一种用于数字化营销平台的商品推荐方法及系统

本技术涉及商品推荐，特别是涉及一种用于数字化营销平台的商品推荐方法及系统。

背景技术：

1、目前，随着各行业移动媒介、互联网发展及全球市场竞争，实现高效用户内容交互展示体验已成为新的趋势。在信息爆炸的今天，基于直播的粉丝经济具有极大的市场价值，用户每日从不同渠道平台获得大量的产品信息，但是如何有针对性地从繁杂的信息中挑选出最热的最适合的产品信息，是需要进行一定的数字化营销的。

2、现在的推荐系统主要是利用用户的历史购买记录和用户的社交网络关系来对用户进行推荐，这些方法只能被动地去预测和推荐用户下一次购买的商品，很少能够去指导或者吸引用户去选择购买一些商品。在现在的推荐方法中，利用了已购买的商品之间的相似性去分析用户的喜好，但是却忽略了已购买的商品内部之间的关系，商品之间不是相互独立的，而是存在依赖关系。

3、而且现阶段地推荐系统无法根据用户的状态，进行实时有效的调整，用户在使用过程中因大量推荐信息而导致用户体验差，其推荐内容与无法有效引导和吸引用户进行购物，在用户的购物过程中实现正反馈。

技术实现思路

1、本技术的目的是：为解上述问题，本技术提供了

2、为了实现上述目的，本技术提供了一种用于数字化营销平台的商品推荐方法及系统，旨在实现更加精准有效的商品推荐。

3、本技术的一些实施例中，根据用户需求设定模糊推荐与精准推荐不同模式，根据用户的初始需求进行商品推荐，并根据用户行为动态调整推荐模式，更加高效地引导用户进行商品选择。

4、本技术的一些实施例中，针对用户的消费频率分析用户的消费行为，并根据消费频率设定目标商品与关联商品比值，消费频率越高其接受推荐可能性越大，并通过增设浏览时间矩阵，通过获取用户单次索引实时浏览时间，对用户的下一次索引时的目标商品与关联商品比值，使其推荐比值更准确，避免使用过程中因大量推荐信息而导致用户体验差问题，从而提升用户体验。

5、本技术的一些实施例中提供了一种用于数字化营销平台的商品推荐方法，包括：

6、步骤一：获取预设时间段内全部历史订单数据，根据所述历史订单数据生成商品推荐数据库和数据库索引字符；

7、步骤二：获取实时用户索引字符和用户历史订单数据，判断实时用户索引字符类别，并根据所述实时用户索引字符，所述用户历史订单数据和所述数据库索引字符设定推荐模式并生成推荐商品表；

8、步骤三：获取用户浏览数据，并根据所述用户浏览数据修正所述推荐商品表。

9、判断所述实时用户索引字符类别时，包括：

10、预设一级用户索引字符和二级用户索引字符类别；

11、当所述实时用户索引字符为一级用户索引字符时，设定一级推荐模式；

12、当所述实时用户索引字符为二级用户索引字符时，设定二类推荐模式。

13、本技术的一些实施例中，所述步骤一包括：

14、选定目标商品，获取包含所述目标商品的全部历史订单；

15、根据所述目标商品的全部历史订单中的非目标商品数据，并生成非目标商品占比值；

16、设定第一占比阈值，当所述非目标商品的占比值大于所述第一占比阈值时，设定所述非目标商品为关联商品；

17、根据所述非目标商品的占比值生成所述关联商品推荐值；

18、生成关联商品列表，并根据所述目标商品生成所述数据库索引字符；

19、根据所述关联商品列表生成所述商品推荐数据库。

20、本技术的一些实施例中，所述生成推荐商品表时，包括：

21、获取用户消费影响因子数据，所述用户消费影响因子包括消费金额因子，消费频率因子；

22、根据所述消费频率因子数据设定目标商品与关联商品比值；

23、根据所述消费金额因子数据设定推荐顺序；

24、根据所述目标商品与关联商品比值与所述推荐顺序生成推荐商品表。

25、本技术的一些实施例中，根据所述消费金额因子数据设定推荐顺序时，包括：

26、生成目标推荐金额，并根据所述历史订单数据生成推荐变化趋势；

27、当所述推荐模式为一级推荐模式时，根据第一时间间隔内的所述历史订单数据生成第一目标推荐金额；

28、当所述推荐模式为二级推荐模式时，根所述实时用户索引字符生成第二目标推荐金额。

29、本技术的一些实施例中，所述设定一级推荐模式时，包括：

30、判断用户是否选择商品；

31、若用户选择商品，获取用户首次选择商品数据，根据所述用户首次选择商品数据生成二级用户索引字符，并根据生成的所述二级用户索引字符设定二级推荐模式。

32、本技术的一些实施例中，所述设定目标商品与关联商品比值时，包括：

33、预设消费频率矩阵a，设定a(a1,a2,a3,a4)，其中a1为第一预设消费频率，a2为第二预设消费频率，a3为第三预设消费频率，a4为第四预设消费频率，其中a1＜a2＜a3＜a4;

34、预设目标商品与关联商品比值矩阵b，设定b(b1,b2,b3,b4)，其中，b1为第一预设目标商品与关联商品比值，b2为第二预设目标商品与关联商品比值，b3为第三预设目标商品与关联商品比值，b4为第四预设目标商品与关联商品比值，且b1＜b2＜b3＜b4;

35、根据所述消费频率因子数据a设定实时目标商品与关联商品比值b，其具体为：

36、当a1＜a＜a2时，设定实时目标商品与关联商品比值b为b4，即b=b4;

37、当a2＜a＜a3时，设定实时目标商品与关联商品比值b为b3，即b=b3;

38、当a3＜a＜a4时，设定实时目标商品与关联商品比值b为b2，即b=b2；

39、当a>a4时，设定实时目标商品与关联商品比值b为b1，即b=b1。

40、本技术的一些实施例中，根据所述用户浏览数据修正所述推荐商品表时，包括：

41、预设第一修正系数n1，预设第二修正系数n2，预设第三修正系数n3，预设第四修正系数n4；其中0.8＜n1＜n2＜1＜n3＜n4＜1.2；

42、预设浏览时间矩阵c，设定c(c1,c2,c3,c4)，其中，c1为第一预设浏览时间，c2为第二预设浏览时间，c3为第三预设浏览时间，c4为第四预设浏览时间，且c1＜c2＜c3＜c4;

43、获取用户单次索引实时浏览时间c，并根据预设浏览时间矩阵b，修正实时目标商品与关联商品比值b，具体为：

44、当c＜c1时，实时修正系数为预设第一修正系数n1，修正后实时目标商品与关联商品比值b=n1*bi；

45、当c1＜c＜c2时，实时修正系数为预设第二修正系数n2，修正后实时目标商品与关联商品比值b=n2*bi；

46、当c3＜c＜c4时，实时修正系数为预设第三修正系数n3，修正后实时目标商品与关联商品比值b=n3*bi；

47、当c>c4时，实时修正系数为预设第四修正系数n4，修正后实时目标商品与关联商品比值b=n4*bi。

48、本技术的一些实施例中，还包括：

49、预设更新时间节点，根据所述更新时间节点更新商品所述推荐数据库。

50、本技术的一些实施例中，提供了一种用于数字化营销平台的商品推荐系统，包括：

51、数据处理模块，用于获取历史订单数据，根据所述历史订单数据生成商品推荐数据库和数据库索引字符；

52、查询模块，用于获取实时用户索引字符和用户历史订单数据，并根据所述实时用户索引字符查询所述数据库索引字符；

53、判断模块，用于判断所述实时用户索引字符类别，并生产判断结果；

54、控制模块，用于获取所述判断模块的判断结果，并根据所述判断结果设定推荐模式。

55、本技术的一些实施例中，还包括：

56、监测模块，用于设定更新时间节点，并根据所述更新时间节点发送更新指令至所述处理模块。

57、本技术实施例一种用于数字化营销平台的商品推荐方法与现有技术相比，其有益效果在于：

58、根据用户需求设定模糊推荐与精准推荐不同模式，根据用户的初始需求进行商品推荐，并根据用户行为动态调整推荐模式，更加高效地引导用户进行商品选择。

59、针对用户的消费频率分析用户的消费行为，并根据消费频率设定目标商品与关联商品比值，消费频率越高其接受推荐可能性越大，并通过增设浏览时间矩阵，通过获取用户单次索引实时浏览时间，对用户的下一次索引时的目标商品与关联商品比值，使其推荐比值更准确，避免使用过程中因大量推荐信息而导致用户体验差问题，从而提升用户体验。