CN115115417A - 一种基于舆情的商品销售数据预测方法、设备及介质 - Google Patents

Abstract

本申请公开了一种基于舆情的商品销售数据预测方法、设备及介质，方法包括：确定目标商品的商品标签，商品标签至少包括种类标签以及品牌标签；根据商品标签确定目标商品的相似商品；采集目标商品的舆情信息，并生成舆情信息的关键词信息；关键词信息至少包括关键词、关键词指数以及关键词词性；根据关键词信息以及相似商品的历史销售数据，确定目标商品的第一舆论影响指数；根据第一舆论影响指数以及目标商品的销售数据，生成目标商品的第一销量预测曲线。可以减少人工干预，结合大数据挖掘技术，实现对电子商务产品的推广发展进行风险预警或者对各类网络宣传概念的营销进行效果分析预期。

Description

一种基于舆情的商品销售数据预测方法、设备及介质

技术领域

本申请涉及数据分析领域，具体涉及一种基于舆情的商品销售数据预测方法、设备及介质。

背景技术

伴随网络销售的规范化和广泛化，不难发现，现在网络商品销售和网络舆情密切关联，出名的营销手段比如网红营销往往能够带动网络商品的销售数量，而爆出的负面新闻也会让个别产品网络销售造成寒冬。

现有技术中，虽然也存在对于网络商品销售数据的分析预测方法，但这些方法中并未考虑到网络舆情对于商品销量带来的影响，也就无法在短期内精准地对出现舆情的网络商品进行预测。

发明内容

为了解决上述问题，本申请提出了一种基于舆情的商品销售数据预测方法、设备及介质，其中方法包括：确定目标商品的商品标签，所述商品标签至少包括种类标签以及品牌标签；根据所述商品标签确定所述目标商品的相似商品；采集所述目标商品的舆情信息，并生成所述舆情信息的关键词信息；所述关键词信息至少包括关键词、关键词指数以及关键词词性；根据所述关键词信息以及所述相似商品的历史销售数据，确定所述目标商品的第一舆论影响指数；根据所述第一舆论影响指数以及所述目标商品的销售数据，生成所述目标商品的第一销量预测曲线。

在一个示例中，所述生成所述目标商品的第一销量预测曲线之后，所述方法还包括：间隔预设的采集时间，采集所述目标商品的后续舆情信息以及后续销售数据；若所述后续舆情信息的关键词信息未发生改变，则根据所述后续销售数据以及所述后续舆情信息，训练所述第一舆论影响指数，以得到第二舆论影响指数；根据所述第二舆论影响指数以及所述后续销售数据，生成所述目标商品的第二销量预测曲线。

在一个示例中，所述间隔预设的采集时间，采集所述目标商品的后续舆情信息之后，所述方法还包括：若所述关键词信息发生改变，则根据变化后的关键词信息以及所述相似商品的历史销售数据，确定所述目标商品的第三舆论影响指数；根据所述第三舆论影响指数，以及所述后续销售数据，生成所述目标商品的第三销量预测曲线。

在一个示例中，所述生成所述目标商品的第二销量预测曲线之后，所述方法还包括：将所述第二舆论影响指数保存至数据库；将所述第二舆论影响指数作为所述关键词信息、所述目标商品标签对应的舆论影响指数。

在一个示例中，所述生成所述舆情信息的关键词信息之前，所述方法还包括：获取人工输入的关键词信息，生成关键词词典；确认预设的初始模型，并通过所述关键词词典训练所述初始模型，以得到关键词生成模型。

在一个示例中，所述生成所述舆情信息的关键词信息之后，所述方法还包括：根据所述关键词信息，确定所述舆情信息对应的影响商品的商品标签；根据所述商品标签，生成所述影响商品的第四销量预测曲线。

在一个示例中，所述生成所述目标商品的第一销量预测曲线之后，所述方法还包括：获取所述目标商品的后续销售数据，若所述后续销售数据与所述第一销量预测曲线差距过大，则将该商品列为异常商品；确定所述异常商品的购买人群标签；根据所述购买人群标签确定所述异常商品的舆论影响系数；根据所述舆论影响系数对所述第一销量预测曲线进行修改，以得到第五销量预测曲线。

在一个示例中，所述采集所述目标商品的舆情信息之前，所述方法还包括：根据所述舆情信息的舆论影响范围，提前确定所述关键词指数的划分等级。

本申请还提供了一种基于舆情的商品销售数据预测设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行：确定目标商品的商品标签，所述商品标签至少包括种类标签以及品牌标签；根据所述商品标签确定所述目标商品的相似商品；采集所述目标商品的舆情信息，并生成所述舆情信息的关键词信息；所述关键词信息至少包括关键词、关键词指数以及关键词词性；根据所述关键词信息以及所述相似商品的历史销售数据，确定所述目标商品的第一舆论影响指数；根据所述第一舆论影响指数以及所述目标商品的销售数据，生成所述目标商品的第一销量预测曲线。

本申请还提供了一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：确定目标商品的商品标签，所述商品标签至少包括种类标签以及品牌标签；根据所述商品标签确定所述目标商品的相似商品；采集所述目标商品的舆情信息，并生成所述舆情信息的关键词信息；所述关键词信息至少包括关键词、关键词指数以及关键词词性；根据所述关键词信息以及所述相似商品的历史销售数据，确定所述目标商品的第一舆论影响指数；根据所述第一舆论影响指数以及所述目标商品的销售数据，生成所述目标商品的第一销量预测曲线。

通过本申请提出的方法能够带来如下有益效果：合理的预警监测平台有助于企业应对风险，而营销销售预期也是厂商平衡产品和营销花费手段的帮助。而基于自然语言分析系统和人工智能实现网络销售商品大数据预期分析系统的建立和完善更能帮助地方政府实行网络经济政策的制定完善，并提供相应的数据参考和预警，是实现电子商务发展的有效辅助。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例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为本申请实施例中一种基于舆情的商品销售数据预测方法的流程示意图；

图2为本申请实施例中一种基于舆情的商品销售数据预测设备的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、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，都属于本申请保护的范围。

以下结合附图，详细说明本申请各实施例提供的技术方案。

图1为本说明书一个或多个实施例提供的一种基于舆情的商品销售数据预测方法的流程示意图。该方法可以应用于不同的商品类型，比如，食品类商品、厨具类商品、服装类商品、数码电子类商品、家具类商品等。该流程可以由相应领域的计算设备(比如，支付业务对应的风控服务器或者智能移动终端等)执行，流程中的某些输入参数或者中间结果允许人工干预调节，以帮助提高准确性。

本申请实施例涉及的分析方法的实现可以为终端设备，也可以为服务器，本申请对此不作特殊限制。为了方便理解和描述，以下实施例均以服务器为例进行详细描述。

需要说明的是，该服务器可以是单独的一台设备，可以是有多台设备组成的系统，即，分布式服务器，本申请对此不做具体限定。

如图1所示，本申请实施例提供一种基于舆情的商品销售数据预测方法，包括：

S101：确定目标商品的商品标签，所述商品标签至少包括种类标签以及品牌标签。

首先需要确定目标商品的商品标签，这里的目标商品即等待进行销售数据预测的商品，商品标签是指该商品的商品属性，如商品种类以及商品品牌等标签。

S102：根据所述商品标签确定所述目标商品的相似商品。

为了对目标商品进行销售数据预测，需要确定目标商品的相似商品，在确定目标商品的相似商品时，可以通过商品标签进行确定，如目标商品如果是食品类商品，则可在包含食品类商品标签的商品中选择相似商品。

需要说明的是，目标商品和相似商品的历史销售数据为已知的，上述历史销售数据可以预先存储在计算机设备的存储装置中，当需要对目标商品进行预测时，计算机设备可以从存储装置中选取历史销售数据。当然，计算机设备还可以从其它外部设备中获取该历史销售数据。比如，将历史销售数据存储在云端，当需要对目标商品进行预测时，计算机设备可以从云端获取历史销售数据，本实施例对历史销售数据的获取方式不做限定。

S103：采集所述目标商品的舆情信息，并生成所述舆情信息的关键词信息；所述关键词信息至少包括关键词、关键词指数以及关键词词性。

为了能够分析推算网络舆情对于商品销量的影响，需要采集与目标商品有关的舆情信息，这里的舆情信息指的是网络上传播的与目标商品有关的信息。然后根据舆情信息生成该目标商品以及该舆情信息的关键词信息。这里的关键词信息至少包括关键词、关键词指数以及关键词的词性，这里的关键词指数是指舆论事件的发酵程度，词性是指关键词是正向或负向或中性。在一个示例中，关键词可设置如下：关键词：网红；词性：短期增长指数，正向；品类：预制菜，如奶茶。关键词：酸菜；词性：长期负面指数，负向；品类：预制菜，腌制品，方便食品。关键词：青藏；词性：长期增长指数，中性；品类：无。

S104：根据所述关键词信息以及所述相似商品的历史销售数据，确定所述目标商品的第一舆论影响指数。

获取到当前舆论情况与目标商品对应的关键词之后，可根据关键词信息以及相似商品的历史销售数据，确定目标商品的第一舆论影响指数。这里的第一舆论影响指数是指当前的舆论情况对目标商品的销售量的影响指数。需要说明的是，这里的第一舆论影响指数是通过相似商品的历史销售额曲线的变化，与相似商品未发生同类舆论情况时的同期数据进行对比得出的。举例来讲，以负面关键词举例，假如某食品类商品由于网上出现负面舆论，则应寻找到与该食品类商品的相似产品，要求相似产品销售历史中，出现相同舆论热度且同样为负面舆论。将该相似产品的销售数据与未发生负面舆论时的同期销售数据进行对比，则可得到负面舆论对相似产品的销量影响，即可作为目标商品的销量影响。

S105：根据所述第一舆论影响指数以及所述目标商品的销售数据，生成所述目标商品的第一销量预测曲线。

得知了第一舆论影响指数之后，即可根据目标商品原有的销售数据，以及该第一舆论影响指数，得到目标商品的第一销量预测曲线。如第一舆论影响指数为季度销量同比下降30％，则可预测到目标商品季度销量下降30％，可得到目标商品的销量预测曲线。

在一个实施例中，得到了目标商品的第一销量预测曲线之后，由于第一舆论影响指数是通过相似商品的历史销售数据获得的，因此，第一销量预测曲线所预测的销量可能不够精确，但是可以通过不停收集预测数据和实际销售数据，进行比对训练可以逐步提高预测精度和预测范围，从而实现对系统的可持续化。具体包括：间隔预设的采集时间，采集目标商品的后续舆情信息以及后续销售数据；若后续舆情信息的关键词信息未发生改变，即舆论没有进一步发酵或是冷却，则根据后续销售数据以及后续舆情信息，训练第一舆论影响指数，以得到第二舆论影响指数。再根据第二舆论影响指数以及后续销售数据，生成目标商品的第二销量预测曲线。

进一步地，若关键词信息发生改变，即当前目标商品的舆论情况进一步加大或是已经逐渐冷却，则根据变化后的关键词信息以及相似商品的历史销售数据，确定目标商品的第三舆论影响指数。再根据第三舆论影响指数，以及后续销售数据，生成目标商品的第三销量预测曲线。

在一个实施例中，生成目标商品的第二销量预测曲线之后，还要将第二舆论影响指数保存至数据库，且将第二舆论影响指数作为关键词信息、目标商品标签对应的舆论影响指数。当后续需要对目标商品的相似商品也进行预测时，可将第二舆论影响指数作为相似商品的第一舆论影响指数。

在一个实施例中，在生成舆情信息的关键词时，是通过关键词生成模型进行的，因此，在生成关键词之前，需要人工输入一部分关键词信息，从而形成关键词词典，再确认预设的初始模型，并通过关键词词典训练初始模型，以得到关键词生成模型，后续采集到舆情信息后，可直接将舆情信息输入至关键词生成模型，以得到舆情信息对应的关键词。

需要说明的是，销量预测模型以及关键词生成模型为基于机器学习算法构建的数学模型，包括但不限于神经网络模型、支持向量机模型等，通过训练数据集预先对构建的销量预测模型以及关键词生成模型进行训练，当达到设定的训练精度、准确度时，确定当前次训练的销量预测模型以及关键词生成模型完成训练，以便用于预测处理。

在一个实施例中，不仅可以通过目标商品去寻找与目标商品相关的舆情信息，还可以通过网络上突然发布的舆情信息，发现该舆情信息会影响到的商品。具体包括：根据关键词信息，确定舆情信息对应的影响商品的商品标签；根据商品标签，生成影响商品的第四销量预测曲线。

在一个实施例中，由于有些商品的受众为小孩或老年群体，即使该类商品在网络上爆发了舆情，但是由于受众群体不会过度关注网络信息，因此，该类商品的销量不会向其他商品一样受到舆情的较大影响。此时对该类商品进行销量预测时，不能与普通商品流程相同。因此在生成目标商品的第一销量预测曲线之后，获取目标商品的后续销售数据，若后续销售数据与第一销量预测曲线差距过大，则将该商品列为异常商品。确定异常商品的购买人群标签，即该异常商品的受众人群标签。根据购买人群标签确定异常商品的舆论影响系数。需要说明的是，该舆论影响系数与前文的舆论影响指数不同，该舆论影响系数基于受众人群标签确定，且预测时与舆论影响指数一同作用于异常商品的销量预测。再根据舆论影响系数对第一销量预测曲线进行修改，以得到第五销量预测曲线。

在一个实施例中，采集目标商品的舆情信息之前，还需要根据舆情信息的舆论影响范围，提前确定关键词指数的划分等级。

如图2所示，本申请实施例还提供了一种基于舆情的商品销售数据预测方法，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：

确定目标商品的商品标签，所述商品标签至少包括种类标签以及品牌标签；根据所述商品标签确定所述目标商品的相似商品；采集所述目标商品的舆情信息，并生成所述舆情信息的关键词信息；所述关键词信息至少包括关键词、关键词指数以及关键词词性；根据所述关键词信息以及所述相似商品的历史销售数据，确定所述目标商品的第一舆论影响指数；根据所述第一舆论影响指数以及所述目标商品的销售数据，生成所述目标商品的第一销量预测曲线。

本申请实施例还提供了一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：

确定目标商品的商品标签，所述商品标签至少包括种类标签以及品牌标签；根据所述商品标签确定所述目标商品的相似商品；采集所述目标商品的舆情信息，并生成所述舆情信息的关键词信息；所述关键词信息至少包括关键词、关键词指数以及关键词词性；根据所述关键词信息以及所述相似商品的历史销售数据，确定所述目标商品的第一舆论影响指数；根据所述第一舆论影响指数以及所述目标商品的销售数据，生成所述目标商品的第一销量预测曲线。

本申请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，对于设备和介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本申请实施例提供的设备和介质与方法是一一对应的，因此，设备和介质也具有与其对应的方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述设备和介质的有益技术效果。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理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权利要求范围之内。

Claims (10)

1.一种基于舆情的商品销售数据预测方法，其特征在于，包括：

确定目标商品的商品标签，所述商品标签至少包括种类标签以及品牌标签；

根据所述商品标签确定所述目标商品的相似商品；

采集所述目标商品的舆情信息，并生成所述舆情信息的关键词信息；所述关键词信息至少包括关键词、关键词指数以及关键词词性；

根据所述关键词信息以及所述相似商品的历史销售数据，确定所述目标商品的第一舆论影响指数；

根据所述第一舆论影响指数以及所述目标商品的销售数据，生成所述目标商品的第一销量预测曲线。

2.根据权利要求1所述的方法，其特征在于，所述生成所述目标商品的第一销量预测曲线之后，所述方法还包括：

间隔预设的采集时间，采集所述目标商品的后续舆情信息以及后续销售数据；

若所述后续舆情信息的关键词信息未发生改变，则根据所述后续销售数据以及所述后续舆情信息，训练所述第一舆论影响指数，以得到第二舆论影响指数；

根据所述第二舆论影响指数以及所述后续销售数据，生成所述目标商品的第二销量预测曲线。

3.根据权利要求2所述的方法，其特征在于，所述间隔预设的采集时间，采集所述目标商品的后续舆情信息之后，所述方法还包括：

若所述关键词信息发生改变，则根据变化后的关键词信息以及所述相似商品的历史销售数据，确定所述目标商品的第三舆论影响指数；

根据所述第三舆论影响指数，以及所述后续销售数据，生成所述目标商品的第三销量预测曲线。

4.根据权利要求2所述的方法，其特征在于，所述生成所述目标商品的第二销量预测曲线之后，所述方法还包括：

将所述第二舆论影响指数保存至数据库；

将所述第二舆论影响指数作为所述关键词信息、所述目标商品标签对应的舆论影响指数。

5.根据权利要求1所述的方法，其特征在于，所述生成所述舆情信息的关键词信息之前，所述方法还包括：

获取人工输入的关键词信息，生成关键词词典；

确认预设的初始模型，并通过所述关键词词典训练所述初始模型，以得到关键词生成模型。

6.根据权利要求1所述的方法，其特征在于，所述生成所述舆情信息的关键词信息之后，所述方法还包括：

根据所述关键词信息，确定所述舆情信息对应的影响商品的商品标签；

根据所述商品标签，生成所述影响商品的第四销量预测曲线。

7.根据权利要求1所述的方法，其特征在于，所述生成所述目标商品的第一销量预测曲线之后，所述方法还包括：

获取所述目标商品的后续销售数据，若所述后续销售数据与所述第一销量预测曲线差距过大，则将该商品列为异常商品；

确定所述异常商品的购买人群标签；

根据所述购买人群标签确定所述异常商品的舆论影响系数；

根据所述舆论影响系数对所述第四销量预测曲线进行修改，以得到第五销量预测曲线。

8.根据权利要求1所述的方法，其特征在于，所述采集所述目标商品的舆情信息之前，所述方法还包括：

根据所述舆情信息的舆论影响范围，提前确定所述关键词指数的划分等级。

9.一种基于舆情的商品销售数据预测设备，其特征在于，包括：

至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行：

确定目标商品的商品标签，所述商品标签至少包括种类标签以及品牌标签；

根据所述商品标签确定所述目标商品的相似商品；

采集所述目标商品的舆情信息，并生成所述舆情信息的关键词信息；所述关键词信息至少包括关键词、关键词指数以及关键词词性；

根据所述关键词信息以及所述相似商品的历史销售数据，确定所述目标商品的第一舆论影响指数；

根据所述第一舆论影响指数以及所述目标商品的销售数据，生成所述目标商品的第一销量预测曲线。

10.一种非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令设置为：

确定目标商品的商品标签，所述商品标签至少包括种类标签以及品牌标签；

根据所述商品标签确定所述目标商品的相似商品；

采集所述目标商品的舆情信息，并生成所述舆情信息的关键词信息；所述关键词信息至少包括关键词、关键词指数以及关键词词性；

根据所述关键词信息以及所述相似商品的历史销售数据，确定所述目标商品的第一舆论影响指数；

根据所述第一舆论影响指数以及所述目标商品的销售数据，生成所述目标商品的第一销量预测曲线。

Images