[發明專利]商品動態定價數據處理方法和系統

在審

• 申請號: 201710510912.7
• 申請日: 2017-06-29
• 公開（公告）號: CN107123004A
• 公開（公告）日: 2017-09-01
• 發明（設計）人: 宋磊
• 申請（專利權）人: 北京京東尚科信息技術有限公司;北京京東世紀貿易有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q10/04
• 代理公司: 中國國際貿易促進委員會專利商標事務所11038
• 代理人: 趙倩男

技術領域

本發明涉及數據處理領域，尤其涉及一種商品動態定價數據處理方法和系統。

背景技術

隨著電子商務的發展，大型電子商務公司通常經營數百萬的商品，其中大部分商品是自采自銷，并存儲在自有的倉庫中。在數量眾多的商品中，難免會有很多商品由于各種原因產生了滯銷，一方面占用了公司的大量流動資金，另一方面也占用了寶貴的庫存資源。相較于傳統零售行業，電子商務公司對庫存效率的要求更高，標準更嚴格。庫存成本的精細化控制對于整個公司的運營有著很大的影響。因此對于滯銷產品的有效處理對于公司的發展有著重大的影響。

為了解決上述問題，出現了一些算法擬合出每個商品的價格彈性后，并據此預測出某個商品在給定價格條件下的銷量。最后，結合現有的庫存水平以及期望清倉的時長自動推薦一個最合理的定價。但現有算法無法支持對建議價格進行動態調整。價格彈性系數在確定后，在整個滯銷清倉期間都不會改變，因而缺乏根據最新數據進行自我更新的能力。這對定價準確度會有一定的影響，因為商品在正常銷售期間和滯銷清倉期間的量價關系很有可能是不同的，而現有算法采用的是正常銷售期間的價格彈性系數。另外，即使商品的量價關系在滯銷清倉期間變化不大，采用靜態的量價關系也會對準確度有影響，因為任何預測都難免會出現誤差，在預測銷量和實際銷量出現偏差時，現有靜態模型無法得到反饋并做出相應的調整。

另外，現有算法不支持對建議價格進行人為干預。在算法給出建議價格后，出于種種原因，用戶有可能對價格進行調整，從而導致現有算法對接下來的清倉效果評估產生偏差，更重要的是無法根據現有價格調整對未來的定價策略。

發明內容

本發明要解決的一個技術問題是提供一種商品動態定價數據處理方法和系統在清庫存的前提下，最大限度的提高商品的收益。

根據本發明一方面，提出一種商品動態定價數據處理方法，包括：獲取商品的歷史銷售數據；根據歷史銷售數據確定在執行預定價格策略的情況下從當前庫存量狀態到預期庫存量狀態的狀態轉移概率；基于馬爾科夫決策模型，以預期目標為獎勵函數，根據狀態轉移概率、預期累計收益和獎勵函數，利用增強學習算法迭代計算，動態確定商品的最優價格；其中，預期目標為在執行預定價格策略的情況下從當前庫存量狀態到預期庫存量狀態的預期收益。

進一步地，根據預定價格確定第一價格區間；判斷在第一價格區間的歷史銷售數據的數量是否大于等于閾值；若在第一價格區間的歷史銷售數據的數量大于等于閾值，則根據第一價格區間的每天的歷史銷量數據確定商品的銷量均值；基于當前庫存量、預期庫存量和銷量均值確定在執行預定價格策略的情況下從當前庫存量狀態到預期庫存量狀態的狀態轉移概率。

進一步地，若在第一價格區間的歷史銷售數據的數量小于閾值，則將第一價格區間逐漸擴大到第二價格區間，以使第二價格區間的歷史銷售數據的數量大于等于閾值；利用量價模型確定商品在第二價格區間的價格彈性；根據價格彈性確定商品的銷量均值。

進一步地，利用最大似然估計算法若確定商品的銷量服從正太分布，則基于當前庫存量、預期庫存量、銷量均值和銷量標準差確定在執行預定價格策略的情況下從當前庫存量狀態到預期庫存量狀態的狀態轉移概率；其中，所示銷量標準差根據銷量均值利用標準差公式確定。

進一步地，利用公式確定在執行預定價格策略的情況下從當前庫存量狀態到預期庫存量狀態的狀態轉移概率；其中，S為當前庫存量，S'為預期庫存量，μ為銷量均值，δ為銷量標準差。

進一步地，利用最大似然估計算法若確定商品的銷量服從拿泊松分布，則利用公式確定在執行預定價格策略的情況下從當前庫存量狀態到預期庫存量狀態的狀態轉移概率；其中，S為當前庫存量，S'為預期庫存量，μ為銷量均值。

進一步地，基于馬爾科夫決策模型，以預期目標為獎勵函數，根據狀態轉移概率、預期累計收益和獎勵函數，利用增強學習算法迭代計算，動態確定商品的最優價格包括：根據以下公式確定商品的最優價格；F(S,0)＝0；F(0,i)＝0,1≤i≤L；