价格确定及预测模型构建的方法、装置、设备及存储介质制造方法及图纸

本申请公开一种价格确定及预测模型构建的方法、装置、设备及存储介质，其中，价格确定方法包括步骤：获取参与促销商品的属性信息、根据销量预测模型分析所述参与促销商品的属性信息，并确定所述参与促销商品的销量、获取决策变量和决策条件、根据所述决策条件、所述决策变量和所述参与促销商品的销量计算得到所述参与促销商品的促销价格。本申请能够构建不同门店的不同类型的商品对应的销量预测模型，进而使得更加精细化的销量预测模型对参与促销的商品进行销量预测，从而根据销量预测模型预测的销量计算得到参与促销商品的促销价格，本申请可用于对各品牌商、各零售商促销活动中的各商品进行定价，进而提高促销收益。

【技术实现步骤摘要】
价格确定及预测模型构建的方法、装置、设备及存储介质
本申请涉及大数据领域，尤其涉及一种价格确定及预测模型构建的方法、装置、设备及存储介质。
技术介绍
目前，促销活动是市场营销的基本策略之一，好的促销活动可以带来巨大的收益。随着人工智能的发展，越来越多的人工智能技术被应用到各领域的促销定价中。但是，目前的促销定价方式存在过度依赖前期市场调研数据，其促销定价结果客观性弱、准确度低，另一方面，目前的促销定价方式还存在无法针对每一门店分别建立销量预测模型，进而进销量预测模型预测结果不够准确，从而进一步减低了促销定价结果的准确性。
技术实现思路
本申请目的在于公开一种价格确定及预测模型构建的方法、装置、设备及存储介质，本申请能够构建不同门店的不同类型的商品对应的销量预测模型，进而使得更加精细化的销量预测模型对参与促销的商品进行销量预测，从而根据销量预测模型预测的销量计算得到参与促销商品的促销价格，本申请可用于对各品牌商、各零售商促销活动中的各商品进行定价，进而提高促销收益。本申请第一方面公开一种价格确定方法，所述方法包括：获取参与促销商品的属性信息；根据销量预测模型分析所述参与促销商品的属性信息，并确定所述参与促销商品的销量；获取决策变量和决策条件；根据所述决策条件、所述决策变量和所述参与促销商品的销量计算得到所述参与促销商品的促销价格。在本申请第一方面中，通过获取参与促销商品的属性信息，预先构建的销量预测模型能够预测参与促销商品的销量，从而可根据参与促销商品的销量计算参与促销商品的促销价格。本申请与现有技术中基于用户或商品的静态信息或交易信息的划分结果而制定的促销方案这一方式相比，能够针对不同门店、不同商品构建销量预测模型，进而能够适用于多种场景下，且具有更高的制定效率。另一方面，与现有技术中根据市场调研结果而建立先验知识模型，进而根据先验知识模型制定促销方案这一方式相比，本申请能够减低对人为市场调研结果的依赖，又能够客观、准确地对参与促销商品的促销价格进行预测，以提高商品促销效果。在本申请第一方面中，作为一种可选的实施方式，所述参与促销商品的属性信息包括所述参与促销商品的原始价格信息、包装信息、商品类型信息、折扣信息、广告投入信息中的至少一项；所述决策指标包括广告投入的上下限、每种所述决策变量的上下限，以及促销价格上下限。在本可选的实施方式中，通过获取参与促销商品的原始价格信息、包装信息、商品类型信息、折扣信息、广告投入信息中的至少一项可更加准确地构建销售预测模型。本申请第二方面公开一种预测模型构建方法，所述销量预测模型应用于本申请第一方面公开的价格确定方法中，所述方法包括：获取目标商家的所有商品相关信息；将所述所有商品相关信息划分至对应类型的门店以及所述门店中对应类型的商品相关信息；根据所述对应类型的门店以及所述门店中对应类型的商品相关信息构建销量预测模型。在本申请第二方面中，通过获取目标商家的所有商品相关信息，进而对相关信息划分，进而能够根据划分结果构建多个销量预测模型，该多个销量预测模型分别用于对不同门店的不同类型的商品的销量进行预测。本申请的销量预测模型可用于本申请的价格确定方法可用于本申请第一方面的价格确定方法，进而本申请与现有技术中基于用户或商品的静态信息或交易信息的划分结果而制定的促销方案这一方式相比，能够针对不同门店、不同商品构建销量预测模型，进而能够适用于多种场景下，且具有更高的制定效率。另一方面，与现有技术中根据市场调研结果而建立先验知识模型，进而根据先验知识模型制定促销方案这一方式相比，本申请能够减低对人为市场调研结果的依赖，又能够客观、准确地对参与促销商品的促销价格进行预测，以提高商品促销效果。在本申请第二方面中，作为一种可选的实施方式，所述根据所述对应类型的门店以及所述门店中对应类型的商品相关信息构建销量预测模型，包括：判断所述对应类型的门店以及所述门店中对应类型的商品相关信息的数据量；当所述数据量小于预设阈值时，根据贝叶斯因果推断模型和多元分类评定模型构建所述销量预测模型；当所述数据量大于等于预设阈值时，根据机器学习模型或神经网络构建所述销量预测模型。在本可选的实施方式中，通过判断商品相关信息的数据量，可使用不同的模型构建所述销量预测模型。在本申请第二方面中，作为一种可选的实施方式，所述机器学习模型为随机森林模型、提升树可扩展模型中的一种，所述神经网络为深度神经网络模型，长短期记忆网络模型中的一种。在本可选的实施方式中，可使用随机森林模型、提升树可扩展模型、深度神经网络模型、长短期记忆网络模型构建销量预测模型。在本申请第二方面中，作为一种可选的实施方式，在所述根据所述对应类型的门店以及所述门店中对应类型的商品相关信息构建销量预测模型之后，所述方法还包括：根据在线增量学习捕捉的数据分布或数据关系的变化修正所述销量预测模型。在本可选的实施方式中，通过在线增量学习可生成外部环境变化的数据分布或数据关系，进而能够基于数据分布或数据关系修正销量预测模型，从而进一步提高销量预测模型的精确度。在本申请第二方面中，作为一种可选的实施方式，所述目标商家的所有商品相关信息至少包括门店信息、产品信息、交易数据、竞品数据、外部数据的一项；以及，所述竞品数据包括周围门店的竞品静态信息以及竞品销量信息，所述外部数据至少包括经济信息、天气信息、节假日信息中的一项。在本可选的实施方式中，能够根据门店信息、产品信息、交易数据、竞品数据、外部数据等信息进行多维度划分，进而能够根据多维度划分的结果构建精细度更高的销量预测模型。在本申请第二方面中，作为一种可选的实施方式，所述将所述所有商品相关信息划分至对应类型的门店以及所述门店中对应类型的商品相关信息，包括：获取划分指标；根据所述划分指标将所述所有商品相关信息划分至对应类型的门店以及所述门店中对应类型的商品相关信息；以及，所述划分指标包括门店划分指标和产品划分指标中的至少一项，所述产品划分指标包括季节性划分指标、第一价格敏感性划分指标中的至少一项；以及，所述门店划分指标包括第二价格敏感性划分指标、门店级别划分指标、消费水平划分指标、辐射人群属性划分指标中的至少一项。在可选的实施方式中，通过按照划分指标对数据进行多维度划分，进而能够得到精细化划分结果，从而能够构建精细化更高、预测更准确的销量预测模型。本申请第三方面公开一种价格确定装置，所述装置应用于价格确定设备中，所述装置包括：第一获取模块，用于获取参与促销商品的属性信息；分析模块，用于根据销量预测模型分析所述参与促销商品的属性信息，并确定所述参与促销商品的销量；第二获取模块，用于获取决策变量和决策条件；计算模块，用于根据所述决策条件、所述决策变量和所述参与促销商品的销量计算得到所述参与促销商品的促销价格。在本申请第三方面中，价格确定装置通本文档来自技高网...

【技术保护点】
1.一种价格确定方法，其特征在于，所述方法包括：/n获取参与促销商品的属性信息；/n根据销量预测模型分析所述参与促销商品的属性信息，并确定所述参与促销商品的销量；/n获取决策变量和决策条件；/n根据所述决策条件、所述决策变量和所述参与促销商品的销量计算得到所述参与促销商品的促销价格。/n

【技术特征摘要】
1.一种价格确定方法，其特征在于，所述方法包括：
获取参与促销商品的属性信息；
根据销量预测模型分析所述参与促销商品的属性信息，并确定所述参与促销商品的销量；
获取决策变量和决策条件；
根据所述决策条件、所述决策变量和所述参与促销商品的销量计算得到所述参与促销商品的促销价格。


2.如权利要求1所述价格确定方法，其特征在于，所述参与促销商品的属性信息包括所述参与促销商品的原始价格信息、包装信息、商品类型信息、折扣信息、广告投入信息中的至少一项；
所述决策指标包括广告投入的上下限、每种所述决策变量的上下限，以及促销价格上下限。


3.一种预测模型构建方法，其特征在于，所述销量预测模型应用于如权利要求1-2任一项所述的价格确定方法中，所述方法包括：
获取目标商家的所有商品相关信息；
将所述所有商品相关信息划分至对应类型的门店以及所述门店中对应类型的商品相关信息；
根据所述对应类型的门店以及所述门店中对应类型的商品相关信息构建销量预测模型。


4.如权利要求3所述的方法，其特征在于，所述根据所述对应类型的门店以及所述门店中对应类型的商品相关信息构建销量预测模型，包括：
判断所述对应类型的门店以及所述门店中对应类型的商品相关信息的数据量；
当所述数据量小于预设阈值时，根据贝叶斯因果推断模型和多元分类评定模型构建所述销量预测模型；
当所述数据量大于等于预设阈值时，根据机器学习模型或神经网络构建所述销量预测模型。


5.如权利要求4所述的方法，其特征在于，所述机器学习模型为随机森林模型、提升树可扩展模型中的一种，所述神经网络为深度神经网络模型，长短期记忆网络模型中的一种。


6.如权利要求3所述的方法，其特征在于，在所述根据所述对应类型的门店以及所述门店中对应类型的商品相关信息构建销量预测模型之后，所述方法还包括：
根据在线增量学习捕捉的数据分布或数据关系的变化修正所述销量预测模型。


7.如权利要求3所述的方法，其特征在于，所述目标商家的所有商品相关信息至少包括门店信息、产品信息、交易数据、竞品数据、外部数据的一项；...

【专利技术属性】
技术研发人员：周鹏程，崔燕达，
申请(专利权)人：创新奇智南京科技有限公司，
类型：发明
国别省市：江苏;32