CN111833084A - 商品销售季节性的分析方法、装置与电子设备 - Google Patents
商品销售季节性的分析方法、装置与电子设备 Download PDFInfo
- Publication number
- CN111833084A CN111833084A CN201910310087.5A CN201910310087A CN111833084A CN 111833084 A CN111833084 A CN 111833084A CN 201910310087 A CN201910310087 A CN 201910310087A CN 111833084 A CN111833084 A CN 111833084A
- Authority
- CN
- China
- Prior art keywords
- commodity
- commodities
- sales
- seasonal
- data
- 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 42
- 230000001932 seasonal effect Effects 0.000 claims abstract description 176
- 230000001737 promoting effect Effects 0.000 claims description 29
- 238000004458 analytical method Methods 0.000 claims description 18
- 230000000694 effects Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 230000001419 dependent effect Effects 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 7
- 239000000047 product Substances 0.000 description 19
- 238000010586 diagram Methods 0.000 description 10
- 239000006071 cream Substances 0.000 description 6
- 239000013065 commercial product Substances 0.000 description 4
- 239000000839 emulsion Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000003020 moisturizing effect Effects 0.000 description 2
- 238000004321 preservation Methods 0.000 description 2
- 230000037072 sun protection Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000006210 lotion Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010792 warming 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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"
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Finance (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了一种商品销售季节性的分析方法、装置与电子设备,所述方法包括:获取N个商品的总日销售量和促销数据;根据述N个商品的总日销售量和促销数据,确定N个商品中每个商品的日基线销售量;根据N个商品中每个商品的日基线销售量和商品信息数据,确定N个商品的P个季节性因子,并根据每个季节性因子对应的全量商品在每个季节的销售量,确定每个季节性因子对应的季节;针对每个商品,将与商品的商品信息数据匹配的季节性因子对应的季节确定为该商品的销售季节。可以对销售历史较短或者新上架商品的销售季节性进行客观预测。同时,以客观准确地反映消费者在各季节对商品的需求程度。
Description
技术领域
本申请实施例涉及销售技术领域,尤其涉及一种商品销售季节性的分析方法、装置与电子设备。
背景技术
季节性商品,是指在特定季节或月份的销量明显偏高的商品,它反映了消费者对该商品需求程度的季节规律。商品销售季节性的研究,可以抓住消费者对某商品的需求主要集中在哪些季节,从而指导采购人员按季节控制进货量,以防商品滞销或供给不足,同时指导对商品按季节进行订价和促销。
商品销售的季节性分析,目前主要采用的方法是,将商品历史销售数据按进行季节统计,通过销量的季节分布来定位该商品的销售季节。
基于商品历史销售数据按季节统计销量的方法,在一定程度上能够反映出商品销售的季节规律,但它存在两方面的不足:一是由于要基于商品的历史销售数据,所以对于销售历史较短或新上架的商品,不能进行销售季节性的预测;二是直接基于真实销售数据,没有处理促销因素的影响,可能会导致统计结果不能客观反映消费者的需求。
发明内容
本申请实施例提供一种商品销售季节性的分析方法、装置与电子设备。
第一方面,本申请实施例提供一种商品销售季节性的分析方法,包括:
获取待分析商品类型的N个商品在第一预设时间段内的总日销售量和促销数据,其中,所述N为正整数;
根据所述N个商品的总日销售量和促销数据,确定所述N个商品中每个商品的日基线销售量;
根据所述N个商品中每个商品的日基线销售量和商品信息数据,确定所述N个商品的P个季节性因子,并根据每个季节性因子对应的全量商品在每个季节的销售量,确定每个季节性因子对应的季节;
针对每个商品,将与所述商品的商品信息数据匹配的季节性因子对应的季节确定为该商品的销售季节。
在第一方面的一种可能的实现方式中,所述根据N个商品的总日销售量和促销数据,确定所述N个商品中每个商品的日基线销售量,包括:
针对每个商品,将该商品的总日销售量作为因变量,将该商品的活动数据作为自变量,确定该商品的总日销售量与活动数据之间的对应关系;其中,所述活动数据包括促销数据和非促销数据;
根据所述对应关系,将该商品的总日销售量中剔除所述促销数据对应的销售量,获得该商品的日基线销售量。
在第一方面的另一种可能的实现方式中,所述促销数据包括促销手段和/或折扣率,所述非促销数据包括节假日类型和/或时间周期。
在第一方面的另一种可能的实现方式中,所述根据所述N个商品中每个商品的日基线销售量和商品信息数据,确定所述N个商品的P个季节性因子,包括:
根据所述N个商品中每个商品的日基线销售量,确定第二预设时间段内每个商品的基线销售占比,将所述基线销售占比大于或等于预设销售占比的商品确定为季节性商品,获得M个季节性商品,其中,所述M为小于或等于N的正整数;
根据所述M个季节性商品中每个季节性商品的商品信息数据,确定所述M个季节性商品的P个季节性因子。
在第一方面的另一种可能的实现方式中,所述根据所述M个季节性商品中每个季节性商品的商品信息数据,确定所述M个季节性商品的P个季节性因子,包括:
获取所述M个季节性商品中每个季节性商品的商品信息数据中的出现次数大于预设值的P个词汇;
将所述P个词汇中的每个词汇作为所述M个季节性商品的一个季节性因子,获得P个季节性因子。
在第一方面的另一种可能的实现方式中,所述商品的商品信息数据包括以下信息的一种或多种:所述商品的名称、所述商品的产品描述和用户对所述商品的评价数据。
第二方面,本申请实施例提供一种商品销售季节性的分析装置,包括:
获取模块,用于获取待分析商品类型的N个商品在第一预设时间段内的总日销售量和促销数据,其中,所述N为正整数;
日基线销售量确定模块,用于根据所述N个商品的总日销售量和促销数据,确定所述N个商品中每个商品的日基线销售量;
季节性因子确定模块,用于根据所述N个商品中每个商品的日基线销售量和商品信息数据,确定所述N个商品的P个季节性因子,并根据每个季节性因子对应的全量商品在每个季节的销售量,确定每个季节性因子对应的季节;
销售季节确定模块,用于针对每个商品,将与所述商品的商品信息数据匹配的季节性因子对应的季节确定为该商品的销售季节。
在第二方面的一种可能的实现方式中,所述日基线销售量确定模块,包括:
关系确定单元,用于针对每个商品,将该商品的总日销售量作为因变量,将该商品的活动数据作为自变量,确定该商品的总日销售量与活动数据之间的对应关系;其中,所述活动数据包括促销数据和非促销数据;
获取单元,用于根据所述对应关系,将该商品的总日销售量中剔除所述促销数据对应的销售量,获得该商品的日基线销售量。
在第二方面的另一种可能的实现方式中,所述促销数据包括促销手段和/或折扣率,所述非促销数据包括节假日类型和/或时间周期。
在第二方面的另一种可能的实现方式中,所述季节性因子确定模块,包括:
第一确定单元,用于根据所述N个商品中每个商品的日基线销售量,确定第二预设时间段内每个商品的基线销售占比,将所述基线销售占比大于或等于预设销售占比的商品确定为季节性商品,获得M个季节性商品,其中,所述M为小于或等于N的正整数;
第二确定单元,用于根据所述M个季节性商品中每个季节性商品的商品信息数据,确定所述M个季节性商品的P个季节性因子。
在第二方面的另一种可能的实现方式中,所述第二确定单元,用于,具体用于获取所述M个季节性商品中每个季节性商品的商品信息数据中的出现次数大于预设值的P个词汇,并将所述P个词汇中的每个词汇作为所述M个季节性商品的一个季节性因子,获得P个季节性因子。
在第二方面的另一种可能的实现方式中,所述商品的商品信息数据包括以下信息的一种或多种:所述商品的名称、所述商品的产品描述和用户对所述商品的评价数据。
第三方面,本申请实施例提供一种电子设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序,以实现如第一方面任一项所述的商品销售季节性的分析方法。
第四方面,本申请实施例提供了一种装置,该装置以芯片的产品形态存在,该装置的结构中包括处理器和存储器,该存储器用于与处理器耦合,保存该装置必要的程序指令和数据,该处理器用于执行存储器中存储的程序指令,使得该装置执行第一方面任一项所述的商品销售季节性的分析方法。
第五方面,本申请实施例提供一种计算机存储介质,所述存储介质中存储计算机程序,所述计算机程序在执行时实现如第一方面任一项所述的商品销售季节性的分析方法。
本申请实施例提供的商品销售季节性的分析方法、装置与电子设备,通过获取待分析商品类型的N个商品在第一预设时间段内的总日销售量和促销数据,其中,所述N为正整数;根据所述N个商品的总日销售量和促销数据,确定所述N个商品中每个商品的日基线销售量;根据所述N个商品中每个商品的日基线销售量和商品信息数据,确定所述N个商品的P个季节性因子,并根据每个季节性因子对应的全量商品在每个季节的销售量,确定每个季节性因子对应的季节;针对每个商品,将与所述商品的商品信息数据匹配的季节性因子对应的季节确定为该商品的销售季节。即本申请实施例,在分析商品销售季节性时,抓住了消费者感知到的商品各维度信息(即商品信息数据),进而从中提取季节性因子,接着,基于季节性因子对同品类商品的销售季节进行判定,进而可以对销售历史较短或者新上架商品的销售季节性进行客观预测。同时,本申请实施例在基于商品历史销售数据来计算季节性时,剔除促销因素对销售数据的影响,以客观准确地反映消费者在各季节对商品的需求程度。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请一实施例提供的商品销售季节性的分析方法的流程示意图;
图2为确定所述N个商品中每个商品的日基线销售量的流程示意图;
图3为确定所述N个商品的P个季节性因子的流程示意图;
图4为确定所述M个季节性商品的P个季节性因子的流程示意图;
图5为本申请实施例一提供的商品销售季节性的分析装置的结构示意图;
图6为本申请实施例二提供的商品销售季节性的分析装置的结构示意图;
图7为本申请实施例三提供的商品销售季节性的分析装置的结构示意图;
图8为本申请实施例提供的电子设备的结构示意图;
图9为本申请一实施例提供的一种装置的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请实施例的技术方案,考虑到用户在电商平台的购买行为,受到商品展示信息的影响,本申请实施例通过将用户在电商平台感知到的商品信息数据,与商品历史销售数据进行结合,挖掘出商品信息数据中的季节性因子,用季节性因子完成对销售历史较短或新上架商品的销售季节性预测。
同时,本申请实施例在基于商品历史销售数据来计算季节性时,剔除促销因素对销售数据的影响,以客观准确地反映消费者在各季节对商品的需求程度。
下面以具体地实施例对本申请的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1为本申请一实施例提供的商品销售季节性的分析方法的流程示意图。该如图1所示,本实施例的方法可以包括:
S101、获取待分析商品类型的N个商品在第一预设时间段内的总日销售量和促销数据。
其中,所述N为正整数。
本实施例的执行主体可以是具有分析商品销售季节性的装置,例如,商品销售季节性的分析装置,以下简称分析装置。该分析装置可以通过软件和/或硬件的方式实现,本实施例的订单生成装置可以是电子设备的一部分,例如为电子设备的处理器。可选的,本实施例的生成装置还可以是单独的电子设备。
可选的,本实施例的分析装置还可以是安装在电子设备上的客户端,例如购物APP。
本实施例的电子设备可以是智能手机、台式电脑、笔记本电脑、智能手环、AR设备、VA设备等电子设备。
本实施例涉及的商品类型例如为男装衬衫、乳液面霜等。
当需要分析该商品类型,例如乳液面霜时,将该商品类型作为待分析商品类型。
接着,获取该待分析商品类型下各商品(例如N个商品)在第一预设时间段内的总日销售量,例如获取乳液面霜下各商品在两年内的总日销售量。同时,获取乳液面霜下各商品在两年内的促销数据。
需要说明的是,为了保证后续确定的商品的季节性因子的准确性,需要保证一定的销售天数,因此上述第一预设时间段应该大于或等于预设的时间值,例如大于1年等。本实施例对第一预设时间段的具体大小不做限制,具体根据实际需要确定。
上述商品的促销数据可以包括商品的促销手段、折扣率等数据。
S102、根据所述N个商品的总日销售量和促销数据,确定所述N个商品中每个商品的日基线销售量。
为了解决促销因素的影响,造成统计结果不能准确客观地反映消费者的需求的问题,本申请实施例从各商品的总日销售量中剔除促销数据对销售量的影响。
具体的,根据每个商品的促销数据,获得每个商品的促销数据对应的日销售量。接着,从每个商品的总日销售量中减掉促销数据对应的日销售量,获得每个商品的日基线销售量。
第一种示例,本实施例的电子设备预先保存有各不同的促销数据与日销售量直接的对应关系,这样可以根据每个商品对应的促销数据,获得每个商品的日基线销售量。例如,根据商品A对应的促销数据a,从电子设备预先保存的各不同的促销数据与日销售量直接的对应关系中,获得该促销数据a对应的对应关系,并将促销数据a带入该对应关系中,确定出促销数据a对应的日销售量b,接着,从商品A的总日销售量c中减掉促销数据a对应的日销售量b,获得商品A的日基线销售量d。
第二种示例,可以根据图2所示的方法确定所述N个商品中每个商品的日基线销售量,具体包括:
S201、针对每个商品,将该商品的总日销售量作为因变量,将该商品的活动数据作为自变量,确定所述该商品的总日销售量与活动数据之间的对应关系;其中,所述活动数据包括促销数据和非促销数据。
S202、根据所述对应关系,将该商品的总日销售量中剔除所述促销数据对应的销售量,获得该商品的日基线销售量。
具体的,继续以商品A为例进行说明,根据上述步骤S101获得商品A的总日销售量和促销数据,同时,根据上述步骤,还可以获得商品A的非促销数据。可选的,该非促销数据包括节假日类型和/或时间周期等。
本实施例涉及的商品A的活动数据包括商品A的促销数据和非促销数据。
接着,将该商品A的总日销售量作为因变量,将该商品A的活动数据作为自变量,确定该商品A的总日销售量与活动数据之间的对应关系。
例如,根据机器学习中的线性回归方法,或树回归等方法,确定该商品A的总日销售量与活动数据之间的对应关系。
从该商品A的总日销售量中剔除促销数据对应的销售量,将剩余的日销售量作为该商品A的日基线销售量。例如,将上述商品A的总日销售量与活动数据之间的对应关系中的促销数据对应的部分设置为0,可以计算出商品A的日基线销售量。后计算出的销量。
假设,根据上述方法获得的商品A的总日销售量与活动数据之间的对应关系为:Y=k1x1+k2x2+C,其中,Y为商品A的总日销售量,k1x1为促销数据对应的日销售量,k2x2为非促销数据对应的日销售量,C为非活动数据对应的日销售量。这样,将该公式中的k1x1为促销数据设置为0,即可获得商品A的日基线销售量。
参照上述例子,可以获得N个商品中每个商品的日基线销售量。
本实施例,根据上述第二种示例的方法,可以准确确定出各商品的日基线销售量。
S103、根据所述N个商品中每个商品的日基线销售量和商品信息数据,确定所述N个商品的P个季节性因子,并根据每个季节性因子对应的全量商品在每个季节的销售量,确定每个季节性因子对应的季节。
其中,所述P为小于或等于N的正整数。
具体的,根据上述步骤获得每个商品的日基线销售量,同时,获得各商品的商品信息数据。根据各商品的商品信息数据,确定N个商品的P个季节性因子。
可选的,本实施例中商品的商品信息数据包括以下信息的一种或多种:所述商品的名称、所述商品的产品描述和用户对所述商品的评价数据。
在第一种示例中,将N个商品的商品信息数据中出现频率较多的多个关键字,例如P个关键字,将这P个关键字作为P个季节性因子。
在第二种示例中,还可以根据图3所示的方法,获得确定所述N个商品的P个季节性因子,具体可以包括:
S301、根据所述N个商品中每个商品的日基线销售量,确定第二预设时间段内每个商品的基线销售占比,将所述基线销售占比大于或等于预设销售占比的商品确定为季节性商品,获得M个季节性商品。
其中,所述M为小于或等于N的正整数。
S302、根据所述M个季节性商品中每个季节性商品的商品信息数据,确定所述M个季节性商品的P个季节性因子。
即本实施例的方法,首先从N个商品中获取获得M个季节性商品。具体是,根据N个商品中每个商品的日基线销售量,确定第二预设时间段内每个商品的基线销售占比,将基线销售占比大于或等于预设销售占比的商品确定为季节性商品。需要说明的是,不同的商品对应的第二预设时间段可以不同,不同商品对应的预设销售占比可以不同。假设上述第一预设时间段内的总日销售量为两年的数据,根据每个商品的日基线销售量,确定每个商品的基线销售占比,例如,确定商品1在一年的3月至6月的销售总量达到全年销售总量的80%,进而确定商品1在第二预设时间段(3月至6月)的基线销售占比为80%,确定商品2在一年的9月至11月的销售总量达到全年销售总量的90%,进而确定商品2在第二预设时间段(9月至11月)的基线销售占比为90%,同理可以确定N个商品中每年都有较少占比的日期(如30%),集中了当年较多占比的基线销占比(如80%),这样将N个商品中在30%的时间内的销售量达到80%的商品确定为季节性商品,进而获得M个季节性商品。
接着,根据M个季节性商品中每个季节性商品的商品信息数据,确定M个季节性商品的P个季节性因子。
示例性的,如图4所示,上述S302中根据所述M个季节性商品中每个季节性商品的商品信息数据,确定所述M个季节性商品的P个季节性因子,可以包括:
S401、获取所述M个季节性商品中每个季节性商品的商品信息数据中的出现次数大于预设值的P个词汇。
S402、将所述P个词汇中的每个词汇作为所述M个季节性商品的一个季节性因子,获得P个季节性因子。
具体的,获取M个季节性商品的商品信息数据,即获取这些商品在电商平台用户端展示信息的各维度数据,包括商品名称、描述、图片风格、购买者评价等内容。这些信息是用户能够直接感知到的。
接着,获取上述M个季节性商品各维度数据中的“高频信息”,可以通过关联规则挖掘算法,或者频率统计方法。将这些“高频信息”作为M个季节性商品的季节性因子,进而获得P个季节性因子。
在统计季节性因子对应的季节时,可以通过统计季节性因子匹配的该品类全量商品在各季节的销售额来完成。
例如,对于名称是“乳液面霜”的一个化妆品品类,已经筛选了它的季节性商品。这些商品的名称和描述中,出现“防晒”、“保湿”等词语的商品频次相对较高,同时商品图片中清爽风格、温暖风格的商品频次相对较高,然后,我们就把这些高频信息作为该品类商品的季节性因子。通过统计每个季节性因子对应全量商品在各季节的销售额,来找到每个季节性因子对应的季节,例如,防晒对应春夏季,保湿对应秋冬季,清爽风格对应夏季,温暖风格对应冬季。
S104、针对每个商品,将与所述商品的商品信息数据匹配的季节性因子对应的季节确定为该商品的销售季节。
继续参照上述例子,以“乳液面霜”这个商品类型为例,如某商品描述的内容是“营养美肤晶彩无暇补水保湿洁水乳护肤品”,则该商品和“保湿”季节性因子匹配上了,我们判定该商品的销售季节是秋冬季。再如另一商品的图片风格是“清爽风格”,则我们判定该商品的销售季节是夏季。
由于用户在哪个季节购买商品,会受到商品展示信息(即上述的商品信息数据)的影响,本申实施例使用从展示信息中提取的季节性因子来判定商品销售季节性,对于销售历史较短或者新上架商品是有效的。
本申请实施例提供的商品销售季节性的分析方法,通过获取待分析商品类型的N个商品在第一预设时间段内的总日销售量和促销数据,其中,所述N为正整数;根据所述N个商品的总日销售量和促销数据,确定所述N个商品中每个商品的日基线销售量;根据所述N个商品中每个商品的日基线销售量和商品信息数据,确定所述N个商品的P个季节性因子,并根据每个季节性因子对应的全量商品在每个季节的销售量,确定每个季节性因子对应的季节;针对每个商品,将与所述商品的商品信息数据匹配的季节性因子对应的季节确定为该商品的销售季节。即本申请实施例,在分析商品销售季节性时,抓住了消费者感知到的商品各维度信息(即商品信息数据),进而从中提取季节性因子,接着,基于季节性因子对同品类商品的销售季节进行判定,进而可以对销售历史较短或者新上架商品的销售季节性进行客观预测。同时,本申请实施例在基于商品历史销售数据来计算季节性时,剔除促销因素对销售数据的影响,以客观准确地反映消费者在各季节对商品的需求程度。
本申请实施例提供的任一种商品销售季节性的分析方法可以由任意适当的具有数据处理能力的设备执行,包括但不限于:终端设备和服务器等。或者,本申请实施例提供的任一种商品销售季节性的分析方法可以由处理器执行,如处理器通过调用存储器存储的相应指令来执行本申请实施例提及的任一种商品销售季节性的分析方法。下文不再赘述。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
图5为本申请实施例一提供的商品销售季节性的分析装置的结构示意图,本实施例的商品销售季节性的分析装置可以是客户端,或者为电子设备中的处理器。在上述实施例的基础上,如图5所示,本实施例的商品销售季节性的分析装置100可以包括:
获取模块110,用于获取待分析商品类型的N个商品在第一预设时间段内的总日销售量和促销数据,其中,所述N为正整数;
日基线销售量确定模块120,用于根据所述N个商品的总日销售量和促销数据,确定所述N个商品中每个商品的日基线销售量;
季节性因子确定模块130,用于根据所述N个商品中每个商品的日基线销售量和商品信息数据,确定所述N个商品的P个季节性因子,并根据每个季节性因子对应的全量商品在每个季节的销售量,确定每个季节性因子对应的季节;
销售季节确定模块140,用于针对每个商品,将与所述商品的商品信息数据匹配的季节性因子对应的季节确定为该商品的销售季节。
本申请实施例的订单生成装置,可以用于执行上述所示方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
图6为本申请实施例二提供的商品销售季节性的分析装置的结构示意图。在上述实施例的基础上,如图6所示,本实施例的日基线销售量确定模块120可以包括:
关系确定单元121,用于针对每个商品,将该商品的总日销售量作为因变量,将该商品的活动数据作为自变量,确定该商品的总日销售量与活动数据之间的对应关系;其中,所述活动数据包括促销数据和非促销数据;
获取单元122,用于根据所述对应关系,将该商品的总日销售量中剔除所述促销数据对应的销售量,获得该商品的日基线销售量。
可选的,所述促销数据包括促销手段和/或折扣率,所述非促销数据包括节假日类型和/或时间周期。
本申请实施例的订单生成装置,可以用于执行上述所示方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
图7为本申请实施例三提供的商品销售季节性的分析装置的结构示意图。在上述实施例的基础上,如图7所示,本实施例的季节性因子确定模块130可以包括:
第一确定单元131,用于根据所述N个商品中每个商品的日基线销售量,确定第二预设时间段内每个商品的基线销售占比,将所述基线销售占比大于或等于预设销售占比的商品确定为季节性商品,获得M个季节性商品,其中,所述M为小于或等于N的正整数;
第二确定单元132,用于根据所述M个季节性商品中每个季节性商品的商品信息数据,确定所述M个季节性商品的P个季节性因子。
可选的,所述第二确定单元,具体用于获取所述M个季节性商品中每个季节性商品的商品信息数据中的出现次数大于预设值的P个词汇,并将所述P个词汇中的每个词汇作为所述M个季节性商品的一个季节性因子,获得P个季节性因子。
可选的,所述商品的商品信息数据包括以下信息的一种或多种:所述商品的名称、所述商品的产品描述和用户对所述商品的评价数据。
图8为本申请实施例提供的电子设备的结构示意图,如图8所示,本实施例的电子设备200包括:
存储器220,用于存储计算机程序;
处理器230,用于执行所述计算机程序,以实现上述商品销售季节性的分析方法,其实现原理和技术效果类似,此处不再赘述。
图9为本申请一实施例提供的一种装置的结构示意图。该装置300以芯片的产品形态存在,该装置的结构中包括处理器301和存储器302,该存储器302用于与处理器301耦合,该存储器302上保存该装置必要的程序指令和数据,该处理器301用于执行存储器302中存储的程序指令,使得该装置执行上述方法实施例中商品销售季节性的分析方法。
本申请实施例的装置,可以用于执行上述各方法实施例中商品销售季节性的分析方法,其实现原理和技术效果类似,此处不再赘述。
基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,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,或者对其中部分或者全部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申请各实施例技术方案的范围。
Claims (14)
1.一种商品销售季节性的分析方法,其特征在于,包括:
获取待分析商品类型的N个商品在第一预设时间段内的总日销售量和促销数据,其中,所述N为正整数;
根据所述N个商品的总日销售量和促销数据,确定所述N个商品中每个商品的日基线销售量;
根据所述N个商品中每个商品的日基线销售量和商品信息数据,确定所述N个商品的P个季节性因子,并根据每个季节性因子对应的全量商品在每个季节的销售量,确定每个季节性因子对应的季节;
针对每个商品,将与所述商品的商品信息数据匹配的季节性因子对应的季节确定为该商品的销售季节。
2.根据权利要求1所述的方法,其特征在于,所述根据N个商品的总日销售量和促销数据,确定所述N个商品中每个商品的日基线销售量,包括:
针对每个商品,将该商品的总日销售量作为因变量,将该商品的活动数据作为自变量,确定该商品的总日销售量与活动数据之间的对应关系;其中,所述活动数据包括促销数据和非促销数据;
根据所述对应关系,将该商品的总日销售量中剔除所述促销数据对应的销售量,获得该商品的日基线销售量。
3.根据权利要求2所述的方法,其特征在于,所述促销数据包括促销手段和/或折扣率,所述非促销数据包括节假日类型和/或时间周期。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述根据所述N个商品中每个商品的日基线销售量和商品信息数据,确定所述N个商品的P个季节性因子,包括:
根据所述N个商品中每个商品的日基线销售量,确定第二预设时间段内每个商品的基线销售占比,将所述基线销售占比大于或等于预设销售占比的商品确定为季节性商品,获得M个季节性商品,其中,所述M为小于或等于N的正整数;
根据所述M个季节性商品中每个季节性商品的商品信息数据,确定所述M个季节性商品的P个季节性因子。
5.根据权利要求4所述的方法,其特征在于,所述根据所述M个季节性商品中每个季节性商品的商品信息数据,确定所述M个季节性商品的P个季节性因子,包括:
获取所述M个季节性商品中每个季节性商品的商品信息数据中的出现次数大于预设值的P个词汇;
将所述P个词汇中的每个词汇作为所述M个季节性商品的一个季节性因子,获得P个季节性因子。
6.根据权利要求5所述的方法,其特征在于,所述商品的商品信息数据包括以下信息的一种或多种:所述商品的名称、所述商品的产品描述和用户对所述商品的评价数据。
7.一种商品销售季节性的分析装置,其特征在于,包括:
获取模块,用于获取待分析商品类型的N个商品在第一预设时间段内的总日销售量和促销数据,其中,所述N为正整数;
日基线销售量确定模块,用于根据所述N个商品的总日销售量和促销数据,确定所述N个商品中每个商品的日基线销售量;
季节性因子确定模块,用于根据所述N个商品中每个商品的日基线销售量和商品信息数据,确定所述N个商品的P个季节性因子,并根据每个季节性因子对应的全量商品在每个季节的销售量,确定每个季节性因子对应的季节;
销售季节确定模块,用于针对每个商品,将与所述商品的商品信息数据匹配的季节性因子对应的季节确定为该商品的销售季节。
8.根据权利要求7所述的装置,其特征在于,所述日基线销售量确定模块,包括:
关系确定单元,用于针对每个商品,将该商品的总日销售量作为因变量,将该商品的活动数据作为自变量,确定该商品的总日销售量与活动数据之间的对应关系;其中,所述活动数据包括促销数据和非促销数据;
获取单元,用于根据所述对应关系,将该商品的总日销售量中剔除所述促销数据对应的销售量,获得该商品的日基线销售量。
9.根据权利要求8所述的装置,其特征在于,所述促销数据包括促销手段和/或折扣率,所述非促销数据包括节假日类型和/或时间周期。
10.根据权利要求7-9任一项所述的装置,其特征在于,所述季节性因子确定模块,包括:
第一确定单元,用于根据所述N个商品中每个商品的日基线销售量,确定第二预设时间段内每个商品的基线销售占比,将所述基线销售占比大于或等于预设销售占比的商品确定为季节性商品,获得M个季节性商品,其中,所述M为小于或等于N的正整数;
第二确定单元,用于根据所述M个季节性商品中每个季节性商品的商品信息数据,确定所述M个季节性商品的P个季节性因子。
11.根据权利要求10所述的装置,其特征在于,所述第二确定单元,具体用于获取所述M个季节性商品中每个季节性商品的商品信息数据中的出现次数大于预设值的P个词汇,并将所述P个词汇中的每个词汇作为所述M个季节性商品的一个季节性因子,获得P个季节性因子。
12.根据权利要求11所述的装置,其特征在于,所述商品的商品信息数据包括以下信息的一种或多种:所述商品的名称、所述商品的产品描述和用户对所述商品的评价数据。
13.一种电子设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序,以实现如权利要求1-6任一项所述商品销售季节性的分析方法。
14.一种计算机存储介质,其特征在于,所述存储介质中存储计算机程序,所述计算机程序在执行时实现如权利要求1-6中任一项所述商品销售季节性的分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910310087.5A CN111833084A (zh) | 2019-04-17 | 2019-04-17 | 商品销售季节性的分析方法、装置与电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910310087.5A CN111833084A (zh) | 2019-04-17 | 2019-04-17 | 商品销售季节性的分析方法、装置与电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111833084A true CN111833084A (zh) | 2020-10-27 |
Family
ID=72915614
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910310087.5A Pending CN111833084A (zh) | 2019-04-17 | 2019-04-17 | 商品销售季节性的分析方法、装置与电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111833084A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113469461A (zh) * | 2021-07-26 | 2021-10-01 | 北京沃东天骏信息技术有限公司 | 生成信息的方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070239703A1 (en) * | 2006-03-31 | 2007-10-11 | Microsoft Corporation | Keyword search volume seasonality forecasting engine |
US20110047004A1 (en) * | 2009-08-21 | 2011-02-24 | Arash Bateni | Modeling causal factors with seasonal pattterns in a causal product demand forecasting system |
CN107122928A (zh) * | 2016-02-24 | 2017-09-01 | 阿里巴巴集团控股有限公司 | 一种供应链资源需求计划配置方法及装置 |
KR20170118297A (ko) * | 2016-04-14 | 2017-10-25 | 주식회사 나우드림 | 기상 정보에 기반한 상품 추천 방법 |
CN109544233A (zh) * | 2018-11-21 | 2019-03-29 | 上海欧睿供应链管理有限公司 | 一种面向电商业务的时尚品需求预测方法 |
-
2019
- 2019-04-17 CN CN201910310087.5A patent/CN111833084A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070239703A1 (en) * | 2006-03-31 | 2007-10-11 | Microsoft Corporation | Keyword search volume seasonality forecasting engine |
US20110047004A1 (en) * | 2009-08-21 | 2011-02-24 | Arash Bateni | Modeling causal factors with seasonal pattterns in a causal product demand forecasting system |
CN107122928A (zh) * | 2016-02-24 | 2017-09-01 | 阿里巴巴集团控股有限公司 | 一种供应链资源需求计划配置方法及装置 |
KR20170118297A (ko) * | 2016-04-14 | 2017-10-25 | 주식회사 나우드림 | 기상 정보에 기반한 상품 추천 방법 |
CN109544233A (zh) * | 2018-11-21 | 2019-03-29 | 上海欧睿供应链管理有限公司 | 一种面向电商业务的时尚品需求预测方法 |
Non-Patent Citations (3)
Title |
---|
XIONG YI: "An intertemporal equilibrium analysis of seasonal product with consumer choice", 《ICSSSM11》, 21 July 2011 (2011-07-21), pages 1 - 4 * |
王宏达;郝以阁;汪定伟;: "季节性商品的促销定价模型与算法", 东北大学学报(自然科学版), no. 01, 28 January 2007 (2007-01-28), pages 25 - 27 * |
辛东升: "趋势和季节成分推测方法在鞋类商品市场需求量预测中的应用", 《西部皮革》, vol. 39, no. 21, 15 November 2017 (2017-11-15), pages 36 - 37 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113469461A (zh) * | 2021-07-26 | 2021-10-01 | 北京沃东天骏信息技术有限公司 | 生成信息的方法和装置 |
WO2023005635A1 (zh) * | 2021-07-26 | 2023-02-02 | 北京沃东天骏信息技术有限公司 | 生成信息的方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Maihami et al. | Optimizing the pricing and replenishment policy for non-instantaneous deteriorating items with stochastic demand and promotional efforts | |
Nikhashemi et al. | The effect of customers’ perceived value of retail store on relationship between store attribute and customer brand loyalty: Some insights from Malaysia | |
JP7105700B2 (ja) | サービス対象のための時分割推薦方法及び装置 | |
JP6027679B2 (ja) | 祭日用売れ筋商品を決定するための方法及びデバイス | |
CN108805622B (zh) | 商品推荐方法、装置、设备及存储介质 | |
Pauwels et al. | The long-term effects of price promotions on category incidence, brand choice, and purchase quantity | |
Blattberg et al. | A theoretical and empirical evaluation of price deals for consumer nondurables | |
Maihami et al. | Joint pricing and inventory control for non-instantaneous deteriorating items with partial backlogging and time and price dependent demand | |
CN109978429B (zh) | 用于输出信息的方法和装置 | |
Alptekinoğlu et al. | When to carry eccentric products? Optimal retail assortment under consumer returns | |
US20130060595A1 (en) | Inventory management and budgeting system | |
US20140164220A1 (en) | Payment instrument selection | |
US20240221012A1 (en) | System of demand modeling and price calculation based on interpolated market price elasticity functions | |
US20160283954A1 (en) | System and method for determining a combined effective price discount in tier pricing | |
CN115170253B (zh) | 一种促销活动中商品信息推送方法及装置 | |
CN110189164B (zh) | 基于信息熵度量和特征随机采样的商品—门店推荐方案 | |
CN107392597A (zh) | 一种智能支付方法、装置及服务系统 | |
US20220414579A1 (en) | Salesperson evaluation apparatus, salesperson evaluation method, and salesperson evaluation program | |
CN111861605A (zh) | 业务对象推荐方法 | |
Nagare et al. | Optimal procurement and discount pricing for single-period non-instantaneous deteriorating products with promotional efforts | |
Das et al. | An integrated inventory model with delay in payment for deteriorating item under Weibull distribution and advertisement cum price-dependent demand | |
KR20150044035A (ko) | 상품정보 제공 시스템 및 방법 | |
CN111833084A (zh) | 商品销售季节性的分析方法、装置与电子设备 | |
CN112700196A (zh) | 商品采购方法、装置、存储介质及电子设备 | |
Sana | An EOQ model for perishable item with stock dependent demand and price discount rate |
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 |