本發(fā)明屬于電商，具體涉及基于智能檢索的跨境電商獲客方法及系統(tǒng)。

背景技術(shù)：

1、隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，特別是智能手機和移動互聯(lián)網(wǎng)的普及，極大地促進了跨境電商的發(fā)展。消費者可以通過多種在線渠道輕松購買全球商品?？缇畴娚套鳛橥苿咏?jīng)濟一體化、貿(mào)易全球化的技術(shù)基礎，具有非常重要的戰(zhàn)略意義?？缇畴娚滩粌H沖破了國家間的障礙，使國際貿(mào)易走向無國界貿(mào)易，同時它也正在引起世界經(jīng)濟貿(mào)易的巨大變革?？缇畴娚套鳛殡娚藤Q(mào)易的一種，需要不斷地吸引新的地域的消費者，通過有效的訂單獲客策略，企業(yè)可以增加受眾范圍，并進入新的市場，擴大市場覆蓋面，提升全球競爭力。獲取訂單是提高跨境電商企業(yè)營收的關鍵，通過擴大客戶受眾群體，跨境電商企業(yè)能夠?qū)崿F(xiàn)銷售額的持續(xù)增長，推動業(yè)務擴展范圍、企業(yè)知名度和影響力，逐步建立起全球消費者心中的信任度進而形成重視客戶群體。

2、因此，有必要通過分析不同搜索端的客戶數(shù)據(jù)，了解客戶行為和需求，優(yōu)化營銷策略和提高轉(zhuǎn)化率。然而現(xiàn)有技術(shù)中，如申請?zhí)枮閏n202311202127.7的中國專利申請文件、申請?zhí)枮閏n202110835352.9的中國專利均為有關于跨境電商的管理運營等方法及相關系統(tǒng)的技術(shù)內(nèi)容，現(xiàn)有技術(shù)中缺少對通過多個客戶端或搜索端對同一物品進行不同搜索標簽(關鍵詞)的搜索查找后，進行購買的數(shù)據(jù)信息獲取，并進而確定客戶的活躍度以及常用的搜索標簽以及喜愛購買的季節(jié)或地域性購買同一商品的差別的數(shù)據(jù)分析，進而最終通過活躍度的體現(xiàn)而控制跨境電商不同物品的廣告推送以及售賣時間，以達到增加跨境電商的獲客途徑和范圍的技術(shù)效果的相關技術(shù)。

技術(shù)實現(xiàn)思路

1、本發(fā)明針對上述缺陷，提供一種基于智能檢索的跨境電商獲客方法及系統(tǒng)、設備及介質(zhì)。本發(fā)明通過對多個搜索端的不同搜索標簽檢索企業(yè)目標客戶，采用對數(shù)據(jù)匹配和數(shù)據(jù)關聯(lián)合并后的新的數(shù)據(jù)庫中的多個用戶所在的地域進行目標歸類詞的正向和逆向遍歷新的關聯(lián)數(shù)據(jù)庫c中所有用戶信息文檔，分別得到不同的文檔歸類詞出現(xiàn)的詞頻，最終構(gòu)建基于詞頻的用戶活躍度評價指標值，再根據(jù)二叉樹排序方法對用戶活躍度進行排序，最終獲得采用不同目標歸類詞歸類時，用戶活躍度的排序，進而根據(jù)用戶的目標歸類詞的不同而評價用戶購買欲望，進而根據(jù)用戶的購物習慣設置不同商品的推廣時間、搜索關鍵詞以及售賣時間，進而增加獲客幾率的同時更易獲得首次購買客戶，并且提高了老客重復購買率，減少了投流的成本。

2、本發(fā)明提供如下技術(shù)方案：基于智能檢索的跨境電商獲客方法，所述方法基于自然語義識別方法對用戶數(shù)據(jù)處理并分析，所述方法包括以下步驟：

3、s1：采用搜索端智能檢索企業(yè)目標客戶，根據(jù)不同的搜索標簽進行相關信息交互；

4、s2：根據(jù)交互結(jié)果，進行多個搜索標簽的搜索結(jié)果的數(shù)據(jù)關聯(lián)合并；

5、s3：進行關聯(lián)合并后的數(shù)據(jù)分析，進行用戶活躍度排序；

6、s4：根據(jù)所述s3步驟的排序結(jié)果，對不同活躍度的用戶進行相應頻率的廣告推送以及相應時段的商品售賣。

7、進一步地，所述s1步驟中采用搜索端智能檢索企業(yè)目標客戶，根據(jù)不同的搜索標簽進行相關信息交互，包括以下步驟：

8、s11：采用爬蟲方法獲取第k個搜索引擎中的每個用戶的數(shù)據(jù)信息：第e個用戶數(shù)據(jù)子集uk,e：其中為第e個用戶的注冊id信息，為用戶購買日期，為用戶購買商品價格，為用戶購買商品發(fā)貨地，為用戶會員記錄k＝1,2,…,k；k為搜索引擎的總數(shù)；e＝1,2,…,e；e共為每個搜索引擎的搜索結(jié)果形成的用戶數(shù)據(jù)子集數(shù)量；k個搜索引擎的搜索結(jié)果形成采集信息集合u＝{u1,1,u1,2,…,uk,e,…,uk,e}；

9、s12：采用自然語義識別方法識別k個搜索引擎大的k個搜索結(jié)果中的多個用戶數(shù)據(jù)子集的hamming距離h：

10、

11、其中，r∈{1,2,…,k}，h∈{1,2,…,e}；grh＝1,2,...,5；gke＝1,2,…,5；為第r個搜索結(jié)果中第h個用戶數(shù)據(jù)子集中第grh個用戶信息的字符段長度；為第k個搜索結(jié)果中第e個用戶數(shù)據(jù)子集中第gke個用戶信息的字符段長度；

12、s13：計算第k個搜索結(jié)果中第e個用戶數(shù)據(jù)子集中第gke個用戶信息的標簽維度以及第r個搜索結(jié)果中第h個用戶數(shù)據(jù)子集中第grh個用戶信息的標簽維度

13、s14：計算第m個搜索標簽在k個搜索結(jié)果中的多個用戶數(shù)據(jù)子集中的交互關聯(lián)信息值

14、

15、進而得到多個搜索標簽在k個數(shù)據(jù)庫中的多個用戶數(shù)據(jù)子集中交互關聯(lián)信息值集合i：

16、進一步地，所述s13步驟計算第k個搜索結(jié)果中第e個用戶數(shù)據(jù)子集中第gke個用戶信息的標簽維度的公式如下：

17、

18、計算第r個搜索結(jié)果中第h個用戶數(shù)據(jù)子集中第grh個用戶信息的標簽維度的公式如下：

19、

20、其中，lam為第m個搜索標簽，m＝1,2,…,m；k≠r，e≠h。

21、進一步地，所述s2步驟包括以下步驟：

22、s21：根據(jù)所述s14步驟計算得到的交互關聯(lián)信息值集合，構(gòu)建搜索標簽排序模型y：

23、

24、其中，a為形成的線性方程的自變量系數(shù)，b為線性方程的常數(shù)，p為質(zhì)數(shù)，p＝7；mod為取余函數(shù)；

25、s22：取搜索標簽排序模型y的結(jié)果中從大到小排列的前五個交互關聯(lián)信息值作為數(shù)據(jù)整合關鍵詞，對k個搜索引擎中的每兩個搜索引擎中的任意用戶數(shù)據(jù)子集進行匹配關聯(lián)，以bn作為第n個數(shù)據(jù)關聯(lián)標簽，n＝1,2,3,4,5；數(shù)據(jù)關聯(lián)合并得到作為新的關聯(lián)數(shù)據(jù)庫c中的第q個用戶的第bn個用戶信息；c＝{c1,c2,…,cq,…,cq}，q＝1,2,…q；cq為新的關聯(lián)數(shù)據(jù)庫c中第q個用戶信息子集，q≤r×h；b1至b5均屬于{1,2,…,m}且互不相等。

26、進一步地，所述s3步驟包括以下步驟：

27、s31：正向遍歷新的關聯(lián)數(shù)據(jù)庫c中所有用戶信息文檔，獲取每個子集中目標歸類詞t的正向出現(xiàn)次數(shù)j1，計算所述目標歸類詞t的正向詞頻tf(t,c)：

28、

29、其中，為計算新的關聯(lián)數(shù)據(jù)庫c中從第1個用戶c1至第q個用戶cq中所有用戶信息文檔數(shù)量；t＝1,2,…,t；t為目標歸類詞的總數(shù)；

30、s32：再逆向遍歷新的關聯(lián)數(shù)據(jù)庫c中所有用戶信息文檔，計算每個子集中目標歸類詞t的逆向出現(xiàn)次數(shù)j2，計算所述目標歸類詞t的逆文檔詞頻ntf(t,c)：

31、

32、s33：構(gòu)建基于詞頻的用戶活躍度評價指標值act(t,c)計算公式：

33、

34、s34：根據(jù)所述用戶活躍度評價指標值，遍歷新的關聯(lián)數(shù)據(jù)庫中所有用戶信息，進行活躍度排序，根據(jù)活躍度的高低選擇不同定價的商品廣告投放時間、目標售賣地區(qū)以及上架售賣時間。

35、進一步地，所述s34步驟包括以下步驟：

36、s341：將所述目標歸類詞t的用戶活躍度評價指標值act(t,c)作為節(jié)點，并與其他任意兩個目標歸類詞的用戶活躍度評價指標值進行比較，將小于act(t,c)的目標歸類詞的用戶活躍度評價指標值作為該節(jié)點的左子樹節(jié)點，將大于act(t,c)的目標歸類詞的用戶活躍度評價指標值座位該節(jié)點的右子樹，形成一個二叉樹；

37、s342：遍歷所述新的關聯(lián)數(shù)據(jù)庫c中所有用戶信息文檔，并依照所述s341的規(guī)則逐步插入所述目標歸類詞t的用戶活躍度評價指標值act(t,c)作為節(jié)點構(gòu)建的二叉樹中；

38、s343：重復所述s341-s342步驟；

39、s344：計算二叉樹復雜度

40、s345：判斷所述二叉樹復雜度o(act)是否小于0.35t，若是，則形成從小到大輸出的不同目標歸類詞的用戶活躍度評價指標值的排序表；否則，重復所述s341-s344。

41、本發(fā)明還提供一種采用根據(jù)上述方法的基于智能檢索的跨境電商獲客系統(tǒng)，所述系統(tǒng)包括信息搜索交互模塊、數(shù)據(jù)關聯(lián)模塊、活躍度排序模塊以及廣告推送控制模塊；

42、所述信息搜索交互模塊，用于采用搜索端智能檢索企業(yè)目標客戶，根據(jù)不同的搜索標簽進行相關信息交互；

43、所述數(shù)據(jù)關聯(lián)模塊，用于根據(jù)交互結(jié)果，進行多個搜索標簽的搜索結(jié)果的數(shù)據(jù)關聯(lián)合并；

44、所述活躍度排序模塊，進行關聯(lián)合并后的數(shù)據(jù)分析，進行用戶活躍度排序；

45、所述廣告推送控制模塊，用于根據(jù)所述活躍度排序模塊的排序結(jié)果，對不同活躍度的用戶進行相應頻率的廣告推送以及相應時段的商品售賣。

46、本發(fā)明的有益效果為：

47、1、本發(fā)明提供的基于智能檢索的跨境電商獲客方法，通過爬蟲方法輔助自然語義識別方法將多個搜索引擎搜索結(jié)果中的每個用戶的用戶數(shù)據(jù)子集uk,e，形成采集信息集合u，再進一步識別k個搜索結(jié)果中的多個用戶數(shù)據(jù)子集的hamming距離h，對多個搜索引擎的搜索結(jié)果中的用戶信息進行標簽維度的計算，利用不同搜索標簽在多個搜索引擎的搜索結(jié)果中的多個用戶數(shù)據(jù)子集中的交互關聯(lián)信息值對多個搜索引擎的搜索結(jié)果中的每個用戶數(shù)據(jù)自己uk,e進行關聯(lián)交互。進而為后續(xù)的數(shù)據(jù)關聯(lián)合并時需要的最有利于高效合并多個搜索引擎的搜索結(jié)果中的相關用戶信息的數(shù)據(jù)簡化標簽。

48、2、本發(fā)明再計算m個搜索標簽在k個搜索結(jié)果中的多個用戶數(shù)據(jù)子集中的交互關聯(lián)信息值，并形成交互關聯(lián)信息值集合i：為構(gòu)建后續(xù)的高效的數(shù)據(jù)關聯(lián)合并奠定了基礎。

49、3、本發(fā)明通過構(gòu)建搜索標簽排序模型進而對使該模型的計算結(jié)果取前五個較大得數(shù)的交互關聯(lián)信息值和作為數(shù)據(jù)被搜索的索引，對多個搜索結(jié)果中的每個用戶的用戶數(shù)據(jù)子集重新進行結(jié)構(gòu)重組，剔除冗余數(shù)據(jù)，進而實現(xiàn)數(shù)據(jù)交互關聯(lián)合并，得到新的簡化數(shù)據(jù)庫c，有效的組織和方便新的簡化數(shù)據(jù)庫c對用戶的不同喜好搜索標簽、不同商品的購買高峰時段、不同區(qū)域?qū)υ撋唐返馁徺I率等進行搜索，便于后續(xù)數(shù)據(jù)的統(tǒng)一排序查找。

50、4、本發(fā)明通過對新的簡化數(shù)據(jù)庫c，采用不同的目標歸類詞依次進行正向遍歷和反向遍歷后，再進一步計算得到用戶活躍度評價指標值后，可以根據(jù)用戶活躍度的大小，判斷出用戶對該商品的活躍度，因此，進一步控制相應頻率的廣告推送以及相應時段的商品售賣，能夠增加獲客幾率，擴展首次購買客戶，有效提高老客重復購買率，減少了投流的成本。