[发明专利]一种物品识别方法和装置

说明书

本发明公开了一种物品识别方法和装置，涉及仓储物流领域。该方法的一具体实施方式包括：根据每个物品在一个活动中的引入流量和销量，确定每个物品在所述一个活动中的贡献类型；获取多个活动中每个物品的特征信息，与每个物品在每个活动中的销量、引入流量、贡献类型一同输入到待训练模型进行训练，得到无贡献物品识别模型；使用所述无贡献物品识别模型，对各待处理物品的特征信息进行处理，以识别出贡献类型为无贡献的物品。该实施方式基于有贡献和无贡献物品的特征信息和评估变量训练模型，最终应用于评估哪些备用物品对活动无贡献，以避免传统分析方法中数据随机性导致的偏误决策。

技术领域

本发明涉及仓储物流领域，尤其涉及一种物品识别方法和装置。

背景技术

为提高消费者的购买意愿，提升转化率及销量，平台或商家经常会设置各种形式和折扣力度的活动，活动结束后会对效果进行复盘，查看是否有达到销售目标。有些还会分析哪些物品参加这次活动的效果不佳，那么下次活动就剔除该物品。如果不进行这种复盘和物品池的持续迭代优化，可能会造成大量吸引力小的物品持续存在于物品池中，浪费营销流量，降低用户体验。

在活动复盘和优化过程中，采销或相关分析人员通常是根据简单的数据分析结合主观经验，去判断哪些物品在本次活动中表现一般，进而在以后的活动中进行调整。这种做法过于依赖采销人员的业务能力，并且具有以下局限性：1)关注的指标单一，无法全面评估物品贡献；2)物品剔除原则简单，缺乏数据支撑和科学指导。

发明内容

有鉴于此，本发明实施例提供一种物品识别方法和装置，至少能够解决现有技术无法全面评估物品贡献，剔除原则缺乏数据支撑和科学指导的现象。

为实现上述目的，根据本发明实施例的一个方面，提供了一种物品识别方法，包括：

根据每个物品在一个活动中的引入流量和销量，确定每个物品在所述一个活动中的贡献类型；其中，贡献类型分有贡献和无贡献，无贡献的销量和引入流量均为零；

获取多个活动中每个物品的特征信息，与每个物品在每个活动中的销量、引入流量、贡献类型一同输入到待训练模型进行训练，得到无贡献物品识别模型；

使用所述无贡献物品识别模型，对各待处理物品的特征信息进行处理，以识别出贡献类型为无贡献的物品。

可选的，所述根据每个物品在一个活动中的引入流量和销量，确定每个物品在所述一个活动中的贡献类型，包括：

根据所述一个活动的物品间引流记录表，识别不同物品间的引流关系，计算每个物品在所述一个活动中为其他物品引入的流量；

统计每个物品在所述一个活动中的销量，结合引入流量，确定每个物品在所述一个活动中的贡献类型。

可选的，在根据所述一个活动的物品间引流记录表，识别不同物品间的引流关系之前，还包括：

基于用户名和活动标识，获取第一访问记录和第二访问记录；其中，所述第一访问记录用于记录通过来源物品详情页访问活动聚合页的第一时间点、再次通过所述来源物品详情页或通过其他物品详情页访问活动聚合页的第二时间点，所述第二访问记录用于记录通过活动聚合页访问流向物品详情页的第三时间点；

若所述第三时间点介于所述第一时间点和所述第二时间点之间，则基于所述用户名、所述活动标识、来源物品标识和流向物品标识，生成所述一个活动的物品间引流记录表。

可选的，在所述基于用户名和活动标识，获取第一访问记录和第二访问记录之前，还包括：

响应于对一个物品的详情页的访问操作，在详情页上显示所述一个物品当前参与的活动信息；其中，所述活动信息包括活动链接；