CN110874664A - 门店产能优化方法及系统 - Google Patents
门店产能优化方法及系统 Download PDFInfo
- Publication number
- CN110874664A CN110874664A CN201811010610.4A CN201811010610A CN110874664A CN 110874664 A CN110874664 A CN 110874664A CN 201811010610 A CN201811010610 A CN 201811010610A CN 110874664 A CN110874664 A CN 110874664A
- Authority
- CN
- China
- Prior art keywords
- store
- service
- capacity
- passenger flow
- optimization method
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063118—Staff planning in a project environment
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供一种门店产能优化方法,包括:获取门店的历史到店数据;根据所述历史到店数据,获取状态转移矩阵;根据状态转移矩阵及所述门店的最近状态预判所述门店的客流量;根据所述预判结果,所述门店执行相应的优化方案。通过对门店服务能力的预判结果动态调整服务项目和产品价格,分散客户流量,充分利用各时段的服务能力,以提高收益。本发明同时提供一种门店产能优化系统。
Description
技术领域
本发明涉及线下门店产能优化技术领域,具体涉及一种门店产能优化方法以及系统。
背景技术
目前,电子商务的发展已经非常成熟,我国电子商务交易量逐年递增,电子商务集中制造业、销售业、物流业等行业特征,给人们的生活带来了翻天覆地的变化。现有的电子商务系统多事针对企业或个人的远端交易平台,从用户角度出发,一方面买卖双方在线上的电子商务平台达成购买协议后,买方通常延迟几天才能收到购买的实体产品,等待收货的时间较长,效率较低;另一方面,买方仅能通过卖方提供的编辑好的图片文字视频等信息获取物品的详情,使买方对物品或服务的认知受限。且电子商务系统还存在部分瓶颈,如售后问题难以解决,仅能提供实物产品,无法提供服务型产品。因此线下门店的存在是十分必要的。
传统的线下门店大多只能通过统计的方式形成相应的客流曲线,以对门店之前的经营状况进行评估,但无法输出未来一段时间的门店的最高服务能力,并同步给计划预约到店的用户。尤其对于拥有爆款产品或服务的门店来说,过长的排队等待时间对用户体验有损,传统方式欠缺引导客流从波峰向波谷转移的方法,无法最大化的利用门店服务能力,客户多时忙不过来,客户少时又很空闲,无法充分有效的利用各个时段,难以达成最大收益。
因此,发明人发现,上述的传统的线下门店存在无法最大化利用门店服务能力,达成最大收益的问题。
发明内容
有鉴于此,本发明实施例提供门店产能优化方法及系统,其中通过对门店服务能力的预判结果动态调整服务项目和产品价格,分散客户流量,充分利用各时段的服务能力,以提高收益。
一方面,本发明提供一种门店产能优化方法,其特征在于,包括:
获取门店的历史到店数据;
根据所述历史到店数据,获取状态转移矩阵;
根据状态转移矩阵及所述门店的最近状态预判所述门店的客流量;
根据所述预判结果,所述门店执行相应的优化方案。
优选地,所述优化方案包括价格调整和门店服务人员调整中的至少一种。
优选地,用于获取所述状态转移矩阵的所述历史到店数据的数据量与所述门店的服务领域相匹配。
优选地,根据预判所述门店的客流量,获取门店服务能力表并在线上展示,供后续计划到店客户进行参考。
优选地,根据所述门店服务能力获取建议到店时间,并将其推送给至少部分客户。
优选地,所述门店第t天同比第t-1天的服务人数包括下降、持平和上升三种状态,以此形成状态转移矩阵P,
其中,f为第t天所述门店服务人数的状态即同比前一天的服务人数的比值,si→sj表示从状态i转移至状态j,S1表示服务人数下降,S2表示服务人数持平,S3表示服务人数上升。
优选地,根据马尔科夫链原理获取第t天客流量同比前一天的服务人数的比值DoDt,DoDt=DoDt-1·P,其中,DoDt-1为所述第t-1天同比t-2天的服务人数的比值,P为所述状态转移矩阵。
优选地,所述门店的状态由同比前一天的服务人数的比值DoD及第一阈值φ决定,当DoD<1-φ判定门店服务人数下降,当1-φ≤DoD<1+φ时判定门店服务人数持平,当DoD≥1+φ判定门店服务人数上升。
优选地,多个所述门店的预判客流量总和大于所有所述门店的总服务能力,则进行适当的价格调整,预判客流量总和大于总服务能力的条件为:
其中,γ为第二阈值,DoDt表示同比前一天的服务人数的比值,S3表示服务人数上升。
优选地,所述门店的预判客流量未超过所述门店的服务能力,则削减所述门店的部分服务人员,预判削减所述服务人员的条件为:
优选地,将所述削减的门店服务人员调配至其他门店以充分利用。
另一方面,本发明还提供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存储有计算机指令,所述计算机指令被执行时实现如上所述的产能优化方法。
再一方面,本发明还提供一种门店产能优化系统,其特征在于,包括:
存储模块,用于存储门店的历史到店数据;
预判模块,根据所述存储模块存储的历史到店数据,通过如上所述的产能优化方法对所述客流量进行预判;
执行模块,根据预判的所述客流量,得出具体的优化方案并发送至所述门店执行。
优选地,所述执行模块还包括网络单元,用于将所述预判结果传至线上,并生成相应的门店服务能力表,供后续计划到店客户进行参考。
优选地,还包括电子标签,所述电子标签与所述执行模块电连接,以实现动态调价。
本发明的实施例具有以下优点或有益效果:通过历史到店数据,输出未来一段时间门店客流量预判,并将门店的服务能力表展示在线上,供后续计划到店客户决策,且选取部分客户推送建议到店时间。为了减少排队或等待时间,部分计划到店客户会根据所述门店服务能力表选择客流量较少的时段到店接收服务,实现了引导客流从波峰向波谷的转移,进一步利用了门店各个时段的服务能力,提高了门店的产能。
本发明的优选实施例具有以下优点或有益效果:在客流量不足时,对门店服务人员数量进行调整,将服务人员从客流少的门店调拨至客流多的门店,实现人员的充分利用。
本发明的另一优选实施例具有以下优点或有益效果:若各门店的预判客流总和大于总服务能力,则适当进行价格调整,以提升收益。同时,电子标签还有助于价格的动态调整,免去了人员更换价签的操作,避免了标签纸等不必要的浪费。
附图说明
通过参照以下附图对本发明实施例的描述,本发明的上述以及其它目的、特征和优点将更为清楚,在附图中:
图1是根据本发明实施例的门店产能优化方法的流程图;
图2是根据本发明实施例的门店产能优化系统的结构示意图;。
具体实施方式
以下基于实施例对本发明进行描述,但是本发明并不仅仅限于这些实施例。在下文对本发明的细节描述中,详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。为了避免混淆本发明的实质,公知的方法、过程、流程没有详细叙述。另外附图不一定是按比例绘制的。
如图1所示,所述门店产能优化方法的步骤,包括:
S10获取门店的历史到店数据;
S20根据所述历史到店数据,获取状态转移矩阵;
S30根据状态转移矩阵及所述门店的最近状态预判所述门店的客流量;
S40根据所述预判结果,所述门店执行相应的优化方案。
其中,S10获取门店的历史到店数据,以共有门店w家,各门店标号依次为1、2、3、……、w为例,对具体步骤进行说明,则1号门店在历史t天内的到店&预约服务数据(既随机过程)可表示为:D1(t)=[d11,d12,…,d1t]。w家门店的历史服务数据可表示为:
用于对所述门店的客流量进行预判的历史到店天数t的取值(即历史到店数据的数据量)与所述门店的服务领域相适应,各服务领域的t的取值例如为下表:
服务领域 | t取值 |
家庭保洁 | 30~60 |
美容美体 | 15~30 |
汽车洗护 | 7~15 |
S20根据所述历史到店数据,获取状态转移矩阵,以1号门店为例,设定第t天的服务人数状态为f,其服务人数同比前一天可划分为:下降、持平和上升三种状态(分别记为s1,s2,s3)。设定同比上一天的服务人数比值可表示为其中,d1t表示第t天的客流量,d1t-1表示第t-1天的客流量,设定第一阈值φ,同比比值f的判定结果如下:
基于上述操作,创建MC(马尔科夫链)状态转移矩阵,设定状态转移的概率为P,以从状态1转移至状态2为例,
综上生成状态转移矩阵P,表达如下:
S30根据状态转移矩阵及所述门店的最近状态预判所述门店的客流量;以1号门店为例,基于最近一天的DoDt-1和转移矩阵P预判DoDt。基于MC原理可得DoDt=DoDt-1·P,从而获得t+1日的客流预判。
S40根据所述预判结果,所述门店执行相应的优化方案,如预判客流量持平,则不进行变动,如客流量上升或下降,则可将优化方案分为对应的两类,基于客流的预判结果,设有第二阀值γ,DoDt表示同比前一天的服务人数的比值,若
则表示各门店的预判客流总和大于总服务能力,所述门店适当进行价格调整,例如采用动态调价的价格调整方式。若
则表示客流量未超过总体服务能力,所述门店的服务人员进行调整,将服务人员从客流少的门店调拨至客流多的门店。
本发明基于马尔科夫链实现了门店未来客流量的预测,并根据预测结果动态调整服务价格以实现流量疏导,提升门店各时段服务能力,并整体上提高门店单日服务能力产生的价值。
当然地,该产能优化方法还可编程为一种计算机指令,并存储于一种计算机可读存储介质中,所述计算机指令包括采用JAVA、C/C++/C#、SQL等各种编程语言形成的编码程序。所述计算机指令被执行时实现如上所述的产能优化方法。
图2是本发明实施例的门店产能优化系统的示意图。门店产能优化系统100包括数据存储单元110、预判单元120和执行单元130,其中,所述数据存储单元110用于存储门店的历史到店数据,所述预判单元120用于根据所述存储单元110存储的历史到店数据,通过上述的产能优化方法对所述客流量进行预判,所述执行单元130根据预判的所述客流量,得出具体的优化方案并发送至所述门店执行。进一步地,所述执行单元130包括网络模块131,用于将所述预判结果传至线上,并生成相应的门店服务能力表,供后续计划到店客户进行参考。优选地,所述门店产能优化系统还包括电子标签140,所述电子标签140与所述执行模块130电连接,以根据所述执行模块130的指令实现价格的动态调整。
本发明的实施例具有以下优点或有益效果:通过历史到店数据,输出未来一段时间门店客流量预判,并将门店的服务能力表展示在线上,供后续计划到店客户决策,且选取部分客户推送建议到店时间。为了减少排队或等待时间,部分计划到店客户会根据所述门店服务能力表选择客流量较少的时段到店接收服务,实现了引导客流从波峰向波谷的转移,进一步利用了门店各个时段的服务能力,提高了门店的产能。
本发明的优选实施例具有以下优点或有益效果:在客流量不足时,对门店服务人员数量进行调整,将服务人员从客流少的门店调拨至客流多的门店,实现人员的充分利用。
本发明的另一优选实施例具有以下优点或有益效果:若各门店的预判客流总和大于总服务能力,则适当进行价格调整,以提升收益。同时,电子标签还有助于价格的动态调整,免去了人员更换价签的操作,避免了标签纸等不必要的浪费。
附图中的流程图、框图图示了本发明实施例的系统、方法、装置的可能的体系框架、功能和操作,流程图和框图上的方框可以代表一个模块、程序段或仅仅是一段代码,所述模块、程序段和代码都是用来实现规定逻辑功能的可执行指令。也应当注意,所述实现规定逻辑功能的可执行指令可以重新组合,从而生成新的模块和程序段。因此附图的方框以及方框顺序只是用来更好的图示实施例的过程和步骤,而不应以此作为对发明本身的限制。
系统的各个模块或单元可以通过硬件、固件或软件实现。软件例如包括采用JAVA、C/C++/C#、SQL等各种编程语言形成的编码程序。虽然在方法以及方法图例中给出本发明实施例的步骤以及步骤的顺序,但是所述步骤实现规定的逻辑功能的可执行指令可以重新组合,从而生成新的步骤。所述步骤的顺序也不应该仅仅局限于所述方法以及方法图例中的步骤顺序,可以根据功能的需要随时进行调整。例如将其中的某些步骤并行或按照相反顺序执行。
根据本发明的系统和方法可以部署在单个或多个服务器上。例如,可以将不同的模块分别部署在不同的服务器上,形成专用服务器。或者,可以在多个服务器上分布式部署相同的功能单元、模块或系统,以减轻负载压力。所述服务器包括但不限于在同一个局域网以及通过Internet连接的多个PC机、PC服务器、刀片机、超级计算机等。
以上所述仅为本发明的优选实施例,并不用于限制本发明,对于本领域技术人员而言,本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (15)
1.一种门店产能优化方法,其特征在于,包括:
获取门店的历史到店数据;
根据所述历史到店数据,获取状态转移矩阵;
根据状态转移矩阵及所述门店的最近状态预判所述门店的客流量;
根据预判结果,所述门店执行相应的优化方案。
2.根据权利要求1所述的产能优化方法,其特征在于,所述优化方案包括价格调整和门店服务人员调整中的至少一种。
3.根据权利要求1所述的产能优化方法,其特征在于,用于获取所述状态转移矩阵的所述历史到店数据的数据量与所述门店的服务领域相匹配。
4.根据权利要求1所述的产能优化方法,其特征在于,还包括:根据预判所述门店的客流量,获取门店服务能力表并在线上展示。
5.根据权利要求4所述的产能优化方法,其特征在于,还包括:根据所述门店服务能力获取建议到店时间,并将其推送给至少部分客户。
7.根据权利要求6所述的产能优化方法,其特征在于,所述预判所述门店的客流量包括:根据马尔科夫链原理获取第t天客流量同比前一天的服务人数的比值DoDt,DoDt=DoDt-1·P,其中,DoDt-1为所述第t-1天同比t-2天的服务人数的比值,P为所述状态转移矩阵。
8.根据权利要求7所述的产能优化方法,其特征在于,所述预判所述门店的客流量还包括:所述门店的状态由同比前一天的服务人数的比值DoD及第一阈值φ决定,当DoD<1-φ判定门店服务人数下降,当1-φ≤DoD<1+φ时判定门店服务人数持平,当DoD≥1+φ判定门店服务人数上升。
11.根据权利要求10所述的产能优化方法,其特征在于,所述门店执行相应的优化方案还包括:将所述削减的门店服务人员调配至其他门店以充分利用。
12.一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存储有计算机指令,所述计算机指令被执行时实现如权利要求1至11任一项所述的产能优化方法。
13.一种门店产能优化系统,其特征在于,包括:
存储模块,用于存储门店的历史到店数据;
预判模块,根据所述存储模块存储的历史到店数据,通过如权利要求1-11中任一项所述的产能优化方法对所述客流量进行预判;
执行模块,根据预判的所述客流量,得出具体的优化方案并发送至所述门店执行。
14.根据权利要求13所述的产能优化系统,其特征在于,所述执行模块还包括网络单元,用于将所述预判结果传至线上,并生成相应的门店服务能力表,供后续计划到店客户进行参考。
15.根据权利要求13所述产能优化系统,其特征在于,还包括电子标签,所述电子标签与所述执行模块电连接,以实现动态调价。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811010610.4A CN110874664A (zh) | 2018-08-31 | 2018-08-31 | 门店产能优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811010610.4A CN110874664A (zh) | 2018-08-31 | 2018-08-31 | 门店产能优化方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110874664A true CN110874664A (zh) | 2020-03-10 |
Family
ID=69715198
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811010610.4A Pending CN110874664A (zh) | 2018-08-31 | 2018-08-31 | 门店产能优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110874664A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113159648A (zh) * | 2021-05-20 | 2021-07-23 | 苏州达家迎信息技术有限公司 | 服务节点的服务消费能力确定方法、装置及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080313005A1 (en) * | 2007-06-15 | 2008-12-18 | Edgelnova International, Inc. | System and method for real-time scheduling of human and non-human resources |
CN107067283A (zh) * | 2017-04-21 | 2017-08-18 | 重庆邮电大学 | 基于历史商家记录及用户行为的电商消费客流量预测方法 |
CN107862413A (zh) * | 2017-11-16 | 2018-03-30 | 四维口袋科技(北京)有限公司 | 基于马尔科夫链的预测方法和装置 |
CN107895283A (zh) * | 2017-11-07 | 2018-04-10 | 重庆邮电大学 | 一种基于时间序列分解的商家客流量大数据预测方法 |
CN108417038A (zh) * | 2018-05-09 | 2018-08-17 | 华中科技大学鄂州工业技术研究院 | 一种公交客流量的预测方法及系统 |
-
2018
- 2018-08-31 CN CN201811010610.4A patent/CN110874664A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080313005A1 (en) * | 2007-06-15 | 2008-12-18 | Edgelnova International, Inc. | System and method for real-time scheduling of human and non-human resources |
CN107067283A (zh) * | 2017-04-21 | 2017-08-18 | 重庆邮电大学 | 基于历史商家记录及用户行为的电商消费客流量预测方法 |
CN107895283A (zh) * | 2017-11-07 | 2018-04-10 | 重庆邮电大学 | 一种基于时间序列分解的商家客流量大数据预测方法 |
CN107862413A (zh) * | 2017-11-16 | 2018-03-30 | 四维口袋科技(北京)有限公司 | 基于马尔科夫链的预测方法和装置 |
CN108417038A (zh) * | 2018-05-09 | 2018-08-17 | 华中科技大学鄂州工业技术研究院 | 一种公交客流量的预测方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113159648A (zh) * | 2021-05-20 | 2021-07-23 | 苏州达家迎信息技术有限公司 | 服务节点的服务消费能力确定方法、装置及电子设备 |
CN113159648B (zh) * | 2021-05-20 | 2023-05-30 | 苏州达家迎信息技术有限公司 | 服务节点的服务消费能力确定方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7340456B2 (ja) | モデル生成のための動的な特徴選択 | |
JP7121118B2 (ja) | 重み付けされた混合機械学習モデルを使用した需要予測 | |
US11010798B2 (en) | System and method for integrating retail price optimization for revenue and profit with business rules | |
CN110751497A (zh) | 一种商品补货方法和装置 | |
CN109544076B (zh) | 用于生成信息的方法和装置 | |
JP2019079302A (ja) | 営業活動支援システム、営業活動支援方法および営業活動支援プログラム | |
CN112074849A (zh) | 价格优化系统 | |
US10528903B2 (en) | Computerized promotion and markdown price scheduling | |
WO2021216167A1 (en) | Auto clustering prediction models | |
CN108369674B (zh) | 使用目标聚类方法对具有混合属性类型的客户进行细分的系统和方法 | |
US10776803B2 (en) | Computerized promotion and markdown price scheduling | |
EP3400571A1 (en) | Consumer decision tree generation system | |
US20190034944A1 (en) | Systems and methods for predicting buffer value | |
WO2022055615A1 (en) | Short life cycle sales curve estimation | |
CN110874664A (zh) | 门店产能优化方法及系统 | |
Jeganathan et al. | A stochastic inventory model with two queues and a flexible server | |
CA2909957A1 (en) | Large-scale customer-product relationship mapping and contact scheduling | |
CN111401935B (zh) | 资源分配方法、装置及存储介质 | |
CN110838019A (zh) | 确定试用品发放人群的方法和装置 | |
WO2021065290A1 (ja) | 店舗支援システム、学習装置、店舗支援方法、学習済みモデルの生成方法及びプログラム | |
CN111133467B (zh) | 针对货物篮的快速学习推荐系统 | |
WO2020014379A1 (en) | Systems and methods for generating a two-dimensional planogram based on intermediate data structures | |
US20230196442A1 (en) | Selecting methods to allocate shoppers for order fulfillment in geographic regions by an online concierge system based on machine-learned efficiencies for different allocation methods | |
CN110858337A (zh) | 一种生成配置信息的方法和装置 | |
CN113344465B (zh) | 一种药店经营的预测系统 |
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 |