一种基于OMS订单管理系统的智能开单方法技术方案

本发明专利技术公开一种基于OMS订单管理系统的智能开单方法，包括步骤：S1、采集记录用户购买数据；S2、对订单用户数据采集；S3、根据用户购买数据和订单数据生成数据存储；S4、根据不同用户数据样本选取不同算法计算；S5、使用树回归算法，计算数据集的误差总值；S6、不同应用层对比数据分析；S7、筛选出适合用户产品和价格。本发明专利技术根据用户购买数据和订单数据，解决了不同用户下单有不同的价格体系，记录用户行为方式分析数据。分析数据。分析数据。

【技术实现步骤摘要】
一种基于OMS订单管理系统的智能开单方法


[0001]本专利技术属于订单管理
，具体来说，涉及一种基于OMS订单管理系统的智能开单方法。

技术介绍

[0002]订单管理系统是在销售管理方面，根据销售数据反馈，可以分析市场信息，采取相应措施，减少公司损失，提供更好的服务给客户。
[0003]在专利号为CN202010123066.5的中国专利技术专利中，公开了一种基于智能跟单系统的色差产品的订货管理方法，A)客户进入所述智能跟单系统的首页，点击产品，进入产品详细页面，在所述产品详细页面上最多显示上N下M条库存记录；所述上N下M指的是库存大于第一设定箱数的前N个最小库存，以及库存小于所述第一设定箱数的前M个最大库存，所述N和M均为正整数，将其库存大于或等于第二设定箱数的色号作为大色号，将其库存小于所述第二设定箱数的色号作为小色号，所述第一设定箱数大于所述第二设定箱数；B)所述智能跟单系统默认查询所述第一设定箱数，执行步骤C)、C')或C")；C)当客户选择所述上N下M条库存记录中小色号中的产品时，对于享受小色号优惠的产品按照小色号即时特价进行打折购买，形成订货信息，执行步骤D)；C')对于所述上N下M条库存记录中不享受优惠的产品按照正常价格购买，形成订货信息，执行步骤D)；C")当所述上N下M条库存记录显示的库存不满足所述客户的订货数量要求时，点击订货登记按钮，在弹出的输入框中输入订货数量、计划时间和备注，点击确定，形成订货信息，执行步骤D)；D)所述智能跟单系统将所述订货信息发送给客服的智能跟踪系统WEB端，在所述智能跟踪系统WEB端的右下角显示订货提示；E)所述客服在所述智能跟踪系统WEB端查询所有色号的库存，根据客户的订货数量进行开单并从客户的账号中事先充值的金额中扣除费用；F)开单后，所述智能跟踪系统WEB端将开单信息通过微信发送给客户；G)所述客户点击所述开单信息查看开单明细是否正确。既能满足企业开放部分数据，又方便客户自己开单，节省人力物力的基于智能跟单系统的色差产品的订货管理方法。
[0004]现有专利中的缺陷在于，虽然实现了订单价格随产品订单信息变化而做出调整；但只能根据订单产品的存储量来确定订单产品的价格高低。无法根据用户和产品信息综合给予每个用户智能化的开单。

技术实现思路

[0005]针对现有订单管理系统无法根据用户和产品信息综合给予每个用户智能化的开单的问题，本专利技术提供了一种基于OMS订单管理系统的智能开单方法。
[0006]为实现上述技术目的，本专利技术采用的技术方案如下：
[0007]一种基于OMS订单管理系统的智能开单方法，包括步骤：
[0008]S1、采集记录用户购买数据；
[0009]S2、对订单用户数据采集；
[0010]S3、根据用户购买数据和订单数据生成数据存储；
[0011]S4、根据不同用户数据样本选取不同算法计算；
[0012]S5、使用树回归算法，计算数据集的误差总值；
[0013]S6、不同应用层对比数据分析；
[0014]S7、筛选出适合用户产品和价格。
[0015]进一步地，步骤S1中用户购买数据包括商品的价格、购买时间、省份和详细地址。
[0016]进一步地，步骤S4中判断选取算法的方法，若用户数据的特征比样本点还多，采用岭回归(ridge regression)、lasso算法和前向逐步回归。
[0017]进一步地，岭回归：通过用户数据的特征构建XTX，在矩阵XTX上加一个λI从而使得矩阵非奇异，进而能对XTX+λI求逆，回归系数的计算公式为w^＝(XTX+λI)
‑
1XTy。
[0018]进一步地，处理特征数多余样本数据，并且在结果中加入误差；使用λ来限制了所有w之和，通过引入该惩罚项，减少不重要的参数。
[0019]进一步地，取出两组随机样本集并拟合，得到两组回归系数；两组回归系数之间的差异大小为模型方差大小。
[0020]进一步地，采用python中metrics.silhouetee_score的方法对聚类结果有效性进行验证。
[0021]进一步地，步骤S5中，具体步骤为：
[0022]S51、假设叶节点是常数值，数据中的复杂关系用树结构来概括；
[0023]S52、构建以分段常数为叶节点的树，度量出数据的一致性；
[0024]S53、计算得到数据集的混乱度，数据集的混乱度即平方误差的总值。
[0025]本专利技术相比现有技术，具有如下有益效果：
[0026]根据用户购买数据和订单数据，解决了不同用户下单有不同的价格体系，记录用户行为方式分析数据。
附图说明
[0027]图1为本专利技术一种基于OMS订单管理系统的智能开单方法的流程图；
[0028]图2为本专利技术个人开单具体流程图。
具体实施方式
[0029]为了便于本领域技术人员的理解，下面结合实施例与附图对本专利技术作进一步的说明，实施方式提及的内容并非对本专利技术的限定。
[0030]如图1所示，一种基于OMS订单管理系统的智能开单方法，包括步骤：
[0031]S1、采集记录用户购买数据；用户购买数据包括商品的价格、购买时间、省份和详细地址。
[0032]S2、对订单用户数据采集；S3、根据用户购买数据和订单数据生成数据存储。
[0033]S4、根据不同用户数据样本选取不同算法计算；步骤S4中判断选取算法的方法，若用户数据的特征比样本点还多，如果用户数据的特征比样本点还多，也就是说输入数据的矩阵X不是满秩矩阵，非满秩矩阵在求逆时会出现问题。采用岭回归(ridge regression)、lasso算法和前向逐步回归。
[0034]岭回归：通过用户数据的特征构建XTX，在矩阵XTX上加一个λI从而使得矩阵非奇异，进而能对XTX+λI求逆，回归系数的计算公式为w^＝(XTX+λI)
‑
1XTy。在矩阵XTX上加一个λI从而使得矩阵非奇异，进而能对XTX+λI求逆。其中矩阵I是一个m*m的单位矩阵，对角线上元素全为1，其他元素全为0。
[0035]而λ是一个用户定义的数值。在这种情况下，回归系数的计算公式将变成w^＝(XTX+λI)
‑
1XTy。
[0036]处理特征数多余样本数据，并且在结果中加入误差；使用λ来限制了所有w之和，通过引入该惩罚项，减少不重要的参数。使用岭回归处理特征数多余样本数据，并且估计中加入偏差，从而得到更好的估计。我们通过使用λ来限制了所有w之和，通过引入该惩罚项，能够减少不重要的参数，这个技术在统计学中也叫做缩减(shrinkage)。
[0037]取出两组随机样本集并拟合，得到两组回归系数；两组回归系数之间的差异大小为模型方差大小。一旦发现模型和测量值之间存在差异，就说出现了误差。当考虑模型中的“噪声”或者说误差时，必须考虑其来源。训练误差和测试误差由三个部分组成：偏差、测量误差和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于OMS订单管理系统的智能开单方法，其特征在于，包括步骤：S1、采集记录用户购买数据；S2、对订单用户数据采集；S3、根据用户购买数据和订单数据生成数据存储；S4、根据不同用户数据样本选取不同算法计算；S5、使用树回归算法，计算数据集的误差总值；S6、不同应用层对比数据分析；S7、筛选出适合用户产品和价格。2.根据权利要求1所述的一种基于OMS订单管理系统的智能开单方法，其特征在于，步骤S1中用户购买数据包括商品的价格、购买时间、省份和详细地址。3.根据权利要求1或2所述的一种基于OMS订单管理系统的智能开单方法，其特征在于，步骤S4中判断选取算法的方法，若用户数据的特征比样本点还多，采用岭回归、lasso算法和前向逐步回归。4.根据权利要求3所述的一种基于OMS订单管理系统的智能开单方法，其特征在于，岭回归：通过用户数据的特征构建XTX，在矩阵XTX上加一个λI从而使得矩阵非奇异，进而能对XTX+λI求逆，回归系数的计算公式为w^＝(XT...

【专利技术属性】
技术研发人员：卞万丰，谢丛立，张志远，张山奇，
申请(专利权)人：苏州馨璞信息科技有限公司，
类型：发明
国别省市：