计算带货视频对商品的浏览价值属性的方法及装置与流程

本发明涉及互联网技术领域，尤其涉及一种计算带货视频对商品的浏览价值属性的方法及装置。

背景技术：

随着互联网的快速发展，互联网用户越来越多。为了扩大商品的受众范围以及影响力，商品的营销方式除了传统的广告营销之外，还引入了基于互联网的视频营销，例如：广告主可以选择多个视频博主发布针对某一或某些商品的视频，这些视频又可以称为带货视频。

在实际应用中，对于同一商品，通常存在多个视频博主发布的多个视频，且不同视频博主发布的视频风格各式各样，每个视频博主发布的视频为商品带来的浏览量也有所差异，且视频为商品带来的浏览量在一定程度上也影响着视频对商品销售量的贡献情况。为了逐步提高商品视频营销的性价比，需要从众多视频博主的众多视频中确定对商品的浏览贡献较高的视频。可见，如何准确地确定每个视频对商品的浏览价值属性显得尤为重要。

技术实现要素：

本发明所要解决的技术问题在于，提供一种计算带货视频对商品的浏览价值属性的方法及装置，能够提供一种商品浏览价值属性的计算方式，以便准确地确定出用于带货销售商品的每个带货视频对商品的浏览价值属性。

为了解决上述技术问题，本发明第一方面公开了一种计算带货视频对商品的浏览价值属性的方法，所述方法包括：

获取目标时间段内用于带货销售目标商品的所有带货视频中每个所述带货视频对应的目标参数集合，所述带货视频对应的目标参数集合包括该带货视频对应的至少一个目标参数；

根据每个所述带货视频对应的目标参数集合，确定每个所述带货视频对应的目标关系系数；

根据每个所述带货视频对应的目标关系系数以及所述目标商品在所述目标时间段内的商品浏览数据，计算每个所述带货视频在所述目标时间段内对所述目标商品的浏览价值属性，所述带货视频在所述目标时间段内对所述目标商品的浏览价值属性用于表示该带货视频在所述目标时间段内对所述目标商品的浏览量贡献情况。

作为一种可选的实施方式，在本发明第一方面中，所述根据每个所述带货视频对应的目标参数集合，确定每个所述带货视频对应的目标关系系数，包括：

获取每个所述带货视频对应的目标参数集合中每个目标参数的权重；

对于任一所述带货视频，计算该带货视频对应的目标参数集合中每个目标参数的权重与该目标参数的乘积，并计算该带货视频对应的目标参数集合中所有目标参数的权重与该目标参数的乘积之和，得到该带货视频对应的目标关系系数。

作为一种可选的实施方式，在本发明第一方面中，所述带货视频对应的目标参数集合包括该带货视频的发布时长、该带货视频的视频博主对应的博主属性值、该带货视频的发布平台、该带货视频带货销售的所述目标商品的商品品类中的一种或多种的组合。

作为一种可选的实施方式，在本发明第一方面中，所述带货视频的发布时长的权重用于表示该带货视频的发布时长与商品浏览数据增量之间的关系权重，且所述带货视频的发布时长的权重是通过以下方式确定出的：

确定多个抽样商品；

对于任一所述抽样商品，获取该抽样商品的所有抽样带货视频发布后每个所述抽样带货视频的发布时长以及与该发布时长对应的商品浏览数据增量；

将所有所述抽样带货视频的不同发布时长作为输入以及与该发布时长对应的商品浏览数据增量作为输出，回归计算发布时长系数，作为该带货视频的发布时长对应的权重。

作为一种可选的实施方式，在本发明第一方面中，所述目标商品的商品品类的权重用于表示该商品品类对视频互动数据增量与商品浏览数据增量之间的关系的影响权重，且所述目标商品的商品品类的权重是通过以下方式确定出的：

确定多个抽样商品，每个所述抽样商品的商品品类与所述目标商品的商品品类相同；

对于任一所述抽样商品，获取该抽样商品的每个抽样带货视频的视频互动数据增量及该抽样商品在对应时间段内的商品浏览数据增量；

将每个所述抽样商品的每个抽样带货视频的视频互动数据增量作为输入并将该抽样商品在对应时间段内的商品浏览数据增量作为输出，回归计算视频互动数据增量系数；

将所述视频互动数据增量系数确定为所述目标商品的商品品类的权重。

本发明第二方面公开了一种计算带货视频对商品的浏览价值属性的装置，所述装置包括：

获取模块，用于获取目标时间段内用于带货销售目标商品的所有带货视频中每个所述带货视频对应的目标参数集合，所述带货视频对应的目标参数集合包括该带货视频对应的至少一个目标参数；

确定模块，用于根据每个所述带货视频对应的目标参数集合，确定每个所述带货视频对应的目标关系系数；

计算模块，用于根据每个所述带货视频对应的目标关系系数以及所述目标商品在所述目标时间段内的商品浏览数据，计算每个所述带货视频在所述目标时间段内对所述目标商品的浏览价值属性，所述带货视频在所述目标时间段内对所述目标商品的浏览价值属性用于表示该带货视频在所述目标时间段内对所述目标商品的浏览量贡献情况。

作为一种可选的实施方式，在本发明第二方面中，所述确定模块，包括：

获取子模块，用于获取每个所述带货视频对应的目标参数集合中每个目标参数的权重；

计算子模块，用于对于任一所述带货视频，计算该带货视频对应的目标参数集合中每个目标参数的权重与该目标参数的乘积，并计算该带货视频对应的目标参数集合中所有目标参数的权重与该目标参数的乘积之和，得到该带货视频对应的目标关系系数。

作为一种可选的实施方式，在本发明第二方面中，所述带货视频对应的目标参数集合包括该带货视频的发布时长、该带货视频的视频博主对应的博主属性值、该带货视频的发布平台、该带货视频带货销售的所述目标商品的商品品类中的一种或多种的组合。

作为一种可选的实施方式，在本发明第二方面中，所述带货视频的发布时长的权重用于表示该带货视频的发布时长与商品浏览数据增量之间的关系权重，且所述带货视频的发布时长的权重是通过以下方式确定出的：

确定多个抽样商品；

对于任一所述抽样商品，获取该抽样商品的所有抽样带货视频发布后每个所述抽样带货视频的发布时长以及与该发布时长对应的商品浏览数据增量；

将所有所述抽样带货视频的不同发布时长作为输入以及与该发布时长对应的商品浏览数据增量作为输出，回归计算发布时长系数，作为该带货视频的发布时长对应的权重。

作为一种可选的实施方式，在本发明第二方面中，所述目标商品的商品品类的权重用于表示该商品品类对视频互动数据增量与商品浏览数据增量之间的关系的影响权重，且所述目标商品的商品品类的权重是通过以下方式确定出的：

确定多个抽样商品，每个所述抽样商品的商品品类与所述目标商品的商品品类相同；

对于任一所述抽样商品，获取该抽样商品的每个抽样带货视频的视频互动数据增量及该抽样商品在对应时间段内的商品浏览数据增量；

将每个所述抽样商品的每个抽样带货视频的视频互动数据增量作为输入并将该抽样商品在对应时间段内的商品浏览数据增量作为输出，回归计算视频互动数据增量系数；

将所述视频互动数据增量系数确定为所述目标商品的商品品类的权重。

本发明第三方面公开了另一种计算带货视频对商品的浏览价值属性的装置，所述装置包括：

存储有可执行程序代码的存储器；

与所述存储器耦合的处理器；

所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明实施例第一方面公开的计算带货视频对商品的浏览价值属性的方法中的部分或全部步骤。

本发明实施例第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明实施例第一方面公开的计算带货视频对商品的浏览价值属性的方法中的部分或全部步骤。

与现有技术相比，本发明实施例具有以下有益效果：

本发明实施例中，获取目标时间段内用于带货销售目标商品的所有带货视频中每个带货视频对应的目标参数集合，带货视频对应的目标参数集合包括该带货视频对应的至少一个目标参数；根据每个带货视频对应的目标参数集合，确定每个带货视频对应的目标关系系数；根据每个带货视频对应的目标关系系数以及目标商品在目标时间段内的商品浏览数据，计算每个带货视频在目标时间段内对目标商品的浏览价值属性。可见，本发明能够提供一种商品浏览价值属性的确定方式，以便准确、快速地确定出用于带货销售商品的每个带货视频对商品的浏览价值属性，进而能够为确定每个带货视频对商品的销售贡献情况和/或每个带货视频的视频博主的带货能力提供客观、准确的参考依据。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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是本发明实施例公开的一种计算带货视频对商品的浏览价值属性的方法的流程示意图；

图2是本发明实施例公开的另一种计算带货视频对商品的浏览价值属性的方法的流程示意图；

图3是本发明实施例公开的一种计算带货视频对商品的浏览价值属性的装置的结构示意图；

图4是本发明实施例公开的另一种计算带货视频对商品的浏览价值属性的装置的结构示意图；

图5是本发明实施例公开的又一种计算带货视频对商品的浏览价值属性的装置的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，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作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。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或端没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或端固有的其他步骤或单元。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

本发明公开了一种计算带货视频对商品的浏览价值属性的方法及装置，能够提供一种商品浏览价值属性的确定方式，以便准确、快速地确定出用于带货销售商品的每个带货视频对商品的浏览价值属性，进而能够为确定每个带货视频对商品的销售贡献情况和/或每个带货视频的视频博主的带货能力提供客观、准确的参考依据。以下分别进行详细说明。

实施例一

请参阅图1，图1是本发明实施例公开的一种计算带货视频对商品的浏览价值属性的方法的流程示意图。其中，图1所描述的方法可以应用于计算装置中，该计算装置可以是计算终端、计算设备或服务器中，且该服务器可以为本地服务器，也可以为云服务器，本发明实施例不做限定。如图1所示，该计算带货视频对商品的浏览价值属性的方法可以包括以下操作：

101、计算装置获取目标时间段内用于带货销售目标商品的所有带货视频中每个带货视频对应的目标参数集合。

本发明实施例中，带货视频对应的目标参数集合包括该带货视频对应的至少一个目标参数。本发明实施例中，目标商品为通过视频进行推广的任一商品，目标时间段为根据实际需求确定出的时间段。其中，用于带货销售目标商品的所有带货视频可以包括带有目标商品对应的商品链接的带货视频，也可以包括视频内容为目标商品的推广内容的带货视频，还可以同时包括带有目标商品对应的商品链接的带货视频以及视频内容为目标商品的推广内容的带货视频，本发明实施例不做限定，且每个带货视频均存在与之唯一对应的视频标识，如视频id。

102、计算装置根据每个带货视频对应的目标参数集合，确定每个带货视频对应的目标关系系数。

本发明实施例中，可选的，带货视频对应的目标参数集合包括该带货视频的发布时长、该带货视频的视频博主对应的博主属性值(如粉丝数量等)、该带货视频的发布平台、该带货视频带货销售的目标商品的商品品类中的一种或多种的组合。

本发明实施例中，带货视频对应的目标关系系数用于确定该带货视频在目标时间段内对目标商品的浏览价值属性。进一步的，带货视频对应的目标关系系数具体用于表示该带货视频的互动数据与目标商品的商品浏览数据之间的关系。

103、计算装置根据每个带货视频对应的目标关系系数以及目标商品在目标时间段内的商品浏览数据，计算每个带货视频在目标时间段内对目标商品的浏览价值属性。

其中，带货视频在目标时间段内对目标商品的浏览价值属性用于表示该带货视频在目标时间段内对目标商品的浏览量贡献情况，且其可以是浏览量贡献占比，也可以是具体的浏览量，还可以是相应的浏览量贡献等级，本发明实施例不做限定。

在一个可选的实施例中，在执行步骤101之前，该方法还可以包括以下操作：

计算装置确定目标时间段的时间长度；

计算装置判断目标时间段的时间长度是否满足预先确定出的长度条件；

当判断出目标时间段的时间长度满足预先确定出的长度条件时，触发执行步骤101。

可选的，计算装置判断目标时间段的时间长度是否满足预先确定出的长度条件，可以包括：

计算装置判断目标时间段的时间长度是否大于等于预先确定出的最小时间周期对应的时间长度且小于等于预先确定出的最大时间长度；

当判断出目标时间段的时间长度大于等于最小时间周期对应的时间长度且小于等于最大时间长度时，确定目标时间段的时间长度满足预先确定出的长度条件。

可见，该可选的实施例在确定出需要确定浏览价值属性对应的时间段后先判断时间段的时间长度是否满足预先确定出的长度条件，在满足的情况下再进行后续的操作，能够减少计算装置不必要的操作，进而有利于计算装置执行后续操作的准确性和可靠性。

在另一个可选的实施例中，在执行完毕步骤103之后，该方法还包括以下操作：

计算装置从上述所有带货视频中筛选对目标商品的浏览价值属性满足浏览贡献条件(如访客量大于等于访客量阈值或访客量占比大于等于访客量占比阈值)的至少一个目标带货视频；

计算装置根据每个目标带货视频唯一对应的视频标识确定每个目标带货视频的相关视频参数；

计算装置根据所有目标带货视频的相关视频参数统计出现频度超过预设频度阈值的至少一个带货视频参数。

其中，目标带货视频的相关视频参数可以包括目标带货视频的发布平台、目标带货视频的视频博主的粉丝量、目标带货视频的视频风格、目标带货视频的发布时长等一种或多种的组合，本发明实施例不做限定。

在该可选的实施例中，计算装置统计出的所有带货视频参数用于作为分析模型分析带货视频对目标商品的浏览价值属性的影响程度较大的视频参数(如发布平台、视频风格等)，也可以用于输出给目标商品的广告主，供目标商品的广告主知晓对目标商品的浏览贡献较大的带货视频的相关视频参数，以便于目标商品的广告主更好对带货视频进行有效的决策，例如选择合适的发布平台、选择合适的视频风格等。

可见，该可选的实施例还能够在确定出每个带货视频对目标商品的浏览价值属性之后智能化的统计带货视频对目标商品的浏览价值属性的影响程度较大的视频参数，不仅能够进一步丰富计算装置的智能化功能，还能够为广告主更好的对带货视频进行决策提供有效的参考依据。

在又一个可选的实施例中，在执行完毕步骤103之后，该方法还包括以下操作：

计算装置从上述所有带货视频中筛选对目标商品的浏览价值属性最高的目标带货视频，并确定该目标带货视频的相关视频参数，该相关视频参数可以包括目标带货视频的发布时长、目标带货视频的发布平台、目标带货视频的视频风格以及目标带货视频的视频博主的粉丝数量等中的一种或多种的组合。

可见，该可选的实施例还能够自动确定在目标时间段内对目标商品的浏览价值属性最高的目标带货视频的相关视频参数，以便于为制定广告投放策略(如选择合适的视频博主在合适的发布平台发布某一视频风格的带货视频等)提供有效的参考依据。

在又一个可选的实施例中，在执行步骤101之前，该方法还可以包括以下操作：

计算装置确定目标时间段内用于带货销售目标商品的所有带货视频；

计算装置确定所有带货视频中发布时长最长的目标带货视频；

计算装置根据目标带货视频的发布时长确定需要获取的目标参数类型。

需要说明的是，除了根据发布时长最长的目标带货视频确定目标参数类型之外，也可以通过所有带货视频的发布平台和/或视频风格确定目标参数类型，或者进一步结合最长发布时长确定目标参数类型，且参考依据越多，确定出的目标参数类型越正确、越全面。

举例来说，若目标带货视频的发布时长较短，则目标参数类型可以不包括发布时长类型；若所有带货视频的发布平台一致，则目标参数类型可以不包括发布平台类型。

其中，计算装置获取目标时间段内用于带货销售目标商品的所有带货视频中每个带货视频对应的目标参数集合，可以包括：

计算装置获取目标时间段内用于带货销售目标商品的所有带货视频中每个带货视频对应的、参数类型为目标参数类型的目标参数集合。

可见，该可选的实施例能够根据相关参考依据智能化的确定目标参数类型，以便准确的确定出影响视频对商品的浏览价值属性的目标参数，有利于提高根据目标参数生成目标关系系数的准确性与效率，进而有利于提高确定出的浏览价值属性的准确性与效率。

可见，实施本发明实施例所描述的方法能够提供一种商品浏览价值属性的确定方式，以便准确、快速地确定出用于带货销售商品的每个带货视频对商品的浏览价值属性，进而能够为确定每个带货视频对商品的销售贡献情况和/或每个带货视频的视频博主的带货能力提供客观、准确的参考依据。

实施例二

请参阅图2，图2是本发明实施例公开的另一种计算带货视频对商品的浏览价值属性的方法的流程示意图。其中，图2所描述的方法可以应用于计算装置中，该计算装置可以是计算终端、计算设备或服务器中，且该服务器可以为本地服务器，也可以为云服务器，本发明实施例不做限定。如图2所示，该计算带货视频对商品的浏览价值属性的方法可以包括以下操作：

201、计算装置获取目标时间段内用于带货销售目标商品的所有带货视频中每个带货视频对应的目标参数集合。

本发明实施例中，带货视频对应的目标参数集合包括该带货视频对应的至少一个目标参数。

202、计算装置获取每个带货视频对应的目标参数集合中每个目标参数的权重。

203、对于任一带货视频，计算装置计算该带货视频对应的目标参数集合中每个目标参数的权重与该目标参数的乘积，并计算该带货视频对应的目标参数集合中所有目标参数的权重与该目标参数的乘积之和，得到该带货视频对应的目标关系系数。

204、计算装置根据每个带货视频对应的目标关系系数以及目标商品在目标时间段内的商品浏览数据，计算每个带货视频在目标时间段内对目标商品的浏览价值属性。

其中，带货视频在目标时间段内对目标商品的浏览价值属性用于表示该带货视频在目标时间段内对目标商品的浏览量贡献情况

可选的，带货视频对应的目标参数集合包括该带货视频的发布时长、该带货视频的视频博主对应的博主属性值、该带货视频的发布平台、该带货视频带货销售的目标商品的商品品类中的一种或多种的组合。

进一步可选的，带货视频的发布时长的权重用于表示该带货视频的发布时长与商品浏览数据增量之间的关系权重，且带货视频的发布时长的权重是通过以下方式确定出的：

确定多个抽样商品；

对于任一抽样商品，获取该抽样商品的所有抽样带货视频发布后每个抽样带货视频的发布时长以及与该发布时长对应的商品浏览数据增量；

将所有抽样带货视频的不同发布时长作为输入以及与该发布时长对应的商品浏览数据增量作为输出，回归计算发布时长系数，作为该带货视频的发布时长对应的权重。

可选的，目标商品的商品品类的权重用于表示该商品品类对视频互动数据增量与商品浏览数据增量之间的关系的影响权重，且目标商品的商品品类的权重是通过以下方式确定出的：

确定多个抽样商品，每个抽样商品的商品品类与目标商品的商品品类相同；

对于任一抽样商品，获取该抽样商品的每个抽样带货视频的视频互动数据增量及该抽样商品在对应时间段内的商品浏览数据增量；

将每个抽样商品的每个抽样带货视频的视频互动数据增量作为输入并将该抽样商品在对应时间段内的商品浏览数据增量作为输出，回归计算视频互动数据增量系数；

将视频互动数据增量系数确定为目标商品的商品品类的权重。

又进一步可选的，带货视频的视频博主的粉丝数量的权重用于表示粉丝数量对视频互动数据增量与商品浏览数据增量之间的关系的影响权重，且带货视频的视频博主的粉丝数量的权重是通过以下方式确定出的：

确定通过带货视频推广的多个抽样商品；

获取每个抽样商品的每个带货视频在确定出的时间段内的粉丝数量以及每个带货视频在该时间段内的商品浏览数据增量；

将每个抽样样品的每个抽样带货视频在确定出的时间段内的粉丝数量作为输入，将每个抽样样品的每个抽样带货视频在该时间段内的商品浏览数据增量作为输出，回归计算粉丝数量系数；

将计算出的粉丝数量系数确定为带货视频的视频博主的粉丝数量的权重。

举例来说，以目标参数集合包括发布时长x1、商品品类x2以及视频博主的粉丝数量x3为例，第i个带货视频在第j个时间周期内对应的子关系系数可以通过一个包含多个变量的函数fij来表示，具体为：

fij＝w1x1ij+w2x2ij+w3x3ij；

其中，w1、w2、w3分别为发布时长x1ij、商品品类x2ij以及粉丝数量x3ij对应的权重。

需要说明的是，若上述目标时间段较长，可以将目标时间段划分成多个等时长且互不交叠的时间周期，一个时间周期的结束时刻为下一个时间周期的起始时刻。此时，每个带货视频对应的目标参数集合可以具体包括对应带货视频在每个时间周期对应的子目标参数集合，且对于任一带货视频，计算装置可以根据该带货视频在每个时间周期的子目标参数集合以及子参数对应的权重，计算该带货视频在每个时间周期对应的子关系系数，并进一步根据该带货视频在每个时间周期对应的子关系系数以及目标商品在每个时间周期对应的商品浏览数据增量，计算该带货视频在每个时间周期对目标商品的浏览价值属性，又进一步的，也可以计算该带货视频在所有时间周期对目标商品的浏览价值属性之和，作为该带货视频在目标时间段内对目标商品的浏览价值属性。这样能够根据预先确定出的间隔时长将目标时间段划分成等间隔时长的时间周期，并根据每个带货视频在每个时间周期对应的子关系系数以及目标商品在每个时间周期的商品浏览子数据细粒度地确定出每个带货视频在每个时间周期内对目标商品的浏览价值属性，有利于提高确定出的带货视频对目标商品的浏览价值属性的准确性。

可见，实施本发明实施例所描述的方法能够提供一种商品浏览价值属性的确定方式，以便准确、快速地确定出用于带货销售商品的每个带货视频对商品的浏览价值属性，进而能够为确定每个带货视频对商品的销售贡献情况和/或每个带货视频的视频博主的带货能力提供客观、准确的参考依据。此外，还能够基于一个包含多个变量的函数确定用于计算对商品的浏览价值属性的目标关系系数，有利于提高确定出的目标关系系数的准确性，进而有利于提高计算出的浏览价值属性的准确性。

实施例三

请参阅图3，图3是本发明实施例公开的一种计算带货视频对商品的浏览价值属性的装置的结构示意图。其中，图3所描述的装置可以应用于计算终端、计算设备或服务器中，且该服务器可以为本地服务器，也可以为云服务器，本发明实施例不做限定。如图3所示，该装置可以包括：

获取模块301，用于获取目标时间段内用于带货销售目标商品的所有带货视频中每个带货视频对应的目标参数集合，带货视频对应的目标参数集合包括该带货视频对应的至少一个目标参数。

确定模块302，用于根据每个带货视频对应的目标参数集合，确定每个带货视频对应的目标关系系数。

计算模块303，用于根据每个带货视频对应的目标关系系数以及目标商品在目标时间段内的商品浏览数据，计算每个带货视频在目标时间段内对目标商品的浏览价值属性。

在一个可选的实施例中，如图4所示，确定模块302可以包括：

获取子模块3021，用于获取每个带货视频对应的目标参数集合中每个目标参数的权重。

计算子模块3022，用于对于任一带货视频，计算该带货视频对应的目标参数集合中每个目标参数的权重与该目标参数的乘积，并计算该带货视频对应的目标参数集合中所有目标参数的权重与该目标参数的乘积之和，得到该带货视频对应的目标关系系数。

可选的，带货视频对应的目标参数集合包括该带货视频的发布时长、该带货视频的视频博主对应的博主属性值、该带货视频的发布平台、该带货视频带货销售的目标商品的商品品类中的一种或多种的组合。

进一步可选的，带货视频的发布时长的权重用于表示该带货视频的发布时长与商品浏览数据增量之间的关系权重，且带货视频的发布时长的权重是通过以下方式确定出的：

确定多个抽样商品；

对于任一抽样商品，获取该抽样商品的所有抽样带货视频发布后每个抽样带货视频的发布时长以及与该发布时长对应的商品浏览数据增量；

将所有抽样带货视频的不同发布时长作为输入以及与该发布时长对应的商品浏览数据增量作为输出，回归计算发布时长系数，作为该带货视频的发布时长对应的权重。

可选的，目标商品的商品品类的权重用于表示该商品品类对视频互动数据增量与商品浏览数据增量之间的关系的影响权重，且目标商品的商品品类的权重是通过以下方式确定出的：

确定多个抽样商品，每个抽样商品的商品品类与目标商品的商品品类相同；

对于任一抽样商品，获取该抽样商品的每个抽样带货视频的视频互动数据增量及该抽样商品在对应时间段内的商品浏览数据增量；

将每个抽样商品的每个抽样带货视频的视频互动数据增量作为输入并将该抽样商品在对应时间段内的商品浏览数据增量作为输出，回归计算视频互动数据增量系数；

将视频互动数据增量系数确定为目标商品的商品品类的权重。

可选的，目标商品的商品品类的权重用于表示该商品品类对视频互动数据增量与商品浏览数据增量之间的关系的影响权重，且目标商品的商品品类的权重是通过以下方式确定出的：

确定多个抽样商品，每个抽样商品的商品品类与目标商品的商品品类相同；

对于任一抽样商品，获取该抽样商品的每个抽样带货视频的视频互动数据增量及该抽样商品在对应时间段内的商品浏览数据增量；

将每个抽样商品的每个抽样带货视频的视频互动数据增量作为输入并将该抽样商品在对应时间段内的商品浏览数据增量作为输出，回归计算视频互动数据增量系数；

将视频互动数据增量系数确定为目标商品的商品品类的权重。

需要说明的是，上述确定权重的过程均可以由计算装置来完成。

可见，实施本发明实施例所描述的装置能够准确、快速地确定出用于带货销售商品的每个带货视频对商品的浏览价值属性，进而能够为确定每个带货视频对商品的销售贡献情况和/或每个带货视频的视频博主的带货能力提供客观、准确的参考依据。此外，还能够基于一个包含多个变量的函数确定用于计算对商品的浏览价值属性的目标关系系数，有利于提高确定出的目标关系系数的准确性，进而有利于提高计算出的浏览价值属性的准确性。

实施例四

请参阅图5，图5是本发明实施例公开的又一种计算带货视频对商品的浏览价值属性的装置的结构示意图。如图5所示，该装置可以包括：

存储有可执行程序代码的存储器401；

与存储器401耦合的处理器402；

处理器402调用存储器401中存储的可执行程序代码，执行本发明实施例一或实施例二公开的计算带货视频对商品的浏览价值属性的方法中的部分或全部步骤。

实施例五

本发明实施例公开了一种计算机存储介质，该计算机存储介质存储有计算机指令，该计算机指令被调用时，用于执行本发明实施例一或实施例二公开的计算带货视频对商品的浏览价值属性的方法中的部分或全部步骤。

实施例六

本发明实施例公开了一种互动数据补充方法，由于本发明实施例一至实施五中任意一个实施例所指的互动数据增量是根据抓取到的互动数据的差值确定出的，当所有带货视频中存在互动数据不完整的带货视频时，可以通过本发明实施例所描述的互动数据补充方法对所缺少的互动数据进行补充进而计算出互动数据增量，具体的互动数据补充方法可以由独立于上述计算装置的数据补充装置实现，也可以由上述计算装置实现，本发明实施例不做限定。具体的，该方法可以包括以下操作：

在获取到上述所有带货视频在相应时间段的每个时间周期对应的互动数据之后，若判断出所有带货视频中存在互动数据不完整的带货视频，则对所有带货视频中互动数据不完整的带货视频执行数据补充操作。

其中，相应时间段可以为上述目标时间段。

进一步可选的，对所有带货视频中互动数据不完整的带货视频执行数据补充操作，可以包括：

统计所有带货视频中互动数据不完整的带货视频(也可称为“第一类带货视频”)的数量，并获取与该数量相匹配的互动数据补充算法；

根据获取到的互动数据补充算法，对所有带货视频中互动数据不完整的第一类带货视频执行数据补充操作。

其中，当第一类带货视频的数量较少(如小于等于确定出的数量阈值)时，与该数量相匹配的互动数据补充算法为大数据补充算法；当数量较多时，与该数量相匹配的互动数据补充算法为爬虫补充算法。需要说明的是，若第一类带货视频的数量较多，或者，所有第一类带货视频在相应时间段内互动数据不完整的总时间周期(如总天数)较多时，也可以直接输出提示，以提示不计算带货视频对目标商品的浏览价值属性。可选的，当所有第一类带货视频在相应时间段内互动数据不完整的总时间周期(如总天数)较多时，在输出提示之前，该方法还可以包括以下操作：

根据所有带货视频在相应时间段内的已有互动数据，计算已有互动数据较多或者已有互动数据完整的带货视频在每个时间周期的互动数据增量占比，若互动数据增量占比小于等于预设占比阈值，则执行上述的输出提示，以提示不计算带货视频对目标商品的浏览价值属性的操作；

若互动数据增量占比大于预设占比阈值，则可以根据爬虫补充算法补充所缺少的互动数据。

其中，对在相应时间段内互动数据不完整的总时间周期的举例说明如下：

假设带货视频包括带货视频a、带货视频b、带货视频c，且相应时间段为5天，时间周期为1天，互动数据不完整的带货视频为带货视频a和带货视频b，带货视频a在相应时间段内有3天互动数据不完整，带货视频b在相应时间段内有2天互动数据不完整，则在该相应时间段内互动数据不完整的总时间周围等于2天加3天。也即：所有第一类带货视频在相应时间段内互动数据不完整的总时间周期等于所有第一类带货视频在相应时间段内互动数据不完整的时间周期之和。

又进一步可选的，当上述数量小于等于预先确定出的数量阈值时，根据获取到的互动数据补充算法，对所有带货视频中互动数据不完整的带货视频执行数据补充操作，可以包括：

确定每个第一类带货视频的视频投放平台；

对于确定出的每个视频投放平台，收集已在该视频投放平台投放的、满足预设条件且数量达到相应数量级(如1000)的样本带货视频，计算每个样本带货视频在预先确定出的时间段内的每个时间周期(如每天)的互动数据变化量，根据每个样本带货视频在预先确定出的时间段内的每个时间周期的互动数据变化量计算该视频投放平台对应的周期互动数据增量占比，将所有周期互动数据增量占比的平均值或中位数确定为该视频投放平台在每个时间周期对应的平台互动数据增量百分比；

对于确定出的每个第一类带货视频，根据该第一类带货视频所在的视频投放平台在每个时间周期对应的平台互动数据增量百分比以及该第一类带货视频的已有互动数据，补充该带货视频在目标时间段内相应时间周期所缺的互动数据。也即，在补充第一类带货视频在第n个时间周期的互动数据时，需要使用到该视频投放平台在第n个时间周期对应的平台互动数据增量百分比，其中，第n个时间周期的起始时间为带货视频的起始发布时间。

其中，样本带货视频在时间周期(如每天)的互动数据变化量具体等于该样本带货视频在该时间周期的终止时间的互动数据总量减去该样本带货视频在该时间周期的在先相邻时间周期的终止时间的互动数据总量。

可选的，对于确定出的任一视频投放平台，已在该视频投放平台投放的、满足预设条件的样本带货视频具体为已在该视频投放平台投放且在确定出的时间段内的每个时间周期内互动数据完整的带货视频，进一步可选的，确定出的时间段可以大于等于所有第一类带货视频截至上述目标时间段的终止时刻的发布时长中的最大发布时长。又进一步可选的，对于确定出的任一视频投放平台，样本带货视频所带货销售的商品与上述目标商品同属一个类别，和/或，所有样本带货视频的起始发布时间相同。

举例来说，某一第一类带货视频d，其缺少了从发布时刻开始算起的第1-3共计3天的互动数据，且在第一类带货视频d所在的视频投放平台发布的3个样本带货视频在第1天的互动数据增量百分比分别为60％、50％和55％，则该视频投放平台在第1天的周期互动数据增量百分比为55％(也即三者的平均数)；在第一类带货视频d所在的视频投放平台发布的3个样本带货视频在第2天的互动数据增量百分比分别为30％、20％和20％，则该视频投放平台在第2天的周期互动数据增量百分比为23.33％(也即三者的平均数)；在第一类带货视频d所在的视频投放平台发布的3个样本带货视频在第2天的互动数据增量百分比分别为30％、20％和20％，则该视频投放平台在第2天的周期互动数据增量百分比为23.33％(也即三者的平均数)，同理也可计算出该视频投放平台在第3天的周期互动数据增量百分比。

需要说明的是，由于大部分带货视频的互动数据总量在发布时长达到预设时长(如达到7天)之后基本不再变化，带货视频在发布时长达到预设时长之后每个时间周期的互动数据增量可以确定为0。

又进一步可选的，当上述数量大于预先确定出的数量阈值时，根据获取到的互动数据补充算法，对所有带货视频中互动数据不完整的带货视频执行数据补充操作，可以包括：

根据预先确定出的爬虫算法一次或多次重复抓取每个第一类带货视频在相应时间段内对应的互动数据，根据重新抓取到的每个第一类带货视频在相应时间段内对应的互动数据补充针对该第一类带货视频已获取的在相应时间段内对应的互动数据。

需要说明的是，无论互动数据不完整的带货视频的数量是多少，可以通过相同的互动数据补充算法(如大数据补充算法或爬虫算法)对互动数据不完整的带货视频进行数据的补充。

进一步需要说明的是，当所有第一类带货视频的互动数据不完整的总时间周期(如总天数)较多时，可以先通过上述爬虫算法补充部分时间周期所缺少的互动数据，当互动数据不完整的总时间周期减少至一定数量之后，再根据上述大数据补充算法补充剩余时间周期所缺少的互动数据。

可见，本发明实施例能够在带货视频对应的互动数据缺少时，对所缺少的互动数据进行补充，保证带货视频对应的互动数据的完整性，进而提高后续计算出的互动数据增量的准确性。此外，还能够根据缺少互动数据的带货视频的数量自适应的选择合适的互动数据补充算法，当所缺互动数据较少时，通过大数据补充算法进行补充，提高了补充的互动数据的准确性，且在一定程度上保证了数据补充效率；当所缺互动数据较多时，通过爬虫算法重新抓取，相较于大数据补充算法来说，减少了数据计算量。

以上所描述的装置实施例仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施例的具体描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(read-onlymemory，rom)、随机存储器(randomaccessmemory，ram)、可编程只读存储器(programmableread-onlymemory，prom)、可擦除可编程只读存储器(erasableprogrammablereadonlymemory，eprom)、一次可编程只读存储器(one-timeprogrammableread-onlymemory，otprom)、电子抹除式可复写只读存储器(electrically-erasableprogrammableread-onlymemory，eeprom)、只读光盘(compactdiscread-onlymemory，cd-rom)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。

最后应说明的是：本发明实施例公开的一种计算带货视频对商品的浏览价值属性的方法及装置所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。