CN117372129A - 一种基于大数据的电商运营预警管理方法、系统及存储介质 - Google Patents
一种基于大数据的电商运营预警管理方法、系统及存储介质 Download PDFInfo
- Publication number
- CN117372129A CN117372129A CN202311404446.6A CN202311404446A CN117372129A CN 117372129 A CN117372129 A CN 117372129A CN 202311404446 A CN202311404446 A CN 202311404446A CN 117372129 A CN117372129 A CN 117372129A
- Authority
- CN
- China
- Prior art keywords
- product
- transaction
- data
- historical
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 24
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 230000002159 abnormal effect Effects 0.000 claims abstract description 108
- 238000006243 chemical reaction Methods 0.000 claims abstract description 60
- 230000014759 maintenance of location Effects 0.000 claims abstract description 54
- 238000000034 method Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 9
- 208000034804 Product quality issues Diseases 0.000 claims description 3
- 238000005303 weighing Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012423 maintenance Methods 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
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid 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]
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- 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
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Technology Law (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据的电商运营预警管理方法、系统及存储介质,涉及互联网商务技术领域,包括获取历史交易数据,基于历史交易数据,预测产品交易量,根据产品库存数据和交易量预测数据,判断产品库存是否出现异常情况,若产品库存出现异常情况,则输出显示预警信息,并根据产品库存数据采取对应措施,若产品库存未出现异常情况,则记录产品库存数据。本发明通过对产品交易量进行预测,根据产品库存数据对产品供应异常及时预警,根据产品总交易数据,判断产品交易是否异常,通过产品交易失败信息、产品网页转化率和用户留存信息,对产品销售异常进行预警,根据产品物流信息,对产品的运输异常及时输出预警信息。
Description
技术领域
本发明涉及互联网商务技术领域,具体是涉及一种基于大数据的电商运营预警管理方法、系统及存储介质。
背景技术
随着互联网技术的发展,互联网电子商务简称电商的应用越来越广泛,电商的发展也越来越快速,其受众群体也越来越多。电商是指在因特网开放的网络环境下,买卖双方可以在任何的可连接网络的地点间进行各种商务活动,实现两个或多个交易者间的生产资料交换及所衍生出来的交易过程、金融活动和相关的综合服务活动的一种的商业运营模式。
对于电商商家而言,其需要对店铺进行操作、管理及维护等运营工作,以便保障消费者能在店铺完成商品购买,以及能够根据销售情况及市场需要调整运营政策。当电商运营过程中出现异常情况时,往往需要通过查看各种相关数据来判断发生异常情况的来源或原因,根据来源或原因对店铺运营进行相应的调整。
但是,目前运营数据的监控以及查看相关数据均是固定方式,即采用统一的监控模式及各模式预设对应的数据种类,存在着监控到异常情况时,直接调取与预设数据种类对应的相关数据供运营人员查看,无法及时对异常情况进行预警和分析,使得发生异常情况时,无法及时对异常情况进行处理,需要一定的处理时间,使得用户的购物体验下降的问题。
发明内容
为解决上述技术问题,提供一种基于大数据的电商运营预警管理方法及系统,本技术方案解决了上述背景技术中提出的目前运营数据的监控以及查看相关数据均是固定方式,即采用统一的监控模式及各模式预设对应的数据种类,存在着监控到异常情况时,直接调取与预设数据种类对应的相关数据供运营人员查看,无法及时对异常情况进行预警和分析,使得发生异常情况时,无法及时对异常情况进行处理,需要一定的处理时间,使得用户的购物体验下降的问题。
为达到以上目的,本发明采用的技术方案为:
一种基于大数据的电商运营预警管理方法,包括:
获取历史交易数据,基于历史交易数据,预测产品交易量,获取交易量预测数据;
获取产品库存数据,根据产品库存数据和交易量预测数据,判断产品库存是否出现异常情况,若产品库存出现异常情况,则输出显示预警信息,并根据产品库存数据采取对应措施,若产品库存未出现异常情况,则记录产品库存数据;
基于历史交易数据,获取产品历史交易量数据和历史交易日期,根据产品历史交易量数据和历史交易日期,设定产品交易浮动阈值;
获取产品总交易数据,根据产品总交易数据和交易量预测数据的误差,判断产品是否出现交易异常情况,若产品总交易数据和交易量预测数据的误差超出产品交易浮动阈值,则输出显示产品交易预警信息;
获取产品交易失败信息,所述产品交易失败信息包括订单取消信息、订单退款信息、产品投诉信息;
根据历史交易数据,获取产品交易失败阈值;
基于产品交易失败阈值,判断产品交易失败信息是否超出产品交易阈值,若超出,输出显示预警信息;
获取产品交易网页浏览数据和通过产品交易网页产生的产品交易数据;
根据历史交易数据、产品交易网页浏览数据和通过产品交易网页产生的产品交易数据,判断产品交易网页转化是否出现异常情况,若产品交易网页转化出现异常情况,则输出显示产品网页转化预警信息,并对异常情况进行分析,检测异常原因;
基于产品总交易数据,获取用户留存信息,所述用户留存信息包括用户产品复购数据和用户活跃数据;
根据用户留存信息和历史交易数据,判断用户留存是否出现异常情况,若出现异常情况,则输出显示用户留存预警信息,并根据用户留存信息,对异常情况进行分析;
获取产品物流信息,所述产品物流信息包括产品发货截止时间、预计产品运输时间、产品物流投诉信息;
根据产品发货截止时间、预计产品运输时间,设定产品发货预警时间,若到达产品发货预警时间,则输出显示产品发货预警信息;
根据产品物流投诉信息和历史交易数据,判断产品物流是否出现异常情况,若产品物流出现异常情况,则输出显示物流预警信息,若产品物流未出现异常情况,则对产品物流信息进行记录。
优选的,所述获取历史交易数据,基于历史交易数据,预测产品交易量,获取交易量预测数据包括:
根据历史交易数据,获取产品历史交易信息,所述产品交易历史信息包括产品价格、产品评价指数、产品名称;
基于产品交易量预测模型,根据产品历史交易信息,预测产品交易初量;
根据历史交易数据,获取节假日产品交易历史数据;
根据节假日产品交易历史数据,获取产品交易假日影响量;
获取当前日期,根据当前日期、预测产品交易初量和产品交易假日影响量,获取产品交易量预测值;
其中,产品交易量预测模型为:
式中,y为预测产品交易初量,wi为第i种产品价格,σj为产品第j个评价指标的权重,Kij为第i种产品第j个评价指标的分数,其分值为(0~100),β0、β1和β2均为产品交易量预测模型的系数,γi为第i个产品的交易量预测误差项。
优选的,所述获取产品库存数据,根据产品库存数据和交易量预测数据,判断产品库存是否出现异常情况包括:
根据产品库存数据,获取产品供应信息,所述产品供应信息包括产品供货效率、产品供应发货地信息和产品供货稳定度;
根据产品库存数据,获取产品库存数量信息;
根据产品库存数量信息和交易量预测数据,设定产品供应指数最小阈值和产品供应指数最大阈值;
基于产品供应信息,获取产品供应指数,根据产品供应指数、产品供应指数最小阈值和产品供应指数最大阈值,判断产品供应是否出现异常情况;
若产品供应出现异常情况,则输出显示预警信息;
其中,若产品供应指数低于产品供应指数最小阈值,输出显示产品供应短缺预警信息,若产品供应指数高于产品供应指数最大阈值,输出显示产品供应过量预警信息;
若产品供应未出现异常情况,则记录产品库存数据;
其中,产品供应指数的计算公式为:
式中,Q为产品供应指数,α0为产品供货效率的权重,V为产品供货效率,α1为产品供货稳定度的权重,E为产品供货稳定度,z为产品供应发货地距离系数,S为产品供应发货地的距离。
优选的,所述根据历史交易数据、产品交易网页浏览数据和通过产品交易网页产生的产品交易数据,判断产品交易网页转化是否出现异常情况包括:
根据产品交易网页浏览数据和通过产品交易网页产生的产品交易数据,获取产品交易网页转化率;
根据历史交易数据,获取历史产品交易网页浏览数据和通过产品交易网页产生的历史产品交易数据;
根据历史产品交易网页浏览数据和通过产品交易网页产生的历史产品交易数据,获取产品交易转化阈值;
根据产品交易网页转化率和产品交易转化阈值,判断产品交易网页转化是否出现异常情况,若产品交易网页转化率低于产品交易转化阈值,则输出显示产品网页转化预警信息,并根据历史产品交易网页浏览数据和通过产品交易网页产生的历史产品交易数据,对异常情况进行分析,检测异常原因;
若产品交易网页转化率高于产品交易转化阈值,则产品网页转化正常。
优选的,所述根据用户留存信息和历史交易数据,判断用户留存是否出现异常情况包括:
根据用户留存信息,获取用户留存度,所述用户留存度包括用户产品复购率和用户活跃度;
基于历史交易数据,获取用户历史产品复购数据和用户历史活跃度;
根据用户历史产品复购数据和用户历史活跃度,设定用户留存度阈值;
判断用户留存度是否低于用户留存度阈值,若低于,则输出显示用户留存预警信息,并根据用户留存信息对用户留存预警进行分析。
进一步的,提出一种基于大数据的电商运营预警管理系统,用于实现如上述的电商运营预警管理方法,包括:
主控制模块,所述主控制模块用于接收处理过的数据,并对数据进行判断,输出显示预警信息,根据预警信息采取对应措施;
信息获取模块,所述信息获取模块用于存储历史交易数据,获取产品库存数据、产品总交易数据、产品交易失败信息、产品交易网页浏览数据、通过产品交易网页产生的产品交易数据和产品物流信息;
数据处理模块,所述数据处理模块用于对数据进行处理,并根据计算模型对具体参数进行计算;
显示模块,所述显示模块与主控制模块交互,用于显示预警信息
可选的,所述主控制模块包括:
控制单元,所述控制单元与判断单元交互,用于接收判断结果,根据判断结果输出显示预警信息,并根据预警信息采取对应处理措施;
数据接收单元,所述数据接收单元与信息获取模块和数据处理模块交互,用于接收数据,并传输至判断单元;
判断单元,所述判断单元用于判断产品库存是否出现异常情况、产品是否出现交易异常情况、产品交易失败数据是否出现异常情况、产品交易网页转化是否出现异常情况、用户留存是否出现异常情况和产品物流是否出现异常情况。
可选的,所述信息获取模块包括:
存储单元,所述存储单元与第一获取单元电性连接,用于存储历史交易数据,并传输至第一获取单元;
第一获取单元,所述第一获取单元用于获取历史交易数据获取,并根据历史交易数据获取产品历史交易量数据、历史交易日期、产品历史交易信息、节假日产品交易历史数据、历史产品交易网页浏览数据、通过产品交易网页产生的历史产品交易数据、用户历史产品复购数据和用户历史活跃度;
第二获取单元,所述第二获取单元用于获取产品库存数据、产品总交易数据、产品交易失败信息、产品交易网页浏览数据、通过产品交易网页产生的产品交易数据和产品物流信息。
可选的,所述数据处理模块包括:
交易量预测单元,所述交易量预测单元用于对产品交易量进行预测;
产品供应指数单元,所述产品供应指数单元用于根据产品的供货效率、产品的发货地和产品的供货稳定度计算产品供应指数;
网页转化率计算单元,所述网页转化单元用于计算产品交易网页转化率。
再进一步的,提出一种计算机可读存储介质,其上存储有计算机可读程序,所述计算机可读程序被调用时执行如上述的共享停车场车位智能管理方法。
与现有技术相比,本发明的有益效果在于:
本发明提出一种基于大数据的电商运营预警管理方法、系统及存储介质,通过对产品交易量进行预测,根据产品库存数据对产品供应异常及时预警,根据产品总交易数据,判断产品交易是否异常,通过产品交易失败信息、产品网页转化率和用户留存信息,对产品销售异常进行预警,根据产品物流信息,对产品的运输异常及时输出预警信息。
附图说明
图1为本发明提出的一种基于大数据的电商运营预警管理方法流程图;
图2为本发明中产品交易量预测流程图;
图3为本发明中产品供应预警流程图;
图4为本发明提出的一种基于大数据的电商运营预警管理系统。
具体实施方式
以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例,本领域技术人员可以想到其他显而易见的变型。
参照图1-3所示,本发明实施例一种基于大数据的电商运营预警管理方法,
步骤S1:获取历史交易数据,基于历史交易数据,预测产品交易量,获取交易量预测数据;
具体而言,通过历史交易数据,对产品交易量进行预测包括:
根据历史交易数据,获取产品历史交易信息,所述产品交易历史信息包括产品价格、产品评价指数、产品名称;
基于产品交易量预测模型,根据产品历史交易信息,预测产品交易初量;
根据历史交易数据,获取节假日产品交易历史数据;
根据节假日产品交易历史数据,获取产品交易节假日影响量;
获取当前日期,根据当前日期、预测产品交易初量和产品交易节假日影响量,获取产品交易量预测值;
其中,产品交易量预测模型为:
式中,y为预测产品交易初量,wi为第i种产品价格,σj为产品第j个评价指标的权重,Kij为第i种产品第j个评价指标的分数,其分值为(0~100),β0、β1和β2均为产品交易量预测模型的系数,γi为第i个产品的交易量预测误差项。
本方案中,根据对历史交易数据进行分析,计算产品的预计交易量,通过产品交易量预测模型,计算产品预测交易初量,根据历史交易数据中节假日时的产品交易历史数据,计算产品交易节假日影响量,根据产品交易节假日影响量和当前日期距离节假日日期的时间,计算节假日对当前的产品交易影响量,最终根据产品预测交易初量和节假日对当前的产品交易影响量,获得产品交易量预测值。
步骤S2:获取产品库存数据,根据产品库存数据和交易量预测数据,判断产品库存是否出现异常情况,若产品库存出现异常情况,则输出显示预警信息,并根据产品库存数据采取对应措施,若产品库存未出现异常情况,则记录产品库存数据;
具体而言,获取产品库存数据,根据产品库存数据和交易量预测数据,判断产品库存是否出现异常情况包括:
根据产品库存数据,获取产品供应信息,所述产品供应信息包括产品供货效率、产品供应发货地信息和产品供货稳定度;
根据产品库存数据,获取产品库存数量信息;
根据产品库存数量信息和交易量预测数据,设定产品供应指数最小阈值和产品供应指数最大阈值;
基于产品供应信息,获取产品供应指数,根据产品供应指数、产品供应指数最小阈值和产品供应指数最大阈值,判断产品供应是否出现异常情况;
若产品供应出现异常情况,则输出显示预警信息;
其中,若产品供应指数低于产品供应指数最小阈值,输出显示产品供应短缺预警信息,若产品供应指数高于产品供应指数最大阈值,输出显示产品供应过量预警信息;
若产品供应未出现异常情况,则记录产品库存数据;
其中,产品供应指数的计算公式为:
式中,Q为产品供应指数,α0为产品供货效率的权重,V为产品供货效率,α1为产品供货稳定度的权重,E为产品供货稳定度,z为产品供应发货地距离系数,S为产品供应发货地的距离。
本方案中,通过对比产品库存数量和产品预测交易量,设定产品供应指数最小阈值和产品供应指数最大阈值,根据产品供货效率、产品供应发货地信息和产品供货稳定度,计算产品供应指数,若产品供应指数小于产品供应指数最小阈值,则产品供应无法满足产品交易需求,输出预警信息,提示产品供应不足,若产品供应指数大于产品供应指数最大阈值,则产品供应量过于充足,超出实际交易需求,根据产品供应指数对产品供应异常及时预警,避免造成产品堆积,降低了运营成本。
步骤S3:基于历史交易数据,获取产品历史交易量数据和历史交易日期,根据产品历史交易量数据和历史交易日期,设定产品交易浮动阈值;
步骤S4:获取产品总交易数据,根据产品总交易数据和交易量预测数据的误差,判断产品是否出现交易异常情况,若产品总交易数据和交易量预测数据的误差超出产品交易浮动阈值,则输出显示产品交易预警信息;
步骤S5:获取产品交易失败信息,所述产品交易失败信息包括订单取消信息、订单退款信息、产品投诉信息;
步骤S6:根据历史交易数据,获取产品交易失败阈值;
基于产品交易失败阈值,判断产品交易失败信息是否超出产品交易阈值,若超出,输出显示预警信息;
步骤S7:获取产品交易网页浏览数据和通过产品交易网页产生的产品交易数据;
步骤S8:根据历史交易数据、产品交易网页浏览数据和通过产品交易网页产生的产品交易数据,判断产品交易网页转化是否出现异常情况,若产品交易网页转化出现异常情况,则输出显示产品网页转化预警信息,并对异常情况进行分析,检测异常原因;
具体而言,通过对历史交易数据进行分析,根据网页转化率的变化,判断产品网页转化是否出现异常情况包括:
根据产品交易网页浏览数据和通过产品交易网页产生的产品交易数据,获取产品交易网页转化率;
根据历史交易数据,获取历史产品交易网页浏览数据和通过产品交易网页产生的历史产品交易数据;
根据历史产品交易网页浏览数据和通过产品交易网页产生的历史产品交易数据,获取产品交易转化阈值;
根据产品交易网页转化率和产品交易转化阈值,判断产品交易网页转化是否出现异常情况,若产品交易网页转化率低于产品交易转化阈值,则输出显示产品网页转化预警信息,并根据历史产品交易网页浏览数据和通过产品交易网页产生的历史产品交易数据,对异常情况进行分析,检测异常原因;
若产品交易网页转化率高于产品交易转化阈值,则产品网页转化正常。
本方案中,通过当前产品交易过程中,通过产品交易网页购买产品的交易量。计算将产品交易网页浏览量转化为产品实际交易量的产品网页交易转化率,并通过与历史交易中的产品网页交易转化率做对比,判断产品网页转化是否出现异常,输出预警信息,使得可以及时对产品交易网页做出调整。
步骤S9:基于产品总交易数据,获取用户留存信息,所述用户留存信息包括用户产品复购数据和用户活跃数据;
步骤S10:根据用户留存信息和历史交易数据,判断用户留存是否出现异常情况,若出现异常情况,则输出显示用户留存预警信息,并根据用户留存信息,对异常情况进行分析;
具体而言,通过用户的活跃度和产品复购情况,判断电商运营过程中,对用户的留存是否出现异常包括:
根据用户留存信息,获取用户留存度,所述用户留存度包括用户产品复购率和用户活跃度;
基于历史交易数据,获取用户历史产品复购数据和用户历史活跃度;
根据用户历史产品复购数据和用户历史活跃度,设定用户留存度阈值;
判断用户留存度是否低于用户留存度阈值,若低于,则输出显示用户留存预警信息,并根据用户留存信息对用户留存预警进行分析。
本方案中,通过计算用户对于产品的复购率和用户的活跃度,判断电商运营中,对于用户的留存是否出现异常,及时对用户流失做出预警,避免关注用户的减少,提高了产品的交易量。
步骤S11:获取产品物流信息,所述产品物流信息包括产品发货截止时间、预计产品运输时间、产品物流投诉信息;
步骤S12:根据产品发货截止时间、预计产品运输时间,设定产品发货预警时间,若到达产品发货预警时间,则输出显示产品发货预警信息;
步骤S13:根据产品物流投诉信息和历史交易数据,判断产品物流是否出现异常情况,若产品物流出现异常情况,则输出显示物流预警信息,若产品物流未出现异常情况,则对产品物流信息进行记录。
参照图4所示,进一步的,结合上述一种基于大数据的电商运营预警管理方法,提出一种基于大数据的电商运营预警管理系统,包括:
主控制模块,所述主控制模块用于接收处理过的数据,并对数据进行判断,输出显示预警信息,根据预警信息采取对应措施;
信息获取模块,所述信息获取模块用于存储历史交易数据,获取产品库存数据、产品总交易数据、产品交易失败信息、产品交易网页浏览数据、通过产品交易网页产生的产品交易数据和产品物流信息;
数据处理模块,所述数据处理模块用于对数据进行处理,并根据计算模型对具体参数进行计算;
显示模块,所述显示模块与主控制模块交互,用于显示预警信息。
主控制模块包括:
控制单元,所述控制单元与判断单元交互,用于接收判断结果,根据判断结果输出显示预警信息,并根据预警信息采取对应处理措施;
数据接收单元,所述数据接收单元与信息获取模块和数据处理模块交互,用于接收数据,并传输至判断单元;
判断单元,所述判断单元用于判断产品库存是否出现异常情况、产品是否出现交易异常情况、产品交易失败数据是否出现异常情况、产品交易网页转化是否出现异常情况、用户留存是否出现异常情况和产品物流是否出现异常情况。
信息获取模块包括:
存储单元,所述存储单元与第一获取单元电性连接,用于存储历史交易数据,并传输至第一获取单元;
第一获取单元,所述第一获取单元用于获取历史交易数据获取,并根据历史交易数据获取产品历史交易量数据、历史交易日期、产品历史交易信息、节假日产品交易历史数据、历史产品交易网页浏览数据、通过产品交易网页产生的历史产品交易数据、用户历史产品复购数据和用户历史活跃度;
第二获取单元,所述第二获取单元用于获取产品库存数据、产品总交易数据、产品交易失败信息、产品交易网页浏览数据、通过产品交易网页产生的产品交易数据和产品物流信息。
数据处理模块包括:
交易量预测单元,所述交易量预测单元用于对产品交易量进行预测;
产品供应指数单元,所述产品供应指数单元用于根据产品的供货效率、产品的发货地和产品的供货稳定度计算产品供应指数;
网页转化率计算单元,所述网页转化单元用于计算产品交易网页转化率。
再进一步的,本方案还提出一种计算机可读存储介质,其上存储有计算机可读程序,计算机可读程序被调用时执行如上述的电力系统检修信息库更新方法;
可以理解的是,计算机可读存储介质可以是磁性介质,例如,软盘、硬盘、磁带;光介质例如,DVD;或者半导体介质例如固态硬盘SolidStateDisk,SSD等。
综上所述,本发明的优点在于:根据对历史交易数据进行分析,计算产品的预计交易量,通过产品交易量预测模型,计算产品预测交易初量,根据历史交易数据中节假日时的产品交易历史数据,计算产品交易节假日影响量,根据产品交易节假日影响量和当前日期距离节假日日期的时间,计算节假日对当前的产品交易影响量,最终根据产品预测交易初量和节假日对当前的产品交易影响量,获得产品交易量预测值,通过对比产品库存数量和产品预测交易量,设定产品供应指数最小阈值和产品供应指数最大阈值,根据产品供货效率、产品供应发货地信息和产品供货稳定度,计算产品供应指数,若产品供应指数小于产品供应指数最小阈值,则产品供应无法满足产品交易需求,输出预警信息,提示产品供应不足,若产品供应指数大于产品供应指数最大阈值,则产品供应量过于充足,超出实际交易需求,根据产品供应指数对产品供应异常及时预警,避免造成产品堆积,降低了运营成本,根据产品总交易数据,判断产品交易是否异常,通过产品交易失败信息、产品网页转化率和用户留存信息,对产品销售异常进行预警,根据产品物流信息,对产品的运输异常及时输出预警信息。
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只是本发明的原理,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的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。
Claims (10)
1.一种基于大数据的电商运营预警管理方法,其特征在于,包括:
获取历史交易数据,基于历史交易数据,预测产品交易量,获取交易量预测数据;
获取产品库存数据,根据产品库存数据和交易量预测数据,判断产品库存是否出现异常情况,若产品库存出现异常情况,则输出显示预警信息,并根据产品库存数据采取对应措施,若产品库存未出现异常情况,则记录产品库存数据;
基于历史交易数据,获取产品历史交易量数据和历史交易日期,根据产品历史交易量数据和历史交易日期,设定产品交易浮动阈值;
获取产品总交易数据,根据产品总交易数据和交易量预测数据的误差,判断产品是否出现交易异常情况,若产品总交易数据和交易量预测数据的误差超出产品交易浮动阈值,则输出显示产品交易预警信息;
获取产品交易失败信息,所述产品交易失败信息包括订单取消信息、订单退款信息、产品投诉信息;
根据历史交易数据,获取产品交易失败阈值;
基于产品交易失败阈值,判断产品交易失败信息是否超出产品交易阈值,若超出,输出显示预警信息;
获取产品交易网页浏览数据和通过产品交易网页产生的产品交易数据;
根据历史交易数据、产品交易网页浏览数据和通过产品交易网页产生的产品交易数据,判断产品交易网页转化是否出现异常情况,若产品交易网页转化出现异常情况,则输出显示产品网页转化预警信息,并对异常情况进行分析,检测异常原因;
基于产品总交易数据,获取用户留存信息,所述用户留存信息包括用户产品复购数据和用户活跃数据;
根据用户留存信息和历史交易数据,判断用户留存是否出现异常情况,若出现异常情况,则输出显示用户留存预警信息,并根据用户留存信息,对异常情况进行分析;
获取产品物流信息,所述产品物流信息包括产品发货截止时间、预计产品运输时间、产品物流投诉信息;
根据产品发货截止时间、预计产品运输时间,设定产品发货预警时间,若到达产品发货预警时间,则输出显示产品发货预警信息;
根据产品物流投诉信息和历史交易数据,判断产品物流是否出现异常情况,若产品物流出现异常情况,则输出显示物流预警信息,若产品物流未出现异常情况,则对产品物流信息进行记录。
2.根据权利要求1所述的一种基于大数据的电商运营预警管理方法,其特征在于,所述获取历史交易数据,基于历史交易数据,预测产品交易量,获取交易量预测数据包括:
根据历史交易数据,获取产品历史交易信息,所述产品交易历史信息包括产品价格、产品评价指数、产品名称;
基于产品交易量预测模型,根据产品历史交易信息,预测产品交易初量;
根据历史交易数据,获取节假日产品交易历史数据;
根据节假日产品交易历史数据,获取产品交易节假日影响量;
获取当前日期,根据当前日期、预测产品交易初量和产品交易节假日影响量,获取产品交易量预测值;
其中,产品交易量预测模型为:
式中,y为预测产品交易初量,wi为第i种产品价格,σj为产品第j个评价指标的权重,Kij为第i种产品第j个评价指标的分数,其分值为(0~100),β0、β1和β2均为产品交易量预测模型的系数,γi为第i个产品的交易量预测误差项。
3.根据权利要求1所述的一种基于大数据的电商运营预警管理方法,其特征在于,所述获取产品库存数据,根据产品库存数据和交易量预测数据,判断产品库存是否出现异常情况包括:
根据产品库存数据,获取产品供应信息,所述产品供应信息包括产品供货效率、产品供应发货地信息和产品供货稳定度;
根据产品库存数据,获取产品库存数量信息;
根据产品库存数量信息和交易量预测数据,设定产品供应指数最小阈值和产品供应指数最大阈值;
基于产品供应信息,获取产品供应指数,根据产品供应指数、产品供应指数最小阈值和产品供应指数最大阈值,判断产品供应是否出现异常情况;
若产品供应出现异常情况,则输出显示预警信息;
其中,若产品供应指数低于产品供应指数最小阈值,输出显示产品供应短缺预警信息,若产品供应指数高于产品供应指数最大阈值,输出显示产品供应过量预警信息;
若产品供应未出现异常情况,则记录产品库存数据;
其中,产品供应指数的计算公式为:
式中,Q为产品供应指数,α0为产品供货效率的权重,V为产品供货效率,α1为产品供货稳定度的权重,E为产品供货稳定度,z为产品供应发货地距离系数,S为产品供应发货地的距离。
4.根据权利要求1所述的一种基于大数据的电商运营预警管理方法,其特征在于,所述根据历史交易数据、产品交易网页浏览数据和通过产品交易网页产生的产品交易数据,判断产品交易网页转化是否出现异常情况包括:
根据产品交易网页浏览数据和通过产品交易网页产生的产品交易数据,获取产品交易网页转化率;
根据历史交易数据,获取历史产品交易网页浏览数据和通过产品交易网页产生的历史产品交易数据;
根据历史产品交易网页浏览数据和通过产品交易网页产生的历史产品交易数据,获取产品交易转化阈值;
根据产品交易网页转化率和产品交易转化阈值,判断产品交易网页转化是否出现异常情况,若产品交易网页转化率低于产品交易转化阈值,则输出显示产品网页转化预警信息,并根据历史产品交易网页浏览数据和通过产品交易网页产生的历史产品交易数据,对异常情况进行分析,检测异常原因;
若产品交易网页转化率高于产品交易转化阈值,则产品网页转化正常。
5.根据权利要求1所述的一种基于大数据的电商运营预警管理方法,其特征在于,所述根据用户留存信息和历史交易数据,判断用户留存是否出现异常情况包括:
根据用户留存信息,获取用户留存度,所述用户留存度包括用户产品复购率和用户活跃度;
基于历史交易数据,获取用户历史产品复购数据和用户历史活跃度;
根据用户历史产品复购数据和用户历史活跃度,设定用户留存度阈值;
判断用户留存度是否低于用户留存度阈值,若低于,则输出显示用户留存预警信息,并根据用户留存信息对用户留存预警进行分析。
6.一种基于大数据的电商运营预警管理系统,用于实现如权利要求1-6任一项所述的电商运营预警管理方法,其特征在于,包括:
主控制模块,所述主控制模块用于接收处理过的数据,并对数据进行判断,输出显示预警信息,根据预警信息采取对应措施;
信息获取模块,所述信息获取模块用于存储历史交易数据,获取产品库存数据、产品总交易数据、产品交易失败信息、产品交易网页浏览数据、通过产品交易网页产生的产品交易数据和产品物流信息;
数据处理模块,所述数据处理模块用于对数据进行处理,并根据计算模型对具体参数进行计算;
显示模块,所述显示模块与主控制模块交互,用于显示预警信息。
7.根据权利要求6所述的一种基于大数据的电商运营预警管理系统,其特征在于,所述主控制模块包括:
控制单元,所述控制单元与判断单元交互,用于接收判断结果,根据判断结果输出显示预警信息,并根据预警信息采取对应处理措施;
数据接收单元,所述数据接收单元与信息获取模块和数据处理模块交互,用于接收数据,并传输至判断单元;
判断单元,所述判断单元用于判断产品库存是否出现异常情况、产品是否出现交易异常情况、产品交易失败数据是否出现异常情况、产品交易网页转化是否出现异常情况、用户留存是否出现异常情况和产品物流是否出现异常情况。
8.根据权利要求6所述的一种基于大数据的电商运营预警管理系统,其特征在于,所述信息获取模块包括:
存储单元,所述存储单元与第一获取单元电性连接,用于存储历史交易数据,并传输至第一获取单元;
第一获取单元,所述第一获取单元用于获取历史交易数据获取,并根据历史交易数据获取产品历史交易量数据、历史交易日期、产品历史交易信息、节假日产品交易历史数据、历史产品交易网页浏览数据、通过产品交易网页产生的历史产品交易数据、用户历史产品复购数据和用户历史活跃度;
第二获取单元,所述第二获取单元用于获取产品库存数据、产品总交易数据、产品交易失败信息、产品交易网页浏览数据、通过产品交易网页产生的产品交易数据和产品物流信息。
9.根据权利要求6所述的一种基于大数据的电商运营预警管理系统,其特征在于,所述数据处理模块包括:
交易量预测单元,所述交易量预测单元用于对产品交易量进行预测;
产品供应指数单元,所述产品供应指数单元用于根据产品的供货效率、产品的发货地和产品的供货稳定度计算产品供应指数;
网页转化率计算单元,所述网页转化单元用于计算产品交易网页转化率。
10.一种计算机可读存储介质,其上存储有计算机可读程序,其特征在于,所述计算机可读程序被调用时执行如权利要求1-5任一所述的电商运营预警管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311404446.6A CN117372129A (zh) | 2023-10-27 | 2023-10-27 | 一种基于大数据的电商运营预警管理方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311404446.6A CN117372129A (zh) | 2023-10-27 | 2023-10-27 | 一种基于大数据的电商运营预警管理方法、系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117372129A true CN117372129A (zh) | 2024-01-09 |
Family
ID=89402030
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311404446.6A Pending CN117372129A (zh) | 2023-10-27 | 2023-10-27 | 一种基于大数据的电商运营预警管理方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117372129A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117993738A (zh) * | 2024-04-03 | 2024-05-07 | 深圳美云集网络科技有限责任公司 | 一种用于多场景的电商运营预警方法和系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102890803A (zh) * | 2011-07-21 | 2013-01-23 | 阿里巴巴集团控股有限公司 | 电子商品异常交易过程的确定方法及其装置 |
CN110148034A (zh) * | 2019-04-24 | 2019-08-20 | 珠海市珠澳跨境工业区好易通科技有限公司 | 一种网购系统架构优装置及方法 |
CN110995532A (zh) * | 2019-11-19 | 2020-04-10 | 上海易点时空网络有限公司 | 用于资源位的数据处理方法及系统、服务器 |
CN112541722A (zh) * | 2020-12-23 | 2021-03-23 | 广州市昊链信息科技股份有限公司 | 跨地域库存供应方法、装置、电子设备及介质 |
CN112785220A (zh) * | 2020-12-31 | 2021-05-11 | 山东数字能源交易中心有限公司 | 库存信息处理方法和装置 |
CN113962313A (zh) * | 2021-10-27 | 2022-01-21 | 上海汽车集团股份有限公司 | 一种需求预测方法、系统、存储介质及电子设备 |
CN114742430A (zh) * | 2022-04-21 | 2022-07-12 | 平安科技(深圳)有限公司 | 用户留存预警可视化方法、装置、设备及存储介质 |
CN115345709A (zh) * | 2022-08-18 | 2022-11-15 | 北京悟空出行科技有限公司 | 数据处理方法、装置、计算机设备及计算机可读存储介质 |
CN116629577A (zh) * | 2023-06-20 | 2023-08-22 | 深圳市携客互联科技有限公司 | 一种基于大数据的智能化供应链管理系统 |
-
2023
- 2023-10-27 CN CN202311404446.6A patent/CN117372129A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102890803A (zh) * | 2011-07-21 | 2013-01-23 | 阿里巴巴集团控股有限公司 | 电子商品异常交易过程的确定方法及其装置 |
CN110148034A (zh) * | 2019-04-24 | 2019-08-20 | 珠海市珠澳跨境工业区好易通科技有限公司 | 一种网购系统架构优装置及方法 |
CN110995532A (zh) * | 2019-11-19 | 2020-04-10 | 上海易点时空网络有限公司 | 用于资源位的数据处理方法及系统、服务器 |
CN112541722A (zh) * | 2020-12-23 | 2021-03-23 | 广州市昊链信息科技股份有限公司 | 跨地域库存供应方法、装置、电子设备及介质 |
CN112785220A (zh) * | 2020-12-31 | 2021-05-11 | 山东数字能源交易中心有限公司 | 库存信息处理方法和装置 |
CN113962313A (zh) * | 2021-10-27 | 2022-01-21 | 上海汽车集团股份有限公司 | 一种需求预测方法、系统、存储介质及电子设备 |
CN114742430A (zh) * | 2022-04-21 | 2022-07-12 | 平安科技(深圳)有限公司 | 用户留存预警可视化方法、装置、设备及存储介质 |
CN115345709A (zh) * | 2022-08-18 | 2022-11-15 | 北京悟空出行科技有限公司 | 数据处理方法、装置、计算机设备及计算机可读存储介质 |
CN116629577A (zh) * | 2023-06-20 | 2023-08-22 | 深圳市携客互联科技有限公司 | 一种基于大数据的智能化供应链管理系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117993738A (zh) * | 2024-04-03 | 2024-05-07 | 深圳美云集网络科技有限责任公司 | 一种用于多场景的电商运营预警方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8447664B1 (en) | Method and system for managing inventory by expected profitability | |
US8463665B1 (en) | System and method for event-driven inventory disposition | |
US8666847B1 (en) | Methods systems and computer program products for monitoring inventory and prices | |
US8732040B1 (en) | Target inventory determination based on hosted merchants presence | |
US20170032400A1 (en) | Vehicle data system for distribution of vehicle data in an online networked environment | |
US20030014287A1 (en) | Continuity of supply risk and cost management tool | |
CN117372129A (zh) | 一种基于大数据的电商运营预警管理方法、系统及存储介质 | |
WO2007002650A2 (en) | System and method for distribution of wholesale goods | |
CN111292149A (zh) | 一种生成退货处理信息的方法和装置 | |
Zhang et al. | Optimal channel strategies in a supply chain under green manufacturer financial distress with advance payment discount | |
CN116645033B (zh) | 一种基于大数据的erp库存优化分析方法及系统 | |
CN111612251A (zh) | 一种基于亚马逊fba的跨境电商采购与补货方法 | |
CN113947361A (zh) | 一种库存趋势分析方法、设备及介质 | |
JP2020149468A (ja) | 商品管理システムおよび商品管理方法 | |
CN112541722A (zh) | 跨地域库存供应方法、装置、电子设备及介质 | |
CN116843452A (zh) | 风险监管方法、装置、设备、介质和程序产品 | |
CN114862469A (zh) | 一种电子商务数据监测管理系统 | |
CN114445211A (zh) | 一种基于区块链的供应链金融风险控制的实现方法 | |
CN114140252A (zh) | 一种目标对象的资源分配方法及相关装置 | |
Ahmed et al. | The role of commitment in online reputation systems: An empirical study of express delivery promise in an E-commerce platform | |
CN116228375B (zh) | 基于跨境销售系统的运营管理方法与装置 | |
US20230410210A1 (en) | Systems and methods for modeling and generating supply chain contracts | |
CN116882757A (zh) | 一种物资采购交易用履约风险管控方法及系统 | |
Xu | The study of just-in-time inventory management based on the perspective of the Internet of Things | |
US20100257008A1 (en) | System and method for a product vendor risk matrix |
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 |