一种基于AI及大数据的商品积分定价自我学习方法

技术领域

本发明涉及积分应用技术领域，特别涉及一种基于AI及大数据的商品积分定价自我学习方法。

背景技术

目前用积分兑换商品，所需兑换的积分值，一般是以商品价值与积分价值的比例进行定价，一般在商品上架前确定商品兑换所需积分，一旦上线后，基本不调整兑换积分值，无法实现兑换积分值的动态调整。而目前部分电商网站推行的基于用户消费能力的一人一价方式（俗称大数据杀熟），将导致积分运营主体单位面临舆论压力，因此不建议采用同一商品根据不同用户制定不同积分值的方式。

为更好的开展商品积分兑换，加快兑换商品的流通，减少冷门商品的库存，提升企业积分运营价值，需要结合多种因素制定商品兑换积分值，并在运营过程中，实施商品兑换积分值动态调整，实现企业加分价值尽可能最大化利用。

发明内容

本发明提供了一种基于AI及大数据的商品积分定价自我学习方法。通过采集积分兑换系统中的各种数据，主要以用户数据和商品数据为主，组建敏感数据词典及分类，将词典转换成向量集，通过TF-IDF模型对向量集进行训练和处理，并计算数据字段在向量集中的相似度，最终确定对该商品的积分定价调整，实现积分兑换值的周期自动调整，加速冷热门商品的流动。本专利所描述的方法与系统，主要包括用户数据采集模块、商品数据采集模块，关键敏感数据词典模块、模型训练模块、算法匹配及输出模块、商品积分定价模块。

1.用户数据采集模块，主要采集登录用户的积分总额、可用积分额度、已兑换商品明细、登录时长、搜索内容等信息。

2.商品数据采集模块，主要采集商品库存、访问热度、商品兑换积分值、搜索热度、页面展示深度、用户页面留存时长、用户浏览/搜索兑换转化率、上架时长与已兑换比例等信息。

3. 关键敏感数据词典模块，主要是针对前述的用户数据及商品数据，组建敏感数据词典及分类。

4.模型训练模块，将前述词典转换成向量集，通过TF-IDF模型对向量集进行训练和处理。

5.算法匹配及输出模块，根据模型算法计算得出该商品的建议兑换积分值。

6.商品积分定价模块，根据算法计算得出的建议值，按一定周期调整该商品的积分定价，如热门商品按天调整，其他商品按周调整。

附图说明

图1为一种基于AI及大数据的商品积分定价自我学习方法结构图。

具体实施方式

下面将结合本专利方法，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，本发明实施实例中，主要包括用户数据采集模块、商品数据采集模块，关键敏感数据词典模块、模型训练模块、算法匹配及输出模块、商品积分定价模块。

1、用户数据采集模块（1），主要采集登录用户的积分总额、可用积分额度、已兑换商品明细、登录时长、搜索内容等信息。

2、商品数据采集模块（2），主要采集商品库存、访问热度、商品兑换积分值、搜索热度、页面展示深度、用户页面留存时长、用户浏览/搜索兑换转化率、上架时长与已兑换比例等信息。

3、关键敏感数据词典模块（3），主要是针对前述的用户数据及商品数据，组建敏感数据词典及分类。

4、模型训练模块（4），将前述词典转换成向量集，通过TF-IDF模型对向量集进行训练和处理。

5、算法匹配及输出模块（5），根据模型算法计算得出该商品的建议兑换积分值。

6、商品积分定价模块（6），根据算法计算得出的建议值，按一定周期调整该商品的积分定价，如热门商品按天调整，其他商品按周调整。