CN106682923B - 商品调整方法及系统 - Google Patents
商品调整方法及系统 Download PDFInfo
- Publication number
- CN106682923B CN106682923B CN201510742840.XA CN201510742840A CN106682923B CN 106682923 B CN106682923 B CN 106682923B CN 201510742840 A CN201510742840 A CN 201510742840A CN 106682923 B CN106682923 B CN 106682923B
- Authority
- CN
- China
- Prior art keywords
- commodity
- online shopping
- shopping platform
- purchase
- commodities
- 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
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000011156 evaluation Methods 0.000 claims abstract description 66
- 238000010801 machine learning Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 7
- 230000014759 maintenance of location Effects 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000012896 Statistical algorithm Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种商品调整方法及系统。根据所述方法,所述系统分别获取同一类别下的第一网络购物平台、和第二网络购物平台中各商品的购买相关信息;根据所属第一网络购物平台中各商品的购买相关信息、和所属第二网络购物平台中各商品的购买相关信息,分别计算同一类别中的同一商品在各自网络购物平台下的购买得分;按照同一商品在各自网络购物平台下的购买得分,对相应商品进行评价,并根据评价结果调整所述第一网络购物平台中上线出售的各商品。本发明能够准确的评定第一网络购物平台上销售的商品是否受用户喜欢,并基于此来调整线上销售的商品。
Description
技术领域
本发明涉及软件领域,尤其涉及一种商品调整方法及系统。
背景技术
随着网络购物平台规模的扩大,销售商品的种类和数量都在飞速增长。随之而来的问题在于,有些商品的销售速度很快,有些则较慢。为了确保线上销售的商品的热度,需要对线上商品定期、或不定期的进行调整。
目前,统计人员利用网络购物平台的后台系统按照商品的销售情况进行搜索,以得到商品的销售情况排序,再根据排序选择下线商品。
上述方式由于采用人工统计方式,耗费了统计人员大量的时间和精力。故而,需要对现有技术进行改进。
发明内容
本发明实施例提供一种商品调整方法及系统,用于解决现有技术中调整线上商品的手段效率过低的问题。
基于上述目的,本发明提供一种商品调整方法,包括:分别获取同一类别下的第一网络购物平台、和第二网络购物平台中各商品的购买相关信息;根据所属第一网络购物平台中各商品的购买相关信息、和所属第二网络购物平台中各商品的购买相关信息,分别计算同一类别中的同一商品在各自网络购物平台下的购买得分;按照同一商品在各自网络购物平台下的购买得分,对相应商品进行评价,并根据评价结果调整所述第一网络购物平台中上线出售的各商品。
优选地,所述获取第二网络购物平台中各商品的购买相关信息的方式包括:根据所述第一网络购物平台中各商品的商品信息,从第二网络购物平台上获取与所述商品信息相符的各商品的购买相关信息;和/或,利用预设的机器学习模型,从第二网络购物平台的各网页信息中选取与所述第一网络购物平台中各商品信息相符的商品及其购买相关信息。
优选地,所述购买相关信息包括以下至少一组:{商品的销售数量,同一商品所属类别下所有商品的销售数量}、{商品的销售额、同一商品所属类别下所有商品的销售额}、{商品的点击数量,同一商品所属类别下所有商品的点击数量总和}、{商品的评价数量,同一商品所属类别下所获取的所有商品的评价数量总和}。
优选地,从所属第一网络购物平台中各商品的购买相关信息、和所属第二网络购物平台中各商品的购买相关信息中,分别计算同一类别中的同一商品在各自网络购物平台下的购买得分的方式包括:按照同一类别中的同一商品的购买相关信息的组别,分别计算各组别的购买得分。
优选地,所述按照同一商品在各自网络购物平台下的购买得分,对相应商品进行评价的方式包括:按照预设的各购买得分的权重,对各网络购物平台下同一商品的购买得分进行加权取和,以得到评价值;对同一类别下各商品的评价值进行归一化处理。
优选地,所述根据评价结果调整所述第一网络购物平台中上线出售的各商品的方式包括:将评价值高于预设评价阈值的商品保留线上销售。
基于上述目的,本发明还提供一种商品调整系统,包括:获取模块,用于分别获取同一类别下的第一网络购物平台、和第二网络购物平台中各商品的购买相关信息;计算模块,用于根据所属第一网络购物平台中各商品的购买相关信息、和所属第二网络购物平台中各商品的购买相关信息,分别计算同一类别中的同一商品在各自网络购物平台下的购买得分;调整模块,用于按照同一商品在各自网络购物平台下的购买得分,对相应商品进行评价,并根据评价结果调整所述第一网络购物平台中上线出售的各商品。
优选地,所述获取模块用于根据所述第一网络购物平台中各商品的商品信息,从第二网络购物平台上获取与所述商品信息相符的各商品的购买相关信息;和/或,所述获取模块用于利用预设的机器学习模型,从第二网络购物平台的各网页信息中选取与所述第一网络购物平台中各商品信息相符的商品及其购买相关信息。
优选地,所述购买相关信息包括以下至少一组:{商品的销售数量,同一商品所属类别下所有商品的销售数量}、{商品的销售额、同一商品所属类别下所有商品的销售额}、{商品的点击数量,同一商品所属类别下所有商品的点击数量总和}、{商品的评价数量,同一商品所属类别下所获取的所有商品的评价数量总和}。
优选地,所述计算模块用于按照同一类别中的同一商品的购买相关信息的组别,分别计算各组别的购买得分。
优选地,所述调整模块用于按照预设的各购买得分的权重,对各网络购物平台下同一商品的购买得分进行加权取和,以得到评价值;对同一类别下各商品的评价值进行归一化处理。
优选地,所述调整模块还用于将评价值高于预设评价阈值的商品保留线上销售。
如上所述,本发明的商品调整方法及系统,具有以下有益效果:通过获取第一网络购物平台和第二网络购物平台中同一类别下的商品及其购买相关信息,再通过统计各网络购物平台下同一商品的销售情况,能够准确的评定第一网络购物平台上销售的商品是否受用户喜欢,并基于此来调整线上销售的商品;另外,采用机器学习模型的方式从第二网络购物平台中获取商品的购买相关信息,能够解决在无法获得第二网络购物平台的接口情况下,如何将从第二网络购物平台得到的网页信息进行筛选问题;还有,根据不同的网络购物平台的特点,设置不同的购买得分的权重,能够更准确的评定第一网络购物平台上销售的商品是否受用户喜欢。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对本发明实施例描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据本发明实施例的内容和这些附图获得其他的附图。
图1是本发明的商品调整方法的一个实施例的方法流程图。
图2是本发明的商品调整系统的一个实施例的结构示意图。
具体实施方式
为使本发明解决的技术问题、采用的技术方案和达到的技术效果更加清楚,下面将结合附图对本发明实施例的技术方案作进一步的详细描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明提供一种商品调整方法。所述调整方法主要有调整系统来执行。所述调整系统包括安装在服务器中的软件和硬件。所述服务器包括但不限于:单台服务器、服务器集群、分布式服务器、基于云架构的服务器集群等。
在步骤S1中,所述调整系统分别获取同一类别下的第一网络购物平台、和第二网络购物平台中各商品的购买相关信息。
具体地,所述调整系统可以利用所述第一网络购物平台和第二网络购物平台中的特定接口获取商品类别及各类别下的各商品的购买相关信息。其中,所述第二网络购物平台可以是一个网络购物平台、也可以是多个网络购物平台。若为多个网络购物平台,所述调整系统分别获取多个第二网络购物平台中的商品及其购买相关信息。所述调整系统获取第一网络购物平台的购买相关信息和获取第二网络购物平台的购买相关信息的方式可以相同,也可以不同。
例如,所述调整系统按照所述第一网络购物平台提供的数据库接口,读取数据库中的类别表、商品信息表、商品价格表、商品购买行为表等数据表,并对所读取的数据进行统计处理,得到各商品的购物相关信息。
其中,所述购物相关信息包括但不限于以下至少一组:{商品的销售数量,商品的销售额}、{商品的点击数量,同一商品所属类别下所有商品的点击数量总和}、{商品的评价数量,同一商品所属类别下所获取的所有商品的评价数量总和}。
需要说明的是,本领域技术人员应该理解,所述调整系统所能获取的购物相关信息的组别和数量与相应网络购物平台所提供的接口相关。
若所属第二网络购物平台为所述调整系统提供相关接口,所述调整系统可根据所述第一网络购物平台中各商品的商品信息,从第二网络购物平台上获取与所述商品信息相符的各商品的购买相关信息,并将所获取的各商品归类于所述第一网络购物平台中各商品所属类别。
在此,所述商品信息包括但不限于以下至少一种:商品名称、商品型号、商品商标、商品颜色等。
所述调整系统利用相关接口读取第二网络购物平台的数据库,并根据所述商品信息搜索完全相符的、或者符合度大于预设符合度阈值的商品及其购买相关信息,搜索得到的商品与第一网络购物平台上的提供所述商品信息的商品属于同一类别。
所述调整系统还计算来自第二网络购物平台中各类别下各商品的评价数量总和、点击数量总和等。
若第二网络购物平台未提供相应接口,则所述调整系统从第二网络购物平台上获取各商品的网页信息,并从所获取的各网页信息中选取与所述第一网络购物平台中各商品的商品信息相符的商品及其购买相关信息。
具体地,所述调整系统可根据所述第一网络购物平台中各商品的商品信息,在第二网络购物平台上搜索完全相符的、或者符合度大于预设符合度阈值的商品的网页信息,在所述网页信息中获取如商品的评价数量等购买相关信息。并将搜索得到的商品与第一网络购物平台上的提供所述商品信息的商品属于同一类别。
和/或,所述调整系统利用预设的机器学习模型,从第二网络购物平台的各网页信息中选取与所述第一网络购物平台中各商品信息相符的商品及其购买相关信息。并将得到的商品与第一网络购物平台上的提供所述商品信息的商品属于同一类别。
在此,所述网页信息包括但不限于:商品描述网页、商品评价网页等。所述机器学习模型为所述调整系统预先利用多个商品信息样本进行切词、特征选择、数据训练、模式匹配等步骤构建商品模型。
具体地,所述调整系统根据第一网络购物平台中的各商品信息搜索第二网络购物平台中的网页信息,将所获取的各网页信息送入所述机器学习模型,以将各网页信息所对应的商品与所述第一网络购物平台中的各商品信息进行匹配,再从匹配到的各网页信息中提取第二网络购物平台中的购买相关信息,并确定相匹配的各网页信息所对应的商品的类型。
所述调整系统还计算所匹配的第二网络购物平台中同一类别下各商品的评价数量总和等。
在步骤S2中,所述调整系统根据所属第一网络购物平台中各商品的购买相关信息、和所属第二网络购物平台中各商品的购买相关信息,分别计算同一类别中的同一商品在各自网络购物平台下的购买得分。
具体地,所述调整系统根据预设的各组购买相关信息的公式,分别计算同一类别中的同一商品在各自网络购物平台下的购买得分。
其中,所述公式为其中,Nk为同一类别中第k个商品的销售数量(或销售额、点击数量、评价数量),m为同一类别中商品的总数。所述调整系统可以将所述公式所计算出的数值作为相应的购买得分。
优选地,所述调整系统先将各购买相关信息代入所述公式,再按照预设的权重对所得到的结果进行加权处理,以得到对应商品的购买得分。
例如,所述调整系统所得到的购物相关信息包括:{商品的销售数量,同一商品所属类别下所有商品的销售数量}、和{商品的销售额、同一商品所属类别下所有商品的销售额},则所述调整系统通过所述公式得到商品C在第一网络购物平台中的销售比例为a1、销售额比例为a2,再按照预设的权重得到商品C在第一网络购物平台中的购买得分为w1*a1+w2*a2,其中,w1和w2为预设的权重。
需要说明的是,本领域技术人员应该理解,由于所述调整系统从第一网络购物平台所得到的对应同一商品的购物相关信息的组别,与从第二网络购物平台得到的购物相关信息的组别未必完全相同,故所述调整系统各自所得到的购物得分也未必属于同一组别。
在步骤S3中,所述调整系统按照同一商品在各自网络购物平台下的购买得分,对相应商品进行评价,并根据评价结果调整所述第一网络购物平台中上线出售的各商品。
在此,所述调整系统预设有基于购买得分对同一商品进行评价的算法。所述算法可以是按照预设的统计算法得到的。在此,所述算法为预设各购买得分的权重,并对各网络购物平台下同一商品的购买得分进行加权取和。
对应的,所述步骤S3包括:步骤S31。
在步骤S31中,所述调整系统按照预设的各购买得分的权重,对各网络购物平台下同一商品的购买得分进行加权取和,以得到评价值。
例如,所述调整系统得到商品C在第一网络购物平台的购买得分包括:t11和t12,在第二网络购买平台的购买得分包括t21;并且,预设有对应t11的权重为w11、对应t12的权重为w12,、对应t21的权重为w21。所述调整系统得到商品C的评价值为t11*w11+t12*w12+t21*w21。其中,各权重可根据商品所属类别、商品所在网络购物平台等因素而定。
接着,所述调整系统可以根据所得到的同一类别下的各商品的评价值是否大于预设的评价阈值来确定是否保留相应商品的线上销售。对于确定不在线上销售的商品,所述调整系统可以直接将其做下线处理,或者,在进货系统中设置标识位,以通知供货商不再进货。
为了准确的判别商品的评价值,所述调整系统在调整商品前,还执行步骤S32。
在步骤S32中,所述调整系统再对同一类别下各商品的评价值进行归一化处理。
例如,所述调整系统将同一类别下商品C1、C2、…、Cm各自的评价值pjz1、pjz2、…、pjzm做归一化处理,分别得到
接着,所述调整系统将归一化后的评价值高于预设评价阈值的商品保留线上销售。
如图2所示,本发明提供一种商品调整系统。所述调整系统包括安装在服务器中的软件和硬件。所述服务器包括但不限于:单台服务器、服务器集群、分布式服务器、基于云架构的服务器集群等。
所述调整系统1包括:获取模块11、计算模块12、调整模块13。
所述获取模块11用于分别获取同一类别下的第一网络购物平台、和第二网络购物平台中各商品的购买相关信息。
具体地,所述获取模块11可以利用所述第一网络购物平台和第二网络购物平台中的特定接口获取商品类别及各类别下的各商品的购买相关信息。其中,所述第二网络购物平台可以是一个网络购物平台、也可以是多个网络购物平台。若为多个网络购物平台,所述获取模块11分别获取多个第二网络购物平台中的商品及其购买相关信息。所述获取模块11获取第一网络购物平台的购买相关信息和获取第二网络购物平台的购买相关信息的方式可以相同,也可以不同。
例如,所述获取模块11按照所述第一网络购物平台提供的数据库接口,读取数据库中的类别表、商品信息表、商品价格表、商品购买行为表等数据表,并对所读取的数据进行统计处理,得到各商品的购物相关信息。
其中,所述购物相关信息包括但不限于以下至少一组:{商品的销售数量,商品的销售额}、{商品的点击数量,同一商品所属类别下所有商品的点击数量总和}、{商品的评价数量,同一商品所属类别下所获取的所有商品的评价数量总和}。
需要说明的是,本领域技术人员应该理解,所述获取模块11所能获取的购物相关信息的组别和数量与相应网络购物平台所提供的接口相关。
若所属第二网络购物平台为所述获取模块11提供相关接口,所述获取模块11可根据所述第一网络购物平台中各商品的商品信息,从第二网络购物平台上获取与所述商品信息相符的各商品的购买相关信息,并将所获取的各商品归类于所述第一网络购物平台中各商品所属类别。
在此,所述商品信息包括但不限于以下至少一种:商品名称、商品型号、商品商标、商品颜色等。
所述获取模块11利用相关接口读取第二网络购物平台的数据库,并根据所述商品信息搜索完全相符的、或者符合度大于预设符合度阈值的商品及其购买相关信息,搜索得到的商品与第一网络购物平台上的提供所述商品信息的商品属于同一类别。
所述获取模块11还计算来自第二网络购物平台中各类别下各商品的评价数量总和、点击数量总和等。
若第二网络购物平台未提供相应接口,则所述获取模块11从第二网络购物平台上获取各商品的网页信息,并从所获取的各网页信息中选取与所述第一网络购物平台中各商品的商品信息相符的商品及其购买相关信息。
具体地,所述获取模块11可根据所述第一网络购物平台中各商品的商品信息,在第二网络购物平台上搜索完全相符的、或者符合度大于预设符合度阈值的商品的网页信息,在所述网页信息中获取如商品的评价数量等购买相关信息。并将搜索得到的商品与第一网络购物平台上的提供所述商品信息的商品属于同一类别。
和/或,所述获取模块11利用预设的机器学习模型,从第二网络购物平台的各网页信息中选取与所述第一网络购物平台中各商品信息相符的商品及其购买相关信息。并将得到的商品与第一网络购物平台上的提供所述商品信息的商品属于同一类别。
在此,所述网页信息包括但不限于:商品描述网页、商品评价网页等。所述机器学习模型为所述获取模块11预先利用多个商品信息样本进行切词、特征选择、数据训练、模式匹配等步骤构建商品模型。
具体地,所述获取模块11根据第一网络购物平台中的各商品信息搜索第二网络购物平台中的网页信息,将所获取的各网页信息送入所述机器学习模型,以将各网页信息所对应的商品与所述第一网络购物平台中的各商品信息进行匹配,再从匹配到的各网页信息中提取第二网络购物平台中的购买相关信息,并确定相匹配的各网页信息所对应的商品的类型。
所述获取模块11还计算所匹配的第二网络购物平台中同一类别下各商品的评价数量总和等。
所述计算模块12用于根据所属第一网络购物平台中各商品的购买相关信息、和所属第二网络购物平台中各商品的购买相关信息,分别计算同一类别中的同一商品在各自网络购物平台下的购买得分。
具体地,所述计算模块12根据预设的各组购买相关信息的公式,分别计算同一类别中的同一商品在各自网络购物平台下的购买得分。
其中,所述公式为其中,Nk为同一类别中第k个商品的销售数量(或销售额、点击数量、评价数量),m为同一类别中商品的总数。所述计算模块12可以将所述公式所计算出的数值作为相应的购买得分。
优选地,所述计算模块12先将各购买相关信息代入所述公式,再按照预设的权重对所得到的结果进行加权处理,以得到对应商品的购买得分。
例如,所述计算模块12所得到的购物相关信息包括:{商品的销售数量,同一商品所属类别下所有商品的销售数量}、和{商品的销售额、同一商品所属类别下所有商品的销售额},则所述计算模块12通过所述公式得到商品C在第一网络购物平台中的销售比例为a1、销售额比例为a2,再按照预设的权重得到商品C在第一网络购物平台中的购买得分为w1*a1+w2*a2,其中,w1和w2为预设的权重。
需要说明的是,本领域技术人员应该理解,由于所述计算模块12从第一网络购物平台所得到的对应同一商品的购物相关信息的组别,与从第二网络购物平台得到的购物相关信息的组别未必完全相同,故所述计算模块12各自所得到的购物得分也未必属于同一组别。
所述调整模块13用于按照同一商品在各自网络购物平台下的购买得分,对相应商品进行评价,并根据评价结果调整所述第一网络购物平台中上线出售的各商品。
在此,所述调整模块13预设有基于购买得分对同一商品进行评价的算法。所述算法可以是按照预设的统计算法得到的。在此,所述算法为预设各购买得分的权重,并对各网络购物平台下同一商品的购买得分进行加权取和。
对应的,所述调整模块13用于按照预设的各购买得分的权重,对各网络购物平台下同一商品的购买得分进行加权取和,以得到评价值。
例如,所述调整模块13得到商品C在第一网络购物平台的购买得分包括:t11和t12,在第二网络购买平台的购买得分包括t21;并且,预设有对应t11的权重为w11、对应t12的权重为w12,、对应t21的权重为w21。所述调整模块13得到商品C的评价值为t11*w11+t12*w12+t21*w21。其中,各权重可根据商品所属类别、商品所在网络购物平台等因素而定。
接着,所述调整模块13可以根据所得到的同一类别下的各商品的评价值是否大于预设的评价阈值来确定是否保留相应商品的线上销售。对于确定不在线上销售的商品,所述调整模块13可以直接将其做下线处理,或者,在进货系统中设置标识位,以通知供货商不再进货。
为了准确的判别商品的评价值,所述调整模块13在调整商品前,还对同一类别下各商品的评价值进行归一化处理。
例如,所述调整模块13将同一类别下商品C1、C2、…、Cm各自的评价值pjz1、pjz2、…、pjzm做归一化处理,分别得到
接着,所述调整模块13将归一化后的评价值高于预设评价阈值的商品保留线上销售。其中,所述评价阈值可以为固定值,也可以根据预设的不同类别下所要下线的商品数量而设定。
综上所述,本发明的商品调整方法及系统,通过获取第一网络购物平台和第二网络购物平台中同一类别下的商品及其购买相关信息,再通过统计各网络购物平台下同一商品的销售情况,能够准确的评定第一网络购物平台上销售的商品是否受用户喜欢,并基于此来调整线上销售的商品;另外,采用机器学习模型的方式从第二网络购物平台中获取商品的购买相关信息,能够解决在无法获得第二网络购物平台的接口情况下,如何将从第二网络购物平台得到的网页信息进行筛选问题;还有,根据不同的网络购物平台的特点,设置不同的购买得分的权重,能够更准确的评定第一网络购物平台上销售的商品是否受用户喜欢。所以,本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (8)
1.一种商品调整方法,其特征在于,包括:
分别获取同一类别下的第一网络购物平台、和第二网络购物平台中各商品的购买相关信息;
根据所属第一网络购物平台中各商品的购买相关信息、和所属第二网络购物平台中各商品的购买相关信息,分别计算同一类别中的同一商品在各自网络购物平台下的购买得分;
按照同一商品在各自网络购物平台下的购买得分,对相应商品进行评价,并根据评价结果调整所述第一网络购物平台中上线出售的各商品;
所述获取第二网络购物平台中各商品的购买相关信息的方式包括:
根据所述第一网络购物平台中各商品的商品信息,从第二网络购物平台上获取与所述商品信息相符的各商品的购买相关信息;所获取的商品与所述第一网络购物平台上提供所述商品信息的商品属于同一类别;
和/或,利用预设的机器学习模型,从第二网络购物平台的各网页信息中选取与所述第一网络购物平台中各商品信息相符的商品及其购买相关信息;所获取的商品与所述第一网络购物平台上提供所述商品信息的商品属于同一类别;
所述购买相关信息包括以下至少一组:{商品的销售数量,同一商品所属类别下所有商品的销售数量}、{商品的销售额、同一商品所属类别下所有商品的销售额}、{商品的点击数量,同一商品所属类别下所有商品的点击数量总和}、{商品的评价数量,同一商品所属类别下所获取的所有商品的评价数量总和}。
2.根据权利要求1所述的商品调整方法,其特征在于,从所属第一网络购物平台中各商品的购买相关信息、和所属第二网络购物平台中各商品的购买相关信息中,分别计算同一类别中的同一商品在各自网络购物平台下的购买得分的方式包括:
按照同一类别中的同一商品的购买相关信息的组别,分别计算各组别的购买得分。
3.根据权利要求1所述的商品调整方法,其特征在于,所述按照同一商品在各自网络购物平台下的购买得分,对相应商品进行评价的方式包括:
按照预设的各购买得分的权重,对各网络购物平台下同一商品的购买得分进行加权取和,以得到评价值;
对同一类别下各商品的评价值进行归一化处理。
4.根据权利要求1或3所述的商品调整方法,其特征在于,所述根据评价结果调整所述第一网络购物平台中上线出售的各商品的方式包括:将评价值高于预设评价阈值的商品保留线上销售。
5.一种商品调整系统,其特征在于,包括:
获取模块,用于分别获取同一类别下的第一网络购物平台、和第二网络购物平台中各商品的购买相关信息;
计算模块,用于根据所属第一网络购物平台中各商品的购买相关信息、和所属第二网络购物平台中各商品的购买相关信息,分别计算同一类别中的同一商品在各自网络购物平台下的购买得分;
调整模块,用于按照同一商品在各自网络购物平台下的购买得分,对相应商品进行评价,并根据评价结果调整所述第一网络购物平台中上线出售的各商品;
所述获取模块用于根据所述第一网络购物平台中各商品的商品信息,从第二网络购物平台上获取与所述商品信息相符的各商品的购买相关信息;所获取的商品与所述第一网络购物平台上提供所述商品信息的商品属于同一类别;
和/或,所述获取模块用于利用预设的机器学习模型,从第二网络购物平台的各网页信息中选取与所述第一网络购物平台中各商品信息相符的商品及其购买相关信息;所获取的商品与所述第一网络购物平台上提供所述商品信息的商品属于同一类别;
所述购买相关信息包括以下至少一组:{商品的销售数量,同一商品所属类别下所有商品的销售数量}、{商品的销售额、同一商品所属类别下所有商品的销售额}、{商品的点击数量,同一商品所属类别下所有商品的点击数量总和}、{商品的评价数量,同一商品所属类别下所获取的所有商品的评价数量总和}。
6.根据权利要求5所述的商品调整系统,其特征在于,所述计算模块用于按照同一类别中的同一商品的购买相关信息的组别,分别计算各组别的购买得分。
7.根据权利要求5所述的商品调整系统,其特征在于,所述调整模块用于按照预设的各购买得分的权重,对各网络购物平台下同一商品的购买得分进行加权取和,以得到评价值;对同一类别下各商品的评价值进行归一化处理。
8.根据权利要求5或7所述的商品调整系统,其特征在于,所述调整模块还用于将评价值高于预设评价阈值的商品保留线上销售。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510742840.XA CN106682923B (zh) | 2015-11-05 | 2015-11-05 | 商品调整方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510742840.XA CN106682923B (zh) | 2015-11-05 | 2015-11-05 | 商品调整方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106682923A CN106682923A (zh) | 2017-05-17 |
CN106682923B true CN106682923B (zh) | 2024-04-05 |
Family
ID=58858730
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510742840.XA Active CN106682923B (zh) | 2015-11-05 | 2015-11-05 | 商品调整方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106682923B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109947830B (zh) * | 2017-10-19 | 2022-04-26 | 北京京东尚科信息技术有限公司 | 用于输出信息的方法和装置 |
CN108133402A (zh) * | 2017-12-05 | 2018-06-08 | 天脉聚源(北京)科技有限公司 | 商品选取方法及装置 |
CN108053295A (zh) * | 2017-12-29 | 2018-05-18 | 广州品唯软件有限公司 | 一种商品品牌排序的方法和装置 |
JP7039303B2 (ja) * | 2018-01-26 | 2022-03-22 | 東芝テック株式会社 | 情報提供装置、情報処理プログラム及び情報提供方法 |
CN112950320A (zh) * | 2021-03-03 | 2021-06-11 | 刘晓斌 | 基于机器自学习的商品自动上下线方法、装置和电子设备 |
CN113240453B (zh) * | 2021-04-21 | 2024-05-28 | 福建神笔马良智能科技股份有限公司 | 基于区块链的商品销售动态推进管理系统 |
CN114693350B (zh) * | 2022-03-29 | 2023-04-25 | 上海佳昌智联汽车科技有限公司 | 一种商品信息处理方法、设备及计算机存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003308414A (ja) * | 2002-04-15 | 2003-10-31 | Nec Corp | 電子ショップ評価システム、電子ショップ評価方法 |
CN102541862A (zh) * | 2010-12-14 | 2012-07-04 | 阿里巴巴集团控股有限公司 | 跨网站的信息显示方法及系统 |
CN102779133A (zh) * | 2011-05-12 | 2012-11-14 | 苏州同程旅游网络科技有限公司 | 基于多平台、多供应商的搜索比价方法 |
CN104462333A (zh) * | 2014-12-03 | 2015-03-25 | 上海耀肖电子商务有限公司 | 购物搜索推荐与告警方法和系统 |
CN104778207A (zh) * | 2015-03-11 | 2015-07-15 | 张翔 | 网络购物的综合搜索引擎方法及其系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8050976B2 (en) * | 2005-11-15 | 2011-11-01 | Stb Enterprises, Llc | System for on-line merchant price setting |
-
2015
- 2015-11-05 CN CN201510742840.XA patent/CN106682923B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003308414A (ja) * | 2002-04-15 | 2003-10-31 | Nec Corp | 電子ショップ評価システム、電子ショップ評価方法 |
CN102541862A (zh) * | 2010-12-14 | 2012-07-04 | 阿里巴巴集团控股有限公司 | 跨网站的信息显示方法及系统 |
CN102779133A (zh) * | 2011-05-12 | 2012-11-14 | 苏州同程旅游网络科技有限公司 | 基于多平台、多供应商的搜索比价方法 |
CN104462333A (zh) * | 2014-12-03 | 2015-03-25 | 上海耀肖电子商务有限公司 | 购物搜索推荐与告警方法和系统 |
CN104778207A (zh) * | 2015-03-11 | 2015-07-15 | 张翔 | 网络购物的综合搜索引擎方法及其系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106682923A (zh) | 2017-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106682923B (zh) | 商品调整方法及系统 | |
CN110222272B (zh) | 一种潜在客户挖掘与推荐方法 | |
CN104077306B (zh) | 一种搜索引擎的结果排序方法及系统 | |
US20140278778A1 (en) | Method, apparatus, and computer-readable medium for predicting sales volume | |
Hsu | Using a decision-making process to evaluate efficiency and operating performance for listed semiconductor companies | |
CN111489180A (zh) | 参考信息生成方法、系统及装置 | |
CN109002839A (zh) | 一种多属性特征环境下高效特征选择方法 | |
Tao et al. | An improved EEMD-based hybrid approach for the short-term forecasting of hog price in China | |
CN105719145B (zh) | 获取商品到货时间的方法和装置 | |
CN111967927A (zh) | 一种多准则计算满意度的商业采购方法 | |
Cam et al. | The role of TOPSIS method on determining the financial performance ranking of firms: an application in the Borsa Istanbul | |
CN110020918B (zh) | 一种推荐信息生成方法和系统 | |
CN114529318A (zh) | 大数据环境下在线零售商的需求模型构建及需求预测方法 | |
CN114219547B (zh) | 一种门店订货量的确定方法、装置、设备及存储介质 | |
Lei et al. | A k-means clustering based algorithm for shill bidding recognition in online auction | |
CN115937341A (zh) | 一种基于ai技术的电商海报生成系统及其生成方法 | |
CN111639989B (zh) | 商品推荐方法和可读存储介质 | |
Vagh | An investigation into the effect of stochastic annual rainfall on crop yields in South Western Australia | |
CN113298179B (zh) | 一种海关商品异常价格检测方法和装置 | |
CN114266594A (zh) | 一种基于东南亚跨境电商平台的大数据分析方法 | |
CN111768139B (zh) | 备货处理方法、装置、设备及存储介质 | |
Aravatagimath et al. | Agriculture Product Marketing Data Analysis using Machine Learning | |
CN111639274A (zh) | 线上商品智能排序方法、装置、计算机设备和存储介质 | |
CN112950017A (zh) | 合同风险识别方法、装置和电子设备 | |
CN113762990A (zh) | 商品推荐的方法、装置、计算设备及计算机存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |