CN116308507A - 一种基于客户价值的潜在客户挖掘方法、存储介质及设备 - Google Patents
一种基于客户价值的潜在客户挖掘方法、存储介质及设备 Download PDFInfo
- Publication number
- CN116308507A CN116308507A CN202310071489.0A CN202310071489A CN116308507A CN 116308507 A CN116308507 A CN 116308507A CN 202310071489 A CN202310071489 A CN 202310071489A CN 116308507 A CN116308507 A CN 116308507A
- Authority
- CN
- China
- Prior art keywords
- customer
- potential
- data
- purchasing
- value
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000005065 mining Methods 0.000 title claims abstract description 26
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000004140 cleaning Methods 0.000 claims abstract description 4
- 230000006399 behavior Effects 0.000 claims description 34
- 238000004590 computer program Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0213—Consumer transaction fees
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0224—Discounts or incentives, e.g. coupons or rebates based on user history
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于客户价值的潜在客户挖掘方法、存储介质及设备,该潜在客户挖掘方法从交易平台的历史数据库中获取客户行为数据,将客户行为数据与交易平台中购买成功的日志数据进行比对,进行数据清理,得到客户价值数据;将客户价值数据中所有客户按照客户消费档次进行分类,将符合客户消费档次的客户放入对应的潜在客户数据集中;查询潜在客户数据集中每个客户购买的所有商品,按照客户感兴趣程度由高到低进行排序,得到每个客户感兴趣的前三类商品,并将交易平台上符合类型的所有商品组成潜在购买商品数据集;通过每个潜在客户的潜在购买商品数据集预测每个潜在客户的购买力,根据购买力划分潜在客户类型并制定营销策略。
Description
技术领域
本发明属于消费者行为分析技术领域,具体地,涉及一种基于客户价值的潜在客户挖掘方法、存储介质及设备。
背景技术
随着社会发展以及生产技术的进步,日常生活中的商品种类越来越丰富,客户对于商品的刚性需求已经转变为改善性需求,各类生产、销售企业的营销策略也由以产品为导向转变为以客户为导向。因此,在营销策略的制定过程中,如何挖掘客户价值成为至关重要的一点。
目前基于大数据技术的客户价值挖掘中,通常依靠RFM模型确定客户价值,但是由于RFM模型主要用于反映客户的当前价值,无法发掘潜在客户,使得广告营销的效果不佳,进而提高了营销成本;同时,大规模的广告推广也会给公司数字运营带来成本压力。
发明内容
针对现有技术中存在的问题,本发明提供了一种基于客户价值的潜在客户挖掘方法、存储介质及设备,该潜在客户挖掘方法通过交易平台上客户行为数据提取潜在客户,并获取潜在客户感兴趣的商品集,预测出每个潜在客户的购买力,根据购买力划分潜在客户类型并制定营销策略,使得数字营销中社会化商务结合消费者价值的分析更为精准。
为实现上述技术目的,本发明采用如下技术方案:一种基于客户价值的潜在客户挖掘方法,具体包括如下步骤:
步骤1、从交易平台的历史数据库中获取客户行为数据,所述客户行为数据包括:客户的非购买行为数据和客户的购买行为数据;
步骤2、将客户行为数据与交易平台中购买成功的日志数据进行比对,进行数据清理,得到客户价值数据;
步骤3、将客户价值数据中所有客户按照客户消费档次进行分类,将符合客户消费档次的客户放入对应的潜在客户数据集中;
步骤4、查询潜在客户数据集中每个客户购买的所有商品,按照客户感兴趣程度由高到低进行排序,得到每个客户感兴趣的前三类商品,并将交易平台上符合类型的所有商品组成潜在购买商品数据集;
步骤5、通过每个潜在客户的潜在购买商品数据集预测每个潜在客户的购买力,根据购买力划分潜在客户类型并制定营销策略。
进一步地,步骤2的具体过程为:将客户的购买行为数据与交易平台中购买成功的日志数据进行比对,滤除刷单数据和退单数据;将客户的非购买行为数据与交易平台中购买成功的日志数据进行比对,滤除退单后重新购买的数据、产品及价格均不发生变化的数据。
进一步地,步骤4中客户感兴趣程度由购买成功数量、购买成功金额和浏览商品次数共同决定。
进一步地,所述客户感兴趣程度的计算过程为:
其中,Ci表示第i个商品的客户感兴趣程度,mi表示第i个商品购买成功数量,α表示第i个商品购买成功数量的归一化权重,ni表示第i个商品购买成功金额,β表示第i个商品购买成功金额的归一化权重,li表示第i个商品浏览次数,γ表示第i个商品浏览次数的归一化权重,I表示购买的所有商品。
进一步地,步骤5中潜在客户的购买力的预测过程为:
yj=b+f(xj,wj)+ξj
其中,yj表示第j个潜在客户的购买力,b表示预测偏差,ξj表示第j个潜在客户的不可观测因素,xj表示第j个潜在客户所处的消费档次,wj表示第j个潜在客户的潜在购买商品数据集,f(xj,wj)表示xj和wj共同作用的购买力预测函数。
进一步地,步骤5中将购买力由高到低排序,按照30%、40%、30%划分重点客户、价值客户和普通客户,对于重点客户,每周推送一次与其潜在购买商品相关的活动;对于价值客户,每月推送一次与其潜在购买商品相关的活动;对于普通客户每年推送一次与其潜在购买商品相关的活动。
进一步地,本发明还提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序使计算机执行所述的基于客户价值的潜在客户挖掘方法。
进一步地,本发明还提供了一种电子设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行计算机程序时,实现所述的基于客户价值的潜在客户挖掘方法。
与现有技术相比,本发明具有如下有益效果:本发明基于客户价值的潜在客户挖掘方法通过交易平台上客户行为数据提取潜在客户,并获取潜在客户感兴趣的商品集,预测出每个潜在客户的购买力,通过滤除客户行为数据中的刷单及退换货的购买行为记录,使客户价值数据更加接近实际购买行为,方便对内部产生购买行为的客户数据进行潜在购买力挖掘,减小了广告推销成本,同时,根据购买力划分潜在客户类型并制定营销策略,使得数字营销中社会化商务结合消费者价值的分析更为精准。
附图说明
图1为本发明基于客户价值的潜在客户挖掘方法的流程图;
图2为本发明中客户行为数据分解图。
具体实施方式
下面结合附图对本发明的技术方案作进一步地解释说明。
如图1为本发明基于客户价值的潜在客户挖掘方法的流程图,该潜在客户挖掘方法具体包括如下步骤:
步骤1、从交易平台的历史数据库中获取客户行为数据,如图2,本发明中客户行为数据包括:客户的非购买行为数据和客户的购买行为数据;客户的购买行为数据是交易成功的数据,包括客户的购买时间特性、购买频率、客户的年龄段、购买商品清单;客户的非购买行为数据是交易平台中记录的交易未成功数据,包括客户下单的时间特性、下单频率、客户年龄段、下单失败的商品清单。
步骤2、将客户行为数据与交易平台中购买成功的日志数据进行比对,进行数据清理,得到客户价值数据,在客户行为数据中有刷单及退换货的购买行为记录,为了使购买数据更加接近实际购买行为,需要先进行数据清理。具体地,将客户的购买行为数据与交易平台中购买成功的日志数据进行比对,滤除刷单数据和退单数据;将客户的非购买行为数据与交易平台中购买成功的日志数据进行比对,滤除退单后重新购买的数据、产品及价格均不发生变化的数据。
步骤3、将客户价值数据中所有客户按照客户消费档次进行分类,将符合客户消费档次的客户放入对应的潜在客户数据集中,本发明中客户消费档次根据交易平台上商品以及交易平台的需求确定,使得潜在客户的挖掘更加符合交易平台的需求。
步骤4、查询潜在客户数据集中每个客户购买的所有商品,按照客户感兴趣程度由高到低进行排序,得到每个客户感兴趣的前三类商品,并将交易平台上符合类型的所有商品组成潜在购买商品数据集;本发明中客户感兴趣程度由购买成功数量、购买成功金额和浏览商品次数共同决定,为营销策略制定和用户挖掘提供可靠的基础。客户感兴趣程度的计算过程为:
其中,Ci表示第i个商品的客户感兴趣程度,mi表示第i个商品购买成功数量,α表示第i个商品购买成功数量的归一化权重,ni表示第i个商品购买成功金额,β表示第i个商品购买成功金额的归一化权重,li表示第i个商品浏览次数,γ表示第i个商品浏览次数的归一化权重,I表示购买的所有商品。
步骤5、通过每个潜在客户的潜在购买商品数据集预测每个潜在客户的购买力,根据购买力划分潜在客户类型并制定营销策略,本发明通过对客户价值数据进行潜在客户的二次挖掘,减小了广告推销成本,且能够增强客户黏性。具体地,潜在客户的购买力的预测过程为:
yj=b+f(xj,wj)+ξj
其中,yj表示第j个潜在客户的购买力,b表示预测偏差,ξj表示第j个潜在客户的不可观测因素,xj表示第j个潜在客户所处的消费档次,wj表示第j个潜在客户的潜在购买商品数据集,f(xj,wj)表示xj和wj共同作用的购买力预测函数,通过潜在客户的消费档次和潜在客户的潜在购买商品共同预测潜在客户的购买力,在交易平台对单个客户客单价要求的前提下进行潜在客户挖掘,使得潜在客户挖掘结果更为准确。
将购买力由高到低排序,按照30%、40%、30%划分重点客户、价值客户和普通客户,对于重点客户,每周推送一次与其潜在购买商品相关的活动;对于价值客户,每月推送一次与其潜在购买商品相关的活动;对于普通客户每年推送一次与其潜在购买商品相关的活动,从而实现潜在客户挖掘,增强客户黏性。
在本发明的一个技术方案中,还提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序使计算机执行所述的基于客户价值的潜在客户挖掘方法。
在本发明的另一个技术方案中,还提供了一种电子设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行计算机程序时,实现所述的基于客户价值的潜在客户挖掘方法。
在本申请所公开的实施例中,计算机存储介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合使用的程序。计算机存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。计算机存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
本领域普通技术人员可以意识到,结合本申请所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护范围。
Claims (8)
1.一种基于客户价值的潜在客户挖掘方法,其特征在于,具体包括如下步骤:
步骤1、从交易平台的历史数据库中获取客户行为数据,所述客户行为数据包括:客户的非购买行为数据和客户的购买行为数据;
步骤2、将客户行为数据与交易平台中购买成功的日志数据进行比对,进行数据清理,得到客户价值数据;
步骤3、将客户价值数据中所有客户按照客户消费档次进行分类,将符合客户消费档次的客户放入对应的潜在客户数据集中;
步骤4、查询潜在客户数据集中每个客户购买的所有商品,按照客户感兴趣程度由高到低进行排序,得到每个客户感兴趣的前三类商品,并将交易平台上符合类型的所有商品组成潜在购买商品数据集;
步骤5、通过每个潜在客户的潜在购买商品数据集预测每个潜在客户的购买力,根据购买力划分潜在客户类型并制定营销策略。
2.根据权利要求1所述的一种基于客户价值的潜在客户挖掘方法,其特征在于,步骤2的具体过程为:将客户的购买行为数据与交易平台中购买成功的日志数据进行比对,滤除刷单数据和退单数据;将客户的非购买行为数据与交易平台中购买成功的日志数据进行比对,滤除退单后重新购买的数据、产品及价格均不发生变化的数据。
3.根据权利要求1所述的一种基于客户价值的潜在客户挖掘方法,其特征在于,步骤4中客户感兴趣程度由购买成功数量、购买成功金额和浏览商品次数共同决定。
5.根据权利要求1所述的一种基于客户价值的潜在客户挖掘方法,其特征在于,步骤5中潜在客户的购买力的预测过程为:
yj=b+f(xj,wj)+ξj
其中,yj表示第j个潜在客户的购买力,b表示预测偏差,ξj表示第j个潜在客户的不可观测因素,xj表示第j个潜在客户所处的消费档次,wj表示第j个潜在客户的潜在购买商品数据集,f(xj,wj)表示xj和wj共同作用的购买力预测函数。
6.根据权利要求1所述的一种基于客户价值的潜在客户挖掘方法,其特征在于,步骤5中将购买力由高到低排序,按照30%、40%、30%划分重点客户、价值客户和普通客户,对于重点客户,每周推送一次与其潜在购买商品相关的活动;对于价值客户,每月推送一次与其潜在购买商品相关的活动;对于普通客户每年推送一次与其潜在购买商品相关的活动。
7.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序使计算机执行如权利要求1-6任一项所述的基于客户价值的潜在客户挖掘方法。
8.一种电子设备,其特征在于,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行计算机程序时,实现如权利要求1-6任一项所述的基于客户价值的潜在客户挖掘方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310071489.0A CN116308507A (zh) | 2023-02-07 | 2023-02-07 | 一种基于客户价值的潜在客户挖掘方法、存储介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310071489.0A CN116308507A (zh) | 2023-02-07 | 2023-02-07 | 一种基于客户价值的潜在客户挖掘方法、存储介质及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116308507A true CN116308507A (zh) | 2023-06-23 |
Family
ID=86826506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310071489.0A Pending CN116308507A (zh) | 2023-02-07 | 2023-02-07 | 一种基于客户价值的潜在客户挖掘方法、存储介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116308507A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103714139A (zh) * | 2013-12-20 | 2014-04-09 | 华南理工大学 | 一种移动海量客户群识别的并行数据挖掘方法 |
CN104834720A (zh) * | 2015-05-12 | 2015-08-12 | 百度在线网络技术(北京)有限公司 | 基于o2o模式的兴趣点信息展现方法和*** |
CN106611344A (zh) * | 2015-10-23 | 2017-05-03 | 北京国双科技有限公司 | 挖掘潜在客户的方法及装置 |
CN109583966A (zh) * | 2018-12-07 | 2019-04-05 | 平安银行股份有限公司 | 一种高价值客户识别方法、***、设备及存储介质 |
CN110232586A (zh) * | 2019-05-05 | 2019-09-13 | 浙江华坤道威数据科技有限公司 | 一种基于大数据的广告推送*** |
CN113327134A (zh) * | 2021-06-16 | 2021-08-31 | 北京百度网讯科技有限公司 | 商品信息推荐方法及装置、电子设备和介质 |
-
2023
- 2023-02-07 CN CN202310071489.0A patent/CN116308507A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103714139A (zh) * | 2013-12-20 | 2014-04-09 | 华南理工大学 | 一种移动海量客户群识别的并行数据挖掘方法 |
CN104834720A (zh) * | 2015-05-12 | 2015-08-12 | 百度在线网络技术(北京)有限公司 | 基于o2o模式的兴趣点信息展现方法和*** |
CN106611344A (zh) * | 2015-10-23 | 2017-05-03 | 北京国双科技有限公司 | 挖掘潜在客户的方法及装置 |
CN109583966A (zh) * | 2018-12-07 | 2019-04-05 | 平安银行股份有限公司 | 一种高价值客户识别方法、***、设备及存储介质 |
CN110232586A (zh) * | 2019-05-05 | 2019-09-13 | 浙江华坤道威数据科技有限公司 | 一种基于大数据的广告推送*** |
CN113327134A (zh) * | 2021-06-16 | 2021-08-31 | 北京百度网讯科技有限公司 | 商品信息推荐方法及装置、电子设备和介质 |
Non-Patent Citations (1)
Title |
---|
孤独一抹红: "用户购买力预测分析", 《HTTPS://ZHUANLAN.ZHIHU.COM/P/368454698》, pages 1 - 12 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111652657A (zh) | 商品销量预测方法、装置、电子设备及可读存储介质 | |
US20220188756A1 (en) | Systems and methods for inventory control and optimization | |
CN114219169A (zh) | 颖幡供应链销售和库存预测算法模型和应用*** | |
US11379767B2 (en) | Adjusting a master build plan based on events using machine learning | |
Verma et al. | Data mining: next generation challenges and futureDirections | |
CN106228401A (zh) | 一种销售*** | |
CN116304374B (zh) | 一种基于包装数据的客户匹配方法及*** | |
CN115797020B (zh) | 基于图数据库的数据处理的零售推荐方法、***和介质 | |
Zhan et al. | E-commerce sales forecast based on ensemble learning | |
Dai et al. | Item-level forecasting for e-commerce demand with high-dimensional data using a two-stage feature selection algorithm | |
CN116091171A (zh) | 会员统计与管理*** | |
US20050049909A1 (en) | Manufacturing units of an item in response to demand for the item projected from page-view data | |
US11687977B2 (en) | System and method for predicting customer lifetime value using two-stage machine learning | |
CN116308507A (zh) | 一种基于客户价值的潜在客户挖掘方法、存储介质及设备 | |
Hung | Using Cloud Services to Develop Marketing Information System Applications | |
Wang et al. | Visual Analysis of E‐Commerce User Behavior Based on Log Mining | |
CN113052381A (zh) | 一种基于大数据的电子商务营销及管理*** | |
Yu et al. | Application of data mining technology in e-commerce | |
Nivasanon et al. | Demand forecasting for online market stock: Case study cleanroom apparel | |
Ushakova et al. | Analytical decision list algorithm for managing customer reaction to a marketing campaign | |
CN110858337A (zh) | 一种生成配置信息的方法和装置 | |
CN115809355B (zh) | 用于电子商务管理***的数据存储方法 | |
Ramasami et al. | Analysis of Bigmart Outlets sales using Big Data Analytics Method | |
Gul et al. | Fast Food Sales Forecasting with Base Model vs Machine Learning Model | |
Kheawpeam et al. | Demand Forecasting Using Machine Learning to Manage Product Inventory for Multi-channel Retailing Store |
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: 20230623 |
|
RJ01 | Rejection of invention patent application after publication |