[发明专利]基于机器自学习的商品自动上下线方法、装置和电子设备

说明书

本发明提供一种基于机器自学习的商品自动上下线方法、装置、电子设备和记录介质，方法包括：建立商品信息数据库，用于存储商品基本信息、商品表现数据和商品评分，该商品评分是用于评价商品上线销售的适合度的指标；建立商品上下线推荐模型，模型基于机器自学习算法，能够根据历史商品基本信息和历史商品表现数据定期计算并更新商品数据库中商品的商品评分；根据预定的商品上下线规则在在线购物平台自动上线或下线商品，商品上下线规则与商品评分相关联。本发明能够更准确的评定购物平台上销售的商品是否受用户喜欢，将人气更高的商品自动优先上线供用户购买，提升用户体验和对购物平台的满意度，无需人工操作，提高效率，节省人力和成本。

技术领域

本发明属于网络销售技术领域，更具体的是涉及一种基于机器自学习的商品自动上下线方法、装置和电子设备。

背景技术

随着利用网络或电话平台预购商品的购物模式的兴起，使得消费者足不出户就可以轻松买到要购买到的商品，随着网络购物平台规模的扩大，销售商品的种类和数量都在飞速增长。随之而来的问题在于，有些商品的销售速度很快，有些则较慢。为了确保线上销售的商品的热度，需要对线上商品定期、或不定期的进行调整。目前，统计人员利用网络购物平台的后台系统按照商品的销售情况进行搜索，以得到商品的销售情况排序，再根据排序选择上下线商品。

上述方式由于采用人工统计方式，耗费了统计人员大量的时间和精力。故而，需要对现有技术进行改进。

发明内容

(一)要解决的技术问题

本发明旨在解决现有技术中在线购物平台上下线商品的效率过低的问题。

(二)技术方案

为解决上述技术问题，本发明的一方面提出一种一种基于机器自学习的商品自动上下线方法，用于在线购物平台，其特征在于，所述方法包括如下步骤：

建立商品信息数据库，该数据库用于存储商品基本信息、商品表现数据和商品评分，该商品评分是用于评价商品上线销售的适合度的指标；

建立商品上下线推荐模型，所述模型基于机器自学习算法，能够根据历史商品基本信息和历史商品表现数据定期计算并更新所述商品数据库中商品的商品评分；

根据预定的商品上下线规则在所述在线购物平台自动上线或下线商品，所述商品上下线规则与所述商品评分相关联。

根据本发明的优选实施方式，所述在线购物平台包括入驻该平台的商户；

所述方法还包括：从所述商户获取所述商品基本信息。

根据本发明的优选实施方式，所述商品表现数据包括商品热度数据；

所述方法还包括：追踪与商品相关的网络数据，根据该网络数据计算商品的商品热度数据。

根据本发明的优选实施方式，所述与商品相关的网络数据包括搜索数据、打点数据、留言数据、广告数据的至少一种。

根据本发明的优选实施方式，所述方法还包括：

根据所述商品热度数据生成热度商品推荐表；

将包含于所述热度商品推荐表但不包含于所述商品信息数据库中的商品列表自动反馈至所述入驻该平台的商户，请求商户提供商品的属性信息。

根据本发明的优选实施方式，所述方法还包括：

建立基于机器自学习的商品定价模型，当在所述在线购物平台自动上线商品时，由所述商品定价模型根据商品基本信息、商品表现数据和商品评分中的至少一种来生成商品上线价格。

根据本发明的优选实施方式，所述根据预定的商品上下线规则在所述在线购物平台自动上线或下线商品，进一步包括：