一种基于拼中概率的高效成团方法及其系统

摘要

本申请公开了一种基于拼中概率的高效成团方法及系统，系统实时监控用户浏览数据，根据浏览数据自动调整拼团产品的权重，优先推荐系数权重高的商品；且在系统中设置商品的拼中概率，该拼中概率为定值，在整个拼团过程中不变；另外，在系统中预先设置补偿模块，若用户未拼中商品，系统自动为用户退款并自动发放补偿至用户账户。本申请的底层逻辑是价值交付的变化，过去的商品交易，核心交付是商品，而互联网时代，用户的每一次转化行为都可以作为价值交付对象，只要满足投入产出比，就可以实现薄利多销，也进一步提高用户交易的预期，创造增量消费。同时通过关键词标签的匹配，可以高效地实现合适商品与合适用户的匹配，实现平台价值的更大化。

说明书

技术领域

本申请属于电商系统技术领域，具体涉及一种基于拼中概率的高效成团方法及其系统。

背景技术

在本申请人的前期专利（CN112419016A）申请中，公开一种基于拼中概率的高效成团方法及系统，对任意时间任意用户下单的订单，系统立即反馈成团订单信息及时成交；系统实时监控拼团成交数据；根据成交数据自动调整拼团产品的权重，优先推荐系数权重高的商品；系统设置商品拼中概率，拼中概率可以根据拼团成交数据自动调整，通过对交易数据的自动分析、排序和拟合，以及成团逻辑的前置技术方案改进，显著得优化了整套拼团方法的成交效率，避免了用户流量的浪费，有效提升了复购数据和转化数据，实现交易模型的更优解。同时降低了用户的等待时间，显著的提升了用户的操作体验，达到了更便捷的技术流程路径。

该系统在多样化应用场景中，还有进一步拓展的空间，尤其是进一步拓展商品交易过程中的拼中概率及零钱补偿逻辑，进一步拓展团购商品在排序展现过程中的个性化推荐算法及逻辑，以便广泛适配于各类电商场景。

发明内容

针对现有技术中存在的不足，本发明所要解决的技术问题是提供一种基于拼中概率的高效成团方法，商品交易中设置商品拼中概率，未拼中者全额退款，平台从预置费用补偿零钱给予未拼中的用户，同时也可以奖励零钱给予拼中的用户，促进用户下单转化。本发明所要解决的另一技术问题是提供一种基于拼中概率的成团方法，该方案的底层逻辑是价值交付的变化，过去的商品交易，核心交付是商品，而互联网时代，用户的每一次转化行为都可以作为价值交付对象，只要满足投入产出比，就可以实现薄利多销，也进一步提高用户交易的预期，创造增量消费。本发明还要解决一技术问题是提供一种通过实时监控用户浏览数据来自动调整拼团产品的权重的方法，电商交易链路上最重要的是撮合交易，撮合商品和最适合它的用户是提高交易转化的关键点，通过关键词标签的匹配，可以高效地实现合适商品与合适用户的匹配，实现平台价值的更大化。

为了解决上述技术问题，本发明采用的技术方案为：

一种基于拼中概率的高效成团方法：系统实时监控用户浏览数据，根据浏览数据自动调整拼团产品的权重，优先推荐系数权重高的商品；且在系统中设置商品的拼中概率，该拼中概率为定值，在拼团过程中不变；另外，在系统中预先设置补偿模块，若用户未拼中商品，系统自动为用户退款并自动发放补偿至用户账户。

所述的基于拼中概率的高效成团方法，无论用户是否拼中商品，补偿模块均可以向参团用户发放补偿。

所述的基于拼中概率的高效成团方法，系统实时监控用户浏览数据，根据浏览数据自动调整拼团产品的权重，具体过程为：

1）系统对平台每个商品进行自动化分词拆解和/或上架时的关键词自建管理；

2）自动化分词可以使用常见的拆词服务，标签化管理则是以人工或自动化形式进行商品的关键词管理；

3）系统对用户进行关键词标签化管理；

4）系统记录用户的商品点击浏览、下单记录；

5）系统将该用户点击浏览或下单的商品标签叠加至该用户的关键词标签化管理中；

6）每一次新商品点击浏览或下单都叠加一次新的关键词标签；

7）系统对用户点击浏览、下单所叠加的关键词标签进行新旧更替；

8）系统所记录的用户标签，需设定一定的饱和数量，用户浏览商品超出饱和上限后，该用户最新点击浏览、下单所叠加的商品关键词将取代最早点击浏览、下单所获取的商品关键词；

9）商品数区间根据平台实际需求设定为1-N个商品；

10）系统在向用户展示的商品的时候，则匹配商品本身的标签关键词和用户自身的标签关键词，商品的标签关键词越匹配该用户的标签关键词，则越容易获得展现。

一种基于拼中概率的成团方法：在系统中设置商品的拼中概率，该拼中概率为定值，在拼团过程中不变；另外，在系统中预先设置补偿模块，若用户未拼中商品，系统自动为用户退款并自动发放补偿至用户账户。

所述的基于拼中概率的成团方法，无论用户是否拼中商品，补偿模块均可以向参团用户发放补偿。

一种通过实时监控用户浏览数据来自动调整拼团产品的权重的方法，具体过程为：

1）系统对平台每个商品进行自动化分词拆解和/或上架时的关键词自建管理；

2）自动化分词可以使用常见的拆词服务，标签化管理则是以人工或自动化形式进行商品的关键词管理；

3）系统对用户进行关键词标签化管理；

4）系统记录用户的商品点击浏览、下单记录；

5）系统将该用户点击浏览或下单的商品标签叠加至该用户的关键词标签化管理中；

6）每一次新商品点击浏览或下单都叠加一次新的关键词标签；

7）系统对用户点击浏览、下单所叠加的关键词标签进行新旧更替；

8）系统所记录的用户标签，需设定一定的饱和数量，用户浏览商品超出饱和上限后，该用户最新点击浏览、下单所叠加的商品关键词将取代最早点击浏览、下单所获取的商品关键词；

9）商品数区间根据平台实际需求设定为1-N个商品；

10）系统在向用户展示的商品的时候，则匹配商品本身的标签关键词和用户自身的标签关键词，商品的标签关键词越匹配该用户的标签关键词，则越容易获得展现。

一种实现所述的基于拼中概率的高效成团方法的系统，包括数据服务器和设备服务端，所述设备服务端安装有客户端，用户通过客户端获取数据服务器交易链接信息，并发起拼团请求；所述数据服务器创建拼团产品的交易链接信息，实现拼团数据信息的监控、计算、分析和存储，并实现拼团概率调整、权重调整和成团信息反馈；所述数据服务器采用实体服务器或者云服务器。

有益效果：与现有技术相比，本发明的优势在于：

1）商品交易中设置商品拼中概率，未拼中者全额退款，平台从预置费用补偿零钱给予未拼中的用户，同时也可以奖励零钱给予拼中的用户，促进用户下单转化。

2）该方案的底层逻辑是价值交付的变化，过去的商品交易，核心交付是商品，而互联网时代，用户的每一次转化行为都可以作为价值交付对象，只要满足投入产出比，就可以实现薄利多销，也进一步提高用户交易的预期，创造增量消费。

3）电商交易链路上最重要的是撮合交易，撮合商品和最适合它的用户是提高交易转化的关键点，通过关键词标签的匹配，可以高效地实现合适商品与合适用户的匹配，实现平台价值的更大化。

附图说明

图1是第一种拼中概率及零钱补偿逻辑流程图；

图2是第二种拼中概率及零钱补偿逻辑流程图；

图3是个性化商品推荐算法中标签化匹配管理流程图。

具体实施方式

下面结合具体实施例对本发明做进一步的说明。

在CN112419016A公开了基于大数据的拼团系统及方法，其基于大数据的拼团系统，包括数据服务器和设备服务端；设备服务端安装有客户端软件，用户通过客户端获取数据服务器交易链接信息，并发起拼团请求；客户端可以通过手机、PC电脑、Pad等设备服务端下载，以App软件或者网页形式呈现；用户可以通过终端设备登入/登出客户端。数据服务器可创建拼团产品的交易链接信息，实现拼团数据信息的监控、计算、分析和存储，并实现拼团概率调整、权重调整和成团信息反馈；数据服务器采用实体服务器或者云服务器，例如阿里云ECS服务器或者其他云服务器。

基于大数据的拼团方法，采用成团前置的方法完成成交，对任意时间任意用户下单的订单，系统立即反馈成团订单信息并及时成交；同时，系统实时监控拼团成交数据，根据成交数据自动调整拼团产品的权重，优先推荐系数权重高的商品；且在系统中设置商品拼中概率，该拼中概率根据拼团成交数据自动调整；另外，在系统中预先设置补偿模块，若用户未拼中商品，系统自动为用户退款并自动发放补偿至用户账户。

以下实施例均是在CN112419016A公开技术的基础上，进行进一步的开发获得，以下实施例未进行详尽描述的地方，均符合CN112419016A公开的内容以及本领域其他现有技术。

实施例1 设置商品交易过程中拼中概率及零钱补偿逻辑

在CN112419016A公开的商品交易中设置商品拼中概率，该拼中概率可以根据拼团成交数据自动调整，拼中者可以得到低价商品，未拼中者全额退款，平台从预置营销费用中补偿零钱或高价值奖品给予未拼中的用户，提高商品交易的预期，设置概率和小额补偿能有效杠杆用户对于通用型商品的下单转化率。

如图1所示，本实施例在引入第三方商户或对商品整体毛利有其他需求的情况下，采用手动设置拼中概率，该拼中概率为固定值，且整个交易周期中不变，以满足各种商户商品的使用需求。同时，在实际操作过程中，零钱是未拼中补偿中的最优选择。

真实的使用场景：用户A在购置一款拼中概率为50%的低价商品B，平台预置了人均0.5元的小额零钱补偿，用户正常支付付款后，如果拼中商品，则正常进入交易履约，如果未拼中商品，则平台退回交易支付金额，同时补偿该用户0.5元的小额零钱，具体数值可以根据实际执行情况进行修订。

作为一个优选方案，如图2所示，商品交易中设置商品拼中概率，未拼中者全额退款，平台从预置费用补偿零钱给予未拼中的用户，同时也可以奖励零钱给予拼中的用户，促进用户下单转化。该方案的底层逻辑是价值交付的变化，过去的商品交易，核心交付是商品，而互联网时代，用户的每一次转化行为都可以作为价值交付对象，只要满足投入产出比，就可以实现薄利多销，也进一步提高用户交易的预期，创造增量消费。

实施例2 个性化商品推荐算法中标签化匹配管理

在CN112419016A公开的商品交易中，系统实时监控拼团成交数据，根据成交数据自动调整拼团产品的权重，拼中者可以得到低价商品，未拼中者全额退款，平台从预置营销费用中补偿零钱或高价值奖品给予未拼中的用户，提高商品交易的预期，设置概率和小额补偿能有效杠杆用户对于通用型商品的下单转化率。

如图3所示，本实施例进行个性化商品推荐算法中标签化匹配管理，具体为：

1）系统对平台每个商品进行自动化分词拆解和/或上架时的关键词自建管理；

2）自动化分词可以使用常见的拆词服务，标签化管理则是以人工或自动化形式进行商品的关键词管理。

例如：小清新沐浴乳，拆分为“小清新”、“沐浴”、“沐浴乳”等进行商品标签化管理。

3）系统对用户进行关键词标签化管理；

4）系统记录用户的商品点击浏览、下单记录；

5）系统将该用户点击浏览或下单的商品标签叠加至该用户的关键词标签化管理中。

例如：用户浏览了“小清新沐浴乳”，则该用户将获得“小清新”、“沐浴”、“沐浴乳”的标签属性。

6）每一次新商品点击浏览或下单都叠加一次新的关键词标签。

例如：用户浏览了“小清新沐浴乳”，继续浏览“小清新洗面奶”，则“小清新”的标签权重由1次增加到2次。则该用户获得“小清新”（2次）、沐浴、沐浴乳、洗面奶等标签。

7）系统对用户点击浏览、下单所叠加的关键词标签进行新旧更替；

8）系统所记录的用户标签，需设定一定的饱和数量，这里一般使用浏览商品的数量建立饱和上限，即用户浏览商品超出饱和上限后，该用户最新点击浏览、下单所叠加的商品关键词将取代最早点击浏览、下单所获取的商品关键词。

9）商品数区间可以根据平台实际需求设定为1-N个商品；

例如：取值设定为1，则该用户每浏览点击、下单一个新商品，之前用户属性上添加的商品关键词则被完全替代，这种情况可能导致推荐的商品完全参考上一条商品关键词，失去长尾效应。

例如：设定为2，则用户点击浏览、下单新商品后，上一条的商品标签依旧保留在该用户属性上，而上上一条则被新商品的关键词替换，如此类推。

10）系统在向用户展示的商品的时候，则匹配商品本身的标签关键词和用户自身的标签关键词，商品的标签关键词越匹配该用户的标签关键词，则越容易获得展现。

电商交易链路上最重要的是撮合交易，撮合商品和最适合它的用户是提高交易转化的关键点，通过关键词标签的匹配，可以高效地实现合适商品与合适用户的匹配，实现平台价值的更大化。标签化匹配的所有关键词设立权重一般在60%-90%之间，也可以根据实际需求的精准度去调整，设定的百分比越高，当前匹配的商品精度越高，同时越容易形成“信息茧房”，导致外部商品无法进入用户的展示区。设定权重越低，则推荐的商品越不精致，导致交易效率的下降，这里可以根据实际应用中的具体场景具体分析。