[发明专利]一种基于用户行为大数据的商品推荐方法

权利要求书

1.一种基于用户行为大数据的商品推荐方法，其特征在于，该方法包括以下步骤：

步骤(1)：首先，采集各个店铺的历史总访客数，所述的历史总访客数包括自主搜索访客数和其他间接引导商品的访客数；

步骤(2)：进一步根据自主搜索访客数中的引流搜索关键词，以及商品引导访客数来采集用户的访问数据；访问数据包括图文引导访客数和短视频引导访客数；

步骤(3)：对用户访问数据中的具体用户行为数据进行采集，具体用户行为数据进行采集包括浏览图文停留时间、观看短视频停留时间和浏览商品详情页面停留时间；

接着，采集用户的下单、支付、成交行为数据，具体行为数据包括下单数、支付买家数、商品成交数；

步骤(4)：对各个店铺采集到的用户行为数据进行具体分析；具体分析方向包括浏览商品图文、商品视频以及商品详情页面的停留时间，还包括下单数、支付买家数、商品成交数；

步骤(5)：对各个店铺分析得到的用户行为进行数据处理；所述的数据处理方向包括统计范围、去重逻辑、拨动差异，并得到过滤除杂后的商品行为特征；

步骤(6)：从统计范围内总用户中总结近期各个用户购买该类商品行为特征的共性；

步骤(7)：根据用户购买该类商品行为特征的共性，来从大数据中提取近期用户或实时用户具有购买该类共性商品的特征，并预测用户购买该类商品的概率；

步骤(8)：为用户提供想要预购的商品推荐列表；

步骤(9)：最后，将得出的个性化商品有针对性的推荐给各个用户。

2.根据权利要求1所述的一种基于用户行为大数据的商品推荐方法，其特征在于，所述步骤(1)中，引导商品访客数的来源包括其他历史访问数据引导以及从引流搜索关键词中实时关联属性商品的引导。

3.根据权利要求1所述的一种基于用户行为大数据的商品推荐方法，其特征在于，所述步骤(3)中的对用户行为数据采集时，主要采集浏览图文停留时间3秒及以上、观看短视频停留时间3秒及以上、浏览商品详情页面停留时间3秒及以上。

4.根据权利要求1所述的一种基于用户行为大数据的商品推荐方法，其特征在于，所述步骤(4)中对各个店铺采集到的用户行为数据进行具体分析时，还包括根据所述的下单数来计算并分析下单转换率，还包括根据所述的支付买家数计算并分析支付转换率。

5.根据权利要求4所述的一种基于用户行为大数据的商品推荐方法，其特征在于，所述下单转换率的公式为：

下单转化率＝(到店访客数/下单人数)×100％。

6.根据权利要求4所述的一种基于用户行为大数据的商品推荐方法，其特征在于，所述的支付转换率，即所选时间内，支付买家数除以访客数(支付买家数/访客数)，即也就是访客转化为支付买家的比例，其支付转换率的具体公式为：

支付转化率＝(产生购买行为的客户人数/所有到达店铺的访客人数)×100％。

7.根据权利要求1所述的一种基于用户行为大数据的商品推荐方法，其特征在于，所述步骤(5)中，统计范围数据包括在所选统计时间内，观看商品视频3秒及以上、浏览商品图文3秒及以上、访问详情页面3秒及以上；并根据统计范围内的数据，来通过去重逻辑模块进行去重处理，处理一个用户在统计时间范围内访问多次不同商品或相同商品，并对访问多次的商品时间进行整合去重记为一个有效商品访问的时间数据，再利用拨动差异模块对各个有效商品访问时间整理，并过滤除杂得到各个用户所要预购商品的行为特征，最后经过下一步骤(6)中进行总结。