本申請實施例涉及信息處理技術(shù)領(lǐng)域，尤其涉及一種商品銷量的預(yù)警方法和裝置。

背景技術(shù)：

目前，隨著電子商務(wù)的快速發(fā)展，對于多類別商品或超多類別商品的管理和監(jiān)控，各大電子商務(wù)網(wǎng)絡(luò)交易平臺均需投入大量的人力和物力。相關(guān)技術(shù)中，對于多類別商品或超多類別商品的管理和監(jiān)控往往局限于入庫管理和銷售管理，容易導(dǎo)致以下缺陷：

(1)一旦出現(xiàn)銷售問題，不能夠及時反應(yīng)，具有延遲性；

(2)無法準確定位銷售問題的原因點，例如，某類別化妝品的銷量近期明顯下跌時，往往需要很長時間的排查才發(fā)現(xiàn)是由于該類別化妝品的質(zhì)量出現(xiàn)問題而引起的。

技術(shù)實現(xiàn)要素：

本發(fā)明旨在至少在一定程度上解決相關(guān)技術(shù)中的技術(shù)問題之一。

為此，本發(fā)明的第一個目的在于，提出一種商品銷量的預(yù)警方法。該方法在當前銷售趨勢異常時，可以快速定位到異常原因。

本發(fā)明的第二個目的在于，提出一種商品銷量的預(yù)警裝置。

為了實現(xiàn)上述目的，本發(fā)明第一方面實施例的商品銷量的預(yù)警方法，包括：預(yù)測商品的當前銷售趨勢；根據(jù)商品的當前銷售數(shù)據(jù)確定預(yù)測的當前銷售趨勢是否異常；當確定所述預(yù)測的當前銷售趨勢異常時，從預(yù)設(shè)的異常原因列表中篩選出對應(yīng)的異常原因，以根據(jù)篩選出的異常原因進行銷量的預(yù)警，其中，所述預(yù)設(shè)的異常原因列表包括多個異常原因，每個所述異常原因包括商品類別、銷售趨勢和原因序列，所述銷售趨勢根據(jù)商品的歷史銷售數(shù)據(jù)獲得，所述原因序列根據(jù)影響商品銷售的外界影響因素的至少一種數(shù)據(jù)獲得。

本發(fā)明實施例提供的商品銷量的預(yù)警方法，通過影響商品銷售的外界影響因素的至少一種歷史數(shù)據(jù)建立的預(yù)設(shè)的異常原因列表，在當前銷售趨勢異常時，可以快速定位到異常原因；另外，由于至少一種歷史數(shù)據(jù)與商品的銷售密切相關(guān)，能夠準確地反應(yīng)異常原因，因此定位到的異常原因也非常準確。

為了實現(xiàn)上述目的，本發(fā)明第二方面實施例的商品銷量的預(yù)警裝置，包括：預(yù)測模塊， 用于預(yù)測商品的當前銷售趨勢；確定模塊，用于根據(jù)商品的當前銷售數(shù)據(jù)確定預(yù)測的當前銷售趨勢是否異常；預(yù)警模塊，用于在所述確定模塊確定所述預(yù)測的當前銷售趨勢異常時，從預(yù)設(shè)的異常原因列表中篩選出對應(yīng)的異常原因，以根據(jù)篩選出的異常原因進行銷量的預(yù)警，其中，所述預(yù)設(shè)的異常原因列表包括多個異常原因，每個所述異常原因包括商品類別、銷售趨勢和原因序列，所述銷售趨勢根據(jù)商品的歷史銷售數(shù)據(jù)獲得，所述原因序列根據(jù)影響商品銷售的外界影響因素的至少一種歷史數(shù)據(jù)獲得。

本發(fā)明實施例提供的商品銷量的預(yù)警裝置，通過影響商品銷售的外界影響因素的至少一種歷史數(shù)據(jù)建立的預(yù)設(shè)的異常原因列表，在當前銷售趨勢異常時，可以快速定位到異常原因；另外，由于至少一種歷史數(shù)據(jù)與商品的銷售密切相關(guān)，能夠準確地反應(yīng)異常原因，因此，定位到的異常原因也非常準確。

本發(fā)明附加的方面和優(yōu)點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發(fā)明的實踐了解到。

附圖說明

本發(fā)明上述的和/或附加的方面和優(yōu)點從下面結(jié)合附圖對實施例的描述中將變得明顯和容易理解，其中，

圖1是根據(jù)本發(fā)明一個實施例的商品銷量的預(yù)警方法的流程圖；

圖2是根據(jù)本發(fā)明另一個實施例的商品銷量的預(yù)警方法的流程圖；

圖3是根據(jù)本發(fā)明一個實施例的建立預(yù)設(shè)的異常原因列表的流程圖；

圖4是根據(jù)本發(fā)明又一個實施例的商品銷量的預(yù)警方法的流程圖；

圖5是根據(jù)本發(fā)明再一個實施例的商品銷量的預(yù)警方法的流程圖；

圖6是根據(jù)本發(fā)明實施例的商品銷量的預(yù)警方法的示意圖；

圖7是根據(jù)本發(fā)明實施例的樹形結(jié)構(gòu)的商品銷售數(shù)據(jù)的示意圖；

圖8是根據(jù)本發(fā)明一個實施例的商品銷量的預(yù)警裝置的結(jié)構(gòu)框圖；

圖9是根據(jù)本發(fā)明另一個實施例的商品銷量的預(yù)警裝置的結(jié)構(gòu)框圖；

圖10是根據(jù)本發(fā)明實施例的建立模塊的結(jié)構(gòu)框圖。

具體實施方式

下面詳細描述本發(fā)明的實施例，所述實施例的示例在附圖中示出，其中自始至終相同或類似的標號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附圖描述的實施例是示例性的，僅用于解釋本發(fā)明，而不能理解為對本發(fā)明的限制。相反，本發(fā)明的實施例包括落入所附加權(quán)利要求書的精神和內(nèi)涵范圍內(nèi)的所有變化、修改和等同物。

在本發(fā)明的描述中，需要理解的是，術(shù)語“第一”、“第二”等僅用于描述目的，而不能理解為指示或暗示相對重要性。在本發(fā)明的描述中，需要說明的是，除非另有明確的規(guī)定和限定，術(shù)語“相連”、“連接”應(yīng)做廣義理解，例如，可以是固定連接，也可以是可拆卸連接，或一體地連接；可以是機械連接，也可以是電連接；可以是直接相連，也可以通過中間媒介間接相連。對于本領(lǐng)域的普通技術(shù)人員而言，可以具體情況理解上述術(shù)語在本發(fā)明中的具體含義。此外，在本發(fā)明的描述中，除非另有說明，“多個”的含義是兩個或兩個以上。

流程圖中或在此以其他方式描述的任何過程或方法描述可以被理解為，表示包括一個或更多個用于實現(xiàn)特定邏輯功能或過程的步驟的可執(zhí)行指令的代碼的模塊、片段或部分，并且本發(fā)明的優(yōu)選實施方式的范圍包括另外的實現(xiàn)，其中可以不按所示出或討論的順序，包括根據(jù)所涉及的功能按基本同時的方式或按相反的順序，來執(zhí)行功能，這應(yīng)被本發(fā)明的實施例所屬技術(shù)領(lǐng)域的技術(shù)人員所理解。

在相關(guān)技術(shù)中，對于多類別商品或超多類別商品的管理和監(jiān)控局限于入庫管理和銷售管理，并沒有涉及商品銷量異常的判斷以及異常原因的生成。本發(fā)明的實施例提供一種商品銷量的預(yù)警方法和裝置，基于多類別商品或超多類別商品的銷量監(jiān)控技術(shù)，結(jié)合多輸入的結(jié)構(gòu)化整合，例如，影響商品銷量的外界因素(如天氣)，社交媒體數(shù)據(jù)(如來往、微博上的評論數(shù)據(jù)等)，能夠?qū)ι唐蜂N量異常及時進行判斷，并且可以生成商品銷量的異常原因。下面參考附圖描述本發(fā)明實施例的商品銷量的預(yù)警方法和裝置。

圖1是根據(jù)本發(fā)明一個實施例的商品銷量的預(yù)警方法的流程圖。

如圖1所示，該商品銷量的預(yù)警方法包括：

S101，預(yù)測商品的當前銷售趨勢。

為預(yù)測商品的當前銷售趨勢，以下舉例進行說明。

需要說明的是，本申請實施例中列舉的示例僅用于了解本申請實施例中的具體技術(shù)方案，并不是對本申請的限制。例如，可首先獲取商品的銷售數(shù)據(jù)庫，該銷售數(shù)據(jù)庫可以是相關(guān)技術(shù)中多類別商品或超多類別商品的銷售管理或監(jiān)控記錄的，該銷售數(shù)據(jù)庫包括所有商品的銷售記錄，每條銷售記錄包括銷售時間、商品名稱。然后，對銷售數(shù)據(jù)庫進行整合和歸并，例如，提供整合和歸并組件，該組件按照定制化的顆粒度(例如，天)將銷售數(shù)據(jù)庫中的銷售記錄進行整合和歸并，例如，針對女裝大衣的商品，整合和歸并后的銷售數(shù)據(jù)包括商品名稱和銷量，具體示例如下：

2015年1月1日銷量10000元；

2015年1月2日銷量12000元；

2015年1月3日銷量12000元；

2015年1月4日銷量21000元；

2015年1月5日銷量20000元；……

當然，銷售數(shù)據(jù)在記錄時也可以直接以上述格式存儲。再然后，根據(jù)整合和歸并后的銷售數(shù)據(jù)，按照相關(guān)技術(shù)的數(shù)據(jù)挖掘方法，預(yù)測商品的當前銷售趨勢，銷售趨勢包括商品名稱和銷量，具體示例如下：

2015年1月19日女裝大衣銷量15000元；

2015年1月19日女裝連衣裙銷量1000元；……

進一步地，預(yù)測商品的當前銷售趨勢可以先建立預(yù)測器，輸入獲取的銷售數(shù)據(jù)，以根據(jù)預(yù)測器輸出預(yù)測商品的當前銷售趨勢；還可以根據(jù)影響商品銷量的外界因素(如天氣)，社交媒體數(shù)據(jù)等對預(yù)測出的當前銷售趨勢進行校對，具體預(yù)測方法將在后續(xù)實施例中詳細介紹。

S102，根據(jù)商品的當前銷售數(shù)據(jù)，確定預(yù)測的當前銷售趨勢是否異常。

該步驟中，通過商品的當前銷售數(shù)據(jù)，確定預(yù)測的當前銷售趨勢是否異常。進一步地，在獲取預(yù)測的當前銷售趨勢之后，具體可根據(jù)整合和歸并后的或者記錄的當前銷售數(shù)據(jù)確定預(yù)測的當前銷售趨勢是否異常。例如，計算兩個之間的變化趨勢，如果變化趨勢沒有超過預(yù)設(shè)的變化范圍，則確定正常，否則為異常。例如，如果當前記錄的銷售數(shù)據(jù)為女裝大衣銷量10000元，而預(yù)測的當前銷售趨勢為女裝大衣銷量5000元，則銷售趨勢增加一倍，說明當前記錄的銷售數(shù)據(jù)大大超過預(yù)測的當前銷售趨勢，則出現(xiàn)異常。而這些異常可能是天氣變化、微博討論量增加等引起的。

S103，當確定預(yù)測的當前銷售趨勢異常時，從預(yù)設(shè)的異常原因列表中篩選出對應(yīng)的異常原因，以根據(jù)篩選出的異常原因進行銷量的預(yù)警。

其中，預(yù)設(shè)的異常原因列表包括多個異常原因，每個異常原因包括商品類別、銷售趨勢和原因序列。其中，所述銷售趨勢可以是描述性信息，例如，銷量驟升等，也可以是具體量化的數(shù)值，例如，銷量上升50％等。原因序列具體可包括影響商品銷售的外界影響因素的連續(xù)變量的變化序列和/或影響商品銷售的外界影響因素的事件變量。例如，連續(xù)變量的變化序列可以是，氣溫驟升、氣溫驟降、氣溫上升5度、氣溫下降10度、微博討論量驟升、微博討論量驟降，事件變量可以是大雪、相關(guān)電影上映等。例如，異常原因列表的具體示例如下：

女裝大衣-銷量驟升-氣溫驟降；

女裝大衣-銷量驟升-微博討論量增加；

女裝大衣-銷量驟升-搜索量增加；

女裝大衣-銷量上升70％-氣溫下降10度；

女裝大衣-銷量上升50％-氣溫下降5度；

童裝-銷量驟升-夢工廠動畫片上映；

童裝-銷量驟升-兒童節(jié)；

……。

銷售趨勢根據(jù)商品的歷史銷售數(shù)據(jù)獲得，原因序列根據(jù)影響商品銷售的外界影響因素的至少一種歷史數(shù)據(jù)獲得。

影響商品銷售的外界影響因素的歷史數(shù)據(jù)可以是基于區(qū)域/時間顆粒度的氣象數(shù)據(jù)、日期(如節(jié)日)、特殊事件等。以氣象數(shù)據(jù)為例，該歷史數(shù)據(jù)的存儲格式可以是：時間-區(qū)域-類別-溫度，如，2015年1月18日-杭州-晴-0～10度。

影響商品銷售的外界影響因素的歷史數(shù)據(jù)還可以是社交媒體數(shù)據(jù)，如微博、微信等上用戶發(fā)表的信息等。以微博數(shù)據(jù)為例，該歷史數(shù)據(jù)的存儲格式可以是：用戶-時間戳-微博內(nèi)容，如：用戶XXX-2015年1月18-“買了一件風(fēng)衣”。由于微博、微信等上的信息都是普通網(wǎng)民發(fā)表的，具有較強的時效性，能夠最真實地反應(yīng)銷售問題。

本發(fā)明實施例的商品銷量的預(yù)警方法，通過影響商品銷售的外界影響因素的至少一種歷史數(shù)據(jù)建立的預(yù)設(shè)的異常原因列表，在當前銷售趨勢異常時，可以快速定位到異常原因；另外，由于至少一種歷史數(shù)據(jù)與商品的銷售密切相關(guān)，能夠準確地反應(yīng)異常原因，因此定位到的異常原因也非常準確。

圖2是根據(jù)本發(fā)明另一個實施例的商品銷量的預(yù)警方法的流程圖，圖6是根據(jù)本發(fā)明實施例的商品銷量的預(yù)警方法的示意圖。

如圖2所示，該商品銷量的預(yù)警方法包括：

S200，建立預(yù)設(shè)的異常原因列表。

具體地，預(yù)設(shè)的異常原因列表可以根據(jù)專家知識預(yù)先建立，例如，接收銷售人員輸入的異常原因，還可以根據(jù)歷史銷售數(shù)據(jù)以及該歷史銷售數(shù)據(jù)對應(yīng)的至少一種歷史數(shù)據(jù)，經(jīng)過大數(shù)據(jù)的融合計算獲得，下面詳細介紹該過程。

圖3是根據(jù)本發(fā)明一個實施例的建立預(yù)設(shè)的異常原因列表的流程圖。在本發(fā)明的一個實施例中，如圖3所示，S200包括：

S1，獲取歷史銷售數(shù)據(jù)、影響商品銷售的外界影響因素的至少一種歷史數(shù)據(jù)。

如圖6所示，獲取歷史銷售數(shù)據(jù)010，至少一種歷史數(shù)據(jù)020和030，其中歷史銷售數(shù)據(jù)010可以是相關(guān)技術(shù)中銷售管理所記錄的數(shù)據(jù)，歷史數(shù)據(jù)020可以是影響商品銷量的客觀影響因素，例如，可以與氣象服務(wù)器進行通信以獲取的氣象數(shù)據(jù)，歷史數(shù)據(jù)030可以是影響商品銷量的社交媒體數(shù)據(jù)，可以連接至不同的社交媒體接口獲得該歷史數(shù)據(jù)030，本發(fā)明的實施例對此不限定。

S2，根據(jù)歷史銷售數(shù)據(jù)確定銷售趨勢。

在獲取歷史銷售數(shù)據(jù)010之后，可以進行數(shù)據(jù)的整合和歸并，例如，可以將歷史銷售數(shù)據(jù)010整理和歸并成基于樹形結(jié)構(gòu)的商品銷售數(shù)據(jù)，樹形結(jié)構(gòu)的商品銷售數(shù)據(jù)處理相對容易，具體如圖7所示，為一個樹形結(jié)構(gòu)的商品銷售數(shù)據(jù)的示意圖。應(yīng)當理解，歷史銷售數(shù)據(jù)010還可以其他形式進行存儲，例如，數(shù)據(jù)表等，在此本發(fā)明的實施例不做限定。

其中，銷售趨勢可以是銷量增加10％，銷量驟升等。

S3，從至少一種歷史數(shù)據(jù)中提取原因序列。

在本發(fā)明的實施例中，原因序列具體可包括影響商品銷售的外界影響因素的連續(xù)變量和/或事件變量的變化，連續(xù)變量的變化如氣溫驟升、氣溫驟降、氣溫上升5度、氣溫下降10度、微博討論量驟升、微博討論量驟降等，事件變量的變化如大雪、電影上映等，其中從至少一種歷史數(shù)據(jù)中提出的原因序列還可以包括時間戳，也就是說，原因序列可以是包括帶時間戳的連續(xù)變量的變化，也可以是帶時間戳的事件變量的變化。帶時間戳的連續(xù)變量的變化，例如為，2015年1月18日-氣溫-驟升或驟降，2015年1月17日-微博討論量-驟升或驟降等；帶時間戳的事件變量的變化，例如為，2015年1月15日-50％大雪等。

S4，生成銷售趨勢與原因序列之間的關(guān)聯(lián)規(guī)則。

S5，將符合預(yù)設(shè)規(guī)則的關(guān)聯(lián)規(guī)則確定為異常原因，以建立預(yù)設(shè)的異常原因列表，其中，預(yù)設(shè)規(guī)則包括支持度大于第一預(yù)設(shè)閾值和/或頻度大于第二預(yù)設(shè)閾值。

例如，支持度70％關(guān)聯(lián)規(guī)則：微博討論量驟升～女裝大衣銷量驟升；支持度50％關(guān)聯(lián)規(guī)則：氣溫上升～女裝大衣銷量驟降；支持度80％關(guān)聯(lián)規(guī)則：搜索量驟升～女裝大衣銷量驟升等，這些都可以作為異常原因。

另外，還可以增加接口以提供交互形式，由行業(yè)專家進行識別，對生成的異常原因進行篩選，剔除不合理的異常原因。

S201，預(yù)測商品的當前銷售趨勢。

S202，根據(jù)商品的當前銷售數(shù)據(jù)確定預(yù)測的當前銷售趨勢是否異常。

S203，當確定預(yù)測的當前銷售趨勢異常時，從預(yù)設(shè)的異常原因列表中篩選出對應(yīng)的異常原因，以根據(jù)篩選出的異常原因進行銷量的預(yù)警。

本發(fā)明實施例的商品銷量的預(yù)警方法，獲取歷史銷售數(shù)據(jù)、至少一種歷史數(shù)據(jù)，并根據(jù)歷史銷售數(shù)據(jù)獲得銷售趨勢，至少一種歷史數(shù)據(jù)獲得異常原因，并根據(jù)關(guān)聯(lián)規(guī)則算法建立銷售趨勢和異常原因之間的關(guān)聯(lián)規(guī)則，將符合預(yù)設(shè)規(guī)則的關(guān)聯(lián)規(guī)則確定為異常原因以建立預(yù)設(shè)的異常原因列表，建立的預(yù)設(shè)的異常原因列表能夠準確地反應(yīng)銷售異常的原因。

圖4是根據(jù)本發(fā)明又一個實施例的商品銷量的預(yù)警方法的流程圖。

如圖4所示，該商品銷售的預(yù)警方法包括：

S400，建立預(yù)設(shè)的異常原因列表。其中S400參考上述實施例所述的S200，在此不再贅述。

S401，根據(jù)歷史銷售數(shù)據(jù)建立時間序列模型，并根據(jù)時間序列模型獲得預(yù)測的當前銷售趨勢。

具體地，參考圖6，可以基于時間序列算法，如ARIMA(自回歸積分滑動平均模型，Autoregressive Integrated Moving Average Model)，周期為年或月等生成無社交、天氣等影響因素的條件下，各個類別商品的當前銷售趨勢。

S402，根據(jù)原因序列生成回歸模型，并根據(jù)回歸模型對預(yù)測的當前銷售趨勢進行修正。

具體地，根據(jù)S401獲得的各個類別商品的當前銷售趨勢會因為缺乏社交、天氣等影響因素的影響而不準確，因此，可以根據(jù)以各類別商品和時間為主鍵，生成特征寬表，具體特征可以示例為：微博討論量、微博討論量變化趨勢量(如90％的驟升)、天氣類別、天氣變化趨勢量等，以銷量為目標，建立以寬表各個特征為回歸因子回歸模型(可以為神經(jīng)網(wǎng)絡(luò)、線性回歸和回歸樹等機器學(xué)習(xí)模型等)。根據(jù)回歸模型預(yù)測各類別商品的當前銷售趨勢進行修改。

經(jīng)過S401和S402之后，輸出預(yù)測的商品的當前銷售趨勢。例如，以2015年1月18日為時間節(jié)點，預(yù)測的商品的當前銷售趨勢為：。。。；女裝-大衣2015年1月19日銷量15000元；女裝-連衣裙2015年1月19日銷量1000元等等。

在本發(fā)明的一個實施例中，S402是可選的。

S403，根據(jù)商品的當前銷售數(shù)據(jù)確定預(yù)測的當前銷售趨勢是否異常。

S404，當確定預(yù)測的當前銷售趨勢異常時，從預(yù)設(shè)的異常原因列表中篩選出對應(yīng)的異常原因，以根據(jù)篩選出的異常原因進行銷量的預(yù)警。

本發(fā)明實施例的商品銷量的預(yù)警方法，根據(jù)歷史銷售數(shù)據(jù)建立時間序列模型，并根據(jù)時間序列模型獲得預(yù)測的當前銷售趨勢，能夠快速地預(yù)測商品的當前銷售趨勢；并且根據(jù)原因序列生成回歸模型，并根據(jù)回歸模型對預(yù)測的當前銷售趨勢進行修正，使得預(yù)測的商品的當前銷售趨勢更加準確。

圖5是根據(jù)本發(fā)明再一個實施例的商品銷量的預(yù)警方法的流程圖。

如圖5所示，該商品銷售的預(yù)警方法包括：

S500，建立預(yù)設(shè)的異常原因列表。其中S500參考上述實施例所述的S200，在此不再贅述。

S501，根據(jù)歷史銷售數(shù)據(jù)建立時間序列模型，并根據(jù)時間序列模型獲得預(yù)測的當前銷售趨勢。

S502，根據(jù)原因序列生成回歸模型，并根據(jù)回歸模型對預(yù)測的當前銷售趨勢進行修正。

S501和S502可參考上述實施例所述的S401和S402，在此不再贅述。在本發(fā)明的一個實施例中，S502是可選的。

S503，根據(jù)商品的當前銷售數(shù)據(jù)確定預(yù)測的當前銷售趨勢是否異常。

S504，當確定預(yù)測的當前銷售趨勢異常時，獲取影響商品銷售的外界影響因素的至少一種當前數(shù)據(jù)。

其中，當前數(shù)據(jù)與上述的歷史數(shù)據(jù)相對應(yīng)?？梢允腔趨^(qū)域/時間顆粒度的氣象數(shù)據(jù)、日期(如節(jié)日)、特殊事件等。還可以是社交媒體數(shù)據(jù)，如微博、微信等上用戶發(fā)表的信息等。

S505，從至少一種當前數(shù)據(jù)中提取異常序列。

S506，根據(jù)異常序列在預(yù)設(shè)的異常原因列表中進行匹配，將符合異常序列的異常原因確定為預(yù)測的當前銷售趨勢異常的異常原因。

在本發(fā)明的一個實施例中，還可以包括：獲取用戶的當前行為數(shù)據(jù)；根據(jù)用戶的當前行為數(shù)據(jù)確定用戶的行為異常點；根據(jù)用戶的行為異常點在預(yù)設(shè)的異常原因列表中進行匹配，將符合用戶的行為異常點的異常原因確定為預(yù)測的當前銷售趨勢異常的異常原因。應(yīng)理解的是，在本發(fā)明的實施例中，該步驟還可以和S504-S506結(jié)合實施。也就是說，可以根據(jù)至少一種當前數(shù)據(jù)中提取異常序列，并根據(jù)用戶的當前行為數(shù)據(jù)確定用戶的行為異常點，將異常序列和用戶的行為異常點在預(yù)設(shè)的異常原因列表中進行匹配。

本發(fā)明實施例的商品銷量的預(yù)警方法，能夠根據(jù)至少一種當前數(shù)據(jù)提取異常序列，和/或根據(jù)用戶的當前行為數(shù)據(jù)確定用戶的行為異常點，并根據(jù)異常序列和/或用戶的行為異常點在預(yù)設(shè)的異常原因列表中進行匹配，輸出異常原因，從而實現(xiàn)預(yù)警目的。

在本發(fā)明的一個實施例中，S102，S202，S403，S503具體包括：根據(jù)當前銷售數(shù)據(jù)確定商品的當前銷售趨勢；確定當前銷售趨勢和預(yù)測的當前銷售趨勢的差異；當差異大于預(yù)設(shè)差異時，確定預(yù)測的當前銷售趨勢異常。例如預(yù)測的當前銷售趨勢超過當前銷售趨勢的10％，即可確定銷售異常，即異常增升。

為了實現(xiàn)上述實施例，本發(fā)明的實施例還提出一種商品銷量的預(yù)警裝置。

圖8是根據(jù)本發(fā)明一個實施例的商品銷量的預(yù)警裝置的結(jié)構(gòu)框圖。

如圖8所示，商品銷量的預(yù)警裝置1包括：預(yù)測模塊100、確定模塊200和預(yù)警模塊300。

具體地，預(yù)測模塊100用于預(yù)測商品的當前銷售趨勢。確定模塊200用于根據(jù)商品的當前銷售數(shù)據(jù)確定預(yù)測的當前銷售趨勢是否異常。預(yù)警模塊300用于在確定模塊200確定預(yù)測的當前銷售趨勢異常時，從預(yù)設(shè)的異常原因列表中篩選出對應(yīng)的異常原因，以根據(jù)篩選出的異常原因進行銷量的預(yù)警。

更具體地，預(yù)測模塊100首先，獲取商品的銷售數(shù)據(jù)庫，該銷售數(shù)據(jù)庫可以是相關(guān)技術(shù)中多類別商品或超多類別商品的銷售管理或監(jiān)控記錄的，該銷售數(shù)據(jù)庫包括所有商品的銷售記錄，每條銷售記錄包括銷售時間、商品名稱。然后，對銷售數(shù)據(jù)庫進行整合和歸并，例如，提供整合和歸并組件，該組件按照定制化的顆粒度(例如，天)將銷售數(shù)據(jù)庫中的銷售記錄進行整合和歸并，例如，針對女裝大衣的商品，整合和歸并后的銷售數(shù)據(jù)包括商品名稱和銷量，具體示例如下：

2015年1月1日銷量10000元；

2015年1月2日銷量12000元；

2015年1月3日銷量12000元；

2015年1月4日銷量21000元；

2015年1月5日銷量20000元；……

當然，銷售數(shù)據(jù)在記錄時也可以直接以上述格式存儲。再然后，根據(jù)整合和歸并后的銷售數(shù)據(jù)，按照相關(guān)技術(shù)的數(shù)據(jù)挖掘方法，預(yù)測商品的當前銷售趨勢，銷售趨勢包括商品名稱和銷量，具體示例如下：

2015年1月19日女裝大衣銷量15000元；

2015年1月19日女裝連衣裙銷量1000元；……

其中預(yù)測商品的當前銷售趨勢可以先建立預(yù)測器，輸入獲取的銷售數(shù)據(jù)，以根據(jù)預(yù)測器輸出預(yù)測商品的當前銷售趨勢；還可以根據(jù)影響商品銷量的外界因素(如天氣)，社交媒體數(shù)據(jù)等對預(yù)測出的當前銷售趨勢進行校對，具體預(yù)測方法將在后續(xù)實施例中詳細介紹。

確定模塊200獲取預(yù)測的當前銷售趨勢之后，根據(jù)整合和歸并后的或者記錄的當前銷售數(shù)據(jù)確定預(yù)測的當前銷售趨勢是否異常，例如計算兩個之間的變化趨勢，如果變化趨勢沒有超過預(yù)設(shè)的變化范圍，則確定正常，否則為異常。例如，如果當前記錄的銷售數(shù)據(jù)為女裝大衣銷量10000元，而預(yù)測的當前銷售趨勢為女裝大衣銷量5000元，則銷售趨勢增加一倍，說明當前記錄的銷售數(shù)據(jù)大大超過預(yù)測的當前銷售趨勢，則出現(xiàn)異常。而這些異?？赡苁翘鞖庾兓?、微博討論量增加等引起的。

其中，預(yù)設(shè)的異常原因列表包括多個異常原因，每個異常原因包括商品類別、銷售趨勢和原因序列。銷售趨勢可以是描述性信息，例如銷量驟升等，也可以是具體量化的數(shù)值，例如銷量上升50％等。原因序列包括影響商品銷售的外界影響因素的連續(xù)變量的變化 序列和/或影響商品銷售的外界影響因素的事件變量，如，連續(xù)變量的變化序列可以是，氣溫驟升、氣溫驟降、氣溫上升5度、氣溫下降10度、微博討論量驟升、微博討論量驟降，事件變量可以是大雪、電影上映等。例如，異常原因列表的具體示例如下：

女裝大衣-銷量驟升-氣溫驟降；

女裝大衣-銷量驟升-微博討論量增加；

女裝大衣-銷量驟升-搜索量增加；

女裝大衣-銷量上升70％-氣溫下降10度；

女裝大衣-銷量上升50％-氣溫下降5度；

童裝-銷量驟升-夢工廠動畫片上映；

童裝-銷量驟升-兒童節(jié)；……

銷售趨勢根據(jù)商品的歷史銷售數(shù)據(jù)獲得，原因序列根據(jù)影響商品銷售的外界影響因素的至少一種歷史數(shù)據(jù)獲得。

影響商品銷售的外界影響因素的歷史數(shù)據(jù)可以是基于區(qū)域/時間顆粒度的氣象數(shù)據(jù)、日期(如節(jié)日)、特殊事件等。以氣象數(shù)據(jù)為例，該歷史數(shù)據(jù)的存儲格式可以是：時間-區(qū)域-類別-溫度，如，2015年1月18日-杭州-晴-0～10度。

影響商品銷售的外界影響因素的歷史數(shù)據(jù)還可以是社交媒體數(shù)據(jù)，如微博、微信等上用戶發(fā)表的信息等。以微博數(shù)據(jù)為例，該歷史數(shù)據(jù)的存儲格式可以是：用戶-時間戳-微博內(nèi)容，如：用戶XXX-2015年1月18-“買了一件風(fēng)衣”。由于微博、微信等上的信息都是普通網(wǎng)民發(fā)表的，具有較強的時效性，能夠最真實地反應(yīng)銷售問題。

本發(fā)明實施例的商品銷量的預(yù)警裝置，通過影響商品銷售的外界影響因素的至少一種歷史數(shù)據(jù)建立的預(yù)設(shè)的異常原因列表，在當前銷售趨勢異常時，可以快速定位到異常原因；另外，由于至少一種歷史數(shù)據(jù)與商品的銷售密切相關(guān)，能夠準確地反應(yīng)異常原因，因此定位到的異常原因也非常準確。

圖9是根據(jù)本發(fā)明另一個實施例的商品銷量的預(yù)警裝置的結(jié)構(gòu)框圖。

如圖9所示，商品銷量的預(yù)警裝置1包括：預(yù)測模塊100、確定模塊200、預(yù)警模塊300和建立模塊400。

具體地，建立模塊400用于建立預(yù)設(shè)的異常原因列表。

圖10是根據(jù)本發(fā)明實施例的建立模塊的結(jié)構(gòu)框圖。如圖10所示，建立模塊400包括：第一獲取單元401、第一確定單元402、第一提取單元403、生成單元404和建立單元405。

具體地，第一獲取單元401用于獲取歷史銷售數(shù)據(jù)、影響商品銷售的外界影響因素的至少一種歷史數(shù)據(jù)。如圖6所示，獲取歷史銷售數(shù)據(jù)010，至少一種歷史數(shù)據(jù)020和030， 其中歷史銷售數(shù)據(jù)010可以是相關(guān)技術(shù)中銷售管理所記錄的數(shù)據(jù)，歷史數(shù)據(jù)020可以是影響商品銷量的客觀影響因素，例如，可以與氣象服務(wù)器進行通信以獲取的氣象數(shù)據(jù)，歷史數(shù)據(jù)030可以是影響商品銷量的社交媒體數(shù)據(jù)，可以連接至不同的社交媒體接口獲得該歷史數(shù)據(jù)030，本發(fā)明的實施例對此不限定。

第一確定單元402用于根據(jù)歷史銷售數(shù)據(jù)確定所述銷售趨勢。在獲取歷史銷售數(shù)據(jù)010之后，可以進行數(shù)據(jù)的整合和歸并，例如，可以將歷史銷售數(shù)據(jù)010整理和歸并成基于樹形結(jié)構(gòu)的商品銷售數(shù)據(jù)，樹形結(jié)構(gòu)的商品銷售數(shù)據(jù)處理相對容易，具體如圖7所示，為一個樹形結(jié)構(gòu)的商品銷售數(shù)據(jù)的示意圖。應(yīng)當理解，歷史銷售數(shù)據(jù)010還可以其他形式進行存儲，例如，數(shù)據(jù)表等，在此本發(fā)明的實施例不做限定。其中，銷售趨勢可以是銷量增加10％，銷量驟升等。

第一提取單元403用于從至少一種歷史數(shù)據(jù)中提取原因序列。在本發(fā)明的實施例中，原因序列包括影響商品銷售的外界影響因素的連續(xù)變量和/或事件變量的變化，連續(xù)變量的變化如氣溫驟升、氣溫驟降、氣溫上升5度、氣溫下降10度、微博討論量驟升、微博討論量驟降等，事件變量的變化如大雪、電影上映等，其中從至少一種歷史數(shù)據(jù)中提出的原因序列還可以包括時間戳，也就是說，原因序列可以是包括帶時間戳的連續(xù)變量的變化，也可以是帶時間戳的事件變量的變化。帶時間戳的連續(xù)變量的變化，例如為，2015年1月18日-氣溫-驟升或驟降，2015年1月17日-微博討論量-驟升或驟降等；帶時間戳的事件變量的變化，例如為，2015年1月15日-50％大雪等。

生成單元404用于生成銷售趨勢與所述原因序列之間的關(guān)聯(lián)規(guī)則。

建立單元405用于將符合預(yù)設(shè)規(guī)則的關(guān)聯(lián)規(guī)則確定為異常原因，以建立預(yù)設(shè)的異常原因列表，其中，預(yù)設(shè)規(guī)則包括支持度大于第一預(yù)設(shè)閾值和/或頻度大于第二預(yù)設(shè)閾值。例如，支持度70％關(guān)聯(lián)規(guī)則：微博討論量驟升～女裝大衣銷量驟升；支持度50％關(guān)聯(lián)規(guī)則：氣溫上升～女裝大衣銷量驟降；支持度80％關(guān)聯(lián)規(guī)則：搜索量驟升～女裝大衣銷量驟升等，這些都可以作為異常原因。

本發(fā)明實施例的商品銷量的預(yù)警裝置，獲取歷史銷售數(shù)據(jù)、至少一種歷史數(shù)據(jù)，并根據(jù)歷史銷售數(shù)據(jù)獲得銷售趨勢，至少一種歷史數(shù)據(jù)獲得異常原因，并根據(jù)關(guān)聯(lián)規(guī)則算法建立銷售趨勢和異常原因之間的關(guān)聯(lián)規(guī)則，將符合預(yù)設(shè)規(guī)則的關(guān)聯(lián)規(guī)則確定為異常原因以建立預(yù)設(shè)的異常原因列表，建立的預(yù)設(shè)的異常原因列表能夠準確地反應(yīng)銷售異常的原因。

在本發(fā)明的一個實施例中，預(yù)測模塊200具體用于：根據(jù)歷史銷售數(shù)據(jù)建立時間序列模型，并根據(jù)時間序列模型獲得預(yù)測的當前銷售趨勢。具體地，參考圖6，可以基于時間序列算法，如ARIMA，周期為年或月等生成無社交、天氣等影響因素的條件下，各個類 別商品的當前銷售趨勢。

在本發(fā)明的一個實施例中，預(yù)測模塊200還具體用于：根據(jù)原因序列生成回歸模型，并根據(jù)回歸模型對預(yù)測的當前銷售趨勢進行修正。具體地，由于獲得的各個類別商品的當前銷售趨勢會因為缺乏社交、天氣等影響因素的影響而不準確，因此，可以根據(jù)以各類別商品和時間為主鍵，生成特征寬表，具體特征可以示例為：微博討論量、微博討論量變化趨勢量(如90％的驟升)、天氣類別、天氣變化趨勢量等，以銷量為目標，建立以寬表各個特征為回歸因子回歸模型(可以為神經(jīng)網(wǎng)絡(luò)、線性回歸和回歸樹等機器學(xué)習(xí)模型等)。根據(jù)回歸模型預(yù)測各類別商品的當前銷售趨勢進行修改。

由此，經(jīng)過預(yù)測模塊200輸出預(yù)測的商品的當前銷售趨勢。例如，以2015年1月18日為時間節(jié)點，預(yù)測的商品的當前銷售趨勢為：。。。；女裝-大衣2015年1月19日銷量15000元；女裝-連衣裙2015年1月19日銷量1000元等等。

根據(jù)歷史銷售數(shù)據(jù)建立時間序列模型，并根據(jù)時間序列模型獲得預(yù)測的當前銷售趨勢，能夠快速地預(yù)測商品的當前銷售趨勢；并且根據(jù)原因序列生成回歸模型，并根據(jù)回歸模型對預(yù)測的當前銷售趨勢進行修正，使得預(yù)測的商品的當前銷售趨勢更加準確。

在本發(fā)明的一個實施例中，確定模塊200包括：第二確定單元、第三確定單元和第四確定單元(圖中未示出)。具體地，第二確定單元用于根據(jù)當前銷售數(shù)據(jù)確定商品的當前銷售趨勢；第三確定單元用于確定當前銷售趨勢和預(yù)測的當前銷售趨勢的差異；第四確定單元用于當差異大于預(yù)設(shè)差異時，確定預(yù)測的當前銷售趨勢異常。

在本發(fā)明的一個實施例中，預(yù)警模塊300包括：第二獲取單元、第二提取單元、第一匹配單元。其中，第二獲取單元，用于獲取影響商品銷售的外界影響因素的至少一種當前數(shù)據(jù)；第二提取單元，用于從至少一種當前數(shù)據(jù)中提取異常序列；第一匹配單元，用于根據(jù)異常序列在預(yù)設(shè)的異常原因列表中進行匹配，將符合異常序列的異常原因確定為預(yù)測的當前銷售趨勢異常的異常原因。

其中，當前數(shù)據(jù)與上述的歷史數(shù)據(jù)相對應(yīng)?？梢允腔趨^(qū)域/時間顆粒度的氣象數(shù)據(jù)、日期(如節(jié)日)、特殊事件等。還可以是社交媒體數(shù)據(jù)，如微博、微信等上用戶發(fā)表的信息等。

在本發(fā)明的另一個實施例中，預(yù)警模塊300還包括：第三獲取單元、第五確定單元和第二匹配單元。其中，第三獲取單元，用于獲取用戶的當前行為數(shù)據(jù)；第五確定單元，用于根據(jù)用戶的當前行為數(shù)據(jù)確定用戶的行為異常點；第二匹配單元，用于根據(jù)用戶的行為異常點在預(yù)設(shè)的異常原因列表中進行匹配，將符合用戶的行為異常點的異常原因確定為預(yù)測的當前銷售趨勢異常的異常原因。

本發(fā)明實施例的商品銷量的預(yù)警裝置，能夠根據(jù)至少一種當前數(shù)據(jù)提取異常序列，和 /或根據(jù)用戶的當前行為數(shù)據(jù)確定用戶的行為異常點，并根據(jù)異常序列和/或用戶的行為異常點在預(yù)設(shè)的異常原因列表中進行匹配，輸出異常原因，從而實現(xiàn)預(yù)警目的。

應(yīng)當理解，本發(fā)明的各部分可以用硬件、軟件、固件或它們的組合來實現(xiàn)。在上述實施方式中，多個步驟或方法可以用存儲在存儲器中且由合適的指令執(zhí)行系統(tǒng)執(zhí)行的軟件或固件來實現(xiàn)。例如，如果用硬件來實現(xiàn)，和在另一實施方式中一樣，可用本領(lǐng)域公知的下列技術(shù)中的任一項或他們的組合來實現(xiàn)：具有用于對數(shù)據(jù)信號實現(xiàn)邏輯功能的邏輯門電路的離散邏輯電路，具有合適的組合邏輯門電路的專用集成電路，可編程門陣列(PGA)，現(xiàn)場可編程門陣列(FPGA)等。

在本說明書的描述中，參考術(shù)語“一個實施例”、“一些實施例”、“示例”、“具體示例”、或“一些示例”等的描述意指結(jié)合該實施例或示例描述的具體特征、結(jié)構(gòu)、材料或者特點包含于本發(fā)明的至少一個實施例或示例中。在本說明書中，對上述術(shù)語的示意性表述不一定指的是相同的實施例或示例。而且，描述的具體特征、結(jié)構(gòu)、材料或者特點可以在任何的一個或多個實施例或示例中以合適的方式結(jié)合。

盡管已經(jīng)示出和描述了本發(fā)明的實施例，本領(lǐng)域的普通技術(shù)人員可以理解：在不脫離本發(fā)明的原理和宗旨的情況下可以對這些實施例進行多種變化、修改、替換和變型，本發(fā)明的范圍由權(quán)利要求及其等同物限定。