一种商城为用户提供促销整合提醒的方法

技术领域

本发明涉及电子商务技术领域，具体为一种商城为用户提供促销整合提醒的方法。

背景技术

在电子商务快速发展的今天，各种商城的优惠活动层出不穷。为了方便用户在购买商品时能够获得更多的优惠，需要一种能够整合商城优惠信息的商品详情页生成方法。

因此，针对上述问题提出一种商城为用户提供促销整合提醒的方法。

发明内容

本发明的目的在于提供一种商城为用户提供促销整合提醒的方法,以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种商城为用户提供促销整合提醒的方法，包括以下步骤：

步骤一：信息收集，系统采集用户在商城的搜索信息、浏览浏览页面信息、点击元素信息和购买商品信息，进行统计，形成统计数据；

步骤二：系统收集用户的统计数据后，进行数据预处理，然后依次进行消费模式分析、聚类和分类分析，再进行商品偏好分析和优惠形式偏好分析，根据消费模式分析、聚类和分类分析、商品偏好分析和优惠形式偏好分析进行关联规则挖掘，再根据用户的消费、优惠形式习惯对用户感兴趣的商品进行预热分析，对符合要求的商品及优惠形式进行汇总，形成预测列表；

步骤三：利用商城推送将预测列表同步到系统首页及购物车页面，完成对用户的商品及优惠形式推送。

步骤二中，数据预处理具体操作为：通过服务器日志、数据库和其他后端系统来收集用户行为数据。

优选的，步骤二中，消费模式分析包括结算方式统计和结算习惯分析，结算方式统计用于收集支付订单的方式，包括单一商品结算、组合商品结算、购买商品规律及优惠结算信息，依照购买模式的次数从高到低进行排序，得到用户使用结算模式的习惯排行表。

优选的，步骤二中，聚类和分类分析用于分析用户浏览的商品及购买商品的种类，提取商品关键词，分析用户购买商品的喜好和种类，依照商品的喜好和种类分类排列，得到用户购买过商品的列表。

优选的，步骤二中，商品偏好分析用于分析用户购买过商品的列表，提取商品关键词，进行喜好统计，得到喜好偏好表，优惠形式偏好分析用于分析消费模式分析中的用户使用结算模式的习惯排行表，分析用户高频使用的优惠形式，依照使用此时进行统计，得到优惠形式喜好表。

优选的，步骤二中，关联规则挖掘同步用户使用结算模式的习惯排行表、用户购买过商品的列表和优惠形式喜好表，搜索商城内关联的商品进行采集、分类，后进行预测分析，推算用户下次购买商品的种类及优惠结算形式。

优选的，步骤三中，商城推送结合步骤二得到的针对用户下次购买商品的种类及优惠结算形式进行信息推送，其中，商品的推送结合到商城推送规则中进行结合优化，同时，在商品中添加对应商品可使用的优惠政策。

与现有技术相比，本发明的商品详情页能够根据用户的个性化需求展示不同的优惠信息，提高了用户体验，同时，该方法能够自动化整合优惠信息，减少了人工操作，降低了运营成本，本发明的有益效果是：

1、能够自动化地整合优惠信息，减少了人工操作，降低了运营成本；

2、能够根据用户的个性化需求展示不同的优惠信息，提高了用户体验；

3、优惠信息的整合可以根据具体的业务需求进行调整，具有较高的灵活性。

附图说明

图1为本发明一种商城为用户提供促销整合提醒的方法整体示意图。

具体实施方式

下为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

为了更好地理解上述技术方案，下面将结合说明书附图以及具体实施方式对上述技术方案进行详细的说明。

实施例：

请参阅图1，本实施例提供一种技术方案：

一种商城为用户提供促销整合提醒的方法，包括以下步骤：

步骤一：信息收集，系统采集用户在商城的搜索信息、浏览浏览页面信息、点击元素信息和购买商品信息，进行统计，形成统计数据；

步骤二：系统收集用户的统计数据后，进行数据预处理，然后依次进行消费模式分析、聚类和分类分析，再进行商品偏好分析和优惠形式偏好分析，根据消费模式分析、聚类和分类分析、商品偏好分析和优惠形式偏好分析进行关联规则挖掘，再根据用户的消费、优惠形式习惯对用户感兴趣的商品进行预热分析，对符合要求的商品及优惠形式进行汇总，形成预测列表；

其中：

数据预处理具体操作为：通过服务器日志、数据库和其他后端系统来收集用户行为数据；

消费模式分析包括结算方式统计和结算习惯分析，结算方式统计用于收集支付订单的方式，包括单一商品结算、组合商品结算、购买商品规律及优惠结算信息，依照购买模式的次数从高到低进行排序，得到用户使用结算模式的习惯排行表；

聚类和分类分析用于分析用户浏览的商品及购买商品的种类，提取商品关键词，分析用户购买商品的喜好和种类，依照商品的喜好和种类分类排列，得到用户购买过商品的列表；

商品偏好分析用于分析用户购买过商品的列表，提取商品关键词，进行喜好统计，得到喜好偏好表，优惠形式偏好分析用于分析消费模式分析中的用户使用结算模式的习惯排行表，分析用户高频使用的优惠形式，依照使用此时进行统计，得到优惠形式喜好表；

关联规则挖掘同步用户使用结算模式的习惯排行表、用户购买过商品的列表和优惠形式喜好表，搜索商城内关联的商品进行采集、分类，后进行预测分析，推算用户下次购买商品的种类及优惠结算形式；

步骤三：利用商城推送将预测列表同步到系统首页及购物车页面，完成对用户的商品及优惠形式推送；

其中，商城推送结合步骤二得到的针对用户下次购买商品的种类及优惠结算形式进行信息推送，其中，商品的推送结合到商城推送规则中进行结合优化，同时，在商品中添加对应商品可使用的优惠政策。

本实施例中，实现步骤如下：

1、收集用户在网站或应用中的行为数据；

2、分析结果，制定相应的优惠策略和营销推广计划，并精准推送；

3、接收用户请求，根据请求中的商品ID获取商品的详细信息；

4、根据商品的详细信息，获取与该商品相关的所有优惠信息；

5、根据用户的个性化设置和优惠信息的优先级，将优惠信息整合到商品详情页中；

6、将整合后的商品详情页返回给用户。

进一步，本实施例中，具体实现步骤如下：

用户在商城可进行搜索查询商品列表，浏览商品、点击元素，例如头部导航，侧方导航等，也可以购买商品，这些行为将会向服务器发送请求；

通过服务器日志、数据库和其他后端系统来收集用户行为数据；

系统对数据进行噪声、冗余和错误信息进行清洗，对数据进行去重、转换并归一处理；

根据分析结果，及用户的个性化设置和优惠信息的优先级，系统推送商品及商品先改的所有优惠信息，将优惠信息整合到商品详情页中。例如，如果用户设置了优先显示折扣优惠，那么服务器会将折扣优惠信息放在商品详情页的显著位置；

服务器将整合后的商品详情页返回给用户，用户可以在详情页中查看商品的详细信息和具体的优惠信息；

进行优惠形式优化后，通过A/B测试来验证新设计的有效性，对接过进行分析并改进策略。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。