CN115578134A - 一种基于大数据的家用电器销售系统 - Google Patents

一种基于大数据的家用电器销售系统 Download PDF

Info

Publication number
CN115578134A
CN115578134A CN202211311305.5A CN202211311305A CN115578134A CN 115578134 A CN115578134 A CN 115578134A CN 202211311305 A CN202211311305 A CN 202211311305A CN 115578134 A CN115578134 A CN 115578134A
Authority
CN
China
Prior art keywords
profit
loss
sales
time
household appliance
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
Application number
CN202211311305.5A
Other languages
English (en)
Inventor
周丽娜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui Aizhihui Artificial Intelligence Technology Co ltd
Original Assignee
Anhui Aizhihui Artificial Intelligence Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Anhui Aizhihui Artificial Intelligence Technology Co ltd filed Critical Anhui Aizhihui Artificial Intelligence Technology Co ltd
Priority to CN202211311305.5A priority Critical patent/CN115578134A/zh
Publication of CN115578134A publication Critical patent/CN115578134A/zh
Pending legal-status Critical Current

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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • 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
    • G06Q30/0206—Price or cost determination based on market factors

Abstract

本发明公开了一种基于大数据的家用电器销售系统，涉及家用电器销售技术领域，公开了包括数据采集模块、盈亏预测模块、销售推荐模块，设置盈亏预测模块，该系统可以对各个型号家用电器的盈亏进行预测，及时判断出不同型号的家用电器照常销售将会盈利还是亏损，商家可以提前学习预盈销售电器上的盈利经验，并及时应用在预亏销售电器上，避免家用电器后续销售出现实际亏损的情况，设置销售推荐模块，可以根据用户的历史购买记录向用户推销对应种类的家用电器，并且将预亏销售电器推荐在销推种类下方，提高预亏销售电器的销售可能性，大大减小预亏销售电器亏损的可能性。

Description

一种基于大数据的家用电器销售系统
技术领域
本发明涉及家用电器销售技术领域，更具体地说，它涉及一种基于大数据的家用电器销售系统。
背景技术
家用电器主要指在家庭及类似场所中使用的各种电器和电子器具，又称民用电器、日用电器。家用电器使人们从繁重、琐碎、费时的家务劳动中解放出来，为人类创造了更为舒适优美、更有利于身心健康的生活和工作环境，提供了丰富多彩的文化娱乐条件，已成为现代家庭生活的必需品。家用电器多种多样，包括清洁器具、熨烫器具、取暖器具、保健器具等种类。
目前的家用电器销售系统无法对家用电器的盈利以及亏损进行有效的预测，当家用电器出现实际亏损时，才会对该家用电器的亏损原因进行分析。并且目前的家用电器销售系统都是将高销量的家用电器排序在销售系统页面的顶部，这样导致有些家用电器会卖不出去，后续出现持续亏损的情况，并且目前的家用电器销售系统并没有考虑到用户的购买习惯，导致后续用户在购买时需要反复搜索对应种类的家用电器。
发明内容
针对现有技术存在的不足，本发明的目的在于提供一种基于大数据的家用电器销售系统。
为实现上述目的，本发明提供了如下技术方案：
一种基于大数据的家用电器销售系统，包括数据采集模块、盈亏预测模块、销售推荐模块；
所述数据采集模块用于对用户的历史购买记录与销售信息进行采集，并将用户的历史购买记录与销售信息发送至服务器中存储；
所述盈亏预测模块用于对各个型号家用电器的盈亏进行预测，判断每个型号家用电器长期销售是否盈亏，具体为：
步骤一：获取得到系统当前时间之前一个月的每日每个型号家用电器的利润额，并将每日每个型号家用电器的利润额标记为实际利润额，设置每个实际利润额均对应一个界点利润额，将实际利润额与界点利润额进行对比，当实际利润额小于界点利润额时，将该实际利润额标记为亏损利润额，将界点利润额与亏损利润额进行差值计算，获取得到损利差值并标记为Ea，利用公式Qs＝(Ea+0.28)×m1获取得到损利差额，其中，m1为预设比例系数，将损利差额进行求和处理，获取得到损利差总额Qz；
步骤二：当实际利润额大于界点利润额时，将该实际利润额标记为盈余利润额，将盈余利润额与界点利润额进行差值计算，获取得到盈余差值并标记为La，利用公式Ps＝(La+0.36)×n1获取得到盈余差额，其中，n1为预设比例系数，将盈余差额进行求和处理，获取得到盈余差总额Lz；
步骤三：将亏损利润额所对应的日期按照时间先后进行排序，将相邻两个亏损利润额所对应的日期进行时间差值计算获取得到亏利间隔，将所有的亏利间隔进行求和处理并取均值获取得到亏利间隔均值并标记为Ns，将盈余利润额所对应的日期按照时间先后进行排序，将相邻两个盈余利润额所对应的日期进行时间差值计算获取得到盈利间隔，将所有的盈利间隔进行求和处理并取均值获取得到盈利间隔均值并标记为Ks；
步骤四：获取得到系统当前时间之前一个月亏损利润额所对应的天数并标记为Tj，获取得到系统当前时间之前一个月盈余利润额所对应的天数并标记为Tk；
步骤五：利用公式
Figure BDA0003907199520000031
获取得到该型号家用电器的利亏预警值Ro，其中，x1、x2、x3均为预设比例系数，利用公式
Figure BDA0003907199520000032
获取得到该型号家用电器的盈余预警值Rg，其中，y1、y2、y3均为预设比例系数；
步骤六：利用公式Kt＝|Rg×z1-Ro×z2|获取得到该型号家用电器的盈亏预警值Kt，其中，z1、z2均为预设比例系数，设置盈亏预警值阈值为Me，当盈亏预警值Kt≥盈亏预警值阈值为Me，将该型号家用电器标记为预警销售电器，当利亏预警值Ro≥盈余预警值Rg时，将该预警销售电器标记为预亏销售电器，当利亏预警值Ro＜盈余预警值Rg时，将该预警销售电器标记预盈销售电器；
所述销售推荐模块用于根据用户的历史购买记录向用户推销对应种类的家用电器，并且将对应种类中预亏销售电器优先推销给用户。
进一步的，。
进一步的，所述用户的历史购买记录包括家用电器的型号、家用电器的所属种类、家用电器的点击时间、家用电器的下单时间。
进一步的，所述销售信息包括家用电器的利润额、家用电器的销售数量。
进一步的，所述销售推荐模块用于根据用户的历史购买记录向用户推销对应种类的家用电器，并且将对应种类中预亏销售电器优先推销给用户，具体为：
步骤一：获取得到系统当前时间之前每个用户的历史购买记录，将历史购买记录根据家用电器的所属种类进行分类，将历史购买记录中家用电器的下单时间与点击时间进行时间差值计算，获取得到家用电器的购决时长，并将分类后的历史购买记录中家用电器的购决时长进行求和处理并取均值，获取得到购决时长均值标记为Dk；
步骤二：将分类后历史购买记录中家用电器的点击时间与下单时间按照时间先后顺序进行排序，将时间在前的历史购买记录的点击时间标记为Lz，将时间在前的历史购买记录的下单时间标记为Hz，将时间在后的历史购买记录的点击时间标记为La，将时间在后的历史购买记录的下单时间标记为Ha，利用公式
Figure BDA0003907199520000041
获取得到同类家用电器的购买间隔Mu，将同类家用电器的购买间隔进行求和处理并取均值，获取得到同类家用电器的购买间隔均值At；
步骤三：将分类后历史购买记录中家用电器的数量进行求和处理，获取得到同类家用电器的购买总量并标记为Sg；
步骤四：利用公式
Figure BDA0003907199520000042
获取得到同类家用电器的优销值Ys，将优销值最大的同类家用电器所属种类名称显示在用户的手机终端，并将该种类名称标记为销推种类；其中，a1、a2、a3均为预设比例系数；
步骤五：获取得到销推种类中各型号家用电器的录入系统的时间，将系统当前时间与录入系统的时间进行时间差值计算，获取得到销售时长，并标记为Jc；
步骤六：获取得到系统当前时间前一个月每日每个型号家用电器的销售数量，设定每日每个型号家用电器的销售数量对应一个基础销售数量，将每日每个型号家用电器的销售数量与基础销售数量进行比对，当每日每个型号家用电器的销售数量小于基础销售数量时，将当日该型号家用电器的销售数量标记为落差销售数量，将基础销售数量与落差销售数量进行差值计算获取得到基销量差值，并标记为Rw；设置基销量差值系数为Pv；
Pv，v＝1,2,3，…v；P1<P2<P3<…<Pv，设定每个基销量差值系数均对应一个基销量差值的范围，包括(0，R1]，(R1，R2]，……，(Rw-1，Rw]，当Rw∈(0，R1]，则对应的基销量差值系数为P1；
利用公式
Figure BDA0003907199520000051
获取得到该型号家用电器的基销亏值Nj；
步骤七：利用公式
Figure BDA0003907199520000052
获取得到该型号家用电器的主销值Gn，其中，b1、b2均为预设比例系数，将各型号家用电器中的预亏销售电器根据主销值的数值由大至小进行排序，并将排序结果依次排序显示在销推种类下方。
与现有技术相比，本发明具备以下有益效果：
1、设置盈亏预测模块，该系统可以对各个型号家用电器的盈亏进行预测，及时判断出不同型号的家用电器照常销售将会盈利还是亏损，商家可以提前学习预盈销售电器上的盈利经验，并及时应用在预亏销售电器上，避免家用电器后续销售出现实际亏损的情况；
2、设置销售推荐模块，可以根据用户的历史购买记录向用户推销对应种类的家用电器，并且将预亏销售电器推荐在销推种类下方，提高预亏销售电器的销售可能性，大大减小预亏销售电器亏损的可能性。
附图说明
图1为本发明盈亏预测模块的流程框图。
具体实施方式
实施例1
参照图1，一种基于大数据的家用电器销售系统，包括数据采集模块、盈亏预测模块；
数据采集模块用于对用户的历史购买记录与销售信息进行采集，并将用户的历史购买记录与销售信息发送至服务器中存储。用户的历史购买记录包括家用电器的型号、家用电器的所属种类、家用电器的点击时间、家用电器的下单时间。销售信息包括家用电器的利润额、家用电器的销售数量。
盈亏预测模块用于对各个型号家用电器的盈亏进行预测，判断每个型号家用电器长期销售是否盈亏，具体为：
步骤一：获取得到系统当前时间之前一个月的每日每个型号家用电器的利润额，并将每日每个型号家用电器的利润额标记为实际利润额，设置每个实际利润额均对应一个界点利润额，将实际利润额与界点利润额进行对比，当实际利润额小于界点利润额时，将该实际利润额标记为亏损利润额，将界点利润额与亏损利润额进行差值计算，获取得到损利差值并标记为Ea，利用公式Qs＝(Ea+0.28)×m1获取得到损利差额，其中，m1为预设比例系数，将损利差额进行求和处理，获取得到损利差总额Qz；
步骤二：当实际利润额大于界点利润额时，将该实际利润额标记为盈余利润额，将盈余利润额与界点利润额进行差值计算，获取得到盈余差值并标记为La，利用公式Ps＝(La+0.36)×n1获取得到盈余差额，其中，n1为预设比例系数，将盈余差额进行求和处理，获取得到盈余差总额Lz；
步骤三：将亏损利润额所对应的日期按照时间先后进行排序，将相邻两个亏损利润额所对应的日期进行时间差值计算获取得到亏利间隔，将所有的亏利间隔进行求和处理并取均值获取得到亏利间隔均值并标记为Ns，将盈余利润额所对应的日期按照时间先后进行排序，将相邻两个盈余利润额所对应的日期进行时间差值计算获取得到盈利间隔，将所有的盈利间隔进行求和处理并取均值获取得到盈利间隔均值并标记为Ks；
步骤四：获取得到系统当前时间之前一个月亏损利润额所对应的天数并标记为Tj，获取得到系统当前时间之前一个月盈余利润额所对应的天数并标记为Tk；
步骤五：利用公式
Figure BDA0003907199520000071
获取得到该型号家用电器的利亏预警值Ro，其中，x1、x2、x3均为预设比例系数，利用公式
Figure BDA0003907199520000072
获取得到该型号家用电器的盈余预警值Rg，其中，y1、y2、y3均为预设比例系数；
步骤六：利用公式Kt＝|Rg×z1-Ro×z2|获取得到该型号家用电器的盈亏预警值Kt，其中，z1、z2均为预设比例系数，设置盈亏预警值阈值为Me，当盈亏预警值Kt≥盈亏预警值阈值为Me，将该型号家用电器标记为预警销售电器，当利亏预警值Ro≥盈余预警值Rg时，将该预警销售电器标记为预亏销售电器，当利亏预警值Ro＜盈余预警值Rg时，将该预警销售电器标记预盈销售电器。
实施例2
在实施例1的基础上，还包括销售推荐模块，销售推荐模块用于根据用户的历史购买记录向用户推销对应种类的家用电器，并且将对应种类中预亏销售电器优先推销给用户，具体为：
步骤一：获取得到系统当前时间之前每个用户的历史购买记录，将历史购买记录根据家用电器的所属种类进行分类，将历史购买记录中家用电器的下单时间与点击时间进行时间差值计算，获取得到家用电器的购决时长，并将分类后的历史购买记录中家用电器的购决时长进行求和处理并取均值，获取得到购决时长均值标记为Dk；
步骤二：将分类后历史购买记录中家用电器的点击时间与下单时间按照时间先后顺序进行排序，将时间在前的历史购买记录的点击时间标记为Lz，将时间在前的历史购买记录的下单时间标记为Hz，将时间在后的历史购买记录的点击时间标记为La，将时间在后的历史购买记录的下单时间标记为Ha，利用公式
Figure BDA0003907199520000081
获取得到同类家用电器的购买间隔Mu，将同类家用电器的购买间隔进行求和处理并取均值，获取得到同类家用电器的购买间隔均值At；
步骤三：将分类后历史购买记录中家用电器的数量进行求和处理，获取得到同类家用电器的购买总量并标记为Sg；
步骤四：利用公式
Figure BDA0003907199520000082
获取得到同类家用电器的优销值Ys，将优销值最大的同类家用电器所属种类名称显示在用户的手机终端，并将该种类名称标记为销推种类，如照明器具、取暖器具、熨烫器具、娱乐器具、清洁器具，当娱乐器具的优销值最大时，将娱乐器具的名称显示在用户的手机终端；其中，a1、a2、a3均为预设比例系数；
步骤五：获取得到销推种类中各型号家用电器的录入系统的时间，将系统当前时间与录入系统的时间进行时间差值计算，获取得到销售时长，并标记为Jc；
步骤六：获取得到系统当前时间前一个月每日每个型号家用电器的销售数量，设定每日每个型号家用电器的销售数量对应一个基础销售数量，将每日每个型号家用电器的销售数量与基础销售数量进行比对，当每日每个型号家用电器的销售数量小于基础销售数量时，将当日该型号家用电器的销售数量标记为落差销售数量，将基础销售数量与落差销售数量进行差值计算获取得到基销量差值，并标记为Rw；设置基销量差值系数为Pv；
Pv，v＝1,2,3，…v；P1<P2<P3<…<Pv，设定每个基销量差值系数均对应一个基销量差值的范围，包括(0，R1]，(R1，R2]，……，(Rw-1，Rw]，当Rw∈(0，R1]，则对应的基销量差值系数为P1；
利用公式
Figure BDA0003907199520000091
获取得到该型号家用电器的基销亏值Nj；
步骤七：利用公式
Figure BDA0003907199520000092
获取得到该型号家用电器的主销值Gn，其中，b1、b2均为预设比例系数，将各型号家用电器中的预亏销售电器根据主销值的数值由大至小进行排序，并将排序结果依次排序显示在销推种类下方，如用户的手机终显示清洁器具的名称，预亏销售电器包括洗衣机、干衣机、吸尘器，且洗衣机型号包括A，干衣机型号包括M、N，吸尘器型号包括X，A型号洗衣机的主销值>M型号干衣机的主销值>X型号吸尘器的主销值>N型号干衣机的主销值，则依次将A型号洗衣机、M型号干衣机、X型号吸尘器、N型号干衣机排序显示在清洁器具的名称下方。
工作原理：
设置盈亏预测模块，该系统可以对各个型号家用电器的盈亏进行预测，及时判断出不同型号的家用电器照常销售将会盈利还是亏损，商家可以提前学习预盈销售电器上的盈利经验，并及时应用在预亏销售电器上，避免家用电器后续销售出现实际亏损的情况，设置销售推荐模块，可以根据用户的历史购买记录向用户推销对应种类的家用电器，并且将预亏销售电器推荐在销推种类下方，提高预亏销售电器的销售可能性，大大减小预亏销售电器亏损的可能性。
以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本模板的保护范围。

Claims (4)

1.一种基于大数据的家用电器销售系统，其特征在于，包括数据采集模块、盈亏预测模块、销售推荐模块；
所述数据采集模块用于对用户的历史购买记录与销售信息进行采集，并将用户的历史购买记录与销售信息发送至服务器中存储；
所述盈亏预测模块用于对各个型号家用电器的盈亏进行预测，判断每个型号家用电器长期销售是否盈亏，具体为：
步骤一：获取得到系统当前时间之前一个月的每日每个型号家用电器的利润额，并将每日每个型号家用电器的利润额标记为实际利润额，设置每个实际利润额均对应一个界点利润额，将实际利润额与界点利润额进行对比，当实际利润额小于界点利润额时，将该实际利润额标记为亏损利润额，将界点利润额与亏损利润额进行差值计算，获取得到损利差值并标记为Ea，利用公式Qs＝(Ea+0.28)×m1获取得到损利差额，其中，m1为预设比例系数，将损利差额进行求和处理，获取得到损利差总额Qz；
步骤二：当实际利润额大于界点利润额时，将该实际利润额标记为盈余利润额，将盈余利润额与界点利润额进行差值计算，获取得到盈余差值并标记为La，利用公式Ps＝(La+0.36)×n1获取得到盈余差额，其中，n1为预设比例系数，将盈余差额进行求和处理，获取得到盈余差总额Lz；
步骤三：将亏损利润额所对应的日期按照时间先后进行排序，将相邻两个亏损利润额所对应的日期进行时间差值计算获取得到亏利间隔，将所有的亏利间隔进行求和处理并取均值获取得到亏利间隔均值并标记为Ns，将盈余利润额所对应的日期按照时间先后进行排序，将相邻两个盈余利润额所对应的日期进行时间差值计算获取得到盈利间隔，将所有的盈利间隔进行求和处理并取均值获取得到盈利间隔均值并标记为Ks；
步骤四：获取得到系统当前时间之前一个月亏损利润额所对应的天数并标记为Tj，获取得到系统当前时间之前一个月盈余利润额所对应的天数并标记为Tk；
步骤五：利用公式
Figure FDA0003907199510000021
获取得到该型号家用电器的利亏预警值Ro，其中，x1、x2、x3均为预设比例系数，利用公式
Figure FDA0003907199510000022
获取得到该型号家用电器的盈余预警值Rg，其中，y1、y2、y3均为预设比例系数；
步骤六：利用公式Kt＝|Rg×z1-Ro×z2|获取得到该型号家用电器的盈亏预警值Kt，其中，z1、z2均为预设比例系数，设置盈亏预警值阈值为Me，当盈亏预警值Kt≥盈亏预警值阈值为Me，将该型号家用电器标记为预警销售电器，当利亏预警值Ro≥盈余预警值Rg时，将该预警销售电器标记为预亏销售电器，当利亏预警值Ro＜盈余预警值Rg时，将该预警销售电器标记预盈销售电器；
所述销售推荐模块用于根据用户的历史购买记录向用户推销对应种类的家用电器，并且将对应种类中预亏销售电器优先推销给用户。
2.根据权利要求1所述的一种基于大数据的家用电器销售系统，其特征在于，所述用户的历史购买记录包括家用电器的型号、家用电器的所属种类、家用电器的点击时间、家用电器的下单时间。
3.根据权利要求2所述的一种基于大数据的家用电器销售系统，其特征在于，所述销售信息包括家用电器的利润额、家用电器的销售数量。
4.根据权利要求3所述的一种基于大数据的家用电器销售系统，其特征在于，所述销售推荐模块用于根据用户的历史购买记录向用户推销对应种类的家用电器，并且将对应种类中预亏销售电器优先推销给用户，具体为：
步骤一：获取得到系统当前时间之前每个用户的历史购买记录，将历史购买记录根据家用电器的所属种类进行分类，将历史购买记录中家用电器的下单时间与点击时间进行时间差值计算，获取得到家用电器的购决时长，并将分类后的历史购买记录中家用电器的购决时长进行求和处理并取均值，获取得到购决时长均值标记为Dk；
步骤二：将分类后历史购买记录中家用电器的点击时间与下单时间按照时间先后顺序进行排序，将时间在前的历史购买记录的点击时间标记为Lz，将时间在前的历史购买记录的下单时间标记为Hz，将时间在后的历史购买记录的点击时间标记为La，将时间在后的历史购买记录的下单时间标记为Ha，利用公式
Figure FDA0003907199510000031
获取得到同类家用电器的购买间隔Mu，将同类家用电器的购买间隔进行求和处理并取均值，获取得到同类家用电器的购买间隔均值At；
步骤三：将分类后历史购买记录中家用电器的数量进行求和处理，获取得到同类家用电器的购买总量并标记为Sg；
步骤四：利用公式
Figure FDA0003907199510000032
获取得到同类家用电器的优销值Ys，将优销值最大的同类家用电器所属种类名称显示在用户的手机终端，并将该种类名称标记为销推种类；其中，a1、a2、a3均为预设比例系数；
步骤五：获取得到销推种类中各型号家用电器的录入系统的时间，将系统当前时间与录入系统的时间进行时间差值计算，获取得到销售时长，并标记为Jc；
步骤六：获取得到系统当前时间前一个月每日每个型号家用电器的销售数量，设定每日每个型号家用电器的销售数量对应一个基础销售数量，将每日每个型号家用电器的销售数量与基础销售数量进行比对，当每日每个型号家用电器的销售数量小于基础销售数量时，将当日该型号家用电器的销售数量标记为落差销售数量，将基础销售数量与落差销售数量进行差值计算获取得到基销量差值，并标记为Rw；设置基销量差值系数为Pv；
Pv，v＝1,2,3，…v；P1<P2<P3<…<Pv，设定每个基销量差值系数均对应一个基销量差值的范围，包括(0，R1]，(R1，R2]，……，(Rw-1，Rw]，当Rw∈(0，R1]，则对应的基销量差值系数为P1；
利用公式
Figure FDA0003907199510000041
获取得到该型号家用电器的基销亏值Nj；
步骤七：利用公式
Figure FDA0003907199510000042
获取得到该型号家用电器的主销值Gn，其中，b1、b2均为预设比例系数，将各型号家用电器中的预亏销售电器根据主销值的数值由大至小进行排序，并将排序结果依次排序显示在销推种类下方。
CN202211311305.5A 2022-10-25 2022-10-25 一种基于大数据的家用电器销售系统 Pending CN115578134A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211311305.5A CN115578134A (zh) 2022-10-25 2022-10-25 一种基于大数据的家用电器销售系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211311305.5A CN115578134A (zh) 2022-10-25 2022-10-25 一种基于大数据的家用电器销售系统

Publications (1)

Publication Number Publication Date
CN115578134A true CN115578134A (zh) 2023-01-06

Family

ID=84587053

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211311305.5A Pending CN115578134A (zh) 2022-10-25 2022-10-25 一种基于大数据的家用电器销售系统

Country Status (1)

Country Link
CN (1) CN115578134A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116542693A (zh) * 2023-05-06 2023-08-04 徐州大成环境科技有限公司 一种基于物联网的建筑材料销售管理系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116542693A (zh) * 2023-05-06 2023-08-04 徐州大成环境科技有限公司 一种基于物联网的建筑材料销售管理系统

Similar Documents

Publication Publication Date Title
CN106600711A (zh) 一种虚拟装修的方法、装置和虚拟装修系统
CN106846176B (zh) 一种电费核算系统
EP3842950A1 (en) Data collection server, data utilization server, equipment, data circulation system, data collection method and program
CN106067137A (zh) 一种基于智能电网监控系统的客户信用等级评价方法
CN111832861A (zh) 基于大数据平台的居民负荷变尺度画像方法和系统
WO2021129531A1 (zh) 一种资源分配方法、装置、设备、存储介质及计算机程序
CN107220452A (zh) 一种利用计算机为基础的建筑装潢配置装置及其方法
CN107193831A (zh) 信息推荐方法及装置
CN101957972A (zh) 购物网站智能后台管理系统
CN110020905A (zh) 一种数据化选品的方法、装置及系统
CN115578134A (zh) 一种基于大数据的家用电器销售系统
CN112365285A (zh) 一种基于私域流量池数据的全链路营销方法
CN112232852A (zh) 一种基于大数据计算的自动化营销系统实现方法
CN111737338A (zh) 一种基于大数据画像闭环营销数据分析方法
CN109377280A (zh) 一种广告排序机制生成方法及生成系统
CN112766570A (zh) 居民海量细粒度用电数据融合挖掘与多元应用方法
CN106228401A (zh) 一种销售系统
CN114596122A (zh) 一种基于区块链的智能贸易数据分析系统及方法
Zufferey et al. Unsupervised learning methods for power system data analysis
CN113312343A (zh) 一种基于网络爬虫工具的商机管理方法和系统
CN111680837B (zh) 一种竞争环境下的多场景多商品连锁便利店选址优化方法
CN106504019A (zh) 一种植物推荐方法及装置
CN116757402A (zh) 服务策略的确定方法及装置、存储介质及电子装置
CN110223104B (zh) 一种基于大数据的客户模型构建系统
CN104380317B (zh) 用户管理方法，服务器装置以及用户管理系统

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