、进一步，监控用户意向商品，当意向商品符合用户期望时，进行邮件或者短信通知。。
28、进一步，记录用户使用时间，推测用户使用规律，根据用户使用时间长短安排商品推荐页面，将用户习惯商品权重高的商品置于推荐前端，获取符合用户浏览时间的商品推荐页面。
29、进一步，分析用户社交习惯信息，记录用户社交关注人员，根据关注人员商品交流密集程度和购买情况，调取社交关注人员信息，将商品交流密集权重高的信息加到用户习惯上，更新推荐商品放入第四商品推荐区。
30、另一方面，本申请还提供了一种基于用户习惯的智能营销系统，所述系统包括：
31、习惯数据收集模块，用于采集用户习惯数据，生成用户习惯自画像；
32、习惯数据验证模块，用于对用户习惯自画像进行验证，优化用户习惯数据；
33、商品营销推荐模块，用于根据优化用户习惯数据进行定位分析，生成商品营销推荐方案；
34、商品营销调整模块，用于更新用户习惯数据，调整商品营销推荐方案，获取新的商品营销推荐方案；
35、营销信息发送模块，用于，监控用户意向商品，当意向商品符合用户期望时，进行邮件或者短信通知；
36、时长版块推荐模块，用于根据用户使用时间长短调整商品推荐页面，将用户习惯商品权重高的商品置于推荐前端，获取符合用户浏览时间的商品推荐页面；
37、社交记录分析模块，用于分析用户社交习惯信息，商品交流密集的信息提取添加到用户习惯上，更新推荐商品放入商品推荐区。
38、进一步，一种基于用户习惯的智能营销系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现所述方法的步骤。
39、本专利技术有益效果：通过采集用户自行登记的基本信息，和采集用户在网上购物平台的各种行为记录，这些数据进行整合分析，获取用户习惯自画像，通过用户习惯自画像，能够获取用户的性格、爱好，以及爱好商品的类型、款式以及经济承受能力，能够初步形成用户的自画像，利于对本文档来自技高网...
【技术保护点】
1.一种基于用户习惯的智能营销方法，其特征在于，所述方法包括：
2.根据权利要求1所述一种基于用户习惯的智能营销方法，其特征在于，采集用户习惯数据，生成用户习惯自画像，包括：
3.根据权利要求1所述一种基于用户习惯的智能营销方法，其特征在于，对用户习惯自画像进行验证，优化用户习惯数据，包括：
4.根据权利要求1所述一种基于用户习惯的智能营销方法，其特征在于，根据优化用户习惯数据进行定位分析，生成商品营销推荐方案，包括：
5.根据权利要求1所述一种基于用户习惯的智能营销方法，其特征在于，更新用户习惯数据，调整商品营销推荐方案，获取新的商品营销推荐方案，包括：
6.根据权利要求1所述一种基于用户习惯的智能营销方法，其特征在于，监控用户意向商品，当意向商品符合用户期望时，进行邮件或者短信通知。
7.根据权利要求1所述一种基于用户习惯的智能营销方法，其特征在于，记录用户使用时间，推测用户使用规律，根据用户使用时间长短安排商品推荐页面，将用户习惯商品权重高的商品置于推荐前端，获取符合用户浏览时间的商品推荐页面。
...【技术特征摘要】
1.一种基于用户习惯的智能营销方法，其特征在于，所述方法包括：
2.根据权利要求1所述一种基于用户习惯的智能营销方法，其特征在于，采集用户习惯数据，生成用户习惯自画像，包括：
3.根据权利要求1所述一种基于用户习惯的智能营销方法，其特征在于，对用户习惯自画像进行验证，优化用户习惯数据，包括：
4.根据权利要求1所述一种基于用户习惯的智能营销方法，其特征在于，根据优化用户习惯数据进行定位分析，生成商品营销推荐方案，包括：
5.根据权利要求1所述一种基于用户习惯的智能营销方法，其特征在于，更新用户习惯数据，调整商品营销推荐方案，获取新的商品营销推荐方案，包括：
6.根据权利要求1所述一种基于用户习惯的智能营销方法，其特征在于，监控用户意向商品，当意向商品符合用户期望时，进行邮件或者短信通知。...
【专利技术属性】
技术研发人员：李伟，李占，孙彦飞，
申请(专利权)人：深圳市亚飞电子商务有限公司，
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。