估算订单退货率的方法及装置制造方法及图纸

本申请提供一种估算订单退货率的方法，包括：由第一退货率关联指标预测某笔订单的预期退货率；由第二退货率关联指标预测当期的季节预期平均退货率；根据当期的季节预期平均退货率对所述订单的预期退货率进行调整，得到所述订单的最终预期退货率。通过本申请的技术方案，对单笔订单退货率的预测能够反映季节性或定期促销活动等因素的影响，提高了预测的准确性，在降低电商运营成本的同时提高了运营效率。

【技术实现步骤摘要】

本申请涉及电子商务
，尤其涉及一种估算订单退货率的方法及装置。
技术介绍
随着互联网技术和应用的普及，电子商务得到了迅猛的发展。电子商务通过互联网进行各种商贸活动，实现消费者网上购物、商户间网上交易、在线电子支付以及其他各种商务交易等活动。由于网上交易中用户往往对交易的商品缺乏真实直观的感受，电子商务的商家通常会提供宽松的退货策略，而处理用户的退货所需要的人力和仓储就成为电商运营成本的一部分，尤其对于一些大型电商而言。因此，越来越多的电商会预测所售出商品的退货率，据此安排退货处理的人员和仓储空间，以提供更加快捷的退货处理。准确的预测退货率，对提高电商的运营效率，降低运营成本十分重要。
技术实现思路
有鉴于此，本申请提供一种估算订单退货率的方法，包括：由第一退货率关联指标预测某笔订单的预期退货率；由历史同期的第二退货率关联指标预测当期的季节预期平均退货率；根据当期的季节预期平均退货率对所述订单的预期退货率进行调整，得到所述订单的退货率。本申请还提供了一种估算订单退货率的装置，包括：订单预期退货率预测单元，用于由第一退货率关联指标预测某笔订单的预期退货率；季节预期平均退货率预测单元，用于由历史同期的第二退货率关联指标预测当期的季节预期平均退货率；当期调整单元，用于根据当期的季节预期平均退货率对所述订单的预期退货率进行调整，得到所述订单的退货率。由以上技术方案可见，本申请的实施例中，通过历史同期的退货情况预测当期的季节预期平均退货率，利用当期的季节预期平均退货率来对根据过去某个时期的退货情况预测的该订单的预期退货率来进行调整，使得对单笔订单退货率的预测能够反映季节性或定期促销活动等因素的影响，提高了预测的准确性，在降低电商运营成本的同时提高了运营效率。附图说明图1是本申请实施例一中估算订单退货率的方法的流程图；图2是本申请实施例二与现有技术的技术效果对比示意图；图3是本申请实施例所应用的物理设备的一种硬件结构图；图4是本申请实施例提供的估算订单退货率的装置的逻辑结构图。具体实施方式现有技术中，电商通常基于过去一段时间的卖家历史退货率、商品历史退货率、买家历史退货率、客户对商品评分等数据来计算该商品某笔订单的退货率。受季节性因素和促销活动因素等的影响，用这种方法预测出的退货率与真实的退货率经常有相当大的偏差。例如，在每年4到7月份，从进入春夏交替的季节到夏天，服装服饰类商品的退货率会明显上升，但是由于1到3月的退货率较低，根据1到3月的数据来进行预测，导致预测的退货率偏低。在大型促销活动，由于商品价格便宜，很多用户购物后即便不太满意也不会退货，所以实际退货率较低，但由于基于促销活动前一段时期的历史数据进行预测，导致预测退货率明显高于实际退货率。对根据预测的退货率进行退货处理安排的电商而言，预测的退货率不准确，会造成退货处理的低效率和更高的运营成本。本申请的实施例提出一种新的估算某笔订单退货率的方法来解决上述问题。本申请实施例应用在能够访问电商的退货信息数据库获取相关数据、具有运算能力的计算设备上。本实施例一中，估算订单退货率的方法的流程如图1所示。步骤110，由第一退货率关联指标预测某笔订单的预期退货率。本步骤中，根据过去一段时间的第一退货率关联指标来预测单笔订单的预期退货率。可以根据具体应用场景能够收集的参数，和适用的算法来决定采用哪些参数作为第一退货率关联指标，以及各参数的权重。在一种实施方式中，从买家历史退货率、卖家历史退货率、卖家信用、商品历史退货率、商品所属行业历史退货率等参数里选择一个至多个来作为第一退货率关联指标，用来预测某笔订单的预期退货率。可以将买家历史退货率、卖家历史退货率、卖家信用、商品历史退货率、商品所属行业历史退货率等作为自变量，将某商品的一笔订单是否退货作为因变量，采用逻辑回归算法进行回归分析，根据回归分析的结果来预测当前订单的预期退货率。例如，可以根据过去6个月的所有交易订单作为预期退货率预测模型的训练样本,目标变量(即因变量)flag为是否发生退货,若发生退货,则flag＝1,否则flag＝0，自变量为订单发生前90天卖家退货率、商品退货率、买家退货率、商品信用得分等，通过logit(逻辑)回归，可以得到各自变量的系数，模型拟合调试完成后，就可以用来预测新发生的订单的预期退货率。现有技术中预测订单退货率的方法也可以在本步骤中用来预测一笔订单的预期退货率。步骤120，由历史同期的第二退货率关联指标预测当期的季节预期平均退货率。选择一个设定的时间段作为横向时间序列的期间长度，以被估算的订单生成的日期所在期间的横向时间序列作为当期，以过去年度相同的横向时间序列作为过去同期，根据过去同期的第二退货率关联指标来预测当期的季节预期平均退货率。例如，以半个月为横向时间序列的期间长度，被估算的订单生成于6月4日，则以6月上半个月作为当期，以去年、前年等的6月上半个月作为过去同期，通过去年、前年6月上半个月的第二退货率关联指标来预测当期的季节预期平均退货率。第二退货率关联指标的选择可以按照在实际应用中影响当期退货率的因素来确定，通常会包括前一年同期的平均退货率，还可以包括前半个月的实际退货率等。具体采用哪种预测方法可以根据所选择的第二退货率关联指标，以及这些参数影响当期退货率的方式来确定，本实施例中不作限定。作为一种可能的具体实现，可以将过去某个横向时间序列的同类商品的平均退货率作为因变量，以包括该横向时间序列之前的N个横向时间序列的同类商品的平均退货率、该横向时间序列的前一年同期的同类商品的平均退货率的参数作为自变量，采用线性回归法进行回归分析，得到当期季节预期平均退货率预测模型。将今年当期之前的N个横向时间序列的同类商品的平均退货率、去年当前同类商品的平均退货率、以及其他自变量的值带入模型，就可以得到当期季节预期平均退货率。例如，设Y＝aX1+bX2，Y为某个过去横向时间序列的平均退货率，X1为该横向时间序列前N个横向时间序列中同类商品的平均退货率，X2为前一年该横向时间序列同期的同类商品平均退货率，根据过去几年的上述自变量和因变量数据进行回归分析，拟合出最大似然的系数a和b；再利用今年当期之前N个横向时间序列的平均退货率和去年当期的平均退货率，通过aX1+bX2预测出今年当期同类商品的季节预期平均退货率。当然，在回归分本文档来自技高网...

【技术保护点】
一种估算订单退货率的方法，其特征在于，包括：由第一退货率关联指标预测某笔订单的预期退货率；由历史同期的第二退货率关联指标预测当期的季节预期平均退货率；根据当期的季节预期平均退货率对所述订单的预期退货率进行调整，得到所述订单的退货率。

【技术特征摘要】
1.一种估算订单退货率的方法，其特征在于，包括：
由第一退货率关联指标预测某笔订单的预期退货率；
由历史同期的第二退货率关联指标预测当期的季节预期平均退货率；
根据当期的季节预期平均退货率对所述订单的预期退货率进行调整，得
到所述订单的退货率。
2.根据权利要求1所述的方法，其特征在于，所述由历史同期的第二退
货率关联指标预测当期的季节预期平均退货率，包括：以过去某个横向时间
序列的平均退货率作为因变量，以包括所述横向时间序列之前的数个横向时
间序列的平均退货率、所述横向时间序列的前一年同期的平均退货率的参数
作为自变量，通过线性回归分析得到当期的季节预期平均退货率。
3.根据权利要求1所述的方法，其特征在于，所述根据当期的季节预期
平均退货率对所述订单的预期退货率进行调整，包括：以当期的季节预期平
均退货率与一年的平均退货率的比值为第一调整系数，对所述订单的预期退
货率进行调整。
4.根据权利要求3所述的方法，其特征在于，所述根据当期的季节预期
平均退货率对所述订单的预期退货率进行调整，还包括：利用第二调整系数
对调整后所述订单的预期退货率进行二次调整；所述第二调整系数根据过去
横向时间序列真实的平均退货率，与估算所述横向时间序列的退货率时所采
用的第一调整系数来确定。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述订单的退货率确定所述订单退货运费险保单的出险率；
按照所述出险率对所述订单退货运费险保单的保费定价。
6.根据权利要求1所述的方法，其特征在于，所述第一退货率关联指标
包括以下的至少一项：买家历史退货率、卖家历史退货率、卖家信用、商品
历史退货率、商品所属行业历史退货率。
7.一种估算订单退货率的...

【专利技术属性】
技术研发人员：张建业，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛;KY