基于大数据的商品营销管控方法、系统和可读存储介质与流程

1.本发明涉及商品营销管控技术领域，更具体的，涉及一种基于大数据的商品营销管控方法、系统和可读存储介质。


背景技术：

2.营销以企业的利益为中心，为实现企业利润最大化服务；营销是消费者在购买消费商品时的一种经营活动，以消费者利益为中心，以实现消费者利益最大化为目标，企业的目标是经营利润最大化；消费者寻求的是消费利益最大化；这是一个相互对立的矛盾点。
3.然而在商品营销过程中对于市场现存需求量以及未来可能存在的需求量的判断就显得尤为重要，当然库存对于商品营销的影响也颇为重要，好的营销管控是很多部门共同合作的结晶，因此可以利用大数据分析来替代一些人为主观因素分析数据作业，来避免一些主观错误，更贴近市场调控能够增进企业收入的同时也提升消费者的购买欲望。


技术实现要素：

4.鉴于上述问题，本发明的目的是提供一种基于大数据的商品营销管控方法、系统和可读存储介质，利用大数据对已售商品以及特定数据进行分析，以对未售商品的售卖方案输出对应的预案，同时还可以对库存进行合理调配。
5.本发明第一方面提供了一种基于大数据的商品营销管控方法，包括以下步骤：
6.读取商品属性对在售商品进行分类以获取商品数据库；
7.利用大数据识别第一数据，提取所述第一数据中的关键词匹配所述商品数据库以获取对应的商品集；
8.识别第二数据中已售商品的销售变化曲线，并对所述曲线进行数据分析以更新商品采购计划表；
9.获取目标商品的初期售卖反馈值，基于所述反馈值利用预设的售卖算法并结合大数据分析输出后期售卖方案。
10.本方案中，所述读取商品属性对在售商品进行分类以获取商品数据库，具体为：
11.基于商品条形码的扫描结果读取对应商品的所述商品属性；
12.基于所述商品属性提取类型因子，并将属于同一所述类型因子的商品归为一类，其中，所述类型因子包括但不仅限于“新品”、“常规品”以及“快消品”；
13.将区分好的所有类型的商品以类型为目录组成所述商品数据库。
14.本方案中，所述利用大数据识别第一数据，提取所述第一数据中的关键词匹配所述商品数据库以获取对应的商品集，具体为：
15.利用大数据识别当前社交平台以及网络新闻上的热门数据；
16.基于所述热门数据提取所述关键词，其中，所述热门数据包括但不仅限于热门词汇、热门事件以及热门人物；
17.基于所述关键词匹配所述商品数据库的商品并组合得到所述商品集。
18.本方案中，所述识别第二数据中已售商品的销售变化曲线，并对所述曲线进行数据分析以更新商品采购计划表，具体为：
19.获取预设周期内的所述已售商品的销售数据作为所述第二数据；
20.提取所述第二数据中销售额高出第一阈值的时间段作为第一目标时间段；
21.提取所述第二数据中销售额低出第二阈值的时间段作为第二目标时间段；
22.提取所述第一目标时间段内的所述已售商品作为加购对象，所述第二目标时间段内的所述已售商品作为减购对象。
23.本方案中，所述方法还包括：
24.基于所述第二数据提取所述周期内选定商品的所述销售变化曲线；
25.基于所述销售变化曲线判别商品数量级与时间的对应关系；
26.基于所述对应关系更新下一相邻所述周期的所述选定商品的采购计划表。
27.本方案中，所述获取目标商品的初期售卖反馈值，基于所述反馈值利用预设的售卖算法并结合大数据分析输出后期售卖方案，具体为：
28.获取用户端反馈的所述目标商品的初期售卖反馈值；
29.将所述反馈值输入到所述售卖算法中得到第一结果；
30.利用大数据对所述反馈值进行分析并结合所述第一结果输出所述后期售卖方案。
31.本发明第二方面还提供一种基于大数据的商品营销管控系统，包括存储器和处理器，所述存储器中包括基于大数据的商品营销管控方法程序，所述基于大数据的商品营销管控方法程序被所述处理器执行时实现如下步骤：
32.读取商品属性对在售商品进行分类以获取商品数据库；
33.利用大数据识别第一数据，提取所述第一数据中的关键词匹配所述商品数据库以获取对应的商品集；
34.识别第二数据中已售商品的销售变化曲线，并对所述曲线进行数据分析以更新商品采购计划表；
35.获取目标商品的初期售卖反馈值，基于所述反馈值利用预设的售卖算法并结合大数据分析输出后期售卖方案。
36.本方案中，所述读取商品属性对在售商品进行分类以获取商品数据库，具体为：
37.基于商品条形码的扫描结果读取对应商品的所述商品属性；
38.基于所述商品属性提取类型因子，并将属于同一所述类型因子的商品归为一类，其中，所述类型因子包括但不仅限于“新品”、“常规品”以及“快消品”；
39.将区分好的所有类型的商品以类型为目录组成所述商品数据库。
40.本方案中，所述利用大数据识别第一数据，提取所述第一数据中的关键词匹配所述商品数据库以获取对应的商品集，具体为：
41.利用大数据识别当前社交平台以及网络新闻上的热门数据；
42.基于所述热门数据提取所述关键词，其中，所述热门数据包括但不仅限于热门词汇、热门事件以及热门人物；
43.基于所述关键词匹配所述商品数据库的商品并组合得到所述商品集。
44.本方案中，所述识别第二数据中已售商品的销售变化曲线，并对所述曲线进行数据分析以更新商品采购计划表，具体为：
45.获取预设周期内的所述已售商品的销售数据作为所述第二数据；
46.提取所述第二数据中销售额高出第一阈值的时间段作为第一目标时间段；
47.提取所述第二数据中销售额低出第二阈值的时间段作为第二目标时间段；
48.提取所述第一目标时间段内的所述已售商品作为加购对象，所述第二目标时间段内的所述已售商品作为减购对象。
49.本方案中，所述方法还包括：
50.基于所述第二数据提取所述周期内选定商品的所述销售变化曲线；
51.基于所述销售变化曲线判别商品数量级与时间的对应关系；
52.基于所述对应关系更新下一相邻所述周期的所述选定商品的采购计划表。
53.本方案中，所述获取目标商品的初期售卖反馈值，基于所述反馈值利用预设的售卖算法并结合大数据分析输出后期售卖方案，具体为：
54.获取用户端反馈的所述目标商品的初期售卖反馈值；
55.将所述反馈值输入到所述售卖算法中得到第一结果；
56.利用大数据对所述反馈值进行分析并结合所述第一结果输出所述后期售卖方案。
57.本发明第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质中包括机器的一种基于大数据的商品营销管控方法程序，所述基于大数据的商品营销管控方法程序被处理器执行时，实现如上述任一项所述的一种基于大数据的商品营销管控方法的步骤。
58.本发明公开的一种基于大数据的商品营销管控方法、系统和可读存储介质，利用大数据对已售商品以及特定数据进行分析，以对未售商品的售卖方案输出对应的预案，并且设置了多种分析数据对象，以针对不同的商品采取最适配的售卖方法，同时还可以对库存进行合理调配。
附图说明
59.图1示出了本发明一种基于大数据的商品营销管控方法的流程图；
60.图2示出了本发明一种基于大数据的商品营销管控方法于一实施例中的销量与时间关系示意图；
61.图3示出了本发明一种基于大数据的商品营销管控系统的框图。
具体实施方式
62.为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本技术的实施例及实施例中的特征可以相互组合。
63.在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
64.图1示出了本技术一种基于大数据的商品营销管控方法的流程图。
65.如图1所示，本技术公开了一种基于大数据的商品营销管控方法，包括以下步骤：
66.s102，读取商品属性对在售商品进行分类以获取商品数据库；
67.s104，利用大数据识别第一数据，提取所述第一数据中的关键词匹配所述商品数据库以获取对应的商品集；
68.s106，识别第二数据中已售商品的销售变化曲线，并对所述曲线进行数据分析以更新商品采购计划表；
69.s108，获取目标商品的初期售卖反馈值，基于所述反馈值利用预设的售卖算法并结合大数据分析输出后期售卖方案。
70.需要说明的是，首先获取所述商品数据库，读取需要进入所述商品数据库的商品的所述商品属性以进行分类，例如，所述商品属性包括常规品、快消品等等，利用大数据识别第一数据，获取网络热词作为所述关键词，以匹配所述商品数据库的商品得到所述商品集，例如当前网络热词有“怀念80，90孩童时代”，可以匹配对应那个年代的商品以提取得到所述商品集，跟上潮流的同时可以扩大商品的售出量，此外，对于已售商品而言，可以识别其对应的所述销售变化曲线，进行分析以更新所述商品采购计划表，例如，对于某件商品的售卖量一直很低，那么可以在所述商品采购计划表中降低对于该商品的进购量进行更新，另外，对于一些所述目标商品的售卖可以采用“初期 后期”分期售卖的模式，以更好地适配商品市场。
71.根据本发明实施例，所述读取商品属性对在售商品进行分类以获取商品数据库，具体为：
72.基于商品条形码的扫描结果读取对应商品的所述商品属性；
73.基于所述商品属性提取类型因子，并将属于同一所述类型因子的商品归为一类，其中，所述类型因子包括但不仅限于“新品”、“常规品”以及“快消品”；
74.将区分好的所有类型的商品以类型为目录组成所述商品数据库。
75.需要说明的是，基于预设的扫描装置得到所述商品条形码的扫描结果，进而获取该商品的所述商品属性，并从所述商品属性中提取不同的所述类型因子，以识别当前商品的类型，并以不同的所述类型作为所述商品数据库的目录，以便于提取不同类型的商品，其中，识别到的商品类型包括“新品”、“常规品”以及“快消品”或者“母婴品”。
76.根据本发明实施例，所述利用大数据识别第一数据，提取所述第一数据中的关键词匹配所述商品数据库以获取对应的商品集，具体为：
77.利用大数据识别当前社交平台以及网络新闻上的热门数据；
78.基于所述热门数据提取所述关键词，其中，所述热门数据包括但不仅限于热门词汇、热门事件以及热门人物；
79.基于所述关键词匹配所述商品数据库的商品并组合得到所述商品集。
80.需要说明的是，所述第一数据即为当前网络上的热门数据，包括热门词汇、热门事件以及热门人物或者热门地点等等，基于所述热门数据提取所述关键词，以匹配所述商品数据库的商品得到所述商品集，例如，陕西富平经过大数据识别后，在所述社交平台以及网络新闻上经常出现，那么可以提取来自陕西富平的商品进入所述商品集，比如陕西富平的苹果。
81.根据本发明实施例，所述识别第二数据中已售商品的销售变化曲线，并对所述曲线进行数据分析以更新商品采购计划表，具体为：
82.获取预设周期内的所述已售商品的销售数据作为所述第二数据；
83.提取所述第二数据中销售额高出第一阈值的时间段作为第一目标时间段；
84.提取所述第二数据中销售额低出第二阈值的时间段作为第二目标时间段；
85.提取所述第一目标时间段内的所述已售商品作为加购对象，所述第二目标时间段内的所述已售商品作为减购对象。
86.需要说明的是，基于所述周期获取所述第二数据的在对应时间内的销售变化曲线，如图2所示，其中横轴为时间m，纵轴为数量级t，曲线为各个所述已售商品，以常规品粮油中的大米为例，取第一阈值为“18”，所述第二阈值为“5”，所述第一目标时间段共分为两段，如图2所示，分别为m1、m2，所述第二目标时间段共一段为m3，故在下一个所述周期中，在m1与m2时间段内，加购所述i型米，在所述时间段m3内，减购所述ii型米。
87.根据本发明实施例，所述方法还包括：
88.基于所述第二数据提取所述周期内选定商品的所述销售变化曲线；
89.基于所述销售变化曲线判别商品数量级与时间的对应关系；
90.基于所述对应关系更新下一相邻所述周期的所述选定商品的采购计划表。
91.需要说明的是，如图2所示，所述ii型米的销量随着时间的推移，在短暂的两个峰值之后开始整体逐步下降，因此，在下一个所述周期内，所述ii型米的需求量持续走低，因此可以降低ii型米的采购量。
92.根据本发明实施例，所述获取目标商品的初期售卖反馈值，基于所述反馈值利用预设的售卖算法并结合大数据分析输出后期售卖方案，具体为：
93.获取用户端反馈的所述目标商品的初期售卖反馈值；
94.将所述反馈值输入到所述售卖算法中得到第一结果；
95.利用大数据对所述反馈值进行分析并结合所述第一结果输出所述后期售卖方案。
96.需要说明的是，对于一些特殊商品，即所述目标商品，采用的售卖机制为先预售看下市场反应，而后调整后期的售卖方案，因此可以获取所述用户端反馈的所述初期售卖反馈值r1，将所述反馈值r1输入到所述售卖算法中得到所述第一结果，并结合大数据分析市场反响以输出所述后期售卖方案。
97.值得一提的是，所述售卖算法计算式如下：
98.l＝r1s1 α1s0 (1-r1)(s-s
1-s0)；
99.需要说明的是，其中，l为售出量，s为库存量，s0为标准售出量，s1为所述反馈值对应的售出量，α1为所述反馈值的响应参数。
100.值得一提的是，所述方法还包括基于预设的识别装置识别当前商品的类型，具体为：
101.基于预设的识别装置识别预设箱体得到识别响应值；
102.基于所述识别响应值获取当前所述箱体内的商品类型。
103.需要说明的是，所述商品类型不仅仅可以通过扫描条形码得到，对于一些大件商品，所述条形码的布置困难，且扫描也很困难，于是可以通过所述识别装置识别大件商品的外包装，例如所述箱体，其中，所述外包装上预设有与所述识别装置配合的能够体现箱内商品类型的机构，识别所述箱体得到所述识别响应值后，可以得到所述商品类型。
104.值得一提的是，所述方法还包括利用神经网络模型更新库存商品的类型，具体为：
105.获取历史检测数据的商品类型与商品销量；
106.将所述历史检测数据的商品类型与商品销量进行预处理，得到训练样本集；
107.将所述训练样本集输入至初始化的所述神经网络模型中训练；
108.获取输出结果的准确率；
109.若所述准确率大于预设的准确率阈值，则停止训练，得到所述神经网络模型。
110.需要说明的是，所述神经网络模型需要大量的历史数据进行训练，数据量越大，则结果越准确，本技术中的神经网络模型可以通过历史检测数据的商品类型与商品销量作为输入进行训练，当然，在所述神经网络模型进行训练时，不仅要通过历史检测数据的商品类型与商品销量进行训练，还需要结合确定的市场环境与居民购买力进行训练，通过大量试验数据与真实数据比对，得到的结果也会更加准确，进而使得所述神经网络的输出结果更加准确。优选地，所述准确率阈值一般设置为90％。
111.值得一提的是，所述方法还包括基于大数据分析特定数据以调整库存，具体为：
112.基于大数据分析婴儿出生率以调整母婴类商品库存；
113.基于大数据分析适龄青年的结婚率以调整婚庆类商品库存；
114.基于大数据分析高校升学率以调整学生住宿类商品库存。
115.需要说明的是，每一年每一批次的所述婴儿出生率以及所述适龄青年的结婚率乃至所述高校升学率均不同，可以根据大数据分析后的结果调整对应商品的库存，以所述婴儿出生率为例，随着三胎政策的出台，所述婴儿出生率会有所提升，因此可以增大所述母婴类商品的库存，以满足未来市场需求。
116.图3示出了本发明一种基于大数据的商品营销管控系统的框图。
117.如图3所示，本发明公开了一种基于大数据的商品营销管控系统，包括存储器和处理器，所述存储器中包括基于大数据的商品营销管控方法程序，所述基于大数据的商品营销管控方法程序被所述处理器执行时实现如下步骤：
118.读取商品属性对在售商品进行分类以获取商品数据库；
119.利用大数据识别第一数据，提取所述第一数据中的关键词匹配所述商品数据库以获取对应的商品集；
120.识别第二数据中已售商品的销售变化曲线，利用大数据分析输出对应商品的采购计划表；
121.获取目标商品的初期售卖反馈值，基于所述反馈值利用预设的售卖算法并结合大数据分析输出后期售卖方案。
122.需要说明的是，首先获取所述商品数据库，读取需要进入所述商品数据库的商品的所述商品属性以进行分类，例如，所述商品属性包括常规品、快消品等等，利用大数据识别第一数据，获取网络热词作为所述关键词，以匹配所述商品数据库的商品得到所述商品集，例如当前网络热词有“怀念80，90孩童时代”，可以匹配对应那个年代的商品以提取得到所述商品集，跟上潮流的同时可以扩大商品的售出量，此外，对于已售商品而言，可以识别其对应的所述销售变化曲线，进行分析以更新所述商品采购计划表，例如，对于某件商品的售卖量一直很低，那么可以在所述商品采购计划表中降低对于该商品的进购量进行更新，另外，对于一些所述目标商品的售卖可以采用“初期 后期”分期售卖的模式，以更好地适配商品市场。
123.根据本发明实施例，所述读取商品属性对在售商品进行分类以获取商品数据库，
具体为：
124.基于商品条形码的扫描结果读取对应商品的所述商品属性；
125.基于所述商品属性提取类型因子，并将属于同一所述类型因子的商品归为一类，其中，所述类型因子包括但不仅限于“新品”、“常规品”以及“快消品”；
126.将区分好的所有类型的商品以类型为目录组成所述商品数据库。
127.需要说明的是，基于预设的扫描装置得到所述商品条形码的扫描结果，进而获取该商品的所述商品属性，并从所述商品属性中提取不同的所述类型因子，以识别当前商品的类型，并以不同的所述类型作为所述商品数据库的目录，以便于提取不同类型的商品，其中，识别到的商品类型包括“新品”、“常规品”以及“快消品”或者“母婴品”。
128.根据本发明实施例，所述利用大数据识别第一数据，提取所述第一数据中的关键词匹配所述商品数据库以获取对应的商品集，具体为：
129.利用大数据识别当前社交平台以及网络新闻上的热门数据；
130.基于所述热门数据提取所述关键词，其中，所述热门数据包括但不仅限于热门词汇、热门事件以及热门人物；
131.基于所述关键词匹配所述商品数据库的商品并组合得到所述商品集。
132.需要说明的是，所述第一数据即为当前网络上的热门数据，包括热门词汇、热门事件以及热门人物或者热门地点等等，基于所述热门数据提取所述关键词，以匹配所述商品数据库的商品得到所述商品集，例如，陕西富平经过大数据识别后，在所述社交平台以及网络新闻上经常出现，那么可以提取来自陕西富平的商品进入所述商品集，比如陕西富平的苹果。
133.根据本发明实施例，所述识别第二数据中已售商品的销售变化曲线，并对所述曲线进行数据分析以更新商品采购计划表，具体为：
134.获取预设周期内的所述已售商品的销售数据作为所述第二数据；
135.提取所述第二数据中销售额高出第一阈值的时间段作为第一目标时间段；
136.提取所述第二数据中销售额低出第二阈值的时间段作为第二目标时间段；
137.提取所述第一目标时间段内的所述已售商品作为加购对象，所述第二目标时间段内的所述已售商品作为减购对象。
138.需要说明的是，基于所述周期获取所述第二数据的在对应时间内的销售变化曲线，如图2所示，其中横轴为时间m，纵轴为数量级t，曲线为各个所述已售商品，以常规品粮油中的大米为例，取第一阈值为“18”，所述第二阈值为“5”，所述第一目标时间段共分为两段，如图2所示，分别为m1、m2，所述第二目标时间段共一段为m3，故在下一个所述周期中，在m1与m2时间段内，加购所述i型米，在所述时间段m3内，减购所述ii型米。
139.根据本发明实施例，所述方法还包括：
140.基于所述第二数据提取所述周期内选定商品的所述销售变化曲线；
141.基于所述销售变化曲线判别商品数量级与时间的对应关系；
142.基于所述对应关系更新下一相邻所述周期的所述选定商品的采购计划表。
143.需要说明的是，如图2所示，所述ii型米的销量随着时间的推移，在短暂的两个峰值之后开始整体逐步下降，因此，在下一个所述周期内，所述ii型米的需求量持续走低，因此可以降低ii型米的采购量。
144.根据本发明实施例，所述获取目标商品的初期售卖反馈值，基于所述反馈值利用预设的售卖算法并结合大数据分析输出后期售卖方案，具体为：
145.获取用户端反馈的所述目标商品的初期售卖反馈值；
146.将所述反馈值输入到所述售卖算法中得到第一结果；
147.利用大数据对所述反馈值进行分析并结合所述第一结果输出所述后期售卖方案。
148.需要说明的是，对于一些特殊商品，即所述目标商品，采用的售卖机制为先预售看下市场反应，而后调整后期的售卖方案，因此可以获取所述用户端反馈的所述初期售卖反馈值r1，将所述反馈值r1输入到所述售卖算法中得到所述第一结果，并结合大数据分析市场反响以输出所述后期售卖方案。
149.值得一提的是，所述售卖算法计算式如下：
150.l＝r1s1 α1s0 (1-r1)(s-s
1-s0)；
151.需要说明的是，其中，l为售出量，s为库存量，s0为标准售出量，s1为所述反馈值对应的售出量，α1为所述反馈值的响应参数。
152.值得一提的是，所述方法还包括基于预设的识别装置识别当前商品的类型，具体为：
153.基于预设的识别装置识别预设箱体得到识别响应值；
154.基于所述识别响应值获取当前所述箱体内的商品类型。
155.需要说明的是，所述商品类型不仅仅可以通过扫描条形码得到，对于一些大件商品，所述条形码的布置困难，且扫描也很困难，于是可以通过所述识别装置识别大件商品的外包装，例如所述箱体，其中，所述外包装上预设有与所述识别装置配合的能够体现箱内商品类型的机构，识别所述箱体得到所述识别响应值后，可以得到所述商品类型。
156.值得一提的是，所述方法还包括利用神经网络模型更新库存商品的类型，具体为：
157.获取历史检测数据的商品类型与商品销量；
158.将所述历史检测数据的商品类型与商品销量进行预处理，得到训练样本集；
159.将所述训练样本集输入至初始化的所述神经网络模型中训练；
160.获取输出结果的准确率；
161.若所述准确率大于预设的准确率阈值，则停止训练，得到所述神经网络模型。
162.需要说明的是，所述神经网络模型需要大量的历史数据进行训练，数据量越大，则结果越准确，本技术中的神经网络模型可以通过历史检测数据的商品类型与商品销量作为输入进行训练，当然，在所述神经网络模型进行训练时，不仅要通过历史检测数据的商品类型与商品销量进行训练，还需要结合确定的市场环境与居民购买力进行训练，通过大量试验数据与真实数据比对，得到的结果也会更加准确，进而使得所述神经网络的输出结果更加准确。优选地，所述准确率阈值一般设置为90％。
163.值得一提的是，所述方法还包括基于大数据分析特定数据以调整库存，具体为：
164.基于大数据分析婴儿出生率以调整母婴类商品库存；
165.基于大数据分析适龄青年的结婚率以调整婚庆类商品库存；
166.基于大数据分析高校升学率以调整学生住宿类商品库存。
167.需要说明的是，每一年每一批次的所述婴儿出生率以及所述适龄青年的结婚率乃至所述高校升学率均不同，可以根据大数据分析后的结果调整对应商品的库存，以所述婴
儿出生率为例，随着三胎政策的出台，所述婴儿出生率会有所提升，因此可以增大所述母婴类商品的库存，以满足未来市场需求。
168.本发明第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质中包括机器的一种基于大数据的商品营销管控方法程序，所述基于大数据的商品营销管控方法程序被处理器执行时，实现如上述任一项所述的一种基于大数据的商品营销管控方法的步骤。
169.本发明公开的一种基于大数据的商品营销管控方法、系统和可读存储介质，利用大数据对已售商品以及特定数据进行分析，以对未售商品的售卖方案输出对应的预案，并且设置了多种分析数据对象，以针对不同的商品采取最适配的售卖方法，同时还可以对库存进行合理调配。
170.在本技术所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
171.上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
172.另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
173.本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
174.或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。