用户数据的处理方法及装置与流程

本发明公开涉及数据处理领域，具体涉及一种用户数据的处理方法及装置。

背景技术：

目前，当用户进行网络购物时，首先会进入店铺详情页面选择相关商品，通常需要在商品总类下一一查找相关子类分类，有时，用户心里时间等待能力较弱，在多达上百种产品时，短时间内无法快速找到自己心仪的相关产品，很可能会更换店铺从而造成该商户的订单损失，进而导致用户下单率降低，因此，有必要上架一个爆款橱窗来引导用户快速下单，完成交易以提高转化成功率。

现有的爆款橱窗展示的是商户从已上架的商品中选择出的3-9款特卖商品，所有用户只能看到相同的商品，用户进入具体店铺的菜单界面时，能浏览商户所选出的相关产品及套餐组合。

现有的爆款橱窗存在如下缺陷：

(1)可选择商品较少，只有3-9款特卖商品，其他多种商品并未有机会获得相关流量支持，由于特卖商品较少，因而无法直接命中用户消费心理从而导致订单流失率较高；

(2)用户商品匹配度低，商家设置的3-9款特卖商品很难与大部分用户的消费习惯相匹配，用户仍需要花费大量时间在店铺内搜索自己想要的商品，搜索时间越长，下单成功率就会越低。

技术实现要素：

有鉴于此,本发明实施例提供一种用户数据的处理方法及装置，以解决现有技术中的爆款橱窗商品未考虑用户消费习惯、用户仍需要搜索所需商品从而导致订单流失率较高的问题。

根据本发明实施例的第一方面，提供一种用户数据的处理方法，该方法包括：获取包括属性数据的用户数据；根据预定规则对用户数据中的属性数据设置数值；将用户数据中的属性数据与多个预定商品的属性数据分别进行匹配，以得到多个匹配数据集；根据各匹配数据集中匹配属性数据的数值选择对应的预定商品，以便向用户显示。

根据本发明实施例的第二方面，提供一种用户数据的处理装置，该装置包括：用户数据获取单元，用于获取包括属性数据的用户数据；数值设置单元，用于根据预定规则对用户数据中的属性数据设置数值；匹配单元，用于将用户数据中的属性数据与多个预定商品的属性数据分别进行匹配，以得到多个匹配数据集；商品选择单元，用于根据各匹配数据集中匹配属性数据的数值选择对应的预定商品，以便向用户显示。

根据本发明实施例的第三方面，提供一种计算机可读存储介质，其上存储计算机程序指令，其中，计算机程序指令在被处理器执行时实现如第一方面所述的方法。

根据本发明实施例的第四方面，提供一种电子设备，包括存储器和处理器，其中，存储器用于存储一条或多条计算机程序指令，其中，一条或多条计算机程序指令被处理器执行以实现如第一方面所述的方法。

本发明实施例通过将用户数据中的属性数据与多个预定商品的属性数据分别进行匹配，得到匹配成功的数据集，之后根据数据集中属性数据的数值来选择对应的预定商品，以便向用户显示，由于本发明实施例中的用户数据体现了用户的消费习惯，根据用户的消费习惯来选择相应的商品向用户显示，因而，显示的商品可以更好地满足用户的需求，从而可以提高用户的下单率，克服了现有技术中的爆款橱窗商品未考虑用户消费习惯、用户仍需要搜索所需商品从而导致订单流失率较高的问题。

附图说明

通过以下参照附图对本发明实施例的描述，本发明的上述以及其它目的、特征和优点将更为清楚，在附图中：

图1是本发明实施例的用户数据处理方法的流程图；

图2是本发明实施例的商户设置爆款橱窗池的流程图；

图3是根据本发明实施例的向用户展示爆款橱窗商品的流程图；

图4是本发明实施例的用户数据处理装置的结构框图；

图5是本发明实施例的数值设置单元402的结构框图；

图6是本发明实施例的用户数据处理装置的详细结构框图；

图7是本发明实施例的匹配单元403的结构框图；

图8是本发明实施例的商品选择单元404的结构框图；

图9是根据本发明实施例的用户数据处理装置的应用场景图；

图10是根据本发明实施例的电子设备的示意图。

具体实施方式

以下基于实施例对本发明进行描述，但是本发明并不仅仅限于这些实施例。在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。为了避免混淆本发明的实质，公知的方法、过程、流程、元件和电路并没有详细叙述。

此外，本领域普通技术人员应当理解，在此提供的附图都是为了说明的目的，并且附图不一定是按比例绘制的。

除非上下文明确要求，否则整个说明书和权利要求书中的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义；也就是说，是“包括但不限于”的含义。

在本发明的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。

本发明实施例提供一种用户数据的处理方法，图1是该用户数据处理方法的流程图，如图1所示，该方法包括：

步骤101，获取包括属性数据的用户数据；

步骤102，根据预定规则对用户数据中的属性数据设置数值；

步骤103，将用户数据中的属性数据与多个预定商品的属性数据分别进行匹配，以得到多个匹配数据集；

步骤104，根据各匹配数据集中匹配属性数据的数值显示对应的预定商品，以便用户进行选择。

通过将用户数据中的属性数据与多个预定商品的属性数据分别进行匹配，得到匹配成功的数据集，之后根据数据集中属性数据的数值来选择对应的预定商品，以便向用户显示，由于本发明实施例的用户数据体现了用户的消费习惯，因而根据用户消费习惯来选择相应的商品来显示，可以更好地满足用户的需求，从而可以提高用户的下单率，克服了现有技术中的爆款橱窗商品未考虑用户消费习惯、用户仍需要搜索所需商品从而导致订单流失率较高的问题。

上述用户数据中的属性数据具体包括：基础属性数据、搜索属性数据、消费属性数据，其中，基础属性数据包括当前访问时间数据。

在步骤101中，可以根据用户的历史消费数据来获取用户数据，该历史消费数据包括：历史访问时间数据、历史搜索数据和历史实际消费数据等，换句话说，步骤101是进行用户画像，用户画像是根据用户的浏览记录、消费习惯、所在区域、手机号相关消费记录等多种指标来大体上确定该用户的消费群体属性及习惯的信息集合。

步骤102中的预定规则包括：上述基础属性数据、搜索属性数据、消费属性数据的数值依次减小，其中，搜索属性数据中的各数据数值依据搜索时间距离当前访问时间的时长来设置，消费属性数据中的各数据数值依据消费时间距离当前访问时间的时长来设置。时间越久远，相应的数值越小，相对地，时间越近，相应的数值就会越大。

在具体实施过程中，可以根据用户数据先设置搜索属性数据和消费属性数据的数值，之后响应于用户数据中的基础属性数据与预定商品的属性数据的匹配结果，再设置基础属性数据的数值。

在实际操作中，可以根据用户数据中的属性数据设置预定商品的属性数据，以便快速准确地与用户数据进行匹配。该操作可以由服务器完成，也可以由商户手动完成。

在步骤103中，首先将用户数据中的属性数据与每个预定商品的属性数据进行匹配；之后根据匹配成功的属性数据生成与预定商品对应的匹配数据集。

在得到与多个预定商品分别对应的匹配数据集之后，根据各匹配数据集中匹配属性数据的数值总和将对应的预定商品进行排序；之后，选择排序后的预定商品。一般来说，数值总和越大，表示对应的预定商品越符合用户的需求。商户按用户需求显示相应的商品，即，在爆款橱窗按用户需求显示爆款商品，可以提高用户的下单率。

图2是商户设置爆款橱窗池的流程图，这里的爆款橱窗池包含有多个预定商品，如图2所示，该流程包括：

步骤201，商户从商品池中选出待添加商品，也就是选出爆款橱窗商品；

步骤202，设置待添加商品的爆款属性，可以根据多个保存的用户数据的属性数据来设置商品的爆款属性；

步骤203，将设置好爆款属性的商品添加到商户爆款商品池中，以便与待消费用户的消费数据进行匹配。

爆款商品的属性可以包括：如时间属性可以是早餐供应、晚餐供应、全天供应等，口感可以是酸甜苦辣，商品消费属性可以定义为轻奢、高性价比、低价特卖等，菜品菜系分类可以是鲁菜、粤菜、清真等。这些商品的标签属性需要与用户画像(即，用户数据)的标签属性相对应，这样才能高效率地进行匹配。这些商品地标签选项可以是商户手动勾选。

图3是根据本发明实施例的向用户展示爆款橱窗商品的流程图，如图3所示，该流程包括：

步骤301，用户访问商户网店；

步骤302，判断该用户是否已登录，如果是，则执行步骤307，否则执行步骤303；

步骤303，用户登录；

步骤304，判断用户是否是新用户，如果是，则进行步骤305，否则，执行步骤306；

步骤305，创建用户并添加用户画像，即，获取用户数据；

具体地，可以根据该用户的历史登录信息、历史搜索信息，历史消费信息等，获取到用户的职业属性、地域属性、时间属性、口味属性、菜系偏好属性、主粮偏好属性、菜品偏好属性、消费能力属性、消费价值观属性、商品分类偏好属性、商品消费频次属性等多种属性标签，并且对这些属性进行数值标记，越是高频，对应的属性数值就会越大。在实际操作中，上述多个属性标签可以分为三大类：基础属性(如，时间属性，地域属性等)，搜索属性(如，该用户的本次app使用记录，判断用户的目前想要商品，如搜索酸奶，羊汤等明确商品属性)，消费记录属性(如，消费价值观，消费能力属性，菜系偏好属性等)，设置数值的规则为：数值大小依次为基础属性>搜索属性>消费记录属性，通过结合数值标记及商品三大类属性分类，记录用户画像。

步骤306，同步用户画像，返回到商户界面，并执行步骤301；

步骤307，商户后台获取该用户的用户画像；

步骤308，用户画像属性与爆款商品池中的商品进行属性匹配；

步骤309，根据匹配结果，向用户展示爆款橱窗，以便用户进行选择商品。

本发明实施例通过在用户访问网店时，将用户画像信息同步至商户后台，并依据用户画像信息中的基础属性、搜索属性、消费记录属性的数值依次从大到小进行数值配置，之后将爆款商品池中的商品与同步的用户画像进行匹配操作，随后根据匹配后的属性数据总和来选择爆款商品，并将爆款商品返回给用户界面进行展示，以便用户进行选择。由于匹配结果依据了用户画像信息，因而选择的爆款商品会符合用户的期望，从而可以提高用户的下单率。

本发明实施例还提供了一种用户数据的处理装置，图4是该装置的结构框图，如图4所示，该装置包括：用户数据获取单元401、数值设置单元402、匹配单元403和商品选择单元404，其中：

用户数据获取单元401，用于获取包括属性数据的用户数据；

数值设置单元402，用于根据预定规则对用户数据中的属性数据设置数值；

匹配单元403，用于将用户数据中的属性数据与多个预定商品的属性数据分别进行匹配，以得到多个匹配数据集；

商品选择单元404，用于根据各匹配数据集中匹配属性数据的数值选择对应的预定商品，以便向用户显示。

匹配单元403通过将用户数据获取单元401获取的用户数据中的属性数据与多个预定商品的属性数据分别进行匹配，得到匹配成功的数据集，之后商品选择单元404根据数据集中数值设置单元402设置的属性数据的数值来选择对应的预定商品，以便向用户显示，由于本发明实施例的用户数据体现了用户的消费习惯，根据用户的消费习惯来选择相应的商品向用户显示，因而，显示的商品可以更好地满足用户的需求，从而可以提高用户的下单率，克服了现有技术中的爆款橱窗商品未考虑用户消费习惯、用户仍需要搜索所需商品从而导致订单流失率较高的问题。

上述用户数据中的属性数据具体包括：基础属性数据、搜索属性数据、消费属性数据，其中，基础属性数据包括当前访问时间数据。

具体地，用户数据获取单元401具体用于：根据用户的历史消费数据获取用户数据，历史消费数据包括：历史访问时间数据、历史搜索数据和历史实际消费数据。在实际操作中，用户数据获取单元401用于进行用户画像，用户画像是根据用户的浏览记录、消费习惯、所在区域、手机号相关消费记录等多种指标来大体上确定该用户的消费群体属性及习惯的信息集合。

上述数值设置单元402通过如下的预定规则对用户数据中的属性数据设置数值：基础属性数据、搜索属性数据、消费属性数据的数值依次减小，其中，搜索属性数据中的各数据数值依据搜索时间距离当前访问时间的时长来设置，消费属性数据中的各数据数值依据消费时间距离当前访问时间的时长来设置。

具体地，如图5所示，数值设置单元402包括：搜索消费属性数据数值设置模块4021和基础属性数据数值设置模块4022，其中：

搜索消费属性数据数值设置模块4021，用于根据用户数据设置搜索属性数据和消费属性数据的数值；

基础属性数据数值设置模块4022，用于响应于用户数据中的基础属性数据与预定商品的属性数据的匹配结果，设置基础属性数据的数值。

上述搜索消费属性数据数值设置模块4021具体包括：搜索属性数据数值设置子模块40211和消费属性数据数值设置子模块40212，其中，搜索属性数据数值设置子模块40211，用于根据用户数据设置搜索属性数据中的各数据数值随着搜索时间距离当前访问时间的时长变长而数值变小；消费属性数据数值设置子模块40212，用于根据用户数据设置消费属性数据中的各数据数值随着消费时间距离当前访问时间的时长变长而数值变小。也就是说，时间越久远，相应的属性数值就会越小。

在实际操作中，如图6所示，用户数据处理装置还包括：商品属性数据设置单元405，用于根据用户数据中的属性数据设置预定商品的属性数据，以便快速准确地与用户数据进行匹配。

图7是匹配单元403的具体结构框图，如图7所示，匹配单元403包括：匹配模块4031和匹配数据集生成模块4032，其中：

匹配模块4031，用于将用户数据中的属性数据与每个预定商品的属性数据进行匹配；

匹配数据集生成模块4032，用于根据匹配成功的属性数据生成与预定商品对应的匹配数据集。

图8是商品选择单元404的具体结构框图，如图8所示，商品选择单元404包括：商品排序模块4041和商品选择模块4042，其中：

商品排序模块4041，用于根据各匹配数据集中匹配属性数据的数值总和将对应的预定商品进行排序；

商品选择模块4042，用于选择排序后的预定商品。

一般来说，数值总和越大，则表示对应的预定商品越符合用户的需求。商户按用户需求显示相应的商品，即，在爆款橱窗按用户需求显示爆款商品，因而可以提高用户的下单率。

图9是根据本发明实施例的用户数据处理装置的应用场景图，如图9所示，用户a在上午8:20访问商户网站，该网站设置有爆款商品池，包括商品1、商品2、……、商品n，n为正整数，以下以商品1、商品2与用户画像进行匹配为例来描述本实例。

用户数据获取单元401首先获取该用户数据，进行用户画像，用户画像数据如下所示：

根据用户画像数据，可以得知该用户的消费数据如下：

基础属性数据包括：上午8:20访问商户网站，籍贯为汉；

搜索属性数据包括：牛奶类，数值为70；面条类，数值为69；酒精类，数值为68；

消费属性数据包括：高消费类，数值为20；糖类，数值为15；盐分，数值为10。

在该实例中，数值设置单元402通过搜索消费属性数据数值设置模块4021预先设置用户搜索属性数据和消费属性数据的数值，而基础属性数据数值设置模块4022会在随后的匹配操作完成后再设置基础属性数据的数值。

商户选出多个预定商品放入爆款商品池中，商品属性数据设置单元405已根据用户数据中的各属性数据设置了预定商品的属性数据，其中，商品1为早餐奶，商品2为小笼包，商品1和商品2的属性数据分别如下所示：

商品1：早餐奶

商品2：小笼包

匹配单元403将用户数据与商品进行匹配，得到匹配数据集，在本例中，商品1和商品2对应的匹配数据集如下：

商品1：匹配数据集

在基础属性数据匹配时，由于用户访问时间8:20属于早餐时段，商品1的“breakfast(早餐)”属性匹配成功，因而，基础属性数据数值设置模块4022设置基础属性数据中的“time(时段)”的数值为90。

根据上述匹配结果，商品1的匹配属性数据的数值总和为：90+0+70+20+15+0＝195。

商品2：匹配数据集

在基础属性数据匹配时，由于用户访问时间8:20属于早餐时段，与商品2的“dinner(晚餐)”属性匹配不成功，因而，基础属性数据数值设置模块4022设置基础属性数据中的“time(时段)”的数值为0，或者在一个实例中，匹配数据集可以仅包括匹配成功的属性数据，此时基础属性数据数值设置模块4022可以不执行任何操作。

根据上述匹配结果，商品2的匹配属性数据数值总和为：得分0+0+10+0＝10。

由于商品1的匹配属性数据数值总和大于商品2的匹配属性数据数值总和，因而，如图9所示，商品1排在商品2之前，用户会先看到商品1。由于商品1更符合用户的需求，因而，用户购买商品1的几率会大于商品2，从而可以增加用户的下单率。

图10是本发明实施例的电子设备的示意图。图10所示的电子设备为通用数据处理装置，其包括通用的计算机硬件结构，其至少包括处理器101和存储器102。处理器101和存储器102通过总线103连接。存储器102适于存储处理器101可执行的指令或程序。处理器101可以是独立的微处理器，也可以是一个或者多个微处理器集合。由此，处理器101通过执行存储器102所存储的命令，从而执行如上所述的本发明实施例的方法流程实现对于数据的处理和对于其他装置的控制。总线103将上述多个组件连接在一起，同时将上述组件连接到显示控制器104和显示装置以及输入/输出(i/o)装置105。输入/输出(i/o)装置105可以是鼠标、键盘、调制解调器、网络接口、触控输入装置、体感输入装置、打印机以及本领域公知的其他装置。典型地，输入/输出(i/o)装置105通过输入/输出(i/o)控制器106与系统相连。

其中，存储器102可以存储软件组件，例如操作系统、通信模块、交互模块以及应用程序。以上所述的每个模块和应用程序都对应于完成一个或多个功能和在发明实施例中描述的方法的一组可执行程序指令。

综上所述，本发明实施例提供了一种爆款橱窗商品的展示方案，通过将爆款商品与用户画像进行匹配，选取了部分最适合用户的商品进行高优展示，对用户而言减少了搜索及等待时间，提高了信息命中率，下单流程更简洁，下单意愿更加强烈；对商户而言，热卖商品品类增多，库存转化率可以较大地提高，从而可以降低库存周转时间，通过用户下单率的增高，订单转化率也可以较大地提高，从而可以增加订单量，收入也可以较大地提高。

上述根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应理解，流程图和/或框图的每个块以及流程图图例和/或框图中的块的组合可以由计算机程序指令来实现。这些计算机程序指令可以被提供至通用计算机、专用计算机或其它可编程数据处理设备的处理器，以产生机器，使得(经由计算机或其它可编程数据处理设备的处理器执行的)指令创建用于实现流程图和/或框图块或块中指定的功能/动作的装置。

同时，如本领域技术人员将意识到的，本发明实施例的各个方面可以被实现为系统、方法或计算机程序产品。因此，本发明实施例的各个方面可以采取如下形式：完全硬件实现方式、完全软件实现方式(包括固件、常驻软件、微代码等)或者在本文中通常可以都称为“电路”、“模块”或“系统”的将软件方面与硬件方面相结合的实现方式。此外，本发明的方面可以采取如下形式：在一个或多个计算机可读介质中实现的计算机程序产品，计算机可读介质具有在其上实现的计算机可读程序代码。

可以利用一个或多个计算机可读介质的任意组合。计算机可读介质可以是计算机可读信号介质或计算机可读存储介质。计算机可读存储介质可以是如(但不限于)电子的、磁的、光学的、电磁的、红外的或半导体系统、设备或装置，或者前述的任意适当的组合。计算机可读存储介质的更具体的示例(非穷尽列举)将包括以下各项：具有一根或多根电线的电气连接、便携式计算机软盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或闪速存储器)、光纤、便携式光盘只读存储器(cd-rom)、光存储装置、磁存储装置或前述的任意适当的组合。在本发明实施例的上下文中，计算机可读存储介质可以为能够包含或存储由指令执行系统、设备或装置使用的程序或结合指令执行系统、设备或装置使用的程序的任意有形介质。

计算机可读信号介质可以包括传播的数据信号，所述传播的数据信号具有在其中如在基带中或作为载波的一部分实现的计算机可读程序代码。这样的传播的信号可以采用多种形式中的任何形式，包括但不限于：电磁的、光学的或其任何适当的组合。计算机可读信号介质可以是以下任意计算机可读介质：不是计算机可读存储介质，并且可以对由指令执行系统、设备或装置使用的或结合指令执行系统、设备或装置使用的程序进行通信、传播或传输。

用于执行针对本发明各方面的操作的计算机程序代码可以以一种或多种编程语言的任意组合来编写，所述编程语言包括：面向对象的编程语言如java、smalltalk、c++、php、python等；以及常规过程编程语言如“c”编程语言或类似的编程语言。程序代码可以作为独立软件包完全地在用户计算机上、部分地在用户计算机上执行；部分地在用户计算机上且部分地在远程计算机上执行；或者完全地在远程计算机或服务器上执行。在后一种情况下，可以将远程计算机通过包括局域网(lan)或广域网(wan)的任意类型的网络连接至用户计算机，或者可以与外部计算机进行连接(例如通过使用因特网服务供应商的因特网)。

以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域技术人员而言，本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

本发明实施例公开了a1、一种用户数据的处理方法，其中，所述方法包括：

获取包括属性数据的用户数据；

根据预定规则对所述用户数据中的属性数据设置数值；

将所述用户数据中的属性数据与多个预定商品的属性数据分别进行匹配，以得到多个匹配数据集；

根据各匹配数据集中匹配属性数据的数值选择对应的预定商品，以便向用户显示。

a2、根据权利要求a1所述的用户数据的处理方法，其中，所述属性数据包括：基础属性数据、搜索属性数据和消费属性数据，其中，所述基础属性数据包括当前访问时间数据。

a3、根据权利要求a2所述的用户数据的处理方法，其中，所述预定规则包括：

基础属性数据、搜索属性数据、消费属性数据的数值依次减小，其中，所述搜索属性数据中的各数据数值依据搜索时间距离当前访问时间的时长来设置，所述消费属性数据中的各数据数值依据消费时间距离当前访问时间的时长来设置。

a4、根据权利要求a3所述的用户数据的处理方法，其中，根据预定规则对所述用户数据中的属性数据设置数值包括:

根据所述用户数据设置所述搜索属性数据和所述消费属性数据的数值；

响应于所述用户数据中的基础属性数据与所述预定商品的属性数据的匹配结果，设置所述基础属性数据的数值。

a5、根据权利要求a4所述的用户数据的处理方法，其中，根据所述用户数据设置所述搜索属性数据和所述消费属性数据的数值包括：

根据所述用户数据设置所述搜索属性数据中的各数据数值随着所述搜索时间距离当前访问时间的时长变长而数值变小，

根据所述用户数据设置所述消费属性数据中的各数据数值随着所述消费时间距离当前访问时间的时长变长而数值变小。

a6、根据权利要求a1所述的用户数据的处理方法，其中，通过如下方式设置预定商品的属性数据：

根据所述用户数据中的属性数据设置预定商品的属性数据。

a7、根据权利要求a1所述的用户数据的处理方法，其中，将所述用户数据中的属性数据与多个预定商品的属性数据分别进行匹配，以得到多个匹配数据集包括：

将所述用户数据中的属性数据与每个预定商品的属性数据进行匹配；

根据匹配成功的属性数据生成与预定商品对应的匹配数据集。

a8、根据权利要求a1所述的用户数据的处理方法，其中，根据各匹配数据集中匹配属性数据的数值选择对应的预定商品包括：

根据各匹配数据集中匹配属性数据的数值总和将对应的预定商品进行排序；

选择排序后的预定商品。

a9、根据权利要求a1所述的用户数据的处理方法，其中，获取用户数据包括：

根据用户的历史消费数据获取所述用户数据，所述历史消费数据包括：历史访问时间数据、历史搜索数据和历史实际消费数据。

本发明实施例还公开了b1、一种用户数据的处理装置，其中，所述装置包括：

用户数据获取单元，用于获取包括属性数据的用户数据；

数值设置单元，用于根据预定规则对所述用户数据中的属性数据设置数值；

匹配单元，用于将所述用户数据中的属性数据与多个预定商品的属性数据分别进行匹配，以得到多个匹配数据集；

商品选择单元，用于根据各匹配数据集中匹配属性数据的数值选择对应的预定商品，以便向用户显示。

b2、根据权利要求b1所述的用户数据的处理装置，其中，所述用户数据获取单元获取的用户数据中的属性数据包括：基础属性数据、搜索属性数据和消费属性数据，其中，所述基础属性数据包括当前访问时间数据。

b3、根据权利要求b2所述的用户数据的处理装置，其中，所述数值设置单元用于通过如下的预定规则对所述用户数据中的属性数据设置数值：

基础属性数据、搜索属性数据、消费属性数据的数值依次减小，其中，所述搜索属性数据中的各数据数值依据搜索时间距离当前访问时间的时长来设置，所述消费属性数据中的各数据数值依据消费时间距离当前访问时间的时长来设置。

b4、根据权利要求b3所述的用户数据的处理装置，其中，所述数值设置单元包括:

搜索消费属性数据数值设置模块，用于根据所述用户数据设置所述搜索属性数据和所述消费属性数据的数值；

基础属性数据数值设置模块，用于响应于所述用户数据中的基础属性数据与所述预定商品的属性数据的匹配结果，设置所述基础属性数据的数值。

b5、根据权利要求b4所述的用户数据的处理装置，其中，所述搜索消费属性数据数值设置模块包括：

搜索属性数据数值设置子模块，用于根据所述用户数据设置所述搜索属性数据中的各数据数值随着所述搜索时间距离当前访问时间的时长变长而数值变小；

消费属性数据数值设置子模块，用于根据所述用户数据设置所述消费属性数据中的各数据数值随着所述消费时间距离当前访问时间的时长变长而数值变小。

b6、根据权利要求b1所述的用户数据的处理装置，其中，所述装置还包括：

商品属性数据设置单元，用于根据所述用户数据中的属性数据设置预定商品的属性数据。

b7、根据权利要求b1所述的用户数据的处理装置，其中，所述匹配单元包括：

匹配模块，用于将所述用户数据中的属性数据与每个预定商品的属性数据进行匹配；

匹配数据集生成模块，用于根据匹配成功的属性数据生成与预定商品对应的匹配数据集。

b8、根据权利要求b1所述的用户数据的处理装置，其中，所述商品选择单元包括：

商品排序模块，用于根据各匹配数据集中匹配属性数据的数值总和将对应的预定商品进行排序；

商品选择模块，用于选择排序后的预定商品。

b9、根据权利要求b1所述的用户数据的处理装置，其中，所述用户数据获取单元具体用于：

根据用户的历史消费数据获取所述用户数据，所述历史消费数据包括：历史访问时间数据、历史搜索数据和历史实际消费数据。

本发明实施例还公开了c1、一种计算机可读存储介质，其上存储计算机程序指令，其中，所述计算机程序指令在被处理器执行时实现如权利要求a1-a9中任一项所述的方法。

本发明实施例还公开了d1、一种电子设备，包括存储器和处理器，其中，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如权利要求a1-a9中任一项所述的方法。