[發明專利]一種智能訂單推薦方法、裝置、計算機設備及存儲介質

有效

• 申請號: 202110800180.1
• 申請日: 2021-07-15
• 公開（公告）號: CN113674052B
• 公開（公告）日: 2023-10-17
• 發明（設計）人: 韓天奇;黃鳴夏;柳翼;李永東;王屹
• 申請（專利權）人: 百威投資（中國）有限公司
• 主分類號: G06Q30/0601
• 分類號: G06Q30/0601;G06F18/23213;G06F18/243;G06F16/215;G06N3/04;G06N3/08
• 代理公司: 北京正理專利代理有限公司 11257
• 代理人: 戴元毅

本申請公開了一種智能訂單推薦方法、裝置、計算機設備及存儲介質，該方法包括：S10、判斷用戶的各品牌家族預設周期內的KPI是否存在達成風險，若是，對存在達成風險的品牌家族制定建議補充量，其中，每一個品牌家族包含多款產品，所述KPI為預設周期內用戶需要購買的百升數；S20、根據所述建議補充量，生成多個智能訂單供用戶選取；S30、根據用戶選取的智能訂單，生成智能裝車方案，以實現智能訂單的裝車處理。通過智能推薦的方式來實現對經銷商的管理，達到快銷公司和經銷商的雙贏，進一步大幅減少了經銷商制定訂單計劃的流程和下單，從而提升了經銷商的線上效率，具有廣泛的應用前景。

技術領域

本申請涉及數據分析推薦和優化算法技術領域。更具體地，涉及一種智能訂單推薦方法、裝置、計算機設備及存儲介質。

背景技術

面向商業用戶的訂單系統在快消領域普遍存在。例如傳統商業模式下，快消公司將產品售賣給下級經銷商，經銷商通過訂單系統實現SKU的選擇購買及物流設定等操作。

傳統的訂單系統僅實現數字化，即經銷商只是通過訂單系統實現利用互聯網下單，其訂單計劃設計與商業模式仍然由經銷商自己決定，即訂單系統沒有智能地對經銷商決策進行輔助的功能，經銷商仍然使用自己傳統經驗性的訂單制定方式，沒有充分利用到大數據及人工智能帶來的輔助。

發明內容

有鑒于此，本申請提出了一種智能訂單推薦方法、裝置、計算機設備及存儲介質。

第一方面，本申請提供一種智能訂單推薦方法，該方法包括：

S10、判斷用戶的各品牌家族預設周期內的KPI是否存在達成風險，若是，對存在達成風險的品牌家族制定建議補充量，其中，每一個品牌家族包含多款產品，所述KPI為預設周期內用戶需要購買的百升數；

S20、根據所述建議補充量，生成多個智能訂單供用戶選取；

S30、根據用戶選取的智能訂單，生成智能裝車方案，以實現智能訂單的裝車處理。

在一個具體實施例中，所述S10包括：

S100、建立用戶各品牌家族與KPI的第一映射表、每款產品與品牌家族的第二映射表及每天每款產品與下單百升數的第三映射表；

S102、根據所述第三映射表求解所述用戶每款產品當前下單的總百升數，根據所述第二映射表和所述每款產品當前下單的總百升數求解各品牌家族當前實際下單的百升數、各品牌家族當前的KPI達成率；

S104、根據所述各品牌家族當前的KPI達成率，判斷用戶的各品牌家族預設周期內的KPI是否存在達成風險，若是，求解存在達成風險的品牌家族當前應下單的百升數，并結合當前時間與預設周期的時間差，對存在達成風險的品牌家族制定建議補充量。

在一個具體實施例中，還包括：獲取產品和用戶的Embedding編碼，其中，

統計所有用戶的歷史下單數據，對所述歷史下單數據進行數據清洗過濾，其中，設共有用戶N_WS個，共有產品N_SKU款；

根據經數據清洗過濾后的歷史下單數據，建立帶權重的圖模型σ，其中，N＝N_SKU+N_WS；

搭建Embedding神經網絡y，其中，

y＝f_e(x,θ)

式中，為用戶或產品的獨熱編碼，為Embedding后的詞向量，θ為要學習的模型參數；

利用所述Embedding神經網絡y和隨機游走算法進行模型訓練；

根據訓練好的模型y＝f_e(x,θ)，得到用戶與產品的Embedding編碼。