CN113934921A - 基于消费者搜索多元数据融合卷烟品牌评价方法 - Google Patents
基于消费者搜索多元数据融合卷烟品牌评价方法 Download PDFInfo
- Publication number
- CN113934921A CN113934921A CN202010671233.XA CN202010671233A CN113934921A CN 113934921 A CN113934921 A CN 113934921A CN 202010671233 A CN202010671233 A CN 202010671233A CN 113934921 A CN113934921 A CN 113934921A
- Authority
- CN
- China
- Prior art keywords
- cigarette
- search
- brand
- index
- consumer
- 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
- 235000019504 cigarettes Nutrition 0.000 title claims abstract description 130
- 230000004927 fusion Effects 0.000 title claims abstract description 24
- 238000011156 evaluation Methods 0.000 title claims abstract description 14
- 238000005457 optimization Methods 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims description 34
- 238000010187 selection method Methods 0.000 claims description 8
- 244000025254 Cannabis sativa Species 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 239000000047 product Substances 0.000 description 23
- 241001248610 Ophiocordyceps sinensis Species 0.000 description 10
- 241000233866 Fungi Species 0.000 description 9
- 240000001307 Myosotis scorpioides Species 0.000 description 9
- 230000006399 behavior Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 241000208125 Nicotiana Species 0.000 description 3
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 238000005065 mining Methods 0.000 description 3
- 241000190633 Cordyceps Species 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 239000013065 commercial product Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000002398 materia medica Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- 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
- G06Q30/0282—Rating or review of business operators or products
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Probability & Statistics with Applications (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了基于消费者搜索多元数据融合卷烟品牌评价方法,其步骤为,1、确定有关于卷烟类互联网搜索引擎搜索词;2、利用互联网搜索引擎数据指数对卷烟品牌进行统计;3、构建消费趋势关键词数据集;4、将1‑3步骤获得的结果进行指数计算,获得区域内卷烟品类优化结果。本发明是以消费者需求为中心将卷烟商品按零售价格区间进行划分,同时应用品类思维规划市场格局,制定各品类的品类战略,指导货源购进,适时调整品牌策略,最大限度地满足区域内各个细分市场的需求,卷烟货源投放的基本任务就是寻求市场覆盖,让各品牌的目标消费者方便地购买。
Description
技术领域
本发明涉及到一种市场调研方法,具体为对投入到某一地区市场的卷烟品类进行优化的方法。
背景技术
品类:指目标顾客购买某种商品的单一利益点,满足同一类需要的共同属性的同一种商品称为品类。卷烟品牌通常有多个卷烟规格,即使同一价位产品也可能有多款产品,它们之问的关联性如何、替代性如何,充分反映了一个品牌的主流风格与品牌形象,甚至是价值定位。
2016年在销品牌规格多达1060个,有点卷烟品牌拥有几十个规格,且不得推陈出新,不是用一款产品找到更多用户,而是为一群用户提供更多产品,最终没有一个单品在消费者心中牢固占位。
从上市新品数量来看,现在大量新品上市,而从新品停产情况来看,对上市新品停产情况分析显示,2012~2016年上市的523个新品中,目前在产规格324个,在产率为62.0%;停产规格199个,停产率达38.0%。因此与新品高“出生率”形成反差的是新品的低“存活率”。
为解决这一问题,卷烟品类结构应在区域市场范围内,从市场完全需求的角度出发来进行的卷烟产品、品牌及规格的组合。品类管理起到供求双向结合,传送消费者价值、优化货源配置与替代组合、增加销售量、提升商品结构、提高企业市场掌控能力与获利能力等作用。实施以品类管理为基础的商品策略,通过有效整合商品资源,建立完善的商品组合,来达到消费者满意。
商业品类管理的核心是一切围绕消费者角度出发,按消费者的消费需求和消费习惯对品牌进行划分、分析和管理,最大限度地满足区域内各个细分市场的需求,其主要实质就是“按市场需求来组织货源”。
现代化烟草营销体系实体店整个消费旅程分为知道、吸引到店、入场、找店、互动购买、售货、离店八个环节。
85%的消费者诉求产生受到不同程度的数字化载体的影响,在购买前,网站信息、社交媒体、用户评论等都是影响消费者购买行为的重要因素,而在购买后也近半数消费者希望能够通过在线的方式得到持续的服务,数字化已经渗透到消费者需求的各个方面,全渠道也因此成为企业发展的重要路径之一。
每一个用户在百度的检索行为都是主动意愿的展示,每一次的检索行为都可能成为该消费者消费意愿的表达,百度指数的需求图谱基于语义挖掘技术,向用户呈现关键词隐藏的关注焦点、消费欲望,卷烟及卷烟品牌搜索数据作为消费者卷烟品牌指标辅助分析工具可行。最常用的“搜索数据”有百度指数、搜狗指数、360指数。
因此,有必要解决如何利用好搜索多元数据,对投入到某一地区市场的卷烟品类进行优化的方法。
发明内容
为了解决上述问题,本发明提供了一种基于消费者搜索多元数据融合卷烟品牌评价方法,本发明由以下步骤组成:
S1:确定有关于卷烟类互联网搜索引擎搜索词;
S2:利用互联网搜索引擎数据指数对卷烟品牌进行统计;
S3:构建消费趋势关键词数据集;
S4:将S1-S3获得的结果进行指数计算,获得区域内卷烟品类优化结果。
如上所述的一种基于消费者搜索多元数据融合卷烟品牌评价方法,更进一步说明为:
所述的确定有关于卷烟类互联网搜索引擎搜索词,具体为,利用直接取词法确定互联网搜索引擎搜索词。
所述的利用直接取词法是指:直接取用卷烟品牌名称作为互联网搜索引擎搜索词。
如上所述的一种基于消费者搜索多元数据融合卷烟品牌评价方法,更进一步说明为:
对比取用的卷烟品牌名称作为互联网搜索引擎搜索词,在互联网搜索引擎的搜索指数,引用为卷烟品牌竞争力指数。
如上所述的一种基于消费者搜索多元数据融合卷烟品牌评价方法,更进一步说明为:
所述的确定有关于卷烟类互联网搜索引擎搜索词,具体为,利用多词尝试优化选词法确定互联网搜索引擎搜索词。
所述的多词尝试优化选词法具体为,利用品牌加入关于卷烟相关词进行组合,获得互联网搜索引擎搜索词。
如上所述的一种基于消费者搜索多元数据融合卷烟品牌评价方法,更进一步说明为:
所述的利用互联网搜索引擎数据指数对卷烟品牌进行统计,具体为:以地域为单位,统计所选取的卷烟类互联网搜索引擎搜索词的分布排名。
获得品牌对应地区销售指标。
如上所述的一种基于消费者搜索多元数据融合卷烟品牌评价方法,更进一步说明为:
所述的构建消费趋势关键词数据集,具体为:根据国家行业、权威机构发布的消费趋势关键词,逐年添加到消费趋势关键词的数据集。
如上所述的一种基于消费者搜索多元数据融合卷烟品牌评价方法,更进一步说明为:
所述的数据集包括的如下关键词之一及其组合:社区、社交、个性化、无人、精致、健康、长尾、宅经济、懒人经济、种草消费、到家。
如上所述的一种基于消费者搜索多元数据融合卷烟品牌评价方法,更进一步说明为:
所述的进行指数计算,具体为,利用卷烟品牌竞争力指数、品牌对应地区销售指标建立指数计算公式,计算公式如下:
卷烟品牌竞争力*地区销售指标*搜索指数*创新指数。
如上所述的一种基于消费者搜索多元数据融合卷烟品牌评价方法,更进一步说明为:
所述创新指数获得的方法是:卷烟品牌搜索词获得的需求图谱文本挖掘,对该卷烟品牌特征标签化,抽取标签后与同时期的消费趋势关键词对比,统计卷烟品牌特征符合消费趋势的数量。
如上所述的一种基于消费者搜索多元数据融合卷烟品牌评价方法,更进一步说明为:
所述搜索指数获得的方法是:互联网搜索引擎搜索词获取每一年中每个月在指定地域搜索均值,得到互联网搜索引擎搜索词网络关注度在该地区某一时段趋势,并获得搜索指数平均值。
有益效果
本发明是以消费者需求为中心将卷烟商品按零售价格区间进行划分,同时应用品类思维规划市场格局,制定各品类的品类战略,指导货源购进,适时调整品牌策略,最大限度地满足区域内各个细分市场的需求,卷烟货源投放的基本任务就是寻求市场覆盖,让各品牌的目标消费者方便地购买。
附图说明
图1:2016年冬虫夏草全国城市搜索指数排名。
图2:2017年冬虫夏草全国城市搜索指数排名。
图3:卷烟品牌成都地区搜索指数。
图4:成都搜索指数平均值。
图5:卷烟品牌的搜索词确定流程。
图6:本发明的卷烟品类优化方法流程示意图。
具体实施方式
网络搜索数据是意向数据库的重要组成部分,网络搜索指数可直接或间接反映互联网用户的行为和心理,搜索引擎是消费者想了解新产品时的首选工具,人们在最终购买商品(特别是大件耐用品)前10周就开始搜索相关信息,而且是反复搜索、比较。近年来,基于搜索数据对购买预测研究逐渐增多。
最常用的“搜索数据”有百度指数、搜狗指数、360指数,百度指数作为一种社会知名度和公众影响力的指数,是以百度海量网民行为数据为基础的数据分享平台,数据比较全面,是当前互联网整个数据时代最重要的统计分析平台之一,因此我们的搜索数据通过百度指数中指标获得卷烟品牌搜索数据。
基于上述特点,本实施例建立以下步骤:
1、确定有关于卷烟类互联网搜索引擎搜索词。
2、利用互联网搜索引擎数据指数对卷烟品牌进行统计。
3、构建消费趋势关键词数据集。
4、将S1-S4获得的结果进行指数计算,获得区域内卷烟品类优化结果。
示例一:确定有关于卷烟类互联网搜索引擎搜索词。
百度指数关键词反映过去一段时间里“用户搜索数据”和“媒体搜索数据”,卷烟品牌关键词选择正确、合理,才能由百度指数发现、共享、挖掘互联网上卷烟品牌最有价值的信息和资讯,通过百度指数直接、客观地反映卷烟品牌消费者的兴趣和需求,在搜索用词上,选用商品名和通用专业术语最多,卷烟品牌百度指数关键词的选取方法还未取得一致的看法,我们确定香烟品牌百度指数选词方法是直接选取法+多词的尝试优化选词法。
其中,确定搜索词的步骤为。通过百度指数搜索框输入关键词,关键词由于搜索频次过低未被百度指数收录,从而不现实其搜索量,这些关键词属于无效词汇,如烟的搜索词初步确定:烟草、烟、香烟、卷烟,卷烟是无效词汇。
品牌搜索词优化。卷烟品牌发展有很大的差异,卷烟品牌的名字都以当地文化胜地、当地特色产品、中国文化代名词命名。
有些卷烟品牌的名称就是一个新名称,如娇子和娇子香烟的百度指数涉及的内容基本相同,娇子、娇子香烟见表1。
表1:“娇子”品牌搜索词需求图谱
有些卷烟品牌如冬虫夏草的百度搜索词选择冬虫夏草、冬虫夏草香烟、冬虫夏草烟的需求图谱见表2,对于“冬虫夏草”这一搜索词,始载于《本草从新》,由于“冬虫夏草香烟”出现的时间比“冬虫夏草”晚,因此多数人在搜索时,很少用“冬虫夏草”代指这一品牌卷烟,我们可以看到表2中,关于“冬虫夏草”的相关词多是保健相关的词语。
表2:“冬虫夏草”品牌搜索词需求图谱
卷烟品牌的搜索词确定方法见附图5。直接取词法,搜索对比,文本挖掘,优化选择卷烟品牌的搜索词。
示例二、利用互联网搜索引擎数据指数对卷烟品牌进行统计。
卷烟品牌搜索词确定后,开始利用百度指数对卷烟品牌进行统计,其中可以搜索显示某品牌搜索主要集中的地区和城市,如统计了从2016年到2017年关于成都地区搜索“冬虫夏草香烟”的搜索指数地区分布排名。
具体排名如附图1、2所示:
成都地区搜索指数排行都为前十名,2017年底冬虫夏草香烟并为进入成都市场,出该卷烟品牌在成都非常有潜力,消费者对“冬虫夏草香烟”的消费企图很强,可以初步遴选冬虫夏草香烟最为潜力规格引入到成都市场候选品牌。
示例三:构建消费趋势关键词的数据集。
根据国家行业、权威机构发布的消费趋势关键词,逐年添加到消费趋势关键词的数据集,数据集包括的关键词:社区、社交、个性化、无人、精致、健康、长尾、宅经济、懒人经济、种草消费、到家。
卷烟品牌搜索词获得的需求图谱文本挖掘,对该卷烟品牌特征标签化,抽取标签后与同时期的消费趋势关键词对比,统计卷烟品牌特征符合消费趋势的数量。如表2“冬虫夏草”的相关词多是保健相关的词语,这也使得“冬虫夏草香烟”品牌带有了药草保健的色彩,能够更好地吸引消费者,文本挖掘确定“冬虫夏草香烟”符合消费趋势关键词“健康”消费趋势,品牌的创新指数为1.
多数据融合潜力规格选择模型:
搜索指数:以“娇子香烟”、“云烟”、“冬虫夏草香烟”、“真龙香烟”、“烟+香烟”5个关键词获取2011年1至2020年6月每月成都搜索均值,得到5个关键词网络关注度年月时段趋势图见附图3。成都具体的搜索指数平均值见图4。
搜索数据稳步攀升2015年5月搜索数据达到最高值后出现下降,2016年1月搜索数据止跌回稳,与卷烟销售趋势保持基本一致。
示例四、将步骤1-3获得的结果进行指数计算,获得区域内卷烟品类优化结果。
零售数字化转型基于“数据+算力+算法”的机制,数字化转型基础是数据采集,基于完整、可靠的数据商业分析,提升零售企业整体的经营业绩,最终实现数据指导业务。本项目引入“意图数据库”丰富了数据维度,并用BS模型选择卷烟潜力规格,BS模型如下:
卷烟品牌竞争力*地区销售指标*搜索指数*创新指数
卷烟品牌竞争力-依据烟草行业对品牌评定的分数;搜索指数
地区销售指标-品牌在某区域销售占比,如改品牌未在某地区有品牌销售,因为选择的是潜力规格,鼓励多品牌融入选择平均值;
搜索指数-品牌指数/香烟+烟指数;
创新指数-文本挖掘后符合消费趋势数量一个+10分。
卷烟潜力规格选定
BS模型对潜力规格打分后获得的分数,根据区域引入品牌的数据,按照排序取1.2倍后,专家评审打分确定是否引入该品牌到某地区。
卷烟品类管理是品类组合优化是卷烟消费升级的关键,卷烟品类要包括主导规格、护卫规格、潜力规格功能互补的品类布局,潜力规格是当今消费个性化消费趋势的体系,为此引入“意图数据库”以烟民为中心的潜力规格定量选择法,实现某地区供给结构与需求结构的最大化匹配。
补充说明:上述各示例可以结合使用,组成新的实施例。以实现本发明。
上述为本发明的示例性说明,不代表本发明的保护范围。
Claims (10)
1.基于消费者搜索多元数据融合卷烟品牌评价方法,其特征在于,由以下步骤组成:
S1:确定有关于卷烟类互联网搜索引擎搜索词;
S2:利用互联网搜索引擎数据指数对卷烟品牌进行统计;
S3:构建消费趋势关键词数据集;
S4:将S1-S4获得的结果进行指数计算,获得区域内卷烟品类优化结果。
2.如权利要求1所述的一种基于消费者搜索多元数据融合卷烟品牌评价方法,其特征在于,
所述的确定有关于卷烟类互联网搜索引擎搜索词,具体为,利用直接取词法确定互联网搜索引擎搜索词;
所述的利用直接取词法是指:直接取用卷烟品牌名称作为互联网搜索引擎搜索词。
3.如权利要求2所述的一种基于消费者搜索多元数据融合卷烟品牌评价方法,其特征在于,
对比取用的卷烟品牌名称作为互联网搜索引擎搜索词,在互联网搜索引擎的搜索指数,引用为卷烟品牌竞争力指数。
4.如权利要求1所述的一种基于消费者搜索多元数据融合卷烟品牌评价方法,其特征在于,
所述的确定有关于卷烟类互联网搜索引擎搜索词,具体为,利用多词尝试优化选词法确定互联网搜索引擎搜索词;
所述的多词尝试优化选词法具体为,利用品牌加入关于卷烟相关词进行组合,获得互联网搜索引擎搜索词。
5.如权利要求1所述的一种基于消费者搜索多元数据融合卷烟品牌评价方法,其特征在于,
所述的利用互联网搜索引擎数据指数对卷烟品牌进行统计,具体为:以地域为单位,统计所选取的卷烟类互联网搜索引擎搜索词的分布排名,
获得品牌对应地区销售指标。
6.如权利要求1所述的一种基于消费者搜索多元数据融合卷烟品牌评价方法,其特征在于,
所述的构建消费趋势关键词数据集,具体为:根据国家行业、权威机构发布的消费趋势关键词,逐年添加到消费趋势关键词的数据集。
7.如权利要求1所述的一种基于消费者搜索多元数据融合卷烟品牌评价方法,其特征在于,
所述的数据集包括的如下关键词之一及其组合:社区、社交、个性化、无人、精致、健康、长尾、宅经济、懒人经济、种草消费、到家。
8.如权利要求1所述的一种基于消费者搜索多元数据融合卷烟品牌评价方法,其特征在于,
所述的进行指数计算,具体为,利用卷烟品牌竞争力指数、品牌对应地区销售指标建立指数计算公式,计算公式如下:
卷烟品牌竞争力*地区销售指标*搜索指数*创新指数。
9.如权利要求8所述的一种基于消费者搜索多元数据融合卷烟品牌评价方法,其特征在于,
所述创新指数获得的方法是:卷烟品牌搜索词获得的需求图谱文本挖掘,对该卷烟品牌特征标签化,抽取标签后与同时期的消费趋势关键词对比,统计卷烟品牌特征符合消费趋势的数量。
10.如权利要求8所述的一种基于消费者搜索多元数据融合卷烟品牌评价方法,其特征在于,
所述搜索指数获得的方法是:互联网搜索引擎搜索词获取每一年中每个月在指定地域搜索均值,得到互联网搜索引擎搜索词网络关注度在该地区某一时段趋势,并获得搜索指数平均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010671233.XA CN113934921A (zh) | 2020-07-13 | 2020-07-13 | 基于消费者搜索多元数据融合卷烟品牌评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010671233.XA CN113934921A (zh) | 2020-07-13 | 2020-07-13 | 基于消费者搜索多元数据融合卷烟品牌评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113934921A true CN113934921A (zh) | 2022-01-14 |
Family
ID=79273502
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010671233.XA Pending CN113934921A (zh) | 2020-07-13 | 2020-07-13 | 基于消费者搜索多元数据融合卷烟品牌评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113934921A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101673385A (zh) * | 2009-09-28 | 2010-03-17 | 百度在线网络技术(北京)有限公司 | 消费预估方法和装置 |
CN102663048A (zh) * | 2012-03-29 | 2012-09-12 | 奇智软件(北京)有限公司 | 一种搜索结果提供方法及装置 |
CN104700152A (zh) * | 2014-10-22 | 2015-06-10 | 浙江中烟工业有限责任公司 | 一种融合季节销售信息与搜索行为信息的烟草销量预测方法 |
CN106600310A (zh) * | 2016-11-04 | 2017-04-26 | 重庆邮电大学 | 一种基于网络搜索指数进行销量预测的方法和系统 |
JP2018120464A (ja) * | 2017-01-26 | 2018-08-02 | ヤフー株式会社 | プログラム、端末装置、および端末制御方法 |
CN109086311A (zh) * | 2018-06-25 | 2018-12-25 | 涂正富 | 一种商业专用搜索引擎 |
CN110020071A (zh) * | 2017-09-28 | 2019-07-16 | 北京国双科技有限公司 | 竞品车型的确定方法及装置 |
-
2020
- 2020-07-13 CN CN202010671233.XA patent/CN113934921A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101673385A (zh) * | 2009-09-28 | 2010-03-17 | 百度在线网络技术(北京)有限公司 | 消费预估方法和装置 |
CN102663048A (zh) * | 2012-03-29 | 2012-09-12 | 奇智软件(北京)有限公司 | 一种搜索结果提供方法及装置 |
CN104700152A (zh) * | 2014-10-22 | 2015-06-10 | 浙江中烟工业有限责任公司 | 一种融合季节销售信息与搜索行为信息的烟草销量预测方法 |
CN106600310A (zh) * | 2016-11-04 | 2017-04-26 | 重庆邮电大学 | 一种基于网络搜索指数进行销量预测的方法和系统 |
JP2018120464A (ja) * | 2017-01-26 | 2018-08-02 | ヤフー株式会社 | プログラム、端末装置、および端末制御方法 |
CN110020071A (zh) * | 2017-09-28 | 2019-07-16 | 北京国双科技有限公司 | 竞品车型的确定方法及装置 |
CN109086311A (zh) * | 2018-06-25 | 2018-12-25 | 涂正富 | 一种商业专用搜索引擎 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Alzate et al. | Mining the text of online consumer reviews to analyze brand image and brand positioning | |
KR102075833B1 (ko) | 미술 작품 추천 큐레이션 방법 및 시스템 | |
CN109189904A (zh) | 个性化搜索方法及系统 | |
Raman et al. | Toward whole-session relevance: Exploring intrinsic diversity in web search | |
CN108388660B (zh) | 一种改进的电商产品痛点分析方法 | |
US20140289239A1 (en) | Recommendation tuning using interest correlation | |
Zhao et al. | Neo-fashion: A data-driven fashion trend forecasting system using catwalk analysis | |
US20110131202A1 (en) | Exploration of item consumption by customers | |
US20180089193A1 (en) | Category-based data analysis system for processing stored data-units and calculating their relevance to a subject domain with exemplary precision, and a computer-implemented method for identifying from a broad range of data sources, social entities that perform the function of Social Influencers | |
Pak et al. | A wikipedia matching approach to contextual advertising | |
Ahlemeyer-Stubbe et al. | Monetizing Data: How to Uplift Your Business | |
Fernando et al. | What do consumers want? A methodological framework to identify determinant product attributes from consumers’ online questions | |
Zhang et al. | Examining differences among book reviews from various online platforms | |
Nguyen et al. | Analysing online customer experience in hotel sector using dynamic topic modelling and net promoter score | |
Alawadh et al. | A survey on methods and applications of intelligent market basket analysis based on association rule. | |
Moro et al. | Data and text mining from online reviews: An automatic literature analysis | |
US20080097976A1 (en) | Method of providing product database | |
Moon et al. | Green-lighting scripts in the movie pre-production stage: An application of consumption experience carryover theory | |
Rudniy et al. | Trend tracking tools for the fashion industry: the impact of social media | |
CN116579799A (zh) | 一种应用于宠物膨化食品制备的加工调制方法及系统 | |
CN113934921A (zh) | 基于消费者搜索多元数据融合卷烟品牌评价方法 | |
JP2009032118A (ja) | 情報構造化装置、情報構造化方法、及びプログラム | |
Alzate Barricarte et al. | Mining the text of online consumer reviews to analyze brand image and brand positioning | |
KR20230018010A (ko) | 소비자 동향을 반영한 롱테일 아이템 추천 시스템 및 방법 | |
Wevers | Mining historical advertisements in digitised newspapers |
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 |