高保真电商平台交易数据可视化预测决策方法及处理系统技术方案

本发明专利技术属于电子商务技术领域，具体涉及高保真电商平台交易数据可视化预测决策方法，对消费者通过网络进行购物，过程中所产生的数据，包括消费者信息、消费者交易地点信息、与消费者相关联的商品属性、消费者的购物行为，以及它们与时间的关联所采集得样本数据进行预处理构建可视化视图，细化商品类别属性与消费者消费行为，提出体现层级结构数据的方法，挖掘消费者购买商品的过程与时间之间的联系，准确根据地区交易商品量建立备品库，同时预测备品库的下一补货时间及其对应最快的物流补充渠道，从而提高备品库补货的合理性，同时降低物流运输成本以及物流运输时间，本发明专利技术还提供一种处理系统，包括机器可读存储介质、数据处理器、可视化装置。可视化装置。可视化装置。

【技术实现步骤摘要】
高保真电商平台交易数据可视化预测决策方法及处理系统


[0001]本专利技术属于电子商务
，具体涉及高保真电商平台交易数据可视化预测决策方法及处理系统。

技术介绍

[0002]随着互联网技术的迅速发展，网络已成为日常生活中的重要组成部分，网络购物已成为趋势，各种购物平台每天都在进行交易，通过防伪码作为信息的载体，通过数据采集和信息处理，将商品信息以及防伪信息整合在一起，提高商品保真率，进而不可避免地产生庞大的数据，这些数据复杂多维，并与时间有紧密联系.通过对这些数据的可视化分析，可以了解消费者的购买性格，购物偏爱等喜好，目前已有较多研究人员针对系统应用数据分析工作提出了多种文本分析、挖掘等研宄工作，但对分析结果的可视化展示仍存在不足。

技术实现思路

[0003]针对现有技术中存在的上述不足之处，本专利技术提供了高保真电商平台交易数据可视化预测决策方法及处理系统，用以解决现有技术分析结果的可视化展示不足等问题。
[0004]为了解决上述技术问题，本专利技术采用了如下技术方案：
[0005]高保真电商平台交易数据可视化预测决策方法，包括以下步骤：
[0006]S1，对对消费者通过网络进行购物，过程中所产生的数据，包括消费者信息、消费者交易地点信息、与消费者相关联的商品属性、消费者的购物行为，以及它们与时间的关联所采集得样本数据进行预处理；
[0007]S2，根据步骤S1中处理后的数据构建可视化视图，根据消费者的IP访问地址结合可视化视图进行数据分析，当某一区域的某一商品需求量过大时，根据商品销售时间以及消费者交易地区划分结合地区交通物流建立备品库；
[0008]S4，备品库将物品余量、补货时间以及出货量预测数据返回至购物可视化视图据获得补货特征，根据补货时间间隔与最后一次补货时间，计算下一补货时间，判断下一补货时间是否在当前日期内，当下一补货时间在当前日期内时，根据上一日销量以及出货量预测数据，计算当前备品库内的所需物品总量；
[0009]S5，根据购物主视图数据分析，进行仓储中心与各个备品库之间互相的商品调度，电商平台根据商品生产商等级自高向低原则优先原则选择仓储进行商品调度至备品库，当商品生产商等级一致时，按照物流时间优先原则选择仓储进行商品调度至备品库，物流时间相同情况下按照物流距离优先原则进行商品调度至备品库，物流时间与物流距离相同情况下，按照商品存储量多的仓储优先进行商品调度至备品库。
[0010]S1中样本数据主要属性特征如下：
[0011]商品：对商品数据分为商品分类、分类细化、商品型号三个显著的层级；
[0012]时间：研宄时间上的三个层级划分的数据，时间粒度分别是月、日、时；
[0013]消费者的购物行为：根据实际经验，将消费者的购物行为细化为五种，分别为浏览
商品、将商品加入到购物车中、将商品从购物车中删除、购买商品、将商品退货。
[0014]所述可视化视图包括购物主视图、商品分类及消费行为视图、用户信息及行为细节视图、消费月历视图、消费时段视图，所述购物主视图包括四个层级节点，商品分类、分类细化、商品型号分别对应购物主视图中第二、三、四层级节点，第一层级节点代表消费者节点，所述第二、三、四层级节点下有若干子节点。
[0015]购物主视图构建方法如下：
[0016]首先定义消费者坐标，其中H是主视图高，W是主视图宽，公式如下：
[0017][0018]consumer x和consumer y是根据主视图视口大小定位的初始化坐标，公式如下：
[0019][0020]以此类推，后级层次节点坐标为：
[0021][0022]center_x和center_y是上一层父节点的横纵坐标；
[0023]尺取主视图宽W的1/6，可以调整不同层级节点间的距离，angle控制后层节点围绕前层节点的角度，取每层级节点个数平分15度角的值，trim为同等级节点的不同下标加1，以此判断不同的角度，例如节点1处于第一层级；节点2、3处于第二层级；节点4、5是节点2的子节点，处于第三层级；节点6、7是节点5的子节点，处于第四层级。
[0024]所述的每相邻两个层级节点之间设有商品引力值，同一层级的节点，当商品引力值越大，则与父层级节点越远，反之则距离越近，每个节点的商品引力值与该节点所隐喻的消费额数据成正比。
[0025]设商品引力值为K，节点4、5都处于第三层级，它们的父层级节点是处于第二层级的节点2，针对第三层级的节点来说，当该层级的尺接近于0时，层级中的节点越趋近于虚线如节点4)，当K接近于1时，该层级上的节点越趋近于虚线C(如节点5)，值的范围是0到1之间，这样可保证节点4、5始终处于第三层级中。
[0026]受商品引力值的影响，根据公式
[0027]定位的处于第n+1层级的节点A，次横纵坐标同时乘以K值之后，变成B点的定位，该节点距离处于父层级(第n层级)的父节点的距离跟随K值的变化而变化。
[0028]各节点基于商品引力尺的重定位公式如下：
[0029][0030]A点坐标的(x
′
，y
′
)，在K的作用下，重定位到点B(x，y)。
[0031]当仓储中心商品库存不足时，电商平台根据可视化视图数据分析，将需求量低的
备品库商品调度至高需求量备品库，按照物流时间优先原则选择需求量低的备品库进行商品调度至高需求量备品库，物流时间相同情况下按照物流距离优先原则选择需求量低的备品库进行商品调度至高需求量备品库，物流时间与物流距离相同情况下，按照商品存储量多的选择需求量低的备品库进行商品调度至高需求量备品库。
[0032]一种处理系统，包括机器可读存储介质、数据处理器、可视化装置，所述机器可读存储介质存储有计算机程序，所述数据处理器执行所述计算机程序以运行权利要求1
‑
5中任意一项的高保真电商平台交易数据可视化预测决策方法，所述可视化装置显示可视化视图。
[0033]本专利技术与现有技术相比，具有如下有益效果：
[0034]基于商品引力将商品与消费者之间的联系以分层的可视化形式展现出来，细化商品类别属性与消费者消费行为，提出体现层级结构数据的方法，挖掘消费者购买商品的过程与时间之间的联系，提出体现时序数据，使分析者更方便地观察每位消费者的消费行为，从而得到他们的购物特点，便于更好的进行商品销售调整。
附图说明
[0035]图1为本专利技术高保真电商平台交易数据可视化预测决策方法实施例的可视化视图示意图；
[0036]图2为本专利技术高保真电商平台交易数据可视化预测决策方法实施例中各层级节点初始化定位示意图；
[0037]图3为本专利技术高保真电商平台交易数据可视化预测决策方法实施例中各层级节点在商品引力K作用下定位示意图；
[0038]图4为本专利技术高保真电商平台交易数据可视化预测决策方法实施例中商品引力K的原理图；
具体实施方式
...

【技术保护点】

【技术特征摘要】
1.高保真电商平台交易数据可视化预测决策方法，其特征在于，包括以下步骤：S1，对消费者通过网络进行购物，过程中所产生的数据，包括消费者信息、消费者交易地点信息、与消费者相关联的商品属性、消费者的购物行为，以及它们与时间的关联所采集得样本数据进行预处理；S2，根据步骤S1中处理后的数据构建可视化视图，根据消费者的IP访问地址结合可视化视图进行数据分析，当某一区域的某一商品需求量过大时，根据商品销售时间以及消费者交易地区划分结合地区交通物流建立备品库；S4，备品库将物品余量、补货时间以及出货量预测数据返回至购物可视化视图据获得补货特征，根据补货时间间隔与最后一次补货时间，计算下一补货时间，判断下一补货时间是否在当前日期内，当下一补货时间在当前日期内时，根据上一日销量以及出货量预测数据，计算当前备品库内的所需物品总量；S5，根据购物主视图数据分析，进行仓储中心与各个备品库之间互相的商品调度，电商平台根据商品生产商等级自高向低原则优先原则选择仓储进行商品调度至备品库，当商品生产商等级一致时，按照物流时间优先原则选择仓储进行商品调度至备品库，物流时间相同情况下按照物流距离优先原则进行商品调度至备品库，物流时间与物流距离相同情况下，按照商品存储量多的仓储优先进行商品调度至备品库。2.根据权利要求1所述的高保真电商平台交易数据可视化预测决策方法，其特征在于：S1中样本数据主要属性特征如下：商品：对商品数据分为商品分类、分类细化、商品型号三个显著的层级；时间：研宄时间上的三个层级划分的数据，时间粒度分别是月、日、时；消费者的购物行为：根据实际经验，将消费者的购物行为细化为五种，分别为浏览商品、将...

【专利技术属性】
技术研发人员：金塬博，刘康，
申请(专利权)人：吉林省高信技术服务有限公司，
类型：发明
国别省市：