分润系统及方法技术方案

本申请公开了一种分润系统及方法，该系统包括订单管理模块，用于获取订单信息，判断订单是否有红包补贴、是否属于推荐购买；分润比例计算模块，用于将订单信息分别输入返红包分润比例计算模型和/或销量分润比例计算模型和/或推荐分润比例计算模型，得到返红包分润比例和/或销量分润比例和/或推荐分润比例；权重分配模块，用于获取返红包分润比例、销量分润比例、推荐分润比例对应的第一计算权重、第二计算权重、第三计算权重；订单分润确定模块，用于根据多个分润比例和多个计算权重得到订单分润；支付清分模块，用于根据订单分润将交易资金进行分配。本申请解决相关分润方式无法真实的关联到影响交易利润的各种信息，影响客户粘性的问题。

【技术实现步骤摘要】
分润系统及方法
本申请涉及数据处理
，具体而言，涉及一种分润系统及方法。
技术介绍
在移动互联时代，随着电子商务技术的飞速发展，网络平台已经成为人们日常消费的一个重要工具。商家店铺也可以通过网络平台进行商品的销售，商家店铺和网络平台存在网络销售分润的问题。即网络平台会进行一定比例的抽成。目前相关技术的网络销售分润通常是根据店铺的销售的产品的类型设定固定的分润比例，比如对于A商品，平台的分润为6％，对于B商品，平台的分润为8％等等。专利技术人实施上述现有的网络销售分润的方式时，发现相关技术中分润方式比较机械，无法真实的关联到影响交易利润的各种信息，比如不同地区、不同时段、是否有红包补贴、是否有推荐等信息，这些都会对交易的利润产生影响。比如，经济发达地区和经济较落后地区的交易利润不同，比如在折扣活动期间和平常时段交易利润不同；再比如有红包补贴和没有红包补贴交易利润也是不同的。而现有的分润系统没有将这些影响信息考虑在内，不能根据这些信息及时的调整分润的比例，影响客户粘性。
技术实现思路
本申请的主要目的在于提供一种分润系统及方法，解决现有发现相关技术中分润方式比较机械，无法真实的关联到影响交易利润的各种信息，而导致无法根据这些信息及时的调整分润的比例，影响客户粘性的问题。为了实现上述目的，根据本申请的第一方面，提供了一种分润系统。所述系统包括：订单管理模块，用于获取订单信息，订单信息中包括商品类型、店铺所属地区、购买时段；并判断所述订单信息对应的订单是否有红包补贴、是否属于推荐购买；分润比例计算模块，用于将订单信息分别输入到返红包分润比例计算模型和/或销量分润比例计算模型和/或推荐分润比例计算模型中，得到所述订单信息对应的返红包分润比例和/或销量分润比例和/或推荐分润比例；权重分配模块，用于获取订单信息对应的返红包分润比例对应的第一计算权重和/或销量分润比例对应的第二计算权重和/或推荐分润比例对应的第三计算权重；订单分润确定模块，用于根据第一计算权重和/或第二计算权重和/或第三计算权重对返红包分润比例和/或销量分润比例和/或推荐分润比例进行加权求和得到订单分润；支付清分模块，用于根据订单分润确定模块确定的订单分润将交易资金分配到店铺对应的资金账户中以及系统对应的平台佣金账户中。可选的，所述系统还包括模型训练模块，用于基于大数据技术对收集的训练样本进行训练得到返红包分润比例计算模型、销量分润比例计算模型、推荐分润比例计算模型，训练样本包括不同平台、不同商品类型、不同地区、不同购买时段对应的订单以及对应的返红包分润比例和/或销量分润比例和/或推荐分润比例。可选的，所述模型训练模块包括：第一训练单元，用于将训练样本中包括返红包分润比例的订单对应的商品类型信息、地区信息、购买时段信息作为深度神经网络的输入，对应的返红包分润比例作为深度神经网络的输出进行模型的训练得到返红包分润比例计算模型；第二训练单元，用于将训练样本中包括销量分润比例的订单对应的商品类型信息、地区信息、购买时段信息作为深度神经网络的输入，对应的返红包分润比例作为深度神经网络的输出进行模型的训练得到销量分润比例计算模型；第三训练单元，用于将训练样本中包括推荐分润比例的订单对应的商品类型信息、地区信息、购买时段信息作为深度神经网络的输入，对应的返红包分润比例作为深度神经网络的输出进行模型的训练得到推荐分润比例计算模型。可选的，所述权重分配模块包括：获取单元，用于获取订单信息中的店铺所属地区和/或购买时段，以及店铺的规模；权重分配单元，用于根据店铺所属地区和/或购买时段，以及店铺的规模从权重分配表中获取订单信息对应的返红包分润比例对应的第一计算权重和/或销量分润比例对应的第二计算权重和/或推荐分润比例对应的第三计算权重并进行对应的分配。可选的，所述系统还包括模型动态更新模块，用于根据持续更新的样本对返红包分润比例计算模型、销量分润比例计算模型、推荐分润比例计算模型进行模型的动态调整。为了实现上述目的，根据本申请的第二方面，提供了一种分润方法。所述方法应用上述分润系统中，所述方法包括：订单管理模块获取订单信息，订单信息中包括商品类型、店铺所属地区、购买时段；并判断所述订单信息对应的订单是否有红包补贴、是否属于推荐购买；根据是否有红包补贴、是否属于推荐购买，分润比例计算模块将从订单管理模块中获取的订单信息分别输入到返红包分润比例计算模型和/或销量分润比例计算模型和/或推荐分润比例计算模型中，得到所述订单信息对应的返红包分润比例和/或销量分润比例和/或推荐分润比例；权重分配模块从权重分配表中获取订单信息对应的返红包分润比例对应的第一计算权重和/或销量分润比例对应的第二计算权重和/或推荐分润比例分别对应的第三计算权重；订单分润确定模块根据权重分配模块中得到的第一计算权重和/或第二计算权重和/或第三计算权重对分润比例计算模块得到的返红包分润比例和/或销量分润比例和/或推荐分润比例进行加权求和得到订单分润；支付清分模块根据订单分润确定模块确定的订单分润将交易资金分配到店铺对应的资金账户中以及系统对应的平台佣金账户中。可选的，所述方法还包括：模型训练模块预先基于大数据技术对收集的训练样本进行训练得到返红包分润比例计算模型、销量分润比例计算模型、推荐分润比例计算模型，训练样本包括不同平台、不同商品类型、不同地区、不同购买时段对应的订单以及对应的返红包分润比例和/或销量分润比例和/或推荐分润比例。可选的，所述模型训练模块预先基于大数据技术对收集的训练样本进行训练得到返红包分润比例计算模型、销量分润比例计算模型、推荐分润比例计算模型包括：模型训练模块中的第一训练单元将训练样本中包括返红包分润比例的订单对应的商品类型信息、地区信息、购买时段信息作为深度神经网络的输入，对应的返红包分润比例作为深度神经网络的输出进行模型的训练得到返红包分润比例计算模型；模型训练模块中的第二训练单元将训练样本中包括销量分润比例的订单对应的商品类型信息、地区信息、购买时段信息作为深度神经网络的输入，对应的返红包分润比例作为深度神经网络的输出进行模型的训练得到销量分润比例计算模型；模型训练模块中的第三训练单元将训练样本中包括推荐分润比例的订单对应的商品类型信息、地区信息、购买时段信息作为深度神经网络的输入，对应的返红包分润比例作为深度神经网络的输出进行模型的训练得到推荐分润比例计算模型。为了实现上述目的，根据本申请的第三方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行上述第二方面中任意一项所述的分润方法。为了实现上述目的，根据本申请的第四方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执本文档来自技高网...

【技术保护点】
1.一种分润系统，其特征在于，所述系统包括：/n订单管理模块，用于获取订单信息，订单信息中包括商品类型、店铺所属地区、购买时段；并判断所述订单信息对应的订单是否有红包补贴、是否属于推荐购买；/n分润比例计算模块，用于将订单信息分别输入到返红包分润比例计算模型和/或销量分润比例计算模型和/或推荐分润比例计算模型中，得到所述订单信息对应的返红包分润比例和/或销量分润比例和/或推荐分润比例；/n权重分配模块，用于获取订单信息对应的返红包分润比例对应的第一计算权重和/或销量分润比例对应的第二计算权重和/或推荐分润比例对应的第三计算权重；/n订单分润确定模块，用于根据第一计算权重和/或第二计算权重和/或第三计算权重对返红包分润比例和/或销量分润比例和/或推荐分润比例进行加权求和得到订单分润；/n支付清分模块，用于根据订单分润确定模块确定的订单分润将交易资金分配到店铺对应的资金账户中以及系统对应的平台佣金账户中。/n

【技术特征摘要】
1.一种分润系统，其特征在于，所述系统包括：
订单管理模块，用于获取订单信息，订单信息中包括商品类型、店铺所属地区、购买时段；并判断所述订单信息对应的订单是否有红包补贴、是否属于推荐购买；
分润比例计算模块，用于将订单信息分别输入到返红包分润比例计算模型和/或销量分润比例计算模型和/或推荐分润比例计算模型中，得到所述订单信息对应的返红包分润比例和/或销量分润比例和/或推荐分润比例；
权重分配模块，用于获取订单信息对应的返红包分润比例对应的第一计算权重和/或销量分润比例对应的第二计算权重和/或推荐分润比例对应的第三计算权重；
订单分润确定模块，用于根据第一计算权重和/或第二计算权重和/或第三计算权重对返红包分润比例和/或销量分润比例和/或推荐分润比例进行加权求和得到订单分润；
支付清分模块，用于根据订单分润确定模块确定的订单分润将交易资金分配到店铺对应的资金账户中以及系统对应的平台佣金账户中。


2.根据权利要求1所述的分润系统，其特征在于，所述系统还包括模型训练模块，用于基于大数据技术对收集的训练样本进行训练得到返红包分润比例计算模型、销量分润比例计算模型、推荐分润比例计算模型，训练样本包括不同平台、不同商品类型、不同地区、不同购买时段对应的订单以及对应的返红包分润比例和/或销量分润比例和/或推荐分润比例。


3.根据权利要求2所述的分润系统，其特征在于，所述模型训练模块包括：
第一训练单元，用于将训练样本中包括返红包分润比例的订单对应的商品类型信息、地区信息、购买时段信息作为深度神经网络的输入，对应的返红包分润比例作为深度神经网络的输出进行模型的训练得到返红包分润比例计算模型；
第二训练单元，用于将训练样本中包括销量分润比例的订单对应的商品类型信息、地区信息、购买时段信息作为深度神经网络的输入，对应的返红包分润比例作为深度神经网络的输出进行模型的训练得到销量分润比例计算模型；
第三训练单元，用于将训练样本中包括推荐分润比例的订单对应的商品类型信息、地区信息、购买时段信息作为深度神经网络的输入，对应的返红包分润比例作为深度神经网络的输出进行模型的训练得到推荐分润比例计算模型。


4.根据权利要求1所述的分润系统，其特征在于，所述权重分配模块包括：
获取单元，用于获取订单信息中的店铺所属地区和/或购买时段，以及店铺的规模；
权重分配单元，用于根据店铺所属地区和/或购买时段，以及店铺的规模从权重分配表中获取订单信息对应的返红包分润比例对应的第一计算权重和/或销量分润比例对应的第二计算权重和/或推荐分润比例对应的第三计算权重并进行对应的分配。


5.根据权利要求1所述的分润系统，其特征在于，所述系统还包括模型动态更新模块，用于根据持续更新的样本对返红包分润比例计算模型、销量分润比例计算模型、推荐分润比例计算模型进行模型的动态调整。


6.一种分润方法，其特征在于，所述方法应用上述分...

【专利技术属性】
技术研发人员：于华，于立超，
申请(专利权)人：北京嗖嗖快跑科技有限公司，
类型：发明
国别省市：北京;11