CN116245606A - 商品对象信息的分析、因果图生成方法、设备和介质 - Google Patents

Abstract

本申请实施例提供了商品对象信息的分析、因果图生成方法、设备和介质。所述方法包括：获取目标商品对象的商品关联信息，基于所述商品关联信息确定商品特征；依据所述商品特征生成商品特征因果图，其中，所述商品特征因果图以所述商品特征为节点，以商品特征间的关系信息建立节点间连线；依据所述商品特征因果图进行分析，确定目标商品对象的商品成长信息，其中，所述目标商品对象为所述商品特征因果图的终点特征。基于因果图能够确定商品对象各特征间的因果关系，进而能够准确分析目标商品对象的成长信息，提高分析效率和准确率。

Description

商品对象信息的分析、因果图生成方法、设备和介质

技术领域

本申请涉及计算机技术领域，特别是涉及一种商品对象信息的分析方法、一种商品特征因果图的生成方法、一种基于因果图的商品对象分析方法、一种电子设备和一种存储介质。

背景技术

电子商务网站能够给用户提供线上购物服务，商家用户在电子商务网站上开设有店铺，在店铺中销售商品对象，用户在电子商务网站中可以浏览各商家用户的商品对象，并采购自己所需的商品对象。

在电子商务网站上，商品对象通常是以销量、好评率等指标来评价商品的好坏。而不同商家用户销售同类商品对象时，往往销售情况不同，有些商家用户的商品对象销量较好，或者好评率较高，而有些商家用户的商品对象销量较差，或者好评率较低。另外，有些商家对象自己所销售的商品对象的销售情况也有好，有坏。

但是，对于商品对象的销量、好评率等指标的好坏难以分析成因，即难以准确确定造成商品对象的指标高低的原因。

因此，本领域技术人员亟待解决的一个技术问题在于：如何准确对商品对象的信息进行分析。

发明内容

本申请实施例提供了一种商品对象信息的分析方法，提高商品对象优化的效率。

相应的，本申请实施例还提供了一种商品特征因果图的生成方法、一种基于因果图的商品优化方法、一种电子设备和一种存储介质，用以保证上述系统的实现及应用。

为了解决上述问题，本申请实施例公开了一种商品对象信息的分析方法，所述方法包括：

获取目标商品对象的商品关联信息，基于所述商品关联信息确定商品特征；

依据所述商品特征生成商品特征因果图，其中，所述商品特征因果图以所述商品特征为节点，以商品特征间的关系信息建立节点间连线；

依据所述商品特征因果图进行分析，确定目标商品对象的商品成长信息，其中，所述目标商品对象为所述商品特征因果图的终点特征。

可选的，所述获取目标商品对象的商品关联信息，基于所述商品关联信息确定商品特征，包括：

获取目标商品对象的商品关联信息，所述商品关联信息包括以下至少一种：商品信息、用户行为信息和交易关联信息；

对所述商品关联信息进行特征提取，确定对应的商品特征。

可选的，所述依据所述商品特征生成商品特征因果图，包括：

分析两个商品特征之间因果关系，确定对应的关系信息；

以所述商品特征为节点，基于所述关系信息在两个商品特征对应的节点之间建立有向线段，生成对应的商品特征因果图。

可选的，所述分析两个商品特征之间因果关系，确定对应的关系信息，包括：

基于目标商品对象的先验知识信息，确定具有因果关系的两个商品特征，生成对应的关系信息，所述具有因果关系的两个商品特征包括：原因对应的商品特征和结果对应的商品特征。

可选的，所述基于所述关系信息在两个商品特征对应的节点之间建立有向线段，包括：

基于所述关系信息确定具有因果关系的两个商品特征；

创建从所述原因对应的商品特征对应节点指向所述结果对应的商品特征对应节点的有向线段。

可选的，还包括：计算商品特征因果图中两个节点之间边的置信度信息；基于所述置信度信息对所述商品特征因果图进行更新。

可选的，所述基于所述置信度信息对所述商品特征因果图进行更新，包括：

若所述置信度信息不满足置信度条件，则对所述商品特征因果图进行扩充，以更新所述商品特征因果图；

若所述置信度信息满足置信度条件，则输出所述商品特征因果图。

可选的，还包括：若多个商品特征指向同一目标商品特征，分析所述多个商品特征与目标商品特征之间的影响信息，确定作为关键影响因素的商品特征和作为次要影响因素的至少一个商品特征。

可选的，还包括：

获取待优化商品对象的商品信息；

基于所述商品成长信息和待优化商品对象的商品信息，确定待优化商品对象的优化方案。

可选的，所述依据所述商品特征因果图进行分析，确定目标商品对象的商品成长信息，包括：

基于所述商品特征因果图分析目标商品对象的因果路径；

基于所述因果路径和先验知识信息，确定目标商品对象的商品成长信息。

可选的，所述基于所述商品成长信息和待优化商品对象的商品信息，确定待优化商品对象的优化方案，包括：

依据待优化商品对象的商品信息，分析待优化商品对象的商品特征；

基于所述商品成长信息对所述商品特征进行分析，确定待调整的商品特征；

基于所述待调整的商品特征生成优化方案。

可选的，还包括：接收商家用户的优化请求；依据所述优化请求确定店铺信息，基于所述店铺信息确定至少一个待优化商品对象。

可选的，还包括：在商品对象优化完成后，基于所述商品关联信息进行回溯分析，确定商品对象的优化效果信息。

可选的，所述基于所述商品关联信息进行回溯分析，确定商品对象的优化效果信息，包括：

基于商品对象优化前后的商品关联信息进行对比分析，确定商品对象的优化效果信息。

可选的，还包括：将所述商品对象的优化效果信息反馈给对应的商家用户。

本申请实施例还提供了一种商品特征因果图的生成方法，所述方法包括：

获取商品对象的商品关联信息，基于所述商品关联信息确定商品特征；

分析两个商品特征之间因果关系，确定对应的关系信息。所述关系信息包括两个商品特征的因果关系；

以所述商品特征为节点，基于所述关系信息在两个商品特征对应的节点之间建立有向线段，生成对应的商品特征因果图。

本申请实施例还提供了一种基于因果图的商品对象分析方法，所述方法包括：

获取商品特征因果图，所述商品特征因果图以所述商品特征为节点，以商品特征间的关系信息建立节点间连线，所述商品特征基于商品对象的商品关联信息确定；

基于所述商品特征因果图分析目标商品对象的商品成长信息，其中，所述目标商品对象为所述商品特征因果图的终点特征；

基于所述商品成长信息，确定待优化商品对象的优化方案。

本申请实施例还提供了一种商品对象信息的分析方法，述方法包括：

获取商品对象的商品关联信息，基于所述商品关联信息确定商品特征，所述商品特征包括地域特征，所述地域特征为国家维度特征或地区维度特征；

依据所述商品特征生成国家维度或地区维度的商品特征因果图，其中，所述商品特征因果图以所述商品特征为节点，以商品特征间的关系信息建立节点间连线；

依据所述商品特征因果图进行分析，确定待优化商品对象对应国家维度或地区维度的优化方案。

本申请实施例还提供了一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；

所述存储器存储计算机执行指令；

所述处理器执行所述存储器存储的计算机执行指令，以实现如本申请实施例所述的方法。

本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如本申请实施例所述的方法。

与现有技术相比，本申请实施例包括以下优点：

本申请实施例中，获取目标商品对象的商品关联信息，基于所述商品关联信息确定商品特征，然后依据所述商品特征生成商品特征因果图，其中，所述商品特征因果图以所述商品特征为节点，以商品特征间的关系信息建立节点间连线，基于商品特征因果图可以确定满足要求的商品对象的商品特征之间的因果关系，依据所述商品特征因果图进行分析，目标商品对象的商品成长信息，其中，所述目标商品对象为所述商品特征因果图的终点特征，基于因果图能够确定商品对象各特征间的因果关系，进而能够准确分析目标商品对象的成长信息，提高分析效率和准确率。

附图说明

图1是本申请的一种商品对象信息的分析方法实施例的步骤流程图；

图2是本申请实施例的一种商品特征因果图示例的示意图；

图3是本申请的一种商品特征因果图的生成方法实施例的步骤流程图；

图4是本申请的一种基于因果图的商品对象分析方法实施例的步骤流程图；

图5是本申请的另一种商品对象信息的分析方法实施例的步骤流程图；

图6是本申请的另一种商品特征因果图的生成方法实施例的步骤流程图；

图7是本申请的另一种基于因果图的商品对象分析方法实施例的步骤流程图；

图8是本申请的另一种商品对象信息的分析方法实施例的步骤流程图；

图9是本申请一个实施例提供的示例性装置的结构示意图。

具体实施方式

为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。

本申请实施例可以应用于商品对象的分析场景中，基于商品对象的分析可以提供针对商品对象的改进策略、优化方案。可以应用于各种与商品对象相关的场景中，如针对商家对商家(Business-to-Business，B2B)交易模式的电子商务网站，可以对商家(或企业)的商品对象进行分析，并针对商品对象提供改进策略、优化方案，从而能够提高商品对象的质量，相应可提供交易情况如销售量等。当然，也可用在商家对客户(Business-to-Consumer，B2C)交易模式的电子商务网站中。

本申请实施例可基于商品对象的特征创建商品特征因果图，从而分析优质商品对象的成因，进而给其他商品对象提供改进策略、优化方案等。其中，因果图是用来表示变量之间连接概率的图模型,可用于描述多个变量之间相互的因果关系，因果图是一张有向无环图，可视化系统中不同变量之间的相互关系，图中每个节点代表一个特征，有向边的起点特征A对于终点特征B有因果性的影响作用。因果图适合于描述对于多种输入条件组合，根据输入条件的组合、约束关系和输出条件的因果关系，分析输入条件的各种组合情况。

参照图1，示出了本申请的一种商品对象信息的分析方法实施例的步骤流程图。

步骤102，获取目标商品对象的商品关联信息，基于所述商品关联信息确定商品特征。

获取目标商品对象的商品关联信息，该商品关联信息为与目标商品对象关联的各种信息，所述商品关联信息包括以下至少一种：商品信息、用户行为信息和交易关联信息。商品信息为商品对象对应的信息，如商品对象在电子商务网站上发布的信息，包括商品对象的商品页面以及在其他页面上发布的信息等。例如包括在首页、商品类目页的商品描述信息，又如发布在商品对象详情页面的商品描述信息等。用户行为信息为用户针对该商品对象的行为信息，如点击商品对象的图像、页面等，如浏览商品对象的详情页面以及停留时间，又如将商品对象加入购物车、购买商品对象等行为。交易关联信息为与商品对象的交易行为关联的信息，如商品对象的交易订单、交易订单关联的物流订单，以及商品对象对应的评价数据等，与交易相关的各项信息。其中，商品关联信息可以包括商品对象对应的文本、图像、音频、视频等多种资源的信息。可以针对不同的数据类型执行不同的特征提取处理，例如针对文本数据可以通过文本分析、自然语言分析等处理提取与商品对象相关的关键词作为商品特征，又如对于图像数据可通过图像识别等处理确定对应的商品特征等。

然后可以对商品关联信息进行特征提取，确定对应的商品特征。本申请实施例中，可以通过相应的特征提取模型、提取算法等对商品关联信息进行特征提取，确定对应的商品特征，商品特征的类型包括以下至少一种：需求类、资源类、品质类和交易体验类。其中，需求类特征为对商品对象对应的需求的特征，如针对商品对象的搜索特征，如搜索关键词，以及市场需求相关的特征等。资源类特征为商品对象对应消耗的资源特征，如价格或价格的高低、价格水平等。品质类特征为体现商品对象的品质的特征，如商品对象的认证证书等。交易体验类特征为商品对象的交易相关的特征，如交易数量，交易评价数据等特征。从而能够提取各种类型的商品特征，便于在后续分析中使用。

在一个实施例中，可以应用于电子商务网站，如B2B网站、B2C网站等。以B2C网站为例，买家用户对于商品对象的关注点以个人兴趣为主，因此可结合用户行为等分析商品特征。又如以B2B网站为例，B类商家用户在采购流程中会更加慎重，关注点更全面，因此可以针对B类商家用户在查找商品对象和挑选商品对象环节中的重要关注特征进行梳理与数据采集，确定商品特征。

本申请另外一些可选实施例中，还可基于商品对象的行业特征分析商品特征。其中，由于行业间存在差异性，比如机械与服装，在通用的商品对象的商品特征基础之上，也可以根据买家需求不同，建立行业化商品特征画像。例如，服装的商品特征可对应季节、材质、流行元素、样式等分析确定，而机械设备的商品特征可对应商品型号、设备类型、认证证书等分析确定。

步骤104，依据所述商品特征生成商品特征因果图，其中，所述商品特征因果图以所述商品特征为节点，以商品特征间的关系信息建立节点间连线。

本申请实施例基于因果图生成算法，以商品特征为输入，产出描述商品特征与商品效果的因果结构的商品特征因果图。计算商品特征之间的因果关系，例如商品曝光，点击查看之后才会访问详情页面，因此“商品曝光”—“点击查看”—“访问详情页面”等商品特征之间就有因果关系。可分析各商品特征之间的因果关系，确定具有因果关系的商品特征，从而构建商品特征因果图。

其中，所述依据所述商品特征生成商品特征因果图，包括：分析两个商品特征之间因果关系，确定对应的关系信息；以所述商品特征为节点，基于所述关系信息在两个商品特征对应的节点之间建立有向线段，生成对应的商品特征因果图。所述分析两个商品特征之间因果关系，确定对应的关系信息，包括：基于商品对象的先验知识信息，确定具有因果关系的两个商品特征，生成对应的关系信息，所述具有因果关系的两个商品特征包括：原因对应的商品特征和结果对应的商品特征。所述基于所述关系信息在两个商品特征对应的节点之间建立有向线段，包括：基于所述关系信息确定具有因果关系的两个商品特征；创建从所述原因对应的商品特征对应节点指向所述结果对应的商品特征对应节点的有向线段。关系信息包括：商品特征间的因果关系。

可以确定商品对象的先验知识信息，该先验知识信息指的是基于在先经验所确定的指示信息，商品对象的先验知识信息可基于在先的商品对象的处理逻辑、经验信息等确定。如上述商品对象在商品曝光后，点击查看，然后进入访问详情页面为基于商品对象的处理逻辑的先验知识信息，又如，商品对象在访问详情页面之后，可以点击加入购物车，然后下单购买，是基于处理逻辑以及经验确定的先验知识信息，又如，商品曝光和详情页访问是商品下单的前提，是基于经验确定的先验知识信息。基于先验知识信息确定因果关系，可以减少数据中的噪声影响对最终结果带来的偏差。并且，这些先验知识信息在基于统计数据以及假设检验的因果图生成过程中将作为起始和约束条件。即可基于先验知识信息确定商品特征之间的因果关系，基于因果关系可确定出因果图的起始节点，其中，起始节点可为多个，还可作为约束条件，确定特征之间的指向关系。

因此可基于商品对象的先验知识信息，确定两个商品对象之间的因果关系。还可基于先验知识信息确定两个商品特征之间的因果关系的关系信息，如因果关系的权重等信息，从而能够确定两者的因果关系的高低。其中，两个商品特征的因果关系中，一个商品特征为因(原因)，一个商品特征为果(结果)，由原因导致结果，因此具有因果关系的两个商品特征之间具有由因到果的指向关系。因此，在确定出两个商品对象的因果关系后，可以基于因果关系创建商品特征因果图。将各商品特征作为节点，基于关系信息确定具有因果关系的两个商品特征，以及两个商品特征对应的节点，在两个节点之间的有向线段，即从所述原因对应的商品特征对应节点指向所述结果对应的商品特征对应节点的有向线段，例如该有向线段的箭头方向由因指向果。从而能够确定出作为起点的一个或多个节点，并且确定出各节点之间的指向关系。本申请实施例中，可预先确定出商品特征因果图的终点特征即输出结果，例如为优质商品对象。其中，优质商品对象可为满足预定需求的商品对象，例如销售数量满足销售阈值等，可基于需求设置。可将商品特征因果图的终点特征对应商品对象作为目标商品对象。

在另外一些实施例中，还可根据因果发现算法，计算各商品特征之间的置信度信息，基于置信度信息生成因果图。

在生成商品特征因果图之后，为了保证商品特征因果图能够体现所需的结果，在各个行业下能够有较好的针对性，从叶子节点作为数据范围开始迭代。一个可选实施例中，计算商品特征因果图中两个节点之间边的置信度信息；基于所述置信度信息对所述商品特征因果图进行更新。根据因果发现算法，可以计算因果图中各节点之间边的置信度信息，即基于因果发现算法，在因果发现过程中的各条边的假设检验置信度。其中，置信度用于通过数据计算出的该因果关系在多大程度上应该是真实存在的。因此基于置信度信息可以指导在生成的因果图的泛化性和针对性中取得比较好的平衡。其中，因果发现指的是将商品特征作为因果变量，发现因果变量之间的因果关系，通过置信度衡量因果关系的程序。例如，通过因果发现确定在变量A自主变化时，变量B的值随着变量A的值变化，可以确定变量A和B之间存在因果关系。如图2所示的一种商品特征因果图，商品特征至少包括：特征1-特征8，商品曝光和详情页访问，该商品特征因果图的终点特征为目标商品对象。两个商品特征对应节点之间有向线段对应的数字为两个商品特征的置信度信息。

可基于因果发现算法计算商品特征因果图中两个节点之间边的置信度信息，即两个节点对应商品特征之间的置信度信息，可以计算两个商品特征之间的关联性，确定对应的置信度信息。然后可基于该置信度信息对所述商品特征因果图进行更新。其中，可设置置信度条件，该置信度条件为商品特征因果图的满足的条件，如满足的置信度阈值等。可以判断置信度信息是否满足置信度条件；若所述置信度信息不满足置信度条件，则对所述商品特征因果图进行扩充，以更新所述商品特征因果图；若所述置信度信息满足置信度条件，则输出所述商品特征因果图。

对于置信度信息不满足置信度条件的情况，可以对商品特征因果图进行扩充，即扩充商品特征，进而扩充商品特征因果图中的商品特征对应的节点。可基于商品对象的类别、行业等扩展商品特征，并基于因果发现算法计算与商品特征因果图中其他节点对应商品特征之间的因果关系及置信度信息，直到置信度信息符合置信度条件。所述对所述商品特征因果图进行扩充，以更新所述商品特征因果图，包括：确定所述商品对象对应的行业信息和/或类别信息，基于所述行业信息和/或类别信息确定商品特征；将所述商品特征作为节点加入到所述商品特征因果图中；确定与其他节点对应商品特征的关系信息，基于所述关系信息建立与其他节点的有向线段。对于商品特征因果图中置信度信息不符合置信度条件的因果关系，如置信度信息低于置信度阈值，可将扩大所用数据涵盖的商品类目范围，直到生成的商品特征因果图的置信度符合要求，或者所用数据已经涵盖了一级行业下所有商品。在另外一些实施例中，对于置信度信息不符合置信度条件的因果关系，可结合需求判断因果关系合理性。

在另外一些可选实施例中，若多个商品特征指向同一目标商品特征，分析所述多个商品特征与目标商品特征之间的影响信息，确定作为关键影响因素的商品特征和作为次要影响因素的至少一个商品特征。如图2所示的示例中，特征4和特征5均指向特征详情页访问，因此需要确定出特征4、特征5中哪个是特征详情页访问的关键影响因素。在一个实施例中，可基于置信度信息确定影响信息，若某一商品特征的置信度信息高于其他商品特征的置信度信息，可以将该商品特征作为关键影响因素，将其他商品特征作为次要影响因素。另外一些实施例中，可以分别计算各原因商品特征指向结果商品特征的贡献值Shapley，其中，Shapley值是一种量化反映数据中某个特征对于特定目标特征的预测能力的指数，常用来衡量特定统计任务中的特征重要性。从而基于贡献值的多少确定作为关键影响因素的商品特征和作为次要影响因素的至少一个商品特征。

基于上述迭代过程，可以得到符合需求的商品特征因果图，输出相应的目标商品对象，如优质商品对象等。

步骤106，依据所述商品特征因果图进行分析，确定目标商品对象的商品成长信息，其中，所述目标商品对象为所述商品特征因果图的终点特征。

在得到符合需求的商品特征因果图之后，可以基于该商品特征因果图分析成为目标商品对象所具有的商品特征，还可以结合对象的先验知识等提供对其他商品对象的优化方案。

一个可选实施例中，依据所述商品特征因果图进行分析，确定优化商品对象的优化方案，包括：基于所述商品特征因果图分析目标商品对象的商品成长信息，其中，所述目标商品对象为所述商品特征因果图的终点特征；基于所述商品成长信息，确定待优化商品对象的优化方案。所述商品成长信息为商品对象成长为目标商品对象所需的各项信息，其中，商品特征因果图最终指向同一个节点，即终点节点，终点节点对应的特征就是终点特征，目标商品对象为商品特征因果图的终点特征，目标商品对象为符合需求的商品对象，如销售数量达到销售阈值，又如好评率达到好评率阈值等。因此可基于商品特征因果图分析成为目标商品对象对应所需的各项商品特征，得到对应的商品成长信息。然后可基于商品成长信息对待优化商品对象进行分析，确定其需要加强、补充的商品特征等信息，得到对应的优化方案。其中，优化方案为对待优化商品对象进行优化的方案，其可以基于需要优化的商品特征等提供优化建议，从多种商品特征的维度进行商品对象的优化。从而能够基于因果图有针对性的对商品对象进行优化，提高商品对象的优化效率，并且结合因果分析，能够提高优化的准确率。

一个可选实施例中，所述基于所述商品特征因果图进行分析，确定目标商品对象的商品成长信息，包括：基于所述商品特征因果图分析目标商品对象的因果路径；基于所述因果路径和先验知识信息，确定目标商品对象的商品成长信息。基于所述商品特征因果图确定达到目标商品对象至少一条因果路径。如图2的示例中，一条因果路径为特征3—商品曝光—特征4—详情页访问—特征7—目标商品对象。另一条因果路径为特征3—特征6—目标商品对象，或者特征4—特征5—特征8—目标商品对象等。在获取到因果路径之后，结合先验知识信息，对因果路径进行分析，得到对应的商品成长信息。一些实施例中，可以确定因果路径中节点对应商品特征，结合先验知识信息对因果路径各商品特征及关联性进行描述，得到对应的商品成长信息。例如可基于因果图以及先验知识信息，归纳影响该行业下商品成长的关键因素和演化路径，例如美容护肤行业的商品对象，需要有完备的商品信息，符合市场趋势的功能，以及验证真伪的行业证书等。

本申请实施例中，对于商品对象的优化可基于商家的维度执行。在商家用户确定自家商品对象需要优化时，可以发送优化请求给服务端。接收商家用户的优化请求；依据所述优化请求确定店铺信息，基于所述店铺信息确定至少一个待优化商品对象。一些示例中，商家用户可直接发送待优化商品对象，另外一些示例中，有些商家用户不清楚哪些商品对象需要优化，因此可直接发送店铺信息给服务端。服务端基于优化请求可确定店铺信息或待优化商品对象，对于确定店铺信息的情况下，可基于该店铺信息确定至少一个待优化商品对象，例如基于销量、好评率等确定待优化商品对象。

所述基于所述商品成长信息，确定待优化商品对象的优化方案，包括：分析待优化商品对象的商品特征；基于所述商品成长信息对所述商品特征进行分析，确定待调整的商品特征；基于所述待调整的商品特征生成优化方案。对于待优化商品对象，可以通过特征提取确定对应的商品特征，然后采用该商品特征与商品成长信息进行匹配，确定该商品对象所具有的商品特征、缺乏的商品特征以及需要改进的商品特征，其中，需要改进的商品特征指的是具有该商品特征，然而商品特征不能达到特征要求，如具有部分商品信息但不够全面，即商品信息的丰富度不够。可基于缺乏的商品特征以及需要改进的商品特征确定待调整的商品特征，基于该待调整的商品特征生成商品对象的优化建议，基于优化建议生成对应的优化方案。从而对于商家用户所销售的各商品对象，能够根据商品成长信息进行分析，得到商品对象的诊断优化方案。

本申请实施例中，商家用户可基于优化方案对商品对象进行优化，例如提供更详细的商品信息，如多角度的商品图像，又如提供商品对象的认证证书等。在商品对象优化一段时间后，可回溯分析，为商品对应的核心指标的变化进行归因。其中，回溯分析是追踪决策时对原决策所进行的分析。因此可在商品对象优化完成后，基于所述商品关联信息进行回溯分析，确定商品对象的优化效果信息。所述基于所述商品关联信息进行回溯分析，确定商品对象的优化效果信息，包括：基于商品对象优化前后的商品关联信息进行对比分析，确定商品对象的优化效果信息。可以获取商品对象优化前的第一商品关联信息，以及商品对象优化完成指定时间段之后的第二商品关联信息，将第一商品关联和第二商品关联信息进行对比分析，如通过双重差分法进行分析，确定商品对象的核心指标变化的原因。其中，核心指标为该商品对象优化的指标，例如为目标商品对象的条件，如销量，好评率等。还可以将第一商品关联和第二商品关联信息分别进行特征提取之后，基于对应的第一商品特征和第二商品特征进行对比分析，从而确定特征对变化指标的影响，从而分析该商品对象的优化效果，得到对应的优化效果信息。优化效果信息包括正向效果和负向效果，正向效果为商品对象得到优化的效果，例如商品对应的证书的添加，商品对象的商品信息的丰富提高销量等。负向效果为商品对象未得到优化或者相应指标表变差的效果。其中，对于具有正向效果的商品，对正向效果连同归因反馈给商家用户，加强商家用户对商品成长关键信息的认知，后续新产品对象上架可自行优化等。

在另外一些实施例中，基于优化效果信息还可调整商品特征之间的置信度，进而调整商品特征因果图，提高商品特征因果图的准确性。

综上，获取目标商品对象的商品关联信息，基于所述商品关联信息确定商品特征，然后依据所述商品特征生成商品特征因果图，其中，所述商品特征因果图以所述商品特征为节点，以商品特征间的关系信息建立节点间连线，基于商品特征因果图可以确定满足要求的商品对象的商品特征之间的因果关系，依据所述商品特征因果图进行分析，目标商品对象的商品成长信息，其中，所述目标商品对象为所述商品特征因果图的终点特征，基于因果图能够确定商品对象各特征间的因果关系，进而能够准确分析目标商品对象的成长信息，提高分析效率和准确率。

在上述实施例的基础上，本申请实施例还提供了一种商品对象信息的分析方法，能够结合商品对象的各类型特征，分析商品特征因果图。

参照图3，示出了本申请的一种商品特征因果图的生成方法实施例的步骤流程图。

步骤302，获取商品对象的商品关联信息，所述商品关联信息包括以下至少一种：商品信息、用户行为信息和交易关联信息。

步骤304，对所述商品关联信息进行特征提取，确定对应的商品特征。

步骤306，分析两个商品特征之间因果关系，确定对应的关系信息。

其中，所述分析两个商品特征之间因果关系，确定对应的关系信息，包括：基于商品对象的先验知识信息，确定具有因果关系的两个商品特征，生成对应的关系信息，所述具有因果关系的两个商品特征包括：原因对应的商品特征和结果对应的商品特征。

步骤308，以所述商品特征为节点，基于所述关系信息在两个商品特征对应的节点之间建立有向线段，生成对应的商品特征因果图。

所述基于所述关系信息在两个商品特征对应的节点之间建立有向线段，包括：基于所述关系信息确定具有因果关系的两个商品特征；创建从所述原因对应的商品特征对应节点指向所述结果对应的商品特征对应节点的有向线段。

步骤310，计算商品特征因果图中两个节点之间边的置信度信息。

步骤312，基于所述置信度信息对所述商品特征因果图进行更新。

所述基于所述置信度信息对所述商品特征因果图进行更新，包括：若所述置信度信息不满足置信度条件，则对所述商品特征因果图进行扩充，以更新所述商品特征因果图；若所述置信度信息满足置信度条件，则输出所述商品特征因果图。

若多个商品特征指向同一目标商品特征，分析所述多个商品特征与目标商品特征之间的影响信息，确定作为关键影响因素的商品特征和作为次要影响因素的至少一个商品特征。

本申请实施例中，对于商品特征因果图可在服务端生成，例如在云服务端确定目标商品对象并分析得到对应的商品特征因果图，从而为后续基于商品特征因果图的分析提供数据基础。

本申请实施例利用因果推断能力挖掘目标商品对象所具有的商品特征，能够配合行业、类目对应的专业先验知识，构建行业化的优质商品的因果图。

在上述实施例的基础上，本申请实施例还提供了一种商品对象信息的分析方法，能够基于商品特征因果图，提供商品对象的优化方案，能够在提升商品对象表现的同时增强商家用户对行业的认知，提升商家用户自主运营的能力。

参照图4，示出了本申请的一种基于因果图的商品对象分析方法实施例的步骤流程图。

步骤402，基于所述商品特征因果图分析目标商品对象的商品成长信息，其中，所述目标商品对象为所述商品特征因果图的终点特征。

所述基于所述商品特征因果图分析目标商品对象的商品成长信息，包括：基于所述商品特征因果图分析目标商品对象的因果路径；基于所述因果路径和先验知识信息，确定目标商品对象的商品成长信息。

步骤404，基于所述商品成长信息，确定待优化商品对象的优化方案。

所述基于所述商品成长信息，确定待优化商品对象的优化方案，包括：分析待优化商品对象的商品特征；基于所述商品成长信息对所述商品特征进行分析，确定待调整的商品特征；基于所述待调整的商品特征生成优化方案。

步骤406，在商品对象优化完成后，基于所述商品关联信息进行回溯分析，确定商品对象的优化效果信息。

所述基于所述商品关联信息进行回溯分析，确定商品对象的优化效果信息，包括：基于商品对象优化前后的商品关联信息进行对比分析，确定商品对象的优化效果信息。

步骤408，将所述商品对象的优化效果信息反馈给对应的商家用户。

能够基于商品特征因果图可解释性强的优势，自动化为商家用户店铺中商品对象提供针对性的优化方案。并且能够，及时的对商家用户给予正向反馈，加深商家用户的理解和信任，助力商家用户自驱式的成长。

在本申请的一些实施例中，对于商品对象的优化分析可在服务端执行，如云服务端、电子商务网站的服务端等，另外一些示例中，也可设置用户的操作页面和应用程序(Application，APP)，用户可现在页面内上传商品对象的各种关联信息，如商品对象的商品标识、页面地址等，进而基于商品特征因果图结合商品对象的商品关联信息分析该商品对象的优化方案，并将优化方案的各种优化建议在页面中提供给商家用户。例如优化方案中各种需要优化的内容以及优化建议，还可提供相应的示例，例如某商品对象的相应页面关于商品对象各角度的图像、对于商品对象的描述等。从而便于商家用户基于该优化方案进行优化。

在上述实施例的基础上，本申请实施例以B2B跨境场景为例，提供商品对象信息的分析方法。由于B2B跨境交易链路长、复杂性高，B类买家采购标准更高，关注点更广。本申请实施例为了解决B类采购商品不确定性因素，以及提高网站内整体优质商品的结构，从买家用户的需求出发，基于商品特征因果图确定的优质商品标准，并针对性的对商家进行引导，提升网站整体商品竞争力。

参照图5，示出了本申请的另一种商商品对象信息的分析方法实施例的步骤流程图。

步骤502，获取商品对象的商品关联信息，基于所述商品关联信息确定商品特征，所述商品特征包括地域特征。

在B2B跨境场景，获取B2B跨境电子商务网站中商品对象的商品关联信息，然后可基于商品关联信息进行特征提取，确定对应的商品特征，所述商品特征包括地域特征，该地域特征可为国家(或地区)维度的特征。所述获取商品对象的商品关联信息，基于所述商品关联信息确定商品特征，包括：获取商品对象的商品关联信息，所述商品关联信息包括以下至少一种：商品信息、用户行为信息和交易关联信息；对所述商品关联信息进行特征提取，确定对应的商品特征。

其中，在对商品关联信息进行特征提取时，可先以商品对象的维度提取，获取相应的商品特征。再结合地域维度进行分析，确定与国家(或地区)维度相关的商品特征，例如可结合国家(或地区)维度对商品信息进行特征提取，确定与国家(或地区)维度关联的商品特征。例如在服装行业中，不同国家(如美国和韩国)、不同地区(如欧美地区和亚洲地区)的码数标准和尺寸需求不同。

步骤504，分析两个商品特征之间因果关系，确定对应的关系信息。

所述分析两个商品特征之间因果关系，确定对应的关系信息，包括：基于商品对象的先验知识信息，确定具有因果关系的两个商品特征，生成对应的关系信息，所述具有因果关系的两个商品特征包括：原因对应的商品特征和结果对应的商品特征。

该先验知识信息也可结合国家(或地区)维度进行设置，例如不同国家对于商品对象的不同关注点，如有些国家(或地区)更关注商品信息的全面性，有些国家(或地区)更关注产品的价格，有些更关注商品对象的质量等，不同关注点导致处理逻辑的变化，例如更关注价格的可能在商品曝光后就基于价格确定是否继续操作，关注商品对象的质量的情况，需要访问详情页等。

步骤506，以所述商品特征为节点，基于所述关系信息在两个商品特征对应的节点之间建立有向线段，生成对应国家维度或地区维度的商品特征因果图。

所述基于所述关系信息在两个商品特征对应的节点之间建立有向线段，包括：基于所述关系信息确定具有因果关系的两个商品特征；创建从所述原因对应的商品特征对应节点指向所述结果对应的商品特征对应节点的有向线段。

在B2B跨境场景下，可以针对不同的国家(或地区)生成对应的商品特征因果图，从而能够针对相应的国家(或地区)，使用相应的商品特征因果图进行商品对象的分析和优化建议。

步骤508，计算商品特征因果图中两个节点之间边的置信度信息。

步骤510，基于所述置信度信息对所述商品特征因果图进行更新。

所述基于所述置信度信息对所述商品特征因果图进行更新，包括：若所述置信度信息不满足置信度条件，则对所述商品特征因果图进行扩充，以更新所述商品特征因果图；若所述置信度信息满足置信度条件，则输出所述商品特征因果图。

若多个商品特征指向同一目标商品特征，分析所述多个商品特征与目标商品特征之间的影响信息，确定作为关键影响因素的商品特征和作为次要影响因素的至少一个商品特征。

步骤512，基于国家维度或地区维度的商品特征因果图分析目标商品对象的商品成长信息，其中，所述目标商品对象为所述商品特征因果图的终点特征。

所述基于所述商品特征因果图分析目标商品对象的商品成长信息，包括：基于所述商品特征因果图分析目标商品对象的因果路径；基于所述因果路径和先验知识信息，确定目标商品对象的商品成长信息。

步骤514，基于所述商品成长信息，确定待优化商品对象的国家维度或地区维度的优化方案。

所述基于所述商品成长信息，确定待优化商品对象的国家维度或地区维度优化方案，包括：分析待优化商品对象的商品特征；基于所述商品成长信息对所述商品特征进行分析，确定待调整的商品特征；基于所述待调整的商品特征生成国家维度或地区维度优化方案。

可基于商家所销售商品对象的国家维度或地区维度，获取对应的商品特征因果图，进而分析目标商品对象在对应国家维度或地区维度的商品成长信息，进而分析待优化商品对象的国家维度或地区维度的优化方案。从而对于商家用户，可以在不同的国家或地区执行不同的优化方案，适应地域特征和需求，优化商品对象，如提高商品对象的销售量等。

步骤516，在商品对象优化完成后，基于所述商品关联信息进行回溯分析，确定商品对象的优化效果信息。

可接收商家用户的优化请求；依据所述优化请求确定店铺信息，基于所述店铺信息确定至少一个待优化商品对象。所述基于所述商品关联信息进行回溯分析，确定商品对象的优化效果信息，包括：基于商品对象优化前后的商品关联信息进行对比分析，确定商品对象的优化效果信息。

步骤518，将所述商品对象的优化效果信息反馈给对应的商家用户。

本申请实施例可以基于商品对象的成长周期的数据驱动分析，并利用因果模型可解释性强的优势，及时的对商家用户给予正向反馈，加深商家用户对模型的理解和信任，助力商家用户自驱式的成长。

本申请实施例中，利用因果分析的底层数据能力配合了行业、类目运营的专业先验知识，构建B类跨境行业化商品特征因果图。并且能够根据先验特征，指导商品对象的运营与优化。其中，可通过商品特征因果图，自动化为商家对象的店铺中商品提供针对性的优化方案。

在上述各实施例的基础上，本申请实施例还提供了一种商品特征因果图的生成方法，如图6所示：

步骤602，获取商品对象的商品关联信息，基于所述商品关联信息确定商品特征。

所述获取商品对象的商品关联信息，基于所述商品关联信息确定商品特征，包括：获取商品对象的商品关联信息，所述商品关联信息包括以下至少一种：商品信息、用户行为信息和交易关联信息；对所述商品关联信息进行特征提取，确定对应的商品特征。

步骤604，分析两个商品特征之间因果关系，确定对应的关系信息。所述关系信息包括两个商品特征的因果关系。

所述分析两个商品特征之间因果关系，确定对应的关系信息，包括：基于商品对象的先验知识信息，确定具有因果关系的两个商品特征，生成对应的关系信息，所述具有因果关系的两个商品特征包括：原因对应的商品特征和结果对应的商品特征。

步骤606，以所述商品特征为节点，基于所述关系信息在两个商品特征对应的节点之间建立有向线段，生成对应的商品特征因果图。

所述基于所述关系信息在两个商品特征对应的节点之间建立有向线段，包括：基于所述关系信息确定具有因果关系的两个商品特征；创建从所述原因对应的商品特征对应节点指向所述结果对应的商品特征对应节点的有向线段。

还包括：计算商品特征因果图中两个节点之间边的置信度信息；基于所述置信度信息对所述商品特征因果图进行更新。

所述基于所述置信度信息对所述商品特征因果图进行更新，包括：若所述置信度信息不满足置信度条件，则对所述商品特征因果图进行扩充，以更新所述商品特征因果图；若所述置信度信息满足置信度条件，则输出所述商品特征因果图。

其中，若多个商品特征指向同一目标商品特征，分析所述多个商品特征与目标商品特征之间的影响信息，确定作为关键影响因素的商品特征和作为次要影响因素的至少一个商品特征。

在上述各实施例的基础上，本申请实施例还提供了一种基于因果图的商品对象分析方法，如图7所示：

步骤702，获取商品特征因果图，所述商品特征因果图以所述商品特征为节点，以商品特征间的关系信息建立节点间连线，所述商品特征基于商品对象的商品关联信息确定。

步骤704，基于所述商品特征因果图分析目标商品对象的商品成长信息，其中，所述目标商品对象为所述商品特征因果图的终点特征。

所述基于所述商品特征因果图分析目标商品对象的商品成长信息，包括：基于所述商品特征因果图分析目标商品对象的因果路径；基于所述因果路径和先验知识信息，确定目标商品对象的商品成长信息。

步骤706，基于所述商品成长信息，确定待优化商品对象的优化方案。

所述基于所述商品成长信息，确定待优化商品对象的优化方案，包括：分析待优化商品对象的商品特征；基于所述商品成长信息对所述商品特征进行分析，确定待调整的商品特征；基于所述待调整的商品特征生成优化方案。

还包括：接收商家用户的优化请求；依据所述优化请求确定店铺信息，基于所述店铺信息确定至少一个待优化商品对象。

还包括：在商品对象优化完成后，基于所述商品关联信息进行回溯分析，确定商品对象的优化效果信息。

所述基于所述商品关联信息进行回溯分析，确定商品对象的优化效果信息，包括：基于商品对象优化前后的商品关联信息进行对比分析，确定商品对象的优化效果信息。

还包括：将所述商品对象的优化效果信息反馈给对应的商家用户。

在上述各实施例的基础上，本申请实施例还提供了一种商品对象信息的分析方法，如图8所示：

步骤802，获取商品对象的商品关联信息，基于所述商品关联信息确定商品特征，所述商品特征包括地域特征，所述地域特征为国家维度特征或地区维度特征。

所述获取商品对象的商品关联信息，基于所述商品关联信息确定商品特征，包括：获取商品对象的商品关联信息，所述商品关联信息包括以下至少一种：商品信息、用户行为信息和交易关联信息；对所述商品关联信息进行特征提取，确定对应的商品特征。

步骤804，依据所述商品特征生成国家维度或地区维度的商品特征因果图，其中，所述商品特征因果图以所述商品特征为节点，以商品特征间的关系信息建立节点间连线。

所述依据所述商品特征生成国家维度或地区维度商品特征因果图，包括：分析两个商品特征之间因果关系，确定对应的关系信息；以所述商品特征为节点，基于所述关系信息在两个商品特征对应的节点之间建立有向线段，生成对应国家维度或地区维度的商品特征因果图。

所述分析两个商品特征之间因果关系，确定对应的关系信息，包括：基于商品对象的先验知识信息，确定具有因果关系的两个商品特征，生成对应的关系信息，所述具有因果关系的两个商品特征包括：原因对应的商品特征和结果对应的商品特征。

所述基于所述关系信息在两个商品特征对应的节点之间建立有向线段，包括：基于所述关系信息确定具有因果关系的两个商品特征；创建从所述原因对应的商品特征对应节点指向所述结果对应的商品特征对应节点的有向线段。

还计算商品特征因果图中两个节点之间边的置信度信息；基于所述置信度信息对所述商品特征因果图进行更新。

所述基于所述置信度信息对所述商品特征因果图进行更新，包括：若所述置信度信息不满足置信度条件，则对所述商品特征因果图进行扩充，以更新所述商品特征因果图；若所述置信度信息满足置信度条件，则输出所述商品特征因果图。

若多个商品特征指向同一目标商品特征，分析所述多个商品特征与目标商品特征之间的影响信息，确定作为关键影响因素的商品特征和作为次要影响因素的至少一个商品特征。

步骤806，依据所述商品特征因果图进行分析，确定待优化商品对象对应国家维度或地区维度的优化方案。

所述依据所述商品特征因果图进行分析，确定优化商品对象对应国家维度或地区维度的优化方案，包括：

基于所述商品特征因果图分析目标商品对象的商品成长信息，其中，所述目标商品对象为所述商品特征因果图的终点特征；基于所述商品成长信息，确定待优化商品对象对应国家维度或地区维度的优化方案。

所述基于所述商品特征因果图分析目标商品对象的商品成长信息，包括：基于所述商品特征因果图分析目标商品对象的因果路径；基于所述因果路径和先验知识信息，确定目标商品对象的商品成长信息。

所述基于所述商品成长信息，确定待优化商品对象对应国家维度或地区维度的优化方案，包括：分析待优化商品对象的商品特征；基于所述商品成长信息对所述商品特征进行分析，确定待调整的商品特征；基于所述待调整的商品特征生成对应国家维度或地区维度优化方案。

还接收商家用户的优化请求；依据所述优化请求确定店铺信息，基于所述店铺信息确定至少一个待优化商品对象。

在商品对象优化完成后，基于所述商品关联信息进行回溯分析，确定商品对象的优化效果信息。

所述基于所述商品关联信息进行回溯分析，确定商品对象的优化效果信息，包括：基于商品对象优化前后的商品关联信息进行对比分析，确定商品对象的优化效果信息。

还将所述商品对象的优化效果信息反馈给对应的商家用户。

本申请实施例能够利用因果推断结合行业经验的方式，挖掘了行业差异化、国家、地区差异化的多维商品特征。

并且，生成了以成为目标商品对象作为目标的商品成长信息。在商品成长信息中每个商品特征上都有易于理解和归因，并且切实可行的商品对象的成长目标，作为商家用户的目标的可执行力、可落地性强。

并且能够辅以适时的后验正反馈，同时结合因果图可解释性强、易于归因的优势，能够提升商品对象表现的同时增强商家用户对行业的认知，提升商家自主运营的能力。

需要说明的是，本申请实施例中可能会涉及到对用户数据的使用，在实际应用中，可以在符合所在国的适用法律法规要求的情况下(例如，用户明确同意，对用户切实通知，等)，在适用法律法规允许的范围内在本文描述的方案中使用用户特定的个人数据。本申请实施例中所述地域指的是一定的区域范围、地理范围或地区范围等，并不特意限定某一指定地域。并且对于地域数据的获取也是在符合所在国的适用法律法规要求的情况下(例如，用户明确同意，对用户切实通知，等)，在适用法律法规允许的范围内在本文描述的方案中使用。

需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请实施例并不受所描述的动作顺序的限制，因为依据本申请实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本申请实施例所必须的。

在上述实施例的基础上，本实施例还提供了一种商品对象信息的分析装置，应用于客户端设备、服务端设备等电子设备中，所述装置包括：

特征分析模块，用于获取商品对象的商品关联信息，基于所述商品关联信息确定商品特征；

因果图生成模块，用于依据所述商品特征生成商品特征因果图，其中，所述商品特征因果图以所述商品特征为节点，以商品特征间的关系信息建立节点间连线；

商品优化模块，用于依据所述商品特征因果图进行分析，确定待优化商品对象的优化方案。

综上，获取商品对象的商品关联信息，基于所述商品关联信息确定商品特征，然后依据所述商品特征生成商品特征因果图，其中，所述商品特征因果图以所述商品特征为节点，以商品特征间的关系信息建立节点间连线，基于商品特征因果图可以确定满足要求的商品对象的商品特征之间的因果关系，依据所述商品特征因果图进行分析，确定待优化商品对象的优化方案，从而能够有针对性的对商品对象进行优化，提高商品对象的优化效率，并且结合因果分析，能够提高优化的准确率。

所述特征分析模块，用于获取商品对象的商品关联信息，所述商品关联信息包括以下至少一种：商品信息、用户行为信息和交易关联信息；对所述商品关联信息进行特征提取，确定对应的商品特征。

所述因果图生成模块，用于分析两个商品特征之间因果关系，确定对应的关系信息；以所述商品特征为节点，基于所述关系信息在两个商品特征对应的节点之间建立有向线段，生成对应的商品特征因果图。

所述因果图生成模块，用于基于商品对象的先验知识信息，确定具有因果关系的两个商品特征，生成对应的关系信息，所述具有因果关系的两个商品特征包括：原因对应的商品特征和结果对应的商品特征。

所述因果图生成模块，用于基于所述关系信息确定具有因果关系的两个商品特征；创建从所述原因对应的商品特征对应节点指向所述结果对应的商品特征对应节点的有向线段。

所述因果图生成模块，还用于计算商品特征因果图中两个节点之间边的置信度信息；基于所述置信度信息对所述商品特征因果图进行更新。

所述因果图生成模块，用于若所述置信度信息不满足置信度条件，则对所述商品特征因果图进行扩充，以更新所述商品特征因果图；若所述置信度信息满足置信度条件，则输出所述商品特征因果图。

所述因果图生成模块，还用于若多个商品特征指向同一目标商品特征，分析所述多个商品特征与目标商品特征之间的影响信息，确定作为关键影响因素的商品特征和作为次要影响因素的至少一个商品特征。

所述商品优化模块，用于基于所述商品特征因果图分析目标商品对象的商品成长信息，其中，所述目标商品对象为所述商品特征因果图的终点特征；基于所述商品成长信息，确定待优化商品对象的优化方案。

所述商品优化模块，用于基于所述商品特征因果图分析目标商品对象的因果路径；基于所述因果路径和先验知识信息，确定目标商品对象的商品成长信息。

所述商品优化模块，用于分析待优化商品对象的商品特征；基于所述商品成长信息对所述商品特征进行分析，确定待调整的商品特征；基于所述待调整的商品特征生成优化方案。

优化请求模块，用于接收商家用户的优化请求；依据所述优化请求确定店铺信息，基于所述店铺信息确定至少一个待优化商品对象。

回溯分析模块，用于在商品对象优化完成后，基于所述商品关联信息进行回溯分析，确定商品对象的优化效果信息。

所述回溯分析模块，用于基于商品对象优化前后的商品关联信息进行对比分析，确定商品对象的优化效果信息。

反馈模块，用于将所述商品对象的优化效果信息反馈给对应的商家用户。

本申请实施例能够利用因果推断结合行业经验的方式，挖掘了行业差异化、国家、地区差异化的多维商品特征。

并且，生成了以成为目标商品对象作为目标的商品成长信息。在商品成长信息中每个商品特征上都有易于理解和归因，并且切实可行的商品对象的成长目标，作为商家用户的目标的可执行力、可落地性强。

并且能够辅以适时的后验正反馈，同时结合因果图可解释性强、易于归因的优势，能够提升商品对象表现的同时增强商家用户对行业的认知，提升商家自主运营的能力。

本申请实施例还提供了一种非易失性可读存储介质，该存储介质中存储有一个或多个模块(programs)，该一个或多个模块被应用在设备时，可以使得该设备执行本申请实施例中各方法步骤的指令(instructions)。

本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如本申请实施例所述的方法。

本申请实施例还提供了一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；所述存储器存储计算机执行指令；所述处理器执行所述存储器存储的计算机执行指令，以实现如本申请实施例所述的方法。本申请实施例中，所述电子设备包括服务器、终端设备等设备。

本公开的实施例可被实现为使用任意适当的硬件，固件，软件，或及其任意组合进行想要的配置的装置，该装置可包括服务器(集群)、终端等电子设备。图9示意性地示出了可被用于实现本申请中所述的各个实施例的示例性装置900。

对于一个实施例，图9示出了示例性装置900，该装置具有一个或多个处理器902、被耦合到(一个或多个)处理器902中的至少一个的控制模块(芯片组)904、被耦合到控制模块904的存储器906、被耦合到控制模块904的非易失性存储器(NVM)/存储设备908、被耦合到控制模块904的一个或多个输入/输出设备910，以及被耦合到控制模块904的网络接口912。

处理器902可包括一个或多个单核或多核处理器，处理器902可包括通用处理器或专用处理器(例如图形处理器、应用处理器、基频处理器等)的任意组合。在一些实施例中，装置900能够作为本申请实施例中所述服务端、终端等设备。

在一些实施例中，装置900可包括具有指令914的一个或多个计算机可读介质(例如，存储器906或NVM/存储设备908)以及与该一个或多个计算机可读介质相合并被配置为执行指令914以实现模块从而执行本公开中所述的动作的一个或多个处理器902。

对于一个实施例，控制模块904可包括任意适当的接口控制器，以向(一个或多个)处理器902中的至少一个和/或与控制模块904通信的任意适当的设备或组件提供任意适当的接口。

控制模块904可包括存储器控制器模块，以向存储器906提供接口。存储器控制器模块可以是硬件模块、软件模块和/或固件模块。

存储器906可被用于例如为装置900加载和存储数据和/或指令914。对于一个实施例，存储器906可包括任意适当的易失性存储器，例如，适当的DRAM。在一些实施例中，存储器906可包括双倍数据速率类型四同步动态随机存取存储器(DDR4SDRAM)。

对于一个实施例，控制模块904可包括一个或多个输入/输出控制器，以向NVM/存储设备908及(一个或多个)输入/输出设备910提供接口。

例如，NVM/存储设备908可被用于存储数据和/或指令914。NVM/存储设备908可包括任意适当的非易失性存储器(例如，闪存)和/或可包括任意适当的(一个或多个)非易失性存储设备(例如，一个或多个硬盘驱动器(HDD)、一个或多个光盘(CD)驱动器和/或一个或多个数字通用光盘(DVD)驱动器)。

NVM/存储设备908可包括作为装置900被安装在其上的设备的一部分的存储资源，或者其可被该设备访问可不必作为该设备的一部分。例如，NVM/存储设备908可通过网络经由(一个或多个)输入/输出设备910进行访问。

(一个或多个)输入/输出设备910可为装置900提供接口以与任意其他适当的设备通信，输入/输出设备910可以包括通信组件、音频组件、传感器组件等。网络接口912可为装置900提供接口以通过一个或多个网络通信，装置900可根据一个或多个无线网络标准和/或协议中的任意标准和/或协议来与无线网络的一个或多个组件进行无线通信，例如接入基于通信标准的无线网络，如蓝牙、WiFi、2G、3G、4G、5G等，或它们的组合进行无线通信。

对于一个实施例，(一个或多个)处理器902中的至少一个可与控制模块904的一个或多个控制器(例如，存储器控制器模块)的逻辑封装在一起。对于一个实施例，(一个或多个)处理器902中的至少一个可与控制模块904的一个或多个控制器的逻辑封装在一起以形成系统级封装(SiP)。对于一个实施例，(一个或多个)处理器902中的至少一个可与控制模块904的一个或多个控制器的逻辑集成在同一模具上。对于一个实施例，(一个或多个)处理器902中的至少一个可与控制模块904的一个或多个控制器的逻辑集成在同一模具上以形成片上系统(SoC)。

在各个实施例中，装置900可以但不限于是：服务器、台式计算设备或移动计算设备(例如，膝上型计算设备、手持计算设备、平板电脑、上网本等)等终端设备。在各个实施例中，装置900可具有更多或更少的组件和/或不同的架构。例如，在一些实施例中，装置900包括一个或多个摄像机、键盘、液晶显示器(LCD)屏幕(包括触屏显示器)、非易失性存储器端口、多个天线、图形芯片、专用集成电路(ASIC)和扬声器。

其中，检测装置中可采用主控芯片作为处理器或控制模块，传感器数据、位置信息等存储到存储器或NVM/存储设备中，传感器组可作为输入/输出设备，通信接口可包括网络接口。

本申请实施例还提供了一种电子设备，包括：处理器；和存储器，其上存储有可执行代码，当所述可执行代码被执行时，使得所述处理器执行如本申请实施例中一个或多个所述的方法。本申请实施例中存储器中可存储各种数据，如目标文件、文件与应用关联数据等各种数据，还可包括用户行为数据等，从而为各种处理提供数据基础。

本申请实施例还提供了一个或多个机器可读介质，其上存储有可执行代码，当所述可执行代码被执行时，使得处理器执行如本申请实施例中一个或多个所述的方法。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本申请实施例是参照根据本申请实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本申请实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

以上对本申请所提供的一种商品对象信息的分析方法、一种商品特征因果图的生成方法、一种基于因果图的商品对象分析方法、一种电子设备和一种存储介质，进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (14)

1.一种商品对象信息的分析方法，其特征在于，所述方法包括：

获取目标商品对象的商品关联信息，基于所述商品关联信息确定商品特征；

依据所述商品特征生成商品特征因果图，其中，所述商品特征因果图以所述商品特征为节点，以商品特征间的关系信息建立节点间连线；

依据所述商品特征因果图进行分析，确定目标商品对象的商品成长信息，其中，所述目标商品对象为所述商品特征因果图的终点特征。

2.根据权利要求1所述的方法，其特征在于，所述依据所述商品特征生成商品特征因果图，包括：

分析两个商品特征之间因果关系，确定对应的关系信息；

以所述商品特征为节点，基于所述关系信息在两个商品特征对应的节点之间建立有向线段，生成对应的商品特征因果图。

3.根据权利要求2所述的方法，其特征在于，所述分析两个商品特征之间因果关系，确定对应的关系信息，包括：

基于目标商品对象的先验知识信息，确定具有因果关系的两个商品特征，生成对应的关系信息，所述具有因果关系的两个商品特征包括：原因对应的商品特征和结果对应的商品特征。

4.根据权利要求3所述的方法，其特征在于，所述基于所述关系信息在两个商品特征对应的节点之间建立有向线段，包括：

基于所述关系信息确定具有因果关系的两个商品特征；

创建从所述原因对应的商品特征对应节点指向所述结果对应的商品特征对应节点的有向线段。

5.根据权利要求2-4任一所述的方法，其特征在于，还包括：

计算商品特征因果图中两个节点之间边的置信度信息；

基于所述置信度信息对所述商品特征因果图进行更新。

6.根据权利要求5所述的方法，其特征在于，还包括：

若多个商品特征指向同一目标商品特征，分析所述多个商品特征与目标商品特征之间的影响信息，确定作为关键影响因素的商品特征和作为次要影响因素的至少一个商品特征。

7.根据权利要求1所述的方法，其特征在于，还包括：

获取待优化商品对象的商品关联信息；

基于所述商品成长信息和待优化商品对象的商品关联信息，确定所述待优化商品对象的优化方案。

8.根据权利要求1所述的方法，其特征在于，还包括：

在商品对象优化完成后，基于所述商品关联信息进行回溯分析，确定商品对象的优化效果信息。

9.根据权利要求8所述的方法，其特征在于，还包括：

将所述商品对象的优化效果信息反馈给对应的商家用户。

10.一种商品特征因果图的生成方法，其特征在于，所述方法包括：

获取商品对象的商品关联信息，基于所述商品关联信息确定商品特征；

分析两个商品特征之间因果关系，确定对应的关系信息。所述关系信息包括两个商品特征的因果关系；

以所述商品特征为节点，基于所述关系信息在两个商品特征对应的节点之间建立有向线段，生成对应的商品特征因果图。

11.一种基于因果图的商品对象分析方法，其特征在于，所述方法包括：

获取商品特征因果图，所述商品特征因果图以所述商品特征为节点，以商品特征间的关系信息建立节点间连线，所述商品特征基于商品对象的商品关联信息确定；

基于所述商品特征因果图分析目标商品对象的商品成长信息，其中，所述目标商品对象为所述商品特征因果图的终点特征；

基于所述商品成长信息和待优化商品对象商品信息，确定待优化商品对象的优化方案。

12.一种商品对象信息的分析方法，其特征在于，所述方法包括：

获取商品对象的商品关联信息，基于所述商品关联信息确定商品特征，所述商品特征包括地域特征，所述地域特征为国家维度特征或地区维度特征；

依据所述商品特征生成国家维度或地区维度的商品特征因果图，其中，所述商品特征因果图以所述商品特征为节点，以商品特征间的关系信息建立节点间连线；

依据所述商品特征因果图进行分析，确定待优化商品对象对应国家维度或地区维度的优化方案。

13.一种电子设备，其特征在于，包括：处理器，以及与所述处理器通信连接的存储器；

所述存储器存储计算机执行指令；

所述处理器执行所述存储器存储的计算机执行指令，以实现如权利要求1-12中任一项所述的方法。

14.一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存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-12中任一项所述的方法。

Images