CN111461632A - 商品供需平衡方法及系统、服务器及介质 - Google Patents

商品供需平衡方法及系统、服务器及介质 Download PDF

Info

Publication number
CN111461632A
CN111461632A CN202010557150.8A CN202010557150A CN111461632A CN 111461632 A CN111461632 A CN 111461632A CN 202010557150 A CN202010557150 A CN 202010557150A CN 111461632 A CN111461632 A CN 111461632A
Authority
CN
China
Prior art keywords
commodity
time period
past
purchase
customer
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
Application number
CN202010557150.8A
Other languages
English (en)
Inventor
王勇
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.)
Beijing Missfresh Ecommerce Co Ltd
Original Assignee
Beijing Missfresh Ecommerce 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 Beijing Missfresh Ecommerce Co Ltd filed Critical Beijing Missfresh Ecommerce Co Ltd
Priority to CN202010557150.8A priority Critical patent/CN111461632A/zh
Publication of CN111461632A publication Critical patent/CN111461632A/zh
Pending legal-status Critical Current

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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • 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
    • G06Q30/0202—Market predictions or forecasting for commercial activities

Landscapes

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

Abstract

本发明公开了一种商品供需平衡方法及系统、服务器及存储介质，其包括：获取在过去设定时间段内每个客户购买的每种商品的购买次数及其每次的购买量；根据上述购买次数及购买量预测每个客户在过去设定时间段内对每种商品的消耗能力；根据每个客户在过去设定时间段内对每种商品的消耗能力预测其在未来设定时间段内对该种商品的消耗量，并根据预测的消耗量对该种商品进行储备。本发明通过获取在过去设定时间段内每个客户购买的每种商品的购买次数及其每次的购买量，以预测每个客户对每种商品的消耗能力，进而预测未来设定时间段内每种商品的消耗量，并根据预测的消耗量对每种商品进行储备供货，其有利于实现供需平衡，避免供货量过多或过少。

Description

商品供需平衡方法及系统、服务器及介质
技术领域
本发明涉及智能化商品供货技术，尤其是涉及一种商品供需平衡方法及系统、服务器及存储介质。
背景技术
对于有效期较长的商品而言，电商平台销售可适当的增加库存量，而对于瓜果、蔬菜、生鲜等有效期较短的商品，则需要准确考虑到购买者的需求，若供货量过少，则很多客户无法及时购买到该商品，其不利于提高销售量，也易导致很多客户去其他平台购买，增加了失去客户的风险，而供货量过多，则存在大量商品在有效期内无法销售出去的风险。
发明内容
本发明的目的在于克服上述技术不足，提出一种商品供需平衡方法及系统、服务器及存储介质，解决现有技术中商品供货量过多或过少的技术问题。
为达到上述技术目的，本发明的技术方案第一方面提供一种商品供需平衡方法，包括如下步骤：
获取在过去设定时间段内每个客户购买的每种商品的购买次数及其每次的购买量；
根据上述购买次数及购买量预测每个客户在过去设定时间段内对每种商品的消耗能力；根据每个客户在过去设定时间段内对每种商品的消耗能力预测其在未来设定时间段内对该种商品的消耗量，并根据预测的消耗量对该种商品进行储备，其储备公式如下：
Figure DEST_PATH_IMAGE001
Figure 76864DEST_PATH_IMAGE002
为第
Figure 846278DEST_PATH_IMAGE003
种商品在未来
Figure 917002DEST_PATH_IMAGE004
时间段内的储备量，
Figure 908092DEST_PATH_IMAGE005
为第
Figure 747872DEST_PATH_IMAGE006
个客户在过去
Figure 228532DEST_PATH_IMAGE007
时间段内第
Figure 520973DEST_PATH_IMAGE008
次购买的第
Figure 315754DEST_PATH_IMAGE003
种商品的数量，
Figure 10040DEST_PATH_IMAGE009
为第
Figure 599285DEST_PATH_IMAGE003
种商品的修正系数，
Figure 644601DEST_PATH_IMAGE010
为在过去
Figure 39810DEST_PATH_IMAGE007
时间段内购买第
Figure 24822DEST_PATH_IMAGE003
种商品的客户数量，
Figure 112863DEST_PATH_IMAGE011
为在过去
Figure 379897DEST_PATH_IMAGE007
时间段内第
Figure 578797DEST_PATH_IMAGE006
个客户购买第
Figure 919779DEST_PATH_IMAGE003
种商品的次数。
本发明第二方面提供一种商品供需平衡系统，包括：
数据获取模块，其用于获取在过去设定时间段内每个客户购买的每种商品的购买次数及其每次的购买量；
数据处理模块，其用于根据上述购买次数及购买量预测每个客户在过去设定时间段内对每种商品的消耗能力；根据每个客户在过去设定时间段内对每种商品的消耗能力预测其在未来设定时间段内对该种商品的消耗量，并根据预测的消耗量对该种商品进行储备，其储备公式如下：
Figure 178723DEST_PATH_IMAGE001
Figure 933052DEST_PATH_IMAGE002
为第
Figure 607747DEST_PATH_IMAGE003
种商品在未来
Figure 131132DEST_PATH_IMAGE004
时间段内的储备量，
Figure 560976DEST_PATH_IMAGE005
为第
Figure 537023DEST_PATH_IMAGE006
个客户在过去
Figure 15409DEST_PATH_IMAGE007
时间段内第
Figure 658879DEST_PATH_IMAGE008
次购买的第
Figure 430264DEST_PATH_IMAGE003
种商品的数量，
Figure 159186DEST_PATH_IMAGE009
为第
Figure 238000DEST_PATH_IMAGE003
种商品的修正系数，
Figure 735978DEST_PATH_IMAGE010
为在过去
Figure 179728DEST_PATH_IMAGE007
时间段内购买第
Figure 395946DEST_PATH_IMAGE003
种商品的客户数量，
Figure 278451DEST_PATH_IMAGE011
为在过去
Figure 568618DEST_PATH_IMAGE007
时间段内第
Figure 511167DEST_PATH_IMAGE006
个客户购买第
Figure 949101DEST_PATH_IMAGE003
种商品的次数。
本发明第三方面提供一种服务器，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述商品供需平衡方法的步骤。
本发明第四方面提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述商品供需平衡方法的步骤。
与现有技术相比，本发明通过获取在过去设定时间段内每个客户购买的每种商品的购买次数及其每次的购买量，以预测每个客户对每种商品的消耗能力，进而预测未来设定时间段内每种商品的消耗量，并根据预测的消耗量对每种商品进行储备供货，其有利于实现供需平衡，避免供货量过多或过少。
附图说明
图1是本发明实施例商品供需平衡方法的流程图；
图2是本发明实施例商品供需平衡系统的模块框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。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，本发明的实施例提供了一种商品供需平衡方法，包括如下步骤：
S1、获取在过去设定时间段内每个客户购买的每种商品的购买次数及其每次的购买量；
本实施例的过去设定时间段指的是当前时间点往后推定的设定时间段，例如当前时间为2020年6月14日，若过去设定时间段为过去的一个月，则过去设定时间段为2020年5月15日至2020年6月13日，若过去设定时间段为过去15天，则过去设定时间段为2020年5月30日至2020年6月13日。在实际应用中，过去设定时间段优选为过去的一个月。
需要说明的是，本实施例的商品供需平衡方法可适用于电商平台的商品储备供货，其获取的每种商品的购买次数及其每次的购买量均可直接由电商平台的数据库获取。
S2、根据上述购买次数及购买量预测每个客户在过去设定时间段内对每种商品的消耗能力；根据每个客户在过去设定时间段内对每种商品的消耗能力预测其在未来设定时间段内对该种商品的消耗量，并根据预测的消耗量对该种商品进行储备，其储备公式如下：
Figure 307401DEST_PATH_IMAGE001
Figure 779971DEST_PATH_IMAGE002
为第
Figure 627841DEST_PATH_IMAGE003
种商品在未来
Figure 989290DEST_PATH_IMAGE004
时间段内的储备量，
Figure 213598DEST_PATH_IMAGE005
为第
Figure 540674DEST_PATH_IMAGE006
个客户在过去
Figure 762708DEST_PATH_IMAGE007
时间段内第
Figure 175235DEST_PATH_IMAGE008
次购买的第
Figure 937655DEST_PATH_IMAGE003
种商品的数量，
Figure 56920DEST_PATH_IMAGE009
为第
Figure 512173DEST_PATH_IMAGE003
种商品的修正系数，
Figure 411995DEST_PATH_IMAGE010
为在过去
Figure 915789DEST_PATH_IMAGE007
时间段内购买第
Figure 951878DEST_PATH_IMAGE003
种商品的客户数量，
Figure 578032DEST_PATH_IMAGE011
为在过去
Figure 401369DEST_PATH_IMAGE007
时间段内第
Figure 505591DEST_PATH_IMAGE006
个客户购买第
Figure 661766DEST_PATH_IMAGE003
种商品的次数。
本实施例通过步骤S1中获取的每种商品的购买次数及每次的购买量可以计算每个客户对每种商品的消耗能力，并根据每个客户的消耗能力预测其未来设定时间段每种商品的消耗量，其可便于电商平台根据预测的消耗量对每种商品进行储备供货，由于本实施例根据客户对商品的消耗能力进行预测，故其预测的准确性高，可避免商品的储备量过多或过少。
本实施例中在未来设定时间段指的是当前时间点往前推定的设定时间段，例如当前时间为2020年6月14日，若未来设定时间段为未来的一个星期，则未来设定时间段为2020年6月14日至2020年6月20日，若未来设定时间段为未来15天，则未来设定时间段为2020年6月14日至2020年6月28日。在实际应用中，未来设定时间段优选为未来的一个星期，也即，未来
Figure 396504DEST_PATH_IMAGE004
时间段为未来的一周（即
Figure 5340DEST_PATH_IMAGE012
）。而过去
Figure 178832DEST_PATH_IMAGE007
时间段为过去的一个月内（即
Figure 127196DEST_PATH_IMAGE013
，本实施例一个月按30天计算）。
本实施例的
Figure 95152DEST_PATH_IMAGE009
为第
Figure 128968DEST_PATH_IMAGE003
种商品的修正系数，其一般可采用一常数，例如，可采用
Figure 574992DEST_PATH_IMAGE014
，也可根据不同商品的在不同时节的特性进行适应性的调整，以提高每种商品储备量预测的准确性。
实际应用中，为了提高每种商品储备量预测的准确性，本实施例所述商品供需平衡方法还包括：获取在过去设定周期内每种商品的每天的销售量以及在过去设定周期中与未来设定时间段相对应的对比时间段内每种商品每天的销售量，并根据上述销售量得到未来设定时间内每种商品的修正系数，也即，本实施例可根据过去设定周期内每种商品的销售权重来判断不同时间内该种商品的销售量变化趋势，并根据其销售量变化趋势来确定修正系数，其有利于提高商品储备量预测的准确性。
具体的，本实施例所述修正系数的计算公式如下：
Figure 705759DEST_PATH_IMAGE015
Figure 844617DEST_PATH_IMAGE009
为第
Figure 801946DEST_PATH_IMAGE003
种商品在未来
Figure 51662DEST_PATH_IMAGE004
时间段内的修正系数，
Figure 974619DEST_PATH_IMAGE016
为第
Figure 284377DEST_PATH_IMAGE003
种商品在过去
Figure 355101DEST_PATH_IMAGE017
周期中每天的销售量，
Figure 346191DEST_PATH_IMAGE018
为第
Figure 622189DEST_PATH_IMAGE003
种商品在过去
Figure 102849DEST_PATH_IMAGE017
周期中
Figure 332974DEST_PATH_IMAGE019
时间段内每天的销售量，
Figure 190071DEST_PATH_IMAGE020
为
Figure 884358DEST_PATH_IMAGE019
时间段内的天数，
Figure 473602DEST_PATH_IMAGE021
为
Figure 518918DEST_PATH_IMAGE017
时间段内的天数，且过去
Figure 914128DEST_PATH_IMAGE019
时间段与未来
Figure 462921DEST_PATH_IMAGE004
时间段是不同周期内相对应的两个时间段。
实际应用中，选取的过去设定周期应该是一个能够大致反应商品销售量随时间节点不断变化的周期，例如一年，也可采用一个季度或一个月，为了便于说明，本实施例以过去
Figure 488645DEST_PATH_IMAGE017
周期为过去的一年（即
Figure 191897DEST_PATH_IMAGE022
）为例进行说明，若当前时间为2020年6月14日，未来
Figure 125218DEST_PATH_IMAGE004
时间段为2020年6月14日至2020年6月20日，则过去
Figure 794097DEST_PATH_IMAGE019
时间段为2019年6月14日至2019年6月20日，其通过过去相对应的
Figure 990723DEST_PATH_IMAGE019
时间段的销售量占过去
Figure 479473DEST_PATH_IMAGE017
周期销售量的权重来确定修正系数，以利于准确的获取每种商品的购买量的变化趋势，进而使得获取的修正系数能够准确的对预测的储备量进行修正。
实际应用中，本实施例中
Figure 419747DEST_PATH_IMAGE023
，优选的，本实施例
Figure 943132DEST_PATH_IMAGE022
，
Figure 107397DEST_PATH_IMAGE013
，
Figure 286706DEST_PATH_IMAGE024
。可以理解的是，本实施例对
Figure 827409DEST_PATH_IMAGE025
并不限定，其只要满足上述关系式即可。
本发明通过获取在过去设定时间段内每个客户购买的每种商品的购买次数及其每次的购买量，以预测每个客户对每种商品的消耗能力，进而预测未来设定时间段内每种商品的消耗量，并根据预测的消耗量对每种商品进行储备供货，其有利于实现供需平衡，避免供货量过多或过少。
如图2所示，本实施例还提供一种商品供需平衡系统，包括：
数据获取模块10，其用于获取在过去设定时间段内每个客户购买的每种商品的购买次数及其每次的购买量；
数据处理模块20，其用于根据上述购买次数及购买量预测每个客户在过去设定时间段内对每种商品的消耗能力；根据每个客户在过去设定时间段内对每种商品的消耗能力预测其在未来设定时间段内对该种商品的消耗量，并根据预测的消耗量对该种商品进行储备，其储备公式如下：
Figure 205301DEST_PATH_IMAGE001
Figure 242264DEST_PATH_IMAGE002
为第
Figure 705607DEST_PATH_IMAGE003
种商品在未来
Figure 50000DEST_PATH_IMAGE004
时间段内的储备量，
Figure 485661DEST_PATH_IMAGE005
为第
Figure 991729DEST_PATH_IMAGE006
个客户在过去
Figure 207946DEST_PATH_IMAGE007
时间段内第
Figure 90452DEST_PATH_IMAGE008
次购买的第
Figure 380619DEST_PATH_IMAGE003
种商品的数量，
Figure 57588DEST_PATH_IMAGE009
为第
Figure 495522DEST_PATH_IMAGE003
种商品的修正系数，
Figure 119402DEST_PATH_IMAGE010
为在过去
Figure 326392DEST_PATH_IMAGE007
时间段内购买第
Figure 439842DEST_PATH_IMAGE003
种商品的客户数量，
Figure 801291DEST_PATH_IMAGE011
为在过去
Figure 25599DEST_PATH_IMAGE007
时间段内第
Figure 352675DEST_PATH_IMAGE006
个客户购买第
Figure 637025DEST_PATH_IMAGE003
种商品的次数。
本实施例商品供需平衡系统的执行方式与上述商品供需平衡方法基本相同，故不作详细赘述。
本实施例服务器为提供计算服务的设备，通常指具有较高计算能力，通过网络提供给多个客户使用的计算机。该实施例的服务器包括：存储器、处理器以及系统总线，所述存储器包括存储其上的可运行的程序，本领域技术人员可以理解，本实施例的终端设备结构并不构成对终端设备的限定，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。
存储器可用于存储软件程序以及模块，处理器通过运行存储在存储器的软件程序以及模块，从而执行终端的各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如声音播放功能、图像播放功能等）等；存储数据区可存储根据终端的使用所创建的数据（比如音频数据、电话本等）等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
在存储器上包含商品供需平衡方法的可运行程序，所述可运行程序可以被分割成一个或多个模块/单元，所述一个或多个模块/单元被存储在所述存储器中，并由处理器执行，以完成信息的获取及实现过程，所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述服务器中的执行过程。例如，所述计算机程序可以被分割为数据获取模块及数据处理模块。
处理器是服务器的控制中心，利用各种接口和线路连接整个终端设备的各个部分，通过运行或执行存储在存储器内的软件程序和/或模块，以及调用存储在存储器内的数据，执行终端的各种功能和处理数据，从而对终端进行整体监控。可选的，处理器可包括一个或多个处理单元；优选的，处理器可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器中。
系统总线是用来连接计算机内部各功能部件，可以传送数据信息、地址信息、控制信息，其种类可以是例如PCI总线、ISA总线、VESA总线等。处理器的指令通过总线传递至存储器，存储器反馈数据给处理器，系统总线负责处理器与存储器之间的数据、指令交互。当然系统总线还可以接入其他设备，例如网络接口、显示设备等。
所述服务器应至少包括CPU、芯片组、内存、磁盘系统等，其他构成部件在此不再赘述。
在本发明实施例中，该终端所包括的处理器执行的可运行程序具体为：一种商品供需平衡方法，其包括：
获取在过去设定时间段内每个客户购买的每种商品的购买次数及其每次的购买量；
根据上述购买次数及购买量预测每个客户在过去设定时间段内对每种商品的消耗能力；根据每个客户在过去设定时间段内对每种商品的消耗能力预测其在未来设定时间段内对该种商品的消耗量，并根据预测的消耗量对该种商品进行储备，其储备公式如下：
Figure 721656DEST_PATH_IMAGE001
Figure 749655DEST_PATH_IMAGE002
为第
Figure 931238DEST_PATH_IMAGE003
种商品在未来
Figure 324173DEST_PATH_IMAGE004
时间段内的储备量，
Figure 223996DEST_PATH_IMAGE005
为第
Figure 790106DEST_PATH_IMAGE006
个客户在过去
Figure 826195DEST_PATH_IMAGE007
时间段内第
Figure 390032DEST_PATH_IMAGE008
次购买的第
Figure 511572DEST_PATH_IMAGE003
种商品的数量，
Figure 881373DEST_PATH_IMAGE009
为第
Figure 473766DEST_PATH_IMAGE003
种商品的修正系数，
Figure 270821DEST_PATH_IMAGE010
为在过去
Figure 879657DEST_PATH_IMAGE007
时间段内购买第
Figure 787570DEST_PATH_IMAGE003
种商品的客户数量，
Figure 735934DEST_PATH_IMAGE011
为在过去
Figure 703890DEST_PATH_IMAGE007
时间段内第
Figure 800022DEST_PATH_IMAGE006
个客户购买第
Figure 449310DEST_PATH_IMAGE003
种商品的次数。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各实施例的模块、单元和/或方法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种商品供需平衡方法，其特征在于，包括如下步骤：
获取在过去设定时间段内每个客户购买的每种商品的购买次数及其每次的购买量；
根据上述购买次数及购买量预测每个客户在过去设定时间段内对每种商品的消耗能力；根据每个客户在过去设定时间段内对每种商品的消耗能力预测其在未来设定时间段内对该种商品的消耗量，并根据预测的消耗量对该种商品进行储备，其储备公式如下：
Figure 589276DEST_PATH_IMAGE001
Figure 506416DEST_PATH_IMAGE002
为第
Figure 286153DEST_PATH_IMAGE003
种商品在未来
Figure 556729DEST_PATH_IMAGE004
时间段内的储备量，
Figure 745002DEST_PATH_IMAGE005
为第
Figure 505148DEST_PATH_IMAGE006
个客户在过去
Figure 709864DEST_PATH_IMAGE007
时间段内第
Figure 306103DEST_PATH_IMAGE008
次购买的第
Figure 912665DEST_PATH_IMAGE003
种商品的数量，
Figure 906029DEST_PATH_IMAGE009
为第
Figure 660358DEST_PATH_IMAGE003
种商品的修正系数，
Figure 397370DEST_PATH_IMAGE010
为在过去
Figure 858438DEST_PATH_IMAGE007
时间段内购买第
Figure 288283DEST_PATH_IMAGE003
种商品的客户数量，
Figure 467591DEST_PATH_IMAGE011
为在过去
Figure 742715DEST_PATH_IMAGE007
时间段内第
Figure 386186DEST_PATH_IMAGE006
个客户购买第
Figure 157570DEST_PATH_IMAGE003
种商品的次数。
2.根据权利要求1所述的商品供需平衡方法，其特征在于，所述商品供需平衡方法还包括：获取在过去设定周期内每种商品的每天的销售量以及在过去设定周期中与未来设定时间段相对应的对比时间段内每种商品每天的销售量，并根据上述销售量得到未来设定时间内每种商品的修正系数。
3.根据权利要求2所述的商品供需平衡方法，其特征在于，所述修正系数的计算公式如下：
Figure 886492DEST_PATH_IMAGE012
Figure 902990DEST_PATH_IMAGE009
为第
Figure 400967DEST_PATH_IMAGE003
种商品在未来
Figure 110297DEST_PATH_IMAGE004
时间段内的修正系数，
Figure 434837DEST_PATH_IMAGE013
为第
Figure 317342DEST_PATH_IMAGE003
种商品在过去
Figure 669826DEST_PATH_IMAGE014
周期中每天的销售量，
Figure 612374DEST_PATH_IMAGE015
为第
Figure 987992DEST_PATH_IMAGE003
种商品在过去
Figure 408609DEST_PATH_IMAGE014
周期中
Figure 881179DEST_PATH_IMAGE016
时间段内每天的销售量，
Figure 994628DEST_PATH_IMAGE017
为
Figure 857542DEST_PATH_IMAGE016
时间段内的天数，
Figure 81850DEST_PATH_IMAGE018
为
Figure 517248DEST_PATH_IMAGE014
时间段内的天数，且过去
Figure 676965DEST_PATH_IMAGE016
时间段与未来
Figure 89492DEST_PATH_IMAGE004
时间段是不同周期内相对应的两个时间段。
4.根据权利要求3所述的商品供需平衡方法，其特征在于，
Figure 55174DEST_PATH_IMAGE019
。
5.根据权利要求3或4所述的商品供需平衡方法，其特征在于，所述过去
Figure 236757DEST_PATH_IMAGE014
周期为过去的一年，所述过去
Figure 862648DEST_PATH_IMAGE007
时间段为过去的一个月。
6.一种商品供需平衡系统，其特征在于，包括：
数据获取模块，其用于获取在过去设定时间段内每个客户购买的每种商品的购买次数及其每次的购买量；
数据处理模块，其用于根据上述购买次数及购买量预测每个客户在过去设定时间段内对每种商品的消耗能力；根据每个客户在过去设定时间段内对每种商品的消耗能力预测其在未来设定时间段内对该种商品的消耗量，并根据预测的消耗量对该种商品进行储备，其储备公式如下：
Figure 762471DEST_PATH_IMAGE001
Figure 328581DEST_PATH_IMAGE020
为第
Figure 567933DEST_PATH_IMAGE003
种商品在未来
Figure 928507DEST_PATH_IMAGE004
时间段内的储备量，
Figure 315626DEST_PATH_IMAGE005
为第
Figure 685427DEST_PATH_IMAGE006
个客户在过去
Figure 513706DEST_PATH_IMAGE007
时间段内第
Figure 310761DEST_PATH_IMAGE008
次购买的第
Figure 857280DEST_PATH_IMAGE003
种商品的数量，
Figure 30772DEST_PATH_IMAGE009
为第
Figure 41454DEST_PATH_IMAGE003
种商品的修正系数，
Figure 9410DEST_PATH_IMAGE010
为在过去
Figure 541760DEST_PATH_IMAGE007
时间段内购买第
Figure 253364DEST_PATH_IMAGE003
种商品的客户数量，
Figure 118552DEST_PATH_IMAGE011
为在过去
Figure 257409DEST_PATH_IMAGE007
时间段内第
Figure 778520DEST_PATH_IMAGE006
个客户购买第
Figure 28236DEST_PATH_IMAGE003
种商品的次数。
7.一种服务器，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述商品供需平衡方法的步骤。
8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述商品供需平衡方法的步骤。
CN202010557150.8A 2020-06-18 2020-06-18 商品供需平衡方法及系统、服务器及介质 Pending CN111461632A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010557150.8A CN111461632A (zh) 2020-06-18 2020-06-18 商品供需平衡方法及系统、服务器及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010557150.8A CN111461632A (zh) 2020-06-18 2020-06-18 商品供需平衡方法及系统、服务器及介质

Publications (1)

Publication Number Publication Date
CN111461632A true CN111461632A (zh) 2020-07-28

Family

ID=71679725

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010557150.8A Pending CN111461632A (zh) 2020-06-18 2020-06-18 商品供需平衡方法及系统、服务器及介质

Country Status (1)

Country Link
CN (1) CN111461632A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112215639A (zh) * 2020-09-25 2021-01-12 深圳优地科技有限公司 消费订单的预测方法、装置、机器人及可读存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070250402A1 (en) * 2001-12-21 2007-10-25 Jean-Louis Blanchard Method and system for selecting potential purchasers using purchase history
CN108108940A (zh) * 2017-12-13 2018-06-01 浪潮软件集团有限公司 一种配货量确定方法及装置
CN108932636A (zh) * 2018-07-05 2018-12-04 上海信颐信息技术有限公司 一种商品零售预测方法及设备
CN110135871A (zh) * 2018-02-02 2019-08-16 北京京东尚科信息技术有限公司 计算用户复购期的方法和装置
CN110570233A (zh) * 2019-08-16 2019-12-13 苏宁云计算有限公司 用于电商平台的用户回购时间预测方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070250402A1 (en) * 2001-12-21 2007-10-25 Jean-Louis Blanchard Method and system for selecting potential purchasers using purchase history
CN108108940A (zh) * 2017-12-13 2018-06-01 浪潮软件集团有限公司 一种配货量确定方法及装置
CN110135871A (zh) * 2018-02-02 2019-08-16 北京京东尚科信息技术有限公司 计算用户复购期的方法和装置
CN108932636A (zh) * 2018-07-05 2018-12-04 上海信颐信息技术有限公司 一种商品零售预测方法及设备
CN110570233A (zh) * 2019-08-16 2019-12-13 苏宁云计算有限公司 用于电商平台的用户回购时间预测方法及装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112215639A (zh) * 2020-09-25 2021-01-12 深圳优地科技有限公司 消费订单的预测方法、装置、机器人及可读存储介质

Similar Documents

Publication Publication Date Title
Seifert et al. Dynamic product portfolio management with life cycle considerations
CN102282551A (zh) 娱乐入场券定价的自动决策支持
CA2788266A1 (en) Inventory management and budgeting system
US11367042B2 (en) Computerized inventory redistribution control system
US20150112762A1 (en) Optimization of product assortments
TWI714113B (zh) 外匯交易量預測方法和裝置
CN107767092B (zh) 商品对象信息的处理方法、展示方法及装置
US11360999B2 (en) Computer-implemented method for managing inventory allocations
Yu et al. Single-manufacturer, multi-retailer consignment policy for retailers’ generalized demand distributions
CN111428143A (zh) 一种商品推荐方法及系统、服务器及存储介质
CN114240304A (zh) 仓库库存管控方法、装置、存储介质及erp系统
CN110838043A (zh) 商品推荐方法及装置
CN113327152A (zh) 商品推荐方法、装置、计算机设备及存储介质
CN111461632A (zh) 商品供需平衡方法及系统、服务器及介质
CN111429189A (zh) 一种智能定价方法及系统、服务器及存储介质
US20180225767A1 (en) Investment management proposal system
CN111222668A (zh) 仓库单量预测方法、装置、电子设备和可读存储介质
CN113298383A (zh) 一种资产评估方法、装置及电子设备
US11205185B2 (en) Forecasting demand for groups of items, such as mobile phones
Deshpande et al. Optimal capacity choice and allocation in decentralized supply chains
CN108345941B (zh) 一种参数调整方法和装置
CN111932191B (zh) 货架调度方法、装置、电子设备和计算机可读介质
US8645188B2 (en) Automatic demand parameter estimation
US20140379422A1 (en) Inventory pricing based on price elasticity demand from movement trends
CN114782129A (zh) 一种信息推荐的方法及装置

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200728