商户激励程度的确定方法、装置和订单生成方法、装置制造方法及图纸

本公开提供了一种商户激励程度的确定方法、装置和订单生成方法、装置，所述商户激励程度的确定方法包括：获取目标商户集，所述目标商户集包括至少一个目标商户；采用用户数预测模型预测在不同的激励程度参数下，访问目标商户的用户数；采用下单率预测模型预测在不同的激励程度参数下目标商户的下单率；根据在每个激励程度参数下目标商户的下单率、访问目标商户的用户数和激励程度参数，确定目标商户在激励程度参数下的激励成本参数；根据最大激励成本和每个目标商户在每个激励程度参数下的激励成本参数，确定每个目标商户的目标激励程度参数。本公开可以提高目标激励程度参数的准确度。

【技术实现步骤摘要】
商户激励程度的确定方法、装置和订单生成方法、装置
本公开涉及计算机处理
，尤其涉及一种商户激励程度的确定方法、装置和订单生成方法、装置。
技术介绍
在网络销售领域中，用户可以在网络销售平台上访问商户或查看商品，以获取目标商户或商品的详细信息，从而决定是否对商户或商品进行下单。为了激励用户下单，通常可以向用户发送补贴券、折扣券、满减券或直接进行打折销售。现有技术中，一种常用的激励方式包括：首先，针对同一区域中的商户，根据该区域的消费水平设置这些商户的目标激励程度参数；然后，根据该目标激励程度参数对用户进行激励，例如，可以向用户发放金额为该目标激励程度参数的补贴券；从而使得当用户下单时，可以从需要支付的总金额中减去该目标激励程度参数对应的金额。专利技术人对上述方案进行研究之后发现，上述方案针对同一区域中的每个商户均设置有相同的目标激励程度参数，导致目标激励程度参数的准确度较低。
技术实现思路
本公开提供一种商户激励程度的确定方法、装置和订单生成方法、装置，可以通过预测的用户数、下单率和对应的激励程度参数，确定激励成本参数，从而针对每个目标商户确定个性化的目标激励程度参数，有助于提高目标激励程度参数的准确度。根据本公开的第一方面，提供了一种商户激励程度的确定方法，所述方法包括：获取目标商户集，所述目标商户集包括至少一个目标商户；针对每个所述目标商户，采用用户数预测模型预测在不同的激励程度参数下访问所述目标商户的用户数；所述用户数预测模型通过第一训练样本训练得到，所述第一训练样本包括：第一样本商户信息、第一样本激励程度和样本用户数；针对每个所述目标商户，采用下单率预测模型预测在不同的激励程度参数下所述目标商户对应的下单率；所述下单率预测模型通过第二训练样本训练得到，所述第二训练样本包括：第二样本商户信息、第二样本激励程度和样本下单率；针对每个所述目标商户和每个所述激励程度参数，根据所述目标商户在所述激励程度参数下对应的下单率、访问所述目标商户的用户数和所述激励程度参数，确定所述目标商户在所述激励程度参数下对应的激励成本参数；根据预设的最大激励成本和每个所述目标商户在每个所述激励程度参数下对应的激励成本参数，确定每个所述目标商户的目标激励程度参数。根据本公开的第二方面，提供了一种商户激励程度的确定装置，所述装置包括：目标商户集获取模块，用于获取目标商户集，所述目标商户集包括至少一个目标商户；用户数预测模块，用于针对每个所述目标商户，采用用户数预测模型预测在不同的激励程度参数下访问所述目标商户的用户数；所述用户数预测模型通过第一训练样本训练得到，所述第一训练样本包括：第一样本商户信息、第一样本激励程度和样本用户数；下单率预测模块，用于针对每个所述目标商户，采用下单率预测模型预测在不同的激励程度参数下所述目标商户对应的下单率；所述下单率预测模型通过第二训练样本训练得到，所述第二训练样本包括：第二样本商户信息、第二样本激励程度和样本下单率；激励成本确定模块，用于针对每个所述目标商户和每个所述激励程度参数，根据所述目标商户在所述激励程度参数下对应的下单率、访问所述目标商户的用户数和所述激励程度参数，确定所述目标商户在所述激励程度参数下对应的激励成本参数；目标激励程度确定模块，用于根据预设的最大激励成本和每个所述目标商户在每个所述激励程度参数下对应的激励成本参数，确定每个所述目标商户的目标激励程度参数。根据本公开的第三方面，提供了一种订单生成方法，包括：接收下单请求，所述下单请求包括商品信息和目标商户；采用权利要求前述的商户激励程度的确定方法，确定所述目标商户的目标激励程度参数；根据所述商品信息和所述目标激励程度参数，生成订单。根据本公开的第四方面，提供了一种订单生成装置，包括：下单请求接收模块，用于接收下单请求，所述下单请求包括商品信息和目标商户；商户激励程度确定模块，用于采用前述的商户激励程度的确定装置，确定所述目标商户的目标激励程度参数；订单生成模块，用于根据所述商品信息和所述目标激励程度参数，生成订单。根据本公开的第五方面，提供了一种电子设备，包括：处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现前述商户激励程度的确定方法，或，前述的订单生成方法。根据本公开的第六方面，提供了一种可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行前述商户激励程度的确定方法，或，前述的订单生成方法。本公开提供了一种商户激励程度的确定方法、装置和订单生成方法、装置，可以首先获取目标商户集，所述目标商户集包括至少一个目标商户；然后采用用户数预测模型预测在不同的激励程度参数下，访问目标商户的用户数，并采用下单率预测模型预测在不同的激励程度参数下目标商户的下单率；再然后根据在每个激励程度参数下目标商户的下单率、访问目标商户的用户数和激励程度参数，确定目标商户在激励程度参数下的激励成本参数；最后根据最大激励成本和每个目标商户在每个激励程度参数下的激励成本参数，确定每个目标商户的目标激励程度参数。本公开可以提高目标激励程度参数的准确度。附图说明为了更清楚地说明本公开的技术方案，下面将对本公开的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公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1示出了本公开的商户激励程度的确定方法的步骤流程图；图2示出了本公开的基于最大激励成本确定激励程度参数的步骤流程图；图3示出了本公开的基于基于下单数确定激励程度参数的步骤流程图；图4示出了本公开的商户激励程度的确定装置的结构图；图5示出了本公开的目标激励程度确定模块的结构图；图6示出了本公开的激励程度初始化子模块的结构图；图7示出了本公开的订单生成方法的步骤流程图；图8示出了本公开的订单生成装置的结构图；图9示出了本公开的电子设备的结构图。具体实施方式下面将结合本公开中的附图，对本公开中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。本公开可以应用于网络销售平台的后台服务器，后台服务器可以接收网络销售平台的客户端的数据请求，以根据该数据请求生成业务数据，并将业务数据返回至客户端展示给用户。其中，业务数据可以为商户或商品的信息数据。在本公开的实施例中，后台服务器用于为每个目标商户确定个性化的目标激励程度参数，该目标激励程度参数用于激励未曾在该商家下单的新用户下单。例如，可以向新用户发放金额为目标激励程度参数的补贴券，新用户下单本文档来自技高网...

【技术保护点】
1.一种商户激励程度的确定方法，其特征在于，所述方法包括：/n获取目标商户集，所述目标商户集包括至少一个目标商户；/n针对每个所述目标商户，采用用户数预测模型预测在不同的激励程度参数下访问所述目标商户的用户数；所述用户数预测模型通过第一训练样本训练得到，所述第一训练样本包括：第一样本商户信息、第一样本激励程度和样本用户数；/n针对每个所述目标商户，采用下单率预测模型预测在不同的激励程度参数下所述目标商户对应的下单率；所述下单率预测模型通过第二训练样本训练得到，所述第二训练样本包括：第二样本商户信息、第二样本激励程度和样本下单率；/n针对每个所述目标商户和每个所述激励程度参数，根据所述目标商户在所述激励程度参数下对应的下单率、访问所述目标商户的用户数和所述激励程度参数，确定所述目标商户在所述激励程度参数下对应的激励成本参数；/n根据预设的最大激励成本和每个所述目标商户在每个所述激励程度参数下对应的激励成本参数，确定每个所述目标商户的目标激励程度参数。/n

【技术特征摘要】
1.一种商户激励程度的确定方法，其特征在于，所述方法包括：
获取目标商户集，所述目标商户集包括至少一个目标商户；
针对每个所述目标商户，采用用户数预测模型预测在不同的激励程度参数下访问所述目标商户的用户数；所述用户数预测模型通过第一训练样本训练得到，所述第一训练样本包括：第一样本商户信息、第一样本激励程度和样本用户数；
针对每个所述目标商户，采用下单率预测模型预测在不同的激励程度参数下所述目标商户对应的下单率；所述下单率预测模型通过第二训练样本训练得到，所述第二训练样本包括：第二样本商户信息、第二样本激励程度和样本下单率；
针对每个所述目标商户和每个所述激励程度参数，根据所述目标商户在所述激励程度参数下对应的下单率、访问所述目标商户的用户数和所述激励程度参数，确定所述目标商户在所述激励程度参数下对应的激励成本参数；
根据预设的最大激励成本和每个所述目标商户在每个所述激励程度参数下对应的激励成本参数，确定每个所述目标商户的目标激励程度参数。


2.根据权利要求1所述的商户激励程度的确定方法，其特征在于，所述根据预设的最大激励成本和每个所述目标商户在每个所述激励程度参数下对应的激励成本参数，确定每个所述目标商户的目标激励程度参数的步骤，包括：
针对每个所述目标商户，生成所述目标商户的调整信息；所述调整信息包括：至少一个激励程度参数、所述目标商户在所述激励程度参数下对应的激励成本参数和所述激励程度参数对应的调整效率，所述激励程度参数对应的调整效率是根据激励成本差值与激励程度差值的比值确定的，所述激励程度差值是大于所述激励程度参数的相邻激励程度参数与所述激励程度参数的差值，所述激励成本差值是所述相邻激励程度参数对应的激励成本参数，与所述激励程度参数对应的激励成本参数的差值；
针对每个所述目标商户，初始化所述目标商户的目标激励程度参数；
若所述目标商户集中各目标商户在所述目标激励程度参数下对应的激励成本参数之和大于预设的最大激励成本，则确定最大的所述调整效率对应的目标调整信息，并将所述目标调整信息中的目标商户的目标激励程度参数调整为所述目标调整信息中的激励程度参数，直至所述目标商户集中各目标商户在所述目标激励程度参数下对应的激励成本参数之和小于或等于预设的最大激励成本。


3.根据权利要求1所述的商户激励程度的确定方法，其特征在于，所述针对每个所述目标商户和每个所述激励程度参数，根据所述目标商户在所述激励程度参数下对应的下单率、访问所述目标商户的用户数和所述激励程度参数，确定所述目标商户在所述激励程度参数下对应的激励成本参数的步骤，包括：
针对每个所述目标商户和每个所述激励程度参数，将在所述激励程度参数下所述目标商户对应的下单率、访问所述目标商户的用户数和所述激励程度参数的乘积，作为所述激励程度参数对应的激励成本参数。


4.根据权利要求1所述的商户激励程度的确定方法，其特征在于，所述第一训练样本通过如下步骤得到：从用户行为记录中获取针对第一样本商户的第一训练样本；所述第一训练样本中的第一样本商户信息是所述第一样本商户的商户信息，所述第一训练样本中的样本用户数是历史访问所述第一样本商户的用户数，若所述第一样本商户是随机激励商户，则所述第一训练样本中的第一样本激励程度是随机数值，若所述第一样本商户不是所述随机激励商户，则所述第一训练样本中的第一样本激励程度是所述第一样本商户的目标激励程度参数。


5.根据权利要求1所述的商户激励程度的确定方法，其特征在于，所述第二训练样本通过如下步骤得到：
从用户行为记录中获取针对第二样本商户的第二训练样本；所述第二训练样本中的第二样本商户信息是所述第二样本商户的商户信息，所述第二训练样本中的样本下单率是历史访问所述第二样本商户的用户是否对所述目标商户进行下单的标识，若所述第二样本商户是随机激...

【专利技术属性】
技术研发人员：龙伟健，黄兴，顾津吉，
申请(专利权)人：北京三快在线科技有限公司，
类型：发明
国别省市：北京;11