电商平台流量预测方法、系统、存储介质及电子设备技术方案

本发明专利技术公开了一种电商平台流量预测方法、系统、存储介质及电子设备，电商平台流量预测方法，包括：数据获取步骤：获取电商平台的现有流量数据；预测模型获取步骤：构建初始模型，根据所述现有流量数据对所述初始模型进行训练和验证后获得预测模型；预测步骤：根据所述预测模型进行预测获得预测流量数据。本发明专利技术能够充分利用近期数据以及去年同期数据，通过多模型组合的方式有效提高电商平台流量预测的精准度。准度。准度。

【技术实现步骤摘要】
电商平台流量预测方法、系统、存储介质及电子设备


[0001]本专利技术涉及一种流量预测方法、系统、存储介质及电子设备，具体地说，尤其涉及一种电商平台流量预测方法、系统、存储介质及电子设备。

技术介绍

[0002]电商平台在预测未来若干天的销售额、流量等指标时通常采用自回归模型 (单变量)或者向量自回归模型(多变量)。但是这种预测方案采用的模型较为单一，预测精度容易受到近期异常的销量、流量等数据影响。因此采用一种多模型结合的方法对于提高预测精度至关重要，有利于企业根据预测销量对未来活动作出合理安排。
[0003]但是在实际使用中发现，无论是才用单变量的自回归模型或者是多变量的向量自回归模型，这些方案的模型结构简单且模型较为单一，预测精度容易受到近期销量、流量等数据影响。
[0004]因此急需开发一种克服上述缺陷的电商平台流量预测方法、系统、存储介质及电子设备。

技术实现思路

[0005]针对上述问题，本专利技术提供一种电商平台流量预测方法，其中，包括：
[0006]数据获取步骤：获取电商平台的现有流量数据；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电商平台流量预测方法，其特征在于，包括：数据获取步骤：获取电商平台的现有流量数据；预测模型获取步骤：构建初始模型，根据所述现有流量数据对所述初始模型进行训练和验证后获得预测模型；预测步骤：根据所述预测模型进行预测获得预测流量数据。2.如权利要求1所述的电商平台流量预测方法，其特征在于，所述现有流量数据包括：历史销量、同期流量数据，促销活动等级及4A人群数据。3.如权利要求2所述的电商平台流量预测方法，其特征在于，所述预测模型获取步骤包括：预处理步骤：对所述现有流量数据进行预处理后，将预处理后的所述现有流量数据划分为训练集及测试集；训练步骤：构建所述初始模型，并根据所述训练集中的所述4A人群数据、所述同期流量数据及所述促销活动等级对所述初始模型进行训练获得所述预测模型；验证步骤：根据所述测试集对所述预测模型进行验证。4.如权利要求2所述的电商平台流量预测方法，其特征在于，所述预测步骤包括：第一预测步骤：根据所述4A人群数据通过时间序列模型获得当天4A人群数据；第二预测步骤：根据所述当天4A人群数据、当天促销活动等级及所述同期流量数据获得所述预测流量数据。5.一种电商平台流量预测系统，其特征在于，包括：数据获取单元，获取电商平台的现有流量数据；预测模型获取单元，构建初始模型，根据所述现有流量数据对所述初始模型进行训练和验证后获...

【专利技术属性】
技术研发人员：王毅君，徐凯波，
申请(专利权)人：上海明略人工智能集团有限公司，
类型：发明
国别省市：