一种基于大数据的装修选品智能排序方法与流程

本发明涉及大数据下的装修选品搜索匹配技术领域，尤其涉及一种基于大数据的装修选品智能排序方法。

背景技术：

随着科技的进步及发展，在硬装和软装行业，现今很多家装销售人员都是通过移动设备对顾客进行商品介绍和商品挑选，而目前现有网站和app上的家具装修商品展示排序比较单一。一方面，现有网站和app上通常只能根据商品的品牌、价格以及热度进行排序，无法实现智能排序；另一方面，线上商品琳琅满目，种类繁多，在两方面综合因素的制约下，顾客在商品挑选的过程中，经常会对家具品牌的选择和家具风格的搭配举棋不定或根本无从下手，浪费较多时间。

再者，从另一个角度而言，虽然目前现有的网站和app能够做到自定义式的搜索和匹配，但是其都是基于顾客的个体喜好和看法而进行的搜索匹配，会因顾客错误的选择而造成风格不搭的情况。对于毛坯房的全套式装修而已，在选购全套家具和装饰材料之初，选品的整体风格的把握以及品牌等可以把控做到初步的协调统一。而对于已经完成部分装修或者后期重新布置装修以及后期增加家装家具等情况而言，新增家具的风格和品牌怎样与原整体的装修实现协调统一就成为一个突出的问题。

根据调查数据得知，相当多的顾客在选购新增家具时都是根据现有网站或app上推送的产品来购买，或者在家具城受导购员的欺骗式误导来购买，新增家具的选购具有极强的随意性。因现有网站以及一些app的技术局限，以及家具城导购员对顾客本身房屋内家具风格和品牌的不了解而对顾客造成的误导，顾客选择的家具跟其室内已有的家具相比，风格往往存在有差异，显得较为突兀，缺乏协调和美感。同时，现有的技术也不能做到针对室内不同装修风格的空间分别推送对应装修风格的家具，依靠个体的判断和选择仍是主流，这对具有选择困难症的顾客而言尤其浪费时间和精力。

技术实现要素：

为解决上述的技术问题，本发明提供了一种基于大数据的装修选品智能排序方法，通过大数据的分析以及基于现有家具清单的解析，本发明提出的方法可对商品进行智能排序，减少和避免顾客在装修选品时的选择困难和选择错误。

本发明实现上述技术效果所采用的技术方案是：

一种基于大数据的装修选品智能排序方法，包括以下步骤：

s1、客户端将包含有至少两个商品属性的当前已选商品的清单上传至服务器；

s2、所述服务器将该已选商品的清单解析，通过智能分析后分别得出该已选商品的两个所述商品属性的排列顺序，并将当前待选商品的相应商品属性与得出的该已选商品的排序结果进行匹配，获得基于该相应商品属性的该当前待选商品的增序排列结果；

s3、所述服务器将该当前待选商品的增序排列结果以被动请求方式/主动推送方式发送至所述客户端显示。

进一步地，所述服务器包括解析模块、匹配模块和数据模块，所述客户端包括上传模块、排序解析模块和显示模块，所述上传模块与所述解析模块连接，所述解析模块与所述匹配模块连接，所述匹配模块与所述排序解析模块连接，所述排序解析模块与所述显示模块连接，所述匹配模块与所述数据模块双向连接。

进一步地，所述客户端通过所述上传模块将所述清单上传至所述服务器的所述解析模块，所述服务器通过所述解析模块将所述清单进行解析，然后通过所述匹配模块中的智能匹配模块与所述数据模块中的搭配数据进行智能匹配并排序，所述匹配模块完成匹配后，将排序数据回传至所述客户端的所述显示模块进行排序显示。

进一步地，在所述步骤s1中，所述已选商品的两个所述商品属性分别为该已选商品的品牌属性和该已选商品的风格属性。

进一步地，在所述步骤s1中，还包括所述已选商品被安置所在的空间对应的装修空间属性。

进一步地，于所述步骤s2中，所述的排序结果按照不同的装修空间进行分区显示。

进一步地，所述步骤s2还包括以下步骤：

s201、所述服务器将所述已选商品的清单进行解析并计算当前的所述清单中的商品的品牌属性占比和风格属性占比，并将所述清单中占比最高的风格属性和品牌属性进行保存；

s202、所述服务器将与当前待选商品的同类商品按风格属性和品牌属性与现有热门的搭配数据进行匹配，然后将该类商品根据使用量从高至低进行排序；

s203、所述服务器将步骤s202中取得的排序数据发送给所述客户端，所述客户端根据该排序数据进行商品排序显示。

进一步地，所述数据模块中的搭配数据来自成功下单的搭配数据及设计师预先设置的搭配数据。

进一步地，所述数据模块中的搭配数据来自网页抓取的数据。

进一步地，所述智能匹配模块的匹配规则为：

1)计算当前已选商品的清单中的风格属性占比和品牌属性占比，取得占比最高的风格属性和品牌属性；

2)所述服务器将该类商品的风格属性和品牌属性与现有热门的搭配数据进行匹配，将该类商品根据使用量从高至低进行排序。

本发明的有益效果是：本发明基于大数据的分析，可进行商品的智能排序，减少了用户在装修选品时的选择困难和选择错误。通过已选商品的清单解析，可针对室内不同装修风格的空间分别推送对应装修风格的家具，具有较强的针对性，可以协助顾客做到装修风格的灵活统一。

附图说明

图1为本发明施例一的流程图；

图2为本发明施例一的模块结构图；

图3为本发明施例二的步骤s2的细化流程图；

图4为本发明施例二的智能匹配模块与数据模块协同匹配排序原理框图；

图5为本发明实施例二提供的包含有品牌、风格两重属性的当前已选商品的清单；

图6为本发明实施例二提供的服务器解析生成的匹配数据；

图7为本发明实施例三提供的包含有品牌、风格、装修空间三重属性的当前已选商品的清单；

图8为本发明实施例三提供的服务器解析生成的匹配数据；

图9为本发明的当前待选商品沙发在客户端上的排序界面图。

具体实施方式

为了对本发明作出更加清楚完整地说明，下面结合附图和本发明的具体实施例对本发明的技术方案作出进一步说明。

实施例一：

如图1和图2所示，本发明提出的一种基于大数据的装修选品智能排序方法，该方法包括以下步骤：

步骤s1、客户端将包含有至少两个商品属性的当前已选商品的清单上传至服务器；

步骤s2、所述服务器将该已选商品的清单解析，通过智能分析后分别得出该已选商品的两个所述商品属性的排列顺序，并将当前待选商品的相应商品属性与得出的该已选商品的排序结果进行匹配，获得基于该相应商品属性的该当前待选商品的增序排列结果；

步骤s3、所述服务器将该当前待选商品的增序排列结果以被动请求方式/主动推送方式发送至所述客户端显示。

其中，服务器包括解析模块、匹配模块和数据模块，客户端包括上传模块、排序解析模块和显示模块。上传模块与解析模块连接，解析模块与匹配模块连接，匹配模块与排序解析模块连接，排序解析模块与显示模块连接，匹配模块与数据模块双向连接。客户端通过上传模块将清单上传至服务器的所述解析模块，服务器通过解析模块将清单进行解析，然后通过匹配模块中的智能匹配模块与数据模块中的搭配数据进行智能匹配并排序，匹配模块完成匹配后，将排序数据回传至客户端的显示模块进行排序显示。如图9所示，当前待选商品以沙发为例，经过数据解析和数据模块内的大数据匹配后，同类的沙发优化选品方案在客户端上的排序如该图9的界面图所示。

优选地，数据模块中的搭配数据来自成功下单的搭配数据及设计师预先设置的搭配数据，或者也可以来自网页抓取的数据，以及上述方式的组合。成功下单的搭配数据包括由各既往客户购买选择的搭配方案，其作为成功案例样本补充到数据模块中，以及设计师预先设置存储在数据模块中的搭配方案，两方面的数据来源保证了数据模块中的样本库具有丰富的优秀搭配方案。作为其他的补充方式，数据模块中的搭配数据还可以来自于网页抓取的数据。具体的是从一些用户量多，设计师入驻多的优秀家装线上平台或者家装设计师论坛或者家装设计师网站抓取点赞较多，好评较多以及评论较好的搭配方案。通过既往客户购买选择的搭配方案、设计师预先设置存储的搭配方案以及网上抓取的搭配方案，数据模块中的样本库可以存储丰富海量的优秀搭配方案数据，在这些优秀搭配方案数据的支撑下，当前待选商品的匹配度可以达到更高的水平，与原有家具的匹配性可以更加协调统一。

本发明通过对清单的解析并结合大量数据的匹配，可对商品的特定属性进行商品的智能排序，为用户提供属性相符，和谐统一的匹配组合，减少了用户在装修选品时的选择困难和选择错误。

实施例二：

下面结合图1至图6所示，本发明提出的一种基于大数据的装修选品智能排序方法，该方法包括以下步骤：

步骤s1、客户端将包含有风格属性和品牌属性的当前已选商品的清单上传至服务器，如图5所示，按照风格和品牌将当前已有商品的这两种属性进行列表。

步骤s2、如图6所示，服务器将该已选商品的清单解析，通过智能分析后分别得出该已选商品的风格属性和品牌属性的排列顺序，并将当前待选商品的相应商品属性与得出的该已选商品的排序结果进行匹配，获得基于该相应商品属性的该当前待选商品的增序排列结果；

步骤s3、所述服务器将该当前待选商品的增序排列结果以被动请求方式/主动推送方式发送至所述客户端显示。具体的，如图9所示，当前待选商品以沙发为例，经过数据解析和数据模块内的大数据匹配后，同类的沙发优化选品方案在客户端上的排序如该图9的界面图所示。

具体的，步骤s2还包括以下步骤：

s201、服务器将已选商品的清单进行解析并计算当前的清单中的商品的品牌属性占比和风格属性占比，并将清单中占比最高的风格属性和品牌属性进行保存；

s202、服务器将与当前待选商品的同类商品按风格属性和品牌属性与现有热门的搭配数据进行匹配，然后将该类商品根据使用量从高至低进行排序；

s203、服务器将步骤s202中取得的排序数据发送给客户端，客户端根据该排序数据进行商品排序显示。

其中，服务器包括解析模块、匹配模块和数据模块，客户端包括上传模块、排序解析模块和显示模块。上传模块与解析模块连接，解析模块与匹配模块连接，匹配模块与排序解析模块连接，排序解析模块与显示模块连接，匹配模块与数据模块双向连接。客户端通过上传模块将清单上传至服务器的所述解析模块，服务器通过解析模块将清单进行解析，然后通过匹配模块中的智能匹配模块与数据模块中的搭配数据进行智能匹配并排序，匹配模块完成匹配后，将排序数据回传至客户端的显示模块进行排序显示。

数据模块中的搭配数据来自成功下单的搭配数据及设计师预先设置的搭配数据，或者也可以来自网页抓取的数据，以及上述方式的组合。成功下单的搭配数据包括由各既往客户购买选择的搭配方案，其作为成功案例样本补充到数据模块中，以及设计师预先设置存储在数据模块中的搭配方案，两方面的数据来源保证了数据模块中的样本库具有丰富的优秀搭配方案。作为其他的补充方式，数据模块中的搭配数据还可以来自于网页抓取的数据。具体的是从一些用户量多，设计师入驻多的优秀家装线上平台或者家装设计师论坛或者家装设计师网站抓取点赞较多，好评较多以及评论较好的搭配方案。通过既往客户购买选择的搭配方案、设计师预先设置存储的搭配方案以及网上抓取的搭配方案，数据模块中的样本库可以存储丰富海量的优秀搭配方案数据，在这些优秀搭配方案数据的支撑下，当前待选商品的匹配度可以达到更高的水平，与原有家具的匹配性可以更加协调统一。

智能匹配模块具体的匹配规则为：

1)风格属性占比核算单元和品牌占比核算单元分别计算当前已选商品的清单中的风格属性占比和品牌属性占比，取得占比最高的风格属性和品牌属性；

2)服务器将该类商品的风格属性和品牌属性与现有热门的搭配数据进行匹配，将该类商品根据使用量从高至低进行排序。

其中，如图4所示，智能匹配模块包括有风格属性占比核算单元和品牌占比核算单元，在清单导入解析后，风格属性占比核算单元计算出清单中的各类商品的不同风格属性的各自占比，品牌占比核算单元计算出清单中的各类商品的不同品牌属性的各自占比，并分别得出各自最高占比的属性，然后根据数据模块中存储的搭配使用率较高的搭配数据来进行匹配，根据该占比最高的属性来关联搭配率较高的商品作为待选推荐。如图5所示，清单中多种类型的27项家具总共有“美式”和“现代”两种风格属性，以及“顾家”、“宜家”、“丽豪”三种品牌属性。解析后如图6所示，清单中家具总量是27，其中“现代”风格属性的家具数是19，“美式”风格属性的家具数是8，那么风格属性占比核算单元计算出的该27项已选商品的“现代”风格属性占比是19/27，“美式”风格属性占比是8/27，依照占比最高规则，智能匹配模块将“现代”风格属性存储起来，数据模块中存储的搭配使用率较高的同类型的同类商品的搭配数据与“现代”风格属性建立一对多的映射关系，同时按照搭配使用率的高低进行降序排列。同理，品牌属性的排序规则与风格属性的排序规则一致，此处不再赘述。

实施例三：

如图1至图4，以及图7和图8所示，实施例三在实施例二的基础上增加的区别技术特征为，当前已选商品的清单数据中还包括该当前已选商品被安置所在的空间对应的装修空间属性。具体如图7所示，清单中的属性包括有空间、风格和品牌三重属性。在步骤s2中，排序结果按照不同的装修空间进行分区显示，每一分区中再对风格属性和品牌属性进行最高占比的计算。具体的，如图8所示，解析生成的数据按照图7中清单的三个空间(客餐厅、卧室、书房)进行分区生成，其中各区的风格属性和品牌属性同步生成在相应的分区中，为用户提供了针对不同空间的搭配参考建议，做到了智能匹配的灵活与统一。具体的，如图9所示，当前待选商品以沙发为例，经过数据解析和数据模块内的大数据匹配后，同类的沙发优化选品方案在客户端上的排序如该图9的界面图所示。

本发明基于大数据的分析，可进行商品的智能排序，减少了用户在装修选品时的选择困难和选择错误。通过已选商品的清单解析，可针对室内不同装修风格的空间分别推送对应装修风格的家具，具有较强的针对性，可以协助顾客做到装修风格的灵活统一。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。