一种品类规划方法、装置及电子设备与流程

本申请涉及数据处理技术领域，具体涉及一种品类规划方法、装置及电子设备。本申请同时涉及一种页面生成方法、装置及电子设备。

背景技术：

品类规划是一种先进的市场营销理论，借助这个理论，生产商或经销商得以长期保持持续而稳定的增长。当品类规划理论应用在销售领域时，主要是指在下一个销售周期内各个商品类目的销售计划，即：为达到下一个销售周期的销售目标，对该销售周期内可销售商品所属的商品类目、及对各个商品类目可占用资源位的数量进行规划。

下面对销售领域目前应用的品类规划方法及存在的问题作简要说明。

1)基于运营目标导向的规划方法

基于运营目标导向的规划方法是指，根据预先设定的销售目标进行详细的商品类目分拆，例如，首先设定出每个行业的销售目标，然后再根据各个行业的销售目标为各个行业下的商品类目进行品类规划。

由于这种规划方法只能凭借人的经验、及有限的考虑市场情况进行品类的规划，因此，该方法存在规划精度及效率均较低的问题。

2)基于市场份额导向的规划方法

基于市场份额导向的规划方法是指，根据市场销售的份额大小进行详细的商品类目分拆，例如，首先根据历史销售数据设定出每个商品类目预期的成交额占比、及需要规划的总体资源位数量，然后按照成交额占比为每个商品类目分配相应比例的资源位，并根据预设规则控制每个商品类目资源位数量不超过一个上限。

这种规划方法是根据历史销售数据进行品类规划的，虽然能够给出满足销售目标的品类规划，即：根据规划结果进行商品投放后能够达到销售目标，但是该方法仅从卖方市场进行考虑，并未考虑商品类目丰富度对销售方的影响，因此，该方法存在无法扩大商品类目的问题，从而无法培养市场成长。总之，该方法同样存在规划精度较低的问题。

综上所述，现有技术存在品类规划精度较低的问题。

技术实现要素：

本申请提供一种品类规划方法，以解决现有技术下规划精度较低的问题。本申请还提供一种品类规划装置，一种电子设备，以及一种页面生成方法、装置及电子设备。

本申请提供一种品类规划方法，包括：

获取待规划的商品类目列表；

针对各个所述商品类目，根据所述商品类目的对销售指标数据产生影响的特征数据和预先生成的销售指标数据预测模型，确定各个所述商品类目各自对应的资源位数量与销售指标数据之间的函数关系；

根据预设的品类规划约束数据及各个所述商品类目各自对应的所述函数关系，获取各个所述商品类目的资源位数量。

可选的，所述预先生成的销售指标数据预测模型，采用如下方式生成：

通过机器学习算法，从训练样本集中学习出所述销售指标数据预测模型；所述训练样本包括历史规划商品类目的特征数据；所述历史规划商品类目的特征数据包括资源位数量和所述对销售指标数据产生影响的特征数据；所述训练样本的标注数据为销售指标数据的实际值。

可选的，所述对销售指标数据产生影响的特征数据包括下列任何特征数据的至少一个：历史成交效果的特征数据，历史买家行为的特征数据，品类的特征数据。

可选的，所述历史成交效果的特征数据，采用如下方式获取：

从记录商品交易信息的日志中提取所述历史成交效果的特征数据。

可选的，所述买家行为包括下列任何买家行为的至少一个：浏览行为，点击行为，收藏行为，加入购物车行为。

可选的，所述买家行为的特征数据，采用如下方式获取：

从记录买家行为数据的日志中提取所述买家行为的特征数据。

可选的，所述品类规划约束数据包括：资源位的总数量、销售指标数据的期望值和每个商品类目占用资源位数量的最大值。

可选的，所述确定各个所述商品类目的资源位数量，采用如下方式：

通过整数规划算法，获取各个所述商品类目的资源位数量。

可选的，还包括：

根据所述商品类目的所述特征数据、及获得的所述商品类目的资源位数量，通过所述销售指标数据预测模型，计算获得各个所述商品类目的销售指标数据的期望值。

可选的，还包括：

根据所述商品类目的所述特征数据、及获得的所述商品类目的资源位数量，通过所述销售指标数据预测模型，计算获得所有资源位的销售指标数据的期望值。

相应的，本申请还提供一种品类规划装置，包括：

商品类目获取单元，用于获取待规划的商品类目列表；

函数关系确定单元，用于针对各个所述商品类目，根据所述商品类目的对销售指标数据产生影响的特征数据和预先生成的销售指标数据预测模型，确定各个所述商品类目各自对应的资源位数量与销售指标数据之间的函数关系；

资源位数量获取单元，用于根据预设的品类规划约束数据及各个所述商品类目各自对应的所述函数关系，获取各个所述商品类目的资源位数量。

可选的，还包括：

预测模型生成单元，用于生成所述预先生成的销售指标数据预测模型。

可选的，所述预测模型生成单元，具体用于通过机器学习算法，从训练样本集中学习出所述销售指标数据预测模型；所述训练样本包括历史规划商品类目的特征数据；所述历史规划商品类目的特征数据包括资源位数量和所述对销售指标数据产生影响的特征数据；所述训练样本的标注数据为销售指标数据的实际值。

可选的，所述资源位数量获取单元，具体用于通过整数规划算法，获取各个所述商品类目的资源位数量。

可选的，还包括：

第一期望值获取单元，用于根据所述商品类目的所述特征数据、及获得的所述商品类目的资源位数量，通过所述销售指标数据预测模型，计算获得各个所述商品类目的销售指标数据的期望值。

可选的，还包括：

第二期望值获取单元，用于根据所述商品类目的所述特征数据、及获得的所述商品类目的资源位数量，通过所述销售指标数据预测模型，计算获得所有资源位的销售指标数据的期望值。

相应的，本申请还提供一种电子设备，包括：

处理器；以及

存储器，用于存储实现品类规划方法的程序，该设备通电并通过所述处理器运行该品类规划方法的程序后，执行下述步骤：获取待规划的商品类目列表；针对各个所述商品类目，根据所述商品类目的对销售指标数据产生影响的特征数据和预先生成的销售指标数据预测模型，确定各个所述商品类目各自对应的资源位数量与销售指标数据之间的函数关系；根据预设的品类规划约束数据及各个所述商品类目各自对应的所述函数关系，获取各个所述商品类目的资源位数量。

相应的，本申请还提供一种页面生成方法，包括：

获取待规划的商品类目列表；

针对各个所述商品类目，根据所述商品类目的对销售指标数据产生影响的特征数据和预先生成的销售指标数据预测模型，确定各个所述商品类目各自对应的资源位数量与销售指标数据之间的函数关系；

根据预设的品类规划约束数据及各个所述商品类目各自对应的所述函数关系，获取各个所述商品类目的资源位数量；

根据各个所述商品类目的资源位数量和各个所述商品类目下的预设数据对象，生成数据对象展示页面。

可选的，所述生成数据对象展示页面，包括：

针对各个所述商品类目，根据所述商品类目的资源位数量和所述商品类目下的各个预设数据对象的特征数据，通过预先生成的投放决策模型确定所述商品类目下可投放的预设数据对象；

根据各个所述商品类目的资源位数量和各个所述商品类目下可投放的预设数据对象，生成所述数据对象展示页面。

相应的，本申请还提供一种页面生成装置，包括：

商品类目获取单元，用于获取待规划的商品类目列表；

函数关系确定单元，用于针对各个所述商品类目，根据所述商品类目的对销售指标数据产生影响的特征数据和预先生成的销售指标数据预测模型，确定各个所述商品类目各自对应的资源位数量与销售指标数据之间的函数关系；

资源位数量获取单元，用于根据预设的品类规划约束数据及各个所述商品类目各自对应的所述函数关系，获取各个所述商品类目的资源位数量；

页面生成单元，用于根据各个所述商品类目的资源位数量和各个所述商品类目下的预设数据对象，生成数据对象展示页面。

相应的，本申请还提供一种电子设备，包括：

显示器；

处理器；以及

存储器，用于存储实现页面生成方法的程序，该设备通电并通过所述处理器运行该页面生成方法的程序后，执行下述步骤：获取待规划的商品类目列表；针对各个所述商品类目，根据所述商品类目的对销售指标数据产生影响的特征数据和预先生成的销售指标数据预测模型，确定各个所述商品类目各自对应的资源位数量与销售指标数据之间的函数关系；根据预设的品类规划约束数据及各个所述商品类目各自对应的所述函数关系，获取各个所述商品类目的资源位数量；根据各个所述商品类目的资源位数量和各个所述商品类目下的预设数据对象，生成数据对象展示页面。

与现有技术相比，本申请提供的品类规划方法，针对各个待规划的商品类目，根据所述商品类目的对销售指标数据产生影响的特征数据和预先生成的销售指标数据预测模型，确定各个商品类目各自对应的资源位数量与销售指标数据之间的函数关系，再根据预设的品类规划约束数据及各个商品类目各自对应的所述函数关系，获取各个商品类目的资源位数量。

使用本申请提供的品类规划方法，根据待规划的商品类目的历史市场销售数据、买家行为等数据，通过预先生成的销售指标数据预测模型，确定商品类目的所述资源位数量与销售指标数据之间的函数关系；再根据预设的品类规划约束数据及所述函数关系，获取各个商品类目的资源位数量；这种处理方式，既能够给出满足运营目标的品类规划结果，还能够考虑商品类目的丰富度对商品投放系统的影响，不断扩大商品类目，培养市场成长；因此，本申请提供的方法可以有效提高品类规划精度，保证品类规划与市场的高度契合。

附图说明

图1是本申请提供的一种品类规划方法的实施例的流程图；

图2是本申请提供的一种品类规划装置的实施例的示意图；

图3是本申请提供的一种电子设备的实施例的示意图。

图4是本申请提供的一种页面生成方法的实施例的流程图；

图5是本申请提供的一种页面生成装置的实施例的示意图；

图6是本申请提供的一种电子设备的实施例的示意图。

具体实施方式

在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是，本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似推广，因此本申请不受下面公开的具体实施的限制。

在本申请中，提供了一种品类规划方法、装置及电子设备，以及一种页面生成方法、装置及电子设备。在下面的实施例中逐一进行详细说明。

本申请提供的品类规划方法，其核心的基本思想为：根据待规划的商品类目的历史市场销售数据、买家行为等数据，通过预先生成的销售指标数据预测模型，确定商品类目的所述资源位数量与销售指标数据之间的函数关系；再根据预设的品类规划约束数据及所述函数关系，获取各个商品类目的资源位数量。由于能够给出满足运营目标的品类规划结果，还能够考虑商品类目的丰富度对商品投放系统的影响，因此，可以有效提高品类规划精度。

请参考图1，其为本申请的品类规划方法实施例的流程图。所述方法包括如下步骤：

步骤s101：获取待规划的商品类目列表。

所述待规划的商品类目列表包括待进行资源位数量规划的各个商品类目。根据实际规划需求，所述待规划的商品类目列表可以设置为商品类目库，即：待规划的商品类目列表包括所有商品类目。对于这种情况，通过读取商品类目库的方式，即可获取到待规划的商品类目列表。

所述待规划的商品类目列表还可以包括商品类目库中的部分商品类目。所述部分商品类目可以是预先设定好的部分商品类目，并单独保存在一个数据文件中；或者，所述部分商品类目可以是根据预先设定的筛选规则，从商品类目库中筛选获得的部分商品类目，进而形成所述待规划的商品类目列表。

上述这些不同的获取待规划的商品类目列表的方式，都只是具体实施方式的变更，都不偏离本申请的核心，因此都在本申请的保护范围之内。

获取到待规划的商品类目列表后，就可以进入下一步骤，根据所述商品类目的对销售指标数据产生影响的特征数据和预先生成的销售指标数据预测模型，确定各个所述商品类目各自对应的资源位数量与销售指标数据之间的函数关系。

步骤s103：针对各个所述商品类目，根据所述商品类目的对销售指标数据产生影响的特征数据和预先生成的销售指标数据预测模型，确定各个所述商品类目各自对应的资源位数量与销售指标数据之间的函数关系。

本步骤根据商品类目的对销售指标数据产生影响的特征数据、及预先生成的销售指标数据预测模型，确定商品类目的所述资源位数量与销售指标数据之间的函数关系。因此，首先需要获取商品类目的对销售指标数据产生影响的特征数据。

所述销售指标数据包括但不限于：各个资源位的平均销售额、或所有资源位的销售总额等数据。

所述对销售指标数据产生影响的特征数据包括下列任何特征数据的至少一个：历史成交效果的特征数据，历史买家行为的特征数据，品类的特征数据。

所述历史成交效果的特征数据，主要是从记录商品交易信息的日志中总结出的反映商品类目的历史成交效果的特征数据，例如，商品类目的总成交金额，商品类目在一个投放周期的平均单个资源位的销售金额等。

所述买家行为的特征数据，主要是从记录买家行为数据的日志中总结出的反映商品类目的买家行为的特征数据，例如，过去一个月内浏览商品类目下商品的用户数、购买商品类目下商品的用户数等。

所述买家行为包括下列任何买家行为的至少一个：浏览行为，点击行为，收藏行为，加入购物车行为。

所述品类的特征数据是指，反映商品类目自身特征的数据，例如，商品类目包括的商品数量，商品类目涉及的卖家数量等数据。

例如，在对聚划算网站的品类进行规划时，商品类目的特征数据可包括：该类目包括的商品数量，该类目涉及的卖家数量，过去3天、一周、一个月内浏览该类目商品的用户数、购买该类目商品的用户数、将该类目商品加入购物车的用户数、收藏该类目商品的用户数，该类目的总成交金额，该类目在聚划算的平均单坑(即：资源位)产出；此外，商品类目的特征数据还可包括：该类目在整个市场的成交占比，以及过去同期一个月内的各种数据指标等数据。

获取到商品类目的对销售指标数据产生影响的特征数据后，再将这些特征数据作为预先生成的销售指标数据预测模型的输入数据，通过预先生成的销售指标数据预测模型获得商品类目的所述资源位数量与销售指标数据之间的函数关系。

由于需要利用所述销售指标数据预测模型获得所述函数关系，因此，具体实施时，需要预先生成所述销售指标数据预测模型。

所述销售指标数据预测模型，可采用如下方式生成：通过机器学习算法，从训练样本集中学习获得所述销售指标数据预测模型。

所述训练样本集包括大量训练样本。所述训练样本包括历史规划商品类目的所述特征数据及该类目的销售指标数据的实际值两方面信息。所述销售指标数据的实际值为所述历史规划商品类目的标注数据。

需要注意的是，所述历史规划商品类目的特征数据不仅包括所述对销售指标数据产生影响的特征数据，还包括资源位数量。所述资源位作为所述历史规划商品类目的一个特征数据，对生成的所述销售指标数据预测模型产生影响。

在进行模型训练时，将所述历史规划商品类目的特征数据作为输入数据，将所述销售指标数据的实际值作为输出数据，通过选定的机器学习模型，从包括大量训练样本的样本集中学习获得所述销售指标数据预测模型。

具体实施时，可以采用任意一种机器学习模型，例如，gbrt模型(gradientboostingregressiontree，梯度提升回归树模型)、随即森林等。

需要注意的是，与其它利用预测模型对输出值进行预测不同，本申请提供的方法要利用所述销售指标数据预测模型确定所述资源位数量与销售指标数据之间的函数关系。

获取到各个待规划的商品类目的对销售指标数据产生影响的特征数据后，再将这些特征数据作为预先生成的销售指标数据预测模型的输入数据，通过预先生成的销售指标数据预测模型，即可获得各个待规划的商品类目的所述资源位数量与销售指标数据之间的函数关系。

获取到所述函数关系后，就可以进入下一步骤根据预设的品类规划约束数据及所述函数关系，获取各个商品类目的资源位数量。

步骤s105：根据预设的品类规划约束数据及各个所述商品类目各自对应的所述函数关系，获取各个所述商品类目的资源位数量。

所述资源位是指，用于展示商品的位置。所述资源位包括但不限于：在网页中设置的资源位，即：商品在网页中的展示位。所述商品类目的资源位数量，包括在网页中为一个商品类目预留的资源位数量，例如，聚划算网站中女装类商品可能需要占用一百个资源位，俗称“坑位”。

本申请提供的方法，通过对待规划的商品类目作销售指标数据的预测，获得各个商品类目下的所述函数关系，继而根据预设的品类规划约束数据和所述函数关系，获得各个商品类目的资源位数量。

所述品类规划约束数据，包括但不限于：资源位的总数量、销售指标数据的期望值和每个商品类目占用资源位数量的最大值；也可以包括待规划的商品类目的数量等。

所述资源位的总数量是指，可分配的资源位数量。

所述每个商品类目占用资源位数量的最大值是指，经过品类规划处理分配给商品类目的资源位数量的最大值。通过该约束数据，能够保证分配给商品类目的资源位数量不超过这个值。

通过分析可知，根据所述品类规划约束数据及所述函数关系获取各个商品类目的资源位数量的问题，可形式化为整数规划问题。通过整数规划算法，可获得在满足品类规划约束条件时的最优解或其它次优解，从中选取一种解作为品类规划结果，即：各个商品类目及为其分配的资源位数量。

作为一种优选的方案，通常将满足品类规划约束条件时的最优解作为品类规划结果；这种处理方式，能够保证在所述销售指标数据的期望值的约束下最大化商品类目的宽度。

下面对通过整数规划算法获取资源位数量的过程做出说明。

所述整数规划算法的输入数据，包括所述品类规划约束数据、及通过步骤s103获得的各个商品类目对应的所述函数关系。

在本实施例中，品类规划约束数据包括所述资源位的总数量、所述销售指标数据的期望值、和每个商品类目占用资源位数量的最大值。

所述整数规划算法的输出数据为：为各个商品类目分配的资源位数量。整数规划算法输出数据的数学表达形式为向量形式，即：向量x∈n^m,其中，n表示自然数；m表示所述待规划的商品类目的数量；n^m表示由自然数构成的向量，该向量具有m个元素；x向量的每一个元素xi，表示分配给第i个商品类目的资源位数量，xi为非负整数。

所述整数规划算法的优化变量被设定为：x∈{0，1}^m*c，其中，x是一个m行c列的矩阵，矩阵的元素值为0或1；其中，c表示所述每个商品类目占用资源位数量的最大值。

所述整数规划算法的优化目标被设定为：max∑xij，其中，xij表示第i个商品类目是否被分配了j个资源位；若是，则xij＝1；若否，则xij＝0。该公式的含义为：最大化商品类目的宽度。通过设置该优化目标，能够保证最大化品类宽度。

所述整数规划算法的约束条件，可被设定为包括如下条件：

约束条件1、各个商品类目对应的销售指标数据的预测值需要满足的条件为：∑(f(i，j)*xij)≥dμ；

该条件的含义为：每个待规划的商品类目i占用资源位数量j的销售指标数据的预测值f(i,j)之和，要大于等于所述资源位的总数量d与所述销售指标数据的期望值μ之积。

约束条件2、资源位的总数量恒定，即：∑(xij*j)＝d；

该条件的含义为：每个商品类目i被分配的资源位数量j之和等于所述资源位的总数量d。

约束条件3、优化变量x的每一行元素之和小于1，即：∑xi*≤1，i＝1...m；

该条件的含义为：分配给第i个商品类目的资源位数量j取值为1至c(所述每个商品类目占用资源位数量的最大值)的任意一个。

在上述约束条件下运行所述整数规划算法，即可获得各个商品类目的资源位数量；这种处理方式，能够在所述销售指标数据的期望值满足上述约束条件的情况下，尽可能最大化分配有资源位的商品类目的宽度。

需要注意的是，在实际应用中，可以通过调节所述销售指标数据的期望值的方式，以调整品类规划结果。

为了提供更为丰富的品类规划结果，为品类规划人员提供更多的决策依据，除了提供各个商品类目的资源位数量的结果以外，本申请提供的方法还可以提供其它品类规划结果，例如，各个商品类目的销售指标数据的期望值、所有资源位的销售指标数据的期望值等。

所述各个商品类目的销售指标数据的期望值，可通过如下方式获取：根据步骤s103获得的各个商品类目的所述特征数据、及步骤s105获得的各个商品类目的资源位数量，通过所述销售指标数据预测模型，计算获得各个商品类目的销售指标数据的期望值。

具体实施时，将商品类目的所述特征数据及所述资源位数量作为所述销售指标数据预测模型的输入数据，通过销售指标数据预测模型计算获得所述商品类目的销售指标数据的期望值。

所述所有资源位的销售指标数据的期望值，可通过如下方式获取：根据所述商品类目的所述特征数据、及获得的所述商品类目的资源位数量，通过所述销售指标数据预测模型，计算获得所有资源位的销售指标数据的期望值。

例如，当所述销售指标数据是指所述各个资源位的平均销售额时，首先通过所述销售指标数据预测模型，计算获得各个商品类目的所述各个资源位的平均销售额的期望值，然而计算这些期望值的加和平均值，作为所有资源位的平均销售额的期望值。

在上述的实施例中，提供了一种品类规划方法，与之相对应的，本申请还提供一种品类规划装置。该装置是与上述方法的实施例相对应。

请参看图2，其为本申请的品类规划装置实施例的示意图。由于装置实施例基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。

本实施例的一种品类规划装置，包括：

商品类目获取单元101，用于获取待规划的商品类目列表；

函数关系确定单元102，用于针对各个所述商品类目，根据所述商品类目的对销售指标数据产生影响的特征数据和预先生成的销售指标数据预测模型，确定各个所述商品类目各自对应的资源位数量与销售指标数据之间的函数关系；

资源位数量获取单元103，用于根据预设的品类规划约束数据及各个所述商品类目各自对应的所述函数关系，获取各个所述商品类目的资源位数量。

可选的，所述装置还包括：

预测模型生成单元，用于生成所述预先生成的销售指标数据预测模型。

可选的，所述预测模型生成单元，具体用于通过机器学习算法，从训练样本集中学习出所述销售指标数据预测模型；所述训练样本包括历史规划商品类目的特征数据；所述历史规划商品类目的特征数据包括资源位数量和所述对销售指标数据产生影响的特征数据；所述训练样本的标注数据为销售指标数据的实际值。

可选的，所述资源位数量获取单元103，具体用于通过整数规划算法，获取各个所述商品类目的资源位数量。

可选的，所述装置还包括：

第一期望值获取单元，用于根据所述商品类目的所述特征数据、及获得的所述商品类目的资源位数量，通过所述销售指标数据预测模型，计算获得各个所述商品类目的销售指标数据的期望值。

可选的，所述装置还包括：

第二期望值获取单元，用于根据所述商品类目的所述特征数据、及获得的所述商品类目的资源位数量，通过所述销售指标数据预测模型，计算获得获取所有资源位的销售指标数据的期望值。

请参考图3，其为本申请的电子设备实施例的示意图。由于设备实施例基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。下述描述的设备实施例仅仅是示意性的。

本实施例的一种电子设备，该电子设备包括：处理器101；以及存储器103，所述存储器103，用于存储实现品类规划方法的程序，该设备通电并通过所述处理器101运行该品类规划方法的程序后，执行下述步骤：获取待规划的商品类目列表；针对各个所述商品类目，根据所述商品类目的对销售指标数据产生影响的特征数据和预先生成的销售指标数据预测模型，确定各个所述商品类目各自对应的资源位数量与销售指标数据之间的函数关系；根据预设的品类规划约束数据及各个所述商品类目各自对应的所述函数关系，获取各个所述商品类目的资源位数量。

本申请提供的品类规划方法、装置及电子设备，针对各个待规划的商品类目，根据所述商品类目的对销售指标数据产生影响的特征数据和预先生成的销售指标数据预测模型，确定各个商品类目各自对应的资源位数量与销售指标数据之间的函数关系，再根据预设的品类规划约束数据及各个商品类目各自对应的所述函数关系，获取各个商品类目的资源位数量。采用本申请提供的方法，既能够给出满足运营目标的品类规划结果，还能够考虑商品类目的丰富度对商品投放系统的影响，从而达到提高品类规划精度的效果。

与上述的品类规划方法相对应，本申请还提供一种页面生成方法。请参考图4，其为本申请提供的一种页面生成方法实施例的流程图，本实施例与第一实施例内容相同的部分不再赘述，请参见实施例一中的相应部分。本申请提供的一种页面生成方法包括：

步骤s101：获取待规划的商品类目列表。

步骤s103：针对各个所述商品类目，根据所述商品类目的对销售指标数据产生影响的特征数据和预先生成的销售指标数据预测模型，确定各个所述商品类目各自对应的资源位数量与销售指标数据之间的函数关系。

步骤s105：根据预设的品类规划约束数据及各个所述商品类目各自对应的所述函数关系，获取各个所述商品类目的资源位数量。

关于步骤s101、步骤s103、步骤s105的相关说明，请参见实施例一中的相关描述，此处不再赘述。

步骤s107：根据各个所述商品类目的资源位数量和各个所述商品类目下的预设数据对象，生成数据对象展示页面。

通过上述步骤s101至步骤s105获取到各个商品类目的资源位数量后，即可根据各个商品类目的资源位数量和各个商品类目下的预设数据对象，生成数据对象展示页面。所述数据对象展示页面将不显示资源位数量为0的商品类目下的数据对象，而仅显示资源位数量大于0的商品类目下的数据对象。

所述数据对象展示页面中的资源位又称为坑位，即通常所说的互联网广告位。将商品数据对象设置在资源位中，使得用户无需检索即可查看到该商品，从而可以有效提高商品的销售额。

作为一种可选的方案，本步骤s107可包括如下具体步骤：1)针对各个所述商品类目，根据所述商品类目的资源位数量和所述商品类目下的各个预设数据对象的特征数据，通过预先生成的投放决策模型确定所述商品类目下可投放的预设数据对象；2)根据各个所述商品类目的资源位数量和各个所述商品类目下可投放的预设数据对象，生成所述数据对象展示页面。

采用上述方案，首先针对每一个资源位数量大于0的商品类目，通过预先生成的投放决策模型，对该类目下的各个预设数据对象(即：商品)，根据各个预设数据对象的多维度特征数据对各个预设数据对象的投放效果进行预测，并根据预测投放效果数据和该类目的资源位数量，确定可投放的数据对象；然后，根据各个商品类目的资源位数量，在数据对象展示页面中为各个商品类目设置相应数量的资源位，并将决策获得的各个商品类目下的可投放数据对象设置在相应的资源位中，最终形成数据对象展示页面，供用户浏览。

需要注意的是，通过模型决策获得的各个商品类目下的可投放数据对象的数量应小于等于商品类目的资源位数量。

下面以聚划算商品竞拍业务为例，对本申请提供的页面生成方法作进一步说明。在聚划算商品竞拍业务中，首先需要通过步骤s101至步骤s105获取各个商品类目的资源位数量；然后，再通过步骤s107根据获取到的各个商品类目的资源位数量和各个商品类目下已报名商品的数据对象，生成数据对象展示页面。其中，已报名商品数据对象的特征数据可包括：过去3天、一周、一个月内浏览该商品的用户数、购买该商品的用户数、将该商品加入购物车的用户数、收藏该商品的用户数，该商品的总成交金额，该商品在各个历史投放周期的销售金额；此外，该商品的特征数据还可包括：该商品在整个市场的成交占比，以及过去同期一个月内的各种数据指标等数据。

需要说明的是，本步骤s107不仅仅局限于上述给出的可选方案，还可以是其它具体实施方式，例如，不采用投放决策模型，而是简单的从一个商品类目下的所有预设数据对象中选取销售总额排在前资源位数量内的数据对象(如：该商品类目的资源位数量为20，则选取销售总额排在前20位的商品)，作为可投放的预设数据对象等方式。上述这些不同的方式，都只是具体实施方式的变更，都不偏离本申请的核心，因此都在本申请的保护范围之内。

在上述的实施例中，提供了一种页面生成方法，与之相对应的，本申请还提供一种页面生成装置。该装置是与上述方法的实施例相对应。

请参看图5，其为本申请的页面生成装置实施例的示意图。由于装置实施例基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。

本实施例的一种页面生成装置，包括：

商品类目获取单元101，用于获取待规划的商品类目列表；

函数关系确定单元102，用于针对各个所述商品类目，根据所述商品类目的对销售指标数据产生影响的特征数据和预先生成的销售指标数据预测模型，确定各个所述商品类目各自对应的资源位数量与销售指标数据之间的函数关系；

资源位数量获取单元103，用于根据预设的品类规划约束数据及各个所述商品类目各自对应的所述函数关系，获取各个所述商品类目的资源位数量；

页面生成单元104，用于根据各个所述商品类目的资源位数量和各个所述商品类目下的预设数据对象，生成数据对象展示页面。

请参考图6，其为本申请的电子设备实施例的示意图。由于设备实施例基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。下述描述的设备实施例仅仅是示意性的。

本实施例的一种电子设备，该电子设备包括：显示器101；处理器102；以及存储器103，用于存储实现页面生成方法的程序，该设备通电并通过所述处理器102运行该页面生成方法的程序后，执行下述步骤：获取待规划的商品类目列表；针对各个所述商品类目，根据所述商品类目的对销售指标数据产生影响的特征数据和预先生成的销售指标数据预测模型，确定各个所述商品类目各自对应的资源位数量与销售指标数据之间的函数关系；根据预设的品类规划约束数据及各个所述商品类目各自对应的所述函数关系，获取各个所述商品类目的资源位数量；根据各个所述商品类目的资源位数量和各个所述商品类目下的预设数据对象，生成数据对象展示页面。

本申请虽然以较佳实施例公开如上，但其并不是用来限定本申请，任何本领域技术人员在不脱离本申请的精神和范围内，都可以做出可能的变动和修改，因此本申请的保护范围应当以本申请权利要求所界定的范围为准。

在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)。内存是计算机可读介质的示例。

1、计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。

2、本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。