CN117829878A - 基于生成式ai的电商产品市场分析方法及系统 - Google Patents

Abstract

本发明涉及电商市场分析的技术领域，尤其是涉及一种基于生成式AI的电商产品市场分析方法及系统，方法包括：接收产品关键字信息；根据产品关键字信息在市场数据库爬取得到产品信息集；根据用户在产品信息集中的选择结果得到相关产品集；根据用户在相关产品集中的选择结果得到竞品集；将相关产品集输入ChatGPT模型中以得到产品名称的细分市场趋势分析及品牌排名，ChatGPT模型通过大量用户交互数据训练得到；将竞品集输入ChatGPT模型中以得到市场竞争格局报表和用户需求洞察报表，用户需求洞察报表包括用户简介子报表、用户痛点子报表、用户爽点子报表和用户期望子报表。本申请具有提供更为细致的细分分析对比，给到用户精确的建议的效果。

Description

基于生成式AI的电商产品市场分析方法及系统

技术领域

本发明涉及电商市场分析的技术领域，尤其是涉及一种基于生成式AI的电商产品市场分析方法及系统。

背景技术

跨境电子商务是指分属不同关税区的交易主体，通过互联网信息技术完成在线交易洽谈和下单行为，达成交易合同、通过支付机构进行跨境支付结算，并通过跨境物流将商品送达、完成交易的一种国际商务活动。

2023年十大新兴技术报告中指出生成式AI(人工智能，ArtificialIntelligence)是一种通过学习大规模数据集生成新的原创内容的新型人工智能，在2022年底因ChatGPT发布而引起了公众广泛关注。生成式AI(人工智能)将在教育和研究等多个行业引发颠覆性变革。然而，现有的跨境电商市场分析平台，关于ChatGPT的应用较少，用户一般选择产品类别，查阅对应类别的市场数据情况，而无法根据市场进行有效的细分分析对比，体验较差。

发明内容

为了提供更为细致的细分分析对比，给到用户精确的建议，本申请提供一种基于生成式AI的电商产品市场分析方法及系统。

本申请的上述发明目的一是通过以下技术方案得以实现的：

一种基于生成式AI的电商产品市场分析方法，包括：

接收产品关键字信息；

根据所述产品关键字信息在市场数据库爬取得到产品信息集，每个产品信息包括产品图像及其关联的产品名称、产品品牌及产品售价；

根据用户在产品信息集中的选择结果得到相关产品集；

根据用户在相关产品集中的选择结果得到竞品集；

将所述相关产品集输入ChatGPT模型中以得到产品名称的细分市场趋势分析及品牌排名；

将所述竞品集输入ChatGPT模型中以得到市场竞争格局报表和用户需求洞察报表，所述用户需求洞察报表包括用户简介子报表、用户痛点子报表、用户爽点子报表和用户期望子报表。

本申请在一较佳示例中可以进一步配置为：还包括：

根据相关产品集在数据库中获取细分市场的年度市场容量；

根据年度市场容量确定若干个取样月份；

根据若干个取样月份确定每个产品名称的月度销售基准额；

根据每个产品名称的年度销售额和月度销售基准额确定每个产品名称的增长系数；

获取各用户痛点对应的各产品名称的销售额占比年度曲线，每个产品名称具有各自对应的用户痛点集；

对关联于同一用户痛点的产品名称的品牌销售额占比年度曲线拟合得到用户痛点的痛点年度趋势曲线；

筛选出痛点年度趋势曲线为下降曲线的用户痛点为待评估痛点；

若不包含待评估痛点的每个产品名称的增长系数的均值与每个产品名称的增长系数均值符合预设条件，则将该待评估痛点标记为趋势下降痛点并推送给用户。

本申请在一较佳示例中可以进一步配置为：年度市场容量包含各个月份的市场子容量，所述根据年度市场容量确定若干个取样月份，包括：

采用filter函数二次去除年度市场容量中每月容量中的极值，得到剩余月份的市场子容量，将剩余月份作为取样月份。

本申请在一较佳示例中可以进一步配置为：根据若干个取样月份确定每个产品名称的月度销售基准额，包括：

将产品名称的在每个取样月份的销售额的平均值作为产品名称的月度销售基准额。

本申请在一较佳示例中可以进一步配置为：所述ChatGPT模型通过大量用户交互数据训练得到，用户交互数据包括产品信息及对应的用户评价；

将所述竞品集输入ChatGPT模型中以得到市场竞争格局报表和用户需求洞察报表，包括：

根据竞品集及预设提问语句生成市场竞争格局问题和用户需求洞察问题输入ChatGPT模型，所述ChatGPT模型输出市场竞争格局报表和用户需求洞察报表。

本申请的上述发明目的二是通过以下技术方案得以实现的：

一种基于生成式AI的电商产品市场分析系统，包括：

接收模块，用于接收产品关键字信息；

爬取模块，用于根据所述产品关键字信息在市场数据库爬取得到产品信息集，每个产品信息包括产品图像及其关联的产品名称、产品品牌及产品售价；

第一选择模块，用于根据用户在产品信息集中的选择结果得到相关产品集；

第二选择模块，用于根据用户在相关产品集中的选择结果得到竞品集；

第一分析模块，将所述相关产品集输入ChatGPT模型中以得到产品名称的细分市场趋势分析及品牌排名，ChatGPT模型是通过大量用户交互数据训练得到的，用户交互数据包括产品信息及对应的用户评价；

第二分析模块，用于将所述竞品集输入ChatGPT模型中以得到市场竞争格局报表和用户需求洞察报表，所述用户需求洞察报表包括用户简介子报表、用户痛点子报表、用户爽点子报表和用户期望子报表。

本申请在一较佳示例中可以进一步配置为：所述基于生成式AI的电商产品市场分析系统还包括：

容量获取模块，用于根据相关产品集在数据库中获取细分市场的年度市场容量；

取样模块，用于根据年度市场容量确定若干个取样月份；

基准额确定模块，用于根据若干个取样月份确定每个产品名称的月度销售基准额；

增长系数计算模块，用于根据每个产品名称的年度销售额和月度销售基准额确定每个产品名称的增长系数；

销售额占比获取模块，用于获取各用户痛点对应的各产品名称的品牌销售额占比年度曲线，每个产品名称具有各自对应的用户痛点集；

拟合模块，用于对关联于同一用户痛点的产品名称的品牌销售额占比年度曲线拟合得到用户痛点的痛点年度趋势曲线；

筛选模块，用于筛选出痛点年度趋势曲线为下降曲线的用户痛点为待评估痛点；

推送模块，用于若不包含待评估痛点的每个产品名称的增长系数的均值与每个产品名称的增长系数均值符合预设条件，则推将该待评估痛点标记为趋势下降痛点并推送给用户。

在所述基于生成式AI的电商产品市场分析系统中，优选地，年度市场容量包含各个月份的市场子容量，所述根据年度市场容量确定若干个取样月份，包括：采用filter函数二次去除年度市场容量中每月容量中的极值，得到剩余月份的市场子容量，将剩余月份作为取样月份。

在所述基于生成式AI的电商产品市场分析系统中，优选地，根据若干个取样月份确定每个产品名称的月度销售基准额，包括：将产品名称的在每个取样月份的销售额的平均值作为产品名称的月度销售基准额。

在所述基于生成式AI的电商产品市场分析系统中，优选地，所述ChatGPT模型通过大量用户交互数据训练得到，用户交互数据包括产品信息及对应的用户评价；将所述竞品集输入ChatGPT模型中以得到市场竞争格局报表和用户需求洞察报表，包括：根据竞品集及预设提问语句生成市场竞争格局问题和用户需求洞察问题输入ChatGPT模型，所述ChatGPT模型输出市场竞争格局报表和用户需求洞察报表。

综上所述，本申请包括以下至少一种有益技术效果：

1、用户初次的选择，只需选择与自身产品相关的市场产品，而无需考虑价格、用户群体，如此分析出的细分市场的趋势及品牌排名较为全面，进一步地，在初次的选择结果之上，再次提供用户细选与目标产品关联的产品，以便进行进一步地市场竞争格局分析和用户需求洞察分析。如此用户可以选择价位相同、用户群体相似的市场产品，从而获得更为专业贴合的市场竞争格局报表和用户需求洞察报表；

2、能够提供用户给真正影响销量的用户痛点，基于规避该些用户痛点提供用户选品或商品布局、研发建议；

3、采用带正则化的线性拟合(岭回归ridge regression和Lasso回归)方式进行拟合，得到的用户痛点的痛点年度趋势曲线能够较好的反映对应的用户痛点的产品销量趋势。

附图说明

图1是本申请一实施例中基于生成式AI的电商产品市场分析方法的实现流程图；

图2是本申请一实施例中基于生成式AI的电商产品市场分析方法的细分市场趋势分析及品牌排名的界面示意图；

图3是本申请一实施例中基于生成式AI的电商产品市场分析方法的市场竞争格局报表的界面示意图；

图4是本申请一实施例中基于生成式AI的电商产品市场分析方法的用户需求洞察报表的界面示意图；

图5是本申请又一实施例中基于生成式AI的电商产品市场分析方法的产品关键词输入的界面示意图；

图6是本申请又一实施例中基于生成式AI的电商产品市场分析方法的产品信息集的界面示意图；

图7是本申请又一实施例中基于生成式AI的电商产品市场分析方法的竞品集的界面示意图；

图8是本申请又一实施例中基于生成式AI的电商产品市场分析方法的细分市场趋势分析及品牌排名的界面示意图；

图9～11是本申请又一实施例中基于生成式AI的电商产品市场分析方法的用户需求洞察报表的界面示意图；

图12是本申请另一实施例中基于产品应用场景的智能市场定位方法步骤S7～S14的实现流程图；

图13是本申请一实施例中基于产品应用场景的智能市场定位系统的模块示意图；

图14是本申请另一实施例中基于产品应用场景的智能市场定位系统的部分模块示意图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

需要说明的是，本发明中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。

另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。

图1是根据本申请第一实施例的示意图，如图1所示，该基于生成式AI的电商产品市场分析方法，包括：

S1、接收产品关键字信息；

具体地，平台提供用户界面及搜索框，用于供用户输入产品关键字信息，输入中英文词条均可，名称词库来源于亚马逊，同步翻译。

S2、根据产品关键字信息在市场数据库爬取得到产品信息集；

其中，每个产品信息包括产品图像及其关联的产品名称、产品品牌及产品售价；采用商业数据库，可以是通过网络爬虫技术，实时针对特定网站获取产品信息，即上述的产品图像及其关联的产品名称、产品品牌及产品售价，然后将市场数据按照自然语言进行分类，其中自然语言包括每种商品的近义词、相关词，例如扫地机器人产品中，自然语言包括但不限于机器人扫地、机器人清洁、机器人打扫等，而扫地机器人又分为很多种，与扫地机器人相关的词都会整合算为一类，产品信息会依据自然语言采用机器学习算法和模型将其进行分类和聚类，分类后得到初始数据。

经过分类后的初始数据非常庞大且复杂，所以需要对其进行去重处理，通过使用Python中的pandas以及numpy库进行初始数据的清洗，去除无效、重复、冗余的初始数据，以及初始数据中的噪声和异常值。

整理过数据后可能会出现数据缺失的现象，比如某一品牌扫地机器人中某次获取的产品售价为a，某次获取的产品售价为b，某次获取的产品售价数据缺失，某次获取的产品售价为c，某次获取的产品售价为d，存在一部分数据缺失的现象，则这部分缺失的数据通过获取到其余数据的均值、中位数或者众数来填充，但是需要均值、中位数或者众数位于缺失值两端点的区间范围内。

S3、根据用户在产品信息集中的选择结果得到相关产品集；

S4、根据用户在相关产品集中的选择结果得到竞品集；

S5、将相关产品集输入ChatGPT模型中以得到产品名称的细分市场趋势分析及品牌排名；

其中，ChatGPT模型是通过大量用户交互数据训练得到的，用户交互数据包括产品信息及对应的用户评价；

首先对文本数据(用户交互数据)进行预处理，将其转化为模型可以处理的向量表示。处理方式可以采用分词、向量化；然后在ChatGPT模型的基础上添加分类器，用于将文本数据分成不同的类别或标签。在此可以采用全连接层或者卷积神经网络作为分类器；在模型构建完成之后，采用前述预处理的标注数据对模型进行训练。训练过程包括前向传播、损失计算、反向传播和参数更新等本领域技术人员通过结合和改良技术能够实现的方式进行训练。在本实施例中，采用优化算法(如SGD、Adam等)对模型进行优化。最后采用测试数据对训练好的ChatGPT模型进行评估，评估指标包括准确率、精确率、召回率，以判断模型的性能和优化方向。经过训练后的ChatGPT模型即可对用户评价中的内容进行筛分分类汇总，例如，某评论为“该产品只能连接2.4GHz的Wi-Fi，无法连接5GHz的Wi-Fi，导致用户无法正常使用”，能够被识别划分为属于“连接问题”；某评论为“电池续航时间不够长，需要多次充电才能完成整个清扫过程”，能够被识别划分为属于“电池续航不足”。

参照图2，在本申请中，年度报表或者曲线均以自然月为单位；其中，细分市场趋势分析及品牌排名，这部分数据来源公司商业数据库，细分市场趋势分析及品牌排名可以柱状图的形式展现，例如扫地机器人的市场趋势分析可以以月份作为基准体现，同时向大语言模型输入预设问题，得到市场预测分析结果，大语言模型是通过大量产品信息及销量数据训练得到的，例如大语言模型输出的某次扫地机器人的市场趋势分析为“根据参考数据和对美国市场的洞察，对扫地机器人在美国市场的市场预测分析结果如下:1.扫地机器人市场容量在四月至七月期间呈现逐渐增长的趋势；2.预计扫地机器人市场容量将继续增长，但增速可能会逐渐放缓；3.扫地机器人市场在美国具有较大的潜力，但竞争也将逐渐加剧。”，同样地，可以向大语言模型输入预设问题，得到品牌趋势分析结果，例如大语言模型输出的某次扫地机器人的品牌趋势分析为“根据给定的数据和对美国市场的洞寨，我们可以得出以下结论1.前十大品牌的扫地机器人在美国市场的品牌占比情况：eufy占比25.24％，roborock占比18.41％，Shark占比15.30％，这三个品牌在美国市场的占比较高2.iRobot占比12.14％，Lefant占比10.37％，ILIFE占比5.15％，这三个品牌在美国市场的占比相对较低，但仍然有一定市场份额”。

S6、将竞品集输入ChatGPT模型中以得到市场竞争格局报表和用户需求洞察报表；

参照图3和图4，具体的，根据竞品集及预设提问语句生成市场竞争格局问题和用户需求洞察问题输入ChatGPT模型，ChatGPT模型输出市场竞争格局报表和用户需求洞察报表。

用户需求洞察报表包括用户简介子报表、用户痛点子报表、用户爽点子报表和用户期望子报表，用户需求洞察问题包括用户简介子问题、用户痛点子问题、用户爽点子问题和用户期望子问题。例如，用户痛点子问题为“下面你作为一名市场调研人员，对xx市场进行调研工作，你将按我的要求输出材料，第一个问题中国市场的奶茶品牌主要有哪些，至少列出10家品牌。以表格的形式提供给我，表头为反对点|百分比|具体表现”。ChatGPT模型则会按此顺序"反对点|百分比|具体表现"作为表格的列。

接上例，某表格一行按"反对点|百分比|具体表现"分别为连接问题、5％、该产品只能连接2.4GHz的Wi-Fi，无法连接5GHz的Wi-Fi，导致用户无法正常使用连接问题导致设置过程困难；安装和设置Android应用程序没有问题，但是连接问题需要解决；连接问题，需要使用新加坡连接。其中，具体表现为筛选分类出的多个用户评论中的不同关于连接问题的负面部分。

考虑到用户初次的选择，只需选择与自身产品相关的市场产品，而无需考虑价格、用户群体，如此分析出的细分市场的趋势及品牌排名较为全面，进一步地，在初次的选择结果之上，再次提供用户细选与目标产品关联的产品，以便进行进一步地市场竞争格局分析和用户需求洞察分析。如此用户可以选择价位相同、用户群体相似的市场产品，从而获得更为专业贴合的市场竞争格局报表和用户需求洞察报表。

参照图12，在一实施例中，基于生成式AI的电商产品市场分析方法还包括：

S7、根据相关产品集在数据库中获取细分市场的年度市场容量；

其中，年度市场容量包含各个月份的市场子容量，年度市场容量是指该细分领域每个产品信息的销售量总和；

S8、根据年度市场容量确定若干个取样月份；

具体地，采用filter函数二次去除年度市场容量中每月容量中的极值，得到剩余月份的市场子容量，将剩余月份作为取样月份。极值包含最大值和最小值，例如，函数filtered_list＝filter(lambda x:x！＝max_value and x！＝min_value,lst)，某年度市场容量中1月市场子容量最小，12月市场子容量最大，则采用filter函数去除年度市场容量中每月容量中的极值，即为去除1月和12月；去除后的月份中，3月市场子容量最小，6月市场子容量最大，则采用filter函数第二次去除年度市场容量中每月容量中的极值，则去除了3月和6月的市场子容量。则2月、4月、5月、7月、8月、9月、10月、11月为取样月份。

S9、根据若干个取样月份确定每个产品名称的月度销售基准额；

具体地，每个产品名称在取样月份的月度销售额的均值，作为该产品名称对应的月度销售基准额。

S10、根据每个产品名称的年度销售额和月度销售基准额确定每个产品名称的增长系数；

具体地，接上例，年度销售额即为产品名称对应的年度的销售量，以产品名称的年度销售额中各个月份的市场子容量中取样月份的销售额分别与月度销售基准额的比值，再取各比值的均值作为该产品名称的增长系数。

S11、获取各用户痛点对应的各产品名称的销售额占比年度曲线；

每个产品名称具有各自对应的用户痛点集，一个用户痛点通常对应多个产品名称，因此通过chatgpt模型获取该多个产品名称该年度内的销售额占比年度曲线，仍以月为单位。

S12、对关联于同一用户痛点的产品名称的品牌销售额占比年度曲线拟合得到用户痛点的痛点年度趋势曲线；

具体地，采用带正则化的线性拟合(岭回归ridge regression和Lasso回归)方式进行拟合。

S13、筛选出痛点年度趋势曲线为下降曲线的用户痛点为待评估痛点；

S14、若不包含待评估痛点的每个产品名称的增长系数的均值与每个产品名称的增长系数均值符合预设条件，则将该待评估痛点标记为趋势下降痛点并推送给用户。

具体地，不包含待评估痛点的每个产品名称的增长系数的均值与每个产品名称的增长系数均值的比值达到预设值，即为符合预设条件，预设值大于1，预设值可以设定为1.1；具体根据不包含待评估痛点的产品名称数量与产品名称总数量的比值而定，不包含待评估痛点的产品名称数量与产品名称总数量的比值越大，则预设值越小，不包含待评估痛点的产品名称数量与产品名称总数量的比值越小，则预设值越大，预设值在1.05～1.2之间。如此设置，当不包含待评估痛点的产品名称数量较少时，可以较为显著地辨别与总体产品名称之间的增长差别，但提供预设值上限，避免出现评估误差。

将该待评估痛点标记为趋势下降痛点并推送给用户后，可以给用户提供较精确的选品建议，该建议可通过chatgpt模型输出。

如图5～图11所示，本申请另一具体实施例，以儿童手表为例，基于生成式AI的电商产品市场分析方法，具体包括：步骤1：接收产品关键字信息；如图5所示，在对话框输入儿童手表；步骤2：根据所述产品关键字信息在市场数据库爬取得到产品信息集，每个产品信息包括产品图像及其关联的产品名称、产品品牌及产品售价；在本步骤中，如图6所示，得到儿童手表的产品信息集；步骤3、根据用户在产品信息集中的选择结果得到相关产品集；在本步骤中，用户可以根据需要在产品信息集中进行勾选或取消勾选，得到相关产品集；步骤4、根据用户在相关产品集中的选择结果得到竞品集；如图7所示，根据选择结果得到竞品池；步骤5、将所述相关产品集输入ChatGPT模型中以得到产品名称的细分市场趋势分析及品牌排名；如图8所示，生成儿童手表的市场趋势分析和儿童手表的品牌趋势分析报告；步骤6、将所述竞品集输入ChatGPT模型中以得到市场竞争格局报表和用户需求洞察报表，所述用户需求洞察报表包括用户简介子报表、用户痛点子报表、用户爽点子报表和用户期望子报表。如图9至图11所示，生成儿童手表的用户简介子报表、用户痛点子报表、用户爽点子报表和用户期望子报表。

本申请还提供一种基于生成式AI的电商产品市场分析系统，参照图13，包括：

接收模块，用于接收产品关键字信息；

爬取模块，用于根据产品关键字信息在市场数据库爬取得到产品信息集，每个产品信息包括产品图像及其关联的产品名称、产品品牌及产品售价；

第一选择模块，用于根据用户在产品信息集中的选择结果得到相关产品集；

第二选择模块，用于根据用户在相关产品集中的选择结果得到竞品集；

第一分析模块，将相关产品集输入ChatGPT模型中以得到产品名称的细分市场趋势分析及品牌排名，ChatGPT模型是通过大量用户交互数据训练得到的，用户交互数据包括产品信息及对应的用户评价；

第二分析模块，用于将竞品集输入ChatGPT模型中以得到市场竞争格局报表和用户需求洞察报表，用户需求洞察报表包括用户简介子报表、用户痛点子报表、用户爽点子报表和用户期望子报表。

结合图14，在一实施例中，基于生成式AI的电商产品市场分析系统还包括：

容量获取模块，用于根据相关产品集在数据库中获取细分市场的年度市场容量；

取样模块，用于根据年度市场容量确定若干个取样月份；

基准额确定模块，用于根据若干个取样月份确定每个产品名称的月度销售基准额；

增长系数计算模块，用于根据每个产品名称的年度销售额和月度销售基准额确定每个产品名称的增长系数；

销售额占比获取模块，用于获取各用户痛点对应的各产品名称的品牌销售额占比年度曲线，每个产品名称具有各自对应的用户痛点集；

拟合模块，用于对关联于同一用户痛点的产品名称的品牌销售额占比年度曲线拟合得到用户痛点的痛点年度趋势曲线；

筛选模块，用于筛选出痛点年度趋势曲线为下降曲线的用户痛点为待评估痛点；

推送模块，用于若不包含待评估痛点的每个产品名称的增长系数的均值与每个产品名称的增长系数均值符合预设条件，则推将该待评估痛点标记为趋势下降痛点并推送给用户。

关于基于生成式AI的电商产品市场分析系统的具体限定可以参见上文中对于基于生成式AI的电商产品市场分析方法的限定，在此不再赘述。上述基于生成式AI的电商产品市场分析方法的各个步骤可全部或部分通过软件、硬件及其组合来实现。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用，或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其他种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈，或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)，或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (10)

1.基于生成式AI的电商产品市场分析方法，其特征在于，包括：

接收产品关键字信息；

根据所述产品关键字信息在市场数据库爬取得到产品信息集，每个产品信息包括产品图像及其关联的产品名称、产品品牌及产品售价；

根据用户在产品信息集中的选择结果得到相关产品集；

根据用户在相关产品集中的选择结果得到竞品集；

将所述相关产品集输入ChatGPT模型中以得到产品名称的细分市场趋势分析及品牌排名；

将所述竞品集输入ChatGPT模型中以得到市场竞争格局报表和/或用户需求洞察报表，所述用户需求洞察报表包括用户简介子报表、用户痛点子报表、用户爽点子报表和用户期望子报表。

2.如权利要求1所述的基于生成式AI的电商产品市场分析方法，其特征在于，还包括：

根据相关产品集在数据库中获取细分市场的年度市场容量；

根据年度市场容量确定若干个取样月份；

根据若干个取样月份确定每个产品名称的月度销售基准额；

根据每个产品名称的年度销售额和月度销售基准额确定每个产品名称的增长系数；

获取各用户痛点对应的各产品名称的销售额占比年度曲线，每个产品名称具有各自对应的用户痛点集；

对关联于同一用户痛点的产品名称的品牌销售额占比年度曲线拟合得到用户痛点的痛点年度趋势曲线；

筛选出痛点年度趋势曲线为下降曲线的用户痛点为待评估痛点；

若不包含待评估痛点的每个产品名称的增长系数的均值与每个产品名称的增长系数均值符合预设条件，则将该待评估痛点标记为趋势下降痛点并推送给用户。

3.如权利要求2所述的基于生成式AI的电商产品市场分析方法，其特征在于，年度市场容量包含各个月份的市场子容量，所述根据年度市场容量确定若干个取样月份，包括：

采用filter函数二次去除年度市场容量中每月容量中的极值，得到剩余月份的市场子容量，将剩余月份作为取样月份。

4.如权利要求2所述的基于生成式AI的电商产品市场分析方法，其特征在于，根据若干个取样月份确定每个产品名称的月度销售基准额，包括：

将产品名称的在每个取样月份的销售额的平均值作为产品名称的月度销售基准额。

5.如权利要求1所述的基于生成式AI的电商产品市场分析方法，其特征在于，

所述ChatGPT模型通过大量用户交互数据训练得到，用户交互数据包括产品信息及对应的用户评价；

将所述竞品集输入ChatGPT模型中以得到市场竞争格局报表和用户需求洞察报表，包括：

根据竞品集及预设提问语句生成市场竞争格局问题和用户需求洞察问题输入ChatGPT模型，所述ChatGPT模型输出市场竞争格局报表和用户需求洞察报表。

6.基于生成式AI的电商产品市场分析系统，其特征在于，包括：

接收模块，用于接收产品关键字信息；

爬取模块，用于根据所述产品关键字信息在市场数据库爬取得到产品信息集，每个产品信息包括产品图像及其关联的产品名称、产品品牌及产品售价；

第一选择模块，用于根据用户在产品信息集中的选择结果得到相关产品集；

第二选择模块，用于根据用户在相关产品集中的选择结果得到竞品集；

第一分析模块，将所述相关产品集输入ChatGPT模型中以得到产品名称的细分市场趋势分析及品牌排名，ChatGPT模型通过大量用户交互数据训练得到，用户交互数据包括产品信息及对应的用户评价；

第二分析模块，用于将所述竞品集输入ChatGPT模型中以得到市场竞争格局报表和用户需求洞察报表，所述用户需求洞察报表包括用户简介子报表、用户痛点子报表、用户爽点子报表和用户期望子报表。

7.如权利要求6所述的基于生成式AI的电商产品市场分析系统，其特征在于，还包括：

容量获取模块，用于根据相关产品集在数据库中获取细分市场的年度市场容量；

取样模块，用于根据年度市场容量确定若干个取样月份；

基准额确定模块，用于根据若干个取样月份确定每个产品名称的月度销售基准额；

增长系数计算模块，用于根据每个产品名称的年度销售额和月度销售基准额确定每个产品名称的增长系数；

销售额占比获取模块，用于获取各用户痛点对应的各产品名称的品牌销售额占比年度曲线，每个产品名称具有各自对应的用户痛点集；

拟合模块，用于对关联于同一用户痛点的产品名称的品牌销售额占比年度曲线拟合得到用户痛点的痛点年度趋势曲线；

筛选模块，用于筛选出痛点年度趋势曲线为下降曲线的用户痛点为待评估痛点；

推送模块，用于若不包含待评估痛点的每个产品名称的增长系数的均值与每个产品名称的增长系数均值符合预设条件，则推将该待评估痛点标记为趋势下降痛点并推送给用户。

8.如权利要求7所述的基于生成式AI的电商产品市场分析方法，其特征在于，年度市场容量包含各个月份的市场子容量，所述根据年度市场容量确定若干个取样月份，包括：

采用filter函数二次去除年度市场容量中每月容量中的极值，得到剩余月份的市场子容量，将剩余月份作为取样月份。

9.如权利要求7所述的基于生成式AI的电商产品市场分析方法，其特征在于，根据若干个取样月份确定每个产品名称的月度销售基准额，包括：

将产品名称的在每个取样月份的销售额的平均值作为产品名称的月度销售基准额。

10.如权利要求6所述的基于生成式AI的电商产品市场分析方法，其特征在于，

所述ChatGPT模型通过大量用户交互数据训练得到，用户交互数据包括产品信息及对应的用户评价；

将所述竞品集输入ChatGPT模型中以得到市场竞争格局报表和用户需求洞察报表，包括：

根据竞品集及预设提问语句生成市场竞争格局问题和用户需求洞察问题输入ChatGPT模型，所述ChatGPT模型输出市场竞争格局报表和用户需求洞察报表。