本發(fā)明涉及電子商務(wù)管理，具體地說，涉及一種電子商務(wù)大數(shù)據(jù)信息管理系統(tǒng)。

背景技術(shù)：

1、在數(shù)字時(shí)代來臨的今天，大數(shù)據(jù)已滲透到各個(gè)行業(yè)的各個(gè)領(lǐng)域。特別是在商業(yè)領(lǐng)域，大數(shù)據(jù)的應(yīng)用日益廣泛，大數(shù)據(jù)對(duì)電子商務(wù)行業(yè)產(chǎn)生了深遠(yuǎn)影響，通過優(yōu)化購(gòu)物體驗(yàn)、個(gè)性化購(gòu)物、提高支付保障、合理定價(jià)、實(shí)時(shí)調(diào)整等方式促進(jìn)了電子商務(wù)的發(fā)展。

2、雖然大數(shù)據(jù)對(duì)電商行業(yè)起到深遠(yuǎn)影響，同時(shí)也存在以下缺點(diǎn)：

3、1、大數(shù)據(jù)的分析需要高質(zhì)量的數(shù)據(jù)，才能得到好的結(jié)果，但是數(shù)據(jù)的來源、格式、完整性、準(zhǔn)確性等都會(huì)對(duì)數(shù)據(jù)產(chǎn)生影響，若資料品質(zhì)較差，則會(huì)造成分析結(jié)果不夠精確，造成決策失誤。

4、2、在購(gòu)物過程中進(jìn)行商品推薦，雖然能夠按照用戶先前的購(gòu)物獲取商品信息以及商品搭配信息，后期通過商品廣告的形式進(jìn)行商品推薦，但由于不同用戶對(duì)廣告的形式的敏感程度不同，如果不能精確獲取用戶接受的推薦形式，僅使用單一化的推薦模式制定推薦商品信息，就會(huì)導(dǎo)致推薦的模式無法適配不同用戶，使得部分用戶出現(xiàn)抵觸情緒，降低推薦商品的好感度。

5、為了應(yīng)對(duì)上述問題，現(xiàn)亟需一種電子商務(wù)大數(shù)據(jù)信息管理系統(tǒng)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種電子商務(wù)大數(shù)據(jù)信息管理系統(tǒng)，以解決上述背景技術(shù)中提出的問題。

2、為實(shí)現(xiàn)上述目的，提供了一種電子商務(wù)大數(shù)據(jù)信息管理系統(tǒng)，包括用戶電商采購(gòu)行為記錄模塊、推薦關(guān)鍵信息定義模塊、大數(shù)據(jù)推薦模式規(guī)劃模塊、用戶反饋信息分析模塊以及適配性推薦方案確定模塊；

3、其中，所述用戶電商采購(gòu)行為記錄模塊記錄用戶采購(gòu)流程，采集用戶采購(gòu)行為信息；

4、所述推薦關(guān)鍵信息定義模塊結(jié)合用戶采購(gòu)行為信息，獲取用戶采購(gòu)商品過程中的購(gòu)物邏輯，并對(duì)購(gòu)物邏輯進(jìn)行分析處理，獲取對(duì)應(yīng)的推薦關(guān)鍵信息；

5、所述大數(shù)據(jù)推薦模式規(guī)劃模塊獲取電商商品類型以及電商平臺(tái)商品推薦信息，建立大數(shù)據(jù)存儲(chǔ)數(shù)據(jù)庫，并建立大數(shù)據(jù)商品推薦模型，通過建立的大數(shù)據(jù)商品推薦模型區(qū)分相同商品內(nèi)容不同表現(xiàn)形式的電商平臺(tái)商品推薦信息，并根據(jù)用戶采購(gòu)行為信息，對(duì)各個(gè)電商平臺(tái)商品推薦信息的推薦優(yōu)先級(jí)進(jìn)行編排，識(shí)別用戶購(gòu)置商品類型以及推薦關(guān)鍵信息，通過大數(shù)據(jù)商品推薦模型為用戶匹配相同或者搭配的商品，并從大數(shù)據(jù)存儲(chǔ)數(shù)據(jù)庫中調(diào)取匹配的相同或者搭配的電商平臺(tái)商品推薦信息，按照優(yōu)先級(jí)編排的順序?qū)⒏麟娚唐脚_(tái)商品推薦信息依次推薦至用戶；

6、所述用戶反饋信息分析模塊采集用戶接收到不同類型的商品推薦信息后的反饋，生成用戶反饋信息；

7、所述適配性推薦方案確定模塊用于接收反饋信息，并對(duì)反饋信息的理想度進(jìn)行評(píng)估，獲取各個(gè)類型的電商平臺(tái)商品推薦信息的理想度值，選取理想度值最高的電商平臺(tái)商品推薦信息作為上述用戶的理想類型，生成用戶適配性商品推薦信息。

8、作為本技術(shù)方案的進(jìn)一步改進(jìn)，所述用戶電商采購(gòu)行為記錄模塊包括采購(gòu)關(guān)鍵詞采集單元、采購(gòu)模式獲取單元以及采購(gòu)重點(diǎn)信息標(biāo)記單元；

9、其中，所述采購(gòu)關(guān)鍵詞采集單元用于獲取用戶購(gòu)買商品過程中的搜索關(guān)鍵詞以及商品屬性關(guān)鍵詞；

10、所述采購(gòu)模式獲取單元用于獲取用戶購(gòu)買商品過程中的購(gòu)買步驟；

11、所述采購(gòu)重點(diǎn)信息標(biāo)記單元結(jié)合商品屬性關(guān)鍵詞以及購(gòu)買步驟，計(jì)算各個(gè)商品屬性關(guān)鍵詞以及每個(gè)購(gòu)買步驟的重復(fù)率，獲取最終的采購(gòu)重點(diǎn)信息。

12、作為本技術(shù)方案的進(jìn)一步改進(jìn)，所述采購(gòu)重點(diǎn)信息標(biāo)記單元中獲取最終的采購(gòu)重點(diǎn)信息的方法包括如下步驟：

13、s1、獲取用戶采購(gòu)?fù)愋蜕唐愤^程中的商品屬性關(guān)鍵詞選取量以及每個(gè)購(gòu)買步驟的執(zhí)行量；

14、s2、制定商品屬性關(guān)鍵詞選取量閾值以及購(gòu)買步驟的執(zhí)行量閾值；

15、s3、將商品屬性關(guān)鍵詞選取量超過商品屬性關(guān)鍵詞選取量閾值的標(biāo)記為同類型商品重點(diǎn)屬性關(guān)鍵詞，將購(gòu)買步驟的執(zhí)行量閾值超過執(zhí)行量閾值的購(gòu)買步驟標(biāo)記為同類型商品重點(diǎn)購(gòu)買步驟。

16、作為本技術(shù)方案的進(jìn)一步改進(jìn)，所述推薦關(guān)鍵信息定義模塊中獲取對(duì)應(yīng)的推薦關(guān)鍵信息的方法包括如下步驟：

17、s10、獲取所述s3中同類型商品重點(diǎn)屬性關(guān)鍵詞以及同類型商品重點(diǎn)購(gòu)買步驟，匯總標(biāo)記為購(gòu)物邏輯；

18、s20、劃分所述大數(shù)據(jù)推薦模式規(guī)劃模塊中大數(shù)據(jù)存儲(chǔ)數(shù)據(jù)庫存儲(chǔ)的同類型的所有電商平臺(tái)商品推薦信息，并將其中不符合用戶購(gòu)物邏輯的電商平臺(tái)商品推薦信息剔除，剩余的電商平臺(tái)商品推薦信息標(biāo)記為推薦關(guān)鍵信息。

19、作為本技術(shù)方案的進(jìn)一步改進(jìn)，所述大數(shù)據(jù)推薦模式規(guī)劃模塊包括推薦優(yōu)先級(jí)編排單元以及目標(biāo)用戶推薦匹配單元；

20、所述推薦優(yōu)先級(jí)編排單元用于根據(jù)用戶采購(gòu)行為信息，對(duì)各個(gè)電商平臺(tái)商品推薦信息的推薦優(yōu)先級(jí)進(jìn)行編排，制定預(yù)備電商平臺(tái)商品推薦信息的推薦順序；

21、所述目標(biāo)用戶推薦匹配單元識(shí)別用戶購(gòu)置商品類型以及推薦關(guān)鍵信息，通過大數(shù)據(jù)商品推薦模型為用戶匹配相同或者搭配的商品，并從大數(shù)據(jù)存儲(chǔ)數(shù)據(jù)庫中調(diào)取匹配的相同或者搭配的電商平臺(tái)商品推薦信息，按照優(yōu)先級(jí)編排的順序?qū)⒏黝A(yù)備電商平臺(tái)商品推薦信息依次推薦至用戶。

22、作為本技術(shù)方案的進(jìn)一步改進(jìn)，所述大數(shù)據(jù)推薦模式規(guī)劃模塊中的相同商品內(nèi)容不同表現(xiàn)形式的電商平臺(tái)商品推薦信息包括視頻內(nèi)容推薦、圖文結(jié)合推薦以及文字描述推薦，其中所述視頻內(nèi)容推薦為采用視頻播放的方式向用戶進(jìn)行同類型商品的推薦展示，所述圖文結(jié)合推薦為采用圖像與文字介紹的方式向用戶進(jìn)行同類型商品的推薦展示，所述文字描述推薦為采用文字描述的方式向用戶進(jìn)行同類型商品的推薦展示。

23、作為本技術(shù)方案的進(jìn)一步改進(jìn)，所述大數(shù)據(jù)推薦模式規(guī)劃模塊中建立大數(shù)據(jù)商品推薦模型的方法包括如下步驟：

24、s100、結(jié)合大數(shù)據(jù)存儲(chǔ)數(shù)據(jù)庫中的電商商品類型，根據(jù)商品常規(guī)售賣搭配方案以及配套使用規(guī)則，獲取各個(gè)電商商品之間的關(guān)聯(lián)性，并將存在關(guān)聯(lián)性的商品互為推薦商品；

25、s200、確定用戶購(gòu)買的商品類型，獲取各個(gè)推薦商品以及對(duì)應(yīng)的不同表現(xiàn)形式的電商平臺(tái)商品推薦信息；

26、s300、結(jié)合用戶購(gòu)買的商品的推薦關(guān)鍵信息，對(duì)各個(gè)推薦商品的推薦優(yōu)先級(jí)進(jìn)行評(píng)估，符合推薦關(guān)鍵信息中的采購(gòu)重點(diǎn)信息量越多，對(duì)應(yīng)的優(yōu)先級(jí)越高；

27、s400、按照優(yōu)先級(jí)大小制定推薦商品的推薦順序；

28、s500、規(guī)劃表現(xiàn)形式推薦步驟，相同表現(xiàn)形式的不同推薦商品按照推薦順序進(jìn)行推薦。

29、作為本技術(shù)方案的進(jìn)一步改進(jìn)，所述適配性推薦方案確定模塊中的理想度值計(jì)算采用理想度權(quán)重算法，其算法公式如下：

30、；

31、其中，為不同表現(xiàn)形式的理想度值，為不同表現(xiàn)形式中用戶識(shí)別所花費(fèi)的平均時(shí)間，為平均時(shí)間的權(quán)重，與電商平臺(tái)商品推薦信息的時(shí)長(zhǎng)相關(guān)，為不同表現(xiàn)形式中平均用戶購(gòu)買量，為平均用戶購(gòu)買量的權(quán)重，且符合+=1。

32、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果：

33、該電子商務(wù)大數(shù)據(jù)信息管理系統(tǒng)中，通過用戶反饋信息分析模塊采集用戶接收到不同類型的商品推薦信息后的反饋，生成用戶反饋信息，通過適配性推薦方案確定模塊對(duì)反饋信息的理想度進(jìn)行評(píng)估，獲取各個(gè)類型的電商平臺(tái)商品推薦信息的理想度值，選取理想度值最高的電商平臺(tái)商品推薦信息作為上述用戶的理想類型，生成用戶適配性商品推薦信息，對(duì)相同商品的不同類型電商平臺(tái)商品推薦信息進(jìn)行推薦評(píng)估，根據(jù)不同用戶的購(gòu)買習(xí)慣匹配對(duì)應(yīng)類型的電商平臺(tái)商品推薦信息，提高推薦信息質(zhì)量，增加推薦信息的適配效果。