【技术实现步骤摘要】
本公开涉及电商和数据处理领域，尤其涉及一种直播销量预测的方法、装置、电子设备及介质。
技术介绍
1、电子商务的模式不断演进，随着电商直播形式的兴起，对直播带货的相关数据进行分析对于运营和产品销售具有重要意义。直播电商的特点在于商品更迭速度极快，如果某个新品被个别主播售卖的效果较好，会作为次新品并后续安排其他主播进行售卖。
2、在实现本公开构思的过程中，发现相关技术中至少存在如下技术问题：直播场景下次新品的销量较难实现以较低成本实现符合精确度需求的预测，有的方案预测成本较高，有的方案预测准确度太差。一方面，次新品对应的历史参考数据对应的周期较短（一般是一周内较热门商品），有的方案通过时序预测模型结合人为经验（例如为运营人员的经验）进行预测，预测结果容易受到运营人员主观因素和经验的影响，预测准确度太差；另一方面，需要预测的主播并未销售过该次新品，有的方案需要通过构建大数据模型进行相关特征的挖掘才能进行预测，构建大数据模型的过程耗时较长且数据获取成本较高，有些情况下所需的数据甚至无法获取，对应预测的成本太高。
技术实现思路
1、为了解决上述技术问题或者至少部分地解决上述技术问题，本公开的实施例提供了一种直播销量预测的方法、装置、电子设备及介质。
2、第一方面，本公开的实施例一种直播销量预测的方法。上述方法包括：获取多个主播对象对多个物品的历史销量数据；建立上述历史销量数据的分布对应的预设概率分布模型，上述预设概率分布模型中包含以下特征参数：各主播对象的带货能力、各
3、根据本公开的实施例，建立上述历史销量数据的分布对应的预设概率分布模型，包括：对上述历史销量数据进行取对数处理，得到第一处理值；将上述第一处理值进行标准化处理，得到第二处理值；基于假设检验方式，对上述第二处理值的分布进行正态分布检验，得到对应的预设概率分布模型。
4、根据本公开的实施例，基于随机采样方式，对上述预设概率分布模型的各特征参数进行参数采样和参数估计，得到特征参数估计值，包括：基于蒙特卡洛马尔科夫链的随机采样方式，对上述预设概率分布模型的特征参数进行参数采样和参数估计，将主播对象的带货能力、物品的畅销程度和销量方差各自对应的采样结果均值作为各自对应的特征参数估计值。
5、根据本公开的实施例，得到的特征参数估计值包含目标主播对象的带货能力、目标物品的畅销程度和目标物品的销量方差。上述基于蒙特卡洛马尔科夫链的随机采样方式，对上述预设概率分布模型的特征参数进行参数采样和参数估计，包括：设置目标主播对象的带货能力、目标物品的畅销程度和目标物品的销量方差的初始值以及先验分布；基于吉布斯采样方式，对各维度特征参数：目标主播对象的带货能力、目标物品的畅销程度和目标物品的销量方差分别进行采样，采样次数根据设定采样的马尔科夫链长度确定；将前期预设次数或预设比例的采样结果丢弃，对剩余的各维度特征参数的采样结果求取均值作为各维度特征参数对应的特征参数估计值。
6、根据本公开的实施例，针对目标主播对象的带货能力进行状态转移过程中，采用本状态的带货能力采样值作为均值、方差为1的正态分布作为第一转移采样概率函数；在得到主播这一维度的下一转移状态后计算状态转移前后的对数概率差值，并基于metropolis-hasting算法确定是否保留采样结果并完成状态转移。针对上述目标物品的畅销程度和销量方差进行状态转移过程中，采用本状态的畅销程度和销量方差作为均值、方差为1的正态分布作为第二转移采样概率函数；在得到物品这一维度的下一转移状态后计算状态转移前后的对数概率差值，并基于metropolis-hasting算法确定是否保留采样结果并完成状态转移。
7、根据本公开的实施例，上述预设概率分布模型为对数正态分布模型。基于上述特征参数估计值和预设概率分布模型进行直播销量预测，得到目标主播对象关于目标物品的直播销量预测值，包括：根据上述特征参数估计值，确定上述目标主播对象的带货能力、上述目标物品的畅销程度和上述目标物品的销量方差；将上述目标主播对象的带货能力、上述目标物品的畅销程度和销量方差代入至上述对数正态分布模型的概率分布密度函数中，得到上述目标主播对象关于上述目标物品的预测销量所遵循的目标概率分布密度函数；根据上述目标概率分布密度函数计算销量期望值，或计算预设概率分位数对应的目标销量取值；将上述销量期望值或上述目标销量取值确定为上述目标主播对象关于目标物品的直播销量预测值。
8、根据本公开的实施例，上述方法还包括：根据上述特征参数估计值进行各维度特征参数的对比分析，得到对比结果并进行展示；上述对比分析包括以下至少一种：不同主播对象的带货能力对比分析、不同物品的畅销程度对比分析、同一个物品跨主播带货的销量方差对比分析。
9、第二方面，本公开的实施例提供一种直播销量预测的装置。上述装置包括：数据获取模块、分布模型建立模块、参数估计模块和预测模块。上述数据获取模块用于获取多个主播对象对多个物品的历史销量数据。上述分布模型建立模块用于建立上述历史销量数据的分布对应的预设概率分布模型，上述预设概率分布模型中包含以下特征参数：各主播对象的带货能力、各物品的畅销程度和各物品的销量方差。上述参数估计模块用于基于随机采样方式，对上述预设概率分布模型的各特征参数进行参数采样和参数估计，得到特征参数估计值。上述预测模块用于基于上述特征参数估计值和预设概率分布模型进行直播销量预测，得到目标主播对象关于目标物品的直播销量预测值；上述目标物品为上述目标主播对象未直播过的物品，上述目标物品为上述多个物品中的物品。
10、第三方面，本公开的实施例提供了一种电子设备。上述电子设备包括处理器、通信接口、存储器和通信总线，其中，处理器、通信接口和存储器通过通信总线完成相互间的通信；存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现如上所述的直播销量预测的方法。
11、第四方面，本公开的实施例提供了一种计算机可读存储介质。上述计算机可读存储介质上存储有计算机程序，上述计算机程序被处理器执行时实现如上所述的直播销量预测的方法。
12、本公开实施例提供的上述技术方案至少具有如下优点的部分或全部：
13、通过获取多个主播对象对多个物品的历史销量数据；建立上述历史销量数据的分布对应的预设概率分布模型，上述预设概率分布模型中包含以下特征参数：各主播对象的带货能力、各物品的畅销程度和各物品的销量方差；上述特征参数能够从主播维度和物品维度进行销量分布的描述；通过基于随机采样方式，对上述预设概率分布模型的各特征参数进行参数采样和参数估计，得到特征参数本文档来自技高网...
【技术保护点】
1.一种直播销量预测的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，建立所述历史销量数据的分布对应的预设概率分布模型，包括：
3.根据权利要求1或2所述的方法，其特征在于，基于随机采样方式，对所述预设概率分布模型的各特征参数进行参数采样和参数估计，得到特征参数估计值，包括：
4.根据权利要求3所述的方法，其特征在于，得到的特征参数估计值包含目标主播对象的带货能力、目标物品的畅销程度和目标物品的销量方差；
5.根据权利要求4所述的方法，其特征在于，
6.根据权利要求1所述的方法，其特征在于，所述预设概率分布模型为对数正态分布模型；
7.根据权利要求1所述的方法，其特征在于，还包括：
8.一种直播销量预测的装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器、通信接口和存储器通过通信总线完成相互间的通信；
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现
...【技术特征摘要】
1.一种直播销量预测的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，建立所述历史销量数据的分布对应的预设概率分布模型，包括：
3.根据权利要求1或2所述的方法，其特征在于，基于随机采样方式，对所述预设概率分布模型的各特征参数进行参数采样和参数估计，得到特征参数估计值，包括：
4.根据权利要求3所述的方法，其特征在于，得到的特征参数估计值包含目标主播对象的带货能力、目标物品的畅销程度和目标物品的销量方差；
5.根据权利要求4所述的方法，其特征...
【专利技术属性】
技术研发人员：郑晓航，庄晓天，蒋晶，齐霖，邓泓舒语，康鸿月，
申请(专利权)人：北京京东乾石科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。