本發(fā)明涉及計(jì)算機(jī)領(lǐng)域，尤其涉及一種檔期活動(dòng)銷量預(yù)測(cè)方法和裝置。

背景技術(shù)：

1、目前大型商品銷售平臺(tái)擁有多元化的商品銷售渠道，旨在廣泛滿足各類消費(fèi)者的需求。然而，在每個(gè)銷售檔期內(nèi)，各城市門店的銷量表現(xiàn)呈現(xiàn)復(fù)雜的態(tài)勢(shì)，同時(shí)商品參與的活動(dòng)類型也多種多樣，這導(dǎo)致部分商品出現(xiàn)積壓或缺貨的情況。這種現(xiàn)象不僅可能引發(fā)商品資源的浪費(fèi)，進(jìn)而增加門店的管理成本，還可能使消費(fèi)者在常規(guī)購物時(shí)間難以獲得滿意的商品。

2、提供一種檔期活動(dòng)銷量預(yù)測(cè)方法，能夠預(yù)測(cè)未來各門店檔期參與活動(dòng)商品銷量，進(jìn)而為采購部門提供了科學(xué)、合理的商品采購依據(jù)，并助力門店根據(jù)各自特色進(jìn)行商品布局，對(duì)優(yōu)化各門店的運(yùn)營(yíng)有顯著的作用。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明所要解決的技術(shù)問題是提供一種檔期活動(dòng)銷量預(yù)測(cè)方法和裝置，用于預(yù)測(cè)未來各門店檔期參與活動(dòng)商品銷量。

2、為了解決上述問題，本發(fā)明提供了一種檔期活動(dòng)銷量預(yù)測(cè)方法，包括：獲取目標(biāo)商品的歷史交易數(shù)據(jù)構(gòu)建基礎(chǔ)數(shù)據(jù)，所述目標(biāo)商品為所有商品中銷量高于預(yù)設(shè)值的商品；特征構(gòu)建，所述特征包括活動(dòng)參考銷量特征，所述活動(dòng)參考銷量特征包括：在過去一預(yù)設(shè)時(shí)間段內(nèi)，各種類型活動(dòng)中各個(gè)商品的日均銷量、最大銷量，以及在最近的一次活動(dòng)中各個(gè)商品的日均銷量、最大銷量；分離訓(xùn)練流程與預(yù)測(cè)流程，在當(dāng)前檔期的第一天執(zhí)行一次訓(xùn)練流程，并在所述訓(xùn)練流程完成后，在所述當(dāng)前檔期的每一天執(zhí)行一次預(yù)測(cè)流程預(yù)測(cè)待預(yù)測(cè)活動(dòng)中各個(gè)商品的日均銷量；所述訓(xùn)練流程包括：采用機(jī)器學(xué)習(xí)樹模型算法，將所述當(dāng)前檔期內(nèi)的參與活動(dòng)的各個(gè)商品的日均銷量作為目標(biāo)變量；根據(jù)活動(dòng)的類型將所述基礎(chǔ)數(shù)據(jù)分組形成分組訓(xùn)練集，并在每個(gè)分組內(nèi)采用對(duì)應(yīng)的分組訓(xùn)練集分別訓(xùn)練樹模型獲得一分組預(yù)測(cè)模型；自動(dòng)執(zhí)行模型評(píng)估與歸因分析；將評(píng)估結(jié)果上傳至智能化數(shù)據(jù)分析平臺(tái)并在界面上顯示所述分組預(yù)測(cè)模型的預(yù)測(cè)能力；所述預(yù)測(cè)流程包括：將參與所述待預(yù)測(cè)活動(dòng)的商品分類為普通商品和新品；對(duì)于所述普通商品，根據(jù)所述待預(yù)測(cè)活動(dòng)的類型，選擇相應(yīng)的所述分組預(yù)測(cè)模型預(yù)測(cè)得到所述日均銷量預(yù)測(cè)值，對(duì)于所述新品，以所述新品所屬的商品小分類下的商品的日均銷量均值作為所述日均銷量預(yù)測(cè)值；將所有普通商品的日均銷量預(yù)測(cè)值和所有新品的日均銷量預(yù)測(cè)值整合作為預(yù)測(cè)結(jié)果。

3、在一些實(shí)施例中，所述特征構(gòu)建步驟中所述活動(dòng)參考銷量特征的構(gòu)建依次采用以下步驟：若所述基礎(chǔ)數(shù)據(jù)中的一特定商品未出現(xiàn)一特定活動(dòng)的類型，則采用所述特定商品所屬的商品小分類的相關(guān)數(shù)據(jù)構(gòu)建所述特定商品在所述特定活動(dòng)的所述活動(dòng)參考銷量特征；若所述商品小分類無相關(guān)數(shù)據(jù)，則采用所述特定商品所屬的商品中分類的相關(guān)數(shù)據(jù)構(gòu)建所述特定商品在所述特定活動(dòng)的所述活動(dòng)參考銷量特征；若所述商品中分類也無相關(guān)數(shù)據(jù)，則采用具有所述特定活動(dòng)的其他小區(qū)的相關(guān)數(shù)據(jù)構(gòu)建所述特定商品在所述特定活動(dòng)的所述活動(dòng)參考銷量特征；若所述其他小區(qū)也無相關(guān)數(shù)據(jù)，則采用所述特定商品在其他類型活動(dòng)中的歷史銷量均值構(gòu)建所述特定商品在所述特定活動(dòng)的所述活動(dòng)參考銷量特征。

4、在一些實(shí)施例中，所述特征還包括：節(jié)假日特征、活動(dòng)相關(guān)特征、陳列位置特征、商品屬性特征、以及日期特征。

5、在一些實(shí)施例中，所述活動(dòng)相關(guān)特征包括行促銷活動(dòng)的類型級(jí)別特征、價(jià)別差異特征、商品限購量特征、優(yōu)惠力度特征。

6、在一些實(shí)施例中，所述節(jié)假日特征包括涉及傳統(tǒng)節(jié)日特征、涉及購物節(jié)特征，所述活動(dòng)參考銷量特征還包括涉及傳統(tǒng)節(jié)日、涉及購物節(jié)的節(jié)慶活動(dòng)參考銷量特征。

7、在一些實(shí)施例中，所述訓(xùn)練流程中進(jìn)一步包括，將所述分組訓(xùn)練集中的異常值去除。

8、在一些實(shí)施例中，所述活動(dòng)包括行銷活動(dòng)和促銷活動(dòng)，所述訓(xùn)練流程中進(jìn)一步包括：對(duì)所述基礎(chǔ)數(shù)據(jù)中的行銷活動(dòng)的數(shù)據(jù)進(jìn)行采樣處理。

9、在一些實(shí)施例中，所述預(yù)測(cè)流程進(jìn)一步包括：將所述預(yù)測(cè)結(jié)果導(dǎo)出至數(shù)據(jù)庫將所述預(yù)測(cè)結(jié)果導(dǎo)出至數(shù)據(jù)庫。

10、在一些實(shí)施例中，將所述預(yù)測(cè)結(jié)果與所述待預(yù)測(cè)活動(dòng)的天數(shù)相乘獲得所述待預(yù)測(cè)活動(dòng)的銷量預(yù)測(cè)值。

11、為了解決上述問題，本發(fā)明還提供了一種檔期活動(dòng)銷量預(yù)測(cè)裝置，包括：數(shù)據(jù)處理模塊，所述數(shù)據(jù)處理模塊獲取目標(biāo)商品的歷史交易數(shù)據(jù)構(gòu)建基礎(chǔ)數(shù)據(jù)，所述目標(biāo)商品為所有商品中銷量高于預(yù)設(shè)值的商品；特征構(gòu)建模塊，所述特征構(gòu)建模塊用于特征構(gòu)建，所述特征包括所述特征包括活動(dòng)參考銷量特征，所述活動(dòng)參考銷量特征包括：在過去一預(yù)設(shè)時(shí)間段內(nèi)，各種類型活動(dòng)中各個(gè)商品的日均銷量、最大銷量，以及在最近的一次活動(dòng)中各個(gè)商品的日均銷量、最大銷量；訓(xùn)練模塊，所述訓(xùn)練模塊用于訓(xùn)練生成分組預(yù)測(cè)模型，所述訓(xùn)練模塊執(zhí)行訓(xùn)練流程：采用機(jī)器學(xué)習(xí)樹模型，將所述當(dāng)前檔期內(nèi)的參與活動(dòng)的各個(gè)商品的日均銷量作為目標(biāo)變量，根據(jù)活動(dòng)的類型將所述基礎(chǔ)數(shù)據(jù)分組形成分組訓(xùn)練集，并在每個(gè)分組內(nèi)采用對(duì)應(yīng)的分組訓(xùn)練集分別訓(xùn)練樹模型獲得一所述分組預(yù)測(cè)模型，自動(dòng)執(zhí)行模型評(píng)估與歸因分析，將評(píng)估結(jié)果上傳至智能化數(shù)據(jù)分析平臺(tái)用以在界面上直觀了解模型預(yù)測(cè)能力；預(yù)測(cè)模塊，所述預(yù)測(cè)模塊用于預(yù)測(cè)待預(yù)測(cè)活動(dòng)中各個(gè)商品的日均銷量，所述預(yù)測(cè)模塊執(zhí)行預(yù)測(cè)流程：將參與所述待預(yù)測(cè)活動(dòng)的商品分類為普通商品和新品，對(duì)于所述普通商品，根據(jù)所述待預(yù)測(cè)活動(dòng)的類型，選擇相應(yīng)的所述分組預(yù)測(cè)模型預(yù)測(cè)得到所述日均銷量預(yù)測(cè)值，對(duì)于所述新品，以所述新品所屬的商品小分類下的商品的日均銷量均值作為所述日均銷量預(yù)測(cè)值，將所有普通商品的日均銷量預(yù)測(cè)值和所有新品的日均銷量預(yù)測(cè)值整合作為預(yù)測(cè)結(jié)果；調(diào)度模塊，所述調(diào)度模塊在所述當(dāng)前檔期的第一天調(diào)用所述訓(xùn)練模塊執(zhí)行一次所述訓(xùn)練流程，并在所述當(dāng)前檔期的每一天調(diào)用所述預(yù)測(cè)模塊執(zhí)行一次所述預(yù)測(cè)流程。

12、上述技術(shù)方案，通過獲取目標(biāo)商品的歷史交易數(shù)據(jù)構(gòu)建基礎(chǔ)數(shù)據(jù)，所述目標(biāo)商品為所有商品中銷量高于預(yù)設(shè)值的商品；構(gòu)建特征包括活動(dòng)參考銷量特征；在所述當(dāng)前檔期的第一天執(zhí)行一次訓(xùn)練流程：采用機(jī)器學(xué)習(xí)樹模型算法，將所述當(dāng)前檔期內(nèi)的參與活動(dòng)的各個(gè)商品的日均銷量作為目標(biāo)變量；根據(jù)活動(dòng)的類型將所述基礎(chǔ)數(shù)據(jù)分組形成分組訓(xùn)練集，并在每個(gè)分組內(nèi)采用對(duì)應(yīng)的分組訓(xùn)練集分別訓(xùn)練得到分組預(yù)測(cè)模型；在所述當(dāng)前檔期的每一天執(zhí)行一次預(yù)測(cè)流程：將參與所述待預(yù)測(cè)活動(dòng)的商品分類為普通商品和新品；對(duì)于所述普通商品，根據(jù)所述待預(yù)測(cè)活動(dòng)的類型，選擇相應(yīng)的所述分組預(yù)測(cè)模型預(yù)測(cè)得到所述日均銷量預(yù)測(cè)值，對(duì)于所述新品，以所述新品所屬的商品小分類下的商品的日均銷量均值作為所述日均銷量預(yù)測(cè)值；將所有普通商品的日均銷量預(yù)測(cè)值和所有新品的日均銷量預(yù)測(cè)值整合作為預(yù)測(cè)結(jié)果。通過精準(zhǔn)預(yù)測(cè)活動(dòng)期間商品的日均銷量，可將其與活動(dòng)天數(shù)相乘得出整個(gè)活動(dòng)期間的總銷量，降低了參與活動(dòng)的商品的檔期銷量預(yù)測(cè)誤差，進(jìn)而優(yōu)化采購部門的工作流程，提升了門店的運(yùn)營(yíng)效率和客戶滿意度。

13、應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性和解釋性的，并不能限制本發(fā)明。對(duì)于相關(guān)領(lǐng)域普通技術(shù)人員已知的技術(shù)、方法和設(shè)備可能不作詳細(xì)討論，但在適當(dāng)情況下，所述技術(shù)、方法和設(shè)備應(yīng)當(dāng)被視為授權(quán)說明書的一部分。

技術(shù)特征：

1.一種檔期活動(dòng)銷量預(yù)測(cè)方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述特征構(gòu)建步驟中所述活動(dòng)參考銷量特征的構(gòu)建依次采用以下步驟：

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述特征還包括：節(jié)假日特征、活動(dòng)相關(guān)特征、陳列位置特征、商品屬性特征、以及日期特征。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述活動(dòng)相關(guān)特征包括行促銷活動(dòng)的類型級(jí)別特征、價(jià)別差異特征、商品限購量特征、優(yōu)惠力度特征。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述節(jié)假日特征包括涉及傳統(tǒng)節(jié)日特征、涉及購物節(jié)特征，所述活動(dòng)參考銷量特征還包括涉及傳統(tǒng)節(jié)日、涉及購物節(jié)的節(jié)慶活動(dòng)參考銷量特征。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述訓(xùn)練流程中進(jìn)一步包括：將所述分組訓(xùn)練集中的異常值去除。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述活動(dòng)包括行銷活動(dòng)和促銷活動(dòng)，所述訓(xùn)練流程中進(jìn)一步包括：

8.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述預(yù)測(cè)流程進(jìn)一步包括：

9.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述檔期活動(dòng)銷量預(yù)測(cè)方法進(jìn)一步包括：

10.一種檔期活動(dòng)銷量預(yù)測(cè)裝置，其特征在于，包括：

技術(shù)總結(jié)
本發(fā)明提供了一種檔期活動(dòng)銷量預(yù)測(cè)方法和裝置，選用高銷商品的歷史交易數(shù)據(jù)構(gòu)建基礎(chǔ)數(shù)據(jù)；構(gòu)建特征包括活動(dòng)參考銷量特征；采用機(jī)器學(xué)習(xí)樹模型算法，將所述當(dāng)前檔期內(nèi)參與活動(dòng)的各個(gè)商品的日均銷量作為目標(biāo)變量；根據(jù)活動(dòng)類型分組并在每個(gè)分組內(nèi)采用對(duì)應(yīng)的分組訓(xùn)練集訓(xùn)練得到分組預(yù)測(cè)模型；將參與所述待預(yù)測(cè)活動(dòng)的商品分類為普通商品和新品；根據(jù)所述待預(yù)測(cè)活動(dòng)的類型，選擇相應(yīng)的所述分組預(yù)測(cè)模型得到普通商品的日均銷量預(yù)測(cè)值。通過精準(zhǔn)預(yù)測(cè)活動(dòng)期間的商品日均銷量，可將其與活動(dòng)天數(shù)相乘得出整個(gè)活動(dòng)期間的總銷量，降低了參與活動(dòng)的商品的檔期銷量預(yù)測(cè)誤差，進(jìn)而優(yōu)化采購部門的工作流程，提升了門店的運(yùn)營(yíng)效率和客戶滿意度。

技術(shù)研發(fā)人員：鮑汝興,夏朋輝,崔晴洋
受保護(hù)的技術(shù)使用者：康成投資（中國）有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6