一种基于商品属性特征的销量预测方法、装置及存储介质制造方法及图纸

本发明专利技术公开基于商品属性特征的销量预测方法，包括：预设商品的多个属性特征以及每个属性特征下属相应的层级特征；将各个属性特征与其下属的层级特征组合得到各个属性层级组合；将预设时间维度内的历史销量数据按照各个属性层级组合进行聚合，获取所有属性层级组合的历史销量数据；根据属性层级组合的历史销量数据计算各属性层级组合中层级特征的选择概率和各层级特征组成的转移概率矩阵；根据待预测商品确定其属性特征和属性特征下属的层级特征，由确定的各属性特征下属层级特征的选择概率计算得到待预测商品的选择概率，由确定的各属性特征下属层级特征的转移概率矩阵计算得到待预测商品的转移概率。本发明专利技术实现了无历史销售数据的新品需求预测。史销售数据的新品需求预测。史销售数据的新品需求预测。

【技术实现步骤摘要】
一种基于商品属性特征的销量预测方法、装置及存储介质


[0001]本专利技术涉及数据处理
，具体的涉及一种基于商品属性特征的销量预测方法、装置及存储介质。

技术介绍

[0002]对于服装鞋履行业而言，各门店下每个产品季的新品类型和数量通常会在半年之前就确定下来，因此管理者通常会关心新品在多个门店下的分配，若门店内的新品种类和数量与周边消费群体的偏好脱钩，则会造成门店盈利水平的下降，因此门店内SKU需求预测对于管理者而言至关重要。
[0003]SKU：最小存货单位，全称为Stock Keeping Unit(库存量单位)，即库存进出计量的基本单元，可以是以件，盒，托盘等为单位。
[0004]然而，该行业的特殊性使得单个SKU的需求预测存在较大的困难，其原因在于服装鞋履行业的企业会在每个季节推出一批新的SKU，并将过季的SKU从门店中移除。这使得每个SKU不能够积累足够的历史销量数据，因此大量的预测算法难以直接应用。
[0005]目前对于新品的预测通常基于市场调研与定量分析结合的方法，然而部分基于市场的定性分析存在可靠性不高的问题。例如新品的联合分析方法，该方法会对消费者的行为进行抽样调查，然而受调查者所提供的结果可能与他实际消费过程中的预测并不相符。
[0006]再例如申请号为：202110507191.0，专利技术名称：确定物品销量的方法和装置的中国专利技术专利申请，该专利技术公开了一种确定物品销量的方法和装置，涉及仓储物流
其中，该方法包括：获取目标物品对应的多个相似物品的历史销量数据；根据目标物品和所述多个相似物品的历史销量数据计算目标物品和所述多个相似物品的相似度；根据目标物品和所述多个相似物品的相似度计算所述多个相似物品的权重；根据所述多个相似物品的权重和所述多个相似物品的历史销量数据，确定目标物品的销量预测值。通过以上步骤，能够提高新品销量预测结果的精确度和可靠性，解决了现有技术中由于新品的历史销售信息较少导致销量预测结果的精确度低、可靠性差、甚至无法预测等问题，进而引导人们基于销量预测结果及时、准确地进行诸如补货等业务操作。该专利技术专利估计新品的预测方法是从过去在售的商品中找出与新品样式相近的商品，从而用老品的历史销量作为对新品的需求估计，然而该方法的问题在于判断新品和老品的差异完全取决于人的经验，不具备可推广性。
[0007]因此，本专利技术所需要解决的是服装鞋履行业新产品季商品的需求估计问题，由于该行业的特殊性，在些某场景下需要经营者对尚未上市或短期时间内刚上市的新品需求进行估计，因此历史销量数据的缺失或稀少使得实现该目标存在较大的困难。
[0008]有鉴于此，特提出本专利技术专利。

技术实现思路

[0009]本专利技术旨在解决新品在未上市或短期内上市的条件下的需求估计问题，提出一种基于商品属性特征的销量预测方法、装置及存储介质，具体地，采用了如下技术方案：
[0010]一种基于商品属性特征的销量预测方法，包括：
[0011]预设商品的多个属性特征以及每个属性特征下属相应的层级特征；
[0012]将各个属性特征与其下属的层级特征组合得到各个属性层级组合；
[0013]将预设时间维度内的历史销量数据按照各个属性层级组合进行聚合，获取所有属性层级组合的历史销量数据；
[0014]根据所述属性层级组合的历史销量数据计算各属性层级组合中层级特征的选择概率和各层级特征组成的转移概率矩阵；
[0015]根据待预测商品确定其属性特征和属性特征下属的层级特征，由确定的各属性特征下属层级特征的选择概率计算得到待预测商品的选择概率，由确定的各属性特征下属层级特征的转移概率矩阵计算得到待预测商品的转移概率。
[0016]作为本专利技术的可选实施方式，本专利技术基于商品属性特征的销量预测方法中，所述根据所述属性层级组合的历史销量数据计算各属性层级组合中层级特征的选择概率和各层级特征组成的转移概率矩阵包括：
[0017]将各所述属性层级组合的历史销量数据输入到预测模型中，通过对所述销量模型进行最大似然估计运算，得到各属性特征下属层级特征的选择概率和各属性特征下属层级特征的转移概率；
[0018]所述预测模型的对数似然函数为；
[0019][0020]其中F
j
(S)表示消费者偏好S属性的j层级的概率，f
j
为偏好S属性j层级的选择概率，π
ij
为当i层级商品缺货时而转移至j层级的转移概率；x
j
为S属性j层级的历史销量。
[0021]作为本专利技术的可选实施方式，本专利技术基于商品属性特征的销量预测方法中，当某一属性特征下属所有层级特征对应商品齐全，根据该属性层级组合的历史销量数据计算下属各个层级特征的选择概率，该属性特征下属各个层级特征的选择概率之和等于1；
[0022]当某一属性特征下属一个或者多个层级特征对应商品缺货，根据该属性层级组合的历史销量数据计算下属各个层级特征的转移概率矩阵，转移概率矩阵的行和列均为相同序列的层级特征，转移概率矩阵行列交叉元素表征行层级特征缺货时转换选择列层级特征的转移概率，所述转移概率矩阵的斜对角线元素都为1。
[0023]作为本专利技术的可选实施方式，本专利技术基于商品属性特征的销量预测方法中，所述将预设时间维度内的历史销量数据按照各个属性层级组合进行聚合，获取所有属性层级组合的历史销量数据之后进行数据预处理，所述的数据预处理包括将未售出的在售商品对应的属性层级组合在历史销量数据中进行补全。
[0024]作为本专利技术的可选实施方式，本专利技术基于商品属性特征的销量预测方法中，所述根据待预测商品确定其属性特征和属性特征下属的层级特征，由确定的各属性特征下属层级特征的选择概率计算得到待预测商品的选择概率，由确定的各属性特征下属层级特征的转移概率矩阵计算得到待预测商品的转移概率包括：
[0025]由确定的各属性特征下属层级特征的选择概率相乘得到待预测商品的选择概率；
[0026]由确定的各属性特征下属层级特征的转移概率矩阵做克罗内克积得到待预测商品的转移概率。
[0027]作为本专利技术的可选实施方式，本专利技术基于商品属性特征的销量预测方法还包括：
[0028]根据各待预测商品的选择概率和转移概率确定各待预测商品在门店的需求预测排名；
[0029]根据各待预测商品在门店的需求预测排名确定各待预测商品在各个门店的需求量。
[0030]作为本专利技术的可选实施方式，本专利技术基于商品属性特征的销量预测方法还包括在待预测商品上市一段时间后，针对所述预测模型的效果进行评估：
[0031]按待预测商品的需求预测排名对实际的销量进行排序，并计算按预测的排名每增加k％个SKU(坐标轴X)，累积销售额的占比(坐标轴Y)，将上述数据分布作为左边坐标轴的X和坐标轴Y，可以得到一条曲线，称该曲线下的面积AUC_predict；
[0032]按商品实际销量的排名按倒序分布计算排名每增加k％个SKU，累积销售本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于商品属性特征的销量预测方法，其特征在于，包括：预设商品的多个属性特征以及每个属性特征下属相应的层级特征；将各个属性特征与其下属的层级特征组合得到各个属性层级组合；将预设时间维度内的历史销量数据按照各个属性层级组合进行聚合，获取所有属性层级组合的历史销量数据；根据所述属性层级组合的历史销量数据计算各属性层级组合中层级特征的选择概率和各层级特征组成的转移概率矩阵；根据待预测商品确定其属性特征和属性特征下属的层级特征，由确定的各属性特征下属层级特征的选择概率计算得到待预测商品的选择概率，由确定的各属性特征下属层级特征的转移概率矩阵计算得到待预测商品的转移概率。2.根据权利要求1所述的一种基于商品属性特征的销量预测方法，其特征在于，所述根据所述属性层级组合的历史销量数据计算各属性层级组合中层级特征的选择概率和各层级特征组成的转移概率矩阵包括：将各所述属性层级组合的历史销量数据输入到预测模型中，通过对所述销量模型进行最大似然估计运算，得到各属性特征下属层级特征的选择概率和各属性特征下属层级特征的转移概率；所述预测模型的对数似然函数为；其中F
j
(S)表示消费者偏好S属性的j层级的概率，f
j
为偏好S属性j层级的选择概率，π
ij
为当i层级商品缺货时而转移至j层级的转移概率；x
j
为S属性j层级的历史销量。3.根据权利要求2所述的一种基于商品属性特征的销量预测方法，其特征在于，当某一属性特征下属所有层级特征对应商品齐全，根据该属性层级组合的历史销量数据计算下属各个层级特征的选择概率，该属性特征下属各个层级特征的选择概率之和等于1；当某一属性特征下属一个或者多个层级特征对应商品缺货，根据该属性层级组合的历史销量数据计算下属各个层级特征的转移概率矩阵，转移概率矩阵的行和列均为相同序列的层级特征，转移概率矩阵行列交叉元素表征行层级特征缺货时转换选择列层级特征的转移概率，所述转移概率矩阵的斜对角线元素都为1。4.根据权利要求1所述的一种基于商品属性特征的销量预测方法，其特征在于，所述将预设时间维度内的历史销量数据按照各个属性层级组合进行聚合，获取所有属性层级组合的历史销量数据之后进行数据预处理，所述的数据预处理包括将未售出的在售商品对应的属性层级组合在历史销量数据中进行补全。5.根据权利要求1所述的一种基于商品属性特征的销量预测方法，其特征在于，所述根据待预测商品确定其属性特征和属性特征下属的层级特征，由确定的各属性特征下属层级特征的选择概率计算得到待预测商品的选择概率，由确定的各属性特征下属层级特征的转移概率矩阵计算得到待预测商品的转移概率包括：由确定的各属性特征下属层级特征的选择概率相乘得到待预测商品的选择概率；
由确定的各属性特征下属层级特征的转移概率矩阵做克罗内克积得到待预测商品的转移概率。6.根据权利要求1所述的一种基于商品属性特征的销量预测方法，其特征在于，还包括：根据各待预测商品的选择概率和转移概率确定各待预测商品在门店的需求预测排名；根据各待预测商品在门店的需求预测排名确定各待...

【专利技术属性】
技术研发人员：李飞，
申请(专利权)人：北京数势云创科技有限公司，
类型：发明
国别省市：