本发明涉及电子商务技术领域，具体涉及一种提高电子商务网站转化率的方法和系统。
背景技术：
现有技术中，为了提高转化率，电子商务网站能够根据用户行为，得到用户在一段时间内浏览频率较高的商品，从而推测用户可能感兴趣的商品，推荐用户感兴趣的商品展示给用户。用户根据所展示的商品进行查看，加入购物车，下单，支付等环节完成整个购物过程。在这个过程中，由于展示的产品都是用户感兴趣的，因此可以缩短用户的浏览时间，从而提高购买效率，降低用户在浏览商品的过程中放弃购买的几率。而用户购买商品的数量与用户浏览商品的次数之间的比值被定为转化率。
即使是采用上述方式，一些犹豫的用户还是可能选择放弃，针对这一部分用户，转化率还有待提高。
技术实现要素：
本发明要解决的技术问题是现有技术中，针对选择犹豫用户，电子商务网站的转化率还需要进一步提高。
为解决上述技术问题，本发明提供以下技术方案：
本发明提供一种提高电子商务网站转化率的方法，包括如下步骤：
获取用户的浏览记录和购买记录；
根据所述浏览记录和所述购买记录，获取该用户购买当前商品的可能度；
判断该用户购买当前商品的可能度是否超过设定阈值；
若该用户购买当前商品的可能度超过所述设定阈值，则将所述当前商品加入该用户的购物车。
可选地，上述提高电子商务网站转化率的方法中，根据所述浏览记录和所述购买记录，获取该用户购买当前商品的可能度的步骤包括：
获取用户特征信息和商品特征信息，以及每一用户特征信息和每一商品特征信息对应的权重值；
根据所述浏览记录和所述购买记录，针对每一用户特征信息和每一商品特征信息获取用户只浏览未购买商品的负样本；
根据所述购买记录，针对每一用户特征信息和每一商品特征信息获取用户购买商品的正样本；
根据所述负样本和所述正样本构建训练集；
根据当前用户特征信息权重值和当前商品特征信息权重值，结合所述训练集，获取该用户购买当前商品的可能度。
可选地，上述的提高电子商务网站转化率的方法中，根据所述浏览记录和所述购买记录，获取该用户购买当前商品的可能度的步骤包括：
根据所述购买记录获取用户相邻两次购买当前商品的平均时间间隔；
根据所述购买记录和所述浏览记录获取用户本次浏览当前商品的浏 览时间与用户最近一次购买该商品的时间间隔；
根据所述时间间隔与所述平均时间间隔的比值获取该用户购买当前商品的可能度。
可选地，上述的提高电子商务网站转化率的方法中，根据所述浏览记录和所述购买记录，获取该用户购买当前商品的可能度的步骤包括：
根据所述购买记录和所述浏览记录获取用户在购买当前商品时间段内对当前商品的平均浏览次数；
根据所述浏览记录获取在本次设定购买时间段内，用户对当前商品的浏览次数；
根据所述浏览次数与所述平均浏览次数的比值获取该用户购买当前商品的可能度。
可选地，上述的提高电子商务网站转化率的方法中，判断该用户购买当前商品的可能度是否超过设定阈值的步骤中，所述设定阈值采用以下方式获取：
获取当前商品的浏览用户数以及每一用户的浏览次数；
根据当前商品的浏览用户数以及每一用户的浏览次数获取所述设定阈值。
优选地，上述提高电子商务网站转化率的方法中，若该用户购买当前商品的可能度超过所述设定阈值，则将所述当前商品加入该用户的购物车之后，还包括以下步骤：
获取预定周期内用户是否购买了购物车内的所述当前商品的结果；
根据所述结果对所述设定阈值进行动态调整。
基于同一构思，本发明还提供一种提高电子商务网站转化率的系统，包括：
记录获取单元，用于获取用户的浏览记录和购买记录；
可能度获取单元，用于根据所述浏览记录和所述购买记录，获取该用户购买当前商品的可能度；
判断单元，用于判断该用户购买当前商品的可能度是否超过设定阈值；
处理单元，用于在所述判断单元的判断结果为是时，将所述当前商品加入该用户的购物车。
可选地，上述的提高电子商务网站转化率的系统中，所述可能度获取单元包括：
特征信息获取子单元，用于获取用户特征信息和商品特征信息，以及每一用户特征信息和每一商品特征信息对应的权重值；
样本获取子单元，用于根据所述浏览记录和所述购买记录，针对每一用户特征信息和每一商品特征信息获取用户只浏览未购买商品的负样本；还用于根据所述购买记录，针对每一用户特征信息和每一商品特征信息获取用户购买商品的正样本；
训练集构建子单元，用于根据所述负样本和所述正样本构建训练集；
可能度获取子单元，用于根据当前用户特征信息权重值和当前商品特征信息权重值，结合所述训练集，获取该用户购买当前商品的可能度。
可选地，上述的提高电子商务网站转化率的系统中，所述可能度获取单元包括：
平均间隔获取子单元，用于根据所述购买记录获取用户相邻两次购买当前商品的平均时间间隔；
间隔获取子单元，用于根据所述购买记录和所述浏览记录获取用户本次浏览当前商品的浏览时间与用户最近一次购买该商品的时间间隔；
可能度获取子单元，用于根据所述时间间隔与所述平均时间间隔的比值获取该用户购买当前商品的可能度。
可选地，上述的提高电子商务网站转化率的系统中，可能度获取单元包括：
平均次数获取子单元，用于根据所述购买记录和所述浏览记录获取用户在购买当前商品时间段内对当前商品的平均浏览次数；
次数获取子单元，用于根据所述浏览记录获取在本次设定购买时间段内，用户对当前商品的浏览次数；
可能度获取子单元，用于根据所述浏览次数与所述平均浏览次数的比值获取该用户购买当前商品的可能度。
可选地，上述的提高电子商务网站转化率的系统中，还包括阈值获取单元，所述阈值获取单元包括：
浏览信息获取子单元，用于获取当前商品的浏览用户数以及每一用户的浏览次数；
阈值设定子单元，用于根据当前商品的浏览用户数以及每一用户的浏览次数获取所述设定阈值。
优选地，上述的提高电子商务网站转化率的系统中，还包括：
结果获取单元，用于获取预定周期内用户是否购买了购物车内的所 述当前商品的结果；
阈值调整单元，用于根据所述结果对所述设定阈值进行动态调整。
本发明的上述方案与现有技术相比，至少具有以下有益效果：
(1)本发明所述的提高电子商务网站转化率的方法和系统，通过获取用户的浏览记录和购买记录，获得该用户购买当前商品的可能度，如果该用户购买当前商品的可能度大于设定阈值，说明给用户购买当前商品的可能性非常大，则直接将当前商品加入购物车。采用本发明提供的上述方案，针对犹豫用户，能够分析用户购买商品的可能性，根据分析结果将用户很可能购买的商品直接加入购物车，提高犹豫用户购买该商品的几率，从而提高电子商务网站的转化率。另外，用户在购买某些商品时省略了浏览、点击的环节，可以给用户带来更好的体验。
(2)本发明所述的提高电子商务网站转化率的方法和系统，在获取用户购买当前商品的可能度时，不仅参考用户特征信息和当前商品特征信息，还会参考用户只浏览未购买商品的负样本和用户购买商品的正样本，采用这种方式获取该用户购买当前商品的可能度能够贴合实际情况，具有更高的准确性。
(3)本发明所述的提高电子商务网站转化率的方法和系统，在获取用户购买当前商品的可能度时，根据用户在浏览商品及购买商品过程中的习惯获得用户购买该商品的可能度，例如用户相邻两次购买该商品的时间间隔、用户每次购买商品时对商品的浏览次数等，采用这种方式获取该用户购买当前商品的可能度能够贴合实际情况，且算法更简单。
(4)本发明所述的提高电子商务网站转化率的方法和系统，在获取设定阈值时，获取当前商品的浏览用户数以及每一用户的浏览次数；根据当前商品的浏览用户数以及每一用户的浏览次数获取所述设定阈值。即根据统计规律，获得在实际情况中，每一用户对每一商品的浏览次数， 根据统计结果将某一浏览次数设定为阈值，当用户对该商品浏览次数超过该阈值时，即可认为用户购买该商品的可能性非常大。采用这种方式获取设定阈值能够贴合实际情况，具有更高的准确性。
(5)本发明所述的提高电子商务网站转化率的方法和系统，还能够获取预定周期内用户是否购买了购物车内的所述当前商品的结果；并根据所述结果对所述设定阈值进行动态调整。虽然将用户很可能购买的商品加入了购物车，但是用户最终还是可能会放弃购买商品，而用户最终是否购买了该商品会影响到电子商务网站的转化率。本发明提供的上述方案能够根据用户最终购买商品与否的结果对设定阈值进行动态调整，进而调整用户购买某一商品的可能度与设定阈值的关系，改变商品是否加入购物车的概率，以实现对转化率的提高。
附图说明
图1是本发明一个实施例所述提高电子商务网站转化率的方法的流程图；
图2是本发明图1所示流程图中步骤s2的一个具体实现方式的方法的流程图；
图3是本发明图1所示流程图中步骤s2的另一个具体实现方式的方法的流程图；
图4是本发明图1所示流程图中步骤s2的又一个具体实现方式的方法的流程图；
图5是本发明图1所示流程图中步骤s3的一个具体实现方式的方法的流程图；
图6是本发明一个实施例所述商品浏览分布的直方图；
图7是本发明一个实施例所述提高电子商务网站转化率的系统的原理框图；
图8a至图8c是图7所示提高电子商务网站转化率的系统中的可能度获取单元的具体原理结构图；
图9是本发明另一个实施例所述提高电子商务网站转化率的系统的原理框图。
其中的附图标记为：
1-记录获取单元，2-可能度获取单元，201-特征信息获取子单元，202-样本获取子单元，203-训练集构建子单元，24-可能度获取子单元，211-平均间隔获取子单元，212-间隔获取子单元，221-平均次数获取子单元，222-次数获取子单元，3-判断单元，4-处理单元，5-阈值获取单元，51-浏览信息获取子单元，52-阈值设定子单元，6-结果获取单元，7-阈值调整单元。
具体实施方式
本发明所述的提高电子商务网站转化率的方法和系统，当用户在电子商务网站上进行商品浏览或者购买时便会自动运行。一般情况下，用户购买商品前都会对商品进行浏览，根据商品的详细情况结合自己的需求选择是否购买，在这个过程中，用户可能会对同一商品浏览多次之后才能确定是否购买当前商品。决定用户是否购买当前商品的因素很多，对于一些用户，即使当前商品符合自己的需求条件，也可能会产生犹豫，此时如果不进行干预，那么用户很可能就会放弃购买。而本发明提供的方案，能够根据用户的浏览记录和购买记录判断用户购买该商品的可能性，当购买可能性大时直接将该商品加入到购物车中，即使用户在浏览过程中放弃购买，当用户在购物车中看到该商品时，又增加其选择购买的可能性，从而提高电子商务网站的转化率。本发明提供的提高电子商 务网站转化率的系统，可以是运行于用户终端中的一个功能模块，该功能模块与电子商务网站同步运行，当利用用户终端打开电子商务网站进行购物时，该功能模块亦同时启动，在用户利用电子商务网站浏览商品的过程中运行提高电子商务网站转化率的方法，从而提高电子商务网站的转化率。
实施例1
本实施例提供一种提高电子商务网站转化率的方法，如图1所示，包括如下步骤：
s1：获取用户的浏览记录和购买记录；已有的电子商务网站都具有这一功能，可以直接根据用户的浏览日志和购买日志获得。其中的浏览记录和购买记录能够根据电子商务网站的统计要求和数据处理能力进行设定。例如可以设定根据用户的购买与浏览日志，得到用户浏览和购买三级品类商品的分布情况。记录用户浏览该三级品类商品的时间、浏览次数、购买时间等。
s2：根据所述浏览记录和所述购买记录，获取该用户购买当前商品的可能度；本步骤中的可能度是一个参照量，该参照量是根据用户浏览记录和购买记录客观得到的一个值，例如可以是根据浏览次数、浏览时间间隔、购买时间间隔等得到的一个值。
s3：判断该用户购买当前商品的可能度是否超过设定阈值，若是则进入步骤s4，否则进入步骤s5。本步骤中的设定阈值，是电子商务网站根据需求自行设定的。显然，如果希望将更多的商品加入到用户的购物车中，那么此处的设定阈值就要设定为较小的值，但是对于电子商务网站来说需要处理的数据量也会更大一些。
s4：将所述当前商品加入该用户的购物车，即当该用户购买当前商品的可能度超过设定阈值时，说明该用户购买该商品的可能性很大，将 该商品直接加入该用户的购物车，如果用户最终决定购买该商品，还可以省略该用户点击、浏览的操作过程，针对犹豫选择用户，会提高下单转化率和用户的惊喜度。
s5：根据用户的指令执行相应的操作。
上述方案，针对犹豫用户，能够分析用户购买商品的可能性，根据分析结果将用户很可能购买的商品直接加入购物车，提高犹豫用户购买该商品的几率，从而提高电子商务网站的转化率。另外，用户在购买某些商品时省略了浏览、点击的环节，可以给用户带来更好的体验。
作为一种可选的方案，如图2所示，上述步骤s2具体包括如下步骤：
s201：获取用户特征信息和商品特征信息，以及每一用户特征信息和每一商品特征信息对应的权重值。
s202：根据所述浏览记录和所述购买记录，针对每一用户特征信息和每一商品特征信息获取用户只浏览未购买商品的负样本。根据浏览日志与购买日志，对浏览日志去重，即可依据相应特征得到只浏览未购买的负样本。
s203：根据所述购买记录，针对每一用户特征信息和每一商品特征信息获取用户购买商品的正样本。
s204：根据所述负样本和所述正样本构建二分类的训练集，可以用逻辑回归模型对训练集进行训练，即可得到样本发生购买行为的概率。
s205：根据当前用户特征信息权重值和当前商品特征信息权重值，结合所述训练集，获取该用户购买当前商品的可能度。
在步骤s201中，所述用户特征信息可以包括：
(1)用户画像得到的特征
如是否有孩子、购物类型等。
(2)用户的统计特征
如用户对于每个三级品类商品的消费额、三级品类商品的投诉量、参与的好评、差评数，及每个三级品类商品对应的搜索词，其中搜索词可以从搜索至三级品类的搜索短词进行切词后过滤、归并处理。
(3)用户的行为特征
如用户对于每个三级品类商品的浏览产生时的时间，可按时段进行区别，如上午、中午、下午、晚上；也可按工作日或者非工作日区分；浏览时所在地点：如单位、家；浏览来源：如站外导流、个人搜索、推荐等；对于每一次浏览，按时间因子衰减浏览其它商品页面的完成值等等。
所述商品特征信息可以包括：
(1)商品基本特征
如商品价格、生产商、是否为第三方商家，是否搞促销、代表商品的关键词与评论词等会让用户有选择倾向的特征。
(2)商品统计特征
如按时间段(天、周、月、年等)统计的商品销量、好评次数、差评次数等。
在获取上述用户特征与商品特征后，结合用户的浏览记录与购买记录构建分类问题，用逻辑回归进行构建模型求解，得到每个特征对应的权重值。在所述步骤s205中，根据用户在最近某一时间段的浏览行为，得到由该用户特征信息和该用户浏览的当前商品的商品特征信息，获得该用户特征信息的权重值和当前商品信息的权重值，结合步骤s204中得 到的训练集，即可得到该用户浏览当前商品这一情景下，该用户购买当前商品的概率，并将其作为该用户购买当前商品的可能度。
作为另一种具体的方案，如图3所示，步骤s2可以包括：
s211:根据所述购买记录获取用户相邻两次购买当前商品的平均时间间隔，可以根据最近几次发生的购买行为进行统计得每相邻两次购买当前商品的时间间隔后求取平均值。作为一种简化的方式，本实施例中，可以根据用户购买日志，统计用户购买商品所属的三级品类与最邻近的上次购买物品所属三级品类(如果没有，则记注册时间)的时间戳，生成一个用户按三级品类时序购买的日志，如表1所示：
表1
根据表1可以得到，该用户购买手机的时间间隔为两个月一天，购买台灯的时间间隔为两个月二十天。
s212:根据所述购买记录和所述浏览记录获取用户本次浏览当前商品的浏览时间与用户最近一次购买该商品的时间间隔。
s213:根据所述时间间隔与所述平均时间间隔的比值获取该用户购买当前商品的可能度。设定该用户本次浏览台灯的时间为2015年12月18日，那么与最近一次购买台灯的时间间隔不到两个月，可以认为用户在 当前这个时间间隔内，购买台灯这一商品的可能性较低。如果设定该用户本次浏览台灯的时间为2016年2月18日，那么与最近一次购买台灯的时间间隔超过了四个月，相比于之前两次购买该商品的时间间隔超出了很多，可以认为用户在当前这个时间间隔内，购买台灯这一商品的可能性较高。那么可以将台灯这一商品直接加入购物车。
本实施例还提供一种具体的方案，如图4所示，步骤s2可以包括：
s221：根据所述购买记录和所述浏览记录获取用户在购买当前商品时间段内对当前商品的平均浏览次数。
根据用户购买日志，与用户的浏览日志做关联，统计该用户在每一三级品类下购买时间与上次购买时间段内所浏览的属于该三级品类的次数，如表2所示：
表2
根据表2所示，用户在购买手机这一商品时，浏览四次之后即执行了购买的操作。在购买台灯这一商品时，浏览了五次之后即执行了购买操作。
s222：根据所述浏览记录获取在本次设定购买时间段内，用户对当前商品的浏览次数。
s223：根据所述浏览次数与所述平均浏览次数的比值获取该用户购买当前商品的可能度。设定该用户本次浏览台灯的次数为9次，已经接近上次购买台灯时的浏览次数的二倍，那么可以认为该用户购买台灯这一商品的可能性非常大，那么可以将台灯这一商品直接加入购物车。
作为一种具体的方案，如图5所示，步骤s3中所述设定阈值采用以下方式获取：
s31：获取当前商品的浏览用户数以及每一用户的浏览次数；依据三级品类商品的浏览记录，得到每个三级品类商品浏览次数所对应人数的频率直方图如图6所示。
s32：根据当前商品的浏览用户数以及每一用户的浏览次数获取所述设定阈值。用非参概率分布对图6所示的直方图进行拟合，根据拟合结果设定一个阈值，则该三级品类下，用户浏览次数超过该阈值的即可认为存在潜在的购买可能性。根据图6可知，对于当前商品，有60人以上浏览次数为9，有70人以上的浏览次数为10，可以将浏览次数9设定为阈值，那么当用户对其浏览次数超过9次时，即可认为当前商品为用户很感兴趣的商品，购买的可能性非常大，直接将该商品加入到该用户的购物车中。
作为一种优选的方案，本实施例中在步骤s4之后，还包括以下步骤：
s6：获取预定周期内用户是否购买了购物车内的所述当前商品的结果。
s7：根据所述结果对所述设定阈值进行动态调整。如果大部分用户最终购买了所述当前商品，那么可以认为当前设定的阈值比较合理，而如果用户最终放弃了购买当前商品，则说明当前设定的阈值需要进行调整，可以将设定阈值适当降低。
虽然将用户很可能购买的商品加入了购物车，但是用户最终还是可能会放弃购买商品，而用户最终是否购买了该商品会影响到电子商务网站的转化率。本发明提供的上述方案能够根据用户最终购买商品与否的结果对设定阈值进行动态调整，进而调整用户购买某一商品的可能度与设定阈值的关系，改变商品是否加入购物车的概率，以实现对转化率的提高。
实施例2
本实施例提供一种提高电子商务网站转化率的系统，如图7所示，包括：
记录获取单元1，用于获取用户的浏览记录和购买记录；已有的电子商务网站都具有这一功能，可以直接根据用户的浏览日志和购买日志获得。其中的浏览记录和购买记录能够根据电子商务网站的统计要求和数据处理能力进行设定。例如可以设定根据用户的购买与浏览日志，得到用户浏览和购买三级品类商品的分布情况。记录用户浏览该三级品类商品的时间、浏览次数、购买时间等。
可能度获取单元2，用于根据所述浏览记录和所述购买记录，获取该用户购买当前商品的可能度；可能度是一个参照量，该参照量是根据用户浏览记录和购买记录客观得到的一个值，例如可以是根据浏览次数、浏览时间间隔、购买时间间隔等得到的一个值。
判断单元3，用于判断该用户购买当前商品的可能度是否超过设定阈值；设定阈值，是电子商务网站根据需求自行设定的。显然，如果希望将更多的商品加入到用户的购物车中，那么此处的设定阈值就要设定为较小的值，但是对于电子商务网站来说需要处理的数据量也会更大一些。
处理单元4，用于在所述判断单元的判断结果为是时，将所述当前商品加入该用户的购物车。即当该用户购买当前商品的可能度超过设定阈 值时，说明该用户购买该商品的可能性很大，将该商品直接加入该用户的购物车，如果用户最终决定购买该商品，还可以省略该用户点击、浏览的操作过程，针对犹豫选择用户，会提高下单转化率和用户的惊喜度。
作为一种可选的方案，如图8a所示，所述可能度获取单元2包括：
特征信息获取子单元201，用于获取用户特征信息和商品特征信息，以及每一用户特征信息和每一商品特征信息对应的权重值。其中，用户特征信息和商品特征信息包括实施例1中所提供的特征信息。
样本获取子单元202，用于根据所述浏览记录和所述购买记录，针对每一用户特征信息和每一商品特征信息获取用户只浏览未购买商品的负样本；还用于根据所述购买记录，针对每一用户特征信息和每一商品特征信息获取用户购买商品的正样本；
训练集构建子单元203，用于根据所述负样本和所述正样本构建二分类的训练集，可以用逻辑回归模型对训练集进行训练，即可得到样本发生购买行为的概率。
可能度获取子单元24，用于根据当前用户特征信息权重值和当前商品特征信息权重值，结合所述训练集，获取该用户购买当前商品的可能度。在获取上述用户特征与商品特征后，结合用户的浏览记录与购买记录构建分类问题，用逻辑回归进行构建模型求解，得到每个特征对应的权重值。根据用户在最近某一时间段的浏览行为，得到由该用户特征信息和该用户浏览的当前商品的商品特征信息，获得该用户特征信息的权重值和当前商品信息的权重值，结合步骤s204中得到的训练集，即可得到该用户浏览当前商品这一情景下，该用户购买当前商品的概率，将其作为该用户购买当前商品的可能度。
作为另一种具体的方案，如图8b所示，所述可能度获取单元2包括：
平均间隔获取子单元211，用于根据所述购买记录获取用户相邻两次购买当前商品的平均时间间隔；可以根据最近几次发生的购买行为进行统计得每相邻两次购买当前商品的时间间隔后求取平均值。作为一种简化的方式，本实施例中，可以根据用户购买日志，统计用户购买商品所属的三级品类与最邻近的上次购买物品所属三级品类(如果没有，则记注册时间)的时间戳，生成一个用户按三级品类时序购买的日志。
间隔获取子单元212，用于根据所述购买记录和所述浏览记录获取用户本次浏览当前商品的浏览时间与用户最近一次购买该商品的时间间隔。
可能度获取子单元24，用于根据所述时间间隔与所述平均时间间隔的比值获取该用户购买当前商品的可能度。
结合表1可知，用户购买手机的时间间隔为两个月一天，购买台灯的时间间隔为两个月二十天。设定该用户本次浏览台灯的时间为2015年12月18日，那么与最近一次购买台灯的时间间隔不到两个月，可以认为用户在当前这个时间间隔内，购买台灯这一商品的可能性较低。如果设定该用户本次浏览台灯的时间为2016年2月18日，那么与最近一次购买台灯的时间间隔超过了四个月，相比于之前两次购买该商品的时间间隔超出了很多，可以认为用户在当前这个时间间隔内，购买台灯这一商品的可能性较高。那么可以将台灯这一商品直接加入购物车。
本实施例还提供一种具体的方案，如图8c所示，可能度获取单元2包括：
平均次数获取子单元221，用于根据所述购买记录和所述浏览记录获取用户在购买当前商品时间段内对当前商品的平均浏览次数；根据用户购买日志，与用户的浏览日志做关联，统计该用户在每一三级品类下购买时间与上次购买时间段内所浏览的属于该三级品类的次数
次数获取子单元222，用于根据所述浏览记录获取在本次设定购买时间段内，用户对当前商品的浏览次数。
可能度获取子单元24，用于根据所述浏览次数与所述平均浏览次数的比值获取该用户购买当前商品的可能度。
结合表2可知，用户在购买手机这一商品时，浏览四次之后即执行了购买的操作。在购买台灯这一商品时，浏览了五次之后即执行了购买操作。设定该用户本次浏览台灯的次数为9次，已经接近上次购买台灯时的浏览次数的二倍，那么可以认为该用户购买台灯这一商品的可能性非常大，那么可以将台灯这一商品直接加入购物车。
作为一种具体的方案，如图9所示，提高电子商务网站转化率的系统还包括阈值获取单元，所述阈值获取单元5包括：
浏览信息获取子单元51，用于获取当前商品的浏览用户数以及每一用户的浏览次数，依据三级品类商品的浏览记录，得到每个三级品类商品浏览次数所对应人数的频率直方图如图6所示。
阈值设定子单元52，用于根据当前商品的浏览用户数以及每一用户的浏览次数获取所述设定阈值。根据图6可知，对于当前商品，有60人以上浏览次数为9，有70人以上的浏览次数为10，可以将浏览次数9设定为阈值，那么当用户对其浏览次数超过9次时，即可认为当前商品为用户很感兴趣的商品，购买的可能性非常大，直接将该商品加入到该用户的购物车中。
作为一种优选的方案，如图9，提高电子商务网站转化率的系统还包括：
结果获取单元6，用于获取预定周期内用户是否购买了购物车内的所述当前商品的结果。
阈值调整单元7，用于根据所述结果对所述设定阈值进行动态调整。
如果大部分用户最终购买了所述当前商品，那么可以认为当前设定的阈值比较合理，而如果用户最终放弃了购买当前商品，则说明当前设定的阈值需要进行调整，可以将设定阈值适当降低。
虽然将用户很可能购买的商品加入了购物车，但是用户最终还是可能会放弃购买商品，而用户最终是否购买了该商品会影响到电子商务网站的转化率。本发明提供的上述方案能够根据用户最终购买商品与否的结果对设定阈值进行动态调整，进而调整用户购买某一商品的可能度与设定阈值的关系，改变商品是否加入购物车的概率，以实现对转化率的提高。
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、或计算机程序产品。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)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机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。可提供这些计算机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。
这些计算机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。
这些计算机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。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。