CN111582930A - 一种跨网络平台的化妆品大数据采集分析方法和系统 - Google Patents

Abstract

本发明提供了一种跨网络平台的化妆品大数据采集分析方法包括：特征提取步骤对用户订单进行产品特征和/或物流特征的提取；用户聚类生成步骤形成产品特征大数据，并利用产品特征大数据对用户订单关联的用户进行用户聚类，库存优化步骤根据产品特征大数据以及用户聚类进行大数据分析，并进行库存优化；物流特征聚类生成步骤形成物流特征大数据，从而利用物流特征大数据对用户订单关联的物流进行物流特征聚类，打包方案生成步骤根据物流特征大数据以及物流特征聚类实现用户订单的打包方案自动生成。本发明提供了该方法的系统。本发明根据后台的库存量和物流状况在前端的产品网上销售环节进行调控，根据前端的大数据分析优化后台的库存量和物流管理。

Description

一种跨网络平台的化妆品大数据采集分析方法和系统

技术领域

本发明涉及大数据采集分析技术领域，特别涉及一种跨网络平台的化妆品大数据采集分析方法和系统。

背景技术

目前，各种主营化妆品的电商平台以其价格实惠、购买方便和货品齐全等优势，越来越受到消费者的喜爱，出货量与日俱增。

对于各大电商平台来说，由于所售卖的化妆品不论从品类、质量还是价格来说，很大程度上都具有同质化，因此可以在前端尽可能为用户提供满足其需求偏好的有特色的产品服务，设法拉动消费者的购买力；在后台实现高效益的成本控制，尽量降低库存，提高物流效率和可靠性，降低人力成本。

目前，大数据技术在电商平台得到了广泛的应用，可以对用户的习惯偏好进行描述和预测，以实现个性化的广告推送和消费趋势预判等服务；在电商平台的后台，各种先进的库存管理、物流监控和数据统计系统也得到了广泛的应用。但是，现有技术中没有实现电商平台的前端和后端的跨平台融合，即根据后台的库存和物流状况在前端的产品网上销售环节进行调控，以及根据前端的大数据分析来优化后台的库存和物流管理。

综上所述，本发明提供了一种跨网络平台的化妆品大数据采集分析方法和系统，能够根据后台的库存和物流状况在前端的产品网上销售环节进行调控，以及根据前端的大数据分析来优化后台的库存和物流管理。

发明内容

（一）发明目的

为克服上述现有技术存在的至少一种缺陷，本发明提供了一种跨网络平台的化妆品大数据采集分析方法和系统，能够根据后台的库存和物流状况在前端的产品网上销售环节进行调控，以及根据前端的大数据分析来优化后台的库存和物流管理。

（二）技术方案

作为本发明的第一方面，本发明公开了一种跨网络平台的化妆品大数据采集分析方法，包括以下步骤：

特征提取步骤，对接收的用户订单进行产品特征和/或物流特征的提取；

用户聚类生成步骤，将若干用户订单提取的所述产品特征进行累计，以此形成产品特征大数据，从而利用所述产品特征大数据，对所述用户订单关联的用户进行用户聚类；

库存优化步骤，根据所述产品特征大数据以及所述用户聚类进行大数据分析，获得出货变化趋势，并进行库存优化；

物流特征聚类生成步骤，将若干用户订单提取的所述物流特征进行累计，以此形成物流特征大数据，从而利用所述物流特征大数据，对所述用户订单关联的物流进行物流特征聚类；

打包方案生成步骤，根据所述物流特征大数据以及所述物流特征聚类，实现所述用户订单的打包方案自动生成。

一种可能的实施方式中，所述用户聚类包括：若干用户类簇；所述库存优化步骤，计算货仓中的化妆品与该用户类簇的倾向特征的匹配度；所述倾向特征包括：价格维度、品牌知名度维度和促销率维度。

一种可能的实施方式中，所述库存优化步骤，根据所述货仓中的化妆品与该用户类簇的倾向特征的匹配度，以及结合所述用户类簇的用户人数规模、购买频率和购买量，预测所述用户类簇对该化妆品的倾向需求量，进而由所述倾向需求量进行所述化妆品的库存测算和补货。

一种可能的实施方式中，所述物流特征聚类包括：若干物流类型；所述打包方案包括：配货包装方案、以及人工作业或自动化作业；所述打包方案生成步骤，将所述用户订单归类到所述物流特征聚类的某一物流类型，并调用该物流类型对应的最优化的所述配货包装方案。

一种可能的实施方式中，所述打包方案生成步骤，统计所述配货包装方案的破损率，并根据所述破损率优化所述配货包装方案。

作为本发明的第二方面，本发明公开了一种跨网络平台的化妆品大数据采集分析系统，包括：

特征提取模块，用于对接收的用户订单进行产品特征和/或物流特征的提取；

用户聚类生成模块，用于将若干用户订单提取的所述产品特征进行累计，以此形成产品特征大数据，从而利用所述产品特征大数据，对所述用户订单关联的用户进行用户聚类；

库存优化模块，用于根据所述产品特征大数据以及所述用户聚类进行大数据分析，获得出货变化趋势，并进行库存优化；

物流特征聚类生成模块，用于将若干用户订单提取的所述物流特征进行累计，以此形成物流特征大数据，从而利用所述物流特征大数据，对所述用户订单关联的物流进行物流特征聚类；

打包方案生成模块，用于根据所述物流特征大数据以及所述物流特征聚类，实现所述用户订单的打包方案自动生成。

一种可能的实施方式中，所述用户聚类包括：若干用户类簇；所述库存优化模块，用于计算货仓中的化妆品与该用户类簇的倾向特征的匹配度；所述倾向特征包括：价格维度、品牌知名度维度和促销率维度。

一种可能的实施方式中，所述库存优化模块，用于根据所述货仓中的化妆品与该用户类簇的倾向特征的匹配度，以及结合所述用户类簇的用户人数规模、购买频率和购买量，预测所述用户类簇对该化妆品的倾向需求量，进而由所述倾向需求量进行所述化妆品的库存测算和补货。

一种可能的实施方式中，所述物流特征聚类包括：若干物流类型；所述打包方案包括：配货包装方案、以及人工作业或自动化作业；所述打包方案生成模块，用于将所述用户订单归类到所述物流特征聚类的某一物流类型，并调用该物流类型对应的最优化的所述配货包装方案。

一种可能的实施方式中，所述打包方案生成模块，用于统计所述配货包装方案的破损率，并根据所述破损率优化所述配货包装方案。

（三）有益效果

本发明提供的一种跨网络平台的化妆品大数据采集分析方法和系统，通过特征提取步骤对接收的用户订单进行产品特征和/或物流特征的提取；进而由用户聚类生成步骤将若干用户订单提取的产品特征进行累计以此形成产品特征大数据，从而利用产品特征大数据对用户订单关联的用户进行用户聚类，由库存优化步骤根据产品特征大数据以及用户聚类进行大数据分析，并进行库存优化；由物流特征聚类生成步骤将若干用户订单提取的物流特征进行累计以此形成物流特征大数据，从而利用物流特征大数据对用户订单关联的物流进行物流特征聚类，由打包方案生成步骤根据物流特征大数据以及物流特征聚类实现用户订单的打包方案自动生成。不仅能够根据后台的库存量和物流状况在前端的产品网上销售环节进行调控，而且能够根据前端的大数据分析来优化后台的库存量和物流管理。

附图说明

以下参考附图描述的实施例是示例性的，旨在用于解释和说明本发明，而不能理解为对本发明的保护范围的限制。

图1是本发明提供的一种跨网络平台的化妆品大数据采集分析方法的流程图。

图2是本发明提供的一种跨网络平台的化妆品大数据采集分析系统的结构示意图。

具体实施方式

为使本发明实施的目的、技术方案和优点更加清楚，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更加详细的描述。

需要说明的是：在附图中，自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本发明一部分实施例，而不是全部的实施例，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动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。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，均仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明保护范围的限制。

下面参考图1详细描述本发明提供的一种跨网络平台的化妆品大数据采集分析方法的第一实施例。如图1所示，本实施例提供的化妆品大数据采集分析方法主要包括有：特征提取步骤、用户聚类生成步骤、库存优化步骤、物流特征聚类生成步骤和打包方案生成步骤。

特征提取步骤，对接收的用户订单进行产品特征和/或物流特征的提取；在特征提取步骤中，对于从前端（电商平台的网站或者APP）接收的每一个用户订单都进行该用户订单产品特征和/或物流特征的提取；所述产品特征可以为化妆品的品类、品牌、型号、规格、价格和折扣率等；所述物流特征可以为化妆品的数量、包装类型、包装尺寸、包装形状、产品形态、易碎程度和特殊要求等；所述产品形态可以为固体或液体等；所述特殊要求可以为防火、防暴晒和防冻等。

用户聚类生成步骤，将若干用户订单提取的所述产品特征进行累计，以此形成产品特征大数据，从而利用所述产品特征大数据，对所述用户订单关联的用户进行用户聚类；所述若干用户订单可以指全部历史用户订单，所述历史用户订单指的是一个历史段（例如本周、本月度、本季和本年度等）；将全部历史用户订单提取的产品特征进行累计形成产品特征大数据，利用产品特征大数据对每个历史用户订单关联的历史用户进行用户聚类可以为根据订单化妆品的品类、品牌、型号、规格、价格和折扣率等产品特征，将该历史用户归类到某一个用户类簇；用户类簇内的历史用户在订单化妆品的产品特征方面具有最大的相似度。

库存优化步骤，根据所述产品特征大数据以及所述用户聚类进行大数据分析，获得出货变化趋势，并进行库存优化；在库存优化步骤中，可以统计本历史段的各种品类、品牌、型号、规格、价格区间和折扣率区间的化妆品的出货量及其出货变化率；可以根据统计结果，对货仓中各种品类、品牌、型号、规格、价格区间和折扣率区间的化妆品进行库存测算和补货。

物流特征聚类生成步骤，将若干用户订单提取的所述物流特征进行累计，以此形成物流特征大数据，从而利用所述物流特征大数据，对所述用户订单关联的物流进行物流特征聚类，即根据订单化妆品的化妆品数量、包装类型、包装尺寸、包装形状、产品形态、易碎程度和特殊要求等物流特征，将某一历史用户订单归类到物流特征聚类中的某一个物流类型，该物流类型在订单化妆品的物流特征方面具有最大的相似度。

打包方案生成步骤，根据所述物流特征大数据以及所述物流特征聚类，实现所述用户订单的打包方案自动生成。物流类型可以为符合用户订单某一物流特征的类型。打包方案生成步骤，可以根据当前用户订单生成符合当前用户订单对应的物流类型的打包方案，以避免当前用户订单中化妆品破损。

其中，所述用户聚类包括：若干用户类簇；所述库存优化步骤，计算货仓中的化妆品与该用户类簇的倾向特征的匹配度；所述倾向特征包括：价格维度、品牌知名度维度和促销率维度。在库存优化步骤的大数据分析中，重点进行用户聚类的分析，即针对每一个用户类簇，分析其在本历史段内的倾向特征。

具体来说，每个用户类簇的建立、保存以及实时更新对应该用户类簇的倾向特征；所述倾向特征可以为价格维度、化妆品品类维度、商品品牌知名度维度和促销率维度等；每个维度具有对应的维度取值；该用户类簇的若干历史用户订单，购买每一维度的某个区间、类型或者等级下的化妆品越多，则在该区间、类型或者等级的维度取值越高，其他区间、类型或者等级的维度取值越低；例如，从该用户类簇内的历史用户以往的购买历史来看，购买化妆品品类中，口红最多，洗面奶比较多，购买爽肤水较少，从来不购买护手霜，则在化妆品的品类维度上，口红的维度取值为50，洗面奶的维度取值为40，爽肤水的维度取值为10，护手霜的维度取值为0；同理，价格等级中，中档次的价格维度取值为80，高档次和低档次的价格维度取值为10；品牌知名度维度中知名的维度取值为40，不知名的维度取值为60；促销打折率中，促销率0％维度取值为10,促销率1%-20%维度取值为70,促销率21%-24%维度取值为20,促销率40%以上维度取值为0。

计算货仓中的每种化妆品与该用户类簇的倾向特征的匹配度，是利用该化妆品在每个维度所在的区间、等级或者类型，对应该用户类簇的倾向特征在该维度上的区间、等级或者类型的维度取值，结合权重值作为匹配度值。例如，对于一个高价格档次、知名品牌，促销率为0%的口红，其与上述用户类簇的倾向特征的匹配度为A1*50+A2*10+A3*40+A4*10，其中A1-A4为权重，可以根据各个维度的重要性在0-1的范围下进行设置。

其中，所述库存优化步骤，根据所述货仓中的化妆品与该用户类簇的倾向特征的匹配度，以及结合所述用户类簇的用户人数规模、购买频率和购买量，预测所述用户类簇对该化妆品的倾向需求量，进而由所述倾向需求量进行所述化妆品的库存测算和补货。购买化妆品的用户人数，购买频率以及每次的购买量等直接影响着库存量，进而可以由以往购买化妆品的用户人数规模，购买频率以及每次的购买量进行库存测算和补货等，以保证化妆品的正常供应，避免用户需要购买时，化妆品库存不足的现象，保障了用户需求，提高了化妆品的销售量以及利润等。

其中，所述物流特征聚类包括：若干物流类型；所述打包方案包括：配货包装方案、以及人工作业或自动化作业；所述打包方案生成步骤，将所述用户订单归类到所述物流特征聚类的某一物流类型，并调用该物流类型对应的最优化的所述配货包装方案。根据每一个当前用户订单，确定该当前用户订单归入的物流类型，并调用该物流类型对应的最优化的配货包装方案以包装所述当前用户订单。可以针对每个物流类型定义适合该物流类型的配货包装方案，配货包装方案可以包括：物流容器的种类大小型号、化妆品装入物流容器的位置和顺序、化妆品的特殊防护和物流容器外表面粘贴的标识等；物流容器的种类大小型号可以为不同尺寸、不同长宽比和不同厚薄的纸箱或塑料袋等；化妆品装入物流容器的位置可以为纸箱上层、纸箱下层和纸箱中部等，化妆品装入物流容器的顺序可以为先将不怕压的化妆品放在纸箱下层，再将怕压的化妆品放在纸箱上层；化妆品的特殊防护可以为易碎的化妆品包裹气泡膜、加装隔离托、以及塞入防震海绵等；物流容器外表面粘贴的标识可以为易碎品、易燃警示、阴凉提示和防冻提示等。

在进行化妆品打包时，如果是人工作业，则将该配货包装方案连同订单信息一起发送给配货员的终端设备，由配货员按照该配货包装方案进行物流容器的种类大小型号的选择、化妆品装入物流容器的位置和顺序的操作、添加化妆品的特殊防护和粘贴物流容器外表面粘贴的标识等；如果是半自动化或者全自动化作业，则可以按照该配货包装方案，通过一个单独的流水线A向流水线B操作位的配货员或者分拣机器人提供配货包装方案中要求的物流容器，物流容器外表面粘贴的标识和化妆品的特殊防护；可以按照化妆品装入物流容器的顺序将化妆品从货仓的智能货架传输到流水线B，进而能够输送到流水线B操作位来进行装箱。

其中，所述打包方案生成步骤，统计所述配货包装方案的破损率，并根据所述破损率优化所述配货包装方案。例如，当装入的化妆品的数量较多，且达到某一重量的纸箱在运输时破损严重时，那么可以将该配货包装方案中的纸箱增大厚度，使得所述纸箱在物流配送过程中能够保持完好，以保护化妆品。在所述打包方案生成步骤中，可以根据物流配送的反馈数据，统计每种配货包装方案的破损率。

本发明所述的一种跨网络平台的化妆品大数据采集分析方法，前后端是互通的，可根据后端进行前端的消费推荐。具体来说，可根据货仓的库存量，结合保质期的因素，确定为了降低库存而推送的化妆品名录；当前端的用户在网站或者APP上进行化妆品的选购时，可以根据其选购的化妆品生成预订单，并且根据预订单分析其归属的用户聚类，进而根据该用户聚类确定所述推送化妆品名录中匹配度高的化妆品进行推荐；本发明也可以根据所述预订单匹配对应的配货包装方案，进而测算根据配货包装方案其物流容器的剩余空间，根据剩余空间从所述化妆品名录中选取包装尺寸等因素符合的化妆品，给与推送，以提高物流容器的利用率。

本发明通过特征提取步骤对接收的用户订单进行产品特征和/或物流特征的提取；进而由用户聚类生成步骤将若干用户订单提取的所述产品特征进行累计以此形成产品特征大数据，从而利用所述产品特征大数据对所述用户订单关联的用户进行用户聚类，由库存优化步骤根据所述产品特征大数据以及所述用户聚类进行大数据分析，从而能够进行库存优化；由物流特征聚类生成步骤将若干用户订单提取的所述物流特征进行累计以此形成物流特征大数据，从而利用所述物流特征大数据对所述用户订单关联的物流进行物流特征聚类，由打包方案生成步骤根据所述物流特征大数据以及所述物流特征聚类实现所述用户订单的打包方案自动生成。本发明所述的化妆品大数据采集分析方法，不仅能够根据后台的库存量和物流状况在前端的产品网上销售环节进行调控，而且能够根据前端的大数据分析来优化后台的库存量和物流管理。

下面参考图2详细描述本发明提供的一种跨网络平台的化妆品大数据采集分析系统的第一实施例。如图2所示，本实施例提供的化妆品大数据采集分析系统主要包括有：特征提取模块、用户聚类生成模块、库存优化模块、物流特征聚类生成模块和打包方案生成模块。

特征提取模块，用于对接收的用户订单进行产品特征和/或物流特征的提取；所述产品特征可以为化妆品的品类、品牌、型号、规格、价格和折扣率等；所述物流特征可以为化妆品的数量、包装类型、包装尺寸、包装形状、产品形态、易碎程度和特殊要求等；所述产品形态可以为固体或液体等；所述特殊要求可以为防火、防暴晒和防冻等。

用户聚类生成模块，用于将若干用户订单提取的所述产品特征进行累计，以此形成产品特征大数据，从而利用所述产品特征大数据，对所述用户订单关联的用户进行用户聚类；用户聚类的每一用户类簇内的用户在订单化妆品的产品特征方面具有最大的相似度。

库存优化模块，用于根据所述产品特征大数据以及所述用户聚类进行大数据分析，获得出货变化趋势，并进行库存优化。

物流特征聚类生成模块，用于将若干用户订单提取的所述物流特征进行累计，以此形成物流特征大数据，从而利用所述物流特征大数据，对所述用户订单关联的物流进行物流特征聚类；物流特征聚类的每一物流类型的用户订单对应的物流在订单化妆品的物流特征方面具有最大的相似度。

打包方案生成模块，用于根据所述物流特征大数据以及所述物流特征聚类，实现所述用户订单的打包方案自动生成。

其中，所述用户聚类包括：若干用户类簇；所述库存优化模块，用于计算货仓中的化妆品与该用户类簇的倾向特征的匹配度；所述倾向特征包括：价格维度、品牌知名度维度和促销率维度。在库存优化模块的大数据分析中，重点进行用户聚类的分析，即针对每一个用户类簇，分析其在本历史段内的倾向特征。

具体来说，每个用户类簇的建立、保存以及实时更新对应该用户类簇的倾向特征；所述倾向特征可以为价格维度、化妆品品类维度、商品品牌知名度维度和促销率维度等；每个维度具有对应的维度取值；该用户类簇的若干历史用户订单，购买每一维度的某个区间、类型或者等级下的化妆品越多，则在该区间、类型或者等级的维度取值越高，其他区间、类型或者等级的维度取值越低，例如，从该用户类簇内的历史用户以往的购买历史来看，购买化妆品品类中，口红最多，洗面奶比较多，购买爽肤水较少，从来不购买护手霜，则在化妆品的品类维度上，口红的维度取值为50，洗面奶的维度取值为40，爽肤水的维度取值为10，护手霜的维度取值为0；同理，价格等级中，中档次的价格维度取值为80，高档次和低档次的价格维度取值为10；品牌知名度维度中知名的维度取值为40，不知名的维度取值为60；促销打折率中，促销率0％维度取值为10,促销率1%-20%维度取值为70,促销率21%-24%维度取值为20,促销率40%以上维度取值为0。

计算货仓中的每种化妆品与该用户类簇的倾向特征的匹配度，是利用该化妆品在每个维度所在的区间、等级或者类型，对应该用户类簇的倾向特征在该维度上的区间、等级或者类型的维度取值，结合权重值作为匹配度值。例如，对于一个高价格档次、知名品牌，促销率为0%的口红，其与上述用户类簇的倾向特征的匹配度为A1*50+A2*10+A3*40+A4*10，其中A1-A4为权重，可以根据各个维度的重要性在0-1的范围下进行设置。

其中，所述库存优化模块，用于根据所述货仓中的化妆品与该用户类簇的倾向特征的匹配度，以及结合所述用户类簇的用户人数规模、购买频率和购买量，预测所述用户类簇对该化妆品的倾向需求量，进而由所述倾向需求量进行所述化妆品的库存测算和补货。

其中，所述物流特征聚类包括：若干物流类型；所述打包方案包括：配货包装方案、以及人工作业或自动化作业；所述打包方案生成模块，用于将所述用户订单归类到所述物流特征聚类的某一物流类型，并调用该物流类型对应的最优化的所述配货包装方案。可以针对每个物流类型定义适合该物流类型的配货包装方案，配货包装方案可以包括：物流容器的种类大小型号、化妆品装入物流容器的位置和顺序、化妆品的特殊防护和物流容器外表面粘贴的标识等。

在进行化妆品打包时，如果是人工作业，则将该配货包装方案连同订单信息一起发送给配货员的终端设备，由配货员按照该配货包装方案进行物流容器的种类大小型号的选择、化妆品装入物流容器的位置和顺序的操作、添加化妆品的特殊防护和粘贴物流容器外表面粘贴的标识等；如果是半自动化或者全自动化作业，则可以按照该配货包装方案，通过一个单独的流水线A向流水线B操作位的配货员或者分拣机器人提供配货包装方案中要求的物流容器，物流容器外表面粘贴的标识和化妆品的特殊防护；可以按照化妆品装入物流容器的顺序将化妆品从货仓的智能货架传输到流水线B，进而能够输送到流水线B操作位来进行装箱。

其中，所述打包方案生成模块，用于统计所述配货包装方案的破损率，并根据所述破损率优化所述配货包装方案。

本发明所述的一种跨网络平台的化妆品大数据采集分析系统，前后端是互通的，可根据后端进行前端的消费推荐。具体来说，可根据货仓的库存量，结合保质期的因素，确定为了降低库存而推送的化妆品名录；当前端的用户在网站或者APP上进行化妆品的选购时，可以根据其选购的化妆品生成预订单，并且根据预订单分析其归属的用户聚类，进而根据该用户聚类确定所述推送化妆品名录中匹配度高的化妆品进行推荐；本发明也可以根据所述预订单匹配对应的配货包装方案，进而测算根据配货包装方案其物流容器的剩余空间，根据剩余空间从所述化妆品名录中选取包装尺寸等因素符合的化妆品，给与推送，以提高物流容器的利用率。

本发明通过特征提取模块对接收的用户订单进行产品特征和/或物流特征的提取；进而由用户聚类生成模块将若干用户订单提取的所述产品特征进行累计以此形成产品特征大数据，从而利用所述产品特征大数据对所述用户订单关联的用户进行用户聚类，由库存优化模块根据所述产品特征大数据以及所述用户聚类进行大数据分析，从而能够进行库存优化；由物流特征聚类生成模块将若干用户订单提取的所述物流特征进行累计以此形成物流特征大数据，从而利用所述物流特征大数据对所述用户订单关联的物流进行物流特征聚类，由打包方案生成模块根据所述物流特征大数据以及所述物流特征聚类实现所述用户订单的打包方案自动生成。本发明所述的化妆品大数据采集分析系统，不仅能够根据后台的库存量和物流状况在前端的产品网上销售环节进行调控，而且能够根据前端的大数据分析来优化后台的库存量和物流管理。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种跨网络平台的化妆品大数据采集分析方法，其特征在于，包括以下步骤：

特征提取步骤，对接收的用户订单进行产品特征和/或物流特征的提取；

用户聚类生成步骤，将若干用户订单提取的所述产品特征进行累计，以此形成产品特征大数据，从而利用所述产品特征大数据，对所述用户订单关联的用户进行用户聚类；

库存优化步骤，根据所述产品特征大数据以及所述用户聚类进行大数据分析，获得出货变化趋势，并进行库存优化；

物流特征聚类生成步骤，将若干用户订单提取的所述物流特征进行累计，以此形成物流特征大数据，从而利用所述物流特征大数据，对所述用户订单关联的物流进行物流特征聚类；

打包方案生成步骤，根据所述物流特征大数据以及所述物流特征聚类，实现所述用户订单的打包方案自动生成。

2.根据权利要求1所述的化妆品大数据采集分析方法，其特征在于，所述用户聚类包括：若干用户类簇；所述库存优化步骤，计算货仓中的化妆品与该用户类簇的倾向特征的匹配度；所述倾向特征包括：价格维度、品牌知名度维度和促销率维度。

3.根据权利要求2所述的化妆品大数据采集分析方法，其特征在于，所述库存优化步骤，根据所述货仓中的化妆品与该用户类簇的倾向特征的匹配度，以及结合所述用户类簇的用户人数规模、购买频率和购买量，预测所述用户类簇对该化妆品的倾向需求量，进而由所述倾向需求量进行所述化妆品的库存测算和补货。

4.根据权利要求1所述的化妆品大数据采集分析方法，其特征在于，所述物流特征聚类包括：若干物流类型；所述打包方案包括：配货包装方案、以及人工作业或自动化作业；所述打包方案生成步骤，将所述用户订单归类到所述物流特征聚类的某一物流类型，并调用该物流类型对应的最优化的所述配货包装方案。

5.根据权利要求4所述的化妆品大数据采集分析方法，其特征在于，所述打包方案生成步骤，统计所述配货包装方案的破损率，并根据所述破损率优化所述配货包装方案。

6.一种跨网络平台的化妆品大数据采集分析系统，其特征在于，包括：

特征提取模块，用于对接收的用户订单进行产品特征和/或物流特征的提取；

用户聚类生成模块，用于将若干用户订单提取的所述产品特征进行累计，以此形成产品特征大数据，从而利用所述产品特征大数据，对所述用户订单关联的用户进行用户聚类；

库存优化模块，用于根据所述产品特征大数据以及所述用户聚类进行大数据分析，获得出货变化趋势，并进行库存优化；

物流特征聚类生成模块，用于将若干用户订单提取的所述物流特征进行累计，以此形成物流特征大数据，从而利用所述物流特征大数据，对所述用户订单关联的物流进行物流特征聚类；

打包方案生成模块，用于根据所述物流特征大数据以及所述物流特征聚类，实现所述用户订单的打包方案自动生成。

7.根据权利要求6所述的化妆品大数据采集分析系统，其特征在于，所述用户聚类包括：若干用户类簇；所述库存优化模块，用于计算货仓中的化妆品与该用户类簇的倾向特征的匹配度；所述倾向特征包括：价格维度、品牌知名度维度和促销率维度。

8.根据权利要求7所述的化妆品大数据采集分析系统，其特征在于，所述库存优化模块，用于根据所述货仓中的化妆品与该用户类簇的倾向特征的匹配度，以及结合所述用户类簇的用户人数规模、购买频率和购买量，预测所述用户类簇对该化妆品的倾向需求量，进而由所述倾向需求量进行所述化妆品的库存测算和补货。

9.根据权利要求6所述的化妆品大数据采集分析系统，其特征在于，所述物流特征聚类包括：若干物流类型；所述打包方案包括：配货包装方案、以及人工作业或自动化作业；所述打包方案生成模块，用于将所述用户订单归类到所述物流特征聚类的某一物流类型，并调用该物流类型对应的最优化的所述配货包装方案。

10.根据权利要求9所述的化妆品大数据采集分析系统，其特征在于，所述打包方案生成模块，用于统计所述配货包装方案的破损率，并根据所述破损率优化所述配货包装方案。

Images