[发明专利]一种基于用户行为采集分析的商机推荐方法

说明书

本发明涉及商品推荐技术领域，且公开了一种基于用户行为采集分析的商机推荐方法，包括以下步骤，S1，进行植入系统预设；S2，对用户的浏览页面基于AI技术进行分析；S3，对用户在系统的所有行为进行数据采集确定；S4，对用户在系统的所有行为进行数据收集；S5，对用户在系统的所有行为进行数据存储与分析；S6，对用户进行行为习惯模型分析；S7，对用户行为分析结果进行商机推送；S8，对用户行为分析结果与AI计算结果作数据对比。该一种基于用户行为采集分析的商机推荐方法，通过引用采集模块，实现收集并分析用户的行为信息，集入AI人工智能自动分析用户行为可能带来的商机可能性，达到最终不错过任何一个客户的可能。

技术领域

本发明涉及商品推荐技术领域，具体为一种基于用户行为采集分析的商机推荐方法。

背景技术

随着电子商务规模的不断扩大，商品个数和种类快速增长，顾客陷入海量信息中，需要花费大量的时间才能找到自己想买的商品，这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失，很难快速且有效地做出购买决策。为了解决这些问题，个性化推荐系统应运而生，个性化推荐是根据用户的兴趣特点和购买行为，向用户推荐用户感兴趣的信息和商品，是建立在海量数据挖掘基础上的一种高级商务智能平台，以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。

现有技术存在以下缺陷与不足：

在网络发达的今天，各电商类商品层出不穷。大多数电商在运营一段时间后纷纷停营。开发、运营、广告等投入的金钱、时间、精力，都不能转换为该有的回报，在好的产品卖不出去的同时，用户对参差不齐的产品也不知如何选择，现有的数据收集系统有收集数据不全面，易丢失，难追溯，难分析等诸多缺陷，已开发完成的系统想集入追溯模块二次开发周期长难度大。

发明内容

针对现有技术的不足，本发明提供了一种基于用户行为采集分析的商机推荐方法，可以解决现有的数据收集系统有收集数据不全面，易丢失，难追溯，难分析等诸多缺陷，已开发完成的系统想集入追溯模块二次开发周期长难度大问题；本发明通过引用一种采集模块，实现收集并分析用户的行为信息，集入AI人工智能自动分析用户行为可能带来的商机可能性，通过手动干预配置帮助AI更精准的学习，达到最终不错过任何一个客户的可能。

为实现上述的一种基于用户行为采集分析的商机推荐方法目的，本发明提供如下技术方案：一种基于用户行为采集分析的商机推荐方法，包括以下步骤，

步骤一，以插件模式在用户app或网页进行植入系统预设；

步骤二，通过app或网页植入系统对用户的浏览页面基于AI技术进行分析；

步骤三，通过植入系统对用户在系统的所有行为进行数据采集确定；

步骤四，通过植入系统对用户在系统的所有行为进行数据收集；

步骤五，通过植入系统对用户在系统的所有行为进行数据存储与分析；

步骤六，通过植入系统对用户进行行为习惯模型分析；

步骤七，通过植入系统对用户行为分析结果进行商机推送；

步骤八，通过植入系统对用户行为分析结果与AI计算结果作数据对比。

优选的，所述植入系统使用插件模式静默处理，独立与原有系统，全程不影响用户浏览体验；所述系统预设包括预先配置系统属性等参数，用户第一次打开页面根据以往数据自动加载该用户的行为习惯模型。

优选的，所述用户的浏览页面通过类爬虫技术分析，包括文本图片等信息，所述基于AI技术进行分析包括AI技术分析页面基础元素，如页面匹配到多个商品属性，则自动将该页面归属为购买页面，如果页面基础元素不能提供足够的信息分析页面属性，则使用图片识别技术逐步自动分析页面图片，获取图片关键信息进一部确认页面属性，AI最终确认页面属性后根据预设生成预采集数据块。

优选的，所述用户在系统的所有行为，包括浏览，停留，事件交互。