具体实施方式

为了对本发明的技术特征、目的、效果有更加清楚的理解，下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例仅用于说明本发明，但是不用来限制本发明的保护范围。基于本发明的实施例，本领域技术人员在没有付出创造性劳动的前提下所获得的其他实施例，都应属于本发明的保护范围。

在本发明的描述中，应当理解的是，本文中的编号本身，例如“第一”、“第二”等，仅用于区分所描述的对象，不具有顺序或者技术含义，不能理解为规定或者暗示所描述的对象的重要性。

图1所示为本发明提供的一种基于用户价值的商品推荐方法的一个优选实施例的流程示意图。

如图1所示，所述商品推荐方法包括如下步骤：

S10：获取当前用户的消费属性；

S20：获取所述当前用户的消费数据，并获取与所述当前用户的消费属性相同的其他用户的消费数据；

S30：对所述当前用户的消费数据和所述其他用户的消费数据进行统计分析，得到所述当前用户的用户价值类型；

S40：根据所述用户价值类型向所述当前用户推荐目标商品。

其中，用户的消费属性用于指示用户的消费特性，可以包括消费水平级别，例如高消费水平等级、中消费水平等级以及低消费水平等级等；用户的消费属性也可以包括消费喜好，例如该用户为游戏用户，则该用户的消费属性可以为喜好对皮肤换装消费、喜好强化道具消费等。

具体而言，在用户的消费数据较少的情况下，本发明首先获取需要进行商品推荐的用户的消费属性，其中，该消费属性可以由当前用户的用户画像确定的或者可以由当前用户对商城中各种商品的浏览数据确定的。在获得了当前用户的消费属性之后，获取该用户的消费数据，以及获取与该用户的消费属性相同的其他用户的消费数据，其中，所述其他用户的数量可以不作限制，当数量较多时，可以将结果的准确率提得更高，当数量较少时，可以将计算的时间缩短。然后再通过预先建立的用户价值分析模型，对所述当前用户的消费数据和所述其他用户的消费数据进行统计分析，从而确定所述当前用户的用户价值类型。最后，再根据所述当前用户的用户价值类型获取对应的目标商品，并向该用户进行推荐。

本发明提供的一种基于用户价值的商品推荐方法，基于用户的消费属性，获取该用户的消费数据以及与其消费属性相同的其他用户的消费数据，再对两者的消费数据进行统计分析，从而确定该用户的用户价值类型，并根据该用户的用户价值类型进行商品推荐，综合了需要进行商品推荐的用户以及与其消费属性相同的其他用户的消费数据对其进行用户价值类型分类，能够在用户的消费数据较少的情况提高商品推荐的准确率，进而提高用户体验。

在一个优选实施例中，所述获取当前用户的消费属性，包括：

获取当前用户的用户画像；

根据所述用户画像，并基于预设的用户画像与消费属性的映射关系，确定所述当前用户的消费属性。

具体而言，本实施例首先获取用户画像，并根据用户画像的分析维度以及各分析维度的取值，得到一个分析结果，然后根据该分析结果，基于预设的映射关系，确定用户的消费属性。

作为一个举例，用户画像具有八个分析维度：P代表基本性(Primary)：指该用户画像是否基于对真实用户的情景访谈；E代表同理性(Empathy)：指用户画像中包含姓名、照片和商品相关的描述，该用户画像是否具有同理心；R代表真实性(Realistic)：指用户画像是否看起来像真实人物；S代表独特性(Singular)：每个用户是否是独特的，彼此很少有相似性；O代表目标性(Objectives)：该用户画像是否包含与商品相关的高层次目标，是否包含关键词来描述该目标；N代表数量性(Number)：用户画像的数量是否足够少，以便设计团队能记住每个用户画像的姓名，以及其中的一个主要用户画像；A代表应用性(Applicable)：设计团队是否能使用用户画像作为一种实用工具进行设计决策；L代表长久性(Long)：用户标签的长久性。在获得了用户画像之后，再获取每一个分析维度的取值，然后根据预设的分析公式计算分析结果：其中，R为分析结果，ω_i为第i个分析维度的权重，xi为第i个分析维度的取值。最后，再基于分析结果与消费属性的映射关系确定用户的消费属性：T＝f(R)，其中，T为消费属性，f为分析结果与消费属性的映射关系。

其中，所述获取当前用户的用户画像，具体包括：

根据所述当前用户的历史特征标签建立所述当前用户的历史用户画像；

根据所述历史特征标签中的固有特征标签建立所述当前用户的临时用户画像；其中，所述固有特征标签包括年龄标签和性别标签中的至少一个；

获取所述当前用户在预设时间内的除了固有特征标签之外的其他特征标签；

获取所述当前用户在预设时间内的除了固有特征标签之外的其他特征标签与所述历史特征标签中除了固有特征标签之外的其他特征标签的匹配度；

若所述匹配度大于预设匹配度阈值，将所述历史用户画像作为所述当前用户的用户画像；

若所述匹配度不大于预设匹配度阈值，根据所述当前用户在预设时间内的除了固有特征标签之外的其他特征标签与所述当前用户的固有特征标签，建立所述当前用户的最新用户画像，并将所述最新用户画像作为所述当前用户的用户画像。

在获取用户画像时，本实施例会预先根据在先积累的特征标签数据建立包括固有标签、行为标签等的用户画像。其中，固有标签包括用户性别、年龄等用户自身固有的属性，可以在用户注册等环节中向用户收集；行为标签包括用户的添加关注、取消关注、加入心愿单、取出心愿单、形成订单、取消订单、付款、退款等交互操作的行为，在用户授权之后采集得到。每当用户新上线时，则针对该用户建立一个临时用户画像，该临时用户画像从所述历史用户画像中继承固有标签，反映用户的性别、年龄等固有属性；而临时用户画像中反映用户行为的特征标签则通过获取预设时间内的行为得到，并判断新获取的特征标签数据与在先积累的特征标签数据的匹配度。当所述匹配度大于预设匹配度阈值时，说明用户最新的行为与历史用户画像具有较高的一致性，故而可以将历史用户画像作为用户画像；当所述匹配度不大于预设匹配度阈值时，说明用户最新的行为已经偏离了历史用户画像，则需要重新根据固有标签和新获取的特征标签建立最新用户画像，并采用最新用户画像替代历史用户画像，将其作为用户画像。

本实施例能够实现根据用户的最新行为数据对其用户画像进行有效维护、更新，特别是在用户行为发生突变的情况下，利用临时用户画像以及用户的最新行为偏好，能够快速建立用户的最新用户画像，而且最新用户画像也能够更准确地反映该用户的最近偏好，从而更准确的确定用户的消费属性，进而提高商品推荐的准确率。

在一个优选实施例中，所述目标商品为虚拟商品，则，所述获取当前用户的消费属性，包括：

获取所述当前用户的游戏时长数据和对商城各种虚拟商品的浏览数据；

根据所述游戏时长数据和所述浏览数据，确定当前用户的消费属性。

在本实施例中，用户的消费属性直接通过其游戏时长数据和其对商城各种虚拟商品的浏览数据确定，能够快速确定用户的消费属性。

作为一个举例，在商城中有一件新出的时装(或者称为皮肤)，用户在新一次登录游戏之后，此次在线时长为54min，在这54min中，其花费了22min在商城进行在售商品的浏览，并且对于时装A的浏览次数达到6次、浏览时间达到13mim。此时说明该用户对于商城的商品具有购买欲望，且对于时装A的购买欲望很强，则可以得出该用户的消费属性为：具有强消费欲望，消费偏好为时装A。

在一个优选实施例中，所述对所述当前用户的消费数据和所述其他用户的消费数据进行统计分析，得到所述当前用户的用户价值类型，包括：

基于RFM模型，对所述当前用户的消费数据和所述其他用户的消费数据进行价值分析，得到每一种消费数据的数据价值度；

对每一种消费数据的数据价值度进行统计分析，得到所述当前用户的用户价值类型。

需要说明的是，RFM模型是衡量用户价值和用户创利能力的重要工具和手段，其由三个要素构成：最近一次消费(Recency)、消费频率(Frequency)以及消费金额(Monetary)。

本实施例在用户的消费数据较少的情况下，获取其消费数据、并获取与该用户属于相同消费属性的其他用户的消费数据，对两种消费数据进行综合分析，得到每一种消费数据的数据价值度，进而确定该用户的用户价值类型，能够利用相同消费属性的其他用户的消费数据弥补用户的消费数据较少的缺点。

在一个优选实施例中，所述对所述当前用户的消费数据和所述其他用户的消费数据进行统计分析，得到所述当前用户的用户价值类型，包括：

基于RFM模型，对所述当前用户的消费数据进行价值分析，得到所述当前用户的每一种消费数据的数据价值度；

基于RFM模型，对所述其他用户的消费数据进行价值分析，得到每一种消费数据的标准数据价值度；

将所述当前用户的每一种消费数据的数据价值度与每一种消费数据的标准数据价值度进行比较，并将比较结果为小于所述标准数据价值度的消费数据的数据价值度判定为非异常的数据价值度；

对每一种消费数据的为非异常的数据价值度进行统计分析，得到所述当前用户的用户价值类型。

作为一个举例，对相同消费属性的其他用户进行价值分析之后得到消费频率的标准数据价值度为4.5次/天，而分析得到当前用户的消费频率的数据价值度为16次/天，此时将两者进行比较得到16＞4.5，则说明当前用户在消费频率下的数据价值度是存在异常的，需要将其舍弃，避免误判。

在本实施例中，通过RFM模型分别对当前用户的消费数据和与该用户属于相同消费属性的其他用户的消费数据进行价值分析，得到每一种消费数据的标准数据价值度以及当前用户的每一种消费数据的数据价值度，然后再通过比较获取判定为非异常的数据价值度，进而确定用户的用户价值类型，能够以相同消费属性的用户的消费数据作为参考，避免由于用户的消费数据较少而引起的误判。

可选的，在进行数据价值度的比较时，还可以将所述标准数据价值度的预设范围内的数据价值度作为非异常的数据价值度，在该预设范围之外的则作为异常的数据价值度。

作为一个举例，对相同消费属性的其他用户进行价值分析之后得到消费频率的标准数据价值度为4.5次/天，而分析得到当前用户的消费频率的数据价值度为5次/天，此时将两者进行比较得到5∈[4.5-0.6，4.5+0.6]，则说明当前用户在消费频率下的数据价值度是不存在异常的；若分析得到当前用户的消费频率的数据价值度为6次/天，此时将两者进行比较得到则说明当前用户在消费频率下的数据价值度是存在异常的，需要将其舍弃。

进一步的，在得出异常的数据价值度之后，还可以通过标准数据价值度对异常的数据价值度进行修正。

其中，修正过程可以是将标准数据价值直接替换异常的数据价值度。

在一个优选实施例中，所述根据所述用户价值类型向所述当前用户推荐目标商品，包括：

根据所述用户价值类型，并基于预设的用户价值类型与推荐商品的映射关系，获取对应的待推荐商品；

选取所有的待推荐商品中的前N个商品作为目标商品；N为整数且大于等于1；

向所述当前用户推荐所述目标商品。

具体而言，在预设的映射关系中，特定的用户价值类型会具有若干个对应的待推荐商品，每一个待推荐商品都会具有推荐合适度，推荐合适度越高的表示贴合用户的喜好的可能性越高，推荐合适度越低的表示贴合用户的喜好的可能性越小。此时，则需要从所有的待推荐商品中选取出推荐合适度最高的N个商品作为目标商品向用户进行推荐，其中，N的值可以预先设置，还可以由用户进行修改。

应当理解，本发明实现上述基于用户价值的商品推荐方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述基于用户价值的商品推荐方法的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

图2所示为本发明提供的一种基于用户价值的商品推荐装置的一个优选实施例的结构示意图，所述商品推荐装置能够实现上述任一实施例所述的基于用户价值的商品推荐方法的全部流程及达到相应的技术效果。

如图2所示，所述商品推荐装置包括：

第一获取模块21，用于获取当前用户的消费属性；

第二获取模块22，用于获取所述当前用户的消费数据，并获取与所述当前用户的消费属性相同的其他用户的消费数据；

统计分析模块23，用于对所述当前用户的消费数据和所述其他用户的消费数据进行统计分析，得到所述当前用户的用户价值类型；

商品推荐模块24，用于根据所述用户价值类型向所述当前用户推荐目标商品。

其中，用户的消费属性可以包括消费水平级别，例如高消费水平等级、中消费水平等级以及低消费水平等级等；还可以包括消费喜好，例如喜好时装消费、喜好强化道具消费以及喜好好感道具消费等。

在一个优选实施例中，所述第一获取模块21具体包括：

用户画像获取单元，用于获取当前用户的用户画像；

第一消费属性确定单元，用于根据所述用户画像，并基于预设的用户画像与消费属性的映射关系，确定所述用户的消费属性。

在一个优选实施例中，所述用户画像获取单元具体包括：

历史用户画像建立子单元，用于根据所述当前用户的历史特征标签建立所述当前用户的历史用户画像；

临时用户画像建立子单元，用于根据所述历史特征标签中的固有特征标签建立所述当前用户的临时用户画像；其中，所述固有特征标签包括年龄标签和性别标签中的至少一个；

特征标签获取子单元，用于获取所述当前用户在预设时间内的除了固有特征标签之外的其他特征标签；

特征标签匹配子单元，用于获取所述当前用户在预设时间内的除了固有特征标签之外的其他特征标签与所述历史特征标签中除了固有特征标签之外的其他特征标签的匹配度；

第一用户画像确定子单元，用于若所述匹配度大于预设匹配度阈值，将所述历史用户画像作为所述当前用户的用户画像；

第二用户画像确定子单元，用于若所述匹配度不大于预设匹配度阈值，根据所述当前用户在预设时间内的除了固有特征标签之外的其他特征标签与所述当前用户的固有特征标签，建立所述当前用户的最新用户画像，并将所述最新用户画像作为所述当前用户的用户画像。

在一个优选实施例中，所述目标商品为虚拟商品，则，所述第一获取模块21具体包括：

用户数据获取单元，用于获取所述当前用户的游戏时长数据和对商城各种虚拟商品的浏览数据；

第二消费属性确定单元，用于根据所述游戏时长数据和所述浏览数据，确定当前用户的消费属性。

在一个优选实施例中，所述统计分析模块23具体包括：

第一数据价值度获取单元，用于基于RFM模型，对所述当前用户的消费数据和所述其他用户的消费数据进行价值分析，得到每一种消费数据的数据价值度；

第一用户价值类型获取单元，用于对每一种消费数据的数据价值度进行统计分析，得到所述当前用户的用户价值类型。

在一个优选实施例中，所述统计分析模块23具体包括：

第二数据价值度获取单元，用于基于RFM模型，对所述当前用户的消费数据进行价值分析，得到所述当前用户的每一种消费数据的数据价值度；

标准数据价值度获取单元，用于基于RFM模型，对所述其他用户的消费数据进行价值分析，得到每一种消费数据的标准数据价值度；

数据价值度比较单元，用于将所述当前用户的每一种消费数据的数据价值度与每一种消费数据的标准数据价值度进行比较，并将比较结果为小于所述标准数据价值度的消费数据的数据价值度判定为非异常的数据价值度；

第二用户价值类型获取单元，用于对每一种消费数据的为非异常的数据价值度进行统计分析，得到所述当前用户的用户价值类型。

可选的，在进行数据价值度的比较时，还可以将所述标准数据价值度的预设范围内的数据价值度作为非异常的数据价值度，在该预设范围之外的则作为异常的数据价值度。

进一步的，在得出异常的数据价值度之后，还可以通过标准数据价值度对异常的数据价值度进行修正。

在一个优选实施例中，商品推荐模块24具体包括：

待推荐商品获取单元，用于根据所述用户价值类型，并基于预设的用户价值类型与推荐商品的映射关系，获取对应的待推荐商品；

目标商品选取单元，用于选取所有的待推荐商品中的前N个商品作为目标商品；N为整数且大于等于1；

目标商品推荐单元，用于向所述当前用户推荐所述目标商品。

其中，N的值可以预先设置，还可以由用户进行修改。

图3所示为本发明提供的一种基于用户价值的商品推荐设备的一个优选实施例的结构示意图，所述商品推荐设备能够实现上述任一实施例所述的基于用户价值的商品推荐方法的全部流程及达到相应的技术效果。

如图3所示，所述商品推荐设备包括：

存储器31，用于存储计算机程序；

处理器32，用于执行所述计算机程序；

其中，所述处理器32执行所述计算机程序时实现如上述任一实施例所述的基于用户价值的商品推荐方法。

示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器31中，并由所述处理器32执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述商品推荐设备中的执行过程。

所称处理器32可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器31可用于存储所述计算机程序和/或模块，所述处理器32通过运行或执行存储在所述存储器31内的计算机程序和/或模块，以及调用存储在所述存储器31内的数据，实现所述商品推荐设备的各种功能。所述存储器31可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，所述存储器31可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

需要说明的是，上述商品推荐设备包括，但不仅限于，处理器、存储器，本领域技术人员可以理解，图3结构示意图仅仅是上述商品推荐设备的示例，并不构成对商品推荐设备的限定，可以包括比图示更多部件，或者组合某些部件，或者不同的部件。

以上所述，仅是本发明的优选实施方式，但本发明的保护范围并不局限于此，应当指出，对于本领域技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干等效的明显变型方式和/或等同替换方式，这些明显变型方式和/或等同替换方式也应视为本发明的保护范围。