物流对象分拨方法和装置、电子设备以及计算机可读存储介质制造方法及图纸

本申请公开了一种物流对象分拨方法和装置、电子设备以及计算机可读存储介质。该方法包括：获取针对多个用户与多个物流对象的历史数据，其中，所述历史数据至少包含标识用户针对物流对象的购买行为的第一动态数据；根据所述历史数据，获取用于预测至少一个所述用户针对至少一个所述物流对象的购买行为的预测数据；根据所述预测数据，对所述物流对象进行分拨处理。本申请实施例基于用户的历史购买行为，来预测目标物流对象是否会被目标用户购买，进而以该预测结果来提前对物流对象进行分拨处理，从而能够减少用户购物之后的等待时间，提升用户体验，同时，便于仓配规划，在物流运输量较大的情况下，能够缓解仓储压力，提高运送效率。

【技术实现步骤摘要】
物流对象分拨方法和装置、电子设备以及计算机可读存储介质
本申请涉及物流
，尤其涉及一种物流对象分拨方法和装置、电子设备以及计算机可读存储介质。
技术介绍
在目前的物流行业中，通常是在用户下单后，根据用户的收货地址来对物流对象进行分拨和运输。一般，物流对象会途经多个物流站点(仓库等)，最后由末端站点(收货地址所在区域的物流配送站点)的配送员配送到收货地址。但是，受限于运输工具、路况、突发事件等各种不确定因素，现有技术中这样的根据用户的实际订购行为来进行物流对象的传输，往往会导致用户在下单之后需要等待较长的时间才能够收到所订购的物流对象。尤其在节假日或商品促销等物流运输量剧增时，运送超时的情况会变得更加严重，大大降低了用户的购物体验。
技术实现思路
本申请实施例提供一种物流对象分拨方法和装置、电子设备以及计算机可读存储介质，以解决现有技术中用户在下单之后物流对象运送时间过长的缺陷。为达到上述目的，本申请实施例提供了一种物流对象分拨方法，包括：获取针对多个用户与多个物流对象的历史数据，其中，所述历史数据至少包含标识用户针对物流对象的购买行为的第一动态数据；根据所述历史数据，获取用于预测至少一个所述用户针对至少一个所述物流对象的购买行为的预测数据；根据所述预测数据，对所述物流对象进行分拨处理。本申请实施例还提供了一种物流对象分拨装置，包括：第一获取模块，用于获取针对多个用户与多个物流对象的历史数据，其中，所述历史数据至少包含标识用户针对物流对象的购买行为的第一动态数据；第二获取模块，用于根据所述历史数据，获取用于预测至少一个所述用户针对至少一个所述物流对象的购买行为的预测数据；分拨处理模块，用于根据所述预测数据，对所述物流对象进行分拨处理。本申请实施例还提供了一种电子设备，包括：存储器，用于存储程序；处理器，用于运行所述存储器中存储的所述程序，以用于：获取针对多个用户与多个物流对象的历史数据，其中，所述历史数据至少包含标识用户针对物流对象的购买行为的第一动态数据；根据所述历史数据，获取用于预测至少一个所述用户针对至少一个所述物流对象的购买行为的预测数据；根据所述预测数据，对所述物流对象进行分拨处理。本申请实施例还提供了一种计算机可读存储介质，在所述计算机可读存储介质上存储有指令，所述指令包括：获取针对多个用户与多个物流对象的历史数据，其中，所述历史数据至少包含标识用户针对物流对象的购买行为的第一动态数据；根据所述历史数据，获取用于预测至少一个所述用户针对至少一个所述物流对象的购买行为的预测数据；根据所述预测数据，对所述物流对象进行分拨处理。本申请实施例提供的物流对象分拨方法和装置、电子设备以及计算机可读存储介质，基于用户的历史购买行为，来预测目标物流对象是否会被目标用户购买，进而以该预测结果来提前对物流对象进行分拨处理，从而能够减少用户购物之后的等待时间，提升用户体验，同时，便于仓配规划，在物流运输量较大的情况下，能够缓解仓储压力，提高运送效率。上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。附图说明通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：图1为本申请实施例提供的物流对象分拨方法的场景示意图；图2为本申请提供的物流对象分拨方法一个实施例的流程图；图3为本申请提供的物流对象分拨方法另一个实施例的流程图；图4a为本申请提供的物流对象分拨方法实施例的应用示意图一；图4b为本申请提供的物流对象分拨方法实施例的应用示意图二；图4c为本申请提供的物流对象分拨方法实施例的应用示意图三；图5为本申请提供的物流对象分拨装置一个实施例的结构示意图；图6为本申请提供的物流对象分拨装置另一个实施例的结构示意图；图7为本申请提供的电子设备实施例的结构示意图。具体实施方式下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。实施例一本申请实施例提供的物流对象分拨方法可应用于任何具有数据处理能力的业务系统。图1为本申请实施例提供的物流对象分拨方法的场景示意图，图1所示的场景仅仅是本申请的技术方案可以应用的场景的示例之一。如图1所示，在用户网上购物的场景中，用户通过购物平台下单(订购物流对象)，商家从服务器获取到用户的订单信息之后，针对用户订单信息将相应的物流对象发货，物流对象通过物流传输系统传输到末端节点，再由派送人员派送至用户。在物流传输系统中，物流对象由仓库(如图1中所示的仓库1、仓库2、…、仓库m)出库，再经过一个或多个中间节点(如图1中所示的中间节点1、中间节点2、…、中间节点n)进行分拨和运输，最后被运送至距用户最近的末端节点(如图1中所示的末端节点1、末端节点2、…、末端节点p)。但是由于通常物流运输需要从物流对象所存放的仓库出发，途径多个中间节点，才能到达用户所在区域的物流配送站点(末端节点)并完成到用户的配送。因此，现有技术中这样的根据用户的实际订购行为来进行物流对象的传输，往往导致了用户在完成物流对象的订购之后需要等待较长的时间才能够收到所订购的物流对象，从而降低了用户的购物体验。因此，本申请实施例提出一种物流对象分拨方案，在用户许可的范围内，获取用户的历史订购数据及用户信息，通过对多个用户针对多个物流对象的动态行为(包括但不限于，购买行为、搜索行为、浏览行为、收藏行为或加购物车行为等)、用户的静态信息(包括但不限于，职业信息、性别信息、年龄信息或地域信息等)、以及物流对象的静态信息(包括但不限于，类别信息、生产方信息或出售方信息等)进行分析，来判断目标物流对象是否会被目标用户购买，并以该判断结果来提前进行物流对象的分拨和传输。如果预测目标用户将会购买目标物流对象，则可以在目标用户下单之前，预先将目标对象从仓库发货，例如，可以将目标物流对象运送至末端节点(也可以是物流传输链路中的某个物流节点)进行暂存。当目标用户下单购买该目标物流对象后，能够快速地从暂存的物流节点继续进行传输，因此，能够减少用户购物之后的等待时间，尤其针对将目标物流对象暂存于末端节点的情况，可以直接将其派送给目标用户，因此，能够大大提升用户体验；同时，还可以基于订购数据确定物流对象传输路径上的物流各节点的存储和运送情况，从而将目标物流对象分拨到仓储压本文档来自技高网...

【技术保护点】
1.一种物流对象分拨方法，其特征在于，包括：/n获取针对多个用户与多个物流对象的历史数据，其中，所述历史数据至少包含标识用户针对物流对象的购买行为的第一动态数据；/n根据所述历史数据，获取用于预测至少一个所述用户针对至少一个所述物流对象的购买行为的预测数据；/n根据所述预测数据，对所述物流对象进行分拨处理。/n

【技术特征摘要】
1.一种物流对象分拨方法，其特征在于，包括：
获取针对多个用户与多个物流对象的历史数据，其中，所述历史数据至少包含标识用户针对物流对象的购买行为的第一动态数据；
根据所述历史数据，获取用于预测至少一个所述用户针对至少一个所述物流对象的购买行为的预测数据；
根据所述预测数据，对所述物流对象进行分拨处理。


2.根据权利要求1所述的物流对象分拨方法，其特征在于，所述历史数据还包含标识用户针对物流对象的搜索行为、浏览行为、收藏行为和加购物车行为中的至少一种行为的第二动态数据，
所述根据所述历史数据，获取用于预测至少一个所述用户针对至少一个所述物流对象的购买行为的预测数据，包括：
根据所述第二动态数据，计算多个用户之间的相似度；
获取相似度高于第一预设阈值的至少一组用户组，其中，所述用户组至少包括第一用户和第二用户；
根据与所述第一用户相关的第一动态数据，计算所述第二用户预计购买所述第一动态数据所针对的第一物流对象的概率值。


3.根据权利要求1所述的物流对象分拨方法，其特征在于，所述历史数据还包含标识用户的职业信息、性别信息、年龄信息和地域信息中的至少一种信息的第一属性数据，
所述根据所述历史数据，获取用于预测至少一个所述用户针对至少一个所述物流对象的购买行为的预测数据，包括：
根据所述第一属性数据，计算多个用户之间的相似度；
获取相似度高于第一预设阈值的至少一组用户组，其中，所述用户组至少包括第一用户和第二用户；
根据与所述第一用户相关的第一动态数据，计算所述第二用户预计购买所述第一动态数据所针对的第一物流对象的概率值。


4.根据权利要求1所述的物流对象分拨方法，其特征在于，所述历史数据还包含标识用户针对物流对象的搜索行为、浏览行为、收藏行为和加购物车行为中的至少一种行为的第二动态数据，以及包含标识用户的职业信息、性别信息、年龄信息和地域信息中的至少一种信息的第一属性数据，
所述根据所述历史数据，获取用于预测至少一个所述用户针对至少一个所述物流对象的购买行为的预测数据，包括：
根据所述第二动态数据和所述第一属性数据，计算多个用户之间的相似度；
获取相似度高于第一预设阈值的至少一组用户组，其中，所述用户组至少包括第一用户和第二用户；
根据与所述第一用户相关的第一动态数据，计算所述第二用户预计购买所述第一动态数据所针对的第一物流对象的概率值。


5.根据权利要求1所述的物流对象分拨方法，其特征在于，所述历史数据还包含标识用户针对物流对象的搜索行为、浏览行为、收藏行为和加购物车行为中的至少一种行为的第二动态数据，
所述根据所述历史数据，获取用于预测至少一个所述用户针对至少一个所述物流对象的购买行为的预测数据，包括：
根据所述第二动态数据，计算多个物流对象之间的相似度；
获取相似度高于第二预设阈值的至少一组物流对象组，其中，所述物流对象组至少包括第一物流对象和第二物流对象；
根据针对所述第一物流对象的第一动态数据，计算与所述第一动态数据相关的第一用户预计购买所述第二物流对象的概率值。


6.根据权利要求1所述的物流对象分拨方法，其特征在于，所述历史数据还包含标识物流对象的类别信息、生产方信息和出售方信息中的至少一种信息的第二属性数据，
所述根据所述历史数据，获取用于预测至少一个所述用户针对至少一个所述物流对象的购买行为的预测数据，包括：
根据所述第二属性数据，计算多个物流对象之间的相似度；
获取相似度高于第二预设阈值的至少一组物流对象组，其中，所述物流对象组至少包括第一物流对象和第二物流对象；
根据针对所述第一物流对象的第一动态数据，计算与所述第一动态数据相关的第一用户预计购买所述第二物流对象的概率值。


7.根据权利要求1所述的物流对象分拨方法，其特征在于，所述历史数据还包含标识用户针对物流对象的搜索行为、浏览行为、收藏行为和加购物车行为中的至少一种行为的第二动态数据，以及包含标识物流对象的类别信息、生产方信息和出售方信息中的至少一种信息的第二属性数据，
所述根据所述历史数据，获取用于预测至少一个所述用户针对至少一个所述物流对象的购买行为的预测数据，包括：
根据所述第二动态数据和所述第二属性数据，计算多个物流对象之间的相似度；
获取相似度高于第二预设阈值的至少一组物流对象组，其中，所述物流对象组至少包括第一物流对象和第二物流对象；
根据针对所述第一物流对象的第一动态数据，计算与所述第一动态数据相关的第一用户预计购买所述第二物流对象的概率值。


8.根据权利要求1所述的物流对象分拨方法，其特征在于，所述根据所述历史数据，获取用于预测至少一个所述用户针对至少一个所述物流对象的购买行为的预测数据，包括：
根据所述历史数据，计算多个用户之间的相似度和多个物流对象之间的相似度；
获取相似度高于第一预设阈值的至少一组用户组和相似度高于第二预设阈值的至少一组物流对象组，其中，所述用户组至少包括第一用户和第二用户，所述物流对象组至少包括第一物流对象和第二物流对象；
根据标识所述第一用户针对所述第一物流对象的购买行为的第一动态数据，计算所述第二用户预计购买所述第二物流对象的概率值。


9.根据权利要求8所述的物流对象分拨方法，其特征在于，所述历史数据还包含标识用户针对物流对象的搜索行为、浏览行为、收藏行为和加购物车行为中的至少一种行为的第二动态数据，
所述根据所述历史数据，计算多个用户之间的相似度和多个物流对象之间的相似度，包括：
根据所述第二动态数据，计算多个用户之间的相似度；
根据所述第二动态数据，计算多个物流对象之间的相似度。


10.根据权利要求8所述的物流对象分拨方法，其特征在于，所述历史数据还包含标识用户针对物流对象的搜索行为、浏览行为、收藏行为和加购物车行为中的至少一种行为的第二动态数据，以及包含标识物流对象的类别信息、生产方信息和出售方信息中的至少一种信息的第二属性数据，
所述根据所述历史数据，计算多个用户之间的相似度和多个物流对象之间的相似度，包括：
根据所述第二动态数据，计算多个用户之间的相似度；
根据所述第二属性数据，计算多个物流对象之间的相似度。


11.根据权利要求8所述的物流对象分拨方法，其特征在于，所述历史数据还包含标识用户针对物流对象的搜索行为、浏览行为、收藏行为和加购物车行为中的至少一种行为的第二动态数据，以及包含标识物流对象的类别信息、生产方信息和出售方信息中的至少一种信息的第二属性数据，
所述根据所述历史数据，计算多个用户之间的相似度和多个物流对象之间的相似度，包括：
根据所述第二动态数据，计算多个用户之间的相似度；
根据所述第二动态数据和所述第二属性数据，计算多个物流对象之间的相似度。


12.根据权利要求8所述的物流对象分拨方法，其特征在于，所述历史数据还包含标识用户的职业信息、性别信息、年龄信息和地域信息中的至少一种信息的第一属性数据，以及包含标识用户针对物流对象的搜索行为、浏览行为...

【专利技术属性】
技术研发人员：庄文辉，谭又豪，
申请(专利权)人：菜鸟智能物流控股有限公司，
类型：发明
国别省市：开曼群岛;KY