【技术实现步骤摘要】
大数据环境下在线零售商的需求模型构建及需求预测方法
[0001]本专利技术属于供应链需求预测领域，更具体地，涉及一种大数据环境下在线零售商的需求模型构建及需求预测方法。
技术介绍
[0002]随着电商的发展，为提高电商物流的时效性，电商平台纷纷建立了以实体门店为主的前置仓模式，通过对消费者的需求进行预测，提前将对应商品发送至前置仓门店，当消费者下单时，系统选择距离消费者较近的前置仓门店，将商品配送至目标地址，从而有效缩短商品与消费者的距离，降低物流配送时间。若预测中的商品未被购买，则会产生转运、存储、退回等费用，增加了供应链整体的运作成本。因此，前置仓模式的实现对供应链需求预测提出了更高的要求。在大数据和信息处理技术快速发展的新时代背景下，运用大数据分析技术，对前置仓门店的需求进行准确预测，可以为前置仓门店的“预判发货”提供决策支持。
[0003]当前大数据环境下，电商平台产生了大量客户点击、浏览、加入购物车等行为数据，以及商品销售量、退货量等数据信息，如何利用大量历史消费数据信息预测消费者需求成为业界和学术界研究的...
【技术保护点】
【技术特征摘要】
1.一种大数据环境下在线零售商的需求模型构建方法，其特征在于，包括：基于历史数据样本集，统计每个零售商对每个商品的按时间粒度的需求统计量；并根据所述需求统计量，对各零售商ID和各商品ID构成的组进行聚类；每个历史数据样本包括：零售商ID，商品ID，消费者ID，一次对该商品购买量，一次对该商品退货量，以及对该商品的需求量信息；对任一聚类簇所对应的历史数据样本集按照周期划分，取每相邻多个周期的数据为一组数据；其中，从该相邻多个周期的数据中最后一个周期数据中提取各客户在各零售商购买各商品的需求标签值，从其他周期数据中提取各客户在各零售商购买各商品的需求特征，构成多个训练样本；采用每一聚类簇的所有训练样本训练得到该聚类簇的需求预测模型。2.根据权利要求1所述的一种大数据环境下在线零售商的需求模型构建方法，其特征在于，所述对该商品的需求量信息为对该商品的需求量的对数值。3.根据权利要求1所述的一种大数据环境下在线零售商的需求模型构建方法，其特征在于，采用SOM和层次聚类法进行所述聚类。4.根据权利要求1所述的一种大数据环境下在线零售商的需求模型构建方法，其特征在于，所述需求特征包括时序统计特征，所述时序统计特征包含：零售商对商品的需求量均值、方差、最大值和最小值，退货量的均值、方差、最大值和最小值，退货次数，以及退货比率；商品的需求量均值、方差、最大值和最小值，退货量的均值、方差、最大值和最小值，退货次数，以及退货比率；零售商的需求量均值、方差、最大值和最小值，退货量的均值、方差、最大值和最小值，退货次数，以及退货比率。5.根据权利要求1所述的一种大数据环境下在线零售商的需求模型构建方法，其特征...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。