合适的时候将该信息推送给消费者，商户甚至可W对商品进行专口设计， 推出专属于某一个消费者的促销优惠信息。
[0112] 7)通过GI^S定位系统，当消费者所处位置距离实体店可W感知的范围时，如 500-1000米之间，则触发商户与消费者需求的匹配算法，可W设计专口针对该消费者的营 销优惠策略，并快速向消费者推送。
[011引 8)消费者根据6、7步收到的信息，在约定的时间或者刻意计划的时间，或"路过" 实体店时或者不刻意计划的时间，"顺便"进实体店完成"梢带"交易，并享受相关的优惠待 遇。
[0114] 9)消费记录存入数据库，循环计算，更新消费模式。
[0115] 实施例二
[0116] (1)消费者数据收集：对消费者数据进行线上、线下的联运收集，每一次线上、线 下的交易数据都保存为一个消费矩阵，如某商品属性缺失的话，则对应的消费矩阵中的元 素置为0或空。
[0117] (2)对消费矩阵进行处理：主要是挖掘出消费者对某件商品的消费周期、消费者 的频繁消费地点、消费者的频繁消费时间等信息。
[0118] (3)根据GI^S等信息，定位消费者的位置，并与商户的实体店铺位置进行距离计 算。当消费者实时位置进入到系统设置的阔值时，阔值还需考虑W下因素：消费者步行的 话，一般为500-1000米，800米左右比较合适。消费者开车的话5000米W内比较合适，还需 要考虑停车、交通拥堵等情况。
[0119] (4)根据消费者对某件商品的预测消费日期，在该日期前后，结合消费者的消费时 间，W-周为周期，设计专口针对该消费者的商品优惠方案。
[0120] 妨将W上做（4)部中的营销信息，向消费者进行定向推送。
[0121] (6)消费者得到信息后，进店完成交易。
[0122] 上述实施例和附图并非限定本发明的商品形态和式样，任何所属技术领域的普通 技术人员对其所做的适当变化或修饰，皆应视为不脱离本发明的专利范畴。
【主权项】
1. 一种移动020推荐方法，其特征在于，通过以下步骤实现： 1) 服务器根据消费者的任一消费清单，自动生成对应的消费矩阵，即：式中：第i次消费清单生成的第i次消费矩阵，每一行分别表示各消费项目对应的各种 消费信息，消费信息包括：名称、数量、时间和地点； 2) 服务器从历次所述消费矩阵中，根据同类消费项目的所述数量和所述时间跨度，预 测该消费者从第i次消费到第k次消费的时间间隔d内的同类消费项目的平均消费周期t， 即：式中：％表示消费者第n次消费，消费第j种消费项目的数量；表示第i次消费 的时间，表示第k次消费的时间； 3) 根据所述地点统计该消费者在各地点消费的地点频次，设该消费者在设定的时间周 期D内，共计在m个所述地方消费，分别为，则该消费者在所述地点第i次 消费第j种消费项目，则地点频次如下：对所述地点place排序，计算出消费任一消费项目的地点频次排前的若干个地点； 4) 通过GPS定位系统，当消费者携带的移动端位于消费矩阵中的消费地点能感知的范 围时，则服务器触发商户与消费者需求的匹配算法得出推送信息，并通过移动端向消费者 发送所述推送信息。2. 如权利要求1所述的移动020推荐方法，其特征在于：所述时间包括：天日期、星期 日期和时刻；还包括以下步骤： 1)在所述时间周期D内共有m次消费清单，以此计算：（1)消费者在星期一至星期日 中，最频繁消费的前若干个星期日期；（2) -天24小时，以2小时为单位，划分成12个时槽， 计算消费者在消费频次最高的前若干个时槽，具体计算方法如下： 设消费者在时间周期D内，在星期日期w，24小时制的p个时间段内消费过，星期日期w如下计算：式中：fs表示第i次消费，消费第j种消费项目，星期日期以5表示； 对w排序，得出消费第j种消费项目，最频繁的前若干个星期日期； 在所述频次最高的前若干个时槽P，计算方法如下：式中：?表示第k次消费，消费第j种消费项目，时刻以6表示，（Td，Td+2]表示以时 刻1开始的第d个时槽； 对时槽P排序，得出最频繁的前若干个时槽P; 2) 根据历次消费矩阵中的消费信息，计算出消费者对某一消费项目的下一次消费天日 期tnrait，即：式中：S表示天日期估算的误差补偿，取值为2 ; 3) 在下一次最频繁的所述天日期、星期日期和/或时槽，针对该消费者生成对应的项 目的商户推送信息，并将该推送信息发送给该消费者。3. 如权利要求1所述的移动020推荐方法，其特征在于：所述步骤4中，设定的时间段 D为一周或一月。4. 一种移动020推荐系统，其特征在于：实现如权利要求1所述的方法，包括： 1) 服务器：包括消费矩阵模块、平均消费周期模块、地点频次模块和推送模块； 消费矩阵模块：根据消费者的任一消费清单，自动生成对应的消费矩阵，即：式中：第i次消费清单生成的第i次消费矩阵，每一行分别表示各消费项目对应的各种 消费信息，消费信息包括：名称、数量、时间和地点； 2) 平均消费周期模块：服务器从历次所述消费矩阵中，根据同类消费项目的所述数量 和所述时间跨度，预测该消费者从第i次消费到第k次消费的时间间隔d内的同类消费项 目的平均消费周期t，即：式中：^表示消费者第n次消费，消费第j种消费项目的数量；表示第i次消费 的时间，?%表示第k次消费的时间； 3) 地点频次模块：根据所述地点统计该消费者在各地点消费的地点频次，设该消费者 在设定的时间周期D内，共计在m个所述地方消费，分别E[tWll，则该消费者在 所述地点第i次消费第j种消费项目则地点频次如下：对所述地点place排序，计算出消费任一消费项目的地点频次排前的若干个地点； 4)移动端：通过GPS定位系统，当消费者携带移动端位于消费矩阵中的消费地点能感 知的范围时，则服务器的推送模块根据商户与消费者需求的匹配性，得出推送信息，并通过 移动端向消费者发送所述推送信息。5.如权利要求4所述的移动020推荐系统，其特征在于：还包括：星期日期模块、时槽 模块和消费天日期模块； (1)星期日期模块：在所述时间周期D内共有m次消费清单，以此计算消费者在星期一 至星期日中，最频繁消费的前若干个星期日期；（2)时槽模块：一天24小时，以2小时为单 位，划分成12个时槽，计算消费者在消费频次最高的前若干个时槽，具体计算方法如下： 设消费者在时间周期D内，在星期日期w，24小时制的p个时间段内消费过，星期日期 w如下计算：式中〃fS表示第i次消费，消费第j种消费项目，星期日期以5表示； 对w排序，得出消费第j种消费项目，最频繁的前若干个星期日期； 在所述频次最高的前若干个时槽P，计算方法如下：式中：?农示第k次消费，消费第j种消费项目，时刻以6表示，（Td，Td+2]表示以时 刻1开始的第d个时槽； 对时槽P排序，得出最频繁的前若干个时槽P; (3)消费天日期模块：根据历次消费矩阵中的消费信息，计算出消费者对某一消费项 目的下一次消费天日期tnMt，即：式中：S表示天日期估算的误差补偿，取值为2或1 ; 所述服务器在下一次最频繁的所述天日期、星期日期和/或时槽，针对该消费者生成 对应的项目的商户推送信息，并将该推送信息发送给该消费者。
【专利摘要】本发明公开一种移动O2O推荐方法：服务器根据消费者的消费清单自动生成消费矩阵，服务器从消费者的历次消费矩阵中，对于同类消费项目在某个频繁消费时间，将商户的商业信息生成消费者可能需要的推送信息，并在合适的时候将该推送信息发送给消费者；通过GPS定位系统，当消费者携带的移动端频繁消费地点可以感知的范围时，则服务器将该推送信息通过移动端发送给消费者。本发明还公开一种实现上述方法的移动O2O推荐系统。本发明能精准推荐，综合了现有常见的基于内容的推荐系统，并在此基础上增加了位置属性，移动感知属性等，有利于商户实现线上线下资源的综合利用，精确实现O2O应用，大大增强用户粘性。
【IPC分类】G06Q30/02
【公开号】CN105225129
【申请号】CN201510589591
【发明人】彭振龙, 郭建宏, 许旭红
【申请人】泉州师范学院
【公开日】2016年1月6日
【申请日】2015年9月16日