针对电商满减活动的凑单商品推荐的方法与流程

本发明涉及计算机技术领域，尤其涉及一种针对电商满减活动的凑单商品推荐的方法。

背景技术：

满减满送活动是电子商务模式中一种常见的促销方式，当消费者消费达到满减金额(例如满减活动为满200减100，则满减金额为200)时，商家或电商平台会给出相应的费用减免或者一定的礼品赠送，如此，商家能够销售更多的商品，消费者能够得到更多的优惠，进而达到双赢的目的。

此外，商品推荐技术是在电子商务中比较流行的一种技术，其根据消费者自身属性或商品属性，利用大数据分析和商品推荐算法将消费者可能感兴趣的商品推荐给消费者，但是这种技术一般被电子商务平台应用在消费者购买完成时向其推荐相关商品。

以某电商平台为例，现有的满减满送活动一般是消费者购买满减促销商品时，在商品页面提示商品所在的满减活动，消费者点进活动链接获取参与满减促销活动的商品列表，浏览商品并自行选择商品与已选商品搭配进行满减凑单。

但目前这种消费模式存在一定的问题：由于促销商品列表普遍过长，消费者不能准确地选择能满足其购买目的的商品；目前商品推荐技术多数被用在消费者购买完成之后，消费者在满减凑单时的购买需求大于相关产品二次购买的需求；此外，若消费者购买的促销商品未能达到满减金额下线可能会放弃购买，直接影响商家和电子商务平台 盈利；而消费者为了能够补满满减差额购买与自身偏喜程度不符的商品会伤害消费者的购买体验。

随着多种促销模式在电子商务中的普及，消费者已习惯在购买促销商品的同时选购其他促销商品以达到满减的目的，但是商品推荐技术并未完全引入商品促销(满减满送)活动过程中，不便于消费者在促销的过程中对商品的选择。

技术实现要素：

有鉴于此，本发明提供一种针对电商满减活动的凑单商品推荐的方法，能够使商品推荐技术与商品促销活动相结合，使消费者获取其满意的凑单推荐商品，提高电商平台促销活动的有效性，增加商家盈利的同时提高用户的体验效果。

为实现上述目的，本发明提供了一种针对电商满减活动的凑单商品推荐的方法。

本发明的针对电商满减活动的凑单商品推荐的方法包括：通过聚类的方式将促销商品划分为不同的等价类；将不同等价类区分为相似等价类和相关等价类，并计算各相关等价类的需求推荐等级；根据不同的推荐策略，从相似等价类和/或相关等价类中选择向消费者推荐以补满满减差额的促销商品或商品组合，并输出推荐结果集，其中，将不同等价类区分为相似等价类和相关等价类包括：若消费者已选择商品，则消费者已选择商品所属的等价类为相似等价类，其余等价类为相关等价类；若消费者未选择商品，则消费者近期购买的商品所属的等价类为相似等价类，其余等价类为相关等价类。

可选地，通过聚类的方式将促销商品划分为不同的等价类包括：

根据促销商品的属性进行语义聚类，将促销商品划分为不同等价类。

可选地，计算各相关等价类的需求推荐等级包括：若消费者已选择商品，则根据消费者已选择商品与各相关等价类的关联等级以及消费者对各相关等价类的偏喜程度两个因素，利用商品推荐技术加权计算各相关等价类的需求推荐等级；若消费者未选择商品，则根据消费者近期购买的商品与各相关等价类的关联等级以及消费者对各相关等价类的偏喜程度两个因素，利用商品推荐技术加权计算各相关等价类的需求推荐等级。

可选地，根据不同的推荐策略，从相似等价类和/或相关等价类中选择向消费者推荐以补满满减差额的促销商品或商品组合包括使用下列策略中的一个或多个：策略一：从需求推荐等级高的相关等价类中推荐价格接近满减差额的商品或商品组合，以补满满减差额；策略二：在消费者已选择的某一商品所属的相似等价类中寻找相似商品替代所述已选择的某一商品，以补满满减差额；策略三：利用策略二选择相似商品进行替代，当选择的相似商品接近消费者的偏喜度但是价钱未能补满满减差额时，利用策略一从需求推荐等级高的相关等价类中推荐价格接近满减差额的商品或商品组合，以补满满减差额。

可选地，所述策略一还包括：选择需求推荐等级最高的相关等价类中的一个商品加入推荐结果集的当前元素中，并判断所述当前元素中的商品价格之和是否小于满减差额，若小于满减差额，则继续选择需求推荐等级最高的相关等价类中一个商品加入所述当前元素，重复执行当前的步骤；若大于满减差额，则判断所述当前元素中的商品价格之和是否大于推荐阈值，若大于推荐阈值，则删除所述当前元素中最后加入的一个商品，并且重复执行当前的步骤；若小于推荐阈值，则所述当前元素商品加入结束；重复上述步骤，直至得到含有多个元素的推荐结果集。

根据本发明的技术方案，通过根据促销商品的属性对促销商品进 行语义聚类，从而能够保证推荐效率；通过将不同等价类区分为相似等价类和相关等价类，从而能够有针对性的在某些等价类中选择推荐商品，保证商品推荐的合理性；通过计算相关等价类的需求推荐等级，从而在从相关等价类中选择商品进行推荐的时候，能够尽量选择符合消费者需求的商品进行推荐；通过在消费者已选商品和未选商品的两种不同场景下，通过不同策略进行推荐，从而能够在不同场景下向消费者推荐接近满减差额的商品或商品组合，提高消费者对满减促销活动的体验效果。

附图说明

附图用于更好地理解本发明，不构成对本发明的不当限定。其中：

图1是根据本发明实施例的针对电商满减活动的凑单商品推荐的方法的主要步骤的示意图；

图2是根据本发明实施例的针对电商满减活动的凑单商品推荐的方法的策略一的推荐算法流程示意图。

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1是根据本发明实施例的针对电商满减活动的凑单商品推荐的方法的主要步骤的示意图。

如图1所示，本发明实施例的针对电商满减活动的凑单商品推荐的方法的步骤主要包括：

步骤S11：通过聚类的方式将促销商品划分为不同的等价类。

为保证商品推荐的合理性，提高推荐效率，首先要对促销商品进行聚类。本发明中采用语义聚类的方式进行。商品有其自身的属性，如关键字、品牌、价格、用途等均可以作为语义聚类的影响因素。语义聚类采用K-means算法。K-means算法接受参数k；然后将事先输入的n个数据对象划分为k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”(引力中心)来进行计算的。

在本发明的一实施例中，获取促销商品列表后，使用K-means算法将商品聚类。设定相似度阈值α，随机选取商品G为基准(聚类中心)，令D(G,Gn)<α作为等价类的聚合标准，更新聚类中心，当没有商品可以进入等价类时选取下一个基准进行聚类，直至促销列表中没有商品进入等价类，聚类完成。

其中，D就是语义距离，只有两种商品的语义距离不大于用户设定的阈值α时，证明二者时相似的，可以聚为等价类。例如，用户可设定阈值α＝0.8，有两种商品goods1和goods2，三种属性：价格，用途，关键字(商品名)。goods1与goods2在关键字上的相似程度是0.7，即d_key(goods1,goods2)＝0.7。同理，d_purpose(goods1,goods2)＝0.5，d_price(goods1,goods2)＝0.4。用户可以设定权重进行加权w_price＝0.2,w_purpose＝0.3,w_key＝0.5。则：

D(goods1,goods2)＝w_price*d_price(goods1,goods2)+w_purpose*d_purpose(goods1,goods2)+w_key*d_key(goods1,goods2)＝0.58<0.8，故这两种商品不能够被聚类在一起。

为满足促销商品的特性，也可以在其中一种实施例中，选取某一属性(如用途)作为商品语义聚类的主要影响因素。根据促销商品的属性进行语义聚类，将促销商品划分为不同等价类。

在具体操作中，商品聚类使用属性作为语义距离的影响因素(标准)，使用商品的商品标识，如SKU(SKU是对于大型连锁超市配送中心物流管理的一个必要的方法。当下已经被引申为产品统一编号的简称，每种产品均对应有唯一的SKU号)作为存储的主键存放于等价类中。

步骤S12：将不同等价类区分为相似等价类和相关等价类，并计算各相关等价类的需求推荐等级。

将不同等价类区分为相似等价类和相关等价类包括：若消费者已选择商品，则消费者已选择商品所属的等价类为相似等价类，其余等价类为相关等价类；若消费者未选择商品，则消费者近期购买的商品所属等价类为相似等价类，其余等价类为相关等价类。

具体而言，在消费者已选择商品的场景下，系统先将消费者已经选择的商品与聚类后的促销商品等价类进行聚类，若能够聚类成功则将此等价类标记为相似等价类，否则标记为相关等价类。

具体操作中可以使用消费者已选商品的商品标识，如SKU，与已经聚类的等价类匹配，看已选商品是否在这个等价类中。

在消费者未选择商品的场景下，将消费者近期购买的商品的SKU与已经聚类的等价类匹配，看已选商品是否在这个等价类中。

通过上述方法，就将不同的等价类区分为相似等价类和相关等价类。区分相似等价类和相关等价类，是为了在向消费者进行商品推荐的时候，有针对性的从相似等价类中选择商品进行已选商品的替换，或是从相关等价类中选择需求推荐等级高的商品进行补充。

现实情形下，不同的相关等价类中的商品对于消费者而言，其需 求程度是不同的，因此从不同相关等价类中选择商品进行推荐对于消费者的购物体验是不同的。例如，在消费者已选择商品的情形下，消费者已选择了某种商品，如果在凑单的过程中，向其推荐需求不高产品，则其购买的意愿相对较小，而如果推荐消费者需求高的其他产品，则其购买意愿相对较大。在消费者未选择商品的情形下亦是如此，如在之前的交易记录中，消费者之前已购买过某种商品，则在推荐的过程中仍推荐与已购买商品类似的商品，其购买的意愿相对较小，而如果推荐其他产品，则购买意愿相对较大。因此，将不同等价类区分为相似等价类和相关等价类之后，需要计算各相关等价类的需求推荐等级。

消费者已选择商品时，相关等价类的需求推荐等级可以根据根据消费者已选择商品与各相关等价类的关联等级以及消费者对各相关等价类的偏喜程度两个因素，利用商品推荐技术加权计算各相关等价类的需求推荐等级。

其中，消费者已选择商品与各相关等价类的关联等级计算如下：将消费者已选择商品与相关等价类的聚类中心的商品根据商品属性进行语义聚类。方法如前述语义距离计算方法，此处不再赘述。得出消费者已选商品与各相关等价类的语义距离，语义距离越大，说明消费者已选商品与该相关等价越不相关，则越值得推荐。消费者对各相关等价类的偏喜程度可根据消费者偏喜度历史数据计算得出，具体可根据大数据分析算法，以消费者的历史消费、浏览数据为训练样本，计算消费者对该相关等价类的偏喜程度。例如，在前述步骤中，以促销商品的属性聚类，则根据消费者偏喜度历史数据分析消费者对该类商品的品牌、用途、价格等综合条件考虑的偏喜程度。将该偏喜程度作为一个系数，前述计算出的已选择商品与各相关等价类的关联等级作为另一个系数，利用商品推荐技术进行加权计算，得出各相关等价类的需求推荐等级。

若消费者未选择商品，则根据消费者近期购买的商品与各相关等价类的关联等级以及消费者对各相关等价类的偏喜程度两个因素，利用商品推荐技术加权计算各相关等价类的需求推荐等级。此处需求推荐等级排序方法与前述消费者已选商品情形下的逻辑相同，此处不再赘述。

步骤S13：根据不同的推荐策略，从相似等价类和/或相关等价类中选择向消费者推荐以补满满减差额的促销商品或商品组合，并输出推荐结果集。

在给不同等价类进行区分以及排序后，根据不同的推荐策略，从相似等价类和/或相关等价类中选择向消费者推荐以补满满减差额的促销商品或商品组合。在本发明具体实施例中，可使用下列策略中的一个或多个：

策略一：从需求推荐等级高的相关等价类中推荐价格接近满减差额的商品或商品组合，以补满满减差额；

策略二：在消费者已选择的某一商品所属的相似等价类中寻找相似商品替代所述已选择的某一商品，以补满满减差额；

策略三：利用策略二选择相似商品进行替代，当选择的相似商品接近消费者的偏喜度但是价钱未能补满满减差额时，利用策略一从需求推荐等级高的相关等价类中推荐价格接近满减差额的商品或商品组合，以补满满减差额。

例如，若消费者已选择商品，则利用策略一到策略三中的一个或多个策略推荐商品；若消费者未选择商品，则利用策略一推荐商品。

具体策略的选择上，若消费者已选择商品，则可利用策略一到策略三中的一个或多个策略推荐商品；若消费者未选择商品，则利用策略一推荐商品。

例如，在策略一中，满减凑单活动推荐的主要参考因素就是价格与需求，即消费者希望买到价格接近满减差额并且有用的商品。其中需求即从需求推荐等级高的相关等价类中推荐商品。因此，在具体推荐过程中，可以构建一个集合M，作为推荐结果集。其中，G为集合中的元素，每个元素可以由一个商品或者多种商品的组合构成，然后采用贪心算法算法进行推荐：

选择需求推荐等级最高的相关等价类中的一个商品加入M的一个元素中，称之为“当前元素”，并判断所述当前元素中的商品价格之和是否小于满减差额，若小于满减差额，则继续选择需求推荐等级最高的相关等价类中一个商品加入所述当前元素，重复执行当前的步骤；若大于满减差额，则判断所述当前元素中的商品价格之和是否大于推荐阈值(如前所述，若满减金额为200，则可以根据实际情况设定推荐商品价格总和的上限，例如可以是300，这样一方面避免推荐结果超出消费者对参与促销活动的价格心理预期，另一方面避免计算的浪费)，若大于推荐阈值，则删除所述当前元素中最后加入的一个商品，并且重复执行当前的步骤；若小于推荐阈值，则所述当前元素商品加入结束；

重复上述步骤，直至得到含有多(即图2中的n，此处n可以根据实际情况定义，代表推荐结果集中有n个由商品或商品组合构成的元素)个元素的推荐结果集。具体流程可参阅图2所示。

从以上描述可以看出，通过根据促销商品的属性对促销商品进行语义聚类，从而能够保证推荐效率；通过将不同等价类区分为相似等价类和相关等价类，从而能够有针对性的在某些等价类中选择推荐商品，保证商品推荐的合理性；通过计算相关等价类的需求推荐等级，从而在从相关等价类中选择商品进行推荐的时候，能够尽量选择符合消费者需求的商品进行推荐；通过在消费者已选商品和未选商品的两种不同场景下，通过不同策略进行推荐，从而能够在不同场景下向消费者推荐接近满减差额的商品或商品组合，提高消费者对满减促销活动的体验效果。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。