一种基于概率统计的电商店铺推荐方法

技术领域

本发明属于电子商务及大数据处理技术领域，涉及一种基于概率统计的电商店铺推荐方法。

背景技术

随着电子商务的发展，电商网站上商品数量和商品种类不断增加，信息的复杂度也逐渐增强，简单的商品查询已经很难满足大部分人的使用需求。对用户来说，如何在海量的数据中快速找到用户需要的物品变得非常重要，而对商家来说，快速吸引人们的注意力已成为了当下各电商平台的必要任务，因此电商场景下的个性化推荐系统应运而生。

传统的店铺推荐方式，通常是根据用户近期浏览或购买了某些商品进而推荐店铺，或者根据某些商品与用户购买过的商品的相似程度，来推测用户对这些商品感兴趣的可能性。但绝大部分用户通常在一段时间之内不会考虑再次购买已购买过的同类产品，如电脑、手机等，因此此类推荐方法精准性较低。

发明内容

本发明的目的是根据现有店铺推荐系统的不足，提供一种基于概率统计的电商店铺推荐方法，找出同一年龄段的消费者，在不受职业、性别、身高、兴趣爱好等诸多因素的影响下，将此类同龄人共同认可的店铺推荐给该年龄段的所有消费者，提高推荐精准度。

本发明的技术方案如下：

一种基于概率统计的电商店铺推荐方法，其特征在于，包括以下步骤：

(1)构建以年龄段作为维度的用户群体模型，并在各年龄段模型中加入职业、性别、身高、兴趣爱好等维度的子模型，根据群体模型对符合规则的人群进行筛选；

(2)用户日志管理：收集用户的操作日志数据，并对用户的操作日志数据进行数据清洗，去除无意义的样本数据；

(3)使用概率统计方法，根据用户群体模型，结合用户操作日志数据进行计算，找出同龄人共同认可的店铺推荐给该年龄段的所有消费者，完成店铺推送。

本发明具有以下优点：

1、可为电商平台提供智能化推荐服务，同时可以得出商品热门排序；

2、让用户能了解到同龄人大多喜欢的商品，选择更合适的店铺理性消费；

3、加强用户的购物体验，延长用户在电商平台的滞留时间，用户与应用的交互时间越久，用户模型就变得越精确，即用户偏好的系统表示越准确，与此同时，更多的推荐能更有效地匹配用户的喜好，促使电子商务平台商品交易数量的提升。

具体实施方式

本发明的技术方案是：

1、构建以年龄段作为维度的用户群体模型，并在各年龄段模型中加入职业、性别、身高、兴趣爱好等维度的子模型，根据群体模型对符合规则的人群进行筛选。

2、收集用户的操作日志数据，并对用户的操作日志数据进行数据清洗，去除无意义的样本数据。

3、使用概率统计方法，根据用户群体模型，结合用户操作日志数据进行计算，找出同龄人共同认可的店铺推荐给该年龄段的所有消费者，完成店铺推送。

具体实施方式如下：

1、构建用户群体模型：

(11)以年龄段为维度的构建用户群体模型，并在各年龄段模型中建立以职业、性别、身高、兴趣爱好等维度的子模型；

(12)对模型规则进行管理，根据模型规则生成符合条件的人群；

2、用户日志数据管理：

(21)对用户大量操作日志数据的收集和存储；

(22)对用户的操作日志数据，包括商品浏览数据、关键词搜索数据、购买商品数据、添加购物车数据进行管理及数据清洗。

3、概率统计：

设A事件是好评店铺，设B事件为某一年龄段下所有子群体M1，M2......Mn都有消费者在A店铺买过东西；设C事件是差评店铺，设D事件为某一年龄段下所有子群体M1，M2......Mn都有消费者选择过C店铺的商品加入购物车并浏览该店铺次数大于3次；

根据朴素贝叶斯公式，设在某一年龄段下所有子群体M1，M2......Mn都有消费者在A店铺买过东西的前提下发生该店铺是好评的概率为P1，则P1的概率如下：

设在某一年龄段下所有子群体M1，M2......Mn都有消费者在C店铺买过东西的前提下发生该店铺是差评的概率为P2，则P2的概率如下所示：

设在某一年龄段下所有子群体M1，M2......Mn都有消费者在A店铺想购买过东西的前提下发生该店铺是好评的概率为P3，则P3的概率如下所示：

设在某一年龄段下所有子群体M1，M2......Mn都有消费者在C店铺想购买过东西的前提下发生该店铺是差评店铺的概率为P4，则P4的概率如下所示：

通过对比P1和P2值的大小，或者对比P3和P4值的大小来判断A店铺是否在某一年龄段群体中为好评店铺，如果P1值远大于P2值，或者P3值远大于P4值，则可将A店铺推荐给该年龄段的所有用户。