CN107665448A - 用于确定消费贡献价值的方法、装置以及存储介质 - Google Patents
用于确定消费贡献价值的方法、装置以及存储介质 Download PDFInfo
- Publication number
- CN107665448A CN107665448A CN201710902169.XA CN201710902169A CN107665448A CN 107665448 A CN107665448 A CN 107665448A CN 201710902169 A CN201710902169 A CN 201710902169A CN 107665448 A CN107665448 A CN 107665448A
- Authority
- CN
- China
- Prior art keywords
- commodity purchase
- commodity
- purchase
- value
- determining
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种用于确定消费贡献价值的方法、装置以及存储介质,其中的方法包括:基于商品购买历史订单和跨种类购买订单占比确定商品购买跨度;根据商品购买历史订单以及与商品购买历史订单对应的购买时间确定商品购买频度;根据与商品购买历史订单对应的商品购买总金额以及总毛利额确定商品购买值度;基于商品购买跨度、商品购买频度和商品购买值度确定用户的消费贡献价值。本发明的方法、装置以及存储介质,全面考虑了跨种类购买行为、购买量、购买频次和近期活跃度以及为企业贡献的毛利额和销售额对于消费者价值衡量的影响,对于消费者对企业贡献价值的定位和判断更全面、更科学、更准确,可以针对不同的消费者类型制定差异化的营销策略。
Description
技术领域
本发明涉及电子商务技术领域,尤其涉及一种用于确定消费贡献价值的方法、装置以及存储介质。
背景技术
目前,电子商务蓬勃快速发展,带动了多样性的商业模式的创新,也促进了客户服务水平和商品选择灵活性的进步。有研究指出,企业80%的利润源于20%的消费者,而其余20%的利润却花费公司80%的营销费用。因此,识别最有价值的顾客,对企业至关重要。为了在日益激烈的市场竞争环境下立于不败之地,必须对客户进行细分,通过差异化的服务和营销活动吸引客户,使消费者形成长期购买行为,减少客户流失,提高客户忠诚度和满意度,以客户价值为导向进行差异化营销管理的基础和前提,就是对客户的贡献价值进行定量、分析。
目前,通常使用RFM模型定量分析、评估消费者价值。RFM模型基于消费者的三个属性分析客户的重要程度,三个属性值分别是:最近购买时间(Recency)、某时段内购买频度(Frequency)和某时段内的购买金额(Monetary)。高销售额虽然提高了公司的资金周转率,但购买金额高不一定相应的利润也高,而利润代表着企业的重要利益,利润的改善同样是企业不可替代的重要目标。在现有的RFM模型中,在进行客户价值定位时忽略了利润因素。随着电子商务的快速发展,种类丰富度的提高,引导消费者从单一种类拓展到更多种类的消费,有利于扩大企业在消费者心中的影响力,更对企业综合实力和长久效益的提升具有极其重要的作用。在现有的RFM模型中,在客户价值定位时忽略了客户的跨种类消费行为,分析不够精准。
发明内容
有鉴于此,本发明要解决的一个技术问题是提供一种用于确定消费贡献价值的方法、装置以及存储介质。
根据本发明的一个方面,提供一种用于确定消费贡献价值的方法,包括:获取用户的商品购买历史订单,基于所述商品购买历史订单和在所述商品购买历史订单中的跨种类购买订单占比,确定商品购买跨度;根据所述商品购买历史订单以及与所述商品购买历史订单对应的购买时间确定商品购买频度;根据与所述商品购买历史订单对应的商品购买总金额以及总毛利额确定商品购买值度;基于所述商品购买跨度、所述商品购买频度和所述商品购买值度确定用户的消费贡献价值。
可选地,所述基于所述商品购买跨度、所述商品购买频度和所述商品购买值度确定用户的消费贡献价值包括:确定与所述商品购买跨度、所述商品购买频度和所述商品购买值度对应的权重系数;利用所述权重系数对所述商品购买跨度、所述商品购买频度和所述商品购买值度进行加权计算,获得所述消费贡献价值。
可选地,获取在预设的统计周期内的商品购买历史订单中的所有已购商品所属商品种类的总量;计算在所述统计周期内的商品购买历史订单中的跨种类购买订单所具有的占比;确定所述商品购买跨度
其中,Bt为所有已购商品所属商品种类的总量,Br为跨种类购买订单所具有的占比。
可选地,获取在所述统计周期内的商品购买历史订单的总订单数;获取距离当前最近的商品购买历史订单的下单日期,确定所述下单日期与当前日期之间的天数;确定所述商品购买频度
其中,B为所述总订单数,T为所述天数。
可选地,获取所述统计周期内的商品购买历史订单所对应的商品购买总金额以及总毛利额;确定所述商品购买值度
其中,G为所述商品购买总金额,GP为所述总毛利额。
可选地,根据层次分析法AHF分别确定与所述商品购买跨度C、所述商品购买频度F和所述商品购买值度M对应的权重系数Wf、Wc、Wm;确定所述消费贡献价值
V=F·Wf+C·Wc+M·Wm。
可选地,获取用户的商品购买信息,其中,所述商品购买信息包括:交易数据、订单信息、销售价格信息、成本报价信息、种类信息;根据所述商品购买信息生成所述商品购买历史订单。
根据本发明的另一方面,提供一种用于确定消费贡献价值的装置,包括:订单获取模块,用于获取用户的商品购买历史订单;跨度确定模块,用于基于所述商品购买历史订单和在所述商品购买历史订单中的跨种类购买订单占比,确定商品购买跨度;频度确定模块,用于根据所述商品购买历史订单以及与所述商品购买历史订单对应的购买时间确定商品购买频度;值度确定模块,用于根据与所述商品购买历史订单对应的商品购买总金额以及总毛利额确定商品购买值度;价值确定模块,用于基于所述商品购买跨度、所述商品购买频度和所述商品购买值度确定用户的消费贡献价值。
可选地,所述价值确定模块,用于确定与所述商品购买跨度、所述商品购买频度和所述商品购买值度对应的权重系数,利用所述权重系数对所述商品购买跨度、所述商品购买频度和所述商品购买值度进行加权计算,获得所述消费贡献价值。
可选地,所述跨度确定模块,用于获取在预设的统计周期内的商品购买历史订单中的所有已购商品所属商品种类的总量;计算在所述统计周期内的商品购买历史订单中的跨种类购买订单所具有的占比;确定所述商品购买跨度
其中,Bt为所有已购商品所属商品种类的总量,Br为跨种类购买订单所具有的占比。
可选地,所述频度确定模块,用于获取在所述统计周期内的商品购买历史订单的总订单数;获取距离当前最近的商品购买历史订单的下单日期,确定所述下单日期与当前日期之间的天数;确定所述商品购买频度
其中,B为所述总订单数,T为所述天数。
可选地,所述值度确定模块,用于获取所述统计周期内的商品购买历史订单所对应的商品购买总金额以及总毛利额;确定所述商品购买值度
其中,G为所述商品购买总金额,GP为所述总毛利额。
可选地,所述价值确定模块,用于根据层次分析法AHF分别确定与所述商品购买跨度C、所述商品购买频度F和所述商品购买值度M对应的权重系数Wf、Wc、Wm;确定所述消费贡献价值
V=F·Wf+C·Wc+M·Wm。
可选地,所述订单获取模块,用于获取用户的商品购买信息,其中,所述商品购买信息包括:交易数据、订单信息、销售价格信息、成本报价信息、种类信息;根据所述商品购买信息生成所述商品购买历史订单。
根据本发明的又一方面,提供一种用于确定消费贡献价值的装置,包括:存储器;以及耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器中的指令,执行如上所述的用于确定消费贡献价值的方法。
根据本发明的再一方面,提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述指令被处理器执行时实现如上所述的用于确定消费贡献价值的方法。
本发明的用于确定消费贡献价值的方法、装置以及存储介质,基于商品购买历史订单和跨种类购买订单占比确定商品购买跨度,根据购买时间确定商品购买频度,根据商品购买总金额以及总毛利额确定商品购买值度,基于商品购买跨度、商品购买频度和商品购买值度确定用户的消费贡献价值;全面考虑了跨种类购买行为、购买量、购买频次和近期活跃度以及为企业贡献的毛利额和销售额对于消费者价值衡量的影响,对于消费者对企业贡献价值的定位和判断更全面、更科学、更准确。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,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性的前提下,还可以根据这些附图获得其他的附图。
图1为根据本发明的用于确定消费贡献价值的方法的一个实施例的流程示意图;
图2为根据本发明的用于确定消费贡献价值的方法的一个实施例中的各属性对消费贡献价值的影响示意图;
图3为根据本发明的用于确定消费贡献价值的装置的一个实施例的模块示意图;
图4为根据本发明的用于确定消费贡献价值的装置的另一个实施例的模块示意图。
具体实施方式
下面参照附图对本发明进行更全面的描述,其中说明本发明的示例性实施例。下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,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,本领域普通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。
图1为根据本发明的用于确定消费贡献价值的方法的一个实施例的流程示意图,如图1所示:
步骤101,获取用户的商品购买历史订单以及在商品购买历史订单中的跨种类购买订单占比,基于商品购买历史订单和跨种类购买订单占比确定商品购买跨度。商品购买跨度用于衡量消费者是否在多个商品类别上具有潜力。
步骤102,根据商品购买历史订单以及与商品购买历史订单对应的购买时间确定商品购买频度。商品购买频度可用于衡量消费者的活跃度。
步骤103,根据与商品购买历史订单对应的商品购买总金额以及总毛利额确定商品购买值度。商品购买值度可用于衡量消费者是否带动了整体销售和毛利的增长。
步骤104,基于商品购买跨度、商品购买频度和商品购买值度确定用户的消费贡献价值。消费贡献价值综合考虑了多个因素,可以全面衡量消费者对于企业的贡献价值。
上述实施例中的用于确定消费贡献价值的方法,在传统RFM模型上引入利润属性,使得消费者贡献价值的定位更准确;购买金额高但带来低利润的消费者不一定是最有价值的客户,购买金额大的客户利润低于购买金额小的客户时,原RFM模型可能会造成错误的聚类结果,从而导致错误的营销方式而丢失客户。
电商行业竞争激烈,不仅是卖了多少商品的竞争,更是获取用户能力的竞争,只有留住用户并使其成为企业的忠实客户才能获得长久发展。跨商品种类销售,有利于提升客户体验和扩大企业影响力,更有利于企业的长远发展。上述实施例中的用于确定消费贡献价值的方法,在原有RFM模型上增加了跨商品种类购买的跨度因素,能够跨商品种类购买商品的消费者相对于只购买少数商品种类的消费者具有更大的销售提升潜力,具有更高的贡献价值。
在一个实施例中,商品购买历史订单中包括的数据不仅包括订单信息,还包括销售价格信息、成本报价信息、商品种类信息等。获取用户的商品购买信息,商品购买信息包括:交易数据、订单信息、销售价格信息、成本报价信息、种类信息等。商品购买信息中有可能会存在很多噪音和缺失,可以对商品购买信息进行预处理,剔除异常值,把数据噪音去掉,对缺失值进行填充,可使处理后的数据完整且合理,生成商品购买历史订单。
例如,在大数据平台使用Hive查询语言查询商品表、订单表、促销表、种类表等,获取用户一年内的交易数据,订单信息、价格信息、仓报价信息和种类信息等,使用Hive SQL加工处理成数据中间表。HQL读取数据中间表,并生成csv格式文件传送到已安装R、Python和Hive的服务器上,在服务器上使用R和Python进行数据的预处理,过滤异常值,填补缺失值,生成商品购买历史订单。可以在服务器上使用R和Python计算消费者贡献价值。
在一个实施例中,获取在预设的统计周期内的商品购买历史订单中的所有已购商品所属商品种类的总量,计算在统计周期内的商品购买历史订单中的跨种类购买订单所具有的占比,确定商品购买跨度
Bt为所有已购商品所属商品种类的总量,Br为跨种类购买订单所具有的占比。例如,预设的统计周期为一年,获取用户一年中的商品购买历史订单中的商品涉及的二级分类数量为Bt,计算跨二级种类购买订单在一年中总订单数中的比例为Br。
二级分类是指商品种类的划分,在电商网站可以看到不同层级的种类,例如,家用电器>>厨房小电>>电饭煲,一级种类是家用电器,二级种类是厨房小电,三级分类是电饭煲。计算商品购买跨度是为了通过消费者的跨种类购买行为进行消费者价值评估,消费记录涉及越多的种类,则说明该消费者对于电商网站的潜力越大。采用一级种类进行统计比较笼统,而采用三级分类又太细致,统计二级种类比较合理。
获取在统计周期内的商品购买历史订单的总订单数,获取距离当前最近的商品购买历史订单的下单日期,确定下单日期与当前日期之间的天数,确定商品购买频度
B为总订单数,T为天数。例如,统计一年内的用户的商品购买历史订单的订单总数为B,统计用户最近一次下单距现在的天数为T。
获取统计周期内的商品购买历史订单所对应的商品购买总金额以及总毛利额,确定商品购买值度
G为商品购买总金额,GP为总毛利额。例如,计算在一年内用户的商品购买历史订单所对应的商品购买总金额为G,,总毛利额为GP。
确定与商品购买跨度、商品购买频度和商品购买值度对应的权重系数,利用权重系数对商品购买跨度、商品购买频度和商品购买值度进行加权计算,获得消费贡献价值。根据消费贡献价值分数进行倒序排列,可以得到最具有贡献价值的消费者。
可以采用多种方法计算与商品购买跨度、商品购买频度和商品购买值度对应的权重系数。例如,根据层次分析法AHF分别确定与商品购买跨度C、商品购买频度F和商品购买值度M对应的权重系数Wf、Wc、Wm,确定消费贡献价值
V=F·Wf+C·Wc+M·Wm (1-4);
可以将商品购买跨度C、商品购买频度F和商品购买值度M以及计算出的消费贡献价值V存储到大数据平台,形成闭环,以便后续对消费贡献价值的计算。
可以直接查找资料,或咨询有关专家的方式得到权重系数Wf、Wc、Wm,也可以采用现有的层次分析法AHF确定权重系数。层次分析法AHF是将与决策总是有关的元素分解成目标、准则、方案等层次,在此基础之上进行定性和定量分析的决策方法。需要确定商品购买跨度C、商品购买频度F和商品购买值度M对消费贡献价值的影响权重,生成权重向量为W=(Wf,Wc,Wm)。
将商品购买跨度C、商品购买频度F和商品购买值度M放在一起两两相互比较,采用相对尺度,以尽可能减少性质不同的诸因素相互比较的困难,以提高准确度。例如a比b重要2倍,b比c重要3倍,这时a,b,c三者的权重为6:3:1,归一化之后就有0.6:0.3:0.1。可以用1,2,3,4……9表示两个因素的权重的相对权重比,可以得到判断矩阵A,矩阵A中的每个元素是两个因素的权重比:
A中的每个元素都大于0,元素值可以通过大数据计算获得,也可以通过专家系统获得。求解矩阵A的非零特征根n和最大特征根λ,检验一致性指标为:
随机生成m个判断矩阵,相应得到m个一致性指标,取这些指标的平均值为RI,一般性比率当CR<0.1,则通过一致性检验,求解AW=λW,得到W=(Wf,Wc,Wm)T。
上述实施例中的用于确定消费贡献价值的方法,采用AHP法确定商品购买跨度、商品购买频度和商品购买值度的权重,具有定量化、系统化和层次化的特点,使得权重计算更加合理、精确。
在一个实施例中,确定消费贡献价值,可以对消费者进行多维度价值的衡量和综合打分,可以将消费者划分为几种主要类型,针对不同的消费者类型制定差异化的营销策略。如图2所示,频度高(消费频率高、近期活跃)、值度高(贡献的GMV和毛利额整体高)、跨度高(购买的种类广、跨种类订单占比高)的消费者,是最具价值客户。
频度高(消费频率高、近期活跃)、值度高(贡献的GMV和毛利额整体高)、跨度低(购买的种类窄、跨种类订单占比低)的消费者,是重要价值客户,可通过跨种类营销,引导其在更多种类上产生购买行为,以产生更大价值。频度高(消费频率高、近期活跃)、值度低(贡献的GMV和毛利额整体低)、跨度高(购买的种类广、跨种类订单占比高)的消费者,是重要提升客户,虽然购买频度高且跨种类程度高,但整体贡献的GMV和毛利额低,可适当投入资源引导其购买整体毛利高的商品和单次购买的客单价。
频度低(消费频率低、近期不活跃)、值度高(贡献的GMV和毛利额整体高)、跨度高(购买的种类广、跨种类订单占比高)的消费者,是重点发展客户,可通过跨种类营销和定向促销信息推送,激活值度高但活跃度不足的客户。频度高(消费频率高、近期活跃)、值度低(贡献的GMV和毛利额整体低)、跨度低(购买的种类窄、跨种类订单占比低)的消费者,是一般保持客户,营销目标是调高客单价和引导其对更多种类产生兴趣和购买行为。
频度低(消费频率低、近期不活跃)、值度高(贡献的GMV和毛利额整体高)、跨度低(购买的种类窄、跨种类订单占比低)的消费者,是重要挽留客户,可通过一定的营销手段激活这些消费者的活跃度,并引导跨种类购买。频度低(消费频率低、近期不活跃)、值度低(贡献的GMV和毛利额整体低)、跨度高(购买的种类广、跨种类订单占比高)的消费者,是一般价值客户,可重点营销关键类目,引导提升销售额。频度低(消费频率低、近期不活跃)、值度低(贡献的GMV和毛利额整体低)、跨度低(购买的种类窄、跨种类订单占比低)的消费者,是一般挽留客户,不适宜投入过多的营销资源。
在一个实施例中,如图3所示,本发明提供一种用于确定消费贡献价值的装置30,包括订单获取模块31、跨度确定模块32、频度确定模块33、值度确定模块34、价值确定模块35。订单获取模块31获取用户的商品购买历史订单。例如,订单获取模块31获取用户的商品购买信息,根据商品购买信息生成商品购买历史订单,商品购买信息包括:交易数据、订单信息、销售价格信息、成本报价信息、种类信息等。
跨度确定模块32获取在商品购买历史订单中的跨种类购买订单占比,基于商品购买历史订单和跨种类购买订单占比确定商品购买跨度。频度确定模块33根据商品购买历史订单以及与商品购买历史订单对应的购买时间确定商品购买频度。值度确定模块34根据与商品购买历史订单对应的商品购买总金额以及总毛利额确定商品购买值度。价值确定模块35基于商品购买跨度、商品购买频度和商品购买值度确定用户的消费贡献价值。
跨度确定模块32获取在预设的统计周期内的商品购买历史订单中的所有已购商品所属商品种类的总量,计算在统计周期内的商品购买历史订单中的跨种类购买订单所具有的占比,确定商品购买跨度C=Bt·eBr;Bt为所有已购商品所属商品种类的总量,Br为跨种类购买订单所具有的占比。
频度确定模块33获取在统计周期内的商品购买历史订单的总订单数,获取距离当前最近的商品购买历史订单的下单日期,确定下单日期与当前日期之间的天数,确定商品购买频度B为总订单数,T为天数。
值度确定模块34获取统计周期内的商品购买历史订单所对应的商品购买总金额以及总毛利额,确定商品购买值度G为商品购买总金额,GP为总毛利额。
价值确定模块35确定与商品购买跨度、商品购买频度和商品购买值度对应的权重系数,利用权重系数对商品购买跨度、商品购买频度和商品购买值度进行加权计算,获得消费贡献价值。例如,价值确定模块35根据层次分析法AHF分别确定与商品购买跨度C、商品购买频度F和商品购买值度M对应的权重系数Wf、Wc、Wm,确定消费贡献价值V=F·Wf+C·Wc+M·Wm。
图4为根据本发明的用于确定消费贡献价值的装置的另一个实施例的模块示意图。如图4所示,该装置可包括存储器41、处理器42、通信接口43以及总线44。存储器41用于存储指令,处理器42耦合到存储器41,处理器42被配置为基于存储器41存储的指令执行实现上述的用于确定消费贡献价值的方法。
存储器41可以为高速RAM存储器、非易失性存储器(non-volatile memory)等,存储器41也可以是存储器阵列。存储器41还可能被分块,并且块可按一定的规则组合成虚拟卷。处理器42可以为中央处理器CPU,或专用集成电路ASIC(Application SpecificIntegrated Circuit),或者是被配置成实施本发明的用于确定消费贡献价值的方法的一个或多个集成电路。
在一个实施例中,本发明提供一种计算机可读存储介质,计算机可读存储介质存储有计算机指令,指令被处理器执行时实现如上任一个实施例中的用于确定消费贡献价值的方法。
上述实施例提供的用于确定消费贡献价值的方法、装置以及存储介质,基于商品购买历史订单和跨种类购买订单占比确定商品购买跨度,根据购买时间确定商品购买频度,根据商品购买总金额以及总毛利额确定商品购买值度,基于商品购买跨度、商品购买频度和商品购买值度确定用户的消费贡献价值;全面考虑了跨种类购买行为、购买量、购买频次和近期活跃度以及为企业贡献的毛利额和销售额对于消费者价值衡量的影响,对于消费者对企业贡献价值的定位和判断更全面、更科学、更准确,可以针对不同的消费者类型制定差异化的营销策略,有利于提升客户体验和扩大企业影响力。
可能以许多方式来实现本发明的方法和系统。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法和系统。用于方法的步骤的上述顺序仅是为了进行说明,本发明的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本发明实施为记录在记录介质中的程序,这些程序包括用于实现根据本发明的方法的机器可读指令。因而,本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。
本发明的描述是为了示例和描述起见而给出的,而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用,并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
Claims (16)
1.一种用于确定消费贡献价值的方法,其特征在于,包括:
获取用户的商品购买历史订单,根据所述商品购买历史订单和在所述商品购买历史订单中的跨种类购买订单占比,确定商品购买跨度;
根据所述商品购买历史订单以及与所述商品购买历史订单对应的购买时间确定商品购买频度;
根据与所述商品购买历史订单对应的商品购买总金额以及总毛利额确定商品购买值度;
根据所述商品购买跨度、所述商品购买频度和所述商品购买值度确定用户的消费贡献价值。
2.如权利要求1所述的方法,其特征在于,所述根据所述商品购买跨度、所述商品购买频度和所述商品购买值度确定用户的消费贡献价值包括:
确定与所述商品购买跨度、所述商品购买频度和所述商品购买值度对应的权重系数;
利用所述权重系数对所述商品购买跨度、所述商品购买频度和所述商品购买值度进行加权计算,获得所述消费贡献价值。
3.如权利要求2所述的方法,其特征在于,还包括:
获取在预设的统计周期内的商品购买历史订单中的所有已购商品所属商品种类的总量;
计算在所述统计周期内的商品购买历史订单中的跨种类购买订单所具有的占比;
确定所述商品购买跨度
<mrow>
<mi>C</mi>
<mo>=</mo>
<msub>
<mi>B</mi>
<mi>t</mi>
</msub>
<mo>&CenterDot;</mo>
<msup>
<mi>e</mi>
<msub>
<mi>B</mi>
<mi>r</mi>
</msub>
</msup>
<mo>;</mo>
</mrow>
其中,Bt为所有已购商品所属商品种类的总量,Br为跨种类购买订单所具有的占比。
4.如权利要求2所述的方法,其特征在于,还包括:
获取在所述统计周期内的商品购买历史订单的总订单数;
获取距离当前最近的商品购买历史订单的下单日期,确定所述下单日期与当前日期之间的天数;
确定所述商品购买频度
<mrow>
<mi>F</mi>
<mo>=</mo>
<mfrac>
<mi>B</mi>
<mi>T</mi>
</mfrac>
<mo>;</mo>
</mrow>
其中,B为所述总订单数,T为所述天数。
5.如权利要求2所述的方法,其特征在于,还包括:
获取所述统计周期内的商品购买历史订单所对应的商品购买总金额以及总毛利额;
确定所述商品购买值度
<mrow>
<mi>M</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mo>(</mo>
<mi>G</mi>
<mo>+</mo>
<mi>G</mi>
<mi>P</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</mfrac>
<mo>;</mo>
</mrow>
其中,G为所述商品购买总金额,GP为所述总毛利额。
6.如权利要求2所述的方法,其特征在于,还包括:
根据层次分析法AHF分别确定与所述商品购买跨度C、所述商品购买频度F和所述商品购买值度M对应的权重系数Wf、Wc、Wm;
确定所述消费贡献价值
V=F·Wf+C·Wc+M·Wm。
7.如权利要求1所述的方法,其特征在于,还包括:
获取用户的商品购买信息,其中,所述商品购买信息包括:交易数据、订单信息、销售价格信息、成本报价信息、种类信息;
根据所述商品购买信息生成所述商品购买历史订单。
8.一种用于确定消费贡献价值的装置,其特征在于,包括:
订单获取模块,用于获取用户的商品购买历史订单;
跨度确定模块,用于根据所述商品购买历史订单和在所述商品购买历史订单中的跨种类购买订单占比,确定商品购买跨度;
频度确定模块,用于根据所述商品购买历史订单以及与所述商品购买历史订单对应的购买时间确定商品购买频度;
值度确定模块,用于根据与所述商品购买历史订单对应的商品购买总金额以及总毛利额确定商品购买值度;
价值确定模块,用于基于所述商品购买跨度、所述商品购买频度和所述商品购买值度确定用户的消费贡献价值。
9.如权利要求8所述的装置,其特征在于,
所述价值确定模块,用于确定与所述商品购买跨度、所述商品购买频度和所述商品购买值度对应的权重系数,利用所述权重系数对所述商品购买跨度、所述商品购买频度和所述商品购买值度进行加权计算,获得所述消费贡献价值。
10.如权利要求9所述的装置,其特征在于,
所述跨度确定模块,用于获取在预设的统计周期内的商品购买历史订单中的所有已购商品所属商品种类的总量;计算在所述统计周期内的商品购买历史订单中的跨种类购买订单所具有的占比;确定所述商品购买跨度
<mrow>
<mi>C</mi>
<mo>=</mo>
<msub>
<mi>B</mi>
<mi>t</mi>
</msub>
<mo>&CenterDot;</mo>
<msup>
<mi>e</mi>
<msub>
<mi>B</mi>
<mi>r</mi>
</msub>
</msup>
<mo>;</mo>
</mrow>
其中,Bt为所有已购商品所属商品种类的总量,Br为跨种类购买订单所具有的占比。
11.如权利要求9所述的装置,其特征在于,
所述频度确定模块,用于获取在所述统计周期内的商品购买历史订单的总订单数;获取距离当前最近的商品购买历史订单的下单日期,确定所述下单日期与当前日期之间的天数;确定所述商品购买频度
<mrow>
<mi>F</mi>
<mo>=</mo>
<mfrac>
<mi>B</mi>
<mi>T</mi>
</mfrac>
<mo>;</mo>
</mrow>
其中,B为所述总订单数,T为所述天数。
12.如权利要求9所述的装置,其特征在于,
所述值度确定模块,用于获取所述统计周期内的商品购买历史订单所对应的商品购买总金额以及总毛利额;确定所述商品购买值度
<mrow>
<mi>M</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mo>(</mo>
<mi>G</mi>
<mo>+</mo>
<mi>G</mi>
<mi>P</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</mfrac>
<mo>;</mo>
</mrow>
其中,G为所述商品购买总金额,GP为所述总毛利额。
13.如权利要求9所述的装置,其特征在于,
所述价值确定模块,用于根据层次分析法AHF分别确定与所述商品购买跨度C、所述商品购买频度F和所述商品购买值度M对应的权重系数Wf、Wc、Wm;确定所述消费贡献价值
V=F·Wf+C·Wc+M·Wm。
14.如权利要求8所述的装置,其特征在于,
所述订单获取模块,用于获取用户的商品购买信息,其中,所述商品购买信息包括:交易数据、订单信息、销售价格信息、成本报价信息、种类信息;根据所述商品购买信息生成所述商品购买历史订单。
15.一种用于确定消费贡献价值的装置,其特征在于,包括:
存储器;以及
耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器中的指令,执行如权利要求1至7中任一项所述的用于确定消费贡献价值的方法。
16.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述指令被处理器执行时实现如权利要求1至7中任一项所述的用于确定消费贡献价值的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710902169.XA CN107665448A (zh) | 2017-09-29 | 2017-09-29 | 用于确定消费贡献价值的方法、装置以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710902169.XA CN107665448A (zh) | 2017-09-29 | 2017-09-29 | 用于确定消费贡献价值的方法、装置以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107665448A true CN107665448A (zh) | 2018-02-06 |
Family
ID=61097579
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710902169.XA Pending CN107665448A (zh) | 2017-09-29 | 2017-09-29 | 用于确定消费贡献价值的方法、装置以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107665448A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109389433A (zh) * | 2018-10-12 | 2019-02-26 | 晋中职业技术学院 | 一种电子商务管理方法及系统 |
CN110060131A (zh) * | 2019-04-19 | 2019-07-26 | 余俊龙 | 基于区块链贡献价值评估分配、商业模式实现方法及设备 |
CN110428138A (zh) * | 2019-07-04 | 2019-11-08 | 周如祥 | 基于rx法则的企业经营状况分析方法及装置 |
CN110490714A (zh) * | 2019-08-23 | 2019-11-22 | 深圳市小矮人软件有限公司 | 一种销售毛利实时更新方法及系统 |
CN111008867A (zh) * | 2019-12-03 | 2020-04-14 | 深圳市云积分科技有限公司 | 一种基于营销效果收取费用的短信营销方法和装置 |
US10650386B2 (en) | 2018-08-30 | 2020-05-12 | International Business Machines Corporation | Network usage detection and presentation |
CN111160971A (zh) * | 2019-12-30 | 2020-05-15 | 深圳市云积分科技有限公司 | 一种基于营销效果优化营销策略的方法和装置 |
CN111192084A (zh) * | 2019-12-27 | 2020-05-22 | 深圳市云积分科技有限公司 | 一种会员身份评定管理方法和装置 |
CN111241149A (zh) * | 2019-12-13 | 2020-06-05 | 北京明略软件系统有限公司 | 一种人员异常判定方法、装置、电子设备及存储介质 |
CN111913940A (zh) * | 2020-06-20 | 2020-11-10 | 武汉海云健康科技股份有限公司 | 一种温度会员标签预测方法、装置、电子设备及存储介质 |
CN113240453A (zh) * | 2021-04-21 | 2021-08-10 | 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 |
CN113743641A (zh) * | 2020-12-07 | 2021-12-03 | 北京沃东天骏信息技术有限公司 | 一种物品识别方法和装置 |
CN114841780A (zh) * | 2022-05-24 | 2022-08-02 | 武汉泰贸科技有限公司 | 一种基于大数据分析的数字化客群服务社群智能管理系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600039A (zh) * | 2016-11-25 | 2017-04-26 | 浙江工业大学 | 一种电商商品消息推送优化方法 |
CN106600372A (zh) * | 2016-12-12 | 2017-04-26 | 武汉烽火信息集成技术有限公司 | 一种基于用户行为的商品推荐方法及系统 |
CN107066512A (zh) * | 2017-01-23 | 2017-08-18 | 重庆邮电大学 | 一种基于Hadoop的用户偏好评估方法及系统 |
-
2017
- 2017-09-29 CN CN201710902169.XA patent/CN107665448A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600039A (zh) * | 2016-11-25 | 2017-04-26 | 浙江工业大学 | 一种电商商品消息推送优化方法 |
CN106600372A (zh) * | 2016-12-12 | 2017-04-26 | 武汉烽火信息集成技术有限公司 | 一种基于用户行为的商品推荐方法及系统 |
CN107066512A (zh) * | 2017-01-23 | 2017-08-18 | 重庆邮电大学 | 一种基于Hadoop的用户偏好评估方法及系统 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10650386B2 (en) | 2018-08-30 | 2020-05-12 | International Business Machines Corporation | Network usage detection and presentation |
US11182799B2 (en) | 2018-08-30 | 2021-11-23 | International Business Machines Corporation | Network usage detection and presentation |
CN109389433A (zh) * | 2018-10-12 | 2019-02-26 | 晋中职业技术学院 | 一种电子商务管理方法及系统 |
CN110060131A (zh) * | 2019-04-19 | 2019-07-26 | 余俊龙 | 基于区块链贡献价值评估分配、商业模式实现方法及设备 |
CN110428138A (zh) * | 2019-07-04 | 2019-11-08 | 周如祥 | 基于rx法则的企业经营状况分析方法及装置 |
CN110490714A (zh) * | 2019-08-23 | 2019-11-22 | 深圳市小矮人软件有限公司 | 一种销售毛利实时更新方法及系统 |
CN111008867A (zh) * | 2019-12-03 | 2020-04-14 | 深圳市云积分科技有限公司 | 一种基于营销效果收取费用的短信营销方法和装置 |
CN111241149A (zh) * | 2019-12-13 | 2020-06-05 | 北京明略软件系统有限公司 | 一种人员异常判定方法、装置、电子设备及存储介质 |
CN111241149B (zh) * | 2019-12-13 | 2023-02-28 | 北京明智和术科技有限公司 | 一种人员异常判定方法、装置、电子设备及存储介质 |
CN111192084A (zh) * | 2019-12-27 | 2020-05-22 | 深圳市云积分科技有限公司 | 一种会员身份评定管理方法和装置 |
CN111160971A (zh) * | 2019-12-30 | 2020-05-15 | 深圳市云积分科技有限公司 | 一种基于营销效果优化营销策略的方法和装置 |
CN111913940A (zh) * | 2020-06-20 | 2020-11-10 | 武汉海云健康科技股份有限公司 | 一种温度会员标签预测方法、装置、电子设备及存储介质 |
CN111913940B (zh) * | 2020-06-20 | 2024-04-26 | 武汉海云健康科技股份有限公司 | 一种温度会员标签预测方法、装置、电子设备及存储介质 |
CN113743641A (zh) * | 2020-12-07 | 2021-12-03 | 北京沃东天骏信息技术有限公司 | 一种物品识别方法和装置 |
CN113240453A (zh) * | 2021-04-21 | 2021-08-10 | 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 |
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 |
CN114841780A (zh) * | 2022-05-24 | 2022-08-02 | 武汉泰贸科技有限公司 | 一种基于大数据分析的数字化客群服务社群智能管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107665448A (zh) | 用于确定消费贡献价值的方法、装置以及存储介质 | |
JP4897713B2 (ja) | 販売情報分析装置 | |
Eichenbaum et al. | Reference prices, costs, and nominal rigidities | |
JP5571804B2 (ja) | 再購入傾向を予測する方法および装置 | |
US8818838B1 (en) | System and method for efficiently developing a hypothesis regarding the structure of a market | |
TW542982B (en) | Dynamic pricing system | |
US11790383B2 (en) | System and method for selecting promotional products for retail | |
US20150112762A1 (en) | Optimization of product assortments | |
JP5039579B2 (ja) | 販売情報分析装置 | |
CN110766428A (zh) | 一种数据价值评估系统以及方法 | |
US20170200172A1 (en) | Consumer decision tree generation system | |
JP2018139036A (ja) | 分析装置 | |
CN117455632B (zh) | 一种基于大数据的电商选品分析管理平台 | |
CN116739217A (zh) | 一种基于供应链大数据平台的零售管理方法及系统 | |
JP6250623B2 (ja) | 取引管理システム、取引管理方法及び取引管理プログラム | |
CN111445133A (zh) | 一种材料管理方法、装置、计算机设备和存储介质 | |
KR102217886B1 (ko) | 빅데이터 기반 상품 투자 추천 알고리즘의 최적 가중치를 인공지능을 이용하여 탐색하는 시스템 및 방법 | |
KR101729714B1 (ko) | 기술 가치 평가 장치, 방법 및 이를 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체 | |
WO2010104619A1 (en) | System and method for assessing the accuracy of a hypothetical market structure | |
CN116739652A (zh) | 一种服装电商销量预测建模方法 | |
CN114936784A (zh) | 一种供应商选择方法及供应商选择系统和供应商选择设备 | |
Uprasen | The impact of non-tariff barriers in the European Union on China’s exports | |
CN116308466B (zh) | 数据信息采集与智能分析方法、系统、设备和存储介质 | |
CN116611796B (zh) | 一种店铺交易数据的异常检测方法及装置 | |
Hendrawaa et al. | Customer segmentation using RFM model |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180206 |
|
RJ01 | Rejection of invention patent application after publication |