CN105069650A - 商品的调价方法及系统 - Google Patents
商品的调价方法及系统 Download PDFInfo
- Publication number
- CN105069650A CN105069650A CN201510474732.9A CN201510474732A CN105069650A CN 105069650 A CN105069650 A CN 105069650A CN 201510474732 A CN201510474732 A CN 201510474732A CN 105069650 A CN105069650 A CN 105069650A
- Authority
- CN
- China
- Prior art keywords
- price
- selling
- commodity
- node
- expection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种商品的调价方法及系统,其中,该调价方法包括:S1、从商品的实际售卖时间区间内选取多个时间节点;S2、在到达每一时间节点时,执行以下步骤:T1、获取商品的预期售卖进度和截止到当前时间节点的实际售卖量;T2、根据截止到当前时间节点的实际售卖量与该预期售卖进度之间的差别调整商品的价格。本发明弥补了现有的商品定价系统不能准确地契合市场情况的不足,能够能准确地把握市场规律,完全契合市场情况,动态调整商品的价格,确保商家的最大收益。
Description
技术领域
本发明涉及一种商品的调价方法及系统。
背景技术
利用收益管理来定价这一技术在上世纪80年底最先发源于航空公司,分别发展出了超售模型、价格嵌套模型、库存分配等。但这一套模型都适用于航空工业,OTA(在线旅行社)公司鲜有应用,但是近年来,随着旅游电子商务兴起,一种“买断”性质的机票&酒店开始在OTA产品中出现,这类产品以服务稳定,保证票源,价格更具优势获得了旅游客户的青睐。由于机票&酒店被OTA公司买断,所以OTA公司自己就有了定价空间,如何根据市场供需情况来进行价格管理,是最近新出现的课题。
广义上,蒋中华在《基于统计模型的商品动态定价方法》中提出了一种在预先限定的时间内,根据用户购买商品的数量来动态决定商品价格。比如约定一周内,起始价格是2012,如果有10万人购买,则折扣价格为1900,则在0~10万个购买这之间建立一个线性(或者非线性)的动态价格递减模型。
Priceline公司提出了一种客户的自我定价系统,让消费者通过网络向priceline网站(一家旅游服务网站)就某种商品或者服务报出自己的愿意支付价格,然后Priceline从自己的数据库中选择愿意接受消费者价格的商品。
发明内容
本发明要解决的技术问题是为了克服现有的商品定价系统不能准确地契合市场情况的缺陷,提供一种能准确地契合市场情况的商品的调价方法及系统。
本发明是通过下述技术方案来解决上述技术问题:
本发明提供一种商品的调价方法,其特点是,包括:
S1、从商品的实际售卖时间区间内选取多个时间节点;
S2、在到达每一时间节点时,执行以下步骤:
T1、获取商品的预期售卖进度和截止到当前时间节点的实际售卖量;
T2、根据截止到当前时间节点的实际售卖量与该预期售卖进度之间的差别调整商品的价格。
该调价方法在每一时间节点都会自动判断是否需要调整商品的价格,使得商品的价格准确地契合市场情况,保证最高的收益。
较佳地,S1包括以下步骤:
S11、在商品的总售卖量中划分多个售卖节点;
S12、获取商品的预期售卖进度;
S13、查询该预期售卖进度,获取预期的达到每一售卖节点的时间点,并将该些时间点作为时间节点。
因为商品在实际售卖时不一定每个阶段的售卖量都相同或相近,所以本技术方案可以根据商品的实际售卖规律来确定时间节点,及时判断是否需要调整价格,进而保证了售卖的速度和效益。
较佳地,该预期售卖进度包括γ1i,γ1i为截止到该实际售卖时间区间内倒数第i天预期达到的预期售卖占比,0<i≤n,n为实际售卖时间区间的总天数;
γ1i=γ0i,γ0i为在与该实际售卖时间区间对应的历史售卖时间区间内倒数第i天达到的实际售卖占比;
γ0i=截止到该历史售卖时间区间内倒数第i天的已售卖总量/该历史售卖时间区间的售卖总量。
本技术方案通过历史售卖规律了解用户的购买习惯,有利于准确地预测实际售卖规律。
较佳地,S1还包括:确定商品的价格档位集合,该价格档位集合包括价格的最高值、价格的最低值以及多个位于该最高值和最低值之间的价格的调整值;
T2中商品从该价格档位集合中选取一个价格作为调整后商品的价格。
较佳地,该最高值、该些调整值和该最低值构成等差数列;或者,采集不同供应商的售价作为调整值。
较佳地,T2包括以下步骤:
T21、计算从前一时间节点到当前时间节点的实际售卖量相对于从前一时间节点到当前时间节点的预期售卖量的偏离比例,P偏=1-Q实/Q预,P偏为偏离比例,Q实为从前一时间节点到当前时间节点的实际售卖量,Q预为从前一时间节点到当前时间节点的预期售卖量;
T22、当P偏=0时,保持价格不变,当P偏>0时,将价格调低n个档位,当P偏<0时,将价格调高n个档位,n>0。
其中,n的大小可以根据P偏的绝对值的大小确定,如P偏的绝对值较大则n的取值较大,P偏的绝对值较小则n的取值较小。
较佳地,n=1。
较佳地,T2包括以下步骤:
T21’、获取从前一时间节点到当前时间节点的实际售卖量;
T22’、计算从前一时间节点到当前时间节点的实际售卖量符合该预期售卖进度的概率,在该概率小于一第一阈值时,调整商品的价格。
较佳地,商品的售卖服从Poisson(泊松)分布,T22’包括:
T221’、将λ赋值为Q预,计算p1=P(x≤Q实),p2=P(x≥Q实),其中,
Q实为从前一时间节点到当前时间节点的实际售卖量,
Q预为从前一时间节点到当前时间节点的预期售卖量,
p1为实际售卖量正常的概率,
p2为实际售卖量不正常的概率;
T222’、将λ赋值为Q剩预,计算p3=P(x≤Q剩库),p4=P(x≥Q剩库),其中,
Q剩库为剩余库存量,Q剩库=商品的需要售出的总量-截止到当前时间节点的已售卖总量,
Q剩预为剩余售卖能力,Q剩预=Q实*从当前时间节点以后剩余的时间节点的个数,
p3为剩余库存能正常消化的概率,
p4为剩余库存不能正常消化的概率;
T223’、若p1小于第二阈值则调低价格,若p2小于第三阈值则调高价格,若p3小于第四阈值则调低价格,若p4小于第五阈值则调高价格。
其中,λ为Poisson分布的参数,p1小于第二阈值则说明商品售卖的太慢了,所以要降价;p2小于第三阈值则说明商品售卖的太快了,所以要升价;p3小于第四阈值则说明按照现有进度,将不能卖掉剩下的库存,所以要升价;p4小于第五阈值则说明按照现有进度,将很快消耗掉剩下的库存,所以要升价。
较佳地,所述商品为机票。
本发明还提供一种商品的调价系统,其特点是,包括:
一时间节点单元,用于从商品的实际售卖时间区间内选取多个时间节点;
一获取单元,用于在到达每一时间节点时,获取商品的预期售卖进度和截止到当前时间节点的实际售卖量;
一调价单元,用于根据截止到当前时间节点的实际售卖量与该预期售卖进度之间的差别调整商品的价格。
较佳地,该时间节点单元包括:
一售卖节点模块,用于在商品的总售卖量中划分多个售卖节点;
一预期售卖进度模块,用于获取商品的预期售卖进度;
一时间节点确定模块,用于查询该预期售卖进度,获取预期的达到每一售卖节点的时间点,并将该些时间点作为时间节点。
较佳地,该预期售卖进度包括γ1i,γ1i为截止到该实际售卖时间区间内倒数第i天预期达到的预期售卖占比,0<i≤n,n为实际售卖时间区间的总天数;
γ1i=γ0i,γ0i为在与该实际售卖时间区间对应的历史售卖时间区间内倒数第i天达到的实际售卖占比;
γ0i=截止到该历史售卖时间区间内倒数第i天的已售卖总量/该历史售卖时间区间的售卖总量。
较佳地,该时间节点单元还包括:
一价格档位模块,用于确定商品的价格档位集合,该价格档位集合包括价格的最高值、价格的最低值以及多个位于该最高值和最低值之间的价格的调整值;
该调价单元还用于商品从该价格档位集合中选取一个价格作为调整后商品的价格。
较佳地,该最高值、该些调整值和该最低值构成等差数列;或者,采集不同供应商的售价作为调整值。
较佳地,该调价单元包括:
一计算模块,用于计算从前一时间节点到当前时间节点的实际售卖量相对于从前一时间节点到当前时间节点的预期售卖量的偏离比例,P偏=1-Q实/Q预,P偏为偏离比例,Q实为从前一时间节点到当前时间节点的实际售卖量,Q预为从前一时间节点到当前时间节点的预期售卖量;
一调档模块,用于在P偏=0时保持价格不变,在P偏>0时将价格调低n个档位,在P偏<0时将价格调高n个档位,n>0。
较佳地,n=1。
较佳地,该调价单元包括:
一获取模块,用于获取从前一时间节点到当前时间节点的实际售卖量;
一概率模块,用于计算从前一时间节点到当前时间节点的实际售卖量符合该预期售卖进度的概率,在该概率小于一第一阈值时,调整商品的价格。
较佳地,商品的售卖服从Poisson分布,该概率模块包括:
一第一概率计算模块,用于将λ赋值为Q预,计算p1=P(x≤Q实),p2=P(x≥Q实),其中,
Q实为从前一时间节点到当前时间节点的实际售卖量,
Q预为从前一时间节点到当前时间节点的预期售卖量,
p1为实际售卖量正常的概率,
p2为实际售卖量不正常的概率;
一第二概率计算模块,用于将λ赋值为Q剩预,计算p3=P(x≤Q剩库),p4=P(x≥Q剩库),其中,
Q剩库为剩余库存量,Q剩库=商品的需要售出的总量-截止到当前时间节点的已售卖总量,
Q剩预为剩余售卖能力,Q剩预=Q实*从当前时间节点以后剩余的时间节点的个数,
p3为剩余库存能正常消化的概率,
p4为剩余库存不能正常消化的概率;
一调整模块,用于在p1小于第二阈值时调低价格,在p2小于第三阈值时调高价格,在p3小于第四阈值时调低价格,在p4小于第五阈值时调高价格。
较佳地,所述商品为机票。
在符合本领域常识的基础上,上述各优选条件,可任意组合,即得本发明各较佳实例。
本发明的积极进步效果在于:本发明的商品的调价方法及系统能够能准确地把握市场规律,完全契合市场情况,动态调整商品的价格,确保商家的最大收益。
附图说明
图1为本发明实施例1的商品的调价方法的流程图。
图2为本发明实施例1的商品的调价系统的系统框图。
图3为本发明实施例2的商品的调价方法的流程图。
图4为本发明实施例2的商品的调价系统的系统框图。
具体实施方式
下面举个较佳实施例,并结合附图来更清楚完整地说明本发明。
实施例1
参见图1,一种商品的调价方法,包括:
步骤101、在商品的总售卖量中划分多个售卖节点。该售卖节点表示已售卖量在总售卖量中的占比。
步骤102、获取商品的预期售卖进度。其中,预期售卖进度包括γ1i,γ1i为截止到该实际售卖时间区间内倒数第i天预期达到的预期售卖占比,0<i≦n,n为实际售卖时间区间的总天数;
γ1i=γ0i,γ0i为在与该实际售卖时间区间对应的历史售卖时间区间内倒数第i天达到的实际售卖占比;
γ0i=截止到该历史售卖时间区间内倒数第i天的已售卖总量/该历史售卖时间区间的售卖总量。
步骤103、查询该预期售卖进度,获取预期的达到每一售卖节点的时间点,并将该些时间点作为时间节点。
步骤104、确定商品的价格档位集合,该价格档位集合包括价格的最高值、价格的最低值以及多个位于该最高值和最低值之间的价格的调整值。该些调整值可以采用以下两种方式中任意一种确定:
第一种、确定调整值的个数,该最高值、该些调整值和该最低值构成等差数列;
第二种、采集不同供应商的售价作为调整值。
步骤105、判断是否到达时间节点,若是,执行步骤106,若否,等待一段时间再次判断是否达到时间节点。
步骤106、获取商品的预期售卖进度和截止到当前时间节点的实际售卖量。
步骤107、根据截止到当前时间节点的实际售卖量与商品的预期售卖进度之间的差别,从该价格档位集合中选取一个价格作为调整后商品的价格,然后返回步骤105。
本实施例中步骤107具体包括以下步骤:
步骤1071、计算截止到当前时间节点的实际售卖进度相对于预期售卖进度的偏离比例,P偏=1-Q实/Q预,P偏为偏离比例,Q实为从前一时间节点到当前时间节点的实际售卖量,Q预为从前一时间节点到当前时间节点的预期售卖量。其中,Q预可以采用多种方式获得,例如:利用公式
Q预=(当前时间节点对应的售卖节点-前一时间节点对应的售卖节点)*商品的需要售出的总量;
或者,Q预=历史售卖时间区间内从与前一时间节点对应的时间点到与当前时间节点对应的时间点的实际售卖量;
等等。
步骤1072、判断P偏是否等于0,若是,保持当前的价格不变,若否,执行步骤1073。
步骤1073、判断P偏是否大于0,若是,将价格调低n个档位,若否,将价格调高n个档位;然后执行步骤105。
本实施例中时间节点是通过步骤101-103确定的,在本发明的其它实施例中,时间节点可以由技术人员自由设定。
下面以商品为机票为例来进一步说明本实施例的商品的调价方法,如起飞日期为2014-10-30的机票,实际售卖时间区间为2014-9-1~2014-10-30,总共有30张机票。机票的成本价为1500元,最高价为2250元,原定的价格为2100元。
步骤101中划分的售卖节点为:10%、20%、30%、40%、50%、60%、70%、80%、90%和100%。
步骤102中选取前一年的同一时段(即2013-9-1~2013-10-30)作为与实际售卖时间区间对应的历史售卖时间区间,计算:
i=1,γ101=γ001=从2013-9-1至2013-10-30的已售卖总量/该历史售卖时间区间的售卖总量;
i=2,γ102=γ002=从2013-9-1至2013-10-29的已售卖总量/该历史售卖时间区间的售卖总量;
……;
i=59,γ159=γ059=从2013-9-1至2013-9-2的已售卖总量/该历史售卖时间区间的售卖总量;
i=60,γ160=γ060=2013-9-1的已售卖总量/该历史售卖时间区间的售卖总量。
通过上述计算,得到机票的预期售卖进度。若前一年同一时段的历史数据较少或不全,则可以选用其它年的同一时段或其它指定时段作为历史售卖时间区间,如选取2012-9-1~2012-10-30,用以计算机票的预期售卖进度。
从上述预期售卖进度中选取达到售卖节点的历史时间点和与历史时间点对应的预期达到售卖节点的时间点,列举如表1:
表1
售卖节点 | i | 达到售卖节点的历史时间点 | 预期达到售卖节点的时间点 |
10% | 45 | 2013-09-15 | 2014-09-15 |
20% | 30 | 2013-09-30 | 2014-09-30 |
30% | 28 | 2013-10-02 | 2014-10-02 |
40% | 25 | 2013-10-05 | 2014-10-05 |
50% | 18 | 2013-10-12 | 2014-10-12 |
60% | 14 | 2013-10-16 | 2014-10-16 |
70% | 12 | 2013-10-18 | 2014-10-18 |
80% | 10 | 2013-10-20 | 2014-10-20 |
90% | 7 | 2013-10-23 | 2014-10-23 |
100% | 5 | 2013-10-25 | 2014-10-25 |
通过上述表格,步骤103将时间节点设为:2014-09-15、2014-09-30、2014-10-02、2014-10-05、2014-10-12、2014-10-16、2014-10-18、2014-10-20、2014-10-23和2014-10-25。若从机票的预期售卖进度不能找到与售卖节点完全匹配的历史时间点,则可以考虑适当的调整售卖节点,如计算出从2013-9-1到2013-10-02达到的实际售卖占比为29%,从2013-9-1到2013-10-03达到的实际售卖占比为32%,没有正好能够达到30%的历史时间点,那么此时,就可以将原定为30%的售卖节点调整为29%或者32%。
步骤104中,采用第一种方式确定的价格档位集合为{2250,2100,1950,1800,1650,1400};采用第二种方式确定机票的价格档位集合为{同航班最低价,同时间段的最低价,直飞里面的最低价,全天的最低价……}。
若采用第一种方式确定的价格档位集合,通过步骤105-107,计算出每一时间节点的调价依据和应调节的价格如表2所示,其中步骤1073中的n=1:
表2
由于截止到2014-10-25机票已售完,不必再考虑在2014-10-25之后是否还需要调价,所以表2中2014-10-25的预期售卖数、P偏、原价和调整后的价格为空。
若采用第二种方式确定的价格档位集合,则先将价格档位集合中的价格按照从大到小或从小到大的顺序排序,当P偏=0时,保持价格不变,当P偏>0时,将价格调低1个档位,当P偏<0时,将价格调高1个档位。
参见图2,本实施例的商品的调价系统,包括:一时间节点单元201、一获取单元202和一调价单元203。
该时间节点单元201,用于从商品的实际售卖时间区间内选取多个时间节点。具体地,包括:
一售卖节点模块2011,用于在商品的总售卖量中划分多个售卖节点。
一预期售卖进度模块2012,用于获取商品的预期售卖进度。该预期售卖进度包括γ1i,γ1i为截止到该实际售卖时间区间内倒数第i天预期达到的预期售卖占比,0<i≤n,n为实际售卖时间区间的总天数;
γ1i=γ0i,γ0i为在与该实际售卖时间区间对应的历史售卖时间区间内倒数第i天达到的实际售卖占比;
γ0i=截止到该历史售卖时间区间内倒数第i天的已售卖总量/该历史售卖时间区间的售卖总量。
一时间节点确定模块2013,用于查询该预期售卖进度,获取预期的达到每一售卖节点的时间点,并将该些时间点作为时间节点。
一价格档位模块2014,用于确定商品的价格档位集合,该价格档位集合包括价格的最高值、价格的最低值以及多个位于该最高值和最低值之间的价格的调整值。该些调整值可以采用以下两种方式中任意一种确定:
第一种、确定调整值的个数,该最高值、该些调整值和该最低值构成等差数列;
第二种、采集不同供应商的售价作为调整值。
该获取单元202,用于判断是否到达时间节点,若是,获取商品的预期售卖进度和截止到当前时间节点的实际售卖量,若否,等待一段时间再次判断是否达到时间节点。
该调价单元203,用于根据截止到当前时间节点的实际售卖量与该预期售卖进度之间的差别,从该价格档位集合中选取一个价格作为调整后商品的价格,然后调用该获取单元202。
本实施例中的调价单元203包括:
一计算模块2031,用于计算从前一时间节点到当前时间节点的实际售卖量相对于从前一时间节点到当前时间节点的预期售卖量的偏离比例,P偏=1-Q实/Q预,P偏为偏离比例,Q实为从前一时间节点到当前时间节点的实际售卖量,Q预为从前一时间节点到当前时间节点的预期售卖量;
一调档模块2032,用于在P偏=0时保持价格不变,在P偏>0时将价格调低n个档位,在P偏<0时将价格调高n个档位,n>0。具体地,n可以等于1。
实施例2
本实施例的商品的调价方法与实施例1基本相同,不同之处在于,参见图3,本实施例中的步骤107是通过以下步骤实现的:
步骤1071’、获取从前一时间节点到当前时间节点的实际售卖量。
步骤1072’、计算从前一时间节点到当前时间节点的实际售卖量符合该预期售卖进度的概率,在该概率小于一第一阈值时调整商品的价格。
具体地,商品的售卖服从Poisson分布,步骤1072’包括:
步骤10721’、将λ赋值为Q预,计算p1=P(x≤Q实),p2=P(x≥Q实)。
步骤10722’、将λ赋值为Q剩预,计算p3=P(x≤Q剩库),p4=P(x≥Q剩库)。
其中,Q实为从前一时间节点到当前时间节点的实际售卖量;
Q预为从前一时间节点到当前时间节点的预期售卖量;
Q剩库为剩余库存量,Q剩库=商品的需要售出的总量-截止到当前时间节点的已售卖总量;
Q剩预为剩余售卖能力,Q剩预=Q实*从当前时间节点以后剩余的时间节点的个数;
p1为实际售卖量正常的概率;
p2为实际售卖量不正常的概率;
p3为剩余库存能正常消化的概率;
p4为剩余库存不能正常消化的概率。
步骤10723’、若p1小于第二阈值则调低价格,若p2小于第三阈值则调高价格,若p3小于第四阈值则调低价格,若p4小于第五阈值则调高价格;然后执行步骤105。
下面结合实施例1中给出的调整机票的价格的例子进一步说明本实施例的商品的调价方法,本例中的时间节点、价格档位集合等与实施例1中的实例相同,不同之处在于,通过本实施例的步骤1071’-1072’得到每一时间节点的调价依据和应调节的价格如表3所示:
表3
由于截止到2014-10-25机票已售完,不必再考虑在2014-10-25之后是否还需要调价,所以表3中2014-10-25的预期售卖数、P偏、原价和调整后的价格为空。
本实施例的商品的调价系统与实施例2基本相同,不同之处在于,参见图4,本实施例中的调价单元203包括:
一获取模块2031’,用于获取从前一时间节点到当前时间节点的实际售卖量。
一概率模块2032’,用于计算从前一时间节点到当前时间节点的实际售卖量符合该预期售卖进度的概率,在该概率小于一第一阈值时,调整商品的价格。
具体地,商品的售卖服从Poisson分布,该概率模块2032’包括:
一第一概率计算模块20321’,用于将λ赋值为Q预,计算p1=P(x≤Q实),p2=P(x≥Q实),其中,
Q实为从前一时间节点到当前时间节点的实际售卖量,
Q预为从前一时间节点到当前时间节点的预期售卖量,
p1为实际售卖量正常的概率,
p2为实际售卖量不正常的概率。
一第二概率计算模块20322’,用于将λ赋值为Q剩预,计算p3=P(x≤Q剩库),p4=P(x≥Q剩库),其中,
Q剩库为剩余库存量,Q剩库=商品的需要售出的总量-截止到当前时间节点的已售卖总量,
Q剩预为剩余售卖能力,Q剩预=Q实*从当前时间节点以后剩余的时间节点的个数,
p3为剩余库存能正常消化的概率,
p4为剩余库存不能正常消化的概率.
一调整模块20323’,用于在p1小于第二阈值时调低价格,在p2小于第三阈值时调高价格,在p3小于第四阈值时调低价格,在p4小于第五阈值时调高价格。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (20)
1.一种商品的调价方法,其特征在于,包括:
S1、从商品的实际售卖时间区间内选取多个时间节点;
S2、在到达每一时间节点时,执行以下步骤:
T1、获取商品的预期售卖进度和截止到当前时间节点的实际售卖量;
T2、根据截止到当前时间节点的实际售卖量与该预期售卖进度之间的差别调整商品的价格。
2.如权利要求1所述的调价方法,其特征在于,S1包括以下步骤:
S11、在商品的总售卖量中划分多个售卖节点;
S12、获取商品的预期售卖进度;
S13、查询该预期售卖进度,获取预期的达到每一售卖节点的时间点,并将该些时间点作为时间节点。
3.如权利要求1或2所述的调价方法,其特征在于,该预期售卖进度包括γ1i,γ1i为截止到该实际售卖时间区间内倒数第i天预期达到的预期售卖占比,0<i≤n,n为实际售卖时间区间的总天数;
γ1i=γ0i,γ0i为在与该实际售卖时间区间对应的历史售卖时间区间内倒数第i天达到的实际售卖占比;
γ0i=截止到该历史售卖时间区间内倒数第i天的已售卖总量/该历史售卖时间区间的售卖总量。
4.如权利要求1所述的调价方法,其特征在于,S1还包括:确定商品的价格档位集合,该价格档位集合包括价格的最高值、价格的最低值以及多个位于该最高值和最低值之间的价格的调整值;
T2中商品从该价格档位集合中选取一个价格作为调整后商品的价格。
5.如权利要求4所述的调价方法,其特征在于,该最高值、该些调整值和该最低值构成等差数列;或者,采集不同供应商的售价作为调整值。
6.如权利要求4所述的调价方法,其特征在于,T2包括以下步骤:
T21、计算从前一时间节点到当前时间节点的实际售卖量相对于从前一时间节点到当前时间节点的预期售卖量的偏离比例,P偏=1-Q实/Q预,P偏为偏离比例,Q实为从前一时间节点到当前时间节点的实际售卖量,Q预为从前一时间节点到当前时间节点的预期售卖量;
T22、当P偏=0时,保持价格不变,当P偏>0时,将价格调低n个档位,当P偏<0时,将价格调高n个档位,n>0。
7.如权利要求6所述的调价方法,其特征在于,n=1。
8.如权利要求1所述的调价方法,其特征在于,T2包括以下步骤:
T21’、获取从前一时间节点到当前时间节点的实际售卖量;
T22’、计算从前一时间节点到当前时间节点的实际售卖量符合该预期售卖进度的概率,在该概率小于一第一阈值时,调整商品的价格。
9.如权利要求8所述的调价方法,其特征在于,商品的售卖服从Poisson分布,T22’包括:
T221’、将λ赋值为=Q预,计算p1=P(x≤Q实),p2=P(x≥Q实),其中,
Q实为从前一时间节点到当前时间节点的实际售卖量,
Q预为从前一时间节点到当前时间节点的预期售卖量,
p1为实际售卖量正常的概率,
p2为实际售卖量不正常的概率;
T222’、将λ赋值为Q剩预,计算p3=P(x≤Q剩库),p4=P(x≥Q剩库),其中,
Q剩库为剩余库存量,Q剩库=商品的需要售出的总量-截止到当前时间节点的已售卖总量,
Q剩预为剩余售卖能力,Q剩预=Q实*从当前时间节点以后剩余的时间节点的个数,
p3为剩余库存能正常消化的概率,
p4为剩余库存不能正常消化的概率;
T223’、若p1小于第二阈值则调低价格,若p2小于第三阈值则调高价格,若p3小于第四阈值则调低价格,若p4小于第五阈值则调高价格。
10.如权利要求1所述的调价方法,其特征在于,所述商品为机票。
11.一种商品的调价系统,其特征在于,包括:
一时间节点单元,用于从商品的实际售卖时间区间内选取多个时间节点;
一获取单元,用于在到达每一时间节点时,获取商品的预期售卖进度和截止到当前时间节点的实际售卖量;
一调价单元,用于根据截止到当前时间节点的实际售卖量与该预期售卖进度之间的差别调整商品的价格。
12.如权利要求11所述的调价系统,其特征在于,该时间节点单元包括:
一售卖节点模块,用于在商品的总售卖量中划分多个售卖节点;
一预期售卖进度模块,用于获取商品的预期售卖进度;
一时间节点确定模块,用于查询该预期售卖进度,获取预期的达到每一售卖节点的时间点,并将该些时间点作为时间节点。
13.如权利要求11或12所述的调价系统,其特征在于,该预期售卖进度包括γ1i,γ1i为截止到该实际售卖时间区间内倒数第i天预期达到的预期售卖占比,0<i≤n,n为实际售卖时间区间的总天数;
γ1i=γ0i,γ0i为在与该实际售卖时间区间对应的历史售卖时间区间内倒数第i天达到的实际售卖占比;
γ0i=截止到该历史售卖时间区间内倒数第i天的已售卖总量/该历史售卖时间区间的售卖总量。
14.如权利要求11所述的调价系统,其特征在于,该时间节点单元还包括:
一价格档位模块,用于确定商品的价格档位集合,该价格档位集合包括价格的最高值、价格的最低值以及多个位于该最高值和最低值之间的价格的调整值;
该调价单元还用于商品从该价格档位集合中选取一个价格作为调整后商品的价格。
15.如权利要求14所述的调价系统,其特征在于,该最高值、该些调整值和该最低值构成等差数列;或者,采集不同供应商的售价作为调整值。
16.如权利要求14所述的调价系统,其特征在于,该调价单元包括:
一计算模块,用于计算从前一时间节点到当前时间节点的实际售卖量相对于从前一时间节点到当前时间节点的预期售卖量的偏离比例,P偏=1-Q实/Q预,P偏为偏离比例,Q实为从前一时间节点到当前时间节点的实际售卖量,Q预为从前一时间节点到当前时间节点的预期售卖量;
一调档模块,用于在P偏=0时保持价格不变,在P偏>0时将价格调低n个档位,在P偏<0时将价格调高n个档位,n>0。
17.如权利要求16所述的调价系统,其特征在于,n=1。
18.如权利要求11所述的调价系统,其特征在于,该调价单元包括:
一获取模块,用于获取从前一时间节点到当前时间节点的实际售卖量;
一概率模块,用于计算从前一时间节点到当前时间节点的实际售卖量符合该预期售卖进度的概率,在该概率小于一第一阈值时,调整商品的价格。
19.如权利要求18所述的调价系统,其特征在于,商品的售卖服从Poisson分布,该概率模块包括:
一第一概率计算模块,用于将λ赋值为Q预,计算p1=P(x≤Q实),p2=P(x≥Q实),其中,
Q实为从前一时间节点到当前时间节点的实际售卖量,
Q预为从前一时间节点到当前时间节点的预期售卖量,
p1为实际售卖量正常的概率,
p2为实际售卖量不正常的概率;
一第二概率计算模块,用于将λ赋值为Q剩预,计算p3=P(x≤Q剩库),p4=P(x≥Q剩库),其中,
Q剩库为剩余库存量,Q剩库=商品的需要售出的总量-截止到当前时间节点的已售卖总量,
Q剩预为剩余售卖能力,Q剩预=Q实*从当前时间节点以后剩余的时间节点的个数,
p3为剩余库存能正常消化的概率,
p4为剩余库存不能正常消化的概率;
一调整模块,用于在p1小于第二阈值时调低价格,在p2小于第三阈值时调高价格,在p3小于第四阈值时调低价格,在p4小于第五阈值时调高价格。
20.如权利要求11所述的调价系统,其特征在于,所述商品为机票。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510474732.9A CN105069650A (zh) | 2015-08-05 | 2015-08-05 | 商品的调价方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510474732.9A CN105069650A (zh) | 2015-08-05 | 2015-08-05 | 商品的调价方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105069650A true CN105069650A (zh) | 2015-11-18 |
Family
ID=54499009
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510474732.9A Pending CN105069650A (zh) | 2015-08-05 | 2015-08-05 | 商品的调价方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105069650A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105512899A (zh) * | 2015-12-15 | 2016-04-20 | 佛山市明扬软件科技有限公司 | 一种基于商品调价管理的系统 |
CN105512898A (zh) * | 2015-12-15 | 2016-04-20 | 佛山市明扬软件科技有限公司 | 一种基于商品价格管理的运营系统与方法 |
CN105976198A (zh) * | 2016-04-25 | 2016-09-28 | 北京三快在线科技有限公司 | 一种商品类别判定方法与装置 |
CN106920108A (zh) * | 2017-01-26 | 2017-07-04 | 武汉奇米网络科技有限公司 | 一种商品录入的方法及系统 |
CN107403508A (zh) * | 2017-08-10 | 2017-11-28 | 杭州纳戒科技有限公司 | 售货物流箱设备以及系统 |
CN109858671A (zh) * | 2018-12-26 | 2019-06-07 | 携程旅游网络技术(上海)有限公司 | 预测目标航线的客座率的方法和系统 |
CN110827047A (zh) * | 2018-08-07 | 2020-02-21 | 北京京东尚科信息技术有限公司 | 动态定价方法和装置 |
CN112288505A (zh) * | 2019-07-22 | 2021-01-29 | 广州酷旅旅行社有限公司 | 一种基于ota平台的酒店房型自动跟价方法 |
-
2015
- 2015-08-05 CN CN201510474732.9A patent/CN105069650A/zh active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105512899A (zh) * | 2015-12-15 | 2016-04-20 | 佛山市明扬软件科技有限公司 | 一种基于商品调价管理的系统 |
CN105512898A (zh) * | 2015-12-15 | 2016-04-20 | 佛山市明扬软件科技有限公司 | 一种基于商品价格管理的运营系统与方法 |
CN105976198A (zh) * | 2016-04-25 | 2016-09-28 | 北京三快在线科技有限公司 | 一种商品类别判定方法与装置 |
CN106920108A (zh) * | 2017-01-26 | 2017-07-04 | 武汉奇米网络科技有限公司 | 一种商品录入的方法及系统 |
CN107403508A (zh) * | 2017-08-10 | 2017-11-28 | 杭州纳戒科技有限公司 | 售货物流箱设备以及系统 |
CN110827047A (zh) * | 2018-08-07 | 2020-02-21 | 北京京东尚科信息技术有限公司 | 动态定价方法和装置 |
CN109858671A (zh) * | 2018-12-26 | 2019-06-07 | 携程旅游网络技术(上海)有限公司 | 预测目标航线的客座率的方法和系统 |
CN109858671B (zh) * | 2018-12-26 | 2021-06-18 | 携程旅游网络技术(上海)有限公司 | 预测目标航线的客座率的方法和系统 |
CN112288505A (zh) * | 2019-07-22 | 2021-01-29 | 广州酷旅旅行社有限公司 | 一种基于ota平台的酒店房型自动跟价方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105069650A (zh) | 商品的调价方法及系统 | |
US8219444B2 (en) | System and method for using sales patterns with markdown profiles | |
Li et al. | Pricing decisions during inter‐generational product transition | |
CN105913209A (zh) | 仓库管理系统、仓库管理方法及货物配送方法 | |
CN101329683A (zh) | 推荐系统及方法 | |
CN108460618A (zh) | 一种资源配置方法及装置,电子设备 | |
DE10257199A1 (de) | Erzeugen eines optimierten Preiskalkulationsplans | |
CN105139225A (zh) | 一种确定用户行为能力等级的方法和装置 | |
CA2794679A1 (en) | Product placement in retail settings | |
JP2018139036A (ja) | 分析装置 | |
CN106294410A (zh) | 一种个性化信息推送时间的确定方法及确定系统 | |
CN109191205A (zh) | 一种基于预测模型的定价计算方法及终端设备 | |
Wang et al. | Coordination of supply chain with one supplier and two competing risk-averse retailers under an option contract | |
CN110363468B (zh) | 采购订单的确定方法、装置、服务器及可读存储介质 | |
Khedlekar et al. | Dynamic pricing model with logarithmic demand | |
CN104463638A (zh) | 一种趋势性、周期性商品的出库方法 | |
US10672087B1 (en) | Order volume management system | |
CN115699057A (zh) | 短生命周期销售曲线估计 | |
Park et al. | Inventory control model for a supply chain system with multiple types of items and minimum order size requirements | |
Marom et al. | Using “last-minute” sales for vertical differentiation on the Internet | |
CN107092998A (zh) | 资源分配方法及装置 | |
CN111815148B (zh) | 排产方法、装置、电子设备及计算机可读存储介质 | |
CN112990968A (zh) | 分润系统及方法 | |
CN106355428A (zh) | 一种预判机票购买时机的方法 | |
KR20220160828A (ko) | 수산물 유통 도매업 인터넷 판매관리 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C41 | Transfer of patent application or patent right or utility model | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20160203 Address after: 200335 Shanghai city Changning District Admiralty Road No. 968 Building No. 16 10 floor Applicant after: SHANGHAI XIECHENG BUSINESS CO., LTD. Address before: 200335 Shanghai City, Changning District Fuquan Road No. 99, Ctrip network technology building Applicant before: Ctrip computer technology (Shanghai) Co., Ltd. |
|
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151118 |
|
RJ01 | Rejection of invention patent application after publication |