[发明专利]基于用户购买行为来识别不良商品的方法和系统

说明书

技术领域

本发明涉及一种识别不良商品的方法和系统，更具体地，涉及一种基于用户购买行为来识别不良商品的方法和系统。

背景技术

在电子商务领域，尤其是大型电商具有品类众多，商品数量庞大的特征。普通消费者在购买商品后，会对商品有一个全面的评价，比如销售者满意度、客户体验等。然而，对于电商来说如何收集消费者对商品的感受则是难点。从另外一个角度，如果消费者对一件（一组）商品满意度非常差，则消费者将不再回到电商网络再次购物。这样的结果是商家极为不希望发生的事情，而造成客户流失的源头是因为出现了不良商品，这些商品需要商家进行优化（比如配送、商品质量、商品价格等）。

不良商品的检测有几种常见的方法，比如通过对用户投诉数据或评论数据进行分析，进而获得投诉倾向明显或差评比较多的商品。

一般的步骤如下：a）获取商品评论数据；b）将获取的评论数据分成词组以便进行比对；c）获得发生频数最高的几个单词；d）如果这几个单词属于否定性质，则判断该商品为不良商品。

现有技术存在以下缺点：（1）对于评论数据，用户在对商品存在极大抱怨时，会存在再也不回到网站上发生任何行为，这是实际上是没有评论数据可获取的；（2）用户对于评论的偏好也是不同的，有的用户对于所有购买的产品都呈现出攻击性的态度，表现为全部购买的商品均为差评，但是这些差评并不影响这位用户后续的购买行为。也就是说，实际上这位客户对于商品依然是“满意”的，只是在言论上有不满，而非行动上的不满；（3）投诉的数据同样存在评论一样的问题，并且投诉数据是集中在客服系统，其语音数据并不能利用，商品投诉仅仅是客服投诉中的一个小的分类，反映不良商品的数据密集型较差。

虽然现阶段一般电子商务网站并没有如此大量（日销售的唯一商品数量在50000件以上）的商品，但是随着互联网技术的快速发展仍然需要一种能够在海量商品中迅速地搜索到不良商品，并提醒采销人员进行人工干预的方法和系统，从而减少不良商品对消费者的负面营销。

发明内容

根据本发明的一方面，提供了一种基于用户购买行为识别不良商品的方法，所述方法包括：由用户筛选模块从客户交易系统中选取特定时间段内仅单次购物行为的用户集；由所述用户筛选模块基于全部客户购买的商品明细特征和所述用户集来构建用户商品购买关系矩阵；由识别模块基于所述用户商品购买关系矩阵来计算商品的不良概率以识别出不良商品；由所述识别模块根据所识别出的不良商品来生成不良商品清单；以及由推送模块将所生成的不良商品清单提供给商品干预系统。

根据本发明的一个实施例，所述用户集包括第一用户子集，所述第一用户子集是在所述特定时间段中仅单次购物行为并且在所述特定时间段之前的先前特定时间段内没有购物行为的用户子集。

根据本发明的一个实施例，在构建所述用户商品购买关系矩阵之前，由所述行为标记模块基于所述第一用户子集来对所述第一用户子集在所述特定时间段之后的未来特定时间段内是否发生了特定行为进行标记以生成相应用户的行为数据。

根据本发明的另一个实施例，所述第一用户子集包括第二用户子集，所述第二用户子集是在所述特定时间段中仅单次购物行为、在所述特定时间段之前的先前特定时间段内没有购物行为并且在所述特定时间段之后的未来特定时间段没有发生特定行为的用户子集。

根据本发明的一个实施例，所述用户商品购买关系矩阵基于全部客户购买的商品明细特征和所述第一用户子集被构建。

根据本发明的另一个实施例，所述用户商品购买关系矩阵基于全部客户购买的商品明细特征和所述第二用户子集被构建。

根据本发明的另一个实施例，商品的不良概率的计算还基于所述行为数据。

根据本发明的一个实施例，所述特定行为是购物行为、登录行为或收藏行为中的一个。

根据本发明的一个实施例，所述识别模块采用适用于稀疏矩阵环境的算法来对商品的不良概率进行求解。

根据本发明的另一个实施例，所述识别模块采用二项分布假设检验的方式来识别出不良商品。

根据本发明的另一个方面，提供了一种基于用户购买行为识别不良商品的系统，所述系统包括：用户筛选模块，所述筛选模块被配置成从客户交易系统中选取特定时间段内仅单次购物行为的用户集，并且基于全部客户购买的商品明细特征和所述用户集来构建用户商品购买关系矩阵；识别模块，所述识别模块被配置成基于所述用户商品购买关系矩阵来计算商品的不良概率以识别出不良商品，并且根据所识别出的不良商品来生成不良商品清单；以及推送模块，所述推送模块被配置成将所生成的不良商品清单提供给商品干预系统。