[发明专利]网购引导装置及方法

说明书

技术领域

本发明涉及一种网购引导装置，特别是涉及一种网购引导装置以及一种利用该网购引导装置实现的网购引导方法。

背景技术

随着计算机和网络技术的进步，人们已经可以很方便地利用B2C(Business-to-Customer，商家对顾客)网站来购买各种商品。而随着网购这一购物手段的不断普及以及B2C网站的不断发展壮大，很多B2C网站已经不再满足于单纯地向顾客展示商品以供他们浏览、搜索或者购买，而是开始尝试进一步地向顾客进行商品推荐，以期增加商品的销售数量。

目前的B2C网站通常都是基于商品的自身属性来进行商品推荐的。所谓商品的自身属性，一般包括该商品所属的商品分类、该商品的品牌、该商品的重量以及该商品的价格等等。这样的商品推荐方式虽然简单便捷，并且能够较好地为顾客提供更多的商品选择，但是却往往无法增加顾客的商品购买数量。

例如，顾客购买了一袋食盐，此时现有的商品推荐系统便会进一步地把不同品牌的不同包装规格的食盐展示出来供顾客选择，但是绝大部分顾客即使看到了各种食盐的商品推荐，在此后需要购买食盐时却仍然仅会按照原计划购买一袋食盐。因此这样的商品推荐方式显然难以增加商品的销售数量。

发明内容

本发明要解决的技术问题是为了克服现有技术中的商品推荐方式虽然能够为用户提供更多的商品选择，但是却难以增加商品的销售数量的缺陷，提供一种不但能够为用户提供更多的商品选择，还能够同时有效地增加商品的销售数量的网购引导装置以及一种利用该网购引导装置实现的网购引导方法。

本发明是通过下述技术方案来解决上述技术问题的：一种网购引导装置，其特点在于，其包括：

一信息采集模块，用于针对每个用户采集与提高该用户购买的商品总量相关的多个影响因子；

一商品推荐模块，用于针对不同的商品分类分别采用该多个影响因子中的部分或全部影响因子，并基于被采用的每个影响因子与提高该用户购买的商品总量之间的关联性向用户推荐商品。

对于不同的用户而言，与提高他们购买的商品总量相关的影响因子无论是种类还是具体的数据内容都会有所差异，因此采集影响因子的操作需要针对不同的用户分别进行。

而对于不同的商品分类而言，在推荐商品时需要采用的影响因子也是有所差异的，因此推荐商品的操作同样需要针对不同的商品分类分别进行。

其中，该影响因子选自：用户的个人信息、商品的自身属性、用户的购买偏好、用户的浏览偏好、用户的搜索偏好以及商品与商品之间的关联属性。

用户的个人信息可以包括性别以及年龄等等。商品的自身属性可以包括该商品所属的商品分类、该商品的品牌、该商品的重量以及该商品的价格等等。用户的购买偏好、浏览偏好以及搜索偏好则可以分别从该用户的购买历史数据、浏览历史数据以及搜索历史数据中采用现有的数据挖掘技术挖掘获得，其中，所谓“偏好”(既包括上文中出现的“偏好”，也包括下文中将提及的“偏好”)指的是将用户的购买历史数据、浏览历史数据以及搜索历史数据中的商品以一定的权重比例考虑了其购买次数和频率、浏览次数和频率以及搜索次数和频率之后分析获得的用户最趋向于购买、浏览以及搜索的商品分类信息以及商品信息。而商品与商品之间的关联属性则可以从商品所属的商品分类下的公知常识中获得。

其中，针对食材分类，采用的影响因子为用户的个人信息、用户的购买偏好、用户的浏览偏好、用户的搜索偏好以及食材与食材之间的关联属性。

在针对食材分类时不将食材的自身属性作为影响因子纳入考虑是因为：食材的自身属性虽然有利于向用户提供更多的食材选择，但是却无益于提高用户购买的食材总量。

较佳地，针对食材分类，该商品推荐模块用于基于用户的个人信息、用户的购买偏好、用户的浏览偏好、用户的搜索偏好以及食材与食材之间的关联属性分析获得用户的菜肴偏好，并向用户推荐与该菜肴偏好相关的菜谱和/或该菜谱中的食材。

分析获得用户的菜肴偏好以及向用户推荐菜谱和/或菜谱中的其它食材的过程中所需的菜谱数据均可以直接采用食材分类下的公知菜谱数据。

本发明还提供了一种网购引导方法，其特点在于，其利用上述的网购引导装置实现，该网购引导方法包括：

S1、针对每个用户采集与提高该用户购买的商品总量相关的多个影响因子；

S2、针对不同的商品分类分别采用该多个影响因子中的部分或全部影响因子，并基于被采用的每个影响因子与提高该用户购买的商品总量之间的关联性向用户推荐商品。