本发明涉及电商服务，尤其涉及一种线上线下电商服务方法及系统。
背景技术：
1、线上线下电商服务方法能够充分整合线上和线下渠道，以满足不同消费者的需求和购物习惯，通过提供多元化的购物体验，包括在线浏览、线下实体店体验、线上线下互动等，可以增强品牌的可及性和影响力，提高销售机会，加强客户忠诚度，提升企业竞争力。然而，传统的线上线下电商服务方法对于商品的推送效果较差，不能很好满足用户的喜好，并且对于线下商品配送不及时，导致用户满意度下降。
技术实现思路
1、基于此，本发明提供一种线上线下电商服务方法及系统，以解决至少一个上述技术问题。
2、为实现上述目的，一种线上线下电商服务方法，包括以下步骤：
3、步骤s1：获取线下商店数据；对线下商店数据进行线下商店坐标提取，生成线下商店坐标数据；根据线下商店坐标数据建立线上商店三维地图，并利用线下商店数据对线上商店三维地图进行商店信息数据填充，生成线上交易平台；
4、步骤s2：对线上交易平台进行用户的商品喜好数据采集，生成用户商品喜好数据；根据用户商品喜好数据对线上交易平台进行线上交易平台的用户个性化喜好商品推送，生成个性化线上交易平台；
5、步骤s3：获取用户收货坐标数据；当用户在个性化线上交易平台购买商品时，对个性化线上交易平台进行订单数据采集，生成交易订单数据；将用户收货坐标数据映射至个性化线上交易平台中，并根据交易订单数据与个性化线上交易平台的线下商店坐标数据进行商品配送路线实时采集，生成实时商品配送路线数据；
6、步骤s4：获取历史配送路线-时间关系数据；利用卷积神经网络算法与历史配送路线-时间关系数据建立配送时间预测模型；将实时商品配送路线数据传输至配送时间预测模型进行配送时间预测，生成配送时间预测数据；
7、步骤s5：对配送时间预测数据进行配送时间预测数据优化，生成优化配送时间预测数据，将优化配送时间预测数据传输至终端进行反馈。
8、本发明通过获取线下商店数据并提取坐标，能够创建具体准确的线下商店位置信息，然后将这些数据应用于构建线上商店的三维地图，并将线下商店信息与之关联，从而生成一个丰富的线上交易平台，有助于提升用户体验，使他们能够更轻松地找到附近的商店、查找商店信息，增强了线上购物的便捷性和真实性，并且便于后续步骤中用户对商品进行下单后寻找最近的商铺进行配送，大大缩短了配送时间，进一步促进了线上线下电商的融合和发展。通过采集用户商品喜好数据并利用这些数据实现个性化商品推送，可以提高用户的购物体验，个性化线上交易平台能够根据用户的兴趣、需求以及商品的折扣程度向其推荐相关的商品，从而有望提高用户的满意度和购物意愿，同时也促进了线上交易平台的销售额增长，这种个性化推荐系统有助于满足不同用户的独特需求，提高了电商平台的竞争力。通过获取用户的收货坐标数据和采集交易订单数据，结合个性化线上交易平台的线下商店坐标数据，实时生成商品的配送路线数据，可大大提高商品配送的效率和准确性，用户的收货坐标数据可以帮助确定配送地址，减少配送错误的可能性，根据交易订单数据和线下商店坐标，可以实时计算最优的商品配送路线，从而降低配送成本，提高送货速度，减少交货延迟，这不仅提高了用户的满意度，还有望减少电商平台的运营成本，增加效益，对提升电商服务的效率和用户体验都有积极作用。通过获取历史配送路线与时间关系数据，应用卷积神经网络算法，建立配送时间预测模型，这个模型可以在实时情况下，根据当前的实时商品配送路线数据，预测出配送的时间，从而能够更准确地估计商品送达的时间，通过利用历史数据与深度学习算法提高配送时间的准确性，降低了不确定性，从而有助于提高用户对配送服务的信任，进一步提高用户满意度，减少投诉和纠纷，同时也有望提高电商平台的运营效率和客户忠诚度。通过不断调整和改进配送时间预测数据，系统能够更准确地估计商品到达时间，从而提高了整体配送的准时性和可靠性。将优化后的配送时间预测数据传输至终端进行反馈，使得用户了解较为精准的配送时间。
9、优选地，步骤s1包括以下步骤：
10、步骤s11：获取线下商店数据；
11、步骤s12：对线下商店数据进行商店坐标数据提取，生成线下商店坐标数据；
12、步骤s13：根据线下商店坐标数据建立线下商店的线上三维地图；
13、步骤s14：将线下商店坐标数据传输至线上三维地图进行商店坐标的映射处理，生成线上商店三维地图；
14、步骤s15：将线上商店三维地图的线下商店坐标数据作为数据节点进行线上交易平台框架构建，生成线上交易平台框架，并利用线下商店数据对线上交易平台框架的数据节点进行商店信息数据填充，从而生成线上交易平台。
15、本发明通过获取线下商店数据，电商平台能够建立广泛的商品供应网络，增加了平台商品的多样性，为用户提供更多购物选择，有助于吸引线下商店合作，扩大电商平台的业务范围。商店坐标数据提取使得能够准确地标记每个线下商店的位置，有助于用户更容易找到附近的商店，提高了线下商店的可见性。创建线下商店的线上三维地图使得用户可以以虚拟的方式浏览商店的布局和结构，提前规划他们的购物路线，或者商家能够确定最近的商铺进行配送，提高了用户的购物体验和导航便捷性。通过映射处理，确保线上三维地图中的商店位置与实际线下商店的坐标精准匹配，提高了导航的准确性。基于线上商店三维地图，建立了线上交易平台的框架，使得用户可以在虚拟世界中模拟线下购物的体验，增加了用户参与感，提高了购物的互动性。通过将线下商店数据与线上交易平台框架相结合，使得用户可以获得关于商店的详细信息，例如营业时间、商品种类、特别优惠等，提高了用户的购物决策能力，增加了用户对平台的信任。
16、优选地，步骤s2包括以下步骤：
17、步骤s21：对线上交易平台进行用户的商品喜好数据采集，生成用户商品喜好数据；
18、步骤s22：对用户商品喜好数据进行商品类别分类处理，生成分类商品喜好数据，并对分类商品喜好数据进行商品喜好类别的优先级排序，生成优先级商品喜好类别数据；
19、步骤s23：根据优先级商品喜好类别数据进行用户的推送商品类别方案设计，生成推送商品类别方案；
20、步骤s24：根据推送商品类别方案对线上交易平台进行推送商品类别数据提取，生成推送商品类别数据，对推送商品类别数据进行商品的促销数据采集，生成商品促销数据；
21、步骤s25：根据推送商品类别数据与商品促销数据对线上交易平台进行线上交易平台的用户个性化喜好商品推送，生成个性化线上交易平台。
22、本发明通过采集用户的商品喜好数据，可以更好地了解每个用户的兴趣和偏好，有助于提供个性化的购物体验，增加用户参与感，提高购物的满意度。将商品喜好数据分类和排序，使电商平台能够更精确地理解用户的兴趣，通过优先级排序，可以确定哪些商品类别对用户更重要，从而更精准地进行个性化推荐，提高用户满意度和购买率。根据用户的优先级商品喜好类别数据，设计更有效的商品推荐策略，这有助于确保用户在看到推荐商品时更有可能产生兴趣，提高购物效率和用户留存率。采集商品促销数据可以使电商平台提供更具吸引力的优惠和促销信息给用户，可以促使用户更积极地购物，提高销售额，同时也增强用户对平台的忠诚度。通过将推送商品类别数据与商品促销数据相结合，电商平台能够提供高度个性化的商品推荐，满足用户的特定需求，有助于增加用户的购物满意度，提高购物效率，增加销售量。
23、优选地，步骤s25包括以下步骤：
24、对推送商品类别数据以及商品促销数据进行商品推送优先级分析，从而生成优先级商品推送数据；
25、将优先级商品推送数据反馈至线上交易平台进行线上交易平台的用户个性化喜好商品推送，生成个性化线上交易平台。
26、本发明通过商品推送优先级分析能够更精确地确定哪些商品类别和促销适合每位用户，可以确保用户看到的商品是他们最有兴趣的，提高购物的个性化程度和吸引力，也增加了线上交易平台的销售效果。将优先级商品推送数据应用于线上交易平台，可以提供高度个性化的商品推荐，使用户感到被理解和满足其需求，有助于提高用户的购物满意度，增加购物效率，最终促进销售额的增长，并且用户可以买到自己喜欢且更具性价比的商品。
27、优选地，步骤s3包括以下步骤：
28、步骤s31：获取用户收货坐标数据；
29、步骤s32： 当用户在个性化线上交易平台购买商品时，对个性化线上交易平台进行订单数据采集，生成交易订单数据；
30、步骤s33：将用户收货坐标数据映射至个性化线上交易平台中，并通过交易订单数据与线下商店坐标数据进行邻近用户收获坐标的线下商店坐标提取，生成目标线下商店坐标数据；
31、步骤s34：根据gis技术对用户收货坐标数据与目标线下商店坐标数据进行商品配送路线分析，生成商品配送路线数据；
32、步骤s35：对商品配送路线数据进行实时更新处理，生成实时商品配送路线数据。
33、本发明通过获取用户的收货坐标数据，电商平台能够精确确定用户的配送地址，减少配送错误和延误的可能性，提高了配送的精确性和准时性。采集交易订单数据有助于电商平台了解用户的购买行为，包括购买的商品、数量和时间等信息，这可以帮助优化库存管理、销售预测和客户关系管理，提高运营效率和用户满意度。将用户收货坐标数据映射至个性化线上交易平台中，并通过交易订单数据与线下商店坐标数据进行邻近用户收获坐标的线下商店坐标提取，将用户收货坐标与线下商店坐标结合，可以确定最近的线下商店，从而减少商品的配送距离和时间，有助于降低配送成本，提高配送效率。通过gis技术进行商品配送路线分析，能够找到最优的配送路径，考虑交通、道路条件和实际地理情况，可以减少配送时间、降低运营成本，并提高了配送的可靠性。实时更新商品配送路线数据可以应对交通状况、路况变化或临时事件，确保配送过程中的实时性和准确性，有助于避免配送延误，提高用户满意度，同时也降低了投诉和客户纠纷的风险。
34、优选地，步骤s4包括以下步骤：
35、步骤s41：利用卷积神经网络算法建立配送路线与配送时间的映射关系，生成初始配送时间预测模型；
36、步骤s42：获取历史配送路线-时间关系数据；
37、步骤s43：将历史配送路线-时间关系数据进行时间序列上的数据划分处理，生成历史配送路线-时间关系训练集以及历史配送路线-时间关系测试集；
38、步骤s44：利用历史配送路线-时间关系训练集对初始配送时间预测模型进行模型训练，并利用历史配送路线-时间关系测试集进行模型验证，从而生成配送时间预测模型；
39、步骤s45：将实时商品配送路线数据传输至配送时间预测模型进行配送时间预测，生成配送时间预测数据。
40、本发明利用卷积神经网络等高级算法建立初始配送时间预测模型，可以更准确地捕捉配送路线与时间的复杂关系，有助于提高配送时间预测的准确性和可靠性。获取历史配送路线-时间关系数据有助于了解配送过程中的变化和趋势，提供了有关不同条件下的配送时间的信息，可用于训练和验证配送时间预测模型。历史配送路线-时间关系数据分为训练集和测试集有助于模型的训练和验证，确保了模型不仅可以拟合历史配送路线-时间关系数据中时间序列靠后的数据，还可以在历史配送路线-时间关系数据中时间序列上靠前的数据进行准确的配送时间预测。通过训练和验证模型，可以确保配送时间预测模型在不同情况下都能够表现出良好的性能，有助于提高模型的鲁棒性和可靠性，确保准确的配送时间预测。利用配送时间预测模型对实时商品配送路线数据进行预测，可以提供准确的配送时间估计，有助于避免配送延误，提高用户满意度，同时降低运营成本。
41、优选地，步骤s5包括以下步骤：
42、步骤s51：利用相关性分析法历史配送路线-时间关系数据进行配送影响因素分析，生成配送影响因素数据；
43、步骤s52：获取实时配送影响参数数据；
44、步骤s53：根据配送影响因素数据以及实时配送影响参数数据进行实时配送影响效率计算，生成实施配送影响效率；
45、步骤s54：根据实施配送影响效率对配送时间预测数据进行配送时间预测数据优化，生成优化配送时间预测数据，将优化配送时间预测数据传输至终端进行反馈。
46、本发明利用相关性分析法对历史配送路线-时间关系数据进行配送影响因素分析，系统能够深入挖掘历史数据中的关联关系，识别出对配送时间产生重要影响的因素，更全面地理解配送过程中各种变量的相互关系，从而生成准确的配送影响因素数据，能够更加智能地应对潜在的配送挑战，为后续的实时配送效率计算提供了基础，有助于提高配送流程的可预测性和稳定性，进而优化整体配送服务，提升用户满意度。获取实时配送影响参数数据，即时地收集当前影响配送的实际参数，如交通状况、天气等，以确保实时性和准确性。根据配送影响因素数据以及实时配送影响参数数据，进行实时配送影响效率计算。通过综合考虑历史数据和实时参数，量化配送影响效率，为后续的配送时间预测数据提供更精确的依据。根据实施配送影响效率对配送时间预测数据进行优化，生成优化配送时间预测数据，考虑了实时的配送影响因素，使得配送时间的预测更加准确和可靠，将优化后的数据传输至终端进行反馈，实现了实时数据的闭环优化。
47、本说明书中提供一种线上线下电商服务系统，用于执行如上述所述的线上线下电商服务方法，该线上线下电商服务系统包括：
48、线上交易平台构建模块，用于获取线下商店数据；对线下商店数据进行线下商店坐标提取，生成线下商店坐标数据；根据线下商店坐标数据建立线上商店三维地图，并利用线下商店数据对线上商店三维地图进行商店信息数据填充，生成线上交易平台；
49、用户商品个性化推荐模块，用于对线上交易平台进行用户的商品喜好数据采集，生成用户商品喜好数据；根据用户商品喜好数据对线上交易平台进行线上交易平台的用户个性化喜好商品推送，生成个性化线上交易平台；
50、订单交易模块，用于获取用户收货坐标数据；当用户在个性化线上交易平台购买商品时，对个性化线上交易平台进行订单数据采集，生成交易订单数据；将用户收货坐标数据映射至个性化线上交易平台中，并根据交易订单数据与个性化线上交易平台的线下商店坐标数据进行商品配送路线实时采集，生成实时商品配送路线数据；
51、配送时间预测模块，用于获取历史配送路线-时间关系数据；利用卷积神经网络算法与历史配送路线-时间关系数据建立配送时间预测模型；将实时商品配送路线数据传输至配送时间预测模型进行配送时间预测，生成配送时间预测数据；
52、配送时间优化模块，用于根据历史配送路线-时间关系数据进行历史配送时的降雨状况数据采集，生成历史配送降雨数据；根据历史配送降雨数据进行降雨影响因子计算，生成配送时间的降雨影响因子；根据降雨影响因子对配送时间预测数据进行配送时间预测数据优化，生成优化配送时间预测数据，将优化配送时间预测数据传输至终端进行反馈。
53、本说明书中提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述所述的线上线下电商服务方法。
54、本说明书中提供一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述所述的线上线下电商服务方法。
55、本技术有益效果在于，本发明的线上线下电商服务方法对于商品的推送是根据用户的商品喜好品类及商品的促销程度进行推送，能很好满足用户的喜好，提高用户购物的性价比，使得推送给效果更好及用户体验感的提高，并且对于线下商品配送进行实时反馈，并考虑实时的配送影响因素调节配送时间，使得配送时间更为精准，以此提高用户满意度。
1.一种线上线下电商服务方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的线上线下电商服务方法，其特征在于，步骤s1包括以下步骤：
3.根据权利要求1所述的线上线下电商服务方法，其特征在于，步骤s2包括以下步骤：
4.根据权利要求3所述的线上线下电商服务方法，其特征在于，步骤s25包括以下步骤：
5.根据权利要求1所述的线上线下电商服务方法，其特征在于，步骤s3包括以下步骤：
6.根据权利要求1所述的线上线下电商服务方法，其特征在于，步骤s4包括以下步骤：
7.根据权利要求1所述的线上线下电商服务方法，其特征在于，步骤s5包括以下步骤：
8.一种线上线下电商服务系统，其特征在于，用于执行如权利要求1至7所述的线上线下电商服务方法，该线上线下电商服务系统包括：
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至7任一项中所述的线上线下电商服务方法。
10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至7任一项中所述的线上线下电商服务方法。
