[发明专利]商品推荐方法、装置和计算机可读存储介质

说明书

本公开涉及一种商品推荐方法、装置和计算机可读存储介质，涉及计算机技术领域。本公开的方法包括：根据线下用户的人脸属性分析结果，确定线下用户的属性；获取线上用户的属性以及历史购物信息；根据线上用户和线下用户的属性匹配结果，以及线上用户的历史购物信息向线下用户推荐商品。本公开中对线下用户进行人脸属性分析，确定线下用户的属性，通过匹配线上用户以及线下用户的属性，并调用线上用户的历史购物信息，向线下用户推荐商品。本公开的方案打通线上线下数据，将线上线下数据有效地结合，能够提高商品推荐的准确性，提升用户体验。

技术领域

本公开涉及计算机技术领域，特别涉及一种商品推荐方法、装置和计算机可读存储介质。

背景技术

虽然随着互联网技术的不断发展，线上消费行为越来越普及。但是，线上消费始终无法取代线下消费。人们购物、娱乐、社交仍然注重线下的真实体验。

目前，线下购物仍然采用传统模式，例如，大型购物商场仍然主要依靠导购为顾客推荐商品。大型电子广告牌仍然采用随机播放广告的形式吸引顾客的注意。

发明内容

发明人发现：目前线下传统的购物模式，无法向顾客精准的推荐商品，降低了对顾客的吸引力，用户体验差。

本公开所要解决的一个技术问题是：如何针对线下用户推荐商品，提高商品推荐的准确性，提升用户体验。

根据本公开的一些实施例，提供的一种商品推荐方法，包括：根据线下用户的人脸属性分析结果，确定线下用户的属性；获取线上用户的属性以及历史购物信息；根据线上用户和线下用户的属性匹配结果，以及线上用户的历史购物信息向线下用户推荐商品。

在一些实施例中，根据线上用户和线下用户的属性匹配结果，以及线上用户的历史购物信息向线下用户推荐商品包括：根据与线下用户属性相同的线上用户的历史购物信息，构建商品推荐集合；根据商品推荐集合中各个商品的用户关注度，确定向线下用户推荐的商品。

在一些实施例中，根据与线下用户属性相同的线上用户的历史购物信息，构建商品推荐集合包括：获取与线下用户属性相同的线上用户群作为基础用户群；从基础用户群历史访问的商品中选取被访问次数超过阈值的至少一个商品，构建商品推荐集合；其中，访问次数包括：浏览次数、购买次数、分享次数、评论次数、收藏次数中至少一项。

在一些实施例中，构建商品推荐集合之后还包括：根据线上用户的历史购物信息，确定与基础用户群购物行为相似的备选用户群，作为附加用户群；根据附加用户群的历史购物信息，扩充商品推荐集合；其中，线上用户根据属性被划分为不同的用户群，基础用户群是与线下用户属性相同的线上用户群，备选用户群为是基础用户群属性不同的线上用户群。

在一些实施例中，确定附加用户群包括：根据备选用户群与基础用户群偏好的相同商品的数量，以及该备选用户群与基础用户群分别偏好的商品总量，确定该备选用户群与基础用户群的行为相似度；将与基础用户群的行为相似度超过行为相似度阈值的线上用户群确定为附加用户群；其中，用户群偏好的商品是用户群对商品的关注度超过关注度阈值的商品。

在一些实施例中，构建商品推荐集合之后还包括：根据各个商品的用户关注度，确定与推荐商品相似的备选商品，作为附加商品；将附加商品加入商品推荐集合，以扩充商品推荐集合；其中，推荐商品为商品推荐集合中的商品，备选商品为与线下用户属性不同的线上用户访问过的商品。

在一些实施例中，确定附加商品包括：根据备选商品的偏好用户群数、推荐商品偏好用户群数以及共同偏好该备选商品和推荐商品的用户群数，确定该备选商品与推荐商品的相似度；将与推荐商品的相似度超过相似度阈值的备选商品确定为附加商品；其中，商品的偏好用户群数是对商品的关注度超过关注度阈值的用户群数量。

在一些实施例中，该方法还包括：选取与线下用户的属性相关联的商品，向线下用户进行推荐。