CN116823337B - 基于大数据分析用户习惯的产品销售预测系统 - Google Patents
基于大数据分析用户习惯的产品销售预测系统 Download PDFInfo
- Publication number
- CN116823337B CN116823337B CN202311070111.5A CN202311070111A CN116823337B CN 116823337 B CN116823337 B CN 116823337B CN 202311070111 A CN202311070111 A CN 202311070111A CN 116823337 B CN116823337 B CN 116823337B
- Authority
- CN
- China
- Prior art keywords
- product
- information
- shared
- unit
- person
- 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.)
- Active
Links
- 238000007405 data analysis Methods 0.000 title claims abstract description 10
- 230000008447 perception Effects 0.000 claims abstract description 18
- 230000008921 facial expression Effects 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 9
- 230000006399 behavior Effects 0.000 claims description 6
- 230000014509 gene expression Effects 0.000 claims description 3
- 238000013480 data collection Methods 0.000 abstract description 3
- 230000006872 improvement Effects 0.000 description 8
- 238000000034 method Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
-
- 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
- G06Q30/0224—Discounts or incentives, e.g. coupons or rebates based on user history
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种预测系统,具体地说,涉及基于大数据分析用户习惯的产品销售预测系统。其包括产品销售感知模块、人员交集感知模块、购买意向核准模块以及购买率预测模块,其中:所述产品销售感知模块用于获取产品复购者;所述人员交集感知模块用于获取产品信息被复购者分享的状态,并基于该状态获取被分享人的信息;该基于大数据分析用户习惯的产品销售预测系统中,通过对复购者分享给被分享人的行为进行捕捉,以复购者与被分享人之间的分享为依据,将被分享人作为产品受众群众的代表,从而判断在多个被分享人中判断出喜欢产品的占比率,以便于快速的通过受众群众与占比率之间的关系得出销售量,从而避免了大规模采集数据的现象产生。
Description
技术领域
本发明涉及一种预测系统,具体地说,涉及基于大数据分析用户习惯的产品销售预测系统。
背景技术
近年来,随着新零售的不断兴起,企业的进步与变化出现了加速和集中,变得更快、更具有爆发力。互联网实现社会信息化、数字化的过程中,零售行业依靠科技的发展、变化,得到了迅猛的发展,同时带来了更多的挑战,其特点可以概括为数字化、全渠道以及更为灵活的供应链。在高速发展和变化中,行业成本降低,效益增速的同时,也对新零售业带来了新的挑战,来自多行业多平台的降维冲击,消费者需求变化的多样性,都对企业的决策带来了很大影响。由此是否能够更加精准的预测消费者的需求,对新零售行业起到重要作用。
传统的销量预测方式通常都是对历史数据进行采集,然后基于历史数据的销量以及未来几天产品的活动幅度来预测的。但是采用这种方式就会需要采集以往多年的销售数据,如果该产品以往的销售数量以及销售渠道较多,这样就容易导致数据不能得到充分的收集和整理,从而影响预测的精确度,而且收集还需要耗费大量的时间。
发明内容
本发明的目的在于提供基于大数据分析用户习惯的产品销售预测系统,以解决上述背景技术中提出的问题。
为实现上述目的,提供了基于大数据分析用户习惯的产品销售预测系统,包括产品销售感知模块、人员交集感知模块、购买意向核准模块以及购买率预测模块,其中:
所述产品销售感知模块用于获取产品复购者;
所述人员交集感知模块用于获取产品信息被复购者分享的状态,并基于该状态获取被分享人的信息;
所述购买意向核准模块将产品的宣传信息发送至被分享人的终端设备处,并在被分享人阅读产品的宣传信息时捕捉被分享人的面部信息,以通过面部信息判断被分享人对该产品的喜好程度;
所述购买率预测模块用于通过多个被分享人对产品的喜好程度计算出普通人员的购买率。
作为本技术方案的进一步改进,所述产品销售感知模块包括产品状态采集单元、产品寿命分析单元以及复购信息采集单元,其中:所述产品状态采集单元用于获取该产品被购买的信息,并通过该信息得出该产品的购买者;所述产品寿命分析单元用于获取产品的可使用期限;所述复购信息采集单元用于获取在产品的可使用期限内获取多次购买该产品的购买者,并将该购买者标记为复购者。
作为本技术方案的进一步改进,所述人员交集感知模块包括订单状态跟踪单元、目的信息获取单元;所述订单状态跟踪单元用于跟踪复购者的订单信息的分享状态,并将状态结果发送至目的信息获取单元;所述目的信息获取单元用于获取被分享订单的到达信息,并根据达到信息获取到被分享人。
作为本技术方案的进一步改进,所述订单信息包括复购者的订单,以及与所述复购者的订单相同的产品信息。
作为本技术方案的进一步改进,所述购买意向核准模块包括人员标记单元、核准信息投放单元以及意向状态捕捉单元,其中:
所述人员标记单元用于创建代表小组,并将多个被分享人标记至代表小组内;
所述核准信息投放单元用于将产品的宣传信息投送至代表小组内的被分享人的设备内;
所述意向状态捕捉单元在被分享人阅读产品的宣传信息时,捕捉被分享人面部中的面部表情信息,并对面部表情信息进行分析。
作为本技术方案的进一步改进,所述购买率预测模块包括数据对比单元、占比信息计算单元和销售预测计算单元,
所述数据对比单元用于将被分享人的面部表情信息与标准信息进行对比,以得到喜欢产品的被分享人;
所述占比信息计算单元根据喜欢产品的被分享人在代表小组的占比率;基于该占比率,所述销售预测计算单元对产品的受众人群的数量进行计算。
作为本技术方案的进一步改进,所述购买率预测模块对受众人群数量的计算采用对比算法,其算法公式如下:
;
;
;
;
;
式中:A为标准的面部表情的模板;为模板内的数据串;B为被分享人的面部表情信息;/>为被分享人的面部表情信息内的数据串;当/>时表示和/>相同,说明被分享人不喜欢该产品;当/>时表示和/>不同,说明被分享人喜欢该产品;Z为喜欢该产品的被分享人在代表小组的占比率;x为喜欢该产品的被分享人的人数;y为代表小组的总人数;sale为销售量;S为产品的受众人群数量。
作为本技术方案的进一步改进,所述购买意向核准模块还包括人员分层单元,所述人员分层单元用于根据各个被分享人的消费水平进行逐级分层,所述占比信息计算单元用于计算在同一层次内对喜欢产品的被分享人在该层次总人数中的占比率。
作为本技术方案的进一步改进,所述人员交集感知模块还包括分享反馈建议单元,所述分享反馈建议单元与数据对比单元连接,所述分享反馈建议单元获取不喜欢该产品的被分享人,当复购者后续将相关产品继续分享给被分享人时,所述分享反馈建议单元对复购者的分享行为进行提醒。
与现有技术相比,本发明的有益效果:
1、该基于大数据分析用户习惯的产品销售预测系统中,通过对复购者分享给被分享人的行为进行捕捉,以复购者与被分享人之间的分享为依据,将被分享人作为产品受众群众的代表,从而判断在多个被分享人中判断出喜欢产品的占比率,以便于快速的通过受众群众与占比率之间的关系得出销售量,从而避免了大规模采集数据的现象产生。
2、该基于大数据分析用户习惯的产品销售预测系统中,在计算过程中就可以判断出处于同一层次内的被分享人的占比率。也就能够得出在同一层次内人们的购买量,不同的层次消费水平不一样,也就代表了不同的城市,从而能够以不同层次为依据对经济发展较低的城市的供货量进行调整。
3、该基于大数据分析用户习惯的产品销售预测系统中,由于设置了分享反馈建议单元,并通过分享反馈建议单元与数据对比单元的配合,使得复购者后续将相关产品继续分享给被分享人时,能够得知被分享人的喜欢状态,从而达到对复购者的提醒,避免了分享出错的现象,同时也降低了错误分享对系统造成的压力。
附图说明
图1为本发明的购买意向核准模块的模块框图;
图2为本发明的购买率预测模块的模块框图;
图中各个标号意义为:
100、产品销售感知模块;110、产品状态采集单元;120、产品寿命分析单元;130、复购信息采集单元;
200、人员交集感知模块;210、订单状态跟踪单元;220、目的信息获取单元;230、分享反馈建议单元;
300、购买意向核准模块;310、人员标记单元;320、核准信息投放单元;330、意向状态捕捉单元;340、人员分层单元;
400、购买率预测模块;410、数据对比单元;420、占比信息计算单元;430、销售预测计算单元。
具体实施方式
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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
此外,在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
请参阅图1和图2所示,提供了基于大数据分析用户习惯的产品销售预测系统,包括产品销售感知模块100、人员交集感知模块200、购买意向核准模块300以及购买率预测模块400,其中:
产品销售感知模块100用于获取产品复购者;
人员交集感知模块200用于获取产品信息被复购者分享的状态,并基于该状态获取被分享人的信息;
购买意向核准模块300将产品的宣传信息发送至被分享人的终端设备处,并在被分享人阅读产品的宣传信息时捕捉被分享人的面部信息,以通过面部信息判断被分享人对该产品的喜好程度;
购买率预测模块400用于通过多个被分享人对产品的喜好程度计算出普通人员的购买率。
此外,产品销售感知模块100包括产品状态采集单元110、产品寿命分析单元120以及复购信息采集单元130,其中:产品状态采集单元110用于获取该产品被购买的信息,并通过该信息得出该产品的购买者;产品寿命分析单元120用于获取产品的可使用期限;复购信息采集单元130用于获取在产品的可使用期限内获取多次购买该产品的购买者,并将该购买者标记为复购者。
购买者可以通过产品的订单信息中的付款人得出,这样,当购买者在产品的寿命周期内多次购买时,说明该复购者较为喜欢该产品,因此面对于较为喜欢的产品,复购者也就容易将产品分享给其他人,从而能够快速的获取到被分享人的信息。
进一步的,人员交集感知模块200包括订单状态跟踪单元210、目的信息获取单元220;订单状态跟踪单元210用于跟踪复购者的订单信息的分享状态,并将状态结果发送至目的信息获取单元220;目的信息获取单元220用于获取被分享订单的到达信息,并根据达到信息获取到被分享人。
再进一步的,订单信息包括复购者的订单,以及与复购者的订单相同的产品信息。在上述中,通过对订单信息的持续追踪,在一些购物平台上,也可以对复购者的行为进行监控,当复购者将产品信息分享时,也可以根据分享信息的到达处得到被分享人。也就是并不局限于复购者的订单,只要是与复购者订单相对应的产品即可。
具体的,购买意向核准模块300包括人员标记单元310、核准信息投放单元320以及意向状态捕捉单元330,其中:
人员标记单元310用于创建代表小组,并将多个被分享人标记至代表小组内;
核准信息投放单元320用于将产品的宣传信息投送至代表小组内的被分享人的设备内;
意向状态捕捉单元330在被分享人阅读产品的宣传信息时,捕捉被分享人面部中的面部表情信息,并对面部表情信息进行分析。
具体来说,当复购者将产品推荐给被分享人时,说明该产品的定位比较符合被分享人的需求,因此复购者才会分享给被分享人。因此,符合该产品需求的被分享人是否购买才能预测出该产品准确的购买率。因此将产品的宣传信息投送至被分享人的手机、电脑等设备内。当被分享人阅读时,通过手机的前置摄像头来获取被分享人的面部表情信息,当被分享人的面部表情表现出喜悦时,说明被分享人喜欢该产品,即存在购买的几率。
此外,购买率预测模块400包括数据对比单元410、占比信息计算单元420和销售预测计算单元430,
数据对比单元410用于将被分享人的面部表情信息与标准信息进行对比,以得到喜欢产品的被分享人;
占比信息计算单元420根据喜欢产品的被分享人在代表小组的占比率;基于该占比率,销售预测计算单元430对产品的受众人群的数量进行计算。
这样,首先设置一个标准的面部表情的模板,然后将代表小组内的被分享人的所有面部表情信息与标准模板进行对比,当对比结果大于标准模板时,表明被分享人的面部表情表现出喜悦,喜欢该产品。随后,将喜欢该产品的被分享人与代表小组内的总人数进行占比分析,然后得出占比率。最后再统计该产品的受众人群数量,将受众人群数量乘以占比率即可得到销售量。
也就是说,通过对复购者分享给被分享人的行为进行捕捉,以复购者与被分享人之间的分享为依据,将被分享人作为产品受众群众的代表,从而判断在多个被分享人中判断出喜欢产品的占比率,以便于快速的通过受众群众与占比率之间的关系得出销售量,从而避免了大规模采集数据的现象产生。
进一步的,购买率预测模块400对受众人群数量的计算采用对比算法,其算法公式如下:
;
;
;
;
;
式中:A为标准的面部表情的模板;为模板内的数据串;B为被分享人的面部表情信息;/>为被分享人的面部表情信息内的数据串;当/>时表示和/>相同,说明被分享人不喜欢该产品;当/>时表示和/>不同,说明被分享人喜欢该产品;Z为喜欢该产品的被分享人在代表小组的占比率;x为喜欢该产品的被分享人的人数;y为代表小组的总人数;sale为销售量;S为产品的受众人群数量。
再进一步的,购买意向核准模块300还包括人员分层单元340,人员分层单元340用于根据各个被分享人的消费水平进行逐级分层,占比信息计算单元420用于计算在同一层次内对喜欢产品的被分享人在该层次总人数中的占比率。
这样,在计算过程中就可以判断出处于同一层次内的被分享人的占比率。也就能够得出在同一层次内人们的购买量,不同的层次消费水平不一样,也就代表了不同的城市,从而能够以不同层次为依据对经济发展较低的城市的供货量进行调整。
此外,当被分享人时不喜欢产品时,如果复购者重新推荐分享其他产品时发生错误,从而又将不喜欢产品分享给被分享人,就容易造成分享的失误。为此,人员交集感知模块200还包括分享反馈建议单元230,分享反馈建议单元230与数据对比单元410连接,分享反馈建议单元230获取不喜欢该产品的被分享人,当复购者后续将相关产品继续分享给被分享人时,分享反馈建议单元230对复购者的分享行为进行提醒。
也就是说,由于设置了分享反馈建议单元230,并通过分享反馈建议单元230与数据对比单元410的配合,使得复购者后续将相关产品继续分享给被分享人时,能够得知被分享人的喜欢状态,从而达到对复购者的提醒,避免了分享出错的现象,同时也降低了错误分享对系统造成的压力。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的仅为本发明的优选例,并不用来限制本发明,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (1)
1.基于大数据分析用户习惯的产品销售预测系统,其特征在于:包括产品销售感知模块(100)、人员交集感知模块(200)、购买意向核准模块(300)以及购买率预测模块(400),其中:
所述产品销售感知模块(100)用于获取产品复购者;
所述人员交集感知模块(200)用于获取产品信息被复购者分享的状态,并基于该状态获取被分享人的信息;
所述购买意向核准模块(300)将产品的宣传信息发送至被分享人的终端设备处,并在被分享人阅读产品的宣传信息时捕捉被分享人的面部信息,以通过面部信息判断被分享人对该产品的喜好程度;
所述购买率预测模块(400)用于通过多个被分享人对产品的喜好程度计算出普通人员的购买率;
所述产品销售感知模块(100)包括产品状态采集单元(110)、产品寿命分析单元(120)以及复购信息采集单元(130),其中:所述产品状态采集单元(110)用于获取该产品被购买的信息,并通过该信息得出该产品的购买者;所述产品寿命分析单元(120)用于获取产品的可使用期限;所述复购信息采集单元(130)用于获取在产品的可使用期限内获取多次购买该产品的购买者,并将该购买者标记为复购者;
所述人员交集感知模块(200)包括订单状态跟踪单元(210)、目的信息获取单元(220);所述订单状态跟踪单元(210)用于跟踪复购者的订单信息的分享状态,并将状态结果发送至目的信息获取单元(220);所述目的信息获取单元(220)用于获取被分享订单的到达信息,并根据达到信息获取到被分享人;
所述订单信息包括复购者的订单,以及与所述复购者的订单相同的产品信息;
所述购买意向核准模块(300)包括人员标记单元(310)、核准信息投放单元(320)以及意向状态捕捉单元(330),其中:
所述人员标记单元(310)用于创建代表小组,并将多个被分享人标记至代表小组内;
所述核准信息投放单元(320)用于将产品的宣传信息投送至代表小组内的被分享人的设备内;
所述意向状态捕捉单元(330)在被分享人阅读产品的宣传信息时,捕捉被分享人面部中的面部表情信息,并对面部表情信息进行分析;
所述购买率预测模块(400)包括数据对比单元(410)、占比信息计算单元(420)和销售预测计算单元(430),
所述数据对比单元(410)用于将被分享人的面部表情信息与标准信息进行对比,以得到喜欢产品的被分享人;
所述占比信息计算单元(420)根据喜欢产品的被分享人在代表小组的占比率;基于该占比率,所述销售预测计算单元(430)对产品的受众人群的数量进行计算,其中,首先设置一个标准的面部表情的模板,然后将代表小组内的被分享人的所有面部表情信息与标准模板进行对比,当对比结果大于标准模板时,表明被分享人的面部表情表现出喜悦,喜欢该产品,随后,将喜欢该产品的被分享人与代表小组内的总人数进行占比分析,然后得出占比率,最后再统计该产品的受众人群数量,将受众人群数量乘以占比率即可得到销售量;
所述购买率预测模块(400)对受众人群数量的计算采用对比算法,其算法公式如下:
;
;
;
;
;
式中:A为标准的面部表情的模板;为模板内的数据串;B为被分享人的面部表情信息;/>为被分享人的面部表情信息内的数据串;当/>时表示和/>相同,说明被分享人不喜欢该产品;当/>时表示/>和/>不同,说明被分享人喜欢该产品;Z为喜欢该产品的被分享人在代表小组的占比率;x为喜欢该产品的被分享人的人数;y为代表小组的总人数;sale为销售量;S为产品的受众人群数量;
所述购买意向核准模块(300)还包括人员分层单元(340),所述人员分层单元(340)用于根据各个被分享人的消费水平进行逐级分层,所述占比信息计算单元(420)用于计算在同一层次内对喜欢产品的被分享人在该层次总人数中的占比率;
所述人员交集感知模块(200)还包括分享反馈建议单元(230),所述分享反馈建议单元(230)与数据对比单元(410)连接,所述分享反馈建议单元(230)获取不喜欢该产品的被分享人,当复购者后续将相关产品继续分享给被分享人时,所述分享反馈建议单元(230)对复购者的分享行为进行提醒。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311070111.5A CN116823337B (zh) | 2023-08-24 | 2023-08-24 | 基于大数据分析用户习惯的产品销售预测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311070111.5A CN116823337B (zh) | 2023-08-24 | 2023-08-24 | 基于大数据分析用户习惯的产品销售预测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116823337A CN116823337A (zh) | 2023-09-29 |
CN116823337B true CN116823337B (zh) | 2023-11-21 |
Family
ID=88127745
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311070111.5A Active CN116823337B (zh) | 2023-08-24 | 2023-08-24 | 基于大数据分析用户习惯的产品销售预测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116823337B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110533486A (zh) * | 2019-09-06 | 2019-12-03 | 江苏物联网研究发展中心 | 一种基于电商平台的大数据分析方法 |
KR20200009542A (ko) * | 2018-07-19 | 2020-01-30 | 한국기술교육대학교 산학협력단 | 소비자 빅데이터를 기반으로 하는 지능형 쇼핑 플랫폼 관리시스템 및 그 방법 |
CN110956497A (zh) * | 2019-11-27 | 2020-04-03 | 桂林电子科技大学 | 一种电子商务平台用户重复购买行为预测方法 |
CN112799774A (zh) * | 2021-04-06 | 2021-05-14 | 北京孵家科技股份有限公司 | 一种基于大数据的智能化商品销售方法、装置和系统 |
CN113095908A (zh) * | 2021-04-22 | 2021-07-09 | 深圳正品创想科技有限公司 | 一种信息处理方法、服务器及信息处理系统 |
CN115409577A (zh) * | 2022-08-31 | 2022-11-29 | 拓元(广州)智慧科技有限公司 | 基于用户行为及环境信息的智能货柜复购预测方法及系统 |
CN116611875A (zh) * | 2023-06-29 | 2023-08-18 | 云南中烟工业有限责任公司 | 一种基于顾客特征与行为预测新品的推荐方法及系统 |
-
2023
- 2023-08-24 CN CN202311070111.5A patent/CN116823337B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20200009542A (ko) * | 2018-07-19 | 2020-01-30 | 한국기술교육대학교 산학협력단 | 소비자 빅데이터를 기반으로 하는 지능형 쇼핑 플랫폼 관리시스템 및 그 방법 |
CN110533486A (zh) * | 2019-09-06 | 2019-12-03 | 江苏物联网研究发展中心 | 一种基于电商平台的大数据分析方法 |
CN110956497A (zh) * | 2019-11-27 | 2020-04-03 | 桂林电子科技大学 | 一种电子商务平台用户重复购买行为预测方法 |
CN112799774A (zh) * | 2021-04-06 | 2021-05-14 | 北京孵家科技股份有限公司 | 一种基于大数据的智能化商品销售方法、装置和系统 |
CN113095908A (zh) * | 2021-04-22 | 2021-07-09 | 深圳正品创想科技有限公司 | 一种信息处理方法、服务器及信息处理系统 |
CN115409577A (zh) * | 2022-08-31 | 2022-11-29 | 拓元(广州)智慧科技有限公司 | 基于用户行为及环境信息的智能货柜复购预测方法及系统 |
CN116611875A (zh) * | 2023-06-29 | 2023-08-18 | 云南中烟工业有限责任公司 | 一种基于顾客特征与行为预测新品的推荐方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116823337A (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11625755B1 (en) | Determining targeting information based on a predictive targeting model | |
US11238473B2 (en) | Inferring consumer affinities based on shopping behaviors with unsupervised machine learning models | |
US10235683B2 (en) | Analyzing mobile-device location histories to characterize consumer behavior | |
CN108876526B (zh) | 商品推荐方法、装置和计算机可读存储介质 | |
US8996033B1 (en) | Systems and methods for statistically associating mobile devices to households | |
US10423973B2 (en) | Analyzing consumer behavior based on location visitation | |
US8577705B1 (en) | Method and system for rating the role of a product category in the performance of a store area | |
Bose et al. | Quantitative models for direct marketing: A review from systems perspective | |
US20160203211A1 (en) | Geolocation data analytics on multi-group populations of user computing devices | |
US10262336B2 (en) | Non-converting publisher attribution weighting and analytics server and method | |
US20150199699A1 (en) | Location-based analytic platform and methods | |
US20140278795A1 (en) | Systems and methods to predict purchasing behavior | |
CN111401759B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN109299356B (zh) | 基于大数据的活动推荐方法、装置、电子设备及存储介质 | |
CN103391302A (zh) | 一种信息发送的方法及系统 | |
CN116452261B (zh) | 一种基于跨境电商服务平台的广告投放数据处理方法 | |
CN112488863A (zh) | 一种在用户冷启动场景下的险种推荐方法及相关设备 | |
Shi et al. | A generalized count model on customers' purchases in O2O market | |
CN111091409B (zh) | 客户标签的确定方法、装置和服务器 | |
CN114331543A (zh) | 一种大规模人群定向及动态化场景匹配的广告传播方法 | |
CN112215630A (zh) | 一种全渠道渐进式会员精准营销方法 | |
CN115115074A (zh) | 一种电子资源消耗信息预测方法、装置、设备及存储介质 | |
CN117078360A (zh) | 一种基于线下推广的商品智能展示方法、系统及装置 | |
CN116823337B (zh) | 基于大数据分析用户习惯的产品销售预测系统 | |
CN116304374B (zh) | 一种基于包装数据的客户匹配方法及系统 |
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 |