CN109949091A - 商品数据分析方法、装置和计算机可读存储介质 - Google Patents
商品数据分析方法、装置和计算机可读存储介质 Download PDFInfo
- Publication number
- CN109949091A CN109949091A CN201910207270.2A CN201910207270A CN109949091A CN 109949091 A CN109949091 A CN 109949091A CN 201910207270 A CN201910207270 A CN 201910207270A CN 109949091 A CN109949091 A CN 109949091A
- Authority
- CN
- China
- Prior art keywords
- commodity
- data
- sales
- obtains
- subdata
- 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
本发明公开了一种商品数据分析方法。该方法包括：获取预设时间内的商品销售数据和商品物流信息，销售商品数据包括：商品类型和各商品类型对应的销售数量；根据所述商品销售数据和商品物流信息进行处理分析，得到商品在所述预设时间内的销售动态；根据所述商品在所述预设时间内的销售动态，得到商品的区域特点和购买人群特点。本发明还公开了一种商品数据分析装置及计算机可读存储介质。本发明能够实现通过以往的销售数据和物流数据并结合大数据技术进行分析，获得商品以往的销售动态和精准定位商品特点，有助于产品的备货控制和精准营销。
Description
技术领域
本发明涉及销售市场领域，尤其涉及一种商品数据分析方法、装置和计算机可读存储介质。
背景技术
目前，互联网发展迅速，互联网技术越来越多的应用于产品销售领域，即在改变用户的购买方式的同时，也在极大地改变着销售厂家的销售方式，使我们现在的生活越来越智能，越来越快速便捷。
但是目前，对销售数据和配送物流等数据信息的分析，仍存在于表面层次上，对销售情况和市场环境的把握更多的还是依靠经验为主。因此，如何利用大数据等智能科学技术对销售市场进行准确的分析是目前行业急需解决的问题。
发明内容
本发明的主要目的在于提供一种商品数据分析方法、装置和计算机可读存储介质，旨在实现通过以往的销售数据和物流数据并结合大数据技术进行分析，得到商品以往的销售动态和精准定位商品特点，有助于产品的备货控制和精准营销。
为实现上述目的，本发明提供一种商品数据分析方法，所述商品数据分析方法包括以下步骤：
获取预设时间内的商品销售数据和商品物流信息，销售商品数据包括：商品类型和各商品类型对应的销售数量；
根据所述商品销售数据和商品物流信息进行处理分析，得到商品在所述预设时间内的销售动态；
根据所述商品在所述预设时间内的销售动态，得到商品的区域特点和购买人群特点。
可选地，所述根据所述商品销售数据和商品物流信息进行处理分析，得到商品在所述预设时间内的销售动态的步骤包括：
根据所述商品销售数据进行分析，得到商品销售子数据；
根据所述商品物流信息进行分析，得到商品物流子数据；
根据所述商品销售子数据和所述商品物流子数据进行建模分析，得到商品在所述预设时间内的销售动态。
可选地，所述根据所述商品销售数据进行分析，得到商品销售子数据的步骤包括：
根据商品销售数据进行分析，得到所述商品各个渠道的销售数据；
根据所述各个渠道的销售数据进行分析，得到商品在所述各个渠道中各个类型的销售数据，则所述商品在所述各个渠道中各个类型的销售数据为商品销售子数据。
可选地，所述根据所述商品物流信息进行分析，得到商品物流子数据的步骤包括：
根据商品物流信息进行分析，得到所述商品各个城市的销售数据；
根据所述各个城市的销售数据进行分析，得到商品在所述各个城市中各个区域的销售数据，则所述商品在所述各个城市中各个区域的销售数据为商品物流子数据。
可选地，所述根据所述商品销售子数据和所述商品物流子数据进行建模分析，得到商品在所述预设时间内的销售动态的步骤包括：
将所述商品销售子数据和所述商品物流子数据进行建模分析，得到商品的销售模型；
根据商品的销售模型进行分析，得到商品在所述预设时间内的销售动态。
可选地，所述商品数据分析方法还包括如下步骤：
根据所述商品的区域特点和购买人群特点进行商品备货。
可选地，所述根据所述商品的区域特点和购买人群特点进行商品备货的步骤包括：
获得当前所述商品在存货数量；
根据当前所述商品的存货数量和所述商品的区域特点和购买人群特点，进行所述商品的备货。
可选地，所述商品数据分析方法还包括如下步骤：
获得商品在预设时间内的行业销售占比；
根据所述行业销售占比和所述商品的区域特点和购买人群特点进行商品销售。
此外，为实现上述目的，本发明还提供一种商品数据分析装置，所述商品数据分析装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的商品数据分析程序，所述商品数据分析程序被所述处理器执行时实现如上所述的商品数据分析方法的步骤。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有商品数据分析程序，所述商品数据分析程序被处理器执行时实现上述的商品数据分析方法的步骤。
本发明提供一种商品数据分析方法、装置和计算机存储介质。在该方法中，获取预设时间内的商品销售数据和商品物流信息，销售商品数据包括：商品类型和各商品类型对应的销售数量；根据所述商品销售数据和商品物流信息进行处理分析，得到商品在所述预设时间内的销售动态；根据所述商品在所述预设时间内的销售动态，得到商品的区域特点和购买人群特点。通过上述方式，本发明能够通过产品客户订单特性和商品物流的流通，并通过大数据处理技术构建以往销售模型获知以往销售动态，来定位客户人群特点，商品区域特点，进而能以此为关键，结合商品的供需量和对市场销售的占比覆盖，对产品的备货和销售进行管理，达到利用大数据手段有效处理以往数据资源的目的。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的装置结构示意图；
图2为本发明商品数据分析方法第一实施例的流程示意图；
图3为本发明商品数据分析方法第二实施例的流程示意图；
图4为本发明商品数据分析方法第三实施例的流程示意图；
图5为本发明商品数据分析方法第四实施例的流程示意图；
图6为本发明商品数据分析方法第五实施例的流程示意图；
图7为本发明商品数据分析方法第六实施例的流程示意图；
图8为本发明商品数据分析方法第七实施例的流程示意图；
图9为本发明商品数据分析方法第八实施例的流程示意图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，图1是本发明实施例方案涉及的硬件运行环境的装置结构示意图。
本发明实施例终端可以是PC，也可以是智能手机、平板电脑、便携计算机等具有数据处理功能的终端设备。
如图1所示，该终端可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地，终端还可以包括摄像头、RF(Radio Frequency，射频)电路，传感器、音频电路、Wi-Fi模块等等。其中，传感器比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示屏的亮度，接近传感器可在移动终端移动到耳边时，关闭显示屏和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别移动终端姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；当然，移动终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
本领域技术人员可以理解，图1中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及商品数据分析程序。
在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的商品数据分析程序，并执行以下操作：
获取预设时间内的商品销售数据和商品物流信息，销售商品数据包括：商品类型和各商品类型对应的销售数量；
根据所述商品销售数据和商品物流信息进行处理分析，得到商品在所述预设时间内的销售动态；
根据所述商品在所述预设时间内的销售动态，得到商品的区域特点和购买人群特点。
进一步地，处理器1001可以调用存储器1005中存储的商品数据分析程序，还执行以下操作：
根据所述商品销售数据进行分析，得到商品销售子数据；
根据所述商品物流信息进行分析，得到商品物流子数据；
根据所述商品销售子数据和所述商品物流子数据进行建模分析，得到商品在所述预设时间内的销售动态。
进一步地，处理器1001可以调用存储器1005中存储的商品数据分析程序，还执行以下操作：
根据商品销售数据进行分析，得到所述商品各个渠道的销售数据；
根据所述各个渠道的销售数据进行分析，得到商品在所述各个渠道中各个类型的销售数据，则所述商品在所述各个渠道中各个类型的销售数据为商品销售子数据。
进一步地，处理器1001可以调用存储器1005中存储的商品数据分析程序，还执行以下操作：
根据商品物流信息进行分析，得到所述商品各个城市的销售数据；
根据所述各个城市的销售数据进行分析，得到商品在所述各个城市中各个区域的销售数据，则所述商品在所述各个城市中各个区域的销售数据为商品物流子数据。
进一步地，处理器1001可以调用存储器1005中存储的商品数据分析程序，还执行以下操作：
将所述商品销售子数据和所述商品物流子数据进行建模分析，得到商品的销售模型；
根据商品的销售模型进行分析，得到商品在所述预设时间内的销售动态。
进一步地，处理器1001可以调用存储器1005中存储的商品数据分析程序，还执行以下操作：
根据所述商品的区域特点和购买人群特点进行商品备货。
进一步地，处理器1001可以调用存储器1005中存储的商品数据分析程序，还执行以下操作：
获得当前所述商品在存货数量；
根据当前所述商品的存货数量和所述商品的区域特点和购买人群特点，进行所述商品的备货。
进一步地，处理器1001可以调用存储器1005中存储的商品数据分析程序，还执行以下操作：
获得商品在预设时间内的行业销售占比；
根据所述行业销售占比和所述商品的区域特点和购买人群特点进行商品销售。
本发明商品数据分析设备的具体实施例与下述商品数据分析方法各实施例基本相同，在此不作赘述。
参照图2，图2为本发明商品数据分析方法第一实施例的流程示意图，所述商品数据分析方法包括：
步骤S100，获取预设时间内的商品销售数据和商品物流信息，销售商品数据包括：商品类型和各商品类型对应的销售数量；
本发明实施例可以针对多个行业的销售数据和物流数据进行分析，如快速消费品行业，服装行业，家电行业等，预设时间可以为一个月，一年，两年等，依用户的实际需求进行设定。商品销售数据可以为以往的销售订单，包括商品类型和各商品类型所对应的销售数量。物流信息可以为商品的物流地址。销售数据可以从销售业务部门获得，如销售业务部门的销售订单系统。物流信息可以从物流配送部门或者物流公司获得，如物流部门的物流订单系统。
步骤S200，根据所述商品销售数据和商品物流信息进行处理分析，得到商品在所述预设时间内的销售动态；
在获得商品销售数据和商品物流信息后，对商品销售数据和商品物流信息进行划分，划分为多个子信息，多个子信息可从多个方面进行划分，如从渠道角度进行划分，从产品类别角度进行划分等，然后对多个子信息的商品类型和商品的数量等多种数据进行多维建模分析，从而根据对建立的销售模型的分析得知这段时间的销售动态。可以建立子信息中的单独的多维建设模型，获知该子信息范围内的销售动态，也可以把子信息中的信息通过计算作为一个整体，建立多个子信息的多维建设模型，得知多个子信息范围整体的销售动态，对多个子信息进行对比，从而对整体有一个全面的了解。根据子数据建立模型，得到子数据集的销售模型，再根据子数据集的销售模型为一个整体建立模型，得到多个子数据集的销售模型。例如，获得某洗发水公司产品销售全国的销售数据和全国的物流信息，将全国销售数据和物流信息分别根据渠道和城市划分为多个子数据集，可以建立多个对应的子数据，然后对多个子数据分别通过销售类型，销售数量，客户年龄段，销售均价等多个维度的模型进行建模分析，了解该子数据集范围内的销售状态。
步骤S300，根据所述商品在所述预设时间内的销售动态，得到商品的区域特点和购买人群特点。
通过建立模型得知商品的销售动态后，就可以进一步的对商品进行分析，分析商品的区域特点和购买人群特点，如区域定位，人群定位等。例如，通过分析全国的建立的销售模型后，进行对比数据计算，得知广东地区小包装产品卖得比较好，新产品较受欢迎，本产品在湖南地区比较受年轻人喜欢等。则本产品主打年轻群体。重点在深圳等一线城市，主要通过大卖场进行销售等。
本发明提供一种商品数据分析方法、装置和计算机存储介质。在该方法中，获取预设时间内的商品销售数据和商品物流信息，销售商品数据包括：商品类型和各商品类型对应的销售数量；根据所述商品销售数据和商品物流信息进行处理分析，得到商品在所述预设时间内的销售动态；根据所述商品在所述预设时间内的销售动态，得到商品的区域特点和购买人群特点。通过上述方式，本发明能够通过产品客户订单特性和商品物流的流通，并通过大数据处理技术构建以往销售模型获知以往销售动态，来定位客户人群特点，商品区域特点，进而能以此为关键，结合商品的供需量和对市场销售的占比覆盖，对产品的备货和销售进行管理，达到利用大数据手段有效处理以往数据资源的目的。
请参阅图3，图3为本发明商品数据分析方法第二实施例的流程示意图。
基于上述实施例，本实施例中，步骤S200包括：
步骤S210，根据所述商品销售数据进行分析，得到商品销售子数据；
根据所述商品销售数据进行分析，可以对商品销售数据进行划分，得到多个商品销售子数据，从而将商品销售数据进行划分，划分为多个区域。该划分可以从多个方面进行划分，如从渠道角度进行划分，从产品类别角度进行划分等。
步骤S220，根据所述商品物流信息进行分析，得到商品物流子数据；
根据所述商品物流信息进行分析，可以对商品物流信息进行划分，得到多个商品物流子数据，从而将商品物流信息进行划分，划分为多个区域。该划分可以从多个方面进行划分，如从城市地区的角度进行划分，从物流供应商的角度进行划分。
步骤S230，根据所述商品销售子数据和所述商品物流子数据进行建模分析，得到商品在所述预设时间内的销售动态。
获得所述商品的销售子数据和物流子数据后，就可以进行多维建模，多到多维销售模型，从而依据销售模型了解该时间段内的销售动态，准确把握市场行情。统计模型可以为计量模型，机器学习模型，复杂网络，回归分析模型，随机森林，时间序列，神经网络，SVM等。
请参阅图4，图4为本发明商品数据分析方法第三实施例的流程示意图。
基于上述实施例，本实施例中，步骤S210包括：
步骤S211，根据商品销售数据进行分析，得到所述商品各个渠道的销售数据；
根据商品销售数据进行分析，依据商品的各个渠道进行划分，可以得到商品各个渠道的销售数据。该渠道可以为电商渠道，KA大卖场渠道，零售批发商渠道等。这样就可以依据渠道的不同对销售数据进行一个比较明确的划分，进而了解各个渠道的销售情况。
步骤S212，根据所述各个渠道的销售数据进行分析，得到商品在所述各个渠道中各个类型的销售数据，则所述商品在所述各个渠道中各个类型的销售数据为商品销售子数据。
在根据商品的销售数据依据渠道进行划分后，可以进而根据各个渠道的类别的不同再做进一步的划分。如电商渠道，可以划分为京东，天猫，苏宁易购等，如KA大卖场渠道，可以划分为沃尔玛，人人乐，大润发等。这样就将销售数据详细划分为多个子数据集，即商品销售子数据。
请参阅图5，图5为本发明商品数据分析方法第四实施例的流程示意图。
基于上述实施例，本实施例中，步骤S220包括：
步骤S221，根据商品物流信息进行分析，得到所述商品各个城市的销售数据；
根据商品物流信息进行分析，依据配送的各个城市进行划分，可以得到商品各个城市的物流信息。该城市划分可以为华东地区，华南地区等，也可依据现在的城市行政体系进行划分，如湖南，湖北等。这样就可以依据城市的不同对物流进行一个比较明确的划分，进而了解各个城市的物流情况。
步骤S222，根据所述各个城市的销售数据进行分析，得到商品在所述各个城市中各个区域的销售数据，则所述商品在所述各个城市中各个区域的销售数据为商品物流子数据。
在根据商品的物流信息依据城市进行划分后，可以进而根据各个城市中各个区域再做进一步的划分。如北京，可以划分为朝阳区，西城区，海淀区，丰台区等。这样就将物流信息详细划分为多个子数据集，即商品物流子数据。
请参阅图6，图6为本发明商品数据分析方法第五实施例的流程示意图。
基于上述实施例，本实施例中，步骤S230包括：
步骤S231，将所述商品销售子数据和所述商品物流子数据进行建模分析，得到商品的销售模型；
将商品销售子数据和商品物流子数据进行多角度多维立体建模，得到商品的销售模型。该商品销售模型可以为某个城市某个区域的销售多维模型，也可以是沃尔玛商场链的销售多维模型。
步骤S232，根据商品的销售模型进行分析，得到商品在所述预设时间内的销售动态。
获得商品的销售模型后，通过该销售模型可以直观的了解商品的销售情况，即商品的销售动态。如通过某段时间内，商品购买数量的变化得知产品的销售市场动态。产品购买客户年龄段的变化，得知产品在不同年龄段的受欢迎程度。单次消费金额的变化，得知这段时间促销力度的影响。
请参阅图7，图7为本发明商品数据分析方法第六实施例的流程示意图。
基于上述实施例，本实施例还包括如下步骤：
步骤S400，根据所述商品的区域特点和购买人群特点进行商品备货。
得知商品的区域特点和购买人群特点之后，就可以根据区域特点和购买人群特点进行备货。如广东地区备货量大一些，东北地区备货量少一些，超市备货量多一些，零售端备货量少一些。依据以往的数据进行备货，可以更精确和客观。
请参阅图8，图8为本发明商品数据分析方法第七实施例的流程示意图。
基于上述实施例，本实施例中，步骤S400包括：
步骤S410，获得当前所述商品在存货数量；
本实施例中，依据当前的商品存货数量进行备货，存货数量数据可以从商品库存系统中获得，存货数量可以体现当前的商品库存。
步骤S420，根据当前所述商品的存货数量和所述商品的区域特点和购买人群特点，进行所述商品的备货。
获得商品的存货数量后，根据商品的区域特点和购买人群特点，获得预计的销售情况后，即可以合理安排生产，进行备货，有利于对产品库存和备货的精确控制。
请参阅图9，图9为本发明商品数据分析方法第八实施例的流程示意图。
基于上述实施例，本实施例还包括如下步骤：
步骤S500，获得商品在预设时间内的行业销售占比；
本实施例中，可以结合整个行业的行业动态，进一步的对商品进行把握。可以对整个市场的把握计算，得到商品在该时间内的行业销售占比。该行业销售占比可以从多个途径获得。
步骤S600，根据所述行业销售占比和所述商品的区域特点和购买人群特点进行商品销售。
获得商品的行业销售占比和商品的区域特点和购买人群特点之后，就可以根据实际情况进行精准营销，制订营销策略，扩大行业销售占比，充分发挥本产品的商品特点和优势，从市场的角度把控销售过程。
此外，本发明实施例还提出一种计算机可读存储介质。
本发明计算机可读存储介质上存储有商品数据分析程序，所述商品数据分析程序被处理器执行时实现如上所述的商品数据分析方法的步骤。
其中，在所述处理器上运行的商品数据分析程序被执行时所实现的方法可参照本发明商品数据分析方法各个实施例，此处不再赘述。
需要说明的是，在本文中，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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种商品数据分析方法，其特征在于，所述商品数据分析方法包括以下步骤：
获取预设时间内的商品销售数据和商品物流信息，销售商品数据包括：商品类型和各商品类型对应的销售数量；
根据所述商品销售数据和商品物流信息进行处理分析，得到商品在所述预设时间内的销售动态；
根据所述商品在所述预设时间内的销售动态，得到商品的区域特点和购买人群特点。
2.如权利要求1所述的商品数据分析方法，其特征在于，所述根据所述商品销售数据和商品物流信息进行处理分析，得到商品在所述预设时间内的销售动态的步骤包括：
根据所述商品销售数据进行分析，得到商品销售子数据；
根据所述商品物流信息进行分析，得到商品物流子数据；
根据所述商品销售子数据和所述商品物流子数据进行建模分析，得到商品在所述预设时间内的销售动态。
3.如权利要求2所述的商品数据分析方法，其特征在于，所述根据所述商品销售数据进行分析，得到商品销售子数据的步骤包括：
根据商品销售数据进行分析，得到所述商品各个渠道的销售数据；
根据所述各个渠道的销售数据进行分析，得到商品在所述各个渠道中各个类型的销售数据，则所述商品在所述各个渠道中各个类型的销售数据为商品销售子数据。
4.如权利要求2所述的商品数据分析方法，其特征在于，所述根据所述商品物流信息进行分析，得到商品物流子数据的步骤包括：
根据商品物流信息进行分析，得到所述商品各个城市的销售数据；
根据所述各个城市的销售数据进行分析，得到商品在所述各个城市中各个区域的销售数据，则所述商品在所述各个城市中各个区域的销售数据为商品物流子数据。
5.如权利要求2所述的商品数据分析方法，其特征在于，所述根据所述商品销售子数据和所述商品物流子数据进行建模分析，得到商品在所述预设时间内的销售动态的步骤包括：
将所述商品销售子数据和所述商品物流子数据进行建模分析，得到商品的销售模型；
根据商品的销售模型进行分析，得到商品在所述预设时间内的销售动态。
6.如权利要求1所述的商品数据分析方法，其特征在于，所述商品数据分析方法还包括如下步骤：
根据所述商品的区域特点和购买人群特点进行商品备货。
7.如权利要求6所述的商品数据分析方法，其特征在于，所述根据所述商品的区域特点和购买人群特点进行商品备货的步骤包括：
获得当前所述商品在存货数量；
根据当前所述商品的存货数量和所述商品的区域特点和购买人群特点，进行所述商品的备货。
8.如权利要求1所述的商品数据分析方法，其特征在于，所述商品数据分析方法还包括如下步骤：
获得商品在预设时间内的行业销售占比；
根据所述行业销售占比和所述商品的区域特点和购买人群特点进行商品销售。
9.一种商品数据分析装置，其特征在于，所述商品数据分析装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的商品数据分析程序，所述商品数据分析程序被所述处理器执行时实现如权利要求1至8中任一项所述商品数据分析方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有商品数据分析程序，所述商品数据分析程序被处理器执行时实现如权利要求1至8中任一项所述商品数据分析方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910207270.2A CN109949091A (zh) | 2019-03-18 | 2019-03-18 | 商品数据分析方法、装置和计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910207270.2A CN109949091A (zh) | 2019-03-18 | 2019-03-18 | 商品数据分析方法、装置和计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109949091A true CN109949091A (zh) | 2019-06-28 |
Family
ID=67009053
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910207270.2A Pending CN109949091A (zh) | 2019-03-18 | 2019-03-18 | 商品数据分析方法、装置和计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109949091A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112241904A (zh) * | 2020-10-23 | 2021-01-19 | 浙江集享电子商务有限公司 | 商品销售量预测方法、装置、计算机设备和存储介质 |
| CN114022057A (zh) * | 2022-01-06 | 2022-02-08 | 国家邮政局邮政业安全中心 | 基于电商寄递业务量的产业结构分析方法、装置及设备 |
| CN114282951A (zh) * | 2021-12-28 | 2022-04-05 | 浪潮卓数大数据产业发展有限公司 | 一种网络零售预测方法、设备及介质 |
| CN114282951B (zh) * | 2021-12-28 | 2024-05-14 | 浪潮卓数大数据产业发展有限公司 | 一种网络零售预测方法、设备及介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105844429A (zh) * | 2016-04-19 | 2016-08-10 | 上海微杨文化传播有限公司 | 基于底层数据资源的线上线下同步零售控制系统 |
| CN108280690A (zh) * | 2018-01-31 | 2018-07-13 | 深圳市海淇展示文化有限公司 | 一种基于大数据的商品信息储存系统 |
| CN109146372A (zh) * | 2018-04-26 | 2019-01-04 | 宏泰集团（厦门）有限公司 | 全球智慧制造销售服务体系 |
-
2019
- 2019-03-18 CN CN201910207270.2A patent/CN109949091A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105844429A (zh) * | 2016-04-19 | 2016-08-10 | 上海微杨文化传播有限公司 | 基于底层数据资源的线上线下同步零售控制系统 |
| CN108280690A (zh) * | 2018-01-31 | 2018-07-13 | 深圳市海淇展示文化有限公司 | 一种基于大数据的商品信息储存系统 |
| CN109146372A (zh) * | 2018-04-26 | 2019-01-04 | 宏泰集团（厦门）有限公司 | 全球智慧制造销售服务体系 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112241904A (zh) * | 2020-10-23 | 2021-01-19 | 浙江集享电子商务有限公司 | 商品销售量预测方法、装置、计算机设备和存储介质 |
| CN114282951A (zh) * | 2021-12-28 | 2022-04-05 | 浪潮卓数大数据产业发展有限公司 | 一种网络零售预测方法、设备及介质 |
| CN114282951B (zh) * | 2021-12-28 | 2024-05-14 | 浪潮卓数大数据产业发展有限公司 | 一种网络零售预测方法、设备及介质 |
| CN114022057A (zh) * | 2022-01-06 | 2022-02-08 | 国家邮政局邮政业安全中心 | 基于电商寄递业务量的产业结构分析方法、装置及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10861077B1 (en) | Machine, process, and manufacture for machine learning based cross category item recommendations | |
| US10169803B2 (en) | Color based social networking recommendations | |
| Sang Ryu et al. | Consumer acceptance of mobile marketing communications using the QR code | |
| CN108960992A (zh) | 一种信息推荐方法以及相关设备 | |
| De Mauro et al. | Machine learning and artificial intelligence use in marketing: a general taxonomy | |
| US20150066586A1 (en) | Evaluation calculating device, evaluation calculating method, and recording medium | |
| KR101712591B1 (ko) | 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법 | |
| US10290040B1 (en) | Discovering cross-category latent features | |
| Trappey et al. | Consumer driven product technology function deployment using social media and patent mining | |
| US20120246000A1 (en) | Techniques to capture context and location information and utilize heuristics to turn location tracked over time and context information into semantic location information | |
| CN105718184A (zh) | 一种数据处理方法和装置 | |
| CN105279672A (zh) | 线索推荐 | |
| KR101422128B1 (ko) | 관심사 카테고리와 키워드 기반 고객 맞춤형 이커머스 제공시스템 및 방법 | |
| US20110246300A1 (en) | Techniques to determe when an internet user is in-market for a specific product and determining general shopping preferences and habits of internet users | |
| AU2016335855A1 (en) | Wine label affinity system and method | |
| US11507984B2 (en) | Generating personalized banner images using machine learning | |
| WO2020142837A1 (en) | Smart basket for online shopping | |
| US20110246469A1 (en) | Techniques to capture context and location information and utilize heuristics to turn location tracked over time and context information into semantic location information | |
| CN110415009A (zh) | 用于视频内修改的计算机化系统和方法 | |
| CN111292168B (zh) | 数据处理方法、装置及设备 | |
| US20110246214A1 (en) | Techniques to identify in-market purchasing interests | |
| CN109949091A (zh) | 商品数据分析方法、装置和计算机可读存储介质 | |
| KR102425811B1 (ko) | 인공지능 기반 웹사이트 크롤링을 이용한 상품 판매 콘텐츠 게시방법, 서버 및 컴퓨터프로그램 | |
| CN116089745A (zh) | 信息推荐方法、装置、电子设备及计算机可读存储介质 | |
| Shi | Omni-channel retailing: knowledge, challenges, and opportunities for future research |
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: 20190628 |
|
| RJ01 | Rejection of invention patent application after publication |