TW201828200A - 一種資料處理方法和裝置 - Google Patents

Abstract

本申請實施例提供了一種資料處理方法和裝置，涉及計算機技術領域。本申請針對用戶提交的建議請求，將該用戶的屬性資訊與所有對象展示環境的申請條件進行匹配，以篩選符合用戶的屬性資訊的各個對象展示環境，然後根據上述各個對象展示環境的歷史記錄，如各第一對象的交易資料的歷史記錄和各第一對象的報名資料的歷史記錄，以及各對象展示環境的展示位置數量，分析與該請求針對的第一對象相匹配的對象展示環境，然後即可基於該對象展示環境生成展示建議回傳給用戶所在客戶端進行展示。本申請減少了用戶的操作，降低了系統資源的佔用，能夠提高該對象展示環境整體的展示效率，降低各對象展示環境的展示資源的浪費情況。

Description

一種資料處理方法和裝置

本申請涉及計算機技術領域，特別是涉及一種資料處理方法和一種資料處理裝置。

隨著網際網路技術的發展，越來越多的用戶在網際網路中發佈資訊。在網際網路中存在如下一種資料處理的場景：資料展示方在伺服器中設置各種各樣的對象展示環境，不同的對象展示環境可以針對特定的用戶群展示其需求的資訊，從而更快捷的為該用戶群的提供更快捷的資訊瀏覽渠道。資料展示方在實際中為不同的對象展示環境設置了不同的條件，資料提供方則可以申請在某個或者某幾個對象展示環境中展示其第一對象。但是，在實際應用中，用戶需要不斷向不同伺服器發送查詢請求，查詢各個展示環境的條件，然後自己判斷是否符合該條件，由於發送大量的查詢請求，其對系統資源耗用多，用戶的操作也很繁瑣。並且，由於實際應用中資料展示方在設置對象展示環境時，很多敏感資料不會對用戶公開，用戶的資訊相 對資料展示方來說具有不對稱性，用戶盲目的申請在某個對象展示環境中展示其第一對象，對於資料展示方來說，可能某個對象展示環境的第一對象很擁擠，導致某些第一對象無法再改對象展示環境中展示，而用戶不知道實際上其第一對象可以在其他對象展示環境中展示並且展示效率較高，導致對象展示環境的展示資源的浪費。

下面以電子商務平台為例說明上述的資料處理過程：在電子商務平台中，可能為賣家提供了各種營銷場景，該營銷場景比如：手機淘寶上有淘搶購、天天特價、全球購、中國質造等一系列營銷場景。不同的營銷場景都有其相應的設計初衷，如，淘搶購為金牌賣家的爆款出口，方便買家瀏覽或者購買相應的熱銷商品；天天特價為扶持腰部賣家的營銷場景，方便買家瀏覽或者購買特價商品；全球購面向代購市場的正品，方便買家直接購買各地區的商品；中國質造則是給予產業帶豐富的賣家一個正向輸出場景，方便買家瀏覽或者購買具有口碑的中國製造的高質量產品。因此，賣家可以將其商品對象報名至某個或者某幾個營銷場景，然後電子商務平台則可將該商品對象放入相應的營銷場景的頁面中進行展示。

但是對於賣家而言，由於其無法獲取電子商務平台的資料，無法快速確定自己的資質符合哪種營銷場景，如果其向某個營銷場景發送申請請求，那麼電子商務平台則需要審核，如此商家在其客戶端中操作繁瑣，佔用較多的客戶端資源，對於電子商務平台中，也額外增加了審核過 程，同樣佔用較多的伺服器資源。並且，由於商家無法知曉其商品對象放在哪個營銷場景能夠更有效的推廣，具備更多的交易量，其可能盲目的選擇某個營銷場景，其可能由於該商品對象在該營銷場景中的展示效率不高，且該營銷場景的可供選擇的商品對象大於其展示位置數量，因此該商家的商品對象無法展示，進而可能導致其他對該商品對象的展示效率高且有空餘位置的營銷場景缺乏商品對象，浪費該營銷場景的展示資源。

鑒於上述問題，提出了本申請實施例以便提供一種克服上述問題或者至少部分地解決上述問題的一種資料處理方法和相應的一種資料處理裝置。

為了解決上述問題，本申請公開了一種資料處理方法，包括：接收用戶提交的建議請求；所述建議請求包括第一對象和用戶標識；獲取對應所述用戶標識的屬性資訊，並篩選與所述屬性資訊匹配的各對象展示環境；根據篩選得到的各對象展示環境下的歷史記錄以及相應對象展示環境的展示位置數量，確定與所述第一對象匹配的各對象展示環境；所述歷史記錄包括相應對象展示環境下的各第一對象的交易資料和各第一對象的報名資料；基於與第一對象匹配的對象展示環境，生成展示建議 回傳給用戶所在客戶端以進行展示。

本申請還公開了一種資料處理方法，包括：向伺服器發送建議請求；所述建議請求包括第一對象和用戶標識；接收由伺服器根據所述建議請求回傳的展示建議，並在客戶端中進行展示；所述展示建議由伺服器基於與第一對象匹配的對象展示環境生成；所述與第一對象匹配的對象展示環境，根據各對象展示環境下的歷史記錄確定；所述各對象展示環境根據對應用戶標識的屬性資訊在對象展示環境中篩選獲得。

本申請還公開了一種資料處理裝置，包括：建議請求接收模組，用於接收用戶提交的建議請求；所述建議請求包括第一對象和用戶標識；環境篩選模組，用於獲取對應所述用戶標識的屬性資訊，並篩選與所述屬性資訊匹配的各對象展示環境；環境確定模組，用於根據篩選得到的各對象展示環境下的歷史記錄以及相應對象展示環境的展示位置數量，確定與所述第一對象匹配的各對象展示環境；所述歷史記錄包括相應對象展示環境下的各第一對象的交易資料和各第一對象的報名資料；建議回傳模組，用於基於與第一對象匹配的對象展示環境，生成展示建議回傳給用戶所在客戶端以進行展示。

本申請還公開了一種資料處理裝置，包括：請求發送模組，用於向伺服器發送建議請求；所述建 議請求包括第一對象和用戶標識；建議展示模組，用於接收由伺服器根據所述建議請求回傳的展示建議，並在客戶端中進行展示；所述展示建議由伺服器基於與第一對象匹配的對象展示環境生成；所述與第一對象匹配的對象展示環境，根據各對象展示環境下的歷史記錄確定；所述各對象展示環境根據對應用戶標識的屬性資訊在對象展示環境中篩選獲得。

本申請實施例包括以下優點：首先：本申請實施例中，對於各預設了申請條件的對象展示環境，可以對於某個用戶提交的建議請求，可以將該用戶的屬性資訊與所有對象展示環境的申請條件進行匹配，以篩選符合用戶的屬性資訊的各個對象展示環境。如此，可以自動為用戶識別其能夠加入的對象展示環境，用戶只用一次請求，伺服器側即可自動為其篩選對象展示環境，減少了用戶的操作，降低了系統資源的佔用。

其次，在篩選符合用戶的屬性資訊的各個對象展示環境之後，本申請實施例可以自動根據上述各個對象展示環境的歷史記錄，如各第一對象的交易資料的歷史記錄和各第一對象的報名資料的歷史記錄，以及各對象展示環境的展示位置數量，分析與該請求針對的第一對象相匹配的對象展示環境，然後即可基於該對象展示環境生成展示建議回傳給用戶所在客戶端進行展示，以引導用戶將第一對象報名到哪個營銷場景進行展示。如此，本申請實施例可以自動對用戶提供的第一對象，分析其在哪個對象展示環境 中的展示效果更好，可以引導用戶的申請方向，提高第一對象的展示效率，進而能夠提高該對象展示環境整體的展示效率，也能平衡各個對象展示環境的第一對象的數量，降低各對象展示環境的展示資源的浪費情況。

410‧‧‧建議請求接收模組

420‧‧‧環境篩選模組

430‧‧‧環境確定模組

440‧‧‧建議回傳模組

510‧‧‧請求發送模組

520‧‧‧建議展示模組

圖1是本申請的一種資料處理方法實施例的步驟流程圖；圖2是本申請的另一種資料處理方法實施例的步驟流程圖；圖3是本申請的另一種資料處理方法實施例的步驟流程圖；圖4是本申請的一種資料處理裝置實施例的結構方塊圖；圖5是本申請的另一種資料處理裝置實施例的結構方塊圖。

為使本申請的上述目的、特徵和優點能夠更加明顯易懂，下面結合附圖和具體實施方式對本申請作進一步詳細的說明。

本申請實施例的核心構思之一在於，對於各預設了申請條件的對象展示環境，可以對於某個用戶提交的建議請求，可以將該用戶的屬性資訊與所有對象展示環境的申請 條件進行匹配，以篩選符合用戶的屬性資訊的各個對象展示環境，然後可以自動根據上述各個對象展示環境的歷史記錄，如各第一對象的交易資料的歷史記錄和各第一對象的報名資料的歷史記錄，分析與該請求針對的第一對象相匹配的對象展示環境，然後即可基於該對象展示環境生成展示建議回傳給用戶所在客戶端進行展示，以引導用戶將第一對象報名到哪個對象展示環境進行展示。如此用戶不用頻繁的向伺服器發送查詢請求去確定自己適合哪種對象展示環境，減少用戶的操作，降低用戶的客戶端資源的佔用。並且，可以為用戶需求的第一對象，在符合用戶屬性資訊的各對象展示環境中，自動根據各對象展示環境下的歷史記錄，確定與該第一對象匹配的對象展示環境，從而可以生成展示建議給用戶，以為用戶推薦更優的對象展示環境，從而可以引導用戶對對象展示環境的報名，提高待第一對象的展示效率，以及該對象展示環境整體的展示效率，降低各對象展示環境的展示資源的浪費情況。

以電子商務平台為例，如果其設置了各種營銷場景為對象展示環境，該營銷場景具有申請條件，當接收到某個商家提交針對某個商品對象的建議請求後，電子商務平台首先根據該商家的屬性資訊，比如基礎屬性、信用屬性等屬性資訊，去篩選申請條件與該屬性資訊匹配的營銷場景，然後這些篩選後的營銷場景中，根據其歷史記錄去確定與該商品對象匹配的營銷場景，從而建議用戶可以報名上述營銷場景。那麼對於商家來說，其可以只在其客戶端 中提交一個建議請求，就能知曉其能夠報名哪個或者哪幾個營銷場景，同時能夠知曉報名哪個或者哪幾個場景能夠更好的推廣其商品對象，減少了商家的操作，並且可以引導用戶對營銷場景的申請，平衡各營銷場景的申請量，提高各營銷場景的展示資源的利用率。

實施例一

參照圖1，示出了本申請的一種資料處理方法實施例的步驟流程圖，具體可以包括如下步驟：

步驟110，接收用戶提交的建議請求；所述建議請求包括第一對象和用戶標識；在本申請實施例中，用戶可以為電子商務平台的商家，該用戶可以在其客戶端中向點擊商務平台的伺服器提交建議請求，電子商務平台的伺服器則接收該建議請求。

用戶在發送建議請求時，該建議請求中可以包括第一對象及用戶標識。

其中，第一對象可以為商品對象，該用戶標識可以為商家ID。

為了方便描述，後續描述中，用戶採用商家進行描述，第一對象採用商品對象進行描述，對象展示環境採用營銷場景進行描述，本申請實施例不對其具體應用環境加以限制。

當然，實際上該對象展示環境可以理解為一個或多個針對特定主題的網頁。

步驟120，獲取對應所述用戶標識的屬性資訊，並篩選與所述屬性資訊匹配的各對象展示環境； 在本申請實施例中，電子商務平台中設置營銷場景時，會在資料庫中記錄該營銷場景的申請條件，該申請條件基於商家的一個或者多個屬性設置。比如假設電子商務平台設置商家的信用屬性的級別從低到高包括心級、鑽級、藍皇冠、金皇冠四個大級別，每個大級別中可能包括小級別，那麼上述申請條件可以設置為：需要商家的信用屬性達到鑽級。其中信用屬的性級別可以根據實際需要設定，本申請實施例不對其加以限制。

可以理解，不同的營銷場景可以根據實際需求設置不同的申請條件，可以設置針對一個屬性資訊的條件，也可以設置針對多個屬性資訊的條件。本申請實施例不對其加以限制。

那麼從建議請求中獲取到商家ID後，可以根據所述商家IP獲取該商家的屬性資訊，然後將這些屬性資訊與各個營銷場景的申請條件進行匹配。如果某個營銷場景的申請條件均與該商家的屬性資訊匹配上，則保留該營銷場景，反之，則過濾掉該營銷場景。

需要說明的是，商家的屬性資訊包括但不限於：商家的基礎屬性、商家的信用屬性、商家的交易屬性、商品的交易屬性、商品的應季屬性等。

在實際應用中，伺服器可以根據該商家ID，去平台商家資料庫中提取其屬性資訊。該平台商家資料庫記錄了 電子商務平台上各個商家的各種屬性資訊，以及各個商家的商品對象的商品特徵，比如商品種類、商品關鍵詞、商品價格等。

在本申請實施例中，可以設置待評估商家資料庫，該本資料集為交互式生成資料集，當某商家對其某件商品對象發送建議請求後，從平台商家資料庫中獲取該商品對象的ID及特徵資料，如商家屬性資訊，輸入到該待評估商家資料庫中。然後步驟120則從該待評估商家資料庫中獲取商品對象的資料，然後與各營銷場景的申請條件進行比較，確定哪些營銷場景符合要求。

步驟130，根據篩選得到的各對象展示環境下的歷史記錄以及相應對象展示環境的展示位置數量，確定與所述第一對象匹配的各對象展示環境；所述歷史記錄包括相應對象展示環境下的各第一對象的交易資料和各第一對象的報名資料； 在篩選了申請條件與商家屬性資訊相匹配的營銷場景後，則可根據各營銷場景的歷史記錄，以及相應營銷場景的展示位置數量，去計算該商品對象在哪個或者哪幾個營銷場景中展示更優。

其中，歷史記錄包括相應營銷場景下的各商品對象的交易資料和各商品對象的報名資料。

在實際應用中，電子商品平台在設置各種營銷場景時，可以為其設置相應的一個或多個網頁，但是由於瀏覽效率考量，該一個或多個網頁中的展示位置不能隨意擴 展，會設置一定數量。

需要說明的是，本申請實施例中，營銷場景的相關資料可以儲存與平台營銷資料庫中，本申請則可以從平台營銷資料庫中提取相應的歷史資料進行處理。

當然，在實際應用中，各營銷場景的歷史記錄可以預先進行處理，然後本申請實施例再結合處理後的資料和營銷場景的位置數量，去計算商品對象在哪個或者哪幾個營銷場景中展示更優。

優選的，在步驟120或者說步驟110之前，還包括：

步驟101，針對每個對象展示環境，根據所述對象展示環境下的交易資料的歷史記錄，構建交易值預測模型。

在本申請實施例中，會利用平台營銷資料庫中記錄的各個營銷場景下，各個商品對象的交易資料，去訓練交易值預測模型。該交易值預測模型構建後，可以將商品對象的特徵資料作為輸入，交易值作為輸出資料。該交易值可以理解為成交額。

其中，商品對象的特徵資料可以包括所屬商家的屬性資訊、商品對象本申請的商品特徵等。

在本申請另一優選的實施例中，步驟101包括子步驟A11-A13：

子步驟A11，從平台營銷資料庫中獲取各交易資料，並按交易資料所屬的對象展示環境進行分類；在本申請實施例中，在平台營銷資料庫中，以商品對象ID為主鍵，記錄了商品對象的特徵資料，如前述的商 品特徵、所屬商家的商家屬性等，還記該件商品對象在電子商務平台上的銷售量和成交額，當然，還記錄了相應的營銷場景標識。

那麼本申請實施例，可以從平台營銷資料庫獲取各交易資料，然後將這些交易資料，按照營銷場景劃分為各個分類，一個分類就是一個資料集，每個資料集對應一個營銷場景。

子步驟A12，利用每個分類下的交易資料構建相應對象展示環境的訓練樣本集；在實際應用中，可能一個商品對象有多條交易記錄，那麼本申請實施例可以在前述的資料集中，對同一個商品對象進行歸併，並計算該商品對象的成交額。

然後以該商品對象的特徵資料中各種維度作為輸入參數樣本(x1，x2……x2)，將該商品對象的成交額作為輸出參數樣本y。如此，對於每個營銷環境的資料集，透過上述方式可以得到多個{(x1，x2……x2)，y}的參數對，從而得到了訓練樣本集。

子步驟A13，針對每個對象展示環境的訓練樣本集，利用回歸模型訓練以預估交易值為目標的交易值預測模型。

那麼對於初始的交易值預測模型的函數y=f(x1，x2……x2)函數，可以利用回歸模型，以上述訓練樣本集中的{(x1，x2……x2)，y}參數對，對該函數進行回歸訓練，訓練出f(x1，x2……x2)的參數，最終得到以 預估交易值為目標的交易值預測模型。其中，該預估交易值可以理解為預估成交額。

在本申請實施例中，由於輸入參數有多個維度，可以採用多元回歸模型，回歸模型的具體訓練過程本申請實施例不對其加以限制。

步驟102，針對每個對象展示環境，根據所述對象展示環境下的報名資料的歷史記錄構建，構建交報名量預測模型。

在本申請實施例中，會利用平台營銷資料庫中記錄的各個營銷場景下，各個商品對象的報名資料，去訓練報名量預測模型。該報名量預測模型構建後，接收建議請求的時刻對應的報名量為基礎，去預測該營銷場景結束後的預估報名量。

在本申請另一優選的實施例中，步驟102包括子步驟A21-A24：

子步驟A21，從平台營銷資料庫中獲取各報名資料，並按照報名資料所屬的對象展示環境進行分類；在本申請實施例中，在平台營銷資料庫中，還可以記錄商品對象的報名資料，如哪個商家ID將哪個或者哪幾個商品對象ID申請到了哪個營銷場景中。

那麼本申請實施例，可以從平台營銷資料庫獲取各報名資料，然後將這些報名資料，按照營銷場景劃分為各個分類，一個分類就是一個資料集，每個資料集對應一個營銷場景。

當然，在實際應用中是獲第一級粒度下的歷史報名資料，比如往前一個月的報名資料。

子步驟A22，利用所述分類下的報名資料，按照預設的報名區間，在所述報名區間內以指定時間週期統計報名量；在本申請實施例中，獲取了一段時間後的報名資料，並將其按營銷場景劃分到一個分類後，在該分類中進行進一步切分。

比如前述獲取了一個月的歷史資料，本申請可以再按照第二級粒度劃分成多個集合，比如按周劃分為多個集合，該第二級粒度即前述報名區間。然後在第三級粒度下，再在下一粒度中統計報名量，比如按小時統計每個小時內的報名量。該第三級粒度即前述指定時間週期。

可以理解，前述第一級粒度、第二級粒度、第三級粒度逐級變小。

在實際應用中，第二級粒度可以按照該營銷場景的實際報名時間長度確定。比如實際的報名時間長度為一周，則可以第二級粒度為一周。當然，本申請實施例不對其加以限制。

在實際應用中，後一個時間週期的報名量包括前一個時間週期的報名量。比如第1個小時已經報名100個人，那麼第1個小時報名量為100個；第2個小時新增報名量為200人，那麼第二個小時的報名量為100+200=300人。以此類推。

子步驟A23，對所有報名區間的各指定時間長度進行對位平滑，擬合得到各指定時間週期的擬合報名量；由於透過子步驟A22的劃分，以前述例子為例，對於每個小時，其存在多份報名量，那麼可對於每個小時，可以透過多份報名量對該小時的報名量進行對位平滑，得到該小時的擬合報名量。那麼如果有m個指定時間週期，那麼每個時間週期的擬合報名量按序為{N_1,N_2,...,N_m}

其中，該對位平滑比如，對同一個時間週期，將處於不同報名區間的該時間週期內的報名量進行加權平均，比如將報名區間有m個小時，有4個報名區間，那麼對於第1個小時，則有4份報名量L1、L2、L3、L4，那麼對於第1小時的擬合報名量為(L1+L2+L3+L4)/4。當然，實際應用中，對於前述的對位平滑計算，還可以採用其他方式，本申請實施例不對其加以限制。

子步驟A24，根據各指定時間週期及其擬合報名量，構建相應對象展示環境的報名量預測模型。

由於子步驟A23得到了各指定時間週期的擬合報名量，則可以構建報名量預測模型。在實際應用中，可以根據每最後一個小時的擬合報名量與個小時的擬合報名量的比值，構建報名量預測模型。以前述每個報名區間有m個小時為例，其報名預測模型如：Bsum=q*N_m/N_k。

其中N_m為最後一個小時的擬合報名量，N_k為第k 個小時的擬合報名量。q為在該營銷場景開始報名後，第k個小時的實際已報名的報名量。

在本申請實施例中k>1。

進一步的，步驟130包括步驟131-133：

步驟131，分別利用每個對象展示環境的交易值預測模型，計算所述第一對象在各對象展示環境下的預估交易值；在本申請實施例中，對於用戶提交的商品對象，可以從平台商家資料庫中獲取該商品對象的特徵資料，比如其商品特徵如商品ID、商品關鍵詞等，以及所屬商家的屬性資訊如商家的信用屬性、商家的交易屬性等，構建輸入參數(x1，x2、……xn)，然後將該輸入參數代入前述已經構建完畢的交易量預測模型y=f(x1，x2……x2)，幾個得到該商品對象的預估交易值。

步驟132，分別根據接收所述建議請求的時刻所對應的各對象展示環境的報名量，利用各對象展示環境的報名量預測模型，計算各對象展示環境下的預估報名量；以前述在報名區間中按照指定時間週期劃分，從而訓練得到報名量預測模型為例。假設對於一個營銷場景，其開始報名之後，如果接收該建議請求的時間在第k個指定時間週期內，那麼可以獲取第k-1個時間週期內已報名的報名量，代入報名量預測模型，計算得到該營銷場景最終的預估報名量。當然，該種情況下，對於第1個時間週期中接收到的建議請求，可以不計算預估報名量。

可以理解，本申請實施例會記錄每個小時的已報名的報名量。

以前述以小時劃進行最細粒度劃分，從而訓練得到的營銷場景A的報名量預測模型為例，假設該營銷場景A已經開始報名，用戶在第k+1個時間週期內提交建議請求，那麼則可以獲取第k(k為大於1的整數)個小時報名量q，則按照前述報名量預測模型可以計算出預估報名量為：Bsum=q*N_m/N_k。

當k=1，可以不按照該模型計算預估報名量。當然，可以直接使用N_m作為k=1時的預估報名量，本申請實施例不對其加以限制。

步驟133，針對每個對象展示環境，根據所述對象展示環境下的預估交易值、預估報名量以及展示位置數量，判斷所述第一對象是否匹配對象展示環境。

對於每個營銷場景，在得到用戶提交的商品對象的預估交易值，該營銷場景的預估報名量之後，還可以獲取該營銷場景的展示位置數量，然後根據該三者計算該商品對象是否匹配該營銷場景。

在本申請另一優選的實施例中，步驟133包括子步驟A31-A32：

子步驟A31，根據所述預估交易值，確定所述商品對象的初始預估排名；在本申請實施例中，可以為各對象展示環境，設置一 個報名池，該報名池中包括已報名的第一對象，和其他用提交的建議請求後，符合該對象展示環境的申請條件的第一對象。那麼對於該報名池中的各第一對象，可以根據前述交易量預測模型預測各自的預估交易值，比如前述的營銷場景，可以為各個營銷場景設置一個報名池，該報名池中包括已報名的商品對象，和其他用提交的建議請求後，符合該營銷場景的申請條件的商品對象。那麼對於該報名池中的各商品對象，可以根據前述交易量預測模型預測各自的預估成交額。那麼對於前述用戶的商品對象的預估成交額，則可以計算該預估成交額在該營銷場景的報名池中所有商品對象的預估成交額的初始預估排名。

子步驟A32，根據第一對象的初始預估排名、所述預估報名量以及所述對象展示環境下的展示位置數量，判斷所述第一對象是否匹配所述對象展示環境。

得到該商品對象的初始預估排名後，再結合預估報名量以及該營銷場景下的展示位置數量，判斷該商品對象是否適合在該營銷場景中展示。

在本申請另一優選的實施例中，子步驟A32包括子步驟A321-子步驟A323：

子步驟A321，根據第一對象的初始預估排名和所述預估報名量，計算所述第一對象在所述對象展示環境下的最終預估排名；在本申請實施例中，得到前述的商品對象的初始預估 排名後，則可以根據初始預估排名占報名池中所有商品對象的比例，比如總共有200個商品對象，步驟110提交的建議請求對應的商品對象的初始預估排名為100，則其排名參數為100/200。

然後根據該排名參數乘以預估報名量，得到該商品對象在該營銷場景下的最終預估排名。

子步驟A322，判斷所述最終預估排名是否小於所述對象展示環境的展示位置數量；如果所述最終預估排名小於所述展示位置數量，則進入步驟140。

在得到最終預估排名後，則可以將該最終預估排名與該營銷場景的展示位置數量進行比較，如果該最終預估排名小於所述展示位置數量，則說明該商品對象可以在該營銷場景展示，可以進入步驟140。

優選的，還包括：

子步驟A323，對於所述第一對象，如果各對象展示環境的最終預估排名均不小於所述展示位置數量，則選擇最終預估排名與相應展示位置數量誤差最小的對象展示環境作為與第一對象匹配的對象展示環境，進入步驟140。

對於一個商品對象，如果根據前述步驟，其在各個營銷場景下的最終預估排名都不小於相應營銷場景的展示位置數量，那麼則選擇最終預估排名與相應展示位置數量誤差最小的營銷場景作為與商品對象匹配的營銷場景，比如按照“(最終預估排名-展示位置數量)/展示位置數量”進行計算，那麼得到的值中最小的值所對應的營銷場景就 是與該商品對應的營銷場景，然後即可進入步驟140。

在本申請另一優選的實施例中，在子步驟A321之前，還包括：

子步驟A320，將第一對象在各對象展示環境下所述預估交易值，將對象展示環境從大到小進行排序；從排序最靠前的對象展示環境開始，進入子步驟A321。

在本申請實施例中，對於該商品對象，由於步驟120為其選擇了多個營銷場景，並且透過前述步驟計算了各個營銷場景的預估成交額，那麼可以將各個營銷場景，按照預估營銷額進行排序。然後從排序最靠前的營銷場景開始執行步驟A321進行計算。

在本申請實施例中，可以規定最終預估排名大於營銷場景的展示位置數量的情況的個數。比如規定一個，那麼所述最終預估排名小於所述展示位置數量後，不再該營銷場景排序之後的營銷場景進行子步驟A321的計算。比如規定兩個，那麼則會執行步驟A321-A322的步驟直到有兩個營銷場景符合要求，然後不再對後續的營銷場景進行計算，當然，此種情況下，如果最終只計算得到了一個營銷場景，可以只將該營銷場景進入步驟140。其他情況可以以此類推。

可以理解，在本申請實施例中，獲取各個資料庫的資料時，可以叫用相應介面去獲取資料，具體的獲取方式本申請實施例不對其加以限制。

步驟140，基於與第一對象匹配的對象展示環境，生 成展示建議回傳給用戶所在客戶端以進行展示。

在本申請實施例中，當確定該商品對象能夠匹配某個營銷環境後，則可以生成展示建議回傳給用戶所在客戶端，客戶端則可以將該展示建議在展示界面中展示。

在實際應用中，該展示建議可以包括營銷場景名稱，預估交易額，最終預估排名等資料。

本申請實施例對於各預設了申請條件的對象展示環境，可以對於某個用戶提交的建議請求，可以將該用戶的屬性資訊與所有對象展示環境的申請條件進行匹配，以篩選符合用戶的屬性資訊的各個對象展示環境，然後可以自動根據上述各個對象展示環境的歷史記錄，如各第一對象的交易資料的歷史記錄和各第一對象的報名資料的歷史記錄，分析與該請求針對的第一對象相匹配的對象展示環境，然後即可基於該對象展示環境生成展示建議回傳給用戶所在客戶端進行展示，以引導用戶將第一對象報名到哪個對象展示環境進行展示。如此用戶不用頻繁的向伺服器發送查詢請求去確定自己適合哪種對象展示環境，減少用戶的操作，降低用戶的客戶端資源的佔用。並且，可以為用戶需求的第一對象，在符合用戶屬性資訊的各對象展示環境中，自動根據各對象展示環境下的歷史記錄，確定與該第一對象匹配的對象展示環境，從而可以生成展示建議給用戶，以為用戶推薦更優的對象展示環境，從而可以引導用戶對對象展示環境的報名，提高待第一對象的展示效率，以及該對象展示環境整體的展示效率，降低各對象展 示環境的展示資源的浪費情況。

特別是以電子商務平台為例，如果其設置了各種營銷場景為對象展示環境，該營銷場景具有申請條件，當接收到某個商家提交針對某個商品對象的建議請求後，電子商務平台首先根據該商家的屬性資訊，比如基礎屬性、信用屬性等屬性資訊，去篩選申請條件與該屬性資訊匹配的營銷場景，然後這些篩選後的營銷場景中，根據其歷史記錄去確定與該商品對象匹配的營銷場景，從而建議用戶可以報名上述營銷場景。那麼對於商家來說，其可以只在其客戶端中提交一個建議請求，就能知曉其能夠報名哪個或者哪幾個營銷場景，同時能夠知曉報名哪個或者哪幾個場景能夠更好的推廣其商品對象，減少了商家的操作，並且可以引導用戶對營銷場景的申請，平衡各營銷場景的申請量，提高各營銷場景的展示資源的利用率。

為了更清楚的描述本申請，基於實施例一，下面以實施例二對本申請進行描述。

實施例二

參照圖2，示出了本申請的一種資料處理方法實施例的步驟流程圖，具體可以包括如下步驟：

步驟210，預先構建交易值預測模型和報名量預測模型。

交易值預測模型和報名量預測模型可以和實施例一類似原理構建。

步驟212，接收用戶提交的建議請求；所述建議請求包括第一對象和用戶標識；比如商家xxx提交建議請求，其建議請求包括商品對象：yyy和商家ID：xxx。此時可將yyy及特徵資料輸入待評估商家資料庫。

步驟214，獲取對應所述用戶標識的屬性資訊，並篩選與所述屬性資訊匹配的各對象展示環境；從待評估商家資料庫中提取該yyy的商家屬性資訊，然後與各營銷場景的申請條件進行匹配，確定符合條件的營銷場景，比如確定了p個營銷場景。

步驟216，分別利用每個對象展示環境的交易值預測模型，計算所述第一對象在各對象展示環境下的預估交易值；根據實施例一的類似原理，計算yyy在各營銷場景的預估成交額，得到p個營銷場景的預估成交額{G_1,G_2...G_p}。

步驟218，分別根據接收所述建議請求的時刻所對應的各對象展示環境的報名量，利用各對象展示環境的報名量預測模型，計算各對象展示環境下的預估報名量；根據實施例一的類似原理，計算第k個小時下，p個營銷場景的預估報名量，{Bsum_1,Bsum_2,...,Bsum_p}。

步驟220，將第一對象在各對象展示環境下所述預估交易值，將對象展示環境從大到小進行排序； 將營銷場景按照相應的{G_1,G_2...G_p}，從大到小排序。

步驟222，按序對每個對象展示環境，根據所述預估交易值，確定所述商品對象的初始預估排名；根據前述步驟計算yyy在排序最靠前的營銷場景的初始預估排名R_1_k，報名池中的商品對象總數為U。

步驟224，根據第一對象的初始預估排名和所述預估報名量，計算所述第一對象在所述對象展示環境下的最終預估排名；根據R_i=(R_i_k/U)*Bsum_i計算第i個場景的最終預估排名R_i，其中R_i_k表示yyy在第i個營銷場景的初始預估排名，Bsum_i為第i個客戶端的預估報名量。

步驟226，判斷所述最終預估排名是否小於所述對象展示環境的展示位置數量；如果所述最終預估排名小於所述展示位置數量，則將所述對象展示環境作為與第一對象匹配的對象展示環境，進入步驟230。如果各對象展示環境的最終預估排名均不小於相應展示位置數量，則進入步驟228。

判斷R_i與第i個營銷場景的展示位置數量W_i進行比較。

步驟228，選擇最終預估排名與相應展示位置數量誤差最小的對象展示環境，進入步驟230。

如果p個營銷場景下的R_i都大於相應W_i，則根據公式(R_i-W_i)/W_i，計算R_i與營銷場景i的誤差，取式 (R_i-W_i)/W_i最小的營銷場景進入步驟230。

步驟230，基於與第一對象匹配的對象展示環境，生成展示建議回傳給用戶所在客戶端以進行展示。

本申請實施例中，在電子商務平台中設置了各種營銷場景為對象展示環境，該營銷場景具有申請條件，當接收到某個商家提交針對某個商品對象的建議請求後，電子商務平台首先根據該商家的屬性資訊，比如基礎屬性、信用屬性等屬性資訊，去篩選申請條件與該屬性資訊匹配的營銷場景，然後這些篩選後的營銷場景中，根據其歷史記錄去確定與該商品對象匹配的營銷場景，從而建議用戶可以報名上述營銷場景。那麼對於商家來說，其可以只在其客戶端中提交一個建議請求，就能知曉其能夠報名哪個或者哪幾個營銷場景，同時能夠知曉報名哪個或者哪幾個場景能夠更好的推廣其商品對象，減少了商家的操作，並且可以引導用戶對營銷場景的申請，平衡各營銷場景的申請量，提高各營銷場景的展示資源的利用率。

實施例三

參照圖3，示出了本申請的一種資料處理方法實施例的步驟流程圖，具體可以包括如下步驟：

步驟310，向伺服器發送建議請求；所述建議請求包括第一對象和用戶標識；在本申請實施例中，商家可以在其客戶端中向電子商務平台的伺服器發送建議請求。

步驟320，接收由伺服器根據所述建議請求回傳的展示建議，並在客戶端中進行展示；所述展示建議由伺服器基於與第一對象匹配的對象展示環境生成；所述與第一對象匹配的對象展示環境，根據各對象展示環境下的歷史記錄確定；所述各對象展示環境根據對應用戶標識的屬性資訊在對象展示環境中篩選獲得。

在本申請實施例中，電子商務平台的伺服器接收到該建議請求後，根據實施例一或實施例二的相關原理，生成對應該第一對象的展示建議，然後回傳給客戶端。伺服器具體生成展示建議的過程參照實施例一、二的描述，在此不再贅敘。

客戶端則在接收到該展示建議後，生成展示界面，將該展示建議渲染到該展示界面中進行展示。

然後用戶可以根據該建議，再有目的性的向電子商務平台申請在某個對象展示環境中展示該第一對象。

本申請實施例對於各預設了申請條件的對象展示環境，可以對於某個用戶提交的建議請求，可以將該用戶的屬性資訊與所有對象展示環境的申請條件進行匹配，以篩選符合用戶的屬性資訊的各個對象展示環境，然後可以自動根據上述各個對象展示環境的歷史記錄，如各第一對象的交易資料的歷史記錄和各第一對象的報名資料的歷史記錄，分析與該請求針對的第一對象相匹配的對象展示環境，然後即可基於該對象展示環境生成展示建議回傳給用戶所在客戶端進行展示，以引導用戶將第一對象報名到哪 個對象展示環境進行展示。如此用戶不用頻繁的向伺服器發送查詢請求去確定自己適合哪種對象展示環境，減少用戶的操作，降低用戶的客戶端資源的佔用。並且，可以為用戶需求的第一對象，在符合用戶屬性資訊的各對象展示環境中，自動根據各對象展示環境下的歷史記錄，確定與該第一對象匹配的對象展示環境，從而可以生成展示建議給用戶，以為用戶推薦更優的對象展示環境，從而可以引導用戶對對象展示環境的報名，提高待第一對象的展示效率，以及該對象展示環境整體的展示效率，降低各對象展示環境的展示資源的浪費情況。

特別是以電子商務平台為例，如果其設置了各種營銷場景為對象展示環境，該營銷場景具有申請條件，當接收到某個商家提交針對某個商品對象的建議請求後，電子商務平台首先根據該商家的屬性資訊，比如基礎屬性、信用屬性等屬性資訊，去篩選申請條件與該屬性資訊匹配的營銷場景，然後這些篩選後的營銷場景中，根據其歷史記錄去確定與該商品對象匹配的營銷場景，從而建議用戶可以報名上述營銷場景。那麼對於商家來說，其可以只在其客戶端中提交一個建議請求，就能知曉其能夠報名哪個或者哪幾個營銷場景，同時能夠知曉報名哪個或者哪幾個場景能夠更好的推廣其商品對象，減少了商家的操作，並且可以引導用戶對營銷場景的申請，平衡各營銷場景的申請量，提高各營銷場景的展示資源的利用率。

需要說明的是，對於方法實施例，為了簡單描述，故 將其都表述為一系列的動作組合，但是本領域技術人員應該知悉，本申請實施例並不受所描述的動作順序的限制，因為依據本申請實施例，某些步驟可以採用其他順序或者同時進行。其次，本領域技術人員也應該知悉，說明書中所描述的實施例均屬□優選實施例，所涉及的動作並不一定是本申請實施例所必須的。

實施例四

參照圖4，示出了本申請的一種資料處理裝置實施例的結構方塊圖，其應用於伺服器側，具體可以包括如下模組：建議請求接收模組410，用於接收用戶提交的建議請求；所述建議請求包括第一對象和用戶標識；環境篩選模組420，用於獲取對應所述用戶標識的屬性資訊，並篩選與所述屬性資訊匹配的各對象展示環境；環境確定模組430，用於根據篩選得到的各對象展示環境下的歷史記錄以及相應對象展示環境的展示位置數量，確定與所述第一對象匹配的各對象展示環境；所述歷史記錄包括相應對象展示環境下的各第一對象的交易資料和各第一對象的報名資料；建議回傳模組440，用於基於與第一對象匹配的對象展示環境，生成展示建議回傳給用戶所在客戶端以進行展示。

在本申請另一優選的實施例中，所述環境確定模組包 括：預估交易值確定子模組，用於分別利用每個對象展示環境的交易值預測模型，計算所述第一對象在各對象展示環境下的預估交易值；其中，各交易值預測模型根據相應對象展示環境下交易資料的歷史記錄構建；預估報名量確定子模組，用於分別根據接收所述建議請求的時刻所對應的各對象展示環境的報名量，利用各對象展示環境的報名量預測模型，計算各對象展示環境下的預估報名量；其中，各交易值預測模型根據相應對象展示環境下的報名資料的歷史記錄構建；環境判斷子模組，用於針對每個對象展示環境，根據所述對象展示環境下的預估交易值、預估報名量以及展示位置數量，判斷所述第一對象是否匹配對象展示環境。

在本申請另一優選的實施例中，所述環境判斷子模組步驟，包括：第一獲取子模組，用於根據所述預估交易值，確定所述商品對象的初始預估排名；第一環境判斷子模組，用於根據第一對象的初始預估排名、所述預估報名量以及所述對象展示環境下的展示位置數量，判斷所述第一對象是否匹配所述對象展示環境。

在本申請另一優選的實施例中，所述第一環境判斷子模組包括：最終排名確定子模組，用於根據第一對象的初始預估排名和所述預估報名量，計算所述第一對象在所述對象展 示環境下的最終預估排名；位置判斷子模組，用於判斷所述最終預估排名是否小於所述對象展示環境的展示位置數量；如果所述最終預估排名小於所述展示位置數量，則建議回傳模組。

在本申請另一優選的實施例中，還包括：未匹配補償子模組，用於對於所述第一對象，如果各對象展示環境的最終預估排名均不小於所述展示位置數量，則選擇最終預估排名與相應展示位置數量誤差最小的對象展示環境作為與第一對象匹配的對象展示環境，進入基於與第一對象匹配的對象展示環境，生成展示建議回傳給用戶所在客戶端以進行展示的步驟。

在本申請另一優選的實施例中，在最終排名確定子模組之前，還包括：排序子模組，用於將第一對象在各對象展示環境下所述預估交易值，將對象展示環境從大到小進行排序；從排序最靠前的對象展示環境開始，進入最終排名確定子模組。

在本申請另一優選的實施例中，還包括交易值預測模型構建模組，具體包括：交易資料獲取子模組，用於從平台營銷資料庫中獲取各交易資料，並按交易資料所屬的對象展示環境進行分類；訓練樣本集構建子模組，用於利用每個分類下的交易資料構建相應對象展示環境的訓練樣本集； 交易值預測模型訓練子模組，用於針對每個對象展示環境的訓練樣本集，利用回歸模型訓練以預估交易值為目標的交易值預測模型。

在本申請另一優選的實施例中，還包括：報名量預測模型構建模組，具體包括：報名資料獲取子模組，用於從平台營銷資料庫中獲取各報名資料，並按照報名資料所屬的對象展示環境進行分類；劃分子模組，用於利用所述分類下的報名資料，按照預設的報名區間，在所述報名區間內以指定時間週期統計報名量；擬合子模組，用於對所有報名區間的各指定時間長度進行對位平滑，擬合得到各指定時間週期的擬合報名量；報名量預測模型構建子模組，用於根據各指定時間週期及其擬合報名量，構建相應對象展示環境的報名量預測模型。

在本申請另一優選的實施例中，所述第一對象為商品對象；所述對象展示環境為營銷場景；所述預估交易值為預估成交額。

實施例五

參照圖5，示出了本申請的一種資料處理裝置實施例的結構方塊圖，其應用於客戶端，具體可以包括如下模組： 請求發送模組510，用於向伺服器發送建議請求；所述建議請求包括第一對象和用戶標識；建議展示模組520，用於接收由伺服器根據所述建議請求回傳的展示建議，並在客戶端中進行展示；所述展示建議由伺服器基於與第一對象匹配的對象展示環境生成；所述與第一對象匹配的對象展示環境，根據各對象展示環境下的歷史記錄確定；所述各對象展示環境根據對應用戶標識的屬性資訊在對象展示環境中篩選獲得。

對於裝置實施例而言，由於其與方法實施例基本相似，所以描述的比較簡單，相關之處參見方法實施例的部分說明即可。

本說明書中的各個實施例均採用漸進的方式描述，每個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同相似的部分互相參見即可。

本領域內的技術人員應明白，本申請實施例的實施例可提供為方法、裝置、或計算機程式產品。因此，本申請實施例可採用完全硬體實施例、完全軟體實施例、或結合軟體和硬體方面的實施例的形式。而且，本申請實施例可採用在一個或多個其中包含有計算機可用程式代碼的計算機可用儲存媒體(包括但不限於磁碟儲存器、CD-ROM、光學儲存器等)上實施的計算機程式產品的形式。

在一個典型的配置中，所述計算機設備包括一個或多個處理器(CPU)、輸入/輸出介面、網路介面和內存記憶體。內存記憶體可能包括計算機可讀媒體中的非永久性記 憶體，隨機存取記憶體(RAM)及/或非揮發性內存記憶體等形式，如唯讀記憶體(ROM)或快閃內存記憶體(flash RAM)。內存是計算機可讀媒體的示例。計算機可讀媒體包括永久性和非永久性、可移動和非可移動媒體可以由任何方法或技術來實現資訊儲存。資訊可以是計算機可讀指令、資料結構、程式的模組或其他資料。計算機的儲存媒體的例子包括，但不限於相變內存記憶體(PRAM)、靜態隨機存取記憶體(SRAM)、動態隨機存取記憶體(DRAM)、其他類型的隨機存取記憶體(RAM)、唯讀記憶體(ROM)、電可抹除可編程唯讀記憶體(EEPROM)、快閃記憶體或其他內存技術、唯讀光碟唯讀記憶體(CD-ROM)、數位多功能光碟(DVD)或其他光學儲存、磁盒式磁帶，磁帶磁磁盤儲存或其他磁性儲存設備或任何其他非傳輸媒體，可用於儲存可以被計算設備存取的資訊。按照本文中的界定，計算機可讀媒體不包括非持續性的電腦可讀媒體(transitory media)，如調變的資料信號和載波。

本申請實施例是參照根據本申請實施例的方法、終端設備(系統)、和計算機程式產品的流程圖及/或方方塊圖來描述的。應理解可由計算機程式指令實現流程圖及/或方方塊圖中的每一流程及/或方塊、以及流程圖及/或方方塊圖中的流程及/或方塊的結合。可提供這些計算機程式指令到通用計算機、專用計算機、嵌入式處理機或其他可編程資料處理終端設備的處理器以產生一個機器，使得透過計算機或其他可編程資料處理終端設備的處理器執行 的指令產生用於實現在流程圖一個流程或多個流程及/或方方塊圖一個方塊或多個方塊中指定的功能的裝置。

這些計算機程式指令也可儲存在能引導計算機或其他可編程資料處理終端設備以特定方式工作的計算機可讀儲存器中，使得儲存在該計算機可讀儲存器中的指令產生包括指令裝置的製造品，該指令裝置實現在流程圖一個流程或多個流程及/或方方塊圖一個方塊或多個方塊中指定的功能。

這些計算機程式指令也可裝載到計算機或其他可編程資料處理終端設備上，使得在計算機或其他可編程終端設備上執行一系列操作步驟以產生計算機實現的處理，從而在計算機或其他可編程終端設備上執行的指令提供用於實現在流程圖一個流程或多個流程及/或方方塊圖一個方塊或多個方塊中指定的功能的步驟。

儘管已描述了本申請實施例的優選實施例，但本領域內的技術人員一旦得知了基本創造性概念，則可對這些實施例做出另外的變更和修改。所以，所附權利要求意欲解釋為包括優選實施例以及落入本申請實施例範圍的所有變更和修改。

最後，還需要說明的是，在本文中，諸如第一和第二等之類的關係術語僅僅用來將一個實體或者操作與另一個實體或操作區分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關係或者順序。而且，術語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的 包含，從而使得包括一系列要件的過程、方法、物品或者終端設備不僅包括那些要件，而且還包括沒有明確列出的其他要件，或者是還包括為這種過程、方法、物品或者終端設備所固有的要件。在沒有更多限制的情況下，由語句“包括一個......”限定的要件，並不排除在包括所述要件的過程、方法、物品或者終端設備中還存在另外的相同要件。

以上對本申請所提供的一種資料處理方法和一種資料處理裝置，進行了詳細介紹，本文中應用了具體個例對本申請的原理及實施方式進行了闡述，以上實施例的說明只是用於幫助理解本申請的方法及其核心思想；同時，對於本領域的一般技術人員，依據本申請的思想，在具體實施方式及應用範圍上均會有改變之處，綜上所述，本說明書內容不應理解為對本申請的限制。

Claims (20)

1. 一種資料處理方法，其特徵在於，包括：接收用戶提交的建議請求；該建議請求包括第一對象和用戶標識；獲取對應該用戶標識的屬性資訊，並篩選與該屬性資訊匹配的各對象展示環境；根據篩選得到的各對象展示環境下的歷史記錄以及相應對象展示環境的展示位置數量，確定與該第一對象匹配的各對象展示環境；該歷史記錄包括相應對象展示環境下的各第一對象的交易資料和各第一對象的報名資料；基於與第一對象匹配的對象展示環境，生成展示建議回傳給用戶所在客戶端以進行展示。
2. 根據申請專利範圍第1項所述的方法，其中，該根據篩選得到的各對象展示環境下的歷史記錄以及相應對象展示環境的展示位置數量，確定與該第一對象匹配的各對象展示環境的步驟，包括：分別利用每個對象展示環境的交易值預測模型，計算該第一對象在各對象展示環境下的預估交易值；其中，各交易值預測模型根據相應對象展示環境下交易資料的歷史記錄構建；分別根據接收該建議請求的時刻所對應的各對象展示環境的報名量，利用各對象展示環境的報名量預測模型，計算各對象展示環境下的預估報名量；其中，各交易值預測模型根據相應對象展示環境下的報名資料的歷史記錄構 建；針對每個對象展示環境，根據該對象展示環境下的預估交易值、預估報名量以及展示位置數量，判斷該第一對象是否匹配對象展示環境。
3. 根據申請專利範圍第2項所述的方法，其中，該針對每個對象展示環境，根據該對象展示環境下的預估交易值、預估報名量以及展示位置數量，判斷該第一對象是否匹配對象展示環境的步驟，包括：根據該預估交易值，確定該商品對象的初始預估排名；根據第一對象的初始預估排名、該預估報名量以及該對象展示環境下的展示位置數量，判斷該第一對象是否匹配該對象展示環境。
4. 根據申請專利範圍第3項所述的方法，其特中，該根據第一對象的初始預估排名、該預估報名量以及該對象展示環境下的展示位置數量，判斷該第一對象是否匹配該對象展示環境的步驟包括：根據第一對象的初始預估排名和該預估報名量，計算該第一對象在該對象展示環境下的最終預估排名；判斷該最終預估排名是否小於該對象展示環境的展示位置數量；如果該最終預估排名小於該展示位置數量，則進入基於與第一對象匹配的對象展示環境，生成展示建議回傳給用戶所在客戶端以進行展示的步驟。
5. 根據申請專利範圍第4項所述的方法，其中，還包括：對於該第一對象，如果各對象展示環境的最終預估排名均不小於該展示位置數量，則選擇最終預估排名與相應展示位置數量誤差最小的對象展示環境作為與第一對象匹配的對象展示環境，進入基於與第一對象匹配的對象展示環境，生成展示建議回傳給用戶所在客戶端以進行展示的步驟。
6. 根據申請專利範圍第4項所述的方法，其中，在根據第一對象的初始預估排名和該預估報名量，計算該第一對象在該對象展示環境下的最終預估排名的步驟之前，還包括：將第一對象在各對象展示環境下該預估交易值，將對象展示環境從大到小進行排序；從排序最靠前的對象展示環境開始，進入根據第一對象的初始預估排名和該預估報名量，計算該第一對象在該對象展示環境下的最終預估排名的步驟。
7. 根據申請專利範圍第2項所述的方法，其中，各交易值預測模型透過如下步驟構建：從平台營銷資料庫中獲取各交易資料，並按交易資料所屬的對象展示環境進行分類；利用每個分類下的交易資料構建相應對象展示環境的訓練樣本集；針對每個對象展示環境的訓練樣本集，利用回歸模型 訓練以預估交易值為目標的交易值預測模型。
8. 根據申請專利範圍第2項所述的方法，其中，各報名量預測模型透過以下步驟構建：從平台營銷資料庫中獲取各報名資料，並按照報名資料所屬的對象展示環境進行分類；利用該分類下的報名資料，按照預設的報名區間，在該報名區間內以指定時間週期統計報名量；對所有報名區間的各指定時間長度進行對位平滑，擬合得到各指定時間週期的擬合報名量；根據各指定時間週期及其擬合報名量，構建相應對象展示環境的報名量預測模型。
9. 根據申請專利範圍第2-8項其中之一項所述的方法，其中，該第一對象為商品對象；該對象展示環境為營銷場景；該預估交易值為預估成交額。
10. 一種資料處理方法，其特徵在於，包括：向伺服器發送建議請求；該建議請求包括第一對象和用戶標識；接收由伺服器根據該建議請求回傳的展示建議，並在客戶端中進行展示；該展示建議由伺服器基於與第一對象匹配的對象展示環境生成；該與第一對象匹配的對象展示環境，根據各對象展示環境下的歷史記錄確定；該各對象展示環境根據對應用戶標識的屬性資訊在對象展示環境中篩選獲得。
11. 一種資料處理裝置，其特徵在於，包括： 建議請求接收模組，用於接收用戶提交的建議請求；該建議請求包括第一對象和用戶標識；環境篩選模組，用於獲取對應該用戶標識的屬性資訊，並篩選與該屬性資訊匹配的各對象展示環境；環境確定模組，用於根據篩選得到的各對象展示環境下的歷史記錄以及相應對象展示環境的展示位置數量，確定與該第一對象匹配的各對象展示環境；該歷史記錄包括相應對象展示環境下的各第一對象的交易資料和各第一對象的報名資料；建議回傳模組，用於基於與第一對象匹配的對象展示環境，生成展示建議回傳給用戶所在客戶端以進行展示。
12. 根據申請專利範圍第11項所述的裝置，其中，該環境確定模組包括：預估交易值確定子模組，用於分別利用每個對象展示環境的交易值預測模型，計算該第一對象在各對象展示環境下的預估交易值；其中，各交易值預測模型根據相應對象展示環境下交易資料的歷史記錄構建；預估報名量確定子模組，用於分別根據接收該建議請求的時刻所對應的各對象展示環境的報名量，利用各對象展示環境的報名量預測模型，計算各對象展示環境下的預估報名量；其中，各交易值預測模型根據相應對象展示環境下的報名資料的歷史記錄構建；環境判斷子模組，用於針對每個對象展示環境，根據該對象展示環境下的預估交易值、預估報名量以及展示位 置數量，判斷該第一對象是否匹配對象展示環境。
13. 根據申請專利範圍第12項所述的裝置，其中，該環境判斷子模組步驟，包括：第一獲取子模組，用於根據該預估交易值，確定該商品對象的初始預估排名；第一環境判斷子模組，用於根據第一對象的初始預估排名、該預估報名量以及該對象展示環境下的展示位置數量，判斷該第一對象是否匹配該對象展示環境。
14. 根據申請專利範圍第13項所述的裝置，其中，該第一環境判斷子模組包括：最終排名確定子模組，用於根據第一對象的初始預估排名和該預估報名量，計算該第一對象在該對象展示環境下的最終預估排名；位置判斷子模組，用於判斷該最終預估排名是否小於該對象展示環境的展示位置數量；如果該最終預估排名小於該展示位置數量，則建議回傳模組。
15. 根據申請專利範圍第14項所述的裝置，其中，還包括：未匹配補償子模組，用於對於該第一對象，如果各對象展示環境的最終預估排名均不小於該展示位置數量，則選擇最終預估排名與相應展示位置數量誤差最小的對象展示環境作為與第一對象匹配的對象展示環境，進入基於與第一對象匹配的對象展示環境，生成展示建議回傳給用戶所在客戶端以進行展示的步驟。
16. 根據申請專利範圍第14項所述的裝置，其中，在最終排名確定子模組之前，還包括：排序子模組，用於將第一對象在各對象展示環境下該預估交易值，將對象展示環境從大到小進行排序；從排序最靠前的對象展示環境開始，進入最終排名確定子模組。
17. 根據申請專利範圍第12項所述的裝置，其中，還包括交易值預測模型構建模組，具體包括：交易資料獲取子模組，用於從平台營銷資料庫中獲取各交易資料，並按交易資料所屬的對象展示環境進行分類；訓練樣本集構建子模組，用於利用每個分類下的交易資料構建相應對象展示環境的訓練樣本集；交易值預測模型訓練子模組，用於針對每個對象展示環境的訓練樣本集，利用回歸模型訓練以預估交易值為目標的交易值預測模型。
18. 根據申請專利範圍第12項所述的裝置，其中，還包括：報名量預測模型構建模組，具體包括：報名資料獲取子模組，用於從平台營銷資料庫中獲取各報名資料，並按照報名資料所屬的對象展示環境進行分類；劃分子模組，用於利用該分類下的報名資料，按照預設的報名區間，在該報名區間內以指定時間週期統計報名量；擬合子模組，用於對所有報名區間的各指定時間長度 進行對位平滑，擬合得到各指定時間週期的擬合報名量；報名量預測模型構建子模組，用於根據各指定時間週期及其擬合報名量，構建相應對象展示環境的報名量預測模型。
19. 根據申請專利範圍第12-18項其中之一項所述的裝置，其中，該第一對象為商品對象；該對象展示環境為營銷場景；該預估交易值為預估成交額。
20. 一種資料處理裝置，其特徵在於，包括：請求發送模組，用於向伺服器發送建議請求；該建議請求包括第一對象和用戶標識；建議展示模組，用於接收由伺服器根據該建議請求回傳的展示建議，並在客戶端中進行展示；該展示建議由伺服器基於與第一對象匹配的對象展示環境生成；該與第一對象匹配的對象展示環境，根據各對象展示環境下的歷史記錄確定；該各對象展示環境根據對應用戶標識的屬性資訊在對象展示環境中篩選獲得。