CN116911951B - 一种电商数据分析处理方法及系统 - Google Patents
一种电商数据分析处理方法及系统 Download PDFInfo
- Publication number
- CN116911951B CN116911951B CN202310941801.7A CN202310941801A CN116911951B CN 116911951 B CN116911951 B CN 116911951B CN 202310941801 A CN202310941801 A CN 202310941801A CN 116911951 B CN116911951 B CN 116911951B
- Authority
- CN
- China
- Prior art keywords
- merchant
- clients
- data
- client
- configuring
- 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 description 24
- 238000003672 processing method Methods 0.000 title claims description 15
- 230000008685 targeting Effects 0.000 claims abstract description 80
- 238000000034 method Methods 0.000 claims abstract description 8
- 244000309464 bull Species 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 241000209094 Oryza Species 0.000 description 2
- 235000007164 Oryza sativa Nutrition 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 235000009566 rice Nutrition 0.000 description 2
- 240000005856 Lyophyllum decastes Species 0.000 description 1
- 235000013194 Lyophyllum decastes Nutrition 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 239000013589 supplement Substances 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明一种电商数据分析处理方法及系统，包括获取以商家客户端为中心的第一范围数据；则根据至少两个商家客户端的第三身份信息的对抗演练生成与所述用户终端的靶向概率；根据所述至少两个商家客户端的靶向概率依次配置推荐列表；将推荐列表发送至所述用户终端；本发明通过至少两个商家的第三身份信息的对抗演练来为用户终端匹配更加适合的商家客户端可更加直接的、准确地为用户找到更适合其的商家，以便提升用户更加容易找到适合其的商品，提升用户对平台的用户体验。
Description
技术领域
本发明涉及一种大数据领域，特别是涉及一种用于大数据处理的电商数据分析处理方法。
背景技术
近距离电商数据和电商推广数据都存在这较大的竞价竞争。诸如，竞争推荐词条的排名依赖于拍卖形式的竞价。但是更贵的推荐词条不一定是更加适合用户的词条，假设不以用户为中心的词条推荐势必会带来用户的反感和不满。
例如，同样一件物品的需求上，由于A商店的竞价价格较高，而距离较远；B商店的竞价价格仅次于A商店，则可能会让A商店多花费竞价的价钱而延长了用户的配送时间，降低了用户对于整个平台的用户体验，并且，可能下一次该用户不会再使用A商店，而转投B商店。最终A商店用户即便花费了高昂的价格，无法买到回头客和更高的好评，而终端被系统推荐了更远的用户可能某些保质期较短的商品在更长的配送时间下会带来更加劣质的产品质量从而降低了终端用户体验。综上，上述单纯的依靠于竞价排序的方式虽然短时间内满足了平台最大化盈利的需求，但是造成推广降低了终端用户体验和商店用户体验。
因此，目前需要一种能够解决上述技术问题的一种电商数据分析处理方法及系统。
发明内容
本发明要解决的技术问题是提供一种能够解决上述技术问题的一种电商数据分析处理方法及系统。
本发明一种电商数据分析处理方法，包括至少两个商家客户端和至少一个用户客户端，包括如下步骤；
获取以商家客户端为中心的第一范围数据，并在所述第一范围数据内配置画像模板，其中，所述画像模板包括第一搜索数据和第一身份数据；
判断用户客户端输入的第二搜索数据与第一搜索数据是否匹配，若是，则判断用户客户端的第二身份数据与所述第一身份数据是否匹配，若是，则根据至少两个商家客户端的第三身份信息的对抗演练生成与所述用户终端的靶向概率；
根据所述至少两个商家客户端的靶向概率依次配置推荐列表；
将推荐列表发送至所述用户终端；
其中，所述则根据至少两个商家客户端的第三身份信息的对抗演练生成与所述用户终端的靶向概率的步骤包括：
根据所述至少两个商家客户端的第三身份信息的位置数据的第一距离a为直径构建正圆形的第二范围数据；
根据至少两个商家客户端的画像模板的购买次数配置每个商家客户端的对抗假人的第一数量；
在第二范围数据的圆心配置靶心，根据至少两个商家客户端的好评率配置每个商家客户端的第一数量个对抗假人的命中靶心的概率，以配置每个商家的第一数量个对抗假人的位置数据，其中，每个商家客户端的对抗假人仅能够配置在靠近其属于的商家客户端的半圆内；
根据至少两个商家客户端分别距离用户终端的第二距离b配置每个商家的每个对抗假人的对抗半径；
将一个商家客户端的第二数量个对抗假人的对抗半径构成的正圆的配置为热点区域，根据两个商家客户端的热点区域与所述用户客户端的最近距离c配置靶向概率。
本发明一种电商数据分析处理方法，其中，所述第二数量为3个。
本发明一种电商数据分析处理方法，其中，所述根据两个商家客户端的热点区域与所述用户客户端的最近距离c配置靶向概率的步骤包括：
判断所述第二数量为3时，是否每个商家客户端均产生热点区域，若是，则根据两个商家客户端的热点区域与所述用户客户端的最近距离c配置靶向概率；若否，则判断是否有商家客户端产生热点区域；若有，则将产生热点区域的商家客户端的靶向概率设为100％，未产生热点区域的商家客户端的靶向概率设为0％；若无，则将所述第二距离b转化为最近距离c，根据两个商家客户端的热点区域与所述用户客户端的最近距离c配置靶向概率。
本发明一种电商数据分析处理方法，其中，所述根据所述至少两个商家客户端的第三身份信息的位置数据的第一距离a为直径构建正圆形的第二范围数据包括：
以至少两个商家客户端的位置连线的中点构建正圆，所述正圆的外沿的路径路过两个商家客户端的位置，所述正圆为第二范围数据。
本发明一种电商数据分析处理方法，其中，所述根据至少两个商家客户端的画像模板的购买次数配置每个商家客户端的对抗假人的第一数量包括：
所述商家客户端的画像模板在购买次数越多，则将其配置为对抗假人越多。
本发明一种电商数据分析处理系统，包括至少两个商家客户端、至少一个用户客户端和服务器，所述服务器包括
数据获取模块，其用于获取以商家客户端为中心的第一范围数据，并在所述第一范围数据内配置画像模板，其中，所述画像模板包括第一搜索数据和第一身份数据；
数据处理模块，其用于判断用户客户端输入的第二搜索数据与第一搜索数据是否匹配，若是，则判断用户客户端的第二身份数据与所述第一身份数据是否匹配，若是，则根据至少两个商家客户端的第三身份信息的对抗演练生成与所述用户终端的靶向概率；
数据生成模块，其用于根据所述至少两个商家客户端的靶向概率依次配置推荐列表；
数据发送模块，将推荐列表发送至所述用户终端；
其中，所述则根据至少两个商家客户端的第三身份信息的对抗演练生成与所述用户终端的靶向概率的步骤包括：
根据所述至少两个商家客户端的第三身份信息的位置数据的第一距离a为直径构建正圆形的第二范围数据；
根据至少两个商家客户端的画像模板的购买次数配置每个商家客户端的对抗假人的第一数量；
在第二范围数据的圆心配置靶心，根据至少两个商家客户端的好评率配置每个商家客户端的第一数量个对抗假人的命中靶心的概率，以配置每个商家的第一数量个对抗假人的位置数据，其中，每个商家客户端的对抗假人仅能够配置在靠近其属于的商家客户端的半圆内；
根据至少两个商家客户端分别距离用户终端的第二距离b配置每个商家的每个对抗假人的对抗半径；
将一个商家客户端的第二数量个对抗假人的对抗半径构成的正圆的配置为热点区域，根据两个商家客户端的热点区域与所述用户客户端的最近距离c配置靶向概率。
本发明一种电商数据分析处理系统，其中，所述第二数量为3个。
本发明一种电商数据分析处理系统，其中，所述根据两个商家客户端的热点区域与所述用户客户端的最近距离c配置靶向概率的步骤包括：
判断所述第二数量为3时，是否每个商家客户端均产生热点区域，若是，则根据两个商家客户端的热点区域与所述用户客户端的最近距离c配置靶向概率；若否，则判断是否有商家客户端产生热点区域；若有，则将产生热点区域的商家客户端的靶向概率设为100％，未产生热点区域的商家客户端的靶向概率设为0％；若无，则将所述第二距离b转化为最近距离c，根据两个商家客户端的热点区域与所述用户客户端的最近距离c配置靶向概率。
本发明一种电商数据分析处理系统，其中，所述根据所述至少两个商家客户端的第三身份信息的位置数据的第一距离a为直径构建正圆形的第二范围数据包括：
以至少两个商家客户端的位置连线的中点构建正圆，所述正圆的外沿的路径路过两个商家客户端的位置，所述正圆为第二范围数据。
本发明一种电商数据分析处理系统，其中，所述根据至少两个商家客户端的画像模板的购买次数配置每个商家客户端的对抗假人的第一数量包括：
本发明一种电商数据分析处理方法与现有技术不同之处在于本发明一种电商数据分析处理方法通过至少两个商家的第三身份信息的对抗演练来为用户终端匹配更加适合的商家客户端可更加直接的、准确地为用户找到更适合其的商家，以便提升用户更加容易找到适合其的商品，提升用户对平台的用户体验。
下面结合附图对本发明的一种电商数据分析处理方法作进一步说明。
附图说明
图1是一种电商数据分析处理方法的情景示意图。
具体实施方式
如图1所示，本发明一种电商数据分析处理方法，包括至少两个商家客户端和至少一个用户客户端，其特征在于：包括如下步骤；
获取以商家客户端为中心的第一范围数据，并在所述第一范围数据内配置画像模板，其中，所述画像模板包括第一搜索数据和第一身份数据；
判断用户客户端输入的第二搜索数据与第一搜索数据是否匹配，若是，则判断用户客户端的第二身份数据与所述第一身份数据是否匹配，若是，则根据至少两个商家客户端的第三身份信息的对抗演练生成与所述用户终端的靶向概率；
根据所述至少两个商家客户端的靶向概率依次配置推荐列表；
将推荐列表发送至所述用户终端；
其中，所述则根据至少两个商家客户端的第三身份信息的对抗演练生成与所述用户终端的靶向概率的步骤包括：
根据所述至少两个商家客户端的第三身份信息的位置数据的第一距离a为直径构建正圆形的第二范围数据；
根据至少两个商家客户端的画像模板的购买次数配置每个商家客户端的对抗假人的第一数量；
在第二范围数据的圆心配置靶心，根据至少两个商家客户端的好评率配置每个商家客户端的第一数量个对抗假人的命中靶心的概率，以配置每个商家的第一数量个对抗假人的位置数据，其中，每个商家客户端的对抗假人仅能够配置在靠近其属于的商家客户端的半圆内；
根据至少两个商家客户端分别距离用户终端的第二距离b配置每个商家的每个对抗假人的对抗半径；
将一个商家客户端的第二数量个对抗假人的对抗半径构成的正圆的配置为热点区域，根据两个商家客户端的热点区域与所述用户客户端的最近距离c配置靶向概率。
本发明通过至少两个商家的第三身份信息的对抗演练来为用户终端匹配更加适合的商家客户端可更加直接的、准确地为用户找到更适合其的商家，以便提升用户更加容易找到适合其的商品，提升用户对平台的用户体验。
对抗演练可以是方形的框架内，不同的圆形，扫描用户的位置，并且，不同的第三身份信息决定商家的圆心位置和半径。
其中，参见图1，根据所述至少两个商家客户端的第三身份信息的位置数据的第一距离a为直径构建正圆形的第二范围数据的一种变形还可为：第二范围数据也可以是方形，而压缩图像的长度，方形的水平方向可以找地图的东西方向，或者最近街道的东西南北方向。方形在下面就不是半圆而是半圆内的方形的区域，方形的纵向方向与水平方向垂直形成长方形即可。
本发明通过上述数形结合的方式将两个商家客户端的第三身份信息分别做对抗演练而生成不同的对抗假人的范围形成的热点区域，其整合了两个商家客户端的好评率、作为历史数据的画像模板的购买次数、分别距离用户终端的第二距离b而整合成更加合理的靶向概率，使推荐列表的序列更加合理、更加贴合用户终端的最优购买建议。
其中，参见图1，所述第一范围数据为商家客户端能够配送的范围。当商家客户端为淘宝店等网店时，其所述第一范围数据为中国。当商家客户端为外卖档口时，所述第一范围数据是其能够配送的范围，比如同城或同区域或方圆15公里以内。
进一步优选地，所述第一范围数据为以商家客户端为圆心的方圆3～30公里内。
本发明通过上述第一范围数据内筛选出的画像模板可在其能够配送的范围内抓取更多的购买过本店铺的用户客户端，并根据其特点而将其生成画像模板。
其中，参见图1，并在所述第一范围数据内配置画像模板可理解为，在商家客户端的配送范围内，将购买过该商家客户端的用户终端存在数据库中，处理器根据所述购买过商家客户端的用户终端归类为画像模板。其为现有技术。
例如，外卖店可以按照身份把用户归类为学生、上班族、家庭主妇、老年用户等。也可以按照购买时间把用户归类为午饭购买用户、晚饭购买用户、宵夜购买用户等。相同的画像模板的购买习惯相似，可精准的用来推导与其相同身份数据的用户的购买习惯。
其中，参见图1，所述画像模板包括第一搜索数据和第一身份数据可理解为，每一类用户在数据库中存储有与其对应的第一搜索数据和第一身份数据；
所述第一搜索数据可为：盖饭、炸鸡排、盒饭、午饭、晚饭等关键词。
所述第一身份数据可为学生、上班族、家庭主妇、老年用户等。
就是说，画像模板可例如：在搜索框中输入盖饭的学生。
其中，判断用户客户端输入的第二搜索数据与第一搜索数据是否匹配可理解为，数据库中存在对照表，若对照表中的第二搜索数据与第一搜索数据对应，则可判定匹配，否则就是不匹配。不匹配的时候可终止操作。
其中，对抗假人仅仅能够出现在第一范围数据和第二范围数据重合的位置。
其中，判断用户客户端的第二身份数据与所述第一身份数据是否匹配可理解为，数据库中存在对照表，若对照表中的第二身份数据与第一身份数据对应，则可判定匹配，否则就是不匹配。不匹配可终止操作。
其中，参见图1，根据所述至少两个商家客户端的第三身份信息的位置数据的第一距离a为直径构建正圆形的第二范围数据，可理解为：以两个商家客户端的位置连线的中点构建正圆，上述正圆的路径刚好路过两个商家客户端的位置，上述正圆为第二范围数据。就是利用了正圆的特性，可尽可能的多的选取在两个商家客户端之间的位置，而少的选取即为靠近某个商家客户端的位置。这样才给后面的判断带来一定的条件，否则还是在第一范围数据的除去第二范围数据以外的位置推荐该商家客户端。
例如，所述A商家的第一范围数据内的第二范围数据以外的区域的用户客户端优先推荐A商家，所述A商家的第一范围数据内的第二范围数据以内的区域的用户客户端根据对抗演练推荐A商家或B商家。上述仅仅推荐A商家的原理基本为现有技术，此处不过多赘述，仅仅是上述算法的常规补充。
其中，参见图1，默认第一范围数据大于或远大于第二范围数据，不然比较也就失去了意义，会出现很多的不在第一范围数据内的情况下，其被列为先推荐的商家客户端，因此，较大或过大的第一范围数据在图中未表示出。
其中，参见图1，根据至少两个商家客户端的画像模板的购买次数配置每个商家客户端的对抗假人的第一数量可理解为，与此次用户终端相同的画像模板的购买次数往往也决定的此次用户终端的购买的可能性，画像模板在购买次数越多，则将其配置为对抗假人越多，则其影响用户终端可能购买的靶向概率越大。
其中，所述两个商家客户端的画像模板的购买次数和两个商家客户端的对抗假人的个数可如下表所示：
上述表格中，基本框定了两个商家客户端的对抗假人的第一数量的总和为9，而按照A商家客户端购买次数和B商家客户端购买次数的占比取整之后，配置每个商家客户端的对抗假人的第一数量，从而根据购买次数影响此次的靶向概率的大小。
其中，参见图1，所述在第二范围数据的圆心配置靶心，根据至少两个商家客户端的好评率配置每个商家客户端的第一数量个对抗假人的命中靶心的概率，以配置每个商家的第一数量个对抗假人的位置数据可理解为：将第二范围数据当成一个靶子，第二范围数据的圆心就是个靶子的靶心；每个商家客户端的命中靶心的概率依次配置第一数量次数，以配置不同的第一数量个对抗假人的位置数据；
例如，每个商家客户端的命中靶心的概率和好评率的关系如下表所示：
本发明将第二范围数据配置为一个靶子，其圆心为靶心，那么就将圆心与第二范围数据的最外沿之间配置10个环形区域，并且命中概率以次递增10％，并且在超过100％时取100％。
例如，假如好评率为96％，则每个对抗假人分别命中上述10个环形区域的概率分别为如下表格：
上述位置均为相互紧邻，且能够相互拼凑成一个完整的第二范围数据。
上述表格内，每个对抗假人的位置可取从上述圆心和距离圆心最近的环形区域至距离圆心第十近的环形区域的位置依次按照与其对应的命中率进行尝试，若击中，则在此位置停止，若未击中，则继续向下一个位置进行尝试。
例如，假如好评率为96％，则此商家客户端的第一个对抗假人先在圆心和距离圆心最近的环形区域以50％的命中率进行击中尝试，若击中，则其配置在所述圆心和距离圆心最近的环形区域中，若未击中，则其以55％的命中率在距离圆心第二近的环形区域的区域进行击中尝试，以此类推。若命中则停止；若在距离圆心第十近的环形区域还未命中，则此对抗假人不会进入统计，就是说，所述商店客户端的第一数量减一。
每个商店客户端的第一数量个对抗假人均进行上述方式的击中尝试，以确定其最终位置。
其中，每个对抗假人均配置在环形的周向的随机位置，或者说是所述环形的任意随机位置。
作为一种优选，每个对抗假人应配置在所述第二范围数据的靠近所述对抗假人属于的商家客户端的一半圆的位置，也就是说，所述每个对抗假人均配置在其所属的第二范围数据和第一范围数据的重合位置。
其中，参见图1，根据至少两个商家客户端分别距离用户终端的第二距离b配置每个商家客户端的每个对抗假人的对抗半径可理解为，根据如下表格配置所述商家客户端的对抗假人的对抗半径和所述第二距离b之间的关系：
本发明以上述第二距离b越远，而使所述对抗假人的半径越小，从而使所述对抗假人的半径重合的概率越小，也就是说距离越远的对抗假人的重合区域越少，就越容易距离用户终端远，以便于影响最终数据的靶向概率。
其中，参见图1，所述将一个商家客户端的第二数量个对抗假人的对抗半径构成的正圆的配置为热点区域可理解为：同一商家客户端的3个对抗假人的对抗半径构成的正圆的重合区域定义为所述商家客户端的热点区域。
本发明通过上述热点区域的形式来整合好评率、作为历史数据的画像模板的购买次数、分别距离用户终端的第二距离b构成一个全信的半随机位置，并根据其影响最终的靶向概率。
其中，所述第二数量可为2或3或4或5或6个，优选为3个，当第二数量3个的时候，两个商家客户端均无热点区域时，所述第二数量调整为2个，若再无热点区域，则直接将第二距离b转化为最近距离c。
其中，根据两个商家客户端的热点区域与所述用户客户端的最近距离c配置靶向概率可理解为，所述最近距离c和靶向概率按如下表格配置：
其中，两个商家客户端的最近距离c之和代表两个最近距离c的总量，而其中一个商家客户端的最近距离c所占所述总量的占比可表示所述最近距离c较大还是较小，从而影响靶向概率。
其中，两个商家客户端的靶向概率之和为100％。通过上述公式计算出A客户端的靶向概率后，通过两个商家客户端的靶向概率为100％，可计算出B商家客户端的靶向概率。
其中，根据所述至少两个商家客户端的靶向概率依次配置推荐列表可理解为，假设A商家客户端的靶向概率为70％，在所述推荐列表的第一条出现靶向概率的概率为70％，B商家客户端出现的概率为30％。若A商家客户端被配置为所述推荐列表的第一条，则B商家客户端直接被配置为第二条而以此生成推荐列表。
其中，参见图1，所述第二数量为3个。
本发明通过直接设定所述第二数量为3个可减少热点区域出现的个数，并且，可针对离散程度较大的对抗假人筛选掉很多热点区域，从而进一步增加热点区域对于靶向概率的影响。
当然，作为一种变形，参见图1，所述根据两个商家客户端的热点区域与所述用户客户端的最近距离c配置靶向概率的步骤包括：
判断所述第二数量为3时，是否每个商家客户端均产生热点区域，若是，则根据两个商家客户端的热点区域与所述用户客户端的最近距离c配置靶向概率；若否，则判断是否有商家客户端产生热点区域；若有，则将产生热点区域的商家客户端的靶向概率设为100％，未产生热点区域的商家客户端的靶向概率设为0％；若无，则将所述第二距离b转化为最近距离c，根据两个商家客户端的热点区域与所述用户客户端的最近距离c配置靶向概率。
本发明通过上述方式可尽可能地在未产生靶向区域或未全部产生靶向区域的时候给出更加合理的解决方案，以保证软件的顺利运行，并且保证所述靶向概率的合理性和有根据性。
其中，所述第二数量可为2或3或4或5或6个，优选为3个，
例如，当第二数量3个的时候，两个商家客户端均无热点区域时，所述第二数量调整为2个，若再无热点区域，则直接将第二距离b转化为最近距离c。
其中，参见图1，所述根据所述至少两个商家客户端的第三身份信息的位置数据的第一距离a为直径构建正圆形的第二范围数据包括：
以至少两个商家客户端的位置连线的中点构建正圆，所述正圆的外沿的路径路过两个商家客户端的位置，所述正圆为第二范围数据。
本发明就是利用了正圆的特性，可尽可能的多的选取在两个商家客户端之间的位置，而少的选取即为靠近某个商家客户端的位置。这样才给后面的判断带来一定的条件，否则还是在第一范围数据的除去第二范围数据以外的位置推荐该商家客户端。
其中，参见图1，所述根据至少两个商家客户端的画像模板的购买次数配置每个商家客户端的对抗假人的第一数量包括：
所述商家客户端的画像模板在购买次数越多，则将其配置为对抗假人越多。
本发明中与此次用户终端相同的画像模板的购买次数往往也决定的此次用户终端的购买的可能性，画像模板在购买次数越多，则将其配置为对抗假人越多，则其影响用户终端可能购买的靶向概率越大。
如图1所示，本发明一种电商数据分析处理系统，包括至少两个商家客户端、至少一个用户客户端和服务器，所述服务器包括
数据获取模块，其用于获取以商家客户端为中心的第一范围数据，并在所述第一范围数据内配置画像模板，其中，所述画像模板包括第一搜索数据和第一身份数据；
数据处理模块，其用于判断用户客户端输入的第二搜索数据与第一搜索数据是否匹配，若是，则判断用户客户端的第二身份数据与所述第一身份数据是否匹配，若是，则根据至少两个商家客户端的第三身份信息的对抗演练生成与所述用户终端的靶向概率；
数据生成模块，其用于根据所述至少两个商家客户端的靶向概率依次配置推荐列表；
数据发送模块，将推荐列表发送至所述用户终端；
其中，所述则根据至少两个商家客户端的第三身份信息的对抗演练生成与所述用户终端的靶向概率的步骤包括：
根据所述至少两个商家客户端的第三身份信息的位置数据的第一距离a为直径构建正圆形的第二范围数据；
根据至少两个商家客户端的画像模板的购买次数配置每个商家客户端的对抗假人的第一数量；
在第二范围数据的圆心配置靶心，根据至少两个商家客户端的好评率配置每个商家客户端的第一数量个对抗假人的命中靶心的概率，以配置每个商家的第一数量个对抗假人的位置数据，其中，每个商家客户端的对抗假人仅能够配置在靠近其属于的商家客户端的半圆内；
根据至少两个商家客户端分别距离用户终端的第二距离b配置每个商家的每个对抗假人的对抗半径；
将一个商家客户端的第二数量个对抗假人的对抗半径构成的正圆的配置为热点区域，根据两个商家客户端的热点区域与所述用户客户端的最近距离c配置靶向概率。
本发明通过至少两个商家的第三身份信息的对抗演练来为用户终端匹配更加适合的商家客户端可更加直接的、准确地为用户找到更适合其的商家，以便提升用户更加容易找到适合其的商品，提升用户对平台的用户体验。
对抗演练可以是方形的框架内，不同的圆形，扫描用户的位置，并且，不同的第三身份信息决定商家的圆心位置和半径。
其中，参见图1，根据所述至少两个商家客户端的第三身份信息的位置数据的第一距离a为直径构建正圆形的第二范围数据的一种变形还可为：第二范围数据也可以是方形，而压缩图像的长度，方形的水平方向可以找地图的东西方向，或者最近街道的东西南北方向。方形在下面就不是半圆而是半圆内的方形的区域，方形的纵向方向与水平方向垂直形成长方形即可。
其中，服务器可配置在用户终端或商家客户端上，也可独立存在。
本发明通过上述数形结合的方式将两个商家客户端的第三身份信息分别做对抗演练而生成不同的对抗假人的范围形成的热点区域，其整合了两个商家客户端的好评率、作为历史数据的画像模板的购买次数、分别距离用户终端的第二距离b而整合成更加合理的靶向概率，使推荐列表的序列更加合理、更加贴合用户终端的最优购买建议。
其中，参见图1，所述第二数量为3个。
本发明通过直接设定所述第二数量为3个可减少热点区域出现的个数，并且，可针对离散程度较大的对抗假人筛选掉很多热点区域，从而进一步增加热点区域对于靶向概率的影响。
当然，作为一种变形，参见图1，所述根据两个商家客户端的热点区域与所述用户客户端的最近距离c配置靶向概率的步骤包括：
判断所述第二数量为3时，是否每个商家客户端均产生热点区域，若是，则根据两个商家客户端的热点区域与所述用户客户端的最近距离c配置靶向概率；若否，则判断是否有商家客户端产生热点区域；若有，则将产生热点区域的商家客户端的靶向概率设为100％，未产生热点区域的商家客户端的靶向概率设为0％；若无，则将所述第二距离b转化为最近距离c，根据两个商家客户端的热点区域与所述用户客户端的最近距离c配置靶向概率。
本发明通过上述方式可尽可能地在未产生靶向区域或未全部产生靶向区域的时候给出更加合理的解决方案，以保证软件的顺利运行，并且保证所述靶向概率的合理性和有根据性。
其中，所述第二数量可为2或3或4或5或6个，优选为3个，
例如，当第二数量3个的时候，两个商家客户端均无热点区域时，所述第二数量调整为2个，若再无热点区域，则直接将第二距离b转化为最近距离c。
其中，参见图1，所述根据所述至少两个商家客户端的第三身份信息的位置数据的第一距离a为直径构建正圆形的第二范围数据包括：
以至少两个商家客户端的位置连线的中点构建正圆，所述正圆的外沿的路径路过两个商家客户端的位置，所述正圆为第二范围数据。
本发明就是利用了正圆的特性，可尽可能的多的选取在两个商家客户端之间的位置，而少的选取即为靠近某个商家客户端的位置。这样才给后面的判断带来一定的条件，否则还是在第一范围数据的除去第二范围数据以外的位置推荐该商家客户端。
其中，参见图1，所述根据至少两个商家客户端的画像模板的购买次数配置每个商家客户端的对抗假人的第一数量包括：
所述商家客户端的画像模板在购买次数越多，则将其配置为对抗假人越多。
本发明中与此次用户终端相同的画像模板的购买次数往往也决定的此次用户终端的购买的可能性，画像模板在购买次数越多，则将其配置为对抗假人越多，则其影响用户终端可能购买的靶向概率越大。
以上所述的实施例仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案作出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。
Claims (6)
1.一种电商数据分析处理方法，包括至少两个商家客户端和至少一个用户客户端，其特征在于：包括如下步骤；
获取以商家客户端为中心的第一范围数据，并在所述第一范围数据内配置画像模板，其中，所述画像模板包括第一搜索数据和第一身份数据；
判断用户客户端输入的第二搜索数据与第一搜索数据是否匹配，若是，则判断用户客户端的第二身份数据与所述第一身份数据是否匹配，若是，则根据至少两个商家客户端的第三身份信息的对抗演练生成与用户终端的靶向概率；
根据所述至少两个商家客户端的靶向概率依次配置推荐列表；
将推荐列表发送至所述用户终端；
其中，所述则根据至少两个商家客户端的第三身份信息的对抗演练生成与所述用户终端的靶向概率的步骤包括：
根据所述至少两个商家客户端的第三身份信息的位置数据的第一距离a为直径构建正圆形的第二范围数据；
根据至少两个商家客户端的画像模板的购买次数配置每个商家客户端的对抗假人的第一数量；
在第二范围数据的圆心配置靶心，根据至少两个商家客户端的好评率配置每个商家客户端的第一数量个对抗假人的命中靶心的概率，以配置每个商家的第一数量个对抗假人的位置数据，其中，每个商家客户端的对抗假人仅能够配置在靠近其属于的商家客户端的半圆内；
根据至少两个商家客户端分别距离用户终端的第二距离b配置每个商家的每个对抗假人的对抗半径；
将一个商家客户端的第二数量个对抗假人的对抗半径构成的正圆的配置为热点区域，根据两个商家客户端的热点区域与所述用户客户端的最近距离c配置靶向概率；
所述根据两个商家客户端的热点区域与所述用户客户端的最近距离c配置靶向概率的步骤包括：
判断所述第二数量为3时，是否每个商家客户端均产生热点区域，若是，则根据两个商家客户端的热点区域与所述用户客户端的最近距离c配置靶向概率；若否，则判断是否有商家客户端产生热点区域；若有，则将产生热点区域的商家客户端的靶向概率设为100％，未产生热点区域的商家客户端的靶向概率设为0％；若无，则将所述第二距离b转化为最近距离c，根据两个商家客户端的热点区域与所述用户客户端的最近距离c配置靶向概率。
2.根据权利要求1所述的一种电商数据分析处理方法，其特征在于：所述根据所述至少两个商家客户端的第三身份信息的位置数据的第一距离a为直径构建正圆形的第二范围数据包括：
以至少两个商家客户端的位置连线的中点构建正圆，所述正圆的外沿的路径路过两个商家客户端的位置，所述正圆为第二范围数据。
3.根据权利要求2所述的一种电商数据分析处理方法，其特征在于：所述根据至少两个商家客户端的画像模板的购买次数配置每个商家客户端的对抗假人的第一数量包括：
所述商家客户端的画像模板在购买次数越多，则将其配置为对抗假人越多。
4.一种电商数据分析处理系统，其特征在于：包括至少两个商家客户端、至少一个用户客户端和服务器，所述服务器包括
数据获取模块，其用于获取以商家客户端为中心的第一范围数据，并在所述第一范围数据内配置画像模板，其中，所述画像模板包括第一搜索数据和第一身份数据；
数据处理模块，其用于判断用户客户端输入的第二搜索数据与第一搜索数据是否匹配，若是，则判断用户客户端的第二身份数据与所述第一身份数据是否匹配，若是，则根据至少两个商家客户端的第三身份信息的对抗演练生成与用户终端的靶向概率；
数据生成模块，其用于根据所述至少两个商家客户端的靶向概率依次配置推荐列表；
数据发送模块，将推荐列表发送至所述用户终端；
其中，所述则根据至少两个商家客户端的第三身份信息的对抗演练生成与所述用户终端的靶向概率的步骤包括：
根据所述至少两个商家客户端的第三身份信息的位置数据的第一距离a为直径构建正圆形的第二范围数据；
根据至少两个商家客户端的画像模板的购买次数配置每个商家客户端的对抗假人的第一数量；
在第二范围数据的圆心配置靶心，根据至少两个商家客户端的好评率配置每个商家客户端的第一数量个对抗假人的命中靶心的概率，以配置每个商家的第一数量个对抗假人的位置数据，其中，每个商家客户端的对抗假人仅能够配置在靠近其属于的商家客户端的半圆内；
根据至少两个商家客户端分别距离用户终端的第二距离b配置每个商家的每个对抗假人的对抗半径；
将一个商家客户端的第二数量个对抗假人的对抗半径构成的正圆的配置为热点区域，根据两个商家客户端的热点区域与所述用户客户端的最近距离c配置靶向概率；
所述根据两个商家客户端的热点区域与所述用户客户端的最近距离c配置靶向概率的步骤包括：
判断所述第二数量为3时，是否每个商家客户端均产生热点区域，若是，则根据两个商家客户端的热点区域与所述用户客户端的最近距离c配置靶向概率；若否，则判断是否有商家客户端产生热点区域；若有，则将产生热点区域的商家客户端的靶向概率设为100％，未产生热点区域的商家客户端的靶向概率设为0％；若无，则将所述第二距离b转化为最近距离c，根据两个商家客户端的热点区域与所述用户客户端的最近距离c配置靶向概率。
5.根据权利要求4所述的一种电商数据分析处理系统，其特征在于：所述根据所述至少两个商家客户端的第三身份信息的位置数据的第一距离a为直径构建正圆形的第二范围数据包括：
以至少两个商家客户端的位置连线的中点构建正圆，所述正圆的外沿的路径路过两个商家客户端的位置，所述正圆为第二范围数据。
6.根据权利要求5所述的一种电商数据分析处理系统，其特征在于：所述根据至少两个商家客户端的画像模板的购买次数配置每个商家客户端的对抗假人的第一数量包括：
所述商家客户端的画像模板在购买次数越多，则将其配置为对抗假人越多。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310941801.7A CN116911951B (zh) | 2023-07-28 | 2023-07-28 | 一种电商数据分析处理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310941801.7A CN116911951B (zh) | 2023-07-28 | 2023-07-28 | 一种电商数据分析处理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116911951A CN116911951A (zh) | 2023-10-20 |
| CN116911951B true CN116911951B (zh) | 2024-03-08 |
Family
ID=88356401
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310941801.7A Active CN116911951B (zh) | 2023-07-28 | 2023-07-28 | 一种电商数据分析处理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116911951B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104331804A (zh) * | 2014-10-30 | 2015-02-04 | 广州康之家医药电子商务有限公司 | 一种基于lbs的点对多群发下订单方法 |
| CN109522475A (zh) * | 2018-10-26 | 2019-03-26 | 浙江工业大学之江学院 | 一种基于用户历史消费数据的商家推荐方法 |
| KR102090174B1 (ko) * | 2019-08-27 | 2020-05-29 | 이창수 | 전자가격표기 시스템 기반의 빅데이터 분석 개인 맞춤형 마케팅 서비스 제공 시스템 |
| CN112884552A (zh) * | 2021-02-22 | 2021-06-01 | 广西师范大学 | 一种基于生成对抗和知识蒸馏的轻量级多模推荐方法 |
| CN116188050A (zh) * | 2023-03-07 | 2023-05-30 | 苏州百分之一软件科技有限公司 | 基于数据分析的外卖平台信息处理系统 |
| CN116402590A (zh) * | 2023-06-06 | 2023-07-07 | 武汉纺织大学 | 一种基于人工智能的个性化服装商城系统及推荐方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140229323A1 (en) * | 2013-02-13 | 2014-08-14 | vMobo, Inc. | Location and transaction-based recommendations |
| CN109697652A (zh) * | 2018-06-29 | 2019-04-30 | 京东方科技集团股份有限公司 | 一种商场的商品推荐方法和服务器 |
-
2023
- 2023-07-28 CN CN202310941801.7A patent/CN116911951B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104331804A (zh) * | 2014-10-30 | 2015-02-04 | 广州康之家医药电子商务有限公司 | 一种基于lbs的点对多群发下订单方法 |
| CN109522475A (zh) * | 2018-10-26 | 2019-03-26 | 浙江工业大学之江学院 | 一种基于用户历史消费数据的商家推荐方法 |
| KR102090174B1 (ko) * | 2019-08-27 | 2020-05-29 | 이창수 | 전자가격표기 시스템 기반의 빅데이터 분석 개인 맞춤형 마케팅 서비스 제공 시스템 |
| CN112884552A (zh) * | 2021-02-22 | 2021-06-01 | 广西师范大学 | 一种基于生成对抗和知识蒸馏的轻量级多模推荐方法 |
| CN116188050A (zh) * | 2023-03-07 | 2023-05-30 | 苏州百分之一软件科技有限公司 | 基于数据分析的外卖平台信息处理系统 |
| CN116402590A (zh) * | 2023-06-06 | 2023-07-07 | 武汉纺织大学 | 一种基于人工智能的个性化服装商城系统及推荐方法 |
Non-Patent Citations (2)
| Title |
|---|
| SMART:一种面向电商平台快速消费品的图推荐算法;卿勇;刘梦娟;银盈;李杨曦;;计算机科学(第S2期);全文 * |
| 基于移动终端的电子商务商品推荐模型研究;闫科忠;;软件(第11期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116911951A (zh) | 2023-10-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10885561B2 (en) | Transaction facilitating marketplace platform | |
| US10846775B1 (en) | Identifying item recommendations through recognized navigational patterns | |
| US7761340B2 (en) | Real-time federated auctions and purchasing | |
| US20180174188A1 (en) | Systems and methods for customizing content of a billboard | |
| US9280786B2 (en) | Product-based advertising | |
| US7603292B1 (en) | Methods and systems for providing a gift registry | |
| US20140156513A1 (en) | Using non-public shipper records to facilitate rating an entity based on public records of supply transactions | |
| CN108550052A (zh) | 基于用户行为数据特征的刷单检测方法及系统 | |
| US20150379601A1 (en) | Commerce System and Method of Deferring Purchases to Optimize Purchase Conditions | |
| EP2463818A1 (en) | A method for creating computer generated shopping list | |
| US20060271389A1 (en) | Pay per percentage of impressions | |
| US20130297437A1 (en) | Product identification using multiple services | |
| US20100293070A1 (en) | Method and apparatus for optimizing seller selection in a multi-seller environment | |
| US20020107786A1 (en) | Peer-to-peer application for online goods trading | |
| US20150254680A1 (en) | Utilizing product and service reviews | |
| US20220207608A1 (en) | Qualitative commodity matching | |
| CN111695023A (zh) | 信息推荐方法、装置、存储介质及设备 | |
| US20030023492A1 (en) | Method and system for collecting and processing marketing data | |
| US11776042B2 (en) | Determining generic items for orders on an online concierge system | |
| CN116911951B (zh) | 一种电商数据分析处理方法及系统 | |
| KR101963711B1 (ko) | 중고물품 거래방법 | |
| US20180260885A1 (en) | System for Shopping Assistance | |
| US20150193860A1 (en) | Electronic commerce system and method | |
| CN104504134A (zh) | 推广信息属性数据的获取方法和装置 | |
| KR100821339B1 (ko) | 쇼핑 상품 검색 서비스에서 상품 정보 제공 방법 및 그시스템 |
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 |