CN109902896A - 数据处理方法及装置 - Google Patents

Abstract

本申请公开一种数据处理方法及装置，涉及计算机信息处理领域。该数据处理方法包括：获取历史数据信息；根据所述历史数据信息生成转移概率矩阵；根据所述转移概率矩阵获得评估指数。本申请公开的数据处理方法及装置，能够通过自动量化计算品牌竞争潜力指数，从而实现对品牌未来竞争潜力的一个较为准确的评估。

Description

数据处理方法及装置

技术领域

本发明涉及计算机信息处理领域，具体而言，涉及一种数据处理方法及装置、电子设备、计算机可读介质。

背景技术

随着电子商务的迅猛发展，消费者能够选择的平台也越来越多，品牌之间的竞争也越来越激烈。在现有技术中，评估某一品牌的竞争潜力，一般都是通过观察该品牌过去的销量和销售额数据，然后依靠业务知识进行判断，无法进行量化分析。

但是，采用过去的销量、销售额等指标来评估品牌的竞争潜力，没有考虑到品牌之间的转移概率，从而不能精确的指导业务人员的进行品牌运营。

因此，需要一种新的数据处理方法及装置。

在所述背景技术部分公开的上述信息仅用于加强对本发明的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

有鉴于此，本发明提供一种数据处理方法及装置，能够自动量化计算品牌竞争潜力指数，从而实现对品牌未来竞争潜力的一个更为准确的评估。

本发明的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。

根据本发明的一方面，提出一种数据处理方法，所述方法包括：获取历史数据信息；根据所述历史数据信息生成转移概率矩阵；根据所述转移概率矩阵获得评估指数。

在本公开的一种示例性实施例中，所述历史数据信息包括历史商品数据、交易数据和用户数据，其中所述方法还包括：根据所述历史商品数据、交易数据和用户数据获取用户的订单，其中所述订单包括订单金额信息、品牌信息和交易时间信息，所述订单金额信息包括订单总金额和订单中的品牌金额。

在本公开的一种示例性实施例中，所述方法还包括：依据预设维度对所述订单进行筛选，其中所述预设维度包括预设时间范围、预设地域范围、品牌所属行业、品牌产品名称和/或品牌服务名称、品牌品类中的一种或多种。

在本公开的一种示例性实施例中，所述根据所述历史数据信息生成转移概率矩阵包括：根据所述订单获得品牌转出概率、品牌保持概率以及品牌转入概率；根据所述品牌转出概率、所述品牌保持概率以及所述品牌转入概率生成所述品牌转移矩阵。

在本公开的一种示例性实施例中，所述根据所述订单获得品牌转出概率包括：分别计算单个用户的品牌转出子概率；根据单个用户的品牌转出子概率统计获得所述品牌转出概率。

在本公开的一种示例性实施例中，所述计算单个用户的品牌转出子概率包括：步骤一、依据所述品牌信息和所述交易时间信息获得第一用户包括第一品牌和/或第二品牌的第一订单和第二订单；步骤二、根据第一订单总金额、第二订单总金额、第一订单第一品牌金额以及第二订单第二品牌金额获得第一用户第一品牌转出子概率；步骤三、循环执行上述步骤一和步骤二直至遍历所述第一用户所有包括第一品牌和/或第二品牌的订单；步骤四、汇总所述第一用户第一品牌转出子概率获得所述第一用户的第一品牌转出子概率。

在本公开的一种示例性实施例中，所述根据所述转移概率矩阵获得评估指数包括：根据其他品牌实际销售额和第一品牌转入概率获得第一品牌转入潜在销售额；根据第一品牌实际销售额和第一品牌保持概率获得第一品牌保持潜在销售额；根据所述第一品牌实际销售额和第一品牌转出概率获得第一品牌转出潜在销售额；根据所述第一品牌转入潜在销售额、所述第一品牌保持潜在销售额和所述第一品牌转出潜在销售额获得所述第一品牌潜在销售额。

在本公开的一种示例性实施例中，所述根据所述转移概率矩阵获得评估指数还包括：根据所述第一品牌潜在销售额和所述第一品牌实际销售额获得第一品牌竞争潜力指数。

在本公开的一种示例性实施例中，还包括：对所述第一品牌竞争潜力指数进行归一化。

在本公开的一种示例性实施例中，还包括：输出所述转移概率矩阵和/或所述评估指数。

根据本发明的一方面，提出一种数据处理装置，该装置包括：数据采集模块，用于获取历史数据信息；转移概率矩阵生成模块，用于根据所述历史数据信息生成转移概率矩阵；评估模块，用于根据所述转移概率矩阵获得评估指数。

根据本发明的一方面，提出一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上任一实施例的方法。

根据本发明的一方面，提出一种计算机可读介质，其上存储有计算机程序，其特征在于，程序被处理器执行时实现如上任一实施例的方法。

在这个用户注意力极其分散的互联网时代，需要我们能够用有限的资源更加高效的定位自己的品牌，提高用户的忠诚度，准确找到那些对自己品牌威胁比较大的品牌。

根据本发明的数据处理方法及装置，能够获得品牌之间的转移，通过转移概率来获得品牌竞争潜力指数，从而实现对品牌未来竞争潜力的一个评估，有利于业务人员在日常运营中进行更加精准的营销策略。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本发明。

附图说明

通过参照附图详细描述其示例实施例，本发明的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，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是根据一示例性实施例示出的一种数据处理方法的系统架构。

图2是根据一示例性实施例示出的一种数据处理方法的流程图。

图3是根据一示例性实施例示出的另一种数据处理方法的系统架构示意图。

图4是根据一示例性实施例示出的一种品牌转移概率的示意图。

图5是根据一示例性实施例示出的一种数据处理装置的框图。

图6是根据一示例性实施例示出的一种电子设备的框图。

图7是根据一示例性实施例示出的一种计算机可读介质示意图。

具体实施例

现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本发明将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。

此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本发明的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。

附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。

应理解，虽然本文中可能使用术语第一、第二、第三等来描述各种组件，但这些组件不应受这些术语限制。这些术语乃用以区分一组件与另一组件。因此，下文论述的第一组件可称为第二组件而不偏离本公开概念的教示。如本文中所使用，术语“和/或”包括相关联的列出项目中的任一个及一或多者的所有组合。

本领域技术人员可以理解，附图只是示例实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的，因此不能用于限制本发明的保护范围。

下面结合附图对本公开示例实施方式进行详细说明。

图1是根据一示例性实施例示出的一种数据处理方法的系统架构。

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上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

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，例如对用户利用终端设备101、102、103所浏览的购物类网站提供支持的后台服务器。后台服务器可以对接收到的网购请求等数据进行分析等处理，并将处理结果(例如网购数据)反馈给终端设备。

需要说明的是，本申请实施例所提供的品牌竞争潜力评估的处理一般由服务器105执行，相应地，品牌转移矩阵和竞争潜力指数在网页端的显示处理一般在客户端101中进行。

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。

图2是根据一示例性实施例示出的一种数据处理方法的流程图。

如图2所示，在步骤S210中，获取历史数据信息。

本发明实施例中，所述历史数据信息可以包括历史商品数据、交易数据和用户数据。其中，所述商品数据是指商品的主要信息，例如可以包括商品的品牌信息、商品所属品类、商品名称、商品价格、生产商以及规格参数等信息。具体的商品数据可以根据不同的商品包括不同的数据内容。所述交易数据主要包括商品的订单数据，例如订单总金额、订单中所包含的商品信息、订单中包括的商品所属的品牌、订单所属用户、下单时间、订单的物流信息、订单中各个品牌的商品的金额等信息。所述用户数据可以包括用户在购买过程中的消费行为轨迹、浏览行为、收藏行为、点击行为等网购行为以及用户信息，例如用户名、用户等级、用户邮箱、用户手机号码等信息。

需要说明的是，本发明实施例中“商品”是一个广泛的概念，其既可以包括具体的实物商品，也可以包括提供的服务，例如家政服务、租赁服务等。

上述的历史商品数据、交易数据和用户数据可以从一个电商平台获取，也可以从多个电商平台获得，甚至可以通过线下渠道获得，本公开对所述历史商品数据、交易数据和用户数据获取方式不做限制。

在示例性实施例中，所述方法还可以包括：根据所述历史商品数据、交易数据和用户数据获取用户的订单。其中所述订单可以包括订单金额信息、品牌信息和交易时间信息等。进一步的，所述订单金额信息可以包括订单总金额和订单中的品牌金额，这里所说的订单中的品牌金额是指一个订单中一个品牌的金额，例如用户甲今天的一个订单中包括品牌A的一件商品或者多件商品，该品牌A的该一件或者多件商品的金额为56元，则该订单中的品牌A金额为56元。所述订单总金额是指一个订单中所有商品的金额的总和。

在示例性实施例中，所述方法还可以包括：依据预设维度对所述订单进行筛选。其中所述预设维度包括预设时间范围、预设地域范围、品牌所属行业、品牌产品名称和/或品牌服务名称、品牌品类等中的一种或多种。

一些实施例中，对应一个指定品牌，其可能提供多种产品或服务，而对于同一个指定品牌的不同产品或服务，其对应的竞争品牌也可能不同。因此，除了可以根据指定品牌的名称对所获取的订单进行筛选外，还可以根据指定品牌所属的行业、指定品牌所应用的产品名称和指定品牌所应用的服务名称中的一种或多种对所获取的订单进行筛选。例如，品牌A包括电视、手机、电脑等多种产品，则可以从所有获取的订单中筛选出包括品牌A的电视产品的订单。而且，通常，同一品牌在同一类型产品下还可能包括多种型号或者多种功能的产品，例如，品牌A在电视这个类型下，可以进一步包括液晶电视、黑白电视等，在一些实施例总，还可以根据品牌A在电视这个类型下的液晶电视产品对所有获取的订单进行筛选。在其他实施例中，也可以根据指定品牌应用的领域类型对所有获取的订单进行筛选，例如品牌A的产品分为工业用途、民用用途、军用用途等，此时还可以根据品牌A应用的领域对所有获取的订单进行筛选。

另一些实施例中，现有互联网通常参照信息的重要程度和发布日期形成公布信息原则，依据公布信息原则公布信息，以方便用户从互联网中高效的抓取所需要的信息。考虑到后续操作的实现效率，可以仅抓取预设条数的指定品牌的相关订单信息。

本发明实施例中，该方法还可以包括：依据所述预设时间范围对指定品牌的相关订单进行筛选。例如，仅选择在所述预设时间范围内(例如，近一年内品牌的相关订单)的品牌的相关订单信息，从而有利于确定指定品牌在预设时间范围内的竞争潜力，提高竞争潜力评估的及时性。

本发明实施例中，该方法还可以包括：依据预设品牌对所获得的所有订单进行筛选。例如，可以预先建立一个品牌库，该品牌库中包括要评估其未来竞争潜力的品牌信息，然后仅从所获取的所有订单中筛选出包括该品牌库中的品牌的订单。

不同产品或服务所销售的地域范围也不同，例如考虑到运输成本或人力成本等因素，某些品牌的产品仅于中国的一个区域销售。为了获取指定品牌的产品或服务于其销售区域的竞争潜力，该方法还可以包括：依据地域范围对指定品牌的相关订单进行筛选。从而仅从预设的地域范围内(例如，销售区域在北京市范围内)的指定品牌的相关订单信息中，评估该指定品牌的竞争潜力，从而有利于确定指定品牌在预设地域范围内的竞争潜力，提高竞争潜力评估的准确性。

对于需同时考虑时效性和地域性的指定品牌，所述方法还可以包括：依据时间范围和地域范围对指定品牌的相关订单进行筛选。

需要说明的是，上述例举了多种对订单进行筛选的方式，但本公开对具体的订单筛选方式并不受限于上述举例，还可以采用其他方式或方式对所获取的订单进行筛选。此外，在其他实施例中，也可以对所获取的订单不进行筛选，例如，可以进行跨品类和/或跨区域和/或跨国家和/或跨行业和/或跨年度的品牌竞争潜力评估。

在步骤S220中，根据所述历史数据信息生成转移概率矩阵(下文中称之为品牌转移矩阵)。

在示例性实施例中，所述根据所述历史数据信息生成转移概率矩阵可以包括：根据所述订单获得品牌转出概率、品牌保持概率以及品牌转入概率；根据所述品牌转出概率、所述品牌保持概率以及所述品牌转入概率生成所述转移概率矩阵或者品牌转移矩阵。

本发明实施例中，所述品牌转出概率是指用户原本购买要评估其竞争潜力的品牌例如品牌A，之后购买了另一不同品牌例如品牌B的概率。所述品牌保持概率是指用户原本购买要评估其竞争潜力的品牌例如品牌A，之后还购买该同一品牌例如品牌A的概率。所述品牌转入概率是指用户原本购买另一品牌例如品牌C，之后购买了当前要评估其竞争潜力的品牌例如品牌A的概率。

在示例性实施例中，所述根据所述订单获得品牌转出概率可以包括：分别计算单个用户的品牌转出子概率；根据单个用户的品牌转出子概率统计获得所述品牌转出概率。

在示例性实施例中，所述计算单个用户的品牌转出子概率可以包括：步骤一、依据所述品牌信息和所述交易时间信息获得第一用户包括第一品牌和/或第二品牌的第一订单和第二订单；步骤二、根据第一订单总金额、第二订单总金额、第一订单第一品牌金额以及第二订单第二品牌金额获得第一用户第一品牌转出子概率；步骤三、循环执行上述步骤一和步骤二直至遍历所述第一用户所有包括第一品牌和/或第二品牌的订单；步骤四、汇总所述第一用户第一品牌转出子概率获得所述第一用户的第一品牌转出子概率。

需要说明的是，虽然上述实施例中是通过分析用户购买行为的订单数据尤其是订单数据中的订单金额(包括订单总金额和品牌金额)来获得所述品牌转出概率、所述品牌保持概率以及所述品牌转入概率，从而生成所述品牌转移矩阵，但本公开并不限定于此。在其他实施例中，还可以通过分析用户浏览行为、加购物车行为、收藏行为、点击行为、购买行为等中的一种或者多种来获得所述品牌转出概率、所述品牌保持概率以及所述品牌转入概率，从而生成所述品牌转移矩阵。

例如，可以根据用户网购记录计算每个用户对每个品牌自转移购买次数、品牌最长连续浏览次数、品牌转入购买次数等来生成所述品牌转移矩阵。其中所述品牌自转移购买次数代表用户对某一品牌的钟爱程度，代表相邻两次购买行为中购买同一品牌的次数，通过在网购记录中识别用户对某类商品中某品牌的连续购买记录来计算；所述品牌最长连续浏览次数代表用户对某一品牌的渴望程度，通过在网购记录中识别用户对某类商品中某品牌的最长连续浏览次数来计算；所述品牌转入购买次数代表用户愿意使用某品牌商品的意愿大小，通过从其他品牌转入购买测定品牌的次数计算。

在步骤S230中，根据所述转移概率矩阵获得评估指数。

在示例性实施例中，所述根据所述品牌转移矩阵获得品牌竞争潜力指数可以包括：根据其他品牌实际销售额和第一品牌转入概率获得第一品牌转入潜在销售额；根据第一品牌实际销售额和第一品牌保持概率获得第一品牌保持潜在销售额；根据所述第一品牌实际销售额和第一品牌转出概率获得第一品牌转出潜在销售额；根据所述第一品牌转入潜在销售额、所述第一品牌保持潜在销售额和所述第一品牌转出潜在销售额获得所述第一品牌潜在销售额。

在示例性实施例中，所述根据所述品牌转移矩阵获得品牌竞争潜力指数还可以包括：根据所述第一品牌潜在销售额和所述第一品牌实际销售额获得第一品牌竞争潜力指数。

需要说明的是，虽然上述实施例是通过分析品牌的实际销售额，从而获得品牌的潜在销售额，并进一步根据品牌的潜在销售额计算获得品牌竞争潜力指数，但本公开并不限定于此，例如，还可以根据用户的其他行为数据计算获得所述品牌竞争潜力指数。

在示例性实施例中，所述方法还可以包括：对所述第一品牌竞争潜力指数进行归一化。

例如，可以根据该第一品牌的所述第一品牌竞争潜力指数与所有品牌竞争潜力指数求和的比值进行归一化，但本公开并不限定于此，具体的归一化方法也可以采用其他方式。

在示例性实施例中，所述方法还可以包括：输出所述转移概率矩阵和/或所述评估指数例如品牌竞争潜力指数。

例如，可以将所述品牌转移矩阵和/或所述品牌竞争潜力指数输出至客户端的用户界面进行显示，方便用户进行查看或者查询。

根据本发明的数据处理方法，可以基于用户在品牌之间的转移概率，综合计算品牌可以从别的品牌抢来的销售额、自己保持的销售额、以及流失到别的品牌的销售额，从而能够获得品牌竞争潜力指数，从而实现对品牌未来竞争潜力的一个量化的、较为准确的评估，从而可以为商家的精准营销提供决策依据。

应清楚地理解，本发明描述了如何形成和使用特定示例，但本发明的原理不限于这些示例的任何细节。相反，基于本发明公开的内容的教导，这些原理能够应用于许多其它实施例。

图3是根据一示例性实施例示出的另一种数据处理方法的系统架构示意图。

如图3所示，系统主要包括三个模块：数据模块、算法模块以及用户界面。

本发明实施例中，该数据模块可以包括商品数据、交易数据和用户数据。所述商品数据是指商品的主要信息，包括商品的品牌信息。所述交易数据主要包括商品的订单数据。所述用户数据是指用户在购买过程中的消费行为轨迹以及用户信息。

本发明实施例中，该算法模块可以包括用户转移概率模型和品牌竞争潜力评估模型两个部分。

其中所述用户转移概率模型主要是量化用户购买某一品牌例如品牌A以后，下次会购买哪些品牌的概率。可以通过计算两个品牌之间的转移概率消费，来代表品牌之间的转移概率。该用户转移概率模型可以利用用户在不同品牌之间的购买行为来衡量品牌之间的转移概率。获得的品牌转移矩阵和品牌竞争潜力指数会输出到用户界面。

本发明实施例中，该用户界面模块允许用户查看各个品牌之间的转移概率，指导业务人员进行不同的运营策略。

本发明实施例中，该系统首先利用用户转移概率模型计算出品牌转移矩阵，然后根据计算获得的品牌转移概率对品牌的竞争潜力进行评估。

例如，可以根据商品数据(例如包括商品、品类信息等)和交易数据(例如包括订单、商品、品类信息等)获得包括A和/或B品牌所有的订单信息，然后可以根据A和/或B品牌所有的订单信息通过品牌转移概率模型得到A品牌转移到B品牌的概率R(A,B)。再根据用户数据中的用户、订单、品类信息等，统计所有用户的消费行为，得出品牌A的转移概率矩阵R(A)，其中，该品牌A的转移概率矩阵R(A)可以包括其他品牌转移到A品牌概率R(other，A)，仍然购买A品牌的概率R(A，A)，A品牌转移到其他品牌的概率R(A，other)；之后可以根据其他品牌转移到A品牌概率R(other，A)、仍然购买A品牌的概率R(A，A)以及A品牌转移到其他品牌的概率R(A，other)计算获得其他品牌转移到A品牌的销售额Potential_sale(other，A)，仍然购买A品牌的销售额Potential_sale(A，A)，A品牌转移到其他品牌的销售额Potential_sale(A，other)；根据计算获得其他品牌转移到A品牌的销售额Potential_sale(other，A)、仍然购买A品牌的销售额Potential_sale(A，A)以及A品牌转移到其他品牌的销售额Potential_sale(A，other)计算出A品牌未来的潜在销售额Potential_sale(A)；最后进行指数化，计算出A品牌的竞争潜力P(A)。

图4是根据一示例性实施例示出的一种品牌转移概率的示意图。这里以品牌A、品牌B和品牌C之间的转移概率为例进行举例说明，但需要说明的是，本公开并不限定于此，在其他实施例中，可以计算更多或者更少品牌之间的转移概率。其中，R(A,A)代表A品牌转移到A品牌的概率，即A品牌的保持概率；R(A,B)代表A品牌转移到B品牌的概率，即A品牌的转出概率；R(C,A)代表C品牌转移到A品牌的概率，即A品牌的转入概率，同时也可以作为C品牌转移到A品牌的转出概率。

例如，可以首先从某一用户假设用户甲的所有历史订单或者某一预设时间范围内(例如最近一年)的历史订单中或者预设条数的历史订单中筛选获得所有包括品牌A和/或品牌B的订单，这里以该用户甲的所有历史订单进行举例说明。在其他实施例中，还可以对该用户甲的所有包括品牌A和/或品牌B的订单根据不同的品类进行筛选，但也可以不根据品类进行筛选。

然后，对该用户甲的所有包括品牌A和/或品牌B的订单按照交易生成时间进行降序(或者升序)排列。假设降序排列后包括订单1、订单2、订单3...订单n(n为大于等于1的正整数)。

在该用户甲的的上述订单1、订单2、订单3...订单n中选择连续两个订单中，比如订单1和订单2，用品牌B在订单2中的销售额占比，来表示订单1中A品牌转移到B品牌的占比，同时引入两个订单的总金额，来进行加权。此时，订单1和订单2中A品牌转移到B品牌的概率R(A,B)计算公式可以如下(1)所示：

其中，上述公式(1)中Sale₁表示订单1的总金额，Sale₂表示订单2的总金额，Sale_1A表示订单1中品牌A的金额，Sale_2B表示订单2中品牌B的金额。

接着，选择订单2和订单3，再根据上述公式(1)可以计算得到该用户甲的订单2和订单3中A品牌转移到B品牌的概率R(A,B)；再选择订单3和订单4，再根据上述公式(1)可以计算得到该用户甲的订单3和订单4中A品牌转移到B品牌的概率R(A,B)；...直至获得订单(n-1)和订单n中A品牌转移到B品牌的概率R(A,B)。然后对订单1和订单2、订单2和订单3、订单3和订单4...订单(n-1)和订单n的A品牌转移到B品牌的概率R(A,B)进行汇总例如相加或者加权相加可以获得该用户甲的A品牌转移到B品牌的概率R(A,B)。

本发明实施例中，所述方法还可以包括：根据用户的订单交易生成时间对各个品牌转移概率设置不同的权值，然后对用户的品牌转移概率进行加权求和获得品牌转移概率。一般而言，最新生成的订单时效性最好，可以设置更高的权重，例如上述用户甲的订单1和订单2是最新的订单，根据订单1和订单2计算获得的概率R(A,B)可以设置最高的权重。

在示例性实施例中，统计所有用户的消费行为，将所有用户的转移概率进行汇总(例如相加)，来表示品牌之间的转移概率，得出品牌的转移概率矩阵，从而可以显示用户在不同品牌或者商品之间的消费流向，用户可以再次购买同一品牌或者转移到不同品牌的概率。以上述的品牌A、品牌B、品牌C为例，品牌转移矩阵示例如下表一所示：

	品牌A	品牌B	品牌C
				品牌A	R(A,A)	R(A,B)	R(A,C)
品牌B	R(B,A)	R(B,B)	R(B,C)
				品牌C	R(C,A)	R(C,B)	R(C,C)

表一 品牌转移矩阵

本发明实施例中，品牌竞争潜力是评估不同品牌未来可能的销售金额。因为用户在品牌之间是互相转移的，所以对于品牌A来讲，未来可能的销售金额包括从其他品牌转移来的销售额、自身保持的销售额以及流失到其他品牌的销售额。具体如下：

其他品牌未来转移到品牌A的潜在销售额Potential_sale(other,A)可以通过如下公式(2)计算获得：

上述公式(2)中，Sale(other)表示其他品牌的实际销售额，可以从所述历史商品数据、用户数据和交易数据中将同一品牌的所有销售金额相加获得，例如，Sale(B)表示品牌B的实际销售额，Sale(C)表示品牌C的实际销售额，Sale(D)表示品牌D的实际销售额等等。R(other，A)表示用户从其他品牌转移到A品牌的概率，例如，R(B，A)表示用户从B品牌转移到A品牌的概率，R(C，A)表示用户从C品牌转移到A品牌的概率，R(D，A)表示用户从D品牌转移到A品牌的概率等等。

品牌A自身保持的潜在销售额Potential_sale(A,A)可以通过如下公式(3)计算获得：

Potential_sale(A,A)＝Sale(A)*R(A,A) (3)

上述公式(3)中，Sale(A)表示品牌A的实际销售额，R(A，A)表示用户继续购买A品牌的概率。

品牌A未来转移到其他品牌的潜在销售额Potential_sale(A,other)可以通过如下公式(4)计算获得：

上述公式(4)中，R(A，other)表示用户从A品牌转移到其他品牌的概率，例如，R(A，B)表示用户从A品牌转移到B品牌的概率；R(A，C)表示用户从A品牌转移到C品牌的概率；R(A，D)表示用户从A品牌转移到D品牌的概率等等。

根据上述公式(2)-(4)的计算结果，可以通过下述公式(5)计算获得品牌A未来可能的潜在销售额Potential_sale(A)：

可以根据上述公式(5)计算获得的品牌A未来可能的潜在销售额Potential_sale(A)通过以下公式(6)来获得品牌A未来的竞争潜力指数P(A)：

从而，品牌A的竞争潜力可以用来评估品牌A未来的销售潜力。

需要说明的是，在其他实施例中，也可以通过品牌未来可能的潜在销售额例如品牌A未来可能的潜在销售额Potential_sale(A)来评估品牌未来的销售潜力，一般可以认为未来可能的潜在销售额越大，则该相应品牌未来的销售潜力越大。但是，这种评估方式对于一些小品牌来说是不公平的，因为就算该小品牌未来具有巨大的销售增长潜力，但由于其当前的实际销售额基数相对于某些大品牌的实际销售额基数来说是很小的，所以可以进一步通过上述公式(6)计算品牌未来的竞争潜力指数来评估各个品牌未来的销售潜力，即所述竞争潜力指数代表的是某一品牌未来可能的潜在销售额与该品牌当前的实际销售额的一个比值，通过销售额的增长倍数来评估品牌未来的销售潜力更加准确客观。

在示例性实施例中，还可以对品牌的竞争潜力指数通过以下公式(7)进行量化调整：

量化调整可以使得各个品牌的竞争潜力指数归一化到[0,1]之间，更加方便不同品牌之间的竞争潜力的直观对比。在其他实施例中，也可以不对品牌的竞争潜力指数进行归一化。

需要说明的是，上述实施例中虽然均是以销售额为例计算品牌的潜在销售额、竞争潜力指数，但本公开并不限定于此，例如，还可以通过订单量、加入购物车的数量、浏览次数等等来计算品牌的竞争潜力指数。

根据本发明的数据处理方法，基于用户在品牌之间的转移概率，综合计算品牌可以从别的品牌抢来的销售额、自己保持的销售额以及流失到别的品牌的销售额，来建立品牌竞争潜力指数评估模型，评估品牌未来的潜力。一方面，基于品牌转移概率，能更好的帮助业务人员定位自己的竞争品牌，知道哪些品牌会抢走自己的销售市场，对自己的威胁比较大；另一方面，根据品牌竞争潜力的评估，对品牌未来的销售市场进行量化，从而指导业务人员更好的进行品牌定位以及品牌运营。

本领域技术人员可以理解实现上述实施例的全部或部分步骤被实现为由CPU执行的计算机程序。在该计算机程序被CPU执行时，执行本发明提供的上述方法所限定的上述功能。所述的程序可以存储于一种计算机可读存储介质中，该存储介质可以是只读存储器，磁盘或光盘等。

此外，需要注意的是，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

下述为本发明装置实施例，可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节，请参照本发明方法实施例。

图5是根据一示例性实施例示出的一种数据处理装置100的框图。

如图5所示，该装置100可以包括：数据采集模块110、转移概率矩阵生成模块120以及评估模块130。

其中，数据采集模块110可以用于获取历史数据信息。

本发明实施例中，所述历史数据信息可以包括历史商品数据、交易数据和用户数据。

转移概率矩阵生成模块120可以用于根据所述历史数据信息生成转移概率矩阵。

评估模块130可以用于根据所述转移概率矩阵获得评估指数。

在示例性实施例中，该装置100还可以包括：订单获取模块(图中未示出)，可以用于根据所述历史商品数据、交易数据和用户数据获取用户的订单。其中所述订单可以包括订单金额信息、品牌信息和交易时间信息，所述订单金额信息可以包括订单总金额和订单中的品牌金额。

在示例性实施例中，该装置100还可以包括：筛选模块，可以用于依据预设维度对所述订单进行筛选.其中所述预设维度包括预设时间范围、预设地域范围、品牌所属行业、品牌产品名称和/或品牌服务名称、品牌品类等中的一种或多种。

在示例性实施例中，转移概率矩阵生成模块120可以包括转移概率获取子模块和品牌转移矩阵生成子模块。

其中，所述转移概率获取子模块可以用于根据所述订单获得品牌转出概率、品牌保持概率以及品牌转入概率。

所述品牌转移矩阵生成子模块可以用于根据所述品牌转出概率、所述品牌保持概率以及所述品牌转入概率生成所述品牌转移矩阵。

在示例性实施例中，所述转移概率获取子模块可以包括单用户品牌转出子概率计算单元和统计单元。

其中，所述单用户品牌转出子概率计算单元可以用于分别计算单个用户的品牌转出子概率。所述统计单元可以用于根据单个用户的品牌转出子概率统计获得所述品牌转出概率。

在示例性实施例中，所述单用户品牌转出子概率计算单元可以包括订单选择子单元、用户品牌转出子概率获取子单元和汇总单元。

其中，所述订单选择子单元可以用于依据所述品牌信息和所述交易时间信息获得第一用户包括第一品牌和/或第二品牌的第一订单和第二订单。

所述用户品牌转出子概率获取子单元可以用于根据第一订单总金额、第二订单总金额、第一订单第一品牌金额以及第二订单第二品牌金额获得第一用户第一品牌转出子概率。

循环调用所述订单选择子单元和所述用户品牌转出子概率获取子单元直至遍历所述第一用户所有包括第一品牌和/或第二品牌的订单。所述汇总单元可以用于汇总所述第一用户第一品牌转出子概率获得所述第一用户的第一品牌转出子概率。

在示例性实施例中，所述评估模块130可以包括第一计算单元、第二计算单元、第三计算单元以及第四计算单元。

其中，所述第一计算单元可以用于根据其他品牌实际销售额和第一品牌转入概率获得第一品牌转入潜在销售额。

所述第二计算单元可以用于根据第一品牌实际销售额和第一品牌保持概率获得第一品牌保持潜在销售额。

所述第三计算单元可以用于根据所述第一品牌实际销售额和第一品牌转出概率获得第一品牌转出潜在销售额。

所述第四计算单元可以用于根据所述第一品牌转入潜在销售额、所述第一品牌保持潜在销售额和所述第一品牌转出潜在销售额获得所述第一品牌潜在销售额。

在示例性实施例中，所述评估模块130还可以包括第五计算单元。所述第五计算单元可以用于根据所述第一品牌潜在销售额和所述第一品牌实际销售额获得第一品牌竞争潜力指数。

在示例性实施例中，该装置100还可以包括归一化模块。所述归一化模块可以用于对所述第一品牌竞争潜力指数进行归一化。

在示例性实施例中，该装置100还可以包括输出模块。所述输出模块可以用于输出所述转移概率矩阵和/或所述评估指数。

图6是根据一示例性实施例示出的一种电子设备的框图。

下面参照图6来描述根据本发明的这种实施方式的电子设备200。图6显示的电子设备200仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图6所示，电子设备200以通用计算设备的形式表现。电子设备200的组件可以包括但不限于：至少一个处理单元210、至少一个存储单元220、连接不同系统组件(包括存储单元220和处理单元210)的总线230、显示单元240等。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元210执行，使得所述处理单元210执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元210可以执行如图2中所示的步骤。

所述存储单元220可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)2201和/或高速缓存存储单元2202，还可以进一步包括只读存储单元(ROM)2203。

所述存储单元220还可以包括具有一组(至少一个)程序模块2205的程序/实用工具2204，这样的程序模块2205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线230可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备200也可以与一个或多个外部设备300(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备200交互的设备通信，和/或与使得该电子设备200能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口250进行。并且，电子设备200还可以通过网络适配器260与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器260可以通过总线230与电子设备200的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备200使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述数据处理方法。

图7是根据一示例性实施例示出的一种计算机可读介质示意图。

参考图7所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品400，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该计算机可读介质实现如下功能：获取历史数据信息；根据所述历史数据信息生成转移概率矩阵；根据所述转移概率矩阵获得评估指数。

本领域技术人员可以理解上述各模块和/或子模块和/或单元和/或子单元可以按照实施例的描述分布于装置中，也可以进行相应变化唯一不同于本实施例的一个或多个装置中。上述实施例的模块和/或子模块和/或单元和/或子单元可以合并为一个模块和/或子模块和/或单元和/或子单元，也可以进一步拆分成多个模块和/或子模块和/或单元和/或子单元。

通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本发明实施例的方法。

通过以上的详细描述，本领域的技术人员易于理解，根据本发明实施例的数据处理方法及装置具有以下优点中的一个或多个。

根据一些实施例，本发明的数据处理方法，基于用户在品牌之间的转移概率，综合计算品牌可以从别的品牌抢来的销售额、自己保持的销售额以及流失到别的品牌的销售额，来建立品牌竞争潜力指数评估模型，评估品牌未来的潜力。一方面，基于品牌转移概率，能更好的帮助业务人员定位自己的竞争品牌，知道哪些品牌会抢走自己的销售市场，对自己的威胁比较大。另一方面，根据品牌竞争潜力的评估，对品牌未来的销售市场进行量化，从而指导业务人员更好的进行品牌定位以及品牌运营。

以上具体地示出和描述了本发明的示例性实施例。应可理解的是，本发明不限于这里描述的详细结构、设置方式或实现方法；相反，本发明意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。

此外，本说明书说明书附图所示出的结构、比例、大小等，均仅用以配合说明书所公开的内容，以供本领域技术人员了解与阅读，并非用以限定本公开可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本公开所能产生的技术效果及所能实现的目的下，均应仍落在本公开所公开的技术内容得能涵盖的范围内。同时，本说明书中所引用的如“上”、“第一”、“第二”及“一”等的用语，也仅为便于叙述的明了，而非用以限定本公开可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当也视为本发明可实施的范畴。

Claims (13)

1.一种数据处理方法，其特征在于，包括：

获取历史数据信息；

根据所述历史数据信息生成转移概率矩阵；

根据所述转移概率矩阵获得评估指数。

2.如权利要求1所述的方法，其特征在于，所述历史数据信息包括历史商品数据、交易数据和用户数据，其中所述方法还包括：

根据所述历史商品数据、交易数据和用户数据获取用户的订单，其中所述订单包括订单金额信息、品牌信息和交易时间信息，所述订单金额信息包括订单总金额和订单中的品牌金额。

3.如权利要求2所述的方法，其特征在于，还包括：

依据预设维度对所述订单进行筛选，其中所述预设维度包括预设时间范围、预设地域范围、品牌所属行业、品牌产品名称和/或品牌服务名称、品牌品类中的一种或多种。

4.如权利要求2或3所述的方法，其特征在于，所述根据所述历史数据信息生成转移概率矩阵包括：

根据所述订单获得品牌转出概率、品牌保持概率以及品牌转入概率；

根据所述品牌转出概率、所述品牌保持概率以及所述品牌转入概率生成所述转移概率矩阵。

5.如权利要求4所述的方法，其特征在于，所述根据所述订单获得品牌转出概率包括：

分别计算单个用户的品牌转出子概率；

根据单个用户的品牌转出子概率统计获得所述品牌转出概率。

6.如权利要求5所述的方法，其特征在于，所述计算单个用户的品牌转出子概率包括：

步骤一、依据所述品牌信息和所述交易时间信息获得第一用户包括第一品牌和/或第二品牌的第一订单和第二订单；

步骤二、根据第一订单总金额、第二订单总金额、第一订单第一品牌金额以及第二订单第二品牌金额获得第一用户第一品牌转出子概率；

步骤三、循环执行上述步骤一和步骤二直至遍历所述第一用户所有包括第一品牌和/或第二品牌的订单；

步骤四、汇总所述第一用户第一品牌转出子概率获得所述第一用户的第一品牌转出子概率。

7.如权利要求4所述的方法，其特征在于，所述根据所述转移概率矩阵获得评估指数包括：

根据其他品牌实际销售额和第一品牌转入概率获得第一品牌转入潜在销售额；

根据第一品牌实际销售额和第一品牌保持概率获得第一品牌保持潜在销售额；

根据所述第一品牌实际销售额和第一品牌转出概率获得第一品牌转出潜在销售额；

根据所述第一品牌转入潜在销售额、所述第一品牌保持潜在销售额和所述第一品牌转出潜在销售额获得所述第一品牌潜在销售额。

8.如权利要求7所述的方法，其特征在于，所述根据所述转移概率矩阵获得评估指数还包括：

根据所述第一品牌潜在销售额和所述第一品牌实际销售额获得第一品牌竞争潜力指数。

9.如权利要求8所述的方法，其特征在于，还包括：

对所述第一品牌竞争潜力指数进行归一化。

10.如权利要求1所述的方法，其特征在于，还包括：

输出所述转移概率矩阵和/或所述评估指数。

11.一种数据处理装置，其特征在于，包括：

数据采集模块，用于获取历史数据信息；

转移概率矩阵生成模块，用于根据所述历史数据信息生成转移概率矩阵；

评估模块，用于根据所述转移概率矩阵获得评估指数。

12.一种电子设备，其特征在于，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1-10中任一所述的方法。

13.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-10中任一所述的方法。