CN111724037A - 运营资源分配方法、装置、计算机设备及可读存储介质 - Google Patents
运营资源分配方法、装置、计算机设备及可读存储介质 Download PDFInfo
- Publication number
- CN111724037A CN111724037A CN202010433773.4A CN202010433773A CN111724037A CN 111724037 A CN111724037 A CN 111724037A CN 202010433773 A CN202010433773 A CN 202010433773A CN 111724037 A CN111724037 A CN 111724037A
- Authority
- CN
- China
- Prior art keywords
- allocated
- resource
- store
- stores
- target
- 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.)
- Granted
Links
- 238000013468 resource allocation Methods 0.000 title claims abstract description 113
- 238000000034 method Methods 0.000 title claims abstract description 59
- 239000013598 vector Substances 0.000 claims description 51
- 239000011159 matrix material Substances 0.000 claims description 20
- 230000006870 function Effects 0.000 claims description 12
- 238000000513 principal component analysis Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 8
- 238000000605 extraction Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000002699 waste material Substances 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种运营资源分配方法、装置、计算机设备及可读存储介质,涉及互联网技术领域,构建运营资源分配模型,采用运营资源分配模型执行对待分配门店的资源分配,并在后续还可以重新分配运营资源,按照实际情况定期分配,降低了成本和分配误差,保证了运营质量,提高了运营效率以及用户粘度。所述方法包括:获取待分配门店的历史运营信息;基于待分配门店的历史运营信息,构建运营资源分配模型;在至少一个待分配运营资源中提取第一目标运营资源,将第一目标运营资源分配至待分配门店;记录第一目标运营资源分配至待分配门店中的运营时长;当运营时长达到时长阈值时,控制待分配门店重新进行运营资源分配。
Description
技术领域
本发明涉及互联网技术领域,特别是涉及一种运营资源分配方法、装置、计算机设备及可读存储介质。
背景技术
随着计算机技术和互联网技术的不断发展,为了便于对门店进行管理,减轻工作人员的工作量,将劳动力解放出来,许多门店中涉及到的项目都由线下转为线上,而为了对这些门店以及门店中的项目进行集成管理,线上会提供线上平台,门店只要接入线上平台,就可以享受线上平台提供的运营资源。线上平台在运行中会对请求接入的门店进行筛选,允许筛选通过的门店接入到线上平台中,并为接入的门店分配运营资源,由运营资源代替门店的商家来管理大促招商、终端售卖、产品推广等一系列门店的项目,实现门店的数字化运营。
相关技术中,线上平台向接入的门店分配运营资源时,通常为门店设置专门的工作人员,由工作人员根据门店的实际情况,将门店中的项目分配给相应的运营资源。例如,工作人员会根据门店所在城市将门店分配给当地的运营资源,或者根据门店的类型将门店分配给对应类型的运营资源。
在实现本发明的过程中,发明人发现相关技术至少存在以下问题:
线上平台中接入的门店量巨大,人工手动进行运营资源的分配涉及到大量的工作量,而且人工分配运营资源仅采用门店单一的实际情况进行分配,无法考虑多种可能影响分配结果的情况,不仅使运营资源的分配成本极高,而且导致运营资源的分配误差也较高,影响了实际的运营效率,用户粘度较低。
发明内容
有鉴于此,本发明提供了一种运营资源分配方法、装置、计算机设备及可读存储介质,主要目的在于解决目前运营资源的分配成本极高,运营资源的分配误差也较高,影响了实际的运营效率,用户粘度较低的问题。
依据本发明第一方面,提供了一种运营资源分配方法,该方法包括:
获取待分配门店的历史运营信息;
基于所述待分配门店的历史运营信息,构建运营资源分配模型;
在至少一个待分配运营资源中提取第一目标运营资源,将所述第一目标运营资源分配至所述待分配门店,所述第一目标运营资源输入至所述运营资源分配模型后输出的目标运营预测值符合分配条件;
记录所述第一目标运营资源分配至所述待分配门店中的运营时长;
当所述运营时长达到时长阈值时,控制所述待分配门店重新进行运营资源分配。
在另一个实施例中,所述获取待分配门店的历史运营信息之前,所述方法还包括:
在本地门店池中提取至少一个候选门店,所述至少一个候选门店的门店条件符合预设门店入选要求;
对于所述至少一个候选门店中每个候选门店,查询所述候选门店是否存在对应的预设分配规则;
若所述候选门店存在所述预设分配规则,则在所述至少一个待分配运营资源中确定符合所述预设分配规则的第二目标运营资源,将所述第二目标运营资源分配至所述候选门店;
若所述候选门店不存在所述预设分配规则,则确定所述候选门店为所述待分配门店。
在另一个实施例中,所述获取待分配门店的历史运营信息之后,所述方法还包括:
若获取所述运营信息失败,则获取通用分配规则,在所述至少一个待分配运营资源中确定符合所述通用分配规则的第三目标运营资源;
将所述第三目标运营资源分配至所述待分配门店。
在另一个实施例中,所述基于所述待分配门店的历史运营信息,构建运营资源分配模型,包括:
构建所述历史运营信息的第一多维矩阵,在所述第一多维矩阵中提取初始特征向量;
基于主成分分析PCA技术对所述初始特征向量进行处理,生成目标特征向量;
确定所述目标特征向量的核函数,将所述核函数的傅立叶变换作为第一中间量;
获取预设基向量系数,将所述预设基向量系数的傅立叶变换作为第二中间量;
采用同或算法将所述第一中间量和所述第二中间量联立,得到联立结果,将所述联立结果的傅立叶变换作为所述运营资源分配模型。
在另一个实施例中,所述在至少一个待分配运营资源中提取第一目标运营资源,包括:
基于所述运营资源分配模型,对所述至少一个待分配运营资源进行运营预测,生成至少一个运营预测值;
按照所述分配条件,在所述至少一个运营预测值中提取目标运营预测值,所述目标运营预测值大于所述至少一个运营预测值中除所述目标运营预测值外的其他运营预测值;
将所述目标运营预测值对应的待分配资源作为所述第一目标运营资源。
在另一个实施例中,所述生成至少一个运营预测值,包括:
对于所述至少一个待分配运营资源中每个待分配运营资源,获取所述待分配运营资源的能力信息;
构建所述能力信息的第二多维矩阵,在所述第二多维矩阵中提取资源特征向量;
将所述资源特征向量输入至所述运营资源分配模型,获取所述运营资源分配模型的输出值作为所述待分配运营资源的运营预测值;
重复执行上述运营预测值的生成过程,分别为所述至少一个待分配运营资源生成运营预测值,得到所述至少一个运营预测值。
在另一个实施例中,所述在所述至少一个运营预测值中提取目标运营预测值,包括:
将所述至少一个运营预测值按照从大到小的顺序进行排序,将排在首位的运营预测值作为所述目标运营预测值;或,
将所述至少一个运营预测值按照从小到大的顺序进行排序,将排在末位的运营预测值作为所述目标运营预测值。
依据本发明第二方面,提供了一种运营资源分配装置,该装置包括:
获取模块,用于获取待分配门店的历史运营信息;
构建模块,用于基于所述待分配门店的历史运营信息,构建运营资源分配模型;
分配模块,用于在至少一个待分配运营资源中提取第一目标运营资源,将所述第一目标运营资源分配至所述待分配门店,所述第一目标运营资源输入至所述运营资源分配模型后输出的目标运营预测值符合分配条件;
记录模块,用于记录所述第一目标运营资源分配至所述待分配门店中的运营时长;
所述构建模块,还用于当所述运营时长达到时长阈值时,控制所述待分配门店重新进行运营资源分配。
在另一个实施例中,所述装置还包括:
提取模块,用于在本地门店池中提取至少一个候选门店,所述至少一个候选门店的门店条件符合预设门店入选要求;
查询模块,用于对于所述至少一个候选门店中每个候选门店,查询所述候选门店是否存在对应的预设分配规则;
所述分配模块,还用于若所述候选门店存在所述预设分配规则,则在所述至少一个待分配运营资源中确定符合所述预设分配规则的第二目标运营资源,将所述第二目标运营资源分配至所述候选门店;
第一确定模块,用于若所述候选门店不存在所述预设分配规则,则确定所述候选门店为所述待分配门店。
在另一个实施例中,所述装置还包括:
第二确定模块,用于若获取所述运营信息失败,则获取通用分配规则,在所述至少一个待分配运营资源中确定符合所述通用分配规则的第三目标运营资源;
所述分配模块,还用于将所述第三目标运营资源分配至所述待分配门店。
在另一个实施例中,所述构建模块,包括:
提取单元,用于构建所述历史运营信息的第一多维矩阵,在所述第一多维矩阵中提取初始特征向量;
生成单元,用于基于主成分分析PCA技术对所述初始特征向量进行处理,生成目标特征向量;
确定单元,用于确定所述目标特征向量的核函数,将所述核函数的傅立叶变换作为第一中间量;
获取单元,用于获取预设基向量系数,将所述预设基向量系数的傅立叶变换作为第二中间量;
联立单元,用于采用同或算法将所述第一中间量和所述第二中间量联立,得到联立结果,将所述联立结果的傅立叶变换作为所述运营资源分配模型。
在另一个实施例中,所述分配模块,包括:
预测单元,用于基于所述运营资源分配模型,对所述至少一个待分配运营资源进行运营预测,生成至少一个运营预测值;
提取单元,用于按照所述分配条件,在所述至少一个运营预测值中提取目标运营预测值,所述目标运营预测值大于所述至少一个运营预测值中除所述目标运营预测值外的其他运营预测值;
确定单元,用于将所述目标运营预测值对应的待分配资源作为所述第一目标运营资源。
在另一个实施例中,所述预测单元,用于对于所述至少一个待分配运营资源中每个待分配运营资源,获取所述待分配运营资源的能力信息;构建所述能力信息的第二多维矩阵,在所述第二多维矩阵中提取资源特征向量;将所述资源特征向量输入至所述运营资源分配模型,获取所述运营资源分配模型的输出值作为所述待分配运营资源的运营预测值;重复执行上述运营预测值的生成过程,分别为所述至少一个待分配运营资源生成运营预测值,得到所述至少一个运营预测值。
在另一个实施例中,所述提取单元,用于将所述至少一个运营预测值按照从大到小的顺序进行排序,将排在首位的运营预测值作为所述目标运营预测值;或,将所述至少一个运营预测值按照从小到大的顺序进行排序,将排在末位的运营预测值作为所述目标运营预测值。
依据本发明第三方面,提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述方法的步骤。
依据本发明第四方面,提供了一种可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面所述的方法的步骤。
借由上述技术方案,本发明提供的一种运营资源分配方法、装置、计算机设备及可读存储介质,本发明在获取到待分配门店的历史运营信息后,为待分配门店的构建运营资源分配模型,采用该运营资源分配模型将符合分配条件的第一目标运营资源分配给待分配门店,并当第一目标运营资源分配至待分配门店中的运营时长达到时长阈值时,重新为待分配门店分配运营资源,使得按照待分配门店的实际情况进行运营资源的分配,且可以定期自动分配运营资源,不仅降低了运营资源的分配成本,而且降低了运营资源的分配误差,保证了分配到具体门店的运营资源所带来的运营质量,提高了实际的运营效率以及用户粘度。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例提供的一种运营资源分配方法流程示意图;
图2示出了本发明实施例提供的一种资源分配系统的架构图;
图3A示出了本发明实施例提供的一种运营资源分配方法流程示意图;
图3B示出了本发明实施例提供的一种运营资源分配方法流程示意图;
图4A示出了本发明实施例提供的一种运营资源分配装置的结构示意图;
图4B示出了本发明实施例提供的一种运营资源分配装置的结构示意图;
图4C示出了本发明实施例提供的一种运营资源分配装置的结构示意图;
图4D示出了本发明实施例提供的一种运营资源分配装置的结构示意图;
图4E示出了本发明实施例提供的一种运营资源分配装置的结构示意图;
图5示出了本发明实施例提供的一种计算机设备的装置结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
本发明实施例提供了一种运营资源分配方法,如图1所示,该方法包括:
101、获取待分配门店的历史运营信息。
102、基于待分配门店的历史运营信息,构建运营资源分配模型。
103、在至少一个待分配运营资源中提取第一目标运营资源,将第一目标运营资源分配至待分配门店,第一目标运营资源输入至运营资源分配模型后输出的目标运营预测值符合分配条件。
104、记录第一目标运营资源分配至待分配门店中的运营时长。
105、当运营时长达到时长阈值时,控制待分配门店重新进行运营资源分配。
本发明实施例提供的方法,在获取到待分配门店的历史运营信息后,为待分配门店的构建运营资源分配模型,采用该运营资源分配模型将符合分配条件的第一目标运营资源分配给待分配门店,并当第一目标运营资源分配至待分配门店中的运营时长达到时长阈值时,重新为待分配门店分配运营资源,使得按照待分配门店的实际情况进行运营资源的分配,且可以定期自动分配运营资源,不仅降低了运营资源的分配成本,而且降低了运营资源的分配误差,保证了分配到具体门店的运营资源所带来的运营质量,提高了实际的运营效率以及用户粘度。
在对本发明进行详细的解释说明之前,先对本发明涉及的资源分配系统的架构进行简单介绍。
参见图2,资源分配系统包括本地门店池、过滤器、运营资源分配模型、处理器、定时器、回收器以及分配器。其中,本地门店池中包括大量的门店,是接入到资源分配系统中全部门店的集合。过滤器可为PRE(预置)过滤器,过滤器用于对本地门店池中的门店进行过滤,提取一批门店条件符合预设门店入选要求的门店作为候选门店,并对候选门店执行运营资源的分配操作。运营资源分配模型实质上是一个深度滤波器模型,是使用门店在历史运营中的历史运营信息训练而成,基于该运营资源分配模型可以对各个待分配资源与门店之间的运营效果进行预测,生成各个待分配资源的运营预测值。运营预测值越高,表明运营资源分配模型预测这个待分配资源在该门店下运营的效果越好。处理器可为Rotation(轮转)处理器,处理器是整个资源分配系统的核心组件,负责将提取到的目标运营资源分配给对应的待分配门店,并循环执行这项工作。定时器可为Callback(回调函数)定时器,定时器负责定时将完成资源分配的门店捞取,控制这些门店重新进入过滤以及分配的过程中,不仅保证及时剔除那些门店条件不符合预设门店入选要求的门店,而且还能及时对运营状况较差的门店重新进行资源的分配。回收器用于回收过滤器确定的门店条件不符合预设门店入选要求的门店、定时器确定的运营资源提供的服务已经过期的门店,设置回收器的原因在于传统的资源分配系统通常直接将这些门店抛弃,但是考虑到日后这些门店的门店条件很有可能会达到预设门店入选要求或者仍旧需要再次分配运营资源,为了避免对门店资源的浪费,所以,本发明中设置了回收器,将这些被过滤掉的门店回收起来重新送入本地门店池中。分配器用于建立已经完成分配的运营资源与门店之间的对应关系,保证运营资源与门店的正常运行。需要说明的是,本发明中涉及到的运营资源在实际应用的过程中可以是用于协助运营的运营人员、智能助手、智能机器人等等,本发明对运营资源的具体样式不进行限定。
本发明实施例提供了一种运营资源分配方法,如图3A所示,该方法包括:
301、在本地门店池中提取至少一个候选门店,对于至少一个候选门店中每个候选门店,查询候选门店是否存在对应的预设分配规则,若候选门店存在预设分配规则,则执行下述步骤302;若候选门店不存在预设分配规则,则执行下述步骤303。
发明人认识到,目前在为门店分配运营资源时,都是按照统一的通用规则进行的,一般来说,这个通用规则是按照门店的类型以及门店所在的地址进行分配,也就是说,将运营资源中类型与门店的类型一致或者距离门店最近的运营资源分配给门店,帮助门店进行门店的运行。但是不同的运营资源的运营能力是不同的,有时按照上述过程进行运营资源的分配,很可能使门店分配到的运营资源的运营能力与门店的实际经营状况不匹配,运营资源不能对门店起到相应的帮助,运营效果并不理想,而且不理想的运营还会持续一段时间,这就很容易导致运营的效率低下,门店的投诉率提高。因此,本发明提出一种运营资源分配方法,使用门店在历史运营过程中的历史运营信息,建立一个运营资源分配模型,基于该运营资源分配模型对不同待分配资源分配给门店后的运营状况进行预测,生成运营预测值,在至少一个待分配运营资源中选取运营预测值最高的待分配资源分配给门店进行运营,从而保证分配给门店的运营资源是最适合门店的,提高运营资源分配的准确性。
在本发明中,资源分配系统是线上平台中一个用于对运营资源进行分配的系统,而线上平台中会接入海量的门店,形成本地门店池。但是本地门店池中有些门店的规模较小,日销量或者月销量也较低,门店中能够提供的货物也较少,这种门店实质上对运营资源的需求较小,如果给这种门店分配运营资源,可能会浪费运营资源的运营能力,因此,在正式执行运营资源的分配之前,需要对本地门店池中的门店进行一次过滤。这个过滤可以通过设置预设门店入选要求实现,具体地,该预设门店入选要求可以包括日销量阈值、月销量阈值、门店信息完整度阈值、开店时长阈值、门店状态限制等等,按照这个预设门店入选要求,在本地门店池中提取门店条件符合预设门店入选要求的至少一个候选门店,并在后续以至少一个候选门店为基础来执行相应的运营资源分配操作。
在确定了至少一个候选门店后,考虑到有些候选门店可能是存在预设分配规则的,限制了该候选门店在进行运营资源分配时须按照该预设分配规则执行,这样的话,按照本发明中的分配方式是不适合该候选门店的实际情况的。所以,本发明在决策如何对门店进行运营资源分配时,对于至少一个候选门店中每个候选门店,首先会查询候选门店是否存在对应的预设分配规则,若候选门店存在预设分配规则,则之后直接按照该预设分配规则进行运营资源的分配即可,无需再建立运营资源分配模型,也即执行下述步骤302。若候选门店不存在预设分配规则,则门店在运营资源的分配方式上没有限定,可以建立运营资源分配模型进行运营资源的分配,也即执行下述步骤303。
302、若候选门店存在预设分配规则,则在至少一个待分配运营资源中确定符合预设分配规则的第二目标运营资源,将第二目标运营资源分配至候选门店。
在本发明实施例中,若候选门店存在预设分配规则,则表示该候选门店限制了运营资源的分配方式,需要按照该预设分配规则为候选门店进行运营资源的分配,因此,在至少一个待分配运营资源中确定符合预设分配规则的第二目标运营资源,将第二目标运营资源分配至候选门店。其中,该预设分配规则可为按照项目类型分配,或者按照地域分配,或者按照运营能力分配等等,本发明对预设分配规则包括的内容不进行具体限定。
303、若候选门店不存在预设分配规则,则确定候选门店为待分配门店,获取待分配门店的历史运营信息,若获取历史运营信息失败,则执行下述步骤304;若获取历史运营信息成功,则执行下述步骤305至步骤307。
在本发明实施例中,若候选门店不存在预设分配规则,则表示该候选门店在运营资源的分配方式上没有限定,确定候选门店为待分配门店,可以建立运营资源分配模型进行运营资源的分配,而运营资源分配模型是依赖门店在历史运营过程中的历史运营信息构建的,只有曾经被分配过的门店才会在线上平台中产生历史运营信息,而有些待分配门店可能是刚刚接入到线上平台中就被选中了,但是在线上平台中还没有形成历史运营信息,是无法构建运营资源分配模型的,因此,若获取历史运营信息失败,则确定待分配门店不存在构建运营资源分配模型的条件,只能先按照既定的规则对该待分配门店进行运营资源的分配,所以,执行下述步骤304中的过程,按照指定的规则对待分配门店进行运营资源的分配。若获取历史运营信息成功,则表示待分配门店是存在历史运营信息的,可以构建运营资源分配模型,也即执行下述步骤305至步骤307中的过程来对该待分配门店进行运营资源的分配。
304、若获取历史运营信息失败,则获取通用分配规则,在至少一个待分配运营资源中确定符合通用分配规则的第三目标运营资源,将第三目标运营资源分配至待分配门店。
在本发明实施例中,若获取历史运营信息失败,则表示待分配门店不存在构建运营资源分配模型的条件,只能先按照既定的规则对该待分配门店进行运营资源的分配,所以资源分配系统中会事先设置一个通用分配规则,获取该通用分配规则,在至少一个待分配运营资源中确定符合通用分配规则的第三目标运营资源,将第三目标运营资源分配至待分配门店即可。其中,该通用分配规则包括的内容也可以是按照项目类型分配,或者按照地域分配,或者按照运营能力分配等等,本发明对通用分配规则包括的内容不进行具体限定。
305、若获取历史运营信息成功,则基于待分配门店的历史运营信息,构建运营资源分配模型。
在本发明实施例中,若获取历史运营信息成功,则表示待分配门店是存在历史运营信息的,可以构建运营资源分配模型,因此,基于待分配门店的历史运营信息,构建运营资源分配模型,并在后续利用该运营资源分配模型确定即将分配给该待分配门店的待分配运营资源。其中,该历史运营信息可以包括门店在运营资源的协助期间的销售额、营销业绩分、线上UV(Unique Visitor,独立访客)等信息,首先,构建历史运营信息的第一多维矩阵,在第一多维矩阵中提取初始特征向量,具体地,该初始特征向量可以表示为含义是门店M的项目b在运营资源p的运营下的运营质量,是历史运营信息。之后,由于初始特征向量是高维度向量,对高维度向量进行计算的开销较大,所以基于PCA(PrincipalComponents Analysis,主成分分析)技术对初始特征向量进行处理,生成目标特征向量,也即在不损失有效信息的情况下对该初始特征向量进行降维处理,得到目标特征向量,并在后续使用该目标特征向量进行运营资源分配模型的构建。接着,确定目标特征向量的核函数,将核函数的傅立叶变换作为第一中间量,并获取预设基向量系数,将预设基向量系数的傅立叶变换作为第二中间量。最后,采用同或算法将第一中间量和第二中间量联立,得到联立结果,将联立结果的傅立叶变换作为运营资源分配模型。具体地,该运营资源分配模型采用公式表示可如下述公式1所示:
306、基于运营资源分配模型,对至少一个待分配运营资源进行运营预测,生成至少一个待分配运营资源的至少一个运营预测值。
在本发明实施例中,当建立了运营资源分配模型后,便可以开始预测每一个待分配运营资源如果分配给待分配门店,会给待分配门店带来多大的运营效果。所以,对于至少一个待分配运营资源中每个待分配运营资源,首先,需要获取待分配运营资源的能力信息,构建能力信息的第二多维矩阵,在第二多维矩阵中提取资源特征向量。也即将能力信息作为上述步骤305中提及的从而构建属于该待分配资源的之后,将资源特征向量输入至运营资源分配模型,获取运营资源分配模型的输出值作为待分配运营资源的运营预测值。也即将得到的输入到上述公式1中,通过公式1对进行计算,会输出一个值,这个值便是该待分配资源的运营预测值。重复执行上述运营预测值的生成过程,分别为至少一个待分配运营资源生成运营预测值,就可以得到至少一个运营预测值,以便后续使用至少一个运营预测值对至少一个待分配资源与待分配门店之间的匹配度进行评估。
307、按照分配条件,在至少一个运营预测值中提取目标运营预测值,将目标运营预测值对应的第一目标运营资源分配至待分配门店。
在本发明中,当生成了至少一个运营预测值,便可以基于至少一个运营预测值在至少一个待分配资源中选取将要下发给待分配门店的运营资源,因此,按照分配条件,在至少一个运营预测值中提取目标运营预测值。其中,分配条件通常会规定选取最大的运营预测值作为目标运营预测值,具体提取目标运营预测值的过程如下:可以将至少一个运营预测值按照从大到小的顺序进行排序,将排在首位的运营预测值作为目标运营预测值。或者,还可以将至少一个运营预测值按照从小到大的顺序进行排序,将排在末位的运营预测值作为目标运营预测值。之后,将目标运营预测值对应的第一目标运营资源分配至待分配门店,便完成了对待分配门店进行运营资源的分配。
308、记录第一目标运营资源分配至待分配门店中的运营时长,当运营时长达到时长阈值时,控制待分配门店重新进行运营资源分配。
在本发明实施例中,考虑到门店的运营状态以及运营资源的能力都不试一成不变的,随着时间的推移,分配给门店的运营资源可能不再是最适合门店的,需要重新为门店分配更好的运营资源。而且可能有些门店条件符合预设门店入选要求门店也可能在后续的运营中不再符合预设门店入选要求,因此,在完成了对待分配门店进行运营资源的分配后,还需要为待分配门店设置时长阈值,并启动定时器对待分配门店进行监控,记录第一目标运营资源分配至待分配门店中的运营时长。当基于定时器监控到运营时长达到时长阈值时,将待分配门店送入本地门店池,控制待分配门店重新进行运营资源分配。
综上所述,整个运营资源的分配逻辑实质上是先判断待分配门店是否存在预设分配规则以及是否存在历史运营信息,这个步骤的逻辑可以表示为S1,S1=δ(G)orδ(C),其中,G表示预设分配规则,C表示历史运营信息,δ表示对两种信息的评判。随后,对于那些构建了运营资源分配模型的待分配门店来说,需要选取运营预测值最大的待分配运营资源,这个步骤的逻辑可以表示为S2,其中p表示目标运营资源,表示最大的运营预测值。再有,运营资源分配系统在实际应用的过程中实质上可以提供分配规则的定制服务,门店如果有需求,可以向运营资源分配系统提供自己设置的分配规则,这样,是会以门店定制的分配规则优先,优先采用该定制的分配规则对门店进行运营资源的分配,这个步骤的逻辑可以表示为S3,S3=L(p),L也即定制的分配规则,括号中的p也即根据L确定的运营资源。由于运营资源分配系统中设置有处理器,因此,可将上述逻辑进行总结,总结为公式2所示的处理逻辑,将处理逻辑设置在处理器中,以便处理器按照该处理逻辑实现本发明的完整过程。
需要说明的是,公式2中用rotation time(轮转次数)来区分门店是否是首次进行分配,rotation times=1也即首次分配,需要按照S1的逻辑进行分配。rotation times>1也即并非首次分配,需要按照S2的逻辑进行分配。公式2中的shop in rule set(按规则分配)也即表示待分配门店存在定制的分配规则,需要按照S3的逻辑进行分配。上述公式2中所示运营资源分配逻辑在实际应用时的执行过程概括如下:
参见图3B,确定候选门店,检查候选门店是否存在定制的分配规则,如果存在定制的分配规则,则按照该定制的分配规则进行运营资源的分配。如果不存在定制的分配规则,则检查该候选门店是否存在历史运营信息。如果不存在历史运营信息,则按照通用分配规则对该候选门店进行运营资源的分配。如果存在历史运营信息,则构建该候选门店的运营资源分配模型,按照运营资源分配模型对该候选门店进行运营资源的分配,并启动定时器对完成分配的候选门店进行监控,定时执行候选门店的选取以及资源分配操作。
本发明实施例提供的方法,在获取到待分配门店的历史运营信息时,为待分配门店的构建运营资源分配模型,采用该运营资源分配模型将符合分配条件的第一目标运营资源分配给待分配门店,并当第一目标运营资源分配至待分配门店中的运营时长达到时长阈值时,重新为待分配门店分配运营资源,使得按照待分配门店的实际情况进行运营资源的分配,且可以定期自动分配运营资源,不仅降低了运营资源的分配成本,而且降低了运营资源的分配误差,保证了分配到具体门店的运营资源所带来的运营质量,提高了实际的运营效率以及用户粘度。
进一步地,作为图1所述方法的具体实现,本发明实施例提供了一种运营资源分配装置,如图4A所示,所述装置包括:获取模块401,构建模块402,分配模块403和记录模块404。
该获取模块401,用于获取待分配门店的历史运营信息;
该构建模块402,用于基于所述待分配门店的历史运营信息,构建运营资源分配模型;
该分配模块403,用于在至少一个待分配运营资源中提取第一目标运营资源,将所述第一目标运营资源分配至所述待分配门店,所述第一目标运营资源输入至所述运营资源分配模型后输出的目标运营预测值符合分配条件;
该记录模块404,用于记录所述第一目标运营资源分配至所述待分配门店中的运营时长;
该构建模块402,还用于当所述运营时长达到时长阈值时,控制所述待分配门店重新进行运营资源分配。
在具体的应用场景中,如图4B所示,该装置还包括:提取模块405,查询模块406和第一确定模块407。
该提取模块405,用于在本地门店池中提取至少一个候选门店,所述至少一个候选门店的门店条件符合预设门店入选要求;
该查询模块406,用于对于所述至少一个候选门店中每个候选门店,查询所述候选门店是否存在对应的预设分配规则;
该分配模块403,还用于若所述候选门店存在所述预设分配规则,则在所述至少一个待分配运营资源中确定符合所述预设分配规则的第二目标运营资源,将所述第二目标运营资源分配至所述候选门店;
该第一确定模块407,用于若所述候选门店不存在所述预设分配规则,则确定所述候选门店为所述待分配门店。
在具体的应用场景中,如图4C所示,该装置还包括:第二确定模块408。
该第二确定模块408,用于若获取所述运营信息失败,则获取通用分配规则,在所述至少一个待分配运营资源中确定符合所述通用分配规则的第三目标运营资源;
该分配模块403,还用于将所述第三目标运营资源分配至所述待分配门店。
在具体的应用场景中,如图4D所示,该构建模块402,包括:提取单元4021,生成单元4022,确定单元4023,获取单元4024和联立单元4025。
该提取单元4021,用于构建所述历史运营信息的第一多维矩阵,在所述第一多维矩阵中提取初始特征向量;
该生成单元4022,用于基于主成分分析PCA技术对所述初始特征向量进行处理,生成目标特征向量;
该确定单元4023,用于确定所述目标特征向量的核函数,将所述核函数的傅立叶变换作为第一中间量;
该获取单元4024,用于获取预设基向量系数,将所述预设基向量系数的傅立叶变换作为第二中间量;
该联立单元4025,用于采用同或算法将所述第一中间量和所述第二中间量联立,得到联立结果,将所述联立结果的傅立叶变换作为所述运营资源分配模型。
在具体的应用场景中,如图4E所示,该分配模块403,包括预测单元4031,提取单元4032和确定单元4033。
该预测单元4031,用于基于所述运营资源分配模型,对所述至少一个待分配运营资源进行运营预测,生成至少一个运营预测值;
该提取单元4032,用于按照所述分配条件,在所述至少一个运营预测值中提取目标运营预测值,所述目标运营预测值大于所述至少一个运营预测值中除所述目标运营预测值外的其他运营预测值;
该确定单元4033,用于将所述目标运营预测值对应的待分配资源作为所述第一目标运营资源。。
在具体的应用场景中,该预测单元4031,用于对于所述至少一个待分配运营资源中每个待分配运营资源,获取所述待分配运营资源的能力信息;构建所述能力信息的第二多维矩阵,在所述第二多维矩阵中提取资源特征向量;将所述资源特征向量输入至所述运营资源分配模型,获取所述运营资源分配模型的输出值作为所述待分配运营资源的运营预测值;重复执行上述运营预测值的生成过程,分别为所述至少一个待分配运营资源生成运营预测值,得到所述至少一个运营预测值。
在具体的应用场景中,该提取单元4032,用于将所述至少一个运营预测值按照从大到小的顺序进行排序,将排在首位的运营预测值作为所述目标运营预测值;或,将所述至少一个运营预测值按照从小到大的顺序进行排序,将排在末位的运营预测值作为所述目标运营预测值。
本发明实施例提供的装置,在获取到待分配门店的历史运营信息时,为待分配门店的构建运营资源分配模型,采用该运营资源分配模型将符合分配条件的第一目标运营资源分配给待分配门店,并当第一目标运营资源分配至待分配门店中的运营时长达到时长阈值时,重新为待分配门店分配运营资源,使得按照待分配门店的实际情况进行运营资源的分配,且可以定期自动分配运营资源,不仅降低了运营资源的分配成本,而且降低了运营资源的分配误差,保证了分配到具体门店的运营资源所带来的运营质量,提高了实际的运营效率以及用户粘度。
需要说明的是,本发明实施例提供的一种运营资源分配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3A至图3B中的对应描述,在此不再赘述。
在示例性实施例中,参见图5,还提供了一种设备,该设备500包括通信总线、处理器、存储器和通信接口,还可以包括、输入输出接口和显示设备,其中,各个功能单元之间可以通过总线完成相互间的通信。该存储器存储有计算机程序,处理器,用于执行存储器上所存放的程序,执行上述实施例中的运营资源分配方法。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述的运营资源分配方法的步骤。
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通过硬件实现,也可以借助软件加必要的通用硬件平台的方式来实现。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。
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 (10)
1.一种运营资源分配方法,其特征在于,包括:
获取待分配门店的历史运营信息;
基于所述待分配门店的历史运营信息,构建运营资源分配模型;
在至少一个待分配运营资源中提取第一目标运营资源,将所述第一目标运营资源分配至所述待分配门店,所述第一目标运营资源输入至所述运营资源分配模型后输出的目标运营预测值符合分配条件;
记录所述第一目标运营资源分配至所述待分配门店中的运营时长;
当所述运营时长达到时长阈值时,控制所述待分配门店重新进行运营资源分配。
2.根据权利要求1所述的方法,其特征在于,所述获取待分配门店的历史运营信息之前,所述方法还包括:
在本地门店池中提取至少一个候选门店,所述至少一个候选门店的门店条件符合预设门店入选要求;
对于所述至少一个候选门店中每个候选门店,查询所述候选门店是否存在对应的预设分配规则;
若所述候选门店存在所述预设分配规则,则在所述至少一个待分配运营资源中确定符合所述预设分配规则的第二目标运营资源,将所述第二目标运营资源分配至所述候选门店;
若所述候选门店不存在所述预设分配规则,则确定所述候选门店为所述待分配门店。
3.根据权利要求1所述的方法,其特征在于,所述获取待分配门店的历史运营信息之后,所述方法还包括:
若获取所述运营信息失败,则获取通用分配规则,在所述至少一个待分配运营资源中确定符合所述通用分配规则的第三目标运营资源;
将所述第三目标运营资源分配至所述待分配门店。
4.根据权利要求1所述的方法,其特征在于,所述基于所述待分配门店的历史运营信息,构建运营资源分配模型,包括:
构建所述历史运营信息的第一多维矩阵,在所述第一多维矩阵中提取初始特征向量;
基于主成分分析PCA技术对所述初始特征向量进行处理,生成目标特征向量;
确定所述目标特征向量的核函数,将所述核函数的傅立叶变换作为第一中间量;
获取预设基向量系数,将所述预设基向量系数的傅立叶变换作为第二中间量;
采用同或算法将所述第一中间量和所述第二中间量联立,得到联立结果,将所述联立结果的傅立叶变换作为所述运营资源分配模型。
5.根据权利要求1所述的方法,其特征在于,所述在至少一个待分配运营资源中提取第一目标运营资源,包括:
基于所述运营资源分配模型,对所述至少一个待分配运营资源进行运营预测,生成至少一个运营预测值;
按照所述分配条件,在所述至少一个运营预测值中提取目标运营预测值,所述目标运营预测值大于所述至少一个运营预测值中除所述目标运营预测值外的其他运营预测值;
将所述目标运营预测值对应的待分配资源作为所述第一目标运营资源。
6.根据权利要求5所述的方法,其特征在于,所述生成至少一个运营预测值,包括:
对于所述至少一个待分配运营资源中每个待分配运营资源,获取所述待分配运营资源的能力信息;
构建所述能力信息的第二多维矩阵,在所述第二多维矩阵中提取资源特征向量;
将所述资源特征向量输入至所述运营资源分配模型,获取所述运营资源分配模型的输出值作为所述待分配运营资源的运营预测值;
重复执行上述运营预测值的生成过程,分别为所述至少一个待分配运营资源生成运营预测值,得到所述至少一个运营预测值。
7.根据权利要求5所述的方法,其特征在于,所述在所述至少一个运营预测值中提取目标运营预测值,包括:
将所述至少一个运营预测值按照从大到小的顺序进行排序,将排在首位的运营预测值作为所述目标运营预测值;或,
将所述至少一个运营预测值按照从小到大的顺序进行排序,将排在末位的运营预测值作为所述目标运营预测值。
8.一种运营资源分配装置,其特征在于,包括:
获取模块,用于获取待分配门店的历史运营信息;
构建模块,用于基于所述待分配门店的历史运营信息,构建运营资源分配模型;
分配模块,用于在至少一个待分配运营资源中提取第一目标运营资源,将所述第一目标运营资源分配至所述待分配门店,所述第一目标运营资源输入至所述运营资源分配模型后输出的目标运营预测值符合分配条件;
记录模块,用于记录所述第一目标运营资源分配至所述待分配门店中的运营时长;
所述构建模块,还用于当所述运营时长达到时长阈值时,控制所述待分配门店重新进行运营资源分配。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010433773.4A CN111724037B (zh) | 2020-05-21 | 2020-05-21 | 运营资源分配方法、装置、计算机设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010433773.4A CN111724037B (zh) | 2020-05-21 | 2020-05-21 | 运营资源分配方法、装置、计算机设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111724037A true CN111724037A (zh) | 2020-09-29 |
CN111724037B CN111724037B (zh) | 2024-03-05 |
Family
ID=72564876
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010433773.4A Active CN111724037B (zh) | 2020-05-21 | 2020-05-21 | 运营资源分配方法、装置、计算机设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111724037B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112418670A (zh) * | 2020-11-23 | 2021-02-26 | 平安普惠企业管理有限公司 | 一种案件分配方法、装置、设备及介质 |
CN114638659A (zh) * | 2022-05-18 | 2022-06-17 | 深圳市丰用实业集团有限公司 | 基于云平台家居五金生产销售数据管理系统及储存介质 |
CN115102913A (zh) * | 2022-06-06 | 2022-09-23 | 深圳一粒云科技有限公司 | 基于用户行为的云桌面资源配置方法、系统及存储介质 |
CN117332994A (zh) * | 2023-12-01 | 2024-01-02 | 青岛小帅智能科技股份有限公司 | 酒店多媒体资源分配方法、系统、电子设备及存储介质 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120303406A1 (en) * | 2011-05-26 | 2012-11-29 | Xerox Corporation | System and method for the dynamic allocation of resources |
US20170330124A1 (en) * | 2016-05-16 | 2017-11-16 | International Business Machines Corporation | Causal performance analysis approach for store merchandizing analysis |
CN107886369A (zh) * | 2017-11-29 | 2018-04-06 | 口碑(上海)信息技术有限公司 | 一种用于营销活动效果预测的方法、装置及电子设备 |
CN108805324A (zh) * | 2018-04-09 | 2018-11-13 | 平安科技(深圳)有限公司 | 一种企业资源的分配方法及其设备 |
CN108932585A (zh) * | 2018-06-19 | 2018-12-04 | 腾讯科技(深圳)有限公司 | 一种商户运营管理方法及其设备、存储介质、电子设备 |
CN109213597A (zh) * | 2018-08-01 | 2019-01-15 | 平安科技(深圳)有限公司 | 资源分配方法、装置、计算机设备及计算机可读存储介质 |
CN109583945A (zh) * | 2018-11-13 | 2019-04-05 | 北京三快在线科技有限公司 | 一种广告资源分配的方法和装置 |
CN109978292A (zh) * | 2017-12-27 | 2019-07-05 | 阿里巴巴集团控股有限公司 | 门店的智能管理方法及装置 |
CN110175858A (zh) * | 2019-03-27 | 2019-08-27 | 阿里巴巴集团控股有限公司 | 一种调整发放电子资源的方法及系统 |
CN110730101A (zh) * | 2019-10-22 | 2020-01-24 | 深圳前海微众银行股份有限公司 | 资源分配方法、终端、装置及可读存储介质 |
CN110769015A (zh) * | 2018-07-27 | 2020-02-07 | 深圳市立信创源科技有限公司 | 定点资源分配的方法 |
US20200090194A1 (en) * | 2018-09-13 | 2020-03-19 | Bank Of America Corporation | Automated resource allocation based on predictive analysis |
US20200142743A1 (en) * | 2020-01-09 | 2020-05-07 | Alipay Labs (singapore) Pte. Ltd. | System and method for optimizing resource allocation using gpu |
-
2020
- 2020-05-21 CN CN202010433773.4A patent/CN111724037B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120303406A1 (en) * | 2011-05-26 | 2012-11-29 | Xerox Corporation | System and method for the dynamic allocation of resources |
US20170330124A1 (en) * | 2016-05-16 | 2017-11-16 | International Business Machines Corporation | Causal performance analysis approach for store merchandizing analysis |
CN107886369A (zh) * | 2017-11-29 | 2018-04-06 | 口碑(上海)信息技术有限公司 | 一种用于营销活动效果预测的方法、装置及电子设备 |
CN109978292A (zh) * | 2017-12-27 | 2019-07-05 | 阿里巴巴集团控股有限公司 | 门店的智能管理方法及装置 |
CN108805324A (zh) * | 2018-04-09 | 2018-11-13 | 平安科技(深圳)有限公司 | 一种企业资源的分配方法及其设备 |
CN108932585A (zh) * | 2018-06-19 | 2018-12-04 | 腾讯科技(深圳)有限公司 | 一种商户运营管理方法及其设备、存储介质、电子设备 |
CN110769015A (zh) * | 2018-07-27 | 2020-02-07 | 深圳市立信创源科技有限公司 | 定点资源分配的方法 |
CN109213597A (zh) * | 2018-08-01 | 2019-01-15 | 平安科技(深圳)有限公司 | 资源分配方法、装置、计算机设备及计算机可读存储介质 |
US20200090194A1 (en) * | 2018-09-13 | 2020-03-19 | Bank Of America Corporation | Automated resource allocation based on predictive analysis |
CN109583945A (zh) * | 2018-11-13 | 2019-04-05 | 北京三快在线科技有限公司 | 一种广告资源分配的方法和装置 |
CN110175858A (zh) * | 2019-03-27 | 2019-08-27 | 阿里巴巴集团控股有限公司 | 一种调整发放电子资源的方法及系统 |
CN110730101A (zh) * | 2019-10-22 | 2020-01-24 | 深圳前海微众银行股份有限公司 | 资源分配方法、终端、装置及可读存储介质 |
US20200142743A1 (en) * | 2020-01-09 | 2020-05-07 | Alipay Labs (singapore) Pte. Ltd. | System and method for optimizing resource allocation using gpu |
Non-Patent Citations (3)
Title |
---|
CRISTINA MORARIU 等: "Machine learning for predictive scheduling and resource allocation in large scale manufacturing systems", 《COMPUTERS IN INDUSTRY》, pages 1 - 13 * |
张佳鑫;张兴;李永竞;王硕;杨居沃;梅承力;王文博;: "蜂窝网络中基站关系与业务关系网络与应用", 中国科学:信息科学, no. 05, pages 126 - 141 * |
李玮;康甜;范丽;: "机器学习在运营商门店智能选品中的应用", 信息通信技术, no. 02, pages 21 - 28 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112418670A (zh) * | 2020-11-23 | 2021-02-26 | 平安普惠企业管理有限公司 | 一种案件分配方法、装置、设备及介质 |
CN114638659A (zh) * | 2022-05-18 | 2022-06-17 | 深圳市丰用实业集团有限公司 | 基于云平台家居五金生产销售数据管理系统及储存介质 |
CN114638659B (zh) * | 2022-05-18 | 2022-09-06 | 深圳市丰用实业集团有限公司 | 基于云平台家居五金生产销售数据管理系统及储存介质 |
CN115102913A (zh) * | 2022-06-06 | 2022-09-23 | 深圳一粒云科技有限公司 | 基于用户行为的云桌面资源配置方法、系统及存储介质 |
CN115102913B (zh) * | 2022-06-06 | 2024-01-09 | 深圳一粒云科技有限公司 | 基于用户行为的云桌面资源配置方法、系统及存储介质 |
CN117332994A (zh) * | 2023-12-01 | 2024-01-02 | 青岛小帅智能科技股份有限公司 | 酒店多媒体资源分配方法、系统、电子设备及存储介质 |
CN117332994B (zh) * | 2023-12-01 | 2024-02-20 | 青岛小帅智能科技股份有限公司 | 酒店多媒体资源分配方法、系统、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111724037B (zh) | 2024-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111724037A (zh) | 运营资源分配方法、装置、计算机设备及可读存储介质 | |
TWI547817B (zh) | 叢集運算架構的資源規劃方法、系統及裝置 | |
CN108536592B (zh) | 一种测试任务分派方法、装置及服务器 | |
CN107135257A (zh) | 一种节点集群中任务分配的方法、节点和系统 | |
US7979864B2 (en) | Apparatus for setting used license of executing job into unused license state and allocating the set unused license to a to be executed job based on priority | |
Soualhia et al. | Predicting scheduling failures in the cloud: A case study with google clusters and hadoop on amazon EMR | |
CN112416585A (zh) | 面向深度学习的gpu资源管理与智能化调度方法 | |
CN112181613B (zh) | 异构资源分布式计算平台批量任务调度方法及存储介质 | |
CN105488134A (zh) | 大数据处理方法及大数据处理装置 | |
CN111680085A (zh) | 数据处理任务分析方法、装置、电子设备和可读存储介质 | |
CN115033340A (zh) | 一种宿主机的选择方法及相关装置 | |
CN113672375A (zh) | 资源分配预测方法、装置、设备及存储介质 | |
CN113568759B (zh) | 一种基于云计算的大数据处理方法及其系统 | |
CN117407178B (zh) | 一种自适应负载分配的加速子卡管理方法及系统 | |
CN108289086B (zh) | 请求处理方法及装置、服务器 | |
US20140214826A1 (en) | Ranking method and system | |
CN115147020B (zh) | 装修数据处理方法、装置、设备及存储介质 | |
Ismaeel et al. | A systematic cloud workload clustering technique in large scale data centers | |
CN115564135A (zh) | 需求订单的分配优化方法、装置、设备及介质 | |
CN113886086A (zh) | 云平台计算资源分配方法、系统、终端及存储介质 | |
US20140047454A1 (en) | Load balancing in an sap system | |
CN113918345A (zh) | 一种配置硬件的容量计算方法、装置、计算机设备及介质 | |
CN114493279A (zh) | 一种工作流任务预测方法、装置、存储介质及电子设备 | |
CN113723538A (zh) | 基于层次化迁移学习的跨平台功耗性能预测方法及系统 | |
CN113110804A (zh) | 重复图片删除方法、装置、设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |