基于区块链和大数据的直播电商数据处理系统的制作方法

1.本发明涉及电商数据处理技术领域，具体为基于区块链和大数据的直播电商数据处理系统。


背景技术：

2.直播电商是当前较为风靡的商品出售形式，由于互联网的存在，直播电商能够更加便于让更多的人了解到产品，使得商家有更为广阔的消费群体，同时线上销售还削减了商品的固定成本；
3.因为面对消费群体的广阔，直播电商多采用薄利多销的形式，为促进生产，提高营销额度，因此更快更多的将产品销售出去尤为重要，现有的电商直播，通常是对某一商品采用固定降价的方式来进行促销，然而这种促销方式往往存在以下问题；
4.因为促销的额度是固定的，但是客户购买产品的个人情况是不同的，影响客户消费行为的因素有很多种，比如，客户对商品的需求频率，商品价格对客户购买行为产生的影响等，单纯的直播降价是难以根据上述情况来较为精准的匹配到客户需求的，因此需要根据客户的历史购买行为区分不同的客户类型，之后根据不同的客户类型来较为智能的拟定针对这一客户的优惠策略，用于促进客户消费。


技术实现要素：

5.本发明提供了基于区块链和大数据的直播电商数据处理系统，用于促进解决上述背景技术中所提到的问题。
6.本发明提供如下技术方案：基于区块链和大数据的直播电商数据处理系统，包括：数据提取模块，用于获取存储在区块链上的电商大数据，所述电商大数据包括直播平台内客户的行为数据和客户基础信息数据；
7.数据整理模块，根据客户的行为数据以及基础信息数据，将上述客户的行为数据根据数据属性进行划分，并形成若干数据集；
8.数据处理模块，构建多个数学模型，且每一数据集对应一个数学模型，针对每个数据集设定每个数据集所独属的固定阈值，且每一数据集对应一个固定阈值；
9.将上述数据集作为该数据集所对应数学模型的输入，并将输出结果与该数据集所独属的固定阈值进行处理，得到并整合处理结果，根据处理结果将客户分为多个目标客户，分别记为第一目标客户，第二目标客户，第三目标客户以及第四目标客户；
10.反馈模块，挑选需推送的目标客户，反馈与之匹配的优惠额度。
11.作为本发明所述基于区块链和大数据的直播电商数据处理系统的一种可选方案，其中：将客户的行为数据根据数据属性进行划分之前还包括如下步骤：
12.设定消费行为阈值，记为c；
13.获取，客户进入直播平台的时间节点，记为a；
14.以及，客户当前所在直播平台的时间节点，记为b；
15.计算关注时间间隔，并将关注时间间隔与设定的消费行为阈值做比较，关注时间间隔的计算公式为：关注时间间隔＝b-a；
16.对于，关注时间间隔大于消费行为阈值，即，b-a﹥c，则将此类客户的行为数据储存至第一数据库中，反之则放弃储存。
17.作为本发明所述基于区块链和大数据的直播电商数据处理系统的一种可选方案，其中：将第一数据库中客户的行为数据根据数据属性划分并形成若干数据集；
18.所述数据集包括周期集合和额度集合，所述数据属性包括周期属性和额度属性；
19.以周期属性为识别基准获取行为数据的周期集合，所述周期集合用于表征单位时间段内每个客户购买产品的时间节点；
20.所述周期集合的表示方式为：
21.【第一客户(第一客户的第一次购买时间，第一客户的第二次购买时间，...第一客户的第n次购买时间)，第二客户(第二客户的第一次购买时间，第二客户的第二次购买时间，...第二客户的第n次购买时间)，...第s客户(第s客户的第一次购买时间，第s客户的第二次购买时间，...第s客户的第n次购买时间)】，其中，n表示为单位时间段内客户的购买次数，s表示为客户的数量；
22.以额度属性为识别基准获取行为数据的额度集合，所述额度集合用于表征单位时间段内每个客户每次购买产品的价格；
23.所述额度集合的表示方式为：
24.【第一客户(第一客户的第一次购买金额，第一客户的第二次购买金额，...第一客户的第n次购买金额)，第二客户(第二客户的第一次购买金额，第二客户的第二次购买金额，...第二客户的第n次购买金额)，...第s客户(第s客户的第一次购买金额，第s客户的第二次购买金额，...第s客户的第n次购买金额)】，其中，n表示为单位金额段内客户的购买次数，s表示为客户的数量。
25.作为本发明所述基于区块链和大数据的直播电商数据处理系统的一种可选方案，其中：设定周期集合的数学模型为第一数学模型，设定周期集合的固定阈值为z；
26.通过第一数学模型计算周期集合的实际阈值，记为z1；
27.当z1大于z时，则记为第一客户周期判定值为正，记为z+；
28.当z1小于z时，则记为第一客户周期判定值为负，记为z-；
29.所述第一数学模型的计算步骤为：
30.通过周期集合计算出某一客户第n次购买产品的时间以及客户第一次购买产品的时间，通过减法运算计算出购买时间间隔为：d，则z1＝d
÷
n；
31.设定额度集合的数学模型为第二数学模型，设定额度集合的固定阈值为e，
32.通过第二数学模型计算额度集合的实际阈值，记为e1；
33.当e1大于e时，则记为第一客户额度判定值为正，记为e+；
34.当e1小于e时，则记为第一客户额度判定值为负，记为e-；
35.所述第二数学模型的计算步骤为：
36.根据额度集合通过加法运算计算出某一客户第一次购买金额至第n次购买金额的总金额为：j，则，e1＝j
÷
n。
37.作为本发明所述基于区块链和大数据的直播电商数据处理系统的一种可选方案，
其中：计算每个客户的周期判定值和额度判定值；
38.并对每个客户的周期判定值和额度判定值进行归纳并形成客户级别集合：
39.所述客户级别集合用于表征客户的购买数量和购买可能性；
40.所述客户级别集合表示为：记为(e+，z+)，(e+，z-),(e-，z+)和(e-，z-)，将客户级别集合表示为(e+，z+)的视为第一目标客户；
41.将客户级别集合表示为(e+，z-)的视为第二目标客户；
42.将客户级别集合表示为(e-，z+)的视为第三目标客户；
43.将客户级别集合表示为(e-，z-)的视为第四目标客户。
44.作为本发明所述基于区块链和大数据的直播电商数据处理系统的一种可选方案，其中：针对不同的目标客户拟定不同的利润率，记为l，根据利润率作为第三数学模型的输入，计算对不同目标客户所推送的优惠额度。
45.作为本发明所述基于区块链和大数据的直播电商数据处理系统的一种可选方案，其中：通过所述第三数学模型计算目标客户优惠额度的具体方法为：
46.将优惠额度记为h，则，利润率l＝(现商品定价-商品成本价-h)
÷
商品成本价；
47.根据上述公式计算各目标客户的优惠额度，并将所述优惠额度推送给对应的目标客户。
48.作为本发明所述基于区块链和大数据的直播电商数据处理系统的一种可选方案，其中：还包括如下步骤，
49.提取各目标客户的基础信息数据内的地域信息并划分至地域集合内，所述地域集合用于表征客户的地理位置，
50.所述地域集合表达为，【第一客户(第一客户所住地址某某省，第一客户所住地址某某市)，第二客户(第二客户所住地址某某省，第二客户所住地址某某市)，...第s客户(第s客户所住地址某某省，第s客户所住地址某某市)】
51.地域集合用于表征各目标客户的地理位置，根据目标客户的地理位置计算目标客户地址到产品发货地址的距离；并根据该距离拟定运输成本，记为y；
52.将优惠额度记为h，则，利润率l＝(现商品定价-商品成本价-h-y)
÷
商品成本价；
53.根据上述公式计算出各目标客户的优惠额度，并将所述优惠额度推送给对应的目标客户。
54.作为本发明所述基于区块链和大数据的直播电商数据处理系统的一种可选方案，其中：所述客户基础信息数据还包括客户的联系方式，所述联系方式包括客户的电话号。
55.本发明具备以下有益效果：
56.1、该基于区块链和大数据的直播电商数据处理系统，根据计算并规整客户停留在直播间的时间，可以较准确的筛选出可能具有购买需求的客户，并对这些客户历史购买这一产品的记录加以分类，筛选出第一目标客户、第二目标客户、第三目标客户以及第四目标客户，以便于根据不同客户群体的推送不同的优惠信息，促进客户消费。
57.2、该基于区块链和大数据的直播电商数据处理系统，该数据处理系统，在评判客户本身购买力以及购买需求的情况下，同时还会对客户的地理位置信息进行规整和处理，以便于更加精确的针对不同住址的客户计算与之相对应的运送成本，以此来确定所推送的具体优惠额度。
附图说明
58.图1为本发明系统构架框图。
具体实施方式
59.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
60.实施例1
61.参照图1，基于区块链和大数据的直播电商数据处理系统，包括：
62.数据提取模块，用于获取存储在区块链上的电商大数据，所述电商大数据包括直播平台内客户的行为数据和客户基础信息数据；所述客户基础信息数据包括客户的联系方式，家庭住址，如客户居住地址为，湖南省长沙市，亦或者河北省邯郸市，所述联系方式包括客户的电话号，客户的联系方式包括但不限于客户的电话号，这里的联系方式可以为能够联系到客户的任何方式，可选为，微信号，邮箱等。
63.将客户的行为数据根据数据属性进行划分之前还需要筛选客户的行为数据，还包括如下步骤：
64.设定消费行为阈值，记为c；这里的c指认为设定的筛选时间，单位是分钟，c可以是20分钟，也可以是15分钟，本实施例以c＝20分钟为例来进行阐述说明；
65.获取，客户进入直播平台的时间节点，记为a；如，客户进入直播平台的时间节点为，20时00分，则计a＝20时00分；
66.以及，客户当前所在直播平台的时间节点，记为b；
67.计算关注时间间隔，并将关注时间间隔与设定的消费行为阈值做比较，关注时间间隔的计算公式为：关注时间间隔＝b-a；
68.若，客户当前所在直播平台的时间节点为20时10分，则计b＝20时10分，此时客户的关注时间间隔为＝b-a＝10分钟，该时间间隔小于消费行为阈值c＝20分钟；
69.若，客户当前所在直播平台的时间节点为20时30分，则计b＝20时30分，此时客户的关注时间间隔为＝b-a＝30分钟，该时间间隔大于消费行为阈值c＝20分钟；
70.关注时间间隔大于消费行为阈值，即，b-a﹥c，则将此类客户的行为数据储存至第一数据库中，反之则放弃储存，本实施例中筛选关注时间间隔大于20分钟的客户，并将这些客户的行为信息储存至第一数据库中。
71.通过上述筛选方式，更加便于人们筛选出对产品有购买欲望、兴趣的客户，以便于电商平台系统后续对这类客户提供相应的优惠额度，利于产品的倾销。
72.数据整理模块，根据客户的行为数据以及基础信息数据，将上述客户的行为数据根据数据属性进行划分，并形成若干数据集；
73.具体方式为：
74.将第一数据库中客户的行为数据根据数据属性划分并形成若干数据集；
75.所述数据集包括周期集合和额度集合，所述数据属性包括周期属性和额度属性；
76.以周期属性为识别基准获取行为数据的周期集合，所述周期集合用于表征单位时
间段内每个客户购买产品的时间节点；
77.所述周期集合的表示方式为：
78.【第一客户(第一客户的第一次购买时间，第一客户的第二次购买时间，...第一客户的第n次购买时间)，第二客户(第二客户的第一次购买时间，第二客户的第二次购买时间，...第二客户的第n次购买时间)，...第s客户(第s客户的第一次购买时间，第s客户的第二次购买时间，...第s客户的第n次购买时间)】，其中，n表示为单位时间段内客户的购买次数，s表示为客户的数量；具体示例为，【第一客户(8月1日，8月3日，8月5日)，第二客户(8月2日，8月3日，8月6日)，...第六客户(8月1日，8月3日，8月5日)】，其中，第一客户(8月1日，8月3日，8月5日)表示为，这一时间段内，第一客户共购买了3次产品，购买的时间分别是8月1日，8月3日和8月5日；
79.以额度属性为识别基准获取行为数据的额度集合，所述额度集合用于表征单位时间段内每个客户每次购买产品的价格；
80.所述额度集合的表示方式为：
81.【第一客户(第一客户的第一次购买金额，第一客户的第二次购买金额，...第一客户的第n次购买金额)，第二客户(第二客户的第一次购买金额，第二客户的第二次购买金额，...第二客户的第n次购买金额)，...第s客户(第s客户的第一次购买金额，第s客户的第二次购买金额，...第s客户的第n次购买金额)】，其中，n表示为单位金额段内客户的购买次数，s表示为客户的数量；具体实例为：【第一客户(11元，14元，17元)，第二客户(10元，10元，12元)，...第六客户(11元，12元，13元)】，其中，第一客户(11元，14元，18元)表示，这一时间段内，第一客户三次购买这一产品的价格分别是11元，14元和17元。
82.数据处理模块，构建多个数学模型，且每一数据集对应一个数学模型，针对每个数据集设定每个数据集所独属的固定阈值，且每一数据集合对应一个固定阈值；
83.将上述数据集作为该数据集所对应数学模型的输入，并将输出结果与该数据集所独属的固定阈值进行处理；
84.设定周期集合的数学模型为第一数学模型，设定周期集合的固定阈值为z；需说明的是，z表示为设定的期望客户购买产品的时间间隔，例如，如果商品是牙刷的话，较为科学的刷牙方式可能是每一个月更换一次牙刷，此时将z可设定为30天，若产品为食品的话，可能人每天都要购买，此时可以将z设定为1天，z值根据客直播平台具体卖的商品来设定，本实施例中，示例的，将z设定为1天。
85.通过第一数学模型计算周期集合的实际阈值，记为z1，表示单位时间内客户购买产品的平均时间间隔；
86.当z1大于z时，则记为第一客户周期判定值为正，记为z+，表示单位时间内客户购买产品的平均时间间隔比期望客户购买产品的时间间隔长；
87.当z1小于z时，则记为第一客户周期判定值为负，记为z-，表示单位时间内客户购买产品的平均时间间隔比期望客户购买产品的时间间隔短；
88.所述第一数学模型的计算步骤为：
89.通过周期集合计算出某一客户第n次购买产品的时间以及客户第一次购买产品的时间，通过减法运算计算出购买时间间隔为：d，则z1＝d
÷
n；
90.本实施例中第一客户的购买时间间隔为：8月5日与8月1日之间间隔4天，则第一客
户周期集合的实际阈值为，4/3天，且此时4/3天大于1天，则将第一客户的周期判定值记为z+。
91.设定额度集合的数学模型为第二数学模型，设定额度集合的固定阈值为e，e表示当前市场情况下这一产品的平均价格，如，某蔬菜一份的平均价格为16元，某款式衣服的平均价格为125元，本实施例中以e＝16元示例；
92.通过第二数学模型计算额度集合的实际阈值，记为e1，e1表示单位时间内客户购买商品的实际平均价格；
93.当e1大于e时，则记为第一客户额度判定值为正，记为e+，表示单位时间内客户购买产品的平均价格高于当前的市场平均价格；
94.当e1小于e时，则记为第一客户额度判定值为负，记为e-，表示单位时间内客户购买产品的平均价格低于当前的市场平均价格；
95.所述第二数学模型的计算步骤为：
96.根据额度集合通过加法运算计算出某一客户第一次购买金额至第n次购买金额的总金额为：j，则，e1＝j
÷
n，具体的以第一客户为示例，第一客户(11元，14元，17元)，第一客户三次购买这一产品的总价格为42元，则，购买次数为3，第一客户购买这一产品的实际平均价格为14元，14元小于e＝16元，则，将第一客户的额度判定值记为e-；
97.通过上述方式计算每个客户的周期判定值和额度判定值；所述周期判定值和额度判定值即为处理结果；
98.得到并整合处理结果，根据处理结果将客户分为多个目标客户，也即，对每个客户的周期判定值和额度判定值进行归纳并形成客户级别集合，根据客户级别集合的表征，将客户分别记为第一目标客户，第二目标客户，第三目标客户以及第四目标客户，所述客户级别集合用于表征客户的购买数量和购买可能性；
99.所述客户级别集合表示为：记为(e+，z+)，(e+，z-),(e-，z+)和(e-，z-)，将客户级别集合表示为(e+，z+)的视为第一目标客户；
100.将客户级别集合表示为(e+，z-)的视为第二目标客户，单位时间内，这类客户购买的产品平均价格较高，购买的次数较多；这类客户可接受更高的价格，且拥有较大的需求量，可以采取推送高等优惠的方式进一步刺激这类客户的购买需求；
101.将客户级别集合表示为(e-，z+)的视为第三目标客户；
102.将客户级别集合表示为(e-，z-)的视为第四目标客户。
103.反馈模块，根据不同的目标客户，反馈与之匹配的优惠额度信息。
104.具体的，若当前出售商品的现有定价为15元，再根据上述的筛选结果，可以针对第二目标客户给予更大优惠，用以进一步促进第二目标客户的购买量，而针对第一目标客户、第三目标客户以及第四目标客户，可给予较小的优惠用于促进他们的购买需求。
105.根据计算并规整客户停留在直播间的时间，可以较准确的筛选出可能具有购买需求的客户，并对这些客户历史购买这一产品的记录加以分类，筛选出第一目标客户、第二目标客户、第三目标客户以及第四目标客户，以便于根据不同客户群体的推送不同的优惠信息，促进客户消费。
106.实施例2
107.本实施例是在实施例1的基础上做出的进一步解释说明，具体的还包括以下执行
步骤：
108.针对不同的目标客户拟定不同的利润率，根据利润率计算对不同目标客户所推送的优惠额度；
109.如，将第二目标客户设定利润率l1＝1，以该利润率向第二目标客户推送优惠额度；设定第一目标客户、第三目标客户以及第四目标客户的利润率l2＝2；
110.将各目标客户设定利润率l输入第三数学模型，得到各目标客户相应的优惠额度。
111.则，目标客户优惠额度的具体计算方式为：
112.将优惠额度记为h，则，利润率l＝(现商品定价-商品成本价-h)
÷
商品成本价；
113.根据上述公式计算各目标客户的优惠额度h的值，并将所述优惠额度推送给对应的目标客户。
114.具体的，就第一客户而言，第一客户的周期判定值记为z+，第一客户的额度判定值记为e-，则第一客户的客户级别集合表示为(e-，z+)，也即第一客户划归为第三目标客户，利润率l＝2，商品成本价为3，现商品定价为15，将上述数据输入第一利润模型可得，第一客户享受的优惠额度h是6元。
115.实施例3
116.本实施例是在实施例2的基础上做出的进一步解释说明，具体的还包括以下执行步骤：
117.提取各目标客户的基础信息数据内的地域信息并划分至地域集合内，所述地域集合用于表征客户的地理位置，
118.所述地域集合表达为，【第一客户(第一客户所住地址某某省，第一客户所住地址某某市)，第二客户(第二客户所住地址某某省，第二客户所住地址某某市)，...第s客户(第s客户所住地址某某省，第s客户所住地址某某市)】；具体示例为【第一客户(江苏，南京)，第二客户(河北，邯郸)，...第s客户(江苏，南通)】；
119.地域集合用于表征各目标客户的地理位置，根据目标客户的地理位置计算目标客户地址到产品发货地址的距离；并根据该距离拟定运输成本，记为y；
120.如产品发货地为，广州深圳，而目标客户为第一客户的地址是江苏南京，则，获取两地的间距，如，从电子地图上获取两地的距离信息为1400公里，而所需的运输成本为y＝2元，本实施例种运输方式可以采用快递的方式，
121.将优惠额度记为h，则，利润率l＝(现商品定价-商品成本价-h-y)
÷
商品成本价；
122.根据上述公式计算出各目标客户的优惠额度，并将所述优惠额度推送给对应的目标客户。
123.具体的，就第一客户而言，第一客户的周期判定值记为z+，第一客户的额度判定值记为e-，则第一客户的客户级别集合表示为(e-，z+)，也即第一客户划归为第三目标客户，利润率l＝2，商品成本价为3，运输成本为y＝2元，现商品定价为15，将上述数据输入第三数学模型利润率l＝(现商品定价-商品成本价-h-y)
÷
商品成本价可得，第一客户享受的优惠额度h是4元。
124.该数据处理系统，在评判客户本身购买力以及购买需求的情况下，同时还会对客户的地理位置信息进行规整和处理，以便于更加精确的针对不同住址的客户计算与之相对应的运送成本，以此来确定所推送的具体优惠额度。
125.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。
126.以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。