[发明专利]一种店铺商品结构的优化方法及系统

说明书

本发明实施例公开了一种提升商品推荐多样性的方法及系统，根据全量订单数据，构建全网商品知识图谱，获得全网商品关联关系；根据店铺销售数据和店铺商品数据，构建店铺商品知识图谱，获得店铺商品关联关系；根据所述全网商品关联关系和所述店铺商品关联关系，获取店铺商品结构优化数据；所述店铺商品结构优化数据包括：店铺缺少商品和搭配销售商品。解决店铺商品缺乏多样性以及搭配商品间关联性不足的问题。

技术领域

本发明涉及商品结构优化领域，具体涉及一种店铺商品结构的优化方法及系统。

背景技术

本领域内现有的做法是基于以下几点来选择商品以及搭配销售商品：

基于店铺运营人员的经验来选择店铺的销售品类；基于现有店铺销售数据的分析；基于同类型商家的销售品类的参考；其他渠道获得的当下的销售热点，或销售TOP榜。

现有做法基于店铺运营人员的经验，对于经验不足的运营人员，商品品类的选择及销售的搭配效果不佳；基于现有店铺销售及其他渠道获得的一些行业热点数据的分析相对片面，个性化程度低，商品多样性和关联性比较弱，也无法挖掘用户的实时兴趣和意图。

综合来说，现有的商品销售关联关系的搭配比较传统，对于人的经验依赖度较高，且缺乏实时的变化，效果较差，商品关联关系挖掘中仅使用支持度衡量，容易导致出现假性关联。

发明内容

本发明的实施例提供一种店铺商品结构的优化方法及系统，解决店铺商品缺乏多样性以及搭配商品间关联性不足的问题。

为达到上述目的，本发明的实施例采用如下技术方案：

第一方面，本发明的实施例提供一种店铺商品结构的优化方法，所述方法包括：根据全量订单数据，构建全网商品知识图谱，获得全网商品关联关系；根据店铺销售数据和店铺商品数据，构建店铺商品知识图谱，获得店铺商品关联关系；根据所述全网商品关联关系和所述店铺商品关联关系，获取店铺商品结构优化数据；所述店铺商品结构优化数据包括：店铺缺少商品和店铺搭配销售商品。

结合第一方面，作为第一种可实现方式，所述根据全量订单数据，构建全网商品知识图谱，获得全网商品关联关系，包括：根据全量订单数据，利用关联规则的Apriori算法计算支持度、置信度和提升度，构建全网商品知识图谱，获得全网商品关联关系；所述提升度为支持度和置信度的乘积；

所述根据店铺销售数据和店铺商品数据，构建店铺商品知识图谱，获得店铺商品关联关系，包括：根据店铺销售数据和店铺商品数据，利用关联规则的Apriori算法计算支持度、置信度和提升度，构建店铺商品知识图谱，获得店铺商品关联关系；所述提升度为支持度和置信度的乘积。

结合第一方面的第一种可能的实现方式，作为第二种可实现方式，所述根据所述全网商品关联关系和所述店铺商品关联关系，获取店铺商品结构优化数据，包括：根据所述店铺商品数据，获取店铺滞销商品；根据所述提升度和所述全网商品关联关系，获取店铺滞销商品的搭配销售商品；根据所述全网商品关联关系和所述店铺商品关联关系，获取店铺缺少商品。

结合第一方面的第二种可能的实现方式，作为第三种可实现方式，所述根据所述提升度和所述全网商品关联关系，获取店铺滞销商品的搭配销售商品，包括：根据所述全网商品关联关系，获得与店铺滞销商品搭配的热销商品，根据提升度将所述热销商品进行排序，获得搭配销售商品；

所述根据所述全网商品关联关系和所述店铺商品关联关系，获取店铺缺少商品，包括：

根据所述全网商品关联关系和所述店铺商品关联关系，获得与店铺商品相关联的热销商品，根据提升度将所述热销商品进行排序，获得店铺缺少商品。

结合第一方面，作为第四种可实现方式，所述方法还包括：根据所述店铺搭配销售商品、店铺缺少商品和用户的实时行为数据，向用户展示商品信息。