一种文创产品售卖的在线销售系统的制作方法

1.本发明属于在线销售技术领域，尤其涉及一种文创产品售卖的在线销售系统。


背景技术：

2.在线销售，简单的讲就是通过互联网或电话的形式进行销售的行为。比如像百度的有啊平台、淘宝网、卓购商城等都是一种在线销售的平台，另外还有专门的在线销售系统。网上商店，是指建立在第三方提供的电子商务平台上的、由商家自行开展电子商务的一种形式，正如同在大型商场中租用场地开设商家的专卖店一样。网上商店的主要特点在于：缩短了企业开展电子商务的投入周期；简化了开展电子商务的复杂过程；增加了网上展示产品的窗口；直接获得网上销售收入；不需要太多的专业知识，便于管理。建设一个功能完善的电子商务网站需要投入大量资金，还要涉及网上支付、网络安全、商品配送等一系列复杂的问题。对于许多中小企业来说，不仅进入壁垒很高，而且由于网上销售还没有成为产品销售的主流渠道，即使有实力建立一个具备网上交易功能的网站，实际上也不一定合算。因此，网上商店作为一种网络营销和网上销售方式，有其独特的作用。现在有许多电子商务网站提供网上商店平台服务，如当当网等。合理利用网上商店的功能，也能在某些方面发挥企业网站的部分功能，如产品信息发布、产品促销等。然而，现有文创产品售卖的在线销售系统随着互联网电商的飞速发展，移动支付、网页支付的渠道越来越多，开发者接入支付渠道的成本越来越大，这在一定程度上限制了网络支付的发展，也给消费者使用网络支付带来了诸多不便；同时，不能精准预测文创产品需求量，导致资源浪费。
3.综上所述，现有技术存在的问题是：现有文创产品售卖的在线销售系统随着互联网电商的飞速发展，移动支付、网页支付的渠道越来越多，开发者接入支付渠道的成本越来越大，这在一定程度上限制了网络支付的发展，也给消费者使用网络支付带来了诸多不便；同时，不能精准预测文创产品需求量，导致资源浪费。


技术实现要素：

4.针对现有技术存在的问题，本发明提供了一种文创产品售卖的在线销售系统。
5.本发明是这样实现的，一种文创产品售卖的在线销售系统包括：
6.产品属性采集模块、产品定价模块、产品支付模块、产品物流模块、产品结算模块、需求量预测模块；
7.产品属性采集模块，用于采集文创产品属性；
8.产品定价模块，用于对文创产品进行设定价格；
9.产品支付模块，用于对文创产品进行购买支付；
10.产品物流模块，用于对文创产品进行物流发货运输；
11.产品结算模块，用于对文创产品进行结算；
12.需求量预测模块，用于对文创产品需求量进行预测。
13.进一步，所述产品支付模块支付方法如下：
14.(1)文创商户将个人信息、文创产品信息发送到验证服务器；通过验证服务器验证文创商户的注册认证信息，并在所述注册认证信息验证通过后，在文创商户界面显示多个支付渠道；
15.(2)根据文创商户选择的支付渠道进入对应的参数设置界面，从而文创商户在所述参数设置界面设置有关支付渠道的渠道方参数；
16.(3)根据文创商户的接入操作开通经参数设置的支付渠道的支付服务；接收用户的支付指令，并验证文创商户的相关信息，在验证通过后，自动连接根据用户支付指令的支付渠道，从而完成订单支付。
17.进一步，所述验证文创商户的相关信息包括：
18.验证文创商户是否注册成功、所注册的文创商户是否通过企业认证、支付渠道是否开通以及支付参数的配置是否正确，如果验证结果为是，则验证通过。
19.进一步，所述支付方法还包括：
20.在文创商户完成在所述文创商户参数设置界面设置某个支付渠道的渠道方参数时进入秒支付设置界面，其中所述秒支付界面包括未开通支付渠道列表和已开通支付渠道列表；并且将文创商户设置完渠道方参数之后的支付渠道自动加入到所述未开通支付渠道，且所述已开通支付渠道列表显示在用户选择支付渠道页面以供用户选择支付方式；所述自动连接根据用户支付指令的支付渠道包括：自动连接所述已开通支付渠道列表中的至少一个支付渠道。
21.进一步，所述根据文创商户的接入操作开通经参数设置的支付渠道的支付服务包括：
22.向文创商户提供执行代码和调用代码，从而文创商户配置所述执行代码和调用代码；所述自动连接已开通支付渠道列表中的至少一个支付渠道包括：在接收到用户的支付指令时通过所述调用代码调用所述执行代码，从而所述执行代码在用户界面中引入涉及订单标题、订单金额、订单号和安全验证的订单参数。
23.进一步，所述需求量预测模块预测方法如下：
24.1)通过统计程序统计文创产品的历史销售数据；并通过深层网络训练；
25.以设定窗口长度和滑动时长对文创产品的历史销售数据进行切分，得到统一长度的历史周期数据；其中，滑动时长为一个时间粒度，文创产品预测周期为t，窗口长度为t，t的长度为n个时间粒度；对于每一历史周期数据i，提取该历史周期数据i的专家特征；该专家特征包括历史周期数据i的时序特征、非线性特征和节日因素特征；对于每一历史周期数据i，将该历史周期数据i的专家特征输入到全连接层；将该历史周期数据i输入深层网络进行特征提取；然后将全连接层输出的特征与深度网络提取的特征输入一连接层进行特征筛选；连接层筛选的特征依次经dropout层、激活层后输出；
26.2)将最近一历史周期数据输入训练后的深层网络，预测未来一个时间粒度的文创产品需求量。
27.进一步，所述时序特征包括周期内需求量最大值、周期内销售量最大值、周期内需求量最小值、周期内销售量最小值、周期内需求量平均值、周期内销售量平均值、周期内需求量标准差、周期内销售量标准差、周期内需求量中间值、周期内销售量中间值、需求量标准化绝对差分、销售量标准化绝对差分、相邻需求量之差的均方根值、相邻销售量之差的均
方根值、相邻需求量之差的标准差、相邻销售量之差的标准差、需求量差异系数和销售量差异系数。
28.进一步，所述非线性特征包括历史周期数据的kl散度、一阶峰度和二阶峰度。
29.进一步，所述节日因素特征为历史周期数据内的节假日个数乘以节假日长度。
30.进一步，所述深层网络包括依次连接的bilstm网络、lstm网络和cnn；其中的lstm单元首先将历史周期数据i中的第t个时间粒度的数据xt输入遗忘门，遗忘门根据x
t
与计算第t-1个时间粒度数据时隐含层输出的记忆单元状态c
t-1
得到一遗忘参数f
t
；然后计算第t个时间粒度的数据时记忆单元状态c
t-1
中要存储的信息及其位置i
t
；然后将记忆单元状态c
t-1
更新为然后由一个输出门决定第t个时间粒度数据对应的隐含层输出ot。
31.进一步，所述位置信息i
t
＝σ(wi·
[x
t
，h
t-1
] bi)存储的信息其中，wi、wc代表可训权重，bi、bc代表可训练偏置，h
t-1
代表t-1周隐含层输出。
[0032]
进一步，所述bilstm网络中前向lstm网络的输出和后向lstm网络的输出分别输入到lstm网络，得到隐含层的输出h＝{h0，h1…hn
}，作为卷烟历史交易数据的时序维度特征输入到cnn模块中提取深层次特征；其中，h0代表前一时间粒度数据的隐含层输出，hn代表前n时间粒度数据的隐含层输出。
[0033]
本发明的优点及积极效果为：本发明通过产品支付模块可以更加便捷的辅助用户完成支付，从而提高支付效率；同时，通过需求量预测模块能够对文创产品历史交易数据中的时序特征进行提取，进而提升预测的精准度。能够更好地预测未来文创产品需求量，从而基于需求量进行文创产品投放，避免资源浪费。
附图说明
[0034]
图1是本发明实施例提供的文创产品售卖的在线销售系统结构框图。
[0035]
图2是本发明实施例提供的产品支付模块支付方法流程图。
[0036]
图3是本发明实施例提供的需求量预测模块预测方法流程图。
[0037]
图1中：1、产品属性采集模块；2、产品定价模块；3、产品支付模块；4、产品物流模块；5、产品结算模块；6、需求量预测模块。
具体实施方式
[0038]
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
[0039]
下面结合附图对本发明的结构作详细的描述。
[0040]
如图1所示，本发明实施例提供的文创产品售卖的在线销售系统包括：产品属性采集模块1、产品定价模块2、产品支付模块3、产品物流模块4、产品结算模块5、需求量预测模块6。
[0041]
产品属性采集模块1，用于采集文创产品属性；
[0042]
产品定价模块2，用于对文创产品进行设定价格；
[0043]
产品支付模块3，用于对文创产品进行购买支付；
[0044]
产品物流模块4，用于对文创产品进行物流发货运输；
[0045]
产品结算模块5，用于对文创产品进行结算；
[0046]
需求量预测模块6，用于对文创产品需求量进行预测。
[0047]
如图2所示，本发明提供的产品支付模块3支付方法如下：
[0048]
s101，文创商户将个人信息、文创产品信息发送到验证服务器；通过验证服务器验证文创商户的注册认证信息，并在所述注册认证信息验证通过后，在文创商户界面显示多个支付渠道；
[0049]
s102，根据文创商户选择的支付渠道进入对应的参数设置界面，从而文创商户在所述参数设置界面设置有关支付渠道的渠道方参数；
[0050]
s103，根据文创商户的接入操作开通经参数设置的支付渠道的支付服务；接收用户的支付指令，并验证文创商户的相关信息，在验证通过后，自动连接根据用户支付指令的支付渠道，从而完成订单支付。
[0051]
本发明提供的验证文创商户的相关信息包括：
[0052]
验证文创商户是否注册成功、所注册的文创商户是否通过企业认证、支付渠道是否开通以及支付参数的配置是否正确，如果验证结果为是，则验证通过。
[0053]
本发明提供的支付方法还包括：
[0054]
在文创商户完成在所述文创商户参数设置界面设置某个支付渠道的渠道方参数时进入秒支付设置界面，其中所述秒支付界面包括未开通支付渠道列表和已开通支付渠道列表；并且将文创商户设置完渠道方参数之后的支付渠道自动加入到所述未开通支付渠道，且所述已开通支付渠道列表显示在用户选择支付渠道页面以供用户选择支付方式；所述自动连接根据用户支付指令的支付渠道包括：自动连接所述已开通支付渠道列表中的至少一个支付渠道。
[0055]
本发明提供的根据文创商户的接入操作开通经参数设置的支付渠道的支付服务包括：
[0056]
向文创商户提供执行代码和调用代码，从而文创商户配置所述执行代码和调用代码；所述自动连接已开通支付渠道列表中的至少一个支付渠道包括：在接收到用户的支付指令时通过所述调用代码调用所述执行代码，从而所述执行代码在用户界面中引入涉及订单标题、订单金额、订单号和安全验证的订单参数。
[0057]
如图3所示，本发明提供的需求量预测模块6预测方法如下：
[0058]
s201，通过统计程序统计文创产品的历史销售数据；并通过深层网络训练；
[0059]
以设定窗口长度和滑动时长对文创产品的历史销售数据进行切分，得到统一长度的历史周期数据；其中，滑动时长为一个时间粒度，文创产品预测周期为t，窗口长度为t，t的长度为n个时间粒度；对于每一历史周期数据i，提取该历史周期数据i的专家特征；该专家特征包括历史周期数据i的时序特征、非线性特征和节日因素特征；对于每一历史周期数据i，将该历史周期数据i的专家特征输入到全连接层；将该历史周期数据i输入深层网络进行特征提取；然后将全连接层输出的特征与深度网络提取的特征输入一连接层进行特征筛选；连接层筛选的特征依次经dropout层、激活层后输出；
[0060]
s202，将最近一历史周期数据输入训练后的深层网络，预测未来一个时间粒度的文创产品需求量。
[0061]
本发明提供的时序特征包括周期内需求量最大值、周期内销售量最大值、周期内需求量最小值、周期内销售量最小值、周期内需求量平均值、周期内销售量平均值、周期内需求量标准差、周期内销售量标准差、周期内需求量中间值、周期内销售量中间值、需求量标准化绝对差分、销售量标准化绝对差分、相邻需求量之差的均方根值、相邻销售量之差的均方根值、相邻需求量之差的标准差、相邻销售量之差的标准差、需求量差异系数和销售量差异系数。
[0062]
本发明提供的非线性特征包括历史周期数据的kl散度、一阶峰度和二阶峰度。
[0063]
本发明提供的节日因素特征为历史周期数据内的节假日个数乘以节假日长度。
[0064]
本发明提供的深层网络包括依次连接的bilstm网络、lstm网络和cnn；其中的lstm单元首先将历史周期数据i中的第t个时间粒度的数据xt输入遗忘门，遗忘门根据x
t
与计算第t-1个时间粒度数据时隐含层输出的记忆单元状态c
t-1
得到一遗忘参数f
t
；然后计算第t个时间粒度的数据时记忆单元状态c
t-1
中要存储的信息及其位置i
t
；然后将记忆单元状态c
t-1
更新为然后由一个输出门决定第t个时间粒度数据对应的隐含层输出ot。
[0065]
本发明提供的位置信息i
t
＝σ(wi·
[x
t
，h
t-1
] bi)存储的信息其中，wi、wc代表可训权重，bi、bc代表可训练偏置，h
t-1
代表t-1周隐含层输出。
[0066]
本发明提供的bilstm网络中前向lstm网络的输出和后向lstm网络的输出分别输入到lstm网络，得到隐含层的输出h＝{h0，h1…hn
}，作为卷烟历史交易数据的时序维度特征输入到cnn模块中提取深层次特征；其中，h0代表前一时间粒度数据的隐含层输出，hn代表前n时间粒度数据的隐含层输出。
[0067]
本发明工作时，首先，通过利用产品属性采集模块1采集文创产品属性；其次，通过产品定价模块2对文创产品进行设定价格；通过产品支付模块3对文创产品进行购买支付；通过产品物流模块4对文创产品进行物流发货运输；然后，通过产品结算模块5对文创产品进行结算；最后，通过需求量预测模块6对文创产品需求量进行预测。
[0068]
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。