CN108074003B - 预测信息推送方法和装置 - Google Patents
预测信息推送方法和装置 Download PDFInfo
- Publication number
- CN108074003B CN108074003B CN201610985344.1A CN201610985344A CN108074003B CN 108074003 B CN108074003 B CN 108074003B CN 201610985344 A CN201610985344 A CN 201610985344A CN 108074003 B CN108074003 B CN 108074003B
- Authority
- CN
- China
- Prior art keywords
- target product
- competitive power
- power value
- product
- value
- 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
Images
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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了预测信息推送方法和系统。所述方法的一具体实施方式包括:接收客户端发送的预测信息查询请求,其中,预测信息查询请求包括目标产品的特征信息;获取目标产品的运营数据,从运营数据和特征信息中提取与目标产品匹配的特征向量;基于特征向量和预先训练的竞争力值预测模型,确定目标产品的竞争力值和竞争力值排名;获取目标产品的原竞争力值和原竞争力值排名,根据目标产品的竞争力值、竞争力值排名、原竞争力值和原竞争力值排名,确定比例系数;根据比例系数和目标产品的竞争力值,生成预测信息;将预测信息推送至客户端。该实施方式提高了所推送的预测信息的准确性。
Description
技术领域
本申请涉及计算机技术领域,具体涉及互联网技术领域,尤其涉及预测信息推送方法和装置。
背景技术
随着互联网技术的高速发展和普及,智能采购的需求越来越多。为了预估产品收益,通常需要预测产品在当前售价时的销量等信息,并将生成的预测信息推送至用户,以便用户根据预测信息对该产品的售价、折扣等信息进行调整。
现有的预测信息推送方式通常是基于自回归积分移动平均模型将历史数值按时间顺序排列成历史数值序列,分析历史数值的变化特征和发展趋势以生成预测信息,进而推送预测信息。然而,这种预测信息推送技术更适用于海关税收预测等环境稳定的场景,对于销售环境复杂的产品销售等场景,所推送的预测信息的准确性较低。
发明内容
本申请的目的在于提出一种改进的预测信息推送方法和装置,来解决以上背景技术部分提到的技术问题。
第一方面,本申请提供了一种预测信息推送方法,上述方法包括:接收客户端发送的预测信息查询请求,其中,上述预测信息查询请求包括目标产品的特征信息;获取上述目标产品的运营数据,从上述运营数据和上述特征信息中提取与上述目标产品匹配的特征向量;基于上述特征向量和预先训练的竞争力值预测模型,确定上述目标产品的竞争力值和竞争力值排名;获取上述目标产品的原竞争力值和原竞争力值排名,根据上述目标产品的竞争力值、竞争力值排名、原竞争力值和原竞争力值排名,确定比例系数;根据上述比例系数和上述目标产品的竞争力值,生成预测信息;将上述预测信息推送至上述客户端。
在一些实施例中,在接收客户端发送的预测信息查询请求之前,上述方法还包括:每隔预设时间间隔,执行如下步骤:获取多个产品的运营数据,其中,每一个产品的运营数据包括历史访问量和历史销量;基于所获取的历史访问量和历史销量,确定各个产品的竞争力值;从运营数据中提取与各个产品匹配的特征向量;将所提取的特征向量作为输入、所确定的竞争力值作为输出,训练竞争力值预测模型。
在一些实施例中,在接收客户端发送的预测信息查询请求之前,上述方法还包括:按照竞争力值由大到小的顺序,对各个产品的竞争力值进行排序,以确定各个产品的竞争力值排名。
在一些实施例中,上述根据上述目标产品的竞争力值、竞争力值排名、原竞争力值和原竞争力值排名,确定比例系数,包括:响应于上述目标产品的竞争力值排名与上述目标产品的原竞争力值排名不相等,根据上述目标产品的竞争力值排名和上述目标产品的原竞争力值排名的大小关系,从上述多个产品中确定至少一个关联产品;将关联产品的竞争力值求和得到关联产品的竞争力值总和;基于上述竞争力值总和、上述目标产品的竞争力值和上述目标产品的原竞争力值,确定比例系数。
在一些实施例中,上述响应于上述目标产品的竞争力值排名与上述目标产品的原竞争力值排名不相等,根据上述目标产品的竞争力值排名和上述目标产品的原竞争力值排名的大小关系,从上述多个产品中确定至少一个关联产品,包括:响应于上述目标产品的竞争力值排名小于上述目标产品的原竞争力值排名,获取预设的第一数值,将上述多个产品中排名为上述目标产品的竞争力值排名减上述第一数值至上述目标产品的原竞争力值排名加上述第一数值的产品确定为关联产品;响应于上述目标产品的竞争力值排名大于上述目标产品的原竞争力值排名,获取预设的第二数值,将上述多个产品中排名为上述目标产品的原竞争力值排名减上述第二数值至上述目标产品的竞争力值排名加上述第二数值的产品确定为关联产品。
在一些实施例中,上述根据上述目标产品的竞争力值、竞争力值排名、原竞争力值和原竞争力值排名,确定比例系数,包括:响应于上述目标产品的竞争力值排名与上述目标产品的原竞争力值排名相等,确定上述比例系数为1。
在一些实施例中,上述方法还包括:对于每一个关联产品,根据上述比例系数和该关联产品的竞争力值,生成与该关联产品匹配的预测信息;对于上述多个产品中除上述目标产品、关联产品以外的各个产品中的每一个产品,根据上述比例系数和该产品的竞争力值,生成与该产品匹配的预测信息。
在一些实施例中,上述根据上述比例系数和上述目标产品的竞争力值,生成预测信息,包括:确定在第一预设时长内上述目标产品的日平均访问量;基于上述目标产品的竞争力值、上述比例系数以及上述日平均访问量,生成与上述目标产品匹配的预测信息。
在一些实施例中,上述预测信息查询请求还包括预测条件;以及上述方法还包括:将所生成的与上述目标产品匹配的预测信息确定为第一预测信息;响应于上述预测条件指示预测日是周末且不是法定节假日,确定在第二预设时长内的第一历史销量和第二历史销量;将上述第二历史销量与上述第一历史销量的比值确定为第一环比系数;基于上述第一环比系数和上述第一预测信息,重新生成与上述目标产品匹配的预测信息;响应于上述预测条件指示预测日是法定节假日,确定在第三预设时长内的第三历史销量和第四历史销量;将上述第四历史销量与上述第三历史销量的比值确定为第二环比系数;基于上述第二环比系数和上述第一预测信息,重新生成上述目标产品匹配的销量信息。
第二方面,本申请提供了预测信息推送装置,上述装置包括:上述装置包括:接收单元,配置用于接收客户端发送的预测信息查询请求,其中,上述预测信息查询请求包括目标产品的特征信息;获取单元,配置用于获取上述目标产品的运营数据,从上述运营数据和上述特征信息中提取与上述目标产品匹配的特征向量;第一确定单元,配置用于基于上述特征向量和预先训练的竞争力值预测模型,确定上述目标产品的竞争力值和竞争力值排名;第二确定单元,配置用于获取上述目标产品的原竞争力值和原竞争力值排名,根据上述目标产品的竞争力值、竞争力值排名、原竞争力值和原竞争力值排名,确定比例系数;第一生成单元,配置用于根据上述比例系数和上述目标产品的竞争力值,生成预测信息;推送单元,配置用于将上述预测信息推送至上述客户端。
在一些实施例中,上述装置还包括:训练单元,配置用于每隔预设时间间隔,执行如下步骤:获取多个产品的运营数据,其中,每一个产品的运营数据包括历史访问量和历史销量;基于所获取的历史访问量和历史销量,确定各个产品的竞争力值;从运营数据中提取与各个产品匹配的特征向量;将所提取的特征向量作为输入、所确定的竞争力值作为输出,训练竞争力值预测模型。
在一些实施例中,上述装置还包括:排序单元,配置用于按照竞争力值由大到小的顺序,对各个产品的竞争力值进行排序,以确定各个产品的竞争力值排名。
在一些实施例中,上述第二确定单元,包括:关联产品确定模块,配置用于响应于上述目标产品的竞争力值排名与上述目标产品的原竞争力值排名不相等,根据上述目标产品的竞争力值排名和上述目标产品的原竞争力值排名的大小关系,从上述多个产品中确定至少一个关联产品;求和模块,配置用于将关联产品的竞争力值求和得到关联产品的竞争力值总和;比例系数确定模块,配置用于基于上述竞争力值总和、上述目标产品的竞争力值和上述目标产品的原竞争力值,确定比例系数。
在一些实施例中,上述关联产品确定模块,包括:第一关联产品确定子模块,配置用于响应于上述目标产品的竞争力值排名小于上述目标产品的原竞争力值排名,获取预设的第一数值,将上述多个产品中排名为上述目标产品的竞争力值排名减上述第一数值至上述目标产品的原竞争力值排名加上述第一数值的产品确定为关联产品;第二关联产品确定子模块,配置用于响应于上述目标产品的竞争力值排名大于上述目标产品的原竞争力值排名,获取预设的第二数值,将上述多个产品中排名为上述目标产品的原竞争力值排名减上述第二数值至上述目标产品的竞争力值排名加上述第二数值的产品确定为关联产品。
在一些实施例中,上述第二确定单元进一步配置用于:响应于上述目标产品的竞争力值排名与上述目标产品的原竞争力值排名相等,确定上述比例系数为1。
在一些实施例中,上述装置还包括:第二生成单元,配置用于对于每一个关联产品,根据上述比例系数和该关联产品的竞争力值,生成与该关联产品匹配的预测信息;第三生成单元,配置用于对于上述多个产品中除上述目标产品、关联产品以外的各个产品中的每一个产品,根据上述比例系数和该产品的竞争力值,生成与该产品匹配的预测信息。
在一些实施例中,上述第一生成单元进一步配置用于:确定在第一预设时长内上述目标产品的日平均访问量;基于上述目标产品的竞争力值、上述比例系数以及上述日平均访问量,生成与上述目标产品匹配的预测信息。
在一些实施例中,上述预测信息查询请求还包括预测条件;以及上述装置还包括:第三确定单元,配置用于将所生成的与上述目标产品匹配的预测信息确定为第一预测信息;第四生成单元,配置用于响应于上述预测条件指示预测日是周末且不是法定节假日,确定在第二预设时长内的第一历史销量和第二历史销量;将上述第二历史销量与上述第一历史销量的比值确定为第一环比系数;基于上述第一环比系数和上述第一预测信息,重新生成与上述目标产品匹配的预测信息;第五生成单元,配置用于响应于上述预测条件指示预测日是法定节假日,确定在第三预设时长内的第三历史销量和第四历史销量;将上述第四历史销量与上述第三历史销量的比值确定为第二环比系数;基于上述第二环比系数和上述第一预测信息,重新生成上述目标产品匹配的销量信息。
本申请提供的预测信息推送方法和装置,通过从目标产品的运营数据和预测信息查询请求中的特征信息中提取特征向量,而后基于特征向量和竞争力值预测模型确定目标产品的竞争力值和竞争力值排名,然后获取目标产品的原竞争力值和原竞争力值排名以便确定比例系数,最后根据比例系数和目标产品的竞争力值,生成预测信息并将预测信息推送至客户端,从而实现了适用于产品销售场景的预测信息推送,提高了预测信息的准确性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的预测信息推送方法的一个实施例的流程图;
图3是根据本申请的预测信息推送方法的一个应用场景的示意图;
图4是根据本申请的预测信息推送方法的又一个实施例的流程图;
图5是根据本申请的预测信息推送装置的一个实施例的结构示意图;
图6是适于用来实现本申请实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的预测信息推送方法或预测信息推送装置的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种客户端应用,例如网页浏览器类应用、购物类应用、产品管理类应用等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上安装的商品管理类应用提供支持的后台管理服务器。后台管理服务器可以对接收到的预测信息查询请求等数据进行分析、提取特征向量等处理,也可以从本地数据库或从与服务器105相连接的其他数据库(图中未示出)中获取数据,并对所获取的数据进行计算、分析等处理,继而,将处理结果(例如预测信息)通过网络104推送至终端设备101、102、103。
需要说明的是,本申请实施例所提供的预测信息推送方法一般由服务器105执行,相应地,预测信息推送装置一般设置于服务器105中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的预测信息推送方法的一个实施例的流程200。所述的预测信息推送方法,包括以下步骤:
步骤201,接收客户端发送的预测信息查询请求。
在本实施例中,预测信息推送方法运行于其上的电子设备(例如图1所示的服务器105)可以通过有线连接方式或者无线连接方式接收客户端(例如图1所示的终端设备101、102、103)发送的预测信息查询请求,其中,上述预测信息查询请求包括目标产品的特征信息。此处,上述目标产品可以是任意的一件商品,也可以是任意的一项可出售的服务,例如保洁服务、搬家服务、代购服务等。另外,上述目标产品的特征信息可以是与上述目标产品相关的一种或多种信息,例如,上述特征信息可以包括但不限于价格信息、折扣信息、促销信息,品牌信息、型号信息、产品类别信息、赠品信息等。需要指出的是,上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultrawideband)连接、以及其他现在已知或将来开发的无线连接方式。
通常,用户可以利用终端上安装的网页浏览器类应用、购物类应用或产品管理类应用等来进行目标产品的特征信息的录入。以用户通过网页浏览器录入特征信息为例,用户可以通过在网页的表单中直接输入或修改特征信息,并点击网页浏览器中呈现的用于提交上述特征信息的提交按钮来向后台管理应用服务器发起预测信息查询请求,其中,网页中的表单可以为多个,用户可以在网页中的表单中录入不同类别的数据。在本实施例中,上述网页可以包括html格式、xhtml格式、asp格式、php格式、jsp格式、shtml格式、nsp格式、xml格式的网页或者其它未来将开发的格式的网页(只要这种格式的网页文件可以用浏览器打开并浏览其包含的表单)。
步骤202,获取目标产品的运营数据,从运营数据和特征信息中提取与目标产品匹配的特征向量。
在本实施例中,上述电子设备可以首先获取上述目标产品的运营数据;之后,从上述运营数据和步骤201接收的特征信息中提取预设种类的数据;然后,对提取的数据进行处理(例如数据类型转换、缩放等等);最后,将处理后的数据组成与上述目标产品匹配的特征向量。此处,上述目标产品的运营数据可以是运营过程中产生的各种数据,例如,上述运营数据可以是在预设时长内的上述目标产品的历史访问量、历史销量、历史好评数量、历史评分、历史退货量等。需要说明的是,上述特征向量可以包括对所提取的各个数据进行处理后生成的与各个数据匹配的数值。
在本实施例的一些可选的实现方式中,包括上述目标产品的运营数据可以预先存储在本地数据库中,上述电子设备可以从本地数据库获取上述目标产品的运营数据。
在本实施例的一些可选的实现方式中,包括上述目标产品的运营数据可以预先存储在与上述电子设备连接的另一数据库中,上述电子设备可以从上述另一数据库中获取上述目标产品的运营数据。
步骤203,基于特征向量和预先训练的竞争力值预测模型,确定目标产品的竞争力值和竞争力值排名。
在本实施例中,上述电子设备可以首先根据步骤201接收的特征信息中的产品类别信息确定上述目标产品所属的产品类别,加载与该产品类别匹配的、预先训练好的竞争力值预测模型;之后,将步骤202提取的特征向量输入至上述竞争力值预测模型,得到上述目标产品的竞争力值;最后,上述电子设备可以确定属于上述产品类别的其他产品的竞争力值,并对上述目标产品和其他产品的竞争力值进行由大到小排序,确定上述目标产品的竞争力值排名。作为示例,上述产品类别可以是手机类、平板电脑类等。
在本实施例的一些可选的实现方式中,上述电子设备的本地数据库或与上述电子设备连接的另一数据库中可以预先存储属于多个产品类别的产品的竞争力值。上述电子设备在确定上述目标产品所属的产品类别并确定上述目标产品的竞争力值之后,可以从上述数据库中直接提取属于上述目标产品的产品类别的其他产品的竞争力值,继而进行竞争力值的排序,以确定上述目标产品的竞争力值排名。
在本实施例的一些可选的实现方式中,上述电子设备在确定上述目标产品所属的产品类别之后,可以首先获取属于上述产品类别的其他产品的在预设时长内的运营数据,其中,每一个产品的运营数据可以包括该产品的历史访问量和历史销量;之后,将每一个产品的历史销量与历史访问量的比值确定为该产品的竞争力值,继而进行竞争力值的排序,以确定上述目标产品的竞争力值排名。
在本实施例的一些可选的实现方式中,上述电子设备在执行步骤201之前,可以每隔预设时间间隔,执行如下步骤:第一步,获取多个产品的运营数据,其中,每一个产品的运营数据可以包括该产品的历史访问量和历史销量,也可以包括该产品的价格信息、折扣信息等;第二步,基于所获取的各个产品历史访问量和历史销量,确定各个产品的竞争力值,此处,上述电子设备可以将每一个产品的历史销量与历史访问量的比值确定为该产品的竞争力值;第三步,对属于相同产品类别的各个产品的竞争力值进行排序,以确定属于相同产品类别的各个产品的竞争力值排名,并按照产品类别,将各个产品的竞争力值和竞争力值排名存储数据库中,其中,上述数据库可以是本地数据库或与上述电子设备连接的另一数据库;第四步,从所获取的运营数据中提取与各个产品匹配的特征向量,并将所提取的所属多个产品中每一个产品匹配的特征向量作为输入、所确定的该产品竞争力值作为输出,训练属于不同产品类别的产品的竞争力值预测模型。需要说明的是,上述预设时间间隔可以是任意的时长,例如一周、两周等。上述多个产品的运营数据,可以是预设的任意时长内的运营数据,例如当前时间的前一周内的运营数据、当前时间的前两周内的运用数据等。
步骤204,获取目标产品的原竞争力值和原竞争力值排名,根据目标产品的竞争力值、竞争力值排名、原竞争力值和原竞争力值排名,确定比例系数。
在本实施例中,本地数据库或与上述电子设备连接的另一数据库中可以预先存储多个产品的竞争力值和竞争力值排名,其中,上述多个产品的竞争力值包括上述目标产品的原竞争力值,上述多个产品的竞争力值排名包括上述目标产品的竞争力值排名。上述电子设备可以首先获取上述目标产品的原竞争力值和原竞争力值排名;之后,根据上述目标产品的竞争力值、竞争力值排名、原竞争力值和原竞争力值排名,确定比例系数。
在本实施例的一些可选的实现方式中,响应于上述目标产品的竞争力值排名与上述目标产品的原竞争力值排名相等,确定上述比例系数为1。
在本实施例的一些可选的实现方式中,响应于上述目标产品的竞争力值排名与上述目标产品的原竞争力值排名不相等,上述电子设备可以执行如下步骤:
第一步,根据上述目标产品的竞争力值排名和上述目标产品的原竞争力值排名的大小关系,从产品类别与上述目标产品上述的产品类别相同的产品中确定至少一个关联产品。具体的,响应于上述目标产品的竞争力值排名小于上述目标产品的原竞争力值排名,上述电子设备可以获取预设的第一数值,将属于上述产品类别的排名为上述目标产品的竞争力值排名减上述第一数值至上述目标产品的原竞争力值排名加上述第一数值的产品确定为关联产品;响应于上述目标产品的竞争力值排名大于上述目标产品的原竞争力值排名,上述电子设备可以获取预设的第二数值,将属于上述产品类别的排名为上述目标产品的原竞争力值排名减上述第二数值至上述目标产品的竞争力值排名加上述第二数值的产品确定为关联产品。需要说明的是,上述第一数值和第二数值可以是任意的正整数,且上述第一数值和第二数值可以相等。作为示例,上述第一数值和第二数值可以同时为1。若上述目标产品的竞争力值排名为5,原竞争力值排名为10,则将属于上述产品类别的排名为4-11的产品确定为关联产品;若上述目标产品的竞争力值排名为9,原竞争力值排名为3,则将属于上述产品类别的排名为2-10的产品确定为关联产品。
第二步,将关联产品的竞争力值求和得到关联产品的竞争力值总和。具体的,上述电子设备可以基于步骤203确定的各个产品的竞争力值和排序结果,提取关联产品的竞争力值,关联产品的竞争力值求和得到关联产品的竞争力值总和。
第三步,基于上述竞争力值总和、上述目标产品的竞争力值和上述目标产品的原竞争力值,确定比例系数。具体的,上述电子设备可以将上述比例系数确定为Ps/(Ps-P_old+P_new),其中,Ps为上述竞争力值总和,P_old为上述目标产品的竞争力值,P_new为上述目标产品的原竞争力值。
步骤205,根据比例系数和目标产品的竞争力值,生成预测信息。
在本实施例中,上述电子设备可以根据步骤204确定的比例系数和步骤203确定的上述目标产品的竞争力值,生成与上述目标产品匹配的预测信息,上述预测信息可以是预设时间段的预测销量,例如,一天的销量、一周的销量等。
在本实施例的一些可选的实现方式中,上述电子设备可以将根据在预设时长内上述目标产品的历史访问量生成日平均历史访问量,之后,将上述目标产品的一天的预测销量确定为上述日平均历史访问量、上述目标产品的竞争力值、上述比例系数三者的乘积。需要说明的是,上述预设时长不小于一天。
在本实施例的一些可选的实现方式中,上述电子设备可以获取近一周内上述目标产品的历史访问量,之后,将上述目标产品的一周的预测销量确定为所获取的历史访问量、上述目标产品的竞争力值、上述比例系数三者的乘积。
步骤206,将预测信息推送至客户端。
在本实施例中,上述电子设备可以将步骤205确定的预测信息推送至上述客户端。
继续参见图3,图3是根据本实施例的预测信息推送方法的应用场景的一个示意图300。在图3的应用场景中,用户利用终端上安装的浏览器来进行目标产品的特征信息的修改,具体为:首先,用户在网页301的各个表单中直接输入目标产品的特征信息,如图3所示的“预计销售价格”、“7天无理由退换货”、“折扣”和“满减”,待上述特征信息修改完毕后,用户点击网页浏览器中呈现的销量预测按钮302来向后台管理服务器发起预测信息查询请求;之后,后台管理服务器在接收到预测信息查询请求后,从本地数据库中获取目标产品的运营数据,并从上述运营数据和上述特征信息中提取与上述目标产品匹配的特征向量;然后,后台管理服务器加载预先训练的竞争力值预测模型,将上述特征向量输入至上述竞争力值预测模型,得到上述目标产品的竞争力值和竞争力值排名;最后,后台管理服务器获取目标产品的原竞争力值和原竞争力值排名以便确定比例系数,根据比例系数和目标产品的竞争力值,生成预测信息,并将预测信息推送至客户端。
本申请的上述实施例提供的方法通过从目标产品的运营数据和预测信息查询请求中的特征信息中提取特征向量,而后基于特征向量和竞争力值预测模型确定目标产品的竞争力值和竞争力值排名,然后获取目标产品的原竞争力值和原竞争力值排名以便确定比例系数,最后根据比例系数和目标产品的竞争力值,生成预测信息并将预测信息推送至客户端,从而实现了适用于产品销售场景的预测信息推送,提高了预测信息的准确性。
进一步参考图4,其示出了预测信息推送方法的又一个实施例的流程400。该预测信息推送方法的流程400,包括以下步骤:
步骤401,接收客户端发送的预测信息查询请求。
在本实施例中,预测信息推送方法运行于其上的电子设备(例如图1所示的服务器105)可以通过有线连接方式或者无线连接方式接收客户端(例如图1所示的终端设备101、102、103)发送的预测信息查询请求,其中,上述预测信息查询请求包括目标产品的特征信息。此处,上述目标产品可以是任意的一件商品,也可以是任意的一项可出售的服务,例如保洁服务、搬家服务、代购服务等。另外,上述目标产品的特征信息可以是与上述目标产品相关的一种或多种信息,例如,上述特征信息可以包括但不限于价格信息、折扣信息、促销信息,品牌信息、型号信息、产品类别信息、赠品信息等。
在本实施例中,上述预测信息查询请求还可以包括预测条件,上述预测条件可以指示预测日是周末且不是法定节假日,也可以指示预测日是法定节假日等。
步骤402,获取目标产品的运营数据,从运营数据和特征信息中提取与目标产品匹配的特征向量。
在本实施例中,上述电子设备可以首先从本地数据库或与上述电子设备相连接的另一数据库中获取上述目标产品的运营数据;之后,从上述运营数据和步骤401接收的特征信息中提取预设种类的数据;然后,对提取的数据进行处理(例如数据类型转换、缩放等等);最后,将处理后的数据组成与上述目标产品匹配的特征向量。此处,上述目标产品的运营数据可以是运营过程中产生的各种数据,例如,上述运营数据可以是在预设时长内的上述目标产品的历史访问量、历史销量、历史好评数量、历史评分、历史退货量等。需要说明的是,上述特征向量可以包括对所提取的各个数据进行处理后生成的与各个数据匹配的数值。
步骤403,基于特征向量和预先训练的竞争力值预测模型,确定目标产品的竞争力值和竞争力值排名。
在本实施例中,上述电子设备在执行步骤401之前,可以每隔预设时间间隔,执行如下步骤:第一步,获取多个产品的运营数据,其中,每一个产品的运营数据可以包括该产品的历史访问量和历史销量,也可以包括该产品的价格信息、折扣信息等;第二步,基于所获取的各个产品历史访问量和历史销量,确定各个产品的竞争力值,此处,上述电子设备可以将每一个产品的历史销量与历史访问量的比值确定为该产品的竞争力值;第三步,对属于相同产品类别的各个产品的竞争力值进行排序,以确定属于相同产品类别的各个产品的竞争力值排名,并按照产品类别,将各个产品的竞争力值和竞争力值排名存储数据库中,其中,上述数据库可以是本地数据库或与上述电子设备连接的另一数据库;第四步,从所获取的运营数据中提取与各个产品匹配的特征向量,并将所提取的所属多个产品中每一个产品匹配的特征向量作为输入、所确定的该产品竞争力值作为输出,训练属于不同产品类别的产品的竞争力值预测模型。需要说明的是,上述预设时间间隔可以是任意的时长,例如一周、两周等。上述多个产品的运营数据,可以是预设的任意时长内的运营数据,例如当前时间的前一周内的运营数据、当前时间的前两周内的运用数据等。
在本实施例中,上述电子设备可以首先根据步骤401接收的特征信息中的产品类别信息确定上述目标产品所属的产品类别,加载与该产品类别匹配的、预先训练好的竞争力值预测模型;之后,将步骤402提取的特征向量输入至上述竞争力值预测模型,得到上述目标产品的竞争力值;最后,上述电子设备可以从本地数据库或与上述电子设备连接的另一数据库中获取属于上述产品类别的其他产品的竞争力值,并对上述目标产品和其他产品的竞争力值进行由大到小排序,确定上述目标产品的竞争力值排名。作为示例,上述产品类别可以是手机类、平板电脑类等。
步骤404,获取目标产品的原竞争力值和原竞争力值排名,根据目标产品的竞争力值、竞争力值排名、原竞争力值和原竞争力值排名,确定比例系数。
在本实施例中,上述电子设备可以首先从本地数据库或与上述电子设备连接的另一数据库中获取上述目标产品的原竞争力值和原竞争力值排名;之后,根据上述目标产品的竞争力值、竞争力值排名、原竞争力值和原竞争力值排名,确定比例系数。
在本实施例中,响应于上述目标产品的竞争力值排名与上述目标产品的原竞争力值排名相等,确定上述比例系数为1。
在本实施例中,响应于上述目标产品的竞争力值排名与上述目标产品的原竞争力值排名不相等,上述电子设备可以执行如下步骤:
第一步,根据上述目标产品的竞争力值排名和上述目标产品的原竞争力值排名的大小关系,从产品类别与上述目标产品上述的产品类别相同的产品中确定至少一个关联产品。具体的,响应于上述目标产品的竞争力值排名小于上述目标产品的原竞争力值排名,上述电子设备可以获取预设的第一数值,将属于上述产品类别的排名为上述目标产品的竞争力值排名减上述第一数值至上述目标产品的原竞争力值排名加上述第一数值的产品确定为关联产品;响应于上述目标产品的竞争力值排名大于上述目标产品的原竞争力值排名,上述电子设备可以获取预设的第二数值,将属于上述产品类别的排名为上述目标产品的原竞争力值排名减上述第二数值至上述目标产品的竞争力值排名加上述第二数值的产品确定为关联产品。需要说明的是,上述第一数值和第二数值可以是任意的正整数,且上述第一数值和第二数值可以相等。作为示例,上述第一数值和第二数值可以同时为1。若上述目标产品的竞争力值排名为5,原竞争力值排名为10,则将属于上述产品类别的排名为4-11的产品确定为关联产品;若上述目标产品的竞争力值排名为9,原竞争力值排名为3,则将属于上述产品类别的排名为2-10的产品确定为关联产品。
第二步,将关联产品的竞争力值求和得到关联产品的竞争力值总和。具体的,上述电子设备可以基于步骤403确定的各个产品的竞争力值和排序结果,提取关联产品的竞争力值,关联产品的竞争力值求和得到关联产品的竞争力值总和。
第三步,基于上述竞争力值总和、上述目标产品的竞争力值和上述目标产品的原竞争力值,确定比例系数。具体的,上述电子设备可以将上述比例系数确定为Ps/(Ps-P_old+P_new),其中,Ps为上述竞争力值总和,P_old为上述目标产品的竞争力值,P_new为上述目标产品的原竞争力值。
步骤405,根据比例系数和目标产品的竞争力值,生成与目标产品匹配的预测信息。
在本实施例中,上述电子设备可以根据步骤404确定的比例系数和步骤403确定的上述目标产品的竞争力值,生成与上述目标产品匹配的预测信息。具体的,上述电子设备可以获取在第一预设时长内(例如近一周的工作日)上述目标产品的历史访问量;之后,将所获取的历史访问量除以上述第一预设时长对应的天数,生成日平均访问量;最后,将上述目标产品在工作日的销量预测为上述日平均访问量、上述目标产品的竞争力值、上述比例系数三者的乘积。
步骤406,对于每一个关联产品,根据比例系数和该关联产品的竞争力值,生成与该关联产品匹配的预测信息。
在本实施例中,对于步骤404确定的每一个关联产品,上述电子设备可以将步骤404确定的比例系数和该关联产品的竞争力值的乘积确定为与该关联产品匹配的预测信息。
步骤407,对于除上述目标产品、关联产品以外的各个产品中的每一个产品,根据上述比例系数和该产品的竞争力值,生成与该产品匹配的预测信息。
在本实施例中,对于上述产品类别的多个产品中的、除上述目标产品、步骤404确定的关联产品以外的各个产品中的每一个产品,上述电子设备可以将步骤404确定的比例系数和该产品的竞争力值的乘积确定为与该关联产品匹配的预测信息。
步骤408,根据预测条件,更新预测信息。
在本实施例中,若步骤401接收的预测信息查询请求中包括预测条件,则上述电子设备可以将步骤405所生成的与上述目标产品匹配的预测信息确定为第一预测信息,将与关联产品匹配的预测信息确定为第二预测信息,将与除上述目标产品、关联产品以外的产品匹配的预测信息确定为第三预测信息。之后,根据所接收的预设条件,更新各预测信息。
在本实施例中,响应于上述预测条件指示预测日是周末且不是法定节假日,上述电子设备可以首先获取在第二预设时长内(例如近一周,且该周内不存在法定节假日)的上述目标产品的历史销量;之后,确定上述第二预设时长内工作日的日平均历史销量和休息日的日平均历史销量;然后,上述电子设备可以将上述工作日的日平均历史销量确定为第一历史销量,将上述休息日的日平均历史销量确定为第二历史销量,并将上述第二历史销量与上述第一历史销量的比值确定为第一环比系数;最后,上述电子设备可以将与上述目标产品匹配的预测信息更新为上述第一预测信息与上述第一环比系数的乘积;对于每一个关联产品,将与该关联产品匹配的预测信息更新为与该关联产品所匹配的第二预测信息与上述第一环比系数的乘积;对于除上述目标产品、关联产品以外的每一个产品,将与该产品匹配的预测信息更新为与该产品匹配的第三预测信息与上述第一环比系数的乘积。
在本实施例中,响应于上述预测条件指示预测日是法定节假日,上述电子设备可以首先获取在第三预设时长内(例如去年节假日至节假日后的一周内)的上述目标产品的历史销量;之后,确定上述第三预设时长内工作日的日平均历史销量和法定节假日的日平均历史销量;然后,上述电子设备可以将上述工作日的日平均历史销量确定为第三历史销量,将上述法定节假日的日平均历史销量确定为第四历史销量,并将上述第四历史销量与上述第三历史销量的比值确定为第二环比系数;最后,上述电子设备可以将与上述目标产品匹配的预测信息更新为上述第一预测信息与上述第二环比系数的乘积;对于每一个关联产品,将与该关联产品匹配的预测信息更新为与该关联产品所匹配的第二预测信息与上述第二环比系数的乘积;对于除上述目标产品、关联产品以外的每一个产品,将与该产品匹配的预测信息更新为与该产品匹配的第三预测信息与上述第二环比系数的乘积。
步骤409,将预测信息推送至上述客户端。
在本实施例中,响应于步骤401接收的预测信息查询请求中不包括预测条件,上述电子设备可以将步骤406-407生成的预测信息推送至上述客户端;响应于步骤401接收的预测信息查询请求中包括预测条件,上述电子设备可以将步骤408更新的预测信息推送至上述客户端。
从图4中可以看出,与图2对应的实施例相比,本实施例中的预测信息推送方法的流程400突出了根据预测条件更新预测信息的步骤以及与除目标产品外其他产品匹配的预测信息的生成步骤。由此,本实施例描述的方案可以生成多种情况下的多个产品的预测信息,不仅实现了适用于产品销售场景的预测信息推送,提高了预测信息的准确性,还增大了信息的预测范围。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种预测信息推送装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例所述的预测信息推送装置500包括:接收单元501,配置用于接收客户端发送的预测信息查询请求,其中,上述预测信息查询请求包括目标产品的特征信息;获取单元502,配置用于获取上述目标产品的运营数据,从上述运营数据和上述特征信息中提取与上述目标产品匹配的特征向量;第一确定单元503,配置用于基于上述特征向量和预先训练的竞争力值预测模型,确定上述目标产品的竞争力值和竞争力值排名;第二确定单元504,配置用于获取上述目标产品的原竞争力值和原竞争力值排名,根据上述目标产品的竞争力值、竞争力值排名、原竞争力值和原竞争力值排名,确定比例系数;第一生成单元505,配置用于根据上述比例系数和上述目标产品的竞争力值,生成预测信息;推送单元506,配置用于将上述预测信息推送至上述客户端。
在本实施例中,预测信息推送装置500的接收单元501可以通过有线连接方式或者无线连接方式接收客户端(例如图1所示的终端设备101、102、103)发送的预测信息查询请求,其中,上述预测信息查询请求包括目标产品的特征信息。此处,上述目标产品可以是任意的一件商品,也可以是任意的一项可出售的服务,例如保洁服务、搬家服务、代购服务等。另外,上述目标产品的特征信息可以是与上述目标产品相关的一种或多种信息,例如,上述特征信息可以包括但不限于价格信息、折扣信息、促销信息,品牌信息、型号信息、产品类别信息、赠品信息等。
在本实施例中,上述获取单元502可以首先获取上述目标产品的运营数据;之后,从上述运营数据和上述接收单元501接收的特征信息中提取预设种类的数据;然后,对提取的数据进行处理(例如数据类型转换、缩放等等);最后,将处理后的数据组成与上述目标产品匹配的特征向量。此处,上述目标产品的运营数据可以是运营过程中产生的各种数据,例如,上述运营数据可以是在预设时长内的上述目标产品的历史访问量、历史销量、历史好评数量、历史评分、历史退货量等。需要说明的是,上述特征向量可以包括对所提取的各个数据进行处理后生成的与各个数据匹配的数值。
在本实施例中,上述第一确定单元503可以首先根据上述接收单元501接收的特征信息中的产品类别信息确定上述目标产品所属的产品类别,加载与该产品类别匹配的、预先训练好的竞争力值预测模型;之后,将上述获取单元502提取的特征向量输入至上述竞争力值预测模型,得到上述目标产品的竞争力值;最后,上述第一确定单元503可以确定属于上述产品类别的其他产品的竞争力值,并对上述目标产品和其他产品的竞争力值进行由大到小排序,确定上述目标产品的竞争力值排名。作为示例,上述产品类别可以是手机类、平板电脑类等。
在本实施例中,上述预测信息推送装置500可以安装本地数据库,上述本地数据库或与上述预测信息推送装置500连接的另一数据库中可以预先存储多个产品的竞争力值和竞争力值排名,其中,上述多个产品的竞争力值包括上述目标产品的原竞争力值,上述多个产品的竞争力值排名包括上述目标产品的竞争力值排名。上述第二确定单元504可以首先获取上述目标产品的原竞争力值和原竞争力值排名;之后,根据上述目标产品的竞争力值、竞争力值排名、原竞争力值和原竞争力值排名,确定比例系数。
在本实施例的一些可选的实现方式中,上述第二确定单元504还可以包括关联产品确定模块、求和模块和比例系数确定模块(图中未示出)。上述关联产品确定模块可以配置用于响应于上述目标产品的竞争力值排名与上述目标产品的原竞争力值排名不相等,根据上述目标产品的竞争力值排名和上述目标产品的原竞争力值排名的大小关系,从上述多个产品中确定至少一个关联产品;上述求和模块可以配置用于将关联产品的竞争力值求和得到关联产品的竞争力值总和;上述比例系数确定模块可以配置用于基于上述竞争力值总和、上述目标产品的竞争力值和上述目标产品的原竞争力值,确定比例系数。
在本实施例的一些可选的实现方式中,上述关联产品确定模块可以包括第一关联产品确定子模块和第二关联产品确定子模块(图中未示出)。上述第一关联产品确定子模块可以配置用于响应于上述目标产品的竞争力值排名小于上述目标产品的原竞争力值排名,获取预设的第一数值,将上述多个产品中排名为上述目标产品的竞争力值排名减上述第一数值至上述目标产品的原竞争力值排名加上述第一数值的产品确定为关联产品;上述第二关联产品确定子模块可以配置用于响应于上述目标产品的竞争力值排名大于上述目标产品的原竞争力值排名,获取预设的第二数值,将上述多个产品中排名为上述目标产品的原竞争力值排名减上述第二数值至上述目标产品的竞争力值排名加上述第二数值的产品确定为关联产品。
在本实施例的一些可选的实现方式中,上述第二确定单元504可以进一步配置用于响应于上述目标产品的竞争力值排名与上述目标产品的原竞争力值排名相等,确定上述比例系数为1。
在本实施例中,上述第一生成单元505可以上述第二确定单元504确定的比例系数和上述第一确定单元503确定的上述目标产品的竞争力值,生成与上述目标产品匹配的预测信息,上述预测信息可以是预设时间段的预测销量,例如,一天的销量、一周的销量等。
在本实施例中,上述推送单元506可以将上述第一生成单元505确定的预测信息推送至上述客户端。
在本实施例的一些可选的实现方式中,上述预测信息生成装置500还可以包括训练单元(图中未示出),上述训练单元可以配置用于每隔预设时间间隔,执行如下步骤:获取多个产品的运营数据,其中,每一个产品的运营数据包括历史访问量和历史销量;基于所获取的历史访问量和历史销量,确定各个产品的竞争力值;从运营数据中提取与各个产品匹配的特征向量;将所提取的特征向量作为输入、所确定的竞争力值作为输出,训练竞争力值预测模型。
在本实施例的一些可选的实现方式中,上述预测信息生成装置500还可以包括排序单元(图中未示出),上述排序单元可以配置用于按照竞争力值由大到小的顺序,对各个产品的竞争力值进行排序,以确定各个产品的竞争力值排名。
在本实施例的一些可选的实现方式中,上述预测信息生成装置500还可以包括第二生成单元和第三生成单元(图中未示出)。上述第二生成单元可以配置用于对于每一个关联产品,根据上述比例系数和该关联产品的竞争力值,生成与该关联产品匹配的预测信息;上述第三生成单元可以配置用于对于上述多个产品中除上述目标产品、关联产品以外的各个产品中的每一个产品,根据上述比例系数和该产品的竞争力值,生成与该产品匹配的预测信息。
在本实施例的一些可选的实现方式中,上述第一生成单元可以进一步配置用于确定在第一预设时长内上述目标产品的日平均访问量;基于上述目标产品的竞争力值、上述比例系数以及上述日平均访问量,生成与上述目标产品匹配的预测信息。
在本实施例的一些可选的实现方式中,上述接收单元501接收的预测信息查询请求还可以包括预测条件;上述预测信息生成装置500还可以包括第三确定单元、第四生成单元和第五生成单元(图中未示出)。上述第三确定单元可以配置用于将所生成的与上述目标产品匹配的预测信息确定为第一预测信息;上述第四生成单元可以配置用于响应于上述预测条件指示预测日是周末且不是法定节假日,确定在第二预设时长内的第一历史销量和第二历史销量;将上述第二历史销量与上述第一历史销量的比值确定为第一环比系数;基于上述第一环比系数和上述第一预测信息,重新生成与上述目标产品匹配的预测信息;上述第五生成单元可以配置用于响应于上述预测条件指示预测日是法定节假日,确定在第三预设时长内的第三历史销量和第四历史销量;将上述第四历史销量与上述第三历史销量的比值确定为第二环比系数;基于上述第二环比系数和上述第一预测信息,重新生成上述目标产品匹配的销量信息。
本申请的上述实施例提供的装置,通过第一确定单元503从获取单元502获取的目标产品的运营数据和接收单元501接收的预测信息查询请求中的特征信息中提取特征向量,以便基于特征向量和竞争力值预测模型确定目标产品的竞争力值和竞争力值排名,然后第二确定单元504获取目标产品的原竞争力值和原竞争力值排名以便确定比例系数,最后生成单元505根据比例系数和目标产品的竞争力值,生成预测信息并由推送单元506将预测信息推送至客户端,从而实现了适用于产品销售场景的预测信息推送,提高了预测信息的准确性。
下面参考图6,其示出了适于用来实现本申请的终端设备或服务器的计算机系统600的结构示意图。
如图6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的
程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,上述计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的方法中限定的上述功能。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括接收单元、获取单元、第一确定单元、第二确定单元、生成单元和推送单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,接收单元还可以被描述为“接收客户端发送的预测信息查询请求的单元”。
作为另一方面,本申请还提供了一种非易失性计算机存储介质,该非易失性计算机存储介质可以是上述实施例中所述装置中所包含的非易失性计算机存储介质;也可以是单独存在,未装配入终端中的非易失性计算机存储介质。上述非易失性计算机存储介质存储有一个或者多个程序,当所述一个或者多个程序被一个设备执行时,使得所述设备:接收客户端发送的预测信息查询请求,其中,预测信息查询请求包括目标产品的特征信息;获取目标产品的运营数据,从运营数据和特征信息和提取与目标产品匹配的特征向量;基于特征向量和预先训练的竞争力值预测模型,确定目标产品的竞争力值和竞争力值排名;获取的目标产品的原竞争力值和原竞争力值排名,根据目标产品的竞争力值、竞争力值排名、原竞争力值和原竞争力值排名,确定比例系数;根据比例系数和目标产品的竞争力值,生成预测信息;将预测信息推送至客户端。该实施方式提高了所推送的预测信息的准确性。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (20)
1.一种预测信息推送方法,其特征在于,所述方法包括:
接收客户端发送的预测信息查询请求,其中,所述预测信息查询请求包括目标产品的特征信息;
获取所述目标产品的运营数据,从所述运营数据和所述特征信息中提取与所述目标产品匹配的特征向量;
基于所述特征向量和预先训练的竞争力值预测模型,确定所述目标产品的竞争力值和竞争力值排名,其中,所述竞争力值基于所述目标产品的历史销量与历史访问量的比值确定,所述竞争力值预测模型基于将与产品匹配的特征向量作为输入,所确定的所述产品的竞争力值作为输出训练得到;
获取所述目标产品的原竞争力值和原竞争力值排名,根据所述目标产品的竞争力值、竞争力值排名、原竞争力值和原竞争力值排名,确定比例系数,包括:若确定所述目标产品的竞争力值排名与所述目标产品的原竞争力值排名不相等,从产品类别与所述目标产品的产品类别相同的产品中确定至少一个关联产品,基于所述至少一个关联产品的竞争力值总和、所述目标产品的竞争力值与所述目标产品的原竞争力值确定所述比例系数;
根据所述比例系数和所述目标产品的竞争力值,生成预测信息;
将所述预测信息推送至所述客户端。
2.根据权利要求1所述的预测信息推送方法,其特征在于,在接收客户端发送的预测信息查询请求之前,所述方法还包括:
每隔预设时间间隔,执行如下步骤:获取多个产品的运营数据,其中,每一个产品的运营数据包括历史访问量和历史销量;基于所获取的历史访问量和历史销量,确定各个产品的竞争力值;从运营数据中提取与各个产品匹配的特征向量;将所提取的特征向量作为输入、所确定的竞争力值作为输出,训练竞争力值预测模型。
3.根据权利要求2所述的预测信息推送方法,其特征在于,在接收客户端发送的预测信息查询请求之前,所述方法还包括:
按照竞争力值由大到小的顺序,对各个产品的竞争力值进行排序,以确定各个产品的竞争力值排名。
4.根据权利要求3所述的预测信息推送方法,其特征在于,所述根据所述目标产品的竞争力值、竞争力值排名、原竞争力值和原竞争力值排名,确定比例系数,包括:
响应于所述目标产品的竞争力值排名与所述目标产品的原竞争力值排名不相等,根据所述目标产品的竞争力值排名和所述目标产品的原竞争力值排名的大小关系,从所述多个产品中确定至少一个关联产品;
将关联产品的竞争力值求和得到关联产品的竞争力值总和;
基于所述竞争力值总和、所述目标产品的竞争力值和所述目标产品的原竞争力值,确定比例系数。
5.根据权利要求4所述的预测信息推送方法,其特征在于,所述响应于所述目标产品的竞争力值排名与所述目标产品的原竞争力值排名不相等,根据所述目标产品的竞争力值排名和所述目标产品的原竞争力值排名的大小关系,从所述多个产品中确定至少一个关联产品,包括:
响应于所述目标产品的竞争力值排名小于所述目标产品的原竞争力值排名,获取预设的第一数值,将所述多个产品中排名为所述目标产品的竞争力值排名减所述第一数值至所述目标产品的原竞争力值排名加所述第一数值的产品确定为关联产品;
响应于所述目标产品的竞争力值排名大于所述目标产品的原竞争力值排名,获取预设的第二数值,将所述多个产品中排名为所述目标产品的原竞争力值排名减所述第二数值至所述目标产品的竞争力值排名加所述第二数值的产品确定为关联产品。
6.根据权利要求1-5之一所述的预测信息推送方法,其特征在于,所述根据所述目标产品的竞争力值、竞争力值排名、原竞争力值和原竞争力值排名,确定比例系数,包括:
响应于所述目标产品的竞争力值排名与所述目标产品的原竞争力值排名相等,确定所述比例系数为1。
7.根据权利要求4-5之一所述的预测信息推送方法,其特征在于,所述方法还包括:
对于每一个关联产品,根据所述比例系数和该关联产品的竞争力值,生成与该关联产品匹配的预测信息;
对于所述多个产品中除所述目标产品、关联产品以外的各个产品中的每一个产品,根据所述比例系数和该产品的竞争力值,生成与该产品匹配的预测信息。
8.根据权利要求1所述的预测信息推送方法,其特征在于,所述根据所述比例系数和所述目标产品的竞争力值,生成预测信息,包括:
确定在第一预设时长内所述目标产品的日平均访问量;
基于所述目标产品的竞争力值、所述比例系数以及所述日平均访问量,生成与所述目标产品匹配的预测信息。
9.根据权利要求8所述的预测信息推送方法,其特征在于,所述预测信息查询请求还包括预测条件;以及
所述方法还包括:
将所生成的与所述目标产品匹配的预测信息确定为第一预测信息;
响应于所述预测条件指示预测日是周末且不是法定节假日,确定在第二预设时长内的第一历史销量和第二历史销量;将所述第二历史销量与所述第一历史销量的比值确定为第一环比系数;基于所述第一环比系数和所述第一预测信息,重新生成与所述目标产品匹配的预测信息;
响应于所述预测条件指示预测日是法定节假日,确定在第三预设时长内的第三历史销量和第四历史销量;将所述第四历史销量与所述第三历史销量的比值确定为第二环比系数;基于所述第二环比系数和所述第一预测信息,重新生成所述目标产品匹配的销量信息。
10.一种预测信息推送装置,其特征在于,所述装置包括:
接收单元,配置用于接收客户端发送的预测信息查询请求,其中,所述预测信息查询请求包括目标产品的特征信息;
获取单元,配置用于获取所述目标产品的运营数据,从所述运营数据和所述特征信息中提取与所述目标产品匹配的特征向量;
第一确定单元,配置用于基于所述特征向量和预先训练的竞争力值预测模型,确定所述目标产品的竞争力值和竞争力值排名,其中,所述竞争力值基于所述目标产品的历史销量与历史访问量的比值确定,所述竞争力值预测模型基于将与产品匹配的特征向量作为输入,所确定的所述产品的竞争力值作为输出训练得到;
第二确定单元,配置用于获取所述目标产品的原竞争力值和原竞争力值排名,根据所述目标产品的竞争力值、竞争力值排名、原竞争力值和原竞争力值排名,确定比例系数,包括:若确定所述目标产品的竞争力值排名与所述目标产品的原竞争力值排名不相等,从产品类别与所述目标产品的产品类别相同的产品中确定至少一个关联产品,基于所述至少一个关联产品的竞争力值总和、所述目标产品的竞争力值与所述目标产品的原竞争力值确定所述比例系数;
第一生成单元,配置用于根据所述比例系数和所述目标产品的竞争力值,生成预测信息;
推送单元,配置用于将所述预测信息推送至所述客户端。
11.根据权利要求10所述的预测信息推送装置,其特征在于,所述装置还包括:
训练单元,配置用于每隔预设时间间隔,执行如下步骤:获取多个产品的运营数据,其中,每一个产品的运营数据包括历史访问量和历史销量;基于所获取的历史访问量和历史销量,确定各个产品的竞争力值;从运营数据中提取与各个产品匹配的特征向量;将所提取的特征向量作为输入、所确定的竞争力值作为输出,训练竞争力值预测模型。
12.根据权利要求11所述的预测信息推送装置,其特征在于,所述装置还包括:
排序单元,配置用于按照竞争力值由大到小的顺序,对各个产品的竞争力值进行排序,以确定各个产品的竞争力值排名。
13.根据权利要求12所述的预测信息推送装置,其特征在于,所述第二确定单元,包括:
关联产品确定模块,配置用于响应于所述目标产品的竞争力值排名与所述目标产品的原竞争力值排名不相等,根据所述目标产品的竞争力值排名和所述目标产品的原竞争力值排名的大小关系,从所述多个产品中确定至少一个关联产品;
求和模块,配置用于将关联产品的竞争力值求和得到关联产品的竞争力值总和;
比例系数确定模块,配置用于基于所述竞争力值总和、所述目标产品的竞争力值和所述目标产品的原竞争力值,确定比例系数。
14.根据权利要求13所述的预测信息推送装置,其特征在于,所述关联产品确定模块,包括:
第一关联产品确定子模块,配置用于响应于所述目标产品的竞争力值排名小于所述目标产品的原竞争力值排名,获取预设的第一数值,将所述多个产品中排名为所述目标产品的竞争力值排名减所述第一数值至所述目标产品的原竞争力值排名加所述第一数值的产品确定为关联产品;
第二关联产品确定子模块,配置用于响应于所述目标产品的竞争力值排名大于所述目标产品的原竞争力值排名,获取预设的第二数值,将所述多个产品中排名为所述目标产品的原竞争力值排名减所述第二数值至所述目标产品的竞争力值排名加所述第二数值的产品确定为关联产品。
15.根据权利要求10-14之一所述的预测信息推送装置,其特征在于,所述第二确定单元进一步配置用于:
响应于所述目标产品的竞争力值排名与所述目标产品的原竞争力值排名相等,确定所述比例系数为1。
16.根据权利要求13-14之一所述的预测信息推送装置,其特征在于,所述装置还包括:
第二生成单元,配置用于对于每一个关联产品,根据所述比例系数和该关联产品的竞争力值,生成与该关联产品匹配的预测信息;
第三生成单元,配置用于对于所述多个产品中除所述目标产品、关联产品以外的各个产品中的每一个产品,根据所述比例系数和该产品的竞争力值,生成与该产品匹配的预测信息。
17.根据权利要求10所述的预测信息推送装置,其特征在于,所述第一生成单元进一步配置用于:
确定在第一预设时长内所述目标产品的日平均访问量;
基于所述目标产品的竞争力值、所述比例系数以及所述日平均访问量,生成与所述目标产品匹配的预测信息。
18.根据权利要求17所述的预测信息推送装置,其特征在于,所述预测信息查询请求还包括预测条件;以及
所述装置还包括:
第三确定单元,配置用于将所生成的与所述目标产品匹配的预测信息确定为第一预测信息;
第四生成单元,配置用于响应于所述预测条件指示预测日是周末且不是法定节假日,确定在第二预设时长内的第一历史销量和第二历史销量;将所述第二历史销量与所述第一历史销量的比值确定为第一环比系数;基于所述第一环比系数和所述第一预测信息,重新生成与所述目标产品匹配的预测信息;
第五生成单元,配置用于响应于所述预测条件指示预测日是法定节假日,确定在第三预设时长内的第三历史销量和第四历史销量;将所述第四历史销量与所述第三历史销量的比值确定为第二环比系数;基于所述第二环比系数和所述第一预测信息,重新生成所述目标产品匹配的销量信息。
19.一种服务器,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-9中任一所述的方法。
20.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-9中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610985344.1A CN108074003B (zh) | 2016-11-09 | 2016-11-09 | 预测信息推送方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610985344.1A CN108074003B (zh) | 2016-11-09 | 2016-11-09 | 预测信息推送方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108074003A CN108074003A (zh) | 2018-05-25 |
CN108074003B true CN108074003B (zh) | 2021-11-12 |
Family
ID=62153935
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610985344.1A Active CN108074003B (zh) | 2016-11-09 | 2016-11-09 | 预测信息推送方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108074003B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109389473A (zh) * | 2018-10-10 | 2019-02-26 | 深圳市心版图科技有限公司 | 基于苗木交易平台中采购单的推送方法及终端、存储介质 |
CN113065882A (zh) * | 2020-01-02 | 2021-07-02 | 阿里巴巴集团控股有限公司 | 一种商品处理方法、装置及电子设备 |
CN113744018A (zh) * | 2020-11-23 | 2021-12-03 | 北京沃东天骏信息技术有限公司 | 物品信息推送方法及装置、计算机可存储介质 |
CN113298552A (zh) * | 2020-12-02 | 2021-08-24 | 阿里巴巴集团控股有限公司 | 数据处理方法、服务器及存储介质 |
CN112651773A (zh) * | 2020-12-21 | 2021-04-13 | 思创数码科技股份有限公司 | 行业竞争力分析方法、装置、设备和计算机可读存储介质 |
CN112819533A (zh) * | 2021-01-29 | 2021-05-18 | 深圳脉腾科技有限公司 | 信息推送方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8706451B1 (en) * | 2006-12-15 | 2014-04-22 | Oracle America, Inc | Method and apparatus for generating a model for an electronic prognostics system |
CN104700152A (zh) * | 2014-10-22 | 2015-06-10 | 浙江中烟工业有限责任公司 | 一种融合季节销售信息与搜索行为信息的烟草销量预测方法 |
CN104850898A (zh) * | 2015-03-11 | 2015-08-19 | 佛山职业技术学院 | 一种制造业预测逻辑订单生成方法 |
CN105469263A (zh) * | 2014-09-24 | 2016-04-06 | 阿里巴巴集团控股有限公司 | 一种商品推荐方法及装置 |
CN105976199A (zh) * | 2016-04-26 | 2016-09-28 | 重庆大学 | 一种基于混合模型的医药销量的预测方法及系统 |
-
2016
- 2016-11-09 CN CN201610985344.1A patent/CN108074003B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8706451B1 (en) * | 2006-12-15 | 2014-04-22 | Oracle America, Inc | Method and apparatus for generating a model for an electronic prognostics system |
CN105469263A (zh) * | 2014-09-24 | 2016-04-06 | 阿里巴巴集团控股有限公司 | 一种商品推荐方法及装置 |
CN104700152A (zh) * | 2014-10-22 | 2015-06-10 | 浙江中烟工业有限责任公司 | 一种融合季节销售信息与搜索行为信息的烟草销量预测方法 |
CN104850898A (zh) * | 2015-03-11 | 2015-08-19 | 佛山职业技术学院 | 一种制造业预测逻辑订单生成方法 |
CN105976199A (zh) * | 2016-04-26 | 2016-09-28 | 重庆大学 | 一种基于混合模型的医药销量的预测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108074003A (zh) | 2018-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108074003B (zh) | 预测信息推送方法和装置 | |
CN108805594B (zh) | 信息推送方法和装置 | |
CN111125574B (zh) | 用于生成信息的方法和装置 | |
CN106897905B (zh) | 用于推送信息的方法、装置及电子设备 | |
EP4242955A1 (en) | User profile-based object recommendation method and device | |
CN107517251B (zh) | 信息推送方法和装置 | |
CN108810047B (zh) | 用于确定信息推送准确率的方法、装置及服务器 | |
CN105488163A (zh) | 信息推送方法和装置 | |
CN113095893A (zh) | 确定物品销量的方法和装置 | |
CN110866040A (zh) | 用户画像生成方法、装置和系统 | |
CN113763019A (zh) | 一种用户信息管理方法和装置 | |
CN110866625A (zh) | 促销指标信息生成方法和装置 | |
WO2022156589A1 (zh) | 一种直播点击率的确定方法和装置 | |
CN113793081A (zh) | 仓储监控方法、装置、计算机可读介质及电子设备 | |
CN114663015A (zh) | 补货方法和装置 | |
CN109978594B (zh) | 订单处理方法、装置及介质 | |
CN112749323A (zh) | 一种构建用户画像的方法和装置 | |
CN110232620B (zh) | 商户标签确定方法、装置、电子设备及可读存储介质 | |
CN111325614B (zh) | 电子对象的推荐方法、装置和电子设备 | |
CN117193980A (zh) | 任务剩余时长的计算方法和装置 | |
CN113822734A (zh) | 用于生成信息的方法和装置 | |
CN113378043A (zh) | 用户筛选的方法和装置 | |
CN113743973A (zh) | 分析市场热点趋势的方法和装置 | |
CN113743636B (zh) | 一种目标操作预测方法、装置、电子设备及存储介质 | |
CN111723274A (zh) | 用于处理信息的方法和装置 |
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 |