一种数据分析方法及装置与流程
本发明涉及数据分析技术领域，特别是涉及一种数据分析方法及装置。
背景技术：
我国电视购物行业经过二十余年发展市场规模逐渐扩大，据统计2011年，中国电视购物市场规模达到455亿元；2012年电视购物市场规模达到578.3亿元，同比增长27.1％；2013年的市场规模达到683.5亿元；近几年的市场规模也在逐年增长。
面对规模巨大的市场和购买人群，目前电视购物系统却还没有完善的运营分析模型，运营者都是依赖于人工方式主观地选择合作的对象和资源。这种人工主观的分析方式，导致分析结果可信度不高，会导致选择合作的对象和资源的市场价值并不高，使得电视购物平台给用户带来的用户体验并不好。
技术实现要素：
本发明解决的技术问题在于提供一种数据分析方法及装置，能够根据实际数据分析得到用户的合作能力值或资源的平台展示价值，从而给运营者选择合作对象或资源时，提供可靠的数据依据。
为此，本发明解决技术问题的技术方案是：
本发明提供了一种数据分析方法，该方法包括：
统计用户在预设时间内的用户属性值；所述用户属性值用于表征用户在购物平台上体现的属性情况；
根据统计得到的用户属性值，确定所述用户的合作能力值，所述合作能力值用于表征用户的合作可信度的大小情况。
可选的，所述统计用户在预设时间内的用户属性值，包括：
在预设时间内，统计与用户相关的至少两种不同的属性值；不同的用户属性值用于表征用户在购物平台上体现的不同类型的属性情况。
可选的，所述根据统计得到的用户属性值，确定所述用户的合作能力值，包括：
根据预设的归一化方式，对不同种类的用户属性值进行归一化处理；
对经过归一化处理后的用户属性值进行加权求和，将计算得到的和值作为所述用户的合作能力值。
可选的，所述用户属性值包括以下一种或者多种：
用户的订单总价值、用户的订单总个数、用户的资源类别总个数、用户的资源总个数、用户被投诉次数、用户的订单准时送达总次数。
可选的，当所述用户属性值包括：用户的订单总价值cta、用户的订单总个数coa、用户的资源类别总个数ccn、用户的资源总个数cgn、用户被投诉次数cpa、以及，用户的订单准时送达总次数cda；
则所述根据统计得到的用户属性值，确定所述用户的合作能力值ca，包括：
按照加权求和公式：
ca＝cta*Δcta+ccn*Δccn+cgn*Δcgn+cpa*Δcpa+coa*Δcoa+cda*Δcda；
其中，公式中Δcta、Δccn、Δcgn、Δcpa、Δcoa、Δcda为预先设置的不同种类的用户属性对应的加权系数。
可选的，所述加权求和公式中的各个加权系数如下：
Δcta＝1.2、Δccn＝0.5、Δcgn＝0.6、Δcpa＝1、Δcoa＝0.8、Δcda＝1。
本发明还提供了另一种数据分析方法，该方法包括：
统计所述购物平台上的资源属性值，所述资源属性值用于表征资源在购物平台上体现的属性情况；
根据统计得到的资源属性值，确定资源的平台展示价值，所述资源的平台展示价值用于表征某一类资源在所述购物平台展示的有效性情况。
可选的，所述统计所述购物平台上的资源属性值，包括：
在预设时间内，统计所述购物平台上的同一类型资源的至少两种不同的属性值；不同的属性值用于表征同一类型资源在购物平台上体现的不同类型的属性情况。
可选的，所述根据统计得到的资源属性值，确定资源的平台展示价值，包括：
根据预设的归一化方式，对同一类型资源的不同种类的属性值进行归一化处理；
对经过归一化处理后的同一类型资源的不同属性值进行加权求和，将计算得到的和值作为所述同一类型资源的平台展示价值。
可选的，所述资源属性值包括以下一种或者多种：
同一类别资源的订单总价值、同一类别资源的订单总个数、同一类别资源的订单均价值、同一类别资源被投诉次数。
可选的，当所述资源属性值包括：同一类别资源的订单总价值gta、同一类别资源的订单总个数goa、同一类别资源的订单均价值ggn、同一类别资源被投诉次数gpa；
则根据统计得到的资源属性值，确定资源的平台展示价值ga，包括：
按照加权求和公式：
ga＝gta*Δgta+goa*Δgoa+ggn*Δggn+gpa*Δgpa；
其中，Δgta、Δgoa、Δggn、Δgpa为预先设置的不同类型的资源属性对应的加权系数。
可选的，所述加权求和公式中的各个加权系数如下：
Δgta＝1.2、Δgoa＝0.5、Δggn＝0.6、Δgpa＝1。
本发明还提供了一种数据分析装置，该装置包括：
用户属性值统计模块，用于统计用户在预设时间内的用户属性值；所述用户属性值用于表征用户在购物平台上体现的属性情况；
用户合作能力值确定模块，用于根据统计得到的用户属性值，确定所述用户的合作能力值，所述合作能力值用于表征用户的合作可信度的大小情况。
本发明还提供了另一种数据分析装置，该装置包括：
资源属性值统计模块，用于统计所述购物平台上的资源属性值，所述资源属性值用于表征资源在购物平台上体现的属性情况；
资源平台展示价值确定模块，用于根据统计得到的资源属性值，确定资源的平台展示价值，所述资源的平台展示价值用于表征某一类资源在所述购物平台展示的有效性情况。
通过上述技术方案可知，与现有技术相比本发明具有如下有益效果：
本发明提供了一种数据分析方法及装置，主要提出了利用购物平台上已产生的、与用户相关的数据，统计得到该用户的用户属性值，再利用该用户的用户属性值分析得到用户的合作能力值，该用户的合作能力值能够表征用户在该购物平台上的合作可信度的大小情况，对于运营者而言，无需在主观衡量是否与该用户继续合作，而可以根据该用户的合作能力值的大小情况来决定是否与该用户继续合作。
基于相同的技术构思，本发明还提供了另一种数据分析方法及装置，主要提出了利用购物平台上已产生的、与某一类别资源相关的数据，从资源类型的角度统计得到该类别资源的资源属性值，根据该类别资源的资源属性值，确定资源的平台展示价值，该类别资源的平台展示价值用于表征该类别资源在所述购物平台展示的有效性情况。对于运营者而言，无需在主观衡量是否继续展示该类型的资源，而可以根据该类别资源的平台展示价值大小情况来决定是否继续展示。
可以看出，本发明提供的这些技术方案，都是根据购物平台上已生成的历史数据，对用户、资源进行评估分析，分析结果就能够作为运营者选择用户、资源的重要数据依据，避免主观盲目选择。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的一种数据分析方法的流程图；
图2为本发明提供的另一种数据分析方法的流程图；
图3为本发明提供的另一种数据分析方法的流程图；
图4为本发明提供的一种数据分析装置的结构图；
图5为本发明提供的另一种数据分析装置的结构图；
图6为本发明提供的另一种数据分析装置的结构图。
具体实施方式
本发明实施例提供了一种数据分析方法及装置，根据电视购物平台的运营特点，提出了以电视购物平台产生的历史数据为基础，对电视购物平台上的用户、资源进行评估分析，分析结果能够反映消费者对电视购物平台上的用户(例如商户)、资源(商品)的信赖程度，因此，电视购物平台的运营者就可以以这些分析结果为数据依据，来选择继续合作的用户、以及选择继续展销的资源，从而保证电视购物平台给用户带来良好的用户体验，以保证电视购物平台的口碑和营收。
下面结合实施例对本发明提供的技术方案进行解释说明。
参见图1，图1是本发明提供的一种数据分析方法的流程图，如图1所示该方法包括步骤101和步骤102。为了便于本领域技术人员理解，先对该方法的应用环境进行示例性说明。
面对规模巨大的市场和购买人群，目前电视购物平台没有完善的运营分析模型，运营者没有有效的方法对商户的合作进行评估，对合作商户的选择还是处于拍脑袋主观选择的阶段，导致选择的商户质量不高，可信度不高，从而导致消费者对电视购物平台的可信度下降，影响电视购物的口碑和营收。基于这种应用环境的实际需求，本发明发明人提出了电视购物平台的运营分析模型，该模型对电视购物平台上的商户进行合作能力评估。图1所示的该方法核心思想就是基于该运行分析模型实现对商户的合作能力的评估。
接下来对该方法所包括的各个步骤的实现进行解释说明。
步骤101：统计用户在预设时间内的用户属性值；所述用户属性值用于表征用户在购物平台上体现的属性情况。
在本申请中，用户可以理解为电视购物平台所签约的商户，用户的属性值就可以理解为商户在购物平台上体现出的商户属性情况。更具体的，在本申请中，用户属性值包括以下一种或者多种：
用户的订单总价值cta、用户的订单总个数coa、用户的资源类别总个数ccn、用户的资源总个数cgn、用户被投诉次数cpa、以及，用户的订单准时送达总次数cda。
其中，用户的订单总价值cta可以理解为商户在预设时间段内的订单额(实际货币金额或者虚拟货币金额)。在本申请中电视购物平台可以按照时间顺序累计商户的订单额，基于此，在本申请中可以按照如下公式计算出cta。
cta＝ctaj–ctai；
在公式中，ctaj表示j时间点商户在电视购物平台上的总订单额；ctai表示i时间点商户在电视购物平台上的总订单额。其中，时间点i至时间点j表示预设时间段。
其中，用户的订单总个数coa可以理解为商户在预设时间段内的订单总个数。在本申请中电视购物平台是按照时间顺序累计商户的订单个数，基于此，在本申请中可以按照如下公式计算出coa；
coa＝coaj–coai；在公式中，coaj表示j时间点商户在电视购物平台上的总订单数；coai表示i时间点商户在电视购物平台上的总订单数。
其中，用户的资源类别总个数ccn可以理解为商户在预设时间段内在电视购物平台上展示的资源类别总个数。
其中，用户的资源总个数cgn可以理解为商户在预设时间段内在电视购物平台上展示的资源总个数。其中，用户被投诉次数cpa可以理解为商户在预设时间段内被投诉的次数。在本申请中电视购物平台是按照时间顺序累计商户被投诉的次数，基于此，在本申请中可以按照如下公式计算cpa:
cpa＝cpaj–cpai；
在公式中，cpaj表示j时间点商户在电视购物平台上的总投诉次数；cpai表示i时间点商户在电视购物平台上的总投诉次数。
其中，用户的订单准时送达总次数cda可以理解为商户在预设时间内，订单准时送达的个数。在本申请中电视购物平台是按照时间顺序累计商户的订单到达情况，基于此，在本申请中可以按照如下公式计算cda：
cda＝cdaj–cdai；
在公式中，cdaj表示j时间点商户在电视购物平台上的订单送达准时次数；cdai表示i时间点商户在电视购物平台上的订单送达准时次数。
在实现时，为了达到较全面、较好的分析结果，步骤101可以包括：
在预设时间内，统计与用户相关的至少两种不同的属性值；不同的用户属性值用于表征用户在购物平台上体现的不同类型的属性情况。
在实现时，统计得到的属性值种类越多，则依据这些属性值分析得到的分析结果的可靠性越高。
步骤102：根据统计得到的用户属性值，确定所述用户的合作能力值，所述合作能力值用于表征用户的合作可信度的大小情况。
具体的，所述根据统计得到的用户属性值，确定所述用户的合作能力值，可以包括：
根据预设的归一化方式，对不同种类的用户属性值进行归一化处理；
对经过归一化处理后的用户属性值进行加权求和，将计算得到的和值作为所述用户的合作能力值。
举例说明：
示例1：预设的归一化方式包括：针对用户的订单总价值cta、用户的资源类别总个数ccn、用户的资源总个数cgn、用户的订单总个数coa、用户的订单准时送达总次数cda、以及用户被投诉次数cpa设置有一套归一化的分数归一机制，则用户的这些属性值都会被分别归一化为其他数值。
示例2：预设的归一化方式包括：将电视购物平台上的每个用户的订单总价值cta、用户的资源类别总个数ccn、用户的资源总个数cgn、用户的订单总个数coa、用户的订单准时送达总次数cda，按照由大到小顺序排序，排序位于前20％的归一化为5分，排序位于次20％的归一化为4分，以此类推，排序位于最后20％归一化为1分。以及，
将电视购物平台上的每个用户的用户被投诉次数cpa，按照由小到大的顺序排序，排序位于前20％归一化为5分，排序位于次20％的归一化为4分，以此类推，排序位于最后20％归一化为1分。
在示例2中，具体的百分比、具体的分数值都仅为一种示例，在实际应用中，可以根据需求而改变。本申请的实施并不局限于上述两种示例。
为了得到较高可靠性的分析结果，本申请提出了统计用户的用户属性值包括：
用户的订单总价值cta、用户的订单总个数coa、用户的资源类别总个数ccn、用户的资源总个数cgn、用户被投诉次数cpa、以及，用户的订单准时送达总次数cda。
则步骤102具体可以通过以下方式实现：
按照加权求和公式：
ca＝cta*Δcta+ccn*Δccn+cgn*Δcgn+cpa*Δcpa+coa*Δcoa+cda*Δcda；
其中，公式中Δcta、Δccn、Δcgn、Δcpa、Δcoa、Δcda为预先设置的不同种类的用户属性对应的加权系数。
在实现时，上述公式中的加权系数可以根据每种用户属性对电视购物平台的重要程度而预先设定。本申请发明人经过大量数据统计实验，提供了一种可选的方案，具体如下上述加权求和公式中的各个加权系数如下：
Δcta＝1.2、Δccn＝0.5、Δcgn＝0.6、Δcpa＝1、Δcoa＝0.8、Δcda＝1。
举例说明
示例3：按照上述示例2的归一化方式对某商户C1的属性值进行归一化处理，处理后的结果如下：
商户C1的cta为5，ccn为4，cgn为4，cpa为1，coa为5，cda为5；
按照公式ca＝cta*Δcta+ccn*Δccn+cgn*Δcgn+cpa*Δcpa+coa*Δcoa+cda*Δcda；其中，Δcta＝1.2、Δccn＝0.5、Δcgn＝0.6、Δcpa＝1、Δcoa＝0.8、Δcda＝1；计算出商户C1的合作能力值为20.4。
对于运营者而言，根据商户C1的合作能力值就能够决策出是否继续与该商户C1继续进行合作。在实现时，可以预先设置合作能力阈值，然后判断商户的合作能力值是否大于该阈值，如果是，则可以决策出继续与该商户进行合作。
一般情况下，电视商务平台上会展示有多种不同商户的资源，因此在实现时，可以对多个商户的合作能力值分别进行评估。
再例如，按照上述示例2的归一化方式对某商户C2的属性值进行归一化处理，处理后的结果如下：
商户C2的cta为4，ccn为5，cgn为5，cpa为1，coa为5,cda为5；则按照上述公式计算得出商户C2的合作评估为20.3。
当计算得出多个不同商户的合作能力值之后，可以对商户的合作能力值按照由大到小的顺序进行排序，该排序结果能够更直观地体现电视购物平台上的商户合作价值，这样，运营者基于该排序结果就能够决策出选择与哪一个商户继续合作。
例如：商户C2的合作能力值低于商户C1的合作能力值。若从两者中选择一个，则运营者根据排序结果就可以直接选择商户C2作为合作对象。
通过上述实施例可以看出，本申请提供的这种数据分析方法，利用购物平台上已产生的、与用户相关的数据，统计得到该用户的用户属性值，再利用该用户的用户属性值分析得到用户的合作能力值，该用户的合作能力值能够表征用户在该购物平台上的合作可信度的大小情况，对于运营者而言，无需在主观衡量是否与该用户继续合作，而可以根据该用户的合作能力值的大小情况来决定是否与该用户继续合作。
另外，本申请还提供了另一种数据分析方法，下面结合图2对该方法进行解释说明。
参见图2，图2是本发明提供的另一种数据分析方法的流程图，如图2所示该方法包括步骤201和步骤202。为了便于本领域技术人员理解，先对该方法的应用环境进行示例性说明。
面对规模巨大的市场和购买人群，目前电视购物平台没有完善的运营分析模型，运营者没有有效的方法对商品在平台上表现力(用户对商品的信赖度)进行评估。目前，运营者是通过主观选择的方式，在电视购物平台上选择展示某些类别的商品，但在这种主观选择的方式，导致选择的商品对于用户而言价值不高，展示的商品用户并不感兴趣，并不信赖，从而导致消费者对电视购物平台的可信度下降，影响电视购物的口碑和营收。基于这种应用环境的实际需求，本发明发明人提出了电视购物平台的运营分析模型，该模型对电视购物平台上的商品进行合作能力评估。图2所示的该方法核心思想就是基于该运行分析模型实现对商品的表现力的评估。
步骤201：统计所述购物平台上的资源属性值，所述资源属性值用于表征资源在购物平台上体现的属性情况。
在本申请中，资源可以理解为电视购物平台所展示的商品，资源属性值就可以理解为商品在购物平台上体现出的商品属性情况。更具体的，在本申请中，资源属性值包括以下一种或者多种：
同一类别资源的订单总价值gta、同一类别资源的订单总个数goa、同一类别资源的订单均价值ggn、同一类别资源被投诉次数gpa。
其中，同一类别资源的订单总价值gta可以理解为在电视购物平台上展示的某一类别的商品在预设时间段内的订单金额(实际货币金额或者虚拟货币金额)。在本申请中电视购物平台按照时间顺序累计同一类别的商品的订单金额，基于此，本申请可以按照如下公式统计gta：
gta＝gtaj–gtai；
在公式中，gtaj表示j时间点某一类别的商品在电视购物平台上的总订单金额；gtai表示i时间点该类别的商品在电视购物平台上的总订单金额。
其中，同一类别资源订单总个数goa可以理解为在电视购物平台上展示的某一类别的商品在预设时间段内的订单个数。在本申请中电视购物平台按照时间顺序累计同一类别的商品的订单个数，基于此，本申请可以按照如下公式统计goa：
goa＝goaj–goai；
在公式中，goaj表示j时间点该同一类别的商品在电视购物平台上的订单个数；goai表示i时间点该同一类别的商品在电视购物平台上的订单个数。
其中，同一类别资源的订单均价值ggn可以理解为同一类别的商品在预设时间段内表现出的订单单价。在实现时，可以按照如下公式计算ggn：
ggn＝在预设时间段内某类别商品的订单额/消费人总数。
同一类别资源被投诉次数gpa可以理解为同一类别商品在预设时间段内在电视购物平台上被投诉的次数。在本申请中电视购物平台按照时间顺序累计商品被投诉次数，基于此，本申请可以按照如下公式计算gpa：
gpa＝gpaj–gpai；
在公式中，gpaj表示j时间点某一类别商品在电视购物平台上被投诉的次数；gpai表示i时间点该类别商品在电视购物平台上被投诉的次数。
在实现时，为了达到较全面、较好的分析结果，步骤201可以包括：
在预设时间内，统计所述购物平台上的同一类型资源的至少两种不同的属性值；不同的属性值用于表征同一类型资源在购物平台上体现的不同类型的属性情况。
在实现时，统计得到的属性值种类越多，则依据这些属性值分析得到的分析结果的可靠性越高。
步骤202：根据统计得到的资源属性值，确定资源的平台展示价值，所述资源的平台展示价值用于表征某一类资源在所述购物平台展示的有效性情况。
具体的，根据统计得到的资源属性值，确定资源的平台展示价值，包括：
根据预设的归一化方式，对同一类型资源的不同种类的属性值进行归一化处理；
对经过归一化处理后的同一类型资源的不同属性值进行加权求和，将计算得到的和值作为所述同一类型资源的平台展示价值。
举例说明
示例4：预设的归一化方式包括：针对同一类别资源的订单总价值gta、同一类别资源的订单总个数goa、同一类别资源的订单均价值ggn、同一类别资源被投诉次数gpa设置有一套归一化的分数归一机制，则资源的这些属性值都会被分别归一化为其他数值。
示例5：预设的归一化方式包括：将电视购物平台上每个商品类别的gta、goa、ggn，按照由大到小顺序排序，排序位于前20％的归一化为5分，排序位于次20％的归一化为4分，按照由大到小顺序排序，排序位于前20％的归一化为5分，排序位于次20％的归一化为4分，以此类推，排序位于最后20％归一化为1分。以及，
将电视购物平台上的每个商品类别的gpa，按照由小到大的顺序排序，排序位于前20％的归一化为5分，排序位于次20％的归一化为4分，以此类推，排序位于最后20％归一化为1分。
在示例5中，具体的百分比、具体的分数值都仅为一种示例，在实际应用中，可以根据需求而改变。本申请的实施并不局限于上述两种示例。
为了得到较高可靠性的分析结果，本申请提出了统计资源的资源属性值包括：
同一类别资源的订单总价值gta、同一类别资源的订单总个数goa、同一类别资源的订单均价值ggn、以及同一类别资源被投诉次数gpa。
则步骤202具体可以通过以下方式实现：
按照加权求和公式：
ga＝gta*Δgta+goa*Δgoa+ggn*Δggn+gpa*Δgpa；
其中，Δgta、Δgoa、Δggn、Δgpa为预先设置的每种资源属性对应的加权系数。
在实现时，上述公式中的加权系数可以根据每种资源属性对电视购物平台的重要程度而预先设定。本申请发明人经过大量数据统计实验，提供了一种可选的方案，具体如下上述加权求和公式中的各个加权系数如下：
Δgta＝1.2、Δgoa＝0.5、Δggn＝0.6、Δgpa＝1。
举例说明
示例6：按照上述示例5的归一化方式对某类别G1商品的属性值进行归一化处理，处理后的结果如下：
某商品类别G1的gta为5，goa为4，ggn为4，gpa为1，则按照上述公式计算得出的该商品类别G1的该类别资源的平台展示价值为11.4。
对于运营者而言，根据该类别G1的平台展示价值就能够决策出是否继续在该平台上展示该类别G1的商品。在实现时，可以预先设置平台展示价值阈值，然后判断该类别的商品的平台展示价值是否大于该阈值，如果是，则可以决策出继续在电视购物平台上展示该类别商品。
一般情况下，电视商务平台上会展示有多种不同类别的资源，因此在实现时，可以对多种类别的资源进行评估。
再例如，按照上述示例5的归一化方式对某类别G2商品的属性值进行归一化处理，处理后的结果如下：某商品类别G2的gta为4，goa为5，ggn为5，gpa为1，则按照上述公式计算得出的该商品类别G2的该类别资源的平台展示价值为11.3；
当计算得出多个不同类别商品的平台展示价值之后，可以按照商品的平台展示价值按照由大到小的顺序进行排序，该排序结果能够更直观地体现电视购物平台上展示的商品的合作价值，这样，运营者基于该排序结果就能够决策出选择继续展示哪一类别的商品。
例如：商品类别G1的平台展示价值高于商品类别G2的平台展示价值，若从两者中选择一个，则运营者根据排序结果就可以直接选择商品类别G1继续展示。
通过上述实施例可以看出，本申请提供的这种数据分析方法，利用购物平台上已产生的、与某一类别资源相关的数据，从资源所述类别的角度统计得到该类别资源的资源属性值，根据该类别资源的资源属性值，确定资源的平台展示价值，该类别资源的平台展示价值用于表征该类别资源在所述购物平台展示的有效性情况。对于运营者而言，无需在主观衡量是否继续展示该类型的资源，而可以根据该类别资源的平台展示价值大小情况来决定是否继续展示。
另外，本申请还提供了另一种数据分析方法，下面结合图3对该方法进行解释说明。
参见图3，图3是本发明提供的另一种数据分析方法的流程图，如图2所示该方法包括步骤301和步骤304。为了便于本领域技术人员理解，先对该方法的应用环境进行示例性说明。
面对规模巨大的市场和购买人群，目前电视购物平台没有完善的运营分析模型，运营者没有有效的方法对商户、商品在平台上表现力(用户对商户的信赖度，以及用户对该商户展示的商品的信赖度)进行评估。目前，运营者是通过主观选择的方式，在电视购物平台上选择合作的商户，以及该商户的某类别的商品。但在这种主观选择的方式，导致选择的商户下的某类别商品对于用户而言价值不高，展示的商品用户并不感兴趣，并不信赖，从而导致消费者对电视购物平台的可信度下降，影响电视购物的口碑和营收。
基于这种应用环境的实际需求，本发明发明人提出了电视购物平台的运营分析模型，该模型对电视购物平台上商户、商品进行评估。图3所示的该方法核心思想就是基于该运行分析模型实现对商户、商品的表现力的评估。
步骤301：统计用户在预设时间内的用户属性值；所述用户属性值用于表征用户在购物平台上体现的属性情况。
步骤302：根据统计得到的用户属性值，确定所述用户的合作能力值，所述合作能力值用于表征用户的合作可信度的大小情况。
步骤303：统计所述用户的同一类别资源的资源属性值，所述资源属性值用于表征资源在购物平台上体现的属性情况。
步骤304：根据统计得到的所述同一类别资源的资源属性值，确定所述同一类别资源的平台展示价值，所述同一类别资源的平台展示价值用于表征该同一类别资源在所述购物平台展示的有效性情况。
其中，步骤301和步骤302的具体实现可以参见上文对图1所示方法的相关描述，此处不再赘述。
其中，步骤303和步骤304的具体实现可以参见上文对图2所示方法的相关描述，此处不再赘述。
利用图3所示的该方法，针对电视购物平台上已展示的商户进行合作能力的评估，以及针对具体商户下的不同类别的商品进行平台展示价值的评估，这样，对于运营者而言，既能够得到关于商户的表现力的数据依据，又能够得到商户下不同类别的商品的表现力的数据依据，基于这两种数据依据，运营者可以决策出与哪一个商户继续合作，选择该商户下的哪一种类别商品进行展示。
与上述图1所示方法相对应的，本申请还提供了一种数据分析装置，下面结合图4对该装置进行解释说明，参见图4，图4是本申请提供的一种数据分析装置的结构图，如图4所示，该装置包括：
用户属性值统计模块401，用于统计用户在预设时间内的用户属性值；所述用户属性值用于表征用户在购物平台上体现的属性情况；
用户合作能力值确定模块402，用于根据统计得到的用户属性值，确定所述用户的合作能力值，所述合作能力值用于表征用户的合作可信度的大小情况。
可选的，所述用户属性值统计模块401，可以包括：
统计子模块，用于在预设时间内，统计与用户相关的至少两种不同的属性值；不同的用户属性值用于表征用户在购物平台上体现的不同类型的属性情况。
可选的，所述用户合作能力值确定模块402，可以包括：
归一化处理子模块，用于根据预设的归一化方式，对不同种类的用户属性值进行归一化处理；
加权处理子模块，用于对经过归一化处理后的用户属性值进行加权求和，将计算得到的和值作为所述用户的合作能力值。
可选的，所述用户属性值包括以下一种或者多种：
用户的订单总价值、用户的订单总个数、用户的资源类别总个数、用户的资源总个数、用户被投诉次数、用户的订单准时送达总次数。
可选的，当所述用户属性值包括：用户的订单总价值cta、用户的订单总个数coa、用户的资源类别总个数ccn、用户的资源总个数cgn、用户被投诉次数cpa、以及，用户的订单准时送达总次数cda；
则所述用户合作能力值确定模块402，可以包括：
归一化处理子模块，用于根据预设的归一化方式，对用户属性值进行归一化处理；
加权处理子模块，用于按照加权求和公式：
ca＝cta*Δcta+ccn*Δccn+cgn*Δcgn+cpa*Δcpa+coa*Δcoa+cda*Δcda；
其中，公式中Δcta、Δccn、Δcgn、Δcpa、Δcoa、Δcda为预先设置的不同种类的用户属性对应的加权系数。
可选的，所述加权求和公式中的各个加权系数如下：
Δcta＝1.2、Δccn＝0.5、Δcgn＝0.6、Δcpa＝1、Δcoa＝0.8、Δcda＝1。
在实现时，所述装置还包括：
资源属性值统计模块，用于统计所述用户的同一类别资源的资源属性值，所述资源属性值用于表征资源在购物平台上体现的属性情况；
资源平台展示价值确定模块，根据统计得到的所述同一类别资源的资源属性值，确定所述同一类别资源的平台展示价值，所述同一类别资源的平台展示价值用于表征该同一类别资源在所述购物平台展示的有效性情况。
可见图4提供的这种数据分析装置，利用购物平台上已产生的、与用户相关的数据，统计得到该用户的用户属性值，再利用该用户的用户属性值分析得到用户的合作能力值，该用户的合作能力值能够表征用户在该购物平台上的合作可信度的大小情况，对于运营者而言，无需在主观衡量是否与该用户继续合作，而可以根据该用户的合作能力值的大小情况来决定是否与该用户继续合作。
与上述图2所示方法相对应的，本申请还提供了一种数据分析装置，下面结合图5对该装置进行解释说明，参见图5，图5是本申请提供的一种数据分析装置的结构图，如图5所示，该装置包括：资源属性值统计模块501和资源平台展示价值确定模块502；
其中，资源属性值统计模块501，用于统计所述购物平台上的资源属性值，所述资源属性值用于表征资源在购物平台上体现的属性情况；
资源平台展示价值确定模块502，用于根据统计得到的资源属性值，确定资源的平台展示价值，所述资源的平台展示价值用于表征某一类资源在所述购物平台展示的有效性情况。
可选的，所述资源属性值统计模块501，可以包括：
统计子模块，用于在预设时间内，统计所述购物平台上的同一类型资源的至少两种不同的属性值；不同的属性值用于表征同一类型资源在购物平台上体现的不同类型的属性情况。
可选的，所述资源平台展示价值确定模块502，包括：
归一化处理子模块，用于根据预设的归一化方式，对同一类型资源的不同种类的属性值进行归一化处理；
加权处理子模块，用于对经过归一化处理后的同一类型资源的不同属性值进行加权求和，将计算得到的和值作为所述同一类型资源的平台展示价值。
可选的，所述资源属性值包括以下一种或者多种：
同一类别资源的订单总价值、同一类别资源的订单总个数、同一类别资源的订单均价值、同一类别资源被投诉次数。
可选的，当所述资源属性值包括：同一类别资源的订单总价值gta、同一类别资源的订单总个数goa、同一类别资源的订单均价值ggn、同一类别资源被投诉次数gpa；
则根据统计得到的资源属性值，确定资源的平台展示价值ga，包括：
按照加权求和公式：
ga＝gta*Δgta+goa*Δgoa+ggn*Δggn+gpa*Δgpa；
其中，Δgta、Δgoa、Δggn、Δgpa为预先设置的不同类型的资源属性对应的加权系数。
可选的，所述加权求和公式中的各个加权系数如下：
Δgta＝1.2、Δgoa＝0.5、Δggn＝0.6、Δgpa＝1。
可见图5提供的这种数据分析装置，利用购物平台上已产生的、与某一类别资源相关的数据，从资源类型的角度统计得到该类别资源的资源属性值，根据该类别资源的资源属性值，确定资源的平台展示价值，该类别资源的平台展示价值用于表征该类别资源在所述购物平台展示的有效性情况。对于运营者而言，无需在主观衡量是否继续展示该类型的资源，而可以根据该类别资源的平台展示价值大小情况来决定是否继续展示。
与上述图3所示方法相对应的，本申请还提供了一种数据分析装置，下面结合图6对该装置进行解释说明，参见图6，图6是本申请提供的一种数据分析装置的结构图，如图6所示，该装置包括：
用户属性值统计模块601，用于统计用户在预设时间内的用户属性值；所述用户属性值用于表征用户在购物平台上体现的属性情况；
用户合作能力值确定模块602，用于根据统计得到的用户属性值，确定所述用户的合作能力值，所述合作能力值用于表征用户的合作可信度的大小情况。
资源属性值统计模块603，用于统计所述用户的同一类别资源的资源属性值，所述资源属性值用于表征资源在购物平台上体现的属性情况；
资源平台展示价值确定模块604，用于根据统计得到的所述同一类别资源的资源属性值，确定所述同一类别资源的平台展示价值，所述同一类别资源的平台展示价值用于表征该同一类别资源在所述购物平台展示的有效性情况。
其中，用户属性值统计模块601和用户合作能力值确定模块602的具体实现可以参见上文以及图4的描述，此处不再赘述。
其中，资源属性值统计模块603和资源平台展示价值确定模块604的具体实现可以参见上文以及图5的描述，此处不再赘述。
可见图6提供的这种数据分析装置，针对电视购物平台上已展示的商户进行合作能力的评估，以及针对具体商户下的不同类别的商品进行平台展示价值的评估，这样，对于运营者而言，既能够得到关于商户的表现力的数据依据，又能够得到商户下不同类别的商品的表现力的数据依据，基于这两种数据依据，运营者可以决策出与哪一个商户继续合作，选择该商户下的哪一种类别商品进行展示。另外，对于合作能力值相同的商户，运营者可以进一步再根据具体类别商品的平台展示价值来决策选择继续与哪一个商户合作。
可以看出，本发明提供的这些技术方案，都是根据购物平台上已生成的历史数据，对用户、资源进行评估分析，分析结果就能够作为运营者选择用户、资源的重要数据依据，避免主观盲目选择。
需要说明的是，本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统或装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
- 还没有人留言评论。精彩留言会获得点赞！