CN115936819A - 一种商品打分系统及建立方法 - Google Patents
一种商品打分系统及建立方法 Download PDFInfo
- Publication number
- CN115936819A CN115936819A CN202310004189.0A CN202310004189A CN115936819A CN 115936819 A CN115936819 A CN 115936819A CN 202310004189 A CN202310004189 A CN 202310004189A CN 115936819 A CN115936819 A CN 115936819A
- Authority
- CN
- China
- Prior art keywords
- commodity
- model
- module
- data
- scoring
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 15
- 230000036541 health Effects 0.000 claims abstract description 37
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 230000004927 fusion Effects 0.000 claims abstract description 9
- 230000001932 seasonal effect Effects 0.000 claims description 21
- 239000013585 weight reducing agent Substances 0.000 claims description 9
- 238000013075 data extraction Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000013499 data model Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000002360 explosive Substances 0.000 claims description 3
- 238000007499 fusion processing Methods 0.000 claims description 3
- 230000001550 time effect Effects 0.000 claims description 3
- 208000016261 weight loss Diseases 0.000 claims 3
- 238000004880 explosion Methods 0.000 abstract description 2
- 238000012216 screening Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种商品打分系统及建立方法,涉及电子商务技术领域,包括商品历史销售表现打分模块、商品当下健康度打分模块和商品质量分级模块。建立方法包括如下步骤:综合打分模块建立、综合打分模块所需分析模型建立和数据融合分析处理。通过系统对海量商品进行分级打分后,电商的商品运营人员就可以很方便的根据需要对商品进行差异化的运营与管理,滞销商品进行下降打压或者降价来减少库存积压等,这样不仅给运营人员解决了从海量商品中快速筛选好商品的效率问题,同时解决了爆款、畅销商品如何备货、备多少货的问题,提高商品与库存的精确运营与管理水平。
Description
技术领域
本发明涉及电子商务技术领域,具体为一种商品打分系统及建立方法。
背景技术
电子商务是指在互联网、内部网和增值网上以电子交易方式进行交易活动和相关服务活动,也是传统商业活动各环节的电子化、网络化。随着人们生活质量的提升以及科技的不断进步,电子商务已经逐渐成为了生活中必不可少的一份子,因此,电子商务的后端系统的开发也在不断地完善。
目前在电子商务领域,商品打分和分级算法都是相对比较单一的,绝大部分都是基于商品的历史数据对商品进行评价,没有考虑商品当下的健康度、以及未来的一些事件驱动等因素,普遍以供应商给什么商品就卖什么商品,即“供给决定需求”模式,这样就出现了无法精准的对商品进行定位,从而导致影响不必要的损失以及库存的运营管理困难,所以我们提出了一种商品打分系统及建立方法,以便于解决上述中提出的问题。
发明内容
本发明的目的在于提供一种商品打分系统及建立方法,以解决上述背景技术提出的任一项问题。
为实现上述目的,本发明提供如下技术方案:一种商品打分系统,包括:
商品历史销售表现打分模块,所述商品历史销售表现打分模块通过引入能够对销售表现造成影响的数据并分析;
商品当下健康度打分模块,所述商品当下健康度打分模块通过调取商品当下的基础信息来判断当下商品的健康程度,给出数据;
商品质量分级模块,所述商品质量分级模块通过调取负面数据结合算法对商品进行打分处理;
所述商品历史销售表现打分模块、所述商品当下健康度打分模块和所述商品质量分级模块三者得到的数据统一合并融合处理,得到商品的当下数据情况。
优选的,所述商品历史销售表现打分模块包括:
品类价格分级模型,所述品类价格分级模型通过调取历史价格,并且根据各自品类价格区间按照比例进行划分;
商品历史销售表现打分模型,所述商品历史销售表现打分模型通过商品热度属性模型和用户兴趣时间模型调取用户购买兴趣以及商品的销售数据来综合融合处理。
优选的,所述品类价格分级模型和所述商品历史销售表现打分模型获取不到的新商品通过加权处理解决冷启动。
优选的,所述商品当下健康度打分模块包括:
季节判断模型,所述季节判断模型通过获取商品基础信息的季节属性来与当下季节进行融合分析处理进行判断;
商品库存模型,所述商品库存模型通过抽取库存数据,并且与预测销售量模型得到的数据融合分析处理;
优惠力度对比模型,所述优惠力度对比模型通过抽取当下商品价格和历史销售价格进行对比分析;
所述季节判断模型、所述商品库存模型和所述商品库存模型三者分析判断的数据进行合并融合处理。
优选的,所述商品质量分级模块通过调取的负面数据包括商品历史差评量、商品投诉数据、因质量原因换货量和因质量原因退货量,并且进行负向打分,对商品进行降权处理
一种商品打分系统的建立方法,依次包括如下:
S1综合打分模块建立,分别建立商品历史销售表现打分模块、商品当下健康度打分模块和商品质量分级模块三个模块框架;
S2综合打分模块所需分析模型建立,分别对S1中建立的商品历史销售表现打分模块、商品当下健康度打分模块和商品质量分级模块三个模块框架所需的数据提取模型进行建立;
S3数据融合分析处理,通过S2中建立的数据提取模型将数据融合对比分析处理后汇集至对应的模块当中,商品历史销售表现打分模块、商品当下健康度打分模块和商品质量分级模块再将融合完成的数据推送至系统中。
优选的,S2中商品历史销售表现打分模块所需的模型为品类价格分级模型和商品历史销售表现打分模型;
品类价格分级模型通过抽取数据库中的品类价格区间并按商品比例进行划分;
商品历史销售表现打分模型通过结合商品热度属性模型和用户兴趣时间模型获取的商品历史销量、销售额、购买用户数、省份覆盖面以及时间效应进行综合打分,打分公式为:
其中,商品热度属性模型通过引入相关因子,如商品历史销量、销售额、购买用户数、省份覆盖面等影响因子,并根据不同因子的重要性进行相关赋权。其打分公式如下:y1=w0+w1x1+w2x2+…wnxn
y1为商品热销属性打分,w1,w2,wn等为不同影响因子权重,x1、x2、x3代表不同影响因子数据变量。
Ni(T)是物品i最近的流行度,a为衰减系数,T为当前时间,t用户行为发生时间。
针对无历史数据的新品,进行加权处理,从而解决商品冷启动问题。并根据商品热销属性最终打分,设定阈值实现商品爆款、畅销,平销、滞销分级。
优选的,S2中商品当下健康度打分模块所需的模型为季节判断模型、商品库存模型和优惠力度对比模型;
季节判断模型通过从数据库中提取商品基础信息的季节属性,若供应商在录入商品基础信息时未录入商品季节属性时建立季节属性模型,季节属性模型根据商品在四季的销售分布情况给商品打上相应的季节属性,再根据商品售卖的时间进行对比,若现在时间跟商品的季节属性匹配时则打上应季标签,反之打上反季标签,当商品当下或在未来应季销售时,在商品评级时给予加权,反之降权处理;
商品库存模型通过预测销售量模型对商品未来一端时间的销售量进行预测,并且结合剩余库存数量进行对比计算,计算出商品的库存天数,当库存天数低于业务设定的安全库存天数以下时,则库存状态为不健康,需要补充库存,反之则算库存健康;剩余库存数量的尺码健康则是基于商品各个尺码的历史销售分布,计算出商品的主流尺码,然后结合主流尺码的库存判断主流尺码是否齐全。当库存与尺码出现不健康的情况,如商品的主流尺码不足,则在商品打分或者预测销量时会给予一定的负向降权处理;
优惠力度对比模型通过抽取当下商品价格和历史销售价格进行对比分析,如果当下商品价格有优势则进行加权处理,反之降权处理。
优选的,S2中商品质量分级模块模块所需的模型为负面数据模型;
负面数据模型抽取商品的历史差评量、商品投诉数据、因质量原因换货量和因质量原因退货量数据进行负向打分,对商品进行降权处理,打分公式为:y2=-(w0+w1x1+w2x2+…wnxn)。
其中,y1为商品质量打分,w1,w2,wn等为不同影响因子权重,x1、x2、x3代表不同影响因子数据变量。
与现有技术相比,本发明的有益效果是:
本发明通过商品的历史销售表现,如:销售额、日均销量、转化率等、商品当下的健康度,如:是否应季/反季商品、库存是否健康、尺码是否齐全、价格(活动)力度、商品质量,如:用户评论情况、退换货等,等一系列数据全方位对商品进行综合打分,并基于打分的结果给商品打上相应的等级标签,如爆款、畅销,平销、滞销等,通过系统对海量商品进行分级打分后,电商的商品运营人员就可以很方便的根据需要对商品进行差异化的运营与管理如:爆款、畅销商品给予更多流量,备货等,滞销商品进行下降打压或者降价来减少库存积压等,更进一步,基于算法可以对商品未来的销量进行预测,这样不仅给运营人员解决了从海量商品中快速筛选好商品的效率问题,同时解决了爆款、畅销商品如何备货、备多少货的问题,提高商品与库存的精确运营与管理水平。
附图说明
图1为本发明一种商品打分系统流程示意图;
图2为本发明一种商品打分系统商品历史销售表现打分模块流程示意图;
图3为本发明一种商品打分系统商品当下健康度打分模块流程示意图;
图4为本发明一种商品打分系统商品质量分级模块示意图。
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。
请参阅图1-图4,本发明提供一种技术方案:一种商品打分系统,包括:
商品历史销售表现打分模块,所述商品历史销售表现打分模块通过引入能够对销售表现造成影响的数据并分析;
商品历史销售表现打分模块包括:
品类价格分级模型,所述品类价格分级模型通过调取历史价格,并且根据各自品类价格区间按照比例进行划分;
商品历史销售表现打分模型,所述商品历史销售表现打分模型通过商品热度属性模型和用户兴趣时间模型调取用户购买兴趣以及商品的销售数据来综合融合处理。
品类价格分级模型和所述商品历史销售表现打分模型获取不到的新商品通过加权处理解决冷启动。
商品当下健康度打分模块,所述商品当下健康度打分模块通过调取商品当下的基础信息来判断当下商品的健康程度,给出数据;
商品当下健康度打分模块包括:
季节判断模型,所述季节判断模型通过获取商品基础信息的季节属性来与当下季节进行融合分析处理进行判断;
商品库存模型,所述商品库存模型通过抽取库存数据,并且与预测销售量模型得到的数据融合分析处理;
优惠力度对比模型,所述优惠力度对比模型通过抽取当下商品价格和历史销售价格进行对比分析;
所述季节判断模型、所述商品库存模型和所述商品库存模型三者分析判断的数据进行合并融合处理。
商品质量分级模块,所述商品质量分级模块通过调取负面数据结合算法对商品进行打分处理;
商品质量分级模块通过调取的负面数据包括商品历史差评量、商品投诉数据、因质量原因换货量和因质量原因退货量,并且进行负向打分,对商品进行降权处理。
所述商品历史销售表现打分模块、所述商品当下健康度打分模块和所述商品质量分级模块三者得到的数据统一合并融合处理,得到商品的当下数据情况。
请参阅图1-图4,本发明提供一种技术方案:一种商品打分系统的建立方法,依次包括如下:
S1综合打分模块建立,分别建立商品历史销售表现打分模块、商品当下健康度打分模块和商品质量分级模块三个模块框架;
S2综合打分模块所需分析模型建立,分别对S1中建立的商品历史销售表现打分模块、商品当下健康度打分模块和商品质量分级模块三个模块框架所需的数据提取模型进行建立;
商品历史销售表现打分模块所需的模型为品类价格分级模型和商品历史销售表现打分模型;
品类价格分级模型通过抽取数据库中的品类价格区间并按商品比例进行划分;
商品历史销售表现打分模型通过结合商品热度属性模型和用户兴趣时间模型获取的商品历史销量、销售额、购买用户数、省份覆盖面以及时间效应进行综合打分,打分公式为:
其中,商品热度属性模型通过引入相关因子,如商品历史销量、销售额、购买用户数、省份覆盖面等影响因子,并根据不同因子的重要性进行相关赋权。其打分公式如下:y1=w0+w1x1+w2x2+…wnxn
y1为商品热销属性打分,w1,w2,wn等为不同影响因子权重,x1、x2、x3代表不同影响因子数据变量。
Ni(T)是物品i最近的流行度,a为衰减系数,T为当前时间,t用户行为发生时间。
针对无历史数据的新品,进行加权处理,从而解决商品冷启动问题。并根据商品热销属性最终打分,设定阈值实现商品爆款、畅销,平销、滞销分级。
商品当下健康度打分模块所需的模型为季节判断模型、商品库存模型和优惠力度对比模型;
季节判断模型通过从数据库中提取商品基础信息的季节属性,若供应商在录入商品基础信息时未录入商品季节属性时建立季节属性模型,季节属性模型根据商品在四季的销售分布情况给商品打上相应的季节属性,再根据商品售卖的时间进行对比,若现在时间跟商品的季节属性匹配时则打上应季标签,反之打上反季标签,当商品当下或在未来应季销售时,在商品评级时给予加权,反之降权处理;
商品库存模型通过预测销售量模型对商品未来一端时间的销售量进行预测,并且结合剩余库存数量进行对比计算,计算出商品的库存天数,当库存天数低于业务设定的安全库存天数以下时,则库存状态为不健康,需要补充库存,反之则算库存健康;剩余库存数量的尺码健康则是基于商品各个尺码的历史销售分布,计算出商品的主流尺码,然后结合主流尺码的库存判断主流尺码是否齐全。当库存与尺码出现不健康的情况,如商品的主流尺码不足,则在商品打分或者预测销量时会给予一定的负向降权处理;
优惠力度对比模型通过抽取当下商品价格和历史销售价格进行对比分析,如果当下商品价格有优势则进行加权处理,反之降权处理。
商品质量分级模块模块所需的模型为负面数据模型;
负面数据模型抽取商品的历史差评量、商品投诉数据、因质量原因换货量和因质量原因退货量数据进行负向打分,对商品进行降权处理,打分公式为:y2=-(w0+w1x1+w2x2+…wnxn)。
其中,y1为商品质量打分,w1,w2,wn等为不同影响因子权重,x1、x2、x3代表不同影响因子数据变量。
S3数据融合分析处理,通过S2中建立的数据提取模型将数据融合对比分析处理后汇集至对应的模块当中,商品历史销售表现打分模块、商品当下健康度打分模块和商品质量分级模块再将融合完成的数据推送至系统中。
本说明书中未作详细描述的内容均属于本领域专业技术人员公知的现有技术。
尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种商品打分系统,其特征在于,包括:
商品历史销售表现打分模块,所述商品历史销售表现打分模块通过引入能够对销售表现造成影响的数据并分析;
商品当下健康度打分模块,所述商品当下健康度打分模块通过调取商品当下的基础信息来判断当下商品的健康程度,给出数据;
商品质量分级模块,所述商品质量分级模块通过调取负面数据结合算法对商品进行打分处理;
所述商品历史销售表现打分模块、所述商品当下健康度打分模块和所述商品质量分级模块三者得到的数据统一合并融合处理,得到商品的当下数据情况。
2.根据权利要求1所述的一种商品打分系统,其特征在于:所述商品历史销售表现打分模块包括:
品类价格分级模型,所述品类价格分级模型通过调取历史价格,并且根据各自品类价格区间按照比例进行划分;
商品历史销售表现打分模型,所述商品历史销售表现打分模型通过商品热度属性模型和用户兴趣时间模型调取用户购买兴趣以及商品的销售数据来综合融合处理。
3.根据权利要求2所述的一种商品打分系统,其特征在于:所述品类价格分级模型和所述商品历史销售表现打分模型获取不到的新商品通过加权处理解决冷启动。
4.根据权利要求1所述的一种商品打分系统,其特征在于:所述商品当下健康度打分模块包括:
季节判断模型,所述季节判断模型通过获取商品基础信息的季节属性来与当下季节进行融合分析处理进行判断;
商品库存模型,所述商品库存模型通过抽取库存数据,并且与预测销售量模型得到的数据融合分析处理;
优惠力度对比模型,所述优惠力度对比模型通过抽取当下商品价格和历史销售价格进行对比分析;
所述季节判断模型、所述商品库存模型和所述商品库存模型三者分析判断的数据进行合并融合处理。
5.根据权利要求1所述的一种商品打分系统,其特征在于:所述商品质量分级模块通过调取的负面数据包括商品历史差评量、商品投诉数据、因质量原因换货量和因质量原因退货量,并且进行负向打分,对商品进行降权处理。
6.一种商品打分系统的建立方法,其特征在于:依次包括如下:
S1综合打分模块建立,分别建立商品历史销售表现打分模块、商品当下健康度打分模块和商品质量分级模块三个模块框架;
S2综合打分模块所需分析模型建立,分别对S1中建立的商品历史销售表现打分模块、商品当下健康度打分模块和商品质量分级模块三个模块框架所需的数据提取模型进行建立;
S3数据融合分析处理,通过S2中建立的数据提取模型将数据融合对比分析处理后汇集至对应的模块当中,商品历史销售表现打分模块、商品当下健康度打分模块和商品质量分级模块再将融合完成的数据推送至系统中。
8.根据权利要求1所述的一种商品打分系统的建立方法,其特征在于:S2中商品当下健康度打分模块所需的模型为季节判断模型、商品库存模型和优惠力度对比模型;
季节判断模型通过从数据库中提取商品基础信息的季节属性,若供应商在录入商品基础信息时未录入商品季节属性时建立季节属性模型,季节属性模型根据商品在四季的销售分布情况给商品打上相应的季节属性,再根据商品售卖的时间进行对比,若现在时间跟商品的季节属性匹配时则打上应季标签,反之打上反季标签,当商品当下或在未来应季销售时,在商品评级时给予加权,反之降权处理;
商品库存模型通过预测销售量模型对商品未来一端时间的销售量进行预测,并且结合剩余库存数量进行对比计算,计算出商品的库存天数,当库存天数低于业务设定的安全库存天数以下时,则库存状态为不健康,需要补充库存,反之则算库存健康;剩余库存数量的尺码健康则是基于商品各个尺码的历史销售分布,计算出商品的主流尺码,然后结合主流尺码的库存判断主流尺码是否齐全。当库存与尺码出现不健康的情况,如商品的主流尺码不足,则在商品打分或者预测销量时会给予一定的负向降权处理;
优惠力度对比模型通过抽取当下商品价格和历史销售价格进行对比分析,如果当下商品价格有优势则进行加权处理,反之降权处理。
9.根据权利要求1所述的一种商品打分系统及建立方法,其特征在于:
S2中商品质量分级模块模块所需的模型为负面数据模型;
负面数据模型抽取商品的历史差评量、商品投诉数据、因质量原因换货量和因质量原因退货量数据进行负向打分,对商品进行降权处理,打分公式为:y2=-(w0+w1x1+w2x2+…wnxn)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310004189.0A CN115936819A (zh) | 2023-01-03 | 2023-01-03 | 一种商品打分系统及建立方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310004189.0A CN115936819A (zh) | 2023-01-03 | 2023-01-03 | 一种商品打分系统及建立方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115936819A true CN115936819A (zh) | 2023-04-07 |
Family
ID=86697927
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310004189.0A Withdrawn CN115936819A (zh) | 2023-01-03 | 2023-01-03 | 一种商品打分系统及建立方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115936819A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116579634A (zh) * | 2023-07-14 | 2023-08-11 | 深圳市科脉技术股份有限公司 | 一种基于大数据的门店运营智慧决策方法及系统 |
CN118628143A (zh) * | 2024-06-12 | 2024-09-10 | 重庆鸿巨网络科技有限公司 | 一种电子商务数据监测管理方法 |
-
2023
- 2023-01-03 CN CN202310004189.0A patent/CN115936819A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116579634A (zh) * | 2023-07-14 | 2023-08-11 | 深圳市科脉技术股份有限公司 | 一种基于大数据的门店运营智慧决策方法及系统 |
CN118628143A (zh) * | 2024-06-12 | 2024-09-10 | 重庆鸿巨网络科技有限公司 | 一种电子商务数据监测管理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107590675B (zh) | 一种基于大数据的用户购物行为识别方法、储存设备及移动终端 | |
CN115936819A (zh) | 一种商品打分系统及建立方法 | |
CN107862566A (zh) | 一种商品推荐方法和系统 | |
CN106980999A (zh) | 一种用户推荐的方法和设备 | |
CN107194722A (zh) | 一种共享经济下的基于数据挖掘的动态定价算法 | |
CN106600039A (zh) | 一种电商商品消息推送优化方法 | |
CN107169806A (zh) | 用于确定商品属性对于购买决策的影响度的方法及装置 | |
CN111144986A (zh) | 一种基于分享行为的社交电商网站商品推荐方法及装置 | |
CN108921602A (zh) | 一种基于集成神经网络的用户购买行为预测方法 | |
CN113469730A (zh) | 一种非合同场景下的基于RF-LightGBM融合模型的客户复购预测方法及装置 | |
CN111177581A (zh) | 一种基于多平台的社交电商网站商品推荐方法及装置 | |
CA3130784A1 (en) | A system and method of commodity recommendation based on actionable high utility negative sequential rule mining | |
CN115759796A (zh) | 一种电子商务评价管理系统 | |
CN111932345A (zh) | 信息推送方法及装置 | |
CN114219558A (zh) | 基于数据挖掘的农产品智能推荐系统 | |
CN116739652A (zh) | 一种服装电商销量预测建模方法 | |
CN114022236A (zh) | 一种多维度电商企业评价方法 | |
CN109598595A (zh) | 一种用于网络的销售管理系统 | |
CN116187808A (zh) | 一种基于虚拟电厂用户-套餐标签画像的电力套餐推荐方法 | |
Chuang et al. | A study on the applications of data mining techniques to enhance customer lifetime value—based on the department store industry | |
CN115994767A (zh) | 基于电子商务的产品供应链管理系统 | |
CN110111147A (zh) | 一种基于信任评估机制与回滚交易的商场积分方法及实现所述方法的系统 | |
CN105913276A (zh) | 基于sku的价格防错方法 | |
CN113256372A (zh) | 一种基于电子商务的商品销售系统和方法 | |
CN109949065A (zh) | 属性数据分析的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20230407 |
|
WW01 | Invention patent application withdrawn after publication |