CN114663108A - 一种基于大数据技术的电商产品销量检测方法及检测系统 - Google Patents
一种基于大数据技术的电商产品销量检测方法及检测系统 Download PDFInfo
- Publication number
- CN114663108A CN114663108A CN202111315175.8A CN202111315175A CN114663108A CN 114663108 A CN114663108 A CN 114663108A CN 202111315175 A CN202111315175 A CN 202111315175A CN 114663108 A CN114663108 A CN 114663108A
- Authority
- CN
- China
- Prior art keywords
- sales
- commerce
- type
- products
- data
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 68
- 238000005516 engineering process Methods 0.000 title claims abstract description 26
- 238000011156 evaluation Methods 0.000 claims abstract description 118
- 238000004458 analytical method Methods 0.000 claims abstract description 39
- 230000002159 abnormal effect Effects 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims description 20
- 238000012216 screening Methods 0.000 claims description 16
- 238000007405 data analysis Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims 1
- 230000006399 behavior Effects 0.000 abstract description 14
- 230000008859 change Effects 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
-
- 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
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据技术的电商产品销量检测方法及检测系统，将所述第一类电商产品的本期销量数据与所述上一年度同期销量数据进行数据对比，第一分析数据包括分析结果I和分析结果II，若第一分析数据为异常，建立销量检测参考值I，对第一类电商产品进行定期销量检测，获得多类销量检测数值；通过对所述多类销量检测数值进行计算，获得电商产品销量变动参数；获得所述第一类电商产品的用户评价信息，根据所述电商产品销量变动参数和用户评价信息，确定第一类电商产品信用值，对所述第一类电商产品进行评价。通过第一类电商产品信用值，从而判断该电商产品的销量行为是否存在大量虚假行为，影响消费者的用户体验，便于平台进行有效的监管。
Description
技术领域
本发明涉及大数据技术领域，具体涉及一种基于大数据技术的电商产品销量检测方法及检测系统。
背景技术
电商，又称电子商务，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、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。
伴随着软硬件、大数据技术的迅猛发展，电商网站规模不断增大与消费者需求日益个性化之间的矛盾有望得到解决。电商的迅猛发展，尤其是电商平台，电商商户、电商产品增多，一些电商商户的产品销量数据虚假，电商产品质量低劣给消费者造成体验差、投诉多，也加大了平台的监管难度，同时也不利于一些实际做产品销售的商户的发展，导致整个电商环境氛围差。
针对上述提出的缺陷，现提供一种基于大数据技术的电商产品销量检测方法及检测系统。
发明内容
本发明提供一种基于大数据技术的电商产品销量检测方法及检测系统，通过对某一类电商产品的本期销量数据与上一年度同期销量数据进行分析，获得电商产品销量变动参数，并结合第一类电商产品的用户评价信息，获得第一类电商产品信用值，从而电商商户的电商产品的销售行为进行评估，确定信用值，并根据信用值进行警示或给出优化方法，从而解决一些商户销量数据虚假，投诉多，不利于监管等技术问题。
本发明通过下述技术方案实现：
一种基于大数据技术的电商产品销量检测方法，包括以下步骤：
步骤A01：获得第一类电商产品的上一年度同期销量数据，将所述第一类电商产品的本期销量数据与所述上一年度同期销量数据进行数据对比，获得第一分析数据，其中，第一分析数据包括分析结果I和分析结果II；
步骤A02：若所述第一分析数据为异常，建立销量检测参考值I；依据所述销量检测参考值I对第一类电商产品进行定期销量检测，获得多类销量检测数值；
步骤A03：通过对所述多类销量检测数值进行计算，获得电商产品销量变动参数；
步骤A04：获得所述第一类电商产品的用户评价信息，根据所述电商产品销量变动参数和用户评价信息，确定第一类电商产品信用值；
步骤A05：按照所述第一类电商产品信用值对所述第一类电商产品进行评价。
可选地，所述若所述第一分析数据异常，建立销量检测参考值I，步骤A02还包括：
步骤A021：获得第一类电商产品的产品属性信息、价格信息、销售数据信息、销量信息；
步骤A022：通过对所述第一类电商产品的产品属性信息、价格信息、销售数据信息、销量信息进行第一类电商产品销量检测评估，获得预设筛选要求；
步骤A023：根据所述预设筛选要求对本期销量数据、上一年度同期销量数据进行判别，获得判别数据，所述判别数据符合所述预设筛选要求时，根据所述预设筛选要求，建立销量检测参考值I。
可选地，所述依据所述销量检测参考值I对第一类电商产品进行定期销量检测，获得多类销量检测数值，其中，定期可为每三天、每五天、每周、每半个月、每个月、每季度、每半年等中的任意一种或一种以上，对销量信息进行抽取检测。
可选地，通过对所述多类销量检测数值进行计算，获得电商产品销量变动参数，具体为，根据定期对销量数据进行检测，获得第一类电商产品在时间段内销量变化趋势值。
可选地，根据所述电商产品销量变动参数和用户评价信息，确定第一类电商产品信用值，步骤A04还包括：
步骤A041：根据所述电商产品变动参数对所述电商产品的多类销量检测数值进行分析，获得电商产品的本期实际销量、本期虚假销量；
步骤A042：根据所述电商产品的用户评价信息，获得电商产品的有效评价值、虚假评价值、好评评价值、差评评价值；
步骤A043：获得其他电商用户同类型电商产品的本期实际销量、本期虚假销量、有效评价值、虚假评价值、好评评价值、差评评价值，确定销量评价体系；
步骤A044：根据所述电商产品的销量评价体系，确定第一类电商产品信用值。
可选地，所述步骤A044中，将第一类电商产品的销量变动参数、用户评价信息与所述销量评价体系的标准进行对比，获得第一类电商产品在所述销量评价体系中的范围，从而综合确定第一类电商产品信用值。
可选地，所述按照第一类电商产品信用值对所述第一类电商产品进行评价，步骤A05还包括：
步骤A051：获得第一类电商产品信用值的评价指标；获得评价指标主因子，其中，所述评价指标主因子为对第一类电商产品信用值评价的主影响因子；
步骤A052：依据所述评价指标主因子对第一类电商产品进行销量评估，获得评估结果，若评估结果中主因子数据大于等于规定数据，获得警示信息。
可选地，所述步骤A05中还包括：
步骤A053：若所述评估结果中主因子数据小于规定数据，获得第一类电商产品的同类产品销量增长率、电商平台综合产品销量增长率；
步骤A054：根据所述第一类电商产品的同类产品销量增长率、所述电商平台综合产品销量增长率，与第一类电商产品的销量数据分析，获得差异化数据；
步骤A055：根据差异化数据，获得第一类电商产品的优化方向信息。
可选地，所述步骤A05中还包括：
步骤A056：若所述评估结果中主因子数据小于规定数据，获得第一类电商产品的同类产品属性信息、同类产品的用户评价参数；
步骤A057：根据所述第一类电商产品的同类产品属性信息、同类产品的用户评价参数中提取出用户兴趣关键信息；
步骤A058：根据所述用户兴趣关键信息与所述第一类商品的属性信息、用户评价信息进行对比获得第一类电商产品的产品完善信息。
本申请还提供了一种基于大数据技术的电商产品销量检测系统，采用一种基于大数据技术的电商产品销量检测方法应用而成。
本发明与现有技术相比，具有如下的优点和有益效果：
本申请主要通过对电商商户的第一类电商产品的一定时间范围的销量数据进行检测，与上一年度或历史一定时间范围内的销量数据进行对比，从而判断分析，并与产品的用户评价信息结合确定第一类电商产品信用值，从而判断该电商产品的销量行为是否存在大量虚假行为，影响消费者的用户体验，便于平台进行有效的监管，营造好的电商氛围。
附图说明
图1为本发明的流程结构示意框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例：
如图1所示，一种基于大数据技术的电商产品销量检测方法，所述方法包括以下步骤：
以下步骤：
步骤A01：获得第一类电商产品的上一年度同期销量数据，将所述第一类电商产品的本期销量数据与所述上一年度同期销量数据进行数据对比，获得第一分析数据，其中，第一分析数据包括分析结果I和分析结果II；
具体而言，随着电商行业发展越来越快，行业监管难度也越来越大，尤其是一些商户在为了扩大销售量，制造虚假数据，实际产品质量、服务与产品价格匹配度大，因此对商家、平台造成很大影响，而对一些真正愿意做好服务、产品质量的商家来说，影响其正常经营行为。因此，对电商产品的销量数据进行检测分析。其中，第一类电商产品可为具体某个商户的某一类产品，也可以某一种产品，将第一类电商产品的本期销量数据与所述第一类电商产品的历史销量数据进行数据对比分析，获得第一分析数据，第一分析数据包括分析结果I和分析结果II，分析结果I为正常，分析结果II为异常。
其中，上述说的历史销量数据主要是与本期销量数据作对比，本期销量数据可为近期一月或半月等，历史销量数据可为上年度或上个月的一月或按月销量数据。其中，分析结果I为正常，表示本期销量数据与历史销量数据存在较小差异，差异值在正常范围内；所述分析结果II表示异常数据，则表示本期销量数据与历史销量数据，数据对比后，存在较大差异，且差异不在正常区间内。以历史销量数据作为对照，能提高检测方法的准确性，能够迅速判别第一类电商产品的销售行为是否正常，从而针对异常行为进行预警，保持监控。
步骤A02：若所述第一分析数据为异常，建立销量检测参考值I；依据所述销量检测参考值I对第一类电商产品进行定期销量检测，获得多类销量检测数值；
步骤A03：通过对所述多类销量检测数值进行计算，获得电商产品销量变动参数；
具体地，如果本期销量数据与历史销量数据之间存在较大差异，导致出现异常情况，如销量在短时间内大比例增长，以短时间比如7日，半月作为短时间范围内的销量变化数据建立销量检测参考值I，以此为基础对第一类电商产品进行销量检测，并且多次重复测定提高准确性。同时依据销量检测参考值I对第一类电商产品进行定期销量检测，比如以一个月内，两个月，一个季度内等一个检测范围内，分别采用一定时间段，检测当期销量数据与历史销量数据之间的销量增长率，获得多类销量检测数值，如此检测可使，销量检测参考值I更准确，发挥一个基础参考数据值的作用。
对获得的所述多类销量检测数值进行计算，比如对获得的综合数值，进行比较获得电商销量变动参数，即为多类销量检测数值的一个科学合理数据范围值。
步骤A04：获得所述第一类电商产品的用户评价信息，根据所述电商产品销量变动参数和用户评价信息，确定第一类电商产品信用值；
步骤A05：按照所述第一类电商产品信用值对所述第一类电商产品进行评价。
具体地，由于短期内某种电商产品的销量数据变动量越大，排除正常原因，比如平台正常推荐等影响，可能会存在虚假销售，虚假交易的行为，结合用户评价信息，如果销售量大，但用户评价很少，甚至没有，或者短期内评价过多，都可能存在虚假交易，虚假将销售量提高的行为，可根据该信息对电商产品的信用值进行评估，考虑列入初步的监管范围。
根据第一类电商产品的信用值，对第一类电商产品进行评价，即根据目前第一类电商产品的信用值，处于整个信用值范围的位置，然后对第一类电商产品销售行为进行评价，从而确定商户的信用行为，进一步明确监管节点，对应性采集监管措施，比如提示预警信息。
进一步地，若所述第一分析数据异常，建立销量检测参考值I，步骤A02还包括：
步骤A021：获得第一类电商产品的产品属性信息、价格信息、销售数据信息、销量信息；
步骤A022：通过对所述第一类电商产品的产品属性信息、价格信息、销售数据信息、销量信息进行第一类电商产品销量检测评估，获得预设筛选要求；
步骤A023：根据所述预设筛选要求对本期销量数据、上一年度同期销量数据进行判别，获得判别数据，所述判别数据符合所述预设筛选要求时，根据所述预设筛选要求，建立销量检测参考值I。
具体而言，通过获得第一类电商产品的产品属性信息、价格信息、销售数据信息、销量信息可以有多个角度获取第一类电商产品的销量相关数据，基于掌握的同类产品的产品属性信息、价格信息、销售数据信息、销售信息，进行对比，并对第一类电商产品销量进行检测评估，从而根据数据设置预设筛选要求。以预设筛选要求为基础进行本期销量数据、上一年度同期销量数据进行判别，能够根据检测的不同时间段，以及电商产品的类别，判别销量数据是否符合预设筛选要求。根据预设筛选要求，对某一类电商产品建立销量检测参考值I。则可根据电商产品的类别建立不同检测参考值I，从而使销量检测更加准确，有参考依据。
进一步地，所述依据所述销量检测参考值I对第一类电商产品进行定期销量检测，获得多类销量检测数值，其中，定期可为每三天、每五天、每周、每半个月、每个月、每季度、每半年等中的任意一种或一种以上，对销量信息进行抽取检测。
在本实施例中，所述销量检测参考值I的确定，为了使该数据更加合理、科学，因此，在抽取数据对应的范围选择定期抽样，比如每三天、每五天，每周，每半个月等定时进行检测，如此可确定销量检测参考值I为一个具体数值或一个范围或为一个综合平均考虑值，用于评估第一类电商产品销量的合理性。
进一步地，所述通过对所述多类销量检测数值进行计算，获得电商产品销量变动参数，具体为，根据定期对销量数据进行检测，获得第一类电商产品在时间段内销量变化趋势值。
所述多类销量检测数值，具体为不局限于第一类电商产品的销量检测数值，可为同领域的其他类产品，也可以为位于平台内的同类别其他电商产品，如此，多个种类的检测，可通过数据，分析外围销量环境的变化，从该角度评估第一类电商产品在对对应时间段内变化趋势的走向，以及根据同平台内的其他相近种类的产品的销量变化，依此为依据能更好的分析电商产品销量变动参数。
进一步地，根据所述电商产品销量变动参数和用户评价信息，确定第一类电商产品信用值，步骤A04还包括：
步骤A041：根据所述电商产品变动参数对所述电商产品的多类销量检测数值进行分析，获得电商产品的本期实际销量、本期虚假销量；
步骤A042：根据所述电商产品的用户评价信息，获得电商产品的有效评价值、虚假评价值、好评评价值、差评评价值；
步骤A043：获得其他电商用户同类型电商产品的本期实际销量、本期虚假销量、有效评价值、虚假评价值、好评评价值、差评评价值，确定销量评价体系；
步骤A044：根据所述电商产品的销量评价体系，确定第一类电商产品信用值。
具体而言，获得电商产品的销量变动参数、和所述电商产品的多类销量检测数值后，进行分析，第一类电商产品销量是否在预计范围内，是否超出预计范围，可以通过电商产品的多类销量检测数值进行进一步确认评估，比如第一类电商产品的销量数据超过同类产品的数据的5-6倍，甚至10倍，导致产生销量变化的因素是什么？因素是否合理等等，在不合理的情况下，进一步分析第一类电商产品的用户评价信息，比如有效评价值，虚假评价值，好评评价值、差评评价值，并与其他电商用户同类型电商产品的本期销量、本期虚假销量、有效评价值、虚假评价值、好评评价值、差评评价值，进行比较，并根据这些指标、数值确定销量评价体系。通过确定的销量评价体系分析目前第一类电商产品的销量数值、实际销售量、好评量等在对应评价体系中的位置，依据所在位置范围从而确定第一类电商产品的信用值。
通过确定销量评价体系从而对第一类电商产品在评估时间段内的销量行为进行有效检测，避免出现大量虚假销售行为，影响消费者的消费体验。
进一步地，所述步骤A044中，将第一类电商产品的销量变动参数、用户评价信息与所述销量评价体系的标准进行对比，获得第一类电商产品在所述销量评价体系中的范围，从而综合确定第一类电商产品信用值。
进一步地，所述按照第一类电商产品信用值对所述第一类电商产品进行评价，步骤 A05还包括：
步骤A051：获得第一类电商产品信用值的评价指标；获得评价指标主因子，其中，所述评价指标主因子为对第一类电商产品信用值评价的主影响因子；
步骤A052：依据所述评价指标主因子对第一类电商产品进行销量评估，获得评估结果，若评估结果中主因子数据大于等于规定数据，获得警示信息。
具体而言，采用第一类电商产品信用值对第一类电商产品进行评价，而对第一类电商产品信用值的评价指标中，有对评价结果起主要作用的主因子，即对第一类电商产品信用值评价的主影响因子，评价过程中，如果主影响因子的数值超过对应规定数据时，需要对商户发出警示信息，提示其规范操作，并进行记录，而提示内容重在提示商户注意某些交易信息，需要怎么避免，以确保共同营造一个良好的电商运营环境。
进一步地，所述步骤A05中还包括：
步骤A053：若所述评估结果中主因子数据小于规定数据，获得第一类电商产品的同类产品销量增长率、电商平台综合产品销量增长率；
步骤A054：根据所述第一类电商产品的同类产品销量增长率、所述电商平台综合产品销量增长率，与第一类电商产品的销量数据分析，获得差异化数据；
步骤A055：根据差异化数据，获得第一类电商产品的优化方向信息。
具体而言，在对第一类电商产品进行检测过程中，如果所述评价结果中主因子数据小于规定数据，可以通过第一类电商产品的同类产品销量增长率，电商平台综合产品销量增长率，与第一类电商产品的销量数据进行分析，获得差异化数据产生的原因，从而建议商户进行优化，在正常经营的情况，进一步良性化发展，与平台共同进步，避免第一类电商产品在不优化完善的情况，走向退步的环境。
进一步地，所述步骤A05中还包括：若所述评估结果中主因子数据小于规定数据，获得第一类电商产品的同类产品属性信息、同类产品的用户评价参数；
步骤A057：根据所述第一类电商产品的同类产品属性信息、同类产品的用户评价参数中提取出用户兴趣关键信息；
步骤A058：根据所述用户兴趣关键信息与所述第一类商品的属性信息、用户评价信息进行对比获得第一类电商产品的产品完善信息。
具体而言，若所述评价结果中主因子数据小于规定数据，获得第一类电商产品的同类产品属性信息、同类产品的用户评价参数，与同类产品的属性信息、同类产品的用户评价参数中的用户兴趣关键信息进行对比，从而分析出，第一类电商产品与同类产品，在产品质量上的优势、劣势，从提高产品质量的角度来提高产品销量；
或者从用户评价参数这个角度，进行分析，用户的需求点在哪里，有针对的去完善产品质量、服务，从而提高第一类电商产品的销量。因此，在对第一类电商产品与同类电商产品进行属性信息，用户评价参数分析后，获得完善信息方向，包括产品质量、服务的完善。获得产品完善信息，用来提醒电商用户及时根据方向进行优化完善，在正常经营的前提下，进一步提高销量，以及用户的良好的体验度，从而共同营造良好的电商运营环境，促进经济的快速发展。
本实施例中所述的一种基于大数据技术的电商产品销量检测方法，可应用于一种基于大数据技术的电商产品销量检测系统中。
在本实施例中，获得第一类电商产品的上一年度同期销量数据与第一类电商产品的本期销量数据进行数据对比，对比后获得分析结果第一分析数据，第一分析数据包括分析结果I和分析结果II，分析结果I为正常，分析结果II为异常；若第一分析数据为异常，建立销量检测参考值I，销量检测参考值I对第一类电商产品进行定期销量检测，获得多类销量检测数值，从而获得销量变动参数，销量变动参数结合第一类电商产品的用户评价信息，从而确定第一类电商产品的信用值，依据第一类电商产品的信用值，对第一类电商产品进行评价。
比如，第一类电商产品信用值较低的，向第一类电商产品的商户发出预警信息或和完善优化方向信息，建议商户进行完善，以达到规范市场经营行为，共同提高消费者购买体验良好度。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于大数据技术的电商产品销量检测方法，其特征在于：包括以下步骤，
步骤A01：获得第一类电商产品的上一年度同期销量数据，将所述第一类电商产品的本期销量数据与所述上一年度同期销量数据进行数据对比，获得第一分析数据，其中，第一分析数据包括分析结果I和分析结果II；
步骤A02：若所述第一分析数据为异常，建立销量检测参考值I；依据所述销量检测参考值I对第一类电商产品进行定期销量检测，获得多类销量检测数值；
步骤A03：通过对所述多类销量检测数值进行计算，获得电商产品销量变动参数；
步骤A04：获得所述第一类电商产品的用户评价信息，根据所述电商产品销量变动参数和用户评价信息，确定第一类电商产品信用值；
步骤A05：按照所述第一类电商产品信用值对所述第一类电商产品进行评价。
2.根据权利要求1所述的一种基于大数据技术的电商产品销量检测方法，其特征在于：所述若所述第一分析数据异常，建立销量检测参考值I，步骤A02还包括：
步骤A021：获得第一类电商产品的产品属性信息、价格信息、销售数据信息、销量信息；
步骤A022：通过对所述第一类电商产品的产品属性信息、价格信息、销售数据信息、销量信息进行第一类电商产品销量检测评估，获得预设筛选要求；
步骤A023：根据所述预设筛选要求对本期销量数据、上一年度同期销量数据进行判别，获得判别数据，所述判别数据符合所述预设筛选要求时，根据所述预设筛选要求，建立销量检测参考值I。
3.根据权利要求2所述的一种基于大数据技术的电商产品销量检测方法，其特征在于：所述依据所述销量检测参考值I对第一类电商产品进行定期销量检测，获得多类销量检测数值，其中，定期可为每三天、每五天、每周、每半个月、每个月、每季度、每半年等中的任意一种或一种以上，对销量信息进行抽取检测。
4.根据权利要求3所述的一种基于大数据技术的电商产品销量检测方法，其特征在于：所述通过对所述多类销量检测数值进行计算，获得电商产品销量变动参数，具体为，根据定期对销量数据进行检测，获得第一类电商产品在时间段内销量变化趋势值。
5.根据权利要求2所述的一种基于大数据技术的电商产品销量检测方法，其特征在于：所述根据所述电商产品销量变动参数和用户评价信息，确定第一类电商产品信用值，步骤A04还包括：
步骤A041：根据所述电商产品变动参数对所述电商产品的多类销量检测数值进行分析，获得电商产品的本期实际销量、本期虚假销量；
步骤A042：根据所述电商产品的用户评价信息，获得电商产品的有效评价值、虚假评价值、好评评价值、差评评价值；
步骤A043：获得其他电商用户同类型电商产品的本期实际销量、本期虚假销量、有效评价值、虚假评价值、好评评价值、差评评价值，确定销量评价体系；
步骤A044：根据所述电商产品的销量评价体系，确定第一类电商产品信用值。
6.根据权利要求5所述的一种基于大数据技术的电商产品销量检测方法，其特征在于：所述步骤A044中，将第一类电商产品的销量变动参数、用户评价信息与所述销量评价体系的标准进行对比，获得第一类电商产品在所述销量评价体系中的范围，从而综合确定第一类电商产品信用值。
7.根据权利要求4所述的一种基于大数据技术的电商产品销量检测方法，其特征在于：所述按照第一类电商产品信用值对所述第一类电商产品进行评价，步骤A05还包括：
步骤A051：获得第一类电商产品信用值的评价指标；获得评价指标主因子，其中，所述评价指标主因子为对第一类电商产品信用值评价的主影响因子；
步骤A052：依据所述评价指标主因子对第一类电商产品进行销量评估，获得评估结果，若评估结果中主因子数据大于等于规定数据，获得警示信息。
8.根据权利要求7所述的一种基于大数据技术的电商产品销量检测方法，其特征在于：所述步骤A05中还包括：
步骤A053：若所述评估结果中主因子数据小于规定数据，获得第一类电商产品的同类产品销量增长率、电商平台综合产品销量增长率；
步骤A054：根据所述第一类电商产品的同类产品销量增长率、所述电商平台综合产品销量增长率，与第一类电商产品的销量数据分析，获得差异化数据；
步骤A055：根据差异化数据，获得第一类电商产品的优化方向信息。
9.根据权利要求8所述的一种基于大数据技术的电商产品销量检测方法，其特征在于：所述步骤A05中还包括：
步骤A056：若所述评估结果中主因子数据小于规定数据，获得第一类电商产品的同类产品属性信息、同类产品的用户评价参数；
步骤A057：根据所述第一类电商产品的同类产品属性信息、同类产品的用户评价参数中提取出用户兴趣关键信息；
步骤A058：根据所述用户兴趣关键信息与所述第一类商品的属性信息、用户评价信息进行对比获得第一类电商产品的产品完善信息。
10.一种基于大数据技术的电商产品销量检测系统，其特征在于：将权利要求1-9所述的一种基于大数据技术的电商产品销量检测方法应用于所述检测系统中。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111315175.8A CN114663108A (zh) | 2021-11-08 | 2021-11-08 | 一种基于大数据技术的电商产品销量检测方法及检测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111315175.8A CN114663108A (zh) | 2021-11-08 | 2021-11-08 | 一种基于大数据技术的电商产品销量检测方法及检测系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114663108A true CN114663108A (zh) | 2022-06-24 |
Family
ID=82026236
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111315175.8A Pending CN114663108A (zh) | 2021-11-08 | 2021-11-08 | 一种基于大数据技术的电商产品销量检测方法及检测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114663108A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117934048A (zh) * | 2024-03-14 | 2024-04-26 | 深圳美云集网络科技有限责任公司 | 一种电商商品销量分析方法和系统 |
-
2021
- 2021-11-08 CN CN202111315175.8A patent/CN114663108A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117934048A (zh) * | 2024-03-14 | 2024-04-26 | 深圳美云集网络科技有限责任公司 | 一种电商商品销量分析方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109345339B (zh) | 电力行业垂直产业链一体化交易服务系统 | |
| US7676390B2 (en) | Techniques for performing business analysis based on incomplete and/or stage-based data | |
| CN109711955B (zh) | 基于当前订单的差评预警方法、系统、黑名单库建立方法 | |
| US20130231982A1 (en) | Methods and systems for using multiple data sets to analyze performance metrics of targeted companies | |
| CN116739217A (zh) | 一种基于供应链大数据平台的零售管理方法及系统 | |
| US20220277331A1 (en) | Systems and methods for procurement cost forecasting | |
| CN117891859B (zh) | 一种用于工业物联网的数据处理方法及系统 | |
| CN114663108A (zh) | 一种基于大数据技术的电商产品销量检测方法及检测系统 | |
| CN118469609A (zh) | 一种基于电商平台的商品组合销售方法及系统 | |
| CN110111147A (zh) | 一种基于信任评估机制与回滚交易的商场积分方法及实现所述方法的系统 | |
| CN113506173A (zh) | 一种信用风险评估方法及其相关设备 | |
| CN116433145B (zh) | 电商数据监测与订单管理方法及系统 | |
| CN116703533A (zh) | 一种商业管理数据优化存储分析方法 | |
| CN116645014A (zh) | 一种基于人工智能的供应商供应数据模型构建方法 | |
| CN116167646A (zh) | 基于交易算法的评价方法、装置、设备及存储介质 | |
| CN115439265A (zh) | 一种保险行业智能赔付异常交易风险控制系统 | |
| TWM587310U (zh) | 金融商品之潛在購買客群篩選系統 | |
| CN115081921A (zh) | 一种基于大数据的erp电商管理系统 | |
| KR100738899B1 (ko) | 신용카드 결제 시스템을 이용한 창업 및 경영 지원 서비스제공 시스템 | |
| EP2933771A1 (en) | Method and system for identifying defective goods based on user purchasing behaviour | |
| CN113298575A (zh) | 一种商标价值批量评估的方法、系统、设备及存储介质 | |
| Zhao | Research on E-Commerce Retail Demand Forecasting Based on SARIMA Model and K-means Clustering Algorithm | |
| CN116957631B (zh) | 一种税务发票数据智能识别方法、系统和介质 | |
| KR100785717B1 (ko) | 신용카드 결제 시스템을 이용한 창업 및 경영 지원 서비스제공 방법 | |
| Feng et al. | A random forest algorithm based customer demand forecasting model for sports enterprises in the real economy |
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: 20220624 |
|
| WD01 | Invention patent application deemed withdrawn after publication |