买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明提出了一种基于用户习惯的智能营销方法及系统，采集用户习惯数据，生成用户习惯自画像，对用户习惯自画像进行验证，优化用户习惯数据，根据优化用户习惯数据进行定位分析，生成商品营销推荐方案，更新用户习惯数据，调整商品营销推荐方案，获取新的商品营销推荐方案，实现了用户习惯数据的准确处理、商品营销的精准推荐、用户通知的个性化推送、商品推荐的个性化布局以及社交行为的深度分析，提高了商品的销售效率和用户的购物体验。

主权项：1.一种基于用户习惯的智能营销方法，其特征在于，所述方法包括：采集用户习惯数据，生成用户习惯自画像；对用户习惯自画像进行验证，优化用户习惯数据；根据优化用户习惯数据进行定位分析，生成商品营销推荐方案；更新用户习惯数据，调整商品营销推荐方案，获取新的商品营销推荐方案；对用户习惯自画像进行验证，优化用户习惯数据，包括：根据用户习惯自画像，在用户浏览时推荐80％与自画像同种匹配的商品，20％与自画像异种匹配的商品，采集异种商品的浏览记录和购买记录，获取异种商品关注数据；分析异种商品关注数据，对异种商品关注数据进行比较验证，将异种商品信息进行提取加入到用户习惯自画像中，获取优化用户习惯数据；其中，异种商品关注数据L通过如下公式获取： 其中，记录用户在购物平台单次使用的总浏览数M和异种商品的总浏览数m，用户在购物平台单次使用的总浏览时间为T，异种商品的总浏览时长为t，平台使用次数为n；当0≤L0.05时，则异种商品是用户误点或者引起不了用户兴趣，当0.05≤L0.1时，则异种商品用户引起用户兴趣，将异种商品属性加入用户习惯末位，当0.1≤L0.3时，则异种商品能被用户接受，将异种商品属性变更为同种商品习，当0.3≤L0.5时，则异种商品深受用户喜爱，提升异种商品属性在用户习惯权重，当0.5≤L1时，则异种商品最符合当下用户喜好，并降低对应同种商品的习惯权重；更新用户习惯数据，调整商品营销推荐方案，获取新的商品营销推荐方案，包括：跟踪用户的搜索记录，当发生主动搜索记录时，将搜索商品属性加入到真实自画像中，并将商品库中同类同品商品加入到第一商品推荐区中，若没有产生交易记录，则持续在第一商品推荐区中前置该商品，若商品产生交易，商品经过使用周期后则放置在第三商品推荐区中；跟踪用户浏览记录，对浏览速度进行分析，购物平台单次使用的总浏览篇幅为Q，总浏览时间为T，则平局浏览速度为V＝QT，设购物平台单次的浏览过程中某一商品页面篇幅为Q1，其中商品的篇幅的浏览时间为T1，商品平均浏览速度为V1,篇幅的版块为q1，q2，q3，...qn，篇幅版块的浏览时间为t1，t2，t3，...tn，某一商品中每个篇幅版块的浏览速度为v1，v2，v3，...vn，则某一商品平均浏览速度V1,V1＝Q1T1,当V≥V1时，用户对浏览的某一商品事有兴趣意向的，进行商品各模块浏览速度比较，商品各模块浏览速度v1＝q1t1，v2＝q2t2，v3＝q3t3，....,vn＝qntn，将v1，v2，v3，...vn，依次与V1做比值，比值sn＝vnV1,若sn＝1，说明篇幅版块浏览速度与平均浏览速度一致，商品版块属性权重无变化；若sn1，说明篇幅版块浏览速度大于平均浏览速度，降低商品版块属性权重；若sn1，说明篇幅版块浏览速度小于平均浏览速度，增加商品版块属性权重；将权重新增加的商品属性加入到用户习惯中，或者对用户习惯的商品属性进行跟新，对符合用户习惯权重的商品放入第二商品推荐区中，从而根据浏览习惯更新推荐商品；跟踪用户购买记录，对购买记录进行分析，将与购买商品使用上有逻辑关联的，或者与购买商品同类别但价格、型号和颜色差异较大的商品放入第三商品推荐区，第三商品推荐区更新推荐商品；跟踪用户评价记录，当发生主动交易记录时，将交易商品属性和评价记录相结合，根据评价记录星级给商品属性加减，评价星级低时，提升商品属性层级，上调商品属性要求，并将商品需求更新到用户习惯中，并在第四商品推荐区更新商品；后台分析各推荐区更新商品后的销售业绩，若更新商品后销售笔数增加，或者销售额持平或者增加，说明商品营销方向与用户习惯匹配，持续商品营销方向；若销售笔数下降，且平均销售额也下降，说明营销推荐方向不对，重新生成营销方向，更新推荐区商品。

全文数据：

权利要求：

百度查询： 深圳市亚飞电子商务有限公司 一种基于用户习惯的智能营销方法及系统