CN116468464A - 基于大数据的商品智能定价方法及系统 - Google Patents
基于大数据的商品智能定价方法及系统 Download PDFInfo
- Publication number
- CN116468464A CN116468464A CN202310541053.3A CN202310541053A CN116468464A CN 116468464 A CN116468464 A CN 116468464A CN 202310541053 A CN202310541053 A CN 202310541053A CN 116468464 A CN116468464 A CN 116468464A
- Authority
- CN
- China
- Prior art keywords
- commodity
- price
- sales
- internet
- heat
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000005516 engineering process Methods 0.000 claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 230000001932 seasonal effect Effects 0.000 claims abstract description 5
- 230000011218 segmentation Effects 0.000 claims description 21
- 238000004422 calculation algorithm Methods 0.000 claims description 20
- 238000010801 machine learning Methods 0.000 claims description 13
- 238000004519 manufacturing process Methods 0.000 claims description 12
- 230000002860 competitive effect Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 239000013070 direct material Substances 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 6
- 230000003203 everyday effect Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 abstract description 8
- 238000013480 data collection Methods 0.000 abstract description 8
- 230000008901 benefit Effects 0.000 abstract description 5
- 230000002354 daily effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012946 outsourcing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000010025 steaming Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
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
- G06Q30/0206—Price or cost determination based on market factors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9532—Query formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Marketing (AREA)
- Computing Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于大数据的商品智能定价方法及系统，属于大数据应用与分析技术领域，本发明要解决的技术问题为在自身不参与数据收集的前提下，如何通过合理的定价为公司带来最大收益，完成公司产品定价及趋势定价变化分析，采用的技术方案为：该方法是通过商品特征关键词，与互联网热点词汇及同类商品进行拟合分析，预测商品定价，并根据消费趋势及商品和季节变化，不断对价格趋势进行分析；具体如下：获取商品名称，对商品名称进行预处理获取商品分类和特征；根据商品分类和特征，自动检索相关销售平台，择优选择销售平台；利用大数据技术，根据商品所属分类，计算对应商品的平均成本，并进行适当调整。
Description
技术领域
本发明涉及大数据应用与分析技术领域，具体地说是一种基于大数据的商品智能定价方法及系统。
背景技术
如今的社会是一个包围着人工智能、云计算、大数据等的科技时代，各行各业因为大幅爆发的数据而正变得蒸蒸日上。在这10年中，几乎所有行业都或多或少的受到这一巨变的影响。科技渗透到各个领域，并且已经成为每个处理单元的必要元素。
智能定价是在目前决定公司存活的重要因素之一。因此，需要有竞争力的智能定价来维持利润并通过足够的利润在不同时期内维持公司生计。但是，具有竞争力的智能定价数据不是凭空产生的，是需要收集和组织来进行分析的。出于这个原因，公司执行每一项任务，包括公共数据收集和组织、分析和决策制定，以及公司可能遇到的其它任务，可能都会比较有挑战性。
这些相互矛盾的方面需要重新思考——企业可以不做数据收集，将数据收集外包给专门从事数据收集的公司，这样企业就可以只专注于数据驱动的决策制定。
目前市场竞争激烈，故在自身不参与数据收集的前提下，如何通过合理的定价为公司带来最大收益，完成公司产品定价及趋势定价变化分析是目前亟待解决的技术问题。
发明内容
本发明的技术任务是提供一种基于大数据的商品智能定价方法及系统，来解决在自身不参与数据收集的前提下，如何通过合理的定价为公司带来最大收益，完成公司产品定价及趋势定价变化分析的问题。
本发明的技术任务是按以下方式实现的，一种基于大数据的商品智能定价方法，该方法是通过商品特征关键词，与互联网热点词汇及同类商品进行拟合分析，预测商品定价，并根据消费趋势及商品和季节变化，不断对价格趋势进行分析；具体如下：
获取商品名称，对商品名称进行预处理获取商品分类和特征；
根据商品分类和特征，自动检索相关销售平台，择优选择销售平台；
利用大数据技术，根据商品所属分类，计算对应商品的平均成本，并进行适当调整；
检索商品的特征关键词，在互联网平台利用互联网爬虫技术及机器学习算法分析获取竞品商品及特征词、价格、销售及库存情况的信息；
检索商品特征关键词的互联网热度，获取当前商品的热度，根据预设热度算法为当前商品热度打分1-10分；
根据均衡评估方法估算出均衡价格；
根据均衡价格、互联网热度及竞品平均销量的信息，计算最终价格；
初步定价后，每日根据消费反馈、销售情况、销售平台的竞品产品的热度走势，预测产品预测走势，不断获取预测新的合适价格。
作为优选，获取商品名称，对商品名称进行预处理获取商品分类和特征具体如下：
根据商品名称采用文本分词技术对商品名称进行分词预处理操作；
利用机器学习算法，根据分词匹配预设特征词和预设分类分析出商品的所属类，类目设置多层分类，细致区分；
根据分类，检索出特征及卖点关键信息。
作为优选，生成成本的公式如下：
生产成本＝直接材料+直接工资+直接费用及销售成本＝生产成本+销售费用。作为优选，均衡价格的公式如下：
P＝MC/Q；
其中，P表示价格；MC表示市场供应商给出的最大价格，具体指互联网相关竞品的最大价格；Q表示市场供应量，即互联网抓取的竞品的库存。
作为优选，最终价格的公式如下：
PE＝P+L1*R*P+L2*P；
其中，PE指最终预测价格；L1指互联网热度系数，即竞品最大价格/均衡价格；R指互联网热度分值；L2指销量系数,即本商品市场销量/竞品平均销量。
一种基于大数据的商品智能定价系统，该系统包括，
预处理模块，用于获取商品名称，对商品名称进行预处理获取商品分类和特征；
检索模块，用于根据商品分类和特征，自动检索相关销售平台，择优选择销售平台；
成本计算模块，用于利用大数据技术，根据商品所属分类计算对应商品的平均成本，并进行适当调整；
信息获取模块，用于检索商品的特征关键词，在互联网平台利用互联网爬虫技术及机器学习算法分析获取竞品商品及特征词、价格、销售及库存情况的信息；
热度获取模块，用于检索商品特征关键词的互联网热度，获取当前商品的热度，根据预设热度算法为当前商品热度打分1-10分；
估算模块，用于根据均衡评估方法估算出均衡价格；
价格计算模块，用于根据均衡价格、互联网热度及竞品平均销量的信息，计算最终价格；
预测模块，用于初步定价后，每日根据消费反馈、销售情况、销售平台的竞品产品的热度走势，预测产品预测走势，不断获取预测新的合适价格。
作为优选，所述预处理模块包括，
分词子模块，用于根据商品名称采用文本分词技术对商品名称进行分词预处理操作；
分类子模块，用于利用机器学习算法，根据分词匹配预设特征词和预设分类分析出商品的所属类，类目设置多层分类，细致区分；
检索子模块，用于根据分类，检索出特征及卖点关键信息。
更优地，生成成本的公式如下：
生产成本＝直接材料+直接工资+直接费用及销售成本＝生产成本+销售费用；均衡价格的公式如下：
P＝MC/Q；
其中，P表示价格；MC表示市场供应商给出的最大价格，具体指互联网相关竞品的最大价格；Q表示市场供应量，即互联网抓取的竞品的库存；
最终价格的公式如下：
PE＝P+L1*R*P+L2*P；
其中，PE指最终预测价格；L1指互联网热度系数，即竞品最大价格/均衡价格；R指互联网热度分值；L2指销量系数,即本商品市场销量/竞品平均销量。
一种电子设备，包括：存储器和至少一个处理器；
其中，所述存储器上存储有计算机程序；
所述至少一个处理器执行所述存储器存储的计算机程序，使得所述至少一个处理器执行如上述的基于大数据的商品智能定价方法。
一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序可被处理器执行以实现如上述的基于大数据的商品智能定价方法。
本发明的基于大数据的商品智能定价方法及系统具有以下优点：
(一)本发明通过输入商品特性关键词，与互联网热点词汇及同类商品进行拟合分析，预测商品定价，并根据消费趋势及商品和季节变化，不断对价格趋势进行分析，提高了日常消费商品定价的合理性，有助于商家商品销售，解决了商品定价不合理带来的商品销售困扰问题，利用大数据，避免主观判断错误，减少人工投入，为定价提供便利；
(二)零售商家利用本发明可根据销售的日常商品关键词匹配互联网上该领域主流销售平台上的同类商品销售情况，并根据目前互联网已有的一些词云热度产品分析产品热度走势，结合季节等其他变化因素，综合得出商品预测售价，在得出初步定价后，根据市场反应可人工灵活调整价格变化，或者根据销售情况，设置热度预警机制，及时调整价格体系；
(三)本发明适用于电子商务日常消费品网络零售体系，主流电商平台可根据所属行业指定参考平台范围，增加数据的客观可信度，同类商品是指根据关键词及商品的主要名称区分类目及与其他产品的相似性和独特性；
(四)本发明的词云热度分析是指将关键词匹配互联网上已有的一些其他成熟的热度词云分析软件，综合判断其热度走向；另一种方式也可根据商品特性，利用互联网采集技术对功开的相关热度词云数据进行定期抓取，研究其热度变化情况，帮助产品定价趋势；
(五)本发明初步定价后的价格反馈调整是指一次性定价往往不具有准确性，可以在初次定价后，根据销售情况以及该商品相关特性的热度及时的调整商品的定价，使得商品获得更好的销售，更具有竞争力；
(六)本发明在成本基础上，结合互联网信息，综合定价，并根据产品销售走势，消费反馈，以及热度情况，在不定时范围内，自动判断价格走势预警及定价趋势建议；
(七)本发明价格预测趋势是参考性的，商家可根据自身情况决定是否参考该价格建议；
(八)本发明利用大数据综合分析，借助机器学习算法、市场价格指数等模型，建立数据模型，采用多层神经网络和支持向量机等算法，通过对历史数据的学习和模型的优化，可以对未来的数据进行预测和估值，帮助零售商家对日常消费商品进行智能定价，大数据目前渗透入各行各业，面对各个公司，在自身不参与数据收集的前提下，与大数据结合，借助大数据分析优势，解决了公司产品定价及趋势定价变化的问题；
(九)本发明避免了定价不合理造成的产品销售困扰，利用大数据，为公司产品合理定价，增加市场占有率。
附图说明
下面结合附图对本发明进一步说明。
附图1为基于大数据的商品智能定价方法的流程框图。
具体实施方式
参照说明书附图和具体实施例对本发明的基于大数据的商品智能定价方法及系统作以下详细地说明。
实施例1：
本实施例提供了一种基于大数据的商品智能定价方法，该方法是通过商品特征关键词，与互联网热点词汇及同类商品进行拟合分析，预测商品定价，并根据消费趋势及商品和季节变化，不断对价格趋势进行分析；具体如下：
S1、获取商品名称，对商品名称进行预处理获取商品分类和特征；
S2、根据商品分类和特征，自动检索相关销售平台，择优选择销售平台；
S3、利用大数据技术，根据商品所属分类，计算对应商品的平均成本，并进行适当调整；
S4、检索商品的特征关键词，在互联网平台利用互联网爬虫技术及机器学习算法分析获取竞品商品及特征词、价格、销售及库存情况的信息；
S5、检索商品特征关键词的互联网热度，获取当前商品的热度，根据预设热度算法为当前商品热度打分1-10分；
S6、根据均衡评估方法估算出均衡价格；
S7、根据均衡价格、互联网热度及竞品平均销量的信息，计算最终价格；
S8、初步定价后，每日根据消费反馈、销售情况、销售平台的竞品产品的热度走势，预测产品预测走势，不断获取预测新的合适价格。
本实施例步骤S1中的获取商品名称，对商品名称进行预处理获取商品分类和特征具体如下：
S101、根据商品名称采用文本分词技术对商品名称进行分词预处理操作；
S102、利用机器学习算法，根据分词匹配预设特征词和预设分类分析出商品的所属类，类目设置多层分类，细致区分；
S103、根据分类，检索出特征及卖点关键信息。
本实施例步骤S3中的生成成本的公式如下：
生产成本＝直接材料+直接工资+直接费用及销售成本＝生产成本+销售费用。本实施例步骤S5中的均衡价格的公式如下：
P＝MC/Q；
其中，P表示价格；MC表示市场供应商给出的最大价格，具体指互联网相关竞品的最大价格；Q表示市场供应量，即互联网抓取的竞品的库存。
本实施例步骤S7中的最终价格的公式如下：
PE＝P+L1*R*P+L2*P；
其中，PE指最终预测价格；L1指互联网热度系数，即竞品最大价格/均衡价格；R指互联网热度分值；L2指销量系数,即本商品市场销量/竞品平均销量。
实施例2：
本实施例提供了一种基于大数据的商品智能定价系统，该系统包括，
预处理模块，用于获取商品名称，对商品名称进行预处理获取商品分类和特征；
检索模块，用于根据商品分类和特征，自动检索相关销售平台，择优选择销售平台；
成本计算模块，用于利用大数据技术，根据商品所属分类计算对应商品的平均成本，并进行适当调整；
信息获取模块，用于检索商品的特征关键词，在互联网平台利用互联网爬虫技术及机器学习算法分析获取竞品商品及特征词、价格、销售及库存情况的信息；
热度获取模块，用于检索商品特征关键词的互联网热度，获取当前商品的热度，根据预设热度算法为当前商品热度打分1-10分；
估算模块，用于根据均衡评估方法估算出均衡价格；
价格计算模块，用于根据均衡价格、互联网热度及竞品平均销量的信息，计算最终价格；
预测模块，用于初步定价后，每日根据消费反馈、销售情况、销售平台的竞品产品的热度走势，预测产品预测走势，不断获取预测新的合适价格。
本实施例中的预处理模块包括，
分词子模块，用于根据商品名称采用文本分词技术对商品名称进行分词预处理操作；
分类子模块，用于利用机器学习算法，根据分词匹配预设特征词和预设分类分析出商品的所属类，类目设置多层分类，细致区分；
检索子模块，用于根据分类，检索出特征及卖点关键信息。
本实施例中，生成成本的公式如下：
生产成本＝直接材料+直接工资+直接费用及销售成本＝生产成本+销售费用。本实施例中，均衡价格的公式如下：
P＝MC/Q；
其中，P表示价格；MC表示市场供应商给出的最大价格，具体指互联网相关竞品的最大价格；Q表示市场供应量，即互联网抓取的竞品的库存。
本实施例中，最终价格的公式如下：
PE＝P+L1*R*P+L2*P；
其中，PE指最终预测价格；L1指互联网热度系数，即竞品最大价格/均衡价格；R指互联网热度分值；L2指销量系数,即本商品市场销量/竞品平均销量。
实施例3：
本发明实施例还提供了一种电子设备，包括：存储器和至少一个处理器；
其中，所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行本发明任一实施例中的基于大数据的商品智能定价方法。
实施例4：
本发明实施例还提供了一种计算机可读存储介质，其中存储有多条指令，指令由处理器加载，使处理器执行本发明任一实施例中的基于大数据的商品智能定价方法。具体地，可以提供配有存储介质的系统或者装置，在该存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码，且使该系统或者装置的计算机(或CPU或MPU)读出并执行存储在存储介质中的程序代码。
在这种情况下，从存储介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能，因此程序代码和存储程序代码的存储介质构成了本发明的一部分。
用于提供程序代码的存储介质实施例包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RYM、DVD-RW、DVD+RW)、磁带、非易失性存储卡和ROM。可选择地，可以由通信网络从服务器计算机上下载程序代码。
此外，应该清楚的是，不仅可以通过执行计算机所读出的程序代码，而且可以通过基于程序代码的指令使计算机上操作的操作系统等来完成部分或者全部的实际操作，从而实现上述实施例中任意一项实施例的功能。
此外，可以理解的是，将由存储介质读出的程序代码写到插入计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展单元中设置的存储器中，随后基于程序代码的指令使安装在扩展板或者扩展单元上的CPU等来执行部分和全部实际操作，从而实现上述实施例中任一实施例的功能。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种基于大数据的商品智能定价方法，其特征在于，该方法是通过商品特征关键词，与互联网热点词汇及同类商品进行拟合分析，预测商品定价，并根据消费趋势及商品和季节变化，不断对价格趋势进行分析；具体如下：
获取商品名称，对商品名称进行预处理获取商品分类和特征；
根据商品分类和特征，自动检索相关销售平台，择优选择销售平台；
利用大数据技术，根据商品所属分类，计算对应商品的平均成本，并进行适当调整；
检索商品的特征关键词，在互联网平台利用互联网爬虫技术及机器学习算法分析获取竞品商品及特征词、价格、销售及库存情况的信息；
检索商品特征关键词的互联网热度，获取当前商品的热度，根据预设热度算法为当前商品热度打分1-10分；
根据均衡评估方法估算出均衡价格；
根据均衡价格、互联网热度及竞品平均销量的信息，计算最终价格；
初步定价后，每日根据消费反馈、销售情况、销售平台的竞品产品的热度走势，预测产品预测走势，不断获取预测新的合适价格。
2.根据权利要求1所述的基于大数据的商品智能定价方法，其特征在于，获取商品名称，对商品名称进行预处理获取商品分类和特征具体如下：
根据商品名称采用文本分词技术对商品名称进行分词预处理操作；
利用机器学习算法，根据分词匹配预设特征词和预设分类分析出商品的所属类，类目设置多层分类，细致区分；
根据分类，检索出特征及卖点关键信息。
3.根据权利要求1所述的基于大数据的商品智能定价方法，其特征在于，生成成本的公式如下：
生产成本＝直接材料+直接工资+直接费用及销售成本＝生产成本+销售费用。
4.根据权利要求1所述的基于大数据的商品智能定价方法，其特征在于，均衡价格的公式如下：
P＝MC/Q；
其中，P表示价格；MC表示市场供应商给出的最大价格，具体指互联网相关竞品的最大价格；Q表示市场供应量，即互联网抓取的竞品的库存。
5.根据权利要求1所述的基于大数据的商品智能定价方法，其特征在于，最终价格的公式如下：
PE＝P+L1*R*P+L2*P；
其中，PE指最终预测价格；L1指互联网热度系数，即竞品最大价格/均衡价格；R指互联网热度分值；L2指销量系数,即本商品市场销量/竞品平均销量。
6.一种基于大数据的商品智能定价系统，其特征在于，该系统包括，
预处理模块，用于获取商品名称，对商品名称进行预处理获取商品分类和特征；
检索模块，用于根据商品分类和特征，自动检索相关销售平台，择优选择销售平台；
成本计算模块，用于利用大数据技术，根据商品所属分类计算对应商品的平均成本，并进行适当调整；
信息获取模块，用于检索商品的特征关键词，在互联网平台利用互联网爬虫技术及机器学习算法分析获取竞品商品及特征词、价格、销售及库存情况的信息；
热度获取模块，用于检索商品特征关键词的互联网热度，获取当前商品的热度，根据预设热度算法为当前商品热度打分1-10分；
估算模块，用于根据均衡评估方法估算出均衡价格；
价格计算模块，用于根据均衡价格、互联网热度及竞品平均销量的信息，计算最终价格；
预测模块，用于初步定价后，每日根据消费反馈、销售情况、销售平台的竞品产品的热度走势，预测产品预测走势，不断获取预测新的合适价格。
7.根据权利要求6所述的基于大数据的商品智能定价系统，其特征在于，所述预处理模块包括，
分词子模块，用于根据商品名称采用文本分词技术对商品名称进行分词预处理操作；
分类子模块，用于利用机器学习算法，根据分词匹配预设特征词和预设分类分析出商品的所属类，类目设置多层分类，细致区分；
检索子模块，用于根据分类，检索出特征及卖点关键信息。
8.根据权利要求6或7所述的基于大数据的商品智能定价系统，其特征在于，生成成本的公式如下：
生产成本＝直接材料+直接工资+直接费用及销售成本＝生产成本+销售费用；
均衡价格的公式如下：
P＝MC/Q；
其中，P表示价格；MC表示市场供应商给出的最大价格，具体指互联网相关竞品的最大价格；Q表示市场供应量，即互联网抓取的竞品的库存；
最终价格的公式如下：
PE＝P+L1*R*P+L2*P；
其中，PE指最终预测价格；L1指互联网热度系数，即竞品最大价格/均衡价格；R指互联网热度分值；L2指销量系数,即本商品市场销量/竞品平均销量。
9.一种电子设备，其特征在于，包括：存储器和至少一个处理器；
其中，所述存储器上存储有计算机程序；
所述至少一个处理器执行所述存储器存储的计算机程序，使得所述至少一个处理器执行如权利要求1至5任一项所述的基于大数据的商品智能定价方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，所述计算机程序可被处理器执行以实现如权利要求1至5中任一项所述的基于大数据的商品智能定价方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310541053.3A CN116468464A (zh) | 2023-05-12 | 2023-05-12 | 基于大数据的商品智能定价方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310541053.3A CN116468464A (zh) | 2023-05-12 | 2023-05-12 | 基于大数据的商品智能定价方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116468464A true CN116468464A (zh) | 2023-07-21 |
Family
ID=87182580
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310541053.3A Pending CN116468464A (zh) | 2023-05-12 | 2023-05-12 | 基于大数据的商品智能定价方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116468464A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117217787A (zh) * | 2023-08-28 | 2023-12-12 | 南京财经大学 | 一种基于管理科学的消费平台数据分析处理系统 |
| CN117252632A (zh) * | 2023-11-17 | 2023-12-19 | 北京北清博育信息技术研究有限公司 | 一种基于计算机的商品价格分析系统及方法 |
-
2023
- 2023-05-12 CN CN202310541053.3A patent/CN116468464A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117217787A (zh) * | 2023-08-28 | 2023-12-12 | 南京财经大学 | 一种基于管理科学的消费平台数据分析处理系统 |
| CN117217787B (zh) * | 2023-08-28 | 2024-05-07 | 南京财经大学 | 一种基于管理科学的消费平台数据分析处理系统 |
| CN117252632A (zh) * | 2023-11-17 | 2023-12-19 | 北京北清博育信息技术研究有限公司 | 一种基于计算机的商品价格分析系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20180047071A1 (en) | System and methods for aggregating past and predicting future product ratings | |
| KR101913591B1 (ko) | 비정형 데이터를 정형화하여 금융상품을 추천하는 방법 | |
| CN116468464A (zh) | 基于大数据的商品智能定价方法及系统 | |
| CN114219169A (zh) | 颖幡供应链销售和库存预测算法模型和应用系统 | |
| Gangurde et al. | Building prediction model using market basket analysis | |
| CN116739217A (zh) | 一种基于供应链大数据平台的零售管理方法及系统 | |
| Verma et al. | Data mining: next generation challenges and futureDirections | |
| Stahl et al. | Analytics applications in fashion supply chain management—A review of literature and practice | |
| KR20240002900A (ko) | 데이터 이코노미에서 금융 데이터 가치 측정 방법 및 이러한 방법을 수행하는 장치 | |
| Wu et al. | [Retracted] Using the Mathematical Model on Precision Marketing with Online Transaction Data Computing | |
| CN116012086A (zh) | 商品价格的评估方法、装置、电子设备及存储介质 | |
| Gunjal et al. | Fusing clustering and machine learning techniques for Big-Mart sales predication | |
| CN111639274B (zh) | 线上商品智能排序方法、装置、计算机设备和存储介质 | |
| WO2021192232A1 (ja) | 商品推薦システム、商品推薦装置、商品推薦方法、及び、商品推薦プログラムが格納された記録媒体 | |
| Jain et al. | Application of association rule mining in a clothing retail store | |
| Van Nguyen et al. | Digital transformation for cost estimation system via meta-learning and an empirical study in aerospace industry | |
| Martasari | Impact of Industrial Technology 4.0 In Improving Service Quality and Customer Experience on E-Commerce Platforms: Literature Review | |
| Rahman et al. | Advancements in Retail Price Optimization: Leveraging Machine Learning Models for Profitability and Competitiveness | |
| CN117236663B (zh) | 一种基于人工智能的计算机数据分析方法及系统 | |
| Chen et al. | Strategic Decision-making Processes of NPD by Hybrid Classification Model Techniques | |
| Rogić et al. | Estimating Customers’ Profitability: Influence of RFM Attributes, Web Metrics and Product Data | |
| Pitani et al. | Predicting Online Sales: A Machine Learning Approach for Sales Forecasting in Online Platform | |
| CN117035947B (zh) | 基于大数据处理的农产品数据分析方法及云平台 | |
| US20240054515A1 (en) | System and method for forecasting commodities and materials for part production | |
| TWI769385B (zh) | 金融商品之潛在購買客群篩選方法及其系統 |
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 |