CN109685540A - 电商平台及其商品促销控制方法、设备、可读存储介质 - Google Patents

Abstract

本发明公开了一种商品促销控制方法，商品促销控制方法包括以下步骤：通过电商平台的预设埋点，统计目标用户账户购物车中各待支付商品的浏览次数；根据浏览次数，确定各待支付商品的购买概率；确定各待支付商品中购买概率大于或等于预设阈值的目标商品；根据各目标商品的购买概率，对各目标商品执行对应的促销调整方案。本发明还公开了一种电商平台、商品促销控制设备、可读存储介质。本发明旨在提高购物车中商品的转化率，促进交易的完成，提高交易量。

Description

电商平台及其商品促销控制方法、设备、可读存储介质

技术领域

本发明涉电子商务领域，尤其涉及一种商品促销控制方法、电商平台、商品促销控制设备以及可读存储介质。

背景技术

随着互联网技术的快速发展，越来越多的用户采用网上购物的方式。在大多的电商平台上，用户浏览需求的商品，对所浏览的商品有购买意向时可将商品添加至购物车，对购物车中的商品进行结算后便可完成整个网上购物的过程。

然而，由于各种复杂因素的影响，用户将商品添加至购物车后并没有进行结算。目前电商平台并没有对用户的此行为进行主动干预，可能造成商品一直停留在购物车中，并没有转化为真正的购买行为。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种商品促销控制方法，旨在提高购物车中商品的转化率，促进交易的完成，提高交易量。

为实现上述目的，本发明提供一种商品促销控制方法，所述商品促销控制方法包括以下步骤：

通过电商平台的预设埋点，统计目标用户账户购物车中各待支付商品的浏览次数；

根据所述浏览次数，确定各待支付商品的购买概率；

确定各待支付商品中购买概率大于或等于预设阈值的目标商品；

根据各目标商品的购买概率，对各目标商品执行对应的促销调整方案。

可选地，所述根据所述浏览次数，确定各待支付商品的购买概率的步骤包括：

获取各待支付商品的当前价格和目标用户过去预设时长内的历史购物记录；

根据历史购物记录，确定目标用户对各种类型商品的心理预期价格；

根据各待支付商品的类型和所述心理预期价格，获取目标用户对各待支付商品的价格预期值；

根据各待支付商品的价格预期值、当前价格和浏览次数，确定各待支付商品的购买概率。

可选地，所述根据历史购物记录，确定目标用户对各种类型商品的心理预期价格的步骤包括：

在所述历史购物记录中，获取目标用户完成交易的各种类型商品的历史成交价格；

统计所述完成交易的各种类型商品的历史成交价格在不同预设价格区间中历的概率分布；

选定分布概率最大的价格区间为目标价格区间；为目标价格区间；

根据分别在目标区间内的成交价格，确定目标用户对各种类型商品的心里预期价格。

可选地，所述根据各待支付商品的价格预期值、当前价格和浏览次数，确定各待支付商品的购买概率的步骤包括：

根据各待支付商品的价格预期值与当前价格之间的差值确定各待支付商品的购买概率的基准值，根据各待支付商品的浏览次数确定各待支付商品的购买概率的修正值；

根据各待支付商品的基准值和对应的修正值，确定各待支付商品的购买概率。

可选地，所述根据各目标商品的购买概率，对各目标商品执行对应的促销调整方案的步骤包括：

确定各目标商品的购买概率所处的概率区间；

根据确定的概率区间对各目标商品执行对应的促销调整方案。

可选地，所述根据各目标商品的购买概率，对各目标商品执行对应的促销调整方案的步骤之后，还包括：

在不同目标用户账户的购物车中，获取预设时间段内各目标商品的实际成交比例；

确定目标商品中实际成交比例小于或等于预设比例的二次促销商品；

在所述二次促销商品当前的促销调整方案的基础上，增加所述二次促销

商品的促销调整方案的种类。

可选地，所述根据各目标商品的购买概率，对各目标商品执行对应的促销调整方案的步骤之后，还包括：

在不同目标用户账户的购物车中，获取预设时间段内各目标商品的实际成交比例；

根据各目标商品的购买概率和所执行的促销调整方案分别确定各目标商品的目标成交比例；

确定各目标商品中实际成交比例和目标成交比例的差值大于或等于预设值的目标商品为异常商品，根据所述差值调整所述异常商品的购买概率。

此外，为实现上述目的，本发明还提供一种电商平台，所述电商平台包括：

监控模块，用于通过电商平台的预设埋点，统计目标用户账户购物车中各待支付商品的浏览次数；

分析模块，用于根据所述浏览次数，确定各待支付商品的购买概率；

筛选模块，用于确定各待支付商品中购买概率大于或等于预设阈值的目标商品；

调整模块，用于根据各目标商品的购买概率，对各目标商品执行对应的促销调整方案。

此外，为实现上述目的，本发明还提供一种商品促销控制设备，所述商品促销控制设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的商品促销控制程序，所述商品促销控制程序被所述处理器执行时实现如上任一项所述的商品促销控制方法的步骤。

此外，为实现上述目的，本发明还提供一种可读存储介质，所述可读存储介质上存储有商品促销控制程序，所述商品促销控制程序被处理器执行时实现如上任一项所述的商品促销控制方法的步骤。

本发明实施例提出的一种商品促销控制方法，通过统计目标用户账户购物车中各待支付商品的浏览次数，根据浏览次数确定各待支付商品的购买概率，在购买概率大于或等于预设阈值时，表明用户有强烈的购买意愿，此时对购买概率大于或等于预设阈值的商品执行促销调整方案，有利于提高购物车中商品的转化率，促进交易的完成，提高交易量。

附图说明

图1是本发明实施例商品促销控制方法的第一流程示意图；

图2为本发明实施例商品促销控制方法的第二流程示意图；

图3为本发明实施例商品促销控制方法的第三流程示意图；

图4为本发明实施例商品促销控制方法的第四流程示意图；

图5为本发明实施例商品促销控制方法的第五流程示意图；

图6为本发明商品促销控制设备涉及的硬件运行环境的设备结构示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例的主要解决方案是：通过电商平台的预设埋点，统计目标用户账户购物车中各待支付商品的浏览次数；根据所述浏览次数，确定各待支付商品的购买概率；确定各待支付商品中购买概率大于或等于预设阈值的目标商品；根据各目标商品的购买概率，对各目标商品执行对应的促销调整方案。

由于现有技术中，对于用户将商品添加至购物车后没有成交的行为并没有主动干预，可能造成商品一直停留在购物车中，并没有转化为真正的购买行为。

本发明提供上述的解决方案，有利于提高购物车中商品的转化率，促进交易的完成，提高交易量。

在本发明实施例中，提出一种商品促销控制方法，如图1所示，该方法包括以下步骤：

步骤S10，通过电商平台的预设埋点，统计目标用户账户购物车中各待支付商品的浏览次数；

埋点指用于收集操作信息的数据收集脚本。目标用户可具体为在电商平台上注册有账户并使用该账户登录的用户。目标用户在电商平台购物的过程中，会登录自己的账户，基于不同的需要进行不同的操作，如搜索、浏览搜索页、浏览商品详情、收藏商品、添加至购物车等。目标用户将商品加入到其账户的购物车后，形成待支付商品。通过预设埋点可从目标用户的所有操作中，统计目标用户对其购物车中各待支付商品进行浏览操作的总次数作为浏览次数。这里的浏览操作可定义为目标用户点击购物车中的待支付商品相关的链接通道，进入目标商品的主页面，以查看该商品详细信息的操作行为。

在对某一待支付商品的浏览次数统计的过程中，从目标用户将该待支付商品加入购物车时定义浏览次数为0，在该待支付商品未成交之前，目标用户每对该待支付商品执行一次浏览操作，浏览次数便累加一次，累加得到的浏览次数即为该待支付商品当前的浏览次数。

步骤S20，根据所述浏览次数，确定各待支付商品的购买概率；

购买概率为可表征用户的购买意愿的大小，购买概率越大表示用户的购买意愿越大。大量搜集电商平台上用户的历史操作数据作为样本，对不同商品用户加入到购物车的次数、加入到购物车后的浏览次数、加入到购物车后成交与否、用户的成交价格等进行统计分析，预先建立用户购买概率与用户对购物车中商品的浏览次数之间的预设映射关系，预设映射关系可以为表格、公式的表现形式。

具体的，该预设映射关系可采用拟合公式y＝ax+b建立，其中，a，b为固定参数，通过上述样本的统计分析确定，x为上述的浏览次数，通过对预设埋点对目标用户在购物车中的操作监控得到的实时数值，y为购买概率，即用户加商品加入到购物车后，进行x次浏览后成交的概率值。需要说明的是，这里的拟合公式仅仅提供一种通过浏览次数计算购买概率的实施例，拟合公式还可根据不同的需求采取不同的数学模型拟合而具有不同的具体形式。此外，预设映射关系中，还可以一个浏览次数对应一个购买概率，采用表格的形式体现。

浏览次数越多，对应的购买概率越大。通过预设埋点得到各待支付商品的浏览次数和上述预先映射关系可确定各待支付商品的购买概率。例如，可将浏览次数代入y＝ax+b中计算得到购买概率y。

其中，不同的商品可具有不同的预设映射关系；还可将商品划分为不同的类型，如生活商品、美肤商品、电器商品、首饰商品、箱包商品等，不同类型的商品可具有不同的预设映射关系，因此可先确定各待支付商品的商品类型，根据各待支付商品的商品类型和浏览次数分别确定各待支付商品的购买概率。此外，还可将商品划分为不同的价格区间，不同的价格区间的商品具有不同的预设映射关系，因此可先确定各待支付商品的当前价格所在的价格区间，根据各待支付商品所处的价格区间分别获取对应的预设映射关系，根据各待支付商品的浏览次数和获取的对应的预设映射关系可确定各待支付商品的购买概率。

步骤S30，确定各待支付商品中购买概率大于或等于预设阈值的目标商品；

在确定各待支付商品的购买概率后，可分别判断所确定的购买概率是否大于或等于预设阈值，预设阈值可根据实际需求进行设置，如可设为0.5。在购买概率大于或等于预设阈值时，可认为用户对该待支付商品有较强烈的购买意愿。此时，可将购买概率大于或等于预设阈值的待支付商品作为目标商品。

步骤S40，根据各目标商品的购买概率，对各目标商品执行对应的促销调整方案。

促销调整方案可具体包括打折促销、满额减价促销、搭配购买减价促销、优惠券促销等多种类型。

若对不同购买概率的目标商品采取同种类型的促销调整方案，不同的购买概率可对应有不同优惠幅度的促销调整方案。例如同样采取打折促销，不同的购买概率可对应有不同的预设折扣，购买概率越大，对应的预设折扣可越大。通过各目标商品的购买概率确定相应的预设折扣，根据确定预设折扣分别下调目标商品的价格，定义预设折扣为Q％时，Q值范围为(0，100)，定义目标商品当前的价格为A，则下调后目标商品的价格A’＝A*(1-Q％)。

若对不同购买概率的目标商品采取不同类型的促销调整方案，则不同的购买概率可对应有不同的促销调整方案。

此外，不同类型或不同价格的目标商品也可应对应采用不同的促销调整方案。

在本发明实施例中，通过统计目标用户账户购物车中各待支付商品的浏览次数，根据浏览次数确定各待支付商品的购买概率，在购买概率大于或等于预设阈值时，表明用户有强烈的购买意愿，此时对购买概率大于或等于预设阈值的商品执行促销调整方案，有利于提高购物车中商品的转化率，促进交易的完成，提高交易量。

具体的，如图2所示，所述根据所述浏览次数，确定各待支付商品的购买概率的步骤包括：

步骤S21，获取各待支付商品的当前价格和目标用户过去预设时长内的历史购物记录；

各待支付商品的当前价格为在电商平台上提供给用户的成交价格。预设时长可具体为1个季度、1年、2年等，可根据实际需求进行设备。过去预设时长可具体从当前时刻开始计算。历史购物记录可具体包括目标用户所购买过的商品、每个成交商品的成交价格、购买的时间等。

步骤S22，根据历史购物记录，确定目标用户对各种类型商品的心理预期价格；

在所获取的历史购物记录中，可对目标用户所购买的商品进行分类，通过对同一类型的商品的成交价格进行统计分析，确定目标用户对该类型商品的心理预期价格。对目标用户所购买过的各种类型商品的成交价格进行统计分析，便得到目标用户对各种类型商品的心理预期价格。

步骤S23，根据各待支付商品的类型和所述心理预期价格，获取目标用户对各待支付商品的价格预期值；

确定目标用户对各种类型商品的心理预期价格后，通过确定目标用户当前购物车中各待支付商品的所述的类型，将各待支付的商品的类型与目标用户历史购物记录中的商品类型进行匹配，在目标用户历史购物记录中匹配一致的该类型商品的心理预期价格作为该待支付商品的价格预期值。

步骤S24，根据各待支付商品的价格预期值、当前价格和浏览次数，确定各待支付商品的购买概率。

由于价格预期值会随着目标用户购物的次数增多而不断变化，因而可在目标用户的历史购物记录中提取目标用户过去不同时刻各类商品的价格预期值、当前价格和浏览次数作为样本数据，通过对多个样本数据的分析拟合的到价格预期值、当前价格和浏览次数之间的拟合公式，通过拟合公式来计算各待支付商品的购买概率，如y＝Ax+B*p1+C*p2，其中A、B、C为通过对样本数据分析得到的固定参数，x为浏览次数，p1为当前价格，p2为价格预期值，y为购买概率。

此外，在确定购买概率时，可先将各待支付商品的当前价格与价格预期值的大小作比较，若当前价格大于或等于价格预期值，当前价格和价格预期值的差值与购买概率呈负相关，浏览次数与购买概率呈正相关，此时可根据差值和浏览次数计算购买概率；若当前价格小于价格预期值，则可只通过浏览次数计算购买概率。

具体的，所述根据各待支付商品的价格预期值、当前价格和浏览次数，确定各待支付商品的购买概率的步骤包括：

步骤S241，根据各待支付商品的价格预期值与当前价格之间的差值确定各待支付商品的购买概率的基准值，根据各待支付商品的浏览次数确定各待支付商品的购买概率的修正值；

步骤S242，根据各待支付商品的基准值和对应的修正值，确定各待支付商品的购买概率。

基于消费者的心理，各待支付商品的价格预期值与当前价格之间的差值对目标用户是否交易商品起决定性，两个价格值越接近，目标用户成交的可能性越大。因而，可通过差值计算购买概率的基准值，在购买概率的基础值的基础上，随着浏览次数增多，购买概率也增大，因而可通过浏览次数计算购买概率的修正值。

具体的，可采用y＝D*(p1-p2)+Q^x计算每个待支付商品的购买概率，其中，y为购买概率，D*(p1-p2)为购买概率的基准值，Q^x为购买概率的修正值，D、Q为通过大量数据样本分析得到的固定参数，p1为当前价格，p2为价格预期值，x为浏览次数。

通过上述方式，结合商品的价格预期值、当前价格和浏览次数来计算各待支付商品的购买概率，使所得到的各待支付商品的购买概率更为的准确，有利于即时为各待支付商品对应采用有效的促销调整方案，以提高目标用户中待支付商品的转化率。

具体的，如图3所示，所述根据历史购物记录，确定目标用户对各种类型商品的心理预期价格的步骤包括：

步骤S221，在所述历史购物记录中，获取目标用户完成交易的各种类型商品的历史成交价格；

在历史购物记录中，获取目标用户完成交易的各个商品及其成交价格。将完成交易的所有商品进行分类，将同类型商品的成交价格形成一个价格集合作为该类型商品的历史成交价格。

步骤S222，统计所述完成交易的各种类型商品的历史成交价格在不同预设价格区间中的概率分布；

可将成交价格划分为若干个连续的预设价格区间。不同类型商品所划分的预设价格区间可不同。确定完成交易的各类型商品历史成交价格中每个成交价格所处于的预设价格区间，通过预设价格区间中所分布有同类商品的成交价格的个数与该类型商品成交的总次数便可计算得到该类型商品在预设价格区间的分布概率，对不同类型商品在其对应的所有预设区间中的分布概率进行计算，便可得到不同类型商品的历史成交价格在不同预设价格区间中的概率分布。

步骤S223，选定分布概率最大的预设价格区间为目标价格区间；

将各类型商品中分布概率最大的预设价格区间作为该类型商品的目标价格区间；

步骤S224，根据分布在目标价格区间内的历史成交价格，确定目标用户对各种类型商品的心里预期价格。

每种类型商品中，将分布在该类型商品的目标价格区间内的所有历史成交价格计算均值，将均值作为目标用户对该类型商品的心理预期价格。

例如，A类型商品预设价格区间可划分为(1,150]，(150,450]，(450,700]，(700,+∞]，历史成交价格有150、220、250、278、600等，A类型商品的历史成交价格在上述预设价格区间的概率分布依次为1/5、3/5、1/5、0，则概率最大的预设区间为(150,450]，该区间内的所有历史成交价格为220、250、278，则计算得到均值为249.3，作为目标用户对A类型商品的心理预期价格。

通过上述方式，可排除目标用户在历史购物的过程中由于特殊原因会购买与其心理预期价格不符的商品的影响，得到准确的可反映目标用户实际心理需求的心理预期价格。

具体地，所述根据各目标商品的购买概率，对各目标商品执行对应的促销调整方案的步骤包括：

步骤S41，确定各目标商品的购买概率所处的概率区间；

步骤S42，根据确定的概率区间对各目标商品执行对应的促销调整方案。

不同的概率区间可对应有不同的促销调整方案。其中，可将大于或等于预设阈值的概率值划分为四个概率区间，概率从小到大依次为第一区间、第二区间和第三区间和第四区间。

在确定了每个目标商品的购买概率所处的概率区间后，将第一区间和第三区间中的目标商品进行搭配，采用搭配减价的促销调整方案，将第二区间中的目标商品采用满额减价的促销调整方法等，可对第四区间中的目标商品采用打折减价的促销调整方案。其中，随着概率区间中购买概率的增大，对应的促销调整方案的优惠力度越大。

通过上述方式，可对位于不同概率区间的目标商品采用不同的促销调整方案，以进一步提高目标商品的转化率。

进一步的，如图4所示，所述根据各目标商品的购买概率，对各目标商品执行对应的促销调整方案的步骤之后，还包括：

步骤S51，在不同目标用户账户的购物车中，获取预设时间段内各目标商品的实际成交比例；

步骤S52，确定目标商品中实际成交比例小于或等于预设比例的二次促销商品；

步骤S53，在所述二次促销商品当前的促销调整方案的基础上，增加所述

二次促销商品的促销调整方案的种类。

这里的预设时间段可根据实际需求进行设置，可具体为3天、一周、一个月等。在预设时间段内，同一种目标商品在不同目标用户的购物车中可在其购买概率大于或等于预设阈值时执行促销调整方案。在预设时间段内，定义该目标商品的在不同目标用户的购物车中按照同一预设折扣进行价格下调的总次数为F，在上述进行价格下调的目标商品中成交的次数为E，则成交比例G＝E/F。通过上述方式，可获取预设时间段内各目标商品的实际成交比例。

将上述实际成交比例跟预设比例作比较，以判断执行促销调整方案后商品的转化率是否达到预想的效果，若实际成交比例大于或等于预设比例，则表明目标商品按照当前促销调整方案销售的转化率较高，此时，可维持目标商品继续执行现有的促销调整方案；若实际成交比例小于预设比例，可认为目标商品按照现有的促销调整方案无法促进交易，因此可将实际成交比例小于或等于预设比例的目标商品作为二次促销商品，在二次促销商品现有的促销调整方案的基础上增加一种或多种促销调整方案对二次促销商品进行促销，例如目标商品现有的促销调整方案为打折减价促销时，可为该目标商品增加发放优惠券的促销调整方案，有利于促进目标商品的交易。其中，预设比例的具体数值可依据实际需要进行设定。

在本实施例中，通过实际成交比例判断当前促销调整方案是否可满足促进交易的需求，若不满足，则增加目标商品的促销调整方案的种类，通过多重促销调整方案综合，以增大目标商品的优惠力度，进一步的促进目标商品的交易完成。

进一步的，如图5所示，所述根据各目标商品的购买概率，对各目标商品执行对应的促销调整方案的步骤之后，还包括：

步骤S61，在不同目标用户账户的购物车中，获取预设时间段内各目标商品的实际成交比例；

这里可采取与上述实施例相同的方式获取各目标商品的实际成交比例。

步骤S62，根据各目标商品的购买概率和所执行的促销调整方案分别确定各目标商品的目标成交比例；

基于不同目标商品的购买概率，执行不同的促销调整方案后，目标商品应有具有相应的成交比例。基于不同的概率区间可对应有不同的成交比例的基值，成交比例的基值随着概率区间中概率的增大而增大。不同的促销调整方案可对应有不同成交比例的贡献值，其中，同一促销调整方法对不同购买概率区间中的目标商品的成交比例的贡献值不同。另外，一个目标商品采用多个促销调整方案时成交比例的贡献值可为每个促销调整方案的贡献值叠加，也可综合分析多个促销调整方案的效果确定相应的成交比例的贡献值。此外，多个促销调整方案中，不同的组合方式也可对应有不同的成交比例的贡献值。

通过各目标商品的购买概率可确定各目标商品的成交比例的基值，通过各目标商品所执行的促销调整方案可确定各目标商品对应的成交比例的贡献值。由成交比例的基值和成交比例的贡献值便可计算得到各目标商品的成交比例。

步骤S63，确定各目标商品中实际成交比例和目标成交比例的差值大于或等于预设值的目标商品为异常商品，根据所述差值调整所述异常商品的购买概率。

实际成交比例低于目标成交比例，且差值大于或等于预设值时，此时可认为促销调整方案未能达到预期的促销效果，可能由于目标商品的购买概率不准确而导致。因而，可根据异常商品实际成交比例和目标成交比例的差值来计算调整因子T，结合调整因子调整异常商品现有的购买概率计算模型，重新计算异常商品的购买概率，并根据异常商品的购买概率执行相应的促销调整方案。其中，差值越大，调整因子越大，所对应的异常商品的购买概率的调整幅度越大。

进一步的，可确定异常商品的商品类型，在目标用户将同类型商品加入购物车形成待支付商品时，可将经过调整因子调整后的购买概率计算模型作为该类型待支付商品的购买概率计算模型。

通过上述方式，可使目标商品的购买概率更为的准确，从而执行相适应的促销调整方案，确保目标商品可达到预期的促销效果。

此外，本发明实施例还提出一种电商平台，所述电商平台包括：

监控模块，用于通过电商平台的预设埋点，统计目标用户账户购物车中各待支付商品的浏览次数；

分析模块，用于根据所述浏览次数，确定各待支付商品的购买概率；

筛选模块，用于确定各待支付商品中购买概率大于或等于预设阈值的目标商品；

调整模块，用于根据各目标商品的购买概率，对各目标商品执行对应的促销调整方案。

本发明电商平台中各模块的具体实施方式与上述商品促销控制方法各实施例基本相同，在此不再赘述。

此外，如图6所示，本发明实施例还提出一种商品促销控制设备，所述商品促销控制设备包括：处理器1001，例如CPU，网络接口1002，用户接口1003，存储器1004，通信总线。其中，通信总线用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1004可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1004可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图6中示出的设备结构并不构成对设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图6所示，作为一种计算机存储介质的存储器1004中可以包括操作系统、网络通信模块、用户接口模块以及商品促销控制程序。

在图6所示的设备中，网络接口1002主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1004中存储的商品促销控制程序，并执行上面商品促销控制方法中步骤的相关操作

本发明商品促销控制设备的具体实施方式与上述商品促销控制方法各实施例基本相同，在此不再赘述。

此外，本发明实施例还提出一种可读存储介质，所述可读存储介质上存储有商品促销控制程序，所述商品促销控制程序被处理器执行时实现如上面实施例中提及的商品促销控制方法的步骤。

本发明可读存储介质具体实施方式与上述商品促销控制方法各实施例基本相同，在此不再赘述。

需要说明的是，在本文中，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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种商品促销控制方法，其特征在于，所述商品促销控制方法包括以下步骤：

通过电商平台的预设埋点，统计目标用户账户购物车中各待支付商品的浏览次数；

根据所述浏览次数，确定各待支付商品的购买概率；

确定各待支付商品中购买概率大于或等于预设阈值的目标商品；

根据各目标商品的购买概率，对各目标商品执行对应的促销调整方案。

2.如权利要求1所述的商品促销控制方法，其特征在于，所述根据所述浏览次数，确定各待支付商品的购买概率的步骤包括：

获取各待支付商品的当前价格和目标用户过去预设时长内的历史购物记录；

根据历史购物记录，确定目标用户对各种类型商品的心理预期价格；

根据各待支付商品的类型和所述心理预期价格，获取目标用户对各待支付商品的价格预期值；

根据各待支付商品的价格预期值、当前价格和浏览次数，确定各待支付商品的购买概率。

3.如权利要求2所述的商品促销控制方法，其特征在于，所述根据历史购物记录，确定目标用户对各种类型商品的心理预期价格的步骤包括：

在所述历史购物记录中，获取目标用户完成交易的各种类型商品的历史成交价格；

统计所述完成交易的各种类型商品的历史成交价格在不同预设价格区间中的概率分布；

选定完成分布概率最大的预设价格区间为目标价格区间；

根据分布在目标价格区间内的历史成交价格，确定目标用户对各种类型商品的心理预期价格。

4.如权利要求2所述的商品促销控制方法，其特征在于，所述根据各待支付商品的价格预期值、当前价格和浏览次数，确定各待支付商品的购买概率的步骤包括：

根据各待支付商品的价格预期值与当前价格之间的差值确定各待支付商品的购买概率的基准值，根据各待支付商品的浏览次数确定各待支付商品的购买概率的修正值；

根据各待支付商品的基准值和对应的修正值，确定各待支付商品的购买概率。

5.如权利要求4所述的商品促销控制方法，其特征在于，所述根据各目标商品的购买概率，对各目标商品执行对应的促销调整方案的步骤包括：

确定各目标商品的购买概率所处的概率区间；

根据确定的概率区间对各目标商品执行对应的促销调整方案。

6.如权利要求1至5中任一项所述的商品促销控制方法，其特征在于，所述根据各目标商品的购买概率，对各目标商品执行对应的促销调整方案的步骤之后，还包括：

在不同目标用户账户的购物车中，获取预设时间段内各目标商品的实际成交比例；

确定目标商品中实际成交比例小于或等于预设比例的二次促销商品；

在所述二次促销商品当前的促销调整方案的基础上，增加所述二次促销商品的促销调整方案的种类。

7.如权利要求1至5中任一项所述的商品促销控制方法，其特征在于，所述根据各目标商品的购买概率，对各目标商品执行对应的促销调整方案的步骤之后，还包括：

在不同目标用户账户的购物车中，获取预设时间段内各目标商品的实际成交比例；

根据各目标商品的购买概率和所执行的促销调整方案分别确定各目标商品的目标成交比例；

确定各目标商品中实际成交比例和目标成交比例的差值大于或等于预设值的目标商品为异常商品，根据所述差值调整所述异常商品的购买概率。

8.一种电商平台，其特征在于，所述电商平台包括：

监控模块，用于通过电商平台的预设埋点，统计目标用户账户购物车中各待支付商品的浏览次数；

分析模块，用于根据所述浏览次数，确定各待支付商品的购买概率；

筛选模块，用于确定各待支付商品中购买概率大于或等于预设阈值的目标商品；

调整模块，用于根据各目标商品的购买概率，对各目标商品执行对应的促销调整方案。

9.一种商品促销控制设备，其特征在于，所述商品促销控制设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的商品促销控制程序，所述商品促销控制程序被所述处理器执行时实现如权利要求1至7中任一项所述的商品促销控制方法的步骤。

10.一种可读存储介质，其特征在于，所述可读存储介质上存储有商品促销控制程序，所述商品促销控制程序被处理器执行时实现如权利要求1至7中任一项所述的商品促销控制方法的步骤。