CN116883084A - 一种基于销售评价的数据智能监控预警方法及系统 - Google Patents
一种基于销售评价的数据智能监控预警方法及系统 Download PDFInfo
- Publication number
- CN116883084A CN116883084A CN202311155194.8A CN202311155194A CN116883084A CN 116883084 A CN116883084 A CN 116883084A CN 202311155194 A CN202311155194 A CN 202311155194A CN 116883084 A CN116883084 A CN 116883084A
- Authority
- CN
- China
- Prior art keywords
- sales
- data
- evaluation
- commodity
- value
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 294
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012544 monitoring process Methods 0.000 title claims abstract description 31
- 238000004364 calculation method Methods 0.000 claims description 131
- 238000004590 computer program Methods 0.000 claims description 14
- 230000015654 memory Effects 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 7
- 238000003306 harvesting Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 9
- 238000005070 sampling Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 238000004091 panning Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000012055 fruits and vegetables Nutrition 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012546 transfer Methods 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
- G06Q30/0282—Rating or review of business operators or products
-
- 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
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于销售评价的数据智能监控预警方法及系统,属于专门适用于预测目的的数据处理系统领域,本发明将使用周期评价数据和体验评价数据导入销售评价计算策略中进行销售评价值的计算,提取待购买商品的历史销售数据、同类商品价格数据和销售数据,将历史销售数据、同类商品价格数据和销售数据导入商品评价计算策略中进行商品评价值的计算,商品评价值和销售评价值导入预警值计算策略中进行预警值的计算,判断计算得到的预警值是否大于等于设定的预警阈值,若计算得到的预警值大于等于设定的预警阈值,则进行消费预警,并将预警信息传输至客户端,这样综合销售评价数据和同类商品的销售数据,对存在质量问题的待购买商品进行提前预警。
Description
技术领域
本发明属于专门适用于预测目的的数据处理系统技术领域,具体的说是一种基于销售评价的数据智能监控预警方法及系统。
背景技术
随着互联网的发展,网上消费越来越普遍,例如,用户可以直接向收款账户直接转账完成消费,然而,由于网络环境虚拟且复杂,网上消费存在一定的风险,消费者对商品进行选择后进行付款购物,在进行商品选择时,现有技术无法根据历史评价数据和同类商品数据进行统合,对选择的商品的质量问题进行提前报警,这样消费者容易上当受骗,现有技术中均存在上述问题;
例如在申请公布号为CN116468444A的中国专利中公开了一种消费预警方法、系统、设备和存储介质。该方法可应用于人工智能领域或金融领域。该方法包括:响应于用户的第一账户的消费请求,获取所述用户的第一账户的在目标时间段内的实际的消费信息;所述实际的消费信息包括消费请求的消费信息;利用消费预测模型生成用户在目标时间段内的消费画像;消费预测模型是基于根据用户的多个账户在第一预设时间段内的历史消费信息构建的;根据实际的消费信息、消费画像和预警条件生成消费预警信息。该方法使用多账户历史信息构建的消费预测模型精准预测用户的消费画像,进而在用户消费过程中利用消费画像实时监测用户实际的消费信息,对异常的消费数据进行及时预警;
同时例如在申请公布号为CN115169712A的中国专利中提供一种消费品安全分析处理评估预警系统,包括产品传送模块,用于产品的输送,设置为多条相邻的生产线;抽检模块,用于对产品传送模块上的产品进行随机抽检,并将抽检结果信息传递给预警处理模块;包装发货模块,对产品进行包装并发货;收货确认及反馈模块,确认收货收到货并得到收货反馈;预警处理模块,接收反馈信号以及抽检结果信息并进行预警分析;频率控制模块,收到预警处理模块发出的预警方案,从而控制抽检装置的抽检频率,以及该系统的具体流程方法,用来对水果蔬菜这种保质期较短的消费品进行安全分析评估,并做出对应的处理方案。
以上专利均存在本背景技术提出的问题:在进行商品选择时,现有技术无法根据历史评价数据和同类商品数据进行统合,对选择的商品的质量问题进行提前报警,这样消费者容易上当受骗,为了解决这些问题,本申请设计了一种基于销售评价的数据智能监控预警方法及系统。
发明内容
针对现有技术的不足,本发明提出了一种基于销售评价的数据智能监控预警方法及系统,本发明通过选择待购买商品,导出待购买商品的历史销售评价数据、历史销售数据、同类商品价格数据和销售数据,提取待购买商品的历史销售评价数据,将历史销售评价数据划分为使用周期评价数据和体验评价数据,将使用周期评价数据和体验评价数据导入销售评价计算策略中进行销售评价值的计算,提取待购买商品的历史销售数据、同类商品价格数据和销售数据,将历史销售数据、同类商品价格数据和销售数据导入商品评价计算策略中进行商品评价值的计算,商品评价值和销售评价值导入预警值计算策略中进行预警值的计算,判断计算得到的预警值是否大于等于设定的预警阈值,若计算得到的预警值大于等于设定的预警阈值,则进行消费预警,并将预警信息传输至客户端,这样综合销售评价数据和同类商品的销售数据,对存在质量问题的待购买商品进行提前预警,避免消费者上当受骗。
为实现上述目的,本发明提供如下技术方案:
一种基于销售评价的数据智能监控预警方法,其包括以下具体步骤:
S1、选择待购买商品,导出待购买商品的历史销售评价数据、历史销售数据、同类商品价格数据和销售数据;
S2、提取待购买商品的历史销售评价数据,将历史销售评价数据划分为使用周期评价数据和体验评价数据;
S3、将使用周期评价数据和体验评价数据导入销售评价计算策略中进行销售评价值的计算;
S4、提取待购买商品的历史销售数据、同类商品价格数据和销售数据;
S5、将历史销售数据、同类商品价格数据和销售数据导入商品评价计算策略中进行商品评价值的计算;
S6、商品评价值和销售评价值导入预警值计算策略中进行预警值的计算;
S7、判断计算得到的预警值是否大于等于设定的预警阈值;
S8、若计算得到的预警值大于等于设定的预警阈值,则进行消费预警,并将预警信息传输至客户端,若计算得到的预警值小于设定的预警阈值,则显示销售安全,不进行消费预警。
具体的,所述S1中包括以下具体步骤:
S11、用户在用户界面上选择待购买商品,在待购买商品的评价栏提取出商品的历史销售评价数据,其中历史销售评价数据包括使用周期评价数据和体验评价数据,其中使用周期评价数据为商品在收货后使用一半商家所承诺的生命周期后的评价数据,其中体验评价数据为商品收获后体验的评价数据;
S12、提取待购买商品的历史销售数据,计算待购买商品的单个销售周期平均销售数量数据,计算公式为:,其中,/>为单个销售周期平均销售数量,/>为销售的周期数,/>为第i个销售周期的销售数量;
S13、提取待购买商品的同类商品价格数据和销售周期内销售数据,求得第i个同类商品价格销售周期平均价格数据和销售周期内销售量平均数据/>;
S14、将使用周期评价数据和体验评价数据作为第一维向量数据,待购买商品的历史销售数据作为第二维向量数据,同类商品价格销售周期平均价格和销售周期内销售量平均数据作为第三维向量数据进行整合,将数据以三维向量的形式进行储存和传输。
具体的,所述S3中的销售评价计算策略的具体步骤如下:
S31、提取使用周期评价数据和体验评价数据,获得使用周期评价数据的平均值和体验评价数据的平均值,其中使用周期评价数据的平均值的计算公式为:,其中/>为使用周期评价数据的条数,/>为第i条使用周期评价数据的打分值,体验评价数据的平均值的计算公式为:/>,其中,/>为使用周期评价数据的条数,/>为第i条体验评价数据的打分值;
S32、将计算得到的使用周期评价数据的平均值和体验评价数据的平均值代入销售评价值计算公式中进行销售评价值的计算,销售评价值计算公式为:,其中/>为使用周期评价数据的平均值占比系数,/>为体验评价数据的平均值占比系数,/>且/>。
具体的,所述S5中的商品评价计算策略的具体步骤如下:
S51、提取待购买商品的历史销售数据、同类商品价格销售周期平均价格和销售周期内销售量平均数据,待购买商品的历史销售数据为待购买商品的单个销售周期平均销售数量数据;
S52、将待购买商品的单个销售周期平均销售数量数据和同类商品销售周期内销售量平均数据代入销售量差距值计算公式中计算销售量差距值,销售量差距值为,其中exp()为e的次数幂,/>为同类商品的总个数;
S53、提取待购买商品的价格K和同类商品价格销售周期平均价格数据导入价格差距值计算公式中计算价格差距值,;
S54、提取销售量差距值和价格差距值导入商品评价值计算公式中计算商品评价值,其中,商品评价值计算公式为:。
具体的,所述S6中的预警值计算策略的具体内容为:
提取得到的待购买商品销售评价值和商品评价值,将待购买商品销售评价值和商品评价值相加得到待购买商品的预警值。
一种基于销售评价的数据智能监控预警系统,其基于上述一种基于销售评价的数据智能监控预警方法实现,其具体包括数据采集模块、控制模块、销售评价值计算模块、商品评价值计算模块、预警值计算模块、数据对比模块和消费预警模块,所述控制模块用于控制数据采集模块、销售评价值计算模块、商品评价值计算模块、预警值计算模块、数据对比模块和消费预警模块的运行,所述数据采集模块用于采集待购买商品的历史销售评价数据、历史销售数据、同类商品价格数据和销售数据,所述销售评价值计算模块用于将使用周期评价数据和体验评价数据导入销售评价计算策略中进行销售评价值的计算,所述商品评价值计算模块用于将历史销售数据、同类商品价格数据和销售数据导入商品评价计算策略中进行商品评价值的计算,所述预警值计算模块用于商品评价值和销售评价值导入预警值计算策略中进行预警值的计算,所述数据对比模块用于判断计算得到的预警值是否大于等于设定的预警阈值,所述消费预警模块用于对计算得到的预警值大于等于设定的预警阈值,则进行消费预警,并将预警信息传输至客户端。
具体的,所述销售评价值计算模块包括使用周期评价数据计算单元、体验评价数据平均值计算单元和销售评价值计算模型单元,所述使用周期评价数据计算单元用于提取使用周期评价数据计算使用周期评价数据的平均值,所述体验评价数据平均值计算单元用于提取体验评价数据计算体验评价数据的平均值,所述销售评价值计算模型单元用于将计算得到的使用周期评价数据的平均值和体验评价数据的平均值代入销售评价值计算公式中进行销售评价值的计算。
具体的,所述商品评价值计算模块中包括销售量差距值计算单元、价格差距值计算单元和商品评价值计算模型单元,所述销售量差距值计算单元用于将待购买商品的单个销售周期平均销售数量数据和同类商品销售周期内销售量平均数据代入销售量差距值计算公式中计算销售量差距值,所述价格差距值计算单元用于提取待购买商品的价格和同类商品价格销售周期平均价格数据导入价格差距值计算公式中计算价格差距值,所述商品评价值计算模型单元用于提取销售量差距值和价格差距值导入商品评价值计算公式中计算商品评价值。
一种电子设备,包括:处理器和存储器,其中,所述存储器中存储有可供处理器调用的计算机程序;
所述处理器通过调用所述存储器中存储的计算机程序,执行上述的一种基于销售评价的数据智能监控预警方法。
一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机执行如上述的一种基于销售评价的数据智能监控预警方法。
与现有技术相比,本发明的有益效果是:
本发明通过选择待购买商品,导出待购买商品的历史销售评价数据、历史销售数据、同类商品价格数据和销售数据,提取待购买商品的历史销售评价数据,将历史销售评价数据划分为使用周期评价数据和体验评价数据,将使用周期评价数据和体验评价数据导入销售评价计算策略中进行销售评价值的计算,提取待购买商品的历史销售数据、同类商品价格数据和销售数据,将历史销售数据、同类商品价格数据和销售数据导入商品评价计算策略中进行商品评价值的计算,商品评价值和销售评价值导入预警值计算策略中进行预警值的计算,判断计算得到的预警值是否大于等于设定的预警阈值,若计算得到的预警值大于等于设定的预警阈值,则进行消费预警,并将预警信息传输至客户端,这样综合销售评价数据和同类商品的销售数据,对存在质量问题的待购买商品进行提前预警,避免消费者上当受骗。
附图说明
图1为本发明基于销售评价的数据智能监控预警方法流程示意图;
图2为本发明基于销售评价的数据智能监控预警系统整体框架示意图;
图3为本发明基于销售评价的数据智能监控预警系统的销售评价值计算模块框架示意图;
图4为本发明基于销售评价的数据智能监控预警系统的商品评价值计算模块框架示意图。
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,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。
实施例1
请参阅图1,本发明提供的一种实施例:其包括以下具体步骤:
S1、选择待购买商品,导出待购买商品的历史销售评价数据、历史销售数据、同类商品价格数据和销售数据;
在本实施例中,S1中包括以下具体步骤:
S11、用户在用户界面上选择待购买商品,在待购买商品的评价栏提取出商品的历史销售评价数据,其中历史销售评价数据包括使用周期评价数据和体验评价数据,其中使用周期评价数据为商品在收货后使用一半商家所承诺的生命周期后的评价数据,其中体验评价数据为商品收获后体验的评价数据;
S12、提取待购买商品的历史销售数据,计算待购买商品的单个销售周期平均销售数量数据,计算公式为:,其中,/>为单个销售周期平均销售数量,/>为销售的周期数,/>为第i个销售周期的销售数量;
这里通过示例代码表示为:
# 假设销售数据存储在一个字典中,键是日期,值是销售数量
sales_data = {
'2022-01-01': 100,
'2022-01-02': 150,
'2022-01-03': 200,
'2022-01-04': 180,
'2022-01-05': 120,
'2022-01-06': 170,
}
# 计算单个销售周期平均销售数量数据的函数
def calculate_average_sales(sales_data):
total_sales = sum(sales_data.values())
num_periods = len(sales_data)
average_sales = total_sales / num_periods
return average_sales
# 提取待购买商品的历史销售数据
product_sales_data = {} # 存储待购买商品的历史销售数据
for date, sales in sales_data.items():
product_sales_data[date] = sales
# 计算待购买商品的单个销售周期平均销售数量数据
average_sales = calculate_average_sales(product_sales_data)
print("单个销售周期平均销售数量数据:", average_sales)
S13、提取待购买商品的同类商品价格数据和销售周期内销售数据,求得第i个同类商品价格销售周期平均价格数据和销售周期内销售量平均数据/>,这里的销售周期优选为商品的使用周期;
S14、将使用周期评价数据和体验评价数据作为第一维向量数据,待购买商品的历史销售数据作为第二维向量数据,同类商品价格销售周期平均价格和销售周期内销售量平均数据作为第三维向提取待购买商品的历史销售数据,计算待购买商品的单个销售周期平均销售数量数据量数据进行整合,将数据以三维向量的形式进行储存和传输;
S2、提取待购买商品的历史销售评价数据,将历史销售评价数据划分为使用周期评价数据和体验评价数据,其中使用周期评价数据为商品在收货后使用一半商家所承诺的生命周期后的评价数据,其中体验评价数据为商品收货后体验的评价数据,这是因为现在在网购时经常在收货后进行评价,还会在使用一段时间后进行追评,这样我们对评价数据按照收货后的评价和使用一段时间后进行追评的划分;
S3、将使用周期评价数据和体验评价数据导入销售评价计算策略中进行销售评价值的计算;
在本实施例中,S3中的销售评价计算策略的具体步骤如下:
S31、提取使用周期评价数据和体验评价数据,获得使用周期评价数据的平均值和体验评价数据的平均值,其中使用周期评价数据的平均值的计算公式为:,其中/>为使用周期评价数据的条数,/>为第i条使用周期评价数据的打分值,体验评价数据的平均值的计算公式为:/>,其中,/>为使用周期评价数据的条数,/>为第i条体验评价数据的打分值;
在此需要说明的是,这里评价数据的打分值通过用于对商品的好坏评价打分实现,打分范围为0-1,各商家可自行设置,这里以淘宝用户为例,对于现在淘宝用户的评价通过一星-五星评价,这里的五星对应为1,四星就对应0.8,....依次类推;
S32、将计算得到的使用周期评价数据的平均值和体验评价数据的平均值代入销售评价值计算公式中进行销售评价值的计算,销售评价值计算公式为:,其中/>为使用周期评价数据的平均值占比系数,/>为体验评价数据的平均值占比系数,/>且/>;
S4、提取待购买商品的历史销售数据、同类商品价格数据和销售数据;
S5、将历史销售数据、同类商品价格数据和销售数据导入商品评价计算策略中进行商品评价值的计算;
在本实施例中,S5中的商品评价计算策略的具体步骤如下:
S51、提取待购买商品的历史销售数据、同类商品价格销售周期平均价格和销售周期内销售量平均数据,待购买商品的历史销售数据为待购买商品的单个销售周期平均销售数量数据;
S52、将待购买商品的单个销售周期平均销售数量数据和同类商品销售周期内销售量平均数据代入销售量差距值计算公式中计算销售量差距值,销售量差距值为,其中exp()为e的次数幂,/>为同类商品的总个数;
S53、提取待购买商品的价格K和同类商品价格销售周期平均价格数据导入价格差距值计算公式中计算价格差距值,;
S54、提取销售量差距值和价格差距值导入商品评价值计算公式中计算商品评价值,其中,商品评价值计算公式为:;
S6、商品评价值和销售评价值导入预警值计算策略中进行预警值的计算;
在本实施例中,S6中的预警值计算策略的具体内容为:
提取得到的待购买商品销售评价值和商品评价值,将待购买商品销售评价值和商品评价值相加得到待购买商品的预警值。
S7、判断计算得到的预警值是否大于等于设定的预警阈值;
S8、若计算得到的预警值大于等于设定的预警阈值,则进行消费预警,并将预警信息传输至客户端,若计算得到的预警值小于设定的预警阈值,则显示销售安全,不进行消费预警。
实施例2
如图2-图4所示,一种基于销售评价的数据智能监控预警系统,其基于上述一种基于销售评价的数据智能监控预警方法实现,其具体包括数据采集模块、控制模块、销售评价值计算模块、商品评价值计算模块、预警值计算模块、数据对比模块和消费预警模块,控制模块用于控制数据采集模块、销售评价值计算模块、商品评价值计算模块、预警值计算模块、数据对比模块和消费预警模块的运行,数据采集模块用于采集待购买商品的历史销售评价数据、历史销售数据、同类商品价格数据和销售数据,销售评价值计算模块用于将使用周期评价数据和体验评价数据导入销售评价计算策略中进行销售评价值的计算,商品评价值计算模块用于将历史销售数据、同类商品价格数据和销售数据导入商品评价计算策略中进行商品评价值的计算,预警值计算模块用于商品评价值和销售评价值导入预警值计算策略中进行预警值的计算,数据对比模块用于判断计算得到的预警值是否大于等于设定的预警阈值,消费预警模块用于对计算得到的预警值大于等于设定的预警阈值,则进行消费预警,并将预警信息传输至客户端。
在本实施例中,销售评价值计算模块包括使用周期评价数据计算单元、体验评价数据平均值计算单元和销售评价值计算模型单元,使用周期评价数据计算单元用于提取使用周期评价数据计算使用周期评价数据的平均值,体验评价数据平均值计算单元用于提取体验评价数据计算体验评价数据的平均值,销售评价值计算模型单元用于将计算得到的使用周期评价数据的平均值和体验评价数据的平均值代入销售评价值计算公式中进行销售评价值的计算。
在本实施例中,商品评价值计算模块中包括销售量差距值计算单元、价格差距值计算单元和商品评价值计算模型单元,销售量差距值计算单元用于将待购买商品的单个销售周期平均销售数量数据和同类商品销售周期内销售量平均数据代入销售量差距值计算公式中计算销售量差距值,价格差距值计算单元用于提取待购买商品的价格和同类商品价格销售周期平均价格数据导入价格差距值计算公式中计算价格差距值,商品评价值计算模型单元用于提取销售量差距值和价格差距值导入商品评价值计算公式中计算商品评价值。
实施例3
本实施例提供一种电子设备,包括:处理器和存储器,其中,存储器中存储有可供处理器调用的计算机程序;
处理器通过调用存储器中存储的计算机程序,执行上述的一种基于销售评价的数据智能监控预警方法。
该电子设备可因配置或性能不同而产生比较大的差异,能够包括一个或一个以上的处理器(Central Processing Units,CPU)和一个或一个以上的存储器,其中,该存储器中存储有至少一条计算机程序,该计算机程序由该处理器加载并执行以实现上述方法实施例提供的一种基于销售评价的数据智能监控预警方法。该电子设备还能够包括其他用于实现设备功能的部件,例如,该电子设备还能够具有有线或无线网络接口以及输入输出接口等部件,以便进行数据的输入输出。本实施例在此不做赘述。
实施例4
本实施例提出一种计算机可读存储介质,其上存储有可擦写的计算机程序;
当计算机程序在计算机设备上运行时,使得计算机设备执行上述的一种基于销售评价的数据智能监控预警方法。
例如,计算机可读存储介质能够是只读存储器(Read-Only Memory,简称:ROM)、随机存取存储器(Random Access Memory,简称:RAM)、只读光盘(Compact Disc Read-OnlyMemory,简称:CD-ROM)、磁带、软盘和光数据存储设备等。
应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
应理解,根据A确定B并不意味着仅仅根据A确定B,还能够根据A和/或其它信息确定B。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行计算机指令或计算机程序时,全部或部分地产生按照本发明实施例的流程或功能。计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线网络或/和无线网络方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质。半导体介质可以是固态硬盘。
本领域普通技术人员可以意识到,结合本发明中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可做很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (10)
1.一种基于销售评价的数据智能监控预警方法,其特征在于,其包括以下具体步骤:
S1、选择待购买商品,导出待购买商品的历史销售评价数据、历史销售数据、同类商品价格数据和销售数据;
S2、提取待购买商品的历史销售评价数据,将历史销售评价数据划分为使用周期评价数据和体验评价数据;
S3、将使用周期评价数据和体验评价数据导入销售评价计算策略中进行销售评价值的计算;
S4、提取待购买商品的历史销售数据、同类商品价格数据和销售数据;
S5、将历史销售数据、同类商品价格数据和销售数据导入商品评价计算策略中进行商品评价值的计算;
S6、商品评价值和销售评价值导入预警值计算策略中进行预警值的计算;
S7、判断计算得到的预警值是否大于等于设定的预警阈值;
S8、若计算得到的预警值大于等于设定的预警阈值,则进行消费预警,并将预警信息传输至客户端,若计算得到的预警值小于设定的预警阈值,则显示销售安全,不进行消费预警。
2.如权利要求1所述的一种基于销售评价的数据智能监控预警方法,其特征在于,所述S1中包括以下具体步骤:
S11、用户在用户界面上选择待购买商品,在待购买商品的评价栏提取出商品的历史销售评价数据,其中历史销售评价数据包括使用周期评价数据和体验评价数据,其中使用周期评价数据为商品在收货后使用一半商家所承诺的生命周期后的评价数据,其中体验评价数据为商品收获后体验的评价数据;
S12、提取待购买商品的历史销售数据,计算待购买商品的单个销售周期平均销售数量数据,计算公式为:,其中,/>为单个销售周期平均销售数量,/>为销售的周期数,/>为第i个销售周期的销售数量;
S13、提取待购买商品的同类商品价格数据和销售周期内销售数据,求得第i个同类商品价格销售周期平均价格数据和销售周期内销售量平均数据/>;
S14、将使用周期评价数据和体验评价数据作为第一维向量数据,待购买商品的历史销售数据作为第二维向量数据,同类商品价格销售周期平均价格和销售周期内销售量平均数据作为第三维向量数据进行整合,将数据以三维向量的形式进行储存和传输。
3.如权利要求2所述的一种基于销售评价的数据智能监控预警方法,其特征在于,所述S3中的销售评价计算策略的具体步骤如下:
S31、提取使用周期评价数据和体验评价数据,获得使用周期评价数据的平均值和体验评价数据的平均值,其中使用周期评价数据的平均值的计算公式为:,其中/>为使用周期评价数据的条数,/>为第i条使用周期评价数据的打分值,体验评价数据的平均值的计算公式为:/>,其中,/>为使用周期评价数据的条数,/>为第i条体验评价数据的打分值;
S32、将计算得到的使用周期评价数据的平均值和体验评价数据的平均值代入销售评价值计算公式中进行销售评价值的计算,销售评价值计算公式为:,其中/>为使用周期评价数据的平均值占比系数,/>为体验评价数据的平均值占比系数,/>且/>。
4.如权利要求3所述的一种基于销售评价的数据智能监控预警方法,其特征在于,所述S5中的商品评价计算策略的具体步骤如下:
S51、提取待购买商品的历史销售数据、同类商品价格销售周期平均价格和销售周期内销售量平均数据,待购买商品的历史销售数据为待购买商品的单个销售周期平均销售数量数据;
S52、将待购买商品的单个销售周期平均销售数量数据和同类商品销售周期内销售量平均数据代入销售量差距值计算公式中计算销售量差距值,销售量差距值为,其中exp()为e的次数幂,/>为同类商品的总个数;
S53、提取待购买商品的价格K和同类商品价格销售周期平均价格数据导入价格差距值计算公式中计算价格差距值,;
S54、提取销售量差距值和价格差距值导入商品评价值计算公式中计算商品评价值,其中,商品评价值计算公式为:。
5.如权利要求4所述的一种基于销售评价的数据智能监控预警方法,其特征在于,所述S6中的预警值计算策略的具体内容为:
提取得到的待购买商品销售评价值和商品评价值,将待购买商品销售评价值和商品评价值相加得到待购买商品的预警值。
6.一种基于销售评价的数据智能监控预警系统,其基于如权利要求1-5任一项的所述一种基于销售评价的数据智能监控预警方法实现,其特征在于,其具体包括数据采集模块、控制模块、销售评价值计算模块、商品评价值计算模块、预警值计算模块、数据对比模块和消费预警模块,所述控制模块用于控制数据采集模块、销售评价值计算模块、商品评价值计算模块、预警值计算模块、数据对比模块和消费预警模块的运行,所述数据采集模块用于采集待购买商品的历史销售评价数据、历史销售数据、同类商品价格数据和销售数据,所述销售评价值计算模块用于将使用周期评价数据和体验评价数据导入销售评价计算策略中进行销售评价值的计算,所述商品评价值计算模块用于将历史销售数据、同类商品价格数据和销售数据导入商品评价计算策略中进行商品评价值的计算,所述预警值计算模块用于商品评价值和销售评价值导入预警值计算策略中进行预警值的计算,所述数据对比模块用于判断计算得到的预警值是否大于等于设定的预警阈值,所述消费预警模块用于对计算得到的预警值大于等于设定的预警阈值,则进行消费预警,并将预警信息传输至客户端。
7.如权利要求6所述的一种基于销售评价的数据智能监控预警系统,其特征在于,所述销售评价值计算模块包括使用周期评价数据计算单元、体验评价数据平均值计算单元和销售评价值计算模型单元,所述使用周期评价数据计算单元用于提取使用周期评价数据计算使用周期评价数据的平均值,所述体验评价数据平均值计算单元用于提取体验评价数据计算体验评价数据的平均值,所述销售评价值计算模型单元用于将计算得到的使用周期评价数据的平均值和体验评价数据的平均值代入销售评价值计算公式中进行销售评价值的计算。
8.如权利要求7所述的一种基于销售评价的数据智能监控预警系统,其特征在于,所述商品评价值计算模块中包括销售量差距值计算单元、价格差距值计算单元和商品评价值计算模型单元,所述销售量差距值计算单元用于将待购买商品的单个销售周期平均销售数量数据和同类商品销售周期内销售量平均数据代入销售量差距值计算公式中计算销售量差距值,所述价格差距值计算单元用于提取待购买商品的价格和同类商品价格销售周期平均价格数据导入价格差距值计算公式中计算价格差距值,所述商品评价值计算模型单元用于提取销售量差距值和价格差距值导入商品评价值计算公式中计算商品评价值。
9.一种电子设备,其特征在于,包括:处理器和存储器,其中,所述存储器中存储有可供处理器调用的计算机程序;
所述处理器通过调用所述存储器中存储的计算机程序,执行权利要求1-5任一项所述的一种基于销售评价的数据智能监控预警方法。
10.一种计算机可读存储介质,其特征在于:储存有指令,当所述指令在计算机上运行时,使得计算机执行如权利要求1-5任意一项所述的一种基于销售评价的数据智能监控预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311155194.8A CN116883084B (zh) | 2023-09-08 | 2023-09-08 | 一种基于销售评价的数据智能监控预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311155194.8A CN116883084B (zh) | 2023-09-08 | 2023-09-08 | 一种基于销售评价的数据智能监控预警方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116883084A true CN116883084A (zh) | 2023-10-13 |
CN116883084B CN116883084B (zh) | 2023-11-28 |
Family
ID=88255496
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311155194.8A Active CN116883084B (zh) | 2023-09-08 | 2023-09-08 | 一种基于销售评价的数据智能监控预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116883084B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117196640A (zh) * | 2023-11-06 | 2023-12-08 | 青岛巨商汇网络科技有限公司 | 一种基于服务体验的全流程可视化管理系统及方法 |
CN117236667A (zh) * | 2023-11-15 | 2023-12-15 | 青岛巨商汇网络科技有限公司 | 一种基于库存数据共享的物流调度方法及系统 |
CN117273749A (zh) * | 2023-11-21 | 2023-12-22 | 青岛巨商汇网络科技有限公司 | 一种基于智能交互的交易管理方法及系统 |
CN117330901A (zh) * | 2023-12-01 | 2024-01-02 | 深圳市思翰铭科技有限公司 | 基于数据识别的接头设备故障监测方法及系统 |
CN117350822A (zh) * | 2023-12-04 | 2024-01-05 | 青岛巨商汇网络科技有限公司 | 一种基于产供销融合的供应链管理方法及系统 |
CN117422576A (zh) * | 2023-12-19 | 2024-01-19 | 青岛巨商汇网络科技有限公司 | 基于云计算的商品销售的业务财务一体化管理系统及方法 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020184105A1 (en) * | 2001-06-01 | 2002-12-05 | Czuchry Andrew J. | Commodity usage tracking and replenishment apparatus and method |
US8600835B1 (en) * | 2011-01-18 | 2013-12-03 | Intuit Inc. | Methods systems and computer program products for generating electronic shopping lists with item and price data |
CN105488705A (zh) * | 2015-11-23 | 2016-04-13 | 深圳正品创想科技有限公司 | 网上购物辅助系统及方法 |
CN106204086A (zh) * | 2015-05-06 | 2016-12-07 | 阿里巴巴集团控股有限公司 | 商品销量的预警方法和装置 |
CN107220833A (zh) * | 2017-05-24 | 2017-09-29 | 杭州呯嘭智能技术有限公司 | 一种面向电商的在线信贷方法及系统 |
CN110135859A (zh) * | 2019-04-16 | 2019-08-16 | 深圳壹账通智能科技有限公司 | 商品质量监控方法以及系统 |
CN110415004A (zh) * | 2018-04-27 | 2019-11-05 | 杉数科技(北京)有限公司 | 用于确定商品定价的方法及装置 |
CN112488807A (zh) * | 2020-12-19 | 2021-03-12 | 闫耀伟 | 一种基于大数据的农产品销售推荐方法 |
CN112613827A (zh) * | 2020-12-29 | 2021-04-06 | 南方电网深圳数字电网研究院有限公司 | 园区商品维护的方法、系统及计算机存储介质 |
KR102259358B1 (ko) * | 2019-11-28 | 2021-06-02 | (주)양유 | 신규 브랜드 크리에이팅 시스템 및 방법 |
CN113011897A (zh) * | 2019-12-20 | 2021-06-22 | 珠海格力电器股份有限公司 | 供应商质量评价预警方法、装置及电子设备 |
CN115115417A (zh) * | 2022-07-25 | 2022-09-27 | 浪潮卓数大数据产业发展有限公司 | 一种基于舆情的商品销售数据预测方法、设备及介质 |
CN115169712A (zh) * | 2022-07-20 | 2022-10-11 | 中国标准化研究院 | 一种消费品安全分析处理评估预警系统及方法 |
CN115578108A (zh) * | 2022-09-30 | 2023-01-06 | 丝路之舟科技有限公司 | 一种基于区块链的跨境电商大数据存证和信用分析系统 |
CN116468444A (zh) * | 2023-04-23 | 2023-07-21 | 中国银行股份有限公司 | 一种消费预警方法、系统、设备和存储介质 |
CN116542604A (zh) * | 2023-05-10 | 2023-08-04 | 深圳市鹰熊汇科技有限公司 | 全球电商平台商品进销存管理方法、装置、设备及介质 |
-
2023
- 2023-09-08 CN CN202311155194.8A patent/CN116883084B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020184105A1 (en) * | 2001-06-01 | 2002-12-05 | Czuchry Andrew J. | Commodity usage tracking and replenishment apparatus and method |
US8600835B1 (en) * | 2011-01-18 | 2013-12-03 | Intuit Inc. | Methods systems and computer program products for generating electronic shopping lists with item and price data |
CN106204086A (zh) * | 2015-05-06 | 2016-12-07 | 阿里巴巴集团控股有限公司 | 商品销量的预警方法和装置 |
CN105488705A (zh) * | 2015-11-23 | 2016-04-13 | 深圳正品创想科技有限公司 | 网上购物辅助系统及方法 |
CN107220833A (zh) * | 2017-05-24 | 2017-09-29 | 杭州呯嘭智能技术有限公司 | 一种面向电商的在线信贷方法及系统 |
CN110415004A (zh) * | 2018-04-27 | 2019-11-05 | 杉数科技(北京)有限公司 | 用于确定商品定价的方法及装置 |
CN110135859A (zh) * | 2019-04-16 | 2019-08-16 | 深圳壹账通智能科技有限公司 | 商品质量监控方法以及系统 |
KR102259358B1 (ko) * | 2019-11-28 | 2021-06-02 | (주)양유 | 신규 브랜드 크리에이팅 시스템 및 방법 |
CN113011897A (zh) * | 2019-12-20 | 2021-06-22 | 珠海格力电器股份有限公司 | 供应商质量评价预警方法、装置及电子设备 |
CN112488807A (zh) * | 2020-12-19 | 2021-03-12 | 闫耀伟 | 一种基于大数据的农产品销售推荐方法 |
CN112613827A (zh) * | 2020-12-29 | 2021-04-06 | 南方电网深圳数字电网研究院有限公司 | 园区商品维护的方法、系统及计算机存储介质 |
CN115169712A (zh) * | 2022-07-20 | 2022-10-11 | 中国标准化研究院 | 一种消费品安全分析处理评估预警系统及方法 |
CN115115417A (zh) * | 2022-07-25 | 2022-09-27 | 浪潮卓数大数据产业发展有限公司 | 一种基于舆情的商品销售数据预测方法、设备及介质 |
CN115578108A (zh) * | 2022-09-30 | 2023-01-06 | 丝路之舟科技有限公司 | 一种基于区块链的跨境电商大数据存证和信用分析系统 |
CN116468444A (zh) * | 2023-04-23 | 2023-07-21 | 中国银行股份有限公司 | 一种消费预警方法、系统、设备和存储介质 |
CN116542604A (zh) * | 2023-05-10 | 2023-08-04 | 深圳市鹰熊汇科技有限公司 | 全球电商平台商品进销存管理方法、装置、设备及介质 |
Non-Patent Citations (3)
Title |
---|
SARAH D. KOWITT PHD等: "Improving Point-of-Sale Warnings for Single Cigars: Implications for Premium Cigars", 《NICOTINE AND TOBACCO RESEARCH》, vol. 25, pages 76 - 80 * |
宋先道;: "具有预警功能的顾客满意度数学模型研究", 武汉理工大学学报, no. 07, pages 168 - 173 * |
谭新政 等: "商品售后服务管理与评价研究报告", 《商品与质量》, no. 41, pages 8 - 12 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117196640A (zh) * | 2023-11-06 | 2023-12-08 | 青岛巨商汇网络科技有限公司 | 一种基于服务体验的全流程可视化管理系统及方法 |
CN117196640B (zh) * | 2023-11-06 | 2024-02-02 | 青岛巨商汇网络科技有限公司 | 一种基于服务体验的全流程可视化管理系统及方法 |
CN117236667A (zh) * | 2023-11-15 | 2023-12-15 | 青岛巨商汇网络科技有限公司 | 一种基于库存数据共享的物流调度方法及系统 |
CN117236667B (zh) * | 2023-11-15 | 2024-02-06 | 青岛巨商汇网络科技有限公司 | 一种基于库存数据共享的物流调度方法及系统 |
CN117273749A (zh) * | 2023-11-21 | 2023-12-22 | 青岛巨商汇网络科技有限公司 | 一种基于智能交互的交易管理方法及系统 |
CN117330901A (zh) * | 2023-12-01 | 2024-01-02 | 深圳市思翰铭科技有限公司 | 基于数据识别的接头设备故障监测方法及系统 |
CN117330901B (zh) * | 2023-12-01 | 2024-03-19 | 深圳市思翰铭科技有限公司 | 基于数据识别的接头设备故障监测方法及系统 |
CN117350822A (zh) * | 2023-12-04 | 2024-01-05 | 青岛巨商汇网络科技有限公司 | 一种基于产供销融合的供应链管理方法及系统 |
CN117350822B (zh) * | 2023-12-04 | 2024-02-13 | 青岛巨商汇网络科技有限公司 | 一种基于产供销融合的供应链管理方法及系统 |
CN117422576A (zh) * | 2023-12-19 | 2024-01-19 | 青岛巨商汇网络科技有限公司 | 基于云计算的商品销售的业务财务一体化管理系统及方法 |
CN117422576B (zh) * | 2023-12-19 | 2024-03-08 | 青岛巨商汇网络科技有限公司 | 基于云计算的商品销售的业务财务一体化管理系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116883084B (zh) | 2023-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116883084B (zh) | 一种基于销售评价的数据智能监控预警方法及系统 | |
CN110874778B (zh) | 异常订单检测方法及装置 | |
EP2122896B1 (en) | Detecting inappropriate activity by analysis of user interactions | |
CN108038696B (zh) | 基于设备标识码和社交群组信息的刷单检测方法及系统 | |
US20210264448A1 (en) | Privacy preserving ai derived simulated world | |
CN102214334B (zh) | 一种网上支付方法、装置及系统 | |
CN107169806B (zh) | 用于确定商品属性对于购买决策的影响度的方法及装置 | |
US20100293039A1 (en) | On-Demand Performance Reports | |
WO2014209484A1 (en) | Methods and systems for evaluating predictive models | |
CN112070532A (zh) | 信息推送方法、装置、设备及存储介质 | |
CN108805644A (zh) | 贩售机的商品售卖方法以及贩售机 | |
US20180176311A1 (en) | Lines prediction model | |
CN111177581A (zh) | 一种基于多平台的社交电商网站商品推荐方法及装置 | |
TWI747290B (zh) | 客戶分群服務客製化行銷方法及系統 | |
KR20190044155A (ko) | 온라인 중고 물품 거래를 위한 게시판 운영 서버 및 방법, 및 컴퓨터 판독가능 기록 매체 | |
CN110047001B (zh) | 一种期货数据人工智能分析方法及系统 | |
CN116629868A (zh) | 一种具有节点选择机制的多场景交易方法及系统 | |
US20220327594A1 (en) | Systems and methods for useful life determination of target items | |
CN114764714A (zh) | 贵金属租赁交易的风险评级方法及装置 | |
CN114445221A (zh) | 用于异常商品定价的实时警报 | |
CN112686554A (zh) | 物料管理系统及方法 | |
TWM601397U (zh) | 客戶分群服務客製化行銷系統 | |
CN115358684B (zh) | 基于最小存货单位sku的数据配对方法及相关装置 | |
TW201901553A (zh) | 交易身分警示系統及交易身分警示方法 | |
Azzopardi et al. | Predicting customer behavioural patterns using a virtual credit card transactions dataset |
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 |