CN114897571A - 一种基于私域电商平台中商城货品数据处理方法、系统和存储介质 - Google Patents
一种基于私域电商平台中商城货品数据处理方法、系统和存储介质 Download PDFInfo
- Publication number
- CN114897571A CN114897571A CN202210327892.0A CN202210327892A CN114897571A CN 114897571 A CN114897571 A CN 114897571A CN 202210327892 A CN202210327892 A CN 202210327892A CN 114897571 A CN114897571 A CN 114897571A
- Authority
- CN
- China
- Prior art keywords
- data
- user
- commodity
- goods
- information
- 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]
- G06Q30/0631—Item recommendations
-
- 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
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种基于私域电商平台中商城货品数据处理方法、系统和存储介质。通过获取平台的用户信息，根据场景性质采取不同的分词策略对用户进行打标生成聚合用户标签并根据聚合用户标签生成计划推品序列；接收商品入库信号，按预设时间统计商品库存量，通过计算商品库存量和需求商品量的差值判断是否需要进行调整货品状态并自动更新货品状态。本申请能够实现商城货品自动上下架，免除繁琐的人工操作，针对不同商家进行不同的流量精准化分配，针对不同人群进行精准投放，把最符合消费者需求的产品展示在消费组者，既提升了消费体验也降低了商家的无效消耗。
Description
技术领域
本申请属于计算机技术领域，更具体的，涉及一种基于私域电商平台中商城货品数据处理方法、系统和存储介质。
背景技术
随着互联网发展，电商给生活带来了巨大的改变。人们越来越依赖电商，开始通过社交渠道为电商产生作用。私域电商应势而出，结合了社交与电商的新模式。而传统的会员商城都是基于后台管理系统人工维护货品信息，在商品信息发生变动时需要人工进行干预，时效性差同时还需要耗费人工成本。另外，针对不同用户所展示的商品均为同类型产品，无法根据区域、社群、消费习惯进行精确的商品推荐，在当下的大数据时代这种“千人一面”的数据已经不能满足众多商家对于流量精确投放的需求。
发明内容
有鉴于此，本申请提供了一种基于私域电商平台中商城货品数据处理方法、系统和存储介质，能够实现商城货品的自动上下架，针对不同人群进行精准投放。
本申请的具体技术方案如下：
本申请第一方面提供一种基于私域电商平台中商城货品数据处理方法，包括如下步骤：
获取平台的用户信息，对用户信息进行埋点、转存和清洗，根据场景性质采取不同的分词策略对用户进行打标生成聚合用户标签；
根据聚合用户标签建立推品算法，利用推品算法生成计划推品序列，将计划推品序列与对应的需求商品信息进行匹配；
接收商品入库信号，按预设时间统计商品库存量，通过计算商品库存量和需求商品量的差值判断是否需要进行调整货品状态并自动更新货品状态。
优选地，获取平台的用户信息具体为：
监测用户在平台中产生的用户数据日志，提取各个操作节点下的行为数据，用户在平台中的操作节点包括下单、点击、收藏和转发；
将行为数据按照预定数据格式进行分区，并分布写入搜索服务器中用于对用户信息进行埋点和清洗。
优选地，对用户信息进行埋点、转存和清洗具体为：
根据各个操作节点的逻辑关系对相应的用户信息进行埋点统计；
通过轻量级传送模式将埋点后的用户信息发送至数据收集器，利用数据收集器监测埋点数据中的空缺值、错误值和无效值并自动进行数据清除和修正。
优选地，根据场景性质采取不同的分词策略对用户进行打标生成聚合用户标签具体为：
采集在各个操作节点下用户信息的埋点统计结果发送至数据中间处理器进行数据处理；
中间处理器根据埋点统计结果中的数据类别、数据值大小以及特殊值的关系对场景性质进行定性分析，并应用对应场景的分词策略进行特征定量分析生成用户偏好标签；
将用户偏好标签根据关键词进行聚类分析生成聚合用户标签,并存入数据库。
优选地，还包括：
获取来自私域平台的用户信息，采集用户来源信息根据用户来源对用户信息进行分区；
获取同一分区内的用户信息并提取相应的聚合用户标签，通过分析聚合用户标签中的数据值生成该分区内的聚合群标签。
优选地，根据场景性质采取不同的分词策略具体为：
采集用户对每个三级类目的下单频次数据，根据下单频次数据建立信息分词模型；
采集用户的平台活跃度数据，对用户的点击和下单频次加权求和，根据点击和下单频次数据建立信息分词模型；
其中，频次的计算按照时间指数衰减。
优选地，根据聚合用户标签建立推品算法，利用推品算法生成计划推品序列具体为：
提取聚合用户标签中的商品特征值，根据关联词或近义词的原理对商品特征值进行扩充，商品特征值包括产地、品牌、规格和应用信息；
在资源库中搜索商品特征值符合阈值范围的商品列表并根据商品特征值的关联度对每一件推品进行权重分析；
按照推品权重由大到小的顺序将商品列表重新排列生成计划推品序列。
优选地，将计划推品序列与对应的需求商品信息进行匹配具体为：
在资源库中根据计划推品序列中的商品名称或商品编号检索对应的需求商品并按照数据类别提取各类需求商品信息；
建立需求商品信息与商品名称或商品编号的映射关系，同时将计划推品序列与需求商品信息关联。
本申请第二方面提供一种基于私域电商平台中商城货品数据处理系统，包括存储器和处理器，所述存储器中包括基于私域电商平台中商城货品数据处理程序，所述基于私域电商平台中商城货品数据处理程序被所述处理器执行时，实现如下步骤：
获取平台的用户信息，对用户信息进行埋点、转存和清洗，根据场景性质采取不同的分词策略对用户进行打标生成聚合用户标签；
根据聚合用户标签建立推品算法，利用推品算法生成计划推品序列，将计划推品序列与对应的需求商品信息进行匹配；
接收商品入库信号，按预设时间统计商品库存量，通过计算商品库存量和需求商品量的差值判断是否需要进行调整货品状态并自动更新货品状态。
优选地，获取平台的用户信息具体为：
监测用户在平台中产生的用户数据日志，提取各个操作节点下的行为数据，用户在平台中的操作节点包括下单、点击、收藏和转发；
将行为数据按照预定数据格式进行分区，并分布写入搜索服务器中用于对用户信息进行埋点和清洗。
优选地，对用户信息进行埋点、转存和清洗具体为：
根据各个操作节点的逻辑关系对相应的用户信息进行埋点统计；
通过轻量级传送模式将埋点后的用户信息发送至数据收集器，利用数据收集器监测埋点数据中的空缺值、错误值和无效值并自动进行数据清除和修正。
优选地，根据场景性质采取不同的分词策略对用户进行打标生成聚合用户标签具体为：
采集在各个操作节点下用户信息的埋点统计结果发送至数据中间处理器进行数据处理；
中间处理器根据埋点统计结果中的数据类别、数据值大小以及特殊值的关系对场景性质进行定性分析，并应用对应场景的分词策略进行特征定量分析生成用户偏好标签；
将用户偏好标签根据关键词进行聚类分析生成聚合用户标签,并存入数据库。
优选地，还包括：
获取来自私域平台的用户信息，采集用户来源信息根据用户来源对用户信息进行分区；
获取同一分区内的用户信息并提取相应的聚合用户标签，通过分析聚合用户标签中的数据值生成该分区内的聚合群标签。
优选地，根据场景性质采取不同的分词策略具体为：
采集用户对每个三级类目的下单频次数据，根据下单频次数据建立信息分词模型；
采集用户的平台活跃度数据，对用户的点击和下单频次加权求和，根据点击和下单频次数据建立信息分词模型；
其中，频次的计算按照时间指数衰减。
优选地，根据聚合用户标签建立推品算法，利用推品算法生成计划推品序列具体为：
提取聚合用户标签中的商品特征值，根据关联词或近义词的原理对商品特征值进行扩充，商品特征值包括产地、品牌、规格和应用信息；
在资源库中搜索商品特征值符合阈值范围的商品列表并根据商品特征值的关联度对每一件推品进行权重分析；
按照推品权重由大到小的顺序将商品列表重新排列生成计划推品序列。
优选地，将计划推品序列与对应的需求商品信息进行匹配具体为：
在资源库中根据计划推品序列中的商品名称或商品编号检索对应的需求商品并按照数据类别提取各类需求商品信息；
建立需求商品信息与商品名称或商品编号的映射关系，同时将计划推品序列与需求商品信息关联。
本申请第三方面提供一种计算机可读存储介质，所述计算机可读存储介质中包括基于私域电商平台中商城货品数据处理程序，所述基于私域电商平台中商城货品数据处理程序被处理器执行时，实现所述基于私域电商平台中商城货品数据处理方法的步骤。
综上所述，本申请提供了一种基于私域电商平台中商城货品数据处理方法、系统和存储介质。通过获取平台的用户信息，根据场景性质采取不同的分词策略对用户进行打标生成聚合用户标签并根据聚合用户标签生成计划推品序列；接收商品入库信号，按预设时间统计商品库存量，通过计算商品库存量和需求商品量的差值判断是否需要进行调整货品状态并自动更新货品状态。本申请能够实现商城货品自动上下架，免除繁琐的人工操作，针对不同商家进行不同的流量精准化分配，针对不同人群进行精准投放，把最符合消费者需求的产品展示在消费组者，既提升了消费体验也降低了商家的无效消耗。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本申请一种基于私域电商平台中商城货品数据处理方法的流程图；
图2为本申请一种基于私域电商平台中商城货品数据处理系统的框图。
具体实施方式
为使得本申请的目的、特征、优点能够更加的明显和易懂，对本申请实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本申请一部分实施例，而非全部的实施例。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它实施例，都属于本申请保护的范围。
请参照图1，图1为本申请一种基于私域电商平台中商城货品数据处理方法的流程图。
本申请实施例第一方面提供一种基于私域电商平台中商城货品数据处理方法，包括如下步骤：
S102：获取平台的用户信息，对用户信息进行埋点、转存和清洗，根据场景性质采取不同的分词策略对用户进行打标生成聚合用户标签；
S104：根据聚合用户标签建立推品算法，利用推品算法生成计划推品序列，将计划推品序列与对应的需求商品信息进行匹配；
S106：接收商品入库信号，按预设时间统计商品库存量，通过计算商品库存量和需求商品量的差值判断是否需要进行调整货品状态并自动更新货品状态。
需要说明的是，针对不同特点的用户信息进行埋点、打标，便于具有针对性地分配资源；根据聚合用户标签生成计划推品序列保证了针对不同人群进行精准投放；按预设时间统计商品库存量后及时发出调整货品信号能够实现商城货品自动上下架，免除繁琐的人工操作、改善商家数据处理效率，同时利于用户掌握最新货品信息、提升用户体验。
根据本申请实施例，获取平台的用户信息具体为：
监测用户在平台中产生的用户数据日志，提取各个操作节点下的行为数据，用户在平台中的操作节点包括下单、点击、收藏和转发；
将行为数据按照预定数据格式进行分区，并分布写入搜索服务器中用于对用户信息进行埋点和清洗。
需要说明的是，本申请实施例中可以利用数据中心监听各业务库的binlog日志并将其写入到Elasticsearch中。
根据本申请实施例，对用户信息进行埋点、转存和清洗具体为：
根据各个操作节点的逻辑关系对相应的用户信息进行埋点统计；
通过轻量级传送模式将埋点后的用户信息发送至数据收集器，利用数据收集器监测埋点数据中的空缺值、错误值和无效值并自动进行数据清除和修正。
需要说明的是，本申请实施例可通过Filebeat将各服务的埋点数据收集到Logstash中进行数据清洗。
根据本申请实施例，根据场景性质采取不同的分词策略对用户进行打标生成聚合用户标签具体为：
采集在各个操作节点下用户信息的埋点统计结果发送至数据中间处理器进行数据处理；
中间处理器根据埋点统计结果中的数据类别、数据值大小以及特殊值的关系对场景性质进行定性分析，并应用对应场景的分词策略进行特征定量分析生成用户偏好标签；
将用户偏好标签根据关键词进行聚类分析生成聚合用户标签,并存入数据库。
需要说明的是，本申请实施例可通过Filebeat、Logstash、Elasticsearch等中间件进行数据处理，解决大数据量下数据的实时性、准确性等痛点问题以及通过场景定性的算法实现千人千面、人群匹配的自动化推品，实现准确的搜索匹配。另外，可将生成的聚合用户标签存入ES，用于搜索商品和定时任务推品。
根据本申请实施例，还包括：
获取来自私域平台的用户信息，采集用户来源信息根据用户来源对用户信息进行分区；
获取同一分区内的用户信息并提取相应的聚合用户标签，通过分析聚合用户标签中的数据值生成该分区内的聚合群标签。
需要说明的是，定时从商品权重序列中选取对应商品生成素材发送到群中，实现自动投放，提升用户转化率。
根据本申请实施例，根据场景性质采取不同的分词策略具体为：
采集用户对每个三级类目的下单频次数据，根据下单频次数据建立信息分词模型；
采集用户的平台活跃度数据，对用户的点击和下单频次加权求和，根据点击和下单频次数据建立信息分词模型；
其中，频次的计算按照时间指数衰减。
根据本申请实施例，根据聚合用户标签建立推品算法，利用推品算法生成计划推品序列具体为：
提取聚合用户标签中的商品特征值，根据关联词或近义词的原理对商品特征值进行扩充，商品特征值包括产地、品牌、规格和应用信息；
在资源库中搜索商品特征值符合阈值范围的商品列表并根据商品特征值的关联度对每一件推品进行权重分析；
按照推品权重由大到小的顺序将商品列表重新排列生成计划推品序列。
需要说明的是，计算出聚合用户标签后将根据标签来计算每个商品的权重，从而推出一个商品权重序列，该序列会以小时维度定时更新，保证实时性。
根据本申请实施例，将计划推品序列与对应的需求商品信息进行匹配具体为：
在资源库中根据计划推品序列中的商品名称或商品编号检索对应的需求商品并按照数据类别提取各类需求商品信息；
建立需求商品信息与商品名称或商品编号的映射关系，同时将计划推品序列与需求商品信息关联。
需要说明的是，需求商品可以通过公域平台获取，可以包含计划推品序列以外的商品。将计划推品序列与需求商品信息关联能够改善平台的货品丰富程度，尽可能挖掘用户需求、满足用户需求的多样化。
在本申请另一实施例中，通过计算商品库存量和需求商品量的差值判断是否需要进行调整货品状态并自动更新货品状态具体为：
获取需求商品的类别信息和周转数据，根据类别信息和周转数据配置库存扫描时间定时监测商品库存量；
获取需求商品的订单信息和产地信息，根据订单信息和产地信息配置需求商品量；
判断商品库存量是否达到预定的需求商品量阈值，若未达到阈值则发出商品短缺标识和补货通告，若达到阈值则发出商品上架标识，若商品库存量为零则发出下架标识。
需要说明的是，通过ElasticJob定时任务根据个性化配置每时/每分/每秒不同的策略去扫描库存，对于到达预设阈值的商品自动进行上下架处理并发送通知告知对应库管人员。
在本申请另一实施例中，还包括：
监测需求商品是否在计划推品序列中出现；
若出现则根据计划推品序列中的推品权重结合需求商品信息确定判断需求商品量，若未出现则根据需求商品在各类平台的热门指数信息结合需求商品信息确定需求商品量。
在本申请另一实施例中，还包括：
采集用户在平台的活跃度信息，活跃度信息包括用户流量、消费频率和消费金额，根据活跃度信息筛选活跃用户；
获取活跃用户的需求商品信息并以此配置需求商品量。
请参照图2，图2为本申请一种基于私域电商平台中商城货品数据处理系统的框图。
本申请实施例第二方面提供一种基于私域电商平台中商城货品数据处理系统，包括存储器21和处理器22，所述存储器21中包括基于私域电商平台中商城货品数据处理程序，所述基于私域电商平台中商城货品数据处理程序被所述处理器22执行时，实现如下步骤：
获取平台的用户信息，对用户信息进行埋点、转存和清洗，根据场景性质采取不同的分词策略对用户进行打标生成聚合用户标签；
根据聚合用户标签建立推品算法，利用推品算法生成计划推品序列，将计划推品序列与对应的需求商品信息进行匹配；
接收商品入库信号，按预设时间统计商品库存量，通过计算商品库存量和需求商品量的差值判断是否需要进行调整货品状态并自动更新货品状态。
根据本申请实施例，获取平台的用户信息具体为：
监测用户在平台中产生的用户数据日志，提取各个操作节点下的行为数据，用户在平台中的操作节点包括下单、点击、收藏和转发；
将行为数据按照预定数据格式进行分区，并分布写入搜索服务器中用于对用户信息进行埋点和清洗。
根据本申请实施例，对用户信息进行埋点、转存和清洗具体为：
根据各个操作节点的逻辑关系对相应的用户信息进行埋点统计；
通过轻量级传送模式将埋点后的用户信息发送至数据收集器，利用数据收集器监测埋点数据中的空缺值、错误值和无效值并自动进行数据清除和修正。
根据本申请实施例，根据场景性质采取不同的分词策略对用户进行打标生成聚合用户标签具体为：
采集在各个操作节点下用户信息的埋点统计结果发送至数据中间处理器进行数据处理；
中间处理器根据埋点统计结果中的数据类别、数据值大小以及特殊值的关系对场景性质进行定性分析，并应用对应场景的分词策略进行特征定量分析生成用户偏好标签；
将用户偏好标签根据关键词进行聚类分析生成聚合用户标签,并存入数据库。
根据本申请实施例，还包括：
获取来自私域平台的用户信息，采集用户来源信息根据用户来源对用户信息进行分区；
获取同一分区内的用户信息并提取相应的聚合用户标签，通过分析聚合用户标签中的数据值生成该分区内的聚合群标签。
根据本申请实施例，根据场景性质采取不同的分词策略具体为：
采集用户对每个三级类目的下单频次数据，根据下单频次数据建立信息分词模型；
采集用户的平台活跃度数据，对用户的点击和下单频次加权求和，根据点击和下单频次数据建立信息分词模型；
其中，频次的计算按照时间指数衰减。
根据本申请实施例，根据聚合用户标签建立推品算法，利用推品算法生成计划推品序列具体为：
提取聚合用户标签中的商品特征值，根据关联词或近义词的原理对商品特征值进行扩充，商品特征值包括产地、品牌、规格和应用信息；
在资源库中搜索商品特征值符合阈值范围的商品列表并根据商品特征值的关联度对每一件推品进行权重分析；
按照推品权重由大到小的顺序将商品列表重新排列生成计划推品序列。
根据本申请实施例，将计划推品序列与对应的需求商品信息进行匹配具体为：
在资源库中根据计划推品序列中的商品名称或商品编号检索对应的需求商品并按照数据类别提取各类需求商品信息；
建立需求商品信息与商品名称或商品编号的映射关系，同时将计划推品序列与需求商品信息关联。
在本申请另一实施例中，通过计算商品库存量和需求商品量的差值判断是否需要进行调整货品状态并自动更新货品状态具体为：
获取需求商品的类别信息和周转数据，根据类别信息和周转数据配置库存扫描时间定时监测商品库存量；
获取需求商品的订单信息和产地信息，根据订单信息和产地信息配置需求商品量；
判断商品库存量是否达到预定的需求商品量阈值，若未达到阈值则发出商品短缺标识和补货通告，若达到阈值则发出商品上架标识，若商品库存量为零则发出下架标识。
在本申请另一实施例中，还包括：
监测需求商品是否在计划推品序列中出现；
若出现则根据计划推品序列中的推品权重结合需求商品信息确定判断需求商品量，若未出现则根据需求商品在各类平台的热门指数信息结合需求商品信息确定需求商品量。
在本申请另一实施例中，还包括：
采集用户在平台的活跃度信息，活跃度信息包括用户流量、消费频率和消费金额，根据活跃度信息筛选活跃用户；
获取活跃用户的需求商品信息并以此配置需求商品量。
本申请实施例第三方面提供一种计算机可读存储介质，所述计算机可读存储介质中包括基于私域电商平台中商城货品数据处理程序，所述基于私域电商平台中商城货品数据处理程序被处理器执行时，实现所述基于私域电商平台中商城货品数据处理方法的步骤，具体参见图1对方法步骤的描述，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种基于私域电商平台中商城货品数据处理方法，其特征在于，包括如下步骤：
获取平台的用户信息，对用户信息进行埋点、转存和清洗，根据场景性质采取不同的分词策略对用户进行打标生成聚合用户标签；
根据聚合用户标签建立推品算法，利用推品算法生成计划推品序列，将计划推品序列与对应的需求商品信息进行匹配；
接收商品入库信号，按预设时间统计商品库存量，通过计算商品库存量和需求商品量的差值判断是否需要进行调整货品状态并自动更新货品状态。
2.根据权利要求1所述的基于私域电商平台中商城货品数据处理方法，其特征在于，获取平台的用户信息具体为：
监测用户在平台中产生的用户数据日志，提取各个操作节点下的行为数据，用户在平台中的操作节点包括下单、点击、收藏和转发；
将行为数据按照预定数据格式进行分区，并分布写入搜索服务器中用于对用户信息进行埋点和清洗。
3.根据权利要求1所述的基于私域电商平台中商城货品数据处理方法，其特征在于，对用户信息进行埋点、转存和清洗具体为：
根据各个操作节点的逻辑关系对相应的用户信息进行埋点统计；
通过轻量级传送模式将埋点后的用户信息发送至数据收集器，利用数据收集器监测埋点数据中的空缺值、错误值和无效值并自动进行数据清除和修正。
4.根据权利要求1所述的基于私域电商平台中商城货品数据处理方法，其特征在于，根据场景性质采取不同的分词策略对用户进行打标生成聚合用户标签具体为：
采集在各个操作节点下用户信息的埋点统计结果发送至数据中间处理器进行数据处理；
中间处理器根据埋点统计结果中的数据类别、数据值大小以及特殊值的关系对场景性质进行定性分析，并应用对应场景的分词策略进行特征定量分析生成用户偏好标签；
将用户偏好标签根据关键词进行聚类分析生成聚合用户标签,并存入数据库。
5.根据权利要求1所述的基于私域电商平台中商城货品数据处理方法，其特征在于，还包括：
获取来自私域平台的用户信息，采集用户来源信息根据用户来源对用户信息进行分区；
获取同一分区内的用户信息并提取相应的聚合用户标签，通过分析聚合用户标签中的数据值生成该分区内的聚合群标签。
6.根据权利要求1所述的基于私域电商平台中商城货品数据处理方法，其特征在于，根据场景性质采取不同的分词策略具体为：
采集用户对每个三级类目的下单频次数据，根据下单频次数据建立信息分词模型；
采集用户的平台活跃度数据，对用户的点击和下单频次加权求和，根据点击和下单频次数据建立信息分词模型；
其中，频次的计算按照时间指数衰减。
7.根据权利要求1所述的基于私域电商平台中商城货品数据处理方法，其特征在于，根据聚合用户标签建立推品算法，利用推品算法生成计划推品序列具体为：
提取聚合用户标签中的商品特征值，根据关联词或近义词的原理对商品特征值进行扩充，商品特征值包括产地、品牌、规格和应用信息；
在资源库中搜索商品特征值符合阈值范围的商品列表并根据商品特征值的关联度对每一件推品进行权重分析；
按照推品权重由大到小的顺序将商品列表重新排列生成计划推品序列。
8.根据权利要求1所述的基于私域电商平台中商城货品数据处理方法，其特征在于，将计划推品序列与对应的需求商品信息进行匹配具体为：
在资源库中根据计划推品序列中的商品名称或商品编号检索对应的需求商品并按照数据类别提取各类需求商品信息；
建立需求商品信息与商品名称或商品编号的映射关系，同时将计划推品序列与需求商品信息关联。
9.一种基于私域电商平台中商城货品数据处理系统，其特征在于，包括存储器和处理器，所述存储器中包括基于私域电商平台中商城货品数据处理程序，所述基于私域电商平台中商城货品数据处理程序被所述处理器执行时，实现如权利要求1～8任一项所述基于私域电商平台中商城货品数据处理方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括基于私域电商平台中商城货品数据处理程序，所述基于私域电商平台中商城货品数据处理程序被处理器执行时，实现如权利要求1～8任一项所述基于私域电商平台中商城货品数据处理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210327892.0A CN114897571A (zh) | 2022-03-30 | 2022-03-30 | 一种基于私域电商平台中商城货品数据处理方法、系统和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210327892.0A CN114897571A (zh) | 2022-03-30 | 2022-03-30 | 一种基于私域电商平台中商城货品数据处理方法、系统和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114897571A true CN114897571A (zh) | 2022-08-12 |
Family
ID=82716380
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210327892.0A Pending CN114897571A (zh) | 2022-03-30 | 2022-03-30 | 一种基于私域电商平台中商城货品数据处理方法、系统和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114897571A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117333250A (zh) * | 2023-08-22 | 2024-01-02 | 广州市玄武无线科技股份有限公司 | 一种商城标签动态化配置方法及系统 |
-
2022
- 2022-03-30 CN CN202210327892.0A patent/CN114897571A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117333250A (zh) * | 2023-08-22 | 2024-01-02 | 广州市玄武无线科技股份有限公司 | 一种商城标签动态化配置方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110648185B (zh) | 一种目标人群圈选方法、装置及计算机设备 | |
| CN111915366B (zh) | 一种用户画像构建方法、装置、计算机设备及存储介质 | |
| CN110019418B (zh) | 对象描述方法及装置、标识体系、电子设备和存储介质 | |
| CN111310032B (zh) | 资源推荐方法、装置、计算机设备及可读存储介质 | |
| CN116739836B (zh) | 一种基于知识图谱的餐饮数据分析方法及系统 | |
| CN114663186A (zh) | 一种应用于私域和电商平台的商品推荐方法、系统和存储介质 | |
| CN111027838A (zh) | 一种众包任务推送方法、装置、设备及其存储介质 | |
| CN116433339B (zh) | 订单数据的处理方法、装置、设备及存储介质 | |
| CN112527920A (zh) | 一种数据处理的方法和装置 | |
| CN117035687A (zh) | 一种电网业务固定资产流程配置方法、系统及计算机存储介质 | |
| CN115564531A (zh) | 商品组合推荐方法及其装置、设备、介质、产品 | |
| CN114897571A (zh) | 一种基于私域电商平台中商城货品数据处理方法、系统和存储介质 | |
| CN110717788A (zh) | 一种目标用户的筛选方法及装置 | |
| CN114461690A (zh) | 数据处理方法、装置、计算设备和存储介质 | |
| CN111461826B (zh) | 信息推送方法和装置、存储介质和电子装置 | |
| US9443214B2 (en) | News mining for enterprise resource planning | |
| US11294917B2 (en) | Data attribution using frequent pattern analysis | |
| CN113760521A (zh) | 一种虚拟资源的分配方法和装置 | |
| CN115936758A (zh) | 基于大数据的智能拓客方法及相关装置 | |
| CN115860548A (zh) | 基于大数据的SaaS一站式平台管理方法、系统及介质 | |
| CN113934764A (zh) | 事件信息的处理方法、装置及电子设备 | |
| CN114663105A (zh) | 一种企业客户关系管理系统及方法 | |
| CN111460300A (zh) | 网络内容推送方法、装置及存储介质 | |
| CN113778976A (zh) | 数据处理方法及装置、电子设备、存储介质 | |
| Li | Research on e-business requirement information resource extraction method in network big data |
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 |