CN113327121A - 主播选品相关系统、方法、装置及设备 - Google Patents
主播选品相关系统、方法、装置及设备 Download PDFInfo
- Publication number
- CN113327121A CN113327121A CN202010131639.9A CN202010131639A CN113327121A CN 113327121 A CN113327121 A CN 113327121A CN 202010131639 A CN202010131639 A CN 202010131639A CN 113327121 A CN113327121 A CN 113327121A
- Authority
- CN
- China
- Prior art keywords
- information
- user
- commodity
- determining
- matching degree
- 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 169
- 230000006870 function Effects 0.000 claims description 124
- 230000006399 behavior Effects 0.000 claims description 93
- 230000002452 interceptive effect Effects 0.000 claims description 34
- 238000011156 evaluation Methods 0.000 claims description 22
- 230000007717 exclusion Effects 0.000 claims description 18
- 230000003068 static effect Effects 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 12
- 230000008901 benefit Effects 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 13
- 230000003993 interaction Effects 0.000 description 13
- 238000010187 selection method Methods 0.000 description 9
- 240000000560 Citrus x paradisi Species 0.000 description 8
- 244000046052 Phaseolus vulgaris Species 0.000 description 6
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 6
- 238000010899 nucleation Methods 0.000 description 6
- 238000003672 processing method Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 235000012054 meals Nutrition 0.000 description 3
- 241000251468 Actinopterygii Species 0.000 description 2
- 235000009508 confectionery Nutrition 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000003032 molecular docking Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241000028631 Microstomus pacificus Species 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000009394 selective breeding Methods 0.000 description 1
- 235000019614 sour taste Nutrition 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 230000003442 weekly effect Effects 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
- G06Q30/0204—Market segmentation
- G06Q30/0205—Location or geographical consideration
-
- 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)
- Development Economics (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了主播选品相关系统、方法、装置及设备。其中,主播选品系统通过服务器确定与第一用户对应的至少一个第二用户的第一特征信息、及待选商品对象的第二特征信息;根据第一特征信息和第二特征信息,确定第二用户组与待选商品对象间至少一个第一特征维度的第一匹配度;至少根据第一匹配度,确定与第一用户对应的目标商品对象信息;客户端接收并显示服务端发送的目标商品对象信息,供第一用户人工选品用。采用这种处理方式,使得基于主播粉丝群体画像和商品画像,确定粉丝与商品间的关联关系,考虑彼此之间的匹配度,为主播选出适合其粉丝群体的商品;因此,可以有效提升选品质量和选品效率,从而提升直播收益。
Description
技术领域
本申请涉及数据处理技术领域,具体涉及主播选品系统、方法和装置,主播确定系统、方法和装置,以及电子设备。
背景技术
随着电子商务及移动互联网等技术的不断发展,购物直播平台已经得到了日益广泛的应用。以淘宝直播为例,用户可在观看商品销售直播节目的同时,购买主播正在销售的商品,涵盖的范畴包括母婴、美妆等。
一种典型的商品销售直播方式是,商家将想找主播带货的商品对象发布到直播内容平台的商品池中,主播可以在选品池中看到商家发布的商品,并从中挑选一些商品进行销售,根据商品销售情况,主播可从商家处获得一定的佣金收益。对于主播而言,挑选商品或判断商品是否符合自己粉丝的诉求,会直接影响直播收益。目前,一种常用的主播选品方式是,直播平台向主播提供主播货品对接平台,主播依靠个人数据分析能力,自行设置一些商品指标的条件,从主播货品对接平台的商品池中检索符合条件的商品,然后从筛选后的商品列表中,手动挑选个人认为合适的商品。
然而,在实现本发明过程中,发明人发现现有技术方案至少存在如下问题:需要主播根据个人经验设置商品检索条件,然后再对检索得到的商品进行人工挑选,这种处理方式对于主播,尤其是没有过硬的数据分析能力的中小主播而言,因其很难对自己的粉丝群体有一个准确的分析(如粉丝偏好什么品类、什么价格区间的商品等),难以对自己的粉丝群体和商品之间的匹配度有一个精准的判断,对待选商品的质量、商品对应商家的信誉和服务等也不够明确,因此,经常会选到不符合粉丝诉求的商品,造成粉丝流失,还会选到质量差、信誉差的商家,造成对自己粉丝的伤害。综上所述,现有技术存在主播选择商品比较盲目,效率低下,选出的商品质量不高等问题。如何由直播平台为主播选出适合其粉丝群体的商品,以提升选品质量和选品效率,从而提升直播收益,成为本领域技术人员迫切需要解决的技术问题。
发明内容
本申请提供主播选品系统,以解决现有技术存在的主播选品质量和选品效率均较低的问题。本申请另外提供主播选品方法和装置,以及电子设备。
本申请提供一种主播选品系统,包括:
服务器,用于确定与第一用户对应的至少一个第二用户的第一特征信息、及待选商品对象的第二特征信息;根据第一特征信息和第二特征信息,确定第二用户组与待选商品对象间至少一个第一特征维度的第一匹配度;至少根据第一匹配度,确定与第一用户对应的目标商品对象信息;
客户端,用于接收服务端发送的目标商品对象信息;显示目标商品对象信息,供第一用户人工选品用。
本申请还提供一种主播选品方法,包括:
确定与第一用户对应的至少一个第二用户的第一特征信息、及待选商品对象的第二特征信息;
根据第一特征信息和第二特征信息,确定第二用户组与待选商品对象间至少一个第一特征维度的第一匹配度;
至少根据第一匹配度,确定与第一用户对应的目标商品对象信息。
可选的,所述第一特征信息包括:商品类目偏好信息;
所述第二特征信息包括:商品类目信息;
所述至少一个第一特征维度包括:商品类目维度;
所述商品类目维度的第一匹配度采用如下步骤确定:
根据所述商品类目偏好信息,确定第二用户与待选商品对象的商品类目间的第三匹配度;
根据所述第三匹配度,确定所述商品类目维度的第一匹配度。
可选的,所述商品类目偏好信息采用如下方式确定:
根据第二用户的历史交互行为信息,确定所述商品类目偏好信息。
可选的,所述历史交互行为信息包括:商品对象购买行为信息,商品对象浏览行为信息,商品对象收藏行为信息,商品对象评价行为信息。
可选的,所述根据所述第三匹配度,确定所述商品类目维度的第一匹配度,包括:
将所述第三匹配度的平均值作为所述商品类目维度的第一匹配度。
可选的,所述根据所述第三匹配度,确定所述商品类目维度的第一匹配度,包括:
确定所述第三匹配度大于第三匹配度阈值的第二用户数量;
将所述第二用户数量与第二用户总数量的比值作为所述商品类目维度的第一匹配度。
可选的,所述第一特征信息包括:对不同商品类目的商品价格偏好信息;
所述第二特征信息包括:商品价格信息;
所述至少一个第一特征维度包括:商品价格维度;
所述商品价格维度的第一匹配度采用如下方式确定:
根据第二用户对商品对象所属商品类目的所述商品价格偏好信息、和商品对象的商品价格信息,确定所述商品价格维度的第一匹配度。
可选的,所述商品价格偏好信息采用如下方式确定:
根据第二用户的历史交互行为信息,确定所述商品价格偏好信息。
可选的,所述根据第二用户对商品对象所属商品类目的所述商品价格偏好信息、和商品对象的商品价格信息,确定所述价格维度的第一匹配度,包括:
确定所述商品价格偏好信息与商品价格信息匹配的第二用户数量;
将所述第二用户数量与第二用户总数量的比值作为所述商品价格维度的第一匹配度。
可选的,所述第一特征信息包括:对不同商品类目的商品功能偏好信息;
所述第二特征信息包括:商品功能信息;
所述至少一个第一特征维度包括:商品功能维度;
所述商品功能维度的第一匹配度采用如下方式确定:
根据第二用户对商品对象所属商品类目的所述商品功能偏好信息、和商品对象的商品功能信息,确定所述商品功能维度的第一匹配度。
可选的,所述商品功能偏好信息采用如下方式确定:
根据第二用户的历史交互行为信息,确定所述商品功能偏好信息。
可选的,所述历史交互行为信息包括:商品对象评价行为信息。
可选的,所述根据第二用户对商品对象所属商品类目的所述商品功能偏好信息、和商品对象的商品功能信息,确定所述商品功能维度的第一匹配度,包括:
确定所述商品功能偏好信息与商品功能信息匹配的第二用户数量;
将所述第二用户数量与第二用户总数量的比值作为所述商品功能维度的第一匹配度。
可选的,所述方法还包括:
确定第一用户的第三特征信息、及与商品对象对应的第三用户的第四特征信息;
根据第三特征信息和第四特征信息,确定第一用户与第三用户间至少一个第二特征维度的第二匹配度;
所述至少根据第一匹配度,确定与第一用户对应的目标商品对象信息,包括:
至少根据第一匹配度和第二匹配度,确定所述目标商品对象信息。
可选的,所述第三特征信息包括:地理位置信息;
所述第四特征信息包括:地理位置信息;
所述至少一个第二特征维度包括:距离维度;
所述距离维度的第二匹配度采用如下步骤确定:
根据所述第一用户的地理位置信息和第三用户的地理位置信息,确定所述距离维度的第二匹配度。
可选的,所述方法还包括:
确定商品对象的质量信息、及第三用户的质量信息;
所述至少根据第一匹配度和第二匹配度,确定所述目标商品对象信息,包括:
根据第一匹配度、第二匹配度、商品对象的质量信息及第三用户的质量信息,确定所述目标商品对象信息。
可选的,所述商品对象的质量信息包括:商品好评度。
可选的,所述第三用户的质量信息包括:用户好评度,物流服务质量信息,客户服务质量信息,交易纠纷率。
可选的,所述物流服务质量信息包括:平均送货时长;
所述客户服务质量信息包括:平均服务响应时长。
可选的,所述根据第一匹配度、第二匹配度、商品对象的质量信息及第三用户的质量信息,确定所述目标商品对象信息,包括:
根据所述至少一个第一特征维度的第一匹配度、至少一个第二特征维度的第二匹配度、商品对象的质量信息及第三用户的质量信息,确定第一用户与商品对象间的第三匹配度;
根据所述第三匹配度,确定所述目标商品对象信息。
可选的,所述第三匹配度采用如下方式确定:
根据选品参数权重,将所述至少一个第一特征维度的第一匹配度、至少一个第二特征维度的第二匹配度、商品对象的质量信息及第三用户的质量信息的加权值,作为第三匹配度。
可选的,还包括:
确定目标商品对象的人工选品参数信息;
向第一用户的客户端发送人工选品参数信息,以便于第一用户根据人工选品参数信息进行人工选品。
可选的,所述人工选品参数信息包括:
所述第一匹配度,商品销售预测信息,商品对象信息,第三用户信息。
可选的,所述商品对象信息包括:商品静态属性信息,商品好评度,交易统计数据。
可选的,所述第三用户信息包括:用户静态属性信息,用户好评度,交易统计数据,物流服务质量信息,客户服务质量信息。
可选的,所述交易统计数据包括:目标时间范围内的商品交易数量,订单数量,商品交易金额,退单数量。
可选的,商品销售预测信息包括:商品销售量预测信息,商品销售额预测信息,第一用户收益预测信息。
可选的,所述商品销售预测信息采用如下步骤确定:
根据所述第一匹配度,确定至少一个目标第二用户;
根据各个目标第二用户对商品对象所属商品类目的商品对象历史购买数量,确定所述销售量预测信息;
根据所述销售量预测信息,确定所述销售额预测信息;
根据所述销售额预测信息,确定所述第一用户收益预测信息。
本申请还提供一种主播选品方法,包括:
接收服务端发送的针对目标第一用户的目标商品对象信息;
显示目标商品对象信息,供第一用户人工选品用。
可选的,所述目标商品对象信息包括人工选品参数信息;
所述人工选品参数信息包括:
与目标第一用户对应的第二用户组与目标商品对象间至少一个第一特征维度的第一匹配度,目标第一用户与目标商品对象的第三用户间至少一个第二特征维度的第二匹配度,目标商品对象的销售预测信息,商品对象信息,第三用户信息。
本申请还提供一种主播选品装置,包括:
特征确定单元,用于确定与第一用户对应的至少一个第二用户的第一特征信息、及待选商品对象的第二特征信息;
匹配度确定单元,用于根据第一特征信息和第二特征信息,确定第二用户组与待选商品对象间至少一个第一特征维度的第一匹配度;
目标商品确定单元,用于至少根据第一匹配度,确定与第一用户对应的目标商品对象信息。
本申请还提供一种电子设备,包括:
处理器;以及
存储器,用于存储实现主播选品方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:确定与第一用户对应的至少一个第二用户的第一特征信息、及待选商品对象的第二特征信息;根据第一特征信息和第二特征信息,确定第二用户组与待选商品对象间至少一个第一特征维度的第一匹配度;至少根据第一匹配度,确定与第一用户对应的目标商品对象信息。
本申请还提供一种主播选品装置,包括:
目标商品接收单元,用于接收服务端发送的针对目标第一用户的目标商品对象信息;
目标商品显示单元,用于显示目标商品对象信息,供第一用户人工选品用。
本申请还提供一种电子设备,包括:
处理器;以及
存储器,用于存储实现主播选品方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:接收服务端发送的针对目标第一用户的目标商品对象信息;显示目标商品对象信息,供第一用户人工选品用。
本申请还提供一种主播确定系统,包括:
服务器,用于确定与第一用户对应的至少一个第二用户的第一特征信息、及第三用户的待售商品对象的第二特征信息;根据第一特征信息和第二特征信息,确定第二用户组与待售商品对象间至少一个第一特征维度的第一匹配度;至少根据第一匹配度,确定与第三用户对应的目标第一用户信息;
客户端,用于接收服务端发送的目标第一用户信息;显示目标第一用户信息,供第三用户人工选主播用。
本申请还提供一种主播确定方法,包括:
确定与第一用户对应的至少一个第二用户的第一特征信息、及第三用户的待售商品对象的第二特征信息;
根据第一特征信息和第二特征信息,确定第二用户组与待售商品对象间至少一个第一特征维度的第一匹配度;
至少根据第一匹配度,确定与第三用户对应的目标第一用户信息。
本申请还提供一种主播确定方法,包括:
接收服务端发送的针对目标第三用户的目标第一用户信息;
显示目标第一用户信息,供第三用户人工选主播用。
本申请还提供一种主播确定装置,包括:
特征确定单元,用于确定与第一用户对应的至少一个第二用户的第一特征信息、及第三用户的待售商品对象的第二特征信息;
匹配度确定单元,用于根据第一特征信息和第二特征信息,确定第二用户组与待售商品对象间至少一个第一特征维度的第一匹配度;
目标用户确定单元,用于至少根据第一匹配度,确定与第三用户对应的目标第一用户信息。
本申请还提供一种电子设备,包括:
处理器;以及
存储器,用于存储实现主播确定方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:确定与第一用户对应的至少一个第二用户的第一特征信息、及第三用户的待售商品对象的第二特征信息;根据第一特征信息和第二特征信息,确定第二用户组与待售商品对象间至少一个第一特征维度的第一匹配度;至少根据第一匹配度,确定与第三用户对应的目标第一用户信息。
本申请还提供一种主播确定装置,包括:
目标用户接收单元,用于接收服务端发送的针对目标第三用户的目标第一用户信息;
目标用户接收单元,用于显示目标第一用户信息,供第三用户人工选主播用。
本申请还提供一种电子设备,包括:
处理器;以及
存储器,用于存储实现主播确定方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:接收服务端发送的针对目标第三用户的目标第一用户信息;显示目标第一用户信息,供第三用户人工选主播用。
本申请还提供一种用户偏好信息确定方法,包括:
获取第二用户的历史交互行为信息;
根据所述历史交互行为信息,确定所述第二用户的商品交易偏好信息。
可选的,所述历史交互行为信息包括:商品对象购买行为信息,商品对象浏览行为信息,商品对象收藏行为信息,商品对象评价行为信息。
可选的,所述商品交易偏好信息包括:商品类目偏好信息,对不同商品类目的商品价格偏好信息,对不同商品类目的商品功能偏好信息。
本申请还提供一种用户偏好信息确定方法,包括:
获取第一用户的历史直播销售行为信息;
根据所述行为信息,确定所述第一用户的商品销售偏好信息。
可选的,所述商品销售偏好信息包括:商品类目偏好信息。
本申请还提供一种主播选品方法,包括:
确定与第一用户对应的至少一个第二用户的第一特征信息、及待选商品对象的第二特征信息;
根据第一特征信息和第二特征信息,确定第二用户组与待选商品对象间至少一个第一特征维度的第一差异度;
至少根据第一差异度,滤除待选商品对象中与第一用户不对应的商品对象;
将滤除后的待选商品对象作为与第一用户对应的目标商品对象。
本申请还提供一种主播选品方法,包括:
确定第一用户的商品销售排斥信息、及待选商品对象的特征信息;
根据所述排斥信息和特征信息,确定第一用户与待选商品对象间的第一差异度;
至少根据第一差异度,滤除待选商品对象中与第一用户不对应的商品对象;
将滤除后的待选商品对象作为与第一用户对应的目标商品对象。
可选的,所述商品销售排斥信息包括:商品类目排斥信息,商品价格排斥信息,商品功能排斥信息,商家地域排斥信息;
所述特征信息:商品类目信息,商品价格信息,商品功能信息,商家地域信息。
本申请还提供一种主播确定系统,包括:
服务器,用于确定位于目标场所内的多个第一用户信息;确定与第一用户对应的至少一个第二用户的第一特征信息、及目标场所的第三用户的待售商品对象的第二特征信息;根据第一特征信息和第二特征信息,确定第二用户组与待售商品对象间至少一个第一特征维度的第一匹配度;至少根据第一匹配度,确定与第三用户对应的目标第一用户信息;
客户端,用于接收服务端发送的目标第一用户信息;显示目标第一用户信息,供第三用户人工确定以直播方式销售所述商品对象的主播用。
本申请还提供一种主播确定方法,包括:
确定位于目标场所内的多个第一用户信息;
确定与第一用户对应的至少一个第二用户的第一特征信息、及目标场所的第三用户的待售商品对象的第二特征信息;
根据第一特征信息和第二特征信息,确定第二用户组与待售商品对象间至少一个第一特征维度的第一匹配度;
至少根据第一匹配度,确定与第三用户对应的目标第一用户信息。
可选的,所述目标场所包括:购物场所,旅游场所,餐馆。
本申请还提供一种主播确定方法,包括:
接收服务端发送的针对目标场所的第三用户的目标第一用户信息;
显示目标第一用户信息,供第三用户人工确定以直播方式销售所述商品对象的主播用。
本申请还提供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各种方法。
本申请还提供一种包括指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述各种方法。
与现有技术相比,本申请具有以下优点:
本申请实施例提供的主播选品系统,通过服务器确定与第一用户对应的至少一个第二用户的第一特征信息、及待选商品对象的第二特征信息;根据第一特征信息和第二特征信息,确定第二用户组与待选商品对象间至少一个第一特征维度的第一匹配度;至少根据第一匹配度,确定与第一用户对应的目标商品对象信息;客户端接收并显示服务端发送的目标商品对象信息,供第一用户人工选品用;这种处理方式,使得基于主播粉丝群体画像和商品画像,确定粉丝与商品间的关联关系,考虑彼此之间的匹配度,为主播选出适合其粉丝群体的商品;因此,可以有效提升选品质量和选品效率,从而提升直播收益。
本申请实施例提供的主播确定系统,通过服务器用于确定与第一用户对应的至少一个第二用户的第一特征信息、及第三用户的待售商品对象的第二特征信息;根据第一特征信息和第二特征信息,确定第二用户组与待售商品对象间至少一个第一特征维度的第一匹配度;至少根据第一匹配度,确定与第三用户对应的目标第一用户信息;客户端用于接收服务端发送的目标第一用户信息;显示目标第一用户信息,供第三用户人工选主播用;这种处理方式,使得基于主播粉丝群体画像和商家所售商品画像,确定粉丝与商品间的关联关系,考虑彼此之间的匹配度,为商家选出粉丝群体适合商家所售商品的主播;因此,可以有效提升主播选取质量和效率,从而提升商品销售收益。
本申请实施例提供的主播确定系统,通过服务器确定位于目标场所内的多个第一用户信息;确定与第一用户对应的至少一个第二用户的第一特征信息、及目标场所的第三用户的待售商品对象的第二特征信息;根据第一特征信息和第二特征信息,确定第二用户组与待售商品对象间至少一个第一特征维度的第一匹配度;至少根据第一匹配度,确定与第三用户对应的目标第一用户信息;客户端接收服务端发送的目标第一用户信息;显示目标第一用户信息,供第三用户人工确定以直播方式销售所述商品对象的主播用;这种处理方式,使得针对位于第三用户现场内的第一用户,基于该用户的粉丝群体画像和商家所售商品画像,确定粉丝与商品间的关联关系,考虑彼此之间的匹配度,为商家选出粉丝群体适合商家所售商品的第一用户作为主播;因此,可以有效提升主播选取质量和效率,从而提升商品销售收益。此外,这种处理方式,使得第一用户可在第三用户现场内向其粉丝群体直播售卖商品,粉丝可感受到现场氛围,有利于提交商品成交率。
附图说明
图1本申请提供的一种主播选品系统的实施例的示意图;
图2本申请提供的一种主播选品系统的实施例的场景示意图;
图3本申请提供的一种主播选品系统的实施例的设备交互示意图;
图4本申请提供的一种主播选品系统的实施例的数据处理示意图;
图5本申请提供的一种主播选品系统的实施例的操作流程示意图;
图6本申请提供的一种主播确定系统的实施例的设备交互示意图;
图7本申请提供的一种主播确定系统的实施例的场景示意图;
图8本申请提供的一种主播确定系统的实施例的设备交互示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本申请内涵的情况下做类似推广,因此本申请不受下面公开的具体实施的限制。
在本申请中,提供了主播选品系统、方法和装置,以及电子设备。在下面的实施例中逐一对各种方案进行详细说明。
第一实施例
请参考图1,其为本申请实施例的主播选品系统的示例图。在本实施例中,所述系统包括:服务端1,客户端2。
所述服务端1,可以是部署在云端服务器上的服务端,也可以是专用于实现直播选品管理的服务器,可部署在数据中心。服务器,可以是集群服务器,也可以是单台服务器。
所述客户端2,包括但不限于移动通讯设备,即:通常所说的手机或者智能手机,还包括个人电脑、PAD、iPad等终端设备。
请参考图2,其为本申请实施例的主播选品系统的场景示意图。在本实施例中,第三用户(商品卖家)将想找第一用户(主播用户)带货的商品对象发布到所述系统的商品对象池中,作为待选商品对象;所述服务端1至少基于与第一用户对应的第二用户组(粉丝用户群体)的画像和待选商品对象的画像,确定第二用户组与待选商品对象等主播选品场景中的各实体之间的关联关系,考虑彼此之间的匹配度,为主播选出适合其粉丝群体的目标商品对象;所述客户端2显示所述系统选出的目标商品对象信息,第一用户根据该信息进行人工选品。第一用户通过其客户端在直播平台上对其选定的商品对象进行直播销售,同时第二用户通过其客户端观看直播节目,并可在观看商品销售直播节目的同时,购买主播正在销售的商品;服务端1可接收第二用户的商品下单请求,生成订单信息,并发送至第三用户的客户端,第三用户根据订单信息执行订单履约处理。
请参考图3,其为本申请实施例的主播选品系统的设备交互示意图。在本实施例中服务器确定与第一用户对应的至少一个第二用户的第一特征信息、及待选商品对象的第二特征信息;根据第一特征信息和第二特征信息,确定第二用户组与待选商品对象间至少一个第一特征维度的第一匹配度;至少根据第一匹配度,确定与第一用户对应的目标商品对象信息;客户端接收服务端发送的目标商品对象信息;显示目标商品对象信息,供第一用户人工选品用。
所述第一用户是指主播用户。一个主播用户通常会有多个粉丝用户,如关注主播用户的用户,本申请实施例将粉丝用户称为第二用户,又称为买家用户。一个主播用户对应的多个粉丝用户,形成该主播用户的一个粉丝用户组,本申请实施例将粉丝用户组称为第二用户组。表1示出了本实施例的第一用户与第二用户间的对应关系。
第一用户标识 | 第二用户标识 |
主播用户1 | 粉丝用户1 |
主播用户1 | 粉丝用户2 |
… | |
主播用户1 | 粉丝用户n |
主播用户2 | 粉丝用户n+1 |
… |
表1、第一用户与第二用户间的对应关系
需要说明的是,一个第二用户可以与不同的第一用户相对应,即不同第一用户对应的第二用户组可以有部分重叠的第二用户。
所述第一特征信息,包括第二用户的特征信息,又称为第二用户的画像信息。所述第一特征信息可包括多个第一特征维度的用户画像信息,包括但不限于:商品类目偏好信息,对不同商品类目的商品价格偏好信息,对不同商品类目的商品功能偏好信息,等等。
所述商品类目偏好信息,可采用如下方式确定:根据第二用户的历史交互行为信息,确定所述商品类目偏好信息。所述历史交互行为信息,包括但不限于:第二用户对商品对象的历史购买行为信息,第二用户对商品对象的历史浏览行为信息,第二用户对商品对象的历史收藏行为信息,第二用户对历史购买商品对象的评价信息。
具体实施时,所述历史交互行为信息,通常存储在电商平台的日志文件中。服务端可根据第二用户标识,从日志文件中提取其历史交互行为信息,通过一定的算法,确定所述商品类目偏好信息。例如,第二用户A的商品类目偏好信息包括:服装类目下的裙子子类目,生鲜类目下的柚子子类目,童装类目下的裤子子类目;第二用户B的商品类目偏好信息包括:小家电类目下的手机子类目,鞋帽类目下的运动鞋子类目,等等。
所述商品价格偏好信息,可采用如下方式确定:根据第二用户的历史交互行为信息,确定所述商品价格偏好信息。例如,第二用户A购买的裙子通常在300-500元之间,购买的柚子通常在5-10元/斤,购买的童装裤子通常在150-300之间;第二用户B购买的手机通常在3000-5000元之间,购买的运动鞋通常在500-1000元之间。
所述商品功能偏好信息,可采用如下方式确定:根据第二用户的历史交互行为信息,确定所述商品功能偏好信息。例如,从第二用户对已购商品对象的评价信息中提取所述商品功能偏好信息,如第二用户A对购买过的柚子的评价为:又小又酸,则该用户对柚子的功能偏好信息为:又大又甜;第二用户B对购买过的运动鞋的评价为:鞋底有点硬,则该用户对运动鞋的功能偏好信息为:鞋底软,有气垫;第二用户B对购买过的手机的评价为:不好看,则该用户对手机的功能偏好信息为:外型时尚。
所述第二特征信息,包括待选商品对象的特征信息,又称为商品画像信息。所述待选商品对象,可以是任意类目的商品对象,如服装、鞋帽、食品等,或者是手机、热水壶等耐用品。所述第二特征信息,可以是商品对象的静态属性(基本属性)信息,如价格、功能、类目等,商品对象的静态属性可从商品库中查询得到;也可以是商品对象的动态属性信息,如最近30天的交易量、订单量、退单量等,商品对象的动态属性信息可从用户交互行为信息(可存储在日志文件中)中提取得到。所述第二特征信息可包括多个第二特征维度的商品画像信息,包括但不限于:商品类目信息,商品价格信息,商品功能信息,等等。
所述服务端在确定与第一用户对应的至少一个第二用户的第一特征信息、及待选商品对象的第二特征信息之后,根据第一特征信息和第二特征信息,确定第二用户组与待选商品对象间至少一个第一特征维度的第一匹配度。
所述第二用户组与待选商品对象间可以具有多个第一特征维度的第一匹配度。所述第一特征维度,包括但不限于:商品类目维度,商品价格维度,商品功能维度等等。
在一个示例中,所述第一特征信息包括:商品类目偏好信息;所述第二特征信息包括:商品类目信息;所述第一特征维度为商品类目维度;所述商品类目维度的第一匹配度可采用如下步骤确定:1)针对各个第二用户,根据所述第二用户的商品类目偏好信息,确定所述第二用户与待选商品对象的商品类目间的第三匹配度;2)根据所述第三匹配度,确定所述商品类目维度上的第一匹配度。所述商品类目作为待选商品对象的静态属性,可从商品库中查询得到。
具体实施时,所述根据所述第三匹配度,并确定所述商品类目维度的第一匹配度,可采用如下方式确定:将所述第三匹配度的平均值作为所述商品类目维度的第一匹配度,即:计算第一用户的所有第二用户分别与待选商品对象的商品类目间的第三匹配度的平均值,将所有第二用户的第三匹配度平均值作为该第二用户组与该商品对象间的商品类目维度上的第一匹配度。例如,一个主播用户有500个粉丝用户,每个粉丝用户的商品类目偏好信息分别与商品对象A的商品类目间的第三匹配度为:0.5、0.26、0.78…,则将这些第三匹配度的平均值作为这500个粉丝用户与商品对象A间在商品类目维度上的第一匹配度。
具体实施时,所述根据所述第三匹配度,并确定所述商品类目维度的第一匹配度,也可采用如下方式确定:确定所述第三匹配度大于第三匹配度阈值的第二用户数量;将所述第二用户数量与第二用户总数量的比值作为所述商品类目维度的第一匹配度。例如,第三匹配度阈值为0.5,一个主播用户有500个粉丝用户,其中有200个粉丝用户的商品类目偏好信息与商品对象A的商品类目间的第三匹配度大于或者等于0.5,则这500个粉丝用户与商品对象A间在商品类目维度上的第一匹配度为200/500=0.4。
在一个示例中,所述第一特征信息包括:对不同商品类目的商品价格偏好信息;所述第二特征信息包括:商品价格信息;所述第一特征维度为商品价格维度;所述商品价格维度的第一匹配度可采用如下方式确定:根据第二用户对商品对象所属商品类目的所述商品价格偏好信息、和商品对象的商品价格信息,确定所述商品价格维度的第一匹配度。
具体实施时,所述根据第二用户对商品对象所属商品类目的所述商品价格偏好信息、和商品对象的商品价格信息,确定所述商品价格维度的第一匹配度,可包括如下子步骤:1)确定所述商品价格偏好信息与商品价格信息匹配的第二用户数量;2)将所述第二用户数量与第二用户总数量的比值作为所述商品价格维度的第一匹配度。例如,一个主播用户有500个粉丝用户,商品对象A的商品价格落入其中200个粉丝用户对商品对象A的商品类目“裙子”的商品价格偏好区间内,则这500个粉丝用户与商品对象A间在商品价格维度上的第一匹配度为200/500=0.4。
在一个示例中,所述第一特征信息包括:对不同商品类目的商品功能偏好信息;所述第二特征信息包括:商品功能信息;所述第一特征维度为商品功能维度;所述商品功能维度的第一匹配度可采用如下方式确定:根据第二用户对商品对象所属商品类目的所述商品功能偏好信息、和商品对象的商品功能信息,确定所述商品功能维度的第一匹配度。
所述商品功能偏好信息,可采用如下方式确定:根据第二用户的历史交互行为信息,确定所述商品功能偏好信息。例如,从第二用户对已购商品对象的评价信息中提取所述商品功能偏好信息,如第二用户A对购买过的柚子的评价为:又小又酸,则该用户对柚子的功能偏好信息为:又大又甜;第二用户B对购买过的运动鞋的评价为:鞋底有点硬,则该用户对运动鞋的功能偏好信息为:鞋底软,有气垫;第二用户B对购买过的手机的评价为:不好看,则该用户对手机的功能偏好信息为:外型时尚。
具体实施时,所述商品对象的商品功能信息可采用如下方式确定:方式1、商品对象本身采集到的结构化的商品功能信息,比如化妆品类目下每个商品对象自带功效参数,服装类商品对象会带风格参数,可以梳理大品类和详细数据结构取相应的字段,确定商品功能信息;方式2、当通过方式1取不到商品功能信息时,可以从用户对商品的评价信息中获取。例如,从第二用户对已购商品对象的评价信息中提取出该商品对象的商品功能信息,如第二用户A对购买过的柚子的评价为:又小又酸,则该柚子的功能信息为:个头偏小,口感偏酸;第二用户B对购买过的运动鞋的评价为:鞋底有点硬,则该运动鞋的功能信息为:普通鞋底;第二用户B对购买过的手机的评价为:不好看,则该手机的功能信息为:传统款式。
具体实施时,所述根据第二用户对商品对象所属商品类目的所述商品功能偏好信息、和商品对象的商品功能信息,确定所述商品功能维度的第一匹配度,可包括如下子步骤:1)确定所述商品功能偏好信息与商品功能信息匹配的第二用户数量;2)将所述第二用户数量与第二用户总数量的比值作为所述商品功能维度的第一匹配度。例如,一个主播用户有500个粉丝用户,商品对象A的商品功能落入其中200个粉丝用户对商品对象A的商品类目“运动鞋”的商品功能偏好区间内,则这500个粉丝用户与商品对象A间在商品功能维度上的第一匹配度为200/500=0.4。
服务端1在确定第二用户组与待选商品对象间至少一个第一特征维度的第一匹配度之后,至少根据第一匹配度,确定与第一用户对应的目标商品对象信息。
在一个示例中,服务端1根据第一匹配度,确定与第一用户对应的目标商品对象信息。具体实施时,可根据每个第一特征维度对应的权重,对至少一个第一特征维度的第一匹配度进行加权求和的处理,将加权求和值作为每个待选商品对象的综合匹配度,将综合匹配度排名靠前的待选商品对象作为目标商品对象信息。例如,选取综合匹配度排在前100位的待选商品对象作为目标商品对象信息。
在另一个示例中,服务端1根据第一匹配度、待选商品对象的质量信息及第三用户的质量信息,确定与第一用户对应的目标商品对象信息。具体实施时,可根据每个第一特征维度对应的权重、及待选商品对象的各种质量信息对应的权重、第三用户的各种质量信息对应的权重,对至少一个第一特征维度的第一匹配度、待选商品对象的至少一个第一质量维度的质量得分、第三用户的至少一个第二质量维度的质量得分进行加权求和的处理,将加权求和值作为每个待选商品对象的综合得分,将综合得分排名靠前的待选商品对象作为目标商品对象信息。例如,选取得分排在前100位的待选商品对象作为目标商品对象信息。
所述第一质量维度包括但不限于:商品好评度,该根据第二用户对商品对象的评价信息确定商品好评度。所述第二质量维度包括但不限于:第三用户的用户好评度,客服质量得分,物流质量得分,交易纠纷率,等等。其中,所述物流服务质量信息包括但不限于:平均送货时长;所述客户服务质量信息包括但不限于:平均服务响应时长。
在又一个示例中,服务端1还用于确定第一用户的第三特征信息、及与商品对象对应的第三用户的第四特征信息;根据第三特征信息和第四特征信息,确定第一用户与第三用户间至少一个第二特征维度的第二匹配度;并具体用于至少根据第一匹配度和第二匹配度,确定所述目标商品对象信息。
所述第三特征信息,包括第一用户的特征信息,又称为第一用户的画像信息。所述第三特征信息,包括但不限于:地理位置信息,还可包括商家等级偏好等信息。
所述第四特征信息,包括第三用户的特征信息,又称为第三用户的画像信息。一个候选商品对象属于一个商家用户,本申请实施例将商家用户称为第三用户。所述第四特征信息,包括但不限于:地理位置信息,还可包括商家等级等信息。
在一个示例中,所述第三特征信息包括:第一用户的地理位置信息;所述第四特征信息包括:第三用户的地理位置信息;所述至少一个第二特征维度包括:距离维度;所述距离维度的第二匹配度采用如下步骤确定:根据所述第一用户的地理位置信息和第三用户的地理位置信息,确定所述距离维度的第二匹配度。例如,第一用户A和第三用户B的地理位置同城,第一用户A和第三用户C的地理位置不同城,则第一用户A和第三用户B间的所述距离维度的第二匹配度更高。
具体实施时,服务端还可用于确定商品对象的质量信息、及第三用户的质量信息;并具体用于根据第一匹配度、第二匹配度、商品对象的质量信息及第三用户的质量信息,确定所述目标商品对象信息。
具体实施时,服务端可具体用于根据所述至少一个第一特征维度的第一匹配度、至少一个第二特征维度的第二匹配度、商品对象的质量信息及第三用户的质量信息,确定第一用户与商品对象间的第三匹配度;根据所述第三匹配度,确定所述目标商品对象信息。例如,根据选品参数权重,将所述至少一个第一特征维度的第一匹配度、至少一个第二特征维度的第二匹配度、商品对象的质量信息及第三用户的质量信息的加权值,作为第三匹配度。其中,各个第一匹配度、各个第二匹配度、商品对象的质量信息及第三用户的质量信息都是选品参数,其各自对应权重。
例如,商品类目和粉丝用户匹配度的权重为0.1,价格区间和粉丝用户匹配度的权重为0.5,距离匹配度的权重为0.3,等等,最终得到候选商品对象1的综合匹配度为98分,候选商品对象2的综合匹配度为50分,等等。最终取排名前10的商品对象,作为该商品类目下的目标商品对象。
所述权重,可以根据经验确定,也可以通过机器学习算法确定。在一个示例中,从训练数据集中学习得到所述权重。所述训练数据可包括:各个第一匹配度、各个第二匹配度、商品对象的质量信息及第三用户的质量信息,以及第一用户与商品对象是否匹配的标注信息。
所述系统通过基于主播粉丝群体画像、商品画像和商家画像,确定粉丝与商品、主播与商家等主播选品场景中的各实体之间的关联关系,考虑彼此之间的匹配度,为主播选出适合其粉丝群体和其本人的商品;因此,可以有效提升选品质量和选品效率,从而提升直播收益。
在本实施例中,服务端1还用于确定目标商品对象的人工选品参数信息;向第一用户的客户端发送人工选品参数信息,以便于第一用户根据人工选品参数信息进行人工选品。
所述人工选品参数信息,是第一用户对所述系统自动确定的目标商品对象进行二次筛选时依据的信息。所述人工选品参数信息,包括但不限于:所述至少一个第一特征维度的第一匹配度、至少一个第二特征维度的第二匹配度,还可包括商品销售预测信息,商品对象信息,第三用户信息。
所述商品对象信息,包括但不限于:商品静态属性信息(如商品类目信息,商品价格信息,商品功能信息等),商品好评度,交易统计数据。所述交易统计数据,包括但不限于:目标时间范围内(如最近30天)的商品交易数量,订单数量,商品交易金额,退单数量。
所述第三用户信息,包括但不限于:用户基本属性信息(如开店时长信息,商家用户等级信息,粉丝用户数量信息,地理位置信息等),用户好评度,交易统计数据,物流服务质量信息,客户服务质量信息。
商品销售预测信息,包括但不限于:商品销售量预测信息,商品销售额预测信息,第一用户收益预测信息。
所述服务端1还可用于根据所述第一匹配度,确定至少一个目标第二用户;根据各个目标第二用户对商品对象所属商品类目的商品对象历史购买数量,确定所述销售量预测信息;根据所述销售量预测信息,确定所述销售额预测信息;根据所述销售额预测信息,确定所述第一用户收益预测信息。
具体实施时,针对各个目标商品对象,可把商品类目偏好、商品价格偏好、商品功能偏好等和目标商品对象一致的第二用户确定出来。然后,可根据各个目标第二用户对商品对象所属商品类目的商品对象历史购买数量,计算出每个第二用户平均每月购买此类目商品的数量,将第二用户购买数量的累积值作为所述销售量预测信息。接下来,可将销售量预测值乘以该商品对象的价格,由此确定出所述销售额预测信息(如GMV)。最后,可将所述销售额预测信息乘以佣金比例,确定出第一用户可获得的佣金。例如,一个主播用户有500个粉丝用户,其中有200个粉丝用户的商品类目偏好、商品价格偏好、商品功能偏好等和目标商品对象A一致,粉丝用户1每月买10件左右,粉丝2每月买3件左右,等等,将这200个粉丝用户的购买总量的预测值乘以该目标商品对象A的价格,得到GMV,乘以佣金比例计算可得佣金。
请参考图4,其为本申请实施例的主播选品系统的数据处理示意图。所述系统为主播确定目标商品对象的处理过程可包括如下步骤:
1)从各数据域公共层获取基础数据。公共层的数据通常是基于实际应用产生的基础数据,可以没有经过算法或是数据统计处理,这一层可包括用户订单数据、商品浏览、收藏、评论数据,商品、商家包括的商品、商家注册运营等的基础数据,如商品名称、商品id、价格等,商家名称、商家id、类目、品牌等。在本实施例中,将公共层的基础数据分为两类:用户交互行为数据和各个实体的数据。其中,用户交互行为数据包括商品交易行为数据、商品浏览行为数据、商品收藏行为数据、商品交易评价数据等;各个实体的数据包括粉丝用户数据、主播用户数据、商家用户数据、商品对象数据等。
2)所述系统根据上述基础数据,确定出各个实体的画像数据,如粉丝用户的评价关注信息、交易偏好信息(商品类目偏好信息、商品价格偏好信息、商品功能偏好信息等)、基础属性(静态属性等),如商品对象的基础属性、评价关注、交易统计数据等,如商家用户的基础属性、评价关注、交易统计数据等。
3)所述系统根据各个实体的画像数据,确定主播粉丝群和商品对象间的匹配度,包括确定出粉丝群体与商品对象间的偏好关系、主播与商家间的距离关系等。
4)所述系统根据各种实体间的匹配度、及商品质量得分、商家质量得分等,确定主播与商品对象间的综合匹配度。
5)所述系统根据综合匹配度排名,选取排名靠前的商品对象作为该主播的目标商品对象。
6)将目标商品对象推送给主播,并向主播展示商品信息,以便于主播进行人工选取。
请参考图5,其为本申请实施例的主播选品系统的操作流程示意图。在本实施例中,主播用户可通过所述系统提供的客户端用户界面点击“选货品”操作选项,所述系统响应该操作,通过“智能优选模块”执行上述选品处理,自动为该主播选取与其粉丝用户权匹配、且适合主播本人的目标商品对象,并将选品结果显示在主播用户的客户端中。主播用户可分类查看各个商品类目的自动选品结果,并可点击各个目标商品对象查看其人工选品参数信息,包括粉丝匹配度、商品信息、商家信息等等。其中,粉丝匹配度可包括品牌类目和粉丝匹配度、价格区间和粉丝匹配度、商品功能和粉丝匹配度、预估购买商品的粉丝数量、预估粉丝产生的销售总额、主播与商家距离、预估主播可得佣金等。商品信息可包括好评度、近30天总交易额、退单率;商家信息可包括好评度、物流速度、客户满意度、纠纷率等。主播根据上述人工选品参数信息,对系统自动确定的目标商品对象进行二次筛选,确定出最终要销售的商品对象。具体实施时,还可通过所述系统与商家用户建立线上联系,可以发起邀约,并可以和商家进行沟通。
在一个示例中,服务端1接收第一用户的客户端发送的针对目标主播用户的主播选品请求;根据该请求确定与目标主播用户匹配的目标商品对象信息。
在另一个示例中,服务端1定时为即将进行直播的主播用户确定与其匹配的目标商品对象信息。例如,每周为下一周有直播安排的主播用户确定与其匹配的目标商品对象信息。
从上述实施例可见,本申请实施例提供的主播选品系统,通过服务器确定与第一用户对应的至少一个第二用户的第一特征信息、及待选商品对象的第二特征信息;根据第一特征信息和第二特征信息,确定第二用户组与待选商品对象间至少一个第一特征维度的第一匹配度;至少根据第一匹配度,确定与第一用户对应的目标商品对象信息;客户端接收并显示服务端发送的目标商品对象信息,供第一用户人工选品用;这种处理方式,使得基于主播粉丝群体画像和商品画像,确定粉丝与商品间的关联关系,考虑彼此之间的匹配度,为主播选出适合其粉丝群体的商品;因此,可以有效提升选品质量和选品效率,从而提升直播收益。
第二实施例
本申请实施例还提供主播选品方法。所述方法的执行主体可以是直播平台的服务器,也可以是能够执行所述方法的任意设备。在本实施例中,所述主播选品方法包括如下步骤:
步骤1:确定与第一用户对应的至少一个第二用户的第一特征信息、及待选商品对象的第二特征信息;
步骤2:根据第一特征信息和第二特征信息,确定第二用户组与待选商品对象间至少一个第一特征维度的第一匹配度;
步骤3:至少根据第一匹配度,确定与第一用户对应的目标商品对象信息。
在一个示例中,所述第一特征信息包括:商品类目偏好信息;所述第二特征信息包括:商品类目信息;所述至少一个第一特征维度包括:商品类目维度;所述商品类目维度的第一匹配度采用如下步骤确定:根据所述商品类目偏好信息,确定第二用户与待选商品对象的商品类目间的第三匹配度;根据所述第三匹配度,确定所述商品类目维度的第一匹配度。
在一个示例中,所述商品类目偏好信息采用如下方式确定:根据第二用户的历史交互行为信息,确定所述商品类目偏好信息。
在一个示例中,所述历史交互行为信息包括:商品对象购买行为信息,商品对象浏览行为信息,商品对象收藏行为信息,商品对象评价行为信息。
在一个示例中,所述根据所述第三匹配度,确定所述商品类目维度的第一匹配度,包括:将所述第三匹配度的平均值作为所述商品类目维度的第一匹配度。
在一个示例中,所述根据所述第三匹配度,确定所述商品类目维度的第一匹配度,包括:确定所述第三匹配度大于第三匹配度阈值的第二用户数量;将所述第二用户数量与第二用户总数量的比值作为所述商品类目维度的第一匹配度。
在一个示例中,所述第一特征信息包括:对不同商品类目的商品价格偏好信息;所述第二特征信息包括:商品价格信息;所述至少一个第一特征维度包括:商品价格维度;所述商品价格维度的第一匹配度采用如下方式确定:根据第二用户对商品对象所属商品类目的所述商品价格偏好信息、和商品对象的商品价格信息,确定所述商品价格维度的第一匹配度。
在一个示例中,所述商品价格偏好信息采用如下方式确定:根据第二用户的历史交互行为信息,确定所述商品价格偏好信息。
在一个示例中,所述根据第二用户对商品对象所属商品类目的所述商品价格偏好信息、和商品对象的商品价格信息,确定所述价格维度的第一匹配度,包括:确定所述商品价格偏好信息与商品价格信息匹配的第二用户数量;将所述第二用户数量与第二用户总数量的比值作为所述商品价格维度的第一匹配度。
在一个示例中,所述第一特征信息包括:对不同商品类目的商品功能偏好信息;所述第二特征信息包括:商品功能信息;所述至少一个第一特征维度包括:商品功能维度;所述商品功能维度的第一匹配度采用如下方式确定:根据第二用户对商品对象所属商品类目的所述商品功能偏好信息、和商品对象的商品功能信息,确定所述商品功能维度的第一匹配度。
在一个示例中,所述商品功能偏好信息采用如下方式确定:根据第二用户的历史交互行为信息,确定所述商品功能偏好信息。
在一个示例中,所述历史交互行为信息包括:商品对象评价行为信息。
在一个示例中,所述根据第二用户对商品对象所属商品类目的所述商品功能偏好信息、和商品对象的商品功能信息,确定所述商品功能维度的第一匹配度,包括:确定所述商品功能偏好信息与商品功能信息匹配的第二用户数量;将所述第二用户数量与第二用户总数量的比值作为所述商品功能维度的第一匹配度。
在一个示例中,所述方法还包括:确定第一用户的第三特征信息、及与商品对象对应的第三用户的第四特征信息;根据第三特征信息和第四特征信息,确定第一用户与第三用户间至少一个第二特征维度的第二匹配度;所述至少根据第一匹配度,确定与第一用户对应的目标商品对象信息,包括:至少根据第一匹配度和第二匹配度,确定所述目标商品对象信息。
在一个示例中,所述第三特征信息包括:地理位置信息;所述第四特征信息包括:地理位置信息;所述至少一个第二特征维度包括:距离维度;所述距离维度的第二匹配度采用如下步骤确定:根据所述第一用户的地理位置信息和第三用户的地理位置信息,确定所述距离维度的第二匹配度。
在一个示例中,所述方法还包括:确定商品对象的质量信息、及第三用户的质量信息;所述至少根据第一匹配度和第二匹配度,确定所述目标商品对象信息,包括:根据第一匹配度、第二匹配度、商品对象的质量信息及第三用户的质量信息,确定所述目标商品对象信息。
在一个示例中,所述商品对象的质量信息包括:商品好评度。
在一个示例中,所述第三用户的质量信息包括:用户好评度,物流服务质量信息,客户服务质量信息,交易纠纷率。
在一个示例中,所述物流服务质量信息包括:平均送货时长;所述客户服务质量信息包括:平均服务响应时长。
在一个示例中,所述根据第一匹配度、第二匹配度、商品对象的质量信息及第三用户的质量信息,确定所述目标商品对象信息,包括:根据所述至少一个第一特征维度的第一匹配度、至少一个第二特征维度的第二匹配度、商品对象的质量信息及第三用户的质量信息,确定第一用户与商品对象间的第三匹配度;根据所述第三匹配度,确定所述目标商品对象信息。
在一个示例中,所述第三匹配度采用如下方式确定:根据选品参数权重,将所述至少一个第一特征维度的第一匹配度、至少一个第二特征维度的第二匹配度、商品对象的质量信息及第三用户的质量信息的加权值,作为第三匹配度。
在一个示例中,还包括:确定目标商品对象的人工选品参数信息;向第一用户的客户端发送人工选品参数信息,以便于第一用户根据人工选品参数信息进行人工选品。
在一个示例中,所述人工选品参数信息包括:所述第一匹配度,商品销售预测信息,商品对象信息,第三用户信息。
在一个示例中,所述商品对象信息包括:商品静态属性信息,商品好评度,交易统计数据。
在一个示例中,所述第三用户信息包括:用户静态属性信息,用户好评度,交易统计数据,物流服务质量信息,客户服务质量信息。
在一个示例中,所述交易统计数据包括:目标时间范围内的商品交易数量,订单数量,商品交易金额,退单数量。
在一个示例中,商品销售预测信息包括:商品销售量预测信息,商品销售额预测信息,第一用户收益预测信息。
在一个示例中,所述商品销售预测信息采用如下步骤确定:根据所述第一匹配度,确定至少一个目标第二用户;根据各个目标第二用户对商品对象所属商品类目的商品对象历史购买数量,确定所述销售量预测信息;根据所述销售量预测信息,确定所述销售额预测信息;根据所述销售额预测信息,确定所述第一用户收益预测信息。
第三实施例
与上述的主播选品方法相对应,本申请还提供一种主播选品装置。由于装置实施例基本相似于方法实施例一,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
本申请提供一种主播选品装置,包括:
特征确定单元,用于确定与第一用户对应的至少一个第二用户的第一特征信息、及待选商品对象的第二特征信息;
匹配度确定单元,用于根据第一特征信息和第二特征信息,确定第二用户组与待选商品对象间至少一个第一特征维度的第一匹配度;
目标商品确定单元,用于至少根据第一匹配度,确定与第一用户对应的目标商品对象信息。
第四实施例
本申请还提供一种电子设备。由于设备实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的设备实施例仅仅是示意性的。
本实施例的一种电子设备,该电子设备包括:处理器和存储器;存储器,用于存储实现主播选品方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:确定与第一用户对应的至少一个第二用户的第一特征信息、及待选商品对象的第二特征信息;根据第一特征信息和第二特征信息,确定第二用户组与待选商品对象间至少一个第一特征维度的第一匹配度;至少根据第一匹配度,确定与第一用户对应的目标商品对象信息。
第五实施例
本申请实施例还提供一种主播选品方法。所述方法的执行主体可以是主播客户端等等。在本实施例中,所述主播选品方法包括如下步骤:
步骤1:接收服务端发送的针对目标第一用户的目标商品对象信息;
步骤2:显示目标商品对象信息,供第一用户人工选品用。
在一个示例中,所述目标商品对象信息包括人工选品参数信息;所述人工选品参数信息包括:与目标第一用户对应的第二用户组与目标商品对象间至少一个第一特征维度的第一匹配度,目标第一用户与目标商品对象的第三用户间至少一个第二特征维度的第二匹配度,目标商品对象的销售预测信息,商品对象信息,第三用户信息。
第六实施例
与上述的主播选品方法相对应,本申请还提供一种主播选品装置。由于装置实施例基本相似于方法实施例一,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
本申请提供一种主播选品装置,包括:
目标商品接收单元,用于接收服务端发送的针对目标第一用户的目标商品对象信息;
目标商品显示单元,用于显示目标商品对象信息,供第一用户人工选品用。
第七实施例
本申请还提供一种电子设备。由于设备实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的设备实施例仅仅是示意性的。
本实施例的一种电子设备,包括:处理器和存储器;存储器,用于存储实现主播选品方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:接收服务端发送的针对目标第一用户的目标商品对象信息;显示目标商品对象信息,供第一用户人工选品用。
第八实施例
与上述的主播选品系统相对应,本申请还提供一种主播确定系统。由于该系统实施例基本相似于系统实施例一,所以描述得比较简单,相关之处参见实施例一的部分说明即可。下述描述的系统实施例仅仅是示意性的。
请参考图6,其为本申请实施例的主播确定系统的设备交互示意图。服务器用于确定与第一用户对应的至少一个第二用户的第一特征信息、及第三用户的待售商品对象的第二特征信息;根据第一特征信息和第二特征信息,确定第二用户组与待售商品对象间至少一个第一特征维度的第一匹配度;至少根据第一匹配度,确定与第三用户对应的目标第一用户信息;客户端用于接收服务端发送的目标第一用户信息;显示目标第一用户信息,供第三用户人工选主播用。
在一个示例中,所述第一特征信息包括:商品类目偏好信息;所述第二特征信息包括:商品类目信息;所述至少一个第一特征维度包括:商品类目维度;所述商品类目维度的第一匹配度采用如下步骤确定:根据所述商品类目偏好信息,确定第二用户与待选商品对象的商品类目间的第三匹配度;根据所述第三匹配度,确定所述商品类目维度的第一匹配度。
所述商品类目偏好信息,可采用如下方式确定:根据第二用户的历史交互行为信息,确定所述商品类目偏好信息。
所述历史交互行为信息,包括但不限于:商品对象购买行为信息,商品对象浏览行为信息,商品对象收藏行为信息,商品对象评价行为信息。
所述根据所述第三匹配度,确定所述商品类目维度的第一匹配度,可采用如下方式实现:将所述第三匹配度的平均值作为所述商品类目维度的第一匹配度。
所述根据所述第三匹配度,确定所述商品类目维度的第一匹配度,可包括如下子步骤:1)确定所述第三匹配度大于第三匹配度阈值的第二用户数量;2)将所述第二用户数量与第二用户总数量的比值作为所述商品类目维度的第一匹配度。
在另一个示例中,所述第一特征信息包括:对不同商品类目的商品价格偏好信息;所述第二特征信息包括:商品价格信息;所述至少一个第一特征维度包括:商品价格维度;所述商品价格维度的第一匹配度可采用如下方式确定:根据第二用户对商品对象所属商品类目的所述商品价格偏好信息、和商品对象的商品价格信息,确定所述商品价格维度的第一匹配度。
所述商品价格偏好信息,可采用如下方式确定:根据第二用户的历史交互行为信息,确定所述商品价格偏好信息。
所述根据第二用户对商品对象所属商品类目的所述商品价格偏好信息、和商品对象的商品价格信息,确定所述价格维度的第一匹配度,可包括如下子步骤:1)确定所述商品价格偏好信息与商品价格信息匹配的第二用户数量;2)将所述第二用户数量与第二用户总数量的比值作为所述商品价格维度的第一匹配度。
在又一个示例中,所述第一特征信息包括:对不同商品类目的商品功能偏好信息;所述第二特征信息包括:商品功能信息;所述至少一个第一特征维度包括:商品功能维度;所述商品功能维度的第一匹配度,可采用如下方式确定:根据第二用户对商品对象所属商品类目的所述商品功能偏好信息、和商品对象的商品功能信息,确定所述商品功能维度的第一匹配度。
所述商品功能偏好信息,可采用如下方式确定:根据第二用户的历史交互行为信息,确定所述商品功能偏好信息。
所述历史交互行为信息,包括但不限于:商品对象评价行为信息。
所述根据第二用户对商品对象所属商品类目的所述商品功能偏好信息、和商品对象的商品功能信息,确定所述商品功能维度的第一匹配度,可包括如下子步骤:1)确定所述商品功能偏好信息与商品功能信息匹配的第二用户数量;2)将所述第二用户数量与第二用户总数量的比值作为所述商品功能维度的第一匹配度。
在本实施例中,所述服务端还可用于确定第一用户的第三特征信息、及与第三用户的第四特征信息;根据第三特征信息和第四特征信息,确定第一用户与第三用户间至少一个第二特征维度的第二匹配度;所述至少根据第一匹配度,确定与第三用户对应的目标第一用户信息,包括:至少根据第一匹配度和第二匹配度,确定所述目标第一用户信息。
在一个示例中,所述第三特征信息包括:地理位置信息;所述第四特征信息包括:地理位置信息;所述至少一个第二特征维度包括:距离维度;所述距离维度的第二匹配度可采用如下步骤确定:根据所述第一用户的地理位置信息和第三用户的地理位置信息,确定所述距离维度的第二匹配度。
在一个示例中,服务端还可用于确定第一用户的质量信息;所述至少根据第一匹配度和第二匹配度,确定所述目标第一用户信息,可采用如下方式实现:根据第一匹配度、第二匹配度、及第一用户的质量信息,确定所述目标第一用户信息。
所述第一用户的质量信息,包括但不限于:用户好评度,粉丝用户质量信息。所述粉丝用户质量信息,包括但不限于:交易纠纷率,退货率。
在一个示例中,所述根据第一匹配度、第二匹配度、及第一用户的质量信息,确定所述目标第一用户信息,可包括如下子步骤:1)根据所述至少一个第一特征维度的第一匹配度、至少一个第二特征维度的第二匹配度、及第一用户的质量信息,确定第一用户与商品对象间的第三匹配度;2)根据所述第三匹配度,确定所述目标第一用户信息。
具体实施时,所述第三匹配度可采用如下方式确定:根据参数权重,将所述至少一个第一特征维度的第一匹配度、至少一个第二特征维度的第二匹配度、及第一用户的质量信息的加权值,作为第三匹配度。
从上述实施例可见,本申请实施例提供的主播确定系统,通过服务器用于确定与第一用户对应的至少一个第二用户的第一特征信息、及第三用户的待售商品对象的第二特征信息;根据第一特征信息和第二特征信息,确定第二用户组与待售商品对象间至少一个第一特征维度的第一匹配度;至少根据第一匹配度,确定与第三用户对应的目标第一用户信息;客户端用于接收服务端发送的目标第一用户信息;显示目标第一用户信息,供第三用户人工选主播用;这种处理方式,使得基于主播粉丝群体画像和商家所售商品画像,确定粉丝与商品间的关联关系,考虑彼此之间的匹配度,为商家选出粉丝群体适合商家所售商品的主播;因此,可以有效提升主播选取质量和效率,从而提升商品销售收益。
第九实施例
本申请实施例还提供一种主播确定方法。所述方法的执行主体可以是直播平台的服务器,也可以是能够执行所述方法的任意设备。在本实施例中,所述主播确定方法包括如下步骤:
步骤1:确定与第一用户对应的至少一个第二用户的第一特征信息、及第三用户的待售商品对象的第二特征信息;
步骤2:根据第一特征信息和第二特征信息,确定第二用户组与待售商品对象间至少一个第一特征维度的第一匹配度;
步骤3:至少根据第一匹配度,确定与第三用户对应的目标第一用户信息。
第十实施例
与上述的主播确定方法相对应,本申请还提供一种主播确定装置。由于装置实施例基本相似于方法实施例九,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
本申请提供一种主播确定装置,包括:
特征确定单元,用于确定与第一用户对应的至少一个第二用户的第一特征信息、及第三用户的待售商品对象的第二特征信息;
匹配度确定单元,用于根据第一特征信息和第二特征信息,确定第二用户组与待售商品对象间至少一个第一特征维度的第一匹配度;
目标用户确定单元,用于至少根据第一匹配度,确定与第三用户对应的目标第一用户信息。
第十一实施例
本申请还提供一种电子设备。由于设备实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的设备实施例仅仅是示意性的。
本实施例的一种电子设备,该电子设备包括:处理器和存储器;存储器,用于存储实现主播确定方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:确定与第一用户对应的至少一个第二用户的第一特征信息、及第三用户的待售商品对象的第二特征信息;根据第一特征信息和第二特征信息,确定第二用户组与待售商品对象间至少一个第一特征维度的第一匹配度;至少根据第一匹配度,确定与第三用户对应的目标第一用户信息。
第十二实施例
本申请实施例还提供一种主播确定方法。所述方法的执行主体可以是商家客户端等等。在本实施例中,所述主播选品方法包括如下步骤:
步骤1:接收服务端发送的针对目标第三用户的目标第一用户信息;
步骤2:显示目标第一用户信息,供第三用户人工选主播用。
第十三实施例
与上述的主播确定方法相对应,本申请还提供一种主播确定装置。由于装置实施例基本相似于方法实施例十二,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
本申请提供一种主播确定装置,包括:
目标用户接收单元,用于接收服务端发送的针对目标第三用户的目标第一用户信息;
目标用户接收单元,用于显示目标第一用户信息,供第三用户人工选主播用。
第十四实施例
本申请还提供一种电子设备。由于设备实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的设备实施例仅仅是示意性的。
本实施例的一种电子设备,包括:处理器和存储器;存储器,用于存储实现主播确定方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:接收服务端发送的针对目标第三用户的目标第一用户信息;显示目标第一用户信息,供第三用户人工选主播用。
第十五实施例
与上述的主播确定系统相对应,本申请还提供一种主播确定系统。由于该系统实施例基本相似于系统实施例八,所以描述得比较简单,相关之处参见实施例一的部分说明即可。下述描述的系统实施例仅仅是示意性的。
请参考图7,其为本申请实施例的主播确定系统的场景示意图。在本实施例中,第一用户位于目标场所内,目标场所的第三用户(商品卖家)将想找主播带货的商品对象发布到所述系统的商品对象池中,作为待选商品对象;所述服务端1确定位于目标场所内的多个第一用户,至少基于与第一用户对应的第二用户组(粉丝用户群体)的画像和待选商品对象的画像,确定第二用户组与待选商品对象等主播确定场景中的各实体之间的关联关系,考虑彼此之间的匹配度,为商家选出主播粉丝群体适合待售商品对象的主播;所述客户端2显示所述系统选出的目标主播用户信息,第三用户根据该信息进行人工选主播。第一用户通过其客户端在直播平台上对第三用户的商品对象进行直播销售,同时第二用户通过其客户端观看直播节目,并可在观看商品销售直播节目的同时,购买主播正在销售的商品;服务端1可接收第二用户的商品下单请求,生成订单信息,并发送至第三用户的客户端,第三用户根据订单信息执行订单履约处理。
请参考图8,其为本申请实施例的主播确定系统的设备交互示意图。服务器用于确定位于目标场所内的多个第一用户信息;确定与第一用户对应的至少一个第二用户的第一特征信息、及目标场所的第三用户的待售商品对象的第二特征信息;根据第一特征信息和第二特征信息,确定第二用户组与待售商品对象间至少一个第一特征维度的第一匹配度;至少根据第一匹配度,确定与第三用户对应的目标第一用户信息;客户端用于接收服务端发送的目标第一用户信息;显示目标第一用户信息,供第三用户人工确定以直播方式销售所述商品对象的主播用。
所述目标场所,包括但不限于购物场所(如商场、超市)、旅游场所(如博物馆、公园)、餐馆等等。第三用户,可以是目标场所的管理者,如博物馆、公园管理方;也可以是专门在目标场所内售卖商品的商家,如公园内餐馆的经营者。
例如,目标场所为餐馆,待售商品对象为该餐馆主推的某款“烤鱼”餐品,那么正在该餐馆内食用该“烤鱼”餐品的第一用户就成为了潜在的主播用户。进一步的,如果该第一用户的粉丝用户大多偏好烤鱼类餐品,则可将该第一用户作为系统确定的目标第一用户,推送给第三用户,供其人工再确定是否最终将该第一用户作为主播用户。
再例如,目标场所为书店,该书店正在举办一场新书发布会,待售商品对象为该新书,那么正在参加该发布会的第一用户就成为了潜在的主播用户。进一步的,如果该第一用户的粉丝用户大多偏好该类书籍,则可将该第一用户作为系统确定的目标第一用户,推送给第三用户,供其人工再确定是否最终将该第一用户作为主播用户。
再例如,目标场所为游乐园,待售商品对象为该游乐园的门票,那么正在参加该游乐园游玩的第一用户就成为了潜在的主播用户。进一步的,如果该第一用户的粉丝用户大多为年轻人,偏好在游乐园游玩这种娱乐方式,则可将该第一用户作为系统确定的目标第一用户,推送给第三用户,供其人工再确定是否最终将该第一用户作为主播用户。
在一个示例中,所述第一特征信息包括:商品类目偏好信息;所述第二特征信息包括:商品类目信息;所述至少一个第一特征维度包括:商品类目维度;所述商品类目维度的第一匹配度采用如下步骤确定:根据所述商品类目偏好信息,确定第二用户与待选商品对象的商品类目间的第三匹配度;根据所述第三匹配度,确定所述商品类目维度的第一匹配度。
所述商品类目偏好信息,可采用如下方式确定:根据第二用户的历史交互行为信息,确定所述商品类目偏好信息。
所述历史交互行为信息,包括但不限于:商品对象购买行为信息,商品对象浏览行为信息,商品对象收藏行为信息,商品对象评价行为信息。
所述根据所述第三匹配度,确定所述商品类目维度的第一匹配度,可采用如下方式实现:将所述第三匹配度的平均值作为所述商品类目维度的第一匹配度。
所述根据所述第三匹配度,确定所述商品类目维度的第一匹配度,可包括如下子步骤:1)确定所述第三匹配度大于第三匹配度阈值的第二用户数量;2)将所述第二用户数量与第二用户总数量的比值作为所述商品类目维度的第一匹配度。
在另一个示例中,所述第一特征信息包括:对不同商品类目的商品价格偏好信息;所述第二特征信息包括:商品价格信息;所述至少一个第一特征维度包括:商品价格维度;所述商品价格维度的第一匹配度可采用如下方式确定:根据第二用户对商品对象所属商品类目的所述商品价格偏好信息、和商品对象的商品价格信息,确定所述商品价格维度的第一匹配度。
所述商品价格偏好信息,可采用如下方式确定:根据第二用户的历史交互行为信息,确定所述商品价格偏好信息。
所述根据第二用户对商品对象所属商品类目的所述商品价格偏好信息、和商品对象的商品价格信息,确定所述价格维度的第一匹配度,可包括如下子步骤:1)确定所述商品价格偏好信息与商品价格信息匹配的第二用户数量;2)将所述第二用户数量与第二用户总数量的比值作为所述商品价格维度的第一匹配度。
在又一个示例中,所述第一特征信息包括:对不同商品类目的商品功能偏好信息;所述第二特征信息包括:商品功能信息;所述至少一个第一特征维度包括:商品功能维度;所述商品功能维度的第一匹配度,可采用如下方式确定:根据第二用户对商品对象所属商品类目的所述商品功能偏好信息、和商品对象的商品功能信息,确定所述商品功能维度的第一匹配度。
所述商品功能偏好信息,可采用如下方式确定:根据第二用户的历史交互行为信息,确定所述商品功能偏好信息。
所述历史交互行为信息,包括但不限于:商品对象评价行为信息。
所述根据第二用户对商品对象所属商品类目的所述商品功能偏好信息、和商品对象的商品功能信息,确定所述商品功能维度的第一匹配度,可包括如下子步骤:1)确定所述商品功能偏好信息与商品功能信息匹配的第二用户数量;2)将所述第二用户数量与第二用户总数量的比值作为所述商品功能维度的第一匹配度。
在本实施例中,所述服务端还可用于确定第一用户的第三特征信息、及与第三用户的第四特征信息;根据第三特征信息和第四特征信息,确定第一用户与第三用户间至少一个第二特征维度的第二匹配度;所述至少根据第一匹配度,确定与第三用户对应的目标第一用户信息,包括:至少根据第一匹配度和第二匹配度,确定所述目标第一用户信息。
在一个示例中,服务端还可用于确定第一用户的质量信息;所述至少根据第一匹配度和第二匹配度,确定所述目标第一用户信息,可采用如下方式实现:根据第一匹配度、第二匹配度、及第一用户的质量信息,确定所述目标第一用户信息。
所述第一用户的质量信息,包括但不限于:用户好评度,粉丝用户质量信息。所述粉丝用户质量信息,包括但不限于:交易纠纷率,退货率。
在一个示例中,所述根据第一匹配度、第二匹配度、及第一用户的质量信息,确定所述目标第一用户信息,可包括如下子步骤:1)根据所述至少一个第一特征维度的第一匹配度、至少一个第二特征维度的第二匹配度、及第一用户的质量信息,确定第一用户与商品对象间的第三匹配度;2)根据所述第三匹配度,确定所述目标第一用户信息。
具体实施时,所述第三匹配度可采用如下方式确定:根据参数权重,将所述至少一个第一特征维度的第一匹配度、至少一个第二特征维度的第二匹配度、及第一用户的质量信息的加权值,作为第三匹配度。
从上述实施例可见,本申请实施例提供的主播确定系统,通过服务器确定位于目标场所内的多个第一用户信息;确定与第一用户对应的至少一个第二用户的第一特征信息、及目标场所的第三用户的待售商品对象的第二特征信息;根据第一特征信息和第二特征信息,确定第二用户组与待售商品对象间至少一个第一特征维度的第一匹配度;至少根据第一匹配度,确定与第三用户对应的目标第一用户信息;客户端接收服务端发送的目标第一用户信息;显示目标第一用户信息,供第三用户人工确定以直播方式销售所述商品对象的主播用;这种处理方式,使得针对位于第三用户现场内的第一用户,基于该用户的粉丝群体画像和商家所售商品画像,确定粉丝与商品间的关联关系,考虑彼此之间的匹配度,为商家选出粉丝群体适合商家所售商品的第一用户作为主播;因此,可以有效提升主播选取质量和效率,从而提升商品销售收益。此外,这种处理方式,使得第一用户可在第三用户现场内向其粉丝群体直播售卖商品,粉丝可感受到现场氛围,有利于提交商品成交率。
第十六实施例
本申请实施例还提供一种主播确定方法。所述方法的执行主体可以是直播平台的服务器,也可以是能够执行所述方法的任意设备。在本实施例中,所述主播确定方法包括如下步骤:
步骤1:确定位于目标场所内的多个第一用户信息;
步骤2:确定与第一用户对应的至少一个第二用户的第一特征信息、及目标场所的第三用户的待售商品对象的第二特征信息;
步骤3:根据第一特征信息和第二特征信息,确定第二用户组与待售商品对象间至少一个第一特征维度的第一匹配度;
步骤4:至少根据第一匹配度,确定与第三用户对应的目标第一用户信息。
所述目标场所包括:购物场所,旅游场所,餐馆。
第十七实施例
与上述的主播确定方法相对应,本申请还提供一种主播确定装置。由于装置实施例基本相似于方法实施例九,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
本申请提供一种主播确定装置,包括:
用户定位单元,用于确定位于目标场所内的多个第一用户信息;
特征确定单元,用于确定与第一用户对应的至少一个第二用户的第一特征信息、及目标场所的第三用户的待售商品对象的第二特征信息;
匹配度确定单元,用于根据第一特征信息和第二特征信息,确定第二用户组与待售商品对象间至少一个第一特征维度的第一匹配度;
目标用户确定单元,用于至少根据第一匹配度,确定与第三用户对应的目标第一用户信息。
第十八实施例
本申请还提供一种电子设备。由于设备实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的设备实施例仅仅是示意性的。
本实施例的一种电子设备,该电子设备包括:处理器和存储器;存储器,用于存储实现主播确定方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:确定位于目标场所内的多个第一用户信息;确定与第一用户对应的至少一个第二用户的第一特征信息、及目标场所的第三用户的待售商品对象的第二特征信息;根据第一特征信息和第二特征信息,确定第二用户组与待售商品对象间至少一个第一特征维度的第一匹配度;至少根据第一匹配度,确定与第三用户对应的目标第一用户信息。
第十九实施例
本申请实施例还提供一种主播确定方法。所述方法的执行主体可以是商家客户端等等。在本实施例中,所述主播选品方法包括如下步骤:
步骤1:接收服务端发送的针对目标场所的第三用户的目标第一用户信息;
步骤2:显示目标第一用户信息,供第三用户人工确定以直播方式销售所述商品对象的主播用。
第二十实施例
与上述的主播确定方法相对应,本申请还提供一种主播确定装置。由于装置实施例基本相似于方法实施例十二,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
本申请提供一种主播确定装置,包括:
目标用户接收单元,用于接收服务端发送的针对目标场所的第三用户的目标第一用户信息;
目标用户显示单元,用于显示目标第一用户信息,供第三用户人工确定以直播方式销售所述商品对象的主播用。
第二十一实施例
本申请还提供一种电子设备。由于设备实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的设备实施例仅仅是示意性的。
本实施例的一种电子设备,包括:处理器和存储器;存储器,用于存储实现主播确定方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:接收服务端发送的针对目标场所的第三用户的目标第一用户信息;显示目标第一用户信息,供第三用户人工确定以直播方式销售所述商品对象的主播用。
第二十二实施例
本申请还提供一种用户偏好信息确定方法。所述方法的执行主体可以是直播平台的服务器,也可以是能够执行所述方法的任意设备。在本实施例中,所述用户偏好信息确定方法包括如下步骤:
步骤1:获取第二用户的历史交互行为信息;
步骤2:根据所述历史交互行为信息,确定所述第二用户的商品交易偏好信息。
所述历史交互行为信息包括:商品对象购买行为信息,商品对象浏览行为信息,商品对象收藏行为信息,商品对象评价行为信息。
所述商品交易偏好信息包括:商品类目偏好信息,对不同商品类目的商品价格偏好信息,对不同商品类目的商品功能偏好信息。
第二十三实施例
本申请还提供一种用户偏好信息确定方法。所述方法的执行主体可以是直播平台的服务器,也可以是能够执行所述方法的任意设备。在本实施例中,所述用户偏好信息确定方法包括如下步骤:
步骤1:获取第一用户的历史直播销售行为信息;
步骤2:根据所述行为信息,确定所述第一用户的商品销售偏好信息。
所述商品销售偏好信息包括:商品类目偏好信息。
第二十四实施例
本申请还提供一种主播选品方法。所述方法的执行主体可以是直播平台的服务器,也可以是能够执行所述方法的任意设备。在本实施例中,所述用户偏好信息确定方法包括如下步骤:
步骤1:确定与第一用户对应的至少一个第二用户的第一特征信息、及待选商品对象的第二特征信息;
步骤2:根据第一特征信息和第二特征信息,确定第二用户组与待选商品对象间至少一个第一特征维度的第一差异度;
步骤3:至少根据第一差异度,滤除待选商品对象中与第一用户不对应的商品对象;
步骤4:将滤除后的待选商品对象作为与第一用户对应的目标商品对象。
第二十五实施例
本申请还提供一种主播选品方法。所述方法的执行主体可以是直播平台的服务器,也可以是能够执行所述方法的任意设备。在本实施例中,所述用户偏好信息确定方法包括如下步骤:
步骤1:确定第一用户的商品销售排斥信息、及待选商品对象的特征信息;
步骤2:根据所述排斥信息和特征信息,确定第一用户与待选商品对象间的第一差异度;
步骤3:至少根据第一差异度,滤除待选商品对象中与第一用户不对应的商品对象;
步骤4:将滤除后的待选商品对象作为与第一用户对应的目标商品对象。
所述商品销售排斥信息包括:商品类目排斥信息,商品价格排斥信息,商品功能排斥信息,商家地域排斥信息;
所述特征信息:商品类目信息,商品价格信息,商品功能信息,商家地域信息。
本申请虽然以较佳实施例公开如上,但其并不是用来限定本申请,任何本领域技术人员在不脱离本申请的精神和范围内,都可以做出可能的变动和修改,因此本申请的保护范围应当以本申请权利要求所界定的范围为准。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
1、计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括非暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
2、本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请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,本申请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。
Claims (54)
1.一种主播选品系统,其特征在于,包括:
服务器,用于确定与第一用户对应的至少一个第二用户的第一特征信息、及待选商品对象的第二特征信息;根据第一特征信息和第二特征信息,确定第二用户组与待选商品对象间至少一个第一特征维度的第一匹配度;至少根据第一匹配度,确定与第一用户对应的目标商品对象信息;
客户端,用于接收服务端发送的目标商品对象信息;显示目标商品对象信息,供第一用户人工选品用。
2.一种主播选品方法,其特征在于,包括:
确定与第一用户对应的至少一个第二用户的第一特征信息、及待选商品对象的第二特征信息;
根据第一特征信息和第二特征信息,确定第二用户组与待选商品对象间至少一个第一特征维度的第一匹配度;
至少根据第一匹配度,确定与第一用户对应的目标商品对象信息。
3.根据权利要求2所述的方法,其特征在于,
所述第一特征信息包括:商品类目偏好信息;
所述第二特征信息包括:商品类目信息;
所述至少一个第一特征维度包括:商品类目维度;
所述商品类目维度的第一匹配度采用如下步骤确定:
根据所述商品类目偏好信息,确定第二用户与待选商品对象的商品类目间的第三匹配度;
根据所述第三匹配度,确定所述商品类目维度的第一匹配度。
4.根据权利要求3所述的方法,其特征在于,所述商品类目偏好信息采用如下方式确定:
根据第二用户的历史交互行为信息,确定所述商品类目偏好信息。
5.根据权利要求4所述的方法,其特征在于,
所述历史交互行为信息包括:商品对象购买行为信息,商品对象浏览行为信息,商品对象收藏行为信息,商品对象评价行为信息。
6.根据权利要求3所述的方法,其特征在于,所述根据所述第三匹配度,确定所述商品类目维度的第一匹配度,包括:
将所述第三匹配度的平均值作为所述商品类目维度的第一匹配度。
7.根据权利要求3所述的方法,其特征在于,所述根据所述第三匹配度,确定所述商品类目维度的第一匹配度,包括:
确定所述第三匹配度大于第三匹配度阈值的第二用户数量;
将所述第二用户数量与第二用户总数量的比值作为所述商品类目维度的第一匹配度。
8.根据权利要求2所述的方法,其特征在于,
所述第一特征信息包括:对不同商品类目的商品价格偏好信息;
所述第二特征信息包括:商品价格信息;
所述至少一个第一特征维度包括:商品价格维度;
所述商品价格维度的第一匹配度采用如下方式确定:
根据第二用户对商品对象所属商品类目的所述商品价格偏好信息、和商品对象的商品价格信息,确定所述商品价格维度的第一匹配度。
9.根据权利要求8所述的方法,其特征在于,所述商品价格偏好信息采用如下方式确定:
根据第二用户的历史交互行为信息,确定所述商品价格偏好信息。
10.根据权利要求8所述的方法,其特征在于,所述根据第二用户对商品对象所属商品类目的所述商品价格偏好信息、和商品对象的商品价格信息,确定所述价格维度的第一匹配度,包括:
确定所述商品价格偏好信息与商品价格信息匹配的第二用户数量;
将所述第二用户数量与第二用户总数量的比值作为所述商品价格维度的第一匹配度。
11.根据权利要求2所述的方法,其特征在于,
所述第一特征信息包括:对不同商品类目的商品功能偏好信息;
所述第二特征信息包括:商品功能信息;
所述至少一个第一特征维度包括:商品功能维度;
所述商品功能维度的第一匹配度采用如下方式确定:
根据第二用户对商品对象所属商品类目的所述商品功能偏好信息、和商品对象的商品功能信息,确定所述商品功能维度的第一匹配度。
12.根据权利要求11所述的方法,其特征在于,所述商品功能偏好信息采用如下方式确定:
根据第二用户的历史交互行为信息,确定所述商品功能偏好信息。
13.根据权利要求12所述的方法,其特征在于,
所述历史交互行为信息包括:商品对象评价行为信息。
14.根据权利要求11所述的方法,其特征在于,所述根据第二用户对商品对象所属商品类目的所述商品功能偏好信息、和商品对象的商品功能信息,确定所述商品功能维度的第一匹配度,包括:
确定所述商品功能偏好信息与商品功能信息匹配的第二用户数量;
将所述第二用户数量与第二用户总数量的比值作为所述商品功能维度的第一匹配度。
15.根据权利要求2所述的方法,其特征在于,
所述方法还包括:
确定第一用户的第三特征信息、及与商品对象对应的第三用户的第四特征信息;
根据第三特征信息和第四特征信息,确定第一用户与第三用户间至少一个第二特征维度的第二匹配度;
所述至少根据第一匹配度,确定与第一用户对应的目标商品对象信息,包括:
至少根据第一匹配度和第二匹配度,确定所述目标商品对象信息。
16.根据权利要求15所述的方法,其特征在于,
所述第三特征信息包括:地理位置信息;
所述第四特征信息包括:地理位置信息;
所述至少一个第二特征维度包括:距离维度;
所述距离维度的第二匹配度采用如下步骤确定:
根据所述第一用户的地理位置信息和第三用户的地理位置信息,确定所述距离维度的第二匹配度。
17.根据权利要求15所述的方法,其特征在于,
所述方法还包括:
确定商品对象的质量信息、及第三用户的质量信息;
所述至少根据第一匹配度和第二匹配度,确定所述目标商品对象信息,包括:
根据第一匹配度、第二匹配度、商品对象的质量信息及第三用户的质量信息,确定所述目标商品对象信息。
18.根据权利要求17所述的方法,其特征在于,
所述商品对象的质量信息包括:商品好评度。
19.根据权利要求17所述的方法,其特征在于,
所述第三用户的质量信息包括:用户好评度,物流服务质量信息,客户服务质量信息,交易纠纷率。
20.根据权利要求19所述的方法,其特征在于,
所述物流服务质量信息包括:平均送货时长;
所述客户服务质量信息包括:平均服务响应时长。
21.根据权利要求17所述的方法,其特征在于,所述根据第一匹配度、第二匹配度、商品对象的质量信息及第三用户的质量信息,确定所述目标商品对象信息,包括:
根据所述至少一个第一特征维度的第一匹配度、至少一个第二特征维度的第二匹配度、商品对象的质量信息及第三用户的质量信息,确定第一用户与商品对象间的第三匹配度;
根据所述第三匹配度,确定所述目标商品对象信息。
22.根据权利要求21所述的方法,其特征在于,所述第三匹配度采用如下方式确定:
根据选品参数权重,将所述至少一个第一特征维度的第一匹配度、至少一个第二特征维度的第二匹配度、商品对象的质量信息及第三用户的质量信息的加权值,作为第三匹配度。
23.根据权利要求2所述的方法,其特征在于,还包括:
确定目标商品对象的人工选品参数信息;
向第一用户的客户端发送人工选品参数信息,以便于第一用户根据人工选品参数信息进行人工选品。
24.根据权利要求23所述的方法,其特征在于,
所述人工选品参数信息包括:
所述第一匹配度,商品销售预测信息,商品对象信息,第三用户信息。
25.根据权利要求26所述的方法,其特征在于,
所述商品对象信息包括:商品静态属性信息,商品好评度,交易统计数据。
26.根据权利要求24所述的方法,其特征在于,
所述第三用户信息包括:用户静态属性信息,用户好评度,交易统计数据,物流服务质量信息,客户服务质量信息。
27.根据权利要求25或26所述的方法,其特征在于,
所述交易统计数据包括:目标时间范围内的商品交易数量,订单数量,商品交易金额,退单数量。
28.根据权利要求24所述的方法,其特征在于,
商品销售预测信息包括:商品销售量预测信息,商品销售额预测信息,第一用户收益预测信息。
29.根据权利要求24所述的方法,其特征在于,所述商品销售预测信息采用如下步骤确定:
根据所述第一匹配度,确定至少一个目标第二用户;
根据各个目标第二用户对商品对象所属商品类目的商品对象历史购买数量,确定所述销售量预测信息;
根据所述销售量预测信息,确定所述销售额预测信息;
根据所述销售额预测信息,确定所述第一用户收益预测信息。
30.一种主播选品方法,其特征在于,包括:
接收服务端发送的针对目标第一用户的目标商品对象信息;
显示目标商品对象信息,供第一用户人工选品用。
31.根据权利要求30所述的方法,其特征在于,
所述目标商品对象信息包括人工选品参数信息;
所述人工选品参数信息包括:
与目标第一用户对应的第二用户组与目标商品对象间至少一个第一特征维度的第一匹配度,目标第一用户与目标商品对象的第三用户间至少一个第二特征维度的第二匹配度,目标商品对象的销售预测信息,商品对象信息,第三用户信息。
32.一种主播选品装置,其特征在于,包括:
特征确定单元,用于确定与第一用户对应的至少一个第二用户的第一特征信息、及待选商品对象的第二特征信息;
匹配度确定单元,用于根据第一特征信息和第二特征信息,确定第二用户组与待选商品对象间至少一个第一特征维度的第一匹配度;
目标商品确定单元,用于至少根据第一匹配度,确定与第一用户对应的目标商品对象信息。
33.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储实现主播选品方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:确定与第一用户对应的至少一个第二用户的第一特征信息、及待选商品对象的第二特征信息;根据第一特征信息和第二特征信息,确定第二用户组与待选商品对象间至少一个第一特征维度的第一匹配度;至少根据第一匹配度,确定与第一用户对应的目标商品对象信息。
34.一种主播选品装置,其特征在于,包括:
目标商品接收单元,用于接收服务端发送的针对目标第一用户的目标商品对象信息;
目标商品显示单元,用于显示目标商品对象信息,供第一用户人工选品用。
35.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储实现主播选品方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:接收服务端发送的针对目标第一用户的目标商品对象信息;显示目标商品对象信息,供第一用户人工选品用。
36.一种主播确定系统,其特征在于,包括:
服务器,用于确定与第一用户对应的至少一个第二用户的第一特征信息、及第三用户的待售商品对象的第二特征信息;根据第一特征信息和第二特征信息,确定第二用户组与待售商品对象间至少一个第一特征维度的第一匹配度;至少根据第一匹配度,确定与第三用户对应的目标第一用户信息;
客户端,用于接收服务端发送的目标第一用户信息;显示目标第一用户信息,供第三用户人工选主播用。
37.一种主播确定方法,其特征在于,包括:
确定与第一用户对应的至少一个第二用户的第一特征信息、及第三用户的待售商品对象的第二特征信息;
根据第一特征信息和第二特征信息,确定第二用户组与待售商品对象间至少一个第一特征维度的第一匹配度;
至少根据第一匹配度,确定与第三用户对应的目标第一用户信息。
38.一种主播确定方法,其特征在于,包括:
接收服务端发送的针对目标第三用户的目标第一用户信息;
显示目标第一用户信息,供第三用户人工选主播用。
39.一种主播确定装置,其特征在于,包括:
特征确定单元,用于确定与第一用户对应的至少一个第二用户的第一特征信息、及第三用户的待售商品对象的第二特征信息;
匹配度确定单元,用于根据第一特征信息和第二特征信息,确定第二用户组与待售商品对象间至少一个第一特征维度的第一匹配度;
目标用户确定单元,用于至少根据第一匹配度,确定与第三用户对应的目标第一用户信息。
40.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储实现主播确定方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:确定与第一用户对应的至少一个第二用户的第一特征信息、及第三用户的待售商品对象的第二特征信息;根据第一特征信息和第二特征信息,确定第二用户组与待售商品对象间至少一个第一特征维度的第一匹配度;至少根据第一匹配度,确定与第三用户对应的目标第一用户信息。
41.一种主播确定装置,其特征在于,包括:
目标用户接收单元,用于接收服务端发送的针对目标第三用户的目标第一用户信息;
目标用户接收单元,用于显示目标第一用户信息,供第三用户人工选主播用。
42.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储实现主播确定方法的程序,该设备通电并通过所述处理器运行该方法的程序后,执行下述步骤:接收服务端发送的针对目标第三用户的目标第一用户信息;显示目标第一用户信息,供第三用户人工选主播用。
43.一种用户偏好信息确定方法,其特征在于,包括:
获取第二用户的历史交互行为信息;
根据所述历史交互行为信息,确定所述第二用户的商品交易偏好信息。
44.根据权利要求43所述的方法,其特征在于,
所述历史交互行为信息包括:商品对象购买行为信息,商品对象浏览行为信息,商品对象收藏行为信息,商品对象评价行为信息。
45.根据权利要求43所述的方法,其特征在于,
所述商品交易偏好信息包括:商品类目偏好信息,对不同商品类目的商品价格偏好信息,对不同商品类目的商品功能偏好信息。
46.一种用户偏好信息确定方法,其特征在于,包括:
获取第一用户的历史直播销售行为信息;
根据所述行为信息,确定所述第一用户的商品销售偏好信息。
47.根据权利要求46所述的方法,其特征在于,
所述商品销售偏好信息包括:商品类目偏好信息。
48.一种主播选品方法,其特征在于,包括:
确定与第一用户对应的至少一个第二用户的第一特征信息、及待选商品对象的第二特征信息;
根据第一特征信息和第二特征信息,确定第二用户组与待选商品对象间至少一个第一特征维度的第一差异度;
至少根据第一差异度,滤除待选商品对象中与第一用户不对应的商品对象;
将滤除后的待选商品对象作为与第一用户对应的目标商品对象。
49.一种主播选品方法,其特征在于,包括:
确定第一用户的商品销售排斥信息、及待选商品对象的特征信息;
根据所述排斥信息和特征信息,确定第一用户与待选商品对象间的第一差异度;
至少根据第一差异度,滤除待选商品对象中与第一用户不对应的商品对象;
将滤除后的待选商品对象作为与第一用户对应的目标商品对象。
50.根据权利要求49所述的方法,其特征在于,
所述商品销售排斥信息包括:商品类目排斥信息,商品价格排斥信息,商品功能排斥信息,商家地域排斥信息;
所述特征信息:商品类目信息,商品价格信息,商品功能信息,商家地域信息。
51.一种主播确定系统,其特征在于,包括:
服务器,用于确定位于目标场所内的多个第一用户信息;确定与第一用户对应的至少一个第二用户的第一特征信息、及目标场所的第三用户的待售商品对象的第二特征信息;根据第一特征信息和第二特征信息,确定第二用户组与待售商品对象间至少一个第一特征维度的第一匹配度;至少根据第一匹配度,确定与第三用户对应的目标第一用户信息;
客户端,用于接收服务端发送的目标第一用户信息;显示目标第一用户信息,供第三用户人工确定以直播方式销售所述商品对象的主播用。
52.一种主播确定方法,其特征在于,包括:
确定位于目标场所内的多个第一用户信息;
确定与第一用户对应的至少一个第二用户的第一特征信息、及目标场所的第三用户的待售商品对象的第二特征信息;
根据第一特征信息和第二特征信息,确定第二用户组与待售商品对象间至少一个第一特征维度的第一匹配度;
至少根据第一匹配度,确定与第三用户对应的目标第一用户信息。
53.根据权利要求52所述的方法,其特征在于,
所述目标场所包括:购物场所,旅游场所,餐馆。
54.一种主播确定方法,其特征在于,包括:
接收服务端发送的针对目标场所的第三用户的目标第一用户信息;
显示目标第一用户信息,供第三用户人工确定以直播方式销售所述商品对象的主播用。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010131639.9A CN113327121A (zh) | 2020-02-28 | 2020-02-28 | 主播选品相关系统、方法、装置及设备 |
TW109144278A TW202207118A (zh) | 2020-02-28 | 2020-12-15 | 主播選品相關系統、方法、裝置及設備 |
US17/188,660 US20210272138A1 (en) | 2020-02-28 | 2021-03-01 | Method and apparatus for data processing |
PCT/US2021/020259 WO2021174191A1 (en) | 2020-02-28 | 2021-03-01 | Method and apparatus for data processing |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010131639.9A CN113327121A (zh) | 2020-02-28 | 2020-02-28 | 主播选品相关系统、方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113327121A true CN113327121A (zh) | 2021-08-31 |
Family
ID=77412963
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010131639.9A Pending CN113327121A (zh) | 2020-02-28 | 2020-02-28 | 主播选品相关系统、方法、装置及设备 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20210272138A1 (zh) |
CN (1) | CN113327121A (zh) |
TW (1) | TW202207118A (zh) |
WO (1) | WO2021174191A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113763131A (zh) * | 2021-09-08 | 2021-12-07 | 北京快来文化传播集团有限公司 | 直播商品选择方法、电子设备和计算机可读存储介质 |
CN114443902A (zh) * | 2022-02-22 | 2022-05-06 | 广州云智达创科技有限公司 | 一种达人分析方法、装置、存储介质及程序产品 |
WO2024056086A1 (zh) * | 2022-09-16 | 2024-03-21 | 北京有竹居网络技术有限公司 | 物品推送处理方法、装置、设备及介质 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114897555B (zh) * | 2022-04-24 | 2023-05-23 | 重庆旅游云信息科技有限公司 | 一种景区智能制定商品营销策略的方法及装置 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070032580A (ko) * | 2005-09-16 | 2007-03-22 | 유현정 | 인터넷 망을 이용한 상품 광고 시스템 및 그 이용방법 |
US20130325652A1 (en) * | 2012-06-01 | 2013-12-05 | Myworld, Inc. | Commerce System and Method of Recommending Product for Consumer Based on Preferred Products of Other Consumers |
US20150120414A1 (en) * | 2012-04-19 | 2015-04-30 | Small Potatoes Urban Delivery Inc. | Method and system for on-line sale of goods and services using influencer hosting sites |
US20160253710A1 (en) * | 2013-09-26 | 2016-09-01 | Mark W. Publicover | Providing targeted content based on a user's moral values |
CN106294483A (zh) * | 2015-06-04 | 2017-01-04 | 北京国双科技有限公司 | 用于为产品品牌匹配代言人的数据处理方法和装置 |
WO2017028687A1 (zh) * | 2015-08-14 | 2017-02-23 | 阿里巴巴集团控股有限公司 | 闲置商品对象信息处理方法及装置 |
US20180005293A1 (en) * | 2016-06-30 | 2018-01-04 | International Business Machines Corporation | Platform for enabling personalized recommendations using intelligent dialog |
CN109104639A (zh) * | 2017-06-20 | 2018-12-28 | 阿里巴巴集团控股有限公司 | 直播系统、确定直播视频主题的方法、装置以及电子设备 |
CN109493177A (zh) * | 2018-11-12 | 2019-03-19 | 深圳云行智能科技有限公司 | 一种智能匹配sku选品方法及其系统与存储介质 |
CN109951724A (zh) * | 2017-12-20 | 2019-06-28 | 阿里巴巴集团控股有限公司 | 直播推荐方法、主播推荐模型训练方法及相关设备 |
US20190311416A1 (en) * | 2018-04-10 | 2019-10-10 | International Business Machines Corporation | Trend identification and modification recommendations based on influencer media content analysis |
-
2020
- 2020-02-28 CN CN202010131639.9A patent/CN113327121A/zh active Pending
- 2020-12-15 TW TW109144278A patent/TW202207118A/zh unknown
-
2021
- 2021-03-01 WO PCT/US2021/020259 patent/WO2021174191A1/en active Application Filing
- 2021-03-01 US US17/188,660 patent/US20210272138A1/en not_active Abandoned
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070032580A (ko) * | 2005-09-16 | 2007-03-22 | 유현정 | 인터넷 망을 이용한 상품 광고 시스템 및 그 이용방법 |
US20150120414A1 (en) * | 2012-04-19 | 2015-04-30 | Small Potatoes Urban Delivery Inc. | Method and system for on-line sale of goods and services using influencer hosting sites |
US20130325652A1 (en) * | 2012-06-01 | 2013-12-05 | Myworld, Inc. | Commerce System and Method of Recommending Product for Consumer Based on Preferred Products of Other Consumers |
US20160253710A1 (en) * | 2013-09-26 | 2016-09-01 | Mark W. Publicover | Providing targeted content based on a user's moral values |
CN106294483A (zh) * | 2015-06-04 | 2017-01-04 | 北京国双科技有限公司 | 用于为产品品牌匹配代言人的数据处理方法和装置 |
WO2017028687A1 (zh) * | 2015-08-14 | 2017-02-23 | 阿里巴巴集团控股有限公司 | 闲置商品对象信息处理方法及装置 |
CN106469382A (zh) * | 2015-08-14 | 2017-03-01 | 阿里巴巴集团控股有限公司 | 闲置商品对象信息处理方法及装置 |
US20180005293A1 (en) * | 2016-06-30 | 2018-01-04 | International Business Machines Corporation | Platform for enabling personalized recommendations using intelligent dialog |
CN109104639A (zh) * | 2017-06-20 | 2018-12-28 | 阿里巴巴集团控股有限公司 | 直播系统、确定直播视频主题的方法、装置以及电子设备 |
CN109951724A (zh) * | 2017-12-20 | 2019-06-28 | 阿里巴巴集团控股有限公司 | 直播推荐方法、主播推荐模型训练方法及相关设备 |
US20190311416A1 (en) * | 2018-04-10 | 2019-10-10 | International Business Machines Corporation | Trend identification and modification recommendations based on influencer media content analysis |
CN109493177A (zh) * | 2018-11-12 | 2019-03-19 | 深圳云行智能科技有限公司 | 一种智能匹配sku选品方法及其系统与存储介质 |
Non-Patent Citations (2)
Title |
---|
刘益: ""蘑菇街Q3直播业务保持3位数增长 电商直播增量空间未来可期"", 《计算机与网络》, no. 24, 26 December 2019 (2019-12-26), pages 6 - 7 * |
林超: "《引爆流量 直播营销战略、打发与技巧》", 31 October 2017, 中国宇航出版社, pages: 86 - 91 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113763131A (zh) * | 2021-09-08 | 2021-12-07 | 北京快来文化传播集团有限公司 | 直播商品选择方法、电子设备和计算机可读存储介质 |
CN113763131B (zh) * | 2021-09-08 | 2024-03-29 | 北京快来文化传播集团有限公司 | 直播商品选择方法、电子设备和计算机可读存储介质 |
CN114443902A (zh) * | 2022-02-22 | 2022-05-06 | 广州云智达创科技有限公司 | 一种达人分析方法、装置、存储介质及程序产品 |
WO2024056086A1 (zh) * | 2022-09-16 | 2024-03-21 | 北京有竹居网络技术有限公司 | 物品推送处理方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
TW202207118A (zh) | 2022-02-16 |
WO2021174191A1 (en) | 2021-09-02 |
US20210272138A1 (en) | 2021-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113327121A (zh) | 主播选品相关系统、方法、装置及设备 | |
Koelemeijer et al. | Assessing the effects of assortment and ambience: a choice experimental approach | |
CN108076353A (zh) | 业务对象推荐方法、装置、存储介质和电子设备 | |
CN102893300A (zh) | 用于将总量销售数据、媒体消费信息和地理-人口统计数据集成到靶向广告的方法和设备 | |
CN104850616A (zh) | 检索辅助系统、检索辅助方法以及检索辅助程序 | |
CN110348868A (zh) | 服务信息获取方法和装置 | |
CN108288219A (zh) | 餐品信息的推送方法及系统 | |
US20180089711A1 (en) | Information processing device, information processing method, and information processing program | |
JP7140588B2 (ja) | 決定装置、決定方法および決定プログラム | |
JP2017228056A (ja) | 情報分析装置および情報分析方法 | |
Finotto et al. | Factors influencing the use of e-commerce in the agri-food sector: an analysis of Italian consumers | |
US20110295684A1 (en) | Method and server for managing advertisements | |
CN107967637B (zh) | 一种商品对象型号的推荐方法、装置及电子设备 | |
US10713260B2 (en) | Apparatus, method, and computer-readable recording medium for providing information based on information elements identified by using user history information and estimated viewing duration information | |
CN104331823B (zh) | 确定发布信息中关键词保留价格的方法及装置 | |
CN114219589B (zh) | 虚拟实体对象的生成和页面显示方法、装置和电子设备 | |
CN110020135B (zh) | 一种需求确定方法、资源推荐方法和相关装置 | |
CN108399550B (zh) | 一种用户分群方法 | |
Al Nawayseh et al. | Online grocery shopping in developing countries: Jordanian consumers as case study | |
CN113706250A (zh) | 一种基于物业社区管家的品质社区团购方法 | |
Ma et al. | Hedonic Pricing in the Sneaker Resale Market | |
CN113256393B (zh) | 一种服务信息处理系统、方法、装置以及电子设备 | |
JP7315767B1 (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
Fietroh et al. | The Role Of Location, Price, And Product Diversity In Increasing Customer Loyalty In Food Court At Sumbawa Regency | |
JP7284332B1 (ja) | 情報処理装置、情報処理方法、および情報処理プログラム |
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 |