[發(fā)明專利]一種應(yīng)用于淘寶網(wǎng)的智能促銷方案建模方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201610963473.0
• 申請(qǐng)日: 2016-10-28
• 公開（公告）號(hào): CN107038190A
• 公開（公告）日: 2017-08-11
• 發(fā)明（設(shè)計(jì)）人: 劉昆宏;洪清啟;吳清強(qiáng)
• 申請(qǐng)（專利權(quán)）人: 廈門大學(xué)
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30;G06Q30/02
• 代理公司: 深圳市合道英聯(lián)專利事務(wù)所(普通合伙)44309
• 代理人: 劉輝,廉紅果

1.一種應(yīng)用于淘寶網(wǎng)的智能促銷方案建模方法，其特征在于，包括以下步驟：

S1、利用爬蟲程序從淘寶網(wǎng)、聚劃算及淘寶團(tuán)購歷史數(shù)據(jù)中爬取各種有關(guān)商品促銷信息，從促銷商品所在的商家店面爬取商品本身信息，并跟蹤爬取銷量數(shù)據(jù)，包括促銷前銷量，促銷結(jié)束后一段時(shí)間內(nèi)商品的銷量；

S2、將爬取的數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗并保存，形成商品促銷歷史數(shù)據(jù)庫；

S3、使用k-means算法將商品促銷數(shù)據(jù)庫中的商品根據(jù)行業(yè)類別細(xì)分，將不同行業(yè)商品銷售數(shù)據(jù)分別載入不同數(shù)據(jù)表中，形成行業(yè)促銷歷史數(shù)據(jù)庫；

S4、使用數(shù)據(jù)挖掘算法，將商品促銷后銷量的變化百分比率作為預(yù)測(cè)目標(biāo)，對(duì)不同行業(yè)分別建立用于預(yù)測(cè)促銷銷量的模型，使用行業(yè)促銷歷史數(shù)據(jù)庫中的行業(yè)促銷數(shù)據(jù)作為模型訓(xùn)練數(shù)據(jù)；

S5、根據(jù)用戶訂制的需求，將擬促銷的商品相關(guān)計(jì)劃信息，包括擬促銷商品的數(shù)量、預(yù)期的商品銷量提升、促銷大致的時(shí)間段等作為輸入條件輸入預(yù)測(cè)模型中。

2.根據(jù)權(quán)利要求1所述的一種應(yīng)用于淘寶網(wǎng)的智能促銷方案建模方法，其特征在于,還包括步驟S6：采用協(xié)同過濾，從歷史數(shù)據(jù)中找出與待分析商品相似度最高的若干件商品的促銷方案及促銷效果與待促銷方案進(jìn)行比擬，使用余弦測(cè)度比較促銷方案的相似度，將相似度作為權(quán)重，對(duì)相應(yīng)方案的促銷效果進(jìn)行加權(quán)，將這些相似的商品促銷方案作為偏轉(zhuǎn)因子，作為對(duì)預(yù)測(cè)模型輸出的補(bǔ)充。

3.根據(jù)權(quán)利要求1所述的一種應(yīng)用于淘寶網(wǎng)的智能促銷方案建模方法，其特征在于,還包括步驟S7：將行業(yè)商品促銷數(shù)據(jù)依據(jù)促銷的時(shí)間序列數(shù)據(jù)進(jìn)行趨勢(shì)分解，找出其周期模式，根據(jù)用戶擬參與促銷的時(shí)間段進(jìn)行擬合，得到更精確的預(yù)測(cè)輸出結(jié)果。

4.根據(jù)權(quán)利要求1所述的一種應(yīng)用于淘寶網(wǎng)的智能促銷方案建模方法，其特征在于,還包括步驟S8:建立行業(yè)專家數(shù)據(jù)庫，行業(yè)專家將不同行業(yè)商品促銷的普遍規(guī)律以規(guī)則的方式進(jìn)行描述并記錄在知識(shí)庫中，對(duì)步驟S7所獲得的促銷方案進(jìn)行可行性分?jǐn)?shù)評(píng)定。

5.根據(jù)權(quán)利要求1所述的一種應(yīng)用于淘寶網(wǎng)的智能促銷方案建模方法，其特征在于：步驟S4所述的用于預(yù)測(cè)促銷銷量的模型包括神經(jīng)網(wǎng)絡(luò)、邏輯回歸及支持向量機(jī)三個(gè)模型，選擇三個(gè)模型十折交叉驗(yàn)證的準(zhǔn)確率作為模型輸出的權(quán)重，設(shè)各個(gè)模型在訓(xùn)練數(shù)據(jù)的預(yù)測(cè)結(jié)果的準(zhǔn)確率為ai，i＝1,2,3,則對(duì)其進(jìn)行歸一化的結(jié)果即為他們最終的權(quán)值wi，即wi＝ai/(a1+a2+a3),i＝1,2,3。

6.根據(jù)權(quán)利要求2所述的一種應(yīng)用于淘寶網(wǎng)的智能促銷方案建模方法，其特征在于，步驟S6具體包括：

S61、以待分析商品a的價(jià)格、當(dāng)前月銷量、評(píng)價(jià)數(shù)、店鋪評(píng)分等屬性構(gòu)成的向量r_u,a為分析依據(jù)，比較待分析商品a與其余任一商品b的相似度，則有，

式中，U代表當(dāng)前商品數(shù)據(jù)中同行業(yè)數(shù)據(jù)的集合，r_u為U中相關(guān)屬性向量，為向量均值，

以由待分析商品a的價(jià)格、當(dāng)前月銷量、評(píng)價(jià)數(shù)、店鋪評(píng)分等屬性構(gòu)成的向量r_u,a作為分析依據(jù)，r_u,b為以商品b的價(jià)格、當(dāng)前月銷量、評(píng)價(jià)數(shù)、店鋪評(píng)分等屬性構(gòu)成的向量；

S62、選擇相似度最高，且促銷商品檔次與待促銷商品一致的若干件商品，作為集合J，導(dǎo)入J中相關(guān)促銷方案數(shù)據(jù)，包括促銷時(shí)間、促銷折扣等、及促銷取得的銷量變化等l個(gè)屬性的集合，以r_c,a表示商品a生成的待促銷方案的屬性向量，r_c,b表示選擇對(duì)比的商品促銷方案屬性向量，待促銷商品a的促銷目標(biāo)為k_a件商品，對(duì)比商品b的促銷結(jié)果為k_b件商品,|J|表示J中商品的數(shù)量，比較促銷商品a和b的促銷方案的相似程度，則有，

S63、將計(jì)算得的dis(a,b)作為對(duì)b商品已有促銷屬性的權(quán)值，乘以所有商品的促銷屬性數(shù)據(jù)，作為對(duì)預(yù)測(cè)模型的修正，則最終預(yù)測(cè)模型的輸出修正數(shù)據(jù)為：

7.根據(jù)權(quán)利要求3所述的一種應(yīng)用于淘寶網(wǎng)的智能促銷方案建模方法，其特征在于：步驟S7具體包括：

S71、根據(jù)待分析商品的價(jià)格、當(dāng)前銷量等數(shù)據(jù)，進(jìn)行商品聚類，選擇與待分析商品前若干種最相似的商品K；

S72、對(duì)每個(gè)相似的商品ki，根據(jù)待分析的目標(biāo)，將周期長度分別設(shè)定為一周、一個(gè)月、一個(gè)季節(jié)，使用STL算法，對(duì)商品促銷生成的時(shí)間序列數(shù)據(jù)進(jìn)行趨勢(shì)分解，將數(shù)據(jù)分解為周期模式Si、趨勢(shì)模式Ti以及噪聲數(shù)據(jù)Ni；

S73、分析在結(jié)果中，根據(jù)趨勢(shì)模式的變化，分成上升、下降、不變?nèi)N趨勢(shì)，分別計(jì)算符合每種變化趨勢(shì)的商品周期均值Ml，其中l(wèi)取值為1，2，3，分別表示上述三種趨勢(shì)；

S74、根據(jù)每種趨勢(shì)的變化量均值與當(dāng)前預(yù)測(cè)的促銷結(jié)果t進(jìn)行差分計(jì)算，得到差值Δt,則相應(yīng)的修正值為