本申请公开一种店铺销售策略推荐方法及其装置、设备、介质、产品，所述方法包括：获取多个电商店铺的店铺特征信息，调用预设特征降维算法，将各店铺特征信息降维为低维店铺特征向量；调用预设店铺聚类算法，根据各电商店铺的低维店铺特征向量，确定出各电商店铺对应的店铺聚类，且确定出各店铺聚类中的中心电商店铺；使用多个销售策略对各店铺聚类中的电商店铺进行对照实验，为各店铺聚类筛选出实验结果满足其预设条件的销售策略；根据新电商店铺的店铺特征信息，确定出与新电商店铺相似的中心电商店铺；使用中心电商店铺的销售策略对新电商店铺进行对照实验，将结果最好的目标销售策略作为推荐销售策略。本申请可为电商店铺推荐优质的销售策略。优质的销售策略。优质的销售策略。
【技术实现步骤摘要】
店铺销售策略推荐方法及其装置、设备、介质、产品
[0001]本申请涉及网络电商领域，尤其涉及一种店铺销售策略推荐方法，此外还涉及该方法相应的装置、设备、非易失性存储介质以及计算机程序产品。
技术介绍
[0002]随着互联网的发展，互联网上出现了不少网络电商平台，网络电商平台中具有销售不同类型商品的电商店铺，以便平台中的买家用户通过网络电商平台进行电商购物，从平台的电商店铺中购买心仪的商品，网络电商平台中各电商店铺具有不同的销售商品类型、目标消费群体定位及店铺规模等店铺特征，但常见的网络电商平台一般仅为各电商店铺所提供通用的销售策略，无法为电商店铺提供基于店铺特征进行定制化的销售策略，使得电商店铺无法使用平台提供的销售策略提升店铺的销售额，且买家用户在平台中进行网购时也需花费不少时间寻找心仪商品，可以看出，通用的销售策略不仅影响网络电商平台中电商店铺及买家用户的平台使用体验，对于平台而言也将造成不少的损失。
[0003]鉴于现有的网络电商平台中为电商店铺提供通用销售策略而导致的问题，本申请人出于解决该问题的考虑做出相应的探索。
技术实现思路
[0004]本申请的目的在于满足用户需求而提供一种店铺销售策略推荐方法，此外还涉及该方法相应的装置、设备、非易失性存储介质以及计算机程序产品。
[0005]为实现本申请的目的，采用如下技术方案：
[0006]获取多个电商店铺的店铺特征信息，调用预设特征降维算法，将各所述店铺特征信息降维为低维店铺特征向量，其中，所述店铺特征信息包含店铺静态特征及店铺动态特征；
[0007]调用预设店铺聚类算法，根据各所述电商店铺的所述低维店铺特征向量，确定出各所述电商店铺对应的店铺聚类，且确定出各所述店铺聚类中的中心电商店铺；
[0008]使用多个销售策略对各所述店铺聚类中的电商店铺进行对照实验，为各所述店铺聚类筛选出实验结果满足其预设条件的目标销售策略；
[0009]根据新电商店铺的店铺特征信息，确定出与所述新电商店铺相似的目标中心电商店铺，获取所述目标中心电商店铺所属店铺聚类具有的目标销售策略；
[0010]使用各所述目标销售策略对所述新电商店铺进行对照实验，将实验结果最好的目标销售策略作为所述新电商店铺的推荐销售策略。
[0011]进一步的实施例中，获取多个电商店铺的店铺特征信息，调用预设特征降维算法，将各所述店铺特征信息降维为低维店铺特征向量，其中，所述店铺特征信息包含店铺静态特征及店铺动态特征的步骤之中，包括如下步骤：
[0012]将多个店铺特征信息转换为特征数据矩阵，其中，所述特征数据矩阵中的行数据对应店铺特征信息，所述特征数据矩阵中列数据与各所述店铺特征信息中店铺静态特征及
店铺动态特征包含的特征数据对应；
[0013]通过预设主成分分析算法，将所述特征数据矩阵转换为具有预设目标列数的降维特征数据矩阵；
[0014]从所述降维特征数据矩阵中获取各所述店铺特征信息对应的行数据，将所述行数据作为对应电商店铺的低维店铺特征向量。
[0015]进一步的实施例中，调用预设店铺聚类算法，根据各所述电商店铺的所述低维店铺特征向量，确定出各所述电商店铺对应的店铺聚类，且确定出各所述店铺聚类中的中心电商店铺步骤之中，包括如下步骤：
[0016]从多个所述低维店铺特征向量中随机获取预设数量的目标低维店铺特征向量，将各所述目标低维店铺特征向量作为聚类坐标系中的初始店铺聚类中心；
[0017]计算出剩余的所述低维店铺特征向量与各所述初始店铺聚类中心之间的距离，确定出与剩余的所述低维店铺特征向量之间距离最短的目标初始店铺聚类中心，将所述低维店铺特征向量分配为目标初始店铺聚类中心所属的店铺聚类；
[0018]根据所述聚类坐标系中各所述店铺聚类包含的低维店铺特征向量，确定出各所述店铺聚类中的聚类中心；
[0019]确定出各所述店铺聚类中距离其所述聚类中心最近的低维店铺特征向量，将所述低维店铺特征向量所属的电商店铺作为对应店铺聚类的中心电商店铺。
[0020]进一步的实施例中，使用多个销售策略对各所述店铺聚类中的电商店铺进行对照实验，为各所述店铺聚类筛选出实验结果满足其预设条件的目标销售策略的步骤之中，包括如下步骤：
[0021]使用销售策略对当前店铺聚类中具有的一个或多个电商店铺进行对照实验；
[0022]获取所述销售策略作用于各所述电商店铺的实验结果，确定出实验结果表征为所述销售策略较好的结果数量，计算出所述结果数量与当前店铺聚类的电商店铺总数之间的比例；
[0023]判断所述比例是否超过预设阈值，若超过，表征为较好的实验结果表征为所述销售策略作为当前店铺聚类的目标销售策略。
[0024]进一步的实施例中，根据新电商店铺的店铺特征信息，确定出与所述新电商店铺相似的目标中心电商店铺，获取所述目标中心电商店铺所属店铺聚类具有的目标销售策略的步骤之中，包括如下步骤：
[0025]使用训练至收敛的店铺相似度计算模型，计算出新电商店铺的店铺特征信息与各所述中心电商店铺的店铺特征信息之间的特征相似度；
[0026]确定出所述特征相似度最高的中心电商店铺，将该中心电商店铺作为所述新电商店铺的目标中心电商店铺；
[0027]获取所述目标中心电商店铺所属店铺聚类具有的目标销售策略。
[0028]进一步的实施例中，使用各所述目标销售策略对所述新电商店铺进行对照实验，将实验结果最好的目标销售策略作为所述新电商店铺的推荐销售策略的步骤之中，包括如下步骤：
[0029]使用所述目标中心电商店铺所属店铺聚类具有的目标销售策略，对所述新电商店铺进行对照实验；
[0030]确定出表征为目标销售策略较好的一个或多个实验结果，获取各所述实验结果对应的销售转化率；
[0031]确定出所述销售转化率最高的实验结果，将该实验结果的目标销售策略作为所述新电商店铺的推荐销售策略。
[0032]进一步的实施例中，所述店铺静态特征包含店铺销售行业、店铺销售地区及店铺商品类别，所述店铺动态特征包含店铺商品销量、店铺销售额及店铺营业时长。
[0033]适应本申请的目的而提出的一种店铺销售策略推荐装置，其包括：
[0034]店铺特征降维模块，用于获取多个电商店铺的店铺特征信息，调用预设特征降维算法，将各所述店铺特征信息降维为低维店铺特征向量，其中，所述店铺特征信息包含店铺静态特征及店铺动态特征；
[0035]店铺聚类处理模块，用于调用预设店铺聚类算法，根据各所述电商店铺的所述低维店铺特征向量，确定出各所述电商店铺对应的店铺聚类，且确定出各所述店铺聚类中的中心电商店铺；
[0036]目标策略筛选模块，用于使用多个销售策略对各所述店铺聚类中的电商店铺进行对照实验，为各所述店铺聚类筛选出实验结果满足其预设条件的目标销售策略；
[0037]相似店铺确定模块，用于根据新电商店铺的店铺特征信息，确定出与所述新电商店铺相似本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种店铺销售策略推荐方法，其特征在于，包括如下步骤：获取多个电商店铺的店铺特征信息，调用预设特征降维算法，将各所述店铺特征信息降维为低维店铺特征向量，其中，所述店铺特征信息包含店铺静态特征及店铺动态特征；调用预设店铺聚类算法，根据各所述电商店铺的所述低维店铺特征向量，确定出各所述电商店铺对应的店铺聚类，且确定出各所述店铺聚类中的中心电商店铺；使用多个销售策略对各所述店铺聚类中的电商店铺进行对照实验，为各所述店铺聚类筛选出实验结果满足其预设条件的目标销售策略；根据新电商店铺的店铺特征信息，确定出与所述新电商店铺相似的目标中心电商店铺，获取所述目标中心电商店铺所属店铺聚类具有的目标销售策略；使用各所述目标销售策略对所述新电商店铺进行对照实验，将实验结果最好的目标销售策略作为所述新电商店铺的推荐销售策略。2.根据权利要求1所述的方法，其特征在于，获取多个电商店铺的店铺特征信息，调用预设特征降维算法，将各所述店铺特征信息降维为低维店铺特征向量，其中，所述店铺特征信息包含店铺静态特征及店铺动态特征的步骤之中，包括如下步骤：将多个店铺特征信息转换为特征数据矩阵，其中，所述特征数据矩阵中的行数据对应店铺特征信息，所述特征数据矩阵中列数据与各所述店铺特征信息中店铺静态特征及店铺动态特征包含的特征数据对应；通过预设主成分分析算法，将所述特征数据矩阵转换为具有预设目标列数的降维特征数据矩阵；从所述降维特征数据矩阵中获取各所述店铺特征信息对应的行数据，将所述行数据作为对应电商店铺的低维店铺特征向量。3.根据权利要求1所述的方法，其特征在于，调用预设店铺聚类算法，根据各所述电商店铺的所述低维店铺特征向量，确定出各所述电商店铺对应的店铺聚类，且确定出各所述店铺聚类中的中心电商店铺步骤之中，包括如下步骤：从多个所述低维店铺特征向量中随机获取预设数量的目标低维店铺特征向量，将各所述目标低维店铺特征向量作为聚类坐标系中的初始店铺聚类中心；计算出剩余的所述低维店铺特征向量与各所述初始店铺聚类中心之间的距离，确定出与剩余的所述低维店铺特征向量之间距离最短的目标初始店铺聚类中心，将所述低维店铺特征向量分配为目标初始店铺聚类中心所属的店铺聚类；根据所述聚类坐标系中各所述店铺聚类包含的低维店铺特征向量，确定出各所述店铺聚类中的聚类中心；确定出各所述店铺聚类中距离其所述聚类中心最近的低维店铺特征向量，将所述低维店铺特征向量所属的电商店铺作为对应店铺聚类的中心电商店铺。4.根据权利要求1所述的方法，其特征在于，使用多个销售策略对各所述店铺聚类中的电商店铺进行对照实验，为各所述店铺聚类筛选出实验结果满足其预设条件的目标销售策略的步骤之中，包括如下步骤：使用销售策略对当前店铺聚类中具有的一个或多个电商店铺进行对照实验；获取所述销售策略作用于各所述电商店铺的实验结果，确定出实验结果表征为所述销售策略较好的结果数量，计算出所述结果数量与当前店铺...
【专利技术属性】
技术研发人员：黄丕帅，
申请(专利权)人：广州商研网络科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。