CN109598588A - 一种基于大数据分析的在线商品展示方法 - Google Patents
一种基于大数据分析的在线商品展示方法 Download PDFInfo
- Publication number
- CN109598588A CN109598588A CN201811474523.4A CN201811474523A CN109598588A CN 109598588 A CN109598588 A CN 109598588A CN 201811474523 A CN201811474523 A CN 201811474523A CN 109598588 A CN109598588 A CN 109598588A
- Authority
- CN
- China
- Prior art keywords
- commodity
- user
- alternative
- recommendation
- calculates
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0623—Item investigation
- G06Q30/0625—Directed, with specific intent or strategy
- G06Q30/0629—Directed, with specific intent or strategy for generating comparisons
-
- 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]
- G06Q30/0631—Item recommendations
-
- 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]
- G06Q30/0641—Shopping interfaces
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据分析的在线商品展示方法,包括商品展示装置、数据存储装置、数据处理装置,所述数据存储装置内存储有商品信息和用户购物信息,所述商品信息包括有品牌、型号、上市日期、活动信息、关键字,数据处理装置计算出推荐值,并按照推荐值进行排列展示,将最热门、最受欢迎的商品展示给用户。通过设置活动商品展示区,让用户可以方便的了解到最新最热门的活动商品。通过设置新品展示区,配合推荐值筛选出商品,方便向用户展示出最热门的新上市商品,同时能够有效避免马太效应,为新上市的产品提供展示的机会。通过筛选出优质真实的用户和疑似刷单用户、机器人用户,提高了推荐值的真实性和准确性。
Description
技术领域
本发明涉及一种在线商品展示方法,具体涉及一种基于大数据分析的在线商品展示方法。
背景技术
随着互联网的兴起,线上购物逐渐占据主流,对于线上销售来说,商品的排序和展示是提升销量的重中之重,通常排位靠前的商品被选择的几率也就更大,而位置靠后的商品展示的机会也就越小,继而影响销售。
如此下去,容易形成马太效应,不利于整个电商的发展,而现有的在线商品展示方法,通常是根据用户搜索的内容,对商品进行筛选,在由客户根据自己的喜好,选择价格、物流、评价、销量等因素进行排列,商户为了抢占前排资源,进而滋生了刷单、虚假销售的问题,用户在选择时,不能得到真实有效的数据,导致购物体验不佳。
发明内容
为了解决上述的技术问题,本发明的目的在于提供一种基于大数据分析的在线商品展示方法。
本发明所要解决的技术问题为:
(1)如何给用户展示最受欢迎的产品。
(2)如何避免马太效应。
(3)如何减少无效的数据对排序展示的影响。
本发明的目的可以通过以下技术方案实现:
一种基于大数据分析的在线商品展示方法,包括商品展示装置、数据存储装置、数据处理装置,所述数据存储装置内存储有商品信息和用户购物信息,所述商品信息包括有品牌、型号、上市日期、活动信息、关键字,所述数据处理装置用于处理商品信息并对商品进行排列展示;
所述数据处理装置排列展示商品的步骤如下:
步骤一:根据用户搜索的商品信息筛选出所有包含该商品信息的商品作为备选商品;
步骤二:按成交量从大至小对备选商品进行排序,并将前N个备选商品排名R分别记为1、2、……N,再通过单项评分公式其中N≥25,计算前N个商品各自的成交量评分S成;
步骤三:按好评率从大至小对备选商品进行排序,并将前N个备选商品排名R分别记为1、2、……N,再通过步骤二中所述单项评分公式计算前N个商品各自的好评率评分S好;
步骤四:按回购率从大至小对备选商品进行排序,并将前N个备选商品排名R分别记为1、2、……N,再通过步骤二中所述单项评分公式,计算前N个商品各自的回购率评分S回;
步骤五:按浏览量从大至小对备选商品进行排序,并将前N个备选商品排名R分别记为1、2、……N,再通过步骤二中所述单项评分公式,计算前N个商品各自的浏览量评分S浏;
步骤六:按收藏量从大至小对备选商品进行排序,并将前N个备选商品排名R分别记为1、2、……N,再通过步骤二中所述单项评分公式,计算前N个商品各自的收藏量评分S收;
步骤七:根据推荐值计算公式W=0.35*S成+0.25S好+0.15S回+0.1S收+0.1S浏计算出每个备选商品的推荐值W;
步骤八:按照推荐值从大至小将N个商品从上至下排列展示在商品展示装置的搜索结果展示页面上,作为搜索展示商品,并以每十个相邻的商品为一组进行分组,在第一组和第二组之间设置有活动商品展示区,且活动商品展示区展示两个活动商品,在第二组和第三组之间设置有新品展示区,且新品展示区内展示两个新上市商品,所述活动商品根据活动信息是否匹配从备选商品中筛选得出,所述新上市商品从上市日期不超过一个月的备选商品中选出。将搜索展示商品、活动商品展示区内的活动商品,新品展示区内的新上市商品记录在已展示商品中;
用户选择浏览下一页时,从备选商品中删除已展示商品后,重复步骤二至八。
同时数据处理装置根据用户购物信息将用户分成优质用户,普通用户和可疑用户,所述数据处理装置将用户分类的步骤如下:
(1)在用户搜索商品时,记录开始浏览商品至付款的时长,并记录浏览同类商品的数量,记录在购物信息中;
(2)统计用户一年内所有购买商品中付款时长小于五分钟的订单占比;
(3)统计用户一年内所有浏览同类商品数量小于三个的订单占比;
(4)根据用户购物信息分析用户一年内的商品文字评价,对内容进行查重,计算出商品文字评价内容重复次数超过10次的评价的占比;
(5)将付款时长小于五分钟的订单占比、浏览同类商品数量小于三个的订单占比、商品文字评价内容重复次数超过10次的评价的占比均小于30%的用户作为优质用户;
(6)将付款时长小于五分钟的订单占比、浏览同类商品数量小于三个的订单占比、商品文字评价内容重复次数超过10次的评价的占比中任意一项大于30%的用户作为普通用户;
(7)将付款时长小于五分钟的订单占比、浏览同类商品数量小于三个的订单占比、商品文字评价内容重复次数超过10次的评价的占比中两项以上大于30%或任意一项超过90%的用户作为可疑用户。
进一步的,所述好评率由好评数除以总评价数得到,其中好评数的计算方法为C=1.2*优质用户的好评数+普通用户的好评数+0.2*可疑用户的好评数。
进一步的,所述回购率由多次购买的优质用户数与多次购买的普通用户数之和除以总用户数得到。
进一步的,所述活动商品展示区选择活动商品的步骤如下:
1)根据活动信息筛选出匹配的商品;
2)将1)中得到的商品按排列展示商品的步骤二至八计算,算出各活动商品的推荐值W活,选择W活排名第一和第二的商品作为活动商品。
进一步的,所述新品展示区选择新上市商品的步骤如下:
A.根据上市日期筛选出匹配的商品;
B.将A中得到的商品按排列展示商品的步骤二至八计算,算出各新上市商品的推荐值W新,选择W新排名第一和第二的商品作为新上市商品,且同一商品同时符合新商品和活动商品时,该商品只展示在活动商品展示区。
本发明的有益效果:
(1)数据处理装置通过单项评分公式结合大数据计算出直接表现商品热门程度的参数的评分,再通过推荐值计算公式计算出推荐值,并按照推荐值进行排列展示,将最热门、最受欢迎的商品展示给用户。
(2)通过设置活动商品展示区,配合推荐值筛选出商品,让用户可以方便的了解到最新最热门的活动商品。
(3)通过设置新品展示区,配合推荐值筛选出商品,方便向用户展示出最热门的新上市商品,同时能够有效避免马太效应,为新上市的产品提供展示的机会。
(4)通过数据处理装置将用户分类,筛选出优质真实的用户,并增加这部分用户对于推荐值影响的权重,同时筛选出疑似刷单用户、机器人用户,并减小这部分用户对于推荐值影响的权重,提高了推荐值的真实性和准确性。
具体实施方式
下面将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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
本实施例提供了一种基于大数据分析的在线商品展示方法,包括商品展示装置、数据存储装置、数据处理装置,数据存储装置内存储有商品信息和用户购物信息,包括详细的购物记录,商品信息包括有品牌、型号、上市日期、活动信息、关键字,数据处理装置用于处理商品信息并对商品进行排列展示,同时数据处理装置根据用户购物信息将用户分成优质用户,购买过程认真,评价认真,其数据更加可靠,普通用户和可疑用户,可疑用户为疑似机器人或刷单用户;
数据处理装置排列展示商品的步骤如下:
步骤一:根据用户搜索的商品信息筛选出所有包含该商品信息的商品作为备选商;通常用户搜索时,描述不是很准确,因此商品信息内需要包含多种参数,不仅可以根据准确的参数进行筛选,也可根据关键字进行筛选,关键字可描述商品,如在搜索时输入同款、除湿、冬季、2018等,都可以作为关键字,方便用户搜索。
步骤二:按成交量从大至小对备选商品进行排序,并将前N个备选商品排名R分别记为1、2、……N,再通过单项评分公式其中N≥25,计算前N个商品各自的成交量评分S成;根据各个商品的成交量的大小进行排序,并按照排名给于分数,排名越高,分数越多。如选择前25个备选商品,则排名为1-25,第一名对应的R=1,则S成=1000,第二名对应的S成=960。
步骤三:按好评率从大至小对备选商品进行排序,并将前N个备选商品排名R分别记为1、2、……N,再通过步骤二中单项评分公式计算前N个商品各自的好评率评分S好;好评率由好评数除以总评价数得到,其中好评数的计算方法为C=1.2*优质用户的好评数+普通用户的好评数+0.2*可疑用户的好评数。降低可疑用户对于好评率的影响,增加优质用户对好评率的影响,根据各个商品的好评率的大小进行排序,并按照排名给于分数,排名越高,分数越多。
步骤四:按回购率从大至小对备选商品进行排序,并将前N个备选商品排名R分别记为1、2、……N,再通过步骤二中单项评分公式,计算前N个商品各自的回购率评分S回,回购率由多次购买的优质用户数与多次购买的普通用户数之和除以总用户数得到,可减小多次刷单对评分的影响。
步骤五:按浏览量从大至小对备选商品进行排序,并将前N个备选商品排名R分别记为1、2、……N,再通过步骤二中单项评分公式,计算前N个商品各自的浏览量评分S浏;
步骤六:按收藏量从大至小对备选商品进行排序,并将前N个备选商品排名R分别记为1、2、……N,再通过步骤二中单项评分公式,计算前N个商品各自的收藏量评分S收;
步骤七:根据推荐值计算公式W=0.35*S成+0.25S好+0.15S回+0.1S收+0.1S浏计算出每个备选商品的推荐值W;通过对各个参数加权,调节参数的占比,进一步提升推荐值的准确性。
步骤八:按照推荐值从大至小将N个商品从上至下排列展示在商品展示装置的搜索结果展示页面上,作为搜索展示商品,并以每十个相邻的商品为一组进行分组,第一名至第十名为第一组,第十一名至第二十名为第二组,后面以此类推,在第一组和第二组之间设置有活动商品展示区,活动商品根据活动信息是否匹配从备选商品中筛选得出,使活动商品位于第十名后,位置较靠前,在活动时间内展示活动商品,若没活动则不展示任何商品,且活动商品展示区展示两个活动商品,活动商品展示区选择活动商品的步骤如下:
3)根据活动信息筛选出匹配的商品;
4)将1)中得到的商品按排列展示商品的步骤二至八计算,算出各活动商品的推荐值W活,选择W活排名第一和第二的商品作为活动商品。
在第二组和第三组之间设置有新品展示区,且新品展示区内展示两个新上市商品,新上市商品从上市日期不超过一个月的备选商品中选出,将搜索展示商品、活动商品展示区内的活动商品,新品展示区内的新上市商品记录在已展示商品中;新品展示区选择新上市商品的步骤如下:
A.根据上市日期筛选出匹配的商品;
B.将A中得到的商品按排列展示商品的步骤二至八计算,算出各新上市商品的推荐值W新,选择W新排名第一和第二的商品作为新上市商品,且同一商品同时符合新商品和活动商品时,该商品只展示在活动商品展示区,防止内容重复。
用户选择浏览下一页时,从备选商品中删除已展示商品后,重复步骤二至八。下一页不会显示以展示过的商品,防止重复展示。
数据处理装置将用户分类的步骤如下:
(1)在用户搜索商品时,记录开始浏览商品至付款的时长,并记录浏览同类商品的数量,记录在购物信息中;
(2)统计用户一年内所有购买商品中付款时长小于五分钟的订单占比,普通用户每个商品的购买时间较长,而刷单和机器人用户则耗时较短;
(3)统计用户一年内所有浏览同类商品数量小于三个的订单占比;普通用户通常会货比三家,做过比较后再购买,而刷单和机器人用户会因为效率原因,直接搜索购买,不进行比较。
(4)根据用户购物信息分析用户一年内的商品文字评价,对内容进行查重,计算出商品文字评价内容重复次数超过10次的评价的占比;机器人和刷单用户通常使用同样的评价,重复性很高。
(5)将付款时长小于五分钟的订单占比、浏览同类商品数量小于三个的订单占比、商品文字评价内容重复次数超过10次的评价的占比均小于30%的用户作为优质用户;从三方面考虑,这部分用户的数据较为可靠,应适当增加权重。
(6)将付款时长小于五分钟的订单占比、浏览同类商品数量小于三个的订单占比、商品文字评价内容重复次数超过10次的评价的占比中任意一项大于30%的用户作为普通用户;
(7)将付款时长小于五分钟的订单占比、浏览同类商品数量小于三个的订单占比、商品文字评价内容重复次数超过10次的评价的占比中两项以上大于30%或任意一项超过90%的用户作为可疑用户,对于这部分用户,应当减小数据使用的权重。
本实施例的具体工作过程如下:首先先对用户进行分类,通过记录用户搜索内容、消费的时长以及评价重复程度,从三方面来考察用户购物的用心程度,且通常刷单用户和机器人从效率方面考虑,通常是直接购买,不进行商品的对比,同时使用重复性内容的好评,因此可通过记录用户搜索内容、消费的时长以及评价重复程度的比率来判定用户的质量。
再通过选择最直观展示商品热门程度的几个参数:成交量、好评率、回购率、浏览量、收藏量,并分别根据这些参数将商品排序,并给于评分,最终通过对各个参数进行加权求和,得到推荐值W,并按照推荐值W的大小进行排列展示,其中成交量和好评率占的权重较大,同时对于回购率和好评率的数据采集时,通过用户分类对数据进行筛选,降低无效数据对推荐值W的影响,同时增加真实有效数据对推荐值W的影响,进而提升推荐值W的准确性和真实性。
为了方便促销活动的开展,方便活动商品的销售,设置有活动商品展示区,同样使用推荐值W进行排序,在活动期间,最热门的活动商品在此处展示,方便用户购买。
为了避免马太效应,增加新上市商品的宣传机会,设置了新品展示区,同样使用推荐值W进行排序,将最热门的新商品在这里展示,展示位置处于中间位置,对用户搜索结果的影响很少。
本发明的有益效果:
数据处理装置通过单项评分公式结合大数据计算出直接表现商品热门程度的参数的评分,再通过推荐值计算公式计算出推荐值,并按照推荐值进行排列展示,将最热门、最受欢迎的商品展示给用户。
通过设置活动商品展示区,配合推荐值筛选出商品,让用户可以方便的了解到最新最热门的活动商品。
通过设置新品展示区,配合推荐值筛选出商品,方便向用户展示出最热门的新上市商品,同时能够有效避免马太效应,为新上市的产品提供展示的机会。
通过数据处理装置将用户分类,筛选出优质真实的用户,并增加这部分用户对于推荐值影响的权重,同时筛选出疑似刷单用户、机器人用户,并减小这部分用户对于推荐值影响的权重,提高了推荐值的真实性和准确性。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (5)
1.一种基于大数据分析的在线商品展示方法,包括商品展示装置、数据存储装置、数据处理装置,其特征在于,所述数据存储装置内存储有商品信息和用户购物信息,所述商品信息包括有品牌、型号、上市日期、活动信息、关键字,所述数据处理装置用于处理商品信息并对商品进行排列展示;
所述数据处理装置排列展示商品的步骤如下:
步骤一:根据用户搜索的商品信息筛选出所有包含该商品信息的商品作为备选商品;
步骤二:按成交量从大至小对备选商品进行排序,并将前N个备选商品排名R分别记为1、2、……N,再通过单项评分公式其中N≥25,计算前N个商品各自的成交量评分S成;
步骤三:按好评率从大至小对备选商品进行排序,并将前N个备选商品排名R分别记为1、2、……N,再通过步骤二中所述单项评分公式计算前N个商品各自的好评率评分S好;
步骤四:按回购率从大至小对备选商品进行排序,并将前N个备选商品排名R分别记为1、2、……N,再通过步骤二中所述单项评分公式,计算前N个商品各自的回购率评分S回;
步骤五:按浏览量从大至小对备选商品进行排序,并将前N个备选商品排名R分别记为1、2、……N,再通过步骤二中所述单项评分公式,计算前N个商品各自的浏览量评分S浏;
步骤六:按收藏量从大至小对备选商品进行排序,并将前N个备选商品排名R分别记为1、2、……N,再通过步骤二中所述单项评分公式,计算前N个商品各自的收藏量评分S收;
步骤七:根据推荐值计算公式W=0.35*S成+0.25S好+0.15S回+0.1S收+0.1S浏计算出每个备选商品的推荐值W;
步骤八:按照推荐值从大至小将N个商品从上至下排列展示在商品展示装置的搜索结果展示页面上,作为搜索展示商品,并以每十个相邻的商品为一组进行分组,在第一组和第二组之间设置有活动商品展示区,且活动商品展示区展示两个活动商品,在第二组和第三组之间设置有新品展示区,且新品展示区内展示两个新上市商品,所述活动商品根据活动信息是否匹配从备选商品中筛选得出,所述新上市商品从上市日期不超过一个月的备选商品中选出,将搜索展示商品、活动商品展示区内的活动商品,新品展示区内的新上市商品记录在已展示商品中;
用户选择浏览下一页时,从备选商品中删除已展示商品后,重复步骤二至八;
同时所述数据处理装置根据用户购物信息将用户分成优质用户,普通用户和可疑用户,所述数据处理装置将用户分类的步骤如下:
(1)在用户搜索商品时,记录开始浏览商品至付款的时长,并记录浏览同类商品的数量,记录在购物信息中;
(2)统计用户一年内所有购买商品中付款时长小于五分钟的订单占比;
(3)统计用户一年内所有浏览同类商品数量小于三个的订单占比;
(4)根据用户购物信息分析用户一年内的商品文字评价,对内容进行查重,计算出商品文字评价内容重复次数超过10次的评价的占比;
(5)将付款时长小于五分钟的订单占比、浏览同类商品数量小于三个的订单占比、商品文字评价内容重复次数超过10次的评价的占比均小于30%的用户作为优质用户;
(6)将付款时长小于五分钟的订单占比、浏览同类商品数量小于三个的订单占比、商品文字评价内容重复次数超过10次的评价的占比中任意一项大于30%的用户作为普通用户;
(7)将付款时长小于五分钟的订单占比、浏览同类商品数量小于三个的订单占比、商品文字评价内容重复次数超过10次的评价的占比中两项以上大于30%或任意一项超过90%的用户作为可疑用户。
2.根据权利要求1所述的一种基于大数据分析的在线商品展示方法,其特征在于,所述好评率由好评数除以总评价数得到,其中好评数的计算方法为C=1.2*优质用户的好评数+普通用户的好评数+0.2*可疑用户的好评数。
3.根据权利要求1所述的一种基于大数据分析的在线商品展示方法,其特征在于,所述回购率由多次购买的优质用户数与多次购买的普通用户数之和除以总用户数得到。
4.根据权利要求1所述的一种基于大数据分析的在线商品展示方法,其特征在于,所述活动商品展示区选择活动商品的步骤如下:
1)根据活动信息筛选出匹配的商品;
2)将1)中得到的商品按排列展示商品的步骤二至八计算,算出各活动商品的推荐值W活,选择W活排名第一和第二的商品作为活动商品。
5.根据权利要求1所述的一种基于大数据分析的在线商品展示方法,其特征在于,所述新品展示区选择新上市商品的步骤如下:
A.根据上市日期筛选出匹配的商品;
B.将A中得到的商品按排列展示商品的步骤二至八计算,算出各新上市商品的推荐值W新,选择W新排名第一和第二的商品作为新上市商品,且同一商品同时符合新商品和活动商品时,该商品只展示在活动商品展示区。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811474523.4A CN109598588A (zh) | 2018-12-04 | 2018-12-04 | 一种基于大数据分析的在线商品展示方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811474523.4A CN109598588A (zh) | 2018-12-04 | 2018-12-04 | 一种基于大数据分析的在线商品展示方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109598588A true CN109598588A (zh) | 2019-04-09 |
Family
ID=65960918
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811474523.4A Pending CN109598588A (zh) | 2018-12-04 | 2018-12-04 | 一种基于大数据分析的在线商品展示方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109598588A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110070466A (zh) * | 2019-05-15 | 2019-07-30 | 赵烨 | 一种新型线上餐饮运营系统 |
CN110189188A (zh) * | 2019-04-15 | 2019-08-30 | 深圳平安综合金融服务有限公司 | 商品管理方法、装置、计算机设备及存储介质 |
CN110609963A (zh) * | 2019-08-09 | 2019-12-24 | 北京三快在线科技有限公司 | 推荐榜单生成方法及装置、电子设备及存储介质 |
CN110674107A (zh) * | 2019-08-30 | 2020-01-10 | 广西农业职业技术学院 | 一种数据筛分处理系统 |
CN111553762A (zh) * | 2020-04-24 | 2020-08-18 | 广州探途网络技术有限公司 | 提高搜索质量的方法、系统及终端设备 |
CN111652738A (zh) * | 2020-04-17 | 2020-09-11 | 世纪保众(北京)网络科技有限公司 | 一种基于用户行为权重的保险产品推荐的方法 |
CN113641893A (zh) * | 2021-07-15 | 2021-11-12 | 红毛猩猩(深圳)科技有限公司 | 基于用户画像深层解析技术的喜好推荐方法 |
CN113657766A (zh) * | 2021-08-18 | 2021-11-16 | 深圳华侨城创新研究院有限公司 | 一种基于游客多元数据的旅游景区欢乐指数的计量方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130110602A1 (en) * | 2011-10-31 | 2013-05-02 | Lg Electronics Inc. | Mobile terminal and method of providing social commerce service therein using sns |
CN106204157A (zh) * | 2016-07-24 | 2016-12-07 | 广东聚联电子商务股份有限公司 | 一种基于大数据采集与分析的刷单评价行为处理方法 |
CN106600302A (zh) * | 2015-10-19 | 2017-04-26 | 玺阅信息科技(上海)有限公司 | 基于Hadoop的商品推荐系统 |
CN108230071A (zh) * | 2016-12-21 | 2018-06-29 | 天脉聚源(北京)科技有限公司 | 一种互联网商城展示商品的方法和系统 |
CN108595668A (zh) * | 2018-04-28 | 2018-09-28 | 深圳春沐源控股有限公司 | 一种商品的自动排序方法、装置及计算机可读存储介质 |
-
2018
- 2018-12-04 CN CN201811474523.4A patent/CN109598588A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130110602A1 (en) * | 2011-10-31 | 2013-05-02 | Lg Electronics Inc. | Mobile terminal and method of providing social commerce service therein using sns |
CN106600302A (zh) * | 2015-10-19 | 2017-04-26 | 玺阅信息科技(上海)有限公司 | 基于Hadoop的商品推荐系统 |
CN106204157A (zh) * | 2016-07-24 | 2016-12-07 | 广东聚联电子商务股份有限公司 | 一种基于大数据采集与分析的刷单评价行为处理方法 |
CN108230071A (zh) * | 2016-12-21 | 2018-06-29 | 天脉聚源(北京)科技有限公司 | 一种互联网商城展示商品的方法和系统 |
CN108595668A (zh) * | 2018-04-28 | 2018-09-28 | 深圳春沐源控股有限公司 | 一种商品的自动排序方法、装置及计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
纪淑娴著: "《信任 电子商务的基石C2C电子商务市场信任机制分析》", 30 April 2010, 西南交通大学出版社 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110189188A (zh) * | 2019-04-15 | 2019-08-30 | 深圳平安综合金融服务有限公司 | 商品管理方法、装置、计算机设备及存储介质 |
CN110070466A (zh) * | 2019-05-15 | 2019-07-30 | 赵烨 | 一种新型线上餐饮运营系统 |
CN110609963A (zh) * | 2019-08-09 | 2019-12-24 | 北京三快在线科技有限公司 | 推荐榜单生成方法及装置、电子设备及存储介质 |
CN110609963B (zh) * | 2019-08-09 | 2022-08-26 | 北京三快在线科技有限公司 | 推荐榜单生成方法及装置、电子设备及存储介质 |
CN110674107A (zh) * | 2019-08-30 | 2020-01-10 | 广西农业职业技术学院 | 一种数据筛分处理系统 |
CN111652738A (zh) * | 2020-04-17 | 2020-09-11 | 世纪保众(北京)网络科技有限公司 | 一种基于用户行为权重的保险产品推荐的方法 |
CN111553762A (zh) * | 2020-04-24 | 2020-08-18 | 广州探途网络技术有限公司 | 提高搜索质量的方法、系统及终端设备 |
CN113641893A (zh) * | 2021-07-15 | 2021-11-12 | 红毛猩猩(深圳)科技有限公司 | 基于用户画像深层解析技术的喜好推荐方法 |
CN113657766A (zh) * | 2021-08-18 | 2021-11-16 | 深圳华侨城创新研究院有限公司 | 一种基于游客多元数据的旅游景区欢乐指数的计量方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109598588A (zh) | 一种基于大数据分析的在线商品展示方法 | |
CN103793388B (zh) | 搜索结果的排序方法和装置 | |
JP5456412B2 (ja) | コミュニティに基づく広告語あいまいさ除去システム及び方法 | |
CN108573432B (zh) | 用于电子商务的交易监管系统和方法 | |
CN106469392A (zh) | 选择及推荐展示对象的方法及装置 | |
CN101887437A (zh) | 一种搜索结果生成方法及信息搜索系统 | |
CN105138690B (zh) | 确定关键词的方法和装置 | |
CN106980999A (zh) | 一种用户推荐的方法和设备 | |
CN106651418A (zh) | 针对电商满减活动的凑单商品推荐的方法 | |
CN110020128A (zh) | 一种搜索结果排序方法及装置 | |
CN103136311B (zh) | 付费搜索中的投标和预算分配的联合优化 | |
CN113744016B (zh) | 一种对象推荐方法及装置、设备、存储介质 | |
CN110378770A (zh) | 一种电商运营选款推荐的方法及装置 | |
CN108595668A (zh) | 一种商品的自动排序方法、装置及计算机可读存储介质 | |
CN107808300A (zh) | 一种基于无线领域营销平台的广告推送系统及推送方法 | |
CN117455632B (zh) | 一种基于大数据的电商选品分析管理平台 | |
Wang et al. | Price discount and price dispersion in online market: do more firms still lead to more competition? | |
CN109615460A (zh) | 凑单商品的选择方法和选择系统 | |
CN111932339A (zh) | 基于消费群体的商品推荐方法、系统及计算机存储介质 | |
CN106844402A (zh) | 数据处理方法及装置 | |
CN116611796B (zh) | 一种店铺交易数据的异常检测方法及装置 | |
CN114493435A (zh) | 选品方法、选品系统和电子设备 | |
CN113256372A (zh) | 一种基于电子商务的商品销售系统和方法 | |
Yang et al. | Assessing competitiveness of foreign and local supermarket chains in Vietnamese market by using Fuzzy TOPSIS method | |
Mukaffi et al. | Competitive Strategy for Micro, Small Business and Medium Food Industry Sector |
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: 20190409 |
|
RJ01 | Rejection of invention patent application after publication |