CN113191795A - 商品陈列数量预估方法、装置、设备和存储介质 - Google Patents
商品陈列数量预估方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN113191795A CN113191795A CN202110408823.8A CN202110408823A CN113191795A CN 113191795 A CN113191795 A CN 113191795A CN 202110408823 A CN202110408823 A CN 202110408823A CN 113191795 A CN113191795 A CN 113191795A
- Authority
- CN
- China
- Prior art keywords
- statistical
- sales
- period
- display
- commodity
- 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 53
- 230000000737 periodic effect Effects 0.000 claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000004590 computer program Methods 0.000 claims description 5
- 230000001737 promoting effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 9
- 238000005457 optimization Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000007787 solid Substances 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
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种商品陈列数量预估方法、装置、设备和存储介质。方法包括获取目标商品的历史订单数据和库存信息；根据预设的统计参数，对历史订单数据和库存信息进行统计处理，得到销售统计数据；根据销售统计数据，计算得到单位陈列系数；根据单位陈列系数，得到目标商品在统计周期内的周期陈列系数；根据周期陈列系数，预估目标商品的陈列数量。本申请通过周期陈列系数表征目标商品在统计周期内的销售情况，辅助补货人员更加合理地安排目标商品的陈列数量，为商品陈列提供了优化建议，提高了销售坪效。本申请解决相关技术中依据总销量对商品进行热销排名，导致无人零售场景中存在商品陈列不合理、销售坪效低的问题。
Description
技术领域
本申请涉及数据统计技术领域，具体而言，涉及一种商品陈列数量预估方法、装置、设备和存储介质。
背景技术
随着物联网的发展，目前市面上出现了不少线下的无人零售店铺，为了统计消费者对商品的喜好程度，市面上不乏对商品销售情况的排名。
通常情况下，这种商品热销排名是根据固定的单位时间内，对不同商品的总销量进行汇总，进而根据总销量进行排名的，但是，这类排名方法具有一定的局限性，那就是其采用这类排名方法需要假设商品具有无限量库存。
而对于线下的无人零售场景中，一般占地范围为1至10平方米，补货周期为每日一次。在这种场景下，商品的可售卖库存是极度有限的，若根据现有技术的排名方法已无法真实反映商品的热销情况，例如，对于无人零售店铺中的不同的三种商品，在同一天陈列数量相同，当第二天补货员前来补货时，发现这三种商品均已售空，在三种商品的销量完全相同的情况下，由于无法得知售空的前后顺序，因此，无法根据现有技术的销量排名来判断哪个商品更好卖。现有技术仅依据总销量对商品进行热销排名的方法，并不适用于无人零售场景，该方法无法真实反映无人零售场景中的商品销售情况，导致无人零售场景存在商品陈列不合理、销售坪效低的问题。
针对相关技术中依据总销量对商品进行热销排名，导致无人零售场景中存在商品陈列不合理、销售坪效低的问题，目前尚未提出有效的解决方案。
发明内容
本申请的主要目的在于提供一种商品陈列数量预估方法、装置、设备和存储介质，以解决相关技术中依据总销量对商品进行热销排名，导致无人零售场景中存在商品陈列不合理、销售坪效低的问题。
为了实现上述目的，第一方面，本申请提供了一种商品陈列数量预估方法。
根据本申请的方法包括：
获取目标商品的历史订单数据和库存信息，其中，历史订单数据为目标商品在目标商店的交易数据，库存信息为目标商品在目标商店的库存信息；
根据预设的统计参数，对历史订单数据和库存信息进行统计处理，得到销售统计数据，其中，统计参数包括统计时间段和统计周期，且统计时间段小于或等于统计周期；
根据销售统计数据，计算得到单位陈列系数，其中，单位陈列系数用于描述目标商品在统计周期的各统计时间段内的销售情况；
根据单位陈列系数，得到目标商品在统计周期内的周期陈列系数；
根据周期陈列系数，预估目标商品的陈列数量。
在本申请一种可能的实现方式中，销售统计数据包括销售总量和最大库存量，根据预设的统计参数，对历史订单数据和库存信息进行统计处理，得到销售统计数据，包括：
根据统计周期，对历史订单数据和库存信息进行归类，得到统计周期内的总销售数据和最大库存量；
根据统计时间段，对总销售数据进行分段统计，得到目标商品在各统计时间段的销售总量。
在本申请一种可能的实现方式中，根据销售统计数据，计算得到单位陈列系数，包括：
根据各统计时间段的销售总量与最大库存量，计算得到各统计时间段的单位陈列系数。
在本申请一种可能的实现方式中，根据单位陈列系数，得到目标商品在统计周期内的周期陈列系数，包括：
对单位陈列系数进行去噪处理，得到有用陈列系数；
计算有用陈列系数的平均值，得到周期陈列系数。
在本申请一种可能的实现方式中，根据周期陈列系数，预估目标商品的陈列数量，包括：
将周期陈列系数与预设阈值进行比较，若周期陈列系数大于或等于预设阈值，则预估增加目标商品的陈列数量；
若周期陈列系数小于预设阈值，则预估减少目标商品的陈列数量。
第二方面，本申请还提供了一种商品陈列数量预估装置，装置包括：
获取模块，用于获取目标商品的历史订单数据和库存信息，其中，历史订单数据为目标商品在目标商店的交易数据，库存信息为目标商品在目标商店的库存信息；
处理模块，用于根据预设的统计参数，对历史订单数据和库存信息进行统计处理，得到销售统计数据，其中，统计参数包括统计时间段和统计周期，且统计时间段小于或等于统计周期；
根据销售统计数据，计算得到单位陈列系数，其中，单位陈列系数用于描述目标商品在统计周期的各统计时间段内的销售情况；
根据单位陈列系数，得到目标商品在统计周期内的周期陈列系数；
输出模块，用于根据周期陈列系数，预估目标商品的陈列数量。
在本申请一种可能的实现方式中，销售统计数据包括销售总量和最大库存量，处理模块具体用于：
根据统计周期，对历史订单数据和库存信息进行归类，得到统计周期内的总销售数据和最大库存量；
根据统计时间段，对总销售数据进行分段统计，得到目标商品在各统计时间段的销售总量。
在本申请一种可能的实现方式中，处理模块具体还用于：
根据各统计时间段的销售总量与最大库存量，计算得到各统计时间段的单位陈列系数。
在本申请一种可能的实现方式中，处理模块具体还用于：
对单位陈列系数进行去噪处理，得到有用陈列系数；
计算有用陈列系数的平均值，得到周期陈列系数。
在本申请一种可能的实现方式中，输出模块具体用于：
将周期陈列系数与预设阈值进行比较，若周期陈列系数大于或等于预设阈值，则预估增加目标商品的陈列数量；
若周期陈列系数小于预设阈值，则预估减少目标商品的陈列数量。
第三方面，本申请还提供了一种商品陈列数量预估电子设备，电子设备包括：
一个或多个处理器；
存储器；以及
一个或多个应用程序，其中一个或多个应用程序被存储于存储器中，并配置为由处理器执行以实现第一方面中任一项的商品陈列数量预估方法。
第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器进行加载，以执行第一方面任一项的商品陈列数量预估方法中的步骤。
在本申请实施例中，提供一种商品陈列数量预估方法，通过对目标商品的历史订单数据和库存信息进行统计处理，得到销售统计数据，进而得到用于表征目标商品在统计周期的各统计时间段内的销售情况的单位陈列系数，通过对单位陈列系数去噪，得到周期陈列系数，补货人员可以通过周期陈列系数对目标商品在统计周期内的销售情况进行判断，使补货人员更加详细地掌握目标商品的热销情况，以便辅助补货人员更加合理地安排目标商品的陈列数量，提高了目标商品销售情况的统计精准度，为补货人员提供了优化分配商品陈列的建议，从而大幅度提高销售坪效；进而解决相关技术中依据总销量对商品进行热销排名，导致无人零售场景中存在商品陈列不合理、销售坪效低的技术问题。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例提供的一种商品陈列数量预估方法的一个实施例流程示意图；
图2是根据本申请实施例提供的得到销售统计数据的一个实施例流程示意图；
图3是根据本申请实施例提供的得到周期陈列系数的一个实施例流程示意图；
图4是根据本申请实施例提供的一种商品陈列数量预估装置的一个实施例结构示意图；
图5是根据本申请实施例提供的一种商品陈列数量预估电子设备的一个实施例结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，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，所描述的实施例仅仅是本申请一部分的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，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单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，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单元。
在本申请中，术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、“内”、“外”、“中”、“竖直”、“水平”、“横向”、“纵向”等指示的方位或位置关系为基于附图所示的方位或位置关系。这些术语主要是为了更好地描述本申请及其实施例，并非用于限定所指示的装置、元件或组成部分必须具有特定方位，或以特定方位进行构造和操作。
并且，上述部分术语除了可以用于表示方位或位置关系以外，还可能用于表示其他含义，例如术语“上”在某些情况下也可能用于表示某种依附关系或连接关系。对于本领域普通技术人员而言，可以根据具体情况理解这些术语在本申请中的具体含义。
另外，术语“多个”的含义应为两个以及两个以上。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
首先，本申请实施例提供一种商品陈列数量预估方法，该商品陈列数量预估方法的执行主体为商品陈列数量预估装置，该商品陈列数量预估装置应用于处理器，该商品陈列数量预估方法包括：获取目标商品的历史订单数据和库存信息，其中，历史订单数据为目标商品在目标商店的交易数据，库存信息为目标商品在目标商店的库存信息；根据预设的统计参数，对历史订单数据和库存信息进行统计处理，得到销售统计数据，其中，统计参数包括统计时间段和统计周期，且统计时间段小于或等于统计周期；根据销售统计数据，计算得到单位陈列系数，其中，单位陈列系数用于描述目标商品在统计周期的各统计时间段内的销售情况；根据单位陈列系数，得到目标商品在统计周期内的周期陈列系数；根据周期陈列系数，预估目标商品的陈列数量。
请参阅图1，图1为本申请实施例所提供的一种商品陈列数量预估方法的一个实施例流程示意图，该商品陈列数量预估方法包括：
101、获取目标商品的历史订单数据和库存信息，其中，历史订单数据为目标商品在目标商店的交易数据，库存信息为目标商品在目标商店的库存信息。
本申请实施例的目标商店中可以陈列有多种商品，消费者来到目标商店对陈列的商品进行选购，在结算时便可以生成该次消费所对应的销售订单，由于消费者可能存在购买多件商品的情况，因此，对应的销售订单中可能存在多种商品，因此，本申请实施例获取目标商品的历史订单数据时，需要从历史销售订单中提取关于目标商品的交易数据，具体的，可以为目标商店中的每一种商品都配置一个能够唯一标识该商品的商品标识，一个商品标识对应于同一种商品，历史销售订单中可以记录销售订单号、销售时间、所销售的商品的商品标识、销售量、订单金额以及是否存在促销活动等信息，从历史销售订单中提取目标商品的交易数据，则可以根据目标商品的商品标识，将历史销售订单中与目标商品的商品标识匹配的交易数据提取出来，便能够得到目标商品的历史订单数据，其中，历史订单数据可以包括销售时间、销售量和目标商品是否促销等信息。
另外，为了了解目标商店的各种商品的库存数量，补货人员可以定期维护目标商店的总库存信息，该总库存信息可以包括目标商店内的各种商品的商品标识、登记日期、前日余量、补货数量、登记数量等信息，而要获取目标商品的库存信息，同样可以根据目标商品的商品标识来对库存信息进行提取，即将总库存信息中与目标商品的商品标识匹配的库存信息提取出来，便能够得到目标商品的库存信息，其中，库存信息可以包括库存登记日期、统计周期内的最大库存量和统计时间段内的在库量等信息。
例如，目标商店(如“商店X”)中，目标商品(如“商品A”)的商品标识为01，第一商品(如“商品B”)的商品标识为02，历史销售订单中分别记录有商品A和商品B两种商品的交易数据，如表一所示。
表一 历史销售订单
| 销售订单号001 | 销售时间2021.02.01.08:30 | 订单金额50元 |
| 商品标识 | 销售量 | 是否存在促销活动 |
| 01 | 1 | 否 |
| 02 | 3 | 是 |
| 销售订单号002 | 销售时间2021.02.01.09:20 | 订单金额10元 |
| 商品标识 | 销售量 | 是否存在促销活动 |
| 01 | 1 | 否 |
根据表一中记录的信息，通过“商品A”的商品标识01，便可以获取到目标商品的历史订单数据，如销售时间2021.02.01.08:30-销售量1-无促销，销售时间2021.02.01.09:20-销售量1-无促销。
假如目标商店的总库存信息记录如表二所示，通过“商品A”的商品标识01，便可以获取到目标商品的库存信息，如库存登记日期2020.02.01.00:00-最大库存量即登记数量(前日余量+补货数量)10，此时，在库量为最大库存量即10，库存登记日期2020.02.02.00:00-最大库存量即登记数量(前日余量+补货数量)10，此时，在库量为最大库存量即10。
表二 总库存信息
102、根据预设的统计参数，对历史订单数据和库存信息进行统计处理，得到销售统计数据，其中，统计参数包括统计时间段和统计周期，且统计时间段小于或等于统计周期。
为了便于对目标商品的销售情况进行统计，本申请实施例中，统计参数可以包括统计时间段和统计周期，且统计时间段小于或等于统计周期，本申请实施例中，设定统计周期为天，统计时间段为一天的每一个小时，即以小时为统计的最小时间单位，需要说明的是，统计周期还可以是周、月等，统计时间段还可以是每3小时、每6小时等，具体可以根据实际应用场景进行选择，此处不做限定。
因此，在本申请一些实施例中，根据预设的统计参数，对历史订单数据和库存信息进行统计处理，得到销售统计数据，可以进一步包括：
201、根据统计周期，对历史订单数据和库存信息进行归类，得到统计周期内的总销售数据和最大库存量。
本申请实施例中，销售统计数据可以包括销售总量和最大库存量，统计周期为每天，因此，首先可以按天对历史订单数据和库存信息进行归类，将隶属于同一天的历史订单数据和库存信息提取出来，得到该统计周期内的总销售数据和最大库存量。
例如，目标商品“商品A”在2021.02.01有多笔交易数据，因此，可以通过“商品A”的商品标识01，将销售时间2021.02.01内所有与“商品A”有关的交易数据进行提取，得到“商品A”在销售时间2021.02.01内的总销售数据；同样的，可以根据“商品A”的商品标识01，对库存登记日期2021.02.01与“商品A”有关的库存信息进行提取，得到“商品A”在该天的最大库存量。
202、根据统计时间段，对总销售数据进行分段统计，得到目标商品在各统计时间段的销售总量。
本申请实施例中，统计时间段为一天的每一个小时，即以小时为统计的最小时间单位，因此，可以将统计周期的一天划分为24个统计时间段，即00：00-01：00为第一个统计时间段，01：00-02：00为第二个统计时间段，以此类推，23：00点-24：00为第24个统计时间段，因此，可以根据这样的分段对目标商品在一个统计周期内的总销售数据进行分段统计，得到目标商品在每一个统计时间段所对应的销售总量。
例如，目标商品“商品A”在2021.02.01有多笔交易数据，其中，销售时间2021.02.01.08:30的销售量为1，销售时间2021.02.01.09:20的销售量为1，则可以得到“商品A”在08：00-09：00的第9个统计时间段的销售总量为1，“商品A”在09：00-10：00的第10个统计时间段的销售总量为1。
103、根据销售统计数据，计算得到单位陈列系数，其中，单位陈列系数用于描述目标商品在统计周期的各统计时间段内的销售情况。
由于单位陈列系数可以描述目标商品在统计周期的各统计时间段内的销售情况，因此，本申请实施例中，可以根据各统计时间段的销售总量与最大库存量，计算得到各统计时间段的单位陈列系数，具体的计算公式为：
单位陈列系数＝统计时间段的销售总量/统计周期的最大库存量
即用各统计时间段的销售总量除以统计周期内的最大库存量，便能够得到各统计时间段所对应的单位陈列系数，如表三所示，为目标商品在一个统计周期内的所有统计时间段的单位陈列系数总表。
表三 单位陈列系数总表
104、根据单位陈列系数，得到目标商品在统计周期内的周期陈列系数。
本申请实施例中，由于目标商店中目标商品的库存有限，有可能存在统计周期内的前几个统计时间段内目标商品便已无库存的情况，因此，为了更加真实地反映目标商品的热销情况，根据单位陈列系数，得到目标商品在统计周期内的周期陈列系数，可以进一步包括：
301、对单位陈列系数进行去噪处理，得到有用陈列系数。
本申请实施例中，去噪处理可以是将统计周期内销售总量与在库量两者均为0的统计时间段所对应的单位陈列系数剔除，剩余的单位陈列系数即为有用陈列系数，如表四所示，为目标商品在统计周期内的有用陈列系数总表。
表四 有用陈列系数总表
302、计算有用陈列系数的平均值，得到周期陈列系数。
本申请实施例中，周期陈列系数可以是统计周期内各统计时间段所对应的单位陈列系数的平均值，即将24个统计时间段的单位陈列系数相加，再除以总数24，得到周期陈列系数，但是，这种计算方法更加适用于库存充足的情况，对于统计周期内目标商品已无库存的情况，则可以根据步骤301的方法进行去噪，然后根据去噪后得到的有用陈列系数，计算对应的周期陈列系数，例如，对表三的单位陈列系数总表进行去噪后得到的表四，其周期陈列系数可以是计算有用陈列系数的平均值，即将表四中的19个有用陈列系数相加，再除以总数19，便能够得到目标商品的周期陈列系数，计算公式可以为：
周期陈列系数＝(0.1+0.1+0.1+0.1+0.2+0.1+0.1+0.1+0.1)/19＝0.053。
105、根据周期陈列系数，预估目标商品的陈列数量。
具体的，本申请实施例中，可以根据经验设置一个用于比较的预设阈值，然后将周期陈列系数与预设阈值进行比较，若周期陈列系数大于或等于该预设阈值，则可以认为目标商品的销售情况较好，因此，可以预估增加目标商品的陈列数量；若周期陈列系数小于预设阈值，则可以认为目标商品的销售情况较差，因此，可以预估减少目标商品的陈列数量。
另外，根据周期陈列系数的计算方法，可以观察到周期陈列系数的值分布在0到1的区间，并且如果周期陈列系数的数值越接近0，则说明目标商品在该统计周期内销售情况较差，可适当减少其陈列数量，如果周期陈列系数的数值越接近1，则说明该目标商品在该统计周期内销量情况非常好，可适当增加其陈列数量，因此，预设阈值的值也应当大于0且小于1，如0.55、0.58等。
在本申请实施例中，提供一种商品陈列数量预估方法，通过对目标商品的历史订单数据和库存信息进行统计处理，得到销售统计数据，进而得到用于表征目标商品在统计周期的各统计时间段内的销售情况的单位陈列系数，通过对单位陈列系数去噪，得到周期陈列系数，补货人员可以通过周期陈列系数对目标商品在统计周期内的销售情况进行判断，使补货人员更加详细地掌握目标商品的热销情况，以便辅助补货人员更加合理地安排目标商品的陈列数量，提高了目标商品销售情况的统计精准度，为补货人员提供了优化分配商品陈列的建议，从而大幅度提高销售坪效。
为了更好实施本申请实施例中的商品陈列数量预估方法，在商品陈列数量预估方法基础之上，本申请实施例还提供一种商品陈列数量预估装置，如图4所示，商品陈列数量预估装置400包括：
获取模块401，用于获取目标商品的历史订单数据和库存信息，其中，历史订单数据为目标商品在目标商店的交易数据，库存信息为目标商品在目标商店的库存信息；
处理模块402，用于根据预设的统计参数，对历史订单数据和库存信息进行统计处理，得到销售统计数据，其中，统计参数包括统计时间段和统计周期，且统计时间段小于或等于统计周期；
根据销售统计数据，计算得到单位陈列系数，其中，单位陈列系数用于描述目标商品在统计周期的各统计时间段内的销售情况；
根据单位陈列系数，得到目标商品在统计周期内的周期陈列系数；
输出模块403，用于根据周期陈列系数，预估目标商品的陈列数量。
在本申请一些实施例中，销售统计数据包括销售总量和最大库存量，处理模块402具体可以用于：
根据统计周期，对历史订单数据和库存信息进行归类，得到统计周期内的总销售数据和最大库存量；
根据统计时间段，对总销售数据进行分段统计，得到目标商品在各统计时间段的销售总量。
在本申请一些实施例中，处理模块402具体还可以用于：
根据各统计时间段的销售总量与最大库存量，计算得到各统计时间段的单位陈列系数。
在本申请一些实施例中，处理模块402具体还可以用于：
对单位陈列系数进行去噪处理，得到有用陈列系数；
计算有用陈列系数的平均值，得到周期陈列系数。
在本申请一些实施例中，输出模块403具体可以用于：
将周期陈列系数与预设阈值进行比较，若周期陈列系数大于或等于预设阈值，则预估增加目标商品的陈列数量；
若周期陈列系数小于预设阈值，则预估减少目标商品的陈列数量。
具体的，本申请实施例的装置中各模块实现其功能的具体过程可参见如图1至图3对应任意实施例中商品陈列数量预估方法的说明，具体在此不再赘述。
本申请实施例还提供一种商品陈列数量预估电子设备，其集成了本申请实施例所提供的任一种商品陈列数量预估装置，该电子设备包括：
一个或多个处理器；
存储器；以及
一个或多个应用程序，其中一个或多个应用程序被存储于存储器中，并配置为由处理器执行上述商品陈列数量预估方法实施例中任一实施例中的商品陈列数量预估方法中的步骤。
本申请实施例的一种商品陈列数量预估电子设备，其集成了本申请实施例所提供的任一种商品陈列数量预估装置。如图5所示，其示出了本申请实施例所涉及的电子设备的结构示意图，具体来讲：
该电子设备可以包括一个或者一个以上处理核心的处理器501、一个或一个以上计算机可读存储介质的存储器502、电源503和输入单元504等部件。本领域技术人员可以理解，图5中示出的电子设备结构并不构成对电子设备的限定，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。其中：
处理器501是该电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器502内的软件程序和/或模块，以及调用存储在存储器502内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。可选的，处理器501可包括一个或多个处理核心；处理器501可以是中央处理单元(CentralProcessing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，优选的，处理器501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、用户界面和应用程序等，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501中。
存储器502可用于存储软件程序以及模块，处理器501通过运行存储在存储器502的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器502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服务器的使用所创建的数据等。此外，存储器502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。相应地，存储器502还可以包括存储器控制器，以提供处理器501对存储器502的访问。
该电子设备还包括给各个部件供电的电源503，优选的，电源503可以通过电源管理系统与处理器501逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源503还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该电子设备还可包括输入单元504，该输入单元504可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出，服务器还可以包括显示单元等，在此不再赘述。具体在本实施例中，电子设备中的处理器501会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器502中，并由处理器501来运行存储在存储器502中的应用程序，从而实现各种功能，如下：
获取目标商品的历史订单数据和库存信息，其中，历史订单数据为目标商品在目标商店的交易数据，库存信息为目标商品在目标商店的库存信息；
根据预设的统计参数，对历史订单数据和库存信息进行统计处理，得到销售统计数据，其中，统计参数包括统计时间段和统计周期，且统计时间段小于或等于统计周期；
根据销售统计数据，计算得到单位陈列系数，其中，单位陈列系数用于描述目标商品在统计周期的各统计时间段内的销售情况；
根据单位陈列系数，得到目标商品在统计周期内的周期陈列系数；
根据周期陈列系数，预估目标商品的陈列数量。
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，上述描述的商品陈列数量预估装置、电子设备及其相应单元的具体工作过程，可以参考如图1至图3对应任意实施例中商品陈列数量预估方法的说明，具体在此不再赘述。
本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器501进行加载和执行。
为此，本申请实施例提供一种计算机可读存储介质，该存储介质可以包括：只读存储器(Read Only Memory，ROM)、随机存取记忆体(Random Access Memory，RAM)、磁盘或光盘等。其上存储有计算机程序，计算机程序被处理器进行加载，以执行本申请实施例所提供的任一种商品陈列数量预估方法中的步骤。例如，计算机程序被处理器进行加载可以执行如下步骤：
获取目标商品的历史订单数据和库存信息，其中，历史订单数据为目标商品在目标商店的交易数据，库存信息为目标商品在目标商店的库存信息；
根据预设的统计参数，对历史订单数据和库存信息进行统计处理，得到销售统计数据，其中，统计参数包括统计时间段和统计周期，且统计时间段小于或等于统计周期；
根据销售统计数据，计算得到单位陈列系数，其中，单位陈列系数用于描述目标商品在统计周期的各统计时间段内的销售情况；
根据单位陈列系数，得到目标商品在统计周期内的周期陈列系数；
根据周期陈列系数，预估目标商品的陈列数量。
以上仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种商品陈列数量预估方法，其特征在于，包括：
获取目标商品的历史订单数据和库存信息，其中，所述历史订单数据为所述目标商品在目标商店的交易数据，所述库存信息为所述目标商品在所述目标商店的库存信息；
根据预设的统计参数，对所述历史订单数据和所述库存信息进行统计处理，得到销售统计数据，其中，所述统计参数包括统计时间段和统计周期，且所述统计时间段小于或等于所述统计周期；
根据所述销售统计数据，计算得到单位陈列系数，其中，所述单位陈列系数用于描述所述目标商品在所述统计周期的各统计时间段内的销售情况；
根据所述单位陈列系数，得到所述目标商品在所述统计周期内的周期陈列系数；
根据所述周期陈列系数，预估所述目标商品的陈列数量。
2.如权利要求1所述的方法，其特征在于，所述历史订单数据包括销售时间、销售量和所述目标商品是否促销，所述库存信息包括库存登记日期、所述统计周期内的最大库存量和所述统计时间段内的在库量。
3.如权利要求2所述的方法，其特征在于，所述销售统计数据包括销售总量和所述最大库存量，所述根据预设的统计参数，对所述历史订单数据和所述库存信息进行统计处理，得到销售统计数据，包括：
根据所述统计周期，对所述历史订单数据和所述库存信息进行归类，得到所述统计周期内的总销售数据和所述最大库存量；
根据所述统计时间段，对所述总销售数据进行分段统计，得到所述目标商品在所述各统计时间段的所述销售总量。
4.如权利要求3所述的方法，其特征在于，所述根据所述销售统计数据，计算得到单位陈列系数，包括：
根据所述各统计时间段的所述销售总量与所述最大库存量，计算得到所述各统计时间段的所述单位陈列系数。
5.如权利要求1所述的方法，其特征在于，所述根据所述单位陈列系数，得到所述目标商品在所述统计周期内的周期陈列系数，包括：
对所述单位陈列系数进行去噪处理，得到有用陈列系数；
计算所述有用陈列系数的平均值，得到所述周期陈列系数。
6.如权利要求1所述的方法，其特征在于，所述根据所述周期陈列系数，预估所述目标商品的陈列数量，包括：
将所述周期陈列系数与预设阈值进行比较，若所述周期陈列系数大于或等于所述预设阈值，则预估增加所述目标商品的所述陈列数量；
若所述周期陈列系数小于所述预设阈值，则预估减少所述目标商品的所述陈列数量。
7.一种商品陈列数量预估装置，其特征在于，包括：
获取模块，用于获取目标商品的历史订单数据和库存信息，其中，所述历史订单数据为所述目标商品在目标商店的交易数据，所述库存信息为所述目标商品在所述目标商店的库存信息；
处理模块，用于根据预设的统计参数，对所述历史订单数据和所述库存信息进行统计处理，得到销售统计数据，其中，所述统计参数包括统计时间段和统计周期，且所述统计时间段小于或等于所述统计周期；
根据所述销售统计数据，计算得到单位陈列系数，其中，所述单位陈列系数用于描述所述目标商品在所述统计周期的各统计时间段内的销售情况；
根据所述单位陈列系数，得到所述目标商品在所述统计周期内的周期陈列系数；
输出模块，用于根据所述周期陈列系数，预估所述目标商品的陈列数量。
8.如权利要求7所述的装置，其特征在于，所述销售统计数据包括销售总量和最大库存量，所述处理模块用于：
根据所述统计周期，对所述历史订单数据和所述库存信息进行归类，得到所述统计周期内的总销售数据和所述最大库存量；
根据所述统计时间段，对所述总销售数据进行分段统计，得到所述目标商品在所述各统计时间段的所述销售总量。
9.一种商品陈列数量预估电子设备，其特征在于，包括：
一个或多个处理器；
存储器；以及
一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行以实现权利要求1-6中任一项所述的商品陈列数量预估方法。
10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行权利要求1-6任一项所述的商品陈列数量预估方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110408823.8A CN113191795A (zh) | 2021-04-15 | 2021-04-15 | 商品陈列数量预估方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110408823.8A CN113191795A (zh) | 2021-04-15 | 2021-04-15 | 商品陈列数量预估方法、装置、设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113191795A true CN113191795A (zh) | 2021-07-30 |
Family
ID=76977043
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110408823.8A Pending CN113191795A (zh) | 2021-04-15 | 2021-04-15 | 商品陈列数量预估方法、装置、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113191795A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114463054A (zh) * | 2022-01-21 | 2022-05-10 | 浪潮卓数大数据产业发展有限公司 | 基于一卡通的园区门店客流量预测方法及系统 |
| CN115330299A (zh) * | 2022-07-22 | 2022-11-11 | 上海聚水潭网络科技有限公司 | 一种基于整数规划的热区规划方法、系统及电子设备 |
| CN115375407A (zh) * | 2022-09-01 | 2022-11-22 | 深圳市链宇技术有限公司 | Oms的库存管理方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109949095A (zh) * | 2019-03-21 | 2019-06-28 | 中国联合网络通信集团有限公司 | 补货方法及设备 |
| CN112101986A (zh) * | 2020-08-20 | 2020-12-18 | 上海伯俊软件科技有限公司 | 确定商品补调需求的方法及设备 |
-
2021
- 2021-04-15 CN CN202110408823.8A patent/CN113191795A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109949095A (zh) * | 2019-03-21 | 2019-06-28 | 中国联合网络通信集团有限公司 | 补货方法及设备 |
| CN112101986A (zh) * | 2020-08-20 | 2020-12-18 | 上海伯俊软件科技有限公司 | 确定商品补调需求的方法及设备 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114463054A (zh) * | 2022-01-21 | 2022-05-10 | 浪潮卓数大数据产业发展有限公司 | 基于一卡通的园区门店客流量预测方法及系统 |
| CN114463054B (zh) * | 2022-01-21 | 2023-07-18 | 浪潮卓数大数据产业发展有限公司 | 基于一卡通的园区门店客流量预测方法及系统 |
| CN115330299A (zh) * | 2022-07-22 | 2022-11-11 | 上海聚水潭网络科技有限公司 | 一种基于整数规划的热区规划方法、系统及电子设备 |
| CN115330299B (zh) * | 2022-07-22 | 2023-09-01 | 上海聚水潭网络科技有限公司 | 一种基于整数规划的热区规划方法、系统及电子设备 |
| CN115375407A (zh) * | 2022-09-01 | 2022-11-22 | 深圳市链宇技术有限公司 | Oms的库存管理方法及系统 |
| CN115375407B (zh) * | 2022-09-01 | 2023-09-19 | 深圳市链宇技术有限公司 | Oms的库存管理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113191795A (zh) | 商品陈列数量预估方法、装置、设备和存储介质 | |
| Lin et al. | Joint order batching and picker Manhattan routing problem | |
| US11593821B2 (en) | Mobile device based inventory management and sales trends analysis in a retail environment | |
| US8631040B2 (en) | Computer-implemented systems and methods for flexible definition of time intervals | |
| Gallien et al. | Initial shipment decisions for new products at Zara | |
| CN110782266B (zh) | 商品销量预测及模型训练方法、装置以及设备 | |
| Li et al. | Pricing decisions during inter‐generational product transition | |
| JP6125627B2 (ja) | 消費者ディシジョンツリー生成システム | |
| Huang et al. | Coordination of pricing, inventory, and production reliability decisions in deteriorating product supply chains | |
| US20140122179A1 (en) | Method and system for determining long range demand forecasts for products including seasonal patterns | |
| CN111325490A (zh) | 一种补货方法及装置 | |
| CA2839085A1 (en) | Optimization of product assortments | |
| Demirag et al. | A note on inventory policies for products with residual-life-dependent demand | |
| CN111242524A (zh) | 一种确定单品补货量的方法、系统、设备及存储介质 | |
| US7996254B2 (en) | Methods and systems for forecasting product demand during promotional events using a causal methodology | |
| US20150363732A1 (en) | Device for assisting determination of supply group and program for assisting determination of supply group | |
| US20170330206A1 (en) | Motion line processing system and motion line processing method | |
| CN113191794A (zh) | 商品销售情况统计方法、装置、设备和存储介质 | |
| JP6536028B2 (ja) | 発注計画決定装置、発注計画決定方法および発注計画決定プログラム | |
| US20180089612A1 (en) | Decision Support System for Optimizing the Unit Identifier Stocking Decision | |
| Uzunoglu Kocer et al. | Continuous review (s, Q) inventory system with random lifetime and two demand classes | |
| CN113869987A (zh) | 一种用于对电商平台的商品价格进行监测的计算机系统 | |
| CN114240473A (zh) | 基于sku智能补货的方法及系统 | |
| JP5847137B2 (ja) | 需要予測装置及びプログラム | |
| JPH07200698A (ja) | 最適価格決定システム |
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 |
Application publication date: 20210730 |
|
| RJ01 | Rejection of invention patent application after publication |