CN113435966B - 一种产品交易方法和系统 - Google Patents
一种产品交易方法和系统 Download PDFInfo
- Publication number
- CN113435966B CN113435966B CN202110692898.3A CN202110692898A CN113435966B CN 113435966 B CN113435966 B CN 113435966B CN 202110692898 A CN202110692898 A CN 202110692898A CN 113435966 B CN113435966 B CN 113435966B
- Authority
- CN
- China
- Prior art keywords
- information
- user
- product
- probability
- aerial vehicle
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
-
- 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]
- G06Q30/0641—Shopping interfaces
- G06Q30/0643—Graphical representation of items or shoppers
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Marketing (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书实施例提供一种产品交易的方法和系统,该产品交易方法可以包括根据用户的使用信息可以确定用户的信息查看请求;根据用户的信息查看请求,可以确定一种或多种产品信息;将一种或多种产品信息输入预测模型,预测模型可以输出用户的下单概率;基于用户的下单概率,可以确定推送给用户的信息,推荐给用户的信息可以包括无人机采集的一种或多种产品信息和/或推荐信息中,推荐信息可以根据用户下单概率确定;用户下单后,可以使用推荐模型确定无人机配送服务信息;根据无人机配送服务信息,可以使用无人机进行产品配送。
Description
技术领域
本说明书涉及产品交易领域,特别涉及一种产品交易方法和系统。
背景技术
传统的线上产品交易中,出售方将产品信息上传至线上交易系统中展示,用户可以进入线上交易系统进行查看展示的产品信息,选择需要购买的产品,下单后出售方将产品配送至用户方。交易系统上的产品信息是出售方根据自身展示需要或猜测用户需求上传的,用户能够查看的产品信息都是一样或通用的,不能满足用户对产品信息个性化的了解需求。用户下单后,出售方需要经过复杂繁琐的出货和运输过程,效率不高且揽件派件耗费的人力较大。因此,有必要提供一种智能的产品交易方法和系统,满足用户对产品信息个性化的了解需求,提高交易效率和减少人力资源的耗费。
发明内容
本说明书实施例之一提供一种产品交易方法。所述产品交易方法包括:根据用户的信息查看请求,确定一种或多种产品信息;根据所述一种或多种产品信息,利用训练好的预测模型,确定与所述一种或多种产品信息对应的用户下单概率;发送所述确定的一种或多种产品信息到无人机,所述无人机采集所述一种或多种产品信息;根据所述用户下单概率,向所述用户推送所述无人机采集的一种或多种产品信息和推荐信息中的一种或多种,所述推荐信息根据所述用户下单概率确定。
本说明书实施例之一提供一种产品交易系统,所述产品交易系统包括产品信息确定模块、下单概率确定模块、信息采集模块、信息推送模块。所述信息确定模块用于根据用户的信息查看请求,确定一种或多种产品信息。所述下单概率确定模块用于根据所述一种或多种产品信息,利用训练好的预测模型,确定与所述一种或多种产品信息对应的用户下单概率。所述信息采集模块用于发送所述确定的一种或多种产品信息到无人机,所述无人机采集所述一种多种产品信息。所述信息推送模块用于根据所述用户下单概率,向所述用户推送所述无人机采集的一种或多种产品信息和推荐信息中的一种或多种,所述推荐信息根据所述用户下单概率确定。
本说明书实施例之一提供一种用于产品交易的装置,包括处理器,所述处理器用于执行产品交易方法。
本说明书实施例之一提供一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行产品交易方法。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的产品交易系统的应用场景示意图;
图2是根据本说明书一些实施例所示的产品交易系统的示例性模块图;
图3是根据本说明书一些实施例所示的产品交易的示例性流程图;
图4是根据本说明书一些实施例所示的无人机采集产品信息的示例性流程图;
图5是根据本说明书一些实施例所示的农产品集购方法的示例性流程图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
图1是根据本说明书一些实施例所示的产品交易系统的应用场景示意图。
产品交易系统100可以包括线上交易系统。在一些实施例中,产品交易系统100可以应用于产品的线上交易。例如,产品交易系统100可以应用于农产品的线上交易。农产品可以包括粮食(例如,稻米、小麦等),蔬菜(例如,大蒜、生姜等),瓜果及坚果(例如,苹果、柑橘、梨、开心果等),棉花及纺织(例如,籽棉、皮棉等),油料油脂(例如,大豆、菜籽油、棉籽油等),畜牧养殖(例如,生猪、肉禽、蛋禽等),饲料原料及加工品(例如,豆粕、菜粕等),糖料作物及加工品(例如,甘蔗、白砂糖等)等或其组合。
在一些实施例中,产品交易系统100还可以应用于其他领域。例如,产品交易系统100可以应用于产品产业链(例如,生产环节、消费环节、贸易环节等)的追溯。又例如,产品交易系统100可以应用于产品的可视化管理。仅作为示例,产品交易系统100可以应用于农场中农产品种植环境的可视化管理。
如图1所示,产品交易系统100可以包括服务器110、网络120、终端130、数据库140、配送端150以及信息采集设备160。
服务器110可以用于处理与产品交易相关的信息和/或数据。例如,服务器110可以根据用户的信息查看请求,确定一种或多种产品的信息。又例如,服务器110可以训练一种或多种模型,得到训练好的模型(例如,预测模型、推荐模型、请求确定模型、信息确定模型等)。又例如,服务器110可以确定与一种或多种产品信息对应的用户下单概率。再例如,服务器110可以确定向用户推送的信息(例如,一种或多种产品信息、推荐信息等)。
服务器110可以是独立的服务器或者服务器组。该服务器组可以是集中式的或者分布式的(如:服务器110可以是分布系统)。在一些实施例中该服务器110可以是区域的或者远程的。例如,服务器110可通过网络120访问存储于终端130、数据库140、信息采集设备160中的信息和/或资料。在一些实施例中,服务器110可直接与终端130、数据库140进行连接。
在一些实施例中,服务器110可包含处理设备112。该处理设备112可处理与产品交易系统相关的数据和/或信息以执行一个或多个本申请中描述的功能。例如,处理设备112可以确定用户的信息查看请求。又例如,处理设备112可以根据确定的用户的信息查看请求,确定一种或多种产品信息。又例如,处理设备112可以确定一种或多种产品信息对应的用户下单概率。又例如,处理设备112可以确定向用户推荐的信息。再例如,处理设备112可以确定配送的服务信息(例如,无人机配送的服务信息)。
在一些实施例中,处理设备112可包含一个或多个子处理设备(例如,单芯处理设备或多核多芯处理设备)。仅仅作为范例,处理设备112可包含中央处理器(CPU)、专用集成电路(ASIC)、专用指令处理器(ASIP)、图形处理器(GPU)、物理处理器(PPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编辑逻辑电路(PLD)、控制器、微控制器单元、精简指令集电脑(RISC)、微处理器等或以上任意组合。
网络120可促进数据和/或信息的交换。在一些实施例中,产品交易系统100中的一个或多个组件(例如,服务器110、终端130、数据库140、配送端150以及信息采集设备160)可通过网络120发送数据和/或信息给其他组件。
在一些实施例中,网络120可以是任意类型的有线或无线网络。例如,网络120可包括缆线网络、有线网络、光纤网络、电信网络、内部网络、网际网络、区域网络(LAN)、广域网络(WAN)、无线区域网络(WLAN)、都会区域网络(MAN)、公共电话交换网络(PSTN)、蓝牙TM网络、ZigBeeTM网络、近场通讯(NFC)网络等或以上任意组合。在一些实施例中,网络120可以包括一个或多个网络进出点。例如,网络120可包含有线或无线网络进出点,如基站和/或网际网络交换点120-1、120-2、…,通过这些进出点,产品交易系统100的一个或多个组件可连接到网络120上以交换数据和/或信息。
终端130可以用于输入和/或获取数据和/或信息。例如,用户可以通过终端130输入使用信息。又例如,用户可以通过终端130获取一种或多种产品信息和/或产品交易平台的推荐信息。又例如,用户可以通过终端130获取配送端150的配送服务信息。在一些实施例中,终端130可以包括输入设备、输出设备等。
在一些实施例中,终端130可以包括智能手机131、平板电脑132、膝上型电脑133以及台式电脑134等。在一些实施例中,终端130可以包括移动终端设备等。例如,移动设备可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、增强现实设备等或上述举例的任意组合。在一些实施例中,智能家居设备可以包括智能照明设备、智能电器的控制设备、智能监测设备、智能电视、智能摄影机、对讲机等或上述举例的任意组合。在一些实施例中,可穿戴设备可以包括手环、鞋袜、眼镜、头盔、手表、衣物、背包、智能配饰等或上述举例的任意组合。在一些实施例中,智能移动设备可以包括移动手机、个人数字助理、游戏设备、导航设备、POS机、膝上型电脑、台式电脑等或上述举例的任意组合。在一些实施例中,终端130可以是服务器110的一部分。
数据库140可存储信息和/或指令。在一些实施例中,数据库140可存储从终端130获取的信息。例如,数据库140可以存储终端130相关的信息(例如,终端130的ID信息等)。又例如,数据库140可以存储用户通过终端130输入的信息(例如,用户性别、用户ID信息、历史下单信息、用户画像等)。
在一些实施例中,数据库140可存储供服务器110执行或使用的信息和/或指令,以执行本申请中描述的示例性方法。在一些实施例中,数据库140可以存储产品信息等。在一些实施例中,数据库140可以存储一个或多个训练好的模型(例如,训练好的预测模型、训练好的推荐模型、训练好的请求确定模型等)。在一些实施例中,数据库140可包括大容量存储器、可移动存储器、挥发性读写存储器(例如,随机存取存储器RAM)、只读存储器(ROM)等或以上任意组合。在一些实施例中,数据库140可在云平台上实现。例如,云平台可包括私有云、公共云、混合云、社区云、分散式云、内部云等或以上任意组合。
在一些实施例中,数据库140可与网络120连接以与系统100的一个或多个组件(例如,服务器110、终端130、配送端150以及信息采集设备160等)通讯。系统100的一个或多个组件可通过网络120访问存储于数据库140中的资料或指令。例如,服务器110可以从数据库140中获取信息采集设备160采集的信息和/或数据。在一些实施例中,数据库140可直接与系统100中的一个或多个组件(如,服务器110、终端130、配送端150以及信息采集设备160等)连接或通讯。在一些实施例中,数据库140可以是服务器110的一部分。
配送端150可以包括多种类型的配送服务,例如,飞机配送151、人工配送152、无人机配送153、车辆(例如,无人配送车)配送154等。在一些实施例中,配送端150可以配送用户通过产品交易平台下单的产品。在一些实施例中,配送端150可以与产品交易系统100中的一个或多个组件进行通信。例如,终端130可以通过网络120选择配送端150中的配送服务。又例如,服务器110可以将产品信息发送到配送端150进行配送。再例如,配送端150可以在配送时,生成配送数据(例如,配送产品信息、配送计划数据、用户反馈、包装箱回收情况等)并将配送数据发送给数据库140以进行存储或发送给服务器110进行处理。
信息采集设备160可以采集一种或多种产品信息。在一些实施例中,信息采集设备160可以包括摄像头161、温度计162以及传感器163等。摄像头161可以用于获取一种或多种产品的视觉信息(例如,图像、视频等)。温度计162可以用于获取一种或多种产品的温度信息(例如,产品的温度、产品所处的环境温度等)。传感器163可以用于获取产品或其生长环境的位置信息、湿度信息、亮度信息、光照信息、空气信息、土壤信息等或其组合。传感器163可以包括湿度传感器、红外传感器、亮度传感器、声音传感器、速度传感器、位置传感器、土壤监测传感器、空气监测传感器、光照传感器等或其组合。
在一些实施例中,信息采集设备160可以集成在配送端150中。例如,信息采集设备160可以集成在无人机153中,从而使得无人机153可以采集一种或多种产品信息。仅作为示例,无人机153可以采集一种或多种产品的信息、一种或多种产品的生长环境信息、一种或多种产品的配送信息(例如,配送目的地信息、用户验货信息、用户签收信息等)等或其组合。在一些实施例中,信息采集设备160可以将采集的数据通过网络120发送至服务器110进行处理。在一些实施例中,信息采集设备160可以接受服务器110的指令并开始采集数据。在一些实施例中,信息采集设备160可以接收服务器110的指令,调整信息采集相关的参数(例如,信息采集的范围、信息采集粒度等)。
需要注意的是,以上描述仅为描述方便,并不能把本申请限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可以在不背离这一原理的情况下,对实施上述方法和系统的应用领域进行形式和细节上的各种修正和改变。
图2是根据本说明书的一些实施例所示的产品交易系统的模块图。如图2所示,产品交易系统200可以包括信息确定模块210、下单概率确定模块220、信息采集模块230、信息推送模块240、展示模块250、粒度调整模块260和配送模块270。
信息确定模块210可以用于根据用户的信息查看请求,确定一种或多种产品信息。在一些实施例中,信息确定模块210可以通过常用的方式获取用户的信息查看请求,例如,通过网络传输、调用接口等。在一些实施例中,信息确定模块210可以使用训练好的请求确定模型确定用户的信息查看请求。请求确定模型的输入可以包括用户的使用信息,输出为用户的信息查看请求。
下单概率确定模块220可以利用训练好的预测模型,确定与一种或多种产品信息对应的用户下单概率。在一些实施例中,下单概率确定模块220可以根据用户的历史下单信息确定用户的下单概率。在一些实施例中,下单概率确定模块220可以使用训练好的预测模型,确定与一种或多种产品信息对应的用户下单概率。预测模型的输入包括一种或多种产品的信息,输出为与一种或多种产品信息对应的用户下单概率。关于用户下单概率确定的细节可以参见图3中步骤320和/或图4中步骤410及其相关描述。
信息采集模块230可以用于发送确定的一种或多种产品信息到无人机,无人机采集所述一种多种产品信息。在一些实施例中,信息采集模块230可以将一种或多种产品信息通过网络120发送给无人机。在一些实施例中,无人机中可以内置有多种用于采集一种或多种产品信息的信息采集设备。在一些实施例中,信息采集模块230可以处理无人机采集的产品信息,确定一种或多种产品信息。
信息推送模块240用于根据用户下单概率,向用户推送无人机采集的一种或多种产品信息和推荐信息中的一种或多种。在一些实施例中,推荐信息可以根据用户的下单概率确定。例如,当用户的下单概率高时,信息推送模块240可以推送售后服务、保险信息、配送信息以及服务保障信息等。又例如,当用户的下单概率低时,信息推送模块240可以推送价格信息,产品颜色、大小、色泽功效等,客户服务信息等。
展示模块250可以用于确定无人机采集的一种或多种产品信息的展示方式。在一些实施例中,无人机采集的一种或多种产品信息的展示方法可以包括一种或多种产品信息的单独或组合展示方式。在一些实施例中,展示模块250可以根据下单概率,确定无人机采集的一种或多种产品信息的展示方式。例如,展示模块250可以将多种产品信息按照用户的下单概率进行顺序排列,根据下单概率顺序,对多种产品信息进行组合,并根据预定的规则对组合的产品对应的产品信息进行展示。关于产品展示的方式的细节可以参见图3及其相关描述。
粒度调整模块260可以用于判断用户的下单概率是否大于概率阈值。根据判断结果,粒度调整模块260可以调整无人机的信息采集粒度。例如,响应于用户下单概率大于概率阈值,粒度调整模块260可以调整无人机的信息采集粒度使其小于粒度阈值,从而可以更多、更细和/或更准确的采集产品的信息。又例如,响应于所述用户下单概率小于所述概率阈值,粒度调整模块260可以调整所述无人机的信息采集粒度使其大于所述粒度阈值,从而可以降低采集成本,同时减少用户的浏览成本。
配送模块270可以用于确定无人机配送的服务信息。在一些实施例中,配送模块270可以使用训练好的推荐模型,确定无人机配送的服务信息。推荐模型的输入包括用户的配送需求信息和用户的信息查看请求,输出为无人机配送的服务信息。在一些实施例中,配送模块270可以生成无人机配送计划,根据生成的无人机配送计划,无人机可以配送用户下单的产品。在一些实施例中,配送模块270可以确定无人机生成的配送数据。
需要注意的是,以上对于产品交易系统及其模块的描述,仅为描述方便,并不能把本说明书限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。在一些实施例中,图2中披露的信息确定模块210、下单概率确定模块220、信息采集模块230、信息推送模块240、展示模块250、粒度调整模块260和配送模块270可以是一个系统中的不同模块,也可以是一个模块实现上述的两个或两个以上模块的功能。例如,信息确定模块210和下单概率确定模块220可以集成在一个模块中,以实现两者的功能。又例如,信息采集模块230和粒度调整模块260可以集成在一个模块中,以实现两者的功能。再例如,信息推送模块240和展示模块250可以集成在一个模块中,以实现两者的功能。在一些实施例中,各个模块可以共用一个存储模块,各个模块也可以分别具有各自的存储模块。诸如此类的变形,均在本说明书的保护范围之内。
图3是根据本说明书一些实施例所示的产品交易的示例性流程图。如图3所示,流程300包括下述步骤。在一些实施例中,流程300可以由服务器110和/或图2中所示的模块执行。
步骤310,根据用户的信息查看请求,确定一种或多种产品信息。在一些实施例中,步骤310可以由信息确定模块210执行。
用户信息查看请求表示用户想要查看的与产品信息有关的请求。例如,用户信息查看请求表示用户想要查看的产品类型的请求。仅作为示例,用户信息查看请求可以是用户需要查看“蔬菜”的请求。又例如,用户信息查看信息请求可以是包含有产品类型、产品产地、产品优惠等多种产品信息的请求。仅作为示例,用户信息查看请求可以是用户需要查看打折的热带水果的请求。再例如,用户查看信息请求可以是用户想要查看特定价格、特定地区的和/或特定品牌的请求。仅作为示例,用户的信息查看请求可以为用户想要查看的“价格低于5元一斤、山东、红富士的苹果”的请求。
在一些实施例中,信息确定模块210可以通过常用的方式获取用户的信息查看请求,例如,通过网络传输、调用接口等。
在一些实施例中,信息确定模块210可以使用训练好的请求确定模型确定用户信息查看请求。在一些实施例中,请求确定模型可以包括训练后的机器学习模型。该机器学习模型可以包括各种模型和结构,例如,深度神经网络模型、循环神经网络模型、自定义的模型结构等,本申请不做限制。
在一些实施例中,请求确定模型的输入包括用户的使用信息,输出为用户的信息查看请求。用户的使用信息可以是用户使用产品交易平台时生成的信息。在一些实施例中,用户的使用信息可以包括用户的浏览记录、点击信息、收藏信息、用户的历史订单信息、用户的购买习惯、用户画像等。用户的使用信息可以通过数据接口、网页爬虫或其他方式获得。作为示例,请求确定模型的输入是“用户浏览过苹果的网页,点击过5次苹果的链接、收藏了1个梨子的购买链接、曾经购买过10斤苹果”,请求确定模型的输出可以是“用户查看苹果相关信息的请求”。
在一些实施例中,信息确定模块210可以使用带标签的训练样本训练请求确定模型,得到训练好的请求确定模型。训练样本包括用户的使用信息,与用户的使用信息对应的用户信息查看请求作为标签。在一些实施例中,可以使用常用的方法训练请求确定模型,例如梯度下降法等。在一些实施例中,当训练的机器学习模型满足预设条件时,训练结束。其中,预设条件可以是损失函数结果收敛或小于预设阈值,还可以是训练周期达到阈值等。在一些实施例中,请求确定模型可以在另外的设备或者模块中备训练。
一种或多种产品信息可以包括产品的类型、产品的品牌、产品的产地、产品的生长环境、产品价格、产品的成熟情况、产品的颜色、产品的大小、产品的包装类型(例如,袋装、灌装、散装等)、产品的生产日期、产品的保质期等或其组合。
在一些实施例中,信息确定模块210可以将信息查看请求中包含产品信息确定为一种或多种产品信息。例如,用户信息查看请求中包含产品的价格、包装类型等。信息确定模块210则将该信息查看请求中包含产品信息作为一种或多种产品信息的全部或者部分。
在一些实施例中,信息确定模块210可以将用户的信息查看请求与数据库140中的产品信息进行匹配,将匹配度满足阈值的产品信息作为用户需求对应的产品信息。例如,信息确定模块210可以将与用户的查看请求相似程度大于相似度阈值(例如,90%、80%、70%等)的产品信息确定为一种或多种产品信息。又例如,信息确定模块210可以将数据库140中,与用户的信息查看请求匹配度位于前1名、前2名、前3名、前5名等的产品信息作为一种或多种产品的信息。
在一些实施例中,信息确定模块210可以使用产品信息确定模型确定一种或多种产品的信息。产品信息确定模型的输入可以为用户的信息查看请求,输出为一种或多种产品的信息。例如,输入的用户信息查看请求为“苹果的生长情况”,产品信息确定模型输出为苹果的大小、苹果的颜色、苹果的成熟度等。又例如,输入的用户信息查看请求为“价格低于一斤6元人民币、产地四川、产品类型为水果、产品成熟情况为完全成熟、产品包装类型为散装”,产品信息确定模型的输出可以为柠檬、雪梨、猕猴桃等产品的信息。
在一些实施例中,可以使用大量带标签的训练样本训练数据,训练产品信息确定模型得到训练好的产品信息确定模型。训练样本包括用户信息查看请求,与用户信息查看请求对应的产品信息作为标签。在一些实施例中,产品信息确定模型的类型和训练方式可以与请求确定模型类似,此处不再赘述。
步骤320,根据一种或多种产品信息,利用训练好的预测模型,确定与一种或多种产品信息对应的用户下单概率。在一些实施例中,步骤320可以由下单概率确定模块220执行。
用户下单概率表示用户对产品下单的可能性。例如,下单概率可以为下单成功率。下单概率可以用百分比表示,例如50%、60%、75%等。下单概率可以为数值表示,例如0-10的数值,数值越大表示下单概率越大。
下单概率确定模块220可以根据多种方式确定用户的下单概率。在一些实施例中,下单概率确定模块220可以根据用户的历史下单信息确定用户的下单概率。例如,用户历史订单中涉及某种类型(例如,水果、蔬菜、花卉等)的产品的订单在历史订单中占据的比例(例如,60%、80%、90%等)较大,则下单概率确定模块220可以确定用户对此种类型的产品的下单概率较大(例如,70%、80%、90%等)。又例如,用户历史订单中涉及某产地(例如,海南、四川、山东、东北等)的产品的订单在历史订单中占据的比例较大,则下单概率确定模块220可以确定用户对此产地的产品的下单概率较大。
在一些实施例中,下单概率确定模块220可以使用训练好的预测模型,确定与一种或多种产品信息对应的用户下单概率。预测模型的输入包括一种或多种产品的信息,输出为与一种或多种产品信息对应的用户下单概率。仅作为示例,下单概率确定模块220可以将一种或多种产品信息“苹果的颜色、甜度、大小”输入进预测模型,输出模型可以输出用户对苹果的下单概率为80%。
在一些实施例中,下单概率确定模块220可以使用大量带标签的训练样本训练预测模型得到训练好的预测模型。训练样本包括一种或多种产品信息,与一种或多种产品信息对应的用户下单概率作为标签。关于预测模型的类型和/或训练的细节可以参考请求确定模型或产品信息确定模型的类型和/或训练,在此不再赘述。
步骤330,发送确定的一种或多种产品信息到无人机,无人机采集一种多种产品信息。在一些实施例中,步骤330可以由信息采集模块230执行。
在一些实施例中,信息采集模块230可以将一种或多种产品信息通过网络120发送给无人机(例如,无人机153)。
在一些实施例中,无人机中可以内置有多种信息采集设备。关于信息采集设备的细节可以参考图1中的信息采集设备160及其相关描述。无人机的控制方式可以为人工控制采集或程序自动控制采集。
在一些实施例中,信息采集模块230可以处理无人机采集的产品信息,确定一种或多种产品信息。例如,信息采集模块230可以根据无人机采集的产品的颜色,确定产品的成熟度。又例如,信息采集模块230可以根据无人机采集的光照信息,确定产品的光照时间、含糖量等。
为了描述方便,以信息采集设备为摄像头为例进行说明。在一些实施例中,无人机上的内置摄像头可以采集产品的图像。信息采集模块230可以根据无人机采集的产品图像,采用图像识别算法得到一种或产品的信息(例如,产品的位置、大小、颜色、成熟度等)。示例性的图像识别算法可以包括基于阈值的图像识别算法、基于直方图的图像识别算法、图像匹配算法、模式识别算法、模板匹配算法、目标跟踪算法、人工智能(artificialintelligence,AI)算法(例如,机器学习、深度学习算法等)等或其组合。
在一些实施例中,针对不同的产品,无人机的信息采集粒度可以相同或不同。例如,用户的下单概率不同,无人机的信息采集粒度不同。关于无人机信息采集粒度的细节可以参见图4及其相关描述。
步骤340,根据用户下单概率,向用户推送无人机采集的一种或多种产品信息和推荐信息中的一种或多种,推荐信息根据所述用户下单概率确定。在一些实施例中,步骤340可以由信息推送模块240执行。
推荐信息表示产品交易平台推荐给用户的信息,以扩大产品的推广力度。在一些实施例中,推荐信息可以包括产品的配送信息、价格信息、保险信息、售后服务、服务保障信息等。配送信息可以包括配送方式、配送价格、配送人员等。配送方式可以包括无人机配送、汽车(例如,无人配送车)配送、飞机配送等。价格信息可以包括产品的价格、产品的折扣、历史价格、会员价格、优惠信息等。保险信息可以包括产品的运输保险、安全保险等。售后服务可以包括产品的售后期限、产品的售后方式、产品的售后点等。服务保障信息可以包括预定期间的保价信息、第三方保障等。
在一些实施例中,信息推送模块240可以根据用户下单概率确定推荐信息。例如,信息推送模块240可以根据用户下单概率的高低确定推荐信息。仅作为示例,当用户的下单概率较高时,信息推送模块240可以推送售后服务、保险信息、配送信息以及服务保障信息等。当用户的下单概率较低时,信息推送模块240可以推送价格信息,产品颜色、大小、色泽功效等,客户服务信息等。又例如,当用户的下单概率低时,信息推送模块240可以从多个产品信息中选择查看次数排名前几名的产品信息推荐给用户。再例如,信息推送模块240可以将与根据用户的信息查看请求确定的一种或多种产品信息有重合的所有或部分产品信息推送给用户。
在一些实施例中,展示模块250可以根据下单概率,确定无人机采集的一种或多种产品信息的展示方式。
无人机采集的一种或多种产品信息可以以多种方式展示。在一些实施例中,无人机采集的一种或多种产品信息的展示方法可以包括一种或多种产品信息的单独展示方式。例如,展示模块250可以每一种产品的产品信息或部分产品的信息可以单独展示出来。在一些实施例中,无人机采集的一种或多种产品信息的展示方式可以包括多种产品信息的组合展示方式。例如,展示模块250可以将满足促销活动条件的产品信息组合展示。又例如,展示模块250可以将产地相同的产品信息组合展示。再例如,展示模块250可以将类型(例如,水果、蔬菜、电子产品等)相同的产品组合展示。
在一些实施例中,展示模块250可以将多种产品信息按照用户的下单概率进行顺序排列。展示模块250可以根据下单概率顺序,对多种产品信息进行组合,并根据预定的规则对组合的产品对应的产品信息进行展示。预定的规则可以是下单概率和大于一定阈值、下单概率和排序前几(例如,前2、前3、前5等)、下单概率的权重和大于一定阈值等,本申请不做限制。例如,展示模块250可以将多种产品信息进行两两组合,并按照排名顺序确定展示顺序。仅作为示例,根据用户的下单概率,产品的排列顺序为“苹果、花卉、童装”,其中,苹果的用户下单概率为0.95、花卉的用户下单概率为0.80、童装的用户下单概率为0.75。展示模块250可以将“苹果、花卉、童装”中的每两个产品进行组合,并计算每两种产品组合的用户下单概率。例如,苹果和花卉组合的用户下单概率为1.75(也就是0.95+0.80=1.75),苹果和童装组合的用户下单概率为1.70(也就是0.95+0.75=1.70),花卉和童装组合的用户下单概率为1.55(也就是0.80+0.75=1.55)。根据两两组合的下单概率,展示模块250可以展示苹果和花卉组合的产品信息、苹果和童装组合的产品信息和/或花卉和童装组合的产品信息。
在一些实施例中,展示模块250可在一种或多种产品信息之后展示推荐信息。
在一些实施例中,一种或多种产品的信息展示方式可以包括任何合适的展示方式。例如,展示方式可以包括文字、图片、语音等。
在一些实施例中,配送模块270可以根据用户的配送需求信息和用户的信息查看请求,利用训练好的推荐模型,确定无人机配送的服务信息。
在一些实施例中,配送需求信息可以包括配送方式、配送时间、配送地址等或其组合。配送方式可以包括无人机配送、汽车(例如,无人配送车)配送、飞机配送等。配送时间可以包括24小时内送达,72小时内送达、100小时内送达,指定时间(例如,17:00-19:00配送、工作日配送、周末配送等)等。
在一些实施例中,配送模块270可以通过网络传输、调用接口等获取用户的配送需求信息。例如,用户可以通过终端130输入配送需求信息。又例如,用户可以通过终端130选择交易平台推荐的配送信息,根据用户选择的配送信息,配送模块270可以确定配送需求信息。又例如,用户可以选择历史订单的配送需求作为当前订单的配送需求信息。再例如,用户可以选择存储在交易平台中的配送信息作为当前订单的配送需求信息。
无人机配送的服务信息表示利用无人机进行配送服务时的与配送相关的信息。例如,无人机配送的服务信息可以包括无人机的机型、配送起点和/或终点、无人机的配送时间、无人机的操作方式(自动、手动或其组合)、无人机的载货量、其他配送服务(例如,验货服务、包装箱回收服务、电子产品调试服务等)等。仅作为示例,无人机配送的服务信息可以为“X型无人机、配送地址为新华路65号、配送时间为星期六、早上九点到下午五点、无人机的操作方式为手动”。
在一些实施例中,配送模块270可以使用训练好的推荐模型,确定无人机配送的服务信息。
在一些实施例中,推荐模型的输入包括用户的配送需求信息和用户的信息查看请求,输出为无人机配送的服务信息。仅作为示例,配送模块270可以将用户的配送需求信息“无人机配送、送达时间为24小时内”和用户的信息查看请求“山东红富士苹果”输入推荐模型,推荐模型输出无人机配送的服务信息为“无人机配送,配送地址为建设路76号,客户验货,24小时内送达”。
在一些实施例中,推荐模型的类型、训练方式可以与请求确定模型、产品信息确定模型和/或预测模型类似,此处不再赘述。
根据无人机配送的服务信息,配送模块270可以生成无人机配送计划。例如,配送计划可以为“无人机进行配送,无人机从仓库出发、飞行5km,程序自动控制进行飞行,配送地址为建设路76号、时间为在星期四下午三点到五点进行配送,送达后拍摄客户验货视频”。根据生成的无人机配送计划,无人机可以配送用户下单的产品。可选择地,在配送用户下单的产品时,无人机可以生成配送数据。配送数据可以包括配送产品信息、配送计划数据、用户反馈、包装箱回收情况等。进一步地,无人机可以将生成的配送数据发送给交易平台或者服务器(例如,服务器110)。
图4是根据本说明书一些实施例所示的无人机采集产品信息的示例性流程图。在一些实施例中,流程400可以由服务器110和/或图2中的模块执行。
步骤410,确定用户下单概率,步骤410可以由下单概率确定模块220执行。
在一些实施例中,下单概率确定模块220可以根据多种方式确定用户的下单概率。例如,下单概率确定模块可以根据用户的历史下单信息确定与一种或多种产品信息对应的用户下单概率。在一些实施例中,下单概率确定模块220可以使用训练好的预测模型,确定与一种或多种产品信息对应的用户下单概率。使用训练好的预测模型确定与一种或多种产品信息对应的用户下单概率,可以有效提高用户下单概率确定的效率和准确性,后续可以根据用户的下单概率确定向用户推送的信息、信息的采集粒度等,进一步满足用户对交易平台的个性化浏览需求,降低信息采集成本,提高产品成交的概率。用户下单概率的确定细节可以参见图3中的步骤320及其相关描述,此处不再赘述。
步骤420,判断用户下单概率是否大于概率阈值,步骤420可以由粒度调整模块260执行。
在一些实施例中,概率阈值可以是交易平台的技术人员设定的。在一些实施例中,概率阈值可以是粒度调整模块260自动确定的。仅作为示例,粒度调整模块260可以确定概率阈值为60%、75%、80%、90%、95%等。
步骤430,响应于用户下单概率大于概率阈值,调整无人机的信息采集粒度使其小于粒度阈值,步骤430可以由粒度调整模块260执行。
信息采集粒度表示无人机采集信息的精细度。信息采集粒度越细或越小,表示无人机采集信息时采集的越详细,可以给用户展现的信息越多。例如,信息采集粒度越细或越小,可以表示无人机通过摄像头采集的图像的分辨率越高,拍摄的产品细节更多,拍摄的图像清晰度越高,拍摄的产品图像的维度越多等。又例如,采集信息粒度越细或越小可以为无人机采集产品的信息的时间间隔越短,拍摄的产品图像越多,采集的产品信息越多,得到的产品信息准确度越高。
步骤440,响应于所述用户下单概率小于所述概率阈值,调整所述无人机的信息采集粒度使其大于所述粒度阈值,步骤440可以由粒度调整模块260执行。
在一些实施例中,响应于用户的下单概率小于概率阈值,粒度调整模块260可以提高无人机的信息采集粒度。无人机的信息采集粒度大或越粗,无人机采集的产品的范围越广,采集的产品信息细节越少,拍摄的产品图像的维度越少。降低无人机信息采集粒度的大小,可以降低采集成本,同时减少用户的浏览成本,对下单意愿不强的用户可以仅展示粗略的信息,以便用户进行选择。
在一些实施例中,粒度调整模块260可以通过调整无人机中内置的信息采集设备来调整无人机的信息采集粒度。例如,粒度调整模块260可以通过缩短或增大采样距离来调整无人机的信息采集粒度。又例如,粒度调整模块260可以通过控制无人机拍摄照片的数量调整无人机的信息采集粒度。又例如,粒度调整模块260可以通过调整无人机的分辨率调整无人机采集的信息采集粒度。又例如,处理设备可以通过无人机上的传感器的质量来调整信息采集粒度。再例如,处理设备可以通过增加或减少无人机上传感器的数量调整信息采集粒度。
在一些实施例中,响应于用户的下单概率大于概率阈值,粒度调整模块260可以减小无人机的信息采集粒度,从而使得无人机可以得到更多产品信息的细节,有利于用户获取更多的产品细节,促进用户对产品的下单。
图5是根据本说明书一些实施例所示的农产品集购方法的示例性流程图。如图5所示,流程500包括下述步骤。在一些实施例中,流程500可以由服务器110和/或图2中所示的模块执行。
在步骤510中,服务器110(例如,信息确定模块210)可以从终端130或者集购平台590获取用户的使用信息。集购指的是几个用户合起来在交易平台购买一种产品,或者是一个用户在同一个交易平台购买多种产品。
信息确定模块210可以将用户的使用信息输入训练好的请求确定模型,请求确定模型输出用户的信息查看请求。
在步骤520中,根据用户的信息查看请求,信息确定模块210可以确定与用户的信息查看请求对应的一种或多种农产品信息。关于用户的使用信息的获取以及一种或多种农产品信息的确定方法可以参见图3中的步骤310及其相关描述。
在步骤530中,信息采集模块230可以将确定的一种或多种农产品的信息传送给无人机。无人机可以根据接收到的一种或多种农产品的信息进行一种或多种农产品信息的采集。
在步骤540中,下单概率确定模块220可以将用户的信息查看请求输入到训练好的预测模型,预测模型输出用户下单概率。关于用户下单概率确定的细节可以参见图3中步骤320及其相关描述。
在步骤550中,粒度调整模块260可以根据用户的下单概率调整无人机的信息采集粒度。关于无人机进行信息采集的细节可以参见附图3中步骤330及其相关描述。
在步骤560中,无人机153-1可以将采集的一种或多种农产品信息,例如,通过有线或者无线的连接方式,传送给农产品集购平台590。有线的连接方式可以包括但不限于金属电缆、光学电缆或者金属和光学的混合电缆等。无线的连接方式可以包括但不限于蓝牙TM、Wi-FiTM、WiMAXTM、WLAN、ZigBeeTM、移动网络(例如,3G、4G、5G等)等。
在步骤570中,信息推送模块240可以根据用户的下单概率,确定推送给终端130的信息。关于推送信息的确定细节可以参考图3中步骤340及其相关描述。
在步骤580中,信息推送模块240可以将确定的推送信息(例如,一种或多种农产品的信息、推荐信息等)推送给终端130。展示模块250可以确定推送信息的展示方式。用户可以通过终端130查看推送的信息。
根据推送的信息,用户可以通过终端130对一种或多种农产品下单。
在步骤585中,配送模块270可以将用户的配送需求信息和用户的信息查看请求输入到训练好的推荐模型中,推荐模型可以输出无人机153-2的配送服务信息。
在步骤595中,配送模块270可以根据无人机153-2的配送服务信息,确定无人机153-2的配送计划。根据配送计划,无人机153-2可以配送用户下单的农产品。在一些实施例中,无人机153-2可以和无人机153-1为同一个无人机或者不同的无人机。
本申请实施例可能带来的有益效果包括但不限于:(1)根据用户的信息查看请求,确定与用户的信息查看请求对应的一种或多种产品信息,可以满足用户对产品信息个性化的了解需求;(2)根据用户的下单概率,调整无人机的信息采集粒度,可以改善用户体验和提高下单概率,同时可以降低采集成本;(3)根据用户对产品的下单概率,确定向用户推送的信息,可以提高用户的下单概率;(4)采用无人机配送,可以提高产品交易效率,减少人力资源的耗费。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (8)
1.一种产品交易方法,包括:
根据用户的信息查看请求,确定一种或多种产品信息;其中,部分所述信息查看请求基于用户使用产品交易平台时生成的使用信息,采用请求确定模型确定;
根据所述一种或多种产品信息,利用训练好的预测模型,确定与所述一种或多种产品信息对应的用户下单概率;
判断所述用户下单概率是否大于概率阈值,响应于所述用户下单概率大于所述概率阈值,调整无人机的信息采集粒度使其小于粒度阈值,或响应于所述用户下单概率小于所述概率阈值,调整所述无人机的信息采集粒度使其大于所述粒度阈值;
发送所述确定的一种或多种产品信息到无人机,所述无人机基于所述信息采集粒度采集所述一种或多种产品信息;
根据所述用户下单概率,向所述用户推送所述无人机采集的一种或多种产品信息和推荐信息中的一种或多种,所述推荐信息根据所述用户下单概率确定。
2.根据权利要求1所述的产品交易方法,其特征在于,所述根据所述用户下单概率,向所述用户推送所述无人机采集的一种或多种产品信息和推荐信息中的一种或多种,包括:
根据所述下单概率,确定所述无人机采集的所述一种或多种产品信息的展示方式,所述无人机采集的一种或多种产品信息的展示方法包括所述一种或多种产品信息的单独或组合展示方式。
3.根据权利要求1所述的产品交易方法,进一步包括:
根据用户的配送需求信息和所述用户的信息查看请求,利用训练好的推荐模型,确定无人机配送的服务信息;
根据所述无人机配送的服务信息,利用无人机配送与用户下单信息对应的产品。
4.一种产品交易系统,其特征在于,包括产品信息确定模块、下单概率确定模块、粒度调整模块、信息采集模块、信息推送模块;
所述信息确定模块用于根据用户的信息查看请求,确定一种或多种产品信息;其中,部分所述信息查看请求基于用户使用产品交易平台时生成的使用信息,采用请求确定模型确定;
所述下单概率确定模块用于根据所述一种或多种产品信息,利用训练好的预测模型,确定与所述一种或多种产品信息对应的用户下单概率;
所述粒度调整模块用于判断所述用户下单概率是否大于概率阈值,响应于所述用户下单概率大于所述概率阈值,调整无人机的信息采集粒度使其小于粒度阈值,或响应于所述用户下单概率小于所述概率阈值,调整所述无人机的信息采集粒度使其大于所述粒度阈值;
所述信息采集模块用于发送所述确定的一种或多种产品信息到无人机,所述无人机基于所述信息采集粒度采集所述一种多种产品信息;
所述信息推送模块用于根据所述用户下单概率,向所述用户推送所述无人机采集的一种或多种产品信息和推荐信息中的一种或多种,所述推荐信息根据所述用户下单概率确定。
5.如权利要求4所述的产品交易系统,还包括展示模块,其特征在于,
所述展示模块用于根据所述下单概率,确定所述无人机采集的所述一种或多种产品信息的展示方式,所述无人机采集的一种或多种产品信息的展示方法包括所述一种或多种产品信息的单独或组合展示方式。
6.如权利要求4所述的产品交易系统,还包括配送模块,其特征在于,所述配送模块用于:
根据用户的配送需求信息和所述用户的信息查看请求,利用训练好的推荐模型,确定无人机配送的服务信息;
根据所述无人机配送的服务信息,利用无人机配送与用户下单信息对应的产品。
7.一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行如权利要求1至3任一项所述的产品交易方法。
8.一种用于产品交易的装置,所述装置包括处理器以及存储器,所述存储器用于存储指令,其特征在于,所述处理器用于执行所述指令,以实现如权利要求1至3中任一项所述的产品交易的方法对应的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110692898.3A CN113435966B (zh) | 2021-06-22 | 2021-06-22 | 一种产品交易方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110692898.3A CN113435966B (zh) | 2021-06-22 | 2021-06-22 | 一种产品交易方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113435966A CN113435966A (zh) | 2021-09-24 |
CN113435966B true CN113435966B (zh) | 2022-06-03 |
Family
ID=77757160
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110692898.3A Active CN113435966B (zh) | 2021-06-22 | 2021-06-22 | 一种产品交易方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113435966B (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150356658A1 (en) * | 2014-06-06 | 2015-12-10 | Baynote, Inc. | Systems And Methods For Serving Product Recommendations |
CN108418865A (zh) * | 2018-02-06 | 2018-08-17 | 优酷网络技术(北京)有限公司 | 基于无人机的信息采集方法及装置 |
CN109460816B (zh) * | 2018-11-16 | 2020-09-18 | 焦点科技股份有限公司 | 一种基于深度学习的用户行为预测方法 |
CN110060090A (zh) * | 2019-03-12 | 2019-07-26 | 北京三快在线科技有限公司 | 推荐商品组合的方法、装置、电子设备及可读存储介质 |
CN110458649A (zh) * | 2019-07-11 | 2019-11-15 | 北京三快在线科技有限公司 | 信息推荐方法、装置、电子设备及可读存储介质 |
CN110544129A (zh) * | 2019-09-05 | 2019-12-06 | 创新奇智(青岛)科技有限公司 | 一种面向社交电商用户的个性化推荐方法 |
CN110599307A (zh) * | 2019-09-17 | 2019-12-20 | 北京三快在线科技有限公司 | 一种商品推荐的方法及装置 |
-
2021
- 2021-06-22 CN CN202110692898.3A patent/CN113435966B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113435966A (zh) | 2021-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20170061394A1 (en) | Method and Apparatus to Automatically Facilitate Changes to a Fresh Produce Display | |
KR20200081050A (ko) | O2o 기반 유통기한임박 상품 할인 서비스 제공 방법 | |
HU230500B1 (hu) | Eljárás és berendezés kisállat-gondozási termék testre-szabására | |
CN113435966B (zh) | 一种产品交易方法和系统 | |
JP2007164735A (ja) | 容易で安価なリアルタイムの広告システム | |
JP2004326411A (ja) | 需要動向予測装置及び需要動向予測システム | |
CN107967503A (zh) | 食蔬生产运送系统 | |
US20170103405A1 (en) | Statistical data generation server device, statistical data generation system, and statistical data generation method | |
WO2021199132A1 (ja) | 情報処理装置、情報処理方法、及び、記録媒体 | |
KR20190021524A (ko) | 생산자 주문 관리 애플리케이션 및 이를 실행하기 위한 장치, 및 소비자 맞춤형 주문 생산 시스템 | |
JP7064047B1 (ja) | 情報処理装置、情報処理方法及びプログラム | |
WO2021038813A1 (ja) | コンピュータシステム、食品売買仲介方法及びプログラム | |
CN117273869B (zh) | 一种基于用户数据的农产品智能推送方法、系统、装置以及介质 | |
JP7144585B1 (ja) | 情報処理装置、情報処理方法及びプログラム | |
KR102468347B1 (ko) | 꽃배달 서비스 제공 시스템 | |
US20230419392A1 (en) | Displaying a three-dimensional image of an item to a user of an online concierge system during order fulfillment | |
KR20240006472A (ko) | 농산물 배송 시스템 | |
JP2023051347A (ja) | 情報処理装置、情報処理方法、及び、プログラム | |
JP7169416B1 (ja) | 情報処理装置、情報処理方法及びプログラム | |
US20240144173A1 (en) | Suggesting a recipe to a customer of an online concierge system based on items likely to be available | |
KR102556215B1 (ko) | 비저장성 작물 판매 시스템 | |
US11783400B1 (en) | Method, computer program product, and system for displaying augmented reality elements for navigating to a location of an item within a warehouse | |
KR102573013B1 (ko) | 개인 맞춤형 오프라인 매장 구현 시스템 | |
JP2023049795A (ja) | 情報処理装置、情報処理方法及びプログラム | |
Bester | Development of a toolkit for the evaluation and improvement of commercial citrus supply prediction methods |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Sun Tong Inventor after: Huang Guiheng Inventor before: Sun Tong Inventor before: Huang Guiheng |
|
GR01 | Patent grant | ||
GR01 | Patent grant |