CN107845019A - 一种订单生成方法及网络销售平台 - Google Patents
一种订单生成方法及网络销售平台 Download PDFInfo
- Publication number
- CN107845019A CN107845019A CN201710992539.3A CN201710992539A CN107845019A CN 107845019 A CN107845019 A CN 107845019A CN 201710992539 A CN201710992539 A CN 201710992539A CN 107845019 A CN107845019 A CN 107845019A
- Authority
- CN
- China
- Prior art keywords
- ordering
- product
- classified
- mrow
- order
- 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
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000012545 processing Methods 0.000 claims description 14
- 238000007621 cluster analysis Methods 0.000 claims description 6
- 230000006855 networking Effects 0.000 abstract 1
- 235000019504 cigarettes Nutrition 0.000 description 17
- 239000002184 metal Substances 0.000 description 8
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000003064 k means clustering Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种订单生成方法及网络销售平台,所述方法包括:获取至少两个客户订购指定产品的历史订购数据,根据各个所述客户分别对应的历史订购数据中携带的入网时长、时间间隔、订购总量、订购频率以及在设定时间段内每一次订购指定产品时所分别对应的单次订购数量,从所述至少两个客户中选择出至少一个价值客户;针对于每一个所述价值客户,均执行:根据所述价值客户在设定时间段内每一次订购所述指定产品时所分别对应的单次订购数量,确定本次订购数量;利用所述本次订购数量和所述指定产品的产品名称生成对应于所述价值客户的订单。通过本发明的技术方案,可提高用户体验。
Description
技术领域
本发明涉及计算机技术领域,特别涉及一种订单生成方法及网络销售平台。
背景技术
随着互联网的发展,越来越多的用户已习惯通过网络网络销售平台进行在线购物。具体地,用户可在网络销售平台选择其需要购买的各个产品并输入各个产品所分别对应的购买数量,销售平台可利用选择的各个指定产品名称以及对应的购买数量生成与客户相对应的订单,并提供给客户,在客户输入相应的确认信息之后,则可根据根据对应于该客户的订单进行产品配送。
当用户需要在一个持续的时间段内多次购买相应数量的指定产品时,比如购买香烟时,则需要用户于不同的时间点在网络销售平台多次选择指定产品并输入相应的购买数量,才能生成与客户相对应的订单,用户体验较差。
发明内容
本发明实施例提供了一种订单生成方法及网络销售平台,可提高用户体验。
第一方面,本发明提供了一种订单生成方法,应用于网络销售平台,包括:
获取至少两个客户订购指定产品的历史订购数据,其中,所述历史订购数据包括客户入网时长、最近两次订购所述指定产品的时间间隔、在设定时间段内订购所述指定产品的订购总量、在设定时间段内每一次订购所述指定产品时所分别对应的单次订购数量、在设定时间段内多次订购所述指定产品的订购频率;
根据各个所述客户分别对应的所述入网时长、所述时间间隔、所述订购总量、所述订购频率以及在设定时间段内每一次订购所述指定产品时所分别对应的单次订购数量,从所述至少两个客户中选择出至少一个价值客户;
针对于每一个所述价值客户,均执行:
根据所述价值客户在设定时间段内每一次订购所述指定产品时所分别对应的单次订购数量,确定本次订购数量;
利用所述本次订购数量和所述指定产品的产品名称生成对应于所述价值客户的订单。
优选地,
所述根据各个所述客户分别对应的所述入网时长、所述时间间隔、所述订购总量、所述订购频率以及在设定时间段内每一次订购所述指定产品时所分别对应的单次订购数量,从所述至少两个客户中选择出至少一个价值客户,包括:
根据各个所述客户分别对应的所述入网时长、所述时间间隔、所述订购总量、所述订购频率以及在设定时间段内每一次订购所述指定产品时所分别对应的单次订购数量,对所述至少两个客户进行聚类分群以形成聚类结果;
根据聚类结果从所述至少两个客户中选择出至少一个价值客户。
优选地,
所述根据所述价值客户在设定时间段内每一次订购所述指定产品时所分别对应的单次订购数量,确定本次订购数量,包括:
根据所述价值客户在设定时间段内每一次订购所述指定产品时所分别对应的单次订购数量,通过如下公式计算本次订购数量:
其中,xt表征本次订购数量,xt-p表征在本次订购之前第p次订购所述指定产品时的单次订购数量、ap表征第p次订购所述指定产品时对应的浮动系数、a0和εt为常数、εt-q表征在本次订购之前第q次订购所述指定产品时的单次订购数量、θq表征第q次订购所述指定产品时对应的干扰系数,且p不等于q。
优选地,
在所述指定产品包括至少两种分类产品时,所述利用所述本次订购数量和所述指定产品的产品名称生成对应于所述价值客户的订单,包括:
确定所述价值客户在设定时间段内订购所述至少两种分类产品的总订购次数;
检测是否存在至少一组所述分类产品在设定时间段内被所述价值客户同时订购的同时订购次数与所述总订购次数的比值不小于0.5,如果是,则执行A1、A2;否则,执行B1;
A1:计算对应比值最大的一组所述分类产品中包括的至少两个目标分类产品所对应的Kulc系数;
A2:判断所述Kulc系数是否大于0.5,如果是,则执行A3、A4;否则,执行B1;
A3:计算所述至少两个目标分类产品所对应的不平衡因子;
A4:判断所述不平衡因子是否小于0.3,如果是,则执行B2;否则,执行B1;
B1:确定每一种所述分类产品分别对应的产品订购次数,利用对应产品订购次数最大的一个所述分类产品的产品名称以及所述本次订购数量生成对应于所述价值客户的订单;
B2:利用各个所述目标分类产品的产品名称以及所述本次订购数量生成对应于所述价值客户的订单。
优选地,
在所述至少两个目标分类产品包括第一分类产品和第二分类产品时,所述计算对应比值最大的一组所述分类产品中包括的至少两个目标分类产品所对应的Kulc系数,包括:
确定对应比值最大的一组所述分类产品中包括的第一分类产品在设定时间段内被所述价值客户订购的第一产品订购次数、确定对应比值最大的一组所述分类产品中包括的第二分类产品在设定时间段内被所述价值客户订购的第二产品订购次数;
通过如下公式计算所述第一分类产品和所述第二分类产品所对应的Kulc系数:
其中,Kulc表征Kulc系数、α表征第一产品订购次数、β表征第二产品订购次数、θ表征所述价值客户在设定时间段内同时订购所述第一分类产品和所述第二分类产品的同时订购次数;
和/或,
在所述至少两个目标分类产品包括第一分类产品和第二分类产品时,所述计算至少两个目标分类产品所对应的不平衡因子,包括:通过如下公式计算所述第一分类产品和所述第二分类产品所对应的不平衡因子:
其中,T表征不平衡因子、α表征第一产品订购次数、β表征第二产品订购次数、θ表征所述价值客户在设定时间段内同时订购所述第一分类产品和所述第二分类产品的同时订购次数。
第二方面,本发明实施例提供了一种网络销售平台,包括:
获取模块,用于获取至少两个客户订购指定产品的历史订购数据,其中,所述历史订购数据包括客户入网时长、最近两次订购所述指定产品的时间间隔、在设定时间段内订购所述指定产品的订购总量、在设定时间段内每一次订购所述指定产品时所分别对应的单次订购数量、在设定时间段内多次订购所述指定产品的订购频率;
选择模块,用于根据各个所述客户分别对应的所述入网时长、所述时间间隔、所述订购总量、所述订购频率以及在设定时间段内每一次订购所述指定产品时所分别对应的单次订购数量,从所述至少两个客户中选择出至少一个价值客户;
确定模块,用于针对于每一个所述价值客户,根据所述价值客户在设定时间段内每一次订购所述指定产品时所分别对应的单次订购数量,确定本次订购数量;
订单处理模块,用于利用所述本次订购数量和所述指定产品的产品名称生成对应于所述价值客户的订单。
优选地,
所述选择模块,包括:聚类分析单元和选择单元;其中,
所述聚类分析单元,用于根据各个所述客户分别对应的所述入网时长、所述时间间隔、所述订购总量、所述订购频率以及在设定时间段内每一次订购所述指定产品时所分别对应的单次订购数量,对所述至少两个客户进行聚类分群以形成聚类结果;
所述选择单元,用于根据聚类结果从所述至少两个客户中选择出至少一个价值客户。
优选地,
所述确定模块,用于根据所述价值客户在设定时间段内每一次订购所述指定产品时所分别对应的单次订购数量,通过如下公式计算本次订购数量:
其中,xt表征本次订购数量,xt-p表征在本次订购之前第p次订购所述指定产品时的单次订购数量、ap表征第p次订购所述指定产品时对应的浮动系数、a0和εt为常数、εt-q表征在本次订购之前第q次订购所述指定产品时的单次订购数量、θq表征第q次订购所述指定产品时对应的干扰系数,且p不等于q。
优选地,
所述订单处理模块,用于执行如下各个步骤:
确定所述价值客户在设定时间段内订购所述至少两种分类产品的总订购次数;
检测是否存在至少一组所述分类产品在设定时间段内被所述价值客户同时订购的同时订购次数与所述总订购次数的比值不小于0.5,如果是,则执行A1、A2;否则,执行B1;
A1:计算对应比值最大的一组所述分类产品中包括的至少两个目标分类产品所对应的Kulc系数;
A2:判断所述Kulc系数是否大于0.5,如果是,则执行A3、A4;否则,执行B1;
A3:计算所述至少两个目标分类产品所对应的不平衡因子;
A4:判断所述不平衡因子是否小于0.3,如果是,则执行B2;否则,执行B1;
B1:确定每一种所述分类产品分别对应的产品订购次数,利用对应产品订购次数最大的一个所述分类产品的产品名称以及所述本次订购数量生成对应于所述价值客户的订单;
B2:利用各个所述目标分类产品的产品名称以及所述本次订购数量生成对应于所述价值客户的订单。
优选地,
所述订单处理模块,用于确定对应比值最大的一组所述分类产品中包括的第一分类产品在设定时间段内被所述价值客户订购的第一产品订购次数、确定对应比值最大的一组所述分类产品中包括的第二分类产品在设定时间段内被所述价值客户订购的第二产品订购次数;通过如下公式计算所述第一分类产品和所述第二分类产品所对应的Kulc系数:
其中,Kulc表征Kulc系数、α表征第一产品订购次数、β表征第二产品订购次数、θ表征所述价值客户在设定时间段内同时订购所述第一分类产品和所述第二分类产品的同时订购次数;
和/或,
所述订单处理模块,用于在所述至少两个目标分类产品包括第一分类产品和第二分类产品时,通过如下公式计算所述第一分类产品和所述第二分类产品所对应的不平衡因子:
其中,T表征不平衡因子、α表征第一产品订购次数、β表征第二产品订购次数、θ表征所述价值客户在设定时间段内同时订购所述第一分类产品和所述第二分类产品的同时订购次数。
本发明实施例提供了一种订单生成方法及网络销售平台,通过获取至少两个客户订购指定产品的历史订购数据,各个历史数据包括有客户入网时长、最近两次订购所述指定产品的时间间隔、在设定时间段内订购所述指定产品的订购总量、在设定时间段内每一次订购所述指定产品时所分别对应的单次订购数量、在设定时间段内多次订购所述指定产品的订购频率,显而易见的,入网时间越长、时间间隔越短、订购频率越高、订购总量越大且单次订购数量越大时,则说明对应的客户的价值越高,价值较高的客户在网络销售平台再次购买指定产品的概率越高,因此,可根据各个客户所分别对应的历史订购数据从至少两个客户中选择至少一个价值较高的价值客户,后续则可针对于每一个价值客户,根据价值客户在设定时间段内每一次订购指定产品时所分别对应的单次订购数量,确定本次订购数量,并利用本次订购数量和指定产品的产品名称生成对应于所述价值客户的订单。如此,这些价值客户则无需在网络销售平台再次选择指定产品并输入相应的购买数量则可生成与其相对应的订单,可提高用户体验。
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简单地介绍,显而易见地,下面描述中的附图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,还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的一种订单生成方法的流程图;
图2是本发明一实施例提供的另一种订单生成方法的流程图;
图3是本发明一实施例提供的一种网络销售平台的结构示意图;
图4是本发明一实施例提供的另一种网络销售平台的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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的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,本发明实施例提供了一种一种订单生成方法,其特征在于,应用于网络销售平台,包括:
步骤101,获取至少两个客户订购指定产品的历史订购数据,其中,所述历史订购数据包括客户入网时长、最近两次订购所述指定产品的时间间隔、在设定时间段内订购所述指定产品的订购总量、在设定时间段内每一次订购所述指定产品时所分别对应的单次订购数量、在设定时间段内多次订购所述指定产品的订购频率;
步骤102,根据各个所述客户分别对应的所述入网时长、所述时间间隔、所述订购总量、所述订购频率以及在设定时间段内每一次订购所述指定产品时所分别对应的单次订购数量,从所述至少两个客户中选择出至少一个价值客户;
步骤103,针对于每一个所述价值客户,根据所述价值客户在设定时间段内每一次订购所述指定产品时所分别对应的单次订购数量,确定本次订购数量;
步骤104,利用所述本次订购数量和所述指定产品的产品名称生成对应于所述价值客户的订单。
本发明上述实施例中,通过获取至少两个客户订购指定产品的历史订购数据,各个历史数据包括有客户入网时长、最近两次订购所述指定产品的时间间隔、在设定时间段内订购所述指定产品的订购总量、在设定时间段内每一次订购所述指定产品时所分别对应的单次订购数量、在设定时间段内多次订购所述指定产品的订购频率,显而易见的,入网时间越长、时间间隔越短、订购频率越高、订购总量越大且单次订购数量越大时,则说明对应的客户的价值越高,价值较高的客户在网络销售平台再次购买指定产品的概率越高,因此,可根据各个客户所分别对应的历史订购数据从至少两个客户中选择至少一个价值较高的价值客户,后续则可针对于每一个价值客户,根据价值客户在设定时间段内每一次订购指定产品时所分别对应的单次订购数量,确定本次订购数量,并利用本次订购数量和指定产品的产品名称生成对应于所述价值客户的订单。如此,这些价值客户则无需在网络销售平台再次选择指定产品并输入相应的购买数量则可生成与其相对应的订单,可提高用户体验。
本发明一个实施例中,所述根据各个所述客户分别对应的所述入网时长、所述时间间隔、所述订购总量、所述订购频率以及在设定时间段内每一次订购所述指定产品时所分别对应的单次订购数量,从所述至少两个客户中选择出至少一个价值客户,包括:
根据各个所述客户分别对应的所述入网时长、所述时间间隔、所述订购总量、所述订购频率以及在设定时间段内每一次订购所述指定产品时所分别对应的单次订购数量,对所述至少两个客户进行聚类分群以形成聚类结果;
根据聚类结果从所述至少两个客户中选择出至少一个价值客户。
本发明上述实施例中,当客户的数量较大时,各个客户所分别对应的历史订购数据的数据量也相对较大,可通过k—Means聚类算法根据各个客户分别对应的入网时长、时间间隔、订购总量、订购频率以及在设定时间段内每一次订购指定产品时所分别对应的单次订购数量对至少两个客户进行聚类分群以形成聚类结果时,聚类结果能够直观的体现出各个客户的价值高低,因此,根据聚类结果从至少两个客户中选择出至少一个价值客户时,可实现从至少两个客户中快速而直观的选择出至少一个价值较高的价值客户。
本发明一个实施例中,所述根据所述价值客户在设定时间段内每一次订购所述指定产品时所分别对应的单次订购数量,确定本次订购数量,包括:
根据所述价值客户在设定时间段内每一次订购所述指定产品时所分别对应的单次订购数量,通过如下公式计算本次订购数量:
其中,xt表征本次订购数量,xt-p表征在本次订购之前第p次订购所述指定产品时的单次订购数量、ap表征第p次订购所述指定产品时对应的浮动系数、a0和εt为常数、εt-q表征在本次订购之前第q次订购所述指定产品时的单次订购数量、θq表征第q次订购所述指定产品时对应的干扰系数,且p不等于q。
不难理解的,这里也可以通过其他方式确定本次订购数量,比如,将一个价值客户在设定时间段内每一次订购指定产品时所分别对应的单次订购数量的平均值确定为本次订购数量。
本发明一个实施例中,为了实现对指定产品进行精准营销,本发明一个实施例中,在所述指定产品包括至少两种分类产品时,所述利用所述本次订购数量和所述指定产品的产品名称生成对应于所述价值客户的订单,包括:
确定所述价值客户在设定时间段内订购所述至少两种分类产品的总订购次数;
检测是否存在至少一组所述分类产品在设定时间段内被所述价值客户同时订购的同时订购次数与所述总订购次数的比值不小于0.5,如果是,则执行A1、A2;否则,执行B1;
A1:计算对应比值最大的一组所述分类产品中包括的至少两个目标分类产品所对应的Kulc系数;
A2:判断所述Kulc系数是否大于0.5,如果是,则执行A3、A4;否则,执行B1;
A3:计算所述至少两个目标分类产品所对应的不平衡因子;
A4:判断所述不平衡因子是否小于0.3,如果是,则执行B2;否则,执行B1;
B1:确定每一种所述分类产品分别对应的产品订购次数,利用对应产品订购次数最大的一个所述分类产品的产品名称以及所述本次订购数量生成对应于所述价值客户的订单;
B2:利用各个所述目标分类产品的产品名称以及所述本次订购数量生成对应于所述价值客户的订单。
本发明一个实施例中,在所述至少两个目标分类产品包括第一分类产品和第二分类产品时,A1的具体实现方式可以包括:
确定对应比值最大的一组所述分类产品中包括的第一分类产品在设定时间段内被所述价值客户订购的第一产品订购次数、确定对应比值最大的一组所述分类产品中包括的第二分类产品在设定时间段内被所述价值客户订购的第二产品订购次数;
通过如下公式计算所述第一分类产品和所述第二分类产品所对应的Kulc系数:
其中,Kulc表征Kulc系数、α表征第一产品订购次数、β表征第二产品订购次数、θ表征所述价值客户在设定时间段内同时订购所述第一分类产品和所述第二分类产品的同时订购次数;
本发明一个实施例中,在所述至少两个目标分类产品包括第一分类产品和第二分类产品时,A3的实现方式可以包括:通过如下公式计算所述第一分类产品和所述第二分类产品所对应的不平衡因子:
其中,T表征不平衡因子、α表征第一产品订购次数、β表征第二产品订购次数、θ表征所述价值客户在设定时间段内同时订购所述第一分类产品和所述第二分类产品的同时订购次数。
本发明上述实施例中,当存在至少两个目标分类产品在设定时间段内被价值客户同时订购的同时订购次数与价值客户在设定时间段内订购指定产品的总订购次数的比值大于0.5、至少两个目标分类产品所对应的Kulc系数大于0.5、且至少两个目标产品所对应的不平衡因子小于0.3时,则说明该价值在本次订购指定产品时,同时订购至少两个目标分类产品的概率极高,通过利用各个目标分类产品的产品名称以及本次订购数量生成对应于价值客户的订单,则可实现对价值客户进行精准营销,进一步提高用户体验。
为了更加清楚的说明本发明的技术方案及优点,下面以各个客户在设定时间段内订购的指定产品包括“南京”、“长白山”和“红塔山”三种香烟为例,为了实现对价值较高的价值客户主动生成对应的订单,实现对香烟进行精准营销以提高用户体验,本发明实施例提供了另一种订单生成方法,如图2所示,可以包括如下各个步骤:
步骤201,获取至少两个客户订购“南京”、“长白山”和“红塔山”三种香烟的历史订购数据。
这里,每一个客户所分别对应的历史订购数据可以包括客户入网时长、最近两次订购所述指定产品的时间间隔、在设定时间段内订购所述指定产品的订购总量、在设定时间段内每一次订购所述指定产品时所分别对应的单次订购数量、在设定时间段内多次订购所述指定产品的订购频率。
不难理解的,入网时间越长、时间间隔越短、订购频率越高、订购总量越大且单次订购数量越大时,则说明对应的客户的价值越高,价值较高的客户在网络销售平台再次购买指定产品的概率越高。
具体地,这里可以通过对网络销售平台中存储的各个客户的入网时间、在设定时间段内每一次订购产品时所产生的历史订单进行识别以获取各个客户订购“南京”、“长白山”、“红塔山”三种香烟的历史订购数据。
应当理解的是,设定时间段可以结合实际业务场景进行合理设置,比如,可以设置为当前时间点之前的3个月或一年。
步骤202,根据各个客户分别对应的入网时长、时间间隔、订购总量、订购频率以及在设定时间段内每一次订购“南京”、“红塔山”、“长白山”三种香烟时所分别对应的单次订购数量,对至少两个客户进行聚类分群以形成聚类结果。
本发明实施例以通过k—Means聚类算法根据各个客户分别对应的入网时长、时间间隔、订购总量、订购频率以及在设定时间段内每一次订购指定产品时所分别对应的单次订购数量对至少两个客户进行聚类分群以形成如下表一所示的聚类结果为例。
表一
表一所示的聚类结果中,将至少两个客户划分成9个聚类类别,聚类中心的L、R、F、M、C等5个聚类参考项分别与入网时长、时间间隔、订购总量、订购频率以及在设定时间段内每一次订购指定产品时所分别对应的单次订购数量相对应,各个参考项下的数值大小表征对应的客户群中的各个客户在该参考项下对应的价值高低,不难看出,表一中客户群1和客户群2所对应的价值相对较高,即客户群中的1337个客户和客户群2中的2575个客户的价值相对较高,可将客户群1和客户群2对应的3912个客户确定为价值较高的价值客户。
步骤203,针对于每一个价值客户,根据该价值客户在设定时间段内每一次订购指定产品时所分别对应的单次订购数量,确定本次订购数量。
具体地,可以通过如下公式计算该价值客户的本次订购数量:
其中,xt表征本次订购数量,xt-p表征在本次订购之前第p次订购所述指定产品时的单次订购数量、ap表征第p次订购所述指定产品时对应的浮动系数、a0和εt为常数、εt-q表征在本次订购之前第q次订购所述指定产品时的单次订购数量、θq表征第q次订购所述指定产品时对应的干扰系数,且p不等于q。
步骤204,确定该价值客户在设定时间段内订购“南京”的第一产品订购次数、订购“长白山”的第二产品订购次数、订购“红塔山”的第三产品订购次数、订购三种香烟的总订购次数。
步骤205,检测是否存在至少一组香烟在设定时间段内被价值客户同时订购的同时订购次数与总订购次数的比值不小于0.5;如果是,则执行步骤后206;否则,执行步骤211。
步骤206,计算对应比值最大的一组香烟中包括的至少两个目标分类产品所对应的Kulc系数。
本发明实施例中,具体可以对三种香烟的订购情况划分为如下4组:[“南京”、“长白山”]、[“南京”、“红塔山”]、[“南京”、“长白山”、“红塔山”]、[“红塔山”、“长白山”]。
本发明实施例中,仅以价值客户在设定时间段内订购三种香烟的总次数为100次,且以同时订购一组香烟为[“南京”、“长白山”]的同时订购次数是80次,其他分组所对应的同时订购次数均小于50次为例,显而易见的,则可确定出对应比值大于0.5的一组香烟包括的第一分类产品为“南京”、第二分类产品为“长白山”。
如此,则可通过如下公式计算“南京”和“长白山”两种香烟所对应的Kulc系数:
其中,Kulc表征Kulc系数、α表征“南京”的第一产品订购次数、β表征“长白山”的第二产品订购次数、θ表征价值客户在设定时间段内同时订购“南京”和“长白山”的同时订购次数。
步骤207,计算“南京”和“长白山”所对应的不平衡因子。
这里,具体可通过如下公式计算“南京”和“长白山”所对应的不平衡因子:
其中,T表征不平衡因子。
步骤208,判断不平衡因子是否小于0.3,如果是,则执行步骤209;否则,执行步骤210。
步骤209,利用“南京”、“长白山”两种香烟的产品名称以及本次订购数量生成对应于该价值客户的订单。
步骤210,根据第一产品订购次数、第二产品订购次数、第三产品订购次数的大小,利用对应产品订购次数最大的香烟的产品名称及本次订购数量生成对应于价值客户的订单。
举例来说,当第三产品订购次数大于第一产品订购次数和第二产品订购次数时,则可利用“红塔山”香烟的产品名称和本次订购数量生成对应于该价值客户的订单。
通过本发明上述实施例生成的各个订单,可对应的提供给各个价值客户,从而使得各个价值客户无需在网络销售平台再次选择指定产品并输入相应的购买数量则可生成与其相对应的订单,在实现精准营销的同时,提高用户体验。
如图3所示,本发明实施例提供了一种网络销售平台,包括:
获取模块301,用于获取至少两个客户订购指定产品的历史订购数据,其中,所述历史订购数据包括客户入网时长、最近两次订购所述指定产品的时间间隔、在设定时间段内订购所述指定产品的订购总量、在设定时间段内每一次订购所述指定产品时所分别对应的单次订购数量、在设定时间段内多次订购所述指定产品的订购频率;
选择模块302,用于根据各个所述客户分别对应的所述入网时长、所述时间间隔、所述订购总量、所述订购频率以及在设定时间段内每一次订购所述指定产品时所分别对应的单次订购数量,从所述至少两个客户中选择出至少一个价值客户;
确定模块303,用于针对于每一个所述价值客户,根据所述价值客户在设定时间段内每一次订购所述指定产品时所分别对应的单次订购数量,确定本次订购数量;
订单处理模块304,用于利用所述本次订购数量和所述指定产品的产品名称生成对应于所述价值客户的订单。
如图4所示,本发明一个优选实施例中,所述选择模块302,包括:聚类分析单元3021和选择单元3022;其中,
所述聚类分析单元3021,用于根据各个所述客户分别对应的所述入网时长、所述时间间隔、所述订购总量、所述订购频率以及在设定时间段内每一次订购所述指定产品时所分别对应的单次订购数量,对所述至少两个客户进行聚类分群以形成聚类结果;
所述选择单元3022,用于根据聚类结果从所述至少两个客户中选择出至少一个价值客户。
本发明一个优选实施例中,所述确定模块,用于根据所述价值客户在设定时间段内每一次订购所述指定产品时所分别对应的单次订购数量,通过如下公式计算本次订购数量:
其中,xt表征本次订购数量,xt-p表征在本次订购之前第p次订购所述指定产品时的单次订购数量、ap表征第p次订购所述指定产品时对应的浮动系数、a0和εt为常数、εt-q表征在本次订购之前第q次订购所述指定产品时的单次订购数量、θq表征第q次订购所述指定产品时对应的干扰系数,且p不等于q。
本发明一个优选实施例中,所述订单处理模块304,用于执行如下各个步骤:
确定所述价值客户在设定时间段内订购所述至少两种分类产品的总订购次数;
检测是否存在至少一组所述分类产品在设定时间段内被所述价值客户同时订购的同时订购次数与所述总订购次数的比值不小于0.5,如果是,则执行A1、A2;否则,执行B1;
A1:计算对应比值最大的一组所述分类产品中包括的至少两个目标分类产品所对应的Kulc系数;
A2:判断所述Kulc系数是否大于0.5,如果是,则执行A3、A4;否则,执行B1;
A3:计算所述至少两个目标分类产品所对应的不平衡因子;
A4:判断所述不平衡因子是否小于0.3,如果是,则执行B2;否则,执行B1;
B1:确定每一种所述分类产品分别对应的产品订购次数,利用对应产品订购次数最大的一个所述分类产品的产品名称以及所述本次订购数量生成对应于所述价值客户的订单;
B2:利用各个所述目标分类产品的产品名称以及所述本次订购数量生成对应于所述价值客户的订单。
本发明一个优选实施例中,所述订单处理模块304,用于确定对应比值最大的一组所述分类产品中包括的第一分类产品在设定时间段内被所述价值客户订购的第一产品订购次数、确定对应比值最大的一组所述分类产品中包括的第二分类产品在设定时间段内被所述价值客户订购的第二产品订购次数;通过如下公式计算所述第一分类产品和所述第二分类产品所对应的Kulc系数:
其中,Kulc表征Kulc系数、α表征第一产品订购次数、β表征第二产品订购次数、θ表征所述价值客户在设定时间段内同时订购所述第一分类产品和所述第二分类产品的同时订购次数。
本发明一个实施例中,所述订单处理模块304,用于在所述至少两个目标分类产品包括第一分类产品和第二分类产品时,通过如下公式计算所述第一分类产品和所述第二分类产品所对应的不平衡因子:
其中,T表征不平衡因子、α表征第一产品订购次数、β表征第二产品订购次数、θ表征所述价值客户在设定时间段内同时订购所述第一分类产品和所述第二分类产品的同时订购次数。
上述装置内的各单元之间的信息交互、执行过程等内容,由于与本发明方法实施例基于同一构思,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
本发明实施例提供了一种可读介质,包括执行指令,当存储控制器的处理器执行所述执行指令时,所述存储控制器执行本发明任意一个实施例中提供的订单生成方法。
本发明实施例提供了一种存储控制器,包括:处理器、存储器和总线;
所述处理器和所述存储器通过所述总线连接;
所述存储器,当所述存储控制器运行时,所述处理器执行所述存储器存储的所述执行指令,以使所述存储控制器执行本发明任意一个实施例中提供的订单生成方法。
综上所述,本发明各个实施例至少具有如下有益效果:
1、本发明一实施例中,通过获取至少两个客户订购指定产品的历史订购数据,各个历史数据包括有客户入网时长、最近两次订购所述指定产品的时间间隔、在设定时间段内订购所述指定产品的订购总量、在设定时间段内每一次订购所述指定产品时所分别对应的单次订购数量、在设定时间段内多次订购所述指定产品的订购频率,显而易见的,入网时间越长、时间间隔越短、订购频率越高、订购总量越大且单次订购数量越大时,则说明对应的客户的价值越高,价值较高的客户在网络销售平台再次购买指定产品的概率越高,因此,可根据各个客户所分别对应的历史订购数据从至少两个客户中选择至少一个价值较高的价值客户,后续则可针对于每一个价值客户,根据价值客户在设定时间段内每一次订购指定产品时所分别对应的单次订购数量,确定本次订购数量,并利用本次订购数量和指定产品的产品名称生成对应于所述价值客户的订单。如此,这些价值客户则无需在网络销售平台再次选择指定产品并输入相应的购买数量则可生成与其相对应的订单,可提高用户体验。
2、本发明一实施例中,当客户的数量较大时,各个客户所分别对应的历史订购数据的数据量也相对较大,可通过k—Means聚类算法根据各个客户分别对应的入网时长、时间间隔、订购总量、订购频率以及在设定时间段内每一次订购指定产品时所分别对应的单次订购数量对至少两个客户进行聚类分群以形成聚类结果时,聚类结果能够直观的体现出各个客户的价值高低,因此,根据聚类结果从至少两个客户中选择出至少一个价值客户时,可实现从至少两个客户中快速而直观的选择出至少一个价值较高的价值客户。
3、本发明一实施例中,当存在至少两个目标分类产品在设定时间段内被价值客户同时订购的同时订购次数与价值客户在设定时间段内订购指定产品的总订购次数的比值大于0.5、至少两个目标分类产品所对应的Kulc系数大于0.5、且至少两个目标产品所对应的不平衡因子小于0.3时,则说明该价值在本次订购指定产品时,同时订购至少两个目标分类产品的概率极高,通过利用各个目标分类产品的产品名称以及本次订购数量生成对应于价值客户的订单,则可实现对价值客户进行精准营销,进一步提高用户体验。
需要说明的是,在本文中,诸如第一和第二之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个〃····〃”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同因素。
最后需要说明的是:以上所述仅为本发明的较佳实施例,仅用于说明本发明的技术方案,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种订单生成方法,其特征在于,应用于网络销售平台,包括:
获取至少两个客户订购指定产品的历史订购数据,其中,所述历史订购数据包括客户入网时长、最近两次订购所述指定产品的时间间隔、在设定时间段内订购所述指定产品的订购总量、在设定时间段内每一次订购所述指定产品时所分别对应的单次订购数量、在设定时间段内多次订购所述指定产品的订购频率;
根据各个所述客户分别对应的所述入网时长、所述时间间隔、所述订购总量、所述订购频率以及在设定时间段内每一次订购所述指定产品时所分别对应的单次订购数量,从所述至少两个客户中选择出至少一个价值客户;
针对于每一个所述价值客户,均执行:
根据所述价值客户在设定时间段内每一次订购所述指定产品时所分别对应的单次订购数量,确定本次订购数量;
利用所述本次订购数量和所述指定产品的产品名称生成对应于所述价值客户的订单。
2.根据权利要求1所述的方法,其特征在于,
所述根据各个所述客户分别对应的所述入网时长、所述时间间隔、所述订购总量、所述订购频率以及在设定时间段内每一次订购所述指定产品时所分别对应的单次订购数量,从所述至少两个客户中选择出至少一个价值客户,包括:
根据各个所述客户分别对应的所述入网时长、所述时间间隔、所述订购总量、所述订购频率以及在设定时间段内每一次订购所述指定产品时所分别对应的单次订购数量,对所述至少两个客户进行聚类分群以形成聚类结果;
根据聚类结果从所述至少两个客户中选择出至少一个价值客户。
3.根据权利要求1所述的方法,其特征在于,
所述根据所述价值客户在设定时间段内每一次订购所述指定产品时所分别对应的单次订购数量,确定本次订购数量,包括:
根据所述价值客户在设定时间段内每一次订购所述指定产品时所分别对应的单次订购数量,通过如下公式计算本次订购数量:
<mrow>
<msub>
<mi>x</mi>
<mi>t</mi>
</msub>
<mo>=</mo>
<msub>
<mi>a</mi>
<mn>0</mn>
</msub>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>p</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>t</mi>
<mo>-</mo>
<mi>p</mi>
</mrow>
</munderover>
<msub>
<mi>a</mi>
<mi>p</mi>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>t</mi>
<mo>-</mo>
<mi>p</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>&epsiv;</mi>
<mi>t</mi>
</msub>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>q</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>t</mi>
<mo>-</mo>
<mi>q</mi>
</mrow>
</munderover>
<msub>
<mi>&theta;</mi>
<mi>q</mi>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>&epsiv;</mi>
<mrow>
<mi>t</mi>
<mo>-</mo>
<mi>q</mi>
</mrow>
</msub>
</mrow>
其中,xt表征本次订购数量,xt-p表征在本次订购之前第p次订购所述指定产品时的单次订购数量、ap表征第p次订购所述指定产品时对应的浮动系数、a0和εt为常数、εt-q表征在本次订购之前第q次订购所述指定产品时的单次订购数量、θq表征第q次订购所述指定产品时对应的干扰系数,且p不等于q。
4.根据权利要求1所述的方法,其特征在于,
在所述指定产品包括至少两种分类产品时,所述利用所述本次订购数量和所述指定产品的产品名称生成对应于所述价值客户的订单,包括:
确定所述价值客户在设定时间段内订购所述至少两种分类产品的总订购次数;
检测是否存在至少一组所述分类产品在设定时间段内被所述价值客户同时订购的同时订购次数与所述总订购次数的比值不小于0.5,如果是,则执行A1、A2;否则,执行B1;
A1:计算对应比值最大的一组所述分类产品中包括的至少两个目标分类产品所对应的Kulc系数;
A2:判断所述Kulc系数是否大于0.5,如果是,则执行A3、A4;否则,执行B1;
A3:计算所述至少两个目标分类产品所对应的不平衡因子;
A4:判断所述不平衡因子是否小于0.3,如果是,则执行B2;否则,执行B1;
B1:确定每一种所述分类产品分别对应的产品订购次数,利用对应产品订购次数最大的一个所述分类产品的产品名称以及所述本次订购数量生成对应于所述价值客户的订单;
B2:利用各个所述目标分类产品的产品名称以及所述本次订购数量生成对应于所述价值客户的订单。
5.根据去哪里要求4所述的方法,其特征在于,
在所述至少两个目标分类产品包括第一分类产品和第二分类产品时,所述计算对应比值最大的一组所述分类产品中包括的至少两个目标分类产品所对应的Kulc系数,包括:
确定对应比值最大的一组所述分类产品中包括的第一分类产品在设定时间段内被所述价值客户订购的第一产品订购次数、确定对应比值最大的一组所述分类产品中包括的第二分类产品在设定时间段内被所述价值客户订购的第二产品订购次数;
通过如下公式计算所述第一分类产品和所述第二分类产品所对应的Kulc系数:
<mrow>
<mi>K</mi>
<mi>u</mi>
<mi>l</mi>
<mi>c</mi>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<mo>*</mo>
<mo>&lsqb;</mo>
<mfrac>
<mi>&theta;</mi>
<mi>&alpha;</mi>
</mfrac>
<mo>+</mo>
<mfrac>
<mi>&theta;</mi>
<mi>&beta;</mi>
</mfrac>
<mo>&rsqb;</mo>
</mrow>
其中,Kulc表征Kulc系数、α表征第一产品订购次数、β表征第二产品订购次数、θ表征所述价值客户在设定时间段内同时订购所述第一分类产品和所述第二分类产品的同时订购次数;
和/或,
在所述至少两个目标分类产品包括第一分类产品和第二分类产品时,所述计算至少两个目标分类产品所对应的不平衡因子,包括:通过如下公式计算所述第一分类产品和所述第二分类产品所对应的不平衡因子:
<mrow>
<mi>T</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mo>|</mo>
<mrow>
<mi>&alpha;</mi>
<mo>-</mo>
<mi>&beta;</mi>
</mrow>
<mo>|</mo>
</mrow>
<mrow>
<mo>(</mo>
<mi>&alpha;</mi>
<mo>+</mo>
<mi>&beta;</mi>
<mo>-</mo>
<mi>&theta;</mi>
<mo>)</mo>
</mrow>
</mfrac>
</mrow>
其中,T表征不平衡因子、α表征第一产品订购次数、β表征第二产品订购次数、θ表征所述价值客户在设定时间段内同时订购所述第一分类产品和所述第二分类产品的同时订购次数。
6.一种网络销售平台,其特征在于,包括:
获取模块,用于获取至少两个客户订购指定产品的历史订购数据,其中,所述历史订购数据包括客户入网时长、最近两次订购所述指定产品的时间间隔、在设定时间段内订购所述指定产品的订购总量、在设定时间段内每一次订购所述指定产品时所分别对应的单次订购数量、在设定时间段内多次订购所述指定产品的订购频率;
选择模块,用于根据各个所述客户分别对应的所述入网时长、所述时间间隔、所述订购总量、所述订购频率以及在设定时间段内每一次订购所述指定产品时所分别对应的单次订购数量,从所述至少两个客户中选择出至少一个价值客户;
确定模块,用于针对于每一个所述价值客户,根据所述价值客户在设定时间段内每一次订购所述指定产品时所分别对应的单次订购数量,确定本次订购数量;
订单处理模块,用于利用所述本次订购数量和所述指定产品的产品名称生成对应于所述价值客户的订单。
7.根据权利要求6所述的网络销售平台,其特征在于,
所述选择模块,包括:聚类分析单元和选择单元;其中,
所述聚类分析单元,用于根据各个所述客户分别对应的所述入网时长、所述时间间隔、所述订购总量、所述订购频率以及在设定时间段内每一次订购所述指定产品时所分别对应的单次订购数量,对所述至少两个客户进行聚类分群以形成聚类结果;
所述选择单元,用于根据聚类结果从所述至少两个客户中选择出至少一个价值客户。
8.根据权利要求6所述的网络销售平台,其特征在于,
所述确定模块,用于根据所述价值客户在设定时间段内每一次订购所述指定产品时所分别对应的单次订购数量,通过如下公式计算本次订购数量:
<mrow>
<msub>
<mi>x</mi>
<mi>t</mi>
</msub>
<mo>=</mo>
<msub>
<mi>a</mi>
<mn>0</mn>
</msub>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>p</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>t</mi>
<mo>-</mo>
<mi>p</mi>
</mrow>
</munderover>
<msub>
<mi>a</mi>
<mi>p</mi>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>t</mi>
<mo>-</mo>
<mi>p</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>&epsiv;</mi>
<mi>t</mi>
</msub>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>q</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>t</mi>
<mo>-</mo>
<mi>q</mi>
</mrow>
</munderover>
<msub>
<mi>&theta;</mi>
<mi>q</mi>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>&epsiv;</mi>
<mrow>
<mi>t</mi>
<mo>-</mo>
<mi>q</mi>
</mrow>
</msub>
</mrow>
其中,xt表征本次订购数量,xt-p表征在本次订购之前第p次订购所述指定产品时的单次订购数量、ap表征第p次订购所述指定产品时对应的浮动系数、a0和εt为常数、εt-q表征在本次订购之前第q次订购所述指定产品时的单次订购数量、θq表征第q次订购所述指定产品时对应的干扰系数,且p不等于q。
9.根据权利要求6所述的网络销售平台,其特征在于,
所述订单处理模块,用于执行如下各个步骤:
确定所述价值客户在设定时间段内订购所述至少两种分类产品的总订购次数;
检测是否存在至少一组所述分类产品在设定时间段内被所述价值客户同时订购的同时订购次数与所述总订购次数的比值不小于0.5,如果是,则执行A1、A2;否则,执行B1;
A1:计算对应比值最大的一组所述分类产品中包括的至少两个目标分类产品所对应的Kulc系数;
A2:判断所述Kulc系数是否大于0.5,如果是,则执行A3、A4;否则,执行B1;
A3:计算所述至少两个目标分类产品所对应的不平衡因子;
A4:判断所述不平衡因子是否小于0.3,如果是,则执行B2;否则,执行B1;
B1:确定每一种所述分类产品分别对应的产品订购次数,利用对应产品订购次数最大的一个所述分类产品的产品名称以及所述本次订购数量生成对应于所述价值客户的订单;
B2:利用各个所述目标分类产品的产品名称以及所述本次订购数量生成对应于所述价值客户的订单。
10.根据权利要求9所述的网络销售平台,其特征在于,
所述订单处理模块,用于确定对应比值最大的一组所述分类产品中包括的第一分类产品在设定时间段内被所述价值客户订购的第一产品订购次数、确定对应比值最大的一组所述分类产品中包括的第二分类产品在设定时间段内被所述价值客户订购的第二产品订购次数;通过如下公式计算所述第一分类产品和所述第二分类产品所对应的Kulc系数:
<mrow>
<mi>K</mi>
<mi>u</mi>
<mi>l</mi>
<mi>c</mi>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<mo>*</mo>
<mo>&lsqb;</mo>
<mfrac>
<mi>&theta;</mi>
<mi>&alpha;</mi>
</mfrac>
<mo>+</mo>
<mfrac>
<mi>&theta;</mi>
<mi>&beta;</mi>
</mfrac>
<mo>&rsqb;</mo>
</mrow>
其中,Kulc表征Kulc系数、α表征第一产品订购次数、β表征第二产品订购次数、θ表征所述价值客户在设定时间段内同时订购所述第一分类产品和所述第二分类产品的同时订购次数;
和/或,
所述订单处理模块,用于在所述至少两个目标分类产品包括第一分类产品和第二分类产品时,通过如下公式计算所述第一分类产品和所述第二分类产品所对应的不平衡因子:
<mrow>
<mi>T</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mo>|</mo>
<mrow>
<mi>&alpha;</mi>
<mo>-</mo>
<mi>&beta;</mi>
</mrow>
<mo>|</mo>
</mrow>
<mrow>
<mo>(</mo>
<mi>&alpha;</mi>
<mo>+</mo>
<mi>&beta;</mi>
<mo>-</mo>
<mi>&theta;</mi>
<mo>)</mo>
</mrow>
</mfrac>
</mrow>
其中,T表征不平衡因子、α表征第一产品订购次数、β表征第二产品订购次数、θ表征所述价值客户在设定时间段内同时订购所述第一分类产品和所述第二分类产品的同时订购次数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710992539.3A CN107845019B (zh) | 2017-10-23 | 2017-10-23 | 一种订单生成方法及网络销售平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710992539.3A CN107845019B (zh) | 2017-10-23 | 2017-10-23 | 一种订单生成方法及网络销售平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107845019A true CN107845019A (zh) | 2018-03-27 |
CN107845019B CN107845019B (zh) | 2021-08-03 |
Family
ID=61662586
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710992539.3A Active CN107845019B (zh) | 2017-10-23 | 2017-10-23 | 一种订单生成方法及网络销售平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107845019B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI755560B (zh) * | 2018-08-13 | 2022-02-21 | 中華電信股份有限公司 | 配送區域分析系統及其方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011113323A (ja) * | 2009-11-26 | 2011-06-09 | Seikatsu Kyodo Kumiai Coop Sapporo | 顧客情報管理サーバ、及び顧客情報管理プログラム |
CN102663006A (zh) * | 2012-03-19 | 2012-09-12 | 华为软件技术有限公司 | 一种数据筛选方法及装置 |
CN103955821A (zh) * | 2014-04-01 | 2014-07-30 | 华为技术有限公司 | 一种充值方法和充值终端以及充值服务器 |
CN107093091A (zh) * | 2016-11-17 | 2017-08-25 | 北京小度信息科技有限公司 | 一种数据处理方法和装置 |
CN107149400A (zh) * | 2017-06-15 | 2017-09-12 | 没想稻(北京)农业科技有限公司 | 一种智能煮饭系统、方法、装置、用户终端及存储介质 |
CN107239924A (zh) * | 2017-06-08 | 2017-10-10 | 北京惠赢天下网络技术有限公司 | 一种基于标准箱的配货套餐生成方法及系统 |
-
2017
- 2017-10-23 CN CN201710992539.3A patent/CN107845019B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011113323A (ja) * | 2009-11-26 | 2011-06-09 | Seikatsu Kyodo Kumiai Coop Sapporo | 顧客情報管理サーバ、及び顧客情報管理プログラム |
CN102663006A (zh) * | 2012-03-19 | 2012-09-12 | 华为软件技术有限公司 | 一种数据筛选方法及装置 |
CN103955821A (zh) * | 2014-04-01 | 2014-07-30 | 华为技术有限公司 | 一种充值方法和充值终端以及充值服务器 |
CN107093091A (zh) * | 2016-11-17 | 2017-08-25 | 北京小度信息科技有限公司 | 一种数据处理方法和装置 |
CN107239924A (zh) * | 2017-06-08 | 2017-10-10 | 北京惠赢天下网络技术有限公司 | 一种基于标准箱的配货套餐生成方法及系统 |
CN107149400A (zh) * | 2017-06-15 | 2017-09-12 | 没想稻(北京)农业科技有限公司 | 一种智能煮饭系统、方法、装置、用户终端及存储介质 |
Non-Patent Citations (1)
Title |
---|
李江兰: "基于客户重要性的智能排队系统", 《浙江大学研究生学位论文》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI755560B (zh) * | 2018-08-13 | 2022-02-21 | 中華電信股份有限公司 | 配送區域分析系統及其方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107845019B (zh) | 2021-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103455522B (zh) | 应用程序扩展工具推荐方法及系统 | |
CN104111938B (zh) | 一种信息推荐的方法及装置 | |
US20140136278A1 (en) | Competitive price alert system with competitive price rules engine | |
JP6679451B2 (ja) | 選択装置、選択方法および選択プログラム | |
KR101646312B1 (ko) | 개인행동기반 관심 대상 및 선호 분야 분석시스템 및 그 방법 | |
CN110570233A (zh) | 用于电商平台的用户回购时间预测方法及装置 | |
CN111738805B (zh) | 基于行为日志的搜索推荐模型生成方法、设备和存储介质 | |
CN107169806A (zh) | 用于确定商品属性对于购买决策的影响度的方法及装置 | |
CN111709813B (zh) | 一种基于大数据线上商品推荐方法 | |
CN103995866A (zh) | 一种基于链路预测的商品信息推送方法及装置 | |
CN113689259A (zh) | 基于用户行为的商品个性化推荐方法及系统 | |
US20130325651A1 (en) | Product recommendation | |
Aprilianti et al. | Implementation of weighted parallel hybrid recommender systems for e-commerce in indonesia | |
JP5945206B2 (ja) | 商品推薦装置及び方法及びプログラム | |
CN111127074A (zh) | 一种数据推荐方法 | |
CN107845019B (zh) | 一种订单生成方法及网络销售平台 | |
KR101645554B1 (ko) | 소비자 프로파일링을 통한 맞춤형 쇼핑정보 제공 시스템 및 방법 | |
CN111461846B (zh) | 一种购物记录分析反馈系统及其方法 | |
CN112258242B (zh) | 一种表单配置项数据推送方法和装置 | |
KR20200065754A (ko) | 도서 추천 방법 및 이를 지원하는 서비스 장치 | |
CN113781171A (zh) | 信息推送方法、装置、设备及存储介质 | |
CN111639989A (zh) | 商品推荐方法和可读存储介质 | |
Kawai et al. | Collaborative filtering with implicit feedbacks by discounting positive feedbacks | |
CN111260374B (zh) | 一种检测盗版书籍售卖的方法及其装置 | |
CN109325186B (zh) | 一种用户偏好与地理特征融合的行为动机推断算法 |
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 |