[发明专利]内容推荐方法与其伺服系统

说明书

本申请公开了一种内容推荐方法与其伺服系统，伺服系统包括多个数据库，分别为根据多个客户提供的会员数据分析而建立的专属数据库，以一计算模块执行内容推荐方法，在方法中，伺服系统通过一使用者接口接收多个客户提供的会员数据，经分析后建立各客户专属数据库，接着，针对各客户提供的会员数据执行多个推荐算法，以得出多个指标，提供客户可以根据这些指标排行决定其中的一个推荐算法，以此推荐算法通过机器学习技术建立一推荐模型，用于提供各客户一推荐清单，包括针对客户的会员提出推荐各会员消费的商品清单。

技术领域

本申请公开一种商品推荐的方法，特别是指提供客户根据指针选择一个推荐算法，并经演算产生推荐清单的一种内容推荐方法与执行此方法的伺服系统。

背景技术

根据现有推荐商品给消费者的方法的一个，可由销售端统计整间零售商店的历史事务历史记录得出受欢迎的商品，目的是能据此调整库存，并增加销售量。

更有现有技术可以通过计算机程序与数据库技术，根据会员个人的消费记录统计得出各个会员的喜好商品，除了可以特定手段推荐商品外，也能根据喜好商品的属性得出相关属性下的其他商品，提供更多推荐商品。

在推荐消费者喜好的商品之外，若要增加其他商品的销售量，还可根据整个族群的消费习惯预测每个会员可能可以接受的推荐商品，然而，这个推测需要尝试，并负担较大的风险。

现有推荐商品的方式主要考虑为单一指标，就是通过推荐消费者购买商品增加销售量，并没有提供销售端多样的考虑因素。

发明内容

根据公开说明书所揭示的一种内容推荐方法，方法运行于一伺服系统，先通过伺服系统提供的一个使用者接口接收客户提供的会员数据，所述会员数据可为客户的会员消费数据，至少包括会员数据、消费的内容、费用与消费日期，经过分析后，可以在伺服系统中建立各客户专属数据库。

内容推荐方法可以利用机器学习的技术，针对会员数据执行多个推荐算法，以得出多个指标，这些指标例如喜好准确度、利润率与新品比例，以提供客户可以根据需求，参考这些指标后决定其中的一个推荐算法，使得能以选择的推荐算法建立一推荐模型，用以提供客户一推荐清单。

优选地，所述多个推荐算法为应用机器学习技术的数据分析方法，通过一大数据分析学习客户贩卖的商品与会员消费的关联性，建立推荐模型。

优选地，所述推荐列表为根据推荐模型所形成推荐各会员消费的商品清单。

进一步地，所述多个推荐算法以一机器学习技术根据客户提供的会员数据学习会员消费数据与客户提供的商品之间的关联性，以得出各推荐算法产生推荐各会员的商品清单，经比对实际会员的喜好后得出各推荐算法的该喜好准确度。

进一步地，所述多个推荐算法以一机器学习技术根据客户提供的会员数据学习会员消费数据与客户的利润之间的关联性，以得出各推荐算法产生推荐各会员的商品清单，再根据推荐各会员的商品清单计算利润率。

进一步地，所述多个推荐算法以一机器学习技术根据客户提供的会员数据学习会员消费数据与客户提供的商品之间的关联性，以得出各推荐算法产生推荐各会员的商品清单，经比对客户提供的新品清单，得出新品比例。

之后，在一方案中，各推荐算法可根据客户提供的会员数据演算得出所述的指标，如喜好准确度、利润率与新品比例，并对各指标提出一排行，以提供客户决定其中的一个推荐算法，之后即可运型此推荐算法，提供客户针对每个会员提供一推荐清单。

根据伺服系统的实施方式，其中设有多个数据库，分别为根据多个客户提供的会员数据分析而建立的专属数据库，再以一硬件与软件实现的计算模块运行上述的内容推荐方法。

附图说明

图1显示实现内容推荐方法的伺服系统的架构实施例图；

图2显示实现内容推荐方法的伺服系统实施例示意图之一；