CN112700298A - 一种提高直播带货销量的信息处理方法及系统 - Google Patents

一种提高直播带货销量的信息处理方法及系统 Download PDF

Info

Publication number
CN112700298A
CN112700298A CN202011454128.7A CN202011454128A CN112700298A CN 112700298 A CN112700298 A CN 112700298A CN 202011454128 A CN202011454128 A CN 202011454128A CN 112700298 A CN112700298 A CN 112700298A
Authority
CN
China
Prior art keywords
information
goods
obtaining
training
net red
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
Application number
CN202011454128.7A
Other languages
English (en)
Inventor
吴翊展
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN202011454128.7A priority Critical patent/CN112700298A/zh
Publication of CN112700298A publication Critical patent/CN112700298A/zh
Pending legal-status Critical Current

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]
    • 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
    • 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
    • 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]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/21—Server components or server architectures
    • H04N21/218—Source of audio or video content, e.g. local disk arrays
    • H04N21/2187—Live feed
    • 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
    • H04N21/478—Supplemental services, e.g. displaying phone caller identification, shopping application
    • H04N21/47815—Electronic shopping

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Databases & Information Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种提高直播带货销量的信息处理方法及系统，所述方法包括：获得第一网红的第一货品的现货数量信息；获得预定现货数量阈值；判断所述第一货品的现货数量信息是否在所述预定现货数量阈值之内；如果所述第一货品的现货数量信息不在所述预定现货数量阈值之内，获得第一网红观众的第一评论信息；获得所述第一网红观众对所述第一货品的加购信息；将所述第一评论信息和所述加购信息输入第一训练模型；获得所述第一训练模型的第一输出信息；根据所述第一货品的预售数量信息，获得所述第一货品的订单信息。解决了因直播货品库存不足，进而导致的直播带货销量滞后的技术问题。

Description

一种提高直播带货销量的信息处理方法及系统
技术领域
本发明涉及一种直播带货领域，尤其涉及一种提高直播带货销量的信息处理方法及系统。
背景技术
今年以来，面对令人猝不及防的新冠肺炎疫情，线下实体商业遭受到了不小的冲击，不少商家、企业、行业为了解决这一难题，纷纷推进自家互联网化、数字化的进程，积极地开始向线上消费转移，以希望能够度过这个困难的时期。而这些，恰恰促进了当前直播带货这一新兴行业的飞速发展。
但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
由于直播过程中未能提前调研某些货品的库存余额，进而导致直播时带货销量滞后，影响直播带货效果。
发明内容
本申请实施例通过提供一种提高直播带货销量的信息处理方法，解决了因直播货品库存不足，进而导致的直播带货销量滞后的技术问题，达到了通过协调各主播的带货数量以及各货品库存，进而精准确定预售数量，提高货品销量的技术效果。
本申请实施例提供了一种提高直播带货销量的信息处理方法，其中，所述方法包括：获得第一网红的第一货品的现货数量信息；获得预定现货数量阈值；判断所述第一货品的现货数量信息是否在所述预定现货数量阈值之内；如果所述第一货品的现货数量信息不在所述预定现货数量阈值之内，获得第一网红观众的第一评论信息；获得所述第一网红观众对所述第一货品的加购信息；将所述第一评论信息和所述加购信息输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第一评论信息和所述加购信息和用来标识货品预售数量的标识信息；获得所述第一训练模型的第一输出信息，其中，所述第一输出信息包括所述第一货品的预售数量信息；根据所述第一货品的预售数量信息，获得所述第一货品的订单信息。
另一方面，本申请还提供了一种提高直播带货销量的信息处理系统，其中，所述系统包括：第一获得单元：所述第一获得单元用于获得第一网红的第一货品的现货数量信息；第二获得单元：所述第二获得单元用于获得预定现货数量阈值；第一判断单元：所述第一判断单元用于判断所述第一货品的现货数量信息是否在所述预定现货数量阈值之内；第三获得单元：所述第三获得单元用于如果所述第一货品的现货数量信息不在所述预定现货数量阈值之内，获得第一网红观众的第一评论信息；第四获得单元：所述第四获得单元用于获得所述第一网红观众对所述第一货品的加购信息；第一输入单元：所述第一输入单元用于将所述第一评论信息和所述加购信息输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第一评论信息和所述加购信息和用来标识货品预售数量的标识信息；第五获得单元：所述第五获得单元用于获得所述第一训练模型的第一输出信息，其中，所述第一输出信息包括所述第一货品的预售数量信息；第六获得单元：所述第六获得单元用于根据所述第一货品的预售数量信息，获得所述第一货品的订单信息。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
通过获得所述第一网红的观众评论信息以及直播过程中的货品加购信息，经过训练模型的不断训练，可以确定所述第一货品的预售数额，进而达到精准确定所述第一货品的预售数量，提高直播带货销量的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种提高直播带货销量的信息处理方法的流程示意图；
图2为本申请实施例一种提高直播带货销量的信息处理系统的结构示意图；
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明：第一获得单元11，第二获得单元12，第一判断单元13，第三获得单元14，第四获得单元15，第一输入单元16，第五获得单元17，第六获得单元18，总线300，接收器301，处理器302，发送器303，存储器304，总线接口306。
具体实施方式
本申请实施例通过提供一种提高直播带货销量的信息处理方法，解决了因直播货品库存不足，进而导致的直播带货销量滞后的技术问题，达到了通过协调各主播的带货数量以及各货品库存，进而精准确定预售数量，提高货品销量的技术效果。
下面，将参考附图详细的描述根据本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
申请概述
今年以来，面对令人猝不及防的新冠肺炎疫情，线下实体商业遭受到了不小的冲击，不少商家、企业、行业为了解决这一难题，纷纷推进自家互联网化、数字化的进程，积极地开始向线上消费转移，以希望能够度过这个困难的时期。而这些，恰恰促进了当前直播带货这一新兴行业的飞速发展。由于直播过程中未能提前调研某些货品的库存余额，进而导致直播时带货销量滞后，影响直播带货效果。
针对上述技术问题，本申请提供的技术方案总体思路如下：
本申请实施例提供了一种提高直播带货销量的信息处理方法，其中，所述方法包括：获得第一网红的第一货品的现货数量信息；获得预定现货数量阈值；判断所述第一货品的现货数量信息是否在所述预定现货数量阈值之内；如果所述第一货品的现货数量信息不在所述预定现货数量阈值之内，获得第一网红观众的第一评论信息；获得所述第一网红观众对所述第一货品的加购信息；将所述第一评论信息和所述加购信息输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第一评论信息和所述加购信息和用来标识货品预售数量的标识信息；获得所述第一训练模型的第一输出信息，其中，所述第一输出信息包括所述第一货品的预售数量信息；根据所述第一货品的预售数量信息，获得所述第一货品的订单信息。
在介绍了本申请基本原理之后，为了更好地理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例一
如图1所示，本申请实施例提供了一种提高直播带货销量的信息处理方法，其中，所述方法包括：
步骤S100：获得第一网红的第一货品的现货数量信息；
具体而言，所述第一网红为进行直播带货的的第一网络红人，所述现货数量信息为所述第一网红的直播带货的既有的货品数量信息，通过获得第一网红的第一货品的现货数量信息可以对所述第一网红的现有的货品数量有基本的掌握。
步骤S200：获得预定现货数量阈值；
具体而言，所述预定现货数量阈值为预先设定的所述第一网红的现有货品数量，可通过将所述第一网红的第一货品的现货数量信息与预定现货数量阈值进行对比，便于之后的货品的动态调整。
步骤S300：判断所述第一货品的现货数量信息是否在所述预定现货数量阈值之内；
步骤S400：如果所述第一货品的现货数量信息不在所述预定现货数量阈值之内，获得第一网红观众的第一评论信息；
具体而言，可对所述第一网红的第一货品的现货数量信息与预定现货数量阈值进行对比，判断所述第一货品的现货数量信息是否在所述预定现货数量阈值之内，即所述第一货品的现货数量信息是否满足预定的货品库存，当所述第一货品的现货数量信息不在所述预定现货数量阈值之内时，即所述第一货品的现货数量未达到要求的货品库存，则获得第一网红观众的第一评论信息，所述第一评论信息为观众对直播带货过程中的网红的评论信息，通过所述第一评论信息可以直观的获得所述第一货品的直播售卖效果。
步骤S500：获得所述第一网红观众对所述第一货品的加购信息；
具体而言，所述第一货品的加购信息为所述第一网红在直播带货过程中，观众对所述第一货品的加购信息，所述加购信息受直播效果、产品质量等因素的影响。
步骤S600：将所述第一评论信息和所述加购信息输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第一评论信息和所述加购信息和用来标识货品预售数量的标识信息；
步骤S700：获得所述第一训练模型的第一输出信息，其中，所述第一输出信息包括所述第一货品的预售数量信息；
具体而言，将所述第一评论信息和所述加购信息输入第一训练模型，所述第一训练模型也称神经网络模型，神经网络(Neural Networks，NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(ArtificialNeural Networks)，是对人类大脑系统的一阶特性的一种描述。简单地讲，它是一个数学模型。在本申请实施例中，将所述第一评论信息和所述加购信息输入第一训练模型，用标识的货品预售数量信息对所述神经网络模型进行训练，所述第一输出信息为所述第一货品的预售数量信息。
进一步来说，所述第一训练模型的过程实质为监督学习的过程。所述多组训练数据具体为：所述第一评论信息和所述加购信息和用来标识货品预售数量的标识信息。通过输入所述第一评论信息和所述加购信息，神经网络模型会输出第一结果，所述第一结果表示所述第一货品的预售数量信息，通过将所述输出信息与所述起标识作用的货品预售数量信息进行校验，如果所述输出信息与所述起标识作用的货品预售数量信息要求相一致，则本数据监督学习完成，则进行下一组数据监督学习；如果所述输出信息与所述起标识作用的货品预售数量信息要求不一致，则神经网络学习模型自身进行调整，直到神经网络学习模型输出结果与所述起标识作用的货品预售数量信息要求相一致，进行下一组数据的监督学习。借助训练模型对所述第一评论信息和所述加购信息进行不断训练，达到了使得输出的第一结果即所述第一货品的预售数量信息更加精确地技术效果。
步骤S800：根据所述第一货品的预售数量信息，获得所述第一货品的订单信息。
具体而言，通过将所述第一评论信息和所述加购信息输入第一训练模型，经过训练模型的不断训练，最终获得所述第一货品的预售数量信息，可根据所述第一货品的预售数量信息，获得所述第一货品的订单信息，通过预售数量信息进行货品加订，达到了提高货品销量的技术效果。
获得第一网红观众的评论信息之前，步骤S400还包括：
步骤S410：获得第二网红对所述第一货品的现货销量信息；
步骤S420：根据所述第二网红对所述第一货品的现货销量信息，判断所述第二网红的所述第一货品是否售罄；
步骤S430：如果所述第二网红的所述第一货品未售罄，获得第一调货指令；
步骤S440：根据所述第一调货指令，将所述第二网红的所述第一货品调货给所述第一网红。
具体而言，为了提高货品售卖销量，还可获得第二网红对所述第一货品的现货销量信息，所述第二网红售卖与所述第一网红同款产品，可根据所述第二网红对所述第一货品的现货销量信息，判断所述第二网红的所述第一货品是否售罄，进而判断是否调货给所述第一网红，即如果所述第二网红的所述第一货品未售罄，获得第一调货指令，根据所述第一调货指令，将所述第二网红的所述第一货品调货给所述第一网红，确保所述第一货品供应充足，使得所述第一网红可继续进行直播带货，通过动态调整货源，达到了提高所述第一货品的售卖销量的技术效果。
为了改进网红的业务水平，提高网络直播带货效率，本申请实施例还包括：
步骤S910：获得第一平台中所有网红对所述第一货品的带货数量的降序排位信息；
步骤S920：根据所述降序排位信息，获得第三网红，所述第三网红为所述降序排位信息中的末位网红；
步骤S930：获得第一培训信息；
步骤S940：根据所述第一培训信息对所述第三网红进行培训。
具体而言，为了提高网红直播带货的业务水平，可获得第一平台中所有网红对所述第一货品的带货数量的降序排位信息，所述第一平台为包含斗鱼、虎牙等直播平台，可按照业务水平依次对所有网红进行带货数量的降序排列，根据所述降序排位信息，获得第三网红，所述第三网红为所述降序排位信息中的末位网红，即业务水平最弱的网红，进而获得第一培训信息，对所述第三网红进行业务培训，使得所述第三网红的业务水平有所提高，通过对业务水平差的网红进行培训，达到了改进网红的业务水平，提高网络直播带货效率的技术效果。
获得第一培训信息，步骤S930还包括：
步骤S931：根据所述降序排位信息，获得第四网红，所述第四网红为所述降序排位信息中的首位网红；
步骤S932：获得所述第四网红的第二评论信息；
步骤S933：根据所述第四网红的第二评论信息，获得第四标签信息；
步骤S934：根据所述第三网红的第三评论信息，获得第三标签信息；
步骤S935:对所述第三标签信息和所述第四标签信息进行特征比对，获得第一区别特征标签信息；
步骤S936：根据所述第一区别特征标签信息，获得所述第一培训信息。
具体而言，为了对业务水平差的网红进行针对性的培训，还可根据所述降序排位信息，获得第四网红，所述第四网红为所述降序排位信息中的首位网红，即业务水平最好的网红，进而获得所述第四网红的第二评论信息，所述第二评论信息为所述第四网红在进行直播带货过程中的观众的评论信息，可根据所述第四网红的第二评论信息，获得第四标签信息，所述第四标签信息可理解为第二评论信息中的某些关键词信息，如直播风格幽默有趣、货品讲解清楚及现场的货品体验效果等信息，根据所述第三网红的第三评论信息，获得第三标签信息，所述第三标签信息可理解为第三评论信息中的某些关键词信息，如直播过程中讲解不清楚、语气生硬等信息，通过对所述第三标签信息和所述第四标签信息进行特征比对，比对评论信息中的关键词信息，获得第一区别特征标签信息，所述第一区别特征标签信息为所述第三网红不同于所述第四网红的评论标签信息，进而根据所述第一区别特征标签信息，获得所述第一培训信息，所述第一培训信息为对所述第三网红进行针对性培训，达到了有针对性的对差网红进行培训，进而提高业务能力，最终提高货品售卖率的技术效果。
为了对待直播的货品信息进行更合理的分配，提高待售货品的销量，本申请实施例还包括：
步骤S1010：获得第二货品信息；
步骤S1020：根据所述降序排位信息，获得第一带货数量分配信息；
步骤S1030：根据所述第一培训信息，获得第一培训成绩信息；
步骤S1040：根据所述第一培训成绩信息，获得第一浮动系数；
步骤S1050：根据所述第一浮动系数，对所述第一带货数量分配信息进行调整，获得第二带货数量分配信息；
步骤S1060：根据所述第二带货数量分配信息对所述第二货品进行分配。
具体而言，为了提高待售货品的售卖率，可按照带货能力分配带货数量，获得第二货品信息，所述第二货品信息为待售货品，根据所述降序排位信息，获得第一带货数量分配信息，即按照之前的带货能力来进行带货数量分配，对业务能力差的网红进行针对性的培训之后，可获得第一培训成绩信息，所述第一培训成绩信息为培训之后的网红成绩信息，并根据所述第一培训成绩信息，获得第一浮动系数，所述第一浮动系数即对比培训前后的成绩波动情况，判断是否有波动，又或波动是否明显，进而根据所述第一浮动系数，对所述第一带货数量分配信息进行调整，获得第二带货数量分配信息，所述第二带货数量分配信息为调整过后的货品分配信息，并根据所述第二带货数量分配信息对所述第二货品进行分配，使得按照经过培训之后的带货能力来分配带货数量，达到了对待直播的货品信息进行更合理的分配，提高待售货品的销量的技术效果。
为了提高同类型货品的售卖率，本申请实施例还包括：
步骤S1110：获得第三货品，所述第三货品为所述第一网红在第一直播中销量最高的货品；
步骤S1120：获得所述第三货品的种类信息；
步骤S1130：获得所述第一网红在第二平台的第四评论信息；
步骤S1140：根据所述第三货品的种类信息和所述第四评论信息，获得第四货品信息；
步骤S1150：获得第一带货信息，根据所述第一带货信息将所述第四货品信息分配给所述第一网红进行带货销售。
具体而言，当某款货品直播带货效果良好时，可获得同类型货品一同售卖，可提高同类型货品的售卖率，则获得第三货品，所述第三货品为所述第一网红在第一直播中销量最高的货品，并获得所述第三货品的种类信息，即判断所述第三货品从属的类型，可以为美容、服饰、家居、电子产品等类型，还可获得所述第一网红在第二平台的第四评论信息，所述第二平台为一购物直播平台，不同于所述第一平台，所述第四评论信息为所述第一网红在第二平台上的评论信息，进而根据所述第三货品的种类信息和所述第四评论信息，获得第四货品信息，所述第四货品信息为所述第三货品的同款货品，并获得第一带货信息，所述第一带货信息为将所述第四货品信息分配给所述第一网红进行带货销售，通过对同款产品进行直播带货，达到了提高同类型货品的售卖率的技术效果。
根据所述第三货品的种类信息和所述第四评论信息，获得第四货品信息，步骤S1140还包括：
步骤S1141:将所述第三货品的种类信息和所述第四评论信息输入第二训练模型，其中，所述第二训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第三货品的种类信息、所述第四评论信息和用来标识分配货品的标识信息；
步骤S1142：获得所述第二训练模型的第二输出信息，其中，所述第二输出信息包括第四货品信息。
具体而言，已知所述第三货品的种类信息和所述第四评论信息，可将所述第三货品的种类信息和所述第四评论信息输入第二训练模型，所述第二训练模型同所述第一训练模型，均为神经网络训练模型，在此不做具体阐述，通过将所述第三货品的种类信息和所述第四评论信息输入第二训练模型不断地训练，进而获得所述第二训练模型的第二输出信息，所述第二输出信息包括第四货品信息，借助训练模型对所述第三货品的种类信息和所述第四评论信息进行不断训练，达到了使得输出的第一结果即所述第四货品信息更加精确地技术效果。
为了提升直播带货效率，提高货品售卖率，本申请实施例还包括；
步骤S1210：获得第一购物平台，所述第一购物平台为所述第一用户进行购物的平台；
步骤S1220：获得第一购物车信息，所述第一购物车信息为所述第一用户在所述第一购物平台的欲采购货品信息；
步骤S1230：获得历史浏览货品信息，所述历史浏览货品信息为所述第一用户在所述第一购物平台上浏览过得货品信息；
步骤S1240：将所述第一购物车信息和所述历史浏览货品信息输入第三训练模型，其中，所述第三训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第一购物车信息、所述历史浏览货品信息和用来标识所述第一用户需要的货品的标识信息；
步骤S1250：获得所述第三训练模型的第三输出信息，其中，所述第三输出信息包括所述第一用户需要的货品信息。
步骤S1260：将所述第一用户需要的货品信息发送给所述第一网红，并进行直播带货。
具体而言，为了提升直播带货效率，提高货品售卖率，可获得所述第一用户在购物平台上的购物车信息，所述购物平台为淘宝、京东等购物平台，还可获得所述第一用户在购物平台上的历史浏览量信息，通过将所述第一购物车信息和所述历史浏览货品信息输入第三训练模型，进行不断的训练，可获得匹配所述第一用户需要的货品信息，并将所述第一用户需要的货品信息发送给所述第一网红，进行直播带货，达到了提升直播带货效率，提高货品售卖率的技术效果。
综上所述，本申请实施例所提供的一种提高直播带货销量的信息处理方法具有如下技术效果：
1、通过获得所述第一网红的观众评论信息以及直播过程中的货品加购信息，经过训练模型的不断训练，可以确定所述第一货品的预售数额，进而达到精准确定所述第一货品的预售数量，提高直播带货销量的技术效果。
2、通过对业务能力差的网红进行专业性的、针对性的业务培训，使得业务能力差的网红的业务能力有所提升，并进行成绩评定，使得培训效果清晰明了，达到了提升网红的业务能力，进而提高货品的售卖效率的技术效果。
实施例二
基于与前述实施例中一种提高直播带货销量的信息处理方法同样发明构思，本发明还提供了一种提高直播带货销量的信息处理系统，如图2所示，所述系统包括：
第一获得单元11：所述第一获得单元11用于获得第一网红的第一货品的现货数量信息；
第二获得单元12：所述第二获得单元12用于获得预定现货数量阈值；
第一判断单元13：所述第一判断单元13用于判断所述第一货品的现货数量信息是否在所述预定现货数量阈值之内；
第三获得单元14：所述第三获得单元14用于如果所述第一货品的现货数量信息不在所述预定现货数量阈值之内，获得第一网红观众的第一评论信息；
第四获得单元15：所述第四获得单元15用于获得所述第一网红观众对所述第一货品的加购信息；
第一输入单元16：所述第一输入单元16用于将所述第一评论信息和所述加购信息输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第一评论信息和所述加购信息和用来标识货品预售数量的标识信息；
第五获得单元17：所述第五获得单元17用于获得所述第一训练模型的第一输出信息，其中，所述第一输出信息包括所述第一货品的预售数量信息；
第六获得单元18：所述第六获得单元18用于根据所述第一货品的预售数量信息，获得所述第一货品的订单信息。
进一步的，所述系统还包括：
第七获得单元：所述第七获得单元用于获得第二网红对所述第一货品的现货销量信息；
第二判断单元：所述第二判断单元用于根据所述第二网红对所述第一货品的现货销量信息，判断所述第二网红的所述第一货品是否售罄；
第八获得单元：所述第八获得单元用于如果所述第二网红的所述第一货品未售罄，获得第一调货指令；
第一调货单元：所述第一调货单元用于根据所述第一调货指令，将所述第二网红的所述第一货品调货给所述第一网红。
进一步的，所述系统还包括：
第九获得单元：所述第九获得单元用于获得第一平台中所有网红对所述第一货品的带货数量的降序排位信息；
第十获得单元：所述第十获得单元用于根据所述降序排位信息，获得第三网红，所述第三网红为所述降序排位信息中的末位网红；
第十一获得单元：所述第十一获得单元用于获得第一培训信息；
第一培训单元：所述第一培训单元用于根据所述第一培训信息对所述第三网红进行培训。
进一步的，所述系统还包括：
第十二获得单元：所述第十二获得单元用于根据所述降序排位信息，获得第四网红，所述第四网红为所述降序排位信息中的首位网红；
第十三获得单元：所述第十三获得单元用于获得所述第四网红的第二评论信息；
第十四获得单元：所述第十四获得单元用于根据所述第四网红的第二评论信息，获得第四标签信息；
第十五获得单元：所述第十五获得单元用于根据所述第三网红的第三评论信息，获得第三标签信息；
第一比对单元：所述第一比对单元用于对所述第三标签信息和所述第四标签信息进行特征比对，获得第一区别特征标签信息；
第十六获得单元：所述第十六获得单元用于根据所述第一区别特征标签信息，获得所述第一培训信息。
进一步的，所述系统还包括：
第十七获得单元：所述第十七获得单元用于获得第二货品信息；
第十八获得单元：所述第十八获得单元用于根据所述降序排位信息，获得第一带货数量分配信息；
第十九获得单元：所述第十九获得单元用于根据所述第一培训信息，获得第一培训成绩信息；
第二十获得单元：所述第二十获得单元用于根据所述第一培训成绩信息，获得第一浮动系数；
第一调整单元：所述第一调整单元用于根据所述第一浮动系数，对所述第一带货数量分配信息进行调整，获得第二带货数量分配信息；
第一分配单元：所述第一分配单元用于根据所述第二带货数量分配信息对所述第二货品进行分配。
进一步的，所述系统还包括：
第二十一获得单元：所述第二十一获得单元用于获得第三货品，所述第三货品为所述第一网红在第一直播中销量最高的货品；
第二十二获得单元：所述第二十二获得单元用于获得所述第三货品的种类信息；
第二十三获得单元：所述第二十三获得单元用于获得所述第一网红在第二平台的第四评论信息；
第二十四获得单元：所述第二十四获得单元用于获得第一带货信息，根据所述第一带货信息将所述第四货品信息分配给所述第一网红进行带货销售。
进一步的，所述系统还包括：
第二输入单元：所述第二输入单元用于将所述第三货品的种类信息和所述第四评论信息输入第二训练模型，其中，所述第二训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第三货品的种类信息、所述第四评论信息和用来标识分配货品的标识信息；
第二十五获得单元：所述第二十五获得单元用于获得所述第二训练模型的第二输出信息，其中，所述第二输出信息包括第四货品信息。
前述图1实施例一中的一种提高直播带货销量的信息处理方法的各种变化方式和具体实例同样适用于本实施例的一种提高直播带货销量的信息处理系统，通过前述对一种提高直播带货销量的信息处理方法的详细描述，本领域技术人员可以清楚的知道本实施例中的一种提高直播带货销量的信息处理系统的实施方法，所以为了说明书的简洁，再次不再详述。
实施例三
下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中的一种提高直播带货销量的信息处理方法的发明构思，本发明还提供的一种提高直播带货销量的信息处理系统，其上存储有计算机程序，该程序被处理器执行时实现前文所述的一种提高直播带货销量的信息处理方法的任一方法的步骤。
其中，在图3中，总线架构(用总线300来代表)，总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他装置通信的单元。处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本申请实施例提供了一种提高直播带货销量的信息处理方法，其中，所述方法包括：获得第一网红的第一货品的现货数量信息；获得预定现货数量阈值；判断所述第一货品的现货数量信息是否在所述预定现货数量阈值之内；如果所述第一货品的现货数量信息不在所述预定现货数量阈值之内，获得第一网红观众的第一评论信息；获得所述第一网红观众对所述第一货品的加购信息；将所述第一评论信息和所述加购信息输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第一评论信息和所述加购信息和用来标识货品预售数量的标识信息；获得所述第一训练模型的第一输出信息，其中，所述第一输出信息包括所述第一货品的预售数量信息；根据所述第一货品的预售数量信息，获得所述第一货品的订单信息。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (9)

1.一种提高直播带货销量的信息处理方法，其中，所述方法包括：
获得第一网红的第一货品的现货数量信息；
获得预定现货数量阈值；
判断所述第一货品的现货数量信息是否在所述预定现货数量阈值之内；
如果所述第一货品的现货数量信息不在所述预定现货数量阈值之内，获得第一网红观众的第一评论信息；
获得所述第一网红观众对所述第一货品的加购信息；
将所述第一评论信息和所述加购信息输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第一评论信息和所述加购信息和用来标识货品预售数量的标识信息；
获得所述第一训练模型的第一输出信息，其中，所述第一输出信息包括所述第一货品的预售数量信息；
根据所述第一货品的预售数量信息，获得所述第一货品的订单信息。
2.如权利要求1所述的方法，其中，所述获得第一网红观众的评论信息之前，包括：
获得第二网红对所述第一货品的现货销量信息；
根据所述第二网红对所述第一货品的现货销量信息，判断所述第二网红的所述第一货品是否售罄；
如果所述第二网红的所述第一货品未售罄，获得第一调货指令；
根据所述第一调货指令，将所述第二网红的所述第一货品调货给所述第一网红。
3.如权利要求1所述的方法，其中，所述方法包括：
获得第一平台中所有网红对所述第一货品的带货数量的降序排位信息；
根据所述降序排位信息，获得第三网红，所述第三网红为所述降序排位信息中的末位网红；
获得第一培训信息；
根据所述第一培训信息对所述第三网红进行培训。
4.如权利要求3所述的方法，其中，所述获得第一培训信息，包括：
根据所述降序排位信息，获得第四网红，所述第四网红为所述降序排位信息中的首位网红；
获得所述第四网红的第二评论信息；
根据所述第四网红的第二评论信息，获得第四标签信息；
根据所述第三网红的第三评论信息，获得第三标签信息；
对所述第三标签信息和所述第四标签信息进行特征比对，获得第一区别特征标签信息；
根据所述第一区别特征标签信息，获得所述第一培训信息。
5.如权利要求4所述的方法，其中，所述方法包括：
获得第二货品信息；
根据所述降序排位信息，获得第一带货数量分配信息；
根据所述第一培训信息，获得第一培训成绩信息；
根据所述第一培训成绩信息，获得第一浮动系数；
根据所述第一浮动系数，对所述第一带货数量分配信息进行调整，获得第二带货数量分配信息；
根据所述第二带货数量分配信息对所述第二货品进行分配。
6.如权利要求5所述的方法，其中，所述方法包括：
获得第三货品，所述第三货品为所述第一网红在第一直播中销量最高的货品；
获得所述第三货品的种类信息；
获得所述第一网红在第二平台的第四评论信息；
根据所述第三货品的种类信息和所述第四评论信息，获得第四货品信息；
获得第一带货信息，根据所述第一带货信息将所述第四货品信息分配给所述第一网红进行带货销售。
7.如权利要求6所述的方法，其中，所述根据所述第三货品的种类信息和所述第四评论信息，获得第四货品信息，包括：
将所述第三货品的种类信息和所述第四评论信息输入第二训练模型，其中，所述第二训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第三货品的种类信息、所述第四评论信息和用来标识分配货品的标识信息；
获得所述第二训练模型的第二输出信息，其中，所述第二输出信息包括第四货品信息。
8.一种提高直播带货销量的信息处理系统，其中，所述系统包括：
第一获得单元：所述第一获得单元用于获得第一网红的第一货品的现货数量信息；
第二获得单元：所述第二获得单元用于获得预定现货数量阈值；
第一判断单元：所述第一判断单元用于判断所述第一货品的现货数量信息是否在所述预定现货数量阈值之内；
第三获得单元：所述第三获得单元用于如果所述第一货品的现货数量信息不在所述预定现货数量阈值之内，获得第一网红观众的第一评论信息；
第四获得单元：所述第四获得单元用于获得所述第一网红观众对所述第一货品的加购信息；
第一输入单元：所述第一输入单元用于将所述第一评论信息和所述加购信息输入第一训练模型，其中，所述第一训练模型通过多组训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第一评论信息和所述加购信息和用来标识货品预售数量的标识信息；
第五获得单元：所述第五获得单元用于获得所述第一训练模型的第一输出信息，其中，所述第一输出信息包括所述第一货品的预售数量信息；
第六获得单元：所述第六获得单元用于根据所述第一货品的预售数量信息，获得所述第一货品的订单信息。
9.一种提高直播带货销量的信息处理系统，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，其中，所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。
CN202011454128.7A 2020-12-10 2020-12-10 一种提高直播带货销量的信息处理方法及系统 Pending CN112700298A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011454128.7A CN112700298A (zh) 2020-12-10 2020-12-10 一种提高直播带货销量的信息处理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011454128.7A CN112700298A (zh) 2020-12-10 2020-12-10 一种提高直播带货销量的信息处理方法及系统

Publications (1)

Publication Number Publication Date
CN112700298A true CN112700298A (zh) 2021-04-23

Family

ID=75508816

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011454128.7A Pending CN112700298A (zh) 2020-12-10 2020-12-10 一种提高直播带货销量的信息处理方法及系统

Country Status (1)

Country Link
CN (1) CN112700298A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110996110A (zh) * 2019-12-02 2020-04-10 深圳市云积分科技有限公司 一种直播过程中的商品调整方法和装置
CN112001782A (zh) * 2020-10-28 2020-11-27 杭州次元岛科技有限公司 基于粉丝画像智能匹配直播带货货品信息的方法及系统
CN112001783A (zh) * 2020-10-28 2020-11-27 杭州次元岛科技有限公司 基于商品信息进行网络直播带货的信息处理方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110996110A (zh) * 2019-12-02 2020-04-10 深圳市云积分科技有限公司 一种直播过程中的商品调整方法和装置
CN112001782A (zh) * 2020-10-28 2020-11-27 杭州次元岛科技有限公司 基于粉丝画像智能匹配直播带货货品信息的方法及系统
CN112001783A (zh) * 2020-10-28 2020-11-27 杭州次元岛科技有限公司 基于商品信息进行网络直播带货的信息处理方法及系统

Similar Documents

Publication Publication Date Title
CN112686704B (zh) 一种购物指导方法及系统
Şahin et al. A Multi-criteria neutrosophic group decision making metod based TOPSIS for supplier selection
Correa et al. Contingent preannounced pricing policies with strategic consumers
Gupta et al. A machine learning framework for predicting purchase by online customers based on dynamic pricing
Wu et al. Deep censored learning of the winning price in the real time bidding
CN112001783B (zh) 基于商品信息进行网络直播带货的信息处理方法及系统
CN112001782B (zh) 基于粉丝画像智能匹配直播带货货品信息的方法及系统
Güçdemir et al. Integrating simulation modelling and multi criteria decision making for customer focused scheduling in job shops
CN108805623A (zh) 一种快销产品供给预测方法
CN107679945A (zh) 建立消费对象推荐模型的方法以及相关方法及装置
Pahwa et al. Reverse auction mechanism design for the acquisition of prototyping services in a manufacturing-as-a-service marketplace
CN114861050A (zh) 一种基于神经网络的特征融合推荐方法及系统
CN111861679A (zh) 一种基于人工智能的商品推荐方法
Iswavigra Online Shop Recommendations: Decision Support System Based on Multi-Objective Optimization on the Basis of Ratio Analysis
CN112700298A (zh) 一种提高直播带货销量的信息处理方法及系统
CN111192084A (zh) 一种会员身份评定管理方法和装置
Goztepe et al. A decision support system for supplier selection using fuzzy analytic network process (Fuzzy ANP) and artificial neural network integration
CN111651512A (zh) 基于半监督学习的多源异构商品特征权重求解方法和装置
CN112085561A (zh) 一种基于大数据的云平台电子商务数据处理方法和系统
CN112232945A (zh) 一种确定个人客户授信的方法及装置
Mehdiabadi et al. Qualitative quantitative analysis of tire industry of Iran by using fuzzy DEMATEL and systemic method until 1404
CN111160982A (zh) 一种基于购物社交的商家联合营销的方法和装置
CN110826853A (zh) 一种工程造价管理影响因素重要度分析方法及系统
Ulutas et al. A novel integrated model to measure supplier performance considering qualitative and quantitative criteria used in the supplier selection process
CN114357308B (zh) 一种基于推荐的制造企业供需对接方法及装置

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