CN117422528A - 一种基于小程序的商品销售管理方法及系统 - Google Patents
一种基于小程序的商品销售管理方法及系统 Download PDFInfo
- Publication number
- CN117422528A CN117422528A CN202311580079.5A CN202311580079A CN117422528A CN 117422528 A CN117422528 A CN 117422528A CN 202311580079 A CN202311580079 A CN 202311580079A CN 117422528 A CN117422528 A CN 117422528A
- Authority
- CN
- China
- Prior art keywords
- commodity
- information
- user
- applet
- target
- 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 28
- 239000013598 vector Substances 0.000 claims description 19
- 238000000034 method Methods 0.000 claims description 18
- 238000013475 authorization Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 25
- 238000004590 computer program Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 235000019687 Lamb Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Business, Economics & Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Finance (AREA)
- Life Sciences & Earth Sciences (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于小程序的商品销售管理方法及系统,通过采集小程序对应的所有用户的历史订单信息,然后通过历史订单信息中的用户信息和商品信息来构建用户‑商品关系模型,从而找到用户信息与购买商品种类之间的关系。在新用户访问小程序时,先请求新用户的用户信息,在得到新用户的用户信息后,基于用户‑商品关系模型和新用户的用户信息即可预测新用户可能会感兴趣的目标商品,基于目标商品的商品信息构建新用户的专属小程序内容。从而在缺少新用户的历史数据的情况下,在小程序有限的显示空间中,将新用户可能感兴趣的目标商品进行展示。在有限条件下,进行更加准确的信息推荐。
Description
技术领域
本发明涉及互联网技术领域,具体是一种基于小程序的商品销售管理方法及系统。
背景技术
现有的线上销售方式有很多,例如依托于社交平台的销售小程序。现有的销售小程序具有门槛低、在社交平台上容易进行分享推广的优点。
但是现有的小程序由于体积限制,能够加载的商品信息有限,因此一般采用大量商品少量信息,或者大量信息少量商品的方式进行页面设定。此外,由于小程序不能直接发送到手机桌面,功能也较为简单,导致小程序的复用率比较低。大量订单通过新客产生,因此小程序中缺少客户的购买记录数据,难以根据用户的购买记录数据来进行商品信息推荐,也就很难根据客户的兴趣爱好,以少量商品大量信息的方式进行精准推荐。
发明内容
有鉴于此,本发明的目的是提供一种基于小程序的商品销售管理方法及系统,以解决现有技术中的受限于小程序的体积限制以及小程序复用率较低现状,难以进行信息精准推荐的问题。
为了实现上述目的,本发明采用了如下技术方案:
本发明的一种基于小程序的商品销售管理方法,包括步骤:
获取小程序的多个用户的用户信息和每个用户对应的历史订单信息,其中,所述历史订单信息至少包括一种商品信息;
基于所述多个用户的用户信息和每个用户对应的历史订单信息构建用户-商品关系模型,其中,所述用户-商品关系模型包括每一种商品信息与用户信息之间的对应关系;
当存在任意新用户访问小程序时,向所述新用户发送信息请求;
在接收到来自所述新用户的授权许可时,获取所述新用户的用户信息,并基于所述用户-商品关系模型和所述新用户的用户信息确定新用户对应的目标商品;
基于所述目标商品的商品信息构建详细介绍页面,并将所述详细介绍页面发送至所述新用户的小程序。
在本申请一实施例中,还包括:
在未接收到来自所述新用户的授权许可,或者接收到来自所述新用户的拒绝授权信息时,将预先基于所有商品的商品信息建立的简单介绍页面发送至所述新用户的小程序。
在本申请一实施例中,所述用户信息包括用户的多种身份参数,其中,基于所述多个用户的用户信息和每个用户对应的历史订单信息构建用户-商品关系模型,包括:
提取出所有用户对应的历史订单信息中的一种或者多种商品的商品信息;
基于商品信息对所有商品进行分类,得到多个商品类别,其中,每个商品类别至少包括一种商品;
对每个商品类别的目标用户的多个身份参数分别进行聚类,得到每个商品类别对应的多个用户信息簇,其中,每个用户信息簇包含用户信息的其中一个身份参数的多个取值,商品类别的目标用户为购买过对应商品类别的商品的用户;
确定与商品类别存在关联的目标用户信息簇,并基于所述目标用户信息簇的身份参数的多个取值构建与商品类别存在关联的身份参数的取值范围;
基于每个商品类别、以及与对应商品类别存在关联的身份参数的取值范围构建用户-商品关系模型。
在本申请一实施例中,基于商品信息对所有商品进行分类,得到多个商品类别,包括:
S1,提取每种商品的商品信息中的多种文字描述和价格;
S2,随机选择一种商品作为基准商品;
S3,基于所述基准商品的商品信息创建一个商品类别;
S4,将所述基准商品的商品信息与未被归类的商品的商品信息进行对比,在任意一个未被归类的商品的多种文字描述与所述基准商品的对应种类的文字描述相似,且价格差值小于预设的第一阈值时,将该商品归类至所述商品类别中;
S5,随机选择一种没有被归类的商品作为基准商品,并重复执行S3-S4,直至将所有商品归类。
在本申请一实施例中,文字描述至少包括商品描述和功能描述,其中,将所述基准商品的商品信息与未被归类的商品的商品信息进行对比,包括:
对每种商品的商品描述和功能描述分别进行分词处理,得到商品描述词序列和功能描述词序列;
将每种商品的商品描述词序列中的词和功能描述词序列中的词均转换为词向量;
计算所述基准商品的商品描述词序列的任意一个词向量与未被归类的商品的商品描述词序列的任意一个词向量的第一欧式距离,并计算所述基准商品的功能描述词序列的任意一个词向量与未被归类的商品的功能描述词序列的任意一个词向量的第二欧式距离;
对于任意一个未被归类的商品,当存在至少N个第一欧式距离和至少M个第二欧式距离均小于预设的第二阈值时,判定未被归类的商品的多种文字描述与所述基准商品的对应种类的文字描述相似。
在本申请一实施例中,对每个商品类别的目标用户的多个身份参数分别进行聚类,得到每个商品类别对应的多个用户信息簇,包括:
将所有目标用户的每种身份参数的值进行排序,其中,身份参数包括性别、年龄、所属地区,身份参数的值预先转换为数字编码;
基于分布密度对每种身份参数的值进行聚类,得到每个商品类别对应的多个用户信息簇,其中,用户信息簇中任意两个相邻的值的差值小于对应身份参数的阈值。
在本申请一实施例中,确定与商品类别存在关联的目标用户信息簇,包括:
对于任意一个商品类别,在存在任意一个满足目标条件的用户信息簇时,将该用户信息簇作为目标用户信息簇,其中,目标条件包括:
在用户信息簇对应的身份参数为性别时,用户信息簇中身份参数的值的数量占总数量的比例大于第一比例值;
在用户信息簇对应的身份参数不为性别时,用户信息簇中身份参数的值的数量占总数量的比例大于第二比例值,其中,所述第一比例值大于所述第二比例值。
在本申请一实施例中,基于所述目标用户信息簇的身份参数的多个取值构建与商品类别存在关联的身份参数的取值范围,包括:
计算所述目标用户信息簇的身份参数的多个取值的平均值A和标准差σ;
基于多个取值的平均值A和标准差σ构建与商品类别存在关联的身份参数的取值范围(A-σ,A+σ)。
在本申请一实施例中,还包括如下方法构建详细介绍页面或者简单介绍页面:
将所有商品的信息划分为一级显示信息和二级显示信息;
基于所述目标商品的一级显示信息和二级显示信息构建详细介绍页面,或者,基于所有商品的一级显示信息构建简单介绍页面。
本申请还提供一种基于小程序的商品销售管理系统,包括:
获取模块,用于获取小程序的多个用户的用户信息和每个用户对应的历史订单信息,其中,所述历史订单信息至少包括一种商品信息;
模型建立模块,用于基于所述多个用户的用户信息和每个用户对应的历史订单信息构建用户-商品关系模型,其中,所述用户-商品关系模型包括每一种商品信息与用户信息之间的对应关系;
请求模块,用于当存在任意新用户访问小程序时,向所述新用户发送信息请求;
目标商品确定模块,用于在接收到来自所述新用户的授权许可时,获取所述新用户的用户信息,并基于所述用户-商品关系模型和所述新用户的用户信息确定新用户对应的目标商品信息;
发送模块,用于基于所述目标商品信息构建详细介绍页面,并将所述详细介绍页面发送至所述新用户的小程序。
本发明还提供一种存储介质,其中存储有计算机程序,所述计算机程序被处理器加载执行时,实现如上所述的一种基于小程序的商品销售管理方法。
本发明还提供一种电子设备,包括:处理器、及存储器;其中,所述存储器用于存储计算机程序;所述处理器用于加载执行所述计算机程序,以使所述电子设备执行如上所述的一种基于小程序的商品销售管理方法。
本发明的有益效果是:本发明的一种基于小程序的商品销售管理方法及系统,通过采集小程序对应的所有用户的历史订单信息,然后通过历史订单信息中的用户信息和商品信息来构建用户-商品关系模型,从而找到用户信息与购买商品种类之间的关系。在新用户访问小程序时,先请求新用户的用户信息,在得到新用户的用户信息后,基于用户-商品关系模型和新用户的用户信息即可预测新用户可能会感兴趣的目标商品,基于目标商品的商品信息构建新用户的专属小程序内容。从而在缺少新用户的历史数据的情况下,在小程序有限的显示空间中,将新用户可能感兴趣的目标商品进行展示。在有限条件下,进行更加准确的信息推荐。
附图说明
下面结合附图和实施例对本发明作进一步描述:
图1是本申请一实施例中示出的基于小程序的商品销售管理方法的运用场景图;
图2是本申请一实施例中示出的一种基于小程序的商品销售管理方法的流程图;
图3是本申请一实施例中示出的一种基于小程序的商品销售管理系统的结构图;
图4示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的层而非按照实际实施时的层数目、形状及尺寸绘制,其实际实施时各层的型态、数量及比例可为一种随意的改变,且其层布局型态也可能更为复杂。
在下文描述中,探讨了大量细节,以提供对本发明实施例的更透彻的解释,然而,对本领域技术人员来说,可以在没有这些具体细节的情况下实施本发明的实施例是显而易见的。
图1是本申请一实施例中示出的基于小程序的商品销售管理方法的运用场景图,如图1所示,用户通过手机终端中的小程序来获取商品信息,手机终端与云端的服务器连接,从服务器中获取各种商品的信息,从而展示给用户。本场景中,具有两种展示模式,一是根据用户信息进行定制的少量商品的详细介绍页面,二是预先建立的所有商品的简单介绍页面。其中,如果用户在详细介绍页面点击对上述商品不感兴趣后,从服务器中下载所有商品的简单介绍页面,并对用户的小程序页面进行更新。
图2是本申请一实施例中示出的一种基于小程序的商品销售管理方法的流程图,如图2所示:本实施例的一种基于小程序的商品销售管理方法,可以包括步骤S210至步骤S250:
S210,获取小程序的多个用户的用户信息和每个用户对应的历史订单信息,其中,所述历史订单信息至少包括一种商品信息;
由于小程序的用户粘性较低,大部分用户一般情况下不会在小程序中进行完整的信息注册。而在历史订单信息中,一般会保留用户的收货信息、商品信息,因此,可以在收货信息中提取用户的地址信息和性别信息(用于区分称呼),如果用户注册了其他个人信息,还可以提取用户的其他个人信息,如年龄。上述身份参数可用于将用户划分为多个群体。
商品信息就是指订单中的商品编码,通过商品编码可以链接至服务器中的商品介绍信息,如商品名、商品功能、价格等。
S220,基于所述多个用户的用户信息和每个用户对应的历史订单信息构建用户-商品关系模型,其中,所述用户-商品关系模型包括每一种商品信息与用户信息之间的对应关系;
一般来说,具有不同用户信息的群体,对于商品的偏好是不一样的,例如男性用户和女性用户,年轻用户和老年用户,南方用户和北方用户等,本实施例中,通过建立用户-商品关系模型来表征各种商品对应的偏好群体。
具体地,基于所述多个用户的用户信息和每个用户对应的历史订单信息构建用户-商品关系模型,包括:
S221,提取出所有用户对应的历史订单信息中的一种或者多种商品的商品信息;
每个用户对应的历史订单信息都会至少存在一种商品的商品信息,因此,所有用户对应的历史订单信息中会存在多种商品的商品信息。其中,必然会存在相同种类的多个商品,这种情况下,将相同种类的多个商品合并至一种商品中。可以理解的是,一种商品可以对应多个用户。
S222,基于商品信息对所有商品进行分类,得到多个商品类别,其中,每个商品类别至少包括一种商品;
在本实施例中,单种商品可能会存在购买的人数有限,用户信息的样本数量不够。如果针对单个商品来进行偏好群体的划分,那么会造成每种商品对应的用户差异巨大,难以找到用户规律。此外,针对单种商品进行群体划分,还会造成工作量的上升。因此,本申请先对商品进行分类,针对每一类商品来找到对应的用户特征,从而找到商品类别与用户信息的对应规律。
在本申请一实施例中,基于商品信息对所有商品进行分类,得到多个商品类别,包括:
S1,提取每种商品的商品信息中的多种文字描述和价格;其中,文字描述可以是对商品名、商品特点的商品描述,例如:“外套、羊羔绒”,也可以是功能描述,例如:“保暖”、“户外”等。价格则可以直接反应商品的价位,也具有重要的参考意义。
S2,随机选择一种商品作为基准商品;
S3,基于所述基准商品的商品信息创建一个商品类别;其中,可以基于基准商品的商品名来创造商品类别,例如,基准商品的商品名为“外套”,那么可以建立对应上位概念的商品类别“服装”。
S4,将所述基准商品的商品信息与未被归类的商品的商品信息进行对比,在任意一个未被归类的商品的多种文字描述与所述基准商品的对应种类的文字描述相似,且价格差值小于预设的第一阈值时,将该商品归类至所述商品类别中;
在步骤S4中,将基准商品的商品描述、功能描述、价格等信息分别与其他未被归类的商品的商品描述、功能描述、价格进行对比,在相似的情况下,将其他未被归类的商品归类至基准商品对应的商品类别中。其中,价格为数字,因此可以通过直接求差的方式来判定相似或者不相似。价格差值小于预设的第一阈值时,判定为价位相似。商品描述、功能描述为文字描述,因此本申请通过对比语义的方式来判定相似或者不相似。
具体地,将所述基准商品的商品信息与未被归类的商品的商品信息进行对比,包括:
S41,对每种商品的商品描述和功能描述分别进行分词处理,得到商品描述词序列和功能描述词序列;本申请通过现有的分词模型来对每种商品的商品描述和功能描述分别进行分词处理,例如n-gram模型、HMM隐马尔可夫模型、朴素贝叶斯分类等。
S42,将每种商品的商品描述词序列中的词和功能描述词序列中的词均转换为词向量;具体地,本申请通过word2vec模型来将每种商品的商品描述词序列中的词和功能描述词序列中的词转换为词向量,从而得到词向量序列。
S43,计算所述基准商品的商品描述词序列的任意一个词向量与未被归类的商品的商品描述词序列的任意一个词向量的第一欧式距离,并计算所述基准商品的功能描述词序列的任意一个词向量与未被归类的商品的功能描述词序列的任意一个词向量的第二欧式距离;
本实施例中,通过遍历计算的方式,计算基准商品的商品描述词序列中每一个词向量与未被归类的商品的商品描述词序列每一个词向量的欧式距离,欧式距离小于阈值则说明两个词相似,从而判定基准商品的商品描述中存在多少词与未被归类的商品的商品描述中的词相似。基准商品的功能描述采用同样的方式确定与未被归类的商品的功能描述的相似词数量。
S44,对于任意一个未被归类的商品,当存在至少N个第一欧式距离和至少M个第二欧式距离均小于预设的第二阈值时,判定未被归类的商品的多种文字描述与所述基准商品的对应种类的文字描述相似。本申请通过设定阈值N和M来进行筛选,如果存在N个相似的商品描述词以及M个相似的功能描述词时,则说明其文字描述是相似的。
对应地,如果任意一个未被归类的商品与基准商品的商品描述(商品名、特点描述)相似、功能相似、且价位相近,则可以认为整一个未被归类的商品与基准商品属于同一个商品种类。
S5,随机选择一种没有被归类的商品作为基准商品,并重复执行S3-S4,直至将所有商品归类。在步骤S5中,通过循环归类,将所有的商品进行归类。
S223,对每个商品类别的目标用户的多个身份参数分别进行聚类,得到每个商品类别对应的多个用户信息簇,其中,每个用户信息簇包含用户信息的其中一个身份参数的多个取值,商品类别的目标用户为购买过对应商品类别的商品的用户;
其中,通过历史订单信息可以查询出购买过每个商品类别中的商品的目标用户,本实施例中先对目标用户的多种身份参数的值进行聚类,得到存在密集分布的身份参数取值区间,如果某一类商品对应的购买用户,出现了密集的身份参数取值,那么就可以认为这一类商品的购买用户集中在这个取值区间内。如果这个取值区间足够大,不是偶然出现的,那么进而可以推断,这个身份参数取值区间对应的用户群体是与这个商品类别存在关联的。
具体地,对每个商品类别的目标用户的多个身份参数分别进行聚类,得到每个商品类别对应的多个用户信息簇,包括:
将所有目标用户的每种身份参数的值进行排序,其中,身份参数包括性别、年龄、所属地区,身份参数的值预先转换为数字编码;其中,由于性别只有两种,本申请可以通过10代表男性,01代表女性的方式来进行排序,也就是排序前部为女性,后部为男性。所属地区同样地,可以通过经纬度来进行排序。年龄直接排序即可。
基于分布密度对每种身份参数的值进行聚类,得到每个商品类别对应的多个用户信息簇,其中,用户信息簇中任意两个相邻的值的差值小于对应身份参数的阈值。
分布密度是指,任意两个相邻的取值,其差值小于对应身份参数的阈值。例如,身份参数为性别时,同一个用户信息簇中的两个相邻取值差值应该为0,这里的阈值可以设定为一个略大于0的数字。性别的聚类十分简单,在此不再赘述;
年龄的聚类可以采用如下方法:
从年龄最小的取值为基点,划定一个区间(1,X),1表示基点的序号,X表示该区间内最后一个取值的序号,如果在这个区间内,任意相邻取值的差值均小于2岁,那么以第X个取值为基点,再次划定一个区间(X,2X-1),再次判定区间内任意相邻取值的差值,直至存在一个目标区间,内部出现了两个差值大于2岁的取值,那么这个目标区间不成立,合并目标区间之间建立的所有区间,并加上目标区间的前半部(以两个差值大于2岁的取值的中间进行划分),得到第一个用户信息簇。然后以两个差值大于2岁的取值中的后一个取值为基点,划定区间....重复上述步骤,得到后续的所有用户信息簇。
所属地区聚类可以采用如下方法:
随机选择一个所属地区的经纬度作为基点,划定一个半径为R的区域,在这个区域内,如果所有的其他所属地区的经纬度与基点的距离小于距离阈值,那么再以这个区域内的其他所属地区的经纬度作为基点,再次划定多个半径为R的区域,再次判定多个半径为R的区域中,其他所属地区的经纬度与基点的距离...重复上述步骤,直至存在一个目标区域中,存在与基点距离大于距离阈值的其他所属地区的经纬度,然后合并目标区域之前的所有区域,得到第一个所属地区的经纬度的用户信息簇。
然后取其他未被划定至用户信息簇的点作为基点,重复上述过程,得到后续的所有用户信息簇即可。
S224,确定与商品类别存在关联的目标用户信息簇,并基于所述目标用户信息簇的身份参数的多个取值构建与商品类别存在关联的身份参数的取值范围;
在本申请中,由于目标用户信息簇存在高密度分布的特点,因此,再排除偶然出现的高密度分布的目标用户信息簇之后,便可以认为其他目标用户信息簇是与商品类别存在关联的。例如,如果恰好存在一个年龄对应目标用户信息簇,存在少量的年龄取值满足高密度分布,这个目标用户信息簇在历史订单中,购买了A类商品,那么由于数量较少,极有可能是偶然出现的。因此,只有在目标用户信息簇同时满足数据样本超过一定数量,且高密度分布时,才能说明目标用户信息簇与商品类别存在关联。
此外,由于目标用户信息簇内的身份参数的取值是离散的,为了保证后续能代入新用户的身份参数,还需要建立连续的取值范围。
在本申请一实施例中,基于所述目标用户信息簇的身份参数的多个取值构建与商品类别存在关联的身份参数的取值范围,包括:
计算所述目标用户信息簇的身份参数的多个取值的平均值A和标准差σ;
基于多个取值的平均值A和标准差σ构建与商品类别存在关联的身份参数的取值范围(A-σ,A+σ)。
具体地,确定与商品类别存在关联的目标用户信息簇,包括:
对于任意一个商品类别,在存在任意一个满足目标条件的用户信息簇时,将该用户信息簇作为目标用户信息簇,其中,目标条件包括:
在用户信息簇对应的身份参数为性别时,用户信息簇中身份参数的值的数量占总数量的比例大于第一比例值;由于性别只有男和女,因此,如果男女比例是差不多的,那么就无法证明对应的商品类别与性别存在关联,因此,在男性比例或者女性比例大于第一比例值(如70%)时,说明该商品类别与性别这一身份参数存在关联。
在用户信息簇对应的身份参数不为性别时,用户信息簇中身份参数的值的数量占总数量的比例大于第二比例值,其中,所述第一比例值大于所述第二比例值。第二比例值一般取20%-50%之间,可以基于用户信息簇的数量或者数据样本的数量来确定,例如用户信息簇的数量越少,第二比例值取越大,数据样本的数量越多,第二比例值取越小。从而保证商品类别对应的目标用户信息簇数量较少(以保证对应关系的意义,如果商品类别对应的目标用户信息簇较多,那么规律就会失去意义),且每个目标用户信息簇的数据样本数量足够。
S225,基于每个商品类别、以及与对应商品类别存在关联的身份参数的取值范围构建用户-商品关系模型。
S230,当存在任意新用户访问小程序时,向所述新用户发送信息请求;其中,信息请求以弹窗的方式呈现在手机终端,在用户选择许可或者拒绝之前,小程序不加载具体的显示页面。
S240,在接收到来自所述新用户的授权许可时,获取所述新用户的用户信息,并基于所述用户-商品关系模型和所述新用户的用户信息确定新用户对应的目标商品;在未接收到来自所述新用户的授权许可,或者接收到来自所述新用户的拒绝授权信息时,将预先基于所有商品的商品信息建立的简单介绍页面发送至所述新用户的小程序。
新用户的用户信息需要新用户手动填写,将新用户的性别、年龄、所属地区输入后,比那可以直接代入至用户-商品关系模型中,得到对应的商品类别,商品类别中的所有商品即为新用户的目标商品。
S250,基于所述目标商品的商品信息构建详细介绍页面,并将所述详细介绍页面发送至所述新用户的小程序。
在本申请一实施例中,还包括如下方法构建详细介绍页面或者简单介绍页面:
将所有商品的信息划分为一级显示信息和二级显示信息;
基于所述目标商品的一级显示信息和二级显示信息构建详细介绍页面,或者,基于所有商品的一级显示信息构建简单介绍页面。
其中,一级显示信息可以是商品名、商品主图、商品简要的功能特点介绍、销量等。二级显示信息可以是详细功能特点介绍(图文结合)、售后评价等。
本发明的一种基于小程序的商品销售管理方法,通过采集小程序对应的所有用户的历史订单信息,然后通过历史订单信息中的用户信息和商品信息来构建用户-商品关系模型,从而找到用户信息与购买商品种类之间的关系。在新用户访问小程序时,先请求新用户的用户信息,在得到新用户的用户信息后,基于用户-商品关系模型和新用户的用户信息即可预测新用户可能会感兴趣的目标商品,基于目标商品的商品信息构建新用户的专属小程序内容。从而在缺少新用户的历史数据的情况下,在小程序有限的显示空间中,将新用户可能感兴趣的目标商品进行展示。在有限条件下,进行更加准确的信息推荐。
本申请还提供一种基于小程序的商品销售管理系统,包括:
获取模块,用于获取小程序的多个用户的用户信息和每个用户对应的历史订单信息,其中,所述历史订单信息至少包括一种商品信息;
模型建立模块,用于基于所述多个用户的用户信息和每个用户对应的历史订单信息构建用户-商品关系模型,其中,所述用户-商品关系模型包括每一种商品信息与用户信息之间的对应关系;
请求模块,用于当存在任意新用户访问小程序时,向所述新用户发送信息请求;
目标商品确定模块,用于在接收到来自所述新用户的授权许可时,获取所述新用户的用户信息,并基于所述用户-商品关系模型和所述新用户的用户信息确定新用户对应的目标商品信息;
发送模块,用于基于所述目标商品信息构建详细介绍页面,并将所述详细介绍页面发送至所述新用户的小程序。
本发明的一种基于小程序的商品销售管理系统,通过采集小程序对应的所有用户的历史订单信息,然后通过历史订单信息中的用户信息和商品信息来构建用户-商品关系模型,从而找到用户信息与购买商品种类之间的关系。在新用户访问小程序时,先请求新用户的用户信息,在得到新用户的用户信息后,基于用户-商品关系模型和新用户的用户信息即可预测新用户可能会感兴趣的目标商品,基于目标商品的商品信息构建新用户的专属小程序内容。从而在缺少新用户的历史数据的情况下,在小程序有限的显示空间中,将新用户可能感兴趣的目标商品进行展示。在有限条件下,进行更加准确的信息推荐。
图4示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。需要说明的是,图4示出的电子设备的计算机系统400仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图4所示,计算机系统400包括中央处理单元(Central Processing Unit,CPU)401,其可以根据存储在只读存储器(Read-Only Memory,ROM)402中的程序或者从储存部分408加载到随机访问存储器(Random Access Memory,RAM)404中的程序而执行各种适当的动作和处理,例如执行上述实施例中的方法。在RAM 404中,还存储有系统操作所需的各种程序和数据。CPU 401、ROM 402以及RAM 404通过总线404彼此相连。输入/输出(Input/Output,I/O)接口405也连接至总线404。
以下部件连接至I/O接口405:包括键盘、鼠标等的输入部分406;包括诸如阴极射线管(Cathode Ray Tube,CRT)、液晶显示器(Liquid Crystal Display,LCD)等以及扬声器等的输出部分407;包括硬盘等的储存部分408;以及包括诸如LAN(Local Area Network,局域网)卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器410上,以便于从其上读出的计算机程序根据需要被安装入储存部分408。
特别地,根据本申请的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中,该计算机程序可以通过通信部分409从网络上被下载和安装,和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(CPU)401执行时,执行本申请的系统中限定的各种功能。
需要说明的是,本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
本申请的另一方面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,该计算机程序被计算机的处理器执行时,使计算机执行如前的方法。该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的,也可以是单独存在,而未装配入该电子设备中。
本申请的另一方面还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各个实施例中提供的空气目标污染物组分预报模型训练和预报方法。
以上实施例仅是为充分说明本申请而所举的较佳的实施例,本申请的保护范围不限于此。本技术领域的技术人员在本申请基础上所作的等同替代或变换,均在本申请的保护范围之内。
Claims (10)
1.一种基于小程序的商品销售管理方法,其特征在于,包括步骤:
获取小程序的多个用户的用户信息和每个用户对应的历史订单信息,其中,所述历史订单信息至少包括一种商品信息;
基于所述多个用户的用户信息和每个用户对应的历史订单信息构建用户-商品关系模型,其中,所述用户-商品关系模型包括每一种商品信息与用户信息之间的对应关系;
当存在任意新用户访问小程序时,向所述新用户发送信息请求;
在接收到来自所述新用户的授权许可时,获取所述新用户的用户信息,并基于所述用户-商品关系模型和所述新用户的用户信息确定新用户对应的目标商品;
基于所述目标商品的商品信息构建详细介绍页面,并将所述详细介绍页面发送至所述新用户的小程序。
2.根据权利要求1所述的一种基于小程序的商品销售管理方法,其特征在于,还包括:
在未接收到来自所述新用户的授权许可,或者接收到来自所述新用户的拒绝授权信息时,将预先基于所有商品的商品信息建立的简单介绍页面发送至所述新用户的小程序。
3.根据权利要求1所述的一种基于小程序的商品销售管理方法,其特征在于,所述用户信息包括用户的多种身份参数,其中,基于所述多个用户的用户信息和每个用户对应的历史订单信息构建用户-商品关系模型,包括:
提取出所有用户对应的历史订单信息中的一种或者多种商品的商品信息;
基于商品信息对所有商品进行分类,得到多个商品类别,其中,每个商品类别至少包括一种商品;
对每个商品类别的目标用户的多个身份参数分别进行聚类,得到每个商品类别对应的多个用户信息簇,其中,每个用户信息簇包含用户信息的其中一个身份参数的多个取值,商品类别的目标用户为购买过对应商品类别的商品的用户;
确定与商品类别存在关联的目标用户信息簇,并基于所述目标用户信息簇的身份参数的多个取值构建与商品类别存在关联的身份参数的取值范围;
基于每个商品类别、以及与对应商品类别存在关联的身份参数的取值范围构建用户-商品关系模型。
4.根据权利要求3所述的一种基于小程序的商品销售管理方法,其特征在于,基于商品信息对所有商品进行分类,得到多个商品类别,包括:
S1,提取每种商品的商品信息中的多种文字描述和价格;
S2,随机选择一种商品作为基准商品;
S3,基于所述基准商品的商品信息创建一个商品类别;
S4,将所述基准商品的商品信息与未被归类的商品的商品信息进行对比,在任意一个未被归类的商品的多种文字描述与所述基准商品的对应种类的文字描述相似,且价格差值小于预设的第一阈值时,将该商品归类至所述商品类别中;
S5,随机选择一种没有被归类的商品作为基准商品,并重复执行S3-S4,直至将所有商品归类。
5.根据权利要求4所述的一种基于小程序的商品销售管理方法,其特征在于,文字描述至少包括商品描述和功能描述,其中,将所述基准商品的商品信息与未被归类的商品的商品信息进行对比,包括:
对每种商品的商品描述和功能描述分别进行分词处理,得到商品描述词序列和功能描述词序列;
将每种商品的商品描述词序列中的词和功能描述词序列中的词均转换为词向量;
计算所述基准商品的商品描述词序列的任意一个词向量与未被归类的商品的商品描述词序列的任意一个词向量的第一欧式距离,并计算所述基准商品的功能描述词序列的任意一个词向量与未被归类的商品的功能描述词序列的任意一个词向量的第二欧式距离;
对于任意一个未被归类的商品,当存在至少N个第一欧式距离和至少M个第二欧式距离均小于预设的第二阈值时,判定未被归类的商品的多种文字描述与所述基准商品的对应种类的文字描述相似。
6.根据权利要求3所述的一种基于小程序的商品销售管理方法,其特征在于,对每个商品类别的目标用户的多个身份参数分别进行聚类,得到每个商品类别对应的多个用户信息簇,包括:
将所有目标用户的每种身份参数的值进行排序,其中,身份参数包括性别、年龄、所属地区,身份参数的值预先转换为数字编码;
基于分布密度对每种身份参数的值进行聚类,得到每个商品类别对应的多个用户信息簇,其中,用户信息簇中任意两个相邻的值的差值小于对应身份参数的阈值。
7.根据权利要求6所述的一种基于小程序的商品销售管理方法,其特征在于,确定与商品类别存在关联的目标用户信息簇,包括:
对于任意一个商品类别,在存在任意一个满足目标条件的用户信息簇时,将该用户信息簇作为目标用户信息簇,其中,目标条件包括:
在用户信息簇对应的身份参数为性别时,用户信息簇中身份参数的值的数量占总数量的比例大于第一比例值;
在用户信息簇对应的身份参数不为性别时,用户信息簇中身份参数的值的数量占总数量的比例大于第二比例值,其中,所述第一比例值大于所述第二比例值。
8.根据权利要求3所述的一种基于小程序的商品销售管理方法,其特征在于,基于所述目标用户信息簇的身份参数的多个取值构建与商品类别存在关联的身份参数的取值范围,包括:
计算所述目标用户信息簇的身份参数的多个取值的平均值A和标准差σ;
基于多个取值的平均值A和标准差σ构建与商品类别存在关联的身份参数的取值范围(A-σ,A+σ)。
9.根据权利要求2所述的一种基于小程序的商品销售管理方法,其特征在于,还包括如下方法构建详细介绍页面或者简单介绍页面:
将所有商品的信息划分为一级显示信息和二级显示信息;
基于所述目标商品的一级显示信息和二级显示信息构建详细介绍页面,或者,基于所有商品的一级显示信息构建简单介绍页面。
10.一种基于小程序的商品销售管理系统,其特征在于,包括:
获取模块,用于获取小程序的多个用户的用户信息和每个用户对应的历史订单信息,其中,所述历史订单信息至少包括一种商品信息;
模型建立模块,用于基于所述多个用户的用户信息和每个用户对应的历史订单信息构建用户-商品关系模型,其中,所述用户-商品关系模型包括每一种商品信息与用户信息之间的对应关系;
请求模块,用于当存在任意新用户访问小程序时,向所述新用户发送信息请求;
目标商品确定模块,用于在接收到来自所述新用户的授权许可时,获取所述新用户的用户信息,并基于所述用户-商品关系模型和所述新用户的用户信息确定新用户对应的目标商品信息;
发送模块,用于基于所述目标商品信息构建详细介绍页面,并将所述详细介绍页面发送至所述新用户的小程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311580079.5A CN117422528A (zh) | 2023-11-24 | 2023-11-24 | 一种基于小程序的商品销售管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311580079.5A CN117422528A (zh) | 2023-11-24 | 2023-11-24 | 一种基于小程序的商品销售管理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117422528A true CN117422528A (zh) | 2024-01-19 |
Family
ID=89530269
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311580079.5A Pending CN117422528A (zh) | 2023-11-24 | 2023-11-24 | 一种基于小程序的商品销售管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117422528A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600302A (zh) * | 2015-10-19 | 2017-04-26 | 玺阅信息科技(上海)有限公司 | 基于Hadoop的商品推荐系统 |
CN110555627A (zh) * | 2019-09-10 | 2019-12-10 | 拉扎斯网络科技(上海)有限公司 | 实体展示方法、装置、存储介质和电子设备 |
CN111709812A (zh) * | 2020-06-19 | 2020-09-25 | 山东财经大学 | 基于用户动态分类的电商平台商品推荐方法及系统 |
CN112070577A (zh) * | 2020-08-31 | 2020-12-11 | 深圳市卡牛科技有限公司 | 一种商品推荐方法、系统、设备及介质 |
CN112307329A (zh) * | 2020-09-30 | 2021-02-02 | 北京沃东天骏信息技术有限公司 | 一种资源推荐方法及装置、设备、存储介质 |
CN112667899A (zh) * | 2020-12-30 | 2021-04-16 | 杭州智聪网络科技有限公司 | 基于用户兴趣迁移的冷启动推荐方法、装置及存储设备 |
CN112837106A (zh) * | 2019-11-22 | 2021-05-25 | 上海哔哩哔哩科技有限公司 | 商品推荐方法、装置、计算机设备 |
CN114331594A (zh) * | 2021-12-14 | 2022-04-12 | 芸豆数字科技有限公司 | 一种商品推荐方法 |
CN114926236A (zh) * | 2022-05-12 | 2022-08-19 | 珠海格力电器股份有限公司 | 商品信息的展示方法、装置、电子设备及存储介质 |
-
2023
- 2023-11-24 CN CN202311580079.5A patent/CN117422528A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600302A (zh) * | 2015-10-19 | 2017-04-26 | 玺阅信息科技(上海)有限公司 | 基于Hadoop的商品推荐系统 |
CN110555627A (zh) * | 2019-09-10 | 2019-12-10 | 拉扎斯网络科技(上海)有限公司 | 实体展示方法、装置、存储介质和电子设备 |
CN112837106A (zh) * | 2019-11-22 | 2021-05-25 | 上海哔哩哔哩科技有限公司 | 商品推荐方法、装置、计算机设备 |
CN111709812A (zh) * | 2020-06-19 | 2020-09-25 | 山东财经大学 | 基于用户动态分类的电商平台商品推荐方法及系统 |
CN112070577A (zh) * | 2020-08-31 | 2020-12-11 | 深圳市卡牛科技有限公司 | 一种商品推荐方法、系统、设备及介质 |
CN112307329A (zh) * | 2020-09-30 | 2021-02-02 | 北京沃东天骏信息技术有限公司 | 一种资源推荐方法及装置、设备、存储介质 |
CN112667899A (zh) * | 2020-12-30 | 2021-04-16 | 杭州智聪网络科技有限公司 | 基于用户兴趣迁移的冷启动推荐方法、装置及存储设备 |
CN114331594A (zh) * | 2021-12-14 | 2022-04-12 | 芸豆数字科技有限公司 | 一种商品推荐方法 |
CN114926236A (zh) * | 2022-05-12 | 2022-08-19 | 珠海格力电器股份有限公司 | 商品信息的展示方法、装置、电子设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
唐晓波;樊静;: "基于客户聚类的商品推荐", 情报杂志, no. 06, 18 June 2009 (2009-06-18), pages 143 - 147 * |
梁爽;姜攀: "基于微信小程序的个人商铺系统设计与实现", 电脑编程技巧与维护, no. 08, 18 August 2018 (2018-08-18), pages 70 - 74 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110825957B (zh) | 基于深度学习的信息推荐方法、装置、设备及存储介质 | |
US7062477B2 (en) | Information-processing apparatus, information-processing method and storage medium | |
CN108182253B (zh) | 用于生成信息的方法和装置 | |
CN110909222B (zh) | 基于聚类的用户画像建立方法、装置、介质及电子设备 | |
CN109064265A (zh) | 基于网络平台的购车推荐方法及系统 | |
CN105225135B (zh) | 潜力客户识别方法以及装置 | |
CN111061979A (zh) | 一种用户标签的推送方法、装置、电子设备和介质 | |
CN110750697B (zh) | 商户分类方法、装置、设备及存储介质 | |
KR102458510B1 (ko) | 실시간 보완 가능한 마케팅 시스템 | |
CN111882398A (zh) | 智慧城市服务推荐方法、装置、计算机设备及存储介质 | |
CN111104590A (zh) | 信息推荐方法、装置、介质及电子设备 | |
CN113051480A (zh) | 资源推送方法、装置、电子设备及存储介质 | |
CN113592535A (zh) | 一种广告推荐方法、装置、电子设备和存储介质 | |
CN115033801A (zh) | 物品推荐方法、模型训练方法及电子设备 | |
CN112836128A (zh) | 信息推荐方法、装置、设备和存储介质 | |
CN110059172B (zh) | 基于自然语言理解的推荐答案的方法和装置 | |
CN111339409A (zh) | 地图展示方法与系统 | |
CN113327132A (zh) | 多媒体推荐方法、装置、设备及存储介质 | |
CN112395499B (zh) | 信息推荐方法及装置、电子设备、存储介质 | |
US20230316106A1 (en) | Method and apparatus for training content recommendation model, device, and storage medium | |
CN110992215B (zh) | 基于语义分析的旅游服务推荐系统、数据库和推荐方法 | |
CN115983902B (zh) | 基于用户实时事件的信息推送方法及系统 | |
CN117422528A (zh) | 一种基于小程序的商品销售管理方法及系统 | |
CN115456691A (zh) | 线下广告位的推荐方法、装置、电子设备及存储介质 | |
CN110852078A (zh) | 生成标题的方法和装置 |
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 |