CN117333269B - 一种鲜花订单管理方法及系统 - Google Patents
一种鲜花订单管理方法及系统 Download PDFInfo
- Publication number
- CN117333269B CN117333269B CN202311636520.7A CN202311636520A CN117333269B CN 117333269 B CN117333269 B CN 117333269B CN 202311636520 A CN202311636520 A CN 202311636520A CN 117333269 B CN117333269 B CN 117333269B
- Authority
- CN
- China
- Prior art keywords
- index
- information
- discrete
- platform
- price
- 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
- 238000007726 management method Methods 0.000 title abstract description 20
- 238000013145 classification model Methods 0.000 claims abstract description 29
- 238000000034 method Methods 0.000 claims description 28
- 238000012216 screening Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 10
- 230000007717 exclusion Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 4
- 238000005315 distribution function Methods 0.000 description 5
- 238000007635 classification algorithm Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 235000009355 Dianthus caryophyllus Nutrition 0.000 description 2
- 240000006497 Dianthus caryophyllus Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010586 diagram Methods 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
- 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
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种鲜花订单管理方法及系统,属于订单管理技术领域,鲜花订单管理方法包括获取待上架鲜花的价格预测指标;将离散指标输入分类模型,通过分类模型对离散指标进行等级分类,得到每个离散指标的等级信息;将连续指标以及离散指标的等级信息输入至影响预测模型以进行影响程度预测,得到影响因子;基于基准指标和影响因子,生成价格预测结果;获取每个目标第三方平台当前的平台优惠信息和平台成本信息;基于价格预测结果、平台优惠信息和平台成本信息,生成每个目标第三方平台的上架方案。本申请具有便于将鲜花订单上架至不同的线上销售平台的效果。
Description
技术领域
本发明涉及订单管理技术领域,尤其是涉及一种鲜花订单管理方法及系统。
背景技术
随着网络的发展消费者日常消费习惯也发生了变化,线上消费的比例逐渐增加。为了顺应消费者的消费习惯,鲜花商家逐渐开通了线上售卖渠道,例如淘宝店、天猫店、京东店、团购网站、微商、自媒体或其它线上销售平台等。
目前,鲜花商家在线上售卖鲜花时,需要商家分别在每个线上销售平台上架或下架鲜花,而每个线上销售平台的管理方式又存在不同,并且鲜花受时令影响价格变化也较为频繁,导致商家在将每种鲜花上架到每个平台时需要花费大量的人力对上架鲜花进行管理维护,较为花费时间,如何便于商家将鲜花订单上架到不同的线上销售平台是目前亟待解决的问题。
发明内容
为了便于将鲜花订单上架至不同的线上销售平台,本申请提供了一种鲜花订单管理方法及系统。
第一方面,本申请提供的一种鲜花订单管理方法,采用如下的技术方案:
一种鲜花订单管理方法,包括:
获取待上架鲜花的价格预测指标;其中,价格预测指标包括基准指标、离散指标以及连续指标;
将离散指标输入分类模型,通过分类模型对离散指标进行等级分类,得到每个离散指标的等级信息;所述离散指标包括花店位置坐标;
将连续指标以及离散指标的等级信息输入至影响预测模型以进行影响程度预测,得到影响因子;所述连续指标包括花期时令信息以及节日信息;
基于基准指标和影响因子,生成价格预测结果;所述基准指标包括预设时间段内的历史均价;
获取每个目标第三方平台当前的平台优惠信息和平台成本信息;
基于价格预测结果、平台优惠信息和平台成本信息,生成每个目标第三方平台的上架方案。
可选的,所述通过分类模型对离散指标进行等级分类,得到每个离散指标的等级信息,具体包括:
通过所述分类模型分析花店位置坐标在每一预设维度的参数信息,并对每一参数信息进行分类得到子分类等级,基于所有子分类等级得到花店位置坐标的等级信息;
其中,所述参数信息包括商铺位置与鲜花采购地之间的采购距离区间、商铺所在城市规模以及商铺所在地段。
可选的,所述方法还包括分类模型的训练步骤,所述训练步骤包括:
在多个预设维度下对离散指标标定等级信息标签;
将离散指标的参数信息以及每个预设维度下的等级信息标签输入至GBDT模型中进行训练;将训练后的GBDT模型作为离散指标的分类模型。
可选的,所述将连续指标以及离散指标的等级信息输入至影响预测模型以进行影响程度预测,得到影响因子,具体包括:
将连续指标以及离散指标的等级信息输入至影响预测模型;
基于连续指标生成第一特征值,基于离散指标的等级信息生成第二特征值,并将第一特征值和第二特征值合并生成特征向量;
对特征向量进行中心化处理,得到中心特征值;
基于中心特征值,对影响程度进行类别预测,得到影响因子。
可选的,所述基于基准指标和影响因子,生成价格预测结果,具体包括:
将基准指标和影响因子相乘得到价格预测结果。
可选的,所述平台优惠信息包括若干个优惠类目以及每个优惠类目的互斥规则;所述基于价格预测结果、平台优惠信息和平台成本信息,生成每个目标第三方平台的上架方案,具体包括:
根据互斥规则,将若干个优惠类目进行组合,得到目标第三方平台的至少一组优惠类目组合;
核算每个优惠类目组合的折扣信息;
基于价格预测结果、平台成本信息以及折扣信息,生成每个目标第三方平台的每个优惠类目组合的上架方案。
可选的,若所述上架方案有多个,所述方法还包括:
获取商户预先设定的上架方案的筛选优先级;所述筛选优先级包括商户到手价优先以及顾客到手价优先;
基于筛选优先级,从目标第三方平台的所有上架方案中筛选最优上架方案。
第二方面,本申请提供一种鲜花订单管理系统,采用如下技术方案:
一种鲜花订单管理系统,包括:
参数获取单元,用于获取待上架鲜花的价格预测指标;获取每个目标第三方平台当前的平台优惠信息和平台成本信息;其中,价格预测指标包括基准指标、离散指标以及连续指标;离散指标处理单元,用于将离散指标输入分类模型,通过分类模型对离散指标进行等级分类,得到每个离散指标的等级信息;所述离散指标包括花店位置坐标;
影响因子生成单元,用于将连续指标以及离散指标的等级信息输入至影响预测模型以进行影响程度预测,得到影响因子;所述连续指标包括花期时令信息以及节日信息;
预测单元,用于基于基准指标和影响因子,生成价格预测结果;所述基准指标包括预设时间段内的历史均价;
方案输出单元,用于基于价格预测结果、平台优惠信息和平台成本信息,生成每个目标第三方平台的上架方案。
综上所述,本申请包括以下有益技术效果:
将等级信息和连续指标输入至价格预测模型中,生成价格影响因子,再基于影响因子和基准指标进行价格预测,基于价格预测结果、平台优惠信息和平台成本信息,生成每个目标第三方平台的上架方案,以便在每个目标第三方平台根据上架方案对鲜花进行上架,无需手动核价,实现了便于将鲜花订单上架至不同的线上销售平台的效果;
利用分类模型对价格预测指标中的离散指标进行分析,以便将离散指标转换为便于处理的数值形式的等级信息,以供价格预测模型进行预测;
将等级信息和连续指标一同输入至价格预测模型中,从而得到了综合花期时令信息、节日信息以及花店位置坐标的价格影响因子,再基于影响因子和基准指标进行价格预测,使得生成的价格预测结果更加符合当前鲜花市场行情,利于合理定价售卖。
附图说明
图1是本申请其中一实施例鲜花订单管理方法的流程图。
图2是本申请其中一实施例训练分类模型的方法流程图。
图3是本申请其中一实施例基于影响预测模型得到影响因子的方法流程图。
图4是本申请其中一实施例生成上架方案的方法流程图。
图5是本申请其中一实施例鲜花订单管理系统的框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
本申请实施例公开一种鲜花订单管理方法。参照图1,一种鲜花订单管理方法,包括:步骤S101:获取待上架鲜花的价格预测指标。
其中,价格预测指标即影响当前待上架鲜花价格的指标,包括基准指标、离散指标以及连续指标。具体地,连续指标是花期时令信息以及节日信息,离散指标是花店位置坐标,基准指标是花店对应鲜花的历史成交价格。
应当理解,花店位置坐标可以反映花店所在地区的经济状况、花店租金成本以及距离鲜花产地距离等因素。在经济发达的地区,人们有更高的消费水平,同时花店的租金和运营成本也相对较高,因此鲜花的价格可以高一些。而在一些较偏远或经济欠发达的地区,鲜花的价格则需要低一些,否则易影响鲜花的销量。对于不同品种的鲜花,价格在一年中也会有所波动,在鲜花花期的高峰期,价格相对较低,当花期过后,价格可能会上涨。例如,康乃馨的花期在5-8月,在这期间内康乃馨这一种类的鲜花价格可能会降低。最后,在特定节日期间鲜花的需求量较大,造成鲜花的供不应求,因此在节日期间价格也会相应地上涨,例如在情人节、母亲节、七夕等节日期间。利用花店位置坐标、花期时令信息以及节日信息,使得对待上架鲜花的价格进行预测更合理。
步骤S102:将离散指标输入分类模型,通过分类模型对离散指标进行等级分类,得到每个离散指标的等级信息。
其中,离散指标的等级信息即该离散指标对价格影响的程度。
步骤S103:将连续指标以及离散指标的等级信息输入至影响预测模型以进行影响程度预测,得到影响因子。
其中,影响因子是大于零的数值,若影响因子等于一,则说明当前待上架鲜花的价格与历史价格持平,若影响因子小于一,则说明当前待上架鲜花需要低于历史价格,若影响因子大于一,则说明当前待上架鲜花需要高于历史价格。
步骤S104:基于基准指标和影响因子,生成价格预测结果;
其中,基准指标包括预设时间段内的历史均价;预设时间段可以设定为一个月、一季度或一年。
步骤S105:获取每个目标第三方平台当前的平台优惠信息和平台成本信息;
其中,目标第三方平台可以是淘宝店、天猫店、京东店、团购网站、微商、自媒体或其它线上销售平台,平台优惠信息包括若干个优惠类目以及每个优惠类目的互斥规则。优惠类目可以是直降优惠、满减优惠、N件M折优惠(其中N为正整数M为大于零小于十的自然数)、跨店优惠以及店铺优惠券等。每个优惠类目的互斥规则是指优惠类目之间是否允许同时参加。
步骤S106:基于价格预测结果、平台优惠信息和平台成本信息,生成每个目标第三方平台的上架方案。
其中,平台成本信息包括目标第三方平台的抽成以及平台营销成本。
上述实施方式中,通过花店当前的价格预测指标,先利用分类模型对价格预测指标中的离散指标进行分析,以便得到便于处理的等级信息,再将等级信息和连续指标输入至价格预测模型中,以得到综合了花期时令信息、节日信息以及花店位置坐标的价格影响因子,再基于影响因子和基准指标进行价格预测,使得生成的价格预测结果更加符合当前市场行情,然后,再获取每个目标第三方平台当前的平台优惠信息和平台成本信息,基于价格预测结果、平台优惠信息和平台成本信息,生成每个目标第三方平台的上架方案,以便在每个目标第三方平台上根据上架方案对鲜花进行上架,从而实现了便于将鲜花订单上架至不同的线上销售平台的效果。
参照图2,作为步骤S102的一种实施方式,步骤S102具体包括:
通过分类模型分析花店位置坐标在每一预设维度的参数信息,并对每一参数信息进行分类得到子分类等级,基于所有子分类等级得到花店位置坐标的等级信息。
其中,参数信息包括商铺位置与鲜花采购地之间的采购距离区间、商铺所在城市规模以及商铺所在地段。
作为鲜花订单管理方法的进一步实施方式,鲜花订单管理方法还包括对分类模型的训练步骤,训练步骤包括:
步骤S201:在多个预设维度下对离散指标标定等级信息标签;
其中,等级信息标签可以包括多个等级,例如,等级信息标签可以规定为1-10十个等级。
应当理解,多个预设维度包括商铺位置与鲜花采购地之间的采购距离区间、商铺所在城市规模以及商铺所在地段。当商铺位置与鲜花采购地之间的采购距离越远,则标定的等级信息标签越高;商铺所在城市规模越大,则标定的等级信息标签越高;商铺所在地段的热度越高,则标定的等级信息标签越高。
步骤S202:将离散指标的参数信息以及每个预设维度下的等级信息标签输入至GBDT模型中进行训练;
步骤S203:将训练后的GBDT模型作为离散指标的分类模型。
上述实施方式中,在多个预设维度上标定等级信息标签,便于训练出的分类模型能够具备在多个预设维度上对离散指标进行分类的能力。
参照图3,作为步骤S103的一种实施方式,步骤S103具体包括:
步骤S1031:将连续指标以及离散指标的等级信息输入至影响预测模型。
具体地,影响预测模型可以是k-NN(k-最近邻)分类算法。
应当理解,在本实施例中,离散指标是花店位置坐标,而花店位置坐标对鲜花价格的影响是多维度的,仅靠k-NN分类算法难以对花店位置坐标进行分析处理,所以需要先根据花点位置坐标生成等级信息,再将离散指标的等级信息输入至影响预测模型,便于影响预测模型对离散指标进行更加准确的分析处理。
步骤S1032:基于连续指标生成第一特征值,基于离散指标的等级信息生成第二特征值,并将第一特征值和第二特征值合并生成特征向量;
其中,基于连续指标生成第一特征值具体包括:将花期时令信息以及节日信息的中心点作为标准正态分布的均值,设定预设时间段的值作为标准正态分布函数的标准差,设定标准正态分布函数,将当前时间代入标准正态分布函数,标准正态分布的概率密度函数即为第一特征值。
其中,标准正态分布函数为f(x)是概率密度函数,μ是均值,σ是标准差,x是输入的当前月份信息,e是自然对数。以花期时令信息为例,例如花期时令信息为4-6月,则中心点为5月,预设时间段可以为两个月,则标准正态分布函数为:若需要输出3月15日的第一特征值,当前月份信息为3.5,此时第一特征值
步骤S1033:对特征向量进行中心化处理,得到中心特征值;
应当理解,由于k-NN分类算法是基于距离的算法,不同尺度的特征会影响分类结果,所以通过中心化处理便于将所有特征标准化到同一尺度,以生成中心特征值。
步骤S1034:基于中心特征值,对影响程度进行类别预测,得到影响因子。
具体地,计算中心特征值和影响预测模型中所有已标记样本之间的距离,基于距离,选择距离最近的k个已标记样本,基于已标记样本的影响因子通过投票的方式预测得到未标记样本的影响因子。计算中心特征值和影响预测模型中所有已标记样本之间的距离可以选用欧几里得距离。
上述实施方式中,将连续指标以及离散指标的等级信息输入至影响预测模型,并基于连续指标生成第一特征值,基于离散指标的等级信息生成第二特征值,为了便于在第一特征值和第二特征值进行处理,将第一特征值和第二特征值进行组合后再进行中心化处理,以将第一特征值和第二特征值的标准化得到中心特征值,再通过中心特征值对影响程度进行类别预测,从而生成所需的影响因子。
作为步骤S104的一种实施方式,步骤S104具体包括:将基准指标和影响因子相乘得到价格预测结果。
参照图4,作为步骤S106的一种实施方式,步骤S106具体包括:
步骤S1061:根据互斥规则,将若干个优惠类目进行组合,得到目标第三方平台的至少一组优惠类目组合;
其中,可以通过排列组合的方式对若干个优惠类目进行组合。例如,优惠类目包括A、B以及C,且互斥规则规定A和B不能同时参加,此时得到的优惠类目组合包括AC组合、BC组合、A组合、B组合以及C组合。
步骤S1062:核算每个优惠类目组合的折扣信息;
步骤S1063:基于价格预测结果、平台成本信息以及折扣信息,生成每个目标第三方平台的每个优惠类目组合的上架方案。
作为鲜花订单管理方法的进一步实施方式,若所述上架方案有多个,鲜花订单管理方法还包括:
获取商户预先设定的上架方案的筛选优先级;所述筛选优先级包括商户到手价优先以及顾客到手价优先;
基于筛选优先级,从目标第三方平台的所有上架方案中筛选最优上架方案。
详细地参照图5,本申请实施例公开一种鲜花订单管理系统。一种鲜花订单管理系统,包括:
参数获取单元,用于获取待上架鲜花的价格预测指标;获取每个目标第三方平台当前的平台优惠信息和平台成本信息;其中,价格预测指标包括基准指标、离散指标以及连续指标;离散指标处理单元,用于将离散指标输入分类模型,通过分类模型对离散指标进行等级分类,得到每个离散指标的等级信息;所述离散指标包括花店位置坐标;
影响因子生成单元,用于将连续指标以及离散指标的等级信息输入至影响预测模型以进行影响程度预测,得到影响因子;所述连续指标包括花期时令信息以及节日信息;
预测单元,用于基于基准指标和影响因子,生成价格预测结果;所述基准指标包括预设时间段内的历史均价;
方案输出单元,用于基于价格预测结果、平台优惠信息和平台成本信息,生成每个目标第三方平台的上架方案。
本申请提供的一种鲜花订单管理系统能够实现上述一种鲜花订单管理方法,且一种鲜花订单管理系统的具体工作过程可参考上述方法实施例中的对应过程。
需要说明的是,在上述实施例中,对各个实施例的描述各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
以上均为本申请的较佳实施例,并非依此限制本申请的保护范围,本说明书(包括摘要和附图)中公开的任一特征,除非特别叙述,均可被其他等效或者具有类似目的的替代特征加以替换。即,除非特别叙述,每个特征只是一系列等效或类似特征中的一个例子而已。
Claims (8)
1.一种鲜花订单管理方法,其特征在于,包括:
获取待上架鲜花的价格预测指标;其中,价格预测指标包括基准指标、离散指标以及连续指标;
将离散指标输入分类模型,通过分类模型对离散指标进行等级分类,得到每个离散指标的等级信息;所述离散指标包括花店位置坐标;
将连续指标以及离散指标的等级信息输入至影响预测模型以进行影响程度预测,得到影响因子;所述连续指标包括花期时令信息以及节日信息;
基于基准指标和影响因子,生成价格预测结果;所述基准指标包括预设时间段内的历史均价;
获取每个目标第三方平台当前的平台优惠信息和平台成本信息;
基于价格预测结果、平台优惠信息和平台成本信息,生成每个目标第三方平台的上架方案。
2.根据权利要求1所述的方法,其特征在于,所述通过分类模型对离散指标进行等级分类,得到每个离散指标的等级信息,具体包括:
通过所述分类模型分析花店位置坐标在每一预设维度的参数信息,并对每一参数信息进行分类得到子分类等级,基于所有子分类等级得到花店位置坐标的等级信息;其中,所述参数信息包括商铺位置与鲜花采购地之间的采购距离区间、商铺所在城市规模以及商铺所在地段。
3.根据权利要求1-2任一所述的方法,其特征在于,所述方法还包括分类模型的训练步骤,所述训练步骤包括:
在多个预设维度下对离散指标标定等级信息标签;
将离散指标的参数信息以及每个预设维度下的等级信息标签输入至GBDT模型中进行训练;
将训练后的GBDT模型作为离散指标的分类模型。
4.根据权利要求1所述的方法,其特征在于,所述将连续指标以及离散指标的等级信息输入至影响预测模型以进行影响程度预测,得到影响因子,具体包括:
将连续指标以及离散指标的等级信息输入至影响预测模型;
基于连续指标生成第一特征值,基于离散指标的等级信息生成第二特征值,并将第一特征值和第二特征值合并生成特征向量;
对特征向量进行中心化处理,得到中心特征值;
基于中心特征值,对影响程度进行类别预测,得到影响因子。
5.根据权利要求4所述的方法,其特征在于,所述基于基准指标和影响因子,生成价格预测结果,具体包括:
将基准指标和影响因子相乘得到价格预测结果。
6.根据权利要求1所述的方法,其特征在于,所述平台优惠信息包括若干个优惠类目以及每个优惠类目的互斥规则;所述基于价格预测结果、平台优惠信息和平台成本信息,生成每个目标第三方平台的上架方案,具体包括:
根据互斥规则,将若干个优惠类目进行组合,得到目标第三方平台的至少一组优惠类目组合;
核算每个优惠类目组合的折扣信息;
基于价格预测结果、平台成本信息以及折扣信息,生成每个目标第三方平台的每个优惠类目组合的上架方案。
7.根据权利要求6所述的方法,其特征在于,若所述上架方案有多个,所述方法还包括:
获取商户预先设定的上架方案的筛选优先级;所述筛选优先级包括商户到手价优先以及顾客到手价优先;
基于筛选优先级,从目标第三方平台的所有上架方案中筛选最优上架方案。
8.一种鲜花订单管理系统,其特征在于,包括:
参数获取单元,用于获取待上架鲜花的价格预测指标;获取每个目标第三方平台当前的平台优惠信息和平台成本信息;其中,价格预测指标包括基准指标、离散指标以及连续指标;
离散指标处理单元,用于将离散指标输入分类模型,通过分类模型对离散指标进行等级分类,得到每个离散指标的等级信息;所述离散指标包括花店位置坐标;
影响因子生成单元,用于将连续指标以及离散指标的等级信息输入至影响预测模型以进行影响程度预测,得到影响因子;所述连续指标包括花期时令信息以及节日信息;
预测单元,用于基于基准指标和影响因子,生成价格预测结果;所述基准指标包括预设时间段内的历史均价;
方案输出单元,用于基于价格预测结果、平台优惠信息和平台成本信息,生成每个目标第三方平台的上架方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311636520.7A CN117333269B (zh) | 2023-12-01 | 2023-12-01 | 一种鲜花订单管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311636520.7A CN117333269B (zh) | 2023-12-01 | 2023-12-01 | 一种鲜花订单管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117333269A CN117333269A (zh) | 2024-01-02 |
CN117333269B true CN117333269B (zh) | 2024-01-30 |
Family
ID=89279736
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311636520.7A Active CN117333269B (zh) | 2023-12-01 | 2023-12-01 | 一种鲜花订单管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117333269B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106203840A (zh) * | 2016-07-13 | 2016-12-07 | 欧阳张睿 | 方案信息自动生成方法 |
CN106447461A (zh) * | 2016-10-18 | 2017-02-22 | 成都花娃网络科技有限公司 | 一种网络鲜花订购方法 |
CN108932655A (zh) * | 2018-06-14 | 2018-12-04 | 西安拓美网络科技有限公司 | 一种基于互联网的农产品销售管理方法及系统 |
CN114004668A (zh) * | 2021-09-30 | 2022-02-01 | 青岛海尔科技有限公司 | 订单管理方法及系统 |
CN114693461A (zh) * | 2020-12-31 | 2022-07-01 | 天津幸福生命科技有限公司 | 基于机器学习的城市普惠保险的风险影响因子获取方法 |
CN114782136A (zh) * | 2022-04-24 | 2022-07-22 | 青岛海尔科技有限公司 | 线上商城管理系统 |
CN115936767A (zh) * | 2022-10-20 | 2023-04-07 | 工企邦信息科技(山东)有限公司 | 一种基于电商平台的商品组合销售方法 |
-
2023
- 2023-12-01 CN CN202311636520.7A patent/CN117333269B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106203840A (zh) * | 2016-07-13 | 2016-12-07 | 欧阳张睿 | 方案信息自动生成方法 |
CN106447461A (zh) * | 2016-10-18 | 2017-02-22 | 成都花娃网络科技有限公司 | 一种网络鲜花订购方法 |
CN108932655A (zh) * | 2018-06-14 | 2018-12-04 | 西安拓美网络科技有限公司 | 一种基于互联网的农产品销售管理方法及系统 |
CN114693461A (zh) * | 2020-12-31 | 2022-07-01 | 天津幸福生命科技有限公司 | 基于机器学习的城市普惠保险的风险影响因子获取方法 |
CN114004668A (zh) * | 2021-09-30 | 2022-02-01 | 青岛海尔科技有限公司 | 订单管理方法及系统 |
CN114782136A (zh) * | 2022-04-24 | 2022-07-22 | 青岛海尔科技有限公司 | 线上商城管理系统 |
CN115936767A (zh) * | 2022-10-20 | 2023-04-07 | 工企邦信息科技(山东)有限公司 | 一种基于电商平台的商品组合销售方法 |
Non-Patent Citations (1)
Title |
---|
花店礼品销售系统的设计与实现;杨璐璐;;环球市场信息导报(第39期);72+81 * |
Also Published As
Publication number | Publication date |
---|---|
CN117333269A (zh) | 2024-01-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110222272B (zh) | 一种潜在客户挖掘与推荐方法 | |
CN106570778B (zh) | 一种基于大数据的数据集成与线损分析计算的方法 | |
CN113052651B (zh) | 一种基于大数据的智能零售管理方法及系统 | |
CN111489180A (zh) | 参考信息生成方法、系统及装置 | |
CN106682923B (zh) | 商品调整方法及系统 | |
CN108389069A (zh) | 基于随机森林和逻辑回归的优质客户识别方法及装置 | |
CN112967108B (zh) | 基于bp-ann的电力零售套餐搜索排序仿真系统和方法 | |
KR20180113111A (ko) | 키워드 검색량 기반 예측 정보 생성 장치 및 방법 | |
CN114820140A (zh) | 基于大数据分析的家具全链路数字化运营系统 | |
JP2020149468A (ja) | 商品管理システムおよび商品管理方法 | |
CN116433052A (zh) | 一种基于智能化的招标信息采集数据分析评价系统 | |
CN116187808A (zh) | 一种基于虚拟电厂用户-套餐标签画像的电力套餐推荐方法 | |
CN112163781A (zh) | 基于多维度指标聚类的园区用电群体生命周期评价方法 | |
CN116739652A (zh) | 一种服装电商销量预测建模方法 | |
CN111861679A (zh) | 一种基于人工智能的商品推荐方法 | |
CN117333269B (zh) | 一种鲜花订单管理方法及系统 | |
CN117196758A (zh) | 一种商品上架前的甄选方法、设备及介质 | |
CN111339410A (zh) | 一种基于大数据的网络安全产品销售系统 | |
CN116452299A (zh) | 一种电商智能化推荐系统及方法 | |
CN116012115A (zh) | 一种基于商品图谱及供应链的人群兴趣动态标签方法 | |
CN116012086A (zh) | 商品价格的评估方法、装置、电子设备及存储介质 | |
CN110490682A (zh) | 分析商品属性的方法和装置 | |
CN113077007A (zh) | 一种电力物资配置需求测算的模型匹配系统 | |
CN111400622A (zh) | 一种分布式电商系统中紧缺商品数量展现方法及装置 | |
CN110738538A (zh) | 识别相似物品的方法和装置 |
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 |