CN111401973B - 一种多影响因素下商品需求预测信息预测系统及方法 - Google Patents

一种多影响因素下商品需求预测信息预测系统及方法 Download PDF

Info

Publication number
CN111401973B
CN111401973B CN202010331193.4A CN202010331193A CN111401973B CN 111401973 B CN111401973 B CN 111401973B CN 202010331193 A CN202010331193 A CN 202010331193A CN 111401973 B CN111401973 B CN 111401973B
Authority
CN
China
Prior art keywords
commodity
module
market
sales
sub
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.)
Active
Application number
CN202010331193.4A
Other languages
English (en)
Other versions
CN111401973A (zh
Inventor
李敬泉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongchu Zhiyun Technology Co ltd
Original Assignee
Cmst Nanjiang Smart Logistics Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Cmst Nanjiang Smart Logistics Technology Co ltd filed Critical Cmst Nanjiang Smart Logistics Technology Co ltd
Priority to CN202010331193.4A priority Critical patent/CN111401973B/zh
Publication of CN111401973A publication Critical patent/CN111401973A/zh
Application granted granted Critical
Publication of CN111401973B publication Critical patent/CN111401973B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0203—Market surveys; Market polls
    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0283—Price estimation or determination
    • G06Q30/0284—Time or distance, e.g. usage of parking meters or taximeters
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Human Resources & Organizations (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种多影响因素下商品需求预测信息预测系统及方法，该系统包括商品影响因素点综合统计模块、商品年周期率分析模块、商品数据变化趋势特征提取模块、指标对比处理模块和进货方案预定制模块，商品影响因素点综合统计模块用于对影响商品销售的影响因素进行统计，商品年周期率分析模块用于分析商品的往年的销售额进行分析后预测今年的商品销售额，商品数据变化趋势特征提取模块用于对商品进行市场用户画像后进行判断市场不同年龄阶段用户的接受度，指标对比处理模块用于对不同类产品的市场售卖情况，进货方案预定制模块用于根据所有模块收集的资料进行方案制定，旨在更完善的预测当前商品的需求，智能进行制定商品需求方案。

Description

一种多影响因素下商品需求预测信息预测系统及方法
技术领域
本发明涉及商品需求预测领域，具体是一种多影响因素下商品需求预测信息预测系统及方法。
背景技术
需求预测指根据有关调查资料对拟建项目的产品未来市场需求变化进行细致的分析研究，掌握需求的内在规律，对其发展趋势作出正确的估计和判断，以确保拟建项目投产后产品对路，品种符合市场需要，具有较强的竞争能力。拟建项目的需求预测是可行性研究的前题和基础。它分国内需求预测和国际需求预测。需求预测的依据是市场调查资料。根据拟建项目产品的复杂程度和项目特点确定市场调查的内容。
目的在于通过充分利用现在和过去的历史数据、考虑未来各种影响因素，结合本企业的实际情况，采用合适的科学分析方法，提出切合实际的需求目标，从而定制订购需求计划，指导原材料或商品订货。库存控制。必要设施的配合等企业物流工作的开展。
需求预测是为企业给出了其产品在未来一段时间里的需求期望水平，并为企业的计划和控制决策提供了依据。既然企业生产的目的是向社会提供产品或服务，其生产决策无疑会很大程度地受到需求预测的影响。需求预测与企业生产经营活动关系最紧密。
对企业产品或服务的实际需求是市场上众多因素作用的结果。其中，有些因素是企业可以影响甚至决定的，而另外一些因素则是企业无法控制的。在众多的因素中，一般来讲，某产品或服务的需求取决于该产品或服务的市场容量以及该企业所拥有的市场份额。
目前，对商品进行需求预测仅对商品往年的售出量进行判定，但这只限于市场接受度高的旧产品，对于新产品或刚在市场进行售卖的产品来说，单一的数据市场参考性不强，且每年年度经济不同会导致用户的需求度不同，会造成商品需求预测的误判，本申请旨在对待出售商品的不同数据进行参考，不同数据包括同类产品售出量、年度经济、市场预售数据，能够更完善的预测当前商品的需求，智能进行制定商品需求方案。
发明内容
本发明的目的在于提供一种多影响因素下商品需求预测信息预测系统及方法，以解决现有技术中的问题。
为实现上述目的，本发明提供如下技术方案：
一种多影响因素下商品需求预测信息预测系统，所述系统包括商品影响因素点综合统计模块、商品年周期率分析模块、商品数据变化趋势特征提取模块、指标对比处理模块和进货方案预定制模块，其中，商品影响因素点综合统计模块、商品年周期率分析模块、商品数据变化趋势特征提取模块、指标对比处理模块分别和进货方案预定制模块通过内网连接；
所述商品影响因素点综合统计模块用于对影响商品销售的影响因素进行统计，商品年周期率分析模块用于分析商品的往年的销售额进行分析后预测今年的商品销售额，商品数据变化趋势特征提取模块用于对商品进行市场用户画像后进行判断市场不同年龄阶段用户的接受度，指标对比处理模块用于对不同类产品的市场售卖情况，进货方案预定制模块用于根据所有模块收集的资料进行方案制定。
通过采用上述技术方案：所述商品影响因素点综合统计模块包括不同因素历史影响概率统计子模块和峰值对应列表标记子模块，其中不同因素历史影响概率统计子模块用于统计该商品的以往影响销售额的历史因素进行统计。统计该影响因素对当年销售额的影响概率，将不同因素的影响概率占比发送给峰值对应列表标记子模块，峰值对应列表标记子模块用于提取对历年销售额影响的各影响概率，对不同影响概率进行排序，对影响概率较大的影响因素进行标记。
通过采用上述技术方案：所述商品年周期率分析模块包括往年周期销售额分析子模块和商品需求预测子模块，往年周期销售额分析子模块用于统计该商品往年在不同地区的售出率、对售出率进行排序，将不同地区进行分类，商品需求预测子模块用于对不同地区往年售出数据趋势进行不同地区的商品需求统计。
通过采用上述技术方案：所述商品数据变化趋势特征提取模块包括商品预售投放子模块和产品市场认可度用户画像子模块，商品预售投放子模块用于对商品进行网络预售，采集预售数据判定当前该商品网络接受度数据，产品市场认可度用户画像子模块根据该商品的售出情况，对该商品售出的用户进行用户画像，采集不同年龄阶段对该产品的接受度情况。
通过采用上述技术方案：所述指标对比处理模块包括同类产品市场份额统计子模块和本年度经济形势分析子模块，同类产品市场份额统计子模块用于统计同种类产品在市场份额中的占比情况，和同种类产品往年的销售情况，分析其在市场份额中的占比率，本年度经济形势分析子模块用于分析当年年度的经济情况，从而多因素分析本年度商品售出情况。
通过采用上述技术方案：所述进货方案预定制模块包括库存量统计子模块和市场反馈数据分析子模块，库存量统计子模块用于统计当前商品的库存量进行反馈，市场反馈数据分析子模块用于获取所有模块统计的商品影响因素进行分析，分析当前商品的市场需求度，根据分析得出的市场需求度对当前商品自动进行制定进货方案，发送给人工进行参考。
一种多影响因素下商品需求预测信息预测方法：
S1：利用商品影响因素点综合统计模块对影响商品销售的影响因素进行统计，不同因素历史影响概率统计子模块用于统计该商品的以往影响销售额的历史因素进行统计，统计该影响因素对当年销售额的影响概率，将不同因素的影响概率占比发送给峰值对应列表标记子模块，峰值对应列表标记子模块用于提取对历年销售额影响的各影响概率，对不同影响概率进行排序，对影响概率较大的影响因素进行标记；
S2：利用商品年周期率分析模块分析商品的往年的销售额进行分析后预测今年的商品销售额，往年周期销售额分析子模块统计该商品往年在不同地区的售出率、对售出率进行排序，将不同地区进行分类，商品需求预测子模块对不同地区往年售出数据趋势进行不同地区的商品需求统计；
S3：利用商品数据变化趋势特征提取模块对商品进行市场用户画像后进行判断市场不同年龄阶段用户的接受度，商品预售投放子模块对商品进行网络预售，采集预售数据判定当前该商品网络接受度数据，产品市场认可度用户画像子模块根据该商品的售出情况，对该商品售出的用户进行用户画像，采集不同年龄阶段对该产品的接受度情况；
S4：利用指标对比处理模块对不同类产品的市场售卖情况，同类产品市场份额统计子模块统计同种类产品在市场份额中的占比情况，和同种类产品往年的销售情况，分析其在市场份额中的占比率，本年度经济形势分析子模块分析当年年度的经济情况，从而多因素分析本年度商品售出情况；
S5：利用进货方案预定制模块根据所有模块收集的资料进行方案制定，库存量统计子模块统计当前商品的库存量进行反馈，市场反馈数据分析子模块获取所有模块统计的商品影响因素进行分析，分析当前商品的市场需求度，根据分析得出的市场需求度对当前商品自动进行制定进货方案，发送给人工进行参考。
通过采用上述技术方案：所述步骤S5中，利用进货方案预定制模块根据所有模块收集的资料进行方案制定，库存量统计子模块统计当前商品的库存量进行反馈，市场反馈数据分析子模块获取所有模块统计的商品影响因素进行分析，分析当前商品的市场需求度，根据分析得出的市场需求度对当前商品自动进行制定进货方案，发送给人工进行参考，还包括以下步骤；
所述商品预售投放子模块在网络上投放N个商品进行网络接受度采样，其中网络用户接收度为K1，设定不同因素历史影响概率为K2，同类产品市场份额占比为K3，设定本商品该批次市场预投放量为R，商品库存量为R0，设定商品预测售出量为C，根据公式：
C＝(1-K3)*[(1-K2)*K1*R)]-R0
计算得出当前商品市场预测售出量，将所有模块收集的资料形成列表进行汇总后进行进货方案预制定，方案制定发送给人工进行参考。
与现有技术相比，本发明的有益效果是：本发明旨在对待出售商品的不同数据进行参考，不同数据包括同类产品售出量、年度经济、市场预售数据，能够更完善的预测当前商品的需求，智能进行制定商品需求方案；
利用商品影响因素点综合统计模块用于对影响商品销售的影响因素进行统计，商品年周期率分析模块用于分析商品的往年的销售额进行分析后预测今年的商品销售额，商品数据变化趋势特征提取模块用于对商品进行市场用户画像后进行判断市场不同年龄阶段用户的接受度，指标对比处理模块用于对不同类产品的市场售卖情况，进货方案预定制模块用于根据所有模块收集的资料进行方案制定。
附图说明
为了使本发明的内容更容易被清楚地理解，下面根据具体实施例并结合附图，对本发明作进一步详细的说明。
图1为本发明一种多影响因素下商品需求预测信息预测系统的模块结构示意图；
图2为本发明一种多影响因素下商品需求预测信息预测方法的具体步骤示意图；
图3为本发明一种多影响因素下商品需求预测信息预测方法的具体实施方式示意图。
具体实施方式
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做出创造性劳动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。
请参阅图1～3，本发明实施例中，一种多影响因素下商品需求预测信息预测系统及方法，所述系统包括商品影响因素点综合统计模块、商品年周期率分析模块、商品数据变化趋势特征提取模块、指标对比处理模块和进货方案预定制模块，其中，商品影响因素点综合统计模块、商品年周期率分析模块、商品数据变化趋势特征提取模块、指标对比处理模块分别和进货方案预定制模块通过内网连接；
所述商品影响因素点综合统计模块用于对影响商品销售的影响因素进行统计，商品年周期率分析模块用于分析商品的往年的销售额进行分析后预测今年的商品销售额，商品数据变化趋势特征提取模块用于对商品进行市场用户画像后进行判断市场不同年龄阶段用户的接受度，指标对比处理模块用于对不同类产品的市场售卖情况，进货方案预定制模块用于根据所有模块收集的资料进行方案制定。
通过采用上述技术方案：所述商品影响因素点综合统计模块包括不同因素历史影响概率统计子模块和峰值对应列表标记子模块，其中不同因素历史影响概率统计子模块用于统计该商品的以往影响销售额的历史因素进行统计。统计该影响因素对当年销售额的影响概率，将不同因素的影响概率占比发送给峰值对应列表标记子模块，峰值对应列表标记子模块用于提取对历年销售额影响的各影响概率，对不同影响概率进行排序，对影响概率较大的影响因素进行标记。
通过采用上述技术方案：所述商品年周期率分析模块包括往年周期销售额分析子模块和商品需求预测子模块，往年周期销售额分析子模块用于统计该商品往年在不同地区的售出率、对售出率进行排序，将不同地区进行分类，商品需求预测子模块用于对不同地区往年售出数据趋势进行不同地区的商品需求统计。
通过采用上述技术方案：所述商品数据变化趋势特征提取模块包括商品预售投放子模块和产品市场认可度用户画像子模块，商品预售投放子模块用于对商品进行网络预售，采集预售数据判定当前该商品网络接受度数据，产品市场认可度用户画像子模块根据该商品的售出情况，对该商品售出的用户进行用户画像，采集不同年龄阶段对该产品的接受度情况。
通过采用上述技术方案：所述指标对比处理模块包括同类产品市场份额统计子模块和本年度经济形势分析子模块，同类产品市场份额统计子模块用于统计同种类产品在市场份额中的占比情况，和同种类产品往年的销售情况，分析其在市场份额中的占比率，本年度经济形势分析子模块用于分析当年年度的经济情况，从而多因素分析本年度商品售出情况。
通过采用上述技术方案：所述进货方案预定制模块包括库存量统计子模块和市场反馈数据分析子模块，库存量统计子模块用于统计当前商品的库存量进行反馈，市场反馈数据分析子模块用于获取所有模块统计的商品影响因素进行分析，分析当前商品的市场需求度，根据分析得出的市场需求度对当前商品自动进行制定进货方案，发送给人工进行参考。
一种多影响因素下商品需求预测信息预测方法：
S1：利用商品影响因素点综合统计模块对影响商品销售的影响因素进行统计，不同因素历史影响概率统计子模块用于统计该商品的以往影响销售额的历史因素进行统计，统计该影响因素对当年销售额的影响概率，将不同因素的影响概率占比发送给峰值对应列表标记子模块，峰值对应列表标记子模块用于提取对历年销售额影响的各影响概率，对不同影响概率进行排序，对影响概率较大的影响因素进行标记；
S2：利用商品年周期率分析模块分析商品的往年的销售额进行分析后预测今年的商品销售额，往年周期销售额分析子模块统计该商品往年在不同地区的售出率、对售出率进行排序，将不同地区进行分类，商品需求预测子模块对不同地区往年售出数据趋势进行不同地区的商品需求统计；
S3：利用商品数据变化趋势特征提取模块对商品进行市场用户画像后进行判断市场不同年龄阶段用户的接受度，商品预售投放子模块对商品进行网络预售，采集预售数据判定当前该商品网络接受度数据，产品市场认可度用户画像子模块根据该商品的售出情况，对该商品售出的用户进行用户画像，采集不同年龄阶段对该产品的接受度情况；
S4：利用指标对比处理模块对不同类产品的市场售卖情况，同类产品市场份额统计子模块统计同种类产品在市场份额中的占比情况，和同种类产品往年的销售情况，分析其在市场份额中的占比率，本年度经济形势分析子模块分析当年年度的经济情况，从而多因素分析本年度商品售出情况；
S5：利用进货方案预定制模块根据所有模块收集的资料进行方案制定，库存量统计子模块统计当前商品的库存量进行反馈，市场反馈数据分析子模块获取所有模块统计的商品影响因素进行分析，分析当前商品的市场需求度，根据分析得出的市场需求度对当前商品自动进行制定进货方案，发送给人工进行参考。
通过采用上述技术方案：所述步骤S5中，利用进货方案预定制模块根据所有模块收集的资料进行方案制定，库存量统计子模块统计当前商品的库存量进行反馈，市场反馈数据分析子模块获取所有模块统计的商品影响因素进行分析，分析当前商品的市场需求度，根据分析得出的市场需求度对当前商品自动进行制定进货方案，发送给人工进行参考，还包括以下步骤；
所述商品预售投放子模块在网络上投放N个商品进行网络接受度采样，其中网络用户接收度为K1，设定不同因素历史影响概率为K2，同类产品市场份额占比为K3，设定本商品该批次市场预投放量为R，商品库存量为R0，设定商品预测售出量为C，根据公式：
C＝(1-K3)*[(1-K2)*K1*R)]-R0
计算得出当前商品市场预测售出量，将所有模块收集的资料形成列表进行汇总后进行进货方案预制定，方案制定发送给人工进行参考。
实施例1：限定条件，商品预售投放子模块在网络上投放N个商品进行网络接受度采样，其中网络用户接收度为63％，设定不同因素历史影响概率为7％，同类产品市场份额占比为14％，设定本商品该批次市场预投放量为60000，商品库存量为12000，设定商品预测售出量为C，根据公式：
C＝(1-14％)*[(1-7％)*63％*60000)]-12000
＝30232.4-12000＝18232.4
计算得出当前商品市场预测售出量为18232.4，将所有模块收集的资料形成列表进行汇总后进行进货方案预制定，方案制定发送给人工进行参考。
实施例2：限定条件，商品预售投放子模块在网络上投放N个商品进行网络接受度采样，其中网络用户接收度为78％，设定不同因素历史影响概率为13％，同类产品市场份额占比为20％，设定本商品该批次市场预投放量为123000，商品库存量为10000，设定商品预测售出量为C，根据公式：
C＝(1-20％)*[(1-13％)*78％*123000)]-10000＝56774.24
计算得出当前商品市场预测售出量为56774.24，将所有模块收集的资料形成列表进行汇总后进行进货方案预制定，方案制定发送给人工进行参考。
实施例3：限定条件，商品预售投放子模块在网络上投放N个商品进行网络接受度采样，其中网络用户接收度为66％，设定不同因素历史影响概率为40％，同类产品市场份额占比为40％，设定本商品该批次市场预投放量为41000，商品库存量为2000，设定商品预测售出量为C，根据公式：
C＝(1-40％)*[(1-40％)*66％*41000)]-2000＝7741.6
计算得出当前商品市场预测售出量为7741.6，将所有模块收集的资料形成列表进行汇总后进行进货方案预制定，方案制定发送给人工进行参考。
实施例3：限定条件，商品预售投放子模块在网络上投放N个商品进行网络接受度采样，其中网络用户接收度为84％，设定不同因素历史影响概率为14％，同类产品市场份额占比为50％，设定本商品该批次市场预投放量为78000，商品库存量为5000，设定商品预测售出量为C，根据公式：
C＝(1-50％)*[(1-14％)*84％*78000)]-5000＝23173.6
计算得出当前商品市场预测售出量为23173.6，将所有模块收集的资料形成列表进行汇总后进行进货方案预制定，方案制定发送给人工进行参考。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (3)

1.一种多影响因素下商品需求预测信息预测系统，其特征在于：所述系统包括商品影响因素点综合统计模块、商品年周期率分析模块、商品数据变化趋势特征提取模块、指标对比处理模块和进货方案预定制模块，其中，商品影响因素点综合统计模块、商品年周期率分析模块、商品数据变化趋势特征提取模块、指标对比处理模块分别和进货方案预定制模块通过内网连接；
所述商品影响因素点综合统计模块用于对影响商品销售的影响因素进行统计，商品年周期率分析模块用于分析商品的往年的销售额进行分析后预测今年的商品销售额，商品数据变化趋势特征提取模块用于对商品进行市场用户画像后进行判断市场不同年龄阶段用户的接受度，指标对比处理模块用于对不同类产品的市场售卖情况，进货方案预定制模块用于根据所有模块收集的资料进行方案制定；
所述商品影响因素点综合统计模块包括不同因素历史影响概率统计子模块和峰值对应列表标记子模块，其中不同因素历史影响概率统计子模块用于统计该商品的以往影响销售额的历史因素进行统计；统计该影响因素对当年销售额的影响概率，将不同因素的影响概率占比发送给峰值对应列表标记子模块，峰值对应列表标记子模块用于提取对历年销售额影响的各影响概率，对不同影响概率进行排序，对影响概率较大的影响因素进行标记；
所述商品年周期率分析模块包括往年周期销售额分析子模块和商品需求预测子模块，往年周期销售额分析子模块用于统计该商品往年在不同地区的售出率、对售出率进行排序，将不同地区进行分类，商品需求预测子模块用于对不同地区往年售出数据趋势进行不同地区的商品需求统计；
所述商品数据变化趋势特征提取模块包括商品预售投放子模块和产品市场认可度用户画像子模块，商品预售投放子模块用于对商品进行网络预售，采集预售数据判定当前该商品网络接受度数据，产品市场认可度用户画像子模块根据该商品的售出情况，对该商品售出的用户进行用户画像，采集不同年龄阶段对该产品的接受度情况；
所述指标对比处理模块包括同类产品市场份额统计子模块和本年度经济形势分析子模块，同类产品市场份额统计子模块用于统计同种类产品在市场份额中的占比情况，和同种类产品往年的销售情况，分析其在市场份额中的占比率，本年度经济形势分析子模块用于分析当年年度的经济情况，从而多因素分析本年度商品售出情况；
所述进货方案预定制模块包括库存量统计子模块和市场反馈数据分析子模块，库存量统计子模块用于统计当前商品的库存量进行反馈，市场反馈数据分析子模块用于获取所有模块统计的商品影响因素进行分析，分析当前商品的市场需求度，根据分析得出的市场需求度对当前商品自动进行制定进货方案，发送给人工进行参考。
2.一种多影响因素下商品需求预测信息预测方法，其特征在于：
S1：利用商品影响因素点综合统计模块对影响商品销售的影响因素进行统计，不同因素历史影响概率统计子模块用于统计该商品的以往影响销售额的历史因素进行统计，统计该影响因素对当年销售额的影响概率，将不同因素的影响概率占比发送给峰值对应列表标记子模块，峰值对应列表标记子模块用于提取对历年销售额影响的各影响概率，对不同影响概率进行排序，对影响概率较大的影响因素进行标记；
S2：利用商品年周期率分析模块分析商品的往年的销售额进行分析后预测今年的商品销售额，往年周期销售额分析子模块统计该商品往年在不同地区的售出率、对售出率进行排序，将不同地区进行分类，商品需求预测子模块对不同地区往年售出数据趋势进行不同地区的商品需求统计；
S3：利用商品数据变化趋势特征提取模块对商品进行市场用户画像后进行判断市场不同年龄阶段用户的接受度，商品预售投放子模块对商品进行网络预售，采集预售数据判定当前该商品网络接受度数据，产品市场认可度用户画像子模块根据该商品的售出情况，对该商品售出的用户进行用户画像，采集不同年龄阶段对该产品的接受度情况；
S4：利用指标对比处理模块对不同类产品的市场售卖情况，同类产品市场份额统计子模块统计同种类产品在市场份额中的占比情况，和同种类产品往年的销售情况，分析其在市场份额中的占比率，本年度经济形势分析子模块分析当年年度的经济情况，从而多因素分析本年度商品售出情况；
S5：利用进货方案预定制模块根据所有模块收集的资料进行方案制定，库存量统计子模块统计当前商品的库存量进行反馈，市场反馈数据分析子模块获取所有模块统计的商品影响因素进行分析，分析当前商品的市场需求度，根据分析得出的市场需求度对当前商品自动进行制定进货方案，发送给人工进行参考。
3.根据权利要求2所述的一种多影响因素下商品需求预测信息预测方法，其特征在于：所述步骤S5中，利用进货方案预定制模块根据所有模块收集的资料进行方案制定，库存量统计子模块统计当前商品的库存量进行反馈，市场反馈数据分析子模块获取所有模块统计的商品影响因素进行分析，分析当前商品的市场需求度，根据分析得出的市场需求度对当前商品自动进行制定进货方案，发送给人工进行参考，还包括以下步骤；所述商品预售投放子模块在网络上投放N个商品进行网络接受度采样，其中网络用户接收度为K1，设定不同因素历史影响概率为K2，同类产品市场份额占比为K3，设定本商品在市场预投放量为R，商品库存量为R0，设定商品预测售出量为C，根据公式：
C＝(1-K3)*[(1-K2)*K1*R)]-R0
计算得出当前商品市场预测售出量，将所有模块收集的资料形成列表进行汇总后进行进货方案预制定，方案制定发送给人工进行参考。
CN202010331193.4A 2020-04-24 2020-04-24 一种多影响因素下商品需求预测信息预测系统及方法 Active CN111401973B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010331193.4A CN111401973B (zh) 2020-04-24 2020-04-24 一种多影响因素下商品需求预测信息预测系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010331193.4A CN111401973B (zh) 2020-04-24 2020-04-24 一种多影响因素下商品需求预测信息预测系统及方法

Publications (2)

Publication Number Publication Date
CN111401973A CN111401973A (zh) 2020-07-10
CN111401973B true CN111401973B (zh) 2023-05-26

Family

ID=71435406

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010331193.4A Active CN111401973B (zh) 2020-04-24 2020-04-24 一种多影响因素下商品需求预测信息预测系统及方法

Country Status (1)

Country Link
CN (1) CN111401973B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116258557B (zh) * 2023-03-17 2023-11-14 山东亚荣化学股份有限公司 基于化学安全产品渠道的网络分销系统
CN116911717B (zh) * 2023-09-13 2023-12-08 中国标准化研究院 一种用于城市贸易中的运力分配方法及系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7627495B2 (en) * 2003-06-03 2009-12-01 The Boeing Company Systems, methods and computer program products for modeling demand, supply and associated profitability of a good
CN104951988A (zh) * 2014-03-24 2015-09-30 国网上海市电力公司 一种电力潜在市场的预测方法
CN108876085B (zh) * 2018-04-12 2020-11-10 合肥天源迪科信息技术有限公司 一种基于互联网的企业销售支撑平台
CN109493133A (zh) * 2018-10-31 2019-03-19 深圳市轱辘汽车维修技术有限公司 一种确定推广产品的方法、装置及电子设备
CN110533316A (zh) * 2019-08-26 2019-12-03 青岛建邦供应链股份有限公司 一种基于大数据的产品生命周期分析方法、系统及存储介质
CN110533466A (zh) * 2019-08-26 2019-12-03 青岛建邦供应链股份有限公司 基于大数据辅助产品开发的方法、系统和存储介质

Also Published As

Publication number Publication date
CN111401973A (zh) 2020-07-10

Similar Documents

Publication Publication Date Title
CN111401973B (zh) 一种多影响因素下商品需求预测信息预测系统及方法
CN105956883A (zh) 电子商务数据处理系统
CN110378510B (zh) 一种基于时间序列和层次聚合的配网物资需求预测方法
CN112288375B (zh) 一种基于大数据的智慧供应链协调管理系统
CN111311132A (zh) 一种运维服务质量数据分析决策支持系统
CN111144938A (zh) 适用于汽车行业的销售线索评级的方法和系统
CN115689415A (zh) 一种基于数字孪生的物流监视与仿真系统
CN105426995A (zh) 一种基于历史订单成本分析的成本预测方法
CN113673842A (zh) 基于大数据的生产效率诊断方法、装置、设备及存储介质
CN116090702B (zh) 一种基于物联网的erp数据智能监管系统及方法
CN111369348A (zh) 贷后风险监控方法、装置、设备及计算机可读存储介质
CN115063207A (zh) 一种基于云计算的建材采购智能比价分析处理系统
CN112749912A (zh) 一种营销管理系统
CN112785276B (zh) 一种工程咨询管理系统及方法
CN114511371A (zh) 一种数据显示处理智能系统
CN109359825B (zh) 银行数字化运营产品价值分析方法
CN1704947A (zh) 模具加工产能负载处理系统及方法
CN116502768B (zh) 民航信息岗负荷预警方法、系统及存储介质
CN117524374B (zh) 一种产品生态过程的环境影响评估系统和装置
CN116993116B (zh) 一种外包人力资源的分配方法及设备
CN117408531B (zh) 一种大数据智能匹配的客户信息管理方法及系统
CN113360717B (zh) 一种智能线索处理方法及系统
CN112308608B (zh) 变电站造价的数据处理方法、装置、电子设备及存储介质
CN116644744A (zh) 一种客户诉求趋势分析方法及系统
CN1189228A (zh) 用于循环时间成本计算的方法和装置

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
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: No. 65 Beixiang Road, Gulou District, Nanjing City, Jiangsu Province, 210037

Patentee after: Zhongchu Zhiyun Technology Co.,Ltd.

Country or region after: China

Address before: 210000 No.1, he road, Gulou District, Nanjing City, Jiangsu Province

Patentee before: CMST NANJIANG SMART LOGISTICS TECHNOLOGY CO.,LTD.

Country or region before: China