CN112396504A - 一种电商订单拦截方法、装置和电子设备 - Google Patents
一种电商订单拦截方法、装置和电子设备 Download PDFInfo
- Publication number
- CN112396504A CN112396504A CN202110078641.9A CN202110078641A CN112396504A CN 112396504 A CN112396504 A CN 112396504A CN 202110078641 A CN202110078641 A CN 202110078641A CN 112396504 A CN112396504 A CN 112396504A
- Authority
- CN
- China
- Prior art keywords
- risk
- order
- order information
- evaluation result
- risk evaluation
- 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
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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
- G06Q30/0637—Approvals
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明适用于商业数据处理技术领域,提供了一种电商订单拦截方法、装置和电子设备。其中,所述方法包括:接收用户发起的订单信息;根据第一风险规则识别所述订单信息的用户的历史购物数据,得到第一风险评价结果;根据第二风险规则识别与所述订单信息相关的产品咨询记录,得到第二风险评价结果;根据所述第一风险评价结果和第二风险评价结果控制对所述订单信息的拦截任务。本发明利用生成的多个风险规则对用户的订单信息进行识别,并根据识别结果进行有效的拦截,从而实现了对店铺经营过程中风险订单的有效处理。
Description
技术领域
本发明属于商业数据处理技术领域,尤其涉及电商订单拦截方法、装置和电子设备。
背景技术
在物流网络已经非常发达当下,越来越多的选择在网上进行购物。同时为了保护用户在网上购物的权益,许多购物网站都会为用户提供取消订单和退款的服务,但是在实际营运中发现,在一些时候存在一些用户恶意下单,或大量下单和大量退单的情况,从而造成大量的退款退单的收货问题,这不仅增加了店铺的售后维护成本,同时对店铺的信用数据造成影响。因此,是否有针对电商订单中的恶意订单或可能存在风险的订单信息有效拦截的方案,是当前电商运营迫切希望得到解决的一个问题。
发明内容
有鉴于此,本发明实施例提供了一种电商订单拦截方法、装置和电子设备,以解决现有技术中如何对风险订单进行有效甄别和拦截的问题。
本发明实施例的第一方面,提供了一种电商订单拦截方法,其包括:接收用户发起的订单信息;根据第一风险规则识别所述订单信息的用户的历史购物数据,得到第一风险评价结果;根据第二风险规则识别与所述订单信息相关的产品咨询记录,得到第二风险评价结果;根据所述第一风险评价结果和第二风险评价结果控制对所述订单信息的拦截任务。
在一些可选实施方案中,根据第一风险规则识别所述订单信息的用户的历史购物数据,得到第一风险评价结果,包括:利用回归算法模型对所有用户的历史购物数据建立第一风险规则,其中,所述历史购物数据至少包括商品类型、商品退换货信息和商品评价信息;根据所述第一风险规则识别所述订单信息,得到第一风险评价结果。
在一些可选实施方案中,所述根据第二风险规则识别与所述订单信息相关的产品咨询记录,得到第二风险评价结果,包括:提取所述订单信息的用户在设定时间周期内的产品咨询记录中的产品关键词;根据第二风险规则对提取出的所有产品关键词进行识别,确定各个产品关键词与订单信息中产品信息的符合程度,其中,所述符合程度包括符合和不符合;通过统计所述符合程度中符合与不符合的比例,确定所述订单信息的第二风险评价结果。
在一些可选实施方案中,根据所述第一风险评价结果和第二风险评价结果控制对所述订单信息的拦截任务,包括:当所述第一风险评价结果或/和第二风险评价结果为有风险时,则调用拦截接口对所述订单信息进行拦截;当所述第一风险评价结果和第二风险评价结果为无风险时,则允许所述订单信息生成规定单。
在一些可选实施方案中,根据所述第一风险评价结果和第二风险评价结果控制对所述订单信息的拦截任务,包括:当所述第一风险评价结果为有风险时,则调用拦截接口对所述订单信息进行拦截;当所述第一风险评价结果和第二风险评价结果为无风险时,则允许所述订单信息生成规定单;当所述第二风险评价结果为有风险时,则发送所述订单信息至人工客服的咨询队列,等待人工审核处理。
在一些可选实施方案中,发送所述订单信息至人工客服的咨询队列,等待人工审核处理,之后包括:获取人工客服的审核结果,所述审核结果包括解除风险和确定风险;当审核结果为解除风险时,根据所述订单信息直接生成订单;当审核结果为确定风险时,提示用户订单生成失败。
在一些可选实施方案中,允许所述订单信息生成规定单,具体包括:通过预先建立的关系数据模型获取所述订单信息的用户的关系对比度;判断所述关系对比度是否符合拦截规则:若是,则调用拦截接口对所述订单信息进行拦截;若否,则生成订单。
在一些可选实施方案中,允许所述订单信息生成规定单,具体包括:识别用户的IP地址;检查所述IP地址的位置信息是否属于预设的限制区域;若是,则取消所述订单信息;若否,则对所述订单信息生成订单。
本发明实施例的第二方面,提供了一种电商订单拦截装置,其包括:订单信息接收模块,被配置为接收用户发起的订单信息;第一风险评价模块,被配置为根据第一风险规则识别所述订单信息的用户的历史购物数据,得到第一风险评价结果;第二风险评价模块,被配置为根据第二风险规则识别与所述订单信息相关的产品咨询记录,得到第二风险评价结果;订单拦截控制模块,被配置为根据所述第一风险评价结果和第二风险评价结果控制对所述订单信息的拦截任务。
本发明实施例的第三方面提供了一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面中任一所述方法的步骤。
本发明的有益效果是:本发明利用生成的多个风险规则对用户的订单信息进行识别,并根据识别结果进行有效的拦截,从而实现了对店铺经营过程中风险订单的有效处理。
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它的附图。
图1为可以应用本发明的一个应用环境;
图2为本发明电商订单拦截方法在一实施例中的流程图;
图3为本发明电商订单拦截装置在一实施例中的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
请参考图1,为可以应用本发明的一个应用环境。
本发明提供的电商订单拦截方法可应用在图1所示应用环境中。如图1所示,在应用环境中,客户端01通过网络与服务端02进行通信。服务端02接收客户端发送的订单信息,对违规风险规则的订单信息进行拦截或者发送至客户端由人工进行审核。其中,客户端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务端02可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
请参考图2,为本发明电商订单拦截方法在一实施例中的流程图。
该电商订单拦截方法可以应用于图1中的服务端02中,由服务端02来执行该电商订单拦截方法所包含的步骤。如图1所示,该电商订单拦截方法可以包括步骤S01-S04。
S01:接收用户发起的订单信息。
所示订单信息包括用户完成支付之后生成的订单信息,例如,包括用户信息、订购商品信息、订购商品数量、以及收货信息和付款方式等信息;或者,所示订单信息也可以包括用户在未完成支付之前生成的订单信息,例如,包括用户信息、订购商品信息、订购商品数量、以及收货信息等。
S02:根据第一风险规则识别所述订单信息的用户的历史购物数据,得到第一风险评价结果。
其中,在用户的历史购物数据中,一般包括但不限于用户ID、订单编号、订单日期、收货信息、商品名称、商品类型、商品数量、商品退换货信息和商品评价信息等。而在提交的订单信息中,则一般不包括商品退换货信息和商品评价信息。
示例性的,上述步骤S02,可以具体包括步骤:
S21,利用回归算法模型对所有用户的历史购物数据建立第一风险规则,其中,所述历史购物数据至少包括商品类型、商品退换货信息和商品评价信息;
S22,根据所述第一风险规则识别所述订单信息,得到第一风险评价结果。
其中,上述第一风险规则是利用购物平台上所有用户的历史购物记录来训练建立的模型。示例性的,所述第一风险规则的生成可以是利用现有机器学习算法来建立的一个数据评分模型或分类模型。
例如,可以利用深度学习算法RNN来实现对用户的历史交易数据进行学习。具体的,可以把对每个用户ID的风险评分当作一个文本分类的任务,将每一个用户看作文档,将一次交易看作一个单词。在该算法模型中,用户在店铺的交易记录可以被映射成一个低维空间向量再接入循环编码层。其中,算法中的损失函数可以采用交叉熵损失函数(英文简称:Cross-Entropy Loss)等损失函数来实现。
再例如,还可以利用回归算法模型来对用户的历史交易数据进行学习,来建立用于订单信息风险评价的模型。其中,所述历史购物数据包括但不限于商品类型、商品退换货信息、商品评价信息等信息,然后建立“商品类型-商品退换货信息-商品评价信息-风险标签”的目标数据,并利用所述目标数据进行回归模型训练,得到可以用于订单信息进行风险评价的模型。
综上,在建立完成所述第二风险规则对应的模型之后,便可以利用该第二风险规则对该订单信息中的购物数据,包括但不限于商品类型、商品退换货信息和商品评价信息,进行识别得到第一风险评价结果。其中,所述第一风险评价结果可以包括无风险和有风险。
应当理解,以上第一风险规则的建立方法都可以参考现有技术中的算法模型或者算法案例来实现,例如可以参考现有的信用评分方法等,对于本领域技术人员而言,基于以上技术描述是可以清楚且完整的实现步骤S02,因此这里不再赘述。
S03:根据第二风险规则识别与所述订单信息相关的产品咨询记录,得到第二风险评价结果。
所述订单咨询记录,包括用户与客服针对订单信息中商品信息相关的聊天记录,即产品咨询记录。其中,根据用户的聊天记录,可以对用户的聊天信息进行分析,分析其中是否包含预设的敏感关键词,例如,利于本文识别技术,来对记录进行分析,确定其中是否包含预设关键词。此外,利用用户的聊天记录和备注信息可以确定商品是否符合用户的条件。例如,在聊天记录中用户咨询了商品的功率或者其他参数等,此时可以对该参数作为预设关键词进行识别,然后将识别出来的参数值与商品本身进行比较,以此来进行风险评价。
示例性的,上述步骤S03可以具体包括步骤:
S31,提取所述订单信息的用户在设定时间周期内的订单咨询记录中的产品关键词;
S32,根据第二风险规则对提取出的所有产品关键词进行识别,确定各个产品关键词与订单信息中产品信息的符合程度;
S33,根据所述符合程度确定所述订单信息的第二风险评价结果。
其中,所述订单咨询记录可以具体是用户发送产品信息至发送订单信息时间段内的聊天记录,或者还可以包括订单中的备注信息。
具体的,所述第二风险规则可以是结合文本识别技术和决策树模型来实现的评价模型。例如,对产品的参数信息或者与产品相关的信息进行提取和归类,比如,产品颜色-白-黑;产品大小-S码-M码-L码;产品材质-塑料;产品功率-180W-120W等,将这些提取的产品信息设置为树节点,并在该树节点设置判断概率。这样每个树节点都可以得到符合和不符合的两种结果,从而完成对产品所有产品信息的符合程度判断。应理解,用于建立决策树模型的数据并仅限于上述示例,还可以包括产品其他发送时间要求和快递类型要求等敏感信息的识别,其原理与上述产品信息的建立方法相同,故不再赘述。
之后,通过文本识别技术提取产品咨询记录中与产品相关的产品关键词,然后将这些产品关键词输入决策树模型中,依次进行识别,例如,用户的聊天记录存在记录“产品颜色有白色吗”时,那么可以提取“产品颜色-白色”为产品关键词,然后在树节点中判断是否有与该产品关键词与该产品的信息是否符合,如果用户咨询的产品信息包括该产品关键词,则决策后输出该产品关键词符合的决策,相反,则输出不符合的决策。
由此可见,利用所述第二风险规则可以识别出每个产品关键词的风险评价结果,即包括符合或不符合。这样当所有的产品关键词都识别完成后,综合所有产品关键词的风险评价结果,再统计其中符合与不符合的比例,从而得到最终的风险评价结果,即第二风险评价结果。
其中,根据上述统计后的比例,可以防止用户在聊天记录中包含的产品关键词较少的情况,依旧可以评价出是否符合用户的要求。一般的,可以预设设置一个或多个阈值,当所述比例满足该阈值时,则第二风险评价结果则为无风险;相反,则认为有风险。也就是说,第二风险评价结果也可以包括有风险和无风险两种结果。
在一个示例场景中,当用户在咨询中发现商品信息不满足要求,即用户聊天记录中的产品关键词与产品信息的符合程度较低,但之后其仍旧选择了下单,那么此时则该订单信息被用户退款或退货的风险是比较高的。本示例是在根据订单咨询记录确定用户风险等级高/低的基础上,进一步对商品不符合用户咨询条件的情况下,用户仍旧选择下单的情况的进一步甄别。
示例性的,结合以上示例来说,当识别商品的参数不符合用户的咨询条件时,还可以包括:获取用户订单信息中的备注信息,识别用户是否有预设的清楚告知的承诺或其他预设格式的本文信息,若有,则认定所述用户的订单信息的风险低;若否,则认定所述用户的订单信息的风险高。
S04:根据所述第一风险评价结果和第二风险评价结果控制对所述订单信息的拦截任务。
由上可知,根据第一风险规则可以得到第一风险评价结果,利用第二风险规则可以识别得到第二风险评价结果。结合上述示例来说,当第一风险评价结果和第二风险评价结果都包含两种结果时,即有风险和无风险。
那么,上述步骤S04,根据所述第一风险评价结果和第二风险评价结果控制对所述订单信息的拦截任务,可以具体包括:
S411,当所述第一风险评价结果或/和第二风险评价结果为有风险时,则调用拦截接口对所述订单信息进行拦截;
S412,当所述第一风险评价结果和第二风险评价结果为无风险时,则允许所述订单信息生成规定单。
其中,所述拦截接口是现有的拦截应用的接口,例如API接口,在识别到订单信息为风险订单或存在风险时,只需要调用拦截接口对订单进行拦截即可。
另外,由于第一风险规则是针对普遍用户生成的规则,可以用于规避恶意的情况,而第二风险规则则是针对订单信息用户的,其风险评价结果相对于第一风险评价结果是要弱一些的,因此在生成拦截任务时,除了以上示例外,还可以结合其他手段来进行一步甄别,以提高订单的生成质量。
示例性的,上述步骤S04,还可以包括步骤:
S421,当所述第一风险评价结果为有风险时,则调用拦截接口对所述订单信息进行拦截;
S422,当所述第一风险评价结果和第二风险评价结果为无风险时,则允许所述订单信息生成规定单;
S423,当所述第二风险评价结果为有风险时,则发送所述订单信息至人工客服的咨询队列,等待人工审核处理。
其中,第二评价结果是建立在用户的订单信息存在与产品信息相关的产品咨询记录的基础上,实际中,也存在用户不进行产品咨询记录的情况,例如,用户直接下单,不进行咨询,但这并不代表用户存在风险。
因此,在一个示例中,步骤S423,之后还可以包括:
步骤S4231:获取人工客服的审核结果,所述审核结果包括解除风险和确定风险;
步骤S4232:当审核结果为解除风险时,根据所述订单信息直接生成订单;
步骤S4233:当审核结果为确定风险时,提示用户订单生成失败。
具体的,在人工客服对被拦截的订单信息进行处理之后,可以向系统返回一个处理结果,例如,对风险信息进行核实或重新评估之后,排除了风险。或者,经过处理认为风险无法排除,确定该订单信息的风险。
此外,步骤S4233中,当提示用户订单生成失败之后,检查到用户重新下单,此时还可以包括步骤:
S61:检测用户是否修改订单信息;
S62:当检测到用户修改订单信息时,根据用户修改后的订单信息生成订单,或者返回步骤S03重新对订单信息进行评价;
S63:当检测到用户没有修改订单信息,取消所述订单信息。
其中,由于第二风险评价结果存在风险时,其风险理由一般是可克服的,因此,可以通过用户对订单信息进行修改一克服该风险,从而当用户进行修改后,可以直接生成订单。
此外,在实际中考虑到一些特殊情况下,不允许向外界传播商品的信息,防止内部员工利用工作之便来抢购商品信息。为此,在一些情况下,上述示例中,允许所述订单信息生成规定单,还可以具体包括步骤:
S511,通过预先建立的关系数据模型来获取所述订单信息的对象信息的关系对比度;
S512,判断所述关系对比度是否符合拦截规则:若是,则调用拦截接口对所述订单信息进行拦截;若否,则对所述订单信息生成订单。
本示例对基于第一风险规则和第二风险规则认定订单信息没有风险的基础上,增加了对订单用户关系进行风险排查,在一些商品销售中,存在一些同行恶意调货或恶意下单的情况,而这些人一般都与店铺的内部员工存在一定的关联关系,或与店铺所在公司存在一定关系,为此利用关系数据模块可以预先建立用户与店铺的关系网络,然后利用关系数据模型来识别用户的关系对比度,以此来甄别用户的订单是否正常,是否需要对其进行拦截。从而防止员工与用户之间存在特殊关系,影响商品购买公平的情况。
在一些情况下,有些地区物流无法送达,例如,在一些自然灾难,或者客观因素等,无法向该地区进行物流派送,因此需要避免该地区的用户下单,造成频繁退单和退款的情况。本示例通过获取订单信息中的收货地址是否符合预设的规则,其中,该规则即是否包含禁止下单的地址信息,以此来对单行信息进行有效拦截,避免不必要的退货和退款。
进一步的,在一些情况下,上述示例中,允许所述订单信息生成规定单,还可以具体包括步骤:
S521,识别用户的IP地址;
S522,检查所述IP地址的位置信息是否属于预设的限制区域:若是,则取消所述订单信息;若否,则对所述订单信息生成订单。
其中,根据用户的IP地址,可以确定用户所在的行政区域。例如,可以确定用户是在杭州、北京等之类的用户,或在省市下的区县位置,由此来与订单信息中的地址信息是否属于预先设置的限制区域,防止订单因为特殊限制而反复生成和取消的情况。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在同一发明构思下,本发明还提供了与上述电商订单拦截方法中一一对应的电商订单拦截装置,在该电商订单拦截装置中包含与各电商订单拦截方法中各步骤相对应的功能模块或单元,该模块或单元的功能即用于实现对应的步骤。
见图3,为本发明电商订单拦截装置在一实施例中的结构示意图。
如图3所示,所述电商订单拦截装置300,其包括:订单信息接收模块310,被配置为接收用户发起的订单信息;第一风险评价模块320,被配置为根据第一风险规则识别所述订单信息的用户的历史购物数据,得到第一风险评价结果;第二风险评价模块330,被配置为根据第二风险规则识别与所述订单信息相关的产品咨询记录,得到第二风险评价结果;订单拦截控制模块340,被配置为根据所述第一风险评价结果和第二风险评价结果控制对所述订单信息的拦截任务。
在一个实施例中,本发明还提供了一种电子设备,上述电子设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如图2所示方法的步骤。
在本发明所提供的实施例中,应该理解到,所揭露的装置/电子设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/电子设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,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。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元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,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以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;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (9)
1.一种电商订单拦截方法,其特征在于,包括:
接收用户发起的订单信息;
根据回归算法模型对所有用户的历史购物数据建立的第一风险规则,识别所述订单信息的用户的历史购物数据,得到第一风险评价结果;
提取所述订单信息的用户在设定时间周期内的产品咨询记录中的产品关键词;
根据第二风险规则对提取出的所有产品关键词进行识别,确定各个产品关键词与订单信息中产品信息的符合程度,其中,所述符合程度包括符合和不符合;
通过统计所述符合程度中符合与不符合的比例,确定所述订单信息的第二风险评价结果;
根据所述第一风险评价结果和第二风险评价结果控制对所述订单信息的拦截任务。
2.根据权利要求1所述的电商订单拦截方法,其特征在于,所述历史购物数据至少包括商品类型、商品退换货信息和商品评价信息。
3.根据权利要求1所述的电商订单拦截方法,其特征在于,根据所述第一风险评价结果和第二风险评价结果控制对所述订单信息的拦截任务,包括:
当所述第一风险评价结果或/和第二风险评价结果为有风险时,则调用拦截接口对所述订单信息进行拦截;
当所述第一风险评价结果和第二风险评价结果为无风险时,则允许所述订单信息生成规定单。
4.根据权利要求1所述的电商订单拦截方法,其特征在于,根据所述第一风险评价结果和第二风险评价结果控制对所述订单信息的拦截任务,包括:
当所述第一风险评价结果为有风险时,则调用拦截接口对所述订单信息进行拦截;
当所述第一风险评价结果和第二风险评价结果为无风险时,则允许所述订单信息生成规定单;
当所述第二风险评价结果为有风险时,则发送所述订单信息至人工客服的咨询队列,等待人工审核处理。
5.根据权利要求4所述的电商订单拦截方法,其特征在于,发送所述订单信息至人工客服的咨询队列,等待人工审核处理,之后包括:
获取人工客服的审核结果,所述审核结果包括解除风险和确定风险;
当审核结果为解除风险时,根据所述订单信息直接生成订单;
当审核结果为确定风险时,提示用户订单生成失败。
6.根据权利要求3-5任一项所述的电商订单拦截方法,其特征在于,允许所述订单信息生成规定单,具体包括:
通过预先建立的关系数据模型获取所述订单信息的用户的关系对比度;
判断所述关系对比度是否符合拦截规则:若是,则调用拦截接口对所述订单信息进行拦截;若否,则生成订单。
7.根据权利要求3-5任一项所述的电商订单拦截方法,其特征在于,允许所述订单信息生成规定单,具体包括:
识别用户的IP地址;
检查所述IP地址的位置信息是否属于预设的限制区域;
若是,则取消所述订单信息;
若否,则对所述订单信息生成订单。
8.一种电商订单拦截装置,其特征在于,包括:
订单信息接收模块,被配置为接收用户发起的订单信息;
第一风险评价模块,被配置为根据回归算法模型对所有用户的历史购物数据建立的第一风险规则,识别所述订单信息的用户的历史购物数据,得到第一风险评价结果;
第二风险评价模块,被配置为提取所述订单信息的用户在设定时间周期内的产品咨询记录中的产品关键词;根据第二风险规则对提取出的所有产品关键词进行识别,确定各个产品关键词与订单信息中产品信息的符合程度,其中,所述符合程度包括符合和不符合;通过统计所述符合程度中符合与不符合的比例,确定所述订单信息的第二风险评价结果;
订单拦截控制模块,被配置为根据所述第一风险评价结果和第二风险评价结果控制对所述订单信息的拦截任务。
9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述电商订单拦截方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110078641.9A CN112396504A (zh) | 2021-01-21 | 2021-01-21 | 一种电商订单拦截方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110078641.9A CN112396504A (zh) | 2021-01-21 | 2021-01-21 | 一种电商订单拦截方法、装置和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112396504A true CN112396504A (zh) | 2021-02-23 |
Family
ID=74625597
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110078641.9A Pending CN112396504A (zh) | 2021-01-21 | 2021-01-21 | 一种电商订单拦截方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112396504A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113506155A (zh) * | 2021-07-27 | 2021-10-15 | 北京京东振世信息技术有限公司 | 订单处理方法及装置、存储介质、电子设备 |
CN114881711A (zh) * | 2022-07-11 | 2022-08-09 | 荣耀终端有限公司 | 基于请求行为进行异常分析的方法及电子设备 |
CN115953021A (zh) * | 2022-12-06 | 2023-04-11 | 国网浙江浙电招标咨询有限公司 | 一种基于机器学习的供应商风险分析方法及装置 |
CN117745066A (zh) * | 2023-12-19 | 2024-03-22 | 广州白驹科技有限公司 | 一种号卡订单的异常规避方法、装置、设备及存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107123031A (zh) * | 2017-05-02 | 2017-09-01 | 深圳乐信软件技术有限公司 | 一种订单处理方法及装置 |
CN108564423A (zh) * | 2017-12-28 | 2018-09-21 | 携程旅游网络技术(上海)有限公司 | 票务订单的恶意占位识别方法、系统、设备和存储介质 |
CN108733730A (zh) * | 2017-04-25 | 2018-11-02 | 北京京东尚科信息技术有限公司 | 垃圾消息拦截方法和装置 |
CN108876105A (zh) * | 2018-05-10 | 2018-11-23 | 易联支付有限公司 | 一种交易风险控制方法及装置 |
CN109446276A (zh) * | 2018-09-19 | 2019-03-08 | 平安科技(深圳)有限公司 | 基于关系数据模型的订单拦截方法、装置、设备及介质 |
CN109447469A (zh) * | 2018-10-30 | 2019-03-08 | 阿里巴巴集团控股有限公司 | 一种文本检测方法、装置及设备 |
CN109741065A (zh) * | 2019-01-28 | 2019-05-10 | 广州虎牙信息科技有限公司 | 一种支付风险识别方法、装置、设备及存储介质 |
CN110335115A (zh) * | 2019-07-01 | 2019-10-15 | 阿里巴巴集团控股有限公司 | 一种业务订单处理方法及装置 |
CN110348528A (zh) * | 2019-07-16 | 2019-10-18 | 成都威嘉软件有限公司 | 基于多维数据挖掘的用户信用确定方法 |
US20190340662A1 (en) * | 2014-09-30 | 2019-11-07 | Ingram Micro S.R.L. (Società A Socio Unico) | Method for improved management of a purchase order by internet |
CN110738506A (zh) * | 2019-10-22 | 2020-01-31 | 杭州蓝诗网络科技有限公司 | 购物平台恶意差评拦截系统 |
CN111953577A (zh) * | 2019-05-16 | 2020-11-17 | 武汉Tcl集团工业研究院有限公司 | 一种防止消息错发的方法、系统及可读存储介质 |
-
2021
- 2021-01-21 CN CN202110078641.9A patent/CN112396504A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190340662A1 (en) * | 2014-09-30 | 2019-11-07 | Ingram Micro S.R.L. (Società A Socio Unico) | Method for improved management of a purchase order by internet |
CN108733730A (zh) * | 2017-04-25 | 2018-11-02 | 北京京东尚科信息技术有限公司 | 垃圾消息拦截方法和装置 |
CN107123031A (zh) * | 2017-05-02 | 2017-09-01 | 深圳乐信软件技术有限公司 | 一种订单处理方法及装置 |
CN108564423A (zh) * | 2017-12-28 | 2018-09-21 | 携程旅游网络技术(上海)有限公司 | 票务订单的恶意占位识别方法、系统、设备和存储介质 |
CN108876105A (zh) * | 2018-05-10 | 2018-11-23 | 易联支付有限公司 | 一种交易风险控制方法及装置 |
CN109446276A (zh) * | 2018-09-19 | 2019-03-08 | 平安科技(深圳)有限公司 | 基于关系数据模型的订单拦截方法、装置、设备及介质 |
CN109447469A (zh) * | 2018-10-30 | 2019-03-08 | 阿里巴巴集团控股有限公司 | 一种文本检测方法、装置及设备 |
CN109741065A (zh) * | 2019-01-28 | 2019-05-10 | 广州虎牙信息科技有限公司 | 一种支付风险识别方法、装置、设备及存储介质 |
CN111953577A (zh) * | 2019-05-16 | 2020-11-17 | 武汉Tcl集团工业研究院有限公司 | 一种防止消息错发的方法、系统及可读存储介质 |
CN110335115A (zh) * | 2019-07-01 | 2019-10-15 | 阿里巴巴集团控股有限公司 | 一种业务订单处理方法及装置 |
CN110348528A (zh) * | 2019-07-16 | 2019-10-18 | 成都威嘉软件有限公司 | 基于多维数据挖掘的用户信用确定方法 |
CN110738506A (zh) * | 2019-10-22 | 2020-01-31 | 杭州蓝诗网络科技有限公司 | 购物平台恶意差评拦截系统 |
Non-Patent Citations (2)
Title |
---|
徐涵: "《大数据、人工智能和网络舆情治理》", 31 October 2018 * |
文必龙,杨永: "《普通高等院校数据科学与大数据技术专业"十三五"规划教材 Python语言程序设计基础》", 31 May 2019 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113506155A (zh) * | 2021-07-27 | 2021-10-15 | 北京京东振世信息技术有限公司 | 订单处理方法及装置、存储介质、电子设备 |
CN114881711A (zh) * | 2022-07-11 | 2022-08-09 | 荣耀终端有限公司 | 基于请求行为进行异常分析的方法及电子设备 |
CN114881711B (zh) * | 2022-07-11 | 2023-06-30 | 荣耀终端有限公司 | 基于请求行为进行异常分析的方法及电子设备 |
CN115953021A (zh) * | 2022-12-06 | 2023-04-11 | 国网浙江浙电招标咨询有限公司 | 一种基于机器学习的供应商风险分析方法及装置 |
CN115953021B (zh) * | 2022-12-06 | 2023-08-04 | 国网浙江浙电招标咨询有限公司 | 一种基于机器学习的供应商风险分析方法及装置 |
CN117745066A (zh) * | 2023-12-19 | 2024-03-22 | 广州白驹科技有限公司 | 一种号卡订单的异常规避方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10867304B2 (en) | Account type detection for fraud risk | |
CN112396504A (zh) | 一种电商订单拦截方法、装置和电子设备 | |
CN110402570B (zh) | 信息处理方法和系统、服务器、终端、计算机存储介质 | |
JP2000513127A (ja) | インテリジェント・エージェントとクライアント・コンピュータ・プロセスとの間で偽装メッセージを使用して通信するための装置および方法 | |
TW201828212A (zh) | 調整風險參數的方法、風險識別方法及裝置 | |
CN112348659B (zh) | 用户识别策略的分配方法、装置及电子设备 | |
CN112200382A (zh) | 一种风险预测模型的训练方法和装置 | |
TW202105303A (zh) | 違規推定系統、違規推定方法及程式產品 | |
US20240273768A1 (en) | System, Method, and Apparatus for Generating Tokenized Images | |
US20200265440A1 (en) | Transaction validation for plural account owners | |
CN114186275A (zh) | 隐私保护方法、装置、计算机设备及存储介质 | |
CN114116802A (zh) | Flink计算框架的数据处理方法、装置、设备和存储介质 | |
WO2022257731A1 (zh) | 针对隐私计算进行算法协商的方法、装置及系统 | |
KR102295053B1 (ko) | 중고 휴대폰 거래 시스템 | |
CN105516225A (zh) | 操作对象的方法、装置和系统 | |
CN108737138A (zh) | 服务提供方法及服务平台 | |
CN114091815A (zh) | 资源请求处理方法、装置、系统及电子设备 | |
US20220101328A1 (en) | Systems, methods, and devices for assigning a transaction risk score | |
CN115983907A (zh) | 一种数据推荐方法、装置、电子设备及计算机可读介质 | |
CN113610536B (zh) | 交易拒绝用户的用户策略分配方法、装置及电子设备 | |
KR102274935B1 (ko) | 웹로그 분석을 통한 거래추천을 제공하는 선용품 오픈마켓 시스템 | |
KR100461990B1 (ko) | 개인정보 보호가 가능한 맞춤형 정보 서비스 방법 | |
CA2855168C (en) | Fraud management system and method | |
JP7349547B1 (ja) | 有価証券の取引を取り扱う証券会社のためのコンピュータシステムおよびプログラム | |
US20230145924A1 (en) | System and method for detecting a fraudulent activity on a digital platform |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210223 |
|
RJ01 | Rejection of invention patent application after publication |