商品推送方法、装置、电子设备及计算机可读存储介质与流程

1.本技术涉及数据统计技术领域，具体而言，本技术涉及一种商品推送方法、装置、电子设备及计算机可读存储介质。


背景技术：

2.随着互联网业务发展，为了获得更多的用户、获得更好的用户忠诚度或者为用户提供个性化内容，推荐算法已经应用到了各个领域，包括图书、音乐、视频、新闻、电影、地图等等。
3.现有的推荐算法中，都需要大量的用户群体和大量的用户身份信息，都是针对大数据用户的推荐算法，而对于客户体量较小的企业，无法获取大量的用户信息，并且对于小型企业，需要的是个性化更强的推荐算法，需要的是广告的精准投放，现有的推荐算法无法达到上述要求。


技术实现要素：

4.本技术的目的旨在至少能解决上述的技术缺陷之一，特别是现有的推荐算法中，都需要大量的用户群体和大量的用户身份信息，都是针对大数据用户的推荐算法，而对于客户体量较小的企业，无法获取大量的用户信息，并且对于小型企业，需要的是个性化更强的推荐算法，需要的是广告的精准投放，现有的推荐算法无法达到上述要求的技术缺陷。
5.第一方面，提供了一种商品推送方法，该方法包括：
6.获取多个用户的用户行为信息，其中，所述用户行为信息包括关联商品的描述信息；
7.基于所述关联商品描述信息确定各个用户的用户描述信息；
8.基于所述用户描述信息及预设的相似度算法计算所述多个用户之间的相似度；
9.基于所述相似度确定以第一用户为中心的目标用户群，其中，所述第一用户与所述多个用户中除所述第一用户外的其它用户之间的相似度之和最大，且所述目标用户群中的用户与所述第一用户的相似度在预设阈值内；
10.将所述第一用户的用户行为信息对应的目标商品推送至所述目标用户群中各目标用户的客户端。
11.第二方面，提供了一种商品推送装置，该装置包括：
12.用户行为获取模块，用于获取多个用户的用户行为信息，其中，所述用户行为信息包括关联商品的描述信息；
13.用户描述信息获取模块，用于基于所述关联商品描述信息确定各个用户的用户描述信息；
14.相似度确定模块，用于基于所述用户描述信息及预设的相似度算法计算所述多个用户之间的相似度；
15.目标用户群确定模块，用于基于所述相似度确定以第一用户为中心的目标用户
群，其中，所述第一用户与所述多个用户中除所述第一用户外的其它用户之间的相似度之和最大，且所述目标用户群中的用户与所述第一用户的相似度在预设阈值内；
16.推送模块，用于将所述第一用户的用户行为信息对应的目标商品推送至所述目标用户群中各目标用户的客户端。
17.第三方面，提供了一种电子设备，该电子设备包括：
18.处理器、存储器和总线；
19.所述总线，用于连接所述处理器和所述存储器；
20.所述存储器，用于存储操作指令；
21.所述处理器，用于通过调用所述操作指令，执行上述实施例所述的商品推送方法。
22.第四方面，提供了一种计算机可读存储介质，所述存储介质存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述实施例所述的商品推送方法。
23.本技术实施例通过获取用户行为信息涉及到的关联商品的描述信息确定用户描述信息，并基于该用户描述信息确定用户之间的相似度，进而确定以第一用户为中心用户的目标用户群，并将与第一用户关联的商品推送至该目标用户群中用户的客户端，不依赖用户的真实信息，仅需要用户的消费行为信息，可确定较为明确的目标用户，针对中小型行业用户具有更好的推广效应。
附图说明
24.为了更清楚地说明本技术实施例中的技术方案，下面将对本技术实施例描述中所需要使用的附图作简单地介绍。
25.图1为本技术实施例提供的一种商品推送方法的流程示意图；
26.图2为本技术实施例提供的一种商品标记方法的流程示意图；
27.图3为本技术实施例提供的一种第二用户确定方法的流程示意图；
28.图4为本技术实施例提供的一种用户分组方法中的示意图；
29.图5为本技术实施例提供的一种商品推送装置的结构示意图；
30.图6为本技术实施例提供的一种电子设备的结构示意图。
31.结合附图并参考以下具体实施方式，本技术各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
具体实施方式
32.下面详细描述本技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本技术，而不能解释为对本发明的限制。
33.本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本技术的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元
件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
34.为使本技术的目的、技术方案和优点更加清楚，下面将结合附图对本技术实施方式作进一步地详细描述。
35.本技术提供的商品推送方法、装置、电子设备和计算机可读存储介质，旨在解决现有技术的如上技术问题。
36.下面以具体地实施例对本技术的技术方案以及本技术的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本技术的实施例进行描述。
37.本技术实施例中提供了一种商品推送方法，如图1所示，该方法适用于商品推送场景，该方法包括：
38.步骤s101，获取多个用户的用户行为信息，其中，所述用户行为信息包括关联商品的描述信息；
39.步骤s102，基于所述关联商品描述信息确定各个用户的用户描述信息；
40.步骤s103，基于所述用户描述信息及预设的相似度算法计算所述多个用户之间的相似度；
41.步骤s104，基于所述相似度确定以第一用户为中心的目标用户群，其中，所述第一用户与所述多个用户中除所述第一用户外的其它用户之间的相似度之和最大，且所述目标用户群中的用户与所述第一用户的相似度在预设阈值内；
42.步骤s105，将所述第一用户的用户行为信息对应的目标商品推送至所述目标用户群中各目标用户的客户端。
43.在本技术实施例中，用户行为信息是指用户对商品的购买、浏览、分享等操作信息，关联商品是指用户行为涉及的商品，描述信息是指用于描述商品的信息，其中，该用于描述商品的信息是预先设定的标签，包括但不限定于商品的类型、商品对应的用户的特征等，如商品是鞋子、衣服等，商品对应的客户的性别、年龄、职业等。用户描述信息是指用于描述用户的信息，该信息为用户行为涉及的商品的描述信息，例如，一个商品的描述信息为鞋子、女性、12-18岁，当用户购买该商品之后，则用户的描述信息会包括鞋子、女性、12-18岁，在收集到足够多的用户的描述信息之后，采用预设的相似度算法对各用户描述信息之间的相似度进行计算，得到两两用户之间的相似度，并基于该相似度确定以第一用户为中心的目标用户群，其中，所述第一用户与所述多个用户中除所述第一用户外的其它用户之间的相似度之和最大，且所述目标用户群中的用户与所述第一用户的相似度在预设阈值内；并将所述第一用户的用户行为信息对应的目标商品推送至所述目标用户群中各目标用户的客户端。
44.作为本技术一个实施例，为方便说明，以一个具体实施例为例，获取多个用户的用户行为信息，其中，该用户的用户行为信息包括用户行为涉及的关联商品的描述信息，例如，获取到用户a、b、c、d四个用户的行为信息中包含的关联商品的描述信息分别为a1、b1、c1、d1，基于该商品的描述信息，确定各个用户的用户描述信息也分别为a1、b1、c1、d1，采用预设的相似度算法对各用户之间的相似度进行计算，其中，是对用户的描述信息之间的相
似度进行计算，进而得到用户之间的相似度，如计算得到用户a与用户b之间的相似度similar(a,b)＝0.8，similar(a,c)＝0.7，similar(a,d)＝0.6，similar(b,c)＝0.4，similar(b,d)＝0.2，similar(c,d)＝0.1，则基于上述相似度，确定第一用户，该第一用户与其它用户之间的相似度之和最大，如对于用户a与其它用户的相似度之和为0.8 0.9 0.6＝2.3，用户b与其它用户的相似度之和为0.8 0.4 0.2＝1.4，用户c与其它用户之间的相似度为0.9 0.4 0.1＝1.4，用户d与其它用户之间的相似度为0.6 0.2 0.1＝0.9，用户a与其它用户之间的相似度之和最大，则确定用户a为第一用户，并基于用户a构建目标用户群，其中，目标用户群中的用户与用户a之间的相似度应该在预设的阈值内，如该阈值为0.7，且与用户a之间的相似度大于0.7的用户才是目标用户群中的用户，则目标用户群由用户a、b、c构成，并将用户a的行为信息涉及的关联商品推送至该用户群中用户的客户端。
45.本技术实施例通过获取用户行为信息涉及到的关联商品的描述信息确定用户描述信息，并基于该用户描述信息确定用户之间的相似度，进而确定以第一用户为中心用户的目标用户群，并将与第一用户关联的商品推送至该目标用户群中用户的客户端，不依赖用户的真实信息，仅需要用户的消费行为信息，可确定较为明确的目标用户，针对中小型行业用户具有更好的推广效应。
46.本技术实施例提供了一种可能的实现方式，在该实现方式中，如图2所示，所述获取多个用户的用户行为信息之前，还包括：
47.步骤s201，获取预设的用户标签；
48.步骤s202，基于预设商品的商品特征采用所述用户标签对所述预设商品进行标记，形成所述预设商品的描述信息，所述预设商品包含与用户行为关联的关联商品。
49.在本技术实施例中，用户标签是指用于表示用户特征的标签，如年龄、性别、职业、身高等，该用户标签是提前设置好的，商品特征是指用户表示商品特征的信息，如商品的类别、大小、商品适用的用户等。
50.对于本技术实施例，为方便说明，以一个具体实施例为例，获取预先设定好的用户标签，并基于商品库中预设商品的商品特征，采用该用户标签对商品进行标记，例如，商品是童鞋，其特征是女孩穿的鞋子，则可以对其标记的用户标签为女孩，如商品是外套，其特征是女性外套，适合20-30岁的女性穿着，则可以对该外套标记的用户标签为女性、20-30岁，基于标记后的商品形成商品的描述信息，如童鞋的描述信息为鞋子、女孩，外套的描述信息为外套、女性、20-30岁。其中，预设的商品应该包含所有与用户行为关联的关联商品，例如，用户只能在预设商品中进行选购、浏览、分享等操作。
51.本技术实施例通过采用预设的用户标签对商品进行标记，并形成该商品的描述信息，可以通过商品的描述信息确定用户的描述信息，不需要依赖用户的真实信息，即可对用户进行对应的推广。
52.本技术实施例提供了一种可能的实现方式，在该实现方式中，该商品推送方法还包括：
53.基于所述用户标签与所述预设商品的商品特征之间的对应关系，构建所述预设商品的描述信息表，并基于所述描述信息表确定所述关联商品的描述信息。
54.在本技术实施例中，在获取到预设的用户标签之后，可以基于用户标签和预设商品的商品特征之间的对应关系，构建预设商品的描述信息表，为方便说明，以上述具体实施
例为例，在获取到童鞋的描述信息为鞋子、女孩，外套的描述信息为外套、女性、20-30岁时，如表一所述，构建商品的描述信息表。
55.表一
56.商品名称描述信息鞋子鞋子、女孩外套外套、女性、20-30岁
57.其中，在获取到用户行为信息中的关联商品后，可以基于该商品描述信息表确定该关联商品对应的描述信息。
58.本技术实施例通过构建商品描述信息表，在需要获取关联商品的描述信息时，可以直接基于该商品描述信息表确定。
59.本技术实施例提供了一种可能的实现方式，在该实现方式中，所述基于所述用户描述信息及预设的相似度算法计算所述多个用户之间的相似度，包括：
60.基于所述用户描述信息，通过余弦相似度算法计算两两用户之间的余弦相似度。
61.在本技术实施例中，预设的相似度算法采用余弦相似度算法，计算两两用户之间的余弦相似度。
62.对于本技术实施例，为方便说明，以一个具体实施例为例，通过余弦相似度算法计算用户两两之间的相似度是通过计算用户描述信息之间的相似度确定的，其中，以两个用户之间的相似度计算为例，将该两个用户的描述信息的类别进行分类，如表二所示。
63.表二
64.用户类别1类别2类别3......类别nax
a1
x
a2
x
a3
......x
an
bx
b1
x
b2
x
b3
......x
bn
65.用户a、b的描述信息分别包括类别1、类别2以及类别3，可选的，描述信息的类别可以是商品种类、适用用户的性别、年龄等，在表二中，x
a1
用于表示用户a的描述信息中对于类别1的描述，为方便计算，可以将其标准化为一个数字，同理，x
b2
等也可以进行标准化。当然，用户的描述信息的类别可以基于实际关联商品的类别进行统计，采用余弦相似度计算公式对用户a、b的相似度进行计算，计算公式如下所示：
[0066][0067]
其中，similar(a，b)表示用户a、b之间的相似度，i取1到n的整数。作为本技术一个实施例，可以将用户各个描述信息标准化取值，方便计算。在本技术实施例中，需要对所有获取到行为信息的用户之间进行两两计算，得到所有两两用户之间的相似度，其计算方法与上述方法相同。
[0068]
本技术实施例通过余弦相似度算法计算两两用户描述信息之间的相似度，进而计算用户之间的相似度，便于基于相似度确定目标用户组。
[0069]
本技术实施例提供了一种可能的实现方式，在该实现方式中，如图3所示，所述将所述第一用户的用户行为涉及到的目标商品推送至所述目标用户群中的用户，包括：
[0070]
步骤s301，确定所述目标用户群中与所述第一用户相似度最高的第二用户；
[0071]
步骤s302，将所述第一用户的用户行为信息和所述第二用户的用户行为信息都涉对应的预设数量的商品作为目标商品；
[0072]
步骤s303，将所述目标商品推送至所述目标用户群中用户的客户端。
[0073]
在本技术实施例中，在选取目标商品进行推送时，为保证目标商品推送的准确性，需要确定目标用户组中的第二用户，并同时基于第一用户和第二用户的行为信息确定目标商品，目标商品是指需要推送的商品。
[0074]
对于本技术实施例，为方便说明，以一个具体实施例为例，在确定第二用户时，将目标用户组中与第一用户相似度最大的用户作为第二用户，以前述具体实施例为例，对于目标用户a、b、c、d，有similar(a，b)＝0.8，similar(a，c)＝0.7，similar(a，d)＝0.6，则用户b与用户a之间的相似度最高，则可以确定用户b为第二用户，获取第一用户和第二用户的行为信息涉及到的商品，例如，用户a涉及到的商品为m1、m2、m3、m4、m5、m6、m7，用户b涉及到的商品为m1、m3、m5、m7、m8、m9，则确定用户a和用户b都涉及到的商品为m1、m3、m5、m7，则可以将商品m1、m3、m5、m7作为目标商品进行推送，可选的，可以在用户a和用户b都涉及到的商品中挑选预设数量的商品进行推送，如挑选前三个进行推送，则可以将m1、m3、m5作为目标商品进行推送，可选的，可以目标商品可以是前五个，在对目标商品进行推送时，将目标商品推送至目标用户群中用户的客户端。
[0075]
本技术实施例通过在目标用户群中选择与第一用户相似度最高的第二用户，并基于第一用户和第二用户的行为信息共同涉及到的商品确定目标商品，再对目标商品进行推送，保证商品推送的准确性，提高商品推送的收益。
[0076]
本技术实施例提供了一种可能的实现方式，在该实现方式中，如图4所示，所述基于所述用户描述信息及预设的相似度算法计算所述多个用户之间的相似度，包括：
[0077]
步骤s401，基于所述用户描述信息将所述多个用户进行分组，形成多个用户组，并从所述多个用户组中确定待推送用户组；
[0078]
步骤s402，基于所述待推送用户组中用户的用户描述信息及预设的相似度算法计算所述待推送用户组中用户之间的相似度。
[0079]
在本技术实施例中，在计算用户之间的相似度之前，先对用户进行分组，并以组为单位计算各组中各用户之间的相似度。
[0080]
作为本技术一个实施例，在对用户进行分组时，可以基于用户的描述信息进行分组，作为本技术一个实施例，可以基于用户描述信息中的年龄信息进行分组，如将年龄在1-3岁的用户设为一组，年龄在4-12岁的用户设为一组，年龄在12-18岁的用户设为一组，年龄在19-28岁的用户设为一组，年龄在29-40岁的用户设为一组等，也可以基于用户描述信息中的性别进行分组，如将男性分为一组，将女性分为一组，还可以基于用户描述信息中的商品类别分为一组，如将描述信息中有鞋子的用户分为一组，将描述信息中有钢笔的分为一组，在对用户进行分组之后，确定需要进行商品推送的待推送用户组，作为本技术一个实施例，可以根据需要进行推送的商品的特征确定待推送用户组，如需要进行推送的商品是女童鞋，则可以确定待推送用户组为年龄在4-12岁的组，可以是描述信息中有鞋子的用户组，在确定完待推送用户组之后，基于前述实施例中的相似度算法对该用户组中用户之间的相似度进行计算。
[0081]
本技术实施例通过先对用户进行分组，然后计算同组内用户之间的相似度，减少计算量的同时，能给较为精确的确定需要进行推送的用户组。
[0082]
本技术实施例通过获取用户行为信息涉及到的关联商品的描述信息确定用户描述信息，并基于该用户描述信息确定用户之间的相似度，进而确定以第一用户为中心用户的目标用户群，并将与第一用户关联的商品推送至该目标用户群中用户的客户端，不依赖用户的真实信息，仅需要用户的消费行为信息，可确定较为明确的目标用户，针对中小型行业用户具有更好的推广效应，在计算用户之间的相似度之前，先对用户进行分组，并以组为单位计算各组中各用户之间的相似度，然后计算同组内用户之间的相似度，减少计算量的同时，能给较为精确的确定需要进行推送的用户组，能够最大化商品推送的收益。
[0083]
本技术实施例提供了一种商品推送装置，如图5所示，该商品推送装置50可以包括：用户行为获取模块501、用户描述信息获取模块502、相似度确定模块503、目标用户群确定模块504以及推送模块505，其中，
[0084]
用户行为获取模块501，用于获取多个用户的用户行为信息，其中，所述用户行为信息包括关联商品的描述信息；
[0085]
用户描述信息获取模块502，用于基于所述关联商品描述信息确定各个用户的用户描述信息；
[0086]
相似度确定模块503，用于基于所述用户描述信息及预设的相似度算法计算所述多个用户之间的相似度；
[0087]
目标用户群确定模块504，用于基于所述相似度确定以第一用户为中心的目标用户群，其中，所述第一用户与所述多个用户中除所述第一用户外的其它用户之间的相似度之和最大，且所述目标用户群中的用户与所述第一用户的相似度在预设阈值内；
[0088]
推送模块505，用于将所述第一用户的用户行为信息对应的目标商品推送至所述目标用户群中各目标用户的客户端。
[0089]
可选的，该商品推送装置还包括商品标记模块，在获取多个用户的用户行为信息之前，该商品标记模块用于：
[0090]
获取预设的用户标签；
[0091]
基于预设商品的商品特征采用所述用户标签对所述预设商品进行标记，形成所述预设商品的描述信息，所述预设商品包含与用户行为关联的关联商品。
[0092]
可选的，该商品标记模块还用于:
[0093]
基于所述用户标签与所述预设商品的商品特征之间的对应关系，构建所述预设商品的描述信息表，并基于所述描述信息表确定所述关联商品的描述信息。
[0094]
可选的，相似度确定模块503在基于所述用户描述信息及预设的相似度算法计算所述多个用户之间的相似度时，可以用于：
[0095]
基于所述用户描述信息，通过余弦相似度算法计算两两用户之间的余弦相似度。
[0096]
可选的，推送模块505在将所述第一用户的用户行为涉及到的目标商品推送至所述目标用户群中的用户时，可以用于：
[0097]
确定所述目标用户群中与所述第一用户相似度最高的第二用户；
[0098]
将所述第一用户的用户行为信息和所述第二用户的用户行为信息都涉对应的预设数量的商品作为目标商品；
industry standard architecture，扩展工业标准结构)总线等。总线6002可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
[0111]
存储器6003可以是rom(read only memory，只读存储器)或可存储静态信息和指令的其他类型的静态存储设备，ram(random access memory，随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备，也可以是eeprom(electrically erasable programmable read only memory，电可擦可编程只读存储器)、cd-rom(compact disc readonly memory，只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
[0112]
存储器6003用于存储执行本技术方案的应用程序代码，并由处理器6001来控制执行。处理器6001用于执行存储器6003中存储的应用程序代码，以实现前述方法实施例所示的内容。
[0113]
其中，电子设备包括但不限于电脑、平板电脑、车载电脑、智能手机、智能手表、蓝牙音箱等电子设备。
[0114]
本技术实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。与现有技术相比，通过获取用户行为信息涉及到的关联商品的描述信息确定用户描述信息，并基于该用户描述信息确定用户之间的相似度，进而确定以第一用户为中心用户的目标用户群，并将与第一用户关联的商品推送至该目标用户群中用户的客户端，不依赖用户的真实信息，仅需要用户的消费行为信息，可确定较为明确的目标用户，针对中小型行业用户具有更好的推广效应。
[0115]
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
[0116]
以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。