[發(fā)明專利]一種智能定價(jià)方法

在審

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

本發(fā)明涉及一種智能定價(jià)方法，包括第一價(jià)格預(yù)測(cè)模型和第二價(jià)格預(yù)測(cè)模型；建立智能定價(jià)數(shù)據(jù)庫(kù)，向智能定價(jià)數(shù)據(jù)庫(kù)導(dǎo)入企業(yè)歷史數(shù)據(jù)、同行競(jìng)爭(zhēng)對(duì)手及客戶的歷史數(shù)據(jù)；第一價(jià)格預(yù)測(cè)模型使用XGBOOST工程算法，針對(duì)企業(yè)歷史數(shù)據(jù)生成第一預(yù)測(cè)價(jià)格P_x；第二價(jià)格預(yù)測(cè)模型采用sklearn工程庫(kù)，基于價(jià)格數(shù)據(jù)庫(kù)針對(duì)同行競(jìng)爭(zhēng)對(duì)手及客戶的歷史數(shù)據(jù)生成第二預(yù)測(cè)價(jià)格P_y；根據(jù)第一預(yù)測(cè)價(jià)格P_x、第二預(yù)測(cè)價(jià)格P_y及上一期實(shí)際的銷售價(jià)P₀構(gòu)建智能定價(jià)公式計(jì)算建議價(jià)格P，P＝b₀×P₀+b₁×P_x+b₂×P_y,其中，b₀、b₁和b₂是預(yù)設(shè)權(quán)重。本發(fā)明綜合考慮多方因素確定能兼顧企業(yè)利潤(rùn)及產(chǎn)品競(jìng)爭(zhēng)力的建議價(jià)格。

技術(shù)領(lǐng)域

本發(fā)明涉及定價(jià)方法，更具體地說(shuō)，它涉及一種智能定價(jià)方法。

背景技術(shù)

產(chǎn)品的定價(jià)涉及多個(gè)方面，比如生產(chǎn)成本、競(jìng)爭(zhēng)對(duì)手的價(jià)格和預(yù)期銷量 等。在鋼鐵行業(yè)內(nèi)，目前的定價(jià)一般是簡(jiǎn)單分析以往的定價(jià)及同行競(jìng)爭(zhēng)對(duì)手 的定價(jià)來(lái)確定自己的鋼材價(jià)格，當(dāng)自己鋼材價(jià)格定得比同行的競(jìng)爭(zhēng)對(duì)手高時(shí)， 自己的鋼材的競(jìng)爭(zhēng)力就會(huì)下降，當(dāng)自己鋼材價(jià)格定得比同行的競(jìng)爭(zhēng)對(duì)手低時(shí)， 企業(yè)的利潤(rùn)會(huì)減少。一般來(lái)說(shuō)，企業(yè)想要實(shí)現(xiàn)自身利益最大化的同時(shí)也能保 持一定的競(jìng)爭(zhēng)力，在鋼鐵行業(yè)內(nèi)，影響價(jià)格的主要因素有：生產(chǎn)成本、物流 成本、營(yíng)銷目標(biāo)、庫(kù)存量、競(jìng)爭(zhēng)對(duì)手、國(guó)內(nèi)外市場(chǎng)行情和國(guó)家市場(chǎng)宏觀政策 等，目前的定價(jià)方法只是依靠經(jīng)驗(yàn)來(lái)確定鋼材的銷售價(jià)格，并不能很好地結(jié) 合上述影響鋼材價(jià)格的因素。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)存在的不足，本發(fā)明的目的在于提供一種智能定價(jià)方法， 綜合考慮多方因素確定能兼顧企業(yè)利潤(rùn)及產(chǎn)品競(jìng)爭(zhēng)力的建議價(jià)格。

本發(fā)明的上述技術(shù)目的是通過(guò)以下技術(shù)方案得以實(shí)現(xiàn)的：

一種智能定價(jià)方法，包括第一價(jià)格預(yù)測(cè)模型和第二價(jià)格預(yù)測(cè)模型；

建立智能定價(jià)數(shù)據(jù)庫(kù)，向智能定價(jià)數(shù)據(jù)庫(kù)導(dǎo)入企業(yè)歷史數(shù)據(jù)、同行競(jìng)爭(zhēng) 對(duì)手及客戶的歷史數(shù)據(jù)；

第一價(jià)格預(yù)測(cè)模型使用XGBOOST工程算法，針對(duì)企業(yè)歷史數(shù)據(jù)生成第一 預(yù)測(cè)價(jià)格P_x，所述企業(yè)歷史數(shù)據(jù)至少包括運(yùn)輸成本、原料成本、銷量、銷售 價(jià)、庫(kù)存量和企業(yè)利潤(rùn)；

第二價(jià)格預(yù)測(cè)模型采用sklearn工程庫(kù)，基于價(jià)格數(shù)據(jù)庫(kù)針對(duì)同行競(jìng)爭(zhēng) 對(duì)手及客戶的歷史數(shù)據(jù)生成第二預(yù)測(cè)價(jià)格P_y，所述價(jià)格數(shù)據(jù)庫(kù)包含同行競(jìng)爭(zhēng) 對(duì)手及客戶的歷史數(shù)據(jù)，其中，所述價(jià)格數(shù)據(jù)庫(kù)至少包括競(jìng)爭(zhēng)對(duì)手售價(jià)、貿(mào) 易商銷售價(jià)和第三方網(wǎng)上價(jià)格，基于線性回歸算法計(jì)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(guò)第二價(jià) 格預(yù)測(cè)模型計(jì)算得出，x、x₁、x₂...x_n是競(jìng)爭(zhēng)對(duì)手售價(jià)、貿(mào)易商銷售價(jià)和第三方網(wǎng)上價(jià)格；