CN114493435A - 选品方法、选品系统和电子设备 - Google Patents
选品方法、选品系统和电子设备 Download PDFInfo
- Publication number
- CN114493435A CN114493435A CN202210086661.5A CN202210086661A CN114493435A CN 114493435 A CN114493435 A CN 114493435A CN 202210086661 A CN202210086661 A CN 202210086661A CN 114493435 A CN114493435 A CN 114493435A
- Authority
- CN
- China
- Prior art keywords
- commodities
- commodity
- goods
- ranking
- category
- 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
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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"
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了选品方法、选品系统和电子设备,包括:根据货架资源确定预设品类中的每一品类对应的可分配商品数;每一品类下的可选商品均关联对应的商品标识;商品标识包括:潜力新品、必须覆盖商品、差异化需求商品、无特殊标识商品中的至少一项;根据预设的评价指标确定每件可选商品的商品表现力,得到可选商品的商品表现力排名;根据商品标识的预设优先级顺序,按优先级从高到低的顺序依次从商品表现力排名中确定每一品类的上架商品,直至所选取的上架商品数量达到该品类对应的可分配商品数,得到上架商品清单,从而通过更丰富的维度分析消费者需求,既满足总部的统一管理运营,又体现门店差异化品类需求,实现商品的最优化选择。
Description
技术领域
本发明涉及智能选品技术领域,尤其是涉及选品方法、选品系统和电子设备。
背景技术
线下商超的可选商品众多,但是陈列面位有限,如何选择合适的商品摆放在货架上,则是线下商超影响销售的重中之重。而传统商超商品评估体系单一,例如仅销售和利润,不重视用户反馈(复购、渗透等指标),造成很多潜在的优质商品(高复购)无法发掘或效率过低、与消费者脱节。
同时通常一个商超拥有众多门店,若一个选品名单为所有门店使用,又无法满足不同门店周边消费者的需求差异,如果放权由门店来做,容易每个店各有风格,难以统一实现品类战略目标。
发明内容
有鉴于此,本发明的目的在于提供选品方法、选品系统和电子设备,采用多方面评估商品力的体系,探索出满足商超实际特性需求的商品,通过更丰富的维度分析消费者需求,既满足总部的统一管理运营,又体现门店差异化品类需求,超越人力,实现商品的最优化选择。
第一方面,本发明实施例提供了一种选品方法,所述方法包括:
根据货架资源确定预设品类中的每一品类对应的可分配商品数;其中,所述每一品类下的可选商品均关联对应的商品标识;所述商品标识包括:潜力新品、必须覆盖商品、差异化需求商品、无特殊标识商品中的至少一项;
根据预设的评价指标确定每件所述可选商品的商品表现力,得到所述可选商品的商品表现力排名;
根据所述商品标识的预设优先级顺序,按优先级从高到低的顺序依次从所述商品表现力排名中确定所述每一品类的上架商品,直至所选取的所述上架商品数量达到该品类对应的所述可分配商品数,得到所述每一品类的上架商品清单。
进一步的,所述可根据预设的评价指标确定每件所述可选商品的商品表现力,得到所述可选商品的商品表现力排名,包括:
对所述可选商品分别按照商品销售综合指标、店品动销率、数据包络分析、复合增长率、购买频率、大购物篮指数和钱包份额进行排名;
根据预设权重,对所述排名加权求和,得到所述可选商品的所述商品表现力;
对所述商品表现力降序排列,得到所述可选商品的所述商品表现力排名。
进一步的,通过下述方式从每一品类下的可选商品中标识潜力新品:
根据市场监控数据,确定外部市场中的市场潜力商品;
通过自然语言处理,将所述市场潜力商品与所述可选商品的商品名进行文本匹配;
如果匹配成功,则将匹配成功的可选商品标识为潜力新品。
进一步的,所述方法还包括:
根据价格对所述可选商品进行分类,设置对应的价格分类标签,所述价格分类标签包括第一价格分类、第二价格分类、第三价格分类和第四价格分类;
根据规格对所述可选商品进行分类,设置对应的规格分类标签,所述规格分类标签包括第一规格分类、第二规格分类、第三规格分类和第四规格分类。
进一步的,所述必须覆盖商品包括第一必须覆盖维度和第二必须覆盖维度:
对所述可选商品按照销量排序得到第一销量排序,根据预设销量排序标准得到所述第一必须覆盖维度;
根据用户维度购买数据,对所述可选商品按照钱包份额排序得到第一钱包份额排序,根据预设钱包份额排序标准得到所述第二必须覆盖维度。
进一步的,所述必须覆盖商品还包括第三必须覆盖维度和第四必须覆盖维度:
对当前门店群的所述可选商品按照所述销量排序得到第二销量排序,根据所述预设销量排序标准得到所述第三必须覆盖维度;其中,相似特性的门店组成门店群,同一所述门店群内的所述门店共享一套差异化需求商品标准;
根据所述当前门店群内的所述用户购买数据,对所述可选商品按照所述钱包份额排序得到第二钱包份额排序,根据所述预设钱包份额排序标准得到所述第四必须覆盖维度;
将所述第一销量排序与所述第二销量排序中进行对比,取在所述第二销售排名中但不在所述第一销售排名中的所述可选商品标记为所述差异化需求商品;
将所述第一钱包份额排名和所述第二钱包份额排名进行对比,取在所述第二钱包份额排名中但不在所诉第一钱包排名中的所述可选商品标记为所述差异化需求商品。
进一步的,所述根据所述商品标识的预设优先级顺序,按优先级从高到低的顺序依次从所述商品表现力排名中确定所述每一品类的上架商品,直至所选取的所述上架商品数量达到该品类对应的所述可分配商品数,得到所述每一品类的上架商品清单,包括:
在所述商品表现力排名中,从高到低优先选取所述潜力新品作为所述上架商品;其中,所述潜力新品数量为该品类对应的可分配商品数的20%;
删除已选所述上架商品和剩余所述潜力新品,由高到低依次检索所述差异化需求商品作为所述上架商品;
判断已选取的所述上架商品数量是否达到所述可分配商品数;
如果已选取的所述上架商品数量达到所述可分配商品数,则结束选取;
否则,删除已选所述上架商品和剩余所述差异化需求商品,由高到低依次检索所述必须覆盖商品作为所述上架商品;
判断已选取的所述上架商品数量是否达到所述可分配商品数;
如果已选取的所述上架商品数量达到所述可分配商品数,则结束选取;
否则,删除已选所述上架商品和剩余所述必须覆盖商品,由高到低依次检索所述无特殊标识商品作为所述上架商品至所述上架商品数量达到该品类对应的可分配商品数。
第二方面,本发明实施例提供了一种选品系统,所述系统包括:
数量分配模块,用于根据货架资源确定预设品类中的每一品类对应的可分配商品数;
商品标识模块,用于对所述每一品类下的可选商品均关联对应的商品标识;所述商品标识包括:潜力新品、必须覆盖商品、差异化需求商品、无特殊标识商品中的至少一项;
商品表现力评价模块,用于根据预设的评价指标确定每件所述可选商品的商品表现力,得到所述可选商品的商品表现力排名;
筛选模块,用于根据所述商品标识的预设优先级顺序,按优先级从高到低的顺序依次从所述商品表现力排名中确定所述每一品类的上架商品,直至所选取的所述上架商品数量达到该品类对应的所述可分配商品数,得到所述每一品类的上架商品清单。
第三方面,本发明实施例提供了电子设备,包括存储器、处理器,所述存储器上存储有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如上所述的方法。
第四方面,本发明实施例提供了具有处理器可执行的非易失的程序代码的计算机可读介质,所述程序代码使所述处理器执行如上所述的方法。
本发明实施例提供了选品方法、选品系统和电子设备,方法包括:根据货架资源确定预设品类中的每一品类对应的可分配商品数;其中,每一品类下的可选商品均关联对应的商品标识;商品标识包括:潜力新品、必须覆盖商品、差异化需求商品、无特殊标识商品中的至少一项;根据预设的评价指标确定每件可选商品的商品表现力,得到可选商品的商品表现力排名;根据商品标识的预设优先级顺序,按优先级从高到低的顺序依次从商品表现力排名中确定每一品类的上架商品,直至所选取的上架商品数量达到该品类对应的可分配商品数,得到每一品类的上架商品清单,从而通过更丰富的维度分析消费者需求,既满足总部的统一管理运营,又体现门店差异化品类需求,超越人力,实现商品的最优化选择。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的选品方法流程图;
图2为本发明实施例一提供的选品方法示意图;
图3为本发明实施例一提供的确定潜力新品流程图;
图4为本发明实施例三提供的选品优先级顺序流程图;
图5为本发明实施例四提供的选品系统示意图。
图标:1-数量分配模块;2-商品标识模块;3-商品表现力评价模块;4-筛选模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明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。
为便于对本实施例进行理解,下面对本发明实施例进行详细介绍。
实施例一:
图1为本发明实施例一提供的选品方法流程图。
参照图1,该方法包括以下步骤:
步骤S101,根据货架资源确定预设品类中的每一品类对应的可分配商品数;其中,每一品类下的可选商品均关联对应的商品标识;商品标识包括:潜力新品、必须覆盖商品、差异化需求商品、无特殊标识商品中的至少一项;
步骤S102,根据预设的评价指标确定每件可选商品的商品表现力,得到可选商品的商品表现力排名;
步骤S103,根据商品标识的预设优先级顺序,按优先级从高到低的顺序依次从商品表现力排名中确定每一品类的上架商品,直至所选取的上架商品数量达到该品类对应的可分配商品数,得到每一品类的上架商品清单;
这里,预设品类中的每一品类为商家可选商品可划分的最小品类;商品标识由商品对应标签确定,包括商品品牌、价格、规格和功效。
图2为本发明实施例一提供的选品方法示意图。
参照图2,选品方法包括:
通过对潜力新品、必须覆盖商品、差异化需求商品和无特殊标识商品的划分,形成商品表现力排名,最终形成上架商品清单。
进一步的,可根据预设的评价指标确定每件可选商品的商品表现力,得到可选商品的商品表现力排名,包括:
对可选商品分别按照商品销售综合指标、店品动销率、数据包络分析、复合增长率、购买频率、大购物篮指数和钱包份额进行排名;
根据预设权重,对排名加权求和,得到可选商品的商品表现力;
对商品表现力降序排列,得到可选商品的商品表现力排名;
这里,CPI(commodity performance index,商品销售综合指标)与销售额、销售量和利润相关,如公式(1)所示:
CPI=0.3×销售额+0.3×销售量+0.4×利润 (1)
店品动销率如公式(2)所示:
DEA(Data envelopment analysis,数据包络分析)通过商品间的相互动态比较进行计算,无需用户主观设置每个指标的权重,算法会根据最优化求解的办法自动确定权重参数,最终得出相对的商品表现评分,因为考虑的是投入产出表现,能发现一些高潜力商品,不至于因为销量暂时不离线而被淘汰。它是根据多项投入指标和多项产出指标,利用线性规划的方法,对具有可比性的同类型单位进行相对有效性评价的一种数量分析方法。其投入由陈列延米数(即陈列所占货架长度)和促销指数(即促销频率×促销储蓄时长)决定;其产出由综合毛利、销量和销售额决定;
复合增长率如公式(3)所示:
购买频率为每周每个商品平均被购买个数;
大购物篮指数为商品大于n的订单中,包含当前SKU(Stock Keeping Unit,最小存货单位)的订单数占比;
钱包份额为一个客户在当前SKU的消费额与该客户在当前子类别下面消费总额之商的均值,用于衡量消费者对小分类下某商品的忠诚度,钱包份额越高,说明消费者在购买该小分类时,对该商品忠诚度越高;
其中,在每个小分类下,根据商品销售综合指标、店品动销率、数据包络分析、复合增长率、购买频率、大购物篮指数和钱包份额进行升序排名,每个商品均有七个排名,根据不同商家的业务经验重点,使用专家经验给予上述七个指标不同的权重,对排名进行加权求和,再对其求和数值取降序,得到每个小分类下的商品表现力排名。
进一步的,参照图3,确定潜力新品包括以下步骤:
步骤S301,根据市场监控数据,确定外部市场中的市场潜力商品;
步骤S302,通过自然语言处理,将市场潜力商品与所述可选商品的商品名进行文本匹配;
步骤S303,如果匹配成功,则将匹配成功的可选商品标识为潜力新品;
这里,根据前期调研,得到市场监控数据,分析得到正处于市场初期且上升趋势明显的商品,并将外部市场潜力新品通过自然语言处理,与本商家的商品进行商品名文本匹配,寻找商家商品池内是否有相同商品,如果没有相同商品,则寻找商品名文本相似的商品,这些商品若只通过分析销售表现,因还未被大众熟知,很可能会得出需要淘汰替换的结论,但若在电商等平台上有良好的增长势头,有可能为潜力新品,可给予一定的曝光机会;
其中,商品名文本包括商品的品牌和功效等信息。
本发明实施例提供了选品方法,方法包括:根据货架资源确定预设品类中的每一品类对应的可分配商品数;其中,每一品类下的可选商品均关联对应的商品标识;商品标识包括:潜力新品、必须覆盖商品、差异化需求商品、无特殊标识商品中的至少一项;根据预设的评价指标确定每件可选商品的商品表现力,得到可选商品的商品表现力排名;根据商品标识的预设优先级顺序,按优先级从高到低的顺序依次从商品表现力排名中确定每一品类的上架商品,直至所选取的上架商品数量达到该品类对应的可分配商品数,得到每一品类的上架商品清单,从而从多种维度选取商品,丰富商品评估体系,既满足总部的统一管理运营,又体现门店差异化品类需求,超越人力,实现商品的最优化选择。
实施例二:
为了便于理解,本实施例还对必须覆盖商品和差异化需求商品进行了详细阐述。
根据价格对可选商品进行分类,设置对应的价格分类标签,价格分类标签包括第一价格分类、第二价格分类、第三价格分类和第四价格分类;
根据规格对可选商品进行分类,设置对应的规格分类标签,规格分类标签包括第一规格分类、第二规格分类、第三规格分类和第四规格分类;
这里,统计商家每一品类下,价格(即单位价格)和规格的范围,按照等宽分箱将价格和规格对应分为4箱,其中,第一价格分类、第二价格分类、第三价格分类和第四价格分类分别对应低端、中端、中高端和高端四类;第一规格分类、第二规格分类、第三规格分类和第四规格分类分别对应小规格、中规格、中大规格和大规格四类;
统计市场监控数据的品牌和功效,为商品标注商家的品牌标签、功效标签以及加入人工标注的信息,并对商品名称进行匹配。
进一步的,必须覆盖商品包括第一必须覆盖维度和第二必须覆盖维度:
对可选商品按照销量排序得到第一销量排序,根据预设销量排序标准得到第一必须覆盖维度;
根据用户维度购买数据,对可选商品按照钱包份额排序得到第一钱包份额排序,根据预设钱包份额排序标准得到第二必须覆盖维度;
这里,对销量排名前80%的商品的所在品牌、所在价格分类、所在规格分类和所具有的功效进行标注,作为第一必须覆盖维度;
根据用户或会员数据,取钱包份额排名前3,以及钱包份额大于60%的商品的所在品牌、所在价格分类、所在规格分类和所具有的功效进行标注,作为第二必须覆盖维度。
进一步的,必须覆盖商品还包括第三必须覆盖维度和第四必须覆盖维度:
对当前门店群的可选商品按照销量排序得到第二销量排序,根据预设销量排序标准得到第三必须覆盖维度;其中,相似特性的门店组成门店群,同一门店群内的所述门店共享一套差异化需求商品标准;
根据当前门店群内的用户购买数据,对可选商品按照钱包份额排序得到第二钱包份额排序,根据预设钱包份额排序标准得到第四必须覆盖维度;
将第一销量排序与第二销量排序中进行对比,取在第二销售排名中但不在第一销售排名中的可选商品标记为差异化需求商品;
将第一钱包份额排名和第二钱包份额排名进行对比,取在第二钱包份额排名中但不在所诉第一钱包排名中的可选商品标记为差异化需求商品;
这里,采用k-means聚类(k-means clustering algorithm,K均值聚类算法)方法,将相似特性的门店组成门店群,其目的是找到每个样本x潜在的类别y,并将同类别y的样本x放在一起;
选取k个聚类质心点,为μ1,μ2,...,μk∈Rn,重复公式(4)和公式(5)直至收敛,对于每一个样例i,计算其应该属于的类如公式(4)所示:
ci=arg minj||xi-μj||2 (4)
对于每一个类j,重新计算该类的质心如公式(5)所示:
具体地,门店根据周边辐射客群的不同,在销售商品特性上有所差异,比如附近有医院的门店,医疗用品、保健用品等需求较高,附近居民小区较多的门店,米面粮油等基础食品大规格包装需求较多。但并非每个门店都各自有一套特性,而是相似的门店有相似的特性,若使用千店千面,则会造成管理复杂,失去供应链优势,所以我们使用“千店百面”,使用k-means聚类算法找出相似特性的门店组成门店群,同一个门店群内的门店,共享一套差异化商品需求调整清单;
基于此,使用如下特征对门店进行聚类:近三个月门店销售总额;商品中大和大规格销量占比;商品中高端和高端销量占比;门店覆盖三公里范围内医院数量;门店覆盖三公里范围内教育机构数量;门店覆盖三公里内居民小区数量;门店覆盖三公里内商场和写字楼数量;门店会员平均年龄;
根据如上数据,选定聚类效果最好的k值,得出聚类结果(根据不同商家数据的差异性,聚类结果并非统一);
根据每个门店群内的门店的可选商品,对销量排名前80%的商品的所在品牌、所在价格分类、所在规格分类和所具有的功效进行标注,作为第三必须覆盖维度;根据该门店用户或会员数据,取钱包份额排名前3,以及钱包份额大于60%的商品的所在品牌、所在价格分类、所在规格分类和所具有的功效进行标注,作为第四必须覆盖维度;
将第一必须覆盖维度、第二必须覆盖维度、第三必须覆盖维度和第四必须覆盖维度取并集,并且作为商圈特性需求,标记只存在于第三必须覆盖维度和第四必须覆盖维度中的可选商品为差异化需求商品。
本发明实施例提供了选品方法,方法包括:根据货架资源确定预设品类中的每一品类对应的可分配商品数;其中,每一品类下的可选商品均关联对应的商品标识;商品标识包括:潜力新品、必须覆盖商品、差异化需求商品、无特殊标识商品中的至少一项;根据预设的评价指标确定每件可选商品的商品表现力,得到可选商品的商品表现力排名;根据商品标识的预设优先级顺序,按优先级从高到低的顺序依次从商品表现力排名中确定每一品类的上架商品,直至所选取的上架商品数量达到该品类对应的可分配商品数,得到每一品类的上架商品清单,从而通过更丰富的维度分析消费者需求,既满足总部的统一管理运营,又体现门店差异化品类需求,超越人力,实现商品的最优化选择。
实施例三:
图4为本发明实施例三提供的选品优先级顺序流程图。
参照图4,选品优先级顺序流程包括:
步骤S401,在商品表现力排名中,从高到低优先选取潜力新品作为上架商品,其中,潜力新品数量为该品类对应的可分配商品数的20%;
步骤S402,删除已选上架商品和剩余潜力新品,由高到低依次检索差异化需求商品作为上架商品;
步骤S403,判断已选取的上架商品数量是否达到可分配商品数;
步骤S404,如果已选取的上架商品数量达到可分配商品数,则结束选取;
步骤S405,否则,删除已选上架商品和剩余差异化需求商品,由高到低依次检索必须覆盖商品作为上架商品;
步骤S406,判断已选取的上架商品数量是否达到可分配商品数;
步骤S407,如果已选取的上架商品数量达到可分配商品数,则结束选取;
步骤S408,否则,删除已选上架商品和剩余必须覆盖商品,由高到低依次检索无特殊标签商品作为上架商品至上架商品数量达到该品类对应的可分配商品数;
具体地,根据人工配置货架资源,可得到预设品类中每一品类对应的可分配商品数,假设某品类下对应可选商品数为100个,根据商品表现力排名对可选商品排序,其中可分配商品数为30个;
第一,给予20%的名额给潜力新品;由高到低依次检索商品表现力排名中前6个标记有“潜力新品”的可选商品入选,若不足6个则按照实际数量进行选择,此时,可分配商品数为24个;
第二,进行商品文本匹配,去掉潜力新品对应商品,依次检索差异化需求商品,第一个差异化需求商品入选,则删除该商品继续检索第二个差异化需求商品,依次类推,直到上架商品数量是否达到可分配商品数或差异化需求商品覆盖完毕,其中不同的门店群对应不同的差异化需求商品;
第三,假设此时可分配商品数为20个,通过商品文本匹配,依次检索,可选商品的品牌、价格、规格和功效标签是否满足必须覆盖商品,若满足则入选同时删除该商品继续检索,依次类推,直到上架商品数量是否达到可分配商品数或必须覆盖商品覆盖完毕;
第四,假设此时可分配商品数为5个,则由高到低依次选取无特殊标识商品;
至此,30个可分配商品选择完毕,该品类下对应上架商品清单生成。
本发明实施例提供了选品方法,方法包括:根据货架资源确定预设品类中的每一品类对应的可分配商品数;其中,每一品类下的可选商品均关联对应的商品标识;商品标识包括:潜力新品、必须覆盖商品、差异化需求商品、无特殊标识商品中的至少一项;根据预设的评价指标确定每件可选商品的商品表现力,得到可选商品的商品表现力排名;根据商品标识的预设优先级顺序,按优先级从高到低的顺序依次从商品表现力排名中确定每一品类的上架商品,直至所选取的上架商品数量达到该品类对应的可分配商品数,得到每一品类的上架商品清单,从而通过更丰富的维度分析消费者需求,既满足总部的统一管理运营,又体现门店差异化品类需求,超越人力,实现商品的最优化选择。
实施例四:
图5为本发明实施例四提供的选品系统示意图。
参照图5,选品系统包括:
数量分配模块1,用于根据货架资源确定预设品类中的每一品类对应的可分配商品数;
商品标识模块2,用于对每一品类下的可选商品均关联对应的商品标识;商品标识包括:潜力新品、必须覆盖商品、差异化需求商品、无特殊标签商品中的至少一项;
商品表现力评价模块3,用于根据预设的评价指标确定每件可选商品的商品表现力,得到可选商品的商品表现力排名;
筛选模块4,用于根据商品标识的预设优先级顺序,按优先级从高到低的顺序依次从商品表现力排名中确定每一品类的上架商品,直至所选取的上架商品数量达到该品类对应的可分配商品数,得到每一品类的上架商品清单。
本发明实施例提供了选品系统,包括:根据货架资源确定预设品类中的每一品类对应的可分配商品数;其中,每一品类下的可选商品均关联对应的商品标识;商品标识包括:潜力新品、必须覆盖商品、差异化需求商品、无特殊标识商品中的至少一项;根据预设的评价指标确定每件可选商品的商品表现力,得到可选商品的商品表现力排名;根据商品标识的预设优先级顺序,按优先级从高到低的顺序依次从商品表现力排名中确定每一品类的上架商品,直至所选取的上架商品数量达到该品类对应的可分配商品数,得到每一品类的上架商品清单,从而既满足总部的统一管理运营,又体现门店差异化品类需求,超越人力,实现商品的最优化选择。
本发明实施例还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述实施例提供的选品方法的步骤。
本发明实施例还提供一种具有处理器可执行的非易失的程序代码的计算机可读介质,计算机可读介质上存储有计算机程序,计算机程序被处理器运行时执行上述实施例的选品方法的步骤。
本发明实施例所提供的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
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,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明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)执行本发明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(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”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,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,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:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种选品方法,其特征在于,所述方法包括:
根据货架资源确定预设品类中的每一品类对应的可分配商品数;其中,所述每一品类下的可选商品均关联对应的商品标识;所述商品标识包括:潜力新品、必须覆盖商品、差异化需求商品、无特殊标识商品中的至少一项;
根据预设的评价指标确定每件所述可选商品的商品表现力,得到所述可选商品的商品表现力排名;
根据所述商品标识的预设优先级顺序,按优先级从高到低的顺序依次从所述商品表现力排名中确定所述每一品类的上架商品,直至所选取的所述上架商品数量达到该品类对应的所述可分配商品数,得到所述每一品类的上架商品清单。
2.根据权利要求1所述的选品方法,其特征在于,所述可根据预设的评价指标确定每件所述可选商品的商品表现力,得到所述可选商品的商品表现力排名,包括:
对所述可选商品分别按照商品销售综合指标、店品动销率、数据包络分析、复合增长率、购买频率、大购物篮指数和钱包份额进行排名;
根据预设权重,对所述排名加权求和,得到所述可选商品的所述商品表现力;
对所述商品表现力降序排列,得到所述可选商品的所述商品表现力排名。
3.根据权利要求1所述的选品方法,其特征在于,通过下述方式从每一品类下的可选商品中标识潜力新品:
根据市场监控数据,确定外部市场中的市场潜力商品;
通过自然语言处理,将所述市场潜力商品与所述可选商品的商品名进行文本匹配;
如果匹配成功,则将匹配成功的可选商品标识为潜力新品。
4.根据权利要求1所述的选品方法,其特征在于,所述方法还包括:
根据价格对所述可选商品进行分类,设置对应的价格分类标签,所述价格分类标签包括第一价格分类、第二价格分类、第三价格分类和第四价格分类;
根据规格对所述可选商品进行分类,设置对应的规格分类标签,所述规格分类标签包括第一规格分类、第二规格分类、第三规格分类和第四规格分类。
5.根据权利要求4所述的选品方法,其特征在于,所述必须覆盖商品包括第一必须覆盖维度和第二必须覆盖维度;
对所述可选商品按照销量排序得到第一销量排序,根据预设销量排序标准得到所述第一必须覆盖维度;
根据用户维度购买数据,对所述可选商品按照钱包份额排序得到第一钱包份额排序,根据预设钱包份额排序标准得到所述第二必须覆盖维度。
6.根据权利要求5所述的选品方法,其特征在于,所述必须覆盖商品还包括第三必须覆盖维度和第四必须覆盖维度;
对当前门店群的所述可选商品按照所述销量排序得到第二销量排序,根据所述预设销量排序标准得到所述第三必须覆盖维度;其中,相似特性的门店组成门店群,同一所述门店群内的所述门店共享一套差异化需求商品标准;
根据所述当前门店群内的所述用户购买数据,对所述可选商品按照所述钱包份额排序得到第二钱包份额排序,根据所述预设钱包份额排序标准得到所述第四必须覆盖维度;
将所述第一销量排序与所述第二销量排序中进行对比,取在所述第二销售排名中但不在所述第一销售排名中的所述可选商品标记为所述差异化需求商品;
将所述第一钱包份额排名和所述第二钱包份额排名进行对比,取在所述第二钱包份额排名中但不在所诉第一钱包排名中的所述可选商品标记为所述差异化需求商品。
7.根据权利要求1所述的选品方法,其特征在于,所述根据所述商品标识的预设优先级顺序,按优先级从高到低的顺序依次从所述商品表现力排名中确定所述每一品类的上架商品,直至所选取的所述上架商品数量达到该品类对应的所述可分配商品数,得到所述每一品类的上架商品清单,包括:
在所述商品表现力排名中,从高到低优先选取所述潜力新品作为所述上架商品;其中,所述潜力新品数量为该品类对应的可分配商品数的20%;
删除已选所述上架商品和剩余所述潜力新品,由高到低依次检索所述差异化需求商品作为所述上架商品;
判断已选取的所述上架商品数量是否达到所述可分配商品数;
如果已选取的所述上架商品数量达到所述可分配商品数,则结束选取;
否则,删除已选所述上架商品和剩余所述差异化需求商品,由高到低依次检索所述必须覆盖商品作为所述上架商品;
判断已选取的所述上架商品数量是否达到所述可分配商品数;
如果已选取的所述上架商品数量达到所述可分配商品数,则结束选取;
否则,删除已选所述上架商品和剩余所述必须覆盖商品,由高到低依次检索所述无特殊标识商品作为所述上架商品至所述上架商品数量达到该品类对应的可分配商品数。
8.一种选品系统,其特征在于,所述系统包括:
数量分配模块,用于根据货架资源确定预设品类中的每一品类对应的可分配商品数;
商品标识模块,用于对每一品类下的可选商品关联对应的商品标识;所述商品标识包括:潜力新品、必须覆盖商品、差异化需求商品、无特殊标识商品中的至少一项;
商品表现力评价模块,用于根据预设的评价指标确定每件所述可选商品的商品表现力,得到所述可选商品的商品表现力排名;
筛选模块,用于根据所述商品标识的预设优先级顺序,按优先级从高到低的顺序依次从所述商品表现力排名中确定所述每一品类的上架商品,直至所选取的所述上架商品数量达到该品类对应的所述可分配商品数,得到所述每一品类的上架商品清单。
9.一种电子设备,包括存储器、处理器,所述存储器上存储有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上述权利要求1至7任一项所述的方法。
10.一种具有处理器可执行的非易失的程序代码的计算机可读介质,其特征在于,所述程序代码使所述处理器执行所述权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210086661.5A CN114493435A (zh) | 2022-01-25 | 2022-01-25 | 选品方法、选品系统和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210086661.5A CN114493435A (zh) | 2022-01-25 | 2022-01-25 | 选品方法、选品系统和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114493435A true CN114493435A (zh) | 2022-05-13 |
Family
ID=81474656
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210086661.5A Pending CN114493435A (zh) | 2022-01-25 | 2022-01-25 | 选品方法、选品系统和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114493435A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115063173A (zh) * | 2022-06-21 | 2022-09-16 | 多点生活(成都)科技有限公司 | 基于线性规划的便利店速食区商品数量配置方法 |
-
2022
- 2022-01-25 CN CN202210086661.5A patent/CN114493435A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115063173A (zh) * | 2022-06-21 | 2022-09-16 | 多点生活(成都)科技有限公司 | 基于线性规划的便利店速食区商品数量配置方法 |
CN115063173B (zh) * | 2022-06-21 | 2024-05-24 | 多点生活(成都)科技有限公司 | 基于线性规划的便利店速食区商品数量配置方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kumar et al. | Customer relationship management: A databased approach | |
US7577579B2 (en) | Method of predicting sales based on triple-axis mapping of customer value | |
Harlam et al. | Modeling consumers’ choices of multiple items | |
US8694372B2 (en) | Systems and methods for automatic control of marketing actions | |
Pervin et al. | An integrated inventory model with variable holding cost under two levels of trade-credit policy | |
CN106651418A (zh) | 针对电商满减活动的凑单商品推荐的方法 | |
MX2007006266A (es) | Sistema de computadora para planear y evaluar publicidad en el punto de venta para una entidad de venta al menudeo. | |
CN102282551A (zh) | 娱乐入场券定价的自动决策支持 | |
JP2009205365A (ja) | 商品の在庫管理および販売の最適化システム、その最適化方法、及びその最適化プログラム | |
CN106469392A (zh) | 选择及推荐展示对象的方法及装置 | |
Gangurde et al. | Building prediction model using market basket analysis | |
KR100469495B1 (ko) | 지리정보를 이용한 마케팅 지원 서비스방법 | |
Vijayvagy | Decision framework for supplier selection through multi criteria evaluation models in supply chain. | |
Leung et al. | Big-box store expansion and consumer welfare | |
CN114493435A (zh) | 选品方法、选品系统和电子设备 | |
CN116611796B (zh) | 一种店铺交易数据的异常检测方法及装置 | |
KR102353304B1 (ko) | 마켓정보시스템 및 마켓정보 제공 방법 | |
Rizzi et al. | RFID-enabled visual merchandising in apparel retail | |
Srivastava et al. | Data mining-based algorithm for assortment planning | |
JP2010277571A (ja) | 商品選択システムとその方法、及び、商品選択コンピュータプログラム | |
JP2001134648A (ja) | 顧客維持育成のための顧客データ分析方法 | |
KR102452485B1 (ko) | 판매 데이터 분석 방법 및 장치 | |
JP2002334379A (ja) | 商品評価システム及び方法 | |
CN112308671A (zh) | 一种商品套餐的生成方法、系统和存储介质 | |
CN111400622A (zh) | 一种分布式电商系统中紧缺商品数量展现方法及装置 |
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 |