CN112419013A - 大数据综合运营管理系统及方法 - Google Patents
大数据综合运营管理系统及方法 Download PDFInfo
- Publication number
- CN112419013A CN112419013A CN202011633076.XA CN202011633076A CN112419013A CN 112419013 A CN112419013 A CN 112419013A CN 202011633076 A CN202011633076 A CN 202011633076A CN 112419013 A CN112419013 A CN 112419013A
- Authority
- CN
- China
- Prior art keywords
- information
- feature
- user
- module
- purchase
- 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.)
- Withdrawn
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]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
Abstract
本申请实施例公开了一种大数据综合运营管理系统及方法,该方法包括:收集用户的注册信息和用户在门店的购买信息,购买信息为通过购买的商品的条形码所获得的;基于分类模型分析购买信息确定推送信息,分类模型为根据多个样本数据训练得到的,推送信息为与购买信息的相似度大于第一阈值的信息,推送信息包括一个或多个商品;根据用户的注册信息将推送信息向用户发送。采用本申请,能够根据用户的购买信息向用户推送感兴趣的商品,可以在一定程度上激发用户的购买欲望,提高门店销售。
Description
技术领域
本申请涉及数据处理领域,尤其涉及一种大数据综合运营管理及方法。
背景技术
随着线上购物的普及,线下门店面临越来越多的挑战。为了提高下线门店的销售,并积累用户资源。许多线下门店推出了关注门店公众号并注册会员送优惠券的活动,可以帮助线下门店更好的积累客户资源。
但是,公众号一般是向所有关注用户推送内容,而推送的内容没有针对性,并不能激起用户的购买欲望,不能将用户资源很好的转化为购买力。
发明内容
本申请实施例提供了一种大数据综合运营管理系统及方法,能够根据用户的购买信息向用户推送感兴趣的商品,可以在一定程度上激发用户的购买欲望,提高门店销售。
第一方面,本申请实施例提高了一种大数据综合运营管理系统,包括数据收集模块、分类模块和信息推送模块,其中,数据收集模块,用于收集用户的注册信息和用户在门店的购买信息,购买信息为通过购买的商品的条形码所获得的;分类模块,用于基于分类模型分析购买信息确定推送信息,分类模型为根据多个样本数据训练得到的,推送信息为与购买信息的相似度大于第一阈值的信息,推送信息包括一个或多个商品;信息推送模块,用于根据用户的注册信息将推送信息向用户发送。
可选的, 系统还包括特征提取模块和训练模块,其中,特征提取模块,用于获取门店中的n个商品信息,还用于对n个商品信息进行特征提取,从而得到n个特征向量;特征提取模块,还用于对n个特征向量进行颜色提取,从而得到颜色特征,还用于对n个特征向量进行材质提取,从而得到材质特征,还用于对n个特征向量进行价格提取,从而得到价格特征,还用于对n个特征向量进行属性提取,从而得到属性特征;训练模块,用于根据商品信息和颜色特征、材质特征、价格特征和属性特征中的一种或多种训练得到分类模型,分类模型用于将n个商品分为一个或多个类别; n为大于1的自然数。
可选的,分类模块,还用于从一个或多个购买信息中提取出购买信息对应的颜色特征、材质特征、价格特征、属性特征中的一种或多种;分类模块还用于,根据颜色特征、材质特征、价格特征和属性特征中的一种或多种对用户进行分类,得到分类结果。
可选的,信息推送模块具体用于:根据分类结果将推送信息向一个或多个用户发送。
第二方面,本申请实施例提供了一种大数据综合运营管理方法,包括:收集用户的注册信息和用户在门店的购买信息,购买信息为通过购买的商品的条形码所获得的;基于分类模型分析购买信息确定推送信息,分类模型为根据多个样本数据训练得到的,推送信息为与购买信息的相似度大于第一阈值的信息,推送信息包括一个或多个商品; 根据用户的注册信息将推送信息向用户发送。
可选的,基于分类模型分析购买信息生成推送信息之前,还包括:
获取门店中的商品信息,对商品信息进行特征提取,从而得到n个特征向量;n个特征向量包括:颜色特征、材质特征、价格特征和属性特征中的一种或多种;根据商品信息和颜色特征、材质特征、价格特征和属性特征中的一种或多种训练得到分类模型;n为大于1的自然数。
第三方面,本申请实施例提供一种服务器,包括处理器、存储器、通信接口以及一个或多个程序,其中,上述一个或多个程序被存储在上述存储器中,并且被配置由上述处理器执行,上述程序包括用于执行本申请实施例第一方面中的步骤的指令。
第四方面,本申请实施例提供了一种计算机可读存储介质,其中,上述计算机可读存储介质存储用于电子数据交换的计算机程序,其中,上述计算机程序使得计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。
第五方面,本申请实施例提供了一种计算机程序产品,其中,上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,上述计算机程序可操作来使计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
本申请实施例通过收集门店会员在门店的购买信息,并根据购买信息基于分类模型分类得到推送信息,可以看出,推送信息是根据门店会员的购买信息分类得到符合门店会员购买需求的信息。分析而当向门店会员推送感兴趣的信息时,可以激发用户的购买欲望,有利于提高门店的销售。
附图说明
为了更清楚地说明本申请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申请的一些实施例,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是本申请实施例提供的一种大数据综合运营管理系统的架构示意图;
图2是本申请实施例提供的一种大数据综合运营管理方法的流程示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
本申请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模块的过程、方法、系统、产品或设备没有限定于已列出的步骤或模块,而是可选地还包括没有列出的步骤或模块,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或模块。
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申请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。
首先,请参看图1,图1是本申请实施例提供的一种提供的一种大数据综合运营管理系统的架构示意图。该系统可以包括多个服务器和多个终端设备(如图1所示,具体包括终端设备100a、终端设备100b、终端设备100c、服务器200、服务器201),服务器200可以通过网络与每个终端设备进行数据传输,服务器200生成推送信息,并将推送信息向用户发送。服务器201可以为数据处理服务器,用于根据门店中售卖的商品训练得到分类模型。因此,服务器201可以将训练好的分类模型发送给需要进行此项服务的服务器200。
从图1可以看出,服务器201包括特征提取模块201A和训练模块201B。其中,特征提取模块201A用于对门店中售卖的n个商品进行特征提取,从而可以得到n个特征向量,所谓特征可以为从商品中抽象出来的标签化信息。进一步的,特征向量可以包括颜色特征、材质特征、价格特征和属性特征等等中的一项或多项。进一步的,特征提取模块包括卷积神经网络。
训练模块201B用于根据门店中的n个商品信息以及提取得到的颜色特征、材质特征、价格特征和属性特征中的一种或多种训练得到分类模型,分类模型可以将门店的n个商品划分为一个或多个类别。
从图1可以看出,服务器200包括数据收集模块200A、分类模块200B和信息推送模块200C。其中:
数据收集模块200A用于收集用户的注册信息和所述用户在门店的购买信息。用户的注册信息包括用户的手机号、微信号等等;购买信息可以表示为根据购买信息对应的商品信息抽象出来的标签化信息。举例来说,用户购买的商品为一件价格为1199元的中长款灰色羽绒服,则购买信息可以包括如表1所示的信息:
颜色 | 材质 | 价格 | 属性 |
灰色 | 羽绒 | 1199 | 中长款羽绒服 |
分类模块200B用于基于分类模型分析所述购买信息确定推送信息,可以理解的是,在门店有商品需要上新时,可以根据用户的购买信息(可以是一段时间内的购买信息)基于分类模型确定推送信息。推送信息为与购买信息的相似度大于第一阈值的信息,也即,在门店有上新商品时,可以根据用户的购买信息中包含的特征从分类模型中确定与该特征之间的相似度大于第一阈值的类别,上述类别中包括一个或多个商品信息。也即,推送信息可以包括类别中的一个或多个商品信息、商品的购买链接,以及所对应的门店信息,等等。
信息推送模块200C用于根据用户的注册信息将推送信息向用户发送。在门店有上新商品时,为了达到很好的宣传效果,可以以短信或者微信或者消息推送的方式向用户的终端设备发送推送信息。因此,可以保证用户在第一时间获取到上新商品的可能感兴趣的商品信息,提高门店的销售。
终端设备可以包括手机、平板电脑、笔记本电脑、掌上电脑、移动互联网设备(mobile innernen device, MID)、可穿戴设备(例如智能手表、智能手环等)。每个终端设备都可以接收来自服务器100a的推送信息,其中,推送信息可以理解为将若干消息源组合在一起形成的内容聚合器,帮助用户获取感兴趣的消息源内容。
需要说明的是,服务器200和服务器201可以是同一个服务器,也即模型训练和模型分类可以在同一设备上执行。
本申请实施例的技术方案可以基于图1举例所示架构的系统或其形变架构来具体实施。
参见图2,图2是本申请实施例提供的一种大数据综合运营管理方法的流程示意图,这种方法可包括但不限于如下步骤:
步骤S201,对商品信息进行特征提取;
具体地,,当门店有商品要上新时,如图1所示的服务器202可以对每个商品进行特征提取。可以理解的是,商品的特征可以是对商品有较好分类作用的信息,是从商品中抽样出来的标签化信息。比如说,商品的颜色、商品的材质、商品的价格、商品有没有图案、图案是属于动物、植物、风景还是人物等等信息。
服务器202可以先获取门店中n个商品信息,然后从n个商品信息中提取出n个特征向量,再对n个特征向量进行颜色提取,从而可以得到颜色特征;对n个特征向量进行材质提取,从而可以得到材质特征;对n个特征向量进行价格提取,从而可以得到价格特征;对n个特征向量进行属性提取,从而可以得到属性特征;对n个特征向量进行图案提取,从而可以得到图案特征。需要说明的是,价格特征可以包括某一区间的价格,比如说区间0-100、区间100-200、区间500-1000等等;颜色特征可以包括某一类别的颜色,比如浅蓝、湖蓝深蓝都是要归为蓝色。
可以理解的是,颜色特征是用于根据颜色对n个商品进行分类,材质特征是用于根据材质对n个商品进行分类,价格特征是用于根据价格对n个商品进行分类,属性特征是用于根据属性对n个商品进行分类,图案特征是用于根据图案对n个商品进行分类。属性可以理解为对商品的固有性质,比如说服装类可以是短袖、长袖、带帽卫衣、不戴帽卫衣、羽绒服、长裤、短裤等等;食品类可以是饮料、水果、蔬菜、零食等等。其中,颜色可以商品的主要颜色,材质可以是商品的主要材质。需要说明的是,商品的特征不限于本申请实施例所列举的。
在一种可能的实现方式中,服务器202可以将提取出的每个商品的特征包含在商品对应的条形码中,商品的条形码的第i位代表商品的颜色,商品的条形码上的第j位点商品的材质,商品的条码上的第k位代表商品的图案,其中,i、j、k为互不相等的自然数。比如,条形码中第五个位置的数字1代表红色, 第三个位置的数字3代表尼龙材质等等。
其中,特征提取模块可以包括:输入层、卷积计算层、池化层以及全连接层。
步骤S202,根据商品信息和颜色特征、材质特征、价格特征和属性特征中的一种或多种训练得到分类模型;
具体地,可以从n个商品信息中选取80%作为训练集与颜色特征、材质特征、价格特征和属性特征中的一种或多种进行训练,剩下的20%为做测试集或验证集与颜色特征、材质特征、价格特征和属性特征中的一种或多种进行测试或验证,最后得到训练好的分类模型。分类模型根据颜色特征、材质特征、价格特征和属性特征中的一种或多种将n个商品分为一个或多个类别。
步骤S203,收集用户的注册信息和用户在门店的购买信息;
具体地,用户在线下门店进行购物结账时,一般都是由售货员扫描商品的吊牌信息,然后用户进行支付来完成购买。购买信息即为扫描吊牌上的条形码而得到的信息,因为条形码上包含了商品的颜色特征、材质特征、价格特征、属性特征哥关系向量特征中的一种或多种,所以购买信息包括颜色特征、材质特征、价格特征、属性特征中的一种或多种。注册信息可以是用户提供的手机号、微信号等用户的联系方式。
步骤S204,基于分类模型分析购买信息确定推送信息;
具体地,当获取到用户购买信息后,如图1所示的服务器201将购买信息输入进分类模型中,通过例如分类器的分类模型对购买信息进行分析,也即将购买信息所包含的特征对分类模模型中一个或多个类别进行相似度计算。进一步的,购买信息的颜色特征与分类模型中每个类别中的颜色特征进行相似度计算,同理对材质特征、价格特征和属性特征分布进行相似度计算。若计算得到的相似度都大于第一阈值,则说明此类别为匹配度最高的类别,则可以将此类别中的商品信息作为推送信息。若计算得到的相似度没有都大于第一阈值的,则可以选取大于第一阈值的占比大于或者等于80%的类别,则将此类别中的商品信息作为推送信息。推送信息包括确定的类别中一个或多个商品的图片、介绍等以及商品的售卖连接、商品所售卖的门店信息等。
需要说明的是,购买信息可以包括距离上新商品进行销售的最近的一次或多次的购买信息。
步骤S205,根据用户的注册信息将推送信息向用户发送。
具体地,当得到推送信息后,如图1所示的服务器201可以以短信(彩信)或者微信或者消息推送的方式向用户的终端设备发送推送信息。因此,可以保证用户在第一时间获取到上新商品的可能感兴趣的商品信息,提高门店的销售。
在一种可能的实现方式中,服务器201可以从一个或多个购买信息中提取出购买信息对应的颜色特征、材质特征、价格特征、属性特征中的一种或多种;然后根据购买信息中包含的颜色特征、材质特征、价格特征、属性特征中的一种或多种对所述用户进行分类,得到分类结果。举例来说,若第一购买信息的颜色特征为粉红色、材质为羊毛、价格为699元、属性为长袖;若第二购买信息的颜色特征为枣红色、材质为羊毛、价格为639元、属性为上衣;则可以将第一购买信息和第二购买信息对应的用户归为一类。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于可选 实施例,所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,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,在本申请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,也可以采用软件程序模块的形式实现。
所述集成的单元如果以软件程序模块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器中。基于这样的理解,本申请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全部或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器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储器包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、只读存储器(英文:Read-Only Memory ,简称:ROM)、随机存取器(英文:Random Access Memory,简称:RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (6)
1.一种大数据综合运营管理系统,其特征在于,包括数据收集模块、分类模块和信息推送模块,其中,
所述数据收集模块,用于收集用户的注册信息和所述用户在门店的购买信息,所述购买信息为通过购买的商品的条形码所获得的;
所述分类模块,用于基于分类模型分析所述购买信息确定推送信息,所述分类模型为根据多个样本数据训练得到的,所述推送信息为与所述购买信息的相似度大于第一阈值的信息,所述推送信息包括一个或多个商品;
所述信息推送模块,用于根据所述用户的注册信息将所述推送信息向所述用户发送。
2.根据权利要求1所述的系统,其特征在于,所述系统还包括特征提取模块和训练模块,其中,
所述特征提取模块,用于获取门店中的n个商品信息,还用于对所述n个商品信息进行特征提取,从而得到n个特征向量;
所述特征提取模块,还用于对所述n个特征向量进行颜色提取,从而得到颜色特征,还用于对所述n个特征向量进行材质提取,从而得到材质特征,还用于对所述n个特征向量进行价格提取,从而得到价格特征,还用于对所述n个特征向量进行属性提取,从而得到属性特征;
所述训练模块,用于根据所述商品信息和所述颜色特征、所述材质特征、所述价格特征和所述属性特征中的一种或多种训练得到所述分类模型,所述分类模型用于将所述n个商品分为一个或多个类别;
n、n为大于1的自然数。
3.根据权利要求1或2所述的系统,其特征在于,所述分类模块,用于:
从一个或多个购买信息中提取出所述购买信息对应的所述颜色特征、所述材质特征、所述价格特征、所述属性特征中的一种或多种;
所述分类模块还用于,根据所述颜色特征、所述材质特征、所述价格特征和所述属性特征中的一种或多种对所述用户进行分类,得到分类结果。
4.根据权利要3所述的系统,其特征在于,所述信息推送模块具体用于:
根据所述分类结果将所述推送信息向一个或多个所述用户发送。
5.一种大数据综合运营管理方法,其特征在于,包括:
收集用户的注册信息和所述用户在门店的购买信息,所述购买信息为通过购买的商品的条形码所获得的;
基于分类模型分析所述购买信息确定推送信息,所述分类模型为根据多个样本数据训练得到的,所述推送信息为与所述购买信息的相似度大于第一阈值的信息,所述推送信息包括一个或多个商品;
根据所述用户的注册信息将所述推送信息向所述用户发送。
6.根据权利要求5所述的方法,其特征在于,所述基于分类模型分析所述购买信息生成推送信息之前,还包括:
获取门店中的商品信息,对所述商品信息进行特征提取,从而得到n个特征向量;所述n个特征向量包括:颜色特征、材质特征、价格特征和属性特征中的一种或多种;
根据所述商品信息和所述颜色特征、所述材质特征、所述价格特征和所述属性特征中的一种或多种训练得到所述分类模型;
n为大于1的自然数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011633076.XA CN112419013A (zh) | 2020-12-31 | 2020-12-31 | 大数据综合运营管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011633076.XA CN112419013A (zh) | 2020-12-31 | 2020-12-31 | 大数据综合运营管理系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112419013A true CN112419013A (zh) | 2021-02-26 |
Family
ID=74782784
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011633076.XA Withdrawn CN112419013A (zh) | 2020-12-31 | 2020-12-31 | 大数据综合运营管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112419013A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106204239A (zh) * | 2016-07-24 | 2016-12-07 | 广东聚联电子商务股份有限公司 | 一种基于大数据多标记的电子商务商品推荐方法 |
CN106202516A (zh) * | 2016-07-24 | 2016-12-07 | 广东聚联电子商务股份有限公司 | 一种根据时间节点的电子商务平台商品展示方法 |
CN111612588A (zh) * | 2020-05-27 | 2020-09-01 | 腾讯科技(深圳)有限公司 | 商品呈现方法及装置、计算设备、计算机可读存储介质 |
CN111681085A (zh) * | 2020-06-10 | 2020-09-18 | 创新奇智(成都)科技有限公司 | 商品推送方法、装置、服务器及可读存储介质 |
-
2020
- 2020-12-31 CN CN202011633076.XA patent/CN112419013A/zh not_active Withdrawn
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106204239A (zh) * | 2016-07-24 | 2016-12-07 | 广东聚联电子商务股份有限公司 | 一种基于大数据多标记的电子商务商品推荐方法 |
CN106202516A (zh) * | 2016-07-24 | 2016-12-07 | 广东聚联电子商务股份有限公司 | 一种根据时间节点的电子商务平台商品展示方法 |
CN111612588A (zh) * | 2020-05-27 | 2020-09-01 | 腾讯科技(深圳)有限公司 | 商品呈现方法及装置、计算设备、计算机可读存储介质 |
CN111681085A (zh) * | 2020-06-10 | 2020-09-18 | 创新奇智(成都)科技有限公司 | 商品推送方法、装置、服务器及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106570718B (zh) | 信息的投放方法及投放系统 | |
CN107590675B (zh) | 一种基于大数据的用户购物行为识别方法、储存设备及移动终端 | |
CN107332910B (zh) | 信息推送方法和装置 | |
CN112418932B (zh) | 一种基于用户标签的营销信息推送方法及装置 | |
US20120062596A1 (en) | Providing augmented reality information | |
CN106611344A (zh) | 挖掘潜在客户的方法及装置 | |
CN108335177A (zh) | 购物推荐方法、用户端、服务端、设备和存储介质 | |
CN105678317B (zh) | 一种信息处理方法及服务器 | |
CN108090807B (zh) | 信息推荐方法及装置 | |
CN106445905B (zh) | 问答数据处理、自动问答方法及装置 | |
US20230089850A1 (en) | Real-time product environmental impact scoring | |
JP6425297B2 (ja) | 購買情報活用システム及び購買情報活用方法、及びプログラム | |
CN110197386B (zh) | 媒体资源推送方法和装置、存储介质及电子装置 | |
US20080071553A1 (en) | Generation of Commercial Presentations | |
JP2023507043A (ja) | データ処理方法、装置、機器、記憶媒体及びコンピュータプログラム | |
CN111225009B (zh) | 用于生成信息的方法和装置 | |
CN111787042B (zh) | 用于推送信息的方法和装置 | |
CN116132749B (zh) | 一种和直播带货结合的广告营销方法 | |
CN116127184A (zh) | 产品的推荐方法及装置、非易失性存储介质、电子设备 | |
CN112419013A (zh) | 大数据综合运营管理系统及方法 | |
CN114996579A (zh) | 信息推送方法、装置、电子设备和计算机可读介质 | |
KR102429104B1 (ko) | 인공지능에 기반한 상품 카탈로그 자동 분류 시스템 | |
CN114820055A (zh) | 无人车售卖商品的推送方法、装置、无人车及存储介质 | |
CN111127128B (zh) | 商品推荐方法、装置及存储介质 | |
CN114442869A (zh) | 用户分流处理的方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210226 |
|
WW01 | Invention patent application withdrawn after publication |