CN112261475A - 带货视频的商品浏览价值属性评估方法及装置 - Google Patents

带货视频的商品浏览价值属性评估方法及装置 Download PDF

Info

Publication number
CN112261475A
CN112261475A CN202010928544.XA CN202010928544A CN112261475A CN 112261475 A CN112261475 A CN 112261475A CN 202010928544 A CN202010928544 A CN 202010928544A CN 112261475 A CN112261475 A CN 112261475A
Authority
CN
China
Prior art keywords
target
time period
video
goods
commodity
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
Application number
CN202010928544.XA
Other languages
English (en)
Other versions
CN112261475B (zh
Inventor
孔晓晴
李百川
劳晓敏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Youmi Technology Co ltd
Original Assignee
Youmi Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Youmi Technology Co ltd filed Critical Youmi Technology Co ltd
Priority to CN202010928544.XA priority Critical patent/CN112261475B/zh
Publication of CN112261475A publication Critical patent/CN112261475A/zh
Application granted granted Critical
Publication of CN112261475B publication Critical patent/CN112261475B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44204—Monitoring of content usage, e.g. the number of times a movie has been viewed, copied or the amount which has been watched
    • 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]
    • G06Q30/0623—Item investigation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0641—Shopping interfaces
    • G06Q30/0643—Graphical representation of items or shoppers
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44213—Monitoring of end-user related data
    • H04N21/44222—Analytics of user selections, e.g. selection of programs or purchase activity
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/475—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data
    • H04N21/4756—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data for rating content, e.g. scoring a recommended movie
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
    • H04N21/845—Structuring of content, e.g. decomposing content into time segments
    • H04N21/8456—Structuring of content, e.g. decomposing content into time segments by decomposing the content in the time domain, e.g. in time segments

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Social Psychology (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种带货视频的商品浏览价值属性评估方法及装置，该方法包括：确定目标时间段内用于带货销售目标商品的所有带货视频中每个带货视频对应的目标关系系数，其中，带货视频对应的目标关系系数用于确定该带货视频在目标时间段内对目标商品的浏览价值属性(也即对目标商品的浏览量贡献情况)；获取目标商品在该目标时间段内的商品浏览数据；根据目标商品在该目标时间段内的商品浏览数据以及每个带货视频对应的目标关系系数，确定每个带货视频在目标时间段内对目标商品的浏览价值属性。可见，本发明能够提供一种商品浏览价值属性的确定方式，以便准确、快速地确定出用于带货销售商品的每个带货视频对商品的浏览价值属性。

Description

带货视频的商品浏览价值属性评估方法及装置
技术领域
本发明涉及互联网技术领域，尤其涉及一种带货视频的商品浏览价值属性评估方法及装置。
背景技术
随着互联网的快速发展，互联网用户越来越多。为了扩大商品的受众范围以及影响力，商品的营销方式除了传统的广告营销之外，还引入了基于互联网的视频营销，例如：广告主可以选择多个视频博主发布针对某一或某些商品的视频，这些视频又可以称为带货视频。
在实际应用中，对于同一商品，通常存在多个视频博主发布的多个视频，且不同视频博主发布的视频风格各式各样，每个视频博主发布的视频为商品带来的浏览量也有所差异，且视频为商品带来的浏览量在一定程度上也影响着视频对商品销售量的贡献情况，为了逐步提高商品视频营销的性价比，需要从众多视频博主的众多视频中确定对商品的浏览贡献较高的视频。可见，如何准确地确定每个视频对商品的浏览价值属性显得尤为重要。
发明内容
本发明所要解决的技术问题在于，提供一种带货视频的商品浏览价值属性评估方法及装置，能够提供一种商品浏览价值属性的确定方式，以便准确、快速地确定出用于带货销售商品的每个带货视频对商品的浏览价值属性。
为了解决上述技术问题，本发明第一方面公开了一种带货视频的商品浏览价值属性评估方法，所述方法包括：
确定目标时间段内用于带货销售目标商品的所有带货视频中每个所述带货视频对应的目标关系系数，其中，所述带货视频对应的目标关系系数用于确定该带货视频在所述目标时间段内对所述目标商品的浏览价值属性，所述带货视频在所述目标时间段内对所述目标商品的浏览价值属性用于表示该带货视频在所述目标时间段内对所述目标商品的浏览量贡献情况；
获取所述目标商品在所述目标时间段内的商品浏览数据；
根据所述目标商品在所述目标时间段内的商品浏览数据以及每个所述带货视频对应的目标关系系数，确定每个所述带货视频在所述目标时间段内对所述目标商品的浏览价值属性。
作为一种可选的实施方式，在本发明第一方面中，所述带货视频对应的目标关系系数具体用于表示该带货视频的互动数据与所述目标商品的商品浏览数据之间的关系。
作为一种可选的实施方式，在本发明第一方面中，所述带货视频对应的目标关系系数包括在所述目标时间段的每个时间周期内该带货视频对应的子关系系数；
所述目标商品在所述目标时间段内的商品浏览数据包括在所述目标时间段的每个所述时间周期内所述目标商品对应的商品浏览子数据；
其中，所述根据所述目标商品在所述目标时间段内的商品浏览数据以及每个所述带货视频对应的目标关系系数，确定每个所述带货视频在所述目标时间段内对所述目标商品的浏览价值属性，包括：
计算在所述目标时间段的每个所述时间周期内每个所述带货视频对应的子关系系数与在该时间周期内所述目标商品对应的商品浏览子数据的乘积，得到在所述目标时间段的每个所述时间周期内每个所述带货视频对所述目标商品的浏览价值属性。
作为一种可选的实施方式，在本发明第一方面中，所述计算在所述目标时间段的每个所述时间周期内每个所述带货视频对应的子关系系数与在该时间周期内所述目标商品对应的商品浏览子数据的乘积，得到在所述目标时间段的每个所述时间周期内每个所述带货视频对所述目标商品的浏览价值属性之后，所述方法还包括：
计算每个所述带货视频在所述目标时间段的所有所述时间周期内对所述目标商品的浏览价值属性之和，得到每个所述带货视频在所述目标时间段内对所述目标商品的总浏览价值属性。
作为一种可选的实施方式，在本发明第一方面中，所述确定目标时间段内用于带货销售目标商品的所有带货视频中每个所述带货视频对应的目标关系系数，包括：
确定目标时间段内用于带货销售目标商品的所有带货视频中每个所述带货视频在所述目标时间段的每个时间周期内的互动数据增量；
计算每个所述带货视频在每个所述时间周期内的互动数据增量与所有所述带货视频在该时间周期内的互动数据总增量的比值，得到每个所述带货视频在每个所述时间周期内的互动数据增量占比；
根据每个所述带货视频在每个所述时间周期内的互动数据增量占比，确定在每个所述时间周期内每个所述带货视频对应的子关系系数；
其中，在所述时间周期内所述带货视频对应的子关系系数具体用于表示在该时间周期内该带货视频的互动数据增量与在该时间周期内所述目标商品的商品浏览数据增量之间的关系。
作为一种可选的实施方式，在本发明第一方面中，所述确定目标时间段内用于带货销售目标商品的所有带货视频中每个所述带货视频对应的目标关系系数，包括：
获取由目标时间段内用于带货销售目标商品的所有带货视频中每个所述带货视频对应的历史数据以及在所述历史数据对应的历史时间段内所述目标商品的历史商品浏览数据计算出的在所述目标时间段的每个时间周期内每个所述带货视频对应的子关系系数；
其中，在所述历史时间段内所述带货视频用于带货销售所述目标商品，所述带货视频对应的历史数据包括在所述历史时间段内带货销售所述目标商品时该带货视频在所述历史时间段的每个历史时间周期内的历史数据；以及，所述目标时间段的每个所述时间周期的时间长度等于每个所述历史时间周期的时间长度。
作为一种可选的实施方式，在本发明第一方面中，所述确定目标时间段内用于带货销售目标商品的所有带货视频中每个所述带货视频对应的目标关系系数之前，所述方法还包括：
获取目标时间段内用于带货销售目标商品的所有带货视频中每个所述带货视频对应的历史数据；
根据每个所述带货视频对应的历史数据以及在所述历史数据对应的历史时间段内所述目标商品的历史商品浏览数据，计算在所述目标时间段的每个时间周期内每个所述带货视频对应的子关系系数；
其中，所述带货视频对应的历史数据具体包括在所述历史时间段的每个所述历史时间周期内该带货视频的历史互动数据增量，在所述历史时间段内所述目标商品的历史商品浏览数据包括在所述历史时间段的每个所述历史时间周期内所述目标商品的历史商品浏览数据。
作为一种可选的实施方式，在本发明第一方面中，所述根据每个所述带货视频对应的历史数据以及在所述历史数据对应的历史时间段内所述目标商品的历史商品浏览数据，计算在所述目标时间段的每个时间周期内每个所述带货视频对应的子关系系数，包括：
根据在每个所述历史时间周期内每个所述带货视频的历史互动数据增量以及在每个所述历史时间周期内所述目标商品的历史商品浏览数据，计算每个所述带货视频对应的历史子关系系数，所述历史子关系系数用于表示在所述历史时间段内对应带货视频的历史互动数据增量与所述目标商品的历史商品浏览数据增量之间的关系；
将每个所述带货视频对应的历史子关系系数确定为在所述目标时间段的每个时间周期内该带货视频对应的子关系系数。
作为一种可选的实施方式，在本发明第一方面中，所述根据每个所述带货视频对应的历史数据以及在所述历史数据对应的历史时间段内所述目标商品的历史商品浏览数据，计算在所述目标时间段的每个时间周期内每个所述带货视频对应的子关系系数，包括：
根据在每个所述历史时间周期内每个所述带货视频的历史互动数据增量以及在每个所述历史时间周期内所述目标商品的历史商品浏览数据，计算每个所述带货视频对应的历史子关系系数，所述历史子关系系数用于表示在所述历史时间段内对应带货视频的历史互动数据增量与所述目标商品的历史商品浏览数据增量之间的关系；
根据在所述目标时间段的每个时间周期内每个所述带货视频的互动数据增量以及在每个所述时间周期内所述目标商品的商品浏览数据增量，计算在每个所述时间周期内每个所述带货视频对应的子关系系数；
根据每个所述带货视频对应的历史子关系系数，修正计算出的在每个所述时间周期内每个所述带货视频对应的子关系系数。
作为一种可选的实施方式，在本发明第一方面中，所述确定目标时间段内用于带货销售目标商品的所有带货视频中每个所述带货视频对应的目标关系系数，包括：
确定目标时间段内用于带货销售目标商品的所有带货视频中每个所述带货视频在所述目标时间段的每个时间周期内对应的目标参数集合；
根据每个所述带货视频在每个所述时间周期内对应的目标参数集合包括的每个目标参数以及该目标参数集合包括的每个目标参数对应的权重值，计算在所述目标时间段的每个所述时间周期内每个所述带货视频对应的子关系系数。
作为一种可选的实施方式，在本发明第一方面中，所述带货视频的互动数据包括该带货视频的点赞量、评论量、转发量、弹幕量以及收藏量中的一种或多种的组合。
本发明第二方面公开了一种带货视频的商品浏览价值属性评估装置，所述装置包括：
第一确定模块，用于确定目标时间段内用于带货销售目标商品的所有带货视频中每个所述带货视频对应的目标关系系数，其中，所述带货视频对应的目标关系系数用于确定该带货视频在所述目标时间段内对所述目标商品的浏览价值属性，所述带货视频在所述目标时间段内对所述目标商品的浏览价值属性用于表示该带货视频在所述目标时间段内对所述目标商品的浏览量贡献情况；
获取模块，用于获取所述目标商品在所述目标时间段内的商品浏览数据；
第二确定模块，用于根据所述目标商品在所述目标时间段内的商品浏览数据以及每个所述带货视频对应的目标关系系数，确定每个所述带货视频在所述目标时间段内对所述目标商品的浏览价值属性。
作为一种可选的实施方式，在本发明第二方面中，所述带货视频对应的目标关系系数具体用于表示该带货视频的互动数据与所述目标商品的商品浏览数据之间的关系。
作为一种可选的实施方式，在本发明第二方面中，所述带货视频对应的目标关系系数包括在所述目标时间段的每个时间周期内该带货视频对应的子关系系数；
所述目标商品在所述目标时间段内的商品浏览数据包括在所述目标时间段的每个所述时间周期内所述目标商品对应的商品浏览子数据；
其中，所述第二确定模块，包括：
第一计算子模块，用于计算在所述目标时间段的每个所述时间周期内每个所述带货视频对应的子关系系数与在该时间周期内所述目标商品对应的商品浏览子数据的乘积，得到在所述目标时间段的每个所述时间周期内每个所述带货视频对所述目标商品的浏览价值属性。
作为一种可选的实施方式，在本发明第二方面中，所述第二确定模块，还包括：
第二计算子模块，用于在所述第一计算子模块计算在所述目标时间段的每个所述时间周期内每个所述带货视频对应的子关系系数与在该时间周期内所述目标商品对应的商品浏览子数据的乘积，得到在所述目标时间段的每个所述时间周期内每个所述带货视频对所述目标商品的浏览价值属性之后，计算每个所述带货视频在所述目标时间段的所有所述时间周期内对所述目标商品的浏览价值属性之和，得到每个所述带货视频在所述目标时间段内对所述目标商品的总浏览价值属性。
作为一种可选的实施方式，在本发明第二方面中，所述第一确定模块确定目标时间段内用于带货销售目标商品的所有带货视频中每个所述带货视频对应的目标关系系数的具体方式为：
确定目标时间段内用于带货销售目标商品的所有带货视频中每个所述带货视频在所述目标时间段的每个时间周期内的互动数据增量；
计算每个所述带货视频在每个所述时间周期内的互动数据增量与所有所述带货视频在该时间周期内的互动数据总增量的比值，得到每个所述带货视频在每个所述时间周期内的互动数据增量占比；
根据每个所述带货视频在每个所述时间周期内的互动数据增量占比，确定在每个所述时间周期内每个所述带货视频对应的子关系系数；
其中，在所述时间周期内所述带货视频对应的子关系系数具体用于表示在该时间周期内该带货视频的互动数据增量与在该时间周期内所述目标商品的商品浏览数据增量之间的关系。
作为一种可选的实施方式，在本发明第二方面中，所述第一确定模块确定目标时间段内用于带货销售目标商品的所有带货视频中每个所述带货视频对应的目标关系系数的具体方式为：
获取由目标时间段内用于带货销售目标商品的所有带货视频中每个所述带货视频对应的历史数据以及在所述历史数据对应的历史时间段内所述目标商品的历史商品浏览数据计算出的在所述目标时间段的每个时间周期内每个所述带货视频对应的子关系系数；
其中，在所述历史时间段内所述带货视频用于带货销售所述目标商品，所述带货视频对应的历史数据包括在所述历史时间段内带货销售所述目标商品时该带货视频在所述历史时间段的每个历史时间周期内的历史数据；以及，所述目标时间段的每个所述时间周期的时间长度等于每个所述历史时间周期的时间长度。
作为一种可选的实施方式，在本发明第二方面中，所述获取模块，还用于获取目标时间段内用于带货销售目标商品的所有带货视频中每个所述带货视频对应的历史数据；
所述装置还包括：
计算模块，用于根据每个所述带货视频对应的历史数据以及在所述历史数据对应的历史时间段内所述目标商品的历史商品浏览数据，计算在所述目标时间段的每个时间周期内每个所述带货视频对应的子关系系数；
其中，所述带货视频对应的历史数据具体包括在所述历史时间段的每个所述历史时间周期内该带货视频的历史互动数据增量，在所述历史时间段内所述目标商品的历史商品浏览数据包括在所述历史时间段的每个所述历史时间周期内所述目标商品的历史商品浏览数据。
作为一种可选的实施方式，在本发明第二方面中，所述计算模块根据每个所述带货视频对应的历史数据以及在所述历史数据对应的历史时间段内所述目标商品的历史商品浏览数据，计算在所述目标时间段的每个时间周期内每个所述带货视频对应的子关系系数的具体方式为：
根据在每个所述历史时间周期内每个所述带货视频的历史互动数据增量以及在每个所述历史时间周期内所述目标商品的历史商品浏览数据，计算每个所述带货视频对应的历史子关系系数，所述历史子关系系数用于表示在所述历史时间段内对应带货视频的历史互动数据增量与所述目标商品的历史商品浏览数据增量之间的关系；
将每个所述带货视频对应的历史子关系系数确定为在所述目标时间段的每个时间周期内该带货视频对应的子关系系数。
作为一种可选的实施方式，在本发明第二方面中，所述计算模块根据每个所述带货视频对应的历史数据以及在所述历史数据对应的历史时间段内所述目标商品的历史商品浏览数据，计算在所述目标时间段的每个时间周期内每个所述带货视频对应的子关系系数的具体方式为：
根据在每个所述历史时间周期内每个所述带货视频的历史互动数据增量以及在每个所述历史时间周期内所述目标商品的历史商品浏览数据，计算每个所述带货视频对应的历史子关系系数，所述历史子关系系数用于表示在所述历史时间段内对应带货视频的历史互动数据增量与所述目标商品的历史商品浏览数据增量之间的关系；
根据在所述目标时间段的每个时间周期内每个所述带货视频的互动数据增量，计算在每个所述时间周期内每个所述带货视频对应的子关系系数；
根据每个所述带货视频对应的历史子关系系数，修正计算出的在每个所述时间周期内每个所述带货视频对应的子关系系数。
作为一种可选的实施方式，在本发明第二方面中，所述第一确定模块确定目标时间段内用于带货销售目标商品的所有带货视频中每个所述带货视频对应的目标关系系数的具体方式为：
确定目标时间段内用于带货销售目标商品的所有带货视频中每个所述带货视频在所述目标时间段的每个时间周期内对应的目标参数集合；
根据每个所述带货视频在每个所述时间周期内对应的目标参数集合包括的每个目标参数以及该目标参数集合包括的每个目标参数对应的权重值，计算在所述目标时间段的每个所述时间周期内每个所述带货视频对应的子关系系数。
作为一种可选的实施方式，在本发明第二方面中，所述带货视频的互动数据包括该带货视频的点赞量、评论量、转发量、弹幕量以及收藏量中的一种或多种的组合。
本发明第三方面公开了另一种带货视频的商品浏览价值属性评估装置，所述装置包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明实施例第一方面公开的带货视频的商品浏览价值属性评估方法中的部分或全部步骤。
本发明实施例第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明实施例第一方面公开的带货视频的商品浏览价值属性评估方法中的部分或全部步骤。
与现有技术相比，本发明实施例具有以下有益效果：
本发明实施例中，确定目标时间段内用于带货销售目标商品的所有带货视频中每个带货视频对应的目标关系系数，其中，带货视频对应的目标关系系数用于确定该带货视频在目标时间段内对目标商品的浏览价值属性；获取目标商品在该目标时间段内的商品浏览数据；根据目标商品在该目标时间段内的商品浏览数据以及每个带货视频对应的目标关系系数，确定每个带货视频在目标时间段内对目标商品的浏览价值属性。可见，本发明能够提供一种商品浏览价值属性的确定方式，以便准确、快速地确定出用于带货销售商品的每个带货视频对商品的浏览价值属性(也即对目标商品的浏览量贡献情况)，进而能够为确定每个带货视频对商品的销售贡献情况和/或每个带货视频的视频博主的带货能力提供客观、准确的参考依据。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例公开的一种带货视频的商品浏览价值属性评估方法的流程示意图；
图2是本发明实施例公开的另一种带货视频的商品浏览价值属性评估方法的流程示意图；
图3是本发明实施例公开的一种带货视频的商品浏览价值属性评估装置的结构示意图；
图4是本发明实施例公开的另一种带货视频的商品浏览价值属性评估装置的结构示意图；
图5是本发明实施例公开的又一种带货视频的商品浏览价值属性评估装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或端没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或端固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本发明公开了一种带货视频的商品浏览价值属性评估方法及装置，能够提供一种商品浏览价值属性的确定方式，以便准确、快速地确定出用于带货销售商品的每个带货视频对商品的浏览价值属性(也即对目标商品的浏览量贡献情况)，进而能够为确定每个带货视频对商品的销售贡献情况和/或每个带货视频的视频博主的带货能力提供客观、准确的参考依据。以下分别进行详细说明。
实施例一
请参阅图1，图1是本发明实施例公开的一种带货视频的商品浏览价值属性评估方法的流程示意图。其中，图1所描述的方法应用于商品浏览价值属性的评估装置中，该评估装置可以是相应的评估终端、评估设备或服务器，且该服务器可以是本地服务器，也可以是云服务器，本发明实施例不做限定。如图1所示，该带货视频的商品浏览价值属性评估方法可以包括以下操作：
101、评估装置确定目标时间段内用于带货销售目标商品的所有带货视频中每个带货视频对应的目标关系系数。
本发明实施例中，带货视频对应的目标关系系数用于确定该带货视频在目标时间段内对目标商品的浏览价值属性，带货视频在目标时间段内对目标商品的浏览价值属性用于表示该带货视频在目标时间段内对目标商品的浏览量贡献情况，且目标商品为通过视频进行推广的任一商品，目标时间段为根据实际需求确定出的时间段。其中，用于带货销售目标商品的所有带货视频可以包括带有目标商品对应的商品链接的带货视频，也可以包括视频内容为目标商品的推广内容的带货视频，还可以同时包括带有目标商品对应的商品链接的带货视频以及视频内容为目标商品的推广内容的带货视频，本发明实施例不做限定，且每个带货视频均存在与之唯一对应的视频标识，如视频ID。
102、评估装置获取目标商品在目标时间段内的商品浏览数据。
本发明实施例中，目标商品在目标时间段内的商品浏览数据可以具体为目标商品在目标时间段内的访客量或浏览量，本发明实施例不做限定。
103、评估装置根据目标商品在目标时间段内的商品浏览数据以及每个带货视频对应的目标关系系数，确定每个带货视频在目标时间段内对目标商品的浏览价值属性。
本发明实施例中，可选的，每个带货视频在目标时间段内对目标商品的浏览价值属性可以通过带货视频对应的目标关系系数与目标商品在目标时间段内的商品浏览数据的乘积来确定，且评估装置可以直接将二者的乘积确定为带货视频在目标时间段内对目标商品的浏览价值属性，也可以根据二者的乘积与预先确定出的浏览贡献修正参数最终确定带货视频在目标时间段内对目标商品的浏览价值属性，还可以直接表示为带货视频在目标时间段内对目标商品的浏览量贡献等级，例如高贡献等级、中贡献等级或低贡献等级等，本发明实施例不做限定。
需要特别说明的是，若所需的浏览价值属性是浏览贡献占比时，评估装置可以直接根据每个带货视频对应的目标关系系数确定带货视频对目标商品的浏览价值属性。
在一个可选的实施例中，在执行步骤101之前，该方法还可以包括以下操作：
评估装置确定目标时间段的时间长度；
评估装置判断目标时间段的时间长度是否满足预先确定出的长度条件；
当判断出目标时间段的时间长度满足预先确定出的长度条件时，触发执行步骤101。
可选的，评估装置判断目标时间段的时间长度是否满足预先确定出的长度条件，可以包括：
评估装置判断目标时间段的时间长度是否大于等于预先确定出的最小时间周期对应的时间长度且小于等于预先确定出的最大时间长度；
当判断出目标时间段的时间长度大于等于最小时间周期对应的时间长度且小于等于最大时间长度时，确定目标时间段的时间长度满足预先确定出的长度条件。
可见，该可选的实施例在确定出需要确定浏览价值属性对应的时间段后先判断时间段的时间长度是否满足预先确定出的长度条件，在满足的情况下再进行后续的操作，能够减少评估装置不必要的操作，进而有利于评估装置执行后续操作的准确性和可靠性。
在另一个可选的实施例中，在执行完毕步骤103之后，该方法还包括以下操作：
评估装置从上述所有带货视频中筛选对目标商品的浏览价值属性满足浏览贡献条件(如访客量大于等于访客量阈值或访客量占比大于等于访客量占比阈值)的至少一个目标带货视频；
评估装置根据每个目标带货视频唯一对应的视频标识确定每个目标带货视频的相关视频参数；
评估装置根据所有目标带货视频的相关视频参数统计出现频度超过预设频度阈值的至少一个带货视频参数。
其中，目标带货视频的相关视频参数可以包括目标带货视频的发布平台、目标带货视频的视频博主的粉丝量、目标带货视频的视频风格、目标带货视频的发布时长等一种或多种的组合，本发明实施例不做限定。
在该可选的实施例中，评估装置统计出的所有带货视频参数用于作为分析模型分析带货视频对目标商品的浏览价值属性的影响程度较大的视频参数(如发布平台、视频风格等)，也可以用于输出给目标商品的广告主，供目标商品的广告主知晓对目标商品的浏览贡献较大的带货视频的相关视频参数，以便于目标商品的广告主更好对带货视频进行有效的决策，例如选择合适的发布平台、选择合适的视频风格等。
可见，该可选的实施例还能够在确定出每个带货视频对目标商品的浏览价值属性之后智能化的统计带货视频对目标商品的浏览价值属性的影响程度较大的视频参数，不仅能够进一步丰富评估装置的智能化功能，还能够为广告主更好的对带货视频进行决策提供有效的参考依据。
在又一个可选的实施例中，在执行完毕步骤103之后，该方法还包括以下操作：
评估装置从上述所有带货视频中筛选对目标商品的浏览价值属性最高的目标带货视频，并确定该目标带货视频的相关视频参数，该相关视频参数可以包括目标带货视频的发布时长、目标带货视频的发布平台、目标带货视频的视频风格以及目标带货视频的视频博主的粉丝数量等中的一种或多种的组合。
可见，该可选的实施例还能够自动确定在目标时间段内对目标商品的浏览价值属性最高的目标带货视频的相关视频参数，以便于为制定广告投放策略(如选择合适的视频博主在合适的发布平台发布某一视频风格的带货视频等)提供有效的参考依据。
需要说明的是，步骤101和步骤102没有先后执行顺序。
可见，实施本发明实施例所描述的方法能够提供一种商品浏览价值属性的确定方式，以便准确、快速地确定出用于带货销售商品的每个带货视频对商品的浏览价值属性，进而能够为确定每个带货视频对商品的销售贡献情况和/或每个带货视频的视频博主的带货能力提供客观、准确的参考依据。
实施例二
请参阅图2，图2是本发明实施例公开的另一种带货视频的商品浏览价值属性评估方法的流程示意图。其中，图2所描述的方法应用于商品浏览价值属性的评估装置中，该评估装置可以是相应的评估终端、评估设备或服务器，且该服务器可以是本地服务器，也可以是云服务器，本发明实施例不做限定。如图2所示，该带货视频的商品浏览价值属性评估方法可以包括以下操作：
201、评估装置确定目标时间段内用于带货销售目标商品的所有带货视频中每个带货视频对应的目标关系系数。
本发明实施例中，带货视频对应的目标关系系数用于确定该带货视频在目标时间段内对目标商品的浏览价值属性，带货视频在目标时间段内对目标商品的浏览价值属性用于表示该带货视频在目标时间段内对目标商品的浏览量贡献情况。进一步的，带货视频对应的目标关系系数具体用于表示该带货视频的互动数据与目标商品的商品浏览数据之间的关系。
又进一步可选的，带货视频对应的目标关系系数可以包括在目标时间段的每个时间周期内该带货视频对应的子关系系数，也即可以按照预先确定出的间隔时长将目标时间段划分为多个时间周期，每个带货视频在每个时间周期存在与之对应的子关系系数，对于任一带货视频而言，带货视频在每个时间周期对应的子关系系数共同组成了带货视频对应的目标关系系数，其中，每个时间周期对应的间隔时长是预先确定的，可以是3个小时、6个小时或1天等，且目标时间段的所有时间周期包括从目标时间段的起始时刻开始每隔间隔时长形成的时间周期，一个时间周期的结束时刻为下一个时间周期的起始时刻，以此类推，本发明实施例不做限定。例如，目标时间段可以是2020年07月15日至2020年07月20日，且时间周期对应的时长为1天，该目标时间段可以划分5个时间周期，依次为2020年07月15日00:00-2020年07月16日00:00、2020年07月16日00:00-2020年07月17日00:00、2020年07月17日00:00-2020年07月18日00:00、2020年07月18日00:00-2020年07月19日00:00、2020年07月19日00:00-2020年07月20日00:00。
202、评估装置获取目标商品在目标时间段内的商品浏览数据。
本发明实施例中，目标商品在目标时间段内的商品浏览数据包括在目标时间段的每个时间周期内目标商品对应的商品浏览子数据，具体的，可以为目标商品在每个时间周期对应的商品浏览数据增量。
需要说明的是，步骤201和步骤202没有先后执行顺序，且对于步骤201和步骤202的其它详细描述请参照实施例一中对步骤101和步骤102的相关描述，本发明实施例不再赘述。
203、评估装置计算在目标时间段的每个时间周期内每个带货视频对应的子关系系数与在该时间周期内目标商品对应的商品浏览子数据的乘积，得到在目标时间段的每个时间周期内每个带货视频对目标商品的浏览价值属性。
可见，本发明实施例能够能够提供一种商品浏览价值属性的确定方式，以便准确、快速地确定出用于带货销售商品的每个带货视频对商品的浏览价值属性，进而能够为确定每个带货视频对商品的销售贡献情况和/或每个带货视频的视频博主的带货能力提供客观、准确的参考依据；此外，还能够根据预先确定出的间隔时长将目标时间段划分成等间隔时长的时间周期，并根据每个带货视频在每个时间周期对应的子关系系数以及目标商品在每个时间周期的商品浏览子数据细粒度地确定出每个带货视频在每个时间周期内对目标商品的浏览价值属性，有利于提高确定出的带货视频对目标商品的浏览价值属性的准确性。
在一个可选的实施例中，在执行完毕步骤203之后，该方法还可以包括以下操作：
204、评估装置计算每个带货视频在目标时间段的所有时间周期内对目标商品的浏览价值属性之和，得到每个带货视频在目标时间段内对目标商品的总浏览价值属性。
可见，该可选的实施例还能够根据每个带货视频在所有时间周期内对目标商品的浏览价值属性进行累加操作，得到带货视频在目标时间段内对商品的总浏览情况，准确度高，且上述时间周期的间隔时长越短，计算得到的总浏览价值属性越精确。
在另一个可选的实施例中，评估装置确定目标时间段内用于带货销售目标商品的所有带货视频中每个带货视频对应的目标关系系数，可以包括：
评估装置确定目标时间段内用于带货销售目标商品的所有带货视频中每个带货视频在目标时间段的每个时间周期内的互动数据增量；
评估装置计算每个带货视频在每个时间周期内的互动数据增量与所有带货视频在该时间周期内的互动数据总增量的比值，得到每个带货视频在每个时间周期内的互动数据增量占比；
评估装置根据每个带货视频在每个时间周期内的互动数据增量占比，确定在每个时间周期内每个带货视频对应的子关系系数。
可选的，在每个时间周期内每个带货视频对应的子关系系数可以直接等于对应带货视频在对应时间周期内的互动数据增量占比。进一步可选的，在根据互动数据增量占比确定出每个带货视频对应的子关系系数之后，评估装置还可以根据在每个时间周期内每个带货视频对应的发布参数，修正在每个时间周期内每个带货视频对应的子关系系数，以进一步提高确定出的子关系系数的准确性。
又进一步可选的，带货视频对应的发布参数包括该带货视频的固有发布参数和/或该带货视频的可变发布参数。
又进一步可选的，带货视频的固有发布参数包括该带货视频的发布平台、该带货视频的发布类型以及该带货视频的视频博主的第一博主信息(如性别等)中的至少一种，带货视频的可变发布参数包括该带货视频的发布时长和/或该带货视频的视频博主的第二博主信息(如粉丝量等)。
在该另一个可选的实施例中，每个带货视频均存在与之唯一对应的视频标识(如视频ID)，在确定出目标时间段内用于带货销售目标商品的所有带货视频之后，评估装置根据带货视频唯一对应的视频标识抓取或爬取每个带货视频在目标时间段内的商品浏览数据，或者抓取或爬取每个带货视频在目标时间段的每个时间周期内的商品浏览数据。又进一步的，带货视频在目标时间段内的商品浏览数据可以具体是带货视频在目标时间段内的商品浏览数据增量，带货视频在目标时间段的每个时间周期内的商品浏览数据可以具体是带货视频在目标时间段的每个时间周期内的商品浏览数据增量。
在该另一个可选的实施例中，在任一时间周期内带货视频对应的子关系系数具体用于表示在该时间周期内该带货视频的互动数据增量与在该时间周期内目标商品的商品浏览数据增量之间的关系。
在该另一个可选的实施例中，带货视频在目标时间段的任一时间周期内的互动数据增量等于该带货视频在该时间周期的结束时刻的互动数据减去该时间周期的起始时刻的互动数据，或者，也可以等于该带货视频在该时间周期的下一个时间周期的起始时刻的互动数据减去该时间周期的起始时刻的互动数据，或者，还可以等于该带货视频在该时间周期的下一个时间周期的起始时刻的互动数据减去该时间周期的上一个时间周期的结束时刻的互动数据。
在该另一个可选的实施例中，对于第j个时间周期来说，N个带货视频中第i个带货视频在第j个时间周期内的互动数据增量可以记为为△Iij，则第i个带货视频在第j个时间周期内的互动数据增量占比Lij可以表示为：
Figure BDA0002669342680000141
其中，i、j、N均为正整数，且1≤i≤N，1≤j≤M，M为正整数，且M是根据目标时间段的时长与时间周期的间隔时长计算出的。
在该另一个可选的实施例中，对于第j个时间周期来说，第i个带货视频在该时间周期对目标商品的浏览价值属性Vij可以表示为：
Vij＝Lij×vj；
其中，vj为目标商品在第j个时间周期对应的商品浏览子数据，其具体为目标商品在第j个时间周期内的商品浏览数据增量。且第i个带货视频在目标时间段内对目标商品的总浏览价值属性Vi可以表示为：
Figure BDA0002669342680000142
可见，该可选的实施例能够根据互动数据增量占比确定带货视频对应的关系系数，由于带货视频的互动数据(如点赞数)越大，其给目标商品带来的浏览贡献越大，且由于带货视频的互动数据能够快速地爬取，通过互动数据增量占比确定带货视频对应的关系系数的方式不仅提供了一种关系系数的确定方式，还能够提高确定出关系系数的效率与准确性，进而有利于提高确定出的带货视频对目标商品的浏览价值属性的效率与准确性。
在又一个可选的实施例中，评估装置确定目标时间段内用于带货销售目标商品的所有带货视频中每个带货视频对应的目标关系系数，可以包括：
评估装置获取由目标时间段内用于带货销售目标商品的所有带货视频中每个带货视频对应的历史数据以及在历史数据对应的历史时间段内目标商品的历史商品浏览数据计算出的在目标时间段的每个时间周期内每个带货视频对应的子关系系数。
其中，在历史时间段内带货视频用于带货销售目标商品，带货视频对应的历史数据包括在历史时间段内带货销售目标商品时该带货视频在历史时间段的每个历史时间周期内的历史数据；以及，目标时间段的每个时间周期的时间长度等于每个历史时间周期的时间长度。
可见，该可选的实施例能够基于历史数据以及历史商品浏览数据确定带货视频对应的关系系数。
在该又一种可选的实施例中，进一步可选的，在确定目标时间段内用于带货销售目标商品的所有带货视频中每个带货视频对应的目标关系系数之前，该方法还可以包括以下操作：
评估装置获取目标时间段内用于带货销售目标商品的所有带货视频中每个带货视频对应的历史数据；
评估装置根据每个带货视频对应的历史数据以及在历史数据对应的历史时间段内目标商品的历史商品浏览数据，计算在目标时间段的每个时间周期内每个带货视频对应的子关系系数。
其中，带货视频对应的历史数据具体包括在历史时间段的每个历史时间周期内该带货视频的历史互动数据增量，在历史时间段内目标商品的历史商品浏览数据包括在历史时间段的每个历史时间周期内目标商品的历史商品浏览数据。
在该又一种可选的实施例中，作为一种可选的实施方式，评估装置根据每个带货视频对应的历史数据以及在历史数据对应的历史时间段内目标商品的历史商品浏览数据，计算在目标时间段的每个时间周期内每个带货视频对应的子关系系数，可以包括：
评估装置根据在每个历史时间周期内每个带货视频的历史互动数据增量以及在每个历史时间周期内目标商品的历史商品浏览数据，计算每个带货视频对应的历史子关系系数，历史子关系系数用于表示在历史时间段内对应带货的历史互动数据增量与目标商品的历史商品浏览数据增量之间的关系；
评估装置将每个带货视频对应的历史子关系系数确定为在目标时间段的每个时间周期内该带货视频对应的子关系系数。
可见，在该可选的实施例中，评估装置可以根据历史互动数据以及历史商品浏览数据增量为每个带货视频计算出趋于稳定的历史子关系系数，作为每个带货视频在目标时间段的每个时间周期对应的子关系系数。
在该又一种可选的实施例中，作为一种可选的实施方式，评估装置根据每个带货视频对应的历史数据以及在历史数据对应的历史时间段内目标商品的历史商品浏览数据，计算在目标时间段的每个时间周期内每个带货视频对应的子关系系数，可以包括：
评估装置根据在每个历史时间周期内每个带货视频的历史互动数据增量以及在每个历史时间周期内目标商品的历史商品浏览数据，计算每个带货视频对应的历史子关系系数，历史子关系系数用于表示在历史时间段内对应带货视频的历史互动数据增量与目标商品的历史商品浏览数据增量之间的关系；
评估装置根据在目标时间段的每个时间周期内每个带货视频的互动数据增量以及在每个时间周期内目标商品的商品浏览数据增量，计算在每个时间周期内每个带货视频对应的子关系系数；或者，
评估装置根据在目标时间段的每个时间周期内每个带货视频的互动数据增量，计算在每个时间周期内每个带货视频对应的子关系系数；
评估装置根据每个带货视频对应的历史子关系系数，修正计算出的在每个时间周期内每个带货视频对应的子关系系数。
可见，该可选的实施例能够在计算出当前的子关系系数以及历史子关系系数之后，通过历史子关系系数对当前的子关系系数进行修正，提高了最终确定出的子关系系数的准确性与可靠性，进而有利于提高根据子关系系数计算出的浏览价值属性的准确性与可靠性。
需要说明的是，对于上述两种可选的实施方式，评估装置可以根据历史子关系系数与当前计算出的子关系系数之间的差值的绝对值来选择相应的实施方式。若差值的绝对值小于等于相应的阈值，则可以通过第一种实施方式直接将历史子关系系数确定为当前需要使用的子关系系数；若差值的绝对值大于相应的阈值，则可以通过第二种实施方式通过历史子关系系数对当前计算出的在每个时间周期内每个带货视频对应的子关系系数进行修正，得到修正后的子关系系数。
又进一步可选的，评估装置根据在每个历史时间周期内每个带货视频的历史互动数据增量以及在每个历史时间周期内目标商品的历史商品浏览数据，计算每个带货视频对应的历史子关系系数，可以包括：
评估装置获取每个带货视频在历史时间段的每个历史时间周期内的历史互动数据增量以及目标商品在历史时间段的每个历史时间周期内的历史商品浏览数据增量；
评估装置根据每个带货视频在每个历史时间周期内的历史互动数据增量以及目标商品在每个历史时间周期内的历史商品浏览数据增量，构建每个历史时间周期对应的独立方程，历史时间周期对应的独立方程以每个带货视频在该历史时间周期对应的历史子关系系数为未知数且用于表示在该历史时间周期内所有带货视频的历史互动数据增量与目标商品的历史商品浏览数据增量之间的关系；
评估装置以所有历史时间周期对应的独立方程构建方程组，并根据迭代法计算方程组的解，得到每个带货视频在历史时间段内对应的历史子关系系数。
又进一步可选的，评估装置以所有历史时间周期对应的独立方程构建方程组，并根据迭代法计算方程组的解，得到每个带货视频在历史时间段内对应的历史子关系系数，可以包括：
评估装置根据迭代法连续计算方程组的解；
评估装置判断最新计算出的方程组的解是否满足预先设定的精度条件；
当判断出最新计算出的方程组的解满足精度条件时，评估装置将最新计算出的方程组的解分别确定为每个带货视频在历史时间段内对应的历史子关系系数；
当判断出最新计算出的方程组的解不满足精度条件时，评估装置触发执行上述的根据迭代法连续计算方程组的解的操作。
其中，上述最新计算出的方程组的解包括每个带货视频对应的子解，当判断出最新计算出的方程组的解满足精度条件时，带货视频对应的子解即为该带货视频在历史时间段内对应的历史子关系系数。
又进一步可选的，评估装置判断最新计算出的方程组的解是否满足预先设定的精度条件，可以包括：
评估装置确定在最新计算出的方程组的解(又称最新解)之前连续计算出的方程组的预设数量(如6个)个解(又称历史解)；
评估装置分别计算最新解与每个历史解的差值；
若最新解与每个历史解的差值的绝对值均小于等于差值阈值，或者，若与最新解的差值的绝对值小于等于差值阈值的历史解的数量与预设数量的比值大于等于相应阈值，则评估装置确定最新计算出的方程组的解满足预先设定的精度条件。
需要说明的是，评估装置判断最新计算出的方程组的解是否满足预先设定的精度条件也可以理解为判断计算出的方程组的解是否趋于稳定的过程。且由于方程组的解包括每个带货视频对应的子解，在计算方程组的两个解的差值时，评估装置分别计算两个解中相同带货视频对应的子解的差值，得到每个带货视频对应的子差值，若所有带货视频对应的子差值均小于等于差值阈值或者对应的子差值均小于等于差值阈值的带货视频的数量与所有带货视频的数量的比值大于等于比值阈值时，评估装置确定两个解的差值小于等于差值阈值。
可见，该可选的实施例能够基于历史互动数据增量以及历史商品浏览数据增量确定出每个带货视频在历史时间段内的稳定关系系数作为历史子关系系数。
在又一种可选的实施例中，评估装置确定目标时间段内用于带货销售目标商品的所有带货视频中每个带货视频对应的目标关系系数，可以包括：
评估装置确定目标时间段内用于带货销售目标商品的所有带货视频中每个带货视频在目标时间段的每个时间周期内对应的目标参数集合；
评估装置根据每个带货视频在每个时间周期内对应的目标参数集合包括的每个目标参数以及该目标参数集合包括的每个目标参数对应的权重值，计算在目标时间段的每个时间周期内每个带货视频对应的子关系系数。
可选的，任一带货视频在目标时间段的任一时间周期对应的目标参数集合可以包括该带货视频在该时间周期对应的发布时长、上述目标商品的商品品类、该带货视频的发布平台、该带货视频的视频博主在该时间周期对应的博主信息(如粉丝数量)等中的一种或多种的组合。
进一步可选的，带货视频的发布时长的权重值用于表示该带货视频的发布时长与商品浏览数据增量之间的关系权重，且带货视频的发布时长的权重值是通过以下方式确定出的：
确定多个抽样商品；
对于任一抽样商品，获取该抽样商品的所有抽样带货视频发布后每个抽样带货视频的发布时长以及与该发布时长对应的商品浏览数据增量；
将所有抽样带货视频的不同发布时长作为输入以及与该发布时长对应的商品浏览数据增量作为输出，回归计算发布时长系数，作为该带货视频的发布时长的权重值。
进一步可选的，目标商品的商品品类的权重值用于表示该商品品类对视频互动数据增量与商品浏览数据增量之间的关系的影响权重，且目标商品的商品品类的权重值是通过以下方式确定出的：
确定多个抽样商品，每个抽样商品的商品品类与目标商品的商品品类相同；
对于任一抽样商品，获取该抽样商品的每个抽样带货视频的视频互动数据增量及该抽样商品在相同时间段内的商品浏览数据增量；
将每个抽样商品的每个抽样带货视频的视频互动数据增量作为输入并将该抽样商品在相同时间段内的商品浏览数据增量作为输出，回归计算视频互动数据增量系数；
将视频互动数据增量系数确定为目标商品的商品品类的权重值。
又进一步可选的，带货视频的视频博主的粉丝数量的权重值用于表示粉丝数量对视频互动数据增量与商品浏览数据增量之间的关系的影响权重，且带货视频的视频博主的粉丝数量的权重值是通过以下方式确定出的：
确定通过带货视频推广的多个抽样商品；
获取每个抽样商品的每个带货视频在确定出的时间段内的粉丝数量以及每个带货视频在该时间段内的商品浏览数据增量；
将每个抽样样品的每个抽样带货视频在确定出的时间段内的粉丝数量作为输入，将每个抽样样品的每个抽样带货视频在该时间段内的商品浏览数据增量作为输出，回归计算粉丝数量系数；
将计算出的粉丝数量系数确定为带货视频的视频博主的粉丝数量的权重值。
举例来说，以目标参数集合包括发布时长X1、商品品类X2以及视频博主的粉丝数量X3为例，第i个带货视频在第j个时间周期内对应的子关系系数可以通过一个包含多个变量的函数Fij来表示，具体为：
Fij＝W1X1ij+W2X2ij+W3X3ij；
其中，W1、W2、W3分别为发布时长X1ij、商品品类X2ij以及粉丝数量X3ij对应的权重值。
可选的，带货视频的互动数据可以包括该带货视频的点赞量、评论量(优选为正面评论量)、转发量、弹幕量以及收藏量中一种或多种的组合。其中，带货视频的互动数据可以用于表示带货视频的曝光程度，互动数据量越高的带货视频相对而言会被越多的用户看到，由于带货视频的评论中既有正面评论又有反面评论，为了提高获取带货视频的互动数据的效率，带货视频的互动数据可以只包括该带货视频的点赞量、转发量以及收藏量中一种或多种的组合。又进一步优选的，由于带货视频的点赞是正面的，当用户对带货视频点赞时，可以确定用户认同带货视频的观点或者喜欢带货视频，点赞量越高的带货视频对目标商品的浏览贡献越大，也即，带货视频的互动数据可以只包括带货视频的点赞量。
需要说明的是，若某一带货视频在某一时间周期(或历史时间周期)内的互动数据增量(或历史互动数据增量)为负，则评估装置可以直接将在该时间周期(或历史时间周期)内该带货视频对应的子关系系数(或历史子关系系数)确定为零，也可以直接将为负的互动数据增量(或历史互动数据增量)修正为零。
可见，实施本发明实施例所描述的方法能够提供一种商品浏览价值属性的确定方式，以便准确、快速地确定出用于带货销售商品的每个带货视频对商品的浏览价值属性，进而能够为确定每个带货视频对商品的销售贡献情况和/或每个带货视频的视频博主的带货能力提供客观、准确的参考依据；此外，还能够根据预先确定出的间隔时长将目标时间段划分成等间隔时长的时间周期，并根据每个带货视频在每个时间周期对应的子关系系数以及目标商品在每个时间周期的商品浏览子数据细粒度地确定出每个带货视频在每个时间周期内对目标商品的浏览价值属性，有利于提高确定出的带货视频对目标商品的浏览价值属性的准确性；此外，还能够提供多种方式确定每个带货视频在每个时间周期对应的子关系系数，提高了确定出的子关系系数的准确性，进而有利于提高根据子关系系数确定出的带货视频对商品的浏览价值属性的准确性。
实施例三
请参阅图3，图3是本发明实施例公开的一种带货视频的商品浏览价值属性评估装置的结构示意图。其中，图3所描述的装置可以应用于相应的评估终端、评估设备或服务器，且该服务器可以是本地服务器，也可以是云服务器，本发明实施例不做限定。如图3所示，该装置可以包括：
第一确定模块301，用于确定目标时间段内用于带货销售目标商品的所有带货视频中每个带货视频对应的目标关系系数，其中，带货视频对应的目标关系系数用于确定该带货视频在目标时间段内对目标商品的浏览价值属性，带货视频在目标时间段内对目标商品的浏览价值属性用于表示该带货视频在目标时间段内对目标商品的浏览量贡献情况。
获取模块302，用于获取目标商品在目标时间段内的商品浏览数据。
第二确定模块303，用于根据目标商品在目标时间段内的商品浏览数据以及每个带货视频对应的目标关系系数，确定每个带货视频在目标时间段内对目标商品的浏览价值属性。
可见，实施图3所描述的装置能够准确、快速地确定出用于带货销售商品的每个带货视频对商品的浏览价值属性，进而能够为确定每个带货视频对商品的销售贡献情况和/或每个带货视频的视频博主的带货能力提供客观、准确的参考依据。
在一个可选的实施例中，带货视频对应的目标关系系数具体用于表示该带货视频的互动数据与目标商品的商品浏览数据之间的关系。
在另一个可选的实施例中，带货视频对应的目标关系系数包括在目标时间段的每个时间周期内该带货视频对应的子关系系数，且目标商品在目标时间段内的商品浏览数据包括在目标时间段的每个时间周期内目标商品对应的商品浏览子数据。
在该可选的实施例中，如图4所示，第二确定模块303可以包括：
第一计算子模块3031，用于计算在目标时间段的每个时间周期内每个带货视频对应的子关系系数与在该时间周期内目标商品对应的商品浏览子数据的乘积，得到在目标时间段的每个时间周期内每个带货视频对目标商品的浏览价值属性。
在该可选的实施例中，进一步可选的，如图4所示，第二确定模块303还可以包括：
第二计算子模块3032，用于在第一计算子模块3031计算在目标时间段的每个时间周期内每个带货视频对应的子关系系数与在该时间周期内目标商品对应的商品浏览子数据的乘积，得到在目标时间段的每个时间周期内每个带货视频对目标商品的浏览价值属性之后，计算每个带货视频在目标时间段的所有时间周期内对目标商品的浏览价值属性之和，得到每个带货视频在目标时间段内对目标商品的总浏览价值属性。
可见，实施图4所描述的装置还能够根据预先确定出的间隔时长将目标时间段划分成等间隔时长的时间周期，并根据每个带货视频在每个时间周期对应的子关系系数以及目标商品在每个时间周期的商品浏览子数据细粒度地确定出每个带货视频在每个时间周期内对目标商品的浏览价值属性，有利于提高确定出的带货视频对目标商品的浏览价值属性的准确性；此外，还能够根据每个带货视频在所有时间周期内对目标商品的浏览价值属性进行累加操作，得到带货视频在目标时间段内对商品的总浏览情况，准确度高，且上述时间周期的间隔时长越短，计算得到的总浏览价值属性越精确。
在又一个可选的实施例中，第一确定模块301确定目标时间段内用于带货销售目标商品的所有带货视频中每个带货视频对应的目标关系系数的具体方式可以为：
确定目标时间段内用于带货销售目标商品的所有带货视频中每个带货视频在目标时间段的每个时间周期内的互动数据增量；
计算每个带货视频在每个时间周期内的互动数据增量与所有带货视频在该时间周期内的互动数据总增量的比值，得到每个带货视频在每个时间周期内的互动数据增量占比；
根据每个带货视频在每个时间周期内的互动数据增量占比以及目标商品在每个时间周期内的商品浏览数据增量，确定在每个时间周期内每个带货视频对应的子关系系数。
其中，在时间周期内带货视频对应的子关系系数具体用于表示在该时间周期内该带货视频的互动数据增量与在该时间周期内目标商品的商品浏览数据增量之间的关系。
可见，该可选的实施例能够根据带货视频的互动数据直接确定相应的关系系数。
在又一个可选的实施例中，第一确定模块301确定目标时间段内用于带货销售目标商品的所有带货视频中每个带货视频对应的目标关系系数的具体方式为：
获取由目标时间段内用于带货销售目标商品的所有带货视频中每个带货视频对应的历史数据以及在历史数据对应的历史时间段内目标商品的历史商品浏览数据计算出的在目标时间段的每个时间周期内每个带货视频对应的子关系系数。
其中，在历史时间段内带货视频用于带货销售目标商品，带货视频对应的历史数据包括在历史时间段内带货销售目标商品时该带货视频在历史时间段的每个历史时间周期内的历史数据；以及，目标时间段的每个时间周期的时间长度等于每个历史时间周期的时间长度。
在该可选的实施例中，获取模块302，还可以用于获取目标时间段内用于带货销售目标商品的所有带货视频中每个带货视频对应的历史数据，且如图4所示，该装置还可以包括：
计算模块304，用于根据每个带货视频对应的历史数据以及在历史数据对应的历史时间段内目标商品的历史商品浏览数据，计算在目标时间段的每个时间周期内每个带货视频对应的子关系系数。
其中，带货视频对应的历史数据具体包括在历史时间段的每个历史时间周期内该带货视频的历史互动数据增量，在历史时间段内目标商品的历史商品浏览数据包括在历史时间段的每个历史时间周期内目标商品的历史商品浏览数据。
可见，该可选的实施例能够根据历史数据以及历史商品浏览数据确定带货视频对应的子关系系数。
又进一步可选的，作为一种可选的实施方式，计算模块304根据每个带货视频对应的历史数据以及在历史数据对应的历史时间段内目标商品的历史商品浏览数据，计算在目标时间段的每个时间周期内每个带货视频对应的子关系系数的具体方式可以为：
根据在每个历史时间周期内每个带货视频的历史互动数据增量以及在每个历史时间周期内目标商品的历史商品浏览数据，计算每个带货视频对应的历史子关系系数，历史子关系系数用于表示在历史时间段内对应带货视频的历史互动数据增量与目标商品的历史商品浏览数据增量之间的关系；
将每个带货视频对应的历史子关系系数确定为在目标时间段的每个时间周期内该带货视频对应的子关系系数。
作为另一种可选的实施方式，计算模块304根据每个带货视频对应的历史数据以及在历史数据对应的历史时间段内目标商品的历史商品浏览数据，计算在目标时间段的每个时间周期内每个带货视频对应的子关系系数的具体方式可以为：
根据在每个历史时间周期内每个带货视频的历史互动数据增量以及在每个历史时间周期内目标商品的历史商品浏览数据，计算每个带货视频对应的历史子关系系数，历史子关系系数用于表示在历史时间段内对应带货视频的历史互动数据增量与目标商品的历史商品浏览数据增量之间的关系；
根据在目标时间段的每个时间周期内每个带货视频的互动数据增量，计算在每个时间周期内每个带货视频对应的子关系系数；
根据每个带货视频对应的历史子关系系数，修正计算出的在每个时间周期内每个带货视频对应的子关系系数。
在又一个可选的实施例中，第一确定模块301确定目标时间段内用于带货销售目标商品的所有带货视频中每个带货视频对应的目标关系系数的具体方式为：
确定目标时间段内用于带货销售目标商品的所有带货视频中每个带货视频在目标时间段的每个时间周期内对应的目标参数集合；
根据每个带货视频在每个时间周期内对应的目标参数集合包括的每个目标参数以及该目标参数集合包括的每个目标参数对应的权重值，计算在目标时间段的每个时间周期内每个带货视频对应的子关系系数。
可选的，带货视频的互动数据包括该带货视频的点赞量、评论量、转发量、弹幕量以及收藏量中的一种或多种的组合。
可见，实施图4所描述的装置还能够根据预先确定出的间隔时长将目标时间段划分成等间隔时长的时间周期，并根据每个带货视频在每个时间周期对应的子关系系数以及目标商品在每个时间周期的商品浏览子数据细粒度地确定出每个带货视频在每个时间周期内对目标商品的浏览价值属性，有利于提高确定出的带货视频对目标商品的浏览价值属性的准确性；此外，还能够提供多种方式确定每个带货视频在每个时间周期对应的子关系系数，提高了确定出的子关系系数的准确性，进而有利于提高根据子关系系数确定出的带货视频对商品的浏览价值属性的准确性。
实施例四
请参阅图5，图5是本发明实施例公开的又一种带货视频的商品浏览价值属性评估装置的结构示意图。如图5所示，该装置可以包括：
存储有可执行程序代码的存储器401；
与存储器401耦合的处理器402；
处理器402调用存储器401中存储的可执行程序代码，执行本发明实施例一或实施例二公开的带货视频的商品浏览价值属性评估方法中的部分或全部步骤。
实施例五
本发明实施例公开了一种计算机存储介质，该计算机存储介质存储有计算机指令，该计算机指令被调用时，用于执行本发明实施例一或实施例二公开的带货视频的商品浏览价值属性评估方法中的部分或全部步骤。
实施例六
本发明实施例公开了一种互动数据补充方法，当本发明实施例一至实施五中任意一个实施例所指的所有带货视频中存在互动数据不完整的带货视频时，可以通过本发明实施例所描述的互动数据补充方法对所缺少的互动数据进行补充，具体的互动数据补充方法可以由独立于上述评估装置的数据补充装置实现，也可以由上述评估装置实现，本发明实施例不做限定。具体的，该方法可以包括以下操作：
在获取到上述所有带货视频在相应时间段的每个时间周期对应的互动数据之后，若判断出所有带货视频中存在互动数据不完整的带货视频，则对所有带货视频中互动数据不完整的带货视频执行数据补充操作。
其中，相应时间段可以为上述目标时间段，也可以为上述历史时间段。
进一步可选的，对所有带货视频中互动数据不完整的带货视频执行数据补充操作，可以包括：
统计所有带货视频中互动数据不完整的带货视频(也可称为“第一类带货视频”)的数量，并获取与该数量相匹配的互动数据补充算法；
根据获取到的互动数据补充算法，对所有带货视频中互动数据不完整的第一类带货视频执行数据补充操作。
其中，当第一类带货视频的数量较少(如小于等于确定出的数量阈值)时，与该数量相匹配的互动数据补充算法为大数据补充算法；当数量较多时，与该数量相匹配的互动数据补充算法为爬虫补充算法。需要说明的是，若第一类带货视频的数量较多，或者，所有第一类带货视频在相应时间段内互动数据不完整的总时间周期(如总天数)较多时，也可以直接输出提示，以提示不计算带货视频对目标商品的浏览价值属性。可选的，当所有第一类带货视频在相应时间段内互动数据不完整的总时间周期(如总天数)较多时，在输出提示之前，该方法还可以包括以下操作：
根据所有带货视频在相应时间段内的已有互动数据，计算已有互动数据较多或者已有互动数据完整的带货视频在每个时间周期的互动数据增量占比，若互动数据增量占比小于等于预设占比阈值，则执行上述的输出提示，以提示不计算带货视频对目标商品的浏览价值属性的操作；
若互动数据增量占比大于预设占比阈值，则可以根据爬虫补充算法补充所缺少的互动数据。
其中，对在相应时间段内互动数据不完整的总时间周期的举例说明如下：
假设带货视频包括带货视频A、带货视频B、带货视频C，且相应时间段为5天，时间周期为1天，互动数据不完整的带货视频为带货视频A和带货视频B，带货视频A在相应时间段内有3天互动数据不完整，带货视频B在相应时间段内有2天互动数据不完整，则在该相应时间段内互动数据不完整的总时间周围等于2天加3天。也即：所有第一类带货视频在相应时间段内互动数据不完整的总时间周期等于所有第一类带货视频在相应时间段内互动数据不完整的时间周期之和。
又进一步可选的，当上述数量小于等于预先确定出的数量阈值时，根据获取到的互动数据补充算法，对所有带货视频中互动数据不完整的带货视频执行数据补充操作，可以包括：
确定每个第一类带货视频的视频投放平台；
对于确定出的每个视频投放平台，收集已在该视频投放平台投放的、满足预设条件且数量达到相应数量级(如1000)的样本带货视频，计算每个样本带货视频在预先确定出的时间段内的每个时间周期(如每天)的互动数据变化量，根据每个样本带货视频在预先确定出的时间段内的每个时间周期的互动数据变化量计算该视频投放平台对应的周期互动数据增量占比，将所有周期互动数据增量占比的平均值或中位数确定为该视频投放平台在每个时间周期对应的平台互动数据增量百分比；
对于确定出的每个第一类带货视频，根据该第一类带货视频所在的视频投放平台在每个时间周期对应的平台互动数据增量百分比以及该第一类带货视频的已有互动数据，补充该带货视频在目标时间段内相应时间周期所缺的互动数据。也即，在补充第一类带货视频在第N个时间周期的互动数据时，需要使用到该视频投放平台在第N个时间周期对应的平台互动数据增量百分比，其中，第N个时间周期的起始时间为带货视频的起始发布时间。
其中，样本带货视频在时间周期(如每天)的互动数据变化量具体等于该样本带货视频在该时间周期的终止时间的互动数据总量减去该样本带货视频在该时间周期的在先相邻时间周期的终止时间的互动数据总量。
可选的，对于确定出的任一视频投放平台，已在该视频投放平台投放的、满足预设条件的样本带货视频具体为已在该视频投放平台投放且在确定出的时间段内的每个时间周期内互动数据完整的带货视频，进一步可选的，确定出的时间段可以大于等于所有第一类带货视频截至上述目标时间段的终止时刻的发布时长中的最大发布时长。又进一步可选的，对于确定出的任一视频投放平台，样本带货视频所带货销售的商品与上述目标商品同属一个类别，和/或，所有样本带货视频的起始发布时间相同。
举例来说，某一第一类带货视频D，其缺少了从发布时刻开始算起的第1-3共计3天的互动数据，且在第一类带货视频D所在的视频投放平台发布的3个样本带货视频在第1天的互动数据增量百分比分别为60％、50％和55％，则该视频投放平台在第1天的周期互动数据增量百分比为55％(也即三者的平均数)；在第一类带货视频D所在的视频投放平台发布的3个样本带货视频在第2天的互动数据增量百分比分别为30％、20％和20％，则该视频投放平台在第2天的周期互动数据增量百分比为23.33％(也即三者的平均数)；在第一类带货视频D所在的视频投放平台发布的3个样本带货视频在第2天的互动数据增量百分比分别为30％、20％和20％，则该视频投放平台在第2天的周期互动数据增量百分比为23.33％(也即三者的平均数)，同理也可计算出该视频投放平台在第3天的周期互动数据增量百分比。
需要说明的是，由于大部分带货视频的互动数据总量在发布时长达到预设时长(如达到7天)之后基本不再变化，带货视频在发布时长达到预设时长之后每个时间周期的互动数据增量可以确定为0。
又进一步可选的，当上述数量大于预先确定出的数量阈值时，根据获取到的互动数据补充算法，对所有带货视频中互动数据不完整的带货视频执行数据补充操作，可以包括：
根据预先确定出的爬虫算法一次或多次重复抓取每个第一类带货视频在相应时间段内对应的互动数据，根据重新抓取到的每个第一类带货视频在相应时间段内对应的互动数据补充针对该第一类带货视频已获取的在相应时间段内对应的互动数据。
需要说明的是，无论互动数据不完整的带货视频的数量是多少，可以通过相同的互动数据补充算法(如大数据补充算法或爬虫算法)对互动数据不完整的带货视频进行数据的补充。
进一步需要说明的是，当所有第一类带货视频的互动数据不完整的总时间周期(如总天数)较多时，可以先通过上述爬虫算法补充部分时间周期所缺少的互动数据，当互动数据不完整的总时间周期减少至一定数量之后，再根据上述大数据补充算法补充剩余时间周期所缺少的互动数据。
可见，本发明实施例能够在带货视频对应的互动数据缺少时，对所缺少的互动数据进行补充，保证带货视频对应的互动数据的完整性，进而提高后续计算出的每个带货视频在目标时间段内对目标商品的浏览价值属性的准确性。此外，该可选的实施例还能够根据缺少互动数据的带货视频的数量自适应的选择合适的互动数据补充算法，当所缺互动数据较少时，通过大数据补充算法进行补充，提高了补充的互动数据的准确性，且在一定程度上保证了数据补充效率；当所缺互动数据较多时，通过爬虫算法重新抓取，相较于大数据补充算法来说，减少了数据计算量。
以上所描述的装置实施例仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施例的具体描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory，EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是：本发明实施例公开的一种带货视频的商品浏览价值属性评估方法及装置所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。

Claims (14)

1.一种带货视频的商品浏览价值属性评估方法，其特征在于，所述方法包括：
确定目标时间段内用于带货销售目标商品的所有带货视频中每个所述带货视频对应的目标关系系数，其中，所述带货视频对应的目标关系系数用于确定该带货视频在所述目标时间段内对所述目标商品的浏览价值属性，所述带货视频在所述目标时间段内对所述目标商品的浏览价值属性用于表示该带货视频在所述目标时间段内对所述目标商品的浏览量贡献情况；
获取所述目标商品在所述目标时间段内的商品浏览数据；
根据所述目标商品在所述目标时间段内的商品浏览数据以及每个所述带货视频对应的目标关系系数，确定每个所述带货视频在所述目标时间段内对所述目标商品的浏览价值属性。
2.根据权利要求1所述的带货视频的商品浏览价值属性评估方法，其特征在于，所述带货视频对应的目标关系系数具体用于表示该带货视频的互动数据与所述目标商品的商品浏览数据之间的关系。
3.根据权利要求2所述的带货视频的商品浏览价值属性评估方法，其特征在于，所述带货视频对应的目标关系系数包括在所述目标时间段的每个时间周期内该带货视频对应的子关系系数；
所述目标商品在所述目标时间段内的商品浏览数据包括在所述目标时间段的每个所述时间周期内所述目标商品对应的商品浏览子数据；
其中，所述根据所述目标商品在所述目标时间段内的商品浏览数据以及每个所述带货视频对应的目标关系系数，确定每个所述带货视频在所述目标时间段内对所述目标商品的浏览价值属性，包括：
计算在所述目标时间段的每个所述时间周期内每个所述带货视频对应的子关系系数与在该时间周期内所述目标商品对应的商品浏览子数据的乘积，得到在所述目标时间段的每个所述时间周期内每个所述带货视频对所述目标商品的浏览价值属性。
4.根据权利要求3所述的带货视频的商品浏览价值属性评估方法，其特征在于，所述计算在所述目标时间段的每个所述时间周期内每个所述带货视频对应的子关系系数与在该时间周期内所述目标商品对应的商品浏览子数据的乘积，得到在所述目标时间段的每个所述时间周期内每个所述带货视频对所述目标商品的浏览价值属性之后，所述方法还包括：
计算每个所述带货视频在所述目标时间段的所有所述时间周期内对所述目标商品的浏览价值属性之和，得到每个所述带货视频在所述目标时间段内对所述目标商品的总浏览价值属性。
5.根据权利要求3或4所述的带货视频的商品浏览价值属性评估方法，其特征在于，所述确定目标时间段内用于带货销售目标商品的所有带货视频中每个所述带货视频对应的目标关系系数，包括：
确定目标时间段内用于带货销售目标商品的所有带货视频中每个所述带货视频在所述目标时间段的每个时间周期内的互动数据增量；
计算每个所述带货视频在每个所述时间周期内的互动数据增量与所有所述带货视频在该时间周期内的互动数据总增量的比值，得到每个所述带货视频在每个所述时间周期内的互动数据增量占比；
根据每个所述带货视频在每个所述时间周期内的互动数据增量占比，确定在每个所述时间周期内每个所述带货视频对应的子关系系数；
其中，在所述时间周期内所述带货视频对应的子关系系数具体用于表示在该时间周期内该带货视频的互动数据增量与在该时间周期内所述目标商品的商品浏览数据增量之间的关系。
6.根据权利要求3或4所述的带货视频的商品浏览价值属性评估方法，其特征在于，所述确定目标时间段内用于带货销售目标商品的所有带货视频中每个所述带货视频对应的目标关系系数，包括：
获取由目标时间段内用于带货销售目标商品的所有带货视频中每个所述带货视频对应的历史数据以及在所述历史数据对应的历史时间段内所述目标商品的历史商品浏览数据计算出的在所述目标时间段的每个时间周期内每个所述带货视频对应的子关系系数；
其中，在所述历史时间段内所述带货视频用于带货销售所述目标商品，所述带货视频对应的历史数据包括在所述历史时间段内带货销售所述目标商品时该带货视频在所述历史时间段的每个历史时间周期内的历史数据；以及，所述目标时间段的每个所述时间周期的时间长度等于每个所述历史时间周期的时间长度。
7.根据权利要求6所述的带货视频的商品浏览价值属性评估方法，其特征在于，所述确定目标时间段内用于带货销售目标商品的所有带货视频中每个所述带货视频对应的目标关系系数之前，所述方法还包括：
获取目标时间段内用于带货销售目标商品的所有带货视频中每个所述带货视频对应的历史数据；
根据每个所述带货视频对应的历史数据以及在所述历史数据对应的历史时间段内所述目标商品的历史商品浏览数据，计算在所述目标时间段的每个时间周期内每个所述带货视频对应的子关系系数；
其中，所述带货视频对应的历史数据具体包括在所述历史时间段的每个所述历史时间周期内该带货视频的历史互动数据增量，在所述历史时间段内所述目标商品的历史商品浏览数据包括在所述历史时间段的每个所述历史时间周期内所述目标商品的历史商品浏览数据。
8.根据权利要求7所述的带货视频的商品浏览价值属性评估方法，其特征在于，所述根据每个所述带货视频对应的历史数据以及在所述历史数据对应的历史时间段内所述目标商品的历史商品浏览数据，计算在所述目标时间段的每个时间周期内每个所述带货视频对应的子关系系数，包括：
根据在每个所述历史时间周期内每个所述带货视频的历史互动数据增量以及在每个所述历史时间周期内所述目标商品的历史商品浏览数据，计算每个所述带货视频对应的历史子关系系数，所述历史子关系系数用于表示在所述历史时间段内对应带货视频的历史互动数据增量与所述目标商品的历史商品浏览数据增量之间的关系；
将每个所述带货视频对应的历史子关系系数确定为在所述目标时间段的每个时间周期内该带货视频对应的子关系系数。
9.根据权利要求7所述的带货视频的商品浏览价值属性评估方法，其特征在于，所述根据每个所述带货视频对应的历史数据以及在所述历史数据对应的历史时间段内所述目标商品的历史商品浏览数据，计算在所述目标时间段的每个时间周期内每个所述带货视频对应的子关系系数，包括：
根据在每个所述历史时间周期内每个所述带货视频的历史互动数据增量以及在每个所述历史时间周期内所述目标商品的历史商品浏览数据，计算每个所述带货视频对应的历史子关系系数，所述历史子关系系数用于表示在所述历史时间段内对应带货视频的历史互动数据增量与所述目标商品的历史商品浏览数据增量之间的关系；
根据在所述目标时间段的每个时间周期内每个所述带货视频的互动数据增量，计算在每个所述时间周期内每个所述带货视频对应的子关系系数；
根据每个所述带货视频对应的历史子关系系数，修正计算出的在每个所述时间周期内每个所述带货视频对应的子关系系数。
10.根据权利要求3或4所述的带货视频的商品浏览价值属性评估方法，其特征在于，所述确定目标时间段内用于带货销售目标商品的所有带货视频中每个所述带货视频对应的目标关系系数，包括：
确定目标时间段内用于带货销售目标商品的所有带货视频中每个所述带货视频在所述目标时间段的每个时间周期内对应的目标参数集合；
根据每个所述带货视频在每个所述时间周期内对应的目标参数集合包括的每个目标参数以及该目标参数集合包括的每个目标参数对应的权重值，计算在所述目标时间段的每个所述时间周期内每个所述带货视频对应的子关系系数。
11.根据权利要求2-10任一项所述的带货视频的商品浏览价值属性评估方法，其特征在于，所述带货视频的互动数据包括该带货视频的点赞量、评论量、转发量、弹幕量以及收藏量中的一种或多种的组合。
12.一种带货视频的商品浏览价值属性评估装置，其特征在于，所述装置包括：
第一确定模块，用于确定目标时间段内用于带货销售目标商品的所有带货视频中每个所述带货视频对应的目标关系系数，其中，所述带货视频对应的目标关系系数用于确定该带货视频在所述目标时间段内对所述目标商品的浏览价值属性，所述带货视频在所述目标时间段内对所述目标商品的浏览价值属性用于表示该带货视频在所述目标时间段内对所述目标商品的浏览量贡献情况；
获取模块，用于获取所述目标商品在所述目标时间段内的商品浏览数据；
第二确定模块，用于根据所述目标商品在所述目标时间段内的商品浏览数据以及每个所述带货视频对应的目标关系系数，确定每个所述带货视频在所述目标时间段内对所述目标商品的浏览价值属性。
13.一种带货视频的商品浏览价值属性评估装置，其特征在于，所述装置包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-11任一项所述的带货视频的商品浏览价值属性评估方法。
14.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1-11任一项所述的带货视频的商品浏览价值属性评估方法。
CN202010928544.XA 2020-09-07 2020-09-07 带货视频的商品浏览价值属性评估方法及装置 Active CN112261475B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010928544.XA CN112261475B (zh) 2020-09-07 2020-09-07 带货视频的商品浏览价值属性评估方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010928544.XA CN112261475B (zh) 2020-09-07 2020-09-07 带货视频的商品浏览价值属性评估方法及装置

Publications (2)

Publication Number Publication Date
CN112261475A true CN112261475A (zh) 2021-01-22
CN112261475B CN112261475B (zh) 2023-04-07

Family

ID=74231727

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010928544.XA Active CN112261475B (zh) 2020-09-07 2020-09-07 带货视频的商品浏览价值属性评估方法及装置

Country Status (1)

Country Link
CN (1) CN112261475B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101783915A (zh) * 2010-03-19 2010-07-21 北京国双科技有限公司 一种实现视频量化的方法
CN108881968A (zh) * 2017-05-15 2018-11-23 北京国双科技有限公司 一种网络视频广告投放方法和系统
CN110929127A (zh) * 2019-12-05 2020-03-27 广州市原象信息科技有限公司 一种淘宝直播投放效果分析的方法及计算机设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101783915A (zh) * 2010-03-19 2010-07-21 北京国双科技有限公司 一种实现视频量化的方法
CN108881968A (zh) * 2017-05-15 2018-11-23 北京国双科技有限公司 一种网络视频广告投放方法和系统
CN110929127A (zh) * 2019-12-05 2020-03-27 广州市原象信息科技有限公司 一种淘宝直播投放效果分析的方法及计算机设备

Also Published As

Publication number Publication date
CN112261475B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
TWI587229B (zh) Push method and device for product information
CN111445134B (zh) 商品的销量预测方法、装置、计算机设备和存储介质
CN109543132A (zh) 内容推荐方法、装置、电子设备及存储介质
CN112235636B (zh) 带货视频浏览价值属性的计算方法及装置
CN103391302A (zh) 一种信息发送的方法及系统
CN108520440B (zh) 阅读用户的总消费存量需求的确定方法、电子设备及计算机存储介质
CN110555578A (zh) 一种销量预测方法和装置
CN112581182A (zh) 自动售货设备的销售管理方法及系统
CN111310038A (zh) 信息推荐方法、装置、电子设备及计算机可读存储介质
CN111369317B (zh) 订单生成方法、装置、电子设备及存储介质
CN110413881B (zh) 一种识别标签准确性的方法、装置、网络设备和存储介质
CN112218169B (zh) 计算带货视频对商品的浏览价值属性的方法及装置
CN112261475B (zh) 带货视频的商品浏览价值属性评估方法及装置
CN112330098B (zh) Kol带货能力属性的智能化计算方法及装置
CN112243153B (zh) 基于视频互动数据确定浏览价值属性的方法及装置
CN110717653A (zh) 风险识别方法及装置和电子设备
CN112508594B (zh) 带货视频的商品销量属性估算方法及装置
CN116012086A (zh) 商品价格的评估方法、装置、电子设备及存储介质
CN111859285B (zh) 销量缺失数据的补充方法及装置
CN109360032B (zh) 客户评估方法、装置、设备以及存储介质
CN113793189A (zh) 一种信息预测方法、装置、设备和存储介质
CN112581014A (zh) 素材准备度的统计方法、装置、设备和存储介质
CN111861541B (zh) 基于带货视频的带货效果确定方法及装置
CN111681036A (zh) 广告活跃度的预估实现方法及装置
CN111833098A (zh) 一种信息预测方法、存储介质和电子装置

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