促销方案的推荐方法、装置及计算机可读存储介质

摘要

本发明公开了一种促销方案的推荐方法、装置及计算机可读存储介质，方法包括：促销方案的推荐装置在检测到客户通过终端设备触发的行为信息时，确定行为信息对应的行为时间以及行为频率，行为信息包括客户信息、常用地理位置、浏览商品、促销活动信息以及商品详情查看情况；生成行为信息、行为时间以及行为频率对应的促销方案；向客户对应的终端设备推送促销方案。本发明可提高对客户进行促销方案推荐的匹配率。

说明书

技术领域

本发明涉及人工智能技术领域，尤其涉及一种促销方案的推荐方法、装置及计算机可读存储介质。

背景技术

人机交互方式随着人工智能的发展以及物联网的不断更新升级，客户在日常生活中和智能终端设备的交互变的愈加频繁，在网络技术飞速发展的今天，信息和资源也随之迅猛增长；在网络方面这种趋势显得尤为突出。面对Web上如此庞大的信息资源，Web上的“信息迷航”和“信息过载”等问题也在加剧，“促销”是产品营销活动推广的有效手段和途径，由此一个好的促销方案尤为重要，现今社会中，促销方案完全依靠营销者制定，具有不可预见性，客户自主去筛选掉不感兴趣的促销方案十分困难，导致很多平台的促销信息利用率十分低下，对客户进行促销方案推荐的匹配率低。

发明内容

本发明实施例通过提供一种促销方案的推荐方法、装置及计算机可读存储介质，旨在解决对客户进行促销方案推荐的匹配率低的技术问题。

本发明实施例提供一种促销方案的推荐方法，所述方法包括：

在检测到客户通过终端设备触发的行为信息时，确定所述行为信息对应的行为时间以及行为频率，所述行为信息包括客户信息、常用地理位置、浏览商品、促销活动信息以及商品详情查看情况；

生成所述行为信息、所述行为时间以及所述行为频率对应的促销方案；

向所述客户对应的终端设备推送所述促销方案。

在一实施例中，所述生成所述行为信息、所述行为时间以及所述行为频率对应的促销方案的步骤包括：

生成所述行为信息、所述行为时间以及所述行为频率对应的特征集数据；

根据所述特征集数据生成所述客户对应的促销方案。

在一实施例中，所述根据所述特征集数据生成所述客户对应的促销方案的步骤包括：

根据所述特征集数据对所述客户关联特征标签；

根据所述客户关联的特征标签生成所述客户对应的促销方案。

在一实施例中，所述根据所述特征集数据生成所述客户对应的促销方案的步骤包括：

确定是否存在所述客户关联的历史促销方案；

当存在所述客户关联的历史促销方案时，根据所述特征集数据更新所述历史促销方案以得到所述客户对应的促销方案。

在一实施例中，所述确定所述客户是否存在历史促销方案的步骤之后，所述方法还包括：

当不存在所述客户关联的历史促销方案时，根据所述特征集数据新建所述客户对应的促销方案。

在一实施例中，所述向所述客户对应的终端设备推送所述促销方案的步骤之后，还包括：

判断在预设时间间隔内是否检测到通过所述促销方案触发的产品订单或者浏览记录；

在所述预设时间内检测到通过所述促销方案触发的产品订单或者浏览记录时，根据所述产品订单或者浏览记录对应的商品生成促销方案，并推送至所述客户对应的终端设备；

在所述预设时间内检测到通过所述促销方案触发的产品订单或者浏览记录时，更新所述促销方案的奖励信息，并将更新后的所述促销方案推送至所述客户对应的终端设备。

在一实施例中，所述在检测到客户的行为信息时，确定所述行为信息对应的行为时间以及行为频率的步骤包括：

记录所述浏览商品对应的浏览时长，得到所述行为时间；

记录所述浏览商品对应的浏览次数，得到所述浏览频率。

在一实施例中，所述生成所述行为信息、所述行为时间以及所述行为频率对应的促销方案的步骤之后，还包括：

获取当前时间点；

在所述当前时间点达到预设推送时间点时，执行所述向所述客户推送所述促销方案的步骤。

本发明实施例还提供一种促销方案的推荐装置，所述促销方案的推荐装置包括：存储器、处理器及存储在所述存储器上并可在处理器上运行的促销方案的推荐程序，所述处理器执行所述促销方案的推荐程序时实现如上所述的促销方案的推荐方法的各个步骤。

本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有促销方案的推荐程序，所述促销方案的推荐程序被处理器执行时实现如上所述的促销方案的推荐方法的各个步骤。

在本实施例的技术方案中，促销方案的推荐装置在检测到客户通过终端设备触发的行为信息时，确定所述行为信息对应的行为时间以及行为频率，所述行为信息包括客户信息、常用地理位置、浏览商品、促销活动信息以及商品详情查看情况；生成所述行为信息、所述行为时间以及所述行为频率对应的促销方案；向所述客户对应的终端设备推送所述促销方案。由于促销方案的推荐装置可获取用户在终端设备触发的行为信息，然后再基于用户的行为信息确定出合适用户的促销方案并推送至客户终端，避免了大量用户行为数据的浪费，提高了对客户进行促销方案推荐的匹配率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例涉及的促销方案的推荐装置的硬件构架示意图；

图2为本发明促销方案的推荐方法第一实施例的流程示意图；

图3为本发明促销方案的推荐方法第二实施例步骤S20的细化流程示意图；

图4为本发明促销方案的推荐方法第三实施例步骤S22的细化流程示意图；

图5为本发明促销方案的推荐方法第四实施例步骤S22的细化流程示意图；

图6为本发明促销方案的推荐方法第五实施例步骤S22的细化流程示意图；

图7为本发明促销方案的推荐方法第六实施例的流程示意图；

图8为本发明促销方案的推荐方法第七实施例步骤S10的细化流程示意图。

具体实施方式

为了更好的理解上述技术方案，下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

本发明的主要解决方案是：在检测到客户通过终端设备触发的行为信息时，确定所述行为信息对应的行为时间以及行为频率，所述行为信息包括客户信息、常用地理位置、浏览商品、促销活动信息以及商品详情查看情况；生成所述行为信息、所述行为时间以及所述行为频率对应的促销方案；向所述客户对应的终端设备推送所述促销方案。

由于促销方案的推荐装置可获取用户在终端设备触发的行为信息，然后再基于用户的行为信息确定出合适用户的促销方案并推送至客户终端，避免了大量用户行为数据的浪费，提高了对客户进行促销方案推荐的匹配率。

作为一种实现方式，促销方案的推荐装置可以如图1。

本发明实施例方案涉及的是促销方案的推荐装置，促销方案的推荐装置包括：处理器101，例如CPU，存储器102，通信总线103。其中，通信总线103用于实现这些组件之间的连接通信。

存储器102可以是高速RAM存储器，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器。如图1，作为一种计算机存储介质的存储器103中可以包括检测程序；而处理器101可以用于调用存储器102中存储的检测程序，并执行以下操作：

在检测到客户通过终端设备触发的行为信息时，确定所述行为信息对应的行为时间以及行为频率，所述行为信息包括客户信息、常用地理位置、浏览商品、促销活动信息以及商品详情查看情况；

生成所述行为信息、所述行为时间以及所述行为频率对应的促销方案；

向所述客户对应的终端设备推送所述促销方案。

在一实施例中，处理器101可以用于调用存储器102中存储的检测程序，并执行以下操作：

所述生成所述行为信息、所述行为时间以及所述行为频率对应的促销方案的步骤包括：

生成所述行为信息、所述行为时间以及所述行为频率对应的特征集数据；

根据所述特征集数据生成所述客户对应的促销方案。

在一实施例中，处理器101可以用于调用存储器102中存储的检测程序，并执行以下操作：

所述根据所述特征集数据生成所述客户对应的促销方案的步骤包括：

根据所述特征集数据对所述客户关联特征标签；

根据所述客户关联的特征标签生成所述客户对应的促销方案。

在一实施例中，处理器101可以用于调用存储器102中存储的检测程序，并执行以下操作：

所述根据所述特征集数据生成所述客户对应的促销方案的步骤包括：

确定是否存在所述客户关联的历史促销方案；

当存在所述客户关联的历史促销方案时，根据所述特征集数据更新所述历史促销方案以得到所述客户对应的促销方案。

在一实施例中，处理器101可以用于调用存储器102中存储的检测程序，并执行以下操作：

所述确定所述客户是否存在历史促销方案的步骤之后，所述方法还包括：

当不存在所述客户关联的历史促销方案时，根据所述特征集数据新建所述客户对应的促销方案。

在一实施例中，处理器101可以用于调用存储器102中存储的检测程序，并执行以下操作：

所述向所述客户对应的终端设备推送所述促销方案的步骤之后，还包括：

判断在预设时间间隔内是否检测到通过所述促销方案触发的产品订单或者浏览记录；

在所述预设时间内检测到通过所述促销方案触发的产品订单或者浏览记录时，根据所述产品订单或者浏览记录对应的商品生成促销方案，并推送至所述客户对应的终端设备；

在所述预设时间内检测到通过所述促销方案触发的产品订单或者浏览记录时，更新所述促销方案的奖励信息，并将更新后的所述促销方案推送至所述客户对应的终端设备。

在一实施例中，处理器101可以用于调用存储器102中存储的检测程序，并执行以下操作：

记录所述浏览商品对应的浏览时长，得到所述行为时间；

记录所述浏览商品对应的浏览次数，得到所述浏览频率。

在一实施例中，处理器101可以用于调用存储器102中存储的检测程序，并执行以下操作：

获取当前时间点；

在所述当前时间点达到预设推送时间点时，执行所述向所述客户推送所述促销方案的步骤。

在本实施例的技术方案中，由于促销方案的推荐装置可获取用户在终端设备触发的行为信息，然后再基于用户的行为信息确定出合适用户的促销方案并推送至客户终端，避免了大量用户行为数据的浪费，提高了对客户进行促销方案推荐的匹配率。

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

参照图2，图2为本发明促销方案的推荐方法的第一实施例，方法包括以下步骤：

步骤S10，在检测到客户通过终端设备触发的行为信息时，确定所述行为信息对应的行为时间以及行为频率，所述行为信息包括客户信息、常用地理位置、浏览商品、促销活动信息以及商品详情查看情况。

在本实施例中，促销方案的推荐装置可与各个用户的终端设备通信连接，用户通过终端设备所触发行为信息可为促销方案的推荐装置所获取，其中，行为信息包括用户在浏览购物软件时所对应的客户信息、常用地理位置、浏览商品、促销活动信息以及商品详情查看情况，进一步的，客户信息可根据用户在购物软件上登录的账号信息确定，常用地理位置可根据终端设备的定位信息确定，浏览商品、促销活动信息以及商品详情查看情况基于用户在购物软件上的浏览记录确定，进一步，可获取上述用户的行为信息对应的行为时间以及行为频率，用于后续生产用户对应的促销方案。

可选的，记录浏览商品对应的浏览时长，得到行为时间；记录浏览商品对应的浏览次数，得到浏览频率。容易理解的是，浏览时长以及浏览次数获取难度低，基于浏览商品以及浏览日期对浏览记录进行筛选即可确定，因此，通过上述获取方法可降低数据的获取难度。

步骤S20，生成所述行为信息、所述行为时间以及所述行为频率对应的促销方案。

在本实施例中，根据用户的行为信息以及根据行为信息确定的行为时间以及行为频率生成合适用户的促销方案。

可选的，对于促销方案的生成，可基于客户性别、网页、商品、详情页的浏览时长以及浏览次数，进而自动生成或者人工预先生成促销方案：红包+限时优惠+礼品。进一步的，例如：男性用户+看了打火机机商品+看了详情3分钟+看了2次，可自动生成促销方案：红包+限时优惠+礼品。

步骤S30，向所述客户对应的终端设备推送所述促销方案。

在本实施例中，在形成促销方案之后，再将促销方案推送至用户对应的终端设备。

在本实施例的技术方案中，由于促销方案的推荐装置可获取用户在终端设备触发的行为信息，然后再基于用户的行为信息确定出合适用户的促销方案并推送至客户终端，避免了大量用户行为数据的浪费，提高了对客户进行促销方案推荐的匹配率。

参照图3，图3为本发明促销方案的推荐方法的第二实施例，基于第一实施例，步骤S20包括：

步骤S21，生成所述行为信息、所述行为时间以及所述行为频率对应的特征集数据。

步骤S22，根据所述特征集数据生成所述客户对应的促销方案。

在本实施例中，可通过数据采集进行行为信息的获取，以获取用户特征集数据，其中，用户特征集数据包含但不局限于产品订单、参与促销活动、户机设备类型、常地理位置、浏览商品、促销活动的内容以及时间信息等。然后再基于上述特征集数据生成促销方案。

在本实施例的技术方案中，通过将用户的行为信息转化为特征集数据，可使得数据更为精简，进而提高促销方案的生成效率。

参照图4，图4为本发明促销方案的推荐方法的第二实施例，基于第一实施例，步骤S22包括：

步骤S221，根据所述特征集数据对所述客户关联特征标签。

步骤S222，根据所述客户关联的特征标签生成所述客户对应的促销方案。

在本实施例中，在构建用户特征集时，对数据进数据预处理以及标准化；再采用深度学习的卷积神经网络的方法对用户进行分类，从而可给用户贴上不同的标签，形成用户的画像数据；例如该用户喜欢打折商品、偏好电器等数据；最后在基于上述标签确定出用户对应的促销方案。

在本实施例的技术方案中，由于采用了深度学习的卷积神经网络的方法对用户进行分类以对用户进行标签关联，进而再根据标签即可生成用户对应的促销方案，在提高促销方案的生成效率时，也提高了促销方案生成的的智能化程度。

参照图5，图5为本发明促销方案的推荐方法的第三实施例，基于第一至第二任一实施例，步骤S22包括：

步骤S223，确定是否存在所述客户关联的历史促销方案。

在本实施例中，由于用户的行为信息是伴随着用户的操作而变化的，因此，老用户一般都会存在历史促销方案，而本步骤用于确定用户是否存在历史促销方案。

步骤S224，当存在所述客户关联的历史促销方案时，根据所述特征集数据更新所述历史促销方案以得到所述客户对应的促销方案。

可选的，采集到用户的行为信息时，将不同的促销活动抽象成词，促销方案中所有的促销活动可以相当于组成一个句子，然后利用深度学习的Word2vec训练词向量的方法，将每个类型的促销方案训练成多个特征向量，然后根据用户参与的促销方案与之前的促销方案进行向量相似性的计算，从而给用户推销类似的促销方案，可将获取的用户行为信息与用户历史促销方案进行结合，从而生成新的促销方案，提高了促销方案的生成灵活性。

在本实施例中，由于通过了预先的检测行为，可在确定用户关联有历史促销方案后，在原有的历史促销方案上进行新促销方案的生成即可，无需生成新的促销方案，避免了一个用户存在多个促销方案所导致的存储资源浪费。

参照图6，图6为本发明促销方案的推荐方法的第四实施例，基于第一至第三任一实施例，步骤S223之后，还包括：

步骤S225，当不存在所述客户关联的历史促销方案时，根据所述特征集数据新建所述客户对应的促销方案。

在本实施例的技术方案中，由于通过了预先的检测行为，可在确定用户关联有历史促销方案后，再生成新的促销方案，提高了促销方案生成的智能化程度。

参照图7，图7为本发明促销方案的推荐方法的第五实施例，基于第一至第四任一实施例，步骤S30之后，还包括：

步骤S40，判断在预设时间间隔内是否检测到通过所述促销方案触发的产品订单或者浏览记录。

步骤S50，在所述预设时间内检测到通过所述促销方案触发的产品订单或者浏览记录时，根据所述产品订单或者浏览记录对应的商品生成促销方案，并推送至所述客户对应的终端设备。

步骤S60，在所述预设时间内检测到通过所述促销方案触发的产品订单或者浏览记录时，更新所述促销方案的奖励信息，并将更新后的所述促销方案推送至所述客户对应的终端设备。

在本实施例中，可基于用户对生成的促销方法进行的行为信息进行其他促销方案的推送。

可选的，当用户看到促销方案，及时的进行浏览，并且发生购买行为，系统记录用户的响应速度，以及购买时间；当用户看到促销方案，第一时间进行浏览，但是浏览后并未发生购买行为，其中，推荐一个同类促销产品，价格分别高于或者低于为发生购买行为的促销方案，根据用户选择的低价以及高价促销方案，进行后台记录分析；当用户浏览后，还未发生购买行为，则对应调整促销产品内容以及促销搭配的选择，实时记录用户的购买行为；当用户看到促销方案，并未进行浏览；第一选择更换促销方案，提升限时优惠力度，增加礼品，记录用户反馈；第二选择更换促销方案，更换相似或者同类别商品，记录用户反馈。

根据采集的用户信息，根据用户购买商品、参与促销活动的数据，建立用户的协同过滤模型，通过深度学习在协同过滤算法的基础上进行改进，具体是对协同过滤算法的user-item的共现矩阵基础上，通过行向量或列向量的相似性进行推荐。如果我们将同一个user购买或参与item视为一个context，就可以建立一个item-context的矩阵。进一步的，可以在这个矩阵上借鉴word2vec的模型计算出item的向量表达，在更高阶上计算item间的相似度，从而实现相似用户之间的商品和促销方案的推荐。

在本实施例的技术方案中，促销方案的推荐装置通过检测用户是否浏览过生成的促销方案以及用户是否通过生成的促销方案产生购买订单，进而实现其他促销方案的二次推送，提高了推送促销方案的智能化程度。

参照图8，图8为本发明促销方案的推荐方法的第六实施例，基于第一至第五任一实施例，步骤S10包括：

步骤S11，获取当前时间点。

步骤S12，在所述当前时间点达到预设推送时间点时，执行所述向所述客户推送所述促销方案的步骤。

在本实施例中，鉴于促销方案中的促销策略与时间相关，例如：购买A商品，在N小时内拥有Y的折扣，因此，可基于当前时间点进行促销方案的推送。

在本实施例的技术方案中，本实施例可在合适的时间点进行促销方案的推送很重要，进而提高用户体验。

为实现上述目的，本发明实施例还提供一种促销方案的推荐装置，所述促销方案的推荐装置包括：存储器、处理器及存储在所述存储器上并可在处理器上运行的促销方案的推荐程序，所述处理器执行所述促销方案的推荐程序时实现如上所述的促销方案的推荐方法的各个步骤。

为实现上述目的，本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有促销方案的推荐程序，所述促销方案的推荐程序被处理器执行时实现如上所述的促销方案的推荐方法的各个步骤。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或促销方案的推荐程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的促销方案的推荐产品程序的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和促销方案的推荐程序产品的流程图和/或方框图来描述的。应理解可由促销方案的推荐程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些促销方案的推荐程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些促销方案的推荐程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些促销方案的推荐程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

应当注意的是，在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。