CN112085537A - 一种基于大数据分析商品的方法及系统 - Google Patents

Abstract

本发明公开了一种基于大数据分析商品的方法及系统，该方法包括：获取试穿数据和销售数据；根据试穿数据、销售数据和商品信息生成试穿转化率；对试穿转化率进行分析生成用于辅助决策的分析数据，其中，分析数据至少包括销售趋势数据。根据本发明公开的方法及系统可以基于大数据分析，从而更准确对消费者所产生的试穿数据、销售数据等进行分析，进而从多个分析维度去为商品企划人员开发新品和营销方案提供决策依据。

Description

一种基于大数据分析商品的方法及系统

技术领域

本发明涉及数据分析技术领域，尤其涉及一种基于大数据分析商品的方法及系统。

背景技术

随着大数据的发展，商户越来越希望通过消费者的行为数据的分析，了解消费者，为开发新产品和营销方案提供决策的依据。目前，市面已存在有多种消费者的行为数据分析方式。

但是，目前的消费者的行为数据分析方式大多基于销售数据建模分析，导致分析结果存在较大的偏差，例如，通过分析出商品的销量高就判断为是消费者喜欢，实际上销量高并非消费者喜欢，而是出于营销活动而购买。由此，无法为商品企划人员开发新品和营销方案提供决策依据。

发明内容

本发明所要解决的技术问题在于，提供一种基于大数据分析商品的方法及系统，能够基于大数据分析，从而更准确对消费者所产生的试穿数据、销售数据等进行分析，进而从多个分析维度去为商品企划人员开发新品和营销方案提供决策依据。

为了解决上述技术问题，本发明第一方面公开了一种基于大数据分析商品的方法，该方法包括：获取试穿数据和销售数据；根据所述试穿数据、所述销售数据和商品信息生成试穿转化率；对所述试穿转化率进行分析生成用于辅助决策的分析数据，其中，所述分析数据至少包括销售趋势数据。

在一些实施方式中，试穿数据、所述销售数据和所述商品信息均包括具有商品类别标识作用的SKU信息，所述根据所述试穿数据、所述销售数据和商品信息生成试穿转化率，包括：根据SKU信息将所述试穿数据、所述销售数据和所述商品信息进行分组生成商品类别组；判断每一商品类别组是否包括试穿数据，若所述商品类别组包括试穿数据，则根据所述试穿数据和所述销售数据生成试穿转化率。

在一些实施方式中，对所述试穿转化率进行分析生成用于辅助决策的分析数据，其中，所述分析数据为销售趋势数据，所述方法包括：根据预置的平衡条件和所述试穿转化率计算试穿等比因子；根据所述试穿等比因子和所述试穿数据生成销售趋势热度比率；通过预置的排序条件对所述销量趋势热度比率进行筛选生成销售趋势分析数据。

在一些实施方式中，所述销售趋势分析数据包括潜在爆款分析数据，所述根据所述试穿等比因子和所述试穿数据生成销售趋势热度比率，包括：根据统计的不同类别SKU信息的总试穿次数M、试穿转化率R和试穿对比因子P根据如下公式计算生成销售趋势热度比率：

销售趋势热度比率＝M/P+(100-R)；

通过预置的排序条件对所述销量趋势热度比率进行筛选生成潜在爆款分析数据。

在一些实施方式中，所述分析数据还包括潜在滞销款分析数据，所述根据所述试穿等比因子和所述试穿数据生成销售趋势热度比率，包括：根据统计的不同类别SKU信息的总试穿次数M、试穿转化率R和试穿对比因子P根据如下公式计算生成低频试穿低销量热度比率：

销售趋势热度比率＝100-(M/P)+(100-R)；

通过预置的排序条件对所述销量趋势热度比率进行筛选生成潜在滞销款分析数据。

在一些实施方式中，分析数据还包括商品热度分析数据，所述商品信息包括多个商品特征属性，所述方法还包括：根据SKU信息将所述试穿数据、所述销售数据和所述商品信息进行分组生成商品类别组；统计每一商品类别组的试穿数据生成总试穿数据；根据所述商品特征属性和所述总试穿数据生成每一商品特征属性对应的商品热度分析数据。

在一些实施方式中，分析数据还包括城市分析数据，所述试穿数据包括与店铺位置信息关联的试衣间信息，所述方法还包括：根据SKU信息将所述试穿数据、所述销售数据和所述商品信息进行分组生成商品类别组；统计每一商品类别组的试穿数据生成总试穿数据；根据与所述试衣间信息关联的店铺位置信息和所述总试穿数据生成城市分析数据。

根据本发明的第二个方面，提供了一种基于大数据分析商品的系统，所述系统包括：数据获取模块，用于获取试穿数据和销售数据；计算模块，用于根据所述试穿数据、所述销售数据和商品信息生成试穿转化率；分析模块，用于对所述试穿转化率进行分析生成用于辅助决策的分析数据，其中，所述分析数据至少包括销售趋势数据。

在一些实施方式中，所述试穿数据、所述销售数据和所述商品信息均包括具有商品类别标识作用的SKU信息，所述计算模块包括：分类单元，用于根据SKU信息将所述试穿数据、所述销售数据和所述商品信息进行分组生成商品类别组；处理单元，用于判断每一商品类别组是否包括试穿数据，若所述商品类别组包括试穿数据，则根据所述试穿数据和所述销售数据生成试穿转化率。

在一些实施方式中，所述商品信息包括多个商品特征属性，所述分析模块还包括：商品热度分析单元，用于根据所述分类单元生成商品类别组，统计每一商品类别组的试穿数据生成总试穿数据，根据所述商品特征属性和所述总试穿数据生成每一商品特征属性对应的商品热度分析数据。

与现有技术相比，本发明的有益效果在于：

实施本发明能够基于大数据的消费者行为数据例如试穿数据和销售数据，结合商品信息进行综合分析，从而更加准确分析消费者的实际行为而对商品带来的实际销售影响，通过对以下范畴进行分析，例如商品潜在爆款分析、商品潜在滞销款分析、商品试穿转化率分析、商品特征热度分析和商品区域城市分析从而可以从多个维度为商品企划人员开发新品以及营销方案提供有力的决策依据。

附图说明

图1为本发明实施例公开的一种基于大数据分析商品的方法流程示意图；

图2为本发明实施例公开的又一种基于大数据分析商品的方法流程示意图；

图3为本发明实施例公开的又一种基于大数据分析商品的方法流程示意图；

图4为本发明实施例公开的又一种基于大数据分析商品的方法流程示意图；

图5为本发明实施例公开的又一种基于大数据分析商品的方法流程示意图；

图6为本发明实施例公开的一种基于大数据分析商品的系统框图；

图7为本发明实施例公开的一种基于大数据分析商品的交互装置结构示意图。

具体实施方式

为了更好地理解和实施，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。

本发明实施例的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。

本发明实施例公开了一种基于大数据分析商品的方法及系统，能够基于大数据的消费者行为数据例如试穿数据和销售数据，结合商品信息进行综合分析，从而更加准确分析消费者的实际行为而对商品带来的实际销售影响，通过对以下范畴进行分析，例如商品潜在爆款分析、商品潜在滞销款分析、商品试穿转化率分析、商品特征热度分析和商品区域城市分析从而可以从多个维度为商品企划人员开发新品以及营销方案提供有力的决策依据。

实施例一

请参阅图1，图1为本发明实施例公开的一种基于大数据分析商品的方法的流程示意图。其中，该基于大数据分析商品的方法可以应用在商场结算分析系统、商场试衣间系统、电商销售系统等，对于该方法所应用的商品系统本发明实施例不做限制。如图1所示，该基于大数据分析商品的方法可以包括以下操作：

101、获取试穿数据和销售数据。

获取的试穿数据是基于RFID(Radio Frequency Identification，射频识别技术)实现，具体实现为，预先将RFID标签与商品信息进行绑定，该RFID标签可以挂或贴到商品上，在商场的试衣间内部或试穿区域安装RFID采集设备，消费者试穿时，射频采集设备自动读取到消费者所试穿的商品的RFID标签，实现了试穿数据的获取，克服了现有的试穿数据的采集通常需要由店员手动录入试穿数据，或在试穿间(试穿镜)安装录入装置(如触屏电脑)，由消费者录入，由此导致店员和消费者的意愿不高，进而采集的数据量较少且不准确的问题。其中，试穿数据包括：店铺编号、试穿间信息、开始试穿时间和结束试穿时间等。同时，由于该RFID标签与商品信息绑定，所以也会识别出商品信息，在本实施例中，商品信息包括商品货号、商品名称、商品品牌、商品颜色、商品尺码、商品条码、体感、材质、款式、风格、适用年龄、价格和图片。

销售数据为消费者试穿后进行购买后的数据，一般都是由商品所在店铺的后台程序直接进行调用，该销售数据包括店铺编号、VIP编号、销售时间、销售数量、销售商品原价和销售价。

需要说明的是，试穿数据、销售数据和商品信息均包括具有商品类别标识作用的SKU信息。该SKU信息是一类商品的唯一标识信息，示例性地，可标识为某品牌某货号的商品，由此，可以通过SKU信息将试穿数据、销售数据和商品信息进行关联。在存储试穿数据、销售数据和商品信息所包含的信息时，可以参考如下的表格进行存储。

作为一种具体实施例，商品信息可以存储为如下表格：

作为一种具体实施例，销售数据可以存储为如下表格：

店铺编号	SKU信息	VIP编号	销售时间	销售价

作为一种具体实施例，试穿数据可以存储为如下表格：

店铺编号	SKU信息	试穿间信息	开始试穿时间	结束试穿时间

需要说明的是，上述表格所包括的具体信息并不是本发明唯一限定的信息，对于其他可以体现商品信息、销售数据和试穿数据的信息也属于本发明的保护范围。

102、根据试穿数据、销售数据和商品信息生成试穿转化率。

其中，试穿装率用于揭示消费者在试穿后所带来的销售效果。首先，由于试穿数据、销售数据和商品信息都具有SKU信息，根据SKU信息将试穿数据、销售数据和商品信息进行分组生成商品类别组，按照不同的SKU信息进行商品类型的分组。之后，判断每一商品类别组是否包括试穿数据，即该商品是否有消费者进行了试穿，若商品类型组不包括试穿数据，即商品的试穿装率为0，不必再进行下一步的计算。若商品类别组包括试穿数据，则根据试穿数据和销售数据生成试穿转化率，具体实现为，将每一商品类别组中总销售数据，即总销量除以每一商品类别组的总试穿数据，即总试穿次数，即为该类别商品的试穿转化率。

103、对试穿转化率进行分析生成用于辅助决策的分析数据，其中，分析数据至少包括销售趋势数据。

具体实现为：首先根据预置的平衡条件和上述方法得到的试穿转化率计算试穿等比因子。该试穿等比因子用于平衡和解决试穿次数和转化率差异导致的计算干扰，在本实施例中可以将平衡条件设置为判断当总试穿次数大于99(在其他实施例中也可以根据需求进行调整)时，试穿等比因子的长度为总试穿次数的长度减1的最小整数，示例性地，总试穿次数为8562，那么试穿等比因子为100，如果总试穿次数小于等于99，则试穿等比因子为0。

之后，根据试穿等比因子和试穿数据生成销售趋势热度比率，再通过预置的排序条件对销量趋势热度比率进行筛选生成销售趋势分析数据。

其中，销售趋势分析数据包括潜在爆款分析数据，该潜在爆款分析数据的特征是高频试穿低销量，本发明通过计算销售趋势热度比率中的高频试穿低销量热度比率来量化高频试穿低销量特征，从而根据高频试穿低销量热度比率分析出潜在的爆款商品，据此可制定有针对性的营销方案，提升潜在的爆款商品的销量。如图2所示，包括：

201、根据试穿等比因子和试穿数据生成销售趋势热度比率，具体实现为：根据统计的不同类别SKU信息的总试穿次数M、试穿转化率R和试穿对比因子P根据如下公式计算生成销售趋势热度比率：

销售趋势热度比率＝M/P+(100-R)；

其中，若试穿对比因子P为0，则将P设为1，即通过如下公式进行计算生成销售趋势热度比率：

销售趋势热度比率＝M/P+(100-R)。

202、通过预置的排序条件对销量趋势热度比率进行筛选生成潜在爆款分析数据。

其中，预置的排序条件可以按照将销量趋势热度比率从高到低的排行与其它爆款的条件(例如排行前10，或特定商品特征)进行匹配过滤，筛选出符合条件的SKU信息关联至相应的商品信息，即为潜在爆款商品。

其中，在其他优选实施方式中，销售趋势分析数据还包括潜在滞销款分析数据，潜在滞销款分析数据的特征是低频试穿低销量，本发明通过计算销售趋势热度比率中的低频试穿低销量热度比率来量化低频试穿低销量特征，从而根据低频试穿低销量热度比率分析出潜在的滞销款商品，据此调整商品的营销方案或店铺摆放位置，乃至下架处理。如图3所示，包括：

301、根据试穿等比因子和试穿数据生成销售趋势热度比率，具体实现为：根据统计的不同类别SKU信息的总试穿次数M、试穿转化率R和试穿对比因子P根据如下公式计算生成低频试穿低销量热度比率：

销售趋势热度比率＝100-(M/P)+(100-R)；

其中，若试穿对比因子P为0，则将P设为1，即通过如下公式进行计算生成销售趋势热度比率：

销售趋势热度比率＝100-M+(100-R)。

302、通过预置的排序条件对销量趋势热度比率进行筛选生成潜在滞销款分析数据。

其中，预置的排序条件可以按照将销量趋势热度比率从高到低的排行与其它爆款的条件(例如排行前10，或特定商品特征)进行匹配过滤，筛选出符合条件的SKU信息关联至相应的商品信息，即为潜在滞销款商品。

根据本实施例提供的方法，能够基于大数据的消费者行为数据例如试穿数据和销售数据，结合商品信息进行综合分析，从而更加准确分析消费者的实际行为而对商品带来的实际销售影响，通过对商品潜在爆款分析、商品潜在滞销款分析和商品试穿转化率分析从而可以辅助商品企划人员开发新品以及营销方案提供及时高效的决策依据。

实施例二

请参阅图4，图4为本发明实施例公开的又一种基于大数据分析商品的方法的流程示意图。其中，该基于大数据分析商品的方法可以应用在商场结算分析系统、商场试衣间系统、电商销售系统等，对于该方法所应用的商品系统本发明实施例不做限制。如图4所示，该基于大数据分析商品的方法可以包括以下操作：

401、获取试穿数据和销售数据。

获取的试穿数据是基于RFID(Radio Frequency Identification，射频识别技术)实现，具体实现为，预先将RFID标签与商品信息进行绑定，该RFID标签可以挂或贴到商品上，在商场的试衣间内部或试穿区域安装RFID采集设备，消费者试穿时，射频采集设备自动读取到消费者所试穿的商品的RFID标签，实现了试穿数据的获取，克服了现有的试穿数据的采集通常需要由店员手动录入试穿数据，或在试穿间(试穿镜)安装录入装置(如触屏电脑)，由消费者录入，由此导致店员和消费者的意愿不高，进而采集的数据量较少且不准确的问题。其中，试穿数据包括：店铺编号、试穿间信息、开始试穿时间和结束试穿时间等。同时，由于该RFID标签与商品信息绑定，所以也会识别出商品信息，在本实施例中，商品信息包括商品货号、商品名称、商品品牌、商品颜色、商品尺码、商品条码、体感、材质、款式、风格、适用年龄、价格和图片。

销售数据为消费者试穿后进行购买后的数据，一般都是由商品所在店铺的后台程序直接进行调用，该销售数据包括店铺编号、VIP编号、销售时间、销售数量、销售商品原价和销售价。

需要说明的是，试穿数据、销售数据和商品信息均包括具有商品类别标识作用的SKU信息。该SKU信息是一类商品的唯一标识信息，示例性地，可标识为某品牌某货号的商品，由此，可以通过SKU信息将试穿数据、销售数据和商品信息进行关联。在存储试穿数据、销售数据和商品信息所包含的信息时，可以参考如下的表格进行存储。

作为一种具体实施例，商品信息可以存储为如下表格：

作为一种具体实施例，销售数据可以存储为如下表格：

店铺编号	SKU信息	VIP编号	销售时间	销售价

作为一种具体实施例，试穿数据可以存储为如下表格：

店铺编号	SKU信息	试穿间信息	开始试穿时间	结束试穿时间

需要说明的是，上述表格所包括的具体信息并不是本发明唯一限定的信息，对于其他可以体现商品信息、销售数据和试穿数据的信息也属于本发明的保护范围。

402、根据SKU信息将试穿数据、销售数据和商品信息进行分组生成商品类别组。

在本实施例中，分析数据还包括商品热度分析数据，该商品热度分析数据用于揭示各商品特征属性在消费者试穿时的喜好程度，从而为开发新产品提供参考。

商品信息包括多个商品特征属性，可参考上述的商品信息的表格如体感、材质、款式、商品风格和适用年龄等。

403、统计每一商品类别组的试穿数据生成总试穿数据。

即将商品信息按照特征属性分组后对各SKU信息所汇总的试穿次数和试穿时长进行汇总计算，得出各个特征属性的总试穿次数和总试穿时长。

404、根据商品特征属性和总试穿数据生成每一商品特征属性对应的商品热度分析数据。

在计算出特征属性的总试穿次数和总试穿时长后，就可以按照预置的排序方式分析出商品各特征热度情况。

根据本实施例提供的方法，能够基于大数据的消费者行为数据例如试穿数据和销售数据，结合商品信息进行综合分析，从而更加准确分析消费者的实际行为而对商品带来的实际销售影响，通过对辅助商品企划人员根据商品的热度映像开发新品。

实施例三

请参阅图5，图5为本发明实施例公开的又一种基于大数据分析商品的方法的流程示意图。其中，该基于大数据分析商品的方法可以应用在商场结算分析系统、商场试衣间系统、电商销售系统等，对于该方法所应用的商品系统本发明实施例不做限制。如图5所示，该基于大数据分析商品的方法可以包括以下操作：

501、获取试穿数据和销售数据。

获取的试穿数据是基于RFID(Radio Frequency Identification，射频识别技术)实现，具体实现为，预先将RFID标签与商品信息进行绑定，该RFID标签可以挂或贴到商品上，在商场的试衣间内部或试穿区域安装RFID采集设备，消费者试穿时，射频采集设备自动读取到消费者所试穿的商品的RFID标签，实现了试穿数据的获取，克服了现有的试穿数据的采集通常需要由店员手动录入试穿数据，或在试穿间(试穿镜)安装录入装置(如触屏电脑)，由消费者录入，由此导致店员和消费者的意愿不高，进而采集的数据量较少且不准确的问题。其中，试穿数据包括：店铺编号、试穿间信息、开始试穿时间和结束试穿时间等。同时，由于该RFID标签与商品信息绑定，所以也会识别出商品信息，在本实施例中，商品信息包括商品货号、商品名称、商品品牌、商品颜色、商品尺码、商品条码、体感、材质、款式、风格、适用年龄、价格和图片。

销售数据为消费者试穿后进行购买后的数据，一般都是由商品所在店铺的后台程序直接进行调用，该销售数据包括店铺编号、VIP编号、销售时间、销售数量、销售商品原价和销售价。

需要说明的是，试穿数据、销售数据和商品信息均包括具有商品类别标识作用的SKU信息。该SKU信息是一类商品的唯一标识信息，示例性地，可标识为某品牌某货号的商品，由此，可以通过SKU信息将试穿数据、销售数据和商品信息进行关联。在存储试穿数据、销售数据和商品信息所包含的信息时，可以参考如下的表格进行存储。

作为一种具体实施例，商品信息可以存储为如下表格：

作为一种具体实施例，销售数据可以存储为如下表格：

店铺编号	SKU信息	VIP编号	销售时间	销售价

作为一种具体实施例，试穿数据可以存储为如下表格：

店铺编号	SKU信息	试穿间信息	开始试穿时间	结束试穿时间

需要说明的是，上述表格所包括的具体信息并不是本发明唯一限定的信息，对于其他可以体现商品信息、销售数据和试穿数据的信息也属于本发明的保护范围。

502、根据SKU信息将试穿数据、销售数据和商品信息进行分组生成商品类别组。

在本实施例中，分析数据还包括城市分析数据，该城市分析数据可反映为商品区域城市分析的数据，用于揭示商品在各个区域，城市消费者的喜好程度，由此可为店铺进货、调整各区域城市店铺配货及库存提供参考。

在一种具体实施方式中，可以对试穿数据以商品信息中的店铺编号为关键字关联店铺信息，从而获取出店铺的隶属区域和城市，按照店铺的隶属区域和城市对试穿数据、销售数据和商品信息进行分组。

503、统计每一商品类别组的试穿数据生成总试穿数据。

根据每一商品类别组所隶属的区域和城市对各商品类别的SKU信息汇总的试穿次数和试穿时长进行汇总计算，得出各个SKU信息在区域和城市的总试穿次数和总试穿时长。

504、根据与试衣间信息关联的店铺位置信息和总试穿数据生成城市分析数据。

在得出各个SKU信息在区域和城市的总试穿次数和总试穿时长后，即可按照排行分析出商品区域城市的喜好情况。

根据本实施例提供的方法，能够基于大数据的消费者行为数据例如试穿数据和销售数据，结合商品信息进行综合分析，从而更加准确分析消费者的实际行为而对商品带来的实际销售影响，通过对商品区域城市分析，从而可以揭示商品在各个区域，城市消费者的喜好程度，由此可为店铺进货、调整各区域城市店铺配货及库存提供参考。

实施例四

请参阅图6，图6为本发明实施例公开的一种基于大数据分析商品的系统框图。其中，该基于大数据分析商品的系统可以实现为在商场结算分析系统、商场试衣间系统、电商销售系统等，对于该系统的具体应用本发明实施例不做限制。如图6所示，该基于大数据分析商品的系统可以包括：

数据获取模块601，用于获取试穿数据和销售数据。

计算模块602，用于根据试穿数据、销售数据和商品信息生成试穿转化率。

分析模块603，用于对试穿转化率进行分析生成用于辅助决策的分析数据，其中，分析数据至少包括销售趋势数据。

其中，计算模块602包括：分类单元6021，用于根据SKU信息将试穿数据、销售数据和商品信息进行分组生成商品类别组和处理单元6022，用于判断每一商品类别组是否包括试穿数据，若商品类别组包括试穿数据，则根据试穿数据和销售数据生成试穿转化率。

数据获取模块601获取的试穿数据是基于RFID(Radio FrequencyIdentification，射频识别技术)实现，具体实现为，预先将RFID标签与商品信息进行绑定，该RFID标签可以挂或贴到商品上，在商场的试衣间内部或试穿区域安装RFID采集设备，消费者试穿时，射频采集设备自动读取到消费者所试穿的商品的RFID标签，实现了试穿数据的获取，克服了现有的试穿数据的采集通常需要由店员手动录入试穿数据，或在试穿间(试穿镜)安装录入装置(如触屏电脑)，由消费者录入，由此导致店员和消费者的意愿不高，进而采集的数据量较少且不准确的问题。其中，试穿数据包括：店铺编号、试穿间信息、开始试穿时间和结束试穿时间等。同时，由于该RFID标签与商品信息绑定，所以也会识别出商品信息，在本实施例中，商品信息包括商品货号、商品名称、商品品牌、商品颜色、商品尺码、商品条码、体感、材质、款式、风格、适用年龄、价格和图片。

销售数据为消费者试穿后进行购买后的数据，一般都是由商品所在店铺的后台程序直接进行调用，该销售数据包括店铺编号、VIP编号、销售时间、销售数量、销售商品原价和销售价。

需要说明的是，试穿数据、销售数据和商品信息均包括具有商品类别标识作用的SKU信息。该SKU信息是一类商品的唯一标识信息，示例性地，可标识为某品牌某货号的商品，由此，可以通过SKU信息将试穿数据、销售数据和商品信息进行关联。在存储试穿数据、销售数据和商品信息所包含的信息时，可以参考如下的表格进行存储。

作为一种具体实施例，商品信息可以存储为如下表格：

作为一种具体实施例，销售数据可以存储为如下表格：

店铺编号	SKU信息	VIP编号	销售时间	销售价

作为一种具体实施例，试穿数据可以存储为如下表格：

店铺编号	SKU信息	试穿间信息	开始试穿时间	结束试穿时间

需要说明的是，上述表格所包括的具体信息并不是本发明唯一限定的信息，对于其他可以体现商品信息、销售数据和试穿数据的信息也属于本发明的保护范围。

计算模块602具体实现原理为：其中，试穿装率用于揭示消费者在试穿后所带来的销售效果。首先，由于试穿数据、销售数据和商品信息都具有SKU信息，根据SKU信息将试穿数据、销售数据和商品信息进行分组生成商品类别组，按照不同的SKU信息进行商品类型的分组。之后，判断每一商品类别组是否包括试穿数据，即该商品是否有消费者进行了试穿，若商品类型组不包括试穿数据，即商品的试穿装率为0，不必再进行下一步的计算。若商品类别组包括试穿数据，则根据试穿数据和销售数据生成试穿转化率，具体实现为，将每一商品类别组中总销售数据，即总销量除以每一商品类别组的总试穿数据，即总试穿次数，即为该类别商品的试穿转化率。

分析模块603对试穿转化率进行分析生成用于辅助决策的分析数据，其中，分析数据至少包括销售趋势数据。

具体实现为：首先根据预置的平衡条件和上述方法得到的试穿转化率计算试穿等比因子。该试穿等比因子用于平衡和解决试穿次数和转化率差异导致的计算干扰，在本实施例中可以将平衡条件设置为判断当总试穿次数大于99(在其他实施例中也可以根据需求进行调整)时，试穿等比因子的长度为总试穿次数的长度减1的最小整数，示例性地，总试穿次数为8562，那么试穿等比因子为100，如果总试穿次数小于等于99，则试穿等比因子为0。

之后，根据试穿等比因子和试穿数据生成销售趋势热度比率，再通过预置的排序条件对销量趋势热度比率进行筛选生成销售趋势分析数据。

其中，销售趋势分析数据包括潜在爆款分析数据，该潜在爆款分析数据的特征是高频试穿低销量，本发明通过计算销售趋势热度比率中的高频试穿低销量热度比率来量化高频试穿低销量特征，从而根据高频试穿低销量热度比率分析出潜在的爆款商品，据此可制定有针对性的营销方案，提升潜在的爆款商品的销量。包括：根据试穿等比因子和试穿数据生成销售趋势热度比率，具体实现为：根据统计的不同类别SKU信息的总试穿次数M、试穿转化率R和试穿对比因子P根据如下公式计算生成销售趋势热度比率：

销售趋势热度比率＝M/P+(100-R)；

其中，若试穿对比因子P为0，则将P设为1，即通过如下公式进行计算生成销售趋势热度比率：

销售趋势热度比率＝M/P+(100-R)。

通过预置的排序条件对销量趋势热度比率进行筛选生成潜在爆款分析数据。

其中，预置的排序条件可以按照将销量趋势热度比率从高到低的排行与其它爆款的条件(例如排行前10，或特定商品特征)进行匹配过滤，筛选出符合条件的SKU信息关联至相应的商品信息，即为潜在爆款商品。

其中，在其他优选实施方式中，销售趋势分析数据还包括潜在滞销款分析数据，潜在滞销款分析数据的特征是低频试穿低销量，本发明通过计算销售趋势热度比率中的低频试穿低销量热度比率来量化低频试穿低销量特征，从而根据低频试穿低销量热度比率分析出潜在的滞销款商品，据此调整商品的营销方案或店铺摆放位置，乃至下架处理。包括：

根据试穿等比因子和试穿数据生成销售趋势热度比率，具体实现为：根据统计的不同类别SKU信息的总试穿次数M、试穿转化率R和试穿对比因子P根据如下公式计算生成低频试穿低销量热度比率：

销售趋势热度比率＝100-(M/P)+(100-R)；

其中，若试穿对比因子P为0，则将P设为1，即通过如下公式进行计算生成销售趋势热度比率：

销售趋势热度比率＝100-M+(100-R)。

通过预置的排序条件对销量趋势热度比率进行筛选生成潜在滞销款分析数据。

其中，预置的排序条件可以按照将销量趋势热度比率从高到低的排行与其它爆款的条件(例如排行前10，或特定商品特征)进行匹配过滤，筛选出符合条件的SKU信息关联至相应的商品信息，即为潜在滞销款商品。

在其他优选实施例中，分析模块603还包括：商品热度分析单元6031，用于根据分类单元生成商品类别组，统计每一商品类别组的试穿数据生成总试穿数据，根据商品特征属性和总试穿数据生成每一商品特征属性对应的商品热度分析数据。分析数据还包括商品热度分析数据，该商品热度分析数据用于揭示各商品特征属性在消费者试穿时的喜好程度，从而为开发新产品提供参考。商品信息包括多个商品特征属性，可参考上述的商品信息的表格如体感、材质、款式、商品风格和适用年龄等。统计每一商品类别组的试穿数据生成总试穿数据。即将商品信息按照特征属性分组后对各SKU信息所汇总的试穿次数和试穿时长进行汇总计算，得出各个特征属性的总试穿次数和总试穿时长。根据商品特征属性和总试穿数据生成每一商品特征属性对应的商品热度分析数据。在计算出特征属性的总试穿次数和总试穿时长后，就可以按照预置的排序方式分析出商品各特征热度情况。

在其他优选实施例中，分析模块603还可以实现为根据SKU信息将试穿数据、销售数据和商品信息进行分组生成商品类别组。分析数据还包括城市分析数据，该城市分析数据可反映为商品区域城市分析的数据，用于揭示商品在各个区域，城市消费者的喜好程度，由此可为店铺进货、调整各区域城市店铺配货及库存提供参考。在一种具体实施方式中，可以对试穿数据以商品信息中的店铺编号为关键字关联店铺信息，从而获取出店铺的隶属区域和城市，按照店铺的隶属区域和城市对试穿数据、销售数据和商品信息进行分组。统计每一商品类别组的试穿数据生成总试穿数据。根据每一商品类别组所隶属的区域和城市对各商品类别的SKU信息汇总的试穿次数和试穿时长进行汇总计算，得出各个SKU信息在区域和城市的总试穿次数和总试穿时长。根据与试衣间信息关联的店铺位置信息和总试穿数据生成城市分析数据。在得出各个SKU信息在区域和城市的总试穿次数和总试穿时长后，即可按照排行分析出商品区域城市的喜好情况。

根据本实施例提供的系统能够基于大数据的消费者行为数据例如试穿数据和销售数据，结合商品信息进行综合分析，从而更加准确分析消费者的实际行为而对商品带来的实际销售影响，通过对以下范畴进行分析，例如商品潜在爆款分析、商品潜在滞销款分析、商品试穿转化率分析、商品特征热度分析和商品区域城市分析从而可以从多个维度为商品企划人员开发新品以及营销方案提供有力的决策依据。

实施例五

请参阅图7，图7是本发明实施例公开的一种基于大数据分析商品的交互装置结构示意图。其中，图7所描述的装置可以应用在商场结算分析系统、商场试衣间系统、电商销售系统等系统，对于该基于大数据分析商品的交互装置的应用系统本发明实施例不做限制。如图7所示，该装置可以包括：

存储有可执行程序代码的存储器701；

与存储器701耦合的处理器702；

处理器702调用存储器701中存储的可执行程序代码，用于执行实施例二或实施例三所描述的基于大数据分析商品的方法。

实施例六

本发明实施例公开了一种计算机可读存储介质，其存储用于电子数据交换的计算机程序，其中，该计算机程序使得计算机执行实施例一、实施例二或实施例三所描述的基于大数据分析商品的方法。

实施例七

本发明实施例公开了一种计算机程序产品，该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，且该计算机程序可操作来使计算机执行实施例一或实施例二中所描述的基于大数据分析商品的方法。

以上所描述的的实施例仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施例的具体描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory，EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。

最后应说明的是：本发明实施例公开的一种基于大数据分析商品的方法及装置所揭露的仅为本发明较佳实施例而已，仅用于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项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；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。

Claims (10)

1.一种基于大数据分析商品的方法，其特征在于，所述方法包括：

获取试穿数据和销售数据；

根据所述试穿数据、所述销售数据和商品信息生成试穿转化率；

对所述试穿转化率进行分析生成用于辅助决策的分析数据，其中，所述分析数据至少包括销售趋势数据。

2.根据权利要求1所述的基于大数据分析商品的方法，其特征在于，所述试穿数据、所述销售数据和所述商品信息均包括具有商品类别标识作用的SKU信息，所述根据所述试穿数据、所述销售数据和商品信息生成试穿转化率，包括：

根据SKU信息将所述试穿数据、所述销售数据和所述商品信息进行分组生成商品类别组；

判断每一商品类别组是否包括试穿数据，若所述商品类别组包括试穿数据，则根据所述试穿数据和所述销售数据生成试穿转化率。

3.根据权利要求2所述的基于大数据分析商品的方法，其特征在于，对所述试穿转化率进行分析生成用于辅助决策的分析数据，其中，所述分析数据为销售趋势数据，所述方法包括：

根据预置的平衡条件和所述试穿转化率计算试穿等比因子；

根据所述试穿等比因子和所述试穿数据生成销售趋势热度比率；

通过预置的排序条件对所述销量趋势热度比率进行筛选生成销售趋势分析数据。

4.根据权利要求3所述的基于大数据分析商品的方法，其特征在于，所述销售趋势分析数据包括潜在爆款分析数据，所述根据所述试穿等比因子和所述试穿数据生成销售趋势热度比率，包括：

根据统计的不同类别SKU信息的总试穿次数M、试穿转化率R和试穿对比因子P根据如下公式计算生成销售趋势热度比率：

销售趋势热度比率＝M/P+(100-R)；

通过预置的排序条件对所述销量趋势热度比率进行筛选生成潜在爆款分析数据。

5.根据权利要求3所述的基于大数据分析商品的方法，其特征在于，所述销售趋势分析数据还包括潜在滞销款分析数据，所述根据所述试穿等比因子和所述试穿数据生成销售趋势热度比率，包括：

根据统计的不同类别SKU信息的总试穿次数M、试穿转化率R和试穿对比因子P根据如下公式计算生成低频试穿低销量热度比率：

销售趋势热度比率＝100-(M/P)+(100-R)；

通过预置的排序条件对所述销量趋势热度比率进行筛选生成潜在滞销款分析数据。

6.根据权利要求1-5任一项所述的基于大数据分析商品的方法，其特征在于，所述分析数据还包括商品热度分析数据，所述商品信息包括多个商品特征属性，所述方法还包括：

根据SKU信息将所述试穿数据、所述销售数据和所述商品信息进行分组生成商品类别组；

统计每一商品类别组的试穿数据生成总试穿数据；

根据所述商品特征属性和所述总试穿数据生成每一商品特征属性对应的商品热度分析数据。

7.根据权利要求6所述的基于大数据分析商品的方法，其特征在于，所述分析数据还包括城市分析数据，所述试穿数据包括与店铺位置信息关联的试衣间信息，所述方法还包括：

根据SKU信息将所述试穿数据、所述销售数据和所述商品信息进行分组生成商品类别组；

统计每一商品类别组的试穿数据生成总试穿数据；

根据与所述试衣间信息关联的店铺位置信息和所述总试穿数据生成城市分析数据。

8.一种基于大数据分析商品的系统，其特征在于，所述系统包括：

数据获取模块，用于获取试穿数据和销售数据；

计算模块，用于根据所述试穿数据、所述销售数据和商品信息生成试穿转化率；

分析模块，用于对所述试穿转化率进行分析生成用于辅助决策的分析数据，其中，所述分析数据至少包括销售趋势数据。

9.根据权利要求8所述的基于大数据分析商品的系统，其特征在于，所述试穿数据、所述销售数据和所述商品信息均包括具有商品类别标识作用的SKU信息，所述计算模块包括：

分类单元，用于根据SKU信息将所述试穿数据、所述销售数据和所述商品信息进行分组生成商品类别组；

处理单元，用于判断每一商品类别组是否包括试穿数据，若所述商品类别组包括试穿数据，则根据所述试穿数据和所述销售数据生成试穿转化率。

10.根据权利要求9所述的基于大数据分析商品的系统，其特征在于，所述商品信息包括多个商品特征属性，所述分析模块还包括：

商品热度分析单元，用于根据所述分类单元生成商品类别组，统计每一商品类别组的试穿数据生成总试穿数据，根据所述商品特征属性和所述总试穿数据生成每一商品特征属性对应的商品热度分析数据。

Images