一种节假日商品销量预测方法、装置及计算机存储介质制造方法及图纸

本发明专利技术公开一种节假日商品销量预测方法、装置及计算机存储介质，方法包括：获取门店全部在售商品的历史销量数据，形成商品销量标准数据集；将商品销量标准数据集输入机器学习基准模型，根据各商品目标节假日销量的预测精度筛选出预测结果低于预设阈值的筛选商品，并基于筛选商品的历史销量数据形成筛选商品数据集；针对筛选商品数据集进行节假日特征项扩充和商品权重指数特征项扩充；将特征项扩充完成后的筛选商品数据集输入机器学习销量预测模型，得到门店全部在售商品在目标节假日内的销量预测值。本发明专利技术通过筛选出在节假日销量波动异常的商品，并针对性地构建节假日特征项来帮助模型预测，从而有效提高筛选商品在节假日期间的销量预测精度。间的销量预测精度。间的销量预测精度。

【技术实现步骤摘要】
一种节假日商品销量预测方法、装置及计算机存储介质


[0001]本专利技术涉及数据分析
，具体的涉及一种节假日商品销量预测方法、装置及计算机存储介质。

技术介绍

[0002]准确的销量预测是企业制定合理运营计划、开展供应链高效管理的重要前提。由于日常时期的商品销量具有一定的时间规律，企业通常能够采用传统的优化算法较为准确地进行预测。相比之下，商品在特殊节假日期间的销量规律性难以捕捉，往往呈现出波动性大的特点。实际中企业采用针对日常时期的传统优化算法预测节假日期间的销量往往与实际值之间存在着较大的偏差。然而，商品在特殊节假日期间爆发式的销量会给零售企业带来高额的利润，预测的准确度对企业而言便至关重要。
[0003]通常在节假日前后零售商会面临着顾客采购的高峰期，无论企业做出过于乐观还是过于悲观的预测，可靠性较低的节假日销量预测都会对采购、库存管理、生产控制、人员安排等环节产生负面影响，从而带来不必要的运营成本和利润损失。例如，为了捕捉春节期间的销售利润，企业会基于春节销量预测值预先将一定数量的商品从区域配送中心运送到距离零售店更近的前置配送中心，一旦出现预测的偏差，尤其是生鲜类产品，其保质期短、易损耗，当出现仓库挤压问题，企业会产生较高的库存成本和运营风险，也会带来人员和资源的浪费。在这种情况下，如果预测销量小于商品实际销量，则意味着前置配送中心的商品库存将无法满足实际需求，增加了商品的交付时间，降低了顾客的满意度，最终导致客户的流失。
[0004]因此，为了提升零售企业的核心竞争力，如何提高商品在特殊节假日期间的销量预测准确度是亟需解决的问题。企业信息化的普及和相关硬件技术的发展使得收集历史交易数据成为可能。节假日中的每一笔商品交易订单都能够被感知并存储，如商品的价格、销售数量、顾客订单数量等。这些数据的积累为进行科学预测特殊节假日期间的销量带来机遇，但是，如何利用这些数据提高预测的准确度是企业界和学术界面临的热点问题。
[0005]有鉴于此，特提出本专利技术专利。

技术实现思路

[0006]为了解决上述技术问题，本专利技术提供了一种适用于大数据指标的优化处理方法、装置及存储介质，在预测过程中提出了订单处理、商品筛选和基于节假日特征以及周权重指数特征扩充的方式辅助销量预测的新方法，该方法能筛选出一般模型难以精准预测的特殊节假日销量的商品，并针对该类商品进行合理的特征工程以及模型构建，从而合理准确的预测出相应的节假日销量数据，有利于减少需求的不确定性，合理安排补货量，减少库存成本，提高零售门店的利润。
[0007]具体地，采用如下技术方案：
[0008]一种节假日商品销量预测方法，包括：
[0009]获取门店全部在售商品的历史销量数据，形成商品销量标准数据集；
[0010]将商品销量标准数据集输入机器学习基准模型，根据各商品目标节假日销量的预测精度筛选出预测结果低于预设阈值的筛选商品，并基于筛选商品的历史销量数据形成筛选商品数据集；
[0011]针对所述筛选商品数据集进行节假日特征项扩充和商品权重指数特征项扩充；
[0012]将特征项扩充完成后的筛选商品数据集输入机器学习销量预测模型，得到门店全部在售商品在目标节假日内的销量预测值。
[0013]作为本专利技术的可选实施方式，本专利技术的一种节假日商品销量预测方法中，所述将商品销量标准数据集输入机器学习基准模型，根据各商品目标节假日销量的预测精度筛选出预测结果低于预设阈值的筛选商品包括：
[0014]将所述商品销量标准数据集输入机器学习基准模型，进行模型训练；
[0015]运行训练完成后的机器学习基准模型给出门店全部在售商品在测试集上的销量预测值；
[0016]基于门店全部在售商品销量预测值依次计算每个商品的销量预测误差值；
[0017]在门店全部在售商品的销量预测误差值中选定预测误差值临界点，将销量预测误差值高于预测误差值临界点的商品筛出，汇总为筛选商品列表；
[0018]可选地，所述的机器学习基准模型为XGBoost模型；
[0019]可选地，将日期数据、和/或门店所属区域的天气数据、和/或商品类别数据、和/或商品价格数据输入到机器学习基准模型中辅助预测。
[0020]作为本专利技术的可选实施方式，本专利技术的一种节假日商品销量预测方法中，所述针对所述筛选商品数据集进行节假日特征项扩充包括：
[0021]将目标节假日的日期进行统计，分别将每个目标节假日日期向前扩展第一预设时间间隔Ts1，向后拓展第二预设时间隔Ts2，形成一个完整的目标节假日周期，并以此构建相应的节假日特征项；
[0022]分别将每个目标节假日前的第一预设时间间隔Ts1、目标节假日期间以及目标节假日后的第二预设时间隔Ts2，这三个区间的日期分别编号，从而形成目标节假日周期区间编码特征项来标识每个节假日周期内的各个区间，同时节假日特征项在其它日期上的数值为0；
[0023]可选地，所述第一预设时间间隔Ts1等于第二预设时间隔Ts2。
[0024]作为本专利技术的可选实施方式，本专利技术的一种节假日商品销量预测方法中，所述针对所述筛选商品数据集进行节假日特征项扩充过程中，若同时预测多个目标节假日期间内的商品销量，则通过增加节假日类别编码特征项来标识不同目标节假日周期的日期，用于所述机器学习销量预测模型区分不同目标节假日周期。
[0025]作为本专利技术的可选实施方式，本专利技术的一种节假日商品销量预测方法中，所述针对所述筛选商品数据集进行节假日特征项扩充过程中，若同时预测多个目标节假日期间内的商品销量，并且存在不同目标节假日周期部分重叠的情况，通过增加节假日重叠标识特征项来标识不同目标节假日周期重叠的日期，用于所述机器学习销量预测模型在预测时能合理学习不同目标节假日在重叠日期的销量以及给出相应目标节假日的销量预测值。
[0026]作为本专利技术的可选实施方式，本专利技术的一种节假日商品销量预测方法中，所述针
对所述筛选商品数据集进行节假日特征项扩充过程中，若同时预测多个目标节假日期间内的商品销量，且多个目标节假日中存在明显的分类，通过增加节假日大类编码来标识不同节假日的类别，用于所述机器学习销量预测模型分别学习每个大类节目标假日期间商品销量的变化规律。
[0027]作为本专利技术的可选实施方式，本专利技术的一种节假日商品销量预测方法中，所述针对所述筛选商品数据集进行商品权重指数特征项扩充包括：
[0028]筛选商品数据集中的数据按照循环周期T进行循环记录，将循环周期相同的各天的销量汇总计算得到循环周期中该循环天的平均销量，依次计算循环周期中各个循环天的平均销量，选定其中一个循环天作为基准循环天，设定基准循环天的权重指数为a，则其它循环天的权重系数为(Q/Q0)*a，其中Q为其它循环天的平均销量，Q0为基准循环天的平均销量，得到循环周期内各个循环天的日权重指数特征；
[0029]依次加和每个商品每个循环天的日权重指数作为相应商品的循环周期权重指数特征；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种节假日商品销量预测方法，其特征在于，包括：获取门店全部在售商品的历史销量数据，形成商品销量标准数据集；将商品销量标准数据集输入机器学习基准模型，根据各商品目标节假日销量的预测精度筛选出预测结果低于预设阈值的筛选商品，并基于筛选商品的历史销量数据形成筛选商品数据集；针对所述筛选商品数据集进行节假日特征项扩充和商品权重指数特征项扩充；将特征项扩充完成后的筛选商品数据集输入机器学习销量预测模型，得到门店全部在售商品在目标节假日内的销量预测值。2.根据权利要求1所述的一种节假日商品销量预测方法，其特征在于，所述将商品销量标准数据集输入机器学习基准模型，根据各商品目标节假日销量的预测精度筛选出预测结果低于预设阈值的筛选商品包括：将所述商品销量标准数据集输入机器学习基准模型，进行模型训练；运行训练完成后的机器学习基准模型给出门店全部在售商品在测试集上的销量预测值；基于门店全部在售商品销量预测值依次计算每个商品的销量预测误差值；在门店全部在售商品的销量预测误差值中选定预测误差值临界点，将销量预测误差值高于预测误差值临界点的商品筛出，汇总为筛选商品列表；可选地，所述的机器学习基准模型以XGBoost模型为主体模型构建而成；可选地，将日期数据、和/或门店所属区域的天气数据、和/或商品类别数据、和/或商品价格数据输入到机器学习基准模型中辅助预测。3.根据权利要求1或2所述的一种节假日商品销量预测方法，其特征在于，所述针对所述筛选商品数据集进行节假日特征项扩充包括：将目标节假日的日期进行统计，分别将每个目标节假日日期向前扩展第一预设时间间隔Ts1，向后拓展第二预设时间隔Ts2，形成一个完整的目标节假日周期，并以此构建相应的节假日特征项；分别将每个目标节假日前的第一预设时间间隔Ts1、目标节假日期间以及目标节假日后的第二预设时间隔Ts2，这三个区间的日期分别编号，从而形成目标节假日周期区间编码特征项来标识每个节假日周期内的各个区间，同时节假日特征项在其它日期上的数值为0；可选地，所述第一预设时间间隔Ts1等于第二预设时间隔Ts2。4.根据权利要求3所述的一种节假日商品销量预测方法，其特征在于，所述针对所述筛选商品数据集进行节假日特征项扩充过程中，若同时预测多个目标节假日期间内的商品销量，则通过增加节假日类别编码特征项来标识不同目标节假日周期的日期，用于所述机器学习销量预测模型区分不同目标节假日周期。5.根据权利要求3所述的一种节假日商品销量预测方法，其特征在于，所述针对所述筛选商品数据集进行节假日特征项扩充过程中，若同时预测多个目标节假日期间内的商品销量，并且存在不同目标节假日周期部分重叠的情况，通过增加节假日重叠标识特征项来标识不同目标节假日周期重叠的日期，用于所述机器学习销量预测模型在预测时能合理学习不同目标节假日在重叠日期的销量以及给出相应目标节假日的销量预测值。6.根据权利要求3所述的一种节假日商品销量预测方法，其特征在于，所述针对所述筛
选商品数据集进行节假日特征项扩充过...

【专利技术属性】
技术研发人员：王君，陈鼎，刘红德，郝金星，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：