111111事件

1.抽取 minio 当做文件对象存储服务器,在上面封装一层api,方便操作。
(文件上传,指定路径上传,随机命名上传,前端获取token直接传,适合大对象,图片压缩)
2.规范整个java项目代码,代码风格,依赖最小重构,nacos配置文件统一抽取配置,统一http客户端,json序列化方式,上K8s,编写JDK的基础镜像,Skywalking基础镜像,统一异常TranceId,Docke file ,k8s yaml 清单实现优雅停机,定时任务全局开关,保证服务宕机代码安全性。
3.订单列表。
在这里插入图片描述
(查询业务中台数据)进行按照平台订单号加店铺汇合。
因为我们没有订单表,只有包裹表,就是发出去的一个个包裹,还有退回来的包裹。
一个包裹就是一个Nid,一个包裹下有多条SheetNum。就是一个包裹里面的货,按照公司货号做唯一键的。
解决大数据量查询慢,我们一天5W订单。5年有1亿条数据,分到sheetnum上有,3亿条。
开始优化,筛选项什么不选,只查询最近三个月订单。输入时间项,带上时间。全部筛选项带上索引。聚合字段orderid和storename带上startrocks的hash索引。异步缓存。

在这里插入图片描述
订单:平台订单号,平台,店铺。
支付总金额(客户实付,零售价+税+平台物流费/自营物流费-优惠券(平台/商铺)/折扣)
盈利=客户实付-税-理论或实际物流费-店铺优惠-理论或实际退货运费-产品成本价-平台佣金-营销活动费。(记在单一产品编号上)

客户实付的钱,税(给国家),物流费(付出的物流),优惠(平台优惠不用减,店铺优惠减),退货运费(未发货分为实际和理论),产品成本价,平台佣金(家具类亚马逊,超过200美金部分收10%,低于15%),营销活动费(额外推广费用)

包裹,平台sku,公司sku,数量,产品链接,长宽高,说明书,产品标题,销售,asin。
物流,发货物流,追踪号,发货仓库,原单的收货地址,签收证明。

客户信息,原单的收货地址,邮箱,支付方式,电话,姓名。
售后信息。

4.改发货信息,改sku,对接内部OMS系统。

5.订单售后,(亚马逊、Ebay)取消订单(平台订单号,里面的Asin)。
退款(部分退款),选到单个sheet上。

调平台接口(实退金额、实退税额、实退平台运费额,实退平台运费税额),加起来就是客户实收。只需要实退金额、实退平台运费额,平台会自己算退税。

税,美国亚马逊代扣代缴,受到的钱没有税(平台把税直接给国家),欧洲的包含税(增值税,公司收到之后给国家)
但是我们在处理的时候,都会把这个税算进实付金额里面。对于客户来说这就是付的钱,假设退实付金额的80%,就是上面两个参数都成80%,除不下,保留两位小数向下取整。假设多次退款达到全退时,把所有的钱退出去。

退货,先查客户原单的地址信息,(和包裹的地址信息不一致),根据国家查出退货物流,客户地址,收货仓库,sku信息长宽高数量,计算出理论退货费用。进行生成退货面单,发给客户贴上发过来。

补发/重发业务流程一样,责任的问题,补发是我们的责任(发货点WMS的责任),重发就是货的问题(生产链的责任)

流程就是再发一个包裹过去。

老系统的问题是,平台运费税,算在商品税里面,导致计算税额的时候税少了,部分退款钱多退了,多退了一大笔钱。

在这里插入图片描述

客服工作台
收件箱,顾客对产品不满意,发邮件给亚马逊,我们的目标是把邮件转接给我们系统,之后分配售后的运营的客服,去进行回复处理,左边是对话框,右边是该订单的详细信息。
亚马逊商家号后台,配置阿里邮箱代理(买的),类似一个webhook,客户邮件一来,会发到阿里邮箱里面。我们在去定时任务去拉邮件,拉最近三天的,唯一消息id,重复的就不新增了。
拉邮件IMAP(邮件服务器地址),账号,密码。
识别内容,把订单号正则出来,亚马逊的就是733格式,找到店铺,根据预定的分配客服规则,把邮件分配出去。
发邮件,回消息。推邮件SMTP(邮件服务器地址),账号,密码。发给阿里邮箱,阿里邮箱会转发给亚马逊,亚马逊转给顾客。
会出现邮件带敏感词,转发不了给顾客,平台会回给我们,告诉我们敏感词。我们会把敏感词存下来,构建一颗trie树,下次发的时候会先排除敏感词,各个国家敏感词都不一样。
对接AI,客户邮件对接Gpt,判断邮件的情绪,情绪差邮箱处理,还有ai一键润色。
每十分钟跑一次。跑半小时内的邮件数据。根据唯一键,去重。
库存管理
在这里插入图片描述

1.拉取某一平台某一店铺下的上架sku。调接口,token,翻页翻过去,下载到我们自己的库,这就是全部的上架SKU(AmazonVendor,excel后台导入的)(WalmartCa/Walmart/Wayfair/Shein)(有些会带上平台仓编号和具体数量)
2.本地仓,各个大区个各个仓库,平台仓,各个平台的各个店铺下。配置平台仓对于多个本地仓。
3.查询各个平台sku对应的公司sku在各个本地仓的数量总和,也就是平台仓的数量和。
4.根据配置的计算规则,目前是固定或者百分比策略。0-100/10 数量*百分比。
5.调用平台修改库存接口,入参平台sku、平台仓编号、数量。

多平台上架

1.新增SKU的本地属性,(包括基础属性、动态属性,可以自定义新增)
2.新增上架sku,(单体,变体,属性填充,填充本地属性做保存)
单体就是单个上架sku。变体就是SPU级别,卖个阿迪的篮球,红色、黄色,目的告诉平台这两单体都挂在同一个变体主的sku下面。
3.拉取上架平台的店铺对应类目下面的上架平台属性。
4.配置本地属性和平台属性的对应规则,一个平台属性只对应一个本地属性,一个本地属性可对应多个平台属性,绑定的时候还有自定义正则,比如要把产品标题,某些品牌字符替换掉。
5.把配置好的上架sku进行上架listing,通过上架sku的本地属性就可以找到平台属性,调用平台接口进行上架。
接下来要做的:
5.黑词管理,上架的时候这个类目下面,每个属性下面,有些敏感词,写了这些敏感词上架极大可能会被下架或者侵权,黑词的源数据都是我们运营总结,会被下架,侵权。
6.下架管理,接到全部的下架sku。

调平台接口的过程,Temu(拼多多海外版)
1.查类目,catId=0, 响应全部的一级类目,Parentid,level=1。循环递归,先把这个平台所有的类目,存表,多层级的表。
2.根据类目id查上架模板,基本信息必填或非必填属性,还有层级和下拉关系,最大字符,文本类型。图文信息,资质信息。还有商户的自定义属性,这个自定义属性,我们可以提前调用接口,传给平台。
3.拿上架平台上架属性,变体,挂单体。多变体一起上架。传入对应属性,调接口,返回一个上架处理唯一号,对平台来说是异步的,需要审核什么的。
4.拿着这个唯一号,去查询是否上架成功,上架成功会有基本属性,还有自定义属性。
在这里插入图片描述
在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如若转载,请注明出处:http://www.pswp.cn/pingmian/87913.shtml
繁体地址,请注明出处:http://hk.pswp.cn/pingmian/87913.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Qt的ui文件的编译和使用

Qt中的ui文件编译的类 要么继承 ,要么实例化一个变量个人觉得还是继承好点,这样每次调用控件时,不用都要在控件前加上 ui.1 上面使用的是继承的关系,这样就可以直接使用控件.属性,而不用 ui.控件.树形2 QT中UI文件…

数据结构之树,二叉树,二叉搜索树

一.树1.形状2. 相关概念节点的度:一个节点含有的子树的个数称为该节点的度; 如上图:A的为6叶节点或终端节点:度为0的节点称为叶节点; 如上图:B、C、H、I...等节点为叶节点非终端节点或分支节点:…

LLM微调随记录

【如何把领域文献批量转换为可供模型微调的数据集?】 https://www.bilibili.com/video/BV1y8QpYGE57/?share_sourcecopy_web&vd_source8f9078186b93d9eee26026fd26e8a6ed 几个问题 首先要先搞清楚这几个问题 LLM 训练方法如何选择合适的训练方式如何判断是否…

高效处理大体积Excel文件的Java技术方案解析

高效处理大体积Excel文件的Java技术方案解析 引言 在数据密集型应用中,处理数百MB甚至GB级的Excel文件已成为业务刚需。传统基于DOM模型的Excel解析方式(如Apache POI的XSSF)在处理大规模数据时存在严重的内存瓶颈。本文将深入探讨Java生态中…

JVM垃圾回收机制深度解析

🗑️ JVM垃圾回收机制深度解析 文章目录🗑️ JVM垃圾回收机制深度解析🔍 垃圾判定算法🔢 引用计数法🌐 可达性分析算法🔄 垃圾回收算法🏷️ 标记-清除算法📋 复制算法🔧 …

Docker:容器化技术的基石与实践指南

在现代软件开发和部署中,Docker 作为一种领先的容器化平台,已经成为了开发人员和运维工程师不可或缺的工具。它不仅简化了应用的部署过程,还提高了应用的可移植性和可扩展性。本文将深入探讨 Docker 的核心概念、基本操作以及如何在实际项目中…

java web7(黑马)

Filter简介概念: Filter 表示过滤器,是 JavaWeb 三大组件(Servlet、Filter、Listener)之一。过滤器可以把对资源的请求拦截下来,从而实现一些特殊的功能。过滤器一般完成一些通用的操作,比如:权限控制、统一编码处理、敏感字符处理等等.快速入…

React-forwardRef-useImperativeHandle

forwardRef 暴露dom节点作用:使用ref暴露DOM节点给父组件案例例如在父组件中想要获取子组件input的输入值,和让input获取焦点父组件import { Button } from antd-mobile import Son from "./components/son"; import { useState,useRef } fro…

Unity 用AI自动开发游戏----Cursor研究(实现一套利用Cursor生成模板快速实现原型的框架)

Unity 快速原型开发框架(基于 Cursor AI) 🧩 框架简介 本框架结合了 AI 编程助手 Cursor 的代码生成能力,构建出一套适用于 Unity 项目的模块化原型开发架构。它旨在极大提升开发效率、降低试错成本,特别适用于快速搭…

D触发器实现2分频verilog及电路

使用D触发器完成2分频电路即通过时钟的上升沿或下降沿到来时进行翻转得到,信号的两个状态所占时间长度相同,因此它的输出时钟的占空比为50%。 D触发器实现2分频的电路图如下所示:通过将D触发器2分频电路级联,可实现输入时钟的2N倍…

UniApp完美对接RuoYi框架开发企业级应用

UniApp完美对接RuoYi框架的完整方案及可开发系统类型,结合企业级实践与开源项目经验整理而成,涵盖技术对接、系统设计及实战案例。 🔧 一、UniApp与RuoYi对接全流程 1. 后端配置(RuoYi-Vue/RuoYi-Cloud) 跨域支持 在网…

【通识】深度学习理论基础

1. 深度学习导论 导论和简介的基础知识和路径。 深度学习的各项涵盖范围:深度学习MLPs,然后是机器学习、逻辑回归,知识基础等等 1)连结神经网络等等:Cybernetics控制论,Connectionism连结主义&#xff0…

sql-labs(11-12)-万能密码登录

sql-labs(11-12)万能密码登录 第十一关: 这关是一个登陆口,也是一个sql注入的漏洞,也就是常说的万能密码。 在输入框账号密码种分别输入 1’ 和1’ 页面会报错。后台使用的单引符号进行的拼接。账号输入1’ or ‘1’‘1 密码输入 1’ or …

MsSql 其他(2)

✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨Mysql中的MVCC 一、MVCC 的核心目标与设计背景 MVCC(Multi-Version Concurrency Control,多版本并发控制) 是 InnoDB 存储引擎为实现高并发事务处理而设计的核心机制。其核心目标是:在不牺牲事务隔…

解决本地部署n8n,域名访问为什么一直有connection lost的报错

问题:本地部署的n8n服务用IP访问一切都正常,但是使用域名后报错connection lost思路:首先怀疑是ngnix配置问题或者是docker中的环境问题查看docker logsOrigin header does NOT match the expected origin. (Origin: "nxxx.online:1181&…

传统架构开发VS PREEvision:一场效率与可靠性的降维打击

当前,整车功能数量激增,意味着需要更庞大的整车数据库、更复杂的硬件传感器与执行器网络、更密集的跨系统交互接口以及更难以预测的耦合效应。这样一来,单一功能的微小改动,可能会因复杂的依赖关系而引发意想不到的连锁反应&#…

深度学习基础1

一、张量 张量其实就是数组,不过是在深度学习中是这样的叫法 1.张量的创建 (1)基本创建方式 torch.tensor():根据指定数据创建张量 import torch import numpy as np """创建张量标量""" data to…

力扣网编程274题:H指数之普通解法(中等)

一. 简介 本文记录力扣网上涉及数组,排序方面的编程题:H指数。 二. 力扣网编程274题:H指数(中等) 给你一个整数数组 citations ,其中 citations[i] 表示研究者的第 i 篇论文被引用的次数。计算并返回该研…

iptables防火墙,多IP环境下, 指定某个目的IP地址通过某个本地IP访问,策略路由!

需求在CentOS 7.9中,若需从特定源IP(10.0.0.3)访问目标网段 1.1.1.0/24方法一:策略路由(支持网段)1. 创建自定义路由表# 添加名为custom_table的路由表(ID200) echo "200 custo…

数字孪生技术引领UI前端设计新趋势:数据可视化与交互设计的深度融合

hello宝子们...我们是艾斯视觉擅长ui设计、前端开发、数字孪生、大数据、三维建模、三维动画10年经验!希望我的分享能帮助到您!如需帮助可以评论关注私信我们一起探讨!致敬感谢感恩!一、引言:数字孪生驱动 UI 设计的范式革新在大数据与三维可视化技术爆发的今天&…