[发明专利]一种基于用户浏览行为的商品推荐方法

说明书

本发明提供一种基于用户浏览行为的商品推荐的方法，包括：由购买行为预测器分析一个或多个用户的商品浏览历史数据，确定在一未来时段较有可能进行购买的第一用户集合；针对所确定的第一用户集合中的每个用户：从该用户的商品浏览历史数据中获取该用户浏览过的一个或多个商品，将所述一个或多个商品与目标商品进行商品相似度计算，基于所述商品相似度计算的结果，确定所述用户在所述未来时段较有可能购买目标商品，以及将所述用户添加至第二用户集合；以及向所确定的第二用户集合中的每个用户推荐所述目标商品。

技术领域

本发明涉及一种基于用户浏览行为的商品推荐方法、系统、电子设备和可读存储介质。

背景技术

随着互联网的兴起，越来越多的人到网上购物。电商行业的竞争也越来越激烈。各种营销手段也层出不穷。为了促进商品的销售，市场营销部门会进行商品的宣传，通常都会通过email、短信、移动电话推送消息等向用户发送各种营销信息。挖掘最有可能购买商品的潜在用户已经成为市场营销部门不可或缺的一环。

向用户发送营销信息之前，需要分析潜在购买所推销的目标商品的用户。目前一般有三种常见的商品推荐方法：

基于人群标签的推荐：分析用户的各种标签，如性别标签、收入标签、消费力标签、职业标签等等，针对具有相应标签的人群进行营销。基于人群标签方法，实际效果并不好，标签的确认是一个复杂的过程，并且很多标签是一个动态变化的过程，导致标签的准确率不高。

基于商品的推荐：找出与目标营销商品相似的商品，然后提取购买相似商品的用户进行营销。基于商品的方法，完全从商品属性方面考虑，忽略了用户本身的特征，比如两款商品虽然很相似，但是品牌不同，如果用户的品牌忠诚度很高，这样的营销甚至会导致用户的反感。

基于模型训练的推荐：目前使用的基于模型训练的推荐主要是以用户评价和对商品的评分作为基础数据的。但是用户评价和评分受很多主观因素影响，并且在用户对评分或评价不感兴趣而未进行相应行为的情况下，数据的收集并不全面。因此，以评价或评分进行模型训练，无法获取到用户最真实的购买习惯，也无法精确分析潜在购买目标商品的人群。

发明内容

有鉴于此，本发明实施例提供一种基于用户浏览行为的商品推荐方法，能够利用模型计算结合相似度计算的方法，精确分析潜在购买目标商品的人群，提高了用户的实际订单转化率。利用模型计算来针对每个用户的历史数据进行分析，确定出每个用户在未来时段进行购买的可能性，从而得到较有可能进行购买行为的用户集合；然后针对目标商品和有可能进行购买行为的用户曾浏览过的商品进行相似度计算，最终得到在未来时段有可能购买该目标商品的用户。从而能够向有可能购买该目标商品的用户推荐该目标商品。

为实现上述目的，根据本发明的技术方案的一个方面，提供了一种基于用户浏览行为的商品推荐方法。

根据本发明的技术方案的一个方面的基于用户浏览行为的商品推荐方法，包括：由购买行为预测器分析一个或多个用户的商品浏览历史数据，确定在一未来时段较有可能进行购买的第一用户集合；针对所确定的第一用户集合中的每个用户：从该用户的商品浏览历史数据中获取该用户浏览过的一个或多个商品，将所述一个或多个商品与目标商品进行商品相似度计算，基于所述商品相似度计算的结果，确定所述用户在所述未来时段较有可能购买目标商品，以及将所述用户添加至第二用户集合；以及向所确定的第二用户集合中的每个用户推荐所述目标商品。

可选地，其中由所述购买行为预测器分析所述一个或多个用户的所述商品浏览历史数据，确定在所述未来时段较有可能进行购买的所述第一用户集合包括：针对所述一个或多个用户中的每个用户：基于该用户的商品浏览历史数据，由所述购买行为预测器确定该用户在所述未来时段进行购买行为的可能性；响应于确定所述可能性大于阈值，将该用户添加到所述第一用户集合。