【技术实现步骤摘要】
本专利技术涉及销售辅助，具体为基于ai技术的销售辅助系统及方法。
技术介绍
1、互联网实现社会信息化、数字化的过程中，零售行业依靠科技的发展、变化，得到了迅猛的发展，同时带来了更多的挑战，在申请号为201810391849.4的中国专利中公开了“基于视觉识别技术的商品销售辅助系统，属于商品销售辅助领域，解决了现有线下零售业过度依赖于导购人员的问题，商品销售辅助系统：有效移动路径生成模块生成顾客在识别区内的有效移动路径，进入顺序获取模块和退出顺序获取模块分别获取顾客进入和退出有效子识别区的顺序，距离获取模块获取每个有效子识别区到有效移动路径起点的距离，停留时间获取模块顾客在每个有效子识别区的停留时间，重复经过检测模块确定被重复经过的有效子识别区和重复经过该区的次数，候选意图识别区判断模块基于上述参数判断出预定数量的候选意图识别区，并将其作为意图识别区判断模块的输入参数，商品信息展示模块根据意图识别区判断模块的输出结果展示意向商品的信息。”；
2、该现有技术仅仅解决了现有线下零售业的一大弊端在于其商业模式过度依赖于导购人员，在顾客进店选中意向商品后，往往需要导购人员及时地为其提供更多的商品信息，此时如果导购人员无暇顾及该顾客、无法一直陪伴顾客挑选商品或者是对商品信息掌握不全，很可能导致该顾客的流失以及交易的失败的问题，未考虑到在通过直播带货商对产品制造商的产品进行销售时，应需要对历史直播时的产品销售数据进行处理，以将处理结果作为后续模型训练的补充特征，提高对产品销售数据的预测准确性，且基于产品销售数据的预测结果，分情形决
技术实现思路
1、本专利技术的目的在于提供基于ai技术的销售辅助系统及方法，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：基于ai技术的销售辅助系统，包括产品数据收集单元，基于ai技术的销售辅助系统应用于直播带货商在佣金模式下为产品制造商进行产品销售，所述产品数据收集单元对产品制造商需要直播带货商进行销售的产品的历史销售数据进行获取，并对获取的产品历史销售数据进行处理，且对处理后的产品历史销售数据进行储存；
3、产品销售预测单元，所述产品销售预测单元以产品销售量预测为目的，构建产品销售预测模型及模型训练数据集，通过模型训练数据集对产品销售预测模型进行训练以及精度验证，通过训练完成的产品销售预测模型获取直播带货商选择的预测时刻下产品销售量数据；
4、销售策略制定单元，所述销售策略制定单元基于产品制造商、直播带货商以及消费者构建直播带货供应链，并基于用户选择的预测时刻下产品销售量数据，分情形制定直播销售策略；
5、产品辅助销售单元，所述产品辅助销售单元设置有预测回溯功能，在产品销售预测模型输入的原数据基础上进行修改，将预测结果与原预测结果进行对比，从而确定对原预测结果的影响，进而实现产品销售辅助。
6、优选的，所述产品数据收集单元包括历史销售数据收集模块和历史销售数据处理模块，所述历史销售数据收集模块对产品制造商需要直播带货商进行销售的产品的历史销售数据进行获取，包括历史直播带货时的销售数据以及网络平台自销数据，所述历史销售数据处理模块和历史销售数据收集模块电性连接，所述历史销售数据处理模块对获取的产品历史销售数据进行处理，其具体操作为通过witness复形构造方法从没有拓扑空间结构的产品历史时间序列销售数据提取出拓扑特征，且为了使提取出的拓扑特征包含前后时间之间的数据联系，通过提取局部拓扑特征的方式，基于多个时间序列大小为n的滑动窗口上的产品历史时间序列销售数据计算出一个局部拓扑特征，使得每一个局部拓扑特征都蕴含着大小为n的时间序列历史销售数据中局部拓扑特征随时间演化的信息内容，并通过基于滑动窗口的持久同源性方法将局部拓扑特征与相应的产品历史时间序列销售数据中的实际值结合起来。
7、优选的，所述产品数据收集单元还包括历史销售数据向量化模块和历史销售数据储存模块，所述历史销售数据向量化模块和历史销售数据处理模块电性连接，所述历史销售数据向量化模块通过利用核嵌入来向量化持久性图的方法将局部拓扑特征转化为向量形式，以便于后续可以输入到产品销售预测模型中进行使用，所述历史销售数据储存模块和历史销售数据向量化模块电性连接，所述历史销售数据储存模块将转化为向量形式的局部拓扑特征上传到系统内置的数据库内进行储存，且将与相应局部拓扑特征结合的产品历史时间序列销售数据同步上传到系统内置的数据库内进行储存。
8、优选的，所述产品销售预测单元包括产品销售预测模型构建模块和模型训练数据集构建模块，所述产品销售预测模型构建模块以产品销售量预测为目的，基于nbeats模型构建产品销售预测模型，在原nbeats模型的基础上引入多头注意力机制，使得产品销售预测模型关注从产品历史时间序列销售数据提取得到的局部拓扑特征，同时使得产品销售预测模型学习到产品历史时间序列销售数据中蕴含的拓扑结构，将从产品历史时间序列销售数据提取得到的局部拓扑特征作为后续模型训练的补充特征，从而提高产品销售预测模型的预测准确率，所述模型训练数据集构建模块通过网络爬虫爬取产品销售数据样本，并对爬取的产品销售数据样本进行局部拓扑特征提取以及向量化处理，基于处理后的产品销售数据样本构建模型训练数据集。
9、优选的，所述产品销售预测单元还包括产品销售预测模型训练模块和产品销售预测模型输出模块，所述产品销售预测模型训练模块分别和产品销售预测模型构建模块、模型训练数据集构建模块电性连接，所述产品销售预测模型训练模块通过模型训练数据集对产品销售预测模型进行模型训练，并对训练完成的产品销售预测模型通过模型精度算法进行精度验证操作，其具体计算公式如下：
10、
11、式中，表示产品销售预测模型的精度值，表示预测正确的数据样本数量，表示预测错误的数据样本数量，所述产品销售预测模型输出模块和产品销售预测模型训练模块电性连接，所述产品销售预测模型输出模块以数据库内储存的历史直播带货时产品销售数据对应的向量形式的局部拓扑特征作为产品销售预测模型的输入，并获取产品销售预测模型在直播带货商选择的预测时刻下输出的产品销售量数据。
12、优选的，所述销售策略制定单元包括直播带货供应链构建模块，所述直播带货供应链构建模块基于产品制造商、直播带货商以及消费者构建直播带货供应链，且在产品制造商和直播带货商之间，产品制造商需要向直播带货商支付产品销售佣金，在产品制造商和消费者之间，产品制造商需要承担产品质量成本，在直播带货商和消费者之间，直播带货商需要承担直播营销成本。
13、优选的，所述销售策略制定单元还包括分情形销售策略制定模块，所述分情形销售策略制定模块和直播带货供应链构建模块电性连接，所述分情形销售策略制定模块基于产品销售预测模型在直播带货商选择的预测时刻下输出的产品销售量数据，并将其与直播带货商设置的产品销售阈值进行对比，当产品销售预测模型在直播带货商选择的预测时刻下输出的产品销售量数据本文档来自技高网...
【技术保护点】
1.基于AI技术的销售辅助系统，其特征在于：包括产品数据收集单元（100），基于AI技术的销售辅助系统应用于直播带货商在佣金模式下为产品制造商进行产品销售，所述产品数据收集单元（100）对产品制造商需要直播带货商进行销售的产品的历史销售数据进行获取，并对获取的产品历史销售数据进行处理，且对处理后的产品历史销售数据进行储存；
2.根据权利要求1所述的基于AI技术的销售辅助系统，其特征在于：所述产品数据收集单元（100）包括历史销售数据收集模块（101）和历史销售数据处理模块（102），所述历史销售数据收集模块（101）对产品制造商需要直播带货商进行销售的产品的历史销售数据进行获取，包括历史直播带货时的销售数据以及网络平台自销数据，所述历史销售数据处理模块（102）和历史销售数据收集模块（101）电性连接，所述历史销售数据处理模块（102）对获取的产品历史销售数据进行处理，其具体操作为通过Witness复形构造方法从没有拓扑空间结构的产品历史时间序列销售数据提取出拓扑特征，且为了使提取出的拓扑特征包含前后时间之间的数据联系，通过提取局部拓扑特征的方式，基于多个时间序列大小
3.根据权利要求2所述的基于AI技术的销售辅助系统，其特征在于：所述产品数据收集单元（100）还包括历史销售数据向量化模块（103）和历史销售数据储存模块（104），所述历史销售数据向量化模块（103）和历史销售数据处理模块（102）电性连接，所述历史销售数据向量化模块（103）通过利用核嵌入来向量化持久性图的方法将局部拓扑特征转化为向量形式，以便于后续可以输入到产品销售预测模型中进行使用，所述历史销售数据储存模块（104）和历史销售数据向量化模块（103）电性连接，所述历史销售数据储存模块（104）将转化为向量形式的局部拓扑特征上传到系统内置的数据库内进行储存，且将与相应局部拓扑特征结合的产品历史时间序列销售数据同步上传到系统内置的数据库内进行储存。
4.根据权利要求1所述的基于AI技术的销售辅助系统，其特征在于：所述产品销售预测单元（200）包括产品销售预测模型构建模块（201）和模型训练数据集构建模块（202），所述产品销售预测模型构建模块（201）以产品销售量预测为目的，基于Nbeats模型构建产品销售预测模型，在原Nbeats模型的基础上引入多头注意力机制，使得产品销售预测模型关注从产品历史时间序列销售数据提取得到的局部拓扑特征，同时使得产品销售预测模型学习到产品历史时间序列销售数据中蕴含的拓扑结构，将从产品历史时间序列销售数据提取得到的局部拓扑特征作为后续模型训练的补充特征，从而提高产品销售预测模型的预测准确率，所述模型训练数据集构建模块（202）通过网络爬虫爬取产品销售数据样本，并对爬取的产品销售数据样本进行局部拓扑特征提取以及向量化处理，基于处理后的产品销售数据样本构建模型训练数据集。
5.根据权利要求4所述的基于AI技术的销售辅助系统，其特征在于：所述产品销售预测单元（200）还包括产品销售预测模型训练模块（203）和产品销售预测模型输出模块（204），所述产品销售预测模型训练模块（203）分别和产品销售预测模型构建模块（201）、模型训练数据集构建模块（202）电性连接，所述产品销售预测模型训练模块（203）通过模型训练数据集对产品销售预测模型进行模型训练，并对训练完成的产品销售预测模型通过模型精度算法进行精度验证操作，所述产品销售预测模型输出模块（204）和产品销售预测模型训练模块（203）电性连接，所述产品销售预测模型输出模块（204）以数据库内储存的历史直播带货时产品销售数据对应的向量形式的局部拓扑特征作为产品销售预测模型的输入，并获取产品销售预测模型在直播带货商选择的预测时刻下输出的产品销售量数据。
6.根据权利要求1所述的基于AI技术的销售辅助系统，其特征在于：所述销售策略制定单元（300）包括直播带货供应链构建模块（301），所述直播带货供应链构建模块（301）基于产品制造商、直播带货商以及消费者构建直播带货供应链，且在产品制造商和直播带货商之间，产品制造商需要向直播带货商支付产品销售佣金，在产品制造商和消费者之间，产品制造商需要承担产品质量成本，在直播带货商和消费者之间，直播带货商需要承担直播营销成本。
7.根据权利要求6所述的基于AI技术的销售辅助系统，其特征在于：所述销售策略制定单元（300...
【技术特征摘要】
1.基于ai技术的销售辅助系统，其特征在于：包括产品数据收集单元（100），基于ai技术的销售辅助系统应用于直播带货商在佣金模式下为产品制造商进行产品销售，所述产品数据收集单元（100）对产品制造商需要直播带货商进行销售的产品的历史销售数据进行获取，并对获取的产品历史销售数据进行处理，且对处理后的产品历史销售数据进行储存；
2.根据权利要求1所述的基于ai技术的销售辅助系统，其特征在于：所述产品数据收集单元（100）包括历史销售数据收集模块（101）和历史销售数据处理模块（102），所述历史销售数据收集模块（101）对产品制造商需要直播带货商进行销售的产品的历史销售数据进行获取，包括历史直播带货时的销售数据以及网络平台自销数据，所述历史销售数据处理模块（102）和历史销售数据收集模块（101）电性连接，所述历史销售数据处理模块（102）对获取的产品历史销售数据进行处理，其具体操作为通过witness复形构造方法从没有拓扑空间结构的产品历史时间序列销售数据提取出拓扑特征，且为了使提取出的拓扑特征包含前后时间之间的数据联系，通过提取局部拓扑特征的方式，基于多个时间序列大小为n的滑动窗口上的产品历史时间序列销售数据计算出一个局部拓扑特征，使得每一个局部拓扑特征都蕴含着大小为n的时间序列历史销售数据中局部拓扑特征随时间演化的信息内容，并通过基于滑动窗口的持久同源性方法将局部拓扑特征与相应的产品历史时间序列销售数据中的实际值结合起来。
3.根据权利要求2所述的基于ai技术的销售辅助系统，其特征在于：所述产品数据收集单元（100）还包括历史销售数据向量化模块（103）和历史销售数据储存模块（104），所述历史销售数据向量化模块（103）和历史销售数据处理模块（102）电性连接，所述历史销售数据向量化模块（103）通过利用核嵌入来向量化持久性图的方法将局部拓扑特征转化为向量形式，以便于后续可以输入到产品销售预测模型中进行使用，所述历史销售数据储存模块（104）和历史销售数据向量化模块（103）电性连接，所述历史销售数据储存模块（104）将转化为向量形式的局部拓扑特征上传到系统内置的数据库内进行储存，且将与相应局部拓扑特征结合的产品历史时间序列销售数据同步上传到系统内置的数据库内进行储存。
4.根据权利要求1所述的基于ai技术的销售辅助系统，其特征在于：所述产品销售预测单元（200）包括产品销售预测模型构建模块（201）和模型训练数据集构建模块（202），所述产品销售预测模型构建模块（201）以产品销售量预测为目的，基于nbeats模型构建产品销售预测模型，在原nbeats模型的基础上引入多头注意力机制，使得产品销售预测模型关注从产品历史时间序列销售数据提取得到的局部拓扑特征，同时使得产品销售预测模型学习到产品历史时间序列销售数据中蕴含的拓扑结构，将从产品历史时间序列销售数据提取得到的局部拓扑特征作为后续模型训练的补充特征，从而提高产品销售预测模型的预测准确率，所述模型训练数据集构建模块（202）通过网络爬虫爬取产品销售数据样本，并对爬取的产品销售数...
【专利技术属性】
技术研发人员：徐明萱，赵旭生，刘艾，王斌斌，李鹏飞，
申请(专利权)人：明亚保险经纪股份有限公司，
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。