[发明专利]提高购物车中的物品的转化率的方法、装置和电子装置

说明书

本发明提供一种提高购物车中的物品的转化率的方法。该方法包括：确定购物车中的物品；计算物品未被转化的归因分数；以及根据归因分数，调整物品的参数和/或发送与所述物品有关的消息。本发明能够精确分析停留在购物车中的商品用户未购买的原因，从而提供更好的营销方案。

技术领域

本发明涉及电子商务技术领域，具体涉及一种提高购物车中的物品的转化率的方法、装置和电子装置。

背景技术

作为电子商务网站，用户经历搜索、浏览、加购、下单的流程。购物车基本上是离用户下单最近的一个环节。一般来说，购物车里面的商品是用户购买意愿最强的商品。现在所有电商公司都会遇到这样的问题，用户的购物车中有许多商品，但是一直没有下单。尤其在大促期间，购物车中的商品会大幅度增长，这样无形中也会给购物车服务器增加很大的压力。据不完全统计京东停留在用户购物车中的商品有近几十亿，那么通过有效大数据支持并配合合理的营销方案，提高购物车的转化率就至关重要。

由于数据仓库中没有购物车中商品的快照模型，商品的加购情况只能通过流量的角度来统计，即统计各个渠道(例如应用(APP)、PC、微信、手Q等)的商品加入购物车按钮的点击情况。相应的营销方案多数采用单品直降、发券的营销手段配合购物车降价提醒的方式。

如图1所示，现有的技术方案包括数据采集区101、大数据模型区102、营销方案103这三个重要环节。在数据采集区101，统计各个渠道，例如PC端、移动端、APP端、微信、手Q端加入购物车点击日志收集。然后，在大数据模型区102中通过相对简单的模型(例如购物车点击日志基础模型和加入购物车次数模型)分析购物车，以便提供合适的营销方案103。营销方案103可能包括购物车降价提醒、指导大促备货和令牌降价促销等。

可以清晰地看出如下，现有技术存在如下缺点：(1)数据采集区各个渠道均通过流量点击的方式来统计商品加购的情况，由于有些埋点统计不全，导致加购的数据不准确；(2)大数据模型区没有对未下单的商品、用户进行归因分析，对后期的营销指导支持不够全面；(3)采用单一的用户购物车降价提醒加统一的促销方案，营销手段多采用降价的方式，提高了销售额，但降低了毛利。

发明内容

有鉴于此，根据本发明的第一方面，提供一种提高购物车中的物品的转化率的方法。所述方法包括：从至少一个购物车系统接收购物车的操作日志；根据购物车的操作日志，确定当前购物车中的所有物品；根据购物车加购时间模型，从所有物品中筛选出要被计算归因分数的物品；计算筛选出的物品未被转化的归因分数；以及根据所述归因分数，调整相应物品的参数和/或发送与所述相应物品有关的消息。

在一个实施例中，所述方法可以包括保留每件物品的最后一条操作记录并与以前的购物车进行比较，以确定当前购物车中的所有物品。

在一个实施例中，所述购物车加购时间模型可以至少指示用户最近活跃的时间和/或物品被添加到购物车的时间，用于排除近期不活跃的用户和/或从购物车中排除在购物车中时间过长的物品。

在一个实施例中，所述方法可以包括：针对多个归因模型中的每一个，计算筛选出的物品在归因模型中的归因分数，并将计算的多个归因模型的归因分数排序，以确定物品未被转化的原因，其中，每个归因模型具有权重。

在一个实施例中，所述方法还可以包括根据物品的参数，在每个归因模型中对物品评分，以及将归因模型的权重和所述评分相乘，计算物品在该归因模型中的归因分数。

在一个实施例中，所述多个归因模型包括价格模型、评价占比模型、购物车同类物品模型和购买周期模型，并且物品的参数包括库存信息、价格信息、评价信息、购物车同类物品数目信息和购买周期信息，所述方法还包括：如果库存信息为缺货，则确定物品未被转化的原因是缺货。

在一个实施例中，与所述相应物品有关的消息包括到货信息、降价信息和物品推荐信息中的至少一个。