[发明专利]一种电商商品消息推送优化方法

摘要

一种电商商品消息推送优化方法，先根据消费习惯将用户分类到相应的消费群体中，通过大数据技术获取基本满足消费者需求的多种商品和该消费群体中影响消费者购买行为的因素，然后将该消费群体中影响消费者购买行为的因素进行分析，判断每种因素影响的高低程度，进而构建分析模型，然后计算每种因素对每种商品影响的权重大小，再计算每种商品满足消费者需求的权重大小，最后根据影响权重选择影响权重最高的商品进行推送。本发明能能够满足不同消费者需要。

主权项

一种基于电商商品消息推送优化方法，其特征在于：所述方法包括以下步骤：A1、通过K近邻算法将目标用户进行分类，从而确定其消费习惯属于的消费群体；通过大数据处理初步得到满足用户需求的商品种类，以及可能影响该用户的购买行为的因素，根据所属的消费群体得出以上因素在用户购买商品时所影响权重；A2、建立层次分析结构模型通过A1步骤得到的数据，构建层次分析模型，其中最上层为目标层Z，中间层为准则层C，最下层为方案层P；从层次结构模型的准则层开始，对于影响上一层每个因素的同一层的各因素，按权重大小两两进行比较，构造比较矩阵A，直到最下层，A＝(aij)n×n  (1)其中，n为每层因素的数量，aij＞0且i,j＝1,2,…,n，其中aij表示第i个因素与第j个因素比较的结果，由其重要程度取决，由重要性标度含义表确定；A3、层次单排序及一致性检验3.1、确定下层各因素与上层因素影响程度的过程，计算单排序权向量并做一致性检验，取最大特征值所对应归一化特征向量ω＝{ω1,ω2,…ωn}，其中ωi,i＝1,2,n,表示下层第i个元素对上层某因素影响程度的权重；根据Aω＝λω求得最大特征值λmax，并由式(2)计算一致性指标CI,CI=λmax-nn-1---(2)]]>3.2、计算随机一致性指标RI，随机构造n个比较矩阵A1,A2,…,An，根据步骤3.1计算各比较矩阵的一致性指标，分别记做CI1,CI2,…,CIn，则RI=CI1+CI2+...+CInn---(3)]]>其值由随机一致性指标表确定；3.3、计算一致性比率CRCR=CIRI<0.1---(4)]]>若满足A＜预设阈值，则认为A的不一致程度在允许范围之内，用归一化特征向量作为权向量，否则重新构造比较矩阵；A4、计算总排序权向量并做一致性检验按照步骤A3计算准则层C对目标层Z的层次单排序向量，设为c＝[c1,c2,…,cn]，方案层P对准则层C中Cj的层次单排序，设为p＝[p1j,p2j,…,pmj],(j＝1,2,…,n)，其中，cn表示第n影响因素对目标层的层次单排序，pmj表示第m商品对第j影响因素的层次单排序；方案层P第i个商品对总目标的权重为计算总排序一致性比率CRtotal：CRtotal=c1CI1+c2CI2+...+cnCInc1RI1+c2RI2+...cnRIn---(5)]]>通过CRtotal＜设定阈值，层次总排序通过一致性检验，则按照总排序权向量表示的结果进行决策，比较各商品对总目标的权重pi，选择权重值最大的商品推送给用户，若CRtotal≥设定阈值，则重新建立模型或构造那些一致性比率较大的比较矩阵。