一种快闪店的智能选品方法技术

本发明专利技术涉及一种快闪店的智能选品方法，包括以下步骤：S1：获取快闪店活动数据并获取所述目标场地的商品信息数据；S2：目标场地商品信息与线上类目库关联,分析各品牌各类目商品的销售额与所述目标场地竞品数量的影响关系，需要将所述目标场地商品信息通过类型与线上类目库进行映射关联；S3：利用历史活动数据以及场地商品信息数据计算各品牌类目对销售额的影响值；S4：根据标准化后的影响值已经计算出的影响因子计算各品牌类目下的推荐值。本发明专利技术涉及的一种快闪店的智能选品方法，省去人工调研的环节，减少了人工成本，缩短了选品周期，有力的提高了数据质量同时帮助商家解决了选品问题。

【技术实现步骤摘要】
一种快闪店的智能选品方法
本专利技术涉及营销领域，具体是指一种快闪店的智能选品方法。
技术介绍
特卖一般是指在特定的时间段内，以优惠的价格出售指定的商品，一般以商场、专卖店居多。特卖行业的行业机构主要由生产商、服务经销商、产品和消费者构成。目前基于消费者回归理性消费的环境下，具有周期性的特卖经济展现出了旺盛的生命力。同时目前消费者对于商品的优惠需求以及个性化消费需求越来越明显，商家如何选择商品来满足消费者的消费体验以及保证活动的销售额，已经成为了特卖行业不得不思考的问题。目前中国线下特卖市场增长稳健，通过线下快闪店的形式能够更好的满足消费者对于购买商品的体验情况，线下快闪店的价值也日益凸显。本专利技术人在实际活动中发现，虽然商家通过线下快闪店的方式来提高消费者的消费体验，但往往所售品牌和商品都是商家基于库存数量或者主观判断来选择，因此会导致部分品牌商品并不符合人群消费需求而滞销，导致活动的失败。
技术实现思路
本专利技术要解决的技术问题是，提供一种快闪店的智能选品方法，能够提高商家不同品牌不同类型商品的选择精准性，缩小商家线下活动风险度，有效保障了商家活动的销售额。为解决上述技术问题，本专利技术提供的技术方案为：一种快闪店的智能选品方法，包括以下步骤：S1：获取快闪店活动数据并获取所述目标场地的商品信息数据；S2：目标场地商品信息与线上类目库关联,分析各品牌各类目商品的销售额与所述目标场地竞品数量的影响关系，需要将所述目标场地商品信息通过类型与线上类目库进行映射关联；S3：利用历史活动数据以及场地商品信息数据计算各品牌类目对销售额的影响值；S4：根据标准化后的影响值已经计算出的影响因子计算各品牌类目下的推荐值。2、根据权利要求1所述的一种快闪店的智能选品方法，其特征在于：所述步骤S3具体包括以下步骤：S31：利用历史活动数据以及场地商品信息数据计算各品牌类目各影响因素对商家选品的影响值；其中影响因素包括：商品价格、人群性别占比、人群年龄0-18岁占比、人群年龄18-40岁占比、人群年龄大于40岁占比、活动日期、活动城市等级、活动场地类型、活动位置类型和竞品丰富度；所述商品价格用Pprice表示；所述人群性别占比分为：男性占比、女性占比，分别用Ssex01、Ssex02表示；所述人群年龄占比分为三个范围：0-18岁，18-40岁和大于40岁，分别用Vage01、Vage02、Vage03表示；所述活动日期同Tdate表示；所述活动城市等级用Ncity表示；所述活动场地类型用Ncommunity表示；所述活动位置位置用Nphysical表示，所述竞品丰富度用Pgood_num表示；以下是对Pprice、Ssex、Vage01、Vage02、Vage03、Tdate、Ncity、Ncommunity、Nphysical和Pgood_num的具体计算方法进行描述：Pprice：如果历史订单不存在该类目下该品牌的商品价格，Pprice价格信息则通过商家录入获得，如果历史订单包含，则通过历史订单计算该类目品牌的商品的平均成交价格，就得到此类目该品牌下的Pprice，利用同样的方法就可以计算出每个类目下所有品牌的成交价格；Ssex01、Ssex02：通过历史订单数据，统计同一场地所有订单的客户性别数量，其中男性数量为Sx，女性数量为Sy；Ssex01、Ssex02的表达式分别为：利用同样的方法就可以计算出每个场地的男女性别占比；Vage01、Vage02、Vage03：通过历史订单数据，统计同一场地所有订单的用户年龄数据，其中总订单数为Vx，用户年龄在[0,18]岁区间的订单数量为Vx1，用户年龄在[18,40]岁区间的订单数量为Vx2，用户年龄大于40岁的订单数量为Vx3；Vage01、Vage02、Vage03的表达式分别为：利用同样的办法就可以计算出每个场地的不同年龄段的人群占比；Tdate：基于每笔订单活动日期判断，如果活动执行日期为周末或法定节假日，则值Tdate为1，其余正常工作日Tdate为0；S32：对计算出的每个品牌各类目各影响因素对商家选品的影响值进行标准化；通过min-max的数据标准化方法对计算出的每个品牌类型的各影响因素对选品的影响值进行标准化；具体min-max数据标准化的方法为：设属性原始值的最小值和最大值分别为：minP和maxP，则P属性的原始值x通过min-max标准化映射的x’为：所述min-max数据标准化方法中的“属性”指的是本申请的商品价格、人群性别占比、人群年龄0-18岁占比、人群年龄18-40岁占比、人群年龄大于40岁占比、活动日期、活动城市等级、活动场地类型、活动位置类型和竞品丰富度；“属性”的极为各个影响因素的影响值；S33：计算各品牌类目的影响因素的权重因子：通过计算所有品牌各类型销售额与10个影响因素之间的关系来计算权重因子，具体计算方法如下：假设参考因素数列为X，记为：X＝{X1,X2,X3,X4,...Xk,....Xn}，所述n为所有商品的全部类型数量；比较因素数列为Y，记为：Y＝{Yi1,Yi2,Yi3,...,Yik,...Yin}，所述i表示影响因素，i＝1,2,3,..,10；此时，X与Yi的关联度即表示为：其中ri即为Yi对X的影响度；ξ为分辨系数，一般在(0,1)之间，一般取0.5；Δmin为数列X(1行n列)与数列Yi(1行n列)相减之后得到的数列中的最小值，表示为：Δmax为数列X(1行n列)与数列Yi(1行n列)相减之后得到的数列中的最大值，表示为：归一化处理后，求的因素Yi的权重为：通过灰色关联分析算法计算出商品价格、人群性别占比、人群年龄0-18岁占比、人群年龄18-40岁占比、人群年龄大于40岁占比、活动日期、活动城市等级、活动场地类型、活动位置类型和竞品丰富度十个影响因素的权重因子；S34：根据标准化后的影响值已经计算出的影响因子计算各品牌类目下的推荐值：根据上述10个影响因素的标准化数据以及对应影响因子取值对每个品牌类型对销售额的影响度进行综合打分；通过线性相加将各因素融合，从而得到最终影响度；具体计算公式如下：k代表每个品牌类目序号，Wi为步骤S33计算出的值；Pki为步骤S31中x’的值，ki下标表示第k个商品的类目下第i个因素；Pk表示最终的影响程度。采用以上方法后，本专利技术具有如下优点：本专利技术通过快闪店历史订单数据以及所述目标场地的商品信息数据，省去人工调研的环节，减少了人工成本，缩短了选品周期，有力的提高了数据质量同时帮助商家解决了选品问题，保障了商家的销售额以及用户的消费体验。附图说明图1为本专利技术实施例提供的智能本文档来自技高网...

【技术保护点】
1.一种快闪店的智能选品方法，其特征在于，包括以下步骤：/nS1：获取快闪店活动数据并获取所述目标场地的商品信息数据；/nS2：目标场地商品信息与线上类目库关联,分析各品牌各类目商品的销售额与所述目标场地竞品数量的影响关系，需要将所述目标场地商品信息通过类型与线上类目库进行映射关联；/nS3：利用历史活动数据以及场地商品信息数据计算各品牌类目对销售额的影响值；/nS4：根据标准化后的影响值已经计算出的影响因子计算各品牌类目下的推荐值。/n

【技术特征摘要】
1.一种快闪店的智能选品方法，其特征在于，包括以下步骤：
S1：获取快闪店活动数据并获取所述目标场地的商品信息数据；
S2：目标场地商品信息与线上类目库关联,分析各品牌各类目商品的销售额与所述目标场地竞品数量的影响关系，需要将所述目标场地商品信息通过类型与线上类目库进行映射关联；
S3：利用历史活动数据以及场地商品信息数据计算各品牌类目对销售额的影响值；
S4：根据标准化后的影响值已经计算出的影响因子计算各品牌类目下的推荐值。


2.根据权利要求1所述的一种快闪店的智能选品方法，其特征在于：所述步骤S3具体包括以下步骤：
S31：利用历史活动数据以及场地商品信息数据计算各品牌类目各影响因素对商家选品的影响值；
其中所影响因素包括：商品价格、人群性别占比、人群年龄0-18岁占比、人群年龄18-40岁占比、人群年龄大于40岁占比、活动日期、活动城市等级、活动场地类型、活动位置类型和竞品丰富度；
所述商品价格用Pprice表示；所述人群性别占比分为：男性占比、女性占比，分别用Ssex01、Ssex02表示；所述人群年龄占比分为三个范围：0-18岁，18-40岁和大于40岁，分别用Vage01、Vage02、Vage03表示；所述活动日期同Tdate表示；所述活动城市等级用Ncity表示；所述活动场地类型用Ncommunity表示；所述活动位置位置用Nphysical表示，所述竞品丰富度用Pgood_num表示；
以下是对Pprice、Ssex、Vage01、Vage02、Vage03、Tdate、Ncity、Ncommunity、Nphysical和Pgood_num的具体计算方法进行描述：
Pprice：
在实际情景中，如果历史订单不存在该类目下该品牌的商品价格，Pprice价格信息则通过商家录入获得，如果历史订单包含，则通过历史订单计算该类目品牌的商品的平均成交价格，就得到此类目该品牌下的Pprice，利用同样的方法就可以计算出每个类目下所有品牌的成交价格；
Ssex01、Ssex02：
在实际情景中，通过历史订单数据，统计同一场地所有订单的客户性别数量，其中男性数量为Sx，女性数量为Sy；Ssex01、Ssex02的表达式分别为：






利用同样的方法就可以计算出每个场地的男女性别占比；
Vage01、Vage02、Vage03：
在实际情景中，通过历史订单数据，统计同一场地所有订单的用户年龄数据，其中总订单数为Vx，用户年龄在[0,18]岁区间的订单数量为Vx1，用户年龄在[18,40]岁区间的订单数量为Vx2，用户年龄大于40岁的订单数量为Vx3；Vage01、Vage02、Vage03的表达式分别为：









利用同样的办法就可以计算出每个场地的不同年龄段的人群占比；
Tdate：
在实际...

【专利技术属性】
技术研发人员：黄武，王振涛，陈特夫，李颖翀，
申请(专利权)人：杭州邻汇网络科技有限公司，
类型：发明
国别省市：浙江;33