WO2020140697A1 - 支付渠道推荐方法及其系统 - Google Patents

支付渠道推荐方法及其系统 Download PDF

Info

Publication number
WO2020140697A1
WO2020140697A1 PCT/CN2019/124092 CN2019124092W WO2020140697A1 WO 2020140697 A1 WO2020140697 A1 WO 2020140697A1 CN 2019124092 W CN2019124092 W CN 2019124092W WO 2020140697 A1 WO2020140697 A1 WO 2020140697A1
Authority
WO
WIPO (PCT)
Prior art keywords
payment
channel
recommendation
time window
ratio
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.)
Ceased
Application number
PCT/CN2019/124092
Other languages
English (en)
French (fr)
Inventor
吴彦伦
周扬
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.)
Alibaba Group Holding Ltd
Original Assignee
Alibaba Group Holding 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 Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Publication of WO2020140697A1 publication Critical patent/WO2020140697A1/zh
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/08—Payment architectures
    • G06Q20/085—Payment architectures involving remote charge determination or related payment systems

Definitions

  • This application relates to the field of online payment, especially to the recommended technology of payment channels.
  • E-commerce websites often have big promotions, and every big sale is a challenge for the payment system.
  • One problem faced by payment systems is the risk of payment channel capacity. If you do not guide the use of users' payment channels, it may lead to a large number of users using a payment channel in a concentrated manner, exceeding the processing capacity of the payment channel, so that the payment cannot be completed in time, resulting in Poor user payment experience may ultimately affect sales.
  • the purpose of this application is to provide a payment channel recommendation method and system, which can effectively achieve the capacity goal of the payment channel, and at the same time allow users to have a good payment experience.
  • this application discloses a payment channel recommendation method, including:
  • the recommended ratio of the payment capacity of each channel in the previous time window is adjusted to obtain the recommended ratio of the payment capacity of each channel in the current time window ;
  • a payment channel recommendation result for the specified user is obtained; wherein the payment preference parameter is a parameter reflecting the degree of preference of a user for each payment channel that can be used by the user.
  • the adjustment of the recommendation ratio of the previous time window further includes:
  • the payment channel recommendation result for the specified user is obtained, further including:
  • the channel with the largest recommendation value is used as the recommendation result of the payment channel for the specified user.
  • the payment preference parameter is obtained based on the user's payment behavior in the most recent period and/or the user's settings.
  • the step of obtaining the recommendation result of the payment channel of the specified user according to the recommendation ratio of the current time window and the payment preference parameter of the specified user is triggered when the specified user submits an order.
  • the method further includes: sending the payment channel recommendation result to the terminal used by the specified user.
  • the length of the time window is in the range of 10 seconds to 15 seconds.
  • This application also discloses a payment channel recommendation system, including:
  • the actual proportion acquisition module is used to acquire the actual proportion of the payment capacity of each channel in the previous time window
  • the recommendation ratio adjustment module is used to adjust the recommended ratio of the payment capacity of each channel in the previous time window according to the actual ratio and the preset proportion of the payment capacity of each channel payment capacity in the current time window to obtain the payment capacity of each channel Recommendation ratio in the current time window;
  • the recommendation module is used to obtain the recommendation result of the payment channel of the specified user according to the recommendation ratio of the current time window and the payment preference parameter of the specified user; wherein the payment preference parameter reflects the payment channels available to a user The preference parameter.
  • the recommendation ratio adjustment module adjusts the recommendation ratio by dividing the expected proportion of the payment capacity of each channel in the current time window by the actual proportion of the payment capacity of each channel in the previous time window, Then multiply the recommended ratio of the payment capacity of each channel in the previous time window to obtain the recommended ratio of the payment capacity of each channel in the current time window.
  • the recommendation module further includes:
  • a recommendation value calculation submodule for each channel, multiplying the recommendation ratio of the channel in the current time window by the payment preference parameter of the specified user to the channel to obtain the recommended value of the specified user to the channel;
  • the comparison submodule is used to select the channel with the largest recommendation value as the payment channel recommendation result for the specified user.
  • the payment preference parameter is obtained based on the user's payment behavior in the most recent period and/or the user's settings.
  • the recommendation module is triggered when the designated user submits an order to calculate the payment channel recommendation result for the designated user.
  • it further includes a sending module for sending the payment channel recommendation result to the terminal used by the designated user.
  • the length of the time window is in the range of 10 seconds to 15 seconds.
  • This application also discloses a payment channel recommendation system, including:
  • Memory for storing computer executable instructions
  • the processor is configured to implement the steps in the method as described above when executing the computer-executable instructions.
  • the present application also discloses a computer-readable storage medium that stores computer-executable instructions, which when executed by a processor, implement the steps in the method as described above.
  • the implementation method of this application can not only quickly and effectively achieve the capacity goal of the payment channel, but also allow users to have a good payment experience, and achieve real-time dynamic adjustments in user experience and resource allocation, and do not require more scene-related Prior Knowledge.
  • FIG. 1 is a schematic flowchart of a payment channel recommendation method according to the first embodiment of the present application.
  • FIG. 2 is a schematic structural diagram of a payment channel recommendation system according to a second embodiment of the present application.
  • Time window refers to a period of preset length. For example, 1 minute can be divided into 6 time windows in sequence of 10 seconds.
  • Payment channels for example, bank cards issued by different banks are different payment channels, and different third-party payment methods also belong to different payment channels.
  • the payment channel may also be simply referred to as a channel.
  • the proportion of payment capacity of each channel in a time window in a time window, the number of times each payment channel is used accounts for the proportion of the total number of payments.
  • the expected proportion of the payment capacity of each channel in the current time window in the current time window, the number of times each payment channel wants to be used accounts for the proportion of the total number of payments.
  • the inventor of the present application found that the challenge of personalized payment channel recommendation is that the system does not know what payment tool the user with the next request has, and the payment habits of each user are very different, only considering the capacity target Will seriously affect the user payment experience. Therefore, the embodiment of the present application integrates the user's personalized payment habits, user's payment factors and channel status at that time to make personalized recommendations.
  • the first embodiment of the present application relates to a payment channel recommendation method.
  • the process is shown in FIG. 1.
  • the method includes the following steps:
  • the actual proportion of the payment capacity of each channel in the previous time window is obtained.
  • the length of the time window may be in the range of 10 seconds to 15 seconds. In other embodiments, in different scenarios, the length of the time window may be set according to actual conditions, and is not limited to the range of 10 to 15 seconds.
  • step 102 enter step 102, and adjust the recommended ratio of the payment capacity of each channel in the previous time window according to the acquired actual ratio and the preset ratio of the payment capacity of each channel in the current time window to obtain the payment capacity of each channel Recommendation ratio in the current time window.
  • this step further includes: dividing the expected proportion of the payment capacity of each channel in the current time window by the actual proportion of the payment capacity of each channel in the previous time window, and multiplying the payment capacity of each channel in the previous one
  • the recommended ratio of the time window is the recommended ratio of the payment capacity of each channel in the current time window.
  • the actual proportion of the payment capacity of each channel in the previous time window can be represented by the vector V n-1
  • the recommended ratios of the payment capacity of each channel in the previous time window and the current time window are X n-1 and X n respectively
  • the length of these vectors is the number of payment channels k
  • the i-th element in the vector represents the i-th channel
  • k is a positive integer, 0 ⁇ i ⁇ k.
  • the lengths of U and X are both k.
  • X n X n-1 ⁇ U n / V n-1
  • the formula represents an element to the position corresponding to each X n-1 and the multiplied U n, V n-1 divided by each An element at the corresponding position gets X n .
  • step 103 is entered, and the recommendation result of the payment channel of the specified user is obtained according to the recommendation ratio of the current time window and the payment preference parameter of the specified user.
  • this step further includes: for each channel, separately multiply the recommendation ratio of the channel in the current time window by the payment preference parameter of the specified user for the channel to obtain the recommended value of the specified user for the channel; The largest channel is used as the recommended channel for the specified user.
  • the payment preference parameter is a parameter that reflects a user's preference for each payment channel that can be used.
  • the payment preference parameter is obtained according to the user's payment behavior in the most recent period and/or the user's settings. Payment behaviors include payment records, payment success, payment failure, the time since the last payment was successful, and so on.
  • the number of payment preferences may be determined according to the number of times the user uses various payment channels in the most recent month.
  • the payment order of various available payment channels set by the user can also be used as a factor that affects the payment preference parameter. The payment channel with the highest payment order has a corresponding greater weight in the payment preference parameter.
  • each time window the above steps 101, 102 and 103 will be executed, iteratively calculating the expected proportion of the payment capacity of each channel in the current time window, and giving personalized payment channels for each user who needs to pay in the current time window
  • each user who needs to pay can be regarded as the above-mentioned designated user.
  • steps 101 and 102 are executed at the beginning of each time window to obtain the recommended ratio of the payment capacity of each channel in the current time window.
  • Step 103 is triggered when the user submits the order, and the user who submitted the order can be regarded as the designated user, and the payment channel recommendation result of the user is calculated through step 103.
  • Steps 101, 102, and 103 are all performed in the cloud (or server, server, etc.), and the cloud will send the payment channel recommendation results to the terminal used by the user (such as a smartphone or laptop, etc.).
  • the payment interface can display information related to the recommended result of the payment channel (for example, display the recommended payment channel, or display related prompt information, etc.).
  • the cloud receives requests from three users, namely user 1, user 2, and user 3.
  • the recommended factor for each payment channel in the last time window X n-1 [0.4,0.4,0.2]
  • U n [0.5,0.4,0.1]
  • V n-1 [0.4,0.4,0.2]
  • max is a function of taking the maximum value.
  • the second embodiment of the present application relates to a payment channel recommendation system. Its structure is shown in FIG. 2.
  • the payment channel recommendation system includes:
  • the actual proportion obtaining module 201 is used to obtain the actual proportion of the payment capacity of each channel in the last time window.
  • the length of the time window is in the range of 10 seconds to 15 seconds.
  • the length of the time window can be set according to actual conditions, not limited to the range of 10 to 15 seconds.
  • the recommendation ratio adjustment module 202 is used to adjust the recommended ratio of the payment capacity of each channel in the previous time window according to the actual ratio and the preset proportion of the preset payment capacity of each channel payment capacity in the current time window to obtain the payment capacity of each channel Recommendation ratio in the current time window.
  • the recommendation ratio adjustment module adjusts the recommendation ratio by dividing the expected proportion of the payment capacity of each channel in the current time window by the actual proportion of the payment capacity of each channel in the previous time window, and then multiplying each by The recommendation ratio of the channel payment capacity in the previous time window is the recommendation ratio of the channel payment capacity in the current time window.
  • the recommendation module 203 is used to obtain a recommendation result of the payment channel of the specified user according to the recommendation ratio of the current time window and the payment preference parameter of the specified user.
  • the payment preference parameter is a parameter that reflects a user's preference for each payment channel that can be used.
  • the payment preference parameter is obtained according to the user's payment behavior in the most recent period and/or the user's settings.
  • the recommendation module further includes: a recommendation value calculation submodule, for each channel, respectively multiplying the recommendation ratio of the channel in the current time window by the payment preference parameter of the specified user for the channel to obtain the specified user’s The recommended value of the channel.
  • the comparison submodule is used to select the channel with the largest recommendation value as the payment channel recommendation result for the specified user.
  • the recommendation module is triggered when the designated user submits an order to calculate the payment channel recommendation result for the designated user.
  • the system may further include a sending module for sending the payment channel recommendation result to the terminal used by the specified user.
  • the first embodiment is a method embodiment corresponding to this embodiment.
  • the technical details in the first embodiment can be applied to this embodiment, and the technical details in this embodiment can also be applied to the first embodiment.
  • each module shown in the above-mentioned payment channel recommendation system implementation can be understood by referring to the related description of the aforementioned payment channel recommendation method.
  • the functions of each module shown in the above embodiment of the payment channel recommendation system can be realized by a program (executable instructions) running on the processor, or by a specific logic circuit. If the payment channel recommendation system in the embodiment of the present application is implemented in the form of a software function module and sold or used as an independent product, it may also be stored in a computer-readable storage medium.
  • the technical solutions of the embodiments of the present application can essentially be embodied in the form of software products, and the computer software products are stored in a storage medium and include several instructions for A computer device (which may be a personal computer, server, or network device, etc.) executes all or part of the methods described in the embodiments of the present application.
  • the foregoing storage media include various media that can store program codes, such as a U disk, a mobile hard disk, a read-only memory (ROM, Read Only Memory), a magnetic disk, or an optical disk. In this way, the embodiments of the present application are not limited to any specific combination of hardware and software.
  • the embodiments of the present application also provide a computer-readable storage medium in which computer-executable instructions are stored, and when the computer-executable instructions are executed by a processor, the method embodiments of the present application are implemented.
  • Computer-readable storage media including permanent and non-permanent, removable and non-removable media, can store information by any method or technology. The information may be computer readable instructions, data structures, modules of programs, or other data.
  • Examples of computer storage media include, but are not limited to, phase change memory (PRAM), static random access memory (SRAM), dynamic random access memory (DRAM), other types of random access memory (RAM), read-only memory (ROM), electrically erasable programmable read-only memory (EEPROM), flash memory or other memory technologies, read-only compact disc read-only memory (CD-ROM), digital versatile disc (DVD) or other optical storage, Magnetic tape cassettes, magnetic tape magnetic disk storage or other magnetic storage devices or any other non-transmission media can be used to store information that can be accessed by computing devices. According to the definition in this article, computer-readable storage media do not include temporary storage computer-readable media (transitory media), such as modulated data signals and carrier waves.
  • PRAM phase change memory
  • SRAM static random access memory
  • DRAM dynamic random access memory
  • RAM random access memory
  • ROM read-only memory
  • EEPROM electrically erasable programmable read-only memory
  • flash memory or other memory technologies
  • CD-ROM compact disc read-only memory
  • the embodiments of the present application also provide a payment channel recommendation system, which includes a memory for storing computer-executable instructions, and a processor; the processor is used to implement the above-mentioned each when executing the computer-executable instructions in the memory Steps in method implementation.
  • the processor can be a central processing unit (Central Processing Unit, referred to as "CPU"), can also be other general-purpose processors, digital signal processors (Digital Signal Processor, referred to as "DSP"), application-specific integrated circuits (Application Specific Integrated Circuit (abbreviated as "ASIC”) etc.
  • CPU Central Processing Unit
  • DSP Digital Signal Processor
  • ASIC Application Specific Integrated Circuit
  • the foregoing memory may be a read-only memory (read-only memory, "ROM” for short), random access memory (random access memory, "RAM” for short), flash memory (Flash), hard disk, or solid-state hard disk.
  • ROM read-only memory
  • RAM random access memory
  • flash flash memory
  • hard disk or solid-state hard disk.
  • an act is performed according to an element, it means that the act is performed at least according to the element, which includes two cases: the act is performed according to the element only, and according to the element and Other elements perform this behavior.
  • Expressions of multiple, multiple, multiple, etc. include 2, 2, 2 and 2 and more than 2, 2 or more.

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

一种支付渠道推荐方法及其系统，既可以有效的达到支付渠道的容量目标，同时又让用户有着良好的支付体验。该方法包括：获取各渠道支付容量在上一时间窗口的实际占比(101)；根据所获取的实际占比和预先设置的各渠道支付容量在当前时间窗口的期望占比，对各渠道支付容量在上一时间窗口的推荐比进行调整，得到各渠道支付容量在当前时间窗口的推荐比(102)；根据当前时间窗口的推荐比和指定用户的支付偏好参数，得到对指定用户的支付渠道推荐结果(103)。

Description

支付渠道推荐方法及其系统 技术领域
本申请涉及在线支付领域，特别涉及支付渠道的推荐技术。
背景技术
电子商务网站经常会有大促销的活动，每一次大促销对于支付系统都是一次挑战。支付系统面临的一个问题是支付渠道容量风险，如果不对用户支付渠道的使用进行引导，有可能会导致大量用户集中使用某一个支付渠道，超过该支付渠道的处理能力，从而无法及时完成支付，导致不良的用户支付体验，最终可能影响销售。
关于如何实时地向用户提供支付渠道的推荐建议，实现推荐个性化引流从而突破支付渠道高峰期容量问题，目前还没有发现相关的公开技术。
发明内容
本申请的目的在于提供一种支付渠道推荐方法及其系统，既可以有效的达到支付渠道的容量目标，同时又让用户有着良好的支付体验。
为了解决上述问题，本申请公开了一种支付渠道推荐方法，包括：
获取各渠道支付容量在上一时间窗口的实际占比；
根据该实际占比和预先设置的各渠道支付容量在当前时间窗口的期望占比，对各渠道支付容量在上一时间窗口的推荐比进行调整，得到各渠道支付容量在当前时间窗口的推荐比；
根据该当前时间窗口的推荐比和指定用户的支付偏好参数，得到对该指定用户的支付渠道推荐结果；其中该支付偏好参数是反映一个用户对其能够使用的各支付渠道的偏好程度的参数。
在一个优选例中，该对上一时间窗口的推荐比进行调整，进一步包括：
将该各渠道支付容量在当前时间窗口的期望占比分别除以该各渠道支付容量在上一时间窗口的实际占比，再分别乘以该各渠道支付容量在上一时间窗口的推荐比，得到该各渠道支付容量在当前时间窗口的推荐比。
在一个优选例中，该根据该当前时间窗口的推荐比和指定用户的支付偏好参数，得到对该指定用户的支付渠道推荐结果，进一步包括：
对于每一个该渠道，分别将该渠道在当前时间窗口的推荐比乘以该指定用户对该渠道的支付偏好参数，得到该指定用户对该渠道的推荐值；
将推荐值最大的渠道作为对该指定用户的支付渠道推荐结果。
在一个优选例中，该支付偏好参数是根据用户最近一段时间内的支付行为和/或用户的设定得到的。
在一个优选例中，该根据该当前时间窗口的推荐比和指定用户的支付偏好参数，得到对该指定用户的支付渠道推荐结果的步骤，是在该指定用户提交订单的时候触发的。
在一个优选例中，在得到对该指定用户的支付渠道推荐结果之后，还包括：向该指定用户使用的终端发送该支付渠道推荐结果。
在一个优选例中，该时间窗口的长度在10秒至15秒的范围。
本申请还公开了一种支付渠道推荐系统，包括：
实际占比获取模块，用于获取各渠道支付容量在上一时间窗口的实际占比；
推荐比调整模块，用于根据该实际占比和预先设置的各渠道支付容量在当前时间窗口的期望占比，对各渠道支付容量在上一时间窗口的推荐比进行调整，得到各渠道支付容量在当前时间窗口的推荐比；
推荐模块，用于根据该当前时间窗口的推荐比和指定用户的支付偏好参数，得到对该指定用户的支付渠道推荐结果；其中该支付偏好参数是反映一个用户对其能够使用的各支付渠道的偏好程度的参数。
在一个优选例中，该推荐比调整模块通过以下方式调整推荐比：将该各渠道支付容量在当前时间窗口的期望占比分别除以该各渠道支付容量在上一时间窗口的实际占比，再分别乘以该各渠道支付容量在上一时间窗口的推荐比，得到该各渠道支付容量在当前时间窗口的推荐比。
在一个优选例中，该推荐模块进一步包括：
推荐值计算子模块，用于对于每一个该渠道，分别将该渠道在当前时间窗口的推荐比乘以该指定用户对该渠道的支付偏好参数，得到该指定用户对该渠道的推荐值；
比较子模块，用于将推荐值最大的渠道作为对该指定用户的支付渠道推荐结果。
在一个优选例中，该支付偏好参数是根据用户最近一段时间内的支付行为和/或用户的设定得到的。
在一个优选例中，该推荐模块在该指定用户提交订单的时候被触发以计算对该指定用户的支付渠道推荐结果。
在一个优选例中，还包括发送模块，用于向该指定用户使用的终端发送该支付渠道推荐结果。
在一个优选例中，该时间窗口的长度在10秒至15秒的范围。
本申请还公开了一种支付渠道推荐系统，包括：
存储器，用于存储计算机可执行指令；以及，
处理器，用于在执行该计算机可执行指令时实现如前文描述的方法中的步骤。
本申请还公开了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现如前文描述的方法中的步骤。
本申请实施方式既可以快速而有效地达到支付渠道的容量目标，同时又让用户有着良好的支付体验，在用户体验和资源分配上做到实时的动态调整，而且不需要与场景相关的较多先验知识。
本申请的说明书中记载了大量的技术特征，分布在各个技术方案中，如果要罗列出本申请所有可能的技术特征的组合(即技术方案)的话，会使得说明书过于冗长。为了避免这个问题，本申请上述申请内容中公开的各个技术特征、在下文各个实施方式和例子中公开的各技术特征、以及附图中公开的各个技术特征，都可以自由地互相组合，从而构成各种新的技术方案(这些技术方案均因视为在本说明书中已经记载)，除非这种技术特征的组合在技术上是不可行的。例如，在一个例子中公开了特征A+B+C，在另一个例子中公开了特征A+B+D+E，而特征C和D是起到相同作用的等同技术手段，技术上只要择一使用即可，不可能同时采用，特征E技术上可以与特征C相组合，则，A+B+C+D的方案因技术不可行而应当不被视为已经记载，而A+B+C+E的方案应当视为已经被记载。
附图说明
图1是根据本申请第一实施方式的支付渠道推荐方法流程示意图。
图2是根据本申请第二实施方式的支付渠道推荐系统结构示意图。
具体实施方式
在以下的叙述中，为了使读者更好地理解本申请而提出了许多技术细节。但是，本领域的普通技术人员可以理解，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请所要求保护的技术方案。
部分概念的说明：
时间窗口：指预设长度的一段时间。例如，可以将1分钟按10秒钟的长度依次划分为6个时间窗口。
支付渠道：即支付的通道，例如不同银行发行的银行卡就是不同的支付渠道，不同的第三方支付方式也属于不同的支付渠道。在本申请的各实施例中，支付渠道也可以简称为渠道。
各渠道支付容量在一个时间窗口的占比：在一个时间窗口中，每一种支付渠道被使用的次数占总支付次数的比例。
各渠道支付容量在上一时间窗口的实际占比：在上一个时间窗口中，每一种支付渠道实际被使用的次数占总支付次数的比例。
各渠道支付容量在当前时间窗口的期望占比：在当前时间窗口中，每一种支付渠道希望被使用的次数占总支付次数的比例。
支付偏好参数：反映用户可用的支付渠道及其使用偏好，例如一个用户总共有A、B、C三种支付渠道，则可以用[A,B,C]＝[0.1,0.6,0.3]来表示该用户对这三种支付渠道的使用偏好程度，数值越大代表该用户越偏好使用对应的支付渠道。
本申请的发明人发现，个性化支付渠道推荐的挑战在于，系统不知道下一时刻到来的请求的用户拥有的支付工具是什么，并且每个用户之间支付习惯大不相同，仅仅考虑容量目标将严重影响用户支付体验。所以本申请实施方式将用户个性化支付习惯、当时的用户支付因素和渠道状况综合起来做个性化推荐。
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请的实施方式作进一步地详细描述。
本申请的第一实施方式涉及一种支付渠道推荐方法，其流程如图1所示，该方法包括以下步骤：
在步骤101中，获取各渠道支付容量在上一时间窗口的实际占比。在一个实施例中，时间窗口的长度可以在10秒至15秒的范围内。在其他的实施例中，在不同的场景中，可以根据实际情况对时间窗口的长度进行设定，不限于10至15秒的范围。
此后进入步骤102，根据所获取的实际占比和预先设置的各渠道支付容量在当前时间窗口的期望占比，对各渠道支付容量在上一时间窗口的推荐比进行调整，得到各渠道支付容量在当前时间窗口的推荐比。
可选地，本步骤进一步包括：将各渠道支付容量在当前时间窗口的期望占比分别除以各渠道支付容量在上一时间窗口的实际占比，再分别乘以各渠道支付容量在上一时间窗口的推荐比，得到各渠道支付容量在当前时间窗口的推荐比。
在一个实施例中，假定当前时间窗口为第n个时间窗口，n为正整数，则各渠道支付容量在上一时间窗口的实际占比可以以向量V n-1表示，各渠道支付容量在当前时间窗口的期望占比可以用向量U n表示，各渠道支付容量在上一时间窗口和当前时间窗口的推荐比分别为X n-1和X n，这些向量的长度均为支付渠道的数量k，该向量中第i个元素代表第i种渠道，k为正整数，0＜i≤k。其中U和X的长度都是k。那么，X n＝X n-1·U n/V n-1,该公式表示对于将X n-1和U n中每一个对应位置的元素相乘后，分别除以V n-1中每一个对应位置的元素，得到X n。
此后进入步骤103，根据当前时间窗口的推荐比和指定用户的支付偏好参数，得到对指定用户的支付渠道推荐结果。可选地，本步骤进一步包括：对于每一个渠道，分别将该渠道在当前时间窗口的推荐比乘以指定用户对该渠道的支付偏好参数，得到指定用户对该渠道的推荐值；将推荐值最大的渠道作为对指定用户的支付渠道推荐结果。
支付偏好参数是反映一个用户对其能够使用的各支付渠道的偏好程度的参数。可选地，支付偏好参数是根据用户最近一段时间内的支付行为和/或用户的设定得到的。支付行为包括支付记录、支付成功、支付失败，上一次支付成功距离现在的时间等等。例如，可以根据在最近的一个月内用户使用各种支付渠道的次数确定支付偏好次数。又如，用户设定的各种可用支付渠道的支付顺序也可以作为影响支付偏好参数的一个因素，支 付顺序在前的支付渠道在支付偏好参数中相应具有更大权重。
在每一个时间窗口上述步骤101、102和103都会执行，不断地迭代计算各渠道支付容量在当前时间窗口的期望占比，并为当前时间窗口中需要支付的各个用户给出个性化的支付渠道推荐结果，其中需要支付的各个用户就可以看作是上述指定用户。
在一个实施例中，步骤101和102是在每个时间窗口开始的时候执行的，以得到各渠道支付容量在当前时间窗口的推荐比。步骤103是在用户提交订单的时候触发的，提交订单的那个用户就可以被作为指定用户，通过步骤103计算得到该用户支付渠道推荐结果。步骤101、102和103都是在云端(或服务端，服务器等)进行的，云端会将支付渠道推荐结果发送到该用户使用的终端(例如智能手机或笔记本电脑等)，该用户提交订单后会进入支付界面，支付界面中就可以显示与支付渠道推荐结果相关的信息(例如显示推荐的支付渠道，或显示相关的提示信息等)。
通过上述技术方案，可以兼顾支付渠道容量能力和用户的支付习惯。
为了能够更好地理解本申请的技术方案，下面结合一个具体的例子来进行说明，该例子中罗列的细节主要是为了便于理解，不作为对本申请保护范围的限制。
假定每个时间窗口的长度是10秒，总共有A、B、C三个支付渠道。在当前的时间窗口(假定为第n个时间窗口)内，云端收到三个用户的请求，即用户1、用户2、和用户3。
上一个时间窗口各个支付渠道的推荐因子X n-1＝[0.4,0.4,0.2]，当前时间窗口各个支付渠道的期望占比是U n＝[0.5,0.4,0.1]，上一时间窗口各个渠道支付容量的实际占比为V n-1＝[0.4,0.4,0.2]。那么当前时间窗口各个支付渠道的推荐因子为X n-1＝[0.4*0.5/0.4,0.4*0.4/0.4,0.2*0.1/0.2]＝[0.5,0.4,0.1]。
假定这三个用户分别拥有的支付渠道以及对应的支付偏好参数分别是[A,B,C]＝[0.1,0.6,0.3]，[C]＝[1]，[A,B]＝[0.8,0.2]，那么这三个用户的支付渠道推荐为：
用户1:max(0.5*0.1,0.4*0.6,0.3*0.1)推荐B；
用户2:max(0，0，0.1*1)推荐C；
用户3:max(0.5*0.8,0.4*0.1)推荐A；
其中，max是取最大值的函数。
本申请的第二实施方式涉及一种支付渠道推荐系统，其结构如图2所示，该支付 渠道推荐系统包括：
实际占比获取模块201，用于获取各渠道支付容量在上一时间窗口的实际占比。可选地，时间窗口的长度在10秒至15秒的范围内。可选地，在不同的场景中，可以根据实际情况对时间窗口的长度进行设定，不限于10至15秒的范围。
推荐比调整模块202，用于根据实际占比和预先设置的各渠道支付容量在当前时间窗口的期望占比，对各渠道支付容量在上一时间窗口的推荐比进行调整，得到各渠道支付容量在当前时间窗口的推荐比。
可选地，推荐比调整模块通过以下方式调整推荐比：将各渠道支付容量在当前时间窗口的期望占比分别除以各渠道支付容量在上一时间窗口的实际占比，再分别乘以各渠道支付容量在上一时间窗口的推荐比，得到各渠道支付容量在当前时间窗口的推荐比。
推荐模块203，用于根据当前时间窗口的推荐比和指定用户的支付偏好参数，得到对指定用户的支付渠道推荐结果。其中支付偏好参数是反映一个用户对其能够使用的各支付渠道的偏好程度的参数。可选地，支付偏好参数是根据用户最近一段时间内的支付行为和/或用户的设定得到的。
可选地，推荐模块进一步包括：推荐值计算子模块，用于对于每一个渠道，分别将该渠道在当前时间窗口的推荐比乘以指定用户对该渠道的支付偏好参数，得到指定用户对该渠道的推荐值。比较子模块，用于将推荐值最大的渠道作为对指定用户的支付渠道推荐结果。
可选地，推荐模块在指定用户提交订单的时候被触发以计算对指定用户的支付渠道推荐结果。该系统还可以包括发送模块，用于向指定用户使用的终端发送支付渠道推荐结果。
第一实施方式是与本实施方式相对应的方法实施方式，第一实施方式中的技术细节可以应用于本实施方式，本实施方式中的技术细节也可以应用于第一实施方式。
需要说明的是，本领域技术人员应当理解，上述支付渠道推荐系统的实施方式中所示的各模块的实现功能可参照前述支付渠道推荐方法的相关描述而理解。上述支付渠道推荐系统的实施方式中所示的各模块的功能可通过运行于处理器上的程序(可执行指令)而实现，也可通过具体的逻辑电路而实现。本申请实施例上述支付渠道推荐系统如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对现有 技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。这样，本申请实施例不限制于任何特定的硬件和软件结合。
相应地，本申请实施方式还提供一种计算机可读存储介质，其中存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现本申请的各方法实施方式。计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括但不限于，相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读存储介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
此外，本申请实施方式还提供一种支付渠道推荐系统，其中包括用于存储计算机可执行指令的存储器，以及，处理器；该处理器用于在执行该存储器中的计算机可执行指令时实现上述各方法实施方式中的步骤。其中，该处理器可以是中央处理单元(Central Processing Unit，简称“CPU”)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，简称“DSP”)、专用集成电路(Application Specific Integrated Circuit，简称“ASIC”)等。前述的存储器可以是只读存储器(read-only memory，简称“ROM”)、随机存取存储器(random access memory，简称“RAM”)、快闪存储器(Flash)、硬盘或者固态硬盘等。本发明各实施方式所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
需要说明的是，在本专利的申请文件中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他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、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为 这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。本专利的申请文件中，如果提到根据某要素执行某行为，则是指至少根据该要素执行该行为的意思，其中包括了两种情况：仅根据该要素执行该行为、和根据该要素和其它要素执行该行为。多个、多次、多种等表达包括2个、2次、2种以及2个以上、2次以上、2种以上。
在本申请提及的所有文献都被认为是整体性地包括在本申请的公开内容中，以便在必要时可以作为修改的依据。此外应理解，以上所述仅为本说明书的较佳实施例而已，并非用于限定本说明书的保护范围。凡在本说明书一个或多个实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本说明书一个或多个实施例的保护范围之内。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

Claims (16)

  1. 一种支付渠道推荐方法，其特征在于，包括：
    获取各渠道支付容量在上一时间窗口的实际占比；
    根据所述实际占比和预先设置的各渠道支付容量在当前时间窗口的期望占比，对各渠道支付容量在上一时间窗口的推荐比进行调整，得到各渠道支付容量在当前时间窗口的推荐比；
    根据所述当前时间窗口的推荐比和指定用户的支付偏好参数，得到对所述指定用户的支付渠道推荐结果；其中所述支付偏好参数是反映一个用户对其能够使用的各支付渠道的偏好程度的参数。
  2. 如权利要求1所述的方法，其特征在于，所述对上一时间窗口的推荐比进行调整，进一步包括：
    将所述各渠道支付容量在当前时间窗口的期望占比分别除以所述各渠道支付容量在上一时间窗口的实际占比，再分别乘以所述各渠道支付容量在上一时间窗口的推荐比，得到所述各渠道支付容量在当前时间窗口的推荐比。
  3. 如权利要求1所述的方法，其特征在于，所述根据所述当前时间窗口的推荐比和指定用户的支付偏好参数，得到对所述指定用户的支付渠道推荐结果，进一步包括：
    对于每一个所述渠道，分别将该渠道在当前时间窗口的推荐比乘以所述指定用户对该渠道的支付偏好参数，得到所述指定用户对该渠道的推荐值；
    将推荐值最大的渠道作为对所述指定用户的支付渠道推荐结果。
  4. 如权利要求1所述的方法，其特征在于，所述支付偏好参数是根据用户最近一段时间内的支付行为和/或用户的设定得到的。
  5. 如权利要求1所述的方法，其特征在于，所述根据所述当前时间窗口的推荐比和指定用户的支付偏好参数，得到对所述指定用户的支付渠道推荐结果的步骤，是在所述指定用户提交订单的时候触发的。
  6. 如权利要求5所述的方法，其特征在于，在所述得到对所述指定用户的支付渠道推荐结果之后，还包括：向所述指定用户使用的终端发送所述支付渠道推荐结果。
  7. 如权利要求1至6中任意一项所述的方法，其特征在于，所述时间窗口的长度在10秒至15秒的范围。
  8. 一种支付渠道推荐系统，其特征在于，包括：
    实际占比获取模块，用于获取各渠道支付容量在上一时间窗口的实际占比；
    推荐比调整模块，用于根据所述实际占比和预先设置的各渠道支付容量在当前时间 窗口的期望占比，对各渠道支付容量在上一时间窗口的推荐比进行调整，得到各渠道支付容量在当前时间窗口的推荐比；
    推荐模块，用于根据所述当前时间窗口的推荐比和指定用户的支付偏好参数，得到对所述指定用户的支付渠道推荐结果；其中所述支付偏好参数是反映一个用户对其能够使用的各支付渠道的偏好程度的参数。
  9. 如权利要求8所述的系统，其特征在于，所述推荐比调整模块通过以下方式调整推荐比：将所述各渠道支付容量在当前时间窗口的期望占比分别除以所述各渠道支付容量在上一时间窗口的实际占比，再分别乘以所述各渠道支付容量在上一时间窗口的推荐比，得到所述各渠道支付容量在当前时间窗口的推荐比。
  10. 如权利要求8所述的系统，其特征在于，所述推荐模块进一步包括：
    推荐值计算子模块，用于对于每一个所述渠道，分别将该渠道在当前时间窗口的推荐比乘以所述指定用户对该渠道的支付偏好参数，得到所述指定用户对该渠道的推荐值；
    比较子模块，用于将推荐值最大的渠道作为对所述指定用户的支付渠道推荐结果。
  11. 如权利要求8所述的系统，其特征在于，所述支付偏好参数是根据用户最近一段时间内的支付行为和/或用户的设定得到的。
  12. 如权利要求8所述的系统，其特征在于，所述推荐模块在所述指定用户提交订单的时候被触发以计算对所述指定用户的支付渠道推荐结果。
  13. 如权利要求12所述的系统，其特征在于，还包括发送模块，用于向所述指定用户使用的终端发送所述支付渠道推荐结果。
  14. 如权利要求8至13中任意一项所述的系统，其特征在于，所述时间窗口的长度在10秒至15秒的范围。
  15. 一种支付渠道推荐系统，其特征在于，包括：
    存储器，用于存储计算机可执行指令；以及，
    处理器，用于在执行所述计算机可执行指令时实现如权利要求1至7中任意一项所述的方法中的步骤。
  16. 一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机可执行指令，所述计算机可执行指令被处理器执行时实现如权利要求1至7中任意一项所述的方法中的步骤。
PCT/CN2019/124092 2019-01-04 2019-12-09 支付渠道推荐方法及其系统 Ceased WO2020140697A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201910007581.4A CN110033247B (zh) 2019-01-04 2019-01-04 支付渠道推荐方法及其系统
CN201910007581.4 2019-01-04

Publications (1)

Publication Number Publication Date
WO2020140697A1 true WO2020140697A1 (zh) 2020-07-09

Family

ID=67235406

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2019/124092 Ceased WO2020140697A1 (zh) 2019-01-04 2019-12-09 支付渠道推荐方法及其系统

Country Status (3)

Country Link
CN (1) CN110033247B (zh)
TW (1) TWI712970B (zh)
WO (1) WO2020140697A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113347226A (zh) * 2021-04-25 2021-09-03 北京淇瑀信息科技有限公司 一种触达渠道路由方法、装置及电子设备
CN113850661A (zh) * 2021-07-02 2021-12-28 四川高灯企服科技有限公司 支付路由方法、装置、计算机设备和存储介质
CN113919843A (zh) * 2021-09-28 2022-01-11 中国铁道科学研究院集团有限公司电子计算技术研究所 一种异常支付的标记衍生方法及系统、设备和存储介质
CN114706636A (zh) * 2022-01-24 2022-07-05 阿里巴巴（中国）有限公司 支付页面的显示方法、装置及电子设备

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110033247B (zh) * 2019-01-04 2021-11-05 创新先进技术有限公司 支付渠道推荐方法及其系统
CN113496399A (zh) * 2020-04-08 2021-10-12 北京意锐新创科技有限公司 适用于支付设备的支付通道控制方法和装置
CN114710483B (zh) * 2022-06-08 2022-09-09 杭州比智科技有限公司 一种基于多云对象存储的统一传输方法及系统
CN117436676B (zh) * 2023-12-21 2024-06-11 深圳市活力天汇科技股份有限公司 一种航班数据有效性的权重赋值方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150032525A1 (en) * 2013-07-29 2015-01-29 Bank Of America Corporation Using transaction history to incentivize the use of a financial institution bank card
CN106845988A (zh) * 2017-01-23 2017-06-13 杭州恒生云融网络科技有限公司 用于选择支付通道的方法及装置
CN107403316A (zh) * 2017-08-03 2017-11-28 广州爱九游信息技术有限公司 筛选支付方式的方法、装置、计算设备和存储介质
CN107871234A (zh) * 2017-09-25 2018-04-03 上海壹账通金融科技有限公司 电子支付方法及应用服务器
CN108399195A (zh) * 2018-01-29 2018-08-14 阿里巴巴集团控股有限公司 支付渠道的推荐方法及装置
CN110033247A (zh) * 2019-01-04 2019-07-19 阿里巴巴集团控股有限公司 支付渠道推荐方法及其系统

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2332656A1 (en) * 2001-01-26 2002-07-26 Certapay Inc. Online payment transfer and identity management system and method
US20100088148A1 (en) * 2008-10-02 2010-04-08 Presswala Irfan System and methodology for recommending purchases for a shopping intent
US8639621B1 (en) * 2012-04-25 2014-01-28 Wells Fargo Bank, N.A. System and method for a mobile wallet
US9483475B2 (en) * 2012-12-26 2016-11-01 Htc Corporation Content recommendation method
US20140279421A1 (en) * 2013-03-15 2014-09-18 Elwha Llc Methods and systems for agnostic payment systems
CN105791157B (zh) * 2016-04-20 2019-10-25 腾讯科技（深圳）有限公司 一种流量的分配方法、分配系统、及服务器
CN107464108A (zh) * 2016-06-03 2017-12-12 上海点融信息科技有限责任公司 自动选择支付渠道的方法和设备
CN108153791B (zh) * 2016-12-02 2023-04-25 阿里巴巴集团控股有限公司 一种资源推荐方法和相关装置
CN107169756B (zh) * 2017-05-10 2020-12-08 北京凤凰理理它信息技术有限公司 支付通道分配方法、装置、存储介质和支付路由系统
CN114418568A (zh) * 2018-04-02 2022-04-29 创新先进技术有限公司 一种支付方式推荐方法、装置及设备
CN108985731B (zh) * 2018-07-13 2021-06-29 京东数字科技控股有限公司 支付路由方法和装置
CN108932614B (zh) * 2018-07-26 2020-12-25 中金支付有限公司 一种支付通道路由方法及系统
CN108876349B (zh) * 2018-08-16 2023-04-07 平安科技（深圳）有限公司 电子装置、支付通道确定方法及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150032525A1 (en) * 2013-07-29 2015-01-29 Bank Of America Corporation Using transaction history to incentivize the use of a financial institution bank card
CN106845988A (zh) * 2017-01-23 2017-06-13 杭州恒生云融网络科技有限公司 用于选择支付通道的方法及装置
CN107403316A (zh) * 2017-08-03 2017-11-28 广州爱九游信息技术有限公司 筛选支付方式的方法、装置、计算设备和存储介质
CN107871234A (zh) * 2017-09-25 2018-04-03 上海壹账通金融科技有限公司 电子支付方法及应用服务器
CN108399195A (zh) * 2018-01-29 2018-08-14 阿里巴巴集团控股有限公司 支付渠道的推荐方法及装置
CN110033247A (zh) * 2019-01-04 2019-07-19 阿里巴巴集团控股有限公司 支付渠道推荐方法及其系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113347226A (zh) * 2021-04-25 2021-09-03 北京淇瑀信息科技有限公司 一种触达渠道路由方法、装置及电子设备
CN113850661A (zh) * 2021-07-02 2021-12-28 四川高灯企服科技有限公司 支付路由方法、装置、计算机设备和存储介质
CN113919843A (zh) * 2021-09-28 2022-01-11 中国铁道科学研究院集团有限公司电子计算技术研究所 一种异常支付的标记衍生方法及系统、设备和存储介质
CN114706636A (zh) * 2022-01-24 2022-07-05 阿里巴巴（中国）有限公司 支付页面的显示方法、装置及电子设备

Also Published As

Publication number Publication date
CN110033247B (zh) 2021-11-05
CN110033247A (zh) 2019-07-19
TWI712970B (zh) 2020-12-11
TW202026975A (zh) 2020-07-16

Similar Documents

Publication Publication Date Title
WO2020140697A1 (zh) 支付渠道推荐方法及其系统
US20180247263A1 (en) Method and apparatus for adjusting merchant delivery range
CN106355391B (zh) 一种业务处理方法及装置
US20220050842A1 (en) Querying a database
JP6676167B2 (ja) 情報推薦方法及び装置
US11379836B2 (en) Methods and systems for recording data based on plurality of blockchain networks
US11050550B2 (en) Methods and systems for reading data based on plurality of blockchain networks
CN107436835B (zh) 访问控制方法和装置
US20230334370A1 (en) Model gradient determining methods, apparatuses, devices, and media based on federated learning
WO2019114655A1 (zh) 数据压缩方法、电子设备及计算机可读存储介质
US11500861B2 (en) Methods and systems for recording data based on plurality of blockchain networks
CN111126623B (zh) 一种模型更新方法、装置及设备
CN110175910A (zh) 处理授信服务请求的方法、装置和电子设备
CN106888107B (zh) 一种滑动窗口业务数据确定方法及装置
US11223692B2 (en) Service execution methods and apparatuses
CN107070871A (zh) 一种身份验证的方法及装置
US10366094B2 (en) Data access using aggregation
CN111143546A (zh) 一种获得推荐语的方法、装置及电子设备
HK40010770B (zh) 支付渠道推荐方法及其系统
US11086849B2 (en) Methods and systems for reading data based on plurality of blockchain networks
CN110060188A (zh) 核身方式推荐方法、装置及电子设备
CN110008441B (zh) 数据交互方法及装置
CN111461868B (zh) 网点排队方法、装置、计算机设备及可读存储介质
HK40010770A (zh) 支付渠道推荐方法及其系统
US20260087013A1 (en) Estimating Cost of Query Execution on a Set of Data Accessible to a Computing System

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19907854

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19907854

Country of ref document: EP

Kind code of ref document: A1