一种基于大数据的电商促销定价决策辅助方法及系统技术方案

本发明专利技术公开了一种基于大数据的电商促销定价决策辅助方法，包括以下步骤：步骤S1）从云计算大数据平台采集近些年来各产品种类在各个季度的历史价格数据及其对应的销量数据和点评数据；步骤S2）对采集到的历史数据进行预处理；步骤S3）将预处理后的数据分为训练集数据和测试集数据，并通过神经网络方法进行学习，获得促销定价决策辅助模型；步骤S4）决策者验证登录获得权限后，将实时季度及产品种类作为促销定价决策辅助模型的输入，促销定价决策辅助模型输出不同销量/点评权重比下的参考定价。本发明专利技术通过云计算大数据平台，获得大量历史数据支持，通过促销定价决策辅助模型，获得各产品种类的参考定价，为电商企业提供促销定价决策辅助。价决策辅助。价决策辅助。

【技术实现步骤摘要】
一种基于大数据的电商促销定价决策辅助方法及系统


[0001]本专利技术涉及数字经济
，具体涉及一种基于大数据的电商促销定价决策辅助方法及系统。

技术介绍

[0002]当今世界，随着人们消费能力的提高，电商行业发展迅速，出现了很多促销活动。促销作为企业营销组合策略的重要组成部分，是企业运用各种手段，沟通生产者和顾客之间的生产和消费信息，掌握顾客的需求和偏好，激发顾客对企业及其产品产生好感和信任，进而引起顾客的购买兴趣和购买行为的营销活动。促销提供了一系列对制造商和消费者至关重要的利益，其次它是品牌沟通中的一个重要环节，随着市场环境的变化，促销在品牌沟通中的重要性越来越高，也日益为企业频繁使用。促销活动中最关键的一个环节就是促销定价，一个合适的促销价位，应该同时兼顾企业和消费者的利益，既要保证产品销量，也要保证消费者满意度，由于电商企业往往出售产品种类繁多，成本变化也比较频繁，如何在促销活动中为产品定出最佳价位，成为决策者比较头疼的问题。

技术实现思路

[0003]本专利技术主要是为了解决，电商企业难以在兼顾销量和顾客满意度的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的电商促销定价决策辅助方法，其特征在于，包括以下步骤：步骤S1：从云计算大数据平台采集近些年来各产品种类在各个季度的历史价格数据及其对应的销量数据和点评数据；步骤S2：对采集到的历史数据进行预处理；步骤S3：将预处理后的数据分为训练集数据和测试集数据，并通过神经网络方法进行学习，获得促销定价决策辅助模型；步骤S4：决策者验证登录获得权限后，将实时季度及产品种类作为所述促销定价决策辅助模型的输入，促销定价决策辅助模型输出不同销量/点评权重比下的参考定价。2.根据权利要求1所述的一种基于大数据的电商促销定价决策辅助方法，其特征在于，步骤S2中数据预处理包括以下步骤：步骤S21：对各产品种类在各个季度的历史价格数据做归一化处理；步骤S22：将对应的销量数据做分级处理，获得各产品种类历史价格数据对应的销量级别；步骤S23：将对应的点评数据做关键词提取处理，并按照提取的关键词做评星定级处理，获得各产品种类历史价格数据对应的点评星级；步骤S24：将步骤S22获得的销量级别标签和步骤S23获得的点评星级标签向量化，采用分类编码中的one
‑
hot格式，将每个标签表示为全零向量。3.根据权利要求1所述的一种基于大数据的电商促销定价决策辅助方法，其特征在于，步骤S3中通过神经网络方法进行学习，获得促销定价决策辅助模型包括以下步骤：步骤S31：构建模糊神经网络；步骤S32：初始化所述模糊神经网络的网络参数；步骤S33：用训练集数据对初始化后的模糊神经网络进行有监督预训练；步骤S34：保留有监督预训练后模糊神经网络的参数，用深度置信网络替换模糊神经网络的全连接层；步骤S35：用训练集数据对深度置信网络进行无监督预训练；步骤S36：保留无监督预训练后深度置信网络的参数，在现有网络的输出层后添加softmax层；步骤S37：用训练集数据对整个网络进行有监督训练并生成促销定价决策辅助模型；步骤S38：用测试集数据对生成的...

【专利技术属性】
技术研发人员：倪洪杰，滕游，俞欣，张丹，
申请(专利权)人：湖州市吴兴区数字经济技术研究院，
类型：发明
国别省市：