CN110517064A - 一种核心竞品车型分析方法及系统 - Google Patents

一种核心竞品车型分析方法及系统 Download PDF

Info

Publication number
CN110517064A
CN110517064A CN201910658835.9A CN201910658835A CN110517064A CN 110517064 A CN110517064 A CN 110517064A CN 201910658835 A CN201910658835 A CN 201910658835A CN 110517064 A CN110517064 A CN 110517064A
Authority
CN
China
Prior art keywords
registration
vehicle
competing product
concern
clue
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
Application number
CN201910658835.9A
Other languages
English (en)
Inventor
朱劲松
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Xin Yi Interactive Digital Technology Co Ltd
Original Assignee
Beijing Xin Yi Interactive Digital Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Xin Yi Interactive Digital Technology Co Ltd filed Critical Beijing Xin Yi Interactive Digital Technology Co Ltd
Priority to CN201910658835.9A priority Critical patent/CN110517064A/zh
Publication of CN110517064A publication Critical patent/CN110517064A/zh
Pending legal-status Critical Current

Links

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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0203—Market surveys; Market polls
    • 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]
    • G06Q30/0623—Item investigation

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种核心竞品车型分析方法及系统，通过收集和分析线上历史行为，即在哪些车型上都留下关注痕迹，获得本品车型和所有产生重合关系的竞品车型的正向和逆向重合数据，各个车型的价格区间，以及各个车型的关注度规模，来确定核心竞品车型，该方法包括：计算特定参数重合度、价格区间重合指数、以及关注度规模指数；根据计算的特定参数重合度、价格区间重合指数、以及关注度规模指数对竞品车型排序，确定前N个竞品车型为核心竞品车型；其中，N为自然数。本发明通过多个参数来确定竞品车型，能够更加准确定位竞品车型。

Description

一种核心竞品车型分析方法及系统
本申请是申请号为201711137082.4、名称为“一种核心竞品车型分析方法及系统”的中国专利申请的分案申请。
技术领域
本发明涉及汽车领域，尤其涉及一种核心竞品车型分析方法及系统。
背景技术
目前，在汽车行业中，竞品车型主要通过以下方式实现：
在设计产品时，以技术规格和价格等作为衡量指标，取相近者作为竞品，往往是汽车品牌官方指定竞品；由于技术规格和价格的衡量指标基于汽车产品自身，忽略消费者在实际购车时考虑的决策因素的影响，通过该方式定义的竞品未必是消费者实际考虑购买的竞品；
以细分市场中销量的前几名品牌直接作为竞品；根据销量判断竞品车型可以得到市场上的标杆车型，但从产品定位和消费者营销沟通方面，与本品存在较大差异，消费者定位不精准；
综合线上行为数据中关注、对比、线索重合，降价信息，生成线上线索竞品模型；现有基于线上行为的竞品模型在实际计算中会得到与细分市场中销量来确定竞品车型相近的结果，原因是忽略了以下购车决策因素：本竞品车型竞争实力是否平衡或者激烈，本竞品车型价格是否接近，本竞品车型是否受到潜在消费者同等规模的关注、对比和购买意向。
发明内容
有鉴于此，本发明提供了核心竞品车型分析方法及系统，以更加准确地定位竞品车型。
本发明提供了一种核心竞品车型分析方法，通过收集和分析线上历史行为，即在哪些车型上都留下关注痕迹，获得本品车型和所有产生重合关系的竞品车型的正向和逆向重合数据，各个车型的价格区间，以及各个车型的关注度规模，来确定核心竞品车型，该方法包括：
计算特定参数重合度、价格区间重合指数、以及关注度规模指数；
根据计算的特定参数重合度、价格区间重合指数、以及关注度规模指数对竞品车型排序，确定前N个竞品车型为核心竞品车型；其中，N为自然数。
优选地，所述特定参数包括重合度线索重合度、关注重合度和对比重合度。
优选地，所述线索重合度包括正向线索重合度和逆向线索重合度；
其中，
优选地，所述关注重合度包括正向关注重合度和逆向关注重合度；
其中，
优选地，所述对比重合度包括正向对比重合度和逆向对比重合度；
其中，
优选地，竞品车型的线索重合度、关注重合度或对比重合度的值按照如下公式计算：
其中(x,y)为二维坐标系XOY中的(正向线索重合度，逆向线索重合度)、(正向关注重合度，逆向关注重合度)或者(正向对比重合度，逆向对比重合度)。
优选地，
优选地，
优选地，所述根据的计算线索重合度、关注重合度、对比重合度、价格区间重合指数、以及关注度规模指数对竞品车型排序，确定前N个竞品车型为核心竞品车型包括：
对线索重合度、关注重合度、以及对比重合度按照1:n:m进行加权，n为正实数，m为正实数；
对加权后的值进行排序，取前N个值；
将所述前N个值与对应的价格区间重合指数和关注度规模指数相加，并重新排序得到核心竞品车型。
本发明提供了一种核心竞品车型分析系统，通过收集和分析线上历史行为，即在哪些车型上都留下关注痕迹，获得本品车型和所有产生重合关系的竞品车型的正向和逆向重合数据，各个车型的价格区间，以及各个车型的关注度规模，来确定核心竞品车型，该系统包括：
计算模块，用于计算特定参数重合度、价格区间重合指数、以及关注度规模指数；
确定模块，用于根据计算的特定参数重合度、价格区间重合指数、以及关注度规模指数对竞品车型排序，确定前N个竞品车型为核心竞品车型。
优选地，所述特定参数包括重合度线索重合度、关注重合度和对比重合度。
优选地，所述关注重合度包括正向线索重合度和逆向线索重合度；
其中，
优选地，所述关注重合度包括正向关注重合度和逆向关注重合度；
其中，
优选地，所述对比重合度包括正向对比重合度和逆向对比重合度；
其中，
优选地，竞品车型的线索重合度、关注重合度或对比重合度的值按照如下公式计算：
其中(x,y)为二维坐标系XOY中的(正向线索重合度，逆向线索重合度)、(正向关注重合度，逆向关注重合度)或者(正向对比重合度，逆向对比重合度)。
优选地，
优选地，
优选地，所述确定模块，用于对线索重合度、关注重合度、以及对比重合度按照1:n:m进行加权，n为正实数，m为正实数；对加权后的值进行排序，取前N个值；将所述前N个值与对应的价格区间重合指数和关注度规模指数相加，并重新排序。
本发明通过多个参数来确定竞品车型，能够更加准确定位竞品车型。
附图说明
附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：
图1是本发明提供的核心竞品车型分析方法示意图；
图2是本发明提供的核心竞品车型分析方法的详细流程图；
图3是本发明提供的分数计算方法；
图4是本发明提供的核心竞品车型分析系统示意图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
为了确定核心竞品车型，可以通过收集和分析消费者的线上历史行为，具体来说也就是在哪些车型上都留下了关注痕迹，获得本品车型和所有产生重合关系的竞品车型的正向和逆向(关注、对比、意向)重合数据，各个车型的价格区间，以及各个车型的消费者关注度规模，来确定核心竞品车型。
本发明提供的竞品车型分析方法如图1所示，具体包括：
步骤105，计算特定参重合度、价格区间重合指数、以及关注度规模指数；特定参重合度可以包括线索重合度、关注重合度、以及对比重合度，线索重合度、关注重合度、以及对比重合度可以分为正向和逆向；
步骤110，根据计算的特定参重合度、价格区间重合指数、以及关注度规模指数对竞品车型排序，确定前N个竞品车型为核心竞品车型；其中，N为自然数。
通过排序得到的N个竞品车型为目标车型，可以作为本品车型的竞争车型重点关注。
本发明提供的竞品车型分析详细流程如图2所示，具体包括：
步骤205，计算线索重合度；线索重合度包括正向线索重合度和逆向线索重合度；在计算线索重合度时，需要考虑品本车型的线索人数、某竞品车型的线索人数，以及本品车型的和某竞品车型重合的线索人数；这些数据可以通过用户浏览、检索的痕迹来确定；本品车型是指汽车生产上所要推广的车型，而竞品车型是与本品车型具有竞争的车型，一般会存在多个竞品车型。
可以针对每个竞品车型和本品车型计算正向线索重合度和逆向线索重合度。如果正向线索重合度>逆向线索重合度，竞品车型线索人数大于本品车型线索人数，说明在线索维度本品弱于竞品；如果逆向线索重合度>正向线索重合度，本品车型线索人数大于竞品车型线索人数，说明在线索维度本品强于竞品。正向线索重合度和逆向线索重合度越接近，即正向线索重合度/逆向线索重合越接近1，说明双方抢夺市场的能力趋近于相当。双方市场能力越接近，评分越高。正向线索重合度或逆向线索重合度更大的，代表线索数量更大，说明双方抢夺规模更大。市场规模越大，评分越高。
设正向线索重合度为x，逆向线索重合度为y，以(x,y)为笛卡尔坐标系，任取竞品点为P(x,y)，Q(x’,y’)。直线y＝x代表所有正向线索重合度＝逆向线索重合度，代表市场能力相等的竞品。当正向线索重合度＝逆向线索重合度＝1时，坐标点为本品自身，记作：S(1,1)点。如果P(x,y)点越接近直线x＝y，则说明正向线索重合度/逆向线索重合越接近1，双方抢夺市场能力更接近，得分更高。如果P(x,y)点更接近直线x＝y同时越靠近S(1，1)点，则说明线索量更大，双方抢夺规模越大，更有说服力，规模得分更高。为了方便计算，把判断不同的竞品P(x,y)和Q(x’,y’)哪个和本品市场能力更接近且市场规模更大这个问题转化为数学上的距离问题。更接近直线x＝y接近得分更多，在接近得分多的前提下更接近(1,1)点规模分数越高。
图3示出了分数具体计算的方式，其中：
I、竞品P(x,y)在x＝y直线上的投影点为P1(x1,y1),根据上述规则，P1点接近得分优于P点。PP1的距离为两者分数差。P得分为P1得分减去PP1。
II、将投影点P1(x1,y1)在x＝y直线上向原点(0,0)方向移动一个距离P1P2，产生一个新点P2(x2,y2),则P1规模得分优于P2，P2得分为OP1-P1P2，P点等价于P2点。
III、最终P点的分数为：
IV、这样每一个类似P点的竞品得分，都可以转化为y＝x这条直线上的一个等价点。OP2就是该竞品的得分。
步骤210，计算关注重合度。关注重合度包括正向关注重合度和逆向关注重合度；在计算关注重合度时，需要考虑本品车型的关注人数、某竞品车型的关注人数，以及本品车型的和某竞品车型重合的关注人数；这些数据可以通过用户浏览、检索的痕迹来确定；本品车型是指汽车生产上所要推广的车型，而竞品车型是与本品车型具有竞争的车型，一般会存在多个竞品车型。
如果正向关注重合度>逆向关注重合度，竞品车型关注人数大于本品车型关注人数，说明在关注维度本品弱于竞品。如果逆向关注重合度>正向关注重合度，本品车型关注人数大于竞品车型关注人数，说明在关注维度本品强于竞品。如果正向关注重合度/逆向关注重合越接近1，说明双方抢夺市场的能力趋近于相当。双方市场能力越接近，评分越高。正向关注重合度或逆向关注重合度更大的，代表关注数量更大，说明双方抢夺规模更大。市场规模越大，评分越高。
设正向关注重合度为x，逆向关注重合度为y，以(x,y)为笛卡尔坐标系，任取竞品点为P(x,y)，Q(x',y')。直线y＝x代表所有正向重合＝逆向重合，代表市场能力相等的竞品。当正向重合＝逆向重合＝1时，坐标点为本品自身，记作：S(1,1)点。如果P(x,y)点越接近x＝y这条直线，则说明正向关注重合度/逆向关注重合越接近1，双方抢夺市场能力更接近，接近得分更高。如果P(x,y)点更接近x＝y的直线同时越靠近S(1，1)点，则说明关注量更大，双方抢夺规模越大，更有说服力，规模得分更高。为了方便计算，把判断不同的竞品P(x,y)和Q(x',y')哪个和本品市场能力更接近且市场规模更大这个问题转化为数学上的距离问题。更接近x＝y接近得分更多，在接近得分多的前提下更接近(1,1)点规模分数越高。
图3示出了分数具体计算的方式，其中：
I、竞品P(x,y)在x＝y直线上的投影点为P1(x1,y1),根据上述规则，P1点接近得分优于P点。PP1的距离为两者分数差。P得分为P1得分减去PP1。
II、将投影点P1(x1,y1)在x＝y直线上向原点(0,0)方向移动一个距离P1P2，产生一个新点P2(x2,y2),则P1规模得分优于P2，P2得分为OP1-P1P2，P点等价于P2点。
III、最终P点的分数为：
IV、这样每一个类似P点的竞品得分，都可以转化为y＝x这条直线上的一个等价点。OP2就是该竞品的得分。
步骤215，计算对比重合度。对比重合度包括正向对比重合度和逆向对比重合度。在计算对比重合度时，需要考虑品本车型的对比人数、某竞品车型的对比人数，以及本品车型的和某竞品车型重合的对比人数；这些数据可以通过用户浏览、检索的痕迹来确定；本品车型是指汽车生产上所要推广的车型，而竞品车型是与本品车型具有竞争的车型，一般会存在多个竞品车型。
如果正向对比重合度>逆向对比重合度，竞品车型对比人数大于本品车型对比人数，说明在对比维度本品弱于竞品。如果逆向对比重合度>正向对比重合度，本品车型对比人数大于竞品车型对比人数，说明在对比维度本品强于竞品。正向对比重合度/逆向对比重合越接近1，说明双方抢夺市场的能力趋近于相当。双方市场能力越接近，评分越高。如果正向对比重合度或逆向对比重合度更大的，代表对比数量更大，说明双方抢夺规模更大。
设正向对比重合度为x，逆向对比重合度为y，以(x,y)为笛卡尔坐标系，任取竞品点为P(x,y)，Q(x',y')。直线y＝x代表所有正向重合＝逆向重合，代表市场能力相等的竞品。当正向重合＝逆向重合＝1时，坐标点为本品自身，记作：S(1,1)点。如果P(x,y)点越接近x＝y这条直线，则说明正向对比重合度/逆向对比重合越接近1，双方抢夺市场能力更接近，接近得分更高。如果P(x,y)点更接近x＝y的直线同时越靠近S(1，1)点，则说明对比量更大，双方抢夺规模越大，更有说服力，规模得分更高。为了方便计算，把判断不同的竞品P(x,y)和Q(x',y')哪个和本品市场能力更接近且市场规模更大这个问题转化为数学上的距离问题。更接近x＝y接近得分更多，在接近得分多的前提下更接近(1,1)点规模分数越高。
图3示出了分数具体计算的方式，其中：
I、竞品P(x,y)在x＝y直线上的投影点为P1(x1,y1),根据上述规则，P1点接近得分优于P点。PP1的距离为两者分数差。P得分为P1得分减去PP1。
II、将投影点P1(x1,y1)在x＝y直线上向原点(0,0)方向移动一个距离P1P2，产生一个新点P2(x2,y2),则P1规模得分优于P2，P2得分为OP1-P1P2，P点等价于P2点。
III、最终P点的分数为：
IV、这样每一个类似P点的竞品得分，都可以转化为y＝x这条直线上的一个等价点。OP2就是该竞品的得分。
步骤220，计算价格区间重合指数。每个车型由若干车款组成，例如：基本版，进取版，豪华版，计算出所有车型的车款最小价格和车款最大价格。
竞品车型和本品重合比例越高则分数越大。
步骤225，计算关注度规模指数。关注度可以通过车型的浏览量来定义。通过网络数据进行统计，可以统计出点击新闻、论坛、车型页等渠道浏览某个车型信息，统计所有车型的浏览量座位该车型的关注度。
关注度规模指数接近1则分数越大，越小于1或者越大于1则分数越低。
步骤230，对线索重合度、关注重合度、以及对比重合度进行加权后排序，可以按照1:n:m进行加权，n为正实数，m为正实数；例如n、m分别为1、2。然后可以取前N个竞品车型座位计算结果。
步骤235，将所计算出的N个竞品模型的分数与价格区间重合指数和关注度规模指数加权相加后，再进行排序，得到竞品车型的最后排名。加权比例可以相同，也可以不同。
图4示出了本发明提供的竞品车型分析系统，具体包括计算模块405以及确定模块410。计算模块405主要用于确定线索重合度、关注重合度、对比重合度、价格区间重合指数、以及关注度规模指数，确定模块对索重合度、关注重合度、对比重合度进行加权排序后，取排名靠前的N个竞品车型，然后与价格区间重合指数和关注度规模指数相加，确定竞品车型的最后排名。
以上结合附图详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种简单变型，这些简单变型均属于本发明的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。
此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明的思想，其同样应当视为本发明所公开的内容。

Claims (12)

1.一种核心竞品车型分析方法，其特征在于，通过收集和分析线上历史行为，即在哪些车型上都留下关注痕迹，获得本品车型和所有产生重合关系的竞品车型的正向和逆向重合数据，各个车型的价格区间，以及各个车型的关注度规模，来确定核心竞品车型，该方法包括：
计算本品车型和竞品车型的特定参数重合度、价格区间重合指数、以及关注度规模指数；
根据计算本品车型和竞品车型的特定参数重合度、价格区间重合指数、以及关注度规模指数对竞品车型排序，确定前N个竞品车型为核心竞品车型；其中，N为自然数，
其中，所述特定参数包括线索重合度、关注重合度和对比重合度，所述线索重合度包括正向线索重合度和逆向线索重合度；
其中，
2.根据权利要求1所述的方法，其特征在于，所述关注重合度包括正向关注重合度和逆向关注重合度；
其中，
3.根据权利要求1所述的方法，其特征在于，所述对比重合度包括正向对比重合度和逆向对比重合度；
其中，
4.根据权利要求1-3中任意一项所述的方法，其特征在于，竞品车型的线索重合度、关注重合度或对比重合度的值按照如下公式计算：
其中(x,y)为二维坐标系XOY中的(正向线索重合度，逆向线索重合度)、(正向关注重合度，逆向关注重合度)或者(正向对比重合度，逆向对比重合度)。
5.根据权利要求1所述的方法，其特征在于，
和/或
6.根据权利要求1所述的方法，其特征在于，所述根据的计算线索重合度、关注重合度、对比重合度、价格区间重合指数、以及关注度规模指数对竞品车型排序，确定前N个竞品车型为核心竞品车型包括：
对线索重合度、关注重合度、以及对比重合度按照1:n:m进行加权，n为正实数，m为正实数；
对加权后的值进行排序，取前N个值；
将所述前N个值与对应的价格区间重合指数和关注度规模指数加权相加，并重新排序得到核心竞品车型。
7.一种核心竞品车型分析系统，其特征在于，通过收集和分析线上历史行为，即在哪些车型上都留下关注痕迹，获得本品车型和所有产生重合关系的竞品车型的正向和逆向重合数据，各个车型的价格区间，以及各个车型的关注度规模，来确定核心竞品车型，该系统包括：
计算模块，用于计算本品车型和竞品车型的特定参数重合度、价格区间重合指数、以及关注度规模指数；
确定模块，用于根据计算的本品车型和竞品车型的特定参数重合度、价格区间重合指数、以及关注度规模指数对竞品车型排序，确定前N个竞品车型为核心竞品车型，
其中，所述特定参数包括重合度线索重合度、关注重合度和对比重合度，所述关注重合度包括正向线索重合度和逆向线索重合度；
其中，
8.根据权利要求7所述的系统，其特征在于，所述关注重合度包括正向关注重合度和逆向关注重合度；
其中，
9.根据权利要求7所述的系统，其特征在于，所述对比重合度包括正向对比重合度和逆向对比重合度；
其中，
10.根据权利要求7-9中任意一项所述的系统，其特征在于，，其特征在于，竞品车型的线索重合度、关注重合度或对比重合度的值按照如下公式计算：
其中(x,y)为二维坐标系XOY中的(正向线索重合度，逆向线索重合度)、(正向关注重合度，逆向关注重合度)或者(正向对比重合度，逆向对比重合度)。
11.根据权利要求7所述的系统，其特征在于，
和/或
12.根据权利要求7所述的系统，其特征在于，所述确定模块，用于对线索重合度、关注重合度、以及对比重合度按照1:n:m进行加权，n为正实数，m为正实数；对加权后的值进行排序，取前N个值；将所述前N个值与对应的价格区间重合指数和关注度规模指数加权相加，并重新排序。
CN201910658835.9A 2017-11-16 2017-11-16 一种核心竞品车型分析方法及系统 Pending CN110517064A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910658835.9A CN110517064A (zh) 2017-11-16 2017-11-16 一种核心竞品车型分析方法及系统

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201711137082.4A CN107798565A (zh) 2017-11-16 2017-11-16 一种核心竞品车型分析方法及系统
CN201910658835.9A CN110517064A (zh) 2017-11-16 2017-11-16 一种核心竞品车型分析方法及系统

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201711137082.4A Division CN107798565A (zh) 2017-11-16 2017-11-16 一种核心竞品车型分析方法及系统

Publications (1)

Publication Number Publication Date
CN110517064A true CN110517064A (zh) 2019-11-29

Family

ID=61535377

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201910658835.9A Pending CN110517064A (zh) 2017-11-16 2017-11-16 一种核心竞品车型分析方法及系统
CN201711137082.4A Pending CN107798565A (zh) 2017-11-16 2017-11-16 一种核心竞品车型分析方法及系统

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201711137082.4A Pending CN107798565A (zh) 2017-11-16 2017-11-16 一种核心竞品车型分析方法及系统

Country Status (1)

Country Link
CN (2) CN110517064A (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111489180A (zh) * 2019-01-25 2020-08-04 北京京东尚科信息技术有限公司 参考信息生成方法、系统及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140025668A1 (en) * 2012-07-20 2014-01-23 Alibaba Group Holding Limited Method and System of Ranking Search Results, and Method and System of Optimizing Search Result Ranking
CN106202473A (zh) * 2016-07-18 2016-12-07 周云 一种基于大数据的品牌分析方法及系统
CN106709756A (zh) * 2016-12-08 2017-05-24 北京五八信息技术有限公司 用户需求信息获取方法和装置
CN106991522A (zh) * 2017-03-16 2017-07-28 西南交通大学 一种基于内容的新车型评分预测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140025668A1 (en) * 2012-07-20 2014-01-23 Alibaba Group Holding Limited Method and System of Ranking Search Results, and Method and System of Optimizing Search Result Ranking
CN106202473A (zh) * 2016-07-18 2016-12-07 周云 一种基于大数据的品牌分析方法及系统
CN106709756A (zh) * 2016-12-08 2017-05-24 北京五八信息技术有限公司 用户需求信息获取方法和装置
CN106991522A (zh) * 2017-03-16 2017-07-28 西南交通大学 一种基于内容的新车型评分预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王贵苏: "《消解与重构：大数据时代的品牌营销变革》", 《中国优秀硕士学位论文全文数据库》 *

Also Published As

Publication number Publication date
CN107798565A (zh) 2018-03-13

Similar Documents

Publication Publication Date Title
Biswas et al. Selection of commercially available electric vehicle using fuzzy AHP-MABAC
CN107491813A (zh) 一种基于多目标优化的长尾群组推荐方法
CN102495860B (zh) 基于语言模型的专家推荐方法
Sheldon et al. Electric and plug‐in hybrid vehicle demand: lessons for an emerging market
CN102541899B (zh) 一种信息识别方法及设备
CN106776936A (zh) 智能交互方法和系统
CN110378699A (zh) 一种交易反欺诈方法、装置及系统
CN107885778A (zh) 一种基于动态临近点谱聚类的个性化推荐方法
CN110910180B (zh) 信息推送方法、装置、电子设备和存储介质
CN107346496A (zh) 目标用户定向方法及装置
CN108986457B (zh) 基于交通冲突分析的etc车道布设方案评价方法
CN110335126A (zh) 一种汽车行业大数据获客方法
CN106204162A (zh) 一种互联网环境下新入网电力用户用电模式预测方法
Li et al. Collaborative filtering based on user attributes and user ratings for restaurant recommendation
CN106251204A (zh) 一种基于大数据处理的跨境电子商务平台系统
Talley Law, Economics, and the Burden (s) of Proof
CN108595562A (zh) 基于准确性判定的用户评价数据分析方法
CN110517064A (zh) 一种核心竞品车型分析方法及系统
Song et al. A decision support model for buying battery electric vehicles considering consumer learning and psychological behavior
CN113469755A (zh) 一种基于广告推送的智能精准营销管理系统
CN108053297A (zh) 一种公有云在汽车行业的使用方式
CN114970693A (zh) 一种基于联邦学习的充电桩用户画像方法
CN114565408B (zh) 一种广告投放的竞价预测方法及系统
CN116014773A (zh) 一种基于深度强化学习的两阶段电动汽车协调配网辅助服务的调度方法
CN109241265A (zh) 一种面向多轮查询的领域识别方法及系统

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

Application publication date: 20191129

RJ01 Rejection of invention patent application after publication