CN116777571B - 基于大数据及互联网平台的商户推荐及采购方法及其系统 - Google Patents
基于大数据及互联网平台的商户推荐及采购方法及其系统 Download PDFInfo
- Publication number
- CN116777571B CN116777571B CN202311054377.0A CN202311054377A CN116777571B CN 116777571 B CN116777571 B CN 116777571B CN 202311054377 A CN202311054377 A CN 202311054377A CN 116777571 B CN116777571 B CN 116777571B
- Authority
- CN
- China
- Prior art keywords
- commodity
- month
- platform
- sales
- commercial
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000004458 analytical method Methods 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 24
- 239000013065 commercial product Substances 0.000 claims description 91
- 230000008859 change Effects 0.000 claims description 38
- 239000000047 product Substances 0.000 claims description 28
- 238000005111 flow chemistry technique Methods 0.000 claims description 24
- 230000001360 synchronised effect Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000010960 commercial process Methods 0.000 claims 1
- 238000007689 inspection Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及采购的技术领域,且公开了基于大数据及互联网平台的商户推荐及采购方法及其系统,包括商品流量汇集模块、商品流量数据处理模块,商品采购分析模块以及商品采购方案制定模块;商品采购分析模块依据商户内部平台和行业外部平台商品流量数据进行数据均值、特征差、增长率以及预测出商品需求量,依据互联网平台获取商户内部平台商品月采购量、商品月销量以及行业外部平台商品月销量、商品月浏览量的大量数据来预测待采购商品,提高了待采购商品需求量的精确,商品采购方案制定模块对预测商品需求量进行比对分析,判断出商品合理需求量以及输出待采购商品采购量方案,从而实现商户采购商品更加的精准和科学。
Description
技术领域
本发明涉及采购的技术领域,具体为基于大数据及互联网平台的商户推荐及采购方法及其系统。
背景技术
商品采购管理系统是通过采购申请、采购订货、进料检验、仓库收料、采购退货、购货发票处理、供应商管理、价格及供货信息管理、订单管理,以及质量检验管理等功能综合运用的管理系统,对采购物流和资金流的全部过程进行有效的双向控制和跟踪,实现完善的企业物资供应信息管理,现有的商品采购系统侧重于商品流通的信息管理,多数是为了商品流通信息全过程可追踪管理,然而基于大数据和互联网平台的电商、短视频带货等消费方式影响,传统的简单基于季节性或销量记录已经不能准确满足商品推荐采购要求;
申请公开号为CN113657829A,公开了一种基于季节和销量的货品智能推荐采购系统及方法,通过季节分类子系统可以根据货品信息对各货品进行季节分类,并根据各个季节采购及销售的历史货品条目信息,来获得当前季节应备货品的备货推荐条目;通过库存子系统可以根据当前季节的备货推荐条目以及当前季节各类货品的销售数据和历史采购数据生成当前季节应备货品的备货推荐数量信息;通过货品推荐子系统可以根据备货推荐数量信息和存储中的货品标签生成采购推荐信息表;通过智能采购子系统可以针对采购推荐信息表进行相应的调整编辑,生成最后的采购清单,采用推荐备货模块依据货品销量和历史采购参数制定采购计划,依据以往货品销量和采购量只能简单预测本平台销量,无法准确获取互联网平台货品的需求量,更不能制定出准确的商品采购量。
发明内容
为解决上述基于大数据和互联网平台的电商、短视频带货等消费方式影响,传统的简单基于季节性或销量记录已经不能准确满足商品推荐采购要求的问题,实现以上精确预测商品需求量、准确制定商品采购计划目的。
本发明通过以下技术方案予以实现:基于大数据及互联网平台的商户推荐及采购系统,该系统包括商品流量汇集模块、商品流量数据处理模块,商品采购分析模块以及商品采购方案制定模块;
所述商品流量汇集模块,用于收集待采购商品过去整年内商户内部平台商品月采购量、商品月销量、商品当月库存量以及和行业外部平台商品月销量、行业外部平台商品月浏览量;
所述商品流量数据处理模块,依据商户内部平台和行业外部平台网络IP地址进行商品月流量数据进行分类处理;
所述商品采购分析模块,依据所述商户内部平台和所述行业外部平台商品流量数据进行数据计算和分析出商品下个月需求量;
所述商品采购方案制定模块,对预测商品需求量进行比对分析,判断出商品合理需求量以及制定出下个月商品具体采购方案;
所述商品流量数据处理模块包括内部平台商品流量处理单元和外部平台商品流量处理单元,所述内部平台商品流量处理单元,依据商户内部平台网络IP地址分类整理待采购商品过去整年内商户内部平台商品月采购量、商品月销量、商品当月库存量数据,所述外部平台商品流量处理单元,依据行业外部平台网络IP地址分类整理待采购商品过去整年内所述行业外部平台商品月销量、行业外部平台商品月浏览量;
所述商品采购分析模块包括内部平台商品采购及销量检索单元、外部平台商品销量检索单元、外部平台商品浏览量检索单元、商品需求量预测单元;
所述内部平台商品采购及销量检索单元,获取内部平台商品的当月库存量数据,计算待采购商品过去整年内所述商户内部平台商品月采购量、商品月销量的均值、特征差、增长率;
所述外部平台商品销量检索单元,计算待采购商品过去整年内所述行业外部平台商品月销量的均值、特征差、增长率;
所述外部平台商品浏览量检索单元,计算待采购商品过去整年内所述行业外部平台商品月浏览量的均值、特征差、增长率;
所述商品需求量预测单元,依据待采购商品过去整年内所述商户内部平台商品月采购量、商品月销量以及和行业外部平台商品月销量、行业外部平台商品月浏览量的均值、特征差、增长率特征计算预测出商品需求量;
所述商品采购方案制定模块包括商品需求量比对单元和商品采购方案输出单元,所述商品需求量比对单元,对计算出的商品需求量进行参数分析比对,确定出商品合理需求量,所述商品采购方案输出单元,将分析比对后的商品合理需求量和所述商品当月库存量计算得出实际的商品采购量方案。
优选的,所述行业外部平台商品月浏览量包括行业电商平台商品浏览量和短视频平台商品浏览量,所述商品流量汇集模块、商品流量数据处理模块,商品采购分析模块,商品采购方案制定模块各个功能模块之间通过物联网通信网络连接。
优选的,所述内部平台商品流量处理单元分类整理待采购商品过去整年内商户内部平台商品月采购量、商品月销量、商品当月库存量数据的操作步骤如下:
S21、设定为第/>个月待采购商品预测需求量,/>,按照时间顺序收集待采购商品过去整年内商户内部平台商品月采购量集合;
,其中/>,,/>为第/>个月的上第一个月的商户内部平台商品月采购量,/>为第/>个月的上第k个月的商户内部平台商品月采购量,/>为第/>个月的上第12个月的商户内部平台商品月采购量;
按照时间顺序收集待采购商品过去整年内商户内部平台商品月销量集合;,其中/>,,/>为第/>个月的上第一个月的商户内部平台商品月销量,/>为第/>个月的上第k个月的商户内部平台商品月销量,/>为第/>个月的上第12个月的商户内部平台商品月销量;
S22、收集整理商户内部平台待采购商品的商品当月库存量。
优选的,所述外部平台商品流量处理单元分类整理待采购商品过去整年内行业外部平台商品月销量、行业外部平台商品月浏览量的操作步骤如下:
S31、基于S21中设定条件,按照时间顺序收集待采购商品过去整年内行业外部平台商品月销量集合;
,其中/>,,/>为第/>个月的上第一个月的行业外部平台商品月销量,为第/>个月的上第k个月的行业外部平台商品月销量,/>为第/>个月的上第12个月的行业外部平台商品月销量;
S32、按照时间顺序收集待采购商品过去整年内行业外部平台商品月浏览量集合;
,其中/>,,/>为第/>个月的上第一个月的行业外部平台商品月浏览量/>,为第/>个月的上第k个月的行业外部平台商品月浏览量,/>为第/>个月的上第12个月的行业外部平台商品月浏览量。
优选的,所述内部平台商品采购及销量检索单元计算待采购商品过去整年内所述商户内部平台商品月采购量、商品月销量的均值、特征差、增长率的操作步骤如下:
S41、计算S21中商户内部平台商品月采购量数据的均值、特征差、增长率分别为;
;
;
,/>,其中/>为第/>个月的上第12个月采购量相对商户内部平台商品月采购量均值的增长率,/>为商户内部平台商品月采购量均值相对第个月的上第1个月采购量的增长率;
S42、计算S21中商户内部平台商品月销量数据的均值、特征差、增长率分别为;
;
;
,/>,其中/>为第/>个月的上第12个月销量相对商户内部平台商品月销量均值的增长率,/>为商户内部平台商品月销量均值相对第/>个月的上第1个月销量的增长率。
优选的,所述外部平台商品销量检索单元计算待采购商品过去整年内行业外部平台商品月销量的均值、特征差、增长率的操作步骤如下:
S51、计算S31中行业外部平台商品月销量的均值、特征差、增长率分别为;
;
;
,/> ,其中/>第/>个月的上第12个月销量相对行业外部平台商品月销量均值的增长率,/>为行业外部平台商品月销量均值相对第/>个月的上第1个月销量的增长率。
优选的,所述外部平台商品浏览量检索单元计算待采购商品过去整年内行业外部平台商品月浏览量的均值、特征差、增长率的操作步骤如下:
S61、计算S32中行业外部平台商品月浏览量的均值、特征差、增长率分别为;
;
;
,/>,其中/>为第/>个月的上第12个月浏览量相对行业外部平台商品月浏览量均值的增长率,/>为行业外部平台商品月浏览量均值相对第/>个月的上第1个月浏览量的增长率。
优选的,所述商品需求量预测单元依据待采购商品过去整年内所述商户内部平台商品月采购量、商品月销量以及和行业外部平台商品月销量、行业外部平台商品月浏览量的均值、特征差、增长率特征计算预测出商品需求量的步骤如下:
S71、设定第个月待采购商品预测需求量/>,/>为第个月/>的上第12个月的商户内部平台商品月采购量,也是与/>过去整年同月份的商户内部平台商品月采购量,/>,当k=12面,此时/>﹤1,为此,/>为取值系数依据商户内部平台商品月采购量、商品月销量,行业外部平台商品月销量、行业外部平台商品月浏览量的均值、特征差、增长率确定,/>取值范围[0.5-1.5];
此时第/>个月待采购商品预测需求量/>,此时商户内部平台商品月采购量和月销量都是稳步增长,行业外部平台商品月销量和商品月浏览量也是稳步增长,其中/>为商户内部平台商品月采购量特征差设定阈值,/>为商户内部平台商品月销量特征差设定阈值,/>为行业外部平台商品月销量特征差设定阈值,为行业外部平台商品月浏览量特征差设定阈值;
其中商户内部平台商品月采购量数据的特征差和商户内部平台商品月销量数据的特征差/>参数变化趋势使同步一致,商户内部平台商品月采购量数据的增长率/>和/>,商户内部平台商品月销量数据的增长率/>和/>,变化趋势使同步一致,生产经营中商品采购量随着商品销量总是同步变化的;
其中行业外部平台商品月销量的特征差和行业外部平台商品月浏览量的特征差/>参数变化趋势使同步一致,行业外部平台商品月销量的增长率/>和/>,行业外部平台商品月浏览量的增长率/>和/>,变化趋势使同步一致,行业外部平台中商品销量和商品关注浏览量是同步变化的;
此时第/>个月待采购商品预测需求量/>,此时过去整年内商户内部平台商品月采购量和月销量都是稳步减少,行业外部平台商品月销量和商品月浏览量稳步增长;
此时第/>个月待采购商品预测需求量,此时过去整年内商户内部平台商品月采购量和月销量浮动较大,行业外部平台商品月销量和商品月浏览量稳步增长;
此时第/>个月待采购商品预测需求量/>,此时过去整年内商户内部平台商品月采购量和月销量保持平衡,行业外部平台商品月销量和商品月浏览量稳步增长;
此时第/>个月待采购商品预测需求量/>,此时过去整年内商户内部平台商品月采购量和月销量都是稳步增长,行业外部平台商品月销量和商品月浏览量稳步减少;
此时第/>个月待采购商品预测需求量,此时过去整年内商户内部平台商品月采购量和月销量都是稳步增长,行业外部平台商品月销量和商品月浏览量浮动较大;
此时第/>个月待采购商品预测需求量/>,此时过去整年内商户内部平台商品月采购量和月销量都是稳步增长,行业外部平台商品月销量和商品月浏览量保持平衡;
此时第/>个月待采购商品预测需求量/>,此时过去整年内商户内部平台商品月采购量和月销量都是稳步减少,行业外部平台商品月销量和商品月浏览量稳步减少;
此时第/>个月待采购商品预测需求量,此时过去整年内商户内部平台商品月采购量和月销量都是稳步减少,行业外部平台商品月销量和商品月浏览量浮动较大;
此时第/>个月待采购商品预测需求量/>,此时过去整年内商户内部平台商品月采购量和月销量都是稳步减少,行业外部平台商品月销量和商品月浏览量保持平衡;
此时第/>个月待采购商品预测需求量,此时过去整年内商户内部平台商品月采购量和月销量都是浮动较大,行业外部平台商品月销量和商品月浏览量稳步减少;
此时第/>个月待采购商品预测需求量,此时过去整年内商户内部平台商品月采购量和月销量都是浮动较大,行业外部平台商品月销量和商品月浏览量浮动较大;
此时第/>个月待采购商品预测需求量/>,此时过去整年内商户内部平台商品月采购量和月销量都是浮动较大,行业外部平台商品月销量和商品月浏览量保持平衡;
此时第/>个月待采购商品预测需求量/>,此时过去整年内商户内部平台商品月采购量和月销量都是保持平衡,行业外部平台商品月销量和商品月浏览量稳步减少;
此时第/>个月待采购商品预测需求量/>,此时过去整年内商户内部平台商品月采购量和月销量都是保持平衡,行业外部平台商品月销量和商品月浏览量浮动较大;
此时第/>个月待采购商品预测需求量/>,此时过去整年内商户内部平台商品月采购量和月销量都是保持平衡,行业外部平台商品月销量和商品月浏览量保持平衡。
优选的,所述商品需求量比对单元对计算出的第个月待采购商品预测需求量进行参数分析比对,确定出商品合理需求量/>的操作步骤如下:
S81、当S71中,此时/>,此时商品预测需求量/>是依据过去整年内商户内部平台商品月采购量和月销量变化趋势,以及行业外部平台商品月销量和商品月浏览量变化趋势确定,/>也是过去整年内和第/>个月同月份的采购量具有可参考性;
当S71中,此时/>,/>为依据过去整年内商户内部平台商品月采购量和月销量变化趋势,以及行业外部平台商品月销量和商品月浏览量变化趋势来合理判断待采购商品合理需求量参数;
依据S71中判断结果,当商户内部平台商品月采购量和月销量变化趋势或行业外部平台商品月销量和商品月浏览量变化趋势其中任意一个变化趋势为稳步增长,;
当商户内部平台商品月采购量和月销量变化趋势或行业外部平台商品月销量和商品月浏览量变化趋势均不包含稳步增长,;
所述商品采购方案输出单元将分析比对后的商品合理需求量和商户内部平台待采购商品当月库存量/>计算得出实际的商品采购量方案的操作步骤如下:
S82、依据S22中商户内部平台待采购商品当月库存量,以及S81中判断计算出判断;
当,进而输出第/>个月待采购商品采购方案;
当,进而输出第/>个月待采购商品采购方案。
基于大数据及互联网平台的商户推荐及采购方法,该方法包括如下运行步骤:
步骤一、商品流量数据收集阶段,用户输入待采购商品预测需求量的月份时间指令,商品流量汇集模块收集待采购商品过去整年内商户内部平台商品月采购量、商品月销量、商品当月库存量以及和行业外部平台商品月销量、行业外部平台商品月浏览量;
步骤二、商品流量数据处理阶段,内部平台商品流量处理单元启动依据商户内部平台网络IP地址按照时间顺序分类整理待采购商品过去整年内商户内部平台商品月采购量和商品月销量数据,商品当月库存量数据,同时建立商户内部平台商品月采购量和商品月销量数据集合;外部平台商品流量处理单元启动,依据行业外部平台网络IP地址按照时间顺序分类整理待采购商品过去整年内所述行业外部平台商品月销量、行业外部平台商品月浏览量,同时建立行业外部平台商品月销量、行业外部平台商品月浏览量集合;
步骤三、商品采购需求量分析阶段,内部平台商品采购及销量检索单元,外部平台商品销量检索单元,外部平台商品浏览量检索单元分别启动,通过建立商户内部平台商品月采购量和商品月销量数据集合;行业外部平台商品月销量和行业外部平台商品月浏览量集合;分别计算出待采购商品过去整年内商户内部平台商品月采购量和商品月销量的均值、特征差、增长率,行业外部平台商品月浏览量的均值、特征差、增长率,最后商品需求量预测单元依据待采购商品过去整年内所述商户内部平台商品月采购量、商品月销量以及和行业外部平台商品月销量、行业外部平台商品月浏览量的均值、特征差、增长率特征分别计算预测出过去整年内商品不同内部平台和外部平台不同经营状态下的商品需求量;
步骤四、商品采购方案制定阶段,商品需求量比对单元启动对不同经营状态下的商品需求量进行参数分析,确定出商品合理需求量,商品采购方案输出单元启动商品合理需求量和商品当月库存量作差处理,制定输出商品采购量方案。
本发明提供了基于大数据及互联网平台的商户推荐及采购方法及其系统。具备以下有益效果:
一、通过商品流量汇集模块收集待采购商品过去整年内商户内部平台商品月采购量、商品月销量、商品当月库存量以及和行业外部平台商品月销量、行业外部平台商品月浏览量,提高待采购商品预测判断准确性,商品流量数据处理模块依据商户内部平台和行业外部平台网络IP地址进行商品月流量数据进行分类处理,对不同商户内部平台和行业外部平台数据分类处理,商品采购分析模块依据商户内部平台和行业外部平台商品流量数据进行数据均值、特征差、增长率以及预测出商品需求量,依据互联网平台获取商户内部平台商品月采购量、商品月销量以及行业外部平台商品月销量、商品月浏览量的大量数据来预测待采购商品,提高了待采购商品需求量预测的数据全面性,商品采购方案制定模块对预测商品需求量进行比对分析,判断出商品合理需求量以及输出待采购商品采购量方案,提供了科学的采购建议,从而实现商户采购商品更加的精准和科学。
二、通过内部平台商品采购及销量检索单元、外部平台商品销量检索单元、外部平台商品浏览量检索单元分别计算待采购商品过去整年内所述商户内部平台商品月采购量、商品月销量的均值、特征差、增长率以及待采购商品过去整年内行业外部平台商品月销量、行业外部平台商品月浏览量的均值、特征差、增长率,提高了预测待出商品需求量的可靠性,商品需求量预测单元利用商品月采购量、商品月销量、月浏览量的均值、特征差、增长率作为数据可以实现精确预测商品需求量。
三、通过商品需求量比对单元计算出的商品需求量进行判断确定出商品合理需求量,商品采购方案输出单元分析判断后的商品合理需求量和商品当月库存量输出实际的商品采购量方案,从而商品采购量方案制定依托大数据和互联网更加的准确高效。
附图说明
图1为本发明提供的基于大数据及互联网平台的商户推荐及采购方法执行功能模块的组成图;
图2为图1所示基于大数据及互联网平台的商户推荐及采购方法的执行流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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。
该基于大数据及互联网平台的商户推荐及采购方法的实施例如下:
请参阅图1-图2,基于大数据及互联网平台的商户推荐及采购系统,该系统包括商品流量汇集模块、商品流量数据处理模块,商品采购分析模块以及商品采购方案制定模块;
商品流量汇集模块,用于收集待采购商品过去整年内商户内部平台商品月采购量、商品月销量、商品当月库存量以及和行业外部平台商品月销量、行业外部平台商品月浏览量;
商品流量数据处理模块,依据商户内部平台和行业外部平台网络IP地址进行商品月流量数据进行分类处理;
商品采购分析模块,依据商户内部平台和行业外部平台商品流量数据进行数据计算和分析出商品下个月需求量;
商品采购方案制定模块,对预测商品需求量进行比对分析,判断出商品合理需求量以及制定出下个月商品具体采购方案;
商品流量数据处理模块包括内部平台商品流量处理单元和外部平台商品流量处理单元,内部平台商品流量处理单元,依据商户内部平台网络IP地址分类整理待采购商品过去整年内商户内部平台商品月采购量、商品月销量、商品当月库存量数据,外部平台商品流量处理单元,依据行业外部平台网络IP地址分类整理待采购商品过去整年内行业外部平台商品月销量、行业外部平台商品月浏览量;
商品采购分析模块包括内部平台商品采购及销量检索单元、外部平台商品销量检索单元、外部平台商品浏览量检索单元、商品需求量预测单元;
内部平台商品采购及销量检索单元,获取内部平台商品的当月库存量数据,计算待采购商品过去整年内商户内部平台商品月采购量、商品月销量的均值、特征差、增长率;
外部平台商品销量检索单元,计算待采购商品过去整年内行业外部平台商品月销量的均值、特征差、增长率;
外部平台商品浏览量检索单元,计算待采购商品过去整年内行业外部平台商品月浏览量的均值、特征差、增长率;
商品需求量预测单元,依据待采购商品过去整年内商户内部平台商品月采购量、商品月销量以及和行业外部平台商品月销量、行业外部平台商品月浏览量的均值、特征差、增长率特征计算预测出商品需求量;
商品采购方案制定模块包括商品需求量比对单元和商品采购方案输出单元,商品需求量比对单元,对计算出的商品需求量进行参数分析比对,确定出商品合理需求量,商品采购方案输出单元,将分析比对后的商品合理需求量和商品当月库存量计算得出实际的商品采购量方案。
行业外部平台商品月浏览量包括行业电商平台商品浏览量和短视频平台商品浏览量,商品流量汇集模块、商品流量数据处理模块,商品采购分析模块,商品采购方案制定模块各个功能模块之间通过物联网通信网络连接。
通过商品流量汇集模块收集待采购商品过去整年内商户内部平台商品月采购量、商品月销量、商品当月库存量以及和行业外部平台商品月销量、行业外部平台商品月浏览量,提高待采购商品预测判断准确性,商品流量数据处理模块依据商户内部平台和行业外部平台网络IP地址进行商品月流量数据进行分类处理,对不同商户内部平台和行业外部平台数据分类处理,商品采购分析模块依据商户内部平台和行业外部平台商品流量数据进行数据均值、特征差、增长率以及预测出商品需求量,依据互联网平台获取商户内部平台商品月采购量、商品月销量以及行业外部平台商品月销量、商品月浏览量的大量数据来预测待采购商品,提高了待采购商品需求量的精确,商品采购方案制定模块对预测商品需求量进行比对分析,判断出商品合理需求量以及输出待采购商品采购量方案,从而实现商户采购商品更加的精准和科学。
进一步的,请参阅图1-图2,内部平台商品流量处理单元分类整理待采购商品过去整年内商户内部平台商品月采购量、商品月销量、商品当月库存量数据的操作步骤如下:
S21、设定为第/>个月待采购商品预测需求量,/>,按照时间顺序收集待采购商品过去整年内商户内部平台商品月采购量集合;
,其中/>,,/>为第/>个月的上第一个月的商户内部平台商品月采购量,/>为第/>个月的上第k个月的商户内部平台商品月采购量,/>为第/>个月的上第12个月的商户内部平台商品月采购量;
按照时间顺序收集待采购商品过去整年内商户内部平台商品月销量集合;,其中/>,,/>为第/>个月的上第一个月的商户内部平台商品月销量,/>为第/>个月的上第k个月的商户内部平台商品月销量,/>为第/>个月的上第12个月的商户内部平台商品月销量;
S22、收集整理商户内部平台待采购商品的商品当月库存量。
外部平台商品流量处理单元分类整理待采购商品过去整年内行业外部平台商品月销量、行业外部平台商品月浏览量的操作步骤如下:
S31、基于S21中设定条件,按照时间顺序收集待采购商品过去整年内行业外部平台商品月销量集合;
,其中/>,,/>为第/>个月的上第一个月的行业外部平台商品月销量,为第/>个月的上第k个月的行业外部平台商品月销量,/>为第/>个月的上第12个月的行业外部平台商品月销量;
S32、按照时间顺序收集待采购商品过去整年内行业外部平台商品月浏览量集合;
,其中/>,/>,/>为第/>个月的上第一个月的行业外部平台商品月浏览量/>,为第/>个月的上第k个月的行业外部平台商品月浏览量,/>为第/>个月的上第12个月的行业外部平台商品月浏览量。
内部平台商品采购及销量检索单元计算待采购商品过去整年内商户内部平台商品月采购量、商品月销量的均值、特征差、增长率的操作步骤如下:
S41、计算S21中商户内部平台商品月采购量数据的均值、特征差、增长率分别为;
;
;
,/>,其中/>为第/>个月的上第12个月采购量相对商户内部平台商品月采购量均值的增长率,/>为商户内部平台商品月采购量均值相对第个月的上第1个月采购量的增长率;
S42、计算S21中商户内部平台商品月销量数据的均值、特征差、增长率分别为;
;
;
,/>,其中/>为第/>个月的上第12个月销量相对商户内部平台商品月销量均值的增长率,/>为商户内部平台商品月销量均值相对第/>个月的上第1个月销量的增长率。
外部平台商品销量检索单元计算待采购商品过去整年内行业外部平台商品月销量的均值、特征差、增长率的操作步骤如下:
S51、计算S31中行业外部平台商品月销量的均值、特征差、增长率分别为;
;/>
;
,/>,其中/>第/>个月的上第12个月销量相对行业外部平台商品月销量均值的增长率,/>为行业外部平台商品月销量均值相对第/>个月的上第1个月销量的增长率。
外部平台商品浏览量检索单元计算待采购商品过去整年内行业外部平台商品月浏览量的均值、特征差、增长率的操作步骤如下:
S61、计算S32中行业外部平台商品月浏览量的均值、特征差、增长率分别为;
;
;
,/>,其中/>为第/>个月的上第12个月浏览量相对行业外部平台商品月浏览量均值的增长率,/>为行业外部平台商品月浏览量均值相对第/>个月的上第1个月浏览量的增长率。
进一步的,请参阅图1-图2,所述商品需求量预测单元依据待采购商品过去整年内所述商户内部平台商品月采购量、商品月销量以及和行业外部平台商品月销量、行业外部平台商品月浏览量的均值、特征差、增长率特征计算预测出商品需求量的步骤如下:
S71、设定第个月待采购商品预测需求量/>,/>为第个月/>的上第12个月的商户内部平台商品月采购量,也是与/>过去整年同月份的商户内部平台商品月采购量,/>,当k=12面,此时/>﹤1,为此/>,/>为取值系数依据商户内部平台商品月采购量、商品月销量,行业外部平台商品月销量、行业外部平台商品月浏览量的均值、特征差、增长率确定,/>取值范围[0.5-1.5];
此时第/>个月待采购商品预测需求量/>,此时商户内部平台商品月采购量和月销量都是稳步增长,行业外部平台商品月销量和商品月浏览量也是稳步增长,其中/>为商户内部平台商品月采购量特征差设定阈值,/>为商户内部平台商品月销量特征差设定阈值,/>为行业外部平台商品月销量特征差设定阈值,为行业外部平台商品月浏览量特征差设定阈值;
例如、/>、/>、/>分别设为500、450、10000、19000,其中/>=500表示过去整年内商户内部平台商品月采购量数据允许浮动范围在500,/>=450表示过去整年内商户内部平台商品月销量数据允许浮动范围在450,/>=10000表示过去整年内行业外部平台商品月销量数据允许浮动在10000,/>=19000表示过去整年内行业外部平台商品月浏览量数据允许浮动在19000;
其中商户内部平台商品月采购量数据的特征差和商户内部平台商品月销量数据的特征差/>参数变化趋势使同步一致,商户内部平台商品月采购量数据的增长率和/>,商户内部平台商品月销量数据的增长率/>和/>,变化趋势使同步一致,生产经营中商品采购量随着商品销量总是同步变化的;
其中行业外部平台商品月销量的特征差和行业外部平台商品月浏览量的特征差/>参数变化趋势使同步一致,行业外部平台商品月销量的增长率/>和/>,行业外部平台商品月浏览量的增长率/>和/>,变化趋势使同步一致,行业外部平台中商品销量和商品关注浏览量是同步变化的;
此时第/>个月待采购商品预测需求量/>,此时过去整年内商户内部平台商品月采购量和月销量都是稳步减少,行业外部平台商品月销量和商品月浏览量稳步增长;/>
此时第/>个月待采购商品预测需求量,此时过去整年内商户内部平台商品月采购量和月销量浮动较大,行业外部平台商品月销量和商品月浏览量稳步增长;
此时第/>个月待采购商品预测需求量/>,此时过去整年内商户内部平台商品月采购量和月销量保持平衡,行业外部平台商品月销量和商品月浏览量稳步增长;
此时第/>个月待采购商品预测需求量/>,此时过去整年内商户内部平台商品月采购量和月销量都是稳步增长,行业外部平台商品月销量和商品月浏览量稳步减少;
此时第/>个月待采购商品预测需求量,此时过去整年内商户内部平台商品月采购量和月销量都是稳步增长,行业外部平台商品月销量和商品月浏览量浮动较大;/>
此时第/>个月待采购商品预测需求量/>,此时过去整年内商户内部平台商品月采购量和月销量都是稳步增长,行业外部平台商品月销量和商品月浏览量保持平衡;
此时第/>个月待采购商品预测需求量/>,此时过去整年内商户内部平台商品月采购量和月销量都是稳步减少,行业外部平台商品月销量和商品月浏览量稳步减少;
此时第/>个月待采购商品预测需求量,此时过去整年内商户内部平台商品月采购量和月销量都是稳步减少,行业外部平台商品月销量和商品月浏览量浮动较大;
此时第/>个月待采购商品预测需求量 />,此时过去整年内商户内部平台商品月采购量和月销量都是稳步减少,行业外部平台商品月销量和商品月浏览量保持平衡;/>
此时第/>个月待采购商品预测需求量,此时过去整年内商户内部平台商品月采购量和月销量都是浮动较大,行业外部平台商品月销量和商品月浏览量稳步减少;
此时第/>个月待采购商品预测需求量,此时过去整年内商户内部平台商品月采购量和月销量都是浮动较大,行业外部平台商品月销量和商品月浏览量浮动较大;
此时第/>个月待采购商品预测需求量/>,此时过去整年内商户内部平台商品月采购量和月销量都是浮动较大,行业外部平台商品月销量和商品月浏览量保持平衡;
此时第/>个月待采购商品预测需求量/>,此时过去整年内商户内部平台商品月采购量和月销量都是保持平衡,行业外部平台商品月销量和商品月浏览量稳步减少;/>
此时第/>个月待采购商品预测需求量/>,此时过去整年内商户内部平台商品月采购量和月销量都是保持平衡,行业外部平台商品月销量和商品月浏览量浮动较大;
此时第/>个月待采购商品预测需求量/>,此时过去整年内商户内部平台商品月采购量和月销量都是保持平衡,行业外部平台商品月销量和商品月浏览量保持平衡。
通过内部平台商品采购及销量检索单元、外部平台商品销量检索单元、外部平台商品浏览量检索单元分别计算待采购商品过去整年内商户内部平台商品月采购量、商品月销量的均值、特征差、增长率以及待采购商品过去整年内行业外部平台商品月销量、行业外部平台商品月浏览量的均值、特征差、增长率,提高了预测待出商品需求量的可靠性,商品需求量预测单元利用商品月采购量、商品月销量、月浏览量的均值、特征差、增长率作为数据可以实现精确预测商品需求量。
进一步的,请参阅图1-图2,所述商品需求量比对单元对计算出的第个月待采购商品预测需求量/>进行参数分析比对,确定出商品合理需求量/>的操作步骤如下:
S81、当S71中,此时/>,此时商品预测需求量/>是依据过去整年内商户内部平台商品月采购量和月销量变化趋势,以及行业外部平台商品月销量和商品月浏览量变化趋势确定,/>也是过去整年内和第/>个月同月份的采购量具有可参考性;/>
此时过去整年内商户内部平台商品月采购量和月销量都是保持平衡,行业外部平台商品月销量和商品月浏览量稳步减少;
当S71中,此时/>,/>为依据过去整年内商户内部平台商品月采购量和月销量变化趋势,以及行业外部平台商品月销量和商品月浏览量变化趋势来合理判断待采购商品合理需求量参数;
依据S71中判断结果,当商户内部平台商品月采购量和月销量变化趋势或行业外部平台商品月销量和商品月浏览量变化趋势其中任意一个变化趋势为稳步增长,;
当商户内部平台商品月采购量和月销量变化趋势或行业外部平台商品月销量和商品月浏览量变化趋势均不包含稳步增长,;
此时过去整年内商户内部平台商品月采购量和月销量浮动较大,行业外部平台商品月销量和商品月浏览量稳步增长;
此时第个月待采购商品预测需求量/>,由于/>>/>,商品合理需求量/>又由于行业外部平台商品月销量和商品月浏览量稳步增长,满足/>,为此商品合理需求量/>;
所述商品采购方案输出单元将分析比对后的商品合理需求量和商户内部平台待采购商品当月库存量/>计算得出实际的商品采购量方案的操作步骤如下:
S82、依据S22中商户内部平台待采购商品当月库存量,以及S81中判断计算出判断;
当,进而输出第/>个月待采购商品采购方案;
当,进而输出第/>个月待采购商品采购方案/>。
通过商品需求量比对单元计算出的商品需求量进行判断确定出商品合理需求量,商品采购方案输出单元分析判断后的商品合理需求量和商品当月库存量输出实际的商品采购量方案,从而商品采购量方案制定依托大数据和互联网更加的准确高效。
基于大数据及互联网平台的商户推荐及采购方法,该方法包括如下运行步骤:
步骤一、商品流量数据收集阶段,用户输入待采购商品预测需求量的月份时间指令,商品流量汇集模块收集待采购商品过去整年内商户内部平台商品月采购量、商品月销量、商品当月库存量以及和行业外部平台商品月销量、行业外部平台商品月浏览量;
步骤二、商品流量数据处理阶段,内部平台商品流量处理单元启动依据商户内部平台网络IP地址按照时间顺序分类整理待采购商品过去整年内商户内部平台商品月采购量和商品月销量数据,商品当月库存量数据,同时建立商户内部平台商品月采购量和商品月销量数据集合;外部平台商品流量处理单元启动,依据行业外部平台网络IP地址按照时间顺序分类整理待采购商品过去整年内行业外部平台商品月销量、行业外部平台商品月浏览量,同时建立行业外部平台商品月销量、行业外部平台商品月浏览量集合;
步骤三、商品采购需求量分析阶段,内部平台商品采购及销量检索单元,外部平台商品销量检索单元,外部平台商品浏览量检索单元分别启动,通过建立商户内部平台商品月采购量和商品月销量数据集合;行业外部平台商品月销量和行业外部平台商品月浏览量集合;分别计算出待采购商品过去整年内商户内部平台商品月采购量和商品月销量的均值、特征差、增长率,行业外部平台商品月浏览量的均值、特征差、增长率,最后商品需求量预测单元依据待采购商品过去整年内商户内部平台商品月采购量、商品月销量以及和行业外部平台商品月销量、行业外部平台商品月浏览量的均值、特征差、增长率特征分别计算预测出过去整年内商品不同内部平台和外部平台不同经营状态下的商品需求量;
步骤四、商品采购方案制定阶段,商品需求量比对单元启动对不同经营状态下的商品需求量进行参数分析,确定出商品合理需求量,商品采购方案输出单元启动商品合理需求量和商品当月库存量作差处理,制定输出商品采购量方案。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (2)
1.基于大数据及互联网平台的商户推荐及采购方法,其特征在于,该方法包括如下运行步骤:
步骤一、商品流量数据收集阶段,用户输入待采购商品预测需求量的月份时间指令,商品流量汇集模块收集待采购商品过去整年内商户内部平台商品月采购量、商品月销量、商品当月库存量以及行业外部平台商品月销量、行业外部平台商品月浏览量;
步骤二、商品流量数据处理阶段,内部平台商品流量处理单元启动依据商户内部平台网络IP地址按照时间顺序分类整理待采购商品过去整年内商户内部平台商品月采购量和商品月销量数据,商品当月库存量数据,同时建立商户内部平台商品月采购量和商品月销量数据集合;外部平台商品流量处理单元启动,依据行业外部平台网络IP地址按照时间顺序分类整理待采购商品过去整年内所述行业外部平台商品月销量、行业外部平台商品月浏览量,同时建立行业外部平台商品月销量、行业外部平台商品月浏览量集合;
步骤三、商品采购需求量分析阶段,内部平台商品采购及销量检索单元,外部平台商品销量检索单元,外部平台商品浏览量检索单元分别启动,通过建立商户内部平台商品月采购量和商品月销量数据集合,行业外部平台商品月销量和行业外部平台商品月浏览量集合,分别计算出待采购商品过去整年内商户内部平台商品月采购量和商品月销量的均值、特征差、增长率,行业外部平台商品月浏览量的均值、特征差、增长率,最后商品需求量预测单元依据待采购商品过去整年内所述商户内部平台商品月采购量、商品月销量以及行业外部平台商品月销量、行业外部平台商品月浏览量的均值、特征差、增长率特征分别计算预测出过去整年内商品内部平台和外部平台不同经营状态下的商品需求量;
步骤四、商品采购方案制定阶段,商品需求量比对单元启动对不同经营状态下的商品需求量进行参数分析,确定出商品合理需求量,商品采购方案输出单元启动商品合理需求量和商品当月库存量作差处理,制定输出商品采购量方案;
包括商品流量汇集模块、商品流量数据处理模块,商品采购分析模块以及商品采购方案制定模块;
所述商品流量汇集模块,用于收集待采购商品过去整年内商户内部平台商品月采购量、商品月销量、商品当月库存量以及行业外部平台商品月销量、行业外部平台商品月浏览量;
所述商品流量数据处理模块,依据商户内部平台和行业外部平台网络IP地址进行商品月流量数据分类处理;
所述商品采购分析模块,依据所述商户内部平台和所述行业外部平台商品流量数据进行数据计算和分析出商品下个月需求量;
所述商品采购方案制定模块,对预测商品需求量进行比对分析,判断出商品合理需求量以及制定出下个月商品具体采购方案;
所述商品流量数据处理模块包括内部平台商品流量处理单元和外部平台商品流量处理单元,所述内部平台商品流量处理单元,依据商户内部平台网络IP地址分类整理待采购商品过去整年内商户内部平台商品月采购量、商品月销量、商品当月库存量数据,所述外部平台商品流量处理单元,依据行业外部平台网络IP地址分类整理待采购商品过去整年内所述行业外部平台商品月销量、行业外部平台商品月浏览量;
所述商品采购分析模块包括内部平台商品采购及销量检索单元、外部平台商品销量检索单元、外部平台商品浏览量检索单元、商品需求量预测单元;
所述内部平台商品采购及销量检索单元,获取内部平台商品的当月库存量数据,计算待采购商品过去整年内所述商户内部平台商品月采购量、商品月销量的均值、特征差、增长率;
所述外部平台商品销量检索单元,计算待采购商品过去整年内所述行业外部平台商品月销量的均值、特征差、增长率;
所述外部平台商品浏览量检索单元,计算待采购商品过去整年内所述行业外部平台商品月浏览量的均值、特征差、增长率;
所述商品需求量预测单元,依据待采购商品过去整年内所述商户内部平台商品月采购量、商品月销量以及行业外部平台商品月销量、行业外部平台商品月浏览量的均值、特征差、增长率特征计算预测出商品需求量;
所述商品采购方案制定模块包括商品需求量比对单元和商品采购方案输出单元,所述商品需求量比对单元,对计算出的商品需求量进行参数分析比对,确定出商品合理需求量,所述商品采购方案输出单元,将分析比对后的商品合理需求量和所述商品当月库存量计算得出实际的商品采购量方案;
所述内部平台商品流量处理单元分类整理待采购商品过去整年内商户内部平台商品月采购量、商品月销量、商品当月库存量数据的操作步骤如下:
S21、设定为第/>个月待采购商品预测需求量,/>,按照时间顺序收集待采购商品过去整年内商户内部平台商品月采购量集合;
,其中/>,/>,/>为第/>个月的上第一个月的商户内部平台商品月采购量,/>为第/>个月的上第k个月的商户内部平台商品月采购量,/>为第/>个月的上第12个月的商户内部平台商品月采购量;
按照时间顺序收集待采购商品过去整年内商户内部平台商品月销量集合;,其中/>,,/>为第/>个月的上第一个月的商户内部平台商品月销量,/>为第/>个月的上第k个月的商户内部平台商品月销量,/>为第/>个月的上第12个月的商户内部平台商品月销量;
S22、收集整理商户内部平台待采购商品的商品当月库存量;
所述外部平台商品流量处理单元分类整理待采购商品过去整年内行业外部平台商品月销量、行业外部平台商品月浏览量的操作步骤如下:
S31、基于S21中设定条件,按照时间顺序收集待采购商品过去整年内行业外部平台商品月销量集合;
,其中/>,,/>为第/>个月的上第一个月的行业外部平台商品月销量,为第/>个月的上第k个月的行业外部平台商品月销量,/>为第/>个月的上第12个月的行业外部平台商品月销量;
S32、按照时间顺序收集待采购商品过去整年内行业外部平台商品月浏览量集合;
,其中/>,,/>为第/>个月的上第一个月的行业外部平台商品月浏览量,/>为第/>个月的上第k个月的行业外部平台商品月浏览量,/>为第/>个月的上第12个月的行业外部平台商品月浏览量;
所述内部平台商品采购及销量检索单元计算待采购商品过去整年内所述商户内部平台商品月采购量、商品月销量的均值、特征差、增长率的操作步骤如下:
S41、计算S21中商户内部平台商品月采购量数据的均值、特征差、增长率分别为;
;
;
,/>,其中/>为第/>个月的上第12个月采购量相对商户内部平台商品月采购量均值的增长率,/>为商户内部平台商品月采购量均值相对第/>个月的上第1个月采购量的增长率;
S42、计算S21中商户内部平台商品月销量数据的均值、特征差、增长率分别为;
;
;
,/>,其中/>为第/>个月的上第12个月销量相对商户内部平台商品月销量均值的增长率,/>为商户内部平台商品月销量均值相对第/>个月的上第1个月销量的增长率;
所述外部平台商品销量检索单元计算待采购商品过去整年内行业外部平台商品月销量的均值、特征差、增长率的操作步骤如下:
S51、计算S31中行业外部平台商品月销量的均值、特征差、增长率分别为;
;
;
,/>,其中/>第/>个月的上第12个月销量相对行业外部平台商品月销量均值的增长率,/>为行业外部平台商品月销量均值相对第/>个月的上第1个月销量的增长率;
所述外部平台商品浏览量检索单元计算待采购商品过去整年内行业外部平台商品月浏览量的均值、特征差、增长率的操作步骤如下:
S61、计算S32中行业外部平台商品月浏览量的均值、特征差、增长率分别为;
;
;
,/>,其中/>为第/>个月的上第12个月浏览量相对行业外部平台商品月浏览量均值的增长率,/>为行业外部平台商品月浏览量均值相对第/>个月的上第1个月浏览量的增长率;
所述商品需求量预测单元依据待采购商品过去整年内所述商户内部平台商品月采购量、商品月销量以及行业外部平台商品月销量、行业外部平台商品月浏览量的均值、特征差、增长率特征计算预测出商品需求量的步骤如下:
S71、设定第个月待采购商品预测需求量/>,/>为第/>个月的上第12个月的商户内部平台商品月采购量,也是与/>过去整年同月份的商户内部平台商品月采购量,/>,当k=12,此时/>﹤1,为此,/>为取值系数依据商户内部平台商品月采购量、商品月销量,行业外部平台商品月销量、行业外部平台商品月浏览量的均值、特征差、增长率确定,/>取值范围[0.5-1.5];
当≤/>,/>>0,/>>0;
≤/>,/>>0,/>>0;
≤/>,/>>0,/>>0;
≤/>,/>>0,/>>0;
此时第个月待采购商品预测需求量/>,此时商户内部平台商品月采购量和月销量都是稳步增长,行业外部平台商品月销量和商品月浏览量也是稳步增长,其中/>为商户内部平台商品月采购量特征差设定阈值,/>为商户内部平台商品月销量特征差设定阈值,/>为行业外部平台商品月销量特征差设定阈值,/>为行业外部平台商品月浏览量特征差设定阈值;
其中商户内部平台商品月采购量数据的特征差和商户内部平台商品月销量数据的特征差/>参数变化趋势使同步一致,商户内部平台商品月采购量数据的增长率/>和,商户内部平台商品月销量数据的增长率/>和/>,变化趋势使同步一致,生产经营中商品采购量随着商品销量总是同步变化的;
其中行业外部平台商品月销量的特征差和行业外部平台商品月浏览量的特征差参数变化趋势使同步一致,行业外部平台商品月销量的增长率/>和/>,行业外部平台商品月浏览量的增长率/>和/>,变化趋势使同步一致,行业外部平台中商品销量和商品关注浏览量是同步变化的;
当≤/>,/>﹤0,/>﹤0;
≤/>,/>﹤0,/>﹤0;
≤/>,/>>0,/>>0;
≤/>,/>>0,/>>0;
此时第个月待采购商品预测需求量/>,此时过去整年内商户内部平台商品月采购量和月销量都是稳步减少,行业外部平台商品月销量和商品月浏览量稳步增长;
当>/>,/>>0,/>﹤0或/>﹤0,/>>0
>/>,/>>0,/>﹤0或/>﹤0,/>>0
≤/>,/>>0,/>>0;
≤/>,/>>0,/>>0;
此时第个月待采购商品预测需求量/>,此时过去整年内商户内部平台商品月采购量和月销量浮动较大,行业外部平台商品月销量和商品月浏览量稳步增长;
当≤/>,/>>0,/>=0或/>﹤0,/>=0或/>=0,/>>0或/>=0,/>﹤0或/>=0,/>=0;
≤/>,/>>0,/>=0或/>﹤0,/>=0或/>=0,/>>0或/>=0,﹤0或/>=0,/>=0;
≤/>,/>>0,/>>0;
≤/>,/>>0,/>>0;
此时第个月待采购商品预测需求量/>,此时过去整年内商户内部平台商品月采购量和月销量保持平衡,行业外部平台商品月销量和商品月浏览量稳步增长;
当≤/>,/>>0,/>>0;
≤/>,/>>0,/>>0;
≤/>,/>﹤0,/>﹤0;
≤/>,/>﹤0,/>﹤0;
此时第个月待采购商品预测需求量/>,此时过去整年内商户内部平台商品月采购量和月销量都是稳步增长,行业外部平台商品月销量和商品月浏览量稳步减少;
当≤/>,/>>0,/>>0;
≤/>,/>>0,/>>0;
>/>,/>>0,/>﹤0或/>﹤0,/>>0;
>/>,/>>0,/>﹤0或/>﹤0,/>>0;
此时第个月待采购商品预测需求量/>,此时过去整年内商户内部平台商品月采购量和月销量都是稳步增长,行业外部平台商品月销量和商品月浏览量浮动较大;
当≤/>,/>>0,/>>0;
≤/>,/>>0,/>>0;
≤/>,/>>0,/>=0或/>﹤0,/>=0或/>=0,/>>0或/>﹤0,/>=0或/>=0,/>=0;
≤/>,/>>0,/>=0或/>﹤0,/>=0或/>=0,/>>0或/>=0,/><0或/>=0,/>=0;
此时第个月待采购商品预测需求量/>,此时过去整年内商户内部平台商品月采购量和月销量都是稳步增长,行业外部平台商品月销量和商品月浏览量保持平衡;
当≤/>,/>﹤0,/>﹤0;
≤/>,/>﹤0,/>﹤0;
≤/>,/>﹤0,/>﹤0;
≤/>,/>﹤0,/>﹤0;
此时第个月待采购商品预测需求量/>,此时过去整年内商户内部平台商品月采购量和月销量都是稳步减少,行业外部平台商品月销量和商品月浏览量稳步减少;
当≤/>,/>﹤0,/>﹤0;
≤/>,/>﹤0,/>﹤0;
>/>,/>>0,/>﹤0或/>﹤0,/>>0;
>/>,/>>0,/>﹤0或/>﹤0,/>>0;
此时第个月待采购商品预测需求量/>,此时过去整年内商户内部平台商品月采购量和月销量都是稳步减少,行业外部平台商品月销量和商品月浏览量浮动较大;
当≤/>,/>﹤0,/>﹤0;
≤/>,/>﹤0,/>﹤0;
≤/>,/>>0,/>=0或/>﹤0,/>=0或/>=0,/>>0或/>﹤0,/>=0或/>=0,/>=0;
≤/>,/>>0,/>=0或/>﹤0,/>=0或/>=0,/>>0或/>=0,/><0或/>=0,/>=0;
此时第个月待采购商品预测需求量 />,此时过去整年内商户内部平台商品月采购量和月销量都是稳步减少,行业外部平台商品月销量和商品月浏览量保持平衡;
当>/>,/>>0,/>﹤0或/>﹤0,/>>0
>/>,/>>0,/>﹤0或/>﹤0,/>>0
≤/>,/>﹤0,/>﹤0;
≤/>,/>﹤0,/>﹤0;
此时第个月待采购商品预测需求量/>,此时过去整年内商户内部平台商品月采购量和月销量都是浮动较大,行业外部平台商品月销量和商品月浏览量稳步减少;
当>/>,/>>0,/>﹤0或/>﹤0,/>>0
>/>,/>>0,/>﹤0或/>﹤0,/>>0
>/>,/>>0,/>﹤0或/>﹤0,/>>0;
>/>,/>>0,/>﹤0或/>﹤0,/>>0;
此时第个月待采购商品预测需求量/>,此时过去整年内商户内部平台商品月采购量和月销量都是浮动较大,行业外部平台商品月销量和商品月浏览量浮动较大;
当>/>,/>>0,/>﹤0或/>﹤0,/>>0
>/>,/>>0,/>﹤0或/>﹤0,/>>0
≤/>,/>>0,/>=0或/>﹤0,/>=0或/>=0,/>>0或/>﹤0,/>=0或/>=0,/>=0;
≤/>,/>>0,/>=0或/>﹤0,/>=0或/>=0,/>>0或/>=0,/><0或/>=0,/>=0;
此时第个月待采购商品预测需求量/>,此时过去整年内商户内部平台商品月采购量和月销量都是浮动较大,行业外部平台商品月销量和商品月浏览量保持平衡;
当≤/>,/>>0,/>=0或/>﹤0,/>=0或/>=0,/>>0或/>=0,/>﹤0或/>=0,/>=0;
≤/>,/>>0,/>=0或/>﹤0,/>=0或/>=0,/>>0或/>=0,﹤0或/>=0,/>=0;
≤/>,/>﹤0,/>﹤0;
≤/>,/>﹤0,/>﹤0;
此时第个月待采购商品预测需求量/>,此时过去整年内商户内部平台商品月采购量和月销量都是保持平衡,行业外部平台商品月销量和商品月浏览量稳步减少;
当≤/>,/>>0,/>=0或/>﹤0,/>=0或/>=0,/>>0或/>=0,/>﹤0或/>=0,/>=0;
≤/>,/>>0,/>=0或/>﹤0,/>=0或/>=0,/>>0或/>=0,﹤0或/>=0,/>=0;
>/>,/>>0,/>﹤0或/>﹤0,/>>0;
>/>,/>>0,/>﹤0或/>﹤0,/>>0;
此时第个月待采购商品预测需求量/>,此时过去整年内商户内部平台商品月采购量和月销量都是保持平衡,行业外部平台商品月销量和商品月浏览量浮动较大;
当≤/>,/>>0,/>=0或/>﹤0,/>=0或/>=0,/>>0或/>=0,/>﹤0或/>=0,/>=0;
≤/>,/>>0,/>=0或/>﹤0,/>=0或/>=0,/>>0或/>=0,﹤0或/>=0,/>=0;
≤/>,/>>0,/>=0或/>﹤0,/>=0或/>=0,/>>0或/>﹤0,/>=0或/>=0,/>=0;
≤/>,/>>0,/>=0或/>﹤0,/>=0或/>=0,/>>0或/>=0,/><0或/>=0,/>=0;
此时第个月待采购商品预测需求量/>,此时过去整年内商户内部平台商品月采购量和月销量都是保持平衡,行业外部平台商品月销量和商品月浏览量保持平衡;
所述商品需求量比对单元对计算出的第个月待采购商品预测需求量/>进行参数分析比对,确定出商品合理需求量/>的操作步骤如下:
S81、当S71中,此时/>,此时商品预测需求量/>是依据过去整年内商户内部平台商品月采购量和月销量变化趋势,以及行业外部平台商品月销量和商品月浏览量变化趋势确定,/>也是过去整年内和第/>个月同月份的采购量具有可参考性;
当S71中,此时/>,/>为依据过去整年内商户内部平台商品月采购量和月销量变化趋势,以及行业外部平台商品月销量和商品月浏览量变化趋势来合理判断待采购商品合理需求量参数;
依据S71中判断结果,当商户内部平台商品月采购量和月销量变化趋势或行业外部平台商品月销量和商品月浏览量变化趋势其中任意一个变化趋势为稳步增长,;
当商户内部平台商品月采购量和月销量变化趋势或行业外部平台商品月销量和商品月浏览量变化趋势均不包含稳步增长,;
所述商品采购方案输出单元将分析比对后的商品合理需求量和商户内部平台待采购商品当月库存量/>计算得出实际的商品采购量方案的操作步骤如下:
S82、依据S22中商户内部平台待采购商品当月库存量,以及S81中判断计算出/>判断;
当,进而输出第/>个月待采购商品采购方案/>;
当,进而输出第/>个月待采购商品采购方案/>。
2.根据权利要求1所述的基于大数据及互联网平台的商户推荐及采购系统,其特征在于:所述行业外部平台商品月浏览量包括行业电商平台商品浏览量和短视频平台商品浏览量,所述商品流量汇集模块、商品流量数据处理模块,商品采购分析模块,商品采购方案制定模块各个功能模块之间通过物联网通信网络连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311054377.0A CN116777571B (zh) | 2023-08-22 | 2023-08-22 | 基于大数据及互联网平台的商户推荐及采购方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311054377.0A CN116777571B (zh) | 2023-08-22 | 2023-08-22 | 基于大数据及互联网平台的商户推荐及采购方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116777571A CN116777571A (zh) | 2023-09-19 |
CN116777571B true CN116777571B (zh) | 2023-11-10 |
Family
ID=87991602
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311054377.0A Active CN116777571B (zh) | 2023-08-22 | 2023-08-22 | 基于大数据及互联网平台的商户推荐及采购方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116777571B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001222519A (ja) * | 2000-02-14 | 2001-08-17 | Shigeyoshi Shimoji | 予測装置およびその方法 |
JP2002197358A (ja) * | 2000-12-27 | 2002-07-12 | Nk Network:Kk | 商品販売システム及びその方法 |
CN108764646A (zh) * | 2018-04-27 | 2018-11-06 | 车智互联(北京)科技有限公司 | 一种销量预测方法及计算设备 |
CN111340421A (zh) * | 2020-02-19 | 2020-06-26 | 广东卓志供应链科技有限公司 | 一种采购方法 |
CN112883775A (zh) * | 2020-12-31 | 2021-06-01 | 深圳云天励飞技术股份有限公司 | 商铺销售数据分析方法、装置、电子设备及存储介质 |
JP2021163485A (ja) * | 2020-03-31 | 2021-10-11 | 株式会社日立製作所 | スマートサプライチェーンシステム |
CN114971584A (zh) * | 2022-06-24 | 2022-08-30 | 深圳市润步科技有限公司 | 基于互联网的电子商务企业用erp管理控制系统 |
CN115841345A (zh) * | 2023-02-16 | 2023-03-24 | 杭州柚果供应链管理有限公司 | 跨境大数据智能化分析方法、系统以及存储介质 |
WO2023070844A1 (zh) * | 2021-10-25 | 2023-05-04 | 广州广电运通金融电子股份有限公司 | 个性化折扣券的智能设计方法、电子装置和存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030069794A1 (en) * | 2001-03-23 | 2003-04-10 | Restaurant Services, Inc. | System, method and computer program product for a supply chain identification scheme for goods |
US20170076321A1 (en) * | 2015-09-14 | 2017-03-16 | Clearslide, Inc. | Predictive analytics in an automated sales and marketing platform |
US11727427B2 (en) * | 2020-10-27 | 2023-08-15 | Volvo Car Corporation | Systems and methods for assessing, correlating, and utilizing online browsing and sales data |
-
2023
- 2023-08-22 CN CN202311054377.0A patent/CN116777571B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001222519A (ja) * | 2000-02-14 | 2001-08-17 | Shigeyoshi Shimoji | 予測装置およびその方法 |
JP2002197358A (ja) * | 2000-12-27 | 2002-07-12 | Nk Network:Kk | 商品販売システム及びその方法 |
CN108764646A (zh) * | 2018-04-27 | 2018-11-06 | 车智互联(北京)科技有限公司 | 一种销量预测方法及计算设备 |
CN111340421A (zh) * | 2020-02-19 | 2020-06-26 | 广东卓志供应链科技有限公司 | 一种采购方法 |
JP2021163485A (ja) * | 2020-03-31 | 2021-10-11 | 株式会社日立製作所 | スマートサプライチェーンシステム |
CN112883775A (zh) * | 2020-12-31 | 2021-06-01 | 深圳云天励飞技术股份有限公司 | 商铺销售数据分析方法、装置、电子设备及存储介质 |
WO2023070844A1 (zh) * | 2021-10-25 | 2023-05-04 | 广州广电运通金融电子股份有限公司 | 个性化折扣券的智能设计方法、电子装置和存储介质 |
CN114971584A (zh) * | 2022-06-24 | 2022-08-30 | 深圳市润步科技有限公司 | 基于互联网的电子商务企业用erp管理控制系统 |
CN115841345A (zh) * | 2023-02-16 | 2023-03-24 | 杭州柚果供应链管理有限公司 | 跨境大数据智能化分析方法、系统以及存储介质 |
Non-Patent Citations (4)
Title |
---|
Study on convolutional neural network and its application in data mining and sales forecasting for E-commerce;Hong Pan等;ELECTRONIC COMMERCE RESEARCH;第20卷(第2期);297-320 * |
基于在线商店流量数据的销售预测研究;顾辰飞;马彪;;信息技术与信息化(Z1);全文 * |
基于小波分析和ARMA-SVR的工艺品销售趋势预测研究;高良;中国优秀硕士学位论文全文数据库哲学与人文科学辑(第4期);F088-154 * |
大数据背景下物流服务订单分配;刘艳秋;王浩;张颖;蔡超;;沈阳工业大学学报(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116777571A (zh) | 2023-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107562818B (zh) | 信息推荐系统及方法 | |
US8407104B2 (en) | Catalog based price search | |
Lall | The pattern of intra-firm exports by US multinationals | |
CN106708821A (zh) | 基于用户个性化购物行为进行商品推荐的方法 | |
CN111951064A (zh) | 基于大数据的电商交易方法 | |
CN113239319A (zh) | 一种自动匹配及推送给供应商来投标报价的方法 | |
CN116468464A (zh) | 基于大数据的商品智能定价方法及系统 | |
CN113344676A (zh) | 一种电子商务大数据信息管理系统 | |
CN116777571B (zh) | 基于大数据及互联网平台的商户推荐及采购方法及其系统 | |
CN111008861A (zh) | 基于智能预测的商品在线交易系统及方法 | |
CN116049543A (zh) | 综合能效服务业务混合推荐方法、系统及存储介质 | |
CN115131108A (zh) | 一种电商商品筛选系统 | |
WO2022110074A1 (zh) | 电子商务信息处理系统 | |
Yang et al. | Forecasting crude oil futures prices using Extreme Gradient Boosting | |
CN113283960A (zh) | 基于大数据分析和云计算的垂直电商平台商品智能推荐方法和云服务平台 | |
CN113744024A (zh) | 一种商家匹配方法、装置、计算机设备及存储介质 | |
CN111080414A (zh) | 基于互联网的电商搜索比价系统 | |
Amrutkar et al. | Sales prediction using machine learning techniques | |
CN117035947B (zh) | 基于大数据处理的农产品数据分析方法及云平台 | |
CN117557341A (zh) | 一种基于计算机的大数据收集与分析系统 | |
CN115187387B (zh) | 一种风险商家的识别方法及设备 | |
CN115375390A (zh) | 基于多sku项目订单的多供应商智能过滤和组合匹配方法 | |
Yu | Research on the application of big data in e-commerce enterprise supply chain cost control | |
Pal | DISCUSSION ON ABC ANALYSIS ON ORDER PICKING EFFICIENCY IN E-COMMERCE WAREHOUSES | |
US20220335485A1 (en) | Partner fee recommendation service |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |