一种解决定向发券高吞吐量的实现方案的制作方法

本发明涉及电商促销技术领域，尤其涉及一种解决定向发券高吞吐量的实现方案。

背景技术：

在电子商务系统中，常需要通过各种促销优惠来提升网站流量，促进商品销售。在企业级电商系统中，促销功能常常是其短板。电商软件系统常采用个性化定制开发的方式实现电子商务的促销政策，以赠送商品优惠卷为例，需要向目标用户群推送相应商品优惠信息，促使用户产生更多的行为，例如浏览店铺商品，对商品价格咨询或下单采购等。在现有的优惠券推送中，无法对用户群体进行精准定位，只能通过大量发送的方式提高平台uv和订单量，而且对于用户群体风险性不能很好地判断，往往会导致风险订单的生成而影响店铺正常信誉。

为解决上述问题，本申请中提出一种解决定向发券高吞吐量的实现方案。

技术实现要素：

(一)发明目的

为解决背景技术中存在的技术问题，本发明提出一种解决定向发券高吞吐量的实现方案，通过对用户群体购物倾向和风险性的精准判断，在确保商家信誉不受影响的同时提高平台uv和订单量。

(二)技术方案

为解决上述问题，本发明提供了一种解决定向发券高吞吐量的实现方案，所述实现方案包括以下步骤：

s1、采集用户在历史时间段内的订单信息；

s2、采集用户在历史时间段内的评价信息；

s3、结合订单和差评信息对用户风险等级进行评判；

s4、根据用户在平台内的实时操作行为判定用户购物倾向；

s5、对符合购物要求用户进行商品推荐；

s6、对符合购物要求用户进行相关优惠券推送。

优选的，所述步骤s1采集用户在历史时间段内的订单信息包括浏览浏览信息、购物订单信息和完成交易订单信息。

优选的，所述步骤s2采集用户在历史时间段内的评价信息包括总评价信息、好评信息、差评信息和评价更改信息。

优选的，所述步骤s3结合订单和差评信息对用户风险等级进行评判，通过对评价信息和订单信息的对比，对用户人群制定高-中-低三个风险等级用户。

优选的，所述步骤s4根据用户在平台内的实时操作行为判定用户购物倾向包括浏览信息判断、购买信息和评论信息。

优选的，所述步骤s5对符合购物要求用户进行商品推荐，对低风险等级用户根据购物倾向推荐。

优选的，所述步骤s6对符合购物要求用户进行相关优惠券推送中，根据用户购物倾向筛选最大额度优惠券，并将优惠通过平台消息或手机短信的方式推送给用户。

本发明的上述技术方案具有如下有益的技术效果：通过对用户历史时间段内订单信息的采购，且根据订单及评价信息对用户风险等级进行评判，确定符合购物要求的低风险用户群体，且根据这类用户群体在平台内的实时操作行为判断用户的购物需求和购物倾向，根据用户购物倾向和需求对用户进行商品推荐，并将该类商品的优惠方式及优惠卷推送给潜在用户群，以提高平台uv和订单量。

附图说明

图1为本发明提出的一种解决定向发券高吞吐量的实现方案的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。

如图1所示，本发明提出的一种解决定向发券高吞吐量的实现方案，所述实现方案包括以下步骤：

s1、采集用户在历史时间段内的订单信息；

s2、采集用户在历史时间段内的评价信息；

s3、结合订单和差评信息对用户风险等级进行评判；

s4、根据用户在平台内的实时操作行为判定用户购物倾向；

s5、对符合购物要求用户进行商品推荐；

s6、对符合购物要求用户进行相关优惠券推送。

本发明中，通过对用户历史时间段内订单信息的采购，且根据订单及评价信息对用户风险等级进行评判，确定符合购物要求的低风险用户群体，且根据这类用户群体在平台内的实时操作行为判断用户的购物需求和购物倾向，根据用户购物倾向和需求对用户进行商品推荐，并将该类商品的优惠方式及优惠卷推送给潜在用户群，以提高平台uv和订单量。

在一个可选的实施例中，所述步骤s1采集用户在历史时间段内的订单信息包括浏览浏览信息、购物订单信息和完成交易订单信息。

需要说明的是，通过用户浏览商品的信息判断用户购物信息，通过用户的浏览信息和购物订单信息的对比获取用户购物倾向和频率，根据购物频率对用户风险购物加以识别，有利于提高识别准确度；户在历史时间段内进行的购物订单包括交易完成的订单和退回取消的订单，通过对交易完成订单的信息采集判断用户购物交易完成率，通过订单交易完成率的高低对风险交易加以识别。

在一个可选的实施例中，所述步骤s2采集用户在历史时间段内的评价信息包括总评价信息、好评信息、差评信息和评价更改信息。

需要说明的是，由于评价的好坏会影响到商家的信誉等级，因此通过对评价信息的采集可以对恶意用户进行甄别，通过采集评价总数有利于对用户进行风险分析；通过对用户好评信息的采集判断用户购物好评数量以及占评论总数的比重，有利于对用户进行风险分析；差评作为商家信誉影响的重要因素，是通常追求避免的评价，通过对用户购物差评数量以及占评论总数的比重，判断用户是否为恶意购物；用户评价好坏可以通过后期修改，通过对历史时间段内评价更改信息的数据来判断用户是否存在恶意购物，例如用户多次通过先进行差评后通过索取非法优惠更改好评的现象，有利于对用户进行风险分析，提高对不良风险用户的甄别，确保商家信誉。

在一个可选的实施例中，所述步骤s3结合订单和差评信息对用户风险等级进行评判，通过对评价信息和订单信息的对比，对用户人群制定高-中-低三个风险等级用户。

需要说明的是，通过对用户订单信息和差评信息分析判断用户是否存在恶意购物情况；通过分析判断用户种类，将不同种类用户分高中低三级，便于对恶意用户进行甄别，防止因不良用户导致商家信誉受损。

在一个可选的实施例中，所述步骤s4根据用户在平台内的实时操作行为判定用户购物倾向包括浏览信息判断、购买信息和评论信息。

需要说明的是，通过用户在平台内对产品的浏览，分析用户浏览类型最多的产品判断用户目前的购物倾向；根据用户通过平台所购买产品对用户购物倾向进行判断，便于向用户推送所需的产品；通过用户的评论信息获取用户的购物倾向，便于向用户进行产品推销，提高产品销售概率。

在一个可选的实施例中，所述步骤s5对符合购物要求用户进行商品推荐，对低风险等级用户根据购物倾向推荐。

需要说明的是，商家向用户发送商品推荐信息，对于一些不良风险用户会存在造成风险订单，从而影响商家正常销售信誉，通过邮箱判断用户群风险等级，并向低风险用户进行购物倾向商品推荐，在提高商品销售的同时确保商家信誉不会受到不利影响。

在一个可选的实施例中，所述步骤s6对符合购物要求用户进行相关优惠券推送中，根据用户购物倾向筛选最大额度优惠券，并将优惠通过平台消息或手机短信的方式推送给用户。

需要说明的是，在确定用户风险和购物需求和倾向后，对用户倾向购物商品的优惠卷额度进行筛选，并将最佳优惠方式或优惠卷通过平台消息或手机短信推送给用户，确保用户接收到优惠信息，以提高平台uv和订单量。

应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。