CN114581183A - 一种智能询价方法、装置、设备以及存储介质 - Google Patents
一种智能询价方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN114581183A CN114581183A CN202210207596.7A CN202210207596A CN114581183A CN 114581183 A CN114581183 A CN 114581183A CN 202210207596 A CN202210207596 A CN 202210207596A CN 114581183 A CN114581183 A CN 114581183A
- Authority
- CN
- China
- Prior art keywords
- commodity
- scene
- purchasing
- target
- target user
- 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
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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0611—Request for offers or quotes
-
- 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
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
-
- 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
- G06Q30/0241—Advertisements
- G06Q30/0277—Online advertisement
-
- 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]
- G06Q30/0631—Item recommendations
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种智能询价方法、装置、设备以及存储介质,涉及互联网技术领域,尤其涉及电子商务技术领域。具体实现方案为:响应于目标用户对于询价单的提交操作,获取所述目标用户的历史行为数据;基于所述目标用户的历史行为数据,预测所述目标用户所处的目标采购场景;基于所述目标采购场景,选取各个场景化商品;向所述目标用户推荐各个场景化商品;响应于所述目标用户的指定操作,向各个场景化商品所属的卖家发送询价;其中,所述指定操作用于表征对各个场景化商品进行统一询价的操作。可见,通过本方案,可以降低询价成本,提高买家的采购效率。
Description
技术领域
本公开涉及互联网技术领域,尤其涉及电子商务技术领域,具体涉及一种智能询价方法、装置、设备以及存储介质。
背景技术
电子商务平台是一个为企业或个人提供网上交易洽谈的平台,其中,利用平台进行网上交易洽谈的任一企业或个人属于卖家或买家,表单询价是连接买卖双方最重要的一环。
相关技术中,买家可通过电子商务平台提交针对指定商品的询价单以向卖家进行指定商品的询价,在询价后,平台会向买家推荐与该商品相似的同类商品,用户点击该推荐的商品可进一步发起询价。
发明内容
本公开提供了一种智能询价方法、装置、设备以及存储介质。
根据本公开的一方面,提供了一种智能询价方法,包括:
响应于目标用户对于询价单的提交操作,获取所述目标用户的历史行为数据;其中,所述历史行为数据为表征所述目标用户发生的商品浏览行为和/或商品询价行为的数据;
基于所述目标用户的历史行为数据,预测所述目标用户所处的目标采购场景;
基于所述目标采购场景,选取各个场景化商品;其中,每一场景化商品为属于与所述目标采购场景相关的商品类型的商品;
向所述目标用户推荐各个场景化商品;
响应于所述目标用户的指定操作,向各个场景化商品所属的卖家发送询价;其中,所述指定操作用于表征对各个场景化商品进行统一询价的操作。
根据本公开的另一方面,提供了智能询价装置,包括:
获取模块,用于响应于目标用户对于询价单的提交操作,获取所述目标用户的历史行为数据;其中,所述历史行为数据为表征所述目标用户发生的商品浏览行为和/或商品询价行为的数据;
预测模块,用于基于所述目标用户的历史行为数据,预测所述目标用户所处的目标采购场景;
选取模块,用于基于所述目标采购场景,选取各个场景化商品;其中,每一场景化商品为属于与所述目标采购场景相关的商品类型的商品;
推荐模块,用于向所述目标用户推荐各个场景化商品;
询价模块,用于响应于所述目标用户的指定操作,向各个场景化商品所属的卖家发送询价;其中,所述指定操作用于表征对各个场景化商品进行统一询价的操作。
根据本公开的另一方面,提供了一种电子设备,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,以使所述至少一个处理器能够执行上述的智能询价方法的步骤。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行上述的智能询价方法的步骤。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现上述的智能询价方法的步骤。
通过本方案,可以降低询价成本,提高买家的采购效率。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开一种智能询价方法的流程图;
图2是根据相关技术中方案与本公开方案的对比示意图;
图3A是根据本公开一种商品类型与采购场景之间的关系示意图;
图3B是根据本公开一种商品类型与采购场景之间的关系系数的示意图;
图4是根据本公开一种智能询价方法的一个具体示例的流程图;
图5A是根据本公开智能询价方法的一种用户提交询价单的产品界面图;
图5B是根据本公开智能询价方法的一种用户补充询价单的产品界面图;
图5C是根据本公开智能询价方法的一种推荐商品展示的产品界面图;
图6是根据本公开一种询盘校验的逻辑示意图;
图7是根据本公开一种智能询价装置的结构示意图;
图8是用来实现本公开实施例的智能询价方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围和精神。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。
电子商务平台是一个为企业或个人提供网上交易洽谈的平台,其中,利用平台进行网上交易洽谈的任一企业或个人属于卖家或买家,表单询价是连接买卖双方最重要的一环。
买家通过表单询盘实现表达求购意向,表单询盘为不受时间限制且主动接受报价信息的方式,卖家通过线索接收对买家意向进行响应。在形成转化闭环的同时买卖双方加深对平台的认可,可以有效地提升买家用户的粘性,因此,向买家提供优质的询价体验对电子商务平台来说非常重要。
相关技术中,买家可通过电子商务平台提交针对指定商品的询价单以向卖家进行指定商品的询价,其中,询价单中可以包括买家对商品或卖家的约束条件。在询价后,平台会向买家推荐与该商品相似的同类商品,用户点击该推荐的商品可进一步发起询价。另外,买家还可以通过电子商务平台提交包含多个商品的采购单,平台通过匹配策略为买家找到适合的卖家,满足买家用户一次性多采的需求。
另外,由于买家的采购需求往往基于买家所处的现实采购场景,因此,买家的采购需求往往不是一个商品,而是一系列的商品。针对买家的采购需求为多个商品而言,一方面,采用单一的定向询价方式,即提交针对指定商品的询价单的方式,对买家来说需要多次提交针对不同商品的询价单,操作成本极高且采购效率低;另一方面,由于买家的身份不同采购习惯也不同,大型公司的采购员采购会按照采购单进行招标,但绝大多数的小微企业采购时没有能力制作采购单,因此,上传采购单的方式对绝大多数的买家具有一定的使用门槛,导致买家的采购效率降低,买家对平台的信任度也随之降低。
基于上述内容,为了降低询价成本,提高买家的采购效率,本公开实施例提供了一种智能询价方法、装置、设备以及存储介质。
下面首先对本公开实施例所提供的一种智能询价方法进行介绍。
本公开实施例所提供的一种智能询价方法可以应用于电子设备。在具体应用中,该电子设备可以为服务器,也可以为终端设备,这都是合理的。在实际应用中,该终端设备可以是:智能手机、平板电脑、台式电脑等等。
具体而言,该智能询价方法的执行主体可以为智能询价装置。示例性的,该当智能询价方法应用于终端设备时,该智能询价装置可以为运行于终端设备中的功能软件,例如:用于进行商品询价的电子商务平台;在实际应用中,该电子商务平台可以是电子购物客户端;当然,该询价装置也可以为现有客户端中的插件,例如:用于进行商品询价的电子商务平台中的询价插件。示例性的,当该智能询价方法应用于服务器时,该智能询价装置可以为运行于服务器中的计算机程序,该计算机程序可以用于发起商品的询价。
其中,本公开实施例所提供的一种智能询价方法,可以包括如下步骤:
响应于目标用户对于询价单的提交操作,获取所述目标用户的历史行为数据;其中,所述历史行为数据为表征所述目标用户发生的商品浏览行为和/或商品询价行为的数据;
基于所述目标用户的历史行为数据,预测所述目标用户所处的目标采购场景;
基于所述目标采购场景,选取各个场景化商品;其中,每一场景化商品为属于与所述目标采购场景相关的商品类型的商品;
向所述目标用户推荐各个场景化商品;
响应于所述目标用户的指定操作,向各个场景化商品所属的卖家发送询价;其中,所述指定操作用于表征对各个场景化商品进行统一询价的操作。
本公开提高方案中,通过所获取的目标用户的历史行为数据,预测目标用户所处的目标采购场景。然后基于该目标采购场景,选取与该目标采购场景相关的商品类型的商品,作为各个场景化商品,并向目标用户推荐该各个场景化商品,从而使目标用户进行指定操作时,可以向各个场景化商品进行统一询价。可见,通过本方案,由于所推荐的各个场景化商品,为与预测的目标用户所处的目标采购场景相关的商品类型的商品,因此对该各个场景化商品进行统一询价,可以降低询价成本,提高买家的采购效率。
下面结合附图,对本公开实施例所提供的智能询价方法进行介绍。
如图1所示,本公开实施例所提供的智能询价方法,可以包括如下步骤:
S101,响应于目标用户对于询价单的提交操作,获取该目标用户的历史行为数据;其中,该历史行为数据为表征该目标用户发生的商品浏览行为和/或商品询价行为的数据;
本实施例中,询价单为用于填写采购商品、收货地址和买家联系方式等信息的表单。可以理解的是,响应于目标用户对于询价单的提交操作,为了推荐更加符合目标用户采购需求的一系列商品,通过获取目标用户的历史行为数据,以利用该目标用户的历史行为数据去分析目标用户可能还会采购的商品。其中,该目标用户可以为任一提交询价单的买家用户。
也就是,目标用户在提交针对指定商品的询价单后,可以基于该次提交操作,触发获取目标用户的历史行为数据的操作,以利用该目标用户的历史行为数据,为该目标用户推荐其可能还需采购的其他商品,使得目标用户可以直接从推荐商品中继续进行采购,从而可以提高目标用户的采购效率。
另外,需要说明的是,目标用户对于询价单的提交操作可以是在电子商务平台上进行的。示例性的,该电子商务平台可以是电子购物平台、B2B(Business To Business,企业到企业)平台,等等。其中,B2B平台是一个为企业与企业之间通过互联网进行产品、服务及信息交换的平台,是企业间的电子商务。在实际应用中,该电子商务平台可以是为不同企业或个人开发的电子购物客户端、B2B客户端,等等。
S102,基于该目标用户的历史行为数据,预测该目标用户所处的目标采购场景;
可以理解的是,由于目标用户的历史行为数据为表征该目标用户发生的商品浏览行为和/或商品询价行为的数据,而目标用户发生过商品浏览行为和/或商品询价行为的商品,为该目标用户可能会感兴趣的采购商品,且该目标用户可能会感兴趣的采购商品与目标用户所处的目标采购场景息息相关,因此,通过对目标用户的历史行为数据进行分析,即识别该目标用户可能会感兴趣的采购商品所属的采购场景,可以预测目标用户所处的目标采购场景。
示例性的,采购场景可以有:家居用品采购场景、办公用品采购场景、清洁用品采购场景,等等。示例性的,每一卖家所提供的商品所属的采购场景,可以是该卖家在B2B平台中提交针对该商品的相关信息时,所输入或选择的该商品所属的场景,从而可以从该商品的相关信息中直接识别出该商品所属的场景。
需要说明的是,在实际生活场景中,当目标用户所处的采购场景为清洁场景时,目标用户往往需要采购拖布、扫帚等多种清洁用品,因此,当通过目标用户的历史行为数据分析出该目标用户的感兴趣商品为拖布、扫帚等清洁用品时,该目标用户所处的采购场景往往为清洁场景。因此,目标用户可能会感兴趣的采购商品与目标用户所处的目标采购场景息息相关,从而本公开实施例可以基于目标用户可能感兴趣的采购商品,预测该目标用户所处的目标采购场景。
示例性的,若目标用户的历史行为数据中,包含对拖把的浏览和/或询价数据,则推测拖把为该目标用户可能会感兴趣的采购商品,通过识别拖把所属的采购场景,例如:清洁场景,将拖把所属的采购场景预测为目标用户所处的目标采购场景,即预测清洁场景为目标用户所处的目标采购场景。
S103,基于该目标采购场景,选取各个场景化商品;其中,每一场景化商品为属于与该目标采购场景相关的商品类型的商品;
可以理解的是,在通过步骤S102预测目标用户所处的目标采购场景后,可以基于该目标采购场景,选取各个场景化商品,从而后续可以为该目标用户推荐该各个场景化商品,即推荐与该目标采购场景相关的商品类型的商品,进而可以满足目标用户的一次性多采的采购需求。示例性的,若目标采购场景为办公场景,则可以选取与该办公场景相关的商品类型的商品,例如:办公桌、办公椅等类型的商品,作为各个场景化商品。
S104,向该目标用户推荐各个场景化商品;
在通过步骤S103选取出各个场景化商品后,向该目标用户推荐各个场景化商品。示例性的,向该目标用户推荐各个场景化商品的方式,可以是在电子商务平台中展示该各个场景化商品,以便于目标用户后续可以通过在该平台进行指定操作,向该各个场景化商品所属的卖家统一发送询价,从而可以降低询价成本,提高目标用户的采购效率。
S105,响应于该目标用户的指定操作,向各个场景化商品所属的卖家发送询价;其中,该指定操作用于表征对各个场景化商品进行统一询价的操作。
示例性的,该表征对各个场景化商品进行统一询价的指定操作,可以是在电子商务平台中进行指定的触控操作,例如:点击用于发送统一询价的指定按钮,或者,双击用于发送统一询价的指定区域,等等。
示例性的,在一种具体的实现方式中,该指定操作包括:针对目标按钮的点击操作;其中,该目标按钮为该电子商务平台的关于各个场景化商品的推荐界面中所展示的、用于对各个场景化商品进行统一询价的按钮。示例性的,该目标按钮可以是一键询价按钮。可以理解的是,通过点击用于对各个场景化商品进行统一询价的按钮,向该各个场景化商品所属的卖家发送询价,可以降低用户操作成本,使得用户一次询价可以满足更多场景化商品的采购需求,提高了用户询价效率和采购效率,从而极大的提升了用户体验。
另外,值得一提的是,向各个场景化商品所属的卖家发送询价时,若各个场景化商品中包括步骤S101中目标用户通过电子商务平台提交的询价单中所指示的商品,则不再对该询价单中所指示的商品进行询价,以避免对该商品所属的卖家重复询价带来的资源浪费的问题。
本公开提供方案中,通过所获取的目标用户的历史行为数据,预测目标用户所处的目标采购场景。然后基于该目标采购场景,选取与该目标采购场景相关的商品类型的商品,作为各个场景化商品,并向目标用户推荐该各个场景化商品,从而使目标用户进行指定操作时,可以向各个场景化商品进行统一询价。可见,通过本方案,由于所推荐的各个场景化商品,为与预测的目标用户所处的目标采购场景相关的商品类型的商品,因此对该各个场景化商品进行统一询价,可以降低询价成本,提高买家的采购效率。
可选地,在本公开的另一实施例中,上述步骤S102中基于目标用户的历史行为数据,预测该目标用户所处的目标采购场景,可以包括步骤A1-A2:
A1,从该目标用户的历史行为数据中,确定该目标用户的感兴趣商品;
也就是,从目标用户发生的商品浏览行为和/或商品询价行为的数据中,确定该目标用户的感兴趣商品。示例性的,确定该目标用户的感兴趣商品的方式可以是:从目标用户发生的商品浏览行为和/或商品询价行为的数据中,确定发生过最多的浏览行为和/或询价行为所对应的商品,作为目标用户的感兴趣商品。示例性的,确定目标用户的感兴趣商品的方式还可以是:从该目标用户发生的商品浏览行为和/或商品询价行为的数据中,确定发生过达到预设次数的浏览行为和/或询价行为所对应的商品,作为该目标用户的感兴趣商品。
A2,基于预先构建的商品关系库和该感兴趣商品所属的商品类型,识别该目标用户所处的目标采购场景;其中,该商品关系库为记录有各个采购场景与商品类型的对应关系的数据库,任一采购场景所对应的商品类型为与该采购场景存在相关性的商品类型。
本实施例中,该预先构建的商品关系库可以是由相关工作人员所构建的、记录有各个采购场景与商品类型的对应关系的数据库。其中,任一采购场景所对应的商品类型为与该采购场景存在相关性的商品类型。示例性的,各个采购场景与商品类型之间的对应关系,可以是相关工作人员根据历史经验所建立的对应关系,或者,通过预先训练完成的场景识别模型,对输入的各个商品类型进行识别,输出各个商品类型所属的采购场景,从而建立该模型的输入与输出之间的对应关系,即可获得各个商品类型与采购场景的对应关系。需要说明的是,本公开实施例对建立各个采购场景与商品类型之间的对应关系的方式并不限定。
示例性的,若采购场景为清洁场景,其对应的商品类型可以包括:扫帚、抹布、拖布,等等;若采购场景为办公场景,其对应的商品类型可以包括:办公桌、办公椅、笔记本,等等。需要说明的是,针对每一商品类型,属于该商品类型的商品的数量可以为多个,每个商品具有对应的卖家,以及对应的商品内容,等等,示例性的,针对拖布而言,属于拖布的商品的数量可以为多个,例如:型号1的拖布以及型号2的拖布,等等,或者,卖家a销售的拖布以及卖家b销售的拖布,等等。
可以理解的是,由于该商品关系库中记录有各个采购场景与商品类型的对应关系,因此,在通过步骤A1确定目标用户的感兴趣商品后,即可从该商品关系库中查找到该感兴趣商品所属的商品类型所对应的采购场景,从而将该采购场景识别为目标用户所处的目标采购场景。
另外,需要说明的是,通过步骤A1所确定的目标用户的感兴趣商品,为该目标用户发生过浏览行为和/或询价行为的商品,若该感兴趣商品为拖把,其本质上为一种具体的拖把产品,例如:某一卖家所提供的具有特定型号的可旋转的拖把,该感兴趣商品所属的商品类型为拖把类型。
可选地,在一种实现方式中,上述步骤A2中基于预先构建的商品关系库和该感兴趣商品所属的商品类型,识别该目标用户所处的目标采购场景,可以包括步骤A21-A23:
A21,从预先构建的商品关系库中,确定该感兴趣商品所属的商品类型所对应的采购场景;
可以理解的是,由于预先构建的商品关系库中,记录有各个采购场景与商品类型的对应关系,因此,可以从该商品关系库中,确定感兴趣商品所属的商品类型所对应的采购场景。
A22,若所确定的采购场景为一个,将所确定的采购场景,作为该目标用户所处的目标采购场景;
A23,若所确定的采购场景为多个,基于该感兴趣商品所属的商品类型与所确定出的多个采购场景之间的关系系数,从所确定的多个采购场景中确定一个采购场景,作为该目标用户所处的目标采购场景。。
可以理解的是,采购场景和商品类型之间存在一对多或者多对一的映射关系,即一个采购场景中包括多个商品类型,而一个商品类型也可以对应多个采购场景;例如:商品类型为拖把,其对应的采购场景可以是清洁用品采购场景,还可以是家具用品采购场景。
因此,若步骤A21所确定的采购场景为一个,则该采购场景可以作为该目标用户所处的目标采购场景。若所确定的采购场景为多个,为了避免推荐过多的商品,可以从所确定的多个采购场景中,确定一个采购场景,作为该目标用户所处的目标采购场景。需要说明的是,从所确定的多个采购场景中,可以通过随机选取的方式或者按照各个采购场景的热度,选取一个采集场景,作为目标采购场景,这样,可以保证推荐效率较高。
为了更精准的推荐目标用户所需采购的商品,在本实现方式中,该商品关系库中还记录有各个商品类型与所对应采购场景之间的关系系数;其中,该关系系数用于表征商品类型与采购场景之间的相关度。从而可以基于该感兴趣商品所属的商品类型与所确定出的多个采购场景之间的关系系数,从所确定的多个采购场景中,确定一个采购场景,作为该目标用户所处的目标采购场景。
示例性的,各个商品类型与所对应采购场景之间的关系系数,可以是相关专家对各个商品类型所属的采购场景进行打分,将各个分值进行归一化作为各个商品类型与所对应采购场景之间的关系系数,或者,通过预先训练完成的逻辑回归模型,对输入的各个商品类型进行处理,输出各个商品类型与所对应采购场景之间的关系系数。需要说明的是,本公开实施例对获得各个商品类型与所对应采购场景之间的关系系数的方式并不限定。
示例性的,可以从多个采购场景中,选取与该感兴趣商品所属的商品类型的相关度最高的采购场景,例如:选取与该感兴趣商品所属的商品类型的关系系数最大的采购场景,作为该目标用户所处的目标采购场景。可以理解的是,从所确定出的多个采购场景中,选取一个与感兴趣商品所属的商品类型的相关度最高的采购场景,作为目标采购场景,后续为目标用户推荐该目标采购场景中的商品时,所推荐的商品更加符合目标用户所处的采购场景的采购需求。
可见,通过本方案,从目标用户的历史行为数据中确定出该目标用户的感兴趣商品,通过利用该感兴趣商品,可以较为准确的预测出目标用户所处的目标采购场景,从而后续可以为该目标用户更加精准的推荐商品。并且,在确定出感兴趣商品所属的商品类型所对应的采购场景为多个时,通过从所确定的多个采购场景中,确定一个采购场景,后续针对目标用户进行商品推荐时,可以针对该确定出的一个采购场景中的商品类型的商品进行推荐,从而可以避免推荐属于多个采购场景的商品,导致无法对目标用户进行精准推荐的问题。
可选地,在本公开另一实施例中,上述步骤S103中基于该目标采购场景,选取各个场景化商品,可以包括步骤B1-B3:
B1,从预先构建的商品关系库中,确定该目标采购场景对应的各个商品类型;其中,该商品关系库为记录有各个采购场景与商品类型的对应关系的数据库,任一采购场景所对应的商品类型为与该采购场景存在相关性的商品类型;
可以理解的是,由于预先构建的商品关系库中记录有各个采购场景与商品类型的对应关系,因此,在通过步骤S102预测目标用户所处的目标采购场景后,可以从该商品关系库中查找该目标采购场景所对应的各个商品类型。
B2,按照预定的商品类型选取策略,从所确定的各个商品类型中,确定待利用的各个目标商品类型;
可以理解的是,由于每一采购场景所对应的商品类型可以有很多,若对目标采购场景对应的所有商品类型的商品进行推荐,大量的推荐商品会导致推荐的准确性降低,从而导致买家的采购效率降低,因此,为了更加快速、精简的对目标用户进行商品推荐,可以从所确定的目标采购场景对应的各个商品类型中,按照预定的商品类型选取策略选取指定数量个商品类型,作为待利用的各个目标商品类型。
示例性的,预定的商品类型选取策略,可以是:从所确定的各个商品类型中随机选取若干个商品类型,作为待利用的目标商品类型;或者,从所确定的各个商品类型中,选取与目标采购场景的相关度最高的商品类型,或者,选取与该目标采购场景相关度由高到低排序的指定数量个商品类型,作为待利用的目标商品类型,等等。可以理解的是,根据商品类型与目标采购场景的相关度选取待利用的商品类型,可以进一步提升商品推荐的准确性。
可选地,在一种具体的实现方式中,该商品关系库还记录有各个商品类型与所对应采购场景之间的关系系数;其中,该关系系数用于表征商品类型与采购场景之间的相关度;
相应的,在该种具体的实现方式中,按照预定的商品类型选取策略,从所确定的各个商品类型中,选取待利用的各个目标商品类型,可以包括:基于所确定的各个商品类型与该目标采购场景之间的关系系数,从所确定的各个商品类型中,确定待利用的各个目标商品类型。
可以理解的是,由于商品关系库还记录有各个商品类型与所对应采购场景之间的关系系数,且该关系系数表征商品类型与所对应的采购场景的相关度,因此,为了提高所推荐商品的准确性,可以从所确定的各个商品类型中,确定待利用的各个目标商品类型,从而可以为目标用户推荐与其所处的目标采购场景相关度较高的商品类型中的商品。示例性的,确定待利用的各个目标商品类型的方式可以是:选取与目标采购场景的关系系数由大到小排序的至少一类商品类型作为目标商品类型,或者,选取与目标采购场景的关系系数大于预设阈值的商品类型作为目标商品类型,等等。
示例性的,若目标采购场景为办公场景,经过步骤B1所确定的该目标采购场景对应的各个商品类型包括办公桌、办公椅、笔记本和笔筒,其中,办公桌、办公椅、笔记本和笔筒与该办公场景的关系系数分别为0.9、0.9、0.7和0.3。为了向目标用户推荐更加准确的商品,可以从该各个商品类型中进一步选取与该目标采购场景相关度更高的商品类型,例如:选取办公桌和办公椅作为待利用的各个目标商品类型,从而后续可以从该各个目标商品类型中选取指定数量个商品推荐给目标用户,以进一步提高目标用户的采购效率。
B3,选取各个目标商品类型的商品,得到各个场景化商品。
在通过步骤B2确定出待利用的各个目标商品类型后,由于每一商品类型下包括多个卖家所提供的该类型的商品,因此可以进一步从中选取商品,得到各个场景化商品。示例性的,若某一待利用的目标商品类型中,包括100个由不同卖家所提供的该类商品,例如:属于拖把类型的商品包括由100个不同卖家所提供的各种型号的拖把,可以从该100个商品中进一步选取指定数量个商品,作为场景化商品。示例性的,选取的方式可以是:随机选取,或者基于各个卖家的销量、好评等信息,对各个卖家进行打分,从而选取指定数量个综合评分较高的卖家的商品。
可见本方案中,通过从目标采购场景对应的各个商品类型中确定各个目标商品类型,并从该各个目标商品类型的商品中进一步选取各个场景化商品,后续通过向目标用户推荐该各个场景化商品,可以避免推荐的商品太多导致目标用户无法高效的对所需商品进行询价的问题,并且,可以降低对大量的商品进行询价带来的询价成本。
可选地,在本公开的另一实施例中,感兴趣商品为多个,多个感兴趣商品所属的商品类型为多个;
相应的,在本实施例中,基于该感兴趣商品所属的商品类型与所确定出的多个采购场景之间的关系系数,从所确定的多个采购场景中,确定一个采购场景,作为该目标用户所处的目标采购场景,可以包括步骤C1-C2:
C1,针对所确定出的多个采购场景中的每一采购场景,分别确定该采购场景与各个指定商品类型之间的关系系数,并将所确定的关系系数进行累加,得到该采购场景对应的总关系系数;其中,该指定商品类型为与该采购场景相对应的、该感兴趣商品所属的商品类型;
C2,选取总关系系数最高的采购场景,作为该目标用户所处的目标采购场景。
可以理解的是,若从目标用户的历史行为数据中所确定的感兴趣商品为一个,或者所确定的感兴趣商品所属的商品类型为一个,则该感兴趣商品所属的商品类型所对应的关系系数最大的采购场景,即可确定为目标采购场景;而若从目标用户的历史行为数据中所确定的感兴趣商品为多个,且该多个感兴趣商品所属的商品类型为多个,则每一感兴趣商品所属的商品类型均对应有关系系数最高的采购场景,因此,为了确定出目标采购场景,可以针对每一感兴趣商品所属的商品类型所对应的各个采购场景的关系系数中、属于同一采购场景的关系系数进行累加,得到每一采购场景对应的总关系系数,进而从属于各个采购场景的总关系系数中,选取数值最大的采购场景作为目标采购场景。
示例性的,若从目标用户的历史行为数据中所确定的感兴趣商品为沙发和扫帚,商品关系库中记录沙发类型对应的采购场景为家居用品采购场景,且关系系数为0.8,扫帚类型对应的采购场景为家居用品采购场景和清洁用品采购场景,且关系系数分别为0.6和0.8,则感兴趣商品所属的商品类型所对应的采购场景有家居用品采购场景和清洁用品采购场景,为了确定出真正的目标采购场景,对属于同一采购场景的关系系数进行累加,得到属于家居用品采购场景的总关系系数为1.4,属于清洁用品采购场景的总关系系数为0.8,因此,可以将家居用品采购场景作为目标用户所处的目标采购场景。
可见,通过本方案,当感兴趣商品为多个,且该多个感兴趣商品所属的商品类型为多个时,可以通过计算该多个商品类型所对应的各个采购场景的关系系数中、属于每一采购场景的总关系系数中数值最大的采购场景,将其确定为目标采购场景,从而可以有效的利用商品与场景之间的关系系数,来提升预测目标用户所处的目标采购场景的准确性,进而可以提升预测目标用户的采购需求的准确性。
为了更好的阐述本公开实施例的内容,下面结合一个具体的示例对本公开实施例所提供的智能询价方法进行介绍。
如图2所示,图2中左图展示了传统的询价方案,即相关技术中,在B2B平台中针对指定商品进行定向询价后,平台会向买家推荐与该商品相似的同类商品,用户点击该推荐的商品可进一步发起询价(也称发起转化)。由于买家用户的采购需求往往不止一个商品,而是一系列的商品,因此,单一的定向询价方式对买家来说,操作成本极高且采购效率低。
图2中右图展示了本公开实施例所提供的询价方案,本方案中,在B2B平台中针对指定商品进行定向询价后,平台会向买家推荐场景化商品,用户可点击某一推荐的商品发起定向询价,也可以点击一键询价按钮对推荐商品全部发起询价。
其中,平台向买家推荐场景化商品的过程,包括如下步骤:
(1)根据用户单次定向询价的商品预测用户所处的目标采购场景;
在用户发起定向询价后,获取用户的历史行为数据,包括用户的历史浏览行为数据和/或历史询价商品数据,根据该历史行为数据,预测用户所处的目标采购场景。
在预测用户所处的目标采购场景的过程中,为了提高预测结果的准确性,可以利用预先构建的商品关系库,该商品关系库中记录有商品类型与采购场景之间的关系以及关系系数。如图3A所示,为记录采购场景1、2与商品类型A、B、C、D、H、K之间的关系的列表;如图3B所示,为记录商品与场景之间的关系系数的列表。
(2)根据用户所处的目标采购场景向用户推荐商品。
在预测用户所处的目标采购场景后,利用商品关系库为用户推荐与目标采购场景关系系数较高的商品类型的商品。如图4所示,在一个示例中,通过用户的历史行为数据分析出用户浏览过商品A和商品C,根据商品关系库中记录的商品类型与采购场景之间的关系及关系系数,查找到商品A所属的商品A类型对应于场景1的关系系数为0.48,对应于场景2的关系系数为0.69,商品C所属的商品C类型所对应的场景1的关系系数为0.98。从而,可以计算出属于场景1的总关系系数为1.46,属于场景2的总关系系数为0.69,因此,判断用户最可能处于场景1,将场景1作为目标采购场景。在向用户推荐商品时,利用商品关系库,向用户推荐与目标采购场景关系系数最高的且商品,例如与场景1关系系数最高的、且未发生过询价的商品K类型中的商品。
为了更好的理解本公开实施例的内容,下面结合产品界面图对本公开实施例所提供的智能询价方法的询价逻辑进行描述。
为了满足用户一键询价多个场景化商品的需求,降低用户询价成本,示例性的,本公开实施例所应用的产品界面图可以如图5A-5C所示。
图5A展示了发送询价单给商家的产品界面图,在该界面中,需要填写买家联系方式,为了使平台推荐场景化商品,可以打开“允许分发至更多供应商”的按钮,提交该询价单后,跳转到图5B中所展示的界面。
图5B中,显示询价单提交成功信息,并且可以选择是否对询价单内容进行补充,选择暂不补充或确认提交后,跳转到图5C所展示的商品推荐界面。
图5C中,上方显示询价单提交成功信息,下方为商品推荐板块,该板块中包括多个推荐的场景化商品的商品卡,每一商品卡中包括:商品标题、价格、图片与询底价按钮等内容。其中,标题占两行,多出部分用“…”代替,标题中的核心词可以标红。
在图5C中进行操作的交互逻辑可以包括:
(1)点击每一商品对应的询底价按钮,可以发起针对该商品的询价,此时弹出弹窗toast提醒“询价单发送成功!”,该toast在2秒后消失,同时询底价按钮更改为查看详情,按钮颜色改变。
(2)点击每一商品卡中除询底价按钮之外的其他区域,可以跳转到该商品的详情页,以方便用户进一步了解该商品。
(3)点击一键询价按钮,可以弹出浮层,浮层中显示文案“请确认对当前页面所有商品同时发起询价”,若点击该浮层中的“X”区域或暂不需要按钮,该浮层消失,不发起询价,以避免用户误触导致的发起询价带来的询价成本损耗的问题。其中,“X”区域为用于关闭该浮层的区域;若点击确认询价按钮,针对当前页面的所有商品发起询价,浮层消失并弹窗提醒“询价单发送成功!”,同时一键询价按钮颜色变暗。
另外,若当前页面已经点击过询底价,再次点击一键询价时,对没有询价过的商品进行询价,避免出现针对同一商品的重复询价。并且,推荐的商品数量也称为商品召回数量,可以展示在多个页面中,通过左右滑动切换页面。
另外,图6展示了用户在提交询价单时的校验流程。如图6所示,首选判断用户是否在15天内通过验证码校验的方式提交过询盘(也称询价),若否,需要进行手机号验证才能提交询盘。若用户在15天内通过验证码校验的方式提交过询盘,则判断提交询盘的数量是否超过5个,若是,需要进行人机校验才能提交询盘,否则可以直接提交询盘。可以理解的是,通过手机号验证或者人机校验的方式,可以确保提交询盘的用户为有采购需求的用户,在提交询盘后,可以将卖家填写的报价信息反馈给用户。
可见,通过本方案,可以缩短用户操作流程,满足用户一键询价多个商品的需求,从而可以降低询价成本,提高用户采购效率。并且,可以提升用户对B2B平台的满意度。
基于上述方法的实施例,本公开实施例还提供了一种智能询价装置,如图7所示,所述装置包括:
获取模块710,用于响应于目标用户对于询价单的提交操作,获取所述目标用户的历史行为数据;其中,所述历史行为数据为表征所述目标用户发生的商品浏览行为和/或商品询价行为的数据;
预测模块720,用于基于所述目标用户的历史行为数据,预测所述目标用户所处的目标采购场景;
选取模块730,用于基于所述目标采购场景,选取各个场景化商品;其中,每一场景化商品为属于与所述目标采购场景相关的商品类型的商品;
推荐模块740,用于向所述目标用户推荐各个场景化商品;
询价模块750,用于响应于所述目标用户的指定操作,向各个场景化商品所属的卖家发送询价;其中,所述指定操作用于表征对各个场景化商品进行统一询价的操作。
可选地,所述预测模块,包括:
确定子模块,用于从所述目标用户的历史行为数据中,确定所述目标用户的感兴趣商品;
识别子模块,用于基于预先构建的商品关系库和所述感兴趣商品所属的商品类型,识别所述目标用户所处的目标采购场景;其中,所述商品关系库为记录有各个采购场景与商品类型的对应关系的数据库,任一采购场景所对应的商品类型为与该采购场景存在相关性的商品类型。
可选地,所述识别子模块,具体用于:
从预先构建的商品关系库中,确定所述感兴趣商品所属的商品类型所对应的采购场景;
若所确定的采购场景为一个,将所确定的采购场景,作为所述目标用户所处的目标采购场景;
若所确定的采购场景为多个,基于所述感兴趣商品所属的商品类型与所确定出的多个采购场景之间的关系系数,从所确定的多个采购场景中,确定一个采购场景,作为所述目标用户所处的目标采购场景。
可选地,所述感兴趣商品为多个,多个感兴趣商品所属的商品类型为多个;
所述基于所述感兴趣商品所属的商品类型与所确定出的多个采购场景之间的关系系数,从所确定的多个采购场景中,确定一个采购场景,作为所述目标用户所处的目标采购场景,包括:
针对所确定出的多个采购场景中的每一采购场景,分别确定该采购场景与各个指定商品类型之间的关系系数,并将所确定的关系系数进行累加,得到该采购场景对应的总关系系数;其中,所述指定商品类型为与该采购场景相对应的、所述感兴趣商品所属的商品类型;
选取总关系系数最高的采购场景,作为所述目标用户所处的目标采购场景。
可选地,所述选取模块,具体用于:
从预先构建的商品关系库中,确定所述目标采购场景对应的各个商品类型;其中,所述商品关系库为记录有各个采购场景与商品类型的对应关系的数据库,任一采购场景所对应的商品类型为与该采购场景存在相关性的商品类型;
按照预定的商品类型选取策略,从所确定的各个商品类型中,确定待利用的各个目标商品类型;
选取各个目标商品类型的商品,得到各个场景化商品。
可选地,所述商品关系库还记录有各个商品类型与所对应采购场景之间的关系系数;其中,所述关系系数用于表征商品类型与采购场景之间的相关度;
所述按照预定的商品类型选取策略,从所确定的各个商品类型中,选取待利用的各个目标商品类型,包括:
基于所确定的各个商品类型与所述目标采购场景之间的关系系数,从所确定的各个商品类型中,确定待利用的各个目标商品类型。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
本公开所提供的一种电子设备,可以包括: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,以使所述至少一个处理器能够执行上述的智能询价方法的步骤。
本公开所提供的一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一智能询价方法的步骤。
在本公开提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中任一智能询价方法的步骤。
图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图8所示,设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM 803中,还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805,包括:输入单元806,例如键盘、鼠标等;输出单元807,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理,例如智能询价方法。例如,在一些实施例中,智能询价方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时,可以执行上文描述的智能询价方法的一个或多个步骤。备选地,在其他实施例中,计算单元801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行智能询价方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (15)
1.一种智能询价方法,所述方法包括:
响应于目标用户对于询价单的提交操作,获取所述目标用户的历史行为数据;其中,所述历史行为数据为表征所述目标用户发生的商品浏览行为和/或商品询价行为的数据;
基于所述目标用户的历史行为数据,预测所述目标用户所处的目标采购场景;
基于所述目标采购场景,选取各个场景化商品;其中,每一场景化商品为属于与所述目标采购场景相关的商品类型的商品;
向所述目标用户推荐各个场景化商品;
响应于所述目标用户的指定操作,向各个场景化商品所属的卖家发送询价;其中,所述指定操作用于表征对各个场景化商品进行统一询价的操作。
2.根据权利要求1所述的方法,其中,所述基于所述目标用户的历史行为数据,预测所述目标用户所处的目标采购场景,包括:
从所述目标用户的历史行为数据中,确定所述目标用户的感兴趣商品;
基于预先构建的商品关系库和所述感兴趣商品所属的商品类型,识别所述目标用户所处的目标采购场景;
其中,所述商品关系库为记录有各个采购场景与商品类型的对应关系的数据库,任一采购场景所对应的商品类型为与该采购场景存在相关性的商品类型。
3.根据权利要求2所述的方法,其中,所述基于预先构建的商品关系库和所述感兴趣商品所属的商品类型,识别所述目标用户所处的目标采购场景,包括:
从预先构建的商品关系库中,确定所述感兴趣商品所属的商品类型所对应的采购场景;
若所确定的采购场景为一个,将所确定的采购场景,作为所述目标用户所处的目标采购场景;
若所确定的采购场景为多个,基于所述感兴趣商品所属的商品类型与所确定出的多个采购场景之间的关系系数,从所确定的多个采购场景中确定一个采购场景,作为所述目标用户所处的目标采购场景。
4.根据权利要求3所述的方法,其中,所述感兴趣商品为多个,多个感兴趣商品所属的商品类型为多个;
所述基于所述感兴趣商品所属的商品类型与所确定出的多个采购场景之间的关系系数,从所确定的多个采购场景中,确定一个采购场景,作为所述目标用户所处的目标采购场景,包括:
针对所确定出的多个采购场景中的每一采购场景,分别确定该采购场景与各个指定商品类型之间的关系系数,并将所确定的关系系数进行累加,得到该采购场景对应的总关系系数;其中,所述指定商品类型为与该采购场景相对应的、所述感兴趣商品所属的商品类型;
选取总关系系数最高的采购场景,作为所述目标用户所处的目标采购场景。
5.根据权利要求1所述的方法,其中,所述基于所述目标采购场景,选取各个场景化商品,包括:
从预先构建的商品关系库中,确定所述目标采购场景对应的各个商品类型;其中,所述商品关系库为记录有各个采购场景与商品类型的对应关系的数据库,任一采购场景所对应的商品类型为与该采购场景存在相关性的商品类型;
按照预定的商品类型选取策略,从所确定的各个商品类型中,确定待利用的各个目标商品类型;
选取各个目标商品类型的商品,得到各个场景化商品。
6.根据权利要求5所述的方法,其中,所述商品关系库还记录有各个商品类型与所对应采购场景之间的关系系数;其中,所述关系系数用于表征商品类型与采购场景之间的相关度;
所述按照预定的商品类型选取策略,从所确定的各个商品类型中,选取待利用的各个目标商品类型,包括:
基于所确定的各个商品类型与所述目标采购场景之间的关系系数,从所确定的各个商品类型中,确定待利用的各个目标商品类型。
7.一种智能询价装置,包括:
获取模块,用于响应于目标用户对于询价单的提交操作,获取所述目标用户的历史行为数据;其中,所述历史行为数据为表征所述目标用户发生的商品浏览行为和/或商品询价行为的数据;
预测模块,用于基于所述目标用户的历史行为数据,预测所述目标用户所处的目标采购场景;
选取模块,用于基于所述目标采购场景,选取各个场景化商品;其中,每一场景化商品为属于与所述目标采购场景相关的商品类型的商品;
推荐模块,用于向所述目标用户推荐各个场景化商品;
询价模块,用于响应于所述目标用户的指定操作,向各个场景化商品所属的卖家发送询价;其中,所述指定操作用于表征对各个场景化商品进行统一询价的操作。
8.根据权利要求7所述的装置,其中,所述预测模块,包括:
确定子模块,用于从所述目标用户的历史行为数据中,确定所述目标用户的感兴趣商品;
识别子模块,用于基于预先构建的商品关系库和所述感兴趣商品所属的商品类型,识别所述目标用户所处的目标采购场景;
其中,所述商品关系库为记录有各个采购场景与商品类型的对应关系的数据库,任一采购场景所对应的商品类型为与该采购场景存在相关性的商品类型。
9.根据权利要求8所述的装置,其中,所述识别子模块,具体用于:
从预先构建的商品关系库中,确定所述感兴趣商品所属的商品类型所对应的采购场景;
若所确定的采购场景为一个,将所确定的采购场景,作为所述目标用户所处的目标采购场景;
若所确定的采购场景为多个,基于所述感兴趣商品所属的商品类型与所确定出的多个采购场景之间的关系系数,从所确定的多个采购场景中,确定一个采购场景,作为所述目标用户所处的目标采购场景。
10.根据权利要求9所述的装置,其中,所述感兴趣商品为多个,多个感兴趣商品所属的商品类型为多个;
所述基于所述感兴趣商品所属的商品类型与所确定出的多个采购场景之间的关系系数,从所确定的多个采购场景中,确定一个采购场景,作为所述目标用户所处的目标采购场景,包括:
针对所确定出的多个采购场景中的每一采购场景,分别确定该采购场景与各个指定商品类型之间的关系系数,并将所确定的关系系数进行累加,得到该采购场景对应的总关系系数;其中,所述指定商品类型为与该采购场景相对应的、所述感兴趣商品所属的商品类型;
选取总关系系数最高的采购场景,作为所述目标用户所处的目标采购场景。
11.根据权利要求7所述的装置,其中,所述选取模块,具体用于:
从预先构建的商品关系库中,确定所述目标采购场景对应的各个商品类型;其中,所述商品关系库为记录有各个采购场景与商品类型的对应关系的数据库,任一采购场景所对应的商品类型为与该采购场景存在相关性的商品类型;
按照预定的商品类型选取策略,从所确定的各个商品类型中,确定待利用的各个目标商品类型;
选取各个目标商品类型的商品,得到各个场景化商品。
12.根据权利要求11所述的装置,其中,所述商品关系库还记录有各个商品类型与所对应采购场景之间的关系系数;其中,所述关系系数用于表征商品类型与采购场景之间的相关度;
所述按照预定的商品类型选取策略,从所确定的各个商品类型中,选取待利用的各个目标商品类型,包括:
基于所确定的各个商品类型与所述目标采购场景之间的关系系数,从所确定的各个商品类型中,确定待利用的各个目标商品类型。
13.一种电子设备,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,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。
15.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210207596.7A CN114581183A (zh) | 2022-03-03 | 2022-03-03 | 一种智能询价方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210207596.7A CN114581183A (zh) | 2022-03-03 | 2022-03-03 | 一种智能询价方法、装置、设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114581183A true CN114581183A (zh) | 2022-06-03 |
Family
ID=81777459
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210207596.7A Pending CN114581183A (zh) | 2022-03-03 | 2022-03-03 | 一种智能询价方法、装置、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114581183A (zh) |
-
2022
- 2022-03-03 CN CN202210207596.7A patent/CN114581183A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11861536B1 (en) | Community-based data analysis in a software-as-a-service system using a deep learning classifier | |
JP6134444B2 (ja) | 情報を推薦するための方法およびシステム | |
US10318536B2 (en) | Generating a search result ranking function | |
US11210716B2 (en) | Predicting a status of a transaction | |
CN112837118B (zh) | 企业用户的商品推荐方法和装置 | |
US20080162305A1 (en) | Apparatuses, methods and systems for a product manipulation and modification interface | |
US20160071185A1 (en) | Method and system for providing dining recommendations | |
US8489464B1 (en) | Method, medium, and system of presenting resale opportunities to purchasers of resalable items | |
TWI739359B (zh) | 電腦實施系統、於圖形使用者介面安排超連結的電腦實施方法及非暫時性電腦可讀儲存媒體 | |
US20150379596A1 (en) | System and method for matching buyers and sellers | |
CN110347924A (zh) | 果蔬商城管理系统及果蔬信息推送方法 | |
WO2020221022A1 (zh) | 业务对象推荐方法 | |
CN107146122B (zh) | 数据处理方法及装置 | |
JP2022514154A (ja) | インベントリ取り込み、画像処理、およびマーケット記述子価格設定システム | |
US20220253874A1 (en) | Product evaluation system and method of use | |
Abdullah et al. | Evaluating E-commerce website content management system in assisting usability issues | |
CN115409575A (zh) | 商品推荐方法、装置、电子设备和存储介质 | |
JP3977989B2 (ja) | 販売価格決定方法及び装置及び販売価格決定プログラムを格納した記憶媒体 | |
KR20170098881A (ko) | 키워드 품질을 결정하기 위한 사용자 데이터의 처리 및 분석 | |
CN114581183A (zh) | 一种智能询价方法、装置、设备以及存储介质 | |
Wang | Research on the Impact of E-commerce on Offline Retail Industry | |
US20200320602A1 (en) | Web service system and method | |
CN113362141A (zh) | 一种关联商品的推荐方法、装置、介质及电子设备 | |
CN109146421B (zh) | 成本分析数据页面展示方法及装置 | |
Morsi | The identification and prioritization of success factors for online Egyptian fashion retailers using the analytic hierarchy process |
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 |