CN110991950A - 物流服务数据处理方法及装置、存储介质 - Google Patents
物流服务数据处理方法及装置、存储介质 Download PDFInfo
- Publication number
- CN110991950A CN110991950A CN201911084017.9A CN201911084017A CN110991950A CN 110991950 A CN110991950 A CN 110991950A CN 201911084017 A CN201911084017 A CN 201911084017A CN 110991950 A CN110991950 A CN 110991950A
- Authority
- CN
- China
- Prior art keywords
- airline
- user
- logistics service
- logistics
- data
- 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
- 238000003672 processing method Methods 0.000 title claims description 9
- 230000006399 behavior Effects 0.000 claims abstract description 47
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000010801 machine learning Methods 0.000 claims abstract description 15
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 238000007405 data analysis Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 abstract description 6
- 238000004891 communication Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
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
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0832—Special goods or special handling procedures, e.g. handling of hazardous or fragile goods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Software Systems (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种物流服务数据处理方法及装置、存储介质，其中方法包括如下步骤：对所收集的物流服务基础数据库中的航线物流数据进行计算得到用户画像、商品画像和用户行为数据；基于预先训练的机器学习模型综合分析用户画像、商品画像和用户行为数据，根据综合分析的结果动态调整航线物流服务排名；根据航线物流服务排名为不同的用户推荐最合适的航线商品。采用本发明，通过统计分析航线物流数据、并结合机器学习模型对航线物流服务进行综合排名，再为用户推荐具有购买意愿的航线商品，可以提高用户忠诚度和用户体验，提高用户购物决策的质量和效率，提升下单转化率，增强用户黏性。
Description
技术领域
本发明涉及物流服务技术领域，尤其涉及一种物流服务数据处理方法及装置、存储介质。
背景技术
跨境服务行业粗放性发展几十年，市场特点明显，行业痛点也很明显，主要集中在以下几个方面：
(1)服务角色多，服务流程长。一次跨境服务需要十几个服务商且经过十多个服务种类方能完成，尤其在跨境国际航运服务中，全球航线及船公司繁多，竞争激烈。
(2)货物流和服务流失明。整个服务过程相对原始，目前几乎是采用电话、邮件和人工操作等方式进行服务，造成效率低下、出错率高、成本增加。
(3)变价频繁、询价频繁。整个国际运价每周甚至在更短的时间周期内都会变动，造成客户的询价成本和效率极低，且繁琐。国内航运询价存在多级代理，船东、一级船代、二级船代、三级船代等，信息交换不及时不透明。船公司之间的市场行为造成运价波动变化频繁。目的港国家的贸易政策变化带来的运价变化等多元因素，造成运价不稳定。以上种种原因，直接影响到了客户询价行为的复杂性、价格的不确定性。
(4)上下游严重缺少信誉。付款不及时，三角债严重，上下游流动***而得不到银行等金融机构的认可，没有透明可控的信誉凭证。
全球化贸易是世界性趋势，国际贸易的便利性是整体趋势。所以从全球及长远来看，跨境贸易和跨境贸易服务是一个巨大的增量市场。而同时，跨境贸易服务的粗放性发展历史和落后的服务方式、整体高级从业人员的缺失、科技创新的缺失等等，造成跨境贸易服务的成本高、效率低。据统计，贸易服务费用占贸易额的比例竟然达到15％以上，占比太高。所以，这个行业急需要用科技的力量改造升级。
跨境服务行业是伴随着跨境贸易行业而生的传统行业，是一个刚需市场，市场规模很大，仅中国市场每年就有5万亿以上，其中国际航运在整个跨境服务中的权重占比在70％，优化物流服务效率、提高服务质量、降低成本，为用户提供真正有价值的服务。
随着物联网、AI技术、云计算等技术不断融入到我们的生活中，积累的数据在互联网、通信、金融、商业、医疗等诸多领域不断地增长和累积，面向贸易服务过程中的海量数据，我们除了需要实时分析并迅速反馈结果，还需要精准提取出隐含在其中的用户需要的有价值信息，再将挖掘所得到的信息转化成有组织的知识以模型等方式表示出来，从而将分析模型应用到实际工作场景中提高服务效率、优化营销方案等。
发明内容
本发明实施例提供一种物流服务数据处理方法及装置、存储介质，可以提高用户忠诚度和用户体验，提高用户购物决策的质量和效率，提升下单转化率，增强用户黏性。
本发明实施例第一方面提供了一种物流服务数据处理方法，可包括：
对所收集的物流服务基础数据库中的航线物流数据进行计算得到用户画像、商品画像和用户行为数据；
基于预先训练的机器学习模型综合分析用户画像、商品画像和用户行为数据，根据综合分析的结果动态调整航线物流服务排名；
根据航线物流服务排名为不同的用户推荐最合适的航线商品。
进一步的，上述方法还包括：
获取用户基于所推荐的航线商品发生的选购行为数据；
基于选购行为数据更新物流服务基础数据库中的航线物流数据。
进一步的，上述方法还包括：
当航线物流服务排名中排名前N的目标物流服务对应的航线商品的价格发生变化时，将价格变化发送至目标用户，其中，N为大于等于1的正整数。
进一步的，上述方法还包括：
将关注目标物流服务对应的航线商品的用户行为数据指示的用户确定为目标用户。
进一步的，上述方法还包括：
基于用户行为数据确定用户关注的目标航线；
当目标航线对应的航线商品的价格发生变化时，将价格变化发送至关注目标航线的用户。
本发明实施例第二方面提供了一种物流服务数据处理装置，可包括：
数据分析处理模块，用于对所收集的物流服务基础数据库中的航线物流数据进行计算得到用户画像、商品画像和用户行为数据；
服务排名调整模块，用于基于预先训练的机器学习模型综合分析用户画像、商品画像和用户行为数据，根据综合分析的结果动态调整航线物流服务排名；
航线商品推荐模块，用于根据物流服务排名为不同的用户推荐最合适的航线商品。
进一步的，上述装置还包括：
选购数据获取模块，用于获取用户基于所推荐的航线商品发生的选购行为数据；
数据更新模块，用于基于选购行为数据更新物流服务基础数据库中的航线物流数据。
进一步的，上述装置还包括：
信息更新推荐模块，用于当航线物流服务排名中排名前N的目标物流服务对应的航线商品的价格发生变化时，将价格变化发送至目标用户，其中，N为大于等于1的正整数。
进一步的，上述装置还包括：
目标用户确定模块，用于将关注目标物流服务对应的航线商品的用户行为数据指示的用户确定为目标用户。
进一步的，上述装置还包括：
目标航线确定模块，用于基于用户行为数据确定用户关注的目标航线；
信息更新推荐模块，还用于当目标航线对应的航线商品的价格发生变化时，将价格变化发送至关注目标航线的用户。
本发明实施例第三方面提供了一种计算机设备，该设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述方面所述的物流服务数据处理方法。
本发明实施例第四方面提供了一种计算机存储介质，该计算机存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现上述方面所述的物流服务数据处理方法。
在本发明实施例中，通过统计分析航线物流数据、并结合机器学习模型对航线物流服务进行综合排名，再为用户推荐具有购买意愿的航线商品，提高了用户忠诚度和用户体验，提高了用户购物决策的质量和效率，提升了下单转化率，增强用户黏性。
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是本发明实施例提供的一种物流服务数据处理方法的流程示意图；
图2是本发明实施例提供的一种物流服务数据处理装置的结构示意图；
图3是本发明实施例提供的一种计算机设备的结构示意图。
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、完整地描述，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。
本发明的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含，术语“第一”和“第二”仅是为了区别命名，并不代表数字的大小或者排序。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
需要说明的是，本申请提供的物流服务数据处理方法可以应用于船运、空运或者其他方式的物流运输服务的场景中。
本发明实施例中，物流服务数据处理方法可以应用于计算机设备中，该计算机设备可以是电脑或者智能手机，也可以是其它具备计算处理能力的电子设备。
如图1所示，物流服务数据处理方法至少可以包括以下几个步骤：
S101，对所收集的物流服务基础数据库中的航线物流数据进行计算得到用户画像、商品画像和用户行为数据。
需要说明的是，计算机设备可以创建物流服务基础数据库，用于存储于航线物流相关的任何数据即航线物流数据，比如，设备采集的参与购买的用户数据、航线数据或者商品数据等。
进一步的，设备可以对上述数据库中的数据进行分析形成用户画像、商品画像和用户行为数据。其中，用户画像可以包括采购航线商品的企业性质、所在地、进出口货物品类、年/月/周货量、货值、服务价格敏感性、贸易国/地区、贸易方式、结算方式等。商品画像可以包括主要包括航线的启运国、启运港、目的港国、目的港、航程、班期、船公司、箱型、热门线路、活动线路、普货、危险品等。用户行为数据可以包括用户关注航线、查询航线、下单、点击率、转发分享、进度跟踪、物流跟踪、评价等。
S102，基于预先训练的机器学习模型综合分析用户画像、商品画像和用户行为数据，根据综合分析的结果动态调整航线物流服务排名。
可以理解的是，未排名之前的航线物流服务可能是杂乱的，关注低的航线商品也可能排在前面，不利于查询和航线商品的推荐。
在一种优选的实现方式中，设备可以预先采用上述航线物流数据训练机器学习模型，进一步的，可以基于该模型综合分析用户画像、商品画像和用户行为数据，根据综合分析的结果动态调整航线物流服务排名。
可以理解的是，航线物流服务排名可以是综合多方面因素(如航线的线路、物流服务、售后服务等)后对航线物流按照服务质量由高到低等进行的排名。
S103，根据航线物流服务排名为不同的用户推荐最合适的航线商品。
具体实现中，设备可以先根据用户画像或者用户行为数据分析不同用户所关注的商品或者航线，然后将航线物流服务中与用户关注的商品或航线相关的、排名靠前的航线或者航线商品推荐给该用户，实现了个性化推送同时保证了推荐给用户的商品最能满足客户的购买意愿。
可选的，若一用户关注的航线或者商品在航线物流在排名靠前的物流服务中存在多个对应排名的物流服务，则可以将多个同时推荐给该用户，或者任选一个或者选择最靠前的航线或商品进行推荐。若一用户关注的航线或者商品在航线物流排名靠前的物流服务中没有(例如，在排名前10的航线物流服务中都不存用户关注的商品或航线物流)，则基于上述排名继续顺序检测，直到找到与其关注的航线或航线商品相匹配的航线物流服务，然后将对应排名的航线物流服务中的航线商品推荐给该用户。
进一步的，用户可以根据设备推荐的航线商品进行选购，并产生针对该选购的选购行为数据。设备可以采集该选购行为数据，然后基于该数据对上述物流服务基础数据库中的航线物流数据进行扩充或者更新，以便进一步对上述机器学习模型进行优化训练，增加航线物流服务排名的准确性。
在可选实施例中，设备可以监测航线物流服务中排名靠前(例如，排名前N的，N为大于等于1的正整数)的目标物流服务对应的航线商品的价格是否发生变化，并在发生变化时，将价格的变化发送至关注这一航线物流服务的目标用户。通过维护航线物流服务排名的航线航拍保证了排名靠前的航线的综合服务质量。
在可选实施例中，设备还可以基于任一用户在某一时间段内的用户行为数据，推算其关注的目标航线，进一步的，设备可以监测该目标航线的航线商品价格是否变化，在监测到变化时，可以将价格变化自动推荐给该用户，实现了对任一用户关注的航线物流服务的数据维护。可选的，设备还可以推算出用户关注的目标航线的航线排名，例如，根据用户某一时间段，查询过的航线记录，查询次数，关注次数，下单量，转发分享量，推算出某一航线的排名。然后判断该航线排名是否靠前，若靠前，则对其进行数据维护，否则可以不处理，通过选择性的数据维护，避免了浪费***资源，同时保证了重要客户不流失。
在本发明实施例中，通过统计分析航线物流数据、并结合机器学习模型对航线物流服务进行综合排名，再为用户推荐具有购买意愿的航线商品，提高了用户忠诚度和用户体验，提高了用户购物决策的质量和效率，提升了下单转化率，增强用户黏性。
下面将结合附图2，对本发明实施例提供的物流服务数据处理装置进行详细介绍。需要说明的是，附图2所示的数据处理装置，用于执行本发明图1所示实施例的方法，为了便于说明，仅示出了与本发明实施例相关的部分，具体技术细节未揭示的，请参照本发明图1所示的实施例。
请参见图2，为本发明实施例提供了一种物流服务数据处理装置的结构示意图。如图2所示，本发明实施例的数据处理装置10可以包括：数据分析处理模块101、服务排名调整模块102、航线商品推荐模块103、选购数据获取模块104、数据更新模块105、信息更新推荐模块106、目标用户确定模块107和目标航线确定模块108。
数据分析处理模块101，用于对所收集的物流服务基础数据库中的航线物流数据进行计算得到用户画像、商品画像和用户行为数据。
服务排名调整模块102，用于基于预先训练的机器学习模型综合分析用户画像、商品画像和用户行为数据，根据综合分析的结果动态调整航线物流服务排名。
航线商品推荐模块103，用于根据物流服务排名为不同的用户推荐最合适的航线商品。
在可选实施例中，选购数据获取模块104，用于获取用户基于所推荐的航线商品发生的选购行为数据。
数据更新模块105，用于基于选购行为数据更新物流服务基础数据库中的航线物流数据。
在可选实施例中，信息更新推荐模块106，用于当航线物流服务排名中排名前N的目标物流服务对应的航线商品的价格发生变化时，将价格变化发送至目标用户，其中，N为大于等于1的正整数。
目标用户确定模块107，用于将关注目标物流服务对应的航线商品的用户行为数据指示的用户确定为目标用户。
在可选实施例中，目标航线确定模块108，用于基于用户行为数据确定用户关注的目标航线。
信息更新推荐模块106，还用于当目标航线对应的航线商品的价格发生变化时，将价格变化发送至关注目标航线的用户。
需要说明的是，本实施例中各模块的执行过程可以参见上述方法实施例中的描述，此处不再赘述。
在本发明实施例中，通过统计分析航线物流数据、并结合机器学习模型对航线物流服务进行综合排名，再为用户推荐具有购买意愿的航线商品，提高了用户忠诚度和用户体验，提高了用户购物决策的质量和效率，提升了下单转化率，增强用户黏性。
本发明实施例还提供了一种计算机存储介质，所述计算机存储介质可以存储有多条指令，所述指令适于由处理器加载并执行如上述图1所示实施例的方法步骤，具体执行过程可以参见图1所示实施例的具体说明，在此不进行赘述。
本申请实施例还提供了一种计算机设备。如图3所示，计算机设备20可以包括：至少一个处理器201，例如CPU，至少一个网络接口204，用户接口203，存储器205，至少一个通信总线202，可选地，还可以包括显示屏206。其中，通信总线202用于实现这些组件之间的连接通信。其中，用户接口203可以包括触摸屏、键盘或鼠标等等。网络接口204可选的可以包括标准的有线接口、无线接口(如WI-FI接口)，通过网络接口204可以与服务器建立通信连接。存储器205可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatilememory)，例如至少一个磁盘存储器，存储器205包括本发明实施例中的flash。存储器205可选的还可以是至少一个位于远离前述处理器201的存储***。如图3所示，作为一种计算机存储介质的存储器205中可以包括操作***、网络通信模块、用户接口模块以及程序指令。
需要说明的是，网络接口204可以连接接收器、发射器或其他通信模块，其他通信模块可以包括但不限于WiFi模块、蓝牙模块等，可以理解，本发明实施例中计算机设备也可以包括接收器、发射器和其他通信模块等。
处理器201可以用于调用存储器205中存储的程序指令，并使计算机设备20执行以下操作：
对所收集的物流服务基础数据库中的航线物流数据进行计算得到用户画像、商品画像和用户行为数据；
基于预先训练的机器学习模型综合分析用户画像、商品画像和用户行为数据，根据综合分析的结果动态调整航线物流服务排名；
根据航线物流服务排名为不同的用户推荐最合适的航线商品。
在一些实施例中，设备20还用于：
获取用户基于所推荐的航线商品发生的选购行为数据；
基于选购行为数据更新物流服务基础数据库中的航线物流数据。
在一些实施例中，设备20还用于：
当航线物流服务排名中排名前N的目标物流服务对应的航线商品的价格发生变化时，将价格变化发送至目标用户，其中，N为大于等于1的正整数。
在一些实施例中，设备20还用于：
将关注目标物流服务对应的航线商品的用户行为数据指示的用户确定为目标用户。
在一些实施例中，设备20还用于：
基于用户行为数据确定用户关注的目标航线；
当目标航线对应的航线商品的价格发生变化时，将价格变化发送至关注目标航线的用户。
在本发明实施例中，通过统计分析航线物流数据、并结合机器学习模型对航线物流服务进行综合排名，再为用户推荐具有购买意愿的航线商品，提高了用户忠诚度和用户体验，提高了用户购物决策的质量和效率，提升了下单转化率，增强用户黏性。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。
Claims (10)
1.一种物流服务数据处理方法，其特征在于，包括：
对所收集的物流服务基础数据库中的航线物流数据进行计算得到用户画像、商品画像和用户行为数据；
基于预先训练的机器学习模型综合分析所述用户画像、所述商品画像和所述用户行为数据，根据所述综合分析的结果动态调整航线物流服务排名；
根据所述航线物流服务排名为不同的用户推荐最合适的航线商品。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取用户基于所推荐的航线商品发生的选购行为数据；
基于所述选购行为数据更新所述物流服务基础数据库中的航线物流数据。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
当所述航线物流服务排名中排名前N的目标物流服务对应的航线商品的价格发生变化时，将价格变化发送至目标用户，其中，N为大于等于1的正整数。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
将关注所述目标物流服务对应的航线商品的用户行为数据指示的用户确定为目标用户。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
基于所述用户行为数据确定用户关注的目标航线；
当所述目标航线对应的航线商品的价格发生变化时，将所述价格变化发送至关注所述目标航线的用户。
6.一种物流服务数据处理装置，其特征在于，包括：
数据分析处理模块，用于对所收集的物流服务基础数据库中的航线物流数据进行计算得到用户画像、商品画像和用户行为数据；
服务排名调整模块，用于基于预先训练的机器学习模型综合分析所述用户画像、所述商品画像和所述用户行为数据，根据所述综合分析的结果动态调整航线物流服务排名；
航线商品推荐模块，用于根据所述物流服务排名为不同的用户推荐最合适的航线商品。
7.根据权利要求6所述的装置，其特征在于，所述装置还包括：
选购数据获取模块，用于获取用户基于所推荐的航线商品发生的选购行为数据；
数据更新模块，用于基于所述选购行为数据更新所述物流服务基础数据库中的航线物流数据。
8.根据权利要求6所述的装置，其特征在于，所述装置还包括：
信息更新推荐模块，用于当所述航线物流服务排名中排名前N的目标物流服务对应的航线商品的价格发生变化时，将价格变化发送至目标用户，其中，N为大于等于1的正整数。
9.根据权利要求8所述的装置，其特征在于，所述装置还包括：
目标用户确定模块，用于将关注所述目标物流服务对应的航线商品的用户行为数据指示的用户确定为目标用户。
10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1至5任一项所述的物流服务数据处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911084017.9A CN110991950A (zh) | 2019-11-07 | 2019-11-07 | 物流服务数据处理方法及装置、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911084017.9A CN110991950A (zh) | 2019-11-07 | 2019-11-07 | 物流服务数据处理方法及装置、存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110991950A true CN110991950A (zh) | 2020-04-10 |
Family
ID=70083553
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911084017.9A Pending CN110991950A (zh) | 2019-11-07 | 2019-11-07 | 物流服务数据处理方法及装置、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110991950A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8738434B1 (en) * | 2011-07-13 | 2014-05-27 | Intuit Inc. | Method and system for generating deals for a business using a software application |
| CN105869001A (zh) * | 2015-01-19 | 2016-08-17 | 苏宁云商集团股份有限公司 | 个性化商品推荐引流方法和*** |
| US20170220966A1 (en) * | 2016-02-03 | 2017-08-03 | Operr Technologies, Inc. | Method and System for On-Demand Customized Services |
| CN107247762A (zh) * | 2017-06-01 | 2017-10-13 | 深圳前海跨海侠跨境电子商务有限公司 | 一种国际物流线路推荐方法 |
| CN109712001A (zh) * | 2018-11-29 | 2019-05-03 | 平安科技（深圳）有限公司 | 信息推荐方法、装置、计算机设备和存储介质 |
| CN109978450A (zh) * | 2019-03-19 | 2019-07-05 | 深圳市金鹰鹏物流有限公司 | 基于云服务智能物流配送方法及*** |
-
2019
- 2019-11-07 CN CN201911084017.9A patent/CN110991950A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8738434B1 (en) * | 2011-07-13 | 2014-05-27 | Intuit Inc. | Method and system for generating deals for a business using a software application |
| CN105869001A (zh) * | 2015-01-19 | 2016-08-17 | 苏宁云商集团股份有限公司 | 个性化商品推荐引流方法和*** |
| US20170220966A1 (en) * | 2016-02-03 | 2017-08-03 | Operr Technologies, Inc. | Method and System for On-Demand Customized Services |
| CN107247762A (zh) * | 2017-06-01 | 2017-10-13 | 深圳前海跨海侠跨境电子商务有限公司 | 一种国际物流线路推荐方法 |
| CN109712001A (zh) * | 2018-11-29 | 2019-05-03 | 平安科技（深圳）有限公司 | 信息推荐方法、装置、计算机设备和存储介质 |
| CN109978450A (zh) * | 2019-03-19 | 2019-07-05 | 深圳市金鹰鹏物流有限公司 | 基于云服务智能物流配送方法及*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11315069B2 (en) | Systems and methods for facilitating e-commerce product returns using orders for returned items | |
| CN106503258B (zh) | 一种网站站内精确搜索方法 | |
| CN103824192A (zh) | 混合推荐*** | |
| US20210012417A1 (en) | System and method for combining product specific data with customer and merchant specific data | |
| US20210012281A1 (en) | System and method for managing inventory through return labels | |
| CN114202089A (zh) | 基于运送路线和运输方式预测来获得碳排放的指示的方法和*** | |
| EP3757932A1 (en) | Systems and methods for facilitating e-commerce product returns using orders for returned items | |
| CN112365283B (zh) | 一种优惠券发放方法、装置、终端设备及存储介质 | |
| US20210012280A1 (en) | System and method for processing returned items based on related inventory information | |
| WO2014022009A1 (en) | System and method of rating a product | |
| US20210334782A1 (en) | Method and system for negotiating, generating, documenting, and fulfilling vendor financing opportunities | |
| WO2020150611A1 (en) | Systems and methods for entity performance and risk scoring | |
| JP2009301399A (ja) | 営業支援システム及び営業支援方法 | |
| CN115147144A (zh) | 数据处理方法及电子设备 | |
| KR20190056075A (ko) | 사업자에 의해 제공되는 서비스 평가 시스템, 서버 및 방법 | |
| KR102570758B1 (ko) | 구독몰과 금융사 간의 연계를 통한 인공지능 기반의 금융상품 자동추천 방법 | |
| CN116595390A (zh) | 商品信息处理方法及电子设备 | |
| US20190180294A1 (en) | Supplier consolidation based on acquisition metrics | |
| CN110991950A (zh) | 物流服务数据处理方法及装置、存储介质 | |
| US20110213729A1 (en) | Automatic selection of cheapest suppliers for product assembly | |
| CN113935529A (zh) | 客户生命周期价值的确定方法、装置、设备及介质 | |
| Apatova et al. | Virtual telecommunication enterprises and their risk assessment | |
| Tripathi | Economic ordering policies under credit financing for deteriorating items with stock-dependent demand rate using discounted cash flow approach | |
| US20180025306A1 (en) | Automated agile roadmap decision management system | |
| US20240161258A1 (en) | System and methods for tuning ai-generated images |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200410 |
|
| RJ01 | Rejection of invention patent application after publication |