CN115271880A - 一种服装选款的方法和系统 - Google Patents
一种服装选款的方法和系统 Download PDFInfo
- Publication number
- CN115271880A CN115271880A CN202210956839.7A CN202210956839A CN115271880A CN 115271880 A CN115271880 A CN 115271880A CN 202210956839 A CN202210956839 A CN 202210956839A CN 115271880 A CN115271880 A CN 115271880A
- Authority
- CN
- China
- Prior art keywords
- retailer
- clothing
- label
- tag
- commodity
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000000694 effects Effects 0.000 claims description 23
- 239000013598 vector Substances 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000003062 neural network model Methods 0.000 claims description 4
- 238000010187 selection method Methods 0.000 claims 2
- 230000009172 bursting Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 239000002360 explosive Substances 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 235000009508 confectionery Nutrition 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012358 sourcing Methods 0.000 description 1
- 230000001629 suppression Effects 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
- G06Q30/06—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
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0222—During e-commerce, i.e. online transactions
-
- 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
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0239—Online discounts or incentives
-
- 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]
- G06Q30/0621—Item configuration or customization
-
- 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]
- G06Q30/0641—Shopping interfaces
- G06Q30/0643—Graphical representation of items or shoppers
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Abstract
本发明提供了一种服装选款的方法和系统,包括,供应商在销售平台上发布商品;所述商品为服装类商品;运营商对所述商品打上商品标签;所述商品标签用于表示服装的特征;所述运营商对零售商打上零售商标签;所述零售商标签用于表示零售商的购买意向;基于所述商品标签,得到多个服装销售组合;基于所述零售商标签,确定推荐给所述零售商的服装销售组合;所述零售商从推荐的商品中筛选商品;以供零售商更高效率的选款,且提高零售商的满意度。
Description
技术领域
本发明涉及服装推荐技术领域,具体而言,涉及一种服装选款的方法和系统。
背景技术
供应商提供的款式信息一般会存储在e lasticsearch或sol r等搜索引擎中,为零售商提供基础的信息源。零售商会通过款式搜索平台软件输入自己感兴趣的款式关键信息来从款式库中查找自己想要的款式。现有服装零售商从各个服装批发平台选择款式的时候,效率低,命中率低。且每个选款平台的功能存在差异,零售商选款时需要适应不同平台的操作。对于供应商提供的有一定的爆款潜质的款,难以触达到适配的零售商。
有鉴于此,本说明书提供了一种服装选款的方法和系统,以供零售商更高效率的选款,且提高零售商的满意度。
发明内容
本发明的目的在于提供一种服装选款的方法,包括,供应商在销售平台上发布商品;所述商品为服装类商品;运营商对所述商品打上商品标签;所述商品标签用于表示服装的特征;所述运营商对零售商打上零售商标签;所述零售商标签用于表示零售商的购买意向;基于所述商品标签,得到多个服装销售组合;基于所述零售商标签,确定推荐给所述零售商的服装销售组合;所述零售商从推荐的商品中筛选商品。
进一步的,所述商品标签包括服装标签、在售属性标签和销售特征标签;所述基于所述商品标签,得到多个服装销售组合,包括,基于所述服装的在售属性标签,计算所述销售平台上的服装的第一匹配度;基于所述第一匹配度,选择多个服装;将所述多个服装的服装标签与销售特征标签进行拼接,得到拼接向量;基于所述拼接向量计算所述多个服装的相似度;基于所述相似度,确定多个服装销售组合;所述基于所述零售商标签,确定推荐给所述零售商的服装销售组合,包括,获取所述服装销售组合的组合标签;计算所述组合标签与所述零售商标签的第二匹配度;基于所述第二匹配度,确定推荐给所述零售商的服装销售组合。
进一步的,打上服装标签包括,基于目标检测算法,将服装划分为多个部位区域;将所述多个部位区域输入深度神经网络模型,模型输出所述服装标签。
进一步的,还包括,基于所述商品标签,确定所述商品是否有成为爆款的潜质,若是,基于所述商品的商品标签,为所述商品匹配零售商,并将所述商品推荐给与该商品匹配的零售商。
进一步的,对零售商打上零售商标签包括,基于所述零售商的注册信息,通过文字识别的方式为所述零售商打上初始零售商标签;对所述零售商的意向进行分析处理,调整所述初始零售商标签,得到所述零售商标签;基于所述零售商在所述销售平台的操作,更新所述零售商的零售商标签。
进一步的,所述初始零售商标签包括所述零售商的主营范围、经营类型;所述零售商标签包括所述零售商的主销渠道、商品性质、商品定位、主销区域、适用年龄和感兴趣的商品类型。
进一步的,所述更新所述零售商的零售商标签包括,基于所述零售商看款、选款、加购和下单的商品的商品标签,更新所述零售商感兴趣的商品类型。
进一步的,还包括基于流行趋势,确定组货活动;所述组货活动包括为多个零售商推荐商品的活动;所述运营商基于所述零售商标签,将多个购买意向相似的零售商作为一组零售商;所述运营商基于所述流行趋势,确定所述组货活动的时间;所述运营商基于所述商品标签和所述流行趋势,确定所述商品的折扣;所述流行趋势至少与季节相关;在组货完成后,将与该组零售商匹配的商品按折扣进行推荐。
进一步的,还包括,基于所述零售商的操作,确定活动运营数据,基于所述活动运营数据,确定下一次组货活动。
本发明的目的在于提供一种服装选款系统,包括供应商模块、运营商模块和零售商模块;所述供应商模块用于供应商在销售平台上发布商品;所述商品为服装类商品;所述运营商模块包括商品标签确定单元、零售商标签确定单元、服装组合单元和服装推荐单元;所述商品标签确定单元用于所述运营商对所述商品打上商品标签;所述商品标签用于表示服装的特征;所述零售商标签确定单元用于所述运营商对零售商打上零售商标签;所述零售商标签用于表示零售商的购买意向;所述服装组合单元用于基于所述商品标签,得到多个服装销售组合;所述服装推荐单元用于基于所述零售商标签,确定推荐给所述零售商的服装销售组合;所述零售商模块用于所述零售商从推荐的商品中筛选商品。
本发明实施例的技术方案至少具有如下优点和有益效果:
本说明书中的一些实施例通过匹配商品标签和零售商标签,使得可以为有不同需求的零售商提供不同的款式。
本说明书中的一些实施例通过在销售平台上设置组货活动的入口,使得零售商可以在不同平台上使用相同的方式进行选款,磨平了每个选款平台的功能差异,使得零售商选款时不需要适应不同平台的操作,方便查找自己想要的款式。
本说明书中的一些实施例通过运营商捕捉到有成为爆款的潜质的款,然后基于款的特征去搜索零售商,再定向的将这些款推送给对这个类型的款感兴趣的零售商,可以使得零售商能更好地将货卖出去。
附图说明
图1为本发明一些实施例提供的一种服装选款方法的示例性流程图;
图2为本发明一些实施例提供的确定组货活动的示例性流程图;
图3为本发明一些实施例提供的一种服装选款方法的示例性示意图;
图4为本发明一些实施例提供的一种服装选款系统的示例性模块图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
图1为本发明一些实施例提供的一种服装选款方法的示例性流程图。在一些实施例中,流程100的一个或多个步骤可以由系统400执行。如图1所示,流程100包括以下步骤:
步骤110,供应商在销售平台上发布商品。在一些实施例中,步骤110可以由供应商模块410执行。
供应商可以是指提供服装的公司或个人。销售平台可以用于销售各种商品。例如,商品可以为服装类商品。供应商可以通过将服装的信息上传至销售平台,以实现在销售平台上发布商品。服装的信息可以包括图片信息、文字信息等中的一种或多种。
步骤120,运营商对商品打上商品标签。在一些实施例中,步骤120可以由运营商模块420中的商品标签确定单元420-1执行。
商品标签可以用于表示商品的特征。在一些实施例中,商品的标签可以包括商品的适用季节、适用性别、衣长、裤长、袖长、主销渠道、商品性质、商品定位、主销区域、客户画像、适用年龄等中的一种或多种。在一些实施例中,可以通过商品的销售属性,来确定商品唯一的sku。例如,可以通过参考身高替换尺码。
适用季节可以为服装适合穿着的季节。适用性别可以是指服装的目标性别。主销渠道可以是指服装的主要销售渠道。商品性质可以包括服装的面料。商品定位可以包括服装的销售群体。主销区域可以是指服装主要销往的地区。客户画像可以包括购买这些服装的客户的特征。适用年龄可以是指适合穿着该服装的客户的年龄。
在一些实施例中,商品标签确定单元可以基于商品的图片,通过图像识别的方式为商品打上初始商品标签;对商品的特征进行分析处理,调整初始商品标签,得到商品标签。
初始商品标签可以为人工智能基于商品信息为商品打上的标签。在一些实施例中,初始商品标签可以包括商品的适用季节、适用性别、衣长、裤长、袖长等中的一种或多种。例如,对于一张关于连衣裙的图片,商品标签确定单元可以通过ai fashi on对图片进行处理,得到连衣裙的初始商品标签(春季、女,90,30,..),即包括连衣裙的适用季节为春季、适用性别为女、裙长为90cm、袖长为30cm。
商品的特征可以是指服装的特征。商品的特征可以包括与商品相关的各种特征。例如,商品的适用季节、适用性别、衣长、裤长、袖长、主销渠道、商品性质、商品定位、主销区域、客户画像、适用年龄等中的一种或多种。在一些实施例中,供应商可以在上传商品的时候对商品的特征进行文字描述,通过处理文字,可以对初始商品标签进行增、删、改操作,得到商品标签。在一些实施例中,也可以通过人工识别的方式确定初始商品标签是否准确,若否,则对标签进行调整。
在一些实施例中,商品标签可以包括服装标签、在售属性标签和销售特征标签。
服装标签可以包括服装的基本信息。例如,服装标签可以包括衣长、裤长、袖长、颜色、花色等中的一种或多种。
在一些实施例中,可以基于目标检测算法,将服装划分为多个部位区域。将多个部位区域输入深度神经网络模型,模型输出服装标签。部位区域可以是指服装的多个部位所在的区域。例如,袖子、领子、胸部、腰部等部位所在的区域。深度神经网络模型可以通过训练样本训练得到,训练样本可以包括样本服装的图片,标签可以为样本服装的图像中的服装的服装标签。
在一些实施例中,可以将服装的图片输入目标检测模型,目标检测模型基于目标检测算法得到部位区域。
例如,目标检测模型可以为R-CNN模型,首先将图片的像素数字矩阵作为训练数据,然后训练分类器SVM,得到图片各个像素区域得分矩阵,对于每个得分矩阵,通过非极大抑制(NMS)筛选候选区域,即通过如下转换方程将区域得分矩阵转换为服装所在区域的概率,概率最大的区域即为服装各个部位所在区域。
Gx=Pwdw(P)+Px
Gy=Pxdy(P)+Py
Gw=Pwexp(dw(P))
Gh=Phexp(dh(P))
其中,x,y,w,h均为学习参数,Gx,Gy,Gw,Gh分别为概率最大的方形区域四个角的坐标,Py,Px,Pw,Ph分别为概率最大的方形区域四个角在在得分矩阵中的得分值。dw(P)表示其得分函数对w参数的微分。
识别出服装的部位区域后,将部位区域的图片输入CNN卷积神经网络进行卷积,卷积得出的向量即可作为服装标签。
在售属性标签可以包括服装的在售信息。例如,服装的适用季节、适用性别、商品性质、商品定位、客户画像、适用年龄等中的一种或多种。
销售特征标签可以包括服装的销售信息。例如,服装的主销渠道、主销区域等中的一种或多种。
步骤130,运营商对零售商打上零售商标签。在一些实施例中,步骤130可以由运营商模块420中的零售商标签确定单元420-2执行。
零售商标签用于表示零售商的购买意向。在一些实施例中,零售商标签包括零售商的主销渠道、商品性质、商品定位、主销区域、适用年龄、兴趣的商品类型等中的一种或多种。
主销渠道可以是指零售商销售服装的主要渠道。例如,主销渠道可以包括电商、直播、门店等。感兴趣的商品可以是指零售商想要销售的商品。例如,零售商A可能对18-25岁的女装感兴趣。
在一些实施例中,基于零售商的注册信息,通过文字识别的方式为零售商打上初始零售商标签;对零售商的意向进行分析处理,调整初始零售商标签,得到零售商标签。
注册信息可以是指零售商在销售平台上注册时填写的注册信息。初始零售商标签可以是指基于注册信息获取的零售商的特征。例如,零售商在注册时会维护自己的主营范围、经营类型等;可以将注册时的主营范围和经营类型提取为初始零售商标签。主营范围可以是指零售商销售的服装的范围。例如,主营范围可以包括童装、女装、男装、老年装等中的一种或多种。经营类型可以为零售商销售服装的方式。例如,经营类型可以包括电商、直播、门店等中的一种或多种。
在用户注册后,运营商可以派工作人员与零售商沟通,进一步了解零售商的购买意向;沟通的方式包括但不限于语音、文字等方式。在一些实施例中,零售商标签确定单元可以通过语音分析和/或文字处理等方式处理工作人员与零售商的对话内容,并获取零售商主打商品的主销渠道、商品性质、商品定位、主销区域、客户画像、适用年龄等信息;并基于上述多种信息对初始零售商标签进行增、删、减、改,得到零售商标签。在一些实施例中,工作人员也可以基于与零售商的沟通结果,手动调整初始零售商标签。
在一些实施例中,零售商标签确定单元还可以基于零售商在销售平台的操作,更新零售商的零售商标签。操作可以包括零售商在销售平台上的看款、选款、加购、下单等操作中的一种或多种。在一些实施例中,零售商标签确定单元可以基于零售商看款、选款、加购和下单的商品的商品标签,更新零售商感兴趣的商品类型。例如,运营平台可以基于零售商在平台的看款、选款、下单等信息,确定零售商感兴趣的商品类型,并基于商品类型更新零售商标签。商品类型可以通过识别服装的商品标签确定。例如,在一定时间段内,当零售商查看“甜美”标签的女装的次数大于20次时,可以将“甜美”作为零售商标签之一;当零售商选择“上衣”标签的服装次数大于10次时,可以将“上衣”作为零售商标签之一;当零售商下单“童装”标签的服装时,可以将“童装”作为零售商标签之一。
步骤140,基于商品标签,得到多个服装销售组合。在一些实施例中,步骤140可以由服装组合单元420-3执行。
服装组合可以是指拥有某种相似特性的服装的组合。例如,花色相似的服装的组合、版型相似的服装的组合、配色相似的服装的组合等中的一种或多种。
在一些实施例中,可以基于服装的在售属性标签,计算销售平台上的服装的第一匹配度;基于第一匹配度,选择多个服装;将多个服装的服装标签与销售特征标签进行拼接,得到拼接向量;基于拼接向量计算多个服装的相似度;基于相似度,确定多个服装销售组合。
例如,可以通过服装在售属性,按一定的匹配规则将销售平台上的多个服装进行分组,选择每组中匹配度最高的前N个服装作为一组服装销售组合。
又例如,可以针对某一目标服装,提取该目标服装的在售属性标签,基于该在售属性标签匹配销售平台内的多个服装,选择匹配度最高的前N个服装。
对于匹配度最高的前N个服装,提取其服装标签,并将销售特征标签(如不同品类的搭配、引流款和利润款的搭配等)和服装标签向量化后进行拼接,得到拼接向量。分别计算每个所选服装的向量余弦相似度,选取相似度最高的前几个商品组合,作为推荐给零售商的最佳服装销售组合,以达到整体的销量和利润最大值,提升零售商经营效率。
步骤150,基于零售商标签,确定推荐给零售商的服装销售组合。在一些实施例中,步骤150可以由服装推荐单元420-4执行。
在一些实施例中,可以获取服装销售组合的组合标签;计算组合标签与所述零售商标签的第二匹配度;基于第二匹配度,确定推荐给零售商的服装销售组合。
组合标签可以用于表征服装销售组合中服装的整体特征。例如,可以将服装的相似特征作为组合标签。
在另一些实施例中,可以确定与零售商相匹配的商品,基于相匹配的商品的商品标签得到推荐给零售商的服装销售组合。
相匹配的商品可以是指符合零售商购买意向的商品。在一些实施例中,运营商可以先根据零售商的主打风格,货源地喜好,主营,经营类型或其他标签,来找到想要进行运营的零售商。然后运营商根据所选零售商的特性来搜索商品,或者也可通过系统计算根据零售商的特性自动给出匹配的商品,然后进行二次确认。二次确定可以是指确定相匹配的商品的商品标签是否与零售商标签匹配。例如,当商品标签与零售商标签中相同标签的个数大于总标签个数的60%时,可以认为匹配。在一些实施例中,二次确定可以通过算法或人工处理得到。
步骤160,零售商从推荐的商品中筛选商品。在一些实施例中,步骤160可以由零售商模块430执行。
在一些实施例中,销售平台可以将推荐给零售商的商品显示给零售商,零售商可以在针对他推荐的商品中筛选需要购买的商品。
在一些实施例中,多个零售商的标签可能相似,运营商可以对多个相似的零售商一起推荐商品。
在一些实施例中,还可以包括基于商品标签,确定商品是否有成为爆款的潜质,若是,基于商品的商品标签,为商品匹配零售商,并将商品推荐给与该商品匹配的零售商。
可能会被大卖的服装可以被认为有成为爆款的潜质。在一些实施例中,可以提取已经成为爆款的服装的标签,得到爆款标签,通过将爆款标签与商品标签进行比对,可以得到有成为爆款潜质的服装。在另一些实施例中,可以将爆款服装的爆款标签按成为爆款的时间顺序输入机器学习模型,模型提取爆款标签随时间变化的规律,然后输出未来可能成为爆款的商品标签,将符合未来可能成为爆款的商品标签所对应的商品作为有爆款潜质的商品。确定商品是否有成为爆款的潜质的方法还可以是其他各种可行的方式,例如,通过运营人员来判定等。对于有成为爆款的潜质的服装,可以提取该服装的商品标签,然后将该服装推送给与该商品标签匹配的零售商标签所对应的零售商。
图2为本发明一些实施例提供的确定组货活动的示例性流程图。在一些实施例中,流程200的一个或多个步骤可以由运营商模块120执行。如图2所示,流程200包括以下步骤:
在一些实施例中,还可以基于流行趋势,确定组货活动。包括以下内容:
流行趋势可以与季节、服装款式等中的一种或多种相关。
组货可以是指将多种服装品类组合成商品系列和/或某种风格。组货活动可以是指为多个零售商推荐多种服装组合的活动。
步骤210,运营商基于零售商标签,将多个购买意向相似的零售商作为一组零售商。
步骤220,运营商基于流行趋势,确定组货活动的时间。
在一些实施例中,组货活动的时间可以与季节相关。例如,运营商在1-3月期间开展秋装的组货活动;在3-6月期间开展冬装的组货活动;在7-9月期间开展春装的组货活动;在10-12月期间开展夏装的组货活动。
步骤230,运营商基于商品标签和流行趋势,确定商品的折扣。
在一些实施例中,商品的折扣可以与季节相关。例如,运营商在夏季时可以对春、冬季服装设置一定折扣。在另一些实施例中,商品的折扣可以与服装款式相关。例如,运营商可以对于不流行的款式的服装折扣出售。在另一些实施例中,商品的折扣可以与服装的生产日期相关。例如,运营商可以将生产日期靠前的商品加大折扣力度。
步骤240,在组货完成后,将与该组零售商匹配的商品按折扣进行推荐。
例如,组货完成后,零售商可以在销售平台上的选款界面看到运营商给自己定制的货。并进行看款,选款,加购,下单等操作。
在一些实施例中,销售平台上设置有组货活动的入口,零售商可以通过该入口进入组货活动,并从组货活动中筛选商品。例如,在销售平台上设置组货活动的图片入口,零售商通过点击该图片可以进入组货活动的界面,然后在该界面内进行操作。
在一些实施例中,运营商模块可以基于零售商的操作,确定活动运营数据,基于活动运营数据,确定下一次组货活动。例如,运营人员可以在后台看到零售商的操作数据生成的转化漏斗,选款趋势,销售趋势,客户排名,款式排名等报表。并且基于报表信息可以对当前的组货商品进行调整,排序等操作。以及对下次组货作为参考依据。同时运营人员可以基于本次运营数据情况,直接通知零售商进行看款。
图3为本发明一些实施例提供的一种服装选款方法的示例性示意图。
如图3所示,示意的流程300包括以下内容:
供应商上传服装(例如,衣服)到销售平台售卖。运营商可以基于供应商上传的服装的图片等信息,为服装打上初始标签:服装A“夏季、女、衣长66、袖长31…”;服装B“夏季、女、裤长39…”等。通过人工或提取服装的特征描述,调整初始商品标签,得到商品标签服装A“夏季、女、衣长66-69、胸围114-126、肩宽31-34、网店、运动、广州、适用年龄18-25…”;服装B“夏季、女、腰围60-80、臀围70-90、裤长39-42、网店、运动、四川、40-55…”等。
当零售商在销售平台注册时,通过提取零售商的注册信息,为零售商打上初始零售商标签:零售商A“女装、网店…”;零售商B“男装、线下…”等。通过提取零售商与运营商的对话内容可以得到零售商的零售商标签零售商A“女装、网店、运动、广州、18-25、上衣…”;零售商B“男装、线下、商务、广州、30-40、裤装…”等。
当运营商要开始组货时可以设置组货活动的时间和折扣。例如,可以组夏季的货,组货活动的时间可以为10-12月,对于新品服装可以不进行折扣,对于往年的服装可以设置适当折扣。在进行夏装组货的时候,可能之前的春装还有库存,可以以适当的折扣价格将春装加入夏装的组货活动。
基于零售商标签为零售商查找匹配的商品,实现人找货。例如,为零售商A找到与之匹配的商品A。基于商品标签为商品查找匹配的零售商,实现货找人。例如,为商品A找到与之匹配的零售商A。关于匹配零售商和商品的更多内容,参见图1及其相关描述。
通过将与零售商匹配的商品和匹配到零售商的商品都推荐给零售商,并以运营商设定的折扣价格,在活动时间内,生成活动,供零售商在组货活动界面筛选商品。
通过记录零售商在组货活动的操作(如,看款、选款、加购和下单等),得到组货活动的活动运营数据,并更新零售商的零售商标签。
通过将活动运营数据反馈给运营商,运营商可以对组货活动进行改进。例如,修改组货活动的时间、当季服装与其他季节的服装的推荐比例等。
图4为本发明一些实施例提供的一种服装选款系统的示例性模块图。如图4所示,系统400包括供应商模块410、运营商模块420和零售商模块430。
供应商模块410用于供应商在销售平台上发布商品。关于供应商模块410的更多内容,参见图1及其相关描述。
运营商模块420包括商品标签确定单元420-1、零售商标签确定单元420-2、服装组合单元420-3和服装推荐单元420-4。商品标签确定单元420-1用于运营商对商品打上商品标签;商品标签用于表示服装的特征;零售商标签确定单元420-2用于运营商对零售商打上零售商标签;零售商标签用于表示零售商的购买意向;服装组合单元420-3用于基于商品标签,得到多个服装销售组合;服装推荐单元420-4用于基于零售商标签,确定推荐给零售商的服装销售组合。关于运营商模块420的更多内容,参见图1及其相关描述。
零售商模块430用于零售商从推荐的商品中筛选商品。关于零售商模块430的更多内容,参见图1及其相关描述。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种服装选款的方法,其特征在于,包括,
供应商在销售平台上发布商品;所述商品为服装类商品;
运营商对所述商品打上商品标签;所述商品标签用于表示服装的特征;
所述运营商对零售商打上零售商标签;所述零售商标签用于表示零售商的购买意向;
基于所述商品标签,得到多个服装销售组合;
基于所述零售商标签,确定推荐给所述零售商的服装销售组合;
所述零售商从推荐的商品中筛选商品。
2.根据权利要求1所述的服装选款方法,其特征在于,所述商品标签包括服装标签、在售属性标签和销售特征标签;
所述基于所述商品标签,得到多个服装销售组合,包括,
基于所述服装的在售属性标签,计算所述销售平台上的服装的第一匹配度;
基于所述第一匹配度,选择多个服装;
将所述多个服装的服装标签与销售特征标签进行拼接,得到拼接向量;
基于所述拼接向量计算所述多个服装的相似度;
基于所述相似度,确定多个服装销售组合;
所述基于所述零售商标签,确定推荐给所述零售商的服装销售组合,包括,
获取所述服装销售组合的组合标签;
计算所述组合标签与所述零售商标签的第二匹配度;
基于所述第二匹配度,确定推荐给所述零售商的服装销售组合。
3.根据权利要求2所述的服装选款方法,其特征在于,打上服装标签包括,
基于目标检测算法,将服装划分为多个部位区域;
将所述多个部位区域输入深度神经网络模型,模型输出所述服装标签。
4.根据权利要求1所述的服装选款方法,其特征在于,还包括,基于所述商品标签,确定所述商品是否有成为爆款的潜质,若是,基于所述商品的商品标签,为所述商品匹配零售商,并将所述商品推荐给与该商品匹配的零售商。
5.根据权利要求1所述的服装选款方法,其特征在于,对零售商打上零售商标签包括,
基于所述零售商的注册信息,通过文字识别的方式为所述零售商打上初始零售商标签;
对所述零售商的意向进行分析处理,调整所述初始零售商标签,得到所述零售商标签;
基于所述零售商在所述销售平台的操作,更新所述零售商的零售商标签。
6.根据权利要求5所述的服装选款方法,其特征在于,所述初始零售商标签包括所述零售商的主营范围、经营类型;
所述零售商标签包括所述零售商的主销渠道、商品性质、商品定位、主销区域、适用年龄和感兴趣的商品类型。
7.根据权利要求5所述的服装选款方法,其特征在于,所述更新所述零售商的零售商标签包括,
基于所述零售商看款、选款、加购和下单的商品的商品标签,更新所述零售商感兴趣的商品类型。
8.根据权利要求1所述的服装选款方法,其特征在于,还包括基于流行趋势,确定组货活动;所述组货活动包括为多个零售商推荐商品的活动;
所述运营商基于所述零售商标签,将多个购买意向相似的零售商作为一组零售商;
所述运营商基于所述流行趋势,确定所述组货活动的时间;
所述运营商基于所述商品标签和所述流行趋势,确定所述商品的折扣;所述流行趋势至少与季节相关;
在组货完成后,将与该组零售商匹配的商品按折扣进行推荐。
9.根据权利要求8所述的服装选款方法,其特征在于,还包括,
基于所述零售商的操作,确定活动运营数据,基于所述活动运营数据,确定下一次组货活动。
10.一种服装选款系统,其特征在于,包括供应商模块、运营商模块和零售商模块;
所述供应商模块用于供应商在销售平台上发布商品;所述商品为服装类商品;
所述运营商模块包括商品标签确定单元、零售商标签确定单元、服装组合单元和服装推荐单元;
所述商品标签确定单元用于所述运营商对所述商品打上商品标签;所述商品标签用于表示服装的特征;
所述零售商标签确定单元用于所述运营商对零售商打上零售商标签;所述零售商标签用于表示零售商的购买意向;
所述服装组合单元用于基于所述商品标签,得到多个服装销售组合;
所述服装推荐单元用于基于所述零售商标签,确定推荐给所述零售商的服装销售组合;
所述零售商模块用于所述零售商从推荐的商品中筛选商品。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210956839.7A CN115271880B (zh) | 2022-08-10 | 2022-08-10 | 一种服装选款的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210956839.7A CN115271880B (zh) | 2022-08-10 | 2022-08-10 | 一种服装选款的方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115271880A true CN115271880A (zh) | 2022-11-01 |
CN115271880B CN115271880B (zh) | 2023-11-03 |
Family
ID=83749955
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210956839.7A Active CN115271880B (zh) | 2022-08-10 | 2022-08-10 | 一种服装选款的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115271880B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012003677A (ja) * | 2010-06-21 | 2012-01-05 | Nippon Telegr & Teleph Corp <Ntt> | 商品推薦装置、商品推薦方法および商品推薦プログラム |
KR20140100661A (ko) * | 2013-02-06 | 2014-08-18 | 오종훈 | 큐레이터 추천 판매 시스템 및 방법 |
US20170017984A1 (en) * | 2015-07-17 | 2017-01-19 | Tsung-Yu Chen | Network concessional sales method |
CN107545336A (zh) * | 2016-06-27 | 2018-01-05 | 长沙海商网络技术有限公司 | 一款基于b2c平台的零售商超行业解决系统 |
CN107861972A (zh) * | 2017-09-15 | 2018-03-30 | 广州唯品会研究院有限公司 | 一种用户录入商品信息后显示商品全结果的方法及设备 |
CN108122150A (zh) * | 2016-11-29 | 2018-06-05 | 湖南易分销电子商务有限公司 | 一款多终端的零售商城软件 |
CN110750623A (zh) * | 2019-09-20 | 2020-02-04 | 北京三快在线科技有限公司 | 商品组合方法、装置、电子设备及可读存储介质 |
CN112053211A (zh) * | 2020-09-15 | 2020-12-08 | 北京书礼行知文化传媒有限公司 | 商品的铺货方法、铺货装置、电子设备及可读存储介质 |
KR20210001720A (ko) * | 2019-06-28 | 2021-01-06 | (주)셀메이트 | 상품 정보 제공 장치 및 방법 |
CN112785354A (zh) * | 2021-03-09 | 2021-05-11 | 广东便捷神科技股份有限公司 | 用于零售管理平台的商品推荐系统 |
-
2022
- 2022-08-10 CN CN202210956839.7A patent/CN115271880B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012003677A (ja) * | 2010-06-21 | 2012-01-05 | Nippon Telegr & Teleph Corp <Ntt> | 商品推薦装置、商品推薦方法および商品推薦プログラム |
KR20140100661A (ko) * | 2013-02-06 | 2014-08-18 | 오종훈 | 큐레이터 추천 판매 시스템 및 방법 |
US20170017984A1 (en) * | 2015-07-17 | 2017-01-19 | Tsung-Yu Chen | Network concessional sales method |
CN107545336A (zh) * | 2016-06-27 | 2018-01-05 | 长沙海商网络技术有限公司 | 一款基于b2c平台的零售商超行业解决系统 |
CN108122150A (zh) * | 2016-11-29 | 2018-06-05 | 湖南易分销电子商务有限公司 | 一款多终端的零售商城软件 |
CN107861972A (zh) * | 2017-09-15 | 2018-03-30 | 广州唯品会研究院有限公司 | 一种用户录入商品信息后显示商品全结果的方法及设备 |
KR20210001720A (ko) * | 2019-06-28 | 2021-01-06 | (주)셀메이트 | 상품 정보 제공 장치 및 방법 |
CN110750623A (zh) * | 2019-09-20 | 2020-02-04 | 北京三快在线科技有限公司 | 商品组合方法、装置、电子设备及可读存储介质 |
CN112053211A (zh) * | 2020-09-15 | 2020-12-08 | 北京书礼行知文化传媒有限公司 | 商品的铺货方法、铺货装置、电子设备及可读存储介质 |
CN112785354A (zh) * | 2021-03-09 | 2021-05-11 | 广东便捷神科技股份有限公司 | 用于零售管理平台的商品推荐系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115271880B (zh) | 2023-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11308541B2 (en) | Next generation improvements in recommendation systems | |
US11687876B2 (en) | System and method for retail planning with smart product attributes | |
Brito et al. | Customer segmentation in a large database of an online customized fashion business | |
KR102172045B1 (ko) | 빅데이터 기반의 오픈마켓 연동 시스템 | |
US20220138831A1 (en) | Method of Providing Fashion Item Recommendation Service Using User's Body Type and Purchase History | |
Wong et al. | Intelligent product cross-selling system with radio frequency identification technology for retailing | |
US20100076819A1 (en) | System and Method for Distilling Data and Feedback From Customers to Identify Fashion Market Information | |
CN102156942A (zh) | 一种基于无线射频技术的商品推荐方法 | |
CN104778594A (zh) | 一种新型的智能化网络购衣平台系统及方法 | |
KR102284148B1 (ko) | 딥러닝을 이용한 벡터기반의 패션추천 방법 및 시스템 | |
EP2069977A1 (en) | Computer system for rule-based clothing matching and filtering considering fit rules and fashion rules | |
KR102309373B1 (ko) | 기획 판매를 위한 컨텐츠를 자동적으로 구축하는 시스템 및 그 방법 | |
US20200320468A1 (en) | Computer System for Optimizing Garment Inventory of Retailer Based on Shapes of Users | |
KR20200096182A (ko) | 빅데이터 기반의 낚시용품 추천 정보 제공 장치 및 방법 | |
CN115735219A (zh) | 用于提供个性化用户界面的方法和系统 | |
CN112767063A (zh) | 用户与卖家实现良性循环网络平台方法和系统 | |
US11429991B1 (en) | Systems and methods for production and logistics management | |
Fatoni et al. | Online store product recommendation system uses apriori method | |
KR20170091402A (ko) | 패션 아이템 검색 시스템 | |
US11321887B2 (en) | Article design | |
CN108416611B (zh) | 一种超市路径推荐系统及其方法 | |
CN115271880B (zh) | 一种服装选款的方法和系统 | |
KR102582813B1 (ko) | 오프라인 구매를 위한 개인화된 추천 서비스 제공 방법 및 장치 | |
Harikirshnan et al. | Intelligent Online Shopping using ML-based Product Comparison Engine | |
Yeruva et al. | Apparel Recommendation System using Content-Based Filtering |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |