用于确定销售价格的方法及装置制造方法及图纸

技术编号:21894037 阅读:26 留言:0更新日期:2019-08-17 15:20
本申请公开一种用于确定销售价格的方法及装置。涉及计算机信息处理领域,该方法包括:根据一物品的历史销售数据建立预测销量模型,所述预测销量模型是与未来物品售价相关的函数;根据所述物品的历史销售数据建立常规销量模型,所述常规销量模型是与常规物品售价相关的函数;通过所述预测销量模型与所述常规销量模型确定优化目标模型;以及通过所述优化目标模型的最优解确定所述未来物品售价。本申请公开的用于确定销售价格的方法及装置,能够获得最佳的物品促销价格,以使得物品在较长时间范围内的维持高销售量。

A Method and Device for Determining Sales Price

【技术实现步骤摘要】
用于确定销售价格的方法及装置
本申请涉及计算机信息处理领域,具体而言,涉及一种用于确定销售价格的方法及装置。
技术介绍
现有的促销管理系统存在众多问题,导致难以管理数量庞大的商品。首先是促销通常只考虑目前的促销期,没有考虑在调整单个SKU促销时期对促销后的常规销售的影响。例如对于有些耐用的商品,对某个SKU降价促销会导致消费者在降价促销期大量屯货,导致促销后的常规销售销售急剧下降;如果在促销其降价过度,可能会导致总体销售额降低。所以促销需要从整体进行优化,而不是只考虑促销期的销售额。其次是由于其促销定价方法仅仅是粗糙地根据SKU的一些属性,在其原价的基础上按照统一的折扣进行促销,而忽略了利用分析技术对其历史销售数据深入地研究促销价格对当前促销期销售以及未来非促销期销售的影响。目前对于大规模商品定价管理,主要利用商品分类方法,对不同分类的商品分配不同的采销人员进行管理。该主要是利用商品的流量将商品分别划分为关键商品与非关键商品。对关键商品,其分配的价格管理采销人员越多;对非关键商品,其分配的价格管理采销人员越少。在促销期,价格管理采销人员通常对关键商品制定比友商低的价格,以保证获得高销量;而对非关键商品维持原价,以保证获得高利润。现有的大规模促销都过于依赖人工控制,由于SKU数量非常大,需要大量的人力资源。现有的促销通常仅考虑接下来一个销售周期,由于跨周期吞食效应的作用(例如消费者屯货行为),本周期的促销后会造成下一个周期销售的疲软。如果本周期过度低价促销,虽然本周期的销量很高,但本期的低利润以及接下来几个周期的低销售会造成总体销售的低产。另外,现有技术无法对预期促销力度与预期促销结果进行关联,缺乏一个系统的评估方案,因此造成的结果是没有一个较为准确的库存计划。为防止促销带来的缺货,目前的促销方法通常是过量备货,因此会产生巨大的库存成本。因此,需要一种新的用于确定销售价格的方法及装置。在所述
技术介绍
部分公开的上述信息仅用于加强对本申请的背景的理解,因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
有鉴于此,本申请提供一种用于确定销售价格的方法及装置,能够获得最佳的物品促销价格,以使得物品在较长时间范围内的维持高销售量。本申请的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本申请的实践而习得。根据本申请的一方面,提出一种用于确定销售价格的方法,该方法包括:根据一物品的历史销售数据建立预测销量模型,所述预测销量模型是与未来物品售价相关的函数;根据所述物品的历史销售数据建立常规销量模型,所述常规销量模型是与常规物品售价相关的函数;通过所述预测销量模型与所述常规销量模型确定优化目标模型;以及通过所述优化目标模型的最优解确定所述未来物品销售价格。在本公开的一种示例性实施例中,还包括:将物品销售数据进行异常值过滤,以获取历史销售数据。在本公开的一种示例性实施例中,所述将物品销售数据进行异常值过滤,以获取历史销售数据,包括:过滤掉由于折扣导致成交价格下降大于一预定阈值的所述物品销售数据,以获取所述历史销售数据。在本公开的一种示例性实施例中,所述将物品销售数据进行异常值过滤,以获取历史销售数据,还包括:通过稳健回归算法,过滤掉残差值在一预定范围外的历史数据,以获取所述历史销售数据。在本公开的一种示例性实施例中,所述根据一物品的历史销售数据建立预测销量模型,包括:通过岭回归算法与所述历史销售数据,通过数据拟合建立所述销量预测模型;以及通过套索回归算法与所述历史销售数据,通过数据拟合建立所述销量预测模型。在本公开的一种示例性实施例中,所述通过所述预测销量模型与所述常规销量模型确定优化目标模型,包括:GMVSUM(xt)=GMVt(xt)+GMVt+1(x0);其中,GMVSUM(xt)为所述优化目标模型,GMVt(xt)为所述预测销量模型,GMVt+1(xt)为所述常规销量模型,xt为未来物品售价,x0为常规物品售价。在本公开的一种示例性实施例中,所述通过所述优化目标模型的最优解确定所述未来物品售价,包括:通过牛顿-拉弗森方法求取所述优化目标模型的最优解;以及将所述最优解确定所述未来物品售价。在本公开的一种示例性实施例中,在求取优化目标模型的最优解的过程中,所述最优解的限制条件为:所述最优解的的二阶导数小于等于0。根据本申请的一方面,提出一种用于确定销售价格的装置,该装置包括:预测销量模块,用于根据一物品的历史销售数据建立预测销量模型,所述预测销量模型是与未来物品售价相关的函数;常规销量模块,用于根据所述物品的历史销售数据建立常规销量模型,所述常规销量模型是与常规物品售价相关的函数;优化目标模块,用于通过所述预测销量模型与所述常规销量模型确定优化目标模型;以及最优解模块,用于通过所述优化目标模型的最优解确定所述未来物品销售价格。在本公开的一种示例性实施例中,还包括:数据过滤模块,用于将物品销售数据进行异常值过滤,以获取历史销售数据。根据本申请的一方面,提出一种电子设备,该电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如上文的方法。根据本申请的一方面,提出一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如上文中的方法。根据本申请的用于确定销售价格的方法及装置,能够获得最佳的物品促销价格,以使得物品在较长时间范围内的维持高销售量。应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本申请。附图说明通过参照附图详细描述其示例实施例,本申请的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本申请的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。图1是根据一示例性实施例示出的一种用于确定销售价格的方法的系统框图。图2是根据一示例性实施例示出的一种用于确定销售价格的方法的流程图。图3是根据一示例性实施例示出的一种用于确定销售价格的装置的框图。图4是根据一示例性实施例示出的一种电子设备的框图。图5是根据一示例性实施例示出一种计算机可读存储介质示意图。具体实施方式现在将参考附图更全面地描述示例实施例。然而,示例实施例能够以多种形式实施,且不应被理解为限于在此阐述的实施例;相反,提供这些实施例使得本申请将全面和完整,并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本申请的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本申请的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本申请的各方面。附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体本文档来自技高网
...

【技术保护点】
1.一种用于确定销售价格的方法,其特征在于,包括:根据一物品的历史销售数据建立预测销量模型,所述预测销量模型是与未来物品售价相关的函数;根据所述物品的历史销售数据建立常规销量模型,所述常规销量模型是与常规物品售价相关的函数;通过所述预测销量模型与所述常规销量模型确定优化目标模型;以及通过所述优化目标模型的最优解确定所述未来物品销售价格。

【技术特征摘要】
1.一种用于确定销售价格的方法,其特征在于,包括:根据一物品的历史销售数据建立预测销量模型,所述预测销量模型是与未来物品售价相关的函数;根据所述物品的历史销售数据建立常规销量模型,所述常规销量模型是与常规物品售价相关的函数;通过所述预测销量模型与所述常规销量模型确定优化目标模型;以及通过所述优化目标模型的最优解确定所述未来物品销售价格。2.如权利要求1所述的方法,其特征在于,还包括:将物品销售数据进行异常值过滤,以获取历史销售数据。3.如权利要求2所述的方法,其特征在于,所述将物品销售数据进行异常值过滤,以获取历史销售数据,包括:过滤掉由于折扣导致成交价格下降大于一预定阈值的所述物品销售数据,以获取所述历史销售数据。4.如权利要求2所述的方法,其特征在于,所述将物品销售数据进行异常值过滤,以获取历史销售数据,还包括:通过稳健回归算法,过滤掉残差值在一预定范围外的历史数据,以获取所述历史销售数据。5.如权利要求1所述的方法,其特征在于,所述根据一物品的历史销售数据建立预测销量模型,包括:通过岭回归算法与所述历史销售数据,通过数据拟合建立所述销量预测模型;以及通过套索回归算法与所述历史销售数据,通过数据拟合建立所述销量预测模型。6.如权利要求1所述的方法,其特征在于,所述通过所述预测销量模型与所述常规销量模型确定优化目标模型,包括:GMVSUM(xt)=GMVt(xt)+GMVt+1(x0);其中,GMVSUM(xt)为所述优化目标模型,GMVt(xt)为所...

【专利技术属性】
技术研发人员:蒋佳涛
申请(专利权)人:北京京东尚科信息技术有限公司北京京东世纪贸易有限公司
类型:发明
国别省市:北京,11

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1