CN112348430A - 一种用户数据分析方法、计算机设备及存储介质 - Google Patents

一种用户数据分析方法、计算机设备及存储介质 Download PDF

Info

Publication number
CN112348430A
CN112348430A CN202011116293.1A CN202011116293A CN112348430A CN 112348430 A CN112348430 A CN 112348430A CN 202011116293 A CN202011116293 A CN 202011116293A CN 112348430 A CN112348430 A CN 112348430A
Authority
CN
China
Prior art keywords
user
browsing
commodity
merchant
label
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
CN202011116293.1A
Other languages
English (en)
Other versions
CN112348430B (zh
Inventor
张�浩
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.)
Beijing Zhonghengyun Technology Co ltd
Original Assignee
Beijing Zhonghengyun 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 Beijing Zhonghengyun Technology Co ltd filed Critical Beijing Zhonghengyun Technology Co ltd
Priority to CN202011116293.1A priority Critical patent/CN112348430B/zh
Publication of CN112348430A publication Critical patent/CN112348430A/zh
Application granted granted Critical
Publication of CN112348430B publication Critical patent/CN112348430B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种用户数据分析方法、计算机设备及存储介质，所述用户数据分析方法的步骤包括，用户标签生成,接收用户的商品浏览记录，根据用户浏览的商品生成用户标签；商家标签生成，统计商家商铺中的商品信息，根据商品信息生成商家标签；用户匹配，所述用户标签包括至少一个用户子标签，所述商家标签包括至少一个商家子标签，判断所述商家标签中是否存在与用户子标签匹配的商家子标签，若是，向该匹配用户推送匹配的商品信息；补货提醒，接收商家各类商品的库存量和推送次数，根据商品的库存量和推送次数判断该商品是否满足补货条件，若是，向商家发出补货请求。在用户购买前提醒用户及时补货，解决了商家难以预料提前增加库存的问题。

Description

一种用户数据分析方法、计算机设备及存储介质
技术领域
本发明涉及电子商务技术领域，尤其涉及一种用户数据分析方法、计算机设备及存储介质。
背景技术
在因特网开放的网络环境下，电子商务通常是指在全球各地广泛的商业贸易活动中，买卖双方不谋面地进行各种商贸活动，实现消费者的网上购物、商户之间的网上交易和在线电子支付以及各种商务活动、交易活动、金融活动和相关的综合服务活动的一种新型的商业运营模式。
商家通常需要将自己的商品在电子商务平台上进行销售，平台上往往会有许多商家，买家在平台上浏览并购买商品，商家在销售商品过程中，往往是边卖边进货，但是在实际销售过程中，常常发生某款商品被用户集中大量购买的情况，商家难以预料到这种情况的发生，不能提前增加库存，一旦这种情况发生，商家的库存往往会不够用，一方面影响商家的销售情况，另一方面影响顾客的购物体验。
因此，本领域亟需一种用户数据分析方法、计算机设备及存储介质。
因此，有鉴于此，提出本发明。
发明内容
本发明的目的在于提供一种用户数据分析方法，提醒商家提前增加库存。
本发明的第一方面提供了一种用户数据分析方法，包括以下步骤：
用户标签生成,接收用户的商品浏览记录，根据用户浏览的商品生成用户标签；
商家标签生成，统计商家商铺中的商品信息，根据商品信息生成商家标签；
用户匹配，所述用户标签包括至少一个用户子标签，所述商家标签包括至少一个商家子标签，判断所述商家标签中是否存在与用户子标签匹配的商家子标签，若是，向该匹配用户推送匹配的商品信息；
补货提醒，接收商家各类商品的库存量和推送次数，根据商品的库存量和推送次数判断该商品是否满足补货条件，若是，向商家发出补货请求。
采用上述方案，根据用户浏览记录和商家的商品信息，使用户与商家匹配，为用户推送其可能需要的商品，提高用户购买效率，商品的推送次数决定着商品的被关注度，被关注的商品潜在被购买的概率较高，根据商品的库存量和推送次数判断该商品是否满足补货条件，当满足补货条件时，向商家发出补货请求，在用户购买前提醒用户及时补货，解决了商家难以预料提前增加库存的问题。
进一步地，所述用户标签生成的步骤包括：接收用户最近N次的商品浏览记录，将N次的商品浏览收录为浏览记录集，根据浏览记录集生成用户标签。
采用上述方案，接收用户最近N次的商品浏览记录，用户最近的浏览记录代表着用户最近的购买意向，过久的浏览记录不能代表客户最近的购买意向，仅根据最近N次的商品浏览记录生成用户标签，提高标签与用户的匹配度。
进一步地，所述商品浏览记录包括浏览时长，所述用户标签生成的步骤还包括：
接收误触阈值时长；
分别比对浏览记录集中是否存在浏览时长小于误触阈值时长的商品浏览记录；
若是，将输出浏览时长小于误触阈值时长的商品浏览记录从浏览记录集中删除，
输出浏览时长小于误触阈值时长的商品浏览记录的数量为A,
再次接收用户最近N次的商品浏览记录前的A次商品浏览记录，
将接收到的A次商品浏览记录补入浏览记录集中，再次比对浏览记录集中是否存在浏览时长小于误触阈值时长的商品浏览记录；
若否，根据浏览记录集生成用户标签。
采用上述方案，当用户的浏览时长小于误触阈值时长时，将用户该次的浏览判定为误触浏览，误触浏览不是根据用户主观意愿所决定的，不能代表用户的购买意图，将误触浏览从浏览记录集中删除，提高根据浏览记录集生成的用户标签与用户的匹配度。
进一步地，所述商品浏览记录包括浏览时间点，所述用户标签生成的步骤还包括：
接收浏览记录集中各商品浏览记录的浏览时间点，根据浏览时间点将浏览记录集中各商品浏览记录从早到晚排序；
计算浏览时间点相邻的商品浏览记录的间隔时长；
接收无效间隔阈值，判断是否存在大于无效间隔阈值的间隔时长；
若是，输出处于该间隔时长的两个商品浏览记录，将商品浏览记录中较早的记录及早于该次商品浏览记录的商品浏览记录从浏览记录集中删除；
若否，根据浏览记录集生成用户标签。
采用上述方案，当商品浏览记录的间隔时长过长时，用户可能已经购买了相关产品，或者已经对该商品失去兴趣，不能代表用户的购买意图，提高根据浏览记录集生成的用户标签与用户的匹配度。
进一步地，所述商家标签生成的步骤包括：所述商品信息包括至少一种商品，根据商品生成商家子标签。
进一步地，所述用户子标签和商家子标签均为文字标签，判断所述商家标签中是否存在与用户子标签匹配的商家子标签的步骤包括，匹配用户子标签和商家子标签的文本信息。
采用上述方案，根据文本信息使用户子标签与商家子标签进行匹配，准确向用户推送需要的商品。
进一步地，所述补货提醒的步骤包括：
根据商品的库存量和推送次数得出库存比，所述库存比的计算根据公式：
库存比＝库存量/推送次数；
接收补货阈值，判断库存比是否小于补货阈值；
若是，向商家发出补货请求。
进一步地，若否，不需向商家发出补货请求。
采用上述方案，是否向商家发出补货请求不单单根据库存量决定，而是根据库存量/推送次数，推送次数越多则说明商品被更多人感兴趣，当商家当前库存量不能满足用户潜在购买力时，提前向商家发送补货请求，避免商家补货不及时。
进一步地，所述用户数据分析方法还包括推送暂停，所述推送暂停的步骤包括：
判断商家是否同意接受所述补货请求；
若是，正常向用户推送；
若否，暂停向用户推送该补货请求对应商品。
采用上述方案，当向商家发出补货请求时，说明该商品已经需要补货，若商家不同意补货，则再向用户推送容易导致库存不能满足购买的情况，停止推送后，已经接受推送的用户已经能够消耗目前库存。
本发明的目的在于提供一种用户数据分析系统，提醒商家提前增加库存。
本发明第二方面提供了一种用户数据分析系统，包括：
用户标签生成模块,接收用户的商品浏览记录，根据用户浏览的商品生成用户标签；
商家标签生成模块，统计商家商铺中的商品信息，根据商品信息生成商家标签；
用户匹配模块，所述用户标签包括至少一个用户子标签，所述商家标签包括至少一个商家子标签，判断所述商家标签中是否存在与用户子标签匹配的商家子标签，若是，向该匹配用户推送匹配的商品信息；
补货提醒模块，接收商家各类商品的库存量和推送次数，根据商品的库存量和推送次数判断该商品是否满足补货条件，若是，向商家发出补货请求。
采用上述方案，根据用户浏览记录和商家的商品信息，使用户与商家匹配，为用户推送其可能需要的商品，提高用户购买效率，商品的推送次数决定着商品的被关注度，被关注的商品潜在被购买的概率较高，根据商品的库存量和推送次数判断该商品是否满足补货条件，当满足补货条件时，向商家发出补货请求，在用户购买前提醒用户及时补货，解决了商家难以预料提前增加库存的问题。
进一步地，所述用户标签生成模块包括：接收用户最近N次的商品浏览记录，将N次的商品浏览收录为浏览记录集，根据浏览记录集生成用户标签。
采用上述方案，接收用户最近N次的商品浏览记录，用户最近的浏览记录代表着用户最近的购买意向，过久的浏览记录不能代表客户最近的购买意向，仅根据最近N次的商品浏览记录生成用户标签，提高标签与用户的匹配度。
进一步地，所述商品浏览记录包括浏览时长，所述用户标签生成模块还包括：
接收误触阈值时长；
分别比对浏览记录集中是否存在浏览时长小于误触阈值时长的商品浏览记录；
若是，将输出浏览时长小于误触阈值时长的商品浏览记录从浏览记录集中删除，
输出浏览时长小于误触阈值时长的商品浏览记录的数量为A,
再次接收用户最近N次的商品浏览记录前的A次商品浏览记录，
将接收到的A次商品浏览记录补入浏览记录集中，再次比对浏览记录集中是否存在浏览时长小于误触阈值时长的商品浏览记录；
若否，根据浏览记录集生成用户标签。
采用上述方案，当用户的浏览时长小于误触阈值时长时，将用户该次的浏览判定为误触浏览，误触浏览不是根据用户主观意愿所决定的，不能代表用户的购买意图，将误触浏览从浏览记录集中删除，提高根据浏览记录集生成的用户标签与用户的匹配度。
进一步地，所述商品浏览记录包括浏览时间点，所述用户标签生成模块还包括：
接收浏览记录集中各商品浏览记录的浏览时间点，根据浏览时间点将浏览记录集中各商品浏览记录从早到晚排序；
计算浏览时间点相邻的商品浏览记录的间隔时长；
接收无效间隔阈值，判断是否存在大于无效间隔阈值的间隔时长；
若是，输出处于该间隔时长的两个商品浏览记录，将商品浏览记录中较早的记录及早于该次商品浏览记录的商品浏览记录从浏览记录集中删除；
若否，根据浏览记录集生成用户标签。
采用上述方案，当商品浏览记录的间隔时长过长时，用户可能已经购买了相关产品，或者已经对该商品失去兴趣，不能代表用户的购买意图，提高根据浏览记录集生成的用户标签与用户的匹配度。
进一步地，所述商家标签生成模块包括：所述商品信息包括至少一种商品，根据商品生成商家子标签。
进一步地，所述用户子标签和商家子标签均为文字标签，判断所述商家标签中是否存在与用户子标签匹配的商家子标签包括，匹配用户子标签和商家子标签的文本信息。
采用上述方案，根据文本信息使用户子标签与商家子标签进行匹配，准确向用户推送需要的商品。
进一步地，所述补货提醒模块包括：
根据商品的库存量和推送次数得出库存比，所述库存比的计算根据公式：
库存比＝库存量/推送次数；
接收补货阈值，判断库存比是否小于补货阈值；
若是，向商家发出补货请求。
进一步地，若否，不需向商家发出补货请求。
采用上述方案，是否向商家发出补货请求不单单根据库存量决定，而是根据库存量/推送次数，推送次数越多则说明商品被更多人感兴趣，当商家当前库存量不能满足用户潜在购买力时，提前向商家发送补货请求，避免商家补货不及时。
进一步地，所述用户数据分析方法还包括推送暂停模块，所述推送暂停模块包括：
判断商家是否同意接受所述补货请求；
若是，正常向用户推送；
若否，暂停向用户推送该补货请求对应商品。
采用上述方案，当向商家发出补货请求时，说明该商品已经需要补货，若商家不同意补货，则再向用户推送容易导致库存不能满足购买的情况，停止推送后，已经接受推送的用户已经能够消耗目前库存。
本发明的目的在于提供一种计算机设备，提醒商家提前增加库存。
本发明第三方面提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的方法。
本发明的目的在于提供一种存储介质，提醒商家提前增加库存。
本发明的第四方面提供了一种存储介质，所述存储介质包括一个或多个程序，所述一个或多个程序可以被处理器执行以完成上述的方法。
综上所述，本发明具有以下有益效果：
1、本发明的用户数据分析方法，根据用户浏览记录和商家的商品信息，使用户与商家匹配，为用户推送其可能需要的商品，提高用户购买效率，商品的推送次数决定着商品的被关注度，被关注的商品潜在被购买的概率较高，根据商品的库存量和推送次数判断该商品是否满足补货条件，当满足补货条件时，向商家发出补货请求，在用户购买前提醒用户及时补货，解决了商家难以预料提前增加库存的问题；
2、本发明的用户数据分析方法，当用户的浏览时长小于误触阈值时长时，将用户该次的浏览判定为误触浏览，误触浏览不是根据用户主观意愿所决定的，不能代表用户的购买意图，将误触浏览从浏览记录集中删除，提高根据浏览记录集生成的用户标签与用户的匹配度；
3、本发明的用户数据分析方法，当商品浏览记录的间隔时长过长时，用户可能已经购买了相关产品，或者已经对该商品失去兴趣，不能代表用户的购买意图，提高根据浏览记录集生成的用户标签与用户的匹配度；
4、本发明的用户数据分析方法，是否向商家发出补货请求不单单根据库存量决定，而是根据库存量/推送次数，推送次数越多则说明商品被更多人感兴趣，当商家当前库存量不能满足用户潜在购买力时，提前向商家发送补货请求，避免商家补货不及时。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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为本发明用户数据分析方法一种实施方式的流程图；
图2为本发明用户数据分析方法另一种实施方式的流程图；
图3为所述用户标签生成一种实施方式的流程图；
图4为所述用户标签生成另一种实施方式的流程图；
图5为所述补货提醒和推送暂停一种实施方式的流程图；
图6为本发明用户数据分析系统一种实施方式的的示意图；
图7为本发明用户数据分析系统另一种实施方式的的示意图；
图8为发明用户数据分析方法的实施示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
在本发明使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
如图1所示，本发明的第一方面提供了一种用户数据分析方法，包括以下步骤：
S100、用户标签生成,接收用户的商品浏览记录，根据用户浏览的商品生成用户标签；
在具体实施过程中，所述用户标签为根据用户浏览的商品的商品名称生成的文本标签。
S200、商家标签生成，统计商家商铺中的商品信息，根据商品信息生成商家标签；
在具体实施过程中，所述商家标签为由商品信息中的一个或多个商品名称生成的文本标签。
S300、用户匹配，所述用户标签包括至少一个用户子标签，所述商家标签包括至少一个商家子标签，判断所述商家标签中是否存在与用户子标签匹配的商家子标签，若是，向该匹配用户推送匹配的商品信息；
在具体实施过程中，向该匹配用户推送匹配的商品信息包括，推送匹配商品的商品名称和商品链接。
S400、补货提醒，接收商家各类商品的库存量和推送次数，根据商品的库存量和推送次数判断该商品是否满足补货条件，若是，向商家发出补货请求。
在具体实施过程中，所述推送次数为推送时后台统计的数据，所述补货请求中包括满足补货条件的商品名称、型号和价格。
采用上述方案，根据用户浏览记录和商家的商品信息，使用户与商家匹配，为用户推送其可能需要的商品，提高用户购买效率，商品的推送次数决定着商品的被关注度，被关注的商品潜在被购买的概率较高，根据商品的库存量和推送次数判断该商品是否满足补货条件，当满足补货条件时，向商家发出补货请求，在用户购买前提醒用户及时补货，解决了商家难以预料提前增加库存的问题。
在具体实施过程中，所述S100、用户标签生成的步骤包括：接收用户最近N次的商品浏览记录，将N次的商品浏览收录为浏览记录集，根据浏览记录集生成用户标签，浏览记录集为商品浏览记录的集合。
采用上述方案，接收用户最近N次的商品浏览记录，用户最近的浏览记录代表着用户最近的购买意向，过久的浏览记录不能代表客户最近的购买意向，仅根据最近N次的商品浏览记录生成用户标签，提高标签与用户的匹配度。
在具体实施过程中，所述最近N次的商品浏览记录为，接收用户的商品浏览记录之前用户的N次商品浏览记录，N为自然数，N可以为6、8、10等。
在具体实施过程中，当N为10时，若此时用户的浏览记录小于10，则输出全部浏览记录，重新确定全部浏览记录数量为N。
如图3所示，在具体实施过程中，所述商品浏览记录包括浏览时长，所述S100、用户标签生成的步骤还包括：
接收误触阈值时长；
分别比对浏览记录集中是否存在浏览时长小于误触阈值时长的商品浏览记录；
若是，将输出浏览时长小于误触阈值时长的商品浏览记录从浏览记录集中删除，
输出浏览时长小于误触阈值时长的商品浏览记录的数量为A,
再次接收用户最近N次的商品浏览记录前的A次商品浏览记录，
将接收到的A次商品浏览记录补入浏览记录集中，再次比对浏览记录集中是否存在浏览时长小于误触阈值时长的商品浏览记录；
若否，根据浏览记录集生成用户标签。
采用上述方案，当用户的浏览时长小于误触阈值时长时，将用户该次的浏览判定为误触浏览，误触浏览不是根据用户主观意愿所决定的，不能代表用户的购买意图，将误触浏览从浏览记录集中删除，提高根据浏览记录集生成的用户标签与用户的匹配度。
在具体实施过程中，所述误触阈值时长可以为0.5s、1s或1.5s，优选为1s，若N为5，5次浏览时长分别为10s、6s、0.3s、3min和1min，则A为1，删除该0.3s的浏览记录，接收用户最近的N+1次浏览记录，若第N+1次浏览记录浏览时长为5s，则根据浏览记录集生成用户标签；若第N+1次浏览记录浏览时长为0.5s，则再次提取第N+2次浏览记录，重复判断步骤。
如图3、4所示，在具体实施过程中，所述商品浏览记录包括浏览时间点，所述S100、用户标签生成的步骤还包括：
接收浏览记录集中各商品浏览记录的浏览时间点，根据浏览时间点将浏览记录集中各商品浏览记录从早到晚排序；
计算浏览时间点相邻的商品浏览记录的间隔时长；
接收无效间隔阈值，判断是否存在大于无效间隔阈值的间隔时长；
若是，输出处于该间隔时长的两个商品浏览记录，将商品浏览记录中较早的记录及早于该次商品浏览记录的商品浏览记录从浏览记录集中删除；
若否，根据浏览记录集生成用户标签。
采用上述方案，当商品浏览记录的间隔时长过长时，用户可能已经购买了相关产品，或者已经对该商品失去兴趣，不能代表用户的购买意图，提高根据浏览记录集生成的用户标签与用户的匹配度。
在具体实施过程中，根据浏览时间点将浏览记录集中各商品浏览记录从早到晚排序为，根据浏览时间点的先后顺序，将商品浏览记录时间比较久的靠前排序，时间久的排在时间近的商品浏览记录之前。
所述相邻的商品浏览记录的间隔时长为浏览时间点相邻的商品之间，浏览的时间差。
在具体实施过程中，所述无效间隔阈值为一时间长度值，所述无效间隔阈值可以为7天、15天或30天等。
在具体实施过程中，若N＝5,5次浏览记录排序中第2次和第3次的间隔时长大于无效间隔阈值，从5次浏览记录，排序第2次及第2次之前的第1次浏览记录，根据第3、4、5次生成浏览记录集，浏览记录集中的商品浏览记录数量为3，重新确定N＝3。
在具体实施过程中，所述S200、商家标签生成的步骤包括：所述商品信息包括至少一种商品，根据商品生成商家子标签。
在具体实施过程中，所述用户的商品浏览记录的商品可以为“抹茶味榛芯挞”，使用分词工具对该商品名称进行分词，所述分词工具可以为结巴分词，则所述用户子标签可以为“抹茶味”和“榛芯挞”，用户标签包括子标签为“抹茶味”和“榛芯挞”。
在具体实施过程中，所述用户子标签和商家子标签均为文字标签，判断所述商家标签中是否存在与用户子标签匹配的商家子标签的步骤包括，匹配用户子标签和商家子标签的文本信息。
在具体实施过程中，所述商品信息可以有多个商品，具体的商品可以为“无骨鸭掌”和“无骨鸡爪”，使用分词工具对该商品进行分词，分词结果为“无骨”“鸭掌”和“鸡爪”则商家子标签包括“无骨”“鸭掌”和“鸡爪”；所述用户的商品浏览记录商品可以为“卤鸡爪”，则用户子标签可以为“卤”和“鸡爪”，则用户子标签的“鸡爪”和商家子标签的“鸡爪”，则向用户推送该商家的“无骨鸡爪”商品。
采用上述方案，根据文本信息使用户子标签与商家子标签进行匹配，准确向用户推送需要的商品。
如图5所示，在具体实施过程中，所述S400、补货提醒的步骤包括：
根据商品的库存量和推送次数得出库存比，所述库存比的计算根据公式：
库存比＝库存量/推送次数；
接收补货阈值，判断库存比是否小于补货阈值；
若是，向商家发出补货请求。
在具体实施过程中，若否，不需向商家发出补货请求。
采用上述方案，是否向商家发出补货请求不单单根据库存量决定，而是根据库存量/推送次数，推送次数越多则说明商品被更多人感兴趣，当商家当前库存量不能满足用户潜在购买力时，提前向商家发送补货请求，避免商家补货不及时。
在具体实施过程中，所述补货阈值为一确定的正数，可以为0.02、0.05或0.1等；若补货阈值为0.02，所述库存量可以为100，推送次数15000，则100/15000＝1/150＜0.02，则应该向商家发送补货请求。
如图2、5所示，在具体实施过程中，所述用户数据分析方法还包括S500、推送暂停，所述S500、推送暂停的步骤包括：
判断商家是否同意接受所述补货请求；
若是，正常向用户推送；
若否，暂停向用户推送该补货请求对应商品。
采用上述方案，当向商家发出补货请求时，说明该商品已经需要补货，若商家不同意补货，则再向用户推送容易导致库存不能满足购买的情况，停止推送后，已经接受推送的用户已经能够消耗目前库存。
如图8所示，在具体实施过程中，所述用户数据分析方法包括客户端、服务器端和商家端，服务器采集商家和用户的数据，并向用户推送商品信息。
如图6所示，本发明第二方面提供了一种用户数据分析系统，包括：
用户标签生成模块100,接收用户的商品浏览记录，根据用户浏览的商品生成用户标签；
商家标签生成模块200，统计商家商铺中的商品信息，根据商品信息生成商家标签；
用户匹配模块300，所述用户标签包括至少一个用户子标签，所述商家标签包括至少一个商家子标签，判断所述商家标签中是否存在与用户子标签匹配的商家子标签，若是，向该匹配用户推送匹配的商品信息；
补货提醒模块400，接收商家各类商品的库存量和推送次数，根据商品的库存量和推送次数判断该商品是否满足补货条件，若是，向商家发出补货请求。
采用上述方案，根据用户浏览记录和商家的商品信息，使用户与商家匹配，为用户推送其可能需要的商品，提高用户购买效率，商品的推送次数决定着商品的被关注度，被关注的商品潜在被购买的概率较高，根据商品的库存量和推送次数判断该商品是否满足补货条件，当满足补货条件时，向商家发出补货请求，在用户购买前提醒用户及时补货，解决了商家难以预料提前增加库存的问题。
在具体实施过程中，所述用户标签生成模块100包括：接收用户最近N次的商品浏览记录，将N次的商品浏览收录为浏览记录集，根据浏览记录集生成用户标签。
采用上述方案，接收用户最近N次的商品浏览记录，用户最近的浏览记录代表着用户最近的购买意向，过久的浏览记录不能代表客户最近的购买意向，仅根据最近N次的商品浏览记录生成用户标签，提高标签与用户的匹配度。
在具体实施过程中，所述商品浏览记录包括浏览时长，所述用户标签生成模块100还包括：
接收误触阈值时长；
分别比对浏览记录集中是否存在浏览时长小于误触阈值时长的商品浏览记录；
若是，将输出浏览时长小于误触阈值时长的商品浏览记录从浏览记录集中删除，
输出浏览时长小于误触阈值时长的商品浏览记录的数量为A,
再次接收用户最近N次的商品浏览记录前的A次商品浏览记录，
将接收到的A次商品浏览记录补入浏览记录集中，再次比对浏览记录集中是否存在浏览时长小于误触阈值时长的商品浏览记录；
若否，根据浏览记录集生成用户标签。
采用上述方案，当用户的浏览时长小于误触阈值时长时，将用户该次的浏览判定为误触浏览，误触浏览不是根据用户主观意愿所决定的，不能代表用户的购买意图，将误触浏览从浏览记录集中删除，提高根据浏览记录集生成的用户标签与用户的匹配度。
在具体实施过程中，所述商品浏览记录包括浏览时间点，所述用户标签生成模块100还包括：
接收浏览记录集中各商品浏览记录的浏览时间点，根据浏览时间点将浏览记录集中各商品浏览记录从早到晚排序；
计算浏览时间点相邻的商品浏览记录的间隔时长；
接收无效间隔阈值，判断是否存在大于无效间隔阈值的间隔时长；
若是，输出处于该间隔时长的两个商品浏览记录，将商品浏览记录中较早的记录及早于该次商品浏览记录的商品浏览记录从浏览记录集中删除；
若否，根据浏览记录集生成用户标签。
采用上述方案，当商品浏览记录的间隔时长过长时，用户可能已经购买了相关产品，或者已经对该商品失去兴趣，不能代表用户的购买意图，提高根据浏览记录集生成的用户标签与用户的匹配度。
在具体实施过程中，所述商家标签生成模块200包括：所述商品信息包括至少一种商品，根据商品生成商家子标签。
在具体实施过程中，所述用户子标签和商家子标签均为文字标签，判断所述商家标签中是否存在与用户子标签匹配的商家子标签包括，匹配用户子标签和商家子标签的文本信息。
采用上述方案，根据文本信息使用户子标签与商家子标签进行匹配，准确向用户推送需要的商品。
在具体实施过程中，所述补货提醒模块400包括：
根据商品的库存量和推送次数得出库存比，所述库存比的计算根据公式：
库存比＝库存量/推送次数；
接收补货阈值，判断库存比是否小于补货阈值；
若是，向商家发出补货请求。
在具体实施过程中，若否，不需向商家发出补货请求。
采用上述方案，是否向商家发出补货请求不单单根据库存量决定，而是根据库存量/推送次数，推送次数越多则说明商品被更多人感兴趣，当商家当前库存量不能满足用户潜在购买力时，提前向商家发送补货请求，避免商家补货不及时。
如图7所示，在具体实施过程中，所述用户数据分析方法还包括推送暂停模块500，所述推送暂停500模块包括：
判断商家是否同意接受所述补货请求；
若是，正常向用户推送；
若否，暂停向用户推送该补货请求对应商品。
采用上述方案，当向商家发出补货请求时，说明该商品已经需要补货，若商家不同意补货，则再向用户推送容易导致库存不能满足购买的情况，停止推送后，已经接受推送的用户已经能够消耗目前库存。
本发明第三方面提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的方法。
本发明的第四方面提供了一种存储介质，所述存储介质包括一个或多个程序，所述一个或多个程序可以被处理器执行以完成上述的方法。
应当指出，对于本领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
应当理解，本申请实施例中，从权、各个实施例、特征可以互相组合结合，都能实现解决前述技术问题。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种用户数据分析方法，其特征在于：包括以下步骤：
用户标签生成,接收用户的商品浏览记录，根据用户浏览的商品生成用户标签；
商家标签生成，统计商家商铺中的商品信息，根据商品信息生成商家标签；
用户匹配，所述用户标签包括至少一个用户子标签，所述商家标签包括至少一个商家子标签，判断所述商家标签中是否存在与用户子标签匹配的商家子标签，若是，向该匹配用户推送匹配的商品信息；
补货提醒，接收商家各类商品的库存量和推送次数，根据商品的库存量和推送次数判断该商品是否满足补货条件，若是，向商家发出补货请求。
2.根据权利要求1所述的用户数据分析方法，其特征在于：所述用户标签生成的步骤包括：接收用户最近N次的商品浏览记录，将N次的商品浏览收录为浏览记录集，根据浏览记录集生成用户标签。
3.根据权利要求2所述的用户数据分析方法，其特征在于：所述商品浏览记录包括浏览时长，所述用户标签生成的步骤还包括：
接收误触阈值时长；
分别比对浏览记录集中是否存在浏览时长小于误触阈值时长的商品浏览记录；
若是，将输出浏览时长小于误触阈值时长的商品浏览记录从浏览记录集中删除，
输出浏览时长小于误触阈值时长的商品浏览记录的数量为A,
再次接收用户最近N次的商品浏览记录前的A次商品浏览记录，
将接收到的A次商品浏览记录补入浏览记录集中，再次比对浏览记录集中是否存在浏览时长小于误触阈值时长的商品浏览记录；
若否，根据浏览记录集生成用户标签。
4.根据权利要求2或3所述的用户数据分析方法，其特征在于：所述商品浏览记录包括浏览时间点，所述用户标签生成的步骤还包括：
接收浏览记录集中各商品浏览记录的浏览时间点，根据浏览时间点将浏览记录集中各商品浏览记录从早到晚排序；
计算浏览时间点相邻的商品浏览记录的间隔时长；
接收无效间隔阈值，判断是否存在大于无效间隔阈值的间隔时长；
若是，输出处于该间隔时长的两个商品浏览记录，将商品浏览记录中较早的记录及排序早于此商品浏览记录的商品浏览记录从浏览记录集中删除；
若否，根据浏览记录集生成用户标签。
5.根据权利要求4所述的用户数据分析方法，其特征在于：所述商家标签生成的步骤包括：所述商品信息包括至少一种商品，根据商品生成商家子标签。
6.根据权利要求5所述的用户数据分析方法，其特征在于：所述用户子标签和商家子标签均为文字标签，判断所述商家标签中是否存在与用户子标签匹配的商家子标签的步骤包括，匹配用户子标签和商家子标签的文本信息。
7.根据权利要求1、5或6任一种所述的用户数据分析方法，其特征在于：所述补货提醒的步骤包括：
根据商品的库存量和推送次数得出库存比，所述库存比的计算根据公式：
库存比＝库存量/推送次数；
接收补货阈值，判断库存比是否小于补货阈值；
若是，向商家发出补货请求。
8.根据权利要求7所述的用户数据分析方法，其特征在于：所述用户数据分析方法还包括推送暂停，所述推送暂停的步骤包括：
判断商家是否同意接受所述补货请求；
若是，正常向用户推送；
若否，暂停向用户推送该补货请求对应商品。
9.一种计算机设备，其特征在于：包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述权利要求1-8任一项的方法。
10.一种存储介质，其特征在于：所述存储介质包括一个或多个程序，所述一个或多个程序可以被处理器执行以完成上述权利要求1-8任一项的方法。
CN202011116293.1A 2020-10-19 2020-10-19 一种用户数据分析方法、计算机设备及存储介质 Active CN112348430B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011116293.1A CN112348430B (zh) 2020-10-19 2020-10-19 一种用户数据分析方法、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011116293.1A CN112348430B (zh) 2020-10-19 2020-10-19 一种用户数据分析方法、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN112348430A true CN112348430A (zh) 2021-02-09
CN112348430B CN112348430B (zh) 2021-09-07

Family

ID=74362106

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011116293.1A Active CN112348430B (zh) 2020-10-19 2020-10-19 一种用户数据分析方法、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN112348430B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113129096A (zh) * 2021-03-26 2021-07-16 南京石匠网络科技有限公司 一种基于拼中概率的高效成团方法及其系统
CN113393271A (zh) * 2021-06-15 2021-09-14 湖南汽车工程职业学院 一种产品客户大数据适用匹配系统及计算机存储介质

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030200157A1 (en) * 2002-04-22 2003-10-23 Krajec Russell S. Point of sale selection system
US20110125576A1 (en) * 2009-11-21 2011-05-26 Veruta, Inc. Serving dynamic advertisments based on user interest of a product
CN106682240A (zh) * 2017-02-07 2017-05-17 百度在线网络技术（北京）有限公司 用于推送信息的方法、装置、电子设备和存储介质
CN107360222A (zh) * 2017-06-30 2017-11-17 广东欧珀移动通信有限公司 商品信息推送方法、装置、存储介质以及服务器
CN108205768A (zh) * 2016-12-20 2018-06-26 百度在线网络技术（北京）有限公司 数据库建立方法和数据推荐方法及装置、设备和存储介质
CN109359244A (zh) * 2018-10-30 2019-02-19 中国科学院计算技术研究所 一种个性化信息推荐方法和装置
CN109410009A (zh) * 2018-10-31 2019-03-01 徐凤林 一种预测移动终端用户的购买意向的方法和装置
CN109472652A (zh) * 2018-12-28 2019-03-15 出门问问信息科技有限公司 智慧门店的管理方法、装置、电子设备及计算机存储介质
CN109636500A (zh) * 2018-10-30 2019-04-16 深圳市赛亿科技开发有限公司 一种商品推送方法及系统
CN110570251A (zh) * 2019-09-11 2019-12-13 瞿秋昱 一种基于大数据的用户购买意愿预测系统及其方法
CN110782266A (zh) * 2018-07-31 2020-02-11 阿里巴巴集团控股有限公司 商品销量预测及模型训练方法、装置以及设备
CN111695960A (zh) * 2019-03-12 2020-09-22 阿里巴巴集团控股有限公司 一种对象推荐系统、方法、电子设备及存储介质
CN111737338A (zh) * 2020-05-07 2020-10-02 广东电网有限责任公司信息中心 一种基于大数据画像闭环营销数据分析方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030200157A1 (en) * 2002-04-22 2003-10-23 Krajec Russell S. Point of sale selection system
US20110125576A1 (en) * 2009-11-21 2011-05-26 Veruta, Inc. Serving dynamic advertisments based on user interest of a product
CN108205768A (zh) * 2016-12-20 2018-06-26 百度在线网络技术（北京）有限公司 数据库建立方法和数据推荐方法及装置、设备和存储介质
CN106682240A (zh) * 2017-02-07 2017-05-17 百度在线网络技术（北京）有限公司 用于推送信息的方法、装置、电子设备和存储介质
CN107360222A (zh) * 2017-06-30 2017-11-17 广东欧珀移动通信有限公司 商品信息推送方法、装置、存储介质以及服务器
CN110782266A (zh) * 2018-07-31 2020-02-11 阿里巴巴集团控股有限公司 商品销量预测及模型训练方法、装置以及设备
CN109636500A (zh) * 2018-10-30 2019-04-16 深圳市赛亿科技开发有限公司 一种商品推送方法及系统
CN109359244A (zh) * 2018-10-30 2019-02-19 中国科学院计算技术研究所 一种个性化信息推荐方法和装置
CN109410009A (zh) * 2018-10-31 2019-03-01 徐凤林 一种预测移动终端用户的购买意向的方法和装置
CN109472652A (zh) * 2018-12-28 2019-03-15 出门问问信息科技有限公司 智慧门店的管理方法、装置、电子设备及计算机存储介质
CN111695960A (zh) * 2019-03-12 2020-09-22 阿里巴巴集团控股有限公司 一种对象推荐系统、方法、电子设备及存储介质
CN110570251A (zh) * 2019-09-11 2019-12-13 瞿秋昱 一种基于大数据的用户购买意愿预测系统及其方法
CN111737338A (zh) * 2020-05-07 2020-10-02 广东电网有限责任公司信息中心 一种基于大数据画像闭环营销数据分析方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113129096A (zh) * 2021-03-26 2021-07-16 南京石匠网络科技有限公司 一种基于拼中概率的高效成团方法及其系统
CN113393271A (zh) * 2021-06-15 2021-09-14 湖南汽车工程职业学院 一种产品客户大数据适用匹配系统及计算机存储介质
CN113393271B (zh) * 2021-06-15 2022-09-23 湖南汽车工程职业学院 一种产品客户大数据适用匹配系统及计算机存储介质

Also Published As

Publication number Publication date
CN112348430B (zh) 2021-09-07

Similar Documents

Publication Publication Date Title
JP4360759B2 (ja) 相関分析を用いて広告の販売効果を調査する方法およびシステム
US6035288A (en) Interactive computer-implemented system and method for negotiating sale of goods and/or services
JP2005521973A (ja) 顧客購入履歴データを利用した製品リコール
US20030187708A1 (en) Simulation and optimization system for retail store performance
CN112348430B (zh) 一种用户数据分析方法、计算机设备及存储介质
WO2007002750A2 (en) Price determination for items of low demand
JP2000285175A (ja) 顧客のトランザクション及びインタラクションを分析するシステム及び方法
CN109993516A (zh) 商品的信息处理方法、装置及系统
CN110347924A (zh) 果蔬商城管理系统及果蔬信息推送方法
CN113781186B (zh) 一种基于大数据的商品营销管控方法、系统
CN104364812A (zh) 利用离线交易信息的电子商务中介系统和方法
CN108470301A (zh) 一种商品网络交易方法
CN111429214A (zh) 一种基于交易数据的买卖双方匹配方法及装置
KR20160095362A (ko) 구매 알림 푸시용 프로그램 및 이를 구현하는 플랫폼 서버
KR100891930B1 (ko) 상품 평가 데이터를 사용하여 인기 상품을 제공하는 방법,시스템 및 컴퓨터 판독 가능한 기록 매체
CN113228084A (zh) 销售员评价系统、销售员评价装置、销售员评价方法以及销售员评价用程序
US20030229546A1 (en) Point management apparatus, point management system, point management method, and point management program
JP6143930B1 (ja) マーケティング支援方法、プログラム、コンピュータ記憶媒体及びマーケティング支援システム
CN116132749B (zh) 一种和直播带货结合的广告营销方法
Cumby et al. Building intelligent shopping assistants using individual consumer models
CN103038791A (zh) 代销管理装置、代销管理方法、代销管理程序、及存储该程序的计算机可读取的记录介质
CN115239413A (zh) 一种商品推荐方法、装置、设备及存储介质
CN105122291A (zh) 卖家主控面板和保留价降低
CN111353861A (zh) 一种旅游商品结算处理方法、装置及存储介质
CN112967111A (zh) 门店线上销售系统

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