CN117391820A - 一种SaaS服务综合管理方法及系统 - Google Patents

一种SaaS服务综合管理方法及系统 Download PDF

Info

Publication number
CN117391820A
CN117391820A CN202311629331.7A CN202311629331A CN117391820A CN 117391820 A CN117391820 A CN 117391820A CN 202311629331 A CN202311629331 A CN 202311629331A CN 117391820 A CN117391820 A CN 117391820A
Authority
CN
China
Prior art keywords
commodity
area
recommended
acquiring
consumer
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
Application number
CN202311629331.7A
Other languages
English (en)
Inventor
林青山
邓志武
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Sixun Network Technology Co ltd
Original Assignee
Shenzhen Sixun Network Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Sixun Network Technology Co ltd filed Critical Shenzhen Sixun Network Technology Co ltd
Priority to CN202311629331.7A priority Critical patent/CN117391820A/zh
Publication of CN117391820A publication Critical patent/CN117391820A/zh
Pending legal-status Critical Current

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Software Systems (AREA)
  • Technology Law (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及商户服务管理技术领域，特别涉及一种SaaS服务综合管理方法及系统，本发明通过消费者购物信息中的商品信息、客服交流信息和交易金额信息来分别获取商品种类偏好特征、售后服务特征和消费能力特征，这样不仅可以根据消费者的期望进行服务改进，便于精准地满足消费者的需求和期望，而且还能通过将消费者的偏好与消费者的实际消费能力结合，从而可以获得更适合消费者的推荐商品，再通过将获得的推荐商品推送至消费者购物页面，从而可以为消费者提供个性化的购物体验，更快速地找到他们感兴趣的商品，增加消费者与商品之间的匹配度，进而提高销售转化率，使得商户综合服务品质得到提高。

Description

一种SaaS服务综合管理方法及系统
技术领域
本发明涉及商户服务管理技术领域，特别涉及一种SaaS服务综合管理方法及系统。
背景技术
SaaS是Software-as-a-service(软件即服务)的简称，是随着互联网技术的发展和应用软件的成熟，而在21世纪开始兴起的一种完全创新的软件应用模式，SaaS云平台中的门店是将各区域实体店接入，用户在线上就可以购买各类商品及服务，方便消费者发现附近优质商户，享受低折扣的品牌服务，它用全新的互联网方式销售，服务和推广为商家带来大量客流和收益的互联网平台。
但是现有技术中，SaaS云平台中商户一般通过根据消费者的兴趣偏好来向消费者推荐商品，但是上述推荐方法过于单一化，对于较为注重与客户反馈沟通的消费者无法结合售后反馈与消费者的购买力来向消费者推荐产品，进而导致基于SaaS云平台的购物页面不仅不满足消费者的购物需求，而且销售率较低的现象。
发明内容
本发明的主要目的为提供一种SaaS服务综合管理方法及系统，旨在解决现有技术中的技术问题。
本发明提出一种SaaS服务综合管理方法，包括：
获取消费者购物信息，其中，所述消费者购物信息包括商品信息、客服交流信息和交易金额信息；
获取所述商品信息的交易次数，并根据所述交易次数对商品信息进行解析，得到商品种类偏好特征；
根据所述客服交流信息获取售后服务特征；
根据所述交易金额信息获取消费能力特征；
根据所述消费能力特征、售后服务特征和商品种类偏好特征获取推荐商品；
将所述推荐商品推送至消费者购物页面，以供消费者选购；
获取消费者在购物页面的浏览所述推荐商品的时间和购买所述推荐商品的次数；
根据浏览所述推荐商品的时间和购买所述推荐商品的次数获取推荐商品的购买转化率，并根据所述购买转化率来对推荐商品进行调换。
作为优选，所述根据浏览所述推荐商品的时间和购买所述推荐商品的次数获取推荐商品的购买转化率，并根据所述购买转化率来对推荐商品进行调换的步骤，包括：
获取消费者在每一个购买页面的浏览时间；
获取消费者在每一个购买页面的购买商品的次数；
根据多个购买页面的所述浏览时间与对应购买商品的次数的比值，得到多个推荐商品的购买转化率，并将多个所述推荐商品的购买转化率按照大小排序，得到转化率排序表；
根据第一预设调换阈值区间对转化率排序表进行优先级划分，得到一级转化率表、二级转化率表和三级转化率表；
根据第二预设调换阈值区间对购物页面进行划分，得到第一区域、第二区域和第三区域，其中，所述第一区域与一级转化率表对应，所述第二区域与二级转化率表对应，所述第三区域与三级转化率表对应；
将第一区域中处于一级转化率表的推荐商品标定为畅销产品，将第一区域中处于二级转化率表的推荐商品调换至第二区域，将第一区域中处于三级转化率表的推荐商品调换至第三区域；
将第二区域中处于一级转化率表的推荐商品调换至第一区域，将第二区域中处于三级转化率表的推荐商品调换至第三区域；
将第三区域中处于一级转化率表的推荐商品调换至第一区域，将第三区域中处于二级转化率表的推荐商品调换至第二区域，将第三区域中处于三级转化率表的推荐商品进行下架。
作为优选，所述根据所述客服交流信息获取售后服务特征的步骤，包括：
获取所述客服交流信息中的文字信息和服务时效信息；
提取所述文字信息中的情感数据，并根据所述情感数据获取消费者满意度特征；
根据所述服务时效信息获取响应时间特征和处理时间特征；
获取所述响应时间特征、处理时间特征和消费者满意度特征的权重；
将所述响应时间特征、处理时间特征和消费者满意度特征及其权重输入至售后预测模型中，得到售后服务特征，其中，售后预测模型为：
B＝α*X(S)+α*C(S)+ε*X(M)；
其中，B表示售后服务特征，α表示响应时间特征权重，X(S)表示响应时间特征，β表示处理时间特征权重，C(S)表示处理时间特征，ε表示消费者满意度权重，X(M)表示消费者满意度。
作为优选，所述根据所述交易金额信息获取消费能力特征的步骤，包括：
根据所述交易金额信息对消费者交易金额进行统计，得到金额统计数据；
根据所述金额统计数据获取交易金额的分布程度，并根据所述分布程度将交易金额划分为多个消费能力等级；
根据多个所述消费能力等级获取平均消费金额、平均消费频率和平均收入水平；
根据所述平均消费金额、平均消费频率和平均收入水平计算消费能力特征，其中，计算公式为：
A＝P(X)*X(F)*G(B)；
其中，A表示消费能力特征，P(X)表示平均消费金额，X(F)表示平均消费频率，G(B)表示平均收入水平。
作为优选，所述根据所述消费能力特征、售后服务特征和商品种类偏好特征获取推荐商品的步骤，包括：
根据所述商品种类偏好特征获取商品购买频率数值；
根据所述商品种类偏好特征、售后服务特征和消费能力特征获取商品得分值；
根据所述商品购买频率数值和商品得分值计算商品性价比值，其中，计算公式为：
其中，Q表示商品性价比值，p表示商品购买频率数值，f(h)表示商品得分值，e表示自然对数指数；
根据多个所述商品性价比值按照大小顺序对商品进行偏好等级划分，得到一级推荐商品、二级推荐商品和三级推荐商品。
作为优选，所述根据所述商品种类偏好特征、售后服务特征和消费能力特征获取商品得分值的步骤，包括：
获取多个售后服务特征的权重因子；
获取多个消费能力特征的权重因子；
获取多个商品种类偏好特征的权重因子；
根据多个所述售后服务特征的权重因子、消费能力特征的权重因子和商品种类偏好特征的权重因子计算商品得分值，其中，计算公式为：
其中，f(h)表示商品得分值，bm表示第m个售后服务特征的权重因子，Bm表示第m个售后服务特征，an表示第n个消费能力特征的权重因子，An表示第n个消费能力特征；co表示第o个商品种类偏好特征的权重因子，Co表示第o个商品种类偏好特征；x表示售后服务特征的数量；y表示消费能力特征的数量，z表示商品种类偏好特征的数量。
本申请还提供一种SaaS服务综合管理系统，包括：
第一获取模块，用于获取消费者购物信息，其中，所述消费者购物信息包括商品信息、客服交流信息和交易金额信息；
解析模块，获取所述商品信息的交易次数，并根据所述交易次数对商品信息进行解析，得到商品种类偏好特征；
第二获取模块，用于根据所述客服交流信息获取售后服务特征，其中，所述售后服务特征包括响应时间特征和服务时效特征；
第三获取模块，用于根据所述交易金额信息获取消费能力特征；
第四获取模块，用于根据所述消费能力特征、售后服务特征和商品种类偏好特征获取推荐商品；
推送模块，用于将所述推荐商品推送至消费者购物页面，以供消费者选购；
第五获取模块，用于获取消费者在购物页面的浏览所述推荐商品的时间和购买所述推荐商品的次数；
调换模块，用于根据浏览所述推荐商品的时间和购买所述推荐商品的次数获取推荐商品的购买转化率，并根据所述购买转化率来对推荐商品进行调换。
作为优选，所述调换模块，包括：
第一获取单元，用于获取消费者在每一个购买页面的浏览时间；
第二获取单元，用于获取消费者在每一个购买页面的购买商品的次数；
排序单元，用于根据多个购买页面的所述浏览时间与对应购买商品的次数的比值，得到多个推荐商品的购买转化率，并将多个所述推荐商品的购买转化率按照大小排序，得到转化率排序表；
第一划分单元，用于根据第一预设调换阈值区间对转化率排序表进行优先级划分，得到一级转化率表、二级转化率表和三级转化率表；
第二划分单元，用于根据第二预设调换阈值区间对购物页面进行划分，得到第一区域、第二区域和第三区域，其中，所述第一区域与一级转化率表对应，所述第二区域与二级转化率表对应，所述第三区域与三级转化率表对应；
第一调换单元，用于将第一区域中处于一级转化率表的推荐商品标定为畅销产品，将第一区域中处于二级转化率表的推荐商品调换至第二区域，将第一区域中处于三级转化率表的推荐商品调换至第三区域；
第二调换单元，用于将第二区域中处于一级转化率表的推荐商品调换至第一区域，将第二区域中处于三级转化率表的推荐商品调换至第三区域；
第三调换单元，用于将第三区域中处于一级转化率表的推荐商品调换至第一区域，将第三区域中处于二级转化率表的推荐商品调换至第二区域，将第三区域中处于三级转化率表的推荐商品进行下架。
本发明还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述SaaS服务综合管理方法的步骤。
本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述SaaS服务综合管理方法的步骤。
本发明的有益效果为：本发明通过消费者扫码进入购买页面时来获取消费者购物信息，通过消费者购物信息中的商品信息、客服交流信息和交易金额信息来分别获取商品种类偏好特征、售后服务特征和消费能力特征，这样不仅可以更好地定位目标受众群体，根据消费者的期望进行服务改进，便于精准地满足消费者的需求和期望，通过将获得的推荐商品推送至消费者购物页面，从而可以使得消费者快速地找到他们感兴趣的商品，增加消费者与商品之间的匹配度，进而提高销售转化率，进而使得商户综合服务品质得到提高，通过根据购买转化率来对推荐商品进行调换，从而可以通过对低购买转化率的商品进行调换，可以增加商品与消费者之间的关联性和吸引力，确保推荐结果更符合消费者兴趣和需求，提供更有针对性和满意度的推荐体验。
附图说明
图1为本发明一实施例的方法流程示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，本申请提供一种SaaS服务综合管理方法，包括：
S1、获取消费者购物信息，其中，所述消费者购物信息包括商品信息、客服交流信息和交易金额信息；
S2、获取所述商品信息的交易次数，并根据所述交易次数对商品信息进行解析，得到商品种类偏好特征；
S3、根据所述客服交流信息获取售后服务特征；
S4、根据所述交易金额信息获取消费能力特征；
S5、根据所述消费能力特征、售后服务特征和商品种类偏好特征获取推荐商品；
S6、将所述推荐商品推送至消费者购物页面，以供消费者选购；
S7、获取消费者在购物页面的浏览所述推荐商品的时间和购买所述推荐商品的次数；
S8、根据浏览所述推荐商品的时间和购买所述推荐商品的次数获取推荐商品的购买转化率，并根据所述购买转化率来对推荐商品进行调换。
如上述步骤S1-S8所述，SaaS(Software as a Service)是一种云计算服务模型，它是一种提供软件应用程序的交付模式，在SaaS模式下，软件供应商将应用程序托管在云端的服务器上，并通过互联网向用户提供按需的访问，传统的软件通常需要用户购买和安装在本地的计算机上，而SaaS模式则提供了一种更为灵活和方便的选择，用户可以通过各种终端设备，如电脑、手机、平板等，在云端访问和使用应用程序，而无需在本地安装和维护软件，SaaS云平台中的门店是将各区域实体店接入，用户在线上就可以购买各类商品及服务，方便消费者发现附近优质商户，享受低折扣的品牌服务，而现有技术中，SaaS云平台中无法根据消费者与商户交流反馈的内容结合消费者的购买力来向消费者推荐既能处于消费者购买能力范围又能使得消费者售后满意的商品，本发明通过消费者扫码进入购买页面时来获取消费者购物信息，其中在获取消费者购物信息时遵循数据隐私和保护的规定，以确保消费者的隐私权得到保护，通过消费者购物信息中的商品信息、客服交流信息和交易金额信息来分别获取商品种类偏好特征、售后服务特征和消费能力特征，这样从而不仅可以更好地定位目标受众群体，根据消费者的期望进行服务改进，便于精准地满足消费者的需求和期望，而且还能通过将消费者的偏好与消费者的实际消费能力结合，从而可以获得更适合消费者的推荐商品，其中，通过获取消费者购物信息中商品信息的交易次数，可以知道消费者对于每一件商品的重复交易次数，重复交易次数越多代表消费者对于该商品的偏好程度越高，重复交易次数越少代表消费者对于该商品的偏好程度越低，从而可以根据交易次数对商品信息进行解析，即可得到消费者对商品的商品种类偏好特征，再通过将获得的推荐商品推送至消费者购物页面，从而可以为消费者提供个性化的购物体验，更快速地找到他们感兴趣的商品，减少浏览时间，并增加购买决策的便利性，可以增加消费者与商品之间的匹配度，提高购买意愿，从而促进销售转化率的提高，进而使得商户综合服务品质得到提高，通过结合消费者在购物页面的浏览所述推荐商品的时间和购买所述推荐商品的次数来获取购买转化率，从而可以更准确地评估用户对推荐商品的兴趣程度，浏览时间可以反映用户对商品的关注程度，而购买次数则体现用户的真实购买意向，通过浏览所述推荐商品的时间和购买所述推荐商品的次数结合考虑可以提高推荐的精准度，通过根据购买转化率来对推荐商品进行调换，从而可以通过对低购买转化率的商品进行调换，可以增加商品与消费者之间的关联性和吸引力，确保推荐结果更符合消费者兴趣和需求，提供更有针对性和满意度的推荐体验。
在一个实施例中，所述根据浏览所述推荐商品的时间和购买所述推荐商品的次数获取推荐商品的购买转化率，并根据所述购买转化率来对推荐商品进行调换的步骤，包括：
S9、获取消费者在每一个购买页面的浏览时间；
S10、获取消费者在每一个购买页面的购买商品的次数；
S11、根据多个购买页面的所述浏览时间与对应购买商品的次数的比值，得到多个推荐商品的购买转化率，并将多个所述推荐商品的购买转化率按照大小排序，得到转化率排序表；
S12、根据第一预设调换阈值区间对转化率排序表进行优先级划分，得到一级转化率表、二级转化率表和三级转化率表；
S13、根据第二预设调换阈值区间对购物页面进行划分，得到第一区域、第二区域和第三区域，其中，所述第一区域与一级转化率表对应，所述第二区域与二级转化率表对应，所述第三区域与三级转化率表对应；
S14、将第一区域中处于一级转化率表的推荐商品标定为畅销产品，将第一区域中处于二级转化率表的推荐商品调换至第二区域，将第一区域中处于三级转化率表的推荐商品调换至第三区域；
S15、将第二区域中处于一级转化率表的推荐商品调换至第一区域，将第二区域中处于三级转化率表的推荐商品调换至第三区域；
S16、将第三区域中处于一级转化率表的推荐商品调换至第一区域，将第三区域中处于二级转化率表的推荐商品调换至第二区域，将第三区域中处于三级转化率表的推荐商品进行下架。
如上述步骤S9-S16所述，现有技术中的商品购买转化率仅通过消费者的购买次数来获取，但是仅仅通过购买次数来计算转化率可能无法全面地反映用户的购买决策过程，而本发明通过消费者在每一个购买页面的浏览时间结合消费者在每一个购买页面的购买商品的次数可以更全面地了解用户的行为，如果消费者花费较长时间浏览某个商品，可能意味着他们对该商品更感兴趣，有更高的购买意向，同时还可以更好地识别出消费者潜在的购买意向，例如，一个消费者可能只购买了一次商品，但他们在浏览该商品时花费了很长的时间，这可能意味着他们对该商品存在购买意向，但由于某种原因尚未购买，通过第一预设调换阈值区间将转化率排序表划分为一级转化率表、二级转化率表和三级转化率表，通过第二预设调换阈值区间将购物页面划分为第一区域、第二区域和第三区域，通过对一级转化率表中原先处于购物页面第一区域的商品标定为畅销产品，从而可以提高原先第一区域内的推荐产品的优先级，使得商品更容易吸引消费者，通过对一级转化率表中原先处于购物页面第二区域和第三区域的推荐商品调换至购物页面的第一区域，从而可以使得购买转化率高的商品可以更先进入消费者视线，提高商品购买率，同理将二级转化率表中原先处于购物页面第一区域和第三区域的商品调换至购物页面的第二区域，将三级转化率表中原先处于购物页面第一区域和第二区域的商品调换至购物页面的第三区域，而通过对三级转化率表中原先处于购物页面第三区域推荐商品进行下架处理，从而可以使得消费者不再需要处理额外的信息和选项，购买流程更加清晰和直观，便于消费者将更迅速地找到他们需要购买的产品，这样可以使得对不同级别转化率表的对应商品采取不同的调换策略，使得商户可以更有针对性地优化和改进购物页面上的商品。
在一个实施例中，所述根据所述客服交流信息获取售后服务特征的步骤，包括：
S17、获取所述客服交流信息中的文字信息和服务时效信息；
S18、提取所述文字信息中的情感数据，并根据所述情感数据获取消费者满意度特征；
S19、根据所述服务时效信息获取响应时间特征和处理时间特征；
S20、获取所述响应时间特征、处理时间特征和消费者满意度特征的权重；
S21、将所述响应时间特征、处理时间特征和消费者满意度特征及其权重输入至售后预测模型中，得到售后服务特征，其中，售后预测模型为：
B＝α*X(S)+α*C(S)+ε*X(M)；
其中，B表示售后服务特征，α表示响应时间特征权重，X(S)表示响应时间特征，β表示处理时间特征权重，C(S)表示处理时间特征，ε表示消费者满意度权重，X(M)表示消费者满意度。
如上述步骤S17-S21所述，本发明通过提取文字信息中的情感数据来获取消费者满意度特征，其中，情感数据可以提供重要的线索和洞察，影响消费者满意度的评价和决策，情感数据可以揭示消费者的情绪状态、情感体验和偏好，而由于消费者的满意度往往受到情感的驱动，例如消费者对产品的喜好、兴奋、失望或愤怒等情感反应会影响其满意度水平，从而可以获取更深入的洞察消费者满意度的特征，进而再根据响应时间特征、处理时间特征和消费者满意度特征及其权重来获取售后服务特征，通过对响应时间和处理时间进行评估，并综合消费者满意度特征进行权重计算，可以识别售后服务中响应敏捷和高效处理的优势，从而提升客户满意度，还可以优化售后服务策略。例如，在资源有限的情况下，可以将重点放在缩短响应时间，以提高消费者满意度，或者在优化处理时间，以提高效率和快速解决问题，这样可以根据实际情况进行策略调整，更好地满足消费者的需求，进而通过不断改进和提升售后服务特征，使得商户可以在市场竞争中脱颖而出，建立竞争优势。
在一个实施例中，所述根据所述交易金额信息获取消费能力特征的步骤，包括：
S22、根据所述交易金额信息对消费者交易金额进行统计，得到金额统计数据；
S23、根据所述金额统计数据获取交易金额的分布程度，并根据所述分布程度将交易金额划分为多个消费能力等级；
S24、根据多个所述消费能力等级获取平均消费金额、平均消费频率和平均收入水平；
S25、根据所述平均消费金额、平均消费频率和平均收入水平计算消费能力特征，其中，计算公式为：
A＝P(X)*X(F)*G(B)；
其中，A表示消费能力特征，P(X)表示平均消费金额，X(F)表示平均消费频率，G(B)表示平均收入水平。
如上述步骤S22-S25所述，本发明通过根据金额统计数据获取交易金额的分布程度进而将交易金额划分为多个消费能力等级，其中，通过将交易金额划分为多个消费能力等级，可以更准确地了解消费者的消费能力范围和水平，不同消费能力等级的消费者可能具有不同的购买能力和消费偏好，这样划分可以帮助商户更好地定位目标消费群体，制定相应的推荐商品和调换策略，以满足不同消费者的需求，从而可以根据平均消费金额、平均消费频率和平均收入水平来计算消费能力特征，这样通过结合平均消费金额、平均消费频率和平均收入水平可以提供一个综合的视角来评估消费者的消费能力，上述三个指标涵盖了消费者在购买商品或服务时的金额和频率的不同方面，可以更全面地了解消费者的购买能力和消费行为，同时通过计算消费能力特征，可以对消费者进行分类，根据不同消费能力的特征，可以将消费者划分为不同的消费群体，这有助于更好地了解不同消费群体的需求、偏好和行为，从而制定更有针对性的市场策略和营销活动。
在一个实施例中，所述根据所述消费能力特征、售后服务特征和商品种类偏好特征获取推荐商品的步骤，包括：
S26、根据所述商品种类偏好特征获取商品购买频率数值；
S27、根据所述商品种类偏好特征、售后服务特征和消费能力特征获取商品得分值；
S28、根据所述商品购买频率数值和商品得分值计算商品性价比值，其中，计算公式为：
其中，Q表示商品性价比值，p表示商品购买频率数值，f(h)表示商品得分值，e表示自然对数指数；
S29、根据多个所述商品性价比值按照大小顺序对商品进行偏好等级划分，得到一级推荐商品、二级推荐商品和三级推荐商品。
所述根据所述商品种类偏好特征、售后服务特征和消费能力特征获取商品得分值的步骤，包括：
S30、获取多个售后服务特征的权重因子；
S31、获取多个消费能力特征的权重因子；
S32、获取多个商品种类偏好特征的权重因子；
S33、根据多个所述售后服务特征的权重因子、消费能力特征的权重因子和商品种类偏好特征的权重因子计算商品得分值，其中，计算公式为：
其中，f(h)表示商品得分值，bm表示第m个售后服务特征的权重因子，Bm表示第m个售后服务特征，an表示第n个消费能力特征的权重因子，An表示第n个消费能力特征；co表示第o个商品种类偏好特征的权重因子，Co表示第o个商品种类偏好特征；x表示售后服务特征的数量；y表示消费能力特征的数量，z表示商品种类偏好特征的数量。
如上述步骤S26-S33所述，本发明中通过多个售后服务特征的权重因子和消费者受众特征的权重因子计算商品得分值，通过为售后服务特征和消费者受众特征赋予权重因子，并基于这些因素对商品进行评分，可以客观地评估商品的综合表现，进而根据商品购买频率数值和商品得分值计算消费者对商品的偏好值，其中，购买频率数值可以反映消费者对商品的重复购买行为，而商品得分值则表明消费者对商品的满意度，综合考量上述两个方面的数据，可以得出消费者对该商品的整体偏好程度，进而可以根据偏好程度来为消费者进行推送，根据高偏好值的商品，商户可以进一步加强推送提升其市场份额和竞争力，通过优化商品组合，商户可以提高销售额和市场份额，同时降低商品的库存风险，从而通过分析售后服务特征和消费者受众特征，不仅可以获取消费者的反馈意见和体验，而且还能根据消费者受众特征分析可以帮助商户更好地了解受众群体的特点、喜好和行为习惯，通过消费者偏好，商户可以根据消费者的需求和喜好定制个性化的商品和服务，这可以增加商品的竞争力，满足消费者的购物体验需求，同时还可以优化售后服务流程、提供更及时和高效的解决方案，从而提高售后服务的质量，增强消费者对商户的信任和好感，增强竞争优势。
本申请还提供一种SaaS服务综合管理系统，包括：
第一获取模块，用于获取消费者购物信息，其中，所述消费者购物信息包括商品信息、客服交流信息和交易金额信息；
解析模块，获取所述商品信息的交易次数，并根据所述交易次数对商品信息进行解析，得到商品种类偏好特征；
第二获取模块，用于根据所述客服交流信息获取售后服务特征，其中，所述售后服务特征包括响应时间特征和服务时效特征；
第三获取模块，用于根据所述交易金额信息获取消费能力特征；
第四获取模块，用于根据所述消费能力特征、售后服务特征和商品种类偏好特征获取推荐商品；
推送模块，用于将所述推荐商品推送至消费者购物页面，以供消费者选购；
第五获取模块，用于获取消费者在购物页面的浏览所述推荐商品的时间和购买所述推荐商品的次数；
调换模块，用于根据浏览所述推荐商品的时间和购买所述推荐商品的次数获取推荐商品的购买转化率，并根据所述购买转化率来对推荐商品进行调换。
在一个实施例中，所述调换模块，包括：
第一获取单元，用于获取消费者在每一个购买页面的浏览时间；
第二获取单元，用于获取消费者在每一个购买页面的购买商品的次数；
排序单元，用于根据多个购买页面的所述浏览时间与对应购买商品的次数的比值，得到多个推荐商品的购买转化率，并将多个所述推荐商品的购买转化率按照大小排序，得到转化率排序表；
第一划分单元，用于根据第一预设调换阈值区间对转化率排序表进行优先级划分，得到一级转化率表、二级转化率表和三级转化率表；
第二划分单元，用于根据第二预设调换阈值区间对购物页面进行划分，得到第一区域、第二区域和第三区域，其中，所述第一区域与一级转化率表对应，所述第二区域与二级转化率表对应，所述第三区域与三级转化率表对应；
第一调换单元，用于将第一区域中处于一级转化率表的推荐商品标定为畅销产品，将第一区域中处于二级转化率表的推荐商品调换至第二区域，将第一区域中处于三级转化率表的推荐商品调换至第三区域；
第二调换单元，用于将第二区域中处于一级转化率表的推荐商品调换至第一区域，将第二区域中处于三级转化率表的推荐商品调换至第三区域；
第三调换单元，用于将第三区域中处于一级转化率表的推荐商品调换至第一区域，将第三区域中处于二级转化率表的推荐商品调换至第二区域，将第三区域中处于三级转化率表的推荐商品进行下架。
本发明还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述SaaS服务综合管理方法的步骤。
本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述SaaS服务综合管理方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储与一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM通过多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种SaaS服务综合管理方法，其特征在于，包括：
获取消费者购物信息，其中，所述消费者购物信息包括商品信息、客服交流信息和交易金额信息；
获取所述商品信息的交易次数，并根据所述交易次数对商品信息进行解析，得到商品种类偏好特征；
根据所述客服交流信息获取售后服务特征；
根据所述交易金额信息获取消费能力特征；
根据所述消费能力特征、售后服务特征和商品种类偏好特征获取推荐商品；
将所述推荐商品推送至消费者购物页面，以供消费者选购；
获取消费者在购物页面的浏览所述推荐商品的时间和购买所述推荐商品的次数；
根据浏览所述推荐商品的时间和购买所述推荐商品的次数获取推荐商品的购买转化率，并根据所述购买转化率来对推荐商品进行调换。
2.根据权利要求1所述的SaaS服务综合管理方法，其特征在于，所述根据浏览所述推荐商品的时间和购买所述推荐商品的次数获取推荐商品的购买转化率，并根据所述购买转化率来对推荐商品进行调换的步骤，包括：
获取消费者在每一个购买页面的浏览时间；
获取消费者在每一个购买页面的购买商品的次数；
根据多个购买页面的所述浏览时间与对应购买商品的次数的比值，得到多个推荐商品的购买转化率，并将多个所述推荐商品的购买转化率按照大小排序，得到转化率排序表；
根据第一预设调换阈值区间对转化率排序表进行优先级划分，得到一级转化率表、二级转化率表和三级转化率表；
根据第二预设调换阈值区间对购物页面进行划分，得到第一区域、第二区域和第三区域，其中，所述第一区域与一级转化率表对应，所述第二区域与二级转化率表对应，所述第三区域与三级转化率表对应；
将第一区域中处于一级转化率表的推荐商品标定为畅销产品，将第一区域中处于二级转化率表的推荐商品调换至第二区域，将第一区域中处于三级转化率表的推荐商品调换至第三区域；
将第二区域中处于一级转化率表的推荐商品调换至第一区域，将第二区域中处于三级转化率表的推荐商品调换至第三区域；
将第三区域中处于一级转化率表的推荐商品调换至第一区域，将第三区域中处于二级转化率表的推荐商品调换至第二区域，将第三区域中处于三级转化率表的推荐商品进行下架。
3.根据权利要求1所述的SaaS服务综合管理方法，其特征在于，所述根据所述客服交流信息获取售后服务特征的步骤，包括：
获取所述客服交流信息中的文字信息和服务时效信息；
提取所述文字信息中的情感数据，并根据所述情感数据获取消费者满意度特征；
根据所述服务时效信息获取响应时间特征和处理时间特征；
获取所述响应时间特征、处理时间特征和消费者满意度特征的权重；
将所述响应时间特征、处理时间特征和消费者满意度特征及其权重输入至售后预测模型中，得到售后服务特征，其中，售后预测模型为：
B＝α*X(S)+α*C(S)+ε*X(M)；
其中，B表示售后服务特征，α表示响应时间特征权重，X(S)表示响应时间特征，β表示处理时间特征权重，C(S)表示处理时间特征，ε表示消费者满意度权重，X(M)表示消费者满意度。
4.根据权利要求1所述的SaaS服务综合管理方法，其特征在于，所述根据所述交易金额信息获取消费能力特征的步骤，包括：
根据所述交易金额信息对消费者交易金额进行统计，得到金额统计数据；
根据所述金额统计数据获取交易金额的分布程度，并根据所述分布程度将交易金额划分为多个消费能力等级；
根据多个所述消费能力等级获取平均消费金额、平均消费频率和平均收入水平；
根据所述平均消费金额、平均消费频率和平均收入水平计算消费能力特征，其中，计算公式为：
A＝P(X)*X(F)*G(B)；
其中，A表示消费能力特征，P(X)表示平均消费金额，X(F)表示平均消费频率，G(B)表示平均收入水平。
5.根据权利要求1所述的SaaS服务综合管理方法，其特征在于，所述根据所述消费能力特征、售后服务特征和商品种类偏好特征获取推荐商品的步骤，包括：
根据所述商品种类偏好特征获取商品购买频率数值；
根据所述商品种类偏好特征、售后服务特征和消费能力特征获取商品得分值；
根据所述商品购买频率数值和商品得分值计算商品性价比值，其中，计算公式为：
其中，Q表示商品性价比值，p表示商品购买频率数值，f(h)表示商品得分值，e表示自然对数指数；
根据多个所述商品性价比值按照大小顺序对商品进行偏好等级划分，得到一级推荐商品、二级推荐商品和三级推荐商品。
6.根据权利要求5所述的SaaS服务综合管理方法，其特征在于，所述根据所述商品种类偏好特征、售后服务特征和消费能力特征获取商品得分值的步骤，包括：
获取多个售后服务特征的权重因子；
获取多个消费能力特征的权重因子；
获取多个商品种类偏好特征的权重因子；
根据多个所述售后服务特征的权重因子、消费能力特征的权重因子和商品种类偏好特征的权重因子计算商品得分值，其中，计算公式为：
其中，f(h)表示商品得分值，bm表示第m个售后服务特征的权重因子，Bm表示第m个售后服务特征，an表示第n个消费能力特征的权重因子，An表示第n个消费能力特征；co表示第o个商品种类偏好特征的权重因子，Co表示第o个商品种类偏好特征；x表示售后服务特征的数量；y表示消费能力特征的数量，z表示商品种类偏好特征的数量。
7.一种SaaS服务综合管理系统，其特征在于，包括：
第一获取模块，用于获取消费者购物信息，其中，所述消费者购物信息包括商品信息、客服交流信息和交易金额信息；
解析模块，获取所述商品信息的交易次数，并根据所述交易次数对商品信息进行解析，得到商品种类偏好特征；
第二获取模块，用于根据所述客服交流信息获取售后服务特征，其中，所述售后服务特征包括响应时间特征和服务时效特征；
第三获取模块，用于根据所述交易金额信息获取消费能力特征；
第四获取模块，用于根据所述消费能力特征、售后服务特征和商品种类偏好特征获取推荐商品；
推送模块，用于将所述推荐商品推送至消费者购物页面，以供消费者选购；
第五获取模块，用于获取消费者在购物页面的浏览所述推荐商品的时间和购买所述推荐商品的次数；
调换模块，用于根据浏览所述推荐商品的时间和购买所述推荐商品的次数获取推荐商品的购买转化率，并根据所述购买转化率来对推荐商品进行调换。
8.根据权利要求7所述的SaaS服务综合管理系统，其特征在于，所述调换模块，包括：
第一获取单元，用于获取消费者在每一个购买页面的浏览时间；
第二获取单元，用于获取消费者在每一个购买页面的购买商品的次数；
排序单元，用于根据多个购买页面的所述浏览时间与对应购买商品的次数的比值，得到多个推荐商品的购买转化率，并将多个所述推荐商品的购买转化率按照大小排序，得到转化率排序表；
第一划分单元，用于根据第一预设调换阈值区间对转化率排序表进行优先级划分，得到一级转化率表、二级转化率表和三级转化率表；
第二划分单元，用于根据第二预设调换阈值区间对购物页面进行划分，得到第一区域、第二区域和第三区域，其中，所述第一区域与一级转化率表对应，所述第二区域与二级转化率表对应，所述第三区域与三级转化率表对应；
第一调换单元，用于将第一区域中处于一级转化率表的推荐商品标定为畅销产品，将第一区域中处于二级转化率表的推荐商品调换至第二区域，将第一区域中处于三级转化率表的推荐商品调换至第三区域；
第二调换单元，用于将第二区域中处于一级转化率表的推荐商品调换至第一区域，将第二区域中处于三级转化率表的推荐商品调换至第三区域；
第三调换单元，用于将第三区域中处于一级转化率表的推荐商品调换至第一区域，将第三区域中处于二级转化率表的推荐商品调换至第二区域，将第三区域中处于三级转化率表的推荐商品进行下架。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
CN202311629331.7A 2023-12-01 2023-12-01 一种SaaS服务综合管理方法及系统 Pending CN117391820A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311629331.7A CN117391820A (zh) 2023-12-01 2023-12-01 一种SaaS服务综合管理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311629331.7A CN117391820A (zh) 2023-12-01 2023-12-01 一种SaaS服务综合管理方法及系统

Publications (1)

Publication Number Publication Date
CN117391820A true CN117391820A (zh) 2024-01-12

Family

ID=89470440

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311629331.7A Pending CN117391820A (zh) 2023-12-01 2023-12-01 一种SaaS服务综合管理方法及系统

Country Status (1)

Country Link
CN (1) CN117391820A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117649256A (zh) * 2024-01-29 2024-03-05 贵州师范大学 一种适用于喀斯特地区生态产品销售信息分析方法
CN117745338A (zh) * 2024-02-20 2024-03-22 山东浪潮数字商业科技有限公司 基于曲波变换的酒类消费预测方法、电子设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111127155A (zh) * 2019-12-24 2020-05-08 北京每日优鲜电子商务有限公司 商品推荐方法、装置、服务器和存储介质
CN113327132A (zh) * 2021-06-10 2021-08-31 深圳市移卡科技有限公司 多媒体推荐方法、装置、设备及存储介质
CN114862516A (zh) * 2022-05-18 2022-08-05 阿里巴巴（中国）有限公司 文案推荐方法、存储介质及程序产品
CN114997952A (zh) * 2022-05-30 2022-09-02 阿里巴巴（中国）有限公司 物品信息流的动态推荐方法、装置及设备
CN116911950A (zh) * 2023-07-27 2023-10-20 武汉有志者数字科技有限公司 一种基于人工智能的电子商务信息推送系统、终端及设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111127155A (zh) * 2019-12-24 2020-05-08 北京每日优鲜电子商务有限公司 商品推荐方法、装置、服务器和存储介质
CN113327132A (zh) * 2021-06-10 2021-08-31 深圳市移卡科技有限公司 多媒体推荐方法、装置、设备及存储介质
CN114862516A (zh) * 2022-05-18 2022-08-05 阿里巴巴（中国）有限公司 文案推荐方法、存储介质及程序产品
CN114997952A (zh) * 2022-05-30 2022-09-02 阿里巴巴（中国）有限公司 物品信息流的动态推荐方法、装置及设备
CN116911950A (zh) * 2023-07-27 2023-10-20 武汉有志者数字科技有限公司 一种基于人工智能的电子商务信息推送系统、终端及设备

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117649256A (zh) * 2024-01-29 2024-03-05 贵州师范大学 一种适用于喀斯特地区生态产品销售信息分析方法
CN117649256B (zh) * 2024-01-29 2024-04-02 贵州师范大学 一种适用于喀斯特地区生态产品销售信息分析方法
CN117745338A (zh) * 2024-02-20 2024-03-22 山东浪潮数字商业科技有限公司 基于曲波变换的酒类消费预测方法、电子设备及存储介质
CN117745338B (zh) * 2024-02-20 2024-05-03 山东浪潮数字商业科技有限公司 基于曲波变换的酒类消费预测方法、电子设备及存储介质

Similar Documents

Publication Publication Date Title
Farris et al. Why advertising and promotional costs vary: Some cross-sectional analyses
Momtaz et al. Customers satisfaction on online shopping in Malaysia
CN117391820A (zh) 一种SaaS服务综合管理方法及系统
US20160055543A1 (en) Method and system for social media sales
KR101564824B1 (ko) 광고 시스템, 광고 시스템의 제어 방법 및 정보 기억 매체
Panzone et al. The importance of regional and local origin in the choice of wine: Hedonic models of Portuguese wines in Portugal
US8768859B2 (en) System and method of rating a product
Jiang et al. Consumer search and filtering on online retail platforms
CN107633416B (zh) 一种业务对象的推荐方法、装置和系统
Abou Nabout et al. Empirical generalizations in search engine advertising
Ahmed Customer perceptions of e-commerce in the United Arab Emirate
CN110674391B (zh) 基于大数据的产品数据推送方法、系统和计算机设备
TW201935363A (zh) 產品優惠組合推薦系統與方法
JPWO2016125242A1 (ja) 情報処理装置、情報処理方法及び情報処理プログラム
CN115131101A (zh) 一种保险产品个性化智能推荐系统
CN106445965B (zh) 信息推广处理方法及装置
Zhang et al. Do different reputation systems provide consistent signals of seller quality: a canonical correlation investigation of Chinese C2C marketplaces
CN112102036A (zh) 信息推荐方法、装置及存储介质
JP2011054158A (ja) オブジェクト・カスタマイゼーションおよび管理システム
Duch-Brown et al. Evaluating the Impact of Online Market Integration—Evidence from the EU Portable PC Market
CN114493361A (zh) 一种商品推荐算法的有效性评估方法和装置
KR20130024608A (ko) 구매평가를 이용한 순위산출방법
Suzianti et al. Customer preference analysis on fashion online shops using the Kano model and conjoint analysis
CN112215657A (zh) 一种推荐商品确定方法、装置、电子设备及存储介质
US10083459B2 (en) Methods and apparatus to generate a media rank

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