一種基於大數據分析的商品推送方法及裝置與流程
2023-06-05 20:31:37
本發明涉及網際網路數據處理技術領域，特別涉及一種基於大數據分析的商品推送方法。
背景技術：
隨著科技的不斷發展，社會信息化進程的加快，電子商務交易平臺的不斷完善，越來越多的人們通過網上購物的方式來獲取自己所需的商品，商品的種類可以涉及到人們日常生活的方方面面，為人們生活提供了極大的便利。
由於現在各個電商平臺上的商品種類繁多，用戶在購物時，往往需要花費大量的時間進行挑選才能找到自己需要的商品，因此各個商家為了保證用戶體驗，均提供了針對用戶的個性化推送服務。
然而，現有的商品推送方法一般通過獲取用戶日常瀏覽記錄或購買歷史進行簡單推送，沒有針對商品自身的特定及用戶的個人信息進行個性化定製，使得推送信息的準確性較低。
技術實現要素：
本發明的目的在於克服現有技術不足，提供了一種基於大數據分析的商品推送方法,能夠結合商品自身的特點及用戶喜好進行個性化定製推送，提高推送信息的準確性。
本發明為實現上述目的採用以下的技術方案：
第一方面，本發明提供了一種基於大數據分析的商品推送方法，包括：
獲取用戶的第一地域信息；
根據所述第一地域信息獲取第一推送標示；
獲取包含所述第一推送標示的商品信息，記為第一商品信息；
將所述第一商品信息推送給所述用戶。
進一步的，在本發明一實施例中，所述將所述第一商品信息推送給所述用戶，之後還包括：
獲取所述用戶對所述第一商品信息的瀏覽時間；
判斷所述用戶對所述第一商品信息未表達購買意向，且所述瀏覽時間小於預設時間時；
獲取當前日期信息；
根據所述第一地域信息及所述當前日期信息獲取第二推送標示；
獲取包含所述第二推送標示的商品信息，記為第二商品信息；
將所述第二商品信息推送給所述用戶。
進一步的，在本發明一實施例中，所述將所述第一商品信息推送給所述用戶，之後還包括：
獲取所述用戶對所述第一商品信息的瀏覽時間；
判斷所述用戶對所述第一商品信息未表達購買意向，且所述瀏覽時間小於預設時間時；
獲取用戶的第二地域信息；
根據所述第二地域信息獲取第三推送標示；
獲取包含所述第三推送標示的商品信息，記為第三商品信息；
將所述第三商品信息推送給所述用戶。
進一步的，在本發一實施例中，所述將所述第一商品信息推送給所述用戶，之後還包括：
獲取所述用戶對所述第一商品信息的瀏覽時間；
判斷所述用戶對所述第一商品信息未表達購買意向，且所述瀏覽時間小於預設時間時；
獲取所述用戶的第二地域信息及當前日期信息；
根據所述第二地域信息及所述當前日期信息獲取第四推送標示；
獲取包含所述第四推送標示的商品信息，記為第四商品信息；
將所述第四商品信息推送給所述用戶。
在本發明一實施例中，所述根據所述第一地域信息獲取第一推送標示，具體包括：
獲取收貨地址與所述第一地域信息匹配的購買記錄；
根據所獲取的購買記錄統計各個商品的購買次數；
將所述購買次數不低於預設購買次數的商品的標示記為第一推送標示。
在本發明一實施例中，所述根據所述第一地域信息及所述當前日期信息獲取第二推送標示，具體包括：
獲取收貨地址與所述第一地域信息匹配的購買記錄；
根據所述當前日期信息生成時間區間；
統計所獲取的購買記錄中購買時間在所述時間區間之內的商品的購買次數
將所述購買次數不低於預設購買次數的商品的標示記為第二推送標示。
在本發明一實施例中，所述根據所述第二地域信息獲取第三推送標示，具體包括：
獲取收貨地址與所述第二地域信息匹配的購買記錄；
根據所獲取的購買記錄統計各個商品的購買次數；
將所述購買次數不低於預設購買次數的商品標示記為第三推送標示。
在本發明一實施例中，根據所述第二地域信息及所述當前日期信息獲取第四推送標示，具體包括：
獲取收貨地址與所述第二地域信息匹配的購買記錄；
根據所述當前日期信息生成時間區間；
統計所獲取的購買記錄中購買時間在所述時間區間之內的商品的購買次數；
將所述購買次數不低於預設購買次數的商品的標示記為第四推送標示。
第二方面，本發明還提供了一種基於大數據分析的推送時間計算方法，包括：
獲取用戶的所有訂單信息，根據訂單信息中的商品種類對所獲取的訂單進行分組；
獲取任一分組中最近成交的訂單信息，記為第一訂單信息；
獲取同一分組中與所述第一訂單信息相鄰的訂單信息，記為第二訂單信息；
根據所述第一訂單信息的成交時間及所述第二訂單信息的成交時間生成購買間隔；
根據所述第二訂單信息中的商品購買數量及所述購買間隔生成消耗速率；
根據所述第一訂單信息中的商品購買數量及所述消耗速率計算下一次推送的時間。
第三方面，本發明還提供了一種基於大數據分析的商品推送裝置，包括第一用戶信息獲取模塊，第一標示獲取模塊，第一商品獲取模塊及第一推送模塊；
其中，所述第一用戶信息獲取模塊用於獲取用戶的第一地域信息；
所述第一標示獲取模塊用於根據所述第一地域信息獲取第一推送標示；
所述第一商品獲取模塊用於獲取包含所述第一推送標示的商品信息，並記為第一商品信息；
所述第一推送模塊用於將所述第一商品信息推送給所述用戶。
在本發明一實施例中，所述一種基於大數據分析的商品推送裝置，還包括時間獲取模塊，第一判斷模塊，第二標示獲取模塊，第二商品獲取模塊及第二推送模塊；
其中，所述時間獲取模塊獲取所述用戶對所述第一商品信息的瀏覽時間；
所述第一判斷模塊用於當判斷所述用戶對所述第一商品信息未表達購買意向，且所述瀏覽時間小於預設時間時，獲取當前日期信息；
所述第二標示獲取模塊用於根據所述第一地域信息及所述當前日期信息獲取第二推送標示；
所述第二商品獲取模塊用於獲取包含所述第二推送標示的商品信息，記為第二商品信息；
所述第二推送模塊用於將所述第二商品信息推送給所述用戶。
在本發明一實施例中，所述一種基於大數據分析的商品推送裝置，還包括第二判斷模塊，第三標示獲取模塊，第三商品獲取模塊及第三推送模塊；
其中，所述第二斷模塊用於當判斷所述用戶對所述第一商品信息未表達購買意向，且所述瀏覽時間小於預設時間時，獲取用戶的第二地域信息；
所述第三標示獲取模塊用於根據所述第二地域信息獲取第三推送標示；
所述第三商品獲取模塊用於獲取包含所述第三推送標示的商品信息，記為第三商品信息；
所述第三推送模塊用於將所述第三商品信息推送給所述用戶
在本發明一實施例中，所述一種基於大數據分析的商品推送裝置，還包括第三判斷模塊，第四標示獲取模塊，第四商品獲取模塊及第四推送模塊
其中，所述第三判斷模塊用於當判斷所述用戶對所述第一商品信息未表達購買意向，且所述瀏覽時間小於預設時間時，獲取所述用戶的第二地域信息及當前日期信息；
所述第四標示獲取模塊用於根據所述第二地域信息及所述當前日期信息獲取第四推送標示；
所述第四商品獲取模塊用於獲取包含所述第四推送標示的商品信息，記為第四商品信息；
所述第四推送模塊用於將所述第四商品信息推送給所述用戶。
在本發明一實施例中，所述一種基於大數據分析的商品推送裝置，還包括推送時間計算模塊；
所述推送時間計算模塊用於根據用戶的訂單信息計算下一次推送的時間。
本發明的有益效果：
本發明提供了一種基於大數據分析的商品推送方法及裝置，通過獲取用戶的地域信息結合預設數據或其他用戶的購買記錄判斷用戶的喜好，並進行相關商品的推送，能夠滿足用戶對於地域敏感商品的選購需求；
且在本發明的優選實施例中，如用戶對第一次推送的信息未表達出足夠的興趣時，還會獲取用戶的第二地域信息和/或日期信息，根據第二地域信息和/或日期信息及時調整推送內容，並向用戶發送第二次推送信息，及時解決第一次推送時，信息不準確的問題，有效的減少了用戶挑選商品的時間，提高了用戶體驗；
進一步的，本發明還提供了一種推送時間的計算方法，能夠及時向用戶推送需要的商品，保證了用戶的粘著度，提高了用戶體驗。
附圖說明
圖1為本發明一實施例中一種基於大數據分析的商品推送方法的流程示意圖；
圖2為本發明第二實施例中一種基於大數據分析的商品推送方法的流程示意圖；
圖3為本發明第三實施例中一種基於大數據分析的商品推送方法的流程示意圖；
圖4為本發明第四實施例中一種基於大數據分析的商品推送方法的流程示意圖；
圖5為本發明一實施例中一種基於大數據分析的推送時間計算方法的流程示意圖；
圖6為本發明一實施例中一種基於大數據分析的商品推送裝置的結構示意圖。
具體實施方式
下面結合附圖以及具體實施例對本發明做進一步說明，其中的示意性實施例以及說明僅用來解釋本發明，但並不作為對本發明的限定。
如圖1所示，本發明提供了一種基於大數據分析的商品推送方法，包括：
s110：獲取用戶的第一地域信息；
具體的，在本發明一實施例中，所述第一地域信息包括ip地址、收貨地址、gps定位信息中的至少一種。
可以理解的是，在獲得用戶的第一地域信息後，後臺伺服器可以根據商品的對地域敏感性的不同，按照不同的預設精度對用戶的第一地域信息進行行政區域的劃分，如，可以根據用戶的ip地址定位用戶所在的省、市或區。
s120：根據所述第一地域信息獲取第一推送標示；
其中，在本發明一實施例中，步驟s120具體包括,
獲取收貨地址與所述第一地域信息匹配的購買記錄；
根據所獲取的購買記錄統計各個商品的購買次數；
將所述購買次數不低於預設購買次數的商品的標示記為第一推送標示。
具體地，對於一些地域敏感型的商品，如茶葉商品，每個地區的人對於茶葉的喜好都有差異，為了更準確的進行商品信息的推送，在獲取了當前用戶的第一地域信息後，後臺伺服器會根據同一地域信息的歷史成交記錄(可以包括當前用戶的歷史成交記錄)推送相關的商品信息；如，通過獲取當前用戶的ip地址或收貨地址判斷當前用戶為廣東用戶，後臺伺服器調用收貨地址為廣東省的所有訂單的商品信息，按照商品的類型分別進行統計購買次數，將統計後購買次數超過後臺預設購買次數的商品名稱作為第一推送標示，如，統計收貨地址為廣東的一共有100個訂單，其中，綠茶的購買次數為60次，紅茶的25次，花茶的為15次，後臺伺服器設置的預設購買次數為50次，則以綠茶作為第一推送標示；其中，為了更準確的反應同一地區的各個用戶的購買情況，在統計購買次數時只統計該類商品的成交次數，而忽略購買的商品數量。
s130：獲取包含所述第一推送標示的商品信息，記為第一商品信息；
s140：將所述第一商品信息推送給所述用戶。
具體的，在本發明一實施例中，後臺伺服器獲取了第一推送標示後，根據第一推送標示在預設資料庫進行檢索，將包含第一推送標示的商品信息推送給當前用戶。
如，後臺伺服器根據訂單篩選結果獲得第一推送標示為綠茶，則後臺伺服器搜索資料庫中商品名或商品描述中包含綠茶的商品信息，並將所搜索出的商品信息作為第一次推送內容推送給用戶。
進一步的，為了更準確的對用戶進行推送，本發明所提供的推送方法在完成第一次推送後，還會對用戶對於推送信息的瀏覽情況進行確認，在發現用戶對第一次推送的商品不感興趣時，及時更換推送方法進行第二次推送，具體步驟如圖2所示,在本發明第二實施例中，還提供了一種基於大數據分析的商品推送方法，具體包括：
s210：獲取用戶對所述第一商品信息的瀏覽時間；
s220：判斷用戶對所述第一商品信息未表達購買意向，且所述瀏覽時間小於預設時間時；
具體的，在本發明一實施例中，所述步驟s220中，判斷用戶對所述第一商品信息未表達購買意向，具體包括：當用戶1)沒有收藏或關注所推送的商品；2)沒有將所推送的商品添加到購物車；3)沒有對所推送的商品提交訂單；中的任一種時，判斷用戶對所述第一商品信息未表達購買意向。
具體的，在將對用戶進行第一次推送後，後臺伺服器監控還會監控用戶對於推送信息的瀏覽情況，獲得用戶的瀏覽時間，當用戶對於推送信息未表達購買意願且對於商品信息的瀏覽時間低於預設值時，後臺伺服器判斷第一次推送的商品信息為不滿足用戶的需求。
如，當用戶對推送商品既沒有收藏或關注，也沒有添加購物車或提交訂單，且瀏覽時間較短，如只瀏覽了10秒鐘，則明顯用戶對於該商品的推送並不滿意，需要進行二次推送。
s230：獲取當前日期信息；
s240：根據所述第一地域信息及所述當前日期信息獲取第二推送標示；
具體的，對於某些商品，如茶葉，除了地域敏感性以外，還對購買時間有一定的敏感度，同一種茶葉不懂季節採集、炒制的口感及價格都會有明顯的區別，這就導致了用戶在購買茶葉時，除了每個地區對於茶葉喜好會有不同外，同一地區用戶在不同的季節對茶葉的需求也會有所不同，因此，當根據地域信息進行的第一次推送不滿足用戶的需求時，後臺伺服器獲取當前日期信息，並參照日期信息生成第二推送標示。
其中，在本發明一實施例中，步驟s240具體包括：
獲取收貨地址與所述第一地域信息匹配的購買記錄；
根據所述當前日期信息生成時間區間；
統計所獲取的購買記錄中購買時間在所述時間區間之內的商品的購買次數；
將所述購買次數不低於預設購買次數的商品的標示記為第二推送標示。
具體的，在本發一實施例中，所述根據所述當前日期信息生成時間區間，具體為，根據當前日信息判斷當前季節信息，根據當前季節信息獲取預設的時間區間。
具體的，後臺伺服器在按照當前用戶的地域信息進行一次篩選後，如選出所有收貨地址為廣東的訂單，根據所獲得的日期信息判斷當前的季節信息，並根據所述季節信息生成時間區間，如，後臺伺服器獲得的當前日期為3月份，後臺伺服器判斷此時為春季，按照預存的春茶上市時間生成時間區間為1-3月份，後臺伺服器挑選成交時間在1-3月份之內的訂單信息，並統計該區間內的各種茶葉的購買次數，並挑選出購買次數不低於預設購買次數的茶葉種類，並將該種茶葉種類作為第二推送標示。
s250：獲取包含所述第二推送標示的商品信息，記為第二商品信息；
s260：將所述第二商品信息推送給所述用戶。
在本發明另一實施例中，除了按照日期信息對推送信息進行二次篩選外，還可以參照用戶的第二地域信息進行二次篩選，如圖3所示，在本發明第三實施例中，還提供了一種基於大數據分析的商品推送方法，具體包括：
s310：獲取用戶對所述第一商品信息的瀏覽時間；
s320：當用戶對所述第一商品信息未表達購買意向，且所述瀏覽時間小於預設時間時；
s330：獲取用戶的第二地域信息；
其中，所述第二地域信息包括用戶的歷史登錄ip或已成交訂單的收貨地址；
具體的，後臺伺服器獲取預設的某個特定時期用戶的登錄ip或訂單的收貨地址作為用戶的歷史地域信息。
s340：根據所述第二地域信息獲取第三推送標示；
s350：獲取包含所述第三推送標示的商品信息，記為第三商品信息；
s360：將所述第三商品信息推送給所述用戶。
具體的，後臺伺服器所獲取用戶的當前地理位置有可能不能真實的反映出用於的喜好信息，如一位長年生活在北京的用戶，因為工作需求到廣州工作，此時後臺伺服器通過ip地址判斷用戶的地域信息為廣東，繼而按照廣東用戶的喝茶喜好進行商品推送，而這明顯不符合用戶的真實需求；因此，在第一次推送的商品信息不符合用戶的預期是，後臺伺服器還會參照用戶的歷史地域信息；
其中，用戶的歷史地域信息可以通過用戶以往的登錄ip或之前成交的訂單的收貨地址來獲取，選取後臺伺服器中預設的一個特定時間點的ip地址或收貨地址作為該用戶的歷史地域信息；如，根據中國人的習慣，春節期間大部分人都會回家過年，因此用戶在過年期間登錄的ip地址或收貨地址可以有效的反應出用戶的真實地域信息，因此後臺伺服器可以選取當前用戶之前幾年在過年期間登錄的ip地址或收貨地址作為該用戶的地域信息；
如，用戶當前的地域信息為廣東，後臺伺服器按照廣東用戶的喜好進行第一次茶葉推送後，用戶對此次推送的內容沒有表現出足夠的購買意向，後臺伺服器調取該用戶在過去2年中，過年期間的登錄的ip地址，並判斷此ip地址對應的地理區域為北京，則後臺伺服器調取收貨地址為北京的訂單詳情，並進行篩選，按照北京用戶的喜好進行第二次茶葉商品的推送。
進一步的，在本發明一實施例中，還可以將上述兩種二次推送的方法進行結合，即同時參考用戶的第二地域信息及當前的日期信息進行二次推送，如圖4所示，在本發明第四實施例中，還提供了一種基於大數據分析的商品推送方法，具體包括：
s410：獲取用戶對所述第一商品信息的瀏覽時間；
s420：當用戶對所述第一商品信息未表達購買意向，且所述瀏覽時間小於預設時間時；
s430：獲取用戶的第二地域信息及當前日期信息；
s440：根據所述第二地域信息及所述當前日期信息獲取第四推送標示；
s450：獲取包含所述第四推送標示的商品信息，記為第四商品信息；
s460：將所述第四商品信息推送給所述用戶。
其中,在本發明一實施例中，步驟s440具體包括：
獲取收貨地址與所述第二地域信息匹配的購買記錄；
根據所述當前日期信息生成時間區間；
統計所獲取的購買記錄中購買時間在所述時間區間之內的商品的購買次數
將所述購買次數不低於預設購買次數的商品的標示記為第四推送標示。
可以理解的是，本發明所述的商品信息既可指代某一款商品，如龍井、碧螺春等；也可指代某一類商品，如綠茶、紅茶等；本發明對此不作限定。
第二方面，本發明還提供了一種基於大數據分析的推送時間計算方法，包括：
s510：獲取用戶的所有訂單信息，根據訂單信息中的商品種類對所獲取的訂單進行分組；
s520：獲取任一分組中最近成交的訂單信息，記為第一訂單信息；
s530：獲取同一分組中與所述第一訂單信息相鄰的訂單信息，記為第二訂單信息；
s540：根據所述第一訂單信息的成交時間及所述第二訂單信息的成交時間生成購買間隔；
s550：根據所述第二訂單信息中的商品購買數量及所述購買間隔生成消耗速率；
s560：根據所述第一訂單信息中的商品購買數量及所述消耗速率計算下一次推送的時間。
具體的，為了及時的向用戶推送需要的商品，本發明還提供了一種推送時間的計算方法，後臺伺服器獲取用戶的所有訂單信息，並按照商品類型，將購買同一種類商品的訂單劃分為同一分組；獲取任意一個分組中最近成交的訂單信息，記為第一訂單信息，同時獲取與所述第一訂單信息相鄰的訂單記為第二訂單信息，獲取第一訂單信息和第二訂單信息的成交間隔，根據所述成交間隔和第二訂單信息中購買的商品數量生成消耗速率，再根據第一訂單信息中購買的商品數量及所述消耗速率計算推送時間；
如，後臺伺服器獲取用戶的所有訂單信息後，根據訂單所包含的商品信息分成綠茶訂單分組、紅茶訂單分組及花茶訂單分組；後臺伺服器獲取綠茶訂單分組中最近成交的訂單信息，即第一訂單信息，其中第一訂單信息中包括購買綠茶500克，購買日期為7月；同時後臺伺服器獲取與上述訂單相鄰的訂單信息，即第二訂單信息，其中第二訂單信息中包括購買綠茶200克，購買日期為5月；後臺伺服器根據兩個訂單的成交時間計算該用戶的購買間隔，即2個月，同時根據第二訂單信息的購買數量計算用戶的對綠茶的消耗速率，即200/2＝100克/月，即用戶平均的每月消耗100克綠茶茶葉，再根據第一訂單信息中的購買數量，計算用戶下次購買茶葉的大致時間，即500/100＝5個月，即用戶會在5個月後消耗完此次購買的茶葉，因此，後臺伺服器生成該用戶綠茶茶葉的下一次推送時間為5個月，即在12月的時候按照推送規則向用戶推送綠茶信息；同理後臺伺服器還可按照上述方法再分別計算用戶紅茶及花茶的推送時間，並按照推送規則分別進行推送。
其中，可以理解的是，對於商品是否屬於同一類商品可以通過人工預設的篩選規則進行篩選，如在伺服器中預設，龍井、碧螺春都屬於綠茶，則用戶購買龍井和購買碧螺春的訂單信息都會分入綠茶訂單分組。
如圖6所示，本發明還提供了一種基於上述推送方法及推送時間計算方法的的商品推送裝置，一種基於大數據分析的商品推送裝置，包括第一用戶信息獲取模塊100，第一標示獲取模塊200，第一商品獲取模塊300及第一推送模塊400；
其中，第一用戶信息獲取模塊100用於獲取用戶的第一地域信息；
第一標示獲取模塊200用於根據所述第一地域信息獲取第一推送標示；
第一商品獲取模塊300用於獲取包含所述第一推送標示的商品信息，並記為第一商品信息；
第一推送模塊400用於將所述第一商品信息推送給所述用戶。
進一步的，在本發明一實施例中，所述一種基於大數據分析的商品推送裝置，還包括時間獲取模塊，第一判斷模塊，第二標示獲取模塊，第二商品獲取模塊及第二推送模塊；
其中，所述時間獲取模塊獲取所述用戶對所述第一商品信息的瀏覽時間；
所述第一判斷模塊用於當判斷所述用戶對所述第一商品信息未表達購買意向，且所述瀏覽時間小於預設時間時，獲取當前日期信息；
所述第二標示獲取模塊用於根據所述第一地域信息及所述當前日期信息獲取第二推送標示；
所述第二商品獲取模塊用於獲取包含所述第二推送標示的商品信息，記為第二商品信息；
所述第二推送模塊用於將所述第二商品信息推送給所述用戶。
在本發明一實施例中，所述一種基於大數據分析的商品推送裝置，還包括第二判斷模塊，第三標示獲取模塊，第三商品獲取模塊及第三推送模塊；
其中，所述第二斷模塊用於當判斷所述用戶對所述第一商品信息未表達購買意向，且所述瀏覽時間小於預設時間時，獲取用戶的第二地域信息；
所述第三標示獲取模塊用於根據所述第二地域信息獲取第三推送標示；
所述第三商品獲取模塊用於獲取包含所述第三推送標示的商品信息，記為第三商品信息；
所述第三推送模塊用於將所述第三商品信息推送給所述用戶
在本發明一實施例中，所述一種基於大數據分析的商品推送裝置，還包括第三判斷模塊，第四標示獲取模塊，第四商品獲取模塊及第四推送模塊
其中，所述第三判斷模塊用於當判斷所述用戶對所述第一商品信息未表達購買意向，且所述瀏覽時間小於預設時間時，獲取所述用戶的第二地域信息及當前日期信息；
所述第四標示獲取模塊用於根據所述第二地域信息及所述當前日期信息獲取第四推送標示；
所述第四商品獲取模塊用於獲取包含所述第四推送標示的商品信息，記為第四商品信息；
所述第四推送模塊用於將所述第四商品信息推送給所述用戶。
在本發明一實施例中，所述一種基於大數據分析的商品推送裝置，還包括推送時間計算模塊；
所述推送時間計算模塊用於根據用戶的訂單信息計算下一次推送的時間。
具體的，在本發明一實施例中，本發明所提供的一種基於大數據分析的商品推送裝置集成在商戶的後臺伺服器中，其所有功能及操作均由所述後臺伺服器完成。
顯然，上述實施例僅僅是為了更清楚的表達本發明技術方案所作的舉例，而非對本發明實施方式的限定。對於本領域技術人員來說，在上述說明的基礎上還可以做出其它不同形式的變化或變動，在不脫離本發明構思的前提下，這些都屬於本發明的保護範圍。因此本發明專利的保護範圍應以所附權利要求為準。