CN107274209A - 预测促销活动销售数据的方法和装置 - Google Patents
预测促销活动销售数据的方法和装置 Download PDFInfo
- Publication number
- CN107274209A CN107274209A CN201710352307.1A CN201710352307A CN107274209A CN 107274209 A CN107274209 A CN 107274209A CN 201710352307 A CN201710352307 A CN 201710352307A CN 107274209 A CN107274209 A CN 107274209A
- Authority
- CN
- China
- Prior art keywords
- period
- pageview
- early stage
- advertising campaign
- historical period
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0239—Online discounts or incentives
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种预测促销活动销售数据的方法和装置,有助于更准确地预测促销活动期间的订单量以及销售金额。该方法包括:获取促销商品在历史参考促销活动开始之前的第一时段长度的历史前期浏览量,以及获取该促销商品在本次促销活动开始之前的第一时段长度的本次前期浏览量;针对在一日之中选择的考察时段,获取促销商品在所述历史参考促销活动中该时段的历史时段浏览量和历史时段订单量;根据所述历史时段浏览量和历史时段订单量得出历史参考促销活动在所述考察时段的历史时段转化率;根据所述历史前期浏览量、本次前期浏览量、历史时段浏览量、以及所述历史时段转化率进行计算,以得到本次促销活动在所述考察时段的订单量预测数据。
Description
技术领域
本发明涉及计算机技术领域,特别地涉及一种预测促销活动销售数据的方法和装置。
背景技术
当前互联网电子商务已经深入影响了人们的日常生活、工作等方方面面。各类电子商务网站时常开展各种促销推广活动。电商企业对促销推广活动成果的预测越来越重视,“如何比较精准的对销售数量、销售金额进行预判?”是电商企业管理者、采购、销售、运营等各类人员非常关注的问题。
现有技术中一般采用平均值预测法、加权预测法等方法,以历史数据为基础,根据数据的趋势来预估未来的发展。发明人在实现本发明的过程中发现,在促销活动期间,网站流量、转化率、订单量、订单金额等指标数据与日常的数据有很大差距,其数据变化趋势与日常数据变化趋势也存在较大差距,若采用预测日常数据的预测方法来预测促销期间的数据,结果不够准确。
发明内容
有鉴于此,本发明实施例提供一种预测促销活动销售数据的方法和装置,有助于更准确地预测促销活动期间的订单量以及销售金额。
为实现上述目的,根据本发明的一个方面,提供了一种预测促销活动销售数据的方法。
本发明的这种预测促销活动销售数据的方法包括:获取促销商品在历史参考促销活动开始之前的第一时段长度的历史前期浏览量,以及获取该促销商品在本次促销活动开始之前的第一时段长度的本次前期浏览量;并且针对在一日之中选择的考察时段,获取促销商品在所述历史参考促销活动中该时段的历史时段浏览量和历史时段订单量;根据所述历史时段浏览量和历史时段订单量得出历史参考促销活动在所述考察时段的历史时段转化率;根据所述历史前期浏览量、本次前期浏览量、历史时段浏览量、以及所述历史时段转化率进行计算,以得到本次促销活动在所述考察时段的订单量预测数据。
可选地,所述根据所述历史时段浏览量、历史前期浏览量、本次前期浏览量、以及所述历史时段转化率进行计算,以得到本次促销活动在所述考察时段的订单量预测数据的步骤包括:根据如下公式确定本次促销活动在所述考察时段的订单量预测数据区间:
OQmaxN=X2×PVlastN×RPV×TRlastN
OQminN=Y2×PVlastN×RPV×TRlastN
其中,OQminN和OQmaxN分别表示所述订单量预测数据区间的左端点值和右端点值,PVlastN表示所述历史时段浏览量,RPV表示所述本次前期浏览量与所述历史前期浏览量的比值,TRlastN表示所述历史时段转化率,X和Y表示预设的加权系数,并且X≥Y、X+Y=2。
可选地,所述预设的加权系数X=1.0668,Y=0.9322。
根据本发明的另一方面,提供了另一种预测促销活动销售数据的方法。
本发明的这种预测促销活动销售数据的方法包括:获取促销商品在历史参考促销活动开始之前的第一时段长度的历史前期浏览量和历史前期客单价,以及获取该促销商品在本次促销活动开始之前的第一时段长度的本次前期浏览量和本次前期客单价;并且针对在一日之中选择的考察时段,获取促销商品在所述历史参考促销活动中该时段的历史时段浏览量和历史时段订单量、以及历史时段销售金额;根据所述历史时段浏览量和历史时段订单量得出历史参考促销活动在所述考察时段的历史时段转化率,并且根据所述历史时段销售金额和所述历史时段订单量得出历时时段客单价;根据所述历史前期浏览量、历史前期客单价、本次前期浏览量、本次前期客单价、历史时段浏览量、历史时段客单价、以及所述历史时段转化率进行计算,以得到本次促销活动在所述考察时段的销售金额预测数据。
可选地,所述根据所述历史前期浏览量、历史前期客单价、本次前期浏览量、本次前期客单价、历史时段浏览量、历史时段客单价、以及所述历史时段转化率进行计算,以得到本次促销活动在所述考察时段的销售金额预测数据的步骤包括:根据如下公式确定本次促销活动在所述考察时段的订单量预测数据区间:
VAmaxN=i3×PVlastN×RPV×TRlastN×UPlastN×RUP
VAminN=j3×PVlastN×RPV×TRlastN×UPlastN×RUP
其中,VAminN和VAmaxN分别表示所述销售金额预测数据区间的左端点值和右端点值,PVlastN表示所述历史时段浏览量,RPV表示所述本次前期浏览量与所述历史前期浏览量的比值,TRlastN表示所述历史时段转化率,UPlastN表示所述历史时段客单价,RUP表示所述本次前期客单价与所述历史前期客单价的比值,i和j表示预设的加权系数,并且i≥j、i+j=2。
可选地,所述预设的加权系数i=1.0668,j=0.9322。
根据本发明的又一方面,提供了一种预测促销活动销售数据的装置。
本发明的这种预测促销活动销售数据的装置包括:第一获取模块,用于获取促销商品在历史参考促销活动开始之前的第一时段长度的历史前期浏览量,以及获取该促销商品在本次促销活动开始之前的第一时段长度的本次前期浏览量;第二获取模块,用于针对在一日之中选择的考察时段,获取促销商品在所述历史参考促销活动中该时段的历史时段浏览量和历史时段订单量;第一计算模块,用于根据所述历史时段浏览量和历史时段订单量得出历史参考促销活动在所述考察时段的历史时段转化率;第二计算模块,用于根据所述历史前期浏览量、本次前期浏览量、历史时段浏览量、以及所述历史时段转化率进行计算,以得到本次促销活动在所述考察时段的订单量预测数据。
可选地,所述第二计算模块还用于根据如下公式确定本次促销活动在所述考察时段的订单量预测数据区间:
OQmaxN=X2×PVlastN×RPV×TRlastN
OQminN=Y2×PVlastN×RPV×TRlastN
其中,OQminN和OQmaxN分别表示所述订单量预测数据区间的左端点值和右端点值,PVlastN表示所述历史时段浏览量,RPV表示所述本次前期浏览量与所述历史前期浏览量的比值,TRlastN表示所述历史时段转化率,X和Y表示预设的加权系数,并且X≥Y、X+Y=2。
根据本发明的又一方面,提供了另一种预测促销活动销售数据的装置。
本发明的这种预测促销活动销售数据的装置包括:第三获取模块,用于获取促销商品在历史参考促销活动开始之前的第一时段长度的历史前期浏览量和历史前期客单价,以及获取该促销商品在本次促销活动开始之前的第一时段长度的本次前期浏览量和本次前期客单价;第四获取模块,用于针对在一日之中选择的考察时段,获取促销商品在所述历史参考促销活动中该时段的历史时段浏览量和历史时段订单量、以及历史时段销售金额;第三计算模块,用于根据所述历史时段浏览量和历史时段订单量得出历史参考促销活动在所述考察时段的历史时段转化率,并且根据所述历史时段销售金额和所述历史时段订单量得出历时时段客单价;第四计算模块,用于根据所述历史前期浏览量、历史前期客单价、本次前期浏览量、本次前期客单价、历史时段浏览量、历史时段客单价、以及所述历史时段转化率进行计算,以得到本次促销活动在所述考察时段的销售金额预测数据。
可选地,所述第四计算模块还用于根据如下公式确定本次促销活动在所述考察时段的订单量预测数据区间:
VAmaxN=i3×PVlastN×RPV×TRlastN×UPlastN×RUP
VAminN=j3×PVlastN×RPV×TRlastN×UPlastN×RUP
其中,VAminN和VAmaxN分别表示所述销售金额预测数据区间的左端点值和右端点值,PVlastN表示所述历史时段浏览量,RPV表示所述本次前期浏览量与所述历史前期浏览量的比值,TRlastN表示所述历史时段转化率,UPlastN表示所述历史时段客单价,RUP表示所述本次前期客单价与所述历史前期客单价的比值,i和j表示预设的加权系数,并且i≥j、i+j=2。
根据本发明的又一方面,提供了一种电子设备,包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明所述的方法。
根据本发明的又一方面,提供了一种计算机可读介质,其特征在于,所述计算机可读介质存储计算机指令,所述计算机指令用于使所述计算机执行本发明所述的方法。
根据本发明的技术方案,预测本次促销活动的销售数据时,参考选择出的历史上的一次促销活动的数据,并且进一步参考上述历史上的一次促销活动开始之前的商品销售的数据以及本次促销活动开始之前的商品销售的数据,这样有助于使本次促销活动的销售数据的预测更加准确。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是本发明实施例可以应用于其中的示例性系统架构图;
图2是根据本发明实施方式的预测促销活动销售数据的系统的基本结构的示意图;
图3是根据本发明实施方式的第一种预测促销活动销售数据的装置的基本结构的示意图;
图4是根据本发明实施方式的第二种预测促销活动销售数据的装置的基本结构的示意图;
图5是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施方式做出说明,其中包括本发明实施方式的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施方式做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1示出了可以应用本发明实施例的预测促销活动销售数据方法或预测促销活动销售数据装置的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理,并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。
需要说明的是,本发明实施例所提供的预测促销活动销售数据方法一般由服务器105执行,相应地,预测促销活动销售数据装置一般设置于服务器105中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
图2是根据本发明实施方式的预测促销活动销售数据的系统的基本结构的示意图,如图2所示,预测促销活动销售数据的系统1主要包括数据采集模块、数据存储模块、数据计算模块、以及数据展示模块。其中数据采集模块用于采集实际的电子商务数据,并将采集的数据写入数据存储模块;数据存储模块用于存储数据采集模块采集的数据和数据计算的结果数据;数据计算模块从数据采集模块、数据存储模块中获取数据运算使用的基础数据,并按照以下所述计算规则进行数据计算,并将计算结果写入数据存储模块,将得出的预测数据输出到数据展示模块。
以下先对涉及的相关概念加以说明。浏览量是指参与促销的商品在电子商务网站的页面被用户访问的次数,用户多次打开或刷新同一个页面,浏览量累加(单位:次)。订单量是指用户在电子商务网站上的订单数量。销售金额是指用户在电子商务网站上的订单的金额。转化率的计算方式为:转化率=订单量÷浏览量×100%。客单价的计算方式为:客单价=销售金额÷订单量。
本实施方式中,参考上次类似促销的相关数据以及本次促销开始前的相关数据来进行预测。这里所说的上次类似促销(以下简称为“上次促销”),是根据经验选择的一次历史参考促销活动,其促销手段和/或促销的商品类目与本次的促销相类似,因此其促销数据对本次促销的数据预测具有参考价值。
本实施方式中使用的指标和计算数据说明如下(“促销前”意即促销活动开始之前):
上次促销前30天的浏览量,表示为PVlast30d。
本次促销前30天的浏览量,表示为PVthis30d。
本次促销前30天的浏览量与上次促销前30天的浏览量的比,表示为RPV,RPV=PVthis30d÷PVlast30d。
上次促销前30天的客单价,表示为UPlast30d。
本次促销前30天的客单价,表示为UPthis30d。
本次促销前30天的客单价与上次促销前30天的客单价的比,表示为RUP,RUP=UPthis30d÷UPlast30d。
选取每15分钟1个时段,每天计为96个时段,将上次促销活动数据按照表1进行表示:
表1
以X作为时间段的变量,各指标数据可以分别表示为表2:
表2
取每15分钟1个时段,每天计为96个时段,将本次促销活动的预测数据按照表3和表4进行表示:
表3
表4
以X作为时间段的变量,各指标数据可以分别表示为表5和表6:
表5
表6
当前时段,采用正整数N来表示当前处于第几个时段,例如每天96个时段,N的取值即从1至96。
预测本次促销活动的数据的过程主要分为获取数据和根据公式计算本次促销预测数据两个阶段。以下分别加以说明。
在获取数据时,每15分钟1个时段,每天计为96个时段,获取上次同类促销活动各个时段的实际数据,获取上次促销前30天的浏览量PVlast30d、本次促销前30天的浏览量PVthis30d、上次促销前30天的客单价UPlast30d、本次促销前30天的客单价UPthis30d。这里以及下面的有些数据也需要进行一些计算才可以获得,例如客单价、转化率等。另外下面将要介绍的计算公式中的参数也需先计算得出,具体包括:
计算本次促销前30天的浏览量与上次促销前30天的浏览量的比,以RPV表示:RPV=PVthis30d÷PVlast30d。
计算本次促销前30天的客单价与上次促销前30天的客单价的比,以RUP表示:RUP=UPthis30d÷UPlast30d。
接下来可以计算本次促销的预测数据区间。其中计算订单量的数据区间的最大值OQmaxN和最小值OQminN的公式如下(采用上文中的例子,采用上次促销前30天的数据和本次促销前30天的数据,并取1≤N≤96,N值根据一日之中考察的时段而定,即考察第1时段,N=1;考察2时段,N=2……;考察第96时段,N=96):
OQmaxN=X2×PVlastN×RPV×TRlastN,1≤N≤96
OQminN=Y2×PVlastN×RPV×TRlastN,1≤N≤96
在该公式中,PVlastN表示历史时段浏览量,即上次促销活动对应时段的浏览量实际数据,RPV表示本次促销前30天的浏览量(即本次前期浏览量)与上次促销前30天的浏览量(即历史前期浏览量)的比值,TRlastN表示历史时段转化率,即上次促销活动对应时段的转化率实际数据,X、Y为加权系数,X+Y=2。如果没有大量历史数据不能进行回归分析,则初始化为X=1.0668、Y=0.9332;如果已经有大量历史数据可以进行回归分析,则X、Y值采用回归分析,找出计算数据与实际数据最接近情况下的数值。根据上面的公式,可以看出X和Y需满足X>Y,如果取X=Y,则预测数据区间特殊化为一个点,可以得到一个预测值。
计算本次促销的销售金额预测数据区间的最大值VAmaxN和最小值VAminN的公式如下(采用上文中的例子,采用上次促销前30天的数据和本次促销前30天的数据,并取1≤N≤96):
VAmaxN=i3×PVlastN×RPV×TRlastN×UPlastN×RUP,1≤N≤96
VAminN=j3×PVlastN×RPV×TRlastN×UPlastN×RUP,1≤N≤96
在该公式中,UPlastN表示历史时段客单价,即上次同类促销活动对应时段的客单价实际数据,RUP是本次促销前30天的客单价(即本次前期客单价)与上次促销前30天的客单价(即历史前期客单价)的比值,i、j为加权系数,i+j=2。如果没有大量历史数据不能进行回归分析,则初始化为i=1.0668、j=0.9332;如果已经有大量历史数据可以进行回归分析,则i、j值采用回归分析,找出计算数据与实际数据最接近情况下的数值。类似地,i、j需满足i>j;若i=j则可得到一个预测值。
以上实施方式的描述中,采用了促销前30天的数据,此天数还可以改为3天、7天等其他天数。另外以上的描述中,将1天分为了96个时段,每个时段15分钟,还可以将一天分为24、48、120等时段数。
根据本发明实施例的预测促销活动销售数据的方法可以看出,根据本发明的技术方案,预测本次促销活动的销售数据时,参考选择出的历史上的一次促销活动的数据,并且进一步参考上述历史上的一次促销活动开始之前的商品销售的数据以及本次促销活动开始之前的商品销售的数据,这样有助于使本次促销活动的销售数据的预测更加准确。
图3是根据本发明实施方式的第一种预测促销活动销售数据的装置的基本结构的示意图,该装置可用来预测促销活动中的订单量数据。如图3所示,预测促销活动销售数据的装置300主要包括:第一获取模块,用于获取促销商品在历史参考促销活动开始之前的第一时段长度的历史前期浏览量,以及获取该促销商品在本次促销活动开始之前的第一时段长度的本次前期浏览量;第二获取模块,用于针对在一日之中选择的考察时段,获取促销商品在所述历史参考促销活动中该时段的历史时段浏览量和历史时段订单量;第一计算模块,用于根据所述历史时段浏览量和历史时段订单量得出历史参考促销活动在所述考察时段的历史时段转化率;第二计算模块,用于根据所述历史前期浏览量、本次前期浏览量、历史时段浏览量、以及所述历史时段转化率进行计算,以得到本次促销活动在所述考察时段的订单量预测数据。
上述的第一获取模块和第二获取模块可以设置在图2的数据采集模块中,第一计算模块和第二计算模块可以设置在图2的数据计算模块中。
图4是根据本发明实施方式的第二种预测促销活动销售数据的装置的基本结构的示意图,该装置可用来预测促销活动中的销售金额预测数据。如图4所示,预测促销活动销售数据的装置400主要包括:
第三获取模块,用于获取促销商品在历史参考促销活动开始之前的第一时段长度的历史前期浏览量和历史前期客单价,以及获取该促销商品在本次促销活动开始之前的第一时段长度的本次前期浏览量和本次前期客单价;
第四获取模块,用于针对在一日之中选择的考察时段,获取促销商品在所述历史参考促销活动中该时段的历史时段浏览量和历史时段订单量、以及历史时段销售金额;
第三计算模块,用于根据所述历史时段浏览量和历史时段订单量得出历史参考促销活动在所述考察时段的历史时段转化率,并且根据所述历史时段销售金额和所述历史时段订单量得出历时时段客单价;
第四计算模块,用于根据所述历史前期浏览量、历史前期客单价、本次前期浏览量、本次前期客单价、历史时段浏览量、历史时段客单价、以及所述历史时段转化率进行计算,以得到本次促销活动在所述考察时段的销售金额预测数据。
上述的第三获取模块和第四获取模块可以设置在图2的数据采集模块中,第三计算模块和第四计算模块可以设置在图2的数据计算模块中。
根据本发明的实施方式可以看出,预测本次促销活动的销售数据时,参考选择出的历史上的一次促销活动的数据,并且本发明实施方式提出考虑到如下两个方面:一方面由于距离历史促销活动已经过去一段时间,商品的销售情况一般会发生变化;另一方面销售情况一般不会突发大的变化;因此本发明实施方式提出进一步参考上述历史上的一次促销活动开始之前的商品销售的数据以及本次促销活动开始之前的商品销售的数据,这样有助于使本次促销活动的销售数据的预测更加准确。
下面参考图5,其示出了适于用来实现本发明实施例的终端设备的计算机系统500的结构示意图。图5示出的终端设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,计算机系统500包括中央处理单元(CPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括第一获取模块、第二获取模块、第三获取模块以及第四获取模块,第一计算模块、第二计算模块、第三计算模块以及第四计算模块、。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:获取促销商品在历史参考促销活动开始之前的第一时段长度的历史前期浏览量,以及获取该促销商品在本次促销活动开始之前的第一时段长度的本次前期浏览量;针对在一日之中选择的考察时段,获取促销商品在所述历史参考促销活动中该时段的历史时段浏览量和历史时段订单量;根据所述历史时段浏览量和历史时段订单量得出历史参考促销活动在所述考察时段的历史时段转化率;根据所述历史前期浏览量、本次前期浏览量、历史时段浏览量、以及所述历史时段转化率进行计算,以得到本次促销活动在所述考察时段的订单量预测数据。
在本发明实施方式中,预测本次促销活动的销售数据时,参考选择出的历史上的一次促销活动的数据,并且本发明实施方式提出考虑到如下两个方面:一方面由于距离历史促销活动已经过去一段时间,商品的销售情况一般会发生变化;另一方面销售情况一般不会突发大的变化;因此本发明实施方式提出进一步参考上述历史上的一次促销活动开始之前的商品销售的数据以及本次促销活动开始之前的商品销售的数据,这样有助于使本次促销活动的销售数据的预测更加准确。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (12)
1.一种预测促销活动销售数据的方法,其特征在于,包括:
获取促销商品在历史参考促销活动开始之前的第一时段长度的历史前期浏览量,以及获取该促销商品在本次促销活动开始之前的第一时段长度的本次前期浏览量;针对在一日之中选择的考察时段,获取促销商品在所述历史参考促销活动中该时段的历史时段浏览量和历史时段订单量;
根据所述历史时段浏览量和历史时段订单量得出历史参考促销活动在所述考察时段的历史时段转化率;
根据所述历史前期浏览量、本次前期浏览量、历史时段浏览量、以及所述历史时段转化率进行计算,以得到本次促销活动在所述考察时段的订单量预测数据。
2.根据权利要求1所述的方法,其特征在于,所述根据所述历史时段浏览量、历史前期浏览量、本次前期浏览量、以及所述历史时段转化率进行计算,以得到本次促销活动在所述考察时段的订单量预测数据的步骤包括:
根据如下公式确定本次促销活动在所述考察时段的订单量预测数据区间:
OQmaxN=X2×PVlastN×RPV×TRlastN
OQminN=Y2×PVlastN×RPV×TRlastN
其中,OQminN和OQmaxN分别表示所述订单量预测数据区间的左端点值和右端点值,PVlastN表示所述历史时段浏览量,RPV表示所述本次前期浏览量与所述历史前期浏览量的比值,TRlastN表示所述历史时段转化率,X和Y表示预设的加权系数,并且X≥Y、X+Y=2。
3.根据权利要求2所述的方法,其特征在于,所述预设的加权系数X=1.0668,Y=0.9322。
4.一种预测促销活动销售数据的方法,其特征在于,包括:
获取促销商品在历史参考促销活动开始之前的第一时段长度的历史前期浏览量和历史前期客单价,以及获取该促销商品在本次促销活动开始之前的第一时段长度的本次前期浏览量和本次前期客单价;针对在一日之中选择的考察时段,获取促销商品在所述历史参考促销活动中该时段的历史时段浏览量和历史时段订单量、以及历史时段销售金额;
根据所述历史时段浏览量和历史时段订单量得出历史参考促销活动在所述考察时段的历史时段转化率,并且根据所述历史时段销售金额和所述历史时段订单量得出历时时段客单价;
根据所述历史前期浏览量、历史前期客单价、本次前期浏览量、本次前期客单价、历史时段浏览量、历史时段客单价、以及所述历史时段转化率进行计算,以得到本次促销活动在所述考察时段的销售金额预测数据。
5.根据权利要求4所述的方法,其特征在于,所述根据所述历史前期浏览量、历史前期客单价、本次前期浏览量、本次前期客单价、历史时段浏览量、历史时段客单价、以及所述历史时段转化率进行计算,以得到本次促销活动在所述考察时段的销售金额预测数据的步骤包括:
根据如下公式确定本次促销活动在所述考察时段的订单量预测数据区间:
VAmaxN=i3×PVlastN×RPV×TRlastN×UPlastN×RUP
VAminN=j3×PVlastN×RPV×TRlastN×UPlastN×RUP
其中,VAminN和VAmaxN分别表示所述销售金额预测数据区间的左端点值和右端点值,PVlastN表示所述历史时段浏览量,RPV表示所述本次前期浏览量与所述历史前期浏览量的比值,TRlastN表示所述历史时段转化率,UPlastN表示所述历史时段客单价,RUP表示所述本次前期客单价与所述历史前期客单价的比值,i和j表示预设的加权系数,并且i≥j、i+j=2。
6.根据权利要求5所述的方法,其特征在于,所述预设的加权系数i=1.0668,j=0.9322。
7.一种预测促销活动销售数据的装置,其特征在于,包括:
第一获取模块,用于获取促销商品在历史参考促销活动开始之前的第一时段长度的历史前期浏览量,以及获取该促销商品在本次促销活动开始之前的第一时段长度的本次前期浏览量;
第二获取模块,用于针对在一日之中选择的考察时段,获取促销商品在所述历史参考促销活动中该时段的历史时段浏览量和历史时段订单量;
第一计算模块,用于根据所述历史时段浏览量和历史时段订单量得出历史参考促销活动在所述考察时段的历史时段转化率;
第二计算模块,用于根据所述历史前期浏览量、本次前期浏览量、历史时段浏览量、以及所述历史时段转化率进行计算,以得到本次促销活动在所述考察时段的订单量预测数据。
8.根据权利要求7所述的装置,其特征在于,所述第二计算模块还用于根据如下公式确定本次促销活动在所述考察时段的订单量预测数据区间:
OQmaxN=X2×PVlastN×RPV×TRlastN
OQminN=Y2×PVlastN×RPV×TRlastN
其中,OQminN和OQmaxN分别表示所述订单量预测数据区间的左端点值和右端点值,PVlastN表示所述历史时段浏览量,RPV表示所述本次前期浏览量与所述历史前期浏览量的比值,TRlastN表示所述历史时段转化率,X和Y表示预设的加权系数,并且X≥Y、X+Y=2。
9.一种预测促销活动销售数据的装置,其特征在于,包括:
第三获取模块,用于获取促销商品在历史参考促销活动开始之前的第一时段长度的历史前期浏览量和历史前期客单价,以及获取该促销商品在本次促销活动开始之前的第一时段长度的本次前期浏览量和本次前期客单价;
第四获取模块,用于针对在一日之中选择的考察时段,获取促销商品在所述历史参考促销活动中该时段的历史时段浏览量和历史时段订单量、以及历史时段销售金额;
第三计算模块,用于根据所述历史时段浏览量和历史时段订单量得出历史参考促销活动在所述考察时段的历史时段转化率,并且根据所述历史时段销售金额和所述历史时段订单量得出历时时段客单价;
第四计算模块,用于根据所述历史前期浏览量、历史前期客单价、本次前期浏览量、本次前期客单价、历史时段浏览量、历史时段客单价、以及所述历史时段转化率进行计算,以得到本次促销活动在所述考察时段的销售金额预测数据。
10.根据权利要求9所述的装置,其特征在于,所述第四计算模块还用于根据如下公式确定本次促销活动在所述考察时段的订单量预测数据区间:
VAmaxN=i3×PVlastN×RPV×TRlastN×UPlastN×RUP
VAminN=j3×PVlastN×RPV×TRlastN×UPlastN×RUP
其中,VAminN和VAmaxN分别表示所述销售金额预测数据区间的左端点值和右端点值,PVlastN表示所述历史时段浏览量,RPV表示所述本次前期浏览量与所述历史前期浏览量的比值,TRlastN表示所述历史时段转化率,UPlastN表示所述历史时段客单价,RUP表示所述本次前期客单价与所述历史前期客单价的比值,i和j表示预设的加权系数,并且i≥j、i+j=2。
11.一种电子设备,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
12.一种计算机可读介质,其特征在于,所述计算机可读介质存储计算机指令,所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710352307.1A CN107274209A (zh) | 2017-05-18 | 2017-05-18 | 预测促销活动销售数据的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710352307.1A CN107274209A (zh) | 2017-05-18 | 2017-05-18 | 预测促销活动销售数据的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107274209A true CN107274209A (zh) | 2017-10-20 |
Family
ID=60063998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710352307.1A Pending CN107274209A (zh) | 2017-05-18 | 2017-05-18 | 预测促销活动销售数据的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107274209A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108520439A (zh) * | 2018-04-03 | 2018-09-11 | 联想(北京)有限公司 | 评价广告效应的方法、服务器集群以及系统 |
CN109727073A (zh) * | 2018-12-29 | 2019-05-07 | 携程旅游网络技术(上海)有限公司 | 访问流量控制方法、系统、电子设备和存储介质 |
CN110060107A (zh) * | 2019-04-25 | 2019-07-26 | 湖南餐效信息科技有限公司 | 营收估算方法、营收估算系统、终端及存储介质 |
CN110084541A (zh) * | 2018-01-26 | 2019-08-02 | 北京京东尚科信息技术有限公司 | 用于预测供应商送货时长的方法和装置 |
CN110826949A (zh) * | 2018-08-08 | 2020-02-21 | 北京京东振世信息技术有限公司 | 产能控制实现方法和装置 |
CN110837907A (zh) * | 2018-08-17 | 2020-02-25 | 天津京东深拓机器人科技有限公司 | 一种预测波次订单量的方法和装置 |
JP2020038519A (ja) * | 2018-09-05 | 2020-03-12 | 本田技研工業株式会社 | 商取引情報処理システム |
CN112051843A (zh) * | 2020-08-07 | 2020-12-08 | 深圳优地科技有限公司 | 基于订单预估的路径规划方法、装置、机器人和存储介质 |
CN113633992A (zh) * | 2021-08-09 | 2021-11-12 | 网易(杭州)网络有限公司 | 游戏运营数据预测方法、装置、电子设备和存储介质 |
CN115423544A (zh) * | 2022-07-04 | 2022-12-02 | 艾象科技(深圳)股份有限公司 | 一种商品订单数据采集系统及数据采集方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105976199A (zh) * | 2016-04-26 | 2016-09-28 | 重庆大学 | 一种基于混合模型的医药销量的预测方法及系统 |
CN106408341A (zh) * | 2016-09-21 | 2017-02-15 | 北京小米移动软件有限公司 | 货品销量的预测方法及装置、电子设备 |
-
2017
- 2017-05-18 CN CN201710352307.1A patent/CN107274209A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105976199A (zh) * | 2016-04-26 | 2016-09-28 | 重庆大学 | 一种基于混合模型的医药销量的预测方法及系统 |
CN106408341A (zh) * | 2016-09-21 | 2017-02-15 | 北京小米移动软件有限公司 | 货品销量的预测方法及装置、电子设备 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110084541B (zh) * | 2018-01-26 | 2023-09-26 | 北京京东尚科信息技术有限公司 | 用于预测供应商送货时长的方法和装置 |
CN110084541A (zh) * | 2018-01-26 | 2019-08-02 | 北京京东尚科信息技术有限公司 | 用于预测供应商送货时长的方法和装置 |
CN108520439A (zh) * | 2018-04-03 | 2018-09-11 | 联想(北京)有限公司 | 评价广告效应的方法、服务器集群以及系统 |
CN110826949A (zh) * | 2018-08-08 | 2020-02-21 | 北京京东振世信息技术有限公司 | 产能控制实现方法和装置 |
CN110837907A (zh) * | 2018-08-17 | 2020-02-25 | 天津京东深拓机器人科技有限公司 | 一种预测波次订单量的方法和装置 |
JP2020038519A (ja) * | 2018-09-05 | 2020-03-12 | 本田技研工業株式会社 | 商取引情報処理システム |
CN109727073B (zh) * | 2018-12-29 | 2021-03-05 | 携程旅游网络技术(上海)有限公司 | 访问流量控制方法、系统、电子设备和存储介质 |
CN109727073A (zh) * | 2018-12-29 | 2019-05-07 | 携程旅游网络技术(上海)有限公司 | 访问流量控制方法、系统、电子设备和存储介质 |
CN110060107A (zh) * | 2019-04-25 | 2019-07-26 | 湖南餐效信息科技有限公司 | 营收估算方法、营收估算系统、终端及存储介质 |
CN112051843A (zh) * | 2020-08-07 | 2020-12-08 | 深圳优地科技有限公司 | 基于订单预估的路径规划方法、装置、机器人和存储介质 |
CN112051843B (zh) * | 2020-08-07 | 2024-06-18 | 深圳优地科技有限公司 | 基于订单预估的路径规划方法、装置、机器人和存储介质 |
CN113633992A (zh) * | 2021-08-09 | 2021-11-12 | 网易(杭州)网络有限公司 | 游戏运营数据预测方法、装置、电子设备和存储介质 |
CN115423544A (zh) * | 2022-07-04 | 2022-12-02 | 艾象科技(深圳)股份有限公司 | 一种商品订单数据采集系统及数据采集方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107274209A (zh) | 预测促销活动销售数据的方法和装置 | |
CN107105031A (zh) | 信息推送方法和装置 | |
CN107273436A (zh) | 一种推荐模型的训练方法和训练装置 | |
CN107464169A (zh) | 信息输出方法和装置 | |
CN107609890A (zh) | 一种订单跟踪的方法和装置 | |
CN108985809A (zh) | 激励推送的方法、装置、电子设备和存储介质 | |
CN109961299A (zh) | 数据分析的方法和装置 | |
CN110109901A (zh) | 筛选目标对象的方法和装置 | |
CN107301592A (zh) | 用于商品替代品发掘的方法及装置 | |
CN112528153B (zh) | 内容推荐方法、装置、设备、存储介质以及程序产品 | |
CN110363604A (zh) | 页面生成方法和装置 | |
CN113095893A (zh) | 确定物品销量的方法和装置 | |
CN110020162A (zh) | 用户识别方法和装置 | |
CN107517251A (zh) | 信息推送方法和装置 | |
CN108898496A (zh) | 产品推荐方法、装置、介质及电子设备 | |
CN109961198A (zh) | 关联信息生成方法和装置 | |
CN110473036A (zh) | 一种生成订单号的方法和装置 | |
CN107463675A (zh) | 数据处理方法及其系统 | |
CN109727047A (zh) | 一种确定数据关联度的方法和装置、数据推荐方法和装置 | |
CN110348921A (zh) | 门店物品选取的方法和装置 | |
CN110473043A (zh) | 一种基于用户行为的物品推荐方法和装置 | |
CN110020876A (zh) | 一种信息生成方法和装置 | |
CN107291835A (zh) | 一种搜索词的推荐方法和装置 | |
JP5403809B2 (ja) | 顧客情報管理サーバ、及び顧客情報管理プログラム | |
CN110232581A (zh) | 一种为用户提供优惠券的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171020 |
|
RJ01 | Rejection of invention patent application after publication |