[發明專利]銷量預測方法、預測模型構建方法、裝置、設備及介質

在審

• 申請號: 202010618757.2
• 申請日: 2020-06-30
• 公開（公告）號: CN111768243A
• 公開（公告）日: 2020-10-13
• 發明（設計）人: 周鵬程;楊路飛;趙蘇;崔燕達
• 申請（專利權）人: 創新奇智（上海）科技有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q30/06;G06N3/04
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 李飛

1.一種預測模型構建方法，其特征在于，所述方法包括：

獲取樣品商品的推廣費用；

根據所述推廣費用確定所述樣品商品的展現量及點擊量；

至少根據所述展現量、所述點擊量構建所述樣品商品的預測模型。

2.如權利要求1所述的構建方法，其特征在于，所述推廣費用包括所述樣品商品所在門店的整體推廣費用及所述樣品商品的直接推廣費用；

以及，所述根據所述推廣費用確定所述樣品商品的展現量及點擊量，包括：

根據所述樣品商品所在門店的整體推廣費用確定所述展現量；

根據所述樣品商品的直接推廣費用確定所述點擊量。

3.如權利要求2所述的構建方法，其特征在于，在所述至少根據所述展現量、所述點擊量構建所述樣品商品的預測模型之前，所述方法還包括：

獲取所述樣品商品的回購量；

以及，所述至少根據所述展現量、所述點擊量構建所述樣品商品的預測模型，包括：

根據所述回購量、所述展現量、所述點擊量構建所述樣品商品的預測模型。

4.如權利要求3所述的構建方法，其特征在于，所述根據所述回購量、所述展現量、所述點擊量構建所述樣品商品的預測模型，包括：

根據第一概率訓練第一神經網絡模型以確定所述第一神經網絡模型中的影響商品銷售的其他特征信息的權重，所述第一概率為所述展現量轉化為購買的概率；

根據第二概率訓練第二神經網絡模型以確定所述第二神經網絡模型中的影響商品銷售的其他特征信息的權重，所述第二概率為所述點擊量轉化為購買的概率；

根據所述回購量訓練第三神經網絡模型以確定所述第三神經網絡模型中的影響商品銷售的其他特征信息的權重；

根據訓練后的所述第一神經網絡模型、訓練后的所述第二神經網絡模型、訓練后的所述第三神經網絡模型、所述展現量、所述點擊量構建所述樣品商品的預測模型。

5.如權利要求4所述的構建方法，其特征在于，所述預測模型為Y＝DNN₁(X)*A+DNN₂(X)*B+DNN₃(X)，其中，Y表示所述樣品商品的銷量，A表示整體推廣費用、DNN₁(X)表示所述第一神經網絡模型，B表示直接推廣費用，DNN₂(X)表示第二神經網絡模型，DNN₃(X)表示第三神經網絡模型，X表示影響商品銷售的其他特征信息。

6.如權利要求4所述的方法，其特征在于，所述影響商品銷售的其他特征信息包括所述樣品商品的品牌、所述樣品商品的類別、所述樣品商品的單位、所述樣品商品的成本、所述樣品商品的價格、所述樣品商品的庫存信息、所述樣品商品的門店信息、天氣信息、節假日信息。

7.一種銷量預測方法，其特征在于，所述方法包括：

獲取目標商品的屬性；

至少將所述目標商品的屬性輸入根據權利要求1-6任一項所述預測模型構建方法構建的預測模型中，以通過所述預測模型輸出所述目標商品的預測銷量。

8.一種預測模型構建裝置，其特征在于，所述構建裝置包括：

第一獲取模塊，用于獲取樣品商品的推廣費用；

確定模塊，根據所述推廣費用確定所述樣品商品的展現量及點擊量；

構建模塊，用于至少根據所述展現量、所述點擊量構建所述樣品商品的預測模型。

9.一種預測模型構建設備，其特征在于，所述設備包括存儲器和處理器，所述存儲器中存儲有計算機可讀指令，所述計算機可讀指令被所述處理器執行時，使得所述處理器執行如權利要求3至8中任一項所述的預測模型構建方法。

10.一種介質，其特征在于，其上存儲有計算機程序，所述計算機程序被處理器執行時，執行如權利要求1至6中任一項所述的預測模型構建方法及如權利要求7所述的銷量預測方法。