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。