商品的销量预测方法、装置、计算机设备和存储介质制造方法及图纸

本发明专利技术公开了一种商品的销量预测方法、装置、计算机设备和存储介质。该方法包括：获取商品在历史预测时间段内的历史销量数据，并在至少一个统计指标下，获取与所述历史销量数据匹配的销量关联特征数据集合；将所述历史销量数据和所述销量关联特征数据集合进行组合，构成与所述历史预测时间段匹配的目标特征样本；根据所述目标特征样本，以及商品在多个历史时间段内第一时间段的特征样本和第二时间段的结果样本之间的关系，对未来时间段内的商品销量进行预测；其中，特征样本和结果样本通过与所属时间段匹配的历史销量数据和关联的销量关联特征数据集合组合构成。使用本发明专利技术的技术方案可以实现准确预测商品销量，提高商品预测的灵活性和适用性。

【技术实现步骤摘要】
商品的销量预测方法、装置、计算机设备和存储介质
本专利技术实施例涉及数据处理技术，尤其涉及一种商品的销量预测方法、装置、计算机设备和存储介质。
技术介绍
C2M(Customer-to-Manufacturer，用户直连制造商)模式下，用户购买商品后，制造商才开始生产商品，因此准确预测商品销量，对指导商家预留相应的生产能力至关重要。现有技术中预测商品销量，主要是通过人为预测，或是通过销量预测算法，选择特征数据对销量进行预测。专利技术人在实现本专利技术的过程中，发现现有技术存在以下缺陷：人为预测考虑的因素较为单一，预测结果准确性低；根据销量预测算法预测，选择的特征数据的类型较为固定，灵活性差，无法满足实际业务中的适用需求。
技术实现思路
本专利技术实施例提供一种商品的销量预测方法、装置、计算机设备和存储介质，以实现准确预测商品销量，提高商品预测的灵活性和适用性。第一方面，本专利技术实施例提供了一种商品的销量预测方法，该方法包括：获取商品在历史预测时间段内的历史销量数据，并在至少一个统计指标下，获取与所述历史销量数据匹配的销量关联特征数据集合；将所述历史销量数据和所述销量关联特征数据集合进行组合，构成与所述历史预测时间段匹配的目标特征样本；根据所述目标特征样本，以及商品在多个历史时间段内第一时间段的特征样本和第二时间段的结果样本之间的关系，对未来时间段内的商品销量进行预测；其中，特征样本和结果样本通过与所属时间段匹配的历史销量数据和关联的销量关联特征数据集合组合构成。第二方面，本专利技术实施例还提供了一种商品的销量预测装置，该装置包括：历史销量数据获取模块，用于获取商品在历史预测时间段内的历史销量数据，并在至少一个统计指标下，获取与所述历史销量数据匹配的销量关联特征数据集合；目标特征样本获取模块，用于将所述历史销量数据和所述销量关联特征数据集合进行组合，构成与所述历史预测时间段匹配的目标特征样本；商品销量预测模块，用于根据所述目标特征样本，以及商品在多个历史时间段内第一时间段的特征样本和第二时间段的结果样本之间的关系，对未来时间段内的商品销量进行预测；其中，特征样本和结果样本通过与所属时间段匹配的历史销量数据和关联的销量关联特征数据集合组合构成。第三方面，本专利技术实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本专利技术实施例中任一所述的商品的销量预测方法。第四方面，本专利技术实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本专利技术实施例中任一所述的商品的销量预测方法。本专利技术实施例通过获取商品的历史销量数据，以及至少一个统计指标下的销量关联特征数据集合，生成目标特征样本，并根据目标特征样本，以及商品在第一时间段的特征样本和第二时间段的结果样本之间的关系，预测商品在未来时间段的销量。解决了现有技术商品销量的预测结果准确性低、灵活性差，无法满足实际业务中的适用需求的问题，实现了准确预测商品销量，提高商品销量预测灵活性和适用性的效果。附图说明图1是本专利技术实施例一中的一种商品的销量预测方法的流程图；图2a是本专利技术实施例二中的一种商品的销量预测方法的流程图；图2b是适用于本专利技术实施例中的一种商品销量预测方法的流程图；图2c是适用于本专利技术实施例中的一种商品销量预测模型训练过程的示意图；图3是本专利技术实施例三中的一种商品的销量预测装置的结构示意图；图4是本专利技术实施例四中的一种计算机设备的结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。实施例一图1是本专利技术实施例一提供的一种商品的销量预测方法的流程图，本实施例可适用于对商品在未来一段时间的销量进行预测的情况，该方法可以由商品的销量预测装置来执行，该装置可以由软件和/或硬件来实现，并一般集成在计算机设备中，与商品销售平台配合使用。如图1所示，本专利技术实施例的技术方案，具体包括如下步骤：S110、获取商品在历史预测时间段内的历史销量数据，并在至少一个统计指标下，获取与所述历史销量数据匹配的销量关联特征数据集合。其中，历史预测时间段可以为用以预测商品未来时间段销量的相关数据所在时间段。示例性的，当需要预测商品未来15天销量时，可以使用过去30天的相关数据，则历史预测时间段为过去30天内。历史销量数据可以为商品在历史预测时间段的销量。统计指标可以为影响商品销量的指标，优选的，统计指标可以为与商品销量相关性较强的指标。销量关联特征数据集合可以为各统计指标下，影响商品销量的各关联特征的相关数据的集合。示例性的，当销量关联特征为100项时，每天的销量关联特征数据可以用100个数值表示，当历史预测时间段为过去30天时，销量关联特征数据集合可以为30条数据，每条数据包含100个数值。一个统计指标下可以对应多个销量关联特征。示例性的，统计指标可以为商品特征指标，在商品特征指标下，还包括商品价格、销量、商品曝光量、商品页面点击数以及同类目在售商品数等销量关联特征。在本专利技术实施例中，根据历史预测时间段，获取商品的历史销量数据和各统计指标下的销量关联特征相关的数据。在本专利技术一个可选的实施例中，所述统计指标的类型可以包括下述至少一项：用户特征指标、商品特征指标、季节特征指标、售后特征指标、营销活动特征指标、外部环境特征指标和与所述商品的销售模式匹配的模式特征指标。其中，用户特征指标可以为与用户相关的可能影响销量的指标，用户特征指标下，又可以包括用户浏览特征、下单特征、收藏特征以及加购特征等销量关联特征。商品特征指标可以为与商品相关的可能影响销量的指标，商品特征指标又可以包括商品价格、销量、商品曝光量、商品页面点击数以及同类目在售商品数等销量关联特征。季节特征指标可以为与当前所在季节相关的指标，可以根据当前日期，结合商品生产地温度确定，季节特征指标可以包括月份、节假日以及季节等销量关联特征。售后特征指标可以为与商品售后相关的指标，可以包括退换货频率、退款率、评价率、好评率、差评率、复购率以及复购周期等销量关联特征。营销活动特征指标可以为商品销售平台运营的活动相关的指标，可以包括广告推广、优惠策略以及投放力度等销量关联特征。外部环境特征指标可以为可能影响商品销量的外部影响因素相关的指标，可以包括经济形势、社会关注度以及流行商品等销量关联特征。商品的销售模式可以为代理营销、直销、网络销售等，网络销售又可以包括C2C(ConsumerToConsumer，小贩到消费者)、B2C(BusinessToCustomers，厂商到消费者)、C2M等模式，模式特征指标可以为各商品的销售模式特有的特征指本文档来自技高网...

【技术保护点】
1.一种商品的销量预测方法，其特征在于，包括：/n获取商品在历史预测时间段内的历史销量数据，并在至少一个统计指标下，获取与所述历史销量数据匹配的销量关联特征数据集合；/n将所述历史销量数据和所述销量关联特征数据集合进行组合，构成与所述历史预测时间段匹配的目标特征样本；/n根据所述目标特征样本，以及商品在多个历史时间段内第一时间段的特征样本和第二时间段的结果样本之间的关系，对未来时间段内的商品销量进行预测；/n其中，特征样本和结果样本通过与所属时间段匹配的历史销量数据和关联的销量关联特征数据集合组合构成。/n

【技术特征摘要】
1.一种商品的销量预测方法，其特征在于，包括：
获取商品在历史预测时间段内的历史销量数据，并在至少一个统计指标下，获取与所述历史销量数据匹配的销量关联特征数据集合；
将所述历史销量数据和所述销量关联特征数据集合进行组合，构成与所述历史预测时间段匹配的目标特征样本；
根据所述目标特征样本，以及商品在多个历史时间段内第一时间段的特征样本和第二时间段的结果样本之间的关系，对未来时间段内的商品销量进行预测；
其中，特征样本和结果样本通过与所属时间段匹配的历史销量数据和关联的销量关联特征数据集合组合构成。


2.根据权利要求1所述的方法，其特征在于，所述统计指标的类型包括下述至少一项：
用户特征指标、商品特征指标、季节特征指标、售后特征指标、营销活动特征指标、外部环境特征指标和与所述商品的销售模式匹配的模式特征指标。


3.根据权利要求2所述的方法，其特征在于，所述商品的销售模式包括：用户直连制造模式；
所述模式特征指标包括下述至少一项：商品生产周期、同类商品的生产周期以及用户需求特征。


4.根据权利要求1-3任一项所述的方法，其特征在于，在至少一个统计指标下，获取与所述历史销量数据匹配的销量关联特征数据集合之前，还包括：
在设定的统计指标确定时间段内，收集所述商品的各历史销售订单；
在至少一个备选指标下，获取与所述商品的各目标历史销售订单分别匹配的各订单销量关联特征数据；
根据各历史销售订单计算与统计指标确定时间段匹配的销售总量，并根据各订单销量关联特征数据，计算与销售总量匹配的备选销量关联特征数据集合；
根据所述销售总量与所述备选销量关联特征数据集合，在各备选指标中，确定所述统计指标。


5.根据权利要求4所述的方法，其特征在于，根据所述销售总量与所述备选销量关联特征数据集合，在各备选指标中，确定所述统计指标，包括：
通过下述公式计算所述销售总量与各备选指标之间的相关性系数：



其中，X为统计指标确定时间段内的备选销量关联特征数据，Y为与统计指标确定时间段匹配的销售总量，Cov(X,Y)表示所述销售总量与所述备选销量关联特征数据的协方差，Var[X]表示所述备选销量关联特征数据的样本方差，Var[Y]表示所述销售总量的样本方差；
将相关性系数满足预设阈值条件的备选指标作为统计指标。


6.根据权利要求1所述的方法，其特征在于，根据目标特征样本，以及商品在多个历史时间段内第一时间段的特征样本和第二时间段的结果样本之间的关系，对未来时间段内的商品销量进行预测，包括：
将所述目标特征样本输入至预先训练的商品销量预测模型中，并获取所述商品销量预测模型输出的对未来时间段内的商品销量的预测结果；
其中，所述商品销量预测模型通过使用商品在多个历史时间段内第一时间段的特征样本和第二时间段的结果样本之间的关系训练得到。


7.根据权利要求6所述的方法，其特...

【专利技术属性】
技术研发人员：王成庆，骆金，郭冲，
申请(专利权)人：珠海随变科技有限公司，
类型：发明
国别省市：广东;44