具体实施方式
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所获得的所有其他实施例,都属于本申请保护的范围。
首先需要说明的是,本申请发明人在实现本申请的过程中发现,对于剩余库存进行调控的渠道通常可以有多种,例如,包括开展线上或线下的营销活动,或者,增加商品对象的线上曝光量,等等。但是,各种不同渠道对应的调控力度不尽相同,例如,“打折”促销的调控效果最明显,其次是“满减”促销,然后是“换购”促销,再其次是线上的流量调控渠道,等等。另外,同一调控渠道下,各种不同的折扣比例、满减或换购条件、曝光量等,也会带来不同的调控效果。再者,在实际应用中,可能还存在其他影响调控效果的因素,例如,商品对象的线上线下销量对比情况,等等。而在通过人工的方式进行库存调控的情况下,通常只是根据人工经验进行调控策略的设定,因此,难以准确判断出具体的调控策略(包括具体采用何种调控方式、怎样的调控力度进行调控等)是否合适,以至于实际获得的调控效果可能并不明显,进而导致仍然存在大量的损耗或者缺货等现象发生。
为此,在本申请实施例中,提供了智能调控系统,该系统可以为商家用户提供智能的调控策略。具体的,可以获取到具体在商家用户关联的实体店铺上架且货架存放期符合条件的商品对象(例如,具体可以是生鲜类目的商品对象,由于货架存放期比较短,因此,具有更迫切的调控需求。当然,也可以对其他类目的商品对象进行调控,这里不进行限定),然后,确定出对应的调控规则信息,并在具体的货架存放期内触发至少一次调控流程。在调控流程触发后,可以对所述商品对象在所述货架存放期内的剩余库存量进行预测,然后,根据预测出的剩余库存量(可以根据当前的实际库存信息,剩余货架存放期内的预测销量,预测库存量等信息进行确定)、所述商品对象的相关信息(例如,是否线上可售,原始价格属性,采购价格属性等)以及对应的调控规则(例如,可选的调控渠道,调控的时间范围,价格范围等)信息,为所述商品对象确定目标调控渠道以及调控参数信息,从而可以利用所述目标调控渠道以及调控参数信息,对所述商品对象在所述货架存放期内剩余库存的处理方式进行调控。这样,可以实现对商品对象剩余库存的智能调控,具体调控策略的生成不再依赖人工经验,而是可以根据预测出的剩余库存量、预先设定好的调控规则以及商品对象实际的相关信息,智能化地确定出适合具体商品对象的调控策略。例如,预测出某商品对象在货架存放期内的剩余库存量比较多,则可以选择调控力度比较高的调控渠道,如果预测出的剩余库存量比较少,则可以选择调控力度比较低的调控渠道,或者降低调控参数,等等。另外,由于在选择调控策略的过程中,还结合了预先设定的调控规则信息,可以根据商家用户的实际需求,对具体可选的调控渠道、可以进行调控的时间范围、价格属性范围等进行配置,因此,可以实现一种“半参数化”的处理过程,从而可以避免出现调控参数过高或者过低、调控渠道不符合实际商家用户需求等情况出现。
具体实现时,本申请实施例主要提供了智能调控系统,该智能调控系统可以为多个具体的商家用户提供智能的库存调控服务。在一种具体的应用场景中,这里的商家用户可以关联有线下实体店铺,可以通过该实体店铺为消费者用户提供线下的商品对象服务,还可以将店铺中相关商品对象的信息发布到关联的线上客户端,从而通过线上方式为消费者用户提供商品对象服务。也即,具体的实体店铺可以通过线上与线下相结合的方式向消费者用户提供服务。而在实体店铺向消费者用户提供服务的过程中,可以由本申请实施例提供的智能调控系统,对实体店铺中的商品对象在货架存放期结束时可能产生的剩余库存量提前进行调控,以尽量降低由于无法在货架存放期售完而导致的损耗。
从系统架构角度而言,在一种具体实现方式下,如图1所示,具体可以包括数据层,功能层,能力层以及具体的调控系统及C端层。其中,数据层主要用于提供具体调控所需的预测数据、实际数据、商品对象的数据、调控策略数据、调控任务数据、调控结果数据等。功能层则可以包括预测中心、商品中心、策略中心、任务中心、调度中心以及调控结果中心。预测中心主要可以进行销量预测、库存预测、损耗缺货预测等,以用于确定剩余库存量等信息。商品中心主要解决了调控什么的问题。其核心任务是生成每日调控的商品对象池,例如,目前参与调控的商品对象可以有:货架存放期只有一天的商品对象(具体可以通过品牌编码等进行确定)、日清商品、非日清商品等。
策略中心主要解决了调控的依据是什么的问题。运营人员可以在策略中心配置类目、商品对象等维度的策略模板,每个模板中可以包括适用范围以及各个调控渠道的调控规则信息。策略中心的核心任务是完成商品对象与调控策略的匹配,计算出调控商品对象的具体调控规则。调控的核心流程可以位:算法根据相应的模型(曝光量模型、换购模型、打折模型等),商品对象当前的销量和库存等数据,确定出目标调控渠道以及参数,并计算出调控指令。调控系统在接收到调控指令后,可以进行校验并转换为调控任务。之后还可以对具体的任务进行拆分、合并、重试、分发等操作,并将指令转换为具体调控渠道的执行方案。因此调控的载体即为调控任务。
任务中心主要解决了调控指令的转换、调控任务的存储、拆分、合并、重试等问题。
调控中心主要解决了任务的分发、调控渠道的对接等问题。例如,具体的调控渠道可以包括投放曝光、营销换购、线下打折。
调控结果中心主要是在调控完成后,解决了调控结果的获取、存储和展示等问题。
其中,在实际应用中,除了在售中状态下进行调控之外,还可以在售前进行销量等信息的预测,以用于为采购链路提供参考,进而避免出现缺货等情况。
需要说明的是,在以售中状态的调控过程为核心方案的情况下,在售前进行预测并为采购链路提供参考信息的方案,可以看作一种“事前”的处理方案,调控结果的展示等属于一种“事后”的处理方案。因此,如图2所示,本申请实施例的可选实施方式中,具体可以分为事前、事中、事后三个阶段的处理,从而可以在多个时机提供更完整的解决方案。
另外,还可以包括具体的能力层,包括商品对象配置服务能力,策略规则服务能力,结果数据服务能力,调控商品对象服务能力,调控指令服务能力,渠道对接服务能力,等等。最上层的调控系统则可以用于进行具体商品对象信息的配置,调控规则的配置,以及提供数据看板等。C端层则主要提供投放平台、促销换购平台、线下打折等各种具体的调控渠道。
其中,从处理流程角度而言,在一种实现方式下,如图3所示,该智能调控系统可以包括规则/监控/预警模块,智能决策模块,以及销量预测模块。其中,规则/监控/预警模块可以进行具体调控规则的配置,实时库存/销量的监控,智能决策算法的触发,推送报警等。智能决策模块可以实现算法决策引擎,接收到触发消息后,进行系统决策输出具体商品对象对应的调控策略。另外,还可以进行因子模拟以及预判等处理。在调控决策的过程中,可以对商品对象的销量、库存等进行小时级的预测,再结合商品对象的实际库存等信息,预测出商品对象在货架存放结束时可能会产生的剩余库存量。然后再根据具体预测出的剩余库存量,以及商品对象的基础属性信息、调控规则信息等,输出调控决策结果。其中,输出的调控决策信息可以包括具体商品对象对应的目标调控渠道,以及对应的调控参数信息。其中,调控渠道可以包括投放曝光,各种线上或线下的营销活动等。对应的调控参数可以包括商品对象的曝光量,营销活动中的资源属性信息等,例如,折扣比例,“满减”活动的条件,等等。具体确定出调控策略之后,可以生成对应的调控任务,发送到具体调控渠道对应的应用系统。例如,包括商品对象投放平台,营销工具,或者实体店铺关联的作业系统,以便线下门店中的相关作业人员执行具体的贴折扣码等处理。
另外,在可选的实施方式下,具体的决策结果还可以包括供应链参数,此时,还可以将调整供应链参数的任务发送给供应链补货系统,以用于实现自动补货。
再者,在另一种可选的实施方式下,还可以在实体店铺开始营业之前等时间,对全天的销量等进行预测,具体预测的依据可以包括商品对象关联的营销活动计划、投放计划、线下陈列情况等,实现具体的预测。这种全天的销量预测结果,可以提供给供应链补货系统,供其在补货决策时进行参考,等等。再者,在具体的调控结束后,还可以提供数据看板,对调控预期以及实际获得调控结果等进行展示,还可以根据实际获得的调控结果信息,实现对算法决策模型的优化,以此实现闭环调控系统。
下面对本申请实施例提供的具体实现方案进行详细介绍。
实施例一
首先,该实施例一首先从前述智能调控系统的角度,提供了一种商品对象库存调控方法,参见图4,该方法可以包括:
S401:确定目标商品对象集合;所述目标商品对象集合中包括多个商品对象,所述商品对象关联有货架存放期信息。
具体实现时,可以通过多种方式确定所述目标商品对象集合,例如,一种方式下,可以由商家用户对需要进行调控的商品对象清单预先进行配置。例如,商家用户可以根据实际需求选择需要调控的商品对象组成商品对象清单,该商品对象情况可以在前一天的24点之前确定好。其中,如果存在多个商家用户,则每个商家用户可以分别对应各自的需要调控的商品对象清单。此时,可以通过直接读取商品对象清单中的商品对象确定所述目标商品对象集合。或者,另一种方式下,也可以由商家用户进行规则配置,例如,包括对商品对象的品牌编码、标签(例如,日清、非日清等)信息等进行配置,这样,可以从该商家用户关联的商品对象信息库中,读取具有对应品牌编码或者标签的商品对象,组成目标商品对象集合,等等。
其中,商品对象的货架存放期通常可以根据商品对象的保质期来确定,货架存放期不大于保质期,在货架存放期满后,需要对商品对象进行下架处理,不能再向消费者用户进行销售。在本申请实施例中,主要可以对货架存放期比较短的商品对象进行调控,例如,可以包括货架存放期为一两天的情况,当然,在实际应用中,也可以不对货架存放期进行限制,更长货架存放期的商品对象,也可以通过本申请实施例提供的方案进行调控,等等。
另外,关于商品对象对应的货架存放期的具体数值,可以通过多种方式进行确定。例如,具体可以根据所述商品对象的基本属性信息、类目信息和/或关联的存放环境信息,确定所述商品对象的货架存放期。其中,商品对象的基本属性信息就可以是商家用户进行商品对象信息发布时,为具体的商品对象关联的属性。也就是说,如果商家用户在发布商品对象时,输入了具体的保质期或者货架存放期等属性值,则可以直接根据这种基本属性信息来确定商品对象的货架存放期。或者,由于同类目的商品对象的货架存放期通常是相同或者相近的,因此,还可以根据商品对象的类目信息确定具体的货架存放期。再者,由于具体的货架存放期可能还会受到具体存放环境的影响,因此,还可以根据具体实体店铺等存放环境中的温度、湿度等信息,根据具体的环境信息,来综合确定商品对象的货品存放期,等等。
需要说明的是,在本申请实施例中,商家用户可能有多个,关联有多个不同的实体店铺,而不同实体店铺的调控需求可能会有所不同,因此,不同的实体店铺可以对应不同的目标商品对象集合,具体的商品对象可以关联有所属的实体店铺等信息,具体在生成调控策略时,可以针对不同的实体店铺中的多个不同商品对象,做出具体的决策。
S402:确定所述商品对象对应的调控规则信息。
如前文所述,由于不同商家用户的调控需求可能是不同的,例如,有的商家用户可能只希望通过线上或线下营销活动对应的调控渠道进行调控,有的商家用户则需要通过增加线上曝光量的渠道进行调控;另外,同一商家用户对不同商品对象或者不同类目的调控需求也可能会不同,例如,有些类目可能希望在下午3点开始调控,有些类目则希望在晚上7点之后再开始调控,等等。再者,具体商品对象的属性也可能决定了无法在每个调控渠道上都可以进行调控。例如,某商品对象可能不支持线上销售,则只能采用线下营销活动等渠道进行调控,等等。为此,在本申请实施例中,还可以提供调控规则的配置,具体的商家用户可以根据具体的需求为商品对象或者类目等配置对应的调控规则,相应的,具体在进行智能调控决策时,可以将这种人为配置的调控规则与具体的算法模型等相结合,实现半参数化的调控处理,以使得产生调控策略更符合商家用户的需求。
其中,具体实现时,由于可能存在多个不同的商品对象可以使用相同的调控规则的情况,因此,为了便于进行配置,以及节省调控规则信息的存储控件,还可以通过调控模板的方式实现对调控规则的配置。具体的,可以为商家用户提供用于进行调控模板配置的入口,进入到具体的配置界面之后,可以对模板的适用范围,以及具体的调控规则进行配置。例如,如图5所示,某调控模板的适用范围为某子公司旗下的各“生鲜门店”,具体的调控规则可以包括“生鲜门店”中的多个商品对象类目分别对应的调控规则,其中,具体的调控规则中可以包括可选的调控渠道,具体调控渠道下可进行调控的时间范围,价格属性范围等信息。这样,在具体需要对某个商品对象进行调控时,可以根据各模板的适用范围,确定出该商品对象命中的调控模板,然后根据该调控模板中定义的调控规则确定该商品对象对应的调控规则,等等。
这里需要说明的是,在实际应用中,由于可能存在多级机构,例如,包括总公司/总部,省级子公司,市级子公司,市内的实体店铺等,而各级机构的管理人员可能都具有配置调控模板的权限。另外,还可能存在从所负责的类目维度上划分的不同的库控人员,并且,也分别具有配置调控模板的权限。此时,可能存在同一商品对象命中多个不同的调控模板的情况。例如,某实体店铺所述的市级子公司为该城市内各个实体店铺中配置了调控模板,同时,该实体店铺的库控人员也为配置了在该实体店铺范围内可用的调控模板。此时,该实体店铺关联的某商品对象就可以同时命中上述两个调控模板。针对这种情况,在具体实现时,由于越低级别的机构配置的调控模板通常越适合具体实体店铺的个性化需求,因此,可以采用最小匹配原则,优先使用低级别机构对应的调控模板,确定商品对象对应的调控规则。例如,在上述例子中,可以优先使用实体店铺内部配置的调控模板,来确定该店铺内商品对象的调控规则,等等。
S403:在货架存放期内触发智能调控流程后,对所述商品对象在货架存放期内的剩余库存量进行预测。
如前文所述,具体实现时,可以在前一天(也即T-1天,T指的是当天)确定出具体的目标商品对象集合,另外可以确定出具体商品对象对应的调控规则信息。在当天的实体店铺开始营业之后,结束营业之前,进行多次的智能调控流程的触发。这里需要说明的是,在可选的实施方式下,在实体店铺开始营业之前,还可以进行全天销量等信息的预测,该预测结果信息可以提供给供应链补货系统,该补货系统可以将其作为补货决策的参考信息。其中,进行全天销量预测时,可以根据历史销量记录、天气因素,节日因素,周边人群因素等多种数据进行综合的预测。关于具体的预测方法,由于并不属于本申请实施例的重点,因此,这里不再详述。
在具体的智能调控流程被触发后,首先可以对具体商品对象在货架存放期内的剩余库存量进行预测。例如,某商品对象的货架存放期为一天,则可以预测出该商品对象在当天营业结束时,是否仍然会存在剩余库存。其中,具体进行剩余库存量的预测时可以有多种方法。例如,其中一种实现方式下,可以获取到商品对象在具体调控时刻的实际库存信息,以及具体商品对象在剩余货架存放期内的销量预测结果和/或库存预测结果。其中,所谓的剩余货架存放期,其就是指从当前时刻开始到货架存放期结束这段时间内,例如,某商品对象的货架存放期为一天,当前时刻是19点,营业结束时间为22点,则剩余货架存放期从19点到当天22点,等等。通过对商品对象在剩余货架存放期的销量和/或库存等进行预测之后,可以根据所述商品对象当前的实际库存,以及所述销量预测结果和/或库存预测结果,对所述商品对象在所述货架存放期内的剩余库存量进行预测。
其中,具体实现时,由于具体的智能调控流程在货架存放期内可能会被触发多次,因此,为了便于在每次触发时分别对商品对象的剩余库存量进行预测,具体商品对象在剩余货架存放期内销量预测和/或库存预测时,可以获得在多个目标时间段分别对应的销量预测结果和/或库存预测结果。例如,智能调控流程可以每小时触发一次,则相应的,也可以进行小时级的销量预测和/或库存预测,以此获得具体商品对象分别在每个小时时间段对应的销量预测结果和/或库存预测结果。
例如,当前时间是20点,线下的实体店铺的营业结束时间是22点;该实体店铺关联的某商品对象当前的实际库存量是100,20~21点的销量预测是20个,21~22点的销量预测是50。则可以发现,该商品对象在营业结束时,可能会存在100-20-50=30个剩余库存,即还有30个无法销售完,可能造成损耗,因此,可以确定为需要进行调控的商品对象,等等。
另外需要说明的是,之所以存在对剩余货架存放期内的销量以及库存量分别进行预测的情况,是因为,在有些场景中,具体处于可售状态的库存可能不完全是现货库存,还包括在途库存等。例如,某部分库存虽然还处于运送途中,没有正式入库,但是,预计在某时刻可以入库,于时这部分在途库存也可以处于可售状态,等等。这就使得具体销量与库存量可能并不是严格的此消彼长的关系,因此,可以分别进行预测,以更准确地进行剩余库存量的预测。其中,在进行小时级的销量预测时,具体依赖的数据可以包括具体时间段的历史销量记录,商品对象所参加的营销活动信息,货架陈列情况,周边人群情况,等等。进行小时级的库存预测时,所依据的数据与上述相似,另外还可以包括在途库存的信息,等等。关于具体的预测算法等并不属于本申请实施例关注的重点,这里不再详述。
S404:根据所预测出的剩余库存量以及对应的调控规则信息,为所述商品对象确定目标调控渠道以及调控参数值,以用于对所述商品对象在所述货架存放期内的剩余库存进行调控。
在预测出商品对象的剩余库存量之后,便可以根据该剩余库存量信息,以及具体商品对象的相关信息以及对应的调控规则信息,为所述商品对象确定目标调控渠道以及调控参数值。其中,具体的调控参数值与调控渠道相关,例如,可以包括:线上投放曝光渠道对应的曝光量,线上或线下优惠促销渠道对应的资源属性信息。
其中,商品对象的相关信息具体可以包括:所述商品对象关联的与库存调控相关的属性信息,更为具体的,可以包括以下一项或多项:是否为线上可售,货架存放期,原始价格属性,采购价格属性,是否支持退换货,等等。上述信息可以通过查询相关的商品对象信息库等方式进行获得。
在一种具体的实现方式下,可以首先根据所述剩余库存量所需的调控力度以及所述商品对象的属性信息、调控规则信息,选择出所述适合的目标调控渠道,并为所述目标调控渠道下的调控参数确定多个候选参数值。然后,可以对所述多个候选参数值为所述商品对象带来的调控结果进行预测,并根据预测结果,从所述多个候选参数值中确定目标参数值。
例如,某商品对象预测出的剩余库存量为30件,系统在进行智能决策过程中发现所需的调控力度比较大,因此,可以为某商品对象确定出的目标调控渠道是线下打折。同时,调控规则中为该商品对象配置的折扣范围是5~9折,则候选的调控参数值可以包括5折、6折、7折、8折、9折,并且可以对各种折扣比例下可以获得的调控结果进行预测,包括在各种折扣比例下是否可以在货架存放期内售完等。例如,如果计算出打8折基本可以售完,则可以将具体的参数值确定为8折。则该商品对象的调控策略就可以为:通过线下打折的方式进行调控,折扣比例为8折。相应的,如果剩余库存量为50件,则具体的折扣比例可能被确定为5折。
如果剩余库存量为10件,由于所需的调控力度为中等,因此,选择的目标调控渠道可能是“换购”,对应的调控参数具体可以为换购价格(例如,加10元可换购某商品对象,则对应的换购价格为10元)等。同时,调控规则中为该商品对象配置的换购价格为10元到30元,具体候选的换购价格可以包括10元,20元,30元等。并且可以对各种换购价格下可以获得的调控结果进行预测,包括在各种换购价格下是否可以在货架存放期内售完等。例如,如果计算出加20元换购基本可以将该商品对象售完,则可以将具体的参数值确定为20元。则该商品对象的调控策略就可以为:通过换购的方式进行调控,换购价格为20元,同时,还可以将该商品对象加入到“加20元换购”这一营销活动的商品对象集合中,如果对应的实体店铺没有开展该活动,还可以新发布“加20元换购”营销活动,等等。
如果剩余库存量比较少,例如,只有5件,则确定出的目标调控渠道可能是线上投放曝光,具体确定的参数可以包括曝光量,等等。其中,在确定曝光量时,如果规则中配置的范围是50到200等,则候选的曝光量可以包括50,100,150,200,等等。并且可以预测出各种曝光量可以为该商品对象带来的销量,并判断在货架存放期结束前能否将剩余库存量售完。例如,发现50的曝光量即可售完,则可以将曝光量这一参数确定为50,后续在具体投放时,可以投放到二级页面中对应的资源位中。如果200的曝光量才能将剩余库存量售完,则可以将该商品对象投放到一级页面的资源位中,等等。
另外,具体实现时,除了剩余库存量、商品对象的属性信息、调控规则信息等之外,具体在确定调控策略时还可以有其他影响因素。例如,由于本申请实施例中的调控渠道可以包括线上调控渠道以及线下调控渠道,因此,其中一个影响因素可以是商品对象线上与线下的历史销量对比信息。然后可以根据所述剩余库存量所需的调控力度,所述线上与线下的历史销量对比信息,以及所述商品对象的属性信息、调控规则信息,选择适合的目标调控渠道以及所述调控参数信息。也就是说,有些商品对象在线上与线下的销量有明显的不同,则在选择调控渠道时,也可以将该信息作为参考,选择更适合的调控渠道。例如,某商品对象在线下的销量一般,但是,在线上的销量明显高于线下,因此,在调控条件中配置了线上以及线下营销活动对应的调控渠道都可选的情况下,可以优先选择线上营销活动作为目标调控渠道,等等。
其中,关于具体商品对象在线上与线下的历史销量对比信息,可以通过对该商品对象在线上以及线下的历史销售情况等进行统计的方式来确定,这里不再详述。
另外,具体的调控渠道还可能关联有可调控的商品对象数量上限信息。例如,在投放曝光这种渠道下,通常是将需要进行调控的商品对象的信息向目标页面(例如,客户端首页等)中特定的资源位进行投放。而目标页面中预留的资源位是有限的,例如,只预留了5个资源位,或者只有一个资源位,可以对5个商品对象进行轮播,等等,因此,最多只能有5个商品对象通过该调控渠道进行调控。或者,在通过线下打折渠道进行调控的情况下,某实体店铺一天只能有20个商品对象参加打折,则该实体店铺中最多只能有20个商品对象进行打折,等等。但是,实际确定出的通过同一目标调控渠道的商品对象可能有多个,并且,可能会出现超过了该目标调控渠道所能调控的商品对象的上限的情况。此时,在本申请实施例中,还可以根据所述多个商品对象的属性信息以及对应的调控参数信息,对所述多个商品对象在所述目标调控渠道下可获得的调控结果进行预测,根据所述调控结果的预测结果,选择对应数量的商品对象,作为可通过所述目标调控渠道进行调控的商品对象。具体的选择方式可以有多种,例如,可以选择出对应调控渠道下调控效果较好的、对应数量的商品对象,等等。对于命中该调控渠道的其他商品对象,可以重新选择其他调控渠道,或者,不再进行调控,等等。
再者,在具体的实体店铺中还经常存在相似商品对象的情况,例如,同类目下不同品牌具有竞争关系的商品对象,具体如不同品牌、相同价格定位区间的酸奶,等等。对于这种相似商品对象,如果命中同一目标调控渠道,则还可以将所述相似商品对象对应的调控参数信息进行处理,以使得所述相似商品对象对应的调控参数相同或相近。例如,根据两种相似商品对象各自的剩余库存量的预测结果等信息,为其确定出的目标调控渠道都为线下打折,但是,由于其中的商品对象A的剩余库存量多于商品对象B,因此,商品对象A对应的折扣比例可能是6折,而商品对象B对应的折扣比例是9折。但是,由于商品对象A与商品对象B属于相似商品对象,因此,可以基于相似商品对象的处理策略,将两者的折扣比例都确定为8折,等等。通过这种方式,可以避免相似商品对象之间相互影响对方的销量,以至于影响实际的调控效果。
需要说明的是,在实际应用中,还可以获取预先训练完成的算法模型,具体在进行智能调控决策时,可以将所述预测出的剩余库存量、商品对象的相关信息以及对应的调控规则信息输入到所述算法模型中。这样,由于调控规则信息属于人为设定的信息,而算法模型则主要通过大数据分析等方式来进行计算,因此,可以将所述调控规则信息以及所述算法模型相结合,通过半参数化的方式,为所述商品对象确定对应的目标调控渠道以及调控参数信息。
在优选的实施方式下,在调控结束后,还可以根据所述商品对象对应的目标调控渠道信息、调控参数信息以及实际获得的调控结果信息,对所述算法模型进行更新。
另外,从具体的处理流程角度而言,具体在确定出目标调控渠道以及调控参数信息之后,还可以根据所述目标调控渠道以及调控参数信息生成调控任务,然后,将所述调控任务发送到所述目标调控渠道对应的应用系统,以便通过执行所述调控任务,实现在对应的调控渠道中对所述商品对象在所述货架存放期内剩余库存的调控。
例如,具体实现时,具体的处理流程可以如图6所示,首先可以从商品中心确定出每日需要调控的目标商品对象集合,并从策略中心获取到具体的调控模板信息,其中可以包括在类目或者商品对象等维度上配置的调控模板集合,其中定义有调控规则以及使用范围。之后,可以将具体的商品对象与调控模板进行匹配,确定出具体商品对象对应的调控规则信息。具体的商品对象信息以及调控规则信息可以输入到算法域的算法工程,进行剩余库存量的预测,目标条码渠道以及调控参数的确定等处理。之后,可以生成具体的调控任务。由于不同的商品对象可能对应着不同的目标调控渠道,因此,还可以拆分成多个子任务,分别发送到对应应用系统进行处理。
例如,具体的目标调控渠道包括线上投放曝光渠道,此时,可以将所述调控任务发送到用于进行线上商品对象信息投放处理的应用系统,以便根据对应的调控参数信息中的曝光量信息,将所述商品对象投放到目标页面中的目标资源位。在投放之后,消费者用户可以通过其客户端的目标页面浏览到相关的商品对象信息。
或者,目标调控渠道包括线上营销活动渠道,此时,可以将所述调控任务发送到用于进行线上营销活动信息处理的应用系统,以便根据对应的调控参数信息,在线上发布对应的营销活动的信息,和/或为营销活动关联对应的商品对象集合。
再者,所述目标调控渠道可以包括:线下营销活动渠道。此时,可以将所述调控任务发送到对应实体店铺关联的作业系统,以便根据接收到的调控任务进行对应的线下营销活动。例如,具体实现时,实体店铺关联的作业系统接收到调控任务后,可以将具体的调控任务分配给对应的作业人员,由作业人员根据具体的调控任务执行贴打折码,修改价格标签等处理。或者,在另一种方式下,实体店铺中还可以联有电子价签系统,所谓电子价签,也称电子货架标签(Electronic Shelf Label,ESL),是一种带有信息收发功能的电子显示装置。这种电子价签可以放置在货架上,可替代传统纸质价格标签。每一个电子价签都可以通过有线或者无线网络与实体店铺中部署的电子价签系统的计算机数据库相连,并将最新的商品对象信息通过电子价签上的显示屏显示出来。在这种情况下,如果具体的调控任务是修改部分商品对象价格属性值的任务,则可以将具体的调控任务发送到对应实体店铺关联的电子价签系统。这样,该电子价签系统可以通过执行所述调控任务自动修改所述商品对象的价格属性值,而不必再由作业人员手动执行贴打折码,或者修改纸质价签等处理,可以提升效率。另外,还可以通过电子价签展示促销提醒信息,等等。
此外,线下的实体店铺中还可以部署有智能货架、电子导购屏或者其他数字化设备。其中,对于智能货架,本申请实施例中,可以实现货架的智能化陈列和推送。例如,通过智能算法预测后,确定出需要对某商品对象进行打折促销,则可以通过向对应实体店铺的智能货架发送具体的调控任务,使得智能货架自动将需要进行打折促销的商品对象陈列到打折区,等等。对于电子导购屏,本申请实施例中,可以结合具体实体店铺中需要进行库存调控的商品对象,动态调整电子导购屏的排版和/或商品对象的曝光量等。也即,还可以根据所述实体店铺关联的当前正在进行库存调控的商品对象,向所述电子导购屏设备发送排版和/或商品对象的曝光指令,以用于对所述正在进行库存调控的商品对象的信息进行展示。例如,对于需要进行打折促销的商品对象,除了通过贴打折码或者电子价签进行改价之外,还可以通过在电子导购屏中展示对应的打折促销信息等方式,来引起消费者的注意,等等。
以上所述对商品对象的智能调控处理过程进行了介绍,通过智能预测算法(包括销量预测模型等),对商品对象在剩余货架存放期内可能产生的剩余库存进行预测,进而可以结合具体的剩余库存量、商品对象对应的调控规则等,为商品对象自动确定出适合的调控渠道以及调控参数值。进而还可以自动生成调控任务,并下发给对应的调控渠道方的应用系统进行任务的执行,以此形成多系统之间的智能联动,通过这种智能联动,实现自动化的商品对象库存调控。其中,关于线上的调控渠道,可以包括但不限于线上的网页、应用程序、轻应用等。在通过线下渠道进行调控的方式下,如果实体店铺中关联有电子价签系统,电子导购屏或者智能货架系统等,则还可以实现“软硬结合”方式的库存调控,等等。
需要说明的是,以上所述的智能调控处理都是在商品对象的售中状态下进行的调控。此外,在本申请的可选实施例中,还可以进行售前的处理,例如,在调控开始之前,对所述商品对象在所述货架存放期(例如,全天等)内的总销量进行预测,然后,可以将所述总销量的预测结果提供给用于执行补货处理的应用系统,以用作补货策略的参考信息。这样,可以提升供应链补货系统的稳定性,降低出现缺货等情况的发生概率。
再者,在调控结束后,还可以将所述商品对象对应的目标调控渠道信息、调控参数信息、预期的调控结果信息以及实际获得的调控结果信息进行展示。具体实现时,在同一货架存放期内,可以在多个时间段多次触发所述智能调控流程,例如,在商品对象处于售中的状态下,每小时触发一次,等等。此时,所述进行展示时,将所述商品对象在所述多个时间段分别对应的目标调控渠道信息、调控参数信息、预期的调控结果信息以及实际获得的调控结果信息进行展示。例如,在一个具体的场景中,具体展示出的信息可以如图7所示,其为其中一个商品对象的调控详情信息展示界面,其中可以展示出各个不同的调控时间段对应的调控方式,预计销量、实际销量等信息。
另外,在具体实现时,还可以对所述商品对象产生的损耗或缺货数量进行预测并展示。通过这种信息,可以使得具体的库控人员等用户获取到相关的信息。
再者,由于本申请实施例还可以进行库存预测,包括分时段的库存预测(例如,小时级的预测)等,因此,在实际应用中,还可以根据具体商品对象的库存预测信息,提供库存燃尽图,例如,具体可以如图8所示。这样,具体的库控人员等可以参考该库存燃尽图,确定具体的商品对象是否存在缺货风险,等等。
需要说明的是,本申请实施例中所述的目标商品对象集合中可以包括分别与多个实体店铺关联的、货架存放期符合目标条件的多个商品对象。此时,可以为所述商品对象确定与对应实体店铺相关的目标调控渠道以及调控参数信息。也就是说,可以针对各个具体实体店铺的实际情况,对实体店铺关联的商品对象进行调控。
或者,本申请实施例提供的方案也可以用于对自动售卖设备中的商品对象剩余库存进行调控。也就是说,具体的目标商品对象集合中也可以包括与自动售卖设备关联的多个商品对象。此时,同样可以对这类商品对象在剩余货架存放期内的库存量进行预测,并且可以根据具体的预测结果以及商品对象对应的调控规则信息,为所述商品对象确定与对应自动售卖设备相关的目标调控渠道以及调控参数值。其中,由于自动售卖机通常是通过线下的方式为消费者用户提供服务,因此,与自动售卖设备相关的调控渠道主要包括线下的调控渠道,包括线下打折,或者“买赠”,等等。具体实现时,为了便于消费者获取这些调控信息,除了将具体的调控策略(包括调控渠道、调控参数值等)提供给自动售卖设备的管理系统,以用于执行具体的调控策略之外,由于自动售卖设备的场景中通常不存在“导购员”等,也难以像实体店铺一样通过广播通知的方式,将具体的调控策略信息通知给用户,因此,还可以通过自动售卖设备的显示屏,将具体的调控策略信息展示给用户,以引起用户的注意,有利于提升自动售卖设备中商品对象的销量。
需要说明的是,本申请实施例提供的解决方案不限制商品对象品类,但对于生鲜品或者快销品(快速消费品)等类目的商品对象,具体的调控效果尤其显著。这是因为生鲜品和快销品具有需求量大和效期短的特点,因此,对于这两个品类,结合小时级销量预测等处理,对于降低缺货率,多渠道智能调控对于降低损耗率的作用更明显。
另外,本申请实施例提供的解决方案适用的范围包括但不限于C2C(个人到个人)、B2C(商家到消费者)、O2O(线上到线下)、社区团购等,另外,对于“以采定销”(以采购的量来定销售的任务)的模式尤其有效。其中,对于社区团购,虽然社区团购的模式属于“预售”和“以销定采”(以销售的量来定采购任务),也即是先确定用户需求量再发货。例如:当天22:00前的用户订单在次日10点送达,但为了满足次日达的需求,部分供应商必须提前发货(例如,在当天19点左右发货),那么对于19点-22点之间的销量是不确定的,此时就可以使用本申请实施例中提供的小时级的销量预测。例如,如果在19点供应商发货后,有用户取消了订单或者供应商发货过多,为了防止损耗,就可以运用本申请实施例提供的多渠道智能调控方式对可能产生的剩余库存进行调控。
总之,通过本申请实施例,可以获取多个商品对象,然后,分别确定出各商品对象对应的调控规则信息,并在具体的货架存放期内触发调控流程。在调控流程触发后,可以对所述商品对象在所述货架存放期内的剩余库存量进行预测,然后,根据预测出的剩余库存量、所述商品对象的相关信息以及对应的调控规则信息,为所述商品对象确定目标调控渠道以及调控参数信息,从而可以利用所述目标调控渠道以及调控参数信息,对所述商品对象在所述货架存放期内剩余库存的处理方式进行调控。这样,可以实现对商品对象剩余库存的智能调控,具体调控策略的生成不再依赖人工经验,而是可以根据预测出的剩余库存量、预先设定好的调控规则以及商品对象实际的相关信息,智能化地确定出适合具体商品对象的调控策略。另外,由于在选择调控策略的过程中,还结合了预先设定的调控规则信息,可以根据商家用户的实际需求,对具体可选的调控渠道、可以进行调控的时间范围、价格属性范围等进行配置,因此,可以实现一种“半参数化”的处理过程,从而可以避免出现调控参数过高或者过低、调控渠道不符合实际商家用户需求等情况出现。
实施例二
该实施例二是与实施例一相对应的,从具体的调控渠道提供方(包括线上商品对象信息投放处理系统、线上营销活动信息处理系统、线下实体店铺关联的信息系统等)的角度,提供了一种商品对象库存调控方法,参见图9,该方法具体可以包括:
S901:接收服务端提供的调控任务,所述调控任务是根据确定出的目标调控渠道以及调控参数值生成的,所述目标调控渠道以及调控参数值是根据商品对象在货架存放期内的剩余库存量预测结果以及调控规则信息确定的;
S902:执行所述调控任务,以便对所述商品对象在所述货架存放期内的剩余库存进行调控。
关于该实施例二中的未详述部分,可以参见前述实施例一中的记载,这里不再赘述。
需要说明的是,本申请实施例中可能会涉及到对用户数据的使用,在实际应用中,可以在符合所在国的适用法律法规要求的情况下(例如,用户明确同意,对用户切实通知,等),在适用法律法规允许的范围内在本文描述的方案中使用用户特定的个人数据。
与实施例一相对应,本申请实施例还提供了一种商品对象库存调控装置,参见图10,该装置可以包括:
商品对象集合确定单元1001,用于确定目标商品对象集合;所述目标商品对象集合中包括多个商品对象,所述商品对象关联有货架存放期信息;
调控规则确定单元1002,用于确定所述商品对象对应的调控规则信息;
预测单元1003,用于在货架存放期内触发智能调控流程后,对所述商品对象在货架存放期内的剩余库存量进行预测;
调控策略确定单元1004,用于根据所预测出的剩余库存量以及对应的调控规则信息,为所述商品对象确定目标调控渠道以及调控参数值,以用于对所述商品对象在所述货架存放期内的剩余库存进行调控。
其中,所述调控规则确定单元具体可以包括:
调控模板获取子单元,用于获取预先配置的调控模板集合,所述调控模板中包括所述调控规则以及对应的使用范围信息;
匹配子单元,用于根据所述商品对象的属性信息判断所述商品对象是否在某调控模板的适用范围内,如果是,则确定该商品对象命中该调控模板;
调控规则确定子单元,用于根据所述商品对象所命中的调控模板中定义的调控规则,确定所述商品对象对应的调控规则信息。
其中,所述调控规则信息包括以下各项中的一项或多项:可选的调控渠道、可调控的时间范围、可调控的价格属性范围。
具体的,所述预测单元具体可以用于:
获取所述商品对象当前的实际库存,以及所述商品对象在剩余货架存放期内的销量预测结果和/或库存预测结果;
根据所述商品对象当前的实际库存,以及所述销量预测结果和/或库存预测结果,对所述商品对象在货架存放期内的剩余库存量进行预测。
其中,所述商品对象在剩余货架存放期内的销量预测结果和/或库存预测结果,包括:所述商品对象在剩余货架存放期内的多个目标时间段分别对应的销量预测结果和/或库存预测结果。
具体的,所述调控策略确定单元具体可以包括:
调控渠道确定子单元,用于根据所述剩余库存量所需的调控力度以及所述调控规则信息,选择出所述适合的目标调控渠道,并为目标调控渠道下的调控参数确定多个候选参数值;
调控结果预测子单元,用于对所述多个候选参数值分别产生的调控结果进行预测;
调控参数值确定子单元,用于根据预测结果,从所述多个候选参数值中确定所述调控参数值。
其中,所述调控参数包括:线上投放曝光渠道对应的曝光量,线上或线下优惠促销渠道对应的资源属性信息。
具体的,所述调控渠道包括线上调控渠道以及线下调控渠道;
此时,该装置还可以包括:
对比信息获取单元,用于获取所述商品对象在线上与线下的历史销量对比信息;
所述调控策略确定单元具体可以用于:
根据所述剩余库存量所需的调控力度,所述线上与线下的历史销量对比信息,以及所述调控规则信息,选择适合的目标调控渠道以及所述调控参数值。
其中,所述调控渠道关联有可调控的商品对象数量的上限信息;
所述装置还可以包括:
调控结果预测单元,用于如果命中同一目标调控渠道的多个商品对象的数量超过所述上限信息,则根据所述多个商品对象的属性信息以及对应的调控参数信息,对所述多个商品对象在所述目标调控渠道下可获得的调控结果进行预测;
数量控制单元,用于根据预测的调控结果,选择对应数量的商品对象,作为可通过所述目标调控渠道进行调控的商品对象。
另外,该装置还可以包括:
参数调整单元,用于如果命中同一目标调控渠道的多个商品对象中包括相似商品对象,则将所述相似商品对象对应的调控参数信息进行处理,以使得所述相似商品对象对应的调控参数相同或相近。
另外,具体的调控策略确定单元具体可以用于:
获取预先训练完成的算法模型;
将所述预测出的剩余库存量对应的调控规则信息输入到所述算法模型中,以便通过将所述调控规则信息以及所述算法模型相结合,为所述商品对象确定对应的目标调控渠道以及调控参数信息。
另外,该装置还可以包括:
算法模型更新单元,用于在调控结束后,根据所述商品对象对应的目标调控渠道信息、调控参数信息以及实际获得的调控结果信息,对所述算法模型进行更新。
具体的,所述调控策略确定单元具体可以用于:
根据所预测出的剩余库存量、商品对象的相关信息以及对应的调控规则信息,为所述商品对象确定目标调控渠道以及调控参数值;
所述商品对象的相关信息包括:所述商品对象关联的与库存调控相关的属性信息。
具体的,所述与库存调控相关的属性信息包括以下一项或多项:是否为线上可售,货架存放期,原始价格属性,采购价格属性,是否支持退换货。
另外,该装置还可以包括:
调控任务生成单元,用于根据所述目标调控渠道以及调控参数值生成调控任务;
调控任务发送单元,用于将所述调控任务发送到所述目标调控渠道对应的应用系统,以便通过执行所述调控任务,实现在对应的调控渠道中对所述商品对象在所述货架存放期内剩余库存的调控。
其中,所述目标调控渠道包括:线上投放曝光渠道;
所述调控任务发送单元具体可以用于:
将所述调控任务发送到用于进行线上商品对象信息投放处理的应用系统,以便根据对应的调控参数信息中的曝光量信息,将所述商品对象投放到目标页面中的目标资源位。
或者,所述目标调控渠道包括:线上营销活动渠道;
所述调控任务发送单元具体可以用于:
将所述调控任务发送到用于进行线上营销活动信息处理的应用系统,以便根据对应的调控参数信息,在线上发布对应的营销活动的信息,和/或为营销活动关联对应的商品对象集合。
或者,所述目标调控渠道包括:线下营销活动渠道;
所述调控任务发送单元具体可以用于:
将所述调控任务发送到对应实体店铺关联的作业系统,以便根据接收到的调控任务进行对应的线下营销活动。
其中,所述实体店铺中关联有电子价签系统,所述调控任务包括修改商品对象价格属性值的任务;
所述调控任务发送单元具体可以用于:将所述调控任务发送到对应实体店铺关联的电子价签系统,以便所述电子价签系统通过执行所述调控任务修改所述商品对象的价格属性值。
或者,所述实体店铺中关联有智能货架系统,所述调控任务包括修改商品对象在智能货架上的陈列位置的任务;
所述调控任务发送单元具体可以用于:
将所述调控任务发送到对应实体店铺关联的智能货架系统,以便所述智能货架系统通过执行所述调控任务修改所述商品对象在智能货架上的陈列位置。
另外,所述实体店铺中还可以关联有电子导购屏设备;
此时,该装置还可以包括:
电子导购指令发送单元,用于根据所述实体店铺关联的当前正在进行库存调控的商品对象,向所述电子导购屏设备发送排版和/或商品对象的曝光指令,以用于对所述正在进行库存调控的商品对象的信息进行展示。
另外,该装置还可以包括:
总销量预测单元,用于在调控开始之前,对所述商品对象在所述货架存放期内的总销量进行预测;
预测结果提供单元,用于将所述总销量的预测结果提供给用于执行补货处理的应用系统,以用作补货策略的参考信息。
再者,还可以包括:
调控结果展示单元,用于在调控结束后,将所述商品对象对应的目标调控渠道信息、调控参数值、预期的调控结果信息以及实际获得的调控结果信息进行展示。
具体实现时,可以所述货架存放期内,在多个时间段多次触发所述智能调控流程;
所述调控结果展示单元具体在进行展示时,可以将所述商品对象在所述多个时间段分别对应的目标调控渠道信息、调控参数信息、预期的调控结果信息以及实际获得的调控结果信息进行展示。
具体的,该装置还可以包括:
损耗缺货预测单元,用于对所述商品对象产生的损耗或缺货数量进行预测并展示。
具体的,所述目标商品对象集合中包括分别与多个实体店铺关联的、货架存放期符合目标条件的多个商品对象;
所述调控策略确定单元具体可以用于:
为所述商品对象确定与对应实体店铺相关的目标调控渠道以及调控参数值。
或者,所述目标商品对象集合中包括与自动售卖设备关联的多个商品对象;
所述调控策略确定单元具体可以用于:
为所述商品对象确定与对应自动售卖设备相关的目标调控渠道以及调控参数值。
另外,该装置还可以包括:
货架存放期确定单元,用于根据所述商品对象的基本属性信息、类目信息和/或关联的存放环境信息,确定所述商品对象的货架存放期。
与实施例二相对应,本申请实施例还提供了一种商品对象库存调控装置,参见图11,该装置可以包括:
调控任务接收单元1101,用于接收服务端提供的调控任务,所述调控任务是根据确定出的目标调控渠道以及调控参数值生成的,所述目标调控渠道以及调控参数值是根据商品对象在货架存放期内的剩余库存量预测结果以及调控规则信息确定的;
调控任务执行单元1102,用于执行所述调控任务,以便对所述商品对象在所述货架存放期内的剩余库存进行调控。
另外,本申请实施例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,该程序被处理器执行时实现前述方法实施例中任一项所述的方法的步骤。
以及一种电子设备,包括:
一个或多个处理器;以及
与所述一个或多个处理器关联的存储器,所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时,执行前述方法实施例中任一项所述的方法的步骤。
其中,图12示例性的展示出了电子设备的架构,具体可以包括处理器1210,视频显示适配器1211,磁盘驱动器1212,输入/输出接口1213,网络接口1214,以及存储器1220。上述处理器1210、视频显示适配器1211、磁盘驱动器1212、输入/输出接口1213、网络接口1214,与存储器1220之间可以通过通信总线1230进行通信连接。
其中,处理器1210可以采用通用的CPU(Central Processing Unit,中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本申请所提供的技术方案。
存储器1220可以采用ROM(Read Only Memory,只读存储器)、RAM(Random AccessMemory,随机存取存储器)、静态存储设备,动态存储设备等形式实现。存储器1220可以存储用于控制电子设备1200运行的操作系统1221,用于控制电子设备1200的低级别操作的基本输入输出系统(BIOS)。另外,还可以存储网页浏览器1223,数据存储管理系统1224,以及库存调控处理系统1225等等。上述库存调控处理系统1225就可以是本申请实施例中具体实现前述各步骤操作的应用程序。总之,在通过软件或者固件来实现本申请所提供的技术方案时,相关的程序代码保存在存储器1220中,并由处理器1210来调用执行。
输入/输出接口1213用于连接输入/输出模块,以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出),也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等,输出设备可以包括显示器、扬声器、振动器、指示灯等。
网络接口1214用于连接通信模块(图中未示出),以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线1230包括一通路,在设备的各个组件(例如处理器1210、视频显示适配器1211、磁盘驱动器1212、输入/输出接口1213、网络接口1214,与存储器1220)之间传输信息。
需要说明的是,尽管上述设备仅示出了处理器1210、视频显示适配器1211、磁盘驱动器1212、输入/输出接口1213、网络接口1214,存储器1220,总线1230等,但是在具体实施过程中,该设备还可以包括实现正常运行所必需的其他组件。此外,本领域的技术人员可以理解的是,上述设备中也可以仅包含实现本申请方案所必需的组件,而不必包含图中所示的全部组件。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。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存储介质中,如ROM/RAM、磁碟、光盘等,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)执行本申请各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。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劳动的情况下,即可以理解并实施。
以上对本申请所提供的商品对象库存调控方法、装置及电子设备,进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本申请的限制。