CN111027833B - 商品转化指数的计算方法、装置、设备和存储介质 - Google Patents

Abstract

本发明实施例公开了一种商品转化指数的计算方法、装置、设备和存储介质。包括：查询与商品曝光量对应的商品转化指标分布图，根据商品转化指标分布图中的商品转化指标的点位分布，获取商品曝光量临界值和商品曝光量阈值；使用预设曲线拟合算法，对商品转化指标分布图中，商品曝光量小于等于商品曝光量临界值的分布点进行曲线拟合，得到指标分布拟合曲线；根据预设的商品转化指数的计算规则、商品曝光量阈值、以及指标分布拟合曲线，确定与商品转化指标对应的商品转化指数的计算公式。本发明实施例解决了商品曝光量过低时，商品转化指标无法准确表示商品转化能力的问题，可以通过商品转化指数在各种商品曝光情况下准确地衡量商品转化能力。

Description

商品转化指数的计算方法、装置、设备和存储介质

技术领域

本发明实施例涉及计算机技术领域，尤其涉及一种商品转化指数的计算方法、装置、设备和存储介质。

背景技术

目前没有明确的指标可以指导商家和电商平台来判断商品的转化能力。如何建立一个可以在任何曝光情况下来指导商家去衡量自身商品的转化好坏情况的指标，成为急待解决的难题之一。电商平台可利用该指标来控制流量的分配。

现有技术中，目前各电商平台都是利用点击率(Click-Through-Rate，CTR)和转化率(Conversion Rate，CVR)来直接衡量商品或者商品展示页面的转化能力。CTR即为曝光到点击的转化比例。CVR(Conversion Rate)即为点击到有效用户的转化比例。目前是利用这两个指标来衡量商品或者商品展示页面的转化能力，以此来指导流量的调控和衡量商品呈现形式的好坏。

现有技术缺点是：CTR和CVR在衡量商品转化能力并不是各种情况都适用的，覆盖率不是全面的，对于流量较小，曝光较低的一些情况，CTR和CVR的高低并不能直接说明商品或者商品展示页面的转化能力的好坏。

发明内容

本发明实施例提供一种商品转化指数的计算方法、装置、设备和存储介质，以实现在各种商品曝光情况下准确地衡量商品转化能力。

第一方面，本发明实施例提供了一种商品转化指数的计算方法，包括：

查询与商品曝光量对应的商品转化指标分布图，根据商品转化指标分布图中的商品转化指标的点位分布，获取商品曝光量临界值和商品曝光量阈值；

其中，商品转化指标分布图中，在商品曝光量小于等于商品曝光量临界值时，随着商品曝光量的增加，商品转化指标的变化趋势为下降趋势；在商品曝光量大于商品曝光量临界值时，随着商品曝光量的增加，商品转化指标的变化趋势不再保持为下降趋势；在商品曝光量小于等于商品曝光量阈值的区间内，分布点分散；在商品曝光量大于商品曝光量阈值的区间内，分布点集中；

使用预设曲线拟合算法，对商品转化指标分布图中，商品曝光量小于等于商品曝光量临界值的分布点进行曲线拟合，得到指标分布拟合曲线；

根据预设的商品转化指数的计算规则、商品曝光量阈值、以及指标分布拟合曲线，确定与商品转化指标对应的商品转化指数的计算公式。

第二方面，本发明实施例还提供了一种商品转化指数的计算装置，包括：

临界值获取模块，用于查询与商品曝光量对应的商品转化指标分布图，根据商品转化指标分布图中的商品转化指标的点位分布，获取商品曝光量临界值和商品曝光量阈值；

其中，商品转化指标分布图中，在商品曝光量小于等于商品曝光量临界值时，随着商品曝光量的增加，商品转化指标的变化趋势为下降趋势；在商品曝光量大于所述商品曝光量临界值时，随着商品曝光量的增加，商品转化指标的变化趋势不再保持为下降趋势；在商品曝光量小于等于商品曝光量阈值的区间内，分布点分散；在商品曝光量大于商品曝光量阈值的区间内，分布点集中；

曲线拟合模块，用于使用预设曲线拟合算法，对商品转化指标分布图中，商品曝光量小于等于商品曝光量临界值的分布点进行曲线拟合，得到指标分布拟合曲线；

公式确定模块，用于根据预设的商品转化指数的计算规则、商品曝光量阈值、以及指标分布拟合曲线，确定与商品转化指标对应的商品转化指数的计算公式。

第三方面，本发明实施例还提供了一种设备，所述设备包括：

一个或多个处理器；

存储器，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本发明实施例所述的商品转化指数的计算方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明实施例所述的商品转化指数的计算方法。

本发明实施例的技术方案，通过查询与商品曝光量对应的商品转化指标分布图，根据商品转化指标分布图中的商品转化指标的点位分布，获取商品曝光量临界值和商品曝光量阈值，然后使用预设曲线拟合算法，对商品转化指标分布图中，商品曝光量小于等于商品曝光量临界值的分布点进行曲线拟合，得到指标分布拟合曲线，并根据预设的商品转化指数的计算规则、商品曝光量阈值、以及指标分布拟合曲线，确定与商品转化指标对应的商品转化指数的计算公式，可以通过对商品转化指标分布图中，商品曝光量小于等于商品曝光量临界值的分布点进行曲线拟合，得到商品曝光量与商品转化指标的数值变化关系，即得到指标分布拟合曲线，可以在商品转化指数的计算公式中引入指标分布拟合曲线，由此得到考虑了商品曝光量对商品转化指标的影响的商品转化指数，解决了商品曝光量过低时，商品转化指标无法准确表示商品转化能力的问题，可以通过商品转化指数在各种商品曝光情况下准确地衡量商品转化能力。

附图说明

图1a为本发明实施例一提供的一种商品转化指数的计算方法的流程图；

图1b为本发明实施例一提供的一种与商品页面展现量对应的点击率分布图；

图1c为本发明实施例一提供的一种与商品页面展现量对应的点击率分布图；

图1d为本发明实施例一提供的一种与商品页面展现量对应的点击率分布图；

图1e为本发明实施例一提供的一种与商品详情浏览量对应的转化率分布图；

图1f为本发明实施例一提供的一种与商品详情浏览量对应的转化率分布图；

图2为本发明实施例二提供的一种商品转化指数的计算方法的流程图；

图3为本发明实施例三提供的一种商品转化指数的计算方法的流程图；

图4为本发明实施例四提供的一种商品转化指数的计算装置的结构示意图；

图5为本发明实施例五提供的一种计算机设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明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本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1a为本发明实施例一提供的一种商品转化指数的计算方法的流程图。本实施例可适用于计算商品转化指数，衡量商品或者商品展示页面的转化能力的情况，该方法可以由商品转化指数的计算装置来执行，所述装置由软件和/或硬件来执行，并一般可集成在计算机设备中。例如，电商平台服务器。如图1a所示，本发明实施例的方法具体包括：

步骤101、查询与商品曝光量对应的商品转化指标分布图，根据商品转化指标分布图中的商品转化指标的点位分布，获取商品曝光量临界值和商品曝光量阈值。

其中，商品转化指标分布图中，在商品曝光量小于等于商品曝光量临界值时，随着商品曝光量的增加，商品转化指标的变化趋势为下降趋势；在商品曝光量大于商品曝光量临界值时，随着商品曝光量的增加，商品转化指标的变化趋势不再保持为下降趋势；在商品曝光量小于等于商品曝光量阈值的区间内，分布点分散；在商品曝光量大于商品曝光量阈值的区间内，分布点集中。

可选的，商品曝光量临界值和商品曝光量阈值可以为同一数值，也可以为不同数值。

可选的，商品转化指标包括：点击率和转化率。与点击率对应的商品曝光量为商品页面展现量，与点击率对应的商品转化指数为点击率指数。与转化率对应的商品曝光量为商品详情浏览量，与转化率对应的商品转化指数为转化率指数。商品页面展现量是商品的被显示次数。商品详情浏览量是商品的被点击的次数。

点击率＝商品详情浏览量/商品页面展现量。可选的，获取设定时间区间内的所有商品的商品详情浏览量和商品页面展现量，并根据各商品的商品详情浏览量和商品页面展现量，得到各商品在设定时间区间内的点击率。

点击率衡量了商品页面展现的被曝光商品对用户的吸引力。该比值越大，说明用户对该商品的点击欲望越大，即该商品对用户的吸引力越大。当商品页面展现量过低时，点击率高。此时点击率高，并不能代表用户对该商品的点击欲望大。即商品页面展现量过低时，点击率无法准确表示商品转化能力。

转化率＝销量/商品详情浏览量。可选的，获取设定时间区间内的所有商品的销量和商品详情浏览量，并根据各商品的销量和商品详情浏览量，得到各商品在设定时间区间内的转化率。

转化率衡量了商品的成单能力。该比值越大，说明用户对该商品的购买欲望越大。当商品详情浏览量过低时，转化率高。此时转化率高，并不能代表用户对该商品的购买欲望大。即商品详情浏览量过低时，点击率无法准确表示商品转化能力。

可选的，根据各商品在设定时间区间内的商品页面展现量和点击率，确定电商平台在设定时间区间内的所有商品的商品页面展现量-点击率分布点，得到与商品页面展现量对应的点击率分布图。可选的，设定时间区间为15天。

可选的，查询与商品曝光量对应的商品转化指标分布图，根据商品转化指标分布图中的商品转化指标的点位分布，获取商品曝光量临界值和商品曝光量阈值，可以包括：查询与商品页面展现量对应的点击率分布图，根据点击率分布图中的点击率的点位分布，获取商品页面展现量临界值和商品页面展现量阈值；其中，点击率分布图中，在商品页面展现量小于等于商品页面展现量临界值时，随着商品页面展现量的增加，点击率的变化趋势为下降趋势；在商品页面展现量大于商品页面展现量临界值时，随着商品页面展现量的增加，点击率的变化趋势不再保持为下降趋势；在商品页面展现量小于等于商品页面展现量阈值的区间内，分布点分散；在商品页面展现量大于商品页面展现量阈值的区间内，分布点集中。

在一个具体实例中，根据各商品在设定时间区间内的商品页面展现量和点击率，确定电商平台在设定时间区间内的所有商品的商品页面展现量-点击率分布点，得到如图1b、图1c、图1d所示的与商品页面展现量对应的点击率分布图。点击率分布图的横轴为商品页面展现量。点击率分布图的纵轴为点击率。如图1b所示的点击率分布图中包括位于商品页面展现量大于0，且商品页面展现量小于等于150的区间内的全部分布点。如图1c所示的点击率分布图中包括位于商品页面展现量大于100，且商品页面展现量小于等于200的区间内的全部分布点。如图1d所示的点击率分布图中包括位于商品页面展现量大于0，且商品页面展现量小于等于70000的区间内的全部分布点。

查询如图1b、图1c所示的与商品页面展现量对应的点击率分布图，根据点击率分布图中的点击率的点位分布，获取商品页面展现量临界值150和商品页面展现量阈值100。其中，点击率分布图中，在商品页面展现量小于等于150时，随着商品页面展现量的增加，点击率的变化趋势为下降趋势；在商品页面展现量大于150时，随着商品页面展现量的增加，点击率的变化趋势不再保持为下降趋势；在商品页面展现量小于等于100的区间内，分布点分散；在商品页面展现量大于100的区间内，分布点集中。

如图1b、图1c所示，在商品页面展现量小于等于150时，随着商品页面展现量的增加，点击率的变化趋势呈明显下降趋势；在商品页面展现量大于150时，随着商品页面展现量的增加，点击率没有明显的趋势变化，点击率的变化趋势不再保持为下降趋势。

当数据小于一定的量的时候具有偶然性，但该数值不会太大。如图1b、图1c所示，在商品页面展现量小于等于100的区间内的点击率受商品页面展现量影响严重。在商品页面展现量大于100的区间内，如商品页面展现量大于100，且商品页面展现量小于等于200的区间内，分布点集中，偶然性已降低至可接受水平。所以得出100为点击率是否受商品页面展现量影响的阈值，即商品页面展现量阈值。

可选的，根据各商品在设定时间区间内的商品详情浏览量和转化率，确定电商平台在设定时间区间内的所有商品的商品详情浏览量-转化率分布点，得到与商品详情浏览量对应的转化率分布图。可选的，设定时间区间为15天。

可选的，查询与商品曝光量对应的商品转化指标分布图，根据商品转化指标分布图中的商品转化指标的点位分布，获取商品曝光量临界值和商品曝光量阈值，可以包括：查询与商品详情浏览量对应的转化率分布图，根据转化率分布图中的转化率的点位分布，获取商品详情浏览量临界值和商品详情浏览量阈值；其中，转化率分布图中，在商品详情浏览量小于等于商品详情浏览量临界值时，随着商品详情浏览量的增加，转化率的变化趋势为下降趋势；在商品详情浏览量大于商品详情浏览量临界值时，随着商品详情浏览量的增加，转化率的变化趋势不再保持为下降趋势；在商品详情浏览量小于等于商品详情浏览量阈值的区间内，分布点分散；在商品详情浏览量大于商品详情浏览量阈值的区间内，分布点集中。

在一个具体实例中，根据各商品在15天内的商品详情浏览量和转化率，确定电商平台在设定时间区间内的所有商品的商品详情浏览量-转化率分布点，得到如图1e、图1f所示的与商品详情浏览量对应的转化率分布图。转化率分布图的横轴为商品详情浏览量。商品详情浏览量的纵轴为转化率。如图1e所示的转化率分布图中包括位于商品详情浏览量大于0，且商品详情浏览量小于等于20的区间内的全部分布点。如图1f所示的转化率分布图中包括位于商品详情浏览量大于20，且商品页面展现量小于等于100的区间内的全部分布点。

查询如图1e、图1f所示的与商品详情浏览量对应的转化率分布图，根据转化率分布图中的转化率的点位分布，获取商品详情浏览量临界值20和商品详情浏览量阈值20。其中，转化率分布图中，在商品详情浏览量小于等于20时，随着商品详情浏览量的增加，转化率的变化趋势为下降趋势；在商品详情浏览量大于20时，随着商品详情浏览量的增加，转化率的变化趋势不再保持为下降趋势；在商品详情浏览量小于等于20的区间内，分布点分散；在商品详情浏览量大于20的区间内，分布点集中。

如图1e所示，在商品详情浏览量小于等于20时，随着商品详情浏览量的增加，转化率的变化趋势呈明显下降趋势；在商品详情浏览量大于20时，随着商品详情浏览量的增加，转化率没有明显的趋势变化，转化率的变化趋势不再保持为下降趋势。

如图1e、图1f所示，在商品详情浏览量小于等于20的区间内的点击率受商品页面展现量影响严重。在商品页面展现量大于20的区间内，如商品页面展现量大于20，且商品页面展现量小于等于100的区间内，分布点集中，偶然性已降低至可接受水平。所以得出20为转化率是否受商品详情浏览量影响的阈值，即商品详情浏览量阈值。

步骤102、使用预设曲线拟合算法，对商品转化指标分布图中，商品曝光量小于等于商品曝光量临界值的分布点进行曲线拟合，得到指标分布拟合曲线。

可选的，使用预设曲线拟合算法，对商品转化指标分布图中，商品曝光量小于等于商品曝光量临界值的分布点进行曲线拟合，得到指标分布拟合曲线，可以包括：使用预设曲线拟合算法，对点击率分布图中，商品页面展现量小于等于商品页面展现量临界值的分布点进行曲线拟合，得到点击率分布拟合曲线。

在一个具体实例中，使用预设曲线拟合算法，对如图1b所示的点击率分布图中，商品页面展现量小于等于商品页面展现量临界值150的分布点进行曲线拟合，得到点击率分布拟合曲线：y1＝-0.115ln(x1)+0.5822，其中，x1为商品页面展现量，y1为点击率。

可选的，使用预设曲线拟合算法，对商品转化指标分布图中，商品曝光量小于等于商品曝光量临界值的分布点进行曲线拟合，得到指标分布拟合曲线，可以包括：使用预设曲线拟合算法，对转化率分布图中，商品详情浏览量小于等于商品详情浏览量临界值的分布点进行曲线拟合，得到转化率分布拟合曲线。

在一个具体实例中，使用预设曲线拟合算法，对如图1e所示的转化率分布图中，商品详情浏览量小于等于商品详情浏览量临界值20的分布点进行曲线拟合，得到转化率分布拟合曲线：y2＝-0.095ln(x2)+0.3429，其中，x2为商品详情浏览量，y2为转化率。

步骤103、根据预设的商品转化指数的计算规则、商品曝光量阈值、以及指标分布拟合曲线，确定与商品转化指标对应的商品转化指数的计算公式。

可选的，预设的商品转化指数的计算规则规定与商品转化指标对应的商品转化指数的计算公式为：

对于商品曝光量小于等于商品曝光量阈值的商品转化指标：

商品转化指数＝商品转化指标/指标分布拟合曲线*系数，

对于商品曝光量大于商品曝光量阈值的商品转化指标：

商品转化指数＝商品转化指标/指标分布拟合曲线在商品曝光量阈值处的取值*系数。

其中，系数用来对商品转化指数的数值进行归一处理，将商品转化指数的数值规范在[0,1]内。

可选的，根据预设的商品转化指数的计算规则、商品曝光量阈值、以及指标分布拟合曲线，确定与商品转化指标对应的商品转化指数的计算公式，包括：根据预设的商品转化指数的计算规则、商品页面展现量阈值、以及点击率分布拟合曲线，确定与点击率对应的点击率指数的计算公式。

在一个具体实施例中，对如图1b所示的点击率分布图中，商品页面展现量小于等于商品页面展现量临界值150的分布点进行曲线拟合，得到点击率分布拟合曲线：y1＝-0.115ln(x1)+0.5822，其中，x1为商品页面展现量，y1为点击率。商品页面展现量阈值为100。根据预设的商品转化指数的计算规则、商品页面展现量阈值100、以及点击率分布拟合曲线：y1＝-0.115ln(x1)+0.5822，确定与点击率对应的点击率指数的计算公式：

对于x1≤100的点击率：CTR指数＝CTR/(-0.115ln(x1)+0.5822)*L1，

对于x1>100的点击率：CTR指数＝CTR/(-0.115ln(100)+0.5822)*L1，

其中，x1为商品页面展现量，100为商品页面展现量阈值，CTR为点击率，CTR指数为点击率指数，L1为系数，用来对CTR指数的数值进行归一处理，将CTR指数的数值规范在[0,1]内。

具体的，对于x1≤100的点击率，点击率受商品页面展现量影响严重。点击率指数的计算公式引入了点击率分布拟合曲线，考虑了商品页面展现量对点击率的影响，可以通过点击率CTR以及所对应的点击率分布拟合曲线取值(-0.115ln(x1)+0.5822)的比值准确表示商品转化能力。点击率指数越高，说明用户对该商品的购买欲望越大，商品的转化能力越高。

对于x1>100的点击率，点击率基本不受商品页面展现量影响。点击率指数的计算公式为点击率CTR以及常数(-0.115ln(100)+0.5822)的比值。点击率越高，点击率指数越高，说明商品的转化能力越高。

由此，通过与点击率对应的点击率指数的计算公式，解决了商品页面展现量过低时，点击率无法准确表示商品的转化能力的问题。

如图1d所示，在商品页面展现量大于0，且商品页面展现量小于等于10000的区间内，仍有少量分布点跳脱出分布点集中区域，说明该分布点对应的商品转化情况好，可以消耗掉当前商品页面展现量。后续推荐策略可针对这些商品适当的多给部分商品页面展现量。若仍能消耗掉，则再次增加商品页面展现量，依次类推，直到达到一个商品页面展现量与点击率指数均衡的点。

可选的，根据预设的商品转化指数的计算规则、商品曝光量阈值、以及指标分布拟合曲线，确定与商品转化指标对应的商品转化指数的计算公式，可以包括：根据预设的商品转化指数的计算规则、商品详情浏览量阈值、以及转化率分布拟合曲线，确定与转化率对应的转化率指数的计算公式。

在一个具体实施例中，对如图1e所示的转化率分布图中，商品详情浏览量小于等于商品详情浏览量临界值20的分布点进行曲线拟合，得到转化率分布拟合曲线：y2＝-0.095ln(x2)+0.3429，其中，x2为商品详情浏览量，y2为转化率。商品详情浏览量阈值为20。根据预设的商品转化指数的计算规则、商品详情浏览量阈值20、以及转化率分布拟合曲线y2＝-0.095ln(x2)+0.3429，确定与转化率对应的转化率指数的计算公式：

对于x2≤20的转化率：CVR指数＝CVR/(-0.095ln(x2)+0.3429)*L2，

对于x2>20的转化率：CVR指数＝CVR/(-0.095ln(20)+0.3429)*L2，

其中，x2为商品详情浏览量，20为商品详情浏览量阈值，CVR为转化率，CVR指数为转化率指数，L2为系数，用来对CVR指数的数值进行归一处理，将CVR指数的数值规范在[0,1]内。

具体的，对于x2≤20的转化率，转化率受商品详情浏览量影响严重。转化率指数的计算公式引入了转化率分布拟合曲线，考虑了商品详情浏览量对转化率的影响，可以通过转化率CVR以及所对应的转化率分布拟合曲线取值(-0.095ln(x2)+0.3429)的比值准确表示商品转化能力。转化率指数越高，说明用户对该商品的购买欲望大，商品的转化能力越高。

对于x2>20的转化率，转化率基本不受商品详情浏览量影响。转化率指数的计算公式为转化率CVR以及统一的常数(-0.095ln(20)+0.3429)的比值。转化率越高，转化率指数越高，说明商品的转化能力越高。

由此，通过与转化率对应的转化率指数的计算公式，解决了商品页面展现量过低时，转化率无法准确表示商品的转化能力的问题。

可选的，在确定与商品转化指标对应的商品转化指数的计算公式之后，可以还包括：获取指数计算请求，并确定与指数计算请求匹配的商品，以及商品业务数据；根据商品业务数据、以及与商品转化指标对应的商品转化指数的计算公式，确定与商品匹配的商品转化指数。

可选的，指数计算请求用于请求对指定商品的商品转化指数进行计算。商品转化指数可以包括点击率指数和转化率指数。获取指数计算请求，并确定与指数计算请求匹配的商品，以及商品业务数据。根据商品业务数据、与点击率对应的点击率指数的计算公式、以及与转化率对应的转化率指数的计算公式进行计算，确定与商品匹配的点击率指数和转化率指数。

点击率＝商品详情浏览量/商品页面展现量。

转化率＝销量/商品详情浏览量。

电商平台商品的成交总额(Gross Merchandise Volume，GMV)＝单价*销量。

由上述定义公式，可知GMV＝*CVR*CTR*商品页面展现量。在商品页面展现量与单价不变的情况下，CVR*CTR越大，GMV越高。所以对于电商平台和商家来说，都是要提高CVR*CTR，而能唯一客观反映商品的CTR和CVR高低的就是点击率指数和转化率指数。点击率指数和转化率指数已经解决了商品页面展现量和商品详情浏览量过低时，CTR和CVR无法准确表示商品转化能力的问题，反映了商品本身的转化能力。

流量是商品售卖的基础，有了流量需要正确的加以利用，将流量的价值发挥最大化，才能产出更多的销量和GMV。电商平台可以根据商品的点击率指数，给商品增加更多的商品页面展现量，提高用户的点击量，进而增加转化，提高GMV。商家可以根据调整商品的入口图的效果来提高点击率指数，以获得更多的商品详情浏览量和转化。商家还可通过调整商品详情页的信息和展示形式来提高转化率指数，以转化成更多的购买。由此，通过对点击率指数和转化率指数的监测，商家和电商平台能准确掌握商品的情况，调整策略，平衡流量和优化商品信息，达到提高销量的目的，实现共赢。

本发明实施例提供了一种商品转化指数的计算方法，通过查询与商品曝光量对应的商品转化指标分布图，根据商品转化指标分布图中的商品转化指标的点位分布，获取商品曝光量临界值和商品曝光量阈值，然后使用预设曲线拟合算法，对商品转化指标分布图中，商品曝光量小于等于商品曝光量临界值的分布点进行曲线拟合，得到指标分布拟合曲线，并根据预设的商品转化指数的计算规则、商品曝光量阈值、以及指标分布拟合曲线，确定与商品转化指标对应的商品转化指数的计算公式，可以通过对商品转化指标分布图中，商品曝光量小于等于商品曝光量临界值的分布点进行曲线拟合，得到商品曝光量与商品转化指标的数值变化关系，即得到指标分布拟合曲线，可以在商品转化指数的计算公式中引入指标分布拟合曲线，由此得到考虑了商品曝光量对商品转化指标的影响的商品转化指数，解决了商品曝光量过低时，商品转化指标无法准确表示商品转化能力的问题，可以通过商品转化指数在各种商品曝光情况下准确地衡量商品转化能力。

实施例二

图2为本发明实施例二提供的一种商品转化指数的计算方法的流程图。本实施例可以与上述一个或者多个实施例中各个可选方案结合，在本发明实施例中，商品转化指标包括点击率，与点击率对应的商品曝光量为商品页面展现量，与点击率对应的商品转化指数为点击率指数。

以及，查询与商品曝光量对应的商品转化指标分布图，根据商品转化指标分布图中的商品转化指标的点位分布，获取商品曝光量临界值和商品曝光量阈值，可以包括：查询与商品页面展现量对应的点击率分布图，根据点击率分布图中的点击率的点位分布，获取商品页面展现量临界值和商品页面展现量阈值；其中，点击率分布图中，在商品页面展现量小于等于商品页面展现量临界值时，随着商品页面展现量的增加，点击率的变化趋势为下降趋势；在商品页面展现量大于商品页面展现量临界值时，随着商品页面展现量的增加，点击率不再保持为下降趋势；在商品页面展现量小于等于商品页面展现量阈值的区间内，分布点分散；在商品页面展现量大于商品页面展现量阈值的区间内，分布点集中。以及，使用预设曲线拟合算法，对商品转化指标分布图中，商品曝光量小于等于商品曝光量临界值的分布点进行曲线拟合，得到指标分布拟合曲线，可以包括：使用预设曲线拟合算法，对点击率分布图中，商品页面展现量小于等于商品页面展现量临界值的分布点进行曲线拟合，得到点击率分布拟合曲线。

以及，根据预设的商品转化指数的计算规则、商品曝光量阈值、以及指标分布拟合曲线，确定与商品转化指标对应的商品转化指数的计算公式，可以包括：根据预设的商品转化指数的计算规则、商品页面展现量阈值、以及点击率分布拟合曲线，确定与点击率对应的点击率指数的计算公式。

如图2所示，本发明实施例的方法具体包括：

步骤201、查询与商品页面展现量对应的点击率分布图，根据点击率分布图中的点击率的点位分布，获取商品页面展现量临界值和商品页面展现量阈值。

其中，点击率分布图中，在商品页面展现量小于等于商品页面展现量临界值时，随着商品页面展现量的增加，点击率的变化趋势为下降趋势；在商品页面展现量大于商品页面展现量临界值时，随着商品页面展现量的增加，点击率不再保持为下降趋势；在商品页面展现量小于等于商品页面展现量阈值的区间内，分布点分散；在商品页面展现量大于所述商品页面展现量阈值的区间内，分布点集中。

可选的，根据各商品在设定时间区间内的商品页面展现量和点击率，确定电商平台在设定时间区间内的所有商品的商品页面展现量-点击率分布点，得到与商品页面展现量对应的点击率分布图。可选的，设定时间区间为15天。

在一个具体实例中，根据各商品在设定时间区间内的商品页面展现量和点击率，确定电商平台在设定时间区间内的所有商品的商品页面展现量-点击率分布点，得到如图1b、图1c、图1d所示的与商品页面展现量对应的点击率分布图。点击率分布图的横轴为商品页面展现量。点击率分布图的纵轴为点击率。如图1b所示的点击率分布图中包括位于商品页面展现量大于0，且商品页面展现量小于等于150的区间内的全部分布点。如图1c所示的点击率分布图中包括位于商品页面展现量大于100，且商品页面展现量小于等于200的区间内的全部分布点。如图1d所示的点击率分布图中包括位于商品页面展现量大于0，且商品页面展现量小于等于70000的区间内的全部分布点。

查询如图1b、图1c所示的与商品页面展现量对应的点击率分布图，根据点击率分布图中的点击率的点位分布，获取商品页面展现量临界值150和商品页面展现量阈值100。其中，点击率分布图中，在商品页面展现量小于等于150时，随着商品页面展现量的增加，点击率的变化趋势为下降趋势；在商品页面展现量大于150时，随着商品页面展现量的增加，点击率的变化趋势不再保持为下降趋势；在商品页面展现量小于等于100的区间内，分布点分散；在商品页面展现量大于100的区间内，分布点集中。

如图1b、图1c所示，在商品页面展现量小于等于150时，随着商品页面展现量的增加，点击率的变化趋势呈明显下降趋势；在商品页面展现量大于150时，随着商品页面展现量的增加，点击率没有明显的趋势变化，点击率的变化趋势不再保持为下降趋势。

当数据小于一定的量的时候具有偶然性，但该数值不会太大。如图1b、图1c所示，在商品页面展现量小于等于100的区间内的点击率受商品页面展现量影响严重。在商品页面展现量大于100的区间内，如商品页面展现量大于100，且商品页面展现量小于等于200的区间内，分布点集中，偶然性已降低至可接受水平。所以得出100为点击率是否受商品页面展现量影响的阈值，即商品页面展现量阈值。

步骤202、使用预设曲线拟合算法，对点击率分布图中，商品页面展现量小于等于商品页面展现量临界值的分布点进行曲线拟合，得到点击率分布拟合曲线。

在一个具体实例中，使用预设曲线拟合算法，对如图1b所示的点击率分布图中，商品页面展现量小于等于商品页面展现量临界值150的分布点进行曲线拟合，得到点击率分布拟合曲线：y1＝-0.115ln(x1)+0.5822，其中，x1为商品页面展现量，y1为点击率。

步骤203、根据预设的商品转化指数的计算规则、商品页面展现量阈值、以及点击率分布拟合曲线，确定与点击率对应的点击率指数的计算公式。

可选的，预设的商品转化指数的计算规则规定与商品转化指标对应的商品转化指数的计算公式为：

对于商品曝光量小于等于商品曝光量阈值的商品转化指标：

商品转化指数＝商品转化指标/指标分布拟合曲线*系数，

对于商品曝光量大于商品曝光量阈值的商品转化指标：

商品转化指数＝商品转化指标/指标分布拟合曲线在商品曝光量阈值处的取值*系数。

其中，系数用来对商品转化指数的数值进行归一处理，将商品转化指数的数值规范在[0,1]内。

在一个具体实施例中，对如图1b所示的点击率分布图中，商品页面展现量小于等于商品页面展现量临界值150的分布点进行曲线拟合，得到点击率分布拟合曲线：y1＝-0.115ln(x1)+0.5822，其中，x1为商品页面展现量，y1为点击率。商品页面展现量阈值为100。根据预设的商品转化指数的计算规则、商品页面展现量阈值100、以及点击率分布拟合曲线：y1＝-0.115ln(x1)+0.5822，确定与点击率对应的点击率指数的计算公式：

对于x1≤100的点击率：CTR指数＝CTR/(-0.115ln(x1)+0.5822)*L1，

对于x1>100的点击率：CTR指数＝CTR/(-0.115ln(100)+0.5822)*L1，

其中，x1为商品页面展现量，100为商品页面展现量阈值，CTR为点击率，CTR指数为点击率指数，L1为系数，用来对CTR指数的数值进行归一处理，将CTR指数的数值规范在[0,1]内。

具体的，对于x1≤100的点击率，点击率受商品页面展现量影响严重。点击率指数的计算公式引入了点击率分布拟合曲线，考虑了商品页面展现量对点击率的影响，可以通过点击率CTR以及所对应的点击率分布拟合曲线取值(-0.115ln(x1)+0.5822)的比值准确表示商品转化能力。点击率指数越高，说明用户对该商品的购买欲望越大，商品的转化能力越高。

对于x1>100的点击率，点击率基本不受商品页面展现量影响。点击率指数的计算公式为点击率CTR以及常数(-0.115ln(100)+0.5822)的比值。点击率越高，点击率指数越高，说明商品的转化能力越高。

由此，通过与点击率对应的点击率指数的计算公式，解决了商品页面展现量过低时，点击率无法准确表示商品的转化能力的问题。

本发明实施例提供了一种商品转化指数的计算方法，通过查询与商品页面展现量对应的点击率分布图，根据点击率分布图中的点击率的点位分布，获取商品页面展现量临界值和商品页面展现量阈值，然后使用预设曲线拟合算法，对点击率分布图中，商品页面展现量小于等于商品页面展现量临界值的分布点进行曲线拟合，得到点击率分布拟合曲线，并根据预设的商品转化指数的计算规则、商品页面展现量阈值、以及点击率分布拟合曲线，确定与点击率对应的点击率指数的计算公式，可以通过对点击率分布图中，商品页面展现量小于等于商品页面展现量临界值的分布点进行曲线拟合，得到商品页面展现量与点击率的数值变化关系，即得到点击率分布拟合曲线，可以在点击率指数的计算公式中引入点击率分布拟合曲线，由此得到考虑了商品页面展现量对点击率的影响的点击率指数，解决了商品页面展现量过低时，点击率无法准确表示商品转化能力的问题，可以通过点击率指数在各种商品页面展现情况下准确地衡量商品转化能力。

实施例三

图3为本发明实施例三提供的一种商品转化指数的计算方法的流程图。本实施例可以与上述一个或者多个实施例中各个可选方案结合，在本发明实施例中，商品转化指标包括转化率，与转化率对应的商品曝光量为商品详情浏览量，与转化率对应的商品转化指数为转化率指数。

以及，查询与商品曝光量对应的商品转化指标分布图，根据商品转化指标分布图中的商品转化指标的点位分布，获取商品曝光量临界值和商品曝光量阈值，可以包括：查询与商品详情浏览量对应的转化率分布图，根据转化率分布图中的转化率的点位分布，获取商品详情浏览量临界值和商品详情浏览量阈值；其中，转化率分布图中，在商品详情浏览量小于等于商品详情浏览量临界值时，随着商品详情浏览量的增加，转化率的变化趋势为下降趋势；在商品详情浏览量大于商品详情浏览量临界值时，随着商品详情浏览量的增加，转化率的变化趋势不再保持为下降趋势；在商品详情浏览量小于等于商品详情浏览量阈值的区间内，分布点分散；在商品详情浏览量大于商品详情浏览量阈值的区间内，分布点集中。

以及，使用预设曲线拟合算法，对商品转化指标分布图中，商品曝光量小于等于商品曝光量临界值的分布点进行曲线拟合，得到指标分布拟合曲线，可以包括：使用预设曲线拟合算法，对转化率分布图中，商品详情浏览量小于等于商品详情浏览量临界值的分布点进行曲线拟合，得到转化率分布拟合曲线。

以及，根据预设的商品转化指数的计算规则、商品曝光量阈值、以及指标分布拟合曲线，确定与商品转化指标对应的商品转化指数的计算公式，可以包括：根据预设的商品转化指数的计算规则、商品详情浏览量阈值、以及转化率分布拟合曲线，确定与转化率对应的转化率指数的计算公式。

如图3所示，本发明实施例的方法具体包括：

步骤301、查询与商品详情浏览量对应的转化率分布图，根据转化率分布图中的转化率的点位分布，获取商品详情浏览量临界值和商品详情浏览量阈值。

其中，转化率分布图中，在商品详情浏览量小于等于商品详情浏览量临界值时，随着商品详情浏览量的增加，转化率的变化趋势为下降趋势；在商品详情浏览量大于商品详情浏览量临界值时，随着商品详情浏览量的增加，转化率的变化趋势不再保持为下降趋势；在商品详情浏览量小于等于商品详情浏览量阈值的区间内，分布点分散；在商品详情浏览量大于商品详情浏览量阈值的区间内，分布点集中。

可选的，根据各商品在设定时间区间内的商品详情浏览量和转化率，确定电商平台在设定时间区间内的所有商品的商品详情浏览量-转化率分布点，得到与商品详情浏览量对应的转化率分布图。可选的，设定时间区间为15天。

在一个具体实例中，根据各商品在15天内的商品详情浏览量和转化率，确定电商平台在设定时间区间内的所有商品的商品详情浏览量-转化率分布点，得到如图1e、图1f所示的与商品详情浏览量对应的转化率分布图。转化率分布图的横轴为商品详情浏览量。商品详情浏览量的纵轴为转化率。如图1e所示的转化率分布图中包括位于商品详情浏览量大于0，且商品详情浏览量小于等于20的区间内的全部分布点。如图1f所示的转化率分布图中包括位于商品详情浏览量大于20，且商品页面展现量小于等于100的区间内的全部分布点。

查询如图1e、图1f所示的与商品详情浏览量对应的转化率分布图，根据转化率分布图中的转化率的点位分布，获取商品详情浏览量临界值20和商品详情浏览量阈值20。其中，转化率分布图中，在商品详情浏览量小于等于20时，随着商品详情浏览量的增加，转化率的变化趋势为下降趋势；在商品详情浏览量大于20时，随着商品详情浏览量的增加，转化率的变化趋势不再保持为下降趋势；在商品详情浏览量小于等于20的区间内，分布点分散；在商品详情浏览量大于20的区间内，分布点集中。

如图1e所示，在商品详情浏览量小于等于20时，随着商品详情浏览量的增加，转化率的变化趋势呈明显下降趋势；在商品详情浏览量大于20时，随着商品详情浏览量的增加，转化率没有明显的趋势变化，转化率的变化趋势不再保持为下降趋势。

如图1e、图1f所示，在商品详情浏览量小于等于20的区间内的点击率受商品页面展现量影响严重。在商品页面展现量大于20的区间内，如商品页面展现量大于20，且商品页面展现量小于等于100的区间内，分布点集中，偶然性已降低至可接受水平。所以得出20为转化率是否受商品详情浏览量影响的阈值，即商品详情浏览量阈值。

步骤302、使用预设曲线拟合算法，对转化率分布图中，商品详情浏览量小于等于商品详情浏览量临界值的分布点进行曲线拟合，得到转化率分布拟合曲线。

在一个具体实例中，使用预设曲线拟合算法，对如图1e所示的转化率分布图中，商品详情浏览量小于等于商品详情浏览量临界值20的分布点进行曲线拟合，得到转化率分布拟合曲线：y2＝-0.095ln(x2)+0.3429，其中，x2为商品详情浏览量，y2为转化率。

步骤303、根据预设的商品转化指数的计算规则、商品详情浏览量阈值、以及转化率分布拟合曲线，确定与转化率对应的转化率指数的计算公式。

可选的，预设的商品转化指数的计算规则规定与商品转化指标对应的商品转化指数的计算公式为：

对于商品曝光量小于等于商品曝光量阈值的商品转化指标：

商品转化指数＝商品转化指标/指标分布拟合曲线*系数，

对于商品曝光量大于商品曝光量阈值的商品转化指标：

商品转化指数＝商品转化指标/指标分布拟合曲线在商品曝光量阈值处的取值*系数。

其中，系数用来对商品转化指数的数值进行归一处理，将商品转化指数的数值规范在[0,1]内。

在一个具体实施例中，对如图1e所示的转化率分布图中，商品详情浏览量小于等于商品详情浏览量临界值20的分布点进行曲线拟合，得到转化率分布拟合曲线：y2＝-0.095ln(x2)+0.3429，其中，x2为商品详情浏览量，y2为转化率。商品详情浏览量阈值为20。根据预设的商品转化指数的计算规则、商品详情浏览量阈值20、以及转化率分布拟合曲线y2＝-0.095ln(x2)+0.3429，确定与转化率对应的转化率指数的计算公式：

对于x2≤20的转化率：CVR指数＝CVR/(-0.095ln(x2)+0.3429)*L2，

对于x2>20的转化率：CVR指数＝CVR/(-0.095ln(20)+0.3429)*L2，

其中，x2为商品详情浏览量，20为商品详情浏览量阈值，CVR为转化率，CVR指数为转化率指数，L2为系数，用来对CVR指数的数值进行归一处理，将CVR指数的数值规范在[0,1]内。

具体的，对于x2≤20的转化率，转化率受商品详情浏览量影响严重。转化率指数的计算公式引入了转化率分布拟合曲线，考虑了商品详情浏览量对转化率的影响，可以通过转化率CVR以及所对应的转化率分布拟合曲线取值(-0.095ln(x2)+0.3429)的比值准确表示商品转化能力。转化率指数越高，说明用户对该商品的购买欲望大，商品的转化能力越高。

对于x2>20的转化率，转化率基本不受商品详情浏览量影响。转化率指数的计算公式为转化率CVR以及统一的常数(-0.095ln(20)+0.3429)的比值。转化率越高，转化率指数越高，说明商品的转化能力越高。

由此，通过与转化率对应的转化率指数的计算公式，解决了商品页面展现量过低时，转化率无法准确表示商品的转化能力的问题。

本发明实施例提供了一种商品转化指数的计算方法，通过查询与商品详情浏览量对应的转化率分布图，根据转化率分布图中的转化率的点位分布，获取商品详情浏览量临界值和商品详情浏览量阈值，然后使用预设曲线拟合算法，对转化率分布图中，商品详情浏览量小于等于商品详情浏览量临界值的分布点进行曲线拟合，得到转化率分布拟合曲线，并根据预设的商品转化指数的计算规则、商品详情浏览量阈值、以及转化率分布拟合曲线，确定与转化率对应的转化率指数的计算公式，可以通过对转化率分布图中，商品详情浏览量小于等于商品详情浏览量临界值的分布点进行曲线拟合，得到商品详情浏览量与转化率的数值变化关系，即得到转化率分布拟合曲线，可以在转化率指数的计算公式中引入转化率分布拟合曲线，由此得到考虑了商品详情浏览量对转化率的影响的转化率指数，解决了商品详情浏览量过低时，转化率无法准确表示商品转化能力的问题，可以通过转化率指数在各种商品详情浏览情况下准确地衡量商品转化能力。

实施例四

图4为本发明实施例四提供的一种商品转化指数的计算装置的结构示意图。如图4所示，所述装置包括：临界值获取模块401、曲线拟合模块402以及公式确定模块403。

其中，临界值获取模块401，用于查询与商品曝光量对应的商品转化指标分布图，根据商品转化指标分布图中的商品转化指标的点位分布，获取商品曝光量临界值和商品曝光量阈值；其中，商品转化指标分布图中，在商品曝光量小于等于商品曝光量临界值时，随着商品曝光量的增加，商品转化指标的变化趋势为下降趋势；在商品曝光量大于商品曝光量临界值时，随着商品曝光量的增加，商品转化指标的变化趋势不再保持为下降趋势；在商品曝光量小于等于商品曝光量阈值的区间内，分布点分散；在商品曝光量大于商品曝光量阈值的区间内，分布点集中；曲线拟合模块402，用于使用预设曲线拟合算法，对商品转化指标分布图中，商品曝光量小于等于商品曝光量临界值的分布点进行曲线拟合，得到指标分布拟合曲线；公式确定模块403，用于根据预设的商品转化指数的计算规则、商品曝光量阈值、以及指标分布拟合曲线，确定与商品转化指标对应的商品转化指数的计算公式。

本发明实施例提供了一种商品转化指数的计算装置，通过查询与商品曝光量对应的商品转化指标分布图，根据商品转化指标分布图中的商品转化指标的点位分布，获取商品曝光量临界值和商品曝光量阈值，然后使用预设曲线拟合算法，对商品转化指标分布图中，商品曝光量小于等于商品曝光量临界值的分布点进行曲线拟合，得到指标分布拟合曲线，并根据预设的商品转化指数的计算规则、商品曝光量阈值、以及指标分布拟合曲线，确定与商品转化指标对应的商品转化指数的计算公式，可以通过对商品转化指标分布图中，商品曝光量小于等于商品曝光量临界值的分布点进行曲线拟合，得到商品曝光量与商品转化指标的数值变化关系，即得到指标分布拟合曲线，可以在商品转化指数的计算公式中引入指标分布拟合曲线，由此得到考虑了商品曝光量对商品转化指标的影响的商品转化指数，解决了商品曝光量过低时，商品转化指标无法准确表示商品转化能力的问题，可以通过商品转化指数在各种商品曝光情况下准确地衡量商品转化能力。

在上述各实施例的基础上，商品转化指标包括点击率，与点击率对应的商品曝光量为商品页面展现量，与点击率对应的商品转化指数为点击率指数；临界值获取模块401可以包括：第一获取单元，用于查询与商品页面展现量对应的点击率分布图，根据点击率分布图中的点击率的点位分布，获取商品页面展现量临界值和商品页面展现量阈值；其中，点击率分布图中，在商品页面展现量小于等于商品页面展现量临界值时，随着商品页面展现量的增加，点击率的变化趋势为下降趋势；在商品页面展现量大于商品页面展现量临界值时，随着商品页面展现量的增加，点击率不再保持为下降趋势；在商品页面展现量小于等于商品页面展现量阈值的区间内，分布点分散；在商品页面展现量大于商品页面展现量阈值的区间内，分布点集中。

在上述各实施例的基础上，曲线拟合模块402可以包括：第一拟合单元，用于使用预设曲线拟合算法，对点击率分布图中，商品页面展现量小于等于所述商品页面展现量临界值的分布点进行曲线拟合，得到点击率分布拟合曲线。

在上述各实施例的基础上，公式确定模块403可以包括：第一确定单元，用于根据预设的商品转化指数的计算规则、商品页面展现量阈值、以及点击率分布拟合曲线，确定与点击率对应的点击率指数的计算公式。

在上述各实施例的基础上，商品转化指标包括转化率，与转化率对应的商品曝光量为商品详情浏览量，与转化率对应的商品转化指数为转化率指数；临界值获取模块401可以包括：第二获取单元，用于查询与商品详情浏览量对应的转化率分布图，根据转化率分布图中的转化率的点位分布，获取商品详情浏览量临界值和商品详情浏览量阈值；其中，转化率分布图中，在商品详情浏览量小于等于商品详情浏览量临界值时，随着商品详情浏览量的增加，转化率的变化趋势为下降趋势；在商品详情浏览量大于商品详情浏览量临界值时，随着商品详情浏览量的增加，转化率的变化趋势不再保持为下降趋势；在商品详情浏览量小于等于商品详情浏览量阈值的区间内，分布点分散；在商品详情浏览量大于商品详情浏览量阈值的区间内，分布点集中。

在上述各实施例的基础上，曲线拟合模块402可以包括：第二拟合单元，用于使用预设曲线拟合算法，对转化率分布图中，商品详情浏览量小于等于商品详情浏览量临界值的分布点进行曲线拟合，得到转化率分布拟合曲线。

在上述各实施例的基础上，公式确定模块403可以包括：第二确定单元，用于根据预设的商品转化指数的计算规则、商品详情浏览量阈值、以及转化率分布拟合曲线，确定与转化率对应的转化率指数的计算公式。

在上述各实施例的基础上，商品转化指数的计算装置可以还包括：请求获取模块，用于获取指数计算请求，并确定与指数计算请求匹配的商品，以及商品业务数据；指数确定模块，用于根据商品业务数据、以及与商品转化指标对应的商品转化指数的计算公式，确定与商品匹配的商品转化指数。

上述商品转化指数的计算装置可执行本发明任意实施例所提供的商品转化指数的计算方法，具备执行商品转化指数的计算方法相应的功能模块和有益效果。

实施例五

图5为本发明实施例五提供的一种计算机设备的结构示意图。图5示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图5显示的计算机设备12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5所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器16，存储器28，连接不同系统组件(包括存储器28和处理器16)的总线18。

总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM，DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42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。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。

计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，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22进行。并且，计算机设备12还可以通过网络适配器20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。如图所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图5中未示出，可以结合计算机设备12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。

处理器16通过运行存储在存储器28中的程序，从而执行各种功能应用以及数据处理，实现本发明实施例所提供的商品转化指数的计算方法：查询与商品曝光量对应的商品转化指标分布图，根据商品转化指标分布图中的商品转化指标的点位分布，获取商品曝光量临界值和商品曝光量阈值；其中，商品转化指标分布图中，在商品曝光量小于等于商品曝光量临界值时，随着商品曝光量的增加，商品转化指标的变化趋势为下降趋势；在商品曝光量大于商品曝光量临界值时，随着商品曝光量的增加，商品转化指标的变化趋势不再保持为下降趋势；在商品曝光量小于等于商品曝光量阈值的区间内，分布点分散；在商品曝光量大于商品曝光量阈值的区间内，分布点集中；使用预设曲线拟合算法，对商品转化指标分布图中，商品曝光量小于等于商品曝光量临界值的分布点进行曲线拟合，得到指标分布拟合曲线；根据预设的商品转化指数的计算规则、商品曝光量阈值、以及指标分布拟合曲线，确定与商品转化指标对应的商品转化指数的计算公式。

实施例六

本发明实施例六提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时，实现本发明实施例所提供的商品转化指数的计算方法：查询与商品曝光量对应的商品转化指标分布图，根据商品转化指标分布图中的商品转化指标的点位分布，获取商品曝光量临界值和商品曝光量阈值；其中，商品转化指标分布图中，在商品曝光量小于等于商品曝光量临界值时，随着商品曝光量的增加，商品转化指标的变化趋势为下降趋势；在商品曝光量大于商品曝光量临界值时，随着商品曝光量的增加，商品转化指标的变化趋势不再保持为下降趋势；在商品曝光量小于等于商品曝光量阈值的区间内，分布点分散；在商品曝光量大于商品曝光量阈值的区间内，分布点集中；使用预设曲线拟合算法，对商品转化指标分布图中，商品曝光量小于等于商品曝光量临界值的分布点进行曲线拟合，得到指标分布拟合曲线；根据预设的商品转化指数的计算规则、商品曝光量阈值、以及指标分布拟合曲线，确定与商品转化指标对应的商品转化指数的计算公式。

可以采用一个或多个计算机可读的介质的任意组合。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存储介质。计算机可读存储介质例如可以是——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、便携式计算机磁盘、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。在本文件中，计算机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。

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存储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发明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)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (8)

1.一种商品点击率转化指数的计算方法，其特征在于，包括：

查询与商品页面展现量对应的点击率分布图，根据所述点击率分布图中的点击率的点位分布，获取商品页面展现量临界值和商品页面展现量阈值；

其中，所述点击率分布图中，在商品页面展现量小于等于所述商品页面展现量临界值时，随着商品页面展现量的增加，点击率的变化趋势为下降趋势；在商品页面展现量大于所述商品页面展现量临界值时，随着商品页面展现量的增加，点击率不再保持为下降趋势；在商品页面展现量小于等于所述商品页面展现量阈值的区间内，分布点分散；在商品页面展现量大于所述商品页面展现量阈值的区间内，分布点集中；

使用预设曲线拟合算法，对所述点击率分布图中，商品页面展现量小于等于所述商品页面展现量临界值的分布点进行曲线拟合，得到点击率分布拟合曲线；

根据预设的商品点击率转化指数的计算规则、所述商品页面展现量阈值、以及所述点击率分布拟合曲线，确定与点击率对应的点击率指数的计算公式；

所述预设的商品点击率转化指数的计算规则与所述点击率对应的点击率指数的计算公式为：

对于商品页面展现量小于等于商品页面展现量阈值的商品点击率转化指标：

商品点击率转化指数=商品点击率转化指标/点击率指标分布拟合曲线*系数，

对于商品页面展现量大于商品页面展现量阈值的商品点击率转化指标：

商品点击率转化指数=商品点击率转化指标/点击率指标分布拟合曲线在商品页面展现量阈值处的取值*系数；

其中，系数用来对商品点击率转化指数的数值进行归一处理，将商品点击率转化指数的数值规范在[0,1]内。

2.根据权利要求1所述的方法，其特征在于，在确定与所述商品点击率转化指标对应的商品点击率转化指数的计算公式之后，还包括：

获取点击率转化指数计算请求，并确定与所述点击率转化指数计算请求匹配的商品，以及商品业务数据；

根据所述商品业务数据、以及与所述商品点击率转化指标对应的商品点击率转化指数的计算公式，确定与所述商品匹配的商品点击率转化指数。

3.一种商品转化率转化指数的计算方法，其特征在于，包括：

查询与商品详情浏览量对应的转化率分布图，根据所述转化率分布图中的转化率的点位分布，获取商品详情浏览量临界值和商品详情浏览量阈值；

其中，所述转化率分布图中，在商品详情浏览量小于等于所述商品详情浏览量临界值时，随着商品详情浏览量的增加，转化率的变化趋势为下降趋势；在商品详情浏览量大于所述商品详情浏览量临界值时，随着商品详情浏览量的增加，转化率的变化趋势不再保持为下降趋势；在商品详情浏览量小于等于所述商品详情浏览量阈值的区间内，分布点分散；在商品详情浏览量大于所述商品详情浏览量阈值的区间内，分布点集中；

使用预设曲线拟合算法，对所述转化率分布图中，商品详情浏览量小于等于所述商品详情浏览量临界值的分布点进行曲线拟合，得到转化率分布拟合曲线；

根据预设的商品转化率转化指数的计算规则、所述商品详情浏览量阈值、以及所述转化率分布拟合曲线，确定与所述转化率对应的转化率指数的计算公式；

所述预设的商品转化率转化指数的计算规则与所述转化率对应的转化率指数的计算公式为：

对于商品详情浏览量小于等于商品详情浏览量阈值的商品转化率转化指标：

商品转化率转化指数=商品转化率转化指标/转化率指标分布拟合曲线*系数，

对于商品详情浏览量大于商品详情浏览量阈值的商品转化率转化指标：

商品转化率转化指数=商品转化率转化指标/转化率指标分布拟合曲线在商品详情浏览量阈值处的取值*系数；

其中，系数用来对商品转化率转化指数的数值进行归一处理，将商品转化率转化指数的数值规范在[0,1]内。

4.根据权利要求3所述的方法，其特征在于，在确定与所述商品转化率转化指标对应的商品转化率转化指数的计算公式之后，还包括：

获取转化率转化指数计算请求，并确定与所述转化率转化指数计算请求匹配的商品，以及商品业务数据；

根据所述商品业务数据、以及与所述商品转化率转化指标对应的商品转化率转化指数的计算公式，确定与所述商品匹配的商品转化率转化指数。

5.一种商品点击率转化指数的计算装置，其特征在于，包括：

临界值获取模块，用于查询与商品页面展现量对应的点击率分布图，根据所述点击率分布图中的点击率的点位分布，获取商品页面展现量临界值和商品页面展现量阈值；

其中，所述点击率分布图中，在商品页面展现量小于等于所述商品页面展现量临界值时，随着商品页面展现量的增加，点击率的变化趋势为下降趋势；在商品页面展现量大于所述商品页面展现量临界值时，随着商品页面展现量的增加，点击率不再保持为下降趋势；在商品页面展现量小于等于所述商品页面展现量阈值的区间内，分布点分散；在商品页面展现量大于所述商品页面展现量阈值的区间内，分布点集中；

曲线拟合模块，用于使用预设曲线拟合算法，对所述点击率分布图中，商品页面展现量小于等于所述商品页面展现量临界值的分布点进行曲线拟合，得到点击率分布拟合曲线；

公式确定模块，用于根据预设的商品点击率转化指数的计算规则、所述商品页面展现量阈值、以及所述点击率分布拟合曲线，确定与点击率对应的点击率指数的计算公式；

所述预设的商品点击率转化指数的计算规则与所述点击率对应的点击率指数的计算公式为：

对于商品页面展现量小于等于商品页面展现量阈值的商品点击率转化指标：

商品点击率转化指数=商品点击率转化指标/点击率指标分布拟合曲线*系数，

对于商品页面展现量大于商品页面展现量阈值的商品点击率转化指标：

商品点击率转化指数=商品点击率转化指标/点击率指标分布拟合曲线在商品页面展现量阈值处的取值*系数；

其中，系数用来对商品点击率转化指数的数值进行归一处理，将商品点击率转化指数的数值规范在[0,1]内。

6.一种商品转化率转化指数的计算装置，其特征在于，包括：

临界值获取模块，用于查询与商品详情浏览量对应的转化率分布图，根据所述转化率分布图中的转化率的点位分布，获取商品详情浏览量临界值和商品详情浏览量阈值；

其中，所述转化率分布图中，在商品详情浏览量小于等于所述商品详情浏览量临界值时，随着商品详情浏览量的增加，转化率的变化趋势为下降趋势；在商品详情浏览量大于所述商品详情浏览量临界值时，随着商品详情浏览量的增加，转化率的变化趋势不再保持为下降趋势；在商品详情浏览量小于等于所述商品详情浏览量阈值的区间内，分布点分散；在商品详情浏览量大于所述商品详情浏览量阈值的区间内，分布点集中；

曲线拟合模块，用于使用预设曲线拟合算法，对所述转化率分布图中，商品详情浏览量小于等于所述商品详情浏览量临界值的分布点进行曲线拟合，得到转化率分布拟合曲线；

公式确定模块，用于根据预设的商品转化率转化指数的计算规则、所述商品详情浏览量阈值、以及所述转化率分布拟合曲线，确定与所述转化率对应的转化率指数的计算公式；

所述预设的商品转化率转化指数的计算规则与所述转化率对应的转化率指数的计算公式为：

对于商品详情浏览量小于等于商品详情浏览量阈值的商品转化率转化指标：

商品转化率转化指数=商品转化率转化指标/转化率指标分布拟合曲线*系数，

对于商品详情浏览量大于商品详情浏览量阈值的商品转化率转化指标：

商品转化率转化指数=商品转化率转化指标/转化率指标分布拟合曲线在商品详情浏览量阈值处的取值*系数；

其中，系数用来对商品转化率转化指数的数值进行归一处理，将商品转化率转化指数的数值规范在[0,1]内。

7.一种计算机设备，其特征在于，包括：

一个或多个处理器；

存储器，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1-2任一所述的商品点击率转化指数的计算方法或权利要求3-4任一所述的商品转化率转化指数的计算方法。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-2任一所述的商品点击率转化指数的计算方法或权利要求3-4任一所述的商品转化率转化指数的计算方法。

Images