CN110866220B - 一种电商活动过程中的选品推荐系统 - Google Patents

一种电商活动过程中的选品推荐系统 Download PDF

Info

Publication number
CN110866220B
CN110866220B CN201911115420.3A CN201911115420A CN110866220B CN 110866220 B CN110866220 B CN 110866220B CN 201911115420 A CN201911115420 A CN 201911115420A CN 110866220 B CN110866220 B CN 110866220B
Authority
CN
China
Prior art keywords
sales
product
quadrant
representing
activity
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.)
Active
Application number
CN201911115420.3A
Other languages
English (en)
Other versions
CN110866220A (zh
Inventor
王瑞岭
黄恺
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.)
Shanghai Xinyunli E Commerce Co ltd
Original Assignee
Shanghai Xinyunli E Commerce 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 Shanghai Xinyunli E Commerce Co ltd filed Critical Shanghai Xinyunli E Commerce Co ltd
Priority to CN201911115420.3A priority Critical patent/CN110866220B/zh
Publication of CN110866220A publication Critical patent/CN110866220A/zh
Application granted granted Critical
Publication of CN110866220B publication Critical patent/CN110866220B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • 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
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • 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]
    • G06Q30/0631—Item recommendations

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Finance (AREA)
  • Data Mining & Analysis (AREA)
  • Accounting & Taxation (AREA)
  • Databases & Information Systems (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Algebra (AREA)
  • Game Theory and Decision Science (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及产品推荐技术领域，尤其涉及一种电商活动过程中的选品推荐系统，其中包括：一获取单元，用于获取用户售卖的每类销售产品的销售数据；一计算单元，连接获取单元，通过销售数据计算得到关联于每类销售产品的基准值，并采用基准值表示每类销售产品的销售状态；一推荐单元，连接计算单元，根据预先设定的活动信息，结合每类销售产品的基准值处理得到合适的活动产品并输出，以作为本次电商活动过程的选品推荐结果。有益效果，能够准确且快速的从销售商品中选择出作为电商活动过程中的活动产品，并且可以在电商活动过程中实时调整选品推荐方案，从而提高推荐效率，达到销售目标。

Description

一种电商活动过程中的选品推荐系统
技术领域
本发明涉及产品推荐技术领域，尤其涉及一种电商活动过程中的选品推荐系统。
背景技术
电子商务管理简称电商，通常是至在全球各地广泛的商业贸易活动中，在因特网开放的网络环境下，基于浏览器或者服务器应用方式，买卖双方不谋面地进行各种商贸活动，实现消费者的网上购物、商户之间的网上交易和在线电子支付以及各种商务活动、交易互动、金融活动和相关的综合服务活动的一种新型的商业运营模式。
现有技术中，在活动类型比较多的情况下，如何快速选择合适的活动选品，如何预判选品方案，能够产出销售目标，目前的一般操作为根据不同的活动类型，给商品打上标签，并根据库存、折扣、流量情况来选择活动产品；采用这种方式只能在电商活动过程中，才能看到活动效果，一旦发现销售商品无法达到预期时，再调整销售商品的推荐方案，重新安排运营执行。
在应用过程中，存在以下几个问题：(1)销售数据量大，选择活动产品耗时长，而且无法保证选择的准确性，其决策难度更高；(2)这个过程只能在活动执行中才能调整选品推荐方案，造成运营执行时间不够，且无法达到销售目标。
发明内容
针对现有技术中存在的上述问题，现提供一种电商活动过程中的选品推荐系统。
具体技术方案如下：
一种电商活动过程中的选品推荐系统，其中包括：
一获取单元，用于获取用户售卖的每类销售产品的销售数据；
一计算单元，连接所述获取单元，通过所述销售数据计算得到关联于每类所述销售产品的基准值，并采用所述基准值表示每类所述销售产品的销售状态；
一推荐单元，连接所述计算单元，根据预先设定的活动信息，结合每类所述销售产品的所述基准值处理得到合适的活动产品并输出，以作为本次电商活动过程的选品推荐结果。
优选的，所述基准值包括效率值和热度值；
所述效率值用于表示每类所述销售产品的销售情况。
所述热度值用于表示所述用户通过与每类所述销售产品进行互动的兴趣程度。
优选的，所述选品推荐系统还包括一构建单元，连接所述计算单元，所述构建单元用于构建一四象限特征图，所述四象限特征图为一自定义的二维坐标图，所述四象限特征图的横坐标用于表示所述效率值，所述四象限特征图的纵坐标用于表示所述热度值；
所述构建单元同时将每类所述销售产品的所述基准值作为坐标值，以将每类所述销售产品包括在所述四象限特征图中。
优选的，所述效率值通过通过以下公式得到：
其中，
CER，用于表示所述效率值；
II特征，用于表示对特征进行归一化处理，使之符合偏右正态分布；
用于表示SPU/SKU所属系列的特征平均；
UV，用于表示统计时间内，访问店铺页面或宝贝详情页的去重人数，且一个人在统计时间范围内访问多次只记为一个；
CR，用于表示统计时间内，来访客户转换为支付买家的比例；
ATV，用于表示统计时间内，支付活动产品件数与支付买家数量之比；
SAL，用于表示统计时间内，买家完成支付的活动产品数量；
DISCOUNT，用于表示卖家给予买家的价格减让与原售价之比的百分率。
优选的，所述热度值通过以下公式得到：
其中，
HV，用于表示所述热度值；
F函数，表示活动产品热度值计算分为两种情况；
用于表示平衡活动日与平时uv量级之间的差异；
uv，用于表示在统计时间内，访问店铺页面或宝贝详情页的去重人数，且一个人在统计时间范围内访问多次只记为一个；
add，用于表示在统计时间内，新增点击活动产品加入购物车的活动产品件数总和，不考虑删除、加购件数修改和下单转化减少的情况；
collection，用于表示统计时间内，新增点击收藏活动产品的去重人数，不考虑取消收藏的情况。
优选的，于所述四象限特征图中，包括第一象限、第二象限、第三象限以及第四象限；
处于所述第一象限的所述销售产品为售卖情况较好的所述销售产品；
处于所述第二象限的所述销售产品为售卖情况衰退的所述销售产品；
处于所述第三象限的所述销售产品为即将退市的所述销售产品；
处于所述第四象限的所述销售产品为刚入市的所述销售产品。
优选的，所述四象限特征图的原点坐标为(50，50)；
所述四象限特征图的横坐标的坐标值范围为0-100；
所述四象限特征图的纵坐标的坐标值范围为0-100。
优选的，所述选品推荐系统还包括一展示单元，连接所述推荐单元，用于展示本次所述电商活动过程的选品推荐结果。
优选的，所述展示单元的活动信息包括：
所述活动产品的场景模式；和/或
所述活动产品的库存数量；和/或
所述活动产品的活动产品属性。
优选的，所述展示单元通过展示图标的大小和/或颜色来区分展示所述活动产品的产品信息。
本发明的技术方案有益效果在于：提供一种电商活动过程中的选品推荐系统，能够准确且快速的从销售商品中选择出作为电商活动过程中的活动产品，并且可以在电商活动过程中实时调整选品推荐方案，从而提高推荐效率，达到销售目标。
附图说明
参考所附附图，以更加充分的描述本发明的实施例。然而，所附附图仅用于说明和阐述，并不构成对本发明范围的限制。
图1为本发明的实施例的电商活动过程中的选品推荐系统的原理框图；
图2为本发明的实施例的电商活动过程中的选品推荐系统的四象限特征图分布图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。
本发明包括一种电商活动过程中的选品推荐系统，其中包括：
一获取单元1，用于获取用户售卖的每类销售产品的销售数据；
一计算单元2，连接获取单元1，通过销售数据计算得到关联于每类销售产品的基准值，并采用基准值表示每类销售产品的销售状态；
一推荐单元3，连接计算单元2，根据预先设定的活动信息，结合每类销售产品的基准值处理得到合适的活动产品并输出，以作为本次电商活动过程的选品推荐结果。
通过上述电商活动过程中的选品推荐系统的技术方案，如图1所示，采用该选品推荐系统能够准确且快速的从销售商品中选择出作为电商活动过程中的活动产品，并且可以在电商活动过程中实时调整选品推荐方案，从而提高推荐效率，达到销售目标。
在一种较优的实施例中，选品推荐系统还包括一构建单元4，连接计算单元2，构建单元4用于构建一四象限特征图，四象限特征图为一自定义的二维坐标图，四象限特征图的横坐标用于表示效率值，四象限特征图的纵坐标用于表示热度值；
构建单元4同时将每类销售产品的基准值作为坐标值，以将每类销售产品包括在四象限特征图中。
上述技术方案中，作为较优的实施例中，基准值包括效率值和热度值；
效率值用于表示每类销售产品的销售情况。
热度值用于表示用户通过与每类销售产品进行互动的兴趣程度。
其中，效率值是以电商活动过程中的销量、库存量、折扣系数为变量，通过效率算法计算得到，具体的效率算法通过以下公式得到：
其中，
CER，用于表示效率值；
II特征，用于表示对特征进行归一化处理，使之符合偏右正态分布；
用于表示SPU/SKU所属系列的特征平均；
UV，用于表示统计时间内，访问店铺页面或宝贝详情页的去重人数，且一个人在统计时间范围内访问多次只记为一个；
CR，用于表示统计时间内，来访客户转换为支付买家的比例；
ATV，用于表示统计时间内，支付活动产品件数与支付买家数量之比；
SAL，用于表示统计时间内，买家完成支付的活动产品数量；
DISCOUNT，用于表示卖家给予买家的价格减让与原售价之比的百分率。
在该实施例中，效率值是对销售商品的销售情况的一个综合判断指数，例如包括商品效率直边，商品效率指标是单SKU(Stock Keeping Unit，库存量单位)商品在单位时间内的销售表现情况折算为一个可以比较的数字，进而保证不同销售量的商品都可以在一个通过换算后的同一水平线上进行比较。
其中，热度值是以电商活动过程中的访客量、浏览量、加购量、收藏量为变量，通过热度算法计算得到，其热度算法通过以下公式得到：
其中，
HV，用于表示热度值；
F函数，表示活动产品热度值计算分为两种情况；
用于表示平衡活动日与平时uv量级之间的差异；
uv，用于表示在统计时间内，访问店铺页面或宝贝详情页的去重人数，且一个人在统计时间范围内访问多次只记为一个；
add，用于表示在统计时间内，新增点击活动产品加入购物车的活动产品件数总和，不考虑删除、加购件数修改和下单转化减少的情况；
collection，用于表示统计时间内，新增点击收藏活动产品的去重人数，不考虑取消收藏的情况。
在该实施例中，商品热度值为用户通过浏览商品和商品进行互动等行为来反映对商品兴趣程度的一个量化指标。
上述技术方案中，作为较优的实施例中，于四象限特征图中，包括第一象限、第二象限、第三象限以及第四象限；
处于第一象限的销售产品为售卖情况较好的销售产品；
处于第二象限的销售产品为售卖情况衰退的销售产品；
处于第三象限的销售产品为即将退市的销售产品；
处于第四象限的销售产品为刚入市的销售产品。
该实施例中，如图2所示，通过构建四象限特征图，通过四象限特征图将每类销售产品的产品信息进行展示，例如通过四象限特征图能够准确的、直观的观察到电商活动过程中的活动产品的分布区域，且根据活动产品的产品信息可以实时调整选品推荐方案，从而提高推荐效率，达到销售目标，该产品信息包括在一周期时间内的销售额、销售件数、SPU数，该周期时间可以选择一个月周期内。
上述技术方案中，作为较优的实施方式，四象限特征图的原点坐标为(50，50)；
四象限特征图的横坐标的坐标值范围为0-100；
四象限特征图的纵坐标的坐标值范围为0-100。
其中，第一象限的横坐标的坐标值范围为50-100，第一象限的纵坐标的坐标值范围为50-100；第二象限的横坐标的坐标值范围为0-50，第二象限的纵坐标的坐标值范围为50-100；第三象限的横坐标的坐标值范围为0-50，第三象限的纵坐标的坐标值范围为0-50；第四象限的横坐标的坐标值范围为0-50，第四象限的纵坐标的坐标值范围为0-50。
在该实施例中，可以根据四象限特征图的效率值与热度值，实时调整选品推荐的方案，推荐效率更高，而且推荐结果更准确以及更加智能。
例如，在店铺参加电商促销活动之前，对于活动产品的选货需求，优先考虑第一象限的活动产品，该部分活动产品的热度值效率值均大于50，符合业务上销售好的商品条件，且该部分活动产品的市场反馈好，对品牌销售加成大，
可拓展地，第二象限的活动产品，表示该活动产品的销量折扣比较低，但是流量和加购量比较好，库存可能也会出现不足的情况。
可拓展地，第三象限的活动产品，表示两种情况：(1)库存满足率低：在正常周期内需要清仓或退市；(2)库存满足率高：对于处于第四象限的非正常的活动产品可能会逆向流转到该第三象限，需要重新排查该第四象限的非正常的活动产品。
最终，根据预先设定的活动信息，结合每类销售产品的基准值处理得到的推荐顺序为第一象限>第三象限>第二象限。
在一种较优的实施例中，选品推荐系统还包括一展示单元5，连接推荐单元3，用于展示本次电商活动过程的选品推荐结果。例如，展示单元5的活动信息包括：活动产品的场景模式；和/或活动产品的库存数量；和/或活动产品的活动产品属性，且展示单元5通过展示图标的大小和/或颜色来区分展示活动产品的产品信息。
在该实施例中，展示图标可以用气泡来展示，例如在四象限特征图中，气泡随销售数据的图表的实际应用场景代表不同意义，气泡颜色用于表示区分活动产品的品牌种类，气泡大小用于表示区分该活动产品的库存量，气泡位置用于表示该活动产品相应的效率值与热度值来决定，其同一颜色且气泡大小不同的表示同一品牌下的不同类的活动产品。例如，应用场景为促销场景，气泡图案越大代表该活动产品的库存越多，反之亦成立。
例如，以分布于第一象限的活动产品为例，在图2中所有的气泡图标的均表示位于第一象限内的销售产品为售卖情况较好的销售产品，在第一象限内所有的气泡图标的分布位置是根据对应活动产品的效率值与热度值进行分布的，其中，加粗线的气泡图标与普通线条的气泡图形用于区分该活动产品的品牌种类，例如，普通线条的气泡图形用于表示第一类活动产品，加粗线的气泡图标用于表示第二类活动产品，同一普通线条的气泡图形的气泡大小用于区分该活动产品的库存量。
进一步地，采用展示图标在四象限特征图中进行展示，展示图标便于区分不同品牌种类的活动产品，例如某些商品属性高度重合，或例如某些商品的颜色不便于区分，不利于页面呈现。
以上所述仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。

Claims (7)

1.一种电商活动过程中的选品推荐系统，其特征在于，包括：
一获取单元，用于获取用户售卖的每类销售产品的销售数据；
一计算单元，连接所述获取单元，通过所述销售数据计算得到关联于每类所述销售产品的基准值，并采用所述基准值表示每类所述销售产品的销售状态；
一推荐单元，连接所述计算单元，根据预先设定的活动信息，结合每类所述销售产品的所述基准值处理得到合适的活动产品并输出，以作为本次电商活动过程的选品推荐结果；
所述基准值包括效率值和热度值；
所述效率值用于表示每类所述销售产品的销售情况；
所述热度值用于表示所述用户通过与每类所述销售产品进行互动的兴趣程度；
所述效率值通过通过以下公式得到：
其中，
CER，用于表示所述效率值；
II特征，用于表示对特征进行归一化处理，使之符合偏右正态分布；
用于表示SPU/SKU所属系列的特征平均；
UV，用于表示统计时间内，访问店铺页面或宝贝详情页的去重人数，且一个人在统计时间范围内访问多次只记为一个；
CR，用于表示统计时间内，来访客户转换为支付买家的比例；
ATV，用于表示统计时间内，支付活动产品件数与支付买家数量之比；
SAL，用于表示统计时间内，买家完成支付的活动产品数量；
DISCOUNT，用于表示卖家给予买家的价格减让与原售价之比的百分率；
所述热度值通过以下公式得到：
其中，
HV，用于表示所述热度值；
F函数，表示活动产品热度值计算分为两种情况；
用于表示平衡活动日与平时uv量级之间的差异；
uv，用于表示在统计时间内，访问店铺页面或宝贝详情页的去重人数，且一个人在统计时间范围内访问多次只记为一个；
add，用于表示在统计时间内，新增点击活动产品加入购物车的活动产品件数总和，不考虑删除、加购件数修改和下单转化减少的情况；
collection，用于表示统计时间内，新增点击收藏活动产品的去重人数，不考虑取消收藏的情况。
2.根据权利要求1所述的选品推荐系统，其特征在于，所述选品推荐系统还包括一构建单元，连接所述计算单元，所述构建单元用于构建一四象限特征图，所述四象限特征图为一自定义的二维坐标图，所述四象限特征图的横坐标用于表示所述效率值，所述四象限特征图的纵坐标用于表示所述热度值；
所述构建单元同时将每类所述销售产品的所述基准值作为坐标值，以将每类所述销售产品包括在所述四象限特征图中。
3.根据权利要求2所述的选品推荐系统，其特征在于，于所述四象限特征图中，包括第一象限、第二象限、第三象限以及第四象限；
处于所述第一象限的所述销售产品为售卖情况较好的所述销售产品；
处于所述第二象限的所述销售产品为售卖情况衰退的所述销售产品；
处于所述第三象限的所述销售产品为即将退市的所述销售产品；
处于所述第四象限的所述销售产品为刚入市的所述销售产品。
4.根据权利要求2所述的选品推荐系统，其特征在于，所述四象限特征图的原点坐标为(50，50)；
所述四象限特征图的横坐标的坐标值范围为0-100；
所述四象限特征图的纵坐标的坐标值范围为0-100。
5.根据权利要求2所述的选品推荐系统，其特征在于，所述选品推荐系统还包括一展示单元，连接所述推荐单元，用于展示本次所述电商活动过程的选品推荐结果。
6.根据权利要求5所述的选品推荐系统，其特征在于，所述展示单元的活动信息包括：
所述活动产品的场景模式；和/或
所述活动产品的库存数量；和/或
所述活动产品的活动产品属性。
7.根据权利要求6所述的选品推荐系统，其特征在于，所述展示单元通过展示图标的大小和/或颜色来区分展示所述活动产品的产品信息。
CN201911115420.3A 2019-11-14 2019-11-14 一种电商活动过程中的选品推荐系统 Active CN110866220B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911115420.3A CN110866220B (zh) 2019-11-14 2019-11-14 一种电商活动过程中的选品推荐系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911115420.3A CN110866220B (zh) 2019-11-14 2019-11-14 一种电商活动过程中的选品推荐系统

Publications (2)

Publication Number Publication Date
CN110866220A CN110866220A (zh) 2020-03-06
CN110866220B true CN110866220B (zh) 2024-02-20

Family

ID=69654813

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911115420.3A Active CN110866220B (zh) 2019-11-14 2019-11-14 一种电商活动过程中的选品推荐系统

Country Status (1)

Country Link
CN (1) CN110866220B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113516504A (zh) * 2021-05-20 2021-10-19 深圳马六甲网络科技有限公司 一种商品推荐方法、装置、设备及存储介质
CN117455632B (zh) * 2023-12-25 2024-03-15 厦门蝉羽网络科技有限公司 一种基于大数据的电商选品分析管理平台

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007200185A (ja) * 2006-01-30 2007-08-09 Accenture Kk 最適在庫量／発注量を指示する発注指示システム
CN110378770A (zh) * 2019-07-25 2019-10-25 上海尊溢商务信息咨询有限公司 一种电商运营选款推荐的方法及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007200185A (ja) * 2006-01-30 2007-08-09 Accenture Kk 最適在庫量／発注量を指示する発注指示システム
CN110378770A (zh) * 2019-07-25 2019-10-25 上海尊溢商务信息咨询有限公司 一种电商运营选款推荐的方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
艾丹祥 ; 左晖 ; 杨君 ; .基于三维协同过滤的C2C电子商务推荐系统.计算机工程与设计.2013,(02),全文. *
赵疆 ; .论新型实体书店的数字化生存.现代出版.2019,(03),全文. *

Also Published As

Publication number Publication date
CN110866220A (zh) 2020-03-06

Similar Documents

Publication Publication Date Title
Jiang et al. Optimizing e-tailer profits and customer savings: Pricing multistage customized online bundles
US20140129363A1 (en) Dynamic rating rules for an online marketplace
US20140188584A1 (en) Product pricing system on electronic commerce using the internet
CN110347924A (zh) 果蔬商城管理系统及果蔬信息推送方法
JP2021511611A (ja) 推薦装置および方法
CN106980999A (zh) 一种用户推荐的方法和设备
CN110866220B (zh) 一种电商活动过程中的选品推荐系统
JPWO2007136011A1 (ja) 取引額見積システムおよびプログラム
JP7140588B2 (ja) 決定装置、決定方法および決定プログラム
KR101479379B1 (ko) 소셜네트워크 기반의 물품평가 추천방법
Zhou et al. Operation strategies with respect to insurance subsidy optimization for online retailers dealing with large items
CN110020135B (zh) 一种需求确定方法、资源推荐方法和相关装置
CN110866809A (zh) 一种电商平台的销售场景决策系统
CN109685630B (zh) 电子商务团购推荐方法及系统
RU2699068C1 (ru) Система гарантированного возврата товаров в розничной сети продаж
JP2022102937A (ja) 選択装置、選択方法及び選択プログラム
US20150046215A1 (en) Scoring sales leads in a sales lead marketplace
JP2002230386A (ja) 利益還元方法及びシステム
Marzuki et al. Factors Influencing Online Shoppers to Shop at Marketplace or Website: A Qualitative Approach
KR101097823B1 (ko) 상품 반환을 전제로 한 선할인가격 제공 방법
Harahap et al. Analysis of the Factors Influencing Shopping Decisions inOnline Shop Students in the Management Economics Study Program at Graha Nusantara University Padamgsidimpuan
Gupta Customer service: a key differentiator in retailing
Deshpande et al. A Personalized Supermarket Product Recommendation System Using Augmented Reality
JP7461621B2 (ja) 価格提示装置、価格提示システム及び価格提示方法
US20220138788A1 (en) Method of providing a variable pricing model

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
GR01 Patent grant