一种商品采购数量的预测方法技术

本发明专利技术涉及商品采购数量预测技术领域，公开了一种商品采购数量的预测方法，包括以下步骤：

【技术实现步骤摘要】
一种商品采购数量的预测方法、装置、电子设备和存储介质


[0001]本专利技术涉及商品采购数量预测
，具体为一种商品采购数量的预测方法
、
装置
、
电子设备和存储介质
。

技术介绍

[0002]传统的网购流程，均是在用户下单后才开始配送，为了提升配送速度，实力雄厚的电商平台尽可能地在购物需求较高的地区设置仓库，以实现尽快配送，其中，最快的配送时间为当日送达
。
但当日送达的城市几乎只能够在仓库所在城市或相邻的周边城市范围内完成，且配送时仍然需要以小时计
。
并且，出于成本与可行性考虑，通常需要成批配送，即，设置当日送达的条件需要在某个时间前下单，如上午
11
点前下单，进而，现有的网购配送速度最快也需要五小时以上
。
而且电商平台的仓库备货是根据地区销量进行的
,
并不能对用户需求进行精准预测
,
因此能够实现当日配送的产品种类并不多
。
[0003]现有专利
(
公开号：
CN 110728553 B)
一种根据需求预测实现高效购物的方法，通过预测存储空间设定覆盖范围内的买家未来一段时间内的购物需求，预先将对应的商品配送至存储空间内，在用户下单后即可直接从存储空间进行配送，以实现分钟级送达
。
同理，本专利技术还能够实现存储空间之间的商品调配，以实现区域范围内所有存储空间之间的商品类别的最优化配置
。r/>本专利技术将存储空间的覆盖范围设定为较小的区域，则存储空间的设置实际上对应于区域仓到达用户的最后一站配送，当地下空间实施为存储空间，与其他功能复用，如利用停车场内合适的空置空间用于商品的存放，配送时可直接就近配送，既能实现及时配送，而且不需要特别设置独立的仓库
。
[0004]在实现本专利技术的过程中，专利技术人发现现有技术中至少存在如下问题没有得到解决：现有技术在使用时，预测商品的采购数量，是基于电商平台整体的数据，如以往的销量，来进行备货，而这种预测方式预测的数据比较粗略，往往并未考虑某些用户周期性购买的商品数据，导致预测精度不高，这样就会导致备货仓库的备货量与实际发货量相差较大，导致仓库货物积压或者需要给其他仓库调货，导致物流成本的提高
。

技术实现思路

[0005]本专利技术的目的在于提供一种商品采购数量的预测方法，以解决
技术介绍
中所提出的问题
。
[0006]为实现上述目的，本专利技术提供如下技术方案：一种商品采购数量的预测方法，包括以下步骤：
[0007]S1
：获取电商平台的用户的历史订单数据；
[0008]S2
：对历史订单数据进行分析，从用户购买的商品中，筛选出用户每隔一段时间就会下单购买的周期性购买商品；
[0009]S3
：根据周期性购买商品最后一次的购买时间，以及用户购买周期性购买商品的时间间隔，预估未来周期性购买商品的售出时间范围和数量；
[0010]S4
：获取用户最近一次购买商品的下单地点，根据用户的下单地点，以及预估的未来周期性购买商品的售出时间范围和数量，就近仓库在相应的时间段内，采购用户对应的合适数量的周期性购买商品；
[0011]S5
：对电商平台的所有用户进行上述步骤，预测计算出所有仓库需要采购的周期性购买商品的数量，根据该数量进行周期性购买商品备货
。
[0012]进一步的，筛选出用户每隔一段时间就会下单购买的周期性购买商品的具体算法为：
[0013]S201
：根据用户的历史订单数据，首先从用户购买的商品中，筛选出两次及两次以上购买次数的商品；
[0014]S202
：设定商品的第一次购买日期为
N1
，商品的最后一次购买时间为
NX
，商品的购买数量为
YX
，其中
X
＝商品的购买次数，当前日期为
Z
，相邻两次购买的最大时间间隔为
A
；
[0015]S203
：当
X
＜2时，该商品不为周期性购买商品；
[0016]S204
：
[0017]当
X
＝2，且
Y1
＝
Y2
时，若
2(N2
‑
N1)
＜
Z
‑
N2
，即该商品不为周期性购买商品，反之则为周期性购买商品；
[0018]当
X
＝2，且
Y1
＝
BY2
时，若
2(N2
‑
N1)/B
＜
Z
‑
N2
，即该商品不为周期性购买商品，反之则为周期性购买商品；
[0019]当
X
＝2，且
BY1
＝
Y2
时，若
2B(N2
‑
N1)
＜
Z
‑
N2
，即该商品不为周期性购买商品，反之则为周期性购买商品；
[0020]其中
B
为大于1的正整数；
[0021]S205
：
[0022]当
X
＞2，且
Y1
至
YX
均相等时，若
Z
‑
NX
＜
2A
，即该商品为周期性购买商品，反之则不为周期性购买商品；
[0023]当
X
＞2，且
Y1
至
YX
中存在大于1的值时，求
Y1
至
YX
的总和，并且
2(NX
‑
N1)/Y1
至
YX
的总和＜
Z
‑
NX
，即该商品为非周期性购买商品，反之则为周期性购买商品；
[0024]S206
：得到周期性购买商品的数据库
。
[0025]进一步的，还包括
S207
：电商平台向周期性购买商品的用户发送邀约，邀约方式包括聊天框
、
短信以及广告中的一个或多个，当用户拒绝邀约，则该周期性商品从周期性购买商品的数据库中删除
。
[0026]进一步的，预估未来周期性购买商品的售出时间范围和数量的具体算法为：
[0027]S301
：获取周期性购买商品近
10
次购买的总数量
D
；
[0028]S302
：计算出上述购买次数中的第1次购买时间和最后一次购买时间之差
T1
，和当前日期与最后一次购买时间之差
T2
，预估售出时间范围为当本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种商品采购数量的预测方法，其特征在于：包括以下步骤：
S1
：获取电商平台的用户的历史订单数据；
S2
：对历史订单数据进行分析，从用户购买的商品中，筛选出用户每隔一段时间就会下单购买的周期性购买商品；
S3
：根据周期性购买商品最后一次的购买时间，以及用户购买周期性购买商品的时间间隔，预估未来周期性购买商品的售出时间范围和数量；
S4
：获取用户最近一次购买商品的下单地点，根据用户的下单地点，以及预估的未来周期性购买商品的售出时间范围和数量，就近仓库在相应的时间段内，采购用户对应的合适数量的周期性购买商品；
S5
：对电商平台的所有用户进行上述步骤，预测计算出所有仓库需要采购的周期性购买商品的数量，根据该数量进行周期性购买商品备货
。2.
根据权利要求1所述的一种商品采购数量的预测方法，其特征在于：筛选出用户每隔一段时间就会下单购买的周期性购买商品的具体算法为：
S201
：根据用户的历史订单数据，首先从用户购买的商品中，筛选出两次及两次以上购买次数的商品；
S202
：设定商品的第一次购买日期为
N1，商品的最后一次购买时间为
N
X
，商品的购买数量为
Y
X
，其中
X
＝商品的购买次数，当前日期为
Z
，相邻两次购买的最大时间间隔为
A
；
S203
：当
X
＜2时，该商品不为周期性购买商品；
S204
：当
X
＝2，且
Y1＝
Y2时，若
2(N2‑
N1)
＜
Z
‑
N2，即该商品不为周期性购买商品，反之则为周期性购买商品；当
X
＝2，且
Y1＝
BY2时，若
2(N2‑
N1)/B
＜
Z
‑
N2，即该商品不为周期性购买商品，反之则为周期性购买商品；当
X
＝2，且
BY1＝
Y2时，若
2B(N2‑
N1)
＜
Z
‑
N2，即该商品不为周期性购买商品，反之则为周期性购买商品；其中
B
为大于1的正整数；
S205
：当
X
＞2，且
Y1至
Y
X
均相等时，若
Z
‑
N
X
＜
2A
，即该商品为周期性购买商品，反之则不为周期性购买商品；当
X
＞2，且
Y1至
Y
X
中存在大于1的值时，求
Y1至
Y
X
的总和，并且
2(NX
‑
N1)/Y1至
Y
X
的总...

【专利技术属性】
技术研发人员：刘勇，
申请(专利权)人：嘉兴职业技术学院，
类型：发明
国别省市：