CN117745353B - 一种商品智能兑换管理方法及系统 - Google Patents
一种商品智能兑换管理方法及系统 Download PDFInfo
- Publication number
- CN117745353B CN117745353B CN202410189164.7A CN202410189164A CN117745353B CN 117745353 B CN117745353 B CN 117745353B CN 202410189164 A CN202410189164 A CN 202410189164A CN 117745353 B CN117745353 B CN 117745353B
- Authority
- CN
- China
- Prior art keywords
- commodity
- transaction
- exchange
- supply
- efficiency
- 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.)
- Active
Links
- 238000007726 management method Methods 0.000 title claims abstract description 69
- 238000012545 processing Methods 0.000 claims abstract description 43
- 238000004458 analytical method Methods 0.000 claims abstract description 27
- 238000005457 optimization Methods 0.000 claims abstract description 25
- 238000012216 screening Methods 0.000 claims abstract description 17
- 230000009467 reduction Effects 0.000 claims abstract description 16
- 238000011156 evaluation Methods 0.000 claims description 86
- 230000000694 effects Effects 0.000 claims description 29
- 238000000034 method Methods 0.000 claims description 28
- 230000008569 process Effects 0.000 claims description 24
- 238000012797 qualification Methods 0.000 claims description 18
- 238000012163 sequencing technique Methods 0.000 claims description 9
- 230000007547 defect Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种商品智能兑换管理方法及系统,包括数据采集单元、中央处理单元和调控管理单元,其中,中央处理单元包括降本增效模块、智能推荐模块和综合分析模块,通过数据采集单元采集商品兑换数据,再通过中央处理单元构建商品兑换分析模型进行数据处理,实现了供货效能优化与智能商品推荐,从而综合监测商品兑换的交易效率,通过判定商家端的供货效能,实现择优合作,保证交易成功率和成本最小化,实现了降本增效,以及高匹配度的筛选推荐与智能推送,进而通过调控管理单元进行调控处理与优化管理操作,提高系统进行商品兑换的交易效率,并保证商品兑换交易效率的可靠性,以实现大规模商品兑换时系统的持续稳定。
Description
技术领域
本发明涉及商品管理技术领域,尤其涉及一种商品智能兑换管理方法及系统。
背景技术
商品智能兑换管理是一种利用智能技术来管理和优化兑换商品的过程的系统,通常应用于积分商城、会员兑换等场景中,该系统基于智能技术(如物联网、人工智能等),通过数字化和自动化手段,对兑换商品进行集中管理和控制,以提供更高效、便捷、可追溯的商品兑换服务;
现有的商品兑换系统过程中,由于系统对接多家供货渠道,但难以监测与实现商品供货最优化,当供货商品的质量差或供货成本远高于市场价,会使得用户对于商品兑换交易的信任度不高,从而导致交易成功率下降,同时会提高商品交易兑换端的成本;且系统难以进行智能推送,使得用户在进行大量商品筛选所需的时间长,同样会导致交易成功率下降,并且当大规模用户同时兑换时,可能会导致系统崩溃或运行缓慢,造成商品兑换的交易效率不稳定的缺陷;
针对上述的技术缺陷,现提出一种解决方案。
发明内容
本发明的目的在于:解决现有的难以实现商品供货最优化、难以进行智能筛选推送与难以承载大规模用户兑换需求的缺陷,以及从而导致的商品兑换的交易效率低与交易效率不稳定的问题。
为了实现上述目的,本发明采用了如下技术方案:
一种商品智能兑换管理方法及系统,包括以下步骤:
步骤一,数据采集单元采集获取商品兑换数据,其中,商品兑换数据包括商家信息、交易信息以及用户信息;
步骤二,中央处理单元构建商品兑换分析模型,通过商品兑换分析模型对商品兑换数据进行分析处理,其中,商品兑换分析模型的构建过程为:
先通过降本增效模块将商家信息与交易信息相结合,生成供货效能指数,从而通过阈值对比与排序,进行相应的优先供货合作;
并通过智能推荐模块将用户信息与交易信息相结合,生成商品推荐指数,从而通过阈值对比与排序,进行相应的商品推送操作;
再通过综合分析模块将供货效能指数与商品推荐指数相结合,生成交易效率评估系数,评估商品兑换的交易效率,并生成相应的调控处理信号;进而通过深度分析交易效率评估系数,评估商品兑换交易的风险程度,并生成相应的优化管理信号,从而对系统进行针对性优化;
步骤三,调控管理单元接收信号并进行相应的调控处理和优化管理操作。
进一步的,生成供货效能指数的具体过程为:
商家信息包括商家端的供货成本参数、供货效果参数和供货物流参数,预设商家端有N0个;
其中,供货成本参数包括供货商品的销售单价与折扣促销区间,供货效果参数包括供货商家的店铺评分与商品瑕疵率、货源储备量与交货周期,供货物流参数包括发货准备时间、送货物流时长以及退换货时长;
交易信息包括交易成交量与商品好评率,预设交易兑换端有N1个商品;
Sa-1:先通过整合供货成本参数获取供货成本评估系数:
将任一个商家端标记为X,预设商家端X的供货商品数量有n0个,标记其中任一个供货商品为i,供货商品i的销售单价为DJi、折扣促销区间为CXi%,则获取商家端X对供货商品i的实际供货价格JGi;
通过商品名称进行检索并同步进行供货价格测算,获取全部供货商家关于商品i的实际供货价格,预设有n1个商家对于商品i进行供货,并对n1个商家关于商品i的供货价格进行均值测算,获取商品i的供货均价PJi;
进而测算当前商家端X的供货成本评估系数Gcb;
Sa-2:再通过整合供货效果参数获取供货效果评估系数:
标记当前商家端X的店铺评分为PF、商品瑕疵率为XZ、货源储备量为CB、交货周期为ZQ;
Sa-201:通过店铺评分PF和商品瑕疵率XZ生成供货质量系数ZLx;
Sa-202:通过货源储备量CB和交货周期ZQ生成供货能力系数NLx:
Sa-203:进而通过供货质量系数ZLx与供货能力系数NLx相结合,生成供货效果评估系数Gxg;
Sa-3:再通过整合供货物流参数获取供货物流评估系数:
标记当前商家端X的发货准备时间为FH、送货物流时长为WL、退换货时长为TH;
通过发货准备时间FH、送货物流时长WL与退换货时长TH相结合,获取当前商家端X的供货物流评估系数Gwl;
Sa-4:通过整合商家端的交易信息获取一号交易评估系数:
通过交易兑换端与商家端之间的交易订单,采集商家端的交易信息,获取并标记商家端X的交易成交量为CJ1、商品好评率为HP1,通过交易成交量CJ1和商品好评率HP1,整合生成一号交易评估系数Jy1;
Sa-5:最后通过一号交易评估系数Jy1,并结合商家端X的供货成本评估系数Gcb、供货效果评估系数Gxg和供货物流评估系数Gwl,生成供货效能指数GXN;
设置供货效能指数GXN的达标阈值,通过阈值对比,提取m0个达标的商家端并按照供货效能指数进行降序排序,系统优先选择排序靠前的商家端进行供货合作。
进一步的,生成商品推荐指数的具体过程为:
Sb-1:通过用户信息进行分类筛选:
用户信息包括用户端的历史兑换参数,预设用户端有N2个,历史兑换参数包括成交商品的类型及成交价格,标记任一个用户端为Y,预设用户端Y的成交商品数量有n2个,标记其中任一个成交商品为j;
通过对交易兑换端的N1个商品进行分类,从而建立商品类型数据库,再依据商品类型数据库对成交商品j的类型进行划分,标记成交商品j的类型为LXj,将用户端Y的全部成交商品的类型进行标记,并建立用户端Y的商品类型集合SL;
再标记成交商品j的成交价格JGj,通过测算n2个成交商品的成交价格的平均值,将其作为用户端Y的成交区间的中间值MD,进而通过测算标准差,获取用户端Y的成交价格浮动系数σy,由此获取用户端Y的成交区间QJ[MD-σy,MD+σy];
先按照用户端Y的商品类型集合SL对交易兑换端的商品进行第一次筛选,获取该商品在用户端Y的类型系数Lx;进而通过用户端Y的成交区间QJ[MD-σy,MD+σy]对商品进行第二次筛选,获取该商品在用户端Y的价格系数Jg;
Sb-2:通过整合用户端的交易信息获取二号交易评估系数:
通过交易兑换端与用户端之间的交易订单,采集用户端的交易信息,获取并标记用户端Y的交易成交量为CJ2、商品好评率为HP2,通过交易成交量CJ2和商品好评率HP2,整合生成二号交易评估系数Jy2;
Sb-3:最后通过二号交易评估系数Jy2,并结合商品在用户端Y的类型系数Lx与价格系数Jg,获取商品的商品推荐指数STJ;
设置商品推荐指数STJ的达标阈值,通过阈值对比,提取m1个达标的用户端并按照商品推荐指数进行降序排序,系统优先将当前商品推送到排序靠前的用户端进行智能推送。
进一步的,生成交易效率评估系数的具体过程为:
Sc-1:设置信息结算周期Tjs对交易效率评估系数进行结算,调取信息结算周期内的供货效能指数和商品推荐指数:
对于交易兑换端的任一个商品,分别获取该商品与N0个商家端的供货效能指数,以及该商品与N2个用户端的商品推荐指数,通过设置阈值与排序操作,从而提取其中m0个达标的商家端及其对应的供货效能指数,以及m1个达标的用户端及其对应的商品推荐指数;
Sc-2:进而通过交易兑换端的N1个商品的测算数据,从而生成交易效率评估系数Xjy;
Sc-3:通过设置交易效率评估系数Xjy的效率区间,经区间对比判定商品兑换的交易效率,并生成相应的调控处理信号。
进一步的,对交易效率评估系数进行深度分析的具体过程为:
Sd-1:以信息结算周期Tjs为横坐标,以交易效率评估系数Xjy为纵坐标,构建交易效率评估系数Xjy-信息结算周期Tjs的二维动态曲线变化图S0;
Sd-2:获取动态曲线S0的全部点的坐标,预设全部点的数量有M0个,通过求取M0个点的纵坐标方差值,获取动态曲线S0的曲线波动系数σs,进而获取交易效率风险系数Xfx;
Sd-3:通过设置交易效率风险系数Xfx的风险区间,经区间对比判定商品兑换的交易风险,并生成相应的优化管理信号。
一种商品智能兑换管理系统,包括数据采集单元、中央处理单元和调控管理单元,其中,中央处理单元包括降本增效模块、智能推荐模块和综合分析模块。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
本发明通过数据采集单元采集商品兑换数据,再通过中央处理单元构建商品兑换分析模型进行数据处理,实现了供货效能优化与智能商品推荐,从而综合监测商品兑换的交易效率,进而通过调控管理单元进行调控处理与优化管理操作,提高系统进行商品兑换的交易效率,并保证商品兑换交易效率的持续可靠性;
本发明通过降本增效模块将商家信息与交易信息相结合,从而判定商家端的供货效能,实现择优合作,保证交易成功率和成本最小化,实现了降本增效;并通过智能推荐模块将用户信息与交易信息相结合,从而测算用户端的商品推荐指数,实现高匹配度的筛选推荐与智能推送;进而通过综合分析商品兑换交易效率,并进行调控处理操作实现对商品兑换交易效率的整体监测把控,以及进行优化管理操作保障系统的可靠性,实现大规模商品兑换时系统的持续稳定。
附图说明
图1示出了本发明的模块示意图;
图2示出了本发明的流程示意图;
图3示出了本发明的商品兑换分析模型的流程示意图。
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、完整的描述,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。
实施例
如图1-3所示,一种商品智能兑换管理系统,包括数据采集单元、中央处理单元和调控管理单元,其中,中央处理单元包括降本增效模块、智能推荐模块和综合分析模块;
工作概况如下:
商品兑换涉及商家端、交易兑换端与用户端,其中,商家端与交易兑换端存在供货交易,用户端与交易兑换端之间存在兑换交易,因此,需要对供货交易阶段进行降本增效与提高交易成功率,以及需要对兑换交易阶段提高效率,从而实现整体的商品交易兑换效率提升;
在供货交易阶段,通过供货成本、供货效果与供货物流相结合,监测供货效能,当商家的供货质量与供货能力越高,则说明供货效果好,并且当商家的供货成本低且供货物流快,则能够实现降本增效与提高交易成功率;
在兑换交易阶段,通过用户端的历史订单获取用户的行为偏好,对商品与用户端进行匹配度测算,获取商品与用户端之间的推荐指数,若推荐指数高则进行定向推送,用户端接收到推送的若干商品,便于高效筛选所需的商品,再进行兑换交易,减少用户的商品筛选时间,提高兑换交易的效率;
再综合分析供货效能指数与商品推荐指数,若两者越高,则表示供货交易阶段与兑换交易阶段的效能越高,说明商品兑换的交易效率越高、效果越好,再深度分析进行风险动态监测以及遏制风险恶化的管理操作,保证大规模用户同时兑换的情况下,系统仍能稳定运行;
具体的工作步骤如下:
S1,数据采集单元采集获取商品兑换数据,其中,商品兑换数据包括商家信息、交易信息以及用户信息;
S2,中央处理单元构建商品兑换分析模型,通过商品兑换分析模型对商品兑换数据进行分析处理,其中,商品兑换分析模型的构建过程为:
商家信息包括商家端的供货成本参数、供货效果参数和供货物流参数,预设商家端有N0个;其中,供货成本参数包括供货商品的销售单价与折扣促销区间,供货效果参数包括供货商家的店铺评分与商品瑕疵率、货源储备量与交货周期,供货物流参数包括发货准备时间、送货物流时长以及退换货时长;
交易信息包括交易成交量与商品好评率,预设商品有N1个;
用户信息包括用户端的历史兑换参数,预设用户端有N2个,历史兑换参数包括成交商品的类型及其成交价格;
S2-1,先通过降本增效模块将商家信息与交易信息相结合,生成供货效能指数,从而通过阈值对比与排序,进行相应的优先供货合作,具体过程为:
Sa-1:先通过整合供货成本参数获取供货成本评估系数:
将任一个商家端标记为X,预设商家端X的供货商品数量有n0个,标记其中任一个供货商品为i,供货商品i的销售单价为DJi、折扣促销区间为CXi%,则供货商品i的实际供货价格为JGi:
当供货商品i的单价DJi越低,而折扣促销区间CXi%越高时,则该供货商品的实际供货价格JGi越低,通过商品名称进行检索并同步进行供货价格测算,获取全部供货商家关于商品i的供货价格;
预设有n1个商家对于商品i进行供货,并对n1个商家关于商品i的供货价格进行均值测算,获取商品i的供货均价PJi:
进而测算当前商家端X的供货成本评估系数Gcb:
当商品i的供货均价PJi越高,而商家端X关于商品i的实际供货价格JGi越低,则商家端X的供货成本评估系数Gcb越高,说明商家端X的供货成本优势越高,系统优先选择当前商家端X;
Sa-2:再通过整合供货效果参数获取供货效果评估系数:
标记当前商家端X的店铺评分为PF、商品瑕疵率为XZ、货源储备量为CB、交货周期为ZQ;
Sa-201:通过店铺评分PF和商品瑕疵率XZ生成供货质量系数ZLx:
其中,α1和α2分别为店铺评分PF和商品瑕疵率XZ的权重因子系数,且α1和α2均大于0;权重因子系数通过大量实验数据测算从而预设获取;当店铺评分PF越高而商品瑕疵率XZ越低时,则供货质量系数ZLx越高,说明当店铺好评越高而商品瑕疵越少,则表示商家X的供货质量越好;
Sa-202:通过货源储备量CB和交货周期ZQ生成供货能力系数NLx:
其中,α3和α4分别为货源储备量CB和交货周期ZQ的权重因子系数,且α3和α4均大于0;当货源储备量CB越高而交货周期ZQ越低时,则供货能力系数NLx越高,说明当货源储备越充足且交货周期越短,则表示商家X的供货能力越强;
Sa-203:进而通过供货质量系数ZLx与供货能力系数NLx相结合,生成供货效果评估系数Gxg:
其中,μ1和μ2分别为供货质量系数ZLx与供货能力系数NLx的权重因子系数,且μ1和μ2均大于0;当供货质量系数ZLx与供货能力系数NLx越高,则供货效果评估系数Gxg越高,表示商家端X的供货效果越好,系统优先选择当前商家端X;
Sa-3:再通过整合供货物流参数获取供货物流评估系数:
标记当前商家端X的发货准备时间为FH、送货物流时长为WL、退换货时长为TH;其中,供货物流参数通过采集若干个数据值并测算平均值获取整体的平均数据,例如发货准备时间:通过随机采集预设数量个订单的发货准备时间并取平均值,将均值作为商家端的发货准备时间,由于商家的订单持续增多且发货时间不完全相同,因此发货准备时间的数据值处于动态变化的状态;
通过发货准备时间FH、送货物流时长WL与退换货时长TH相结合,获取当前商家端X的供货物流评估系数Gwl:
其中,β1、β2和β3分别为发货准备时间FH、送货物流时长WL与退换货时长TH的权重因子系数,且β1、β2和β3均大于0;当发货准备时间FH、送货物流时长WL与退换货时长TH越低时,则供货物流评估系数Gwl越高,说明商家端X的供货物流优势越高,系统会优先选择当前商家端X;
Sa-4:通过整合商家端的交易信息获取一号交易评估系数:
通过交易兑换端与商家端之间的交易订单,采集商家端的交易信息,获取并标记商家端X的交易成交量为CJ1、商品好评率为HP1,通过交易成交量CJ1和商品好评率HP1,整合生成一号交易评估系数Jy1:
其中,ω1和ω2分别为交易成交量CJ1和商品好评率HP1的权重因子系数,且ω1和ω2均大于0;当交易成交量CJ1和商品好评率HP1越高时,则一号交易评估系数Jy1越高,说明该商家端的交易兑换效果越好;
Sa-5:最后通过一号交易评估系数Jy1,并结合商家端X的供货成本评估系数Gcb、供货效果评估系数Gxg和供货物流评估系数Gwl,生成供货效能指数GXN:
其中,ε0、ε1、ε2和ε3分别为一号交易评估系数Jy、供货成本评估系数Gcb、供货效果评估系数Gxg和供货物流评估系数Gwl的权重因子系数,且ε1、ε2和ε3均大于1;当一号交易评估系数Jy、供货成本评估系数Gcb、供货效果评估系数Gxg和供货物流评估系数Gwl越高,则供货效能指数GXN越高,表示商家端X的供货效能越高,交易兑换端通过与供货效能高的商家端达成合作能够有效的降低成本、保证质量并提高性价比;
设置供货效能指数GXN的达标阈值,通过阈值对比,提取m0个达标的商家端并按照供货效能指数进行降序排序,系统优先选择排序靠前的商家端进行供货合作,在商品兑换交易过程中实现降本增效的作用;
S2-2,通过智能推荐模块将用户信息与交易信息相结合,生成商品推荐指数,从而通过阈值对比与排序,进行相应的商品推送操作,具体过程为:
Sb-1:通过用户信息进行分类筛选:
交易兑换端通过供货效能指数选择商家端,并以此获取交易兑换端的N1个商品,交易信息包括交易兑换端的交易成交量与商品好评率,预设交易兑换端的商品有N1个;
Sb-101:标记任一个用户端为Y,预设用户端Y的成交商品数量有n2个,标记其中任一个成交商品为j;
通过对交易兑换端的商品进行分类,从而建立商品类型数据库,再依据商品类型数据库对成交商品j的类型进行划分,标记成交商品j的类型为LXj,将用户端Y的全部成交商品的类型进行标记,并建立用户端Y的商品类型集合SL;
再标记成交商品j的成交价格JGj,通过测算n2个成交商品的成交价格的平均值,将其作为用户端Y的成交区间的中间值MD,进而通过测算标准差,获取用户端Y的成交价格浮动系数σy:
由此获取用户端Y的成交区间QJ[MD-σy,MD+σy];
Sb-102:按照用户端Y的商品类型集合SL对交易兑换端的商品进行第一次筛选:当交易兑换端的商品属于用户端Y的商品类型集合SL时,则提取相应的商品并标记为初筛商品,预设该商品在用户端Y的类型系数为Lx,当该商品属于初筛商品,则为类型系数Lx赋值为e1,反之,当该商品不属于初筛商品,则为类型系数Lx赋值为e2,其中,e1>e2;
Sb-103:进而通过用户端Y的成交区间QJ[MD-σy,MD+σy]对初筛商品进行第二次筛选:当初筛商品的价格位于成交区间QJ[MD-σy,MD+σy]内,则提取相应的商品并标记为推荐商品,预设该商品在用户端Y的价格系数为Jg,当该商品属于推荐商品,则为价格系数Jg赋值为e3,反之,当该商品不属于推荐商品,则为价格系数Jg赋值为e4,其中,e3>e4;
Sb-2:通过整合用户端的交易信息获取二号交易评估系数:
通过交易兑换端与用户端之间的交易订单,采集用户端的交易信息,获取并标记用户端Y的交易成交量为CJ2、商品好评率为HP2,通过交易成交量CJ2和商品好评率HP2,整合生成二号交易评估系数Jy2:
其中,ω3和ω4分别为交易成交量CJ2和商品好评率HP2的权重因子系数,且ω3和ω4均大于0;当交易成交量CJ2和商品好评率HP2越高时,则二号交易评估系数Jy2越高,说明该用户端的交易兑换效果越好;
Sb-3:最后通过二号交易评估系数Jy2,并结合商品在用户端Y的类型系数Lx与价格系数Jg,获取商品的商品推荐指数STJ:
其中,ε4、ε5和ε6分别为二号交易评估系数Jy2、类型系数Lx与价格系数Jg的权重因子系数,且ε4、ε5和ε6均大于1;当二号交易评估系数Jy2、类型系数Lx与价格系数Jg越高,则商品推荐指数STJ越高,表示用户端Y与该商品之间的推荐效果越好;
交易兑换端包括N1个商品,对于其中任一个商品,获取该商品的商品推荐指数,再设置商品推荐指数STJ的达标阈值,通过阈值对比,提取m1个达标的用户端并按照商品推荐指数进行降序排序,系统优先将当前商品推送到排序靠前的用户端,以此类推,对交易兑换端的N1个商品依次进行定向推送,直至全部商品分别推送完毕,从而在商品兑换交易过程中实现智能推荐的作用;
S2-3,通过综合分析模块将供货效能指数与商品推荐指数相结合,生成交易效率评估系数,评估商品兑换的交易效率,并生成相应的调控处理信号,具体过程为:
Sc-1:对于交易兑换端的任一个商品,分别获取该商品与N0个商家端的供货效能指数,以及该商品与N2个用户端的商品推荐指数,通过设置阈值与排序操作,从而提取其中m0个达标的商家端及其对应的供货效能指数,以及m1个达标的用户端及其对应的商品推荐指数;
Sc-2:进而通过交易兑换端的N1个商品的测算数据,从而生成交易效率评估系数Xjy:
Sc-3:通过设置交易效率评估系数Xjy的效率区间,经区间对比判定商品兑换的交易效率,并生成相应的调控处理信号;
其中,设置一级效率区间H1、二级效率区间H2以及三级效率区间H3,进行区间对比:
当交易效率评估系数Xjy位于一级效率区间H1时,判定商品兑换的交易效率低,生成Ⅰ级调控处理信号;
当交易效率评估系数Xjy位于二级效率区间H2时,判定商品兑换的交易效率一般,生成Ⅱ级调控处理信号;
当交易效率评估系数Xjy位于三级效率区间H3时,判定商品兑换的交易效率高,生成Ⅲ级调控处理信号;
再将Ⅰ级调控处理信号、Ⅱ级调控处理信号和Ⅲ级调控处理信号整合为调控信号组并发送到调控管理单元;
S2-4,进而通过深度分析交易效率评估系数,评估商品兑换交易的风险程度,并生成相应的优化管理信号,从而对系统进行针对性优化,具体过程为:
Sd-1:由于交易兑换端的商品处于浮动状态,有商品的更新升级、商品的淘汰以及商品的引进,因此,交易兑换端的交易效率评估系数的测算结果处于变化状态,设置信息结算周期Tjs,以信息结算周期Tjs为横坐标,以交易效率评估系数Xjy-为纵坐标,构建交易效率评估系数Xjy-信息结算周期Tjs的二维动态曲线变化图S0;
Sd-2:获取动态曲线S0的全部点的坐标,预设全部点的数量有M0个,通过求取M0个点的纵坐标方差值,获取动态曲线S0的曲线波动系数σs:
其中,Yp为动态曲线S0的任一点的纵坐标,为动态曲线S0的全部点的纵坐标平均值;
进而获取交易效率风险系数Xfx:
其中,λ1和λ2分别为曲线波动系数σs与纵坐标平均值的权重因子系数,且λ1和λ2均大于0;当曲线波动系数σs越 高,而纵坐标平均值/>越低时,则交易效率风险系数Xfx越高,说明当曲线的波动程度越高且交易效率整体越低时,则表示交易效率的风险程度越高;
Sd-3:通过设置交易效率风险系数Xfx的风险区间,经区间对比判定商品兑换的交易风险,并生成相应的优化管理信号;
其中,设置一级风险区间K1、二级风险区间K2以及三级风险区间K3,进行区间对比:
当交易效率风险系数Xfx位于一级风险区间K1时,判定商品兑换的交易风险低,生成Ⅰ级优化管理信号;
当交易效率风险系数Xfx位于二级风险区间K2时,判定商品兑换的交易风险为中度,生成Ⅱ级优化管理信号;
当交易效率风险系数Xfx位于三级风险区间K3时,判定商品兑换的交易风险高,生成Ⅲ级优化管理信号;
再将Ⅰ级优化管理信号、Ⅱ级优化管理信号和Ⅲ级优化管理信号整合为管理信号组并发送到调控管理单元;
S3,调控管理单元接收信号并进行相应的调控处理和优化管理操作;
S3-1,调控处理操作的具体过程为:
调控管理单元接收Ⅰ级调控处理信号,编辑文本“商品兑换的交易效率低”并显示,从而提示后台管理人员对系统进行调试优化,例如,对系统进行扩容处理,增大硬件磁盘空间与内存,保障数据处理的运算能力,从而高效实现降本增效与智能推送,从而提高交易效率;
调控管理单元接收Ⅱ级调控处理信号,编辑文本“商品兑换的交易效率一般”并显示,从而提示后台管理人员对系统进行预警准备,例如,对系统进行状态检测,获取当前系统的运行风险区域,并提前进行风险修复,提前对风险进行扼制,避免系统状态恶化,保障交易效率的持续稳定;
调控管理单元接收Ⅲ级调控处理信号,编辑文本“商品兑换的交易效率高”并显示,说明当前系统的状态优良,则不做处理;
通过调控处理操作实现对商品兑换交易效率的整体监测把控;
S3-2,优化管理操作的具体过程为:
调控管理单元接收Ⅰ级优化管理信号,编辑文本“商品兑换的交易风险低”并显示,说明当前商品兑换的交易风险低,则不做处理;
调控管理单元接收Ⅱ级优化管理信号,编辑文本“商品兑换的交易风险中度”并显示,说明当前商品兑换的交易风险为中度,则进行精细化分析,对系统进行针对性优化操作,其中,精细化分析的过程如下:
调取当前信息结算周期的交易效率评估系数,并获取供货效能对比因子DB1与智能推荐对比因子DB2;
供货效能对比因子DB1:
智能推荐对比因子DB2:
分别设置供货效能对比因子DB1与智能推荐对比因子DB2的异常阈值,通过阈值对比从而定位当前信息结算周期的异常模块,并针对性进行处理:
预设供货效能对比因子DB1的异常阈值为YC1,当供货效能对比因子DB1低于异常阈值YC1,则生成一号异常管理信号,并针对降本增效模块进行优化管理;
预设智能推荐对比因子DB2的异常阈值为YC2,当智能推荐对比因子DB2低于异常阈值YC2,则生成二号异常管理信号,并针对智能推荐模块进行优化管理;
当同时生成一号异常管理信号和二号异常管理信号时,则同步对降本增效模块和智能推荐模块进行优化管理;
调控管理单元接收Ⅲ级优化管理信号,编辑文本“商品兑换的交易风险高”并显示,说明当前商品兑换的交易风险高,则同步对降本增效模块和智能推荐模块进行优化管理;
其中,优化管理操作比如对两个模块进行测试,再进行硬件更换与网络维护,通过优化管理操作保障系统的可靠性,实现大规模商品兑换的持续稳定。
综上所述,本发明通过数据采集单元采集商品兑换数据,再通过中央处理单元构建商品兑换分析模型进行数据处理,实现了供货效能优化与智能商品推荐,从而综合监测商品兑换的交易效率,进而通过调控管理单元进行调控处理与优化管理操作,提高系统进行商品兑换的交易效率,并保证商品兑换的持续可靠性;
本发明通过降本增效模块将商家信息与交易信息相结合,从而判定商家端的供货效能,实现择优合作,保证交易成功率和成本最小化,实现了降本增效;再通过智能推荐模块将用户信息与交易信息相结合,从而测算用户端的商品推荐指数,实现高匹配度的筛选推荐与智能推送;进而通过综合分析商品兑换交易效率,并进行调控处理操作实现对商品兑换交易效率的整体监测把控,以及进行优化管理操作保障系统的可靠性,实现大规模商品兑换时系统的持续稳定。
区间、阈值的大小的设定是为了便于比较,关于阈值的大小,取决于样本数据的多少及本领域技术人员对每一组样本数据设定基数数量;只要不影响参数与量化后数值的比例关系即可。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置;
以上所述,仅为本发明较佳的具体实施方式,但本发明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发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (2)
1.一种商品智能兑换管理方法,其特征在于:包括以下步骤:
步骤一,数据采集单元采集获取商品兑换数据,其中,商品兑换数据包括商家信息、交易信息以及用户信息;
步骤二,中央处理单元构建商品兑换分析模型,通过商品兑换分析模型对商品兑换数据进行分析处理,其中,商品兑换分析模型的构建过程为:
先通过降本增效模块将商家信息与交易信息相结合,生成供货效能指数,从而通过阈值对比与排序,进行相应的优先供货合作;
并通过智能推荐模块将用户信息与交易信息相结合,生成商品推荐指数,从而通过阈值对比与排序,进行相应的商品推送操作;
再通过综合分析模块将供货效能指数与商品推荐指数相结合,生成交易效率评估系数,评估商品兑换的交易效率,并生成相应的调控处理信号;进而通过深度分析交易效率评估系数,生成交易效率风险系数,评估商品兑换交易的风险程度,并生成相应的优化管理信号;
步骤三,调控管理单元接收信号并进行相应的调控处理和优化管理操作;
生成供货效能指数的具体过程为:
商家信息包括商家端的供货成本参数、供货效果参数和供货物流参数,预设商家端有N0个;
其中,供货成本参数包括供货商品的销售单价与折扣促销区间,供货效果参数包括供货商家的店铺评分与商品瑕疵率、货源储备量与交货周期,供货物流参数包括发货准备时间、送货物流时长以及退换货时长;
交易信息包括交易成交量与商品好评率,预设交易兑换端有N1个商品;
Sa-1:先通过整合供货成本参数获取供货成本评估系数:
将任一个商家端标记为X,预设商家端X的供货商品数量有n0个,标记其中任一个供货商品为i,供货商品i的销售单价为DJi、折扣促销区间为CXi%,则获取商家端X对供货商品i的实际供货价格JGi;
通过商品名称进行检索并同步进行供货价格测算,获取全部供货商家关于商品i的实际供货价格,预设有n1个商家对于商品i进行供货,并对n1个商家关于商品i的供货价格进行均值测算,获取商品i的供货均价PJi;
进而测算当前商家端X的供货成本评估系数Gcb;
Sa-2:再通过整合供货效果参数获取供货效果评估系数:
标记当前商家端X的店铺评分为PF、商品瑕疵率为XZ、货源储备量为CB、交货周期为ZQ;
Sa-201:通过店铺评分PF和商品瑕疵率XZ生成供货质量系数ZLx;
Sa-202:通过货源储备量CB和交货周期ZQ生成供货能力系数NLx:
Sa-203:进而通过供货质量系数ZLx与供货能力系数NLx相结合,生成供货效果评估系数Gxg;
Sa-3:再通过整合供货物流参数获取供货物流评估系数:
标记当前商家端X的发货准备时间为FH、送货物流时长为WL、退换货时长为TH;
通过发货准备时间FH、送货物流时长WL与退换货时长TH相结合,获取当前商家端X的供货物流评估系数Gwl;
Sa-4:通过整合商家端的交易信息获取一号交易评估系数:
通过交易兑换端与商家端之间的交易订单,采集商家端的交易信息,获取并标记商家端X的交易成交量为CJ1、商品好评率为HP1,通过交易成交量CJ1和商品好评率HP1,整合生成一号交易评估系数Jy1;
Sa-5:最后通过一号交易评估系数Jy1,并结合商家端X的供货成本评估系数Gcb、供货效果评估系数Gxg和供货物流评估系数Gwl,生成供货效能指数GXN;
设置供货效能指数GXN的达标阈值,通过阈值对比,提取m0个达标的商家端并按照供货效能指数进行降序排序,系统优先选择排序靠前的商家端进行供货合作;
生成商品推荐指数的具体过程为:
Sb-1:通过用户信息进行分类筛选:
用户信息包括用户端的历史兑换参数,预设用户端有N2个,历史兑换参数包括成交商品的类型及成交价格,标记任一个用户端为Y,预设用户端Y的成交商品数量有n2个,标记其中任一个成交商品为j;
通过对交易兑换端的N1个商品进行分类,从而建立商品类型数据库,再依据商品类型数据库对成交商品j的类型进行划分,标记成交商品j的类型为LXj,将用户端Y的全部成交商品的类型进行标记,并建立用户端Y的商品类型集合SL;
再标记成交商品j的成交价格JGj,通过测算n2个成交商品的成交价格的平均值,将其作为用户端Y的成交区间的中间值MD,进而通过测算标准差,获取用户端Y的成交价格浮动系数σy,由此获取用户端Y的成交区间QJ[MD-σy,MD+σy];
先按照用户端Y的商品类型集合SL对交易兑换端的商品进行第一次筛选,获取该商品在用户端Y的类型系数Lx;进而通过用户端Y的成交区间QJ[MD-σy,MD+σy]对商品进行第二次筛选,获取该商品在用户端Y的价格系数Jg;
Sb-2:通过整合用户端的交易信息获取二号交易评估系数:
通过交易兑换端与用户端之间的交易订单,采集用户端的交易信息,获取并标记用户端Y的交易成交量为CJ2、商品好评率为HP2,通过交易成交量CJ2和商品好评率HP2,整合生成二号交易评估系数Jy2;
Sb-3:最后通过二号交易评估系数Jy2,并结合商品在用户端Y的类型系数Lx与价格系数Jg,获取商品的商品推荐指数STJ;
设置商品推荐指数STJ的达标阈值,通过阈值对比,提取m1个达标的用户端并按照商品推荐指数进行降序排序,系统优先将当前商品推送到排序靠前的用户端进行智能推送;
生成交易效率评估系数的具体过程为:
Sc-1:设置信息结算周期Tjs对交易效率评估系数进行结算,调取信息结算周期内的供货效能指数和商品推荐指数:
对于交易兑换端的任一个商品,分别获取该商品与N0个商家端的供货效能指数,以及该商品与N2个用户端的商品推荐指数,通过设置阈值与排序操作,从而提取其中m0个达标的商家端及其对应的供货效能指数,以及m1个达标的用户端及其对应的商品推荐指数;
Sc-2:进而通过交易兑换端的N1个商品的测算数据,从而生成交易效率评估系数Xjy;
Sc-3:通过设置交易效率评估系数Xjy的效率区间,经区间对比判定商品兑换的交易效率,并生成相应的调控处理信号;
对交易效率评估系数进行深度分析的具体过程为:
Sd-1:以信息结算周期Tjs为横坐标,以交易效率评估系数Xjy为纵坐标,构建交易效率评估系数Xjy-信息结算周期Tjs的二维动态曲线变化图S0;
Sd-2:获取动态曲线S0的全部点的坐标,预设全部点的数量有M0个,通过求取M0个点的纵坐标方差值,获取动态曲线S0的曲线波动系数σs,进而获取交易效率风险系数Xfx;
Sd-3:通过设置交易效率风险系数Xfx的风险区间,经区间对比判定商品兑换的交易风险,并生成相应的优化管理信号。
2.一种商品智能兑换管理系统,其特征在于:应用权利要求1所述的商品智能兑换管理方法,包括数据采集单元、中央处理单元和调控管理单元,其中,中央处理单元包括降本增效模块、智能推荐模块和综合分析模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410189164.7A CN117745353B (zh) | 2024-02-20 | 2024-02-20 | 一种商品智能兑换管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410189164.7A CN117745353B (zh) | 2024-02-20 | 2024-02-20 | 一种商品智能兑换管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117745353A CN117745353A (zh) | 2024-03-22 |
CN117745353B true CN117745353B (zh) | 2024-04-23 |
Family
ID=90279891
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410189164.7A Active CN117745353B (zh) | 2024-02-20 | 2024-02-20 | 一种商品智能兑换管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117745353B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7747475B1 (en) * | 2008-09-05 | 2010-06-29 | Amazon Technologies, Inc. | Intelligent and firm currency conversion |
CN104881807A (zh) * | 2015-06-26 | 2015-09-02 | 陆健 | 一种推荐商品信息的方法及装置 |
CN115545757A (zh) * | 2022-09-26 | 2022-12-30 | 江苏经贸职业技术学院 | 一种用于电商交易主体的行为数据智能模拟方法 |
CN116308684A (zh) * | 2023-05-18 | 2023-06-23 | 和元达信息科技有限公司 | 一种网购平台店铺信息推送方法及系统 |
CN117010953A (zh) * | 2023-06-16 | 2023-11-07 | 东莞市莞云信息科技有限公司 | 一种商城积分兑换系统 |
-
2024
- 2024-02-20 CN CN202410189164.7A patent/CN117745353B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7747475B1 (en) * | 2008-09-05 | 2010-06-29 | Amazon Technologies, Inc. | Intelligent and firm currency conversion |
CN104881807A (zh) * | 2015-06-26 | 2015-09-02 | 陆健 | 一种推荐商品信息的方法及装置 |
CN115545757A (zh) * | 2022-09-26 | 2022-12-30 | 江苏经贸职业技术学院 | 一种用于电商交易主体的行为数据智能模拟方法 |
CN116308684A (zh) * | 2023-05-18 | 2023-06-23 | 和元达信息科技有限公司 | 一种网购平台店铺信息推送方法及系统 |
CN117010953A (zh) * | 2023-06-16 | 2023-11-07 | 东莞市莞云信息科技有限公司 | 一种商城积分兑换系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117745353A (zh) | 2024-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106570778B (zh) | 一种基于大数据的数据集成与线损分析计算的方法 | |
CN112116277A (zh) | 一种全链条食品安全大数据采集方法 | |
CN115438912B (zh) | 工业品采购供应链碳排放信息数据综合管理方法和系统 | |
CN109241413A (zh) | 一种运维工单的知识推荐方法和运维工作平台 | |
CN111028050A (zh) | 一种基于数据驱动的异常投标行为检测评估方法及系统 | |
CN117745353B (zh) | 一种商品智能兑换管理方法及系统 | |
CN114331647A (zh) | 一种基于深度学习的结构化招投标文本信息的方法与装置 | |
CN110163722B (zh) | 用于农产品精准销售的大数据分析系统及分析方法 | |
CN106228401A (zh) | 一种销售系统 | |
CN111626583A (zh) | 一种新型城镇能源互联网工程后评价方法和系统 | |
CN112734295A (zh) | 一种行业指数分析管理系统及分析方法 | |
CN117371947A (zh) | 一种建设项目信息化管理方法及系统 | |
CN112365321A (zh) | 一种实现生鲜电商平台多商家商品有效监管识别的方法 | |
CN116150989A (zh) | 光伏组件制造方法和光伏组件 | |
CN113112292A (zh) | 一种大宗商品交易中的监管商品智能化推荐方法与系统 | |
CN116258557B (zh) | 基于化学安全产品渠道的网络分销系统 | |
CN113947273A (zh) | 一种基于大数据的多途径配网成本核算系统 | |
CN116227999B (zh) | 市场监管软件运维服务质量评价指标定量测算系统及方法 | |
CN116663750B (zh) | 一种产业链数据价值评估分析系统 | |
CN115544358A (zh) | 一种融合多平台行为特征的短视频直播营销推荐系统及方法 | |
Wicks et al. | NCIC: a software tool for capital investment analysis in manufacturing | |
CN114510508A (zh) | 一种基于云服务器的金相分析方法和系统 | |
CN116777567A (zh) | 一种基于人工智能的订单生成方法及系统 | |
CN117151439A (zh) | 一种供应链底层智慧服务系统 | |
CN117876161A (zh) | 一种智慧餐饮食材量化智能监管系统及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |