[發(fā)明專(zhuān)利]供需分析方法、裝置、設(shè)備及可讀存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202010063814.5
• 申請(qǐng)日: 2020-01-20
• 公開(kāi)（公告）號(hào): CN111292126B
• 公開(kāi)（公告）日: 2021-03-23
• 發(fā)明（設(shè)計(jì)）人: 張逾;付巖
• 申請(qǐng)（專(zhuān)利權(quán)）人: 拉扎斯網(wǎng)絡(luò)科技（上海）有限公司
• 主分類(lèi)號(hào): G06Q30/02
• 分類(lèi)號(hào): G06Q30/02;G06Q30/06
• 代理公司: 北京中強(qiáng)智尚知識(shí)產(chǎn)權(quán)代理有限公司 11448
• 代理人: 黃耀威

1.一種供需分析方法，其特征在于，包括：

提取目標(biāo)蜂窩的蜂窩數(shù)據(jù)，所述目標(biāo)蜂窩根據(jù)配送范圍劃分，所述蜂窩數(shù)據(jù)至少包括所述目標(biāo)蜂窩的供給變量和需求變量；

建立以有效訂單量為目標(biāo)的第一回歸模型，獲取所述第一回歸模型輸出的候選有效訂單量，所述第一回歸模型以所述供給變量和所述供給變量的二次項(xiàng)為特征建立；

基于所述候選有效訂單量和所述目標(biāo)蜂窩的真實(shí)有效訂單量，對(duì)所述需求變量進(jìn)行特征篩選，得到篩選后的需求變量；

建立以有效訂單量為目標(biāo)的第二回歸模型，獲取所述第二回歸模型輸出的最終有效訂單量，所述第二回歸模型以所述供給變量、所述篩選后的需求變量與所述供給變量的交叉項(xiàng)以及所述供給變量的二次項(xiàng)為特征建立；

確定所述第二回歸模型輸出的所述最終有效訂單量的極值信息，根據(jù)所述極值信息，生成供需分析結(jié)果。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述提取目標(biāo)蜂窩的蜂窩數(shù)據(jù)，包括：

統(tǒng)計(jì)所述目標(biāo)蜂窩在指定周期內(nèi)的針對(duì)目標(biāo)品類(lèi)的庫(kù)存量，將所述庫(kù)存量作為所述供給變量；

提取所述目標(biāo)蜂窩在所述指定周期內(nèi)的初始需求變量和日均訂單量，所述初始需求變量至少包括所述目標(biāo)蜂窩的日均曝光量、活躍用戶(hù)量、低齡用戶(hù)占比、蜂窩歷史畫(huà)像以及蜂窩類(lèi)型；

對(duì)所述初始需求變量與所述日均訂單量進(jìn)行擬合，計(jì)算所述初始需求變量與所述日均訂單量的線(xiàn)性相關(guān)度，將所述線(xiàn)性相關(guān)度大于相關(guān)度閾值的初始需求變量作為所述需求變量；

將所述供給變量和所述需求變量作為所述蜂窩數(shù)據(jù)。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述提取所述目標(biāo)蜂窩在所述指定周期內(nèi)的初始需求變量和日均訂單量，包括：

統(tǒng)計(jì)所述目標(biāo)品類(lèi)在所述指定周期內(nèi)基于終端曝光的總次數(shù)，計(jì)算所述總次數(shù)與所述指定周期的天數(shù)的比值作為所述日均曝光量；

統(tǒng)計(jì)所述終端上向所述目標(biāo)蜂窩下單的用戶(hù)數(shù)量作為所述活躍用戶(hù)量；

統(tǒng)計(jì)所述活躍用戶(hù)量中年齡在低齡區(qū)間的低齡用戶(hù)量，計(jì)算所述低齡用戶(hù)量與所述活躍用戶(hù)量的比值作為所述低齡用戶(hù)占比；

對(duì)所述目標(biāo)蜂窩在所述指定周期內(nèi)發(fā)生的操作行為進(jìn)行數(shù)據(jù)提取，將提取到的行為數(shù)據(jù)作為所述蜂窩歷史畫(huà)像；

獲取所述目標(biāo)蜂窩包括的至少一個(gè)商圈，提取所述至少一個(gè)商圈的商圈屬性，將所述商圈屬性作為所述蜂窩類(lèi)型；

將所述日均曝光量、所述活躍用戶(hù)量、所述低齡用戶(hù)占比、所述蜂窩歷史畫(huà)像以及所述蜂窩類(lèi)型作為所述初始需求變量；

統(tǒng)計(jì)所述目標(biāo)蜂窩在所述指定周期內(nèi)的訂單總量，計(jì)算所述訂單總量與所述指定周期的天數(shù)的比值作為所述日均訂單量。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述建立以有效訂單量為目標(biāo)的第一回歸模型，獲取所述第一回歸模型輸出的候選有效訂單量，包括：

以所述有效訂單量為目標(biāo)，所述供給變量和所述供給變量的二次項(xiàng)為特征，建立所述第一回歸模型；

將所述供給變量的數(shù)值輸入至所述第一回歸模型中，獲取所述第一回歸模型輸出的所述候選有效訂單量。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述候選有效訂單量和所述目標(biāo)蜂窩的真實(shí)有效訂單量，對(duì)所述需求變量進(jìn)行特征篩選，得到篩選后的需求變量，包括：

統(tǒng)計(jì)所述目標(biāo)蜂窩的所述真實(shí)有效訂單量，計(jì)算所述候選有效訂單量與所述真實(shí)有效訂單量的差值絕對(duì)值作為殘差值；

以所述殘差值為目標(biāo)，所述需求變量以及所述需求變量與所述供給變量的交叉項(xiàng)建立篩選模型；

將所述需求變量輸入至所述篩選模型，在所述需求變量中提取不能使所述篩選模型成立的需求變量作為所述篩選后的需求變量。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述建立以有效訂單量為目標(biāo)的第二回歸模型，獲取所述第二回歸模型輸出的最終有效訂單量，包括：

以所述有效訂單量為目標(biāo)，所述供給變量、所述篩選后的需求變量與所述供給變量的交叉項(xiàng)以及所述供給變量的二次項(xiàng)為特征，建立所述第二回歸模型；

將所述供給變量、所述篩選后的需求變量的數(shù)值輸入至所述第二回歸模型中，獲取所述第二回歸模型輸出的所述最終有效訂單量。