一种基于计算机的大数据收集与分析系统的制作方法

本发明涉及计算机领域，特别涉及一种基于计算机的大数据收集与分析系统。

背景技术：

1、随着电子商务的不断发展普及以及支付体系的不断完善，越来越多的消费者喜欢并且习惯在网上进行的商品购买。面对庞大的线上消费群体，精准且有效的线上商品推荐方法可以提高商家的营收。而对于一些快销品来说，消费者的线上复购率一般较低，难以通过消费者的历史数据预测购买行为，而在销售过程中，如何准确把握消费者的购买需求，进而推荐消费者喜好的商品是十分重要的环节。传统的商品推荐方式大多由销售人员根据历史销售数据来判断哪些是热销商品，然后针对经验判定的热销商品进行推荐，依据的信息维度十分单一，可能会导致商品推荐的精准性不高，不能准确把握到当前消费者的商品喜好。并且，目前商品销售时，往往会采用打折促销的方式来增加商品销量，但是打折促销的商品较多，用户往往不能在第一时间获取到想要的商品的打折促销信息，也没有办法进行商品监控，因此，现有技术缺乏合适的组合促销商品主动推荐算法，导致促销商品推荐单一化、优化率低，促销品成单率无增长。

2、因此，需要提供一种基于计算机的大数据收集与分析系统，用于自动化进行个性化的组合促销商品主动推荐，提高促销品成单率。

技术实现思路

1、本说明书实施例之一提供一种基于计算机的大数据收集与分析系统，包括：数据获取模块，用于获取电商平台的多个用户的历史购买数据；用户聚类模块，用于基于所述多个用户的历史购买数据，对所述多个用户进行聚类，确定多个候选用户聚类簇；类型确定模块，用于对每个所述候选用户聚类簇，确定所述候选用户聚类簇对应的至少一个感兴趣商品类型；用户筛选模块，用于基于每个所述候选用户聚类簇的至少一个感兴趣商品类型，对所述多个候选用户聚类簇进行筛选，确定至少一个目标用户聚类簇；组合生成模块，用于对每个所述目标用户聚类簇，基于所述目标用户聚类簇对应的至少一个感兴趣商品类型及所述电商平台在当前周期的促销规则，生成所述目标用户聚类簇对应的至少一个促销商品组合；推送生成模块，用于对每个所述目标用户聚类簇，基于所述目标用户聚类簇对应的至少一个促销商品组合生成推送消息，将所述推送消息发送至所述目标用户聚类簇包括的用户。

2、在一些实施例中，所述用户聚类模块基于所述多个用户的历史购买数据，对所述多个用户进行聚类，确定多个候选用户聚类簇，包括：对于每个所述用户，基于所述用户的历史购买数据，确定所述用户的基础特征；基于每个所述用户的基础特征，对所述多个用户进行第一次聚类，生成多个第一用户聚类簇；对于每个所述用户，基于所述用户的历史购买数据，确定所述用户的个性化特征；对于每个所述第一用户聚类簇，基于所述第一用户聚类簇包括的每个所述用户的个性化特征，对所述第一用户聚类簇包括的多个用户进行第二次聚类，生成至少一个所述候选用户聚类簇。

3、在一些实施例中，所述用户聚类模块基于所述用户的历史购买数据，确定所述用户的基础特征，包括：基于所述用户的历史购买数据，确定所述用户的位置特征、年龄特征、性别特征及购买商品类型特征。

4、在一些实施例中，所述用户聚类模块基于所述用户的历史购买数据，确定所述用户的个性化特征，包括：基于所述用户的历史购买数据，确定所述用户对应的不同类型的商品购买频率特征、商品复购率特征、挑剔度特征及购买特征序列，其中，购买特征序列由所述用户在多个的历史周期的购买特征按照时间先后顺序组合而成。

5、在一些实施例中，所述类型确定模块对每个所述候选用户聚类簇，确定所述候选用户聚类簇的至少一个感兴趣商品类型，包括：基于所述候选用户聚类簇包括的每个所述用户的历史购买数据，确定至少一个第一候选商品类型；基于商品关联图谱及所述至少一个第一候选商品类型，确定至少一个所述第二候选商品类型；对所述至少一个第一候选商品类型和所述至少一个第二候选商品类型进行筛选，确定所述候选用户聚类簇的至少一个感兴趣商品类型。

6、在一些实施例中，所述类型确定模块对所述至少一个第一候选商品类型和所述至少一个第二候选商品类型进行筛选，确定所述候选用户聚类簇的至少一个感兴趣商品类型，包括：获取所述候选用户聚类簇包括的每个所述用户在目标历史周期的用户操作行为及购买记录；基于所述候选用户聚类簇包括的每个所述用户在目标历史周期的用户操作行为及购买记录，确定每个所述第一候选商品类型的优先值和每个所述第二候选商品类型的优先值；基于每个所述第一候选商品类型的优先值和每个所述第二候选商品类型的优先值，对所述至少一个第一候选商品类型和所述至少一个第二候选商品类型进行筛选，确定所述候选用户聚类簇的至少一个感兴趣商品类型。

7、在一些实施例中，所述组合生成模块基于所述目标用户聚类簇对应的至少一个感兴趣商品类型及所述电商平台在当前周期的促销规则，生成所述目标用户聚类簇对应的至少一个促销商品组合，包括：基于所述目标用户聚类簇包括的每个所述用户的历史购买数据，预测所述目标用户聚类簇的用户在所述当前周期的消费预算；基于所述目标用户聚类簇包括的每个所述用户的历史购买数据，确定所述目标用户聚类簇的用户的消费特征；基于所述目标用户聚类簇的用户的消费特征，确定每个所述感兴趣商品类型对应的至少一个候选商品；基于所述目标用户聚类簇的用户在所述当前周期的消费预算、每个所述感兴趣商品类型对应的至少一个候选商品及所述电商平台在当前周期的促销规则，生成至少一个候选促销商品组合；对所述至少一个候选促销商品组合进行排序，生成所述目标用户聚类簇对应的至少一个促销商品组合。

8、在一些实施例中，所述组合生成模块基于所述目标用户聚类簇包括的每个所述用户的历史购买数据，确定所述目标用户聚类簇的用户的消费特征，包括：基于所述目标用户聚类簇包括的每个所述用户的历史购买数据，确定所述目标用户聚类簇的用户的保质期关注特征、品牌关注特征、消费能力特征及从众性特征。

9、在一些实施例中，所述组合生成模块对所述至少一个候选促销商品组合进行排序，包括：基于每个所述候选促销商品组合的折扣力度信息、区域消费预测信息及仓储信息，对所述至少一个候选促销商品组合进行排序。

10、在一些实施例中，所述组合生成模块还用于：基于所述目标用户聚类簇包括的用户在所述当前周期对所述推送消息的反馈，调整所述目标用户聚类簇对应的至少一个促销商品组合。

11、相比于现有技术，本说明书提供的一种基于计算机的大数据收集与分析系统，至少具备以下有益效果：

12、1、通过对电商平台的多个用户进行分类及筛选，较为准确地确定目标用户，且对目标用户进行个性化促销商品组合生成，使得个性化促销商品组合与目标用户之间的匹配度更高，提高了促销品成单率；

13、2、先基于基础特征对多个用户进行第一次分类，再基于用户的个性化特征进行第二次聚类，提高了聚类的效率；

14、3、基于目标用户聚类簇的用户的保质期关注特征、品牌关注特征、消费能力特征及从众性特征，实现从多维特征，筛选目标用户聚类簇对应的至少一个促销商品组合，提高了促销品成单率；

15、4、基于目标用户聚类簇包括的用户在当前周期对推送消息的反馈，调整目标用户聚类簇对应的至少一个促销商品组合，实现促销商品组合的实时调整，不断优化。