[發(fā)明專利]一種智能定價方法

在審

• 申請?zhí)枺?/td>: 202110745029.2
• 申請日: 2021-06-30
• 公開（公告）號: CN113643053A
• 公開（公告）日: 2021-11-12
• 發(fā)明（設計）人: 李傳炎;陳宇曦;何慶明;趙松平;晉高艷
• 申請（專利權(quán)）人: 廣東昆侖信息科技有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06N20/20
• 代理公司: 韶關市雷門專利事務所 44226
• 代理人: 周勝明

1.一種智能定價方法，其特征在于，包括第一價格預測模型和第二價格預測模型；

建立智能定價數(shù)據(jù)庫，向智能定價數(shù)據(jù)庫導入企業(yè)歷史數(shù)據(jù)、同行競爭對手及客戶的歷史數(shù)據(jù)；

第一價格預測模型使用XGBOOST工程算法，針對企業(yè)歷史數(shù)據(jù)生成第一預測價格P_x，所述企業(yè)歷史數(shù)據(jù)至少包括運輸成本、原料成本、銷量、銷售價、庫存量和企業(yè)利潤；

第二價格預測模型采用sklearn工程庫，基于價格數(shù)據(jù)庫針對同行競爭對手及客戶的歷史數(shù)據(jù)生成第二預測價格P_y，所述價格數(shù)據(jù)庫包含同行競爭對手及客戶的歷史數(shù)據(jù)，其中，所述價格數(shù)據(jù)庫至少包括競爭對手售價、貿(mào)易商銷售價和第三方網(wǎng)上價格，基于線性回歸算法計算P_y的方法是，P_y＝a+a₁×x₁+a₂×x₂+…+a_n×x_n，其中，a、a₁、a₂...a_n是系數(shù)，通過第二價格預測模型計算得出，x、x₁、x₂...x_n是競爭對手售價、貿(mào)易商銷售價和第三方網(wǎng)上價格；

根據(jù)第一預測價格P_x、第二預測價格P_y及上一期實際的銷售價P₀構(gòu)建智能定價公式計算建議價格P，P＝b₀×P₀+b₁×Px+b₂×P_y，其中，b₀、b₁和b₂是預設權(quán)重，b₀、b₁和b₂均是非負數(shù)，且b₀+b₁+b₂＝1。

2.如權(quán)利要求1所述的智能定價方法，其特征在于，根據(jù)企業(yè)的經(jīng)營目標，對建議價格進行修正，得到本期確定的銷售價P_r，P_r＝P+z，其中，z是人工修正值，-100≤z≤100。

3.如權(quán)利要求1所述的智能定價方法，其特征在于，建議價格P的范圍是，P_min≤P≤P_max，其中，P_min＝P₀×80％，P_max＝P₀×120％。

4.如權(quán)利要求3所述的智能定價方法，其特征在于，第一預測價格P_x的范圍是，P_min≤P_x≤P_max，其中，P_min＝P₀×80％，P_max＝P₀×120％；

當P_x≥P_max或P_x≤P_min時，需要在XGBOOST工程算法增加企業(yè)歷史數(shù)據(jù)的種類，直至P_x處于P_min和P_max之間。

5.如權(quán)利要求4所述的智能定價方法，其特征在于，第二預測價格P_y的范圍是，P₀≤P_y≤P_max，其中，P_max＝P₀×120％；

當P_y≥P_max或P_y≤P₀時，需要在sklearn工程庫增加同行競爭對手及客戶的歷史數(shù)據(jù)，直至P_y處于P₀和P_max之間。