[發明專利]面向產品的零售點營銷推薦方法

在審

• 申請號: 201410394410.9
• 申請日: 2014-08-12
• 公開（公告）號: CN104318452A
• 公開（公告）日: 2015-01-28
• 發明（設計）人: 孫忱;郭曉惠;鄧超;高榮
• 申請（專利權）人: 廣西中煙工業有限責任公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 北京三聚陽光知識產權代理有限公司 11250
• 代理人: 李紅團

技術領域

本發明屬于互聯網數據挖掘領域，具體涉及一種面向產品的零售點營銷推薦方法的設計。

背景技術

高度發達的市場經濟，讓客戶有了更多選擇余地，日趨激烈的市場競爭，也容易導致客戶資源流失，因此企業必須通過精準營銷更有效的把握產品投放推廣的效果。產品精準營銷是通過定量和定性相結合的方法對目標市場的不同消費者進行細致分析，根據他們不同的消費心理和行為特征，企業采用有針對性的現代技術、方法和指向明確的策略，實現對目標市場不同消費者群體行之有效且投資回報率高的營銷溝通。

實體零售點具有特定的地理位置、環境等特性，各自面向特定的消費人群和消費習慣，所以對于不同的產品(規格)最適合開展推廣營銷的零售點是不同的。由于產品在實體零售點的部署投放和營銷推廣都需要花費大量銷售成本，需要一種有效的精準營銷方法，推薦最適合某產品投放和推廣的零售點來進行實際推廣營銷，則可以在達到營銷效果的同時大大降低企業銷售成本。

然而，傳統的銷售預測方法諸如計量經濟學方法、投入產出分析方法、系統動力學方法以及人工神經網絡方法等，都是著眼于宏觀經濟分析，不能解決對“推薦最適合某產品投放和推廣的零售點”這樣精細的預測問題。

而現有技術中還存在一種協同過濾算法，這是一種推薦系統技術，隨著互聯網的迅速發展，已被越來越多的運用到各種網站和電子商務系統中。它不需要用戶提供明確的需求，而是通過分析用戶的歷史行為給用戶的興趣建模，從而主動給用戶推薦能夠滿足他們興趣和需求的信息。協同過濾算法是最重要推薦系統技術之一，其原理是根據用戶或項目的相似性來識別填充一個用戶到項目的評分矩陣，從而進行推薦當前用戶沒有過行為的但是很可能會感興趣的信息。

基于協同過濾的推薦系統提供了向特定用戶進行產品推薦的有效方法，但目前只被應用于電子商務等互聯網相關領域，還沒有面向產品(規格)的推薦方法，也沒有針對實體零售點銷售問題的推薦方法。

因此，現有技術中還沒有這樣一種針對推薦最適合某產品投放和推廣的零售點的預測方法。

發明內容

本發明所要解決的技術問題在于現有的銷售預測方法不適用于解決推薦最適合某產品投放和推廣的零售點的問題，而提供一種能夠解決企業在實體零售點的產品精準投放、營銷推廣的面向產品的零售點營銷推薦方法。

為解決上述技術問題，本發明的采用的技術方案如下：

一種面向產品的零售點營銷推薦方法，包括以下步驟，

步驟A.采集數據信息，所述數據信息包括零售點標識、產品的規格和所述產品在所述零售點的已知銷量；

步驟B.利用銷量-評分變換方法將所述已知銷量的數據轉換成評分；

步驟C.將所述零售點作為協同過濾問題的用戶，所述產品的規格作為協同過濾問題的項目，所述產品的所述已知銷量經過銷量-評分變換后的計算結果作為協同過濾問題的用戶對項目的評分，之后利用協同過濾算法計算出所述產品在所述零售點的未知銷量對應的評分；

步驟D.使用所述步驟B的銷量-評分變換所對應的逆變換，作用于所述步驟C計算出的未知銷量評分估計，從而得到未知銷量的預測值；

步驟E.針對所述產品對其在所有零售點的銷量預測進行排序，然后推薦排序前列的零售點以開展產品投放、營銷推廣活動。

上述面向產品的零售點營銷推薦方法中，在所述步驟A中，所述已知銷量為在考察目標時間內具有銷售成績的銷量數據。

上述面向產品的零售點營銷推薦方法中，在所述步驟A中，所述已知銷量為所述零售點從生產企業采購所述產品的訂單數量。

上述面向產品的零售點營銷推薦方法中，所述零售點的未知銷量為以所述產品的規格、所述零售點為兩個維度的銷量矩陣中，去除所述已知銷量對應元素的其他元素所對應的銷量數據。

上述面向產品的零售點營銷推薦方法中，設產品i在零售點u的已知銷量為s_ui，對應的評分為r_ui，產品j在零售點v的未知銷量的預測為對應的評分估計為U為零售點的全集，I為產品(規格)的全集；所述銷量-評分變換方法為相對產品總銷量百分比的變換，