[發明專利]提高購物車中的物品的轉化率的方法、裝置和電子裝置

在審

• 申請號: 201710032822.1
• 申請日: 2017-01-16
• 公開（公告）號: CN108320170A
• 公開（公告）日: 2018-07-24
• 發明（設計）人: 汪加楠
• 申請（專利權）人: 北京京東尚科信息技術有限公司;北京京東世紀貿易有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q30/06
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 王洵

本發明提供一種提高購物車中的物品的轉化率的方法。該方法包括：確定購物車中的物品；計算物品未被轉化的歸因分數；以及根據歸因分數，調整物品的參數和/或發送與所述物品有關的消息。本發明能夠精確分析停留在購物車中的商品用戶未購買的原因，從而提供更好的營銷方案。

技術領域

本發明涉及電子商務技術領域，具體涉及一種提高購物車中的物品的轉化率的方法、裝置和電子裝置。

背景技術

作為電子商務網站，用戶經歷搜索、瀏覽、加購、下單的流程。購物車基本上是離用戶下單最近的一個環節。一般來說，購物車里面的商品是用戶購買意愿最強的商品?，F在所有電商公司都會遇到這樣的問題，用戶的購物車中有許多商品，但是一直沒有下單。尤其在大促期間，購物車中的商品會大幅度增長，這樣無形中也會給購物車服務器增加很大的壓力。據不完全統計京東停留在用戶購物車中的商品有近幾十億，那么通過有效大數據支持并配合合理的營銷方案，提高購物車的轉化率就至關重要。

由于數據倉庫中沒有購物車中商品的快照模型，商品的加購情況只能通過流量的角度來統計，即統計各個渠道(例如應用(APP)、PC、微信、手Q等)的商品加入購物車按鈕的點擊情況。相應的營銷方案多數采用單品直降、發券的營銷手段配合購物車降價提醒的方式。

如圖1所示，現有的技術方案包括數據采集區101、大數據模型區102、營銷方案103這三個重要環節。在數據采集區101，統計各個渠道，例如PC端、移動端、APP端、微信、手Q端加入購物車點擊日志收集。然后，在大數據模型區102中通過相對簡單的模型(例如購物車點擊日志基礎模型和加入購物車次數模型)分析購物車，以便提供合適的營銷方案103。營銷方案103可能包括購物車降價提醒、指導大促備貨和令牌降價促銷等。

可以清晰地看出如下，現有技術存在如下缺點：(1)數據采集區各個渠道均通過流量點擊的方式來統計商品加購的情況，由于有些埋點統計不全，導致加購的數據不準確；(2)大數據模型區沒有對未下單的商品、用戶進行歸因分析，對后期的營銷指導支持不夠全面；(3)采用單一的用戶購物車降價提醒加統一的促銷方案，營銷手段多采用降價的方式，提高了銷售額，但降低了毛利。

發明內容

有鑒于此，根據本發明的第一方面，提供一種提高購物車中的物品的轉化率的方法。所述方法包括：從至少一個購物車系統接收購物車的操作日志；根據購物車的操作日志，確定當前購物車中的所有物品；根據購物車加購時間模型，從所有物品中篩選出要被計算歸因分數的物品；計算篩選出的物品未被轉化的歸因分數；以及根據所述歸因分數，調整相應物品的參數和/或發送與所述相應物品有關的消息。

在一個實施例中，所述方法可以包括保留每件物品的最后一條操作記錄并與以前的購物車進行比較，以確定當前購物車中的所有物品。

在一個實施例中，所述購物車加購時間模型可以至少指示用戶最近活躍的時間和/或物品被添加到購物車的時間，用于排除近期不活躍的用戶和/或從購物車中排除在購物車中時間過長的物品。

在一個實施例中，所述方法可以包括：針對多個歸因模型中的每一個，計算篩選出的物品在歸因模型中的歸因分數，并將計算的多個歸因模型的歸因分數排序，以確定物品未被轉化的原因，其中，每個歸因模型具有權重。

在一個實施例中，所述方法還可以包括根據物品的參數，在每個歸因模型中對物品評分，以及將歸因模型的權重和所述評分相乘，計算物品在該歸因模型中的歸因分數。

在一個實施例中，所述多個歸因模型包括價格模型、評價占比模型、購物車同類物品模型和購買周期模型，并且物品的參數包括庫存信息、價格信息、評價信息、購物車同類物品數目信息和購買周期信息，所述方法還包括：如果庫存信息為缺貨，則確定物品未被轉化的原因是缺貨。

在一個實施例中，與所述相應物品有關的消息包括到貨信息、降價信息和物品推薦信息中的至少一個。