基于运动目标下的运动量兑换礼品的运动激励方法与流程

本技术涉及健身领域，尤其是涉及一种基于运动目标下的运动量兑换礼品的运动激励方法。

背景技术：

1、随着网络商城越来越流行，为电子商务的重要组成部分，它提供了一个在线购物的平台，让消费者能够通过互联网购买商品或服务。网络商城可以全天候提供服务，消费者可以随时随地浏览商品和完成购买，无需出门即可购物，节省了时间和交通成本。网络商城通常拥有比实体店更广泛的商品选择，消费者可以从多种商品中进行选择。通过分析消费者的购物习惯和偏好，网络商城能够提供个性化的商品推荐，增强购物体验。

2、但是，使用网络商城购物减少了去实体店购物的需求，从而可能降低了一些日常的步行或运动量。例如，传统的购物方式可能涉及到步行至商店、携带商品等身体活动。

3、另一方面，网络商城节省的购物时间和交通时间可能被用于进行运动或其他体育活动。如果用户将省下的时间用于增加运动量，那么这种情况下，网络商城并不会减少用户的运动量，但较少的用户会主动进行运动锻炼。长期而言，网络商城和其他电子商务平台可能促使人们更多地依赖在线购物，这种变化可能会导致更加静态的生活方式，减少日常活动和运动的机会；

技术实现思路

1、本技术提供一种基于运动目标下的运动量兑换礼品的运动激励方法，通过运动的方式来兑换获取奖品，可以促进用户的运动积极性和提升用户的健身意识，增进体质。

2、尤其是可用于改善青少年的身体肥胖和身体瘦弱现象，也可通过加强运动量改善青少年的假性近视，还可通过运动增强心肺功能。通过运动与奖品的相互结合，从而促进用户运动，达到用户快乐运动的目的。

3、通过提供奖品作为运动的激励，用户更有可能持续坚持运动计划，奖品可以引起用户的兴趣，尤其是在团体或社区环境中，竞争和奖励机制能够增加个人参与的乐趣和社交互动。

4、并且，定期的奖励可以帮助用户建立长期的运动习惯，随着时间的推移，即使奖励减少或取消，习惯本身可能已经足够强大，能够维持用户的活跃状态。

5、同时，当用户因参与运动而获得奖励时，他们的满意度通常会提高，这有助于增强他们对运动平台或健身应用的忠诚度，奖品还可以根据用户的不同喜好和需要进行个性化定制，从而更有效地激励各种类型的用户。

6、此外，将游戏化元素引入到运动中，可以使运动过程更加有趣和引人入胜，从而使用户在享受乐趣的同时达到运动的目的。

7、长期而言，规律的运动可以大幅度提高身体健康，减少慢性病的风险。通过奖品激励的方式，可以使更多人受益于运动带来的健康优势。

8、所述基于运动目标下的运动量兑换礼品的运动激励方法，包括以下步骤：

9、a1，根据预设的用户识别信息于预设的网络商城数据库获取对应的消费金额数据和商品浏览信息数据；

10、a2，根据商品浏览信息数据以预设的用户偏好识别算法生成偏好商品列表；

11、a3，根据消费金额数据以预设的奖品定价算法计算奖品价值区间；

12、a4，根据偏好商品列表、奖品价值区间和预设的预选奖品数以预设的奖品预选算法确定奖品组信息；

13、a5，根据奖品组信息以预设的兑奖运动量算法生成兑奖运动量数据；

14、a6，根据消费金额数据和兑奖运动量数据以预设的兑奖运动量调节算法生成目标运动量数据；

15、a7，于预设的兑奖周期内采集用户运动数据；

16、a8，根据用户运动数据和兑奖运动量数据以预设的达成运动量分析算法生成达成运动量数据；

17、a9，于兑奖周期结束时，根据兑奖运动种类数、达成运动量数据、目标运动量数据和奖品组信息以预设的奖品确定算法确定兑奖奖品信息；

18、a10，根据用户识别信息于网络商城数据库获取对应的用户收货地址信息和用户尺码信息；

19、a11，根据兑奖奖品信息、用户收货地址信息和用户尺码信息生成物流单并发送至预设的发货部门。

20、通过采用上述技术方案，所述基于运动目标下的运动量兑换礼品的运动激励方法可以根据用户的商品浏览记录预估用户的偏好商品列表，并根据偏好商品列表选定奖品组信息，并根据奖品组信息设定对应的兑奖运动量，通过将用户偏好的商品选择为奖品，并通过运动的方式来兑换奖品，可以促进用户的运动积极性，可提升用户的健身意识，增进体质。

21、可选的，所述用户偏好识别算法包括以下步骤：

22、b1，于商品浏览信息数据获取各商品信息以及对应的商品浏览次数和对应的商品浏览时长；

23、b2，根据商品浏览次数和商品浏览时长以预设的商品评分算法计算商品偏好得分，其中，所述商品评分算法为：

24、，

25、其中，为商品偏好得分，为商品浏览次数，为预设的调节系数，为商品浏览时长，为预设的调节系数，γ为预设的调节系数；

26、b3，根据各商品信息对应的商品偏好得分从大到小排序生成商品偏好排序表；

27、b4，于商品偏好排序表剔除商品偏好得分小于预设的偏好分数阈值的商品信息及对应的商品偏好得分以生成偏好商品列表。

28、通过采用上述技术方案，所述基于运动目标下的运动量兑换礼品的运动激励方法可以根据用户的商品浏览信息数据中的商品浏览次数和商品浏览时长计算用户对各个商品的偏好程度，进而生成用户的偏好商品列表，以确定用户感兴趣的商品，通过后续将用户感兴趣的商品作为奖品可以进一步提升用户的运动积极性。

29、可选的，所述奖品定价算法包括以下步骤：

30、c1，于消费金额数据中获取各历次消费金额；

31、c2，根据所有的历次消费金额求均值计算单次消费平均金额；

32、c3，根据单次消费平均金额和所有的历次消费金额求标准差计算单次消费标准差；

33、c4，根据单次消费平均金额、单次消费标准差和预设的置信水平系数以预设的置信区间算法计算消费金额置信区间；

34、c5，根据所有的历次消费金额求和计算消费总金额；

35、c6，根据消费总金额、消费金额置信区间和预设的消费额调节系数以预设的消费额调节算法生成奖品价值区间，其中，所述消费额调节算法为：

36、 ,

37、 ,

38、其中，为奖品价值区间的上限值，为消费金额置信区间的上限值，为消费额调节系数，为消费总金额，为奖品价值区间的下限值，为消费金额置信区间的下限值。

39、通过采用上述技术方案，所述基于运动目标下的运动量兑换礼品的运动激励方法可以根据用户的消费金额数据预估用户的消费习惯，并根据用户的消费总金额设定合适用户的奖品价值区间，一方面可以避免因奖品价值过低而导致用户对运动缺乏积极性，另一方面也可以避免因奖品价值过高而导致用户过度运动而损伤身体。

40、可选的，所述奖品预选算法包括以下步骤：

41、d1，根据偏好商品列表中的各商品信息分别于网络商城数据库获取对应的商品价格；

42、d2，若商品信息对应的商品价格落入奖品价值区间内，则定义该商品信息为预选奖品信息；

43、d3，根据各预选奖品信息分别于网络商城数据库获取对应的商品描述文本信息；

44、d4，根据各商品描述文本信息和预设的文本向量维度以预设的文本向量化算法生成对应的商品文本向量；

45、d5，于各预选奖品信息中两两组合生成不同的商品对信息，并根据商品对信息所对应的商品文本向量以预设的相似度算法计算商品对信息的文本相似度，其中，所述相似度算法为：

46、 ,

47、 ,

48、 ,  ,

49、其中，为商品信息对应的商品描述文本和商品对应的商品描述文本之间的文本相似度，为商品信息对应的商品描述文本的商品文本向量，为商品信息对应的商品描述文本的商品文本向量，为商品文本向量的模，为商品文本向量的模，为文本向量维度，为文本向量的索引；vik表示 向量vi中第k维的值；vjk表示向量vj中都k维的值；

50、d6，根据所有商品对信息的文本相似度从小到大排列生成商品相似度排序表；

51、d7，于商品相似度排序表获取文本相似度小于预设的相似度阈值的商品对信息并定义为差异商品对信息；

52、d8，根据所有的差异商品对信息获取对应的商品信息并组合生成奖品组信息。

53、通过采用上述技术方案，所述基于运动目标下的运动量兑换礼品的运动激励方法可以根据奖品价值区间和偏好商品列表确定对应的预选奖品信息，以确定适合作奖品的商品，并进一步根据预选奖品信息判断各个奖品之间的差异程度，进而使最终的奖品组信息中的商品具有价高的差异性，通过较广泛的奖品种类，避免奖品中没有用户感兴趣的商品，进而可以保证用户的运动积极性。

54、可选的，所述兑奖运动量算法包括以下步骤：

55、e1，根据奖品组信息中的各商品信息分别于网络商城数据库获取对应的商品适用运动类型信息并定义为兑奖运动类型信息；

56、e2，根据所有的兑奖运动类型信息组合生成兑奖运动集合信息；

57、e3，根据奖品组信息中的各商品信息获取对应的商品价格并定义为奖品价值；

58、e4，根据所有的奖品价值求均值计算奖品平均价值；

59、e5，根据奖品平均价值于预设的运动量比对表获取对应的获奖运动量阈值；

60、e6，根据兑奖运动集合信息统计生成兑奖运动种类数；

61、e7，根据获奖运动量阈值和兑奖运动种类数求商计算对应的单项运动运动量；

62、e8，根据所有的兑奖运动类型信息和对应的单项运动运动量组合生成兑奖运动量数据。

63、通过采用上述技术方案，所述基于运动目标下的运动量兑换礼品的运动激励方法可以根据奖品组信息确定奖品所对应的运动类型和运动量，以匹配奖品和运动之间的关系，使用户在运动和奖品之间形成正反馈，提升其运动积极性。

64、可选的，所述兑奖运动量调节算法包括以下步骤：

65、f1，根据消费金额数据求和计算消费总金额；

66、f2，若消费总金额不小于预设的消费金额阈值，则根据消费总金额和消费金额阈值求商计算消费阈值比例系数并定义为运动量调节系数；

67、f3，根据运动量调节系数和兑奖运动量数据中的各兑奖运动类型信息对应的单项运动运动量以预设的单项运动量调节算法计算单项运动目标运动量，其中，所述单项运动量调节算法为：

68、 ,

69、其中，为单项运动目标运动量，为单项运动运动量，为运动量调节系数；

70、f4，若消费总金额小于预设的消费金额阈值，则定义各单项运动运动量为单相运动目标运动量；

71、f5，根据各兑奖运动类型信息和对应的单项运动目标运动量组合生成目标运动量数据。

72、通过采用上述技术方案，所述基于运动目标下的运动量兑换礼品的运动激励方法可以根据用户的消费总金额对用户拿到奖品所需的运动量进行调节，当用户消费总金额较高时，降低其拿到奖品所需的运动量，一方面，较低的运动量可以提升用户的得奖期望进而提升运动积极性，另一方面也可促进用户的消费欲望，增加商品销售额。

73、可选的，所述达成运动量分析算法包括以下步骤：

74、g1，于用户运动数据中获取运动速度数据和运动位移数据；

75、g2，根据运动速度数据和运动位移数据以预设的特征提取算法分别提取对应的速度特征数据和位移特征数据；

76、g3，根据兑奖运动集合信息、速度特征数据和位移特征数据通过预训练的运动类型识别模型识别确定与各兑奖运动类型信息对应的单项运动时段数据；

77、g4，根据各单项运动时段数据统计对应的单项运动时长并定义为单项运动达成运动量；

78、g5，根据兑奖运动集合信息和所有的单项运动达成运动量组合生成达成运动量数据。

79、通过采用上述技术方案, 所述基于运动目标下的运动量兑换礼品的运动激励方法可以根据采集的用户运动数据进行分析识别各兑奖运动类型信息对应的运动量，进而统计用户完成的运动量情况，供判断用户的运动量是否达到了兑换奖品的程度，另外也可将完成的运动量反馈用户，以督促用户进行运动。

80、可选的，所述奖品确定算法包括以下步骤：

81、h1，根据兑奖运动集合信息中的各兑奖运动类型信息分别于目标运动量数据中获取对应的单项运动目标运动量；

82、h2，根据兑奖运动类型信息于达成运动量数据中获取对应的单项运动达成运动量；

83、h3，根据兑奖运动种类数和各兑奖运动类型信息对应的单项运动目标运动量和单项运动达成运动量以预设的运动完成度算法计算运动完成度，其中，所述运动完成度算法为：

84、 ，

85、其中，为运动完成度，为兑奖运动种类数，为兑奖运动集合信息中第个兑奖运动类型信息对应的单项运动达成运动量，为兑奖运动集合信息中第个兑奖运动类型信息对应的单项运动目标运动量；

86、h4，若运动完成度不小于预设的运动完成度阈值，则根据预设的奖品数于奖品组信息随机选择对应数量的商品信息并组合生成兑奖奖品信息。

87、通过采用上述技术方案，所述基于运动目标下的运动量兑换礼品的运动激励方法可以根据用户的达成运动量数据和目标运动量数据计算用户的运动量完成度，进而为用户是否获得奖品提供数值标准。

88、可选的，所述基于运动目标下的运动量兑换礼品的运动激励方法还包括商品推荐算法，用于向用户推荐可能符合用户偏好的商品，所述商品推荐算法包括以下步骤：

89、i1，根据偏好商品列表中的各商品信息分别获取对应的商品图像信息并定义为偏好商品图像信息；

90、i2，根据偏好商品列表中的各商品信息分别获取对应的商品适用类型信息并组合生成偏好商品适用类型信息集；

91、i3，根据偏好商品图像信息以预设的图像通道像素平均值算法生成偏好商品图像红色平均值、偏好商品图像绿色平均值和偏好商品图像蓝色平均值；

92、i4，根据偏好商品图像红色平均值、偏好商品图像绿色平均值和偏好商品图像蓝色平均值组合生成偏好商品色调数据；

93、i5，随机于网络商城数据库获取商品信息并定义为随机商品信息；

94、i6，根据随机商品信息获取对应的商品适用类型信息并定义为随机商品适用类型信息，获取对应的商品图像信息并定义为随机商品图像信息；

95、i7，若随机商品适用类信息存在于偏好商品适用类型信息集中，则根据随机商品图像信息生成以图像通道像素平均值算法生成随机商品图像红色平均值、随机商品图像绿色平均值和随机商品图像蓝色平均值；

96、i8，根据随机商品图像红色平均值、随机商品图像绿色平均值和随机商品图像蓝色平均值组合生成随机商品色调数据；

97、i9，将随机商品色调数据依次与各偏好商品色调数据以预设的欧几里得距离算法计算随机商品色调距离；

98、i10，若随机商品色调距离不大于预设的色调距离阈值，则向用户发送随机商品信息。

99、通过采用上述技术方案，所述基于运动目标下的运动量兑换礼品的运动激励方法可以根据用户的偏好商品列表，随机得向用户推荐符合用户偏好的产品，以提高用户的消费可能性。

100、综上所述，本技术包括以下至少一种有益技术效果：

101、1. 可以根据用户的商品浏览记录预估用户的偏好商品列表，并根据偏好商品列表选定奖品组信息，并根据奖品组信息设定对应的兑奖运动量，通过将用户偏好的商品选择为奖品，并通过运动的方式来兑换奖品，可以促进用户的运动积极性，可提升用户的健身意识，增进体质。

102、2. 可以根据用户的商品浏览信息数据中的商品浏览次数和商品浏览时长计算用户对各个商品的偏好程度，进而生成用户的偏好商品列表，以确定用户感兴趣的商品，通过后续将用户感兴趣的商品作为奖品可以进一步提升用户的运动积极性。

103、3. 可以根据用户的消费金额数据预估用户的消费习惯，并根据用户的消费总金额设定合适用户的奖品价值区间，一方面可以避免因奖品价值过低而导致用户对运动缺乏积极性，另一方面也可以避免因奖品价值过高而导致用户过度运动而损伤身体。