一种基于使用场景预测的关联商品推荐方法与流程
本发明涉及场景化关联商品推荐方法,尤其涉及一种基于使用场景预测的关联商品推荐方法。
背景技术:
1、随着线上零售行业规模持续扩张,电商平台在售sku量级不断攀升,用户消费需求逐步从标准化刚需采购转向场景化多元消费,行业对推荐系统的核心要求已从基础商品曝光覆盖,转向合规前提下的精准需求匹配、低干扰交互体验。当前关联商品推荐主要采用两类主流技术路径:
2、第一类以用户协同过滤、品类标签匹配为核心逻辑,通过挖掘全站用户历史行为中的频繁共现商品组合形成推荐池,结合树状品类分类体系向用户推送相似商品。现有技术解决了传统关联规则计算效率低的问题,但该类方案未建立商品场景维度的关联关系,极易出现同品类同质化推荐问题,且频繁共现组合易受商家营销投放影响,常出现低适配性搭售内容。
3、第二类以用户多源行为挖掘的意图推测为核心逻辑,通过采集用户跨站浏览、地理位置、社交内容等多维度数据推测消费意图。现有技术解决了显性意图识别灵敏度不足的问题,但该类方案存在突出的数据合规风险,易触碰隐私监管红线,且需求预判偏差率较高。
4、现有方案普遍存在参数判定规则模糊、过滤逻辑僵化、冷启动匹配精度不足等问题,部分规则未考虑商品属性差异与用户真实消费习惯,易出现误触发推荐、误剔除有效需求、推荐内容单一等缺陷,既影响用户体验,也存在合规层面的潜在风险,亟需一套逻辑严谨、规则明确、合规性强的场景化关联推荐方案,支撑关联推荐效果的稳定提升。
技术实现思路
1、本发明提出的一种基于使用场景预测的关联商品推荐方法,以解决上述现有技术中提到的现有技术关联推荐同质化严重、规则僵化、合规性弱、精度不足的问题。
2、为了实现上述目的,本发明采用了如下技术方案:一种基于使用场景预测的关联商品推荐方法,包括如下步骤:
3、s1、构建独立于平台树状品类分类体系的商品场景映射模型,平台采用四级编码品类体系,其中三级品类对应编码第5至6位,为核心功能高度重合的直接竞品类目;
4、针对每件在售商品结合官方功能参数、原厂配套说明关联标注多维度使用场景标签,为每个场景标签预先挂载跨品类关联商品集合,初始构建时剔除与标签对应商品互为直接替代关系的同三级品类商品,纳入原厂公示的官方配套商品,排除商家付费设置的强制搭售商品;
5、s2、实时监听全平台用户端的商品交互触发事件,采集用户原始操作行为并转换为可计算的时长量化数值,将量化数值与预先标定的深度交互阈值进行大小比对;当识别到用户对任意目标商品产生满足预设阈值判定条件的深度交互行为时,提取目标商品绑定的全部候选使用场景,生成对应于当前用户的候选场景集合;深度交互判定排除无有效关注的凑单加购行为,降低推荐误触发概率;
6、s3、在用户主动明确授权的前提下,调用经 k - 匿名处理、满足同一标签组合覆盖用户≥1000 人的最小分组约束,无法反向定位特定自然人,且不包含任何可识别自然人的敏感隐私数据,逐一计算各候选场景与当前用户的匹配度分值,根据分值排序确定目标使用场景,所述非隐私画像标签不包含可识别特定自然人的敏感信息的非隐私画像标签;
7、s4、调取目标使用场景下挂载的跨品类关联商品集合,区分商品耗材与耐用品属性、识别功能互补关系,过滤集合内的无效商品,避免误剔除用户复购与互补需求,生成无重复内容的初始推荐商品列表;
8、s5、按照预设的需求响应优先级规则对初始推荐列表排序,经优化后的同质化校验剔除可互相替代的重复商品,保留同品类下满足不同细分需求的互补商品,将排序完成后的最终推荐列表推送至用户端展示界面。
9、进一步的,所述商品场景映射模型中,每个场景标签对应的关联商品集合构建过程中,不追踪单个用户的个体行为轨迹,采用三类公开可验证的数据源开展多源交叉标注,分别为商家公示的原厂配套使用说明、权威消费研究机构发布的大众场景消费报告、经k-匿名聚合处理的全平台群体通用搭配共识数据;
10、每个场景标签同步绑定三级场景核心需求维度,分别为商品开箱使用必需的即时配套需求、使用过程中需定期更换的周期耗材需求、使用一段时间后可扩展功能的功能升级需求,每个需求维度单独设置关联商品子集合;所述深度交互行为的量化判定规则为,满足完成商品下单支付、商品加入购物车连续留存满24小时且留存期内存在至少一次主动回访查看的有效交互、商品详情页有效交互停留时长累计达30秒三类条件中任意一项即判定成立,其中有效交互指用户存在滚动、点击、参数查看等主动操作,页面挂起、后台静置时长不计入统计。
11、进一步的,所述候选场景与用户的匹配度分值采用加权求和逻辑完成量化计算,计算公式为:;其中,为第个候选场景的匹配度分值,为第个非隐私画像标签的预设权重值,权重取值来自权威消费研究机构公开的人群与场景适配关系统计结果,为第个候选场景与第个非隐私画像标签的关联匹配系数,取值范围为0到1,取值越高代表标签对应人群与场景的适配性越强,n为用户授权范围内可调用的非隐私画像标签总数量;计算完成后对所有场景的分值进行0到1区间的归一化处理,支撑目标场景的筛选判定。
12、进一步的,调用用户非隐私画像标签前,首先在用户端弹出无默认勾选的授权申请提示弹窗,弹窗中清晰列明拟调用的标签类型、使用用途、数据保存期限,其中数据保存期限统一为7天,到期自动清除所有临时调用数据不做持久化存储,用户可自主选择分项授权范围;
13、所述非隐私画像标签范畴仅包含两类,一类为用户主动填写并公开的基础属性标签,另一类为经k-匿名处理的平台群体消费偏好标签,同一标签组合下覆盖的用户量不低于1000,无法通过标签组合反向定位到特定自然人,标签范畴严格排除聊天记录、跨站浏览轨迹、精准地理位置等隐私敏感数据;对于拒绝全部标签授权的用户,系统直接选取候选场景集合中与目标商品关联度最高的通用型场景作为目标使用场景,不调用任何个人维度数据。
14、进一步的,所述无效商品过滤过程中,同步对接平台历史订单数据库、用户商品反馈数据库、用户自主设置的不感兴趣商品列表,剔除用户历史交易中曾主动退货的同功能商品、用户主动标记为不感兴趣的商品、用户曾给出一星或二星差评的商品,同时剔除处于下架状态、无库存状态、不符合收货区域配送要求的商品;
15、已购商品过滤环节首先判定商品属性,消耗周期小于1年的耗材类商品不执行已购过滤;对于耐用品,仅剔除与用户近3年已购商品核心功能完全一致、无互补属性的功能重叠商品,同三级品类下预先标记为功能互补的商品不纳入重叠过滤范围,功能重叠判定结合spu一致性、核心功能参数匹配度、互补属性标识三重校验完成,避免误剔除用户真实复购与互补品购买需求。
16、进一步的,所述按照需求响应优先级对初始推荐商品列表排序时,严格遵循即时配套需求优先、周期耗材需求次之、功能升级需求最后的固定层级顺序排布,即优先展示购买目标商品后第一时间需要使用的配套类商品,其次展示后续使用过程中需要定期补充的耗材类商品,最后展示使用一定周期后可能产生升级需求的功能类商品;每个需求层级内部的商品按照与场景核心需求的匹配度从高到低排序,匹配度越高的商品在列表中的位次越靠前。
17、进一步的,所述商品场景映射模型设置新商品冷启动适配机制,对于新上架未完成人工场景标注的商品,系统首先提取商品官方标题、公示参数、详情页功能介绍内容,一方面计算核心功能参数的文本余弦相似度,另一方面提取详情页中记载的使用场景、适用环境关键词开展语义匹配,当两类相似度均达到设定阈值时,复用匹配度最高的已标注商品的场景标签集合,完成新商品的初步场景映射;
18、未达到相似度阈值的新商品暂不纳入自动推荐池,转入人工标注队列;新商品完成初步标注后,持续基于聚合的群体用户评价、公开搭配消费数据校验优化场景标签,逐步提升标注精度。
19、进一步的,推荐结果推送至用户端展示后,系统持续采集全平台聚合的用户交互反馈数据,其中正向交互包括点击查看商品详情、将推荐商品加入购物车、下单购买推荐商品三类可体现认可度的行为,负向反馈包括点击不感兴趣、推荐卡片在可视区域内有效停留时长不足2秒且无正向交互的快速划走行为;
20、整个迭代过程中所有交互数据均剥离用户身份标识,基于聚合统计结果动态调整对应场景下关联商品的匹配权重,以及非隐私画像标签与场景的关联匹配系数,不针对单个用户的行为轨迹开展追踪分析,实现模型精度的持续优化。
21、进一步的,初始推荐列表生成后、正式推送前设置同质化内容校验环节,首先剔除与触发本次推荐的目标商品互为直接替代关系的同三级品类商品;再遍历列表内所有待推荐商品,对于同属一个三级品类的商品,识别其在目标场景下的功能定位,若商品可满足该场景下不同细分功能需求、不存在互相替代关系则予以保留,仅保留每个细分功能定位下匹配度最高的一件商品,剔除核心功能完全一致、可互相替代的同质化商品,避免推荐内容过度单一,保障推荐结果的丰富性。
22、进一步的,当归一化处理后的候选场景匹配度分值中,存在两个及以上场景与最高分值的差值小于分差预设阈值时,将所有满足分差要求的场景确定为并行目标场景,不再选取单个核心场景;分差预设阈值初始值为0.05,取值来自全平台历史推荐数据中多场景融合推荐的转化效果最优区间统计结果,后台可根据各品类的场景离散度动态调整,品类场景离散度越高则阈值适当上调;
23、每个并行场景选取需求优先级最高的固定数量关联商品,固定数量初始值为每个场景选取3款商品,取值来自用户单屏浏览的信息接收最优容量统计结果,按照各并行场景的分值占比分配推荐列表展示位次,分值占比越高的场景获得的展示位数量越多,最终生成融合多场景需求的综合推荐列表。
24、与现有的技术相比,本发明的有益效果是:
25、本发明通过搭建独立于传统品类体系的商品场景映射模型,明确三级品类的编码判定规则,以原厂配套说明、权威消费报告、聚合群体搭配数据为基础构建跨品类关联集合,纳入高适配性官方配套商品、排除付费强制搭售内容,配套优化后的同质化校验规则,对同品类商品按细分功能定位差异化保留,仅剔除可互相替代的同质化内容,有效解决了现有方案中同品类扎堆推荐、商家搭售低适配商品、过滤规则僵化导致推荐内容单一的缺陷,推荐内容可覆盖用户购买目标商品后的全链路衍生需求,大幅降低无效信息对用户的干扰。
26、本发明通过明确非隐私标签的k-匿名处理标准,规范用户授权的全流程管控,优化深度交互的多维度判定规则,完善耗材与耐用品差异化的无效商品过滤逻辑,在匹配计算、阈值设定、冷启动适配环节明确所有参数的统计依据与调整规则,有效解决了现有方案中隐私合规风险高、交互判定易误触发、需求过滤易误剔除、冷启动标签错配的缺陷,全流程符合数据安全规范要求,推荐触发逻辑更贴合用户真实消费习惯。
27、本方案无需商家单独配置搭售规则,可覆盖综合电商、垂直品类平台等多类线上销售场景,对未授权用户、新上架商品均有稳定适配机制,落地部署门槛低,具备较高的行业推广价值。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com