CN102385602A - 一种获得访客交易意向数据的方法及装置 - Google Patents
一种获得访客交易意向数据的方法及装置 Download PDFInfo
- Publication number
- CN102385602A CN102385602A CN2010102736524A CN201010273652A CN102385602A CN 102385602 A CN102385602 A CN 102385602A CN 2010102736524 A CN2010102736524 A CN 2010102736524A CN 201010273652 A CN201010273652 A CN 201010273652A CN 102385602 A CN102385602 A CN 102385602A
- Authority
- CN
- China
- Prior art keywords
- influence factor
- visitor
- factor index
- data
- index
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
本发明公开了一种获得访客交易意向数据的方法,包括:使用层次分析法建立访客交易意向数据表,所述访客交易意向数据表中记录有影响访客交易意向的影响因素指标及对应的交易意向数据;获得一个访客的所有影响因素指标,并在所述访客交易意向数据表中查找每个影响因素指标对应的交易意向数据;将查找到的所有交易意向数据进行运算,得到所述访客的交易意向数据。本发明还公开了一种获得访客交易意向数据的装置。由于使用层次分析法建立的访客交易意向数据表中的数据会比较精确,所以,得到的访客的交易意向数据也会比较精确,从而可以比较准确的确定访客的交易意向的程度。
Description
技术领域
本申请涉及数据处理技术,尤其涉及一种获得访客交易意向数据的方法及装置。
背景技术
在互联网技术的支持下,人们可以通过互联网出售和购买商品。对于一个出售商品的卖家来说,访问其网站或店铺的部分访客的购买意向较高,部分访客的购买意向一般,部分访客的购买意向较低。如果卖家能够确定访客的购买意向,或者说,如果卖家能够获得反映访客交易意向程度的访客交易意向数据,那么卖家就能很容易的做出商品交易的决策。所以,访客的交易意向数据能为卖家提供强大的决策支持,获得访客交易意向数据对于卖家做出商品交易的决策尤为重要。
但是,现有技术仅存在一些统计软件,能够收集访客的相关行为数据信息,例如,访问次数、访问时长、历史交易数据等,并将收集到的这些访客的数据信息传输给卖家,供卖家自主根据以上数据信息对访客的交易意向进行主观判断;一般情况下,由于卖家无法有效判断访客的交易意向,会设定系统对所有的访客均进行营销电子邮件的发送,严重消耗了系统资源,降低了邮件的发送速度和效率。
发明内容
有鉴于此,本申请要解决的技术问题是,提供一种获得访客交易意向数据的方法和装置,能够确定访客的交易意向程度,进而减少系统资源的消耗,提高营销电子邮件的发送速度和效率。
为此,本申请实施例采用如下技术方案:
本申请实施例提供一种获得访客交易意向数据的方法,包括:
使用层次分析法建立访客交易意向数据表,所述访客交易意向数据表中记录有影响访客交易意向的影响因素指标及对应的交易意向数据;
获得一个访客的所有影响因素指标,并在所述访客交易意向数据表中查找每个影响因素指标对应的交易意向数据;
将查找到的所有交易意向数据进行运算,得到所述访客的交易意向数据;根据所述交易意向数据进行信息的发送。
还提供一种获得访客交易意向数据的装置,包括:
数据表建立单元,用于使用层次分析法建立访客交易意向数据表,所述访客交易意向数据表中记录有影响访客交易意向的影响因素指标及对应的交易意向数据;
获得单元,用于获得一个访客的所有影响因素指标;
查找单元,用于在所述访客交易意向数据表中查找所述访客的每个影响因素指标对应的交易意向数据;
运算单元,用于将查找到的所有交易意向数据进行运算,得到所述访客的交易意向数据;
处理单元,用于根据所述交易意向数据进行信息的发送。
对于上述技术方案的技术效果分析如下:
在本申请实施例中,首先使用层次分析法建立访客交易意向数据表,之后,在所述访客交易意向数据表中查找一个访客的每个影响因素指标对应的交易意向数据,最后,将查找到的所有交易意向数据进行运算,得到这个访客的交易意向数据。由于使用层次分析法建立的访客交易意向数据表中的数据会比较精确,所以,得到的访客的交易意向数据也会比较精确,从而可以比较准确的确定访客的交易意向的程度;进而,可以依据访客的交易意向数据对所需发送营销信息的访客进行筛选,有针对性的进行营销信息的发送,从而减少了系统资源的消耗,提高了营销信息的发送速度和效率。
附图说明
图1为本申请实施例应用的网络环境示意图;
图2为本申请实施例的获得访客交易意向数据的方法流程示意图;
图3为图2中的步骤21的实现流程示意图;
图4为图3中的步骤212的实现流程示意图;
图5为图3中的步骤213的实现流程示意图;
图6为本申请实施例的获得访客交易意向数据装置结构示意图。
具体实施方式
现有技术中仅存在一些统计软件,能够收集访客的相关行为数据信息,例如,访问次数、访问时长、历史交易数据等,并将收集到的这些访客的数据信息传输给卖家,供卖家自主根据以上数据信息对访客的交易意向进行主观判断;一般情况下,由于卖家无法有效判断访客的交易意向,会设定系统对所有的访客均进行营销信息的发送,如发送营销电子邮件,严重消耗了系统资源,降低了邮件的发送速度和效率。实际上,在系统发送的营销电子邮件中,仅有有限的一部分电子邮件由于接收到该邮件的卖家具有交易意向,而产生了效果,其他的电子邮件则并不能产生发送效果。
有鉴于此,本申请中对于每个访客,查找该访客的每个影响因素指标对应的交易意向数据,最后,将查找到的所有交易意向数据进行运算,得到这个访客的交易意向数据,从而系统根据交易意向数据对所需发送营销信息的访客进行筛选,从而有针对性的进行营销信息的发送,以减少系统资源的消耗,提高营销信息的发送速度和效率。当然本申请向访客发送的信息并不限于营销信息,可以包括任何需要通知到访客的信息,如邀请访客参加某一活动的通知信息或提醒访客注意事项的消息等。
以下,结合附图详细说明本申请实施例的获得访客交易意向数据的方法及装置的实现。
为使本领域技术人员更加清楚的理解本申请实施例,首先介绍本申请实施例所应用的网络环境。如图1所示,卖家客户端102和买家客户端103通过第三方服务器101进行商品交易。
在本申请实施例中,主要由第三方服务器101或者卖家客户端102获得访客交易意向数据。例如,可以由第三方服务器101使用本申请实施例提供的获得访客交易意向数据的方法及装置,来获得访客交易意向数据,之后,由第三方服务器101将获得的访客交易意向数据提供给卖家客户端102。再例如,可以由卖家客户端102直接使用本申请实施例提供的获得访客交易意向数据的方法及装置,来获得访客交易意向数据。
在本申请实施例中,买家即为访客。
在本申请实施例中,访客交易意向数据是反映访客的交易意向程度的数据。
下面结合图2,对本申请实施例的一种获得访客交易意向数据的方法进行说明。如图2所示,这种方法包括:
步骤21:使用层次分析法建立访客交易意向数据表,所述访客交易意向数据表中记录有影响访客交易意向的影响因素指标及对应的交易意向数据。
层次分析法(AHP,Analytic Hierarchy Process)是对定性问题进行定量分析的一种简便、灵活而又实用的多准则决策方法。它的特点是把复杂问题中的各种因素通过划分为相互联系的有序层次,使之条理化,根据对一定客观现实的主观判断结构(主要是两两比较)把专家意见和分析者的客观判断结果直接而有效地结合起来,将一层次元素两两比较的重要性进行定量描述。而后,利用数学方法计算反映每一层次元素的相对重要性次序的权值,通过所有层次之间的总排序计算所有元素的相对权重并进行排序。
例如,某人准备选购一台电冰箱,他对市场上的6种不同类型的电冰箱进行了解后,在决定买哪一款式时,往往不是直接进行比较,因为存在许多不可比的因素,而是选取一些中间指标进行考察,例如电冰箱的容量、制冷级别、价格、型式、耗电量、外界信誉、售后服务等。然后再考虑各种型号冰箱在上述各中间指标下的优劣排序。借助这种排序,最终作出选购决策。在决策时,由于6种电冰箱对于每个中间指标的优劣排序一般是不一致的,因此,决策者首先要对这7个中间指标的重要度作一个估计,给出一种排序,然后把6种冰箱分别对每一个中间标准的排序权重找出来,最后把这些信息数据综合,得到针对总目标即购买电冰箱的排序权重。有了这个权重向量,决策就很容易了。
层次分析法的实现步骤一般包括:
(1)通过对系统的深刻认识,确定该系统的总目标,弄清规划决策所涉及的范围、所要采取的措施方案和政策、实现目标的准则、策略和各种约束条件等,广泛地收集信息。
(2)建立一个多层次的递阶结构,按目标的不同、实现功能的差异,将系统分为几个等级层次。
(3)确定以上递阶结构中相邻层次元素间相关程度。通过构造两比较判断矩阵及矩阵运算的数学方法,确定对于上一层次的某个元素而言,本层次中与其相关元素的重要性排序--相对权值。
(4)计算各层元素对系统目标的合成权重,进行总排序,以确定递阶结构图中最底层各个元素的总目标中的重要程度。
(5)根据分析计算结果,考虑相应的决策。
基于上述描述,可以按照图3所示的方法实现步骤21。如图3所示,实现步骤21的流程如下:
步骤211:设置多级影响因素指标,除最后一级影响因素指标外,每一级影响因素指标都包括至少一个相邻下一级的影响因素指标。也就是说,存在多个影响访客交易意向的影响因素指标,将这些指标进行分级处理,最高的一个级别至少具有一个影响因素指标,除最后一级影响因素指标外,每一级影响因素指标都包括至少一个相邻下一级的影响因素指标。
例如,假设访客的身份是第一级影响因素指标,作为其相邻下一级(即第二级)影响因素指标可以分别是注册年数和诚信通指数(诚信通指数是阿里巴巴在诚信通会员的“诚信通档案”基础上推出的一套评分系统,目前由A&V认证,证书及荣誉,会员评价,经验值等构成),反过来说,访客的身份就是注册年数和诚信通指数的相邻上级影响因素指标。作为注册年数的相邻下一级(即第三级)影响因素指标可以分别是注册0年、注册1年、注册2年、注册3年、注册4年、注册5年以上等,反过来说,注册年数是非注册、注册1年、注册2年、注册3年、注册4年、注册5年以上的相邻上级影响因素指标。作为诚信通指数的相邻下一级(即第三级)影响因素指标可以分别是0、小于20、不小于20且小于50、不小于50且小于70、不小于70且小于90、不小于90等,反过来说,诚信通指数是0、小于20、不小于20且小于50、不小于50且小于70、不小于70且小于90、不小于90的相邻上级影响因素指标。
步骤212:计算每一级的每一个影响因素指标在其同级的所有影响因素指标中的权重。
如图4所示,实现步骤212的流程如下:
步骤2121:对于任何一级的影响因素指标,建立两两比较矩阵,所述两两比较矩阵中的每一个值均为两个同级影响因素指标相互比较后所得到的值。优选的,两两比较矩阵中的每一个值均为两个同级影响因素指标的重要程度相互比较后所得到的值。优选的,可以使用1-9标度法建立两两矩阵,即,使用1-9中的9个数字或其倒数来标明所得到的值。例如,可以预先设置表1中的标度原则来标明所得到的值;进而,通过预设如表1a所示的两两同级影响因素指标之间的重要程度信息,根据重要程度信息从表1中查找得到对应的标度值,从而确定两指标之间的标度值。
两两比较判断 | 对应标度 |
前者与后者同样重要 | 1 |
前者比后者稍重要 | 3 |
后者比前者稍重要 | 1/3 |
前者比后者明显重要 | 5 |
后者比前者明显重要 | 1/5 |
前者比后者重要的多 | 7 |
后者比前者重要的多 | 1/7 |
前者较后者极度重要 | 9 |
后者比前者极度重要 | 1/9 |
折中标度,摇摆不定时选择 | 2、4、6、8 |
表1
表1a
假设第一级影响因素指标分别为访客的身份、访客的行为和访客的供求,两两指标之间的重要程度信息如表1a所示,那么通过查找表1中重要程度信息对应的标度值,可以得到如表2所示的第一级影响因素指标的两两比较矩阵。
第一级影响因素指标 | 访客的身份 | 访客的行为 | 访客的供求 |
访客的身份 | 1 | 1/5 | 1/3 |
访客的行为 | 5 | 1 | 1 |
访客的供求 | 3 | 1 | 1 |
表2
在实际应用中,两两矩阵中的每两个影响因素指标之间的重要程度信息可以在具体实现中根据实际应用环境自主设定,这里并不限制。
步骤2122:对两两比较矩阵中的每一个列向量进行归一化处理,两两比较矩阵中的值均为归一化的值。
以表2为例,进行列向量归一化后,可以得到如表3所示的矩阵。
第一级影响因素指标 | 访客的身份 | 访客的行为 | 访客的供求 |
访客的身份 | 0.1111 | 0.091 | 0.143 |
访客的行为 | 0.5556 | 0.455 | 0.429 |
访客的供求 | 0.3333 | 0.455 | 0.429 |
表3
步骤2123:使用特征向量和积法,得到同一级的每一个影响因素指标在其同级的所有影响因素指标中所占的百分比。
以表3为例,使用特征向量和积法后,可以得到如表4所示的矩阵。
第一级影响因素指标 | 访客的身份 | 访客的行为 | 访客的供求 | 百分比 |
访客的身份 | 0.1111 | 0.091 | 0.143 | 11.5% |
访客的行为 | 0.5556 | 0.455 | 0.429 | 48.0% |
访客的供求 | 0.3333 | 0.455 | 0.429 | 40.5% |
表4
请再参见图3,执行步骤212后,执行步骤213:将最后一级的所有影响因素指标对应的权重折算为分值。
步骤213的实现流程如图5所示,包括:
步骤2131:为同属于一个相邻上级影响因素指标的最后一级影响因素指标中权重最大的影响因素指标设置一个百分制基准值。
假设第一级影响因素指标为访客的身份,作为其相邻下一级影响因素指标分别是注册年数和诚信通指数,作为注册年数的相邻下一级(即最后一级)影响因素指标分别是注册0年、注册1年、注册2年、注册3年、注册4年、注册5年以上,再假设“注册5年以上”这个影响因素指标在同属于“注册年数”这个影响因素指标的最后一级影响因素指标中权重最大,即,“注册5年以上”这个影响因素指标在“注册0年”、“注册1年”、“注册2年”、“注册3年”、“注册4年”、“注册5年以上”这些影响因素指标中权重最大,那么可以为“注册5年以上”这个影响因素指标设置百分制基准值为100。
步骤2132:根据所述基准值、权重最大的影响因素指标的权重以及同属于一个相邻上级影响因素指标的最后一级其他影响因素指标对应的权重,得到同属于一个相邻上级影响因素指标的最后一级其他影响因素指标对应的百分制数值。
以上面的“注册5年以上”对应的百分制基准值为100为例,根据“注册5年以上”对应的权重和“注册0年”对应的权重,可以计算出“注册0年”对应的百分制数值,同理,可以分别计算出“注册1年”、“注册2年”、“注册3年”、“注册4年”对应的百分制数值。
步骤2133:根据最后一级的每个影响因素指标对应的百分制数值以及相邻上级的所属影响因素指标对应的权重,得到最后一级的每个影响因素指标对应的分值。
接上面的实施例,计算出“注册0年”对应的百分制数值后,将“注册0年”对应的百分制数值、注册年数对应的权重和身份对应的权重进行相乘运算,得到“注册0年”对应的分值,同理,可以分别计算出“注册1年”、“注册2年”、“注册3年”、“注册4年”、“注册5年以上”对应的分值。
请再返回图3,执行步骤213后,执行步骤214:建立一个记录有最后一级的所有影响因素指标及对应的分值的访客交易意向数据表。当然,这个访客交易意向数据表中还可以记录最后一级的影响因素指标的上级影响因素指标。
请再返回图2,执行步骤21后,可以执行步骤22:获得一个访客的所有影响因素指标,并在所述访客交易意向数据表中查找每个影响因素指标对应的交易意向数据。
具体的,可以在获得一个访客的一个影响因素指标后,就在访客交易意向数据表中查找这个影响因素指标对应的交易意向数据。当然,也可以在获得一个访客的全部影响因素指标后,在访客交易意向数据表中查找每个影响因素指标对应的交易意向数据。
前面提到过,交易意向数据主要对应最后一级影响因素指标,所以,在这个步骤中,可以只获得一个访客的所有最后一级的影响因素指标,并在访客交易意向数据表中查找每个最后一级的影响因素指标对应的分值。
例如,假设访客A注册1年,刚被认证(诚信通指数小于20),访问5次以上,访问页面数5个以上,停留时长大于180秒,查看的页面类型是产品介绍类,曾主动邀请,成交3次以上,那么在访客交易意向数据表中查找到“注册1年”对应的分值为0.8,“诚信通指数小于20”对应的分值为1.6,“访问5次以上”对应的分值为2.3,“访问页面数5个以上”对应的分值为2.3,“停留时长大于180秒”对应的分值为4.7,“产品介绍类”对应的分值为1.4,“主动邀请”对应的分值为13.8,“成交3次以上”对应的分值为16.9。
执行步骤22后,执行步骤23:将查找到的所有交易意向数据进行运算,得到所述访客的交易意向数据。
具体的,可以将查找到的所有交易意向数据进行相加或相乘运算,得到访客的交易意向数据。接上面的实施例,将查找到的所有分值相加后,可以得到访客的总分值为(0.8+1.6+2.3+2.3+4.7+1.4+13.8+16.9)=43.8。
需要说明的是,图2所示的流程可以应用在图1所示的网络环境中。例如,步骤21、步骤22和步骤23都可以由第三方服务器101来执行,第三方服务器101在执行步骤23后,可以将得到的访客的交易意向数据提供给卖方客户端102。再例如,步骤21可以由第三方服务器101来执行,第三方服务器101在执行步骤21后,可以将建立的访客交易意向数据表提供给卖家客户端102,之后,由卖家客户端102执行步骤22和步骤23。再例如,步骤21、步骤22和步骤23都可以由卖家客户端102执行,此时,卖家客户端102可以从第三方服务器101获得一个访客的所有影响因素指标。当然,图2所示的流程还可以以其他的应用方式应用在图1所示的网络环境中,总之,只要能够保证卖家客户端102能够得到访客的交易意向数据即可。
为使本领域技术人员更加清楚的理解本申请实施例中使用层次分析法建立访客交易意向数据表的方法,下面再通过一个实施例,详细说明如何使用层次分析法建立访客交易意向数据表。
首先,设置各级影响因素指标,具体如表5所示。
表5
之后,建立各级影响因素指标矩阵,进行列向量归一化,使用特征向量和积法,得到每个影响因素指标所占的百分比。具体如上面的表2、表3、表4和下面的表6所示。
表6
之后,将百分比折算为分值,具体如表7所示。
表7
优选地,如图2所示,步骤23之后还可以包括步骤24:根据所述访客的交易意向数据,进行信息的发送。本实施例中向访客发送的信息包括营销信息、邀请访客参加某一活动的通知信息或提醒访客注意事项的消息等各种需要通知到访客的信息,发送信息的方式可以为通过电子邮件、即时通讯工具等各种途径发送,本申请对具体的发送方式并不做限定。以下将以发送营销电子邮件的方式为例加以说明。
具体的,根据访客的交易意向数据确定是否向访客发送营销电子邮件,如果是,则向访客发送营销电子邮件;否则,不发送营销电子邮件。
在具体实现中,可以为卖家提供设置界面,由卖家预设系统发送营销电子邮件的访客交易意向数据阈值和对应的营销电子邮件;从而当访客访问卖家的店铺时,系统自动确定该访客的交易意向数据,并与数据阈值进行比较,将交易意向数据高于所述数据阈值的访客确定为需要发送营销电子邮件的访客,相应发送卖家预设的营销电子邮件。而对于交易意向数据不高于该数据阈值的访客,则不发送营销电子邮件。
或者,本步骤的实现还可以为:预设多个数据阈值,从而将访客的交易意向数据划分为如高、中、低等多个意向级别;卖家预先设置所需发送营销电子邮件的意向级别(如高、中级别的访客发送营销电子邮件,低级别的访客不发送营销电子邮件),从而当确定访客的交易意向数据后,与预设的数据阈值进行比较,确定该访客的意向级别,进而系统根据该意向级别确定是否向该访客发送营销电子邮件,并相应进行发送或不发送营销电子邮件的处理。
通过本步骤,可以依据访客的交易意向数据对所需发送营销电子邮件的访客进行筛选,有针对性的进行营销电子邮件的发送,从而减少了系统资源的消耗,提高了营销电子邮件的发送速度和效率。
对应于本申请实施例的获得访客交易意向数据的方法,本申请实施例还提供一种获得访客交易意向数据的装置。如图6所示,这种装置包括:数据表建立单元601,用于使用层次分析法建立访客交易意向数据表,所述访客交易意向数据表中记录有影响访客交易意向的影响因素指标及对应的交易意向数据;获得单元602,用于获得一个访客的所有影响因素指标;查找单元603,用于在所述访客交易意向数据表中查找所述访客的每个影响因素指标对应的交易意向数据;运算单元604,用于将查找到的所有交易意向数据进行运算,得到所述访客的交易意向数据。
数据表建立单元601包括:设置子单元,用于设置多级影响因素指标,除最后一级影响因素指标外,每一级影响因素指标都包括至少一个相邻下一级的影响因素指标;计算子单元,用于计算每一级的每一个影响因素指标在其同级的所有影响因素指标中的权重;折算子单元,用于将最后一级的所有影响因素指标对应的权重折算为分值;建立子单元,用于建立一个记录有最后一级的所有影响因素指标及对应的分值的访客交易意向数据表。
计算子单元包括:建立子模块,用于对于任何一级的影响因素指标,建立两两比较矩阵,所述两两比较矩阵中的每一个值均为两个同级影响因素指标相互比较后所得到的值;归一化子模块,用于对两两比较矩阵中的每一个列向量进行归一化处理,两两比较矩阵中的值均为归一化的值;和积法子模块,用于使用特征向量和积法,得到同一级的每一个影响因素指标在其同级的所有影响因素指标中所占的百分比。优选的,两两比较矩阵中的每一个值均为两个同级影响因素指标的重要程度相互比较后所得到的值。
折算子单元包括:设置子模块,为同属于一个相邻上级影响因素指标的最后一级影响因素指标中权重最大的影响因素指标设置一个百分制基准值;第一计算子模块,用于根据所述基准值、权重最大的影响因素指标的权重以及同属于一个相邻上级影响因素指标的最后一级其他影响因素指标对应的权重,得到同属于一个相邻上级影响因素指标的最后一级其他影响因素指标对应的百分制数值;第二计算子模块,用于根据最后一级的每个影响因素指标对应的百分制数值以及相邻上级的所属影响因素指标对应的权重,得到最后一级的每个影响因素指标对应的分值。
获得单元602具体用于获得一个访客的所有最后一级的影响因素指标;查找单元603具体用于在访客交易意向数据表中查找每个最后一级的影响因素指标对应的分值。
运算单元604具体用于将查找到的所有交易意向数据进行相加或相乘运算,得到访客的交易意向数据。
优选地,如图6所示,该装置还可以包括:处理单元605,用于根据所述访客的交易意向数据,进行信息的发送。发送信息的方式可以是电子邮件也可以是即时通讯工具,本申请对此并不作限定。
需要说明的是,图6所示的装置可以应用在图1所示的网络环境中。例如,图6所示的装置可以设置在第三方服务器101中,此时,图6所示的装置还可以包括提供单元,用于在运算单元604得到访客的交易意向数据后,将交易意向数据提供给卖家客户端102。再例如,图6所示的装置可以设置在卖家客户端102,此时,获得单元602可以从第三方服务器101获得一个访客的所有影响因素指标。
综上所述,在本申请实施例中,首先使用层次分析法建立访客交易意向数据表,之后,在所述访客交易意向数据表中查找一个访客的每个影响因素指标对应的交易意向数据,最后,将查找到的所有交易意向数据进行运算,得到这个访客的交易意向数据。由于使用层次分析法建立的访客交易意向数据表中的数据会比较精确,所以,得到的访客的交易意向数据也会比较精确,从而可以比较准确的确定访客的交易意向的程度,从而系统根据交易意向数据对所需发送信息的访客进行筛选,从而有针对性的进行信息的发送,以减少系统资源的消耗,提高信息的发送速度和效率。
本领域普通技术人员可以理解,实现上述实施例的方法的过程可以通过程序指令相关的硬件来完成,所述的程序可以存储于可读取存储介质中,该程序在执行时执行上述方法中的对应步骤。所述的存储介质可以如:ROM/RAM、磁碟、光盘等。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (14)
1.一种获得访客交易意向数据的方法,其特征在于,包括:
使用层次分析法建立访客交易意向数据表,所述访客交易意向数据表中记录有影响访客交易意向的影响因素指标及对应的交易意向数据;
获得一个访客的所有影响因素指标,并在所述访客交易意向数据表中查找每个影响因素指标对应的交易意向数据;
将查找到的所有交易意向数据进行运算,得到所述访客的交易意向数据;根据所述交易意向数据进行信息的发送。
2.如权利要求1所述的方法,其特征在于,使用层次分析法建立访客交易意向数据表包括:
设置多级影响因素指标,除最后一级影响因素指标外,每一级影响因素指标都包括至少一个相邻下一级的影响因素指标;
计算每一级的每一个影响因素指标在其同级的所有影响因素指标中的权重;
将最后一级的所有影响因素指标对应的权重折算为分值;
建立一个记录有最后一级的所有影响因素指标及对应的分值的访客交易意向数据表。
3.如权利要求2所述的方法,其特征在于,计算每一级的每一个影响因素指标在其同级的所有影响因素指标中的权重包括:
对于任何一级的影响因素指标,建立两两比较矩阵,所述两两比较矩阵中的每一个值均为两个同级影响因素指标相互比较后所得到的值;
对两两比较矩阵中的每一个列向量进行归一化处理,两两比较矩阵中的值均为归一化的值;
使用特征向量和积法,得到同一级的每一个影响因素指标在其同级的所有影响因素指标中所占的百分比。
4.如权利要求3所述的方法,其特征在于,所述两两比较矩阵中的每一个值均为两个同级影响因素指标的重要程度相互比较后所得到的值。
5.如权利要求2所述的方法,其特征在于,将最后一级的所有影响因素指标对应的权重都折算为分值包括:
为同属于一个相邻上级影响因素指标的最后一级影响因素指标中权重最大的影响因素指标设置一个百分制基准值;
根据所述基准值、权重最大的影响因素指标的权重以及同属于一个相邻上级影响因素指标的最后一级其他影响因素指标对应的权重,得到同属于一个相邻上级影响因素指标的最后一级其他影响因素指标对应的百分制数值;
根据最后一级的每个影响因素指标对应的百分制数值以及相邻上级的所属影响因素指标对应的权重,得到最后一级的每个影响因素指标对应的分值。
6.如权利要求2所述的方法,其特征在于,获得一个访客的所有影响因素指标具体为:获得一个访客的所有最后一级的影响因素指标;
在所述访客交易意向数据表中查找每个影响因素指标对应的交易意向数据具体为:在所述访客交易意向数据表中查找每个最后一级的影响因素指标对应的分值。
7.如权利要求1所述的方法,其特征在于,将查找到的所有交易意向数据进行运算、得到所述访客的交易意向数据具体为:将查找到的所有交易意向数据进行相加或相乘运算,得到所述访客的交易意向数据。
8.如权利要求1-7任意一项所述的方法,其特征在于,所有的影响因素指标分为多级影响因素指标,第一级影响因素指标分别为访客的身份、访客的行为和访客的供求。
9.如权利要求8所述的方法,其特征在于,访客的身份包括的第二级影响因素指标分别为访客的注册年数和访客的诚信通指数;
访客的行为包括的第二级影响因素指标分别为访客的访问次数、访客的访问页面数、访客的停留时长、访客查看的页面类型、访客的联系邀请和访客的历史成交;
访客的供求包括的第二级影响因素指标分别为买卖类目匹配度、买卖关键词匹配和买卖地区匹配度。
10.如权利要求9所述的方法,其特征在于,访客的注册年数包括的第三级影响因素指标分别为非注册、注册1年、注册2年、注册3年、注册4年和注册5年以上;
访客的诚信通指数包括的第三级影响因素指标分别为非诚信通、小于20、不小于20且小于50、不小于50且小于70、不小于70且小于90和90以上;
访客的访问次数包括的第三级影响因素指标分别为访问1次、访问2次、访问3次、访问4次和访问5次以上;
访客的访问页面数包括的第三级影响因素指标分别为1个、2个、3个、4个和5个以上;
访客的停留时长包括的第三级影响因素指标分别为小于10秒、不小于10秒且小于30秒、不小于30秒且小于60秒、不小于60秒且小于180秒和180秒以上;
访客查看的页面类型包括的第三级影响因素指标分别为首页、产品介绍类、公司介绍类和联系方式类;
访客的联系邀请包括的第三级影响因素指标分别为主动邀请、接受邀请和无反应;
访客的历史成交包括的第三级影响因素指标分别为无成交、成交1次、成交2次和成交3次以上;
买卖类目匹配度包括的第三级影响因素指标为将访客身份关注类目与卖家身份关注类目逐个匹配,将所有匹配上类目对应的归一化后的min(访客身份关注类目偏好度,卖家身份关注类目偏好度)进行累加;
买卖关键词匹配包括的第三级影响因素指标为将访客身份关注关键词与卖家身份关注关键词逐个匹配,将所有匹配上关键词对应的归一化后的min(访客身份关注关键词偏好度,卖家身份关注关键词偏好度)进行累加;
买卖地区匹配度包括的第三级影响因素指标为将访客身份关注地区与卖家身份关注地区逐个匹配,将所有匹配上地区对应的归一化后的min(访客身份关注地区偏好度,卖家身份关注地区偏好度)进行累加。
11.一种获得访客交易意向数据的装置,其特征在于,包括:
数据表建立单元,用于使用层次分析法建立访客交易意向数据表,所述访客交易意向数据表中记录有影响访客交易意向的影响因素指标及对应的交易意向数据;
获得单元,用于获得一个访客的所有影响因素指标;
查找单元,用于在所述访客交易意向数据表中查找所述访客的每个影响因素指标对应的交易意向数据;
运算单元,用于将查找到的所有交易意向数据进行运算,得到所述访客的交易意向数据;
处理单元,用于根据所述交易意向数据进行信息的发送。
12.根据权利要求11所述的装置,其特征在于,数据表建立单元包括:
设置子单元,用于设置多级影响因素指标,除最后一级影响因素指标外,每一级影响因素指标都包括至少一个相邻下一级的影响因素指标;
计算子单元,用于计算每一级的每一个影响因素指标在其同级的所有影响因素指标中的权重;
折算子单元,用于将最后一级的所有影响因素指标对应的权重折算为分值;
建立子单元,用于建立一个记录有最后一级的所有影响因素指标及对应的分值的访客交易意向数据表。
13.根据权利要求12所述的装置,其特征在于,计算子单元包括:
建立子模块,用于对于任何一级的影响因素指标,建立两两比较矩阵,所述两两比较矩阵中的每一个值均为两个同级影响因素指标相互比较后所得到的值;
归一化子模块,用于对两两比较矩阵中的每一个列向量进行归一化处理,两两比较矩阵中的值均为归一化的值;
和积法子模块,用于使用特征向量和积法,得到同一级的每一个影响因素指标在其同级的所有影响因素指标中所占的百分比。
14.根据权利要求12所述的装置,其特征在于,折算子单元包括:
设置子模块,为同属于一个相邻上级影响因素指标的最后一级影响因素指标中权重最大的影响因素指标设置一个百分制基准值;
第一计算子模块,用于根据所述基准值、权重最大的影响因素指标的权重以及同属于一个相邻上级影响因素指标的最后一级其他影响因素指标对应的权重,得到同属于一个相邻上级影响因素指标的最后一级其他影响因素指标对应的百分制数值;
第二计算子模块,用于根据最后一级的每个影响因素指标对应的百分制数值以及相邻上级的所属影响因素指标对应的权重,得到最后一级的每个影响因素指标对应的分值。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010273652.4A CN102385602B (zh) | 2010-09-03 | 2010-09-03 | 一种获得访客交易意向数据的方法及装置 |
HK12104357.5A HK1163872A1 (zh) | 2010-09-03 | 2012-05-04 | 種獲得訪客交易意向數據的方法及裝置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010273652.4A CN102385602B (zh) | 2010-09-03 | 2010-09-03 | 一种获得访客交易意向数据的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102385602A true CN102385602A (zh) | 2012-03-21 |
CN102385602B CN102385602B (zh) | 2014-05-07 |
Family
ID=45825021
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201010273652.4A Expired - Fee Related CN102385602B (zh) | 2010-09-03 | 2010-09-03 | 一种获得访客交易意向数据的方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN102385602B (zh) |
HK (1) | HK1163872A1 (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104834983A (zh) * | 2014-12-25 | 2015-08-12 | 平安科技(深圳)有限公司 | 业务数据处理方法及装置 |
CN105099993A (zh) * | 2014-04-29 | 2015-11-25 | 阿里巴巴集团控股有限公司 | 一种基于代理平台的数据交互方法、装置和系统 |
CN107402864A (zh) * | 2017-06-07 | 2017-11-28 | 阿里巴巴集团控股有限公司 | 访问时长的处理方法、装置及设备、可读介质 |
CN107590690A (zh) * | 2017-09-05 | 2018-01-16 | 阿里巴巴集团控股有限公司 | 数据处理方法、装置及服务器 |
CN108255860A (zh) * | 2016-12-29 | 2018-07-06 | 北京国双科技有限公司 | 关键词分析处理方法和装置 |
CN108449263A (zh) * | 2018-04-16 | 2018-08-24 | 深圳市小满科技有限公司 | 邮件发送方法和装置、电子设备及存储介质 |
CN110175861A (zh) * | 2019-04-15 | 2019-08-27 | 平安普惠企业管理有限公司 | 基于定位监控的客户管理方法、装置、设备及介质 |
CN110389970A (zh) * | 2019-06-11 | 2019-10-29 | 中国平安财产保险股份有限公司 | 用户意向预测方法、装置、计算机设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006007414A2 (en) * | 2004-06-16 | 2006-01-19 | Unisone Corporation | Manufacturer promotion automation system and methods |
CN101128817A (zh) * | 2003-09-22 | 2008-02-20 | 花旗信贷服务公司 | 基于购买的细分方法及系统 |
CN101331475A (zh) * | 2005-12-14 | 2008-12-24 | 微软公司 | 在线商业意图的自动检测 |
-
2010
- 2010-09-03 CN CN201010273652.4A patent/CN102385602B/zh not_active Expired - Fee Related
-
2012
- 2012-05-04 HK HK12104357.5A patent/HK1163872A1/zh not_active IP Right Cessation
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101128817A (zh) * | 2003-09-22 | 2008-02-20 | 花旗信贷服务公司 | 基于购买的细分方法及系统 |
WO2006007414A2 (en) * | 2004-06-16 | 2006-01-19 | Unisone Corporation | Manufacturer promotion automation system and methods |
CN101331475A (zh) * | 2005-12-14 | 2008-12-24 | 微软公司 | 在线商业意图的自动检测 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105099993B (zh) * | 2014-04-29 | 2019-08-02 | 阿里巴巴集团控股有限公司 | 一种基于代理平台的数据交互方法、装置和系统 |
CN105099993A (zh) * | 2014-04-29 | 2015-11-25 | 阿里巴巴集团控股有限公司 | 一种基于代理平台的数据交互方法、装置和系统 |
CN104834983A (zh) * | 2014-12-25 | 2015-08-12 | 平安科技(深圳)有限公司 | 业务数据处理方法及装置 |
CN108255860B (zh) * | 2016-12-29 | 2020-07-31 | 北京国双科技有限公司 | 关键词分析处理方法和装置 |
CN108255860A (zh) * | 2016-12-29 | 2018-07-06 | 北京国双科技有限公司 | 关键词分析处理方法和装置 |
CN107402864A (zh) * | 2017-06-07 | 2017-11-28 | 阿里巴巴集团控股有限公司 | 访问时长的处理方法、装置及设备、可读介质 |
CN107402864B (zh) * | 2017-06-07 | 2020-08-04 | 阿里巴巴集团控股有限公司 | 访问时长的处理方法、装置及设备、可读介质 |
CN107590690A (zh) * | 2017-09-05 | 2018-01-16 | 阿里巴巴集团控股有限公司 | 数据处理方法、装置及服务器 |
CN107590690B (zh) * | 2017-09-05 | 2021-02-23 | 创新先进技术有限公司 | 数据处理方法、装置及服务器 |
CN108449263A (zh) * | 2018-04-16 | 2018-08-24 | 深圳市小满科技有限公司 | 邮件发送方法和装置、电子设备及存储介质 |
CN110175861A (zh) * | 2019-04-15 | 2019-08-27 | 平安普惠企业管理有限公司 | 基于定位监控的客户管理方法、装置、设备及介质 |
CN110389970A (zh) * | 2019-06-11 | 2019-10-29 | 中国平安财产保险股份有限公司 | 用户意向预测方法、装置、计算机设备及存储介质 |
CN110389970B (zh) * | 2019-06-11 | 2024-02-06 | 中国平安财产保险股份有限公司 | 用户意向预测方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN102385602B (zh) | 2014-05-07 |
HK1163872A1 (zh) | 2012-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102385602B (zh) | 一种获得访客交易意向数据的方法及装置 | |
Momtaz et al. | Customers satisfaction on online shopping in Malaysia | |
Adebambo et al. | Analysis of information and communication technologies (ICT) usage on logistics activities of manufacturing companies in Southwestern Nigeria | |
US7363259B2 (en) | Value-based framework for inventory management | |
Huang | Economic ordering model for deteriorating items with random demand and deterioration | |
Chit | Exchange rate volatility and exports: Evidence from the ASEAN-China Free Trade Area | |
Xiao et al. | Evaluating the potential effects from probabilistic selling of similar products | |
Makhitha | Challenges impacting on small independent retailers performance in Soweto, Johannesburg in South Africa | |
Yu et al. | Pricing strategy for best value tender | |
Xiong | The impact of artificial intelligence and digital economy consumer online shopping behavior on market changes | |
Hu et al. | Online auctions efficiency: a survey of ebay auctions | |
CN110738441B (zh) | 一种基于互联网的商品预定配送方法及系统 | |
Kolková et al. | Demand forecasting: AI-based, statistical and hybrid models vs practicebased models-the case of SMEs and large enterprises | |
US20050065870A1 (en) | Web transaction system and method thereof | |
Kosasih et al. | THE IMPACT OF E-COMMERCE TOWARD CONSUMER PURCHASE INTENTION AT UD. CIPTA PRIMA MEDAN | |
Ge | A user-based collaborative filtering recommendation algorithm based on folksonomy smoothing | |
Luo et al. | Exploring the dynamic influence of visit behavior on online store sales performance: An empirical investigation | |
Paknejad et al. | A perishable EOQ model subject to distinct demands for conforming and non-conforming items | |
Makhitha | Independent retailers in South Africa: how do they select their suppliers for survival? | |
Cui et al. | Consumers' SKU choices in an online supermarket: a latent class approach | |
Herbon | Non-cooperative game of a duopoly under asymmetric information on consumer location | |
Maryani et al. | Development of E-Commerce Marketing Strategy for Small and Medium Enterprise (SME) in Indonesia | |
CN111400622A (zh) | 一种分布式电商系统中紧缺商品数量展现方法及装置 | |
Herbon | Monetary aspects of acquiring technology for price discrimination of a perishable storable product | |
Jitsoonthornchaikul | Understanding the Service Quality and Brand Creditability: A Case Study of Laundry Service with Challenging the Behavioral Loyalty in Bangkok Area:- |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1163872 Country of ref document: HK |
|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: GR Ref document number: 1163872 Country of ref document: HK |
|
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140507 Termination date: 20190903 |
|
CF01 | Termination of patent right due to non-payment of annual fee |