CN113191857A - 一种基于大数据的云平台电子商务数据处理方法及系统 - Google Patents

一种基于大数据的云平台电子商务数据处理方法及系统 Download PDF

Info

Publication number
CN113191857A
CN113191857A CN202110624144.4A CN202110624144A CN113191857A CN 113191857 A CN113191857 A CN 113191857A CN 202110624144 A CN202110624144 A CN 202110624144A CN 113191857 A CN113191857 A CN 113191857A
Authority
CN
China
Prior art keywords
user
data
merchant
platform
analysis
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Withdrawn
Application number
CN202110624144.4A
Other languages
English (en)
Inventor
吕湘林
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 CN202110624144.4A priority Critical patent/CN113191857A/zh
Publication of CN113191857A publication Critical patent/CN113191857A/zh
Withdrawn legal-status Critical Current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]
    • G06Q30/0609—Buyer or seller confidence or verification
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0623—Item investigation
    • G06Q30/0625—Directed, with specific intent or strategy
    • G06Q30/0629—Directed, with specific intent or strategy for generating comparisons
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于大数据的云平台电子商务数据处理方法及系统，本发明涉及电子商务数据处理技术领域，解决了现有技术中不能够对前端行为数据进行分析，导致平台运营管理效率降低的技术问题，通过行为分析单元对前端行为数据进行分析，通过公式获取到平台的前端行为分析系数XWi，若平台的前端行为分析系数XWi≥前端行为分析系数阈值，则判定前端行为分析合格，若平台的前端行为分析系数XWi＜前端行为分析系数阈值，则判定前端行为分析不合格，生成前端不合格信号并将前端不合格信号发送至数据处理平台；对前端行为数据进行分析，能够清晰了解平台的运营状况，提高了管理的便利性。

Description

一种基于大数据的云平台电子商务数据处理方法及系统
技术领域
本发明涉及电子商务数据处理技术领域，具体为一种基于大数据的云平台电子商务数据处理方法及系统。
背景技术
电子商务是以信息网络技术为手段，以商品交换为中心的商务活动；也可理解为在互联网、企业内部网和增值网上以电子交易方式进行交易活动和相关服务的活动，是传统商业活动各环节的电子化、网络化、信息化；电子商务通常是指在全球各地广泛的商业贸易活动中，在因特网开放的网络环境下，买卖双方不谋面地进行各种商贸活动，实现消费者的网上购物、商户之间的网上交易和在线电子支付以及各种商务活动、交易活动、金融活动和相关的综合服务活动的一种新型的商业运营模式。
但是在现有技术中，不能够对前端行为数据进行分析，导致平台运营管理效率降低。
发明内容
本发明的目的就在于提出一种基于大数据的云平台电子商务数据处理方法及系统，通过行为分析单元对前端行为数据进行分析，获取到用户对平台的日最高访问量、用户对平台的日浏览总数以及用户对平台的日点击流，通过公式获取到平台的前端行为分析系数XWi，若平台的前端行为分析系数XWi≥前端行为分析系数阈值，则判定前端行为分析合格，生成前端合格信号并将前端合格信号发送至数据处理平台；若平台的前端行为分析系数XWi＜前端行为分析系数阈值，则判定前端行为分析不合格，生成前端不合格信号并将前端不合格信号发送至数据处理平台；对前端行为数据进行分析，能够清晰了解平台的运营状况，提高了管理的便利性，同时运营不好时能够为及时为平台进行合理推荐；
本发明的目的可以通过以下技术方案实现：
一种基于大数据的云平台电子商务数据处理系统，包括数据处理平台、行为分析单元、商业分析单元、信用分析单元、用户划分单元、注册登录单元以及数据库；
所述行为分析单元用于对前端行为数据进行分析，前端行为数据包括用户对平台的日最高访问量、用户对平台的日浏览总数以及用户对平台的日点击流，将用户标记为i，i＝1，2，……，n，n为正整数，具体分析过程如下：
步骤S1：获取到用户对平台的日最高访问量，并将用户对平台的日最高访问量标记为FWi；
步骤S2：获取到用户对平台的日浏览总数，并将用户对平台的日浏览总数标记为LLi；
步骤S3：获取到用户对平台的日点击流，并将用户对平台的日点击流标记为DJi；
步骤S4：通过公式
Figure BDA0003101410760000021
获取到平台的前端行为分析系数XWi，其中，a1、a2以及a3均为比例系数，且a1＞a2＞a3＞0；
步骤S5：将平台的前端行为分析系数XWi与前端行为分析系数阈值进行比较：
若平台的前端行为分析系数XWi≥前端行为分析系数阈值，则判定前端行为分析合格，生成前端合格信号并将前端合格信号发送至数据处理平台；
若平台的前端行为分析系数XWi＜前端行为分析系数阈值，则判定前端行为分析不合格，生成前端不合格信号并将前端不合格信号发送至数据处理平台。
进一步地，所述数据处理平台接收到前端不合格信号后，生成用户划分信号并将用户划分信号发送至用户划分单元，所述用户划分单元接收到用户划分信号后，对用户的交易数据进行分析，从而对用户进行等级划分，用户的交易数据包括数量数据、金额数据以及时间数据，数量数据为用户一周购买商品的总数量，金额数据为用户一周购买商品的平均价格，时间数据为用户购买商品的平均考虑时间，具体分析划分过程如下：
步骤SS1：获取到用户一周购买商品的总数量，并将用户一周购买商品的总数量标记为Si；
步骤SS2：获取到用户一周购买商品的平均价格，并将用户一周购买商品的平均价格标记为Ji；
步骤SS3：获取到用户购买商品的平均考虑时间，并将用户购买商品的平均考虑时间标记为Ki；
步骤SS4：通过公式
Figure BDA0003101410760000031
获取到用户的等级划分系数Xi，其中，b1、b2以及b3均为比例系数，且b1＞b2＞b3＞0；
步骤SS5：将用户的等级划分系数Xi与L1和L2进行比较，L1和L2均为等级划分系数阈值，且L1＞L2＞0：
若用户的等级划分系数Xi≥L1，则将对应用户标记为一级用户，并获取一级用户中购买商品的最低平均价格，并标记为第一价格阈值；
若用户的等级划分系数L2＜Xi＜L1，则将对应用户标记为二级用户，并获取二级用户中购买商品的最低平均价格，并标记为第二价格阈值；
若用户的等级划分系数Xi≤L2，则将对应用户标记为三级用户，并获取三级用户中购买商品的最低平均价格，并标记为第三价格阈值；
步骤SS6：将平台的商品根据第一价格阈值、第二价格阈值以及第三价格阈值划分为一级商品、二级商品以及三级商品，并将商品根据等级推送至对应用户的手机终端。
进一步地，所述商业分析单元用于对后端商业数据进行分析，后端商业数据包括商家的每天平均成功交易量、商家的平均每天的投资回报率以及商家在周期内最大投入金额，将商家标记为o，o＝1，2，……，m，m为正整数，具体分析过程如下：
步骤TT1：获取到商家的每天平均成功交易量，并将商家的每天平均成功交易量标记为JYo；
步骤TT2：获取到商家的平均每天的投资回报率，并将商家的平均每天的投资回报率标记为HBo；
步骤TT3：获取到商家在周期内最大投入金额，并将商家在周期内最大投入金额标记为JEo；
步骤TT4：通过公式SYo＝(JYo×c1+HBo×c2+JEo×c3)ec1+c2+c3获取到后端商业数据的分析系数SYo，其中，c1、c2以及c3均为比例系数，且c1＞c2＞c3＞0，e为自然常数；
步骤TT5：将后端商业数据的分析系数SYo与后端商业数据的分析系数阈值进行比较：
若后端商业数据的分析系数SYo≥后端商业数据的分析系数阈值，则生成商业数据分析合格，将对应商家标记为合格商家，生成后端合格信号并将后端合格信号和合格商家发送至数据处理平台；
若后端商业数据的分析系数SYo＜后端商业数据的分析系数阈值，则生成商业数据分析不合格，将对应商家标记为差经营商家，生成后端不合格信号并将后端不合格信号和差经营商家发送至数据处理平台。
进一步地，所述数据处理平台接收到后端不合格信号和差经营商家后，生成信用分析信号并将信用分析信号发送至信用分析单元，所述信用分析单元接收到信用分析信号后，对差经营商家的信用数据进行分析，差经营商家的信用数据包括评价数据、投诉数据以及退货数据，评价数据为差经营商家一周内收到的好评次数与总评价次数的比值，投诉数据为差经营商家一个月内收到投诉的总次数，退货数据为差经营商家平均每天的退货次数，具体分析过程如下：
步骤T1：获取到差经营商家一周内收到的好评次数与总评价次数的比值，并将差经营商家一周内收到的好评次数与总评价次数的比值标记为Bo；
步骤T2：获取到差经营商家一个月内收到投诉的总次数，并将差经营商家一个月内收到投诉的总次数标记为Co；
步骤T3：获取到差经营商家平均每天的退货次数，并将差经营商家平均每天的退货次数标记为To；
步骤T4：通过公式
Figure BDA0003101410760000051
获取到差经营商家的信用分析系数Xo，其中，s1、s2以及s3均为比例系数，且s1＞s2＞s3＞0；
步骤T5：将差经营商家的信用分析系数Xo与信用分析系数阈值进行比较：
若差经营商家的信用分析系数Xo≥信用分析系数阈值，则判定差经营商家信用合格，生成合格信号并将合格信号和对应的差经营商家发送至数据处理平台；
若差经营商家的信用分析系数Xo＜信用分析系数阈值，则判定差经营商家信用不合格，生成不合格信号并将不合格信号和对应的差经营商家发送至数据处理平台；
步骤T6：当数据处理平台接收到合格信号后，将差经营商家按照对应的信用分析系数进行排序，排序成功后，按照排序将差经营商家的店铺名称进行用户推送；当数据处理平台接收到不合格信号后，生成店铺整顿信号并将店铺整顿信号发送至对应差经营商家的店主手机终端。
进一步地，所述注册登录单元用于商家和用户通过手机终端提交商家信息和用户信息进行注册，并将注册成功的商家信息和用户信息发送至数据库进行储存，商家信息包括商家的店铺名称、注册时间以及店主本人实名认证的手机号码，用户信息包括用户的姓名、年龄、职业以及本人实名认证的手机号码。
进一步地，电子商务数据处理方法具体步骤如下：
步骤一、注册登录：商家和用户通过手机终端提交商家信息和用户信息进行注册，并将注册成功的商家信息和用户信息发送至数据库进行储存；
步骤二、前端行为分析，通过行为分析单元对前端行为数据进行分析，通过公式获取到平台的前端行为分析系数，若平台的前端行为分析系数XWi≥前端行为分析系数阈值，则判定前端行为分析合格，生成前端合格信号并将前端合格信号发送至数据处理平台；若平台的前端行为分析系数XWi＜前端行为分析系数阈值，则判定前端行为分析不合格，生成前端不合格信号并将前端不合格信号发送至数据处理平台；
步骤三、等级分划；数据处理平台接收到前端不合格信号后，生成用户划分信号并将用户划分信号发送至用户划分单元，通过用户划分单元接收到用户划分信号后，对用户的交易数据进行分析，从而对用户进行等级划分；
步骤四、后端商业分析，通过商业分析单元对后端商业数据进行分析，若后端商业数据的分析系数SYo≥后端商业数据的分析系数阈值，则生成商业数据分析合格，将对应商家标记为合格商家，生成后端合格信号并将后端合格信号和合格商家发送至数据处理平台；若后端商业数据的分析系数SYo＜后端商业数据的分析系数阈值，则生成商业数据分析不合格，将对应商家标记为差经营商家，生成后端不合格信号并将后端不合格信号和差经营商家发送至数据处理平台；
步骤五、信用分析；数据处理平台接收到后端不合格信号和差经营商家后，生成信用分析信号并将信用分析信号发送至信用分析单元，所述信用分析单元接收到信用分析信号后，对差经营商家的信用数据进行分析，数据处理平台接收到合格信号后，将差经营商家按照对应的信用分析系数进行排序，排序成功后，按照排序将差经营商家的店铺名称进行用户推送。
与现有技术相比，本发明的有益效果是：
1、本发明中，通过行为分析单元对前端行为数据进行分析，获取到用户对平台的日最高访问量、用户对平台的日浏览总数以及用户对平台的日点击流，通过公式获取到平台的前端行为分析系数XWi，若平台的前端行为分析系数XWi≥前端行为分析系数阈值，则判定前端行为分析合格，生成前端合格信号并将前端合格信号发送至数据处理平台；若平台的前端行为分析系数XWi＜前端行为分析系数阈值，则判定前端行为分析不合格，生成前端不合格信号并将前端不合格信号发送至数据处理平台；对前端行为数据进行分析，能够清晰了解平台的运营状况，提高了管理的便利性，同时运营不好时能够及时为平台进行合理推荐；
2、本发明中，通过商业分析单元对后端商业数据进行分析，获取到商家的每天平均成功交易量、商家的平均每天的投资回报率以及商家在周期内最大投入金额，通过公式获取到后端商业数据的分析系数SYo，若后端商业数据的分析系数SYo≥后端商业数据的分析系数阈值，则生成商业数据分析合格，将对应商家标记为合格商家，生成后端合格信号并将后端合格信号和合格商家发送至数据处理平台；若后端商业数据的分析系数SYo＜后端商业数据的分析系数阈值，则生成商业数据分析不合格，将对应商家标记为差经营商家，生成后端不合格信号并将后端不合格信号和差经营商家发送至数据处理平台；通过后端商业数据进行分析，合理判断平台的运营状况，提高平台的运营效率。
附图说明
为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。
图1为本发明的原理框图。
具体实施方式
下面将结合实施例对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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它实施例，都属于本发明保护的范围。
如图1所示，一种基于大数据的云平台电子商务数据处理系统，包括数据处理平台、行为分析单元、商业分析单元、信用分析单元、用户划分单元、注册登录单元以及数据库；
注册登录单元用于商家和用户通过手机终端提交商家信息和用户信息进行注册，并将注册成功的商家信息和用户信息发送至数据库进行储存，商家信息包括商家的店铺名称、注册时间以及店主本人实名认证的手机号码，用户信息包括用户的姓名、年龄、职业以及本人实名认证的手机号码；
行为分析单元用于对前端行为数据进行分析，前端行为数据包括用户对平台的日最高访问量、用户对平台的日浏览总数以及用户对平台的日点击流，将用户标记为i，i＝1，2，……，n，n为正整数，具体分析过程如下：
步骤S1：获取到用户对平台的日最高访问量，并将用户对平台的日最高访问量标记为FWi；
步骤S2：获取到用户对平台的日浏览总数，并将用户对平台的日浏览总数标记为LLi；
步骤S3：获取到用户对平台的日点击流，并将用户对平台的日点击流标记为DJi；
步骤S4：通过公式
Figure BDA0003101410760000091
获取到平台的前端行为分析系数XWi，其中，a1、a2以及a3均为比例系数，且a1＞a2＞a3＞0；
步骤S5：将平台的前端行为分析系数XWi与前端行为分析系数阈值进行比较：
若平台的前端行为分析系数XWi≥前端行为分析系数阈值，则判定前端行为分析合格，生成前端合格信号并将前端合格信号发送至数据处理平台；
若平台的前端行为分析系数XWi＜前端行为分析系数阈值，则判定前端行为分析不合格，生成前端不合格信号并将前端不合格信号发送至数据处理平台；
数据处理平台接收到前端不合格信号后，生成用户划分信号并将用户划分信号发送至用户划分单元，用户划分单元接收到用户划分信号后，对用户的交易数据进行分析，从而对用户进行等级划分，用户的交易数据包括数量数据、金额数据以及时间数据，数量数据为用户一周购买商品的总数量，金额数据为用户一周购买商品的平均价格，时间数据为用户购买商品的平均考虑时间，具体分析划分过程如下：
步骤SS1：获取到用户一周购买商品的总数量，并将用户一周购买商品的总数量标记为Si；
步骤SS2：获取到用户一周购买商品的平均价格，并将用户一周购买商品的平均价格标记为Ji；
步骤SS3：获取到用户购买商品的平均考虑时间，并将用户购买商品的平均考虑时间标记为Ki；
步骤SS4：通过公式
Figure BDA0003101410760000101
获取到用户的等级划分系数Xi，其中，b1、b2以及b3均为比例系数，且b1＞b2＞b3＞0；
步骤SS5：将用户的等级划分系数Xi与L1和L2进行比较，L1和L2均为等级划分系数阈值，且L1＞L2＞0：
若用户的等级划分系数Xi≥L1，则将对应用户标记为一级用户，并获取一级用户中购买商品的最低平均价格，并标记为第一价格阈值；
若用户的等级划分系数L2＜Xi＜L1，则将对应用户标记为二级用户，并获取二级用户中购买商品的最低平均价格，并标记为第二价格阈值；
若用户的等级划分系数Xi≤L2，则将对应用户标记为三级用户，并获取三级用户中购买商品的最低平均价格，并标记为第三价格阈值；
步骤SS6：将平台的商品根据第一价格阈值、第二价格阈值以及第三价格阈值划分为一级商品、二级商品以及三级商品，并将商品根据等级推送至对应用户的手机终端；
商业分析单元用于对后端商业数据进行分析，后端商业数据包括商家的每天平均成功交易量、商家的平均每天的投资回报率以及商家在周期内最大投入金额，将商家标记为o，o＝1，2，……，m，m为正整数，具体分析过程如下：
步骤TT1：获取到商家的每天平均成功交易量，并将商家的每天平均成功交易量标记为JYo；
步骤TT2：获取到商家的平均每天的投资回报率，并将商家的平均每天的投资回报率标记为HBo；
步骤TT3：获取到商家在周期内最大投入金额，并将商家在周期内最大投入金额标记为JEo；
步骤TT4：通过公式SYo＝(JYo×c1+HBo×c2+JEo×c3)ec1+c2+c3获取到后端商业数据的分析系数SYo，其中，c1、c2以及c3均为比例系数，且c1＞c2＞c3＞0，e为自然常数；
步骤TT5：将后端商业数据的分析系数SYo与后端商业数据的分析系数阈值进行比较：
若后端商业数据的分析系数SYo≥后端商业数据的分析系数阈值，则生成商业数据分析合格，将对应商家标记为合格商家，生成后端合格信号并将后端合格信号和合格商家发送至数据处理平台；
若后端商业数据的分析系数SYo＜后端商业数据的分析系数阈值，则生成商业数据分析不合格，将对应商家标记为差经营商家，生成后端不合格信号并将后端不合格信号和差经营商家发送至数据处理平台；
数据处理平台接收到后端不合格信号和差经营商家后，生成信用分析信号并将信用分析信号发送至信用分析单元，信用分析单元接收到信用分析信号后，对差经营商家的信用数据进行分析，差经营商家的信用数据包括评价数据、投诉数据以及退货数据，评价数据为差经营商家一周内收到的好评次数与总评价次数的比值，投诉数据为差经营商家一个月内收到投诉的总次数，退货数据为差经营商家平均每天的退货次数，具体分析过程如下：
步骤T1：获取到差经营商家一周内收到的好评次数与总评价次数的比值，并将差经营商家一周内收到的好评次数与总评价次数的比值标记为Bo；
步骤T2：获取到差经营商家一个月内收到投诉的总次数，并将差经营商家一个月内收到投诉的总次数标记为Co；
步骤T3：获取到差经营商家平均每天的退货次数，并将差经营商家平均每天的退货次数标记为To；
步骤T4：通过公式
Figure BDA0003101410760000121
获取到差经营商家的信用分析系数Xo，其中，s1、s2以及s3均为比例系数，且s1＞s2＞s3＞0；
步骤T5：将差经营商家的信用分析系数Xo与信用分析系数阈值进行比较：
若差经营商家的信用分析系数Xo≥信用分析系数阈值，则判定差经营商家信用合格，生成合格信号并将合格信号和对应的差经营商家发送至数据处理平台；
若差经营商家的信用分析系数Xo＜信用分析系数阈值，则判定差经营商家信用不合格，生成不合格信号并将不合格信号和对应的差经营商家发送至数据处理平台；
步骤T6：当数据处理平台接收到合格信号后，将差经营商家按照对应的信用分析系数进行排序，排序成功后，按照排序将差经营商家的店铺名称进行用户推送；当数据处理平台接收到不合格信号后，生成店铺整顿信号并将店铺整顿信号发送至对应差经营商家的店主手机终端；
一种基于大数据的云平台电子商务数据处理方法，电子商务数据处理方法具体步骤如下：
步骤一、注册登录：商家和用户通过手机终端提交商家信息和用户信息进行注册，并将注册成功的商家信息和用户信息发送至数据库进行储存；
步骤二、前端行为分析，通过行为分析单元对前端行为数据进行分析，通过公式获取到平台的前端行为分析系数，若平台的前端行为分析系数XWi≥前端行为分析系数阈值，则判定前端行为分析合格，生成前端合格信号并将前端合格信号发送至数据处理平台；若平台的前端行为分析系数XWi＜前端行为分析系数阈值，则判定前端行为分析不合格，生成前端不合格信号并将前端不合格信号发送至数据处理平台；
步骤三、等级分划；数据处理平台接收到前端不合格信号后，生成用户划分信号并将用户划分信号发送至用户划分单元，通过用户划分单元接收到用户划分信号后，对用户的交易数据进行分析，从而对用户进行等级划分；
步骤四、后端商业分析，通过商业分析单元对后端商业数据进行分析，若后端商业数据的分析系数SYo≥后端商业数据的分析系数阈值，则生成商业数据分析合格，将对应商家标记为合格商家，生成后端合格信号并将后端合格信号和合格商家发送至数据处理平台；若后端商业数据的分析系数SYo＜后端商业数据的分析系数阈值，则生成商业数据分析不合格，将对应商家标记为差经营商家，生成后端不合格信号并将后端不合格信号和差经营商家发送至数据处理平台；
步骤五、信用分析；数据处理平台接收到后端不合格信号和差经营商家后，生成信用分析信号并将信用分析信号发送至信用分析单元，信用分析单元接收到信用分析信号后，对差经营商家的信用数据进行分析，数据处理平台接收到合格信号后，将差经营商家按照对应的信用分析系数进行排序，排序成功后，按照排序将差经营商家的店铺名称进行用户推送。
本发明工作原理：
一种基于大数据的云平台电子商务数据处理方法及系统，在工作时，商家和用户通过手机终端提交商家信息和用户信息进行注册，随后通过行为分析单元对前端行为数据进行分析，通过公式获取到平台的前端行为分析系数，数据处理平台接收到前端不合格信号后，生成用户划分信号并将用户划分信号发送至用户划分单元，通过用户划分单元接收到用户划分信号后，对用户的交易数据进行分析，从而对用户进行等级划分；通过商业分析单元对后端商业数据进行分析，数据处理平台接收到后端不合格信号和差经营商家后，生成信用分析信号并将信用分析信号发送至信用分析单元，通过信用分析单元接收到信用分析信号后，对差经营商家的信用数据进行分析。
上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。
以上内容仅仅是对本发明结构所作的举例和说明，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，只要不偏离发明的结构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 (5)

1.一种基于大数据的云平台电子商务数据处理系统，其特征在于，包括数据处理平台、行为分析单元、商业分析单元、信用分析单元、用户划分单元、注册登录单元以及数据库；
所述行为分析单元用于对前端行为数据进行分析，前端行为数据包括用户对平台的日最高访问量、用户对平台的日浏览总数以及用户对平台的日点击流，将用户标记为i，i＝1，2，……，n，n为正整数，具体分析过程如下：获取到用户对平台的日最高访问量、用户对平台的日浏览总数以及用户对平台的日点击流，通过公式获取到平台的前端行为分析系数XWi，将平台的前端行为分析系数XWi与前端行为分析系数阈值进行比较。
2.根据权利要求1所述的一种基于大数据的云平台电子商务数据处理系统，其特征在于，所述数据处理平台接收到前端不合格信号后，生成用户划分信号并将用户划分信号发送至用户划分单元，所述用户划分单元接收到用户划分信号后，对用户的交易数据进行分析，从而对用户进行等级划分，用户的交易数据包括数量数据、金额数据以及时间数据，具体分析划分过程如下：获取到用户一周购买商品的总数量、用户一周购买商品的平均价格以及用户购买商品的平均考虑时间，通过公式获取到用户的等级划分系数Xi，将用户的等级划分系数Xi与L1和L2进行比较，L1和L2均为等级划分系数阈值，且L1＞L2＞0。
3.根据权利要求1所述的一种基于大数据的云平台电子商务数据处理系统，其特征在于，所述商业分析单元用于对后端商业数据进行分析，后端商业数据包括商家的每天平均成功交易量、商家的平均每天的投资回报率以及商家在周期内最大投入金额，将商家标记为o，o＝1，2，……，m，m为正整数，具体分析过程如下：获取到商家的每天平均成功交易量、商家的平均每天的投资回报率以及商家在周期内最大投入金额，通过公式获取到后端商业数据的分析系数SYo，将后端商业数据的分析系数SYo与后端商业数据的分析系数阈值进行比较。
4.根据权利要求3所述的一种基于大数据的云平台电子商务数据处理系统，其特征在于，所述数据处理平台接收到后端不合格信号和差经营商家后，生成信用分析信号并将信用分析信号发送至信用分析单元，所述信用分析单元接收到信用分析信号后，对差经营商家的信用数据进行分析，具体分析过程如下：获取到差经营商家一周内收到的好评次数与总评价次数的比值、差经营商家一个月内收到投诉的总次数以及差经营商家平均每天的退货次数，通过公式获取到差经营商家的信用分析系数Xo，将差经营商家的信用分析系数Xo与信用分析系数阈值进行比较。
5.一种基于大数据的云平台电子商务数据处理方法，其特征在于，电子商务数据处理方法具体步骤如下：
步骤一、注册登录：商家和用户通过手机终端提交商家信息和用户信息进行注册，并将注册成功的商家信息和用户信息发送至数据库进行储存；
步骤二、前端行为分析，通过行为分析单元对前端行为数据进行分析，通过公式获取到平台的前端行为分析系数；
步骤三、等级分划；数据处理平台接收到前端不合格信号后，生成用户划分信号并将用户划分信号发送至用户划分单元，通过用户划分单元接收到用户划分信号后，对用户的交易数据进行分析，从而对用户进行等级划分；
步骤四、后端商业分析，通过商业分析单元对后端商业数据进行分析；
步骤五、信用分析；数据处理平台接收到后端不合格信号和差经营商家后，生成信用分析信号并将信用分析信号发送至信用分析单元，所述信用分析单元接收到信用分析信号后，对差经营商家的信用数据进行分析，数据处理平台接收到合格信号后，将差经营商家按照对应的信用分析系数进行排序，排序成功后，按照排序将差经营商家的店铺名称进行用户推送。
CN202110624144.4A 2021-06-04 2021-06-04 一种基于大数据的云平台电子商务数据处理方法及系统 Withdrawn CN113191857A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110624144.4A CN113191857A (zh) 2021-06-04 2021-06-04 一种基于大数据的云平台电子商务数据处理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110624144.4A CN113191857A (zh) 2021-06-04 2021-06-04 一种基于大数据的云平台电子商务数据处理方法及系统

Publications (1)

Publication Number Publication Date
CN113191857A true CN113191857A (zh) 2021-07-30

Family

ID=76975930

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110624144.4A Withdrawn CN113191857A (zh) 2021-06-04 2021-06-04 一种基于大数据的云平台电子商务数据处理方法及系统

Country Status (1)

Country Link
CN (1) CN113191857A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114444984A (zh) * 2022-04-11 2022-05-06 深圳市度易科技有限公司 一种基于远程教育的校内外管理系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114444984A (zh) * 2022-04-11 2022-05-06 深圳市度易科技有限公司 一种基于远程教育的校内外管理系统

Similar Documents

Publication Publication Date Title
KR100771710B1 (ko) 입찰가 판정 방법 및 시스템, 컴퓨터
KR100766149B1 (ko) 컴퓨터로 구현되는 자산 샘플링 방법, 시스템 및 컴퓨터
KR100771718B1 (ko) 신용 점수의 평가를 추론하는 컴퓨터로 구현되는 추론 방법, 포트폴리오 평가 시스템 및 컴퓨터
CN110009372B (zh) 一种用户风险识别方法和装置
KR100766148B1 (ko) 자산 가치 평가에 대한 최소 변동 가정 선택을 위한 컴퓨터로 구현되는 방법과, 포트폴리오 가치 평가 시스템 및 컴퓨터
KR100746107B1 (ko) 자산 포트폴리오의 기술 속성 상관 방법, 상관 시스템 및 상관 컴퓨터
US20050171822A1 (en) Responsive confidence scoring method for a proposed valuation of aproperty
MXPA01008622A (es) Evaluacion rapida de portafolios de activos tales como instrumentos financieros.
KR20030004316A (ko) 최종 입찰 결정 방법과 그 시스템, 및 컴퓨터
KR20010102452A (ko) 가치를 찾고 위험을 줄이기 위한 방법 및 시스템
CN103577988A (zh) 一种识别特定用户的方法和装置
CN103430201A (zh) 私人公司估价
CN114579087A (zh) 一种电力客户服务业务中台设计方法及装置
CN112529655A (zh) 一种基于手机终端的电子商务交易系统
Honarmandi et al. Comparing the impact of brand value on corporate profit in B2B and B2C businesses: A case study
JP6411562B2 (ja) 情報処理装置、情報処理方法及びプログラム
Mauri et al. Global integration as inter-area product flows: The internalization of ownership and location factors influencing product flows across MNC units
CN113191857A (zh) 一种基于大数据的云平台电子商务数据处理方法及系统
CN113112334A (zh) 一种基于云计算的电子商务平台
CN112506997B (zh) 一种基于跨境电商平台的大数据用户挖掘方法
Moulton et al. Experimental Indicators of Digital Industries in Select Countries: Definitions, Methods, and Results
JP2018160258A (ja) 情報処理装置、情報処理方法及びプログラム
CN109961314B (zh) 一种基于大数据对珠宝首饰材料进行评估报价的系统及方法
CN114648389A (zh) 一种电子商务信息处理系统
CN114463022A (zh) 一种基于大数据的智能销售管理系统

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: 20210730

WW01 Invention patent application withdrawn after publication