CN117495506A - 一种基于大数据分析的终端门店进货推荐方法 - Google Patents
一种基于大数据分析的终端门店进货推荐方法 Download PDFInfo
- Publication number
- CN117495506A CN117495506A CN202311564313.5A CN202311564313A CN117495506A CN 117495506 A CN117495506 A CN 117495506A CN 202311564313 A CN202311564313 A CN 202311564313A CN 117495506 A CN117495506 A CN 117495506A
- Authority
- CN
- China
- Prior art keywords
- data
- commodity
- sales
- recommendation
- model
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000007405 data analysis Methods 0.000 title claims abstract description 37
- 238000004140 cleaning Methods 0.000 claims abstract description 16
- 238000011835 investigation Methods 0.000 claims abstract description 14
- 238000010801 machine learning Methods 0.000 claims abstract description 13
- 230000007306 turnover Effects 0.000 claims abstract description 13
- 238000012544 monitoring process Methods 0.000 claims abstract description 9
- 230000006399 behavior Effects 0.000 claims abstract description 8
- 238000010276 construction Methods 0.000 claims description 11
- 230000000694 effects Effects 0.000 claims description 11
- 230000010354 integration Effects 0.000 claims description 10
- 238000007726 management method Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000013480 data collection Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 5
- 238000003066 decision tree Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 238000000611 regression analysis Methods 0.000 claims description 4
- 238000012706 support-vector machine Methods 0.000 claims description 4
- 230000008676 import Effects 0.000 claims description 3
- 238000011160 research Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000001360 synchronised effect Effects 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
-
- 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
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及大数据分析技术领域,具体涉及一种基于大数据分析的终端门店进货推荐方法;收集各终端门店的数据,数据包括销售记录数据、库存信息数据、市场调查数据;对收集到的数据进行清洗、整合和标准化处理;从预处理后的数据中提取销售额、毛利率、库存周转率的特征;基于提取的特征,使用机器学习算法构建适用于进货推荐的大数据分析模型;将构建好的模型应用于实际进货决策过程中,嵌入B2B分销系统中,为终端门店提供进货推荐建议;实时监控与调整;通过上述方式,实现了预测市场趋势和消费者行为,为终端门店提供更精准的进货推荐,有效提高进货效率,降低库存成本,提升销售业绩。
Description
技术领域
本发明涉及大数据分析技术领域,尤其涉及一种基于大数据分析的终端门店进货推荐方法。
背景技术
在现有的零售行业中,门店进货决策通常依赖于店员的个人经验和直觉。然而,这种方式存在一些问题。首先,由于缺乏有效的数据分析工具,店主的决策可能受到个人偏好和偏见的影响,导致进货决策的质量不稳定;其次,由于缺乏对市场趋势的深入理解,门店可能会过度或不足地进货,从而影响其销售业绩;因此,提出一种终端门店进货推荐方法进行门店进货决策是十分有必要的。
发明内容
本发明的目的在于提供一种基于大数据分析的终端门店进货推荐方法,实现预测市场趋势和消费者行为,为终端门店提供更精准的进货推荐,有效提高进货效率,降低库存成本,提升销售业绩。
为实现上述目的,本发明采用的一种基于大数据分析的终端门店进货推荐方法,包括如下步骤:
数据收集,收集各终端门店的数据,数据包括销售记录数据、库存信息数据、市场调查数据;
数据预处理,对收集到的数据进行清洗、整合和标准化处理;
特征提取,从预处理后的数据中提取销售额、毛利率、库存周转率的特征;
模型构建,基于提取的特征,使用机器学习算法构建适用于进货推荐的大数据分析模型;
模型应用,将构建好的模型应用于实际进货决策过程中,嵌入B2B分销系统中,为终端门店提供进货推荐建议;
实时监控与调整。
其中,在数据收集,收集各终端门店的数据,数据包括销售记录数据、库存信息数据、市场调查数据的步骤中:
采用线下数据导入数据收集、线上数据同步或者二者同时使用的方式,通过与销售系统对接,收集销售记录数据,包括商品销售量、商品种类、商品价格信息;
通过库存管理系统,收集库存信息数据;
通过网络爬虫技术收集市场调查数据,包括竞争对手的商品价格、促销活动、市场份额信息;
通过市场调查问卷、用户行为日志方式,收集消费者需求和偏好数据。
其中,在数据预处理,对收集到的数据进行清洗、整合和标准化处理的步骤中:
对收集到的销售数据、商品销售量、商品种类、商品价格、库存信息、竞品的商品价格、促销活动、市场份额、消费者需求和偏好数据,进行数据清洗整合和标准化处理;
在清洗过程中,去除重复、错误或不完整的数据;在整合过程中,将不同来源的数据按照一定的规则进行关联和整合;
在标准化处理过程中,将数据转换为统一的格式和单位。
其中,在特征提取,从预处理后的数据中提取销售额、毛利率、库存周转率的特征的步骤中:
从预处理后的数据中提取特征;
计算销售额的平均值、标准差统计指标,作为销售额特征;
计算毛利率、库存周转率经济指标,作为库存管理特征;
根据市场调查结果,提取消费者对产品的需求程度、喜好程度特征。
其中,在模型构建,基于提取的特征,使用机器学习算法构建适用于进货推荐的大数据分析模型的步骤中:
基于提取的特征,使用机器学习算法构建适用于进货推荐的大数据分析模型,选择回归分析、决策树、支持向量机常用算法,在模型构建过程中,对特征进行选择和优化。
其中,在模型应用,将构建好的模型应用于实际进货决策过程中,嵌入B2B分销系统中,为终端门店提供进货推荐建议的步骤中:
根据模型输出的数据分析结果,生成进货推荐,在店主在B2B商城进货时,生成进货推荐报告,报告中包含销售额、库存量、热销商品的指标。
其中,在实时监控与调整的步骤中:
对模型的应用效果进行跟踪和评估,优化模型参数和特征提取方法。
本发明的一种基于大数据分析的终端门店进货推荐方法,通过数据收集,收集各终端门店的数据,数据包括销售记录数据、库存信息数据、市场调查数据;数据预处理,对收集到的数据进行清洗、整合和标准化处理;特征提取,从预处理后的数据中提取销售额、毛利率、库存周转率的特征;模型构建,基于提取的特征,使用机器学习算法构建适用于进货推荐的大数据分析模型;模型应用,将构建好的模型应用于实际进货决策过程中,嵌入B2B分销系统中,为终端门店提供进货推荐建议;实时监控与调整;实现了预测市场趋势和消费者行为,为终端门店提供更精准的进货推荐,有效提高进货效率,降低库存成本,提升销售业绩。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明的基于大数据分析的终端门店进货推荐方法的步骤流程图。
实施方式
请参阅图1,其中图1是基于大数据分析的终端门店进货推荐方法的步骤流程图。
本发明提供了一种基于大数据分析的终端门店进货推荐方法,包括如下步骤:
S1:数据收集,收集各终端门店的数据,数据包括销售记录数据、库存信息数据、市场调查数据;
S2: 数据预处理,对收集到的数据进行清洗、整合和标准化处理;
S3:特征提取,从预处理后的数据中提取销售额、毛利率、库存周转率的特征;
S4:模型构建,基于提取的特征,使用机器学习算法构建适用于进货推荐的大数据分析模型;
S5:模型应用,将构建好的模型应用于实际进货决策过程中,嵌入B2B分销系统中,为终端门店提供进货推荐建议;
S6:实时监控与调整。
在本实施方式中,数据收集,收集各终端门店的数据,数据包括销售记录数据、库存信息数据、市场调查数据;数据预处理,对收集到的数据进行清洗、整合和标准化处理;特征提取,从预处理后的数据中提取销售额、毛利率、库存周转率的特征;模型构建,基于提取的特征,使用机器学习算法构建适用于进货推荐的大数据分析模型;模型应用,将构建好的模型应用于实际进货决策过程中,嵌入B2B分销系统中,为终端门店提供进货推荐建议;实时监控与调整;实现了预测市场趋势和消费者行为,为终端门店提供更精准的进货推荐,有效提高进货效率,降低库存成本,提升销售业绩。
进一步地,在数据收集,收集各终端门店的数据,数据包括销售记录数据、库存信息数据、市场调查数据的步骤中:
采用线下数据导入数据收集、线上数据同步或者二者同时使用的方式,通过与销售系统对接,收集销售记录数据,包括商品销售量、商品种类、商品价格信息;
通过库存管理系统,收集库存信息数据;
通过网络爬虫技术收集市场调查数据,包括竞争对手的商品价格、促销活动、市场份额信息;
通过市场调查问卷、用户行为日志方式,收集消费者需求和偏好数据。
在本实施方式中,采用线下数据导入数据收集、线上数据同步或者二者同时使用的方式,通过与销售系统对接,收集销售记录数据,包括商品销售量、商品种类、商品价格信息;通过库存管理系统,收集库存信息数据;通过网络爬虫技术收集市场调查数据,包括竞争对手的商品价格、促销活动、市场份额信息;通过市场调查问卷、用户行为日志方式,收集消费者需求和偏好数据。
进一步地,在数据预处理,对收集到的数据进行清洗、整合和标准化处理的步骤中:
对收集到的销售数据、商品销售量、商品种类、商品价格、库存信息、竞品的商品价格、促销活动、市场份额、消费者需求和偏好数据,进行数据清洗整合和标准化处理;
在清洗过程中,去除重复、错误或不完整的数据;在整合过程中,将不同来源的数据按照一定的规则进行关联和整合;
在标准化处理过程中,将数据转换为统一的格式和单位。
在本实施方式中,对收集到的销售数据、商品销售量、商品种类、商品价格、库存信息、竞品的商品价格、促销活动、市场份额、消费者需求和偏好数据,进行数据清洗整合和标准化处理;在清洗过程中,去除重复、错误或不完整的数据;在整合过程中,将不同来源的数据按照一定的规则进行关联和整合;在标准化处理过程中,将数据转换为统一的格式和单位,以便于后续分析。
进一步地,在特征提取,从预处理后的数据中提取销售额、毛利率、库存周转率的特征的步骤中:
从预处理后的数据中提取特征;
计算销售额的平均值、标准差统计指标,作为销售额特征;
计算毛利率、库存周转率经济指标,作为库存管理特征;
根据市场调查结果,提取消费者对产品的需求程度、喜好程度特征。
在本实施方式中,从预处理后的数据中提取有助于进货推荐的有用特征;计算销售额的平均值、标准差统计指标,作为销售额特征;计算毛利率、库存周转率经济指标,作为库存管理特征;根据市场调查结果,提取消费者对产品的需求程度、喜好程度特征。
进一步地,在模型构建,基于提取的特征,使用机器学习算法构建适用于进货推荐的大数据分析模型的步骤中:
基于提取的特征,使用机器学习算法构建适用于进货推荐的大数据分析模型,选择回归分析、决策树、支持向量机常用算法,在模型构建过程中,对特征进行选择和优化。
在本实施方式中,基于提取的特征,使用机器学习算法构建适用于进货推荐的大数据分析模型,选择回归分析、决策树、支持向量机常用算法,在模型构建过程中,对特征进行选择和优化,以提高模型的准确性和泛化能力。
进一步地,在模型应用,将构建好的模型应用于实际进货决策过程中,嵌入B2B分销系统中,为终端门店提供进货推荐建议的步骤中:
根据模型输出的数据分析结果,生成进货推荐,在店主在B2B商城进货时,生成进货推荐报告,报告中包含销售额、库存量、热销商品的指标。
在本实施方式中,根据模型输出的数据分析结果,生成进货推荐,在店主在B2B商城进货时,生成进货推荐报告,报告中包含销售额、库存量、热销商品的指标。同时,还可以提供具体的进货建议,增加某种商品的库存、减少某种商品的进货量等。如分析结果显示某种商品的销售量在未来一段时间内将大幅度增长,建议终端门店增加这种商品的进货量;如分析结果显示某种商品的销售利润较低,建议终端门店减少这种商品的进货量。
进一步地,在实时监控与调整的步骤中:
对模型的应用效果进行跟踪和评估,优化模型参数和特征提取方法。
在本实施方式中,随着数据的不断积累和业务的发展,需要通过对模型的应用效果进行跟踪和评估,优化模型参数和特征提取方法,提高进货推荐的准确性和实用性。同时,也可以根据实际情况,调整数据收集的范围和方法,以提高数据的质量和完整性。
以上所揭露的仅为本发明一种较佳实施例而已,当然不能以此来限定本发明之权利范围,本领域普通技术人员可以理解实现上述实施例的全部或部分流程,并依本发明权利要求所作的等同变化,仍属于发明所涵盖的范围。
Claims (7)
1.一种基于大数据分析的终端门店进货推荐方法,其特征在于,包括如下步骤:
数据收集,收集各终端门店的数据,数据包括销售记录数据、库存信息数据、市场调查数据;
数据预处理,对收集到的数据进行清洗、整合和标准化处理;
特征提取,从预处理后的数据中提取销售额、毛利率、库存周转率的特征;
模型构建,基于提取的特征,使用机器学习算法构建适用于进货推荐的大数据分析模型;
模型应用,将构建好的模型应用于实际进货决策过程中,嵌入B2B分销系统中,为终端门店提供进货推荐建议;
实时监控与调整。
2.如权利要求1所述的基于大数据分析的终端门店进货推荐方法,其特征在于,在数据收集,收集各终端门店的数据,数据包括销售记录数据、库存信息数据、市场调查数据的步骤中:
采用线下数据导入数据收集、线上数据同步或者二者同时使用的方式,通过与销售系统对接,收集销售记录数据,包括商品销售量、商品种类、商品价格信息;
通过库存管理系统,收集库存信息数据;
通过网络爬虫技术收集市场调查数据,包括竞争对手的商品价格、促销活动、市场份额信息;
通过市场调查问卷、用户行为日志方式,收集消费者需求和偏好数据。
3.如权利要求1所述的基于大数据分析的终端门店进货推荐方法,其特征在于,在数据预处理,对收集到的数据进行清洗、整合和标准化处理的步骤中:
对收集到的销售数据、商品销售量、商品种类、商品价格、库存信息、竞品的商品价格、促销活动、市场份额、消费者需求和偏好数据,进行数据清洗整合和标准化处理;
在清洗过程中,去除重复、错误或不完整的数据;在整合过程中,将不同来源的数据按照一定的规则进行关联和整合;
在标准化处理过程中,将数据转换为统一的格式和单位。
4.如权利要求1所述的基于大数据分析的终端门店进货推荐方法,其特征在于,在特征提取,从预处理后的数据中提取销售额、毛利率、库存周转率的特征的步骤中:
从预处理后的数据中提取特征;
计算销售额的平均值、标准差统计指标,作为销售额特征;
计算毛利率、库存周转率经济指标,作为库存管理特征;
根据市场调查结果,提取消费者对产品的需求程度、喜好程度特征。
5.如权利要求1所述的基于大数据分析的终端门店进货推荐方法,其特征在于,在模型构建,基于提取的特征,使用机器学习算法构建适用于进货推荐的大数据分析模型的步骤中:
基于提取的特征,使用机器学习算法构建适用于进货推荐的大数据分析模型,选择回归分析、决策树、支持向量机常用算法,在模型构建过程中,对特征进行选择和优化。
6.如权利要求1所述的基于大数据分析的终端门店进货推荐方法,其特征在于,在模型应用,将构建好的模型应用于实际进货决策过程中,嵌入B2B分销系统中,为终端门店提供进货推荐建议的步骤中:
根据模型输出的数据分析结果,生成进货推荐,在店主在B2B商城进货时,生成进货推荐报告,报告中包含销售额、库存量、热销商品的指标。
7.如权利要求1所述的基于大数据分析的终端门店进货推荐方法,其特征在于,在实时监控与调整的步骤中:
对模型的应用效果进行跟踪和评估,优化模型参数和特征提取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311564313.5A CN117495506A (zh) | 2023-11-22 | 2023-11-22 | 一种基于大数据分析的终端门店进货推荐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311564313.5A CN117495506A (zh) | 2023-11-22 | 2023-11-22 | 一种基于大数据分析的终端门店进货推荐方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117495506A true CN117495506A (zh) | 2024-02-02 |
Family
ID=89679937
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311564313.5A Pending CN117495506A (zh) | 2023-11-22 | 2023-11-22 | 一种基于大数据分析的终端门店进货推荐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117495506A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118229333A (zh) * | 2024-05-24 | 2024-06-21 | 成都博智维讯信息技术股份有限公司 | 一种基于云计算的客户营销管理系统 |
-
2023
- 2023-11-22 CN CN202311564313.5A patent/CN117495506A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118229333A (zh) * | 2024-05-24 | 2024-06-21 | 成都博智维讯信息技术股份有限公司 | 一种基于云计算的客户营销管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lin et al. | The effect of inventory performance on product quality: The mediating effect of financial performance | |
CN117495506A (zh) | 一种基于大数据分析的终端门店进货推荐方法 | |
Nakandala et al. | Shared power and fairness in trust-based supply chain relationships in an urban local food system | |
CN112085549A (zh) | 一种基于数据处理技术的电商平台用商品推荐方法 | |
CN116304374B (zh) | 一种基于包装数据的客户匹配方法及系统 | |
Barusman et al. | Analysis of implementation cost plus pricing method in the decision on the determination of product sales Prices | |
TW202141386A (zh) | 消費數據處理方法與系統 | |
Iqbal | Machine learning applications in e-commerce | |
CN114049141A (zh) | 一种基于数据分析的企业财务运营数字化管理优化设备 | |
Shin | Information technology and diversification: how their relationship affects firm performance | |
KR100343594B1 (ko) | 가상시장의 매매동향 분석시스템 및 방법 | |
Massoud et al. | A conceptual model of personalized pricing recommender system based on customer online behavior | |
Chu et al. | Digitalization: Implications for monetary policy | |
CN116911963B (zh) | 数据驱动的农特副产品交易管理方法及云平台系统 | |
CN117035947B (zh) | 基于大数据处理的农产品数据分析方法及云平台 | |
Rostek et al. | Marketing automation in the process of communication on the B2B market | |
Borodako et al. | Online Visibility and Knowledge-Intensive Business Services Performance: The Scope of Interrelatedness | |
CN118691335A (zh) | 一种服装交易数据特征分析系统 | |
Filipova et al. | Analysing customer profiles using data mining techniques | |
CN118171849A (zh) | 基于多用户行为分析进行货品调度的供应链管理平台 | |
Akcıl et al. | Measuring Customer Purchasing Behavior based on Apriori Algorithm for Creating an Efficient Marketing Strategy | |
CN117273845A (zh) | 基于大数据技术的营销服务类电商推广服务系统 | |
Wuryantoro et al. | ANALYSIS OF SUPPLY CHAIN PERFORMANCE AND ADDED VALUE OF TEMPEH IN MATARAM CITY | |
CN116308507A (zh) | 一种基于客户价值的潜在客户挖掘方法、存储介质及设备 | |
CN115392948A (zh) | 基于数据可靠性高的区块链监测系统 |
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 |