CN114328490A - 一种直播电商分析展现的构建方法、设备及介质 - Google Patents

Abstract

本申请公开了一种直播电商分析展现的构建方法、设备及介质，方法包括：采集直播电商平台的相关数据，相关数据包括第一相关数据和第二相关数据，其中，第一相关数据包括但不限于主播数据、直播间数据，第二相关数据包括但不限于商品数据；将相关数据进行关联，得到标准化数据，并将标准化数据进行数据清洗，以将其中携带的异常数据进行剔除；根据数据清洗后的标准化数据中的数据维度，建立多维主题库；确定用户的身份信息，并根据身份信息确定用户的用户需求；根据用户需求，在多维主题库中确定目标维度，并根据目标维度搭建前端界面，以至少将多维主题库中的目标维度进行可视化呈现。本申请通过对相关数据的分析，对当前电商直播的情况进行展现。

Description

一种直播电商分析展现的构建方法、设备及介质

技术领域

本申请涉及计算机技术领域，尤其涉及一种直播电商分析展现的构建方法、设备及介质。

背景技术

随着电子商务和网络零售领域的进入高速发展的阶段，网上购物已经成为了消费者最主要的购物方式之一，随之而来衍生出了许多的购物渠道，其中受众最广的电商渠道当属直播电商。近几年直播带货发展迅猛，主播驱动商品销售，大牌主播屡屡创造销售奇迹。电商有关部门及监测机构亟待了解地方直播电商销售数据以及主播数据，以便了解当地电商发展和直播现状；消费者想要了解购买带货主播的开播记录，以便购买到物美价廉的商品；企业想要了解本地区主播的能力，以便寻求更好地合作。因此，随着直播电商发展迅速，针对直播电商平台多、主播多、商品杂的现状，如何有效避免消费者识别难、机构监测难，成为当下亟待解决的问题。

发明内容

为了解决上述问题，本申请提出了一种直播电商分析展现的构建方法，包括：采集直播电商平台的相关数据，所述相关数据包括第一相关数据和第二相关数据，其中，所述第一相关数据包括但不限于主播数据、直播间数据，所述第二相关数据包括但不限于商品数据；将所述相关数据进行关联，得到标准化数据，并将所述标准化数据进行数据清洗，以将其中携带的异常数据进行剔除；根据所述数据清洗后的所述标准化数据中的数据维度，建立多维主题库；确定用户的身份信息，并根据所述身份信息确定所述用户的用户需求；根据所述用户需求，在所述多维主题库中确定目标维度，并根据所述目标维度搭建前端界面，以至少将所述多维主题库中的所述目标维度进行可视化呈现。

在一个示例中，将所述相关数据进行关联，得到标准化数据，具体包括：将所述第一相关数据与所述第二相关数据进行关联分析，以得到所述第一相关数据与所述第二相关数据之间的关联关系；根据所述关联关系将所述关联数据进行分组，得到多组关联数据组，并将所述关联数据组进行标准归一化处理，得到标准化数据。

在一个示例中，将所述标准化数据进行数据清洗，以将其中携带的异常数据进行剔除，具体包括：根据所述关联关系，对所述标准化数据进行聚类分析，以将所述标准化数据进行分组，得到数据簇，将所述数据簇中的异常数据进行剔除；根据所述第一相关数据建立主播基础明细表和直播基础明细表，根据所述第二相关数据建立商品基础明细表；将所述主播基础明细表、所述直播基础明细表和所述商品基础明细表中对应的所述数据簇进行筛选，以将所述数据簇中的重复数据进行剔除。

在一个示例中，根据所述用户需求，在所述多维主题库中确定目标维度，具体包括：根据所述多维主题库确定对应的多个数据属性，将所述用户需求与所述数据属性进行数据比对，得到所述用户的多个维度相关值；将多个所述维度相关值与预先设定的维度阈值进行比较，以选择大于或等于所述维度阈值的至少部分所述维度相关值，并根据选择的所述维度相关值确定所述用户的目标维度。

在一个示例中，将多个所述维度相关值与预先设定的维度阈值进行比较之后，所述方法还包括：若所述多个维度相关值均小于所述维度阈值，则根据所述用户需求确定对应的定制数据；将所述定制数据进行关联，得到标准化定制数据，并根据所述标准化定制数据建立定制主题库，将所述定制主题库反馈至所述直播电商平台。

在一个示例中，所述方法还包括：将所述异常数据进行溯源分析，得到所述异常数据对应的商品信息和主播信息；根据所述商品信息确定商品的历史交易数据，将所述异常数据与所述历史交易数据进行比对，以得到所述异常数据的异常因素，并将所述异常因素反馈至所述商品对应的品牌企业；根据所述主播信息通过所述直播电商平台对相关直播间和主播账号进行封闭处理；通过所述前端界面将所述异常数据对应的所述品牌企业和所述主播账号向所述用户进行展示。

在一个示例中，所述方法还包括：对所述第一相关数据进行直播趋势分析，得到所述直播电商平台的品牌商品行情和主播带货情况，并确认所述商品在所有主播处的交易额；将所述品牌商品行情和所述主播带货情况反馈至品牌企业，并根据所述交易额向所述品牌企业推荐代理主播。

在一个示例中，所述方法还包括：对所述第二相关数据进行价格趋势分析，得到所述直播电商平台中对应商品的销售数据，并根据所述销售数据确定对应商品的销售趋势；通过所述前端界面将所述销售趋势向所述用户进行展示。

另一方面，本申请还提出了一种直播电商分析展现的构建设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述一种直播电商分析展现的构建设备能够执行：如上述任意一个示例所述的方法。

另一方面，本申请还提出了一种非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令设置为：如上述任意一个示例所述的方法。

通过对直播平台和电商平台数据的采集，通过大数据算法模型对数据进行清洗和标准化处理，汇总主播-直播-商品-店铺之间的关系，并建立数据分平台、分地区、分主播、分商品、分行业、分规模、排行榜的七大主题库，再配合搭建前端及可视化插件将数据展现出来。本申请能够让消费者了解直播商品的价格信息，避免在直播间购买高价、虚假、劣质的带货商品，掌握各行业商品直播价格趋势；能够让电商监测机构有针对性的对此类店铺进行监测，掌握地区直播发展优势，扩大了电商监测的覆盖领域，多维度分析直播电商对整体电商的拉动力，洞察主播-商品-店铺之间的关系和观点，把脉地区直播发展的问题和情况，规范和引导直播电商高质量发展；还能够让品牌企业了解主播带货能力，更快地发现特定行业、品牌、销售规模的潜力主播，寻找适合的合作伙伴进行商品的销售。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请实施例中一种直播电商分析展现的构建方法的流程示意图；

图2为本申请实施例中一种直播电商分析展现的构建系统的示意图；

图3为本申请实施例中一种直播电商分析展现的构建设备的示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

以下结合附图，详细说明本申请各实施例提供的技术方案。

如图1所示，本申请实施例提供的一种直播电商分析展现的构建方法，包括：

S101：采集直播电商平台的相关数据，所述相关数据包括第一相关数据和第二相关数据。

如图2所示，通过公开渠道高频采集各直播电商平台中的直播间数据和主播数据(在此称为第一相关数据)。其中，主播数据包括主播名称、主播ID、所在地、直播场次、观看人次、商品上架次数、粉丝数、店铺ID等相关数据，直播间数据包括直播ID、直播间主题、主播ID、观看人数、商品数等相关数据。

通过公开渠道采集各直播电商平台的商品数据(在此称为第二相关数据)。该商品数据包括商品ID、商品名称、店铺ID、品牌名称、销售量、价格、商品一级类目、商品参数、发货地、评论详情等相关数据。

S102：将所述相关数据进行关联，得到标准化数据，并将所述标准化数据进行数据清洗，以将其中携带的异常数据进行剔除。

通过数据库等数据管理系统获取相关数据中的数据标识，该数据标识可以通过主播ID、直播ID、店铺ID等具有唯一性特征的数据进行确定。如图2所示，根据数据标识对第一相关数据和第二相关数据进行关联并标准化处理，得到标准化数据。

利用大数据算法模型，对标准化数据中的具有识别刷单、大额优惠劵等异常值商品交易信息的异常数据进行识别，并对其标准化数据进行数据清洗以将上述异常数据进行剔除。

S103：根据所述数据清洗后的所述标准化数据中的数据维度，建立多维主题库。

根据清洗后的标准化数据建立各平台主播基础明细表、直播基础明细表以及商品基础明细表。如图2所示，根据上述各基础表确定该标准化数据中的数据维度，并根据数据维度建立对应的主题库。例如：根据平台、地区、主播、商品、行业、规模和排行榜，将上述标准化数据建立七大维度主题库。

S104：确定用户的身份信息，并根据所述身份信息确定所述用户的用户需求。

通过直播电商平台获取用户的身份信息，并通过该身份信息获取该用户的用户需求。此外，根据身份信息获取该用户的历史购物信息，对该历史购物信息进行大数据分析，得到该用户的购物倾向，以确定该用户的未来购物需求。如图2所示，以根据该用户需求确定已有的维度主题库是否满足数据展示条件

S105：根据所述用户需求，在所述多维主题库中确定目标维度，并根据所述目标维度搭建前端界面，以至少将所述多维主题库中的所述目标维度进行可视化呈现。

获得用户的需求后，在已有的多维主题库中进行检查，以确定主题库中是否可以满足该用户需求，从而确定针对该用户的目标维度，其中，该目标维度可以为多个维度。如图2所示，根据目标维度搭建前端界面，以使该用户需要的数据进行可视化呈现。

在一个实施例中，通过大数据分析建模思路将第一相关数据与第二相关数据进行关联分析，对相关数据进行合并数据集和记录、选择数据子集样本、汇总记录、导出新的属性、排序数据以便建模、删除或替换空白值或缺失值、分为训练数据集和测试数据集等步骤。经过数据准备，建立大数据分析模型。在使用模型之前需要对数据进行预处理。数据预处理包括：数据清理、数据集成、数据变换、数据归约。数据清理一般包括对数据纪录的缺失属性进行填充、对数据的噪声进行光滑操作、识别数据中的异常或者离群点等。在模型中执行多次迭代，选择合适的模型算法，运行多个可能的模型，然后再对模型参数进行微调以便对模型进行优化，最终选择出最佳的模型。在模型评估阶段，对项目结果是否达到业务成功标准进行评估。模型评估完成之后进入到结果部署阶段，将前期选择出来的最佳模型应用到实际业务中去，并得到最终报告。利用if-then规则描述第一相关数据与第二相关数据之间的完备关系，并将连续和离散的数据数据间可能不存在强规则进行处理。以得到第一相关数据与第二相关数据之间的关联关系。

根据关联关系将关联数据进行分组，得到多组关联数据组，并将关联数据组进行标准归一化处理，将数据按比例缩放，使该数据组落入一个小的特定区间。去除数据的单位限制，将其转化为无量纲的纯数值，以便于不同单位或量级的指标能够进行比较和加权，从而得到标准化数据，在之后的数据清洗模型中提升模型的收敛速度，提升模型的精度。

在一个实施例中，根据关联关系，对标准化数据进行聚类分析，基于划分的聚类算法将各个数据划分到对应的簇中，以将标准化数据进行分组，得到数据簇。选择预设的距离函数和属性权值对数据簇按照属性进行归类，发现离群数据和不符合预测模型的异常数据，将数据簇中的异常数据进行剔除。

根据第一相关数据建立主播基础明细表和直播基础明细表，根据第二相关数据建立商品基础明细表。将主播基础明细表、直播基础明细表和商品基础明细表中对应的数据簇进行筛选，以将数据簇中的重复数据进行剔除。综上所述，通过数据模型对相关数据进行数据缺失值处理、数据标准化、异常数据清除、数据错误纠正、重复数据删除等数据处理。

在一个实施例中，根据多维主题库确定对应的多个数据属性，该数据属性包括直播平台、直播地区、主播信息、商品信息、直播行业、直播规模、直播交易排行榜等。将用户需求与数据属性进行数据比对，得到用户的多个维度相关值。将多个维度相关值与预先设定的维度阈值进行比较，以选择大于或等于维度阈值的至少部分维度相关值，并根据选择的维度相关值确定用户的目标维度。例如，用户为某省市内用户，且该用户需要购买日常生活用品，根据上述用户需求在多维主题库中进行比对，得出各维度的相关值，其中包括直播地区和商品信息的两个维度的相关值大于预先设定的维度阈值，则将上述两个维度相关值对应的维度主题确定为目标维度。

在一个实施例中，若多个维度相关值均小于维度阈值，即已有的多维主题库中没有可以满足用户需求的相关目标维度，则根据用户需求确定对应的定制数据，通过上述实施例中的大数据模型对定制数据进行关联，得到标准化定制数据，并根据标准化定制数据建立定制主题库，并将定制主题库反馈至直播电商平台进行主题补充。

在一个实施例中，利用大数据算法模型，识别刷单、大额优惠劵等异常值商品，即异常数据。将异常数据进行溯源分析，得到异常数据对应的商品信息和主播信息。根据商品信息确定该类型商品的历史交易数据，将异常数据与历史交易数据进行比对，以得到异常数据的具体异常因素，该异常因素包括商品价格和商品平局下单时间。例如：若某个商品的交易价格突然降低，或某个商品的交易数量突然大幅度增加，则判断该商品对应的交易为异常信息。将异常因素反馈至商品对应的品牌企业，以向该商品的供应者提供该异常信息。根据主播信息通过直播电商平台封闭相关直播间，并将对应的主播账号进行封号。通过前端界面将异常数据对应的品牌企业和主播账号向用户进行展示，以避免用户继续对该商品下单。

在一个实施例中，利用第一相关数据进行中的直播场次、观看人次、商品上架次数、粉丝数等信息进行直播趋势分析，得到该直播电商平台的品牌商品行情和主播带货情况，并利用第一相关数据进行中的直播ID、主播ID、商品数等信息确认商品在所有主播处的交易额。将品牌商品行情和主播带货情况反馈至品牌企业，并根据交易额向品牌企业推荐代理主播，以为该品牌企业提供更合适的直播方式和代理主播。

在一个实施例中，对第二相关数据的商品名称、品牌名称、销售量、价格、商品一级类目、商品参数、发货地、评论详情等数据进行价格趋势分析，得到直播电商平台中对应商品的销售数据，并根据销售数据确定对应商品的销售趋势，该销售趋势展示了该商品近期的价格变动情况、销售数量变动情况，以及类似商品的销售比较情况。通过前端界面将销售趋势向用户进行展示，以避免购买高价、虚假、劣质商品。

如图3所示，本申请实施例还提供了一种直播电商分析展现的构建设备，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述一种直播电商分析展现的构建设备能够执行如上述任意一个实施例所述的方法。

本申请实施例还提供了一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：如上述任意一个实施例所述的方法。

本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备和介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本申请实施例提供的设备和介质与方法是一一对应的，因此，设备和介质也具有与其对应的方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述设备和介质的有益技术效果。

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、系统、或计算机程序产品。因此，本申请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，本申请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。

本申请是参照根据本申请实施例的方法、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装置。

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装置的制造品，该指令装置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。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种直播电商分析展现的构建方法，其特征在于，包括：

采集直播电商平台的相关数据，所述相关数据包括第一相关数据和第二相关数据，其中，所述第一相关数据包括但不限于主播数据、直播间数据，所述第二相关数据包括但不限于商品数据；

将所述相关数据进行关联，得到标准化数据，并将所述标准化数据进行数据清洗，以将其中携带的异常数据进行剔除；

根据所述数据清洗后的所述标准化数据中的数据维度，建立多维主题库；

确定用户的身份信息，并根据所述身份信息确定所述用户的用户需求；

根据所述用户需求，在所述多维主题库中确定目标维度，并根据所述目标维度搭建前端界面，以至少将所述多维主题库中的所述目标维度进行可视化呈现。

2.根据权利要求1所述的方法，其特征在于，将所述相关数据进行关联，得到标准化数据，具体包括：

将所述第一相关数据与所述第二相关数据进行关联分析，以得到所述第一相关数据与所述第二相关数据之间的关联关系；

根据所述关联关系将所述关联数据进行分组，得到多组关联数据组，并将所述关联数据组进行标准归一化处理，得到标准化数据。

3.根据权利要求2所述的方法，其特征在于，将所述标准化数据进行数据清洗，以将其中携带的异常数据进行剔除，具体包括：

根据所述关联关系，对所述标准化数据进行聚类分析，以将所述标准化数据进行分组，得到数据簇，将所述数据簇中的异常数据进行剔除；

根据所述第一相关数据建立主播基础明细表和直播基础明细表，根据所述第二相关数据建立商品基础明细表；

将所述主播基础明细表、所述直播基础明细表和所述商品基础明细表中对应的所述数据簇进行筛选，以将所述数据簇中的重复数据进行剔除。

4.根据权利要求1所述的方法，其特征在于，根据所述用户需求，在所述多维主题库中确定目标维度，具体包括：

根据所述多维主题库确定对应的多个数据属性，将所述用户需求与所述数据属性进行数据比对，得到所述用户的多个维度相关值；

将多个所述维度相关值与预先设定的维度阈值进行比较，以选择大于或等于所述维度阈值的至少部分所述维度相关值，并根据选择的所述维度相关值确定所述用户的目标维度。

5.根据权利要求4所述的方法，其特征在于，将多个所述维度相关值与预先设定的维度阈值进行比较之后，所述方法还包括：

若所述多个维度相关值均小于所述维度阈值，则根据所述用户需求确定对应的定制数据；

将所述定制数据进行关联，得到标准化定制数据，并根据所述标准化定制数据建立定制主题库，将所述定制主题库反馈至所述直播电商平台。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将所述异常数据进行溯源分析，得到所述异常数据对应的商品信息和主播信息；

根据所述商品信息确定商品的历史交易数据，将所述异常数据与所述历史交易数据进行比对，以得到所述异常数据的异常因素，并将所述异常因素反馈至所述商品对应的品牌企业；

根据所述主播信息通过所述直播电商平台对相关直播间和主播账号进行封闭处理；

通过所述前端界面将所述异常数据对应的所述品牌企业和所述主播账号向所述用户进行展示。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

对所述第一相关数据进行直播趋势分析，得到所述直播电商平台的品牌商品行情和主播带货情况，并确认所述商品在所有主播处的交易额；

将所述品牌商品行情和所述主播带货情况反馈至品牌企业，并根据所述交易额向所述品牌企业推荐代理主播。

8.根据权利要求1所述的方法，其特征在于，所述方法还包括：

对所述第二相关数据进行价格趋势分析，得到所述直播电商平台中对应商品的销售数据，并根据所述销售数据确定对应商品的销售趋势；

通过所述前端界面将所述销售趋势向所述用户进行展示。

9.一种直播电商分析展现的构建设备，其特征在于，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述一种直播电商分析展现的构建设备能够执行：如权利要求1-8中任意一项权利要求所述的方法。

10.一种非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令设置为：如权利要求1-8中任意一项权利要求所述的方法。

Images