【技术实现步骤摘要】
本专利技术涉及计算机，尤其涉及基于购物篮购买行为的品类优化方法、系统及存储介质。
技术介绍
1、随着大数据时代的到来，对消费者购物篮购买行为的深度分析已成为企业品类优化中的重要课题。传统零售商的品类管理（或选品管理）主要依赖销售人员的经验和直觉，或采用一种长尾策略，即提供所有能生产的产品供消费者选择。这种方法在实践中发现，由于人的精力有限，往往忽略了产品之间的关联性和消费者的组合购买习惯，导致商品组合不合理，存在利润提升空间。此外，信息掌握不全或人为判断失误可能使部分产品的需求预测较为准确，而另一些产品的预测偏差较大，整体精确度存在波动。基于此，如何提高对购物篮数据的利用，提升产品需求预测的精度，进而优化品类管理的效率和准确性，是当前需要解决的问题。
2、公开号为cn118735634a的专利公开了一种商品上架处理方法、装置及计算设备，其具体公开了通过收集海量的商品数据构建商品资源池，根据用户的选品关键信息从选品池中筛选出候选商品，以供用户在候选商品中进行选品的方法。公开号为cn118735638a的专利公开了一种基于大数据的跨境电商平台选品方法及系统：生成市场变化趋势集；获取并记录商家的历史选品的销售情况；对市场变化趋势进行分析，对商家的历史选品进行评估；构建选品分析模型，基于模型对商家提供的候选产品进行分析，生成选品推荐策略。上述专利虽然根据历史数据实现了一定的智能选品决策方法，但是并没有考虑到消费者的购物篮购买行为。
3、此外，现有在线凸优化方法在机器学习领域应用广泛，但在品类优化这一整数优化领域却
技术实现思路
1、基于
技术介绍
存在的技术问题，本专利技术提出了基于购物篮购买行为的品类优化方法、系统及存储介质，不仅提高了品类优化的计算效率，还能有效控制企业的运营负担，确保企业的服务水平和顾客满意度。
2、本专利技术提出的基于购物篮购买行为的品类优化方法，方法步骤如下：
3、s1：获取历史交易数据，估计消费者偏好；
4、s2：对商品按照收益进行分组；
5、s3：抽取历史数据，通过优化模型对每组产品进行品类优化；
6、s4：选取期望收益最大的商品组优化结果，作为最终品类推荐；
7、s5：将最终品类推荐结果发送至管理系统进行智能品类展示决策。
8、优选地，s1中消费者偏好包括消费者类型和由产品购买数量与偏好列表组成并与每一阶段每一个消费者类型对应的到达概率。
9、优选地，s2中分组的方法为：将预进行选品优化的产品集合按照净利润排序，并按照一定倍数进行分组，每组产品中最大收益差异不超过该倍数。
10、优选地，s3中优化模型为：
11、
12、其中，为产品购买数量；为偏好列表；为到达概率；为每一阶段的数据；为所有历史阶段的数据集合；为产品；为消费者类型；为所有消费者类型总数；为二元决策变量，即是否提供该产品。
13、优选地，s3中进行品类优化的方法步骤如下：
14、s31：设置优化模型的起始解为，在每一个产品组上，循环t=1,2,…,t；
15、s32：进行独立同分布无放回抽取历史交易数据；
16、s33：根据抽取出的历史交易数据，通过优化模型计算超梯度；
17、
18、s34：更新；
19、s35：将欧几里得投影到可行域中，；
20、s36：将通过取整法取整到{0,1}区间内，得到；
21、s37：对所有的取平均，再利用取整法到整数解，作为品类优化结果。
22、优选地，取整法为随机交换取整法、随机管道取整法或依赖取整法。
23、本专利技术提出的基于购物篮购买行为的品类优化系统，包括：
24、获取模块，用于获取历史交易数据；
25、估计模块，用于估计消费者偏好；
26、分组模块，用于对商品按照收益进行分组；
27、优化模块，用于抽取历史数据，通过优化模型对每组产品进行品类优化；
28、推送模块，用于选取期望收益最大的商品组优化结果，作为最终品类推荐，并将最终品类推荐结果发送至管理系统进行智能品类展示决策。
29、本专利技术提出的计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时实现上述的基于购物篮购买行为的品类优化方法。
30、本专利技术的有益技术效果：
31、与现有技术采用人为经验选品和人工智能预测的方式不同的是，本专利技术采用了更加细粒度的顾客需求建模方法，进一步考量了消费者的多产品购买行为和符合理性消费者选择行为的偏好建模方式，基于最大化零售商的收益，得到产品的品类优化结果，提升消费者满意同时降低了零售商的运营成本，保证了所拥有的产品种类处于合理范围，保证了企业的运营效率。
本文档来自技高网...【技术保护点】
1.基于购物篮购买行为的品类优化方法，其特征在于，方法步骤如下：
2.根据权利要求1所述的基于购物篮购买行为的品类优化方法，其特征在于，S1中消费者偏好包括消费者类型和由产品购买数量与偏好列表组成并与每一阶段每一个消费者类型对应的到达概率。
3.根据权利要求1所述的基于购物篮购买行为的品类优化方法，其特征在于，S2中分组的方法为：将预进行选品优化的产品集合按照净利润排序，并按照一定倍数进行分组，每组产品中最大收益差异不超过该倍数。
4.根据权利要求1所述的基于购物篮购买行为的品类优化方法，其特征在于，S3中优化模型为：
5.根据权利要求4所述的基于购物篮购买行为的品类优化方法，其特征在于，S3中进行品类优化的方法步骤如下：
6.根据权利要求5所述的基于购物篮购买行为的品类优化方法，其特征在于，取整法为随机交换取整法、随机管道取整法或依赖取整法。
7.基于购物篮购买行为的品类优化系统，其特征在于，包括：
8.计算机可读存储介质，存储有计算机程序，其特征在于，计算机程序被处理器执行时实现如权利要求1-
...【技术特征摘要】
1.基于购物篮购买行为的品类优化方法，其特征在于，方法步骤如下：
2.根据权利要求1所述的基于购物篮购买行为的品类优化方法，其特征在于，s1中消费者偏好包括消费者类型和由产品购买数量与偏好列表组成并与每一阶段每一个消费者类型对应的到达概率。
3.根据权利要求1所述的基于购物篮购买行为的品类优化方法，其特征在于，s2中分组的方法为：将预进行选品优化的产品集合按照净利润排序，并按照一定倍数进行分组，每组产品中最大收益差异不超过该倍数。
4.根据权利要求1所述的基于购物篮购买行为的品类优...
【专利技术属性】
技术研发人员：余玉刚，杨李平，孙李波，田鋆，
申请(专利权)人：中国科学技术大学，
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。