[发明专利]数据处理方法及装置

说明书

技术领域

本发明涉及信息处理领域，特别涉及一种数据处理方法及装置。

背景技术

随着电子商务的迅猛发展，消费者能够选择的商品日益增多，面对如此海量的商品，业务人员如何正确评估商品的价值显得尤为重要。

现有的商品价值评估方法，主要是利用商品的销量将商品分别划分为不同档位，通过商品所在档位评估商品的价值。或者，采销人员通过对购买商品的新老用户数、商品复购率等历史数据指标，依靠业务知识对商品价值进行评估。

发明内容

发明人研究发现，现有技术无法实现对商品价值客观、准确的量化。

本发明解决的一个技术问题是，如何实现对于商品价值的量化，从而更加客观、准确的衡量商品的价值。

根据本发明实施例的一个方面，提供了一种数据处理方法，包括：根据商品的交易数据，计算商品的不可替代性指标，其中，商品的不可替代性指标表示用户购买其它商品替代购买商品这一事件不发生的概率；根据商品的交易数据，计算商品的光环效应指标，其中，商品的光环效应指标表示商品吸引用户进行消费的能力；根据商品的销售额、商品的不可替代性指标以及商品的光环效应指标，计算商品的价值。

在一个实施例中，将商品的销售额、商品的不可替代性指标以及商品的光环效应指标相乘，计算得到商品的价值。

在一个实施例中，根据商品的交易数据，计算商品的不可替代性指标包括：根据某用户在连续订单对中的历史订单数据，计算某用户在连续订单对中，从商品到另一商品的替代性消费；将所有用户在所有连续订单对中，从商品到其它各个商品的替代性消费的加和，与商品的销售额作比，计算得到商品的替代性指标；根据商品的替代性指标计算商品的不可替代性指标。

在一个实施例中，利用如下公式计算某用户从商品A到商品B的替代性消费：

其中，S(A,B)表示某用户从商品A到商品B的替代性消费，Sale_1A表示某用户第一订单中商品A的金额，Sale_2B表示某用户第二订单中商品B的金额，Sale₂表示某用户第二订单的总金额，第一订单和第二订单为某用户的连续订单。

在一个实施例中，利用如下公式计算商品A的不可替代性指标：

其中，Switch(A)表示商品A的不可替代性指标，T表示另一替代商品，S_A表示商品A的销售额。

在一个实施例中，光环效应指标为忠诚用户光环效应指标以及新用户光环效应指标的加和，忠诚用户光环效应指标表示商品吸引老用户购买商品的能力，新用户光环效应指标表示商品吸引新用户购买其它商品的能力。

在一个实施例中，利用如下公式计算忠诚用户光环效应指标：

其中，Halo(A)_focus表示商品A的忠诚用户光环效应指标，Sale(A)_focus表示商品A的忠诚用户销售额，Sale(A)_regular表示商品A的非忠诚用户销售额，α表示商品A的忠诚用户销售额的权重因子。

在一个实施例中，利用如下公式计算商品A的忠诚用户销售额的权重因子：

其中，∑_focusF(A)表示商品A下架时忠诚用户造成的销售额损失，Switch(A)表示商品A的不可替代性指标。

在一个实施例中，利用如下公式计算商品A下架时某忠诚用户造成的销售额损失：

F(A)＝P_A(Sale_A+Sale_B+Sale_C)+(1-P_A)*Sale_A*Switch(A)

其中，Sale_A表示商品A的某忠诚用户销售额，Sale_B表示商品B的某忠诚用户销售额，Sale_C商品C的某忠诚用户销售额，商品B为某忠诚用户购买的与商品A同类型的商品，商品C为某忠诚用户购买的与商品A不同类型的商品，P_A表示商品A下架时某忠诚用户离开的概率。

在一个实施例中，利用如下公式计算商品A下架时某忠诚用户离开的概率：