一种基于电子商务的商品销售系统和方法与流程

本发明涉及电子商务技术领域，具体为一种基于电子商务的商品销售系统和方法。

背景技术：

电子商务是以信息网络技术为基础，通过互联网进行商品交易的方式，与传统的交易方式相比较，电子商务则更加便捷、快速，减少实体商铺的投入，增加展示方位，增加客户群体，有效摆脱区域的限制。电子商务也是商品销售模式的全新发展方向。

虽然电子商务方便了人们购物的方式，但是由于网络购物，物品质量参差不齐，且存在恶意刷单问题，使得购物者很难通过对商品的评论信息来判断商品的好坏，无疑增加人们购物难度，降低购物感受，从而影响消费者的购物热情。

为了解决上述问题，发明者提供了一种基于电子商务的商品销售系统和方法，具备智能推荐良好商品，同时增加店铺对优质商品的注重，是商家更加注重产品的本身情况，且增加部分商家恶意刷商品评论信息的难度和成本，从而保证优质商品销售过程的优点。

技术实现要素：

为实现上述目的，本发明提供如下技术方案：一种基于电子商务的商品销售系统，包括客户终端、电商终端和云处理器，所述云处理器分别通过通讯网络与客户终端和电商终端连接，所述客户终端包括，

交易信息统计模块，仅用于统计已交易时间顺序记录和交易评论信息记录，同时隐藏保护浏览信息和付款信息,保护用户个人隐私；

登陆终端识别模块，仅作为登陆端设备信息的型号记录；

评论时间识别模块，用于记录评论时间；

信息登陆模块，用于登陆时间记录和登陆关键信息保护；

所述电商终端包括，

商品信息显示模块，用于商品信息展示；

评论信息显示模块，用于商品评论信息展示；

电商资源统筹模块，用于商品信息归纳统计；

电商等级统筹模块，对电商等级进行评分；

所述云处理器包括，

评论识别模块，用于识别商品评论信息识别；

评论筛选模块，对低信用客户评论进行低信用评论标记；

信息筛选模块，用于筛选信息有效性，同时自动去低信用评论标记的评论；

客户评论等级识别，仅作为用户品论有效性判定；

商品优先评级模块和店铺优先评级模块，用于商品展示优先级判定；

该系统还包括用于客户评论信用恢复的评论统筹模块，用于对低信用品论客户的商品评论权恢复；

评论计算模块，用于计算客户有效评论率。

优选的，所述信息登录模块和登录终端识别模块用于用户信息登陆设备识别，客户安全信息保护，记录每次登陆时间与登陆设备。

优选的，所述交易信息统计模块用于历史交易记录，同时与云处理器进行数据信息交换。

优选的，所述电商等级统筹模块负责与云处理反馈信息对电商信用等级与商品评分等级进行评分分级。

优选的，所述信息筛选模块对商品评论信息进行筛选，记录其中有效评选等分，并对商品进行好评率进行分级，总共分为十级，比率分别为i0、i1、i2、i3、i4、i5、i6、i7、i8、i9，且等级中最低为1分，最高为10分，按n1=i0*1+i1*2+i2*3+i3*4+i4*5+i5*6+i6*7+i7*8+i8*9+i9*10的计算方式进行评分，同时商品虚假评论数占总数比率为k，其负分n2=k*10，最终评分为n=n1-n2。

优选的，所述商品优先评级模块根据商品得分和好评量进行分级，其中好评分，每10分一档，同时每档根据好评量进行评级。

优选的，所述店铺优先评级模块根据店铺内商品评分总体情况进行分级，其商品均分为n，商品好评量为k，则电商评分为pn=n*80%+k*20%。

优选的，所述客户评论等级识别根据客户终端虚假评分率进行评级，且当虚假评论率高于百分之六十时，则客户端商品评论功能暂定，其步骤如下：

h1、当识别用户评论信息时，评论筛选模块对评论客户进行识别，正常评论客户的评论信息为正常评论信息，低信用客户的评论信息进行低信用评论标记，同时将所有评论信息传给信息筛选模块；

h2、信息筛选模块对评论信息进行有效判定，同时将正常评论信息判断结果传给商品优先评级模块，将所有判断信息传给评论统筹模块，

h3、评论统筹模块接受判断信息，并统计用户所有评论信息的有效评论信息和无效评论信息，同时将信息传给评论计算模块；

h4、评论计算模块对用户评论情况进行当算，当虚假评论率高于百分之六十时，则为低信用评论用户，当虚假评论率低于百分之六十时，则为正常评论用户。

一种如权利要求1所述的基于电子商务的商品销售系统的销售方法，所述云处理根据客户端商品信息选择，同时根据所选商品种类的各商品评分进行排序推荐，其步骤如下：

s1、客户终端当客户登陆设备信息时，同时登陆端识别系统记录登陆设备和登陆时间；

s2、且客户终端进行商品信息搜索时，云处理器接受搜索信息，并根据搜索信息进行商品匹配；

s3、同时评论识别模块对匹配商品评论进行识别，并将信息反馈给信息筛选模块，信息筛选模块包括好评终端识别、好评时间识别和好评关键词识别，分别对产品的好评进行识别，当识别出好评关键词重复度高于80%，且时间集中，则此评论为无效评论，同时好评关键词识别包括对评论图片的识别，且当评论图片与商品不同时，则此评论为无效评论；

s4、信息筛选模块包括差评终端识别、差评时间识别和差评关键词识别，同理，当符合s3条件，则此评论为无效评论，判断完成时，去除低信用评论标记的评论信息；

s5、信息筛选模块根据条件检索后，统计显示正常信用客户对商品有效评论数、好评数和差评数，并对商品进行评分；

s6、商品优先评级模块根据商品评分进行优先级判断，使商品根据展示序列进行排序；

s7、店铺优先评级模块在商品优先级排序相同时，则根据商铺优先级顺序进行商品排序参考，从而完成商品排序，且当店铺优先评判相同时，则利用计算机随机数值进行商品的排序。

优选的，该系统还包括客户评级系统，云处理器结合客户终端对客户评分等级进行识别，其步骤如下：

d1、交易信息统计模块对客户评论信息进行统计云处理通过对客户终端评论信息进行识别筛选；

d2、信息筛选模块分别对产品的好评和差评进行识别，同一登录端同一时间进行大量商品购买行为，且商品评论关键词重复度高于80%，则存在恶意刷评论行为，此间评论判定为无效评论；

d3、同时客户终端交易信息统计模块对无效评论进行统计，且当无效的虚假评论大于百分之六十时，则暂定客户终端商品评论功能。

有益效果

与现有技术相比，本发明提供了一种基于电子商务的商品销售系统和方法，具备以下有益效果：

1、该基于电子商务的商品销售系统和方法，交易信息统计模块仅用于统计已交易时间顺序记录和交易评论信息记录，同时隐藏保护浏览信息和付款信息，相对于现有信息统计模块记录用户所有浏览信息，退付款信息，购买信息等详细信息情况相比，交易信息统计模块统计信息仅作为评论级别判定，从而防止泄露个人浏览状态及资金状态，有效保护用户的个人信息安全，更加注重个人隐私的保护。

2、该基于电子商务的商品销售系统和方法，在计算商品好拼率时，不是仅通过按照现有的好评商品数除以评论总数，最终得到好评率，这种计算方式简单，考虑因数较少，且容易受商品恶意刷单，虚假好评，恶意差评和低信用评论用户评论行为的影响，而是综合考虑多种信息，通过公式进行评分，从而评价商品等级，公式为：

n1=i0*1+i1*2+i2*3+i3*4+i4*5+i5*6+i6*7+i7*8+i8*9+i9*10

其中i为等级积分，同时商品虚假评论数占总数比率为k，其负分n2=k*10，最终评分为n=n1-n2。不仅去除虚假品论对商品评论的影响，还增加虚假评论的惩罚措施，从而保证商品评分的权威性。

3、该基于电子商务的商品销售系统和方法，其电商评分计算公式为：

pn=n*80%+k*20%

其中评分为pn,商品均分为n，商品好评量为k；

在电商评分中，综合考虑商品均分和好评量的因数，而现有的电商评分往往只根据好评量来进行评级，对于高分低量的新入商铺评分不公正，而通过改计算公式进行评分，则极大减少商品评论数量对电商评分的影响，有效保证评分的公正性。

4、该基于电子商务的商品销售系统和方法，通过电商等级统筹模块负责与云处理反馈信息对电商信用等级与商品评分等级进行评分分级，且商品优先评级模块根据商品得分和好评量进行分级，店铺优先评级模块在商品优先级排序相同时，则根据商铺优先级顺序进行商品排序参考，从而完成商品排序，从而有效保证优质产品排序靠前，减少刷单评论，虚假好评，恶意差评对购物行为的影响，保证良好的购物体验，减少购物难度，使每次购物都能完整了解商品最真实的评论信息，保证消费者的购物热情。

5、该基于电子商务的商品销售系统和方法，通过店铺优先评级模块根据店铺内商品评分总体情况进行分级，使商家更加注重产品本身的质量，可以通过良好的商品评判率提高商品商铺整体商品的优先级，使商铺更加注重商品本身的质量，从而产生商品销售竞争的良性循环。

6、该基于电子商务的商品销售系统和方法，通过客户评论等级识别根据客户终端虚假评分率进行评级，且当虚假评论率高于百分之六十时，则客户端商品评论功能暂定，使恶意刷评变得更加困难，增加部分商家恶意刷商品评论信息的难度和成本，同时对恶意刷单评论的客户端设置一定惩罚措施，使部分刷单者在刷单时产生一定顾虑，且将虚假评论与低信用评论进行区分，进而进一步保证评论信息计算的有效性好权威性。

附图说明

图1为本发明一种基于电子商务的商品销售系统示意图；

图2为本发明云处理器系统示意图；

图3为本发明结构云处理器与客户终端系统示意图；

图4为本发明结构云处理器与电商终端系统示意图；

图5为本发明评论识别模块及信息筛选模块系统流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一：

请参阅图1-3，一种基于电子商务的商品销售系统，包括客户终端、电商终端和云处理器，所述云处理器分别通过通讯网络与客户终端和电商终端连接，所述客户终端包括，

交易信息统计模块，仅用于统计已交易时间顺序记录和交易评论信息记录，同时隐藏保护浏览信息和付款信息，保护用户个人隐私；

登陆终端识别模块，仅作为登陆端设备信息的型号记录；

评论时间识别模块，用于记录评论时间；

信息登陆模块，用于登陆时间记录和登陆关键信息保护；

所述电商终端包括，

商品信息显示模块，用于商品信息展示；

评论信息显示模块，用于商品评论信息展示；

电商资源统筹模块，用于商品信息归纳统计；

电商等级统筹模块，对电商等级进行评分；

所述云处理器包括，

评论识别模块，用于识别商品评论信息识别；

评论筛选模块，对低信用客户评论进行低信用评论标记；

信息筛选模块，用于筛选信息有效性，同时自动去低信用评论标记的评论；

客户评论等级识别，仅作为用户品论有效性判定；

商品优先评级模块和店铺优先评级模块，用于商品展示优先级判定；

其中，所述信息登陆模块和登录终端识别模块用于用户信息登陆设备识别，客户安全信息保护，记录每次登陆时间与登陆设备。

其中，所述交易信息统计模块用于历史交易记录，历史浏览信息记录，同时与云处理器进行数据信息交换。

其中，所述电商等级统筹模块负责与云处理反馈信息对电商信用等级与商品评分等级进行评分分级。

其中，所述信息筛选模块对商品评论信息进行筛选，记录其中有效评选等分，并对商品进行好评率进行分级，总共分为十级，比率分别为i0、i1、i2、i3、i4、i5、i6、i7、i8、i9，且等级中最低为1分，最高为10分，按n1=i0*1+i1*2+i2*3+i3*4+i4*5+i5*6+i6*7+i7*8+i8*9+i9*10的计算方式进行评分，同时商品虚假评论数占总数比率为k，其负分n2=k*10，最终评分为n=n1-n2。

其中，该系统还包括客户评级系统，云处理器结合客户终端对客户评分等级进行识别，其步骤如下：

d1、交易信息统计模块对客户评论信息进行统计云处理通过对客户终端评论信息进行识别筛选；

d2、信息筛选模块分别对产品的好评和差评进行识别，同一登陆端同一时间进行大量商品购买行为，且商品评论关键词重复度高于80%，则存在恶意刷评论行为，此间评论判定为无效评论；

d3、同时客户终端交易信息统计模块对无效评论进行统计，且当无效的虚假评论大于百分之六十时，则暂定客户终端商品评论功能。

实施例二：

参阅图1-2和图4，一种基于电子商务的商品销售系统，包括客户终端、电商终端和云处理器，所述云处理器分别通过通讯网络与客户终端和电商终端连接，所述客户终端包括，

交易信息统计模块，仅用于统计已交易时间顺序记录和交易评论信息记录，同时隐藏保护浏览信息和付款信息，保护用户个人隐私；

登陆终端识别模块，仅作为登陆端设备信息的型号记录；

评论时间识别模块，用于记录评论时间；

信息登陆模块，用于登陆时间记录和登陆关键信息保护；

所述电商终端包括，

商品信息显示模块,用于商品信息展示；

评论信息显示模块，用于商品评论信息展示；

电商资源统筹模块，用于商品信息归纳统计；

电商等级统筹模块，对电商等级进行评分；

所述云处理器包括，

评论识别模块，用于识别商品评论信息识别；

评论筛选模块，对低信用客户评论进行低信用评论标记；

信息筛选模块，用于筛选信息有效性；

客户评论等级识别，仅作为用户品论有效性判定；

该系统还包括用于客户评论信用恢复的评论统筹模块，用于对低信用品论客户的商品评论权恢复；

评论计算模块，用于计算客户有效评论率。

商品优先评级模块和店铺优先评级模块，用于商品展示优先级判定。

其中，所述商品优先评级模块根据商品得分和好评量进行分级，其中好评分，每10分一档，同时每档根据好评量进行评级。

其中，所述店铺优先评级模块根据店铺内商品评分总体情况进行分级，其商品均分为n，商品好评量为k，则电商评分为pn=n*80%+k*20%。

实施例三：

参阅图1-5，一种基于电子商务的商品销售系统，包括客户终端、电商终端和云处理器，所述云处理器分别通过通讯网络与客户终端和电商终端连接，所述客户终端包括，

交易信息统计模块，仅用于统计已交易时间顺序记录和交易评论信息记录，同时隐藏保护浏览信息和付款信息,保护用户个人隐私；

登陆终端识别模块，仅作为登陆端设备信息的型号记录；

评论时间识别模块，用于记录评论时间；

信息登陆模块，用于登陆时间记录和登陆关键信息保护；

所述电商终端包括，

商品信息显示模块，用于商品信息展示；

评论信息显示模块，用于商品评论信息展示；

电商资源统筹模块，用于商品信息归纳统计；

电商等级统筹模块，对电商等级进行评分；

所述云处理器包括，

评论识别模块，用于识别商品评论信息识别；

评论筛选模块，对低信用客户评论进行低信用评论标记；

信息筛选模块，用于筛选信息有效性，同时自动去低信用评论标记的评论；

客户评论等级识别，仅作为用户品论有效性判定；

商品优先评级模块和店铺优先评级模块，用于商品展示优先级判定；

该系统还包括用于客户评论信用恢复的评论统筹模块，用于对低信用品论客户的商品评论权恢复；

评论计算模块，用于计算客户有效评论率。

其中，所述信息登录模块和登录终端识别模块用于用户信息登陆设备识别，客户安全信息保护，记录每次登陆时间与登陆设备。

其中，所述交易信息统计模块用于历史交易记录，同时与云处理器进行数据信息交换。

其中，所述电商等级统筹模块负责与云处理反馈信息对电商信用等级与商品评分等级进行评分分级。

其中，所述信息筛选模块对商品评论信息进行筛选，记录其中有效评选等分，并对商品进行好评率进行分级，总共分为十级，比率分别为i0、i1、i2、i3、i4、i5、i6、i7、i8、i9，且等级中最低为1分，最高为10分，按n1=i0*1+i1*2+i2*3+i3*4+i4*5+i5*6+i6*7+i7*8+i8*9+i9*10的计算方式进行评分，同时商品虚假评论数占总数比率为k，其负分n2=k*10，最终评分为n=n1-n2。

其中，所述商品优先评级模块根据商品得分和好评量进行分级，其中好评分，每10分一档，同时每档根据好评量进行评级。

其中，所述店铺优先评级模块根据店铺内商品评分总体情况进行分级，其商品均分为n，商品好评量为k，则电商评分为pn=n*80%+k*20%。

其中，所述客户评论等级识别根据客户终端虚假评分率进行评级，且当虚假评论率高于百分之六十时，则客户端商品评论功能暂定，其步骤如下：

h1、当识别用户评论信息时，评论筛选模块对评论客户进行识别，正常评论客户的评论信息为正常评论信息，低信用客户的评论信息进行低信用评论标记，同时将所有评论信息传给信息筛选模块；

h2、信息筛选模块对评论信息进行有效判定，同时将正常评论信息判断结果传给商品优先评级模块，将所有判断信息传给评论统筹模块，

h3、评论统筹模块接受判断信息，并统计用户所有评论信息的有效评论信息和无效评论信息，同时将信息传给评论计算模块；

h4、评论计算模块对用户评论情况进行当算，当虚假评论率高于百分之六十时，则为低信用评论用户，当虚假评论率低于百分之六十时，则为正常评论用户。

一种如权利要求1所述的基于电子商务的商品销售系统的销售方法，所述云处理根据客户端商品信息选择，同时根据所选商品种类的各商品评分进行排序推荐，其步骤如下：

s1、客户终端当客户登陆设备信息时，同时登陆端识别系统记录登陆设备和登陆时间；

s2、且客户终端进行商品信息搜索时，云处理器接受搜索信息，并根据搜索信息进行商品匹配；

s3、同时评论识别模块对匹配商品评论进行识别，并将信息反馈给信息筛选模块，信息筛选模块包括好评终端识别、好评时间识别和好评关键词识别，分别对产品的好评进行识别，当识别出好评关键词重复度高于80%，且时间集中，则此评论为无效评论，同时好评关键词识别包括对评论图片的识别，且当评论图片与商品不同时，则此评论为无效评论；

s4、信息筛选模块包括差评终端识别、差评时间识别和差评关键词识别，同理，当符合s3条件，则此评论为无效评论，判断完成时，去除低信用评论标记的评论信息；

s5、信息筛选模块根据条件检索后，统计显示正常信用客户对商品有效评论数、好评数和差评数，并对商品进行评分；

s6、商品优先评级模块根据商品评分进行优先级判断，使商品根据展示序列进行排序；

s7、店铺优先评级模块在商品优先级排序相同时，则根据商铺优先级顺序进行商品排序参考，从而完成商品排序，且当店铺优先评判相同时，则利用计算机随机数值进行商品的排序。

其中，该系统还包括客户评级系统，云处理器结合客户终端对客户评分等级进行识别，其步骤如下：

d1、交易信息统计模块对客户评论信息进行统计云处理通过对客户终端评论信息进行识别筛选；

d2、信息筛选模块分别对产品的好评和差评进行识别，同一登录端同一时间进行大量商品购买行为，且商品评论关键词重复度高于80%，则存在恶意刷评论行为，此间评论判定为无效评论；

d3、同时客户终端交易信息统计模块对无效评论进行统计，且当无效的虚假评论大于百分之六十时，则暂定客户终端商品评论功能。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。