本發(fā)明涉及電子商務(wù)管理，具體為基于大數(shù)據(jù)分析的電子商務(wù)綜合管理系統(tǒng)及方法。

背景技術(shù)：

1、隨著社會(huì)經(jīng)濟(jì)及互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，電子商務(wù)的普及應(yīng)用程度越來越高；現(xiàn)有的電子商務(wù)軟件為了增加用戶粘性，往往根據(jù)用戶的歷史檢索記錄及注冊(cè)信息，對(duì)用戶進(jìn)行商品智能推薦，預(yù)測(cè)用戶的商品需求，并推送相應(yīng)的商品信息。

2、但是現(xiàn)有的基于大數(shù)據(jù)分析的電子商務(wù)綜合管理系統(tǒng)生成用戶商品推薦信息時(shí)，往往只根據(jù)用戶的檢索關(guān)鍵詞及商品瀏覽信息，通過該方式生成的商品推薦信息較為片面，未考慮到用戶售后信息對(duì)商品推薦信息的影響，進(jìn)而使得現(xiàn)有技術(shù)中針對(duì)用戶的推薦商品存在轉(zhuǎn)化率低的情況，因此，現(xiàn)有技術(shù)存在較大的缺陷。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供基于大數(shù)據(jù)分析的電子商務(wù)綜合管理系統(tǒng)及方法，以解決上述背景技術(shù)中提出的問題。

2、為了解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：基于大數(shù)據(jù)分析的電子商務(wù)綜合管理方法，所述方法包括以下步驟：

3、s1、獲取用戶在最近預(yù)設(shè)時(shí)間段內(nèi)的用戶行為記錄，生成用戶的偏好內(nèi)容信息；結(jié)合電商商鋪對(duì)應(yīng)產(chǎn)品的特征關(guān)鍵詞，得到各個(gè)電商商鋪基于用戶行為記錄的畫像匹配值；將基于用戶行為記錄的畫像匹配值大于閾值的電商商鋪的集合記為相應(yīng)用戶的畫像偏好關(guān)聯(lián)集合；

4、s2、基于用戶的畫像偏好關(guān)聯(lián)集合中每個(gè)電商商鋪的商品運(yùn)行特征信息集合，獲取每個(gè)電商商鋪對(duì)應(yīng)的偏向介入特征集；并結(jié)合相應(yīng)用戶的歷史售后信息記錄，生成相應(yīng)用戶售后行為畫像基于每個(gè)電商商鋪的偏向介入特征集對(duì)應(yīng)的偏向介入特征分析值；

5、s3、結(jié)合相應(yīng)用戶的歷史售后信息記錄，生成相應(yīng)用戶基于售后電商商鋪對(duì)應(yīng)偏向介入特征集的協(xié)同過濾風(fēng)險(xiǎn)值；

6、s4、提取相應(yīng)用戶售后行為畫像基于相應(yīng)畫像偏好關(guān)聯(lián)集合中各個(gè)元素分別對(duì)應(yīng)的偏向介入特征分析值，以及相應(yīng)用戶基于售后電商商鋪對(duì)應(yīng)偏向介入特征集的協(xié)同過濾風(fēng)險(xiǎn)值；并基于所得協(xié)同過濾風(fēng)險(xiǎn)值及所得偏向介入特征分析值對(duì)相應(yīng)用戶對(duì)應(yīng)的畫像偏好關(guān)聯(lián)集合進(jìn)行過濾優(yōu)化，生成相應(yīng)用戶的偏好推薦內(nèi)容集，并反饋到相應(yīng)用戶的電商賬戶顯示端。

7、進(jìn)一步的，所述用戶行為記錄包括用戶瀏覽、點(diǎn)擊及購(gòu)買的商品對(duì)應(yīng)標(biāo)題的關(guān)鍵詞與用戶搜索關(guān)鍵詞構(gòu)成的關(guān)鍵詞集合，以及用戶瀏覽、點(diǎn)擊及購(gòu)買的商品構(gòu)成的商品記錄數(shù)組；

8、所述用戶的偏好內(nèi)容信息包括一個(gè)或多個(gè)偏好內(nèi)容數(shù)據(jù)組，每個(gè)偏好內(nèi)容數(shù)據(jù)組對(duì)應(yīng)一個(gè)商品種類，將偏好內(nèi)容數(shù)據(jù)組記為[pc，pf]，其中，pc表示相應(yīng)偏好內(nèi)容數(shù)據(jù)組對(duì)應(yīng)的商品種類；pf表示在用戶行為記錄內(nèi)的商品記錄數(shù)組中屬于相應(yīng)偏好內(nèi)容數(shù)據(jù)組內(nèi)pc的商品記錄頻次；

9、所述電商商鋪對(duì)應(yīng)產(chǎn)品的特征關(guān)鍵詞為相應(yīng)電商商鋪管理員針對(duì)產(chǎn)品特征設(shè)置的各個(gè)關(guān)鍵詞；

10、得到各個(gè)電商商鋪基于用戶行為記錄的畫像匹配值時(shí)，將第i個(gè)電商商鋪基于用戶行為記錄的畫像匹配值記為pmi，

11、

12、其中，gkb表示用戶行為記錄中的關(guān)鍵詞集合；gkf表示用戶行為記錄中商品記錄數(shù)組內(nèi)各個(gè)元素分別對(duì)應(yīng)的產(chǎn)品相應(yīng)的特征關(guān)鍵詞構(gòu)成的集合；所述gkb與gkf均不為空集；gi表示第i個(gè)電商商鋪對(duì)應(yīng)產(chǎn)品的特征關(guān)鍵詞構(gòu)成的集合；pfi表示第i個(gè)電商商鋪對(duì)應(yīng)產(chǎn)品所屬的商品種類在用戶的偏好內(nèi)容信息中對(duì)應(yīng)的商品記錄頻次；zpf表示用戶的偏好內(nèi)容信息中各個(gè)偏好內(nèi)容數(shù)據(jù)組中對(duì)應(yīng)的商品記錄頻次之和；count{}表示統(tǒng)計(jì)集合內(nèi)元素個(gè)數(shù)的函數(shù)；μ表示預(yù)置的歸一化系數(shù)。

13、本發(fā)明通過用戶行為記錄(包括用戶瀏覽、點(diǎn)擊及購(gòu)買的商品對(duì)應(yīng)標(biāo)題的關(guān)鍵詞與用戶搜索關(guān)鍵詞構(gòu)成的關(guān)鍵詞集合，以及用戶瀏覽、點(diǎn)擊及購(gòu)買的商品構(gòu)成的商品記錄數(shù)組)實(shí)現(xiàn)對(duì)用戶畫像的構(gòu)建，生成用戶偏好內(nèi)容信息，并基于各個(gè)電商商鋪對(duì)應(yīng)產(chǎn)品的特征關(guān)鍵詞，分析電商商鋪與用戶偏好內(nèi)容信息之間的關(guān)系(匹配情況)，實(shí)現(xiàn)對(duì)電商商鋪基于用戶的關(guān)聯(lián)程度的量化。

14、進(jìn)一步的，將用戶的畫像偏好關(guān)聯(lián)集合中第n個(gè)元素對(duì)應(yīng)的電商商鋪記為snn，將snn對(duì)應(yīng)的商品運(yùn)行特征信息集合記為rccn；

15、所述rccn中包括欺詐信息評(píng)估值、轉(zhuǎn)運(yùn)信息評(píng)估曲線及斷貨風(fēng)險(xiǎn)評(píng)估值；

16、將rccn中的欺詐信息評(píng)估值記為qzn，qzn＝cbn+r·stn/san；r表示預(yù)置的權(quán)重系數(shù)；cbn表示snn內(nèi)產(chǎn)品評(píng)論中的差評(píng)個(gè)數(shù)占比；san表示snn內(nèi)產(chǎn)品在投訴平臺(tái)中的涉案次數(shù)；stn表示snn內(nèi)產(chǎn)品對(duì)應(yīng)涉案投訴的裁定結(jié)果中用戶投訴成功的次數(shù)；

17、獲取rccn中的轉(zhuǎn)運(yùn)信息評(píng)估曲線時(shí)，獲取歷史數(shù)據(jù)中相應(yīng)電商商鋪snn的相應(yīng)產(chǎn)品在不同運(yùn)送距離時(shí)對(duì)應(yīng)的轉(zhuǎn)運(yùn)風(fēng)險(xiǎn)數(shù)據(jù)對(duì)，所述轉(zhuǎn)運(yùn)風(fēng)險(xiǎn)數(shù)據(jù)對(duì)中第一數(shù)據(jù)為相應(yīng)產(chǎn)品的運(yùn)送距離，第二數(shù)據(jù)為用戶訂單位置與相應(yīng)產(chǎn)品發(fā)貨倉(cāng)庫(kù)之間的運(yùn)送距離小于相應(yīng)第一數(shù)據(jù)的所有訂單中，產(chǎn)品出現(xiàn)異常壞損情況的訂單個(gè)數(shù)占比；通過sigmoid函數(shù)模型對(duì)獲取的基于snn中產(chǎn)品的各個(gè)轉(zhuǎn)運(yùn)風(fēng)險(xiǎn)數(shù)據(jù)對(duì)進(jìn)行曲線擬合，將擬合曲線對(duì)應(yīng)函數(shù)作為rccn中的轉(zhuǎn)運(yùn)信息評(píng)估曲線；

18、獲取rccn中的斷貨風(fēng)險(xiǎn)評(píng)估值時(shí)，將rccn中的斷貨風(fēng)險(xiǎn)評(píng)估值記為dhn，

19、dhn＝vn/cn·tpn，

20、其中，cn表示snn中產(chǎn)品在不同時(shí)間分別對(duì)應(yīng)庫(kù)存量的平均值；vn表示snn中產(chǎn)品在不同時(shí)間分別對(duì)應(yīng)銷售速率的平均值；tpn表示snn中的各個(gè)產(chǎn)品訂單分別對(duì)應(yīng)的發(fā)貨時(shí)延偏差的平均值；所述發(fā)貨時(shí)延偏差表示相應(yīng)產(chǎn)品訂單所屬物流的快遞攬件時(shí)間距離相應(yīng)用戶提交產(chǎn)品訂單時(shí)間的間隔時(shí)長(zhǎng)；

21、獲取snn對(duì)應(yīng)的偏向介入特征集包括欺詐信息評(píng)估值、轉(zhuǎn)運(yùn)信息偏向風(fēng)險(xiǎn)值及斷貨風(fēng)險(xiǎn)評(píng)估值；獲取所述轉(zhuǎn)運(yùn)信息偏向風(fēng)險(xiǎn)值時(shí)，獲取相應(yīng)用戶在提交的配送訂單位置與相應(yīng)的產(chǎn)品發(fā)貨倉(cāng)庫(kù)之間的距離，記為l；將l代入rccn中的轉(zhuǎn)運(yùn)信息評(píng)估曲線時(shí)對(duì)應(yīng)的函數(shù)值作為snn對(duì)應(yīng)的偏向介入特征集中的轉(zhuǎn)運(yùn)信息偏向風(fēng)險(xiǎn)值。

22、本發(fā)明構(gòu)建商品運(yùn)行特征信息集合時(shí)，從欺詐信息評(píng)估值、轉(zhuǎn)運(yùn)信息評(píng)估曲線及斷貨風(fēng)險(xiǎn)評(píng)估值這三個(gè)方面進(jìn)行考慮，顯示對(duì)電商商鋪的綜合評(píng)估，為后續(xù)步驟中生成相應(yīng)用戶售后行為畫像基于每個(gè)電商商鋪的偏向介入特征集對(duì)應(yīng)的偏向介入特征分析值提供了數(shù)據(jù)支撐。

23、進(jìn)一步的，結(jié)合相應(yīng)用戶的歷史售后信息記錄，生成相應(yīng)用戶售后行為畫像基于每個(gè)電商商鋪的偏向介入特征集對(duì)應(yīng)的偏向介入特征分析值時(shí)，將相應(yīng)用戶售后行為畫像基于用戶的畫像偏好關(guān)聯(lián)集合中第n個(gè)元素的偏向介入特征集對(duì)應(yīng)的偏向介入特征分析值記為bfavn，

24、bfavn＝pmin/exp(r1·qzn+r2·zyn+r3·dhn)，

25、其中，qzn表示snn對(duì)應(yīng)的偏向介入特征集中的欺詐信息評(píng)估值；zyn表示snn對(duì)應(yīng)的偏向介入特征集中的轉(zhuǎn)運(yùn)信息偏向風(fēng)險(xiǎn)值；dhn表示snn對(duì)應(yīng)的偏向介入特征集中的斷貨風(fēng)險(xiǎn)評(píng)估值；pmin表示snn基于用戶行為記錄的畫像匹配值；

26、r1表示歷史售后信息記錄中對(duì)應(yīng)的偏向介入特征集內(nèi)欺詐信息評(píng)估值大于等于qzn的訂單數(shù)量占比；r2表示歷史售后信息記錄中對(duì)應(yīng)的偏向介入特征集內(nèi)轉(zhuǎn)運(yùn)信息偏向風(fēng)險(xiǎn)值大于等于zyn的訂單數(shù)量占比；r3表示歷史售后信息記錄中對(duì)應(yīng)的偏向介入特征集內(nèi)斷貨風(fēng)險(xiǎn)評(píng)估值大于等于dhn的訂單數(shù)量占比。

27、進(jìn)一步的，所述生成相應(yīng)用戶基于售后電商商鋪對(duì)應(yīng)偏向介入特征集的協(xié)同過濾風(fēng)險(xiǎn)值時(shí)，

28、獲取相應(yīng)用戶的歷史售后信息記錄中每個(gè)售后訂單分別對(duì)應(yīng)的偏向介入特征集及相應(yīng)訂單所屬電商商鋪基于相應(yīng)售后時(shí)間點(diǎn)的用戶行為記錄的畫像匹配值，并結(jié)合相應(yīng)用戶售后行為畫像基于用戶的畫像偏好關(guān)聯(lián)集合中第n個(gè)元素的偏向介入特征集對(duì)應(yīng)的偏向介入特征分析值的計(jì)算公式，生成相應(yīng)用戶的歷史售后信息記錄中每個(gè)售后訂單分別對(duì)應(yīng)的偏向介入特征分析值，將相應(yīng)用戶的歷史售后信息記錄中每個(gè)售后訂單分別對(duì)應(yīng)的偏向介入特征分析值的平均值記為相應(yīng)用戶基于售后電商商鋪對(duì)應(yīng)偏向介入特征集的協(xié)同過濾風(fēng)險(xiǎn)值。

29、本發(fā)明結(jié)合用戶的歷史售后信息記錄中每個(gè)售后訂單分別對(duì)應(yīng)的偏向介入特征集及相應(yīng)訂單所屬電商商鋪基于相應(yīng)售后時(shí)間點(diǎn)的用戶行為記錄的畫像匹配值，生成相應(yīng)用戶基于售后電商商鋪對(duì)應(yīng)偏向介入特征集的協(xié)同過濾風(fēng)險(xiǎn)值時(shí)，所得協(xié)同過濾風(fēng)險(xiǎn)值是動(dòng)態(tài)變化的，會(huì)根據(jù)用戶歷史售后信息記錄的變化而不斷變化，所得協(xié)同過濾風(fēng)險(xiǎn)值能夠?qū)崿F(xiàn)對(duì)用戶對(duì)應(yīng)的畫像偏好關(guān)聯(lián)集合中元素的過濾優(yōu)化，所得協(xié)同過濾風(fēng)險(xiǎn)值相當(dāng)于針對(duì)用戶對(duì)應(yīng)的畫像偏好關(guān)聯(lián)集合進(jìn)行過濾優(yōu)化操作的閾值標(biāo)準(zhǔn)。

30、進(jìn)一步的，所述基于所得協(xié)同過濾風(fēng)險(xiǎn)值及所得偏向介入特征分析值對(duì)相應(yīng)用戶對(duì)應(yīng)的畫像偏好關(guān)聯(lián)集合進(jìn)行過濾優(yōu)化，生成相應(yīng)用戶的偏好推薦內(nèi)容集的過程中，

31、將相應(yīng)畫像偏好關(guān)聯(lián)集合中對(duì)應(yīng)偏好介入特征分析值小于等于協(xié)同過濾風(fēng)險(xiǎn)值的元素剔除后的剩余集合作為相應(yīng)用戶的偏好推薦內(nèi)容集。

32、基于大數(shù)據(jù)分析的電子商務(wù)綜合管理系統(tǒng)，所述系統(tǒng)包括以下模塊：

33、偏好特征關(guān)聯(lián)分析模塊，所述偏好特征關(guān)聯(lián)分析模塊獲取用戶在最近預(yù)設(shè)時(shí)間段內(nèi)的用戶行為記錄，生成用戶的偏好內(nèi)容信息；結(jié)合電商商鋪對(duì)應(yīng)產(chǎn)品的特征關(guān)鍵詞，得到各個(gè)電商商鋪基于用戶行為記錄的畫像匹配值；將基于用戶行為記錄的畫像匹配值大于閾值的電商商鋪的集合記為相應(yīng)用戶的畫像偏好關(guān)聯(lián)集合；

34、運(yùn)行特征偏向分析模塊，所述運(yùn)行特征偏向分析模塊基于用戶的畫像偏好關(guān)聯(lián)集合中每個(gè)電商商鋪的商品運(yùn)行特征信息集合，獲取每個(gè)電商商鋪對(duì)應(yīng)的偏向介入特征集；并結(jié)合相應(yīng)用戶的歷史售后信息記錄，生成相應(yīng)用戶售后行為畫像基于每個(gè)電商商鋪的偏向介入特征集對(duì)應(yīng)的偏向介入特征分析值；

35、協(xié)同過濾風(fēng)險(xiǎn)分析模塊，所述協(xié)同過濾風(fēng)險(xiǎn)分析模塊相應(yīng)用戶的歷史售后信息記錄，生成相應(yīng)用戶基于售后電商商鋪對(duì)應(yīng)偏向介入特征集的協(xié)同過濾風(fēng)險(xiǎn)值；

36、偏好過濾管理模塊，所述偏好過濾管理模塊提取相應(yīng)用戶售后行為畫像基于相應(yīng)畫像偏好關(guān)聯(lián)集合中各個(gè)元素分別對(duì)應(yīng)的偏向介入特征分析值，以及相應(yīng)用戶基于售后電商商鋪對(duì)應(yīng)偏向介入特征集的協(xié)同過濾風(fēng)險(xiǎn)值；并基于所得協(xié)同過濾風(fēng)險(xiǎn)值及所得偏向介入特征分析值對(duì)相應(yīng)用戶對(duì)應(yīng)的畫像偏好關(guān)聯(lián)集合進(jìn)行過濾優(yōu)化，生成相應(yīng)用戶的偏好推薦內(nèi)容集，并反饋到相應(yīng)用戶的電商賬戶顯示端。

37、進(jìn)一步的，所述運(yùn)行特征偏向分析模塊包括偏向介入特征集獲取單元及偏向介入特征分析值生成單元；

38、所述偏向介入特征集獲取單元基于用戶的畫像偏好關(guān)聯(lián)集合中每個(gè)電商商鋪的商品運(yùn)行特征信息集合，獲取每個(gè)電商商鋪對(duì)應(yīng)的偏向介入特征集；

39、所述偏向介入特征分析值生成單元結(jié)合相應(yīng)用戶的歷史售后信息記錄，生成相應(yīng)用戶售后行為畫像基于每個(gè)電商商鋪的偏向介入特征集對(duì)應(yīng)的偏向介入特征分析值。

40、進(jìn)一步的，所述偏好過濾管理模塊包括偏好過濾優(yōu)化單元及偏好反饋管理單元，

41、所述偏好過濾優(yōu)化單元提取相應(yīng)用戶售后行為畫像基于相應(yīng)畫像偏好關(guān)聯(lián)集合中各個(gè)元素分別對(duì)應(yīng)的偏向介入特征分析值，以及相應(yīng)用戶基于售后電商商鋪對(duì)應(yīng)偏向介入特征集的協(xié)同過濾風(fēng)險(xiǎn)值；并基于所得協(xié)同過濾風(fēng)險(xiǎn)值及所得偏向介入特征分析值對(duì)相應(yīng)用戶對(duì)應(yīng)的畫像偏好關(guān)聯(lián)集合進(jìn)行過濾優(yōu)化，生成相應(yīng)用戶的偏好推薦內(nèi)容集；

42、所述偏好反饋管理單元獲取偏好過濾優(yōu)化單元生成的用戶偏好推薦內(nèi)容集，并反饋到相應(yīng)用戶的電商賬戶顯示端。

43、與現(xiàn)有技術(shù)相比，本發(fā)明所達(dá)到的有益效果是：本發(fā)明獲取針對(duì)用戶的推薦商品過程中，不僅考慮到用戶的檢索關(guān)鍵詞及商品瀏覽信息，還考慮到用戶售后信息對(duì)商品推薦信息的影響，生成用戶的畫像偏好關(guān)聯(lián)集合及相應(yīng)集合內(nèi)各個(gè)電商商鋪的偏向介入特征集，實(shí)現(xiàn)對(duì)用戶售后行為畫像基于每個(gè)電商商鋪的偏向介入特征集對(duì)應(yīng)的偏向介入特征分析值的動(dòng)態(tài)量化；同時(shí)，根據(jù)用戶的歷史售后信息記錄，動(dòng)態(tài)生成相應(yīng)用戶基于售后電商商鋪對(duì)應(yīng)偏向介入特征集的協(xié)同過濾風(fēng)險(xiǎn)值；進(jìn)而實(shí)現(xiàn)對(duì)用戶偏好推薦內(nèi)容集的智能篩選，實(shí)現(xiàn)對(duì)電子商務(wù)信息的有效管理。