[发明专利]一种用户行为埋点构建方法及系统在审
申请号: | 202110908361.6 | 申请日: | 2021-08-09 |
公开(公告)号: | CN113689257A | 公开(公告)日: | 2021-11-23 |
发明(设计)人: | 宋玲玉 | 申请(专利权)人: | 青岛海尔科技有限公司;海尔智家股份有限公司 |
主分类号: | G06Q30/06 | 分类号: | G06Q30/06;G06F16/9535 |
代理公司: | 北京路浩知识产权代理有限公司 11002 | 代理人: | 程琛 |
地址: | 266101 山东省*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 用户 行为 构建 方法 系统 | ||
本发明提供一种用户行为埋点构建方法及系统,该方法包括:确定用户在预设时段内的用户行为类型;根据所述用户行为类型的关注程度,设置对应的用户行为类型预设权重值;根据所述用户行为类型和所述用户行为类型预设权重值,构建用户行为埋点。本发明根据用户行为类型设置不同的权重值,并通过用户行为类型和权重值为商品推荐的数据采集设置用户行为埋点,从而得到更能体现用户行为的数据特征,提高后续商品推荐的准确率和效率。
技术领域
本发明涉及商品推送技术领域,尤其涉及一种用户行为埋点构建方法及系统。
背景技术
用户对不同的商品偏好存在一定差异,不同商品受用户欢迎的热度也存在差别。若用户在浏览商品页面的过程中,发现该页面中存在满足自己购买需求的商品,可以引起用户购买产品的意图,从而提高用户对商品的购买意愿。
智能推荐算法是现有商品推送应用领域的一项关键技术,是当前预测消费者购买意图和消费者偏好的主流方案。购物网站的智能推荐技术现阶段已经发展相对比较完善,常见的智能推荐算法有协同过滤的推荐方法、基于内容的推荐方法、基于关联规则推荐、基于效用推荐、基于知识推荐以及组合推荐等。
在应用智能推荐算法时,首先需要采集用户行为的相关数据,这些用户行为数据将会影响商品推荐的准确性和效率,然而,大量的用户行为数据在用于商品推荐时,往往都是采集所有用户行为数据或使用较为单一用户行为数据,导致商品推荐准确率和效率较低。因此,现在亟需一种用户行为埋点构建方法及系统来解决上述问题。
发明内容
针对现有技术存在的问题,本发明提供一种用户行为埋点构建方法及系统。
本发明提供一种用户行为埋点构建方法,包括:
确定用户在预设时段内的用户行为类型;
根据所述用户行为类型的关注程度,设置对应的用户行为类型预设权重值;
根据所述用户行为类型和所述用户行为类型预设权重值,构建用户行为埋点。
根据本发明提供的一种用户行为埋点构建方法,所述用户行为埋点至少包括进入商品详情页、收藏商品成功、取消商品收藏、点击商品分享、确认商品搜索成功、商品到货通知确认成功、确认商品加入购物车、点击立即购买商品和点击提交商品订单和商品支付成功。
根据本发明提供的一种用户行为埋点构建方法,在所述根据所述用户行为类型和所述用户行为类型预设权重值,构建用户行为埋点之后,所述方法还包括:
基于所述用户行为埋点,获取用户行为数据,所述用户行为数据为用户终端对商品产生的行为数据;
根据所述用户行为数据和时间衰减系数,获取每一种商品对应的综合热度值和标签热度值;
根据所述综合热度值和/或所述标签热度值,生成商品推荐列表。
根据本发明提供的一种用户行为埋点构建方法,所述基于所述用户行为埋点,获取用户行为数据,包括:
基于所述用户行为埋点和所述用户行为类型预设权重值,获取用户终端对商品产生的用户行为次数、用户行为类型和用户行为权重;
根据所述用户行为次数、所述用户行为类型和所述用户行为权重,得到用户行为数据。
根据本发明提供的一种用户行为埋点构建方法,所述时间衰减系数是基于用户终端的商品浏览历史记录对应的埋点事件创建时间和商品类型获取得到的。
根据本发明提供的一种用户行为埋点构建方法,所述综合热度值是根据商品类型、用户行为埋点对应的用户行为权重值、时间衰减系数、用户行为统计次数和用户行为埋点创建时间计算得到的;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于青岛海尔科技有限公司;海尔智家股份有限公司,未经青岛海尔科技有限公司;海尔智家股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110908361.6/2.html,转载请声明来源钻瓜专利网。