CN112184276A - 一种优惠推荐方法、装置及存储介质 - Google Patents
一种优惠推荐方法、装置及存储介质 Download PDFInfo
- Publication number
- CN112184276A CN112184276A CN201910596423.7A CN201910596423A CN112184276A CN 112184276 A CN112184276 A CN 112184276A CN 201910596423 A CN201910596423 A CN 201910596423A CN 112184276 A CN112184276 A CN 112184276A
- Authority
- CN
- China
- Prior art keywords
- optimal
- price
- determining
- order
- coupon
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000013459 approach Methods 0.000 claims description 37
- 230000006870 function Effects 0.000 claims description 27
- 230000008859 change Effects 0.000 claims description 25
- 230000010354 integration Effects 0.000 claims description 8
- 230000000694 effects Effects 0.000 description 19
- 230000009467 reduction Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 16
- 230000008901 benefit Effects 0.000 description 14
- 230000008569 process Effects 0.000 description 13
- 238000012856 packing Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 230000009286 beneficial effect Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 230000007717 exclusion Effects 0.000 description 4
- 238000004806 packaging method and process Methods 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0222—During e-commerce, i.e. online transactions
-
- 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
- G06Q30/0224—Discounts or incentives, e.g. coupons or rebates based on user history
-
- 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
- G06Q30/0226—Incentive systems for frequent usage, e.g. frequent flyer miles programs or point systems
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种优惠推荐方法、装置及存储介质，方法包括：当优惠券中包括满减优惠券时，基于所述满减优惠券确定当前订单的第一价格，其中，所述第一价格为通过向下取整函数得到的数值；基于当前订单的类型和所述第一价格，通过增加订购的策略确定最优优惠组合；向用户推荐所述最优优惠组合及对应的最优价格，其中，所述最优价格为使用所述满减优惠券和活动优惠券后的价格。如此，能够基于满减优惠券确定当前订单的价格，并且通过增加订购的策略确定最优优惠组合，从而使得用户获得最优选择，也达到了为用户推荐最优优惠组合实现促销的目的。
Description
技术领域
本发明涉及互联网技术领域，尤其涉及一种优惠推荐方法、装置及存储介 质。
背景技术
随着互联网的发展，各平台为了吸引更多的用户，常推出多种优惠券活动。 目前已有的优惠券优惠方法使用的优惠券类型均为折扣券、现金券类的活动优 惠券，并未考虑基于满减优惠券的相关优惠方法。
另外，云平台和其他在线系统的不同之处在于云平台的产品是一个持续的 过程，其他在线销售系统的产品大部分为一次性消费，因此，针对云平台的产 品使用优惠券后的价格也并非是最优惠的价格，导致用户并未获得最优选择， 且没有达到为用户推荐产品组合实现促销的目的。
发明内容
有鉴于此，本发明实施例期望提供一种优惠推荐方法、装置及存储介质， 能够向用户推荐最优优惠组合及最优惠的价格。
为达到上述目的，本发明实施例的技术方案是这样实现的：
本发明实施例提供一种优惠推荐方法，所述方法包括：
当优惠券中包括满减优惠券时，基于所述满减优惠券确定当前订单的第一 价格，其中，所述第一价格为通过向下取整函数得到的数值；
基于当前订单的类型和所述第一价格，通过增加订购的策略确定最优优惠 组合；
向用户推荐所述最优优惠组合及对应的最优价格，其中，所述最优价格为 使用所述满减优惠券和活动优惠券后的价格。
上述方案中，所述基于当前订单的类型和所述第一价格，通过增加订购的 策略确定最优优惠组合，包括：
当前订单的类型为新订购订单时，基于所述第一价格通过增加包月数策略 确定最优包月数；
基于所述最优包月数确定所述最优优惠组合。
上述方案中，所述基于当前订单的类型和所述第一价格，通过增加订购的 策略确定最优优惠组合，包括：
当前订单的类型为新订购订单时，基于所述第一价格通过关联产品策略， 确定最优关联产品集合，或者，确定最优关联产品集合和最优包月数集合；
基于所述最优关联产品集合，或者，基于所述最优关联产品集合和最优包 月数集合，确定所述最优优惠组合。
上述方案中，所述基于所述第一价格通过增加包月数策略确定最优包月数， 包括：
基于所述满减优惠券循环计算当前订单增加包月数后的第二价格；
使得所述第二价格趋近于所述第一价格，确定所述最优包月数。
上述方案中，所述基于所述第一价格通过关联产品策略，确定最优关联产 品集合，或者，确定最优关联产品集合和最优包月数集合，包括：
设置至少一种关联积分规则；
基于历史订单数据确定每种所述关联积分规则对应的规则积分值；
基于所述规则积分值确定两产品之间的关联积分值；
基于所述第一价格和所述关联积分值，确定所述最优关联产品集合，或者， 确定所述最优关联产品集合和最优包月数集合。
上述方案中，所述基于所述第一价格和所述关联积分值，确定所述最优关 联产品集合，或者，确定所述最优关联产品集合和最优包月数集合，包括：
存储所述关联积分值至数据库；
查询所述数据库，获取针对当前订单中每个产品的关联产品列表，所述关 联产品列表中不包括所述用户使用中的产品；
基于所述满减优惠券循环计算当前订单增加所述关联产品后的第三价格， 使得所述第三价格趋近于所述第一价格，确定所述最优关联产品集合；或者，
基于所述满减优惠券循环计算当前订单增加所述关联产品和包月数后的第 四价格，使得所述第四价格趋近于所述第一价格，确定所述最优关联产品集合 和最优包月数集合；
其中，按照所述关联产品列表中所述关联积分值从大到小的排序增加所述 关联产品。
上述方案中，所述基于当前订单的类型和所述第一价格，通过增加订购的 策略确定最优优惠组合，包括：
当前订单的类型为续订购订单时，基于所述第一价格通过增加包月数策略 确定最优续订包月数；
或者,当前订单的类型为变更订购订单时，循环计算变更时产品的最优规 格；基于所述最优规格确定当前订单的第五价格；基于所述第五价格和所述第 一价格，通过增加包月数策略确定最优包月数。
本发明实施例还提供一种优惠推荐装置，所述装置包括：
第一确定模块，用于当优惠券中包括满减优惠券时，基于所述满减优惠券 确定当前订单的第一价格，其中，所述第一价格为通过向下取整函数得到的数 值；
第二确定模块，用于基于当前订单的类型和所述第一价格，通过增加订购 的策略确定最优优惠组合；
推荐模块，用于向用户推荐所述最优优惠组合及对应的最优价格，其中， 所述最优价格为使用所述满减优惠券和活动优惠券后的价格。
上述方案中，所述第二确定模块，具体用于：
当前订单的类型为新订购订单时，基于所述第一价格通过增加包月数策略 确定最优包月数；
基于所述最优包月数确定所述最优优惠组合。
上述方案中，所述第二确定模块，还具体用于：
当前订单的类型为新订购订单时，基于所述第一价格通过关联产品策略， 确定最优关联产品集合，或者，确定最优关联产品集合和最优包月数集合；
基于所述最优关联产品集合，或者，基于所述最优关联产品集合和最优包 月数集合，确定所述最优优惠组合。
上述方案中，所述第二确定模块，还具体用于：
基于所述满减优惠券循环计算当前订单增加包月数后的第二价格；
使得所述第二价格趋近于所述第一价格，确定所述最优包月数。
上述方案中，所述第二确定模块，还具体用于：
设置至少一种关联积分规则；
基于历史订单数据确定每种所述关联积分规则对应的规则积分值；
基于所述规则积分值确定两产品之间的关联积分值；
基于所述第一价格和所述关联积分值，确定所述最优关联产品集合，或者， 确定所述最优关联产品集合和最优包月数集合。
上述方案中，所述第二确定模块，还具体用于：
存储所述关联积分值至数据库；
查询所述数据库，获取针对当前订单中每个产品的关联产品列表，所述关 联产品列表中不包括所述用户使用中的产品；
基于所述满减优惠券循环计算当前订单增加所述关联产品后的第三价格， 使得所述第三价格趋近于所述第一价格，确定所述最优关联产品集合；或者，
基于所述满减优惠券循环计算当前订单增加所述关联产品和包月数后的第 四价格，使得所述第四价格趋近于所述第一价格，确定所述最优关联产品集合 和最优包月数集合；
其中，按照所述关联产品列表中所述关联积分值从大到小的排序增加所述 关联产品。
上述方案中，所述第二确定模块，还具体用于：
当前订单的类型为续订购订单时，基于所述第一价格通过增加包月数策略 确定最优续订包月数；
或者,当前订单的类型为变更订购订单时，循环计算变更时产品的最优规 格；基于所述最优规格确定当前订单的第五价格；基于所述第五价格和所述第 一价格，通过增加包月数策略确定最优包月数。
本发明实施例还提供一种存储介质，其上存储有可执行程序，所述可执行 程序被处理器执行时实现本发明实施例提供的所述优惠推荐方法。
本发明实施例还提供一种优惠推荐装置，包括存储器、处理器及存储在存 储器上并能够由所述处理器运行的可执行程序，所述处理器运行所述可执行程 序时执行本发明实施例提供的所述优惠推荐方法。
本发明实施例所提供的优惠推荐方法、装置及存储介质，确定优惠券中包 括满减优惠券时，基于满减优惠券确定当前订单的第一价格，基于当前订单的 类型和第一价格，通过增加订购的策略确定最优优惠组合，并向用户推荐最优 优惠组合及对应的最优价格，其中，最优价格为使用满减优惠券和活动优惠券 后的价格。如此，能够基于满减优惠券确定当前订单的价格，并且通过增加订 购的策略确定最优优惠组合，从而使得用户获得最优选择，也达到了为用户推 荐最优优惠组合实现促销的目的。
此外，通过历史订单数据确定设置的每种关联积分规则对应的规则积分值， 再基于规则积分值确定两产品之间的关联积分值，从而提高了获取积分值的可 靠性，使得推荐的最优优惠组合更有效。
附图说明
图1为本发明实施例一提供的优惠推荐方法的实现流程示意图；
图2为本发明实施例二提供的优惠推荐方法的实现流程示意图；
图3为本发明实施例三提供的优惠推荐方法的实现流程示意图；
图4为本发明实施例四提供的优惠推荐方法的实现流程示意图；
图5为本发明实施例五提供的优惠推荐方法的实现流程示意图；
图6为本发明实施例六提供的优惠推荐方法的具体实现流程示意图；
图7为本发明实施例七提供的优惠推荐装置的组成结构示意图；
图8为本发明实施例八提供的优惠推荐装置的硬件结构示意图。
具体实施方式
为了能够更加详尽地了解本发明实施例的特点与技术内容，下面结合附图 对本发明实施例的实现进行详细阐述，所附附图仅供参考说明之用，并非用来 限定本发明。
图1为本发明实施例一提供的优惠推荐方法，该方法可以应用于云平台； 如图1所示，本发明实施例中的优惠推荐方法的实现流程，可以包括以下步骤：
步骤101：当优惠券中包括满减优惠券时，基于所述满减优惠券确定当前 订单的第一价格，其中，所述第一价格为通过向下取整函数得到的数值。
在一些实施例中，优惠券可以包括满减优惠券和活动优惠券，活动优惠券 可以包括以下至少之一：营销活动券、折扣券、现金券。
其中，满减优惠券，当订单总价格每满T时减C，此作为推荐手段之一， 可将一类产品设置此种规则，用于促销。那么满减优惠券才是营销的重要手段， 为了满足减免的情况，用户会添加额外的产品增加销量。
营销活动券，默认营销活动为折扣A营销，目前营销活动默认都参加。若 用户所属账号中有优惠券可以使用，则营销活动作为一个可选项，不作为默认 选择；若没有，则默认用户参加营销活动。
折扣券，订单基础上可设置折扣D。
现金券，可作为现金M使用，不可提现，不找零，但此类优惠券并不建议 大量使用，大量现金券的发放并不利于云平台的成本控制。
一个示例中，用户所订购的订单中含有K件产品，默认原始价格为OriTotal， 则
当仅有营销活动券时，则参加营销活动的产品默认折扣为A，此时订单价 格为OriTotal*A。
当仅有折扣券时，折扣券折扣为D，则订单价格为OriTotal*D。
当仅有现金券时，现金券面值为M，则订单价格为OriTotal-M。
当仅有满减优惠券时，满T减C，若满减优惠券的数量限制为1张，则订 单价格为OriTotal-C(仅当T＜OriTotal)；若数量不受限制，则订单价格R为：
(
表示向下取整)。
在一些实施例中，确定用户选择订单点击购买后，获取当前订单中的产品 列表信息和订单价格OriTotal，查询用户所属账号中的优惠券是否包括满减优惠 券。
当优惠券中包括满减优惠券时，基于满减优惠券确定当前订单的第一价格 R1，其中，第一价格为通过向下取整函数得到的数值： 
此外，还可以计算使用满减优惠券通过向上取整 函数得到的价格
(
表示向上取整)。当R1>R1’ 或R1’趋近于R1时，则可以向用户推荐增加订购，并确定最优优惠组合。
步骤102：基于当前订单的类型和第一价格，通过增加订购的策略确定最 优优惠组合。
订单的类型可以包括三种类型，比如，新订购订单、续订购订单、变更订 购订单，针对不同类型的订单，可以通过不同的增加订购的策略确定最优优惠 组合。
在一些实施例中，确定当前订单的类型为新订购订单时，可以基于第一价 格通过增加包月数策略确定最优包月数；基于最优包月数确定最优优惠组合。
在一些实施例中，确定当前订单的类型为新订购订单时，可以基于第一价 格通过关联产品策略，确定最优关联产品集合，或者，确定最优关联产品集合 和最优包月数集合；基于最优关联产品集合，或者，基于最优关联产品集合和 最优包月数集合，确定最优优惠组合。
在一些实施例中，确定当前订单的类型为续订购订单时，可以基于第一价 格通过增加包月数策略确定最优续订包月数。
在一些实施例中，确定当前订单的类型为变更订购订单时，可以循环计算 变更时产品的最优规格；基于最优规格确定当前订单的第五价格；基于第五价 格和第一价格，通过增加包月数策略确定最优包月数。
步骤103：向用户推荐最优优惠组合及对应的最优价格，其中，最优价格 为使用满减优惠券和活动优惠券后的价格。
在一些实施例中，当确定优惠券包括满减优惠券、营销活动券、折扣券和 现金券时，基于步骤102已经确定了最优优惠组合，即基于满减优惠券通过增 加订购的策略确定了最优优惠组合，则可以基于最优优惠组合和活动优惠券确 定最优优惠组合对应的最优价格，并向用户推荐以及展示最优优惠组合及对应 的最优价格，以当前订单的类型为新订购订单为例，具体展示内容如下：
(1)原始订单价格为OriTotal，使用满减优惠券后的价格为R1，使用营销 活动券、折扣券、现金券后的最优价格为R1*A*D-M，所优惠价格为 OriTotal-(R1*A*D-M)。
(2)增加最优包月数后的订单总价为Total_Month，使用满减优惠券后的价 格为R2，使用营销活动券、折扣券、现金券后的最优价格为R2*A*D-M，所 优惠价格为Total_Month-(R2*A*D-M)，订单增加最优包月数后的产品列表可以 为：(产品1-包月数n1，产品2-包月数n2，….，产品K-包月数nk)。
(3)增加最优关联产品集合后的订单总价为Total_Rule，使用满减优惠券 后的价格为R3，使用营销活动券、折扣券、现金券后的价格为R3*A*D-M， 所优惠价格为Total_Rule-(R3*A*D-M)，订单增加最优关联产品集合后的产品 列表可以为：(新增产品1，新增产品2，…，新增产品b)。
(4)增加最优关联产品集合和最优包月数集合后的订单总价为 Total_Month_Rule，使用满减优惠券后的价格为R4，使用营销活动券、折扣券、 现金券后的价格为R4*A*D-M，所优惠价格为Total_Month_Rule-(R4*A*D-M)， 订单增加最优关联产品集合和最优包月数集合后的产品列表可以为：
(产品1-包月数n1，产品2-包月数n2，….，产品K-包月数nk)
(新增产品1，新增产品2，…，新增产品b)。
通过展示的最优优惠组合中订单产品的列表及对应的最优价格，供用户进 行最优的选择，以生成满足用户需求的最优订单。
下面对本发明实施例二优惠推荐方法的实现过程进行说明。
图2为本发明实施例二提供的优惠推荐方法的实现流程示意图，本实施例 可以应用于云平台；如图2所示，本实施例的优惠推荐方法包括以下步骤：
步骤201：当优惠券中包括满减优惠券时，基于所述满减优惠券确定当前 订单的第一价格，其中，所述第一价格为通过向下取整函数得到的数值。
在一些实施例中，优惠券可以包括满减优惠券和活动优惠券，活动优惠券 可以包括以下至少之一：营销活动券、折扣券、现金券。
其中，满减优惠券，当订单总价格每满T时减C，此作为推荐手段之一， 可将一类产品设置此种规则，用于促销。那么满减优惠券才是营销的重要手段， 为了满足减免的情况，用户会添加额外的产品增加销量。
营销活动券，默认营销活动为折扣A营销，目前营销活动默认都参加。若 用户所属账号中有优惠券可以使用，则营销活动作为一个可选项，不作为默认 选择；若没有，则默认用户参加营销活动。
折扣券，订单基础上可设置折扣D。
现金券，可作为现金M使用，不可提现，不找零，但此类优惠券并不建议 大量使用，大量现金券的发放并不利于云平台的成本控制。
一个示例中，用户所订购的订单中含有K件产品，默认原始价格为OriTotal， 则
当仅有营销活动券时，则参加营销活动的产品默认折扣为A，此时订单价 格为OriTotal*A。
当仅有折扣券时，折扣券折扣为D，则订单价格为OriTotal*D。
当仅有现金券时，现金券面值为M，则订单价格为OriTotal-M。
当仅有满减优惠券时，满T减C，若满减优惠券的数量限制为1张，则订 单价格为OriTotal-C(仅当T＜OriTotal)；若数量不受限制，则订单价格R为：
(
表示向下取整)。
在一些实施例中，确定用户选择订单点击购买后，获取当前订单中的产品 列表信息和订单价格OriTotal，查询用户所属账号中的优惠券是否包括满减优惠 券。
当优惠券中包括满减优惠券时，基于满减优惠券确定当前订单的第一价格 R1，其中，第一价格为通过向下取整函数得到的数值： 
此外，还可以计算使用满减优惠券通过向上取整 函数得到的价格
(
表示向上取整)。当R1>R1’ 或R1’趋近于R1时，则可以向用户推荐增加订购，并确定最优优惠组合。
步骤202：当前订单的类型为新订购订单时，基于第一价格通过增加包月 数策略确定最优包月数；基于最优包月数确定最优优惠组合。
在一些实施例中，基于第一价格通过增加包月数策略确定最优包月数，可 以包括：基于满减优惠券循环计算当前订单增加包月数后的第二价格；使得第 二价格趋近于第一价格，确定最优包月数。
在一个示例中，若当前订单中仅包括一个产品，循环计算当前订单中的产 品增加包月数n后的价格Total_Month为：Total_Month＝OriTotal*n。基于满减优 惠券循环计算当前订单增加包月数后的第二价格R2： 
若当前订单中包括K件产品，则循环计算每件产品的单独包月数后累加价 格为：
基于满减优惠券循环计算当前订单增加包月数 后的第二价格R2：
使得第二价格R2趋近于第一价格R1，确定最优包月数，则最优包月数或 最优包月数集合N的计算公式如下：
步骤203：向用户推荐最优优惠组合及对应的最优价格，其中，最优价格 为使用满减优惠券和活动优惠券后的价格。
在一些实施例中，当确定优惠券包括满减优惠券、营销活动券、折扣券和 现金券时，基于步骤202已经确定了最优优惠组合，即基于满减优惠券通过增 加订购的策略确定了最优优惠组合，则可以基于最优优惠组合和活动优惠券确 定最优优惠组合对应的最优价格，并向用户推荐以及展示最优优惠组合及对应 的最优价格，具体展示内容如下：
(1)原始订单价格为OriTotal，使用满减优惠券后的价格为R1，使用营销 活动券、折扣券、现金券后的最优价格为R1*A*D-M，所优惠价格为 OriTotal-(R1*A*D-M)。
(2)增加最优包月数后的订单总价为Total_Month，使用满减优惠券后的价 格为R2，使用营销活动券、折扣券、现金券后的最优价格为R2*A*D-M，所 优惠价格为Total_Month-(R2*A*D-M)，订单增加最优包月数后的产品列表可以 为：(产品1-包月数n1，产品2-包月数n2，….，产品K-包月数nk)。
通过展示的最优优惠组合中订单产品的列表及对应的最优价格，供用户进 行最优的选择，以生成满足用户需求的最优订单。
下面对本发明实施例三优惠推荐方法的实现过程进行说明。
图3为本发明实施例三提供的优惠推荐方法的实现流程示意图，本实施例 可以应用于云平台；如图3所示，本实施例的优惠推荐方法包括以下步骤：
步骤301：当优惠券中包括满减优惠券时，基于所述满减优惠券确定当前 订单的第一价格，其中，所述第一价格为通过向下取整函数得到的数值。
在一些实施例中，优惠券可以包括满减优惠券和活动优惠券，活动优惠券 可以包括以下至少之一：营销活动券、折扣券、现金券。
其中，满减优惠券，当订单总价格每满T时减C，此作为推荐手段之一， 可将一类产品设置此种规则，用于促销。那么满减优惠券才是营销的重要手段， 为了满足减免的情况，用户会添加额外的产品增加销量。
营销活动券，默认营销活动为折扣A营销，目前营销活动默认都参加。若 用户所属账号中有优惠券可以使用，则营销活动作为一个可选项，不作为默认 选择；若没有，则默认用户参加营销活动。
折扣券，订单基础上可设置折扣D。
现金券，可作为现金M使用，不可提现，不找零，但此类优惠券并不建议 大量使用，大量现金券的发放并不利于云平台的成本控制。
一个示例中，用户所订购的订单中含有K件产品，默认原始价格为OriTotal， 则
当仅有营销活动券时，则参加营销活动的产品默认折扣为A，此时订单价 格为OriTotal*A。
当仅有折扣券时，折扣券折扣为D，则订单价格为OriTotal*D。
当仅有现金券时，现金券面值为M，则订单价格为OriTotal-M。
当仅有满减优惠券时，满T减C，若满减优惠券的数量限制为1张，则订 单价格为OriTotal-C(仅当T＜OriTotal)；若数量不受限制，则订单价格R为：
(
表示向下取整)。
在一些实施例中，确定用户选择订单点击购买后，获取当前订单中的产品 列表信息和订单价格OriTotal，查询用户所属账号中的优惠券是否包括满减优惠 券。
当优惠券中包括满减优惠券时，基于满减优惠券确定当前订单的第一价格 R1，其中，第一价格为通过向下取整函数得到的数值： 
此外，还可以计算使用满减优惠券通过向上取整 函数得到的价格
(
表示向上取整)。当R1>R1’ 或R1’趋近于R1时，则可以向用户推荐增加订购，并确定最优优惠组合。
步骤302：当前订单的类型为新订购订单时，基于第一价格通过关联产品 策略，确定最优关联产品集合，或者，确定最优关联产品集合和最优包月数集 合；基于最优关联产品集合，或者，基于最优关联产品集合和最优包月数集合， 确定最优优惠组合。
在一些实施例中，基于第一价格通过关联产品策略，确定最优关联产品集 合，或者，确定最优关联产品集合和最优包月数集合，可以包括：设置至少一 种关联积分规则；基于历史订单数据确定每种关联积分规则对应的规则积分值； 基于规则积分值确定两产品之间的关联积分值；基于第一价格和关联积分值， 确定最优关联产品集合，或者，确定最优关联产品集合和最优包月数集合。
其中，基于第一价格和关联积分值，确定最优关联产品集合，或者，确定 最优关联产品集合和最优包月数集合，可以包括：存储关联积分值至数据库； 查询数据库，获取针对当前订单中每个产品的关联产品列表，关联产品列表中 不包括用户使用中的产品；基于满减优惠券循环计算当前订单增加关联产品后 的第三价格，使得第三价格趋近于第一价格，确定最优关联产品集合；或者， 基于满减优惠券循环计算当前订单增加关联产品和包月数后的第四价格，使得 第四价格趋近于第一价格，确定最优关联产品集合和最优包月数集合；其中， 按照关联产品列表中关联积分值从大到小的排序增加关联产品。
在一个示例中，可以设置至少一种关联积分规则，这里设置六种关联积分 规则：
(a)同一笔订单下产品，积分P1分。
(b)同一笔订单下产品，参加同种优惠活动，积分P2分。
(c)同一笔订单下产品，续订次数每超过一次累加P3分。
(d)同一用户所有订单下产品，积分P4分。
(e)同一行业用户所有订单下产品，积分P5分。
(f)同一类型用户，所有订单下产品，积分P6分。
这里仅例举出上述六种情况，实际可以根据产品维度，用户维度，划分多 种规则，规则数目为w，则产品i和产品j的所有规则使用后的关联关系值之和 为
可以将不同产品作为独立的标签，则产品i和产品j之间订单数目如下：
表1产品pi和产品pj的统计信息
A为含有产品i和产品j的订单数目。
B为含有产品i不含有产品j的订单数目。
C为不含有产品i含有产品j的订单数目。
D为不含有产品i和不含有产品j的订单数目。
因此，可以利用卡方统计来计算出产品之间的关系，卡方统计的好处在于 可以统计出产品之间的全量关系，包括互斥关系：
这里，Mij为统计出的产品i和产品j之间的关系，值越大关系越强，值越 小互斥关系越强，若趋近于0，则表明两个产品之前的关系无法确定。
基于历史订单数据即关联关系值Mij，可以确定每种关联积分规则对应的规 则积分值：
通过关联性强的已知产品来取均值，使得规则积分值更可靠：
基于获得的规则积分值可以确定两产品之间的关联积分值：
将获得的关联积分值存储至数据库，可以设定任务每10分钟更新一次数 据。
查询数据库，获取针对当前订单中每个产品i的关联产品列表，这里可以 配置阈值，其中，关联产品列表中不包括用户使用中的产品，可以理解地，若 关联产品列表中包括用户使用中的产品时，则删除该使用中的产品，剩余的关 联产品数据为bi，因此，当前订单中每个产品i的关联产品集合为B，按照关 联产品列表中关联积分值从大到小的排序增加关联产品至当前订单中，则当前 订单增加关联产品后的订单总价为：
可以基于满减优惠券循环计算当前订单增加关联产品后的第三价格R3：
使得第三价格R3趋近于第一价格R1，确定最优关联产品集合，则最优关 联产品集合
的计算公式如下：
或者，可以按照关联产品列表中关联积分值从大到小的排序增加关联产品 至当前订单中，则当前订单增加关联产品和包月数后的订单总价 Total_Month_Rule为：
可以基于满减优惠券循环计算当前订单增加关联产品和包月数后的第四价 格R4：
使得第四价格R4趋近于第一价格R1，确定最优关联产品集合和最优包月 数集合，则最优关联产品集合
和最优包月数集合N的计算公式如下：
步骤303：向用户推荐最优优惠组合及对应的最优价格，其中，最优价格 为使用满减优惠券和活动优惠券后的价格。
在一些实施例中，当确定优惠券包括满减优惠券、营销活动券、折扣券和 现金券时，基于步骤302已经确定了最优优惠组合，即基于满减优惠券通过增 加订购的策略确定了最优优惠组合，则可以基于最优优惠组合和活动优惠券确 定最优优惠组合对应的最优价格，并向用户推荐以及展示最优优惠组合及对应 的最优价格，具体展示内容如下：
(1)原始订单价格为OriTotal，使用满减优惠券后的价格为R1，使用营销 活动券、折扣券、现金券后的最优价格为R1*A*D-M，所优惠价格为 OriTotal-(R1*A*D-M)。
(2)增加最优关联产品集合后的订单总价为Total_Rule，使用满减优惠券 后的价格为R3，使用营销活动券、折扣券、现金券后的价格为R3*A*D-M， 所优惠价格为Total_Rule-(R3*A*D-M)，订单增加最优关联产品集合后的产品 列表可以为：(新增产品1，新增产品2，…，新增产品b)。
(3)增加最优关联产品集合和最优包月数集合后的订单总价为 Total_Month_Rule，使用满减优惠券后的价格为R4，使用营销活动券、折扣券、 现金券后的价格为R4*A*D-M，所优惠价格为Total_Month_Rule-(R4*A*D-M)， 订单增加最优关联产品集合和最优包月数集合后的产品列表可以为：
(产品1-包月数n1，产品2-包月数n2，….，产品K-包月数nk)
(新增产品1，新增产品2，…，新增产品b)。
通过展示的最优优惠组合中订单产品的列表及对应的最优价格，供用户进 行最优的选择，以生成满足用户需求的最优订单。
下面对本发明实施例四优惠推荐方法的实现过程进行说明。
图4为本发明实施例四提供的优惠推荐方法的实现流程示意图，本实施例 可以应用于云平台；如图4所示，本实施例的优惠推荐方法包括以下步骤：
步骤401：当优惠券中包括满减优惠券时，基于所述满减优惠券确定当前 订单的第一价格，其中，所述第一价格为通过向下取整函数得到的数值。
在一些实施例中，优惠券可以包括满减优惠券和活动优惠券，活动优惠券 可以包括以下至少之一：营销活动券、折扣券、现金券。
其中，满减优惠券，当订单总价格每满T时减C，此作为推荐手段之一， 可将一类产品设置此种规则，用于促销。那么满减优惠券才是营销的重要手段， 为了满足减免的情况，用户会添加额外的产品增加销量。
营销活动券，默认营销活动为折扣A营销，目前营销活动默认都参加。若 用户所属账号中有优惠券可以使用，则营销活动作为一个可选项，不作为默认 选择；若没有，则默认用户参加营销活动。
折扣券，订单基础上可设置折扣D。
现金券，可作为现金M使用，不可提现，不找零，但此类优惠券并不建议 大量使用，大量现金券的发放并不利于云平台的成本控制。
一个示例中，用户所订购的订单中含有K件产品，默认原始价格为OriTotal， 则
当仅有营销活动券时，则参加营销活动的产品默认折扣为A，此时订单价 格为OriTotal*A。
当仅有折扣券时，折扣券折扣为D，则订单价格为OriTotal*D。
当仅有现金券时，现金券面值为M，则订单价格为OriTotal-M。
当仅有满减优惠券时，满T减C，若满减优惠券的数量限制为1张，则订 单价格为OriTotal-C(仅当T＜OriTotal)；若数量不受限制，则订单价格R为：
(
表示向下取整)。
在一些实施例中，确定用户选择订单点击购买后，获取当前订单中的产品 列表信息和订单价格OriTotal，查询用户所属账号中的优惠券是否包括满减优惠 券。
当优惠券中包括满减优惠券时，基于满减优惠券确定当前订单的第一价格 R1，其中，第一价格为通过向下取整函数得到的数值： 
此外，还可以计算使用满减优惠券通过向上取整 函数得到的价格
(
表示向上取整)。当R1>R1’ 或R1’趋近于R1时，则可以向用户推荐增加订购，并确定最优优惠组合。
步骤402：当前订单的类型为续订购订单时，基于第一价格通过增加包月 数策略确定最优续订包月数。
在一些实施例中，基于第一价格通过增加包月数策略确定最优包月数，可 以包括：基于满减优惠券循环计算当前订单增加包月数后的第二价格；使得第 二价格趋近于第一价格，确定最优续订包月数。
在一个示例中，若当前订单中仅包括一个产品，循环计算当前订单中的产 品增加包月数n后的价格Total_Month为：Total_Month＝OriTotal*n。基于满减优 惠券循环计算当前订单增加包月数后的第二价格R2： 
若当前订单中包括K件产品，则循环计算每件产品的单独包月数后累加价 格为：
基于满减优惠券循环计算当前订单增加包月数 后的第二价格R2：
使得第二价格R2趋近于第一价格R1，确定最优包月数，则最优包月数或 最优包月数集合N的计算公式如下：
步骤403：向用户推荐最优优惠组合及对应的最优价格，其中，最优价格 为使用满减优惠券和活动优惠券后的价格。
在一些实施例中，当确定优惠券包括满减优惠券、营销活动券、折扣券和 现金券时，基于步骤402已经确定了最优优惠组合，即基于满减优惠券通过增 加订购的策略确定了最优优惠组合，则可以基于最优优惠组合和活动优惠券确 定最优优惠组合对应的最优价格，并向用户推荐以及展示最优优惠组合及对应 的最优价格，以当前订单的类型为新订购订单为例，具体展示内容如下：
(1)原始订单价格为OriTotal，使用满减优惠券后的价格为R1，使用营销 活动券、折扣券、现金券后的最优价格为R1*A*D-M，所优惠价格为 OriTotal-(R1*A*D-M)。
(2)增加最优续订包月数后的订单总价为Total_Month，使用满减优惠券后 的价格为R2，使用营销活动券、折扣券、现金券后的最优价格为R2*A*D-M， 所优惠价格为Total_Month-(R2*A*D-M)，订单增加最优续订包月数后的产品列 表可以为：(产品1-包月数n1，产品2-包月数n2，….，产品K-包月数nk)。
通过展示的最优优惠组合中订单产品的列表及对应的最优价格，供用户进 行最优的选择，以生成满足用户需求的最优订单。
下面对本发明实施例五优惠推荐方法的实现过程进行说明。
图5为本发明实施例五提供的优惠推荐方法的实现流程示意图，本实施例 可以应用于云平台；如图5所示，本实施例的优惠推荐方法包括以下步骤：
步骤501：当优惠券中包括满减优惠券时，基于所述满减优惠券确定当前 订单的第一价格，其中，所述第一价格为通过向下取整函数得到的数值。
在一些实施例中，优惠券可以包括满减优惠券和活动优惠券，活动优惠券 可以包括以下至少之一：营销活动券、折扣券、现金券。
其中，满减优惠券，当订单总价格每满T时减C，此作为推荐手段之一， 可将一类产品设置此种规则，用于促销。那么满减优惠券才是营销的重要手段， 为了满足减免的情况，用户会添加额外的产品增加销量。
营销活动券，默认营销活动为折扣A营销，目前营销活动默认都参加。若 用户所属账号中有优惠券可以使用，则营销活动作为一个可选项，不作为默认 选择；若没有，则默认用户参加营销活动。
折扣券，订单基础上可设置折扣D。
现金券，可作为现金M使用，不可提现，不找零，但此类优惠券并不建议 大量使用，大量现金券的发放并不利于云平台的成本控制。
一个示例中，用户所订购的订单中含有K件产品，默认原始价格为OriTotal， 则
当仅有营销活动券时，则参加营销活动的产品默认折扣为A，此时订单价 格为OriTotal*A。
当仅有折扣券时，折扣券折扣为D，则订单价格为OriTotal*D。
当仅有现金券时，现金券面值为M，则订单价格为OriTotal-M。
当仅有满减优惠券时，满T减C，若满减优惠券的数量限制为1张，则订 单价格为OriTotal-C(仅当T＜OriTotal)；若数量不受限制，则订单价格R为：
(
表示向下取整)。
在一些实施例中，确定用户选择订单点击购买后，获取当前订单中的产品 列表信息和订单价格OriTotal，查询用户所属账号中的优惠券是否包括满减优惠 券。
当优惠券中包括满减优惠券时，基于满减优惠券确定当前订单的第一价格 R1，其中，第一价格为通过向下取整函数得到的数值： 
此外，还可以计算使用满减优惠券通过向上取整 函数得到的价格
(
表示向上取整)。当R1>R1’ 或R1’趋近于R1时，则可以向用户推荐增加订购，并确定最优优惠组合。
步骤502：当前订单的类型为变更订购订单时，循环计算变更时产品的最 优规格；基于最优规格确定当前订单的第五价格；基于第五价格和第一价格， 通过增加包月数策略确定最优包月数。
具体地，订单变更时产品规格和包月数均可变化(仅增大)，因此，可以计 算变更时产品的最优规格，确定最优规格后，可以基于最优规格确定当前订单 的第五价格R5；再基于满减优惠券循环计算使用最优规格的订单增加包月数后 的第六价格；使得第六价格趋近于第一价格，确定最优包月数。
需要注意地，由于计算最优价格的目的在于促销，因此，优先计算变更时 产品的最优规格，再结合最优包月数确定最优优惠组合。
在一个示例中，若当前订单中仅包括一个产品，循环计算使用最优规格的 订单中的产品增加包月数n后的价格Total_Month为：Total_Month＝R5*n。基于 满减优惠券循环计算使用最优规格的订单增加包月数后的第六价格R6： 
若当前订单中包括K件产品，K件产品中均为使用最优规格的产品，则循 环计算每件产品的单独包月数后累加价格为：
基于满 减优惠券循环计算使用最优规格的订单增加包月数后的第六价格R6：
使得第六价格R6趋近于第一价格R1，确定最优包月数，则最优包月数或 最优包月数集合N的计算公式如下：
步骤503：向用户推荐最优优惠组合及对应的最优价格，其中，最优价格 为使用满减优惠券和活动优惠券后的价格。
在一些实施例中，当确定优惠券包括满减优惠券、营销活动券、折扣券和 现金券时，基于步骤502已经确定了最优优惠组合，即基于满减优惠券通过增 加订购的策略确定了最优优惠组合，则可以基于最优优惠组合和活动优惠券确 定最优优惠组合对应的最优价格，并向用户推荐以及展示最优优惠组合及对应 的最优价格，具体展示内容如下：
(1)原始订单价格为OriTotal，使用满减优惠券后的价格为R1，使用营销 活动券、折扣券、现金券后的最优价格为R1*A*D-M，所优惠价格为 OriTotal-(R1*A*D-M)。
(2)使用产品的最优规格后的订单总价为R5，使用满减优惠券后的价格 为R5’，使用营销活动券、折扣券、现金券后的最优价格为R5’*A*D-M，所优 惠价格为R5-(R5'*A*D-M)，订单使用最优规格后的产品列表可以为：(产品 1-最优规格1，产品2-最优规格2，….，产品K-最优规格K)。
(3)在使用最优规格基础上增加最优包月数后的订单总价为Total_Month， 使用满减优惠券后的价格为R6，使用营销活动券、折扣券、现金券后的最优价 格为R6*A*D-M，所优惠价格为Total_Month-(R6*A*D-M)，订单在使用最优 规格基础上增加最优包月数后的产品列表可以为：(产品1-最优规格1-包月数 n1，产品2-最优规格2-包月数n2，….，产品K-最优规格K-包月数nk)。
通过展示的最优优惠组合中订单产品的列表及对应的最优价格，供用户进 行最优的选择，以生成满足用户需求的最优订单。
下面对本发明实施例六优惠推荐方法的具体实现过程进行说明。
图6为本发明实施例六提供的优惠推荐方法的具体实现流程示意图，本实 施例可以应用于云平台；如图6所示，本实施例的优惠推荐方法包括以下步骤：
步骤601：获取用户选择购买的订单。
步骤602：获取当前订单中的产品列表信息和订单价格。
步骤603：查询用户所属账号中的优惠券是否包括满减优惠券。
在一些实施例中，优惠券可以包括满减优惠券和活动优惠券，活动优惠券 可以包括以下至少之一：营销活动券、折扣券、现金券。
其中，满减优惠券，当订单总价格每满T时减C，此作为推荐手段之一， 可将一类产品设置此种规则，用于促销。那么满减优惠券才是营销的重要手段， 为了满足减免的情况，用户会添加额外的产品增加销量。
营销活动券，默认营销活动为折扣A营销，目前营销活动默认都参加。若 用户所属账号中有优惠券可以使用，则营销活动作为一个可选项，不作为默认 选择；若没有，则默认用户参加营销活动。
折扣券，订单基础上可设置折扣D。
现金券，可作为现金M使用，不可提现，不找零，但此类优惠券并不建议 大量使用，大量现金券的发放并不利于云平台的成本控制。
一个示例中，用户所订购的订单中含有K件产品，默认原始价格为OriTotal， 则
当仅有营销活动券时，则参加营销活动的产品默认折扣为A，此时订单价 格为OriTotal*A。
当仅有折扣券时，折扣券折扣为D，则订单价格为OriTotal*D。
当仅有现金券时，现金券面值为M，则订单价格为OriTotal-M。
当仅有满减优惠券时，满T减C，若满减优惠券的数量限制为1张，则订 单价格为OriTotal-C(仅当T＜OriTotal)；若数量不受限制，则订单价格R为：
(
表示向下取整)。
当确定用户所属账号中的优惠券包括满减优惠券时，执行步骤604，当确 定用户所属账号中的优惠券不包括满减优惠券时，执行步骤608。
步骤604：确定当前订单的类型。
订单的类型可以包括三种类型，比如，新订购订单、续订购订单、变更订 购订单，针对不同类型的订单，可以通过不同的增加订购的策略确定最优优惠 组合。
若当前订单的类型为新订购订单时，执行步骤605，若当前订单的类型为 续订购订单时，执行步骤606，若当前订单的类型为变更订购订单时，执行步 骤607。
步骤605：当前订单的类型为新订购订单时，基于第一价格通过增加包月 数策略确定最优包月数。
当优惠券中包括满减优惠券时，基于满减优惠券确定当前订单的第一价格 R1，其中，第一价格为通过向下取整函数得到的数值： 
此外，还可以计算使用满减优惠券通过向上取整 函数得到的价格
(
表示向上取整)。当R1>R1’ 或R1’趋近于R1时，则可以向用户推荐增加订购，并确定最优优惠组合。
在一些实施例中，基于第一价格通过增加包月数策略确定最优包月数，可 以包括：基于满减优惠券循环计算当前订单增加包月数后的第二价格；使得第 二价格趋近于第一价格，确定最优包月数。
在一个示例中，若当前订单中仅包括一个产品，循环计算当前订单中的产 品增加包月数n后的价格Total_Month为：Total_Month＝OriTotal*n。基于满减优 惠券循环计算当前订单增加包月数后的第二价格R2： 
若当前订单中包括K件产品，则循环计算每件产品的单独包月数后累加价 格为：
基于满减优惠券循环计算当前订单增加包月数 后的第二价格R2：
使得第二价格R2趋近于第一价格R1，确定最优包月数，则最优包月数或 最优包月数集合N的计算公式如下：
步骤605：当前订单的类型为新订购订单时，基于第一价格通过关联产品 策略，确定最优关联产品集合，或者，确定最优关联产品集合和最优包月数集 合。
在一些实施例中，基于第一价格通过关联产品策略，确定最优关联产品集 合，或者，确定最优关联产品集合和最优包月数集合，可以包括：设置至少一 种关联积分规则；基于历史订单数据确定每种关联积分规则对应的规则积分值； 基于规则积分值确定两产品之间的关联积分值；基于第一价格和关联积分值， 确定最优关联产品集合，或者，确定最优关联产品集合和最优包月数集合。
其中，基于第一价格和关联积分值，确定最优关联产品集合，或者，确定 最优关联产品集合和最优包月数集合，可以包括：存储关联积分值至数据库； 查询数据库，获取针对当前订单中每个产品的关联产品列表，关联产品列表中 不包括用户使用中的产品；基于满减优惠券循环计算当前订单增加关联产品后 的第三价格，使得第三价格趋近于第一价格，确定最优关联产品集合；或者， 基于满减优惠券循环计算当前订单增加关联产品和包月数后的第四价格，使得 第四价格趋近于第一价格，确定最优关联产品集合和最优包月数集合；其中， 按照关联产品列表中关联积分值从大到小的排序增加关联产品。
在一个示例中，可以设置至少一种关联积分规则，这里设置六种关联积分 规则：
(a)同一笔订单下产品，积分P1分。
(b)同一笔订单下产品，参加同种优惠活动，积分P2分。
(c)同一笔订单下产品，续订次数每超过一次累加P3分。
(d)同一用户所有订单下产品，积分P4分。
(e)同一行业用户所有订单下产品，积分P5分。
(f)同一类型用户，所有订单下产品，积分P6分。
这里仅例举出上述六种情况，实际可以根据产品维度，用户维度，划分多 种规则，规则数目为w，则产品i和产品j的所有规则使用后的关联关系值之和 为
可以将不同产品作为独立的标签，则产品i和产品j之间订单数目如下：
表1产品pi和产品pj的统计信息
A为含有产品i和产品j的订单数目。
B为含有产品i不含有产品j的订单数目。
C为不含有产品i含有产品j的订单数目。
D为不含有产品i和不含有产品j的订单数目。
因此，可以利用卡方统计来计算出产品之间的关系，卡方统计的好处在于 可以统计出产品之间的全量关系，包括互斥关系：
这里，Mij为统计出的产品i和产品j之间的关系，值越大关系越强，值越 小互斥关系越强，若趋近于0，则表明两个产品之前的关系无法确定。
基于历史订单数据即关联关系值Mij，可以确定每种关联积分规则对应的规 则积分值：
通过关联性强的已知产品来取均值，使得规则积分值更可靠：
基于获得的规则积分值可以确定两产品之间的关联积分值：
将获得的关联积分值存储至数据库，可以设定任务每10分钟更新一次数 据。
查询数据库，获取针对当前订单中每个产品i的关联产品列表，这里可以 配置阈值，其中，关联产品列表中不包括用户使用中的产品，可以理解地，若 关联产品列表中包括用户使用中的产品时，则删除该使用中的产品，剩余的关 联产品数据为bi，因此，当前订单中每个产品i的关联产品集合为B，按照关 联产品列表中关联积分值从大到小的排序增加关联产品至当前订单中，则当前 订单增加关联产品后的订单总价为：
可以基于满减优惠券循环计算当前订单增加关联产品后的第三价格R3：
使得第三价格R3趋近于第一价格R1，确定最优关联产品集合，则最优关 联产品集合
的计算公式如下：
或者，可以按照关联产品列表中关联积分值从大到小的排序增加关联产品 至当前订单中，则当前订单增加关联产品和包月数后的订单总价 Total_Month_Rule为：
可以基于满减优惠券循环计算当前订单增加关联产品和包月数后的第四价 格R4：
使得第四价格R4趋近于第一价格R1，确定最优关联产品集合和最优包月 数集合，则最优关联产品集合
和最优包月数集合N的计算公式如下：
步骤606：当前订单的类型为续订购订单时，基于第一价格通过增加包月 数策略确定最优续订包月数。
这里，基于第一价格通过增加包月数策略确定最优续订包月数的实施方式， 与步骤605中基于第一价格通过增加包月数策略确定最优包月数的实施方式相 同，这里不再赘述。
步骤607：当前订单的类型为变更订购订单时，循环计算变更时产品的最 优规格；基于最优规格确定当前订单的第五价格；基于第五价格和第一价格， 通过增加包月数策略确定最优包月数。
具体地，订单变更时产品规格和包月数均可变化(仅增大)，因此，可以计 算变更时产品的最优规格，确定最优规格后，可以基于最优规格确定当前订单 的第五价格R5；再基于满减优惠券循环计算使用最优规格的订单增加包月数后 的第六价格；使得第六价格趋近于第一价格，确定最优包月数。
需要注意地，由于计算最优价格的目的在于促销，因此，优先计算变更时 产品的最优规格，再结合最优包月数确定最优优惠组合。
在一个示例中，若当前订单中仅包括一个产品，循环计算使用最优规格的 订单中的产品增加包月数n后的价格Total_Month为：Total_Month＝R5*n。基于 满减优惠券循环计算使用最优规格的订单增加包月数后的第六价格R6： 
若当前订单中包括K件产品，K件产品中均为使用最优规格的产品，则循 环计算每件产品的单独包月数后累加价格为：
基于满 减优惠券循环计算使用最优规格的订单增加包月数后的第六价格R6：
使得第六价格R6趋近于第一价格R1，确定最优包月数，则最优包月数或 最优包月数集合N的计算公式如下：
步骤608：查询用户所属账号中的优惠券是否包括营销活动券。
当确定用户所属账号中的优惠券包括营销活动券时，则默认用户参加营销 活动，参加营销活动的产品默认折扣为A。
步骤609：查询用户所属账号中的优惠券是否包括折扣券。
当确定用户所属账号中的优惠券包括折扣券时，订单基础上可设置折扣D。
步骤610：查询用户所属账号中的优惠券是否包括现金券。
当确定用户所属账号中的优惠券包括现金券时，可作为现金M使用。
步骤611：向用户推荐最优优惠组合及对应的最优价格，其中，最优价格 为使用满减优惠券和活动优惠券后的价格。
在一些实施例中，当确定优惠券包括满减优惠券、营销活动券、折扣券和 现金券时，基于步骤605、606或607已经确定了最优优惠组合，即基于满减优 惠券通过增加订购的策略确定了最优优惠组合，则可以基于最优优惠组合和活 动优惠券确定最优优惠组合对应的最优价格，并向用户推荐以及展示最优优惠 组合及对应的最优价格，以供用户选择。
步骤612：基于用户的选择操作生成最优订单，并显示订单支付链接。
步骤613：基于当前订单的类型显示对应的订单信息。
确定当前订单的类型为新订购订单时，订单信息可以包括开通资源。
确定当前订单的类型为续订购订单时，订单信息可以包括迁移资源置新订 单。
确定当前订单的类型为变更订购订单时，订单信息可以包括变更资源置新 规格。
本发明实施例所提供的优惠推荐方法，确定优惠券中包括满减优惠券时， 基于满减优惠券确定当前订单的第一价格，基于当前订单的类型和第一价格， 通过增加订购的策略确定最优优惠组合，并向用户推荐最优优惠组合及对应的 最优价格，其中，最优价格为使用满减优惠券和活动优惠券后的价格。如此， 能够基于满减优惠券确定当前订单的价格，并且通过增加订购的策略确定最优 优惠组合，从而使得用户获得最优选择，也达到了为用户推荐最优优惠组合实 现促销的目的。
此外，通过历史订单数据确定设置的每种关联积分规则对应的规则积分值， 再基于规则积分值确定两产品之间的关联积分值，从而提高了获取积分值的可 靠性，使得推荐的最优优惠组合更有效。
为实现上述方法，本发明实施例七提供了一种优惠推荐装置，如图7所示， 该装置包括获第一确定模块701、第二确定模块702和推荐模块703；其中，
第一确定模块701，用于当优惠券中包括满减优惠券时，基于所述满减优 惠券确定当前订单的第一价格，其中，所述第一价格为通过向下取整函数得到 的数值。
第二确定模块702，用于基于当前订单的类型和所述第一价格，通过增加 订购的策略确定最优优惠组合。
第二确定模块702，具体用于当前订单的类型为新订购订单时，基于所述 第一价格通过增加包月数策略确定最优包月数；基于所述最优包月数确定所述 最优优惠组合。
第二确定模块702，具体用于当前订单的类型为新订购订单时，基于所述 第一价格通过关联产品策略，确定最优关联产品集合，或者，确定最优关联产 品集合和最优包月数集合；基于所述最优关联产品集合，或者，基于所述最优 关联产品集合和最优包月数集合，确定所述最优优惠组合。
第二确定模块702，还具体用于基于所述满减优惠券循环计算当前订单增 加包月数后的第二价格；使得所述第二价格趋近于所述第一价格，确定所述最 优包月数。
第二确定模块702，还具体用于设置至少一种关联积分规则；基于历史订 单数据确定每种所述关联积分规则对应的规则积分值；基于所述规则积分值确 定两产品之间的关联积分值；基于所述第一价格和所述关联积分值，确定所述 最优关联产品集合，或者，确定所述最优关联产品集合和最优包月数集合。
第二确定模块702，还具体用于存储所述关联积分值至数据库；查询所述 数据库，获取针对当前订单中每个产品的关联产品列表，所述关联产品列表中 不包括所述用户使用中的产品；基于所述满减优惠券循环计算当前订单增加所 述关联产品后的第三价格，使得所述第三价格趋近于所述第一价格，确定所述 最优关联产品集合；或者，基于所述满减优惠券循环计算当前订单增加所述关 联产品和包月数后的第四价格，使得所述第四价格趋近于所述第一价格，确定 所述最优关联产品集合和最优包月数集合；其中，按照所述关联产品列表中所 述关联积分值从大到小的排序增加所述关联产品。
第二确定模块702，具体用于当前订单的类型为续订购订单时，基于所述 第一价格通过增加包月数策略确定最优续订包月数。
第二确定模块702，具体用于当前订单的类型为变更订购订单时，循环计 算变更时产品的最优规格；基于所述最优规格确定当前订单的第五价格；基于 所述第五价格和所述第一价格，通过增加包月数策略确定最优包月数。
推荐模块703，用于向用户推荐所述最优优惠组合及对应的最优价格，其 中，所述最优价格为使用所述满减优惠券和活动优惠券后的价格。
在实际应用中，所述第一确定模块701、第二确定模块702和推荐模块703 均可由位于服务器上的中央处理器(CPU，Central Processing Unit)、微处理器 (MPU，MicroProcessor Unit)、数字信号处理器(DSP，Digital Signal Processor)、 或现场可编程门阵列(FPGA，Field Programmable Gate Array)等实现。
需要说明的是：上述实施例提供的优惠推荐装置在进行优惠推荐时，仅以 上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述处 理分配由不同的程序模块完成，即将装置的内部结构划分成不同的程序模块， 以完成以上描述的全部或者部分处理。另外，上述实施例提供的优惠推荐装置 与优惠推荐方法实施例属于同一构思，其具体实现过程详见方法实施例，这里 不再赘述。
为实现上述方法，本发明实施例还提供了另一种优惠推荐装置，该装置包 括存储器、处理器及存储在存储器上并能够由所述处理器运行的可执行程序， 所述处理器运行所述可执行程序时，执行以下操作：
当优惠券中包括满减优惠券时，基于所述满减优惠券确定当前订单的第一 价格，其中，所述第一价格为通过向下取整函数得到的数值；基于当前订单的 类型和所述第一价格，通过增加订购的策略确定最优优惠组合；向用户推荐所 述最优优惠组合及对应的最优价格，其中，所述最优价格为使用所述满减优惠 券和活动优惠券后的价格。
所述处理器还用于运行所述可执行程序时，执行以下操作：
当前订单的类型为新订购订单时，基于所述第一价格通过增加包月数策略 确定最优包月数；基于所述最优包月数确定所述最优优惠组合。
所述处理器还用于运行所述可执行程序时，执行以下操作：
当前订单的类型为新订购订单时，基于所述第一价格通过关联产品策略， 确定最优关联产品集合，或者，确定最优关联产品集合和最优包月数集合；基 于所述最优关联产品集合，或者，基于所述最优关联产品集合和最优包月数集 合，确定所述最优优惠组合。
所述处理器还用于运行所述可执行程序时，执行以下操作：
基于所述满减优惠券循环计算当前订单增加包月数后的第二价格；使得所 述第二价格趋近于所述第一价格，确定所述最优包月数。
所述处理器还用于运行所述可执行程序时，执行以下操作：
设置至少一种关联积分规则；基于历史订单数据确定每种所述关联积分规 则对应的规则积分值；基于所述规则积分值确定两产品之间的关联积分值；基 于所述第一价格和所述关联积分值，确定所述最优关联产品集合，或者，确定 所述最优关联产品集合和最优包月数集合。
所述处理器还用于运行所述可执行程序时，执行以下操作：
存储所述关联积分值至数据库；查询所述数据库，获取针对当前订单中每 个产品的关联产品列表，所述关联产品列表中不包括所述用户使用中的产品； 基于所述满减优惠券循环计算当前订单增加所述关联产品后的第三价格，使得 所述第三价格趋近于所述第一价格，确定所述最优关联产品集合；或者，基于 所述满减优惠券循环计算当前订单增加所述关联产品和包月数后的第四价格， 使得所述第四价格趋近于所述第一价格，确定所述最优关联产品集合和最优包 月数集合；其中，按照所述关联产品列表中所述关联积分值从大到小的排序增 加所述关联产品。
所述处理器还用于运行所述可执行程序时，执行以下操作：
当前订单的类型为续订购订单时，基于所述第一价格通过增加包月数策略 确定最优续订包月数。
所述处理器还用于运行所述可执行程序时，执行以下操作：
当前订单的类型为变更订购订单时，循环计算变更时产品的最优规格；基 于所述最优规格确定当前订单的第五价格；基于所述第五价格和所述第一价格， 通过增加包月数策略确定最优包月数。
下面以优惠推荐装置实施为用于优惠推荐的服务器为例，对该优惠推荐装 置的硬件结构做进一步说明。
图8给出了本发明实施例八的优惠推荐装置的硬件结构示意图，图8所示 的优惠推荐装置800包括：至少一个处理器801、存储器802、用户接口803 和至少一个网络接口804。所述优惠推荐装置800中的各个组件通过总线系统 805耦合在一起。可理解，总线系统805用于实现这些组件之间的连接通信。 总线系统805除包括数据总线之外，还包括电源总线、控制总线和状态信号总 线。但是为了清楚说明起见，在图8中将各种总线都标为总线系统805。
其中，用户接口803可以包括显示器、键盘、鼠标、轨迹球、点击轮、按 键、按钮、触感板或者触摸屏等。
可以理解，存储器802可以是易失性存储器或非易失性存储器，也可包括 易失性和非易失性存储器两者。
本发明实施例五中的存储器802用于存储各种类型的数据以支持优惠推荐 装置800的操作。这些数据的示例包括：用于在优惠推荐装置800上操作的任 何计算机程序，如可执行程序8021，实现本发明实施例方法的程序可以包含在 可执行程序8021中。
上述本发明实施例揭示的方法可以应用于处理器801中，或者由处理器801 实现。处理器801可能是一种集成电路芯片，具有信号的处理能力。在实现过 程中，上述方法的各步骤可以通过处理器801中的硬件的集成逻辑电路或者软 件形式的指令完成。上述的处理器801可以是通用处理器、DSP，或者其他可 编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器801可 以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理 器可以是微处理器或者任何常规的处理器等。结合本发明实施例所公开的方法 的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬 件及软件模块组合执行完成。软件模块可以位于存储介质中，该存储介质位于 存储器802，处理器801读取存储器802中的信息，结合其硬件完成前述方法 的步骤。
在示例性实施例中，本发明实施例还提供了一种存储介质，其上存储有可 执行程序，所述可执行程序被优惠推荐装置800的处理器801运行时，执行上 述优惠推荐方法。
本发明实施例所提供的优惠推荐方法、装置及存储介质，确定优惠券中包 括满减优惠券时，基于满减优惠券确定当前订单的第一价格，基于当前订单的 类型和第一价格，通过增加订购的策略确定最优优惠组合，并向用户推荐最优 优惠组合及对应的最优价格，其中，最优价格为使用满减优惠券和活动优惠券 后的价格。如此，能够基于满减优惠券确定当前订单的价格，并且通过增加订 购的策略确定了最优优惠组合，从而使得用户获得了最优选择，也达到了为用 户推荐最优优惠组合实现促销的目的。
此外，通过历史订单数据确定设置的每种关联积分规则对应的规则积分值， 再基于规则积分值确定两产品之间的关联积分值，从而提高了获取积分值的可 靠性，使得推荐的最优优惠组合更有效。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或可 执行程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和 硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算 机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储 器等)上实施的可执行程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和可执行程序产品 的流程图和/或方框图来描述的。应理解可由可执行程序指令实现流程图和/或方 框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结 合。可提供这些可执行程序指令到通用计算机、专用计算机、嵌入式处理机或 参考可编程数据处理设备的处理器以产生一个机器，使得通过计算机或参考可 编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个 流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些可执行程序指令也可存储在能引导计算机或参考可编程数据处理设备 以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的 指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流 程和/或方框图一个方框或多个方框中指定的功能。
这些可执行程序指令也可装载到计算机或参考可编程数据处理设备上，使 得在计算机或参考可编程设备上执行一系列操作步骤以产生计算机实现的处 理，从而在计算机或参考可编程设备上执行的指令提供用于实现在流程图一个 流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述，仅为本发明的较佳实施例而已，并非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作的任何修改、等同替换和改进等，均应 包含在本发明的保护范围之内。
Claims (10)
1.一种优惠推荐方法，其特征在于，所述方法包括：
当优惠券中包括满减优惠券时，基于所述满减优惠券确定当前订单的第一价格，其中，所述第一价格为通过向下取整函数得到的数值；
基于当前订单的类型和所述第一价格，通过增加订购的策略确定最优优惠组合；
向用户推荐所述最优优惠组合及对应的最优价格，其中，所述最优价格为使用所述满减优惠券和活动优惠券后的价格。
2.根据权利要求1所述的方法，其特征在于，所述基于当前订单的类型和所述第一价格，通过增加订购的策略确定最优优惠组合，包括：
当前订单的类型为新订购订单时，基于所述第一价格通过增加包月数策略确定最优包月数；
基于所述最优包月数确定所述最优优惠组合。
3.根据权利要求1所述的方法，其特征在于，所述基于当前订单的类型和所述第一价格，通过增加订购的策略确定最优优惠组合，包括：
当前订单的类型为新订购订单时，基于所述第一价格通过关联产品策略，确定最优关联产品集合，或者，确定最优关联产品集合和最优包月数集合；
基于所述最优关联产品集合，或者，基于所述最优关联产品集合和最优包月数集合，确定所述最优优惠组合。
4.根据权利要求2所述的方法，其特征在于，所述基于所述第一价格通过增加包月数策略确定最优包月数，包括：
基于所述满减优惠券循环计算当前订单增加包月数后的第二价格；
使得所述第二价格趋近于所述第一价格，确定所述最优包月数。
5.根据权利要求3所述的方法，其特征在于，所述基于所述第一价格通过关联产品策略，确定最优关联产品集合，或者，确定最优关联产品集合和最优包月数集合，包括：
设置至少一种关联积分规则；
基于历史订单数据确定每种所述关联积分规则对应的规则积分值；
基于所述规则积分值确定两产品之间的关联积分值；
基于所述第一价格和所述关联积分值，确定所述最优关联产品集合，或者，确定所述最优关联产品集合和最优包月数集合。
6.根据权利要求5所述的方法，其特征在于，所述基于所述第一价格和所述关联积分值，确定所述最优关联产品集合，或者，确定所述最优关联产品集合和最优包月数集合，包括：
存储所述关联积分值至数据库；
查询所述数据库，获取针对当前订单中每个产品的关联产品列表，所述关联产品列表中不包括所述用户使用中的产品；
基于所述满减优惠券循环计算当前订单增加所述关联产品后的第三价格，使得所述第三价格趋近于所述第一价格，确定所述最优关联产品集合；或者，
基于所述满减优惠券循环计算当前订单增加所述关联产品和包月数后的第四价格，使得所述第四价格趋近于所述第一价格，确定所述最优关联产品集合和最优包月数集合；
其中，按照所述关联产品列表中所述关联积分值从大到小的排序增加所述关联产品。
7.根据权利要求1所述的方法，其特征在于，所述基于当前订单的类型和所述第一价格，通过增加订购的策略确定最优优惠组合，包括：
当前订单的类型为续订购订单时，基于所述第一价格通过增加包月数策略确定最优续订包月数；
或者,当前订单的类型为变更订购订单时，循环计算变更时产品的最优规格；基于所述最优规格确定当前订单的第五价格；基于所述第五价格和所述第一价格，通过增加包月数策略确定最优包月数。
8.一种优惠推荐装置，其特征在于，所述装置包括：
第一确定模块，用于当优惠券中包括满减优惠券时，基于所述满减优惠券确定当前订单的第一价格，其中，所述第一价格为通过向下取整函数得到的数值；
第二确定模块，用于基于当前订单的类型和所述第一价格，通过增加订购的策略确定最优优惠组合；
推荐模块，用于向用户推荐所述最优优惠组合及对应的最优价格，其中，所述最优价格为使用所述满减优惠券和活动优惠券后的价格。
9.一种存储介质，其上存储有可执行程序，其特征在于，所述可执行程序被处理器执行时实现如权利要求1至7任一项所述优惠推荐方法。
10.一种优惠推荐装置，包括存储器、处理器及存储在存储器上并能够由所述处理器运行的可执行程序，其特征在于，所述处理器运行所述可执行程序时执行如权利要求1至7任一项所述优惠推荐方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910596423.7A CN112184276A (zh) | 2019-07-03 | 2019-07-03 | 一种优惠推荐方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910596423.7A CN112184276A (zh) | 2019-07-03 | 2019-07-03 | 一种优惠推荐方法、装置及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112184276A true CN112184276A (zh) | 2021-01-05 |
Family
ID=73915838
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910596423.7A Pending CN112184276A (zh) | 2019-07-03 | 2019-07-03 | 一种优惠推荐方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112184276A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113011955A (zh) * | 2021-04-25 | 2021-06-22 | 口碑(上海)信息技术有限公司 | 一种数据处理方法和装置，存储介质和电子设备 |
| CN113269580A (zh) * | 2021-02-02 | 2021-08-17 | 湖北公众信息产业有限责任公司 | 天翼高清业务管理平台对产品订购优惠的实现方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107507000A (zh) * | 2017-07-27 | 2017-12-22 | 北京小米移动软件有限公司 | 支付方法、装置、设备和存储介质 |
| CN109155043A (zh) * | 2016-05-26 | 2019-01-04 | 维萨国际服务协会 | 用于经由物联网的优惠确定和呈现的平台 |
| CN109598560A (zh) * | 2018-12-29 | 2019-04-09 | 河源弘稼农业科技有限公司 | 一种优惠信息的处理方法及相关装置 |
| CN109767260A (zh) * | 2018-12-15 | 2019-05-17 | 深圳壹账通智能科技有限公司 | 基于一体化支付的账单优惠方法、装置、设备及存储介质 |
-
2019
- 2019-07-03 CN CN201910596423.7A patent/CN112184276A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109155043A (zh) * | 2016-05-26 | 2019-01-04 | 维萨国际服务协会 | 用于经由物联网的优惠确定和呈现的平台 |
| CN107507000A (zh) * | 2017-07-27 | 2017-12-22 | 北京小米移动软件有限公司 | 支付方法、装置、设备和存储介质 |
| CN109767260A (zh) * | 2018-12-15 | 2019-05-17 | 深圳壹账通智能科技有限公司 | 基于一体化支付的账单优惠方法、装置、设备及存储介质 |
| CN109598560A (zh) * | 2018-12-29 | 2019-04-09 | 河源弘稼农业科技有限公司 | 一种优惠信息的处理方法及相关装置 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113269580A (zh) * | 2021-02-02 | 2021-08-17 | 湖北公众信息产业有限责任公司 | 天翼高清业务管理平台对产品订购优惠的实现方法 |
| CN113011955A (zh) * | 2021-04-25 | 2021-06-22 | 口碑(上海)信息技术有限公司 | 一种数据处理方法和装置，存储介质和电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103309866B (zh) | 生成推荐结果的方法和装置 | |
| US20130046610A1 (en) | Independent discount management system for providing consumers with a discount-maximized shopping plan | |
| CN107038629A (zh) | 一种商品交易中的订单处理方法、装置及服务器 | |
| US11418468B1 (en) | Computing system and method for automatically reversing an action indicated by an electronic message | |
| WO2022121957A1 (zh) | 订单输出方法、装置、计算机设备及计算机可读存储介质 | |
| TW202008265A (zh) | 透過深度強化學習進行行銷成本控制的方法及裝置 | |
| CN102222285B (zh) | 多维度数据联动计算装置和多维度数据联动计算方法 | |
| CN112184276A (zh) | 一种优惠推荐方法、装置及存储介质 | |
| CN112651762A (zh) | 信息确定、展示方法、商品交易处理方法及电子设备 | |
| CN111507673A (zh) | 对商品库存进行管理的方法和装置 | |
| CN111222952A (zh) | 一种营销客群推荐方法及装置 | |
| CN106251178A (zh) | 数据挖掘方法以及装置 | |
| CN111612560A (zh) | 用于促销对象的推荐方法、系统、存储介质及电子设备 | |
| US20170270545A1 (en) | Context-specific forecasting device | |
| JP2019079104A (ja) | データ解析システム及び施策の生成方法 | |
| CN114331594A (zh) | 一种商品推荐方法 | |
| CN110992106B (zh) | 训练数据获取方法，装置，模型训练方法及装置 | |
| JP6824360B2 (ja) | データ解析システム及び施策の生成方法 | |
| US10275795B1 (en) | System and method for ranking, allocation and pricing of content recommendations | |
| CN115713200A (zh) | 库存调拨、订单处理、调度数据的处理方法和装置 | |
| US20210304231A1 (en) | System and method for rule based forecasting in multichannel, multi-offer, and multi-customer-segment environments | |
| CN108320185A (zh) | 一种油站非油品推荐方法、装置及可读存储介质 | |
| CN114119168A (zh) | 一种信息推送方法及装置 | |
| CN113706218A (zh) | 购物数据处理方法、装置、服务器及存储介质 | |
| CN112435066A (zh) | 一种电子凭证发放方法、装置、终端及存储介质 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210105 |