CN110400189A - 信息输出方法和装置 - Google Patents
信息输出方法和装置 Download PDFInfo
- Publication number
- CN110400189A CN110400189A CN201810358842.2A CN201810358842A CN110400189A CN 110400189 A CN110400189 A CN 110400189A CN 201810358842 A CN201810358842 A CN 201810358842A CN 110400189 A CN110400189 A CN 110400189A
- Authority
- CN
- China
- Prior art keywords
- sales data
- parameter
- target item
- variable quantity
- item set
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000010801 machine learning Methods 0.000 claims abstract description 79
- 238000012549 training Methods 0.000 claims description 21
- 241000208340 Araliaceae Species 0.000 claims description 14
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 14
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 14
- 235000008434 ginseng Nutrition 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 6
- 230000006399 behavior Effects 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 abstract description 4
- 230000001737 promoting effect Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 6
- 230000006854 communication Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000012512 characterization method Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000005291 magnetic effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
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]
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
本申请实施例公开了信息输出方法和装置。该方法的一具体实施方式包括：获取与目标物品集合中物品的销售数据关联的预定义操作的第一参数的参数值；基于所获取的参数值与第一机器学习模型，确定执行预定义操作后，目标物品集合中物品的销售数据的变化量之和；获取与目标物品集合的总销售数据关联的预定义操作的第二参数的参数值；基于所获取的第二参数的参数值与第二机器学习模型，确定执行预定义操作后，总销售数据的变化量；根据目标物品集合中物品的销售数据的变化量之和，与总销售数据的变化量，输出提示信息。该实施方式提供了一种基于目标物品集合中的物品的销售数据的变化量之和与总销售数据的变化量的信息输出机制，丰富了信息输出方法。
Description
技术领域
本申请实施例涉及计算机技术领域，尤其涉及信息输出方法和装置。
背景技术
随着电子商务的快速发展，电子商务平台大都提供对物品进行促销、推广等操作的功能。促销、推广的形式多种多样，如折扣直降、满减、阶梯满减、满减折、满赠等。
目前对促销、推广等操作的执行效果，主要通过参与促销、推广的物品的销售数据衡量。
发明内容
本申请实施例提出了信息输出方法和装置。
第一方面，本申请实施例提供了一种信息输出方法，该方法包括：获取与目标物品集合中物品的销售数据关联的预定义操作的第一参数的参数值；基于所获取的第一参数的参数值与第一机器学习模型，确定执行预定义操作后，目标物品集合中物品的销售数据的变化量之和；获取与目标物品集合的总销售数据关联的预定义操作的第二参数的参数值；基于所获取的第二参数的参数值与预先训练的第二机器学习模型，确定执行预定义操作后，总销售数据的变化量；根据目标物品集合中的物品的销售数据的变化量之和，与总销售数据的变化量，输出提示信息。
在一些实施例中，第一机器学习模型用于表征第一特征参数的参数值与物品销售数据的对应关系，第一特征参数包括第一参数；以及基于所获取的第一参数的参数值与第一机器学习模型，确定执行预定义操作后，目标物品集合中物品的销售数据的变化量之和，包括：对于目标物品集合中的物品，执行以下销售数据变化量确定操作：将与该物品关联的第一特征参数的参数值输入至第一机器学习模型，生成执行预定义操作后该物品的第一销售数据；将预先设置的用于指示预定义操作未执行的第一特征参数的参数值输入至第一机器学习模型，生成预定义操作未执行时该物品的第二销售数据；将第一销售数据与第二数据的差值确定为该物品销售数据的变化量；计算目标物品集合中物品销售数据的变化量之和。
在一些实施例中，第二机器学习模型用于表征第二特征参数的参数值与目标物品集合的销售数据的对应关系，第二特征参数包括第二参数；以及基于所获取的第二参数的参数值与预先训练的第二机器学习模型，确定执行预定义操作后，总销售数据的变化量，包括：将与目标物品集合关联的第二特征参数的参数值输入至第二机器学习模型，生成执行预定义操作后目标物品集合的第三销售数据；将预先设置的用于指示预定义操作未执行的第二特征参数的参数值输入至第二机器学习模型，生成预定义操作未执行时目标物品集合的第四销售数据；将第三销售数据与第四数据的差值确定为总销售数据的变化量。
在一些实施例中，第一特征参数或第二特征参数还包括第三参数，第三参数包括以下至少一项：销售数据的日期参数、销售数据的周期参数、销售数据的预定义特殊日期参数。
在一些实施例中，根据目标物品集合中的物品的销售数据的变化量之和，与总销售数据的变化量，输出提示信息，包括：确定目标物品集合中物品的销售数据的变化量之和与总销售数据的变化量的差；根据差输出提示信息。
在一些实施例中，根据差输出提示信息，包括：确定差除以总销售数据的变化量所得的比值；根据比值和/或比值与目标物品销售数据的变化量之积输出提示信息。
第二方面，本申请实施例提供了一种信息输出装置，该装置包括：第一获取单元，被配置成获取影响目标物品集合中物品的销售数据的预定义事件的第一参数的参数值；第一确定单元，被配置成基于所获取的第一参数的参数值与第一机器学习模型，确定在预定义事件的影响下，目标物品集合中各个物品的销售数据的变化量之和；第二获取单元，被配置成获取影响目标物品集合销售数据的预定义事件的第二参数的参数值；第二确定单元，被配置成基于所获取的第二参数的参数值与预先训练的第二机器学习模型，确定在预定义事件的影响下，目标物品集合的销售数据的变化量；输出单元，被配置成根据目标物品集合中各个物品的销售数据的变化量之和，与目标物品集合的销售数据的变化量，输出提示信息。
在一些实施例中，第一机器学习模型用于表征第一特征参数的参数值与物品销售数据的对应关系，第一特征参数包括第一参数；以及第一确定单元，包括：第一确定子单元，被配置成对于目标物品集合中的物品，执行以下销售数据变化量确定操作：将与该物品关联的第一特征参数的参数值输入至第一机器学习模型，生成预定义事件发生时该物品的第一销售数据；将预先设置的用于指示预定义事件未发生的第一特征参数的参数值输入至第一机器学习模型，生成预定义事件未发生时该物品的第二销售数据；将第一销售数据与第二数据的差值确定为该物品销售数据的变化量；计算子单元，被配置成计算目标物品集合中各个物品销售数据的变化量之和。
在一些实施例中，第二机器学习模型用于表征第二特征参数的参数值与目标物品集合的销售数据的对应关系，第二特征参数包括第二参数；以及第二确定单元，包括：第一生成子单元，被配置成将与目标物品集合关联的第二特征参数的参数值输入至第二机器学习模型，生成预定义事件发生时目标物品集合的第三销售数据；第二生成子单元，被配置成将预先设置的用于指示预定义事件未发生的第二特征参数的参数值输入至第二机器学习模型，生成预定义事件未发生时目标物品集合的第四销售数据；第二确定子单元，被配置成将第三销售数据与第四数据的差值确定为目标物品集合的销售数据的变化量。
在一些实施例中，第一特征参数或第二特征参数还包括第三参数，第三参数包括以下至少一项：销售数据的日期参数、销售数据的周期参数、销售数据的预定义特殊日期参数。
在一些实施例中，输出单元，包括：第三确定子单元，被配置成确定目标物品集合中各个物品的销售数据的变化量之和与目标物品集合的销售数据的变化量的差；输出子单元，被配置成根据差输出提示信息。
在一些实施例中，输出子单元，进一步被配置成：确定差除以目标物品集合的销售数据的变化量所得的比值；根据比值和/或比值与目标物品销售数据的变化量之积输出提示信息。
第三方面，本申请实施例提供了一种设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行，使得上述一个或多个处理器实现如第一方面上述的方法。
第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面上述的方法。
本申请实施例提供的信息输出方法和装置，通过获取与目标物品集合中物品的销售数据关联的预定义操作的第一参数的参数值；基于所获取的第一参数的参数值与第一机器学习模型，确定执行预定义操作后，目标物品集合中物品的销售数据的变化量之和；获取与目标物品集合的总销售数据关联的预定义操作的第二参数的参数值；基于所获取的第二参数的参数值与预先训练的第二机器学习模型，确定执行预定义操作后，总销售数据的变化量；根据目标物品集合中的物品的销售数据的变化量之和，与总销售数据的变化量，输出提示信息，提供了一种基于目标物品集合中的物品的销售数据的变化量之和与总销售数据的变化量的信息输出机制，丰富了信息输出方法。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请可以应用于其中的示例性系统架构图；
图2是根据本申请的信息输出方法的一个实施例的流程图；
图3是根据本申请的信息输出方法的应用场景的一个示意图；
图4是根据本申请的信息输出方法的又一个实施例的流程图；
图5是根据本申请的信息输出装置的一个实施例的结构示意图；
图6是适于用来实现本申请实施例的服务器或终端的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的信息输出方法或信息输出装置的实施例的示例性系统架构100。
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，例如电子商务类应用、信息资讯类应用、社交类应用、搜索类应用等。
终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，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。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供图像采集服务或者活体检测服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上安装的应用提供支持的后台服务器，服务器105可以获取与目标物品集合中物品的销售数据关联的预定义操作的第一参数的参数值；基于所获取的第一参数的参数值与第一机器学习模型，确定执行预定义操作后，目标物品集合中物品的销售数据的变化量之和；获取与目标物品集合的总销售数据关联的预定义操作的第二参数的参数值；基于所获取的第二参数的参数值与预先训练的第二机器学习模型，确定执行预定义操作后，总销售数据的变化量；根据目标物品集合中的物品的销售数据的变化量之和，与总销售数据的变化量，输出提示信息。
需要说明的是，本申请实施例所提供的信息输出方法可以由服务器105执行，也可以由终端设备101、102、103执行，相应地，信息输出装置可以设置于服务器105中，也可以设置于终端设备101、102、103中。
需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
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。
继续参考图2，示出了根据本申请的信息输出方法的一个实施例的流程200。该信息输出方法，包括以下步骤：
步骤201，获取与目标物品集合中物品的销售数据关联的预定义操作的第一参数的参数值。
在本实施例中，信息输出方法执行主体(例如图1所示的服务器或终端)可以首先获取与目标物品集合中物品的销售数据关联的预定义操作的第一参数的参数值。目标物品可以是电子商务平台中待对其销售数据进行分析的物品。通常，一种目标物品在电子商务平台中关联有同一标识，例如SKU(Stock Keeping Unit，库存量单位)。目标物品集合可以是自定义的一组商品，可以根据实际需要对物品进行分类，将物品聚合为物品集合。可以将一组能满足消费者某一个需求的商品归为一组，即一个品类，例如，所有的手机商品就组成了手机品类；还可以根据需求进行更细致的品类划分，比如将智能手机单独划为一个品类，将服装中的运动装划为一个品类。同时，也可以通过商品的属性信息，将具有同一属性的商品划为同一个品类，例如，将所有白色的衬衣划为一个品类。销售数据可以包括物品在预定时间段内的销售数量、销售额、销售价格等。
预定义操作可以是其执行可能会对目标物品集合中物品的销售数据产生影响的操作。例如，促销、推广操作。预定义操作的第一参数可以是针对目标物品集合整体而言的，例如，目标物品集合中参与促销的目标物品的标识；第一参数也可以与单个目标物品关联的，此时，第一参数可以包括用于指示该目标物品是否参加促销活动的参数，用于指示该目标物品参加的促销活动的类型的参数，用于指示该目标物品参加的促销活动的促销力度的参数，用于指示该目标物品参加促销活动的参与度的参数，用于指示是否在预定页面展示该目标物品的参数，或用于指示该目标物品在预定页面展示位置的参数等。其中，用于指示目标物品参加的促销活动的促销力度的参数可以是促销折扣率，促销折扣率可以是目标物品促销价格与目标物品原价的比值；用于指示目标物品参加促销活动的参与度的参数可以是促销参与率，促销参与率可以是预定时间段内销售出的目标商品中，以促销价格出售的目标商品所占的比例。
步骤202，基于所获取的第一参数的参数值与第一机器学习模型，确定执行预定义操作后，目标物品集合中物品的销售数据的变化量之和。
在本实施例中，上述执行主体可以基于步骤201中获取的第一参数的参数值与第一机器学习模型，确定执行预定义操作后，目标物品集合中物品的销售数据的变化量之和。第一机器学习模型可以是预先训练的，可以用于表征第一特征参数的参数值与目标物品集合中物品的销售数据的变化量之和的对应关系。第一机器学习模型也可以用于表征与某个目标物品关联的第一特征参数的参数值与假设在预定义操作未执行的情况下该目标物品的销售数据的对应关系。此时，物品的销售数据的变化量可以是执行预定义操作后的预定时间段内物品的销售数据与假设预定义操作物品未执行时的预定时间段内物品的销售数据之差。例如，获取到了m天的销售数据，可以通过以下公式计算m天中的第j天内目标物品集合中n个目标物品中第i个目标物品的销售数据的变化量：
P_Upliftij＝Payij×TSalesij-Priceij×NSalesij,i∈[1,n],j∈[1,m]；
其中，P_Upliftij表示第j天内目标物品集合中第i个目标物品的销售数据的变化量，Payij表示第i个目标物品在第j天的成交价格，TSalesij表示第i个目标物品在第j天内的销量，Priceij表示第i个目标物品的原价，NSalesij表示假设预定义操作物品未执行时第i个目标物品在第j天内的销量。
此外，第一机器学习模型还可以用于表征与某个目标物品关联的第一特征参数的参数值与该目标物品的销售数据的对应关系。以此，将与某个目标物品关联的第一特征参数的参数值修改为表征未执行预定义操作时的参数值，即可在执行预定义操作后，得到假设在预定义操作未执行的情况下该目标物品的销售数据。例如，预定义操作为促销，第一特征参数包括促销参与率或促销折扣率，将促销参与率修改为0，或促销折扣率修改为1即可得到假设在预定义操作未执行的情况下该目标物品的销售数据。
作为示例，第一机器学习模型可以是技术人员基于对大量的第一特征参数和目标物品的销售数据的统计而预先制定的、存储有第一特征参数的参数值与销售数据的对应关系的对应关系表；也可以是技术人员基于对大量数据的统计而预先设置并存储至上述电子设备中的、对第一特征参数中的一个或多个数值进行数值计算以得到用于表征目标物品的销售数据的计算结果的计算公式。上述第一机器学习模型还可以是使用线性回归模型、随机森林等用于回归的模型，在电子商务平台中选取样本物品，将与样本物品关联的历史第一特征参数的参数值与历史销售数据分别作为输入与输出，训练得到的。
在本实施例的一些可选实现方式中，第一机器学习模型用于表征第一特征参数的参数值与物品销售数据的对应关系，第一特征参数包括第一参数；以及基于所获取的第一参数的参数值与第一机器学习模型，确定执行预定义操作后，目标物品集合中物品的销售数据的变化量之和，包括：对于目标物品集合中的物品，执行以下销售数据变化量确定操作：将与该物品关联的第一特征参数的参数值输入至第一机器学习模型，生成执行预定义操作后该物品的第一销售数据；将预先设置的用于指示预定义操作未执行的第一特征参数的参数值输入至第一机器学习模型，生成预定义操作未执行时该物品的第二销售数据；将第一销售数据与第二数据的差值确定为该物品销售数据的变化量；计算目标物品集合中物品销售数据的变化量之和。
在本实施例的一些可选实现方式中，第一特征参数还可以包括第三参数，第三参数包括以下至少一项：销售数据的日期参数、销售数据的周期参数、销售数据的预定义特殊日期参数。销售数据的日期参数可以包括销售数据为哪一天的数据；销售数据的周期参数可以包括销售数据为第几个周期的数据(可以从数据的第一天所属的周计数，一个周期可以为一周)、销售数据为当前周期内第几天的数据；销售数据的预定义特殊日期参数可以用于指示销售数据是否为特殊日期的数据，特殊日期可以是节假日、6月18日、11月11日、12月12日等。
步骤203，获取与目标物品集合的总销售数据关联的预定义操作的第二参数的参数值。
在本实施例中，上述执行主体可以获取与目标物品集合的总销售数据关联的预定义操作的第二参数的参数值。第二参数可以是对于目标物品集合整体而言，预定义操作的参与度以及预定义操作的执行力度等；以预定义操作为促销操作为例，第二参数可以包括目标物品集合整体的促销折扣率、促销参与率。作为示例，获取到了m天的销售数据，m天中的第j天，包括n个目标物品的目标物品集合整体的促销折扣率可以通过以下公式计算：
其中，表示第j天的促销折扣率，Payij表示第i个目标物品在第j天的成交价格，TSalesij表示第i个目标物品在第j天内的销量，Priceij表示第i个目标物品的原价。
作为示例，m天中的第j天，包括n个目标物品的目标物品集合整体的促销参与率可以通过以下公式计算：
其中，表示第j天的目标物品集合整体的促销参与率，ParticipRateij表示第i个目标物品在第j天的促销参与率，TSalesij表示第i个目标物品在第j天内的销量。
步骤204，基于所获取的第二参数的参数值与预先训练的第二机器学习模型，确定执行预定义操作后，总销售数据的变化量。
在本实施例中，上述执行主体可以基于步骤203中获取的第二参数的参数值与预先训练的第二机器学习模型，确定执行预定义操作后，总销售数据的变化量。第二机器学习模型可以用于表征第二参数的参数值与总销售数据的变化量的对应关系，或用于表征第二特征参数的参数值与目标物品集合的总销售数据的对应关系。以此，将与目标物品集合关联的第二特征参数的参数值修改为表征未执行预定义操作时的参数值，即可在执行预定义操作后，得到假设在预定义操作未执行的情况下该目标物品集合的总销售数据。例如，预定义操作为促销，第二特征参数包括促销参与率或促销折扣率，将促销参与率修改为0，或促销折扣率修改为1即可得到假设在预定义操作未执行的情况下目标物品集合的总销售数据，并据此计算。例如，可以通过以下公式计算m天中的第j天，包括n个目标物品的目标物品集合的总销售数据的变化量：
其中，表示第j天目标物品集合的总销售数据的变化量，TGMVj表示执行预定义操作的情况下的第j天中目标物品集合的总销售数据，NGMVj表示假设在预定义操作未执行的情况下，第j天中目标物品集合的总销售数据。
TGMVj可以通过以下公式得到：
其中，Payij表示第i个目标物品在第j天的成交价格，TSalesij表示第i个目标物品在第j天内的销量。
作为示例，第二机器学习模型可以是技术人员基于对大量的第二特征参数和目标物品集合的总销售数据的统计而预先制定的、存储有第二特征参数的参数值与总销售数据的对应关系的对应关系表；也可以是技术人员基于对大量数据的统计而预先设置并存储至上述电子设备中的、对第二特征参数中的一个或多个数值进行数值计算以得到用于表征目标物品集合的总销售数据的计算结果的计算公式。上述第二机器学习模型还可以是使用线性回归模型、随机森林等用于回归的模型，在电子商务平台中选取样本物品集合，将与样本物品集合关联的历史第二特征参数的参数值与历史总销售数据分别作为输入与输出，训练得到的。
在本实施例的一些可选实现方式中，第二机器学习模型用于表征第二特征参数的参数值与目标物品集合的销售数据的对应关系，第二特征参数包括第二参数；以及基于所获取的第二参数的参数值与预先训练的第二机器学习模型，确定执行预定义操作后，总销售数据的变化量，包括：将与目标物品集合关联的第二特征参数的参数值输入至第二机器学习模型，生成执行预定义操作后目标物品集合的第三销售数据；将预先设置的用于指示预定义操作未执行的第二特征参数的参数值输入至第二机器学习模型，生成预定义操作未执行时目标物品集合的第四销售数据；将第三销售数据与第四数据的差值确定为总销售数据的变化量。
在本实施例的一些可选实现方式中，第二特征参数还可以包括第三参数，第三参数包括以下至少一项：销售数据的日期参数、销售数据的周期参数、销售数据的预定义特殊日期参数。销售数据的日期参数可以包括销售数据为哪一天的数据；销售数据的周期参数可以包括销售数据为第几个周期的数据(可以从数据的第一天所属的周计数，一个周期可以为一周)、销售数据为当前周期内第几天的数据；销售数据的预定义特殊日期参数可以用于指示销售数据是否为特殊日期的数据，特殊日期可以是节假日、6月18日、11月11日、12月12日等。
步骤205，根据目标物品集合中的物品的销售数据的变化量之和，与总销售数据的变化量，输出提示信息。
在本实施例中，上述执行主体可以根据步骤202中确定的目标物品集合中的物品的销售数据的变化量之和，与步骤204中确定的总销售数据的变化量，输出提示信息。提示信息可以是目标物品集合中的物品的销售数据的变化量之和，与总销售数据的变化量，也可以是对目标物品集合中的物品的销售数据的变化量之和，与总销售数据的变化量进行处理得到的数据。例如，可以比较目标物品集合中的物品的销售数据的变化量之和，与总销售数据的变化量，将比较结果作为待输出的提示信息。提示信息可以指示预定义操作的执行效果。
以预定义操作是促销操作为例，促销操作在带来促销物品销售额的提升同时，也会蚕食掉其他非促销商品的份额，或者同时进行促销的相似商品也可能互相蚕食。根据目标物品集合中的物品的销售数据的变化量之和与总销售数据的变化量输出提示信息，综合考虑并量化了促销带来的销售额提升与促销带来的蚕食效应。
继续参见图3，图3是根据本实施例的信息输出方法的应用场景的一个示意图。在图3的应用场景中，服务器301首先获取与目标物品集合中物品的销售数据关联的预定义操作的第一参数的参数值302；基于所获取的第一参数的参数值302与第一机器学习模型，确定执行预定义操作后，目标物品集合中物品的销售数据的变化量之和303；获取与目标物品集合的总销售数据关联的预定义操作的第二参数的参数值304；基于所获取的第二参数的参数值304与预先训练的第二机器学习模型，确定执行预定义操作后，总销售数据的变化量305；根据目标物品集合中的物品的销售数据的变化量之和303，与总销售数据的变化量305，输出提示信息306。
本申请的上述实施例提供的方法通过获取与目标物品集合中物品的销售数据关联的预定义操作的第一参数的参数值；基于所获取的第一参数的参数值与第一机器学习模型，确定执行预定义操作后，目标物品集合中物品的销售数据的变化量之和；获取与目标物品集合的总销售数据关联的预定义操作的第二参数的参数值；基于所获取的第二参数的参数值与预先训练的第二机器学习模型，确定执行预定义操作后，总销售数据的变化量；根据目标物品集合中的物品的销售数据的变化量之和，与总销售数据的变化量，输出提示信息，提供了一种基于目标物品集合中的物品的销售数据的变化量之和与总销售数据的变化量的信息输出机制，丰富了信息输出方法。
进一步参考图4，其示出了信息输出方法的又一个实施例的流程400。该信息输出方法的流程400，包括以下步骤：
步骤401，获取与目标物品集合中物品的销售数据关联的预定义操作的第一参数的参数值。
在本实施例中，信息输出方法执行主体(例如图1所示的服务器或终端)可以首先获取与目标物品集合中物品的销售数据关联的预定义操作的第一参数的参数值。
步骤402，基于所获取的第一参数的参数值与第一机器学习模型，确定执行预定义操作后，目标物品集合中物品的销售数据的变化量之和。
在本实施例中，上述执行主体可以基于步骤401中获取的第一参数的参数值与第一机器学习模型，确定执行预定义操作后，目标物品集合中物品的销售数据的变化量之和。
步骤403，获取与目标物品集合的总销售数据关联的预定义操作的第二参数的参数值。
在本实施例中，上述执行主体可以获取与目标物品集合的总销售数据关联的预定义操作的第二参数的参数值。
步骤404，基于所获取的第二参数的参数值与预先训练的第二机器学习模型，确定执行预定义操作后，总销售数据的变化量。
在本实施例中，上述执行主体可以基于步骤403中获取的第二参数的参数值与预先训练的第二机器学习模型，确定执行预定义操作后，总销售数据的变化量。
步骤405，确定目标物品集合中物品的销售数据的变化量之和与总销售数据的变化量的差。
在本实施例中，上述执行主体可以确定步骤402中确定的目标物品集合中物品的销售数据的变化量之和与步骤404中确定的总销售数据的变化量的差。
以预定义操作是促销为例，所确定的差可以是促销在带来促销物品销售额的提升同时，蚕食掉的目标物品集合中其他非促销商品的销售额。例如，可以通过以下公式计算m天中的第j天，包括n个目标物品的目标物品集合被蚕食的销售额：
其中，Cannj表示m天中的第j天目标物品集合被蚕食的销售额，P_Upliftij表示第j天内目标物品集合中第i个目标物品的销售数据的变化量，表示第j天目标物品集合的总销售数据的变化量。
步骤406，根据差输出提示信息。
在本实施例中，上述执行主体可以根据步骤405中确定的差输出提示信息。上述执行主体可以直接输出步骤405中确定的差，也可以是对步骤405中确定的差进行处理得到提示信息。例如，差大于预设阈值，则可输出用于表征预定义操作执行效果不佳的信息，具体的阈值可以根据实际需要进行设置。
在本实施例的一些可选实现方式中，根据差输出提示信息，包括：确定差除以总销售数据的变化量所得的比值；根据比值和/或比值与目标物品销售数据的变化量之积输出提示信息。在本实现方式中，根据比值和/或比值与目标物品销售数据的变化量之积输出提示信息可以是直接输出上述比值和/或上述积，也可以是比较上述比值和/或上述积与预先设置的阈值，再根据比较结果输出用于表征预定义操作执行效果的信息。
以预定义操作是促销操作为例，确定出的差除以总销售数据的变化量所得的比值可以是用于衡量蚕食效应严重程度的蚕食比例。例如，可以通过以下公式计算m天中的第j天，目标物品集合的蚕食比例：
其中，表示第j天目标物品集合的蚕食比例，Cannj表示第j天目标物品集合被蚕食的销售额，C_Upliftj表示第j天目标物品集合的总销售数据的变化量。
比值与目标物品销售数据的变化量之积，可以是该目标物品因为参与促销活动而蚕食掉其他同类物品的销售额。例如，可以通过以下公式计算m天中的第j天，包括n个目标物品的目标物品集合中第i个目标物品因为参与促销活动而蚕食掉其他同类物品的销售额：
Cannij＝Cann_Ratej×P_Upliftij,i∈[1,n],j∈[1,m]；
其中，Cannij表示第j天第i个目标物品因为参与促销活动而蚕食掉其他同类物品的销售额，Cann_Ratej表示第j天目标物品集合的蚕食比例，P_Upliftij表示第j天内目标物品集合中第i个目标物品的销售数据的变化量。
在本实施例中，步骤401、步骤402、步骤403、步骤404的操作与步骤201、步骤202、步骤203、步骤204的操作基本相同，在此不再赘述。
从图4中可以看出，与图2对应的实施例相比，本实施例中的信息输出方法的流程400中根据目标物品集合中物品的销售数据的变化量之和与总销售数据的变化量的差输出提示信息，由此，本实施例描述的方案中进一步丰富了信息输出方法，提高了用户获取信息的效率。
进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种信息输出装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的信息输出装置500包括：第一获取单元501、第一确定单元502、第二获取单元503、第二确定单元504、输出单元505。其中，第一获取单元501，用于获取影响目标物品集合中物品的销售数据的预定义事件的第一参数的参数值；第一确定单元502，用于基于所获取的第一参数的参数值与第一机器学习模型，确定在预定义事件的影响下，目标物品集合中各个物品的销售数据的变化量之和；第二获取单元503，用于获取影响目标物品集合销售数据的预定义事件的第二参数的参数值；第二确定单元504，用于基于所获取的第二参数的参数值与预先训练的第二机器学习模型，确定在预定义事件的影响下，目标物品集合的销售数据的变化量；输出单元504，用于根据目标物品集合中各个物品的销售数据的变化量之和，与目标物品集合的销售数据的变化量，输出提示信息。
在本实施例中，信息输出装置500的第一获取单元501、第一确定单元502、第二获取单元503、第二确定单元504、输出单元505的具体处理可以参考图2对应实施例中的步骤201、步骤202、步骤203、步骤204和步骤205。
在本实施例的一些可选实现方式中，第一机器学习模型用于表征第一特征参数的参数值与物品销售数据的对应关系，第一特征参数包括第一参数；以及第一确定单元，包括：第一确定子单元，被配置成对于目标物品集合中的物品，执行以下销售数据变化量确定操作：将与该物品关联的第一特征参数的参数值输入至第一机器学习模型，生成预定义事件发生时该物品的第一销售数据；将预先设置的用于指示预定义事件未发生的第一特征参数的参数值输入至第一机器学习模型，生成预定义事件未发生时该物品的第二销售数据；将第一销售数据与第二数据的差值确定为该物品销售数据的变化量；计算子单元，被配置成计算目标物品集合中各个物品销售数据的变化量之和。
在本实施例的一些可选实现方式中，第二机器学习模型用于表征第二特征参数的参数值与目标物品集合的销售数据的对应关系，第二特征参数包括第二参数；以及第二确定单元，包括：第一生成子单元，被配置成将与目标物品集合关联的第二特征参数的参数值输入至第二机器学习模型，生成预定义事件发生时目标物品集合的第三销售数据；第二生成子单元，被配置成将预先设置的用于指示预定义事件未发生的第二特征参数的参数值输入至第二机器学习模型，生成预定义事件未发生时目标物品集合的第四销售数据；第二确定子单元，被配置成将第三销售数据与第四数据的差值确定为目标物品集合的销售数据的变化量。
在本实施例的一些可选实现方式中，第一特征参数或第二特征参数还包括第三参数，第三参数包括以下至少一项：销售数据的日期参数、销售数据的周期参数、销售数据的预定义特殊日期参数。
在本实施例的一些可选实现方式中，输出单元，包括：第三确定子单元，被配置成确定目标物品集合中各个物品的销售数据的变化量之和与目标物品集合的销售数据的变化量的差；输出子单元，被配置成根据差输出提示信息。
在本实施例的一些可选实现方式中，输出子单元，进一步被配置成：确定差除以目标物品集合的销售数据的变化量所得的比值；根据比值和/或比值与目标物品销售数据的变化量之积输出提示信息。
本申请的上述实施例提供的装置，通过获取与目标物品集合中物品的销售数据关联的预定义操作的第一参数的参数值；基于所获取的第一参数的参数值与第一机器学习模型，确定执行预定义操作后，目标物品集合中物品的销售数据的变化量之和；获取与目标物品集合的总销售数据关联的预定义操作的第二参数的参数值；基于所获取的第二参数的参数值与预先训练的第二机器学习模型，确定执行预定义操作后，总销售数据的变化量；根据目标物品集合中的物品的销售数据的变化量之和，与总销售数据的变化量，输出提示信息，提供了一种基于目标物品集合中的物品的销售数据的变化量之和与总销售数据的变化量的信息输出机制，丰富了信息输出方法。
下面参考图6，其示出了适于用来实现本申请实施例的服务器或终端的计算机系统600的结构示意图。图6示出的服务器或终端仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件可以连接至I/O接口605：包括诸如键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读介质或者是上述两者的任意组合。计算机可读介质例如可以是——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。计算机可读介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读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。而在本申请中，计算机可读的信号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，其中承载了计算机可读的程序代码。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。计算机可读的信号介质还可以是计算机可读介质以外的任何计算机可读介质，该计算机可读介质可以发送、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。计算机可读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、电线、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或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括第一获取单元、第一确定单元、第二获取单元、第二确定单元和输出单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“用于获取影响目标物品集合中物品的销售数据的预定义事件的第一参数的参数值的单元”。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。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该装置执行时，使得该装置：获取与目标物品集合中物品的销售数据关联的预定义操作的第一参数的参数值；基于所获取的第一参数的参数值与第一机器学习模型，确定执行预定义操作后，目标物品集合中物品的销售数据的变化量之和；获取与目标物品集合的总销售数据关联的预定义操作的第二参数的参数值；基于所获取的第二参数的参数值与预先训练的第二机器学习模型，确定执行预定义操作后，总销售数据的变化量；根据目标物品集合中的物品的销售数据的变化量之和，与总销售数据的变化量，输出提示信息。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (14)
1.一种用于输出信息的方法，包括：
获取与目标物品集合中物品的销售数据关联的预定义操作的第一参数的参数值；
基于所获取的第一参数的参数值与第一机器学习模型，确定执行预定义操作后，所述目标物品集合中物品的销售数据的变化量之和；
获取与所述目标物品集合的总销售数据关联的所述预定义操作的第二参数的参数值；
基于所获取的第二参数的参数值与预先训练的第二机器学习模型，确定执行预定义操作后，所述总销售数据的变化量；
根据所述目标物品集合中的物品的销售数据的变化量之和，与所述总销售数据的变化量，输出提示信息。
2.根据权利要求1所述的方法，其中，所述第一机器学习模型用于表征第一特征参数的参数值与物品销售数据的对应关系，所述第一特征参数包括所述第一参数；以及
所述基于所获取的第一参数的参数值与第一机器学习模型，确定执行预定义操作后，所述目标物品集合中物品的销售数据的变化量之和，包括：
对于所述目标物品集合中的物品，执行以下销售数据变化量确定操作：将与该物品关联的第一特征参数的参数值输入至第一机器学习模型，生成执行预定义操作后该物品的第一销售数据；将预先设置的用于指示预定义操作未执行的第一特征参数的参数值输入至第一机器学习模型，生成预定义操作未执行时该物品的第二销售数据；将第一销售数据与第二数据的差值确定为该物品销售数据的变化量；
计算所述目标物品集合中物品销售数据的变化量之和。
3.根据权利要求1所述的方法，其中，所述第二机器学习模型用于表征第二特征参数的参数值与目标物品集合的销售数据的对应关系，所述第二特征参数包括所述第二参数；以及
所述基于所获取的第二参数的参数值与预先训练的第二机器学习模型，确定执行预定义操作后，所述总销售数据的变化量，包括：
将与目标物品集合关联的第二特征参数的参数值输入至第二机器学习模型，生成执行预定义操作后所述目标物品集合的第三销售数据；
将预先设置的用于指示预定义操作未执行的第二特征参数的参数值输入至第二机器学习模型，生成预定义操作未执行时所述目标物品集合的第四销售数据；
将第三销售数据与第四数据的差值确定为所述总销售数据的变化量。
4.根据权利要求2或3所述的方法，其中，第一特征参数或第二特征参数还包括第三参数，所述第三参数包括以下至少一项：销售数据的日期参数、销售数据的周期参数、销售数据的预定义特殊日期参数。
5.根据权利要求1所述的方法，其中，所述根据所述目标物品集合中的物品的销售数据的变化量之和，与所述总销售数据的变化量，输出提示信息，包括：
确定所述目标物品集合中物品的销售数据的变化量之和与所述总销售数据的变化量的差；
根据所述差输出提示信息。
6.根据权利要求5所述的方法，其中，所述根据所述差输出提示信息，包括：
确定所述差除以所述总销售数据的变化量所得的比值；
根据所述比值和/或所述比值与目标物品销售数据的变化量之积输出提示信息。
7.一种用于输出信息的装置，包括：
第一获取单元，被配置成获取影响目标物品集合中物品的销售数据的预定义事件的第一参数的参数值；
第一确定单元，被配置成基于所获取的第一参数的参数值与第一机器学习模型，确定在预定义事件的影响下，所述目标物品集合中各个物品的销售数据的变化量之和；
第二获取单元，被配置成获取影响所述目标物品集合销售数据的预定义事件的第二参数的参数值；
第二确定单元，被配置成基于所获取的第二参数的参数值与预先训练的第二机器学习模型，确定在预定义事件的影响下，所述目标物品集合的销售数据的变化量；
输出单元，被配置成根据所述目标物品集合中各个物品的销售数据的变化量之和，与所述目标物品集合的销售数据的变化量，输出提示信息。
8.根据权利要求7所述的装置，其中，所述第一机器学习模型用于表征第一特征参数的参数值与物品销售数据的对应关系，所述第一特征参数包括所述第一参数；以及
所述第一确定单元，包括：
第一确定子单元，被配置成对于所述目标物品集合中的物品，执行以下销售数据变化量确定操作：将与该物品关联的第一特征参数的参数值输入至第一机器学习模型，生成预定义事件发生时该物品的第一销售数据；将预先设置的用于指示预定义事件未发生的第一特征参数的参数值输入至第一机器学习模型，生成预定义事件未发生时该物品的第二销售数据；将第一销售数据与第二数据的差值确定为该物品销售数据的变化量；
计算子单元，被配置成计算所述目标物品集合中各个物品销售数据的变化量之和。
9.根据权利要求7所述的装置，其中，所述第二机器学习模型用于表征第二特征参数的参数值与目标物品集合的销售数据的对应关系，所述第二特征参数包括所述第二参数；以及
所述第二确定单元，包括：
第一生成子单元，被配置成将与目标物品集合关联的第二特征参数的参数值输入至第二机器学习模型，生成预定义事件发生时所述目标物品集合的第三销售数据；
第二生成子单元，被配置成将预先设置的用于指示预定义事件未发生的第二特征参数的参数值输入至第二机器学习模型，生成预定义事件未发生时所述目标物品集合的第四销售数据；
第二确定子单元，被配置成将第三销售数据与第四数据的差值确定为所述目标物品集合的销售数据的变化量。
10.根据权利要求8或9所述的装置，其中，第一特征参数或第二特征参数还包括第三参数，所述第三参数包括以下至少一项：销售数据的日期参数、销售数据的周期参数、销售数据的预定义特殊日期参数。
11.根据权利要求7所述的装置，其中，所述输出单元，包括：
第三确定子单元，被配置成确定所述目标物品集合中各个物品的销售数据的变化量之和与所述目标物品集合的销售数据的变化量的差；
输出子单元，被配置成根据所述差输出提示信息。
12.根据权利要求11所述的装置，其中，所述输出子单元，进一步被配置成：
确定所述差除以所述目标物品集合的销售数据的变化量所得的比值；
根据所述比值和/或所述比值与目标物品销售数据的变化量之积输出提示信息。
13.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
14.一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810358842.2A CN110400189B (zh) | 2018-04-20 | 2018-04-20 | 信息输出方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810358842.2A CN110400189B (zh) | 2018-04-20 | 2018-04-20 | 信息输出方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110400189A true CN110400189A (zh) | 2019-11-01 |
| CN110400189B CN110400189B (zh) | 2024-05-24 |
Family
ID=68319513
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810358842.2A Active CN110400189B (zh) | 2018-04-20 | 2018-04-20 | 信息输出方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110400189B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012048561A (ja) * | 2010-08-27 | 2012-03-08 | Rakuten Inc | 情報提供装置、情報提供方法、情報提供プログラム、記録媒体、および、情報提供システム |
| CN104574093A (zh) * | 2013-10-22 | 2015-04-29 | 北京思博途信息技术有限公司 | 一种基于电商样本数据信息计算销量的方法及装置 |
| CN106408341A (zh) * | 2016-09-21 | 2017-02-15 | 北京小米移动软件有限公司 | 货品销量的预测方法及装置、电子设备 |
| CN107292661A (zh) * | 2017-06-02 | 2017-10-24 | 网易无尾熊（杭州）科技有限公司 | 计算机实现的基于数据分析辅助制定价格的方法及设备 |
| CN107705010A (zh) * | 2017-09-29 | 2018-02-16 | 北京京东尚科信息技术有限公司 | 业务评估方法和系统 |
| CN107918764A (zh) * | 2017-11-16 | 2018-04-17 | 百度在线网络技术（北京）有限公司 | 信息输出方法和装置 |
-
2018
- 2018-04-20 CN CN201810358842.2A patent/CN110400189B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012048561A (ja) * | 2010-08-27 | 2012-03-08 | Rakuten Inc | 情報提供装置、情報提供方法、情報提供プログラム、記録媒体、および、情報提供システム |
| CN104574093A (zh) * | 2013-10-22 | 2015-04-29 | 北京思博途信息技术有限公司 | 一种基于电商样本数据信息计算销量的方法及装置 |
| CN106408341A (zh) * | 2016-09-21 | 2017-02-15 | 北京小米移动软件有限公司 | 货品销量的预测方法及装置、电子设备 |
| CN107292661A (zh) * | 2017-06-02 | 2017-10-24 | 网易无尾熊（杭州）科技有限公司 | 计算机实现的基于数据分析辅助制定价格的方法及设备 |
| CN107705010A (zh) * | 2017-09-29 | 2018-02-16 | 北京京东尚科信息技术有限公司 | 业务评估方法和系统 |
| CN107918764A (zh) * | 2017-11-16 | 2018-04-17 | 百度在线网络技术（北京）有限公司 | 信息输出方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110400189B (zh) | 2024-05-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107464169A (zh) | 信息输出方法和装置 | |
| CN109840734A (zh) | 信息输出方法和装置 | |
| CN109426885A (zh) | 订单分配方法和装置 | |
| CN108985809A (zh) | 激励推送的方法、装置、电子设备和存储介质 | |
| CN108921323A (zh) | 用于生成信息的方法和装置 | |
| CN109976997A (zh) | 测试方法和装置 | |
| CN108388563A (zh) | 信息输出方法和装置 | |
| CN111414376A (zh) | 一种数据预警方法和装置 | |
| CN107274209A (zh) | 预测促销活动销售数据的方法和装置 | |
| CN110371560A (zh) | 自动盘点的方法和装置 | |
| CN109961299A (zh) | 数据分析的方法和装置 | |
| CN109978429A (zh) | 用于输出信息的方法和装置 | |
| CN109902986A (zh) | 用于输出信息的方法和装置 | |
| CN109544076A (zh) | 用于生成信息的方法和装置 | |
| CN110109901A (zh) | 筛选目标对象的方法和装置 | |
| CN109685537A (zh) | 用户行为的分析方法、装置、介质和电子设备 | |
| CN108898496A (zh) | 产品推荐方法、装置、介质及电子设备 | |
| CN109784352A (zh) | 一种评估分类模型的方法和装置 | |
| CN109785072A (zh) | 用于生成信息的方法和装置 | |
| CN110473043A (zh) | 一种基于用户行为的物品推荐方法和装置 | |
| CN109934523A (zh) | 信息处理方法和装置 | |
| CN109377284A (zh) | 用于推送信息的方法和电子设备 | |
| CN109978421A (zh) | 信息输出方法和装置 | |
| CN110276566A (zh) | 信息输出方法和装置 | |
| CN108959636A (zh) | 数据处理方法、装置、系统、计算机可读介质 |
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 | ||
| GR01 | Patent grant |