CN110826958A - 用于电商平台的智能调货方法及装置 - Google Patents
用于电商平台的智能调货方法及装置 Download PDFInfo
- Publication number
- CN110826958A CN110826958A CN201910959002.6A CN201910959002A CN110826958A CN 110826958 A CN110826958 A CN 110826958A CN 201910959002 A CN201910959002 A CN 201910959002A CN 110826958 A CN110826958 A CN 110826958A
- Authority
- CN
- China
- Prior art keywords
- warehouse
- foreign
- goods
- stock
- alternative
- 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
Images
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
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种用于电商平台的智能调货方法及装置,涉及电子商务技术领域,能够基于多个维度从各地仓库中筛选出最佳的调货方案。该方法包括:基于当前地仓库的缺货商品,筛选出有对应缺货商品库存的多个外地仓库;分别计算缺货商品从每个外地仓库调往当前地仓库销售后获得的毛利率,筛选出备选外地仓库;根据缺货商品在当前地仓库的售价及四级页转化率计算调货产生的收入V1,以及根据缺货商品在备选外地仓库的售价及库存数据计算调货缺货商品的机会成本V2;通过比较调货缺货商品获得的收入V1和产生的机会成本V2,筛选出可供货的候选外地仓库;基于缺货商品在候选外地仓库的售价、运输时效及运输成本从候选外地仓库中筛选出一个最佳外地仓库。
Description
技术领域
本发明涉及电子商务技术领域,尤其涉及一种用于电商平台的智能调货方法及装置。
背景技术
现有的调货系统多数依靠人工的调货策略,随着电商平台的用户体量逐渐增大,现有的调货系统已不能够支持庞大的供应链调货体系,此外,现有调货策略的参考维度单一,如仅基于距离维度或成本维度调货,这样的调货策略没有充分考虑平台利益和用户利益,时常会导致供应链中的供货出现问题,在影响用户体验的同时损害了平台利益。
发明内容
本发明的目的在于提供一种用于电商平台的智能调货方法及装置,能够基于多个维度从各地仓库中筛选出最佳的调货方案。
为了实现上述目的,本发明的一方面提供一种用于电商平台的智能调货方法,包括:
基于当前地仓库的缺货商品,筛选出有对应缺货商品库存的多个外地仓库;
分别计算所述缺货商品从每个外地仓库调往当前地仓库销售后获得的毛利率,基于所述毛利率从多个外地仓库中筛选出备选外地仓库;
根据所述缺货商品在当前地仓库的售价及四级页转化率计算调货产生的收入V1,以及根据所述缺货商品在备选外地仓库的售价及库存数据计算调货缺货商品在每个备选外地仓库产生的机会成本V2;
通过比较调货缺货商品获得的收入V1和产生的机会成本V2,对应从多个备选外地仓库中筛选出可供货的候选外地仓库;
基于缺货商品在候选外地仓库的售价、运输时效及运输成本从候选外地仓库中筛选出一个最佳外地仓库并执行调货任务。
优选地,分别计算所述缺货商品从每个外地仓库调往当前地仓库销售后获得的毛利率,基于所述毛利率从多个外地仓库中筛选出备选外地仓库的方法包括:
获取缺货商品在当前地仓库的售价P1、在各外地仓库的底价P2以及从各外地仓库调往当前地仓库的运输成本D;
优选地,根据所述缺货商品在当前地仓库的售价及四级页转化率计算调货产生的收入V1,以及根据所述缺货商品在备选外地仓库的售价及库存数据计算调货缺货商品在每个备选外地仓库产生的机会成本V2的方法包括:
采用公式V1=P1*C*F(t)分别计算从各备选外地仓库将所述缺货商品调货至当前地仓库销售后获得的收入,其中,C为缺货商品的四级页转化率,F(t)为缺货商品的运输时效影响率;
基于每个备选外地仓库中缺货商品的库存数据,计算缺货商品对应于每个备选外地仓库的机会成本V2,所述库存数据包括备选外地仓库的当前库存量Q1、n天内的预测销售量Q2和警戒库存量Q3。
优选地,基于每个备选外地仓库中缺货商品的库存数据,计算缺货商品对应于每个备选外地仓库的机会成本V2的方法包括:
采用公式Q=Q1-Q2-Q3计算每个备选外地仓库中缺货商品的可用调货量,当备选外地仓库的可用调货量大于调货阈值时,则该备选外地仓库机会成本V2=P3,所述P3为备选外地仓库销售缺货商品的价格,当备选外地仓库的可用调货量小于调货阈值时,则该备选外地仓库机会成本V2=0;
遍历各备选外地仓库,分别计算各备选外地仓库的机会成本V2。
优选地,获取n天内预测销售量Q2的方法包括:
统计历史同时期的销售量,计算同时期的历史日均销售量;
将历史日均销售量加权后预估当前时期的日均销售量,并与n天成绩计算得到预测销售量Q2。
优选地,通过比较调货缺货商品获得的收入V1和产生的机会成本V2,对应从多个备选外地仓库中筛选出可供货的候选外地仓库的方法包括:
从多个备选外地仓库中筛选出收入V1大于机会成本V2的备选外地仓库,作为可供货的候选外地仓库。
优选地,基于缺货商品在候选外地仓库的售价、运输时效及运输成本从候选外地仓库中筛选出一个最佳外地仓库并执行调货任务的方法包括:
采用加权计分公式T=候选外地仓库的售价得分*W1+运输时效得分*W2+运输成本得分*W3,计算调货缺货商品从各候选外地仓库调货对应的调货评分;
从多个调货评分中筛选出最高分对应的候选外地仓库作为最佳外地仓库并执行调货任务。
可选地,缺货商品调货的运输成本D计算方法为:
获取缺货商品的单位重量/体积的单位公里运费;
基于缺货商品的总重量/总体积与运输距离,得到缺货商品的运输成本D。
与现有技术相比,本发明提供的用于电商平台的智能调货方法具有以下有益效果:
本发明提供的用于电商平台的智能调货方法特别适用于拥有多个跨区域仓库的大型电商平台,为了便于表述本发明从地域角度将上述仓库区分为当前地仓库及外地仓库,在当前地仓库的某种商品缺货时,首先筛选出有对应缺货商品库存的多个外地仓库,然后分别计算该缺货商品从每个外地仓库调往当前地仓库销售后获得的毛利率,进一步筛选出毛利率大于毛利率阈值的外地仓库作为备选外地仓库,以确保电商平台获得一定的销售收益,接下来,还需基于调货的机会成本再次对备选外地仓库进行筛选,机会成本的校验逻辑如下:根据缺货商品在当前地仓库的售价及四级页转化率计算调货产生的收入V1,以及根据缺货商品在备选外地仓库的售价及库存数据计算调货缺货商品在每个备选外地仓库产生的机会成本V2,然后从多个备选外地仓库中筛选出收入V1大于机会成本V2的备选外地仓库作为可供货的候选外地仓库,最后再对调货商品的售价、运输时效及运输成本三方面评分,筛选出一个最佳外地仓库并执行调货任务。
可见,使用本发明提供的用于电商平台的智能调货方法,能够从毛利率、机会成本、运输成本、运输时效、售价等多个维度筛选出既能够保证电商平台利益,又能够提升用户体验的最佳外地仓库并执行调货任务,相比较于现有技术中的人工调货方案,本发明的智能化和自动化程度更高,输出的调货方案更具合理性。
本发明的另一方面提供一种用于电商平台的智能调货装置,应用有上述技术方案提到的用于电商平台的智能调货方法,该装置包括:
采集单元,基于当前地仓库的缺货商品,筛选出有对应缺货商品库存的多个外地仓库;
初筛单元,用于分别计算所述缺货商品从每个外地仓库调往当前地仓库销售后获得的毛利率,基于所述毛利率从多个外地仓库中筛选出备选外地仓库;
计算单元,用于根据所述缺货商品在当前地仓库的售价及四级页转化率计算调货产生的收入V1,以及根据所述缺货商品在备选外地仓库的售价及库存数据计算调货缺货商品在每个备选外地仓库产生的机会成本V2;
比较单元,用于通过比较调货缺货商品获得的收入V1和产生的机会成本V2,对应从多个备选外地仓库中筛选出可供货的候选外地仓库;
输出单元,基于缺货商品在候选外地仓库的售价、运输时效及运输成本从候选外地仓库中筛选出一个最佳外地仓库并执行调货任务。
与现有技术相比,本发明提供的用于电商平台的智能调货装置的有益效果与上述技术方案提供的用于电商平台的智能调货方法的有益效果相同,在此不做赘述。
本发明的第三方面提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器运行时执行上述用于电商平台的智能调货方法的步骤。
与现有技术相比,本发明提供的计算机可读存储介质的有益效果与上述技术方案提供的用于电商平台的智能调货方法的有益效果相同,在此不做赘述。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为实施例一中用于电商平台的智能调货方法的流程示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,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,所描述的实施例仅仅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作出创造性劳动的前提下所获得的所有其它实施例,均属于本发明保护的范围。
实施例一
请参阅图1,本实施例提供一种用于电商平台的智能调货方法,包括:
基于当前地仓库的缺货商品,筛选出有对应缺货商品库存的多个外地仓库;分别计算缺货商品从每个外地仓库调往当前地仓库销售后获得的毛利率,基于毛利率从多个外地仓库中筛选出备选外地仓库;根据缺货商品在当前地仓库的售价及四级页转化率计算调货产生的收入V1,以及根据缺货商品在备选外地仓库的售价及库存数据计算调货缺货商品在每个备选外地仓库产生的机会成本V2;通过比较调货缺货商品获得的收入V1和产生的机会成本V2,对应从多个备选外地仓库中筛选出可供货的候选外地仓库;基于缺货商品在候选外地仓库的售价、运输时效及运输成本从候选外地仓库中筛选出一个最佳外地仓库并执行调货任务。
本实施例提供的用于电商平台的智能调货方法特别适用于拥有多个跨区域仓库的大型电商平台,为了便于表述本实施例从地域角度将上述仓库区分为当前地仓库及外地仓库,在当前地仓库的某种商品缺货时,首先筛选出有对应缺货商品库存的多个外地仓库,然后分别计算该缺货商品从每个外地仓库调往当前地仓库销售后获得的毛利率,进一步筛选出毛利率大于毛利率阈值的外地仓库作为备选外地仓库,以确保电商平台获得一定的销售收益,接下来,还需基于调货的机会成本再次对备选外地仓库进行筛选,机会成本的校验逻辑如下:根据缺货商品在当前地仓库的售价及四级页转化率计算调货产生的收入V1,以及根据缺货商品在备选外地仓库的售价及库存数据计算调货缺货商品在每个备选外地仓库产生的机会成本V2,然后从多个备选外地仓库中筛选出收入V1大于机会成本V2的备选外地仓库作为可供货的候选外地仓库,最后再对调货商品的售价、运输时效及运输成本三方面评分,筛选出一个最佳外地仓库并执行调货任务。
可见,使用本实施例提供的用于电商平台的智能调货方法,能够从毛利率、机会成本、运输成本、运输时效、售价等多个维度筛选出既能够保证电商平台利益,又能够提升用户体验的最佳外地仓库并执行调货任务,相比较于现有技术中的人工调货方案,本实施例的智能化和自动化程度更高,输出的调货方案更具合理性。
上述实施例中分别计算缺货商品从每个外地仓库调往当前地仓库销售后获得的毛利率,基于毛利率从多个外地仓库中筛选出备选外地仓库的方法包括:
获取缺货商品在当前地仓库的售价P1、在各外地仓库的底价P2以及从各外地仓库调往当前地仓库的运输成本D;采用公式分别计算缺货商品从每个外地仓库调往当前地仓库销售获得的毛利率,并从多个外地仓库对应的毛利率中筛选出大于或等于毛利率阈值的外地仓库作为备选外地仓库。
具体实施时,缺货商品调货的运输成本D的计算方法为:获取缺货商品的单位重量/体积的单位公里运费,基于缺货商品的总重量/总体积与运输距离,得到缺货商品的运输成本D,当缺货商品属于大件商品时,可采用单位体积计算运输成本,当缺货商品属于小件商品时,可采用单位重量计算运输成本;例如,缺货商品为洗衣机属于大件商品,总计调货距离为200公里,单位体积的单位公里运费为0.03元,则该洗衣机的运输成本D=0.03*200=6元,需要说明的是,每种商品的单位/总量体积的单位公里运费在上线时均已存储在平台系统中,执行运输成本计算时直接从平台系统调用即可。
可以理解的是,P1是指缺货商品在当前地仓库的售价P1,P2是指缺货商品在外地仓库的底价,当外地仓库存在多个时则对应的P2取值也为多个,并且采用公式分别计算从每个外地仓库调货至当前地仓库得到的毛利率,计算时上述公式中的多个P2依次轮询,对应得到多个毛利率结果,然后再从多个外地仓库对应的毛利率中筛选出大于或等于毛利率阈值的外地仓库作为备选外地仓库,此步骤能够确保缺货商品在当前地销售后获得的毛利率不低于公司设定的毛利率阈值,进而保障电商平台销售缺货商品获得的收益。
上述实施例中,根据缺货商品在当前地仓库的售价及四级页转化率计算调货产生的收入V1,以及根据缺货商品在备选外地仓库的售价及库存数据计算调货缺货商品在每个备选外地仓库产生的机会成本V2的方法包括:
采用公式V1=P1*C*F(t)分别计算从各备选外地仓库将缺货商品调货至当前地仓库销售后获得的收入,其中,C为缺货商品的四级页转化率,F(t)为缺货商品的运输时效影响率;基于每个备选外地仓库中缺货商品的库存数据,计算缺货商品对应于每个备选外地仓库的机会成本V2,库存数据包括备选外地仓库的当前库存量Q1、n天内的预测销售量Q2和警戒库存量Q3。
具体实施时,C为缺货商品的四级页转化率也即一常数值,F(t)为预设的概率值,其中t表示运输时效,如一天、两天、三天等,当运输时效为一天时对应的F(t)取值为100%,当运输时效为两天时对应的F(t)取值为75%,当运输时效为三天时对应的F(t)取值为50%,以此类推,运输时效越长则对应的F(t)取值则越小,需要说明的是,运输时效与F(t)取值的映射关系采用在平台系统中预设的手段给予实现,在计算各外地仓库的运输时效影响率时直接调用即可。
对于备选外地仓库对应的机会成本V2,具体计算方法包括:采用公式Q=Q1-Q2-Q3计算每个备选外地仓库中缺货商品的可用调货量,当备选外地仓库的可用调货量大于调货阈值时,则定义该备选外地仓库机会成本V2=P3,其中P3为备选外地仓库缺货商品的销售价格,当备选外地仓库的可用调货量小于调货阈值时,则定义该备选外地仓库机会成本V2=0;遍历各备选外地仓库,分别计算各备选外地仓库的机会成本V2。具体实施时,每个外地仓库的警戒库存量Q3的数值可不相同,具体由电商平台针对各仓库的供货情况自由设置,
示例性地,上述实施例中,获取n天内预测销售量Q2的方法包括:
统计历史同时期中缺货商品的销售量,计算缺货商品在同时期中的历史日均销售量;将历史日均销售量加权后预估当前时期的日均销售量,并与n天成绩计算得到预测销售量Q2。例如,同时期的历史日均销售量为10万件,加权值为1.5,则当前时期的历史日均销售量为10*1.5=15万件,n天内的预测销售量Q2为15*n万件。另外,也可通过预先训练的销售预测模型测算得到预测销售量Q2。
此外,上述实施例中通过比较调货缺货商品获得的收入V1和产生的机会成本V2,对应从多个备选外地仓库中筛选出可供货的候选外地仓库的方法包括:
从多个备选外地仓库中筛选出收入V1大于机会成本V2的备选外地仓库,作为可供货的候选外地仓库。
上述实施例中,基于缺货商品在候选外地仓库的售价、运输时效及运输成本从候选外地仓库中筛选出一个最佳外地仓库并执行调货任务的方法包括:
采用加权计分公式T=候选外地仓库的售价得分*W1+运输时效得分*W2+运输成本得分*W3,计算调货缺货商品从各候选外地仓库调货对应的调货评分;从多个调货评分中筛选出最高分对应的候选外地仓库作为最佳外地仓库并执行调货任务。
具体实施时,获取从各个候选外地仓库调货的计分基础数据,其中,计分基础数据包括候选外地仓库的售价、运输时效和运输成本,然后基于候选外地仓库的数量,对应设定每个候选外地仓库对应的的售价得分、运输时效得分和运输成本得分,例如,候选外地仓库的数量为3个,则售价从高往低的候选外地仓库对应的售价得分依次为100分、70分和50分,运输时效从高往低的候选外地仓库对应的运输时效得分依次为100分、60分和30分,运输成本从高往低的候选外地仓库对应的运输时效得分依次为100分、70分和50分,然后利用预设的权重,如W1为60%、W2为20%、W3为20%,汇总各候选外地仓库的调货评分,最终从多个调货评分中筛选出最高分对应的候选外地仓库作为最佳外地仓库并执行调货任务。上述得分的分配可根据候选外地仓库的数量自由调整,预设的权重也可根据实际需求适应修改,本实施例对此不做赘述。
优选地,上述用于电商平台的智能调货方法还可通过深度学习技术实现,也即采用深度学习模型从多个外地仓库中筛选出最优的调货方案,其中深度学习模型的使用包括学习阶段、训练阶段和应用阶段三个阶段,对于学习阶段,通过对平台系统中大量的实际调货数据进行学习,得到缺货商品调货时可选的全部调货方案,对于训练阶段,从上述全部调货方案中,基于影响因子对调货方案的影响程度配置各影响因子的权重并训练得到包含加权计分公式的深度学习模型,其中影响因子包括候选外地仓库的售价、运输时效和运输成本,对于应用阶段,采用包含加权计分公式的深度学习模型基于缺货商品筛选出最优的调货方案。
实施例二
本实施例提供一种用于电商平台的智能调货装置,包括:
采集单元,基于当前地仓库的缺货商品,筛选出有对应缺货商品库存的多个外地仓库;
初筛单元,用于分别计算所述缺货商品从每个外地仓库调往当前地仓库销售后获得的毛利率,基于所述毛利率从多个外地仓库中筛选出备选外地仓库;
计算单元,用于根据所述缺货商品在当前地仓库的售价及四级页转化率计算调货产生的收入V1,以及根据所述缺货商品在备选外地仓库的售价及库存数据计算调货缺货商品在每个备选外地仓库产生的机会成本V2;
比较单元,用于通过比较调货缺货商品获得的收入V1和产生的机会成本V2,对应从多个备选外地仓库中筛选出可供货的候选外地仓库;
输出单元,基于缺货商品在候选外地仓库的售价、运输时效及运输成本从候选外地仓库中筛选出一个最佳外地仓库并执行调货任务。
与现有技术相比,本实施例提供的用于电商平台的智能调货装置的有益效果与上述实施例提供的用于电商平台的智能调货方法的有益效果相同,在此不做赘述。
实施例三
本实施例提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器运行时执行上述用于电商平台的智能调货方法的步骤。
与现有技术相比,本实施例提供的计算机可读存储介质的有益效果与上述技术方案提供的用于电商平台的智能调货方法的有益效果相同,在此不做赘述。
本领域普通技术人员可以理解,实现上述发明方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,上述程序可以存储于计算机可读取存储介质中,该程序在执行时,包括上述实施例方法的各步骤,上述的存储介质可以是:ROM/RAM、磁碟、光盘、存储卡等。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种用于电商平台的智能调货方法,其特征在于,包括:
基于当前地仓库的缺货商品,筛选出有对应缺货商品库存的多个外地仓库;
分别计算所述缺货商品从每个外地仓库调往当前地仓库销售后获得的毛利率,基于所述毛利率从多个外地仓库中筛选出备选外地仓库;
根据所述缺货商品在当前地仓库的售价及四级页转化率计算调货产生的收入V1,以及根据所述缺货商品在备选外地仓库的售价及库存数据计算调货缺货商品在每个备选外地仓库产生的机会成本V2;
通过比较调货缺货商品获得的收入V1和产生的机会成本V2,对应从多个备选外地仓库中筛选出可供货的候选外地仓库;
基于缺货商品在候选外地仓库的售价、运输时效及运输成本从候选外地仓库中筛选出一个最佳外地仓库并执行调货任务。
3.根据权利要求2所述的方法,其特征在于,根据所述缺货商品在当前地仓库的售价及四级页转化率计算调货产生的收入V1,以及根据所述缺货商品在备选外地仓库的售价及库存数据计算调货缺货商品在每个备选外地仓库产生的机会成本V2的方法包括:
采用公式V1=P1*C*F(t)分别计算从各备选外地仓库将所述缺货商品调货至当前地仓库销售后获得的收入,其中,C为缺货商品的四级页转化率,F(t)为缺货商品的运输时效影响率;
基于每个备选外地仓库中缺货商品的库存数据,计算缺货商品对应于每个备选外地仓库的机会成本V2,所述库存数据包括备选外地仓库的当前库存量Q1、n天内的预测销售量Q2和警戒库存量Q3。
4.根据权利要求3所述的方法,其特征在于,基于每个备选外地仓库中缺货商品的库存数据,计算缺货商品对应于每个备选外地仓库的机会成本V2的方法包括:
采用公式Q=Q1-Q2-Q3计算每个备选外地仓库中缺货商品的可用调货量,当备选外地仓库的可用调货量大于调货阈值时,则该备选外地仓库机会成本V2=P3,所述P3为备选外地仓库销售缺货商品时的价格,当备选外地仓库的可用调货量小于调货阈值时,则该备选外地仓库机会成本V2=0;
遍历各备选外地仓库,分别计算各备选外地仓库的机会成本V2。
5.根据权利要求3所述的方法,其特征在于,获取n天内预测销售量Q2的方法包括:
统计历史同时期的销售量,计算同时期的历史日均销售量;
将历史日均销售量加权后预估当前时期的日均销售量,并与n天成绩计算得到预测销售量Q2。
6.根据权利要求4所述的方法,其特征在于,通过比较调货缺货商品获得的收入V1和产生的机会成本V2,对应从多个备选外地仓库中筛选出可供货的候选外地仓库的方法包括:
从多个备选外地仓库中筛选出收入V1大于机会成本V2的备选外地仓库,作为可供货的候选外地仓库。
7.根据权利要求4所述的方法,其特征在于,基于缺货商品在候选外地仓库的售价、运输时效及运输成本从候选外地仓库中筛选出一个最佳外地仓库并执行调货任务的方法包括:
采用加权计分公式T=候选外地仓库的售价得分*W1+运输时效得分*W2+运输成本得分*W3,计算调货缺货商品从各候选外地仓库调货对应的调货评分;
从多个调货评分中筛选出最高分对应的候选外地仓库作为最佳外地仓库并执行调货任务。
8.根据权利要求4所述的方法,其特征在于,缺货商品调货的运输成本D计算方法为:
获取缺货商品的单位重量/体积的单位公里运费;
基于缺货商品的总重量/总体积与运输距离,得到缺货商品的运输成本D。
9.一种用于电商平台的智能调货装置,其特征在于,包括:
采集单元,基于当前地仓库的缺货商品,筛选出有对应缺货商品库存的多个外地仓库;
初筛单元,用于分别计算所述缺货商品从每个外地仓库调往当前地仓库销售后获得的毛利率,基于所述毛利率从多个外地仓库中筛选出备选外地仓库;
计算单元,用于根据所述缺货商品在当前地仓库的售价及四级页转化率计算调货产生的收入V1,以及根据所述缺货商品在备选外地仓库的售价及库存数据计算调货缺货商品在每个备选外地仓库产生的机会成本V2;
比较单元,用于通过比较调货缺货商品获得的收入V1和产生的机会成本V2,对应从多个备选外地仓库中筛选出可供货的候选外地仓库;
输出单元,基于缺货商品在候选外地仓库的售价、运输时效及运输成本从候选外地仓库中筛选出一个最佳外地仓库并执行调货任务。
10.一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,其特征在于,计算机程序被处理器运行时执行上述权利要求1至8任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910959002.6A CN110826958A (zh) | 2019-10-10 | 2019-10-10 | 用于电商平台的智能调货方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910959002.6A CN110826958A (zh) | 2019-10-10 | 2019-10-10 | 用于电商平台的智能调货方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110826958A true CN110826958A (zh) | 2020-02-21 |
Family
ID=69549093
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910959002.6A Pending CN110826958A (zh) | 2019-10-10 | 2019-10-10 | 用于电商平台的智能调货方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110826958A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113393040A (zh) * | 2021-06-18 | 2021-09-14 | 重庆邮电大学工业互联网研究院 | 一种基于博弈论的工业园区物流调度方法及系统 |
CN114022085A (zh) * | 2022-01-05 | 2022-02-08 | 深圳市思迅网络科技有限公司 | 一种基于库存数据的调拨方法、系统、设备及存储介质 |
CN115222340A (zh) * | 2022-09-16 | 2022-10-21 | 深圳市全鸿网络科技有限公司 | 基于智能仓储的货物调度管理方法及相关装置 |
CN116308072A (zh) * | 2023-05-26 | 2023-06-23 | 酒仙网络科技股份有限公司 | 一种基于数据分析的白酒货源调配系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109919541A (zh) * | 2019-02-27 | 2019-06-21 | 华南理工大学 | 一种多级定位库存路径问题的建模求解方法 |
-
2019
- 2019-10-10 CN CN201910959002.6A patent/CN110826958A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109919541A (zh) * | 2019-02-27 | 2019-06-21 | 华南理工大学 | 一种多级定位库存路径问题的建模求解方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113393040A (zh) * | 2021-06-18 | 2021-09-14 | 重庆邮电大学工业互联网研究院 | 一种基于博弈论的工业园区物流调度方法及系统 |
CN114022085A (zh) * | 2022-01-05 | 2022-02-08 | 深圳市思迅网络科技有限公司 | 一种基于库存数据的调拨方法、系统、设备及存储介质 |
CN115222340A (zh) * | 2022-09-16 | 2022-10-21 | 深圳市全鸿网络科技有限公司 | 基于智能仓储的货物调度管理方法及相关装置 |
CN115222340B (zh) * | 2022-09-16 | 2022-12-20 | 深圳市全鸿网络科技有限公司 | 基于智能仓储的货物调度管理方法及相关装置 |
CN116308072A (zh) * | 2023-05-26 | 2023-06-23 | 酒仙网络科技股份有限公司 | 一种基于数据分析的白酒货源调配系统 |
CN116308072B (zh) * | 2023-05-26 | 2023-08-04 | 酒仙网络科技股份有限公司 | 一种基于数据分析的白酒货源调配系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110826958A (zh) | 用于电商平台的智能调货方法及装置 | |
US20200143439A1 (en) | System and method for integrating retail price optimization for revenue and profit with business rules | |
US20130325558A1 (en) | System and method for optimizing revenue and profit with limited number of price changes | |
Britchenko et al. | Optimization of commodity stocks enterprise by means of HML-FRM clustering | |
CN109727078B (zh) | 一种基于商品类别树的销量预测修正方法 | |
CN113128932B (zh) | 仓库备货处理方法、装置、存储介质与电子设备 | |
CN110852772A (zh) | 动态定价方法、系统、设备和存储介质 | |
US11875292B2 (en) | Image-based decomposition for fast iterative solve of complex linear problems | |
CN110880061A (zh) | 商品到手价格的风险监管方法及系统 | |
TW202242735A (zh) | 庫存自動化管理方法及其系統 | |
US20190378061A1 (en) | System for modeling the performance of fulfilment machines | |
CN111126903A (zh) | 一种补货方法、装置及系统 | |
Bala | An inventory replenishment model under purchase dependency in retail sale | |
CN112215546A (zh) | 一种对象页面生成方法、装置、设备及存储介质 | |
Adachi et al. | Optimal inventory control policy subject to different selling prices of perishable commodities | |
CN116109252A (zh) | 仓库补货管理方法、装置、仓库管理系统及存储介质 | |
CN112132343B (zh) | 一种商品采购预测方法及系统、可读存储介质 | |
CN114037497A (zh) | 一种智能化商品管理方法、设备及介质 | |
Ghahremani-Nahr et al. | Bi-objective fuzzy food bank network design with considering freshness of food baskets | |
CN116188025A (zh) | 一种电商平台供应商的筛选方法、装置、设备和介质 | |
Yeah | Domestic demand-driven growth: Analytical perspectives and statistics needed | |
CN111400622A (zh) | 一种分布式电商系统中紧缺商品数量展现方法及装置 | |
Nivasanon et al. | Demand forecasting for online market stock: Case study cleanroom apparel | |
CN111507780B (zh) | 提高客单价的方法及装置 | |
Norman et al. | REVIVING THE KLANG VALLEY ECONOMY DURING PANDEMIC THROUGH DIGITALISATION OF THE MARITIME LOGISTICS INDUSTRY: Article 3 |
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 |