CN117217874A - 一种基于数据分析的电子商务管理系统 - Google Patents
一种基于数据分析的电子商务管理系统 Download PDFInfo
- Publication number
- CN117217874A CN117217874A CN202311367526.9A CN202311367526A CN117217874A CN 117217874 A CN117217874 A CN 117217874A CN 202311367526 A CN202311367526 A CN 202311367526A CN 117217874 A CN117217874 A CN 117217874A
- Authority
- CN
- China
- Prior art keywords
- commodity
- customer
- analysis module
- store
- information
- 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
Links
- 238000007405 data analysis Methods 0.000 title claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims abstract description 84
- 238000000034 method Methods 0.000 claims abstract description 62
- 238000012544 monitoring process Methods 0.000 claims abstract description 38
- 238000006243 chemical reaction Methods 0.000 claims abstract description 34
- 238000013486 operation strategy Methods 0.000 claims abstract description 12
- 238000005065 mining Methods 0.000 claims abstract description 11
- 230000008901 benefit Effects 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims description 27
- 238000007726 management method Methods 0.000 claims description 17
- 238000011156 evaluation Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 14
- 238000003064 k means clustering Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 8
- 235000019633 pungent taste Nutrition 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 claims description 6
- 230000003111 delayed effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 210000004556 brain Anatomy 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
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于数据分析的电子商务管理系统,具体涉及电子商务技术领域,包括数据获取模块、商品信息分析模块、客户信息分析模块、店铺信息分析模块、运输过程分析模块、综合分析模块,以及系统监控修正模块;通过客户信息分析模块,通过算法挖掘生成购买商品的客户画像;通过店铺信息分析模块计算店铺自身影响力;通过运输过程分析模块,计算物流运输风险指数;通过综合分析模块计算客户的购买意向度,对已挂出的商品进行判断,制定选品上架方案,吸引客户查看购买商品,以提高商品销售效益;通过系统监控修正模块,监控综合分析模块,计算商品的转化率,分析商品的经营策略能力,评估营销方案的可行性。
Description
技术领域
本发明涉及电子商务技术领域,更具体地说,本发明涉及一种基于数据分析的电子商务管理系统。
背景技术
电子商务是利用现有的计算机硬件设备、软件和网络基础设施,通过一定的协议连接起来的电子网络环境进行各种各样商务活动的一种方式。而电子商务系统是指商务活动的各方,包括商店、消费者、银行或金融机构、信息公司和政府部门等,利用计算机网络技术全面实现在线交易电子化的过程。
现有的电子商务管理系统,通常通过对店铺仓库储存量进行分析,监测上架商品的数量,当低于某个阈值时,自动发送进货信息给供货商,方便商户可以及时进货;对于客户购买所售商品的订单提交数量、付款完成数量、退货数量进行记录,对库存数量进行实时的增加和减少,方便客户在选取商品时能够实时了解到商品的剩余量,同时也方便商户可以及时的了解到售卖信息以及后续对于商品及时进货打下基础,从而实现店铺的运营。
但是其在实际使用时,仍旧存在较多缺点,如仅仅对库存数量进行分析,没有对商品的上下架进行具体数据分析,对于大多数店铺而言,往往是根据商家依据销量判断哪种类型的商品比较受欢迎,并没有对不同类客户作针对性营销,存在一股脑上了大批商品,但是只能吸引部分客户购买的情况,以至于店铺的销售额不见上涨。
发明内容
为了克服现有技术的上述缺陷,本发明提供一种基于数据分析的电子商务管理系统,通过客户信息分析模块,提取出有效客户,通过埋点监测有效客户的行为轨迹,通过K均值聚类方法进行客户细分,得到细分有效客户,通过算法挖掘生成购买商品的客户画像;通过店铺信息分析模块计算店铺自身影响力;通过运输过程分析模块,计算物流运输风险指数;通过综合分析模块计算客户的购买意向度,对已挂出的商品进行判断,制定选品上架方案,吸引客户查看购买商品,以提高商品销售效益;通过系统监控修正模块,监控综合分析模块,计算商品的转化率,分析商品的经营策略能力,评估营销方案的可行性,从而提高客户的销售欲望,增加店铺的经济收益,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种基于数据分析的电子商务管理系统,包括:
数据获取模块:用于获取店铺一年时间的商品信息、客户信息、店铺信息,以及运输信息;
商品信息分析模块:用于根据商品信息和店铺信息计算已挂出的商品曝光率、舆论影响力指数;
客户信息分析模块:用于根据客户信息提取出有效客户,通过埋点监测有效客户的行为轨迹,通过K均值聚类方法进行客户细分,得到细分有效客户,通过算法挖掘生成购买商品的客户画像;
店铺信息分析模块:用于根据店铺信息,计算店铺自身影响力;
运输过程分析模块:用于根据运输信息监控商品发货收货过程中,商品包装是否有损坏,商品发货是否正确,商品交付是否延时,计算物流运输风险指数;
综合分析模块:用于根据商品曝光率、舆论影响力指数、店铺自身影响力,以及物流运输风险指数,计算客户的购买意向度,对已挂出的商品进行判断,制定选品上架方案,以提高商品销售效益;
系统监控修正模块:用于监控综合分析模块,计算商品的转化率,分析商品的经营策略能力,评估营销方案的可行性。
在一个优选地实施方式中,所述商品信息分析模块的具体处理过程为:
A1、根据商品信息和店铺信息计算已挂出的商品曝光率Pb,其计算公式为:Pb=abc,其中a表示浏览量,b表示访客数,c表示店铺商品检索热度词或者店铺检索热度词;所述浏览量,具体指的是消费者浏览店铺或商品的页面所产生的访问量,所述访客数,具体是指不同IP地址访问此店铺或商品的用户量;
A2、根据商品信息计算已挂出商品的舆论影响力指数Py,其计算公式为:其中gi为好评数量,hi为差评数量,G为总评价数量,x1,x2表示比例系数,x1>x2>0。
在一个优选地实施方式中,所述客户信息分析模块的具体处理过程为:
B1、根据客户信息提取出有效客户,通过埋点监测有效客户的行为轨迹;所述有效客户,具体是指一年内有消费记录的客户;
B2、将有效客户,通过K均值聚类方法进行客户细分,得到细分有效客户;
B3、根据细分有效客户,通过算法挖掘生成购买商品的客户画像。
在一个优选地实施方式中,所述通过算法挖掘生成购买商品的客户画像,其具体处理过程如下:
B31、根据业务需求,每隔一周,利用加权模型构建模型标签,其加权模型具体为:其中Tag表示模型标签,wi表示行为权重,di表示日期差,α表示可调参数;所述行为权重,具体是对各行为轨迹设定的数值;
B32、依据客户标签、购买喜好和购买频次,将细分有效客户代入客户画像计算公式,生成购买商品的客户画像;所述客户画像计算公式,具体为:P=Tag+q+f+λ,其中P表示细分有效客户的客户画像,Tag表示模型标签,q表示购买喜好,f表示购买频次,λ表示影响因子,包括但不限于活跃状态、年龄、性别、学历、收入,以及地域;
B33、根据客户画像将细分有效客户划分为xi类客户。
在一个优选地实施方式中,所述店铺自身影响力的计算公式为:其中μ表示店铺自身影响力,si表示比例系数,vi包括店铺的所有商品好评数量均值,差评数量均值,中评数量均值,β表示影响因子,包括物流服务评价,客服服务评价。
在一个优选地实施方式中,所述运输过程分析模块的具体分析方式为:核对商品收货地址,确定运输路线,商品发货前进行商品种类数量监测m2,发送商品;将运输路线上的站点作为监测点,利用图像识别技术扫描商品,识别商品包装是否有损坏m1;每个站点根据剩余运输距离和运输速度预估商品到达时间公式,预估商品是否存在交付延期风险m3;根据物流运输风险指数的计算公式,计算本次物流运输风险指数;
所述物流运输风险指数的计算公式为:η=k1×m 1+k2×m 2+k3×m 3,其中η表示物流运输风险指数,k1,k2,k3分别表示包装损坏风险m1,商品种类数量错误风险m2,商品交付延期风险m3的比例系数。
在一个优选地实施方式中,所述综合分析模块的具体处理过程为:
C1、根据商品曝光率、舆论影响力指数、店铺自身影响力,以及物流运输风险指数,计算客户的购买意向度;
C2、根据客户的购买意向度和客户画像,对已挂出的商品进行判断,制定选品上架方案;具体处理过程如下:
C21、根据客户画像,对客户和商品进行相似度计算,具体公式为:其中γ(i,j)表示客户和商品的相似度,xi表示客户,yi表示商品;
C22、将客户和商品的相似度γ(i,j)和预先设定的相似度阈值γ阈进行判断对比,若γ(i,j)≥γ阈则表示当前针对客户画像已挂出的商品符合预期,对同类客户可继续推送同类型商品;若γ(i,j)<γ阈则表示当前针对客户画像已挂出的商品不符合预期,需要对同类客户进行重新选品上架,将该类客户购买意向度最高的商品进行选取,按照选取商品的客户人数从多到少排序,最终确定选品。
在一个优选地实施方式中,所述客户的购买意向度的具体计算公式为:φ=Pb×Py×μ/η,其中φ表示客户的购买意向度,Pb表示商品曝光率,Py表示舆论影响力指数,μ表示店铺自身影响力,η表示物流运输风险指数。
在一个优选地实施方式中,所述系统监控修正模块的具体处理过程为:
D1、对综合分析模块进行监控,计算选品上架方案实行一周内的商品的转化率;其转化率计算公式为:其中ε表示转化率,z表示实际购买的订单数,b表示访客数;
D2、将转化率和上一周期内的转化率进行对比,若出现提升且两者差值大于上一周期内的转化率的一半,则表示经营策略能力良好,营销方案可行,反之则表示经营策略能力不合格,营销方案不可行,将差值作为预先设定的相似度阈值γ阈的修正因子传输至综合分析模块。
本发明的技术效果和优点:
本发明通过数据获取模块获取店铺相关信息;通过商品信息分析模块,计算已挂出的商品曝光率、舆论影响力指数;通过客户信息分析模块,提取出有效客户,通过埋点监测有效客户的行为轨迹,通过K均值聚类方法进行客户细分,得到细分有效客户,通过算法挖掘生成购买商品的客户画像;通过店铺信息分析模块计算店铺自身影响力;通过运输过程分析模块,计算物流运输风险指数;通过综合分析模块计算客户的购买意向度,对已挂出的商品进行判断,制定选品上架方案,吸引客户查看购买商品,以提高商品销售效益;通过系统监控修正模块,监控综合分析模块,计算商品的转化率,分析商品的经营策略能力,评估营销方案的可行性,从而提高客户的销售欲望,增加店铺的经济收益。
附图说明
图1为本发明的整体结构框图。
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。
本发明提供了如图1所示的一种基于数据分析的电子商务管理系统,包括数据获取模块、商品信息分析模块、客户信息分析模块、店铺信息分析模块、运输过程分析模块、综合分析模块,以及系统监控修正模块;其中数据获取模块分别和商品信息分析模块、客户信息分析模块、店铺信息分析模块、运输过程分析模块连接,商品信息分析模块、客户信息分析模块、店铺信息分析模块、运输过程分析模块分别和综合分析模块连接,综合分析模块和系统监控修正模块互相连接。
所述数据获取模块用于获取店铺一年时间的商品信息、客户信息、店铺信息,以及运输信息;
所述商品信息包括商品种类、访客数、浏览量、店铺商品检索热度词、好评数量、实际购买的订单数、差评数量,以及总评价数量;所述客户信息包括购买喜好、购买频次、活跃状态、年龄、性别、学历、收入,以及地域;所述店铺信息包括店铺内的所有商品对应好评数量、差评数量、中评数量、物流服务评价、客服服务评价,以及店铺检索热度词;所述运输信息包括商品运输种类、商品运输数量、商品包装、商品预到达时间,以及商品实际到达时间;所述店铺检索热度词,具体是指店铺的搜索热榜排名;所述店铺商品检索热度词,具体是指店铺内商品的搜索热榜排名;
所述商品信息分析模块用于根据商品信息和店铺信息计算已挂出的商品曝光率、舆论影响力指数;
本实施需要具体说明的是,所述商品信息分析模块的具体处理过程为:
A1、根据商品信息和店铺信息计算已挂出的商品曝光率Pb,其计算公式为:Pb=abc,其中a表示浏览量,b表示访客数,c表示店铺商品检索热度词或者店铺检索热度词;所述浏览量,具体指的是消费者浏览店铺或商品的页面所产生的访问量,所述访客数,具体是指不同IP地址访问此店铺或商品的用户量;
A2、根据商品信息计算已挂出商品的舆论影响力指数Py,其计算公式为:其中gi为好评数量,hi为差评数量,G为总评价数量,x1,x2表示比例系数,x1>x2>0;其中比例系数的大小是为了将各个参数进行量化得到的一个具体的数值,便于后续比较,关于比例系数的大小,只要不影响参数与量化后数值的比例关系即可;
所述客户信息分析模块用于根据客户信息提取出有效客户,通过埋点监测有效客户的行为轨迹,通过K均值聚类方法进行客户细分,得到细分有效客户,通过算法挖掘生成购买商品的客户画像;
本实施需要具体说明的是,所述客户信息分析模块的具体处理过程为:
B1、根据客户信息提取出有效客户,通过埋点监测有效客户的行为轨迹;所述有效客户,具体是指一年内有消费记录的客户;
B2、将有效客户,通过K均值聚类方法进行客户细分,得到细分有效客户;其中K均值聚类方法属于现有技术手段,因此本实施例未做出具体说明;
B3、根据细分有效客户,通过算法挖掘生成购买商品的客户画像;其具体处理过程如下:
B31、根据业务需求,每隔一周,利用加权模型构建模型标签,其加权模型具体为:其中Tag表示模型标签,wi表示行为权重,di表示日期差,α表示可调参数;所述行为权重,具体是对各行为轨迹设定的数值;比如在类目偏好中,各行为权重降序:下单>加购>收藏>点击;
B32、依据客户标签、购买喜好和购买频次,将细分有效客户代入客户画像计算公式,生成购买商品的客户画像;所述客户画像计算公式,具体为:P=Tag+q+f+λ,其中P表示细分有效客户的客户画像,Tag表示模型标签,q表示购买喜好,f表示购买频次,λ表示影响因子,包括但不限于活跃状态、年龄、性别、学历、收入,以及地域;
B33、根据客户画像将细分有效客户划分为xi类客户,表示细分有效客户根据客户画像被分为xi类,i=1,2,3……n;
所述店铺信息分析模块用于根据店铺信息,计算店铺自身影响力;
本实施需要具体说明的是,所述店铺自身影响力的计算公式为:其中μ表示店铺自身影响力,si表示比例系数,vi包括店铺的所有商品好评数量均值,差评数量均值,中评数量均值,β表示影响因子,包括物流服务评价,客服服务评价;
所述运输过程分析模块用于根据运输信息监控商品发货收货过程中,商品包装是否有损坏,商品发货是否正确,商品交付是否延时,计算物流运输风险指数;
本实施需要具体说明的是,所述运输过程分析模块的具体分析方式为:核对商品收货地址,确定运输路线,商品发货前进行商品种类数量监测m2,发送商品;将运输路线上的站点作为监测点,利用图像识别技术扫描商品,识别商品包装是否有损坏m1;每个站点根据剩余运输距离和运输速度预估商品到达时间公式,预估商品是否存在交付延期风险m3;根据物流运输风险指数的计算公式,计算本次物流运输风险指数;其中图像识别技术属于现有技术手段,因此本实施例未做出具体说明;
所述物流运输风险指数的计算公式为:η=k1×m 1+k2×m 2+k3×m 3,其中η表示物流运输风险指数,k1,k2,k3分别表示包装损坏风险m1,商品种类数量错误风险m2,商品交付延期风险m3的比例系数;比例系数的大小是为了将各个参数进行量化得到的一个具体的数值,便于后续比较,关于比例系数的大小,只要不影响参数与量化后数值的比例关系即可;
所述综合分析模块用于根据商品曝光率、舆论影响力指数、店铺自身影响力,以及物流运输风险指数,计算客户的购买意向度,对已挂出的商品进行判断,制定选品上架方案,以提高商品销售效益;
本实施需要具体说明的是,所述综合分析模块的具体处理过程为:
C1、根据商品曝光率、舆论影响力指数、店铺自身影响力,以及物流运输风险指数,计算客户的购买意向度;所述客户的购买意向度的具体计算公式为:φ=Pb×Py×μ/η,其中φ表示客户的购买意向度,Pb表示商品曝光率,Py表示舆论影响力指数,μ表示店铺自身影响力,η表示物流运输风险指数;
C2、根据客户的购买意向度和客户画像,对已挂出的商品进行判断,制定选品上架方案;具体处理过程如下:
C21、根据客户画像,对客户和商品进行相似度计算,具体公式为:其中γ(i,j)表示客户和商品的相似度,xi表示客户,yi表示商品;
C22、将客户和商品的相似度γ(i,j)和预先设定的相似度阈值γ阈进行判断对比,若γ(i,j)≥γ阈则表示当前针对客户画像已挂出的商品符合预期,对同类客户可继续推送同类型商品;若γ(i,j)<γ阈则表示当前针对客户画像已挂出的商品不符合预期,需要对同类客户进行重新选品上架,将该类客户购买意向度最高的商品进行选取,按照选取商品的客户人数从多到少排序,最终确定选品,例如:有效客户有3名,根据各自的购买意向度选择最高的商品,若其中2个选择同一样商品,则该商品排序在前,根据判断对比出的不符合预期的商品数量,选取对应数量且排序在前的商品进行上架;其中预先设定的相似度阈值γ阈,可依据系统监控修正模块传输的修正因子具体设定,本实施例不对具体数据做具体限定;
所述系统监控修正模块用于监控综合分析模块,计算商品的转化率,分析商品的经营策略能力,评估营销方案的可行性;
本实施需要具体说明的是,所述系统监控修正模块的具体处理过程为:
D1、对综合分析模块进行监控,计算选品上架方案实行一周内的商品的转化率;其转化率计算公式为:其中ε表示转化率,z表示实际购买的订单数,b表示访客数;
D2、将转化率和上一周期内的转化率进行对比,若出现提升且两者差值大于上一周期内的转化率的一半,则表示经营策略能力良好,营销方案可行,反之则表示经营策略能力不合格,营销方案不可行,将差值作为预先设定的相似度阈值γ阈的修正因子传输至综合分析模块;
需要说明的是,所述系统监控修正模块中,将差值作为预先设定的相似度阈值γ阈的修正因子传输至综合分析模块,是为了修正相似度阈值,在综合分析模块中需要将实际得到的相似度和相似度阈值进行判断对比,若相似度阈值初始取值存在较大偏差,此时针对客户画像已挂出的商品是否符合预期的结果,具有较大误差,可能有部分客户实际上是不符合预期的,但是却判断为符合预期,而此时可以通过对转化率的对比能够尽可能避免这种误差。
最后:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (9)
1.一种基于数据分析的电子商务管理系统,包括,其特征在于:
数据获取模块:用于获取店铺一年时间的商品信息、客户信息、店铺信息,以及运输信息;
商品信息分析模块:用于根据商品信息和店铺信息计算已挂出的商品曝光率、舆论影响力指数;
客户信息分析模块:用于根据客户信息提取出有效客户,通过埋点监测有效客户的行为轨迹,通过K均值聚类方法进行客户细分,得到细分有效客户,通过算法挖掘生成购买商品的客户画像;
店铺信息分析模块:用于根据店铺信息,计算店铺自身影响力;
运输过程分析模块:用于根据运输信息监控商品发货收货过程中,商品包装是否有损坏,商品发货是否正确,商品交付是否延时,计算物流运输风险指数;
综合分析模块:用于根据商品曝光率、舆论影响力指数、店铺自身影响力,以及物流运输风险指数,计算客户的购买意向度,对已挂出的商品进行判断,制定选品上架方案,以提高商品销售效益;
系统监控修正模块:用于监控综合分析模块,计算商品的转化率,分析商品的经营策略能力,评估营销方案的可行性。
2.根据权利要求1所述的一种基于数据分析的电子商务管理系统,其特征在于:所述商品信息分析模块的具体处理过程为:
A1、根据商品信息和店铺信息计算已挂出的商品曝光率Pb,其计算公式为:Pb=abc,其中a表示浏览量,b表示访客数,c表示店铺商品检索热度词或者店铺检索热度词;所述浏览量,具体指的是消费者浏览店铺或商品的页面所产生的访问量,所述访客数,具体是指不同IP地址访问此店铺或商品的用户量;
A2、根据商品信息计算已挂出商品的舆论影响力指数Py,其计算公式为:其中gi为好评数量,hi为差评数量,G为总评价数量,x1,x2表示比例系数,x1>x2>0。
3.根据权利要求1所述的一种基于数据分析的电子商务管理系统,其特征在于:所述客户信息分析模块的具体处理过程为:
B1、根据客户信息提取出有效客户,通过埋点监测有效客户的行为轨迹;所述有效客户,具体是指一年内有消费记录的客户;
B2、将有效客户,通过K均值聚类方法进行客户细分,得到细分有效客户;
B3、根据细分有效客户,通过算法挖掘生成购买商品的客户画像。
4.根据权利要求3所述的一种基于数据分析的电子商务管理系统,其特征在于:所述通过算法挖掘生成购买商品的客户画像,其具体处理过程如下:
B31、根据业务需求,每隔一周,利用加权模型构建模型标签,其加权模型具体为:其中Tag表示模型标签,wi表示行为权重,di表示日期差,α表示可调参数;所述行为权重,具体是对各行为轨迹设定的数值;
B32、依据客户标签、购买喜好和购买频次,将细分有效客户代入客户画像计算公式,生成购买商品的客户画像;所述客户画像计算公式,具体为:P=Tag+q+f+λ,其中P表示细分有效客户的客户画像,Tag表示模型标签,q表示购买喜好,f表示购买频次,λ表示影响因子,包括但不限于活跃状态、年龄、性别、学历、收入,以及地域;
B33、根据客户画像将细分有效客户划分为xi类客户。
5.根据权利要求1所述的一种基于数据分析的电子商务管理系统,其特征在于:所述店铺自身影响力的计算公式为:其中μ表示店铺自身影响力,si表示比例系数,vi包括店铺的所有商品好评数量均值,差评数量均值,中评数量均值,β表示影响因子,包括物流服务评价,客服服务评价。
6.根据权利要求1所述的一种基于数据分析的电子商务管理系统,其特征在于:所述运输过程分析模块的具体分析方式为:核对商品收货地址,确定运输路线,商品发货前进行商品种类数量监测m2,发送商品;将运输路线上的站点作为监测点,利用图像识别技术扫描商品,识别商品包装是否有损坏m1;每个站点根据剩余运输距离和运输速度预估商品到达时间公式,预估商品是否存在交付延期风险m3;根据物流运输风险指数的计算公式,计算本次物流运输风险指数;
所述物流运输风险指数的计算公式为:η=k1×m 1+k2×m 2+k3×m 3,其中η表示物流运输风险指数,k1,k2,k3分别表示包装损坏风险m1,商品种类数量错误风险m2,商品交付延期风险m3的比例系数。
7.根据权利要求1所述的一种基于数据分析的电子商务管理系统,其特征在于:所述综合分析模块的具体处理过程为:
C1、根据商品曝光率、舆论影响力指数、店铺自身影响力,以及物流运输风险指数,计算客户的购买意向度;
C2、根据客户的购买意向度和客户画像,对已挂出的商品进行判断,制定选品上架方案;具体处理过程如下:
C21、根据客户画像,对客户和商品进行相似度计算,具体公式为:其中γ(i,j)表示客户和商品的相似度,xi表示客户,yi表示商品;
C22、将客户和商品的相似度γ(i,j)和预先设定的相似度阈值γ阈进行判断对比,若γ(i,j)≥γ阈则表示当前针对客户画像已挂出的商品符合预期,对同类客户可继续推送同类型商品;若γ(i,j)<γ阈则表示当前针对客户画像已挂出的商品不符合预期,需要对同类客户进行重新选品上架,将该类客户购买意向度最高的商品进行选取,按照选取商品的客户人数从多到少排序,最终确定选品。
8.根据权利要求7所述的一种基于数据分析的电子商务管理系统,其特征在于:所述客户的购买意向度的具体计算公式为:φ=Pb×Py×μ/η,其中φ表示客户的购买意向度,Pb表示商品曝光率,Py表示舆论影响力指数,μ表示店铺自身影响力,η表示物流运输风险指数。
9.根据权利要求1所述的一种基于数据分析的电子商务管理系统,其特征在于:所述系统监控修正模块的具体处理过程为:
D1、对综合分析模块进行监控,计算选品上架方案实行一周内的商品的转化率;其转化率计算公式为:其中ε表示转化率,z表示实际购买的订单数,b表示访客数;
D2、将转化率和上一周期内的转化率进行对比,若出现提升且两者差值大于上一周期内的转化率的一半,则表示经营策略能力良好,营销方案可行,反之则表示经营策略能力不合格,营销方案不可行,将差值作为预先设定的相似度阈值γ阈的修正因子传输至综合分析模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311367526.9A CN117217874A (zh) | 2023-10-21 | 2023-10-21 | 一种基于数据分析的电子商务管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311367526.9A CN117217874A (zh) | 2023-10-21 | 2023-10-21 | 一种基于数据分析的电子商务管理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117217874A true CN117217874A (zh) | 2023-12-12 |
Family
ID=89040766
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311367526.9A Pending CN117217874A (zh) | 2023-10-21 | 2023-10-21 | 一种基于数据分析的电子商务管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117217874A (zh) |
-
2023
- 2023-10-21 CN CN202311367526.9A patent/CN117217874A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Brynjolfsson et al. | The great equalizer? Consumer choice behavior at Internet shopbots | |
US7720720B1 (en) | System and method for generating effective recommendations | |
US10181138B2 (en) | System and method for determining retail-business-rule coefficients from current prices | |
US20020046128A1 (en) | Automatic pricing method and device | |
US20040138958A1 (en) | Sales prediction using client value represented by three index axes as criteron | |
JP2018139036A (ja) | 分析装置 | |
JP6679648B2 (ja) | 情報処理装置、情報処理方法、情報処理プログラム、判定装置、判定方法及び判定プログラム | |
JP2018116694A (ja) | 算出装置、算出方法及び算出プログラム | |
JP2011253534A (ja) | 最適価格学習 | |
JP6267812B1 (ja) | 算出装置、算出方法及び算出プログラム | |
JP7117440B1 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP6679667B2 (ja) | 生成装置、生成方法及び生成プログラム | |
KR102522219B1 (ko) | 데이터 이코노미에서 금융 데이터 가치 측정 방법 및 이러한 방법을 수행하는 장치 | |
CN117217874A (zh) | 一种基于数据分析的电子商务管理系统 | |
CN116308599A (zh) | 基于产品标签与客户标签的理财产品智能推荐方法和装置 | |
CN113762990B (zh) | 商品推荐的方法、装置、计算设备及计算机存储介质 | |
KR102394221B1 (ko) | 온라인 벤더 운영 플랫폼 | |
JP6744438B2 (ja) | ソリューション提案装置、方法、プログラム、およびシステム | |
JP7130104B1 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP7133698B1 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP7090785B1 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP7086263B1 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP7091542B1 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP7091543B1 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
CN114255101A (zh) | 产品信息推荐方法、装置、计算机设备和存储介质 |
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 |