CN113469478A - 一种信息处理方法、电子设备和计算机程序产品 - Google Patents

Abstract

本公开的实施例提供了一种信息处理方法、电子设备和计算机程序产品。该方法包括：获得产品的普及水平和与产品相关联的多个属性的值。该方法还包括：通过将普及水平和多个属性的值应用于数据处理模型，确定多个属性对产品的普及水平的多个影响因子。该方法进一步包括：基于多个影响因子来确定调整多个属性中的至少一个属性，以提高产品的普及水平。本公开的实施例可以指导产品提供方有效地提高产品的普及水平。

Description

一种信息处理方法、电子设备和计算机程序产品

技术领域

本公开的实施例一般地涉及计算机技术或信息处理技术，并且更特别地，涉及一种信息处理方法、电子设备和计算机程序产品。

背景技术

广义地说，产品是生产出来的任何物品。产品还可以是指作为商品提供给市场，被人们使用和消费，并能满足人们某种需求的任何东西，包括有形的物品、无形的服务、组织、观念或它们的组合。从另一个角度来看，产品可以是“一组将输入转化为输出的相互关联或相互作用的活动”的结果，即“过程”的结果。此外，产品还可以是指为了满足市场需要而创建的用于运营的功能及服务，或者是以使用为目的有价值物品和服务。

通常，某种产品的普及水平可以是指该产品在全体可能用户中的普及程度，其可以反映该产品的受欢迎程度、用户对该产品的满意度、该产品的竞争力、该产品的提供方在行业中的地位，等等。因此，产品的提供方总是希望提高产品的普及水平。

发明内容

本公开的实施例涉及一种信息处理方法、电子设备和计算机程序产品。

在本公开的第一方面，提供了一种信息处理方法。该方法包括：获得产品的普及水平和与产品相关联的多个属性的值。该方法还包括：通过将普及水平和多个属性的值应用于数据处理模型，确定多个属性对产品的普及水平的多个影响因子。该方法进一步包括：基于多个影响因子来确定调整多个属性中的至少一个属性，以提高产品的普及水平。

在本公开的第二方面，提供了一种电子设备。该电子设备包括至少一个处理器以及存储有计算机程序指令的至少一个存储器。至少一个存储器和计算机程序指令被配置为，与至少一个处理器一起，使得电子设备：获得产品的普及水平和与产品相关联的多个属性的值。至少一个存储器和计算机程序指令还被配置为，与至少一个处理器一起，使得电子设备：通过将普及水平和多个属性的值应用于数据处理模型，确定多个属性对产品的普及水平的多个影响因子。至少一个存储器和计算机程序指令进一步被配置为，与至少一个处理器一起，使得电子设备：基于多个影响因子来确定调整多个属性中的至少一个属性，以提高产品的普及水平。

在本公开的第三方面，提供了一种计算机程序产品。该计算机程序产品被有形地存储在非易失性计算机可读介质上并且包括机器可执行指令。机器可执行指令在被执行时使机器执行根据第一方面的方法的步骤。

应当理解，发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其他特征通过以下的描述将变得容易理解。

附图说明

通过参考附图阅读下文的详细描述，本公开的实施例的上述以及其他目的、特征和优点将变得容易理解。在附图中，以示例性而非限制性的方式示出了本公开的若干实施例。

图1示出了本公开的实施例可以在其中实现的示例信息处理环境的示意图。

图2示出了根据本公开的实施例的示例信息处理方法的流程图。

图3示出了根据本公开的实施例的由数据处理模型输出的示例因果结构。

图4示出了根据本公开的实施例的用于获得第一属性集合中的属性的值的示例过程的流程图。

图5示出了根据本公开的实施例的用于获得与产品相关联的多个属性的值的示例过程的流程图。

图6示出了根据本公开的实施例的用于确定调整至少一个属性的示例过程的流程图。

图7示出了根据本公开的实施例的按照对产品普及水平的影响大小排序的示例属性。

图8示出了根据本公开的实施例的在产品的不同供应力度下的示例的产品普及水平。

图9示出了根据本公开的实施例的产品在北部分区的不同的场所覆盖率下的示例的产品普及水平。

图10示出了根据本公开的实施例的在产品被供应之后的相应月的示例场所覆盖率。

图11示出了根据本公开的实施例的四个分区的示例总场所数目和总平均场所大小。

图12示出了一种可以被用来实施本公开的实施例的设备的示意性框图。

贯穿所有附图，相同或者相似的参考标号被用来表示相同或者相似的组件。

具体实施方式

下面将参考附图中所示出的若干示例性实施例来描述本公开的原理和精神。应当理解，描述这些具体的实施例仅是为了使本领域的技术人员能够更好地理解并实现本公开，而并非以任何方式限制本公开的范围。在以下描述和权利要求中，除非另有定义，否则本文中使用的所有技术和科学术语具有与本公开所属领域的普通技术人员通常所理解的相同含义。

如上文指出的，产品的普及水平可以是指该产品在全体可能用户中的普及程度，其可以反映该产品的受欢迎程度、用户对该产品的满意度、该产品的竞争力、该产品的提供方在行业中的地位，等等。如本文中使用的，产品的“普及水平”可以是指产品的普及率，例如，可以表示为产品的用户数目与所有可能用户数目的比率。此外，产品的“普及水平”还可以是指产品的市场占有率(即，市场份额)等类似指标。更一般地，产品的“普及水平”可以是如下的任何指标或参数，其可以反映产品在一定范围(例如，某个人群、某个国家、某个地区、某个行业、某个市场，等等)之内的被使用的广泛程度。

通常，产品的提供方总是希望提高产品的普及水平。具体地，产品(尤其是新产品)的提供方可能需要首先了解影响产品普及水平的主要因素，然后可以通过调整这些因素来提高产品的普及水平。例如，某牙膏提供方为提升其新产品牙膏的市场份额，可能需要知道影响新产品牙膏的市场份额的那些关键因素，从而可以改进新产品牙膏的相应产品设计和相关策略来提升新产品牙膏的市场份额。然而，传统的方案无法有效地确定出影响产品普及水平的因素。

鉴于传统方案中存在的上述问题以及潜在的其他问题，本公开的实施例提出了一种信息处理方法、电子设备和计算机程序产品，用以提高产品的普及水平。其主要思想在于，基于与产品相关联的数据，自动化地分析影响产品普及水平的因果结构和关键因素，从而可以相应地制定产品的设计和相关策略来提高产品的普及水平。相对于传统方案，本公开的实施例可以自动化地学习对产品普及水平影响较大的与产品相关联的至少一个属性，然后调整该至少一个属性以提升产品的普及水平。总之，本公开的实施例可以指导产品提供方有效地提高产品的普及水平。下文参考图1至图11来详细地描述本公开的一些实施例。

图1示出了本公开的实施例可以在其中实现的示例信息处理环境100的示意图。如图1所示，信息处理环境100可以包括计算设备110，其上可以实现或运行有数据处理模型120。在一些实施例中，计算设备110可以包括任何能够实现计算功能和/或控制功能的设备，包括但不限于，专用计算机、通用计算机、通用处理器、微处理器、微控制器、或状态机。计算设备110还可以实施为个体计算设备或计算设备的组合，例如，数字信号处理器(DSP)和微处理器的组合、多个微处理器、一个或多个微处理器结合DSP核心、或者任何其他这样的配置。另外要指出的是，在本公开的上下文中，计算设备110也可以称为电子设备110，这两个术语在本文中可以互换地使用。

在一些实施例中，数据处理模型120可以包括因果关系模型，例如，结构因果模型(SCM)。结构因果模型结合了结构方程(SEM)、虚拟事实模型(RCM)、概率图模型(主要是贝叶斯网络)，并将其应用于因果分析。通过使用因果关系模型，数据处理模型120可以提高特征变量对目标变量的所确定的影响因子的准确度。在其他实施例中，数据处理模型120可以包括能够计算特征变量对目标变量的影响因子的任何算法或模型，诸如各种类型的机器学习模型，等等。更一般地，数据处理模型120可以是具有数据处理能力的任何模型。

根据本公开的实施例，为了提高某种产品(例如，新产品)的普及水平，该产品的普及水平130(例如，按月计算的普及水平)和与产品相关联的多个属性的值140可以被提供给计算设备110。接着，计算设备110可以使用数据处理模型120来确定输入的多个属性对产品的普及水平130的影响因子(也即，影响权重或影响大小)150。然后，基于多个属性对产品的普及水平130的影响因子，计算设备110可以确定选择性地调整多个属性中的至少一个属性，以提高产品的普及水平130。在下文中，为了描述的简便，计算设备110所针对的要提高普及水平的产品也被称为“本产品”或“目标产品”。

在一些实施例中，示例信息处理环境100中的各个组件之间的通信链路可以是能够实现这些组件之间的数据通信或控制信号通信的任何形式的连接或耦合，包括但不限于，同轴电缆、光纤电缆、双绞线、或无线技术(诸如红外、无线电和微波)。在一些实施例中，通信链路还可以包括但不限于，网卡、集线器、调制解调器、中继器、网桥、交换机、路由器等用于网络连接的设备、以及各种网络连接线路、无线链路等。在一些实施例中，通信链路可以包括各种类型的总线。在其他实施例中，通信链路可以包括计算机网络、通信网络、或者其他有线或无线网络。

应当理解，图1仅示意性地示出了示例信息处理环境100中的与本公开的实施例相关的单元、模块或组件。在实践中，示例信息处理环境100还可以包括用于其他功能的其他单元、模块或组件。此外，图1中示出的单元、模块或组件的特定数目仅是示意性的，无意以任何方式限制本公开的范围。在其他实施例中，示例信息处理环境100可以包括任何适当数目的计算设备和数据处理模型等。因此，本公开的实施例不限于图1所描绘的具体设备、单元、模块或组件，而是一般性地适用于任何基于计算设备的信息处理环境。

图2示出了根据本公开的实施例的示例信息处理方法200的流程图。在一些实施例中，方法200可以由信息处理环境100中的计算设备110来实现，例如可以由计算设备110的处理器或处理单元来实现，或者由计算设备110的各种功能模块来实现。在其他实施例中，方法200也可以由独立于信息处理环境100的计算设备来实现，或者可以由信息处理环境100中的其他单元或模块来实现。为了便于讨论，下文将参考图1来描述方法200。

在210处，计算设备110可以获得产品的普及水平130和与产品相关联的多个属性的值140。在一些实施例中，产品普及水平130的相关数据可以按照在一定时间段上的采样值的形式提供给计算设备110。例如，计算设备110可以获得产品在每年、每月或每日的普及水平。当然，具有任何其他时长的普及水平的采样或统计时间段也是可行的。在其他实施例中，产品普及水平130的相关数据也可以按照任何其他适合的形式提供给计算设备110。

此外，为了分析得出影响产品普及水平130的主要因素或关键因素，计算设备110可以获得与产品相关联的待分析的多个属性的值140，以便在该多个属性中确定对产品普及水平130影响较大的属性。如本文中使用的，与产品相关联的属性可以是指可能影响到产品的普及水平130的产品本身的任何性质或特征、或者与产品相关联的环境或各种策略的任何性质或特征。

如本文中使用的，属性的值140可以采用任何适合的数据形式来表示，具体的数据形式可能取决于描述属性的方式。作为示例，属性的值140可以包括连续的数值，例如，用户成本和供应量等属性可以通过连续的数值来表示。作为另一种示例，属性的值140也可以包括不连续的数值，例如，属性“产品是否为薄荷口味”可以具有仅两种取值，而属性“产品首次被供应的季节”可以具有四种取值。在其他情况下，属性的值140还可以是用于描述属性的本文形式，例如，属性“产品在北部地区的供应量”中的“北部地区”可以用文本形式来表达。在这种情况下，计算设备110可以对文本形式的属性值或属性内容进行处理，转化为数值或布尔形式的值，以便进一步处理。

在一些实施例中，与产品有关的这些属性的值140可以通过对产品的相关数据进行采样、统计或计算来得出，然后可以输入给计算设备110。在其他实施例中，作为由用户或其他设备向计算设备110提供产品的普及水平130和多个属性的值140的替代方式，计算设备110可以自动地从存储有上述数据的数据库或互联网数据资源中识别并抓取这些数据。例如，计算设备110可以定期地或实时地在数据库或互联网数据资源中监测这些数据。因此，在计算设备110检测到产品的普及水平130和多个属性的值140被生成或存储后，计算设备110可以自动地获取这些数据。需要指出的是，在后文的描述中，在提到计算设备110获得数据或信息时，计算设备110可以从用户或其他设备处接收这样的数据或信息，也可以是自动地从存储有这些数据或信息的位置获取这些数据或信息。

此外，需要说明的是，潜在地影响产品普及水平130的与产品相关联的属性可能是来自多个方面的属性。例如，作为一方面属性的示例，产品所在的竞争环境(诸如，市场环境)可能会影响到产品的普及水平130。一般地，产品所在的竞争环境越激烈，意味着本产品的竞争产品具有强的竞争力，所以本产品的普及水平130可能越低。反之，产品所在的竞争环境越缓和，意味着本产品的竞争产品不具有强的竞争力，所以本产品的普及水平130可能越高。另外，除了本产品的竞争产品之外，还可能存在与本产品相关联的其他产品的属性可能会影响本产品的普及水平130，例如，与本产品捆绑在一起被供应的相关产品，等等。

因此，在一些实施例中，在获得与产品相关联的多个属性的值140时，计算设备110可以获得与产品的多个相关产品(也称为第一产品，例如，竞争产品)相关联的第一属性集合中的属性的值，以便描述产品所在的竞争产品环境和其他产品环境。以此方式，产品所在的竞争环境的相关因素可以在分析影响产品普及水平130的关键因素时被考虑到。例如，如果计算设备110后续分析出竞争产品对本产品的普及水平130的影响因子较大，则本产品的设计、用户成本策略和供应量策略可以参照竞争产品来进行或制定，从而有效地提高本产品的普及水平130。

需要说明的是，在下文的描述中，以竞争产品作为相关产品或第一产品的示例描述了本公开的一些实施例。然而，将理解，本公开的实施例不限于本产品的竞争产品，而是等同地适用于与本产品有关的任何其他相关产品或第一产品。

更具体地，计算设备110可以获得多个竞争产品的供应量、用户成本和普及水平等方面的数据，以作为上述第一属性集合中的属性的值。换言之，本产品的各种竞争产品的供应量、用户成本和普及水平将会影响到本产品的普及水平，因此可以作为与产品相关联的多个属性的值140提供给计算设备110。

需要注意的是，本产品的多个竞争产品可能是各不相同的，这些竞争产品中的某种竞争产品可能与本产品在一些特性上具有相同的取值，另一种竞争产品可能与本产品在另一些特性上具有相同的取值，而又一种竞争产品可能与本产品在大多数特性上均具有相同的取值。也就是说，不同竞争产品可能与本产品的相似程度不同，或者在不同的特性上与本产品相同。

在本公开的上下文中，“特性”可以是指产品特有的性质。更一般地，产品的特性也可以是产品的任何性质或特点。例如，在产品是牙膏的情况下，产品的特性可以包括容量、包装、功效、口味、药用、品牌，等等。应当明白，在产品是除了牙膏以外的其他物品或服务的情况下，产品的特性可以包括其他适当的特性。

因此，在一些实施例中，为了更为准确地分析得出与不同竞争产品相关联的属性对本产品的普及水平130的影响因子，计算设备110可以基于竞争产品与本产品的哪些特性相同，将本产品的多个竞争产品分成多个竞争产品组，然后再针对每个竞争产品组来确定与产品相关联的属性的值。后文中将参考图4来描述这样的示例。

作为另一方面属性的示例，产品的用户成本(例如，产品定价)策略可能会影响到产品的普及水平130。在本公开的上下文中，产品的“用户成本”可以是指用户为了使用产品所需要付出的成本或代价，例如，用户需要为产品支付的对价。一般地，产品的用户成本越高，意味着用户获得产品需要付出更高的成本，所以产品的普及水平130可能越低。反之，产品的用户成本越低，意味着用户获得产品需要付出更低的成本，所以产品的普及水平130可能越高。

因此，在一些实施例中，在获得与产品相关联的多个属性的值140时，计算设备110可以获得与产品的用户成本策略相关联的第二属性集合中的属性的值，以描述产品的用户成本策略(例如，定价策略)。以此方式，产品的用户成本策略的相关因素可以在分析影响产品普及水平130的关键因素时被考虑到。例如，可能影响产品的普及水平130的与用户成本有关的属性可以被分析，并且在被确定为对产品普及水平130的影响较大时可以被调整，从而有效地提高本产品的普及水平130。

更具体地，第二属性集合中的属性可以包括产品在一个时间段(例如，一个月、新产品开始被供应的当月，等等)内的平均用户成本。备选地或另外地，第二属性集合中的属性可以包括产品的平均用户成本与多个竞争产品中的同类产品的平均用户成本的比率。如此，本产品的绝对用户成本和与同类产品的相对用户成本可以被分析，并且在被确定为对产品的普及水平130影响较大时可以被调整，从而有效地提高本产品的普及水平130。需要说明的是，如本文中使用的，产品和竞争产品可以共有多个特性，而同类产品的该多个特性的取值与本产品是相同的。

又例如，第二属性集合中的属性还可以包括本产品的用户成本弹性、考虑时延的用户成本弹性、相对用户成本弹性、考虑时延的相对用户成本弹性、最大用户成本波动值、相对最大用户成本波动值、平均用户成本波动值、相对平均用户成本波动值、用户成本调整频率、用户成本差异、相对用户成本差异中的任一项或者任何组合。如此，与本产品的用户成本有关的各种统计属性也可以被分析，并且在被确定为对产品普及水平130影响较大时可以被调整，从而有效地提高本产品的普及水平。

在上述属性中，用户成本弹性可以表示为本产品在Y月的平均价格与X月的平均价格之差。考虑时延的用户成本弹性可以表示为本产品在Y月的后两周的平均价格与X月的平均价格之差。相对用户成本弹性可以表示为本产品在Y月的平均价格与X月的平均价格之差除以X月的平均价格。考虑时延的相对用户成本弹性可以表示为本产品在Y月的后两周的平均价格与X月的平均价格之差除以X月的平均价格，其中X、Y均为整数并且Y>X。

最大用户成本波动值可以表示为本产品在X月-Y月中的最高价格与最低价格之差。相对最大用户成本波动值可以表示为本产品在X月-Y月中的最高价格与最低价格之差除以X月的平均价格。平均用户成本波动值可以表示为本产品在多个相邻月份的平均价格差之和除以月份数。相对平均用户成本波动值可以表示为平均用户成本波动值除以某月的平均价格。用户成本调整频率可以表示为本产品在X月-Y月中的价格变化次数。用户成本差异可以表示为本产品开始被供应后的价格与开始被供应当月的价格之差。相对用户成本差异可以表示为用户成本差异除以某月的平均价格。将理解，这里使用月为统计时间段仅是示意性的，无意以任何方式限制本公开的范围。在其他实施例中，上述属性可以基于任何长度的时间段来获得。

作为又一方面属性的示例，产品的供应策略(例如，投放策略)可能会影响到产品的普及水平130。一般地，产品的供应量或供应范围越小，意味着用户获得产品的可能性越低，所以产品的普及水平130可能越低。反之，产品的供应量或供应范围越大，意味着用户获得产品的可能性越高，所以产品的普及水平130可能越高。

因此，在一些实施例中，在获得与产品相关联的多个属性的值140时，计算设备110可以获得与产品的供应策略相关联的第三属性集合中的属性的值，以描述产品的供应策略。以此方式，产品的供应策略的相关因素可以在分析影响产品普及水平130的关键因素时被考虑到。例如，可能影响产品的普及水平130的与供应策略有关的属性可以被分析，并且在被确定为对产品普及水平130的影响较大时可以被调整，从而有效地提高本产品的普及水平。

在一些实施例中，第三属性集合中的属性可以包括以下属性中的任一种或任何组合：本产品首次被供应时的季节；在包括多个地理分区(例如，东部、南部、西部、北部)的地理区域(例如，整个行政区域，诸如国家)中，供应有产品的场所(例如，店铺)数目与总场所数目的比率；在多个地理分区中的每个地理分区中，供应有产品的场所数目与总场所数目的比率；供应有产品的地理分区的数目；在多个地理分区中的每个地理分区中，供应有产品的场所的平均大小；或者类似的属性。如此，与供应策略有关的各种统计属性也可以被分析，并且在被确定为对产品普及水平130影响较大时可以被调整，从而有效地提高本产品的普及水平。

需要说明的是，在一些实施例中，上述各个方面的属性的值可以直接通过采样或统计的方式来获得。例如，计算设备110的用户可以预先确定出需要输入给计算设备110的与产品相关联的多个属性，接着计算设备110的用户(或者计算设备110本身)可以在一段时间内记录与产品相关联的该多个属性的值。然后，计算设备110的用户可以将采样或统计到的属性的值提供给计算设备110。然而，因为提供给计算设备110的属性值所对应的属性数目通常高达数十甚至上百个，所以由计算设备110的用户逐个地记录属性的值可能是繁琐的或不现实的，而由计算设备110本身来记录则将耗费不必要的资源。

为了避免这样的不利情形，在一些实施例中，计算设备110的用户可以向计算设备110提供与本产品相关联的原始数据，例如，本产品的竞争产品的供应量、用户成本、普及水平、本产品的供应量、用户成本，等等。然后，计算设备110可以基于这些原始数据来构建或生成更多的属性，并且根据原始数据确定出所构建的这些属性的值，从而无需用户或计算设备110逐个地记录这些属性的值。后文将参考图5来详细描述这样的示例。

继续参考图2，在220处，在获得产品的普及水平130和多个属性的值140之后，计算设备110可以通过将它们应用于数据处理模型120，来确定多个属性对产品的普及水平130的多个影响因子。例如，计算设备110可以将产品的普及水平130的相关数据输入到数据处理模型120中，并且将其指定为目标变量。此外，计算设备110可以将与产品相关联的多个属性的值140输入到数据处理模型120中，并且将其指定为特征变量。

经过计算之后，数据处理模型120可以输出该多个属性中的每个属性对于产品的普及水平130的影响因子，也即影响的大小。需要说明的是，这里的影响因子可以是每个属性对产品的普及水平130的绝对影响因子，也可以是相对于其他属性的相对影响大小。也就是说，在一些实施例中，计算设备110可以提供多个属性对产品的普及水平130的影响的相对大小，也即哪些属性对产品普及水平130影响较大，哪些属性对产品普及水平130影响较小，而可以不提供具体的影响因子数值。

在一些实施例中，计算设备110可以通过实现因果结构学习模块来实施或运行数据处理模型120。在这样的实施例中，计算设备110的因果结构学习模块可以基于输入的与产品相关联的所有属性，而利用因果结构学习技术来学习这些属性与产品普及水平130之间的因果结构，并且可以基于因果结构的学习来得到影响产品普及水平130的关键因素。

将理解，数据处理模型120可以使用任何适合的方式或形式来输出多个属性对产品普及水平130的影响因子。例如，数据处理模型120可以采用列表的方式将每个属性的影响因子按顺序(例如，从大到小)依次列出。又例如，数据处理模型120可以采用柱状图的方式来表示每个属性的影响因子的大小。在一些实施例中，数据处理模型120还可以将计算得出的多个属性对产品普及水平130的影响因子以因果结构的图形表示来示出。下面参考图3来描述这样的示例。

图3示出了根据本公开的实施例的由数据处理模型120输出的示例因果结构300。在因果结构300中，底部的圆形302表示作为目标的产品普及水平130。圆形304、圆形306、圆形308、圆形312、圆形314、圆形324和圆形328表示取值连续的关键因素，也即，对产品普及水平130影响较大的取值连续的属性。

圆形310、圆形316、圆形322和圆形326表示取值连续的普通因素，也即，对产品普及水平130影响较小的取值连续的属性。三角形318表示二值的关键因素，也即，对产品普及水平130影响较大的二值属性。三角形320表示二值的普通因素，也即，对产品普及水平130影响较小的二值属性。

此外，因果结构300中的箭头表示因果效应，也即一个属性对另一个属性的因果影响。例如，圆306指向圆304意味着圆306所表示的属性的变化将会导致圆304表示的属性发生变化。因此，数据处理模型120的用户可以直观地观察出某个属性是如何对最终的目标302造成影响的。例如，属性308是间接地通过影响属性306，进而影响属性304，最后影响到目标302。又例如，属性304、属性314和属性318都对目标302存在直接的影响。

进一步地，因果结构300中的各种图形面积的大小可以直观地表示该属性对作为目标302的产品普及水平130的影响因子的大小，从而数据处理模型120的用户可以直观地观察出某个属性对于目标302而言是关键属性还是普通属性。例如，从因果结构300可以直观地看出，属性304对目标302的影响大于属性306，而属性306对目标302的影响大于属性316。

返回参考图2，在230处，基于与产品相关联的多个属性对产品的普及水平130的多个影响因子，计算设备110可以确定调整该多个属性中的至少一个属性，以提高产品的普及水平130。例如，计算设备110可以向用户或其他设备输出属性调整策略或调整建议，在其中指明计算设备110所确定的需要被调整的至少一个属性。在一些实施例中，计算设备110可以确定调整对产品的普及水平130的影响因子最大的一个属性，以提高产品的普及水平130。以此方式，在产品的特性或策略变化最小(因为仅调整一个属性)的情况下，可以高效地提升产品的普及水平130。

例如，假设对产品的普及水平130的影响因子最大的属性是上文描述的第三属性集合中的一个属性：产品在一段时间内的供应力度，也即，供应有本产品的场所(诸如，店铺)的数目与总场所数目的比率。在这种情况下，计算设备110可以确定加大产品在一段时间内的供应力度，从而提升产品的普及水平130。

又例如，假设对产品的普及水平130的影响因子最大的属性是上文描述的第三属性集合中的另一个属性：产品在北部地区(也称为分区)的场所覆盖率，也即，在北部地区供应有本产品的场所(诸如，店铺)的数目与总场所数目的比率。在这种情况下，计算设备110可以确定加大产品在北部地区的场所覆盖率，从而提升产品的普及水平130。

再例如，假设对产品的普及水平130的影响因子最大的属性是上文描述的第一属性集合中的一个属性：容量特性和包装特性与本产品不同的竞争产品的普及水平。在这种情况下，计算设备110可以确定在设计本产品时，在口味特性、功效特性、药用特性等特性方面，尽可能与品牌(也是特性之一)相同的普及水平比较高的竞争产品一致，但在容量特性与包装特性方面要与其有所区别，从而提升产品的普及水平130。

还例如，假设对产品的普及水平130的影响因子最大的属性是上文描述的第一属性集合中的另一个属性：品牌特性、包装特性、功效特性和药用特性与本产品不同的竞争产品的数目。在这种情况下，计算设备110可以确定在设计本产品时，要考虑不同于本产品的品牌(也是特性之一)的其他品牌的产品信息，尽可能做到与其他品牌设计的产品差异最大化，例如在口味特性、药用特性、包装特性方面要与绝大多数不是该品牌的竞争产品的设计有所区别，从而提升产品的普及水平130。

在其他实施例中，计算设备110还可以确定调整对产品的普及水平130的影响因子较大的多个属性来提高产品的普及水平130，从而更大程度地提升产品的普及水平130。后文中将参考图6来详细描述这样的示例。

在一些实施例中，计算设备110可以通过实现策略建议模块来确定调整该多个属性中的至少一个属性。在这样的实施例中，计算设备110的策略建议模块可以基于确定得到的影响产品普及水平130的关键因素，来制定不同策略建议并且可以提供给产品的提供方，以提高产品普及水平130。

如上文在描述图2的框210时提到的，在一些实施例中，为了更为准确地分析得出与不同竞争产品相关联的属性对本产品的普及水平130的影响因子，计算设备110可以基于竞争产品与本产品的哪些特性相同，将本产品的多个竞争产品分成多个竞争产品组，然后再针对每个竞争产品组来确定与产品相关联的属性的值。现在将参考图4来描述这样的示例。

图4示出了根据本公开的实施例的用于获得第一属性集合中的属性的值的示例过程400的流程图。在一些实施例中，过程400可以由信息处理环境100中的计算设备110来实现，例如可以由计算设备110的处理器或处理单元来实现，或者由计算设备110的各种功能模块来实现。在其他实施例中，过程400也可以由独立于信息处理环境100的计算设备来实现，或者可以由信息处理环境100中的其他单元或模块来实现。为了便于讨论，下文将参考图1来描述过程400。

在410处，计算设备110可以确定本产品和多个竞争产品共有的多个特性。如上文描述的，在本公开的上下文中，“特性”与“属性”不同，其可以是指产品特有的性质。更一般地，产品的特性也可以是产品的任何性质或特点。例如，在产品是牙膏的情况下，产品的特性可以包括容量、包装、功效、口味、药用、品牌，等等。应当明白，这里列出的几种特性仅为示例，无意以任何方式限制本公开的范围。在其他实施例中，如果产品是除了牙膏以外的其他物品或服务，则产品的特性可以包括任何其他适当的特性。

一般地，本产品和竞争产品可以共有多个特性，也即本产品和竞争产品均具有这些特性。仍然以牙膏作为示例，计算设备110可以确定本产品和竞争产品均可以具有容量、包装、功效、口味、药用、品牌等特性，也就是说，这些特性即为本产品和多个竞争产品共有的多个特性。将明白，这里列出的本产品和竞争产品的若干共有特性仅为示例性的，无意以任何方式限制本公开的范围。在其他实施例中，本产品和多个竞争产品共有的多个特性也可以是任何其他的特性。

在420处，计算设备110可以在本产品和竞争产品共有的多个特性中，确定多个竞争产品中的每个竞争产品与本产品具有相同取值的特性。例如，在本产品为牙膏的实施例中，本产品的容量的取值可以是150g、包装的取值可以是一支散装、功效的取值可以是美白、口味的取值可以是薄荷味、药用的取值可以是消炎、并且品牌的取值可以是A品牌。

因此，计算设备110可以确定某种竞争产品与本产品具有相同取值的特性是容量和包装，例如，该竞争产品也是150g和一支散装。类似地，计算设备110可以确定另一种竞争产品与本产品具有相同取值的特性是容量、功效和品牌，例如，该竞争产品也是150g、美白和A品牌。按照相同的方式，计算设备110可以针对每个竞争产品来确定其与本产品具有相同取值的特性。需要说明的是，可能存在竞争产品在所有的被考虑的特性上的取值都与本产品是相同的，或者在所有的被考虑的特性上的取值与本产品都不相同。

在430处，计算设备110可以基于与本产品具有相同取值的特性的不同组合，将多个竞争产品划分成多个产品组。例如，在上述的本产品具有6个特性的情况下，竞争产品可以被分为64个竞争产品组，也即，没有特性与本产品取值相同的竞争产品组，只有一个特性与本产品取值相同的竞争产品组，只有两个特性与本产品取值相同的竞争产品组，……，六个特性均与本产品取值相同的竞争产品组。将理解，这里描述的特定数目的特性和竞争产品组仅为示例性的，无意以任何方式限制本公开的范围，本公开的实施例等同地适用于任何数目的特性和竞争产品组。

在440处，计算设备110可以获得与多个竞争产品组相对应的多个属性组中的属性的值。例如，在上述的竞争产品被分为64个竞争产品组的情况下，计算设备110可以获得64个属性组，每个属性组可以对应于一个竞争产品组。每个属性组中可以包括所对应的竞争产品组中的多个竞争产品的可能影响到本产品的普及水平130的属性。

例如，每个属性组可以包括多个竞争产品组中的一个竞争产品组中的竞争产品的数目、平均用户成本、以及平均普及水平之一或任何组合。换言之，竞争产品的这些属性可能影响本产品的普及水平130。如此，竞争产品的对本产品普及水平130影响较大的几种属性可以被提供给计算设备110用于分析，从而使得计算设备110后续更有可能计算出对本产品的普及水平130影响更大的属性。

此外，通过使用示例过程400来获得第一属性集合中的属性的值，基于与本产品具有相同取值的特性的不同组合所划分出的竞争产品组的相关属性对本产品普及水平130的影响可以被提供给计算设备110用于分析，从而计算设备110最终可以指导本产品的提供方可以在本产品的哪些特性上，来参考对本产品普及水平130影响大的竞争产品组而被调整，从而更有效地提高本产品的普及水平130。

如上文在描述图2的框210时提到的，在一些实施例中，计算设备110的用户可以向计算设备110提供与本产品相关联的原始数据，例如，本产品的竞争产品的供应量、用户成本、普及水平、本产品的供应量、用户成本，等等。然后，计算设备110可以基于这些原始数据来构建或生成更多的属性，并且根据原始数据确定出所构建的这些属性的值，从而无需用户或计算设备110逐个地记录这些属性的值。现在将参考图5来描述这样的示例。

图5示出了根据本公开的实施例的用于获得与产品相关联的多个属性的值的示例过程500的流程图。在一些实施例中，过程500可以由信息处理环境100中的计算设备110来实现，例如可以由计算设备110的处理器或处理单元来实现，或者由计算设备110的各种功能模块来实现。在其他实施例中，过程500也可以由独立于信息处理环境100的计算设备来实现，或者可以由信息处理环境100中的其他单元或模块来实现。为了便于讨论，下文将参考图1来描述过程500。

在510处，计算设备110可以将与产品相关联的原始数据进行预处理。在一些实施例中，计算设备110可以对原始数据中的文本信息进行加工。具体地，计算设备110可以对产品的属性信息进行加工。例如，计算设备110可以基于本产品在某一特性下的可能取值来转换得到新的特性，以表示本产品是否具有该取值。作为示例，假设本产品在口味特性的可能取值有薄荷味、水果味、茶味等三种，则该特性可以转换为三个特性：本产品的口味是否为薄荷味、是否为水果味、以及是否为茶味。

另外，计算设备110可以对原始数据进行去噪，也即去除无效的样本。例如，基于目标变量为本产品在供应稳定期的某一月的普及水平，则计算设备110可以对原始数据中所有本产品的样本进行针对该月的普及水平的计算，去除目标变量为空(即本产品因为某些原因在该月没有普及水平记录)的噪音样本。

在一些实施例中，计算设备110可以通过实现数据预处理模块来对原始数据进行上述预处理。在这样的实施例中，计算设备110的数据预处理模块可以执行对原始数据的去噪和对原始数据中的文本信息的加工。

在520处，计算设备110可以基于预处理后的原始数据中的原始属性来构建多个属性。例如，预处理后的原始数据中的原始属性可能包括多种竞争产品的供应量数据、用户成本数据和普及水平数据等。在这种情况下，计算设备110可以将多种竞争产品划分成多个竞争产品组，然后针对每个竞争产品组构建竞争产品组内的竞争产品数目、平均用户成本和平均普及水平等多个属性。

又例如，预处理后的原始数据中的原始属性可能包括本产品在每个月内的平均用户成本。在这种情况下，计算设备110可以基于每月的平均用户成本，来构建出上文描述的多个属性：用户成本弹性、考虑时延的用户成本弹性、相对用户成本弹性、考虑时延的相对用户成本弹性、最大用户成本波动值、相对最大用户成本波动值、平均用户成本波动值、相对平均用户成本波动值、用户成本调整频率、用户成本差异、以及相对用户成本差异，等等。

再例如，预处理后的原始数据中的原始属性可能包括本产品在哪些场所内进行供应以及每个场所内的供应量。在这种情况下，计算设备110可以通过将场所划分地理分区(例如，东部、南部、西部和北部)而构建出上文描述的多个属性：在包括多个地理分区的地理区域中，供应有所述产品的场所数目与总场所数目的比率；在所述多个地理分区中的每个地理分区中，供应有所述产品的场所数目与总场所数目的比率；供应有所述产品的地理分区的数目，等等。

在530处，在从原始属性构建出多个新属性之后，计算设备110可以基于预处理后的原始数据来确定该多个属性的值。例如，计算设备110可以基于原始数据来计算竞争产品组内的竞争产品数目、平均用户成本和平均普及水平等，计算用户成本弹性、考虑时延的用户成本弹性、相对用户成本弹性、考虑时延的相对用户成本弹性、最大用户成本波动值、相对最大用户成本波动值、平均用户成本波动值、相对平均用户成本波动值、用户成本调整频率、用户成本差异、以及相对用户成本差异等，以及计算在包括多个地理分区的地理区域中，供应有所述产品的场所数目与总场所数目的比率；在所述多个地理分区中的每个地理分区中，供应有所述产品的场所数目与总场所数目的比率；供应有所述产品的地理分区的数目，等等。

在一些实施例中，计算设备110可以通过实现特征工程模块来实施示例过程500。在这些实施例中，计算设备110的特征工程模块可以根据原始数据中的已有特征(即属性)来设计或生成有物理意义的新特征(即新属性)，以便由因果结构学习模块(或数据处理模型120)进行后续的因果学习。例如，计算设备110的特征工程模块可以设计或生成关于本产品的竞争产品的相关新特征，用以描述本产品所处的竞争环境情况；设计或生成关于本产品的用户成本的新特征，用以描述本产品的用户成本策略信息；并且设计或生成关于本产品供应的相关新特征，用以描述本产品的供应策略信息。

通过使用示例过程500来获得多个属性的值，计算设备110可以从产品和竞争产品的原始数据中生成或构建各种各样的新属性用于后续的影响因子分析，并且在被确定为对本产品普及水平130影响较大时可以被调整，从而有效地提高本产品的普及水平。此外，示例过程500还使得用户或计算设备110无需逐个地记录这些被构建的属性的值，从而减轻了用户或计算设备110的负担，改进了用户体验，节省了处理资源。

如上文在描述图2的框210时提到的，在一些实施例中，计算设备110还可以确定调整对产品的普及水平130的影响因子较大的多个属性来提高产品的普及水平130，从而更大程度地提升产品的普及水平130。现在将参考图6来描述这样的示例。

图6示出了根据本公开的实施例的用于确定调整至少一个属性的示例过程600的流程图。在一些实施例中，过程600可以由信息处理环境100中的计算设备110来实现，例如可以由计算设备110的处理器或处理单元来实现，或者由计算设备110的各种功能模块来实现。在其他实施例中，过程600也可以由独立于信息处理环境100的计算设备来实现，或者可以由信息处理环境100中的其他单元或模块来实现。为了便于讨论，下文将参考图1来描述过程600。

在610处，计算设备110可以将多个影响因子按大小进行排序。例如，在图3的示例中，计算设备110可以将多个属性的多个影响因子按大小排序为属性304、属性306、属性308、属性314、属性316、属性318、属性324和属性328。在一些实施例中，计算设备110可以通过生成柱形图的方式来示出按大小排序后的多个影响因子及其相对应的属性。

图7示出了根据本公开的实施例的按照对产品普及水平130的影响大小排序的示例属性。在图7中描绘了图3的示例并且仅示出影响因子较大的前八个属性，也即图3中描绘的示例因果结构300中对目标302的影响因子从大到小的前八个属性依次被生成柱形图而列出。

如图7所示，与属性304、属性306、属性308、属性314、属性316、属性318、属性324和属性328分别对应的柱形从上到下，从长到短地被图示。每个属性对应的柱形表示其对目标302的影响大小。例如，在图7的示例中，属性304和属性306对目标302的影响因子大于0.5，而其他属性对目标302的影响因子小于0.5。

将理解，图7中描绘的柱形条的特定数目、柱形条的长度、属性的影响因子取值的大小仅为示例性的，无意以任何方式限制本公开的范围。本公开的实施例等同地适用于任何数目(例如，全部)的柱形条、任何长度的柱形条和具有任何适当影响因子取值的属性。

返回参考图6，在620处，计算设备110可以根据影响因子排序的结果，确定预定数目的影响因子所对应的预定数目的属性。例如，在图7的示例中，假定预定数目为三个，则计算设备110可以根据图7的排序结果，确定排在前三的影响因子所对应的三个属性为属性304、属性306和属性308。将理解，这里的预定数目的具体取值仅是示意性的，无意以任何方式限制本公开的范围。本公开的实施例等同地适用于预定数目具有任何适合取值的情况。

在630处，计算设备110可以确定调整预定数目的属性以提高产品的普及水平130。例如，在图7的示例中，计算设备110可以确定调整属性304、属性306和属性308这个三个属性，以提高产品的普及水平130。将注意到，这三个属性是对产品的普及水平130影响因子排名最靠前的三个属性，因此相比于仅调整一个属性，对三个属性的调整可以在更大的程度上提高产品的普及水平130，并且不会对本产品的设计或策略方面进行太大的改变。

换句话说，通过使用示例过程600来确定调整至少一个属性，计算设备110可以采用更加灵活和明确的方式来调整一个或多个属性，从而在普及水平130的提高程度与产品变化程度之间达到平衡，以更有效地提高产品的普及水平130。

在一些实施例中，通过实现原因洞察模块，计算设备110可以自动地或者根据用户的指示来对因果结构学习模块(或数据处理模型120)提供的属性与产品普及水平130之间的因果关系进行验证。在这些实施例中，计算设备110的原因洞察模块可以基于因果结构学习模块(或数据处理模型120)所学到的因果结构和重要属性，对属性进行进一步的统计分析，来验证因果关系的正确性。

具体地，通过图3中的局部因果结构图，计算设备110的原因洞察模块可以发现某个重要因素(即属性)影响产品普及水平130的所有路径。例如，假设在图3中属性306表示本产品某月在北部地区的场所覆盖率，而属性304表示本产品某月在整个地理区域内的供应力度。如本文中使用的，产品在北部分区场所覆盖率可以通过北部分区的供应有本产品的场所数除以北部分区的总场所数，而产品的供应力度可以表示为供应有本产品的场所数除以总场所数。

通过图3中描绘的属性306指向属性304再指向目标302的局部因果结构图，计算设备110的原因洞察模块可以发现：本产品某月在整个地理区域内的供应力度对产品普及水平130具有因果影响，而本产品某月在北部地区的场所覆盖率对本产品某月在整个地理区域内的供应力度具有因果影响。因此，计算设备110的原因洞察模块从这些属性的物理意义上印证了因果结构学习模块(或数据处理模型120)提供的属性与产品普及水平130之间的因果关系。这在图8和图9中进一步得到了印证。

图8示出了根据本公开的实施例的在产品的不同供应力度下的示例的产品普及水平130。如图8所示，与产品的供应力度区间“0-0.1”、区间“0.1-0.2”、区间“0.2-0.3”、区间“0.3-0.4”、区间“0.4-0.5”和区间“0.5-0.6”分别对应的柱形可以指示在相应供应力度下的产品的普及水平。此外，在图8的该示例中，产品的平均普及水平为0.003(虚线示出)。从图8可以明显地看出，产品的供应力度大于0.4时的产品普及水平130要远高于产品的供应力度小于0.3时的产品普及水平130。

图9示出了根据本公开的实施例的产品在北部分区的不同的场所覆盖率下的示例的产品普及水平130。如图9所示，与产品在北部分区场所覆盖率“0”、区间“0-0.1”、区间“0.1-0.2”、区间“0.2-0.3”、区间“0.3-0.4”和区间“0.4-0.5”分别对应的柱形可以指示在相应北部分区场所覆盖率下的产品的普及水平130。此外，在图9的示例中，产品的平均普及水平为0.003(虚线示出)。从图9可以明显地看出，随着产品在北部分区的场所覆盖率增加，产品普及水平130大幅增加。其原因将参考图10和图11来说明。

图10示出了根据本公开的实施例的在产品被供应之后的相应月的示例场所覆盖率。如图10所示，曲线1010表示东部分区的场所覆盖率按月的变化曲线，曲线1020表示南部分区的场所覆盖率按月的变化曲线，曲线1030表示西部分区的场所覆盖率按月的变化曲线，并且曲线1040表示北部分区的场所覆盖率按月的变化曲线。从图10中可以看出，产品在北部区域的场所覆盖率是四个区域中最低的，尤其是在产品开始供应的当月(即图10中的第1月)。换言之，北部分区的场所覆盖率是四个区域中的短板，拉低了产品的供应力度。

图11示出了根据本公开的实施例的四个分区的示例总场所数目和总平均场所大小。如图11所示，与西部、北部、东部和南部对应的柱形分别指示四个分区的总场所数目，而曲线1110表示每个分区的总平均场所大小的连线。从图11中可以发现，北部区域的总场所数目和大小与东部区域的总场所数目和大小差别很小，但是产品在北部区域的场所覆盖率却是四个区域中最低的(参见图10)。因此，当产品在北部区域的场所覆盖率增加时，该产品在整个区域的供应力度也会相应增加，进而增加产品普及水平130。可见，通过数据和图标的上述统计分析结论与因果结构学习模块(或数据处理模型120)提供的因果关系是一致的。

图12示意性地示出了一种可以被用来实施本公开的实施例的设备1200的框图。在一些实施例中，设备1200可以是电子设备，其可以用于实施图1中的计算设备110。如图12中所示出的，设备1200包括中央处理单元(CPU)1201，其可以根据存储在只读存储设备(ROM)1202中的计算机程序指令或者从存储单元1208加载到随机访问存储设备(RAM)1203中的计算机程序指令，来执行各种适当的动作和处理。在RAM 1203中，还可存储设备1200操作所需的各种程序和数据。CPU 1201、ROM 1202以及RAM 1203通过总线1204彼此相连。输入/输出(I/O)接口1205也连接至总线1204。

设备1200中的多个部件连接至I/O接口1205，包括：输入单元1206，例如键盘、鼠标等；输出单元1207，例如各种类型的显示器、扬声器等；存储单元1208，例如磁盘、光盘等；以及通信单元1209，例如网卡、调制解调器、无线通信收发机等。通信单元1209允许设备1200通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

上文所描述的各个过程和处理，例如示例方法或过程200、400、500和600可由处理单元1201来执行。例如，在一些实施例中，示例方法或过程200、400、500和600可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1208。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1202和/或通信单元1209而被载入和/或安装到设备1200上。当计算机程序被加载到RAM 1203并由CPU 1201执行时，可以执行上文描述的示例方法或过程200、400、500和600的一个或多个步骤。

如本文所使用的，术语“包括”及其类似用语应当理解为开放性包含，即“包括但不限于”。术语“基于”应当理解为“至少部分地基于”。术语“一个实施例”或“该实施例”应当理解为“至少一个实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。本文还可能包括其他明确的和隐含的定义。

如本文所使用的，术语“确定”涵盖各种各样的动作。例如，“确定”可以包括运算、计算、处理、导出、调查、查找(例如，在表格、数据库或另一数据结构中查找)、查明等。此外，“确定”可以包括接收(例如，接收信息)、访问(例如，访问存储器中的数据)等。此外，“确定”可以包括解析、选择、选取、建立等。

应当注意，本公开的实施例可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。

此外，尽管在附图中以特定顺序描述了本公开的方法的操作，但是这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。相反，流程图中描绘的步骤可以改变执行顺序。附加地或备选地，可以省略某些步骤，将多个步骤组合为一个步骤执行，和/或将一个步骤分解为多个步骤执行。还应当注意，根据本公开的两个或更多装置的特征和功能可以在一个装置中具体化。反之，上文描述的一个装置的特征和功能可以进一步划分为由多个装置来具体化。

虽然已经参考若干具体实施例描述了本公开，但是应当理解，本公开不限于所公开的具体实施例。本公开旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等效布置。

Claims (25)

1.一种信息处理方法，包括：

获得产品的普及水平和与所述产品相关联的多个属性的值；

通过将所述普及水平和所述多个属性的所述值应用于数据处理模型，确定所述多个属性对所述产品的所述普及水平的多个影响因子；以及

基于所述多个影响因子来确定调整所述多个属性中的至少一个属性，以提高所述产品的所述普及水平。

2.根据权利要求1所述的方法，其中获得所述多个属性的所述值包括：

获得与所述产品的多个竞争产品相关联的第一属性集合中的属性的值。

3.根据权利要求2所述的方法，其中获得所述第一属性集合中的所述属性的所述值包括：

确定所述产品和所述多个竞争产品共有的多个特性；

在所述多个特性中，确定所述多个竞争产品中的每个竞争产品与所述产品具有相同取值的特性；

基于与所述产品具有相同取值的特性的不同组合，将所述多个竞争产品划分成多个产品组；以及

获得与所述多个产品组相对应的多个属性组中的属性的值。

4.根据权利要求3所述的方法，其中所述多个属性组中的每个属性组包括以下至少一项：

所述多个产品组中的一个产品组中的竞争产品的数目、平均用户成本、以及平均普及水平。

5.根据权利要求1所述的方法，其中获得所述多个属性的所述值包括：

获得与所述产品的用户成本策略相关联的第二属性集合中的属性的值。

6.根据权利要求5所述的方法，其中所述第二属性集合中的所述属性包括以下至少一项：

所述产品在一个时间段内的平均用户成本；以及

所述产品的平均用户成本与多个竞争产品中的同类产品的平均用户成本的比率，所述产品和所述多个竞争产品共有多个特性，所述同类产品的所述多个特性的取值与所述产品相同。

7.根据权利要求5所述的方法，其中所述第二属性集合中的所述属性包括以下至少一项：

用户成本弹性、考虑时延的用户成本弹性、相对用户成本弹性、考虑时延的相对用户成本弹性、最大用户成本波动值、相对最大用户成本波动值、平均用户成本波动值、相对平均用户成本波动值、用户成本调整频率、用户成本差异、以及相对用户成本差异。

8.根据权利要求1所述的方法，其中获得所述多个属性的所述值包括：

获得与所述产品的供应策略相关联的第三属性集合中的属性的值。

9.根据权利要求8所述的方法，其中所述第三属性集合中的所述属性包括以下至少一项：

所述产品首次被供应时的季节；

在包括多个地理分区的地理区域中，供应有所述产品的场所数目与总场所数目的比率；

在所述多个地理分区中的每个地理分区中，供应有所述产品的场所数目与总场所数目的比率；

供应有所述产品的地理分区的数目；以及

在所述多个地理分区中的每个地理分区中，供应有所述产品的场所的平均大小。

10.根据权利要求1所述的方法，其中获得所述多个属性的所述值包括：

将与所述产品相关联的原始数据进行预处理；

基于预处理后的所述原始数据中的原始属性来构建所述多个属性；以及

基于预处理后的所述原始数据来确定所述多个属性的所述值。

11.根据权利要求1所述的方法，其中确定调整所述至少一个属性包括：

将所述多个影响因子按大小进行排序；

根据所述排序的结果，确定预定数目的影响因子所对应的所述预定数目的属性；以及

确定调整所述预定数目的所述属性以提高所述产品的所述普及水平。

12.根据权利要求1所述的方法，其中所述数据处理模型包括因果关系模型。

13.一种电子设备，包括：

至少一个处理器；以及

至少一个存储器，存储有计算机程序指令，所述至少一个存储器和所述计算机程序指令被配置为，与所述至少一个处理器一起，使得所述电子设备：

获得产品的普及水平和与所述产品相关联的多个属性的值；

通过将所述普及水平和所述多个属性的所述值应用于数据处理模型，确定所述多个属性对所述产品的所述普及水平的多个影响因子；以及

基于所述多个影响因子来确定调整所述多个属性中的至少一个属性，以提高所述产品的所述普及水平。

14.根据权利要求13所述的电子设备，其中所述电子设备被使得通过以下来获得所述多个属性的所述值：

获得与所述产品的多个竞争产品相关联的第一属性集合中的属性的值。

15.根据权利要求14所述的电子设备，其中所述电子设备被使得通过以下来获得所述第一属性集合中的所述属性的所述值：

确定所述产品和所述多个竞争产品共有的多个特性；

在所述多个特性中，确定所述多个竞争产品中的每个竞争产品与所述产品具有相同取值的特性；

基于与所述产品具有相同取值的特性的不同组合，将所述多个竞争产品划分成多个产品组；以及

获得与所述多个产品组相对应的多个属性组中的属性的值。

16.根据权利要求15所述的电子设备，其中所述多个属性组中的每个属性组包括以下至少一项：

所述多个产品组中的一个产品组中的竞争产品的数目、平均用户成本、以及平均普及水平。

17.根据权利要求13所述的电子设备，其中所述电子设备被使得通过以下来获得所述多个属性的所述值：

获得与所述产品的用户成本策略相关联的第二属性集合中的属性的值。

18.根据权利要求17所述的电子设备，其中所述第二属性集合中的所述属性包括以下至少一项：

所述产品在一个时间段内的平均用户成本；以及

所述产品的平均用户成本与多个竞争产品中的同类产品的平均用户成本的比率，所述产品和所述多个竞争产品共有多个特性，所述同类产品的所述多个特性的取值与所述产品相同。

19.根据权利要求17所述的电子设备，其中所述第二属性集合中的所述属性包括以下至少一项：

用户成本弹性、考虑时延的用户成本弹性、相对用户成本弹性、考虑时延的相对用户成本弹性、最大用户成本波动值、相对最大用户成本波动值、平均用户成本波动值、相对平均用户成本波动值、用户成本调整频率、用户成本差异、以及相对用户成本差异。

20.根据权利要求13所述的电子设备，其中所述电子设备被使得通过以下来获得所述多个属性的所述值：

获得与所述产品的供应策略相关联的第三属性集合中的属性的值。

21.根据权利要求20所述的电子设备，其中所述第三属性集合中的所述属性包括以下至少一项：

所述产品首次被供应时的季节；

在包括多个地理分区的地理区域中，供应有所述产品的场所数目与总场所数目的比率；

在所述多个地理分区中的每个地理分区中，供应有所述产品的场所数目与总场所数目的比率；

供应有所述产品的地理分区的数目；以及

在所述多个地理分区中的每个地理分区中，供应有所述产品的场所的平均大小。

22.根据权利要求13所述的电子设备，其中所述电子设备被使得通过以下来获得所述多个属性的所述值：

将与所述产品相关联的原始数据进行预处理；

基于预处理后的所述原始数据中的原始属性来构建所述多个属性；以及

基于预处理后的所述原始数据来确定所述多个属性的所述值。

23.根据权利要求13所述的电子设备，其中所述电子设备被使得通过以下来确定调整所述至少一个属性：

将所述多个影响因子按大小进行排序；

根据所述排序的结果，确定预定数目的影响因子所对应的所述预定数目的属性；以及

确定调整所述预定数目的所述属性以提高所述产品的所述普及水平。

24.根据权利要求13所述的电子设备，其中所述数据处理模型包括因果关系模型。

25.一种计算机程序产品，所述计算机程序产品被有形地存储在非易失性计算机可读介质上并且包括机器可执行指令，所述机器可执行指令在被执行时使机器执行根据权利要求1-12中任一项所述的方法的步骤。

Images