CN103778545B - 一种商品信息处理方法和系统 - Google Patents
一种商品信息处理方法和系统 Download PDFInfo
- Publication number
- CN103778545B CN103778545B CN201210330853.2A CN201210330853A CN103778545B CN 103778545 B CN103778545 B CN 103778545B CN 201210330853 A CN201210330853 A CN 201210330853A CN 103778545 B CN103778545 B CN 103778545B
- Authority
- CN
- China
- Prior art keywords
- user
- merchandise news
- information
- group
- server
- 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.)
- Active
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种商品信息处理方法和系统,涉及网络技术领域。所述方法包括:第一服务器接收各第一用户的参与请求,和第一用户的商品信息;根据所述各第一用户的参与请求,从第二服务器分别获取各第一用户的交易信息数据;所述第二服务器记录第一用户的交易信息数据;根据所述各第一用户的交易信息数据,对各第一用户进行分组;将在同一组内的各第一用户的商品信息进行整合。本申请可精确、客观的对各商品信息投放方的商品信息进行分组;减少了商品信息投放资源的浪费,提高了投放效率;为商品信息投放方节省了大量沟通时间,缩短因沟通周期而导致的长周期的商品信息整合时间;并且整合效率高,并且可降低整合成本。
Description
技术领域
本申请涉及网络技术领域,特别是涉及一种商品信息处理方法和系统。
背景技术
随着网络的爆炸性发展,网络越来越多的介入了人们的生活之中,越来越多的人开始从网络中购物。与网络相关的商品信息投放手段也越来越多。
各商家利用网络信息,进行商品信息投放时,为了节省商品信息投放成本和提高投放效率,很多商家会相互联系,将大家的商品信息组合在一起,然后投放给各自的消费者。即现有的商品信息处理过程中存在这样一种商品信息投放的方法,对于各商家存在自身的买家群,各卖家的买家群相互之间一般存在不同的买家,那么其中一些卖家自行联合为组,将各自的商品信息整合在一起,然后分别投放给这些卖家对应的买家。
然而,在上述由商品信息投放方(比如卖家)自行决定与哪些商品信息投放方联合为组,然后整合该组各个商品信息投放方的商品信息,投放给该组内各个商品信息投放方对应的投放对象(比如买家),这种投放方法限于地域、商品信息投放方主观选择等因素,导致其各商品信息投放方的商品信息的整合不精确、不客观,并且其整合商品信息的受众可能也不精确。
进一步的,由于商品信息分组不客观,容易出现该组内存在属于同一行业或者销售同一类目产品的各商品信息投放方,造成该组内同一行业或同一类目商品信息投放方的商品信息相互冲突等问题,从而可能导致商品信息相互冲突的一方或者多方商品信息投放方的商品信息无法达到预期的投放效果,浪费投放资源。
其次,对于实物的商品信息,由于商品信息投放方自己与其他商品投放方联合成组,可能由于商品信息投放方主观因素,其选择时商品信息相互冲突,或者受众人群(投放对象)根本相距很远,浪费投放资源,投放效率低。比如卖家A的商品信息受众范围为A,而卖家B的商品信息受众范围为B,而范围A与范围B没有交集,那么对于卖家A将卖家B加入其分组,将商品信息整合发送给各自的受众时,卖家A的商品信息对卖家B的受众人群基本上是无效的,卖家B的商品信息对卖家A的受众人群也基本上是无效的,那么对于这两种商品信息的投放,既浪费了这两个卖家的投放资源,又由于这种无效投放,对于相同的投放资源的情况下,其投放效率低下。
再次,由于各商品信息投放方的沟通范围小,如果想要联合其他商品信息投放方以组为单位进行商品信息的整合,对于商品信息投放方来说,其沟通成本高、沟通周期长。
最后,商品信息投放方自行联合对商品信息进行整合,由于其自身的联系方式,地域范围限制,完全无法整合不同领域的,不同地域的具有商品信息投放需求的商品信息投放方的商品信息,其整合规模整体很小,从而可能导致整合效率低,整合成本高。
发明内容
鉴于上述问题,提出了本申请以便提供一种克服上述问题或者至少部分地解决上述问题的一种商品信息处理方法和相应的一种商品信息处理装置。
为了解决上述问题,本申请公开了一种商品信息处理方法,包括:
第一服务器接收各第一用户的参与请求,和第一用户的商品信息;
根据所述各第一用户的参与请求,从第二服务器分别获取各第一用户的交易信息数据;所述第二服务器记录第一用户的交易信息数据;
基于所述各第一用户的交易信息数据,将各第一用户进行分组;
将在同一组内的各第一用户的商品信息进行整合。
优选的,所述从第二服务器获取各第一用户的交易信息数据包括:从服务器获取第一用户等级、和/或第一用户主营类目、和/或第一用户的平均月成交额,和/或第一用户的月平均成交笔数,和/或第一用户的平均客单价,和/或与第一用户对应的第二用户的对象人群特征。
优选的,根据所述各第一用户的交易信息数据将各第一用户进行分组时,包括:
利用第一用户i平均月成交金额Ai、和/或月平均成交笔数Bi、和/或平均客单价Ci,并根据相应的平均月成交金额的权重、和/或月平均成交笔数的权重、和/或平均客单价的权重,计算第一用户i的特征值;
针对各第一用户的特征值,将各第一用户进行排序;
针对属于同一特征值区间范围的各第一用户,将包括属于不同主营类目、第二用户的对象人群特征相互匹配的第一用户划分进入同一分组。
优选的,所述从第二服务器获取各第一用户的交易信息数据包括:针对第一用户i,从服务器获取,收藏第一用户i信息的第二用户总数量,同时收藏第一用户i信息和第一用户m信息的第二用户的数量,收藏第一用户m信息的第二用户总数量。
优选的,根据所述各第一用户的交易信息数据将各第一用户进行分组时,包括:
针对第一用户i,根据同时收藏第一用户i信息和另一第一用户m信息的第二用户的总数,和收藏第一用户m信息的第二用户的总数,计算所述第一用户i与第一用户m之间的信任度;
针对第一用户i,根据同时收藏第一用户i信息和另一第一用户m信息的第二用户的总数,和收藏第一用户i信息的第二用户的总数计算所述第一用户i与第一用户m之间的支持度;
针对第一用户i,选取支持度大于阈值的第一用户,并将各第一用户按信任度排序;
选取属于第一用户等级范围、平均客单价范围,并且不属于相同主营类目的第一用户,且信任度大于阈值的第一用户与第一用户i一组。
优选的,通过以下方式计算所述支持度及信任度:
对于第一用户i,支持度P(i,m)=同时收藏第一用户i、第一用户m的第二用户的总数/收藏第一用户i的总数;信任度P(i|m)=同时收藏i,m两个第一用户的第二用户的总数/收藏第一用户m的第二用户的总数。
优选的,在所将在同一组内的各第一用户的商品信息进行整合之后,还包括:
将整合得到的每一组的商品信息,发送给该组内各个第一用户;所述每个第一用户将所述打印为实体商品信息,投放给请求获取所述第一用户商品信息的第二用户。
优选的,在所述将在同一组内的各第一用户的商品信息进行整合之后,还包括:
针对整合得到的每一组的商品信息,将所述每组商品信息打印为实体商品信息,投放给请求获取该组内第一用户的商品信息的第二用户。
优选的,在所述将在同一组内的各第一用户的商品信息进行整合之后,还包括:
将整合得到的每一组的商品信息,发送至该组内各第一用户的商品信息页面进行展示。
本申请还公开了一种商品信息处理装置,包括:
请求接收模块,用于第一服务器接收各第一用户的参与请求,和第一用户的商品信息;
信息获取模块,用于根据所述各第一用户的参与请求,从第二服务器分别获取各第一用户的交易信息数据;
分组模块,用于根据所述各第一用户的交易信息数据将各第一用户进行分组;
商品信息整合模块,用于将在同一组内的各第一用户的商品信息进行整合。
与现有技术相比,本申请对于需要以分组形式投放商品信息的商品信息投放方(第一用户),首先通过第一服务器接收其参与请求及需要进行整合的商品信息,然后根据参与的商品信息投放方,通过从第二服务器提取各商品信息投放方的历史交易信息数据,然后基于各卖家的历史交易信息数据进行分析,然后再将各商品信息投放方分组,将同一分组内各商品信息投放方的商品信息整进行整合。比如可通过卖家的历史交易数据确保成团卖家的买家对象人群特征匹配,卖家层级相当以实现平等互助,同时避免同行业竞争,组团卖家必须为不同主营类目等分组整合方式对各商品信息投放方的商品信息进行整合。因此,本申请可包括以下至少一个优点:
其一,在实际中,商品信息投放方在网络平台中也存在交易行为,那么即存在交易信息数据,而本申请通过利用第二服务器中客观存在的商品信息投放方的交易信息数据,根据商品信息投放方的交易信息数据进行客观分析和分组,再该组内再进行商品信息投放方的商品信息整合,如此可精确、客观的对各商品信息投放方的商品信息进行分组,并且基于交易信息数据的分析,整合商品信息的受众也可客观的进行分析。
其二,由于商品信息的客观的整合方式,减少了商品信息投放资源的浪费,提高了投放效率。并且在达到相同投放效果的情况下,由于本申请投放效率高,导致其投放成本低。
其三,本申请通过第一服务器提供一个参与接口,所有想要进行商品信息整合投放的商品信息投放方只需简单的发送其参与请求及其商品信息至第一服务器即可,无需进行任何额外的操作,为商品信息投放方节省了大量沟通时间,缩短因沟通周期而导致的长周期的商品信息整合时间。
其四,本申请通过第一服务器提供一个参与接口,不同领域的、不同地域的商品信息投放方均可将其商品信息交予第一服务器进行整合,那么第一服务器即可集合了大规模的商品信息投放方进行商品信息分组整合,整合效率高,并且可降低整合成本。
附图说明
图1是本申请一种商品信息处理方法实施例一的流程示意图;
图2是本申请一种商品信息处理方法实施例二的结构示意图;
图3是本申请一种商品信息处理方法实施例三的流程示意图
图4是本申请一种商品信息处理装置实施例一的结构示意图;
图5是本申请一种商品信息处理装置实施例二的结构示意图;
图6是本申请一种商品信息处理装置实施例三的结构示意图;
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本申请作进一步详细的说明。
本申请可针对现有技术中,存在某个互联网的卖家想要寻找其他的互联网卖家组合成组,可将各自的商品信息相互投放给各自对应的买家,但是在这过程中受限于沟通途径的问题,导致线下卖家自发的联合营销受地域限制范围小、沟通成本高、沟通周期长,并且卖家自发组织的组合搭配由于没有数据支持,组合大多不够科学合理,导致目标受众不精准,效果不理想,浪费资源,本申请通过设置第一服务器以接收各第一用户的参与请求,然后获取各卖家在互联网中的历史交易数据,将需要按上述分组投放商品信息的卖家,基于各卖家的交易信息数据将各卖家进行科学的分组,从而进行组内商品信息的整合,减少沟通和搜寻成本,通过数据模型实现科学自助分组,确保商品信息分组的有效性。
方法实施例一
参照图1,其示出了本申请一种商品信息处理方法实施例一的流程示意图,具体可以包括:
步骤110,第一服务器接收各第一用户的参与请求和第一用户的商品信息;
在实际中,第一用户一般为卖家。
第一服务器接收的各第一用户的参与请求可以是针对一个电子商务平台的各卖家的商品信息的处理。在本申请中,卖家还需要将其商品信息上传至第一服务器,以便后续进行商品信息的整合。
所述参与请求中包括第一用户id等信息。
步骤120,根据所述各第一用户的参与请求,从第二服务器分别获取各第一用户的交易信息数据;
在本申请中,卖家与买家的交易行为在交易服务器进行,在交易过程中产生的交易信息数据存储在第二服务器,该第二服务器即可以是交易服务器,也可以是其他服务器,以提供卖家的交易信息数据。
对于第一服务器存储的海量卖家的交易信息的记录,本申请实施例可根据接收到的卖家的参与请求,解析参与请求中的卖家id,然后根据卖家id从第二服务器中查找获取该卖家id的交易信息数据,这些交易信息数据给各卖家的商品信息的客观分组提供了客观的数据支撑。
具体地,可以由第一服务器接收各卖家的商品信息。
步骤130,根据所述各第一用户的交易信息数据,对各第一用户进行分组;
对于发送参与请求各第一用户,比如各个卖家,在获得每个卖家的交易信息数据后,根据交易信息数据对上述卖家进行分组,如此可基于客观的卖家数据进行分组。分组时可采取确保成团卖家的买家对象人群特征匹配,卖家层级相当以实现平等互助,为避免同行业竞争,组团卖家可以是在不同商品类目等原则。
步骤140,将在同一组内的各第一用户的商品信息进行整合。
在对卖家进行分组后,在得到的每个分组内,将第一服务器接收的各第一用户商品信息进行整合,整合为一组商品信息。比如在步骤130中卖家A、B、C、D分在同一组P,那么在组P内的上述卖家A、B、C、D的商品信息进行整合。
在整合时,可由系统自动生成,也可由系统后台人员对各个分组的商品信息进行处理,比如添加分组标识等。
在对商品信息进行上述整合后,即可根据整合后的商品信息生成对应的实物商品信息进行对应的投放,比如将每组的整合后的商品信息投放给与本组各第一用户相对应的第二用户,其中第二用户可为购买第一用户的商品的买家。
在本步骤中,还可对该组内的商品信息进行分析,比如分析该组内的各商品信息所属类目,对于属于同一类目的多个商品信息,可选其中一个放入本组的商品信息中,然后将其他的移出本组。
具体步骤可包括:
P80,提取每个商品信息中的类目信息;
P81,根据每个商品的类目信息,判断是否出现类目重复商品信息;
P82,若存在,则从所述类目重复商品信息保留一个商品信息在该组内。
另外,在实际中,本申请还可根据实际需求对每个分组进行人工筛选。
另外,可在本步骤分组成功时,通知卖家已分组成功。
优选的,在所将在同一组内的各第一用户的商品信息进行整合之后,还包括:
步骤S150,将整合得到的每一组的商品信息,发送给该组内各个第一用户;所述每个第一用户将所述打印为实体商品信息,投放给请求获取所述第一用户商品信息的第二用户。
其中第二用户可为买家。
在对于每组的卖家来说,可由卖家将该组的商品信息投放给购买该组卖家中任一卖家商品的买家。实际投放时,还可将整合后的商品信息整体印刷为商品信息册等实物商品信息,投递给购买该组卖家中任一卖家商品的买家,比如将商品信息册放入卖家发送的商品包裹中。
优选的,在所述将在同一组内的各第一用户的商品信息进行整合之后,还包括:
步骤S160,针对整合得到的每一组的商品信息,将所述每组商品信息打印为实体商品信息,投放给请求获取该组内第一用户的商品信息的第二用户。
在本申请中,存在一种发货方式,即卖家将商品提交给电子商务平台代为管理,当买家在电子商务平台上点击购买了卖家的商品后,由电子商务平台将相应实体商品发送给该买家。
那么本步骤即由电子商务平台将每组的商品信息打印为实体商品信息,比如商品册,对购买该组内卖家的商品的买家,将实体商品信息发送给该买家。
优选的,在所述将在同一组内的各第一用户的商品信息进行整合之后,还包括:
步骤S170,将整合得到的每一组的商品信息,发送至该组内各第一用户的商品信息页面进行展示。
在实际中,电子商务平台可为卖家提供展示其商品信息的页面,即通常所说的卖家店铺,那么本步骤即可将整合后得到商品信息,发送到相应组内各个卖家的卖家店铺中进行展示,也可发送到相应组内各卖家的商品信息页面进行展示。
另外,对于整合后的每个商品信息,还可对其生成用于统计的标识(比如特殊定义的链接或者代码),当买家根据上述商品信息购买商品后,可根据所述标识统计商品信息的投放效果。
如此,即可根据客观的交易信息数据对商品信息进行分组,减少卖家的沟通成本和沟通周期,提高商品信息分组的科学性和准确性,并且整合效率高,并且可降低整合成本。
方法实施例二
参照图2,其示出了本申请一种商品信息处理方法实施例二的流程示意图,具体可以包括:
步骤210,第一服务器接收各第一用户的参与请求,和第一用户的商品信息;
步骤220,根据所述各第一用户的参与请求,从第二服务器分别获取各第一用户的交易信息数据;所述从第二服务器获取各第一用户的交易信息数据包括:从服务器获取第一用户等级、和/或第一用户主营类目、和/或第一用户的平均月成交额,和/或第一用户的月平均成交笔数,和/或第一用户的平均客单价,和/或与第一用户对应的对象人群特征。
而本申请则可由第一服务器接收各卖家的商品信息。
在本申请中,卖家的交易信息数据包括卖家的等级,卖家的主营类目,卖家的平均月成交额,卖家的月平均成交笔数,卖家的平均客单价(即每笔订单的价格),卖家的商品信息受众对象人群特征等。
步骤S231,利用第一用户i平均月成交金额Ai、和/或月平均成交笔数Bi、和/或平均客单价Ci,并根据相应的平均月成交金额的权重、和/或月平均成交笔数的权重、和/或平均客单价的权重,计算第一用户i的特征值;
比如首先利用平均月成交金额(A)、月平均成交笔数(B)、平均客单价(C),,按照不同的运营目标给每个指标赋权重,计算各卖家的特征值。比如有n个卖家,各个卖家的平均月成交金额分别为A1,A2,……An,各个卖家的月平均成交笔数分别为B1,B2,……Bn,各个卖家的平均客单价分别为C1,C2,……Cn,其中平均月成交金额的权重为n1,月平均成交笔数的权重为n2,平均客单价的权重为n3。那么对于客户1来说,其特征值w=n1*(A1/(A1+A2+…An))+n2*(B1/(B1+B2+…Bn))+n3*(C1/(C1+C2+…Cn))。
步骤S232,针对各第一用户的特征值,将各第一用户进行排序;
当基于各卖家的交易数据分析计算得到各卖家的特征值w后,可基于w进行排序,便于后续处理。
步骤S233,针对属于同一特征值区间范围的各第一用户,将包括属于不同主营类目、第二用户对象人群特征相互匹配的第一用户划分进入同一分组。
本申请可预先设置特征值区间范围,将属于同一特征值区间范围的卖家划分进入初始集合,
然后在初始集合内再进行二次筛选分组,比如将属于不同主营类目,买家对象人群特征相互匹配(即各卖家的主营类目的购买人群)的卖家选为一组,
比如,表一:
表一
表一表示了:
在特征值区间2-6之间存在主营三星手机的卖家A,主营iphone手机的卖家B,主营西部数据硬盘的卖家C,主营爱国者硬盘的卖家D,主营尼康相机的卖家E,主营索尼相机的卖家F,主营婴儿奶粉的卖家G。从第二服务器获取的上述7个卖家的对象人群特征中,A、B、C、D、E、F主营类目均属于电子类产品,相互匹配,G为婴幼儿食品与A、B、C、D、E、F类目不匹配;同时A与B主营类目同属手机,C与D同属硬盘,E与F同属相机,、那么A与B不在同一组,C与D不在同一组,E与F不在同一组。
那么可选A、C、E为一组,选B、D、F为一组。G没有能与其组成一组的卖家,可返回通知卖家该次分组没有与其相适应卖家。
在实际中,一般以卖家主营类目为指标进行相关性判断。实际中,当卖家存在多个主营类目时,根据上述分组过程可能存在于多个分组中。
另外,本申请在分组时的分组条件还可以包括:属于不同行业等条件。
另外,本申请在分组时的分组条件还可以包括:分析各卖家的卖家信用度,将信用度在同一区间范围内的卖家分为一组。
另外,本申请在分组时还包括:设定每组的人数,或者设置每组人数的上限和下限。
步骤240,将在同一组内的各第一用户的商品信息进行整合。
本实施例中,与实施例一种相似的步骤实施过程基本相同,在此不再详述。
其中,在商品信息整合后的投放和展示步骤与实施例一描述基本类似,在此也不在详述。
本实施例以卖家等级、卖家主营类目、卖家信用度、卖家的平均月成交额、平均成交笔数、客单价、买家店铺收藏等统计数据,通过分类分析方法:以卖家星级、平均月成交金额、成交笔数、平均客单价等建立分类规则,对商品信息进行分类分析分组,能客观、准确的针对主营类目和第一用户的对象人群(商品信息受众)进行第一用户及商品信息进行整合,并且整合效率高,并且可降低整合成本。
方法实施例三
参照图3,其示出了本申请一种商品信息处理方法实施例三的流程示意图,具体可以包括:
步骤310,第一服务器接收各第一用户的参与请求,和第一用户的商品信息;
步骤320,根据所述各第一用户的参与请求,从第二服务器分别获取各第一用户的交易信息数据;所述第二服务器记录第一用户的交易信息数据;所述从第二服务器获取各第一用户的交易信息数据包括:针对第一用户i,从服务器获取,收藏第一用户i信息的第二用户总数量,同时收藏第一用户i信息和第一用户m信息的第二用户的数量,收藏第一用户m信息的第二用户总数量。
在本申请中,所述的各卖家的交易信息数据还可包括收藏各卖家的各买家数量,即买家对卖家的收藏情况。
在实际中,对于一个电子平台来说,买家也可针对卖家进行收藏等动作。那么服务器即可统计记录卖家被买家收藏的情况。
步骤S331,针对第一用户i,根据同时收藏第一用户i信息和另一第一用户m信息的第二用户的总数,和收藏第一用户m信息的第二用户的总数,计算所述第一用户i与第一用户m之间的信任度;
其中,通过以下方式计算所述信任度:对于第一用户i,信任度P(i|m)=同时收藏i,m两个第一用户信息的第二用户的总数/收藏第一用户m信息的第二用户的总数。
在实际中,买家可能会收藏交易或者未交易过的卖家到其收藏夹。那么各卖家就存在被收藏的次数,即存在收藏该卖家的买家的总数。
信任度P(i|m)=收藏i,m两个卖家的买家的总数/收藏m店铺的买家的总数。(这里除以收藏m店铺的买家数是为了避免选择出的店铺可能都相同)
比如收藏i卖家的买家数为1000,收藏m卖家的买家数为2000,既收藏i卖家又收藏m卖家的买家数为900,则针对卖家i,信任度P(i|m)=900/2000。
步骤S332,针对第一用户i,根据同时收藏第一用户i信息和另一第一用户m信息的第二用户的总数,和收藏第一用户i信息的第二用户的总数计算所述第一用户i与第一用户m之间的支持度;
其中,通过以下方式计算所述支持度:支持度P(i,m)=同时收藏A,B两个第一用户的第二用户数/有收藏过第一用户的用户总数;
即支持度P(i,m)=收藏i,m两个卖家的买家数/有收藏的买家数。比如收藏i卖家的买家数为1000,收藏i卖家的买家数为2000,既收藏i卖家又收藏m卖家的买家数为900,存在收藏动作的买家的总数即至少收藏过一个卖家的买家总数为1000000,那么对于卖家i,支持度P(i,m)=900/1000000。
步骤S333,针对第一用户i,选取支持度大于阈值的第一用户,并将各第一用户按信任度排序;
步骤S334,选取属于第一用户等级范围、平均客单价范围,并且不属于相同主营类目的第一用户,且信任度大于阈值的第一用户与第一用户i一组。
优选的,通过以下方式计算所述支持度及信任度:
对于第一用户i,支持度P(i,m)=同时收藏第一用户i、第一用户m的第二用户的总数/收藏第一用户i的总数;信任度P(i|m)=同时收藏i,m两个第一用户的第二用户的总数/收藏第一用户m的第二用户的总数。
步骤340,将在同一组内的各第一用户的商品信息进行整合。
本实施例与实施例一相似的步骤在此不再详述。其中,在商品信息整合后的投放和展示步骤与实施例一描述基本类似,在此也不在详述。
本实施例通过相似性统计分析方法,即通过买家对店铺的收藏情况关联性进行分组,可实现对商品信息针对相应第二用户(卖家的买家人群)进行客观真实的精确分组,也能提高整合效率,并且可降低整合成本。
装置实施例一
参照图4,其示出了本申请一种商品信息处理装置实施例一的结构示意图,具体可以包括:
第一服务器510,第二服务器520;
所述第一服务器510包括:
请求接收模块511,用于第一服务器接收各第一用户的参与请求,和第一用户的商品信息;
信息获取模块512,用于根据所述各第一用户的参与请求,从第二服务器分别获取各第一用户的交易信息数据;
分组模块513,用于根据所述各第一用户的交易信息数据将各第一用户进行分组;
商品信息整合模块514,用于将在同一组内的各第一用户的商品信息进行整合。
所述第二服务器520,用于提供各第一用户的交易信息数据。
优选的,所述交易信息数据包括:从服务器获取第一用户等级、和/或第一用户主营类目、和/或第一用户的平均月成交额,和/或第一用户的月平均成交笔数,和/或第一用户的平均客单价,和/或与第一用户对应的第二用户的对象人群特征;
进一步的,所述分组模块包括:
特征值计算子模块,用于利用第一用户i平均月成交金额Ai、和/或月平均成交笔数Bi、和/或平均客单价Ci,并根据相应的平均月成交金额的权重、和/或月平均成交笔数的权重、和/或平均客单价的权重,计算第一用户i的特征值;
第一排序子模块,用于针对各第一用户的特征值,将各第一用户进行排序;
第一分组子模块,用于针对属于同一特征值区间范围的各第一用户,将包括属于不同主营类目、第二用户对象人群特征相互匹配的第一用户划分进入同一分组。
优选的,所述交易信息数据包括:针对第一用户i,从服务器获取,收藏第一用户i信息的第二用户总数量,同时收藏第一用户i信息和第一用户m信息的第二用户的数量,收藏第一用户m信息的第二用户总数量;
进一步的,所述分组模块包括:
信任度计算子模块,用于针对第一用户i,根据同时收藏第一用户i信息和另一第一用户m信息的第二用户的总数,和收藏第一用户m信息的第二用户的总数,计算所述第一用户i与第一用户m之间的信任度;
支持度计算子模块,用于针对第一用户i,根据同时收藏第一用户i信息和另一第一用户m信息的第二用户的总数,和收藏第一用户i信息的第二用户的总数计算所述第一用户i与第一用户m之间的支持度;
第二排序子模块,用于针对第一用户i,选取支持度大于阈值的第一用户,并将各第一用户按信任度排序;
第二分组子模块,用于选取属于第一用户等级范围、平均客单价范围,并且不属于相同主营类目的第一用户,且信任度大于阈值的第一用户与第一用户i一组。
优选的还可包括:
发送模块,用于将整合得到的每一组的商品信息,发送给该组内各个第一用户;
所述每个第一用户将所述打印为实体商品信息,投放给请求获取所述第一用户商品信息的第二用户。
优选的还可包括:
投放模块,用于针对整合得到的每一组的商品信息,将所述每组商品信息打印为实体商品信息,投放给请求获取该组内第一用户的商品信息的第二用户。
优选的还可包括:
展示模块,用于将整合得到的每一组的商品信息,发送至该组内各第一用户的商品信息页面进行展示。
参照图5、其示出了本申请一种商品信息处理装置实施例二的结构示意图,具体可以包括:
第一服务器610,第二服务器620;
所述第一服务器610包括:
请求接收模块611,用于第一服务器接收各第一用户的参与请求,和第一用户的商品信息;
信息获取模块612,用于根据所述各第一用户的参与请求,从第二服务器分别获取各第一用户的交易信息数据;
其中所述从第二服务器获取各第一用户的交易信息数据包括:从服务器获取第一用户等级、和/或第一用户主营类目、和/或第一用户的平均月成交额,和/或第一用户的月平均成交笔数,和/或第一用户的平均客单价,和/或与第一用户对应的第二用户的对象人群特征;
分组模块613包括:
特征值计算子模块S6131,用于利用第一用户i平均月成交金额Ai、和/或月平均成交笔数Bi、和/或平均客单价Ci,并根据相应的平均月成交金额的权重、和/或月平均成交笔数的权重、和/或平均客单价的权重,计算第一用户i的特征值;
第一排序子模块S6132,用于针对各第一用户的特征值,将各第一用户进行排序;
第一分组子模块S6133,用于针对属于同一特征值区间范围的各第一用户,将包括属于不同主营类目、第二用户对象人群特征相互匹配的第一用户划分进入同一分组;
商品信息整合模块614,用于将在同一组内的各第一用户的商品信息进行整合。
所述第二服务器620,用于提供各第一用户的交易信息数据。
参照图6、其示出了本申请一种商品信息处理装置实施例三的结构示意图,具体可以包括:
第一服务器710,第二服务器720;
所述第一服务器710包括:
请求接收模块711,用于第一服务器接收各第一用户的参与请求,和第一用户的商品信息;
信息获取模块712,用于根据所述各第一用户的参与请求,从第二服务器分别获取各第一用户的交易信息数据;所述从第二服务器获取各第一用户的交易信息数据包括:针对第一用户i,从服务器获取,收藏第一用户i信息的第二用户总数量,同时收藏第一用户i信息和第一用户m信息的第二用户的数量,收藏第一用户m信息的第二用户总数量;
分组模块713包括:
信任度计算子模块S7131,用于针对第一用户i,根据同时收藏第一用户i信息和另一第一用户m信息的第二用户的总数,和收藏第一用户m信息的第二用户的总数,计算所述第一用户i与第一用户m之间的信任度;
支持度计算子模块S7132,用于针对第一用户i,根据同时收藏第一用户i信息和另一第一用户m信息的第二用户的总数,和收藏第一用户i信息的第二用户的总数计算所述第一用户i与第一用户m之间的支持度;
第二排序子模块S7133,用于针对第一用户i,选取支持度大于阈值的第一用户,并将各第一用户按信任度排序;
第二分组子模块S7134,用于选取属于第一用户等级范围、平均客单价范围,并且不属于相同主营类目的第一用户,且信任度大于阈值的第一用户与第一用户i一组;
商品信息整合模块714,用于将在同一组内的各第一用户的商品信息进行整合。
所述第二服务器720,用于提供各第一用户的交易信息数据。
对于系统实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域普通技术人员应该还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本申请所提供的一种商品信息处理方法和装置,进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种商品信息处理方法,其特征在于,包括:
第一服务器接收各第一用户的参与请求,和第一用户的商品信息;
根据所述各第一用户的参与请求,从第二服务器分别获取各第一用户的历史交易信息数据;所述第二服务器记录第一用户的历史交易信息数据;
根据所述各第一用户的历史交易信息数据,对各第一用户进行分组;所述分组中各第一用户的特征包括:各第一用户的第二用户对象人群特征匹配,各第一用户层级相当,各第一用户在不同商品类目;
将在同一组内的各第一用户的商品信息进行整合。
2.根据权利要求1所述的方法,其特征在于,
所述从第二服务器获取各第一用户的历史交易信息数据包括:从服务器获取第一用户等级、和/或第一用户主营类目、和/或第一用户的平均月成交额,和/或第一用户的月平均成交笔数,和/或第一用户的平均客单价,和/或与第一用户对应的第二用户的对象人群特征。
3.根据权利要求2所述的方法,其特征在于,根据所述各第一用户的历史交易信息数据将各第一用户进行分组时,包括:
利用第一用户i平均月成交金额Ai、和/或月平均成交笔数Bi、和/或平均客单价Ci,并根据相应的平均月成交金额的权重、和/或月平均成交笔数的权重、和/或平均客单价的权重,计算第一用户i的特征值;
针对各第一用户的特征值,将各第一用户进行排序;
针对属于同一特征值区间范围的各第一用户,将包括属于不同主营类目、第二用户的对象人群特征相互匹配的第一用户划分进入同一分组。
4.根据权利要求1或2所述的方法,其特征在于:
所述从第二服务器获取各第一用户的历史交易信息数据包括:针对第一用户i,从服务器获取,收藏第一用户i信息的第二用户总数量,同时收藏第一用户i信息和第一用户m信息的第二用户的数量,收藏第一用户m信息的第二用户总数量。
5.根据权利要求4所述的方法,其特征在于,根据所述各第一用户的历史交易信息数据将各第一用户进行分组时,包括:
针对第一用户i,根据同时收藏第一用户i信息和另一第一用户m信息的第二用户的总数,和收藏第一用户m信息的第二用户的总数,计算所述第一用户i与第一用户m之间的信任度;
针对第一用户i,根据同时收藏第一用户i信息和另一第一用户m信息的第二用户的总数,和收藏第一用户i信息的第二用户的总数计算所述第一用户i与第一用户m之间的支持度;
针对第一用户i,选取支持度大于阈值的第一用户,并将各第一用户按信任度排序;
选取属于第一用户等级范围、平均客单价范围,并且不属于相同主营类目的第一用户,且信任度大于阈值的第一用户与第一用户i一组。
6.根据权利要求5所述的方法,其特征在于,通过以下方式计算所述支持度及信任度:
对于第一用户i,支持度P(i,m)=同时收藏第一用户i、第一用户m的第二用户的总数/收藏第一用户i的总数;信任度P(i|m)=同时收藏i,m两个第一用户的第二用户的总数/收藏第一用户m的第二用户的总数。
7.根据权利要求1所述的方法,其特征在于,在所将在同一组内的各第一用户的商品信息进行整合之后,还包括:
将整合得到的每一组的商品信息,发送给该组内各个第一用户;所述每个第一用户将所述每一组商品信息打印为实体商品信息,投放给请求获取所述第一用户商品信息的第二用户。
8.根据权利要求1所述的方法,其特征在于,在所述将在同一组内的各第一用户的商品信息进行整合之后,还包括:
针对整合得到的每一组的商品信息,将所述每组商品信息打印为实体商品信息,投放给请求获取该组内第一用户的商品信息的第二用户。
9.根据权利要求1所述的方法,其特征在于,在所述将在同一组内的各第一用户的商品信息进行整合之后,还包括:
将整合得到的每一组的商品信息,发送至该组内各第一用户的商品信息页面进行展示。
10.一种商品信息处理装置,其特征在于,包括:
请求接收模块,用于第一服务器接收各第一用户的参与请求,和第一用户的商品信息;
信息获取模块,用于根据所述各第一用户的参与请求,从第二服务器分别获取各第一用户的历史交易信息数据;
分组模块,用于根据所述各第一用户的历史交易信息数据将各第一用户进行分组;所述分组中各第一用户的特征包括:各第一用户的第二用户对象人群特征匹配,各第一用户层级相当,各第一用户在不同商品类目;
商品信息整合模块,用于将在同一组内的各第一用户的商品信息进行整合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210330853.2A CN103778545B (zh) | 2012-09-07 | 2012-09-07 | 一种商品信息处理方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210330853.2A CN103778545B (zh) | 2012-09-07 | 2012-09-07 | 一种商品信息处理方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103778545A CN103778545A (zh) | 2014-05-07 |
CN103778545B true CN103778545B (zh) | 2017-09-15 |
Family
ID=50570746
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210330853.2A Active CN103778545B (zh) | 2012-09-07 | 2012-09-07 | 一种商品信息处理方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103778545B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105446992A (zh) * | 2014-07-08 | 2016-03-30 | 阿里巴巴集团控股有限公司 | 建立商品对象回收信息数据库、确定价值信息方法及装置 |
CN105678580A (zh) * | 2016-01-06 | 2016-06-15 | 北京京东尚科信息技术有限公司 | 电子商务平台及发放优惠券的方法 |
CN106168914A (zh) * | 2016-07-12 | 2016-11-30 | 乐视控股(北京)有限公司 | 信息传播方式确定方法及系统 |
WO2019154393A1 (en) * | 2018-02-11 | 2019-08-15 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for organizing participants of service platform |
CN110147895A (zh) * | 2018-02-11 | 2019-08-20 | 北京嘀嘀无限科技发展有限公司 | 组队推荐方法和系统 |
CN110827093A (zh) * | 2019-11-14 | 2020-02-21 | 北京爱笔科技有限公司 | 一种精准营销的方法及装置 |
CN111143575B (zh) * | 2019-12-06 | 2023-07-04 | 苏宁云计算有限公司 | 一种店铺商品结构的优化方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101110115A (zh) * | 2006-07-20 | 2008-01-23 | 阿里巴巴公司 | 一种在网络中处理商品信息的方法及系统 |
CN102012940A (zh) * | 2010-12-14 | 2011-04-13 | 王鑫 | 网上商城多个商家商品销售信息整合方法和系统 |
-
2012
- 2012-09-07 CN CN201210330853.2A patent/CN103778545B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101110115A (zh) * | 2006-07-20 | 2008-01-23 | 阿里巴巴公司 | 一种在网络中处理商品信息的方法及系统 |
CN102012940A (zh) * | 2010-12-14 | 2011-04-13 | 王鑫 | 网上商城多个商家商品销售信息整合方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103778545A (zh) | 2014-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103778545B (zh) | 一种商品信息处理方法和系统 | |
Cao et al. | Geographic distribution of e-shopping: application of structural equation models in the Twin Cities of Minnesota | |
CN108460629A (zh) | 用户营销推荐方法、装置、终端设备及存储介质 | |
WO2017028735A1 (zh) | 选择及推荐展示对象的方法及装置 | |
EP1253544A1 (en) | Method and computer system for processing and presenting market and marketing information regarding a product | |
CN102893300A (zh) | 用于将总量销售数据、媒体消费信息和地理-人口统计数据集成到靶向广告的方法和设备 | |
CN107808314B (zh) | 用户推荐方法及装置 | |
CN106570718A (zh) | 信息的投放方法及投放系统 | |
CN107481052A (zh) | 一种广告信息推送方法及终端 | |
CN108280679A (zh) | 用于向网站访客递送目标内容以推广产品和品牌的方法和装置 | |
US20210272138A1 (en) | Method and apparatus for data processing | |
CN106875205A (zh) | 一种对象选择方法和装置 | |
JP2019512806A5 (zh) | ||
CN104331818A (zh) | 可控制差异化推送商户服务信息的方法及系统 | |
CN105210099A (zh) | 赞助系统 | |
Calisti et al. | Promoting sustainable food consumption: an agent-based model about outcomes of small shop openings | |
CN107301563A (zh) | 空间市场系统 | |
Zhang et al. | Measuring returns on Hong Kong's tourism marketing expenditure | |
CN113298568A (zh) | 用于投放广告的方法及装置 | |
CN112184332A (zh) | 活动信息的推送方法、装置及设备 | |
US20230093690A1 (en) | Fan Valuation Method, System, and Uses Thereof | |
CN115034806A (zh) | 广告投放方法、装置、存储介质以及电子设备 | |
CN111626765B (zh) | 资源配置方法及装置、存储介质、计算机设备 | |
CN108510353A (zh) | 一种智能化程度高的电子商务系统 | |
CN114358809A (zh) | 一种将深度神经网络应用于数字营销的数据分析系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |