CN116402577A - 一种基于网络购物的交易信息读取方法和系统 - Google Patents

一种基于网络购物的交易信息读取方法和系统 Download PDF

Info

Publication number
CN116402577A
CN116402577A CN202310344195.0A CN202310344195A CN116402577A CN 116402577 A CN116402577 A CN 116402577A CN 202310344195 A CN202310344195 A CN 202310344195A CN 116402577 A CN116402577 A CN 116402577A
Authority
CN
China
Prior art keywords
information
commodity
user
platform
price
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
Application number
CN202310344195.0A
Other languages
English (en)
Inventor
王绒
路小妮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shaanxi Zhongrui Rongsheng Information Technology Co ltd
Original Assignee
Shaanxi Zhongrui Rongsheng Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shaanxi Zhongrui Rongsheng Information Technology Co ltd filed Critical Shaanxi Zhongrui Rongsheng Information Technology Co ltd
Priority to CN202310344195.0A priority Critical patent/CN116402577A/zh
Publication of CN116402577A publication Critical patent/CN116402577A/zh
Pending legal-status Critical Current

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3329—Natural language query formulation or dialogue systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/335—Filtering based on additional data, e.g. user or group profiles
    • 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
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提出了一种基于网络购物的交易信息读取方法及系统，所述方法包括：平台获取商品信息和用户信息；平台将商品信息进行分类，并根据分类信息对进行所述商品信息进行整合，获得商品整合信息；平台对所述商品整合信息进行分析得到商品分析结果，同时分析用户信息的得到用户习惯信息；平台根据所述商品分析结果和用户习惯信息对用户进行精准推荐和服务；所述服务包括提供一键领取商品所有可用优惠券接口和/或链接；此方法所用的系统包括：信息获取模块、信息分类整合模块、分析模块和服务模块，通过此方法和系统，用户容易领取优惠信息,消息及时得到回复，并且能被提醒理性消费，提高了用户满意度和忠诚度。

Description

一种基于网络购物的交易信息读取方法和系统
技术领域
本发明涉及网络购物技术领域，特别涉及一种基于网络购物的交易信息读取方法和系统。
背景技术
互联网发展迅速，已成为人们生活的重要组成部分和人类文明传播发展的重要载体，为了有效的开展互联网购物，用户调查和精准推荐是提高网络购物运营效率的先导措施，对进行互联网购物具有重要的作用，是制定市场营销策略的基础。市场调查的作用主要体现在：了解消费者需求。通过对消费者消费态度、行为的研究、了解消费者对某种产品或服务的需求，使企业在进行营销设计过程中，充分考虑消费者意见，最大限度满足消费者需求。开展互联网购物，提高市场营销的效率，需要了解所销售产品的市场竞争、营销策略等，分析细分市场状况，寻找适合的产品市场，有助于在竞争中掌握主动。
目前的互联网购物已经相当成熟，但是还是存在一些问题，比如平台无法精准推荐，或者推荐的东西根本不是用户想要的；平台和商家有很多促销信息，以吸引消费者，比如双11、6.18等类似这种节日，但是目前问题是很多消费券都是商家和平台分开的，而且很多优惠券是隐藏的，消费者很难找到，而且寻找的过程花费很多时间，有时候客户咨询量大的时候或者有些时段，人工客服回复不及时，目前智能客服只能回复一些非常简单的问题，不利于消费体验；有些消费者购物成瘾，希望平台能够设置提醒，理性消费。
发明内容
本发明提供了一种基于网络购物的交易信息读取方法和系统，用以解决以上问题：
本发明提出的一种基于网络购物的交易信息读取方法，所述方法包括：
S1、平台获取商品信息和用户信息；
S2、平台将商品信息进行分类，并根据分类信息对进行所述商品信息进行整合，获得商品整合信息；
S3、平台对所述商品整合信息进行分析得到商品分析结果，同时分析用户信息的得到用户习惯信息；
S4、平台根据所述商品分析结果和用户习惯信息对用户进行精准推荐和服务；所述服务包括提供一键领取商品所有可用优惠券接口和/或链接。
进一步的，一种基于网络购物的交易信息读取方法，所述平台获取商品信息和用户信息，包括：
通过用户的注册信息和登录信息匹配获取用户的个人信息；
获取用户的搜索记录、浏览记录、购物车信息和购买记录；
获取商品信息，所述商品信息包括商品价格信息以及价格趋势、促销信息、优惠信息、评价信息、商品的成交记录以及用户关于此商品和商家的聊天记录。
进一步的，一种基于网络购物的交易信息读取方法，所述平台将商品信息进行分类，并根据分类信息对进行所述商品信息进行整合，获得商品整合信息；包括：
对收集到的商品信息进行分类；
在同一类别下将信息进行清洗和整合得到商品的综合信息，所述整合包括去除不完整或重复的数据，并将相关信息整合在一起，所述相关信息包括同一商品不同用户的购买记录、评价记录和已经针对此商品用户与商家的聊天记录；同类商品用户与客服的聊天记录；所述评价记录为平台识别过滤故意刷单和恶意评价后的评价记录；
将店铺本身的商品优惠信息和平台适用对应商品的优惠信息进行整合。
进一步的，一种基于网络购物的交易信息读取方法，所述平台对所述商品整合信息进行分析得到商品分析结果，同时分析用户信息的得到用户习惯信息，包括：
利用评分模型对商品进行评分并进行显示，所述评分模型包括商品在同类商品中的价格，评价信息，售前售后服务，店铺信誉；
通过商品的类别、商家与用户的聊天记录、聊天习惯和同类商品用户咨询的问题以及商家的回复信息训练AI，让AI能够逐步代替客服对用户进行智能答复；
用户购买兴趣、购买习惯分析和购买总量分析；
提供用户设置界面，用户通过界面定期设置消费阈值；所述定期可以用户自己定义时间段；
进一步的，一种基于网络购物的交易信息读取方法，其特征在于，所述平台根据所述商品分析结果和用户习惯信息对用户进行精准推荐和服务；所述服务包括提供一键领取商品所有可用优惠券接口和/或链接；包括：
用户点击商品时，平台一键推送适用此商品的所有优惠券信息使用户可以一键领取；并根据自动根据所送有优惠信息测算商品最优价格并提示给用户；
对用户加入购物车的商品，记录加入购物车时利用优惠券后的总价，当商品的价格跟商品加入购物车时利用优惠券后的商品总价相比降低时推送通知给用户；
当用户选择商品时，根据用户的搜索和购买习惯推荐相应的商品；
当检测到用户在用户设定时期内即将达到消费阈值时发送提醒给用户；其中，令用户在一定时期内设置的消费阈值为M0,实际消费金额为M1；此用户每个月消费的金额为Ni；平台统计近一年客户每个月的购物的变化趋势；当
Figure BDA0004158988870000031
并且监测到用户有新的下单信息时，给用户发送提醒；其中i＝1,2,3…12。
本发明所述一种基于网络购物的交易信息读取系统，所述系统包括：
信息获取模块：平台获取商品信息和用户信息；
信息分类整合模块：平台将商品信息进行分类，并根据分类信息对进行所述商品信息进行整合，获得商品整合信息；
分析模块：平台对所述商品整合信息进行分析得到商品分析结果，同时分析用户信息的得到用户习惯信息；
服务模块：平台根据所述商品分析结果和用户习惯信息对用户进行精准推荐和服务；所述服务包括提供一键领取商品所有可用优惠券接口和/或链接。
进一步的，一种基于网络购物的交易信息读取系统，其特征在于，所述信息获取模块包括：
用户基本信息获取模块：通过用户的注册信息和登录信息匹配获取用户的个人信息；
用户行为信息获取模块：获取用户的搜索记录、浏览记录、购物车信息和购买记录；
商品信息获取模块：获取商品信息，所述商品信息包括商品价格信息以及价格趋势、促销信息、优惠信息、评价信息、商品的成交记录以及用户关于此商品和商家的聊天记录。
进一步的，一种基于网络购物的交易信息读取系统，所述信息分类整合模块包括：
商品分类模块：对收集到的商品信息进行分类；
商品信息整合模块：在同一类别下将信息进行清洗和整合得到商品的综合信息，所述整合包括去除不完整或重复的数据，并将相关信息整合在一起，所述相关信息包括同一商品不同用户的购买记录、评价记录和已经针对此商品用户与商家的聊天记录；同类商品用户与客服的聊天记录；所述评价记录为平台识别过滤故意刷单和恶意评价后的评价记录；
优惠券整合模块：将店铺本身的商品优惠信息和平台适用对应商品的优惠信息进行整合。
进一步的，一种基于网络购物的交易信息读取系统，所述分析模块包括：
商品评分模块：利用评分模型对商品进行评分并进行显示，所述评分模型包括商品在同类商品中的价格，评价信息，售前售后服务，店铺信誉；
客服训练模块：通过商品的类别、商家与用户的聊天记录、聊天习惯和同类商品用户咨询的问题以及商家的回复信息训练AI，让AI能够逐步代替用客服对用户进行智能答复；
用户行为分析模块：用户购买兴趣、购买习惯分析和购买总量分析；
阈值设置模块：提供用户设置界面，用户通过界面定期设置消费阈值；所述定期可以用户自己定义时间段；
进一步的，一种基于网络购物的交易信息读取系统，所述服务模块包括：
优惠券领取模块：用户点击商品时，平台一键推送适用此商品的所有优惠券信息使用户可以一键领取；并根据自动根据所送有优惠信息测算商品最优价格并提示给用户；
降价提醒模块：对用户加入购物车的商品，记录加入购物车时利用优惠券后的总价，当商品的价格跟商品加入购物车时利用优惠券后的商品总价相比降低时推送通知给用户；
推荐模块：当用户选择商品时，根据用户的搜索和购买习惯推荐相应的商品；
消费提醒模块：当检测到用户在用户设定时期内即将达到消费阈值时发送提醒给用户；其中，令用户在一定时期内设置的消费阈值为M0,实际消费金额为M1；此用户每个月消费的金额为Ni；平台统计近一年客户每个月的购物的变化趋势；当
Figure BDA0004158988870000041
并且监测到用户有新的下单信息时，给用户发送提醒；其中i＝1,2,3…12。
本发明有益效果为：平台通过获取商品信息和用户信息，并将其进行整合分析，可以获得更全面、准确的数据，从而可以更好地对用户进行精准推荐和提供服务；平台可以根据商家信息、商家信誉、商品信息和商家优惠券信息，对商品进行分类和标签化，对商家进行排名和评价，从而提供更好的购物体验和服务。平台还可以对用户的购买行为、浏览历史、兴趣偏好等信息进行分析，从而了解用户的需求和喜好，进而向用户提供更精准的商品推荐和个性化；目前的商家很多促销信息和优惠券都是分散的，而且商家有自己的优惠券，平台又有平台的优惠券，领取起来非常麻烦，而且70％的用户并不清楚有什么优惠券，如何去领，所以本发明提供一种一键领取所有优惠券的功能，使用户很容易购买到最优价格的商品，通过这样的分析和推荐，提高用户忠诚度平台可以提高用户的购买满意度和忠诚度，促进商家的销售和信誉提升，从而实现平台、商家和用户的三方共赢。
附图说明
图1为本发明所述种基于网络购物的交易信息读取方法示意图；
图2为本发明所述种基于网络购物的交易信息读取系统示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本实施例一种基于网络购物的交易信息读取方法，其特征在于，所述方法包括：
S2、平台将商品信息进行分类，并根据分类信息对进行所述商品信息进行整合，获得商品整合信息；
S3、平台对所述商品整合信息进行分析得到商品分析结果，同时分析用户信息的得到用户习惯信息；
S4、平台根据所述商品分析结果和用户习惯信息对用户进行精准推荐和服务；所述服务包括提供一键领取商品所有可用优惠券接口和/或链接。
上述技术方案得工作原理为：平台获取商品信息和用户信息；所述商品信息包括商家信息，商家信誉，商品信息，商家优惠券信息；平台将信息进行整合分析获得整合数据；平台对整合数据进行分析得到分析结果；根据分析结果对用户进行精准推荐和提供服务；所述服务包括提供一键领取商品所有可用优惠券接口和/或链接。
上述技术方案的效果为：平台通过获取商品信息和用户信息，并将其进行整合分析，可以获得更全面、准确的数据，从而可以更好地对用户进行精准推荐和提供服务；平台可以根据商家信息、商家信誉、商品信息和商家优惠券信息，对商品进行分类和标签化，对商家进行排名和评价，从而提供更好的购物体验和服务。平台还可以对用户的购买行为、浏览历史、兴趣偏好等信息进行分析，从而了解用户的需求和喜好，进而向用户提供更精准的商品推荐和个性化；通过这样的分析和推荐，平台可以提高用户的购买满意度和忠诚度，促进商家的销售和信誉提升，从而实现平台、商家和用户的三方共赢；目前的商家很多促销信息和优惠券都是分散的，而且商家有自己的优惠券，平台又有平台的优惠券，领取起来非常麻烦，而且70％的用户并不清楚有什么优惠券，如何去领，所以本发明提供一种一键领取所有优惠券的功能，使用户很容易购买到最优价格的商品，提高用户忠诚度。
本实施例一种基于网络购物的交易信息读取方法，所述平台获取商品信息和用户信息；所述商品信息包括商家信息，商家信誉，商品信息，商家优惠券信息；包括：
通过用户的注册信息和登录信息匹配获取用户的个人信息；所述注册信息包括用户账号，登录密码和/或人脸照片、手势密码等；通过登录信息与个人注册信息匹配，减少信息泄露；
获取用户的搜索记录、浏览记录、购物车信息和购买记录；
获取商品信息，所述商品信息包括商品价格信息以及价格趋势、促销信息、优惠信息、评价信息、商品的成交记录以及用户关于此商品和商家的聊天记录。
上述技术方案的工作原理为：通过用户的注册信息和登录信息匹配获取用户的个人信息；所述注册信息包括用户账号，登录密码和/或人脸照片、手势密码等；获取用户的搜索记录、浏览记录、购物车信息和购买记录；获取商品信息，所述商品信息包括商品价格信息以及价格趋势、促销信息、优惠信息、评价信息、商品的成交记录以及用户关于此商品和商家的聊天记录。
上述技术方案的效果为：通过用户的注册信息和登录信息匹配获取用户的个人信息；所述注册信息包括用户账号，登录密码和/或人脸照片、手势密码等；通过登录信息与个人注册信息匹配，减少信息泄露；获取用户的搜索记录、浏览记录、购物车信息和购买记录；可以分析用户的购物习惯，以便精准的给用户进行推荐，提高用户粘性和满意度；获取商品信息，所述商品信息包括商品价格信息以及价格趋势、促销信息、优惠信息、评价信息、商品的成交记录以及用户关于此商品和商家的聊天记录，通过这些数据可以更好地了解用户的需求和偏好，提供更个性化的服务和推荐，同时也可帮助商家更好地了解市场需求，优化商品价格、促销策略等可以对商家进行评价，掌握价格趋势，给用户提供服务；根据聊天记录内容，可以建立AI服务模型，更好更及时的服务用户。
本实施例一种基于网络购物的交易信息读取方法，所述平台将商品信息进行分类，并根据分类信息对进行所述商品信息进行整合，获得商品整合信息；包括：
对收集到的商品信息进行分类；其中分类包括服装类、家用电器类、宠物类等，服装类又包括男装和女装，女装又包括衣服、裤子、裙子等；
在同一类别下将信息进行清洗和整合得到商品的综合信息，所述整合包括去除不完整或重复的数据，并将相关信息整合在一起，所述相关信息包括同一商品不同用户的购买记录、评价记录和已经针对此商品用户与商家的聊天记录；同类商品用户与客服的聊天记录；所述评价记录为平台识别过滤故意刷单和恶意评价后的评价记录；
将店铺本身的商品优惠信息和平台适用对应商品的优惠信息进行整合；有些商品既可以用店铺优惠券，又可以用平台优惠券，将所有针对商品可用的优惠券进行统一整合并与商品进行链接。
上述技术方案的工作原理为：对收集到的商品信息进行分类；其中分类包括服装类、家用电器类、宠物类等，服装类又包括男装和女装，女装又包括衣服、裤子、裙子等；在同一类别下将信息进行清洗和整合得到商品的综合信息，所述整合包括去除不完整或重复的数据，并将相关信息整合在一起，所述相关信息包括同一商品不同用户的购买记录、评价记录和已经针对此商品用户与商家的聊天记录；同类商品用户与客服的聊天记录；所述评价记录为平台识别过滤故意刷单和恶意评价后的评价记录；将店铺本身的商品优惠信息和平台适用对应商品的优惠信息进行整合；有些商品既可以用店铺优惠券，又可以用平台优惠券，将所有针对商品可用的优惠券进行统一整合并与商品进行链接。
上述技术方案的效果为：对收集到的商品信息进行分类；对类别进行细化，根据细化类别，将同一类别的商品进行信息整合，以便进行建模评分，让商家和用户更加直观的了解此商品；同类商品用户与客服的聊天记录；所述评价记录为平台识别过滤故意刷单和恶意评价后的评价记录，减少评价记录的失真；将店铺本身的商品优惠信息和平台适用对应商品的优惠信息进行整合；有些商品既可以用店铺优惠券，又可以用平台优惠券，将所有针对商品可用的优惠券进行统一整合并与商品进行链接，是顾客更容易识别和领取优惠券，减少顾客开支，提高顾客满意度。
本实施例一种基于网络购物的交易信息读取方法，所述平台对所述商品整合信息进行分析得到分析结果，包括：
对商品进行评分：利用评分模型对商品进行评分，所述评分模型包括商品在同类商品中的价格，评价信息，售前售后服务，店铺信誉；其中，价格权重0.2，商品评价权重0.5；售前售后服务权重0.2；店铺信誉权重0.1；最终得分G＝0.2*K+0.5*J+0.2*S+0.1*D；
其中，价格得分为K：K＝4.5-0.1*(Pi-μ)/σ,其中，Pi为需要评分商品得价格，这里所说的商品价格为一周内此商品的成交均价；μ为同款商品得价格均值，σ为标准差；该公式适用于-3≤(Pi-μ)/σ≤3,如果(Pi-μ)/σ>3，K＝4.1或者(Pi-μ)/σ<-3,则K＝4.9；
服务反应速度和态度得分为S,服务反应速度和态度评价好评100％为5分，每低2％点减0.1分；服务反应速度和态度评价好评率为Ui，S＝5-0.1*(Ui-1)/2％；
商品评价得分J与服务适用同样的评分规则；
店铺得分为D,引用与现有得评分规则；
AI服务信息模型：通过商品的类别、商家与用户的聊天记录、聊天习惯和同类商品用户咨询的问题以及商家的回复信息训练AI，让AI能够逐步代替用客服对用户进行智能答复；
通过用户信息进行用户购买兴趣、购买习惯分析和购买总量分析；
提供用户设置界面，用户通过界面定期设置消费阈值；所述定期可以为用户自己定义时间段。
上述技术方案的工作原理为：利用评分模型对商品进行评分并进行显示，所述评分模型包括商品在同类商品中的价格，评价信息，售前售后服务，店铺信誉；通过商品的类别、商家与用户的聊天记录、聊天习惯和同类商品用户咨询的问题以及商家的回复信息训练AI，让AI能够逐步代替用客服对用户进行智能答复；通过用户信息进行用户购买兴趣、购买习惯分析和购买总量分析；提供用户设置界面，用户通过界面定期设置消费阈值；所述定期可以为用户自己定义时间段。
上述技术方案的效果为：利用评分模型对商品进行评分，设置不同的权重综合评判商品的得分，目前购物网站只有对店铺的评分，对于特定的商品并没有评分标准，也没有对用户显示评分，此评分模型针对商品进行评分，并且显示给客户，让客户更直观的了解商品；通过商品的类别、商家与用户的聊天记录、聊天习惯和同类商品用户咨询的问题以及商家的回复信息训练AI，让AI能够逐步代替用客服对用户进行智能答复；因为目前很多时候特别是促销季客服反馈不及时，导致购物体验不好，目前的智能客服是店铺自己设置的，只能回复非常简单的问题而且不停的重复，所以搜集大量的同类别商品商家和客户的问题对话记录训练AI模型，使AI能够更好的对用户进行服务，减少人工客服的工作量，提高用户满意度；通过用户信息进行用户购买兴趣、购买习惯分析和购买总量分析，平台更好的了解用户，以便提供更精准的服务；平台提供用户设置界面，用户通过界面定期设置消费阈值；所述定期可以用户自己定义时间段；通过此步骤，对于一些购物上瘾的用户，可以自行设置消费阈值，平台提醒此类客户更加理性消费，提高客户满意度。
本实施例一种基于网络购物的交易信息读取方法，所述平台根据所述商品分析结果和用户习惯信息对用户进行精准推荐和服务；所述服务包括提供一键领取商品所有可用优惠券接口和/或链接，包括：
用户点击商品时，平台一键推送适用此商品的所有优惠券信息使用户可以一键领取；并根据自动根据所送有优惠信息测算商品最优价格并提示给用户；目前的商家很多促销信息和优惠券都是分散的，甚至有些是隐藏的优惠券，而且商家有自己的优惠券，平台又有平台的优惠券，领取起来非常麻烦，而且70％的用户并不清楚有什么优惠券，如何去领，通过键推送适用此商品的所有优惠券信息使用户可以一键领取，使用户很容易购买到最优价格的商品，同时平台自动计算使用优惠券后的商品价格；
对用户加入购物车的商品，记录加入购物车时利用优惠券后的总价，当商品的价格跟商品加入购物车时利用优惠券后的商品总价相比降低时推送通知给用户，所述的降低为此时商品总价(可包括用优惠券)与加入购物车时用优惠券后的商品总价相比变低；目前的系统发的降价信息往往是根据加入购物车时商品原始的价格计算的，并不包含当时的促销信息和优惠信息；
当用户选择商品时，根据用户的搜索和购买习惯推荐相应的商品；用户选择商品时，根据用户的习惯，自动推荐同类别商品，如果用户习惯选低价商品，则自动按照价格从低将同类低价商品推送给用户；如果用户喜欢综合评价，则按照商品评分高低，将评分高的同类商品推荐给用户；
当检测到用户在用户设定时期内即将达到消费阈值时发送提醒给用户；其中，令用户在一定时期内设置的消费阈值为M0,实际消费金额为M1；此用户每个月消费的金额为Ni；平台统计近一年(按客户最近下单的时间往前推一年)客户每个月的购物的变化趋势；当
Figure BDA0004158988870000081
Figure BDA0004158988870000082
并且监测到用户有新的下单信息时，给用户发送提醒；其中i＝1,2,3…12。
上述技术方案的工作原理为：用户点击商品时，平台一键推送适用此商品的所有优惠券信息使用户可以一键领取；并根据自动根据所送有优惠信息测算商品最优价格并提示给用户；对用户加入购物车的商品，记录加入购物车时利用优惠券后的总价，当商品总价降低时推送通知给用户，所述的降低为此时商品总价(可包括用优惠券)与加入购物车时用优惠券后的商品总价相比变低；当用户选择商品时，根据用户的搜索和购买习惯推荐相应的商品；用户选择商品时，根据用户的习惯，自动推荐同类别商品，如果用户习惯选低价商品，则自动按照价格从低将同类低价商品推送给用户；如果用户喜欢综合评价，则按照商品评分高低，将评分高的同类商品推荐给用户；当检测到用户在用户设定时期内即将达到消费阈值时发送提醒给用户；其中，令用户在一定时期内设置的消费阈值为M0,实际消费金额为M1；此用户每个月消费的金额为Ni；平台统计近一年客户每个月的购物的变化趋势；当
Figure BDA0004158988870000091
Figure BDA0004158988870000092
并且监测到用户有新的下单信息时，给用户发送提醒；其中i＝1,2,3…12。
上述技术方案的效果为：用户点击商品时，平台一键推送适用此商品的所有优惠券信息使用户可以一键领取；并根据自动根据所送有优惠信息测算商品最优价格并提示给用户；目前的商家很多促销信息和优惠券都是分散的，甚至有些是隐藏的优惠券，而且商家有自己的优惠券，平台又有平台的优惠券，领取起来非常麻烦，而且70％的用户并不清楚有什么优惠券，如何去领，通过键推送适用此商品的所有优惠券信息使用户可以一键领取，使用户很容易购买到最优价格的商品，同时平台自动计算优惠券后的价格，减少用户领取优惠券并计算的精力，增加用户的忠诚度；对用户加入购物车的商品，记录加入购物车时利用优惠券后的总价，当商品总价降低时推送通知给用户，所述的降低为此时商品总价(可包括用优惠券)与加入购物车时用优惠券后的商品总价相比变低；目前的系统发的降价信息往往是根据加入购物车时商品原始的价格计算的，并不包含当时的促销信息和优惠信息；所以，很多时候所述的降价并不真的时降价，而是将价格提高后再给优惠，导致价格可能比加入购物车时候还要高，所以本发明记录用户加入购物车时利用优惠券后的总价，当商品总价降低时推送通知给用户，提高用户的满意度；当用户选择商品时，根据用户的搜索和购买习惯推荐相应的商品；通过前述的商品评分和用户的搜索记录和购买习惯，可以给用户更精准的推荐；当检测到用户在用户设定时期内即将达到消费阈值时发送提醒给用户；根据用户的消费记录，统计用户每个月的消费变化趋势，了解用户的消费水平，因为用户的消费水平也是不断变化的，所以根据最近一年的消费水平和用户设置的阈值，更准确的发送提醒给用户，有利于一些购物成瘾的用户理性消费，提高用户满意度。
本实施例一种基于网络购物的交易信息读取系统，所述系统包括：
信息获取模块：平台获取商品信息和用户信息；
信息分类整合模块：平台将商品信息进行分类，并根据分类信息对进行所述商品信息进行整合，获得商品整合信息；
分析模块：平台对所述商品整合信息进行分析得到商品分析结果，同时分析用户信息的得到用户习惯信息；
服务模块：平台根据所述商品分析结果和用户习惯信息对用户进行精准推荐和服务；所述服务包括提供一键领取商品所有可用优惠券接口和/或链接。
上述技术方案得工作原理为：平台获取商品信息和用户信息；所述商品信息包括商家信息，商家信誉，商品信息，商家优惠券信息；平台将信息进行整合分析获得整合数据；平台对整合数据进行分析得到分析结果；根据分析结果对用户进行精准推荐和提供服务；所述服务包括提供一键领取商品所有可用优惠券接口和/或链接。
上述技术方案的效果为：平台通过获取商品信息和用户信息，并将其进行整合分析，可以获得更全面、准确的数据，从而可以更好地对用户进行精准推荐和提供服务；平台可以根据商家信息、商家信誉、商品信息和商家优惠券信息，对商品进行分类和标签化，对商家进行排名和评价，从而提供更好的购物体验和服务。平台还可以对用户的购买行为、浏览历史、兴趣偏好等信息进行分析，从而了解用户的需求和喜好，进而向用户提供更精准的商品推荐和个性化；通过这样的分析和推荐，平台可以提高用户的购买满意度和忠诚度，促进商家的销售和信誉提升，从而实现平台、商家和用户的三方共赢；目前的商家很多促销信息和优惠券都是分散的，而且商家有自己的优惠券，平台又有平台的优惠券，领取起来非常麻烦，而且70％的用户并不清楚有什么优惠券，如何去领，所以本发明提供一种一键领取所有优惠券的功能，使用户很容易购买到最优价格的商品，提高用户忠诚度。
本实施例一种基于网络购物的交易信息读取系统，所述信息获取模块包括：
用户基本信息获取模块：通过用户的注册信息和登录信息匹配获取用户的个人信息；
用户行为信息获取模块：获取用户的搜索记录、浏览记录、购物车信息和购买记录；
商品信息获取模块：获取商品信息，所述商品信息包括商品价格信息以及价格趋势、促销信息、优惠信息、评价信息、商品的成交记录以及用户关于此商品和商家的聊天记录。
上述技术方案的工作原理为：通过用户的注册信息和登录信息匹配获取用户的个人信息；所述注册信息包括用户账号，登录密码和/或人脸照片、手势密码等；获取用户的搜索记录、浏览记录、购物车信息和购买记录；获取商品信息，所述商品信息包括商品价格信息以及价格趋势、促销信息、优惠信息、评价信息、商品的成交记录以及用户关于此商品和商家的聊天记录。
上述技术方案的效果为：通过用户的注册信息和登录信息匹配获取用户的个人信息；所述注册信息包括用户账号，登录密码和/或人脸照片、手势密码等；通过登录信息与个人注册信息匹配，减少信息泄露；获取用户的搜索记录、浏览记录、购物车信息和购买记录；可以分析用户的购物习惯，以便精准的给用户进行推荐，提高用户粘性和满意度；获取商品信息，所述商品信息包括商品价格信息以及价格趋势、促销信息、优惠信息、评价信息、商品的成交记录以及用户关于此商品和商家的聊天记录，通过这些数据可以更好地了解用户的需求和偏好，提供更个性化的服务和推荐，同时也可帮助商家更好地了解市场需求，优化商品价格、促销策略等可以对商家进行评价，掌握价格趋势，给用户提供服务；根据聊天记录内容，可以建立AI服务模型，更好更及时的服务用户。
本实施例一种基于网络购物的交易信息读取系统，所述信息分类整合模块包括：
商品分类模块：对收集到的商品信息进行分类；
商品信息整合模块：在同一类别下将信息进行清洗和整合得到商品的综合信息，所述整合包括去除不完整或重复的数据，并将相关信息整合在一起，所述相关信息包括同一商品不同用户的购买记录、评价记录和已经针对此商品用户与商家的聊天记录；同类商品用户与客服的聊天记录；所述评价记录为平台识别过滤故意刷单和恶意评价后的评价记录；
优惠券整合模块：将店铺本身的商品优惠信息和平台适用对应商品的优惠信息进行整合。
上述技术方案的工作原理为：对收集到的商品信息进行分类；其中分类包括服装类、家用电器类、宠物类等，服装类又包括男装和女装，女装又包括衣服、裤子、裙子等；在同一类别下将信息进行清洗和整合得到商品的综合信息，所述整合包括去除不完整或重复的数据，并将相关信息整合在一起，所述相关信息包括同一商品不同用户的购买记录、评价记录和已经针对此商品用户与商家的聊天记录；同类商品用户与客服的聊天记录；所述评价记录为平台识别过滤故意刷单和恶意评价后的评价记录；将店铺本身的商品优惠信息和平台适用对应商品的优惠信息进行整合；有些商品既可以用店铺优惠券，又可以用平台优惠券，将所有针对商品可用的优惠券进行统一整合并与商品进行链接。
上述技术方案的效果为：对收集到的商品信息进行分类；对类别进行细化，根据细化类别，将同一类别的商品进行信息整合，以便进行建模评分，让商家和用户更加直观的了解此商品；同类商品用户与客服的聊天记录；所述评价记录为平台识别过滤故意刷单和恶意评价后的评价记录，减少评价记录的失真；将店铺本身的商品优惠信息和平台适用对应商品的优惠信息进行整合；有些商品既可以用店铺优惠券，又可以用平台优惠券，将所有针对商品可用的优惠券进行统一整合并与商品进行链接，是顾客更容易识别和领取优惠券，减少顾客开支，提高顾客满意度。
本实施例一种基于网络购物的交易信息读取系统，所述分析模块包括：
商品评分模块：利用评分模型对商品进行评分并进行显示，所述评分模型包括商品在同类商品中的价格，评价信息，售前售后服务，店铺信誉；
客服训练模块：通过商品的类别、商家与用户的聊天记录、聊天习惯和同类商品用户咨询的问题以及商家的回复信息训练AI，让AI能够逐步代替客服对用户进行智能答复；
用户行为分析模块：用户购买兴趣、购买习惯分析和购买总量分析；
阈值设置模块：提供用户设置界面，用户通过界面定期设置消费阈值；所述定期可以用户自己定义时间段；
利用评分模型对商品进行评分并进行显示，所述评分模型包括商品在同类商品中的价格，评价信息，售前售后服务，店铺信誉；利用评分模型对商品进行评分，所述评分模型包括商品在同类商品中的价格，评价信息，售前售后服务，店铺信誉；其中，价格权重0.2，商品评价权重0.5；售前售后服务权重0.2；店铺信誉权重0.1；最终得分G＝0.2*K+0.5*J+0.2*S+0.1*D；
其中，价格得分为K：K＝4.5-0.1*(Pi-μ)/σ,其中，Pi为需要评分商品得价格，这里所说的商品价格为一周内此商品的成交均价；μ为同款商品得价格均值，σ为标准差；该公式适用于-3≤(Pi-μ)/σ≤3,如果(Pi-μ)/σ>3，K＝4.1或者(Pi-μ)/σ<-3,则K＝4.9；
服务反应速度和态度得分为S,服务反应速度和态度评价好评100％为5分，每低2％点减0.1分；服务反应速度和态度评价好评率为Ui，S＝5-0.1*(Ui-1)/2％；
商品评价得分J与服务适用同样的评分规则；
店铺得分为D,引用与现有得评分规则；
通过商品的类别、商家与用户的聊天记录、聊天习惯和同类商品用户咨询的问题以及商家的回复信息训练AI，让AI能够逐步代替用客服对用户进行智能答复；通过用户信息进行用户购买兴趣、购买习惯分析和购买总量分析；提供用户设置界面，用户通过界面定期设置消费阈值；所述定期可以为用户自己定义时间段。
上述技术方案的工作原理为：利用评分模型对商品进行评分并进行显示，所述评分模型包括商品在同类商品中的价格，评价信息，售前售后服务，店铺信誉；通过商品的类别、商家与用户的聊天记录、聊天习惯和同类商品用户咨询的问题以及商家的回复信息训练AI，让AI能够逐步代替用客服对用户进行智能答复；通过用户信息进行用户购买兴趣、购买习惯分析和购买总量分析；提供用户设置界面，用户通过界面定期设置消费阈值；所述定期可以为用户自己定义时间段。
上述技术方案的效果为：利用评分模型对商品进行评分，设置不同的权重综合评判商品的得分，目前购物网站只有对店铺的评分，对于特定的商品并没有评分标准，也没有对用户显示评分，此评分模型针对商品进行评分，并且显示给客户，让客户更直观的了解商品；通过商品的类别、商家与用户的聊天记录、聊天习惯和同类商品用户咨询的问题以及商家的回复信息训练AI，让AI能够逐步代替用客服对用户进行智能答复；因为目前很多时候特别是促销季客服反馈不及时，导致购物体验不好，目前的智能客服是店铺自己设置的，只能回复非常简单的问题而且不停的重复，所以搜集大量的同类别商品商家和客户的问题对话记录训练AI模型，使AI能够更好的对用户进行服务，减少人工客服的工作量，提高用户满意度；通过用户信息进行用户购买兴趣、购买习惯分析和购买总量分析，平台更好的了解用户，以便提供更精准的服务；平台提供用户设置界面，用户通过界面定期设置消费阈值；所述定期可以用户自己定义时间段；通过此步骤，对于一些购物上瘾的用户，可以自行设置消费阈值，平台提醒此类客户更加理性消费，提高客户满意度。
本实施例一种基于网络购物的交易信息读取系统，所述服务模块包括：
优惠券领取模块：用户点击商品时，平台一键推送适用此商品的所有优惠券信息使用户可以一键领取；并根据自动根据所送有优惠信息测算商品最优价格并提示给用户；
降价提醒模块：对用户加入购物车的商品，记录加入购物车时利用优惠券后的总价，当商品的价格跟商品加入购物车时利用优惠券后的商品总价相比降低时推送通知给用户；
推荐模块：当用户选择商品时，根据用户的搜索和购买习惯推荐相应的商品；
消费提醒模块：当检测到用户在用户设定时期内即将达到消费阈值时发送提醒给用户；其中，令用户在一定时期内设置的消费阈值为M0,实际消费金额为M1；此用户每个月消费的金额为Ni；平台统计近一年客户每个月的购物的变化趋势；当
Figure BDA0004158988870000131
并且监测到用户有新的下单信息时，给用户发送提醒；其中i＝1,2,3…12。
上述技术方案的工作原理为：用户点击商品时，平台一键推送适用此商品的所有优惠券信息使用户可以一键领取；并根据自动根据所送有优惠信息测算商品最优价格并提示给用户；对用户加入购物车的商品，记录加入购物车时利用优惠券后的总价，当商品总价降低时推送通知给用户，所述的降低为此时商品总价(可包括用优惠券)与加入购物车时用优惠券后的商品总价相比变低；当用户选择商品时，根据用户的搜索和购买习惯推荐相应的商品；用户选择商品时，根据用户的习惯，自动推荐同类别商品，如果用户习惯选低价商品，则自动按照价格从低将同类低价商品推送给用户；如果用户喜欢综合评价，则按照商品评分高低，将评分高的同类商品推荐给用户；当检测到用户在用户设定时期内即将达到消费阈值时发送提醒给用户；其中，令用户在一定时期内设置的消费阈值为M0,实际消费金额为M1；此用户每个月消费的金额为Ni；平台统计近一年客户每个月的购物的变化趋势；当
Figure BDA0004158988870000141
Figure BDA0004158988870000142
并且监测到用户有新的下单信息时，给用户发送提醒；其中i＝1,2,3…12。
上述技术方案的效果为：用户点击商品时，平台一键推送适用此商品的所有优惠券信息使用户可以一键领取；并根据自动根据所送有优惠信息测算商品最优价格并提示给用户；目前的商家很多促销信息和优惠券都是分散的，甚至有些是隐藏的优惠券，而且商家有自己的优惠券，平台又有平台的优惠券，领取起来非常麻烦，而且70％的用户并不清楚有什么优惠券，如何去领，通过键推送适用此商品的所有优惠券信息使用户可以一键领取，使用户很容易购买到最优价格的商品，同时平台自动计算优惠券后的价格，减少用户领取优惠券并计算的精力，增加用户的忠诚度；对用户加入购物车的商品，记录加入购物车时利用优惠券后的总价，当商品总价降低时推送通知给用户，所述的降低为此时商品总价(可包括用优惠券)与加入购物车时用优惠券后的商品总价相比变低；目前的系统发的降价信息往往是根据加入购物车时商品原始的价格计算的，并不包含当时的促销信息和优惠信息；所以，很多时候所述的降价并不真的时降价，而是将价格提高后再给优惠，导致价格可能比加入购物车时候还要高，所以本发明记录用户加入购物车时利用优惠券后的总价，当商品总价降低时推送通知给用户，提高用户的满意度；当用户选择商品时，根据用户的搜索和购买习惯推荐相应的商品；通过前述的商品评分和用户的搜索记录和购买习惯，可以给用户更精准的推荐；当检测到用户在用户设定时期内即将达到消费阈值时发送提醒给用户；有利于一些购物成瘾的用户理性消费，提高用户满意度。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种基于网络购物的交易信息读取方法，其特征在于，所述方法包括：
S1、平台获取商品信息和用户信息；
S2、平台将商品信息进行分类，并根据分类信息对进行所述商品信息进行整合，获得商品整合信息；
S3、平台对所述商品整合信息进行分析得到商品分析结果，同时分析用户信息的得到用户习惯信息；
S4、平台根据所述商品分析结果和用户习惯信息对用户进行精准推荐和服务；所述服务包括提供一键领取商品所有可用优惠券接口和/或链接。
2.根据权利要求1所述的一种基于网络购物的交易信息读取方法，其特征在于，所述平台获取商品信息和用户信息，包括：
通过用户的注册信息和登录信息匹配获取用户的个人信息；
获取用户的搜索记录、浏览记录、购物车信息和购买记录；
获取商品信息，所述商品信息包括商品价格信息以及价格趋势、促销信息、优惠信息、评价信息、商品的成交记录以及用户关于此商品和商家的聊天记录。
3.根据权利要求2所述的一种基于网络购物的交易信息读取方法，其特征在于，所述平台将商品信息进行分类，并根据分类信息对进行所述商品信息进行整合，获得商品整合信息；包括：
对收集到的商品信息进行分类；
在同一类别下将信息进行清洗和整合得到商品的综合信息，所述整合包括去除不完整或重复的数据，并将相关信息整合在一起，所述相关信息包括同一商品不同用户的购买记录、评价记录和已经针对此商品用户与商家的聊天记录；同类商品用户与客服的聊天记录；所述评价记录为平台识别过滤故意刷单和恶意评价后的评价记录；
将店铺本身的商品优惠信息和平台适用对应商品的优惠信息进行整合。
4.根据权利要求3所述的一种基于网络购物的交易信息读取方法，其特征在于，所述平台对所述商品整合信息进行分析得到商品分析结果，同时分析用户信息的得到用户习惯信息，包括：
利用评分模型对商品进行评分并进行显示，所述评分模型包括商品在同类商品中的价格，评价信息，售前售后服务，店铺信誉；
通过商品的类别、商家与用户的聊天记录、聊天习惯和同类商品用户咨询的问题以及商家的回复信息训练AI，让AI能够逐步代替用客服对用户进行智能答复；
用户购买兴趣、购买习惯分析和购买总量分析；
提供用户设置界面，用户通过界面定期设置消费阈值；所述定期可以用户自己定义时间段。
5.根据权利要求4所述的一种基于网络购物的交易信息读取方法，其特征在于，所述平台根据所述商品分析结果和用户习惯信息对用户进行精准推荐和服务；所述服务包括提供一键领取商品所有可用优惠券接口和/或链接；包括：
用户点击商品时，平台一键推送适用此商品的所有优惠券信息使用户可以一键领取；并根据自动根据所送有优惠信息测算商品最优价格并提示给用户；
对用户加入购物车的商品，记录加入购物车时利用优惠券后的总价，当商品的价格跟商品加入购物车时利用优惠券后的商品总价相比降低时推送通知给用户；
当用户选择商品时，根据用户的搜索和购买习惯推荐相应的商品；
当检测到用户在用户设定时期内即将达到消费阈值时发送提醒给用户；其中，令用户在一定时期内设置的消费阈值为M0,实际消费金额为M1；此用户每个月消费的金额为Ni；平台统计近一年客户每个月的购物的变化趋势；当
Figure QLYQS_1
并且监测到用户有新的下单信息时，给用户发送提醒；其中i＝1,2,3…12。
6.一种基于网络购物的交易信息读取系统，其特征在于，所述系统包括：
信息获取模块：平台获取商品信息和用户信息；
信息分类整合模块：平台将商品信息进行分类，并根据分类信息对进行所述商品信息进行整合，获得商品整合信息；
分析模块：平台对所述商品整合信息进行分析得到商品分析结果，同时分析用户信息的得到用户习惯信息；
服务模块：平台根据所述商品分析结果和用户习惯信息对用户进行精准推荐和服务；所述服务包括提供一键领取商品所有可用优惠券接口和/或链接。
7.根据权利要求6所述的一种基于网络购物的交易信息读取系统，其特征在于，所述信息获取模块包括：
用户基本信息获取模块：通过用户的注册信息和登录信息匹配获取用户的个人信息；
用户行为信息获取模块：获取用户的搜索记录、浏览记录、购物车信息和购买记录；
商品信息获取模块：获取商品信息，所述商品信息包括商品价格信息以及价格趋势、促销信息、优惠信息、评价信息、商品的成交记录以及用户关于此商品和商家的聊天记录。
8.根据权利要求6所述的一种基于网络购物的交易信息读取系统，其特征在于，所述信息分类整合模块包括：
商品分类模块：对收集到的商品信息进行分类；
商品信息整合模块：在同一类别下将信息进行清洗和整合得到商品的综合信息，所述整合包括去除不完整或重复的数据，并将相关信息整合在一起，所述相关信息包括同一商品不同用户的购买记录、评价记录和已经针对此商品用户与商家的聊天记录；同类商品用户与客服的聊天记录；所述评价记录为平台识别过滤故意刷单和恶意评价后的评价记录；
优惠券整合模块：将店铺本身的商品优惠信息和平台适用对应商品的优惠信息进行整合。
9.根据权利要求6所述的一种基于网络购物的交易信息读取系统，其特征在于，所述分析模块包括：
商品评分模块：利用评分模型对商品进行评分并进行显示，所述评分模型包括商品在同类商品中的价格，评价信息，售前售后服务，店铺信誉；
客服训练模块：通过商品的类别、商家与用户的聊天记录、聊天习惯和同类商品用户咨询的问题以及商家的回复信息训练AI，让AI能够逐步代替客服对用户进行智能答复；
用户行为分析模块：用户购买兴趣、购买习惯分析和购买总量分析；
阈值设置模块：提供用户设置界面，用户通过界面定期设置消费阈值；所述定期可以用户自己定义时间段。
10.根据权利要求6所述的一种基于网络购物的交易信息读取系统，其特征在于，所述服务模块包括：
优惠券领取模块：用户点击商品时，平台一键推送适用此商品的所有优惠券信息使用户可以一键领取；并根据自动根据所送有优惠信息测算商品最优价格并提示给用户；
降价提醒模块：对用户加入购物车的商品，记录加入购物车时利用优惠券后的总价，当商品的价格跟商品加入购物车时利用优惠券后的商品总价相比降低时推送通知给用户；
推荐模块：当用户选择商品时，根据用户的搜索和购买习惯推荐相应的商品；
消费提醒模块：当检测到用户在用户设定时期内即将达到消费阈值时发送提醒给用户；其中，令用户在一定时期内设置的消费阈值为M0,实际消费金额为M1；此用户每个月消费的金额为Ni；平台统计近一年客户每个月的购物的变化趋势；当
Figure QLYQS_2
并且监测到用户有新的下单信息时，给用户发送提醒；其中i＝1,2,3…12。
CN202310344195.0A 2023-04-03 2023-04-03 一种基于网络购物的交易信息读取方法和系统 Pending CN116402577A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310344195.0A CN116402577A (zh) 2023-04-03 2023-04-03 一种基于网络购物的交易信息读取方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310344195.0A CN116402577A (zh) 2023-04-03 2023-04-03 一种基于网络购物的交易信息读取方法和系统

Publications (1)

Publication Number Publication Date
CN116402577A true CN116402577A (zh) 2023-07-07

Family

ID=87006902

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310344195.0A Pending CN116402577A (zh) 2023-04-03 2023-04-03 一种基于网络购物的交易信息读取方法和系统

Country Status (1)

Country Link
CN (1) CN116402577A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117132331A (zh) * 2023-10-25 2023-11-28 福建喜购宝信息科技股份有限公司 一种商城为用户提供促销整合提醒的方法
CN117151775A (zh) * 2023-10-27 2023-12-01 德瑞骅科技(北京)有限公司 基于集成学习和神经网络的用户成交预测方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117132331A (zh) * 2023-10-25 2023-11-28 福建喜购宝信息科技股份有限公司 一种商城为用户提供促销整合提醒的方法
CN117132331B (zh) * 2023-10-25 2024-01-26 福建喜购宝信息科技股份有限公司 一种商城为用户提供促销整合提醒的方法
CN117151775A (zh) * 2023-10-27 2023-12-01 德瑞骅科技(北京)有限公司 基于集成学习和神经网络的用户成交预测方法
CN117151775B (zh) * 2023-10-27 2024-01-30 德瑞骅科技(北京)有限公司 基于集成学习和神经网络的用户成交预测方法

Similar Documents

Publication Publication Date Title
Tian et al. What factors affect consumers’ dining sentiments and their ratings: Evidence from restaurant online review data
CN116402577A (zh) 一种基于网络购物的交易信息读取方法和系统
CN116894709A (zh) 一种广告商品推荐方法和系统
KR101646312B1 (ko) 개인행동기반 관심 대상 및 선호 분야 분석시스템 및 그 방법
TW201501059A (zh) 訊息推薦方法及裝置
CN112435067A (zh) 跨电商平台与社交平台的智能广告投放方法及系统
Chen et al. Analysis of review helpfulness based on consumer perspective
CN112488807A (zh) 一种基于大数据的农产品销售推荐方法
CN116894692B (zh) 一种线上网络销售用户潜在需求分析监控方法及系统
CN114493800A (zh) 一种基于大数据的信息推送方法及系统
CN110751537A (zh) 一种基于线上线下的智能营销方法和装置
CN113254780A (zh) 信息处理的方法、装置、电子设备及计算机存储介质
CN109658195B (zh) 一种商品展示决策方法
Dixena et al. Customer satisfaction towards online shopping from Flipkart: With special reference to Raipur city
JP2021043899A (ja) 価値観クラスター生成装置、コンピュータプログラム、価値観クラスター付与方法、データベース統合方法及び広告提供方法
US10713260B2 (en) Apparatus, method, and computer-readable recording medium for providing information based on information elements identified by using user history information and estimated viewing duration information
CN114723491A (zh) 一种基于用户画像和数据挖掘的精准营销方法和系统
CN114282964A (zh) 一种基于用户偏好过滤推荐商品的方法
US20200097999A1 (en) Information processing apparatus and non-transitory computer readable medium
KR100403276B1 (ko) 구매가망상품 도출시스템 및 그 방법
JP6679705B1 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
CN113139124B (zh) 基于互联网用户兴趣自主分析自媒体内容的方法及终端
Suzuki et al. Information discovery methods using statistical processing to facilitate innovation creation
Mamedov Influence of brand image and price on purchase decision on foreign clothing companies among working adults in Kazakhstan
Wei The influence of e-commerce algorithms on Consumers’ behaviour

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