一种基于转化率的操作执行方法及装置的制造方法
【技术领域】
[0001] 本申请涉及计算机技术领域，尤其涉及一种基于转化率的操作执行方法及装置。
【背景技术】
[0002] 针对信息搜索领域而言，当引入"商品针对人群的转化率"作为影响搜索结果排序 方式的因素后，采用相同搜索关键词的不同用户往往会得到按照不同排序方式排列的搜索 结果。其中，商品针对人群的转化率，是指人群在单位时间内对于商品的购买量与对于商品 的浏览量的比值。
[0003] W分属人群"高级白领"和"学生"的两个用户为例，当送两个用户分别采用搜索关 键词"T恤"搜索商品信息时，若W"T恤"送一商品分别针对送两个人群的转化率作为影响 搜索结果排序方式的一个因素，则送两个用户往往会得到按照不同排序方式排列的各种"T 恤"的信息。
[0004] 上述搜索方式的优点在于，能够使搜索结果的排序方式更贴近用户真实的搜索需 求，让搜索更懂用户；缺陷在于，现有技术中，商品针对人群的转化率往往是通过对大量历 史数据的离线处理得到的，在用户对于商品信息的搜索过程中，该转化率往往不会随着用 户所属人群针对商品信息的访问情况的变化而发生变化，因此，当用户所属人群对于商品 的购买情况发生变化时，可能会出现根据该转化率得到的搜索结果的排序方式与用户需求 不匹配的问题。
[0005] 需要说明的是，根据商品针对人群的转化率的值，除了可W实现对于搜索结果的 排序外，还可W执行其他一些特定操作，比如根据该转化率的值判断是否向用户提供商品 等。与前文所述的问题类似，由于该转化率的值往往不会随着用户所属人群针对商品信息 的访问情况的变化而发生变化，从而基于该转化率的值执行的特定操作的操作结果可能会 存在准确性较差的问题。
【发明内容】
[0006] 本申请实施例提供一种基于转化率的操作执行方法，用W解决现有技术中基于商 品针对人群的转化率的值执行特定操作时，得到的操作结果准确性较差的问题。
[0007] 本申请实施例还提供一种基于转化率的操作执行装置，用W解决现有技术中基于 商品针对人群的转化率的值执行特定操作时，得到的操作结果准确性较差的问题。
[0008] 本申请实施例采用下述技术方案：
[0009] -种基于转化率的操作执行方法，包括：确定商品针对用户所属人群的转化率预 估模型；根据属于所述人群的用户对于所述商品的商品信息的访问日志，对所述转化率预 估模型进行修正，得到修正后的转化率预估模型；利用修正后的转化率预估模型，预测所述 商品针对所述用户所属人群的转化率的值；根据预测出的所述商品针对所述用户所属人群 的转化率的值，执行特定操作。
[0010] 一种基于转化率的操作执行装置，包括：模型确定单元，用于确定商品针对用户所 属人群的转化率预估模型；修正单元，用于根据属于所述人群的用户对于所述商品的商品 信息的访问日志，对模型确定单元确定的转化率预估模型进行修正，得到修正后的转化率 预估模型；预测单元，用于利用修正单元修正后的转化率预估模型，预测所述商品针对所述 用户所属人群的转化率的值；操作执行单元，用于根据预测单元预测出的所述商品针对所 述用户所属人群的转化率的值，执行特定操作。
[0011] 本申请实施例采用的上述至少一个技术方案能够达到W下有益效果：
[0012] 由于可W支持根据人群对于商品信息的访问日志，对商品针对该人群的转化率预 估模型进行修正，并利用修正后的转化率预估模型，预测商品针对用户所属人群的转化率 的值，因此可W使得预测出的转化率的值随着人群针对商品信息的访问情况的变化而发生 变化，进而使得基于该转化率的值执行的特定操作的操作结果准确性较高。
【附图说明】
[0013] 此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申 请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0014] 图1为本申请实施例1提供的一种基于转化率的操作执行方法的具体实现流程 图；
[0015]图2为用于实现实施例2提供的商品信息的排序方法的系统结构示意图；
[0016] 图3为本申请实施例2提供的商品信息的排序方法的实现流程示意图；
[0017]图4为本申请实施例3提供的一种基于转化率的操作执行装置的具体结构示意 图。
【具体实施方式】
[0018]为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及 相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一 部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做 出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0019]W下结合附图，详细说明本申请各实施例提供的技术方案。
[0020] 实施例1
[0021] 为了解决现有技术中基于商品针对人群的转化率的值执行特定操作时，得到的操 作结果准确性较差的问题，实施例1提供一种基于转化率的操作执行方法，该方法的具体 实现流程图如图1所示，主要包括下述步骤：
[0022] 步骤11，确定商品针对用户所属人群的转化率预估模型。
[0023] 其中，商品针对用户所属人群的转化率预估模型为用于预测"商品针对用户所属 人群的转化率的值"的模型。
[0024]W"T恤"送一商品为例，针对不同人群，可W有不同的转化率预估模型。
[002引比如，"T恤"针对"学生"送一人群，可W有一个转化率预估模型，该模型用于预测 对"T恤"的商品信息进行了访问、且归属于"学生"送一人群的用户中，会有多少用户会购 买"T恤"。类似地，"T恤"针对"白领"送一人群，也可W有一个转化率预估模型，该模型用 于预测对"T恤"的商品信息进行了访问、且归属于"白领"送一人群的用户中，会有多少用 户会购买"Τ恤"。
[0026] 本申请实施例中，若已经预先设置了不同商品针对不同人群的转化率预估模型， 则步骤11的具体实现方式可W包括：确定用户所属人群的信息；根据商品的标识和用户所 属人群的信息，确定商品针对用户所属人群的转化率预估模型。比如，可W根据用户所属人 群的信息，W及商品的标识，对预先设置的转化率预估模型进行查询，W获得与用户所属人 群的信息W及商品的标识均匹配的转化率预估模型。
[0027] 本申请实施例中，上述用户所属人群的信息可W是根据用户的属性信息确定的， 而用户的属性信息则可W是根据访问日志确定出的。其中，用户的属性信息可W包括但不 限于用户的性别、用户的商品属性偏好、用户的购买能力或用户所处的地理位置等。其中， 商品属性偏好用于表示用户偏爱的商品属性的属性值。商品属性往往包括商品的品牌和/ 或巧品的价格等等。
[0028] 由于可W采用现有技术实现根据访问日志确定用户的属性信息，因此本申请实施 例对此不再赏述。W下着重介绍一种根据用户的属性信息确定用户所属人群的信息的方 式，该方式包括下述子步骤：
[0029] 子步骤a;根据用户的属性信息，确定用户的用户属性特征向量；
[0030] 其中，用户属性特征向量可W是对用户的各属性信息进行量化后，对各量化值进 行组合而得到的。
[0031] 子步骤b;通过比较人群类别的聚类中必与确定的用户属性特征向量，确定各聚 类中必与确定的用户属性特征向量的相似度；
[0032] 其中，所述人群类别是对多个用户的属性信息特征向量进行聚类而获得的。
[003引子步骤C;根据各聚类中必与确定的用户属性特征向量的相似度，确定用户所属 人群的信息。
[0034] -般地，可W将与确定的用户属性特征向量的相似度最大的聚类中必所属的人群 类别，确定为用户所属人群。
[0035] 步骤12,根据属于人群的用户对于所述商品的商品信息的访问日志，对转化率预 估模型进行修正，得到修正后的转化率预估模型。
[0036] 本申请实施例中，对于转化率预估模型的修正方式可W比较灵活，且采用什么样 的修正方式往往取决于实际所使用的转化率预估模型。
[0037] 举例而言，若下述假设成立：
[0038] 通过执行步骤11确定出的某商品针对某人群的转化率预估模型是一种映射关 系；
[0039] 具备该映射关系的一方是"该人群中的10000个用户在单位时长内对于该商品的 购买量的值"送一特征和送一特征的权重值"1 "，另一方是"该商品针对该人群的转化率的 值"；
[0040] 上述权重值是基于"该人群中的10000个用户在单位时长内对于该商品的购买量 的值为10"送一统计信息确定出的；
[0041] 具备该映射关系的两方是正相关关系。
[0042] 郝么，假设根据10000个该人群中的用户在的单位时长内对于该商品的商品信息 的访问日志，确定出送10000个用户在单位时长内对于该商品的实际购买量的值为2,则可 W将上述权重值"1"修正为"0. 2"，从而使得相对于利用未修正的映射关系确定出的转化 率的值而言，后续利用修正后的映射关系（即修正后的转化率预估模型）确定出的转化率 的值会比较小。
[0043] 步骤13,利用修正后的转化率预估模型，预测商品针对用户所属人群的转化率的 值。
[0044] 仍然W前文所述的实例为例，若将某商品针对某人群的转化率预估模型修正为 "该人群中的10000个用户在单位时长内对于该商品信息的购买量为20"和"该商品针对该 人群的转化率的值为0. 02"的映射关系。则可W根据该模型，可W预测该商品针对该人群 的转化率的值为0.02。
[0045] 步骤14,根据预测出的商品针对用户所属人群的转化率的值，执行特定操作。
[0046] 本申请实施例中，特定操作可W包括但不限于下述操作中的一种或多种：
[0047] 确定商品信息在商品信息列表页面中的排列位置；
[0048] 提供巧品倍息；
[0049] 确定商品信息的热度。
[0050] 特别地，当特定操作包括确定商品信息在商品信息列表页面中的排列位置时，步 骤14的实现过程可W包括；根据第一权重值、第二权重值，W及预测出的商品针对用户所 属人群的转化率的值，确定商品信息在商品信息列表页面中的排列位置。其中，第一权重值 是根据商品信息的商品属性信息和用户的用户属性信息确定的；第二权重值是根据商品信 息的商品属性信息和用户所属人群的信息确定的。
[0051] 本申请实施例中，确定第一权重值的方式可W是：根据商品属性信息和用户属性 信息，查找预先设置的商品属性信息、用户属性信息和第一权重值的映射关系。该映射关系 可W是采用机器学习模型（比如LogisticRegression模型），对大量的离线数据进行训练 而得