CN116011912A - 跨境电商智能发货方法及装置、设备、存储介质 - Google Patents
跨境电商智能发货方法及装置、设备、存储介质 Download PDFInfo
- Publication number
- CN116011912A CN116011912A CN202211739826.0A CN202211739826A CN116011912A CN 116011912 A CN116011912 A CN 116011912A CN 202211739826 A CN202211739826 A CN 202211739826A CN 116011912 A CN116011912 A CN 116011912A
- Authority
- CN
- China
- Prior art keywords
- price
- logistics
- current
- target
- order
- 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
- 238000002716 delivery method Methods 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 claims description 29
- 239000000969 carrier Substances 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 230000005012 migration Effects 0.000 claims description 2
- 238000013508 migration Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000013210 evaluation model Methods 0.000 description 13
- 238000012549 training Methods 0.000 description 10
- 238000011156 evaluation Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于人工智能应用技术领域,公开了一种跨境电商智能发货方法及装置、设备、存储介质,通过在检测到产品订单时,获取与产品订单匹配的多个候选物流方案及其预测价格,推荐显示于用户操作界面上;从中确定用户选中的目标物流方案及其目标预测价格,创建当前物流订单;在检测到发货指令时,获取目标物流方案的当前价格,将当前价格与之前推荐时的目标预测价格进行对比,若两者的价格差值达到差值阈值,从两者中确定出最小价格作为当前物流订单的计费价格;这样可以在预测的误差较大时,按照最小价格进行运费计算,从而更加智能化,可以提高跨境电商智能发货方法的智能程度,进而提高用户满意度。
Description
技术领域
本发明属于人工智能应用技术领域,具体涉及一种跨境电商智能发货方法及装置、设备、存储介质。
背景技术
随着跨境电商独立站的技术发展,越来越多的平台卖家和跨境电商新卖家加入独立站卖家的行列。传统独立站的卖家在订单成交后,无法基于独立站网页进行线上发货,需要导出到本地或者借助企业资源计划(EnterpriseResource Planning,ERP)系统来进行线上发货。现如今现有技术中出现一些智能发货方法,能够为卖家推荐合适的物流渠道,测算物流运费,并可线上创建物流订单,满足了客户线上发货的需求。
但是在实践中发现,各物流渠道的物流价格更新频率很快,通常会出现今天下单,明天发货时物流价格变动造成价格差的情况。目前在出现这种情况时,仍然按照下单时的当时物流价格,并以此一直延续到订单完成,无需卖家承担所带来的价格差问题。
可是这种情况下,也有可能出现性价比更低于原定物流渠道的情况,而卖家却不能更改物流渠道。可见现有智能发货方法的智能程度仍然不够高,导致卖家的满意度也不够高。
发明内容
本发明的目的在于提供一种跨境电商智能发货方法及装置、设备、存储介质,可以提高跨境电商发货的智能程度,进而提高用户满意度。
本发明第一方面公开一种跨境电商智能发货方法,包括:
当检测到产品订单时,获取与所述产品订单匹配的多个候选物流方案以及各个候选物流方案的预测价格;
将各个候选物流方案及其预测价格显示于用户操作界面上;
根据用户输入的选择指令,从各个候选物流方案中确定用户选中的目标物流方案及其目标预测价格;
根据所述目标物流方案创建所述产品订单对应的当前物流订单;
当检测到用户输入的针对所述当前物流订单的发货指令时,获取所述目标物流方案的当前价格;
若所述当前价格与所述目标预测价格之间的价格差值达到差值阈值,从所述当前价格和所述目标预测价格中确定出最小价格,将该最小价格作为所述当前物流订单的计费价格。
本发明第二方面公开一种跨境电商智能发货装置,包括:
第一获取单元,用于在检测到产品订单时,获取与所述产品订单匹配的多个候选物流方案以及各个候选物流方案的预测价格;
推荐单元,用于将各个候选物流方案及其预测价格显示于用户操作界面上;
选择单元,用于根据用户输入的选择指令,从各个候选物流方案中确定用户选中的目标物流方案及其目标预测价格;
创建单元,用于根据所述目标物流方案创建所述产品订单对应的当前物流订单;
第二获取单元,用于在检测到用户输入的针对所述当前物流订单的发货指令时,获取所述目标物流方案的当前价格;
第一计费单元,用于在所述当前价格与所述目标预测价格之间的价格差值达到差值阈值时,从所述当前价格和所述目标预测价格中确定出最小价格,将该最小价格作为所述当前物流订单的计费价格。
本发明第三方面公开一种电子设备,包括存储有可执行程序代码的存储器以及与所述存储器耦合的处理器;所述处理器调用所述存储器中存储的所述可执行程序代码,用于执行第一方面公开的跨境电商智能发货方法。
本发明第四方面公开一种计算机可读存储介质,所述计算机可读存储介质存储计算机程序,其中,所述计算机程序使得计算机执行第一方面公开的跨境电商智能发货方法。
本发明的有益效果在于,所提供的跨境电商智能发货方法及装置、设备、存储介质,通过在检测到产品订单时,获取与产品订单匹配的多个候选物流方案以及各个候选物流方案的预测价格,显示于用户操作界面上以推荐给用户;然后从中确定用户选中的目标物流方案及其目标预测价格,创建当前物流订单;以及,在检测到发货指令时,获取目标物流方案的当前价格,将当前价格与之前推荐时的预测价格进行对比,若两者的价格差值达到差值阈值,从当前价格和目标预测价格中确定出最小价格作为当前物流订单的计费价格;这样可以解决实际发货时与用户下物流单时的物流价格不同的问题,通过预测各个物流方案的价格并在推荐物流方案时一并推荐,在实际发货的时候,根据发货时的当前价格与预测价格与进行比对,若预测的误差较大,则按照最小价格进行运费计算,从而更加智能化,可以提高跨境电商智能发货方法的智能程度,进而提高用户满意度。
附图说明
此处的附图,示出了本发明所述技术方案的具体实例,并与具体实施方式构成说明书的一部分,用于解释本发明的技术方案、原理及效果。
除非特别说明或另有定义,不同附图中,相同的附图标记代表相同或相似的技术特征,对于相同或相似的技术特征,也可能会采用不同的附图标记进行表示。
图1是本发明公开的一种跨境电商智能发货方法的流程图;
图2是本发明公开的另一种跨境电商智能发货方法的流程图;
图3是本发明公开的一种跨境电商智能发货装置的结构示意图;
图4是本发明公开的一种电子设备的结构示意图。
附图标记说明:
301、第一获取单元;302、推荐单元;303、选择单元;304、创建单元;305、第二获取单元;306、第一计费单元;307、第二计费单元;308、跟踪单元;309、确定单元;310、更新单元;311、迭代反馈单元;401、存储器;402、处理器。
具体实施方式
为了便于理解本发明,下面将参照说明书附图对本发明的具体实施例进行更详细的描述。
除非特别说明或另有定义,本文所使用的所有技术和科学术语与所属技术领域的技术人员通常理解的含义相同。在结合本发明的技术方案以现实的场景的情况下,本文所使用的所有技术和科学术语也可以具有与实现本发明的技术方案的目的相对应的含义。本文所使用的“第一、第二…”仅仅是用于对名称的区分,不代表具体的数量或顺序。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
除非特别说明或另有定义,本文所使用的“所述”、“该”为相应位置之前所提及或描述的技术特征或技术内容,该技术特征或技术内容与其所提及的技术特征或技术内容可以是相同的,也可以是相似的。此外,本文所使用的术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
毫无疑义,与本发明的目的相违背,或者明显矛盾的技术内容或技术特征,应被排除在外。
如图1所示,本发明实施例公开一种跨境电商智能发货方法,该方法的执行主体可为如计算机电脑、笔记本电脑、平板电脑等电子设备,或内嵌于电子设备中的跨境电商智能发货装置,本发明对此不作限定。该方法包括以下步骤101~106:
101、当检测到产品订单时,获取与产品订单匹配的多个候选物流方案以及各个候选物流方案的预测价格。
需要说明的是,在本发明实施例中,可以预存有物流数据列表,物流数据列表中存有多个可用的物流方案,一个物流方案可包括一个物流渠道或多个物流渠道,该物流渠道可指代的是某一物流承运商,例如国内快递顺丰和“四通一达”。也即是说,物流方案可以是由一个承运商组成的单渠道物流方式,也可以是由多个承运商组成的多渠道物流方式。
在本发明实施例中,电子设备可以实时监测卖家用户的独立站网页,当监测到卖家用户的独立站网页产生新的订单数据时,则确定检测到产品订单,并可进一步获取该产品订单的产品信息,包括但不限于目的地国家、产品重量、产品尺寸、产品类型、配送时效、发货地址、收货地址等信息,然后利用产品订单的产品信息在物流方案列表中进行匹配,获得匹配上的多个物流方案作为候选物流方案。
或者,在一些可能的实施例中,获得匹配上的多个物流方案之后,还通过评价模型进一步计算每个匹配上的物流方案的评价分值,然后将评价分值达到候选阈值的物流方案确定为候选物流方案。其中,评价模型具体如下公式(1)所示:
其中,n为历史样本的数量,i大于或等于1,且小于或等于n;mi代表第i个历史样本的用户满意度,ai代表第i个历史样本关于用户满意度的权重系数,yi代表第i个历史样本的物流时间,bi代表第i个历史样本关于物流时间的权重系数,zi代表第i个历史样本的物流成本,ci代表第i个历史样本关于物流成本的权重系数,wi代表第i个历史样本的其它自定义指标,xi代表第i个历史样本关于自定义指标的权重系数;A、B、C、X分别表示各个参考指标(用户满意度、物流时间、物流成本和自定义指标)的权重系数。
上述评价模型可基于各个物流方案的历史物流数据训练而得,从各个物流方案的历史物流数据中确定出多个历史样本,分别确定各个历史样本的用户满意度、物流时间、物流成本以及自定义指标的数值,进行求解得到ai、bi、ci、xi以及A、B、C、X的值。
进一步的,获取各个候选物流方案的预测价格的具体实施方式可以包括以下步骤1011~1013:
1011、当检测到产品订单时,获取产品订单的目标发货时效。
考虑到各个卖家用户卖的产品类型一般都比较相似,因此可以通过利用各个卖家用户的历史订单数据进行分析,获得各个卖家用户的发货时效。在步骤1011中可以通过获取该产品订单对应的用户身份标识信息,然后调取与用户身份标识信息对应的在第一指定历史时段(如过去一周、过去一个月、过去一年等)内产生的历史订单数据进行分析,即可预测得到该产品订单的目标发货时效。目标发货时效指的是产品订单的下单时间与预计发货时间之间的时间间隔。也即,通过获取发货时效之后,还可以进一步获取产品订单的预计发货时间。比如,产品订单的下单时间是3号,而分析得到发货时效为7天,那么可计算得到预计发货时间为10号。
其中,用户身份标识信息为可唯一标识卖家用户的信息,比如卖家用户的注册账号(Identitydocument,ID)或者卖家用户登录的终端设备的设备标识符号,又或者是卖家用户登录的独立站对应的网站节点符号等等。
1012、根据目标发货时效,确定各个候选物流方案的价格浮动比例。
需要说明的是,在物流数据列表中还存有各个物流方案在各个发货时效(例如3天内、7天内、8-15天、超过16天)内的价格浮动比例,该价格浮动比例是基于各个物流方案在第二指定历史时段(如过去一周、过去一个月、过去一年等)内产生的历史物流数据进行分析所获得的。具体的,获取各个物流方案在各个发货时效内的价格浮动比例的实施方式可以包括:
首先获取各个物流方案被选用的最新物流数据,然后从最新物流数据中确定在第二指定历史时段内产生的历史物流数据;对历史物流数据进行大数据分析,可以获得各个物流方案在各个发货时效内的价格浮动比例,例如在3天内,价格浮动范围为上/下2%;在7天内,价格浮动范围为上/下3%等等。
其中第二指定历史时段与第一指定历史时段可以相同也可以不同。本产品订单的目标发货时效则为多个发货时效中任意一个,当确定出产品订单的目标发货时效之后,即可获得相应的各个候选物流方案的价格浮动比例。例如,计算出发货时效为7天内,则可以确定出与7天内相匹配的各个候选物流方案的价格浮动比例,具体以百分比的数值形式,可以方便计算价格。
1013、根据价格浮动比例,计算各个候选物流方案的预测价格。
具体在计算价格的时候,先按照正常价格体系计算当前的预计价格,然后再根据该价格浮动比例对预计价格进行上/下调整,获得候选物流方案的预测价格。或者,也可以根据该价格浮动比例对预计价格进行上调整获得第一价格,同时根据该价格浮动比例对预计价格进行下调整获得第二价格;然后取第一价格和第二价格的平均数作为预测价格。
102、将各个候选物流方案及其预测价格显示于用户操作界面上。
其中,用户操作界面指的是卖家用户的人机交互操作界面,卖家用户可以通过该操作界面针对推荐显示的多个候选物流方案输入选择指令,从而选择想要的目标物流方案。
103、根据用户输入的选择指令,从各个候选物流方案中确定用户选中的目标物流方案及其目标预测价格。
其中,在用户操作界面上显示有各个候选物流方案以及各个候选物流方案对应的预测价格,用户可以在用户操作界面上输入选择指令,包括但不限于通过语音、文字或手势等人机交互方式输入,本发明对此不作限定。然后根据用户的选择指令,可以确定出用户选中的某个候选物流方案即为目标物流方案,该目标物流方案对应的预测价格即为目标预测价格。
104、根据目标物流方案创建产品订单对应的当前物流订单。
105、当检测到用户输入的针对当前物流订单的发货指令时,获取目标物流方案的当前价格。
当准备发货时,则按照正常价格体系计算目标物流方案在发货时的当前价格,并将当前价格与目标预测价格进行对比。若当前价格与目标预测价格之间的价格差值未达到差值阈值,说明预测误差属于可允许范围内,可将目标预测价格作为当前物流订单的计费价格;若两者的价格差值达到差值阈值,则说明预测误差不属于可允许范围内,则执行步骤S60。其中,差值阈值可由开发人员预先设定的一具体数值,如0.3、0.5、0.7、1.5或2等等。
106、若当前价格与目标预测价格之间的价格差值达到差值阈值,从当前价格和目标预测价格中确定出最小价格,将该最小价格作为当前物流订单的计费价格。
可见,实施步骤101~106,可以解决实际发货时与用户下物流单时的物流价格不同的问题,通过预测各个物流方案的价格并在推荐物流方案时一并推荐,在实际发货的时候,根据发货时的当前价格与预测价格与进行比对,若预测的误差较大,则按照最小价格进行运费计算,从而更加智能化,可以提高跨境电商智能发货方法的智能程度,进而提高用户满意度。
进一步可选的,在执行步骤106中将该最小价格作为当前物流订单的计费价格之后,还可以执行以下未图示的步骤107~109:
107、跟踪当前物流订单的实际物流数据。
108、根据实际物流数据,确定当前物流订单对应的实际价格。
109、根据实际价格,对目标物流方案的目标预测价格进行更新。
在步骤109中可以直接将实际价格作为该目标物流方案对应的新的预测价格,从而对该目标物流方案对应的目标预测价格进行更新。
通过实施步骤107~109,可以跟踪物流,待产品配送至收货地址之后,获取当前物流订单从发货地址至收货地址期间的实际物流数据,并基于实际物流数据计算当前物流订单的实际价格,用以反馈价格预测模型的误差,对用于预测物流方案的预测价格的价格预测模型进行更新,从而可以提高价格预测模型的准确性。
以及可选的,还可以将实际物流数据作为新的历史样本,获取该新的历史样本的用户满意度、物流时间、物流成本以及自定义指标的数值,修正上述评价模型的权重系数,优化迭代,以产生新的评价模型,用以下一次的物流方案的评价。以此循环在每次推荐之后,均根据实际物流数据修正评价模型的权重系数,可以实现对评价模型的自适应更新。
如图2所示,本发明实施例公开另一种跨境电商智能发货方法,在该方法中,每一个候选物流方案均为多渠道物流方式,均具体包括多个承运商。该方法包括以下步骤201~210:
201、当检测到产品订单时,获取产品订单的预计发货时间和物流路线,物流路线包括多个按照时间先后顺序依个衔接的运程。
其中,获取产品订单的预计发货时间的具体实施方式可以采用人机交互方式根据用户输入的信息进行获取,也可以自动计算,自动计算的方式请参照上述步骤1011的描述,通过在获取发货时效之后,进一步计算产品订单的预计发货时间。比如,产品订单的下单时间是3号,而分析得到发货时效为7天,那么可计算得到预计发货时间为10号。
获取产品订单的物流路线的具体实施方式可以包括:
其中,具体可以将产品订单的产品信息,包括但不限于目的地国家、产品重量、产品尺寸、产品类型、配送时效、发货地址、收货地址等产品信息,输入预设规划模型,从而获得物流路线。
预设规划模型可以是利用有监督学习方法预先训练深度学习神经网络所获得的,在训练过程中可以采集历史配送完成的一些订单样本数据,以及各个订单样本数据对应的物流样本路线,组成训练集,对构建的深度学习神经网络进行训练。在训练过程中,订单样本数据作为训练样本,物流样本路线作为训练样本的真实标签,采用基于交并比(IntersectionoverUnion,IOU)的损失函数计算模型预测路线与真实标签之间的损失,以增强模型的判别能力。利用损失函数不断优化迭代,更新模型参数,直至损失值小于一定阈值,判定模型优化迭代完成,从而获得预设规划模型。关键在于在实际应用中,可利用该预设规划模型对新订单的物流路线进行预测。
其中,IOU损失函数如下,即计算训练样本的预测路线和真实标签之间的交集/并集:
其中,A代表训练样本的预测路线,B代表训练样本的真实标签。
上述预测得到的物流路线,为跨境物流路线,其可以包括多个按照时间先后顺序依个衔接的运程,例如包括6个运程,分别对应国内运输、国内报关、跨境运输、海外清关、仓储中转、海外派送等6个环节。在本发明实施例中,针对产品订单,可以规划出具体的包括以上6个环节的物流运程,比如,包括的多个按照时间先后顺序依个衔接的运程为,L1~L2、L2~L3、L3~L4、L4~L5、L5~L6、L6~L7,其中L1为发货地址,L7为收货地址。
202、计算各个物流商在预计发货时间对应于各个运程的子价格。
其中,针对各个运程,可能符合运输条件的有多个不同的物流商,且各个不同物流商针对该运程的运输方式、运输计费也有所不同。因此可以计算各个运程下符合运输条件的各个物流商在预计发货时间的子价格,具体包括以下步骤2021~2022:
2021、获取各个物流商对应于各个运程的多个类集,每一类集包括多个聚类类别。
可以通过采集各个物流商在第三指定历史时段内匹配各个运程的历史运程样本数据进行聚类分析,从而获得各个运程的类别集合(即类集),其中每一类集包括多个聚类类别,每个聚类类别中包括多个历史运程样本,每个历史运程样本对应有历史子价格,从而可以计算每个聚类类别下的所有历史运程样本的历史子价格的平均数作为该聚类类别下的价格均值。
例如,物流商A对应于运程L1~L2的类集为GA1={fA11、fA12、fA13},其对应的价格均值为{pA11、pA12、pA13},物流商A对应于运程L2~L3的类集为GA2={fA21、fA22},其对应的价格均值为{pA21、pA22}等等,因此对于物流商A来说,其对应有6个类集GA1、GA2、GA3、GA4、GA5、GA6,分别与6个运程一一对应。每一类集中的聚类类别数量不一定相同,每一聚类类别对应有一价格均值。
2022、针对各个运程,从各个物流商的相应类集中确定出与预计发货时间匹配的聚类类别作为该物流商的当前类别;获取当前类别下的价格均值作为各个物流商对应于相应运程的子价格。
历史运程样本具体为历史运输时间,因此在确定出本产品订单的预计发货时间之后,可以根据该预计发货时间计算各个运程对应的当前运输时间进行匹配,针对各个运程的当前运输时间,在各个物流商的相应类集中确定出一聚类
类别作为其分类类别,从而确定各个物流商在各个运程下的子价格。例如表15所示:
表1各个物流商在各个运程下的子价格(单位:元)
运程 | L1~L2 | L2~L3 | L3~L4 | L4~L5 | L5~L6 | L6~L7 |
物流商A | 10 | 20 | 80 | 70 | 67 | 60 |
物流商B | 8 | 21 | 74 | 68 | 70 | 58 |
物流商C | 7 | 17 | 79 | 71 | 71 | 68 |
物流商D | 9 | 18 | 73 | 72 | 68 | 61 |
物流商E | 11 | 19 | 81 | 71 | 69 | 57 |
在表1中,加粗加下划线的子价格为相应运程中的最低价。可见,从成本最低考虑,最优的物流方案为C-C-D-B-A-E。
203、将各个运程下小于价格阈值的子价格对应的物流商作为其目标承运商。
其中,价格阈值可以通过开发人员预先设定一具体数值,也可以通过计算每一列(对应不同运程)的子价格平均数作为该价格阈值的值,从而进行阈值判断,将每一列中小于该价格阈值的子价格对应的物流商确定为相应运程的目标承运商。如表1中,运程L1~L2中的子价格平均数为(10+8+7+9+11)/5=9,则可以确定运程L1~L2的目标承运商为7、8对应的物流商B、C。如此可以得到每一运程下的一个或多个目标承运商。
204、将所有目标承运商按照物流路线进行组合,获得多个候选物流方案,候选物流方案中每一运程对应一目标承运商。
由于多个运程具有时间先后顺序,因此对每一运程选择一个目标承运商,则有多种不同的可能组合。通过遍历各个运程的各个目标承运商,按照多个运程的顺序进行串联,可获得多个候选物流方案。
205、将各个候选物流方案中各个运程的目标承运商的子价格进行累加,获得各个候选物流方案的预测价格。
例如表1中,从成本最低考虑,最优的物流方案C-C-D-B-A-E的预测价格为7+17+73+68+67+57=289。
206~210。对于步骤206~210,请参照以上步骤102~106的详细阐述,本发明在此不作赘述。
可见,实施步骤201~210,可以实现在预测的误差较大时,按照最小价格进行运费计算,从而提高智能程度之外,还可以为用户推荐多个运程不同物流商的组合物流方案,相比单一物流渠道推荐,本发明实施例可以实现联程多式联运,从而更加灵活,可以计算出各个运程的子价格,进行物流方案匹配,可进一步节省物流成本,提高用户满意度。
进一步可选的,在执行步骤210中将该最小价格作为当前物流订单的计费价格之后,还可以执行以下未图示的步骤211~213:
211、跟踪当前物流订单的实际物流数据。
212、根据实际物流数据,确定当前物流订单对应各个运程的实际子价格。
213、根据各个运程的实际子价格,对目标物流方案所包括的各个目标承运商的相应类集进行更新。
如图3所示,本发明实施例公开一种跨境电商智能发货装置,包括第一获取单元301、推荐单元302、选择单元303、创建单元304、第二获取单元305、第一计费单元306,其中,
第一获取单元301,用于在检测到产品订单时,获取与产品订单匹配的多个候选物流方案以及各个候选物流方案的预测价格;
推荐单元302,用于将各个候选物流方案及其预测价格显示于用户操作界面上;
选择单元303,用于根据用户输入的选择指令,从各个候选物流方案中确定用户选中的目标物流方案及其目标预测价格;
创建单元304,用于根据目标物流方案创建产品订单对应的当前物流订单;
第二获取单元305,用于在检测到用户输入的针对当前物流订单的发货指令时,获取目标物流方案的当前价格;
第一计费单元306,用于在当前价格与目标预测价格之间的价格差值达到差值阈值时,从当前价格和目标预测价格中确定出最小价格,将该最小价格作为当前物流订单的计费价格。
作为一种可选的实施方式,跨境电商智能发货装置还可以包括:
第二计费单元307,用于在当前价格与目标预测价格之间的价格差值未达到差值阈值时,将目标预测价格作为当前物流订单的计费价格。
作为一种可选的实施方式,跨境电商智能发货装置还可以包括:
跟踪单元308,用于在第一计费单元306将该最小价格作为当前物流订单的计费价格之后,跟踪当前物流订单的实际物流数据;
确定单元309,用于根据实际物流数据确定当前物流订单对应的实际价格;
更新单元310,用于根据实际价格,对目标物流方案的目标预测价格进行更新。
作为一种可选的实施方式,上述第一获取单元301用于获取与产品订单匹配的多个候选物流方案的方式具体为:利用产品订单的产品信息在物流方案列表中进行匹配,获得匹配上的多个物流方案;以及,通过评价模型进一步计算每个匹配上的物流方案的评价分值,将评价分值达到候选阈值的物流方案确定为候选物流方案;其中,评价模型基于各个物流方案的历史物流数据中确定出的多个历史样本训练而得。
相应的,跨境电商智能发货装置还可以包括迭代反馈单元311,用于在跟踪单元308跟踪当前物流订单的实际物流数据之后,将实际物流数据作为新的历史样本修正上述评价模型的权重系数,优化迭代,以产生新的评价模型。从而可以实现根据实际物流结果,对用于推荐时评价物流方案的评价模型进行反馈、迭代优化,用于下一次物流方案评价。
如图4所示,本发明实施例公开一种电子设备,包括存储有可执行程序代码的存储器401以及与存储器401耦合的处理器402;
其中,处理器402调用存储器401中存储的可执行程序代码,执行上述各实施例中描述的跨境电商智能发货方法。
本发明实施例还公开一种计算机可读存储介质,其存储计算机程序,其中,该计算机程序使得计算机执行上述各实施例中描述的跨境电商智能发货方法。
以上实施例的目的,是对本发明的技术方案进行示例性的再现与推导,并以此完整的描述本发明的技术方案、目的及效果,其目的是使公众对本发明的公开内容的理解更加透彻、全面,并不以此限定本发明的保护范围。
以上实施例也并非是基于本发明的穷尽性列举,在此之外,还可以存在多个未列出的其他实施方式。在不违反本发明构思的基础上所作的任何替换与改进,均属本发明的保护范围。
Claims (10)
1.跨境电商智能发货方法,其特征在于,包括:
当检测到产品订单时,获取与所述产品订单匹配的多个候选物流方案以及各个候选物流方案的预测价格;
将各个候选物流方案及其预测价格显示于用户操作界面上;
根据用户输入的选择指令,从各个候选物流方案中确定用户选中的目标物流方案及其目标预测价格;
根据所述目标物流方案创建所述产品订单对应的当前物流订单;
当检测到用户输入的针对所述当前物流订单的发货指令时,获取所述目标物流方案的当前价格;
若所述当前价格与所述目标预测价格之间的价格差值达到差值阈值,从所述当前价格和所述目标预测价格中确定出最小价格,将该最小价格作为所述当前物流订单的计费价格。
2.如权利要求1所述的跨境电商智能发货方法,其特征在于,还包括:
若所述当前价格与所述目标预测价格之间的价格差值未达到差值阈值,将所述目标预测价格作为所述当前物流订单的计费价格。
3.如权利要求1所述的跨境电商智能发货方法,其特征在于,将该最小价格作为所述当前物流订单的计费价格之后,所述方法还包括:
跟踪所述当前物流订单的实际物流数据;
根据所述实际物流数据,确定所述当前物流订单对应的实际价格;
根据所述实际价格,对所述目标物流方案的目标预测价格进行更新。
4.如权利要求1至3任一项所述的跨境电商智能发货方法,其特征在于,所述获取与所述产品订单匹配的多个候选物流方案以及各个候选物流方案的预测价格,包括:
获取所述产品订单的预计发货时间和物流路线,所述物流路线包括多个按照时间先后顺序依个衔接的运程;
计算各个物流商在所述预计发货时间对应于各个运程的子价格;
将各个运程下小于价格阈值的子价格对应的物流商作为其目标承运商;
将所有目标承运商按照所述物流路线进行组合,获得多个候选物流方案,所述候选物流方案中每一运程对应一目标承运商;
将各个候选物流方案中各个运程的目标承运商的子价格进行累加,获得各个候选物流方案的预测价格。
5.如权利要求4所述的跨境电商智能发货方法,其特征在于,计算各个物流商在所述预计发货时间对应于各个运程的子价格,包括:
获取各个物流商对应于各个运程的多个类集,每一类集包括多个聚类类别;
针对各个运程,从各个物流商的相应类集中确定出与所预计发货时间匹配的聚类类别作为该物流商的当前类别;获取所述当前类别下的价格均值作为各个物流商对应于相应运程的子价格。
6.跨境电商智能发货装置,其特征在于,包括:
第一获取单元,用于在检测到产品订单时,获取与所述产品订单匹配的多个候选物流方案以及各个候选物流方案的预测价格;
推荐单元,用于将各个候选物流方案及其预测价格显示于用户操作界面上;
选择单元,用于根据用户输入的选择指令,从各个候选物流方案中确定用户选中的目标物流方案及其目标预测价格;
创建单元,用于根据所述目标物流方案创建所述产品订单对应的当前物流订单;
第二获取单元,用于在检测到用户输入的针对所述当前物流订单的发货指令时,获取所述目标物流方案的当前价格;
第一计费单元,用于在所述当前价格与所述目标预测价格之间的价格差值达到差值阈值时,从所述当前价格和所述目标预测价格中确定出最小价格,将该最小价格作为所述当前物流订单的计费价格。
7.如权利要求6所述的跨境电商智能发货装置,其特征在于,还包括:
第二计费单元,用于在所述当前价格与所述目标预测价格之间的价格差值未达到差值阈值时,将所述目标预测价格作为所述当前物流订单的计费价格。
8.如权利要求6所述的跨境电商智能发货装置,其特征在于,还包括:
跟踪单元,用于在所述第一计费单元将该最小价格作为所述当前物流订单的计费价格之后,跟踪所述当前物流订单的实际物流数据;
确定单元,用于根据所述实际物流数据,确定所述当前物流订单对应的实际价格;
更新单元,用于根据所述实际价格,对所述目标物流方案的目标预测价格进行更新。
9.电子设备,其特征在于,包括存储有可执行程序代码的存储器以及与所述存储器耦合的处理器;所述处理器调用所述存储器中存储的所述可执行程序代码,用于执行权利要求1至5任一项所述的跨境电商智能发货方法。
10.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存储计算机程序,其中,所述计算机程序使得计算机执行权利要求1至5任一项所述的跨境电商智能发货方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211739826.0A CN116011912A (zh) | 2022-12-30 | 2022-12-30 | 跨境电商智能发货方法及装置、设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211739826.0A CN116011912A (zh) | 2022-12-30 | 2022-12-30 | 跨境电商智能发货方法及装置、设备、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116011912A true CN116011912A (zh) | 2023-04-25 |
Family
ID=86022706
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211739826.0A Pending CN116011912A (zh) | 2022-12-30 | 2022-12-30 | 跨境电商智能发货方法及装置、设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116011912A (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105389639A (zh) * | 2015-12-15 | 2016-03-09 | 上海汽车集团股份有限公司 | 基于机器学习的物流运输路径规划方法、装置及系统 |
CN107862531A (zh) * | 2016-09-22 | 2018-03-30 | 北京嘀嘀无限科技发展有限公司 | 一种预估价格校正方法及服务器 |
CN110073426A (zh) * | 2017-11-23 | 2019-07-30 | 北京嘀嘀无限科技发展有限公司 | 估计到达时间的系统和方法 |
CN111160665A (zh) * | 2019-12-31 | 2020-05-15 | 科技谷(厦门)信息技术有限公司 | 大件货物运输线路规划系统及方法 |
CN112686608A (zh) * | 2020-12-31 | 2021-04-20 | 车主邦(北京)科技有限公司 | 一种发布商品信息的方法及装置 |
CN112990810A (zh) * | 2021-02-05 | 2021-06-18 | 山东高速满易物流科技有限公司 | 一种物流运费报价方法及系统 |
CN113763100A (zh) * | 2021-01-06 | 2021-12-07 | 北京京东振世信息技术有限公司 | 一种订单处理方法和装置 |
CN113780956A (zh) * | 2021-09-18 | 2021-12-10 | 中国平安人寿保险股份有限公司 | 物流运费生成方法、装置、设备及存储介质 |
CN113869830A (zh) * | 2021-10-11 | 2021-12-31 | 广州品唯软件有限公司 | 一种运输方案推荐方法、装置、设备和可读存储介质 |
CN114219526A (zh) * | 2021-12-08 | 2022-03-22 | 国家能源集团新疆能源有限责任公司 | 一种提高煤炭订单稳定性的方法、系统和存储介质 |
CN114693004A (zh) * | 2022-05-30 | 2022-07-01 | 荣耀终端有限公司 | 物流优化方法和装置 |
CN114820003A (zh) * | 2021-01-18 | 2022-07-29 | 顺丰科技有限公司 | 定价信息异常识别方法、装置、电子设备及存储介质 |
-
2022
- 2022-12-30 CN CN202211739826.0A patent/CN116011912A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105389639A (zh) * | 2015-12-15 | 2016-03-09 | 上海汽车集团股份有限公司 | 基于机器学习的物流运输路径规划方法、装置及系统 |
CN107862531A (zh) * | 2016-09-22 | 2018-03-30 | 北京嘀嘀无限科技发展有限公司 | 一种预估价格校正方法及服务器 |
CN110073426A (zh) * | 2017-11-23 | 2019-07-30 | 北京嘀嘀无限科技发展有限公司 | 估计到达时间的系统和方法 |
CN111160665A (zh) * | 2019-12-31 | 2020-05-15 | 科技谷(厦门)信息技术有限公司 | 大件货物运输线路规划系统及方法 |
CN112686608A (zh) * | 2020-12-31 | 2021-04-20 | 车主邦(北京)科技有限公司 | 一种发布商品信息的方法及装置 |
CN113763100A (zh) * | 2021-01-06 | 2021-12-07 | 北京京东振世信息技术有限公司 | 一种订单处理方法和装置 |
CN114820003A (zh) * | 2021-01-18 | 2022-07-29 | 顺丰科技有限公司 | 定价信息异常识别方法、装置、电子设备及存储介质 |
CN112990810A (zh) * | 2021-02-05 | 2021-06-18 | 山东高速满易物流科技有限公司 | 一种物流运费报价方法及系统 |
CN113780956A (zh) * | 2021-09-18 | 2021-12-10 | 中国平安人寿保险股份有限公司 | 物流运费生成方法、装置、设备及存储介质 |
CN113869830A (zh) * | 2021-10-11 | 2021-12-31 | 广州品唯软件有限公司 | 一种运输方案推荐方法、装置、设备和可读存储介质 |
CN114219526A (zh) * | 2021-12-08 | 2022-03-22 | 国家能源集团新疆能源有限责任公司 | 一种提高煤炭订单稳定性的方法、系统和存储介质 |
CN114693004A (zh) * | 2022-05-30 | 2022-07-01 | 荣耀终端有限公司 | 物流优化方法和装置 |
Non-Patent Citations (1)
Title |
---|
保罗加莱奥内: "智能机器人技术:安保、巡逻、处置类警用机器人研究实践", 人民交通出版社, pages: 210 - 211 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104346372B (zh) | 用于评估预测模型的方法和装置 | |
Deepu et al. | Supply chain digitalization: An integrated MCDM approach for inter-organizational information systems selection in an electronic supply chain | |
US8280894B2 (en) | Method and system for maintaining item authority | |
US20090204881A1 (en) | Method and system for knowledge-based filling and verification of complex forms | |
US20060036504A1 (en) | Dynamically classifying items for international delivery | |
Sheu | A hybrid neuro-fuzzy analytical approach to mode choice of global logistics management | |
Ulutaş et al. | An application of fuzzy integrated model in green supplier selection | |
US20160171440A1 (en) | Method and system for freight management | |
CN114742484B (zh) | 信息技术服务需求的处理方法、系统、设备和介质 | |
CN107403345A (zh) | 畅销商品预测方法及系统、存储介质及电子终端 | |
US20230081485A1 (en) | Information processing device, information processing method and non-transitory computer-readable medium | |
CN110046928A (zh) | 确定标签的方法、装置、电子设备及可读存储介质 | |
CN116029637A (zh) | 跨境电商物流渠道智能推荐方法及装置、设备、存储介质 | |
CN115147144A (zh) | 数据处理方法及电子设备 | |
US20120209644A1 (en) | Computer-implemented system and method for facilitating creation of business plans and reports | |
CN116011912A (zh) | 跨境电商智能发货方法及装置、设备、存储介质 | |
US8671120B1 (en) | Method and system for manually maintaining item authority | |
KR101853555B1 (ko) | Sw 시장 정보 서비스 시스템 | |
CN115905958A (zh) | 一种虚假妥投行为的判别方法和装置 | |
CN110880119A (zh) | 一种数据处理方法和装置 | |
US20210065227A1 (en) | Information processing method and information processing apparatus | |
US20220327451A1 (en) | Resource management planning support device, resource management planning support method, and programs | |
CN112395528B (zh) | 文本标签判别方法、装置、电子设备及存储介质 | |
CN113935802A (zh) | 信息处理方法、装置、设备及存储介质 | |
CN112785234A (zh) | 货物推荐方法、装置、设备及存储介质 |
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 |