一种返利数据处理方法、装置及设备
技术领域
本说明书实施例涉及计算机技术领域,尤其涉及一种返利数据处理方法、装置及设备。
背景技术
通常,商家为吸引用户消费,会发送返利给消费用户。例如在商品或服务的网络促销时,或在用户已在网络平台上购买商品或服务时,商家可能会通过终端设备为用户发放返利,用于奖励用户对商品或服务的购买,返利还可以吸引网络用户未来在该网络平台上更多的购买行为。对于返利,可以是返现、优惠券、红包、或折扣券等电子形式。
一般来说,如何确定对每个用户的返利数据,是商家需要考虑的一个问题。
发明内容
有鉴于此,本说明书实施例提供了一种准确确定返利金额的返利数据处理方法、装置及设备。
本说明书实施例采用下述技术方案:
本说明书实施例提供一种返利数据处理方法,包括:
监测用户在未超过指定时间区间的期间内对不同种返利金额的核销数据;
针对同一种所述返利金额,利用监测到的核销数据更新对应的预设核销率;
利用预设返利规则对更新的所述不同种返利金额的预设核销率进行处理,得到发放给所述用户的返利金额。
本说明书实施例还提供一种返利数据处理装置,包括:
监测模块,监测用户在未超过指定时间区间的期间内对不同种返利金额的核销数据;
更新模块,针对同一种所述返利金额,利用监测到的核销数据更新对应的预设核销率;
处理模块,利用预设返利规则对更新的所述不同种返利金额的预设核销率进行处理,得到发放给所述用户的返利金额。。
本说明书实施例还提供一种电子设备,包括:至少一个处理器及存储器,所述存储器存储有程序,并且被配置成由至少一个处理器执行以下步骤:
监测用户在未超过指定时间区间的期间内对不同种返利金额的核销数据;
针对同一种所述返利金额,利用监测到的核销数据更新对应的预设核销率;
利用预设返利规则对更新的所述不同种返利金额的预设核销率进行处理,得到发放给所述用户的返利金额。。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果:
监测用户在未超过指定时间区间的期间内对不同种返利金额的核销数据,针对同一种返利金额,利用监测到的核销数据更新对应的预设核销率。这样,利用预设返利规则对更新的所述不同种返利金额的预设核销率进行处理,得到发放给所述用户的返利金额。返利金额对应的预设核销率用于预估该种返利金额可能被核销的概率,监测到的未超过指定时间区间的核销数据用于探索同种返利金额最近的核销情况。针对同一种返利金额,利用最近监测到的核销数据对预设核销率进行优化,提升基于更新的预设核销率选择的返利金额的准确度。
附图说明
此处所说明的附图用来提供对本说明书实施例的进一步理解,构成本说明书实施例的一部分,本说明书的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本说明书实施例提出的一种返利数据处理系统的结构示意图;
图2为本说明书实施例提出的一种返利数据处理方法的流程图;
图3为本说明书实施例提出的核销数据的一种应用示例的结构示意图;
图4为本说明书实施例提出的核销数据的另一种应用示例的结构示意图;
图5为本说明书实施例提出的一种返利数据处理方法的流程图;
图6为本说明书实施例提出的一种返利数据处理方法的一种应用场景的流程示意图;
图7为本说明书实施例提出的一种返利数据处理装置的结构示意图。
具体实施方式
对现有技术中商家返利方案进行分析发现,有些商户对不同用户的返利金额是固定金额,这可能对消费金额较大的用户没有太大吸引力。现有技术对此进行改进,构建包含返利金额区间的返利金额定价模型,根据该返利金额定价模型可以选择不同金额的返利,可以实现针对不同用户确定合适的返利金额。
这种通用的返利金额定价模型可以做到基于不同用户发放不同返利金额,但准确度会受到数据的时效影响,返利金额定价模型无法适应这些新变化。
本说明书实施例提出一种返利数据处理方法、装置及设备,其方案可以为,监测用户在未超过指定时间区间的期间内对不同种返利金额的核销数据,针对同一种返利金额,利用监测到的核销数据更新对应的预设核销率。这样,利用预设返利规则对更新的所述不同种返利金额的预设核销率进行处理,得到发放给所述用户的返利金额。
本说明书实施例记载的返利数据处理方案,返利金额对应的预设核销率用于预估该种返利金额可能被核销的概率,监测到的未超过指定时间区间的核销数据用于探索同种返利金额最近的核销情况。针对同一种返利金额,利用最近监测到的核销数据对预设核销率进行优化,提升基于更新的预设核销率选择的返利金额的准确度。
为使本申请的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
图1为本说明书实施例提出的一种返利数据处理系统的结构示意图。
本说明书实施例记载的返利数据处理系统可以包括:监测系统101、更新模块102和返利规则模型103。
监测系统101用于,监测用户在未超过指定时间区间的期间内对不同种返利金额的核销数据;
更新模块102用于,针对同一种返利金额,根据监测到的核销数据更新对应的预设核销率;
返利规则模型103用于,利用预设返利规则对更新的所述不同种返利金额的预设核销率进行处理,得到发放给所述用户的返利金额。
在本说明书实施例中,所述指定时间区间可以是指接收到商户返利需求之时的相邻历史时间区间,具体可以是与当前时间相邻的历史时间区间。监测到的核销数据可以反映用户最近对返利金额的真实核销使用情况。
在这种情况下,对每种返利金额,监测系统101每次可以监测到新鲜的不同的核销数据。
在本说明书实施例中,监测系统101可以监测一个或多个不同用户在指定时间内对至少一种返利金额的核销数据。
其中,所述不同种返利金额是根据返利金额的面额不同进行区分。对返利金额的核销数据可以包括对该种返利金额的核销使用统计,例如该种返利金额的核销次数、核销率等。对每一种返利金额的核销次数和/或核销率可以是0或其他值,均记载在对应的核销数据中。
在具体应用中,每个用户在指定时间区间内可能对不同种类返利金额的核销数据相同或不同。例如对1元返利金额的核销数据与对2元返利金额的核销数据可以相同或不同。
通常来说,用户对返利金额的核销行为发生在交易进程中。因此,监测系统101可以通过监测交易信息,获取用户对各返利金额的核销数据。
这样,在实际应用中,监测系统101可以接入消费交易系统,监测用户的交易信息,获取用户的交易信息及其中对每种返利金额的核销数据。
更新模块102与监测系统101之间可以建立通信连接,从监测系统101接收用户在最新的指定时间区间内对返利金额的核销数据,基于最新的返利金额的核销数据更新同种返利金额的预设核销率。这样,更新的预设核销率可以反映用户最近的返利金额的核销使用情况,确保提升后续确定的返利金额准确度。
在本说明书实施例中,不同种返利金额的预设核销率可以不同或相同。因此,可以就同一种返利金额,利用监测到的指定时间区间内的核销数据更新对应的预设核销率。
返利规则模型103与更新模块102之间可以建立通信连接,从更新模块102中获取更新的预设核销率,继而从不同种返利金额中选择符合预设返利规则的返利金额。在这种情况下,根据更新的预设核销率可以更精确确定用户的返利金额。
利用本说明书实施例记载的返利数据处理系统,返利金额对应的预设核销率用于预估该种返利金额可能被核销的概率,监测到的未超过指定时间区间的核销数据用于探索同种返利金额最近的核销情况。针对同一种返利金额,利用最近监测到的核销数据对预设核销率进行优化,可以提升预设核销率的新鲜度,降低出现部分返利金额的核销率局部过优的问题,提升基于更新的预设核销率选择的返利金额的准确度。
图2为本说明书实施例提出的一种返利数据处理方法的流程图。
步骤202:监测用户在未超过指定时间区间的期间内对不同种返利金额的核销数据。
在本说明书实施例中,返利的类型可以包括红包、优惠券、折扣券、返现中的一种或多种,在此不做具体限定。其中,不同种返利金额的面额不同,不同种返利金额可以通过不同面额进行区分。
在一种应用实例中,返利金额的种类可以是根据返利金额定价模型中返利金额区间所确定的,例如,通过1元~10元返利金额区间所确定的返利金额的种类可以是1元、2元、3元等,在此不做具体限定。
在这种情况下,监测用户在未超过指定时间区间的期间内对不同种返利金额的核销数据,可以是指,监测用户在未超过指定时间区间的期间内对预设返利金额区间中的不同种返利金额的核销数据。
在另一种应用示例中,返利金额的种类可以由商家预设。此时,监测用户在未超过指定时间区间的期间内对不同种返利金额的核销数据,可以是指,监测用户在未超过指定时间区间的期间内对商家预设的不同种返利金额的核销数据。
在本说明书实施例中,对于当前用户,每一种返利金额的核销数据可以包含返利金额在指定时间区间内的初始样本数、对所述初始样本数的核销样本数、对所述初始样本数的未核销样本数和相对于所述初始样本数的核销率中的一种或多种。
图3为本说明书实施例提出的核销数据的一种应用示例的结构示意图。结合参考图3可知,对每个用户,核销数据可以包含:
不同种返利金额,如1元、2元…n元;
分别对应不同种返利金额的初始样本数,如s1、s2…sm;
分别对应不同种返利金额的核销率,如对应1元返利金额p1、p2…px。
其中,s1、s2…sn中的各初始样本数之间可以相同或不相同,p1、p2…px中的各核销率之间可以相同或不相同。
在本说明书实施例中,监测用户未超过指定时间区间的期间内对不同种返利金额的核销数据,可以是指,监测不同用户未超过指定时间区间的期间内对不同种返利金额的核销数据。此时,图4为本说明书实施例提出的核销数据的一种应用示例的结构示意图。
结合图4可知,针对不同用户h1、h2…hn,分别监测得到不同种返利金额分别对应的初始样本数s和相对于每个初始样本数s的核销率p。其中,图4对每一用户的初始样本数s和核销率p作省略处理,在具体实践中分别对应不同具体值。
在本说明书实施例中,未超过指定时间区间可以是指与当前的返利发放需求相邻的历史时间段,例如过去24小时或其他时间段,在此不做具体限定。指定时间区间可以反映用户对不同种返利金额的最新的核销数据,这有利于提升最后确定的返利金额的准确性。
在本说明书实施例中,监测用户在未超过指定时间区间的期间内对不同种返利金额的核销数据,可以包括:
在接收到对所述用户的返利发放指令时,监测用户在未超过指定时间区间的期间内对不同种返利金额的核销数据。
在一种应用示例中,接收到对用户的返利发放指令,可以包括:
接收到商家对用户的返利发放指令。例如,当商家具有促销需求时,可以发送对不同用户的返利发放指令,其目的在于吸引用户进行消费。因此,返利发放指令可以包含促销信息、消费奖励信息等信息,在此不做具体限定。
在另一种应用示例中,考虑到用户对返利金额的核销行为通常发生在交易过程中,在交易过程中可能核销返利金额,或不核销返利金额。因此,可以从所述交易信息中获取对返利金额的核销数据。
这样,接收到对所述用户的返利发放指令,可以包括:
接收所述用户关联的交易信息;
对所述用户关联的交易信息进行处理,得到所述返利发放指令。
此时,用户关联的交易信息可以是正在进行交易的具体用户关联的交易信息。用户关联的交易信息可以从交易系统得到,或从商家得到,在此不做具体限定。
在这种场景中,可以通过监测用户的交易信息,获取用户对返利金额的核销数据。在具体应用场景中,为了吸引用户进一步消费,商家希望基于本次交易行为向用户进行返利,因此生成返利发放指令。
在本说明书实施例中,还可以是,实时地监测用户对不同种返利金额的核销数据,得到用户在未超过指定时间区间的期间内对不同种返利金额的核销数据。
另外,还可以是,定期地监测用户对不同种返利金额的核销数据,例如每隔指定时间区间,监测用户在未超过指定时间区间的期间内对不同种返利金额的核销数据。
步骤204:针对同一种返利金额,利用监测到的核销数据更新对应的预设核销率。
在本说明书实施例中,对于不同种返利金额,可以针对每一种返利金额,利用监测到的该种返利金额的核销数据更新对应的预设核销率。此时,返利金额、监测到的核销数据和预设核销率之间可以是一一对应关系。
不同种返利金额分别对应的预设核销率可以是相同的或不同的,在此不做具体限定。
在本说明书实施例中,预设核销率可以是默认设置,此时预设核销率可以不依赖于返利金额的历史核销数据。例如具体一种返利金额为初次发放时,可以根据默认设置分配预设核销率,可以是50%或其他值,在此不做具体限定。
在本说明书实施例中,预设核销率可以是根据更早的历史核销数据所确定。此时,在针对同一种返利金额,利用监测到的核销数据更新对应的预设核销率之前,还可以包括:
针对同一种返利金额,获取根据历史核销数据确定的所述预设核销率,所述历史核销数据早于所述监测到的核销数据。
根据历史核销数据所确定的预设核销率是一种经验数据,用于表征返利金额在一定历史时期内的核销概率。此时,监测到的较新的核销数据用于对该经验的预设核销率进行更新,可以提升预设核销率的新鲜度,避免陷入经验的预设核销率和监测到的较新核销数据出现局部过优的问题,这样更新的预设核销率更接近真实情形。
在这种情况下,针对同一种返利金额,利用监测到的核销数据更新对应的预设核销率,可以包括:
针对同一种返利金额,利用监测到的所述核销数据对对应的所述历史核销数据进行更新;
对更新的所述历史核销数据进行处理,得到更新的所述预设核销率。
这样,针对同一种返利金额,在对应的历史核销数据中添加了监测到的最新核销数据。
具体地,针对同一种返利金额,利用监测到的所述核销数据对对应的所述历史核销数据进行更新,可以包括:
针对同一种返利金额,从所述对应的所述历史核销数据中获取核销样本系数和未核销样本系数;
利用监测到的所述核销数据对所获取的核销样本系数和未核销样本系数进行更新。
对具体一种返利金额的单次核销情况符合二项分布的单次情况,核销和未核销,每次两者选其一。这样,可以根据最新监测到的核销数据对历史核销数据中的核销样本数和未核销样本数。
在本说明书实施例中,用户在指定时间区间内对具体一种返利金额的核销数据可以表征为伯努利Bernoulli分布B(n,p)。Bernoulli分布B(n,p)为一种二项分布,n表示该种返利金额在所述指定时间区间内的初始样本数,p表征相对于所述初始样本数的核销率。所述初始样本数可以是指在指定时间区间起始时该种返利金额的样本数。相对于初始样本数的核销率可以是在指定时间区间内已核销样本数与初始样本数的比值。具体可以参考图3所示。
在这种情况下,针对同一种返利金额,利用监测到的所述核销数据对对应的所述历史核销数据进行更新,可以包括:
针对同一种返利金额,从监测到的所述核销数据中获取所述返利金额在所述指定时间区间内的初始样本数和相对于所述初始样本数的核销率;
利用所获取的所述初始样本数和相对于所述初始样本数的核销率对对应的历史核销数据进行更新。
此时,返利金额的历史核销数据可以表征为Beta分布,在更新之前,假设预设核销率可以表征为先验的Beta分布Beta(a,b),a表征核销样本系数,b表示未核销样本系数,此时预设核销率可以计算为a/(a+b)。
在一种场景中,如果一种返利金额没有历史核销数据,则先验的Beta分布中a和b可以分别记为1,得到Beta(1,1)。
在更新之后,更新的预设核销率可以表征为后验的Beta分布Beta(a+np,b+n(1-p))。这是因为,Bernoulli分布为二项分布的单次情况,也即是对每一个返利金额的样本,核销加一次的同时未核销减一次。若监测到核销加一次,那么先验的Beta分布Beta(a,b)更新为后验的Beta分布Beta(a+1,b);反之,若监测到未核销加一次,则先验的Beta分布Beta(a,b)更新为后验的Beta分布Beta(a,b+1)。
在这种情况下,当更新的预设核销率可以表征为后验的Beta分布Beta(a+np,b+n(1-p))时,更新的预设核销率计算为(a+np)/(a+b+n)。
在另一种场景中,如果一种返利金额没有历史核销数据,也没有监测到指定时间区间内的核销数据,这可以更新后的预设核销率还是记为Beta(1,1)。
本说明书实施例提出基于汤普森采样原理对预设核销率进行更新。在汤普森采样中,Beta分布是Bernoulli分布似然函数的共轭先验,利用最近的Bernoulli分布对Beta分布进行更新,可以增加Beta分布的新鲜度,在一定范围内探索每种返利金额的预设核销率的更多可能性。
本说明书实施例记载的如上示例可以将返利金额定价方案转化为返利金额的核销率的采样方案。在汤普森采样中,尝试利用采样得到的历史核销数据和对应的预设核销率来确定最后的返利金额。当这种尝试的准确度受到历史核销数据的时效性限定时,可以探索利用当前的指定时间区间内对返利金额的核销数据,优化历史核销数据和对应的预设核销率,探索准确度较佳的返利金额。
在此过程中,不同种返利金额的预设核销率可以处于动态变化中,始终保持良好的新鲜度。在其他应用示例中,还可以使用Upper Confidence Bound(缩写:UCB),∈-贪婪算法(全称:epsilon-greedy)等采样方法来代替汤普森采样。
在本说明书实施例中,针对同一种返利金额,利用监测到的所述核销数据对对应的所述历史核销数据进行更新,可以包括:
针对同一种返利金额,删除历史核销数据中超过预设时间区间的核销数据;
根据监测到的所述核销数据和删除后的历史核销数据对对应的所述历史核销数据进行更新。
具体地,针对同一种返利金额,删除历史核销数据中超过预设时间区间的核销数据,可以是从先验的Beta分布Beta(a,b)中删除比较老的Bernoulli分布的核销数据。同时,在先验的Beta分布Beta(a,b)中增加较新的核销数据的Bernoulli分布,实现确定更新后的历史核销数据。
这有利于增强预设核销率的新鲜度。
在本说明书实施例中,预设时间区间可以根据需要进行预设。例如,可以是每次都删除早于当前时间30天的历史核销数据,在此不做具体限定。
在本说明书实施例中,针对同一种返利金额,利用监测到的核销数据更新对应的预设核销率,可以是针对每一个用户,利用监测到的同一种返利金额的核销数据更新对应的预设核销率。
在本说明书实施例中,若监测用户在指定时间区间内对不同种返利金额的核销数据,包括:
监测不同用户在指定时间区间内对不同种返利金额的核销数据;则,
针对同一种返利金额,利用监测到的核销数据更新对应的预设核销率,可以包括:
对所述不同用户进行聚类处理,得到至少一类用户在指定时间区间内对不同种返利金额的核销数据;
利用同类用户对同种返利金额的核销数据更新对应的预设核销率,得到同类用户更新的预设核销率。
在这种情况下,将同类用户作为一个群体,监测到同类用户这一群体对不同种返利金额的核销情况,使用监测到的同类用户对返利金额的核销数据表征同类用户中各用户对同种返利金额的核销数据。在这种情况下,可以无需一一针对每个用户对返利金额的核销数据更新预设核销率,实现提升返利数据处理效率。
另外,通过聚类处理,对同类用户这一整体进行核销数据的采样,群体特性可以用来评价个体特性。群体的核销数据可以降低用户个体的核销数据极端性,更趋于稳定,使得更新的预设核销率的估算更加准确。
在本说明书实施例中,对所述不同用户进行聚类处理,可以包括:
获取用户标识,用户标识可以包含用户的至少一种属性值;
将满足预设属性条件的至少一个用户分配在同一类用户。
所述属性值可以包含年龄、性别、职业、地域中的一种或多种。满足预设属性条件的至少一个用户,可以是指位于同一属性值范围内的属性值所对应的用户,例如位于同一年龄段内的各用户分配在同一类用户,或相同地域内的各用户分配在同一类用户。
通常来说,同一年龄段内的各用户或位于相同地域内的各用户可能具有相同的消费观,这可以实现使用监测到的群体对返利金额的核销数据表征同类用户中各用户对同种返利金额的核销数据。
在本说明书实施例中,可以在执行步骤202之前或之后,或在执行步骤204时,对不同用户进行聚类处理,在此不做具体限定。
步骤206:利用预设返利规则对更新的所述不同种返利金额的预设核销率进行处理,得到发放给所述用户的返利金额。
在本说明书实施例中,从不同种返利金额中选择合适的返利金额,作为发放给用户的返利金额。
具体地,利用预设返利规则对更新的所述不同种返利金额的预设核销率进行处理,得到发放给所述用户的返利金额,可以包括:
对所述返利金额的面额和预设核销率进行处理,得到返利回报率;
根据所述不同种返利金额中达到预设回报条件的返利回报率所对应的返利金额,确定所述用户的返利金额。
在这种场景中,商家在考虑返利的同时,还会考虑返利回报率。
具体地,基于如下公式,对所述返利金额的面额和更新的预设核销率进行处理,得到返利回报率,包括:
ROI=p-k*p*C;
ROI为所述返利回报率;
p为所述更新的预设核销率;
C为所述返利金额样本值;
k为调整返利金额和成本的调节系数。
这个公式的含义就是收入减去成本。
在一种应用示例中,可以选择不同种返利金额对应的ROI中最高ROI所对应的返利金额,作为最后的返利金额。还可以选择所有返利金额对应的ROI中超过预设回报率的ROI所对应的返利金额,作为最后的返利金额,在此不做具体限定。
如果最终确定的返利金额超过一个,则可以以近似相同的概率随机选择合适的返利金额,在此不做具体限定。
在本说明书实施例中,在得到至少一个用户的返利金额之后,还可以向至少一个用户发送对应的返利金额,体现发放返利金额的实时性。
如果在执行步骤202时,是基于接收到的返利发放指令,则在得到用户的返利金额之后,可实时地向用户发送对应的返利金额。
在另一应用实例中,还可以在得到用户的返利金额之后超过预设时间段之后,向用户发送对应的返利金额。
在本说明书实施例中,在向至少一个用户发送对应的返利金额之后,返回步骤202所述监测用户在未超过指定时间区间的期间内对不同种返利金额的核销数据。
这样,本说明书实施例记载的返利数据处理方案实现闭环控制,使得预设核销率持续保持更新,使得最后确定的返利金额逐步往良好准确度的方向收敛。
利用本说明书实施例提出的返利数据处理方法,返利金额对应的预设核销率用于预估该种返利金额可能被核销的概率,监测到的未超过指定时间区间的核销数据用于探索同种返利金额最近的核销情况。针对同一种返利金额,利用最近监测到的核销数据对预设核销率进行优化,提升基于更新的预设核销率选择的返利金额的准确度。
图5为本说明书实施例提出的一种返利数据处理方法的流程图。
步骤501:监测每一个用户在上一日(24小时)对返利的核销数据。
步骤503:基于监测到的对返利的核销数据生成关于核销率的Bernoulli分布。
如果是对用户个体进行监测,则根据每个用户的核销数据生成对应的Bernoulli分布;
如果是对不同用户的群体进行建模,则可以对用户进行聚类处理,基于同类用户中各用户的Bernoulli分布生成同类用户关于核销率的Bernoulli分布。
步骤505:对每一种返利金额,根据上文关于核销率的Bernoulli分布更新基于返利核销样本系数和返利未核销样本系数的Beta分布。此处关于核销率的Bernoulli分布可以是每个用户个体的关于核销率的Bernoulli分布,还可以是同类用户关于核销率的Bernoulli分布。
在此过程中,随时间窗口进行滑动,删除30天前的Bernoulli分布,保留最近30天的Bernoulli分布。
步骤507:对每一种返利金额,根据更新之后的Beta分布,生成更新的预设核销率。
对于没有任何样本的具体一种返利金额,可以假设其分布为Beta(1,1)。
步骤509:对每一个用户,根据所有不同返利金额和对应的核销率计算投资回报率ROI,选择所有ROI的最高ROI所对应的返利金额。
步骤511:根据上文计算的每一个用户的返利金额进行返利发放;
返回步骤501,继续监测每一个用户在上一日(24小时)对返利的核销数据,进而形成数据闭环,使得汤普森采样数据一直在更新,逐步往较优的方向收敛。
图6为本说明书实施例提出的一种返利数据处理方法的一种应用场景的流程示意图。
步骤602:接收红包发放指令;
步骤604:监测该用户以接收到所述红包发放指令开始往前的指定时间区间内对不同金额红包的核销数据;
步骤606:利用监测到的该用户对同一种金额红包的核销数据更新对应的预设核销率;
步骤608:利用预设返利规则对更新的所述不同金额红包的预设核销率进行处理,得到发放给所述用户的红包。
图7为本说明书实施例提出的一种返利数据处理装置的结构示意图。
本说明书实施例记载的返利数据处理装置可以包括:
监测模块701,监测用户在未超过指定时间区间的期间内对不同种返利金额的核销数据;
更新模块702,针对同一种所述返利金额,利用监测到的核销数据更新对应的预设核销率;
处理模块703,利用预设返利规则对更新的所述不同种返利金额的预设核销率进行处理,得到发放给所述用户的返利金额。
可选地,在针对同一种所述返利金额,利用监测到的核销数据更新对应的预设核销率之前,还包括:
针对同一种所述返利金额,获取根据历史核销数据确定的所述预设核销率,所述历史核销数据发生在所述指定时间区间之前。
可选地,针对同一种所述返利金额,利用监测到的核销数据更新对应的预设核销率,包括:
针对同一种所述返利金额,利用监测到的所述核销数据对对应的所述历史核销数据进行更新;
对更新的所述历史核销数据进行处理,得到更新的所述预设核销率。
可选地,针对同一种所述返利金额,利用监测到的所述核销数据对对应的所述历史核销数据进行更新,包括:
针对同一种所述返利金额,从监测到的所述核销数据中获取所述返利金额在所述指定时间区间内的初始样本数和相对于所述初始样本数的核销率;
利用所获取的所述初始样本数和相对于所述初始样本数的核销率对对应的历史核销数据进行更新。
可选地,针对同一种返利金额,利用监测到的所述核销数据对对应的所述历史核销数据进行更新,包括:
针对同一种返利金额,从所述对应的所述历史核销数据中获取核销样本系数和未核销样本系数;
利用监测到的所述核销数据对所获取的核销样本系数和未核销样本系数进行更新。
可选地,利用预设返利规则对更新的所述不同种返利金额的预设核销率进行处理,包括:
对所述返利金额的面额和更新的预设核销率进行处理,得到返利回报率;
根据所述不同种返利金额中达到预设回报条件的返利回报率所对应的返利金额,确定所述用户的返利金额。
利用本说明书实施例记载的返利数据处理装置,返利金额对应的预设核销率用于预估该种返利金额可能被核销的概率,监测到的未超过指定时间区间的核销数据用于探索同种返利金额最近的核销情况。针对同一种返利金额,利用最近监测到的核销数据对预设核销率进行优化,提升基于更新的预设核销率选择的返利金额的准确度。
基于同一发明构思,本说明书实施例还提供一种电子设备,包括至少一个处理器及存储器,所述存储器存储有程序,并且被配置成由至少一个处理器执行以下步骤:
监测用户在未超过指定时间区间的期间内对不同种返利金额的核销数据;
针对同一种所述返利金额,利用监测到的核销数据更新对应的预设核销率;
利用预设返利规则对更新的所述不同种返利金额的预设核销率进行处理,得到发放给所述用户的返利金额。
其中,处理器的其他功能还可以参见上述实施例中记载的内容,这里不再一一赘述。
基于同一发明构思,本说明书实施例还提供一种计算机可读存储介质,包括与电子设备结合使用的程序,程序可被处理器执行以完成以下步骤:
监测用户在未超过指定时间区间的期间内对不同种返利金额的核销数据;
针对同一种所述返利金额,利用监测到的核销数据更新对应的预设核销率;
利用预设返利规则对更新的所述不同种返利金额的预设核销率进行处理,得到发放给所述用户的返利金额。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
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。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体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暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商品或者设备不仅包括那些要素,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、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。