技術領域

本發明涉及信息處理領域，特別涉及一種數據處理方法及裝置。

背景技術

隨著電子商務的迅猛發展，消費者能夠選擇的商品日益增多，面對如此海量的商品，業務人員如何正確評估商品的價值顯得尤為重要。

現有的商品價值評估方法，主要是利用商品的銷量將商品分別劃分為不同檔位，通過商品所在檔位評估商品的價值。或者，采銷人員通過對購買商品的新老用戶數、商品復購率等歷史數據指標，依靠業務知識對商品價值進行評估。

發明內容

發明人研究發現，現有技術無法實現對商品價值客觀、準確的量化。

本發明解決的一個技術問題是，如何實現對于商品價值的量化，從而更加客觀、準確的衡量商品的價值。

根據本發明實施例的一個方面，提供了一種數據處理方法，包括：根據商品的交易數據，計算商品的不可替代性指標，其中，商品的不可替代性指標表示用戶購買其它商品替代購買商品這一事件不發生的概率；根據商品的交易數據，計算商品的光環效應指標，其中，商品的光環效應指標表示商品吸引用戶進行消費的能力；根據商品的銷售額、商品的不可替代性指標以及商品的光環效應指標，計算商品的價值。

在一個實施例中，將商品的銷售額、商品的不可替代性指標以及商品的光環效應指標相乘，計算得到商品的價值。

在一個實施例中，根據商品的交易數據，計算商品的不可替代性指標包括：根據某用戶在連續訂單對中的歷史訂單數據，計算某用戶在連續訂單對中，從商品到另一商品的替代性消費；將所有用戶在所有連續訂單對中，從商品到其它各個商品的替代性消費的加和，與商品的銷售額作比，計算得到商品的替代性指標；根據商品的替代性指標計算商品的不可替代性指標。

在一個實施例中，利用如下公式計算某用戶從商品A到商品B的替代性消費：

其中，S(A,B)表示某用戶從商品A到商品B的替代性消費，Sale_1A表示某用戶第一訂單中商品A的金額，Sale_2B表示某用戶第二訂單中商品B的金額，Sale₂表示某用戶第二訂單的總金額，第一訂單和第二訂單為某用戶的連續訂單。

在一個實施例中，利用如下公式計算商品A的不可替代性指標：

其中，Switch(A)表示商品A的不可替代性指標，T表示另一替代商品，S_A表示商品A的銷售額。

在一個實施例中，光環效應指標為忠誠用戶光環效應指標以及新用戶光環效應指標的加和，忠誠用戶光環效應指標表示商品吸引老用戶購買商品的能力，新用戶光環效應指標表示商品吸引新用戶購買其它商品的能力。

在一個實施例中，利用如下公式計算忠誠用戶光環效應指標：

其中，Halo(A)_focus表示商品A的忠誠用戶光環效應指標，Sale(A)_focus表示商品A的忠誠用戶銷售額，Sale(A)_regular表示商品A的非忠誠用戶銷售額，α表示商品A的忠誠用戶銷售額的權重因子。

在一個實施例中，利用如下公式計算商品A的忠誠用戶銷售額的權重因子：

其中，∑_focusF(A)表示商品A下架時忠誠用戶造成的銷售額損失，Switch(A)表示商品A的不可替代性指標。

在一個實施例中，利用如下公式計算商品A下架時某忠誠用戶造成的銷售額損失：

F(A)＝P_A(Sale_A+Sale_B+Sale_C)+(1-P_A)*Sale_A*Switch(A)

其中，Sale_A表示商品A的某忠誠用戶銷售額，Sale_B表示商品B的某忠誠用戶銷售額，Sale_C商品C的某忠誠用戶銷售額，商品B為某忠誠用戶購買的與商品A同類型的商品，商品C為某忠誠用戶購買的與商品A不同類型的商品，P_A表示商品A下架時某忠誠用戶離開的概率。

在一個實施例中，利用如下公式計算商品A下架時某忠誠用戶離開的概率：