[發明專利]對象銷量的預測方法及系統、電子設備和存儲介質

在審

• 申請號: 201810631537.6
• 申請日: 2018-06-19
• 公開（公告）號: CN110619407A
• 公開（公告）日: 2019-12-27
• 發明（設計）人: 譚學壘;杜永青
• 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: G06Q10/04
• 分類號: G06Q10/04;G06Q10/08;G06Q30/02;G06K9/62
• 代理公司: 31283 上海弼興律師事務所
• 代理人: 薛琦;李夢男

本發明公開了一種對象銷量的預測方法及系統、電子設備和存儲介質。所述預測方法包括：獲取歷史銷售數據；根據所述歷史銷售數據統計預設時間段內毎個周期的對象的銷量，并預測下個周期銷量的概率值；所述預設時間段包括若干周期；基于GBDT分類模型預測對象在下個周期的銷售量；根據所述銷售量調整所述概率值。本發明能夠準確預測對象SKU的銷量，特別是能提高銷量相對較小且波動較大的對象SKU的銷量預測準確度，為用戶對對象SKU的庫存補給提供參考，實現良好的庫存周轉，最大化銷售收益。

技術領域

本發明涉及計算機技術領域，特別涉及一種對象銷量的預測方法及系統、電子設備和存儲介質。

背景技術

交易對象會涉及到SKU(Stock Keeping Unit，庫存量單位)粒度的選品推薦工作，本質是基于某個SKU相關的歷史數據預測出未來一段時間該對象SKU的銷量，預測的銷量減去當下該對象SKU的庫存量就是下次需要的補貨量。

現有技術中有兩類銷量預測方法：

(1)基于簡單的數據統計分析，計算出某一時間段內某個對象SKU的日均/周均/月均銷量，以該均值作為下次補貨量的參考；該方案統計指標較為單一，而且均值很難抓住近期的銷售變化及趨勢，所以整體預測精度較差；

(2)基于時間序列模型的預測，將某個對象SKU的歷史銷量數據輸入一個時間序列模型，挖掘出銷售規律(季節性和趨勢性等)，同時預測出下個時間段的銷量；該方案本質上也是一個統計模型，只是用到了一些指數平滑等手段，嘗試找到歷史數據中的“趨勢性和周期性”等信息，雖然在那些一直有較大銷量的SKU(統計特征明顯)上表現比較好，但對于那些銷量相對較小且波動較大的SKU(統計特征不明顯)上表現一般，預測精度較差。

發明內容

本發明要解決的技術問題是為了克服現有技術中銷量預測方式精度較差，特別是針對銷量相對較小且波動較大的對象SKU的預測準確度較低的缺陷，提供一種對象銷量的預測方法及系統、電子設備和存儲介質。

本發明是通過下述技術方案來解決上述技術問題：

一種對象銷量的預測方法，所述預測方法包括：

獲取歷史銷售數據；

根據所述歷史銷售數據統計預設時間段內毎個周期的對象的銷量，并預測下個周期銷量的概率值；所述預設時間段包括若干周期；

基于GBDT分類模型預測對象在下個周期的銷售量；

根據所述銷售量調整所述概率值。

較佳地，所述預測方法還包括：

建立所述GBDT分類模型；

所述GBDT分類模型的輸入參數包括至少三個以下參數：季節、SKU的三級品類、SKU首次上柜可售時間、SKU在預設時間段內每個周期的銷量、周期的銷量均值、天銷量、天銷量均值、天銷量方差；

所述GBDT分類模型的輸出參數為所述銷售量的二分類標簽。

較佳地，根據所述銷售量調整所述概率值的步驟，包括：

若所述二分類標簽為所述銷售量大于等于銷量閾值，則將所述下個周期銷量小于等于所述銷量閾值的概率值依次遞增第一預設概率值；和/或，將所述下個周期銷量大于所述銷量閾值的概率值依次遞增第二預設概率值；

所述第二預設概率值小于所述第一預設概率值。

較佳地，根據所述銷售量調整所述概率值的步驟，包括：

若所述二分類標簽為所述銷售量小于銷量閾值，則將所述下個周期銷量小于等于所述銷量閾值的概率值依次遞減第三預設概率值；和/或，將所述下個周期銷量大于所述銷量閾值的概率值設為第四預設概率值；