TWI615789B - 商品推薦方法 - Google Patents

Abstract

本發明係揭露一種商品推薦方法，其包含下列步驟：輸入交易資訊。產生特徵時間序列及潛在時間序列。依據特徵時間序列及潛在時間序列產生橋接樣式。依據橋接樣式合併特徵時間序列以產生表現時間序列。提供表現時間序列中對應購買習慣序列之商品代碼之後的商品代碼。

Description

商品推薦方法

本發明是有關於一種商品推薦方法，特別是有關於依據橋接樣式產生表現時間序列，進而對應符合之購買習慣序列推薦相關的商品之商品推薦方法。

現今網路科技發達，大眾已習慣透過網路購買商品，而不需出門購物。

而，過去有關購物網站中商品推薦的方法大部分是採用關聯法則，其係以群體的行為去預測個人的行為。

然，就因為其是以群體行為去預測個人，因此對個人而言，用群體行為統計分析得到的結果，並不一定適合某些人；因此，如何解決上述問題，將是亟需探討及深思的。

有鑑於上述習知之問題，本發明的目的在於提供一種商品推薦方法，用以解決習知技術中所面臨之問題。

基於上述目的，本發明係提供一種商品推薦方法，其包含下列步驟：設定各商品種類之持續銷售門檻。於複數個計算時間內，分別依序紀錄各計算時間內達到對應之持續銷售門檻之各商品種類之商品代碼，以得到複數個特徵時間序列。各特徵時間序列之間，分別依序紀錄對應消費行為之各商品種 類之商品代碼，以取得複數個潛在時間序列。搜尋至少一潛在時間序列連接前一特徵時間序列與後一特徵時間序列之邊界之橋接樣式。依據至少一橋接樣式合併對應之前一特徵時間序列與後一特徵時間序列，以取得表現時間序列。當購買習慣序列所包含之複數個商品代碼符合至少一表現時間序列之部分序列時，依序提供至少一表現時間序列中位於部分序列之後的至少一商品代碼。

較佳地，得到複數個特徵時間序列之前可包含下列步驟：輸入複數個交易資訊，各交易資訊包含銷售時間及商品代碼。依據銷售時間產生相對週期時間。依據商品代碼及相對週期時間產生交易時間序列。

較佳地，相對週期時間可包含一相對年數、一星期週數、一每週天數及一小時數。

較佳地，橋接樣式可包含其中一潛在時間序列由前數Ni-1個商品代碼與前一特徵時間序列之最後一個商品代碼之開始橋接樣式，以及其中一潛在時間序列由後數Nj-1個商品代碼與後一特徵時間序列之第一個商品代碼之結束橋接樣式。

較佳地，購買習慣序列符合複數個表現時間序列中之部分序列時，可依據複數個表現時間序列於部分序列後具有之至少一商品代碼之數量，以由多至少之排序方式決定各表現時間序列提供部分序列之後的至少一商品代碼之順序。

較佳地，購買習慣序列符合複數個表現時間序列中之部分序列時，可依據複數個表現時間序列於部分序列後具有之至少一商品代碼之數量，以由少至多之排序方式決定各表現時間序列提供部分序列之後的至少一商品代碼之順序。

較佳地，特徵時間序列、潛在時間序列及購買習慣序列可由複數個商品代碼構成。

承上所述，本發明之商品推薦方法可藉由輸入交易資訊以找到特徵時間序列及潛在時間序列，並進一步地找出特徵時間序列之間與潛在時間序列之橋接樣式，進而合併為表現時間序列，以使消費者之購買習慣序列符合表現時間序列之部分序列時，可提供推薦部分序列後之商品種類代碼所對應之商品，以達到更精確地依消費者之消費模式推薦商品。

S11至S16、S21至S23、S301至S313‧‧‧步驟

第1圖係為本發明之商品推薦方法之第一流程圖。

第2圖係為本發明之商品推薦方法之第二流程圖。

第3圖係為本發明之商品推薦方法之第三流程圖。

為利瞭解本發明之特徵、內容與優點及其所能達成之功效，茲將本發明配合圖式，並以實施例之表達形式詳細說明如下，而其中所使用之圖式，其主旨僅為示意及輔助說明書之用，未必為本發明實施後之真實比例與精準配置，故不應就所附之圖式的比例與配置關係解讀、侷限本發明於實際實施上的權利範圍。

本發明之優點、特徵以及達到之技術方法將參照例示性實施例及所附圖式進行更詳細地描述而更容易理解，且本發明或可以不同形式來實現，故不應被理解僅限於此處所陳述的實施例，相反地，對所屬技術領域具有通常知識者而言，所提供的實施例將使本揭露更加透徹與全面且完整地傳達本發明的範疇，且本發明將僅為所附加的申請專利範圍所定義。

請參閱第1圖，其係為本發明之商品推薦方法之第一流程圖。如圖所示，本發明之商品推薦方法包含下列步驟：

在步驟S11中：設定各商品種類之持續銷售門檻。

在步驟S12中：於複數個計算時間內，分別依序紀錄各計算時間內達到對應之持續銷售門檻之各商品種類之商品代碼，以得到複數個特徵時間序列。

在步驟S13中：各特徵時間序列之間，分別依序紀錄對應消費行為之各商品種類之商品代碼，以取得複數個潛在時間序列。

在步驟S14中：搜尋至少一潛在時間序列連接前一特徵時間序列與後一特徵時間序列之邊界之橋接樣式。

在步驟S15中：依據至少一橋接樣式合併對應之前一特徵時間序列與後一特徵時間序列，以取得表現時間序列。

在步驟S16中：當購買習慣序列所包含之複數個商品代碼符合至少一表現時間序列之部分序列時，依序提供至少一表現時間序列中位於部分序列之後的至少一商品代碼。其中，提供至少一商品代碼即為推薦對應至少一商品代碼之商品。

請參閱第2圖，其係為本發明之商品推薦方法之第二流程圖。如圖所示，得到複數個特徵時間序列之前可包含下列步驟：

在步驟S21中：輸入複數個交易資訊，各交易資訊包含銷售時間及商品代碼。

在步驟S22中：依據銷售時間產生相對週期時間。

在步驟S23中：依據商品代碼及相對週期時間產生交易時間序列。

舉例來說，現有三個交易時間序列，依序為0105110,14、0006716,6、0007218,7。其中，0105110,14係表示距今1年前第5週第1天上午10點，商品代碼14被銷售出去；0006716,6係表示今年前第6週第7天下午4點，商品代碼6被銷售出去；0007218,7係表示今年前第7週第2天下午6點，商品代碼7被銷售出去。

續言之，上述提到之持續銷售門檻則對應為商品代碼14同一天被銷售出去達5組以上，或是商品代碼6同一天被銷售出去達10組以上；其中，持續銷售門檻可對應不同商品予以調整設定，進而複數個商品之持續銷售門檻不一定相同。

而上述提到之計算時間係開始於其中一商品代碼之商品持續銷售數量達到持續銷售門檻時開始，並於低於持續銷售門檻設定時結束。

進一步地，於計算時間中若有達到持續銷售門檻之商品代碼，則依時間次序排列，以上述0105110,14、0006716,6、0007218,7為例，商品代碼14最先達到持續銷售門檻，商品代碼6居次，而商品代碼7最後，進而便得到油商品代碼組成之特徵時間序列14-6-7。

值得一提的是，以0105110,14為例，其係表示距今1年前第5週第1天上午10點，商品代碼14被銷售出去，因此可知「0105110」係為相對週期時間，而相對週期時間中包含了相對年數(01)、星期週數(05)、每週天數(1)及小時數(10)，其中小時數為24小時制，以對照距今1年前第5週第1天上午10點之銷售時間。

上述提到之潛在時間序列是由消費者之消費行為而構成的，在此較佳地係為消費者將商品放入購物車或結帳，但不以此為限。潛在時間序列是 在特徵時間序列以外時間所產生之序列，而潛在時間序列與特徵時間序列連結之連結點即定義為橋接樣式。

續言之，橋接樣式採用探測隨機性接近50%正負10%之true positive預測正確性的手段偵測出其隨機性出現範圍，此潛在時間序列從頭算連續Ni-1個及從尾算連續Nj-1個商品代碼，再加上前一特徵時間序列的最後一個商品代碼及後一特徵時間序列的第一個商品代碼，分別為其開始橋接樣式及結束橋接樣式，其中，Ni、Nj可自行設定。

換句話說，橋接樣式可包含其中一潛在時間序列由前數Ni-1個商品代碼與前一特徵時間序列之最後一個商品代碼之開始橋接樣式，以及其中一潛在時間序列由後數Nj-1個商品代碼與後一特徵時間序列之第一個商品代碼之結束橋接樣式。

舉例而言，當前一特徵時間序列為14-6-7，潛在時間序列為14-2-1-5，後一特徵時間序列為22-2-6時，在Ni=2,Nj=2時，因為Ni-1=1,Nj-1=1，故潛在時間序列從前數1個商品代碼為14，從後數1個商品代碼為5，再配上前一特徵時間序列最後一個商品代碼為7，及後一特徵時間序列第一個商品代碼為22，是以開始橋接樣式為7-14，結束橋接樣式則為5-22。

另一方面，若在Ni=3,Nj=3時，因為Ni-1=2,Nj-1=2，故潛在時間序列從前數2個商品代碼為14-2，從後數2個商品代碼為1-5，再配上前一特徵時間序列最後一個商品代碼為7，及後一特徵時間序列第一個商品代碼為22，是以開始橋接樣式為7-14-2，結束橋接樣式則為1-5-22，以此類推。

再舉一例：其中，Ni=2,Nj=2，故Ni-1=1,Nj-1=1。

由上例可知，開始橋接樣式為5-12，結束橋接樣式為8-2，進而上述具有兩組可合併之前後特徵時間序列(並不會合併潛在時間序列)，而產生兩組表現時間序列如下：

Df1：14-6-4-2-8-5-2-5-6-3-4-5

Df2：14-6-4-2-8-5-2-14-7-2-5

進一步地，當某消費者C1購物車上(或結帳時)商品代碼測得為4-2-8時，稱為C1的購買習慣序列H1：4-2-8，因同一消費者且同一交易，故不考慮購買順序問題，所以此購買習慣序列及其排列組合集合S1={H1|4,2,8}(如2-8-4、8-2-4等)，經由比較發現符合表現時間序列Df1中的部分序列(4-2-8)，故便以電子系統主動推薦於部分序列4-2-8之後商品代碼為5(部分序列之後依序的商品代碼)的商品，當C1不滿意或未採納時再依序推薦商品代碼為2、6、3、4之商品。另一方面，因S1同時符合另一表現時間序列Df2之部分序列，因此商品代碼14、7、2也是可推薦給消費者之商品。

值得一提的是，當著重於經濟效益優先推薦策略時，購買習慣序列符合複數個表現時間序列中之部分序列後，將依據複數個表現時間序列於部分序列後具有之至少一商品代碼之數量，以由多至少之排序方式決定各表現時間序列提供部分序列之後的至少一商品代碼之順序。

也就是說，同上述舉例因表現時間序列Df1之部分序列後可推薦商品代碼為5-2-6-3-4之商品，而推薦數量多於另一表現時間序列Df2所推薦的商品代碼5-2-14-7，因此將先推薦表現時間序列Df1於部分序列後的商品代碼之商品。

反之，若是著重在避免滯銷優先推薦策略時，購買習慣序列符合複數個表現時間序列中之部分序列後，將依據複數個表現時間序列於部分序列後具有之至少一商品代碼之數量，以由少至多之排序方式決定各表現時間序列提供部分序列之後的至少一商品代碼之順序。

也就是說，同上述舉例因表現時間序列Df2之部分序列後可推薦商品代碼為5-2-14-7之商品，而推薦數量少於另一表現時間序列Df1所推薦的商品代碼5-2-6-3-4，因此將先推薦表現時間序列Df2於部分序列後的商品代碼之商品。

補充一提，上述所提到之特徵時間序列、潛在時間序列及購買習慣序列可由複數個商品代碼構成。

請參閱第3圖，其係為本發明之商品推薦方法之第三流程圖。如圖所示，本發明之商品推薦方法之詳細流程係為，先輸入銷售時間及其商品代碼(S301)，再轉換銷售時間以產生相對週期時間(S302)，接著經搜尋種類代碼後便產生交易時間序列(S303)，並據以計算商品種類數量(S304)。

續言之，計算商品種類數量後，便判斷特徵時間序列(S305)是否開始，若是，便透過特徵監視模組監視(S306)，且經檢查後判斷特徵時間序列是否結束(S307)，若是，則藉由橋接樣式模組辨識連結點(S308)，若否，則回到步驟S301。

上述判斷特徵時間序列(S305)是否開始後，若否，則進入步驟S308由橋接樣式模組辨識連結點，接著判斷潛在時間序列是否開始(S309)，若是，則藉由連結點偵測模組偵測(S312)，經檢查後判斷潛在時間序列是否結束(S313)，若是，則回到步驟S304，若否，則回到步驟S312再由連結點偵測模組偵測。

而，上述提到判斷潛在時間序列是否開始，若否，則藉由特徵時間序列搜尋模組搜尋(S310)，並以特徵時間序列合併模組合併特徵時間序列(S311)，並經檢查後判斷特徵時間序列是否結束(S307)。然，上述僅為舉例，不應以此為限。

承上所述，本發明之商品推薦方法可藉由輸入交易資訊以找到特徵時間序列及潛在時間序列，並進一步地找出特徵時間序列之間與潛在時間序列之橋接樣式，進而合併為表現時間序列，以使消費者之購買習慣序列符合表現時間序列之部分序列時，可提供推薦部分序列後之商品種類代碼所對應之商品，以達到更精確地依消費者之消費模式推薦商品。

以上所述之實施例僅係為說明本發明之技術思想及特點，其目的在使熟習此項技藝之人士能夠瞭解本發明之內容並據以實施，當不能以之限定本發明之專利範圍，即大凡依本發明所揭示之精神所作之均等變化或修飾，仍應涵蓋在本發明之專利範圍內。

S11至S16‧‧‧步驟

Claims (7)

1. 一種商品推薦方法，其包含下列步驟：設定各商品種類之一持續銷售門檻；於複數個計算時間內，分別依序紀錄各該計算時間內達到對應之該持續銷售門檻之各該商品種類之一商品代碼，以得到複數個特徵時間序列；各該特徵時間序列之間，分別依序紀錄對應一消費行為之各該商品種類之該商品代碼，以取得複數個潛在時間序列；搜尋至少一該潛在時間序列連接前一該特徵時間序列與後一該特徵時間序列之邊界之一橋接樣式；依據至少一該橋接樣式合併對應之前一該特徵時間序列與後一該特徵時間序列，以取得一表現時間序列；以及當一購買習慣序列所包含之複數個該商品代碼符合至少一該表現時間序列之一部分序列時，依序提供至少一該表現時間序列中位於該部分序列之後的至少一該商品代碼。
2. 如申請專利範圍第1項所述之商品推薦方法，其中得到該複數個特徵時間序列之前係包含下列步驟：輸入複數個交易資訊，各該交易資訊係包含一銷售時間及該商品代碼；依據該銷售時間產生一相對週期時間；以及依據該商品代碼及該相對週期時間產生一交易時間序列。
3. 如申請專利範圍第2項所述之商品推薦方法，其中該相對週期時間係包含一相對年數、一星期週數、一每週天數及一小時數。
4. 如申請專利範圍第1項所述之商品推薦方法，其中該橋接樣式係包含其中一該潛在時間序列從頭連續複數個該商品代碼與前一該特徵時間序列之最後一個該商品代碼之一開始橋接樣式，以及其中一該潛在時間序列從後連續複數個該商品代碼與後一該特徵時間序列之第一個該商品代碼之一結束橋接樣式。
5. 如申請專利範圍第1項所述之商品推薦方法，其中當該購買習慣序列符合複數個該表現時間序列中之該部分序列時，係依據複數個該表現時間序列於該部分序列後具有之至少一該商品代碼之數量，以由多至少之排序方式決定各該表現時間序列提供該部分序列之後的至少一該商品代碼之順序。
6. 如申請專利範圍第1項所述之商品推薦方法，其中當該購買習慣序列符合複數個該表現時間序列中之該部分序列時，係依據複數個該表現時間序列於該部分序列後具有之至少一該商品代碼之數量，以由少至多之排序方式決定各該表現時間序列提供該部分序列之後的至少一該商品代碼之順序。
7. 如申請專利範圍第1項所述之商品推薦方法，其中該特徵時間序列、該潛在時間序列及該購買習慣序列係由複數個該商品代碼構成。