商品的价格优化方法技术

本发明专利技术公开一种商品的价格优化方法，其包括：获取商品历史特征数据信息；根据所述商品历史特征数据信息，通过预先建立的MNL模型计算商品的价格系数，根据商品的价格系数判断该商品是否为低可替代性商品；根据所述商品历史特征数据信息，通过GBDT模型建立低可替代性商品的需求模型；获取关于价格和需求的限制条件，根据所述限制条件和所述需求模型对价格进行优化，确定商品的价格。本发明专利技术能够有效得出商品的最优价格。商品的最优价格。商品的最优价格。

【技术实现步骤摘要】
商品的价格优化方法


[0001]本专利技术涉及计算机数据处理技术，尤其涉及一种商品的价格优化方法。

技术介绍

[0002]商品价格与销量息息相关，如何科学地为商品确定一个适当的价格是很复杂的问题。在现有技术中，商品定价通常不考虑替代性商品的因素，或者仅凭经验判断商品之间的替代性。
[0003]然而这种方式无法有效率地确定最优价格，也无法确认得出的局部最优价格是否为全局最优价格。

技术实现思路

[0004]本专利技术的主要目的在于提供一种商品的价格优化方法，以解决现有技术存在的无法有效率地确定最优价格的问题。
[0005]根据本专利技术实施例提出一种商品的价格优化方法，其包括：获取商品历史特征数据信息；根据所述商品历史特征数据信息，通过预先建立的MNL模型计算商品的价格系数，根据商品的价格系数判断该商品是否为低可替代性商品；根据所述商品历史特征数据信息，通过GBDT模型建立低可替代性商品的需求模型；获取关于价格和需求的限制条件，根据所述限制条件和所述需求模型对价格进行优化，确定商品的价格。
[0006]其中，在商品被判断为低可替代性商品之后，所述方法还包括：根据商品的价格弹性对低可替代性商品进行验证，如果验证不通过则去掉该商品后重新计算剩余的商品的价格系数，并判断商品是否为低可替代性商品。
[0007]其中，所述方法还包括：对商品进行分类，在同一分类商品中计算的低可替代性商品。
[0008]其中，所述通过预先建立的MNL模型根据所述历史销售数据信息，计算商品的价格系数的步骤，包括：将所述商品历史特征数据信息代入MNL模型，计算出商品的模型预测销量；其中所述商品历史特征数据信息包括：价格信息、时间特征、竞争者信息；确定商品的真实销量和模型预测销量之差最小化的模型系数，并从所述模型系数中提取出商品的价格系数。
[0009]其中，所述根据商品的价格系数确定该商品是否为低可替代性商品的步骤，包括：根据所述商品的价格系数的大小判断商品是否为低可替代性商品，其中商品的价格系数的负值越小表示该商品的可替代性越弱，若系数为0则说明该商品没有可替代性。
[0010]其中，所述根据所述商品历史特征数据信息通过MNL模型建立低可替代性商品的需求模型的步骤，包括：获取所述商品历史特征数据信息中的时间特征和竞争者信息；根据所述时间特征和所述竞争者信息，通过MNL模型建立低可替代性商品的需求模型。
[0011]其中，所述根据所述限制条件和所述需求模型对价格进行优化的步骤，包括：根据所述限制条件得到商品的可选价格阶梯，确定所述可选价格阶梯中使得利润最大化的价格
作为商品的价格。
[0012]其中，所述限制条件包括数学类限制条件，具体包括：商品价格的线性不等式组和商品需求的线性不等式组。
[0013]其中，所述限制条件包括业务功能类限制条件，具体包括以下之一或其组合：价格结尾数限制、在一段时间内保持价格不变、量越多单价越低、不同品牌的价格区别、区间定价、产品线定价、自有品牌价格限制。
[0014]根据本专利技术的技术方案，通过量化商品的替代性，并依此筛选出低可替代性商品，对于低可替代性商品，采用MNL模型建立需求模型，再利用模型参数构建价格优化问题，在限制条件下同时优化同类所有商品的价格。
附图说明
[0015]此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0016]图1是根据本专利技术实施例的商品的价格优化方法的流程图。
具体实施方式
[0017]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术具体实施例及相应的附图对本专利技术技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0018]以下结合附图，详细说明本专利技术各实施例提供的技术方案。
[0019]图1是根据本专利技术实施例的商品的价格优化方法的流程图，如图1所示，该方法包括以下步骤：
[0020]步骤S102，获取商品历史特征数据信息。其中，所述商品历史特征数据信息包括但不限于：价格、时间特征、竞争者信息等数据信息，此外还可包括经济指数、行业状况、事件信息(自然灾害、疫情等)。
[0021]其中，所述的时间特征包括但不限于：节假日、星期、月份、季节等时间等因素，具体地，构造星期(周一到周日)、月份(1到12月)、节假日(包括节假日前后几天)、当地促销日(线下)、平台促销日(线上)、年初、年末、月初、月末等时间特征；竞争者信息包括但不限于：其他卖家的同类商品的价格和销量、与本商场或超市的距离等。
[0022]步骤S104，根据所述商品历史特征数据信息，通过预先建立的MNL模型计算商品的价格系数，根据商品的价格系数判断该商品是否为低可替代性商品。
[0023]一般地，可先对商品进行分类，然后在同一类商品中确定商品是否为低可替代性商品。商品的分类原则可根据用途等进行分类，本申请对此不进行限制。在本申请实施例中，价格系数表示商品需求(预计销量)和价格之间的关系。
[0024]在本实施例中，将商品历史特征数据信息代入MNL模型，分别计算出每个商品的模型预测销量，然后调整模型系数，找出商品的真实销量和模型预测销量之差最小化的模型系数，该模型系数包括价格系数和商品历史数据中的其他系数，从模型系数中可以提取出商品的价格系数。然后，根据商品的价格系数的大小判断商品是否为低可替代性商品，例如
可将商品的价格系数与预设的阈值进行比较进行判断，其中商品的价格系数的负值越小表示该商品的可替代性越弱，若系数为0则说明该商品没有可替代性。
[0025]MNL模型是一种离散选择模型，可以从一系列同类商品中选择购买其中一个，也可以选择什么都不买。用M表示商品选择的集合，表示什么都不买。对于某个属于M中的商品m在时间段t：
[0026]D
mt
(Y
t
，X
mt
)＝此分类商品在时间段t的市场总量*商品m在时间段t的市场份额
[0027]D
mt
(Y
t
，X
mt
)＝τ(Y
t
)*f
m
(X
mt
)/(1+∑
m∈M
f
m
(X
mt
))
ꢀꢀꢀꢀ
(1)
[0028]其中，D
mt
是商品m在时间段t的需求，τ(Y
t
)是市场总量函数，)是市场总量函数，Y
t
是数据中所有影响这系列商品在时间t的市场总量的变量构成的向量，比如[肉价，天气，星期，人均收入，...]；a和b
t
是和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种商品的价格优化方法，其特征在于，包括：获取商品历史特征数据信息；根据所述商品历史特征数据信息，通过预先建立的MNL模型计算商品的价格系数，根据商品的价格系数判断该商品是否为低可替代性商品；根据所述商品历史特征数据信息，通过GBDT模型建立低可替代性商品的需求模型；获取关于价格和需求的限制条件，根据所述限制条件和所述需求模型对价格进行优化，确定商品的价格。2.根据权利要求1所述的方法，其特征在于，在商品被判断为低可替代性商品之后，所述方法还包括：根据商品的价格弹性对低可替代性商品进行验证，如果验证不通过则去掉该商品后重新计算剩余的商品的价格系数，并判断商品是否为低可替代性商品。3.根据权利要求1所述的方法，其特征在于，还包括：对商品进行分类，在同一分类商品中计算的低可替代性商品。4.根据权利要求1所述的方法，其特征在于，所述通过预先建立的MNL模型根据所述历史销售数据信息，计算商品的价格系数的步骤，包括：将所述商品历史特征数据信息代入MNL模型，计算出商品的模型预测销量；其中所述商品历史特征数据信息包括：价格信息、时间特征、竞争者信息；确定商品的真实销量和模型预测销量之差最小化的模型系数，并从所述模型系数中提取出商品的价格系数。5.根据权利要求4...

【专利技术属性】
技术研发人员：陆恒，凌澎，席禹，张辰，张侨，
申请(专利权)人：上海正圆计算机科技有限公司，
类型：发明
国别省市：