本说明书一个或多个实施例涉及推荐模型和客户挖掘领域，尤其涉及一种电商平台与商户的匹配推荐方法及系统。
背景技术：
1、随着计算机技术的飞速发展和电子商务的迅速普及，跨境电子商务正迎来新的发展机遇，各种跨境电商平台不断涌现，与此同时，能够通过网络进行跨境交易的商品种类也在不断增多，吸引了越来越多的商户(卖家)投身于跨境电子商务，在跨境电商平台上开店经营。这些商户通过在多个专业的跨境电商平台上复制并运用其优势业务的经营经验，快速扩大经营规模，跨境电商平台则通过引入与平台定位契合的跨境商户，持续提升平台的整体竞争力和市场占有率，实现双赢。
2、在这其中，跨境商户与跨境电商平台天然具有的语言壁垒和信息墙，导致平台与商户之间严重的信息不对称，成为了妨碍平台与商户双向选择的最大难题。例如，对于本土商户，因为语言的问题，对拉美、欧洲、东南亚等海外的电商平台，能够接触到的信息非常少，难以评估自身是否与这些平台契合。
3、一方面，为了满足日益增长的跨境电商市场需求，跨境电商平台需要不断招募具备专业能力和成功运营经验的商户加盟。其中，那些在其他平台上已经取得了良好业绩、销售相似品类商品的商户，成为跨境电商平台青睐的招募对象。为了吸引优质商户加盟，跨境电商平台通常需要联合各个服务平台(例如，支付平台、物流平台等)，邀请其名下的商户，做联合招商活动，筛选出符合电商平台加盟条件的优质跨境商户。然而，以这种方式进行招商，需要消耗大量的人工成本来对商户进行kyc(know your customer，了解客户)、kyb(knowyour business，了解业务)审核，处于不同的海外区域的跨境商户，在语言、经营特点上各具特色，需要针对不同的跨境商户定制化相应的匹配策略。而且电子商务的运营往往受众多经营要素的影响，跨境商户在某一平台的成功，并不意味着可以在其他跨境电商平台被成功复制，仅凭商品品类作为招商评估的标准，缺乏对跨境商户全面而科学的考量，无法实现精准招商。
4、另一方面，对于专注于跨境电商领域的商户而言，他们对于了解自身业务与跨境电商平台的契合度有着迫切的需求。商户希望通过全面了解跨境电商平台的运营情况，评估自身的资质是否达到跨境电商平台的商户入驻标准，以及其经营的商品品类是否与跨境电商平台的目标客群和物流配送能力相匹配，以确保其可以在众多的跨境电商平台中，选择并入驻适合自身业务发展的电商平台，在竞争激烈的跨境电子商务市场中能够获得成功。然而，囿于商户能够掌握的跨境电商平台运营数据十分有限，使得商户在评估和选择与自身业务发展契合的跨境电商平台时面临较大的不确定性。
5、因此，希望能有一种方案，可以通过技术手段，打破跨境商户与跨境电商平台之间的信息墙，填平跨境商户、跨境电商平台之间的语言壁垒，全面地评估跨境商户与跨境电商平台之间的适配度，并且能够给出平台-商户的匹配推荐，进行双向挖掘，解决在跨境场景中，商户与电商平台之间的匹配问题。
技术实现思路
1、本说明书的一个或多个实施例描述了一种电商平台与商户的匹配推荐方法及系统，构建了一个推荐度评价模型，该模型可以基于对多源、异构数据的分析，利用对不同种类的经营数据所制定的相应评分函数，综合计算电商平台与商户之间的推荐值，对匹配度进行全面的评估，给出平台-商户匹配推荐，达到对电商平台、商户双向挖掘的目的。利用数据挖掘技术打破跨境商户与跨境电商平台之间的信息墙，并利用统一的评分标准对平台-商户进行打分，避免语言壁垒造成的信息差，实现精准推荐。进一步地，本说明书实施例还对推荐度评价模型，分别从推荐值评分质量和业务实施效果角度进行了评价，基于对模型的评价结果，不断优化该模型，提高模型质量，提升推荐结果的可信度。
2、根据第一方面，提供了一种跨境电商平台与商户的匹配推荐方法，包括：
3、获取目标商户的商户特征和目标电商平台的平台特征；所述商户特征和平台特征具有若干共有特征项，其中所述目标电商平台为跨境电商平台；
4、利用推荐度评价模型对所述目标商户和目标电商平台进行目标处理，所述推荐度评价模型包含多个特征项各自对应的特征评分函数，所述目标处理包括：对于任意共有特征项，利用该特征项对应的特征评分函数，计算所述商户特征和平台特征在该特征项的匹配分；根据所述若干共有特征项各自的匹配分，确定所述目标商户和目标电商平台之间的推荐值；
5、根据所述推荐值，向所述目标商户或所述目标电商平台，进行平台-商户匹配推荐。
6、在一种实现方式中，所述若干共有特征项包括第一特征项，所述第一特征项的特征值为数值类型，所述第一特征项对应的第一特征评分函数为分段函数。
7、所述计算所述商户特征和平台特征在该特征项的匹配分，包括：
8、对所述商户特征和平台特征各自在所述第一特征项的特征值做比较运算，得到第一结果；
9、根据第一结果所落入第一特征评分函数的定义域分段，确定所述匹配分。
10、根据一种实施方式，所述若干共有特征项包括第二特征项，所述第二特征项的特征值为集合类型，所述第二特征项对应的第二特征评分函数为分段函数。
11、所述计算所述商户特征和平台特征在该特征项的匹配分，包括：
12、对所述商户特征和平台特征各自在所述第二特征项的特征值做集合运算，得到第二集合；
13、根据第二集合的元素数量所落入第二特征评分函数的定义域分段，确定所述匹配分。
14、在一种实现方式中，所述集合运算包括：交集运算、并集运算或差集运算。
15、在一种实现方式中，所述确定所述目标商户和目标电商平台之间的推荐值，包括：
16、将所述若干共有特征项各自的匹配分直接求和得到求和结果，根据求和结果得到所述推荐值，其中，所述若干共有特征项包括第三特征项和第四特征项，所述第三特征项的重要度高于第四特征项，所述第三特征项对应的第三特征评分函数的值域大于所述第四特征项对应的第四特征评分函数的值域。
17、根据一种实施方式，所述确定所述目标商户和目标电商平台之间的推荐值，包括：
18、将所述若干共有特征项各自的匹配分根据特征项权重进行加权求和得到求和结果，根据求和结果得到所述推荐值，所述特征项权重与特征项的重要度呈正相关。
19、在上述实施方式的一个场景中，所述根据求和结果得到所述推荐值，包括：
20、在求和结果上叠加所述目标电商平台对应的基础分，得到所述推荐值。
21、在一种实施方式中，所述目标电商平台为预存储的多个电商平台之一；所述根据所述推荐值，向所述目标商户或所述目标电商平台，进行平台-商户匹配推荐，包括：
22、将所述目标商户与所述多个电商平台之间的多个推荐值进行排序；
23、根据排序结果，向所述目标商户推荐若干电商平台。
24、在一种实施方式中，所述向所述目标商户推荐若干电商平台，包括：
25、向所述目标商户展示排序结果，并给出推荐值划界。
26、在一种实施方式中，所述目标商户为预存储的多个商户之一；所述根据所述推荐值，向所述目标商户或所述目标电商平台，进行平台-商户匹配推荐，包括：
27、将所述目标电商平台与所述多个商户之间的多个推荐值进行排序；
28、根据排序结果，向所述目标电商平台推荐若干商户。
29、在一种实施方式中，所述向所述目标电商平台推荐若干商户，包括：
30、向所述目标电商平台展示排序结果，其中包括所述目标电商平台与所述多个商户之间的推荐值、对应于各共有特征项的匹配分和文字注释。
31、在一种实施方式中，所述若干共有特征项包括以下中的至少一个：支持跨境支付的地区，跨境物流部署的地区。
32、在一种实施方式中，在所述确定所述目标商户和目标电商平台之间的推荐值之后，所述方法还包括：
33、根据模型评价指标，对所述推荐度评价模型进行评价；所述模型评价指标包括以下中的若干项：推荐值方差、推荐值中位数和推荐值平均值。
34、在一种实施方式中，所述推荐度评价模型为回归模型；在对所述推荐度评价模型进行评价之后，还包括：根据评价结果，优化所述回归模型。
35、在一种实施方式中，所述方法还包括：根据业务评价指标，对所述推荐度评价模型进行业务效果评价，所述业务评价指标包括以下中的若干项：触达成功商户数、转化成功商户数和转化成功商户流水。
36、根据第二方面，提供了一种跨境电商平台与商户的匹配推荐系统，包括：
37、获取模块：配置为，获取目标商户的商户特征和目标电商平台的平台特征；所述商户特征和平台特征具有若干共有特征项，其中，所述目标电商平台为跨境电商平台；
38、目标处理模块：配置为，利用推荐度评价模型对所述目标商户和目标电商平台进行目标处理，所述推荐度评价模型包含多个特征项各自对应的特征评分函数，所述目标处理包括：对于任意共有特征项，利用该特征项对应的特征评分函数，计算所述商户特征和平台特征在该特征项的匹配分；根据所述若干共有特征项各自的匹配分，确定所述目标商户和目标电商平台之间的推荐值；
39、匹配推荐模块：配置为，根据所述推荐值，向所述目标商户或所述目标电商平台，进行平台-商户匹配推荐。
40、根据第三方面，提供了一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现第一方面所述方法的步骤。
41、根据第四方面，提供了一种计算设备，包括存储器和处理器，其特征在于，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现第一方面所述的方法。
42、在本说明书的实施例中，提出了一种跨境电商平台与商户的匹配推荐方法及系统，涉及数据定义、数据采集与处理、平台-商户推荐度评价模型的建模与评价三个方面。首先基于业务的分类和评价标准，定义商户与电商平台的共有特征项。接着，从多个数据源获取电商平台和商户各自在共有特征项下的特征值，并对特征值进行数据标准化。然后，基于专家经验，对推荐度评价模型进行建模，定义各个特征项所对应的特征评分函数。计算出电商平台与商户在各个特征项下的匹配分，并根据匹配分确定出电商平台与商户之间的推荐值。最后，根据推荐值，向商户或电商平台，进行平台-商户匹配推荐。进一步的，在本说明书的实施例中，还对推荐度评价模型分别从推荐值评分质量和业务实施效果角度进行了评价，基于对模型的评价结果，不断优化该模型。更进一步的，本说明书的实施例中还引入了回归模型，根据模型评价结果，使用机器学习算法对推荐度评价模型进行迭代优化，获得比人工经验设置更加可靠的模型。
1.一种跨境电商平台与商户的匹配推荐方法，包括：
2.根据权利要求1所述的方法，其中，所述若干共有特征项包括第一特征项，所述第一特征项的特征值为数值类型，所述第一特征项对应的第一特征评分函数为分段函数；
3.根据权利要求1所述的方法，其中，所述若干共有特征项包括第二特征项，所述第二特征项的特征值为集合类型，所述第二特征项对应的第二特征评分函数为分段函数；
4.根据权利要求3所述的方法，其中，所述集合运算包括：交集运算、并集运算或差集运算。
5.根据权利要求1所述的方法，其中，所述确定所述目标商户和目标电商平台之间的推荐值，包括：
6.根据权利要求1所述的方法，其中，所述确定所述目标商户和目标电商平台之间的推荐值，包括：
7.根据权利要求5或6所述的方法，其中，所述根据求和结果得到所述推荐值，包括：
8.根据权利要求1所述的方法，其中，所述目标电商平台为预存储的多个电商平台之一；所述根据所述推荐值，向所述目标商户或所述目标电商平台，进行平台-商户匹配推荐，包括：
9.根据权利要求8所述的方法，其中，所述向所述目标商户推荐若干电商平台，包括：
10.根据权利要求1所述的方法，其中，所述目标商户为预存储的多个商户之一；所述根据所述推荐值，向所述目标商户或所述目标电商平台，进行平台-商户匹配推荐，包括：
11.根据权利要求10所述的方法，其中，所述向所述目标电商平台推荐若干商户，包括：
12.根据权利要求1所述的方法，其中，所述若干共有特征项包括以下中的至少一个：支持跨境支付的地区，跨境物流部署的地区。
13.根据权利要求1所述的方法，其中，在所述确定所述目标商户和目标电商平台之间的推荐值之后，所述方法还包括：
14.根据权利要求13所述的方法，其中，所述推荐度评价模型为回归模型；在对所述推荐度评价模型进行评价之后，还包括：
15.根据权利要求1所述的方法，还包括：
16.一种跨境电商平台与商户的匹配推荐系统，包括：
17.一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现权利要求1-15任一项所述方法的步骤。
18.一种计算设备，包括存储器和处理器，其特征在于，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现权利要求1-15中任一项所述的方法。
