CN111400622B - 一种分布式电商系统中紧缺商品数量展现方法及装置 - Google Patents

一种分布式电商系统中紧缺商品数量展现方法及装置 Download PDF

Info

Publication number
CN111400622B
CN111400622B CN202010122540.2A CN202010122540A CN111400622B CN 111400622 B CN111400622 B CN 111400622B CN 202010122540 A CN202010122540 A CN 202010122540A CN 111400622 B CN111400622 B CN 111400622B
Authority
CN
China
Prior art keywords
commodity
users
purchasing
user
displaying
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
CN202010122540.2A
Other languages
English (en)
Other versions
CN111400622A (zh
Inventor
霍灵瑜
周丽
于建业
田志勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Wuzi University
Original Assignee
Beijing Wuzi University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Wuzi University filed Critical Beijing Wuzi University
Priority to CN202010122540.2A priority Critical patent/CN111400622B/zh
Publication of CN111400622A publication Critical patent/CN111400622A/zh
Application granted granted Critical
Publication of CN111400622B publication Critical patent/CN111400622B/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
    • 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
    • G06F16/9538—Presentation of query results
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • 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]
    • G06Q30/0641—Shopping interfaces

Abstract

本发明实施例提供一种分布式电商系统中紧缺商品数量展现方法及装置，其中，所述方法包括：获取设定时间段内所有用户的历史浏览记录以及历史购买记录；根据所述的历史浏览记录以及历史购买记录确定用户的分类并确定对应商品类别的分类用户对该商品的总购买期望率；获取商品的可用库存；根据商品可用库存以及对应商品类别的分类用户对该商品的总购买期望率，向该类用户显示商品的可购买量。根据本发明的技术方案，通过基于用户历史行为进行购买期望的确定，并结合可用库存进行商品数量展示，有效平衡市场供需关系，提高服务及时性。

Description

一种分布式电商系统中紧缺商品数量展现方法及装置
技术领域
本发明涉及互联网数据处理领域，具体涉及一种分布式电商系统中紧缺商品数量展现方法及装置。
背景技术
现有技术中，由于物理资源的地理分布不均衡，客户地理分布以及客户购买的不确定性，如何在电商系统结合资源的实际地理分布更好满足客户的需求，需要对分布式电商系统中紧缺资源的数量进行合理的规划和展示。
在实现本发明的过程中，总结现有技术中存在以下有待改进的问题：
(1)客户可能会因为不知道实际情况而降低购买动机。
(2)客户可能会因为购买周期的延长而放弃本次购买，电商可能会因为下了订单但缺货而减低服务水平。
(3)分布式电商系统中，真实展示库存存在诸多不确定性，比如在线并发用户的采购率和采购量是随机事件。
发明内容
本发明实施例提供一种分布式电商系统中紧缺商品数量展现方法及装置，通过基于用户历史行为进行购买期望的确定，并结合可用库存进行商品数量展示，有效平衡市场供需关系，提高服务及时性。
为达到上述目的，一方面，本发明实施例提供了一种分布式电商系统中紧缺商品数量展现方法，所述方法包括：
获取设定时间段内所有用户的历史浏览记录以及历史购买记录；
根据所述的历史浏览记录以及历史购买记录确定用户的分类并确定对应商品类别的分类用户对该商品的总购买期望率；
获取商品的可用库存；
根据商品可用库存以及对应商品类别的分类用户对该商品的总购买期望率，向该类用户显示商品的可购买量。
另一方面，本发明实施例提供了一种分布式电商系统中紧缺商品数量展现装置，所述装置包括：
用户信息获取单元，用于获取设定时间段内所有用户的历史浏览记录以及历史购买记录；
期望确定单元，用于根据所述的历史浏览记录以及历史购买记录确定用户的分类并确定对应商品类别的分类用户对该商品的总购买期望率；
库存信息获取单元，用于获取商品的可用库存；
展示单元，用于根据商品可用库存以及对应商品类别的分类用户对该商品的总购买期望率，向该类用户显示商品的可购买量。
上述技术方案具有如下有益效果：
本发明的技术方案通过对用户对搜索结果的操作行为分析，对搜索结果涉及到的数据进行分类，在大数据的搜索引擎中，由于分类针对的数据为被用户操作行为涉及到的数据，便使得分类数据具有了可靠性，并且，随着用户操作的不断进行，不管是对分类数据以及分类依据都在实时更新；通过本发明的技术方案，对于某一类的数据的分类，经过对大量用户不断的操作行为的归纳整理，其分类对于用户当前在该类下的搜索具有很强的可参考性以及实际意义，并且基于用户操作的分类，可以使得分类不会陷入局部最优解。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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发明的一些实施例，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。
图1是本发明实施例一种分布式电商系统中紧缺商品数量展现方法的流程图；
图2是本发明实施例一种分布式电商系统中紧缺商品数量展现装置的结构示意图；
图3是本发明实施例中期望确定单元的结构示意图。
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，都属于本发明保护的范围。
如图1所示，是本发明实施例一种分布式电商系统中紧缺商品数量展现方法的流程图，所述方法包括：
S101：获取设定时间段内所有用户的历史浏览记录以及历史购买记录。
S102：根据所述的历史浏览记录以及历史购买记录确定用户的分类并确定对应商品类别的分类用户对该商品的总购买期望率。
优选地，根据所述的历史浏览记录以及历史购买记录，将商品所在地的用户按照预设的商品类别数进行分类；根据用户的历史购买记录，预测对应商品类别的分类用户对该商品的购买概率和购买数量；根据以下公式确定对应商品类别的分类用户对该商品的总购买期望率ai％，其中，i、j表示为用户的分类类别，k为用户的分类类别数；δ为一常数，该常数在实际中根据商家对商品情况的实际掌握进行确定；ni、nj分别为第i、第j种类别用户的流量，pi、pj分别为第i、第j种类别用户的购买概率，mi、mj分别为第i、第j种类别用户的购买数量的均值。
对于用户的分类，根据其历史浏览记录和历史购买记录，在确定对应于商品所在地的用户后，可以根据其历史行为以商品种类为中心，通过聚类算法，例如可以是运用K-means算法对用户进行分类，确定对商品感兴趣的用户分类，并根据分类用户的中对商品的历史购买率和历史购买数量，预估该类用户对商品的购买概率和购买数量，通过预估的购买数量与分类用户中用户数量的比值获得该分类用户的购买数量的均值。
根据上述公式确定出分类用户对该商品的总购买期望率，即可根据该期望率对商品的销售前景有所掌握，从而利于商家的货物库存分配以及价格调控等。
S103：获取商品的可用库存。
优选地，所述获取商品的可用库存，包括：
获取商品的总库存Q；总库存Q＝库存量-在库已分配+未到达的订货(在约定时间内可到达)。
根据公式Qi＝Q×ai％，计算获得商品的可用库存Qi。
S104：根据商品可用库存以及对应商品类别的分类用户对该商品的总购买期望率，向该类用户显示商品的可购买量。
优选地，通过以下公式确定商品的可购买量Qi*，其中，γ为一常系数，该常数在实际中根据商家对商品情况的实际掌握进行确定，即对/>取整后与常数γ的乘积，。
进一步优选地，所述方法还包括，当mi＞Qi*的时候，显示商品的紧缺状态为商品紧缺。
对应于上述方法，如图2所示，是本发明实施例一种分布式电商系统中紧缺商品数量展现装置的结构示意图，所述装置包括：
用户信息获取单元21，用于获取设定时间段内所有用户的历史浏览记录以及历史购买记录；
期望确定单元22，用于根据所述的历史浏览记录以及历史购买记录确定用户的分类并确定对应商品类别的分类用户对该商品的总购买期望率；
库存信息获取单元23，用于获取商品的可用库存；
展示单元24，用于根据商品可用库存以及对应商品类别的分类用户对该商品的总购买期望率，向该类用户显示商品的可购买量。
优选地，所述期望确定单元22包括：
用户分类模块221，用于根据所述的历史浏览记录以及历史购买记录，将商品所在地的用户按照预设的商品类别数进行分类；
购买力预测模块222，用于根据用户的历史购买记录，预测对应商品类别的分类用户对该商品的购买概率和购买数量；
期望确定模块223，用于根据以下公式确定对应商品类别的分类用户对该商品的总购买期望率ai％，
其中，i、j表示为用户的分类类别，k为用户的分类类别数；δ为一常数；ni、nj分别为第i、第j种类别用户的流量，pi、pj分别为第i、第j种类别用户的购买概率，mi、mj分别为第i、第j种类别用户的购买数量的均值。
进一步优选地，所述库存信息获取单元，具体用于：
获取商品的总库存Q；
根据公式Qi＝Q×ai％，计算获得商品的可用库存Qi。
进一步优选地，所述展示单元，具体用于：
通过以下公式确定商品的可购买量Qi*，
其中，γ为一常系数。
优选地，所述展示单元，具体还用于：
当mi＞Qi*的时候，显示商品的紧缺状态为商品紧缺。
应该明白，公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好，应该理解，过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素，并且不是要限于所述的特定顺序或层次。
在上述的详细描述中，各种特征一起组合在单个的实施方案中，以简化本公开。不应该将这种公开方法解释为反映了这样的意图，即，所要求保护的主题的实施方案需要比清楚地在每个权利要求中所陈述的特征更多的特征。相反，如所附的权利要求书所反映的那样，本发明处于比所公开的单个实施方案的全部特征少的状态。因此，所附的权利要求书特此清楚地被并入详细描述中，其中每项权利要求独自作为本发明单独的优选实施方案。
为使本领域内的任何技术人员能够实现或者使用本发明，上面对所公开实施例进行了描述。对于本领域技术人员来说；这些实施例的各种修改方式都是显而易见的，并且本文定义的一般原理也可以在不脱离本公开的精神和保护范围的基础上适用于其它实施例。因此，本公开并不限于本文给出的实施例，而是与本申请公开的原理和新颖性特征的最广范围相一致。
上文的描述包括一个或多个实施例的举例。当然，为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的，但是本领域普通技术人员应该认识到，各个实施例可以做进一步的组合和排列。因此，本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外，就说明书或权利要求书中使用的术语“包含”，该词的涵盖方式类似于术语“包括”，就如同“包括，”在权利要求中用作衔接词所解释的那样。此外，使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种分布式电商系统中紧缺商品数量展现方法，其特征在于，包括：
获取设定时间段内所有用户的历史浏览记录以及历史购买记录；
根据所述的历史浏览记录以及历史购买记录确定用户的分类并确定对应商品类别的分类用户对该商品的总购买期望率；
获取商品的可用库存；
根据商品可用库存以及对应商品类别的分类用户对该商品的总购买期望率，向该类用户显示商品的可购买量；
其中，所述根据所述的历史浏览记录以及历史购买记录确定用户的分类并确定对应商品类别的分类用户对该商品的总购买期望率，包括：
根据所述的历史浏览记录以及历史购买记录，将商品所在地的用户按照预设的商品类别数进行分类；
根据用户的历史购买记录，预测对应商品类别的分类用户对该商品的购买概率和购买数量；
根据以下公式确定对应商品类别的分类用户对该商品的总购买期望率ai％，
其中，i、j表示为用户的分类类别，k为用户的分类类别数；δ为一常数；ni、nj分别为第i、第j种类别用户的流量，pi、pj分别为第i、第j种类别用户的购买概率，mi、mj分别为第i、第j种类别用户的购买数量的均值；
所述获取商品的可用库存，包括：
获取商品的总库存Q；
根据公式Qi＝Q×ai％，计算获得商品的可用库存Qi。
2.如权利要求1所述的分布式电商系统中紧缺商品数量展现方法，其特征在于，通过以下公式确定商品的可购买量Qi*，
其中，γ为一常系数。
3.如权利要求2所述的分布式电商系统中紧缺商品数量展现方法，其特征在于，所述方法还包括，当mi＞Qi*的时候，显示商品的紧缺状态为商品紧缺。
4.一种分布式电商系统中紧缺商品数量展现装置，其特征在于，包括：
用户信息获取单元，用于获取设定时间段内所有用户的历史浏览记录以及历史购买记录；
期望确定单元，用于根据所述的历史浏览记录以及历史购买记录确定用户的分类并确定对应商品类别的分类用户对该商品的总购买期望率；
库存信息获取单元，用于获取商品的可用库存；
展示单元，用于根据商品可用库存以及对应商品类别的分类用户对该商品的总购买期望率，向该类用户显示商品的可购买量；
所述期望确定单元具体包括：
用户分类模块，用于根据所述的历史浏览记录以及历史购买记录，将商品所在地的用户按照预设的商品类别数进行分类；
购买力预测模块，用于根据用户的历史购买记录，预测对应商品类别的分类用户对该商品的购买概率和购买数量；
期望确定模块，用于根据以下公式确定对应商品类别的分类用户对该商品的总购买期望率ai％，
其中，i、j表示为用户的分类类别，k为用户的分类类别数；δ为一常数；ni、nj分别为第i、第j种类别用户的流量，pi、pj分别为第i、第j种类别用户的购买概率，mi、mj分别为第i、第j种类别用户的购买数量的均值；
所述库存信息获取单元，具体用于：
获取商品的总库存Q；
根据公式Qi＝Q×ai％，计算获得商品的可用库存Qi。
5.如权利要求4所述的分布式电商系统中紧缺商品数量展现装置，其特征在于，所述展示单元，具体用于：
通过以下公式确定商品的可购买量Qi*，
其中，γ为一常系数。
6.如权利要求4所述的分布式电商系统中紧缺商品数量展现装置，其特征在于，所述展示单元，具体还用于：
当mi＞Qi*的时候，显示商品的紧缺状态为商品紧缺。
CN202010122540.2A 2020-02-27 2020-02-27 一种分布式电商系统中紧缺商品数量展现方法及装置 Active CN111400622B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010122540.2A CN111400622B (zh) 2020-02-27 2020-02-27 一种分布式电商系统中紧缺商品数量展现方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010122540.2A CN111400622B (zh) 2020-02-27 2020-02-27 一种分布式电商系统中紧缺商品数量展现方法及装置

Publications (2)

Publication Number Publication Date
CN111400622A CN111400622A (zh) 2020-07-10
CN111400622B true CN111400622B (zh) 2023-12-22

Family

ID=71428514

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010122540.2A Active CN111400622B (zh) 2020-02-27 2020-02-27 一种分布式电商系统中紧缺商品数量展现方法及装置

Country Status (1)

Country Link
CN (1) CN111400622B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112819404A (zh) * 2021-01-13 2021-05-18 中国联合网络通信集团有限公司 数据处理方法、装置、电子设备和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105678570A (zh) * 2015-12-31 2016-06-15 北京京东尚科信息技术有限公司 电子商务潜在用户识别的方法和装置
CN107944913A (zh) * 2017-11-21 2018-04-20 重庆邮电大学 基于大数据用户行为分析的高潜在用户购买意向预测方法
CN109740793A (zh) * 2018-11-29 2019-05-10 杭州览众数据科技有限公司 一种基于概率需求分布的库存优化方法
CN110570251A (zh) * 2019-09-11 2019-12-13 瞿秋昱 一种基于大数据的用户购买意愿预测系统及其方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002358402A (ja) * 2001-05-31 2002-12-13 Dentsu Tec Inc ３指標軸による顧客価値を基準とした売上予測方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105678570A (zh) * 2015-12-31 2016-06-15 北京京东尚科信息技术有限公司 电子商务潜在用户识别的方法和装置
CN107944913A (zh) * 2017-11-21 2018-04-20 重庆邮电大学 基于大数据用户行为分析的高潜在用户购买意向预测方法
CN109740793A (zh) * 2018-11-29 2019-05-10 杭州览众数据科技有限公司 一种基于概率需求分布的库存优化方法
CN110570251A (zh) * 2019-09-11 2019-12-13 瞿秋昱 一种基于大数据的用户购买意愿预测系统及其方法

Also Published As

Publication number Publication date
CN111400622A (zh) 2020-07-10

Similar Documents

Publication Publication Date Title
Bakker et al. Review of inventory systems with deterioration since 2001
US20210334844A1 (en) Method and system for generation of at least one output analytic for a promotion
Liu et al. Strategic capacity rationing to induce early purchases
US7577579B2 (en) Method of predicting sales based on triple-axis mapping of customer value
Mostard et al. Forecasting demand for single-period products: A case study in the apparel industry
Tan et al. Modelling imperfect advance demand information and analysis of optimal inventory policies
US10181138B2 (en) System and method for determining retail-business-rule coefficients from current prices
Jaggi et al. Effects of inflation and time value of money on an inventory system with deteriorating items and partially backlogged shortages
CN102282551A (zh) 娱乐入场券定价的自动决策支持
JP2021511611A (ja) 推薦装置および方法
Huang et al. A real-time decision rule for an inventory system with committed service time and emergency orders
Raju et al. Learning dynamic prices in electronic retail markets with customer segmentation
Tan et al. A discrete-in-time deteriorating inventory model with time-varying demand, variable deterioration rate and waiting-time-dependent partial backlogging
Huang Economic ordering model for deteriorating items with random demand and deterioration
JPWO2016125242A1 (ja) 情報処理装置、情報処理方法及び情報処理プログラム
Palanivel et al. Partial backlogging inventory model with price and stock level dependent demand, time varying holding cost and quantity discounts
Herbon et al. Simulation study of the price differentiation effect in a stochastic deteriorating inventory with heterogeneous consumers–freshness sensitivity
Sukhia et al. Introducing Economic Order Quantity Model for inventory control in web based point of sale applications and comparative analysis of techniques for demand forecasting in inventory management
CN111400622B (zh) 一种分布式电商系统中紧缺商品数量展现方法及装置
Kharvi et al. An optimal inventory policy for subsequent price reduction problem
CN113421148A (zh) 商品数据处理方法、装置、电子设备及计算机存储介质
JP6693900B2 (ja) コンテンツ提供装置、コンテンツ提供方法およびコンテンツ提供プログラム
CN110858337A (zh) 一种生成配置信息的方法和装置
CN117522528B (zh) 互联网数据检测分析方法和系统
CN116883121B (zh) 基于大数据分析的pos机用户推荐方法

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