【技术实现步骤摘要】
本专利技术涉及自动推单，尤其涉及一种基于大数据的系统对接自动推单方法。
技术介绍
1、自动推单是商业流程自动化的一个关键组成部分，特别关注在线购买、销售或租赁交易的自动化处理。该技术主要涉及使用计算机系统和软件工具来自动推送订单处理，从而提高效率和减少人工干预的需求。自动推单技术包括电子购物和电子订单处理，使企业能够快速、准确地处理大量交易。
2、但是现有技术未能有效整合外部即时信息，如新闻事件，导致在市场快速变动时响应滞后。这种滞后性可能导致未能及时调整商品推荐策略，从而错过关键销售机会。例如，面对突发事件时，现有技术难以迅速反映该信息对消费者行为的影响，继而影响商品的销售效果和客户满意度，减少了潜在的购买转化率。
技术实现思路
1、本专利技术的目的是解决现有技术中存在的缺点，而提出的一种基于大数据的系统对接自动推单方法。
2、为了实现上述目的，本专利技术采用了如下技术方案，一种基于大数据的系统对接自动推单方法，包括以下步骤：
3、访问新闻源网站，采集新闻文本内容，提取新闻事件信息，将所述新闻事件信息与已知类型匹配，生成事件类别划分结果；
4、基于所述事件类别划分结果，提取每个事件的类别标识，计算每个新闻事件类别与每个商品之间的关联度，生成关联分析结果，根据所述关联分析结果，调整商品推荐的展示优先级，根据所述展示优先级对商品推荐列表进行动态更新，完成推荐列表更新；
5、根据消费者购买记录与所述关联分析结果，执行数据聚合，
6、基于捆绑销售优化方案，执行价格弹性分析，计算每个捆绑商品组合的价格调整点，执行价格点动态调整，结合每种消费者群体的价格敏感度数据，调整捆绑产品的销售价格，生成价格调整策略，利用所述价格调整策略，进行个性化优惠推荐，分析优惠推荐的接受率与效果，得到个性化优惠推荐结果。
7、较佳的，所述事件类别划分结果的获取步骤为：
8、访问新闻源网站，采集新闻文本内容，得到原始文本数据集；
9、基于所述原始文本数据集，执行自然语言处理中的实体识别，识别新闻事件的关键信息，公式为：
10、；
11、其中，为新闻事件的关键信息，为原始文本中第条新闻的第个词项，为词项的权重，为词项总数；
12、基于所述新闻事件的关键信息，与预设的事件类型数据库进行匹配，根据匹配度进行分类，得到事件类别划分结果。
13、较佳的，所述关联分析结果的获取步骤为：
14、根据所述事件类别划分结果，提取每个事件的类别标识，得到事件类别标识集；
15、基于所述事件类别标识集，执行关联度分析，计算每个新闻事件类别与每个商品之间的关联度，计算公式为：
16、；
17、其中，为事件类别与商品的关联度，为类别下第个事件的出现频率，为事件与商品的先验关联强度，为类别中的事件总数；
18、基于所述关联度，生成关联分析结果。
19、较佳的，所述推荐列表更新的步骤为：
20、利用所述关联分析结果，根据每个商品与当前新闻事件的关联度进行排序，得到商品推荐优先级列表；
21、基于所述商品推荐优先级列表，实时监控用户的活动和市场变动，对商品推荐优先级进行实时调整；
22、将调整后的商品推荐优先级应用于在线展示，根据调整后的商品推荐优先级动态更新前端展示的商品推荐列表，完成推荐列表更新。
23、较佳的，所述消费者行为分析结果的获取步骤为：
24、收集消费者的购买记录数据，所述购买记录数据包括购买频率、购买时间、购买的商品种类及购买的商品数量，得到消费者购买记录集；
25、结合所述关联分析结果，对所述消费者购买记录集进行分析，匹配消费者购买记录与当前商品与事件的关联度，识别消费者的购买偏好和行为模式；
26、根据购买偏好和行为模式，执行数据聚合，生成消费者行为分析结果。
27、较佳的，所述捆绑销售优化方案的获取步骤为：
28、从所述消费者行为分析结果中提取关键数据，所述关键数据包括消费者对每类商品的兴趣水平和购买倾向性，形成消费者兴趣和购买倾向数据集；
29、基于所述消费者兴趣和购买倾向数据集，计算商品之间的潜在捆绑销售机会，计算公式为：
30、；
31、其中，表示商品和商品的捆绑销售潜力值，为商品根据消费者的购买倾向性得到的评分，为商品根据同一消费者的购买倾向性得到的评分，为消费者的购买活跃度；
32、根据所述捆绑销售潜力值，确定商品组合，生成捆绑销售优化方案。
33、较佳的，所述价格调整策略的获取步骤为：
34、从所述捆绑销售优化方案中提取每个商品捆绑组合的潜在销售价值，形成捆绑商品价值数据集；
35、针对每种消费者群体的价格敏感度数据并结合捆绑商品价值数据集，执行价格弹性分析，计算每个捆绑商品组合的价格调整点，计算公式为：
36、；
37、其中，表示调整后的价格，为基础起始价格，为消费者群体的需求变化量，为消费者群体的价格弹性，为消费者群体总数；
38、根据调整后的价格，调整每种捆绑商品的销售价格，生成价格调整策略。
39、较佳的，所述个性化优惠推荐结果的获取步骤为：
40、基于所述价格调整策略，根据每个消费者的购买记录、行为模式及响应的价格敏感度定制优惠内容，形成个性化优惠推荐；
41、实施个性化优惠推荐，通过电子邮件、社交媒体和应用内通知向消费者群体发送优惠推荐；
42、收集和分析消费者对所述个性化优惠推荐的优惠接受率，判断优惠实施效果，生成个性化优惠推荐结果。
43、与现有技术相比，本专利技术的优点和积极效果在于：
44、本专利技术通过新闻源获取文本数据并实施实体识别提取事件信息，使商品推荐能够基于最新市场动态进行调整，从而优化时效性和相关性。事件信息的分类与分析提高了商品推荐的精确度，并增强了推荐内容与市场趋势的同步性。进一步分析新闻事件类别与商品间的关联度，并动态更新推荐列表，使得商品展示更贴近消费者当前的需求和兴趣。消费者行为分析结果的应用不仅提升了用户体验，也预测了受欢迎的产品捆绑，优化了库存管理。而价格点的动态调整结合消费者的价格敏感度数据，提高了销售转化率并降低了营销成本。
本文档来自技高网...【技术保护点】
1.一种基于大数据的系统对接自动推单方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于大数据的系统对接自动推单方法，其特征在于，所述事件类别划分结果的获取步骤为：
3.根据权利要求1所述的基于大数据的系统对接自动推单方法，其特征在于，所述关联分析结果的获取步骤为：
4.根据权利要求1所述的基于大数据的系统对接自动推单方法，其特征在于，所述推荐列表更新的步骤为：
5.根据权利要求1所述的基于大数据的系统对接自动推单方法，其特征在于，所述消费者行为分析结果的获取步骤为：
6.根据权利要求1所述的基于大数据的系统对接自动推单方法，其特征在于，所述捆绑销售优化方案的获取步骤为：
7.根据权利要求1所述的基于大数据的系统对接自动推单方法，其特征在于，所述价格调整策略的获取步骤为：
8.根据权利要求1所述的基于大数据的系统对接自动推单方法，其特征在于，所述个性化优惠推荐结果的获取步骤为：
【技术特征摘要】
1.一种基于大数据的系统对接自动推单方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于大数据的系统对接自动推单方法，其特征在于，所述事件类别划分结果的获取步骤为：
3.根据权利要求1所述的基于大数据的系统对接自动推单方法，其特征在于，所述关联分析结果的获取步骤为：
4.根据权利要求1所述的基于大数据的系统对接自动推单方法，其特征在于，所述推荐列表更新的步骤为：
5.根据权利要求1...
【专利技术属性】
技术研发人员：楼浙栋，
申请(专利权)人：杭州葱花花科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。