CN113724008A - 一种新营销大数据的数据分析方法 - Google Patents
一种新营销大数据的数据分析方法 Download PDFInfo
- Publication number
- CN113724008A CN113724008A CN202111020206.7A CN202111020206A CN113724008A CN 113724008 A CN113724008 A CN 113724008A CN 202111020206 A CN202111020206 A CN 202111020206A CN 113724008 A CN113724008 A CN 113724008A
- Authority
- CN
- China
- Prior art keywords
- marketing
- data
- analysis
- module
- big data
- 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
- 238000007405 data analysis Methods 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000004458 analytical method Methods 0.000 claims abstract description 37
- 239000012535 impurity Substances 0.000 claims abstract description 15
- 238000012216 screening Methods 0.000 claims abstract description 13
- 238000013528 artificial neural network Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 10
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000013138 pruning Methods 0.000 claims description 6
- 230000002860 competitive effect Effects 0.000 claims description 3
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 3
- 238000013499 data model Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Fuzzy Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了新营销大数据分析方法技术领域的一种新营销大数据的数据分析方法,且数据获取模块通过深度神经网络电性输出连接数据除杂筛选处理模块,且数据除杂筛选处理模块电性输出连接数据分类统计模块,数据分类统计模块电性输出连接业务数据分析模块,业务数据分析模块电性输出连接营销任务分配模块,营销任务分配模块电性输出连接营销指标分析报告模块,本发明基于营销大数据能够实时进行除杂筛选掉无用信息,以保证获取大数据的可靠性,提高营销数据的分析效率,不需人工干涉,提高营销数据分析的精准度,可以自动生成营销任务和分配方式,并且还可以提高营销任务生成的效率和精准度,进而提升营销的成功率。
Description
技术领域
本发明涉及新营销大数据分析方法技术领域,具体为一种新营销大数据的数据分析方法。
背景技术
随着互联网技术的高速发展,互联网已经成为人们快速获取、发布和传递信息的重要渠道,电子商务也得到了迅猛发展,国内企业正经历着前所未有的营销环境变化,大数据应用越来越广,基于大数据的营销是大数据应用的重要领域,基于大数据的营销需要对海量客户大数据的分析处理,营销过程则是基于标签对目标客户进行筛选,然后以适当的方式向目标客户发送指定内容,在目前大部分的营销数据分析过程中,均不同程度地存在着营销分析效果不够实时和准确的缺点,并且,目前基于大数据的营销在数据分析完成之后并不能实现营销任务的自动生成,需要人工干预实现营销任务的生成,致使营销任务容易出现较大偏差,为此,我们提出一种新营销大数据的数据分析方法。
发明内容
本发明的目的在于提供一种新营销大数据的数据分析方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种新营销大数据的数据分析方法,包括数据获取模块,且数据获取模块通过深度神经网络电性输出连接数据除杂筛选处理模块,且数据除杂筛选处理模块电性输出连接数据分类统计模块,数据分类统计模块电性输出连接业务数据分析模块,业务数据分析模块电性输出连接营销任务分配模块,营销任务分配模块电性输出连接营销指标分析报告模块。
数据分析方法的具体步骤为:
S1:基于互联网实现对待营销对象的相关数据进行获取,并且可以获取同类型产品的相关营销数据,然后对待营销对象的客户类型进行分类,通过不同时间段设置待分析客户群组;
S2:在营销活动期间,基于实时同步的业务数据,每隔一段时间收集在分析时间段内的待分析客户群组的业务数据,获得营销系统发送的客户的基础业务数据和档案数据,并对通过搜集获取的大数据基于深度神经网络进行清理融合处理,并对融合处理后的数据进行除杂筛选,由于大数据搜集是多个平台数据库多维度地搜集,难免会出现重复或明显错误的数据,这样需要将重复或明显错误的数据筛除掉,以保证获取大数据的可靠性,提高营销数据分析的精准度;
S3:根据待分析客户群组的业务数据进行第一阶段营销指标的统计,将第一阶段营销指标保存进数据库,用于展示待分析客户群组的业务数据明细;
S4:对使用的营销大数据进行数据分析,获得分析结果,对获得的基础业务数据和档案数据对应进行分析,输出图形报表化的第一阶段营销分析报告;
S5:对分析结构进行分类统计并存储,然后根据分析结果确定营销内容及营销传播方式,确定的营销传播方式对营销内容进行营销传播,以保证获取大数据的可靠性,提高营销数据分析的精准度;
S6:根据营销任务、任务分配、营销传播方式和营销内容的相关业务数据进行下一阶段营销指标的统计,将下一阶段营销指标保存进数据库,并展示于下一阶段分析报告中,同时需要输出图形报表化的下一阶段分析报告。
优选的,S1步骤中搜集待营销对象的相关大数据时还需要对与待营销对象有竞争关系或互利关系的对象的相关大数据进行搜集,通过全方位的大数据搜集确定大数据,其中待营销对象可以是企业或个人。
优选的,S3步骤中第一阶段营销指标包括投入产出比、营销成本、营销人数、成交的客户数、成交金额,且业务数据明细包括客户明细、商品明细、退款分析。
优选的,S3步骤中客户群组根据客户类型划分为参与组、控制组和总覆盖组,且参与组是指成功发送营销的客户群组,控制组是指商家自定义的客户群组,总覆盖组是指活动内包含的全部人。
优选的,深度神经网络中需要先对网络进行常规训练,并保存训练后的模型;然后对权值较小的连接进行剪枝,原始网络变为稀疏网络,保存剪枝后的稀疏网络模型;最后对稀疏网络再训练来保证CNN的有效性,再训练之后保存最终的模型;每一次剪枝再训练的过程都是一次迭代,随着迭代训练次数的增加,精确度会逐渐增加,多次迭代之后,建立最好的数据模型。
与现有技术相比,本发明的有益效果是:
本发明可以基于大数据及深度神经网络实现对获取数据的分类除杂筛选,然后对基础业务数据和档案数据自动进行分析,得到分析结果,并对结果进行分类统计,可实现营销业务数据的自动分析预测,以大数据为数据分析基础,自动生成营销任务,提升分析效率,通过分析大数据自动生成待营销对象的营销任务,通过在多个平台上获取待营销对象的相关大数据,不需要人为干涉,本发明基于营销大数据能够实时进行除杂筛选掉无用信息,以保证获取大数据的可靠性,提高营销数据分析的精准度,可以自动生成营销任务和分配方式,并且还可以提高营销任务生成的效率和精准度,进而提升营销的成功率。
附图说明
图1为本发明整体结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,本发明提供一种技术方案:一种新营销大数据的数据分析方法,包括数据获取模块,且数据获取模块通过深度神经网络电性输出连接数据除杂筛选处理模块,且数据除杂筛选处理模块电性输出连接数据分类统计模块,数据分类统计模块电性输出连接业务数据分析模块,业务数据分析模块电性输出连接营销任务分配模块,营销任务分配模块电性输出连接营销指标分析报告模块。
数据分析方法的具体步骤为:
S1:数据获取模块基于互联网实现对待营销对象的相关数据进行获取,并且可以获取同类型产品的相关营销数据,然后对待营销对象的客户类型进行分类,通过不同时间段设置待分析客户群组;
S2:数据除杂筛选处理模块在营销活动期间,基于实时同步的业务数据,每隔一段时间收集在分析时间段内的待分析客户群组的业务数据,获得营销系统发送的客户的基础业务数据和档案数据,并对通过搜集获取的大数据基于深度神经网络进行清理融合处理,并对融合处理后的数据进行除杂筛选,由于大数据搜集是多个平台数据库多维度地搜集,难免会出现重复或明显错误的数据,这样需要将重复或明显错误的数据筛除掉,以保证获取大数据的可靠性,提高营销数据分析的精准度;
S3:数据分类统计模块根据待分析客户群组的业务数据进行第一阶段营销指标的统计,将第一阶段营销指标保存进数据库,用于展示待分析客户群组的业务数据明细;
S4:业务数据分析模块对使用的营销大数据进行数据分析,获得分析结果,对获得的基础业务数据和档案数据对应进行分析,输出图形报表化的第一阶段营销分析报告;
S5:营销任务分配模块对分析结构进行分类统计并存储,然后根据分析结果确定营销内容及营销传播方式,确定的营销传播方式对营销内容进行营销传播,以保证获取大数据的可靠性,提高营销数据分析的精准度;
S6:营销指标分析报告模块根据营销任务、任务分配、营销传播方式和营销内容的相关业务数据进行下一阶段营销指标的统计,将下一阶段营销指标保存进数据库,并展示于下一阶段分析报告中,同时需要输出图形报表化的下一阶段分析报告;
S1步骤中搜集待营销对象的相关大数据时还需要对与待营销对象有竞争关系或互利关系的对象的相关大数据进行搜集,通过全方位的大数据搜集确定大数据,其中待营销对象可以是企业或个人;
S3步骤中第一阶段营销指标包括投入产出比、营销成本、营销人数、成交的客户数、成交金额,且业务数据明细包括客户明细、商品明细、退款分析;
S3步骤中客户群组根据客户类型划分为参与组、控制组和总覆盖组,且参与组是指成功发送营销的客户群组,控制组是指商家自定义的客户群组,总覆盖组是指活动内包含的全部人;
深度神经网络中需要先对网络进行常规训练,并保存训练后的模型;然后对权值较小的连接进行剪枝,原始网络变为稀疏网络,保存剪枝后的稀疏网络模型;最后对稀疏网络再训练来保证CNN的有效性,再训练之后保存最终的模型;每一次剪枝再训练的过程都是一次迭代,随着迭代训练次数的增加,精确度会逐渐增加,多次迭代之后,建立最好的数据模型;
本发明还包括一种服务器,服务器包括存储器、处理器,所述存储器中存储有可在处理器上运行的计算机程序,且处理器执行计算机程序时实现上述任一方法的步骤。
本发明在使用过程中,可以基于大数据及深度神经网络实现对获取数据的分类除杂筛选,然后对基础业务数据和档案数据自动进行分析,得到分析结果,并对结果进行分类统计,可实现营销业务数据的自动分析预测,以大数据为数据分析基础,自动生成营销任务,提升分析效率,通过分析大数据自动生成待营销对象的营销任务,通过在多个平台上获取待营销对象的相关大数据,不需要人为干涉,本发明基于营销大数据能够实时进行除杂筛选掉无用信息,以保证获取大数据的可靠性,提高营销数据分析的精准度,可以自动生成营销任务和分配方式,并且还可以提高营销任务生成的效率和精准度,进而提升营销的成功率。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (6)
1.一种新营销大数据的数据分析方法,其特征在于:包括数据获取模块,且数据获取模块通过深度神经网络电性输出连接数据除杂筛选处理模块,且数据除杂筛选处理模块电性输出连接数据分类统计模块,数据分类统计模块电性输出连接业务数据分析模块,业务数据分析模块电性输出连接营销任务分配模块,营销任务分配模块电性输出连接营销指标分析报告模块。
2.根据权利要求1所述的一种新营销大数据的数据分析方法,其特征在于:数据分析方法的具体步骤为:
S1:基于互联网实现对待营销对象的相关数据进行获取,并且可以获取同类型产品的相关营销数据,然后对待营销对象的客户类型进行分类,通过不同时间段设置待分析客户群组;
S2:在营销活动期间,基于实时同步的业务数据,每隔一段时间收集在分析时间段内的待分析客户群组的业务数据,获得营销系统发送的客户的基础业务数据和档案数据,并对通过搜集获取的大数据基于深度神经网络进行清理融合处理,并对融合处理后的数据进行除杂筛选,由于大数据搜集是多个平台数据库多维度地搜集,难免会出现重复或明显错误的数据,这样需要将重复或明显错误的数据筛除掉,以保证获取大数据的可靠性,提高营销数据分析的精准度;
S3:根据待分析客户群组的业务数据进行第一阶段营销指标的统计,将第一阶段营销指标保存进数据库,用于展示待分析客户群组的业务数据明细;
S4:对使用的营销大数据进行数据分析,获得分析结果,对获得的基础业务数据和档案数据对应进行分析,输出图形报表化的第一阶段营销分析报告;
S5:对分析结构进行分类统计并存储,然后根据分析结果确定营销内容及营销传播方式,确定的营销传播方式对营销内容进行营销传播,以保证获取大数据的可靠性,提高营销数据分析的精准度;
S6:根据营销任务、任务分配、营销传播方式和营销内容的相关业务数据进行下一阶段营销指标的统计,将下一阶段营销指标保存进数据库,并展示于下一阶段分析报告中,同时需要输出图形报表化的下一阶段分析报告。
3.根据权利要求2所述的一种新营销大数据的数据分析方法,其特征在于:S1步骤中搜集待营销对象的相关大数据时还需要对与待营销对象有竞争关系或互利关系的对象的相关大数据进行搜集,通过全方位的大数据搜集确定大数据,其中待营销对象可以是企业或个人。
4.根据权利要求2所述的一种新营销大数据的数据分析方法,其特征在于:S3步骤中第一阶段营销指标包括投入产出比、营销成本、营销人数、成交的客户数、成交金额,且业务数据明细包括客户明细、商品明细、退款分析。
5.根据权利要求2所述的一种新营销大数据的数据分析方法,其特征在于:S3步骤中客户群组根据客户类型划分为参与组、控制组和总覆盖组,且参与组是指成功发送营销的客户群组,控制组是指商家自定义的客户群组,总覆盖组是指活动内包含的全部人。
6.根据权利要求2所述的一种新营销大数据的数据分析方法,其特征在于:深度神经网络中需要先对网络进行常规训练,并保存训练后的模型;然后对权值较小的连接进行剪枝,原始网络变为稀疏网络,保存剪枝后的稀疏网络模型;最后对稀疏网络再训练来保证CNN的有效性,再训练之后保存最终的模型;每一次剪枝再训练的过程都是一次迭代,随着迭代训练次数的增加,精确度会逐渐增加,多次迭代之后,建立最好的数据模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111020206.7A CN113724008A (zh) | 2021-09-01 | 2021-09-01 | 一种新营销大数据的数据分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111020206.7A CN113724008A (zh) | 2021-09-01 | 2021-09-01 | 一种新营销大数据的数据分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113724008A true CN113724008A (zh) | 2021-11-30 |
Family
ID=78680584
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111020206.7A Pending CN113724008A (zh) | 2021-09-01 | 2021-09-01 | 一种新营销大数据的数据分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113724008A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114155033A (zh) * | 2021-12-07 | 2022-03-08 | 深圳市奥闻科技有限公司 | 一种基于物联网的商机业务分析系统与方法 |
CN114169940A (zh) * | 2021-12-16 | 2022-03-11 | 广州市南方人力资源评价中心有限公司 | 一种基于商机业务信息处理的商机挖掘系统 |
CN115471272A (zh) * | 2022-09-29 | 2022-12-13 | 江苏通卡数字科技有限公司 | 一种商业营销大数据分析系统、方法及装置 |
CN117370412A (zh) * | 2023-09-04 | 2024-01-09 | 知助数智(重庆)科技有限公司 | 通过服务成功率的企业数据治理控制方法、系统及介质 |
-
2021
- 2021-09-01 CN CN202111020206.7A patent/CN113724008A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114155033A (zh) * | 2021-12-07 | 2022-03-08 | 深圳市奥闻科技有限公司 | 一种基于物联网的商机业务分析系统与方法 |
CN114169940A (zh) * | 2021-12-16 | 2022-03-11 | 广州市南方人力资源评价中心有限公司 | 一种基于商机业务信息处理的商机挖掘系统 |
CN115471272A (zh) * | 2022-09-29 | 2022-12-13 | 江苏通卡数字科技有限公司 | 一种商业营销大数据分析系统、方法及装置 |
CN117370412A (zh) * | 2023-09-04 | 2024-01-09 | 知助数智(重庆)科技有限公司 | 通过服务成功率的企业数据治理控制方法、系统及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113724008A (zh) | 一种新营销大数据的数据分析方法 | |
CN102890803B (zh) | 电子商品异常交易过程的确定方法及其装置 | |
CN110263827B (zh) | 基于交易规律识别的异常交易检测方法及装置 | |
CN107818334A (zh) | 一种移动互联网用户访问模式表征和聚类方法 | |
CN106772205A (zh) | 一种电力计量自动化系统终端设备异常监测方法及装置 | |
CN112511846A (zh) | 基于大数据的电子商务直播处理方法及网络安全直播平台 | |
CN105631612A (zh) | 基于大数据的公职人员个人绩效及能力评估系统及方法 | |
CN114969191A (zh) | 基于大数据的数据分析方法、系统、装置及存储介质 | |
CN116320626B (zh) | 一种计算电商直播热度的方法及系统 | |
CN111008871A (zh) | 一种房地产复购客户跟进数量计算方法、装置及存储介质 | |
CN113987186B (zh) | 一种基于知识图谱生成营销方案的方法和装置 | |
CN115687788A (zh) | 一种智能化商机推荐方法和系统 | |
CN115965081A (zh) | 一种电能表故障影响因素定位方法以及系统 | |
CN115471272A (zh) | 一种商业营销大数据分析系统、方法及装置 | |
CN113449923A (zh) | 一种多模型标的物行情预测方法和装置 | |
CN114048849A (zh) | 一种支持时序社交网络图的无监督表示学习方法和装置 | |
CN113393169A (zh) | 基于大数据技术的金融行业交易系统性能指标分析方法 | |
CN112308419A (zh) | 数据处理方法、装置、设备及计算机存储介质 | |
CN111612302A (zh) | 一种集团级数据管理方法和设备 | |
CN110738379A (zh) | 一种被子植物主要病虫害大数据预测平台 | |
CN113360717B (zh) | 一种智能线索处理方法及系统 | |
CN114418640A (zh) | 一种数据管理与统计分析商业智能化平台 | |
CN116502768B (zh) | 民航信息岗负荷预警方法、系统及存储介质 | |
CN107330498A (zh) | 一种构建在线样品库的方法 | |
CN110765355B (zh) | 金融市场产品交易策略课程的推送方法及装置 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20211130 |