商品的备料预测、行为数据收集方法、装置、设备和介质专利检索-购物车商业专利检索查询-专利查询网

商品的备料预测、行为数据收集方法、装置、设备和介质

阅读：297发布：2020-05-11

专利汇可以提供商品的备料预测、行为数据收集方法、装置、设备和介质专利检索，专利查询，专利分析的服务。并且本发明实施例公开了一种商品的备料预测、行为数据收集方法、装置、设备和介质。所述方法包括：获取与待预测的商品关联的商品行为数据，并根据所述商品行为数据计算与所述商品对应的预测访问量和预测访问转化率；其中，所述商品行为数据包括：浏览行为数据、点击行为数据、评价行为数据、搜索行为数据、收藏行为数据、加购物车行为数据以及购买行为数据中的一项或者多项；根据所述预测访问量和所述预测访问转化率，确定所述商品的预测购买量；根据所述商品的预测购买量和所述商品的预设单位商品的备料消耗量，计算所述商品的备料预测值。本发明实施例可以准确预测备料，合理配置备料，实现避免商品大量积压，以及缩短商品发货的时间周期。，下面是商品的备料预测、行为数据收集方法、装置、设备和介质专利的具体信息内容。

权利要求

1.一种商品的备料预测方法，其特征在于，包括：
获取与待预测的商品关联的商品行为数据，并根据所述商品行为数据计算与所述商品对应的预测访问量和预测访问转化率；
其中，所述商品行为数据包括：浏览行为数据、点击行为数据、评价行为数据、搜索行为数据、收藏行为数据、加购物车行为数据以及购买行为数据中的一项或者多项；
根据所述预测访问量和所述预测访问转化率，确定所述商品的预测购买量；
根据所述商品的预测购买量和所述商品的预设单位商品的备料消耗量，计算所述商品的备料预测值。
2.根据权利要求1所述的方法，其特征在于，所述根据所述商品行为数据计算与所述商品对应的预测访问转化率，包括：
对所述商品行为数据进行统计，并根据得到统计数据，输入到预先训练的转化率预测模型中，得到所述转化率预测模型输出的所述商品的预测访问转化率；
其中，所述转化率预测模型为全部空间多任务模型，所述转化率预测模型中包括用于计算点击率的第一子网络和用于计算点击转化率的第二子网络，所述转化率预测模型的输出为所述第一子网络输出的点击率与所述第二子网络输出的点击转化率的乘积，所述统计数据包括：所述商品的购买量统计数据、所述商品的类别排序统计数据和所述商品的评价统计数据中的一项或者多项。
3.根据权利要求1所述的方法，其特征在于，所述根据所述商品行为数据计算与所述商品对应的预测访问量，包括：
根据所述商品的历史访问量和所述商品的所属类别的历史访问量；根据所述商品的历史访问量和所述商品的所属类别的历史访问量，采用卡尔曼滤波算法计算所述商品的预测访问量；或者
获取所述商品对应的至少一项统计数据，对所述商品进行质量评价，并根据得到的所述商品的质量分数确定所述商品的预测访问量。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述根据所述预测访问量和所述预测访问转化率，确定所述商品的预测购买量，包括：
在检测到所述商品的销售方平台发送的备料预测请求时，根据所述预测访问量和所述预测访问转化率，确定所述商品的预测购买量；
在根据所述商品的预测购买量和所述商品的预设单位商品的备料消耗量，计算所述商品的备料预测值之后，还包括：
将所述商品的备料预测值反馈给所述商品的销售方平台。
5.根据权利要求1所述的方法，其特征在于，所述获取与待预测的商品关联的商品行为数据，包括：
查询与所述待预测的商品匹配的商品行为数据；和/或
查询与目标商品匹配的商品行为数据；其中，所述目标商品符合所述待预测的商品匹配的相似条件。
6.一种商品行为数据的收集方法，其特征在于，包括：
接收至少一个客户端发送的商品数据展示请求；
根据所述商品数据展示请求生成页面展示数据反馈给对应的客户端，并收集与所述页面展示数据关联的至少一个商品的商品行为数据；
其中，所述商品行为数据包括：浏览行为数据、点击行为数据、评价行为数据、搜索行为数据、收藏行为数据、加购物车行为数据以及购买行为数据中的一项或者多项；所述商品行为数据用于确定商品的备料预测值。
7.根据权利要求6所述的方法，其特征在于，所述根据所述商品数据展示请求生成页面展示数据，包括：
获取与所述商品数据展示请求匹配的页面模板；
获取与所述商品数据展示请求匹配的展示内容数据集，并将所述展示内容数据集中的商品数据按照预设商品权重填充在所述页面模板中，生成页面展示数据。
8.根据权利要求6所述的方法，其特征在于，所述接收至少一个客户端发送的商品数据展示请求，包括：
接收服务器分发系统转发的所述客户端发送的商品数据展示请求；其中，所述服务器分发系统用于根据所述商品数据展示请求中的展示标识信息确定目标分流服务器，并将所述商品数据展示请求转发至所述目标分流服务器。
9.根据权利要求7所述的方法，其特征在于，在将所述展示内容数据集中的商品数据按照预设商品权重填充在所述页面模板中之前，还包括：
获取所述商品数据对应的匹配商品列表，并根据所述匹配商品列表的预设列表权重确定所述商品数据的商品权重；和/或
获取所述商品数据对应的商品的商品行为数据并统计，并根据得到的统计数据，对所述商品进行质量评价，并根据得到的所述商品的质量分数，确定商品数据的权重。
10.根据权利要求7所述的方法，其特征在于，在生成页面展示数据之前，还包括：
根据所述展示内容数据集中的商品数据对应的商品属性信息，对所述展示内容数据集进行数据过滤，其中，所述商品属性信息包括：销售用户信息、商品标识信息和商品展示位置信息中的一项或者多项。
11.一种商品的备料预测装置，其特征在于，包括：
访问量和访问转化率预测模块，用于获取与待预测的商品关联的商品行为数据，并根据所述商品行为数据计算与所述商品对应的预测访问量和预测访问转化率；其中，所述商品行为数据包括：浏览行为数据、点击行为数据、评价行为数据、搜索行为数据、收藏行为数据、加购物车行为数据以及购买行为数据中的一项或者多项；
购买量预测模块，用于根据所述预测访问量和所述预测访问转化率，确定所述商品的预测购买量；
备料预测值计算模块，用于根据所述商品的预测购买量和所述商品的预设单位商品的备料消耗量，计算所述商品的备料预测值。
12.一种商品行为数据的收集装置，其特征在于，包括：
商品数据展示请求接收模块，用于接收至少一个客户端发送的商品数据展示请求；
商品行为数据统计模块，用于根据所述商品数据展示请求生成页面展示数据反馈给对应的客户端，并收集与所述页面展示数据关联的至少一个商品的商品行为数据；其中，所述商品行为数据包括：浏览行为数据、点击行为数据、评价行为数据、搜索行为数据、收藏行为数据、加购物车行为数据以及购买行为数据中的一项或者多项；所述商品行为数据用于确定商品的备料预测值。
13.一种计算机设备，其特征在于，所述计算机设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的商品的备料预测方法或如权利要求6-10中任一所述的商品行为数据的收集方法。
14.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一所述的商品的备料预测方法或如权利要求6-10中任一所述的商品行为数据的收集方法。

说明书全文

商品的备料预测、行为数据收集方法、装置、设备和介质

技术领域

[0001] 本发明实施例涉及数据处理技术，尤其涉及一种商品的备料预测、行为数据收集方法、装置、设备和介质。

背景技术

[0002] 目前，在供货商生产一种商品并销售商品给消费者的过程中，供货商对该商品的备料用量和成品数目的预测是一个非常大的难题。

[0003] 一部分供货商会根据经验批量生成商品，在供大于求时，造成库存大量积压，在供小于求时，导致商品准备不足，只能再准备商品的备料，推迟发货时间；而有的供货商根据订单准备商品的备料，在备料到货后生成商品，导致商品的生成周期较长，推迟发货时间，从而影响消费者对该供货商的评价。

发明内容

[0004] 本发明实施例提供一种商品的备料预测、行为数据收集方法、装置、设备和介质，可以准确预测备料，合理配置备料，实现避免商品大量积压，以及缩短商品发货的时间周期。

[0005] 第一方面，本发明实施例提供了一种商品的备料预测方法，包括：

[0006] 获取与待预测的商品关联的商品行为数据，并根据所述商品行为数据计算与所述商品对应的预测访问量和预测访问转化率；

[0007] 其中，所述商品行为数据包括：浏览行为数据、点击行为数据、评价行为数据、搜索行为数据、收藏行为数据、加购物车行为数据以及购买行为数据中的一项或者多项；

[0008] 根据所述预测访问量和所述预测访问转化率，确定所述商品的预测购买量；

[0009] 根据所述商品的预测购买量和所述商品的预设单位商品的备料消耗量，计算所述商品的备料预测值。

[0010] 第二方面，本发明实施例提供了一种商品行为数据的收集方法，包括：

[0011] 接收至少一个客户端发送的商品数据展示请求；

[0012] 根据所述商品数据展示请求生成页面展示数据反馈给对应的客户端，并收集与所述页面展示数据关联的至少一个商品的商品行为数据；

[0013] 其中，所述商品行为数据包括：浏览行为数据、点击行为数据、评价行为数据、搜索行为数据、收藏行为数据、加购物车行为数据以及购买行为数据中的一项或者多项；所述商品行为数据用于确定商品的备料预测值。

[0014] 第三方面，本发明实施例还提供了一种商品的备料预测装置，包括：

[0015] 浏览量和浏览转化率预测模块，用于获取与待预测的商品关联的商品行为数据，并根据所述商品行为数据计算与所述商品对应的预测访问量和预测访问转化率；其中，所述商品行为数据包括：浏览行为数据、点击行为数据、评价行为数据、搜索行为数据、收藏行为数据、加购物车行为数据以及购买行为数据中的一项或者多项；

[0016] 购买量预测模块，用于根据所述预测访问量和所述预测访问转化率，确定所述商品的预测购买量；

[0017] 备料预测值计算模块，用于根据所述商品的预测购买量和所述商品的预设单位商品的备料消耗量，计算所述商品的备料预测值。

[0018] 第四方面，本发明实施例还提供了一种商品行为数据的收集装置，包括：

[0019] 商品数据展示请求接收模块，用于接收至少一个客户端发送的商品数据展示请求；

[0020] 商品行为数据统计模块，用于根据所述商品数据展示请求生成页面展示数据反馈给对应的客户端，并收集与所述页面展示数据关联的至少一个商品的商品行为数据；其中，所述商品行为数据包括：浏览行为数据、点击行为数据、评价行为数据、搜索行为数据、收藏行为数据、加购物车行为数据以及购买行为数据中的一项或者多项；所述商品行为数据用于确定商品的备料预测值。

[0021] 第五方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序所述处理器执行所述程序时实现如本发明实施例中任一所述的商品的备料预测方法或本发明实施例中任一所述的商品行为数据的收集。

[0022] 第六方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例中任一所述的商品的备料预测方法或本发明实施例中任一所述的商品行为数据的收集。

[0023] 本发明实施例通过获取与商品关联的商品行为数据，计算该商品的预测访问量和预测访问转化率，以预估该商品的预测购买量，同时基于得到的预测购买量和备料消耗量，确定商品的备料预测值，解决了现有技术中根据经验准备备料量不准确，以及根据订单备料量，导致商品的生成周期过长的问题，实现准确预测商品的备料量，可以避免购买过多备料量，导致商品积压的情况，从而减少备料的浪费，以降低商品的成本，同时可以避免根据订单准备备料，导致商品备货周期过长的情况，有效缩短商品发货的时间周期，提高商品发货的效率。附图说明

[0024] 图1是本发明实施例一中的一种商品的备料预测方法的流程图；

[0025] 图2是本发明实施例二中的一种商品的备料预测方法的流程图；

[0026] 图3a是本发明实施例三中的一种商品行为数据的收集方法的流程图；

[0027] 图3b是本发明实施例三中的一种商品数据的展示页面的示意图；

[0028] 图4是本发明实施例四中的一种商品的备料预测装置的结构示意图；

[0029] 图5是本发明实施例五中的一种商品行为数据的收集装置的结构示意图；

[0030] 图6是本发明实施例六中的一种计算机设备的结构示意图。

具体实施方式

[0031] 下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

[0032] 实施例一

[0033] 图1为本发明实施例一中的一种商品的备料预测方法的流程图，本实施例可应用于预测商品的备料量的情况。该方法可以由本发明实施例提供的商品的备料预测装置来执行，该装置可采用软件和/或硬件的方式实现，并一般可集成在提供电子商务平台功能的计算机设备中，例如终端设备或服务器等，其中，销售方平台可以通过电子商务平台展示并销售商品，消费者使用终端设备通过电子商务平台访问商品(如浏览、购买和评价等)，电子商务平台可以是指消费者对工厂(Customer-to-Manufactory，C2M)模式的电子商务平台。如图1所示，本实施例的方法具体包括：

[0034] S110，获取与待预测的商品关联的商品行为数据，并根据所述商品行为数据计算与所述商品对应的预测访问量和预测访问转化率；其中，所述商品行为数据包括：浏览行为数据、点击行为数据、评价行为数据、搜索行为数据、收藏行为数据、加购物车行为数据以及购买行为数据中的一项或者多项。

[0035] 其中，商品行为数据用于衡量商品关联的页面被访问的流量，具体可以是指用户访问商品关联的页面的访问操作行为。商品关联的网页可以包括：商品的展示页面(如详情展示页面、购买页面和评价展示页面等)、商品所述类目的列表展示页面和包括商品的推荐页面等中的一项或者多项。商品行为数据包括：浏览行为数据、点击行为数据、评价行为数据、搜索行为数据、收藏行为数据、加购物车行为数据和购买行为数据等中的一项或者多项。其中，浏览行为数据可以是指对商品关联的页面的页面浏览量；点击行为数据可以是指对商品关联的页面中商品的点击量(实现跳转至商品的详情页面的点击次数)，示例性的，点击行为数据具体是指页面中的该商品关联的页面被独立访问用户点击的次数；评价行为数据可以是指商品或商品关联的销售方的评价统计数据，如商品或者商品关联的店家的被评价次数、好评率和差评率等中的一项或者多项；购买行为数据可以是指商品的购买量；搜索行为数据可以是指商品和/或商品关联的销售方作为搜索结果的搜索数据，具体可以包括搜索关键词和/或同样作为搜索结果的其他商品和/或关联的销售方的相关数据等；收藏行为数据可以是指商品和/或商品关联的销售方的收藏次数；加购物车行为数据可以是指商品被加购物车的次数。

[0036] 待预测的商品可以是在电子商务平台中正在销售的商品，也可以是新出现的商品。若待预测的商品为正在销售或曾经销售的商品，可以收集该商品的商品行为数据作为该商品关联的商品行为数据；若待预测的商品为新商品，该商品在该电子商务平台中被访问的流量为零，从而，可以查询待预测商品相似的正在销售或曾经销售的商品，将该相似商品的商品行为数据作为待预测商品关联的商品行为数据。

[0037] 可选的，所述获取与待预测的商品关联的商品行为数据，包括：查询与所述待预测的商品匹配的商品行为数据；和/或查询与目标商品匹配的商品行为数据；其中，所述目标商品符合所述待预测的商品匹配的相似条件。

[0038] 其中，目标商品可以是指与待预测的商品相似的商品。示例性的，待预测的商品为品牌为A的七分浅蓝破洞牛仔裤，目标商品为品牌为B的七分浅蓝破洞牛仔裤。相似条件用于基于待预测商品的特征信息确定待预测商品的相似商品作为目标商品。示例性的，相似条件可以包括商品的样式、价格范围、品牌、类别、功能和销售方属性信息(销售方等级和销售方评价情况等)等方面中的一项或多项的限制内容。确定目标商品的方式具体是：通过计算根据至少一项属性信息(如前述限制内容)生成的各商品的特征向量之间的相似度，选择相似度最高的商品作为目标商品。此外，还有其他方式确定目标商品，对此，本发明实施例不作具体限制。

[0039] 具体的，可以预先收集各商品的商品行为数据，并存储在数据库中。并在数据库中查询待预测的商品和/或相似的目标商品的商品行为数据，作为待预测的商品关联的商品行为数据。

[0040] 通过在预先收集的商品行为数据中，查询待预测的商品和/或相似商品的商品行为数据，作为待预测的商品关联的商品行为数据，以用于计算商品的备料预测值，可以根据购买用户对该商品和/或商品关联的网页的真实访问情况进行备料预测，提高历史销售的商品的备料预测值的准确率，同时，在商品为新商品时，查询该商品的相似商品的商品行为数据进行备料预测，提高新商品的备料预测值的准确率。

[0041] 预测访问量用于衡量商品和/或商品关联的页面被访问的次数。预测访问转化率用于衡量商品被购买的概率。根据商品行为数据计算预测访问量和预测访问转化率的方式有多种，例如，统计设定时间段内(如过去一周)的商品的被浏览的次数，作为预测访问量；并统计前述设定时间段内的购买行为数据，计算统计数据与预测访问量的比值作为未来设定时间段内(如未来一周)的预测访问转化率。此外，还有其他计算方式，本发明实施例不作具体限制。

[0042] S120，根据所述预测访问量和所述预测访问转化率，确定所述商品的预测购买量。

[0043] 具体的，预测购买量用于预测商品的被购买的数量。示例性的，将预测访问量和预测访问转化率的乘积作为预测购买量，此外，还可以通过其他方式确定预测购买量，对此，本发明不作具体限制。

[0044] S130，根据所述商品的预测购买量和所述商品的预设单位商品的备料消耗量，计算所述商品的备料预测值。

[0045] 其中，单位商品的备料消耗量用于衡量每个商品的所需的备料用量，具体可以包括一个商品的用料量和商品的均备料损耗量。单位商品的备料消耗量是预先设定的，可以是预先根据实际情况进行估计的经验值。

[0046] 示例性的，可以将预测购买量与单位商品的备料消耗量的相加结果作为备料预测值。在一个具体的例子中，一个商品A的用料量为5kg木材，一个商品A的均备料损耗量为300g木材，计算得到的未来一周的预测购买量为100个商品，则未来一周的备料预测值为
530kg木材。

[0047] 此外，备料预测值还可以通过其他方式计算得到，如计算预测购买量与单位商品的备料消耗量的乘积作为备料预测值，对此，本发明实施例不作具体限制。

[0048] 可选的，所述根据所述预测访问量和所述预测访问转化率，确定所述商品的预测购买量，包括：在检测到所述商品的销售方平台发送的备料预测请求时，根据所述预测访问量和所述预测访问转化率，确定所述商品的预测购买量；在根据所述商品的预测购买量和所述商品的预设单位商品的备料消耗量，计算所述商品的备料预测值之后，还包括：将所述商品的备料预测值反馈给所述商品的销售方平台。

[0049] 销售方平台可以是指销售方服务器或销售方终端设备(如手机或笔记本电脑等)。销售方平台在电子商务平台中展示商品并销售。备料预测请求用于指示电子商务平台计算商品的备料预测值，其中，备料预测请求至少包括待预测的商品的信息，用于确定待预测的商品。具体的，电子商务平台可以预先确定平台中各商品的预测访问量和预测访问转化率，在销售方平台请求某个商品的备料预测值时，获取该商品的预测访问量和预测访问转化率，并计算得到备料预测值提供给销售方平台。

[0050] 通过在接收到销售方平台的备料预测请求时计算待预测的商品的备料预测值，并反馈，实现将备料预测值反馈给销售方平台，指示销售方平台根据该备料预测值准备备料，提高销售方的商品提供效率，同时减少商品备料的浪费。

[0051] 本发明实施例通过获取与商品关联的商品行为数据，计算该商品的预测访问量和预测访问转化率，以预估该商品的预测购买量，同时基于得到的预测购买量和备料消耗量，确定商品的备料预测值，解决了现有技术中根据经验准备备料量不准确，以及根据订单备料量，导致商品的生成周期过长的问题，实现准确预测商品的备料量，可以避免购买过多备料量，导致商品积压的情况，从而减少备料的浪费，以降低商品的成本，同时可以避免根据订单准备备料，导致商品备货周期过长的情况，有效缩短商品发货的时间周期，提高商品发货的效率。

[0052] 实施例二

[0053] 图2为本发明实施例二中的一种商品的备料预测方法的流程图，本实施例以上述实施例为基础进行具体化，将根据所述商品行为数据计算与所述商品对应的预测访问转化率具体化为：对所述商品行为数据进行统计，并根据得到统计数据，输入到预先训练的转化率预测模型中，得到所述转化率预测模型输出的所述商品的预测访问转化率；其中，所述转化率预测模型为全部空间多任务模型，所述转化率预测模型中包括用于计算点击率的第一子网络和用于计算点击转化率的第二子网络，所述化率预测模型的输出为所述第一子网络输出的点击率与所述第二子网络输出的点击转化率的乘积，所述统计数据包括：所述商品的购买量统计数据、所述商品的类别排序统计数据和所述商品的评价统计数据中的一项或者多项。该方法具体包括：

[0054] S210，获取与待预测的商品关联的商品行为数据；其中，所述商品行为数据包括：浏览行为数据、点击行为数据、评价行为数据、搜索行为数据、收藏行为数据、加购物车行为数据以及购买行为数据中的一项或者多项。

[0055] 本发明实施例中的待预测的商品、商品行为数据、预测访问量、预测访问转化率、预测购买量、备料消耗量和备料预测值等可以参考上述实施例的描述。

[0056] S220，根据所述商品行为数据计算与所述商品对应的预测访问量。

[0057] S230，对所述商品行为数据进行统计，并根据得到统计数据，输入到预先训练的转化率预测模型中，得到所述转化率预测模型输出的所述商品的预测访问转化率；其中，所述转化率预测模型为全部空间多任务模型，所述转化率预测模型中包括用于计算点击率的第一子网络和用于计算点击转化率的第二子网络，所述化率预测模型的输出为所述第一子网络输出的点击率与所述第二子网络输出的点击转化率的乘积，所述统计数据包括：所述商品的购买量统计数据、所述商品的类别排序统计数据和所述商品的评价统计数据中的一项或者多项。

[0058] 统计数据可以是指对商品行为数据在设定时间范围内的统计数据，具体可以包括商品的购买量统计数据、商品的类别排序统计数据和商品的评价统计数据等中的一项或者多项。示例性的，购买量统计数据为在过去一个月内的购买量或过去一个月内的日均购买量；类别排序统计数据为商品所属的类别在上级类别中的排名，如牛仔背带裤(即商品所属类别)在牛仔裤(上级类别)或者在裤子(上级类别)中的购买量排名；商品的评价统计数据为商品的好评率、差评率和评价量等中的一项或多项。

[0059] 转化率预测模型为深度学习模型，示例性的，转化率预测模型为全空间多任务模型(Entire Space Multi-Task Model，ESMM)。ESMM模型克服了样本选择偏差和训练数据过于稀疏的问题，大大提高了转化率预测的准确率。其中，其中，样本选择偏差是指因样本选择的非随机性而导致得到的输出结果存在偏差；训练数据稀疏是指，训练数据的信息不完整。

[0060] 可以收集一个商品在设定时间内的统计数据以及该商品在相同设定时间内的点击率和访问转化率，生成该商品对应的样本，从而，获取各商品对应的样本，训练全空间多任务模型，得到转化率预测模型。其中，全空间多任务模型包括第一子网络和第二子网络，第一子网络用于计算点击率，第二子网络用于计算点击转化率，同时，第一子网络和第二子网络的乘积为访问转化率。实际上，一个商品的点击率可以是指访问该商品的用户点击该商品的概率，一个商品的点击转化率可以是指点击该商品的用户购买该商品的概率，而访问转化率可以是指访问该商品的用户购买该商品的概率。

[0061] 其中，第一子网络和第二子网络的输入样本相同(即样本空间相同)，只是样本的标签信息不同，例如，将样本分为有点击行为的商品展示事件和没有点击行为的商品展示事件，用于训练预测点击率的任务，也即用于训练第一子网络；将同时有点击行为和购买行为的商品展示事件以及有点击行为的商品展示事件用于训练预测点击转化率的任务，也即用于训练第二子网络。同时，第一子网络和第二子网络的特征是共享的。通过采用训练预测点击率的任务的样本，训练预测点击转化率的任务，增加没有点击行为的商品展示事件的样本，避免训练预测点击转化率的任务的样本空间中不存在或仅存在少量没有点击行为的商品展示事件的样本，在一定程度上消除了样本选择偏差。特征共享的模型能够使得用于计算点击转化率的第二子网络也能够从只有展示没有点击行为的事件样本中学习，从而能够极大地有利于缓解训练数据稀疏性问题。

[0062] S240，根据所述预测访问量和所述预测访问转化率，确定所述商品的预测购买量。

[0063] S250，根据所述商品的预测购买量和所述商品的预设单位商品的备料消耗量，计算所述商品的备料预测值。

[0064] 本发明实施例通过预先训练的转化率预测模型得到预测访问转化率，提高预测访问转化率的预测准确率，从而提高商品的备料预测值的预测准确率。

[0065] 在上述实施例的基础上，可选的，所述根据所述商品行为数据计算与所述商品对应的预测访问量，包括：根据所述商品的历史访问量和所述商品的所属类别的历史访问量；根据所述商品的历史访问量和所述商品的所属类别的历史访问量，采用卡尔曼滤波算法计算所述商品的预测访问量。

[0066] 其中，商品的历史访问量用于衡量过去设定时间内的商品的被浏览情况，商品的所属类别的历史访问量用于衡量过去设定时间内的商品的所属类别的所有商品的被浏览情况。商品的历史访问量和商品的所属类别的历史访问量均是从商品行为数据中确定的。示例性的，商品的历史访问量为过去一周内的牛仔裤被浏览的总次数或平均次数；商品的所属类别的历史访问量为牛仔裤商品的裤子类别包括的所有裤子被浏览的总次数或平均次数。

[0067] 采用卡尔曼滤波算法计算商品的预测访问量具体是基于如下公式进行计算：

[0068] X(k|k-1)＝AX(k-1|k-1)+BU(k)

[0069] P(k|k-1)＝AP(k-1|k-1)A’+Q

[0070] X(k|k)＝X(k|k-1)+Kg(k)(Z(k)-HX(k|k-1))

[0071] Kg(k)＝P(k|k-1)H’/(HP(k|k-1)H’+R)

[0072] P(k|k)＝(I-Kg(k)H)P(k|k-1)

[0074] 通过使用卡尔曼滤波算法预测访问量，可以减少预测过程中的干扰，从而提高访问量的预测准确率。

[0075] 或者，可选的，所述根据所述商品行为数据计算与所述商品对应的预测访问量，包括：获取所述商品对应的至少一项统计数据，对所述商品进行质量评价，并根据得到的所述商品的质量分数确定所述商品的预测访问量。

[0076] 其中，统计数据可以参考前述描述。质量评价用于对商品的销售情况进行评价。具体的，根据商品行为数据中统计商品的好评率、购买量和在所属类别中的购买量排名等中的一项或者多项作为统计数据，进行质量评价。示例性的，质量评价可以通过根据预设每项统计数据的权重，计算统计得到的每项统计数据的加权和作为质量分数。预测访问量可以根据预设的质量分数与预测访问量的对应关系(如映射表或计算公式)确定。示例性的，将质量分数作为预测访问量。

[0077] 通过对商品行为数据进行统计，根据统计结果对商品进行质量评价，并基于质量分数预测商品的访问量，实现评估商品的质量以及根据商品的质量预测商品的访问量，提高访问量的预测准确率。

[0078] 实施例三

[0079] 图3a为本发明实施例三中的一种商品行为数据的收集方法的流程图，本实施例可应用于收集展示商品的数据，以用于预测商品的备料量。该方法可以由本发明实施例提供的商品行为数据的收集装置来执行，该装置可采用软件和/或硬件的方式实现，并一般可集成在提供电子商务平台功能的计算机设备中，例如终端设备或服务器等，其中，销售方平台可以通过电子商务平台展示并销售商品，消费者使用终端设备中的客户端通过电子商务平台访问商品(如浏览、购买和评价等)。如图3a所示，本实施例的方法具体包括：

[0080] S310，接收至少一个客户端发送的商品数据展示请求。

[0081] 客户端用于消费者使用，以访问、点击、购买和购买商品等。商品数据展示请求用于获取商品的展示数据并反馈给客户端，具体的，可以包括商品的标识信息，商品的标识信息用于查询确定商品匹配的数据，并生成页面展示数据。

[0082] 本发明实施例中的待预测的商品、商品行为数据、预测访问量、预测访问转化率、预测购买量、备料消耗量和备料预测值等可以参考上述实施例的描述。

[0083] 可选的，所述接收至少一个客户端发送的商品数据展示请求，包括：接收服务器分发系统转发的所述客户端发送的商品数据展示请求；其中，所述服务器分发系统用于根据所述商品数据展示请求中的展示标识信息确定目标分流服务器，并将所述商品数据展示请求转发至所述目标分流服务器。

[0084] 服务器分发系统用于对客户端发出的请求进行分流，以避免个别服务器集中处理大量请求，导致服务资源不均衡的问题。通常，商品数据展示请求包括展示标识信息，展示标识信息用于服务器分发系统对匹配的商品数据展示请求进行分流。展示标识信息可以包括用户标识信息和/或页面识别码等。示例性的，用户标识信息为通用唯一识别码(Universally Unique Identifier，UUID)。

[0085] 实际上，服务器分发系统可以按照不同的分流规则进行分流，例如，根据商品数据展示请求的内容(如待展示商品的类别)进行分类，或者根据发出商品数据展示请求的客户端的地理位置，此外还有其他分流规则，如随机分流，对此，本发明实施例不作具体限制。

[0086] 目标分流服务器用于响应商品数据展示请求，并收集关联的至少一个商品的商品行为数据。可以理解的是，收集的商品行为数据可以存储于本地或者集中存储在预设的存储服务器中，以便汇总其他分流服务器收集的商品行为数据。

[0087] 通过配置服务器分发系统对至少一个客户端发出的商品数据展示请求进行分流，使服务器资源均衡配置，提高商品数据展示请求的响应效率。

[0088] S320，根据所述商品数据展示请求生成页面展示数据反馈给对应的客户端，并收集与所述页面展示数据关联的至少一个商品的商品行为数据，其中，所述商品行为数据包括：浏览行为数据、点击行为数据、评价行为数据、搜索行为数据、收藏行为数据、加购物车行为数据以及购买行为数据中的一项或者多项；所述商品行为数据用于确定商品的备料预测值。

[0089] 页面展示数据用于在客户端中生成商品的展示页面显示给用户。具体的，页面展示数据可以包括商品的列表展示页面、商品的详情展示页面、商品的评价展示页面、商品的购买页面或商品的支付页面等。

[0090] 收集页面展示数据关联的至少一个商品的商品行为数据，用于后续预测至少一个商品的备料预测值。示例性的，若页面展示数据为用于生成商品的列表展示页面的数据，则收集关联的至少一个商品的商品行为数据具体为列表展示页面中包括的全部商品的访问次数加1。若页面展示数据为用于生成商品的详情展示页面的数据，则收集关联的至少一个商品的商品行为数据具体为该商品的点击次数加1。

[0091] 可选的，所述根据所述商品数据展示请求生成页面展示数据，包括：获取与所述商品数据展示请求匹配的页面模板；获取与所述商品数据展示请求匹配的展示内容数据集，并将所述展示内容数据集中的商品数据按照预设商品权重填充在所述页面模板中，生成页面展示数据。

[0092] 页面模板用于生成页面。示例性的，页面模板可以包括静态数据区域和动态数据填充区域，静态数据区域用于展示页面中可以长时间稳定不变的与商品无关的数据，如跳转控件；动态数据填充区域用于展示页面中动态更新的商品关联的数据，如商品列表。展示内容数据集包括展示给用户的商品的内容数据，具体可以包括商品数据展示请求匹配的商品数据。商品数据可以包括商品的名称、商品的展示图片、商品的价格、商品的发货地理位置信息和商品的用户评价等数据中的一项或者多项。商品数据填充在页面模板中待填充的动态数据填充区域内，形成页面展示数据，示例性的，客户端中最终展示的页面如图3b所示，静态数据区域302通常用于展示长时间不变的标题、时间和控件图片；动态数据填充区域301用于展示商品的图片和商品的信息(如价格、销售方名称等)。

[0093] 商品权重用于衡量商品的展示优先级，商品权重越高，商品越容易被用户看到。例如，商品A的权重最高，商品A在商品展示列表中的顶部。相应的，页面模板中包括多个商品展示区域，每个展示区域预设优先级，可以根据商品权重和各展示区域的优先级将商品数据填充于匹配的展示区域中。

[0094] 通过配置页面模板，快速生成页面展示数据，提高页面展示数据的生成效率，从而提高页面展示数据的反馈效率，同时预设商品权重，增强商品的展示效果。

[0095] 可选的，在将所述展示内容数据集中的商品数据按照预设商品权重填充在所述页面模板中之前，还包括：获取所述商品数据对应的匹配商品列表，并根据所述匹配商品列表的预设列表权重确定所述商品数据的商品权重；和/或获取所述商品数据对应的商品的商品行为数据并统计，并根据得到的统计数据，对所述商品进行质量评价，并根据得到的所述商品的质量分数，确定商品数据的权重。

[0096] 实际上，匹配商品列表用于存储对应的匹配规则查询到的商品数据。示例性的，商品数据展示请求是请求展示破洞牛仔裤的商品。基于第一匹配规则确定的第一匹配商品列表包括七分破洞牛仔裤的检索结果，基于第二匹配规则确定的第二匹配商品列表包括五分破洞牛仔裤的检索结果。根据列表权重确定商品权重可以是，将列表权重作为商品权重。在一个具体的例子中，第一匹配商品列表的列表权重为0.6，第二匹配商品列表的列表权重为0.2，若商品A在第一匹配商品列表中，则商品A的商品权重为0.6；若商品A在第二匹配商品列表中，则商品A的商品权重为0.2；此外，若商品A同时在两个匹配商品列表中，则取最高的列表权重作为商品权重，商品A的商品权重为0.6。实际上，商品数据可以出现在多个匹配商品列表，可以根据最高列表权重确定商品权重。

[0097] 其中，统计数据、质量评价和质量分数等均可以参考上述实施例的描述。商品数据的权重确定方式，可以是根据全部商品的质量分数进行归一化，得到各商品的权重。或者还可以将商品的质量分数与总分数的比值作为该商品的权重。此外，还有其他权重确定方式，本发明实施例不作具体限制。

[0098] 通过不同方式确定商品的权重，可以准确评价商品的的展示优先级，并对应显示给用户，提高商品展示的灵活性。

[0099] 可选的，在生成页面展示数据之前，还包括：根据所述展示内容数据集中的商品数据对应的商品属性信息，对所述展示内容数据集进行数据过滤，其中，所述商品属性信息包括：销售用户信息、商品标识信息和商品展示位置信息中的一项或者多项。

[0100] 其中，商品属性信息用于判断商品能否展示。具体的，商品能否展示可以从商品本身、商品关联的销售方和商品的展示位置进行判断。销售用户信息用于判断商品的销售方是否具备销售的资格，例如，销售用户信息用于判断销售用户是否合法、销售用户是否在电子商务平台的黑(白)名单中的信息以及销售用户是否具备生产并销售某个商品的资格等。商品标识信息用于判断商品是否可以被销售，例如，判断商品是否有效(如下架或虚假商品等)；或判断商品的差评率是否高于预设阈值等。商品展示位置信息用于根据商品的位置条件判断该商品是否过滤。具体的，展示内容数据集包括多个不同位置的商品数据，示例性的，可以包括搜索列表位置的商品数据、偏好推荐位置的商品数据和通用推荐位置(如置顶广告位)的商品数据等中的一项或者多项。商品数据过滤可以是对全局(即全部位置)过滤或者区块(如仅搜索列表位置)过滤。

[0101] 通过对展示内容数据集中的商品数据进行过滤，优化商品数据，减少冗余数据。

[0102] 本发明实施例通过接收到客户端发送的商品数据展示请求，生成页面展示数据并反馈，同时收集关联的至少一个商品的商品行为数据，用于商品的备料预测，可以在将商品展示的同时收集商品行为数据，提高收集商品行为数据的效率，以及实现准确收集商品行为的数据，从而，提高备料预测值的准确率。

[0103] 在一个具体的例子中，电子商务平台包括分流模块、UI模块、匹配模块、排序模块、实时索引模块和过滤模块等。

[0104] 其中，分流模块用于接收客户端发出的请求，并按照不同的分流规则对请求进行分流，分发到不同的服务器进行处理，并返回。

[0105] UI模块用于根据请求中的页面标识和区块标识在数据库(如redis)中查询页面模板。若页面模板仅包括静态数据，直接在页面模板中填充预先配置的数据返回；若页面模板包括动态数据，则需要通过后续的匹配模块和/或排序模块取得商品数据，然后在页面模板中填充获取的商品数据并返回。

[0106] 匹配模块用于根据请求中的页面标识和区块标识在数据库(如redis)中获取至少一个匹配规则，对应获取至少一个匹配商品列表，根据每个匹配商品列表的列表权重确定获取的所有商品数据的商品权重。并对全部商品数据按照商品权重进行排序，从而将权重高的商品数据进行优先展示。

[0107] 排序模块用于根据请求中的页面标识和区块标识在数据库(如redis)中获取至少一个排序规则，例如，对商品数据进行质量评价，根据得到的质量分数确定商品权重，从而基于商品权重对商品进行排序，从而将权重高的商品数据进行优先展示。

[0108] 实时索引模块用于根据匹配模块提供的检索关键词进行商品数据查询，并返回。

[0109] 过滤模块用于过滤商品数据，例如，过滤黑名单商品、过滤黑名单销售用户的商品和过滤优先级低于设定阈值的商品等。

[0110] 此外，电子商务平台还可以包括统计报表模块，用于统计和核算商品的商品行为数据或设定时间内的经济数据等。

[0111] 电子商务平台还包括三个子系统：模板配置管理子系统，区块位配置子系统，在线实验配置子系统：

[0112] 其中，页面模版配置管理子系统：用于配置各个页面的展示样式，区块单元组成区块，区块组成页面，每个页面会有一个唯一标识码(Identity，ID)，每个区块在各个页面上都会有唯一ID，每个区块单元在各个区块上也会有唯一ID。客户端在发送商品数据展示请求时，会生成请求的页面ID、区块ID和区块单元ID，生成方式可以是随机，也可以是按照预设规则生成。页面模版配置管理子系统可以从请求中提取页面ID、区块ID和区块单元ID。页面模版配置管理子系统将数据存储在数据库(如mysql或redis)中。

[0113] 区块位配置子系统用于配置每个区块单元、或者每个区块待展示数据的信息，如地理位置、性别或年龄等。

[0114] 在线实验配置子系统用于配置每个模块的参数，以判断当前参数设置的是否合适。实际上，针对每个区块位会有对应的实验配置，可以配置这个区块在各个模块会采用什么实验、实验的各种参数和实验的开始时间以及结束时间等。例如，将分流模块的分流规则配置为基于UUID和页面ID进行分流，从而，实现请求被随机打散，从而避免产生流量饥渴，提高实验的数据的准确性。又如，以不同的匹配规则进行组合获取匹配的商品数据，以进行匹配规则的适用性实验。此外，还有其他实验示例，对此，本发明实施例不作具体限制。

[0115] 实施例四

[0116] 图4是本发明实施例四中的一种商品的备料预测装置的结构示意图，如图4所示，所述装置具体包括：

[0117] 访问量和访问转化率预测模块410，用于获取与待预测的商品关联的商品行为数据，并根据所述商品行为数据计算与所述商品对应的预测访问量和预测访问转化率；其中，所述商品行为数据包括：浏览行为数据、点击行为数据、评价行为数据、搜索行为数据、收藏行为数据、加购物车行为数据以及购买行为数据中的一项或者多项；

[0118] 购买量预测模块420，用于根据所述预测访问量和所述预测访问转化率，确定所述商品的预测购买量；

[0119] 备料预测值计算模块430，用于根据所述商品的预测购买量和所述商品的预设单位商品的备料消耗量，计算所述商品的备料预测值。

[0120] 本发明实施例通过获取与商品关联的商品行为数据，计算该商品的预测访问量和预测访问转化率，以预估该商品的预测购买量，同时基于得到的预测购买量和备料消耗量，确定商品的备料预测值，解决了现有技术中根据经验准备备料量不准确，以及根据订单备料量，导致商品的生成周期过长的问题，实现准确预测商品的备料量，可以避免购买过多备料量，导致商品积压的情况，从而减少备料的浪费，以降低商品的成本，同时可以避免根据订单准备备料，导致商品备货周期过长的情况，有效缩短商品发货的时间周期，提高商品发货的效率。

[0121] 进一步的，所述访问量和访问转化率预测模块410，包括：访问转化率预测单元，用于对所述商品行为数据进行统计，并根据得到统计数据，输入到预先训练的转化率预测模型中，得到所述转化率预测模型输出的所述商品的预测访问转化率；其中，所述转化率预测模型为全部空间多任务模型，所述转化率预测模型中包括用于计算点击率的第一子网络和用于计算点击转化率的第二子网络，所述化率预测模型的输出为所述第一子网络输出的点击率与所述第二子网络输出的点击转化率的乘积，所述统计数据包括：所述商品的购买量统计数据、所述商品的类别排序统计数据和所述商品的评价统计数据中的一项或者多项。

[0122] 进一步的，所述访问量和访问转化率预测模块410，包括：访问量预测单元，用于根据所述商品的历史访问量和所述商品的所属类别的历史访问量；根据所述商品的历史访问量和所述商品的所属类别的历史访问量，采用卡尔曼滤波算法计算所述商品的预测访问量；或者获取所述商品对应的至少一项统计数据，对所述商品进行质量评价，并根据得到的所述商品的质量分数确定所述商品的预测访问量。

[0123] 进一步的，所述购买量预测模块420，包括：备料预测请求接收单元，用于在检测到所述商品的销售方平台发送的备料预测请求时，根据所述预测访问量和所述预测访问转化率，确定所述商品的预测购买量；所述商品的备料预测装置，还包括：备料预测值反馈模块，用于将所述商品的备料预测值反馈给所述商品的销售方平台。

[0124] 进一步的，所述访问量和访问转化率预测模块410，包括：商品行为数据获取单元，用于查询与所述待预测的商品匹配的商品行为数据；和/或查询目标商品匹配的商品行为数据；其中，所述目标商品符合所述待预测的商品匹配的相似条件。

[0125] 上述商品的备料预测装置可执行本发明任意实施例所提供的商品的备料预测方法，具备执行的商品的备料预测方法相应的功能模块和有益效果。

[0126] 实施例五

[0127] 图5是本发明实施例五中的一种商品行为数据的收集装置的结构示意图，如图5所示，所述装置具体包括：

[0128] 商品数据展示请求接收模块510，用于接收至少一个客户端发送的商品数据展示请求；

[0129] 商品行为数据统计模块520，用于根据所述商品数据展示请求生成页面展示数据反馈给对应的客户端，并收集与所述页面展示数据关联的至少一个商品的商品行为数据；其中，所述商品行为数据包括：浏览行为数据、点击行为数据、评价行为数据、搜索行为数据、收藏行为数据、加购物车行为数据以及购买行为数据中的一项或者多项；所述商品行为数据用于确定商品的备料预测值。

[0130] 本发明实施例通过接收到客户端发送的商品数据展示请求，生成页面展示数据并反馈，同时收集关联的至少一个商品的商品行为数据，用于商品的备料预测，可以在将商品展示的同时收集商品行为数据，提高收集商品行为数据的效率，以及实现准确收集商品行为的数据，从而，提高备料预测值的准确率。

[0131] 进一步的，所述商品行为数据统计模块520，包括：页面展示数据生成单元，用于获取与所述商品数据展示请求匹配的页面模板；获取与所述商品数据展示请求匹配的展示内容数据集，并将所述展示内容数据集中的商品数据按照预设商品权重填充在所述页面模板中，生成页面展示数据。

[0132] 进一步的，所述商品数据展示请求接收模块510，包括：分流单元，用于接收服务器分发系统转发的所述客户端发送的商品数据展示请求；其中，所述服务器分发系统用于根据所述商品数据展示请求中的展示标识信息确定目标分流服务器，并将所述商品数据展示请求转发至所述目标分流服务器。

[0133] 进一步的，所述页面展示数据生成单元，包括：商品数据的权重确定子单元，用于在将所述展示内容数据集中的商品数据按照预设商品权重填充在所述页面模板中之前，获取所述商品数据对应的匹配商品列表，并根据所述匹配商品列表的预设列表权重确定所述商品数据的商品权重；和/或获取所述商品数据对应的商品的商品行为数据并统计，并根据得到的统计数据，对所述商品进行质量评价，并根据得到的所述商品的质量分数，确定商品数据的权重。

[0134] 进一步的，所述页面展示数据生成单元，包括：展示数据过滤子单元，用于在生成页面展示数据之前，根据所述展示内容数据集中的商品数据对应的商品属性信息，对所述展示内容数据集进行数据过滤，其中，所述商品属性信息包括：销售用户信息、商品标识信息和商品展示位置信息中的一项或者多项。

[0135] 上述商品行为数据的收集装置可执行本发明任意实施例所提供的商品行为数据的收集方法，具备执行的商品行为数据的收集方法相应的功能模块和有益效果。

[0136] 实施例六

[0137] 图6为本发明实施例六提供的一种计算机设备的结构示意图。图6示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图6显示的计算机设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

[0138] 如图6所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。计算机设备12可以是车载设备。

[0139] 总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry Standard Architecture，ISA)总线，微通道体系结构(Micro Channel Architecture，MCA)总线，增强型ISA总线、视频电子标准协会(Video Electronics Standards Association，VESA)局域总线以及外围组件互连(Peripheral Component Interconnect，PCI)总线。

[0140] 计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

[0141] 系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图6未显示，通常称为“硬盘驱动器”)。尽管图6中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如紧凑磁盘只读存储器(Compact Disc Read-Only Memory，CD-ROM)，数字视盘(Digital Video Disc-Read Only Memory，DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

[0142] 具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如系统存储器28中，这样的程序模块42包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。

[0143] 计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(Input/Output，I/O)接口22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(Local Area Network，LAN)，广域网(Wide Area Network，WAN)通信。如图所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图6中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、(Redundant Arrays of Inexpensive Disks，RAID)系统、磁带驱动器以及数据备份存储系统等。

[0144] 处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的商品的备料预测方法或本发明实施例所提供的商品行为数据的收集方法。

[0145] 实施例七

[0146] 本发明实施例七还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请所有发明实施例提供的商品的备料预测方法：获取与待预测的商品关联的商品行为数据，并根据所述商品行为数据计算与所述商品对应的预测访问量和预测访问转化率；其中，所述商品行为数据包括：浏览行为数据、点击行为数据、评价行为数据、搜索行为数据、收藏行为数据、加购物车行为数据以及购买行为数据中的一项或者多项；根据所述预测访问量和所述预测访问转化率，确定所述商品的预测购买量；根据所述商品的预测购买量和所述商品的预设单位商品的备料消耗量，计算所述商品的备料预测值。

[0147] 或者，该程序被处理器执行时实现如本申请所有发明实施例提供的商品行为数据的收集方法：接收至少一个客户端发送的商品数据展示请求；根据所述商品数据展示请求生成页面展示数据反馈给对应的客户端，并收集与所述页面展示数据关联的至少一个商品的商品行为数据；其中，所述商品行为数据包括：浏览行为数据、点击行为数据、评价行为数据、搜索行为数据、收藏行为数据、加购物车行为数据以及购买行为数据中的一项或者多项；所述商品行为数据用于确定商品的备料预测值。

[0148] 本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、RAM、只读存储器(Read Only Memory，ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、闪存、光纤、便携式CD-ROM、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

[0149] 计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

[0150] 计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、无线电频率(RadioFrequency，RF)等等，或者上述的任意合适的组合。

[0151] 可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括LAN或WAN——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

[0152] 注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

标题	发布/更新时间	阅读量
一种垃圾分类回收站系统	2020-05-11	922
可与相同的车堆叠的购物车	2020-05-08	536
一种购物车生产使用的把手打磨装置	2020-05-11	429
一种智能购物车车锁结构及购物车	2020-05-12	817
展示方法及装置、服务器、电子设备	2020-05-08	157
用于管控餐饮下单的方法及装置	2020-05-08	184
一种自动扫描式图像识别的自动售货装置及方法	2020-05-08	600
电子智能锁	2020-05-08	249
一种后方自动出货售卖柜	2020-05-11	494
悬挂装置和购物车	2020-05-08	948

商品的备料预测、行为数据收集方法、装置、设备和介质

商品的备料预测、行为数据收集方法、装置、设备和介质

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：