CN113743641A - 一种物品识别方法和装置 - Google Patents
一种物品识别方法和装置 Download PDFInfo
- Publication number
- CN113743641A CN113743641A CN202011461669.2A CN202011461669A CN113743641A CN 113743641 A CN113743641 A CN 113743641A CN 202011461669 A CN202011461669 A CN 202011461669A CN 113743641 A CN113743641 A CN 113743641A
- Authority
- CN
- China
- Prior art keywords
- article
- activity
- contribution
- item
- characteristic information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000000694 effects Effects 0.000 claims abstract description 237
- 238000012549 training Methods 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000011156 evaluation Methods 0.000 claims abstract description 20
- 230000002776 aggregation Effects 0.000 claims description 15
- 238000004220 aggregation Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008030 elimination Effects 0.000 description 3
- 238000003379 elimination reaction Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000012216 screening Methods 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Software Systems (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种物品识别方法和装置,涉及仓储物流领域。该方法的一具体实施方式包括:根据每个物品在一个活动中的引入流量和销量,确定每个物品在所述一个活动中的贡献类型;获取多个活动中每个物品的特征信息,与每个物品在每个活动中的销量、引入流量、贡献类型一同输入到待训练模型进行训练,得到无贡献物品识别模型;使用所述无贡献物品识别模型,对各待处理物品的特征信息进行处理,以识别出贡献类型为无贡献的物品。该实施方式基于有贡献和无贡献物品的特征信息和评估变量训练模型,最终应用于评估哪些备用物品对活动无贡献,以避免传统分析方法中数据随机性导致的偏误决策。
Description
技术领域
本发明涉及仓储物流领域,尤其涉及一种物品识别方法和装置。
背景技术
为提高消费者的购买意愿,提升转化率及销量,平台或商家经常会设置各种形式和折扣力度的活动,活动结束后会对效果进行复盘,查看是否有达到销售目标。有些还会分析哪些物品参加这次活动的效果不佳,那么下次活动就剔除该物品。如果不进行这种复盘和物品池的持续迭代优化,可能会造成大量吸引力小的物品持续存在于物品池中,浪费营销流量,降低用户体验。
在活动复盘和优化过程中,采销或相关分析人员通常是根据简单的数据分析结合主观经验,去判断哪些物品在本次活动中表现一般,进而在以后的活动中进行调整。这种做法过于依赖采销人员的业务能力,并且具有以下局限性:1)关注的指标单一,无法全面评估物品贡献;2)物品剔除原则简单,缺乏数据支撑和科学指导。
发明内容
有鉴于此,本发明实施例提供一种物品识别方法和装置,至少能够解决现有技术无法全面评估物品贡献,剔除原则缺乏数据支撑和科学指导的现象。
为实现上述目的,根据本发明实施例的一个方面,提供了一种物品识别方法,包括:
根据每个物品在一个活动中的引入流量和销量,确定每个物品在所述一个活动中的贡献类型;其中,贡献类型分有贡献和无贡献,无贡献的销量和引入流量均为零;
获取多个活动中每个物品的特征信息,与每个物品在每个活动中的销量、引入流量、贡献类型一同输入到待训练模型进行训练,得到无贡献物品识别模型;
使用所述无贡献物品识别模型,对各待处理物品的特征信息进行处理,以识别出贡献类型为无贡献的物品。
可选的,所述根据每个物品在一个活动中的引入流量和销量,确定每个物品在所述一个活动中的贡献类型,包括:
根据所述一个活动的物品间引流记录表,识别不同物品间的引流关系,计算每个物品在所述一个活动中为其他物品引入的流量;
统计每个物品在所述一个活动中的销量,结合引入流量,确定每个物品在所述一个活动中的贡献类型。
可选的,在根据所述一个活动的物品间引流记录表,识别不同物品间的引流关系之前,还包括:
基于用户名和活动标识,获取第一访问记录和第二访问记录;其中,所述第一访问记录用于记录通过来源物品详情页访问活动聚合页的第一时间点、再次通过所述来源物品详情页或通过其他物品详情页访问活动聚合页的第二时间点,所述第二访问记录用于记录通过活动聚合页访问流向物品详情页的第三时间点;
若所述第三时间点介于所述第一时间点和所述第二时间点之间,则基于所述用户名、所述活动标识、来源物品标识和流向物品标识,生成所述一个活动的物品间引流记录表。
可选的,在所述基于用户名和活动标识,获取第一访问记录和第二访问记录之前,还包括:
响应于对一个物品的详情页的访问操作,在详情页上显示所述一个物品当前参与的活动信息;其中,所述活动信息包括活动链接;
响应于对所述活动链接的访问操作,在活动聚合页上显示参与所述活动的所有物品的信息,并将所述一个物品作为来源物品,结合用户名、活动标识和访问活动聚合页的时间点,生成第一访问记录;
响应于对活动聚合页上另一物品的详情页的访问操作,将所述另一物品作为流向物品,结合用户名、活动标识和访问所述流向物品详情页的时间点,生成第二访问记录。
可选的,所述确定每个物品在所述一个活动中的贡献类型,包括:
若一个物品的销量和引入流量均大于零,则确定所述一个物品在所述一个活动中的贡献类型为有销售和引流;或
若一个物品的销量大于零但引入流量为零,则确定所述一个物品在所述一个活动中的贡献类型为仅有销售;或
若一个物品的销量为零但引入流量大于零,则确定所述一个物品在所述一个活动中的贡献类型为仅有引流;或
若一个物品的销量和引入流量均为零,则确定所述一个物品在所述一个活动中的贡献类型为无贡献。
可选的,所述获取多个活动中每个物品的特征信息,与每个物品在每个活动中的销量、引入流量、贡献类型一同输入到待训练模型进行训练,得到无贡献物品识别模型,包括:
针对一个活动中的一个活动规则,获取每个物品的特征信息,将每个物品的销量、引入流量、贡献类型、特征信息和所述一个活动规则一同输入到待训练模型进行训练,得到与所述一个活动规则对应的无贡献物品识别模型;
所述使用所述无贡献物品识别模型,对待处理物品的特征信息进行处理,包括:
确定一个待处理物品所参与的活动规则,判断是否存在与所述活动规则对应的无贡献物品识别模型;
若存在,则使用与所述活动规则对应的无贡献物品识别模型,对所述一个待处理物品的特征信息进行处理;
若不存在,则使用不针对活动规则的无贡献物品识别模型中,对所述一个待处理物品的特征信息进行处理。
为实现上述目的,根据本发明实施例的另一方面,提供了一种物品识别装置,包括:
确定模块,用于根据每个物品在一个活动中的引入流量和销量,确定每个物品在所述一个活动中的贡献类型;其中,贡献类型分有贡献和无贡献,无贡献的销量和引入流量均为零;
训练模块,用于获取多个活动中每个物品的特征信息,与每个物品在每个活动中的销量、引入流量、贡献类型一同输入到待训练模型进行训练,得到无贡献物品识别模型;
评估模块,用于使用所述无贡献物品识别模型,对各待处理物品的特征信息进行处理,以识别出贡献类型为无贡献的物品。
可选的,所述确定模块,用于:
根据所述一个活动的物品间引流记录表,识别不同物品间的引流关系,计算每个物品在所述一个活动中为其他物品引入的流量;
统计每个物品在所述一个活动中的销量,结合引入流量,确定每个物品在所述一个活动中的贡献类型。
可选的,还包括创建模块,用于:
基于用户名和活动标识,获取第一访问记录和第二访问记录;其中,所述第一访问记录用于记录通过来源物品详情页访问活动聚合页的第一时间点、再次通过所述来源物品详情页或通过其他物品详情页访问活动聚合页的第二时间点,所述第二访问记录用于记录通过活动聚合页访问流向物品详情页的第三时间点;
若所述第三时间点介于所述第一时间点和所述第二时间点之间,则基于所述用户名、所述活动标识、来源物品标识和流向物品标识,生成所述一个活动的物品间引流记录表。
可选的,还包括记录模块,用于:
响应于对一个物品的详情页的访问操作,在详情页上显示所述一个物品当前参与的活动信息;其中,所述活动信息包括活动链接;
响应于对所述活动链接的访问操作,在活动聚合页上显示参与所述活动的所有物品的信息,并将所述一个物品作为来源物品,结合用户名、活动标识和访问活动聚合页的时间点,生成第一访问记录;
响应于对活动聚合页上另一物品的详情页的访问操作,将所述另一物品作为流向物品,结合用户名、活动标识和访问所述流向物品详情页的时间点,生成第二访问记录。
可选的,所述确定模块,用于:
若一个物品的销量和引入流量均大于零,则确定所述一个物品在所述一个活动中的贡献类型为有销售和引流;或
若一个物品的销量大于零但引入流量为零,则确定所述一个物品在所述一个活动中的贡献类型为仅有销售;或
若一个物品的销量为零但引入流量大于零,则确定所述一个物品在所述一个活动中的贡献类型为仅有引流;或
若一个物品的销量和引入流量均为零,则确定所述一个物品在所述一个活动中的贡献类型为无贡献。
可选的,所述训练模块,用于:
针对一个活动中的一个活动规则,获取每个物品的特征信息,将每个物品的销量、引入流量、贡献类型、特征信息和所述一个活动规则一同输入到待训练模型进行训练,得到与所述一个活动规则对应的无贡献物品识别模型;
所述评估模块,用于:
确定一个待处理物品所参与的活动规则,判断是否存在与所述活动规则对应的无贡献物品识别模型;
若存在,则使用与所述活动规则对应的无贡献物品识别模型,对所述一个待处理物品的特征信息进行处理;
若不存在,则使用不针对活动规则的无贡献物品识别模型中,对所述一个待处理物品的特征信息进行处理。
为实现上述目的,根据本发明实施例的再一方面,提供了一种物品识别电子设备。
本发明实施例的电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现上述任一所述的物品识别方法。
为实现上述目的,根据本发明实施例的再一方面,提供了一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现上述任一所述的物品识别方法。
根据本发明所述提供的方案,上述发明中的一个实施例具有如下优点或有益效果:充分考虑了物品在活动中的贡献结果,以此设计了基于流量和销量区分有贡献和无贡献物品的方案,从活动物品池中剔除掉无贡献的物品,以不断提高其整体吸引力和销售效果。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的一种物品识别方法的主要流程示意图;
图2是根据本发明实施例的一种可选的物品识别方法的流程示意图;
图3是根据本发明实施例的一种物品识别装置的主要模块示意图;
图4是本发明实施例可以应用于其中的示例性系统架构图;
图5是适于用来实现本发明实施例的移动设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
此处对现有技术存在的问题进行详细描述:
1)关注的指标单一,无法全面评估物品贡献:商家主要关注销售相关指标,包括销量、成交金额、转化率、爆发力、净利率、ROI(投资回报率)等。这样做可以筛选出销售表现好的物品,缺陷在于忽略了物品的流量贡献。有些物品自身转化率较低,但放在活动物品池中可以为其他物品带来流量,间接带来销售收入。
2)物品剔除原则简单,缺乏数据支撑和科学指导:现有做法通常会设定一个阈值,例如转化率低于5%的物品定义为表现较差,在下一次的活动中被剔除。这样做的随意性较大,缺乏足够的数据作支撑,可能会导致效果好的物品被排除在外。
参见图1,示出的是本发明实施例提供的一种物品识别方法的主要流程图,包括如下步骤:
S101:根据每个物品在一个活动中的引入流量和销量,确定每个物品在所述一个活动中的贡献类型;其中,贡献类型分有贡献和无贡献,无贡献的销量和引入流量均为零;
S102:获取多个活动中每个物品的特征信息,与每个物品在每个活动中的销量、引入流量、贡献类型一同输入到待训练模型进行训练,得到无贡献物品识别模型;
S103:使用所述无贡献物品识别模型,对各待处理物品的特征信息进行处理,以识别出贡献类型为无贡献的物品。
上述实施方式中,对于步骤S101,从物品间引流记录表(参见图2所示描述)中,可以计算得到每个物品在每个活动中为其他物品引入的流量和其他物品为自身引入的流量,分别称为引入流量和获得流量。由于本方案主要考虑物品在活动(如促销活动)中的贡献,所以暂不考虑获得流量。另外,利用订单数据可以统计得到每个物品在每个活动中的销量。
根据每个物品在每个活动中的销量和引入流量,可以对每个物品的贡献类型进行打标:若销量和引入流量均为0,则打标为无贡献,否则为有贡献。进一步的,对于有贡献还可以进行细分:
如果物品在一个活动中的销量和引入流量均大于0,则打标为有销售、有引流;
如果物品在一个活动中的销量大于0但引入流量为0,则打标为仅有销售;
如果物品在一个活动中的引入流量大于0但销售为0,则打标为仅有引流。
在对每个物品在一个活动中的贡献类型进行打标后,关联活动id的详细信息,形成该一个活动的物品识别结果表,字段为物品id、活动id、活动开始时间、活动结束时间、活动规则、销量、引入流量、获得流量、贡献类型。
对于步骤S102,可以提取历史上多个活动的物品识别结果作为训练样本,目标变量为贡献类型。由于本方案的主要目标是对无贡献物品进行评估,因此将物品的贡献类型简化为有贡献和无贡献两种。
通过历史数据,可以确定参与每个活动的每个物品的销量和引入流量,由此可以判断其是否为有贡献。但未来活动发生前不确定其销量和引流情况,因此需设计机器学习模型协助评估。且虽可以通过预测销量和预测引入流量的方式预估物品的贡献类型,但其难度和对精确度的要求度较高,因此暂不考虑该方式。
上述数据可以给训练样本打标是否有贡献,作为评估变量。实际输入机器学习的训练样本除了上述评估变量外,还包括每个物品的特征信息,如物品的页面价、成交价、近30日的日均uv(unique visitor,独立访客)、近30日的日均pv(page view,页面浏览量)、近30日日均销量、近30日平均转化率、库存状态、活动期间是否有节假日等。
此处的机器学习模型,可以从朴素贝叶斯分类器、逻辑回归、GBDT(GradientBoosting Decision Tree,迭代的决策树算法)、XGBoost等中选择评估效果最佳的一个。或者对效果优良的多个模型进行融合,形成最终的无贡献物品识别模型。进一步的,在训练样本量足够多的情况下,可以针对每个活动规则训练一个无贡献物品识别模型,但在不考虑活动规则时,生成的是不区分活动规则的无贡献物品识别模型(即总体模型)。
对于步骤S103,当平台或商家准备举行一次活动时,可以对所有备选物品加工特征信息,并使用相应活动规则的无贡献物品识别模型(若暂无对应模型则使用总体模型),对这些备选物品进行贡献类型评估,得到贡献类型为无贡献的物品清单,为物品池最终的物品选择提供决策支持,如从活动名单中剔除该物品清单中的物品。
需要说明的是,贡献评估时可以无需考虑物品的销量和引入流量,因为活动还未开始,这两个信息还没有生成。此时仅依据每个备选物品的特征信息【页面价、成交价、近30日的日均uv、近30日的日均pv、近30日日均销量、近30日平均转化率、库存状态、活动期间是否有节假日】,也可以得到其贡献类型。
上述实施例所提供的方法,汇总物品历史销量和流量等相关指标,为其贡献类型打标,分为无贡献、仅有销量、仅有引流、有销量有引流四类;基于有贡献和无贡献物品的特征信息和评估变量训练模型,最终应用于评估哪些备用物品对活动无贡献,以避免传统分析方法中数据随机性导致的偏误决策。
参见图2,示出了根据本发明实施例的一种可选的物品识别方法流程示意图,包括如下步骤:
S201:根据一个活动的物品间引流记录表,识别不同物品间的引流关系,计算每个物品在所述一个活动中为其他物品引入的流量;
S202:统计每个物品在所述一个活动中的销量,结合引入流量,确定每个物品在所述一个活动中的贡献类型;其中,贡献类型分有贡献和无贡献,无贡献的销量和引入流量均为零;
S203:获取多个活动中每个物品的特征信息,与每个物品在每个活动中的销量、引入流量、贡献类型一同输入到待训练模型进行训练,得到无贡献物品识别模型;
S204:使用所述无贡献物品识别模型,对各待处理物品的特征信息进行处理,以识别出贡献类型为无贡献的物品。
上述实施方式中,对于步骤S203和S204,可参见图1所示描述,在此不再赘述。
上述实施方式中,对于步骤S201和S202,用户点击进入物品A的详情页后,可以看到该物品当前参加的活动信息,如果被该活动吸引,希望通过凑单来达到活动门槛完成购买,则可以通过点击物品详情页上的活动链接进入活动聚合页,此处展示了所有参与该活动的物品。如果用户浏览活动聚合页之后,又点击进入了物品B的详情页,则称物品A为物品B引来了流量,两者之间存在引流关系。
需要说明的是,每次仅限定一个活动,例如商场有满300减40、满200减25两个活动,但一个物品仅可以参与其中一个活动。这种物品之间的引流效应可以提升总体流程,将用户带到更具吸引力的物品页面,以此提升最终销量,因此后续在评估物品贡献时需要将引流贡献也纳入评估指标范围。
具体数据加工流程参见表X、表Y和物品间引流记录表所示,设置两个表:
1)表X记录通过访问活动聚合页的访问记录,具体字段为用户名、来源物品id、活动id、通过物品详情页访问活动聚合页的时间点t1、下一次通过该物品详情页或其他物品详情页访问该活动聚合页的时间点t2;
2)表Y记录通过活动聚合页访问流向物品详情页的访问记录,具体字段为用户名、活动id、流向物品id、访问流向物品的时间点t0。
上述两个表,通过用户名和活动id进行关联,关联时需对访问时间点的大小关系进行判断:若满足条件t1>t0>t2才可关联,最终形成物品间引流记录表,该表包含以下字段:用户名、来源物品id、活动id和流向物品id。
需要说明的是,用户名是一个较为关键的字段,需要判断物品A-活动聚合页-物品B这个访问流是同一个用户的连续动作。若是不同用户的访问记录,则不是物品A为物品B引流;若t0在t1之前,则也不是物品A为物品B引流。
表X的表头:
表Y的表头:
物品间引流记录表的表头:
用户名 | 来源物品id | 活动id | 流向物品id |
上述实施例所提供的方法,通过流量数据识别一个活动中不同物品间的引流关系,结合每个物品的销量,更全面公平地对物品在每次活动中做出的贡献进行量化和定性。
本发明实施例所提供的方法,分析每个物品在活动中发挥的不同作用,对能带来流量和销量的物品对活动所作出的贡献给予充分认可,因而考虑贡献方面,设计了有贡献和无贡献的物品评估方案:
1)考虑物品在流量和销量两方面的指标,构建了一个活动复盘框架,对物品在每次活动中做出的贡献进行量化和定性,更全面公平;
2)利用大数据和机器学习算法评估出哪些物品可能无贡献,根据评估结果优化物品池,持续迭代,不断提高物品池的整体吸引力和销售效果。
参见图3,示出了本发明实施例提供的一种物品识别装置300的主要模块示意图,包括:
确定模块301,用于根据每个物品在一个活动中的引入流量和销量,确定每个物品在所述一个活动中的贡献类型;其中,贡献类型分有贡献和无贡献,无贡献的销量和引入流量均为零;
训练模块302,用于获取多个活动中每个物品的特征信息,与每个物品在每个活动中的销量、引入流量、贡献类型一同输入到待训练模型进行训练,得到无贡献物品识别模型;
评估模块303,用于使用所述无贡献物品识别模型,对各待处理物品的特征信息进行处理,以识别出贡献类型为无贡献的物品。
本发明实施装置中,所述确定模块301,用于:
根据所述一个活动的物品间引流记录表,识别不同物品间的引流关系,计算每个物品在所述一个活动中为其他物品引入的流量;
统计每个物品在所述一个活动中的销量,结合引入流量,确定每个物品在所述一个活动中的贡献类型。
本发明实施装置还包括创建模块304(图中未标出),用于:
基于用户名和活动标识,获取第一访问记录和第二访问记录;其中,所述第一访问记录用于记录通过来源物品详情页访问活动聚合页的第一时间点、再次通过所述来源物品详情页或通过其他物品详情页访问活动聚合页的第二时间点,所述第二访问记录用于记录通过活动聚合页访问流向物品详情页的第三时间点;
若所述第三时间点介于所述第一时间点和所述第二时间点之间,则基于所述用户名、所述活动标识、来源物品标识和流向物品标识,生成所述一个活动的物品间引流记录表。
本发明实施装置还包括记录模块305(图中未标出),用于:
响应于对一个物品的详情页的访问操作,在详情页上显示所述一个物品当前参与的活动信息;其中,所述活动信息包括活动链接;
响应于对所述活动链接的访问操作,在活动聚合页上显示参与所述活动的所有物品的信息,并将所述一个物品作为来源物品,结合用户名、活动标识和访问活动聚合页的时间点,生成第一访问记录;
响应于对活动聚合页上另一物品的详情页的访问操作,将所述另一物品作为流向物品,结合用户名、活动标识和访问所述流向物品详情页的时间点,生成第二访问记录。
本发明实施装置中,所述确定模块301,用于:
若一个物品的销量和引入流量均大于零,则确定所述一个物品在所述一个活动中的贡献类型为有销售和引流;或
若一个物品的销量大于零但引入流量为零,则确定所述一个物品在所述一个活动中的贡献类型为仅有销售;或
若一个物品的销量为零但引入流量大于零,则确定所述一个物品在所述一个活动中的贡献类型为仅有引流;或
若一个物品的销量和引入流量均为零,则确定所述一个物品在所述一个活动中的贡献类型为无贡献。
本发明实施装置中,所述训练模块302,用于:
针对一个活动中的一个活动规则,获取每个物品的特征信息,将每个物品的销量、引入流量、贡献类型、特征信息和所述一个活动规则一同输入到待训练模型进行训练,得到与所述一个活动规则对应的无贡献物品识别模型;
所述评估模块303,用于:
确定一个待处理物品所参与的活动规则,判断是否存在与所述活动规则对应的无贡献物品识别模型;
若存在,则使用与所述活动规则对应的无贡献物品识别模型,对所述一个待处理物品的特征信息进行处理;
若不存在,则使用不针对活动规则的无贡献物品识别模型中,对所述一个待处理物品的特征信息进行处理。
另外,在本发明实施例中所述装置的具体实施内容,在上面所述方法中已经详细说明了,故在此重复内容不再说明。
图4示出了可以应用本发明实施例的示例性系统架构400。
如图4所示,系统架构400可以包括终端设备401、402、403,网络404和服务器405(仅仅是示例)。网络404用以在终端设备401、402、403和服务器405之间提供通信链路的介质。网络404可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备401、402、403通过网络404与服务器405交互,以接收或发送消息等。终端设备401、402、403上可以安装有各种通讯客户端应用。
终端设备401、402、403可以是具有显示屏并且支持网页浏览的各种电子设备,服务器405可以是提供各种服务的服务器。
需要说明的是,本发明实施例所提供的方法一般由服务器405执行,相应地,装置一般设置于服务器405中。
应该理解,图4中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图5,其示出了适于用来实现本发明实施例的终端设备的计算机系统500的结构示意图。图5示出的终端设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,计算机系统500包括中央处理单元(CPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括确定模块、训练模块、评估模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定,例如,评估模块还可以被描述为“贡献类型评估模块”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:
根据每个物品在一个活动中的引入流量和销量,确定每个物品在所述一个活动中的贡献类型;其中,贡献类型分有贡献和无贡献,无贡献的销量和引入流量均为零;
获取多个活动中每个物品的特征信息,与每个物品在每个活动中的销量、引入流量、贡献类型一同输入到待训练模型进行训练,得到无贡献物品识别模型;
使用所述无贡献物品识别模型,对各待处理物品的特征信息进行处理,以识别出贡献类型为无贡献的物品。
根据本发明实施例的技术方案,分析每个物品在活动中发挥的不同作用,对能带来流量和销量的物品对活动所作出的贡献给予充分认可,因而考虑贡献方面,设计了有贡献和无贡献的物品评估方案:
1)考虑物品在流量和销量两方面的指标,构建了一个活动复盘框架,对物品在每次活动中做出的贡献进行量化和定性,更全面公平;
2)利用大数据和机器学习算法评估出哪些物品可能无贡献,根据评估结果优化物品池,持续迭代,不断提高物品池的整体吸引力和销售效果。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种物品识别方法,其特征在于,包括:
根据每个物品在一个活动中的引入流量和销量,确定每个物品在所述一个活动中的贡献类型;其中,贡献类型分有贡献和无贡献,无贡献的销量和引入流量均为零;
获取多个活动中每个物品的特征信息,与每个物品在每个活动中的销量、引入流量、贡献类型一同输入到待训练模型进行训练,得到无贡献物品识别模型;
使用所述无贡献物品识别模型,对各待处理物品的特征信息进行处理,以识别出贡献类型为无贡献的物品。
2.根据权利要求1所述的方法,其特征在于,所述根据每个物品在一个活动中的引入流量和销量,确定每个物品在所述一个活动中的贡献类型,包括:
根据所述一个活动的物品间引流记录表,识别不同物品间的引流关系,计算每个物品在所述一个活动中为其他物品引入的流量;
统计每个物品在所述一个活动中的销量,结合引入流量,确定每个物品在所述一个活动中的贡献类型。
3.根据权利要求2所述的方法,其特征在于,在根据所述一个活动的物品间引流记录表,识别不同物品间的引流关系之前,还包括:
基于用户名和活动标识,获取第一访问记录和第二访问记录;其中,所述第一访问记录用于记录通过来源物品详情页访问活动聚合页的第一时间点、再次通过所述来源物品详情页或通过其他物品详情页访问活动聚合页的第二时间点,所述第二访问记录用于记录通过活动聚合页访问流向物品详情页的第三时间点;
若所述第三时间点介于所述第一时间点和所述第二时间点之间,则基于所述用户名、所述活动标识、来源物品标识和流向物品标识,生成所述一个活动的物品间引流记录表。
4.根据权利要求3所述的方法,其特征在于,在所述基于用户名和活动标识,获取第一访问记录和第二访问记录之前,还包括:
响应于对一个物品的详情页的访问操作,在详情页上显示所述一个物品当前参与的活动信息;其中,所述活动信息包括活动链接;
响应于对所述活动链接的访问操作,在活动聚合页上显示参与所述活动的所有物品的信息,并将所述一个物品作为来源物品,结合用户名、活动标识和访问活动聚合页的时间点,生成第一访问记录;
响应于对活动聚合页上另一物品的详情页的访问操作,将所述另一物品作为流向物品,结合用户名、活动标识和访问所述流向物品详情页的时间点,生成第二访问记录。
5.根据权利要求1所述的方法,其特征在于,所述确定每个物品在所述一个活动中的贡献类型,包括:
若一个物品的销量和引入流量均大于零,则确定所述一个物品在所述一个活动中的贡献类型为有销售和引流;或
若一个物品的销量大于零但引入流量为零,则确定所述一个物品在所述一个活动中的贡献类型为仅有销售;或
若一个物品的销量为零但引入流量大于零,则确定所述一个物品在所述一个活动中的贡献类型为仅有引流;或
若一个物品的销量和引入流量均为零,则确定所述一个物品在所述一个活动中的贡献类型为无贡献。
6.根据权利要求1所述的方法,其特征在于,所述获取多个活动中每个物品的特征信息,与每个物品在每个活动中的销量、引入流量、贡献类型一同输入到待训练模型进行训练,得到无贡献物品识别模型,包括:
针对一个活动中的一个活动规则,获取每个物品的特征信息,将每个物品的销量、引入流量、贡献类型、特征信息和所述一个活动规则一同输入到待训练模型进行训练,得到与所述一个活动规则对应的无贡献物品识别模型;
所述使用所述无贡献物品识别模型,对待处理物品的特征信息进行处理,包括:
确定一个待处理物品所参与的活动规则,判断是否存在与所述活动规则对应的无贡献物品识别模型;
若存在,则使用与所述活动规则对应的无贡献物品识别模型,对所述一个待处理物品的特征信息进行处理;
若不存在,则使用不针对活动规则的无贡献物品识别模型中,对所述一个待处理物品的特征信息进行处理。
7.一种物品识别装置,其特征在于,包括:
确定模块,用于根据每个物品在一个活动中的引入流量和销量,确定每个物品在所述一个活动中的贡献类型;其中,贡献类型分有贡献和无贡献,无贡献的销量和引入流量均为零;
训练模块,用于获取多个活动中每个物品的特征信息,与每个物品在每个活动中的销量、引入流量、贡献类型一同输入到待训练模型进行训练,得到无贡献物品识别模型;
评估模块,用于使用所述无贡献物品识别模型,对各待处理物品的特征信息进行处理,以识别出贡献类型为无贡献的物品。
8.根据权利要求7所述的装置,其特征在于,所述训练模块,用于:
针对一个活动中的一个活动规则,获取每个物品的特征信息,将每个物品的销量、引入流量、贡献类型、特征信息和所述一个活动规则一同输入到待训练模型进行训练,得到与所述一个活动规则对应的无贡献物品识别模型;
所述评估模块,用于:
确定一个待处理物品所参与的活动规则,判断是否存在与所述活动规则对应的无贡献物品识别模型;
若存在,则使用与所述活动规则对应的无贡献物品识别模型,对所述一个待处理物品的特征信息进行处理;
若不存在,则使用不针对活动规则的无贡献物品识别模型中,对所述一个待处理物品的特征信息进行处理。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011461669.2A CN113743641A (zh) | 2020-12-07 | 2020-12-07 | 一种物品识别方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011461669.2A CN113743641A (zh) | 2020-12-07 | 2020-12-07 | 一种物品识别方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113743641A true CN113743641A (zh) | 2021-12-03 |
Family
ID=78728202
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011461669.2A Pending CN113743641A (zh) | 2020-12-07 | 2020-12-07 | 一种物品识别方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113743641A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002367038A (ja) * | 2001-06-05 | 2002-12-20 | Ichi Rei Yon Kk | 販促キャンペーン管理システム |
JP2004062323A (ja) * | 2002-07-25 | 2004-02-26 | Nippon Yunishisu Kk | 情報処理装置およびその方法 |
JP2004341629A (ja) * | 2003-05-13 | 2004-12-02 | Nippon Telegr & Teleph Corp <Ntt> | 商品紹介方法、装置およびプログラム |
CN102629257A (zh) * | 2012-02-29 | 2012-08-08 | 南京大学 | 一种基于关键字的电子商务网站商品推荐方法 |
CN104123621A (zh) * | 2014-08-14 | 2014-10-29 | 上海竖排网络科技有限公司 | 一种企业营销管理的方法 |
CN105184618A (zh) * | 2015-10-20 | 2015-12-23 | 广州唯品会信息科技有限公司 | 新用户的商品个性化推荐方法及系统 |
CN107341712A (zh) * | 2017-06-28 | 2017-11-10 | 北京地球城电子商务有限公司 | 消费数据处理方法及装置 |
CN107665448A (zh) * | 2017-09-29 | 2018-02-06 | 北京京东尚科信息技术有限公司 | 用于确定消费贡献价值的方法、装置以及存储介质 |
CN109949092A (zh) * | 2019-03-18 | 2019-06-28 | 康美药业股份有限公司 | 基于商品关注度的商品推送方法、服务器及存储介质 |
CN110033356A (zh) * | 2019-04-22 | 2019-07-19 | 跑哪儿科技(成都)有限公司 | 一种对用户价值进行排序的方法、装置及系统 |
-
2020
- 2020-12-07 CN CN202011461669.2A patent/CN113743641A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002367038A (ja) * | 2001-06-05 | 2002-12-20 | Ichi Rei Yon Kk | 販促キャンペーン管理システム |
JP2004062323A (ja) * | 2002-07-25 | 2004-02-26 | Nippon Yunishisu Kk | 情報処理装置およびその方法 |
JP2004341629A (ja) * | 2003-05-13 | 2004-12-02 | Nippon Telegr & Teleph Corp <Ntt> | 商品紹介方法、装置およびプログラム |
CN102629257A (zh) * | 2012-02-29 | 2012-08-08 | 南京大学 | 一种基于关键字的电子商务网站商品推荐方法 |
CN104123621A (zh) * | 2014-08-14 | 2014-10-29 | 上海竖排网络科技有限公司 | 一种企业营销管理的方法 |
CN105184618A (zh) * | 2015-10-20 | 2015-12-23 | 广州唯品会信息科技有限公司 | 新用户的商品个性化推荐方法及系统 |
CN107341712A (zh) * | 2017-06-28 | 2017-11-10 | 北京地球城电子商务有限公司 | 消费数据处理方法及装置 |
CN107665448A (zh) * | 2017-09-29 | 2018-02-06 | 北京京东尚科信息技术有限公司 | 用于确定消费贡献价值的方法、装置以及存储介质 |
CN109949092A (zh) * | 2019-03-18 | 2019-06-28 | 康美药业股份有限公司 | 基于商品关注度的商品推送方法、服务器及存储介质 |
CN110033356A (zh) * | 2019-04-22 | 2019-07-19 | 跑哪儿科技(成都)有限公司 | 一种对用户价值进行排序的方法、装置及系统 |
Non-Patent Citations (3)
Title |
---|
PEI-HSUAN HSIEH: ""A Study of Models for Forecasting E-Commerce Sales During a Price War in the Medical Product Industry"", 《LECTURE NOTES IN ARTIFICIAL INTELLIGENCE》, vol. 11588, 14 June 2019 (2019-06-14), pages 3 - 21, XP047521075, DOI: 10.1007/978-3-030-22335-9_1 * |
王智锦;: "引流商品的拓客之道", 《中国药店》, no. 07, 15 July 2020 (2020-07-15), pages 78 - 79 * |
陈凯毅: ""跨境电商第三方交易平台商品转化率及其影响研究"", 《中国优秀硕士学位论文全文数据库 (经济与管理科学辑)》, vol. 2018, no. 12, 15 December 2018 (2018-12-15), pages 157 - 61 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111291816B (zh) | 针对用户分类模型进行特征处理的方法及装置 | |
Wu et al. | User Value Identification Based on Improved RFM Model and K‐Means++ Algorithm for Complex Data Analysis | |
CN113469730A (zh) | 一种非合同场景下的基于RF-LightGBM融合模型的客户复购预测方法及装置 | |
CN112925973B (zh) | 数据处理方法和装置 | |
CN112215448A (zh) | 分配客服的方法和装置 | |
CN106408325A (zh) | 基于用户支付信息的用户消费行为预测分析方法及系统 | |
CN113610521A (zh) | 用于检测行为数据的异常的方法和设备 | |
Hosseini et al. | Identifying multi-channel value co-creator groups in the banking industry | |
CN111429161A (zh) | 特征提取方法、特征提取装置、存储介质及电子设备 | |
TWM624658U (zh) | 以用戶短期特徵預測用戶是否屬於價值用戶群的預測裝置 | |
CN115545886A (zh) | 逾期风险识别方法、装置、设备及存储介质 | |
CN113792134A (zh) | 一种基于数字孪生技术的用户服务方法及系统 | |
CN112330373A (zh) | 用户行为分析方法、装置及计算机可读存储介质 | |
CN112950359A (zh) | 一种用户识别方法和装置 | |
CN113779276A (zh) | 用于检测评论的方法和装置 | |
CN110889716A (zh) | 识别潜在注册用户的方法及装置 | |
CN110796520A (zh) | 商品推荐的方法、装置、计算设备以及介质 | |
CN113987186B (zh) | 一种基于知识图谱生成营销方案的方法和装置 | |
CN107357847B (zh) | 数据处理方法及其装置 | |
CN114943563A (zh) | 一种权益推送方法、装置、计算机设备及存储介质 | |
CN112560433B (zh) | 一种信息处理的方法及装置 | |
CN110838019A (zh) | 确定试用品发放人群的方法和装置 | |
CN114996579A (zh) | 信息推送方法、装置、电子设备和计算机可读介质 | |
CN113743641A (zh) | 一种物品识别方法和装置 | |
Prihono et al. | Comparison analysis of social influence marketing for mobile payment using support vector machine |
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 |