CN111210298A - 一种基于大数据处理c2c平台商品货架智能排序的方法及*** - Google Patents

一种基于大数据处理c2c平台商品货架智能排序的方法及*** Download PDF

Info

Publication number
CN111210298A
CN111210298A CN201911343628.0A CN201911343628A CN111210298A CN 111210298 A CN111210298 A CN 111210298A CN 201911343628 A CN201911343628 A CN 201911343628A CN 111210298 A CN111210298 A CN 111210298A
Authority
CN
China
Prior art keywords
commodity
recorded
marked
membered
coefficient
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
Application number
CN201911343628.0A
Other languages
English (en)
Inventor
杨云峰
陈宇
林顺荣
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.)
Wuhan Zhuxiang Network Technology Co Ltd
Original Assignee
Wuhan Zhuxiang Network 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 Wuhan Zhuxiang Network Technology Co Ltd filed Critical Wuhan Zhuxiang Network Technology Co Ltd
Priority to CN201911343628.0A priority Critical patent/CN111210298A/zh
Publication of CN111210298A publication Critical patent/CN111210298A/zh
Pending legal-status Critical Current

Links

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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0623—Item investigation
    • G06Q30/0625—Directed, with specific intent or strategy
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/70—Game security or game management aspects
    • A63F13/79—Game security or game management aspects involving player-related data, e.g. identities, accounts, preferences or play histories
    • A63F13/798—Game security or game management aspects involving player-related data, e.g. identities, accounts, preferences or play histories for assessing skills or for ranking players, e.g. for generating a hall of fame
    • 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
    • G06Q30/0645—Rental transactions; Leasing transactions
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
    • A63F2300/50—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game characterized by details of game servers
    • A63F2300/55—Details of game data or player data management
    • A63F2300/5546—Details of game data or player data management using player registration data, e.g. identification, account, preferences, game history
    • A63F2300/558—Details of game data or player data management using player registration data, e.g. identification, account, preferences, game history by assessing the players' skills or ranking

Landscapes

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

Abstract

本发明公开了一种基于大数据处理c2c平台商品货架智能排序的方法及***，其包括下列步骤：S1：收集游戏商品维度信息，对商品进行聚类分析，得到聚类商品集A。S2：收集玩家维度信息，为玩家匹配聚类商品集A1。S3：收集上述匹配聚类商品集A1中一段时间t内所有商品订单及商家的信息。S4：对S3步骤中收集到的信息进行赋值计算，得到所有聚类商品集A1中商品的商品排序值，按商品排序值从大到小的顺序将商品依次展示。该方法及***对商品进行聚类分析，按玩家爱好对聚类商品的排序值进行计算，并商品排序值从大到小的顺序将商品一次排列并展示，这样，玩家在进入租赁平台能迅速发现自己偏好的商品，让玩家在游戏平台具有良好的体验。

Description

一种基于大数据处理c2c平台商品货架智能排序的方法及 ***
技术领域
本发明涉及一种基于大数据处理c2c平台的方法及***，特别是涉及一种基于大数据处理c2c平台商品货架智能排序的方法及***。
背景技术
目前游戏种类繁多，很多玩家想玩优质的游戏账号，比如说有高端武器或者昂贵皮肤，又不想花时间或者花金钱投入到游戏账号，慢慢的游戏账号租赁开始流行。玩家一般通过游戏账号租赁平台进行账号租赁，目前账号租赁平台根据个人偏好，或者是游戏流行程度对租赁的游戏商品进行排序推荐给玩家，这样的推荐方式不够智能，不能精准推荐玩家偏向的游戏账号，玩家需要浏览很长时间才能找到自己喜欢的游戏，这样会导致游戏租赁平台玩家访问量流失，降低了租赁平台的交易量，影响了玩家的体验感。
发明内容
本发明的目的是为了克服上述背景技术的不足，提供一种基于大数据处理c2c平台商品货架智能排序的方法及***，使其能将玩家偏好的商品进行排序并且依次进行列出。
本发明提供的一种基于大数据处理c2c平台商品货架智能排序的方法，其包括下列步骤：
S1：收集游戏商品维度信息，对商品进行聚类分析，得到聚类商品集A；
S2：收集玩家维度信息，为玩家匹配聚类商品集A1；
S3：收集上述匹配聚类商品集A1中一段时间t内所有商品订单及商家的信息；
S4：对S3步骤中收集到的信息进行赋值计算，得到所有聚类商品集A1中商品的商品排序值，按商品排序值从大到小的顺序将商品依次展示；
所述S1步骤中游戏商品聚类为至少包括动作类、益智类、休闲类；
S3步骤中所述一段时间t为20-40天；
S4步骤中所述赋值方式为：
收益玩家比例：(卖家收益流水-卖家维权成功押金)/卖家租金*0.75(0.85)；
租赁时长系数：租赁时长T不大于1小时记为1,不大于2小时记为1.3,不大于3小时记为1.6,不大于4小时记为1.8,大于或者等于4小时且不大于10小时记为2；往后推每10小时记为3；每24小时记为7；168小时记为35；
单价系数：单价<1.5元是1，1.5≦单价<2元是1.15；2元≦单价<3元是1.3；3元≦单价<4元是1.45；4元≦单价<6元是1.6；6元≦单价<8元是1.75；单价≧元8是1.9；
置顶系数：商品处于置顶中状态被租赁＝2；商品未处于置顶中状态被租赁＝1；
商户分组系数：普通用户记为0，普通卖家记为13，金牌签约卖家记为16，钻石签约卖家记为18，核心优质卖家记为20；
商户成单比例系数：商户成单比例<50％记为0.8，,50％≦商户成单比例<70％之间记为1，70％≦商户成单比例≦80％＝1.2，商户成单比例>80％记为1.5；所述商户承担比例为交易完成订单数/(交易完成订单数+维权订单笔数)；
商品特殊字段匹配值：以英雄联盟类目为例：皮肤数系数记为0.15英雄数系数记为0.05段位系数记为0.1；
用户租赁指定商品次数：某一个商品被该用户租赁次；
租赁商品系数：固定值记为150；
用户租赁指定聚类商品次数：某一个聚类商品被该用户租赁次数；
租赁类目系数：动态配置化，英雄联盟记为50，穿越火线记为65，绝地求生记为75；
设备系数：设备为PCweb/PC客户端时，端游商品记为1.5，手游商品记为0.5；设备为ios app时，ios手游商品记为2，其他记为0.5；
设备为Android app时，Android手游商品记为2，其他记为0.5；
S4步骤中所述商品排序值的计算公式为
Figure BDA0002332762060000031
Figure BDA0002332762060000032
本发明还提供了一种基于大数据处理c2c平台商品货架智能排序的***，其包括：
收集游戏商品维度信息单元，用于收集游戏商品维度信息，对商品进行聚类分析，得到聚类商品集A；
收集玩家维度信息单元，用于收集玩家维度信息，为玩家匹配聚类商品集A1；
收集上述匹配聚类商品集A1单元，用于收集上述匹配聚类商品集A1中一段时间t内所有商品订单及商家的信息；
信息进行赋值计算单元，用于对S3步骤中收集到的信息进行赋值计算，得到所有聚类商品集A1中商品的商品排序值，按商品排序值从大到小的顺序将商品依次展示。
所述收集游戏商品维度信息单元中至少包含动作类单元、益智类单元、休闲类单元。
所述一段时间t为20-40天。
所述赋值方式为：
收益玩家比例：(卖家收益流水-卖家维权成功押金)/卖家租金*0.75(0.85)；
租赁时长系数：租赁时长T不大于1小时记为1,不大于2小时记为1.3,不大于3小时记为1.6,不大于4小时记为1.8,大于或者等于4小时且不大于10小时记为2；往后推每10小时记为3；每24小时记为7；168小时记为35；
单价系数：单价<1.5元是1，1.5≦单价<2元是1.15；2元≦单价<3元是1.3；3元≦单价<4元是1.45；4元≦单价<6元是1.6；6元≦单价<8元是1.75；单价≧元8是1.9；
置顶系数：商品处于置顶中状态被租赁＝2；商品未处于置顶中状态被租赁＝1；
商户分组系数：普通用户记为0，普通卖家记为13，金牌签约卖家记为16，钻石签约卖家记为18，核心优质卖家记为20；
商户成单比例系数：商户成单比例<50％记为0.8，,50％≦商户成单比例<70％之间记为1，70％≦商户成单比例≦80％＝1.2，商户成单比例>80％记为1.5；所述商户承担比例为交易完成订单数/(交易完成订单数+维权订单笔数)；
商品特殊字段匹配值：以英雄联盟类目为例：皮肤数系数记为0.15英雄数系数记为0.05段位系数记为0.1；
用户租赁指定商品次数：某一个商品被该用户租赁次；
租赁商品系数：固定值记为150；
用户租赁指定聚类商品次数：某一个聚类商品被该用户租赁次数；
租赁类目系数：动态配置化，英雄联盟记为50，穿越火线记为65，绝地求生记为75；
设备系数：设备为PCweb/PC客户端时，端游商品记为1.5，手游商品记为0.5；设备为ios app时，ios手游商品记为2，其他记为0.5；
设备为Android app时，Android手游商品记为2，其他记为0.5；
S4步骤中所述商品排序值的计算公式为
Figure BDA0002332762060000051
Figure BDA0002332762060000052
有益效果：一种基于大数据处理c2c平台商品货架智能排序的方法及***，对商品进行聚类分析，按玩家爱好对聚类商品的排序值进行计算，并商品排序值从大到小的顺序将商品一次排列并展示，这样，玩家在进入租赁平台能迅速发现自己偏好的商品，让玩家在游戏平台具有良好的体验。
附图说明
图1为本发明种基于大数据处理c2c平台商品货架智能排序的方法及***的流程图。
具体实施方式
下面结合附图及实施例对本发明进行详细描述，本部分的描述仅是示范性和解释性，不应对本发明的保护范围有任何的限制作用。
本发明实施方式提供一种基于大数据处理c2c平台商品货架智能排序的方法，其包括下列步骤：
S1：收集游戏商品维度信息，对商品进行聚类分析，得到聚类商品集A；
S2：收集玩家维度信息，为玩家匹配聚类商品集A1；
S3：收集上述匹配聚类商品集A1中一段时间t内所有商品订单及商家的信息；
S4：对S3步骤中收集到的信息进行赋值计算，得到所有聚类商品集A1中商品的商品排序值，按商品排序值从大到小的顺序将商品依次展示。
具体地，所述S1步骤中游戏商品聚类为至少包括动作类、益智类、休闲类。
具体地，S3步骤中所述一段时间t为20-40天。
具体地，S4步骤中所述赋值方式为：
收益玩家比例：(卖家收益流水-卖家维权成功押金)/卖家租金*0.75(0.85)；
租赁时长系数：租赁时长T不大于1小时记为1,不大于2小时记为1.3,不大于3小时记为1.6,不大于4小时记为1.8,大于或者等于4小时且不大于10小时记为2；往后推每10小时记为3；每24小时记为7；168小时记为35；
单价系数：单价<1.5元是1，1.5≦单价<2元是1.15；2元≦单价<3元是1.3；3元≦单价<4元是1.45；4元≦单价<6元是1.6；6元≦单价<8元是1.75；单价≧元8是1.9；
置顶系数：商品处于置顶中状态被租赁＝2；商品未处于置顶中状态被租赁＝1；
商户分组系数：普通用户记为0，普通卖家记为13，金牌签约卖家记为16，钻石签约卖家记为18，核心优质卖家记为20；
商户成单比例系数：商户成单比例<50％记为0.8，,50％≦商户成单比例<70％之间记为1，70％≦商户成单比例≦80％＝1.2，商户成单比例>80％记为1.5；所述商户承担比例为交易完成订单数/(交易完成订单数+维权订单笔数)；
商品特殊字段匹配值：以英雄联盟类目为例：皮肤数系数记为0.15英雄数系数记为0.05段位系数记为0.1；
用户租赁指定商品次数：某一个商品被该用户租赁次；
租赁商品系数：固定值记为150；
用户租赁指定聚类商品次数：某一个聚类商品被该用户租赁次数；
租赁类目系数：动态配置化，英雄联盟记为50，穿越火线记为65，绝地求生记为75；
设备系数：设备为PCweb/PC客户端时，端游商品记为1.5，手游商品记为0.5；设备为ios app时，ios手游商品记为2，其他记为0.5；
设备为Android app时，Android手游商品记为2，其他记为0.5；
S4步骤中所述商品排序值的计算公式为
Figure BDA0002332762060000071
Figure BDA0002332762060000072
本发明实施方式还提供了一种基于大数据处理c2c平台商品货架智能排序的***，其特征在于包括：
收集游戏商品维度信息单元，用于收集游戏商品维度信息，对商品进行聚类分析，得到聚类商品集A；
收集玩家维度信息单元，用于收集玩家维度信息，为玩家匹配聚类商品集A1；
收集上述匹配聚类商品集A1单元，用于收集上述匹配聚类商品集A1中一段时间t内所有商品订单及商家的信息；
信息进行赋值计算单元，用于对S3步骤中收集到的信息进行赋值计算，得到所有聚类商品集A1中商品的商品排序值，按商品排序值从大到小的顺序将商品依次展示。
具体地，所述收集游戏商品维度信息单元中至少包含动作类单元、益智类单元、休闲类单元。
具体地，所述一段时间t为20-40天。
具体地，所述赋值方式为：
收益玩家比例：(卖家收益流水-卖家维权成功押金)/卖家租金*0.75(0.85)；
租赁时长系数：租赁时长T不大于1小时记为1,不大于2小时记为1.3,不大于3小时记为1.6,不大于4小时记为1.8,大于或者等于4小时且不大于10小时记为2；往后推每10小时记为3；每24小时记为7；168小时记为35；
单价系数：单价<1.5元是1，1.5≦单价<2元是1.15；2元≦单价<3元是1.3；3元≦单价<4元是1.45；4元≦单价<6元是1.6；6元≦单价<8元是1.75；单价≧元8是1.9；
置顶系数：商品处于置顶中状态被租赁＝2；商品未处于置顶中状态被租赁＝1；
商户分组系数：普通用户记为0，普通卖家记为13，金牌签约卖家记为16，钻石签约卖家记为18，核心优质卖家记为20；
商户成单比例系数：商户成单比例<50％记为0.8，,50％≦商户成单比例<70％之间记为1，70％≦商户成单比例≦80％＝1.2，商户成单比例>80％记为1.5；所述商户承担比例为交易完成订单数/(交易完成订单数+维权订单笔数)；
商品特殊字段匹配值：以英雄联盟类目为例：皮肤数系数记为0.15英雄数系数记为0.05段位系数记为0.1；
用户租赁指定商品次数：某一个商品被该用户租赁次；
租赁商品系数：固定值记为150；
用户租赁指定聚类商品次数：某一个聚类商品被该用户租赁次数；
租赁类目系数：动态配置化，英雄联盟记为50，穿越火线记为65，绝地求生记为75；
设备系数：设备为PCweb/PC客户端时，端游商品记为1.5，手游商品记为0.5；设备为ios app时，ios手游商品记为2，其他记为0.5；
设备为Android app时，Android手游商品记为2，其他记为0.5；
S4步骤中所述商品排序值的计算公式为
Figure BDA0002332762060000091
Figure BDA0002332762060000092
这里，我们具体对商品排序值计算方式进行举例说明：
若，用户A信息为PC web设备登录，之前租赁商品A中商品α3次，商品β2次，商品γ1次。
***收集30天内商品α，商品β，商品γ的信息如下表：
Figure BDA0002332762060000093
按上述商品排序值计算公式商品α的商品排序值＝(100％*1.6*1.75*2*20*1.5+0.75*1.3*1.45*1*16*1.2+250*0.1+600*0.15+140*0.05+3*150+50*6)*1.5＝(168+27+25+90+7+450+300)*1.5＝1600。
本发明一种基于大数据处理c2c平台商品货架智能排序的方法及***，对商品进行聚类分析，按玩家爱好对聚类商品的排序值进行计算，并商品排序值从大到小的顺序将商品一次排列并展示，这样，玩家在进入租赁平台能迅速发现自己偏好的商品，让玩家在游戏平台具有良好的体验。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (8)

1.一种基于大数据处理c2c平台商品货架智能排序的方法，其特征在于，包括下列步骤：
S1：收集游戏商品维度信息，对商品进行聚类分析，得到聚类商品集A；
S2：收集玩家维度信息，为玩家匹配聚类商品集A1；
S3：收集上述匹配聚类商品集A1中一段时间t内所有商品订单及商家的信息；
S4：对S3步骤中收集到的信息进行赋值计算，得到所有聚类商品集A1中商品的商品排序值，按商品排序值从大到小的顺序将商品依次展示。
2.如权利要求1所述的一种基于大数据处理c2c平台商品货架智能排序的方法，其特征在于：所述S1步骤中游戏商品聚类为至少包括动作类、益智类、休闲类。
3.如权利要求1所述的一种基于大数据处理c2c平台商品货架智能排序的方法，其特征在于：S3步骤中所述一段时间t为20-40天。
4.如权利要求1所述的一种基于大数据处理c2c平台商品货架智能排序的方法，其特征在于：S4步骤中所述赋值方式为：
收益玩家比例：(卖家收益流水-卖家维权成功押金)/卖家租金*0.75(0.85)；
租赁时长系数：租赁时长T不大于1小时记为1,不大于2小时记为1.3,不大于3小时记为1.6,不大于4小时记为1.8,大于或者等于4小时且不大于10小时记为2；往后推每10小时记为3；每24小时记为7；168小时记为35；
单价系数：单价<1.5元是1，1.5≦单价<2元是1.15；2元≦单价<3元是1.3；3元≦单价<4元是1.45；4元≦单价<6元是1.6；6元≦单价<8元是1.75；单价≧元8是1.9；
置顶系数：商品处于置顶中状态被租赁＝2；商品未处于置顶中状态被租赁＝1；
商户分组系数：普通用户记为0，普通卖家记为13，金牌签约卖家记为16，钻石签约卖家记为18，核心优质卖家记为20；
商户成单比例系数：商户成单比例<50％记为0.8，,50％≦商户成单比例<70％之间记为1，70％≦商户成单比例≦80％＝1.2，商户成单比例>80％记为1.5；所述商户承担比例为交易完成订单数/(交易完成订单数+维权订单笔数)；
商品特殊字段匹配值：以英雄联盟类目为例：皮肤数系数记为0.15英雄数系数记为0.05段位系数记为0.1；
用户租赁指定商品次数：某一个商品被该用户租赁次；
租赁商品系数：固定值记为150；
用户租赁指定聚类商品次数：某一个聚类商品被该用户租赁次数；
租赁类目系数：动态配置化，英雄联盟记为50，穿越火线记为65，绝地求生记为75；
设备系数：设备为PCweb/PC客户端时，端游商品记为1.5，手游商品记为0.5；设备为iosapp时，ios手游商品记为2，其他记为0.5；
设备为Androidapp时，Android手游商品记为2，其他记为0.5；
S4步骤中所述商品排序值的计算公式为
Figure FDA0002332762050000021
Figure FDA0002332762050000022
5.一种基于大数据处理c2c平台商品货架智能排序的***，其特征在于包括：
收集游戏商品维度信息单元，用于收集游戏商品维度信息，对商品进行聚类分析，得到聚类商品集A。
收集玩家维度信息单元，用于收集玩家维度信息，为玩家匹配聚类商品集A1。
收集上述匹配聚类商品集A1单元，用于收集上述匹配聚类商品集A1中一段时间t内所有商品订单及商家的信息。
信息进行赋值计算单元，用于对S3步骤中收集到的信息进行赋值计算，得到所有聚类商品集A1中商品的商品排序值，按商品排序值从大到小的顺序将商品依次展示。
6.如权利要求5所述的一种基于大数据处理c2c平台商品货架智能排序的***，其特征在于：所述收集游戏商品维度信息单元中至少包含动作类单元、益智类单元、休闲类单元。
7.如权利要求5所述的一种基于大数据处理c2c平台商品货架智能排序的***，其特征在于：所述一段时间t为20-40天。
8.如权利要求5所述的一种基于大数据处理c2c平台商品货架智能排序的***，其特征在于：所述赋值方式为：
收益玩家比例：(卖家收益流水-卖家维权成功押金)/卖家租金*0.75(0.85)；
租赁时长系数：租赁时长T不大于1小时记为1,不大于2小时记为1.3,不大于3小时记为1.6,不大于4小时记为1.8,大于或者等于4小时且不大于10小时记为2；往后推每10小时记为3；每24小时记为7；168小时记为35；
单价系数：单价<1.5元是1，1.5≦单价<2元是1.15；2元≦单价<3元是1.3；3元≦单价<4元是1.45；4元≦单价<6元是1.6；6元≦单价<8元是1.75；单价≧元8是1.9；
置顶系数：商品处于置顶中状态被租赁＝2；商品未处于置顶中状态被租赁＝1；
商户分组系数：普通用户记为0，普通卖家记为13，金牌签约卖家记为16，钻石签约卖家记为18，核心优质卖家记为20；
商户成单比例系数：商户成单比例<50％记为0.8，,50％≦商户成单比例<70％之间记为1，70％≦商户成单比例≦80％＝1.2，商户成单比例>80％记为1.5；所述商户承担比例为交易完成订单数/(交易完成订单数+维权订单笔数)；
商品特殊字段匹配值：以英雄联盟类目为例：皮肤数系数记为0.15英雄数系数记为0.05段位系数记为0.1；
用户租赁指定商品次数：某一个商品被该用户租赁次；
租赁商品系数：固定值记为150；
用户租赁指定聚类商品次数：某一个聚类商品被该用户租赁次数；
租赁类目系数：动态配置化，英雄联盟记为50，穿越火线记为65，绝地求生记为75；
设备系数：设备为PCweb/PC客户端时，端游商品记为1.5，手游商品记为0.5；设备为iosapp时，ios手游商品记为2，其他记为0.5；
设备为Android app时，Android手游商品记为2，其他记为0.5；
S4步骤中所述商品排序值的计算公式为
Figure FDA0002332762050000041
Figure FDA0002332762050000042
CN201911343628.0A 2019-12-24 2019-12-24 一种基于大数据处理c2c平台商品货架智能排序的方法及*** Pending CN111210298A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911343628.0A CN111210298A (zh) 2019-12-24 2019-12-24 一种基于大数据处理c2c平台商品货架智能排序的方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911343628.0A CN111210298A (zh) 2019-12-24 2019-12-24 一种基于大数据处理c2c平台商品货架智能排序的方法及***

Publications (1)

Publication Number Publication Date
CN111210298A true CN111210298A (zh) 2020-05-29

Family

ID=70786394

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911343628.0A Pending CN111210298A (zh) 2019-12-24 2019-12-24 一种基于大数据处理c2c平台商品货架智能排序的方法及***

Country Status (1)

Country Link
CN (1) CN111210298A (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140122475A1 (en) * 2012-10-29 2014-05-01 Alibaba Group Holding Limited Search result ranking method and system
CN106779985A (zh) * 2017-02-24 2017-05-31 武汉奇米网络科技有限公司 一种个性化商品排序的方法及***

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140122475A1 (en) * 2012-10-29 2014-05-01 Alibaba Group Holding Limited Search result ranking method and system
CN106779985A (zh) * 2017-02-24 2017-05-31 武汉奇米网络科技有限公司 一种个性化商品排序的方法及***

Similar Documents

Publication Publication Date Title
CN103823908B (zh) 基于用户偏好的内容推荐方法和服务器
CN109697629B (zh) 产品数据推送方法及装置、存储介质、计算机设备
US10021200B2 (en) Methods and systems for activity-based recommendations
CN109951724A (zh) 直播推荐方法、主播推荐模型训练方法及相关设备
CN103295148B (zh) 生成和实现数据模型的方法和装置
CN108648058B (zh) 产品排序方法及装置，电子设备、存储介质
US20130024813A1 (en) Method, system, and means for expressing relative sentiments towards subjects and objects in an online environment
CN106469392A (zh) 选择及推荐展示对象的方法及装置
CN108595492A (zh) 内容的推送方法和装置、存储介质、电子装置
CN110602532A (zh) 实体物品推荐方法、装置、服务器及存储介质
CN110727859B (zh) 一种推荐信息推送方法及其装置
JP2021056643A (ja) 情報処理装置、情報処理方法及び情報処理システム
CN115496566B (zh) 基于大数据的地区特产推荐方法及***
CN113327121A (zh) 主播选品相关***、方法、装置及设备
CN103843026B (zh) 信息处理装置、信息处理方法
CN107833076A (zh) 一种营销信息推送方法及装置
CN110807691B (zh) 一种跨商品品类的商品推荐方法和装置
CN106844724B (zh) 一种基于用户已安装应用来推荐应用的方法和装置
JPWO2016157427A1 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
CN107707940A (zh) 视频排序方法、装置、服务器及***
CN115880037A (zh) 基于多项目规划整合分析的商品推荐方法
CN111210298A (zh) 一种基于大数据处理c2c平台商品货架智能排序的方法及***
CN108460630A (zh) 基于用户数据进行分类分析的方法和装置
CN114780865A (zh) 信息推荐方法、装置、计算机设备及存储介质
CN112967116A (zh) 一种基于多策略池的线下零售门店用商品推荐方法及***

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