一种电商商品推荐方法及其装置

技术领域

本发明涉及商品推荐技术领域，更具体地，涉及一种电商商品推荐方法及其装置。

背景技术

随着我国互联网普及率的提高，电子商务发展势头迅猛，近年来，电子商务平台逐渐增多，越来越多的人相较于线下购物更倾向于网上购物的方式，借由网络，人们实现了不出家门即可购买到所需的商品。由于网络平台上商品的种类繁多，用户会在挑选商品的过程中会花费很多时间，为此，几乎每个电子商务平台都会对客户进行商品推荐，然而由于不同的人对商品的需求不同，现有的推荐算法不能满足不同的用户。

现有文献1(CN110689401A)公开了一种服务商品的推荐方法和装置，包括获取用户行为数据；根据用户行为数据确定推荐服务商品；将推荐服务商品的信息下发给客户端，以使客户端将推荐服务商品的信息进行展示。该方案仅仅适用于服务类商品，不能满足其他种类商品的推荐。

现有文献2(CN109636545A)公开了一种电商平台商品推荐算法，包括获取运营商原始数据：从运营商大数据系统获取用户及检索记录副本，包括：用户ID、用户号码、关键词内容、检索日期、检索次数、购买商品信息和购买商品的次数，该电商平台商品推荐算法，通过获取用户的信息或其他用户的购买记录判断，并进行相关商品的推送。该方案过程比较繁琐。

因此，亟需提供一种电商商品推荐方法及其装置，可以适用于各类商品的推荐，过程简单，能够针对不同用户进行个性化推荐。

发明内容

有鉴于此，本发明提供了一种电商商品推荐方法，包括：

获取用户行为数据，用户行为数据包括商品分类、商品名称、商品价格、商品浏览时间、商品下单时间以及平台用户唯一标识；

获取用户行为数据包括：对用户打开商品详情页的第一行为进行第一行为数据埋点，触发第一行为数据埋点后下单购买商品的第二行为进行第二行为数据埋点，根据第一行为数据埋点，获取第一行为数据埋点时的用户行为数据，或者，根据第二行为数据埋点，获取第二行为数据埋点时的用户行为数据；

对用户行为数据进行分类；

建立信息存储表，将分类后的用户行为数据存储至信息存储表；

处理用户登录信息，对处理后的用户登录信息进行分类，将分类后的用户登录信息与信息存储表中的用户行为数据进行匹配；

将匹配后的信息存储表中的商品数据发送至客户端，客户端向与信息存储表相匹配的用户展示电商商品。

可选地，获取用户行为数据包括：

对用户打开商品详情页的第一行为进行第一行为数据埋点，触发第一行为数据埋点后下单购买商品的第二行为进行第二行为数据埋点；

根据第一行为数据埋点，获取第一行为数据埋点时的用户行为数据，或者，根据第二行为数据埋点，获取第二行为数据埋点时的用户行为数据。

可选地，对用户行为数据进行分类包括:

根据平台用户唯一标识对所有用户行为数据进行分类，得到第一次分类。

可选地，根据平台用户唯一标识对所有用户行为数据进行分类，得到第一次分类包括：

判断平台用户唯一标识是否为空，若平台用户唯一标识为空，则将其分类至第一用户行为数据，否则，则将其分类至第二用户行为数据。

可选地，对用户行为数据进行分类还包括：

根据商品浏览时间，将第一次分类后得到的第一用户行为数据进行分类，得到第二次分类，第一用户行为数据分为第一用户春季浏览行为数据、第一用户夏季浏览行为数据、第一用户秋季浏览行为数据以及第一用户冬季浏览行为数据；和/或，根据商品下单时间，将第一次分类后得到的第一用户行为数据进行分类，得到第二次分类，第一用户行为数据分为第一用户春季下单行为数据、第一用户夏季下单行为数据、第一用户秋季下单行为数据以及第二用户冬季下单行为数据；

可选地，对用户行为数据进行分类还包括：

根据商品浏览时间，将第一次分类后得到的第二用户行为数据进行分类，得到第二次分类，第二用户行为数据分为第二用户春季浏览行为数据、第二用户夏季浏览行为数据、第二用户秋季浏览行为数据以及第二用户冬季浏览行为数据；和/或，根据商品下单时间，将第一次分类后得到的第二用户行为数据进行分类，得到第二次分类，第二用户行为数据分为第二用户春季下单行为数据、第二用户夏季下单行为数据、第二用户秋季下单行为数据以及第二用户冬季下单行为数据。

可选地，建立信息存储表，将分类后的用户行为数据存储至信息存储表包括：

建立信息存储表，信息存储表包括统一春季商品统计表、统一夏季商品统计表、统一秋季商品统计表、统一冬季商品统计表、用户春季商品喜好表、用户夏季商品喜好表、用户秋季商品喜好表以及用户冬季商品喜好表；

当根据商品浏览时间，和/或，根据商品下单时间，将第一次分类后得到的第一用户行为数据进行分类时，将第二次分类后的用户行为数据存储至信息存储表，将第一用户春季浏览行为数据和/或第一用户春季下单行为数据存储至统一春季商品统计表、将第一用户夏季浏览行为数据和/或第一用户夏季下单行为数据存储至统一夏季商品统计表、将第一用户秋季浏览行为数据和/或第一用户秋季下单行为数据存储至统一秋季商品统计表、将第一用户冬季浏览行为数据和/或第一用户冬季下单行为数据存储至统一冬季商品统计表；

当根据商品浏览时间，和/或，根据商品下单时间，将第一次分类后得到的第二用户行为数据进行分类时，将第二用户春季浏览行为数据和/或第二用户春季下单行为数据存储至用户春季商品喜好表、将第二用户夏季浏览行为数据和/或第二用户夏季下单行为数据存储至用户夏季商品喜好表、将第二用户秋季浏览行为数据和/或第二用秋季下单行为数据存储至用户秋季商品喜好表以及将第二用户冬季浏览行为数据和/或第二用户冬季下单行为数据存储至用户冬季商品喜好表。

可选地，处理用户登录信息，对用户登录信息进行分类包括：

处理用户登录信息，得到用户的平台用户唯一标识和用户登录时间；

对用户登录信息进行分类，对用户登录信息进行分类包括：判断用户的平台用户唯一标识是否为空，若用户的平台用户唯一标识为空，则将该用户分类至新用户，否则，则将其分类至旧用户。

可选地，将分类后的用户登录信息与信息存储表进行匹配包括：

根据分类后的用户登录信息与信息存储表进行第一次匹配，得到第一次匹配数据。

可选地，将分类后的用户登录信息与信息存储表进行匹配还包括：

根据用户登录时间对第一次匹配数据对用户登录信息和信息存储表进行第二次匹配，得到第二次匹配数据。

基于同一发明构思，本发明还公开了一种电商商品推荐装置，包括数据获取模块，数据获取模块用于获取用户行为数据，用户行为数据包括商品分类、商品名称、商品价格、商品浏览时间、商品下单时间以及平台用户唯一标识；

数据处理模块，与数据获取模块相耦接，用于对用户行为数据进行分类；

存储模块，与数据处理模块相耦接，用于建立信息存储表，将分类后的用户行为数据存储至信息存储表；

判断模块，与存储模块相耦接，用于处理用户登录信息，对处理后的用户登录信息进行分类，将分类后的用户登录信息与信息存储表中的用户行为数据进行匹配；

推荐模块，与判断模块相耦接，用于将匹配后的信息存储表中的商品数据发送至客户端，客户端向与信息存储表相匹配的用户展示电商商品。

与现有技术相比，本发明提供的电商商品推荐方法及其装置，至少实现了如下的有益效果：

本发明提供的电商商品推荐方法及其装置，满足各类电商商品的推荐，通过平台用户唯一标识和用户登录时间针对不同的用户进行个性化地电商商品推荐，使得每个用户在购物平台看到的被推荐的电商商品均不同，过程简单，实现了在人工不干预的情况下电商商品的智能推荐，提升了用户的购物体验和推荐效率，减轻了运维人员的工作负担。

当然，实施本发明的任一产品必不特定需要同时达到以上所述的所有技术效果。

通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。

附图说明

被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并且连同其说明一起用于解释本发明的原理。

图1是本发明提供的电商商品推荐方法的流程示意图；

图2是本发明提供的获取用户行为数据的流程示意图；

图3是本发明提供的对所有用户行为数据进行第一次分类的流程示意图；

图4是本发明提供的对第一用户行为数据进行第二次分类的流程示意图；

图5是本发明提供的对第二用户行为数据进行第二次分类的流程示意图；

图6是本发明提供的信息存储表的示意图；

图7是本发明提供的对用户登录信息进行分类的流程示意图；

图8是本发明提供的将分类后的用户登录信息与信息存储表进行匹配的流程示意图；

图9是本发明提供的电商商品推荐装置的结构示意图。

具体实施方式

现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

参照图1-图8所示，图1是本发明提供的电商商品推荐方法的流程示意图；图2是本发明提供的获取用户行为数据的流程示意图；图3是本发明提供的对所有用户行为数据进行第一次分类的流程示意图；图4是本发明提供的对第一用户行为数据进行第二次分类的流程示意图；图5是本发明提供的对第二用户行为数据进行第二次分类的流程示意图；图6是本发明提供的信息存储表的示意图；图7是本发明提供的对用户登录信息进行分类的流程示意图；图8是本发明提供的将分类后的用户登录信息与信息存储表进行匹配的流程示意图。本实施例提供一种电商商品推荐方法，包括以下步骤：

S1：获取用户行为数据，用户行为数据包括商品分类、商品名称、商品价格、商品浏览时间、商品下单时间以及平台用户唯一标识；获取用户行为数据包括：对用户打开商品详情页的第一行为进行第一行为数据埋点，触发第一行为数据埋点后下单购买商品的第二行为进行第二行为数据埋点，根据第一行为数据埋点，获取第一行为数据埋点时的用户行为数据，或者，根据第二行为数据埋点，获取第二行为数据埋点时的用户行为数据；

具体地，用户行为指的是用户进入购物平台的网页或者购物平台的app页面后，用户打开商品详情页的行为以及打开商品详情页并且下单购买商品两种行为，将用户打开商品详情页的行为定义为第一行为，将用户打开商品详情页并且下单购买商品的行为定义为第二行为；用户行为数据包括商品分类、商品名称、商品价格、商品浏览时间、商品下单时间以及平台用户唯一标识，当用户出现第一行为时，获取第一行为数据埋点时的用户行为数据，该用户行为数据包括平台用户唯一标识、商品分类、商品名称、商品价格、商品浏览时间，将这些数据定义为第一行为数据，当用户出现第二行为时，获取第二行为数据埋点时的用户行为数据，此时会出现商品下单时间的数据，该数据自动替换商品浏览时间的数据，此时用户行为数据包括平台用户唯一标识、商品分类、商品名称、商品价格、商品下单时间，将这些数据定义为第二行为数据；针对第一行为和第二行为进行相应的数据埋点，当用户打开商品详情页时，会触发第一行为数据埋点，获取当前情况下的平台用户唯一标识、商品分类、商品名称、商品价格、商品浏览时间等用户行为数据，将该用户行为数据定义为第一用户行为数据，当用户在打开商品详情页(即触发第一行为埋点)后下单购买商品时，会触发第二行为数据埋点，获取当前情况下的商品下单时间，将在发生第一行为时生成的商品浏览时间数据替换成发生第二行为时的商品下单时间数据，平台用户唯一标识、商品分类、商品名称、商品价格等其他数据与商品下单时间数据等用户行为数据定义为第二用户行为数据，本实施例通过用户是否触发第一行为数据埋点和第二行为数据埋点的形式获取用户行为数据，获取的用户行为数据更加全面和准确。

S2：对用户行为数据进行分类；

具体地，先根据平台用户唯一标识对所有用户行为数据进行分类，得到第一次分类，第一次分类后，所有用户行为数据被分为第一用户行为数据和第二用户行为数据，接着根据商品浏览时间将第一次分类后得到的第一用户行为数据进行分类，得到第二次分类，得到第一用户春季浏览行为数据、第一用户夏季浏览行为数据、第一用户秋季浏览行为数据和第一用户冬季浏览行为数据，或者，根据商品下单时间将第一次分类后得到的第一用户行为数据进行分类，得到第二次分类，得到第一用户春季下单行为数据、第一用户夏季下单行为数据、第一用户秋季下单行为数据和第一用户冬季下单行为数据，根据商品浏览时间将第一次分类后得到的第二用户行为数据进行分类，得到第二次分类，得到第二用户春季浏览行为数据、第二用户夏季浏览行为数据、第二用户秋季浏览行为数据和第二用户冬季浏览行为数据，或者，将根据商品下单时间将第一次分类后得到的第二用户行为数据进行分类，得到第二次分类，得到第二用户春季下单行为数据、第二用户夏季下单行为数据、第二用户秋季下单行为数据和第二用户冬季下单行为数据。

S3：创建信息存储表，将分类后的用户行为数据存储至信息存储表；

具体地，信息存储表包括统一春季商品统计表、统一夏季商品统计表、统一秋季商品统计表、统一冬季商品统计表、用户春季商品喜好表、用户夏季商品喜好表、用户秋季商品喜好表以及用户冬季商品喜好表，将第二次分类后的用户行为数据分别存储至不同的信息存储表中，信息存储表中包括商品分类、商品名称、商品价格等数据，这些数据对应的即为待推荐的电商商品。

S4：处理用户登录信息，对处理后的用户登录信息进行分类，将分类后的用户登录信息与信息存储表中的用户行为数据进行匹配；

具体地，用户登录信息包括用户得到的平台用户唯一标识和用户登录时间，首先，用户进入购物平台的网页或者购物平台的app页面，接着会出现登录账号和不登录账号两种行为，如果用户并未登录账号，则当前用户的平台用户唯一标识为空，并且将用户进入购物平台的网页或者购物平台的app页面时的时间定义为用户登录时间，如果用户登录购物平台的账号，该用户在购物平台上的登录账号成为平台用户唯一标识，并且将用户登录账号的时间定义为用户登录时间，针对当前用户的平台用户唯一标识进行数据查询，如果没有该平台用户唯一标识，说明该用户是第一次登录，定义这种情况下的平台用户唯一标识为空，如果存在该平台用户唯一标识，说明该用户不是第一次登录购物平台，定义这种情况下的平台用户唯一标识为非空，需要说明的是，虽然用户的登录账号为平台用户唯一标识，当用户不登录账号时，将平台用户唯一标识也定义为空，并且根据用户的登录账号在此次登录行为之前是否存在来界定平台用户唯一标识是否为空，即用户是否登录账号不是判断平台用户唯一标识是否为空的标准；根据平台用户唯一标识以及用户登录时间与信息存储表中用户行为数据进行匹配。

S5：将匹配后的信息存储表中的商品数据发送至客户端，客户端向与信息存储表相匹配的用户展示电商商品；

具体地，将匹配后的信息存储表中的商品数据发送至客户端，客户端向与信息存储表相匹配的用户展示电商商品，展示的展示电商商品包括商品分类、商品名称、商品价格等信息。

具体使用时，通过获取用户行为数据，对用户行为数据进行分类、建立信息存储表，将分类后的用户行为数据存储至信息存储表的过程，生成了购物平台的后台数据，当用户进入或者登录购物平台的界面时，生成用户登录信息，购物平台根据根据用户登录信息对用户进行智能化地电商商品推荐。

与现有技术相比，本实施例提供的电商商品推荐方法，至少实现了如下的有益效果：

本实施例提供的电商商品推荐方法，满足各类电商商品的推荐，通过平台用户唯一标识和用户登录时间针对不同的用户进行个性化地电商商品推荐，使得每个用户在购物平台看到的被推荐的电商商品均不同，过程简单，实现了在人工不干预的情况下电商商品的智能推荐，提升了用户的购物体验和推荐效率，减轻了运维人员的工作负担。

需要说明的是：本实施例各步骤之间相互关联，无法进行分割，同时不能将上述步骤的顺序进行调整，若将上述步骤的顺序颠倒则无法实现本实施例所达到的技术效果；即首先，获取用户行为数据；其次，对用户行为数据进行分类；然后，建立信息存储表，将分类后的用户行为数据存储至信息存储表；接着，处理用户登录信息，对处理后的用户登录信息进行分类，将分类后的用户登录信息与信息存储表中的用户行为数据进行匹配；最后，将匹配后的信息存储表中的商品数据发送至客户端，客户端向与信息存储表相匹配的用户展示电商商品。

在一种实施例中，继续参照图3所示，对用户行为数据进行分类包括:根据平台用户唯一标识对所有用户行为数据进行分类，得到第一次分类。

具体地，用户进入购物平台的网页或者购物平台的app页面时会出现登录账号和不登录账号两种行为，如果用户并未登录账号，则当前用户的平台用户唯一标识为空，如果用户登录购物平台的账号，该用户在购物平台上的登录账号成为平台用户唯一标识，针对当前用户的平台用户唯一标识进行数据查询，如果没有该平台用户唯一标识，说明该用户是第一次登录，定义这种情况下的平台用户唯一标识为空，如果存在该平台用户唯一标识，说明该用户不是第一次登录购物平台，定义这种情况下的平台用户唯一标识为非空，根据平台用户唯一标识对所有用户行为数据进行分类，得到第一次分类，通过第一次分类，可以把用户个人的行为数据和除用户个人之外其他人的行为数据区分开，方便针对用户个人进行个性化推荐。

在一种实施例中，继续参照图3所示，根据平台用户唯一标识对所有用户行为数据进行分类，得到第一次分类包括：判断平台用户唯一标识是否为空，若平台用户唯一标识为空，则将其分类至第一用户行为数据，否则，则将其分类至第二用户行为数据。

具体地，当用户进入购物平台的网页或者购物平台的app页面时，生成用户登录信息，用户登录信息包括用户得到的平台用户唯一标识和用户登录时间，关于平台用户唯一标识和用户登录时间上述已解释，此处不再赘述，根据平台用户唯一标识对所有用户行为数据进行分类，得到第一次分类，判断平台用户唯一标识是否为空，若平台用户唯一标识为空，则将其分类至第一用户行为数据，否则，则将其分类至第二用户行为数据，通过第一次分类，可以把用户个人的行为数据和除用户个人之外其他人的行为数据区分开，方便针对用户个人进行个性化推荐。

在一种实施例中，继续参照图4所示，对用户行为数据进行分类还包括：根据商品浏览时间，将第一次分类后得到的第一用户行为数据进行分类，根据商品浏览时间，将第一次分类后得到的第一用户行为数据进行分类，得到第二次分类，第一用户行为数据分为第一用户春季浏览行为数据、第一用户夏季浏览行为数据、第一用户秋季浏览行为数据以及第一用户冬季浏览行为数据；和/或，根据商品下单时间，将第一次分类后得到的第一用户行为数据进行分类，得到第二次分类，第一用户行为数据分为第一用户春季下单行为数据、第一用户夏季下单行为数据、第一用户秋季下单行为数据以及第二用户冬季下单行为数据。

具体地，第一用户行为数据包含商品浏览时间和商品下单时间，根据商品浏览时间或者商品下单时间所在的月份，可以从时间维度上对每个用户行为数据进行划分，根据月份将每条用户行为数据划分到到春、夏、秋、冬四个季节之一，通常情况下，3月、4月、5月为春季，6月、7月、8月为夏季，9月、10月、11月为秋季，12月、1月、2月为冬季，因此，根据商品浏览时间，将第一次分类后得到的第一用户行为数据进行分类，可以得到第二次分类，第一用户行为数据分为第一用户春季浏览行为数据、第一用户夏季浏览行为数据、第一用户秋季浏览行为数据以及第一用户冬季浏览行为数据，和/或，根据商品下单时间，将第一次分类后得到的第一用户行为数据进行分类，可以得到第二次分类，第一用户行为数据分为第一用户春季下单行为数据、第一用户夏季下单行为数据、第一用户秋季下单行为数据以及第一用户冬季下单行为数据；两次分类后，所有的第一用户行为数据都进行了划分，得到八组用户行为数据，通过两次分类，可以清晰直观地得到除用户个人之外其他人在不同季节的用户浏览行为数据和用户下单行为数据。

在一种实施例中，继续参照图5所示，对用户行为数据进行分类还包括：根据商品浏览时间，将第一次分类后得到的第二用户行为数据进行分类，得到第二次分类，第二用户行为数据分为第二用户春季浏览行为数据、第二用户夏季浏览行为数据、第二用户秋季浏览行为数据以及第二用户冬季浏览行为数据；和/或，根据商品下单时间，将第一次分类后得到的第二用户行为数据进行分类，得到第二次分类，第二用户行为数据分为第二用户春季下单行为数据、第二用户夏季下单行为数据、第二用户秋季下单行为数据以及第二用户冬季下单行为数据。

具体地，第二用户行为数据包含商品浏览时间和商品下单时间，根据商品浏览时间或者商品下单时间所在的月份，可以从时间维度上对每个用户行为数据进行划分，根据月份将每条用户行为数据划分到到春、夏、秋、冬四个季节之一，通常情况下，3月、4月、5月为春季，6月、7月、8月为夏季，9月、10月、11月为秋季，12月、1月、2月为冬季，因此，根据商品浏览时间，将第一次分类后得到的第二用户行为数据进行分类，可以得到第二次分类，第二用户行为数据分为第二用户春季浏览行为数据、第二用户夏季浏览行为数据、第二用户秋季浏览行为数据以及第二用户冬季浏览行为数据，和/或，根据商品下单时间，将第一次分类后得到的第二用户行为数据进行分类，可以得到第二次分类，第二用户行为数据分为第二用户春季下单行为数据、第二用户夏季下单行为数据、第二用户秋季下单行为数据以及第二用户冬季下单行为数据；两次分类后，所有的第二用户行为数据都进行了划分，得到八组用户行为数据，通过两次分类，可以清晰直观地得到用户个人在不同季节的用户浏览行为数据和用户下单行为数据。

在一种实施例中，继续参照图6所示，建立信息存储表，将分类后的用户行为数据存储至信息存储表包括：建立信息存储表，信息存储表包括统一春季商品统计表、统一夏季商品统计表、统一秋季商品统计表、统一冬季商品统计表、用户春季商品喜好表、用户夏季商品喜好表、用户秋季商品喜好表以及用户冬季商品喜好表；当根据商品浏览时间，和/或，根据商品下单时间，将第一次分类后得到的第一用户行为数据进行分类时，将第二次分类后的用户行为数据存储至信息存储表，将第一用户春季浏览行为数据和/或第一用户春季下单行为数据存储至统一春季商品统计表、将第一用户夏季浏览行为数据和/或第一用户夏季下单行为数据存储至统一夏季商品统计表、将第一用户秋季浏览行为数据和/或第一用户秋季下单行为数据存储至统一秋季商品统计表、将第一用户冬季浏览行为数据和/或第一用户冬季下单行为数据存储至统一冬季商品统计表；当根据商品浏览时间，和/或，根据商品下单时间，将第一次分类后得到的第二用户行为数据进行分类时，将第二用户春季浏览行为数据和/或第二用户春季下单行为数据存储至用户春季商品喜好表、将第二用户夏季浏览行为数据和/或第二用户夏季下单行为数据存储至用户夏季商品喜好表、将第二用户秋季浏览行为数据和/或第二用秋季下单行为数据存储至用户秋季商品喜好表以及将第二用户冬季浏览行为数据和/或第二用户冬季下单行为数据存储至用户冬季商品喜好表。

具体地，信息存储表包括八个存储表，在对获取的用户行为数据进行分析处理，将分析处理后的用户行为数据进行分类之后，所有的用户行为数据都能与八个存储表对应，每个存储表均包括商品分类、商品名称、商品价格等数据，这些数据代表的信息均是用户最关心的内容，即商品信息，有了这些信息，可以清晰直观地为客户进行电商商品推荐，提高推荐效率，其中，存储在同一个存储表中的数据，可以继续细化，比如属于同类的商品归在一起，按照商品价格由大到小或者由小到大的顺序排列，通过将商品分出层次，更方便给用户推荐，除了按照商品类别细化，也可以按照商品购买的频率细化，还可以按照商品被浏览或下单的行为细化，细化数据的标准包括但不限于此，此处不再赘述。

在一种实施例中，继续参照图7所示，处理用户登录信息，对用户登录信息进行分类包括：处理用户登录信息，得到用户的平台用户唯一标识和用户登录时间；对用户登录信息进行分类，对用户登录信息进行分类包括：判断用户的平台用户唯一标识是否为空，若用户的平台用户唯一标识为空，则将该用户分类至新用户，否则，则将其分类至旧用户。

具体地，当用户进入购物平台的网页或者购物平台的app页面时，生成用户登录信息，用户登录信息包括用户得到的平台用户唯一标识和用户登录时间，关于平台用户唯一标识和用户登录时间上述已解释，此处不再赘述；对用户登录信息进行分类，对用户登录信息进行分类包括：判断平台用户唯一标识是否为空，若平台用户唯一标识为空，则将该用户分类至新用户，否则，则将其分类至旧用户，通过将用户分类为新用户和旧用户，可以把用户个人和除用户个人之外其他人分开，可以匹配不同的存储表，最终使得每个用户在购物平台看到的推荐的电商商品均不同，解决在人工不干预的情况下实现电商商品的智能推荐，提升用户的购物体验，减轻运维人员的工作负担。

在一种实施例中，继续参照图8所示，将分类后的用户登录信息与信息存储表进行匹配包括：根据分类后的用户登录信息与信息存储表进行第一次匹配，得到第一次匹配数据。

具体地，第一次匹配的方法为：若用户为新用户，则将其对应的用户登录信息与统一表进行第一次匹配，得到第一次匹配数据，否则，将其对应的用户登录信息与用户表进行第一次匹配，得到第一次匹配数据，通过第一次匹配，可以把新用户与统一表相匹配，把旧用户与用户表相匹配，区分出用户个人和除用户个人之外其他人。

在一种实施例中，继续参照图8所示，将分类后的用户登录信息与信息存储表进行匹配还包括：根据用户登录时间对第一次匹配数据对用户登录信息和信息存储表进行第二次匹配，得到第二次匹配数据。

具体地，在新用户与统一表相匹配、旧用户与用户表相匹配之后，根据用户登录信息中的用户登录时间对第一次匹配数据对用户登录信息和信息存储表进行第二次匹配，得到第二次匹配数据，其中，若新用户的用户登录时间属于春季，则将新用户匹配至统一春季商品统计表，若旧用户的用户登录时间属于春季，则将旧用户匹配至用户春季商品喜好表，若新用户的用户登录时间属于夏季，则将新用户匹配至统一夏季商品统计表，若旧用户的用户登录时间属于夏季，则将旧用户匹配至用户夏季商品喜好表，若新用户的用户登录时间属于秋季，则将新用户匹配至统一秋季商品统计表，若旧用户的用户登录时间属于秋季，则将旧用户匹配至用户秋季商品喜好表，若新用户的用户登录时间属于冬季，则将新用户匹配至统一冬季商品统计表，若旧用户的用户登录时间属于冬季，则将旧用户匹配至用户冬季商品喜好表；通过两次匹配，可以给新用户推荐当前时节大部分用户的意向商品，给旧用户推荐用户自己往年相同时节购买过的商品，提高推荐成功率，更加符合每一位用户的个性化需求。

在一种实施例中，图9是本发明提供的电商商品推荐装置的结构示意图。参照图9所示，电商商品推荐装置包括数据获取模块，数据获取模块用于获取用户行为数据，用户行为数据包括商品分类、商品名称、商品价格、商品浏览时间、商品下单时间以及平台用户唯一标识；

数据处理模块，与数据获取模块相耦接，用于对用户行为数据进行分类；

存储模块，与数据处理模块相耦接，用于建立信息存储表，将分类后的用户行为数据存储至信息存储表；

判断模块，与存储模块相耦接，用于处理用户登录信息，对处理后的用户登录信息进行分类，将分类后的用户登录信息与信息存储表中的用户行为数据进行匹配；

推荐模块，与判断模块相耦接，用于将匹配后的信息存储表中的商品数据发送至客户端，客户端向与信息存储表相匹配的用户展示电商商品。

具体地，数据获取模块用于获取用户行为数据，用户行为数据包括商品分类、商品名称、商品价格、商品浏览时间、商品下单时间以及平台用户唯一标识，根据第一行为数据埋点，获取第一行为数据埋点时的用户行为数据，或者，根据第二行为数据埋点，获取第二行为数据埋点时的用户行为数据；

数据处理模块与数据获取模块相耦接，用于对用户行为数据进行分类，根据平台用户唯一标识对所有用户行为数据进行分类，得到第一次分类，根据商品浏览时间或商品下单时间，将第一次分类后得到的第一用户行为数据进行分类，得到第二次分类，根据商品浏览时间或下单时间，将第一次分类后得到的第二用户行为数据进行分类，得到第二次分类；

存储模块与数据处理模块相耦接，用于建立信息存储表，将分类后的用户行为数据存储至信息存储表，信息存储表包括八个存储表，分析处理后的用户行为数据被分成十六组用户行为数据，所有的用户行为数据都能与八个存储表对应；

判断模块与存储模块相耦接，用于处理用户登录信息，对处理后的用户登录信息进行分类，将分类后的用户登录信息与信息存储表中的用户行为数据进行匹配，根据用户的平台用户唯一标识和用户登录时间两方面对用户登录信息与信息存储表进行匹配；

推荐模块与判断模块相耦接，用于将匹配后的信息存储表中的商品数据发送至客户端，客户端向与信息存储表相匹配的用户展示电商商品，通常情况下，客户端分为两类，包括购物平台网页或者购物平台app页面，由于不同客户端的界面大小不同，推送展示的数据量也不同。

在一种可选的实施例中，客户A为购物平台的旧用户，客户A往年登录购物平台后，浏览和购买商品的行为生成了用户行为数据，这些用户行为数据包括商品分类、商品名称、商品价格、商品浏览时间、商品下单时间以及平台用户唯一标识，电商商品推荐装置中的数据获取模块会获取该用户的用户行为数据，经过数据处理模块和存储模块，可以得到该用户的用户春季商品喜好表、用户夏季商品喜好表、用户秋季商品喜好表以及用户冬季商品喜好表，同时，数据获取模块可以获取除了客户A之外其他人的用户行为数据，经过数据处理模块和存储模块，可以得到统一春季商品统计表、统一夏季商品统计表、统一秋季商品统计表以及统一冬季商品统计表，当客户A下一次进入购物平台网页或者购物平台app页面，如果A不登录账号，则会按照时间被推荐模块推荐统一春季商品统计表、统一夏季商品统计表、统一秋季商品统计表或统一冬季商品统计表中某一张表内的数据，如果客户A登录账号，则会按照时间被推荐模块推荐用户春季商品喜好表、用户夏季商品喜好表、用户秋季商品喜好表或用户冬季商品喜好表中某一张表内的数据；同样的，有另一个客户B也为购物平台的旧用户，推荐方法与客户A相同，需要强调的是，在相同的推荐方法下，不同用户的信息存储表都不同，可以理解为客户A用户的用户表为客户A自身浏览和下单商品得到的信息存储表，客户A用户的统一表为除A之外其他人的浏览和下单商品得到的信息存储表，客户B用户的用户表为客户B自身浏览和下单商品得到的信息存储表，客户B用户的统一表为除客户B之外其他人的浏览和下单商品得到的信息存储表。

通过上述实施例可知，本发明提供的电商商品推荐方法及其装置，至少实现了如下的有益效果：

本发明提供的电商商品推荐方法及其装置，满足各类电商商品的推荐，通过平台用户唯一标识和用户登录时间针对不同的用户进行个性化地电商商品推荐，使得每个用户在购物平台看到的被推荐的电商商品均不同，过程简单，实现了在人工不干预的情况下电商商品的智能推荐，提升了用户的购物体验和推荐效率，减轻了运维人员的工作负担。

虽然已经通过例子对本发明的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上例子仅是为了进行说明，而不是为了限制本发明的范围。本领域的技术人员应该理解，可在不脱离本发明的范围和精神的情况下，对以上实施例进行修改。本发明的范围由所附权利要求来限定。