本发明涉及数据处理领域,尤其涉及一种订单数据的处理方法、装置、设备及存储介质。
背景技术:
1、近年来,越来越多的家居电商需要更好地为客户提供个性化的家居服务,以及对客户偏好和行为有更深入的了解。本实施例中,随着机器学习算法和数据处理技术的不断发展,研究家居订单数据处理方法成为了一种热门的领域。
2、现有技术中的不足包括以下方面:家居订单数据的质量可能不完全精确或具有误导性,因此需要确保数据质量和准确性。目前的数据分析方法可能不能处理家居订单数据的多样性和高维度,需要更加先进的算法和技术来处理这些数据。一些现有的推荐系统可能缺乏个性化程度或准确性,需要更加准确和智能的推荐系统来满足客户需求,即现有方案的准确率低。
技术实现思路
1、本发明提供了一种订单数据的处理方法、装置、设备及存储介质,用于提高订单数据处理的准确率。
2、本发明第一方面提供了一种订单数据的处理方法,所述订单数据的处理方法包括:
3、基于预置的家居服务系统获取目标用户对应的历史家居订单数据,并对所述历史家居订单数据进行订单数据分类,得到正常已完成订单以及异常未完成订单;
4、对所述正常已完成订单进行订单特征提取,得到多个第一订单特征标签以及多个第一家居属性特征标签,并根据所述多个第一订单特征标签以及所述多个第一家居属性特征标签创建第一特征分布空间;
5、对所述异常未完成订单进行订单特征分析,得到多个第二订单特征标签以及多个第二家居属性特征标签,并根据所述多个第二订单特征标签以及所述多个第二家居属性特征标签创建第二特征分布空间;
6、对所述第一特征分布空间进行交叉感兴趣分析和特征搜索,得到第三特征分布空间;
7、根据所述第二特征分布空间,对所述第三特征分布空间进行特征分布筛选和剔除,生成目标特征分布空间;
8、根据所述目标特征分布空间生成所述目标用户的目标推送列表,并通过所述家居服务系统对所述目标推送列表进行家居服务推送。
9、结合第一方面,在本发明第一方面的第一实施方式中,所述基于预置的家居服务系统获取目标用户对应的历史家居订单数据,并对所述历史家居订单数据进行订单数据分类,得到正常已完成订单以及异常未完成订单,包括:
10、获取目标用户的用户信息,并根据所述用户信息从预置的家居服务系统中查询目标时间段内的订单,得到历史家居订单数据;
11、对所述历史家居订单数据进行数据去重和数据格式标准化处理,得到标准家居订单数据;
12、根据预设的订单节点信息,对所述标准家居订单数据进行订单数据分类,得到正常已完成订单以及异常未完成订单。
13、结合第一方面,在本发明第一方面的第二实施方式中,所述对所述正常已完成订单进行订单特征提取,得到多个第一订单特征标签以及多个第一家居属性特征标签,并根据所述多个第一订单特征标签以及所述多个第一家居属性特征标签创建第一特征分布空间,包括:
14、对所述正常已完成订单进行订单特征提取,得到多个第一订单特征标签,其中,所述多个第一订单特征标签包括:购买频率、订单金额、订单类型以及订单时间;
15、对所述正常已完成订单进行家居属性特征提取,得到多个第一家居属性特征标签,其中,所述多个第一家居属性特征标签包括:家居产品类型、颜色以及材质;
16、对所述多个第一订单特征标签进行特征标签聚类,得到多个第一特征聚类点,以及对所述多个第一家居属性特征标签进行特征标签聚类,得到多个第二特征聚类点;
17、对所述多个第一特征聚类点和所述多个第二特征聚类点进行特征分布空间映射,生成第一特征分布空间。
18、结合第一方面,在本发明第一方面的第三实施方式中,所述对所述异常未完成订单进行订单特征分析,得到多个第二订单特征标签以及多个第二家居属性特征标签,并根据所述多个第二订单特征标签以及所述多个第二家居属性特征标签创建第二特征分布空间,包括:
19、对所述异常未完成订单进行订单特征提取,得到多个第二订单特征标签,其中,所述多个第二订单特征标签包括:订单运输状态、订单取消情况以及订单提醒内容;
20、对所述异常未完成订单进行家居属性特征提取,得到多个第二家居属性特征标签,其中,所述多个第二家居属性特征标签包括:家居产品尺寸、质量以及退货时间;
21、对所述多个第二订单特征标签进行特征标签聚类,得到多个第三特征聚类点,以及对所述多个第二家居属性特征标签进行特征标签聚类,得到多个第四特征聚类点;
22、对所述多个第三特征聚类点和所述多个第四特征聚类点进行特征分布空间映射,生成第二特征分布空间。
23、结合第一方面,在本发明第一方面的第四实施方式中,所述对所述第一特征分布空间进行交叉感兴趣分析和特征搜索,得到第三特征分布空间,包括:
24、分别构建每个第一订单特征标签与家居产品类型之间的关联规则,得到多个产品关联规则;
25、基于所述第一特征分布空间确定对应的多个第一特征点,其中,所述多个第一特征点包括:订单量最大、利润最高、销售额最高以及推荐访问量最多;
26、根据所述多个产品关联规则,对每个第一特征点进行交叉感兴趣分析,得到每个第一特征点的交叉关联数据;
27、根据所述第一特征分布空间以及每个第一特征点的交叉关联数据,生成第三特征分布空间。
28、结合第一方面,在本发明第一方面的第五实施方式中,所述根据所述第二特征分布空间,对所述第三特征分布空间进行特征分布筛选和剔除,生成目标特征分布空间,包括:
29、对所述第二特征分布空间和所述第三特征分布空间进行重叠点和差异点识别,得到目标重叠点和目标差异点;
30、根据所述目标重叠点,对所述第三特征分布空间进行重叠点剔除,得到初始特征分布空间;
31、对所述初始特征分布空间中的目标差异点进行相邻点搜索,得到一级相邻点;
32、在依次遍历所述目标差异点后,依次继续遍历所述一级相邻点的二级相邻点,直至所述初始特征分布空间中没有满足预设要求的相邻点,得到原始特征分布空间;
33、对所述原始特征分布空间进行特征点分布整合,得到目标特征分布空间。
34、结合第一方面,在本发明第一方面的第六实施方式中,所述根据所述目标特征分布空间生成所述目标用户的目标推送列表,并通过所述家居服务系统对所述目标推送列表进行家居服务推送,包括:
35、获取所述目标特征分布空间中的多个第二特征点,并计算所述多个第二特征点与所述目标用户的关联权重系数,得到每个第二特征点的关联权重系数;
36、根据每个第二特征点的关联权重系数,对所述目标用户的关联产品进行排序,得到所述目标用户的目标推送列表;
37、基于所述家居服务系统匹配所述目标推送列表对应的目标推送模式,并根据所述目标推送模式和所述目标推送列表进行家居服务推送。
38、本发明第二方面提供了一种订单数据的处理装置,所述订单数据的处理装置包括:
39、获取模块,用于基于预置的家居服务系统获取目标用户对应的历史家居订单数据,并对所述历史家居订单数据进行订单数据分类,得到正常已完成订单以及异常未完成订单;
40、第一创建模块,用于对所述正常已完成订单进行订单特征提取,得到多个第一订单特征标签以及多个第一家居属性特征标签,并根据所述多个第一订单特征标签以及所述多个第一家居属性特征标签创建第一特征分布空间;
41、第二创建模块,用于对所述异常未完成订单进行订单特征分析,得到多个第二订单特征标签以及多个第二家居属性特征标签,并根据所述多个第二订单特征标签以及所述多个第二家居属性特征标签创建第二特征分布空间;
42、分析模块,用于对所述第一特征分布空间进行交叉感兴趣分析和特征搜索,得到第三特征分布空间;
43、筛选模块,用于根据所述第二特征分布空间,对所述第三特征分布空间进行特征分布筛选和剔除,生成目标特征分布空间;
44、推送模块,用于根据所述目标特征分布空间生成所述目标用户的目标推送列表,并通过所述家居服务系统对所述目标推送列表进行家居服务推送。
45、本发明第三方面提供了一种订单数据的处理设备,包括:存储器和至少一个处理器,所述存储器中存储有指令;所述至少一个处理器调用所述存储器中的所述指令,以使得所述订单数据的处理设备执行上述的订单数据的处理方法。
46、本发明的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的订单数据的处理方法。
47、本发明提供的技术方案中,对正常已完成订单进行订单特征提取和创建第一特征分布空间;对异常未完成订单进行订单特征分析和创建第二特征分布空间;对第一特征分布空间进行交叉感兴趣分析和特征搜索,得到第三特征分布空间;根据第二特征分布空间,对第三特征分布空间进行特征分布筛选和剔除,生成目标特征分布空间;根据目标特征分布空间生成目标推送列表,并通过家居服务系统对目标推送列表进行家居服务推送,本发明根据客户历史订单数据,通过机器学习算法和交叉感兴趣分析,更准确地预测目标特征分布空间,交叉销售和个性化推荐可以提高客户的客单价和购买频次,间接提高利润率,本实施例中通过推荐和推送列表可以更好地与客户互动和沟通,建立更加密切的客户关系,进而提高订单数据处理的准确率。