CN111626765B - 资源配置方法及装置、存储介质、计算机设备 - Google Patents
资源配置方法及装置、存储介质、计算机设备 Download PDFInfo
- Publication number
- CN111626765B CN111626765B CN202010321508.7A CN202010321508A CN111626765B CN 111626765 B CN111626765 B CN 111626765B CN 202010321508 A CN202010321508 A CN 202010321508A CN 111626765 B CN111626765 B CN 111626765B
- Authority
- CN
- China
- Prior art keywords
- shops
- order
- target
- store
- delivered
- 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
Links
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]
- G06Q30/0631—Item recommendations
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0213—Consumer transaction fees
Landscapes
- Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种资源配置方法及装置、存储介质、计算机设备,该方法包括:依据目标对象提交的目标内容以及已交付对象的实际内容,从所述已交付对象中筛选出所述目标对象对应的对比对象;基于所述对比对象对应的历史订单信息,统计所述对比对象对应的订单实付数据以及订单实际添加内容;从所述目标对象中筛选出与所述订单实际添加内容相应的虚拟添加内容,得到所述目标对象的模拟订单信息;按照所述订单实付数据以及所述模拟订单信息对应的模拟定价数据,确定所述目标对象的资源配置信息。本申请实现了基于对比对象的历史订单数据为目标对象进行资源配置,使得目标对象能够提供符合用户消费偏好和消费能力的优惠活动,有助于目标对象的成长留存。
Description
技术领域
本申请涉及互联网技术领域,尤其是涉及到一种资源配置方法及装置、存储介质、计算机设备。
背景技术
外卖现在已经深入到人们生活的方方面面,流量最大的还属餐饮外卖,很多外卖商家都会通过满减活动(营销活动的一种,即订单原始价格达到一定档位,即可在原价基础上减去一定金额)的手段吸引用户。
目前外卖新商家入驻外卖平台,首次设置满减活动更多依赖人为主观经验,存在以下缺陷:1、活动推荐更多基于主营品类的成本出发,推荐的活动配置与商户菜品原价没有相关性;2、每个同品类商户配置的满减活动基本一致,多样性效果较差;3、配置后的满减活动,缺乏数据支撑,对于商家的经营指导意义匮乏。综上所述,现有的满减活动配置方式中依赖人工设置,配置时间长、效率低、成本高、效果差。
如何帮助商家设置合理的满减优惠活动方案,已经成为了各大外卖平台急需解决的热点问题。
发明内容
根据本申请的一个方面,提供了一种资源配置方法,包括:
依据目标对象提交的目标内容以及已交付对象的实际内容,从所述已交付对象中筛选出所述目标对象对应的对比对象;
基于所述对比对象对应的历史订单信息,统计所述对比对象对应的订单实付数据以及订单实际添加内容;
从所述目标对象中筛选出与所述订单实际添加内容相应的虚拟添加内容,得到所述目标对象的模拟订单信息;
按照所述订单实付数据以及所述模拟订单信息对应的模拟定价数据,确定所述目标对象的资源配置信息。
具体地,所述从所述已交付对象中筛选出所述目标对象对应的对比对象之前,所述方法还包括:
按照所述已交付对象的类别对所述已交付对象进行一级聚类,得到至少一个一级对象集合及其对应的类别;
获取任一所述一级对象集合包含的所述已交付对象对应的内容标签;
按照所述内容标签对任一所述一级对象集合包含的所述已交付对象进行二级聚类,得到至少一个二级对象集合及其对应的内容标签,其中,任一所述二级店铺集合对应的内容标签包括任一所述二级对象集合包含的全部所述已交付对象的内容标签。
具体地,所述依据目标对象提供的目标内容以及已交付对象提供的实际内容,从所述已交付对象中筛选出所述目标对象对应的对比对象,具体包括:
将与所述目标对象的类别相同的所述一级对象集合确定为第一对比对象集合;
计算所述目标内容与所述第一对比对象集合包含的任一所述二级对象集合的内容标签的匹配度;
从所述第一对比对象集合包含的所述二级对象集合中筛选出所述匹配度大小符合预设匹配度筛选条件的第二对比对象集合;
根据所述第二对比对象集合包含的任一所述已交付对象的历史订单量以及历史订单收益数据,从所述第二对比对象集合中筛选出所述对比对象。
具体地,所述根据所述第二对比对象集合包含的任一所述已交付对象的历史订单量以及历史订单收益数据,从所述第二对比对象集合中筛选出所述对比对象,具体包括:
按照所述第二对比对象集合包含的任一所述已交付对象的历史订单量以及历史订单收益数据,对所述已交付对象的历史订单量以及历史订单收益数据进行排名;
计算所述已交付对象的历史订单排名,并获取所述历史订单排名符合对比对象筛选条件的所述已交付对象作为所述对比对象,其中,所述历史订单排名=(所述历史订单量排名*P+所述历史订单收益数据排名*Q)*100%,P+Q=1。
具体地,所述基于所述对比对象对应的历史订单信息,统计所述对比对象对应的订单实付金额以及订单实际添加内容,具体包括:
获取所述对比对象在预设时间段内的历史订单信息;
统计所述历史订单信息对应的历史订单实付数据的众数作为所述对比对象对应的订单实付数据;
统计所述历史订单信息中出现次数最多的内容组合作为所述订单实际添加内容。
具体地,所述按照所述订单实付数据以及所述模拟订单信息对应的模拟定价数据,确定所述目标对象的资源配置信息,具体包括:
将所述模拟订单信息对应的模拟定价数据作为所述目标对象的资源配置门槛基础值,以及将所述模拟定价数据与所述订单实付金额之差作为所述目标对象的资源配置金额基础值;
根据所述资源配置门槛基础值和预设门槛浮动值,确定所述目标对象的推荐门槛值,以及根据所述资源配置金额基础值和预设金额浮动值,确定所述目标对象的推荐金额值。
具体地,确定所述目标对象的资源配置门槛值以及所述目标对象的资源配置金额值之后,所述方法还包括:
向目标对象提交方输出资源配置推荐信息,以使所述目标对象提交方基于所述资源配置推荐信息确定所述目标对象的资源配置信息,其中,所述资源配置推荐信息包括但不限于所述资源配置门槛基础值、所述预设门槛浮动值、所述资源配置金额基础值、所述预设金额浮动值、所述推荐门槛值以及所述推荐金额值;
根据所述目标对象提交方反馈的资源配置信息,确定所述资源配置门槛值以及所述资源配置金额值。
根据本申请的另一方面,提供了一种资源配置装置,包括:
对比对象筛选模块,用于依据目标对象提交的目标内容以及已交付对象的实际内容,从所述已交付对象中筛选出所述目标对象对应的对比对象;
对比订单统计模块,用于基于所述对比对象对应的历史订单信息,统计所述对比对象对应的订单实付数据以及订单实际添加内容;
订单模拟模块,用于从所述目标对象中筛选出与所述订单实际添加内容相应的虚拟添加内容,得到所述目标对象的模拟订单信息;
资源配置模块,用于按照所述订单实付数据以及所述模拟订单信息对应的模拟定价数据,确定所述目标对象的资源配置信息。
具体地,所述装置还包括:
一级聚类模块,用于从所述已交付对象中筛选出所述目标对象对应的对比对象之前,按照所述已交付对象的类别对所述已交付对象进行一级聚类,得到至少一个一级对象集合及其对应的类别;
内容标签获取模块,用于获取任一所述一级对象集合包含的所述已交付对象对应的内容标签;
二级聚类模块,按照所述内容标签对任一所述一级对象集合包含的所述已交付对象进行二级聚类,得到至少一个二级对象集合及其对应的内容标签,其中,任一所述二级店铺集合对应的内容标签包括任一所述二级对象集合包含的全部所述已交付对象的内容标签。
具体地,所述对比对象筛选模块,具体包括:
第一集合筛选单元,用于将与所述目标对象的类别相同的所述一级对象集合确定为第一对比对象集合;
匹配度计算单元,用于计算所述目标内容与所述第一对比对象集合包含的任一所述二级对象集合的内容标签的匹配度;
第二集合筛选单元,用于从所述第一对比对象集合包含的所述二级对象集合中筛选出所述匹配度大小符合预设匹配度筛选条件的第二对比对象集合;
对比对象筛选单元,用于根据所述第二对比对象集合包含的任一所述已交付对象的历史订单量以及历史订单收益数据,从所述第二对比对象集合中筛选出所述对比对象。
具体地,所述对比对象筛选单元,具体用于:
按照所述第二对比对象集合包含的任一所述已交付对象的历史订单量以及历史订单收益数据,对所述已交付对象的历史订单量以及历史订单收益数据进行排名;
计算所述已交付对象的历史订单排名,并获取所述历史订单排名符合对比对象筛选条件的所述已交付对象作为所述对比对象,其中,所述历史订单排名=(所述历史订单量排名*P+所述历史订单收益数据排名*Q)*100%,P+Q=1。
具体地,所述对比订单统计模块,具体包括:
历史订单获取单元,用于获取所述对比对象在预设时间段内的历史订单信息;
实付数据统计单元,用于统计所述历史订单信息对应的历史订单实付数据的众数作为所述对比对象对应的订单实付数据;
订单内容统计单元,用于统计所述历史订单信息中出现次数最多的内容组合作为所述订单实际添加内容。
具体地,所述资源配置模块,具体包括:
基础值确定单元,用于将所述模拟订单信息对应的模拟定价数据作为所述目标对象的资源配置门槛基础值,以及将所述模拟定价数据与所述订单实付金额之差作为所述目标对象的资源配置金额基础值;
资源配置单元,用于根据所述资源配置门槛基础值和预设门槛浮动值,确定所述目标对象的推荐门槛值,以及根据所述资源配置金额基础值和预设金额浮动值,确定所述目标对象的推荐金额值。
具体地,所述装置还包括:
推荐信息发送模块,用于向目标对象提交方输出资源配置推荐信息,以使所述目标对象提交方基于所述资源配置推荐信息确定所述目标对象的资源配置信息,其中,所述资源配置推荐信息包括但不限于所述资源配置门槛基础值、所述预设门槛浮动值、所述资源配置金额基础值、所述预设金额浮动值、所述推荐门槛值以及所述推荐金额值;
配置反馈模块,用于根据所述目标对象提交方反馈的资源配置信息,确定所述资源配置门槛值以及所述资源配置金额值。
依据本申请又一个方面,提供了一种存储介质,其上存储有计算机程序,所述程序被处理器执行时实现上述资源配置方法。
依据本申请再一个方面,提供了一种计算机设备,包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述资源配置方法。
借由上述技术方案,本申请提供的一种资源配置方法及装置、存储介质、计算机设备,基于目标店铺提供的目标商品信息,筛选出已交付店铺中与目标店铺提供的商品接近的竞品店铺,从而对竞品店铺的历史订单数据进行统计分析,获取能够反映出用户消费能力的订单实付金额以及能够反映出用户消费偏好的订单实际添加商品,进而基于用户的消费偏好对目标店铺进行订单模拟,基于用户的消费能力以及模拟订单的金额,确定满减优惠活动的配置信息。本申请实现了基于对比对象的历史订单数据为目标对象进行资源配置,使得目标对象能够提供符合用户消费偏好和消费能力的优惠活动,不仅有利于目标对象的成长和留存,也能够激发平台中各对象的竞争活力为用户提供更加优质的商品和服务,还能够提升平台的核心竞争力。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1示出了本申请实施例提供的一种资源配置方法的流程示意图;
图2示出了本申请实施例提供的另一种资源配置方法的流程示意图;
图3示出了本申请实施例提供的一种资源配置装置的结构示意图;
图4示出了本申请实施例提供的另一种资源配置装置的结构示意图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本申请。需要说明的是,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。
在本实施例中提供了一种资源配置方法,如图1所示,该方法包括:
步骤101,依据目标对象提交的目标内容以及已交付对象的实际内容,从已交付对象中筛选出目标对象对应的对比对象。
本申请实施例可以应用于对目标对象的资源配置,其中,目标对象可以包括实体店铺、线上店铺以及线上和实体相结合店铺等形式的店铺,资源配置可以包括对目标店铺的优惠资源配置、对目标店铺提供的目标内容进行定价配置等,优惠资源配置可以包括满减活动配置、打折活动配置等,具体的应用场景在此不做限定。例如,为新入驻外卖商家推荐满减活动的满减门槛和满减金额,或者为已入驻的老商家调整满减活动设置(老商家存在交易量低,利润低等问题时重新设置满减活动),或者商家调整商品供给品类需要重新设置满减活动,或者为线下商家设置打折活动的具体折扣数据等应用场景,其中,商家提供的商品(即目标对象提供的目标内容)不局限于食品,可以是任何品类的商品。
本申请实施例以新入驻外卖平台的店铺为例进行解释说明,当存在目标店铺(即目标对象)入驻外卖平台需要为该店铺配置优惠活动(即进行资源配置)时,商家可以在商家客户端中输入店铺提供商品的名称以及对应定价,服务器获取该平台已交付店铺(即已交付对象)的商品信息(即实际内容),已交付店铺主要是指在该平台已经配置了满减优惠活动的店铺,在这些已交付店铺中筛选出与目标店铺可能存在竞争关系的竞品店铺(即对比对象),一般来说,竞品店铺主要是指与目标店铺提供的商品相同或相似的已交付店铺,因此,筛选竞品店铺时,本申请实施例主要依据目标店铺所提供的目标商品(即目标内容)的品类对已交付店铺进行筛选,选出与目标店铺的品类相同或相似的店铺,以便参照竞品店铺的满减优惠活动配置方案为目标店铺配置优惠方案,基于目标店铺的商品和已交付店铺提供的商品进行筛选,可以快速找出与目标店铺提供商品相似性较高的竞品店铺,在商家配置优惠信息需要参考其他店铺配置信息时,不再需要依赖主观经验或者逐个人工筛选,提高了竞品店铺筛选的效率,从而有助于提高资源配置效率。
步骤102,基于对比对象对应的历史订单信息,统计对比对象对应的订单实付数据以及订单实际添加内容。
筛选出目标店铺对应的竞品店铺后,可以将竞品店铺的历史订单数据作为目标店铺设置满减优惠活动的参考依据,用户在竞品店铺下单时的实付金额(即订单实付数据,订单实付数据可以为真实货币金额例如人民币金额等,也可以为平台提供的虚拟货币金额例如平台积分数据等)可以反映出用户在该类型店铺中的消费能力,订单实际添加商品(即订单实际添加内容)可以反映出用户对该类型店铺的消费意愿,因此在设置目标店铺的满减优惠活动时主要以竞品店铺的每笔订单的实付金额和下单的实际添加商品组合为参考依据。
步骤103,从目标对象中筛选出与订单实际添加内容相应的虚拟添加内容,得到目标对象的模拟订单信息。
获取到用户在竞品店铺中的实际订单商品组合后,可以基于用户在竞品店铺中的消费意愿对用户可能在目标店铺中的下单商品进行模拟,具体可以对竞品店铺对应的订单实际添加商品数据进行回流模拟出目标商家订单,通过计算订单实际添加商品与各目标商品之间的相似度,在目标商品中逐一找出与订单实际添加商品相似度最高的虚拟添加商品,从而利用这些虚拟添加商品构成模拟订单,实现对目标店铺的下单情况模拟,模拟订单不仅包括模拟下单商品,还可以结合商品的定价计算出模拟订单的总价。
步骤104,按照订单实付数据以及模拟订单信息对应的模拟定价数据,确定目标对象的资源配置信息。
在设置目标店铺的优惠配置信息时,利用竞品店铺的订单实付金额预估用户的消费能力,以使得用户在目标店铺选购模拟订单内的虚拟添加商品时,可以以与该订单实付金额相当的价格购买到模拟订单中的商品,例如配置满减优惠活动,模拟订单对应的模拟定价数据预估满减活动的门槛条件,用户在目标店铺所下订单的订单金额满足门槛条件时,在订单金额的基础上减掉一定优惠金额,以使用户在目标店铺中实际支付的金额符合其在竞品店铺中所表现出的消费能力,从而实现基于竞品优质店铺的历史交易信息为目标店铺推荐满减优惠活动配置信息,使得目标商家的模拟订单实付价格更贴近用户的实际消费能力,有助于帮助目标店铺实现引流和转化。
通过应用本实施例的技术方案,基于目标店铺提供的目标商品信息,筛选出已交付店铺中与目标店铺提供的商品接近的竞品店铺,从而对竞品店铺的历史订单数据进行统计分析,获取能够反映出用户消费能力的订单实付金额以及能够反映出用户消费偏好的订单实际添加商品,进而基于用户的消费偏好对目标店铺进行订单模拟,基于用户的消费能力以及模拟订单的金额,确定满减优惠活动的配置信息。本申请实施例与现有技术中依靠人为主观经验配置满减优惠活动的方式相比,实现了基于竞品店铺的历史订单数据为目标店铺配置优惠活动,使得目标店铺能够提供符合用户消费偏好和消费能力的优惠活动,不仅有利于新入驻商家的成长和留存,也能够激发平台中各商家的竞争活力为用户提供更加优质的商品和服务,还能够提升外卖平台的核心竞争力。
进一步的,作为上述实施例具体实施方式的细化和扩展,为了完整说明本实施例的具体实施过程,提供了另一种资源配置方法,如图2所示,该方法包括:
步骤201,按照已交付对象的类别对已交付对象进行一级聚类,得到至少一个一级对象集合及其对应的类别;
步骤202,获取任一一级对象集合包含的已交付对象对应的内容标签;
步骤203,按照内容标签对任一一级对象集合包含的已交付对象进行二级聚类,得到至少一个二级对象集合及其对应的内容标签,其中,任一二级店铺集合对应的内容标签包括任一二级对象集合包含的全部已交付对象的内容标签。
在步骤201至步骤203中,为了提高获取竞品店铺的效率,平台可以预先对已交付店铺进行聚类分析,聚类分析过程主要包括基于店铺主营品类的一级聚类,以及基于店铺提供商品的商品标签在一级聚类结果的基础上进行的二级聚类。
首先,按照主营品类对已交付店铺进行一级聚类,将主营品类相同或者相似的店铺划分到同一个一级店铺集合(即一级对象集合)中,得到一个或多个一级店铺集合,例如将主营川菜的店铺聚集到一个一级店铺集合中,将主营粤菜的店铺聚集到另一个一级店铺集合中;
其次,对于任意一个一级店铺集合来说,分别提取该集合中包含的已交付店铺提供商品的商品标签,店铺为了提高菜品对用户的吸引力有时会给菜品取一些特别的名称,若基于菜品名称之间的相似度来筛选竞品店铺可能会因为菜品名称的个性化影响筛选的准确性,而商品标签通常一般为商品的通用名称或者是商品通用名称的关键词,因此,可以利用已交付店铺对应的商品标签对店铺进行二级聚类,商品标签可以是商家在制定商品名称时同时制定的,如果商家没有制定商品标签,则可以将不同的已交付店铺的商品名称都提取出来,对商品名称进行分词处理后,基于商品名称的分词词频提取,例如商品名称包含“脆皮鸡腿”(分词为脆皮和鸡腿)和“鸡腿盖饭”(分词为鸡腿和盖饭)则可以提取出商品标签“鸡腿”;
最后,基于任意一个一级店铺集合对应的不同已交付店铺的商品标签,对一级店铺集合中包含的已交付店铺进行二级聚类,将包含的商品标签相似度较高的店铺聚集为一个二级店铺集合(即第二对比对象集合),比如包含的商品标签重合度高于80%的已交付店铺划分到同一个二级店铺集合中,这样就得到了相似度更高的店铺集合,从而可以按照这两级聚类店铺集合实现快速筛选,聚类后的店铺集合可以存储为通用模板的形式,例如{一级聚类主营品类,二级聚类商品标签集合,二级聚类门店集合},二级聚类店铺集合所对应的商品标签可以包括该集合下的每个店铺对应的商品标签。
需要说明的是,由于不同区域的用户消费能力不同,在对已交付店铺进行一级聚类之前,还应对店铺所在位置进行划分,将同一商圈或同一范围内的已交付店铺进行上述聚类,在筛选目标店铺的竞品店铺时,也应基于目标店铺所在的范围查找竞品店铺。
步骤204,将与目标对象的类别相同的一级对象集合确定为第一对比对象集合;
步骤205,计算目标内容与第一对比对象集合包含的任一二级对象集合的内容标签的匹配度;
步骤206,从第一对比对象集合包含的二级对象集合中筛选出匹配度大小符合预设匹配度筛选条件的第二对比对象集合;
步骤207,根据第二对比对象集合包含的任一已交付对象的历史订单量以及历史订单收益数据,从第二对比对象集合中筛选出对比对象。
在本申请实施例步骤204至步骤207中提供了一种从已交付店铺中筛选竞品店铺的方法。首先,按照目标店铺的主营品类筛选一级店铺集合,找到与目标店铺主营品类相同或相似度最高的一级店铺集合;
其次,分别计算目标店铺提供的商品(或对应的商品标签)与每个二级店铺集合的商品标签的匹配度,可以根据目标店铺的商品命中二级店铺集合的商品标签的占比来确定匹配度,例如目标店铺的商品数量为20,其中有16个商品能够命中某二级店铺集合的商品标签,则匹配度为16/20=80%;
然后,基于预设的匹配度筛选条件,选择其中匹配度符合该条件的一个或多个二级店铺集合,将所选集合作为第二竞品店铺集合,对集合中包含店铺进行进一步的筛选;
最后,在步骤207中,从第二竞品店铺集合中选出历史交易情况较好的店铺作为竞品店铺。具体地,按照第二对比对象集合包含的任一已交付对象的历史订单量以及历史订单收益数据,对已交付对象的历史订单量以及历史订单收益数据进行排名;计算已交付对象的历史订单排名,并获取历史订单排名符合对比对象筛选条件的已交付对象作为对比对象,其中,历史订单排名=(历史订单量排名*P+历史订单收益数据排名*Q)*100%,P+Q=1。基于第二竞品店铺集合中各店铺的历史订单量以及历史订单收益的排名情况,对各店铺进行综合排名,从中选择排名靠前的优质店铺作为竞品店铺,例如根据各店铺的近30天实际有效订单量排名和实际收益排名,综合选择top30%为优质商家作为竞品店铺,(实际有效订单量排名*0.5+实际收益排名*0.5)*100%<=30%。
步骤208,获取对比对象在预设时间段内的历史订单信息;
步骤209,统计历史订单信息对应的历史订单实付金额的众数作为竞品店铺对应的订单实付金额;
步骤210,统计历史订单信息中出现次数最多的内容组合作为订单实际添加内容。
在步骤208至步骤210中,筛选出竞品店铺后,还需要基于竞品店铺的历史订单数据统计出用户在竞品店铺中的能够体现出消费能力的实付金额以及能够体现出消费偏好的下单商品,众数是指在统计分布上具有明显集中趋势点的数值,代表数据的一般水平,即一组数据中出现次数最多的数值,本申请实施例中将历史订单实付金额的众数作为竞品店铺的订单实付金额,历史订单数据中出现次数最多的商品组合作为订单实际添加商品,以此来反应最多用户的消费能力和消费偏好。
步骤211,从目标对象中筛选出与订单实际添加内容相应的虚拟添加内容,得到目标对象的模拟订单信息。
具体地,虚拟添加商品包括与订单实际添加商品相似度最高的目标商品。
在上述实施例中,依次从目标商品中找出与每个订单实际添加商品相似度最高的虚拟添加商品,从而将这些虚拟添加商品组合为目标店铺的模拟订单,模拟订单中包括了虚拟添加商品以及订单中虚拟添加商品的总金额。
步骤212,将模拟订单信息对应的模拟定价数据作为目标对象的资源配置门槛基础值,以及将模拟定价数据与订单实付金额之差作为目标对象的资源配置金额基础值;
步骤213,根据资源配置门槛基础值和预设门槛浮动值,确定目标对象的推荐门槛值,以及根据资源配置金额基础值和预设金额浮动值,确定目标对象的推荐金额值;
在步骤212至步骤213中,具体地,将模拟订单信息对应的模拟定价数据作为目标对象的资源配置门槛基础值limit,以及将模拟定价数据与订单实付数据之差作为目标对象的资源配置金额基础值price;根据资源配置门槛基础值limit以及资源配置金额基础值price,计算目标对象对应的第一档推荐门槛值和第一档推荐金额值,例如,第一档推荐门槛值=limit+random 1,第一档推荐金额值=price+random 1’,random 1为第一档预设门槛浮动值,random 1’为第一档预设金额浮动值,上述浮动值一般可以为在相应预设范围内的随机数;进一步的,根据资源配置门槛基础值limit以及资源配置金额基础值price,确定目标对象对应的第N档推荐门槛值和第N档推荐金额值,其中,N≥2,第N档推荐门槛值=limit*kN+random N,第N档推荐金额值=price*vN+random N’,N-1<kN<N,vN/kN<1,random N为第N档预设门槛浮动值,random N’为第N档预设金额浮动值,上述浮动值一般可以为在相应预设范围内的随机数。
在上述实施例中,将目标店铺的模拟订单的原价即模拟定价数据作为资源配置门槛基础值price,将模拟订单信息对应的模拟定价数据作为目标店铺的资源配置门槛基础值limit,接着在基于price和limit来设置目标店铺的满减优惠活动,具体可以根据price和limit可以推荐设置多档满减活动,以满足不同用户的订单需求,例如:
第一档:推荐门槛值=limit+random 1,推荐金额值=price+random 1’;
第二档:推荐门槛值=limit*k1+random 2,推荐金额值=price*v1+random 2’,其中,1<k1<2,v1/k1<1;
第N档,推荐门槛值=limit*kN+random N,推荐金额值=price*vN+random N’,其中,N-1<kN<N,N-1<vN<N。
这里的random为随机数,每个random可以相同也可以不同,但random应在合理范围内取随机数,random的取值范围应根据price和limit来设定,比如price为40,limit为20,那么random取值范围可以设置在-2~2之间,为优惠门槛值和优惠金额值增加差异性,增加目标店铺与竞品店铺的优惠配置的差异性,并可以将差异性控制在合理范围内,以使用户在目标店铺和竞品店铺下相同的订单时实际支付的金额有一定差别,但相差不大,使用户的消费偏好和消费能力都得到满足,这样一来用户通过支付差别较小的金额,可以在不同的店铺够得相似的商品,有助于促进店铺之间的竞争。另外,k的取值范围可以适当调整,比如1.2<k1<2,2.4<k2<3。
另外,还可以将优惠活动配置成折扣活动,将将模拟订单信息对应的模拟定价数据作为目标对象的资源配置门槛基础值limit,以及将订单实付金额与模拟定价数据的比值作为目标对象的资源配置额度基础值discount,当然也可以在资源配置门槛基础值和资源配置额度基础值的基础上增加一定扰动,在控制活动在合理范围内的基础上丰富活动力度。例如,
第一档:推荐门槛值=limit+random 1,推荐额度值=discount+random 1’;
第二档:推荐门槛值=limit*k1+random 2,推荐额度值=discount*v1+random2’,其中,1<k1<2,v1/k1<1;
第N档,推荐门槛值=limit*kN+random N,推荐额度值=discount*vN+random N’,其中,N-1<kN<N,N-1<vN<N。
步骤214,向目标对象提交方输出资源配置推荐信息,以使目标对象提交方基于资源配置推荐信息确定目标对象的资源配置信息;其中,资源配置推荐信息包括但不限于资源配置门槛基础值、预设门槛浮动值、资源配置金额基础值、预设金额浮动值、推荐门槛值以及推荐金额值;
步骤215,根据目标对象提交方反馈的资源配置信息,确定资源配置门槛值以及资源配置金额值。
在上述步骤214和步骤215中,平台服务器在确定出推荐门槛值和推荐金额值之后,可以将推荐门槛值和推荐金额值发送给商家持有的客户端中,商家基于客户端对该信息的展示,来选择是否接受推荐。具体服务器向客户端中发送的资源配置推荐信息至少可以包括资源配置门槛基础值、预设门槛浮动值、资源配置金额基础值、预设金额浮动值、推荐门槛值以及推荐金额值,商家在接收到资源配置推荐信息展示时,既可以选择直接接收服务器确定的推荐门槛值和推荐金额值,也可以自行确定最终的配置信息,例如商家基于自身的品牌价值,若品牌价值较高,则可以在预设门槛浮动值和预设金额浮动值范围内,适当将门槛基础值提高,将金额基础值降低,当然,服务器提供的预设门槛浮动值和预设金额浮动值只是为商家提供参考,商家自行设置的资源门槛值和资源配置金额值也可以不局限于基于服务器提供的资源配置推荐信息设定。
通过应用本实施例的技术方案,基于已交付店铺的历史订单数据和新入驻商家的商品数据,通过数据回流模拟目标商家的订单,并通过特定规则配置多档满减活动,使得新入驻的商家的订单经过满减活动后,其实付价格更贴近商圈的人群的平均消费水平,对于新入驻的商家的留存和经营指导有一定意义。
下面结合一个更为具体的实施例对本申请提供的资源配置方法进行说明。例如,目标店铺“家常川菜馆”为新入驻到某外卖平台的店铺,商家将店铺提供的菜品(菜品名称、菜品价格、菜品标签)以及店铺的主营菜品类型通过客户端输入后,服务器根据商家提供的信息为“家常川菜馆”配置满减优惠信息或折扣信息。
步骤1,服务器预先对已入驻平台的店铺进行聚类,一级聚类基于店铺的主营业务,二级聚类是在一级聚类店铺集合的基础上基于店铺内菜品对应的标签的相似度进行聚类,将一级聚类店铺集合中对应标签相似度高的店铺放入同一个二级聚类店铺中;
步骤2,基于“家常川菜馆”的主营菜品类型“川菜”,先在一级聚类店铺中找到主营类别同为“川菜”的一级聚类店铺集合,然后再根据“家常川菜馆”提供的菜品对应的菜品标签(标签可以是商家预先输入,也可以是根据菜品名称提取),找出与该店铺的标签相似度最高的二级聚类店铺集合;
步骤3,在上述的二级聚类店铺集合中的每个店铺都可以看做是“家常川菜馆”的竞品店铺,接着需要从中找出优质的竞品店铺,优质竞品店铺主要基于历史交易量和历史收益来筛选,例如对竞品店铺30天内的订单进行统计从中筛选出历史交易量和历史收益综合排名靠前的店铺,作为优质竞品店铺;
步骤4,进一步对优质竞品店铺的历史订单进行统计,获取订单实际支付金额的众数A以及获取该店铺中用户下单次数最多的历史菜品组合,并根据在优质竞品店铺统计出的历史菜品组合,依次在“家常川菜馆”提供的菜品中,找出与该历史菜品组合相似度最高的菜品,并根据找出的菜品进行“家常川菜馆”的订单模拟;
步骤5,计算“家常川菜馆”的模拟菜单对应的模拟定价B,模拟定价是对模拟订单内菜品进行价格累加得到的,例如模拟订单中包括番茄炒蛋和红烧肉,番茄炒蛋定价10元,红烧肉定价15元,那么该模拟订单对应的模拟定价为25元;
步骤6,根据优质竞品店铺对应的实际支付金额众数A和模拟订单的模拟定价B来配置优惠活动。
其中,优惠活动可以为满减活动,具体可以设置为“满B减(B-A)”,例如A为15元,B为25元,那么满减活动可以设置为满25减10,这样用户在店内消费15元就可以购买到与竞品店铺相似的菜品,且支付的金额与在竞品店铺支付的金额一致都为15元,满足用户消费能力和消费偏好,为使目标店铺“家常川菜馆”的活动设置与竞品店铺具有差异性,提高竞争力,可以将满减金额进行适当调整,例如“满(B+random)减[(B-A)+random’]”,还可以进一步设置多档优惠活动,在此不做举例,参照步骤212至步骤213的说明;
另外,优惠活动还可以为折扣活动,折扣活动可以设置为“满B享受折扣A/B*100%”,例如满25元,享受6折,同样的,用户在店内消费15元就可以购买到与竞品店铺相似的菜品,且支付的金额与在竞品店铺支付的金额一致都为15元,满足用户消费能力和消费偏好,为了增加与其他店铺的差异性,可以对折扣活动进行适当调整,例如对满25元进行一定调整,设置成满28元、23元等等,也可以对折扣额度调整例如享受5折、7折等等。
进一步的,作为图1方法的具体实现,本申请实施例提供了一种优惠配置装置,如图3所示,该装置包括:
对比对象筛选模块31,用于依据目标对象提交的目标内容以及已交付对象的实际内容,从已交付对象中筛选出目标对象对应的对比对象;
对比订单统计模块32,用于基于对比对象对应的历史订单信息,统计对比对象对应的订单实付数据以及订单实际添加内容;
订单模拟模块33,用于从目标对象中筛选出与订单实际添加内容相应的虚拟添加内容,得到目标对象的模拟订单信息;
资源配置模块34,用于按照订单实付数据以及模拟订单信息对应的模拟定价数据,确定目标对象的资源配置信息。
在具体的应用场景中,如图4所示,该装置还包括:
一级聚类模块35,用于从已交付对象中筛选出目标对象对应的对比对象之前,按照已交付对象的类别对已交付对象进行一级聚类,得到至少一个一级对象集合及其对应的类别;
内容标签获取模块36,用于获取任一一级对象集合包含的已交付对象对应的内容标签;
二级聚类模块37,按照内容标签对任一一级对象集合包含的已交付对象进行二级聚类,得到至少一个二级对象集合及其对应的内容标签,其中,任一二级店铺集合对应的内容标签包括任一二级对象集合包含的全部已交付对象的内容标签。
在具体的应用场景中,如图4所示,对比对象筛选模块31,具体包括:
第一集合筛选单元311,用于将与目标对象的类别相同的一级对象集合确定为第一对比对象集合;
匹配度计算单元312,用于计算目标内容与第一对比对象集合包含的任一二级对象集合的内容标签的匹配度;
第二集合筛选单元313,用于从第一对比对象集合包含的二级对象集合中筛选出匹配度大小符合预设匹配度筛选条件的第二对比对象集合;
对比对象筛选单元314,用于根据第二对比对象集合包含的任一已交付对象的历史订单量以及历史订单收益数据,从第二对比对象集合中筛选出对比对象。
具体地,对比对象筛选单元314,具体用于:
按照第二对比对象集合包含的任一已交付对象的历史订单量以及历史订单收益数据,对已交付对象的历史订单量以及历史订单收益数据进行排名;
计算已交付对象的历史订单排名,并获取历史订单排名符合对比对象筛选条件的已交付对象作为对比对象,其中,历史订单排名=(历史订单量排名*P+历史订单收益数据排名*Q)*100%,P+Q=1。
在具体的应用场景中,如图4所示,对比订单统计模块32,具体包括:
历史订单获取单元321,用于获取对比对象在预设时间段内的历史订单信息;
实付数据统计单元322,用于统计历史订单信息对应的历史订单实付数据的众数作为对比对象对应的订单实付数据;
订单内容统计单元323,用于统计历史订单信息中出现次数最多的内容组合作为订单实际添加内容。
在具体的应用场景中,如图4所示,资源配置模块34,具体包括:
基础值确定单元341,用于将模拟订单信息对应的模拟定价数据作为目标对象的资源配置门槛基础值,以及将模拟定价数据与订单实付金额之差作为目标对象的资源配置金额基础值;
资源配置单元342,用于根据资源配置门槛基础值和预设门槛浮动值,确定目标对象的推荐门槛值,以及根据资源配置金额基础值和预设金额浮动值,确定目标对象的推荐金额值。
在具体的应用场景中,如图4所示,该装置还包括:
推荐信息发送模块38,用于向目标对象提交方输出资源配置推荐信息,以使目标对象提交方基于资源配置推荐信息确定目标对象的资源配置信息,其中,资源配置推荐信息包括但不限于资源配置门槛基础值、预设门槛浮动值、资源配置金额基础值、预设金额浮动值、推荐门槛值以及推荐金额值;
配置反馈模块39,用于根据目标对象提交方反馈的资源配置信息,确定资源配置门槛值以及资源配置金额值。
需要说明的是,本申请实施例提供的一种优惠配置装置所涉及各功能单元的其他相应描述,可以参考图1和图2中的对应描述,在此不再赘述。
基于上述如图1和图2所示方法,相应的,本申请实施例还提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述如图1和图2所示的优惠配置方法。
基于这样的理解,本申请的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)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)执行本申请各个实施场景所述的方法。
基于上述如图1、图2所示的方法,以及图3、图4所示的虚拟装置实施例,为了实现上述目的,本申请实施例还提供了一种计算机设备,具体可以为个人计算机、服务器、网络设备等,该计算机设备包括存储介质和处理器;存储介质,用于存储计算机程序;处理器,用于执行计算机程序以实现上述如图1和图2所示的优惠配置方法。
可选地,该计算机设备还可以包括用户接口、网络接口、摄像头、射频(RadioFrequency,RF)电路,传感器、音频电路、WI-FI模块等等。用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard)等,可选用户接口还可以包括USB接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口(如蓝牙接口、WI-FI接口)等。
本领域技术人员可以理解,本实施例提供的一种计算机设备结构并不构成对该计算机设备的限定,可以包括更多或更少的部件,或者组合某些部件,或者不同的部件布置。
存储介质中还可以包括操作系统、网络通信模块。操作系统是管理和保存计算机设备硬件和软件资源的程序,支持信息处理程序以及其它软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信,以及与该实体设备中其它硬件和软件之间通信。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本申请可以借助软件加必要的通用硬件平台的方式来实现,也可以通过硬件实现基于目标店铺提供的目标商品信息,筛选出已交付店铺中与目标店铺提供的商品接近的竞品店铺,从而对竞品店铺的历史订单数据进行统计分析,获取能够反映出用户消费能力的订单实付金额以及能够反映出用户消费偏好的订单实际添加商品,进而基于用户的消费偏好对目标店铺进行订单模拟,基于用户的消费能力以及模拟订单的金额,确定满减优惠活动的配置信息。本申请实现了基于竞品店铺的历史订单数据为目标店铺配置优惠活动,使得目标店铺能够提供符合用户消费偏好和消费能力的优惠活动,不仅有利于新入驻商家的成长和留存,也能够激发平台中各商家的竞争活力为用户提供更加优质的商品和服务,还能够提升外卖平台的核心竞争力。
本领域技术人员可以理解附图只是一个优选实施场景的示意图,附图中的模块或流程并不一定是实施本申请所必须的。本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中,也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
上述本申请序号仅仅为了描述,不代表实施场景的优劣。以上公开的仅为本申请的几个具体实施场景,但是,本申请并非局限于此,任何本领域的技术人员能思之的变化都应落入本申请的保护范围。
Claims (16)
1.一种资源配置方法,其特征在于,包括:
依据目标店铺提交的目标商品以及已交付店铺的商品信息,从所述已交付店铺中筛选出所述目标店铺对应的竞品店铺;
基于所述竞品店铺对应的历史订单信息,统计所述竞品店铺对应的订单实付数据以及订单实际添加商品;
从所述目标店铺中筛选出与所述订单实际添加商品相应的虚拟添加商品,得到所述目标店铺的模拟订单信息;
按照所述订单实付数据以及所述模拟订单信息对应的模拟定价数据,确定所述目标店铺的资源配置信息,所述资源配置信息包括优惠资源配置信息。
2.根据权利要求1所述的方法,其特征在于,所述从所述已交付店铺中筛选出所述目标店铺对应的竞品店铺之前,所述方法还包括:
按照所述已交付店铺的类别对所述已交付店铺进行一级聚类,得到至少一个一级店铺集合及其对应的类别;
获取任一所述一级店铺集合包含的所述已交付店铺对应的商品标签;
按照所述商品标签对任一所述一级店铺集合包含的所述已交付店铺进行二级聚类,得到至少一个二级店铺集合及其对应的商品标签,其中,任一所述二级店铺集合对应的商品标签包括任一所述二级店铺集合包含的全部所述已交付店铺的商品标签。
3.根据权利要求2所述的方法,其特征在于,所述依据目标店铺提供的目标商品以及已交付店铺提供的商品信息,从所述已交付店铺中筛选出所述目标店铺对应的竞品店铺,具体包括:
将与所述目标店铺的类别相同的所述一级店铺集合确定为第一竞品店铺集合;
计算所述目标商品与所述第一竞品店铺集合包含的任一所述二级店铺集合的商品标签的匹配度;
从所述第一竞品店铺集合包含的所述二级店铺集合中筛选出所述匹配度大小符合预设匹配度筛选条件的第二竞品店铺集合;
根据所述第二竞品店铺集合包含的任一所述已交付店铺的历史订单量以及历史订单收益数据,从所述第二竞品店铺集合中筛选出所述竞品店铺。
4.根据权利要求3所述的方法,其特征在于,所述根据所述第二竞品店铺集合包含的任一所述已交付店铺的历史订单量以及历史订单收益数据,从所述第二竞品店铺集合中筛选出所述竞品店铺,具体包括:
按照所述第二竞品店铺集合包含的任一所述已交付店铺的历史订单量以及历史订单收益数据,对所述已交付店铺的历史订单量以及历史订单收益数据进行排名;
计算所述已交付店铺的历史订单排名,并获取所述历史订单排名符合竞品店铺筛选条件的所述已交付店铺作为所述竞品店铺,其中,所述历史订单排名=(所述历史订单量排名*P+所述历史订单收益数据排名*Q)*100%,P+Q=1。
5.根据权利要求1至4中任一项所述的方法,其特征在于,所述基于所述竞品店铺对应的历史订单信息,统计所述竞品店铺对应的订单实付数据以及订单实际添加商品,具体包括:
获取所述竞品店铺在预设时间段内的历史订单信息;
统计所述历史订单信息对应的历史订单实付数据的众数作为所述竞品店铺对应的订单实付数据;
统计所述历史订单信息中出现次数最多的商品组合作为所述订单实际添加商品。
6.根据权利要求1至4中任一项所述的方法,其特征在于,所述按照所述订单实付数据以及所述模拟订单信息对应的模拟定价数据,确定所述目标店铺的资源配置信息,具体包括:
将所述模拟订单信息对应的模拟定价数据作为所述目标店铺的资源配置门槛基础值,以及将所述模拟定价数据与所述订单实付数据之差作为所述目标店铺的资源配置金额基础值;
根据所述资源配置门槛基础值和预设门槛浮动值,确定所述目标店铺的推荐门槛值,以及根据所述资源配置金额基础值和预设金额浮动值,确定所述目标店铺的推荐金额值。
7.根据权利要求6所述的方法,其特征在于,确定所述目标店铺的资源配置门槛值以及所述目标店铺的资源配置金额值之后,所述方法还包括:
向目标店铺提交方输出资源配置推荐信息,以使所述目标店铺提交方基于所述资源配置推荐信息确定所述目标店铺的资源配置信息,其中,所述资源配置推荐信息包括但不限于所述资源配置门槛基础值、所述预设门槛浮动值、所述资源配置金额基础值、所述预设金额浮动值、所述推荐门槛值以及所述推荐金额值;
根据所述目标店铺提交方反馈的资源配置信息,确定所述资源配置门槛值以及所述资源配置金额值。
8.一种资源配置装置,其特征在于,包括:
对比对象筛选模块,用于依据目标店铺提交的目标商品以及已交付店铺的商品信息,从所述已交付店铺中筛选出所述目标店铺对应的竞品店铺;
对比订单统计模块,用于基于所述竞品店铺对应的历史订单信息,统计所述竞品店铺对应的订单实付数据以及订单实际添加商品;
订单模拟模块,用于从所述目标店铺中筛选出与所述订单实际添加商品相应的虚拟添加商品,得到所述目标店铺的模拟订单信息;
资源配置模块,用于按照所述订单实付数据以及所述模拟订单信息对应的模拟定价数据,确定所述目标店铺的资源配置信息,所述资源配置信息包括优惠资源配置信息。
9.根据权利要求8所述的装置,其特征在于,所述装置还包括:
一级聚类模块,用于从所述已交付店铺中筛选出所述目标店铺对应的竞品店铺之前,按照所述已交付店铺的类别对所述已交付店铺进行一级聚类,得到至少一个一级店铺集合及其对应的类别;
商品标签获取模块,用于获取任一所述一级店铺集合包含的所述已交付店铺对应的商品标签;
二级聚类模块,按照所述商品标签对任一所述一级店铺集合包含的所述已交付店铺进行二级聚类,得到至少一个二级店铺集合及其对应的商品标签,其中,任一所述二级店铺集合对应的商品标签包括任一所述二级店铺集合包含的全部所述已交付店铺的商品标签。
10.根据权利要求9所述的装置,其特征在于,所述竞品店铺筛选模块,具体包括:
第一集合筛选单元,用于将与所述目标店铺的类别相同的所述一级店铺集合确定为第一竞品店铺集合;
匹配度计算单元,用于计算所述目标商品与所述第一竞品店铺集合包含的任一所述二级店铺集合的商品标签的匹配度;
第二集合筛选单元,用于从所述第一竞品店铺集合包含的所述二级店铺集合中筛选出所述匹配度大小符合预设匹配度筛选条件的第二竞品店铺集合;
对比对象筛选单元,用于根据所述第二竞品店铺集合包含的任一所述已交付店铺的历史订单量以及历史订单收益数据,从所述第二竞品店铺集合中筛选出所述竞品店铺。
11.根据权利要求10所述的装置,其特征在于,所述对比对象筛选单元,具体用于:
按照所述第二竞品店铺集合包含的任一所述已交付店铺的历史订单量以及历史订单收益数据,对所述已交付店铺的历史订单量以及历史订单收益数据进行排名;
计算所述已交付店铺的历史订单排名,并获取所述历史订单排名符合竞品店铺筛选条件的所述已交付店铺作为所述竞品店铺,其中,所述历史订单排名=(所述历史订单量排名*P+所述历史订单收益数据排名*Q)*100%,P+Q=1。
12.根据权利要求8至11中任一项所述的装置,其特征在于,所述对比订单统计模块,具体包括:
历史订单获取单元,用于获取所述竞品店铺在预设时间段内的历史订单信息;
实付数据统计单元,用于统计所述历史订单信息对应的历史订单实付数据的众数作为所述竞品店铺对应的订单实付数据;
订单内容统计单元,用于统计所述历史订单信息中出现次数最多的商品组合作为所述订单实际添加商品。
13.根据权利要求12所述的装置,其特征在于,所述资源配置模块,具体包括:
基础值确定单元,用于将所述模拟订单信息对应的模拟定价数据作为所述目标店铺的资源配置门槛基础值,以及将所述模拟定价数据与所述订单实付数据之差作为所述目标店铺的资源配置金额基础值;
资源配置单元,用于根据所述资源配置门槛基础值和预设门槛浮动值,确定所述目标店铺的推荐门槛值,以及根据所述资源配置金额基础值和预设金额浮动值,确定所述目标店铺的推荐金额值。
14.根据权利要求13所述的装置,其特征在于,所述装置还包括:
推荐信息发送模块,用于向目标店铺提交方输出资源配置推荐信息,以使所述目标店铺提交方基于所述资源配置推荐信息确定所述目标店铺的资源配置信息,其中,所述资源配置推荐信息包括但不限于所述资源配置门槛基础值、所述预设门槛浮动值、所述资源配置金额基础值、所述预设金额浮动值、所述推荐门槛值以及所述推荐金额值;
配置反馈模块,用于根据所述目标店铺提交方反馈的资源配置信息,确定所述资源配置门槛值以及所述资源配置金额值。
15.一种存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现权利要求1至7中任一项所述的资源配置方法。
16.一种计算机设备,包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至7中任一项所述的资源配置方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010321508.7A CN111626765B (zh) | 2020-04-22 | 2020-04-22 | 资源配置方法及装置、存储介质、计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010321508.7A CN111626765B (zh) | 2020-04-22 | 2020-04-22 | 资源配置方法及装置、存储介质、计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111626765A CN111626765A (zh) | 2020-09-04 |
CN111626765B true CN111626765B (zh) | 2023-07-25 |
Family
ID=72270887
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010321508.7A Active CN111626765B (zh) | 2020-04-22 | 2020-04-22 | 资源配置方法及装置、存储介质、计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111626765B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113627981A (zh) * | 2021-08-09 | 2021-11-09 | 口碑(上海)信息技术有限公司 | 活动信息提供方法、装置、计算机设备及可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106570716A (zh) * | 2015-10-09 | 2017-04-19 | 阿里巴巴集团控股有限公司 | 提供商品对象信息的方法及装置 |
CN108460586A (zh) * | 2018-02-10 | 2018-08-28 | 深圳壹账通智能科技有限公司 | 一种聚合支付的金额优惠方法、装置、终端设备及存储介质 |
CN109919703A (zh) * | 2019-01-16 | 2019-06-21 | 浙江口碑网络技术有限公司 | 店铺信息处理方法、装置、系统、存储介质及计算机设备 |
CN110019707A (zh) * | 2017-11-09 | 2019-07-16 | 阿里巴巴集团控股有限公司 | 人机对话方法、交互方法、客户端、电子设备及存储介质 |
CN110020886A (zh) * | 2019-01-31 | 2019-07-16 | 阿里巴巴集团控股有限公司 | 一种定价方法、系统、装置及电子设备 |
CN110782284A (zh) * | 2019-10-24 | 2020-02-11 | 腾讯科技(深圳)有限公司 | 信息推送方法、装置以及可读存储介质 |
CN110866771A (zh) * | 2018-08-28 | 2020-03-06 | 北京京东尚科信息技术有限公司 | 信息处理方法、系统、介质和计算机系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10332139B2 (en) * | 2013-03-14 | 2019-06-25 | Feedvisor Ltd. | Dynamic re-pricing of items on electronic marketplaces and/or online stores |
-
2020
- 2020-04-22 CN CN202010321508.7A patent/CN111626765B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106570716A (zh) * | 2015-10-09 | 2017-04-19 | 阿里巴巴集团控股有限公司 | 提供商品对象信息的方法及装置 |
CN110019707A (zh) * | 2017-11-09 | 2019-07-16 | 阿里巴巴集团控股有限公司 | 人机对话方法、交互方法、客户端、电子设备及存储介质 |
CN108460586A (zh) * | 2018-02-10 | 2018-08-28 | 深圳壹账通智能科技有限公司 | 一种聚合支付的金额优惠方法、装置、终端设备及存储介质 |
CN110866771A (zh) * | 2018-08-28 | 2020-03-06 | 北京京东尚科信息技术有限公司 | 信息处理方法、系统、介质和计算机系统 |
CN109919703A (zh) * | 2019-01-16 | 2019-06-21 | 浙江口碑网络技术有限公司 | 店铺信息处理方法、装置、系统、存储介质及计算机设备 |
CN110020886A (zh) * | 2019-01-31 | 2019-07-16 | 阿里巴巴集团控股有限公司 | 一种定价方法、系统、装置及电子设备 |
CN110782284A (zh) * | 2019-10-24 | 2020-02-11 | 腾讯科技(深圳)有限公司 | 信息推送方法、装置以及可读存储介质 |
Non-Patent Citations (1)
Title |
---|
秦进 ; 倪玲霖 ; 缪立新 ; .考虑采购数量的季节性商品动态定价问题.《系统工程理论与实践》.2011,第31卷(第7期),第1257-1263页. * |
Also Published As
Publication number | Publication date |
---|---|
CN111626765A (zh) | 2020-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8103520B2 (en) | Method and apparatus for selecting a supplemental product to offer for sale during a transaction | |
US7542919B1 (en) | Method and apparatus for selecting a supplemental product to offer for sale during a transaction | |
US20170076355A1 (en) | Recipe-suggestion apparatus and method | |
CN108648059B (zh) | 订单推荐方法及装置 | |
Das Nair et al. | The expansion of regional supermarket chains: Changing models of retailing and the implications for local supplier capabilities in South Africa, Botswana, Zambia, and Zimbabwe | |
US20040138953A1 (en) | Method and apparatus for offering coupons during a transaction | |
US20210272138A1 (en) | Method and apparatus for data processing | |
CN111932345A (zh) | 信息推送方法及装置 | |
CN112417284A (zh) | 推送展示信息的方法和装置 | |
CN111626765B (zh) | 资源配置方法及装置、存储介质、计算机设备 | |
JP2016212792A (ja) | 商品推薦装置、商品推薦方法及びプログラム | |
US8738445B2 (en) | Computerized systems and methods for anonymous collaborative auctions | |
CN109299992A (zh) | 一种向用户推荐信息的方法、装置及终端 | |
CN112950322A (zh) | 一种基于协同过滤优化的电力零售套餐推荐方法和系统 | |
Gallardo et al. | The use of electronic payment machines at farmers markets: results from a choice experiment study | |
US9715708B2 (en) | Computerized systems and methods for anonymous collaborative auctions | |
US20220335358A1 (en) | Store supporting system, learning device, store supporting method, generation method of learned model, and program | |
CN109272373B (zh) | 一种基于计算机的品牌推荐方法 | |
Sa’dun et al. | Determining Marketing Strategies Using Swot and 4P in The Sanjaiku Chips Business | |
KR20190130222A (ko) | 유저 반응형 프로모션 상품 판매 시스템 및 그 방법 | |
US11972470B2 (en) | Systems and methods for identifying item substitutions | |
Chorna et al. | Peculiarities and prospects of development of contemporary retailing: the global and Ukrainian realities | |
CN112330037B (zh) | 一种新品库存比例预测的方法、装置及服务器 | |
Manimtim et al. | Market Structures: Unveiling Product Differentiation Strategies: Industry Dynamics, Key Drivers, and Consumer Perspectives | |
Kozielski et al. | Sales and distribution management metrics |
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 |