CN111292129A - 商品的推荐价格的确定方法、装置和服务器 - Google Patents

Abstract

本说明书提供了商品的推荐价格的确定方法、装置和服务器。在一个实施例中，通过商品的推荐价格的确定方法可以预先根据目标商户的定价请求针对目标商品建立多个分别配置有对应的定价模型和实验分流比例的定价实验；在接收到用户针对目标商品的价格获取请求时，可以根据价格获取请求，先从上述多个定价实验中确定出一个定价实验作为目标定价实验，再通过目标定价实验来确定出与用户匹配的推荐价格，反馈给用户，从而能够达到适用于多种不同场景，配合不同目标商户定价要求，针对具体用户灵活地确定出与该用户匹配的、效果较好的商品推荐价格，以能提高用户针对目标商品的交易成单率，同时也能兼顾目标商户的收益。

Description

商品的推荐价格的确定方法、装置和服务器

技术领域

本说明书属于互联网技术领域，尤其涉及商品的推荐价格的确定方法、装置和服务器。

背景技术

商户在出售商品时，通常需要为商品设置一个合适的价格，以希望能吸引到较多的用户购买，同时商户也能获得相对较高的收益。

因此，亟需一种商品价格的定价方法。

发明内容

本说明书提供了一种商品的推荐价格的确定方法、装置和服务器，以达到能适用多种不同场景，配合不同目标商户定价要求，针对具体用户灵活地确定出与该用户匹配的、效果较好的商品的推荐价格。

本说明书提供的一种商品的推荐价格的确定方法、装置和服务器是这样实现的：

一种商品的推荐价格的确定方法，包括：接收用户针对目标商品的价格获取请求；根据所述价格获取请求，确定出与所述价格获取请求匹配的多个定价实验，其中，所述多个定价实验中的各个定价实验至少配置有对应的定价模型，和对应的实验分流比例；根据所述多个定价实验的实验分流比例，从所述多个定价实验中确定出一个定价实验，作为目标定价实验；通过所述目标定价实验，确定出与所述用户匹配的价格，作为反馈给所述用户的所述目标商品的推荐价格。

一种商品的推荐价格的确定方法，包括：接收目标商户的针对目标商品的定价请求；根据所述定价请求，针对所述目标商户的所述目标商品，建立对应的多个定价实验，其中，所述多个定价实验中的各个定价实验至少配置有预设的定价模型，和预设的实验分流比例，所述多个定价实验用于确定与用户匹配的所述目标商品的推荐价格。

一种商品的推荐价格的确定方法，包括：接收第二用户针对目标商品的价格获取请求；确定出与所述价格获取请求匹配的多个定价实验，其中，所述多个定价实验中的各个定价实验至少配置有对应的定价模型，和对应的实验分流比例；所述多个定价实验中的各个定价实验至少配置有对应的定价模型，和对应的实验分流比例，为根据与第一用户相关的回流数据对所述多个定价实验中的至少一个定价实验所配置的预设的定价模型，和/或，所述多个定价实验的预设的实验分流比例进行更新得到的；根据所述多个定价实验的实验分流比例，从所述多个定价实验中确定出一个定价实验，作为目标定价实验；通过所述目标定价实验，确定出与所述第二用户匹配的价格，作为反馈给所述第二用户的所述目标商品的推荐价格。

一种商品价格的展示方法，包括：接收用户针对目标商品的价格获取请求；响应所述价格获取请求，调用定价服务器确定出与所述价格获取请求匹配的多个定价实验，其中，所述多个定价实验中的各个定价实验至少配置有对应的定价模型，和对应的实验分流比例；根据所述多个定价实验的实验分流比例，从所述多个定价实验中确定出一个定价实验，作为目标定价实验；并通过所述目标定价实验，确定出与所述用户匹配的价格，作为所述目标商品的推荐价格；接收并向所述用户展示所述目标商品的推荐价格。

一种商品的推荐价格的确定装置，包括：第一接收模块，用于接收用户针对目标商品的价格获取请求；第一确定模块，用于确定出与所述价格获取请求匹配的多个定价实验，其中，所述多个定价实验中的各个定价实验至少配置有对应的定价模型，和对应的实验分流比例；第二确定模块，用于根据所述多个定价实验的实验分流比例，从所述多个定价实验中确定出一个定价实验，作为目标定价实验；第三确定模块，用于通过所述目标定价实验，确定出与所述用户匹配的价格，作为反馈给所述用户的所述目标商品的推荐价格。

一种商品的推荐价格的确定装置，包括：第二接收模块，用于接收目标商户的针对目标商品的定价请求；建立模块，用于根据所述定价请求，针对所述目标商户的所述目标商品，建立对应的多个定价实验，其中，所述多个定价实验中的各个定价实验至少配置有预设的定价模型，和预设的实验分流比例，所述多个定价实验用于确定与用户匹配的所述目标商品的推荐价格。

一种商品价格的展示装置，包括：第三接收模块，用于接收用户针对目标商品的价格获取请求；调用模块，用于响应所述价格获取请求，调用定价服务器确定出与所述价格获取请求匹配的多个定价实验，其中，所述多个定价实验中的各个定价实验至少配置有对应的定价模型，和对应的实验分流比例；根据所述多个定价实验的实验分流比例，从所述多个定价实验中确定出一个定价实验，作为目标定价实验；并通过所述目标定价实验，确定出与所述用户匹配的价格，作为所述目标商品的推荐价格；展示模块，用于接收并向所述用户展示所述目标商品的推荐价格。

一种服务器，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现接收用户针对目标商品的价格获取请求；根据所述价格获取请求，确定出与所述价格获取请求匹配的多个定价实验，其中，所述多个定价实验中的各个定价实验至少配置有对应的定价模型，和对应的实验分流比例；根据所述多个定价实验的实验分流比例，从所述多个定价实验中确定出一个定价实验，作为目标定价实验；通过所述目标定价实验，确定出与所述用户匹配的价格，作为反馈给所述用户的所述目标商品的推荐价格。

本说明书提供的一种商品的推荐价格的确定方法、装置和服务器，通过预先根据目标商户针对目标商品的定价请求，建立对应的分别配置有定价模型和实验分流比例的多个定价实验；在接收到用户针对目标商品的价格获取请求时，可以先根据价格获取请求，从上述多个定价实验中确定出一个定价实验作为目标定价实验，再通过目标定价实验来确定出与该用户匹配的推荐价格，从而能够综合利用多种不同定价模型，适用多种不同场景，配合不同目标商户定价要求，针对具体用户灵活地确定出与该用户匹配的、效果较好的商品推荐价格反馈给用户，以提高用户针对目标商品的交易成单率，同时又能较好地兼顾目标商户的收益。

附图说明

为了更清楚地说明本说明书实施例，下面将对实施例中所需要使用的附图作简单地介绍，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是应用本说明书实施例提供的商品的推荐价格的确定方法的系统结构组成的一个实施例的示意图；

图2是应用本说明书实施例提供的商品的推荐价格的确定方法的系统结构组成的一个实施例的示意图；

图3是应用本说明书实施例提供的商品的推荐价格的确定方法的系统结构组成的一个实施例的示意图；

图4是在一个场景示例中，应用本说明书实施例提供的商品的推荐价格的确定方法的一种实施例的示意图；

图5是在一个场景示例中，应用本说明书实施例提供的商品的推荐价格的确定方法的一种实施例的示意图；

图6是在一个场景示例中，应用本说明书实施例提供的商品的推荐价格的确定方法的一种实施例的示意图；

图7是本说明书的一个实施例提供的商品的推荐价格的确定方法的流程示意图；

图8是本说明书的一个实施例提供的商品的推荐价格的确定方法的流程示意图；

图9是本说明书的一个实施例提供的商品价格的展示方法的流程示意图；

图10是本说明书的一个实施例提供的服务器的结构组成示意图；

图11是本说明书的一个实施例提供的商品的推荐价格的确定装置的结构组成示意图。

具体实施方式

为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书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说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。

本说明书实施例提供的一种商品的推荐价格的确定方法，具体可以应用于包含有展示服务器、定价服务器、商户端和客户端的系统架构中。

具体可以参阅图1所示。目标商户可以通过商户端，向定价服务器发送针对目标商户所出售的目标商品的定价请求。其中，上述定价请求可以携带有目标商户针对该目标商品的预设价格，以及目标商户的价格期望区间等信息。定价服务器在接收到上述定价请求后，根据所述定价请求，针对目标商户的目标商品，建立对应的多个定价实验，其中，所述多个定价实验中的各个定价实验至少配置有预设的定价模型，和预设的实验分流比例，所述多个定价实验用于确定与用户匹配的该目标商品的推荐价格。

参阅图2所示。当第一用户通过布设于第一用户的客户端向展示服务器发送针对目标商品的价格获取请求时。展示服务器会将价格获取请求发送至定价服务器，并通过定价服务器获取与第一用户匹配的推荐价格。定价服务器在接收到第一用户的价格获取请求后，可以确定出与第一用户的价格获取请求匹配的多个定价实验；根据所述多个定价实验的预设的实验分流比例，从多个定价实验中确定出一个定价实验作为针对第一用户的目标定价实验；再通过该目标定价实验所配置的预设的定价模型，确定出与该第一用户匹配的推荐价格，并将该推荐价格发送至展示服务器。展示服务器将所述推荐价格发送至第一用户的客户端，通过客户端向第一用户展示目标商品的推荐价格。可以参阅图3所示，展示服务器还会通过客户端采集第一用户针对展示有推荐价格的目标商品操作数据作为回流数据，并将上述回流数据发送至定价服务器。定价服务器可以根据回流数据对多个定价实验进行更新，得到更新后的多个定价实验。

当第二用户通过布设于第二用户的客户端向展示服务器发送针对目标商品的价格获取请求时。展示服务器会将价格获取请求发送至定价服务器，并通过定价服务器确定出与第二用户匹配的推荐价格。定价服务器在接收到第二用户的价格获取请求后，可以确定出与第一用户的价格获取请求匹配的多个更新后的定价实验；根据更新后的定价实验的实验分流比例，从多个更新后的定价实验中确定出一个定价实验作为针对第二用户的目标定价实验，再通过该目标定价实验所配置的定价模型，确定出与第二用户匹配的推荐价格，并将该推荐价格发送至展示服务器。展示服务器将所述推荐价格发送至第二用户的客户端，通过客户端向第二用户展示目标商品的推荐价格，并通过客户端采集第二用户针对展示有推荐价格的目标商品的操作数据作为回流数据。展示服务器会将上述回流数据发送至定价服务器，定价服务器可以根据回流数据对多个定价实验继续进行更新，得到继续更新后的多个定价实验。

在本实施例中，所述服务器具体可以包括一种应用于购物网站平台一侧，能够实现数据传输、数据处理等功能的后台负责数据处理的服务器。具体的，所述服务器例如可以为一个具有数据运算、存储功能以及网络交互功能的电子设备。或者，所述服务器也可以为运行于该电子设备中，为数据处理、存储和网络交互提供支持的软件程序。在本实施例中，并不具体限定所述服务器的数量。所述服务器具体可以为一个服务器，也可以为几个服务器，或者，由若干服务器形成的服务器集群。

在本实施例中，所述客户端、商户端具体可以包括分别应用于用户、商户一侧，能够实现数据采集、数据传输等功能的前端设备。具体的，所述客户端、商户端例如可以为台式电脑、平板电脑、笔记本电脑、智能手机、数字助理、智能可穿戴设备等。或者，所述客户端、商户端也可以为能够运行于上述电子设备中的软件应用。例如，可以是在手机上运行的某APP等。

在一个具体的场景示例中，基于上述系统，可以应用本说明书实施例提供的商品的推荐价格的确定方法来配合商户的定价要求，适用多种不同时期场景，为用户确定出匹配的推荐价格。

具体的，例如，1号商户在某宝购物平台上出售A款球鞋，为了吸引更多的用户流量，准备针对A款球鞋进行一次限时优惠促销活动。但是1号商户不知道如何来设置促销价使得能够在吸引到大量用户流量、增加店铺的人气的同时，也有相对较好的收益。这种情况下，1号商户可以使用自己的电脑、手机，或者其他的电子设备作为商户端，向某宝购物平台的定价服务器发送针对A款球鞋的定价请求，以请求针对A款球鞋确定出一个合适的推荐价格作为促销价，来出售A款球鞋。

具体实施前，1号商户可以预先通过商户端下载并安装某宝购物平台提供的与定价服务器所提供的定价服务关联的应用程序的安装包。其中，该安装包中具体可以包含有SDK(Software Development Kit，软件开发工具包)，且SDK中至少集成有定价接口，用于接收商户设置的针对商品的初始价格(例如预设价格)，以及商户对商品的价格期望区间。

此外，上述SDK中还可以集成有其他类型的交互接口。例如，上述SDK中还可以集成有商品信息配置接口。通过该接口，商户可以进一步设置商品的目标销量、商品的价格分布、商品所主要针对目标用户群体等信息，以进一步细化对该商品的价格的定价要求。上述SDK中还可以集成有数据回流接口。通过该接口，商户可以进一步了解到定价服务器所设置的多种价格的价格分布情况，以及针对多种价格用户(例如消费者)的反馈情况(例如，成单率、回购率等)，从而能具体地了解到针对商品的定价情况和用户的相关反馈。

在本场景示例中，1号商户可以结合自己的具体营销方案，通过商户端设置A款球鞋的产品编号作为A款球鞋的身份标识信息，设置自己在某宝购物平台的商户账号作为自己的身份标识信息。进一步，可以通过商户端中的定价接口设置针对A款球鞋的初始价格为：210元，期望区间为：大于等于180元，且小于等于250元。完成上述设置后，1号商户可以点击确认。这时，商户端会根据1号商户设置的信息，生成针对1号商户的A款球鞋的定价请求。其中，该定价请求中除了携带有1号商户的身份标识信息、A款球鞋的身份标识信息，还携带有1号商户针对该商品的预设价格，以及价格期望区间。商户端将上述定价请求发送至某宝购物平台的定价服务器。

定价服务器在接收到上述定价请求后，通过对定价请求进行数据解析，提取出1号商户的身份标识信息，以及所针对的A款球鞋的身份标识信息，并根据上述两种身份标识信息建立与1号商户所售的A款球鞋对应的多个定价实验。其中，上述多个定价实验中的各个定价实验分别与1号商户的A款球鞋匹配对应。

具体的，定价服务器可以先响应上述定价请求，针对1号商户的A款球鞋，建立一个与该商户的身份标识信息，以及所针对的商品的身份标识信息对应的业务处理场景。例如，一种包含有多个定价实验的达尔文实验场景，可以记为1haoshanghu_Aqiuxie。可以参阅图4所示，上述多个定价实验中的每一个定价实验分别可以理解为是一种达尔文实验，或者AB实验。在定价服务器具体定价的过程中，会利用上述多个定价实验来随机为用户确定针对该A商品的推荐价格，再通过采集并根据用户对多个定价实验所确定出的推荐价格的反馈数据，从多个定价实验中找到效果相对较好的定价实验。

其中，该业务处理场景的标识信息可以通过综合1号商户的身份标识信息，以及A款球鞋的身份标识信息来确定。

进一步，在该业务处理场景中，定价服务器可以建立多个用于确定1号商户的A款球鞋的价格的定价实验。其中，上述多个定价实验中的每一个定价实验分别至少配置有定价模型和预设的实验分流比例。其中，不同定价实验所配置的定价模型可以不相同。

在具体建立上述多个定价实验时，定价服务器先可以根据1号商户的历史定价数据，或者其他商户针对相同或相似类型的商品的历史定价数据，或者购物平台提供的默认的参考数据，为1号商户针对A款球鞋，筛选出多种可行的定价模型。

例如，定价服务器可以从多种定价模型中筛选出离线定价模型、随机定价模型和固定定价模型，以及单卡在线定价模型、组合卡在线定价模型等多种可以适合于1号商户针对A款球鞋定价的业务处理场景的定价模型。

其中，上述随机定价模型(也可以称为随机定价算法)可以根据商户设置的预设价格和价格期望区间，通过随机函数为用户随机生成一个支持贝叶斯分布的价格，作为商品的价格。上述离线定价模型(也可以称为离线出价算法)可以预先根据商户设置的预设价格和价格期望区间，针对商户的商品通过离线算法T+1的方式离线计算出一个最优价格，作为商品价格；再将该价格存储在数据库中以便后续直接调用。上述单卡在线定价模型(也可以称为单卡在线定价算法)可以针对当前用户，在线对基于商户设置的预设价格和价格期望区间所生成的多个枚举价格，进行模拟预测，并根据模拟预测结果从多个枚举价格中筛选出对应当前用户的价格作为所确定出的商品价格。上述组合卡在线定价模型(也可以称为多卡在线定价算法)可以针对当前用户在线根据多卡优惠之间的制约关系，结合商户设置的预设价格和价格期望区间生成多种枚举组合，其中，每一个枚举组合包含有多个优惠价格的组合；再基于上述多个枚举组合对当前用户进行模拟预测，根据模拟预测结果从多个枚举组合中筛选出对应当前用户的枚举组合作为商品价格。

当然，需要说明的是，上述所列举的多种定价模型只是一种示意性说明。具体实施时，根据具体的应用场景和定价需要，还可以引入除上述所列举的定价模型以外其他类型的定价模型。对此，本说明书不作限定。

在本场景示例中，基于定价模型具体运行时是否需要进一步获取并利用关联特征数据，将多个定价模划分为第一类定价模型和第二类定价模型。

其中，上述第一类定价模型具体可以包括：离线定价模型、随机定价模型和固定定价模型等。上述第一类定价模型具体运行确定商品价格时，不需要获取利用关联特征数据。上述第二类定价模型具体可以包括：单卡在线定价模型、组合卡在线定价模型等。上述第二类定价模型具体运行确定商品价格时，还要获取利用关联特征数据。

其中，上述关联特征数据具体可以包括发起针对目标商品的价格获取请求的用户是否对商品进行购买、收藏等操作存在直接或间接关联的特征数据。具体的，上述关联特征数据可以包括：用户的画像特征、目标商品的商品特征、目标商户的商户特征、时间特征、天气特征等等。当然，上述所列举的关联特征数据只是一种示意性说明。具体实施时，根据具体情况和处理需要，还可以引入其他类型的特征数据作为上述关联特征数据。对此，本说明书不作限定。

定价服务器在为各个定价实验配置好对应的定价模型后，还会分别为各个定价实验配置好对应的预设的实验分流比例。其中，上述实验分流比例具体可以包括随机通过该实验分流比例所对应的定价实验为用户确定推荐价格的次数，与通过多个定价实验为用户确定推荐价格的总次数之间的比值。例如，某个定价实验所配置的预设的实验分流比例为10％，则当有100个用户来访问获取该商品的商品价格时，会随机有10个用户所获取的商品价格是通过该定价实验来确定的。

根据定价实验所配置的定价模型具体运行要求，定价服务器还会根据各个定价实验所配置的定价模型的具体情况，为定价实验配置相应的运行数据。例如，对于配置的定价模型为单卡在线定价模型这类运行需要获取关联特征数据的定价实验，定价服务器还会为该定价实验配置与关联特征数据相关的参数数据。例如，用于确定关联特征数据的类型的特征选取参数、调用关联特征数据的接口权限等。进而在具体实施时，可以先基于上述参数数据调用相应的接口获取定价实验所配置的定价模型运行所需要的类型的特征数据作为关联特征数据，来运行该定价模型。当然，具体实施时，定价服务器还可以获取并根据商户通过商品信息配置接口设置输入的信息，针对商户的具体要求来更精准地配置满足商户目标或要求的定价实验。

定价服务器在为定价实验配置了对应的定价模型后，还会为该定价实验配置预设的实验流量比例。

具体的，定价服务器可以查询并根据1号商户的历史定价数据，或者其他商户针对相同或相似类型的商品的历史定价数据来分别设置各个定价实验所对应的实验分流比例作为预设的实验分流比例。

此外，定价服务器也可以获取并根据发起定价请求的1号商户当前出售A款球鞋的具体情况，结合不同的定价实验所配置的定价模型运行的具体特点来设置对应各个定价实验的预设的实验分流比例。例如，1号商户当前是第一次在该购物平台上出售A款球鞋，且该购物平台上也缺少其他商户出售该A款球鞋的记录，可供参考的历史记录相对较少。而分别配置有单卡在线定价模型、组合卡在线定价模型的定价实验1和定价实验2由于所配置的定价模型需要对大量样本数据进行累积训练之后才能得到较为精准的效果，分别配置有离线定价模型、随机定价模型、固定定价模型的定价实验3、定价实验4和定价实验5则不需要对大量样本数据进行累积训练，基于本身的算法公式就能得到相应的商品价格。因此，在定价前期时，可以先将定价实验3、定价实验4和定价实验5的预设的实验分流比例设置得相对较大，例如都设置为25％，而将定价实验1和定价实验2的预设的实验分流比例设置得相对较小，例如都为12.5％。这样前期可以先较多地利用比较稳定的定价实验3、定价实验4和定价实验5通过所配置的不需要进行累积训练的定价模型来为确定A款球鞋的价格。在这段期间，定价实验1和定价实验2可以基于上述3种定价实验所得到的回流数据进行累积训练，以不断地通过累积训练得到效果较好的定价模型。后续，可以根据定价实验1和定价实验2的定价模型的训练情况，逐步地提高定价实验1和定价实验2的实验分流比例。

按照上述方式，定价服务器可以响应1号商户针对A款球鞋的定价请求，针对性地为1号商户的A款球鞋建立好对应的多个定价实验。

当用户甲通过自己的手机作为客户端，在某宝购物平台上浏览商品时，注意到A商户出售的A款球鞋正在做优惠活动。可以参阅图5所示。用户甲想要进一步了解该球鞋优惠活动期间的具体价格，可以点击某宝购物平台上所展示的该球鞋的图片链接，以发起进入该球鞋的商品页面请求。客户端在接收到用户甲的上述操作向展示服务器发起相应请求的同时，还会生成并向定价服务器发送用户甲针对1号商户所出售的A款球鞋的价格获取请求。

定价服务器在接收到上述价格获取请求后，会先根据该价格获取请求确定出所针对的商品为A款球鞋，确定该商品对应的商户为1号商户，进而可以根据A款球鞋的身份标识信息，以及1号商户的身份标识信息，检索到匹配对应的多个定价实验。例如，可以找到之前根据1号商户针对A款球鞋的定价请求所建立的业务处理场景中所包含的多个定价实验：定价实验1、定价实验2、定价实验3、定价实验4和定价实验5。进一步，定价服务器可以根据上述多个定价实验的实验分流比例，从上述多个定价实验中确定出一个定价实验作为针对用户甲的目标定价实验。可以参阅图6所示。

其中，按照上述方式确定出针对用户甲的目标定价实验的过程是相对随机的。例如，确定出的用户甲的目标定价实验可能是定价实验1，也可能是定价实验2，还可能是定价实验3、定价实验4和定价实验5中的任意一个。但是用户甲分别命中上述定价实验的概率是满足多个定价实验的实验分流比例。例如，用户甲命中定价实验1、2、3、4、5的概率满足以下关系：12.5％：12.5％：25％：25％：25％。

定价服务器可以按照上述方式确定出针对用户甲的目标定价实验，进一步可以通过目标定价实验来确定出与用户甲匹配的关于1号商户所出售的A款球鞋的价格，作为反馈给用户甲的推荐价格。

具体的，例如，如果确定出用户甲的目标定价实验为定价实验3，即配置有离线定价模型的定价实验这种第一类定价实验时，定价服务器可以通过定价实验3调用所配置的离线定价模型根据1号商户设置的预设价格和价格期望区间，通过离线算法模型生成一个最优价格，例如，220元，作为该反馈给用户甲的推荐价格。

当然，具体实施时，在接收到用户甲发起的价格获取请求之前，定价服务器还可以预先通过离线算法模型根据1号商户设置的预设价格和价格期望区间，计算出上述最优价格220元，并将该价格保存在数据库里。在确定用户甲的目标定价实验为定价实验3后，定价服务器还可以直接查询数据库获取定价实验3之前确定出的最优价格220元，并将该价格反馈给用户甲。

在本场景示例中，参阅图6所示，如果定价服务器确定出用户甲的目标定价实验为定价实验1，即配置有单卡在线定价模型的定价实验这种第二类定价实验时，定价服务器可以通过定价实验1所配置的特征选取参数确定出该定价实所配置的定价模型具体运行时所需要的关联特征数据，例如，包括：用户的画像特征和时间特征。进而，定价服务器还会利用定价实验1所配置的调用接口和权限，从某宝购物平台的特征数据库中获取用户甲的画像特征，以及当前的时间特征作为上述关联特征数据。进一步，定价服务器可以通过调用定价实验1所配置的单卡定价模型根据上述关联特征数据运行，进行模拟预测，确定出针对用户甲效果较好，例如比较有吸引力的价格，作为推荐价格。

具体的，单卡定价模型具体运行时，可以先根据1号商户设置的预设价格和价格期望区间，生成多个枚举价格，例如，生成：180元、190元、200元、210元、220元、230元、240元和250元一共8个枚举价格。进一步可以根据用户甲画像特征和时间特征，来模拟预测用户甲再看到上述多个枚举价格可能购买A款球鞋的概率，和/或，对A款球鞋进行收藏操作的概率，和/或，下次还会再点击A款球鞋的链接的概率，和/或，1号商户所得到的收益情况等等。进而可以综合上述针对枚举价格模拟预测的多种情况，生成对应该枚举价格的预测模拟结果，从而得到分别对应8个枚举价格的模拟预测结果。接着，定价服务器可以根据预设的评分规则，对上述8个模拟预测结果分别进行评分，找到评分最高的模拟预测结果作为对用户甲吸引力较大、效果较好，容易触发用户甲进行购买、收藏、回购等操作，同时对1号商户也能获得较好的收益的模拟预测结果，再将该模拟预测结果所对应的枚举价格确定为最终反馈给用户甲的推荐价格。例如，按照上述方式，定价服务器可以确定出200元作为推荐价格。

在本场景示例中，按照上述方式定价服务器通过用户甲的目标定价实验确定出推荐价格为200元，进而可以直接将该推荐价格发送给用户甲的客户端。

用户甲的客户端可以在接收并根据展示服务器反馈的A款球鞋的商品页面数据，展示A款球鞋的商品页面的同时，在该页面中填入所获取的推荐价格：200元。从而能够向用户甲展示出通过定价服务器确定出的与用户甲匹配的A款球鞋的推荐价格。

当然，上述定价服务器在确定出推荐价格后，还可以先将上述推荐价格发送至展示服务器。展示服务器可以根据该推荐价格，生成携带有推荐价格的A款球鞋的商品页面数据，再将上述携带有推荐价格的A款球鞋的商品页面数据发送至客户端。客户端可以直接根据上述携带有推荐价格的A款球鞋的商品页面数据，向用户甲展示出显示有价格为200元的A款球鞋的商品页面。

在本场景示例中，客户端还会采集用户甲针对展示有推荐价格的A款球鞋的操作数据。例如，用户甲针对A款球鞋的购买操作，或者针对A款球鞋的收藏操作等等。进而可以将上述操作数据作为一种回流数据反馈个定价服务器。

定价服务器可以通过上述方式，收集到大量用户针对展示有推荐价格的A款球鞋的回流数据。进而可以根据上述回流数据，对所建立的针对1号商户的A款球鞋的多个定价实验进行更新，得到更新后的定价模型。

具体更新时，定价服务器可以根据回流数据修改多个定价实验中的至少一个定价实验所配置的定价模型的模型参数，使得后续通过定价实验所配置的定价模型所确定出的推荐价格具有相对更好的效果。定价服务器还可以根据回流数据修改多个定价实验的预设的实验分流比例，使得多个定价实验中的效果相对较好的一个或某几个定价实验能够逐渐地获得越来越多的实验分流比例，这样定价服务器后续可以逐渐地找到并使用效果相对较好的定价实验来为用户进行针对1号商户的A款球鞋的推荐价格的确定。

例如，根据回流数据发现基于定价实验1得到的推荐价格相对于定价实验3得到的推荐价格具有更好的效果，对用户有更高的吸引力。例如，针对展示基于定价实验1所确定的推荐价格的商品，用户的成单率，回购率等普遍较高，1号商户的整体收益相对较好，这时，定价服务器可以有针对性地将定价实验1所配置的实验分流比例由原本的12.5％小幅度地调整为15％。相应的，将定价实验3所配置的实验分流比例由原本的25％小幅度地调整为22.5％，完成针对实验分流比例的调整更新。同时，根据具体情况，定价服务器也可以根据回流数据对5个定价实验所配置的定价模型分别进行相应的调整，完成针对定价模型的调整更新。从而完成了对多个定价实验的更新，得到了更新后的多个定价实验。

这时，定价服务器如果接收到其他用户，例如用户乙通过客户端生成并发送的针对1号商户的A款球鞋的价格获取请求时，可以利用上述更新后的多个定价实验，根据更新后的实验分流比例，从更新后的多个定价实验中确定出针对用户乙的目标定价实验，再通过该目标定价实验所配置的更新后的定价模型来确定出与用户乙匹配的价格，反馈给用户乙。

同时，定价服务器还会通过客户端采集用户乙针对上述展示有推荐价格的1号商户的A款球鞋的操作数据，作为回流数据；并根据上述回流数据，继续对与1号商户的A款球鞋匹配对应的多个定价实验进行更新。

这样，按照上述方式，通过多次的更新，可以使得定价服务器针对与1号商户的A款球鞋对应的多个定价实验中所使用的实验分流比例相对更加合理，使得多个定价实验中的各个定价实验所配置的定价模型相对更加精准，从而可以通过上述多个定价实验综合多种不同的定价模型的优势，配合1号商户的定价要求，针对具体的用户，确定出与该用户匹配的、效果较好、有吸引力的价格作为推荐价格。再通过向用户展示上述推荐价格，提高用户购买1号商户的A款球鞋的交易成单率，例如，GMV(Gross Merchandise Volume，成交总额)值等，同时也能使得1号商户得到相对较好的收益，满足1号商户的销售目标。

由上述场景示例可见，本说明书提供的推荐价格的确定方法，通过预先根据目标商户针对目标商品的定价请求，建立对应的分别至少配置有定价模型和实验分流比例的多个定价实验；在接收到用户针对目标商品的价格获取请求时，可以先根据价格获取请求，从上述多个定价实验中确定出一个定价实验作为针对该用户的目标定价实验，再通过目标定价实验来确定出与该用户匹配的推荐价格，从而能够综合利用多种不同定价模型，适用多种不同的场景，配合不同目标商户定价要求，针对具体用户灵活地确定出与该用户匹配的、效果较好的推荐价格反馈给用户，以提高用户针对该目标商品的交易成单率，同时又能较好地兼顾目标商户的收益，提升目标商户的核销率和GMV值等。

参阅图7所示，本说明书实施例提供了一种商品的推荐价格的确定方法，可以为用户在线确定并展示出与用户匹配的目标商品的推荐价格。其中，该方法具体应用于定价服务器一侧。具体实施时，该方法可以包括以下内容。

S701：接收用户针对目标商品的价格获取请求。

在一些实施例中，上述目标商品具体可以包括用户感兴趣的，想要进一步了解具体价格的商品。

在一些实施例中，当用户通过客户端浏览购物网站，客户端可以在展示购物网站上出售的商品时，先不展示出商品的具体价格，而只展示包含有商品的基本信息，例如，形状、尺寸、颜色等特征的商品图片。

在一些实施例中，当用户通过客户端浏览目标商户在购物网站上展示的商品图片时，对某个商品图片所对应的商品感兴趣，想要了解感兴趣的该商品的具体价格，可以在客户端上点击该商品图片。客户端接收并根据用户的上述操作，将该商品图片所表征的商品确定为目标商品；确定出售该目标商品的商户作为目标商户；生成并向定价服务器发送用户针对该目标商品的价格获取请求。相应的，定价服务器可以接收到上述针对目标商品的价格获取请求。

当然，上述所列举客户端生成发送价格获取请求，以及定价服务器接收价格获取请求的方式只是一种示意性说明。具体的实施时，根据具体场景，还可以是，当用户点击进入购物网站的商品列表页面时，客户端会生成并向购物网站的展示服务器发起相应的页面数据获取请求时。展示服务器接收并根据页面数据获取请求，准备相应的包含有商品列表的页面数据。展示服务器在准备上述页面数据时，发现上述数据中包含有商品的价格数据，这时，可以将该页面中所包含的多个商品确定为用户想要查询价格的目标商品，生成针对上述多个目标商品的价格获取请求，并将上述价格获取请求发送至定价服务器，以便定价服务器反馈相应的价格数据，来生成最终发送给用户的客户端的页面数据。

在一些实施例中，上述价格获取请求中具体还可以携带有目标商品的标识信息和目标商户的标识信息。其中，上述目标商品的标识信息具体可以包括：目标商品的商品编号、目标商品的名称、目标商品的条形码等。上述目标商户的标识信息具体可以包括：目标商户的账户、目标商户的名称、目标商户注册时使用的身份证编号等。

S702：根据所述价格获取请求，确定出与所述价格获取请求匹配的多个定价实验，其中，所述多个定价实验中的各个定价实验至少配置有对应的定价模型，和对应的实验分流比例。

在一些实施例中，定价服务器预先可以响应多个商户针对多个不同的商品的定价请求，建立对应一个商户的一个商品的多个定价实验。例如，定价服务器可以预先响应1号商户针对A款球鞋的定价请求，建立与1号商户的A款球鞋对应的多个定价实验，可以将上述多个定价实验统一记为业务处理场景1shanghu_Aqiuxie。同时，定价服务器还可以响应2号商户针对A款球鞋的定价请求，以及2号商户针对B款运动服的定价请求，分别建立与2号商户的A款球鞋对应的多个定价实验，记为业务处理场景2shanghu_Aqiuxie；以及与2号商户的B款运动服的对应的多个定价实验，记为业务处理场景2shanghu_Byundongfu。

在一些实施例中，上述业务处理场景可以理解为一个达尔文实验场景。相应的，在一个业务处理场景中所包含的多个定价实验可以理解为一个达尔文实验场景下的多个达尔文实验。具体的，上述多个定价实验中的各个定价实验分别理解为同一个达尔文实验场景下的一个达尔文实验。其中，上述达尔文实验可以理解为一种AB实验。

具体的，一个业务处理场景中的多个定价实验中的各个定价实验分别至少配置有对应的定价模型，以及对应的实验分流比例。每一个定价实验所配置的定价模型可以不相同。

通过多次地应用运行上述业务处理场景中的多个定价实验，结合相应的回流数据可以逐渐地对定价实验所配置的定价模型进行调整，并逐渐地找到定价效果相对较好的定价实验。进而可以通过调整定价实验的实验分流比例，使得后续在应用运行上述业务处理场景中的多个定价实验来为用户进行定价时，能够逐渐地倾向选择调用运行定价效果较好的定价实验。

在一些实施例中，上述实验分流比例具体可以包括随机确定通过该实验分流比例所对应的定价实验为用户确定推荐价格的次数，与通过多个定价实验为用户确定推荐价格的总次数的比值。

在一些实施例中，上述定价模型具体可以包括一种定价实验中用于确定与用户匹配的目标商品的推荐价格的算法。其中，上述推荐价格具体可以理解为一种效果较好，对用户吸引力较大的价格，基于该价格用户相对会更愿意去购买、收藏或者回购该商品，同时商户也可以获取相对较高的收益，以及店铺流量等等。

在一些实施例中，上述定价模型具体可以包括运行时不需要获取并利用关联特征数据的第一类定价模型。具体的，上述第一类定价模型可以包括：随机定价模型、离线定价模型和固定定价模型等。上述定价模型具体还可以包括运行时需要获取并利用关联特征数据的第二类定价模型。具体的，上述第二类定价模型可以包括：单卡在线定价模型和组合卡在线定价模型等。当然，需要说明的是，上述所列举的定价模型只是一种示意性说明。具体实施时，根据具体的应用场景和处理需要，还可以引入除上述所列举的多种定价模型以外其他类型的定价模型。对此，本说明书不作限定。

在一些实施例中，上述第二类定价模型具体可以包括基于神经网络模型等所建立的定价模型。

具体实施时，定价服务器在响应目标商户的定价请求，建立上述第二类型定价模型以配置对应的定价实验时，可以根据定价请求，结合目标商户、目标商品以及所处的业务场景的具体特点，先确定出合适的模型结构，以及对应的目标函数；再根据上述模型结构和目标函数来建立对应的第二类定价模型。其中，上述模型结构具体可以包括：Attention结构、特征组合结构、长短期偏好融合等。

具体实施时，在具体确定用于建立第二类定价模型的模型结构时，例如，定价服务器可以选择使用DIN(Deep Interest Network，深度兴趣网络)作为模型结构中的Attention结构。定价服务器进一步可以选择使用Wide&Deep(一种用于分类和回归的神经网络)，或者，DCN(Deep&Cross Network，一种能够保持深度神经网络良好收益的深度交叉网络)，或者DeepFM(Deep Factorization Machine，包括神经网络部分和因子分解机部分，分别用于负责提取低阶特征和高阶特征)，或者PNN(Product-based Neural Network)等等作为上述特征组合结构。定价服务器可以选择使用RNN(Recurrent Neural Network，一种用于处理序列数据的神经网络)+深度协同过滤，或者Memory等结构进行长短期偏好融合等。当然，需要说明的是，上述所列举的模型结构只是一种示意性说明。具体实施时，根据具体情况，定价服务器还可以选择使用其他合适的Attention结构、特征组合结构、长短期偏好融合等来得到对应的定价模型的模型结构。

在具体确定用于建立第二类定价模型的目标函数时，例如，定价服务器根据具体情况，可以通过设置对应目标函数来提升AUC(Area Under the Curve，一种机器学习领域中的模型评估指标)。也可以通过设置对应目标函数以加快模型的收敛速度等等。当然，上述所列举的针对目标函数的操作方式也是一种示意性说明。具体实施时，根据具体情况可以采用其他合适的方式来设置定价模型中的目标函数，对此，本说明书不作限定。

在一些实施例中，上述关联特征数据具体可以包括与用户是否对目标商品进行购买、收藏、回购等操作存在直接或间接关联的特征数据。具体的，上述关联特征数据可以包括：用户的画像特征(例如，用户的年龄、职业、收入等)、目标商品的商品特征(例如，目标商品的价格、类别、上市时间等)、目标商户的商户特征(例如，目标商户的评价、店铺等级、日流量数据等)、时间特征(例如，用户发起价格获取请求时的日期、该日期邻近的节假日等)、天气特征(例如，用户发起价格获取请求时的天气、所处的季节、温度等)等等。当然，上述所列举的关联特征数据只是一种示意性说明。具体实施时，根据具体情况和处理需要，还可以引入其他类型的特征数据作为上述关联特征数据。对此，本说明书不作限定。

在一些实施例中，在定价实验所配置的定价模型为第一类定价模型的情况下，该定价实验还可以配置有的特征选取参数、调用关联特征数据的接口权限等其他与定价模型运行相关的运行数据。

在一些实施例中，定价服务器可以根据价格获取请求确定出用户想要获取价格的目标商品，以及出售该目标商品的目标商户。再确定并根据目标商品的标识信息和目标商户的标识信息，从预先建立的定价实验中，检索找到与目标商品的标识信息和目标商户的标识信息匹配的多个定价实验，作为与价格获取请求匹配的多个定价实验。当然，也可以是定价服务器从价格获取请求中提取出价格获取请求所携带的目标商品的标识信息，以及目标商户的标识信息，再根据上述目标商品的标识信息和目标商户的标识信息，确定出匹配的多个定价实验。

S703：根据所述多个定价实验的实验分流比例，从所述多个定价实验中确定出一个定价实验，作为目标定价实验。

在一些实施例中，定价服务器可以根据预设的随机规则从多个定价实验中随机确定出一个定价实验，作为针对该用户的目标定价实验。

其中，上述预设的随机规则可以基于与获取请求匹配的多个定价实验的实验分流比例确定。通过上述预设的随机规则所确定出的多个定价实验中的各个定价实验为用户的目标实验的概率的比值，与所述多个定价实验中对应定价实验的实验分流比例的比值相同或者相近。

在一些实施例中，具体实施时，定价服务器还可以根据所述多个定价实验中的各个定价实验的实验分流比例，通过达尔文实验场景分流，随机确定出用户所命中的目标定价实验。

S704：通过所述目标定价实验，确定出与所述用户匹配的价格，作为反馈给所述用户的所述目标商品的推荐价格。

在一些实施例中，具体实施时，定价服务器可以根据用户的目标定价实验，通过调用目标定价实验所配置的定价模型，来结合目标商户的定价请求，确定出与该用户匹配的价格，作为针对该用户的目标商品的推荐价格。

其中，上述目标商户的定价请求至少携带有目标商户设置的针对目标商品的预设价格(例如初始价格)，以及目标商品的价格期望区间等信息。

在一些实施例中，具体的，在确定目标定价实验所配置的定价模型为第一类定价模型的情况下，定价服务器可以通过该定价模型根据目标商户的定价请求中携带的预设价格和价格期望区间，生成多个枚举价格。再通过定价模型中相应算法公式，从多个枚举价格中筛选出一个最优价格作为目标商品的推荐价格。

在一些实施例中，在确定目标定价实验所配置的定价模型为第二类定价模型的情况下，定价服务器可以先根据目标定价实验所配置的特征选取参数，获取目标定价实验所配置的定价模型具体运行时需要的关联特征数据。再利用定价模型根据目标商户的定价请求中携带的预设价格和价格期望区间生成多个枚举价格。并根据上述关联特征数据，预测上述多个枚举价格对用户的吸引力。例如，模拟向用户展示携带有某一个推荐价格的目标商品时，检测用户是否可能会进行例如购买、收藏、回购等正向反馈操作。同时，也可以进一步模拟以该推荐价格出售目标商品时，目标商户的收益情况，以及对目标商户的流量的影响情况等等。通过上述模拟，可以得到对应的多个预测结果。进一步，可以根据所述多个预测结果，从多个枚举价格中筛选出与用户匹配的、效果较好的价格作为反馈给用户的目标商品的推荐价格。

在一些实施例中，定价服务器在按照上述方式确定出与用户匹配的推荐价格后，可以将该推荐价格直接发送至客户端。进而客户端可以向用户展示出携带有推荐价格的目标商品。由于按照上述方式确定出的推荐价格对用户具有相对较高的吸引力，有助于使得用户在看到上述推荐价格后相关更愿意进行诸如购买、收藏、回购等正向反馈操作。同时由于上述推荐价格又是考虑兼顾到了目标商户的具体定价请求所确定出的，因此基于该推荐价格目标商户也可以获得相对较好收益，得到较好的GMV值。

当然，上述定价服务器也可以将上述推荐价格发送至购物网站的展示服务器，由展示服务器根据上述推荐价格，生成携带有推荐价格的目标商品的页面数据。再将上述页面数据反馈给客户端，通过客户端向用户展示出携带有推荐价格的目标商品的相关页面。

在一些实施例中，具体实施时，定价服务器还可以通过客户端采集用户针对展示有推荐价格的目标商品的操作数据，例如，用户针对展示有推荐价格的购买操作、收藏操作、回购等正向反馈操作，或者关闭、投诉等反向反馈操作等等。当然，上述所列举的操作只是一种示意性说明。具体实施时，根据具体应用场景，还可以采用用户其他类型的操作，例如，用于表征用户期望购买目标商品的“种草”操作等等。进一步，客户端可以将上述操作数据作为一种回流数据反馈给定价服务器。

定价服务器在收到上述回流数据后，可以根据上述回流数据对之前所使用的针对目标商户的目标商品的多个定价实验进行更新。

具体的，定价服务器可以根据回流数据对所述多个定价实验中的至少一个定价实验所配置的定价模型的模型参数进行调整。例如，可以根据回流数据有针对性地修改某个定价模型中使用的阈值参数，或者调整该定价模型所配置的特征选取参数等等。从而实现对定价模型的更新。定价服务器还可以根据回流数据调整多个定价实验中定价实验配置的实验分流比例。例如，可以根据回流数据，逐渐地将生成的推荐价格的反馈效果相对较好的定价实验的实验分流比例小幅度调高，将生成的推荐价格的反馈效果相对较差的定价实验的实验分流比例小幅度调低。

在一些实施例中，按照上述方式，定价服务器可以根据回流数据对多个定价实验进行多次更新，从而可以得到适合于当前具体场景的，能够较为精准地为用户确定出具有较好效果、较大吸引力的推荐价格，同时又能兼顾目标商户的具体要求和收益的定价实验组合，以及该定价实验组合中各个定价实验的实验分流比例。其中，上述定价实验组合中具体可以包括多个定价实验，也可以只包括一个定价实验。后续，可以利用上述定价实验组合来为用户确定针对目标商户的目标商品的推荐价格。

通过上述方式，定价服务器可以综合多种定价模型的优势在为用户确定匹配的推荐价格的同时，还能不断地通过根据回流数据对多个定价实验进行调整更新。具体的，定价服务器根据每次为用户确定出的推荐价格后所得到的回流数据，对多个定价实验所配置的定价模型和实验分流比例分别进行相应的调整更新，从而使得所使用的多个定价实验能够越来越精准地匹配当前用户对该商品价格的反映规律，进而能够通过多个定价模型越来越精准地确定出与用户匹配的、具有较好效果、较高吸引力的推荐价格，从而提高用户的成单率。同时，由于上述定价实验在确定推荐价格的过程中还兼顾考虑到了目标商户的定价请求，从而能够兼顾目标商户的收益，提升目标商户的核销率，使得目标商户得到较好的GMV值。

在一个实施例中，上述确定出与所述价格获取请求匹配的多个定价实验，具体实施时，可以包括以下内容：根据所述价格获取请求，提取出所述目标商品的标识信息，以及出售所述目标商品的目标商户的标识信息；检索与所述目标商品的标识信息和所述目标商户的标识信息匹配的多个定价实验，作为与所述价格获取请求匹配的所述多个定价实验。这样定价服务器可以有效地区分为针对不同商户不同商品所建立的定价实验，快速、准确地找到并使用与目标商户的目标商品对应匹配的多个定价实验，来为用户确定推荐价格。

在一个实施例中，在通过所述目标定价实验，确定出与所述用户匹配的价格，作为反馈给所述用户的所述目标商品的推荐价格后，所述方法具体实施时，还可以包括以下内容：向所述用户展示所述目标商品的推荐价格。由于所确定的推荐价格是与用户相匹配的，具有较好效果、较高吸引力的商品价格，使得用户在面对展示有上述推荐价格的目标商品，更愿意进行例如购买、收藏或者回购等正向操作，从而有助于提高用户的成单率和目标商户的GMV值。

在一个实施例中，在向所述用户展示所述目标商品的推荐价格后，所述方法具体实施时，还可以包括以下内容：采集所述用户针对展示有推荐价格的目标商品的操作数据，作为回流数据；根据所述回流数据，更新所述多个定价实验。从而可以通过在利用现有的多个定价实验为用户确定推荐价格的同时，采集并利用用户针对展示有推荐价格的目标商品的回流数据，不断地对现有的多个定价实验进行更新，使得所使用的多个定价实验越来越精准、合理。

在一个实施例中，所述根据所述回流数据，更新所述多个定价实验，具体实施时，可以包括：根据所述回流数据，调整所述多个定价实验中的至少一个定价实验所配置的定价模型的模型参数，和/或，调整所述多个定价实验的实验分流比例等。当然，上述所列举的根据回流数据对定价实验进行更新方式只是一种示意性说明。具体实施时，根据具体的应用场景，以及定价实验所配置的定价模型具体运行时的要求，还可以采用其他合适的更新方式对定价实验进行更新。例如，还可以根据回流数据对定价实验所配置的特征选取参数等进行调整等。对此，本说明书不作限定。

在一些实施例中，所述定价模型具体可以包括第一类型定价模型和第二类定价模型，其中，所述第一类定价模型具体可以包括以下至少之一：离线定价模型、随机定价模型和固定定价模型等；所述第二类定价模型具体可以包括以下至少之一：单卡在线定价模型、组合卡在线定价模型等。当然，需要说明的是，上述所列举的定价模型只是一种示意性说明。具体实施时，根据具体情况还可以引入除上述所列举的定价模型以外其他类型的定价模型。对此，本说明书不作限定。

在本实施例中，通过综合基于上述多种定价模型的多个定价实验，能够充分地利用多种定价模型的优势，更加精准地配合目标商户的需求，为用户确定出匹配的、具有吸引力的目标商品的推荐价格。

在一些实施例中，在目标定价实验所配置的目标定价模型包括第二类定价模型的情况下，所述目标定价实验还配置有与目标定价模型关联的特征选取参数。

在一些实施例中，在所述目标定价实验所配置的所述目标定价模型包括所述第二类定价模型的情况下，所述通过所述目标定价实验，确定出与所述用户匹配的价格，作为反馈给所述用户的所述目标商品的推荐价格，具体实施时，可以包括以下内容：根据目标商户的定价请求，生成多个枚举价格；根据所述特征选取参数，获取关联特征数据；调用所述目标定价模型根据所述关联特征数据，预测所述多个枚举价格对用户的吸引力，得到多个预测结果；根据所述多个预测结果，从所述多个枚举价格中筛选出与所述用户匹配的价格，作为反馈给所述用户的所述目标商品的推荐价格。

在本实施例中，上述定价请求中具体可以携带有目标商户设置的针对目标商品的预设价格，以及目标商户针对目标商品的价格期望区间。进而定价模型可以结合目标商户的定价请求，兼顾目标商户的要求来确定出与用户匹配，同时也兼顾目标商户的收益的推荐价格。

在一些实施例中，所述关联特征数据具体可以包括以下至少之一：用户的画像特征、目标商品的商品特征、目标商户的商户特征、时间特征、天气特征等等。当然，上述所列举的关联特征数据只是一种示意性说明。具体实施时，根据具体的应用场景和处理需求，还可以引入其他类型的特征数据作为关联特征数据，来参与进行推荐价格的确定。

由上可见，本说明书实施例提供的商品的推荐价格的确定方法，通过预先根据目标商户针对目标商品的定价请求，建立对应的分别至少配置有定价模型和实验分流比例的多个定价实验；在接收到用户针对目标商品的价格获取请求时，可以先根据价格获取请求，从上述多个定价实验中先确定出用户的目标定价实验，再通过目标定价实验来确定出与用户匹配的推荐价格，从而能够综合利用多种不同定价模型，适用多种不同的场景，配合不同目标商户定价要求，针对具体用户灵活地确定出与该用户匹配的、效果较好、具有吸引力的商品推荐价格反馈给用户，以提高用户针对目标商品的交易成单率，同时又能较好地兼顾目标商户的收益，提升目标商户的核销率和GMV值。还通过获取回流数据，并根据回流数据对定价实验的定价模型和/或实验分流比例不断地进行针对性的动态调整更新，使得在确定反馈给用户的推荐价格时，能够结合当前的具体情况，通过对调整更新后的多个定价实验，更加精准地生成并反馈给用户效果更好、吸引力更高的推荐价格，从而能够进一步提高用户针对目标商品的交易成单率，以及目标商户的收益。

参阅图8所示，本说明书实施例还提供了一种商品的推荐价格的确定方法，以响应不同商户针对不同商品的定价请求，配合具体的业务处理场景和要求，针对性地建立与目标商户的目标商品对应的多个定价实验，再通过上述多个定价实验在线为用户确定出匹配的推荐价格。其中，该方法具体可以应用于定价服务器一侧。具体实施时，可以包括以下内容。

S801：接收目标商户的针对目标商品的定价请求。

在一些实施例中，目标商户可以通过商户端向定价服务器生成并发送针对目标商户的目标商品的定价请求。其中，上述定价请求中具体可以携带有目标商户的标识信息，以及目标商品的标识信息等信息。

具体的，目标商户可以根据自己的具体情况和销售收益目标，通过商户端设置针对目标商品的初始价格，以及价格期望区间，使得发送至定价服务器的定价请求还可以携带有目标商品的预设价格和价格期望区间。这样，定价服务器可以根据定价请求，基于目标商户设置的预设价格和价格期望区间来确定出符合目标商户的要求的，能兼顾目标商户收益的推荐价格。

在一些实施例中，进一步，目标商户还可以通过商户端设置例如商品的目标销量、商品的价格分布、商品所主要针对目标用户群体等更加细化的与所售的目标商品相关的定制信息，以便细化目标商户定价要求。这样定价服务器可以结合上述定制信息，更好地配合目标商户的具体需求，来为用户生成匹配的推荐价格。

S802：根据所述定价请求，针对所述目标商户的所述目标商品，建立对应的多个定价实验，其中，所述多个定价实验中的各个定价实验至少配置有预设的定价模型，和预设的实验分流比例，所述多个定价实验用于确定与用户匹配的所述目标商品的推荐价格。

在一些实施例中，在接收到目标商户的定价请求后，可以根据上述定价请求，确定出所针对的目标商品的标识信息，以及所对应的目标商户的标识信息，进而可以根据上述目标商品的标识信息，和目标商户的标识建立对应匹配的多个定价实验。其中，上述多个定价实验可以根据目标商品的标识信息和目标商户的标识信息检索确定出。

在一些实施例中，定价服务器可以先根据目标商户的标识信息和目标商品的标识信息建立一个大的业务处理场景，进而在该业务处理场景中分别建立对应的多个达尔文实验作为定价实验。并且为上述多个定价实验中的各个定价实验分别至少配置有对应的预设的定价模型和预设的实验分流比例。

在一些实施例中，具体实施时，定价服务器可以根据目标商户的历史定价数据，或者其他商户针对与目标商品相同或相似类型的商品的历史定价数据，或者默认的参考数据，为目标商户的目标商品，筛选出多种可行的定价模型。例如，可以从多种定价模型中筛选出离线定价模型、随机定价模型和固定定价模型，以及单卡在线定价模型、组合卡在线定价模型等多种可以适合于目标商户的目标商品定价的业务处理场景的定价模型作为预设的定价模型。

在一些实施例中，定价服务器在为定价实验配置好预设的定价模型后，还可以为各个定价实验配置对应的预设的实验分流比例。其中，上述实验分流比例具体可以包括随机通过该实验分流比例所对应的定价实验为用户确定推荐价格的次数与通过多个定价实验为用户确定推荐价格的总次数的比值。

在一些实施例中，具体实施时，上述定价模型具体可以细分为第一类型定价模型和第二类定价模型。其中，上述第一类定价模型具体可以包括运行时不需要获取利用关联的特征数据的定价模型。具体的，上述第一类定价模型可以包括：离线定价模型、随机定价模型和固定定价模型等。上述第二类定价模型具体可以包括运行时需要获取利用关联的特征数据的定价模型。例如，基于深度学习得到的定价模型。具体的，上述第二类定价模型可以包括：单卡在线定价模型、组合卡在线定价模型等。

其中，上述关联特征数据具体可以包括与发起针对目标商品的价格获取请求的用户是否对商品进行购买、收藏等操作存在直接或间接关联的特征数据。具体的，上述关联特征数据可以包括：用户的画像特征、目标商品的商品特征、目标商户的商户特征、时间特征、天气特征等等。当然，上述所列举的关联特征数据只是一种示意性说明。具体实施时，根据具体情况和处理需要，还可以引入其他类型的特征数据作为上述关联特征数据。对此，本说明书不作限定。

在一些实施例中，针对上述配置有第二类定价模型的定价实验，除了配置对应预设的定价模型和预设的实验分流比例外，还可以配置有于确定关联特征数据的类型的特征选取参数，以及调用关联特征数据的接口权限等其他的运行数据。

在一些实施例中，具体实施时，定价服务器可以根据目标商户当前出售目标商品的阶段特征，来设置预设的实验分流比例。

例如，在定价服务器确定目标商户当前出售目标商品的阶段为活动的前期，可以将配置有随定价模型和固定定价模型的定价实验的预设的实验分流比例设置得相对较高，将配置有单卡在线定价模型和组合卡在线定价模型的定价实验的预设的实验分流比例设置得相对较低。这样可以在活动前期更多地通过配置有随机定价模型的定价实验和配置有固定定价模型的定价实验来为用户确定推荐价格，以便可以通过上述实验获取较多的回流数据来训练配置有单卡在线定价模型或者这块在线定价模型等定价实验的定价模型。

在定价服务器确定目标商户当前出售目标商品阶段为活动的中后期，考虑到在前期配置有单卡在线定价模型或者这块在线定价模型等定价实验的定价模型已经通过对大量的回流数据的训练具有较高的准确度，这时，可以将配置有随定价模型和固定定价模型的定价实验的预设的实验分流比例设置得相对较低，将配置有单卡在线定价模型和组合卡在线定价模型的定价实验的预设的实验分流比例设置得相对较高。

当然，上述所列举的确定预设的实验分流比例的方式只是一种示意性说明。具体实施时，根据具体情况，也可以采用根据历史处理记录来参考设置各个定价实验的预设的实验分流比例等。

在一些实施例中，在按照上述方式响应目标商户的定价请求，针对目标商户的目标商品建立了对应匹配的上述多个定价实验后，当用户想要获取目标商户的目标商品的具体价格时，定价服务器可以接收并响应用户的价格获取请求，根据多个定价实验的预设的实验分流比例，从与用户的价格获取请求匹配的多个定价实验中确定出一个定价实验，作为针对该用户的目标定价实验，进而可以通过目标定价实验来确定出与该用户匹配的目标商品的推荐价格。

在一些实施例中，在确定出目标商品的推荐价格后，进一步还可以将上述推荐价格反馈并展示给用户，并通过用户使用过的客户端采集用户针对上述展示有推荐价格的目标商品的操作数据，作为回流数据。进而可以根据上述回流数据，有针对性对当前所使用的多个定价实验进行更新。

具体的，定价服务器可以根据回流数据调整所述多个定价实验中的至少一个定价实验所配置的预设的定价模型，并将调整后的定价模型更新为该定价实验所配置的定价模型；和/或，调整所述多个定价实验的预设的实验分流比例，并将调整后的实验分流比例更新为所述多个定价实验的实验分流比例，从而实现对多个定价实验的调整更新。这样可以得到更加准确的，更符合当前用户场景，配合目标商户需求的多个定价实验。进而通过上述多个定价实验可以更精准地分别为各个用户确定出匹配的推荐价格反馈给用户，以提高用户的成单率，同时也能够兼顾目标商户的收益，提升目标商户的核销率和GMV值。

在一些实施例中，所述定价请求具体还可以携带有所述目标商户的标识信息，以及所述目标商品的标识信息；相应的，根据所述定价请求，针对所述目标商户的所述目标商品所建立的所述多个定价实验与所述目标商户的标识信息和所述目标商品的标识信息对应。

在一些实施例中，在接收目标商户的针对目标商品的定价请求后，所述方法具体实施时，还可以包括以下内容：接收所述目标商户的定制信息，其中，所述定制信息包括以下至少之一：所述目标商品的销售目标、所述目标商品的价格分布、所述目标商品所针对的目标用户等。

这样目标商户可以通过定价请求设置更丰富、细化的与所售的目标商品相关的定制信息，进一步细化目标商户定价要求，从而使得定价服务器可以通过结合上述定制信息，更好地配合目标商户的具体需求，来为用户生成匹配的推荐价格。

在一些实施例中，所述根据所述定价请求，针对所述目标商户的所述目标商品，建立对应的多个定价实验，具体实施时，可以包括以下内容：根据所述定价请求，以及所述定制信息，选择对应的多个定价模型来构建所述多个定价实验中的各个定价实验的预设的定价模型；并根据所述定制信息，确定所述多个定价实验中的各个定价实验的预设的实验分流比例。这样可以满足不同的目标商户的多样化定制要求，建立适用不同商户不同商品不同情况的多个定价实验。

在一些实施例中，所述方法具体实施时，还可以包括以下内容：获取回流数据，其中，所述回流数据根据用户针对展示有推荐价格的目标商品的操作数据生成；根据所述回流数据，调整所述多个定价实验中的至少一个定价实验所配置的预设的定价模型，并将调整后的定价模型更新为该定价实验所配置的定价模型；和/或，调整所述多个定价实验的预设的实验分流比例，并将调整后的实验分流比例更新为所述多个定价实验的实验分流比例。这样定价服务器在每一次利用当前使用的多个定价实验为用户确定推荐价格的同时，还可以通过获取并利用本次实验得到的回流数据，不断地对当前所使用的多个定价实验进行调整更新，以不断地提高多个定价实验的准确度，从而使得定价服务器后续可以通过更新后的多个定价实验更加精准地确定出与用户匹配的推荐价格。

在一些实施例中，定价服务器还可以将上述回流数据通过商户端反馈给目标商户，以便目标商户可以及时地了解到基于当前所使用的多个定价实验为用户确定匹配的推荐价格所带来的效果情况。进一步，定价服务器也可以通过上述商户端接收目标商户基于上述回流数据，反馈的调整指示。进而，定价服务器可以根据回流数据，结合目标商户反馈的调整指示，更好配合目标商户的具体要求来对当前使用的多个定价实验进行调整更新，从而使得更新后的多个定价实验能够更加准确地贴合目标商户的要求。

在一些实施例中，为了进一步方便不同商户针对不同商品进行定价请求，具体实施时，不同商户通过商户端的定价接口所发送的针对不同商品的定价请求，会由定价网关进行接收。定价网关在收到上述定价请求后，可以从多个定价服务器中找到处于空闲状态，或者适合处理该定价请求的定价服务器，再将定价请求分配到该定价服务器进行具体处理，由该定价服务器通过定价引擎针对该定价请求生成对应的任务单元，再由该任务单元负责根据该定价请求建立对应的多个定价实验，从而能够有效地提高接入并根据大量商户的定价请求，建立对应的多个定价实验的处理效率。

在一些实施例中，上述定价网关在具体分配定价请求之前，还可以先对上述定价请求进行身份验证，以及安全验证。在对发送定价请求的商户身份验证通过，对定价请求安全验证通过的情况下，才会将定价请求分配给对应的定价服务器进行处理，从而可以保证系统整体的稳定、安全，同时保护定价服务器上针对不同商户的不同商品的定价实验的数据安全。

由上可见，本说明书实施例提供的商品的推荐价格的确定方法，可以方便不同商户的接入，高效准确地为不同商户的不同商品建立对应匹配的多个定价实验，再通过上述多个定价实验精准地为用户确定出与用户匹配的，同时又能兼顾商户的具体要求的推荐价格反馈给用户，提高用户的成单率，以及商户的核销率、GMV值等。

本说明书还提供了另一种商品的推荐价格的确定方法。该方法具体实施时，可以包括以下内容。

S1：接收第二用户针对目标商品的价格获取请求。

S2：确定出与所述价格获取请求匹配的多个定价实验，其中，所述多个定价实验中的各个定价实验至少配置有对应的定价模型，和对应的实验分流比例；所述多个定价实验中的各个定价实验至少配置有对应的定价模型，和对应的实验分流比例，为根据与第一用户相关的回流数据对所述多个定价实验中的至少一个定价实验所配置的预设的定价模型，和/或，所述多个定价实验的预设的实验分流比例进行更新得到的。

S3：根据所述多个定价实验的实验分流比例，从所述多个定价实验中确定出一个定价实验，作为目标定价实验。

S4：通过所述目标定价实验，确定出与所述第二用户匹配的价格，作为反馈给所述第二用户的所述目标商品的推荐价格。

在本实施例中，上述第一用户具体可以包括在第二用户之前向定价服务器发送针对目标商户的目标商品的价格获取请求的用户。

具体的，第一用户和第二用户可以是不同的用户。其中，第一用户可以是更早发送价格获取请求的用户。第一用户和第二用户也可以是相同的用户。例如，第一用户和第二用户都可以是同一个用户：用户乙，而第一用户可以是较早的时候发送价格获取请求时的用户乙，第二用户可以是较晚的时候针对同一个目标商户的同一个目标商品再次发送价格获取请求时的用户乙。

在本实施例中，定价服务器在利用预先根据目标商户的定价请求所建立的多个定价实验为第一用户确定匹配的推荐价格的同时，还可以采集第一用户的回流数据，并根据第一用户的回流数据对当前使用的多个定价实验进行更新。对于第二用户，可以使用更加准确的，更符合当前用户的更新后的多个定价实验来确定推荐价格，从而可以使得所确定的推荐价格具有更好的效果，基于该推荐价格，可以进一步提高第二用户的成单率，同时也能进一步提高目标商户的核销率和GMV值等。

本说明书实施例还提供了一种商品价格的展示方法，该方法具体可以应用于展示服务器。可以参阅图9所示，该方法具体实施时，可以包括以下内容：

S901：接收用户针对目标商品的价格获取请求。

S902：响应所述价格获取请求，调用定价服务器确定出与所述价格获取请求匹配的多个定价实验，其中，所述多个定价实验中的各个定价实验至少配置有对应的定价模型，和对应的实验分流比例；根据所述多个定价实验的实验分流比例，从所述多个定价实验中确定出一个定价实验，作为目标定价实验；并通过所述目标定价实验，确定出与所述用户匹配的价格，作为所述目标商品的推荐价格。

S903：接收并向所述用户展示所述目标商品的推荐价格。

在一些实施例中，在向所述用户展示所述目标商品的推荐价格后，所述方法具体实施时，还可以包括以下内容：采集所述用户针对展示有推荐价格的目标商品的操作数据，作为回流数据；向定价服务器反馈所述回流数据，所述定价服务器用于根据所述回流数据，调整所述定价实验中的至少一个定价实验的定价模型，和/或，所述多个定价实验的实验分流比例。

本说明书实施例还提供一种服务器，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器具体实施时可以根据指令执行以下步骤：接收用户针对目标商品的价格获取请求；根据所述价格获取请求，确定出与所述价格获取请求匹配的多个定价实验，其中，所述多个定价实验中的各个定价实验至少配置有对应的定价模型，和对应的实验分流比例；根据所述多个定价实验的实验分流比例，从所述多个定价实验中确定出一个定价实验，作为目标定价实验；通过所述目标定价实验，确定出与所述用户匹配的价格，作为反馈给所述用户的所述目标商品的推荐价格。

为了能够更加准确地完成上述指令，参阅图10所示，本说明书实施例还提供了另一种具体的服务器，其中，所述服务器包括网络通信端口1001、处理器1002以及存储器1003，上述结构通过内部线缆相连，以便各个结构可以进行具体的数据交互。

其中，所述网络通信端口1001，具体可以用于接收用户针对目标商品的价格获取请求。

所述处理器1002，具体可以用于根据所述价格获取请求，确定出与所述价格获取请求匹配的多个定价实验，其中，所述多个定价实验中的各个定价实验至少配置有对应的定价模型，和对应的实验分流比例；根据所述多个定价实验的实验分流比例，从所述多个定价实验中确定出一个定价实验，作为目标定价实验；通过所述目标定价实验，确定出与所述用户匹配的价格，作为反馈给所述用户的所述目标商品的推荐价格。

所述存储器1003，具体可以用于存储相应的指令程序。

在本实施例中，所述网络通信端口1001可以是与不同的通信协议进行绑定，从而可以发送或接收不同数据的虚拟端口。例如，所述网络通信端口可以是负责进行web数据通信的80号端口，也可以是负责进行FTP数据通信的21号端口，还可以是负责进行邮件数据通信的25号端口。此外，所述网络通信端口还可以是实体的通信接口或者通信芯片。例如，其可以为无线移动网络通信芯片，如GSM、CDMA等；其还可以为Wifi芯片；其还可以为蓝牙芯片。

在本实施例中，所述处理器1002可以按任何适当的方式实现。例如，处理器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式等等。本说明书并不作限定。

在本实施例中，所述存储器1003可以包括多个层次，在数字系统中，只要能保存二进制数据的都可以是存储器；在集成电路中，一个没有实物形式的具有存储功能的电路也叫存储器，如RAM、FIFO等；在系统中，具有实物形式的存储设备也叫存储器，如内存条、TF卡等。

本说明书实施例还提供了一种基于上述商品的推荐价格的确定方法的计算机存储介质，所述计算机存储介质存储有计算机程序指令，在所述计算机程序指令被执行时实现：接收用户针对目标商品的价格获取请求；根据所述价格获取请求，确定出与所述价格获取请求匹配的多个定价实验，其中，所述多个定价实验中的各个定价实验至少配置有对应的定价模型，和对应的实验分流比例；根据所述多个定价实验的实验分流比例，从所述多个定价实验中确定出一个定价实验，作为目标定价实验；通过所述目标定价实验，确定出与所述用户匹配的价格，作为反馈给所述用户的所述目标商品的推荐价格。

在本实施例中，上述存储介质包括但不限于随机存取存储器(Random AccessMemory,RAM)、只读存储器(Read-Only Memory,ROM)、缓存(Cache)、硬盘(Hard DiskDrive,HDD)或者存储卡(Memory Card)。所述存储器可以用于存储计算机程序指令。网络通信单元可以是依照通信协议规定的标准设置的，用于进行网络连接通信的接口。

在本实施例中，该计算机存储介质存储的程序指令具体实现的功能和效果，可以与其它实施方式对照解释，在此不再赘述。

参阅图11所示，在软件层面上，本说明书实施例还提供了一种商品的推荐价格的确定装置，该装置具体可以包括以下的结构模块。

第一接收模块1101，具体可以用于接收用户针对目标商品的价格获取请求；

第一确定模块1102，具体可以用于根据所述价格获取请求，确定出与所述价格获取请求匹配的多个定价实验，其中，所述多个定价实验中的各个定价实验至少配置有对应的定价模型，和对应的实验分流比例；

第二确定模块1103，具体可以用于根据所述多个定价实验的实验分流比例，从所述多个定价实验中确定出一个定价实验，作为目标定价实验；

第三确定模块1104，具体可以用于通过所述目标定价实验，确定出与所述用户匹配的价格，作为反馈给所述用户的所述目标商品的推荐价格。

在一些实施例中，上述第一确定模块具体实施可以用于根据所述价格获取请求，提取出所述目标商品的标识信息，以及出售所述目标商品的目标商户的标识信息；检索与所述目标商品的标识信息和所述目标商户的标识信息匹配的多个定价实验，作为与所述价格获取请求匹配的所述多个定价实验。

在一些实施例中，上述装置具体还可以包括展示模块，具体可以用于向用户展示所述目标商品的推荐价格。

在一些实施例中，所述装置具体还可以包括更新模块，具体可以用于采集所述用户针对展示有推荐价格的目标商品的操作数据，作为回流数据；根据所述回流数据，更新所述多个定价实验。

在一些实施例中，上述更新模块具体实施时，可以用于根据所述回流数据，调整所述多个定价实验中的至少一个定价实验所配置的定价模型的模型参数，和/或，调整所述多个定价实验的实验分流比例。

在一些实施例中，所述定价模型具体可以包括第一类型定价模型和第二类定价模型，其中，所述第一类定价模型具体可以包括以下至少之一：离线定价模型、随机定价模型和固定定价模型等；所述第二类定价模型具体可以包括以下至少之一：单卡在线定价模型、组合卡在线定价模型等。

在一些实施例中，在目标定价实验所配置的目标定价模型包括第二类定价模型的情况下，所述目标定价实验还配置有与目标定价模型关联的特征选取参数。

在一些实施例中，在目标定价实验所配置的目标定价模型包括第二类定价模型的情况下，第三确定模块1104具体实施时，可以根据目标商户的定价请求，生成多个枚举价格；根据所述特征选取参数，获取关联特征数据；调用所述目标定价模型根据所述关联特征数据，预测所述多个枚举价格对用户的吸引力，得到多个预测结果；根据所述多个预测结果，从所述多个枚举价格中筛选出与所述用户匹配的价格，作为反馈给所述用户的所述目标商品的推荐价格。

在一些实施例中，所述关联特征数据包括以下至少之一：用户的画像特征、目标商品的商品特征、目标商户的商户特征、时间特征、天气特征等。

在一些实施例中，所述装置将具体还可以包括建立模块，具体可以用于接收目标商户的针对所述目标商品的定价请求，其中，所述定价请求至少携带有所述目标商品的预设价格，以及所述目标商户的价格期望区间；根据所述定价请求，针对所述目标商户的所述目标商品，建立对应的多个定价实验，其中，所述多个定价实验中的各个定价实验至少配置有对应的定价模型，和对应的实验分流比例。

需要说明的是，上述实施例阐明的单元、装置或模块等，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书时可以把各模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

由上可见，本说明书实施例提供的商品的推荐价格的确定装置，通过预先根据目标商户针对目标商品的定价请求，建立对应的至少配置有定价模型和实验分流比例的多个定价实验；在通过接收模块接收到用户针对目标商品的价格获取请求时，可以通过第一确定模块和第二确定模块根据价格获取请求，从上述多个定价实验中确定出用户的目标定价实验，再通过第三确定模块利用目标定价实验来确定出与用户匹配的推荐价格，从而能够通过综合利用多种不同定价模型，适应多种不同的场景需求，针对具体用户来灵活、精准地确定出与用户匹配，同时又能兼顾目标商户的定价请求的商品推荐价格反馈给用户，以提高用户针对目标商品的交易成单率的同时，提高目标商户的收益，并提升目标商户的GMV。

本说明书实施例还提供一种商品的推荐价格的确定装置，具体可以包括以下结构模块：

第二接收模块，具体可以用于接收目标商户的针对目标商品的定价请求；

建立模块，具体可以用于根据所述定价请求，针对所述目标商户的所述目标商品，建立对应的多个定价实验，其中，所述多个定价实验中的各个定价实验至少配置有预设的定价模型，和预设的实验分流比例，所述多个定价实验用于确定与用户匹配的所述目标商品的推荐价格。

在一些实施例中，所述定价请求还携带有目标商户的标识信息，以及目标商品的标识信息；相应的，建立模块具体实施时，可以根据所述定价请求，针对所述目标商户的所述目标商品所建立的所述多个定价实验与所述目标商户的标识信息和所述目标商品的标识信息对应。

在一些实施例中，所述接收模块具体还可以用于接收目标商户的定制信息，其中，所述定制信息包括以下至少之一：目标商品的销售目标、目标商品的价格分布、目标商品所针对的目标用户等。

在一些实施例中，建立模块具体实施时，可以根据所述定价请求，以及所述定制信息，选择对应的多个定价模型来构建所述多个定价实验中的各个定价实验的预设的定价模型；并根据所述定制信息，确定所述多个定价实验中的各个定价实验的预设的实验分流比例。

在一些实施例中，所述装置具体还可以包括更新模块，具体可以用于获取回流数据，其中，所述回流数据根据用户针对展示有推荐价格的目标商品的操作数据生成；根据所述回流数据，调整所述多个定价实验中的至少一个定价实验所配置的预设的定价模型，并将调整后的定价模型更新为该定价实验所配置的定价模型；和/或，调整所述多个定价实验的预设的实验分流比例，并将调整后的实验分流比例更新为所述多个定价实验的实验分流比例。

本说明书实施例还提供了一种商品价格的展示装置，具体可以包括以下结构模块：

第三接收模块，具体可以用于接收用户针对目标商品的价格获取请求；

调用模块，具体可以用于响应所述价格获取请求，调用定价服务器确定出与所述价格获取请求匹配的多个定价实验，其中，所述多个定价实验中的各个定价实验至少配置有对应的定价模型，和对应的实验分流比例；根据所述多个定价实验的实验分流比例，从所述多个定价实验中确定出一个定价实验，作为目标定价实验；并通过所述目标定价实验，确定出与所述用户匹配的价格，作为所述目标商品的推荐价格；

展示模块，具体可以用于接收并向所述用户展示所述目标商品的推荐价格。

虽然本说明书提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或客户端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境，甚至为分布式数据处理环境)。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、产品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、产品或者设备所固有的要素。在没有更多限制的情况下，并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。

本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构、类等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

通过以上的实施例的描述可知，本领域的技术人员可以清楚地了解到本说明书可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本说明书的技术方案本质上可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，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，移动终端，服务器，或者网络设备等)执行本说明书各个实施例或者实施例的某些部分所述的方法。

本说明书中的各个实施例采用递进的方式描述，各个实施例之间相同或相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。本说明书可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。

虽然通过实施例描绘了本说明书，本领域普通技术人员知道，本说明书有许多变形和变化而不脱离本说明书的精神，希望所附的权利要求包括这些变形和变化而不脱离本说明书的精神。

Claims (23)

1.一种商品的推荐价格的确定方法，包括：

接收用户针对目标商品的价格获取请求；

根据所述价格获取请求，确定出与所述价格获取请求匹配的多个定价实验，其中，所述多个定价实验中的各个定价实验至少配置有对应的定价模型，和对应的实验分流比例；

根据所述多个定价实验的实验分流比例，从所述多个定价实验中确定出一个定价实验，作为目标定价实验；

通过所述目标定价实验，确定出与所述用户匹配的价格，作为反馈给所述用户的所述目标商品的推荐价格。

2.根据权利要求1所述的方法，所述确定出与所述价格获取请求匹配的多个定价实验，包括：

根据所述价格获取请求，提取出所述目标商品的标识信息，以及出售所述目标商品的目标商户的标识信息；

检索与所述目标商品的标识信息和所述目标商户的标识信息匹配的多个定价实验，作为与所述价格获取请求匹配的所述多个定价实验。

3.根据权利要求1所述的方法，在通过所述目标定价实验，确定出与所述用户匹配的价格，作为反馈给所述用户的所述目标商品的推荐价格后，所述方法还包括：

向所述用户展示所述目标商品的推荐价格。

4.根据权利要求3所述的方法，在向所述用户展示所述目标商品的推荐价格后，所述方法还包括：

采集所述用户针对展示有推荐价格的目标商品的操作数据，作为回流数据；

根据所述回流数据，更新所述多个定价实验。

5.根据权利要求4所述的方法，所述根据所述回流数据，更新所述多个定价实验，包括：

根据所述回流数据，调整所述多个定价实验中的至少一个定价实验所配置的定价模型的模型参数，和/或，调整所述多个定价实验的实验分流比例。

6.根据权利要求1所述的方法，所述定价模型包括第一类型定价模型，和/或，第二类定价模型，其中，所述第一类定价模型包括以下至少之一：离线定价模型、随机定价模型和固定定价模型；所述第二类定价模型包括以下至少之一：单卡在线定价模型、组合卡在线定价模型。

7.根据权利要求6所述的方法，在所述目标定价实验所配置的所述目标定价模型包括所述第二类定价模型的情况下，所述目标定价实验还配置有与所述目标定价模型关联的特征选取参数。

8.根据权利要求7所述的方法，在所述目标定价实验所配置的所述目标定价模型包括所述第二类定价模型的情况下，所述通过所述目标定价实验，确定出与所述用户匹配的价格，作为反馈给所述用户的所述目标商品的推荐价格，包括：

根据目标商户的定价请求，生成多个枚举价格；

根据所述特征选取参数，获取关联特征数据；

调用所述目标定价模型根据所述关联特征数据，预测所述多个枚举价格对用户的吸引力，得到多个预测结果；

根据所述多个预测结果，从所述多个枚举价格中筛选出与所述用户匹配的价格，作为反馈给所述用户的所述目标商品的推荐价格。

9.根据权利要求8所述的方法，所述关联特征数据包括以下至少之一：用户的画像特征、目标商品的商品特征、目标商户的商户特征、时间特征、天气特征。

10.根据权利要求1所述的方法，在接收用户针对目标商品的价格获取请求之前，所述方法还包括：

接收目标商户的针对所述目标商品的定价请求，其中，所述定价请求至少携带有所述目标商品的预设价格，以及所述目标商户的价格期望区间；

根据所述定价请求，针对所述目标商户的所述目标商品，建立对应的多个定价实验，其中，所述多个定价实验中的各个定价实验至少配置有对应的定价模型，和对应的实验分流比例。

11.一种商品的推荐价格的确定方法，包括：

接收目标商户的针对目标商品的定价请求；

根据所述定价请求，针对所述目标商户的所述目标商品，建立对应的多个定价实验，其中，所述多个定价实验中的各个定价实验至少配置有预设的定价模型，和预设的实验分流比例，所述多个定价实验用于确定与用户匹配的所述目标商品的推荐价格。

12.根据权利要求11所述的方法，所述定价请求还携带有所述目标商户的标识信息，以及所述目标商品的标识信息；

相应的，根据所述定价请求，针对所述目标商户的所述目标商品所建立的所述多个定价实验与所述目标商户的标识信息和所述目标商品的标识信息对应。

13.根据权利要求11所述的方法，在接收目标商户的针对目标商品的定价请求后，所述方法还包括：

接收所述目标商户的定制信息，其中，所述定制信息包括以下至少之一：所述目标商品的销售目标、所述目标商品的价格分布、所述目标商品所针对的目标用户。

14.根据权利要求13所述的方法，所述根据所述定价请求，针对所述目标商户的所述目标商品，建立对应的多个定价实验，包括：

根据所述定价请求，以及所述定制信息，选择对应的多个定价模型来构建所述多个定价实验中的各个定价实验的预设的定价模型；并根据所述定制信息，确定所述多个定价实验中的各个定价实验的预设的实验分流比例。

15.根据权利要求11所述的方法，所述方法还包括：

获取回流数据，其中，所述回流数据根据用户针对展示有推荐价格的目标商品的操作数据生成；

根据所述回流数据，调整所述多个定价实验中的至少一个定价实验所配置的预设的定价模型，并将调整后的定价模型更新为该定价实验所配置的定价模型；和/或，调整所述多个定价实验的预设的实验分流比例，并将调整后的实验分流比例更新为所述多个定价实验的实验分流比例。

16.一种商品的推荐价格的确定方法，包括：

接收第二用户针对目标商品的价格获取请求；

确定出与所述价格获取请求匹配的多个定价实验，其中，所述多个定价实验中的各个定价实验至少配置有对应的定价模型，和对应的实验分流比例；所述多个定价实验中的各个定价实验至少配置有对应的定价模型，和对应的实验分流比例，为根据与第一用户相关的回流数据对所述多个定价实验中的至少一个定价实验所配置的预设的定价模型，和/或，所述多个定价实验的预设的实验分流比例进行更新得到的；

根据所述多个定价实验的实验分流比例，从所述多个定价实验中确定出一个定价实验，作为目标定价实验；

通过所述目标定价实验，确定出与所述第二用户匹配的价格，作为反馈给所述第二用户的所述目标商品的推荐价格。

17.一种商品价格的展示方法，包括：

接收用户针对目标商品的价格获取请求；

响应所述价格获取请求，调用定价服务器确定出与所述价格获取请求匹配的多个定价实验，其中，所述多个定价实验中的各个定价实验至少配置有对应的定价模型，和对应的实验分流比例；根据所述多个定价实验的实验分流比例，从所述多个定价实验中确定出一个定价实验，作为目标定价实验；并通过所述目标定价实验，确定出与所述用户匹配的价格，作为所述目标商品的推荐价格；

接收并向所述用户展示所述目标商品的推荐价格。

18.根据权利要求17所述的方法，在向所述用户展示所述目标商品的推荐价格后，所述方法还包括：

采集所述用户针对展示有推荐价格的目标商品的操作数据，作为回流数据；

向定价服务器反馈所述回流数据，所述定价服务器用于根据所述回流数据，调整所述定价实验中的至少一个定价实验的定价模型，和/或，所述多个定价实验的实验分流比例。

19.一种商品的推荐价格的确定装置，包括：

第一接收模块，用于接收用户针对目标商品的价格获取请求；

第一确定模块，用于确定出与所述价格获取请求匹配的多个定价实验，其中，所述多个定价实验中的各个定价实验至少配置有对应的定价模型，和对应的实验分流比例；

第二确定模块，用于根据所述多个定价实验的实验分流比例，从所述多个定价实验中确定出一个定价实验，作为目标定价实验；

第三确定模块，用于通过所述目标定价实验，确定出与所述用户匹配的价格，作为反馈给所述用户的所述目标商品的推荐价格。

20.根据权利要求19所述的装置，所述装置还包括更新模块，用于采集所述用户针对展示有推荐价格的目标商品的操作数据，作为回流数据；根据所述回流数据，更新所述多个定价实验。

21.一种商品的推荐价格的确定装置，包括：

第二接收模块，用于接收目标商户的针对目标商品的定价请求；

建立模块，用于根据所述定价请求，针对所述目标商户的所述目标商品，建立对应的多个定价实验，其中，所述多个定价实验中的各个定价实验至少配置有预设的定价模型，和预设的实验分流比例，所述多个定价实验用于确定与用户匹配的所述目标商品的推荐价格。

22.一种商品价格的展示装置，包括：

第三接收模块，用于接收用户针对目标商品的价格获取请求；

调用模块，用于响应所述价格获取请求，调用定价服务器确定出与所述价格获取请求匹配的多个定价实验，其中，所述多个定价实验中的各个定价实验至少配置有对应的定价模型，和对应的实验分流比例；根据所述多个定价实验的实验分流比例，从所述多个定价实验中确定出一个定价实验，作为目标定价实验；并通过所述目标定价实验，确定出与所述用户匹配的价格，作为所述目标商品的推荐价格；

展示模块，用于接收并向所述用户展示所述目标商品的推荐价格。

23.一种服务器，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现权利要求1至10中任一项所述方法的步骤。

Images