移动商城客户产品推荐系统的研发

蒙奕饶 杨颖*

（1.广西大学计算机与电子信息学院 广西 南宁 530022；2. 中国移动通信集团广西有限公司 广西 南宁 530022）

引言

众所周知，当前各类营销，都以获取用户的最大兴趣度来实现的，在当前的产品营销网站中，其大部分采用了客户产品检索、产品名称和主题的匹配模式进行产品关联推荐[1]，通过简单的客户特征与产品属性进行匹配，来实现网络产品营销的精准化处理。随着大数据技术的发展，需要把客户营销建立在大规模数据处理上，从数据中挖掘出有价值的用户数据[2]。

1 系统设计目标

本系统通过客户基本特征、产品订单以及产品浏览行为等因素来分析客户的兴趣点，利用推荐算法实现了网上产品客户营销，提高了营销的准确性。系统提供数据统计分析和产品推荐服务，满足了公司产品建设和客户检索的需求，提升了公司产品营销销售的服务水平。

2 系统框架设计

系统框架分为数据层、业务层以及表现层。

（1）数据层：数据层提供整个系统数据访问支持与数据访问操作，其提供的数据包括产品数据库、检索数据库、订单数据库，这些数据组成了系统完整的数据库。

（2）业务层：业务层依据网上产品管理、产品浏览等规则来实现组织的，包括数据查询、统计规则、产品推荐规则以及相关的聚类分析规则等，通过业务规则的定义为系统功能表现提供业务支持。

（4）表现层：表现层即为系统功能，包括了客户特征管理、产品检索、产品购买、产品推荐、订单管理、产品营销管理等。

3 功能模块设计

系统主要功能模块分为客户特征管理模块、产品营销管理模块和营销后台管理模块，以下分别描述各个模块的功能设计。

（1）客户特征管理模块：实现对客户特征的获取、抽取、分析，是完成产品营销的基础，客户在网站上查询、购买在线产品时，需要完成客户信息注册，录入客户基本信息。经注册和有效认证后客户才能进行系统操作，需要输入手机号码登录。

（2）产品营销管理模块：客户在完成个人信息注册后，可以检索自己感兴趣的产品，在线购买、订阅产品，完成对应的浏览任务。网上产品检索为注册用户提供几种产品检索模式，包括分类检索、关键字检索；推荐产品即客户在对产品进行检索时，在服务端通过相关的数据挖掘、产品主题词的匹配等实现同类、相近的网上产品推荐。

（3）营销后台管理模块：系统所有的产品数据由系统管理员负责维护，其通过对产品的分类进行管理，增加相应分类、产品等，对各客户提交的订单信息进行维护查询等。

4 商城产品推荐流程

本系统的产品资源有较多属性，包括产品类型、产品名称以及厂商，在常规协同过滤算法中[3]，大部分采用了用户评分或在线评价模式，本系统采用了独特的评价方式，即产品浏览的时长因子和购买产品的行为，一般来说通过产品浏览的次数和购买产品的次数能够反映出产品资源在用户的受欢迎程度。本系统基于用户影响关系的协同过过滤推荐算法，通过此算法能够为客户实现精准的产品营销。此算法主要包括以下步骤：

Step1: 获取客户购买产品中，浏览产品中的信息；

Step2：在购买产品和浏览产品两种行为中挖掘出客户间的影响关系；

Step3：在影响关系构建用户兴趣矩阵；

Step4：把用户兴趣矩阵应用于基于用户的协同过滤算法，实现Top-N的产品推荐。

5 商城商品推荐算法设计

5.1 数据采集获取

由于客户特征通过客户基础信息和客户产品购买、在线浏览等行为来表现，因此获取的数据分为订单数据和客户浏览时长频次转换数据，在订单数据采集时，通过设计的订单实体类来统计分析某客户、某产品的订单数量，对于客户浏览时长频次数据，则通过Web Services实现浏览数据的获取，即在产品浏览页面，结束时向服务端发送产品编号、浏览时长，然后后端换算完成。

5.2 建立客户-产品的初始兴趣矩阵

在推荐模型中，为客户和产品间设置初始兴趣值，如果客户购买了某产品，则其值为1，如果客户没有购买此产品，则值为0，形成客户与产品之间的初始兴趣矩阵，客户-产品的初始兴趣矩阵通过一个二维数组M[i,j]，若M[i,j]=1，则说明“客户i”购买了“产品j”，若M[i,j]=0，则说明“客户i”尚未购买“产品j”，在编程实现时，不需要对初始兴趣矩阵进行数据库存储，在进行推荐模型计算时，初始兴趣矩阵的所有元素置为0，建立客户ID、产品ID与二维数组的索引对应关系。

5.3 数据推荐计算

针对不同类型的产品，引入了频次权重系数，通过系数计算兴趣特征值，结合初始兴趣矩阵，通过推荐产品算法的代码编程实现，计算最终生成的推荐结果，并保存到数据库中，添加产品功能由推荐结果计算后发起，在进行产品数据维护操作时，常用的功能是实现对推荐产品的新增。

6 结语

本文为获取客户产品兴趣，从客户基本特征和喜好特征两个方面实现产品兴趣管理，以采集网上产品浏览频次为因素来获取客户兴趣点，为提高兴趣的准确度，系统针对不同类型的产品，引入了频次权重系数，通过系数计算兴趣特征值，实现了客户产品兴趣评级的设计，重点解决了关键词与客户特征相结合的产品检索模式，减少查询结果偏差，使检索结果更为准确。