[发明专利]一种基于大数据的产品智能推荐方法及系统

说明书

本发明实施例涉及产品推荐技术领域，具体公开了一种基于大数据的产品智能推荐方法及系统。本发明实施例通过获取用户的特征数据和身份信息，并对用户进行跟踪记录，获取用户进入的多个店面名称、对应的进入时间和对应的进入时长；累加每个线上品牌对应的多个进入时长，得到品牌光顾时长数据；对多个进入时间进行分析，得到品牌光顾时间数据；进行品牌推荐规划，生成季节性品牌推荐信息，并进行产品推荐规划，生成季节性产品推荐信息。能够对线下购物的用户进行跟踪记录，根据用户线下的购物光顾信息进行品牌推荐规划和产品推荐规划，生成季节性产品推荐信息，实现用户线上线下产品需求信息的共同使用，从而更好的向用户推荐真实需求的产品。

技术领域

本发明属于产品推荐技术领域，尤其涉及一种基于大数据的产品智能推荐方法及系统。

背景技术

产品是指被人们使用和消费，并能满足人们某种需求的任何东西，包括有形的物品、无形的服务、组织、观念或它们的组合。产品一般可以分为五个层次，即核心产品、基本产品、期望产品、附加产品、潜在产品。核心产品是指整体产品提供给购买者的直接利益和效用；基本产品即是核心产品的宏观化；期望产品是指顾客在购买产品时，一般会期望得到的一组特性或条件；附加产品是指超过顾客期望的产品；潜在产品指产品或开发物在未来可能产生的改进和变革。

随着线上购物的快速发展，越来越多线下产品购物门店都设置有线上购物品牌，同步保持线上和线下的产品销售，因此，用户线下的购物习惯，就是进行线上产品推荐最好的数据依据。但是现有的技术中，线上线下的购物平台都是独立设置的，线上线下的顾客产品需求信息不能共同使用，无法根据用户的线下购物信息进行线上产品的推荐。

发明内容

本发明实施例的目的在于提供一种基于大数据的产品智能推荐方法及系统，旨在解决背景技术中提出的问题。

为实现上述目的，本发明实施例提供如下技术方案：

一种基于大数据的产品智能推荐方法，所述方法具体包括以下步骤：

对线下购物的用户进行特征识别，获取用户的特征数据和身份信息，并基于所述特征数据对用户进行跟踪记录，获取用户进入的多个店面名称、对应的进入时间和对应的进入时长；

对多个所述店面名称分别进行品牌配对，得到多个线上品牌，并累加每个所述线上品牌对应的多个进入时长，得到品牌光顾时长数据；

对每个所述线上品牌对应的多个进入时间进行分析，得到品牌光顾时间数据；

根据所述品牌光顾时长数据和所述品牌光顾时间数据进行品牌推荐规划，生成季节性品牌推荐信息，并根据所述身份信息和所述季节性品牌推荐信息进行产品推荐规划，生成季节性产品推荐信息。

作为本发明实施例技术方案进一步的限定，所述对线下购物的用户进行特征识别，获取用户的特征数据和身份信息，并基于所述特征数据对用户进行跟踪记录，获取用户进入的多个店面名称、对应的进入时间和对应的进入时长具体包括以下步骤：

对线下购物的用户进行特征识别，获取用户的特征数据；

根据所述特征数据对用户进行身份识别，获取用户的身份信息；

获取线下购物时的监控视频；

根据所述监控视频和所述特征数据对用户进行跟踪记录，获取用户进入的多个店面名称、对应的进入时间和对应的进入时长。

作为本发明实施例技术方案进一步的限定，所述根据所述监控视频数据和所述特征数据对用户进行跟踪记录，获取用户进入的多个店面名称、对应的进入时间和对应的进入时长具体包括以下步骤：

根据所述特征数据，对所述监控视频中的用户进行识别标记；

根据所述识别标记对用户进行跟踪记录，获取用户进入的多个店面名称、对应的进入时间和离开时间；

根据多个所述进入时间和对应的所述离开时间，得到多个与所述店面名称对应的进入时长。