CN113157673B - 基于用户特征识别分析的快递物流用户数据库统一化建立方法 - Google Patents

基于用户特征识别分析的快递物流用户数据库统一化建立方法 Download PDF

Info

Publication number
CN113157673B
CN113157673B CN202110569946.XA CN202110569946A CN113157673B CN 113157673 B CN113157673 B CN 113157673B CN 202110569946 A CN202110569946 A CN 202110569946A CN 113157673 B CN113157673 B CN 113157673B
Authority
CN
China
Prior art keywords
logistics company
logistics
transportation
information
commerce platform
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.)
Active
Application number
CN202110569946.XA
Other languages
English (en)
Other versions
CN113157673A (zh
Inventor
喻飞扬
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 Guolian Video Information Technology Co ltd
Original Assignee
Beijing Guolian Video Information 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 Guolian Video Information Technology Co ltd filed Critical Beijing Guolian Video Information Technology Co ltd
Priority to CN202110569946.XA priority Critical patent/CN113157673B/zh
Publication of CN113157673A publication Critical patent/CN113157673A/zh
Application granted granted Critical
Publication of CN113157673B publication Critical patent/CN113157673B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • 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
    • G06Q10/083—Shipping
    • 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]

Abstract

本发明公开提供的基于用户特征识别分析的快递物流用户数据库统一化建立方法。该基于用户特征识别分析的快递物流用户数据库统一化建立方法包括：统计该电商平台对合作物流公司的数量；获取该电商平台各物流公司对应的基本信息；获取该电商平台各物流公司对应的基本运营信息；获取该电商平台各物流公司对应的服务质量信息；构建该电商平台物流公司信息数据库；对该电商平台物流公司信息数据库内各物流公司对应的信息进行分析；选取目标合作物流公司；本发明通过该方法进而大大的提高了对商家合作物流公司推荐的精准性和智能性，同时也有效的提高了对该电商平台新注册商家合作物流公司的匹配度。

Description

基于用户特征识别分析的快递物流用户数据库统一化建立 方法
技术领域
本发明属于物流用户数据库建立技术领域，涉及到基于用户特征识别分析的快递物流用户数据库统一化建立方法。
背景技术
随着物联网行业的快速发展，电商行业的发得到了迅速发展，电商平台商家的正常发货效率直接影响了其店铺的运营效率，合作物流公司的选择为商家的正常运营提供了有力保障，因此，建立物流公司数据库具有十分重要的意义。
现有的物流公司数据库主要是针对物流公司自身运营信息而建立的数据库，而且现有的物流公司数据库都是针对单个物流公司，存储的内容比较单一，不满足电商平台新注册商家对物流公司数据信息的需求，由此可见，现有物流公司数据库的建立方法还存在着一定的弊端，一方面，现有的物流公司数据库建立方法无法实现对各物流公司之间信息的对比和共享，一方面，现有的物流公司数据库的建立方法建立的数据库存储的内容具有局限性，另一方面，现有物流公司数据库的建立方法无法提高对商家合作物流公司推荐的精准性。
发明内容
鉴于此，为解决上述背景技术中所提出的问题，现提出一种针对电商平台新注册商家物流公司推荐的基于用户特征识别分析的快递物流用户数据库统一化建立方法，实现了对该电商平台新注册商家合作物流公司的智能推荐；
本发明的目的可以通过以下技术方案实现：
本发明提供了基于用户特征识别分析的快递物流用户数据库统一化建立方法，该方法包括以下步骤：
S1、物流公司数量统计：根据电商平台各商家合作的物流公司，进而将该电商平台各商家合作的物流公司进行对比筛选，统计该电商平台对应的合作物流公司的数量，并将该电商平台合作的物流公司按照预设顺序进行编号，依次标记为1，2，...i，...n；
S2、物流公司基本信息获取：所述物流公司基本信息获取用于获取该电商平台各物流公司对应的基本信息；
S3、物流基本运营信息获取：所述物流公司基本运营信息获取用于获取该电商平台各物流公司对应的基本运营信息，其中物流公司对应的基本运营信息包括车辆信息和运输路线信息，进而构建各物流公司基本运营信息集合Ye(Ye1,Ye2,...Yei,...Yen)，Yei表示第i个物流公司对应的第e个运营信息，e表示物流公司运营信息，e＝b1,b2,b1和b2分别表示车辆信息和运输路线信息；
S4、物流公司服务质量信息获取：所述物流公司服务质量信息获取用于获取该电商平台各物流公司对应的服务质量信息，其中物流公司服务质量信息包括历史接收订单数量、历史丢失订单数量、历史订单运输破损数量和历史配送延时订单数量，进而构建各物流公司服务质量信息集合Fz(Fz1,Fz2,...Fzi,...Fzn)，Fzi表示该电商平台第i个物流公司对应的第z个服务质量信息，z表示物流公司服务质量信息，z＝c1,c2,c3,c4,c1,c2,c3和c4分别表示历史接收订单数量、历史丢失订单数量、历史订单运输破损数量和历史配送延时订单数量；
S5、物流公司数据库建立：根据获取的各物流公司对应的基本信息、基本运营信息和服务质量信息，进而构建该电商平台物流公司信息数据库；
S6、商家信息获取：所述商家信息获取用于获取该电商平台新注册商家对应的基本信息，其中该电商平台新注册商家对应的基本信息包括商家销售商品种类、销售商品重量和商家发货地址；
S7、物流公司信息分析：所述物流公司信息分析用于对该电商平台物流公司信息数据库各物流公司对应的基本信息、基本运营信息和服务质量信息进行分析，统计各物流公司对应的综合优选影响系数；
S8、目标合作物流公司选取：根据统计的各物流公司对应的综合优选影响系数，进而将各物流公司对应的综合优选影响系数按照从大到小的顺序进行排序，进而将排名第一位对应的物流公司作为目标合作物流公司。
进一步地，所述物流公司的基本信息包括物流公司合作商家对应的数量、单位收费金额和入驻该电商平台的时长，将该电商平台各商家合作的物流公司进行对比筛选，获取相同物流公司对应的合作商家的数量，进而获取各物流公司对应的合作商家的数量，同时通过该电商平台调取各物流公司对应的单位收费金额和各物流公司入驻该电商平台的时长，并构建各物流公司基本信息集合Jw(Jw1,Jw2,...Jwi,...Jwn)，Jwi表示第i个物流公司对应的第w个基本信息，w表示物流公司基本信息，w＝a1,a2,a3,a1,a2和a3分别表示物流公司对应的合作商家数量、单位收费金额和入驻该电商平台的时长。
进一步地，所述各物流公司车辆信息包括车量数量和车辆装载量，进而构建各物流公司车辆信息集合Cs(Cs1,Cs2,...Csi,...Csn)，Csi表示第i个物流公司对应的s个车辆信息，s表示车辆信息，s＝c1,c2,c1和c2分别表示车量数量和车辆装载量。
进一步地，所述各物流公司运输路线信息包括运输路线的条数、各运输路线对应的运输次数和各运输路线对应的运输起始地和运输终止地，进而将各物流公司对应的运输路线按照预设顺序进行编号，依次标记为1，2，...k,...f,进而构建各物流公司运输路线信息集合Ls d(Ls d1,Ls d2,...Ls dk,...Ls df)，Ls dk表示第d个物流公司第k条运输路线对应的第s个运输路线信息，s表示运输路线信息，s＝h1,h2,h3,h1,h2和h3分别表示运输路线对应的运输次数、运输路线对应的运输起始地和运输路线对应的运输终止地，d表示物流公司编号，d＝1,2,...i,...n。
进一步地，所述对各物流公司对应的基本信息分析过程包括以下步骤：
A1、根据各物流公司基本信息集合，进而获取各物流公司合作商家数量、单位收费金额和电商平台入驻时长；
A2、将各物流公司合作商家数量、单位收费金额和入驻该电商平台的时长分别与该电商平台物流公司对应的平均合作商家数量、平均单位收费金额和平均入驻该电商平台的时长进行对比，进而统计各物流公司各基本信息优选影响系数，其计算公式为
Figure GDA0003405488050000041
βwd表示第d个物流公司第w个基本信息对应的优选影响系数，a1d,a2d,a3d分别表示第d个物流公司对应的合作商家数量、单位收费金额、入驻该电商平台的时长，
Figure GDA0003405488050000043
分别表示该电商平台物流公司对应的平均合作商家数量、平均单位收费金额、平均入驻该电商平台的时长；
A3、根据统计的各物流公司各基本信息优选影响系数统计各物流公司基本信息综合优选影响系数，其计算公式为
Figure GDA0003405488050000042
β′d表示第d个物流公司对应的基本信息综合优选影响系数，βa1 d,βa2 d,βa3 d分别表示第d个物流公司合作商家数量、单位收费金额、入驻该电商平台的时长对应的优选影响系数。
进一步地，所述对各物流公司基本运营信息分析用于对各物流公司车辆信息进行分析，其具体分析过程包括以下步骤：
B1、根据各物流公司基本运营信息集合进而获取各物流公司对应的车辆信息和运输路线信息；
B2、根据各物流公司对应的车辆信息，调取各物流公司车辆信息集合，进而获取各物流公司对应的车辆数量和车辆装载量；
B3、根据该电商平台新注册商家对应的基本信息，进而获取该电商平台新注册商家对应的销售商品种类和销售商品重量；
B3、根据该电商平台新注册商家对应销售商品种类，进而从该电商平台调取与该电商平台新注册商家销售商品种类相同的商家，并将与该电商平台新注册商家销售商品种类相同的商家记为匹配商家，调取各匹配商家商品销售量，进而获取匹配商家对应的商品日均销售量，将该匹配商家对应的商品日均销售量作为该电商平台新注册商家对应的预估日均销售量；
B4、根据该电商平台新注册商家对应的预估日均销售量和销售商品重量，进而获取该电商平台新注册商家对应的预估发货商品总重量，将该电商平台新注册商家成家预估发货商品总重量与各物流公司对应的车辆装载量进行匹配对比，进而统计各物流公司车辆装载量优选影响系数，其计算公式为
Figure GDA0003405488050000051
φd表示第d个物流公司对应的车辆装载量优选影响系数，c2d表示第d个物流公司对应的车辆装载量，g表示该电商平台行注册商家成家成交商品对应的综合重量；
B5、将各物流公司对应的车辆数量与物流公司对应的平均车辆数量进行对比，统计各物流公司车辆数量优选影响系数，其计算公式为
Figure GDA0003405488050000052
Figure GDA0003405488050000053
表示第d个物流公司对应的车辆数量优选影响系数，n表示该电商平台物流公司数量，c1d表示第d个物流公司对应的车辆数量；
B6、根据统计的各物流公司车辆装载量优选影响系数和各物流公司车辆数量优选影响系数，进而统计各物流公司车量信息综合优选影响系数，其计算公式为
Figure GDA0003405488050000061
λd表示第d个物流公司对应的车量信息综合优选影响系数。
进一步地，所述对各物流公司基本运营信息分析用于对各物流公司运输路线信息进行分析，其具体分析过程包括以下步骤：
D1、根据各物流公司对应的运输路线信息，调取各物流公司运输路线信息集合，进而获取各物流公司运输路线的条数、各运输路线对应的运输次数和各运输路线对应的运输起始地和运输终止地；
D2、将各物流公司对应运输路线的条数与物流公司对应的标准运输路线条数进行对比，进而统计各物流公司运输路线条数优选影响系数，其计算公式为
Figure GDA0003405488050000062
μd表示第d个物流公司对应的运输路线条数优选影响系数；
D3、根据各物流公司各运输路线对应的运输次数，进而统计各物流公司对应的综合运输次数，将各物流公司对应的综合运输次数与物流公司对应的平均综合运输次数进行对比，进而统计各物流公司运输次数优选影响系数，其计算公式为
Figure GDA0003405488050000063
εd表示第d个物流公司对应的运输次数优选影响系数，h1d r表示第d个物流公司第r条运输路线对应的运输次数，r表示运输路线编号，r＝1，2，...k,...f；
D4、将各物流公司各运输路线对应的运输起始地与该电商平台新注册商家对应的发货地进行匹配对比，统计各物流公司运输起始地与该电商平台新注册商家对应的发货地相同的运输路线条数，并将该运输路线记为匹配运输路线，进而将各物流公司匹配运输路线的条数与物流公司标准匹配运输路线的条数进行对比，进而统计各物流公司标准匹配运输路线条数优选影响系数，其计算公式为
Figure GDA0003405488050000071
ηd表示第d个物流公司对应的标准匹配运输路线条数优选影响系数，f′d表示第d个物流公司对应的匹配运输路线的条数，f′标准表示物流公司标准匹配运输路线的条数；
D5、根据统计的各物流公司运输路线条数优选影响系数、各物流公司运输次数优选影响系数和各物流公司标准匹配运输路线条数优选影响系数进而统计各物流公司运输信息综合优选影响系数，其计算公式为
Figure GDA0003405488050000072
γd表示第d个物流公司对应的运输信息综合优选影响系数。
进一步地，所述对各物流公司服务质量信息进行分析的具体过程为：根据各物流公司服务质量信息集合，进而获取各物流公司对应的历史接收订单数量、历史丢失订单数量、历史订单运输破损数量和历史配送延时订单数量，将各物流公司历史丢失订单的数量、历史订单运输破损数量和历史配送延时订单数量分别与各物流公司对应的历史接收订单数量进行对比，进而统计各物流公司各服务信息对应的服务质量优选影响系数，其计算公式为
Figure GDA0003405488050000073
Figure GDA0003405488050000074
表示第d个物流公司第z个服务信息对应的服务质量优选影响系数，c1d,c2d,c3d,c4d分别表示第d个物流公司对应的历史接收订单数量、历史丢失订单数量、历史订单运输破损数量和历史配送延时订单数量，根据统计的各物流公司各服务信息对应的服务质量优选影响系数，进而统计各物流公司综合服务质量优选影响系数，其计算公式为
Figure GDA0003405488050000075
ψd表示第d个物流公司对应的综合服务质量优选影响系数。
进一步地，所述各物流公司对应的综合优选影响系数计算公式为
Figure GDA0003405488050000081
Xd表示第d个物流公司对应的对应的综合优选影响系数。
进一步地，所述方法还包括信息发送，进而根据选取的该目标合作物流公司，获取该目标合作物流公司对应的编号，根据该目标合作物流公司对应的编号，进而从该电商平台调取该目标合作物流公司对应的联系方式，并将该目标合作物流公司对应的联系方式发送至该电商平台新注册商家对应的用户终端。
本发明的有益效果：
(1)本发明提供的基于用户特征识别分析的快递物流用户数据库统一化建立方法，通过构建该电商平台物流公司信息数据库，解决了现有的物流公司数据库建立方法无法实现对各物流公司之间信息的对比和共享的问题，打破了现有的物流公司数据库建立方法建立数据库存储内容的局限性，大大的提高了对商家合作物流公司推荐的精准性，实现了对该电商平台新注册商家合作物流公司的智能推荐。
(2)本发明通过对各物流公司的基本信息、各物流公司基本运营信息、各物流公司的服务质量信息和该电商平台新注册商家对应信息进行精准的分析和匹配，进而有效的提高了对该电商平台新注册商家合作物流公司的匹配度，同时也大大的提高了对该电商平台新注册商家合作物流公司的推荐效率。
(3)本发明通过将选取的该电商平台新注册商家目标合作物流公司的联系方式发送至该电商平台新注册商家对应的用户终端，进而大大的节省了该电商平台新注册商家对合作物流公司的选取时间，同时也大大的保障了该电商平台新注册商家对合作物流公司信息获取的真实性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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为本发明方法实施步骤图。
具体实施方式
下面将结合本发明实施以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
请参阅图1所示，本发明提供了基于用户特征识别分析的快递物流用户数据库统一化建立方法，该方法包括以下步骤：
S1、物流公司数量统计：根据电商平台各商家合作的物流公司，进而将该电商平台各商家合作的物流公司进行对比筛选，统计该电商平台对应的合作物流公司的数量，并将该电商平台合作的物流公司按照预设顺序进行编号，依次标记为1，2，...i，...n；
S2、物流公司基本信息获取：所述物流公司基本信息获取用于获取该电商平台各物流公司对应的基本信息；
具体的，所述物流公司的基本信息包括物流公司合作商家对应的数量、单位收费金额和入驻该电商平台的时长，将该电商平台各商家合作的物流公司进行对比筛选，获取相同物流公司对应的合作商家的数量，进而获取各物流公司对应的合作商家的数量，同时通过该电商平台调取各物流公司对应的单位收费金额和各物流公司入驻该电商平台的时长，并构建各物流公司基本信息集合Jw(Jw1,Jw2,...Jwi,...Jwn)，Jwi表示第i个物流公司对应的第w个基本信息，w表示物流公司基本信息，w＝a1,a2,a3,a1,a2和a3分别表示物流公司对应的合作商家数量、单位收费金额和入驻该电商平台的时长。
S3、物流基本运营信息获取：所述物流公司基本运营信息获取用于获取该电商平台各物流公司对应的基本运营信息，其中物流公司对应的基本运营信息包括车辆信息和运输路线信息，进而构建各物流公司基本运营信息集合Ye(Ye1,Ye2,...Yei,...Yen)，Yei表示第i个物流公司对应的第e个运营信息，e表示物流公司运营信息，e＝b1,b2,b1和b2分别表示车辆信息和运输路线信息；
具体地，所述各物流公司车辆信息包括车量数量和车辆装载量，进而构建各物流公司车辆信息集合Cs(Cs1,Cs2,...Csi,...Csn)，Csi表示第i个物流公司对应的s个车辆信息，s表示车辆信息，s＝c1,c2,c1和c2分别表示车量数量和车辆装载量。
具体地，所述各物流公司运输路线信息包括运输路线的条数、各运输路线对应的运输次数和各运输路线对应的运输起始地和运输终止地，进而将各物流公司对应的运输路线按照预设顺序进行编号，依次标记为1，2，...k,...f,进而构建各物流公司运输路线信息集合Ls d(Ls d1,Ls d2,...Ls dk,...Ls df)，Ls dk表示第d个物流公司第k条运输路线对应的第s个运输路线信息，s表示运输路线信息，s＝h1,h2,h3,h1,h2和h3分别表示运输路线对应的运输次数、运输路线对应的运输起始地和运输路线对应的运输终止地，d表示物流公司编号，d＝1,2,...i,...n。
S4、物流公司服务质量信息获取：所述物流公司服务质量信息获取用于获取该电商平台各物流公司对应的服务质量信息，其中物流公司服务质量信息包括历史接收订单数量、历史丢失订单数量、历史订单运输破损数量和历史配送延时订单数量，进而构建各物流公司服务质量信息集合Fz(Fz1,Fz2,...Fzi,...Fzn)，Fzi表示该电商平台第i个物流公司对应的第z个服务质量信息，z表示物流公司服务质量信息，z＝c1,c2,c3,c4,c1,c2,c3和c4分别表示历史接收订单数量、历史丢失订单数量、历史订单运输破损数量和历史配送延时订单数量；
S5、物流公司数据库建立：根据获取的各物流公司对应的基本信息、基本运营信息和服务质量信息，进而构建该电商平台物流公司信息数据库；
本发明实施例通过构建该电商平台物流公司信息数据库，解决了现有的物流公司数据库建立方法无法实现对各物流公司之间信息的对比和共享的问题，打破了现有的物流公司数据库的建立方法建立的数据库存储内容的局限性，大大的提高了对商家合作物流公司推荐的精准性，实现了对该电商平台新注册商家合作物流公司的智能推荐。
S6、商家信息获取：所述商家信息获取用于获取该电商平台新注册商家对应的基本信息，其中该电商平台新注册商家对应的基本信息包括商家销售商品种类、销售商品重量和商家发货地址；
S7、物流公司信息分析：所述物流公司信息分析用于对该电商平台物流公司信息数据库各物流公司对应的基本信息、基本运营信息和服务质量信息进行分析，统计各物流公司对应的综合优选影响系数；
本发明实施例通过对各物流公司的基本信息、各物流公司基本运营信息、各物流公司的服务质量信息和该电商平台新注册商家对应信息进行精准的分析和匹配，进而有效的提高了对该电商平台新注册商家合作物流公司的匹配度，同时也大大的提高了对该电商平台新注册商家合作物流公司的推荐效率。
具体地，所述对各物流公司对应的基本信息分析过程包括以下步骤：
A1、根据各物流公司基本信息集合，进而获取各物流公司合作商家数量、单位收费金额和电商平台入驻时长；
A2、将各物流公司合作商家数量、单位收费金额和入驻该电商平台的时长分别与该电商平台物流公司对应的平均合作商家数量、平均单位收费金额和平均入驻该电商平台的时长进行对比，进而统计各物流公司各基本信息优选影响系数，其计算公式为
Figure GDA0003405488050000121
βwd表示第d个物流公司第w个基本信息对应的优选影响系数，a1d,a2d,a3d分别表示第d个物流公司对应的合作商家数量、单位收费金额、入驻该电商平台的时长，
Figure GDA0003405488050000123
分别表示该电商平台物流公司对应的平均合作商家数量、平均单位收费金额、平均入驻该电商平台的时长；
A3、根据统计的各物流公司各基本信息优选影响系数统计各物流公司基本信息综合优选影响系数，其计算公式为
Figure GDA0003405488050000122
β′d表示第d个物流公司对应的基本信息综合优选影响系数，βa1 d,βa2 d,βa3 d分别表示第d个物流公司合作商家数量、单位收费金额、入驻该电商平台的时长对应的优选影响系数。
具体地，所述对各物流公司基本运营信息分析用于对各物流公司车辆信息进行分析，其具体分析过程包括以下步骤：
B1、根据各物流公司基本运营信息集合进而获取各物流公司对应的车辆信息和运输路线信息；
B2、根据各物流公司对应的车辆信息，调取各物流公司车辆信息集合，进而获取各物流公司对应的车辆数量和车辆装载量；
B3、根据该电商平台新注册商家对应的基本信息，进而获取该电商平台新注册商家对应的销售商品种类和销售商品重量；
B3、根据该电商平台新注册商家对应销售商品种类，进而从该电商平台调取与该电商平台新注册商家销售商品种类相同的商家，并将与该电商平台新注册商家销售商品种类相同的商家记为匹配商家，调取各匹配商家商品销售量，进而获取匹配商家对应的商品日均销售量，将该匹配商家对应的商品日均销售量作为该电商平台新注册商家对应的预估日均销售量；
B4、根据该电商平台新注册商家对应的预估日均销售量和销售商品重量，进而获取该电商平台新注册商家对应的预估发货商品总重量，将该电商平台新注册商家成家预估发货商品总重量与各物流公司对应的车辆装载量进行匹配对比，进而统计各物流公司车辆装载量优选影响系数，其计算公式为
Figure GDA0003405488050000134
φd表示第d个物流公司对应的车辆装载量优选影响系数，c2d表示第d个物流公司对应的车辆装载量，g表示该电商平台行注册商家成家成交商品对应的综合重量；
B5、将各物流公司对应的车辆数量与物流公司对应的平均车辆数量进行对比，统计各物流公司车辆数量优选影响系数，其计算公式为
Figure GDA0003405488050000131
Figure GDA0003405488050000132
表示第d个物流公司对应的车辆数量优选影响系数，n表示该电商平台物流公司数量，c1d表示第d个物流公司对应的车辆数量；
B6、根据统计的各物流公司车辆装载量优选影响系数和各物流公司车辆数量优选影响系数，进而统计各物流公司车量信息综合优选影响系数，其计算公式为
Figure GDA0003405488050000133
λd表示第d个物流公司对应的车量信息综合优选影响系数。
具体地，所述对各物流公司基本运营信息分析用于对各物流公司运输路线信息进行分析，其具体分析过程包括以下步骤：
D1、根据各物流公司对应的运输路线信息，调取各物流公司运输路线信息集合，进而获取各物流公司运输路线的条数、各运输路线对应的运输次数和各运输路线对应的运输起始地和运输终止地；
D2、将各物流公司对应运输路线的条数与物流公司对应的标准运输路线条数进行对比，进而统计各物流公司运输路线条数优选影响系数，其计算公式为
Figure GDA0003405488050000141
μd表示第d个物流公司对应的运输路线条数优选影响系数；
D3、根据各物流公司各运输路线对应的运输次数，进而统计各物流公司对应的综合运输次数，将各物流公司对应的综合运输次数与物流公司对应的平均综合运输次数进行对比，进而统计各物流公司运输次数优选影响系数，其计算公式为
Figure GDA0003405488050000142
εd表示第d个物流公司对应的运输次数优选影响系数，h1d r表示第d个物流公司第r条运输路线对应的运输次数，r表示运输路线编号，r＝1，2，...k,...f；
D4、将各物流公司各运输路线对应的运输起始地与该电商平台新注册商家对应的发货地进行匹配对比，统计各物流公司运输起始地与该电商平台新注册商家对应的发货地相同的运输路线条数，并将该运输路线记为匹配运输路线，进而将各物流公司匹配运输路线的条数与物流公司标准匹配运输路线的条数进行对比，进而统计各物流公司标准匹配运输路线条数优选影响系数，其计算公式为
Figure GDA0003405488050000143
ηd表示第d个物流公司对应的标准匹配运输路线条数优选影响系数，f′d表示第d个物流公司对应的匹配运输路线的条数，f′标准表示物流公司标准匹配运输路线的条数；
D5、根据统计的各物流公司运输路线条数优选影响系数、各物流公司运输次数优选影响系数和各物流公司标准匹配运输路线条数优选影响系数进而统计各物流公司运输信息综合优选影响系数，其计算公式为
Figure GDA0003405488050000151
γd表示第d个物流公司对应的运输信息综合优选影响系数。
具体地，所述对各物流公司服务质量信息进行分析的具体过程为：根据各物流公司服务质量信息集合，进而获取各物流公司对应的历史接收订单数量、历史丢失订单数量、历史订单运输破损数量和历史配送延时订单数量，将各物流公司历史丢失订单的数量、历史订单运输破损数量和历史配送延时订单数量分别与各物流公司对应的历史接收订单数量进行对比，进而统计各物流公司各服务信息对应的服务质量优选影响系数，其计算公式为
Figure GDA0003405488050000152
Figure GDA0003405488050000153
表示第d个物流公司第z个服务信息对应的服务质量优选影响系数，c1d,c2d,c3d,c4d分别表示第d个物流公司对应的历史接收订单数量、历史丢失订单数量、历史订单运输破损数量和历史配送延时订单数量，根据统计的各物流公司各服务信息对应的服务质量优选影响系数，进而统计各物流公司综合服务质量优选影响系数，其计算公式为
Figure GDA0003405488050000154
ψd表示第d个物流公司对应的综合服务质量优选影响系数。
具体地，各物流公司对应的综合优选影响系数计算公式为
Figure GDA0003405488050000155
Xd表示第d个物流公司对应的对应的综合优选影响系数。
S8、目标合作物流公司选取：根据统计的各物流公司对应的综合优选影响系数，进而将各物流公司对应的综合优选影响系数按照从大到小的顺序进行排序，进而将排名第一位对应的物流公司作为目标合作物流公司；
S9、信息发送：根据选取的该目标合作物流公司，获取该目标合作物流公司对应的编号，进而根据该目标合作物流公司对应的编号，从该电商平台调取该目标合作物流公司对应的联系方式，并将该目标合作物流公司对应的联系方式发送至该电商平台新注册商家对应的用户终端。
本发明实施例通过将选取的该电商平台新注册商家目标合作物流公司的联系方式发送至该电商平台新注册商家对应的用户终端，进而大大的节省了该电商平台新注册商家对合作物流公司的选取时间，同时也大大的保障了该电商平台新注册商家对合作物流公司信息获取的真实性。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (10)

1.基于用户特征识别分析的快递物流用户数据库统一化建立方法，其特征在于：该方法包括以下步骤：
S1、物流公司数量统计：根据电商平台各商家合作的物流公司，进而将该电商平台各商家合作的物流公司进行对比筛选，统计该电商平台对应的合作物流公司的数量，并将该电商平台合作的物流公司按照预设顺序进行编号，依次标记为1，2，...i，...n；
S2、物流公司基本信息获取：所述物流公司基本信息获取用于获取该电商平台各物流公司对应的基本信息；
S3、物流基本运营信息获取：所述物流公司基本运营信息获取用于获取该电商平台各物流公司对应的基本运营信息，其中物流公司对应的基本运营信息包括车辆信息和运输路线信息，进而构建各物流公司基本运营信息集合Ye(Ye1,Ye2,...Yei,...Yen)，Yei表示第i个物流公司对应的第e个运营信息，e表示物流公司运营信息，e＝b1,b2,b1和b2分别表示车辆信息和运输路线信息；
S4、物流公司服务质量信息获取：所述物流公司服务质量信息获取用于获取该电商平台各物流公司对应的服务质量信息，其中物流公司服务质量信息包括历史接收订单数量、历史丢失订单数量、历史订单运输破损数量和历史配送延时订单数量，进而构建各物流公司服务质量信息集合Fz(Fz1,Fz2,...Fzi,...Fzn)，Fzi表示该电商平台第i个物流公司对应的第z个服务质量信息，z表示物流公司服务质量信息，z＝c1,c2,c3,c4,c1,c2,c3和c4分别表示历史接收订单数量、历史丢失订单数量、历史订单运输破损数量和历史配送延时订单数量；
S5、物流公司数据库建立：根据获取的各物流公司对应的基本信息、基本运营信息和服务质量信息，进而构建该电商平台物流公司信息数据库；
S6、商家信息获取：所述商家信息获取用于获取该电商平台新注册商家对应的基本信息，其中该电商平台新注册商家对应的基本信息包括商家销售商品种类、销售商品重量和商家发货地址；
S7、物流公司信息分析：所述物流公司信息分析用于对该电商平台物流公司信息数据库各物流公司对应的基本信息、基本运营信息和服务质量信息进行分析，统计各物流公司对应的综合优选影响系数；
S8、目标合作物流公司选取：根据统计的各物流公司对应的综合优选影响系数，进而将各物流公司对应的综合优选影响系数按照从大到小的顺序进行排序，进而将排名第一位对应的物流公司作为目标合作物流公司。
2.根据权利要求1所述的基于用户特征识别分析的快递物流用户数据库统一化建立方法，其特征在于：所述物流公司的基本信息包括物流公司合作商家对应的数量、单位收费金额和入驻该电商平台的时长，将该电商平台各商家合作的物流公司进行对比筛选，获取相同物流公司对应的合作商家的数量，进而获取各物流公司对应的合作商家的数量，同时通过该电商平台调取各物流公司对应的单位收费金额和各物流公司入驻该电商平台的时长，并构建各物流公司基本信息集合Jw(Jw1,Jw2,...Jwi,...Jwn)，Jwi表示第i个物流公司对应的第w个基本信息，w表示物流公司基本信息，w＝a1,a2,a3,a1,a2和a3分别表示物流公司对应的合作商家数量、单位收费金额和入驻该电商平台的时长。
3.根据权利要求1所述的基于用户特征识别分析的快递物流用户数据库统一化建立方法，其特征在于：所述各物流公司车辆信息包括车量数量和车辆装载量，进而构建各物流公司车辆信息集合Cs(Cs1,Cs2,...Csi,...Csn)，Csi表示第i个物流公司对应的s个车辆信息，s表示车辆信息，s＝c1,c2,c1和c2分别表示车量数量和车辆装载量。
4.根据权利要求1所述的基于用户特征识别分析的快递物流用户数据库统一化建立方法，其特征在于：所述各物流公司运输路线信息包括运输路线的条数、各运输路线对应的运输次数和各运输路线对应的运输起始地和运输终止地，进而将各物流公司对应的运输路线按照预设顺序进行编号，依次标记为1，2，...k,...f,进而构建各物流公司运输路线信息集合Ls d(Ls d1,Ls d2,...Ls dk,...Ls df)，Ls dk表示第d个物流公司第k条运输路线对应的第s个运输路线信息，s表示运输路线信息，s＝h1,h2,h3,h1,h2和h3分别表示运输路线对应的运输次数、运输路线对应的运输起始地和运输路线对应的运输终止地，d表示物流公司编号，d＝1,2,...i,...n。
5.根据权利要求1所述的基于用户特征识别分析的快递物流用户数据库统一化建立方法，其特征在于：所述对各物流公司对应的基本信息分析过程包括以下步骤：
A1、根据各物流公司基本信息集合，进而获取各物流公司合作商家数量、单位收费金额和电商平台入驻时长；
A2、将各物流公司合作商家数量、单位收费金额和入驻该电商平台的时长分别与该电商平台物流公司对应的平均合作商家数量、平均单位收费金额和平均入驻该电商平台的时长进行对比，进而统计各物流公司各基本信息优选影响系数，其计算公式为
Figure FDA0003405488040000031
βwd表示第d个物流公司第w个基本信息对应的优选影响系数，a1d,a2d,a3d分别表示第d个物流公司对应的合作商家数量、单位收费金额、入驻该电商平台的时长，a1,a2,a3分别表示该电商平台物流公司对应的平均合作商家数量、平均单位收费金额、平均入驻该电商平台的时长；
A3、根据统计的各物流公司各基本信息优选影响系数统计各物流公司基本信息综合优选影响系数，其计算公式为
Figure FDA0003405488040000041
βd′表示第d个物流公司对应的基本信息综合优选影响系数，βa1 d,βa2 d,βa3 d分别表示第d个物流公司合作商家数量、单位收费金额、入驻该电商平台的时长对应的优选影响系数。
6.根据权利要求5所述的基于用户特征识别分析的快递物流用户数据库统一化建立方法，其特征在于：所述对各物流公司基本运营信息分析用于对各物流公司车辆信息进行分析，其具体分析过程包括以下步骤：
B1、根据各物流公司基本运营信息集合进而获取各物流公司对应的车辆信息和运输路线信息；
B2、根据各物流公司对应的车辆信息，调取各物流公司车辆信息集合，进而获取各物流公司对应的车辆数量和车辆装载量；
B3、根据该电商平台新注册商家对应的基本信息，进而获取该电商平台新注册商家对应的销售商品种类和销售商品重量；
B3、根据该电商平台新注册商家对应销售商品种类，进而从该电商平台调取与该电商平台新注册商家销售商品种类相同的商家，并将与该电商平台新注册商家销售商品种类相同的商家记为匹配商家，调取各匹配商家商品销售量，进而获取匹配商家对应的商品日均销售量，将该匹配商家对应的商品日均销售量作为该电商平台新注册商家对应的预估日均销售量；
B4、根据该电商平台新注册商家对应的预估日均销售量和销售商品重量，进而获取该电商平台新注册商家对应的预估发货商品总重量，将该电商平台新注册商家预估发货商品总重量与各物流公司对应的车辆装载量进行匹配对比，进而统计各物流公司车辆装载量优选影响系数，其计算公式为
Figure FDA0003405488040000042
φd表示第d个物流公司对应的车辆装载量优选影响系数，c2d表示第d个物流公司对应的车辆装载量，g表示该电商平台新 注册商家成交商品对应的综合重量；
B5、将各物流公司对应的车辆数量与物流公司对应的平均车辆数量进行对比，统计各物流公司车辆数量优选影响系数，其计算公式为
Figure FDA0003405488040000051
Figure FDA0003405488040000052
表示第d个物流公司对应的车辆数量优选影响系数，n表示该电商平台物流公司数量，c1d表示第d个物流公司对应的车辆数量；
B6、根据统计的各物流公司车辆装载量优选影响系数和各物流公司车辆数量优选影响系数，进而统计各物流公司车量信息综合优选影响系数，其计算公式为
Figure FDA0003405488040000053
λd表示第d个物流公司对应的车量信息综合优选影响系数。
7.根据权利要求6所述的基于用户特征识别分析的快递物流用户数据库统一化建立方法，其特征在于：所述对各物流公司基本运营信息分析用于对各物流公司运输路线信息进行分析，其具体分析过程包括以下步骤：
D1、根据各物流公司对应的运输路线信息，调取各物流公司运输路线信息集合，进而获取各物流公司运输路线的条数、各运输路线对应的运输次数和各运输路线对应的运输起始地和运输终止地；
D2、将各物流公司对应运输路线的条数与物流公司对应的标准运输路线条数进行对比，进而统计各物流公司运输路线条数优选影响系数，其计算公式为
Figure FDA0003405488040000054
μd表示第d个物流公司对应的运输路线条数优选影响系数；
D3、根据各物流公司各运输路线对应的运输次数，进而统计各物流公司对应的综合运输次数，将各物流公司对应的综合运输次数与物流公司对应的平均综合运输次数进行对比，进而统计各物流公司运输次数优选影响系数，其计算公式为
Figure FDA0003405488040000061
εd表示第d个物流公司对应的运输次数优选影响系数，h1d r表示第d个物流公司第r条运输路线对应的运输次数，r表示运输路线编号，r＝1，2，...k,...f；
D4、将各物流公司各运输路线对应的运输起始地与该电商平台新注册商家对应的发货地进行匹配对比，统计各物流公司运输起始地与该电商平台新注册商家对应的发货地相同的运输路线条数，并将该运输路线记为匹配运输路线，进而将各物流公司匹配运输路线的条数与物流公司标准匹配运输路线的条数进行对比，进而统计各物流公司标准匹配运输路线条数优选影响系数，其计算公式为
Figure FDA0003405488040000062
ηd表示第d个物流公司对应的标准匹配运输路线条数优选影响系数，f′d表示第d个物流公司对应的匹配运输路线的条数，f′标准表示物流公司标准匹配运输路线的条数；
D5、根据统计的各物流公司运输路线条数优选影响系数、各物流公司运输次数优选影响系数和各物流公司标准匹配运输路线条数优选影响系数进而统计各物流公司运输信息综合优选影响系数，其计算公式为
Figure FDA0003405488040000063
γd表示第d个物流公司对应的运输信息综合优选影响系数。
8.根据权利要求7所述的基于用户特征识别分析的快递物流用户数据库统一化建立方法，其特征在于：所述对各物流公司服务质量信息进行分析的具体过程为：根据各物流公司服务质量信息集合，进而获取各物流公司对应的历史接收订单数量、历史丢失订单数量、历史订单运输破损数量和历史配送延时订单数量，将各物流公司历史丢失订单的数量、历史订单运输破损数量和历史配送延时订单数量分别与各物流公司对应的历史接收订单数量进行对比，进而统计各物流公司各服务信息对应的服务质量优选影响系数，其计算公式为
Figure FDA0003405488040000071
Figure FDA0003405488040000072
表示第d个物流公司第z个服务信息对应的服务质量优选影响系数，c1d,c2d,c3d,c4d分别表示第d个物流公司对应的历史接收订单数量、历史丢失订单数量、历史订单运输破损数量和历史配送延时订单数量，根据统计的各物流公司各服务信息对应的服务质量优选影响系数，进而统计各物流公司综合服务质量优选影响系数，其计算公式为
Figure FDA0003405488040000073
ψd表示第d个物流公司对应的综合服务质量优选影响系数。
9.根据权利要求8所述的基于用户特征识别分析的快递物流用户数据库统一化建立方法，其特征在于：所述各物流公司对应的综合优选影响系数计算公式为
Figure FDA0003405488040000074
Xd表示第d个物流公司对应的综合优选影响系数。
10.根据权利要求1所述的基于用户特征识别分析的快递物流用户数据库统一化建立方法，其特征在于：所述方法还包括信息发送，进而根据选取的该目标合作物流公司，获取该目标合作物流公司对应的编号，根据该目标合作物流公司对应的编号，进而从该电商平台调取该目标合作物流公司对应的联系方式，并将该目标合作物流公司对应的联系方式发送至该电商平台新注册商家对应的用户终端。
CN202110569946.XA 2021-05-25 2021-05-25 基于用户特征识别分析的快递物流用户数据库统一化建立方法 Active CN113157673B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110569946.XA CN113157673B (zh) 2021-05-25 2021-05-25 基于用户特征识别分析的快递物流用户数据库统一化建立方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110569946.XA CN113157673B (zh) 2021-05-25 2021-05-25 基于用户特征识别分析的快递物流用户数据库统一化建立方法

Publications (2)

Publication Number Publication Date
CN113157673A CN113157673A (zh) 2021-07-23
CN113157673B true CN113157673B (zh) 2022-05-24

Family

ID=76877250

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110569946.XA Active CN113157673B (zh) 2021-05-25 2021-05-25 基于用户特征识别分析的快递物流用户数据库统一化建立方法

Country Status (1)

Country Link
CN (1) CN113157673B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115081961B (zh) * 2022-08-18 2022-11-08 深圳市快金数据技术服务有限公司 一种基于大数据的物流运力智能调派方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102467703A (zh) * 2010-11-10 2012-05-23 北京天德世通科技发展有限公司 基于云计算的物流管理方法、设备和系统
CN104951914A (zh) * 2015-05-14 2015-09-30 章凯 智能快递处理方法及智能快递云系统
CN105069602A (zh) * 2015-08-28 2015-11-18 董方 一种物流公司推荐方法和系统
CN105787854A (zh) * 2016-03-18 2016-07-20 王宝东 一种快递收发方法
CN106096863A (zh) * 2016-06-25 2016-11-09 湖北九号商城电子商务有限公司 一种电子商务供应链服务平台
CN107451767A (zh) * 2016-05-31 2017-12-08 阿里巴巴集团控股有限公司 物流信息的推荐方法及装置、物流信息的展示方法及装置
CN107480925A (zh) * 2017-08-09 2017-12-15 合肥学院 一种快递‑超市系统及构建方法
CN109767153A (zh) * 2018-11-23 2019-05-17 深圳市大东车慧科技股份有限公司 一种物流服务竞价对比系统和方法
CN110866718A (zh) * 2019-11-06 2020-03-06 南京大学 一种向量化的整车车货匹配方法
CN112749937A (zh) * 2021-03-04 2021-05-04 深圳市爱云信息科技有限公司 TMS SaaS供应链物流信息平台

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103246965A (zh) * 2012-02-07 2013-08-14 张振斌 物流快递平台系统
CN103995850A (zh) * 2014-05-07 2014-08-20 四川长虹电器股份有限公司 快递分发的推送方法
KR101688419B1 (ko) * 2016-08-11 2016-12-21 (주)케이클라우드 가상개인정보를 이용한 보안 운송장 발급관리 시스템 및 방법
CN109214732A (zh) * 2017-06-30 2019-01-15 菜鸟智能物流控股有限公司 物流对象选择、确定物流线路过载的方法及装置、设备
CN111210303B (zh) * 2019-12-31 2023-05-23 深圳市跨越新科技有限公司 一种物流订单报价匹配管理方法及系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102467703A (zh) * 2010-11-10 2012-05-23 北京天德世通科技发展有限公司 基于云计算的物流管理方法、设备和系统
CN104951914A (zh) * 2015-05-14 2015-09-30 章凯 智能快递处理方法及智能快递云系统
CN105069602A (zh) * 2015-08-28 2015-11-18 董方 一种物流公司推荐方法和系统
CN105787854A (zh) * 2016-03-18 2016-07-20 王宝东 一种快递收发方法
CN107451767A (zh) * 2016-05-31 2017-12-08 阿里巴巴集团控股有限公司 物流信息的推荐方法及装置、物流信息的展示方法及装置
CN106096863A (zh) * 2016-06-25 2016-11-09 湖北九号商城电子商务有限公司 一种电子商务供应链服务平台
CN107480925A (zh) * 2017-08-09 2017-12-15 合肥学院 一种快递‑超市系统及构建方法
CN109767153A (zh) * 2018-11-23 2019-05-17 深圳市大东车慧科技股份有限公司 一种物流服务竞价对比系统和方法
CN110866718A (zh) * 2019-11-06 2020-03-06 南京大学 一种向量化的整车车货匹配方法
CN112749937A (zh) * 2021-03-04 2021-05-04 深圳市爱云信息科技有限公司 TMS SaaS供应链物流信息平台

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Impact of Customer, Environment and Company Side Uncertainty and Risk on Logistical Performance: An Analysis on Pakistan Courier Industry;Akram, S 等;《Global Disclosure of Economics and Business》;20190630;第8卷(第1期);第17-32页 *
基于呼叫中心的物流信息平台的设计与实现;满成梅;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20160415(第4期);第I138-487页 *
淘宝推荐物流与我国电子商务物流发展思考;刘礼金;《物流科技》;20120610;第35卷(第6期);第4-6页 *

Also Published As

Publication number Publication date
CN113157673A (zh) 2021-07-23

Similar Documents

Publication Publication Date Title
CN110598940B (zh) 一种基于物联网贸易的物流订单分析预测系统
Besedes et al. What drives export survival? An analysis of export duration in Latin America
Shirley et al. Firm inventory behavior and the returns from highway infrastructure investments
CN113553540A (zh) 一种商品销量的预测方法
CN113157673B (zh) 基于用户特征识别分析的快递物流用户数据库统一化建立方法
CN112288375B (zh) 一种基于大数据的智慧供应链协调管理系统
Ing et al. The evolution of export quality: China and Indonesia
CN113052541A (zh) 一种基于工业物联网和数据分析的工业产品订货管理平台
CN114936822A (zh) 车货匹配方法、装置、设备及存储介质
CN109117989B (zh) 一种任务匹配时的预测方法及装置
CN115081961B (zh) 一种基于大数据的物流运力智能调派方法
CN113537878A (zh) 包裹派送方法、装置、设备及存储介质
CN115719197B (zh) 基于产业互联网的数字化供应链运营管理系统及方法
CN116433158A (zh) 一种基于云计算的商品库存动态管理系统及方法
CN116029637A (zh) 跨境电商物流渠道智能推荐方法及装置、设备、存储介质
CN114677088A (zh) 一种基于大数据的新零售物流调配管理系统
CN113283960A (zh) 基于大数据分析和云计算的垂直电商平台商品智能推荐方法和云服务平台
CN115063207A (zh) 一种基于云计算的建材采购智能比价分析处理系统
CN115358813A (zh) 一种跨境电商平台智能运营系统
CN115577184A (zh) 信息推荐方法、装置、电子设备及介质
CN114266395A (zh) 基于组合预测法卷烟物流集散分拨中心信息系统
CN111768139B (zh) 备货处理方法、装置、设备及存储介质
CN110766363A (zh) 生鲜农产品电子商务物流配送管理系统
Zhao et al. Time-dependent vehicle routing problem of perishable product delivery considering the differences among paths on the congested road
Sharawi et al. Utilization of data visualization for knowledge discovery in modern logistic service companies

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20220507

Address after: Room 703, building 1, No. 1, Shangdi Information Road, Haidian District, Beijing 100089

Applicant after: Beijing Guolian video information technology Co.,Ltd.

Address before: 430050 Building 1, dingxiu Plaza, No.36, Longyang Avenue, Hanyang District, Wuhan City, Hubei Province

Applicant before: Wuhan xinzhiyang e-commerce Co.,Ltd.

GR01 Patent grant
GR01 Patent grant
CP02 Change in the address of a patent holder
CP02 Change in the address of a patent holder

Address after: 9th Floor, Building 3, Zone 6, No. 188 South Fourth Ring West Road, Fengtai District, Beijing, 100070

Patentee after: Beijing Guolian video information technology Co.,Ltd.

Address before: Room 703, building 1, No. 1, Shangdi Information Road, Haidian District, Beijing 100089

Patentee before: Beijing Guolian video information technology Co.,Ltd.