CN115660708A - 商品数据的处理方法、装置、电子设备及存储介质 - Google Patents
商品数据的处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115660708A CN115660708A CN202211067436.3A CN202211067436A CN115660708A CN 115660708 A CN115660708 A CN 115660708A CN 202211067436 A CN202211067436 A CN 202211067436A CN 115660708 A CN115660708 A CN 115660708A
- Authority
- CN
- China
- Prior art keywords
- data
- commodity object
- commodity
- sales cycle
- time period
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种商品数据的处理方法、装置、电子设备及存储介质,依据本申请实施例,基于商品对象在第一时间段内的相关流量数据,在预测该商品对象在第二时间段内的相关信息时,可以对第一时间段内商品对象的流量数据做相关的数据处理,确定第一时间段内的第一销售周期的相关信息,进一步,确定商品对象在第二时间段内第二销售周期的相关信息。相比于通过黑盒化算法模型处理数据的方案,由于该数据处理方案没有使用黑盒化的算法模型,因此数据处理结果可解释。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及一种商品数据的处理方法、装置、电子设备及存储介质。
背景技术
随着电子商务平台的快速发展,各个平台间的竞争也随之加剧。为了提高竞争力,电商平台需要具备应对市场变化的能力。对商品数据的高效处理分析可以帮助电商平 台更好应对市场的变化。
在对商品数据分析时,依据人工经验的数据处分析,只能通过处理数据表格,对数据的趋势走向进行模糊地判断和预估,准确率较低。而依据黑盒化的算法模型进行 数据分析时,由于模型对数据处理的过程黑盒化,算法模型给出的结果不可解释,当 结果不准确时,很难进行回顾分析,对算法模型做优化调整。此外,由于商品销售链 路上各端通常使用独立的数据系统,这使得与商品相关的数据没有被充分解析利用。
因此,需要为电商平台提供新的数据处理方案,以促进电商平台的发展。
发明内容
本申请实施例提供一种商品数据的处理方法、装置、电子设备及存储介质,以提高数据分析的准确率。
第一方面,本申请实施例提供了一种商品数据的处理方法,所述方法包括:
基于商品对象在第一时间段内的流量数据,确定所述商品对象在第一时间段内对应的第一销售周期,所述商品对象在所述第一销售周期的流量数据的数据特征区别于 第一时间段内的其他时间段的流量数据的数据特征;
根据商品对象在第一时间段内对应的第一销售周期,确定商品对象在第二时间段内的第二销售周期;
向商品对象关联的数据系统提供第二销售周期的相关信息。
第二方面,本申请实施例提供了另一种商品数据的处理方法,所述方法包括:
确定目标商品对象;
获取所述目标商品对象在第二时间段内的第二销售周期,第二销售周期根据目标商品对象在第一时间段内对应的第一销售周期确定,第一销售周期基于商品对象在第 一时间段内的流量数据确定,目标商品对象在第一销售周期的流量数据的数据特征区 别于第一时间段内的其他时间段的流量数据的数据特征;
展示第二销售周期的相关信息,所述相关信息包括根据第二销售周期确定商品对象的处理策略。
第三方面,本申请实施例提供了一种电子设备,包括存储器、处理器及存储在存储器上的计算机程序,所述处理器在执行所述计算机程序时实现上述任一项所述的方 法。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的方 法。
与现有技术相比,本申请具有如下优点:
依据本申请实施例,基于商品对象在第一时间段内的相关流量数据,在预测该商品对象在第二时间段内的相关信息时,可以对第一时间段内商品对象的流量数据做相 关的数据处理,确定第一时间段内的第一销售周期的相关信息,进一步,确定商品对 象在第二时间段内第二销售周期的相关信息。相比于通过黑盒化算法模型处理数据的 方案,由于该数据处理方案没有使用黑盒化的算法模型,因此数据处理结果可解释, 并且在对方案进行优化调整时,可以基于原始方案,根据应用需求调整方案所使用的 参数或条件,因此本申请实施例使用的数据处理方案具有可拆解、可快速复用的特点。
上述对商品对象的相关流量数据进行解析利用,充分挖掘了流量数据价值,进一步,将数据处理结果提供给多个与商品对象关联的数据系统,例如,提供给商品销售 链路上的各端,则可以基于第二销售周期的相关信息提前对商品的运营、新产品开发、 销售、生产或库存计划等进行提前规划,合理设置目标,规避风险,为提高第二销售 周期的成交量或是避免产品堆积过剩做充分准备。另一方面,可以充分解析流量数据, 根据第二销售周期的相关信息,搭建数据监测看板,向商品对象销售链路上各端提供 数据分析结果,及时反馈异常数据,调整数据策略,以应对市场实时趋势变化,进一 步提高电商平台的竞争力。
附图说明
在附图中,除非另外规定,否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解,这些附图仅描绘了根据 本申请的一些实施方式,而不应将其视为是对本申请范围的限制。
图1为本申请实施例的一个应用场景的示意图;
图2为本申请一实施例的商品数据的处理方法的流程图;
图3为本申请提供的商品对象的流量数据的拟合线性曲线示意图;
图4为本申请另一实施例的商品数据的处理方法的流程图;
图5是本申请一实施例的商品数据处理装置的结构框图;
图6是本申请另一实施例的商品数据处理装置的结构框图;以及
图7为用来实现本申请实施例的电子设备的框图。
具体实施方式
在下文中,仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样,在不脱离本申请的构思或范围的情况下,可通过各种不同方式修改所描述的实 施例。因此,附图和描述被认为本质上是示例性的,而非限制性的。
为便于理解本申请实施例的技术方案,以下对本申请实施例的相关技术进行说明。 以下相关技术作为可选方案与本申请实施例的技术方案可以进行任意结合,其均属于本申请实施例的保护范围。
在本申请之前的一种现有技术中,为了给商品对象制订销售策略,需要结合往年的历史数据,利用人工经验做出相应的数据处理并进行策略制订。一般是基于人工经 验获知的一些影响销售情况的因素做出模糊判断预估,而无法进行准确的预测,因此 无法为策略制订提供准确的数据支持,尤其在预测由特殊因素影响而形成的销售周期 方面的参考意义较弱,相应制订的销售策略往往不够精准,从而影响了商品的销量。
在本申请之前的另一种现有技术中,使用算法模型进行数据处理并做出对应预测, 由于算法模型的黑盒化,模型所提供的结果具有很强的不可解释性。例如在智能客服为商品对象的供应端或销售端提供销售高峰期的预测信息时,经常有数据预测信息与 实际信息差距较大的情况出现,而对于这种情况,由于预测结果是由算法模型提供的, 而算法模型的黑盒化使智能客服无法解释这种不准确数据结果的产生原因,因此,由 算法模型提供的预测数据通常参考性较弱。
有鉴于此,本申请实施例提供了一种新的商品数据处理方案,以全部或部分解决上述技术问题。
如图1所示为本申请实施例的一个应用场景的示意图。
图中涉及到对商品交易系统的商品对象在第一时间段的流量数据进行数据处理,确定商品对象在第一时间段内的流量数据的统计数据,提取第一时间段内的一个连续 的时间段为第一销售周期,其中第一销售周期对应的流量数据与统计数据的比较关系, 不同于第一时间段内的其他时间段对应的流量数据与统计数据的比较关系。确定第一 销售周期的相关信息(例如,入季时间、出季时间和爆发时间段),由第一时间段的相 关信息对应预测第二时间段内第二销售周期商品对象的相关信息,并将第二时间段的 相关信息同步至与商品对象相关联的数据系统。其中,商品交易系统可以是线上电商 平台,也可以是线下卖场。基于对商品交易系统提供的第一时间段内的流量数据处理 和分析,可以对第二时间段内的第二销售周期的销售情况做相应的预测,并向商品对 象关联的数据系统提供第二销售周期的相关信息,即将第二销售周期的相关信息同步 至商品对象销售链路上的各端所使用的数据系统。
应用本实施例的商品数据的处理方案,可以为商品对象销售链路上的各端提供第二时间段内第二销售周期的相关信息,从而商品对象销售链路上的各端可以利用这些 预测信息,对商品对象的运营、新产品开发、销售、生产或库存计划等进行提前规划, 合理设置目标,规避风险,为提高第二销售周期的成交量或是避免产品堆积过程做充 分准备。
如下介绍本申请的各个实施例。
本申请实施例提供了一种商品的数据处理方法,如图2所示为本申请一实施例的商 品数据的处理方法的流程图,可以包括:
步骤S201,基于商品对象在第一时间段内的流量数据,确定所述商品对象在第一时间段内对应的第一销售周期,商品对象在第一销售周期的流量数据的数据特征区别 于第一时间段内的其他时间段的流量数据的数据特征。
本申请实施例涉及的商品对象是经由电商平台或线下卖场正在销售或是预备销售 的商品,和/或,将多个的商品划分归类后形成的商品类目。
上述商品类目可以是商品划分的多个层级中的任意一个层级或是多个层级的类目。 例如,一种划分方式中,食品可以划分为零食速食、烘焙烹饪、肉禽蛋品、海鲜水产 等一级类目,零食速食又可以划分为糕点蛋卷、膨化食品、坚果零食等二级类目,糕 点蛋卷可以再划分为蛋糕卷、面包吐司、月饼等三级类目,月饼可以再包括具体品牌 和口味的月饼(也即是商品本身),其中三级类目也即是整个划分层级中的最小层级, 也即是叶子类目。本申请实施例涉及的商品对象可以是作为商品划分层级中最小类目 的月饼,也可以包括作为一级类目的海鲜水产、二级类目的坚果零食,本申请对此并 不作限制。
商品对象及其携带的相关信息向线上用户或线下消费者展示,例如,电商通过页面向用户展示商品对象以及商品信息。用户针对商品对象的交互动作(例如搜索、浏 览、收藏、购买等行为)会相应产生流量数据,页面上所显示的商品对象的商品信息, 例如折扣、引导购物的标签、库存等,也会对用户行为产生影响。
上述流量数据可以由电商平台的网页抓取并记录,也可以由线下卖场根据消费者购物行为记录,从与电商平台的数据系统或线下卖场关联的数据系统导出上述流量数 据。以电商平台为例,流量数据包括但不限于搜索量、浏览量、点击量、收藏量、加 购量和成交量等中的一种或多种。
用户行为可能受到多种因素的影响,当影响因素具有一定的周期性时,即使对于相同的商品对象,在不同时段,由用户行为产生的流量数据也有可能是不同的,体现 在销售周期内的流量数据的数据特征不同于非销售周期。因此,通过分析流量数据可 以确定商品对象的销售周期。
其中周期性的影响因素包括如节日、节气、季节和特殊天气等。
节日是一些特殊约定的日子,根据国家和地区的人文特点而有所不同,例如,中国的春节、中秋节、清明节、重阳节和外国的圣诞节是一些传统节日,端午节、国庆 节、青年节等是用于纪念的节日,劳动节、妇女节、母亲节是国际组织提倡的节日。 节气是是干支历中表示自然节律变化以及确立的特定节令,目前分为立春、雨水、惊 蛰、春分、冬至等二十四个节气。节日和节气的纪念仪式使得一些商品的流量数据发 生变化,例如,月饼的购买量会在临近中秋节时增加,艾草相关商品的购买量会在清 明节前后的时段增加,饺子的购买量会在冬至以及前后的时间增加。
季节是指每年循环出现的地理景观相差比较大的几个时间段,与所处地域相关,国内的划分方式一般是指春季、夏季、秋季和冬季。以衣物为例,对不同衣物的搜索 量、浏览量和成交量会随着季节变换有不同程度的变化。
特殊天气也是一种环境因素,例如,消费者对雨具的购买量可能随着雨雪天气的到来而增加。
数据特征是数据的走向趋势,受上述因素的影响,商品对象在销售周期的流量数据的数据特征区别于其他时间段,因此,可以通过分析流量数据的数据特征确定商品 对象的销售周期。其中,在分析已经产生的历史流量数据时,将产生历史流量数据的 时间段记为第一时间段,将第一时间段内的销售周期记为第一销售周期,由上可知, 商品对象在第一销售周期的流量数据的数据特征区别于第一时间段内的其他时间段的 流量数据的数据特征。图2为商品对象的流量数据的线性拟合曲线示意图,如图所示, 在初始的一段时间内,数据走向较为平稳,没有明显变化,在到达某一时间节点后, 数据开始逐渐上升,在到达一个顶峰后,数据开始逐渐下降,最后又恢复到数据走向 趋于平稳,回到没有明显变化或变化趋势较弱的状态,总体来看,该时间段内,流量 数据在一段持续的时间中经历了比较有特征的趋势变化。例如,图2中,由流量数据拟 合而成的波形趋势符合类似泊松分布的数据特征,这段时间内的流量数据的波形明显 区别于其他时间段内的流量数据,因此,可以基于该数据特征,确定拥有该数据特征 的时间段为受某种特殊因素影响而形成的一个销售周期。
步骤S202,根据商品对象在第一时间段内对应的第一销售周期,确定商品对象在第二时间段内的第二销售周期。
将未来的时间段记为第二时间段。受相同特殊因素影响而形成的销售周期通常表现 出相似的数据特征。因此,如果第二时间段具有与第一时间段内相同的特殊因素,那 么针对该特殊因素,可以根据第一时间段内商品对象的第一销售周期,确定第二时间 段内的第二销售周期。也即是说,对商品对象在第二时间段内可能受到特殊因素影响 而形成的第二销售周期的预测,可以基于该商品对象在第一时间段内由于受到相同特 殊因素影响而形成的第一销售周期推测分析得到,将第一销售周期对应的下一时间周 期作为第二销售周期。
步骤S203,向商品对象关联的数据系统提供第二销售周期的相关信息。
与商品对象关联的数据系统是电商平台或线下卖场销售链路上涉及到的参与方所 使用的一个或多个数据系统,参与方可以包括商品销售链路上销售端、运营端和供应端,涉及到商品的销售、运营、新产品开发、生产或库存计划等方面的管理。通过对 商品对象的流量数据分析确定商品对象的第二销售周期后,可以向商品销售链路上各 端运营端和供应端提供数据分析结果,从而与各端协同制定并执行相应的策略,例如 制定相应的商品营销策略,或是提前预备库存、清理库存以应对商品销量的变化。
商品对象第二销售周期的相关信息用于其他数据系统参考,可以包括标记第二销售周期的多个时间节点,包括入季时间和出季时间。还可以包括爆发时间段等与周期 性时间相关的时间节点、商品对象的信息(商品对象的标识、商品对象的上级分类等 等)和周期类型等中的一种或多种。周期类型表征影响商品对象形成销售周期的因素, 可以是季节、节日、节气或特殊天气等。
一种可选的实施例中,在基于商品对象在第一时间段内的流量数据,确定商品对象在第一时间段内对应的第一销售周期时,可以确定该商品对象在第一时间段内的流 量数据的统计数据。
图3中,除了由第一时间段内流量数据拟合而成的线性波形以外,还有两条由第一时间段内流量数据的统计数据拟合绘制的直线。其中一条直线是由年平均统计数据拟 合而成的直线,这条线与流量数据的波形有两个交点,第一个交点对应的日期为第一 销售周期的入季时间,即第一销售周期的具体开始日期,第二个交点对应的日期为第 一销售周期的出季时间,即第一销售周期的具体结束日期。
另一条直线是由年中位数统计数据拟合而成的直线,这条线与流量数据的波形有两 个交点,这两个交点之间所对应的时间段为第一销售周期爆发时间段。因此,本实施 例可以提供关于销售周期的,由数据支持的,准确的开始日期(入季时间)、结束日期 (出季时间)和爆发时间段。
统计数据可以包括各流量数据对应的统计数据:时间段内平均数(例如,年平均数, 为近365天各流量数据对应的平均数)、当日统计数据(当日流量数据与时间段内平均数的比值)、时间段内平均数统计数据(例如近365天分别对应的当日统计数据的平均 数)和时间段内中位数统计数据(近365天分别对应的当日统计数据的中位数)。在有 一种以上的流量数据时,统计数据还可以包括多种流量数据对应的综合统计数据,例 如,当日综合统计数据(多种流量数据对应的当日统计数据的综合数据)、时间段内平 均综合统计数据(例如近365天分别对应的当日综合统计数据的平均数)和时间段内中 位数综合统计数据(例如近365天分别对应的当日综合统计数据的中位数)等。
其中,为了获得更准确的流量数据,避免个别特殊情况的影响,可以以当前范围内的多天的平均流量数据作为当日的流量数据,例如,近7天各流量数据对应的平均数作 为当天的流量数据。
一种可选的实施例中,在基于商品对象在第一时间段内的流量数据,确定该商品对 象在第一时间段内对应的第一销售周期时,可以确定至少一种流量数据分别在第一时间段内的统计数据,涉及的流量数据包括商品对象的点击数据和/或购买数据。
一种可能的场景下,商品对象的点击数据和/或购买数据可以从该商品对象的销售 系统获取。例如,商品对象的销售系统对应为线下卖场。从商品对象的销售系统获取 的商品对象的点击数据和/或购买数据可以通过从与线下卖场相关联的数据系统导出其 所记录的第一时间段内的购买数据,即第一时间段内商品对象的销售额数据。又如, 商品对象的销售系统为电商平台的商品交易系统。从商品对象的销售系统获取的商品 对象的点击数据和/或购买数据可以通过从与电商平台服务器日志相关联的数据系统导 出其所记录的第一时间段内的点击数据和购买数据,即第一时间段内商品对象的PV (单页点击数据,Page View)和GMV(商品交易额,Gross Merchandise Volume)。
结合上例,在第一时间段内,选用PV和GMV这两种流量数据,则可能涉及到的 统计数据为周平均PV(近7天PV的平均数)、年平均PV(近365天PV的平均数)、 当日PV统计数据(周平均PV/年平均PV)、周平均GMV(近7天GMV的平均数)、 年平均GMV(近365天GMV的平均数)、当日GMV统计数据(周平均GMV/年平均 GMV)、当日综合统计数据(当日PV统计数据*PV权重+当日GMV统计数据*GMV 权重)、年平均综合统计数据和年中位数综合统计数据。
上述权重可以根据实际需求设定,或是根据不同场景下的流量数据多次实验测算调 优确定,本实施例对此不作限制。例如,当每种流量数据对第一销售周期的影响程度 相同时,假设共有n种流量数据,各流量数据的权重即为1/n,当每种流量数据对第一 销售周期的影响程度不同时,在确定第一销售周期时,需要特别为各种流量数据配置 可以表征其影响第一销售周期程度的权重,各项权重的值加和可以是1。
结合上例,选用PV和GMV这两种流量数据。若PV的权重为a,则GMV的权重 为(1-a)。例如,当PV对第一销售周期的影响程度高于GMV对第一销售周期的影响 程度时,可以为PV配置权重0.7,为GMV配置权重0.3。
一种可选的实施例中,在基于商品对象在第一时间段内的流量数据,确定商品对象 在第一时间段内对应的第一销售周期时,在确定了流量数据的相关统计数据后,可以比较流量数据的数据特征与统计数据的关系,提取第一时间段内一个连续的时间段为 第一销售周期,第一销售周期对应的流量数据与统计数据的比较关系,不同于所述第 一时间段内的其他时间段对应的流量数据与统计数据的比较关系。例如,使用年平均 综合统计数据作为比较依据,在一段连续的时间内,若流量数据的数据特征有先上升 后下降的整体趋势,且与年平均综合统计数据有两个交点,则可以确定两个交点之间 的时间段即为第一销售周期,第一个交点所对应的日期为第一销售周期的开始日期, 即入季时间,第二个交点所对应的日期为第一销售周期的结束日期,即出季时间。
一种可选的实施例中,向商品对象关联的数据系统提供第二销售周期的相关信息包 括确定第二销售周期的相关信息。由于受相同特殊因素影响而形成的销售周期通常表现出相似的数据特征,从而可以根据第一时间段内商品对象的第一销售周期,确定第 二时间段内的第二销售周期,因此,相对应地,也可以根据商品对象第一销售周期的 相关信息确定该商品对象第二销售周期的相关信息。具体可以根据销售周期的周期类 型的周期性来确定与第一销售周期具有相似数据特征的第二销售周期。例如,中秋节 以年为周期循环,可以根据2021年中秋节的销售周期为8-9月确定2022年中秋节的销 售周期也为8-9月。
一种可选的实施例中,可以根据商品对象相关信息中周期类型在第一销售周期和第 二销售周期对应的特征日期的差异,校正所确定的第二销售周期。也即是说,可以对 比第一销售周期的特征日期与第二销售周期的特征日期,根据第一销售周期的特征日 期比第二销售周期的特征日期提前或延后的天数,对第二销售周期做相应的提前或延 后相应天数的校正。也即是说,还可以根据销售周期的周期类型在第一销售周期对应 的时间点与第一销售周期的时间区间的关系,以及该周期类型在第二销售周期对应的 时间点来确定第二销售周期。例如,周期类型为中秋节,第一销售周期为2021年中秋 节的销售周期,开始日期和结束日期与2021年中秋节具有对应的时间间隔,可以根据 该时间间隔与2022年中秋节的特征日期确定第二销售周期。
例如,周期类型为中秋节,2021年中秋节的特征日期为9月21日,2022年中秋节 的特征日期为9月10日,商品对象在2021年中秋节的销售周期的相关信息为,入季时 间为8月20日,爆发时间段为9月3日至9月23日,出季时间为9月30日。在校正 前,根据2021年中秋节的销售周期确定2022年中秋节的销售周期的相关信息为,入季 时间为8月20日,爆发时间段为9月3日至9月23日,出季时间为9月30日。根据 2021年中秋节的日期与2022年中秋节的日期的差异,即2022年的中秋节比2021年的 中秋节提前了11天,校正后的2022年中秋节的销售周期的相关信息为:入季时间为8 月9日,爆发时间段为8月22日至9月12日,出季时间为9月19日。
其中,特征日期是指周期类型对应的日期,例如中秋节对应阴历8月15,国庆节对应10月1日到10月7日。
一种可选的实施例中,将商品对象在商品类目层级架构的下一层级的对象作为子商 品对象,向商品对象关联的数据系统提供的第二销售周期的相关信息包括该商品对象在商品类目层级架构的下一层级的子商品对象的信息。确定商品对象的第二销售周期 的相关信息包括,确定该商品对象在最小类目层级下对应的多个商品子对象,根据该 商品子对象的流量数据筛选至少一个目标子商品对象。其中,目标子商品对象是对某 一商品对象下属商品子对象,基于数据流量排序筛选的结果。例如,在确定一个最小 类目层级的商品对象的第二销售周期的相关信息时,可以筛选出该最小类目层级下对 应的子商品对象中至少一个,流量数据最大,即销售情况最佳的商品,进一步,还可 以筛选出该第二销售周期中销售情况最佳的品牌。
一种可选的实施例中,在确定第二销售周期的相关信息后,将相关信息同步至与对 应的商品对象关联的数据系统。也即是说,在确定商品对象在第二周期的相关信息后,可以将相关信息实时提供给与商品对象关联的数据系统。同步的方式可以是通过智能 客服向涉及到的数据系统发送相关信息,也可以是通过搭建数据看板的方式,将对相 关信息的实施监测情况向数据看板反馈,并同意与商品对象相关联的数据系统从数据 看板抓取或导出数据。
一种可选的实施例中,将相关信息同步至商品对象关联的数据系统可以包括将相关 信息同步至商品对象的销售平台所使用的管理体系的数据系统中。例如,可以将相关信息同步至商品对象的商品知识图谱中。商品知识图谱用于记录商品对象的相关数据 和标签信息。商品对象的标签信息包括商品对象的店铺名称标签、品牌标签、类目属 性标签、产地标签、功效标签、周期类型标签、卖点标签等。可以在商品知识图谱中 查找该商品对象,将该商品对象的相关信息添加至商品对象对应的标签信息中,将添 加相关信息的知识图谱同步至商品对象关联的数据系统。
一种可选的实施例中,与商品对象关联的数据系统可以是商品对象的商家的产品运 营端的数据系统。向商品对象的商家的产品运营端的数据系统提供商品对象的第二销售周期的相关信息,也即是说运营端可以掌握商品对象第二销售周期的相关信息,例 如入季时间、出季时间、爆发时间段、商品对象最小类目层级下销售情况较好的商品 或品牌,并根据这些相关信息提前制订运营策略,通过调整运营资源的使用力度、确 定一段时间内商品对象对应的运营优先级等方式应对第二销售周期的到来。
结合上例,一方面,运营端在对已有商品对象制订运营策略时,可以根据商品对象对应的第二销售周期的入季时间,优先运营更临近入季时间的商品对象。在入季时间 到来前,加大对将入季的相关商品对象的运营资源的使用力度。若有多个商品对象的 入季时间相同,可以优先运营第二销售周期数据特征更明显的商品对象。运营端在对 某一最小类目层级一选品时,可以直接获取并优先选择销售数据较好的商品或品牌。 相对应地,也可以根据出季时间,在出季时间前初步减少对相关商品对象运营资源的 使用力度,降低相关商品对象的运营优先级。对于电商平台上的商家,运营端可以在 入季时间到来前,提前为相关商品对象在用户侧交互界面透出导购标签,为用户提供 发现商品对象的路径,吸引用户对商品对象的关注,进一步,使商品对象可以在销售 端导购场景下获得更多展现机会,从而提高销售数据。
另一方面,运营端在为预备销售的商品对象制订运营策略,例如在为新品孵化做准 备时,可以根据该商品对象所属叶子类目对应的第二销售周期的相关信息,对该商品对象在第二时间段内的销售情况做预测,并制定相关运营策略。
一种可选的实施例中,与商品对象关联的数据系统可以是商品对象的销售端的数据 系统。向商品对象的销售端的数据系统提供商品对象的第二销售周期的相关信息,也即是说销售端可以直接掌握商品对象第二销售周期的相关信息,例如,入季时间、出 季时间、爆发时间段和周期类型周期,并根据相关信息提前制定销售计划,应对第二 销售周期。
结合上例,销售端导购可以根据商品对象在第二销售周期的相关信息,在第二时间 段为商品的销售策略做调整。例如,销售端可以从入季时间开始逐渐加大商品对象在更多导购场景下被展现的机会,也可以在爆发时间段前增大对相应商品对象的销售宣 传,迎接成交高峰的到来,并结合实施监测数据,及时调整销售策略,确保商品对象 跟随行业营销趋势。
一种可选的实施例中,与商品对象关联的数据系统可以是商品对象的供货端的数据 系统。向商品对象的供货端数据系统提供商品对象的第二销售周期的相关信息,也即是说,商品对象的供货端可以直接提前掌握商品对象在第二时间段内的相关信息,例 如入时间、出季时间,或流量数据的其他趋势特征,从而对该趋势有了准备周期,基 于预测数据在提前期对商品对象的进货补货以及库存清治等做合理规划,实现对第二 销售周期的高效应对。
结合上例,商品对象的第二销售周期的相关信息包括商品对象在第二周期的入季时 间,供货端可以根据该入季时间,提前制定进货补货计划,应对成交高峰期的到来。 相对应地,商品对象的第二销售周期的相关信息还可以包括商品对象在第二周期的出 季时间,供货端可以根据该出季时间,提前制定库存清治计划,避免库存积压。
一种可选的实施例中,还可以根据商品对象关联的数据系统选取第一销售周期的确 定方案。应用于不同业务场景下的数据系统,商品数据的处理方案可以基于原有方案,通过选取新的变量,适应新业务的实施场景。可以选取的变量包括实施例算法模型中 的参数、权重、计算公式,商品对象类目的归类方式、商品类目、商品对象流量数据 的选取、第一时间段区间长度等等,或以上变量的组合,本实施例对此不作限制。
例如,可以第一时间段的选取区间加以限制,避免促销活动对流量数据的干扰。也可以为流量数据配置最适用其销售平台的相应权重,使综合统计数据的计算结果更符 合实际,即更能代表商品对在第一时间段内的销售情况,以对做更准确的预测。
上述实施例给出了一种商品数据的处理的方法,所述实施例主要应用于电子商务平台和/或商品对象的其他销售平台。如下基于与商品对象关联的客户端的角度,给出 本申请另一种商品数据处理的方法的实施例。
图4是本申请另一实施例的商品数据处理的方法的流程图。该方法应用于与商品对 象关联的客户端,如图4所示,该方法包括:
步骤S401,确定目标商品对象。
步骤S402,获取所述目标商品对象在第二时间段内的第二销售周期,第二销售周期根据目标商品对象在第一时间段内对应的第一销售周期确定,第一销售周期基于目 标商品对象在第一时间段内的流量数据确定,目标商品对象在第一销售周期的流量数 据的数据特征区别于第一时间段内的其他时间段的流量数据的数据特征。
步骤S403,展示第二销售周期的相关信息,所述相关信息包括根据第二销售周期确定商品对象的处理策略。
本实施例应用于与商品对象相关联的客户端,其中,与商品对象相关联的客户端包 括与商品销售链路相关的客户端。涉及到的客户端的功能页面上相应配置有访问入口,客户端用户可以通过访问入口,提交信息用于确定商品对象,触发客户端向服务器发 起请求,以获得服务器相应的返回结果。将与上述需求信息相关的商品对象记为目标 商品对象,通过本申请实施例,用户可以直接在客户端获取关于目标商品对象的商品 数据处理结果。
相应的,上述功能界面中可以包括输入组件,通过读取用户在输入组件的输入确定 目标商品对象。输入组件包括选择框、填写框、下拉框或其他输入组件中的一种或多种。客户端用户可以通过在功能页面上的输入组件中,输入目标商品对象的标识信息, 从而使得客户端可以通过目标商品对象的标识信息确定目标商品对象,目标商品对象 的标识信息可以包括目标商品对象的名称、编号等中的至少一种信息。例如,客户端 功能页面上配置有选择框,选择框提供至少一个商品对象名称的选项,可以通过客户 端用户对选项的勾选,确定目标商品对象。又如,客户端功能页面上配置有填写框, 可以通过客户端用户在填写框内填写的商品对象的编号,确定目标商品对象。
在一种可能的场景中,功能页面上还可以提供日期选择框(用于选取第一时间段区 间和/或第二时间段区间)、流量数据选择框(用于选择流量数据)、流量数据权重配置输入框(用于为流量数据配置相应权重)等其他输入组件,用户可以根据需求进行选 择和/或输入,以获得符合需求的返回结果。
客户端在确定目标对象后,即可向服务器发起相关请求,获取服务器的返回结果并 在客户端中展示,也即是通过步骤S402获取目标商品对象在第二时间段内的第二销售周期,然后通过步骤S403将目标商品的第二销售周期的相关信息展示于客户端。可以 理解的是,在确定目标商品对象的第二销售周期的同时,也确定了第二销售周期的相 关信息,相关信息包括第二销售周期的入季时间、出季时间、爆发时间段、第二销售 周期的周期类型(例如季节、节日、节气或特殊天气中的至少一种)、目标商品对象的 处理策略,或是以上相关信息的组合。其中,涉及到的目标商品对象的处理策略对应 商品的运营、新产品开发、销售、生产或库存管理中的至少一个环节的处理策略。处 理策略可以根据第二销售周期的入季时间、出季时间、爆发时间段等相关信息生成, 例如,当客户端为目标商品对象的供应端的客户端时,处理策略可以包括在目标商品 对象的第二销售周期的入季时间到来前进行补货。
依据本申请实施例,与商品对象关联的客户端可以根据自身需求向服务器请求并获 取相应的返回结果,并在客户端获得目标商品对象第二销售周期相关信息的展示,帮助商品对象销售链路上的各端提前对商品的运营、新产品开发、销售、生产或库存计 划等进行提前规划。
与本申请实施例提供的方法的应用场景以及方法相对应地,本申请实施例还提供一种商品数据处理装置。如图5所示为本申请一实施例商品数据处理装置的结构框图, 该商品数据处理装置可以包括:
第一销售周期确定模块501,用于基于商品对象在第一时间段内的流量数据,确定所述商品对象在第一时间段内对应的第一销售周期,所述商品对象在所述第一销售周 期的流量数据的数据特征区别于所述第一时间段内的其他时间段的流量数据的数据特 征;
第二销售周期确定模块502,用于根据所述商品对象在所述第一时间段内对应的第 一销售周期,确定所述商品对象在第二时间段内的第二销售周期;
信息提供模块503,用于向所述商品对象关联的数据系统提供所述第二销售周期的 相关信息。
一种可选的实施例中,所述第一销售周期确定模块501包括:
统计子模块,用于确定商品对象在第一时间段内的流量数据的统计数据;
时间段提取子模块,用于提取连续的时间段作为第一销售周期,第一销售周期对应的流量数据与统计数据的比较关系,不同于第一时间段内的其他时间段对应的流量 数据与统计数据的比较关系。
一种可选的实施例中,所述统计子模块,具体用于确定至少一种流量数据分别在第一时间段内的统计数据,所述流量数据包括从所述商品对象的销售系统获取的商品 对象的点击数据和/或购买数据;根据各种流量数据对应的统计数据和权重,确定所有 流量数据对应的统计数据。
一种可选的实施例中,所述信息提供模块503包括:
信息确定子模块,用于确定所述第二销售周期的相关信息;
数据同步子模块,用于将所述相关信息同步至所述商品对象关联的数据系统。
一种可选的实施例中,所述相关信息包括与商品对象对应的第二销售周期的入季时间、出季时间、爆发时间段中至少一种,所述信息确定子模块,具体用于根据所述 第一销售周期中流量数据的变化趋势,确定与所述第一销售周期对应的第二销售周期 的入季时间、出季时间、爆发时间段中至少一种信息。
一种可选的实施例中,所述相关信息包括所述商品对象在商品类目层级架构的下一层级的子商品对象,所述信息确定子模块,具体用于确定所述商品对象在最小类目 层级下对应的多个子商品对象,根据所述子商品对象的流量数据筛选至少一个目标子 商品对象。
一种可选的实施例中,所述相关信息包括第二销售周期的周期类型,所述信息确定子模块,具体用于根据所述第二销售周期所处的时间段确定所述第二销售周期的周 期类型,所述周期类型包括季节、节日、节气或特殊天气。
一种可选的实施例中,所述数据同步子模块,具体用于在商品知识图谱中查找所述商品对象,将所述相关信息添加至所述商品对象对应的标签信息中;将添加相关信 息的商品知识图谱同步至所述商品对象关联的数据系统。
一种可选的实施例中,所述商品对象关联的数据系统包括:提供所述商品对象的商家的产品运营端、提供所述商品对象的销售端、生产所述商品对象的供货端中至少 一种。
一种可选的实施例中,所述装置还包括:校正模块,用于根据对应的周期类型在所述第一销售周期和第二销售周期对应的特征日期的差异,校正所确定的第二销售周 期。
一种可选的实施例中,所述装置还包括:方案确定模块,用于根据商品对象关联的数据系统选取的第一销售周期的确定方案。
与本申请实施例提供的方法的应用场景以及方法相对应地,本申请实施例还提供另一种商品数据处理装置。如图6所示为本申请另一实施例商品数据处理装置的结构框图,该商品数据处理装置可以包括:
商品对象确定模块601,用于确定目标商品对象。
第二销售周期预测模块602,用于预测商品对象在第二时间段内的第二销售周期,第二销售周期根据商品对象在第一时间段内对应的第一销售周期确定,第一销售周期 基于商品对象在第一时间段内的流量数据确定,商品对象在第一销售周期的流量数据 的数据特征区别于第一时间段内的其他时间段的流量数据的数据特征。
信息提供模块603,用于在与商品对象关联的客户端提供第二销售周期的相关信息 以及根据第二销售周期确定商品对象的处理策略。
本申请实施例各装置中的各模块的功能可以参见上述方法中的对应描述,并具备相应的有益效果,在此不再赘述。
图7为用来实现本申请实施例的电子设备的框图。如图7所示,该电子设备包括:存储器701和处理器702,存储器701内存储有可在处理器702上运行的计算机程序。 处理器702执行该计算机程序时实现上述实施例中的方法。存储器701和处理器702的 数量可以为一个或多个。
该电子设备还包括:
通信接口703,用于与外界设备进行通信,进行数据交互传输。
如果存储器701、处理器702和通信接口703独立实现,则存储器701、处理器702 和通信接口703可以通过总线相互连接并完成相互间的通信。该总线可以是工业标准体 系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture,EISA)总线等。该总线可以分为地址总线、数据总线、控制总 线等。为便于表示,图7中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的 总线。
可选的,在具体实现上,如果存储器701、处理器702及通信接口703集成在一块 芯片上,则存储器701、处理器702及通信接口703可以通过内部接口完成相互间的通 信。
本申请实施例提供了一种计算机可读存储介质,其存储有计算机程序,该程序被处理器执行时实现本申请实施例中提供的方法。
本申请实施例还提供了一种芯片,该芯片包括处理器,用于从存储器中调用并运行存储器中存储的指令,使得安装有芯片的通信设备执行本申请实施例提供的方法。
本申请实施例还提供了一种芯片,包括:输入接口、输出接口、处理器和存储器,输入接口、输出接口、处理器以及存储器之间通过内部连接通路相连,处理器用于执 行存储器中的代码,当代码被执行时,处理器用于执行申请实施例提供的方法。
应理解的是,上述处理器可以是中央处理器(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成 电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(FieldProgrammable 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是任何常规的处理器等。值 得说明的是,处理器可以是支持进阶精简指令集机器(Advanced RISC Machines, ARM)架构的处理器。
进一步地,可选的,上述存储器可以包括只读存储器和随机访问存储器。该存储器可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。 其中,非易失性存储器可以包括只读存储器(Read-Only Memory,ROM)、可编程只 读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM, EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易 失性存储器可以包括随机访问存储器(Random Access Memory,RAM),其用作外部高 速缓存。通过示例性但不是限制性说明,许多形式的RAM均可用。例如,静态随机访 问存储器(Static RAM,SRAM)、动态随机访问存储器(Dynamic Random Access Memory,DRAM)、同步动态随机访问存储器(Synchronous DRAM,SDRAM)、双倍 数据速率同步动态随机访问存储器(Double Data RateSDRAM,DDR SDRAM)、增强 型同步动态随机访问存储器(Enhanced SDRAM,ESDRAM)、同步链接动态随机访问 存储器(Sync link DRAM,SLDRAM)和直接内存总线随机访问存储器(Direct Rambus RAM,DR RAM)。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。计算机程 序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时,全部 或部分地产生依照本申请的流程或功能。计算机可以是通用计算机、专用计算机、计 算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中,或 者从一个计算机可读存储介质向另一个计算机可读存储介质传输。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或 者特点包括于本申请的至少一个实施例或示例中。而且,描述的具体特征、结构、材 料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互 矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不 同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示 或隐含地包括至少一个该特征。在本申请的描述中,“多个”的含义是两个或两个以上, 除非另有明确具体的限定。
流程图中描述的或在此以其他方式描述的任何过程或方法可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片 段或部分。并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出 或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功 能。
在流程图中描述的或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中, 以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可 以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执 行系统、装置或设备而使用。
应理解的是,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在 上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执 行的软件或固件来实现。上述实施例方法的全部或部分步骤是可以通过程序来指令相 关的硬件完成,该程序可以存储于一种计算机可读存储介质中,该程序在执行时,包 括方法实施例的步骤之一或其组合。
此外,在本申请各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成 的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。上述集成 的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储 在一个计算机可读存储介质中。该存储介质可以是只读存储器,磁盘或光盘等。
以上所述,仅为本申请的示例性实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请记载的技术范围内,可轻易想到其各种变化 或替换,这些都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利 要求的保护范围为准。
Claims (14)
1.一种商品数据的处理方法,其特征在于,包括:
基于商品对象在第一时间段内的流量数据,确定所述商品对象在第一时间段内对应的第一销售周期,所述商品对象在所述第一销售周期的流量数据的数据特征区别于所述第一时间段内的其他时间段的流量数据的数据特征;
根据所述商品对象在所述第一时间段内对应的第一销售周期,确定所述商品对象在第二时间段内的第二销售周期;
向所述商品对象关联的数据系统提供所述第二销售周期的相关信息。
2.根据权利要求1所述的方法,其特征在于,所述基于商品对象在第一时间段内的流量数据,确定所述商品对象在第一时间段内对应的第一销售周期包括:
确定所述商品对象在第一时间段内的流量数据的统计数据;
提取连续的时间段作为第一销售周期,所述第一销售周期对应的流量数据与所述统计数据的比较关系,不同于所述第一时间段内的其他时间段对应的流量数据与所述统计数据的比较关系。
3.根据权利要求2所述的方法,其特征在于,所述确定所述商品对象在第一时间段内的流量数据的统计数据包括:
确定至少一种流量数据分别在第一时间段内的统计数据,所述流量数据包括商品对象的点击数据和/或购买数据;
根据各种流量数据对应的统计数据和权重,确定在所述第一时间段内所有流量数据对应的统计数据。
4.根据权利要求1所述的方法,其特征在于,所述向所述商品对象关联的数据系统提供所述第二销售周期的相关信息包括:
确定所述第二销售周期的相关信息;
将所述相关信息同步至所述商品对象关联的数据系统。
5.根据权利要求4所述的方法,其特征在于,所述相关信息包括与商品对象对应的第二销售周期的入季时间、出季时间、爆发时间段中至少一种,所述确定所述第二销售周期的相关信息包括:
根据所述第一销售周期中流量数据的变化趋势,确定与所述第一销售周期对应的第二销售周期的入季时间、出季时间、爆发时间段中至少一种信息。
6.根据权利要求4所述的方法,其特征在于,所述相关信息包括所述商品对象在商品类目层级架构的下一层级的子商品对象,所述确定所述第二销售周期的相关信息包括:
确定所述商品对象在最小类目层级下对应的多个子商品对象,根据所述子商品对象的流量数据筛选至少一个目标子商品对象。
7.根据权利要求4所述的方法,其特征在于,所述相关信息包括第二销售周期的周期类型,所述确定所述第二销售周期的相关信息包括:
根据所述第二销售周期所处的时间段确定所述第二销售周期的周期类型,所述周期类型包括季节、节日、节气或特殊天气。
8.根据权利要求4所述的方法,其特征在于,所述将所述相关信息同步至所述商品对象关联的数据系统包括:
在商品知识图谱中查找所述商品对象,将所述相关信息添加至所述商品对象对应的标签信息中;
将添加相关信息的商品知识图谱同步至所述商品对象关联的数据系统。
9.根据权利要求1所述的方法,其特征在于,所述商品对象关联的数据系统包括:
提供所述商品对象的商家的产品运营端、提供所述商品对象的销售端、生产所述商品对象的供货端中至少一种。
10.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据对应的周期类型在所述第一销售周期和第二销售周期对应的特征日期的差异,校正所确定的第二销售周期。
11.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述商品对象关联的数据系统选取所述的第一销售周期的确定方案。
12.一种商品数据的处理方法,应用于与商品对象关联的客户端,所述方法包括:
确定目标商品对象;
获取所述目标商品对象在第二时间段内的第二销售周期,所述第二销售周期根据所述目标商品对象在所述第一时间段内对应的第一销售周期确定,所述第一销售周期基于目标商品对象在第一时间段内的流量数据确定,所述目标商品对象在所述第一销售周期的流量数据的数据特征区别于所述第一时间段内的其他时间段的流量数据的数据特征;
展示所述第二销售周期的相关信息,所述相关信息包括根据所述第二销售周期确定目标商品对象的处理策略。
13.一种电子设备,包括存储器、处理器及存储在存储器上的计算机程序,所述处理器在执行所述计算机程序时实现权利要求1-12中任一项所述的方法。
14.一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-12中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211067436.3A CN115660708A (zh) | 2022-09-01 | 2022-09-01 | 商品数据的处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211067436.3A CN115660708A (zh) | 2022-09-01 | 2022-09-01 | 商品数据的处理方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115660708A true CN115660708A (zh) | 2023-01-31 |
Family
ID=85024405
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211067436.3A Pending CN115660708A (zh) | 2022-09-01 | 2022-09-01 | 商品数据的处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115660708A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116415984A (zh) * | 2023-06-09 | 2023-07-11 | 江苏圣骏智能科技有限公司 | 一种分布式自助机的管理系统及方法 |
-
2022
- 2022-09-01 CN CN202211067436.3A patent/CN115660708A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116415984A (zh) * | 2023-06-09 | 2023-07-11 | 江苏圣骏智能科技有限公司 | 一种分布式自助机的管理系统及方法 |
CN116415984B (zh) * | 2023-06-09 | 2023-08-18 | 江苏圣骏智能科技有限公司 | 一种分布式自助机的管理系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20170109767A1 (en) | Real-time dynamic pricing system | |
CA2471294A1 (en) | Sales optimization | |
Banerjee et al. | Optimal procurement and pricing policies for inventory models with price and time dependent seasonal demand | |
CN106503258A (zh) | 一种网站站内精确搜索方法 | |
US10089587B1 (en) | Budget planner for softlines | |
US20200005209A1 (en) | Method and system for optimizing an item assortment | |
Namin et al. | An empirical analysis of demand variations and markdown policies for fashion retailers | |
CN106228401A (zh) | 一种销售系统 | |
CN115660708A (zh) | 商品数据的处理方法、装置、电子设备及存储介质 | |
US20220188756A1 (en) | Systems and methods for inventory control and optimization | |
CN111445133A (zh) | 一种材料管理方法、装置、计算机设备和存储介质 | |
CN107016463A (zh) | 产品成本预测方法及系统 | |
KR101794936B1 (ko) | 가중치를 이용한 수입 패션 상품 가격 책정 방법 | |
CN112700196A (zh) | 商品采购方法、装置、存储介质及电子设备 | |
Menkhaus et al. | Food retailing and supply chain linkages in the Russian Federation | |
Rich et al. | Policy options for sustainability and resilience in potato value chains in Bihar: a system dynamics approach | |
CN115564498A (zh) | 一种基于大数据多维模型经营决策支持系统 | |
CN115860786A (zh) | 一种基于大数据的销售管理方法及装置 | |
CN107492026A (zh) | 农产品交易中订单管理方法及系统 | |
CN113139835A (zh) | 数据处理方法、装置、非易失性存储介质及处理器 | |
KR20170076404A (ko) | 빅데이터를 이용한 수입 패션 상품 가격 책정 방법 | |
US20170213228A1 (en) | System and method for grouped analysis via geographically distributed servers | |
CN110163547A (zh) | 库存确定方法和库存确定装置 | |
US11966869B2 (en) | Systems and methods for simulating qualitative assumptions | |
CN112990955B (zh) | 收益预测方法、收益预测系统及图案化用户接口 |
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 |