CN113763053A - 一种基于区块链的大数据电商平台用户活跃等级评估的方法 - Google Patents
一种基于区块链的大数据电商平台用户活跃等级评估的方法 Download PDFInfo
- Publication number
- CN113763053A CN113763053A CN202111102662.6A CN202111102662A CN113763053A CN 113763053 A CN113763053 A CN 113763053A CN 202111102662 A CN202111102662 A CN 202111102662A CN 113763053 A CN113763053 A CN 113763053A
- Authority
- CN
- China
- Prior art keywords
- user
- shopping
- commerce
- information
- level
- 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
- 230000000694 effects Effects 0.000 title claims abstract description 130
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000004891 communication Methods 0.000 claims abstract description 48
- 238000013210 evaluation model Methods 0.000 claims abstract description 14
- 238000013475 authorization Methods 0.000 claims description 54
- 238000012216 screening Methods 0.000 claims description 39
- 238000011156 evaluation Methods 0.000 claims description 27
- 238000007405 data analysis Methods 0.000 claims description 22
- 238000012423 maintenance Methods 0.000 claims description 17
- 230000008901 benefit Effects 0.000 claims description 10
- 238000007726 management method Methods 0.000 description 57
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000007246 mechanism Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000013515 script Methods 0.000 description 1
- 239000003381 stabilizer Substances 0.000 description 1
- 238000013068 supply chain management 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
- G06Q30/0203—Market surveys; Market polls
-
- 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
- G06F16/23—Updating
-
- 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
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于区块链的大数据电商平台用户活跃等级评估的方法，包括如下步骤：步骤1：获取用户在各个电商平台的购物信息和个人通信基本信息；步骤2：根据用户的购物信息，通过大数据对比获得用户在各个电商平台的购物活跃度；步骤3：提取用户个人基本信息和在各个电商平台购物活跃度的特征信息，并将其对应储存；步骤4：将用户的特征信息输入购物活跃度等级评估模型，获得用户的购物活跃度等级。通过设备的整体结构，各个用户购物信息在各个电商平台的购物数量的比例，在设定活跃度的比值区间的哪个区间内，而判断用户的活跃等级，达到通过对用户活跃等级的判断，能够便于平台更好的维护用户对电商平台的使用。
Description
技术领域
本发明涉及电商技术领域，具体地说，涉及一种基于区块链的大数据电商平台用户活跃等级评估的方法。
背景技术
一般说来，区块链系统由数据层、网络层、共识层、激励层、合约层和应用层组成。其中，数据层封装了底层数据区块以及相关的数据加密和时间戳等基础数据和基本算法；网络层则包括分布式组网机制、数据传播机制和数据验证机制等；共识层主要封装网络节点的各类共识算法；激励层将经济因素集成到区块链技术体系中来，主要包括经济激励的发行机制和分配机制等；合约层主要封装各类脚本、算法和智能合约，是区块链可编程特性的基础；应用层则封装了区块链的各种应用场景和案例。该模型中，基于时间戳的链式区块结构、分布式节点的共识机制、基于共识算力的经济激励和灵活可编程的智能合约是区块链技术最具代表性的创新点。
电子商务简称电商，是指在互联网、内部网和增值网上以电子交易方式进行交易活动和相关服务活动，使传统商业活动各环节的电子化、网络化。电子商务包括电子货币交换、供应链管理、电子交易市场、网络营销、在线事务处理、电子数据交换(EDI)、存货管理和自动数据收集系统。在此过程中，利用到的信息技术包括：互联网、外联网、电子邮件、数据库、电子目录和移动电话。
在基于区块链的大数据电商的运行过程中，电商平台是需要大量的流量，从而在平台购物，而达到盈利的目的。
可是普通的电商平台运行时，不了解用户的在电商平台的购买活跃度，从而通过发放合适的福利，而引导消费者进行购物消费，因此我们提出了一种基于区块链的大数据电商平台用户活跃等级评估的方法。
发明内容
本发明的目的在于提供一种基于区块链的大数据电商平台用户活跃等级评估的方法，各个用户购物信息在各个电商平台的购物数量的比例，在设定活跃度的比值区间的哪个区间内，而判断用户的活跃等级，达到通过对用户活跃等级的判断，能够便于平台更好的维护用户对电商平台的使用。
本发明公开的一种基于区块链的大数据电商平台用户活跃等级评估的方法所采用的技术方案是:一种基于区块链的大数据电商平台用户活跃等级评估的方法，包括如下步骤：
步骤1：获取用户在各个电商平台的购物信息和个人通信基本信息；
步骤2：根据用户的购物信息，通过大数据对比获得用户在各个电商平台的购物活跃度；
步骤3：提取用户个人基本信息和在各个电商平台购物活跃度的特征信息，并将其对应储存；
步骤4：将用户的特征信息输入购物活跃度等级评估模型，获得用户的购物活跃度等级；
步骤5：获得预设用户购物活跃度等级评估信息，根据预设用户购物活跃度等级评估信息对各个电商平台所有用户购物活跃度等级进行评估，获得用户的购物活跃等级，其中，用户的购物活跃等级包括三个以上等级，分别为第一电商购物活跃等级、第二电商购物活跃等级、第三电商购物活跃等级.....第N电商购物活跃等级，N为大于3的自然数；
步骤6：将各个电商平台的第一电商购物活跃等级对应的用户信息进行整合，获得第一电商购物活跃等级库；将各个电商平台的第二电商购物活跃等级对应的用户信息进行整合，获得第二电商购物活跃等级库；将各个电商平台的第三电商购物活跃等级对应的用户信息进行整合，获得第三电商购物活跃等级库，直到获得第N电商购物活跃等级库；
步骤7：根据各电商平台的用户购物活跃等级，获得管理周期信息，其中管理周期信息包括三个以上，分别与第一电商购物活跃等级库、第二电商购物活跃等级库，第三电商购物活跃等级库，直到第N电商购物活跃等级库一一对应；
步骤8：根据管理周期信息，获得定期管理指令，且定位管理指令用于按照所有电商购物活跃等级库的管理周期自动进行用户的维护，避免大量用户的流失。
作为优选方案，所述获取用户在各个电商平台的购物信息和个人通信基本信息还包括如下步骤：
步骤11：获得各个电商平台的用户购物清单和购物日期；
步骤12：根据各个电商平台的用户购物清单和购物日期，统计用户每个月的购物数量和购物种类；
步骤13：根据用户每个月的购物数量和购物种类，构建福利授权通知信息；
步骤14：根据个人通信基本信息和福利授权通知信息，获得第一发送信息，所述第一发送信息用于将所述授权通知信息按照用户通信信息进行自动发送；
步骤15：根据第一发送信息，获得第一授权回复，根据第一授权回复，获得电商用户授权信息。
具体而言，电商用户授权是用户认证通过用户的权限来控制用户访问资源的过程，拥有资源的访问权限则正常访问，没有权限则拒绝访问，所述个人通信基本信息包括用户姓名、性别、籍贯、联系方式信息，所述授权通知信息为通知用户对自己所有的购物清单、购物日期和活跃等级数据访问权限进行授权，将所述授权通知信息按照个人通信联系方式进行自动发送，并获取用户对数据的授权回复，通过授权回复获取用户授权信息，所述居民授权信息不需要上门要授权，将授权信息自动发送，自动确认，对于没有收到回复的进行定时提醒，达到通过用户授权，信息获取更加全面且便捷，进而加强信息管理规范的技术效果。
作为优选方案，所述根据用户的购物信息，通过大数据对比获得用户在各个电商平台的购物活跃度还包括如下步骤：
步骤21：根据用户的购物信息，通过大数据的对比获得用户在各个电商平台的购物数量的比例；
步骤22：得出比例的比值，通过比例的大小，而判断用户的活跃度。
具体而言，通过用户授予的权限信息，获取用户姓名、性别、籍贯、联系方式以及用户购物清单和购物日期信息，通过网络大数据平台对用户购物清单和购物日期信息进行收集和处理，所述用户购物清单和购物日期是用户在电商平台的购物频率，客观地反映电商用户购物类别、频率。
作为优选方案，所述将用户的特征信息输入购物活跃度等级评估模型，获得用户的购物活跃度等级包括如下步骤：
步骤41：用户的特征信息输入基于大数据的购物活跃度等级评估模型中；
步骤42：然后通过大数据的对比获得用户在各个电商平台的购物数量的比例；
步骤43：判断各个用户购物信息在各个电商平台的购物数量的比例，在设定活跃度的比值区间的哪个区间内，而判断用户的活跃等级。
具体而言，各个用户购物信息在各个电商平台的购物数量的比例，在设定活跃度的比值区间的哪个区间内，而判断用户的活跃等级，达到通过对用户活跃等级的判断，能够便于平台更好的维护用户对电商平台的使用。
作为优选方案，所述根据个人通信基本信息包括如下步骤；
步骤141：根据所述个人通信基本信息，获得通信方式；根据所述通信方式，构建所述授权通知信息；
步骤142：当所述通信方式为多种时，分别根据多种通信方式构建不同形式授权通知信息。
具体而言，所述通信方式为所述居民的通信联系方式，如微信、邮箱、手机，QQ不同的通信方式，构建不同格式的授权通知提醒方式，如微信可采用公众号发送授权通知，手机可采用短信格式进行发送提醒，当所述通信方式为多种时，分别根据多种通信方式构建不同形式的授权通知信息，并进行分别发送，最后统计时以一个方式为准，不能统计重复，达到不同的联系方式进行不同格式的提醒方式，智能便捷确保居民可以及时获取授权通知，进而使得数据更加全面的技术效果。
作为优选方案，所述判断用户的活跃等级包括如下步骤：
步骤431：根据用户的一个月的成交量，进行活跃等级的用户进行筛选，获得用户筛选数据，所述用户筛选数据包括一级电商筛选数据、二级电商筛选数据，所述一级电商筛选数据为其中符合维护等级的优质客户信息，所述二级电商筛选数据为不符合维护等级的客户信息；
步骤432：将所述一级电商筛选数据输入数据分析模型，获得第一数据分析结果，判断所述第一数据分析结果是否满足优质客户信息；
步骤433：当满足时，根据所述一级电商筛选数据，获得优质客户信息管理数据，当不满足时，将所述二级电商筛选数据输入数据分析模型，获得第二数据分析结果；
步骤434：当所述第二数据分析结果不符合维护等级的客户信息时，根据所述二级电商筛选数据，获得不符合维护等级的客户信息管理数据。
具体而言，如果用户的一个月的成交量，进行活跃等级的用户满足第一数据分析结果，获得优质客户信息管理数据，反之，满足第二数据分析结果，获得不符合维护等级的客户信息管理数据。
作为优选方案，所述根据管理周期信息，获得定期管理指令，且定位管理指令用于按照所有电商购物活跃等级库的管理周期自动进行用户的维护，其具体而言，不同的活跃等级对应的管理周期也不相同，活跃等级高的成交量大，对应的福利管理周期短，福利相对较多，对于活跃等级相对较低的，管理周期相对较长，并且福利按照周期性突然增加一次或者两次大的福利，所述管理周期信息分别与所述第一电商购物活跃等级库、第二电商购物活跃等级库、第三电商购物活跃等级库、直到第N电商购物活跃等级库一一对应，根据所述定期管理指令，按照所有的所述电商购物活跃等级库对应的所述管理周期信息，自动进行用户福利发放管理数据的获取及更新，保证电商用户管理数据及时更新、全面准确。
作为优选方案，所述获得预设用户购物活跃度等级评估信息，即预设用户购物活跃度等级评估用户购买量等级评估规则，按照所述用户的特征信息输入购物活跃度等级评估模型评估结果进行等级评估，获得评估后不同的用户活跃等级，所述用户的购物活跃等级包括三个以上等级，不同的购物活跃等级对应不同的用户管理周期信息，购物活跃等级越高，对用户发放的福利就越多。
本发明公开的一种基于区块链的大数据电商平台用户活跃等级评估的方法的有益效果是：
通过设备的整体结构，电商用户授权是用户认证通过用户的权限来控制用户访问资源的过程，拥有资源的访问权限则正常访问，没有权限则拒绝访问，能够达到通过用户授权，使得信息获取更加全面且便捷，进而加强信息管理规范的技术效果；通过网络大数据平台对用户购物清单和购物日期信息进行收集和处理，所述用户购物清单和购物日期是用户在电商平台的购物频率，客观地反映电商用户购物类别、频率；各个用户购物信息在各个电商平台的购物数量的比例，在设定活跃度的比值区间的哪个区间内，而判断用户的活跃等级，达到通过对用户活跃等级的判断，能够便于平台更好的维护用户对电商平台的使用；根据所述定期管理指令，按照所有的所述电商购物活跃等级库对应的所述管理周期信息，自动进行用户福利发放管理数据的获取及更新，保证电商用户管理数据及时更新、全面准确。
附图说明
图1为本发明整体框架结构示意图。
具体实施方式
下面结合具体实施例和说明书附图对本发明做进一步阐述和说明:
请参阅图1，本发明：一种基于区块链的大数据电商平台用户活跃等级评估的方法，包括如下步骤：
步骤1：获取用户在各个电商平台的购物信息和个人通信基本信息，个人通信基本信息包括用户姓名、性别、籍贯、联系方式信息；
步骤2：根据用户的购物信息，通过大数据对比获得用户在各个电商平台的购物活跃度，根据用户的购物信息，通过大数据的对比获得用户在各个电商平台的购物数量的比例，得出比例的比值，通过比例的大小，而判断用户的活跃度；
步骤3：提取用户个人基本信息和在各个电商平台购物活跃度的特征信息，并将其对应储存，把电商平台的购物个人信息进行储存，便于数据的统计；
步骤4：将用户的特征信息输入购物活跃度等级评估模型，获得用户的购物活跃度等级；
步骤5：获得预设用户购物活跃度等级评估信息，根据预设用户购物活跃度等级评估信息对各个电商平台所有用户购物活跃度等级进行评估，获得用户的购物活跃等级，其中，用户的购物活跃等级包括三个以上等级，分别为第一电商购物活跃等级、第二电商购物活跃等级、第三电商购物活跃等级.....第N电商购物活跃等级，N为大于3的自然数；
步骤6：将各个电商平台的第一电商购物活跃等级对应的用户信息进行整合，获得第一电商购物活跃等级库；将各个电商平台的第二电商购物活跃等级对应的用户信息进行整合，获得第二电商购物活跃等级库；将各个电商平台的第三电商购物活跃等级对应的用户信息进行整合，获得第三电商购物活跃等级库，直到获得第N电商购物活跃等级库，等级库分为第一电商购物活跃等级库、第二电商购物活跃等级库、第三电商购物活跃等级库直到第N电商购物活跃等级库；
步骤7：根据各电商平台的用户购物活跃等级，获得管理周期信息，其中管理周期信息包括三个以上，分别与第一电商购物活跃等级库、第二电商购物活跃等级库，第三电商购物活跃等级库，直到第N电商购物活跃等级库一一对应；
步骤8：根据管理周期信息，获得定期管理指令，且定位管理指令用于按照所有电商购物活跃等级库的管理周期自动进行用户的维护，避免大量用户的流失。
所述获取用户在各个电商平台的购物信息和个人通信基本信息还包括如下步骤：
步骤11：获得各个电商平台的用户购物清单和购物日期；
步骤12：根据各个电商平台的用户购物清单和购物日期，统计用户每个月的购物数量和购物种类；
步骤13：根据用户每个月的购物数量和购物种类，构建福利授权通知信息；
步骤14：根据个人通信基本信息和福利授权通知信息，获得第一发送信息，所述第一发送信息用于将所述授权通知信息按照用户通信信息进行自动发送；
步骤15：根据第一发送信息，获得第一授权回复，根据第一授权回复，获得电商用户授权信息。
具体而言，电商用户授权是用户认证通过用户的权限来控制用户访问资源的过程，拥有资源的访问权限则正常访问，没有权限则拒绝访问，所述个人通信基本信息包括用户姓名、性别、籍贯、联系方式信息，所述授权通知信息为通知用户对自己所有的购物清单、购物日期和活跃等级数据访问权限进行授权，将所述授权通知信息按照个人通信联系方式进行自动发送，并获取用户对数据的授权回复，通过授权回复获取用户授权信息，所述居民授权信息不需要上门要授权，将授权信息自动发送，自动确认，对于没有收到回复的进行定时提醒，达到通过用户授权，信息获取更加全面且便捷，进而加强信息管理规范的技术效果。
所述根据用户的购物信息，通过大数据对比获得用户在各个电商平台的购物活跃度还包括如下步骤：
步骤21：根据用户的购物信息，通过大数据的对比获得用户在各个电商平台的购物数量的比例；
步骤22：得出比例的比值，通过比例的大小，而判断用户的活跃度。
具体而言，通过用户授予的权限信息，获取用户姓名、性别、籍贯、联系方式以及用户购物清单和购物日期信息，通过网络大数据平台对用户购物清单和购物日期信息进行收集和处理，所述用户购物清单和购物日期是用户在电商平台的购物频率，客观地反映电商用户购物类别、频率。
所述将用户的特征信息输入购物活跃度等级评估模型，获得用户的购物活跃度等级包括如下步骤：
步骤41：用户的特征信息输入基于大数据的购物活跃度等级评估模型中，购物活跃度等级评估模型根据区块链的大数据统计相比较得出的数据；
步骤42：然后通过大数据的对比获得用户在各个电商平台的购物数量的比例；
步骤43：判断各个用户购物信息在各个电商平台的购物数量的比例，在设定活跃度的比值区间的哪个区间内，而判断用户的活跃等级，活跃等级是判断用户在电商平台登录购物的频率。
具体而言，各个用户购物信息在各个电商平台的购物数量的比例，在设定活跃度的比值区间的哪个区间内，而判断用户的活跃等级，达到通过对用户活跃等级的判断，能够便于平台更好的维护用户对电商平台的使用。
所述根据个人通信基本信息包括如下步骤；
步骤141：根据所述个人通信基本信息，获得通信方式，根据所述通信方式，构建所述授权通知信息；
步骤142：当所述通信方式为多种时，分别根据多种通信方式构建不同形式授权通知信息。
具体而言，所述通信方式为所述居民的通信联系方式，如微信、邮箱、手机，QQ不同的通信方式，构建不同格式的授权通知提醒方式，如微信可采用公众号发送授权通知，手机可采用短信格式进行发送提醒，当所述通信方式为多种时，分别根据多种通信方式构建不同形式的授权通知信息，并进行分别发送，最后统计时以一个方式为准，不能统计重复，达到不同的联系方式进行不同格式的提醒方式，智能便捷确保居民可以及时获取授权通知，进而使得数据更加全面的技术效果。
所述判断用户的活跃等级包括如下步骤：
步骤431：根据用户的一个月的成交量，进行活跃等级的用户进行筛选，获得用户筛选数据，所述用户筛选数据包括一级电商筛选数据、二级电商筛选数据，所述一级电商筛选数据为其中符合维护等级的优质客户信息，所述二级电商筛选数据为不符合维护等级的客户信息，不符合维护等级的客户为从来没有在电商平台上购买过东西或者注册电商平台后从来没有再登录的用户；
步骤432：将所述一级电商筛选数据输入数据分析模型，获得第一数据分析结果，判断所述第一数据分析结果是否满足优质客户信息；
步骤433：当满足时，根据所述一级电商筛选数据，获得优质客户信息管理数据，当不满足时，将所述二级电商筛选数据输入数据分析模型，获得第二数据分析结果；
步骤434：当所述第二数据分析结果不符合维护等级的客户信息时，根据所述二级电商筛选数据，获得不符合维护等级的客户信息管理数据。
具体而言，如果用户的一个月的成交量，进行活跃等级的用户满足第一数据分析结果，获得优质客户信息管理数据，优质客户能够在平台内部登录或者购买东西，至少为一个月内登录过电商平台至少三次以上，反之，满足第二数据分析结果，获得不符合维护等级的客户信息管理数据，不符合维护等级的客户为从来没有在电商平台上购买过东西或者注册电商平台后从来没有再登录的用户，基于区块链的大数据电商平台用户活跃等级评估的方法存储于计算机构架的APP内部。
所述根据管理周期信息，获得定期管理指令，且定位管理指令用于按照所有电商购物活跃等级库的管理周期自动进行用户的维护，其具体而言，不同的活跃等级对应的管理周期也不相同，活跃等级高的成交量大，对应的福利管理周期短，福利相对较多，对于活跃等级相对较低的，管理周期相对较长，并且福利按照周期性突然增加一次或者两次相对较大的福利，所述管理周期信息分别与所述第一电商购物活跃等级库、第二电商购物活跃等级库、第三电商购物活跃等级库、直到第N电商购物活跃等级库一一对应，根据所述定期管理指令，按照所有的所述电商购物活跃等级库对应的所述管理周期信息，自动进行用户福利发放管理数据的获取及更新，保证电商用户管理数据及时更新、全面准确。
所述获得预设用户购物活跃度等级评估信息，其具体而言，预设用户购物活跃度等级评估用户购买量等级评估规则，按照所述用户的特征信息输入购物活跃度等级评估模型评估结果进行等级评估，获得评估后不同的用户活跃等级，所述用户的购物活跃等级包括三个以上等级，不同的购物活跃等级对应不同的用户管理周期信息，购物活跃等级越高，对用户发放的福利就越多，对于等级活跃度相对较低的，可以定期的发放相对较大的福利，这样就能够留住电商平台内部的客户，不仅便于维护原来的客户，并且还能够维护活跃度较低的电商平台客户，同时对于新人会发放新人福利。
所述基于区块链的大数据电商平台用户活跃等级评估的方法存储于计算机构架的APP内部，通过烧录的程序进行驱动运行，包括总线架构、处理器、存储器和总线接口，总线架构可以包括任意数量的互联的总线和桥，总线架构将包括由处理器代表的一个或多个处理器和存储器代表的存储器的各种电路链接在一起，总线架构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，总线接口在总线架构和接收器和发送器之间提供接口，接收器和发送器可以是同一个元件，即收发机，提供用于在传输介质上与各种其他系统通信的单元。
所述处理器负责管理总线架构和通常的处理，而存储器可以被用于存储处理器在执行操作时所使用的数据。
最后应当说明的是，本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据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，则可对这些实施例做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 (10)
1.一种基于区块链的大数据电商平台用户活跃等级评估的方法，其特征在于：包括如下步骤：
步骤1：获取用户在各个电商平台的购物信息和个人通信基本信息；
步骤2：根据用户的购物信息，通过大数据对比获得用户在各个电商平台的购物活跃度；
步骤3：提取用户个人基本信息和在各个电商平台购物活跃度的特征信息，并将其对应储存；
步骤4：将用户的特征信息输入购物活跃度等级评估模型，获得用户的购物活跃度等级；
步骤5：获得预设用户购物活跃度等级评估信息，根据预设用户购物活跃度等级评估信息对各个电商平台所有用户购物活跃度等级进行评估，获得用户的购物活跃等级，其中，用户的购物活跃等级包括三个以上等级，分别为第一电商购物活跃等级、第二电商购物活跃等级、第三电商购物活跃等级.....第N电商购物活跃等级，N为大于3的自然数；
步骤6：将各个电商平台的第一电商购物活跃等级对应的用户信息进行整合，获得第一电商购物活跃等级库；将各个电商平台的第二电商购物活跃等级对应的用户信息进行整合，获得第二电商购物活跃等级库；将各个电商平台的第三电商购物活跃等级对应的用户信息进行整合，获得第三电商购物活跃等级库，直到获得第N电商购物活跃等级库；
步骤7：根据各电商平台的用户购物活跃等级，获得管理周期信息，其中管理周期信息包括三个以上，分别与第一电商购物活跃等级库、第二电商购物活跃等级库，第三电商购物活跃等级库，直到第N电商购物活跃等级库一一对应；
步骤8：根据管理周期信息，获得定期管理指令，且定位管理指令用于按照所有电商购物活跃等级库的管理周期自动进行用户的维护，避免大量用户的流失。
2.根据权利要求1所述的一种基于区块链的大数据电商平台用户活跃等级评估的方法，其特征在于：所述获取用户在各个电商平台的购物信息和个人通信基本信息还包括如下步骤：
步骤11：获得各个电商平台的用户购物清单和购物日期；
步骤12：根据各个电商平台的用户购物清单和购物日期，统计用户每个月的购物数量和购物种类；
步骤13：根据用户每个月的购物数量和购物种类，构建福利授权通知信息；
步骤14：根据个人通信基本信息和福利授权通知信息，获得第一发送信息，所述第一发送信息用于将所述授权通知信息按照用户通信信息进行自动发送；
步骤15：根据第一发送信息，获得第一授权回复，根据第一授权回复，获得电商用户授权信息。
3.根据权利要求1所述的一种基于区块链的大数据电商平台用户活跃等级评估的方法，其特征在于：所述根据用户的购物信息，通过大数据对比获得用户在各个电商平台的购物活跃度还包括如下步骤：
步骤21：根据用户的购物信息，通过大数据的对比获得用户在各个电商平台的购物数量的比例；
步骤22：得出比例的比值，通过比例的大小，判断用户的活跃度。
4.根据权利要求1所述的一种基于区块链的大数据电商平台用户活跃等级评估的方法，其特征在于：所述将用户的特征信息输入购物活跃度等级评估模型，获得用户的购物活跃度等级包括如下步骤：
步骤41：用户的特征信息输入基于大数据的购物活跃度等级评估模型中；
步骤42：然后通过大数据的对比获得用户在各个电商平台的购物数量的比例；
步骤43：判断各个用户购物信息在各个电商平台的购物数量的比例，在设定活跃度的比值区间的哪个区间内，判断用户的活跃等级。
5.根据权利要求2所述的一种基于区块链的大数据电商平台用户活跃等级评估的方法，其特征在于：所述根据个人通信基本信息包括如下步骤；
步骤141：根据所述个人通信基本信息，获得通信方式，根据所述通信方式，构建所述授权通知信息；
步骤142：当所述通信方式为多种时，分别根据多种通信方式构建不同形式授权通知信息。
6.根据权利要求4所述的一种基于区块链的大数据电商平台用户活跃等级评估的方法，其特征在于：所述判断用户的活跃等级包括如下步骤：
步骤431：根据用户的一个月的成交量，进行活跃等级的用户进行筛选，获得用户筛选数据，所述用户筛选数据包括一级电商筛选数据、二级电商筛选数据，所述一级电商筛选数据为其中符合维护等级的优质客户信息，所述二级电商筛选数据为不符合维护等级的客户信息；
步骤432：将所述一级电商筛选数据输入数据分析模型，获得第一数据分析结果，判断所述第一数据分析结果是否满足优质客户信息；
步骤433：当满足时，根据所述一级电商筛选数据，获得优质客户信息管理数据，当不满足时，将所述二级电商筛选数据输入数据分析模型，获得第二数据分析结果；
步骤434：当所述第二数据分析结果不符合维护等级的客户信息时，根据所述二级电商筛选数据，获得不符合维护等级的客户信息管理数据。
7.根据权利要求1所述的一种基于区块链的大数据电商平台用户活跃等级评估的方法，其特征在于：所述根据管理周期信息，获得定期管理指令，且定位管理指令用于按照所有电商购物活跃等级库的管理周期自动进行用户的维护，即不同的活跃等级对应的管理周期也不相同，活跃等级高的成交量大，对应的福利管理周期短，福利相对较多，对于活跃等级相对较低的，管理周期相对较长，并且福利按照周期性突然增加一次或者两次大的福利，所述管理周期信息分别与所述第一电商购物活跃等级库、第二电商购物活跃等级库、第三电商购物活跃等级库、直到第N电商购物活跃等级库一一对应，根据所述定期管理指令，按照所有的所述电商购物活跃等级库对应的所述管理周期信息，自动进行用户福利发放管理数据的获取及更新。
8.根据权利要求1所述的一种基于区块链的大数据电商平台用户活跃等级评估的方法，其特征在于：所述获得预设用户购物活跃度等级评估信息，即预设用户购物活跃度等级评估用户购买量等级评估规则，按照所述用户的特征信息输入购物活跃度等级评估模型评估结果进行等级评估，获得评估后不同的用户活跃等级，所述用户的购物活跃等级包括三个以上等级，不同的购物活跃等级对应不同的用户管理周期信息，购物活跃等级越高，对用户发放的福利就越多。
9.根据权利要求1所述的一种基于区块链的大数据电商平台用户活跃等级评估的方法，其特征在于：将获取到的用户在各个电商平台的购物信息和个人通信基本信息，通过网络上传至区块链系统。
10.根据权利要求1所述的一种基于区块链的大数据电商平台用户活跃等级评估的方法，其特征在于：所述个人通信基本信息包括用户姓名、性别、籍贯、联系方式信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111102662.6A CN113763053A (zh) | 2021-09-21 | 2021-09-21 | 一种基于区块链的大数据电商平台用户活跃等级评估的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111102662.6A CN113763053A (zh) | 2021-09-21 | 2021-09-21 | 一种基于区块链的大数据电商平台用户活跃等级评估的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113763053A true CN113763053A (zh) | 2021-12-07 |
Family
ID=78796536
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111102662.6A Pending CN113763053A (zh) | 2021-09-21 | 2021-09-21 | 一种基于区块链的大数据电商平台用户活跃等级评估的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113763053A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116308667A (zh) * | 2023-03-25 | 2023-06-23 | 北京农夫铺子技术研究院 | 面向元宇宙购物平台的商品大数据智能存储系统 |
-
2021
- 2021-09-21 CN CN202111102662.6A patent/CN113763053A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116308667A (zh) * | 2023-03-25 | 2023-06-23 | 北京农夫铺子技术研究院 | 面向元宇宙购物平台的商品大数据智能存储系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220027943A1 (en) | Adaptive lead generation for marketing | |
| CN106796527A (zh) | 基于价格和性能优化云服务的选择的系统和方法 | |
| US8494823B2 (en) | Method and system for determining service area of supply chain by simulating service cycle time | |
| CN109413175A (zh) | 一种信息处理方法、装置及电子设备 | |
| JP2017512343A (ja) | センサスベースとユーザーベースの混合測定技術によるマルチスクリーンインターネットユーザーのプロファイル、取引行動、及びユーザー母集団の構造の測定 | |
| CN103714133A (zh) | 数据运维管理方法及装置 | |
| CN109993479A (zh) | 采购数据处理方法、装置、存储介质及服务器 | |
| US11716422B1 (en) | Call center load balancing and routing management | |
| US12081703B1 (en) | High fidelity call center simulator | |
| CN110866698A (zh) | 用于评定服务提供方的服务分值的装置 | |
| CN106408319A (zh) | 一种分销数据管理系统和方法 | |
| CN110991789A (zh) | 置信区间的确定方法和装置、存储介质及电子装置 | |
| CN117010541A (zh) | 时间序列预测方法、装置及存储介质 | |
| CN113051413B (zh) | 一种多媒体信息处理方法、装置、电子设备及存储介质 | |
| CN113763053A (zh) | 一种基于区块链的大数据电商平台用户活跃等级评估的方法 | |
| Li et al. | Discrete event simulation analysis of a reservation-based, one-way car-sharing system | |
| Desmet et al. | Safety stock optimisation in two-echelon assembly systems: normal approximation models | |
| Du et al. | Data privacy and smart home energy appliances: A stated choice experiment | |
| US20180039925A1 (en) | Critical inventory reporting tool | |
| KR100722956B1 (ko) | 수요예측을 통한 주문제안시스템 및 그 방법 | |
| CN112785324B (zh) | 信息处理方法、信息处理装置、电子设备和介质 | |
| Deligiannis et al. | Predictive personalization of conversational customer communications with data protection by design | |
| CN113656692A (zh) | 基于知识迁移算法的产品推荐方法、装置、设备及介质 | |
| JP2013178669A (ja) | 集計装置および集計プログラム | |
| US20150006342A1 (en) | Generating a Simulated Invoice |
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 |
Application publication date: 20211207 |
|
| WD01 | Invention patent application deemed withdrawn after publication |