商品的价格优化方法与流程

1.本发明涉及计算机数据处理技术，尤其涉及一种商品的价格优化方法。


背景技术：

2.商品价格与销量息息相关，如何科学地为商品确定一个适当的价格是很复杂的问题。在现有技术中，商品定价通常不考虑替代性商品的因素，或者仅凭经验判断商品之间的替代性。
3.然而这种方式无法有效率地确定最优价格，也无法确认得出的局部最优价格是否为全局最优价格。


技术实现要素：

4.本发明的主要目的在于提供一种商品的价格优化方法，以解决现有技术存在的无法有效率地确定最优价格的问题。
5.根据本发明实施例提出一种商品的价格优化方法，其包括：获取商品历史特征数据信息；根据所述商品历史特征数据信息，通过预先建立的mnl模型计算商品的价格系数，根据商品的价格系数判断该商品是否为低可替代性商品；根据所述商品历史特征数据信息，通过gbdt模型建立低可替代性商品的需求模型；获取关于价格和需求的限制条件，根据所述限制条件和所述需求模型对价格进行优化，确定商品的价格。
6.其中，在商品被判断为低可替代性商品之后，所述方法还包括：根据商品的价格弹性对低可替代性商品进行验证，如果验证不通过则去掉该商品后重新计算剩余的商品的价格系数，并判断商品是否为低可替代性商品。
7.其中，所述方法还包括：对商品进行分类，在同一分类商品中计算的低可替代性商品。
8.其中，所述通过预先建立的mnl模型根据所述历史销售数据信息，计算商品的价格系数的步骤，包括：将所述商品历史特征数据信息代入mnl模型，计算出商品的模型预测销量；其中所述商品历史特征数据信息包括：价格信息、时间特征、竞争者信息；确定商品的真实销量和模型预测销量之差最小化的模型系数，并从所述模型系数中提取出商品的价格系数。
9.其中，所述根据商品的价格系数确定该商品是否为低可替代性商品的步骤，包括：根据所述商品的价格系数的大小判断商品是否为低可替代性商品，其中商品的价格系数的负值越小表示该商品的可替代性越弱，若系数为0则说明该商品没有可替代性。
10.其中，所述根据所述商品历史特征数据信息通过mnl模型建立低可替代性商品的需求模型的步骤，包括：获取所述商品历史特征数据信息中的时间特征和竞争者信息；根据所述时间特征和所述竞争者信息，通过mnl模型建立低可替代性商品的需求模型。
11.其中，所述根据所述限制条件和所述需求模型对价格进行优化的步骤，包括：根据所述限制条件得到商品的可选价格阶梯，确定所述可选价格阶梯中使得利润最大化的价格
作为商品的价格。
12.其中，所述限制条件包括数学类限制条件，具体包括：商品价格的线性不等式组和商品需求的线性不等式组。
13.其中，所述限制条件包括业务功能类限制条件，具体包括以下之一或其组合：价格结尾数限制、在一段时间内保持价格不变、量越多单价越低、不同品牌的价格区别、区间定价、产品线定价、自有品牌价格限制。
14.根据本发明的技术方案，通过量化商品的替代性，并依此筛选出低可替代性商品，对于低可替代性商品，采用mnl模型建立需求模型，再利用模型参数构建价格优化问题，在限制条件下同时优化同类所有商品的价格。
附图说明
15.此处所说明的附图用来提供对本发明的进一步理解，构成本技术的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
16.图1是根据本发明实施例的商品的价格优化方法的流程图。
具体实施方式
17.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
18.以下结合附图，详细说明本发明各实施例提供的技术方案。
19.图1是根据本发明实施例的商品的价格优化方法的流程图，如图1所示，该方法包括以下步骤：
20.步骤s102，获取商品历史特征数据信息。其中，所述商品历史特征数据信息包括但不限于：价格、时间特征、竞争者信息等数据信息，此外还可包括经济指数、行业状况、事件信息(自然灾害、疫情等)。
21.其中，所述的时间特征包括但不限于：节假日、星期、月份、季节等时间等因素，具体地，构造星期(周一到周日)、月份(1到12月)、节假日(包括节假日前后几天)、当地促销日(线下)、平台促销日(线上)、年初、年末、月初、月末等时间特征；竞争者信息包括但不限于：其他卖家的同类商品的价格和销量、与本商场或超市的距离等。
22.步骤s104，根据所述商品历史特征数据信息，通过预先建立的mnl模型计算商品的价格系数，根据商品的价格系数判断该商品是否为低可替代性商品。
23.一般地，可先对商品进行分类，然后在同一类商品中确定商品是否为低可替代性商品。商品的分类原则可根据用途等进行分类，本技术对此不进行限制。在本技术实施例中，价格系数表示商品需求(预计销量)和价格之间的关系。
24.在本实施例中，将商品历史特征数据信息代入mnl模型，分别计算出每个商品的模型预测销量，然后调整模型系数，找出商品的真实销量和模型预测销量之差最小化的模型系数，该模型系数包括价格系数和商品历史数据中的其他系数，从模型系数中可以提取出商品的价格系数。然后，根据商品的价格系数的大小判断商品是否为低可替代性商品，例如
可将商品的价格系数与预设的阈值进行比较进行判断，其中商品的价格系数的负值越小表示该商品的可替代性越弱，若系数为0则说明该商品没有可替代性。
25.mnl模型是一种离散选择模型，可以从一系列同类商品中选择购买其中一个，也可以选择什么都不买。用m表示商品选择的集合，表示什么都不买。对于某个属于m中的商品m在时间段t：
26.d
mt
(y
t
，x
mt
)＝此分类商品在时间段t的市场总量*商品m在时间段t的市场份额
27.d
mt
(y
t
，x
mt
)＝τ(y
t
)*fm(x
mt
)/(1+∑
m∈mfm
(x
mt
))
ꢀꢀꢀꢀ
(1)
28.其中，d
mt
是商品m在时间段t的需求，τ(y
t
)是市场总量函数，)是市场总量函数，y
t
是数据中所有影响这系列商品在时间t的市场总量的变量构成的向量，比如[肉价，天气，星期，人均收入，...]；a和b
t
是和y
t
中所有变量一一对应的系数向量，这些系数可以通过mnl模型计算出来。
[0029]
根据输入向量y
t
输出的是选择购买该商品分类中任一个商品的总数，包括选择不买；fm(x
mt
)是吸引力函数，根据输入向量x
mt
输出购买商品m的可能性，x
mt
是数据中所有影响该分类商品中每个商品的市场份额的变量构成的向量，比如
″
包装、规格、价格、口味等
″
，这里的am和b
mt
也是对应x
mt
的系数向量。在本技术实施例中，τ(y
t
)和fm(x
mt
)使用的都是对数线性模型。
[0030]
对于在时间段t什么都不买的流失份额，
[0031][0032]
mnl模型根据已有的商品历史销售数据，同时估计出市场总量和流失份额。对于每个商品m，模型计算出fm(x
mt
)中向量x
mt
的系数向量，从中提取出关于价格的系数，根据该系数的大小判断商品m对与该系列所有同类商品的可替代性。
[0033]
步骤s106，根据所述商品历史特征数据信息，通过mnl模型建立低可替代性商品的需求模型。
[0034]
用mnl模型筛选出低可替代性商品后，再次对这些商品建立gbdt模型。gbdt(梯度提升决策树)是对决策树的串联集成，通过多次迭代减小模型的误差。通俗来讲，在每一次迭代中，输入商品价格特征、历史销量特征、促销特征、节假日特征、星期月份季节等时间特征，以及竞争者特征等，使用决策树算法将这些特征对销量的影响进行分类、加权，拟合未来一段时间的销量，并计算拟合结果的误差，在下一次迭代中，模型以最小化误差为目标继续拟合，多次迭代，直到误差减小到可接受范围内，从而达到精准预测需求的目标。
[0035]
步骤s108，获取关于价格和需求的限制条件，根据所述限制条件和所述需求模型对价格进行优化，确定商品的价格。
[0036]
在价格优化时，利润＝(价格-成本)*销量，为了最大化利润，先把连续的价格区间转换成离散的价格阶梯，再用gbdt模型找出价格阶梯中最接近最优解的价格。
[0037]
将连续价格区间离散化，采取价格阶梯方法将连续的价格区间划分为小的区间，并将这连续的小区间与离散值关联起来。价格阶梯方法的本质是决定选择分割点的数量和确定分割点的位置。具体步骤包括：
[0038]
1、对连续价格按照某种指定的规则进行排序；
[0039]
2、初步确定连续价格属性的划分断点；
[0040]
3、按照某种给定的判断标准继续分割断点或合并断点；
[0041]
4、如果第三步得到判断标准的终止条件，则终止整个连续价格特征离散化的过程，否则继续按第三步执行。
[0042]
可以满足的限制条件包括：
[0043]
1、单个商品价格的上下限
[0044]
2、单个商品需求的上下限
[0045]
商品价格的限制条件可以在构建价格阶梯时满足，而商品需求的限制条件在用gbdt模型预测价格阶梯对应的销量之后再通过排除法满足。
[0046]
本发明在商品价格优化中考虑了时间效应和竞争者效应。时间效应包括节假日、星期、月份、季节等时间等因素，构造星期(周一到周日)、月份(1到12月)、节假日(包括节假日前后几天)、当地促销日(线下)、平台促销日(线上)、年初、年末、月初、月末等时间特征。
[0047]
对于低可替代的商品，所有商品的时间效应和竞争者效应是独立的，体现为时间效应和竞争者效应对每一件商品的历史影响，以此拟合时间效应和竞争者效应与需求函数的关系(或预测时间效应对未来需求的影响)，在此基础上，求解最优价格，量化时间效应对价格优化的影响。
[0048]
本领域技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明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，本发明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。
[0049]
以上所述仅为本发明的实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。