自动售货设备的销售管理方法及系统技术方案

本发明专利技术提供了一种自动售货设备的销售管理方法及系统，涉及自动售货的技术领域，自动售货设备的销售管理方法包括获取第一历史时间段内自动售货设备的历史运营数据、历史运维数据以及目标商品的历史销售数据；根据第一历史时间段内自动售货设备的历史运营数据、历史运维数据以及目标商品的历史销售数据，计算目标商品的类型；其中，商品的类型包括销量稳定型、销量不稳定型和销量较小型；根据目标商品的类型确定目标商品对应的目标销量预测模型；基于第一历史时间段内目标商品的历史销售数据，使用目标销量预测模型计算目标商品在未来预设时间段内的第一预测销量。本发明专利技术可以有效提高自动售货设备的商品销量预测的准确性。

【技术实现步骤摘要】
自动售货设备的销售管理方法及系统
本专利技术涉及自动售货
，尤其是涉及一种自动售货设备的销售管理方法及系统。
技术介绍
自动售货设备作为一种新零售设备，由于其具有不受时间地点限制、能节省人力、方便交易等特点，因此自动售货设备应用越来越广泛。相对于商场、超市等传统零售方式，自动售货设备(例如自动售货机)往往具有空间小、日均销量少、商品售卖周期短等特点，因此，现有的传统零售行业的商品销量预测方法往往不能适用于自动售货设备的应用场景，目前自动售货设备的运营商只能根据传统零售行业的经验进行销售预测的尝试，然而通过这种方式得到的预测销量与实际销量存在较大偏差，从而导致存在较大的运营风险，还可能对运营收入产生负面影响。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种自动售货设备的销售管理方法及系统，可以有效提高自动售货设备的商品销量预测的准确性。第一方面，本专利技术实施例提供了一种自动售货设备的销售管理方法，应用于自动售货设备的销售管理系统的销售预测应用服务器，所述自动售货设备的所述销售管理系统还包括与所述销售预测应用服务器通信连接的运营服务器和运维服务器，所述运营服务器和所述运维服务器分别与所述自动售货设备通信连接，所述运营服务器用于采集并存储所述自动售货设备的所销售商品的运营数据，所述运维服务器用于采集并存储所述自动售货设备的运维数据，所述方法包括：获取第一历史时间段内所述自动售货设备的历史运营数据、历史运维数据以及目标商品的历史销售数据；其中，所述目标商品为所述自动售货设备所销售商品中要预测其销量的一种商品；根据所述第一历史时间段内所述自动售货设备的所述历史运营数据、所述历史运维数据以及所述目标商品的所述历史销售数据，计算所述目标商品的类型；其中，商品的类型包括销量稳定型、销量不稳定型和销量较小型；根据所述目标商品的类型确定所述目标商品对应的目标销量预测模型；基于所述第一历史时间段内所述目标商品的所述历史销售数据，使用所述目标销量预测模型计算所述目标商品在未来预设时间段内的第一预测销量。在一种实施方式中，根据所述第一历史时间段内所述自动售货设备的所述历史运营数据、所述历史运维数据以及所述目标商品的所述历史销售数据，计算所述目标商品的类型的步骤，包括：获取预先存储的多组分类参数值中的一组分类参数值；其中，每组分类参数值中包括第一分组参数值和第二分组参数值；根据所述第一历史时间段内所述自动售货设备的所述历史运营数据、所述历史运维数据以及所述目标商品的所述历史销售数据，基于所述一组分类参数值中的所述第一分组参数值，使用预先设定的业务归类方法计算所述目标商品的第一类型，以及基于所述一组分类参数值中的所述第二分组参数值，使用聚类算法计算所述目标商品的第二类型；判断计算所得的所述目标商品的所述第一类型和所述第二类型是否一致；如果判定计算所得的所述目标商品的所述第一类型和所述第二类型一致，将一致的类型确定为所述目标商品的类型；如果判定计算所得的所述目标商品的所述第一类型和所述第二类型不一致，获取预先存储的多组分类参数值中的另一组分类参数值，并根据所述第一历史时间段内所述自动售货设备的所述历史运营数据、所述历史运维数据以及所述目标商品的所述历史销售数据，基于所述另一组分类参数值中的所述第一分组参数值，重新使用所述预先设定的业务归类方法计算所述目标商品的第一类型，以及基于所述另一组分类参数值中的所述第二分组参数值，重新使用所述聚类算法计算所述目标商品的第二类型，并判断计算所得的所述目标商品的所述第一类型和所述第二类型是否一致，以此循环，直至判定计算所得的所述目标商品的所述第一类型和所述第二类型一致并将一致的类型确定为所述目标商品的类型。在一种实施方式中，根据所述第一历史时间段内所述自动售货设备的所述历史运营数据、所述历史运维数据以及所述目标商品的所述历史销售数据，基于所述一组分类参数值中的所述第一分组参数值，使用预先设定的业务归类方法计算所述目标商品的第一类型的步骤，包括：对所述第一历史时间段内所述自动售货设备的所述历史运营数据、所述历史运维数据以及所述目标商品的历史销售数据进行分析，生成所述目标商品的第一特征数据；其中，所述目标商品的第一特征数据包括所述第一历史时间段内所述目标商品的关键销售事件特征数据，所述目标商品的关键销售事件包括：目标商品售空、目标商品全天缺货、目标商品缺货并补货、目标商品缺货未及时补货和目标商品补货后售空；获取所述一组分类参数值中的所述第一分组参数值；其中，每组分类参数值中的所述第一分组参数值包括第一预设阈值、第二预设阈值、第三预设阈值、第四预设阈值、第五预设阈值和第六预设阈值，所述第一预设阈值用于表征所述目标商品的总销售周期内的日均销量，所述第二预设阈值用于表征所述目标商品售空关键销售事件在所述总销售周期内的发生概率，所述第三预设阈值用于表征所述目标商品缺货并补货关键销售事件在所述总销售周期内的发生概率，所述第四预设阈值用于表征所述目标商品缺货未及时补货关键销售事件在所述总销售周期内的发生概率，所述第五预设阈值用于表征所述目标商品补货后售空关键销售事件在所述总销售周期内的发生概率，所述第六预设阈值用于表征所述目标商品的有效销售周期占总销售周期的比重；根据所述第一历史时间段内所述目标商品的所述历史销售数据以及所述目标商品的所述第一特征数据计算所述第一历史时间段内所述目标商品的所述总销售周期和所述总销售周期内所述目标商品的日均销量，并判断所述总销售周期内所述目标商品的所述日均销量是否小于所述第一预设阈值，当所述总销售周期内所述目标商品的所述日均销量小于所述第一预设阈值时，将所述目标商品的第一类型确定为所述销量较小型；当所述目标商品的所述第一类型不是所述销量较小型时，根据所述目标商品的所述第一特征数据计算所述第一历史时间段内发生所述目标商品售空关键销售事件的第一累计天数、发生所述目标商品缺货并补货关键销售事件的第二累计天数、发生所述目标商品缺货未及时补货关键销售事件的第三累计天数、发生所述目标商品补货后售空关键销售事件的第四累计天数以及所述总销售周期内所述目标商品的所述有效销售周期，根据所述第一累计天数、所述第二累计天数、所述第三累计天数、所述第四累计天数、所述有效销售周期与所述总销售周期的比值确定所述目标商品的第一类型是否为所述销量不稳定型；其中，当所述第一累计天数与所述总销售周期的比值大于所述第二预设阈值，或所述第二累计天数与所述总销售周期的比值大于所述第三预设阈值，或所述第三累计天数与所述总销售周期的比值大于所述第四预设阈值，或所述第四累计天数与所述总销售周期的比值大于所述第五预设阈值，或所述有效销售周期与所述总销售周期的比值小于所述第六预设阈值时，将所述目标商品的第一类型确定为所述销量不稳定型；当所述目标商品的第一类型不是所述销量较小型和所述销量不稳定型时，将所述目标商品的所述第一类型确定为所述销量稳定型。在一种实施方式中，根据所述第一历史时间段内所述自动售货设备的所述历史运营数据、所述历史运维数据以及所述目标商品的所述历史销售数据，基于所述一组分类参数值中的所述第二分组参数值，使用聚类算法本文档来自技高网...

【技术保护点】
1.一种自动售货设备的销售管理方法，其特征在于，应用于自动售货设备的销售管理系统的销售预测应用服务器，所述自动售货设备的所述销售管理系统还包括与所述销售预测应用服务器通信连接的运营服务器和运维服务器，所述运营服务器和所述运维服务器分别与所述自动售货设备通信连接，所述运营服务器用于采集并存储所述自动售货设备的所销售商品的运营数据，所述运维服务器用于采集并存储所述自动售货设备的运维数据，所述方法包括：/n获取第一历史时间段内所述自动售货设备的历史运营数据、历史运维数据以及目标商品的历史销售数据；其中，所述目标商品为所述自动售货设备所销售商品中要预测其销量的一种商品；/n根据所述第一历史时间段内所述自动售货设备的所述历史运营数据、所述历史运维数据以及所述目标商品的所述历史销售数据，计算所述目标商品的类型；其中，商品的类型包括销量稳定型、销量不稳定型和销量较小型；/n根据所述目标商品的类型确定所述目标商品对应的目标销量预测模型；/n基于所述第一历史时间段内所述目标商品的所述历史销售数据，使用所述目标销量预测模型计算所述目标商品在未来预设时间段内的第一预测销量。/n

【技术特征摘要】
1.一种自动售货设备的销售管理方法，其特征在于，应用于自动售货设备的销售管理系统的销售预测应用服务器，所述自动售货设备的所述销售管理系统还包括与所述销售预测应用服务器通信连接的运营服务器和运维服务器，所述运营服务器和所述运维服务器分别与所述自动售货设备通信连接，所述运营服务器用于采集并存储所述自动售货设备的所销售商品的运营数据，所述运维服务器用于采集并存储所述自动售货设备的运维数据，所述方法包括：
获取第一历史时间段内所述自动售货设备的历史运营数据、历史运维数据以及目标商品的历史销售数据；其中，所述目标商品为所述自动售货设备所销售商品中要预测其销量的一种商品；
根据所述第一历史时间段内所述自动售货设备的所述历史运营数据、所述历史运维数据以及所述目标商品的所述历史销售数据，计算所述目标商品的类型；其中，商品的类型包括销量稳定型、销量不稳定型和销量较小型；
根据所述目标商品的类型确定所述目标商品对应的目标销量预测模型；
基于所述第一历史时间段内所述目标商品的所述历史销售数据，使用所述目标销量预测模型计算所述目标商品在未来预设时间段内的第一预测销量。


2.根据权利要求1所述的方法，其特征在于，根据所述第一历史时间段内所述自动售货设备的所述历史运营数据、所述历史运维数据以及所述目标商品的所述历史销售数据，计算所述目标商品的类型的步骤，包括：
获取预先存储的多组分类参数值中的一组分类参数值；其中，每组分类参数值中包括第一分组参数值和第二分组参数值；
根据所述第一历史时间段内所述自动售货设备的所述历史运营数据、所述历史运维数据以及所述目标商品的所述历史销售数据，基于所述一组分类参数值中的所述第一分组参数值，使用预先设定的业务归类方法计算所述目标商品的第一类型，以及基于所述一组分类参数值中的所述第二分组参数值，使用聚类算法计算所述目标商品的第二类型；
判断计算所得的所述目标商品的所述第一类型和所述第二类型是否一致；
如果判定计算所得的所述目标商品的所述第一类型和所述第二类型一致，将一致的类型确定为所述目标商品的类型；
如果判定计算所得的所述目标商品的所述第一类型和所述第二类型不一致，获取预先存储的多组分类参数值中的另一组分类参数值，并根据所述第一历史时间段内所述自动售货设备的所述历史运营数据、所述历史运维数据以及所述目标商品的所述历史销售数据，基于所述另一组分类参数值中的所述第一分组参数值，重新使用所述预先设定的业务归类方法计算所述目标商品的第一类型，以及基于所述另一组分类参数值中的所述第二分组参数值，重新使用所述聚类算法计算所述目标商品的第二类型，并判断计算所得的所述目标商品的所述第一类型和所述第二类型是否一致，以此循环，直至判定计算所得的所述目标商品的所述第一类型和所述第二类型一致并将一致的类型确定为所述目标商品的类型。


3.根据权利要求2所述的方法，其特征在于，根据所述第一历史时间段内所述自动售货设备的所述历史运营数据、所述历史运维数据以及所述目标商品的所述历史销售数据，基于所述一组分类参数值中的所述第一分组参数值，使用预先设定的业务归类方法计算所述目标商品的第一类型的步骤，包括：
对所述第一历史时间段内所述自动售货设备的所述历史运营数据、所述历史运维数据以及所述目标商品的历史销售数据进行分析，生成所述目标商品的第一特征数据；其中，所述目标商品的第一特征数据包括所述第一历史时间段内所述目标商品的关键销售事件特征数据，所述目标商品的关键销售事件包括：目标商品售空、目标商品全天缺货、目标商品缺货并补货、目标商品缺货未及时补货和目标商品补货后售空；
获取所述一组分类参数值中的所述第一分组参数值；其中，每组分类参数值中的所述第一分组参数值包括第一预设阈值、第二预设阈值、第三预设阈值、第四预设阈值、第五预设阈值和第六预设阈值，所述第一预设阈值用于表征所述目标商品的总销售周期内的日均销量，所述第二预设阈值用于表征所述目标商品售空关键销售事件在所述总销售周期内的发生概率，所述第三预设阈值用于表征所述目标商品缺货并补货关键销售事件在所述总销售周期内的发生概率，所述第四预设阈值用于表征所述目标商品缺货未及时补货关键销售事件在所述总销售周期内的发生概率，所述第五预设阈值用于表征所述目标商品补货后售空关键销售事件在所述总销售周期内的发生概率，所述第六预设阈值用于表征所述目标商品的有效销售周期占总销售周期的比重；
根据所述第一历史时间段内所述目标商品的所述历史销售数据以及所述目标商品的所述第一特征数据计算所述第一历史时间段内所述目标商品的所述总销售周期和所述总销售周期内所述目标商品的日均销量，并判断所述总销售周期内所述目标商品的所述日均销量是否小于所述第一预设阈值，当所述总销售周期内所述目标商品的所述日均销量小于所述第一预设阈值时，将所述目标商品的第一类型确定为所述销量较小型；
当所述目标商品的所述第一类型不是所述销量较小型时，根据所述目标商品的所述第一特征数据计算所述第一历史时间段内发生所述目标商品售空关键销售事件的第一累计天数、发生所述目标商品缺货并补货关键销售事件的第二累计天数、发生所述目标商品缺货未及时补货关键销售事件的第三累计天数、发生所述目标商品补货后售空关键销售事件的第四累计天数以及所述总销售周期内所述目标商品的所述有效销售周期，根据所述第一累计天数、所述第二累计天数、所述第三累计天数、所述第四累计天数、所述有效销售周期与所述总销售周期的比值确定所述目标商品的第一类型是否为所述销量不稳定型；其中，当所述第一累计天数与所述总销售周期的比值大于所述第二预设阈值，或所述第二累计天数与所述总销售周期的比值大于所述第三预设阈值，或所述第三累计天数与所述总销售周期的比值大于所述第四预设阈值，或所述第四累计天数与所述总销售周期的比值大于所述第五预设阈值，或所述有效销售周期与所述总销售周期的比值小于所述第六预设阈值时，将所述目标商品的第一类型确定为所述销量不稳定型；
当所述目标商品的第一类型不是所述销量较小型和所述销量不稳定型时，将所述目标商品的所述第一类型确定为所述销量稳定型。...

【专利技术属性】
技术研发人员：李德逸，董斌，叶林，李洪明，王春涛，
申请(专利权)人：山东新北洋信息技术股份有限公司，
类型：发明
国别省市：山东;37