CN109858985A - 商品信息处理、展示的方法以及装置 - Google Patents
商品信息处理、展示的方法以及装置 Download PDFInfo
- Publication number
- CN109858985A CN109858985A CN201711236257.7A CN201711236257A CN109858985A CN 109858985 A CN109858985 A CN 109858985A CN 201711236257 A CN201711236257 A CN 201711236257A CN 109858985 A CN109858985 A CN 109858985A
- Authority
- CN
- China
- Prior art keywords
- information
- commodity
- behalf
- buying
- recommendation
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种商品信息处理、展示的方法以及装置,至少能够简化用户操作,提升用户体验。其中,商品信息处理的方法可以包括:获取商品的历史交易信息,所述历史交易信息至少包括:商品交易的代购方信息、以及商品交易行为信息;基于所述代购方信息、以及商品交易行为信息,确定所述商品的推荐信息代购方;将所述推荐信息提供给用户。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种商品信息处理、展示的方法以及装置。
背景技术
目前,电商平台可支持代购,在代购模式下代购方可通过电商平台提供的线上交易网站或应用程序为买方代购商品或服务,以获得收益。然而,电商平台虽然向用户(比如,代购方、买方等)提供了商品信息,但未向其提供与其权益相关的有效信息,这导致用户在代购模式下进行在线交易时操作繁琐复杂、成本高,且用户体验差。
发明内容
本申请提供一种商品信息处理、展示的方法以及装置,至少能够简化用户操作,提升用户体验。
本申请采用如下技术方案。
一种商品信息处理的方法,包括:
获取商品的历史交易信息,所述历史交易信息至少包括:商品交易的代购方信息、以及商品交易行为信息;
基于所述代购方信息、以及商品交易行为信息,确定所述商品的推荐信息;
将所述推荐信息提供给用户。
其中,所述代购方信息至少包括:代购方在所述商品交易中的收益信息。
其中,所述商品交易行为信息至少包括如下之一:评价信息、退货信息、商品交易数量。
其中,所述推荐信息为推荐指数。
其中,所述基于所述代购方信息、以及商品交易行为信息,确定所述商品的推荐信息,包括:
通过分析所述代购方信息、以及商品交易行为信息,确定代购方在所述商品交易中的佣金率、商品的好评率、以及商品交易的纠纷率;
至少基于所述佣金率、以及所述好评率与所述纠纷率中之一,确定所述推荐信息。
其中,所述方法还包括:至少预先配置如下之一:对应佣金率的第一权重、对应好评率的第二权重、对应纠纷率的第三权重;
所述基于所述代购方信息、以及商品交易行为信息,确定所述商品的推荐信息,至少包括如下之一:
基于所述佣金率、所述好评率、所述纠纷率、所述第一权重、所述第二权重以及所述第三权重,计算所述推荐指数;
基于所述佣金率、所述好评率、所述第一权重、以及所述第二权重,计算所述推荐指数;
基于所述佣金率、所述纠纷率、所述第一权重以及所述第三权重,计算所述推荐指数。
其中,所述方法还包括:
通过分析当前类目下的所述代购方信息、以及所述商品交易行为信息,至少确定当前类目下的交易趋势和代购方在当前类目下的收益趋势中之一;
至少基于当前类目下的所述交易趋势和代购方在当前类目下的所述收益趋势中之一代购方,调整所述第一权重、第二权重以及第三权重中之一。
一种商品信息处理的装置,应用于服务端,包括:
第一获取模块,用于获取商品的历史交易信息,所述历史交易信息至少包括:商品交易的代购方信息、以及商品交易行为信息;
确定模块,用于基于所述代购方信息、以及商品交易行为信息,确定所述商品的推荐信息;
提供模块,用于将所述推荐信息提供给用户。
其中,所述确定模块,包括:
第一确定单元,用于通过分析所述代购方信息、以及商品交易行为信息,确定代购方在所述商品交易中的佣金率、商品的好评率、以及商品交易的纠纷率;
第二确定单元,用于至少基于所述佣金率、以及所述好评率与所述纠纷率中之一,确定所述推荐信息。
一种商品信息处理的装置,应用于服务端,包括:
存储有计算机程序的存储器;
处理器,配置为读取所述计算机程序以执行如下操作:
获取商品的历史交易信息,所述历史交易信息至少包括:商品交易的代购方信息、以及商品交易行为信息;
基于所述代购方信息、以及商品交易行为信息,确定所述商品的推荐信息;
将所述推荐信息提供给用户。
一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如下操作:
获取商品的历史交易信息,所述历史交易信息至少包括:商品交易的代购方信息、以及商品交易行为信息;
基于所述代购方信息、以及商品交易行为信息,确定所述商品的推荐信息;
将所述推荐信息提供给用户。
一种商品信息展示的方法,包括:
获取来自服务端的推荐信息,所述推荐信息基于商品交易的代购方信息、以及商品交易行为信息确定;
在商品界面展示所述推荐信息,以便用户参考所述推荐信息选择商品。
其中,所述方法还包括:在所述商品界面上设置供用户操作的推荐信息工具,所述推荐信息工具用于控制所述推荐信息在商品界面上的展示状态;所述在商品界面展示所述推荐信息,包括:响应于打开所述推荐信息工具的用户操作,在所述商品界面展示所述商品的推荐信息。
其中,所述推荐信息为推荐指数;在商品界面以数值或表征数值的可视化图形展示所述推荐指数。
一种商品信息展示的装置,应用于用户端,包括:
第二获取模块,用于获取来自服务端的推荐信息,所述推荐信息基于商品交易的代购方信息、以及商品交易行为信息确定;
展示模块,用于在商品界面展示所述推荐信息,以便用户参考所述推荐信息选择商品。
一种商品信息展示的装置,应用于用户端,包括:
显示器;
存储有计算机程序的存储器;
处理器,配置为读取所述计算机程序以执行如下操作:
获取来自服务端的推荐信息,所述推荐信息基于商品交易的代购方信息、以及商品交易行为信息确定;
在商品界面展示所述推荐信息,以便用户参考所述推荐信息选择商品。
一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如下操作:
获取来自服务端的推荐信息,所述推荐信息基于商品交易的代购方信息、以及商品交易行为信息确定;
在商品界面展示所述推荐信息,以便用户参考所述推荐信息选择商品。
本申请包括以下优点:
一方面,本发明实施例中,可通过商品交易的代购方信息以及商品交易行为信息确定推荐信息,该推荐信息不仅可反映代购方的收益情况而且可反映商品的购买风险,通过向用户推送该推荐信息,可方便代购方、买方等用户参考该推荐信息选择合适的商品,减少用户在线交易时自行查询相关信息的操作,进而简化用户操作、提高用户体验。
另一方面,本发明实施例基于商品交易的代购方信息以及商品交易行为信息确定该推荐信息,相较于用户自行查询到的信息更客观、更全面、也更准确,能够有效引导用户选择合适的商品,进而简化用户操作、提高用户体验。
再一方面,本发明实施例中,推荐信息不仅可反映代购方的收益情况而且可反映商品的购买风险,在反映代购方权益的同时还兼顾了买方权益,不仅可供代购方参考,也适用于买方,还可为卖方补货做参考,应用范围广,对各类用户的在线交易都具有有效的引导作用,进而简化各类用户的操作、提高各类用户的体验。
当然,实施本申请的任一产品必不一定需要同时达到以上所述的所有优点。
附图说明
图1为本申请示例性应用环境架构示意图;
图2为实施例一的商品信息处理方法的流程示意图;
图3为实施例一的佣金率曲线示例图;
图4为实施例二的商品信息处理装置的示例性结构示意图;
图5为实施例三的商品信息处理装置的示例性结构示意图;
图6为实施例五商品信息展示的方法流程示意图;
图7为推荐指数工具默认关闭时的商品界面示例图;
图8为推荐指数工具打开状态的商品界面示例图;
图9为实施例六商品信息展示的装置的示例性结构示意图;
图10为实施例七商品信息展示的装置的示例性结构示意图;
图11为代购方为买方代购商品的示例性流程图;
图12为代购方为买方代购商品下单处理的示例性流程图。
具体实施方式
下面将结合附图及实施例对本申请的技术方案进行更详细的说明。
需要说明的是,如果不冲突,本申请实施例以及实施例中的各个特征可以相互结合,均在本申请的保护范围之内。另外,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
在一个典型的配置中,客户端或服务器的计算设备可包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存(memory)。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。内存可能包括模块1,模块2,……,模块N(N为大于2的整数)。
计算机可读介质包括永久性和非永久性、可移动和非可移动存储介质。存储介质可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM),快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括非暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
本申请中,电商平台是指向其用户提供在线商品交易服务的平台,电商平台的用户可以包括但不限于:买方(比如,买家)、代购方、卖方(比如,卖家)。其中,买方是指购买商品的一方;代购方是指通过代替或引导买方使用电商平台的在线商品交易服务购买商品或服务来赚取收益的一方,比如,代替或引导买方进行在线交易的人都可视为代购方;卖方是指通过电商平台的在线商品交易服务销售商品或服务的一方。本申请中的用户端设备是指买方、代购方或卖方等用户使用在线商品交易服务时采用的电子设备,该电子设备可以以各种形式来实施。例如,该电子设备可以实现为笔记本计算机、移动计算设备、智能电话、平板电脑、掌上电脑、蜂窝电话、手持装置、消息收发设备、可佩戴计算设备、车辆远程信息处理设备、消费电子设备、工作站、桌面型计算机、膝上型计算机、台式计算机等。
电商平台的代购模式中,代购方需要在每次代购商品或服务时人工查询该商品或服务与自身收益相关的有效信息,有时还需借助第三方平台才能完成此查询,操作繁琐复杂、成本高,用户体验差。因此,电商平台需要向代购方提供选择商品时的参考信息,以便代购方选购合适的商品或服务以获得较大利益。
相关技术中,电商平台通过商品标签的方式引导代购方选择适合代购的商品或服务,但此方式需要针对每个商品分别打标,实施成本高,而且商品标签种类较多,不够直观,容易混淆,代购方的理解成本也很高,难以起到有效的引导作用。此外,该标签仅能体现代购方的收益情况,而对买方来讲没有参考意义,换言之,该标签的方式不能在体现代购方收益的同时兼顾买方的权益。
针对电商平台代购模式下无法向用户(代购方、买方等)提供与其权益相关的有效信息,以至于用户在使用电商平台的在线商品交易服务时操作繁琐复杂、用户体验差的技术问题,本申请提出如下的技术方案。
如图1所示,为本申请的示例性应用环境架构示意图。其中,电商平台可包括:交易服务器或其集群、以及交易数据库,交易服务器可用于向用户端设备提供在线交易网站或在线交易应用程序,以便用户使用用户端设备访问该在线交易网站或在线交易应用程序进行在线交易,交易数据库用于存储在线交易产生的数据,包括但不限于商品的历史交易信息、基于商品的历史交易信息得到的数据。此外,交易服务器也可存储商品的历史交易信息。买方、代购方、卖方等电商平台的用户可分别使用其用户端设备(比如,手机、平板电脑或PC等)访问在线交易的网站或应用程序进行在线交易。买方与代购方的用户端设备可通过任何类型的通信网络进行通信。在电商平台的代购模式下,买方可使用其用户端设备向代购方提出代购请求,代购方基于该代购请求通过其用户端设备访问电商平台提供的在线交易网站或在线交易应用程序,代替或引导买方进行在线交易,在此过程中代购方可以通过代替或引导买方进行在线交易获得收益。
需要说明的是,上述图1仅为示例性架构。实际应用中,本申请的技术方案可应用其他形式的应用环境中,电商平台也可实现为其他形式。
下面对本申请的技术方案进行详细说明。
实施例一
一种商品信息处理的方法,如图2所示,可包括:
步骤201,获取商品的历史交易信息,所述历史交易信息至少包括:商品交易的代购方信息、以及商品交易行为信息;
步骤202,基于所述代购方信息、以及商品交易行为信息,确定所述商品的推荐信息;
步骤203,将所述推荐信息提供给用户。
本实施例的方法,可通过商品交易的代购方信息以及商品交易行为信息确定推荐信息,该推荐信息不仅可反映代购方的收益情况而且可反映商品的购买风险,通过向用户推送该推荐信息,可方便代购方、买方等用户参考该推荐信息选择合适的商品,减少用户在线交易时自行查询相关信息的操作,进而简化用户操作、提高用户体验。
本实施例的方法,基于商品的历史交易信息确定该推荐信息,相较于用户自行查询到的信息更客观、更全面、也更准确,能够有效引导用户选择合适的商品,进而简化用户操作、提高用户体验。
除此之外,本实施例的方法中,推荐信息在反映代购方收益的同时还兼顾了商品的购买风险,不仅可供代购方参考,也适用于买方,还可为卖方补货做参考,应用范围广,对各类用户的在线交易都具引导作用,进而简化各类用户的操作、提高各类型用户的使用体验。
本实施例中,代购方信息是指商品交易中与代购方相关的信息或涉及到代购方的信息。该代购方信息可以包括:代购方在所述商品交易中的收益信息。除此之外,该代购方信息还可包括商品交易中与代购方相关的其他信息,比如,商品交易价格,代购方参与的商品交易数量等。实际应用中,该代购方在商品交易中的收益信息可以包括但不限于佣金信息。该佣金信息可以包括(但不限于此)如下之一或两项:佣金率、佣金额。
本实施例中,商品交易行为信息是指商品交易中与用户行为相关的信息。该用户可以是买方、卖方、代购方中之一或多项。商品交易中的用户行为可以包括如下之一或多项(但不限于此):选择商品、在线下单、在线支付、发货、收货、退货、评价、补货。本实施例中,该商品交易行为信息可以包括如下之一或多项(但不限于此):评价信息、退货信息、商品交易数量。可以理解,该商品交易行为信息还可以包括其他与商品交易中用户行为相关的信息。对于商品交易行为信息的具体内容,本文不予限制。
这里,评价信息可以包括:评价总数、好评数、用户(比如,买方、代购方)针对商品的评价值等信息。退货信息可以包括如下之一或多项:发生退货的交易笔数(即,发生退货的商品交易数量)、在线交易纠纷笔数(即,发生交易纠纷的商品交易数量),该在线交易纠纷笔数是指买卖双方在线交易后发生争议且未自行协商达成协议,后续由第三方介入且最终判定为属于卖方有责的维权笔数(即发生维权的商品交易数量)总和。商品交易数量也可称为商品的在线交易笔数。除此之外,评价信息、退货信息还可以包括其他内容,商品交易数量也可以包含其他内容,对于评价信息、退货信息、商品交易数量的具体内容,本文不予限制。
本实施例中,基于所述代购方信息、以及商品交易行为信息,确定所述商品的推荐信息,可以包括:通过分析所述代购方信息、以及商品交易行为信息,确定代购方在所述商品交易中的佣金率、商品的好评率、以及商品交易的纠纷率;至少可以基于所述佣金率、以及所述好评率与所述纠纷率中之一,确定所述推荐信息。也就是说,本实施例的一种实现方式中,可以基于所述佣金率和所述好评率确定所述推荐信息;另一种实现方式中,可以基于所述佣金率和所述纠纷率确定所述推荐信息;再一种实现方式中,可以基于所述佣金率、所述好评率以及所述纠纷率确定所述推荐信息。
这里,佣金率可以反映代购方在商品交易中的收益情况,好评率可以反映买方和/或代购方对所购买商品的评价情况,纠纷率可以反映商品交易的退货概率,也就是说,可以通过好评率和纠纷率中之一或两者叠加来反映商品的购买风险。这样,通过该佣金率、以及好评率和纠纷率中之一或两者叠加确定出的推荐信息既可反映代购方在商品交易中的收益情况,而且可以反映出商品的购买风险。
本实施例中,一个商品的佣金率是指该商品的交易金额中的佣金比例。佣金率可通过如下方式计算得到:佣金率=佣金/商品价格*100%。比如,商品的交易价格是100元,这个商品通过代购方卖出后,卖方为代购方支付5元作为佣金,那么这个商品的佣金率是5%。实际应用中,佣金、商品价格均包含在商品的历史交易信息(比如,商品交易的代购方信息)中,佣金可由卖方设置并通过其用户端设备提供到服务端,商品价格可由卖方设置或卖方与代购方/买方协商确定,服务端可通过从商品的历史交易信息(比如,商品交易的代购方信息)中解析到。
本实施例中,一个商品的好评率是指该商品的所有评价中的好评占比。一种实现方式中,商品的好评率可以通过如下方式得到:好评率=好评数/评论总数*100%。比如,一个商品的评价信息中总共有100条评价,也就是评价总数为100,好评数为50,那么该商品的好评率为50%。另一种实现方式中,商品的好评率可以通过如下方式得到:
其中,N表示当前采用的标准分制,比如,如果当前采用了5分制,那么N取值为5,如果采用10分制标准,N取值为10。实际应用中,评价的标准分制可以由服务端预先配置或由用户(比如,买方、代购方)在进行评价时自行设置。评价分值可以通过用户(比如,买方、代购方)针对商品的评价值得到。比如,如果一个商品存在多个的评价值时,可以取这些评分值的均值作为最终计算好评率时使用的评价分值。再比如,一个商品具有多个评价值时,还可以对该评价值进行筛选,筛选出有效的评分值,再取这些有效的评价值的均值作为上述的评价分值。除此之外,还可采用其他方式。
除此之外,还可采用其他方式来估算好评率,对于好评率的具体估算方式,本文不予限制。实际应用中,商品的评价信息包含在商品的历史交易信息(比如,商品交易行为信息)中,可以由买方、代购方等购买商品的用户设置并通过其用户端设备提供到服务端。
本实施例中,一个商品的纠纷率是指该商品的所有交易中发生纠纷的交易所占的比例。一种实现方式中,一个商品的纠纷率可以通过如下方式得到:纠纷率=在线交易纠纷笔数/在线交易总笔数*100%,这里,在线交易纠纷笔数是指买卖双方在线交易后发生争议且未自行协商达成协议,后续由第三方介入且最终判定为属于卖方有责的维权笔数总和。比如,一个商品的在线交易共有100笔,也就是说该商品的在线交易笔数为100(即商品交易数量为100),在线交易纠纷笔数为6,那么该商品的纠纷率为6%。除此之外,还可采用其他方式来估算纠纷率,对于纠纷率的具体估算方式,本文不予限制。实际应用中,可以在需要计算纠纷率时,再通过分析商品的历史交易信息统计该商品的在线交易笔数和在线交易纠纷笔数。或者,可实时根据商品的历史交易信息(比如,商品交易行为信息)更新商品的在线交易笔数、在线交易纠纷笔数,并将商品的在线交易笔数、在线交易纠纷笔数也包含在商品的历史交易信息(比如,商品交易行为信息)中。
本实施例中,推荐信息可以是多种形式。一种实现方式中,所述推荐信息可以是数值,比如,推荐信息可以是推荐指数,该推荐指数为百分数,值越大说明该商品的交易会为代购方带来更大收益、购买风险越低,值越小则说明该商品为代购方带来的收益较低、购买风险也更高。另一种实现方式中,所述推荐信息可以是预先设定的档位值,该档位值可指示商品为代购方带来的收益、以及购买风险。具体的,可通过预先设定的算法基于商品的佣金率、好评率、纠纷率等计算出一个数值,再基于该数值以及各档位值对应的数值区间确定该商品的档位值。除此之外,推荐信息还可以是其他形式,对于推荐信息的具体形式,本文不予限制。
本实施例中的一种实现方式中,可以针对计算推荐信息时的各因子(佣金率、好评率、纠纷率等)设置相应的权重,基于各因子及其权重确定推荐信息,这样,可通过权重调整各因子在推荐信息中所占的比重,以适应各类应用场景的需求。换言之,本实施例的上述方法可以包括:至少预先配置如下之一:对应佣金率的第一权重、对应好评率的第二权重、对应纠纷率的第三权重;所述基于所述商品的历史交易信息,确定所述商品的推荐信息,至少可以包括如下之一:基于所述佣金率、所述好评率、所述纠纷率、所述第一权重、所述第二权重以及所述第三权重,计算所述推荐指数;基于所述佣金率、所述好评率、所述第一权重、以及所述第二权重,计算所述推荐指数;基于所述佣金率、所述纠纷率、所述第一权重以及所述第三权重,计算所述推荐指数。这样,可通过权重来调整各因子在推荐指数中的比重,以满足各类商品的交易需求。比如,需要侧重代购方收益确定推荐信息时可将对应好评率的第二权重和/或对应纠纷率的第三权重调低、将对应佣金率的第一权重调高。再比如,针对电器类商品,退货成本高,此时需要侧重退货成本(即购买风险)确定推荐信息,那么,可将对应纠纷率的第三权重调高,将对应佣金率的第一权重调低。如此类推,可针对各类目下商品特性的不同通过调整上述权重来调整推荐信息,以兼顾代购方的收益及商品的购买风险。
本实施例中,上述权重的调整可以通过多种方式实现。一种实现方式中,上述方法还可以包括:通过分析当前类目下的所述代购方信息、以及所述商品交易行为信息,至少确定当前类目下的交易趋势和代购方在当前类目下的收益趋势中之一;至少可以基于当前类目下的所述交易趋势和代购方在当前类目下的所述收益趋势中之一,调整所述第一权重、第二权重以及第三权重中之一。这样,可基于商品的交易趋势、代购方的收益趋势周期性的、有针对性的调整各因子的权重,以兼顾各类用户的权益,使推荐信息更具参考价值、更有效。除此之外,还可采用其他方式调整权重,对于权重的具体调整方式,本文不予限制。
下面以一个例子说明推荐信息的确定方式。具体应用中,可以根据需要确定合适的推荐指数计算方式。
例如,推荐指数的因子可以包括:正向加权的佣金率(反映代购方的收益)、好评率(可反映商品的售后评价情况,体现商品的购买风险)、反向加权的纠纷率(反映退货成本,可体现商品的购买风险)。
推荐指数可以通过如下公式计算:
其中,g表示佣金率的最佳值,a为对应佣金率的第一权重,b为对应好评率的第二权重,r为对应纠纷率的第三权重。这里的5表示的是一个采用5分制标准下的推荐指数的计算,若采用其他分制,例如10分制,公式中的5可以替换成10;评价分值,是指针对该商品的具体评价值,是在5分制下评价分值,在10分制下,会有10分制下的评价分值。这里,评价分值是指用户针对该商品的所有评价值的平均值。
这里,g可通过分析商品的历史交易信息(比如,代购方在商品交易中的收益信息)得到。比如,可以通过分析商品的历史交易信息得到如图3所示的佣金率曲线,该佣金率曲线中的最高点即为佣金率的最佳值g。
实际应用中,可以通过收集各类目下专家的权重建议值,并以不同专家提供的同一商品的权重建议值的均值作为最终计算时的权重值。比如,可以将如下表格配置到服务端,服务端可以根据表格中各专家提供的权重建议值求平均得到a、b、r。
表1
其中,a、b、r可结合实际应用中的效果进行调整。比如,可通过分析商品的历史交易信息确定在各类目下商品的交易趋势,基于在各类目商品的交易趋势调整该类目下商品的a、b、r。再比如,可通过分析商品的历史交易信息确定代购方在各类目下的收益趋势,基于代购方在各类目下的收益趋势调整该类目下商品的a、b、r。又比如,可结合在各类目下商品的交易趋势、以及代购方在各类目下的收益趋势调整该类目下商品的a、b、r。这里,a、b、r的具体调整方式,本文不予限制。
实际应用中,本实施例的上述方法可以通过任何能够执行上述方法的服务端设备实现。比如,本实施例的上述方法可通过图1所示架构中的交易服务器或其集群来实现,对于服务端设备的具体类型,本文不予限制。
实施例二
如图4所示,本实施例还提供一种商品信息处理的装置,应用于服务端,包括:
第一获取模块41,用于获取商品的历史交易信息,所述历史交易信息至少包括:商品交易的代购方信息、以及商品交易行为信息;
确定模块42,用于基于所述代购方信息、以及商品交易行为信息,确定所述商品的推荐信息;
提供模块43,用于将所述推荐信息提供给用户。
一种实现方式中,所述确定模块42可以包括:第一确定单元421,可用于通过分析所述代购方信息、以及商品交易行为信息,确定代购方在所述商品交易中的佣金率、商品的好评率、以及商品交易的纠纷率;第二确定单元422,可用于至少基于所述佣金率、以及所述好评率与所述纠纷率中之一,确定所述推荐信息。这样,以佣金率、好评率、纠纷率等作为确定推荐信息的因子,使推荐信息既能够体现代购方收益又可以体现商品的购买风险,从而平衡商品交易中的代购方收益与商品的购买风险,能够更有效的指引代购方、买方在线购物时快速、准确的选择到合适的商品。
本实施例中,推荐信息可以是多种形式。一种实现方式中,所述推荐信息可以是数值,比如,推荐信息可以是推荐指数,该推荐指数为百分数,值越大说明该商品的交易会为代购方带来更大收益、购买风险越低,值越小则说明该商品为代购方带来的收益较低、购买风险也更高。另一种实现方式中,所述推荐信息可以是预先设定的档位值,该档位值可指示商品为代购方带来的收益、以及购买风险。具体的,可通过预先设定的算法基于商品的佣金率、好评率、纠纷率等计算出一个数值,再基于该数值以及各档位值对应的数值区间确定该商品的档位值。除此之外,推荐信息还可以是其他形式,对于推荐信息的具体形式,本文不予限制。
本实施例的一种实现方式中,上述装置还可以包括:配置模块44,可用于至少预先配置如下之一:对应佣金率的第一权重、对应好评率的第二权重、对应纠纷率的第三权重。
这里,所述确定模块42,用于基于所述代购方信息、以及商品交易行为信息,确定所述商品的推荐信息,可以包括如下之一或多项:
基于所述佣金率、所述好评率、所述纠纷率、所述第一权重、所述第二权重以及所述第三权重,计算所述推荐指数;
基于所述佣金率、所述好评率、所述第一权重、以及所述第二权重,计算所述推荐指数;
基于所述佣金率、所述纠纷率、所述第一权重以及所述第三权重,计算所述推荐指数。
本实施例的上述实现方式中,上述装置还可以包括:趋势分析模块45,用于通过分析当前类目下的所述代购方信息、以及所述商品交易行为信息,至少确定当前类目下的交易趋势和代购方在当前类目下的收益趋势中之一;调整模块46,用于至少基于所述当前类目下的所述交易趋势和代购方在当前类目下的所述收益趋势中之一,调整所述第一权重、第二权重以及第三权重中之一。这样,通过分析交易趋势和代购方的收益趋势周期性的、有针对性的调整推荐信息中各因子的权重,以兼顾代购方的收益和商品的购买风险,使推荐信息对用户选择商品来说更具参考价值、更有效。
实际应用中,本实施例的上述装置可设置于服务端设备(比如,交易服务器)或通过服务端设备实现。
实际应用中,本实施例的上述装置中:
第一获取模块41负责在处理交易的过程收集各类商品的历史交易信息并进行存储,以备其他模块分析时使用,可以是软件、硬件或两者的结合。
确定模块42负责确定兼顾代购方收益及商品购买风险的推荐信息,可以是软件、硬件或两者的结合。
提供模块43负责将服务端的信息或数据提供给用户端设备,包括但不限于将上述的推荐信息主动或被动的发送给用户端设备,可以是软件、硬件或两者的结合。
配置模块44负责预配置确定推荐信息时需要的信息,包括但不限于预先配置计算推荐指数时各因子的权重,可以是软件、硬件或两者的结合。
趋势分析模块45负责通过分析各类目下商品的历史交易信息确定商品的交易趋势和/或代购方的收益趋势,以便将该交易趋势和/或代购方的收益趋势用于其他信息(包括但不限于推荐信息)的调整中,可以是软件、硬件或两者的结合。
调整模块46负责基于商品的交易趋势和/或代购方的收益趋势调整推荐信息各因子的权重,以便通过该权重调整推荐信息,适应各类应用场景、以及各类目下商品特性的需求,可以是软件、硬件或两者的结合。
本实施例的其他技术细节可参照实施例一。
实施例三
一种商品信息处理的装置,应用于服务端,如图5所示,可以包括:
存储有计算机程序的存储器51;
处理器52,配置为读取所述计算机程序以执行实施例一所述方法的操作。
具体来讲,处理器52,至少配置为读取所述计算机程序以执行实施例一所述方法的步骤201~步骤203,即:步骤201,获取商品的历史交易信息,所述历史交易信息至少包括:商品交易的代购方信息、以及商品交易行为信息;步骤202,基于所述代购方信息、以及商品交易行为信息,确定所述商品的推荐信息;步骤203,将所述推荐信息提供给用户。
本实施例中,代购方信息是指商品交易中与代购方相关的信息或涉及到代购方的信息。该代购方信息可以包括:代购方在所述商品交易中的收益信息。除此之外,该代购方信息还可包括商品交易中与代购方相关的其他信息,比如,商品交易价格,代购方参与的商品交易数量等。实际应用中,该代购方在商品交易中的收益信息可以包括但不限于佣金信息。该佣金信息可以包括(但不限于此)如下之一或两项:佣金率、佣金额。
本实施例中,商品交易行为信息可以包括如下之一或多项(但不限于此):评价信息、退货信息、商品交易数量。可以理解,该商品交易行为信息还可以包括其他与商品交易中用户行为相关的信息。对于商品交易行为信息的具体内容,本文不予限制。
本实施例的一种实现方式中,所述推荐信息可以为推荐指数。比如,该推荐指数可以为百分数,其值越大说明该商品的交易会为代购方带来更大收益、购买风险越低,值越小则说明该商品为代购方带来的收益较低、购买风险也更高。除此之外,推荐信息还可以是其他形式。
本实施例的一种实现方式中,所述处理器52,具体可以配置为读取所述计算机程序以执行如下操作:通过分析所述代购方信息、以及商品交易行为信息,确定代购方在所述商品交易中的佣金率、商品的好评率、以及商品交易的纠纷率;至少基于所述佣金率、以及所述好评率与所述纠纷率中之一,确定所述推荐信息。
本实施例的一种实现方式中,所述处理器52,具体可以配置为读取所述计算机程序以执行如下操作:
至少预先配置如下之一:对应佣金率的第一权重、对应好评率的第二权重、对应纠纷率的第三权重;
所述基于所述代购方信息、以及商品交易行为信息,确定所述商品的推荐信息,可以包括如下之一或多项:1)基于所述佣金率、所述好评率、所述纠纷率、所述第一权重、所述第二权重以及所述第三权重,计算所述推荐指数;2)基于所述佣金率、所述好评率、所述第一权重、以及所述第二权重,计算所述推荐指数;3)基于所述佣金率、所述纠纷率、所述第一权重以及所述第三权重,计算所述推荐指数。
本实施例的上述实现方式中,所述处理器52,还可以配置为读取所述计算机程序以执行如下操作:通过分析当前类目下的所述代购方信息、以及所述商品交易行为信息,至少确定当前类目下的交易趋势和代购方在当前类目下的收益趋势中之一;至少基于当前类目下的所述交易趋势和代购方在当前类目下的所述收益趋势中之一代购方,调整所述第一权重、第二权重以及第三权重中之一。这样,可基于商品的交易趋势、代购方的收益趋势周期性的、有针对性的调整各因子的权重,以兼顾各类用户的权益,使推荐信息更具参考价值、更有效。除此之外,所述处理器52,还可以配置为读取所述计算机程序以采用其他方式调整上述权重。本实施例中商品信息处理的装置可通过服务端设备(比如,交易服务器或其集群)来实现。需要说明的,在上述基础结构之上,本实施例中商品信息处理的装置还可以包括:负责与用户端设备通信的通信电路、以及负责将该装置中各部分连通或连接的总线等。除此之外,该商品信息处理的装置还可以包括其他部分,比如,专用于存储商品的历史交易信息或其他类似数据的数据存储器等。对于该商品信息处理的装置的具体结构,本文不予限制。
本实施例的其他细节可参照实施例一。
实施例四
本实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现实施例一所述方法的步骤。具体来讲,所述计算机程序被处理器执行时至少可以实现实施例一所述方法的步骤201~步骤203,即:步骤201,获取商品的历史交易信息,所述历史交易信息至少包括:商品交易的代购方信息、以及商品交易行为信息;步骤202,基于所述代购方信息、以及商品交易行为信息,确定所述商品的推荐信息;步骤203,将所述推荐信息提供给用户。
本实施例中,代购方信息是指商品交易中与代购方相关的信息或涉及到代购方的信息。该代购方信息可以包括:代购方在所述商品交易中的收益信息。除此之外,该代购方信息还可包括商品交易中与代购方相关的其他信息,比如,商品交易价格,代购方参与的商品交易数量等。实际应用中,该代购方在商品交易中的收益信息可以包括但不限于佣金信息。该佣金信息可以包括(但不限于此)如下之一或两项:佣金率、佣金额。
本实施例中,商品交易行为信息可以包括如下之一或多项(但不限于此):评价信息、退货信息、商品交易数量。可以理解,该商品交易行为信息还可以包括其他与商品交易中用户行为相关的信息。对于商品交易行为信息的具体内容,本文不予限制。
本实施例的一种实现方式中,所述推荐信息可以为推荐指数。比如,该推荐指数可以为百分数,其值越大说明该商品的交易会为代购方带来更大收益、购买风险越低,值越小则说明该商品为代购方带来的收益较低、购买风险也更高。除此之外,推荐信息还可以是其他形式。
本实施例的一种实现方式中,所述计算机程序被处理器执行时可以实现如下操作:通过分析所述代购方信息、以及商品交易行为信息,确定代购方在所述商品交易中的佣金率、商品的好评率、以及商品交易的纠纷率;至少基于所述佣金率、以及所述好评率与所述纠纷率中之一,确定所述推荐信息。
本实施例的一种实现方式中,所述计算机程序被处理器执行时可以实现如下操作:
至少预先配置如下之一:对应佣金率的第一权重、对应好评率的第二权重、对应纠纷率的第三权重;
所述基于所述代购方信息、以及商品交易行为信息,确定所述商品的推荐信息,可以包括如下之一或多项:1)基于所述佣金率、所述好评率、所述纠纷率、所述第一权重、所述第二权重以及所述第三权重,计算所述推荐指数;2)基于所述佣金率、所述好评率、所述第一权重、以及所述第二权重,计算所述推荐指数;3)基于所述佣金率、所述纠纷率、所述第一权重以及所述第三权重,计算所述推荐指数。
本实施例的上述实现方式中,所述计算机程序被处理器执行时实现如下操作:通过分析当前类目下的所述代购方信息、以及所述商品交易行为信息,至少确定当前类目下的交易趋势和代购方在当前类目下的收益趋势中之一;至少基于当前类目下的所述交易趋势和代购方在当前类目下的所述收益趋势中之一代购方,调整所述第一权重、第二权重以及第三权重中之一。这样,可基于商品的交易趋势、代购方的收益趋势周期性的、有针对性的调整各因子的权重,以兼顾各类用户的权益,使推荐信息更具参考价值、更有效。除此之外,所述计算机程序还可以被处理器执行时采用其他方式调整上述权重。
本实施例的其他细节可参照实施例一。
实施例五
一种商品信息展示的方法,应用于用户端,如图6所示,可以包括:
步骤601,获取来自服务端的推荐信息,所述推荐信息基于商品交易的代购方信息、以及商品交易行为信息确定;
步骤602,在商品界面展示所述推荐信息,以便用户参考所述推荐信息选择商品。
本实施例中,由于推荐信息是基于商品交易的代购方信息、以及商品交易行为信息确定,因此该推荐信息不仅可反映代购方收益而且可以反映商品的购买风险,用户端设备通过向服务端获取该推荐信息并展示给用户,可方便用户(包括但不限于:买方、卖方、代购方)参考该推荐信息选择合适的商品,减少用户在线交易时自行查询相关信息的操作,进而简化用户操作、提高用户体验。
本实施例中,该商品界面是指展示商品信息(比如,商品列表、商品图标)的用户界面。对于买方和代购方来讲,该商品界面可以是商品选购界面或商品代购界面;对于卖方来讲,该商品界面可以商品补货界面。除此之外,该商品界面还可以是其他形式的展示有商品信息的用户界面。对此,本文不予限制。实际应用中,可以在商品界面中商品的展示区域(比如,该商品的图标区域、商品列表中该商品的条目等)展示该商品的推荐信息,以便用户可直观清晰的查看该商品的推荐信息。
一种实现方式中,本实施例的方法还可以包括:在所述商品界面上设置供用户操作的推荐信息工具,所述推荐信息工具用于控制所述推荐信息在商品界面上的展示状态;所述在商品界面展示所述推荐信息,包括:响应于打开所述推荐信息工具的用户操作,在所述商品界面上展示所述商品的推荐信息。如此,方便用户自行控制推荐信息的展示状态,进一步简化用户操作并提升用户体验。
实际应用中,上述推荐信息工具可以通过多种方式实现。该推荐信息工具包括但不限于浏览器插件、用户界面上的触控开关等,方便用户一键展示或隐藏该推荐信息。这里,可以将推荐信息工具设置于商品界面上,将推荐信息展示于相应商品的展示区域,方便用户查看和操作。
一种实现方式中,所述推荐信息可以为推荐指数。此实现方式中,在商品界面可以以数值或表征数值的可视化图形展示所述推荐指数。比如,可以采用百分比数字的形式展示推荐指数,除此之外,还可以采用其他方式,包括但不局限于:5个小星星、皇冠、黄瓜、心型、小火苗、温度计、进度条等,通过实心与空心的比例关系传递推荐指数的百分比概念。
比如,以推荐指数为例,如图7、图8所示为商品界面示例图,图7中的商品界面中“推荐指数默认关闭”,也就是在默认的状态下不展示推荐指数。如图8所示,用户滑动“推荐指数”的触控开关,转换到“推荐指数已打开”的状态,此时,在商品界面上展示所述推荐指数,推荐指数以百分数的形式进行展示,其中,“81%”、“20%”即为推荐指数。
实施例六
一种商品信息展示的装置,应用于用户端,如图9所示,可以包括:
第二获取模块91,用于获取来自服务端的推荐信息,所述推荐信息基于商品交易的代购方信息、以及商品交易行为信息确定;
展示模块92,用于在商品界面展示所述推荐信息,以便用户参考所述推荐信息选择商品。
一种实现方式中,上述商品信息展示的装置还可以包括:
设置模块93,用于在所述商品界面上设置供用户操作的推荐信息工具,所述推荐信息工具用于控制所述推荐信息在商品界面上的展示状态;
所述展示模块92,具体可用于响应于打开所述推荐信息工具的用户操作,在所述商品界面上展示所述商品的推荐信息。
一种实现方式中,所述推荐信息可以为推荐指数;展示模块92具体可以用于在商品界面以数值或表征数值的可视化图形展示所述推荐指数。通过数值或其可视化图形可以更直观的展示推荐信息,用户体验更好。
实际应用中,本实施例的上述装置可设置于用户端设备或通过用户端设备实现。
实际应用中,本实施例的上述装置中:
第二获取模块91负责向服务端设备获取信息或数据,包括但不限于被动接收来自服务端设备的推荐信息,和/或向服务端设备请求并接收服务端设备返回的推荐信息,可以是软件、硬件或两者的结合。
展示模块92负责通过在线交易的用户界面向用户展示信息,该信息包括但不限于商品详情信息(比如,图片、名称等)、商品的推荐信息等,可以是软件、硬件或两者的结合。
设置模块93负责通过插件或控件的方式在用户界面上设置供用户操作的工具,该工具包括但不限于上述的推荐信息工具,可以是软件、硬件或两者的结合。
本实施例的其他技术细节可参照实施例五。
实施例七
一种商品信息展示的装置,如图10所示,应用于用户端,可以包括:
显示器101;
存储有计算机程序的存储器102;
处理器103,配置为读取所述计算机程序以执行实施例五所述方法的操作。
具体来讲,处理器103至少配置为读取所述计算机程序以执行实施例五所述方法的步骤601~步骤602,即:步骤601,获取来自服务端的推荐信息,所述推荐信息基于商品交易的代购方信息、以及商品交易行为信息确定;步骤602,在商品界面展示所述推荐信息,以便用户参考所述推荐信息选择商品。
一种实现方式中,处理器103还可以配置为读取所述计算机程序以执行如下操作:在所述商品界面上设置供用户操作的推荐信息工具,所述推荐信息工具用于控制所述推荐信息在商品界面上的展示状态;处理器103具体可以配置为读取所述计算机程序以执行如下操作:响应于打开所述推荐信息工具的用户操作,在所述商品界面上展示所述商品的推荐信息。如此,可方便用户自行控制推荐信息的展示状态,进一步简化用户操作并提升用户体验。
实际应用中,上述推荐信息工具可以通过多种方式实现。该推荐信息工具包括但不限于浏览器插件、用户界面上的触控开关等,方便用户一键展示或隐藏该推荐信息。这里,可以将推荐信息工具设置于商品界面上,将推荐信息展示于相应商品的展示区域,方便用户查看和操作。
一种实现方式中,所述推荐信息可以为推荐指数。此实现方式中,处理器103具体可以配置为读取所述计算机程序以执行如下操作:在商品界面可以以数值或表征数值的可视化图形展示所述推荐指数,方便用户查看。
本实施例中商品信息展示的装置可通过用户端设备来实现。
需要说明的,在上述基础架构之上,本实施例中商品信息展示的装置还可以包括:负责与服务端设备通信的通信电路、以及负责将该装置中各部分连通或连接的总线等。除此之外,该商品信息展示的装置还可以包括其他部分,比如,输入输出部件(麦克风、喇叭)等。对于该商品信息展示的装置的具体结构,本文不予限制。
本实施例的其他细节可参照实施例五。
实施例八
一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现实施例五所述方法的步骤。具体来讲,所述计算机程序被处理器执行时至少可实现实施例五所述方法的步骤601~步骤602,即:步骤601,获取来自服务端的推荐信息,所述推荐信息基于商品交易的代购方信息、以及商品交易行为信息确定;步骤602,在商品界面展示所述推荐信息,以便用户参考所述推荐信息选择商品。
一种实现方式中,所述计算机程序被处理器执行时还可以实现如下操作:在所述商品界面上设置供用户操作的推荐信息工具,所述推荐信息工具用于控制所述推荐信息在商品界面上的展示状态;所述计算机程序被处理器执行时具体可以实现如下操作:响应于打开所述推荐信息工具的用户操作,在所述商品界面上展示所述商品的推荐信息。如此,可方便用户自行控制推荐信息的展示状态,进一步简化用户操作并提升用户体验。
实际应用中,上述推荐信息工具可以通过多种方式实现。该推荐信息工具包括但不限于浏览器插件、用户界面上的触控开关等,方便用户一键展示或隐藏该推荐信息。这里,可以将推荐信息工具设置于商品界面上,将推荐信息展示于相应商品的展示区域,方便用户查看和操作。
一种实现方式中,所述推荐信息可以为推荐指数。此实现方式中,所述计算机程序被处理器执行时具体可以实现如下操作:在商品界面可以以数值或表征数值的可视化图形展示所述推荐指数,方便用户查看。
本实施例的其他细节可参照实施例五。
下面以结合示例性的应用场景对上述各实施例进行说明。
实例1
代购方通过在线交易网站或在线交易应用程序为买方代购商品的流程如图11所示,可以包括:
步骤①,买方向代购方提出代购需求;
买方可以使用自己的用户端设备通过电话、微信、钉钉等方式向代购方的用户端设备发送代购需求消息,该代购需求消息可以是语音消息或即时通讯消息。
步骤②,代购方接收买方的代购需求,通过支持代购模式的在线交易网站或在线交易APP寻找符合需求的商品,借助在线交易网站或在线交易APP中的“推荐指数”工具查看推荐指数,并基于该推荐指数选择商品,最后把找好的商品链接或图片等信息发送给买方;
步骤③,买方查看商品链接或图片等信息后,向代购方确认最终要购买的商品及数量;
步骤④,代购方获知买方最终需要购买的商品及数量之后,在在线交易网站或在线交易APP上向卖方下单;
步骤⑤,卖方通过一级服务中心、二级服务中心等站点将商品运送到代购方处,再由代购方转交给买方,或者可以直接运送到买方处;
步骤⑥,提供在线交易网站或在线交易APP的服务端通过分析商品的历史交易信息,周期性的获得买方在各个类目交易的GMV趋势数据(该GMV趋势数据为上文所述交易趋势的一种示例)、以及代购方在各个类目交易中的收益趋势数据,并据此周期性的调整推荐指数。
这里,调整推荐指数的方式可参照实施例一,不再赘述。
需要说明的是,步骤⑥可在该流程中的任意时序中执行。
实例2
本实例中,代购方通过第二用户端设备为买方代购商品时下单处理的流程如图12所示,可以包括:
步骤1201,买方通过第一用户端设备发送购买需求信息到代购方的第二用户端设备上,该购买需求信息携带买方需购买商品的信息;
步骤1202,代购方通过第二用户端设备登录在线交易网站或在线交易APP,第二用户端设备发送请求到提供在线交易网站或在线交易APP的服务器,服务器向第二用户端设备提供商品代购界面,该商品代购界面包含商品信息、以及推荐指数工具;
步骤1203,第二用户端设备向代购方展示商品代购界面,该商品代购界面上包含商品信息、以及推荐指数触控开关,代购方通过滑动该推荐指数触控开关打开推荐指数的展示功能,第二用户端设备在该商品代购界面上展示商品的推荐指数,以便代购方据此推荐指数选取合适的商品;
步骤1204,代购方选择好商品之后,通过第二用户端设备向买方的第一用户端设备发送所选取商品的信息,比如商品链接、商品图片等信息;
步骤1205,第一用户端设备接收第二用户端设备发送的商品信息并进行展示,买方查看之后,决定购买则通过第一用户端设备向第二用户端设备发送确认购买商品的信息,该确认购买商品的信息可以包括商品链接、商品图片等信息;
步骤1206,第二用户端设备接收所述确认购买商品的信息并向代购方展示,代购方决定代购此商品时,在第二用户端设备上展示的商品代购界面上进行下单操作,第二用户端设备向服务器发送订单消息,该订单消息携带上述确认购买商品的信息;
步骤1207,服务器接收所述订单消息,向卖方发送订单消息,在卖方使用第三用户端设备登录在线交易网站或在线交易APP之后第三用户端设备提示卖方查看该订单消息或向卖方展示该订单消息;
步骤1208,卖方通过第三用户端设备查看该订单消息并进行订单确认操作,通过第三用户端设备向服务器返回订单确认消息;
步骤1209,服务器将所述订单确认消息转发给第二用户端设备,代购方可据此订单确认消息向买方发送已购商品的信息。
需要说明的是,本实例中的上述流程主要是针对在线交易中的在线下单环节,而省略了在线商品交易中的支付、发货、收货、退货、补货等环节。实际应用中,除上述在线下单的环节之外,推荐指数还可应用到在线交易的其他环节中。比如,在补货环节中,卖方可通过第三用户端设备登录在线交易网站或在线交易APP,在商品界面(比如,商品补货界面)借助推荐指数工具查看自己线上商品的推荐指数,并根据该推荐指数进行补货操作。
由上可知,推荐指数不仅可为买方、代购方选购商品时做参考,而且卖方也可以根据推荐指数控制其商品池,换言之,该推荐指数可贯穿在线交易网站或在线交易APP的在线交易业务,为在线交易网站或在线交易APP的各类用户提供有效参考,从而简化各类用户在线交易时的操作,提高各类用户的使用体验。
需要说明的是,上述图11与图12仅为示例,并不用于限制本申请。在其他应用场景下,还可以通过其他方式实现。
本领域普通技术人员可以理解上述方法中的全部或部分步骤可通过程序来指令相关硬件完成,所述程序可以存储于计算机可读存储介质中,如只读存储器、磁盘或光盘等。可选地,上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现。相应地,上述实施例中的各模块/单元可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。本申请不限制于任何特定形式的硬件和软件的结合。
当然,本申请还可有其他多种实施例,在不背离本申请精神及其实质的情况下,熟悉本领域的技术人员当可根据本申请作出各种相应的改变和变形,但这些相应的改变和变形都应属于本申请的权利要求的保护范围。
Claims (17)
1.一种商品信息处理的方法,包括:
获取商品的历史交易信息,所述历史交易信息至少包括:商品交易的代购方信息、以及商品交易行为信息;
基于所述代购方信息、以及商品交易行为信息,确定所述商品的推荐信息;
将所述推荐信息提供给用户。
2.根据权利要求1所述的方法,其特征在于,所述代购方信息至少包括:代购方在所述商品交易中的收益信息。
3.根据权利要求1所述的方法,其特征在于,所述商品交易行为信息至少包括如下之一:评价信息、退货信息、商品交易数量。
4.根据权利要求1所述的方法,其特征在于:所述推荐信息为推荐指数。
5.根据权利要求1所述的方法,其特征在于,所述基于所述代购方信息、以及商品交易行为信息,确定所述商品的推荐信息,包括:
通过分析所述代购方信息、以及商品交易行为信息,确定代购方在所述商品交易中的佣金率、商品的好评率、以及商品交易的纠纷率;
至少基于所述佣金率、以及所述好评率与所述纠纷率中之一,确定所述推荐信息。
6.根据权利要求1至5任一项所述的方法,其特征在于,
所述方法还包括:至少预先配置如下之一:对应佣金率的第一权重、对应好评率的第二权重、对应纠纷率的第三权重;
所述基于所述代购方信息、以及商品交易行为信息,确定所述商品的推荐信息,至少包括如下之一:
基于所述佣金率、所述好评率、所述纠纷率、所述第一权重、所述第二权重以及所述第三权重,计算所述推荐指数;
基于所述佣金率、所述好评率、所述第一权重、以及所述第二权重,计算所述推荐指数;
基于所述佣金率、所述纠纷率、所述第一权重以及所述第三权重,计算所述推荐指数。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
通过分析当前类目下的所述代购方信息、以及所述商品交易行为信息,至少确定当前类目下的交易趋势和代购方在当前类目下的收益趋势中之一;
至少基于当前类目下的所述交易趋势和代购方在当前类目下的所述收益趋势中之一代购方,调整所述第一权重、第二权重以及第三权重中之一。
8.一种商品信息处理的装置,其特征在于,应用于服务端,包括:
第一获取模块,用于获取商品的历史交易信息,所述历史交易信息至少包括:商品交易的代购方信息、以及商品交易行为信息;
确定模块,用于基于所述代购方信息、以及商品交易行为信息,确定所述商品的推荐信息;
提供模块,用于将所述推荐信息提供给用户。
9.根据权利要求8所述的装置,其特征在于,所述确定模块,包括:
第一确定单元,用于通过分析所述代购方信息、以及商品交易行为信息,确定代购方在所述商品交易中的佣金率、商品的好评率、以及商品交易的纠纷率;
第二确定单元,用于至少基于所述佣金率、以及所述好评率与所述纠纷率中之一,确定所述推荐信息。
10.一种商品信息处理的装置,其特征在于,应用于服务端,包括:
存储有计算机程序的存储器;
处理器,配置为读取所述计算机程序以执行如下操作:
获取商品的历史交易信息,所述历史交易信息至少包括:商品交易的代购方信息、以及商品交易行为信息;
基于所述代购方信息、以及商品交易行为信息,确定所述商品的推荐信息;
将所述推荐信息提供给用户。
11.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如下操作:
获取商品的历史交易信息,所述历史交易信息至少包括:商品交易的代购方信息、以及商品交易行为信息;
基于所述代购方信息、以及商品交易行为信息,确定所述商品的推荐信息;
将所述推荐信息提供给用户。
12.一种商品信息展示的方法,包括:
获取来自服务端的推荐信息,所述推荐信息基于商品交易的代购方信息、以及商品交易行为信息确定;
在商品界面展示所述推荐信息,以便用户参考所述推荐信息选择商品。
13.根据权利要求12所述的方法,其特征在于,
所述方法还包括:在所述商品界面上设置供用户操作的推荐信息工具,所述推荐信息工具用于控制所述推荐信息在商品界面上的展示状态;
所述在商品界面展示所述推荐信息,包括:响应于打开所述推荐信息工具的用户操作,在所述商品界面展示所述商品的推荐信息。
14.根据权利要求12或13所述的方法,其特征在于:
所述推荐信息为推荐指数;
在商品界面以数值或表征数值的可视化图形展示所述推荐指数。
15.一种商品信息展示的装置,其特征在于,应用于用户端,包括:
第二获取模块,用于获取来自服务端的推荐信息,所述推荐信息基于商品交易的代购方信息、以及商品交易行为信息确定;
展示模块,用于在商品界面展示所述推荐信息,以便用户参考所述推荐信息选择商品。
16.一种商品信息展示的装置,其特征在于,应用于用户端,包括:
显示器;
存储有计算机程序的存储器;
处理器,配置为读取所述计算机程序以执行如下操作:
获取来自服务端的推荐信息,所述推荐信息基于商品交易的代购方信息、以及商品交易行为信息确定;
在商品界面展示所述推荐信息,以便用户参考所述推荐信息选择商品。
17.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如下操作:
获取来自服务端的推荐信息,所述推荐信息基于商品交易的代购方信息、以及商品交易行为信息确定;
在商品界面展示所述推荐信息,以便用户参考所述推荐信息选择商品。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711236257.7A CN109858985A (zh) | 2017-11-30 | 2017-11-30 | 商品信息处理、展示的方法以及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711236257.7A CN109858985A (zh) | 2017-11-30 | 2017-11-30 | 商品信息处理、展示的方法以及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109858985A true CN109858985A (zh) | 2019-06-07 |
Family
ID=66887999
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711236257.7A Pending CN109858985A (zh) | 2017-11-30 | 2017-11-30 | 商品信息处理、展示的方法以及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109858985A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111476632A (zh) * | 2020-03-31 | 2020-07-31 | 北京三快在线科技有限公司 | 显示资源的方法、装置、电子设备及可读存储介质 |
CN111489238A (zh) * | 2020-04-13 | 2020-08-04 | 冯维靖 | 代购平台 |
CN112785196A (zh) * | 2021-02-03 | 2021-05-11 | 叮当快药科技集团有限公司 | 商品自动推荐方法及装置 |
CN112927031A (zh) * | 2021-01-20 | 2021-06-08 | 支付宝(杭州)信息技术有限公司 | 商品代购处理方法及装置 |
CN113362117A (zh) * | 2021-07-02 | 2021-09-07 | 柒久园艺科技(北京)有限公司 | 一种商品数据的可视化分析方法、系统、设备及存储介质 |
CN113436023A (zh) * | 2021-07-06 | 2021-09-24 | 中国银行股份有限公司 | 基于区块链的理财产品推荐方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254028A (zh) * | 2011-07-22 | 2011-11-23 | 青岛理工大学 | 一种集成属性和结构相似性的个性化商品推荐方法和系统 |
CN103810626A (zh) * | 2012-11-13 | 2014-05-21 | 姚德明 | 网络购物的方法与网购中介 |
US20160092961A1 (en) * | 2014-09-30 | 2016-03-31 | Wal-Mart Stores, Inc. | Methods and systems for providing shopping suggestions to in-store customers |
CN106447463A (zh) * | 2016-10-21 | 2017-02-22 | 南京大学 | 一种基于马尔科夫决策过程模型的商品推荐方法 |
CN107169834A (zh) * | 2017-05-17 | 2017-09-15 | 丁知平 | 一种基于大数据进行购物推荐的方法和设备 |
-
2017
- 2017-11-30 CN CN201711236257.7A patent/CN109858985A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254028A (zh) * | 2011-07-22 | 2011-11-23 | 青岛理工大学 | 一种集成属性和结构相似性的个性化商品推荐方法和系统 |
CN103810626A (zh) * | 2012-11-13 | 2014-05-21 | 姚德明 | 网络购物的方法与网购中介 |
US20160092961A1 (en) * | 2014-09-30 | 2016-03-31 | Wal-Mart Stores, Inc. | Methods and systems for providing shopping suggestions to in-store customers |
CN106447463A (zh) * | 2016-10-21 | 2017-02-22 | 南京大学 | 一种基于马尔科夫决策过程模型的商品推荐方法 |
CN107169834A (zh) * | 2017-05-17 | 2017-09-15 | 丁知平 | 一种基于大数据进行购物推荐的方法和设备 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111476632A (zh) * | 2020-03-31 | 2020-07-31 | 北京三快在线科技有限公司 | 显示资源的方法、装置、电子设备及可读存储介质 |
CN111489238A (zh) * | 2020-04-13 | 2020-08-04 | 冯维靖 | 代购平台 |
CN112927031A (zh) * | 2021-01-20 | 2021-06-08 | 支付宝(杭州)信息技术有限公司 | 商品代购处理方法及装置 |
CN112927031B (zh) * | 2021-01-20 | 2022-05-06 | 支付宝(杭州)信息技术有限公司 | 商品代购处理方法及装置 |
CN112785196A (zh) * | 2021-02-03 | 2021-05-11 | 叮当快药科技集团有限公司 | 商品自动推荐方法及装置 |
CN113362117A (zh) * | 2021-07-02 | 2021-09-07 | 柒久园艺科技(北京)有限公司 | 一种商品数据的可视化分析方法、系统、设备及存储介质 |
CN113362117B (zh) * | 2021-07-02 | 2023-12-26 | 柒久园艺科技(北京)有限公司 | 一种商品数据的可视化分析方法、系统、设备及存储介质 |
CN113436023A (zh) * | 2021-07-06 | 2021-09-24 | 中国银行股份有限公司 | 基于区块链的理财产品推荐方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109858985A (zh) | 商品信息处理、展示的方法以及装置 | |
US9947059B2 (en) | Group formation and dynamic pricing for E-commerce in social networks | |
US20170243288A1 (en) | Delivery apparatus, delivery method, non-transitory computer readable storage medium, and delivery system | |
US20100005004A1 (en) | System and method to guarantee a selling price of a product | |
US20090327034A1 (en) | Methods and apparatus for electronic commerce | |
KR20120127326A (ko) | 인터넷을 이용한 전자상거래 상의 상품 가격 책정 시스템 | |
CN109493113A (zh) | 一种优惠信息的提供方法以及装置 | |
US11361389B1 (en) | Adaptive life advisor system | |
US10453141B2 (en) | Composite portfolio trading method, creation and analysis system | |
US8583513B1 (en) | Systems and methods for offer selection | |
CN110415123A (zh) | 金融产品推荐方法、装置和设备及计算机存储介质 | |
JP2021106061A (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
KR20140072427A (ko) | 사용자의 특성을 반영하여 상품을 추천하는 방법 및 장치 | |
KR101492543B1 (ko) | 온라인 판매에서의 상품 평가 시스템 및 방법, 그리고 이에 적용되는 장치 | |
KR101867264B1 (ko) | 투자 모집 기반 대출 금융 서비스의 투자자 및 수혜자 금원 정보 제공 방법 및 그 장치 | |
CN110097369A (zh) | 交易数据处理方法、装置、电子设备与存储介质 | |
KR102478104B1 (ko) | 개인화 금융상품 평가 시스템 및 방법 | |
KR102542529B1 (ko) | 핀테크 플랫폼 서비스 이용자의 성향 및 이용 방식을 고려하여, 사용자 성향에 맞는 시가 변동 정보를 제공하기 위한 장치 및 방법 | |
KR101844798B1 (ko) | 온라인 주식 거래 시스템 | |
KR20190122555A (ko) | 사용자간 관심사 데이터 기반 페이 활용 시스템 및 방법 | |
KR20200068064A (ko) | 전문 중개인을 통한 차등 수수료 지급 시스템 및 그 방법 | |
US20140365351A1 (en) | Common order queue for multiple trading platforms | |
CN107239988A (zh) | 商品数据呈现系统 | |
KR20140006383A (ko) | 온라인-홈쇼핑 연동 판매 시스템 및 서버 | |
Miao et al. | Bounded rationality and consumer choice: an evaluation of consumer choice of mobile bundles |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190607 |