一种应用于私域和电商平台的商品推荐方法、系统和存储介质与流程

1.本技术属于大数据处理技术领域，更具体的，涉及一种应用于私域和电商平台的商品推荐方法、系统和存储介质。


背景技术：

[0002][0003]
目前现有的私域电商从供应链选品、推荐技术都是基于自有平台数据处理模式，这样对用户感知和服务效率较低，既不能很好地满足商家和客户的服务需求，也体现不出更好的人效。因此，急需提出一种针对私域和电商平台的大数据处理技术，以解决供应链侧商品引入、选品和客户完整数据收集、整合、推荐过程中存在的问题。


技术实现要素：

[0004]
有鉴于此，本技术提供了一种应用于私域和电商平台的商品推荐方法、系统和存储介质，针对私域电商场景下商品和客户数据处理及匹配模式进行优化，提高推品的准确率和数据处理效率，有效改善用户体验。
[0005]
本技术的具体技术方案如下：
[0006]
本技术第一方面提供一种应用于私域和电商平台的商品推荐方法，其特征在于，包括如下步骤：
[0007]
获取目标用户在私域平台的行为数据，将所述行为数据进行埋点并通过脚本的形式将数据发送至处理中心，获取目标用户在公域平台的行为数据并发送至处理中心；
[0008]
读取处理中心队列中的行为数据并将数据转存，再通过元数据写入的方式储存至开放数据处理数仓中；
[0009]
根据目标用户在私域平台和公域平台的行为数据建立用户行为分析模型，根据用户行为分析模型对用户进行定制化打标构建用户画像；
[0010]
获取商品数据进行聚合分析并根据商品特征参数对其进行个性化打标，将商品的打标结果与用户画像中的用户标签进行关联性匹配；
[0011]
根据商品与用户的匹配情况建立用户行为与对应商品的连接通道，针对不同场景的目标用户开启不同的连接通道，并将对应商品以推荐列表形式展示。
[0012]
优选的，将所述行为数据进行埋点并通过脚本的形式将数据发送至处理中心具体为：
[0013]
分别在接收到来自目标用户的点击、收藏、转发或订购信号后对产生的行为数据进行埋点；
[0014]
利用轻量级传送模式将埋点后的行为数据收集至数据传输通道，再由数据传输通道通过脚本将数据日志异步发送至处理中心。
[0015]
优选的，获取目标用户在公域平台的行为数据并发送至处理中心具体为：
[0016]
获取目标用户在私域平台的公开信息并同步至erp和第三方系统，通过erp和第三方系统获取目标用户在公域平台的行为数据；
[0017]
利用erp和第三方系统将目标用户在公域平台的行为数据存储并发送至处理中心。
[0018]
优选的，根据目标用户在私域平台和公域平台的行为数据建立用户行为分析模型具体为：
[0019]
统计目标用户的行为数据中在各个行为节点下的店铺信息和商品信息，行为节点包括搜索、筛选、收藏、比价和佣金操作；
[0020]
提取目标用户的静态信息，根据目标用户在各个行为节点下的静态信息、店铺信息和商品信息对用户行为进行基础打标。
[0021]
优选的，所述用户行为分析模型包括：
[0022]
根据用户的行为节点和出现频次推断用户的动态使用习惯，从而生成场景标签；
[0023]
根据用户的静态信息和商品信息采集定位数据和价格数据，从而生成属性标签；
[0024]
根据用户的行为数据、店铺信息和商品信息生成偏好标签。
[0025]
优选的，根据用户行为分析模型对用户进行定制化打标构建用户画像具体为：
[0026]
监测并识别目标用户的特殊需求信息，根据特殊需求信息对目标用户的行为数据进行清洗；
[0027]
以清洗后的行为数据为基础，利用用户行为分析模型对目标用户的行为数据生成定制化标签。
[0028]
优选的，获取商品数据进行聚合分析并根据商品特征参数对其进行个性化打标具体为：
[0029]
调取私域平台的商品基础数据和公域平台的热门商品数据，将商品数据根据数据类型和值进行分类，对商品数据录入分类标签；
[0030]
监测来自私域平台和公域平台的同一商品是否存在分类标签歧义，若存在则根据商品的惯用标记对商品的打标结果进行去噪处理。
[0031]
优选的，获取商品数据进行聚合分析并根据商品特征参数对其进行个性化打标还包括：
[0032]
根据商品特征参数录入商品的spu基础数据，根据spu基础数据生成商品的spu标签；
[0033]
提取商品的供应链信息，统计供应链的节点数据生成商品的供应链标签；
[0034]
根据商品的spu标签和供应链信息对商品数据进行基础打标。
[0035]
本技术第二方面提供一种应用于私域和电商平台的商品推荐系统，包括存储器和处理器，所述存储器中包括应用于私域和电商平台的商品推荐程序，所述应用于私域和电商平台的商品推荐程序被所述处理器执行时，实现如下步骤：
[0036]
获取目标用户在私域平台的行为数据，将所述行为数据进行埋点并通过脚本的形式将数据发送至处理中心，获取目标用户在公域平台的行为数据并发送至处理中心；
[0037]
读取处理中心队列中的行为数据并将数据转存，再通过元数据写入的方式储存至开放数据处理数仓中；
[0038]
根据目标用户在私域平台和公域平台的行为数据建立用户行为分析模型，根据用
户行为分析模型对用户进行定制化打标构建用户画像；
[0039]
获取商品数据进行聚合分析并根据商品特征参数对其进行个性化打标，将商品的打标结果与用户画像中的用户标签进行关联性匹配；
[0040]
根据商品与用户的匹配情况建立用户行为与对应商品的连接通道，针对不同场景的目标用户开启不同的连接通道，并将对应商品以推荐列表形式展示。
[0041]
优选的，将所述行为数据进行埋点并通过脚本的形式将数据发送至处理中心具体为：
[0042]
分别在接收到来自目标用户的点击、收藏、转发或订购信号后对产生的行为数据进行埋点；
[0043]
利用轻量级传送模式将埋点后的行为数据收集至数据传输通道，再由数据传输通道通过脚本将数据日志异步发送至处理中心。
[0044]
优选的，获取目标用户在公域平台的行为数据并发送至处理中心具体为：
[0045]
获取目标用户在私域平台的公开信息并同步至erp和第三方系统，通过erp和第三方系统获取目标用户在公域平台的行为数据；
[0046]
利用erp和第三方系统将目标用户在公域平台的行为数据存储并发送至处理中心。
[0047]
优选的，根据目标用户在私域平台和公域平台的行为数据建立用户行为分析模型具体为：
[0048]
统计目标用户的行为数据中在各个行为节点下的店铺信息和商品信息，行为节点包括搜索、筛选、收藏、比价和佣金操作；
[0049]
提取目标用户的静态信息，根据目标用户在各个行为节点下的静态信息、店铺信息和商品信息对用户行为进行基础打标。
[0050]
优选的，所述用户行为分析模型包括：
[0051]
根据用户的行为节点和出现频次推断用户的动态使用习惯，从而生成场景标签；
[0052]
根据用户的静态信息和商品信息采集定位数据和价格数据，从而生成属性标签；
[0053]
根据用户的行为数据、店铺信息和商品信息生成偏好标签。
[0054]
优选的，根据用户行为分析模型对用户进行定制化打标构建用户画像具体为：
[0055]
监测并识别目标用户的特殊需求信息，根据特殊需求信息对目标用户的行为数据进行清洗；
[0056]
以清洗后的行为数据为基础，利用用户行为分析模型对目标用户的行为数据生成定制化标签。
[0057]
优选的，获取商品数据进行聚合分析并根据商品特征参数对其进行个性化打标具体为：
[0058]
调取私域平台的商品基础数据和公域平台的热门商品数据，将商品数据根据数据类型和值进行分类，对商品数据录入分类标签；
[0059]
监测来自私域平台和公域平台的同一商品是否存在分类标签歧义，若存在则根据商品的惯用标记对商品的打标结果进行去噪处理。
[0060]
优选的，获取商品数据进行聚合分析并根据商品特征参数对其进行个性化打标还包括：
[0061]
根据商品特征参数录入商品的spu基础数据，根据spu基础数据生成商品的spu标签；
[0062]
提取商品的供应链信息，统计供应链的节点数据生成商品的供应链标签；
[0063]
根据商品的spu标签和供应链信息对商品数据进行基础打标。
[0064]
本技术第三方面提供一种计算机可读存储介质，所述计算机可读存储介质中包括应用于私域和电商平台的商品推荐程序，所述应用于私域和电商平台的商品推荐程序被处理器执行时，实现所述应用于私域和电商平台的商品推荐方法的步骤。
[0065]
综上所述，本技术提供了一种应用于私域和电商平台的商品推荐方法、系统和存储介质。通过分别获取目标用户在私域平台和公域平台的行为数据，根据目标用户在私域平台和公域平台的行为数据建立用户行为分析模型对用户进行定制化打标构建用户画像，将商品的打标结果与用户画像中的用户标签进行关联性匹配，根据商品与用户的匹配情况建立用户行为与对应商品的连接通道，针对不同场景的目标用户开启不同的连接通道。本技术针对私域电商场景下商品和客户数据处理及匹配模式进行优化，提高推品的准确率和数据处理效率，有效改善用户体验。
附图说明
[0066]
为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
[0067]
图1为本技术一种应用于私域和电商平台的商品推荐方法流程图；
[0068]
图2为本技术一种应用于私域和电商平台的商品推荐系统框图。
具体实施方式
[0069]
为使得本技术的目的、特征、优点能够更加的明显和易懂，对本技术实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本技术一部分实施例，而非全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本技术保护的范围。
[0070]
请参照图1，图1为本技术一种应用于私域和电商平台的商品推荐方法流程图。
[0071]
本技术实施例第一方面提供一种应用于私域和电商平台的商品推荐方法，包括如下步骤：
[0072]
s102:获取目标用户在私域平台的行为数据，将所述行为数据进行埋点并通过脚本的形式将数据发送至处理中心，获取目标用户在公域平台的行为数据并发送至处理中心；
[0073]
s104:读取处理中心队列中的行为数据并将数据转存，再通过元数据写入的方式储存至开放数据处理数仓中；
[0074]
s106:根据目标用户在私域平台和公域平台的行为数据建立用户行为分析模型，根据用户行为分析模型对用户进行定制化打标构建用户画像；
[0075]
s108:获取商品数据进行聚合分析并根据商品特征参数对其进行个性化打标，将
商品的打标结果与用户画像中的用户标签进行关联性匹配；
[0076]
s110:根据商品与用户的匹配情况建立用户行为与对应商品的连接通道，针对不同场景的目标用户开启不同的连接通道，并将对应商品以推荐列表形式展示。
[0077]
需要说明的是，s102中私域平台包括app终端、小程序、公众号等。行为数据可以是目标用户在平台操作节点下生成的操作数据。公域平台的行为数据一般为含有用户非隐私信息的操作数据。s104 中可由datacenter数据中心服务读取队列中的数据并存储到odps数仓中。s106中用户画像可以反映目标用户的行为偏好以及潜在行为目的，可用于针对用户需求进行精准匹配。s108中根据商品的价格、来源和用途等特征信息可对商品标签化处理并与用户标签关联用于为用户匹配适合的商品推荐。s110中可对应用场景进行设定，满足客户的特殊需要，更具有针对性地进行推品。
[0078]
根据本技术实施例，将所述行为数据进行埋点并通过脚本的形式将数据发送至处理中心具体为：
[0079]
分别在接收到来自目标用户的点击、收藏、转发或订购信号后对产生的行为数据进行埋点；
[0080]
利用轻量级传送模式将埋点后的行为数据收集至数据传输通道，再由数据传输通道通过脚本将数据日志异步发送至处理中心。
[0081]
需要说明的是，埋点数据主要有企业、店铺、用户、商品、行为标签等。本技术实施例中可有filebeat将多服务器上读取到的埋点数据收集到logstash中，logstash通过脚本将日志异步发送到kafka中。
[0082]
根据本技术实施例，获取目标用户在公域平台的行为数据并发送至处理中心具体为：
[0083]
获取目标用户在私域平台的公开信息并同步至erp和第三方系统，通过erp和第三方系统获取目标用户在公域平台的行为数据；
[0084]
利用erp和第三方系统将目标用户在公域平台的行为数据存储并发送至处理中心。
[0085]
根据本技术实施例，根据目标用户在私域平台和公域平台的行为数据建立用户行为分析模型具体为：
[0086]
统计目标用户的行为数据中在各个行为节点下的店铺信息和商品信息，行为节点包括搜索、筛选、收藏、比价和佣金操作；
[0087]
提取目标用户的静态信息，根据目标用户在各个行为节点下的静态信息、店铺信息和商品信息对用户行为进行基础打标。
[0088]
根据本技术实施例，所述用户行为分析模型包括：
[0089]
根据用户的行为节点和出现频次推断用户的动态使用习惯，从而生成场景标签；
[0090]
根据用户的静态信息和商品信息采集定位数据和价格数据，从而生成属性标签；
[0091]
根据用户的行为数据、店铺信息和商品信息生成偏好标签。
[0092]
需要说明的是，场景标签包括app、小程序、公众号以及自定义平台，属性标签包括性别、年龄、消费水平、职业等，偏好标签包括女装、母婴、少儿、化妆、虚拟商品等。
[0093]
根据本技术实施例，根据用户行为分析模型对用户进行定制化打标构建用户画像具体为：
[0094]
监测并识别目标用户的特殊需求信息，根据特殊需求信息对目标用户的行为数据进行清洗；
[0095]
以清洗后的行为数据为基础，利用用户行为分析模型对目标用户的行为数据生成定制化标签。
[0096]
需要说明的是，特殊需求信息可以是经过用户设置生成的自定义过滤条件，根据用户的自定义设置参数对数据清洗生成的用户标签更具有真实性。
[0097]
根据本技术实施例，获取商品数据进行聚合分析并根据商品特征参数对其进行个性化打标具体为：
[0098]
调取私域平台的商品基础数据和公域平台的热门商品数据，将商品数据根据数据类型和值进行分类，对商品数据录入分类标签；
[0099]
监测来自私域平台和公域平台的同一商品是否存在分类标签歧义，若存在则根据商品的惯用标记对商品的打标结果进行去噪处理。
[0100]
需要说明的是，商品基础数据主要为商品的特征参数，例如尺寸、品牌、规格等信息，热门商品是指公域平台内的商品点击量或销量在预设范围以上，这些数据的来源广泛、可参考性强。分类标签包括女装、美妆、个护、食品、童装、家具、配饰、母婴等。
[0101]
根据本技术实施例，获取商品数据进行聚合分析并根据商品特征参数对其进行个性化打标还包括：
[0102]
根据商品特征参数录入商品的spu基础数据，根据spu基础数据生成商品的spu标签；
[0103]
提取商品的供应链信息，统计供应链的节点数据生成商品的供应链标签；
[0104]
根据商品的spu标签和供应链信息对商品数据进行基础打标。
[0105]
需要说明的是，spu基础数据是指价格区间划分、销量、佣金、折扣、活动等实时信息。供应链信息是指供应商、制造商、运输商、零售商以及客户信息。
[0106]
在本技术另一实施例中，获取商品数据进行聚合分析并根据商品特征参数对其进行个性化打标具体为：
[0107]
获取目标用户的售后信息，所述售后信息包括物流信息、维护信息、指导信息和反馈信息，筛选售后信息中的商品描述特征；
[0108]
根据商品描述特征对商品数据的基础打标结果进行数据修正生成商品的个性化打标结果。
[0109]
在本技术另一实施例中，针对不同场景的目标用户开启不同的连接通道具体为：
[0110]
获取目标用户的场景需求信息，根据用户的场景需求信息对用户的行为数据进行洗清；
[0111]
分析商品在该特殊场景下的热点数据，将洗清后的商品数据和对应的热点数据存入数据库中并做持久化处理，接着将洗清后的行为数据和商品数据同步存入开放数据处理数仓，最后将清洗后的用户行为数据和商品数据异步存入es数据库。
[0112]
需要说明的是，本技术实施例中可洗清后的商品数据和对应的热点数据存入redis中并做持久化处理，接着将洗清后的行为数据和商品数据同步存入odps，最后将清洗后的用户行为数据和商品数据异步存入es，实现了针对不同场景给用户匹配个性、优质、热门、爆款的商品。
[0113]
请参照图2，图2为本技术一种应用于私域和电商平台的商品推荐系统的框图。
[0114]
本技术实施例第二方面提供一种应用于私域和电商平台的商品推荐系统，包括存储器21和处理器22，所述存储器21中包括应用于私域和电商平台的商品推荐程序，所述应用于私域和电商平台的商品推荐程序被所述处理器22执行时，实现如下步骤：
[0115]
获取目标用户在私域平台的行为数据，将所述行为数据进行埋点并通过脚本的形式将数据发送至处理中心，获取目标用户在公域平台的行为数据并发送至处理中心；
[0116]
读取处理中心队列中的行为数据并将数据转存，再通过元数据写入的方式储存至开放数据处理数仓中；
[0117]
根据目标用户在私域平台和公域平台的行为数据建立用户行为分析模型，根据用户行为分析模型对用户进行定制化打标构建用户画像；
[0118]
获取商品数据进行聚合分析并根据商品特征参数对其进行个性化打标，将商品的打标结果与用户画像中的用户标签进行关联性匹配；
[0119]
根据商品与用户的匹配情况建立用户行为与对应商品的连接通道，针对不同场景的目标用户开启不同的连接通道，并将对应商品以推荐列表形式展示。
[0120]
根据本技术实施例，将所述行为数据进行埋点并通过脚本的形式将数据发送至处理中心具体为：
[0121]
分别在接收到来自目标用户的点击、收藏、转发或订购信号后对产生的行为数据进行埋点；
[0122]
利用轻量级传送模式将埋点后的行为数据收集至数据传输通道，再由数据传输通道通过脚本将数据日志异步发送至处理中心。
[0123]
根据本技术实施例，获取目标用户在公域平台的行为数据并发送至处理中心具体为：
[0124]
获取目标用户在私域平台的公开信息并同步至erp和第三方系统，通过erp和第三方系统获取目标用户在公域平台的行为数据；
[0125]
利用erp和第三方系统将目标用户在公域平台的行为数据存储并发送至处理中心。
[0126]
根据本技术实施例，根据目标用户在私域平台和公域平台的行为数据建立用户行为分析模型具体为：
[0127]
统计目标用户的行为数据中在各个行为节点下的店铺信息和商品信息，行为节点包括搜索、筛选、收藏、比价和佣金操作；
[0128]
提取目标用户的静态信息，根据目标用户在各个行为节点下的静态信息、店铺信息和商品信息对用户行为进行基础打标。
[0129]
根据本技术实施例，所述用户行为分析模型包括：
[0130]
根据用户的行为节点和出现频次推断用户的动态使用习惯，从而生成场景标签；
[0131]
根据用户的静态信息和商品信息采集定位数据和价格数据，从而生成属性标签；
[0132]
根据用户的行为数据、店铺信息和商品信息生成偏好标签。
[0133]
根据本技术实施例，根据用户行为分析模型对用户进行定制化打标构建用户画像具体为：
[0134]
监测并识别目标用户的特殊需求信息，根据特殊需求信息对目标用户的行为数据
进行清洗；
[0135]
以清洗后的行为数据为基础，利用用户行为分析模型对目标用户的行为数据生成定制化标签。
[0136]
根据本技术实施例，获取商品数据进行聚合分析并根据商品特征参数对其进行个性化打标具体为：
[0137]
调取私域平台的商品基础数据和公域平台的热门商品数据，将商品数据根据数据类型和值进行分类，对商品数据录入分类标签；
[0138]
监测来自私域平台和公域平台的同一商品是否存在分类标签歧义，若存在则根据商品的惯用标记对商品的打标结果进行去噪处理。
[0139]
根据本技术实施例，获取商品数据进行聚合分析并根据商品特征参数对其进行个性化打标还包括：
[0140]
根据商品特征参数录入商品的spu基础数据，根据spu基础数据生成商品的spu标签；
[0141]
提取商品的供应链信息，统计供应链的节点数据生成商品的供应链标签；
[0142]
根据商品的spu标签和供应链信息对商品数据进行基础打标。
[0143]
在本技术另一实施例中，获取商品数据进行聚合分析并根据商品特征参数对其进行个性化打标具体为：
[0144]
获取目标用户的售后信息，所述售后信息包括物流信息、维护信息、指导信息和反馈信息，筛选售后信息中的商品描述特征；
[0145]
根据商品描述特征对商品数据的基础打标结果进行数据修正生成商品的个性化打标结果。
[0146]
在本技术另一实施例中，针对不同场景的目标用户开启不同的连接通道具体为：
[0147]
获取目标用户的场景需求信息，根据用户的场景需求信息对用户的行为数据进行洗清；
[0148]
分析商品在该特殊场景下的热点数据，将洗清后的商品数据和对应的热点数据存入数据库中并做持久化处理，接着将洗清后的行为数据和商品数据同步存入开放数据处理数仓，最后将清洗后的用户行为数据和商品数据异步存入es数据库。
[0149]
本技术实施例第三方面提供一种计算机可读存储介质，所述计算机可读存储介质中包括应用于私域和电商平台的商品推荐程序，所述应用于私域和电商平台的商品推荐程序被处理器执行时，实现所述应用于私域和电商平台的商品推荐方法的步骤，具体参见图1对方法步骤的描述，在此不再赘述。
[0150]
在本技术所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
[0151]
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单
元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
[0152]
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
[0153]
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(rom， read-only memory)、随机存取存储器(ram，random accessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0154]
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
[0155]
以上所述，以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围。