beckman0470 / line_recommendsys_demo

Line APP 推薦系統

大綱

• 範例資料描述
• 開發工具與需求
• 推薦系統

1. 過去消費紀錄推薦
2. 消費者族群推薦

• APP 互動介面

• 概念說明
• 運作方式

範例資料描述

1. 欄位選擇:

• 雖逐筆交易中以商品名稱作為品項，但因品項過多且交易筆數過少,遂以品牌與商品種類作為推薦品項。
• 由數量呈單價而非數量作為逐筆訂單分數以避免總是推薦低價商品的問題。

2. 資料說明:

(1) all_data.csv

英文欄位	中文欄位		英文欄位	中文欄位
cart_id	購物車id		member_id	會員編號
retailer	通路		address	通路地址
channel	訂單來源		category	商品類別
brand	商品品牌		item	商品名稱
cnt	商品數量		per_price	單價
shipping_fee	運費		discount	折扣
payment	付款方式		attribute	商品屬性
additional_purchase	加價購		age	顧客年齡
regist_days	註冊期長		last_purchaseday	最後消費間隔
tol_purchase_price	會員總消費金額		tol_purchase_time	會員總消費次數
gender	性別		membership_source	會員資料來源

(2) 產品類別代號對照表:

類別	代號		類別	代號
去角質	1		沐浴	2
其他	3		卸妝	4
底妝	5		保濕	6
持妝	7		洗髮	8
洗顏	9		眉毛	10
美白	11		眼線	12
睫毛	13		補妝	14
遮瑕	15		護唇	16

(3) 性別代號對照表:

類別	代號
未知	-1
女	0
男	1

開發工具與需求

• Python 3.6
• Python Modules: pandas, numpy, surprise
• Vitural C++ 14.0以上版本
• 資料輸出/入格式: csv

推薦系統

• 有顧客過去消費紀錄: 由過去顧客消費紀錄中藉由相似消費紀錄者喜好商品作為推薦。
• 顧客無過去消費紀錄: 將顧客依基本信息分群，找出族群偏好作為推薦。

1. 有過去消費紀錄推薦:

• 由顧客對某一商品類別,品牌或類別品牌組合的累積消費額作為喜好分數。
• 由逐筆訂單資料中整理得出資料後。以SVD推薦系統投影至50個隱藏因素計算得分後做推薦。

• 資料輸入格式(由逐筆訂單資料中整理得出):

欄位	說明		欄位	說明
cart_id	訂單編號		Member_id	會員編號
Category	消費商品類別		Brand	消費商品品牌
cnt	商品數量		per_price	商品單價
Score	Cnt*per_price

• 輸出資料格式 (對各user推薦前三名品牌,類別與品牌類別組合):

(1). 使用者-品牌推薦:

	recommand_1	recommand_2	recommand_3
User_id	KOSE	DASODA	MicheBloomin
...	...	...	...

(2). 使用者-類別推薦:

	recommand_1	recommand_2	recommand_3
User_id	美白	持妝	補妝
...	...	...	...

(3). 使用者-組合推薦:

	recommand_1	recommand_2	recommand_3
User_id	('睫毛', 'FLOWFUSHI ')	('補妝', 'BEAUTYMAKER')	('保濕', 'KOSE')
...	...	...	...

2. 消費者族群推薦:

• 因顧客無過去消費紀錄，故將顧客依基本信息分群，找出族群偏好作為推薦。將顧客依資料年齡特徵分為6個級距;性別分為男女與未知。因此產生18個族群。針對個別族群計算商品喜好程度作為件依據。如族群未知或無資料則推薦全體喜好前三名商品。
• 資料輸入格式(由逐筆訂單資料中整理得出):

欄位	說明		欄位	說明
Member_id	會員編號		Age	顧客年齡
Gender	顧客性別		Category	消費商品類別
Brand	消費商品品牌		cnt	商品數量
per_price	商品單價		Score	Cnt*per_price

• 輸出資料格式:
• 推薦各族群前三名的品牌,類別與品牌類別組合。
• 資料依各族群內分數前三名遞減排序。
• Example:

(1).族群-品牌推薦:

group	brand	score
5_0	KOSE	6399
...	...	...

(2).族群-類別推薦:

group	categoty	score
5_0	洗髮	3570
...	...	...

(3).族群-組合推薦:

group	score	categoty	brand
5_0	3570	洗髮	ANGFA
...	...	...	...

APP互動介面:

1. 概念說明:

此APP為一個透過LINE來操作，通過判定使用者輸入的指令及關鍵字，搜索內部資料來進行回應的聊天機器人。 其指令內容通過LINE @來設計6個按鍵，通過按鍵自動發送搜尋關鍵字，可讓使用者輕易選定想進行搜索的類別。

2. 運作方式:

將運作程式碼及讀取檔案放置於GitHub，並通過連結GitHub，將程式及資料部屬於Heroku平台上。 最後再利用LINE Developers連結Heroku平台並發布。 當有新的使用者加入時，會將使用者資訊新建立資料於mangodb的table上，包含用戶ID、名稱、建立時間等資訊，程式端可利用ID識別不同用戶的操作行為。

3. 操作流程:

首先使用者可透過掃描QR Code加入APP。

之後使用者可於下方選單介面選擇想要查詢的項目，系統會自動將其轉為關鍵字傳給程式端。 當使用者(透過Line的圖文介面)送出關鍵字命令，程式端會將對應的Flag開啟。並觸發事件拋出問題請使用者輸入ID或年齡性別。 使用者輸入後，程式端會依據回答，於後台搜尋依據推薦系統找出的推薦品牌、類別回應使用者，同時將先前開啟的Flag關閉。