面向产品的零售点营销推荐方法技术

本发明专利技术公开了一种面向产品的零售点营销推荐方法，其实现方案是：采集包括零售点、产品(规格)、和产品在零售点的已知销量等数据；对已知销量进行销量·评分变换，获得对应的评分值；零售点对应用户，产品对应项目，评分为上一步销量·评分变换结果，利用协同过滤算法估计未知评分；对上一步计算出的评分估计，进行销量·评分逆变换，得到销量预测；针对给定产品(规格)，对其在所有零售点的销量预测进行排序，然后推荐排序前列的零售点以开展产品投放、营销推广活动。本发明专利技术设计的推荐方法使企业获得一种有效的为产品选择零售点进行精准投放、推广营销的手段，提升营销效果、降低成本，增强企业竞争力。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了一种，其实现方案是：采集包括零售点、产品(规格)、和产品在零售点的已知销量等数据；对已知销量进行销量·评分变换，获得对应的评分值；零售点对应用户，产品对应项目，评分为上一步销量·评分变换结果，利用协同过滤算法估计未知评分；对上一步计算出的评分估计，进行销量·评分逆变换，得到销量预测；针对给定产品(规格)，对其在所有零售点的销量预测进行排序，然后推荐排序前列的零售点以开展产品投放、营销推广活动。本专利技术设计的推荐方法使企业获得一种有效的为产品选择零售点进行精准投放、推广营销的手段，提升营销效果、降低成本，增强企业竞争力。【专利说明】
本专利技术属于互联网数据挖掘领域，具体涉及一种 的设计。
技术介绍
高度发达的市场经济，让客户有了更多选择余地，日趋激烈的市场竞争，也容易导 致客户资源流失，因此企业必须通过精准营销更有效的把握产品投放推广的效果。产品精 准营销是通过定量和定性相结合的方法对目标市场的不同消费者进行细致分析，根据他们 不同的消费心理和行为特征，企业采用有针对性的现代技术、方法和指向明确的策略，实现 对目标市场不同消费者群体行之有效且投资回报率高的营销沟通。 实体零售点具有特定的地理位置、环境等特性，各自面向特定的消费人群和消费 习惯，所以对于不同的产品（规格）最适合开展推广营销的零售点是不同的。由于产品在 实体零售点的部署投放和营销推广都需要花费大量销售成本，需要一种有效的精准营销方 法，推荐最适合某产品投放和推广的零售点来进行实际推广营销，则可以在达到营销效果 的同时大大降低企业销售成本。 然而，传统的销售预测方法诸如计量经济学方法、投入产出分析方法、系统动力学 方法以及人工神经网络方法等，都是着眼于宏观经济分析，不能解决对"推荐最适合某产品 投放和推广的零售点"这样精细的预测问题。 而现有技术中还存在一种协同过滤算法，这是一种推荐系统技术，随着互联网的 迅速发展，已被越来越多的运用到各种网站和电子商务系统中。它不需要用户提供明确的 需求，而是通过分析用户的历史行为给用户的兴趣建模，从而主动给用户推荐能够满足他 们兴趣和需求的信息。协同过滤算法是最重要推荐系统技术之一，其原理是根据用户或项 目的相似性来识别填充一个用户到项目的评分矩阵，从而进行推荐当前用户没有过行为的 但是很可能会感兴趣的信息。 基于协同过滤的推荐系统提供了向特定用户进行产品推荐的有效方法，但目前只 被应用于电子商务等互联网相关领域，还没有面向产品（规格）的推荐方法，也没有针对实 体零售点销售问题的推荐方法。 因此，现有技术中还没有这样一种针对推荐最适合某产品投放和推广的零售点的 预测方法。
技术实现思路
本专利技术所要解决的技术问题在于现有的销售预测方法不适用于解决推荐最适合 某产品投放和推广的零售点的问题，而提供一种能够解决企业在实体零售点的产品精准投 放、营销推广的。 为解决上述技术问题，本专利技术的采用的技术方案如下： 一种，包括以下步骤， 步骤A.采集数据信息，所述数据信息包括零售点标识、产品的规格和所述产品在 所述零售点的已知销量； 步骤B.利用销量-评分变换方法将所述已知销量的数据转换成评分； 步骤C.将所述零售点作为协同过滤问题的用户，所述产品的规格作为协同过滤 问题的项目，所述产品的所述已知销量经过销量-评分变换后的计算结果作为协同过滤问 题的用户对项目的评分，之后利用协同过滤算法计算出所述产品在所述零售点的未知销量 对应的评分； 步骤D.使用所述步骤B的销量-评分变换所对应的逆变换，作用于所述步骤C计 算出的未知销量评分估计，从而得到未知销量的预测值； 步骤E.针对所述产品对其在所有零售点的销量预测进行排序，然后推荐排序前 列的零售点以开展产品投放、营销推广活动。 上述中，在所述步骤A中，所述已知销量为在考 察目标时间内具有销售成绩的销量数据。 上述中，在所述步骤A中，所述已知销量为所述 零售点从生产企业采购所述产品的订单数量。 上述中，所述零售点的未知销量为以所述产品的 规格、所述零售点为两个维度的销量矩阵中，去除所述已知销量对应元素的其他元素所对 应的销量数据。 上述中，设产品i在零售点u的已知销量为sui， 对应的评分为rui，产品j在零售点V的未知销量的预测为^对应的评分估计为&，U为零 售点的全集，I为产品（规格）的全集；所述销量-评分变换方法为相对产品总销量百分比 的变换， 产品i在零售点u的已知销量的相对产品总销量百分比的变换，取值为该已知销 量在产品i总销量中的百分比，Sf 【权利要求】1. 一种，其特征在于：包括以下步骤， 步骤A.采集数据信息，所述数据信息包括零售点标识、产品的规格和所述产品在所述 零售点的已知销量； 步骤B.利用销量-评分变换方法将所述已知销量的数据转换成评分； 步骤C.将所述零售点作为协同过滤问题的用户，所述产品的规格作为协同过滤问题 的项目，所述产品的所述已知销量经过销量-评分变换后的计算结果作为协同过滤问题的 用户对项目的评分，之后利用协同过滤算法计算出所述产品在所述零售点的未知销量对应 的评分； 步骤D.使用所述步骤B的销量-评分变换所对应的逆变换，作用于所述步骤C计算出 的未知销量评分估计，从而得到未知销量的预测值； 步骤E.针对所述产品对其在所有零售点的销量预测进行排序，然后推荐排序前列的 零售点以开展产品投放、营销推广活动。2. 根据权利要求1所述的，其特征在于：在所述步骤A 中，所述已知销量为在考察目标时间内具有销售成绩的销量数据。3. 根据权利要求1所述的，其特征在于：在所述步骤A 中，所述已知销量为所述零售点从生产企业采购所述产品的订单数量。4. 根据权利要求1-3任一所述的，其特征在于：所述 零售点的未知销量为以所述产品的规格、所述零售点为两个维度的销量矩阵中，去除所述 已知销量对应元素的其他元素所对应的销量数据。5. 根据权利要求1-4任一所述的，其特征在于：设产 品i在零售点u的已知销量为Sui，对应的评分为rui，产品j在零售点V的未知销量的预测 为氧# *对应的评分估计为4，U为零售点的全集，I为产品（规格）的全集；所述销量-评 分变换方法为相对产品总销量百分比的变换， 产品i在零售点u的已知销量的相对产品总销量百分比的变换，取值为该已知销量 在产品i总销量中的百分比，，对应的获得销量预测的逆变换为： sV = %Σ?-ι/Sm) /100% -6. 根据权利要求1-4任一所述的，其特征在于：设产 品i在零售点u的已知销量为Sui，对应的评分为rui，产品j在零售点V的未知销量的预测 为~，对应的评分估计为~,U为零售点的全集，I为产品（规格）的全集；所述销量-评 分变换方法为相对产品最大销量百分比的变换， 产品i在零售点u的已知销量的相对产品最大销量百分比的变换，取值为该已知销量 在产品i最大单零售点销量中的百分比，即& 对应的获得销量预测的 V·.S 逆变换为：私=丨.UV100% .7. 根据权利要求1-4任一所述的，其特征在于：设产 品i在零售点u的已知销本文档来自技高网...

【技术保护点】
一种面向产品的零售点营销推荐方法，其特征在于：包括以下步骤，步骤A.采集数据信息，所述数据信息包括零售点标识、产品的规格和所述产品在所述零售点的已知销量；步骤B.利用销量‑评分变换方法将所述已知销量的数据转换成评分；步骤C.将所述零售点作为协同过滤问题的用户，所述产品的规格作为协同过滤问题的项目，所述产品的所述已知销量经过销量‑评分变换后的计算结果作为协同过滤问题的用户对项目的评分，之后利用协同过滤算法计算出所述产品在所述零售点的未知销量对应的评分；步骤D.使用所述步骤B的销量‑评分变换所对应的逆变换，作用于所述步骤C计算出的未知销量评分估计，从而得到未知销量的预测值；步骤E.针对所述产品对其在所有零售点的销量预测进行排序，然后推荐排序前列的零售点以开展产品投放、营销推广活动。

【技术特征摘要】
...

【专利技术属性】
技术研发人员：孙忱，郭晓惠，邓超，高荣，
申请(专利权)人：广西中烟工业有限责任公司，
类型：发明
国别省市：广西;45