JP2016099995A - 商品販売予測システム、商品販売予測方法及びその非一時的なコンピュータ読取可能な記録媒体 - Google Patents

Abstract

【課題】商品販売予測システム及び商品販売予測方法を開示する。【解決手段】第１の商品に基づいて、複数の商品及びそれぞれ前記商品に対応する複数の関連商品を格納する関連商品データベースから、第１の商品に対応する第１の関連商品を検索する工程と、電子商取引プラットフォームを介して第１の関連商品及び第１の関連商品に対応する価格幅に基づいて、第１の関連商品に対応する複数の販売記録データ及び複数の評価データを検索する工程と、前記販売記録データ及び前記評価データに基づいて、第１の商品に対応する予測顧客数を生成する工程と、予測顧客数に基づいて第１の商品に対応する予測販売数を生成する工程と、を備える商品販売予測方法。【選択図】図１

Description

本発明は、商品販売予測システム及びその方法に関し、特に、商品の関連商品の販売量によって商品の販売量を予測する電子商取引評判分析システム及びその方法に関する。

近年では、ネットワーク技術の発達に伴って、電子商取引プラットフォーム（例えば、淘宝網（登録商標）（タオバオワン）、又は京東商城（登録商標）（ＪＤ．ｃｏｍ）等）の興起により、消費者に新たな消費形態が提供される。ネットワーキングするだけで、消費者が数多くの電子商取引プラットフォームから気に入る商品を見つけることができるため、ショッピングは、より便利になる。従って、このような消費形態によるショッピングを好む消費者は、ますます多くなる。

電子商取引プラットフォームにおける消費者の購買数量が大幅に増えるため、如何にある電子商取引プラットフォームにおける販売者の販売数を効果的に予測することは、非常に重要となっている。従来の技術では、商品の実際販売数の統計を行って、これによりこの商品の後日の販売数を予測するだけである。しかしながら、このようにすれば、商品の後日の販売数に対する予測の結果は、あまり正確ではなく、またこの商品以外の他の関連商品の販売数を予測することもできない。

従って、電子商取引プラットフォームの商品の予測数量に対する効果的な予測を如何に提供することは、当業界では解決しなければならない問題である。

本発明の一態様は、複数の商品及びそれぞれ前記商品に対応する複数の関連商品を格納するための関連商品データベースと、第１の商品に基づいて、関連商品データベースから第１の商品に対応する第１の関連商品を検索するための関連商品照会モジュールと、電子商取引プラットフォームを介して第１の関連商品及び第１の関連商品に対応する価格幅に基づいて、前記第１の関連商品に対応する複数の販売記録データ及び複数の評価データを検索するための検索モジュールと、前記販売記録データ及び前記評価データに基づいて第１の商品に対応する予測顧客数を生成し、前記予測顧客数に基づいて第１の商品に対応する予測販売数を生成するための予測モジュールと、を備える商品販売予測システムを提供する。

本発明の一実施例によると、前記予測モジュールは、前記販売記録データに基づいて前記第１の関連商品に対応する累積販売数を生成し、前記評価データから複数の悪評データを選び取って悪評数を生成し、累積販売数から悪評数を引いて前記予測顧客数を生成することに用いる。

本発明の一実施例によると、前記検索モジュールは、更に、前記電子商取引プラットフォームにおける複数の販売者の前記第１の関連商品に対応する出荷量を検索することに用い、前記予測モジュールは、更に、前記販売者の第１の関連商品に対応する出荷量のランキングの既定範囲における出荷量を累加して、前記累積販売数を生成することに用いる。

本発明の一実施例によると、前記予測モジュールは、更に、前記評価データにおける各評価データが複数の悪評語彙の少なくとも１つを含むかを判断し、前記悪評語彙の少なくとも１つを含む評価データを前記悪評データとすることに用いる。

本発明の一実施例によると、前記関連商品データベースは、更に、前記関連商品の複数の履歴販売数を格納し、前記関連商品照会モジュールは、更に、前記第１の商品に基づいて前記関連商品データベースから前記第１の商品に対応する第２の関連商品を検索することに用い、前記予測モジュールは、更に、第１の商品の前記予測顧客数と第２の関連商品に対応する履歴販売数に基づいて前記予測販売数を生成することに用いる。

本発明の一実施例によると、前記予測モジュールは最小二乗法、離散方程式、線形回帰と非線形回帰又はベジェ曲線等の計算方法により、前記予測顧客数と前記第２の関連商品に対応する前記履歴販売数を計算して、前記予測販売数を生成することに用いる。

本発明の一実施例によると、前記検索モジュールは、更に、前記第１の関連商品、前記価格幅、予測時間に対応する時間幅に基づいて、時間幅における販売記録データ及び評価データを検索することに用い、前記予測モジュールは、更に、販売記録データ及び評価データに基づいて時間幅における予測顧客数を生成し、時間幅における予測顧客数に基づいて前記第１の商品に対応する予測時間における予測販売数を生成することに用いる。

本発明の別の態様は、第１の商品に基づいて、複数の商品及びそれぞれ前記商品に対応する複数の関連商品を格納する関連商品データベースから、第１の商品に対応する第１の関連商品を検索する工程と、電子商取引プラットフォームを介して第１の関連商品及び第１の関連商品に対応する価格幅に基づいて、第１の関連商品に対応する複数の販売記録データ及び複数の評価データを検索する工程と、前記販売記録データ及び前記評価データに基づいて、第１の商品に対応する予測顧客数を生成する工程と、予測顧客数に基づいて、第１の商品に対応する予測販売数を生成する工程と、を備える商品販売予測方法を提供することにある。

本発明の一実施例によると、前記販売記録データ及び前記評価データに基づいて前記第１の関連商品に対応する前記予測顧客数を生成する工程は、前記販売記録データに基づいて前記第１の関連商品に対応する累積販売数を生成することと、前記評価データから複数の悪評データを選び取って悪評数を生成することと、累積販売数から悪評数を引いて前記予測顧客数を生成することと、を含む。

本発明の一実施例によると、前記販売記録データに基づいて前記第１の関連商品に対応する前記累積販売数を生成する工程は、前記電子商取引プラットフォームにおける複数の販売者の前記第１の関連商品に対応する出荷量を検索することと、前記販売者の第１の関連商品に対応する出荷量のランキングの既定範囲における出荷量を累加して、前記累積販売数を生成することと、を含む。

本発明の一実施例によると、前記評価データから前記悪評データを選び取って前記悪評数を生成する工程は、前記評価データにおける各評価データが複数の悪評語彙の少なくとも１つを含むかを判断することと、前記悪評語彙の少なくとも１つを含む評価データを前記悪評データとすることと、を含む。

本発明の一実施例によると、前記関連商品データベースは、更に、前記関連商品の複数の履歴販売数を格納し、前記予測顧客数に基づいて前記第１の商品に対応する前記予測販売数を生成する工程は、前記第１の商品に基づいて前記関連商品データベースから前記第１の商品に対応する第２の関連商品を検索することと、第１の商品の前記予測顧客数と第２の関連商品に対応する履歴販売数に基づいて前記予測販売数を生成することと、を含む。

本発明の一実施例によると、前記第１の商品の前記予測顧客数及び前記第２の関連商品に対応する前記履歴販売数に基づいて前記予測販売数を生成する工程は、最小二乗法、離散方程式、線形回帰と非線形回帰又はベジェ曲線等の計算方法により、前記予測顧客数と前記第２の関連商品に対応する前記履歴販売数を計算して、前記予測販売数を生成することを含む。

本発明のまた別の態様は、商品販売予測方法を実行するための非一時的なコンピュータ読取可能な記録媒体において、第１の商品に基づいて、複数の商品及びそれぞれ前記商品に対応する複数の関連商品を格納する関連商品データベースから、第１の商品に対応する第１の関連商品を検索する工程と、電子商取引プラットフォームを介して第１の関連商品及び第１の関連商品に対応する価格幅に基づいて、第１の関連商品に対応する複数の販売記録データ及び複数の評価データを検索する工程と、前記販売記録データ及び前記評価データに基づいて、第１の商品に対応する予測顧客数を生成する工程と、予測顧客数に基づいて、第１の商品に対応する予測販売数を生成する工程と、を備える商品販売予測方法を実行するためのコンピュータ読取可能な記録媒体を提供する。

上述のように、上記商品販売予測システム及び商品販売予測方法によって、ユーザーの入力した第１の商品の販売数を効果的に予測することができ、その予測販売数が電子商取引プラットフォームにおける第１の商品の評価数又は出荷量の統計によるものだけではなく、予測では第１の商品を購入しようとする顧客数に、その関連商品の履歴販売数による第１の商品の予測販売数を加えたものである。従って、第１の商品に対応する予測販売数の正確度は、より高くなる。

下記図面の簡単な説明は、本発明の前記または他の目的、特徴、メリット、実施形態をより分かりやすくするためのものである。
本発明の一実施例に係る商品販売予測システムを示す模式図である。 本発明の一実施例に係る商品販売予測方法を示すフロー図である。 本発明の一実施例に係る商品販売予測方法における１つの工程を示すフロー図である。 本発明の一実施例に係る商品販売予測方法における別の工程を示すフロー図である。

以下、実施例を例として図面に合わせて詳しく説明するが、提供した実施例は、本発明に含まれる範囲を制限するためのものではなく、構造操作についての記述がその実行順序を制限するためのものではなく、要素を改めて組み合わせた如何なる構造により等価効果が達成される装置は、何れも本発明に属する。また、図面は、説明するためのものだけであり、本来のサイズに基づいて描かれたものではない。理解しやすくするために、以下の説明では、同じ要素に同じ符号を付けて説明する。

本明細書に使用される「第１の」、「第２の」等については、順序又は順位を特定するものではなく、本発明を限定するためのものでもなく、同一の技術用語で記述される要素又は操作を区別するためのものだけである。

図１を参照されたい。図１は、本発明の一実施例に係る商品販売予測システム１００を示す模式図である。商品販売予測システム１００は、ユーザーの入力した商品（例えば、携帯機器カバー）に基づいて商品に対応する関連商品（例えば、携帯機器）を検索し、また関連商品の情報に基づいてユーザーが知ろうとする商品（即ち、携帯機器カバー）の販売数を予測する。図１に示すように、商品販売予測システム１００は、関連商品データベース１１０と、関連商品照会モジュール１２０と、検索モジュール１３０と、予測モジュール１４０と、を含む。関連商品データベース１１０は、複数の商品及び各商品のそれぞれに対応する複数の関連商品を格納することに用いる。関連商品照会モジュール１２０は、ユーザーの入力した第１の商品ＰＤＴ１の情報（例えば、商品名、型番や規格等）に基づいて、関連商品データベース１１０から第１の商品ＰＤＴ１に対応する第１の関連商品ＲＰＴ１を検索することに用いる。

一実施例において、商品販売予測システム１００は、操作インタフェース１５０を更に含む。操作インタフェース１５０は、ユーザーが第１の商品ＰＤＴ１の情報を入力することに用いる。また、関連商品照会モジュール１２０が関連商品データベース１１０から検索できた第１の関連商品ＲＰＴ１も、操作インタフェース１５０に表示される。

別の実施例において、関連商品照会モジュール１２０は、第１の商品ＰＤＴ１に基づいて、関連商品データベース１１０を検索して第１の関連商品ＲＰＴ１を得る以外、直接操作インタフェース１５０を介してユーザーの入力した第１の関連商品ＲＰＴ１の情報を受信してもよい。つまり、ユーザーは、必要に応じて、第１の商品ＰＤＴ１を予測するための第１の関連商品ＲＰＴ１を選んで入力することができる。

一実施例において、第１の商品ＰＤＴ１は、第１の関連商品ＲＰＴ１に対応する周辺商品であってもよい。例としては、第１の商品ＰＤＴ１が携帯機器のカバー、イヤホン、電池である場合、関連商品照会モジュール１２０は、前記第１の商品ＰＤＴ１に基づいて、第１の関連商品ＲＰＴ１として携帯機器を検索してくる。これは、一般的に、携帯機器を購入する消費者は、携帯機器を購入してから携帯機器のために携帯機器のカバー、イヤホン、電池等の関連部品及び周辺商品を購入することがあるからである。

別の実施例において、第１の関連商品ＲＰＴ１と第１の商品ＰＤＴ１とは、同じ種類であってもよく、つまり、同じ種類であるが異なるブランドの製品であってもよい。例としては、第１の商品ＰＤＴ１がグーグル（Ｇｏｏｇｌｅ）（登録商標）社製のスマートメガネであれば、関連商品照会モジュール１２０は、前記第１の商品ＰＤＴ１に基づいて、第１の関連商品ＲＰＴ１としてサムスン（Ｓａｍｓｕｎｇ）（登録商標）社製のスマートメガネを検索してくる。スマートメガネを購入する消費者がこの種類の商品のファンであるかもしれないため、このような消費者は、更に他のブランドのスマートメガネを購入する可能性もある。

第１の関連商品ＲＰＴ１と第１の商品ＰＤＴ１とが関連性があり、また消費者が第１の関連商品を購入した後、第１の関連商品の良否評価により第１の商品に対する購入意欲が影響されるため、第１の関連商品ＲＰＴ１の販売数及びその評価に基づいて第１の商品ＰＤＴ１の潜在顧客数を推測することは、効果的で合理である。その具体的な内容については、下記実施形態において記述される。

検索モジュール１３０は、電子商取引プラットフォーム１６０を介して第１の関連商品ＲＰＴ１及び第１の関連商品ＲＰＴ１に対応する価格幅ＰＣＰに基づいて、第１の関連商品ＲＰＴ１に対応する複数の販売記録データＤＲＤ及び複数の評価データＣＭＤを検索することに用いる。一実施例において、電子商取引プラットフォーム１６０は、淘宝網（登録商標）（タオバオワン）、ヤフオク（登録商標）！、京東商城（登録商標）（ＪＤ．ｃｏｍ）又はアマゾン（Ａｍａｚｏｎ）（登録商標）オンラインショッピング等のネットショッピングサイトであってもよい。一般的に、電子商取引プラットフォーム１６０における販売記録データＤＲＤ及び評価データＣＭＤは、殆ど公開の読取可能なデータである。

具体的には、電子商取引プラットフォーム１６０は、数多くの商品データを有する。販売戦略及び検索されたチャンスの増加のために、常に商品データに多くの他の情報がアップロードされるため、検索モジュール１３０は、第１の関連商品ＲＰＴ１の情報（例えば、商品名や型番等）だけに基づいて電子商取引プラットフォーム１６０において検索すると、第１の関連商品ＲＰＴ１と関係ない数多くの商品を見つける可能性があり、検索の結果資料が不正確になる。例としては、第１の関連商品ＲＰＴ１が携帯機器であれば、電子商取引プラットフォーム１６０を介して携帯機器を検索する場合、携帯機器に関する商品以外、更に携帯機器カバー、イヤホン、電池等の携帯機器の周辺商品が検索される可能性がある。これらの商品情報は、検索モジュール１３０に必要な検索結果データではない。従って、第１の関連商品ＲＰＴ１を検索する場合、ユーザーは、更に操作インタフェース１５０を介して第１の関連商品ＲＰＴ１に対応する価格幅ＰＣＰを入力することで、不必要な商品情報を取り除いてもよい。例としては、第１の関連商品ＲＰＴ１が携帯機器であれば、携帯機器の価格と周辺商品の価格との差が大きく、電子商取引プラットフォーム１６０を介して携帯機器に対応する価格幅によって、携帯機器を検索する場合、携帯機器の周辺商品の大部分を取り除くことができる。

予測モジュール１４０は、販売記録データＤＲＤ及び評価データＣＭＤに基づいて、第１の商品ＰＤＴ１に対応する予測顧客数を生成することに用いる。従って、予測モジュール１４０は、予測顧客数に基づいて第１の商品ＰＤＴ１に対応する予測販売数を生成してもよい。

一実施例において、予測モジュール１４０は、全文検索によって電子商取引プラットフォーム１６０における第１の関連商品ＲＰＴ１に対する検索結果を検索し、構文解析（Ｐａｒｓｉｎｇ）によって第１の関連商品ＲＰＴ１に関する販売記録データＤＲＤ及び評価データＣＭＤを取り出すことができる。

一実施例において、予測モジュール１４０は、販売記録データＤＲＤに基づいて第１の関連商品ＲＰＴ１に対応する累積販売数を生成することに用いる。予測モジュール１４０は、更に、評価データＣＭＤから複数の悪評データを選び取って、悪評数を生成することに用いる。そして、予測モジュール１４０は、累積販売数から悪評数を引いて予測顧客数を生成することができる。

具体的には、ユーザーが携帯機器カバー（即ち、第１の商品ＰＤＴ１）の販売数を予測しようとする場合、第１の関連商品ＲＰＴ１として携帯機器を検索してもよい。電子商取引プラットフォームにおける携帯機器の販売記録において、消費者が携帯機器を購入した場合、この商品に対して評価する可能性がある。消費者のこの携帯機器に対する評価が好評又は意見なしである場合、この携帯機器が消費者に対して使いやすいと意味するかもしれないので、消費者は、この携帯機器に関する周辺商品（例えば、携帯機器カバー、イヤホン等）を更に購入する可能性がある。評価が不評である場合、消費者は、この携帯機器に一部の欠点があると思うかもしれなく、更に、その周辺商品を購入する可能性が低下する。従って、第１の関連商品ＲＰＴ１（例えば、携帯機器）の累積販売数から第１の関連商品ＲＰＴ１に対応する悪評数を引くことで、第１の商品ＰＤＴ１（例えば、携帯機器カバー）に対応する予測顧客数が得られる。

一実施例において、検索モジュール１３０は、更に、検索電子商取引プラットフォーム１６０における複数の販売者の第１の関連商品ＲＰＴ１に対応する出荷量を検索することに用いる。予測モジュール１４０は、更に、前記販売者の第１の関連商品に対応する出荷量のランキングの既定範囲における出荷量を累加して、前記累積販売数を生成することに用いる。

具体的には、予測モジュール１４０は、電子商取引プラットフォーム１６０における第１の関連商品ＲＰＴ１に対する検索結果において、販売者の出荷量に基づいて順位をつけて第１の関連商品ＲＰＴ１に対する出荷量ランキングを生成し、出荷量ランキングでの既定範囲における（例えば、出荷量最高のトップ３００）各販売者の出荷量を累加して累積販売数を生成する。出荷量ランキングの下位の数量が上位の数量に比べると、ずいぶん少ないため、第１の関連商品ＲＰＴ１に対応する累積販売数を推算する場合、第１の関連商品ＲＰＴ１に対応する累積販売数の推算効率を上げるために、出荷量ランキングの下位の出荷量（つまり、出荷量ランキングの特定範囲に含まれない出荷量）を無視してもよい。

一実施例において、予測モジュール１４０は、更に、評価データＣＭＤにおける各評価データが複数の悪評語彙の少なくとも１つを含むかを判断し、前記悪評語彙の少なくとも１つを含むの評価データを悪評データＣＭＤとすることに用いる。

具体的には、予測モジュール１４０は、評価データＣＭＤにおける各評価データに対してセンチメント分析（Ｓｅｎｔｉｍｅｎｔ ａｎａｌｙｓｉｓ）をして、気分を評価する複数の語彙（例えば、よい、まずい、問題ない等の形容詞や文）を選び取ってもよい。更に言えば、予測モジュール１４０は、自然言語処理、語彙分析、語彙気分分析等の技術によって、評価データＣＭＤにおける各評価データを分析し、気分と評判を含むキーワードを生み出す。そして、予測モジュール１４０は、上位化の「主題と気分とのマッチ」を自動的に集積し、関連的な消費者の評判、気分を描く言語材料の構造によって評判概念語彙集を自動的に作る。これにより、消費者からの悪評内容の情報を効果的に分離して判断することができる。

そして、更にビルドインされた悪評語彙集における悪評語彙（例えば、まずい、めちゃくちゃ等）と比べることで、前記評価データが悪評語彙を含むかどうかを判断する。その中の評価データが少なくとも１つの悪評語彙を含めると、予測モジュール１４０は、前記評価データを悪評データとして設定する。これにより、予測モジュール１４０は、全ての評価データＣＭＤから悪評語彙を有する評価データを選び取って悪評データとし、悪評データの数の統計を行うことができる。

一実施例において、関連商品データベース１１０は、更に、各関連商品に対応する履歴販売数を格納する。履歴販売数は、各関連商品が過ぎた時間（例えば、過去の毎年、毎月又は毎日）における販売記録の統計であってもよい。これにより、関連商品照会モジュール１２０は、更に、第１の商品ＰＤＴ１に基づいて、関連商品データベース１１０から第１の商品ＰＤＴ１に対応する第２の関連商品ＲＰＴ２を検索することができる。予測モジュール１４０は、第１の商品ＰＤＴ１の予測顧客数及び第２の関連商品ＲＰＴ２に対応する履歴販売数に基づいて予測販売数を生成することができる。

一実施例において、第２の関連商品ＲＰＴ２は、第１の商品ＰＤＴ１に対応する先代商品であってもよい。例としては、第１の商品ＰＤＴ１がｉＰｈｏｎｅ（登録商標） ６であれば、第２の関連商品ＲＰＴ２は、ｉＰｈｏｎｅ ５ｓ又はｉＰｈｏｎｅ ５であってもよい。ｉＰｈｏｎｅ ５ｓ又はｉＰｈｏｎｅ ５を購入する消費者がアップル（登録商標）社のファンである可能性があるため、このような消費者は、更にｉＰｈｏｎｅ ６を購入する可能性がある。これにより、予測モジュール１４０は、ｉＰｈｏｎｅ ６（即ち、第１の商品）に対応する予測顧客数及びｉＰｈｏｎｅ ５ｓ（つまり、第１の商品に対応する先代商品）に対応する履歴販売数に基づいて、ｉＰｈｏｎｅ ６携帯機器の販売数を予測することができる。

更に言えば、第２の関連商品に対応する履歴販売数を得ると、予測モジュール１４０は、第２の関連商品に対応する履歴販売数の統計を行って、販売分布曲線を作成する。そして、予測モジュール１４０は、第１の商品に対応する予測顧客数及び販売分布曲線をカーブフィッティングするように、第１の商品に対応する予測販売数を得る。カーブフィッティングの作成方法は、最小二乗法、離散方程式、線形回帰と非線形回帰又はベジェ曲線等の計算方法の何れかによってもよい。つまり、予測モジュール１４０は、最小二乗法、離散方程式、線形回帰と非線形回帰又はベジェ曲線の何れかによって、予測顧客数及び第２の関連商品ＲＰＴ２に対応する履歴販売数を計算して予測販売数を得ることができる。

別の実施例において、第２の関連商品ＲＰＴ２と第１の商品ＰＤＴ１とは、同じ種類であってもよく、つまり、同じ種類であるが異なるブランドの製品であってもよい。例としては、第１の商品ＰＤＴ１がアップル社製のスマートウォッチである場合、第２の関連商品ＲＰＴ２は、サムスン社製のスマートウォッチであってもよい。スマートウォッチを購入する消費者がこの種類の商品のファンであるかもしれないため、このような消費者は、更に、他のブランドのスマートウォッチを購入する可能性もある。これにより、予測モジュール１４０は、アップル社製のスマートウォッチ（即ち、第１の商品）に対応する予測顧客数及びサムスン社製のスマートウォッチ（つまり、第１の商品に対応する同じ種類の商品）に対応する履歴販売数に基づいて、アップル社製のスマートウォッチの販売数を予測することができる。

同様に、第２の関連商品に対応する履歴販売数を得ると、予測モジュール１４０は、最小二乗法、離散方程式、線形回帰と非線形回帰又はベジェ曲線の何れかによって、予測顧客数及び第２の関連商品ＲＰＴ２に対応する履歴販売数を計算して予測販売数を得ることができる。具体的な細部については、上記実施形態の通りであるが、ここで特に詳しく説明しない。

従って、上記実施形態によって、商品販売予測システム１００は、ユーザーの入力した第１の商品の販売数を効果的に予測でき、その予測販売数が電子商取引プラットフォーム１６０における第１の商品ＰＤＴ１の評価数又は出荷量の統計によるものだけではなく、予測では第１の商品ＰＤＴ１を購入しようとする顧客数に、その関連商品の履歴販売数による第１の商品ＰＤＴ１の予測販売数を加えたものである。従って、第１の商品ＰＤＴ１に対応する予測販売数の正確度は、より高くなる。

一実施例において、商品販売予測システム１００は、更に、予測時間における（例えば、将来一週内及び将来一ヵ月内等）第１の商品の販売数を予測することができる。具体的には、ユーザーは、操作インタフェース１５０を介して所望の予測時間を入力することができる。検索モジュール１３０は、第１の関連商品ＲＰＴ１、価格幅ＰＣＰ、予測時間に対応する時間幅（例えば、一週と一ヵ月等）に基づいて、時間幅における販売記録データ及び評価データを検索することができる。予測モジュール１４０は、時間幅における販売記録データ及び評価データに基づいて時間幅における予測顧客数を生成し、また時間幅における予測顧客数に基づいて第１の商品ＰＤＴ１の対応する時間幅の予測時間における予測販売数を生成することができる。

例としては、ユーザーがｉＰｈｏｎｅ６のカバーの一ヵ月後の販売数を予測しようとする場合、その時間幅は、一ヵ月の時間段である。検索モジュール１３０は、第１の関連商品ＲＰＴ１、価格幅ＰＣＰ、予測時間に対応する時間幅（即ち、一ヵ月）に基づいて時間幅における（例えば、過去一ヵ月内）販売記録データ及び評価データを検索することができる。予測モジュール１４０は、時間幅における販売記録データ及び評価データに基づいて時間幅における予測顧客数を生成し、時間幅における予測顧客数に基づいて第１の商品ＰＤＴ１に対応する予測時間（つまり、一ヵ月後）における予測販売数を生成することができる。

また、商品販売予測システム１００は、特定の電子商取引プラットフォームに制限されずに、ある商品の販売数を予測することに用いる。つまり、商品販売予測システム１００は、複数の電子商取引プラットフォーム（例えば、淘宝網（タオバオワン）及び京東商城（ＪＤ．ｃｏｍ）において同時に検索する）において、第１の関連商品ＲＰＴ１の販売記録データ及び評価データを検索し、前記電子商取引プラットフォームの全ての販売記録データ及び評価データに基づいて第１の関連商品ＲＰＴ１に対応する総合予測顧客数を生成し、総合予測顧客数に基づいて第１の商品ＰＤＴ１に対応する総合予測販売数、つまり、第１の商品ＰＤＴ１に対応する前記電子商取引プラットフォームにおける全ての予測販売数を生成することに用いる。

図２を参照されたい。図２は、本発明の一実施例に係る商品販売予測方法２００を示すフロー図である。商品販売予測方法２００は、コンピュータプログラム商品（例えば、アプリケーション）として実現され、コンピュータ読取可能な記録媒体に格納されており、コンピュータがこの記録媒体を読み取ってから商品販売予測方法２００を実行することができる。コンピュータ読取可能な記録媒体としては、ＲОＭ、フラッシュメモリー、フロッピーディスク、ハードディスク、ＵＳＢフラッシュディスク、テープ、ネットワークでアクセス可能なデータベース、又は当業者が容易に想到できる同一機能を有する非一時的なコンピュータ読取可能な記録媒体であってもよい。

便利且つ説明しやすくするために、図２に示す商品販売予測方法２００については、図１に示す商品販売予測システム１００を例とするが、本発明がこれに制限されない。

図２に示すように、まず、工程Ｓ２１０において、操作インタフェース１５０を介してユーザーの入力した第１の商品ＰＤＴ１を受信する。そして、工程Ｓ２３０において、第１の商品ＰＤＴ１に基づいて、関連商品データベース１１０から第１の商品ＰＤＴ１に対応する第１の関連商品ＲＰＴ１を検索する。そして、工程Ｓ２５０において、電子商取引プラットフォーム１６０を介して第１の関連商品ＲＰＴ１及び第１の関連商品ＲＰＴ１に対応する価格幅ＰＣＰに基づいて、第１の関連商品ＲＰＴ１に対応する販売記録データＤＲＤ及び評価データＣＭＤを検索する。そして、工程Ｓ２７０において、販売記録データＤＲＤ及び評価データＣＭＤに基づいて、第１の商品ＰＤＴ１に対応する予測顧客数を生成する。そして、工程Ｓ２９０において、予測顧客数に基づいて第１の商品ＰＤＴ１に対応する予測販売数を生成する。

一実施例において、第１の商品ＰＤＴ１は、第１の関連商品ＲＰＴ１に対応する周辺商品であってもよいが、別の実施例において、第１の関連商品ＲＰＴ１と第１の商品ＰＤＴ１とは、同じ種類であってもよく、つまり、同じ種類であるが異なるブランドの製品であってもよい。具体的な内容については、上記実施例を参照されたいが、ここで特に詳しく説明しない。

一実施例において、工程Ｓ２７０は、工程Ｓ２７１〜工程Ｓ２７５を更に含んでもよい。図３を合わせて参照されたい。図３は、本発明の一実施例に係る商品販売予測方法２００における工程Ｓ２７０を示すフロー図である。図３に示すように、まず、工程Ｓ２７１において、販売記録データＤＲＤに基づいて第１の関連商品ＲＰＴ１に対応する累積販売数を生成する。具体的には、工程Ｓ２７１は、検索電子商取引プラットフォーム１６０における複数の販売者の第１の関連商品ＲＰＴ１に対応する出荷量を検索することと、前記販売者の第１の関連商品ＲＰＴ１に対応する出荷量のランキングの既定範囲における出荷量を累加して、前記累積販売数を生成することと、を更に含む。具体的な実施形態については、上記実施例を参照されたいが、ここで特に詳しく説明しない。

そして、工程Ｓ２７３において、評価データＣＭＤから複数の悪評データを選び取って、悪評数を生成する。具体的には、工程Ｓ２７３は、評価データＣＭＤにおける各評価データが複数の悪評語彙の少なくとも１つを含むかを判断することと、前記悪評語彙の少なくとも１つを含むの評価データを悪評データＣＭＤとすることと、を更に含む。具体的な実施形態については、上記実施例を参照されたいが、ここで特に詳しく説明しない。

そして、工程Ｓ２７５において、累積販売数から悪評数を引いて第１の商品ＰＤＴ１に対応する予測顧客数を生成する。

一実施例において、工程Ｓ２９０は、工程Ｓ２９１〜工程Ｓ２９３を更に含んでもよい。図４を合わせて参照されたい。図４は、本発明の一実施例に係る商品販売予測方法２００における別の工程Ｓ２９０のフロー図である。図４に示すように、まず、工程Ｓ２９１において、第１の商品ＰＤＴ１に基づいて、関連商品データベース１１０から第１の商品ＰＤＴ１に対応する第２の関連商品ＲＰＴ２を検索する。

そして、工程Ｓ２９３において、第１の商品ＰＤＴ１の予測顧客数及び第２の関連商品ＲＰＴ２に対応する履歴販売数に基づいて予測販売数を生成する。一実施例において、最小二乗法、離散方程式、線形回帰と非線形回帰又はベジェ曲線の何れかによって、予測顧客数及び第２の関連商品ＲＰＴ２に対応する履歴販売数を計算して予測販売数を得ることができる。具体的な細部については、上記実施形態の通りであるが、ここで特に詳しく説明しない。

一実施例において、第２の関連商品ＲＰＴ２は、第１の商品ＰＤＴ１に対応する先代商品であってもよいが、別の実施例において、第２の関連商品ＲＰＴ２と第１の商品ＰＤＴ１は、同じ種類であってもよく、つまり、同じ種類であるが異なるブランドの製品であってもよい。具体的な内容については、上記実施例を参照されたいが、ここで特に詳しく説明しない。

上記のような商品販売予測システム１００又は商品販売予測方法２００は、その具体的な実施形態として、ソフトウェア、ハードウェア及び／又はファームウェアであってもよい。例としては、実行速度及び正確度を主要に考慮すると、商品販売予測システム１００は、基本的に、ハードウェア及び／又はファームウェアを主に選択するが、設計の柔軟性を主要に考慮すると、基本的に、ソフトウェアを主に選択してよく、又は、ソフトウェア、ハードウェア及びファームウェアを同時に採用して協同作業してもよい。理解すべきなのは、以上で挙げられた例は、優劣の区別がなく、本発明を制限するためのものでもない。当業者であれば、当時の要求に応じて、前記ユニットの具体的な実施形態を柔軟的に選択するべきである。

上述のように、上記商品販売予測システム１００及び商品販売予測方法２００によって、ユーザーの入力した第１の商品ＰＤＴ１の販売数を効果的に予測することができ、その予測販売数が電子商取引プラットフォームにおける第１の商品の評価数又は出荷量の統計によるものだけではなく、予測では第１の商品を購入しようとする顧客数にその関連商品の履歴販売数を加えて得られた第１の商品の予測販売数である。従って、第１の商品に対応する予測販売数の正確度は、より高くなる。

本発明を実施形態で前述の通り開示したが、これは本発明を限定するためのものではなく、当業者であれば、本発明の精神と範囲から逸脱しない限り、各種の変更や修正を加えることができる。従って、本発明の保護範囲は、添付の特許請求の範囲で指定した内容を基準とするものである。

１００ 商品販売予測システム
１１０ 関連商品データベース
１２０ 関連商品照会モジュール
１３０ 検索モジュール
１４０ 予測モジュール
１５０ 操作インタフェース
１６０ 電子商取引プラットフォーム
ＰＤＴ１ 第１の商品
ＲＰＴ１ 第１の関連商品
ＲＰＴ２ 第２の関連商品
ＰＣＰ 価格幅
ＤＲＤ 販売記録データ
ＣＭＤ 評価データ
２００ 商品販売予測方法
Ｓ２１０〜Ｓ２９０、Ｓ２７１〜Ｓ２７５、Ｓ２９１〜Ｓ２９３ 工程

Claims (20)

1. 複数の商品及びそれぞれ前記商品に対応する複数の関連商品を格納するための関連商品データベースと、
   第１の商品に基づいて、前記関連商品データベースから前記第１の商品に対応する第１の関連商品を検索するための関連商品照会モジュールと、
   電子商取引プラットフォームを介して前記第１の関連商品及び前記第１の関連商品に対応する価格幅に基づいて、前記第１の関連商品に対応する複数の販売記録データ及び複数の評価データを検索するための検索モジュールと、
   前記販売記録データ及び前記評価データに基づいて前記第１の商品に対応する予測顧客数を生成し、前記予測顧客数に基づいて前記第１の商品に対応する予測販売数を生成するための予測モジュールと、
   を備える商品販売予測システム。
2. 前記予測モジュールは、前記販売記録データに基づいて前記第１の関連商品に対応する累積販売数を生成し、前記評価データから複数の悪評データを選び取って悪評数を生成し、累積販売数から悪評数を引いて前記予測顧客数を生成することに用いる請求項１に記載の商品販売予測システム。
3. 前記検索モジュールは、更に、前記電子商取引プラットフォームにおける複数の販売者の前記第１の関連商品に対応する出荷量を検索することに用い、前記予測モジュールは、更に、前記販売者の第１の関連商品に対応する出荷量のランキングの既定範囲における出荷量を累加して、前記累積販売数を生成することに用いる請求項２に記載の商品販売予測システム。
4. 前記予測モジュールは、更に、前記評価データにおける各評価データが複数の悪評語彙の少なくとも１つを含むかを判断し、前記悪評語彙の少なくとも１つを含む評価データを前記悪評データとすることに用いる請求項２に記載の商品販売予測システム。
5. 前記関連商品データベースは、更に、前記関連商品の複数の履歴販売数を格納し、前記関連商品照会モジュールは、更に、前記第１の商品に基づいて前記関連商品データベースから前記第１の商品に対応する第２の関連商品を検索することに用い、前記予測モジュールは、更に、第１の商品の前記予測顧客数と第２の関連商品に対応する履歴販売数に基づいて前記予測販売数を生成することに用いる請求項１〜４の何れかに記載の商品販売予測システム。
6. 前記第２の関連商品は、前記第１の商品に対応する先代商品である請求項５に記載の商品販売予測システム。
7. 前記第２の関連商品と前記第１の商品とは、同じ種類である請求項５に記載の商品販売予測システム。
8. 前記予測モジュールは、最小二乗法、離散方程式、線形回帰と非線形回帰又はベジェ曲線等の計算方法により、前記予測顧客数と前記第２の関連商品に対応する前記履歴販売数を計算して、前記予測販売数を生成することに用いる請求項５に記載の商品販売予測システム。
9. 前記検索モジュールは、更に、前記第１の関連商品、前記価格幅、予測時間に対応する時間幅に基づいて、時間幅における販売記録データ及び評価データを検索することに用い、前記予測モジュールは、更に、販売記録データ及び評価データに基づいて時間幅における予測顧客数を生成し、時間幅における予測顧客数に基づいて前記第１の商品に対応する予測時間における予測販売数を生成することに用いる請求項１に記載の商品販売予測システム。
10. 前記第１の商品は、前記第１の関連商品に対応する周辺商品である請求項１〜９の何れかに記載の商品販売予測システム。
11. ユーザーが前記第１の商品を入力して前記第１の関連商品を表示するための操作インタフェースを更に備える請求項１〜１０の何れかに記載の商品販売予測システム。
12. 第１の商品に基づいて、複数の商品及びそれぞれ前記商品に対応する複数の関連商品を格納する関連商品データベースから、前記第１の商品に対応する第１の関連商品を検索する工程と、
    電子商取引プラットフォームを介して前記第１の関連商品及び前記第１の関連商品に対応する価格幅に基づいて、前記第１の関連商品に対応する複数の販売記録データ及び複数の評価データを検索する工程と、
    前記販売記録データ及び前記評価データに基づいて、前記第１の商品に対応する予測顧客数を生成する工程と、
    前記予測顧客数に基づいて、前記第１の商品に対応する予測販売数を生成する工程と、
    を備える商品販売予測方法。
13. 前記販売記録データ及び前記評価データに基づいて前記第１の関連商品に対応する前記予測顧客数を生成する工程は、
    前記販売記録データに基づいて前記第１の関連商品に対応する累積販売数を生成することと、
    前記評価データから複数の悪評データを選び取って悪評数を生成することと、
    前記累積販売数から前記悪評数を引いて前記予測顧客数を生成することと、
    を含む請求項１２に記載の商品販売予測方法。
14. 前記販売記録データに基づいて前記第１の関連商品に対応する前記累積販売数を生成する工程は、
    前記電子商取引プラットフォームにおける複数の販売者の前記第１の関連商品に対応する出荷量を検索することと、
    前記販売者の第１の関連商品に対応する出荷量のランキングの既定範囲における出荷量を累加して、前記累積販売数を生成することと、
    を含む請求項１３に記載の商品販売予測方法。
15. 前記評価データから前記悪評データを選び取って前記悪評数を生成する工程は、
    前記評価データにおける各評価データが複数の悪評語彙の少なくとも１つを含むかを判断することと、
    前記悪評語彙の少なくとも１つを含む評価データを前記悪評データとすることと、
    を含む請求項１３に記載の商品販売予測方法。
16. 前記関連商品データベースは、更に、前記関連商品の複数の履歴販売数を格納し、
    前記予測顧客数に基づいて前記第１の商品に対応する前記予測販売数を生成する工程は、
    前記第１の商品に基づいて前記関連商品データベースから前記第１の商品に対応する第２の関連商品を検索することと、
    前記第１の商品の前記予測顧客数と第２の関連商品に対応する履歴販売数に基づいて前記予測販売数を生成することと、
    を含む請求項１２〜１５の何れかに記載の商品販売予測方法。
17. 前記第２の関連商品は、前記第１の商品に対応する先代商品である請求項１６に記載の商品販売予測方法。
18. 前記第２の関連商品と前記第１の商品とは、同じ種類である請求項１６に記載の商品販売予測方法。
19. 前記第１の商品の前記予測顧客数及び前記第２の関連商品に対応する前記履歴販売数に基づいて前記予測販売数を生成する工程は、
    最小二乗法、離散方程式、線形回帰と非線形回帰又はベジェ曲線等の計算方法により、前記予測顧客数と前記第２の関連商品に対応する前記履歴販売数を計算して、前記予測販売数を生成することを含む請求項１６に記載の商品販売予測方法。
20. 商品販売予測方法を実行するための非一時的なコンピュータ読取可能な記録媒体において、
    第１の商品に基づいて、複数の商品及びそれぞれ前記商品に対応する複数の関連商品を格納する関連商品データベースから、前記第１の商品に対応する第１の関連商品を検索する工程と、
    電子商取引プラットフォームを介して前記第１の関連商品及び前記第１の関連商品に対応する価格幅に基づいて、前記第１の関連商品に対応する複数の販売記録データ及び複数の評価データを検索する工程と、
    前記販売記録データ及び前記評価データに基づいて、前記第１の商品に対応する予測顧客数を生成する工程と、
    前記予測顧客数に基づいて、前記第１の商品に対応する予測販売数を生成する工程と、
    を備える非一時的なコンピュータ読取可能な記録媒体。