虛擬商品數(shù)據(jù)處理方法和處理設(shè)備的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及虛擬商品領(lǐng)域，具體涉及虛擬商品數(shù)據(jù)處理方法和處理設(shè)備。
【背景技術(shù)】
[0002] 在目前的電商網(wǎng)站上，對于虛擬商品（例如，游戲商品，包括點卡、游戲Key、券 碼、游戲道具等）的銷售，通過收集例如游戲用戶的游戲商品購買數(shù)據(jù)、網(wǎng)頁瀏覽量（Page View，PV)、訂單轉(zhuǎn)化率、購買時間等，由數(shù)據(jù)處理人員對這些數(shù)據(jù)進行人工分析。例如，將上 述數(shù)據(jù)整合在數(shù)據(jù)表中，呈現(xiàn)給數(shù)據(jù)處理人員，數(shù)據(jù)處理人員人工對數(shù)據(jù)表進行分析。
[0003]然而，這樣的技術(shù)存在著一些問題，例如：由于虛擬商品屬于快速消費品，其數(shù)量 隨時更新，并不像實物商品有較長的生產(chǎn)階段和物流時長，且數(shù)據(jù)根據(jù)不同的應(yīng)用（例如 不同游戲）會產(chǎn)生較大波動，以實物商品的分析方式來分析虛擬商品會存在不準(zhǔn)確和不及 時的問題。此外，虛擬商品的銷售會存在一個突發(fā)期，例如類似"節(jié)"的一個時段（如游戲 中定期的游戲內(nèi)活動），需要針對該時間段安排軟件、硬件和網(wǎng)絡(luò)帶寬的支持，以避免例如 造成系統(tǒng)癱瘓等對網(wǎng)絡(luò)和系統(tǒng)的沖擊。
[0004]目前還缺少對虛擬商品的銷售數(shù)據(jù)進行準(zhǔn)確、快速分析的有效方法。

【發(fā)明內(nèi)容】

[0005] 為了提供對虛擬商品的銷售數(shù)據(jù)進行準(zhǔn)確、快速分析的有效手段，本發(fā)明提供了 一種虛擬商品數(shù)據(jù)的處理方法和一種虛擬商品數(shù)據(jù)的處理設(shè)備。
[0006]根據(jù)本發(fā)明的第一方面，提供了一種虛擬商品數(shù)據(jù)的處理方法，包括：收集多個虛 擬商品的購買數(shù)據(jù)；將所述多個虛擬商品按品類分成兩組，并基于所述購買數(shù)據(jù)確定第一 時間段內(nèi)兩組虛擬商品的購買交叉點；以及基于第二時間段內(nèi)的多個所述購買交叉點來確 定所述多個虛擬商品的慣性銷售時間，其中，所述第二時間段包括所述第一時間段且其長 度是所述第一時間段的多倍。
[0007]根據(jù)本發(fā)明的第二方面，提供了一種虛擬商品數(shù)據(jù)的處理設(shè)備，包括：信息收集模 塊，用于收集多個虛擬商品的購買數(shù)據(jù)；交叉點計算模塊，用于將所述多個虛擬商品按品類 分成兩組，并基于所述購買數(shù)據(jù)確定第一時間段內(nèi)兩組虛擬商品的購買交叉點；以及慣性 確定模塊，用于基于第二時間段內(nèi)的多個所述購買交叉點來確定所述多個虛擬商品的慣性 銷售時間，其中，所述第二時間段包括所述第一時間段且其長度是所述第一時間段的多倍。
[0008]根據(jù)本發(fā)明的上述方法和設(shè)備，能夠較為準(zhǔn)確和及時地預(yù)測虛擬商品銷售的突發(fā) 高峰時段，從而可針對該時間段安排軟件、硬件和網(wǎng)絡(luò)帶寬的支持，以避免例如造成系統(tǒng)癱 瘓等對網(wǎng)絡(luò)和系統(tǒng)的沖擊。
【附圖說明】
[0009]通過下面結(jié)合附圖對發(fā)明進行的詳細描述，將使本發(fā)明的上述特征和優(yōu)點更加明 顯，其中：
[0010] 圖1是示出根據(jù)本發(fā)明的實施例虛擬商品數(shù)據(jù)的處理方法的簡要流程圖；
[0011] 圖2是示出根據(jù)本發(fā)明的實施例的虛擬商品數(shù)據(jù)處理設(shè)備的簡要框圖；以及
[0012] 圖3是示出實現(xiàn)本發(fā)明技術(shù)方案的一個實施例的交叉點確定的示意圖。
【具體實施方式】
[0013] 下面，參考附圖詳細說明本發(fā)明的優(yōu)選實施方式。在附圖中，雖然示于不同的附圖 中，但相同的附圖標(biāo)記用于表示相同的或相似的組件。為了清楚和簡明，包含在這里的已知 的功能和結(jié)構(gòu)的詳細描述將被省略，以避免使本發(fā)明的主題不清楚。
[0014] 圖1示出了根據(jù)本發(fā)明的實施例虛擬商品數(shù)據(jù)的處理方法的簡要流程圖。
[0015] 在圖1的步驟110中，收集多個虛擬商品的購買數(shù)據(jù)。
[0016] 可根據(jù)所有或部分客戶購買的商品記錄數(shù)據(jù)（包括購買訂單量、購買的商品銷售 額等），按照商品的品類以及商品的最小庫存單位（StockKeepingUnit，SKU)進行分類匹 配，按照時間來進行分類統(tǒng)計。本文中所說的品類指的是商品種類，例如票務(wù)類商品、旅行 類商品、充值類商品等。在一些示例中，按照自然日對數(shù)據(jù)進行整理。當(dāng)然，在其他示例中， 也可以按其他時間單位或者相同時間單位但不同的時間起始點（例如，從每天上午8點到 第二天上午8點的數(shù)據(jù)）來對數(shù)據(jù)進行整理。
[0017] 在一些示例中，在虛擬商品是游戲中的虛擬物品的情況下，可指定一款或多款游 戲的虛擬物品來進行分析。此時，可首先確定該多款游戲的關(guān)聯(lián)性，例如類型或內(nèi)容方面是 否存在關(guān)聯(lián)，并可將有關(guān)聯(lián)的游戲的數(shù)據(jù)收集以及隨后的數(shù)據(jù)分析放在一起進行。
[0018] 在步驟120中，將多個虛擬商品按品類分成兩組，并基于購買數(shù)據(jù)確定第一時間 段內(nèi)兩組虛擬商品的購買交叉點。
[0019] 在一些實施例中，第一時間段可以是一個月。當(dāng)然，根據(jù)具體情況不同，第一時間 段也可以是其他時間段，例如兩個月等。
[0020] 圖3示出了根據(jù)本發(fā)明的購買交叉點的一個示例性的示意圖。如圖3所示，橫軸 坐標(biāo)是時間，縱軸坐標(biāo)是銷量。具體地，圖3中的縱軸坐標(biāo)表示銷售金額，當(dāng)然，縱軸坐標(biāo)也 可以表示銷量的其他形式，例如銷售金額等。橫軸上的一個時間區(qū)間可以是1個月。如圖 所述，在第一時間區(qū)間中該兩組虛擬商品可存在多個購買交叉點。此時可以區(qū)訂單量或銷 售金額最高的交叉點來作為用于數(shù)據(jù)分析的購買交叉點，并記錄該購買交叉點處的時間T 和銷量。如上所述，T可以是表示自然日的時間。
[0021] 在一些示例中，還可能需要從所收集的數(shù)據(jù)中剔除購買數(shù)量/金額遠大于其他訂 單的訂單。例如，工作室等大客戶可能會一次性地訂購大量的虛擬商品，但這種訂購不能代 表一般用戶的用戶行為，剔除這種突發(fā)的數(shù)據(jù)可對用戶行為進行更準(zhǔn)確地分析。
[0022] 在步驟130中，基于第二時間段內(nèi)的多個購買交叉點來確定多個虛擬商品的慣性 銷售時間，其中，第二時間段包括第一時間段且其長度是第一時間段的多倍。
[0023] 例如，第一時間段可以是1個月或兩個月，第二時間段可以是半年或1年。
[0024] 在一些實施例中，可使用下述等式（1)來確定下一第一時間段內(nèi)所述兩組虛擬商 品的在購買交叉點處的銷量：
[0025]
[0026] 以及根據(jù)以下等式（2)確定下一第一時間段內(nèi)所述兩組虛擬商品的購買交叉點：
[0027]
[0028] 其中，G表示購買交叉點處的銷量，T表示購買交叉點，m表示當(dāng)前第一時間段，m-1 表不上一第一時間段，m+1表不下一第一時間段，i表不之前的某一第一時間段，其取值可 根據(jù)具體需求而定。例如，當(dāng)某種品類的商品具有良好的銷售慣性（如多個第一時間段的 購買交叉點相近）時，i可取較前的值。
[0029] 在另一些實施例中，可以利用上一年與該下一第一時間段同期的數(shù)據(jù)來對該下一 第一時間段的數(shù)據(jù)進行校正。例如如以下等式3所示：
[0030]
[0031] 其中，T表示購買交叉點，m表示當(dāng)前第一時間段，m-1表示上一第一時間段，m+1 表示下一第一時間段，y表示當(dāng)前年份。需要注意的是，雖然這里僅采用了前一年的數(shù)據(jù)進 行校正。在一些實施例中，也可以采用之前多年的數(shù)據(jù)來進行校正，例如采用之前多年的數(shù) 據(jù)的平均或其他形式來進行校正。
[0032] 從上述等式可知，所計算出的T的值可能不是整數(shù)，此時，T的值可以向上取整，也 可以向下取整。本發(fā)明不對此進行限制。在實際的操作中，可認為這兩個時間點（向上取 整值和向下取整值）都是潛在的銷售高峰期，需要針對這兩個時間點進行例如網(wǎng)絡(luò)和硬件 支持。
[0033] 此外，該方法還可以包括：針對第二時間段內(nèi)（以1年為例）的每個第一時間段 (以1個月為例），計算當(dāng)前第一時間段與上一第一時間段的匹配系數(shù)。
[0034] 可使用下述等式（4)來計算匹配系數(shù)：
[0035]
[0036] 其中，f?表示匹配系數(shù)，G表示購買交叉點處的銷量，T表示購買交叉點，m表示當(dāng) 前第一時間段，m-1表示上一第一時間段。例如，假設(shè)當(dāng)前的第一時間段中的購買交叉點是 3月23日，則當(dāng)前第一時間段被記為T3，取值為23,且當(dāng)前第一時間段的銷量被記為G3。
[0037] 由此，例如當(dāng)知道當(dāng)前月和前一個月的匹配系數(shù)之后，在進行下一月的預(yù)測時，可 將當(dāng)前月和前一個月的匹配系數(shù)簡單地取平均值來得到下一月的匹配系數(shù)。當(dāng)?shù)玫降钠ヅ?系數(shù)值越接近1，則表明對該下一月的數(shù)據(jù)預(yù)測越正常，當(dāng)匹配系數(shù)值離1越遠，則表明對 該下一月的預(yù)測的可信度較低。
[0038] 在一些實施例中，可以將第二時間段內(nèi)的匹配系數(shù)中最接近1的匹配系數(shù)所在的 時間點確定為的最佳慣性銷售時間。例如，如果3月23日對應(yīng)的匹配系數(shù)是整個一年中最 接近1的匹配系數(shù)，則3月23日即為該年度的（迄今的）最佳慣性銷售時間。該最佳慣性 銷售時間可表明例如每年在該時間都可能發(fā)生大規(guī)模的虛擬商品購買行為，需要針對該行 為提供充足的軟件、硬件和網(wǎng)絡(luò)帶寬支持，以避免對網(wǎng)絡(luò)和系統(tǒng)的不利沖擊。
[0039] 接下來，將參考圖2,結(jié)合圖1示出的方式詳細說明與圖1的方法相對應(yīng)的虛擬商 品數(shù)據(jù)的處理設(shè)備。
[0040] 如圖2所示，根據(jù)本發(fā)明實施例的虛擬商品數(shù)據(jù)處理設(shè)備至少包括：
[0041] 信息收集模塊210,用于收集多個虛擬商品的購買數(shù)據(jù)；
[0042] 交叉點計算模塊220,用于將該多個虛擬商品按品類分成兩組，并基于購買數(shù)據(jù)確 定第一時間段內(nèi)兩組虛擬商品的購買交叉點；以及
[0043] 慣性確定模塊230,用于基于第二時間段內(nèi)的多個購買交叉點來確定該多個虛擬 商品的慣性銷售時間，其中，第二時間段包括第一時間段且其長度是第一時間段的多倍。
[0044] 該虛擬商品數(shù)據(jù)處理設(shè)備還可以包括異常剔除模塊240,用于從所收集的購買數(shù) 據(jù)中剔除購買數(shù)量/金額遠大于其他訂單的訂單。
[0045] 該虛擬商品數(shù)據(jù)處理設(shè)備還可以包括存儲模塊（未示出），用于存儲上述模塊的 處理中需要存儲的數(shù)據(jù)。該存儲模塊可用本領(lǐng)域技術(shù)人員周知的各種技術(shù)來實現(xiàn)。
[0046] 在一些示例中，交叉點計算模塊220還可用于：確定所述兩組虛擬商品在時間軸 上具有相同銷量的時間點作為購買交叉點。
[0047] 在一些示例中，交叉點計算模塊220還可用于：如果在第一時間段內(nèi)存在多個具 有相同銷量的時間點，取銷量最大的時間點作為購買交叉點。