优惠券流程

小程序优惠券流程

优惠券流程大致如下:
在这里插入图片描述


优惠券发放形式

优惠券一般通过领取的形式发放,也可以通过用户的状态来自动发放优惠券。

自动发放的优惠券适用于一些活动,比如:回归活动用户登录自动发放优惠券。

手动领取的优惠券,用户通过点击领取的形式获得。

优惠券通常有多种形式,而且优惠券的数量不限,例如:满减优惠券,同类型的满减优惠券可以获取多张,满505、满10010,除了满减优惠券外还有折扣优惠券,这些优惠券都可以重复领取,一个类型的优惠券可以获得多张。


优惠券使用

用户使用优惠券的时候会有限制,例如:同类型的优惠券只能使用一张,如果用户现在有满减优惠券x2折扣优惠券x3,那么用户的在使用的时候一个类型只能使用一张

一般情况下,用户使用优惠券的时候会有一个初始的最优优惠券选择,不需要用户手动选择使用哪一张,在获取或者使用的时候,后台会自动分配好当前条件下的最优优惠券搭配。其次是用户可以手动选择自己想要使用的那一张。用户在选择优惠券的时候,只要优惠券的选择发生更改,那么当前的计算金额也要随之发生更改,这样优惠券和金额就是动态且实时的计算,用户才知道当前优惠券到底优惠了多少,最后实际需要支付的金额是多少。


优惠券的使用场景

1、商品选择

2、商品详情

3、订单支付页

4、购物车页

5、…

优惠券在这么多场景下都会重复出现,那么,该优惠券实际上可以封装成一个组件,在对应的页面引入组件即可,所有选择的逻辑、搭配的逻辑以及弹窗展示的信息,都在该组件内操作,组件内操作完,返还给页面的就是最终选择的数据,页面通过返回的数据进行展示即可。


优惠券使用以及支付

优惠券选择后会自动计算金额,那么计算金额的接口参数应该有商品id商品数量优惠券id,通过这些参数请求计算金额接口。参数的结构如下:

let params = {
    goodsArr = [
    { goodsId:100 , quantity : 1 },  // 商品id 数量
    { goodsId:101 , quantity : 1 }
    ],
    discount =  [ 32001,32001 ]  // 优惠券的id集合,不同类型的券id都放在这里
}

请求计算金额接口后,后台返回的数据如下:

{
    code: 200
    data: {
            disMoney: 1.5,  // 优惠金额
            totalPrice: 20,  // 总金额
            actualPrice: 18.5, // 实际金额
            isDis : 1  // 是否使用优惠券
    }
    message: "SUCCESS"
}

该金额就是实际需要支付的金额,如果要支付,支付接口的金额数据就根据计算金额返回的数据请求。

支付
在支付的时候,其实涉及到一个支付归滚的问题,如果用户选择了优惠券,在付款的时候取消了,那么该优惠券会去哪里呢?如果用户取消支付,那么该订单会去待付款页,券还是跟商品绑定了,处于已选择的状态,如果支付成功,该优惠券 -1,如果取消支付,优惠券会重新加回来。

支付失败
如果从购物车走支付流程,用户如果支付成功,购物车需要删除对应商品;
如果用户在支付的时候取消支付,购物车也应该删除对应商品,因为该商品会走待付款流程;
总结下来就是:用户走购物车发起的支付,只要发起支付了,购物车对应的商品都应该删除。

优惠券选择
不同类型的优惠券其实是有个分类id的,同类型的优惠券只能有一张,其实就是通过分类id来做判断,如果折扣优惠券有3张,用户选择了其中一张,另外两张就得取消选中状态,其它的优惠券也是同样的逻辑。

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
您好!针对O2O优惠券使用预测的问题,您可以考虑使用机器学习算法来进行预测。以下是一个简单的预测流程: 1. 数据收集:收集O2O优惠券使用的历史数据,包括用户的消费行为、领取优惠券的情况以及优惠券的属性等信息。 2. 数据预处理:对收集到的数据进行清洗和处理,包括处理缺失值、异常值和重复值等,同时进行特征工程,从原始数据中提取有用的特征。 3. 特征选择:根据问题的具体情况,选择合适的特征进行建模,可以考虑用户的历史消费情况、优惠券的属性、用户的个人信息等。 4. 模型选择和训练:选择适合的机器学习模型进行训练。常用的模型包括逻辑回归、决策树、随机森林、支持向量机等。可以使用交叉验证等技术来评估模型性能并选择最佳模型。 5. 模型评估和优化:使用测试集对训练好的模型进行评估,评估指标可以包括准确率、召回率、F1值等。如果模型表现不佳,可以考虑调整模型参数或者尝试其他模型。 6. 使用模型进行预测:使用训练好的模型对新数据进行预测,可以根据用户的消费行为、优惠券属性等信息,预测用户是否会使用优惠券。 需要注意的是,预测的准确性可能会受到数据质量和特征选择的影响,因此在进行预测之前,确保数据的质量和特征的有效性非常重要。另外,不同业务场景下可能需要调整模型和特征选择的方法,具体情况需要根据实际需求进行调整。希望这些信息对您有所帮助!如果还有其他问题,请随时提问。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值