一种线下零售门店补货量确定方法、装置、终端及介质制造方法及图纸

本申请公开了一种线下零售门店补货量确定方法、装置、终端及介质，本申请提供的方法基于门店商品销售过程的历史数据，通过预设的机器学习模型，预测目标商品在未来预设周期内的预测销售数据，接着根据历史销售数据与预测销售数据，计算销售预测的波动系数与补货周期的波动系数，根据预测销售数据与波动系数，结合目标商品的安全库存，计算目标商品在未来预设周期内的需求量；最后，根据需求量，结合目标商品的门店库存，计算目标商品的补货量，从而根据计算得到的补货量进行补货，解决了现有的线下零售门店单品补货量过于依赖人工经验的技术问题。术问题。术问题。

【技术实现步骤摘要】
一种线下零售门店补货量确定方法、装置、终端及介质


[0001]本申请涉及大数据
，尤其涉及一种线下零售门店补货量确定方法、装置、终端及介质。

技术介绍

[0002]随着互联网技术的发展，数字化精细运营对传统行业来说极为迫切。对于线下门店来说，核心问题是某个商品需不需要补，补多少量的问题，并且在保障服务水平的情况下，还要平衡库存周转的情况。这个就根据单品的历史销售情况对单品进行较为精准的预测，结合门店单品的库存等情况合理确定门店单品的补货量。
[0003]目前，大多数线下零售门店单品补货量计算方法一般是通过门店单品近期销售来确定单品的初始补货量，然后再根据人工的历史经验或规则对初始补货量进行处理，得到门店单品的补货量，但是这种方式考虑的因素太少，且过于依赖人工经验，不能适用所有的单品及场景。

技术实现思路

[0004]本申请提供了一种线下零售门店补货量确定方法、装置、终端及介质，用于解决现有的线下零售门店单品补货量过于依赖人工经验的技术问题。
[0005]为解决上述技术问题，本申请第一方面提供了一种线下零售门本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种线下零售门店补货量确定方法，其特征在于，包括：获取目标门店的历史销售数据以及历史补货数据；根据所述历史销售数据，通过预设的机器学习模型，预测目标商品在未来预设周期内的预测销售数据；根据所述历史销售数据与所述预测销售数据，计算第一波动系数，其中，所述第一波动系数用于量化销量数据预测的波动；根据历史补货数据，计算第二波动系数，其中，所述第二波动系数用于量化目标商品的补货周期的波动；根据所述预测销售数据、所述第一波动系数与所述第二波动系数，结合所述目标商品的安全库存，计算所述目标商品在所述未来预设周期内的需求量，再根据所述需求量，结合所述目标商品的门店库存，计算所述目标商品的补货量。2.根据权利要求1所述的一种线下零售门店补货量确定方法，其特征在于，所述机器学习模型具体为：包含时序算法模型与树算法模型的复合模型。3.根据权利要求2所述的一种线下零售门店补货量确定方法，其特征在于，根据所述历史销售数据，通过预设的机器学习模型，预测所述商品在未来预设周期内的预测销售数据具体包括：根据所述历史销售数据，将所述历史销售数据作为时序算法模型的输入，以通过所述时序算法模型的运算，得到所述目标门店在未来预设周期内的门店商品预测销售数据；将所述门店商品预测销量作为树算法模型的输入，以通过所述树算法模型的运算，得到所述目标商品在未来预设周期内的预测销售数据。4.根据权利要求2所述的一种线下零售门店补货量确定方法，其特征在于，所述时序算法模型具体为：fbprophet算法模型，所述树算法模型具体为：多输出lightgbm模型。5.根据权利要求1所述的一种线下零售门店补货量确定方法，其特征在于，根据所述历史销售数据与所述预测销售数据，计算第一波动系数具体包括：根据所述历史销售数据与所述预测销售数据的时间维度特征，对所述历史销售数据与所述预测销售数据进行拟合，并根据拟合的历史销售数据与预测销售数据，计算第...

【专利技术属性】
技术研发人员：曹鹏，
申请(专利权)人：创优数字科技广东有限公司，
类型：发明
国别省市：