CN107730369B - 对象特征处理方法及装置、电子设备 - Google Patents

对象特征处理方法及装置、电子设备 Download PDF

Info

Publication number
CN107730369B
CN107730369B CN201711085312.7A CN201711085312A CN107730369B CN 107730369 B CN107730369 B CN 107730369B CN 201711085312 A CN201711085312 A CN 201711085312A CN 107730369 B CN107730369 B CN 107730369B
Authority
CN
China
Prior art keywords
user
feature
acquiring
objects
transaction
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
Application number
CN201711085312.7A
Other languages
English (en)
Other versions
CN107730369A (zh
Inventor
顾昊
雷军
周兵
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.)
Beijing Sankuai Online Technology Co Ltd
Original Assignee
Beijing Sankuai Online Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Sankuai Online Technology Co Ltd filed Critical Beijing Sankuai Online Technology Co Ltd
Publication of CN107730369A publication Critical patent/CN107730369A/zh
Application granted granted Critical
Publication of CN107730369B publication Critical patent/CN107730369B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/06Buying, selling or leasing transactions
    • G06Q30/0601Electronic shopping [e-shopping]
    • G06Q30/0631Item recommendations
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/06Buying, selling or leasing transactions
    • G06Q30/0601Electronic shopping [e-shopping]
    • G06Q30/0623Item investigation
    • G06Q30/0625Directed, with specific intent or strategy

Landscapes

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

Abstract

本公开涉及一种对象特征处理方法及装置、电子设备、计算机可读介质。该对象特征处理方法包括:获取第一对象的第一特征;确定所述第一对象的第一用户;根据所述第一对象的第一用户获取与所述第一对象对应的第二对象;根据所述第一特征与所述第二对象确定所述第一对象的第二特征。本公开能够更好的定位第一对象展示效果欠佳或者分析出第一对象展示效果较好的原因。

Description

对象特征处理方法及装置、电子设备
本公开要求申请号为201710601743.8、申请日为2017年7月21日、发明名称为《对象特征处理方法及装置、电子设备》的中国专利申请的优先权。
技术领域
本公开涉及数据处理技术领域,具体而言,涉及一种对象特征处理方法及装置、电子设备、计算机可读介质。
背景技术
现在互联网发展迅速,网站的用户量倍增,向用户展示的信息越来越多。为了增强网站的竞争力,网站需要分析处理的用户行为数据越来越多,传统的处理模式已经不能满足现在网站发展的需求。
现有技术中,针对网站上各个店铺的展示效果评价方法,只从店铺自身的数据着手,很容易受到其他外在因素(比如时间、季节等)的影响。比如一个店铺订单量的减少很可能是因为到了淡季,整个相关行业订单都不多,并不是该店铺本身的基础信息发生了变化。
发明内容
本公开提供一种对象特征处理方法及装置、电子设备、计算机可读介质,能够至少部分地或者全部地解决上述现有技术中存在的问题。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本公开的一个方面,提供一种对象特征处理方法,包括:获取第一对象的第一特征;确定所述第一对象的第一用户;根据所述第一对象的第一用户获取与所述第一对象对应的第二对象;根据所述第一特征与所述第二对象确定所述第一对象的第二特征。
在本公开的一种示例性实施例中,获取第一对象的第一特征包括:统计第一历史时间段内所述第一对象的效果指标,并收集所述第一对象的特征数据;获取各个特征数据对所述效果指标的重要程度;根据各个特征数据对所述效果指标的重要程度,获取所述第一对象的所述第一特征。
在本公开的一种示例性实施例中,确定所述第一对象的第一用户包括:获取第二历史时间段内所述第一对象的用户会话;根据所述第一对象的用户会话获得所述第一对象的第一用户。
在本公开的一种示例性实施例中,根据所述第一对象的第一用户获取与所述第一对象对应的第二对象包括:获取在同样的用户会话内与所述第一对象的第一用户达成交易或者未达成交易的其他对象,将所述其他对象作为所述第二对象。
在本公开的一种示例性实施例中,其中,所述第二特征包括待优化特征,所述方法还包括:将所述第二对象按照与所述第一用户的交易量进行排序;将满足预设条件的第二对象作为所述第一对象的关键第二对象。所述根据所述第一特征与所述第二对象确定所述第一对象的第二特征包括:根据所述第一特征与所述关键第二对象确定所述第一对象的待优化特征。
在本公开的一种示例性实施例中,所述方法还包括:针对所述待优化特征确定相应的优化建议。
根据本公开的一个方面,提供一种对象特征处理装置,包括:第一特征获取模块,用于获取第一对象的第一特征;第一用户确定模块,用于确定所述第一对象的第一用户;第二对象获取模块,用于根据所述第一对象的第一用户获取与所述第一对象对应的第二对象;第二特征确定模块,用于根据所述第一特征与所述第二对象确定所述第一对象的第二特征。
在本公开的一种示例性实施例中,所述第一用户确定模块包括用户会话获取单元以及第一用户确定单元;其中,所述用户会话获取单元用于获取第二历史时间段内所述第一对象的用户会话;所述第一用户统计单元用于根据所述第一对象的用户会话获得所述第一对象的第一用户。
根据本公开的一个方面,提供一种电子设备,包括存储器、处理器及存储在该存储器上并可在该处理器上运行的计算机程序,该程序被该处理器执行时实现上述任一实施例中的方法步骤。
根据本公开的一个方面,提供一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现上述任一实施例中的方法步骤。
根据本公开某些实施例中的对象特征处理方法及装置、电子设备、计算机可读介质,通过获取第一对象的第一特征,并确定该第一对象的第一用户,从而可以根据该第一用户获取相应的第二对象,一方面,能够通过该第一特征与该第二对象确定该第一对象的第二特征;另一方面,可以更好的定位该第一对象展示效果欠佳或者分析出第一对象展示效果较好的原因。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本公开。
附图说明
通过参照附图详细描述其示例实施例,本公开的上述和其它目标、特征及优点将变得更加显而易见。
图1是根据一示例性实施方式示出的一种对象特征处理方法的流程图。
图2是根据一示例性实施方式示出的又一种对象特征处理方法的流程图。
图3是根据一示例性实施方式示出的一种获取第一对象的第一特征的方法的流程图。
图4是根据一示例性实施方式示出的一种获取关键第二对象的方法的流程图。
图5是根据一示例性实施方式示出的另一种对象特征处理方法的流程图。
图6示意性示出一示例性实施方式中一种对象特征处理方法的页面示意图。
图7是根据一示例性实施方式示出的再一种对象特征处理方法的流程图。
图8是根据一示例性实施方式示出的一种对象特征处理装置的框图。
图9是根据一示例性实施方式示出的一种电子设备的示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供许多具体细节从而给出对本公开的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而省略所述特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知结构、方法、装置、实现或者操作以避免喧宾夺主而使得本公开的各方面变得模糊。
图1是根据一示例性实施方式示出的一种对象特征处理方法的流程图。
如图1所示,该对象特征处理方法可以包括以下步骤。
在步骤S110中,获取第一对象的第一特征。
在步骤S120中,确定所述第一对象的第一用户。
在步骤S130中,根据所述第一对象的第一用户获取与所述第一对象对应的第二对象。
需要说明的是,上述步骤S110、步骤S120以及步骤S130之间的执行顺序可以相互交换,例如,在一个实施例中,可以按照步骤S110、步骤S120以及步骤S130顺序执行;在另一个实施例中,也可以按照步骤S120、步骤S110以及步骤S130执行;在又一个实施例中,也可以按照步骤S120、步骤S130以及步骤S110执行。
在步骤S140中,根据所述第一特征与所述第二对象确定所述第一对象的第二特征。
本发明实施方式提供的对象特征处理方法,通过首先找出第一对象的第一特征;然后统计过去一段时间内该第一对象的第一用户;根据所述第一对象的第一用户获取与所述第一对象对应的第二对象;最后,对比该第一对象的第一特征和该第二对象的第一特征之间的差异,能够更好的定位第一对象的展示效果欠佳或者分析出该第一对象的展示效果较好的原因。
下面通过图2-7对本发明实施例所述方法中的各个步骤进行举例说明。
图2是根据一示例性实施方式示出的另一种对象特征处理方法的流程图。在该发明实施例中,所述第二特征包括第一对象的待优化特征。
如图2所示,该对象特征处理方法可以包括以下步骤。
在步骤S210中,获取第一对象的第一特征。
在步骤S220中,确定所述第一对象的第一用户。
在步骤S230中,根据所述第一对象的第一用户获取与所述第一对象对应的第二对象。
在步骤S240中,根据所述第一特征与所述第二对象确定所述第一对象的待优化特征。
本发明实施方式提供的对象特征处理方法,通过首先找出第一对象的第一特征;然后统计过去一段时间内该第一对象的第一用户,根据所述第一对象的第一用户获取与所述第一对象对应的第二对象;最后,对比该第一对象的第一特征和该第二对象的第一特征之间的差异,能够更好的定位第一对象的展示效果欠佳的原因。
下面通过图3-5对本发明实施例所述方法中的各个步骤进行举例说明。
参考图3所示,上述步骤S210获取所述第一对象的所述第一特征可以进一步包括以下步骤。
在步骤S211中,统计第一历史时间段内所述第一对象的效果指标,并收集所述第一对象的特征数据。
本发明实施例中,以评估某店铺的展示内容的展示效果(例如推广效果)为例进行举例说明,其中该第一对象可以为店铺A。可以选取所述第一历史时间段内所述第一对象例如店铺A的订单数据(例如订单量、订单金额/交易额等)作为所述效果指标,假设这里将订单量作为效果指标,用于评估所述第一对象的展示效果,一般可以认为,在相同的历史时间段内,订单量越多则该店铺的展示效果越好。同时尽可能多的收集所述第一对象在该第一历史时间段内的详细信息作为该第一对象的特征数据。
在示例性实施例中,所述第一对象的特征数据可以包括所述第一对象的开业时间、装修时间、平均评分、高分评分数、低分评分数、低分评分数比例、平均价格、所述第一历史时间段内的物理库存、图片数量、星级、商品丰富度、晒图评论数等中的一种或者多种。其中所述平均评分可以通过很多方式获取,例如可以用每个用户给所述第一对象评分的平均值作为所述平均评分。所述高分评分数和所述低分评分数可以根据经验和不同的行业等因素来区分,对此不作限定。所述平均价格可以指该第一对象的所有商品的价格的平均值。
本发明实施例中,可以从日志统计所述第一历史时间段内(比如最近一周)该第一对象的效果指标和特征数据,本公开对此不作限定。
本发明实施例中,所述方法还可以包括对该第一对象的效果指标和特征数据的原始数据进行选择、量化和预处理的步骤。
数据的不完整、不一致、含噪声等特点是大型数据库或者数据仓库的共同特点,其中有我们感兴趣的属性,如第一对象的商品信息等,但是信息并非都是完全有用的,结合网站的特性,要对信息进行重新清理、集成、规约和变换。清理的过程通过补填缺省值、光滑数据和去除无效数据等方式来增加数据的完整性和一致性。使得输入数据变得高效。从原始的数据中,抽出目标行业和有用的特征信息。
在步骤S212中,获取各个特征数据对所述效果指标的重要程度。
本发明实施例中,可以通过机器建模的方式获取各个特征数据对所述效果指标的重要程度。可以将所述第一历史时间段内所述第一对象的效果指标例如订单量作为输入的标签。
本发明实施例中,利用上述的标签和特征数据,建立机器学习模型,比如线性回归模型,找到各个特征数据与标签即效果指标之间的关系,通过所述机器学习模型输出各个特征数据对所述标签的重要程度/重要性。
在步骤S213中,根据各个特征数据对所述效果指标的重要程度,获取所述第一对象的所述第一特征。
例如,可以根据各个特征数据对所述效果指标的重要程度进行降序排列,选取最重要的前N(N为正整数)个特征数据作为影响所述效果指标的第一特征(也可称之为关键特征)。
以线性回归举例说明,标签数据记为y,特征数据有n个,分别记为x1,x2,x3……xn(这里假设对非连续特征数据已经做了离散化处理,n为大于等于1的正整数),建立线性回归模型y=w0+w1*x1+w2*x2+……+wn*xn,模型训练完毕后就会得到回归系数w0,w1,w2……wn的值,找到绝对值最大的N(N为大于等于1且小于等于n的正整数)个系数,这N个系数对应的特征数据x即是最重要的N个特征,也即对标签影响最大的N个第一特征或者关键特征。
需要说明的是,这里的关键特征(即第一特征)不同于上述的效果指标。上述的效果指标例如订单量、交易额等是用来评估该第一对象的展示内容的展示效果的,而这里的关键特征是可以通过对其改进,从而优化该效果指标的。例如,假设获取的第一特征包括所述第一对象的库存,可以通过对该第一对象的库存进行调整,使得该第一对象的订单量或者交易额增加。
参考图4所示,上述步骤S220中确定所述第一对象的第一用户可以进一步包括以下步骤。
在步骤S221中,获取第二历史时间段内所述第一对象的用户会话。
这里定义用户在网络上一定时间范围内的操作行为为一次用户会话。
本发明实施例中,用户在某网站或者App(application,应用程序)上一定时间范围内(例如,可以定义5分钟到30分钟之间,但本公开并不限定于此)的行为(搜索、浏览、点击等)定义为一次用户会话(Session)。
需要说明的是,这里的用户的行为包括一定时间范围内的任意该用户的行为,例如可以包括支付、下单等行为。在该一定时间范围内如果某用户进行了多次搜索、浏览、点击等行为算是一次用户会话,这里的Session是按时间范围来划分的。
在步骤S222中,将所述第一对象的用户会话中未和所述第一对象达成交易的用户作为所述第一对象的第一用户。
例如,对店铺A来说,从日志里找到过去一段时间(例如最近一周)内所有浏览、搜索、点击过该店铺的用户Session。所有用户Session里最终没有和该店铺A达成交易的用户称为该第一对象的第一用户。
继续参考图4,上述步骤S230中根据所述第一对象的第一用户获取与所述第一对象对应的第二对象还可以进一步包括以下步骤。
在步骤S231中,获取在同样的用户会话内与所述第一对象的第一用户达成交易的其他对象,将所述其他对象作为所述第二对象。
例如,对该店铺A,从日志里统计它的第一用户在同样的用户Session内,最终和哪些其他对象(其他店铺)达成了交易,这部分其他对象就是与该第一对象对应的第二对象。继续参考图4,上述步骤S230中根据所述第一对象的第一用户获取与所述第一对象对应的第二对象还可以进一步包括以下步骤。
在步骤S232中,将所述第二对象按照与所述第一用户的交易量进行排序。
在步骤S233中,将满足预设条件的第二对象作为所述第一对象的关键第二对象。
本发明实施例中,当获得的与所述第一对象相对应的所述第二对象包括多个时,可以将所述第二对象按照与所述第一用户的交易量进行降序或者升序排列,选取前M(M为正整数,比如5,但本公开并不限定于此)或者后M个第二对象作为所述第一对象的关键第二对象。
需要说明的是,所述方法还可以包括:确定所述第一对象和/或所述第二对象所属商圈,还可以将地理位置在同一个商圈之内的、经营同样类目的第二对象定位成该第一对象的关键第二对象。
本发明实施例中,步骤S240中根据所述第一特征与所述第二对象确定所述第一对象的待优化特征可以通过以下方式确定:分别统计该第一对象的第一特征和其对应的第二对象的相应特征,给出特征之间的差异。每一个有显著差异的第一特征都是该第一对象需要优化的特征即所述待优化特征。
需要说明的是,上述第一对象的第一特征和其第二对象的相应特征是指,该第一对象中的第一特征与该第二对象中相同的特征数据,例如假设第一对象具有的第一特征包括该第一对象的物理库存和平均评分,则该第一对象的物理库存对应的该第二对象的相应特征是指该第二对象的物理库存(该第二对象可以是一个或者多个;当该第二对象是多个时,可以是该多个第二对象的物理库存的例如平均值,也可以是该多个第二对象的多个物理库存分别与该第一对象的物理库存进行比对)。该第一对象的平均评分对应的该第二对象的相应特征是指该第二对象的平均评分。其他第一特征以此类推。
在其他实施例中,还可以通过所述第一对象的第一特征与所述关键第二对象相对应的特征确定所述第一对象的待优化特征,特别是当与所述第一对象对应的第二对象数量比较多时,如果将第一对象与各个第二对象的各个第一特征进行比对,需要较多的时间和计算量,此时仅选取所述关键第二对象与该第一对象的各个第一特征进行比对。
这里的显著差异可以根据完全可以量化的两个特征之间的差异的百分比来定义,例如(该第一对象的某一个第一特征-其中一个第二对象与该第一特征相应的对比特征)/该对比特征,或者(该第一对象的某一个第一特征-其中多个第二对象与该第一特征相应的对比特征的平均值)/该多个第二对象的对比特征的平均值,当其计算值超过50%可以认为是该两个特征之间是具有显著差异的,但本公开对此不作限定,可以根据具体应用场景来设定何为显著差异。
其中,第一对象和其第二对象或者其关键第二对象的特征的对比可以根据经验或者常识来进行判断。例如用户评分这一项,通常认为评分越高的越好。又例如装修时间这一项,可以认为装修时间越晚的越好。再例如平均价格这一项,通常认为价格越低的越好等等。但本公开并不限定于此。
图5是根据一示例性实施方式示出的又一种对象特征处理方法的流程图。
如图5所示,该对象特征处理方法可以包括以下步骤。
在步骤S510中,获取第一对象的第一特征。
在步骤S520中,确定所述第一对象的第一用户。
在步骤S530中,根据所述第一对象的第一用户获取与所述第一对象对应的第二对象。
在步骤S540中,根据所述第一特征与所述第二对象确定所述第一对象的待优化特征。
本发明实施例中的步骤S510-540可以参照上述实施例中的步骤S210-240,在此不再赘述。
在步骤S550中,针对所述待优化特征确定相应的优化建议。
本发明实施方式提出了一种对象特征处理方法,以网络店铺为例,首先基于第一店铺的流失用户为每个第一店铺找到竞争店铺,对比第一店铺和竞争店铺之间的特征差异,从而能够更好的定位第一店铺的内容展示效果欠佳的原因,并输出相应的优化建议,能够解决店铺特征的优化问题,为店铺提供有效的优化方案。
图6示意性示出一示例性实施方式中一种对象特征处理方法的页面示意图。
如图6所示,假设选择了第一对象为店铺A为例进行举例说明。
首先,通过建立机器学***均评分、低分评论数、商品丰富度等。
然后,根据店铺A的流失用户获取到用户流失到的其他店铺信息,这里根据流失用户的交易量从大到小降序排序,这里店铺A的流失用户数量为-11,其中流失到店铺C1的4个,流失到店铺C2的4个,流失到店铺C3的3,从而获得店铺C1、店铺C2、店铺C3作为其第二对象。
最后,分别将店铺A的各个关键特征与上述第二对象相对应的特征进行比对,获取差距比对结果。其中差距比对结果可以包括差距对比和优化建议(或者称之为结果反馈),根据差距对比输出相应的结果反馈。
例如店铺A的物理库存为50,店铺C1和C2的物理库存均为60,店铺C3的物理库存为70,假设这里取三个第二对象的物理库存的平均值作为店铺A的物理库存的比对指标,则物理库存差距对比=50-(60+60+70)/3≈-13,此时,***给店铺A输出的优化建议可以为“库存太少,建议增加库存”。又例如,店铺A图片数量为16,店铺C1的图片数量为31,店铺C2的图片数量为23,店铺C3的图片数量为55,则图片数量差距对比=16-(31+23+55)/3≈-20,此时,***给店铺A输出的优化建议可以为“图片太少,建议上传更多优质图片”。还例如,店铺A的低分评论数为64,店铺C1的低分评论数为34,店铺C2的低分评论数为50,店铺C3的低分评论数为40,则低分评论数差距对比=(34+50+40)/3-64≈-23,此时,给出的优化建议可以为“低分评论数太多,建议积极回复用户评论解释误会”。又例如,店铺A的商品丰富度为4,店铺C1至C3的商品丰富度分别为5、4和8,则商品丰富度差距对比=4-(5+4+8)/3≈-1.6,此时,给出的优化建议可以为“增加商品种类”。
需要说明的是,虽然上述实施例中均以多个第二对象的相应特征的平均值作为第一对象的关键特征的比对特征值,但在其他实施例中,也可以将第一对象的关键特征分别与多个第二对象中的每个第二对象的相应特征值进行比对,或者采用其他的计算公式形式,本公开对此不作限定。
图7是根据一示例性实施方式示出的再一种对象特征处理方法的流程图。
如图7所示,在步骤S710中,获取第一对象的第一特征。
本发明实施例中,所述获取第一对象的第一特征可以通过以下方式获得:统计第一历史时间段内所述第一对象的效果指标,并收集所述第一对象的特征数据;获取各个特征数据对所述效果指标的重要程度;根据各个特征数据对所述效果指标的重要程度,获取所述第一对象的所述第一特征。
本发明实施例中,以评估某店铺的展示内容的展示效果(例如推广效果)为例进行举例说明,其中该第一对象可以为店铺A。可以选取所述第一历史时间段内所述第一对象例如店铺A的订单数据(例如订单量、订单金额/交易额等)作为所述效果指标,假设这里将订单量作为效果指标,用于评估所述第一对象的展示效果,一般可以认为,在相同的历史时间段内,订单量越多则该店铺的展示效果越好。同时尽可能多的收集所述第一对象在该第一历史时间段内的详细信息作为该第一对象的特征数据。
在示例性实施例中,所述第一对象的特征数据可以包括所述第一对象的开业时间、装修时间、平均评分、高分评分数、低分评分数、低分评分数比例、平均价格、所述第一历史时间段内的物理库存、图片数量、星级、商品丰富度、晒图评论数等中的一种或者多种。
本发明实施例中,可以通过机器建模的方式获取各个特征数据对所述效果指标的重要程度。
本发明实施例中,可以根据各个特征数据对所述效果指标的重要程度进行降序排列,选取最重要的前N(N为正整数)个特征数据作为影响所述效果指标的第一特征(也可称之为关键特征)。
在步骤S720中,获取第二历史时间段内所述第一对象的用户会话。
本发明实施例中,用户在某网站或者App(application,应用程序)上一定时间范围内(例如,可以定义5分钟到30分钟之间,但本公开并不限定于此)的行为(搜索、浏览、点击等)定义为一次用户会话(Session)。
在步骤S730中,将所述第一对象的用户会话中和所述第一对象达成交易的用户作为所述第一对象的第一用户。这里的所述第一对象的第一用户也可以称之为所述第一对象的成交用户。
例如,对店铺A来说,从日志里找到过去一段时间(例如最近一周)内所有浏览、搜索、点击过该店铺的用户Session。所有用户Session里最终和该店铺A达成交易的用户称为该第一对象的第一用户。
在步骤S740中,获取在同样的用户会话内与所述第一对象的第一用户未达成交易的其他对象,将所述其他对象作为所述第二对象。
例如,对该店铺A,从日志里统计它的第一用户在同样的用户Session内,最终和哪些其他对象(可以为其他店铺)没有达成交易,这部分其他对象就是与该第一对象对应的第二对象。
例如,假设用户甲在同样的用户会话内浏览了店铺A和店铺B,但是最后该用户甲购买了店铺A的商品或者服务即与店铺A达成交易,而没有购买店铺B的商品或服务即与店铺B没有达成交易,则这里的店铺B为该店铺A对应的第二对象。
在步骤S750中,根据所述第一特征与所述第二对象确定所述第一对象的第二特征。
本发明实施例中,步骤S750中根据所述第一特征与所述第二对象确定所述第一对象的第二特征可以通过以下方式确定:分别统计该第一对象的第一特征和其对应的第二对象的相应特征,给出特征之间的差异。每一个有显著差异的第一特征都是该第一对象的所述第二特征。
具体的,例如所述第二特征可以是该第一对象相比较于该第二对象,具有明显优势的第一特征。
例如,在同样的用户会话中,用户甲(成交用户)与店铺A(第一对象)达成了交易,而未与另一店铺B(第二对象)达成交易,可以通过将店铺A的第一特征与该店铺B相应的特征进行比对,可以输出店铺A优于店铺B的地方,从而促成了该用户甲与该店铺A成交。
在示例性实施例中,所述方法还可以包括:将所述第二特征输出至所述第一对象。例如,可以将上述店铺A做得比店铺B好的第一特征即所述第二特征输出给店铺A,告知该店铺A其展示效果较好的原因。
需要说明的是,上述第一对象的第一特征和其第二对象的相应特征是指,该第一对象中的第一特征与该第二对象中相同的特征数据,例如假设第一对象具有的第一特征包括该第一对象的物理库存和平均评分,则该第一对象的物理库存对应的该第二对象的相应特征是指该第二对象的物理库存(该第二对象可以是一个或者多个;当该第二对象是多个时,可以是该多个第二对象的物理库存的例如平均值,也可以是该多个第二对象的多个物理库存分别与该第一对象的物理库存进行比对)。该第一对象的平均评分对应的该第二对象的相应特征是指该第二对象的平均评分。其他第一特征以此类推。
这里的显著差异可以根据完全可以量化的两个特征之间的差异的百分比来定义,例如(该第一对象的某一个第一特征-其中一个第二对象与该第一特征相应的对比特征)/该对比特征,或者(该第一对象的某一个第一特征-其中多个第二对象与该第一特征相应的对比特征的平均值)/该多个第二对象的对比特征的平均值,当其计算值超过50%可以认为是该两个特征之间是具有显著差异的,但本公开对此不作限定,可以根据具体应用场景来设定何为显著差异。
其中,第一对象和其第二对象的特征的对比可以根据经验或者常识来进行判断。例如用户评分这一项,通常认为评分越高的越好。又例如装修时间这一项,可以认为装修时间越晚的越好。再例如平均价格这一项,通常认为价格越低的越好等等。但本公开并不限定于此。
本发明实施方式提供的对象特征处理方法,通过首先找出第一对象的第一特征;然后统计过去一段时间内该第一对象的第一用户,根据所述第一对象的第一用户获取与所述第一对象对应的第二对象;最后,对比该第一对象的第一特征和该第二对象的第一特征之间的差异,能够更好的分析出第一对象的展示效果较好的原因。
图8是根据一示例性实施方式示出的一种对象特征处理装置的框图。
如图8所示,该对象特征处理装置100可以包括第一特征获取模块110、第一用户确定模块120、第二对象获取模块130以及第二特征确定模块140。
其中,第一特征获取模块110可以用于获取第一对象的第一特征。第一用户确定模块120可以用于确定所述第一对象的第一用户。第二对象获取模块130可以用于根据所述第一对象的第一用户获取与所述第一对象对应的第二对象。第二特征确定模块140可以用于根据所述第一特征与所述第二对象确定所述第一对象的第二特征。
在示例性实施例中,第一特征获取模块110可以进一步包括数据收集单元、重要性输出单元以及第一特征获取单元。
其中,所述数据收集单元可以用于统计第一历史时间段内所述第一对象的效果指标,并收集所述第一对象的特征数据。
在示例性实施例中,所述第一对象的特征数据可以包括所述第一对象的开业时间、装修时间、平均评分、高分评分数、低分评分数、平均价格、所述第一历史时间段内的库存、图片数量、星级、商品丰富度等中的一种或者多种。
所述重要性输出单元可以用于获取各个特征数据对所述效果指标的重要程度。
所述第一特征获取单元可以用于根据各个特征数据对所述效果指标的重要程度,获取所述第一对象的所述第一特征。
在示例性实施例中,第一用户确定模块120可以进一步包括用户会话获取单元以及第一用户确定单元。
其中,所述用户会话获取单元可以用于获取第二历史时间段内所述第一对象的用户会话。
所述第一用户确定单元可以用于根据所述第一对象的用户会话获得所述第一对象的第一用户。
在示例性实施例中,第二对象获取模块130还可以进一步包括第二对象获取单元。其中,所述第二对象获取单元可以用于获取在同样的用户会话内与所述第一对象的第一用户达成交易或者未达成交易的其他对象,将所述其他对象作为所述第二对象。
在示例性实施例中,该对象特征处理装置100还可以包括关键第二对象获取模块。所述关键第二对象获取模块可以进一步包括排序单元和关键第二对象获取单元。
所述排序单元可以用于将所述第二对象按照与所述第一用户的交易量进行排序。
所述关键第二对象获取单元可以用于将满足预设条件的第二对象作为所述第一对象的关键第二对象。
在示例性实施例中,其中,所述第二特征可以包括所述第一对象的待优化特征。所述第二特征确定模块140还可以用于根据所述第一特征与所述关键第二对象确定所述第一对象的待优化特征。
需要说明的是,上述发明实施例中的对象特征处理装置的模块和单元的具体实现可以参照上述发明实施例中的对象特征处理方法的内容,在此不再赘述。
根据本公开的另一示例性实施方式,还提供了一种电子设备,其可以包括存储器、处理器及存储在该存储器上并可在该处理器上运行的计算机程序,其中,该程序被该处理器执行时实现上述图1至图7所述发明实施例中的方法步骤。
下面参考图9,其示出了适于用来实现本申请实施例的电子设备200的结构示意图。图9示出的电子设备仅仅是一个示例,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9所示,电子设备200包括处理器201,其可以根据存储在存储器203中的程序而执行各种适当的动作和处理。特别地,根据本公开的实施例,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,本公开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程序代码,在该计算机程序被处理器201执行时,执行本申请的***中限定的上述功能。处理器201、存储器203以及通信接口202通过总线彼此相连。
附图中的流程图和框图,图示了按照本申请各种实施例的装置、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。在这点上,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***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。
作为另一方面,本公开还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:获取第一对象的第一特征;确定所述第一对象的第一用户;根据所述第一对象的第一用户获取与所述第一对象对应的第二对象;根据所述第一特征与所述第二对象确定所述第一对象的第二特征。
以上具体地示出和描述了本公开的示例性实施方式。应可理解的是,本公开不限于这里描述的详细结构、设置方式或实现方法;相反,本公开意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。

Claims (7)

1.一种对象特征处理方法,其特征在于,包括:
获取第一对象的第一特征;
确定所述第一对象的第一用户;
根据所述第一对象的第一用户获取与所述第一对象对应的第二对象;
根据所述第一特征与所述第二对象确定所述第一对象的第二特征;
其中,确定所述第一对象的第一用户包括:获取第二历史时间段内所述第一对象的用户会话;将所述第一对象的用户会话中未和所述第一对象达成交易的用户作为所述第一对象的第一用户;根据所述第一对象的第一用户获取与所述第一对象对应的第二对象包括:获取在同样的用户会话内与所述第一用户达成交易的其他对象,将所述其他对象作为所述第二对象;或者
确定所述第一对象的第一用户包括:获取第二历史时间段内所述第一对象的用户会话;将所述第一对象的用户会话中和所述第一对象达成交易的用户作为所述第一对象的第一用户;根据所述第一对象的第一用户获取与所述第一对象对应的第二对象包括:获取在同样的用户会话内与所述第一用户未达成交易的其他对象,将所述其他对象作为所述第二对象。
2.根据权利要求1所述的对象特征处理方法,其特征在于,获取第一对象的第一特征包括:
统计第一历史时间段内所述第一对象的效果指标,并收集所述第一对象的特征数据;
获取各个特征数据对所述效果指标的重要程度;
根据各个特征数据对所述效果指标的重要程度,获取所述第一对象的所述第一特征。
3.根据权利要求1至2任一所述的对象特征处理方法,其特征在于,其中,所述第二特征包括待优化特征,所述方法还包括:
将所述第二对象按照与所述第一用户的交易量进行排序;
将满足预设条件的第二对象作为所述第一对象的关键第二对象;
所述根据所述第一特征与所述第二对象确定所述第一对象的第二特征包括:
根据所述第一特征与所述关键第二对象确定所述第一对象的待优化特征。
4.根据权利要求3所述的对象特征处理方法,其特征在于,所述方法还包括:
针对所述待优化特征确定相应的优化建议。
5.一种对象特征处理装置,其特征在于,包括:
第一特征获取模块,用于获取第一对象的第一特征;
第一用户确定模块,用于确定所述第一对象的第一用户;
第二对象获取模块,用于根据所述第一对象的第一用户获取与所述第一对象对应的第二对象;
第二特征确定模块,用于根据所述第一特征与所述第二对象确定所述第一对象的第二特征;
所述第一用户确定模块包括用户会话获取单元以及第一用户确定单元,所述第二对象获取模块包括第二对象获取单元;
其中,所述用户会话获取单元用于获取第二历史时间段内所述第一对象的用户会话;所述第一用户确定单元用于将所述第一对象的用户会话中未和所述第一对象达成交易的用户作为所述第一对象的第一用户;所述第二对象获取单元用于获取在同样的用户会话内与所述第一用户达成交易的其他对象,将所述其他对象作为所述第二对象;或者
所述用户会话获取单元用于获取第二历史时间段内所述第一对象的用户会话;所述第一用户确定单元用于将所述第一对象的用户会话中和所述第一对象达成交易的用户作为所述第一对象的第一用户;所述第二对象获取单元用于获取在同样的用户会话内与所述第一用户未达成交易的其他对象,将所述其他对象作为所述第二对象。
6.一种电子设备,包括存储器、处理器及存储在该存储器上并可在该处理器上运行的计算机程序,其特征在于,该程序被该处理器执行时实现权利要求1-4任一项所述的方法步骤。
7.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-4任一所述的方法步骤。
CN201711085312.7A 2017-07-21 2017-11-07 对象特征处理方法及装置、电子设备 Active CN107730369B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201710601743.8A CN107358512A (zh) 2017-07-21 2017-07-21 对象特征处理方法及装置、电子设备
CN2017106017438 2017-07-21

Publications (2)

Publication Number Publication Date
CN107730369A CN107730369A (zh) 2018-02-23
CN107730369B true CN107730369B (zh) 2020-06-23

Family

ID=60284390

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201710601743.8A Pending CN107358512A (zh) 2017-07-21 2017-07-21 对象特征处理方法及装置、电子设备
CN201711085312.7A Active CN107730369B (zh) 2017-07-21 2017-11-07 对象特征处理方法及装置、电子设备

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN201710601743.8A Pending CN107358512A (zh) 2017-07-21 2017-07-21 对象特征处理方法及装置、电子设备

Country Status (1)

Country Link
CN (2) CN107358512A (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8386285B2 (en) * 2011-05-25 2013-02-26 International Business Machines Corporation Demand modeling and prediction in a retail category
CN104574136A (zh) * 2013-10-23 2015-04-29 东芝泰格有限公司 销售信息提示方法、销售信息提示***

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8386285B2 (en) * 2011-05-25 2013-02-26 International Business Machines Corporation Demand modeling and prediction in a retail category
CN104574136A (zh) * 2013-10-23 2015-04-29 东芝泰格有限公司 销售信息提示方法、销售信息提示***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于客户行为分析的电子商务潜在客户挖掘研究;吴礼旺;《中国优秀硕士学位论文全文数据库》;20140417;全文 *

Also Published As

Publication number Publication date
CN107730369A (zh) 2018-02-23
CN107358512A (zh) 2017-11-17

Similar Documents

Publication Publication Date Title
JP6356744B2 (ja) ウェブサイト横断情報を表示する方法およびシステム
CN108205768B (zh) 数据库建立方法和数据推荐方法及装置、设备和存储介质
CN109299994B (zh) 推荐方法、装置、设备及可读存储介质
JP5717858B2 (ja) テキストセットの照合
JP6134444B2 (ja) 情報を推薦するための方法およびシステム
TWI539305B (zh) Personalized information push method and device
US8924314B2 (en) Search result ranking using machine learning
CN102385601B (zh) 一种产品信息的推荐方法及***
TWI512653B (zh) Information providing method and apparatus, method and apparatus for determining the degree of comprehensive relevance
US8655737B1 (en) Brand name synonymy
CN103198118B (zh) 一种商品网页回溯方法及***
US10067964B2 (en) System and method for analyzing popularity of one or more user defined topics among the big data
CN108153792B (zh) 一种数据处理方法和相关装置
CN109325179A (zh) 一种内容推广的方法及装置
US11321724B1 (en) Product evaluation system and method of use
US20150221023A1 (en) Information providing device, information providing method, information providing program, and computer-readable storage medium storing the program
WO2016034028A1 (zh) 商品资讯信息获取方法、装置及设备
CN110866805A (zh) 一种推荐对象的方法和***
CN110717097A (zh) 业务推荐方法、装置、计算机设备和存储介质
CN114820123A (zh) 团购商品推荐方法、装置、设备及存储介质
WO2017203672A1 (ja) アイテム推奨方法、アイテム推奨プログラムおよびアイテム推奨装置
US20170193539A1 (en) Time-value estimation method and system for sharing environment
KR20100123206A (ko) 인공지능에 기반한 랭킹 분석 방법, 이를 기록한 기록 매체, 그 장치
US10719561B2 (en) System and method for analyzing popularity of one or more user defined topics among the big data
CN110020195B (zh) 文章推荐方法及装置、存储介质、电子设备

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