CN107578293A - 一种电商交易业务中的方案制定方法及装置 - Google Patents

Abstract

本发明提供了一种电商交易业务中的方案制定方法及装置，该方法可以包括：建立制造商、电商和消费者的博弈模型；采集商品评价、电商销售和制造商生产信息；根据商品评价和电商销售信息，利用博弈模型确定从每个电商购买每种商品的消费者收益值；根据消费者收益值，为消费者制定商品推荐方案；根据商品评价和电商销售信息，利用博弈模型确定可使每个电商销售每种商品产生最大的电商收益值的销售条件，为电商制定商品销售方案；根据电商销售和制造商生产信息，利用博弈模型确定可使每个制造商生产每种商品产生最大的电商收益值的生产条件，为制造商制定商品生产方案。本方案能够给制造商、电商和消费者制定相应的参考方案，以实现各方利益较大化。

Description

一种电商交易业务中的方案制定方法及装置

技术领域

本发明涉及计算机技术领域，特别涉及一种电商交易业务中的方案制定方法及装置。

背景技术

如今，“双十一”、“双十二”等互联网促销活动已经成为制造商、电商和消费者均不可或缺的一部分。制造商将生产的商品销售给电商，然后电商在促销日通过打折促销将商品销售给消费者。

目前，无论是针对消费者，制造商还是电商，均是比较盲目的进行购买、销售或者是生产。从而可能会出现制造商供货过多、电商物流和售后不佳、消费者未能购买到心仪的商品等问题，致使三方均未得到较大的利益。

可见，如何给制造商、电商和消费者分别制定相应的参考方案，以实现各方利益的较大化，则成为当前亟待解决的问题。

发明内容

本发明实施例提供了一种电商交易业务中的方案制定方法及装置，给制造商、电商和消费者分别制定相应的参考方案，以实现各方利益的较大化。

第一方面，本发明实施例提供了一种电商交易业务中的方案制定方法，建立制造商、电商以及消费者的博弈模型；还包括：

采集指定时间段内的商品评价信息、电商销售信息和制造商生产信息；

根据所述商品评价信息和所述电商销售信息，利用所述博弈模型确定从每一个所述电商购买每一种商品分别产生的消费者收益值；

根据各个所述消费者收益值，为所述消费者制定商品推荐方案；

根据所述商品评价信息和所述电商销售信息，利用所述博弈模型确定能够使每一个所述电商销售每一种所述商品产生最大的电商收益值的销售条件，并根据所述销售条件，为相应电商制定相应商品的商品销售方案；

根据所述电商销售信息和所述制造商生产信息，利用所述博弈模型确定能够使每一个所述制造商生产每一种所述商品产生最大的电商收益值的生产条件，并根据所述生产条件，为相应制造商制定相应商品的商品生产方案。

优选地，

所述商品评价信息，包括：物流评价信息、质量评价信息、售后评价信息和商品评价数量；

所述电商销售信息，包括：商品标价和商品折扣价；

所述根据所述商品评价信息和所述电商销售信息，利用所述博弈模型确定从每一个所述电商购买每一种商品分别产生的消费者收益值，包括：

利用下述所述博弈模型中的第一计算公式(1)，计算从每一个所述电商购买每一种所述商品分别产生的满足度；

其中，M_jk表征从标识为j的电商购买标识为k的商品产生的满足度；w_ijk表征标识为i的消费者所给出的针对标识为j的电商中的标识为k的商品的物流评价信息进行转换后得到的物流评分值；z_ijk表征标识为i的消费者所给出的针对标识为j的电商中的标识为k的商品的质量评价信息进行转换后得到的质量评分值；s_ijk表征标识为i的消费者所给出的针对标识为j的电商中的标识为k的商品的售后评价信息进行转换后得到的售后评分值；B_jk表征标识为j的电商中的标识为k的商品的商品标价；K_jk表征标识为j的电商中的标识为k的商品的商品折扣价；α表征所述物流评价信息对应的权重值；β表征所述质量评价信息对应的权重值；γ表征所述售后评价信息对应的权重值；a表征所述物流评价信息对应的总分值；b表征所述质量评价信息对应的总分值；c表征所述售后评价信息对应的总分值；r_jk表征标识为j的电商中的标识为k的商品所对应的商品评价数量；

根据计算出各个所述满足度，利用下述所述博弈模型中的第二计算公式(2)，计算从每一个所述电商购买每一种所述商品分别产生的消费者收益值；

X_jk＝M_jk-B_jk×K_jk (2)

其中，X_jk表征从标识为j的电商购买标识为k的商品产生的消费者收益值；M_jk表征从标识为j的电商购买标识为k的商品产生的满足度；B_jk表征标识为j的电商中的标识为k的商品的商品标价；K_jk表征标识为j的电商中的标识为k的商品的商品折扣价。

优选地，

所述根据各个所述消费者收益值，为所述消费者制定商品推荐方案，包括：

根据每一个所述消费者收益值分别对应的所述商品的属性，将各个所述消费者收益值划分为至少一组；

针对划分出的每一组中的至少一个所述消费者收益值，从至少一个所述消费者收益值中选择至少一个相对最大的消费者收益值；

根据选择出的每一个所述相对最大的消费者收益值所对应的商品以及电商，为所述消费者制定商品推荐方案。

优选地，

所述电商销售信息，进一步包括：商品购入单价、商品销售量、商品售后单价、物流支付单价、购买商品的消费者数量以及需要提供售后的消费者数量；

所述根据所述商品评价信息和所述电商销售信息，利用所述博弈模型确定能够使每一个所述电商销售每一种所述商品产生最大的电商收益值的销售条件，并根据所述销售条件，为相应电商制定相应商品的商品销售方案，包括：

针对每一个所述电商中的每一种所述商品，均执行：确定计算出的所述满足度与采集到的对应的所述商品销售量之间的第一正比例系数；确定计算出的所述满足度与采集到的对应的所述商品售后单价和所述物流支付单价之间的第二正比例系数；

确定一组参考商品折扣价、参考商品售后单价和参考物流支付单价，以使得下述所述博弈模型中的第三计算公式(3)能够取到最大的电商收益值；

其中，D_jk表征标识为j的电商销售标识为k的商品所产生的电商收益值；B_jk表征标识为j的电商中的标识为k的商品的商品标价；A_jk表征标识为j的电商中的标识为k的商品的参考商品折扣价；G_jk表征标识为j的电商从相应制造商购买到标识为j的商品的商品购入单价；F_jk表征标识为j的电商对标识为k的商品提供的参考物流支付单价；S_jk表征标识为j的电商对标识为k的商品提供的参考商品售后单价；t_jk表征需要标识为j的电商对标识为j的商品提供售后服务的消费者数量；v_jk表征从标识为j的电商购买标识为k的商品的消费者数量；λ_jk表征标识为j的电商中的标识为k的商品对应的第一正比例系数；μ_jk表征表征标识为j的电商中的标识为k的商品对应的第二正比例系数；

根据能够使D_jk取到最大值的参考商品折扣价、参考商品售后单价和参考物流支付单价，为相应电商制定相应商品的商品销售方案。

优选地，

所述制造商生产信息，包括：商品生产量、商品销售单价和商品存储单价、商品成本单价；

所述根据所述电商销售信息和所述制造商生产信息，利用所述博弈模型确定每一个所述制造商生产每一种所述商品所能够产生的最大的制造商收益值，并根据相应所述最大的制造商收益值，为相应制造商制定相应商品的商品生产方案，包括：

针对每一个所述电商中的每一种所述商品，均执行：确定采集到的对应的所述商品生产量与采集到的对应的所述商品销售量之间的第三正比例系数；

确定一个参考商品存储量，以使得下述所述博弈模型中的第四计算公式(4)能够取到最大的制造商收益值；

Z_uk＝(C_uk-E_uk)×J_ujk-E_uk×O_uk-C_uk×F_uk (4)

其中，C_uk＝ξ_jk×λ_jk×μ_jk×A_jk×F_jk×S_jk；C_uk表征标识为u的制造商生产标识为k的商品的参考商品销售量；ξ_jk表征标识为u的制造商中的标识为k的商品对应的第三正比例系数；λ_jk表征标识为j的电商中的标识为k的商品对应的第一正比例系数；μ_jk表征表征标识为j的电商中的标识为k的商品对应的第二正比例系数；A_jk表征标识为j的电商中的标识为k的商品的参考商品折扣价；F_jk表征标识为j的电商对标识为k的商品提供的参考物流支付单价；S_jk表征标识为j的电商对标识为k的商品提供的参考商品售后单价；J_ujk表征标识为u的制造商将标识为k的商品出售给标识为j的电商的商品销售单价；E_uk表征标识为u的制造商存储标识为k的商品的参考商品存储量；O_uk表征标识为u的制造商存储标识为k的商品的商品存储单价；F_uk表征标识为u的制造商生产标识为k的商品的商品成本单价；

根据能够使Z_uk取到最大值的参考商品存储量以及能够确定出的参考商品销售量，为相应制造商制定相应商品的商品生产方案。

第二方面，本发明实施例提供了一种电商交易业务中的方案制定装置，包括：

模型建立单元，用于建立制造商、电商以及消费者的博弈模型；

信息采集单元，用于采集指定时间段内的商品评价信息、电商销售信息和制造商生产信息；

商品推荐方案制定单元，用于根据所述商品评价信息和所述电商销售信息，利用所述博弈模型确定从每一个所述电商购买每一种商品分别产生的消费者收益值；根据各个所述消费者收益值，为所述消费者制定商品推荐方案；

商品销售方案制定单元，用于根据所述商品评价信息和所述电商销售信息，利用所述博弈模型确定能够使每一个所述电商销售每一种所述商品产生最大的电商收益值的销售条件，并根据所述销售条件，为相应电商制定相应商品的商品销售方案；

商品生产方案制定单元，用于根据所述电商销售信息和所述制造商生产信息，利用所述博弈模型确定能够使每一个所述制造商生产每一种所述商品产生最大的电商收益值的生产条件，并根据所述生产条件，为相应制造商制定相应商品的商品生产方案。

优选地，

所述商品评价信息，包括：物流评价信息、质量评价信息、售后评价信息和商品评价数量；

所述电商销售信息，包括：商品标价和商品折扣价；

所述商品推荐方案制定单元，用于利用下述所述博弈模型中的第一计算公式(1)，计算从每一个所述电商购买每一种所述商品分别产生的满足度；

其中，M_jk表征从标识为j的电商购买标识为k的商品产生的满足度；w_ijk表征标识为i的消费者所给出的针对标识为j的电商中的标识为k的商品的物流评价信息进行转换后得到的物流评分值；z_ijk表征标识为i的消费者所给出的针对标识为j的电商中的标识为k的商品的质量评价信息进行转换后得到的质量评分值；s_ijk表征标识为i的消费者所给出的针对标识为j的电商中的标识为k的商品的售后评价信息进行转换后得到的售后评分值；B_jk表征标识为j的电商中的标识为k的商品的商品标价；K_jk表征标识为j的电商中的标识为k的商品的商品折扣价；α表征所述物流评价信息对应的权重值；β表征所述质量评价信息对应的权重值；γ表征所述售后评价信息对应的权重值；a表征所述物流评价信息对应的总分值；b表征所述质量评价信息对应的总分值；c表征所述售后评价信息对应的总分值；r_jk表征标识为j的电商中的标识为k的商品所对应的商品评价数量；

根据计算出各个所述满足度，利用下述所述博弈模型中的第二计算公式(2)，计算从每一个所述电商购买每一种所述商品分别产生的消费者收益值；

X_jk＝M_jk-B_jk×K_jk (2)

其中，X_jk表征从标识为j的电商购买标识为k的商品产生的消费者收益值；M_jk表征从标识为j的电商购买标识为k的商品产生的满足度；B_jk表征标识为j的电商中的标识为k的商品的商品标价；K_jk表征标识为j的电商中的标识为k的商品的商品折扣价。

优选地，

所述商品推荐方案制定单元，用于根据每一个所述消费者收益值分别对应的所述商品的属性，将各个所述消费者收益值划分为至少一组；针对划分出的每一组中的至少一个所述消费者收益值，从至少一个所述消费者收益值中选择至少一个相对最大的消费者收益值；根据选择出的每一个所述相对最大的消费者收益值所对应的商品以及电商，为所述消费者制定商品推荐方案。

优选地，

所述电商销售信息，进一步包括：商品购入单价、商品销售量、商品售后单价、物流支付单价、购买商品的消费者数量以及需要提供售后的消费者数量；

所述商品销售方案制定单元，用于针对每一个所述电商中的每一种所述商品，均执行：确定计算出的所述满足度与采集到的对应的所述商品销售量之间的第一正比例系数；确定计算出的所述满足度与采集到的对应的所述商品售后单价和所述物流支付单价之间的第二正比例系数；

确定一组参考商品折扣价、参考商品售后单价和参考物流支付单价，以使得下述所述博弈模型中的第三计算公式(3)能够取到最大的电商收益值；

其中，D_jk表征标识为j的电商销售标识为k的商品所产生的电商收益值；B_jk表征标识为j的电商中的标识为k的商品的商品标价；A_jk表征标识为j的电商中的标识为k的商品的参考商品折扣价；G_jk表征标识为j的电商从相应制造商购买到标识为j的商品的商品购入单价；F_jk表征标识为j的电商对标识为k的商品提供的参考物流支付单价；S_jk表征标识为j的电商对标识为k的商品提供的参考商品售后单价；t_jk表征需要标识为j的电商对标识为j的商品提供售后服务的消费者数量；v_jk表征从标识为j的电商购买标识为k的商品的消费者数量；λ_jk表征标识为j的电商中的标识为k的商品对应的第一正比例系数；μ_jk表征表征标识为j的电商中的标识为k的商品对应的第二正比例系数；

根据能够使D_jk取到最大值的参考商品折扣价、参考商品售后单价和参考物流支付单价，为相应电商制定相应商品的商品销售方案。

优选地，

所述制造商生产信息，包括：商品生产量、商品销售单价和商品存储单价、商品成本单价；

所述商品生产方案制定单元，用于针对每一个所述电商中的每一种所述商品，均执行：确定采集到的对应的所述商品生产量与采集到的对应的所述商品销售量之间的第三正比例系数；

确定一个参考商品存储量，以使得下述所述博弈模型中的第四计算公式(4)能够取到最大的制造商收益值；

Z_uk＝(C_uk-E_uk)×J_ujk-E_uk×O_uk-C_uk×F_uk (4)

其中，C_uk＝ξ_jk×λ_jk×μ_jk×A_jk×F_jk×S_jk；C_uk表征标识为u的制造商生产标识为k的商品的参考商品销售量；ξ_jk表征标识为u的制造商中的标识为k的商品对应的第三正比例系数；λ_jk表征标识为j的电商中的标识为k的商品对应的第一正比例系数；μ_jk表征表征标识为j的电商中的标识为k的商品对应的第二正比例系数；A_jk表征标识为j的电商中的标识为k的商品的参考商品折扣价；F_jk表征标识为j的电商对标识为k的商品提供的参考物流支付单价；S_jk表征标识为j的电商对标识为k的商品提供的参考商品售后单价；J_ujk表征标识为u的制造商将标识为k的商品出售给标识为j的电商的商品销售单价；E_uk表征标识为u的制造商存储标识为k的商品的参考商品存储量；O_uk表征标识为u的制造商存储标识为k的商品的商品存储单价；F_uk表征标识为u的制造商生产标识为k的商品的商品成本单价；

根据能够使Z_uk取到最大值的参考商品存储量以及能够确定出的参考商品销售量，为相应制造商制定相应商品的商品生产方案。

本发明实施例提供了一种电商交易业务中的方案制定方法及装置，通过预先建立制造商、电商以及消费者的博弈模型，然后采集之前的在指定时间段内的商品评价信息、电商销售信息和制造商生产信息，那么针对消费者，可以利用博弈模型确定从每一个电商购买每一种商品所产生的消费者收益值，进而通过各个消费者收益值制定商品推荐方案；针对电商，可利用博弈模型，以及采集到的数据，确定能够使每一个电商销售每一种商品所能够产生的最大的电商收益值的销售条件，进而由确定出的销售条件制定商品销售方案；针对制造商，利用博弈模型，以及采集到的数据，确定能够使每一个制造商生产每一种商品所能够产生的最大的制造商收益值的生产条件，进而由确定出的销售条件指定商品生产方案。因此，本方案能够给制造商、电商和消费者制定相应的参考方案，实现各方利益的较大化。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一个实施例提供的一种电商交易业务中的方案制定方法的流程图；

图2是本发明另一个实施例提供的一种电商交易业务中的方案制定方法的流程图；

图3是本发明一个实施例提供的一种电商交易业务中的方案制定装置的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明实施例提供了一种电商交易业务中的方案制定方法，该方法可以包括以下步骤：

步骤101：建立制造商、电商以及消费者的博弈模型。

步骤102：采集指定时间段内的商品评价信息、电商销售信息和制造商生产信息。

步骤103：根据商品评价信息和电商销售信息，利用博弈模型确定从每一个电商购买每一种商品分别产生的消费者收益值。

步骤104：根据各个消费者收益值，为消费者制定商品推荐方案。

步骤105：根据商品评价信息和电商销售信息，利用博弈模型确定能够使每一个电商销售每一种商品产生最大的电商收益值的销售条件，并根据销售条件，为相应电商制定相应商品的商品销售方案。

步骤106：根据电商销售信息和制造商生产信息，利用博弈模型确定能够使每一个制造商生产每一种商品产生最大的电商收益值的生产条件，并根据生产条件，为相应制造商制定相应商品的商品生产方案。

本发明实施例提供了一种电商交易业务中的方案制定方法，通过预先建立制造商、电商以及消费者的博弈模型，然后采集之前的在指定时间段内的商品评价信息、电商销售信息和制造商生产信息，那么针对消费者，可以利用博弈模型确定从每一个电商购买每一种商品所产生的消费者收益值，进而通过各个消费者收益值制定商品推荐方案；针对电商，可利用博弈模型，以及采集到的数据，确定能够使每一个电商销售每一种商品所能够产生的最大的电商收益值的销售条件，进而由确定出的销售条件制定商品销售方案；针对制造商，利用博弈模型，以及采集到的数据，确定能够使每一个制造商生产每一种商品所能够产生的最大的制造商收益值的生产条件，进而由确定出的销售条件指定商品生产方案。因此，本方案能够给制造商、电商和消费者制定相应的参考方案，实现各方利益的较大化。

为了能够给消费者制定相应的商品推荐方案，在本发明一个实施例中，所述商品评价信息，包括：物流评价信息、质量评价信息、售后评价信息和商品评价数量；

所述电商销售信息，包括：商品标价和商品折扣价；

所述步骤103的具体实施方式，可包括：

利用下述所述博弈模型中的第一计算公式(1)，计算从每一个所述电商购买每一种所述商品分别产生的满足度；

其中，M_jk表征从标识为j的电商购买标识为k的商品产生的满足度；w_ijk表征标识为i的消费者所给出的针对标识为j的电商中的标识为k的商品的物流评价信息进行转换后得到的物流评分值；z_ijk表征标识为i的消费者所给出的针对标识为j的电商中的标识为k的商品的质量评价信息进行转换后得到的质量评分值；s_ijk表征标识为i的消费者所给出的针对标识为j的电商中的标识为k的商品的售后评价信息进行转换后得到的售后评分值；B_jk表征标识为j的电商中的标识为k的商品的商品标价；K_jk表征标识为j的电商中的标识为k的商品的商品折扣价；α表征所述物流评价信息对应的权重值；β表征所述质量评价信息对应的权重值；γ表征所述售后评价信息对应的权重值；a表征所述物流评价信息对应的总分值；b表征所述质量评价信息对应的总分值；c表征所述售后评价信息对应的总分值；r_jk表征标识为j的电商中的标识为k的商品所对应的商品评价数量；

根据计算出各个所述满足度，利用下述所述博弈模型中的第二计算公式(2)，计算从每一个所述电商购买每一种所述商品分别产生的消费者收益值；

X_jk＝M_jk-B_jk×K_jk (2)

其中，X_jk表征从标识为j的电商购买标识为k的商品产生的消费者收益值；M_jk表征从标识为j的电商购买标识为k的商品产生的满足度；B_jk表征标识为j的电商中的标识为k的商品的商品标价；K_jk表征标识为j的电商中的标识为k的商品的商品折扣价。

本发明实施例中，从各个电商平台采集消费者对商品的评价信息，并从中提取有用信息，如针对物流的有“极快”、“慢”等等，针对商品质量的有“好”、“一般”等等，针对商品售后的有“极好”、“一般”等等。因此，在采集到这些信息之后，可首先根据预设的对应关系，如，极快--5分、快--4分、较快--3分、慢--2分和非常慢--1分，将采集到的物流评价信息进行数值转换。

例如，计算从电商1中购买商品1产生的满足度，假设在指定时间段内共有1000人购买了该商品，该商品对应的商品标价为100元、对应的商品折扣价为80％，物流评价信息所占的权重值α为0.2、对应的总分值为5分，质量评价信息所占的权重值β为0.2、对应的总分值为5分，售后评价信息所占的权重值γ为0.6、对应的总分值为5分，则根据上述第一计算公式(1)，相应的满足度为其中，以采集到的标识为1的消费者的相应评价信息为例，如该用户给出的物流评价信息为极快、质量极好、售后极好，那么根据预设的相应分值与评价信息的对应关系，可得到w₁₁₁为5分，z₁₁₁为5分，s₁₁₁为5分，这样，最终得到各个转换后的评分值，并代入到上述M₁₁的计算公式中，从而计算出从电商1中购买商品1产生的满足度。之后，再将计算出的M₁₁代入到上述第二计算公式(2)中，则X₁₁＝M₁₁-B₁₁×K₁₁＝M₁₁-100×80％。

为了能够给消费者生成校准确的商品推荐方案，在本发明一个实施例中，所述步骤104的具体实施方式，可包括：

根据每一个所述消费者收益值分别对应的所述商品的属性，将各个所述消费者收益值划分为至少一组；

针对划分出的每一组中的至少一个所述消费者收益值，从至少一个所述消费者收益值中选择至少一个相对最大的消费者收益值；

根据选择出的每一个所述相对最大的消费者收益值所对应的商品以及电商，为所述消费者制定商品推荐方案。

例如，共计算出8个消费者收益值，其中，有5个消费者收益值对应的商品为不同种类的秋装长袖，其余3个对应的商品为不同种类的棉手套，这样，根据秋装长袖和棉手套，将这8个换分为两组。针对第一组中的5个消费者收益值，可对这5个值按照从大至小的顺序进行排序，然后从中选择几个相对较大的，例如，5个值分别为1、2、3、4、5，那么可在这5个值中选择出5和4来，然后将5和4分别对应的商品和电商推荐给消费者。

为了能够该电商制定相应的商品销售方案，在本发明一个实施例中，所述电商销售信息，进一步包括：商品购入单价、商品销售量、商品售后单价、物流支付单价、购买商品的消费者数量以及需要提供售后的消费者数量；

所述步骤105的具体实施方式，可包括：

针对每一个所述电商中的每一种所述商品，均执行：确定计算出的所述满足度与采集到的对应的所述商品销售量之间的第一正比例系数；确定计算出的所述满足度与采集到的对应的所述商品售后单价和所述物流支付单价之间的第二正比例系数；

确定一组参考商品折扣价、参考商品售后单价和参考物流支付单价，以使得下述所述博弈模型中的第三计算公式(3)能够取到最大的电商收益值；

其中，D_jk表征标识为j的电商销售标识为k的商品所产生的电商收益值；B_jk表征标识为j的电商中的标识为k的商品的商品标价；A_jk表征标识为j的电商中的标识为k的商品的参考商品折扣价；G_jk表征标识为j的电商从相应制造商购买到标识为j的商品的商品购入单价；F_jk表征标识为j的电商对标识为k的商品提供的参考物流支付单价；S_jk表征标识为j的电商对标识为k的商品提供的参考商品售后单价；t_jk表征需要标识为j的电商对标识为j的商品提供售后服务的消费者数量；v_jk表征从标识为j的电商购买标识为k的商品的消费者数量；λ_jk表征标识为j的电商中的标识为k的商品对应的第一正比例系数；μ_jk表征表征标识为j的电商中的标识为k的商品对应的第二正比例系数；

根据能够使D_jk取到最大值的参考商品折扣价、参考商品售后单价和参考物流支付单价，为相应电商制定相应商品的商品销售方案。

当购买某种商品所产生的满足度越大时，该商品所对应的商品销售量也会越大，也即满足度与商品销售量之间成正比例关系，假设计算出的针对某商品的满足度为100，采集到的对应的商品销售量为1000，则第一正比例系数则为另外，当电商提供的商品售后单价和物流支付单价均越大时，相应的满足度就会越大，也即满足度与商品售后单价和物流支付单价之间成正比例关系，假设采集到的某电商针对某商品提供的商品售后单价为5元、物流支付单价为10元，而该商品计算出的满足度为100，则针对该商品的第二正比例系数则为

接下来可将10和2分别代入到第三计算公式(3)中。例如，λ₁₁＝10、μ₁₁＝2，B₁₁＝100元，G₁₁＝70元，t₁₁＝10人，则将其分别代入到公式(3)中，则有接下里可通过生成echarts图表的形式，确定一组(A₁₁，F₁₁，S₁₁)，以使得D₁₁能够取到最大值。而确定出的能够使D₁₁取得最大值的一组(A₁₁，F₁₁，S₁₁)，即为为标识为1的电商制定的针对标识为1的商品销售方案。

为了能够该制造商制定相应的商品生产方案，在本发明一个实施例中，所述制造商生产信息，包括：商品生产量、商品销售单价和商品存储单价、商品成本单价；

所述步骤106的具体实施方式，可包括：

针对每一个所述电商中的每一种所述商品，均执行：确定采集到的对应的所述商品生产量与采集到的对应的所述商品销售量之间的第三正比例系数；

确定一个参考商品存储量，以使得下述所述博弈模型中的第四计算公式(4)能够取到最大的制造商收益值；

Z_uk＝(C_uk-E_uk)×J_ujk-E_uk×O_uk-C_uk×F_uk (4)

其中，C_uk＝ξ_jk×λ_jk×μ_jk×A_jk×F_jk×S_jk；C_uk表征标识为u的制造商生产标识为k的商品的参考商品销售量；ξ_jk表征标识为u的制造商中的标识为k的商品对应的第三正比例系数；λ_jk表征标识为j的电商中的标识为k的商品对应的第一正比例系数；μ_jk表征表征标识为j的电商中的标识为k的商品对应的第二正比例系数；A_jk表征标识为j的电商中的标识为k的商品的参考商品折扣价；F_jk表征标识为j的电商对标识为k的商品提供的参考物流支付单价；S_jk表征标识为j的电商对标识为k的商品提供的参考商品售后单价；J_ujk表征标识为u的制造商将标识为k的商品出售给标识为j的电商的商品销售单价；E_uk表征标识为u的制造商存储标识为k的商品的参考商品存储量；O_uk表征标识为u的制造商存储标识为k的商品的商品存储单价；F_uk表征标识为u的制造商生产标识为k的商品的商品成本单价；

根据能够使Z_uk取到最大值的参考商品存储量以及能够确定出的参考商品销售量，为相应制造商制定相应商品的商品生产方案。

本发明实施例中，当购买某种商品所产生的满足度越大时，该商品所对应的商品销售量也会越大，随即制造商生产该商品的商品生产量也会越大，也即商品生产量与商品销售量之间成正比例关系，例如，采集到某种商品的商品生产量为1000，采集到针对该商品的商品销售量为800，则第三正比例系数为

例如，ξ₂₂为0.8，λ₂₂＝10，μ₂₂＝15，A₂₂＝80％，F₂₂＝10和S₂₂＝15，可计算出参考商品销售量为C₂₂＝0.8×10×15×80％×10×15＝14400，然后再根据第四计算公式(4)，确定一个参考商品存储量E₂₂，以使得Z₂₂＝(C₂₂-E₂₂)×J₂₂₂-E₂₂×O₂₂-C₂₂×F₂₂能够取到最大值。而使Z₂₂取到最大值的E₂₂以及参考商品销售量14400，即为为标识为2的制造商制定的针对标识为2的商品的商品生产方案。

下面将详细说明本发明实施例提供的一种电商交易业务中的方案制定方法，如图2所示，该方法可以包括如下步骤：

步骤201：建立制造商、电商以及消费者的博弈模型。

步骤202：采集指定时间段内的商品评价信息、电商销售信息和制造商生产信息。

本发明实施例中，主要是为了对制造商、电商以及消费者在“双十一”期间的行为给出参考，例如，指定时间段为2016/11/11/00:00-2016/11/17/23:59。

其中，商品评价信息中可包括有：物流评价信息、质量评价信息、售后评价信息和商品评价数量；电商销售信息中可包括有：商品标价、商品折扣价、商品购入单价、商品销售量、商品售后单价、物流支付单价、购买商品的消费者数量以及需要提供售后的消费者数量；制造商生产信息中可包括有：商品生产量、商品销售单价和商品存储单价、商品成本单价。

步骤203：利用博弈模型计算从每一个电商购买每一种商品分别产生的满足度。

例如，计算从电商1中购买商品1产生的满足度，假设在步骤202的指定时间段内，一共有1000人购买了该商品，该商品对应的商品标价为100元、对应的商品折扣价为80％，物流评价信息所占的权重值α为0.2、对应的总分值为5分，质量评价信息所占的权重值β为0.2、对应的总分值为5分，售后评价信息所占的权重值γ为0.6、对应的总分值为5分，则根据公式(1)，相应的满足度为

步骤204：根据计算出各个满足度，利用博弈模型计算从每一个电商购买每一种商品分别产生的消费者收益值。

根据上述步骤203以及公式(2)，则从电商1中购买商品1产生的消费者收益值为X₁₁＝M₁₁-B₁₁×K₁₁＝M₁₁-100×80％。

步骤205：根据每一个消费者收益值分别对应的商品的属性，将各个消费者收益值划分为至少一组。

例如，共计算出X₁₁、X₂₃、X₅₈、X₇₇、X₈₉共5个消费者收益值，其中，X₁₁、X₂₃和X₇₇是对应不同种类的短袖，而X₅₈和X₈₉对应的是不同种类的牛仔裤，这样，根据短袖和牛仔裤，将这五个消费者收益值划分成了两组。

步骤206：针对划分出的每一组中的至少一个消费者收益值，从至少一个消费者收益值中选择至少一个相对最大的消费者收益值。

以上述步骤205中的X₁₁、X₂₃和X₇₇组成的一组为例，假设X₁₁＞X₇₇＞X₂₃，那么可在这三个消费者收益值中选择两个相对较大的消费者收益值，即X₁₁和X₇₇。另外，选择相对较大的消费者收益值的个数可依据实际的需求进行设定。

步骤207：根据选择出的每一个相对最大的消费者收益值所对应的商品以及电商，为消费者制定商品推荐方案。

根据上述步骤206，相对最大的消费者收益值X₁₁对应的商品为标识为1的短袖以及所在的电商为标识为1的电商，X₇₇对应的商品为标识为7的短袖以及所在的电商为标识为7的电商，从而，为消费者制定的商品推荐方案中包括有这两个短袖，以及每一个短袖所在的电商。这样，消费者在双十一购物期间，可按照制定的该商品推荐方案购买商品，进而为消费者带来最大的收益值，

步骤208：针对每一个电商中的每一种商品，确定计算出的满足度与采集到的对应的商品销售量之间的第一正比例系数，以及确定计算出的满足度与采集到的对应的商品售后单价和物流支付单价之间的第二正比例系数。

步骤209：确定一组参考商品折扣价、参考商品售后单价和参考物流支付单价，以使得能够取到最大的电商收益值。

将上述步骤208中计算出的第一正比例系数和第二正比例系数代入到公式(3)中。例如，通过上述步骤208计算出λ₁₁＝10、μ₁₁＝2，若B₁₁＝100元，G₁₁＝70元，t₁₁＝10人，则将其分别代入到公式(3)中，则有 接下里可通过生成echarts图表的形式，确定一组(A₁₁，F₁₁，S₁₁)，以使得D₁₁能够取到最大值。

步骤210：根据取到最大的电商收益值时的参考商品折扣价、参考商品售后单价和参考物流支付单价，为相应电商制定相应商品的商品销售方案。

例如，通过上述步骤209，最终确定的这一组为(88.8％，10，15)，则标识为1的电商制定的针对标识为1的商品的商品销售方案即为，推荐标识为1的电商在双十一期间销售标识为1的商品的商品折扣价为88.8％，针对该商品提供的物流支付单价为10元，提供的商品售后单价为15元。

步骤211：针对每一个电商中的每一种商品，确定采集到的对应的商品生产量与采集到的对应的商品销售量之间的第三正比例系数。

步骤212：确定一个参考商品存储量，以使得能够取到最大的制造商收益值。

例如，根据上述步骤212，计算出的ξ₂₂为0.8，以及上述步骤208计算出的λ₂₂和μ₂₂，上述步骤步骤210计算出的A₂₂、F₂₂和S₂₂，可计算出参考商品销售量为C₂₂＝0.8×λ₂₂×μ₂₂×A₂₂×F₂₂×S₂₂，然后再根据公式(4)，确定一个参考商品存储量E₂₂，以使得Z₂₂＝(C₂₂-E₂₂)×J₂₂₂-E₂₂×O₂₂-C₂₂×F₂₂能够取到最大值。

步骤213：根据取到最大的制造商收益值时的参考商品存储量以及能够确定出的参考商品销售量，为相应制造商制定相应商品的商品生产方案。

通过上述步骤212，可以为标识为2的制造商制定双十一期间生产标识为2的商品的商品生产方案，即为电商2推荐生产标识为2的商品的数量以及存储量。

如图3所示，本发明实施例提供了一种电商交易业务中的方案制定装置，包括：

模型建立单元301，用于建立制造商、电商以及消费者的博弈模型；

信息采集单元302，用于采集指定时间段内的商品评价信息、电商销售信息和制造商生产信息；

商品推荐方案制定单元303，用于根据所述商品评价信息和所述电商销售信息，利用所述博弈模型确定从每一个所述电商购买每一种商品分别产生的消费者收益值；根据各个所述消费者收益值，为所述消费者制定商品推荐方案；

商品销售方案制定单元304，用于根据所述商品评价信息和所述电商销售信息，利用所述博弈模型确定能够使每一个所述电商销售每一种所述商品产生最大的电商收益值的销售条件，并根据所述销售条件，为相应电商制定相应商品的商品销售方案；

商品生产方案制定单元305，用于根据所述电商销售信息和所述制造商生产信息，利用所述博弈模型确定能够使每一个所述制造商生产每一种所述商品产生最大的电商收益值的生产条件，并根据所述生产条件，为相应制造商制定相应商品的商品生产方案。

在本发明一个实施例中，所述商品评价信息，包括：物流评价信息、质量评价信息、售后评价信息和商品评价数量；

所述电商销售信息，包括：商品标价和商品折扣价；

所述商品推荐方案制定单元303，用于利用下述所述博弈模型中的第一计算公式(1)，计算从每一个所述电商购买每一种所述商品分别产生的满足度；

其中，M_jk表征从标识为j的电商购买标识为k的商品产生的满足度；w_ijk表征标识为i的消费者所给出的针对标识为j的电商中的标识为k的商品的物流评价信息进行转换后得到的物流评分值；z_ijk表征标识为i的消费者所给出的针对标识为j的电商中的标识为k的商品的质量评价信息进行转换后得到的质量评分值；s_ijk表征标识为i的消费者所给出的针对标识为j的电商中的标识为k的商品的售后评价信息进行转换后得到的售后评分值；B_jk表征标识为j的电商中的标识为k的商品的商品标价；K_jk表征标识为j的电商中的标识为k的商品的商品折扣价；α表征所述物流评价信息对应的权重值；β表征所述质量评价信息对应的权重值；γ表征所述售后评价信息对应的权重值；a表征所述物流评价信息对应的总分值；b表征所述质量评价信息对应的总分值；c表征所述售后评价信息对应的总分值；r_jk表征标识为j的电商中的标识为k的商品所对应的商品评价数量；

根据计算出各个所述满足度，利用下述所述博弈模型中的第二计算公式(2)，计算从每一个所述电商购买每一种所述商品分别产生的消费者收益值；

X_jk＝M_jk-B_jk×K_jk (2)

其中，X_jk表征从标识为j的电商购买标识为k的商品产生的消费者收益值；M_jk表征从标识为j的电商购买标识为k的商品产生的满足度；B_jk表征标识为j的电商中的标识为k的商品的商品标价；K_jk表征标识为j的电商中的标识为k的商品的商品折扣价。

在本发明一个实施例中，所述商品推荐方案制定单元303，用于根据每一个所述消费者收益值分别对应的所述商品的属性，将各个所述消费者收益值划分为至少一组；针对划分出的每一组中的至少一个所述消费者收益值，从至少一个所述消费者收益值中选择至少一个相对最大的消费者收益值；根据选择出的每一个所述相对最大的消费者收益值所对应的商品以及电商，为所述消费者制定商品推荐方案。

在本发明实施例中，所述电商销售信息，进一步包括：商品购入单价、商品销售量、商品售后单价、物流支付单价、购买商品的消费者数量以及需要提供售后的消费者数量；

所述商品销售方案制定单元304，用于针对每一个所述电商中的每一种所述商品，均执行：确定计算出的所述满足度与采集到的对应的所述商品销售量之间的第一正比例系数；确定计算出的所述满足度与采集到的对应的所述商品售后单价和所述物流支付单价之间的第二正比例系数；

确定一组参考商品折扣价、参考商品售后单价和参考物流支付单价，以使得下述所述博弈模型中的第三计算公式(3)能够取到最大的电商收益值；

其中，D_jk表征标识为j的电商销售标识为k的商品所产生的电商收益值；B_jk表征标识为j的电商中的标识为k的商品的商品标价；A_jk表征标识为j的电商中的标识为k的商品的参考商品折扣价；G_jk表征标识为j的电商从相应制造商购买到标识为j的商品的商品购入单价；F_jk表征标识为j的电商对标识为k的商品提供的参考物流支付单价；S_jk表征标识为j的电商对标识为k的商品提供的参考商品售后单价；t_jk表征需要标识为j的电商对标识为j的商品提供售后服务的消费者数量；v_jk表征从标识为j的电商购买标识为k的商品的消费者数量；λ_jk表征标识为j的电商中的标识为k的商品对应的第一正比例系数；μ_jk表征表征标识为j的电商中的标识为k的商品对应的第二正比例系数；

根据能够使D_jk取到最大值的参考商品折扣价、参考商品售后单价和参考物流支付单价，为相应电商制定相应商品的商品销售方案。

在本发明一个实施例中，所述制造商生产信息，包括：商品生产量、商品销售单价和商品存储单价、商品成本单价；

所述商品生产方案制定单元305，用于针对每一个所述电商中的每一种所述商品，均执行：确定采集到的对应的所述商品生产量与采集到的对应的所述商品销售量之间的第三正比例系数；

确定一个参考商品存储量，以使得下述所述博弈模型中的第四计算公式(4)能够取到最大的制造商收益值；

Z_uk＝(C_uk-E_uk)×J_ujk-E_uk×O_uk-C_uk×F_uk (4)

其中，C_uk＝ξ_jk×λ_jk×μ_jk×A_jk×F_jk×S_jk；C_uk表征标识为u的制造商生产标识为k的商品的参考商品销售量；ξ_jk表征标识为u的制造商中的标识为k的商品对应的第三正比例系数；λ_jk表征标识为j的电商中的标识为k的商品对应的第一正比例系数；μ_jk表征表征标识为j的电商中的标识为k的商品对应的第二正比例系数；A_jk表征标识为j的电商中的标识为k的商品的参考商品折扣价；F_jk表征标识为j的电商对标识为k的商品提供的参考物流支付单价；S_jk表征标识为j的电商对标识为k的商品提供的参考商品售后单价；J_ujk表征标识为u的制造商将标识为k的商品出售给标识为j的电商的商品销售单价；E_uk表征标识为u的制造商存储标识为k的商品的参考商品存储量；O_uk表征标识为u的制造商存储标识为k的商品的商品存储单价；F_uk表征标识为u的制造商生产标识为k的商品的商品成本单价；

根据能够使Z_uk取到最大值的参考商品存储量以及能够确定出的参考商品销售量，为相应制造商制定相应商品的商品生产方案。

上述装置内的各单元之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，具体内容可参见本发明方法实施例中的叙述，此处不再赘述。

综上，本发明各个实施例至少具有如下有益效果：

1、在本发明实施例中，通过预先建立制造商、电商以及消费者的博弈模型，然后采集之前的在指定时间段内的商品评价信息、电商销售信息和制造商生产信息，那么针对消费者，可以利用博弈模型确定从每一个电商购买每一种商品所产生的消费者收益值，进而通过各个消费者收益值制定商品推荐方案；针对电商，可利用博弈模型，以及采集到的数据，确定能够使每一个电商销售每一种商品所能够产生的最大的电商收益值的销售条件，进而由确定出的销售条件制定商品销售方案；针对制造商，利用博弈模型，以及采集到的数据，确定能够使每一个制造商生产每一种商品所能够产生的最大的制造商收益值的生产条件，进而由确定出的销售条件指定商品生产方案。因此，本方案能够给制造商、电商和消费者制定相应的参考方案，实现各方利益的较大化。

2、在本发明实施例中，在得到多个消费者收益值后，通过对消费者收益值按照商品的属性进行划分，能够确定出更好的推荐商品，从而可以使消费者购买到较心仪的商品，提高用户的购买体验。

需要说明的是，在本文中，诸如第一和第二之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个〃····〃”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同因素。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储在计算机可读取的存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质中。

最后需要说明的是：以上所述仅为本发明的较佳实施例，仅用于说明本发明的技术方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (10)

1.一种电商交易业务中的方案制定方法，其特征在于，建立制造商、电商以及消费者的博弈模型；还包括：

采集指定时间段内的商品评价信息、电商销售信息和制造商生产信息；

根据所述商品评价信息和所述电商销售信息，利用所述博弈模型确定从每一个所述电商购买每一种商品分别产生的消费者收益值；

根据各个所述消费者收益值，为所述消费者制定商品推荐方案；

根据所述商品评价信息和所述电商销售信息，利用所述博弈模型确定能够使每一个所述电商销售每一种所述商品产生最大的电商收益值的销售条件，并根据所述销售条件，为相应电商制定相应商品的商品销售方案；

根据所述电商销售信息和所述制造商生产信息，利用所述博弈模型确定能够使每一个所述制造商生产每一种所述商品产生最大的电商收益值的生产条件，并根据所述生产条件，为相应制造商制定相应商品的商品生产方案。

2.根据权利要求1所述的方法，其特征在于，

所述商品评价信息，包括：物流评价信息、质量评价信息、售后评价信息和商品评价数量；

所述电商销售信息，包括：商品标价和商品折扣价；

所述根据所述商品评价信息和所述电商销售信息，利用所述博弈模型确定从每一个所述电商购买每一种商品分别产生的消费者收益值，包括：

利用下述所述博弈模型中的第一计算公式，计算从每一个所述电商购买每一种所述商品分别产生的满足度；

<mrow> <msub> <mi>M</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mo>=</mo> <mfrac> <mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>r</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> </msubsup> <mrow> <mo>(</mo> <mi>&amp;alpha;</mi> <mo>&amp;times;</mo> <msub> <mi>w</mi> <mrow> <mi>i</mi> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mo>&amp;times;</mo> <mfrac> <mn>1</mn> <mi>a</mi> </mfrac> <mo>+</mo> <mi>&amp;beta;</mi> <mo>&amp;times;</mo> <msub> <mi>z</mi> <mrow> <mi>i</mi> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mo>&amp;times;</mo> <mfrac> <mn>1</mn> <mi>b</mi> </mfrac> <mo>+</mo> <mi>&amp;gamma;</mi> <mo>&amp;times;</mo> <msub> <mi>s</mi> <mrow> <mi>i</mi> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mo>&amp;times;</mo> <mfrac> <mn>1</mn> <mi>c</mi> </mfrac> <mo>)</mo> </mrow> <mo>&amp;times;</mo> <msub> <mi>B</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mo>&amp;times;</mo> <msub> <mi>K</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> </mrow> <msub> <mi>r</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> </mfrac> </mrow>

其中，M_jk表征从标识为j的电商购买标识为k的商品产生的满足度；w_ijk表征标识为i的消费者所给出的针对标识为j的电商中的标识为k的商品的物流评价信息进行转换后得到的物流评分值；z_ijk表征标识为i的消费者所给出的针对标识为j的电商中的标识为k的商品的质量评价信息进行转换后得到的质量评分值；s_ijk表征标识为i的消费者所给出的针对标识为j的电商中的标识为k的商品的售后评价信息进行转换后得到的售后评分值；B_jk表征标识为j的电商中的标识为k的商品的商品标价；K_jk表征标识为j的电商中的标识为k的商品的商品折扣价；α表征所述物流评价信息对应的权重值；β表征所述质量评价信息对应的权重值；γ表征所述售后评价信息对应的权重值；a表征所述物流评价信息对应的总分值；b表征所述质量评价信息对应的总分值；c表征所述售后评价信息对应的总分值；r_jk表征标识为j的电商中的标识为k的商品所对应的商品评价数量；

根据计算出各个所述满足度，利用下述所述博弈模型中的第二计算公式，计算从每一个所述电商购买每一种所述商品分别产生的消费者收益值；

X_jk＝M_jk-B_jk×K_jk

其中，X_jk表征从标识为j的电商购买标识为k的商品产生的消费者收益值；M_jk表征从标识为j的电商购买标识为k的商品产生的满足度；B_jk表征标识为j的电商中的标识为k的商品的商品标价；K_jk表征标识为j的电商中的标识为k的商品的商品折扣价。

3.根据权利要求1或2任一所述的方法，其特征在于，

所述根据各个所述消费者收益值，为所述消费者制定商品推荐方案，包括：

根据每一个所述消费者收益值分别对应的所述商品的属性，将各个所述消费者收益值划分为至少一组；

针对划分出的每一组中的至少一个所述消费者收益值，从至少一个所述消费者收益值中选择至少一个相对最大的消费者收益值；

根据选择出的每一个所述相对最大的消费者收益值所对应的商品以及电商，为所述消费者制定商品推荐方案。

4.根据权利要求2所述的方法，其特征在于，

所述电商销售信息，进一步包括：商品购入单价、商品销售量、商品售后单价、物流支付单价、购买商品的消费者数量以及需要提供售后的消费者数量；

所述根据所述商品评价信息和所述电商销售信息，利用所述博弈模型确定能够使每一个所述电商销售每一种所述商品产生最大的电商收益值的销售条件，并根据所述销售条件，为相应电商制定相应商品的商品销售方案，包括：

针对每一个所述电商中的每一种所述商品，均执行：确定计算出的所述满足度与采集到的对应的所述商品销售量之间的第一正比例系数；确定计算出的所述满足度与采集到的对应的所述商品售后单价和所述物流支付单价之间的第二正比例系数；

确定一组参考商品折扣价、参考商品售后单价和参考物流支付单价，以使得下述所述博弈模型中的第三计算公式能够取到最大的电商收益值；

<mrow> <msub> <mi>D</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mo>=</mo> <mrow> <mo>(</mo> <msub> <mi>B</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mo>&amp;times;</mo> <msub> <mi>A</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>G</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>F</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mo>-</mo> <mfrac> <msub> <mi>t</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <msub> <mi>v</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> </mfrac> <mo>&amp;times;</mo> <msub> <mi>S</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>&amp;times;</mo> <msub> <mi>&amp;lambda;</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mo>&amp;times;</mo> <msub> <mi>&amp;mu;</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mo>&amp;times;</mo> <msub> <mi>A</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mo>&amp;times;</mo> <msub> <mi>F</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mo>&amp;times;</mo> <msub> <mi>S</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> </mrow>

其中，D_jk表征标识为j的电商销售标识为k的商品所产生的电商收益值；B_jk表征标识为j的电商中的标识为k的商品的商品标价；A_jk表征标识为j的电商中的标识为k的商品的参考商品折扣价；G_jk表征标识为j的电商从相应制造商购买到标识为j的商品的商品购入单价；F_jk表征标识为j的电商对标识为k的商品提供的参考物流支付单价；S_jk表征标识为j的电商对标识为k的商品提供的参考商品售后单价；t_jk表征需要标识为j的电商对标识为j的商品提供售后服务的消费者数量；v_jk表征从标识为j的电商购买标识为k的商品的消费者数量；λ_jk表征标识为j的电商中的标识为k的商品对应的第一正比例系数；μ_jk表征表征标识为j的电商中的标识为k的商品对应的第二正比例系数；

根据能够使D_jk取到最大值的参考商品折扣价、参考商品售后单价和参考物流支付单价，为相应电商制定相应商品的商品销售方案。

5.根据权利要求4所述的方法，其特征在于，

所述制造商生产信息，包括：商品生产量、商品销售单价和商品存储单价、商品成本单价；

所述根据所述电商销售信息和所述制造商生产信息，利用所述博弈模型确定每一个所述制造商生产每一种所述商品所能够产生的最大的制造商收益值，并根据相应所述最大的制造商收益值，为相应制造商制定相应商品的商品生产方案，包括：

针对每一个所述电商中的每一种所述商品，均执行：确定采集到的对应的所述商品生产量与采集到的对应的所述商品销售量之间的第三正比例系数；

确定一个参考商品存储量，以使得下述所述博弈模型中的第四计算公式能够取到最大的制造商收益值；

Z_uk＝(C_uk-E_uk)×J_ujk-E_uk×O_uk-C_uk×F_uk

其中，C_uk＝ξ_jk×λ_jk×μ_jk×A_jk×F_jk×S_jk；C_uk表征标识为u的制造商生产标识为k的商品的参考商品销售量；ξ_jk表征标识为u的制造商中的标识为k的商品对应的第三正比例系数；λ_jk表征标识为j的电商中的标识为k的商品对应的第一正比例系数；μ_jk表征表征标识为j的电商中的标识为k的商品对应的第二正比例系数；A_jk表征标识为j的电商中的标识为k的商品的参考商品折扣价；F_jk表征标识为j的电商对标识为k的商品提供的参考物流支付单价；S_jk表征标识为j的电商对标识为k的商品提供的参考商品售后单价；J_ujk表征标识为u的制造商将标识为k的商品出售给标识为j的电商的商品销售单价；E_uk表征标识为u的制造商存储标识为k的商品的参考商品存储量；O_uk表征标识为u的制造商存储标识为k的商品的商品存储单价；F_uk表征标识为u的制造商生产标识为k的商品的商品成本单价；

根据能够使Z_uk取到最大值的参考商品存储量以及能够确定出的参考商品销售量，为相应制造商制定相应商品的商品生产方案。

6.一种电商交易业务中的方案制定装置，其特征在于，包括：

模型建立单元，用于建立制造商、电商以及消费者的博弈模型；

信息采集单元，用于采集指定时间段内的商品评价信息、电商销售信息和制造商生产信息；

商品推荐方案制定单元，用于根据所述商品评价信息和所述电商销售信息，利用所述博弈模型确定从每一个所述电商购买每一种商品分别产生的消费者收益值；根据各个所述消费者收益值，为所述消费者制定商品推荐方案；

商品销售方案制定单元，用于根据所述商品评价信息和所述电商销售信息，利用所述博弈模型确定能够使每一个所述电商销售每一种所述商品产生最大的电商收益值的销售条件，并根据所述销售条件，为相应电商制定相应商品的商品销售方案；

商品生产方案制定单元，用于根据所述电商销售信息和所述制造商生产信息，利用所述博弈模型确定能够使每一个所述制造商生产每一种所述商品产生最大的电商收益值的生产条件，并根据所述生产条件，为相应制造商制定相应商品的商品生产方案。

7.根据权利要求6所述的装置，其特征在于，

所述商品评价信息，包括：物流评价信息、质量评价信息、售后评价信息和商品评价数量；

所述电商销售信息，包括：商品标价和商品折扣价；

所述商品推荐方案制定单元，用于利用下述所述博弈模型中的第一计算公式，计算从每一个所述电商购买每一种所述商品分别产生的满足度；

<mrow> <msub> <mi>M</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mo>=</mo> <mfrac> <mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>r</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> </msubsup> <mrow> <mo>(</mo> <mi>&amp;alpha;</mi> <mo>&amp;times;</mo> <msub> <mi>w</mi> <mrow> <mi>i</mi> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mo>&amp;times;</mo> <mfrac> <mn>1</mn> <mi>a</mi> </mfrac> <mo>+</mo> <mi>&amp;beta;</mi> <mo>&amp;times;</mo> <msub> <mi>z</mi> <mrow> <mi>i</mi> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mo>&amp;times;</mo> <mfrac> <mn>1</mn> <mi>b</mi> </mfrac> <mo>+</mo> <mi>&amp;gamma;</mi> <mo>&amp;times;</mo> <msub> <mi>s</mi> <mrow> <mi>i</mi> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mo>&amp;times;</mo> <mfrac> <mn>1</mn> <mi>c</mi> </mfrac> <mo>)</mo> </mrow> <mo>&amp;times;</mo> <msub> <mi>B</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mo>&amp;times;</mo> <msub> <mi>K</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> </mrow> <msub> <mi>r</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> </mfrac> </mrow>

其中，M_jk表征从标识为j的电商购买标识为k的商品产生的满足度；w_ijk表征标识为i的消费者所给出的针对标识为j的电商中的标识为k的商品的物流评价信息进行转换后得到的物流评分值；z_ijk表征标识为i的消费者所给出的针对标识为j的电商中的标识为k的商品的质量评价信息进行转换后得到的质量评分值；s_ijk表征标识为i的消费者所给出的针对标识为j的电商中的标识为k的商品的售后评价信息进行转换后得到的售后评分值；B_jk表征标识为j的电商中的标识为k的商品的商品标价；K_jk表征标识为j的电商中的标识为k的商品的商品折扣价；α表征所述物流评价信息对应的权重值；β表征所述质量评价信息对应的权重值；γ表征所述售后评价信息对应的权重值；a表征所述物流评价信息对应的总分值；b表征所述质量评价信息对应的总分值；c表征所述售后评价信息对应的总分值；r_jk表征标识为j的电商中的标识为k的商品所对应的商品评价数量；

根据计算出各个所述满足度，利用下述所述博弈模型中的第二计算公式，计算从每一个所述电商购买每一种所述商品分别产生的消费者收益值；

X_jk＝M_jk-B_jk×K_jk

其中，X_jk表征从标识为j的电商购买标识为k的商品产生的消费者收益值；M_jk表征从标识为j的电商购买标识为k的商品产生的满足度；B_jk表征标识为j的电商中的标识为k的商品的商品标价；K_jk表征标识为j的电商中的标识为k的商品的商品折扣价。

8.根据权利要求6或7任一所述的装置，其特征在于，

所述商品推荐方案制定单元，用于根据每一个所述消费者收益值分别对应的所述商品的属性，将各个所述消费者收益值划分为至少一组；针对划分出的每一组中的至少一个所述消费者收益值，从至少一个所述消费者收益值中选择至少一个相对最大的消费者收益值；根据选择出的每一个所述相对最大的消费者收益值所对应的商品以及电商，为所述消费者制定商品推荐方案。

9.根据权利要求7所述的装置，其特征在于，

所述电商销售信息，进一步包括：商品购入单价、商品销售量、商品售后单价、物流支付单价、购买商品的消费者数量以及需要提供售后的消费者数量；

所述商品销售方案制定单元，用于针对每一个所述电商中的每一种所述商品，均执行：确定计算出的所述满足度与采集到的对应的所述商品销售量之间的第一正比例系数；确定计算出的所述满足度与采集到的对应的所述商品售后单价和所述物流支付单价之间的第二正比例系数；

确定一组参考商品折扣价、参考商品售后单价和参考物流支付单价，以使得下述所述博弈模型中的第三计算公式能够取到最大的电商收益值；

<mrow> <msub> <mi>D</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mo>=</mo> <mrow> <mo>(</mo> <msub> <mi>B</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mo>&amp;times;</mo> <msub> <mi>A</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>G</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>F</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mo>-</mo> <mfrac> <msub> <mi>t</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <msub> <mi>v</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> </mfrac> <mo>&amp;times;</mo> <msub> <mi>S</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>&amp;times;</mo> <msub> <mi>&amp;lambda;</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mo>&amp;times;</mo> <msub> <mi>&amp;mu;</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mo>&amp;times;</mo> <msub> <mi>A</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mo>&amp;times;</mo> <msub> <mi>F</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> <mo>&amp;times;</mo> <msub> <mi>S</mi> <mrow> <mi>j</mi> <mi>k</mi> </mrow> </msub> </mrow>

其中，D_jk表征标识为j的电商销售标识为k的商品所产生的电商收益值；B_jk表征标识为j的电商中的标识为k的商品的商品标价；A_jk表征标识为j的电商中的标识为k的商品的参考商品折扣价；G_jk表征标识为j的电商从相应制造商购买到标识为j的商品的商品购入单价；F_jk表征标识为j的电商对标识为k的商品提供的参考物流支付单价；S_jk表征标识为j的电商对标识为k的商品提供的参考商品售后单价；t_jk表征需要标识为j的电商对标识为j的商品提供售后服务的消费者数量；v_jk表征从标识为j的电商购买标识为k的商品的消费者数量；λ_jk表征标识为j的电商中的标识为k的商品对应的第一正比例系数；μ_jk表征表征标识为j的电商中的标识为k的商品对应的第二正比例系数；

根据能够使D_jk取到最大值的参考商品折扣价、参考商品售后单价和参考物流支付单价，为相应电商制定相应商品的商品销售方案。

10.根据权利要求9所述的装置，其特征在于，

所述制造商生产信息，包括：商品生产量、商品销售单价和商品存储单价、商品成本单价；

所述商品生产方案制定单元，用于针对每一个所述电商中的每一种所述商品，均执行：确定采集到的对应的所述商品生产量与采集到的对应的所述商品销售量之间的第三正比例系数；

确定一个参考商品存储量，以使得下述所述博弈模型中的第四计算公式能够取到最大的制造商收益值；

Z_uk＝(C_uk-E_uk)×J_ujk-E_uk×O_uk-C_uk×F_uk

其中，C_uk＝ξ_jk×λ_jk×μ_jk×A_jk×F_jk×S_jk；C_uk表征标识为u的制造商生产标识为k的商品的参考商品销售量；ξ_jk表征标识为u的制造商中的标识为k的商品对应的第三正比例系数；λ_jk表征标识为j的电商中的标识为k的商品对应的第一正比例系数；μ_jk表征表征标识为j的电商中的标识为k的商品对应的第二正比例系数；A_jk表征标识为j的电商中的标识为k的商品的参考商品折扣价；F_jk表征标识为j的电商对标识为k的商品提供的参考物流支付单价；S_jk表征标识为j的电商对标识为k的商品提供的参考商品售后单价；J_ujk表征标识为u的制造商将标识为k的商品出售给标识为j的电商的商品销售单价；E_uk表征标识为u的制造商存储标识为k的商品的参考商品存储量；O_uk表征标识为u的制造商存储标识为k的商品的商品存储单价；F_uk表征标识为u的制造商生产标识为k的商品的商品成本单价；

根据能够使Z_uk取到最大值的参考商品存储量以及能够确定出的参考商品销售量，为相应制造商制定相应商品的商品生产方案。