CN113610657A - 一种钢管制品的推广销售方法及系统 - Google Patents
一种钢管制品的推广销售方法及系统 Download PDFInfo
- Publication number
- CN113610657A CN113610657A CN202111178594.1A CN202111178594A CN113610657A CN 113610657 A CN113610657 A CN 113610657A CN 202111178594 A CN202111178594 A CN 202111178594A CN 113610657 A CN113610657 A CN 113610657A
- Authority
- CN
- China
- Prior art keywords
- sales
- steel pipe
- information
- data
- model
- 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.)
- Granted
Links
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 236
- 239000010959 steel Substances 0.000 title claims abstract description 236
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000005457 optimization Methods 0.000 claims abstract description 97
- 238000012549 training Methods 0.000 claims abstract description 65
- 238000004220 aggregation Methods 0.000 claims abstract description 20
- 230000002776 aggregation Effects 0.000 claims abstract description 20
- 238000009826 distribution Methods 0.000 claims description 56
- 238000011156 evaluation Methods 0.000 claims description 21
- 230000001737 promoting effect Effects 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 abstract description 25
- 230000007547 defect Effects 0.000 description 19
- 230000000694 effects Effects 0.000 description 13
- 238000011161 development Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000003754 machining Methods 0.000 description 4
- 238000009776 industrial production Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000009435 building construction Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000750 progressive 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06Q30/0241—Advertisements
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Evolutionary Computation (AREA)
- Primary Health Care (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
Abstract
本申请公开了一种钢管制品的推广销售方法及系统,所述方法包括:通过获得第一销售数据集和第二销售数据集;获得第一数据训练模型;根据第一销售数据集和第二销售数据集分别对第一数据训练模型进行训练优化,生成第一数据优化模型和第二数据优化模型,并加密上传至所述第三方虚拟服务器进行模型聚合,生成第一更新参数;对第一数据优化模型和第二数据优化模型进行更新,获得第一更新模型和第二更新模型;对第一钢管制品厂的销售模式进行更新。解决了现有技术中存在各钢管制品生产销售企业无法在保证自身销售数据不泄露的情况下,与其他同行企业的推广销售模式进行对比,无法通过取长补短来的方式调整自身销售模式的技术问题。
Description
技术领域
本申请涉及人工智能领域,尤其涉及一种钢管制品的推广销售方法及系统。
背景技术
销售模式对于企业的发展起着至关重要的作用,现实中一定不能够忽略销售模式的制定,必须要基于实际情况完成应用探索实践,在这一过程中不断总结经验,制定可行性强的产品推广和产品销售策略,从而顺着时代的东风完成可持续发展。当今是信息高速发展的时代,各种产品的推广和销售策略均要通过加强信息收集和整理,依照消费者需求寻找相应的市场来及时调整销售模式。
信息发展不可避免对各行各业产生了不同程度的影响,企业也应当适应信息时代的发展,进一步利用信息时代的特质发展和更新自身的销售模式。钢管制品企业也需要从发展的角度上看待问题,改变传统的销售模式与服务模式,完成一个全面的更新,从而全面提高对客户企业的服务水平,确保客户企业有一个轻松的购买交易过程。
本申请发明人在实现本申请实施例中技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术中存在各钢管制品生产销售企业无法在保证自身销售数据不泄露的情况下,与其他同行企业的推广销售模式进行对比,从而发现自身模式中的不足,进一步也无法找出对方模式中的优点进行学习,导致各企业无法通过取长补短来的方式调整自身销售模式,最终无法实现共赢的技术问题。
发明内容
有鉴于此,本申请实施例通过提供一种钢管制品的推广销售方法及系统,所述方法包括:通过基于大数据,对第一区域范围的第一钢管制品厂的销售情况进行采集,获得第一销售数据集;基于大数据,对第二区域范围的第二钢管制品厂的销售情况进行采集,获得第二销售数据集,其中,所述第二区域范围与所述第一区域范围分属不同区域;根据第三方虚拟服务器,获得第一数据训练模型;根据所述第一销售数据集对所述第一数据训练模型进行训练优化,生成第一数据优化模型;根据所述第二销售数据集对所述第一数据训练模型进行训练优化,生成第二数据优化模型;将所述第一数据优化模型和所述第二数据优化模型加密上传至所述第三方虚拟服务器进行模型聚合,生成第一更新参数;根据所述第一更新参数,分别对所述第一数据优化模型和所述第二数据优化模型进行更新,依次获得第一更新模型和第二更新模型;根据所述第一更新模型,对所述第一钢管制品厂的销售模式进行更新。解决了现有技术中存在各钢管制品生产销售企业无法在保证自身销售数据不泄露的情况下,与其他同行企业的推广销售模式进行对比,从而发现自身模式中的不足,进一步也无法找出对方模式中的优点进行学习,导致各企业无法通过取长补短来的方式调整自身销售模式,最终无法实现共赢的技术问题。达到了在保证各钢管制品生产销售企业自身销售数据不泄露的情况下,通过对比发现自身销售模式的不足,进一步找出对方模式中的优点进行学习,从而各钢管制品生产销售企业均可通过取长补短,实现自身销售模式的调整和更新,最终实现共赢的技术效果。
鉴于上述问题,本申请实施例提供了一种钢管制品的推广销售方法及系统。
第一方面,本申请提供了一种钢管制品的推广销售方法,所述方法通过一种钢管制品的推广销售系统实现,其中,所述方法包括:通过基于大数据,对第一区域范围的第一钢管制品厂的销售情况进行采集,获得第一销售数据集;基于大数据,对第二区域范围的第二钢管制品厂的销售情况进行采集,获得第二销售数据集,其中,所述第二区域范围与所述第一区域范围分属不同区域;根据第三方虚拟服务器,获得第一数据训练模型;根据所述第一销售数据集对所述第一数据训练模型进行训练优化,生成第一数据优化模型;根据所述第二销售数据集对所述第一数据训练模型进行训练优化,生成第二数据优化模型;将所述第一数据优化模型和所述第二数据优化模型加密上传至所述第三方虚拟服务器进行模型聚合,生成第一更新参数;根据所述第一更新参数,分别对所述第一数据优化模型和所述第二数据优化模型进行更新,依次获得第一更新模型和第二更新模型;根据所述第一更新模型,对所述第一钢管制品厂的销售模式进行更新。
另一方面,本申请还提供了一种钢管制品的推广销售系统,用于执行如第一方面所述的一种钢管制品的推广销售方法,其中,所述系统包括:通过第一获得单元:所述第一获得单元用于基于大数据,对第一区域范围的第一钢管制品厂的销售情况进行采集,获得第一销售数据集;第二获得单元:所述第二获得单元用于基于大数据,对第二区域范围的第二钢管制品厂的销售情况进行采集,获得第二销售数据集,其中,所述第二区域范围与所述第一区域范围分属不同区域;第三获得单元:所述第三获得单元用于根据第三方虚拟服务器,获得第一数据训练模型;第一生成单元:所述第一生成单元用于根据所述第一销售数据集对所述第一数据训练模型进行训练优化,生成第一数据优化模型;第二生成单元:所述第二生成单元用于根据所述第二销售数据集对所述第一数据训练模型进行训练优化,生成第二数据优化模型;第三生成单元:所述第三生成单元用于将所述第一数据优化模型和所述第二数据优化模型加密上传至所述第三方虚拟服务器进行模型聚合,生成第一更新参数;第四获得单元:所述第四获得单元用于根据所述第一更新参数,分别对所述第一数据优化模型和所述第二数据优化模型进行更新,依次获得第一更新模型和第二更新模型;第一更新单元:所述第一更新单元用于根据所述第一更新模型,对所述第一钢管制品厂的销售模式进行更新。
第三方面,本申请实施例还提供了一种钢管制品的推广销售系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现上述第一方面所述方法的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
1.通过基于大数据,对第一区域范围的第一钢管制品厂的销售情况进行采集,获得第一销售数据集;基于大数据,对第二区域范围的第二钢管制品厂的销售情况进行采集,获得第二销售数据集,其中,所述第二区域范围与所述第一区域范围分属不同区域;根据第三方虚拟服务器,获得第一数据训练模型;根据所述第一销售数据集对所述第一数据训练模型进行训练优化,生成第一数据优化模型;根据所述第二销售数据集对所述第一数据训练模型进行训练优化,生成第二数据优化模型;将所述第一数据优化模型和所述第二数据优化模型加密上传至所述第三方虚拟服务器进行模型聚合,生成第一更新参数;根据所述第一更新参数,分别对所述第一数据优化模型和所述第二数据优化模型进行更新,依次获得第一更新模型和第二更新模型;根据所述第一更新模型,对所述第一钢管制品厂的销售模式进行更新。达到了在保证各钢管制品生产销售企业自身销售数据不泄露的情况下,通过对比发现自身销售模式的不足,进一步找出对方模式中的优点进行学习,从而各钢管制品生产销售企业均可通过取长补短,实现自身销售模式的调整和更新,最终实现共赢的技术效果。
2.通过分析钢管制品性能及特点等信息,确定钢管制品的应用领域,并基于现有应用领域,智能化确定与现应用领域相关联的其他应用领域,进一步得到多个相关应用领域共同的应用场景,将钢管制品推广到共同应用场景,可以实现钢管制品的有效推广,达到了促进钢管制品销售的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请实施例一种钢管制品的推广销售方法的流程示意图;
图2为本申请实施例一种钢管制品的推广销售方法中对所述第一钢管制品厂的销售模式进行更新的流程示意图;
图3为本申请实施例一种钢管制品的推广销售方法中生成所述第一钢管制品信息的流量分布信息的流程示意图;
图4为本申请实施例一种钢管制品的推广销售方法中将所述第一数据优化模型和所述第二数据优化模型加密上传至所述第三方虚拟服务器进行模型聚合的流程示意图;
图5为本申请实施例一种钢管制品的推广销售系统的结构示意图;
图6为本申请实施例示例性电子设备的结构示意图。
附图标记说明:
第一获得单元11,第二获得单元12,第三获得单元13,第一生成单元14,第二生成单元15,第三生成单元16,第四获得单元17,第一更新单元18,总线300,接收器301,处理器302,发送器303,存储器304,总线接口305。
具体实施方式
本申请实施例通过提供一种钢管制品的推广销售方法及系统,解决了现有技术中存在各钢管制品生产销售企业无法在保证自身销售数据不泄露的情况下,与其他同行企业的推广销售模式进行对比,从而发现自身模式中的不足,进一步也无法找出对方模式中的优点进行学习,导致各企业无法通过取长补短来的方式调整自身销售模式,最终无法实现共赢的技术问题。达到了在保证各钢管制品生产销售企业自身销售数据不泄露的情况下,通过对比发现自身销售模式的不足,进一步找出对方模式中的优点进行学习,从而各钢管制品生产销售企业均可通过取长补短,实现自身销售模式的调整和更新,最终实现共赢的技术效果。
下面,将参考附图对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。基于本申请的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部。
申请概述
销售模式对于企业的发展起着至关重要的作用,现实中一定不能够忽略销售模式的制定,必须要基于实际情况完成应用探索实践,在这一过程中不断总结经验,制定可行性强的产品推广和产品销售策略,从而顺着时代的东风完成可持续发展。当今是信息高速发展的时代,各种产品的推广和销售策略均要通过加强信息收集和整理,依照消费者需求寻找相应的市场来及时调整销售模式。
信息发展不可避免对各行各业产生了不同程度的影响,企业也应当适应信息时代的发展,进一步利用信息时代的特质发展和更新自身的销售模式。钢管制品企业也需要从发展的角度上看待问题,改变传统的销售模式与服务模式,完成一个全面的更新,从而全面提高对客户企业的服务水平,确保客户企业有一个轻松的购买交易过程。
现有技术中存在各钢管制品生产销售企业无法在保证自身销售数据不泄露的情况下,与其他同行企业的推广销售模式进行对比,从而发现自身模式中的不足,进一步也无法找出对方模式中的优点进行学习,导致各企业无法通过取长补短来的方式调整自身销售模式,最终无法实现共赢的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请提供了一种钢管制品的推广销售方法,所述方法应用于一种钢管制品的推广销售系统,其中,所述方法包括:通过基于大数据,对第一区域范围的第一钢管制品厂的销售情况进行采集,获得第一销售数据集;基于大数据,对第二区域范围的第二钢管制品厂的销售情况进行采集,获得第二销售数据集,其中,所述第二区域范围与所述第一区域范围分属不同区域;根据第三方虚拟服务器,获得第一数据训练模型;根据所述第一销售数据集对所述第一数据训练模型进行训练优化,生成第一数据优化模型;根据所述第二销售数据集对所述第一数据训练模型进行训练优化,生成第二数据优化模型;将所述第一数据优化模型和所述第二数据优化模型加密上传至所述第三方虚拟服务器进行模型聚合,生成第一更新参数;根据所述第一更新参数,分别对所述第一数据优化模型和所述第二数据优化模型进行更新,依次获得第一更新模型和第二更新模型;根据所述第一更新模型,对所述第一钢管制品厂的销售模式进行更新。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
请参阅附图1,本申请实施例提供了一种钢管制品的推广销售方法,其中,所述方法应用于一种钢管制品的推广销售系统,所述方法具体包括如下步骤:
步骤S100:基于大数据,对第一区域范围的第一钢管制品厂的销售情况进行采集,获得第一销售数据集;
步骤S200:基于大数据,对第二区域范围的第二钢管制品厂的销售情况进行采集,获得第二销售数据集,其中,所述第二区域范围与所述第一区域范围分属不同区域;
具体而言,所述钢管制品的推广销售方法应用于所述钢管制品的推广销售系统,在保证各钢管制品生产销售企业销售数据不泄露的情况下,可对各企业中产品推广和销售模式进行自动更新。
所述第一区域范围是指钢管制品销售到的任一区域,所述第一区域范围内有对钢管制品有需求的客户。基于钢管制品生产和销售的大数据信息,对所述第一区域范围内的第一钢管制品厂的销售情况进行采集,可以得到所述第一区域范围内所有钢管制品的销售数据,即为所述第一销售数据集。其中,所述第一钢管制品厂是指所述第一区域范围内的任一钢管制品生产和销售企业。
进一步的,基于钢管制品生产和销售的大数据信息大数据,对第二区域范围的第二钢管制品厂的销售情况进行采集,可以得到所述第二区域范围内所有钢管制品的销售数据,即为所述第二销售数据集。其中,所述第二区域范围是指钢管制品销售到的任一区域,所述第一区域范围内有对钢管制品有需求的客户,且所述第二区域范围与所述第一区域范围分属于两个不同的区域。
通过基于大数据采集两个不同区域范围内的钢管制品销售数据,达到了基于现有销售情况进行不同区域钢管制品的销售分析的技术效果。
步骤S300:根据第三方虚拟服务器,获得第一数据训练模型;
具体而言,基于各钢管制品厂之外的第三方虚拟服务器,可以得到虚拟数据训练模型,即所述第一数据训练模型。其中,所述第一数据训练模型可挑选两个钢管制品厂销售数据中具有相同用户特征而用户不完全相同的数据进行训练,通过学习获得更多的符合某一特征的样本。所述第三方虚拟服务器的所述第一数据训练模型,提供了对两个不同区域销售数据进行训练和学习的模型载体。
步骤S400:根据所述第一销售数据集对所述第一数据训练模型进行训练优化,生成第一数据优化模型;
步骤S500:根据所述第二销售数据集对所述第一数据训练模型进行训练优化,生成第二数据优化模型;
具体而言,根据所述第一区域范围的所述第一钢管制品厂的销售数据集对所述第一数据训练模型进行训练优化,可以得到所述第一销售数据集对应的数据优化模型,即所述第一数据优化模型。同样的,根据所述第二区域范围的所述第二钢管制品厂的销售数据集对所述第一数据训练模型进行训练优化,可以得到所述第二销售数据集对应的数据优化模型,即所述第二数据优化模型。通过所述第一数据训练模型,得到了可优化所述第一销售数据集和所述第二销售数据集的优化模型,可对两钢管制品厂的推广销售模型进行优化。
步骤S600:将所述第一数据优化模型和所述第二数据优化模型加密上传至所述第三方虚拟服务器进行模型聚合,生成第一更新参数;
具体而言,为保证所述第一钢管制品厂和所述第二钢管制品厂的钢管制品销售数据不泄露,将所述第一销售数据集对应所述第一数据优化模型和所述第二销售数据集对应所述第二数据优化模型进行加密处理,并将加密处理后的数据模型上传至所述第三方虚拟服务器中进行模型聚合,可以得到用于更新各钢管制品厂销售模型的更新参数,即为所述第一更新参数。解决了各钢管制品厂为保证销售数据安全无法通过合法合规且低成本、高效率的方式跨越数据“鸿沟”,从而达到数据共享目的。
步骤S700:根据所述第一更新参数,分别对所述第一数据优化模型和所述第二数据优化模型进行更新,依次获得第一更新模型和第二更新模型;
步骤S800:根据所述第一更新模型,对所述第一钢管制品厂的销售模式进行更新。
具体而言,根据所述第三方虚拟服务器模型聚合得到所述第一更新参数分别对所述第一数据优化模型和所述第二数据优化模型进行更新,可以得到所述第一数据优化模型对应的第一更新模型,所述第二数据优化模型对应的第二更新模型。进一步根据所述第一更新模型,对所述第一钢管制品厂的销售模式进行调整更新;根据所述第二更新模型,对所述第二钢管制品厂的销售模式进行调整更新。通过第三方虚拟服务器的参与,达到了在保证各钢管制品生产销售企业自身销售数据不泄露的情况下,通过对比发现自身销售模式的不足,进一步找出对方模式中的优点进行学习,从而各钢管制品生产销售企业均可通过取长补短,实现自身销售模式的调整和更新,最终实现共赢的技术效果。
进一步的,如附图2所示,本申请实施例步骤S800还包括:
步骤S810:根据所述第一销售数据集,获得所述第一钢管制品厂的钢管成品的第一销售数量信息、第一销售口碑信息;
步骤S820:根据所述第二销售数据集,获得所述第二钢管制品厂的钢管成品的第二销售数量信息、第二销售口碑信息;
步骤S830:基于所述第一销售数量信息和所述第二销售数量信息,获得第一对比特征,基于所述第一销售口碑信息和所述第二销售口碑信息,获得第二对比特征;
步骤S840:判断所述第一对比特征的变化趋势和所述第二对比特征的变化趋势是否保持一致;
步骤S850:若所述第一对比特征的变化趋势和所述第二对比特征的变化趋势保持一致,根据所述第一更新模型,对所述第一钢管制品厂的销售模式进行更新。
具体而言,基于大数据,对所述第一区域范围的第一钢管制品厂的销售情况进行采集得到的所述第一销售数据集中,包括所述第一区域范围所述第一钢管制品厂的钢管制品销售量数据和销售后产品的口碑数据,即为所述第一销售数量信息和所述第一销售口碑信息。其中,所述第一销售数量信息包括第一钢管制品厂每天的销售量数据,继而可以计算得到所述第一钢管制品厂的平均日销售量、平均月销售量以及平均季度销售量、平均年销售量等销售数据;所述第一销售口碑信息包括所有采购了所述第一钢管制品厂钢管制品的客户对产品的满意度评价、行业内钢管制品口碑排行等数据,即包括客户对钢管制品质量的满意度评价、对钢管制品厂服务的满意度评价以及对钢管制品厂交货时间等的满意度评价。
基于两钢管制品厂的销售数据集,将所述第一销售数量信息和所述第二销售数量信息进行对比,得到所述第一对比特征,同样的,将所述第一销售口碑信息和所述第二销售口碑信息进行对比,得到所述第二对比特征。智能化判断所述第一对比特征的变化趋势和所述第二对比特征的变化趋势是否保持一致,如果所述第一对比特征的变化趋势和所述第二对比特征的变化趋势保持一致,则根据所述第一更新模型对所述第一钢管制品厂的销售模式进行更新。
通过分别对比两钢管制品厂的销售数据集中关于钢管制品销售的销售量及销售后的钢管制品口碑评价信息,对所述第一钢管制品厂的销售模式进行对应更新提升的技术效果。
进一步的,本申请实施例步骤S820还包括:
步骤S821:根据所述第二销售口碑信息,获得所述第二钢管制品厂的货品展示信息、货品售后信息;
步骤S822:根据所述货品展示信息,获得所述钢管成品的曝光力分布信息,并作为第一评估特征;
步骤S823:根据所述货品售后信息,获得所述钢管成品的影响力分布信息,并作为第二评估特征;
步骤S824:对所述第一评估特征和所述第二评估特征进行动态追踪,构建所述钢管成品的销售口碑动态波动趋势;
步骤S825:判断所述销售口碑动态波动趋势是否在预定时间内保持动态平衡;
步骤S826:若所述销售口碑动态波动趋势在所述预定时间内保持动态平衡,根据所述第二销售口碑信息,对所述第一钢管制品厂的销售模式进行更新。
具体而言,根据所述第二销售数据集对应的所述第二销售口碑信息,进一步得到所述第二钢管制品厂关于货品展示和货品售后的详细信息,其中,所述货品展示信息具体包括货品展示时间、场所、展示方式等相关信息,所述货品售后信息具体包括货品进入市场进行销售后在行业内形成的影响力以及钢管制品采购方使用后对其工程质量的影响等相关信息。
基于所述货品展示信息,可以得到所述钢管成品的相关曝光数据,并将其曝光力分布信息作为第一评估特征;同样的,基于所述货品售后信息,可以得到所述钢管成品的相关影响力数据,并将其影响力分布信息作为第二评估特征。智能化实时记录所述第一评估特征和所述第二评估特征,基于实时记录信息可以构建所述钢管成品的销售口碑动态波动趋势。进一步判断所述销售口碑动态波动趋势是否在预定时间内保持动态平衡,当所述销售口碑动态波动趋势在所述预定时间内保持了动态平衡,则根据所述第二销售口碑信息,对所述第一钢管制品厂的销售模式进行更新。
通过货品展示后的曝光力分布信息和销售后的影响力分布信息,进一步分析钢管成品的销售口碑趋势,最后基于口碑信息对钢管制品厂的销售模式进行更新。
进一步的,如附图3所示,本申请实施例步骤S900还包括:
步骤S910:获得所述第一钢管制品厂的第一钢管制品信息;
步骤S920:根据所述第一钢管制品信息,获得第一应用领域分布,其中,所述第一应用领域分布与所述第一钢管制品信息具有第一关联度;
步骤S930:基于所述第一应用领域分布,获得第二相关领域,其中,所述第二相关领域与所述第一应用领域分布具有第二关联度,且所述第二相关领域与所述第一钢管制品信息具有第三关联度,其中,所述第二关联度大于所述第三关联度;
步骤S940:基于物联网技术,将所述第一钢管制品信息推广至所述第二相关领域,生成所述第一钢管制品信息的流量分布信息。
具体而言,基于所述第一钢管制品厂的第一钢管制品的性能特点等信息,得到第一钢管制品的实际应用领域,即所述第一应用领域分布,所述第一应用领域分布包括锅炉容器、汽车制造、桥梁建设、石油化工、机械加工等领域。此外,所述第一应用领域分布与所述第一钢管制品信息具有第一关联度,也就是说,所述第一应用领域分布与所述第一钢管制品信息存在一定因果关系。进一步的,基于所述第一应用领域分布,可以得到与所述第一应用领域分布有一定相关性的任一相关领域,即所述第二相关领域。举例如与汽车制造领域对应的有一定相关性的领域包括:航空航天领域;与机械加工领域对应的有一定相关性的领域包括:建筑建造领域等。也就是说,所述第二相关领域与所述第一应用领域分布具有第二关联度,此外,所述第二相关领域与所述第一钢管制品信息具有第三关联度,且所述第二关联度大于所述第三关联度。最后,基于物联网技术,将所述第一钢管制品信息推广至所述第二相关领域,生成所述第一钢管制品信息的流量分布信息。通过分析钢管制品相关信息,可以进一步得到钢管制品的其他相关应用领域,基于相关领域对钢管制品进行推广,达到更好的销售推广效果。
进一步的,本申请实施例步骤S930还包括:
步骤S931:根据所述第一应用领域分布,获得第一应用场景和第二应用场景;
步骤S932:将所述第一应用场景作为第一检索基点,预设第一场景关联度作为检索条件进行检索,生成一阶关联场景信息;
步骤S933:将所述第二应用场景作为第二检索基点,预设第二场景关联度作为检索条件进行检索,生成二阶关联场景信息;
步骤S934:对所述一阶关联场景信息和所述二阶关联场景信息进行遍历访问,获得第一交集关联场景,并作为所述第二相关领域。
具体而言,基于所述第一应用领域分布,可以得到与所述第一应用领域相关的其他应用场景,即为所述第一应用场景和第二应用场景。进一步的,将所述第一应用场景作为检索基点,预设第一场景关联度作为检索条件进行检索,可以得到与所述第一应用场景相关联的其他场景信息,即为一阶关联场景信息。同样的,将所述第二应用场景作为检索基点,预设第二场景关联度作为检索条件进行检索,可以得到与所述第二应用场景相关联的其他场景信息,即为二阶关联场景信息。举例如当第一应用场景是锅炉容器,可对锅炉容器的应用关联场景进行检索,检索后可得到与锅炉容器类似的工业生产、生活供暖等场景,当第二应用场景是机械加工,对机械加工的应用关联场景进行检索,可获得工业生产、建筑建造等相关应用场景。
进而对两个应用关联场景,即所述一阶关联场景信息和所述二阶关联场景信息进行交集运算,可以得到两关联场景信息对应的交集场景。举例如即锅炉容器应用场景和机械加工应用场景的交集场景为工业生产等。对所述一阶关联场景信息和所述二阶关联场景信息进行遍历访问,得到所述第一交集关联场景,并将所述第一交集关联场景作为所述第二相关领域。
通过分析当前钢管制品应用领域关联的其他应用领域,进一步可以得到多个相关应用领域共同的应用场景信息,将钢管制品推广到共同应用场景,可以实现钢管制品的有效推广,最终促进钢管制品的销售。
进一步的,本申请实施例步骤S940还包括:
步骤S941:基于所述流量分布信息,附加流量分布标签链接;
步骤S942:根据所述流量分布标签链接,将所述第一钢管制品信息链接于所述第二相关领域。
具体而言,将所述第一钢管制品信息推广至所述第二相关领域后生成的流量分布信息附加对应的流量分布标签链接,将所述第一钢管制品信息依据所述流量分布标签链接对应的链接推广到所述第二相关领域。达到了钢管制品精准、高效率的线上推广,扩大钢管制品的销售领域的技术效果。
进一步的,如附图4所示,本申请实施例步骤S600还包括:
步骤S610:分别对所述第一数据优化模型和所述第二数据优化模型进行梯度运算,依次生成第一梯度信息和第二梯度信息;
步骤S620:对所述第一梯度信息和所述第二梯度信息进行加密,且上传至所述第三方虚拟服务器进行梯度聚合运算,生成所述第一更新参数。
具体而言,分别对所述第一数据优化模型和所述第二数据优化模型进行梯度运算,依次生成所述第一数据优化模型对应的第一梯度信息和所述第二数据优化模型对应的第二梯度信息。所述梯度表示某一函数在该点处的方向导数沿着该方向取得最大值,即函数在该点处沿着此梯度的方向变化最快,变化率最大。对所述第一梯度信息和所述第二梯度信息进行加密处理,并将加密处理后的信息上传至所述第三方虚拟服务器进行梯度聚合运算,生成所述第一更新参数,用于更新数据优化模型。
综上所述,本申请实施例所提供的一种钢管制品的推广销售方法具有如下技术效果:
1.通过基于大数据,对第一区域范围的第一钢管制品厂的销售情况进行采集,获得第一销售数据集;基于大数据,对第二区域范围的第二钢管制品厂的销售情况进行采集,获得第二销售数据集,其中,所述第二区域范围与所述第一区域范围分属不同区域;根据第三方虚拟服务器,获得第一数据训练模型;根据所述第一销售数据集对所述第一数据训练模型进行训练优化,生成第一数据优化模型;根据所述第二销售数据集对所述第一数据训练模型进行训练优化,生成第二数据优化模型;将所述第一数据优化模型和所述第二数据优化模型加密上传至所述第三方虚拟服务器进行模型聚合,生成第一更新参数;根据所述第一更新参数,分别对所述第一数据优化模型和所述第二数据优化模型进行更新,依次获得第一更新模型和第二更新模型;根据所述第一更新模型,对所述第一钢管制品厂的销售模式进行更新。达到了在保证各钢管制品生产销售企业自身销售数据不泄露的情况下,通过对比发现自身销售模式的不足,进一步找出对方模式中的优点进行学习,从而各钢管制品生产销售企业均可通过取长补短,实现自身销售模式的调整和更新,最终实现共赢的技术效果。
2.通过分析钢管制品性能及特点等信息,确定钢管制品的应用领域,并基于现有应用领域,智能化确定与现应用领域相关联的其他应用领域,进一步得到多个相关应用领域共同的应用场景,将钢管制品推广到共同应用场景,可以实现钢管制品的有效推广,达到了促进钢管制品销售的技术效果。
实施例二
基于与前述实施例中一种钢管制品的推广销售方法,同样发明构思,本发明还提供了一种钢管制品的推广销售系统,请参阅附图5,所述系统包括:
第一获得单元11:所述第一获得单元11用于基于大数据,对第一区域范围的第一钢管制品厂的销售情况进行采集,获得第一销售数据集;
第二获得单元12:所述第二获得单元12用于基于大数据,对第二区域范围的第二钢管制品厂的销售情况进行采集,获得第二销售数据集,其中,所述第二区域范围与所述第一区域范围分属不同区域;
第三获得单元13:所述第三获得单元13用于根据第三方虚拟服务器,获得第一数据训练模型;
第一生成单元14:所述第一生成单元14用于根据所述第一销售数据集对所述第一数据训练模型进行训练优化,生成第一数据优化模型;
第二生成单元15:所述第二生成单元15用于根据所述第二销售数据集对所述第一数据训练模型进行训练优化,生成第二数据优化模型;
第三生成单元16:所述第三生成单元16用于将所述第一数据优化模型和所述第二数据优化模型加密上传至所述第三方虚拟服务器进行模型聚合,生成第一更新参数;
第四获得单元17:所述第四获得单元17用于根据所述第一更新参数,分别对所述第一数据优化模型和所述第二数据优化模型进行更新,依次获得第一更新模型和第二更新模型;
第一更新单元18:所述第一更新单元18用于根据所述第一更新模型,对所述第一钢管制品厂的销售模式进行更新。
进一步的,所述系统还包括:
第五获得单元,所述第五获得单元用于根据所述第一销售数据集,获得所述第一钢管制品厂的钢管成品的第一销售数量信息、第一销售口碑信息;
第六获得单元,所述第六获得单元用于根据所述第二销售数据集,获得所述第二钢管制品厂的钢管成品的第二销售数量信息、第二销售口碑信息;
第七获得单元,所述第七获得单元用于基于所述第一销售数量信息和所述第二销售数量信息,获得第一对比特征,基于所述第一销售口碑信息和所述第二销售口碑信息,获得第二对比特征;
第一判断单元,所述第一判断单元用于判断所述第一对比特征的变化趋势和所述第二对比特征的变化趋势是否保持一致;
第二更新单元,所述第二更新单元用于若所述第一对比特征的变化趋势和所述第二对比特征的变化趋势保持一致,根据所述第一更新模型,对所述第一钢管制品厂的销售模式进行更新。
进一步的,所述系统还包括:
第八获得单元,所述第八获得单元用于根据所述第二销售口碑信息,获得所述第二钢管制品厂的货品展示信息、货品售后信息;
第九获得单元,所述第九获得单元用于根据所述货品展示信息,获得所述钢管成品的曝光力分布信息,并作为第一评估特征;
第十获得单元,所述第十获得单元用于根据所述货品售后信息,获得所述钢管成品的影响力分布信息,并作为第二评估特征;
第一构建单元,所述第一构建单元用于对所述第一评估特征和所述第二评估特征进行动态追踪,构建所述钢管成品的销售口碑动态波动趋势;
第二判断单元,所述第二判断单元用于判断所述销售口碑动态波动趋势是否在预定时间内保持动态平衡;
第三更新单元,所述第三更新单元用于若所述销售口碑动态波动趋势在所述预定时间内保持动态平衡,根据所述第二销售口碑信息,对所述第一钢管制品厂的销售模式进行更新。
进一步的,所述系统还包括:
第十一获得单元,所述第十一获得单元用于获得所述第一钢管制品厂的第一钢管制品信息;
第十二获得单元,所述第十二获得单元用于根据所述第一钢管制品信息,获得第一应用领域分布,其中,所述第一应用领域分布与所述第一钢管制品信息具有第一关联度;
第十三获得单元,所述第十三获得单元用于基于所述第一应用领域分布,获得第二相关领域,其中,所述第二相关领域与所述第一应用领域分布具有第二关联度,且所述第二相关领域与所述第一钢管制品信息具有第三关联度,其中,所述第二关联度大于所述第三关联度;
第一生成单元,所述第一生成单元用于基于物联网技术,将所述第一钢管制品信息推广至所述第二相关领域,生成所述第一钢管制品信息的流量分布信息。
进一步的,所述系统还包括:
第十四获得单元,所述第十四获得单元用于根据所述第一应用领域分布,获得第一应用场景和第二应用场景;
第二生成单元,所述第二生成单元用于将所述第一应用场景作为第一检索基点,预设第一场景关联度作为检索条件进行检索,生成一阶关联场景信息;
第三生成单元,所述第三生成单元用于将所述第二应用场景作为第二检索基点,预设第二场景关联度作为检索条件进行检索,生成二阶关联场景信息;
第十五获得单元,所述第十五获得单元用于对所述一阶关联场景信息和所述二阶关联场景信息进行遍历访问,获得第一交集关联场景,并作为所述第二相关领域。
进一步的,所述系统还包括:
第一附加单元,所述第一附加单元用于基于所述流量分布信息,附加流量分布标签链接;
第一链接单元,所述第一链接单元用于根据所述流量分布标签链接,将所述第一钢管制品信息链接于所述第二相关领域。
进一步的,所述系统还包括:
第四生成单元,所述第四生成单元用于分别对所述第一数据优化模型和所述第二数据优化模型进行梯度运算,依次生成第一梯度信息和第二梯度信息;
第五生成单元,所述第五生成单元用于对所述第一梯度信息和所述第二梯度信息进行加密,且上传至所述第三方虚拟服务器进行梯度聚合运算,生成所述第一更新参数。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,前述图1实施例一中的一种钢管制品的推广销售方法和具体实例同样适用于本实施例的一种钢管制品的推广销售系统,通过前述对一种钢管制品的推广销售方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种钢管制品的推广销售系统,所以为了说明书的简洁,在此不再详述。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
下面参考图6来描述本申请实施例的电子设备。
图6图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种钢管制品的推广销售方法的发明构思,本发明还提供一种钢管制品的推广销售系统,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种钢管制品的推广销售方法的任一方法的步骤。
其中,在图6中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他装置通信的单元。
处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本申请提供了一种钢管制品的推广销售方法,所述方法应用于一种钢管制品的推广销售系统,其中,所述方法包括:通过基于大数据,对第一区域范围的第一钢管制品厂的销售情况进行采集,获得第一销售数据集;基于大数据,对第二区域范围的第二钢管制品厂的销售情况进行采集,获得第二销售数据集,其中,所述第二区域范围与所述第一区域范围分属不同区域;根据第三方虚拟服务器,获得第一数据训练模型;根据所述第一销售数据集对所述第一数据训练模型进行训练优化,生成第一数据优化模型;根据所述第二销售数据集对所述第一数据训练模型进行训练优化,生成第二数据优化模型;将所述第一数据优化模型和所述第二数据优化模型加密上传至所述第三方虚拟服务器进行模型聚合,生成第一更新参数;根据所述第一更新参数,分别对所述第一数据优化模型和所述第二数据优化模型进行更新,依次获得第一更新模型和第二更新模型;根据所述第一更新模型,对所述第一钢管制品厂的销售模式进行更新。解决了现有技术中存在各钢管制品生产销售企业无法在保证自身销售数据不泄露的情况下,与其他同行企业的推广销售模式进行对比,从而发现自身模式中的不足,进一步也无法找出对方模式中的优点进行学习,导致各企业无法通过取长补短来的方式调整自身销售模式,最终无法实现共赢的技术问题。达到了在保证各钢管制品生产销售企业自身销售数据不泄露的情况下,通过对比发现自身销售模式的不足,进一步找出对方模式中的优点进行学习,从而各钢管制品生产销售企业均可通过取长补短,实现自身销售模式的调整和更新,最终实现共赢的技术效果。
本领域内的技术人员应明白,本申请的实施例可提供为方法、装置、或计算机程序产品。因此,本申请可采用完全软件实施例、完全硬件实施例、或结合软件和硬件方面实施例的形式。此外,本申请为可以在一个或多个包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。而所述的计算机可用存储介质包括但不限于:U盘、移动硬盘、只读存储器(Read-0nly Memory,简称ROM)、随机存取存储器(Random AccessMemory,简称RAM)、磁盘存储器、只读光盘(Compact Disc Read-Only Memory,简称CD-ROM)、光学存储器等各种可以存储程序代码的介质。
本发明是参照本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品,该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种钢管制品的推广销售方法,其中,所述方法应用于一种钢管制品的推广销售系统,其中,所述方法包括:
基于大数据,对第一区域范围的第一钢管制品厂的销售情况进行采集,获得第一销售数据集;
基于大数据,对第二区域范围的第二钢管制品厂的销售情况进行采集,获得第二销售数据集,其中,所述第二区域范围与所述第一区域范围分属不同区域;
根据第三方虚拟服务器,获得第一数据训练模型;
根据所述第一销售数据集对所述第一数据训练模型进行训练优化,生成第一数据优化模型;
根据所述第二销售数据集对所述第一数据训练模型进行训练优化,生成第二数据优化模型;
将所述第一数据优化模型和所述第二数据优化模型加密上传至所述第三方虚拟服务器进行模型聚合,生成第一更新参数;
根据所述第一更新参数,分别对所述第一数据优化模型和所述第二数据优化模型进行更新,依次获得第一更新模型和第二更新模型;
根据所述第一更新模型,对所述第一钢管制品厂的销售模式进行更新。
2.如权利要求1所述的方法,其中,所述对所述第一钢管制品厂的销售模式进行更新,还包括:
根据所述第一销售数据集,获得所述第一钢管制品厂的钢管成品的第一销售数量信息、第一销售口碑信息;
根据所述第二销售数据集,获得所述第二钢管制品厂的钢管成品的第二销售数量信息、第二销售口碑信息;
基于所述第一销售数量信息和所述第二销售数量信息,获得第一对比特征,基于所述第一销售口碑信息和所述第二销售口碑信息,获得第二对比特征;
判断所述第一对比特征的变化趋势和所述第二对比特征的变化趋势是否保持一致;
若所述第一对比特征的变化趋势和所述第二对比特征的变化趋势保持一致,根据所述第一更新模型,对所述第一钢管制品厂的销售模式进行更新。
3.如权利要求2所述的方法,其中,所述方法还包括:
根据所述第二销售口碑信息,获得所述第二钢管制品厂的货品展示信息、货品售后信息;
根据所述货品展示信息,获得所述钢管成品的曝光力分布信息,并作为第一评估特征;
根据所述货品售后信息,获得所述钢管成品的影响力分布信息,并作为第二评估特征;
对所述第一评估特征和所述第二评估特征进行动态追踪,构建所述钢管成品的销售口碑动态波动趋势;
判断所述销售口碑动态波动趋势是否在预定时间内保持动态平衡;
若所述销售口碑动态波动趋势在所述预定时间内保持动态平衡,根据所述第二销售口碑信息,对所述第一钢管制品厂的销售模式进行更新。
4.如权利要求1所述的方法,其中,所述方法还包括:
获得所述第一钢管制品厂的第一钢管制品信息;
根据所述第一钢管制品信息,获得第一应用领域分布,其中,所述第一应用领域分布与所述第一钢管制品信息具有第一关联度;
基于所述第一应用领域分布,获得第二相关领域,其中,所述第二相关领域与所述第一应用领域分布具有第二关联度,且所述第二相关领域与所述第一钢管制品信息具有第三关联度,其中,所述第二关联度大于所述第三关联度;
基于物联网技术,将所述第一钢管制品信息推广至所述第二相关领域,生成所述第一钢管制品信息的流量分布信息。
5.如权利要求4所述的方法,其中,所述基于所述第一应用领域分布,获得第二相关领域,还包括:
根据所述第一应用领域分布,获得第一应用场景和第二应用场景;
将所述第一应用场景作为第一检索基点,预设第一场景关联度作为检索条件进行检索,生成一阶关联场景信息;
将所述第二应用场景作为第二检索基点,预设第二场景关联度作为检索条件进行检索,生成二阶关联场景信息;
对所述一阶关联场景信息和所述二阶关联场景信息进行遍历访问,获得第一交集关联场景,并作为所述第二相关领域。
6.如权利要求4所述的方法,其中,所述生成所述第一钢管制品信息的流量分布信息,之后还包括:
基于所述流量分布信息,附加流量分布标签链接;
根据所述流量分布标签链接,将所述第一钢管制品信息链接于所述第二相关领域。
7.如权利要求1所述的方法,其中,所述将所述第一数据优化模型和所述第二数据优化模型加密上传至所述第三方虚拟服务器进行模型聚合,还包括:
分别对所述第一数据优化模型和所述第二数据优化模型进行梯度运算,依次生成第一梯度信息和第二梯度信息;
对所述第一梯度信息和所述第二梯度信息进行加密,且上传至所述第三方虚拟服务器进行梯度聚合运算,生成所述第一更新参数。
8.一种钢管制品的推广销售系统,其中,所述系统包括:
第一获得单元:所述第一获得单元用于基于大数据,对第一区域范围的第一钢管制品厂的销售情况进行采集,获得第一销售数据集;
第二获得单元:所述第二获得单元用于基于大数据,对第二区域范围的第二钢管制品厂的销售情况进行采集,获得第二销售数据集,其中,所述第二区域范围与所述第一区域范围分属不同区域;
第三获得单元:所述第三获得单元用于根据第三方虚拟服务器,获得第一数据训练模型;
第一生成单元:所述第一生成单元用于根据所述第一销售数据集对所述第一数据训练模型进行训练优化,生成第一数据优化模型;
第二生成单元:所述第二生成单元用于根据所述第二销售数据集对所述第一数据训练模型进行训练优化,生成第二数据优化模型;
第三生成单元:所述第三生成单元用于将所述第一数据优化模型和所述第二数据优化模型加密上传至所述第三方虚拟服务器进行模型聚合,生成第一更新参数;
第四获得单元:所述第四获得单元用于根据所述第一更新参数,分别对所述第一数据优化模型和所述第二数据优化模型进行更新,依次获得第一更新模型和第二更新模型;
第一更新单元:所述第一更新单元用于根据所述第一更新模型,对所述第一钢管制品厂的销售模式进行更新。
9.一种钢管制品的推广销售系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现权利要求1~7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111178594.1A CN113610657B (zh) | 2021-10-10 | 2021-10-10 | 一种钢管制品的推广销售方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111178594.1A CN113610657B (zh) | 2021-10-10 | 2021-10-10 | 一种钢管制品的推广销售方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113610657A true CN113610657A (zh) | 2021-11-05 |
CN113610657B CN113610657B (zh) | 2021-12-24 |
Family
ID=78343444
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111178594.1A Active CN113610657B (zh) | 2021-10-10 | 2021-10-10 | 一种钢管制品的推广销售方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113610657B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107292672A (zh) * | 2017-07-05 | 2017-10-24 | 上海数道信息科技有限公司 | 一种餐饮行业销售预测的实现系统与方法 |
CN108022123A (zh) * | 2016-11-04 | 2018-05-11 | 苏宁云商集团股份有限公司 | 一种业务模型的自动调整方法及装置 |
CN108596405A (zh) * | 2018-05-09 | 2018-09-28 | 中电国瑞物流有限公司 | 灰库产量的预测方法及系统 |
CN109784806A (zh) * | 2018-12-27 | 2019-05-21 | 北京航天智造科技发展有限公司 | 供应链控制方法、系统以及存储介质 |
CN112534452A (zh) * | 2018-05-06 | 2021-03-19 | 强力交易投资组合2018有限公司 | 用于改进自动执行能源、计算、存储和其它资源的现货和远期市场中的分布式账本和其它交易的机器和系统的方法和系统 |
CN112686705A (zh) * | 2020-12-31 | 2021-04-20 | 上海画龙信息科技有限公司 | 一种预测销售效果数据的方法、装置和电子设备 |
-
2021
- 2021-10-10 CN CN202111178594.1A patent/CN113610657B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108022123A (zh) * | 2016-11-04 | 2018-05-11 | 苏宁云商集团股份有限公司 | 一种业务模型的自动调整方法及装置 |
CN107292672A (zh) * | 2017-07-05 | 2017-10-24 | 上海数道信息科技有限公司 | 一种餐饮行业销售预测的实现系统与方法 |
CN112534452A (zh) * | 2018-05-06 | 2021-03-19 | 强力交易投资组合2018有限公司 | 用于改进自动执行能源、计算、存储和其它资源的现货和远期市场中的分布式账本和其它交易的机器和系统的方法和系统 |
CN108596405A (zh) * | 2018-05-09 | 2018-09-28 | 中电国瑞物流有限公司 | 灰库产量的预测方法及系统 |
CN109784806A (zh) * | 2018-12-27 | 2019-05-21 | 北京航天智造科技发展有限公司 | 供应链控制方法、系统以及存储介质 |
CN112686705A (zh) * | 2020-12-31 | 2021-04-20 | 上海画龙信息科技有限公司 | 一种预测销售效果数据的方法、装置和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113610657B (zh) | 2021-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2017167284A1 (zh) | 商户配送范围的调整方法和装置 | |
TW201737176A (zh) | 業務對象的分時推薦方法和系統 | |
CN105868847A (zh) | 一种购物行为的预测方法及装置 | |
CN113592568B (zh) | 一种商机挖掘方法、装置、计算机设备及存储介质 | |
Sigala et al. | The impact of social media on the behavior of wine tourists: A typology of power sources | |
CN111046188A (zh) | 用户偏好度确定方法、装置、电子设备及可读存储介质 | |
Hassan et al. | Smart media-based context-aware recommender systems for learning: A conceptual framework | |
CN111400585B (zh) | 图书推荐方法及装置 | |
JP2018084928A (ja) | 選択装置、選択方法および選択プログラム | |
WO2014110424A1 (en) | Generating optimized solutions to complex problems | |
Fatimah et al. | Analysis factors of using internet banking in Indonesia | |
KR20190081671A (ko) | 온라인 쇼핑몰 통합 관리 시스템에서의 유사상품을 검색하는 방법 및 그 서버 | |
CN113610657B (zh) | 一种钢管制品的推广销售方法及系统 | |
De La Torre et al. | A System Dynamics-Based Simulation Model to Analyze Consumers’ Behavior Based on Participatory Systems Mapping–A “Last Mile” Perspective | |
CN103955769A (zh) | 基于协同过滤的零售点产品销量预测方法 | |
CN108170404A (zh) | 一种基于参数化模型的Web服务组合验证方法 | |
CN111523982A (zh) | 商品信息推荐方法、装置、服务器及存储介质 | |
CN114092162B (zh) | 推荐质量确定方法、推荐质量确定模型的训练方法及装置 | |
TW201709124A (zh) | 基於業務物件的資訊展示方法和裝置 | |
CN110428281A (zh) | 针对多种关联产品联合确定对等资源量的方法和装置 | |
CN114819255A (zh) | 一种基于区块链的供应链管理方法及系统 | |
CN110659920A (zh) | 一种业务对象的推荐方法和装置 | |
CN114399352A (zh) | 一种信息推荐方法、装置、电子设备及存储介质 | |
CN112732272B (zh) | 一种应用程序的发布方法和装置 | |
CN111178974B (zh) | 一种提高多平台融合性的方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |