CN112561559A - 商户画像模型生成方法、装置、设备及存储介质 - Google Patents
商户画像模型生成方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112561559A CN112561559A CN202010919302.4A CN202010919302A CN112561559A CN 112561559 A CN112561559 A CN 112561559A CN 202010919302 A CN202010919302 A CN 202010919302A CN 112561559 A CN112561559 A CN 112561559A
- Authority
- CN
- China
- Prior art keywords
- merchant
- data
- portrait
- structured
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000010276 construction Methods 0.000 claims abstract description 11
- 238000007726 management method Methods 0.000 claims description 79
- 238000012384 transportation and delivery Methods 0.000 claims description 29
- 238000012545 processing Methods 0.000 claims description 26
- 238000005457 optimization Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims 2
- 238000013439 planning Methods 0.000 description 9
- 238000012827 research and development Methods 0.000 description 9
- 239000000284 extract Substances 0.000 description 8
- 238000012986 modification Methods 0.000 description 8
- 230000004048 modification Effects 0.000 description 8
- 238000012217 deletion Methods 0.000 description 7
- 230000037430 deletion Effects 0.000 description 7
- 239000002360 explosive Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 238000000586 desensitisation Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—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
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明涉及物流信息技术领域,公开了一种商户画像模型生成方法、装置、设备及存储介质,用于提高快递管理系统制定服务策略的准确率和工作效率。商户画像模型生成方法包括:获取多个结构化商户画像数据,结构化商户画像数据至少包括商户基本信息数据和商户销量数据;将所述多个结构化商户画像数据写入卡夫卡消息队列中;从所述卡夫卡消息队列中提取得到目标结构化商户画像数据;基于预置的标签规则库对所述目标结构化商户画像数据进行标签匹配,得到商户画像标签集;基于所述商户画像标签集进行模型构建,得到目标商户画像模型,并将所述目标商户画像模型上传至预置的接口,所述目标商户画像模型供快递管理系统调用。
Description
技术领域
本发明涉及物流信息技术领域,尤其涉及一种商户画像模型生成方法、装置、设备及存储介质。
背景技术
随着电子商务的快速发展,网络购物已经成为人们购物的一种主要方式,快递行业也随着电子商务的发展进入高速发展期,全国快递业务量高达635.2亿件之多,电子商务的卖家与快递行业为密不可分的关系。
但是由于电子商务存在不稳定性以及行业特有的性质,导致快递行业不了解卖家的经营情况,从而不能准确的调整快递服务策略,为电子商务的卖家提供服务的准确率较低且提供服务的效率也较低,会导致电子商务卖家客户流失率高的问题。
发明内容
本发明提供了一种商户画像模型生成方法、装置、设备及存储介质,用于提高快递管理系统为电商卖家制定服务策略的准确率和工作效率。
本发明第一方面提供了一种商户画像模型生成方法,包括:获取多个结构化商户画像数据,所述结构化商户画像数据至少包括商户基本信息数据和商户销量数据;将所述多个结构化商户画像数据写入卡夫卡消息队列中;从所述卡夫卡消息队列中提取得到目标结构化商户画像数据;基于预置的标签规则库对所述目标结构化商户画像数据进行标签匹配,得到商户画像标签集;基于所述商户画像标签集进行模型构建,得到目标商户画像模型,并将所述目标商户画像模型上传至预置的接口,所述目标商户画像模型供快递管理系统调用。
可选的,在本发明第一方面的第一种实现方式中,在所述获取多个结构化商户画像数据,所述结构化商户画像数据至少包括商户基本信息数据和商户销量数据之前,所述商户画像模型生成方法还包括:通过快递管理系统获取多个商户画像数据;通过快递管理系统对所述每个商户画像数据进行结构化处理,得到多个结构化商户画像数据。
可选的,在本发明第一方面的第二种实现方式中,所述通过快递管理系统对所述每个商户画像数据进行结构化处理,得到多个结构化商户画像数据包括:通过快递管理系统和预置的日志收集系统将每个商户画像数据发送至预置的日志分析器进行处理,得到多个结构化数据;或者,通过快递管理系统和预置的卡夫卡数据通道将每个商户画像数据发送至预置的日志分析器进行处理,得到多个结构化数据。
可选的,在本发明第一方面的第三种实现方式中,所述基于预置的标签规则库对所述目标结构化商户画像数据进行标签匹配,得到商户画像标签集包括:调用预置的特征提取器对所述目标结构化商户画像数据进行特征提取,得到目标商户画像特征;在预置的标签规则数据库中搜寻与所述目标商户画像特征匹配的标签,得到商户画像标签集。
可选的,在本发明第一方面的第四种实现方式中,所述基于所述商户画像标签集进行模型构建,得到目标商户画像模型,并将所述目标商户画像模型上传至预置的接口,所述目标商户画像模型供快递管理系统调用包括:对所述商户画像标签集进行场景计算,得到目标场景数据;对所述商户画像标签集进行维度计算,得到目标维度数据,所述维度数据至少包括基本信息维度数据、经营商品维度数据、客群特征维度数据、服务偏好维度数据以及核心竞争维度数据;基于所述目标场景数据和目标维度数据进行模型训练,得到目标商户画像模型。
可选的,在本发明第一方面的第五种实现方式中,在所述基于所述商户画像标签集进行模型构建,得到目标商户画像模型,并将所述目标商户画像模型上传至预置的接口,所述目标商户画像模型供快递管理系统调用之后,所述商户画像模型生成方法还包括:获取标签数据库优化请求,所述标签数据库优化请求为标签添加请求、标签删除请求或者标签修改请求;基于所述标签添加请求在所述预置的标签规则数据库中添加标签、基于所述标签删除请求从所述预置的标签规则数据库中删除标签或者基于所述标签修改请求对所述预置的标签规则数据库中的标签进行修改。
本发明第二方面提供了一种商户画像模型生成装置,包括:结构化数据获取模块,用于获取多个结构化商户画像数据,所述结构化商户画像数据至少包括商户基本信息数据和商户销量数据;写入模块,用于将所述多个结构化商户画像数据写入卡夫卡消息队列中;提取模块,用于从所述卡夫卡消息队列中提取得到目标结构化商户画像数据;匹配模块,用于基于预置的标签规则库对所述目标结构化商户画像数据进行标签匹配,得到商户画像标签集;构建模块,用于基于所述商户画像标签集进行模型构建,得到目标商户画像模型,并将所述目标商户画像模型上传至预置的接口,所述目标商户画像模型供快递管理系统调用。
可选的,在本发明第二方面的第一种实现方式中,所述商户画像模型生成装置还包括:画像数据获取模块,用于通过快递管理系统获取多个商户画像数据;结构化处理模块,用于通过快递管理系统对所述每个商户画像数据进行结构化处理,得到多个结构化商户画像数据。
可选的,在本发明第二方面的第二种实现方式中,所述结构化处理模块具体用于:通过快递管理系统和预置的日志收集系统将每个商户画像数据发送至预置的日志分析器进行处理,得到多个结构化数据;或者,通过快递管理系统和预置的卡夫卡数据通道将每个商户画像数据发送至预置的日志分析器进行处理,得到多个结构化数据。
可选的,在本发明第二方面的第三种实现方式中,所述匹配模块具体用于:调用预置的特征提取器对所述目标结构化商户画像数据进行特征提取,得到目标商户画像特征;在预置的标签规则数据库中搜寻与所述目标商户画像特征匹配的标签,得到商户画像标签集。
可选的,在本发明第二方面的第四种实现方式中,构建模块具体用于:对所述商户画像标签集进行场景计算,得到目标场景数据;对所述商户画像标签集进行维度计算,得到目标维度数据,所述维度数据至少包括基本信息维度数据、经营商品维度数据、客群特征维度数据、服务偏好维度数据以及核心竞争维度数据;基于所述目标场景数据和目标维度数据进行模型训练,得到目标商户画像模型。
可选的,在本发明第二方面的第五种实现方式中,所述商户画像模型生成装置还包括:优化请求获取模块,用于获取标签数据库优化请求,所述标签数据库优化请求为标签添加请求、标签删除请求或者标签修改请求;优化模块,用于基于所述标签添加请求在所述预置的标签规则数据库中添加标签、基于所述标签删除请求从所述预置的标签规则数据库中删除标签或者基于所述标签修改请求对所述预置的标签规则数据库中的标签进行修改。
本发明第三方面提供了一种商户画像模型生成设备,包括:存储器和至少一个处理器,所述存储器中存储有指令,所述存储器和所述至少一个处理器通过线路互连;所述至少一个处理器调用所述存储器中的所述指令,以使得所述商户画像模型生成设备执行上述的商户画像模型生成方法。
本发明的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的商户画像模型生成方法。
本发明提供的技术方案中,获取多个结构化商户画像数据,所述结构化商户画像数据至少包括商户基本信息数据和商户销量数据;将所述多个结构化商户画像数据写入卡夫卡消息队列中;从所述卡夫卡消息队列中提取得到目标结构化商户画像数据;基于预置的标签规则库对所述目标结构化商户画像数据进行标签匹配,得到商户画像标签集;基于所述商户画像标签集进行模型构建,得到目标商户画像模型,并将所述目标商户画像模型上传至预置的接口,所述目标商户画像模型供快递管理系统调用。本发明实施例中,通过从快递管理系统获取结构化商户画像数据,再基于电商卖家为该结构化商户画像数据打标签,得到商户画像标签集,最后根据这些标签集训练得到商户画像模型,将商户画像模型上传至预置的接口以供快递管理系统用来预测快递件量、路由规划、个性快递产品研发等,提高了快递管理系统制定服务策略的准确率,且提高了指定服务策略的工作效率。
附图说明
图1为本发明实施例中商户画像模型生成方法的一个实施例示意图;
图2为本发明实施例中商户画像模型生成方法的另一个实施例示意图;
图3为本发明实施例中商户画像模型生成装置的一个实施例示意图;
图4为本发明实施例中商户画像模型生成装置的另一个实施例示意图;
图5为本发明实施例中商户画像模型生成设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种商户画像模型生成方法、装置、设备及存储介质,用于通过从快递管理系统获取结构化商户画像数据,再基于电商卖家为该结构化商户画像数据打标签,得到商户画像标签集,最后根据这些标签集训练得到商户画像模型,将商户画像模型上传至预置的接口以供快递管理系统用来预测快递件量、路由规划、个性快递产品研发等,提高了快递管理系统制定服务策略的准确率,且提高了指定服务策略的工作效率。
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”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,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、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中商户画像模型生成方法的一个实施例包括:
101、获取多个结构化商户画像数据,结构化商户画像数据至少包括商户基本信息数据和商户销量数据;
服务器获取多个至少包括商户基本信息数据和商户销量数据的结构化商户画像数据。
在本实施例中,结构化商户画像数据为在快递管理系统获取的画像数据,并经过快递管理系统进行处理后,得到的多个结构化商户画像数据。快递管理系统将这些结构传输至服务器,服务器则得到多个结构化商户画像数据。进行商户画像时,服务器需要获取商户基本信息数据和商户销量数据,商户基本信息数据可以理解为商户名称、商铺类型以及销售渠道等,商户销量数据可以理解为商户当日销量、近7日销量、近30日销量以及近365日销量等。用于进行商户画像的数据为结构化数据,基于结构化商户画像数据还可以进行数据脱敏。
每个结构化商户画像数据由诸多行组成,每行数据又由诸多列组成。根据列的数据属性,数据列通常可以分为以下可识别列、半识别列、包含商户敏感信息的列以及其他不包含商户敏感信息的列,其中可识别列为可以确切定位某个商户的列,如身份证号、商户店主地址以及商户店主姓名等;半识别列为单列不能定位某个商户的列,如邮编号码、生日以及性别;包含商户敏感信息的列包括交易数额以及收入等。对结构化商户画像数据进行脱敏时,可以通过移除可识别列、移除包含商户敏感信息的列或者转换半识别列等方式进行脱敏,能够在一定程度上保证结构化商户画像数据安全。
可以理解的是,本发明的执行主体可以为商户画像模型生成装置,还可以是终端或者服务器,具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
102、将多个结构化商户画像数据写入卡夫卡消息队列中;
服务器将每个结构化商户画像数据写入卡夫卡消息队列中。
需要说明的是,当有很多任务(结构化商户画像数据)要处理时,需要引入消息队列来暂时缓存任务,可以理解为,由于需要处理的业务过多,但又不能及时处理,所以需要将业务及时缓存下来,然后慢慢消化。
在本实施例中,采用卡夫卡消息队列缓存多个结构化商户画像数据,卡夫卡消息队列具有良好的扩展性和性能优势,适合用于存储一些常规的消息,例如结构化商户画像数据。在其他实施例中也可以将多个结构化商户画像数据缓存至其他类型的消息队列中。
103、从卡夫卡消息队列中提取得到目标结构化商户画像数据;
服务器从卡夫卡消息队列中提取数据,得到目标结构化商户画像数据。
服务器从卡夫卡消息队列中提取目标结构化商户画像数据,卡夫卡消息队列中包括多个结构化商户画像数据,当需要处理结构化商户画像数据A1时,服务器从卡夫卡消息队列中提取结构化商户画像数据A1作为目标结构化商户画像数据,当处理完商户画像数据A1之后,还需要处理结构化商户画像数据A2时,服务器从卡夫卡消息队列中提取结构化商户画像数据A2作为目标结构化商户画像数据。
104、基于预置的标签规则库对目标结构化商户画像数据进行标签匹配,得到商户画像标签集;
服务器在预置的标签规则库中查找与目标结构化商户画像数据相匹配的标签,从而得到商户画像标签集。
服务器将目标结构化商户画像数据与预置的标签规则库进行匹配,可以理解的是,预置的标签规则库中包括多个预置的标签,将目标结构化商户画像数据与每个预置的标签进行匹配,当目标结构化商户画像数据与其中某一个预置的标签相匹配时,将该预置的标签确定为商户画像标签集。
例如,目标结构化商户画像数据B1与商品C1相匹配,则将预置的标签“商品C1”确定为目标结构化商户画像数据B1的商户画像标签集D1。
105、基于商户画像标签集进行模型构建,得到目标商户画像模型,并将目标商户画像模型上传至预置的接口,目标商户画像模型供快递管理系统调用。
服务器对商户画像标签集进行模型构建,得到其他快递管理系统调用的目标商户画像模型,然后将该画像模型上传至预置的接口。
需要说明的是,商户画像标签集中可以包括多个商户画像标签,例如商户画像标签集E1包括店铺名称E2、经营范围E3、商品关键词E4等商户画像标签。服务器基于商户标签集E1进行模型构建,得到目标商户模型,当得到目标商户模型之后,服务器将该目标商户模型上传至预置的接口,然后快递管理系统可以通过该目标商户模型进行快递产品推荐、快递量预测、智能排班、路由规划、个性化快递产品研发以及消费者洞察分析等。
本发明实施例中,通过从快递管理系统获取结构化商户画像数据,再基于电商卖家为该结构化商户画像数据打标签,得到商户画像标签集,最后根据这些标签集训练得到商户画像模型,将商户画像模型上传至预置的接口以供快递管理系统用来预测快递件量、路由规划、个性快递产品研发等,提高了快递管理系统制定服务策略的准确率,且提高了指定服务策略的工作效率。
请参阅图2,本发明实施例中商户画像模型生成方法的另一个实施例包括:
201、通过快递管理系统获取多个商户画像数据;
服务器通过快递管理系统获取多个商户画像数据,此时多个商户画像数据为非结构化数据。
例如,服务器通过快递管理系统获取商户画像数据“商户名称F1”、“销售渠道F2”以及“近7日销量F3”等。
202、通过快递管理系统对每个商户画像数据进行结构化处理,得到多个结构化商户画像数据;
服务器通过快递管理系统对每个商户画像数据进行结构化处理,得到与每个商户画像数据对应的结构化商户画像数据。
具体的,服务器通过快递管理系统和预置的日志收集系统将每个商户画像数据发送至预置的日志分析器进行处理,得到多个结构化数据;或者,服务器通过快递管理系统和预置的卡夫卡数据通道将每个商户画像数据发送至预置的日志分析器进行处理,得到多个结构化数据。
需要说明的是,日志收集系统为Flume,Flume是一个分布式、可靠、和高可用的海量日志采集、聚合和传输的系统。用于在日志收集系统中收集数据(商户画像数据)并结合预置的日志分析处理器对(商户画像数据)数据进行数据处理,得到携带头部信息的二维表数据,即结构化数据。可以将卡夫卡数据通道理解为一个传输媒介,快递管理系统将每个商户画像数据通过卡夫卡数据通道传输至预置的日志分析器中进行处理,从而得到二维表数据,即结构化数据。
203、获取多个结构化商户画像数据,结构化商户画像数据至少包括商户基本信息数据和商户销量数据;
服务器获取多个至少包括商户基本信息数据和商户销量数据的结构化商户画像数据。
在本实施例中,结构化商户画像数据为当快递管理系统获取的画像数据,经过快递管理系统进行处理后,得到多个结构化商户画像数据,并将这些结构传输至服务器,服务器则得到多个结构化商户画像数据。进行商户画像时,服务器需要获取商户基本信息数据和商户销量数据,商户基本信息数据可以理解为商户名称、商铺类型以及销售渠道等,商户销量数据可以理解为商户当日销量、近7日销量、近30日销量以及近365日销量等。用于进行商户画像的数据为结构化数据,基于结构化商户画像数据还可以进行数据脱敏。
每个结构化商户画像数据由诸多行组成,每行数据又由诸多列组成。根据列的数据属性,数据列通常可以分为以下可识别列、半识别列、包含商户敏感信息的列以及其他不包含商户敏感信息的列,其中可识别列为可以确切定位某个商户的列,如身份证号、商户店主地址以及商户店主姓名等;半识别列为单列不能定位某个商户的列,如邮编号码、生日以及性别;包含商户敏感信息的列包括交易数额以及收入等。对结构化商户画像数据进行脱敏时,可以通过移除可识别列、移除包含商户敏感信息的列或者转换半识别列等方式进行脱敏,能够在一定程度上保证结构化商户画像数据安全。
204、将多个结构化商户画像数据写入卡夫卡消息队列中;
服务器将每个结构化商户画像数据写入卡夫卡消息队列中。
需要说明的是,当有很多任务(结构化商户画像数据)要处理时,需要引入消息队列来暂时缓存任务,可以理解为,由于需要处理的业务过多,但又不能及时处理,所以需要将业务及时缓存下来,然后慢慢消化。
在本实施例中,采用卡夫卡消息队列缓存多个结构化商户画像数据,卡夫卡消息队列具有良好的扩展性和性能优势,适合用于存储一些常规的消息,例如结构化商户画像数据。在其他实施例中也可以将多个结构化商户画像数据缓存至其他类型的消息队列中。
205、从卡夫卡消息队列中提取得到目标结构化商户画像数据;
服务器从卡夫卡消息队列中提取数据,得到目标结构化商户画像数据。
服务器从卡夫卡消息队列中提取目标结构化商户画像数据,卡夫卡消息队列中包括多个结构化商户画像数据,当需要处理结构化商户画像数据A1时,服务器从卡夫卡消息队列中提取结构化商户画像数据A1作为目标结构化商户画像数据,当处理完商户画像数据A1之后,还需要处理结构化商户画像数据A2时,服务器从卡夫卡消息队列中提取结构化商户画像数据A2作为目标结构化商户画像数据。
206、基于预置的标签规则库对目标结构化商户画像数据进行标签匹配,得到商户画像标签集;
服务器在预置的标签规则库中查找与目标结构化商户画像数据相匹配的标签,从而得到商户画像标签集。
服务器将目标结构化商户画像数据与预置的标签规则库进行匹配,可以理解的是,预置的标签规则库中包括多个预置的标签,将目标结构化商户画像数据与每个预置的标签进行匹配,当目标结构化商户画像数据与其中某一个预置的标签相匹配时,将该预置的标签确定为商户画像标签集。
例如,目标结构化商户画像数据B1与商品C1相匹配,则将预置的标签“商品C1”确定为目标结构化商户画像数据B1的商户画像标签集D1。
具体的,服务器调用预置的特征提取器对目标结构化商户画像数据进行特征提取,得到目标商户画像特征;然后服务器在预置的标签规则数据库中搜寻与目标商户画像特征匹配的标签,得到商户画像标签集。
例如,服务器调用预置的特征提取器对目标商户画像数据进行特征提取之后得到目标商户画像特征为“自营、平台数G1、商品名称G2、粉丝数G3、次日达、当日销量G4”等,服务器基于该目标商户画像特征在预置的标签规则数据库中搜寻与其相匹配的标签,从而得到商户画像标签集为“店铺类型、渠道、商品信息、客群统计、时效、销量近况”。
207、基于商户画像标签集进行模型构建,得到目标商户画像模型,并将目标商户画像模型上传至预置的接口,目标商户画像模型供快递管理系统调用;
服务器对商户画像标签集进行模型构建,得到其他快递管理系统调用的目标商户画像模型,然后将该画像模型上传至预置的接口。
需要说明的是,商户画像标签集中可以包括多个商户画像标签,例如商户画像标签集E1包括店铺名称E2、经营范围E3、商品关键词E4等商户画像标签。服务器基于商户标签集E1进行模型构建,得到目标商户模型,当得到目标商户模型之后,服务器将该目标商户模型上传至预置的接口,然后快递管理系统可以调用该目标商户模型进行快递产品推荐、快递量预测、智能排班、路由规划、个性化快递产品研发以及消费者洞察分析等服务策略的制定。
具体的,服务器对商户画像标签集进行场景计算,得到目标场景数据;服务器对商户画像标签集进行维度计算,得到至少包括基本信息维度数据、经营商品维度数据、客群特征维度数据、服务偏好维度数据以及核心竞争维度数据的目标维度数据;服务器基于目标场景数据和目标维度数据进行模型训练,得到目标商户画像模型。
需要说明的是,本实施例中的目标维度数据包括但不仅限于基本信息维度数据、经营商品维度数据、客群特征维度数据、服务偏好维度数据以及核心竞争维度数据,在其他实施例中,目标维度数据还可以包括其他维度数据。本实施例主要以基本信息维度数据、经营商品维度数据、客群特征维度数据、服务偏好维度数据以及核心竞争维度数据进行维度数据的说明。基本信息维度数据包括但不仅限于店主数据、店铺数据、店铺类型数据以及渠道数据,其中,店主数据包括但不仅限于店主性别、店主年龄、是否为快递大客户;店铺数据包括但不仅限于店名、注册时间以及发件地址;店铺类型数据包括但不仅限于品牌、自营以及专卖店;渠道数据包括但不仅限于线上、线下、平台数量、各平台占比以及仓库数量。经营商品维度数据包括但不仅限于经营范围数据、商品信息数据、商品形状数据以及商品价值数据,其中,经营范围数据包括但不仅限于母婴、护肤、日用、汽车配饰以及服装;商品信息数据包括但不仅限于商品名称、商品品类、商品所属产业上下游以及关键词;商品形状数据包括但不仅限于尺码、重量、提及、颜色、规格(单个\整箱)以及包装要求;商品价值数据包括但不仅限于价格、新品、折扣、尾货以及特价。客群特征维度数据包括但不仅限于客群定位数据、客群分布数据以及客群统计数据,其中客群定位数据包括但不仅限于区域、年龄、性别、婚恋、职业以及月收入;客群分布数据包括但不仅限于一线城市、二线城市、三线城市、其他城市以及农村;客群统计数据包括但不仅限于散客数、粉丝数、会员数、新客数以及同比增长率。服务器偏好维度数据包括但不仅限于时效数据和投诉数据,其中时效数据包括但不仅限于揽件时间、当日达、次日达、次晨达、两日达以及三日达;投诉数据包括但不仅限于投诉数、投诉占比以及投诉排名。核心竞争维度数据包括但不仅限于市场数据、排名数据、销量近况数据、销售情况数据、销售特征数据、库存数据、爆品数据,其中,市场数据包括但不仅限于市占率、利润率、商品同质性以及头部商户;排名数据包括但不仅限于总销量排名、单品销量排名以及同类商家排名;销量近况数据包括但不仅限于当日销量、近7日销量、近15日销量以及近30日销量;销售情况数据包括但不仅限于自然周销售情况、自然月销售情况、季度销售情况以及同比销售情况;销售特性包括但不仅限于电商节敏感性、活动敏感性以及季节敏感性;库存数据包括但不仅限于新品数、商品数、商品品类数以及库存周期;爆品数据包括但不仅限于爆品数、爆品占比、爆品季节性、爆品依赖性以及爆品连带购买率。
例如,对商户画像标签集“店铺类型、渠道、商品信息、客群统计、时效、销量近况”进行场景计算,得到目标场景数据为“商户1的销售画像数据”;对商户画像标签集“店铺类型、渠道、商品信息、客群统计、时效、销量近况”进行纬度计算,得到目标纬度数据为“基本信息维度数据L1、经营商品维度数据L2、客群特征维度数据L3、服务偏好维度数据L4以及核心竞争维度数据L5”。然后服务器器基于“商户1的销售画像数据”以及“基本信息维度数据L1、经营商品维度数据L2、客群特征维度数据L3、服务偏好维度数据L4以及核心竞争维度数据L5”进行模型训练,得到目标商户画像模型。
将目标商户画像模型上传至预置的接口,该接口为快递管理系统与服务器对接的接口,快递管理系统通过服务器构建的目标商户画像模型进行快递产品推荐、快递量预测、智能排班、路由规划、个性化快递产品研发以及消费者洞察分析等处理,假设通过目标商户画像模型得到商户H1的商品H2在平台H3的销量为H4,以及商品H2的重量H5等,快递管理系统则通过该目标商户画像模型对商户H1的商品H2在平台H3的销量为H4,以及商品H2的重量H5等制定至少包括个性快递产品的服务策略,个性快递产品可以包括与商户H1和销量H4对应的快递单价、与重量H5对应的快递包装盒以及与平台H3对应的快递揽收方式和快递派送方式等。
208、获取标签数据库优化请求,标签数据库优化请求为标签添加请求、标签删除请求或者标签修改请求;
服务器获取为标签添加请求、标签删除请求或者标签修改请求的标签数据库优化请求。
当快递管理系统需要优化标签数据库时,快递管理系统向服务器发出优化请求,服务器获取该优化请求,优化内容包括修改标签、添加标签或者删除标签。
209、基于标签添加请求在预置的标签规则数据库中添加标签、基于标签删除请求从预置的标签规则数据库中删除标签或者基于标签修改请求对预置的标签规则数据库中的标签进行修改。
当标签数据库优化请求为标签添加请求时,服务器根据标签添加请求在预置的标签规则数据库中添加与该标签添加请求对应的标签;当标签数据库优化请求为标签删除请求时,服务器根据标签删除请求从预置的标签规则数据库中删除与该标签删除请求对应的标签;当标签数据库优化请求为标签修改请求时,服务器根据标签修改请求修改对应的标签,从而得到优化后的标签数据库。
例如,标签数据库优化请求为“删除商品A的标签”,服务器则从预置的标签规则数据库中删除与商品A对应的标签。
本发明实施例中,通过从快递管理系统获取结构化商户画像数据,再基于电商卖家为该结构化商户画像数据打标签,得到商户画像标签集,最后根据这些标签集训练得到商户画像模型,将商户画像模型上传至预置的接口以供快递管理系统用来预测快递件量、路由规划、个性快递产品研发等,提高了快递管理系统制定服务策略的准确率,且提高了指定服务策略的工作效率。
上面对本发明实施例中商户画像模型生成方法进行了描述,下面对本发明实施例中商户画像模型生成装置进行描述,请参阅图3,本发明实施例中商户画像模型生成装置一个实施例包括:
结构化数据获取模块301,用于获取多个结构化商户画像数据,所述结构化商户画像数据至少包括商户基本信息数据和商户销量数据;
写入模块302,用于将所述多个结构化商户画像数据写入卡夫卡消息队列中;
提取模块303,用于从所述卡夫卡消息队列中提取得到目标结构化商户画像数据;
匹配模块304,用于基于预置的标签规则库对所述目标结构化商户画像数据进行标签匹配,得到商户画像标签集;
构建模块305,用于基于所述商户画像标签集进行模型构建,得到目标商户画像模型,并将所述目标商户画像模型上传至预置的接口,所述目标商户画像模型供快递管理系统调用。
本发明实施例中,通过从快递管理系统获取结构化商户画像数据,再基于电商卖家为该结构化商户画像数据打标签,得到商户画像标签集,最后根据这些标签集训练得到商户画像模型,将商户画像模型上传至预置的接口以供快递管理系统用来预测快递件量、路由规划、个性快递产品研发等,提高了快递管理系统制定服务策略的准确率,且提高了指定服务策略的工作效率。
请参阅图4,本发明实施例中商户画像模型生成装置的另一个实施例包括:
结构化数据获取模块301,用于获取多个结构化商户画像数据,结构化商户画像数据至少包括商户基本信息数据和商户销量数据;
写入模块302,用于将所述多个结构化商户画像数据写入卡夫卡消息队列中;
提取模块303,用于从所述卡夫卡消息队列中提取得到目标结构化商户画像数据;
匹配模块304,用于基于预置的标签规则库对所述目标结构化商户画像数据进行标签匹配,得到商户画像标签集;
构建模块305,用于基于所述商户画像标签集进行模型构建,得到目标商户画像模型,并将所述目标商户画像模型上传至预置的接口,所述目标商户画像模型供快递管理系统调用。
可选的,商户画像模型生成装置还包括:
画像数据获取模块306,用于通过快递管理系统获取多个商户画像数据;
结构化处理模块307,用于通过快递管理系统对所述每个商户画像数据进行结构化处理,得到多个结构化商户画像数据。
可选的,结构化处理模块307还可以具体用于:
通过快递管理系统和预置的日志收集系统将每个商户画像数据发送至预置的日志分析器进行处理,得到多个结构化数据;
或者,
通过快递管理系统和预置的卡夫卡数据通道将每个商户画像数据发送至预置的日志分析器进行处理,得到多个结构化数据。
可选的,匹配模块304还可以具体用于:
调用预置的特征提取器对所述目标结构化商户画像数据进行特征提取,得到目标商户画像特征;
在预置的标签规则数据库中搜寻与所述目标商户画像特征匹配的标签,得到商户画像标签集。
可选的,构建模块305还可以具体用于:
对所述商户画像标签集进行场景计算,得到目标场景数据;
对所述商户画像标签集进行维度计算,得到目标维度数据,所述维度数据至少包括基本信息维度数据、经营商品维度数据、客群特征维度数据、服务偏好维度数据以及核心竞争维度数据;
基于所述目标场景数据和目标维度数据进行模型训练,得到目标商户画像模型。
可选的,商户画像模型生成装置还包括:
优化请求获取模块308,用于获取标签数据库优化请求,所述标签数据库优化请求为标签添加请求、标签删除请求或者标签修改请求;
优化模块309,用于基于所述标签添加请求在所述预置的标签规则数据库中添加标签、基于所述标签删除请求从所述预置的标签规则数据库中删除标签或者基于所述标签修改请求对所述预置的标签规则数据库中的标签进行修改。
本发明实施例中,通过从快递管理系统获取结构化商户画像数据,再基于电商卖家为该结构化商户画像数据打标签,得到商户画像标签集,最后根据这些标签集训练得到商户画像模型,将商户画像模型上传至预置的接口以供快递管理系统用来预测快递件量、路由规划、个性快递产品研发等,提高了快递管理系统制定服务策略的准确率,且提高了指定服务策略的工作效率。
上面图3和图4从模块化功能实体的角度对本发明实施例中的商户画像模型生成装置进行详细描述,下面从硬件处理的角度对本发明实施例中商户画像模型生成设备进行详细描述。
图5是本发明实施例提供的一种商户画像模型生成设备的结构示意图,该商户画像模型生成设备500可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)510(例如,一个或一个以上处理器)和存储器520,一个或一个以上存储应用程序533或数据532的存储介质530(例如一个或一个以上海量存储设备)。其中,存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对商户画像模型生成设备500中的一系列指令操作。更进一步地,处理器510可以设置为与存储介质530通信,在商户画像模型生成设备500上执行存储介质530中的一系列指令操作。
商户画像模型生成设备500还可以包括一个或一个以上电源540,一个或一个以上有线或无线网络接口550,一个或一个以上输入输出接口560,和/或,一个或一个以上操作系统531,例如Windows Serve,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图5示出的商户画像模型生成设备结构并不构成对商户画像模型生成设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述商户画像模型生成方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的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(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上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。
Claims (10)
1.一种商户画像模型生成方法,其特征在于,所述商户画像模型生成方法包括:
获取多个结构化商户画像数据,所述结构化商户画像数据至少包括商户基本信息数据和商户销量数据;
将所述多个结构化商户画像数据写入卡夫卡消息队列中;
从所述卡夫卡消息队列中提取得到目标结构化商户画像数据;
基于预置的标签规则库对所述目标结构化商户画像数据进行标签匹配,得到商户画像标签集;
基于所述商户画像标签集进行模型构建,得到目标商户画像模型,并将所述目标商户画像模型上传至预置的接口,所述目标商户画像模型供快递管理系统调用。
2.根据权利要求1所述的商户画像模型生成方法,其特征在于,在所述获取多个结构化商户画像数据,所述结构化商户画像数据至少包括商户基本信息数据和商户销量数据之前,所述商户画像模型生成方法还包括:
通过快递管理系统获取多个商户画像数据;
通过快递管理系统对所述每个商户画像数据进行结构化处理,得到多个结构化商户画像数据。
3.根据权利要求2所述的商户画像模型生成方法,其特征在于,所述通过快递管理系统对所述每个商户画像数据进行结构化处理,得到多个结构化商户画像数据包括:
通过快递管理系统和预置的日志收集系统将每个商户画像数据发送至预置的日志分析器进行处理,得到多个结构化数据;
或者,
通过快递管理系统和预置的卡夫卡数据通道将每个商户画像数据发送至预置的日志分析器进行处理,得到多个结构化数据。
4.根据权利要求1所述的商户画像模型生成方法,其特征在于,所述基于预置的标签规则库对所述目标结构化商户画像数据进行标签匹配,得到商户画像标签集包括:
调用预置的特征提取器对所述目标结构化商户画像数据进行特征提取,得到目标商户画像特征;
在预置的标签规则数据库中搜寻与所述目标商户画像特征匹配的标签,得到商户画像标签集。
5.根据权利要求1所述的商户画像模型生成方法,其特征在于,所述基于所述商户画像标签集进行模型构建,得到目标商户画像模型,并将所述目标商户画像模型上传至预置的接口,所述目标商户画像模型供快递管理系统调用包括:
对所述商户画像标签集进行场景计算,得到目标场景数据;
对所述商户画像标签集进行维度计算,得到目标维度数据,所述维度数据至少包括基本信息维度数据、经营商品维度数据、客群特征维度数据、服务偏好维度数据以及核心竞争维度数据;
基于所述目标场景数据和目标维度数据进行模型训练,得到目标商户画像模型。
6.根据权利要求1-5中任意一项所述的商户画像模型生成方法,其特征在于,在所述基于所述商户画像标签集进行模型构建,得到目标商户画像模型,并将所述目标商户画像模型上传至预置的接口,所述目标商户画像模型供快递管理系统调用之后,所述商户画像模型生成方法还包括:
获取标签数据库优化请求,所述标签数据库优化请求为标签添加请求、标签删除请求或者标签修改请求;
基于所述标签添加请求在所述预置的标签规则数据库中添加标签、基于所述标签删除请求从所述预置的标签规则数据库中删除标签或者基于所述标签修改请求对所述预置的标签规则数据库中的标签进行修改。
7.一种商户画像模型生成装置,其特征在于,所述商户画像模型生成装置包括:
结构化数据获取模块,用于获取多个结构化商户画像数据,所述结构化商户画像数据至少包括商户基本信息数据和商户销量数据;
写入模块,用于将所述多个结构化商户画像数据写入卡夫卡消息队列中;
提取模块,用于从所述卡夫卡消息队列中提取得到目标结构化商户画像数据;
匹配模块,用于基于预置的标签规则库对所述目标结构化商户画像数据进行标签匹配,得到商户画像标签集;
构建模块,用于基于所述商户画像标签集进行模型构建,得到目标商户画像模型,并将所述目标商户画像模型上传至预置的接口,所述目标商户画像模型供快递管理系统调用。
8.根据权利要求7所述的商户画像模型生成装置,其特征在于,所述商户画像模型生成装置还包括:
画像数据获取模块,用于通过快递管理系统获取多个商户画像数据;
结构化处理模块,用于通过快递管理系统对所述每个商户画像数据进行结构化处理,得到多个结构化商户画像数据。
9.一种商户画像模型生成设备,其特征在于,所述商户画像模型生成设备包括:存储器和至少一个处理器,所述存储器中存储有指令,所述存储器和所述至少一个处理器通过线路互连;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述商户画像模型生成设备执行如权利要求1-6中任意一项所述的商户画像模型生成方法。
10.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-6中任一项所述商户画像模型生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010919302.4A CN112561559A (zh) | 2020-09-04 | 2020-09-04 | 商户画像模型生成方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010919302.4A CN112561559A (zh) | 2020-09-04 | 2020-09-04 | 商户画像模型生成方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112561559A true CN112561559A (zh) | 2021-03-26 |
Family
ID=75041014
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010919302.4A Pending CN112561559A (zh) | 2020-09-04 | 2020-09-04 | 商户画像模型生成方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112561559A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113297377A (zh) * | 2021-05-24 | 2021-08-24 | 山东财经大学 | 基于空间自回归模型的零售店铺画像构建方法及系统 |
CN115357938A (zh) * | 2022-09-20 | 2022-11-18 | 支付宝(杭州)信息技术有限公司 | 虚拟形象处理方法及装置 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106503015A (zh) * | 2015-09-07 | 2017-03-15 | 国家计算机网络与信息安全管理中心 | 一种构建用户画像的方法 |
CN106504099A (zh) * | 2015-09-07 | 2017-03-15 | 国家计算机网络与信息安全管理中心 | 一种构建用户画像的系统 |
CN107315810A (zh) * | 2017-06-27 | 2017-11-03 | 济南浪潮高新科技投资发展有限公司 | 一种物联网设备行为画像方法 |
CN107886241A (zh) * | 2017-11-10 | 2018-04-06 | 北京三快在线科技有限公司 | 资源分析方法、装置、介质和电子设备 |
CN108021929A (zh) * | 2017-11-16 | 2018-05-11 | 华南理工大学 | 基于大数据的移动端电商用户画像建立与分析方法及系统 |
CN109189904A (zh) * | 2018-08-10 | 2019-01-11 | 上海中彦信息科技股份有限公司 | 个性化搜索方法及系统 |
CN109284195A (zh) * | 2018-08-27 | 2019-01-29 | 广东电网有限责任公司信息中心 | 一种实时画像数据计算方法及系统 |
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 |
CN109961357A (zh) * | 2019-03-25 | 2019-07-02 | 上海拉扎斯信息科技有限公司 | 用户数据处理方法、装置、电子设备及存储介质 |
CN110189157A (zh) * | 2019-04-16 | 2019-08-30 | 再惠(上海)网络科技有限公司 | 商户管理方法、系统、电子终端、及存储介质 |
CN111126880A (zh) * | 2020-01-02 | 2020-05-08 | 浙江吉利新能源商用车集团有限公司 | 一种用户画像生成方法、装置及设备 |
CN111311316A (zh) * | 2020-02-03 | 2020-06-19 | 支付宝(杭州)信息技术有限公司 | 商户画像的刻画方法、装置、电子设备、验证方法及系统 |
CN111400619A (zh) * | 2020-03-11 | 2020-07-10 | 上海东普信息科技有限公司 | 物流轨迹数据推送方法、装置、设备及存储介质 |
CN111553729A (zh) * | 2020-04-27 | 2020-08-18 | 广州探途网络技术有限公司 | 一种电商用户画像数据生成方法、装置和计算设备 |
WO2024020708A1 (zh) * | 2022-07-25 | 2024-02-01 | 深圳市富途网络科技有限公司 | 基于用户画像的数据处理方法、装置、设备、介质及程序 |
-
2020
- 2020-09-04 CN CN202010919302.4A patent/CN112561559A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106503015A (zh) * | 2015-09-07 | 2017-03-15 | 国家计算机网络与信息安全管理中心 | 一种构建用户画像的方法 |
CN106504099A (zh) * | 2015-09-07 | 2017-03-15 | 国家计算机网络与信息安全管理中心 | 一种构建用户画像的系统 |
CN107315810A (zh) * | 2017-06-27 | 2017-11-03 | 济南浪潮高新科技投资发展有限公司 | 一种物联网设备行为画像方法 |
CN107886241A (zh) * | 2017-11-10 | 2018-04-06 | 北京三快在线科技有限公司 | 资源分析方法、装置、介质和电子设备 |
CN108021929A (zh) * | 2017-11-16 | 2018-05-11 | 华南理工大学 | 基于大数据的移动端电商用户画像建立与分析方法及系统 |
CN109189904A (zh) * | 2018-08-10 | 2019-01-11 | 上海中彦信息科技股份有限公司 | 个性化搜索方法及系统 |
CN109284195A (zh) * | 2018-08-27 | 2019-01-29 | 广东电网有限责任公司信息中心 | 一种实时画像数据计算方法及系统 |
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 |
CN109961357A (zh) * | 2019-03-25 | 2019-07-02 | 上海拉扎斯信息科技有限公司 | 用户数据处理方法、装置、电子设备及存储介质 |
CN110189157A (zh) * | 2019-04-16 | 2019-08-30 | 再惠(上海)网络科技有限公司 | 商户管理方法、系统、电子终端、及存储介质 |
CN111126880A (zh) * | 2020-01-02 | 2020-05-08 | 浙江吉利新能源商用车集团有限公司 | 一种用户画像生成方法、装置及设备 |
CN111311316A (zh) * | 2020-02-03 | 2020-06-19 | 支付宝(杭州)信息技术有限公司 | 商户画像的刻画方法、装置、电子设备、验证方法及系统 |
CN111400619A (zh) * | 2020-03-11 | 2020-07-10 | 上海东普信息科技有限公司 | 物流轨迹数据推送方法、装置、设备及存储介质 |
CN111553729A (zh) * | 2020-04-27 | 2020-08-18 | 广州探途网络技术有限公司 | 一种电商用户画像数据生成方法、装置和计算设备 |
WO2024020708A1 (zh) * | 2022-07-25 | 2024-02-01 | 深圳市富途网络科技有限公司 | 基于用户画像的数据处理方法、装置、设备、介质及程序 |
Non-Patent Citations (2)
Title |
---|
姜红玉;汪朋;封雷;: "基于流式计算的实时用户画像系统研究", 计算机技术与发展, no. 07, 10 July 2020 (2020-07-10), pages 188 - 189 * |
孙秋莲;: "基于大数据的农产品电商用户画像系统的设计和应用", 山西农经, no. 06, 31 March 2019 (2019-03-31) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113297377A (zh) * | 2021-05-24 | 2021-08-24 | 山东财经大学 | 基于空间自回归模型的零售店铺画像构建方法及系统 |
CN115357938A (zh) * | 2022-09-20 | 2022-11-18 | 支付宝(杭州)信息技术有限公司 | 虚拟形象处理方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN108805615B (zh) | 一种基于用户消费行为的优惠活动推送方法及系统 | |
US20030028424A1 (en) | Method and system for the direct delivery of product samples | |
KR20220012396A (ko) | 인공 지능을 이용한 제품 통합 및 중복제거를 위한 컴퓨터 시스템 및 방법 | |
JP6373462B1 (ja) | 予測装置、予測方法及び予測プログラム | |
CN102282551A (zh) | 娱乐入场券定价的自动决策支持 | |
Sun et al. | Cross-border e-commerce data set: Choosing the right fulfillment option | |
WO2019242343A1 (zh) | 营销信息投放平台构建方法及装置 | |
JP2019501475A (ja) | 目立たないサイドチャネルデータ回復を有する購入取引データ検索システム | |
CN112561559A (zh) | 商户画像模型生成方法、装置、设备及存储介质 | |
CN110942392A (zh) | 一种业务数据处理方法、装置、设备和介质 | |
CN116308684A (zh) | 一种网购平台店铺信息推送方法及系统 | |
CN113204712A (zh) | 基于社区服务的信息推送方法、装置、介质及程序产品 | |
Popenkova et al. | Prospective directions of e-commerce development | |
Demiroglu | E-commerce as a tool for the development of small business | |
CN112016581A (zh) | 一种多维数据处理方法、装置、计算机设备及存储介质 | |
KR20100123206A (ko) | 인공지능에 기반한 랭킹 분석 방법, 이를 기록한 기록 매체, 그 장치 | |
CN112561603A (zh) | 一种基于用户实时行为的事件标签实现方法及其系统 | |
CN112686716A (zh) | 基于多维度的产品报价处理方法及系统 | |
CN117132328A (zh) | 广告投放控制方法及其装置、设备、介质 | |
CN116402569A (zh) | 基于知识图谱的商品推荐方法、装置、系统及存储介质 | |
CN108510343A (zh) | 一款移动传统erp电子商务平台订单处理方法 | |
Sharawi et al. | Utilization of data visualization for knowledge discovery in modern logistic service companies | |
CN110738538B (zh) | 识别相似物品的方法和装置 |
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 |