CN111192111A - 产品销售数据的分析方法、终端设备 - Google Patents
产品销售数据的分析方法、终端设备 Download PDFInfo
- Publication number
- CN111192111A CN111192111A CN201911371461.9A CN201911371461A CN111192111A CN 111192111 A CN111192111 A CN 111192111A CN 201911371461 A CN201911371461 A CN 201911371461A CN 111192111 A CN111192111 A CN 111192111A
- Authority
- CN
- China
- Prior art keywords
- product
- information
- target product
- selling point
- order
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000007405 data analysis Methods 0.000 title description 4
- 238000004458 analytical method Methods 0.000 claims abstract description 56
- 238000010586 diagram Methods 0.000 claims abstract description 50
- 239000011159 matrix material Substances 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 6
- 238000005265 energy consumption Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 230000008901 benefit Effects 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 230000036541 health Effects 0.000 claims description 3
- 238000012356 Product development Methods 0.000 abstract description 3
- 238000005406 washing Methods 0.000 description 9
- 238000006243 chemical reaction Methods 0.000 description 8
- 238000004378 air conditioning Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 238000012015 optical character recognition Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000001035 drying Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000018044 dehydration Effects 0.000 description 1
- 238000006297 dehydration reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Images
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]
- G06Q30/0623—Item investigation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了产品销售数据的分析方法、终端设备,该方法包括:获取目标产品的产品展示图和订单信息;其中,产品展示图是目标产品在电商平台售卖所展示的图片;对产品展示图进行识别,以得到目标产品的卖点信息;对卖点信息和订单信息进行组合,以得到对于目标产品的分析结果。通过上述方式,通过获取产品展示图的卖点信息和订单信息,获得分析结果,将分析结果以卖点矩阵的形式展示,可以针对卖点矩阵显示的卖点市场空白,针对性的进行产品开发。同时针对高销售量的产品区域加大市场营销力度,增加市场份额,以抓住市场机遇,增加对应产品宣传策略。
Description
技术领域
本申请涉及电商领域,特别是涉及一种产品销售数据的分析方法、终端设备。
背景技术
每年有不同产品推向市场进行出售,而不同产品的卖点并不相同,如手机,有主打音乐、有主打摄像等,而企业在推出产品前,需要分析产品卖点,辅助决策当前产品卖点是否合适、判断未来产品的趋势。例如:通过进行市场调研,或者购买市场报告,通过市场和用户来了解产品。通过人工或者机器分析电商评论,了解用户对产品的评价。
不足之处在于,进行市场调研投入成本高、周期长、且不够客观。而分析电商评论相对具有片面性,片段性,而且也是浅层分析,并没有准确深入的挖掘用户的需求和态度。
发明内容
为了解决上述问题,本申请提供一种产品销售数据的分析方法、终端设备,以抓住市场机遇,增加对应产品宣传策略。
本申请采用的一种技术方案是提供一种产品销售数据的分析方法,该方法包括:获取目标产品的产品展示图和订单信息;其中,产品展示图是目标产品在电商平台售卖所展示的图片;对产品展示图进行识别,以得到目标产品的卖点信息;对卖点信息和订单信息进行组合,以得到对于目标产品的分析结果。
其中,获取目标产品的产品展示图和订单信息之前,还包括:获取输入的查找条件;显示符合查找条件的产品信息;获取用户输入的选择指令以确定目标产品。
其中,获取目标产品的产品展示图和订单信息,包括:向电商平台服务器发送产品展示图获取指令,并接收电商平台服务器发送的目标产品的产品展示图;或对电商平台售卖页面进行图片提取,以获得目标产品的产品展示图;以及向电商平台服务器发送订单获取指令,并接收电商平台服务器发送的目标产品的订单信息。
其中,对产品展示图进行识别,以得到目标产品的卖点信息,包括:对产品展示图进行文字识别,以得到文本信息;对文本信息进行分析,以得到目标产品的卖点信息。
其中,对产品展示图进行文字识别,以得到文本信息,包括:对产品展示图进行OCR文字识别,以得到文本信息。
其中,对文本信息进行分析,以得到目标产品的卖点信息,包括:对文本信息进行分词处理,以得到多个词语;对多个词语进行去非关键字处理,以得到多个关键词;对多个关键词进行识别,以得到目标产品的卖点信息。
其中,卖点信息包括所述目标产品的能耗、健康指标、环保性能、型号、功能、价格、优惠、类型、服务和噪音指标中的至少一个;或订单信息包括订单数量、订单地区、订单时间、订单金额、订单用户的性别、订单用户的年龄中的至少一个。
其中,对卖点信息和订单信息进行组合,以得到对于目标产品的分析结果,包括:获取输入的组合条件;其中,组合条件包括将卖点信息中的至少一种和订单信息中的至少一种进行组合;根据组合条件对卖点信息和订单信息进行组合,以得到对于目标产品的分析结果。
其中,分析结果以分析矩阵图的方式呈现。
本申请采用的另一种技术方案是提供一种终端设备,该终端设备包括处理器以及与处理器连接的存储器;存储器用于存储程序数据,处理器用于执行程序数据,以实现如上述方案中提供的任一方法。
本申请采用的另一种技术方案是提供一种计算机可读存储介质,该计算机可读存储介质用于存储程序数据,程序数据在被处理器执行时,用于实现如上述方案中提供的任一方法。
本申请的有益效果是:区别于现有技术的情况,本申请的一种产品销售数据的分析方法,该方法包括:获取目标产品的产品展示图和订单信息;其中,产品展示图是目标产品在电商平台售卖所展示的图片;对产品展示图进行识别,以得到目标产品的卖点信息;对卖点信息和订单信息进行组合,以得到对于目标产品的分析结果。通过上述方式,通过获取产品展示图的卖点信息和订单信息,获得分析结果,将分析结果以卖点矩阵的形式展示,可以针对卖点矩阵显示的卖点市场空白,来针对性进行产品开发。同时针对高销售量的产品区域加大市场营销力度,增加市场份额,以抓住市场机遇,增加对应产品宣传策略。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。其中:
图1是本申请提供的产品销售数据的分析方法第一实施例的流程示意图;
图2为某品牌目标产品展示图的示意图;
图3为图2中展示的目标产品的其中一笔订单的示意图;
图4是本申请提供的产品销售数据的分析方法第一实施例的交互示意图;
图5是本申请提供的产品卖点的销量分析方法第二实施例的流程示意图;
图6为获取输入信息的界面示意图;
图7为显示产品信息的界面示意图;
图8为提供用户选择信息的界面示意图;
图9为分析结果矩阵示意图;
图10是本申请提供的终端设备一实施例的结构示意图;
图11是本申请提供的计算机可读存储介质一实施例的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。可以理解的是,此处所描述的具体实施例仅用于解释本申请,而非对本申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部结构。基于本申请中的实施例,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。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
参阅图1,图1是本申请提供的产品销售数据的分析方法第一实施例的流程示意图,该方法包括:
步骤11:获取目标产品的产品展示图和订单信息。
订单信息包括订单数量、订单地区、订单时间、订单金额、订单支付方式、订单用户的地址、订单用户的性别、订单用户的年龄中的至少一个。
在一些实施例中,获取目标产品的产品展示图和订单信息之前,获取所有产品的产品展示图和订单信息,对产品展示图进行识别,以识别出产品展示图中展示的产品,然后将这些产品展示图进行产品归类。可以理解,在进行产品识别时,可以通过模板匹配的方式进行识别。
在一些实施例中,目标产品可以是单一品牌的产品,如XXX品牌的冰箱、xxx品牌的洗衣机、XXX品牌的空调、XXX品牌的服装等。目标产品也可以是同类型的产品,如:家电类产品、家居类产品等。
在一些实施例中,产品展示图是目标产品在电商平台售卖所展示的图片,在一些场景中,可参阅图2,图2为某品牌目标产品展示图。可以理解,目标产品在电商平台售卖时并不局限于图2所示的一张图片,目标产品通常在电商平台售卖时会展示多张图片,全方位展示出产品信息,以供购买者查看并了解目标产品的信息。
在一些实施例中,订单信息可以是该目标产品的销售订单,也可以是进货订单,还可以是销售订单和进货订单。参阅图3,图3为图2中展示的目标产品的其中一笔订单。
可以理解,在获取目标产品的产品展示图和订单信息时,可以根据需求进行获取,例如获取某个时间段内目标产品的产品展示图和订单信息;获取某个地区内目标产品的产品展示图和订单信息。
在一些实施例中,获取目标产品的产品展示图和订单信息的方式可以是向电商平台服务器发送产品展示图获取指令,并接收电商平台服务器发送的目标产品的产品展示图;以及向电商平台服务器发送订单获取指令,并接收电商平台服务器发送的目标产品的订单信息。
在一些实施例中,获取目标产品的产品展示图和订单信息的方式可以是对电商平台售卖页面进行图片提取,以获得目标产品的产品展示图,例如:对当前产品展示图进行截图,以生成图片文件,或者获取产品展示图的在图片数据库的地址,从该图片数据库获取该产品展示图;以及向电商平台服务器发送订单获取指令,并接收电商平台服务器发送的目标产品的订单信息。
步骤12:对产品展示图进行识别,以得到目标产品的卖点信息。
卖点是指商品具备了前所未有、别出心裁或与众不同的特色、特点。这些特点、特色,一方面是产品与生俱来的,另一方面是通过营销策划人的想像力、创造力来产生的。换句话说,卖点其实就是一个消费理由,最佳的卖点即为最强有力的消费理由,卖点的作用在于吸引消费者来购买产品。
可以理解地,卖点可以包括产品中所使用的技术,以技术为卖点。在一具体实施例中,某空调的卖点为节能,用户在看到此空调的卖点信息时,结合自己长期使用空调的情况,认为可以省一大笔费用,则选择购买该空调。
在一些实施例中,卖点信息包括所述目标产品的能耗、健康指标、环保性能、型号、功能、价格、优惠、类型、服务和噪音指标中的至少一个,在一些实施例中可以是多卖点结合销售。
在一些实施例中,结合图2进行说明:在获取到产品展示图后,对产品展示图进行识别,利用相关的文字识别技术以识别图中文字,在图中识别到的文字信息为“洗衣机旗舰店、MB80V331、专利免清洗、十年桶如新、十分钟快洗、8KG大容量、一键脱水、指定整点抢50元京东E卡、超级秒杀:849、下单立减、23日到手价不高于849立即抢购、12月23日00:00-23:59、抽壁挂洗衣机等豪礼、整机3年包修送货入户”,在识别出这些文字信息后,对这些文字信息进行分析,以得到卖点信息,如上述文字的卖点信息为“免清洗、大容量、价格实惠”。
在一些实施例中,对产品展示图进行文字识别后,对识别出来的文本信息进行主题识别,以获得文本信息的主题,结合主题分析出卖点信息。在进行主题识别时,将文本信息输入至学习模型,以得到相应的主题。在一些实施例中,可以采用高斯混合模型、隐马尔科夫模型、K近邻、神经网络、支持向量机等进行模型训练,以训练上述学习模型,训练完成后,可采用该模型对文本信息进行分析。
在一些实施例中,对产品展示图进行识别,识别出的包括目标产品的技术要点,将技术要点作为卖点信息。
步骤13:对卖点信息和订单信息进行组合,以得到对于目标产品的分析结果。
在一些实施例中,对卖点信息和订单信息进行组合时,可进行人工选择组合条件,通过键盘或语音形式输入组合条件;其中,组合条件包括将卖点信息中的至少一种和订单信息中的至少一种进行组合。
例如,卖点信息中的类型可以是指某种产品的具体归类,以洗衣机为例,某电商平台将其分为壁挂、脱水机、母婴洗、烘干机、滚筒、迷你洗衣机、双缸、洗烘一体、波轮、洗烘套装。在输入类型时,可以输入多个产品类型,以获得不同产品类型的信息。
卖点信息中的能耗在家电领域可以是能效等级,能效等级是表示家用电器产品能效高低的一种分级方法,等级1表示产品节电已达到国际先进水平,能耗最低;等级2表示产品比较节电;等级3表示产品能源效率为我国市场的平均水平;等级4表示产品能源效率低于市场平均水平;等级5是产品市场准入指标,低于该等级要求的产品不允许生产和销售。
卖点信息中的功能在家电领域以空调为例可以是快速制冷、变频、节能、智能等。
在选择地区信息时,将订单信息中的订单用户的地址进行分类,可以按省市来分类,也可以大地区分类,如华东地区、华中地区、西南地区。以选择其中至少一个地区进行组合。
买家信息为订单的用户信息,可以按照性别区分,也可以按照年龄段区分。
根据组合条件对卖点信息和订单信息进行组合,以得到对于目标产品的分析结果。例如:组合条件为女性、华东地区、时间为2018全年;得到的分析结果就可以是华东地区的女性对目标产品的不同卖点信息的购买记录。
在一些实施例中,对卖点信息和订单信息进行组合,以得到对于目标产品的分析结果可以是基于不同卖点的产品销量排行。用于判断当前最受欢迎的卖点,以及规划产品将来的设计方向。
在一些实施例中,可以先获取目标产品的产品展示图,识别展示图中的文本信息,对文本信息进行分析,以得到卖点信息,然后获取目标产品的订单信息,对卖点信息和订单信息进行组合,以得到对于目标产品的分析结果。将分析结果结合卖点信息和订单信息以矩阵的形式进行展示。可以理解,从商家的产品展示图中的文字内容分析产品,是从商家的角度来分析问题,可以更直观的分析商家的卖点策略,并寻找卖点空白领域,提高同行业的竞争力。
在一具体实施方式中,参阅图4,进行说明:
首先对图中的输入端、分析采集端、数据库、电商服务器进行说明,图中输入端、分析采集端同属于终端设备,用户在输入端输入要获取的产品范围,发送至分析采集端,分析采集端获取到指令,向电商服务器发送图片获取指令,图片获取指令基于产品范围生成。电商服务器响应于该指令,向分析采集端发送产品展示页面的产品展示图,分析采集端获取到产品展示图后,进行智能分析,获取产品展示图相应的卖点信息,将这些图片跟卖点信息等数据发送至数据库保存。用户在输入端选择时间范围、卖点进行组合,以生成指令。将该指令发送至分析采集端,分析采集端向数据库发送数据获取指令,数据库响应于该指令,发送数据至分析采集端。分析采集端对数据处理,得到分析结果,将分析结果发送至输入端,输入端将数据通过矩阵的形式展示。
区别于现有技术的情况,本申请的一种产品销售数据的分析方法,该方法包括:获取目标产品的产品展示图和订单信息;其中,产品展示图是目标产品在电商平台售卖所展示的图片;对产品展示图进行识别,以得到目标产品的卖点信息;对卖点信息和订单信息进行组合,以得到对于目标产品的分析结果。通过上述方式,通过获取产品展示图的卖点信息和订单信息,获得分析结果,将分析结果以卖点矩阵的形式展示,可以针对卖点矩阵显示的卖点市场空白,针对性的进行产品开发。同时针对高销售量的产品区域加大市场营销力度,增加市场份额,以抓住市场机遇,增加对应产品宣传策略。
参阅图5,图5是本申请提供的产品销售数据的分析方法第二实施例的流程示意图,该方法包括:
步骤51:获取输入的查找条件。
在本实施例中,该方法应用于终端设备,该终端设备包括一显示屏,显示屏可以获取输入的查找条件,可以选择产品类别、品牌、用途、价格等。例如:在搜索栏输入“空调、变频”。
步骤52:显示符合查找条件的产品信息。
步骤53:获取用户输入的选择指令以确定目标产品。
在一些实施例中可参考图6-图7对步骤41-43进行说明:
如图6所示,在终端设备的显示屏的界面中输入“空调、变频”然后点击搜索,则针对图6输入的“空调、变频”,在界面中会显示如图6所示界面,显示“大1匹/1.5匹全直流变频”、“1匹一级能效”、“1匹变频智弧冷暖”、“1.5匹变频冷暖壁挂式”四个相关的产品信息,用户可选择指定的目标产品,如图7所示用户选择了“大1匹/1.5匹全直流变频”这个产品为目标产品。
步骤54:获取目标产品的产品展示图和订单信息。
步骤55:对产品展示图进行文字识别,以得到文本信息。
在一些实施例中,对产品展示图进行OCR(Optical Character Recognition,光学字符识别)文字识别,以得到文本信息。
在一些实施例中,通过图像识别技术,对产品展示图进行文字识别,以得到文本信息。
步骤56:对文本信息进行分词处理,以得到多个词语。
在一些实施例中,在对产品展示图进行文字识别后,得到的是连续的文本信息,所以要进行分词或分句处理,以将连续的文本信息分为多个容易理解的短文本信息。例如进行分词处理后得到的是多个词语,进行分句处理后,得到的是多个连贯的句子。
步骤57:对多个词语进行去非关键字处理,以得到多个关键词。
步骤58:对多个关键词进行识别,以得到目标产品的卖点信息。
在一些实施例中,可以预先训练学习模型,将多个关键字输入至该学习模型,以输出目标产品的卖点信息。具体的,上述学习模型可以通过机器学习的方式来构建。利用监督式学习的方法,通过人为的输入不同的关键词样本及根据关键词样本对应的卖点信息对关键词样本进行标记处理,将关键词样本输入至待训练的学习模型,以对待训练的学习模型进行训练,形成学习模型。相应标记可以是关键词对应的卖点信息。还可以将关键词进行特征提取,并给这些特征信息设置对应的标记,将这些特征信息及标记作为训练资料,构建学习模型。当未知的关键词输入该学习模型,则输出对应的标记,此标记即为关键词对应的卖点信息。
在一些实施例中,可以预先设置卖点的关键词,然后进行匹配或者相似性匹配,例如:当获取的关键词与预先设置的关键词相同或者获取的与预先设置的关键词相似,如同义词、近义词,则确认匹配成功,得到目标产品的卖点信息。
步骤59:对卖点信息和订单信息进行组合,以得到对于目标产品的分析结果。
在一些实施例中,步骤59可以是通过终端设备显示屏输入的组合条件;其中,组合条件包括将卖点信息中的至少一种和订单信息中的至少一种进行组合;根据组合条件对卖点信息和订单信息进行组合,以得到对于目标产品的分析结果。在一具体实施方式中,根据组合条件对卖点信息和订单信息进行组合,以得到对于目标产品的分析结果包括:根据组合条件形成相应的分析矩阵图;卖点信息和订单信息作为分析矩阵图中的元素;显示分析矩阵图。
结合图8-图9,进行说明:
图8所示为目标产品的卖点信息和订单信息对应的详细内容,用户可以根据需求选择相应的栏位,如图8所示,卖点信息选择的立柜式、天花机、壁挂式、能效、价位、体积、智能、订单信息选择的近半年、东北、华南、女。将这些卖点信息和订单信息进行组合,以生成分析矩阵图,卖点信息和订单信息作为分析矩阵图中的元素,显示在对应位置,上述信息得到的分析矩阵图如图9所示,在东北地区,以能效、智能、立柜式为卖点的空调订单量为1265笔,以价位、体积、天花机为卖点的空调订单量为438笔,以价位、智能、壁挂式为卖点的空调订单量为283笔;在华南地区,以能效、体积、立柜式为卖点的空调订单量为789笔,以价位、体积、天花机为卖点的空调订单量为456笔,以能效、智能、壁挂式为卖点的空调订单量为1101笔。从图9可以直观的得出,在东北和华南地区以能效、智能为卖点的空调订单量突破1100笔。
在一些实施例中,分析结果可以折线图、柱状图、条形图、饼图、面积图、数据透视表、散点图、气泡地图、树形图等方式呈现,根据不同的组合条件选择合适的方式呈现。例如以订单信息中的地区作为组合条件,可以选择气泡地图来呈现。
在本实施例中,从电商服务器的产品展示图进行提取技术要点和创新卖点,进行地区卖点聚合来对比不同产品的细微区别,组合成卖点矩阵,从产品卖点+地域销售情况+销售价格区域,清晰勾勒出不同卖点、不同价位、不同区域的分布情况。
参阅图10,图10是本申请提供的终端设备一实施例的结构示意图,该终端设备100包括处理器101以及与处理器101连接的存储器102;存储器102用于存储程序数据,处理器101用于执行程序数据,以实现以下的方法步骤:
获取目标产品的产品展示图和订单信息;其中,产品展示图是目标产品在电商平台售卖所展示的图片;对产品展示图进行识别,以得到目标产品的卖点信息;对卖点信息和订单信息进行组合,以得到对于目标产品的分析结果。
可以理解,处理器101用于执行程序数据,还用于实现上述任一实施例方法。
参阅图11,图11是本申请提供的计算机可读存储介质一实施例的结构示意图,计算机可读存储介质110用于存储程序数据111,程序数据111在被处理器执行时,用于实现以下的方法步骤:
获取目标产品的产品展示图和订单信息;其中,产品展示图是目标产品在电商平台售卖所展示的图片;对产品展示图进行识别,以得到目标产品的卖点信息;对卖点信息和订单信息进行组合,以得到对于目标产品的分析结果。
可以理解,程序数据111在被处理器执行时,还用于实现上述任一实施例方法。
在本申请所提供的几个实施方式中,应该理解到,所揭露的方法以及设备,可以通过其它的方式实现。例如,以上所描述的设备实施方式仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外,在本申请各个实施方式中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
上述其他实施方式中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施方式,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (11)
1.一种产品销售数据的分析方法,其特征在于,所述方法包括:
获取目标产品的产品展示图和订单信息;其中,所述产品展示图是所述目标产品在电商平台售卖所展示的图片;
对所述产品展示图进行识别,以得到所述目标产品的卖点信息;
对所述卖点信息和所述订单信息进行组合,以得到对于所述目标产品的分析结果。
2.根据权利要求1所述的方法,其特征在于,
所述获取目标产品的产品展示图和订单信息之前,还包括:
获取输入的查找条件;
显示符合所述查找条件的产品信息;
获取用户输入的选择指令以确定所述目标产品。
3.根据权利要求1或2所述的方法,其特征在于,
所述获取目标产品的产品展示图和订单信息,包括:
向电商平台服务器发送产品展示图获取指令,并接收所述电商平台服务器发送的所述目标产品的产品展示图;或
对电商平台售卖页面进行图片提取,以获得所述目标产品的产品展示图;以及
向电商平台服务器发送订单获取指令,并接收所述电商平台服务器发送的所述目标产品的订单信息。
4.根据权利要求1所述的方法,其特征在于,
所述对所述产品展示图进行识别,以得到所述目标产品的卖点信息,包括:
对所述产品展示图进行文字识别,以得到文本信息;
对所述文本信息进行分析,以得到所述目标产品的卖点信息。
5.根据权利要求4所述的方法,其特征在于,
所述对所述产品展示图进行文字识别,以得到文本信息,包括:
对所述产品展示图进行OCR文字识别,以得到文本信息。
6.根据权利要求4所述的方法,其特征在于,
所述对所述文本信息进行分析,以得到所述目标产品的卖点信息,包括:
对所述文本信息进行分词处理,以得到多个词语;
对所述多个词语进行去非关键字处理,以得到多个关键词;
对所述多个关键词进行识别,以得到所述目标产品的卖点信息。
7.根据权利要求1所述的方法,其特征在于,
所述卖点信息包括所述目标产品的能耗、健康指标、环保性能、型号、功能、价格、优惠、类型、服务和噪音指标中的至少一个;
或所述订单信息包括订单数量、订单地区、订单时间、订单金额、订单用户的性别、所述订单用户的年龄中的至少一个。
8.根据权利要求7所述的方法,其特征在于,
所述对所述卖点信息和所述订单信息进行组合,以得到对于所述目标产品的分析结果,包括:
获取输入的组合条件;其中,所述组合条件包括将所述卖点信息中的至少一种和所述订单信息中的至少一种进行组合;
根据所述组合条件对所述卖点信息和所述订单信息进行组合,以得到对于所述目标产品的分析结果。
9.根据权利要求8所述的方法,其特征在于,
所述分析结果以分析矩阵图的方式呈现。
10.一种终端设备,其特征在于,所述终端设备包括处理器以及与所述处理器连接的存储器;
所述存储器用于存储程序数据,所述处理器用于执行所述程序数据,以实现如权利要求1-9任一项所述的方法。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储程序数据,所述程序数据在被处理器执行时,用于实现如权利要求1-9任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911371461.9A CN111192111A (zh) | 2019-12-26 | 2019-12-26 | 产品销售数据的分析方法、终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911371461.9A CN111192111A (zh) | 2019-12-26 | 2019-12-26 | 产品销售数据的分析方法、终端设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111192111A true CN111192111A (zh) | 2020-05-22 |
Family
ID=70710483
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911371461.9A Pending CN111192111A (zh) | 2019-12-26 | 2019-12-26 | 产品销售数据的分析方法、终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111192111A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115330469A (zh) * | 2022-10-13 | 2022-11-11 | 深圳美云集网络科技有限责任公司 | 基于跟卖场景的数据配对方法及相关装置 |
CN112200612B (zh) * | 2020-10-14 | 2024-01-09 | 红云红河烟草(集团)有限责任公司 | 一种基于卷烟市场数据的分析方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102081783A (zh) * | 2010-11-11 | 2011-06-01 | 尹红卫 | 基于价格走势唯一分解的多周期三类买卖点证券投资方法 |
CN104424541A (zh) * | 2013-08-26 | 2015-03-18 | 郑昌栋 | 超市一体化管理系统 |
CN107067282A (zh) * | 2017-04-13 | 2017-08-18 | 多米袋南京金融信息服务有限公司 | 一种消费品返利销售营销管理系统及其使用方法 |
CN108805644A (zh) * | 2018-03-29 | 2018-11-13 | 北京康得新创科技股份有限公司 | 贩售机的商品售卖方法以及贩售机 |
CN109509037A (zh) * | 2018-12-26 | 2019-03-22 | 广州联业商用机器人科技股份有限公司 | 一种售卖机的销售数据统计分析方法、系统及存储介质 |
CN109542916A (zh) * | 2018-10-15 | 2019-03-29 | 平安科技(深圳)有限公司 | 平台商品入驻方法、装置、计算机设备及存储介质 |
CN109840810A (zh) * | 2019-03-19 | 2019-06-04 | 深圳创维-Rgb电子有限公司 | 数据分析推送方法、装置、后台服务器及可读存储介质 |
CN110597978A (zh) * | 2018-06-12 | 2019-12-20 | 北京京东尚科信息技术有限公司 | 物品摘要生成方法、系统、电子设备及可读存储介质 |
-
2019
- 2019-12-26 CN CN201911371461.9A patent/CN111192111A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102081783A (zh) * | 2010-11-11 | 2011-06-01 | 尹红卫 | 基于价格走势唯一分解的多周期三类买卖点证券投资方法 |
CN104424541A (zh) * | 2013-08-26 | 2015-03-18 | 郑昌栋 | 超市一体化管理系统 |
CN107067282A (zh) * | 2017-04-13 | 2017-08-18 | 多米袋南京金融信息服务有限公司 | 一种消费品返利销售营销管理系统及其使用方法 |
CN108805644A (zh) * | 2018-03-29 | 2018-11-13 | 北京康得新创科技股份有限公司 | 贩售机的商品售卖方法以及贩售机 |
CN110597978A (zh) * | 2018-06-12 | 2019-12-20 | 北京京东尚科信息技术有限公司 | 物品摘要生成方法、系统、电子设备及可读存储介质 |
CN109542916A (zh) * | 2018-10-15 | 2019-03-29 | 平安科技(深圳)有限公司 | 平台商品入驻方法、装置、计算机设备及存储介质 |
CN109509037A (zh) * | 2018-12-26 | 2019-03-22 | 广州联业商用机器人科技股份有限公司 | 一种售卖机的销售数据统计分析方法、系统及存储介质 |
CN109840810A (zh) * | 2019-03-19 | 2019-06-04 | 深圳创维-Rgb电子有限公司 | 数据分析推送方法、装置、后台服务器及可读存储介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112200612B (zh) * | 2020-10-14 | 2024-01-09 | 红云红河烟草(集团)有限责任公司 | 一种基于卷烟市场数据的分析方法 |
CN115330469A (zh) * | 2022-10-13 | 2022-11-11 | 深圳美云集网络科技有限责任公司 | 基于跟卖场景的数据配对方法及相关装置 |
CN115330469B (zh) * | 2022-10-13 | 2022-12-13 | 深圳美云集网络科技有限责任公司 | 基于跟卖场景的数据配对方法及相关装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107391493B (zh) | 一种舆情信息提取方法、装置、终端设备及存储介质 | |
WO2018218860A1 (zh) | 一种商品推荐方法及装置 | |
CN109284413A (zh) | 基于人脸识别的商品推荐方法、装置、设备及存储介质 | |
CN103377262B (zh) | 对用户进行分组的方法和装置 | |
CN107169806B (zh) | 用于确定商品属性对于购买决策的影响度的方法及装置 | |
TW201812689A (zh) | 惡意地址/惡意訂單的識別系統、方法及裝置 | |
CN109635198B (zh) | 在商品展示平台上呈现用户搜索结果的方法、装置、介质及电子设备 | |
CN107944911B (zh) | 一种基于文本分析的推荐系统的推荐方法 | |
TW201520790A (zh) | 個性化資料搜尋方法和裝置 | |
TWI662495B (zh) | 推廣資訊的處理方法、裝置及系統 | |
CN107679103B (zh) | 用于实体的属性分析方法及系统 | |
CN111667337A (zh) | 一种商品评价的排序方法和系统 | |
CN110969512B (zh) | 一种基于用户购买行为的商品推荐方法和装置 | |
CN106339898A (zh) | 一种基于互联网大数据的产品创新方法 | |
CN111192111A (zh) | 产品销售数据的分析方法、终端设备 | |
CN117788109A (zh) | 一种基于大语言模型生成商品标签的方法及电子设备 | |
CN116894711A (zh) | 商品推荐理由生成方法及其装置、电子设备 | |
CN113781149A (zh) | 信息推荐方法、装置、计算机可读存储介质及电子设备 | |
CN116167825A (zh) | 基于电子商务的商品推荐方法、装置、设备及存储介质 | |
CN111654714A (zh) | 信息处理方法、装置、电子设备和存储介质 | |
CN111523914A (zh) | 用户满意度的评测方法、装置、系统和数据显示平台 | |
CN115641179A (zh) | 信息推送方法、装置及电子设备 | |
CN113744019A (zh) | 一种商品推荐方法、装置、设备及存储介质 | |
CN111651590A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN111611469A (zh) | 标识信息确定方法及装置、电子设备和存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200522 |
|
RJ01 | Rejection of invention patent application after publication |