具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

如图1所示，是发明一种商品页面容量与客户感知关联分析的方法流程图，本实施例包括如下步骤：

步骤S01：从DPI系统中获取电商平台的上网行为数据。

DPI是一种基于数据包的深度检测技术，可针对不同的网络应用层载荷进行深度检测，获得上网行为数据。如跳转来源、按钮地址、停留时间、页面大小、用户标识等等信息。

步骤S02：从所述上网行为数据中提取电商平台网页数据和客户交互感知数据。

所述电商平台网页数据包含各商品页面URL、商品页面内嵌URL，以及所述商品页面URL大小以及商品页面内嵌URL的大小。

需要说明的是，不同电商的商品页面URL会有不同，但都会包含电商地址、商品标识等信息。商品页面内嵌URL包含内嵌网页的URL和内嵌图片的URL；还有这些URL的大小。

所述客户交互感知数据包含客户基础信息、时间信息、客户浏览商品页面URL、和放入购物车URL。

客户基础信息即为客户标识、客户类型等可以识别该客户的信息，通常可以是手机号码、用户名等。

由于电商的URL各有不同，因此可以从这些URL中提取商品标识及其所属的电商平台。

步骤S03：根据所述电商平台网页数据中各商品页面数据获取设定周期内的商品页面容量。

商品页面容量通常是指商品网页及其内嵌URL的总大小。商家为了展现商品需要在页面上加载很多商品图片，过多的商品图片是的商品网页过大，增加客户的浏览时间，反而会使客户放弃购买商品。因此商品页面容量和客户购买行为就有了必然的联系。

步骤S04：根据所述商品页面数据结合所述客户交互感知数据，获取各商品在设定周期内的关注频次。

通过在一定周期内客户对商品页面URL和放入购物车URL的点击次数获得各商品的关注频次。

可通过实际情况设定周期，通常可设定为一个星期、一个月、一年，也可以根据实际情况修改周期，以小时、分钟为单位进行设定。

步骤S05：根据所述各商品页面在设定周期内的容量和所述各商品在设定周期内的关注频次，获取所述商品的客户感知度。

获取商品页面容量和商品关注频次的关系，进而获得商品的客户感知度。

步骤S06：根据所述商品的客户感知度设定商品页面容量阈值。

本发明通过使用客户点击“放入购物车”按钮率衡量客户感知，分析电商网页商品大小与客户感知的关系，确定最佳的电商商品网页大小，提高电商商品的销售成功率。

为了更好的说明本发明，给出实施例二，详细阐述各个步骤的工作原理，如图2所示。

步骤S201：从DPI系统中获取电商平台的上网行为数据。

步骤S202：从所述上网行为数据中提取电商平台网页数据和客户交互感知数据。

所述电商平台网页数据包含各商品页面URL、商品页面内嵌URL，以及所述商品页面URL大小以及商品页面内嵌URL的大小；

所述客户交互感知数据包含客户基础信息、时间信息、客户浏览商品页面URL、和放入购物车URL。如表1、表2、表3、表4所示。

表1

表2

表3

表4

不同电商的商品页面URL会有不同。

商家AA的商品页面URL为https://item.AA.XXX/YYYYY.html，XXX、YYYYY为可以为任何数字和字母，YYYYY代表了商品标识；

商家BB的商品页面URL为http://product.BB.com/YYYYY.html，YYYYY为可以为任何数字和字母，YYYYY代表了商品标识。本发明不涉及分析各个电商网站的商品URL特征。

商品网页内嵌的URL包括内嵌网页的URL和图片URL。

不同电商的放入购物车按钮URL会有不同。

商家AA为：

https://cart.AA.com/addToCart.html？？pid＝YYYY&……，YYYYY为可以为任何数字和字母，YYYYY代表了商品标识。

商家BB为:

http://shopping.BB.com/shoppingcart/cart_append_new？product_ids＝{"product":[{"productId":YYYY,……，YYYYY为可以为任何数字和字母，YYYYY代表了商品标识。

各商家URL特征均可根据实际情况进行识别，本发明不涉及分析各个电商网站的购物车按钮URL特征。

步骤S203：在设定的周期内，根据所述电商平台网页数据中商品页面URL的大小以及商品页面内嵌URL的大小总值，获取该商品页面及其内嵌URL总值的均值。

所述总值的均值即为周期内该商品页面的容量，记为A。

从商品网页URL中提取商品标识及其所属电商平台，周期性(譬如：每个月)计算各个商品页面及其内嵌URL的总大小。一般一个商品网页URL会有多次被点击，此时计算该商品网页及其内嵌URL的总大小平均值即可，如表5所示：

表5网页总大小均值

步骤S204：根据所述客户交互感知数据获取客户在设定周期内对所述商品网页URL的点击频次和放入购物车URL的点击频次。

从商品网页URL、“放入购物车”按钮URL中提取商品标识及其所属电商平台；周期性(譬如：每个月)统计每一件商品的“放入购物车”按钮URL点击次数，商品网页URL点击次数，如表6所示。

表6获取关注频次

步骤S205：获取所述商品页面URL的大小以及商品页面内嵌URL的大小总值小于A的商品的放入购物车URL点击频次之和。

大小总值小于A的商品的放入购物车URL点击频次之和为：SUM(小于等于A的网页的“放入购物车”按钮URL点击次数)，SUM表示累加。

步骤S206：获取所述商品页面URL的大小以及商品页面内嵌URL的大小总值小于A的商品的商品页面URL点击频次之和。

大小总值小于A的商品的商品页面URL点击频次之和为：SUM(小于等于A的网页的商品网页URL点击次数)，SUM表示累加。

步骤S207：确定所述商品的客户感知度为所述商品的放入购物车URL点击频次之和与商品页面URL点击频次之和的比值。

客户感知度为SUM(小于等于A的网页的“放入购物车”按钮URL点击次数)/SUM(小于等于A的网页的商品网页URL点击次数)，SUM表示累加。

步骤S208：根据所述商品的客户感知度设定商品页面容量阈值。

通过本技术方案，便于从DPI系统中获得客户的互联网行为数据，进而客户点击放入购物车按钮率来衡量客户感知度，再分析商品网页大小与客户感知度的关系，进而确定最佳的电商商品网页容量。避免了网页容量的浪费，同时提高了商品销售的成功率。

为了更好的说明本发明的方法，结合实际情况给出本发明的实施例三。

从DPI系统中采集客户在电商平台的上网行为数据，如表3-1至表3-4所示：

表3-1采集的上网行为数据

表3-2采集的上网行为数据

表3-3采集的上网行为数据

表3-4采集的上网行为数据

从商品网页URL中提取商品标识及其所属电商平台，每个月月末计算各个商品页面及其内嵌URL的总大小。一般一个商品网页URL会有多次被点击，此时计算该商品网页及其内嵌URL的总大小平均值即可。如表3-5所示：

表3-5网页总大小平均值

从商品网页URL、“放入购物车”按钮URL中提取商品标识及其所属电商平台；每个月月末统计每一件商品的“放入购物车”按钮URL点击次数，商品网页URL点击次数。如表3-6所示：

表3-6客户感知频次

关联分析“电商平台”、“商品标识”、“统计开始时间”、“统计结束时间”得表3-7数据：

表3-7商品页面信息和客户感知相关联

将表3-7中的最新统计数据按照“网页平均大小(kb)”的数值排序，统计每一个“网页平均大小(kb)”(以下简称为A)的点击“放入购物车”按钮率：

点击“放入购物车”按钮率＝SUM(小于等于A的网页的“放入购物车”按钮URL点击次数)/SUM(小于等于A的网页的商品网页URL点击次数)。

上式中SUM表示累加。

表3-7中：1kb网页是表7中最小的网页，商品网页URL点击次数为150，“放入购物车”按钮URL点击次数为145，则1kb网页的点击“放入购物车”按钮率＝145/150＝96.7％。

1.5kb网页是表3-7中第三的网页，商品网页URL点击次数为200，“放入购物车”按钮URL点击次数为190，可计算1.5kb网页的点击“放入购物车”按钮率为95.7％

依次类推……

点击“放入购物车”按钮率即为客户感知度。

表3-8客户感知度列表

根据表3-8数据，电商网站开发人员可以根据要求的点击“放入购物车”按钮率得到商品网页大小的上限。

本发明还公开了一种商品网页容量与客户感知关联分析装置，给出本发明的实施例四，如图3所示，用以说明该装置的结构特点。

该装置包括：

上网行为数据获取单元1，用于从DPI系统中获取电商平台的上网行为数据。

数据提取单元2，用于从所述上网行为数据获取单元获取的所述上网行为数据中提取电商平台网页数据和客户交互感知数据。

商品网页容量获取单元3，用于根据所述电商平台网页数据中各商品页面数据获取设定周期内的商品页面容量。

客户感知信息获取单元4，用于根据所述商品页面数据结合所述客户交互感知数据，获取各商品在设定周期内的关注频次。

商品页面容量阈值设定单元5，用于根据所述各商品页面在设定周期内的大小和所述各商品在设定周期内的关注频次，获取所述商品的客户感知度；根据所述商品的客户感知度设定商品页面容量阈值。

本文提出的一种商品网页容量与客户感知关联分析装置。本装置使用客户点击“放入购物车”按钮率衡量客户感知，关联分析电商商品网页大小与客户感知的关系，确定最佳的电商商品网页大小。

为了更好的说明本装置各部分的结构和工作方式，给出本发明的实施例五，如图4所示。

具体的，样本获取单元1进一步包含：

上网行为数据获取单元1，用于从DPI系统中获取电商平台的上网行为数据。

数据提取单元2进一步包含：

电商平台网页数据提取模块21，用于根据所述电商平台的上网行为数据提取所述电商平台网页数据包含的各商品页面URL、商品页面内嵌URL，以及所述商品页面URL大小以及商品页面内嵌URL的大小。

客户交互感知数据提取模块22，用于根据所述电商平台的上网行为数据提取所述客户交互感知数据包含的客户基础信息、时间信息、客户浏览商品页面URL、和放入购物车URL。

商品网页容量获取单元3，用于根据所述电商平台网页数据中各商品页面数据获取设定周期内的商品页面容量。

商品网页容量获取单元在设定的周期内，根据所述电商平台网页数据中商品页面URL的大小以及商品页面内嵌URL的大小总值，获取该商品页面及其内嵌URL总值的均值。

所述总值的均值即为周期内该商品页面的容量，记为A。

客户感知信息获取单元4，用于根据所述商品页面数据结合所述客户交互感知数据，获取各商品在设定周期内的关注频次。

根据所述客户交互感知数据获取客户在设定周期内对所述商品网页URL的点击频次和放入购物车URL的点击频次。

商品页面容量阈值设定单元5进一步包含：

第一计算模块51：用于获取所述商品页面URL的大小以及商品页面内嵌URL的大小总值小于A的商品的放入购物车URL点击频次之和；获取所述商品页面URL的大小以及商品页面内嵌URL的大小总值小于A的商品的商品页面URL点击频次之和。

第二计算模块52，用于获取所述商品的放入购物车URL点击频次之和与商品页面URL点击频次之和的比值，将所述比值作为所述商品的客户感知度。

阈值设定模块53，用于将所述商品的客户感知度设定为商品页面容量阈值。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置实施例中的对应过程，可以参考前述方法的具体工作过程，在此不再赘述。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的部分，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请实施例能够在除了这里图示的以外的顺序实施。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。