CN110827047A - 动态定价方法和装置 - Google Patents
动态定价方法和装置 Download PDFInfo
- Publication number
- CN110827047A CN110827047A CN201810893027.6A CN201810893027A CN110827047A CN 110827047 A CN110827047 A CN 110827047A CN 201810893027 A CN201810893027 A CN 201810893027A CN 110827047 A CN110827047 A CN 110827047A
- Authority
- CN
- China
- Prior art keywords
- sales
- stage
- current
- commodity
- price
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000005457 optimization Methods 0.000 claims abstract description 67
- 238000004590 computer program Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 description 20
- 238000010586 diagram Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0278—Product appraisal
Abstract
本发明公开了一种动态定价方法和装置,涉及计算机技术领域。其中,该方法包括:在当前销售阶段的销售约束下,根据价格优化模型确定商品在当前销售阶段的价格,然后对所述价格进行发布;在所述当前销售阶段结束后,根据实际销售数据与预测销售数据判断所述商品的销售是否符合预期;若是,则将所述当前销售阶段的价格作为所述商品在下一销售阶段的价格。通过以上步骤,能够根据商品销售状况对商品定价进行动态调整,从而加强了商品定价的时效性、准确性和鲁棒性,尤其适用于清仓商品定价场景。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种动态定价方法和装置。
背景技术
产品定价是企业,特别是零售企业最重要的决策之一。随着学术研究的不断成熟以及信息技术的不断发展,动态定价在各行业逐渐兴起。相比传统零售业,由于电子商务具有可以有效收集大量历史销售数据以及用户数据等诸多特性,使得动态定价在该领域能够取得更大的成功。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:第一、现有的动态定价系统大多以最优化GMV(Gross Merchandise Volume,网站成交金额)或者毛利润为目标,并未考虑到清仓需求。面对需要快速清仓的商品,现有的动态定价系统往往难以达到业务方实际想要的效果。第二、目前清仓定价主要以采销实际操作为主,清仓定价策略主要依赖于采销人员的经验,定价效果难以保证。
发明内容
有鉴于此,本发明提供一种动态定价方法和装置,能够根据商品销售状况对商品定价进行动态调整,从而加强了商品定价的时效性、准确性和鲁棒性,尤其适用于清仓商品定价场景。
为实现上述目的,根据本发明的一个方面,提供了一种动态定价方法。
本发明的动态定价方法包括:在当前销售阶段的销售约束下,根据价格优化模型确定商品在当前销售阶段的价格,然后对所述价格进行发布;在所述当前销售阶段结束后,根据实际销售数据与预测销售数据判断所述商品的销售是否符合预期;若是,则将所述当前销售阶段的价格作为所述商品在下一销售阶段的价格。
可选地,所述方法还包括:若否,则在下一销售阶段的销售约束下,根据价格优化模型确定所述商品在下一销售阶段的价格。
可选地,所述方法还包括:在执行所述对所述价格进行发布的步骤之前,确认所述商品在当前销售阶段的价格满足风控要求。
可选地,所述销售约束包括销量约束;并且,所述销量约束满足:
其中,Qbound1表示从当前销售阶段至最后一个销售阶段的预测销量的期望值大于当前商品库存时的误差,Qbound2表示从当前销售阶段至最后一个销售阶段的预测销量的期望值小于当前商品库存时的误差,Qtarget为当前商品库存,Qt表示第t销售阶段内的预测销量,表示从当前销售阶段至最后一个销售阶段的预测销量。
可选地,所述销售约束包括销量约束;并且,所述销量约束满足:
其中,Qbound1表示从当前销售阶段至最后一个销售阶段的预测销量的期望值大于当前商品库存时的误差,Qbound2表示从当前销售阶段至最后一个销售阶段的预测销量的期望值小于当前商品库存时的误差,Qtarget为当前商品库存,Qt表示第t销售阶段内的预测销量,表示从当前销售阶段至最后一个销售阶段的预测销量之和,Prob()表示概率,δ1和δ2表示两个预设常数。
可选地,所述方法还包括:在执行所述在当前销售阶段的销售约束下,根据价格优化模型确定商品在当前销售阶段的价格的步骤之前,确定需要进行价格优化的商品,并确定所述商品在当前销售阶段的销售约束;和/或,在执行所述根据实际销售数据与预测销售数据判断所述商品的销售是否符合预期的步骤之前,确认所述商品还存在下一销售阶段、并确认当前商品库存不为零。
可选地,所述实际销售数据包括当前销售阶段的实际销量,所述预测销售数据包括当前销售阶段的预测销量;所述根据实际销售数据与预测销售数据判断所述商品的销售是否符合预期的步骤包括:判断当前销售阶段的实际销量与当前销售阶段的预测销量的比值是否大于或等于预设阈值。
为实现上述目的,根据本发明的另一方面,提供了一种动态定价装置。
本发明的动态定价装置包括:优化模块,用于在当前销售阶段的销售约束下,根据价格优化模型确定商品在当前销售阶段的价格,然后对所述价格进行发布;反馈模块,用于在所述当前销售阶段结束后,根据实际销售数据与预测销售数据判断所述商品的销售是否符合预期;所述优化模块,还用于在所述商品的销售符合预期的情况下,将所述当前销售阶段的价格作为所述商品在下一销售阶段的价格。
可选地,所述优化模块,还用于在所述商品的销售不符合预期的情况下,在下一销售阶段的销售约束下,根据价格优化模型确定所述商品在下一销售阶段的价格。
可选地,所述优化模块,还用于在执行所述对所述价格进行发布的操作之前,确认所述商品在当前销售阶段的价格满足风控要求。
可选地,所述优化模块所采用的销售约束包括销量约束;并且,所述销量约束满足:
其中,Qbound1表示从当前销售阶段至最后一个销售阶段的预测销量的期望值大于当前商品库存时的误差,Qbound2表示从当前销售阶段至最后一个销售阶段的预测销量的期望值小于当前商品库存时的误差,Qtarget为当前商品库存,Qt表示第t销售阶段内的预测销量,表示从当前销售阶段至最后一个销售阶段的预测销量。
可选地,所述优化模块所采用的销售约束包括销量约束;并且,所述销量约束满足:
其中,Qbound1表示从当前销售阶段至最后一个销售阶段的预测销量的期望值大于当前商品库存时的误差,Qbound2表示从当前销售阶段至最后一个销售阶段的预测销量的期望值小于当前商品库存时的误差,Qtarget为当前商品库存,Qt表示第t销售阶段内的预测销量,表示从当前销售阶段至最后一个销售阶段的预测销量之和,Prob()表示概率,δ1和δ2表示两个预设常数。
可选地,所述优化模块,还用于在执行所述在当前销售阶段的销售约束下,根据价格优化模型确定商品在当前销售阶段的价格的操作之前,确定需要进行价格优化的商品,并确定所述商品在当前销售阶段的销售约束;和/或,所述反馈模块,还用于在执行所述根据实际销售数据与预测销售数据判断所述商品的销售是否符合预期的操作之前,确认所述商品还存在下一销售阶段、并确认当前商品库存不为零。
可选地,所述实际销售数据包括当前销售阶段的实际销量,所述预测销售数据包括当前销售阶段的预测销量;所述反馈模块根据实际销售数据与预测销售数据判断所述商品的销售是否符合预期包括:所述反馈模块判断当前销售阶段的实际销量与当前销售阶段的预测销量的比值是否大于或等于预设阈值。
为实现上述目的,根据本发明的再一个方面,提供了一种电子设备。
本发明的电子设备,包括:一个或多个处理器;以及,存储装置,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明的动态定价方法。
为实现上述目的,根据本发明的又一个方面,提供了一种计算机可读介质。
本发明的计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现本发明的动态定价方法。
上述发明中的一个实施例具有如下优点或有益效果:通过在当前销售阶段的销售约束下,根据价格优化模型确定商品在当前销售阶段的价格;在当前销售阶段结束后,判断所述商品的销售是否符合预期;在符合预期的情况下,将所述当前销售阶段的价格作为所述商品在下一销售阶段的价格等步骤,能够根据商品销售状况对商品定价进行动态调整,从而加强了商品定价的时效性、准确性和鲁棒性,尤其适用于清仓商品定价场景。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
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是根据本发明一个实施例的动态定价方法的主要流程示意图;
图2是根据本发明另一实施例的动态定价方法的主要流程示意图;
图3是根据本发明一个实施例的动态定价装置的主要模块示意图;
图4是根据本发明另一实施例的动态定价装置的主要模块示意图;
图5是本发明实施例可以应用于其中的示例性系统架构图;
图6是适于用来实现本发明实施例的电子设备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例做出说明,其中包括本发明实施例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例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。
需要指出的是,在不冲突的情况下,本发明中的实施例以及实施例中的特征可以相互组合。
在详细介绍本发明实施例之前,首先对本发明实施例涉及的部分技术术语进行说明。
价格弹性:定义为其他外在市场条件大致不变的情况下,销量变化百分比与价格变化百分比之比,其大多为负数。
CVXOPT逻辑包:是一个开源的线性规划求解器,其使用梯度下降法进行求解。
图1是根据本发明一个实施例的动态定价方法的主要流程示意图。如图1所示,本发明实施例的动态定价方法包括:
步骤S101、在当前销售阶段的销售约束下,根据价格优化模型确定商品在当前销售阶段的价格,然后对所述价格进行发布。
具体实施时,可预先将商品的销售时间划分为多个销售阶段,然后针对商品在每个销售阶段的价格进行动态定价。
其中,所述销售约束可包括销量约束。销量约束可采用期望约束和概率约束两种形式,该约束涉及的参数包括当前商品库存、预测销量。另外,所述销售约束还可包括价格约束。比如,价格约束为:单次调价不超过预设比例(比如20%),和/或,最终价格要大于成本价的预设比例(比如60%),和/或,最终价格要小于主要友商价格等等。由于在不同销售阶段,当前商品库存、友商价等参数的取值可能不同,因此具体的销售约束也不同。
步骤S102、在所述当前销售阶段结束后,根据实际销售数据与预测销售数据判断所述商品的销售是否符合预期。
示例性地,所述实际销售数据可包括当前销售阶段的实际销量,所述预测销售数据可包括当前销售阶段的预测销量。在该示例中,步骤S102具体包括:判断当前销售阶段的实际销量与当前销售阶段的预测销量的比值是否大于或等于预设阈值。若是,则认为所述商品的销售符合预期,进而执行步骤S103;若否,则认为所述商品的销售不符合预期。
步骤S103、在所述商品的销售符合预期的情况下,则将所述当前销售阶段的价格作为所述商品在下一销售阶段的价格。
进一步,本发明实施例的方法还可包括以下步骤:在所述商品的销售不符合预期的情况下,则在下一销售阶段的销售约束下根据价格优化模型确定所述商品在下一销售阶段的价格。
在本发明实施例中,通过以上步骤能够根据商品销售状况对商品定价进行动态调整,从而加强了商品定价的时效性、准确性和鲁棒性,尤其适用于清仓商品定价场景。
图2是根据本发明另一实施例的动态定价方法的主要流程示意图。如图2所示,本发明实施例的动态定价方法包括:
步骤S201、确定需要进行价格优化的商品。
示例性地,在清仓定价场景中,所述需要进行价格优化的商品通常为换季商品、积压商品或者其他处于生命周期末期的商品。具体实施时,可预先设置清仓判定条件,比如可设定库存高于一定数量的非本季商品(例如服装)进入清仓商品名单。然后,按照此清仓判定条件自动选取商品,并最终由人工审核确认。另外,采销人员也可以通过与动态定价装置的交互直接将特定商品加入或撤出清仓商品名单。
步骤S202、确定所述商品在第i销售阶段的销售约束。
具体实施时,可预先将商品的销售时间划分为多个销售阶段,然后针对商品在每个销售阶段的价格进行动态定价。在步骤S202中,所述第i销售阶段可理解为“当前销售阶段”。比如,当i为一时,第一销售阶段即为当前销售阶段。
其中,所述销售约束可包括销量约束。销量约束可采用期望约束和概率约束两种形式。在一示例中,所述销量约束采用期望约束的形式,表达式如下:
其中,Qbound1表示从当前销售阶段至最后一个销售阶段的预测销量的期望值大于当前商品库存时的误差,Qbound2表示从当前销售阶段至最后一个销售阶段的预测销量的期望值小于当前商品库存时的误差,Qtarget为当前商品库存,Qt表示第t销售阶段内的预测销量,表示从当前销售阶段至最后一个销售阶段的预测销量。以上期望约束表示:从当前至最后一个销售阶段的总预测销量的期望值相对于当前商品库存的误差位于一定范围内。由于业务要求不同,对Qbound1与Qbound2的取值要求可能不同。比如,可能需要Qbound1大一些、Qbound2小一些。
在另一示例中,所述销量约束采用概率约束的形式,表达式如下:
其中,Qbound1表示从当前销售阶段至最后一个销售阶段的预测销量的期望值大于当前商品库存时的误差,Qbound2表示从当前销售阶段至最后一个销售阶段的预测销量的期望值小于当前商品库存时的误差,Qtarget为当前商品库存,Qt表示第t销售阶段内的预测销量,表示从当前销售阶段至最后一个销售阶段的预测销量之和,Prob()表示概率,δ1和δ2表示两个预设常数,比如其可以分别取20%。以上概率约束表示:在一定概率下确保商品清仓成功。比如,当δ1和δ2分别取20%时,以上概率约束表示清仓成功的概率为80%。
另外,所述销售约束还可包括价格约束。比如,单次调价不超过预设比例(比如20%),最终价格要大于成本价的预设比例(比如60%),最终价格要小于主要友商价格等等。由于在不同销售阶段,当前商品库存、友商价等参数的取值可能不同,因此具体的销售约束也不同。
步骤S203、在第i销售阶段的销售约束下,根据价格优化模型确定商品在该销售阶段的价格。
具体实施时,可预先从业务数据库中导入商品的基本信息以及价格优化模型所需的参数,然后通过调用价格优化模型确定商品在该销售阶段的价格。其中,所述商品的基本信息可包括商品ID、类别、品牌、成本价、日均库存等。所述价格优化模型可以是基于价格弹性的价格优化模型,该模型所需的参数包括价格弹性。
示例性地,所述基于价格弹性的价格优化模型可采用如下目标函数:
其中,J表示目标函数,GMVi表示商品在当前销售阶段的网站成交金额预测值,GPi表示商品在当前销售阶段的毛利润预测值,GMV0表示基于历史销售数据确定的该商品的网站成交金额基准值,GP0表示基于历史销售数据确定的该商品的毛利润基准值,β为大于或等于0的常系数。当β为0时,目标函数为关于GPi的函数;当β足够大(比如将β设为99999)时,目标函数为关于GMVi的函数;当β处于其他情况时,目标函数为GPi与GMVi的线性组合。
并且,GMVi、GPi满足:
其中,P表示商品在当前销售阶段的价格,Q表示商品在当前销售阶段的预测销量,C表示商品的成本价,P0表示商品的历史价格,Q0表示商品在固定时长(比如一周)内的历史销量,所述固定时长与当前销售阶段所占的时长相等,ε表示商品的价格弹性。
在该示例中,可在第i销售阶段(即当前销售阶段)的销售约束下最大化目标函数,进而将求解出的最优价格作为商品在该销售阶段的价格。具体实施时,由于最大化目标函数的过程相当于一个含有约束的优化过程,因此可采用CVXOPT逻辑包进行求解。
步骤S204、判断所述商品在第i销售阶段的价格是否符合风控要求。若是,则执行步骤S205;若否,则执行步骤S206。
在本发明实施例中,“风控”可理解为在价格发布前对价格进行检查、确认。例如,检查当前商品库存以及与价格约束有关的变量(比如友商价等)在计算期间是否发生变化,检查商品在计算期间是否加入了其他促销活动。若当前商品库存以及与价格约束有关的变量(比如友商价等)计算期间未发生变化,并且商品在计算期间未加入其他促销活动,则认为所述商品在第i销售阶段的价格符合风控要求。在本发明实施例中,通过该步骤,能够尽量避免计算出的价格不适用当前情况或者计算出的价格与当前发布价格矛盾等问题,提高动态定价的准确性。
步骤S205、对所述商品在第i销售阶段的价格进行发布。在第i销售阶段结束后,执行步骤S207。
步骤S206、输出结果。
步骤S207、判断是否存在下一销售阶段且当前商品库存不为零。若是,执行步骤S208;若否,执行步骤S209。
步骤S208、判断所述商品的销售是否符合预期。若是,则执行步骤S210;若否,则再次执行步骤S202和步骤S203,即在下一销售阶段的销售约束下,根据价格优化模型确定下一销售阶段的商品价格。
具体地,可根据实际销售数据和预测销售数据判断所述商品的销售是否符合预期。其中,所述实际销售数据可包括当前销售阶段的实际销量、当前销售阶段的实际GMV、当前销售阶段的实际毛利润;所述预测销售数据可包括当前销售阶段的预测销量、当前销售阶段的预测GMV、当前销售阶段的预测毛利润。
在一示例中,步骤S208具体包括:判断当前销售阶段的实际销量与当前销售阶段的预测销量的比值是否大于或等于预设阈值。若是,则执行S210;若否,则再次执行步骤S202和步骤S203,即在下一销售阶段的销售约束下,根据价格优化模型确定下一销售阶段的商品价格。其中,所述预设阈值可根据业务需求进行设定,比如设为0.9。
步骤S209、输出结果。
步骤S210、将该销售阶段的价格作为所述商品在下一销售阶段的价格。然后,再次执行步骤S205。
在本发明实施例中,通过以上步骤能够根据商品销售状况对商品定价进行动态调整,从而加强了商品定价的时效性、准确性和鲁棒性,尤其适用于清仓商品定价场景。
图3是根据本发明一个实施例的动态定价装置的主要模块示意图。如图3所示,本发明实施例的动态定价装置300包括:优化模块301、反馈模块302。
优化模块301,用于在当前销售阶段的销售约束下,根据价格优化模型确定商品在当前销售阶段的价格,然后对所述价格进行发布。
具体实施时,可预先将商品的销售时间划分为多个销售阶段,然后通过动态定价装置300对商品在每个销售阶段的价格进行动态定价。
其中,优化模块301所采用的所述销售约束可包括销量约束。销量约束可采用期望约束和概率约束两种形式,该约束涉及的参数包括当前商品库存、预测销量。另外,所述销售约束还可包括价格约束。比如,价格约束为:单次调价不超过预设比例(比如20%),和/或,最终价格要大于成本价的预设比例(比如60%),和/或,最终价格要小于主要友商价格等等。由于在不同销售阶段,当前商品库存、友商价等参数的取值可能不同,因此具体的销售约束也不同。
反馈模块302,用于在所述当前销售阶段结束后,根据实际销售数据与预测销售数据判断所述商品的销售是否符合预期。
示例性地,所述实际销售数据可包括当前销售阶段的实际销量,所述预测销售数据可包括当前销售阶段的预测销量。在该示例中,反馈模块302具体用于:判断当前销售阶段的实际销量与当前销售阶段的预测销量的比值是否大于或等于预设阈值。若是,则认为所述商品的销售符合预期;若否,则认为所述商品的销售不符合预期。
优化模块301,还用于在所述商品的销售符合预期的情况下,将所述当前销售阶段的价格作为所述商品在下一销售阶段的价格。
进一步,优化模块301,还可用于在所述商品的销售不符合预期的情况下,在下一销售阶段的销售约束下,根据价格优化模型确定所述商品在下一销售阶段的价格。
在本发明实施例中,通过设置优化模块301和反馈模块302,能够根据商品销售状况对商品定价进行动态调整,从而加强了商品定价的时效性、准确性和鲁棒性,尤其适用于清仓商品定价场景。
图4是根据本发明另一实施例的动态定价装置的主要模块示意图。如图4所示,本发明实施例的动态定价装置400包括:优化模块401,、反馈模块402。
优化模块401,主要用于针对商品在每个销售阶段的价格进行动态定价。具体来说,优化模块401包括:选取组件4011、确定组件4012、优化组件4013、风控组件4014。
选取组件4011,用于确定需要进行价格优化的商品。
示例性地,在清仓定价场景中,所述需要进行价格优化的商品通常为换季商品、积压商品或者其他处于生命周期末期的商品。具体实施时,可预先设置清仓判定条件,比如可设定库存高于一定数量的非本季商品(例如服装)进入清仓商品名单。然后,选取组件4011按照此清仓判定条件自动选取商品,并最终由人工审核确认。另外,采销人员也可以通过与选取组件的交互直接将特定商品加入或撤出清仓商品名单。
确定组件4012,用于确定所述商品在第i销售阶段的销售约束。
其中,所述第i销售阶段可理解为“当前销售阶段”。比如,当i为一时,第一销售阶段即为当前销售阶段。确定组件4012所采用的销售约束可包括销量约束。销量约束可采用期望约束和概率约束两种形式。在一示例中,所述销量约束采用期望约束的形式,表达式如下:
其中,Qbound1表示从当前销售阶段至最后一个销售阶段的预测销量的期望值大于当前商品库存时的误差,Qbound2表示从当前销售阶段至最后一个销售阶段的预测销量的期望值小于当前商品库存时的误差,Qtarget为当前商品库存,Qt表示第t销售阶段内的预测销量,表示从当前销售阶段至最后一个销售阶段的预测销量。以上期望约束表示:从当前至最后一个销售阶段的总预测销量的期望值相对于当前商品库存的误差位于一定范围内。由于业务要求不同,对Qbound1与Qbound2的取值要求可能不同。比如,可能需要Qbound1大一些、Qbound2小一些。
在另一示例中,所述销量约束采用概率约束的形式,表达式如下:
其中,Qbound1表示从当前销售阶段至最后一个销售阶段的预测销量的期望值大于当前商品库存时的误差,Qbound2表示从当前销售阶段至最后一个销售阶段的预测销量的期望值小于当前商品库存时的误差,Qtarget为当前商品库存,Qt表示第t销售阶段内的预测销量,表示从当前销售阶段至最后一个销售阶段的预测销量之和,Prob()表示概率,δ1和δ2表示两个预设常数,比如其可以分别取20%。以上概率约束表示:在一定概率下确保商品清仓成功。比如,当δ1和δ2分别取20%时,以上概率约束表示清仓成功的概率为80%。
另外,确定组件4012所采用的销售约束还可包括价格约束。比如,单次调价不超过预设比例(比如20%),最终的价格要大于成本价的预设比例(比如60%),最终的价格要小于友商价等等。由于在不同销售阶段,当前商品库存、友商价等参数的取值可能不同,因此具体的销售约束也不同。
优化组件4013,用于在第i销售阶段的销售约束下,根据价格优化模型确定商品在该销售阶段的价格。
具体实施时,可预先从业务数据库中导入商品的基本信息以及价格优化模型所需的参数,然后通过调用价格优化模型确定商品在该销售阶段的价格。其中,所述商品的基本信息可包括商品ID、类别、品牌、成本价、日均库存等。所述价格优化模型可以是基于价格弹性的价格优化模型,该模型所需的参数包括价格弹性。
示例性地,所述基于价格弹性的价格优化模型可采用如下目标函数:
其中,J表示目标函数,GMVi表示商品在当前销售阶段的网站成交金额预测值,GPi表示商品在当前销售阶段的毛利润预测值,GMV0表示基于历史销售数据确定的该商品的网站成交金额基准值,GP0表示基于历史销售数据确定的该商品的毛利润基准值,β为大于或等于0的常系数。当β为0时,目标函数为关于GPi的函数;当β足够大(比如将β设为99999)时,目标函数为关于GMVi的函数;当β处于其他情况时,目标函数为GPi与GMVi的线性组合。
并且,GMVi、GPi满足:
其中,P表示商品在当前销售阶段的价格,Q表示商品在当前销售阶段的预测销量,C表示商品的成本价,P0表示商品的历史价格,Q0表示商品在固定时长(比如一周)内的历史销量,所述固定时长与当前销售阶段所占的时长相等,ε表示商品的价格弹性。
在该示例中,可在第i销售阶段(即当前销售阶段)的销售约束下最大化目标函数,进而将求解出的最优价格作为商品在该销售阶段的价格。具体实施时,由于最大化目标函数的过程相当于一个含有约束的优化过程,因此优化组件4013可采用CVXOPT逻辑包进行求解。
风控组件4014,用于判断所述商品在第i销售阶段的价格是否符合风控要求。若是,则风控组件4014还用于对所述商品在第i销售阶段的价格进行发布,以按照发布价格销售商品。若否,则输出结果,进而结束流程。
在本发明实施例中,“风控”可理解为在价格发布前对价格进行检查、确认。例如,风控组件4014检查当前商品库存以及与价格约束有关的变量(比如友商价等)在计算期间是否发生变化,检查商品在计算期间是否加入了其他促销活动。若当前商品库存以及与价格约束有关的变量(比如友商价等)计算期间未发生变化,并且商品在计算期间未加入其他促销活动,则认为所述商品在第i销售阶段的价格符合风控要求。在本发明实施例中,通过设置风控组件4014,能够尽量避免计算出的价格不适用当前情况或者计算出的价格与当前发布价格矛盾等问题,提高动态定价的准确性。
反馈模块402,主要用于在第i销售阶段结束后,根据实际销售数据和预测销售数据判断所述商品的销售是否符合预期。
具体来说,反馈模块402包括:第一判别组件4021、第二判别组件4022、反馈组件4023。
第一判别组件4021,用于判断是否存在下一销售阶段且当前商品库存不为零。若是,则执行第二判别组件4022的功能;若否,则输出结果,进而结束流程。
第二判别组件4022,用于根据实际销售数据和预测销售数据判断所述商品的销售是否符合预期。
示例性地,所述实际销售数据可包括当前销售阶段的实际销量,所述预测销售数据可包括当前销售阶段的预测销量。在该示例中,第二判别组件4022具体用于:判断当前销售阶段的实际销量与当前销售阶段的预测销量的比值是否大于或等于预设阈值。若是,则认为所述商品的销售符合预期;若否,则认为所述商品的销售不符合预期。其中,所述预设阈值可根据业务需求进行设定,比如设为0.9。
反馈组件4023,用于将第二判别组件4022的判别结果反馈至优化模块401,以便于优化组件4013确定商品在第i+1个销售阶段(即下一销售阶段)的价格。
优化组件4013,还用于在所述商品的销售符合预期的情况下,将所述当前销售阶段的价格作为所述商品在下一销售阶段的价格。优化组件4013,还可用于在所述商品的销售不符合预期的情况下,在下一销售阶段的销售约束下,根据价格优化模型确定所述商品在下一销售阶段的价格。
在本发明实施例中,通过以上装置能够根据商品销售状况对商品定价进行动态调整,从而加强了商品定价的时效性、准确性和鲁棒性,尤其适用于清仓商品定价场景。
图5示出了可以应用本发明实施例的动态定价方法或动态定价装置的示例性系统架构500。
如图5所示,系统架构500可以包括终端设备501、502、503,网络504和服务器505。网络504用以在终端设备501、502、503和服务器505之间提供通信链路的介质。网络504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501、502、503通过网络504与服务器505交互,以接收或发送消息等。
终端设备501、502、503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505可以是提供各种服务的服务器,例如对用户利用终端设备501、502、503所发出的动态定价请求进行处理的后台管理服务器。后台管理服务器可以对接收到的动态定价请求进行分析等处理,并将处理结果(例如动态定价输出结果)反馈给终端设备。
需要说明的是,本发明实施例所提供的动态定价方法一般由服务器505执行,相应地,动态定价装置一般设置于服务器505中。
应该理解,图5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6示出了适于用来实现本发明实施例的电子设备的计算机系统600的结构示意图。图6示出的计算机系统仅仅是一个示例,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6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;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607;包括硬盘等的存储部分608;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609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,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610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608。
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609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601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:一种处理器包括优化模块和反馈模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定,例如,优化模块还可以被描述为“对商品价格进行优化的模块”。
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,使得该设备执行以下流程:在当前销售阶段的销售约束下,根据价格优化模型确定商品在当前销售阶段的价格,然后对所述价格进行发布;在所述当前销售阶段结束后,根据实际销售数据与预测销售数据判断所述商品的销售是否符合预期;若是,则将所述当前销售阶段的价格作为所述商品在下一销售阶段的价格。
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 (16)
1.一种动态定价方法,其特征在于,所述方法包括:
在当前销售阶段的销售约束下,根据价格优化模型确定商品在当前销售阶段的价格,然后对所述价格进行发布;
在所述当前销售阶段结束后,根据实际销售数据与预测销售数据判断所述商品的销售是否符合预期;
若是,则将所述当前销售阶段的价格作为所述商品在下一销售阶段的价格。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若否,则在下一销售阶段的销售约束下,根据价格优化模型确定所述商品在下一销售阶段的价格。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在执行所述对所述价格进行发布的步骤之前,确认所述商品在当前销售阶段的价格满足风控要求。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在执行所述在当前销售阶段的销售约束下,根据价格优化模型确定商品在当前销售阶段的价格的步骤之前,确定需要进行价格优化的商品,并确定所述商品在当前销售阶段的销售约束;和/或,
在执行所述根据实际销售数据与预测销售数据判断所述商品的销售是否符合预期的步骤之前,确认所述商品还存在下一销售阶段、并确认当前商品库存不为零。
7.根据权利要求1所述的方法,其特征在于,所述实际销售数据包括当前销售阶段的实际销量,所述预测销售数据包括当前销售阶段的预测销量;
所述根据实际销售数据与预测销售数据判断所述商品的销售是否符合预期的步骤包括:判断当前销售阶段的实际销量与当前销售阶段的预测销量的比值是否大于或等于预设阈值。
8.一种动态定价装置,其特征在于,所述装置包括:
优化模块,用于在当前销售阶段的销售约束下,根据价格优化模型确定商品在当前销售阶段的价格,然后对所述价格进行发布;
反馈模块,用于在所述当前销售阶段结束后,根据实际销售数据与预测销售数据判断所述商品的销售是否符合预期;
所述优化模块,还用于在所述商品的销售符合预期的情况下,将所述当前销售阶段的价格作为所述商品在下一销售阶段的价格。
9.根据权利要求8所述的装置,其特征在于,
所述优化模块,还用于在所述商品的销售不符合预期的情况下,在下一销售阶段的销售约束下,根据价格优化模型确定所述商品在下一销售阶段的价格。
10.根据权利要求8所述的装置,其特征在于,
所述优化模块,还用于在执行所述对所述价格进行发布的操作之前,确认所述商品在当前销售阶段的价格满足风控要求。
13.根据权利要求8所述的装置,其特征在于,
所述优化模块,还用于在执行所述在当前销售阶段的销售约束下,根据价格优化模型确定商品在当前销售阶段的价格的操作之前,确定需要进行价格优化的商品,并确定所述商品在当前销售阶段的销售约束;和/或,
所述反馈模块,还用于在执行所述根据实际销售数据与预测销售数据判断所述商品的销售是否符合预期的操作之前,确认所述商品还存在下一销售阶段、并确认当前商品库存不为零。
14.根据权利要求8所述的装置,其特征在于,所述实际销售数据包括当前销售阶段的实际销量,所述预测销售数据包括当前销售阶段的预测销量;
所述反馈模块根据实际销售数据与预测销售数据判断所述商品的销售是否符合预期包括:所述反馈模块判断当前销售阶段的实际销量与当前销售阶段的预测销量的比值是否大于或等于预设阈值。
15.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1至7中任一所述的方法。
16.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1至7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810893027.6A CN110827047A (zh) | 2018-08-07 | 2018-08-07 | 动态定价方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810893027.6A CN110827047A (zh) | 2018-08-07 | 2018-08-07 | 动态定价方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110827047A true CN110827047A (zh) | 2020-02-21 |
Family
ID=69533899
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810893027.6A Pending CN110827047A (zh) | 2018-08-07 | 2018-08-07 | 动态定价方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110827047A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113762672A (zh) * | 2020-10-19 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 一种业务数据生成方法及装置、存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020116348A1 (en) * | 2000-05-19 | 2002-08-22 | Phillips Robert L. | Dynamic pricing system |
CN104217355A (zh) * | 2014-09-11 | 2014-12-17 | 北京京东尚科信息技术有限公司 | 预测促销商品销量的方法和装置 |
CN105069650A (zh) * | 2015-08-05 | 2015-11-18 | 携程计算机技术(上海)有限公司 | 商品的调价方法及系统 |
CN107123004A (zh) * | 2017-06-29 | 2017-09-01 | 北京京东尚科信息技术有限公司 | 商品动态定价数据处理方法和系统 |
CN107203904A (zh) * | 2017-05-19 | 2017-09-26 | 武汉弗赅科技有限公司 | 销售商品的动态定价方法及系统 |
CN107203912A (zh) * | 2017-06-26 | 2017-09-26 | 北京京东尚科信息技术有限公司 | 动态定价方法和装置 |
-
2018
- 2018-08-07 CN CN201810893027.6A patent/CN110827047A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020116348A1 (en) * | 2000-05-19 | 2002-08-22 | Phillips Robert L. | Dynamic pricing system |
CN104217355A (zh) * | 2014-09-11 | 2014-12-17 | 北京京东尚科信息技术有限公司 | 预测促销商品销量的方法和装置 |
CN105069650A (zh) * | 2015-08-05 | 2015-11-18 | 携程计算机技术(上海)有限公司 | 商品的调价方法及系统 |
CN107203904A (zh) * | 2017-05-19 | 2017-09-26 | 武汉弗赅科技有限公司 | 销售商品的动态定价方法及系统 |
CN107203912A (zh) * | 2017-06-26 | 2017-09-26 | 北京京东尚科信息技术有限公司 | 动态定价方法和装置 |
CN107123004A (zh) * | 2017-06-29 | 2017-09-01 | 北京京东尚科信息技术有限公司 | 商品动态定价数据处理方法和系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113762672A (zh) * | 2020-10-19 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 一种业务数据生成方法及装置、存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111047243B (zh) | 一种确定物流配送费用的方法和装置 | |
CN109961306B (zh) | 一种物品的库存分配方法和装置 | |
CN111932161B (zh) | 针对物品的车辆调度方法、装置、电子设备和计算机介质 | |
CN111932189B (zh) | 库存相关信息显示方法、装置、电子设备和计算机介质 | |
CN112884405A (zh) | 一种询价系统及其调度方法 | |
CN110276652A (zh) | 用于推送信息的方法和装置 | |
CN113988768B (zh) | 一种库存的确定方法和装置 | |
CN111798167B (zh) | 一种仓库补货的方法和装置 | |
CN112784212B (zh) | 一种优化库存的方法和装置 | |
CN113780915A (zh) | 业务对接方法和装置 | |
CN110827047A (zh) | 动态定价方法和装置 | |
CN112862415B (zh) | 运输车辆调度方法、装置、电子设备和计算机可读介质 | |
CN110956478A (zh) | 确定物品进货量的方法和装置 | |
CN111932191B (zh) | 货架调度方法、装置、电子设备和计算机可读介质 | |
CN110084541B (zh) | 用于预测供应商送货时长的方法和装置 | |
CN113780914A (zh) | 库存调配方法和装置 | |
CN113780611A (zh) | 一种库存管理方法和装置 | |
CN112418898A (zh) | 基于多时间窗口融合的物品需求数据分析方法和装置 | |
CN111415019A (zh) | 一种处理物品入库预约请求信息的方法和装置 | |
CN110858337A (zh) | 一种生成配置信息的方法和装置 | |
CN113256194B (zh) | 确定配送中心自留库存的方法和装置 | |
CN116415550A (zh) | 一种电子面单的单号生成方法和装置 | |
CN113222304B (zh) | 一种库存调度方法和装置 | |
CN113780612A (zh) | 采购数据的优化方法和装置 | |
CN113762576A (zh) | 一种物品调拨方法、装置、电子设备以及介质 |
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 |