本申请公开一种销量预测方法及装置，本申请通过获取待测商品的商品属性、运营属性和实时访客量，将所述待测商品的商品属性和运营属性输入销量预测模型，得到所述销量预测模型输出的所述待测商品的销量转化率，其中，所述销量预测模型，以训练商品的商品属性和运营属性作为训练样本，以所述训练商品的销量转化率作为训练标签训练得到，将所述实时访客量与所述销量转化率相乘得到预测销量。本申请方案通过将待测商品的商品属性、运营属性输入至销量预测模型，得到销量转化率，相比于现有技术，将销量转化率作为商品的属性特征，去除了现有技术预测过程中需加入历史访客量的不稳定性因素，提高了销量预测的准确性。提高了销量预测的准确性。提高了销量预测的准确性。
【技术实现步骤摘要】
一种销量预测方法及装置
[0001]本申请涉及供应链领域，特别是一种销量预测方法及装置。
技术介绍
[0002]随着互联网技术的发展，网络购物逐渐普及，商家为了保证有足够的商品库存满足消费者的需求，会通过提前预测商品在市场上的销量的方式进行原材料的采购和预调拨，同时可以通过该预测销量的方式进行库存预警及自动补货。
[0003]然而现在市场上的销量预测方式都是基于历史数据上消费者对于该商品的访客量以及实际销售的商品数量来进行预测的，其中访客量是一个不稳定因素，会对预测结果的准确性产生影响，如何提高销量预测的准确性是人们关注的问题。
技术实现思路
[0004]有鉴于此，本申请提供了一种销量预测方法及装置，用于提高销量预测的准确性。
[0005]为了实现上述目的，现提出的方案如下：
[0006]一种销量预测方法，包括：
[0007]获取待测商品的商品属性、运营属性和实时访客量；
[0008]将所述待测商品的商品属性和运营属性输入销量预测模型，得到所述销量预测模型输出的所述待测商品的销量转化率；
[0009]其中，所述销量预测模型，以训练商品的商品属性和运营属性作为训练样本，以所述训练商品的销量转化率作为训练标签训练得到；
[0010]将所述实时访客量与所述销量转化率相乘得到预测销量。
[0011]可选的，所述销量预测模型包括：输入层、属性处理层和转化率确定层；
[0012]所述销量预测模型的训练过程，包括：
[0013]通过输入层，获取训练商品的商品属性和运营属性；
[0014]通过属性处理层，对所述训练商品的商品属性和运营属性进行处理得到属性特征；
[0015]通过转化率确定层，基于所述属性特征预测所述训练商品的销量转化率；
[0016]利用误差函数对预测的销量转化率与所述训练商品的销量转化率标签的差值进行计算，得到转化率误差值；
[0017]根据所述转化率误差值，更新销量预测模型的参数。
[0018]可选的，在所述销量预测模型的训练过程之前，还包括：
[0019]选取销量和访客量满足预设要求的训练商品的商品属性和运营属性作为训练样本。
[0020]可选的，所述选取销量和访客量满足预设要求的训练商品的商品属性和运营属性作为训练样本，包括：
[0021]选取同时满足所述销量大于第一设定值及所述访客量大于第二设定值，且所述销
量与所述访客量的乘积大于第三设定值的训练商品的商品属性和运营属性作为训练样本。
[0022]可选的，还包括：
[0023]选取所述访客量大于第三设定值且所述销量为0的训练商品的商品属性和运营属性作为训练样本。
[0024]可选的所述将所述待测商品的商品属性和运营属性输入销量预测模型，得到所述销量预测模型输出的所述待测商品的销量转化率，包括：
[0025]将所述待测商品的商品属性和运营属性通过输入层输入销量预测模型；
[0026]利用销量预测模型的属性处理层处理所述待测商品的商品属性和运营属性得到属性特征；
[0027]利用销量预测模型的转化率确定层，基于所述属性特征预测所述待测商品的销量转化率。
[0028]可选的，在利用误差函数对确定的销量转化率与所述训练商品的销量转化率标签的差值进行计算，得到转化率误差值之后，还包括：
[0029]判断所述转化率误差值是否满足预设截止条件；
[0030]若是，则完成销量预测模型的训练；
[0031]若否，执行根据所述转化率误差值，更新销量预测模型的参数的步骤。
[0032]一种销量预测装置，包括：
[0033]信息获取模块，用于获取待测商品的商品属性、运营属性和实时访客量；
[0034]模型预测模块，用于将所述待测商品的商品属性和运营属性输入销量预测模型，得到所述销量预测模型输出的所述待测商品的销量转化率；
[0035]其中，所述销量预测模型，以训练商品的商品属性和运营属性作为训练样本，以所述训练商品的销量转化率作为训练标签训练得到；
[0036]销量预测模块，用于将所述实时访客量与所述销量转化率相乘得到预测销量。
[0037]可选的，本方案的销量预测装置，还包括：
[0038]模型训练模块，用于训练得到的所述销量预测模型，其中，所述销量预测模型包括：输入层、属性处理层和转化率确定层；
[0039]所述销量预测模型的训练过程，包括：
[0040]通过输入层，获取训练商品的商品属性和运营属性；
[0041]通过属性处理层，对所述训练商品的商品属性和运营属性进行处理得到属性特征；
[0042]通过转化率确定层，基于所述属性特征预测所述训练商品的销量转化率；
[0043]利用误差函数对预测的销量转化率与所述训练商品的销量转化率标签的差值进行计算，得到转化率误差值；
[0044]根据所述转化率误差值，更新销量预测模型的参数。
[0045]可选的，还包括：
[0046]样本选取模块，用于在执行所述模型训练模块之前，选取销量和访客量满足预设要求的训练商品的商品属性和运营属性作为训练样本。
[0047]从上述的技术方案可以看出，本申请实施例提供的一种销量预测方法及装置，通过获取待测商品的商品属性、运营属性和实时访客量，将所述待测商品的商品属性和运营
属性输入销量预测模型，得到所述销量预测模型输出的所述待测商品的销量转化率，其中，所述销量预测模型，以训练商品的商品属性和运营属性作为训练样本，以所述训练商品的销量转化率作为训练标签训练得到，将所述实时访客量与所述销量转化率相乘得到预测销量。本申请方案通过将待测商品的商品属性、运营属性输入至销量预测模型，得到销量转化率，相比于现有技术通过最近的历史销售量和历史访问量来预测下一次的销售量，由于历史访客量具有不稳定性，本方案将销量转化率作为商品的属性特征，利用销量转化率和实时访客量相乘即可得到下一次的销售量，去除了现有技术预测过程中需加入历史访客量的不稳定性因素，提高了销量预测的准确性。
附图说明
[0048]图1为本申请实施例提供的一种销量预测方法流程图；
[0049]图2为本申请实施例提供的一种更新销量预测模型的参数的方法流程图；
[0050]图3为本申请实施例提供的一种可选的销量预测模型的训练方法流程图；
[0051]图4为本申请实施例提供的一种销量预测装置结构示意图；
[0052]图5为本申请实施例提供的一种销量预测设备的硬件结构框图。
具体实施方式
[0053]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。...
【技术保护点】
【技术特征摘要】
1.一种销量预测方法，其特征在于，包括：获取待测商品的商品属性、运营属性和实时访客量；将所述待测商品的商品属性和运营属性输入销量预测模型，得到所述销量预测模型输出的所述待测商品的销量转化率；其中，所述销量预测模型，以训练商品的商品属性和运营属性作为训练样本，以所述训练商品的销量转化率作为训练标签训练得到；将所述实时访客量与所述销量转化率相乘得到预测销量。2.根据权利要求1所述的方法，其特征在于，所述销量预测模型包括：输入层、属性处理层和转化率确定层；所述销量预测模型的训练过程，包括：通过输入层，获取训练商品的商品属性和运营属性；通过属性处理层，对所述训练商品的商品属性和运营属性进行处理得到属性特征；通过转化率确定层，基于所述属性特征预测所述训练商品的销量转化率；利用误差函数对预测的销量转化率与所述训练商品的销量转化率标签的差值进行计算，得到转化率误差值；根据所述转化率误差值，更新销量预测模型的参数。3.根据权利要求2所述的方法，其特征在于，在所述销量预测模型的训练过程之前，还包括：选取销量和访客量满足预设要求的训练商品的商品属性和运营属性作为训练样本。4.根据权利要求3所述的方法，其特征在于，所述选取销量和访客量满足预设要求的训练商品的商品属性和运营属性作为训练样本，包括：选取同时满足所述销量大于第一设定值及所述访客量大于第二设定值，且所述销量与所述访客量的乘积大于第三设定值的训练商品的商品属性和运营属性作为训练样本。5.根据权利要求4所述的方法，其特征在于，还包括：选取所述访客量大于第三设定值且所述销量为0的训练商品的商品属性和运营属性作为训练样本。6.根据权利要求2所述的方法，其特征在于，所述将所述待测商品的商品属性和运营属性输入销量预测模型，得到所述销量预测模型输出的所述待测商品的销量转化率，包括：将所述待测商品的商品属性和运营属性通过输入层输入...
【专利技术属性】
技术研发人员：李思舒，袁冰，宋可信，金璐，
申请(专利权)人：广州品唯软件有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。