一种汽车零配件商品智能定价方法及系统与流程

1.本发明属于电子商务技术领域，具体涉及一种汽车零配件商品智能定价方法及系统。


背景技术：

2.目前我国汽车保有量已接近4亿辆，这么大量的汽车保有量，催生了中国汽车后市场的磅礴发展，目前汽车后市场维修和保养市场容量1.2万亿元规模。在如此大规模的市场中，汽车零配件市场整体缺乏规范性和透明性。零部件销售企业的定价体系通常存在以下问题：1.商品价格由人工制定，需要维护大量商品价格，造成企业人力成本上升。2.人工维护价格无法跟随市场行情波动及时调整，造成商品销量或利润降低。3.传统定价方式无法针对同一个商品在不同区域不同门店精细化定价。对于零部件企业来说，售价的高低直接影响了公司经营状况，当售价过高时，会造成客户流失，销量下降；当售价过低时，影响了公司利润，直接导致企业经营状况恶化。因此智能定价系统对汽车后市场企业非常重要。


技术实现要素：

3.技术问题：针对现有技术中存在的上述问题，本发明所要解决的技术问题在于提供一种汽车零配件商品智能定价方法及系统优化商品定价。
4.技术方案：为了解决上述技术问题，本发明采用的技术方案如下：
5.一种汽车零配件商品智能定价方法，包括以下步骤：
6.步骤s1、建立智能定价数据库，导入商品数据、产品线配置、门店信息数据、商品核算价数据、销售订单数据和竞对数据；
7.步骤s2、数据预处理：订单数据清洗，过滤掉无效订单数据；设置一种以上的定价方法，通过计算订单商品销售占比及商品归属的产品线适配定价方法；
8.步骤s3、多粒度统计数据准备：基于预处理后的数据，统计商品在全国、大区、小区、城市、郡县、门店这六种维度的总成本、总销售额、总销量和总利润，并计算出商品的最大利润和最大利润对应的实售价格；
9.步骤s4、基于步骤s2中适配的定价方法，执行定价方法中在门店、小区和大区这三个维度中的计算方案，依照门店、小区、大区生成这三个维度的最终建议售价；
10.步骤s5、生成的最终建议售价在企业销售系统展示和使用，由销售人员进行反馈，反馈结果由运营人员分析，并修改人工订正规则，形成定价流程闭环。
11.优选的，所述步骤s1中，所述商品数据包含商品的编码、品牌、类目信息，销售订单数据通过商品编码关联商品详细信息；
12.所述产品线包含第一产品线、第二产品线、第三产品线、第四产品线、第五产品线、第六产品线、第七产品线；
13.所述门店信息数据包含门店所在地理位置；
14.所述商品核算价是指商品销售成本价，核算价＝采购成本+库存成本+运输成本+
人力研发成本；
15.所述竞对数据是竞对商品的售价，由第三方或销售人员合法获取的公开竞对价格数据。
16.优选的，所述步骤s2具体包括以下步骤：
17.步骤s2.1、设置多个清洗规则，若订单符合多个清洗规则中的任意一条则判断该订单无效，过滤掉无效订单数据；
18.步骤s2.2、计算最新实售价：
19.记订单成交时实售价为rp0，成交时核算价为ap0，最新核算价为ap1，则最新实售价realprice＝rp0×
(ap0/ap1)；
20.步骤s2.3、商品sku0在小区这个维度的销售总额为st0，商品sku0同品牌类目的所有商品sku1、sku2、sku3、
……
、skun的小区销售总额分别为st1、st2、st3、
……
、stn，则商品sku0的销售额占当前小区同品牌类目商品的销售总额比例sr0＝st0/(st1+st2+st3+
……
stn)，相同方式可以计算出商品sku1、sku2、sku3、
……
、skun的同品类销售占比分别为sr1、sr2、sr3、
……
、srn；
21.对于商品sku0，计算sr1、sr2、sr3、
……
、stn中大于等于sr0的数值总和upper_sr0，100＞upper_sr0≥0；
22.通过upper_sr数值评估该商品在同品牌类目商品中的销售权重，upper_sr越小则代表该商品的销售权重越大，销售额占比越高。
23.步骤s2.4、设置两种定价方法，包括最大利润定价法和加价率定价法，基于upper_sr区间适配定价方法，适配规则如下：
24.upper_sr≤x1，最大利润定价法；
25.x1＜upper_sr≤x5，加价率定价法；
26.x5＜upper_sr，不适用自动定价；
27.其中，x1、x5为预设数值，且1＞x5＞x1＞0。
28.优选的，所述步骤s3包括：
29.步骤s3.1、记每个订单中商品销量为saleamount，核算价为accountprice，最新实售价为realprice，则：
30.总成本totalcost＝∑accountprice
×
saleamount
31.总销售额totalincome＝∑realprice
×
saleamount
32.总销量totalsales＝∑saleamount
33.总利润totalprofit＝totalincome-totalcost；
34.步骤s3.2、计算出每个商品在全国、大区、小区、城市、郡县、门店的最大利润，选出每个维度最大利润对应的实售价格，分别记为：
35.全国最大利润价price_country_max；
36.大区最大利润价price_area_max；
37.小区最大利润价price_smallarea_max；
38.城市最大利润价price_city_max；
39.郡县最大利润价price_town_max；
40.门店最大利润价price_store_max。
41.优选的，所述步骤s4包括：
42.步骤4.1、所述最大利润定价法在门店维度的计算方案：
43.一、商品属于第一产品线、第二产品线、第三产品线商品：
44.若商品在某一维度的总销量totalsales大于等于min_sale时，则这个维度对应的最大利润价为有效值，在门店最大利润价、郡县最大利润价、城市最大利润价、小区最大利润价、大区最大利润价中取得最大的一个值，即：
45.门店销售建议价first_price_store＝max(price_store_max，price_town_max，price_city_max，price_smallarea_max，price_area_max，0)；
46.二、商品属于第四产品线：
47.若商品在某一维度的总销量totalsales大于等于min_sale时，则这个维度对应的最大利润价为有效值，在门店最大利润价、郡县最大利润价、城市最大利润价、小区最大利润价、大区最大利润价中取得最小的一个值。即：
48.门店销售建议价first_price_store＝min(price_store_max，price_town_max，price_city_max，price_smallareamax，price_areamax)；
49.三、商品属于第五产品线：
50.若商品在门店维度的总销量totalsales大于等于min_sale时，则门店维度对应的最大利润价为有效值，其他维度的最大利润价不论销量大小均为有效值，然后在门店最大利润价、郡县最大利润价、城市最大利润价、小区最大利润价、大区最大利润价中选择第二大的值，即：
51.门店销售建议价first_price_store＝second_max(price_store_max，price_town_max，price_city_max，price_smallarea_max，price_area_max，0)；
52.四、商品属于第六产品线：
53.若商品在门店维度的总销量totalsales大于等于min_sale时，则门店维度对应的最大利润价为有效值，其他维度的最大利润价不论销量大小均为有效值，然后在门店最大利润价、郡县最大利润价、城市最大利润价、小区最大利润价、大区最大利润价中选择最小的一个值，即：
54.门店销售建议价first_price_store＝min(price_store_max，price_town_max，price_city_max，price_smallarea_max，price_area_max)
55.min_sale为预设参数，min_sale≥100，用于过滤低销量时无参考意义的最大利润价；
56.步骤s4.2、基于步骤s4.1得到的门店销售建议价first_price_store，筛选产品线为长尾产品线或潜力产品线商品，且总销量totalsales大于等于min_sale的数据，计算小区加价率x：
[0057][0058]
步骤s4-3、计算竞对加价率y：
[0059]
[0060]
式中，竞对售价是竞对商品的售价；影响系数m为预设参数，1≥m＞0，每种产品线影响系数m设置不同；竞对核算价是竞对商品的核算价；
[0061]
步骤s4.4、加价率定价法在门店维度计算方案基于步骤s4.2和步骤s4.3中得到的小区加价率x和竞对加价率y进行计算，设定小区加价率x的权重为a，竞品加价率y的权重为b，a、b为预设数值，1≥a＞0，1≥b＞0，a+b＝1，c为人工加价系数，2≥c＞1，门店销售建议价：
[0062]
门店销售建议价
[0063][0064]
式中，accountprice为核算价；
[0065]
步骤s4.5、基于商品的upper_sr区间适配定价方法，按照所适配定价方法在门店维度的计算方案执行，最终可以得到商品在门店维度的门店销售建议价first_price_store；
[0066]
门店最终建议售价final_price_store＝first_price_store
×
z，z为修正系数，1.5≥z＞0.5；
[0067]
步骤s4.6、最大利润定价法在小区维度的计算方案：
[0068]
小区销售建议价frst_price_smallarea＝小区最大利润价price_smallarea_max即步骤s3.2统计结果
[0069]
步骤s4.7、加价率定价法在小区维度计算方案与步骤s4.4中加价率定价法在门店维度的计算方案相同：
[0070]
小区销售建议价
[0071][0072]
式中，accountprice为核算价；
[0073]
步骤s4.8、基于商品的upper_sr区间适配定价方法，按照所适配定价方法在门店维度的计算方案执行，最终可以得到商品在小区维度的小区销售建议价first_price_smallarea；
[0074]
小区最终建议售价final_price_smallarea＝first_price_smallarea
×
z，z为修正系数，1.5≥z＞0.5；
[0075]
步骤s4.9、大区维度的建议售价基于商品在门店维度的建议售价结果，计算商品在大区内所有门店的门店最终销售建议价final_price_tore的平均值即为大区建议售价：
[0076]
大区建议售价
[0077]
优选的，所述步骤s5中价格反馈流程包括：
[0078]
步骤s5.1、在企业销售系统加入价格反馈功能，由门店销售人员在销售、报价时，针对智能定价生成的最终建议售价提出反馈建议，建议信息包括反馈人信息、反馈时间、产品编码、产品型号、信息来源、反馈人建议售价、市场价格；
[0079]
步骤s5.2、反馈信息通过系统在运营后台统一展示，由运营人员分析反馈信息是
否合理；
[0080]
步骤s5.3、由运营人员在智能定价系统后台，调整步骤s4.5、步骤s4.8中的修正系数z，控制定价结果在更加精确的范围内。
[0081]
优选的，所述多个清洗规则如下：
[0082]
(1)、实售单价小于核算价，即商品销售单价小于销售成本价；
[0083]
(2)、核算价等于0.01元，即商品属于赠品或促销品；
[0084]
(3)、核算价小于r1元，并且实售单价大于等于d1倍的核算价，50≥r1≥10，d1＞10；
[0085]
(4)、核算价大于r1元小于等于r2元，并且实售单价大于等于d2倍的核算价，50≥r1≥10，200≥r2≥100，10≥d2＞5；
[0086]
(5)、核算价大于r2元，并且实售单价大于等于d3倍的核算价，200≥r2≥100，5≥d3≥1；
[0087]
(6)、出库数量小于0；
[0088]
(7)、订单销售客户类型不符合；
[0089]
(8)、订单时间超过一年。
[0090]
优选的，所述步骤s2.4中，所述加价率定价法包括第二加价率定价法、第三加价率定价法、第四加价率定价法和第五加价率定价法，基于upper_sr区间适配加价率定价方法时适配规则如下：
[0091]
x1＜upper_sr≤x2，第二加价率定价法；
[0092]
x2＜upper_sr≤x3，第三加价率定价法；
[0093]
x3＜upper_sr≤x4，第四加价率定价法；
[0094]
x4＜upper_sr≤x5，第五加价率定价法；
[0095]
其中，x1、x2、x3、x4、x5为预设数值，且1＞x5＞x4＞x3＞x2＞x1＞0；
[0096]
所述步骤s4.4中，小区加价率x的权重a和竞品加价率y的权重为b在加价率定价法中具体分为：
[0097]
第二加价率定价法，权重系数为a2，b2；
[0098]
第三加价率定价法，权重系数为a3，b3；
[0099]
第四加价率定价法，权重系数为a4，b4；
[0100]
第五加价率定价法，权重系数为a5，b5。
[0101]
优选的，所述第一产品线是辅料产品线，所述第二产品线是组合产品线，所述第三产品线是长尾产品线，所述第四产品线是潜力产品线，所述第五产品线是主力产品线、所述第六产品线是新产品线，所述第七产品线是自控产品线。
[0102]
本发明还提供了一种汽车零配件商品智能定价系统，所述系统包含了数据导入单元、数据处理单元、策略分析单元、定价计算单元、数据保存单元、价格反馈单元；
[0103]
所述数据导入单元用于导入用于智能定价算法使用的基础数据，包含基础数据模块和人工参数模块，所述基础数据模块用于导入商品数据、门店数据、订单数据，所述人工参数模块用于导入计算过程中涉及的人工参数和预设数值；
[0104]
所述数据处理单元用于对导入数据进行过滤、计算处理，包含预处理模块和统计模块，所述预处理模块用于过滤无效订单数据、商品归属产品线、订单商品销售占比计算操作，所述统计模块用于统计各商品在全国、大区、小区、城市、郡县、门店六种维度的总成本、
总销售额、总销量、总利润，并计算出商品的最大利润和最大利润对应的实售价格，供定价计算单元使用；
[0105]
所述策略分析单元用于根据数据处理单元的计算结果，适配对应的定价策略；
[0106]
所述定价计算单元用于根据策略分析单元适配的定价策略，执行对应的计算方案；
[0107]
所述数据保存单元用于将定价计算单元中计算后的定价结果保存至数据库中；
[0108]
所述价格反馈单元包含建议反馈模块和人工调价模块，所述建议反馈模块用于收集销售系统中销售人员对智能定价系统生成的建议销售价的反馈建议，所述人工调价模块用于运营人员根据反馈建议修改优化人工参数，从而形成定价流程闭环。
[0109]
有益效果：与现有技术相比，本发明具有以下优点：1、能够基于企业历史订单数据，结合汽车后市场商品的特殊性，采用多种定价策略，最终计算出能够提高企业销售利润率的最终建议售价；
[0110]
2、可针对相同商品在不同区域不同门店进行精细化定价，可定时更新；
[0111]
3、具备价格反馈机制，前端销售人员可通过系统功能对商品售价提出合理建议，提报售价建议范围；
[0112]
4、具备人工修正功能，基于公司运营策略以及价格反馈数据，运营人员可针对特定品牌类目、特定销售区域的商品设定人工修订规则，优化加价系数，提高商品定价的准确性。
附图说明
[0113]
图1是本发明实施例系统结构示意图；
[0114]
图2是本发明实施例1中最大利润定价法框图；
[0115]
图3是本发明实施例1中小区加价率框图；
[0116]
图4是本发明实施例1中竞对加价率框图；
[0117]
图5是本发明实施例1中加价率定价法框图；
[0118]
图6是实施例1中反馈信息列表页面示意图；
[0119]
图7是实施例1中系统后台页面示意图。
具体实施方式
[0120]
下面结合具体实施例，进一步阐明本发明，实施例在以本发明技术方案为前提下进行实施，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围。
[0121]
实施例1
[0122]
本发明实施例提供了一种汽车零配件商品智能定价方法，包括以下步骤：
[0123]
步骤s1、建立智能定价数据库，导入商品数据、产品线配置、门店信息数据、商品核算价数据、销售订单数据、竞对数据。
[0124]
商品数据包含商品的编码、品牌、类目等信息，订单数据通过商品编码关联商品详细信息。
[0125]
产品线是基于汽车后市场的商品特征，通过商品品牌和类目的组合关系能够确定所归属产品线，一个产品线可包含多个品牌和多个类目的组合关系。目前系统中产品线分
为7类：主力产品线、自控产品线、辅料产品线、新品产品线、组合产品线、潜力产品线、长尾产品线。主力产品线：汽车配件流通企业最主流的配件，自控产品线：拥有自主品牌，通过oem厂家代工等形式经营的配件，价格自主控制，不使用智能定价方法；辅料产品线：汽车配件的辅助材料，包含机修辅材、洗美辅材、劳防用品等，配合主产品销售；新品产品线：全新上市的产品，具有一定创新或特点的配件，消费者在市场上很难获得同行价或竞争对手类型的配件；组合产品线：以套装或套餐形式售卖的配件，将多个独立商品组合成一套定价；潜力产品线：新入市场，还属于市场接纳程度处于增长中的配件；长尾产品线：销量小但种类多的配件，其特点是总数量巨大，类目和品牌比较分散，销售周期长；可由人工修改配置。
[0126]
门店信息包含门店所在地理位置，根据公司销售策略，将全国划分为多个大区(例如华中区域、东北区域、西北区域、西南区域、华东区域)，每个大区再划分为多个小区(例如华东区域分为华东1区、华东2区、华东3区等)，每个小区包含多个门店，每个销售订单通过归属的销售门店，可以关联到小区和大区。
[0127]
商品核算价是指销售成本价，核算价＝采购成本+库存成本+运输成本+人力研发成本。
[0128]
其中：
[0129]
1)、采购价可能固定也可能浮动，不同商品、不同供应商，采购价的计算方式有所不同；
[0130]
2)、库存成本包括多级仓库的库存成本，前置仓、旗舰仓、中心仓等；
[0131]
3)、人力研发成本根据研发人员的工资与商品销售收入等因子计算。
[0132]
竞对数据是竞争对手商品的售价，由第三方或销售人员合法获取的公开竞对价格数据。
[0133]
以南京宁南门店商品编码090306的商品为例进行说明，智能定价数据库中导入的该商品相关数据如下：
[0134]
商品编码090306的商品类目为火花塞，品牌为ngk，归属产品线为长尾产品线。
[0135]
南京宁南门店归属小区为“华东1区”，归属大区为“华东区域”。
[0136]
该商品当前核算价为42元，商品核算价是指销售成本价，核算价＝采购成本+库存成本+运输成本+人力研发成本。
[0137]
步骤s2、数据预处理：订单数据清洗，过滤掉无效订单数据；设置多种定价方法，通过计算订单商品销售占比及商品归属的产品线适配定价方法，步骤s2包括：
[0138]
步骤s2.1订单数据清洗，设置多个清洗规则，过滤掉无效订单数据，符合以下任意一条则判断该订单无效，规则如下：
[0139]
(1)、实售单价小于核算价，即商品销售单价小于销售成本价；
[0140]
(2)、核算价等于0.01元，即商品属于赠品或促销品；
[0141]
(3)、核算价小于r1元，并且实售单价大于等于d1倍的核算价，50≥r1≥10，d1＞10；
[0142]
(4)、核算价大于r1元小于等于r2元，并且实售单价大于等于d2倍的核算价，50≥r1≥10，200≥r2≥100，10≥d2＞5；
[0143]
(5)、核算价大于r2元，并且实售单价大于等于d3倍的核算价，200≥r2≥100，5≥d3≥1；
[0144]
(6)、出库数量小于0；
[0145]
(7)、订单销售客户类型为快修美容店(大型)或快修美容店(小型)或轮胎店或综合维修店(大型)或综合维修店(小型)；
[0146]
(8)、订单时间超过一年；
[0147]
第(7)条中订单销售客户类型是根据客户注册时登记的客户类型(前台销售代为注册)，大致分为个人客户、批发客户、修理厂客户、快修美容店(大型/小型)、轮胎店、综合维修店(大型/小型)等，人为设置可选择部分客户订单不参与智能定价。
[0148]
第(8)条中以订单成交时间与计算时间的时间差为依据。
[0149]
例如：存在一条销售订单数据，订单号为000001，订单中商品编码090306的商品实售价格为55元，订单客户为快修美容(大型)类型。因符合以上规则中第(7)条，被判定为无效订单，该条订单数据不参与智能定价的计算和统计。
[0150]
例如：存在一条销售订单数据，订单号为000002，订单中商品编码090306的商品实售价格为49元，大于核算价42元，不符合以上规则(1)；
[0151]
该案例中，r1＝50，r2＝100，d1＝10，d2＝5，d3＝3，因该商品的核算价为42元小于50元，对应规则3，订单中该商品的实售价格为49元，实售单价等于1.167倍核算价，小于规则中的10倍要求。因此不符合以上规则中(2)、(3)、(4)、(5)；
[0152]
该案例中，订单中商品编码090306的商品出库数量为196，不符合规则(6)；订单客户类型为批发客户类型，不符合规则(7)。订单成交时间为2022年4月22日，不符合规则(8)。
[0153]
综上所述，订单号为000002的订单不符合以上规则(1)-(8)，因此属于有效数据，参与智能定价中的计算和统计。
[0154]
步骤s2.2、计算最新实售价：
[0155]
记订单成交时实售价为rp0，成交时核算价为ap0，最新核算价为ap1，则最新实售价realprice＝rp0×
(ap0/ap1)，由于市场销售成本是在波动的，订单成交时的实售价格是个历史数据，相对于当前代表的“价值”是不一样的，通过成交时核算价与最新核算价的比例可以计算出成交时实售价在当前的实售价值。
[0156]
以订单号为000002的订单中商品编码090306的商品为例：
[0157]
订单实售价为49元，成交时核算价为42元，最新核算价为42元，则最新实售价＝49
×
(42/42)＝49元，因该商品成本价未发生波动，订单最新实售价没有修正。
[0158]
步骤s2.3、商品sku0在小区这个维度的销售总额为st0，商品sku0同品牌类目的所有商品sku1、sku2、sku3、
……
、skun的小区销售总额分别为st1、st2、st3、
……
、stn，则商品sku0的销售额占当前小区同品牌类目商品的销售总额比例sr0＝st0/(st1+st2+st3+
……
stn)，相同方式可以计算出商品sku1、sku2、sku3、
……
、skun的同品类销售占比分别为sr1、sr2、sr3、
……
、srn；
[0159]
对于商品sku0，计算sr1、sr2、sr3、
……
、stn中大于等于sr0的数值总和upper_sr0，100＞upper_sr0≥0；
[0160]
通过upper_sr数值评估该商品在同品牌类目商品中的销售权重，upper_sr越小则代表该商品的销售权重越大，销售额占比越高。
[0161]
以订单号为000002的订单中商品编码090306的商品为例：
[0162]
计算商品编码090306的商品在“华东1区”的门店的所有有效订单的商品销售总额st0，计算相同品牌(“ngk”)，相同类目(火花塞)的所有商品在“华东1区”的门店的所有有效
订单的商品销售总额st1+st2+st3+
……
stn[0163]
则商品编码090306的商品在“华东1区”的销售占比sr0＝st0/(st1+st2+st3+
……
stn)＝0.038
[0164]
按照以上公式，计算品牌为“ngk”，类目为火花塞的每个商品的销售占比sr1、sr2、sr3等。
[0165]
根据upper_sr＝大于等于当前商品销售占比的所有同品类商品销售占比之和，商品编码090306的商品upper_sr0＝sr1+sr2+sr3+
……
+srn(若sr1、sr2、sr3、
……
、srn≥sr0)得到upper_sr0＝0.136。
[0166]
通过upper_sr数值我们可以评估该商品在同品牌类目商品中的销售权重，upper_sr越小则代表该商品的销售权重越大，销售额占比越高。
[0167]
步骤s2.4、设置划分定价方法，包括最大利润定价法和加价率定价法，其中加价率定价法包括第二加价率定价法、第三加价率定价法、第四加价率定价法和第五加价率定价法，所以定价方法共有五种，基于upper_sr区间适配加价率定价方法时适配规则如下：
[0168]
upper_sr≤x1，最大利润定价法；
[0169]
x1＜upper_sr≤x2，第二加价率定价法；
[0170]
x2＜upper_sr≤x3，第三加价率定价法；
[0171]
x3＜upper_sr≤x4，第四加价率定价法；
[0172]
x4＜upper_sr≤x5，第五加价率定价法；
[0173]
其中，x1、x2、x3、x4、x5为预设数值，且1＞x5＞x4＞x3＞x2＞x1＞0：
[0174]
此案例中，x1＝0.8，upper_sr0＝0.136符合规则upper_sr≤x1，因此商品编码090306的商品在智能定价系统中，采用最大利润定价法进行计算。
[0175]
步骤s3多粒度统计数据准备：基于预处理后的数据，统计商品在全国、大区、小区、城市、郡县、门店六种维度的总成本、总销售额、总销量、总利润，并计算出商品的最大利润和最大利润对应的实售价格。
[0176]
步骤s3包括：
[0177]
步骤s3.1、记每个订单中商品销量为saleamount，核算价为accountprice，最新实售价为realprice，则：
[0178]
总成本totalcost＝∑accountprice
×
saleamount
[0179]
总销售额totalincome＝∑realprice
×
saleamount
[0180]
总销量totalsales＝∑saleamount
[0181]
总利润totalprofit＝totalincome-totallcost。
[0182]
步骤s3.2、计算出每个大区、小区、城市、郡县、门店各维度的最大利润，选出每个维度最大利润对应的实售价格，分别记为：
[0183]
全国最大利润价price_country_max；
[0184]
大区最大利润价price_area_max；
[0185]
小区最大利润价price_smallarea_max；
[0186]
城市最大利润价price_city_max；
[0187]
郡县最大利润价price_town_max；
[0188]
门店最大利润价price_store_max。
[0189]
商品在小区(或其他维度)的最大利润价格计算逻辑：根据该商品在小区的订单数据，对每种实售价格计算“预期总利润”，然后取“预期总利润”最大的值作为最大利润，此时该实售价格为最大利润价。每个实售价格的“预期总利润”＝当前商品在当前小区，实售价格大于等于当前实售价格的订单中商品总销量
×
(当前实售价格-核算价)。
[0190]
具体说明：某个商品在某个小区有多个不同实售价格的订单，实售价格有j1元、j2元、j3元
…jn
元，jn＞j3＞j2＞j1)，设该商品的核算价为j0元，实售价格为j1元的订单商品总销量为k1个，实售价格为j2元的订单商品总销量为k2个，实售价格为j3元的订单商品总销量为k3个，实售价格为jn元的订单商品总销量为kn个。
[0191]
实售价格j1的“预期总利润”根据步骤s3.1计算公式，商品销量saleamount＝k1+k2+k3+
…kn
，accountprice＝j0，realprice＝j1[0192]
实售价格j1的“预期总利润”j1_total_profit＝总销售额-总销售额＝realprice x saleamount-accountprice x saleamount＝(j
1-j0)
×
(k1+k2+k3+
…kn
)
[0193]
同理，实售价格j2的“预期总利润”j2_total_profit＝(j
2-j0)
×
(k2+k3+
…kn
)；
[0194]
实售价格j3的“预期总利润”j3_total_profit＝(j
3-j0)
×
(k3+
…kn
)；
[0195]
实售价格jn的“预期总利润”jn_total_profit＝(j
n-j0)
×kn
；
[0196]
该个商品在该小区的最大利润＝max(j1_total_profit，j2_total_profit，j3_total_profit，
…
，jn_total_profit)，最大利润对应的实售价格为最大利润价。
[0197]
以商品编码090306的商品在南京宁南门店的销售订单数据为例：
[0198]
实售价格50元的订单总销售量为26个
[0199]
实售价格52元的订单总销售量为44个
[0200]
实售价格55元的订单总销售量为135个
[0201]
实售价格58元的订单总销售量为23个
[0202]
商品编码090306的商品核算价为42元，计算如下：
[0203]
实售价格50元的“预期总利润”＝(26+44+135+23)
×
(50-42)＝1824元
[0204]
实售价格52元的“预期总利润”＝(44+135+23)
×
(52-42)＝2020元
[0205]
实售价格55元的“预期总利润”＝(135+23)
×
(55-42)＝2054元
[0206]
实售价格58元的“预期总利润”＝23
×
(58-42)＝368元
[0207]
此时，实售价格55元的“预期总利润”数值最大，商品编码090306的商品在南京宁南门店的最大利润为2054元，最大利润价为55元。
[0208]
同理，根据上述方法，可以计算出商品编码090306商品的全国、大区、小区、城市、郡县的最大利润价：
[0209]
全国最大利润价price_country_max＝49.9元；
[0210]
大区最大利润价price_area_max＝49.9元；
[0211]
小区最大利润价price_smallarea_max＝50元；
[0212]
城市最大利润价price_city_max＝55元；
[0213]
郡县最大利润价price_towm_max＝55元；
[0214]
门店最大利润价price_store_max＝55元。
[0215]
步骤s4、基于步骤s2中适配的定价方法，执行定价方法中在门店、小区和大区这三个维度中的计算方案，依照门店、小区、大区生成这三个维度的最终建议售价，如图2所示，
包括：
[0216]
步骤4.1、最大利润定价法在门店维度的计算方案：
[0217]
一、商品属于辅料产品线、组合产品线、长尾产品线商品：
[0218]
若商品在某一维度的总销量totalsales大于等于min_sale时，则这个维度对应的最大利润价为有效值，在门店最大利润价、郡县最大利润价、城市最大利润价、小区最大利润价、大区最大利润价中取得最大的一个值。即：
[0219]
门店销售建议价first_price_store＝max(price_store_max，price_town_max，price_city_max，price_smallareamax，price_area_max，0)
[0220]
二、潜力产品线：
[0221]
若商品在某一维度的总销量totalsales大于等于min_sale时，则这个维度对应的最大利润价为有效值，在门店最大利润价、郡县最大利润价、城市最大利润价、小区最大利润价、大区最大利润价中取得最小的一个值。即：
[0222]
门店销售建议价first_price_store＝min(price_store_max，price_town_max，price_city_max，price_smallarea_max，price_area_max)
[0223]
三、主力产品线：
[0224]
若商品在门店维度的总销量totalsales大于等于min_sale时，则门店维度对应的最大利润价为有效值，其他维度的最大利润价不论销量大小均为有效值，然后在门店最大利润价、郡县最大利润价、城市最大利润价、小区最大利润价、大区最大利润价中选择第二大的值，即：
[0225]
门店销售建议价first_price_store＝second_max(price_store_max，price_town_max，price_city_max，price_smallarea_max，price_area_max，0)
[0226]
四、商品属于新产品线：
[0227]
若商品在门店维度的总销量totalsales大于等于min_sale时，则门店维度对应的最大利润价为有效值，其他维度的最大利润价不论销量大小均为有效值，然后在门店最大利润价、郡县最大利润价、城市最大利润价、小区最大利润价、大区最大利润价中选择最小的一个值，即：
[0228]
门店销售建议价first_price_store＝min(price_store_max，price_town_max，price_city_max，price_smallareamax，price_area_max)
[0229]
min_sale为预设参数，min_sale≥100，用于过滤低销量时无参考意义的最大利润价；若商品在门店总销量小于100，则门店最大利润价不参与最大值选举，从郡县最大利润价、城市最大利润价、小区最大利润价、大区最大利润价中选举。同理，如果商品在郡县的总销量也小于100，则继续从城市最大利润价、小区最大利润价、大区最大利润价中选举，以此类推。主力产品线和新产品线由于涉及的商品销量比较低，仅对门店维度销量做出限制。另一方面，对门店销量做出限制是为了避免异常数据影响，例如商品只在很少的门店销售，且各个门店销量低于100，此时门店的定价存在不合理的情况，会影响智能定价结果。
[0230]
该案例中，商品编码090306的商品归属长尾产品线，因此执行第一个计算方案，计算公式为：
[0231]
门店销售建议价first_price_store＝max(price_store_max，price_town_max，price_city_max，price_smallarea_max，price_area_max，0)；
[0232]
基于步骤s3.2中计算结果：
[0233]
全国最大利润价price_country_max＝49.9元；
[0234]
大区最大利润价price_area_max＝49.9元；
[0235]
小区最大利润价price_smallarea_max＝50元；
[0236]
城市最大利润价price_city_max＝55元；
[0237]
郡县最大利润价price_town_max＝55元；
[0238]
门店最大利润价price_store_max＝55元；
[0239]
最终商品编码090306的商品在南京宁南门店的销售建议价由最大利润定价法计算结果为55元。
[0240]
步骤s4.2、如图3所示，基于步骤s4.1得到的门店销售建议价first_price_store，筛选产品线为长尾产品线或潜力产品线商品(除长尾产品线和潜力产品线，其他产品线定价逻辑需要受人工定价影响，因此不适合作为小区加价率的计算依据。长尾产品线和潜力产品线覆盖全部商品94％，具有一定普遍性。)，且全国总销量totalsales大于等于min_sale的数据，计算小区加价率x：
[0241][0242]
该案例中，基于步骤s4.1得到商品编码090306的商品在南京宁南门店的销售建议价55元，且符合长尾产品线的条件，全国总销量totalsales大于等于100，计算小区加价率x。
[0243]
除长尾产品线和潜力产品线，其他产品线定价逻辑需要受人工定价影响，因此不适合作为小区加价率的计算依据。长尾产品线和潜力产品线覆盖全部商品94％，具有一定普遍性。
[0244]
商品编码090306的商品，在“华东1区”的小区加价率为1.29。
[0245]
这里算的小区加价率，实际使用时不需要所有商品都参与计算。比如100个商品，有50个适配了最大利润定价法，得到了门店销售建议价，其中30个符合长尾或潜力产品线，并且销量大于限制，通过这30个商品的门店销售建议价可以计算出这个小区的加价率。然后在计算小区内门店的所有商品时，都可以使用这个小区加价率。
[0246]
步骤s4.3、如图4所示，计算竞对加价率y：
[0247][0248]
式中，竞对售价是竞对商品的售价；影响系数m为预设参数，1≥m＞0，每种产品线影响系数m设置不同；竞对核算价是竞对商品的核算价。
[0249]
该案例中，商品编码090306的商品，该商品品牌为“ngk”，类目为火花塞。因此筛选所有品牌为“ngk”，类目为火花塞的竞对商品数据计算，其中影响系数m＝0.6，竞对核算价平均值为41.98，竞对售价在50-80之间无法全部列举，经过计算，竞对加价率＝1.68。
[0250]
步骤s4.4、如图5所示，加价率定价法在门店维度计算方案基于步骤s4.2和步骤s4.3中得到的小区加价率x和竞对加价率y进行计算，设定小区加价率x的权重为a，竞品加价率y的权重为b，a、b为预设数值，1≥a＞0，1≥b＞0，a+b＝1，c为人工加价系数，2≥c＞1；
加价率定价法具体分为：
[0251]
第二加价率定价法，权重系数为a2，b2；
[0252]
第三加价率定价法，权重系数为a3，b3；
[0253]
第四加价率定价法，权重系数为a4，b4；
[0254]
第五加价率定价法，权重系数为a5，b5；
[0255]
图中，加价率定价法＝2、3、4、5分别对应第二加价率定价法、第三加价率定价法、第四加价率定价法、第五加价率定价法。
[0256]
门店销售建议价：
[0257]
门店销售建议价
[0258][0259]
式中，accountprice为核算价。
[0260]
此案例中，a2＝0.75，b2＝0.25，a3＝0.5，b3＝0.5，a4＝0.25，b4＝0.75，a5＝0，b5＝1，c＝1.3。
[0261]
因商品编码090306的商品在步骤2.4中已经确认使用最大利润定价法，因此并不会执行步骤s4.4中的门店加价率定价法。
[0262]
步骤s4.5、基于商品的upper_sr区间适配定价方法，按照所适配定价方法在门店维度的计算方案执行，最终可以得到商品在门店维度的门店销售建议价first_price_store；
[0263]
门店最终建议售价final_price_store＝first_price_store
×
z，z为修正系数，1.5≥z＞0.5。
[0264]
此案例中，商品编码090306的商品，根据商品在步骤s2.4中确定的最大利润定价法，按照步骤s4.1最大利润定价法的计算方案执行，商品编码090306的商品在南京宁南门店的销售建议价为55元。
[0265]
根据企业销售战略和经营目标，针对不同产品线和区域，可以人工设置修正规则。商品编码090306的商品类目为火花塞，品牌为“ngk”，此产品线人工修正参数z为1(1.5≥z＞0.5)，因此商品编码090306的商品在南京宁南门店的最终建议售价＝55
×
1＝55元。
[0266]
步骤s4.6、最大利润定价法在小区维度的计算方案：
[0267]
小区销售建议价first_price_smallarea＝小区最大利润价price_smallarea_max即步骤s3.2统计结果
[0268]
此案例中，根据商品编码090306的商品在步骤s2.4中确定的最大利润定价法，按照步骤s4.6中的计算公式，商品编码090306的商品在“华东1区”的销售建议价＝小区最大利润价price_smallarea_max＝50元(步骤s3.2统计结果)
[0269]
步骤s4.7、加价率定价法在小区维度计算方案与步骤s4.4中加价率定价法在门店维度的计算方案相同，
[0270]
小区销售建议价
[0271][0272]
式中，accountprice为核算价。
[0273]
此案例中，商品编码090306的商品不适用于加价率定价法。
[0274]
步骤s4.8、基于商品的upper_sr区间适配定价方法，按照所适配定价方法在门店维度的计算方案执行，最终可以得到商品在小区维度的小区销售建议价first_price_smallarea；
[0275]
小区最终建议售价final_price_smallarea＝first_price_smallarea
×
z。z为修正系数，1.5≥z＞0.5。
[0276]
根据企业销售战略和经营目标，针对不同产品线和区域，可以人工设置修正规则。“华东1区”属于市场稳定，销售网络成熟的区域，物流成本和运营成本波动不大。因此本案例中修正系数z＝1。
[0277]
进一步根据销售门店所在区域的运营成本、物流成本，竞争对手的市场份额，商品品牌的知名度等因素，确定人工修正值z。
[0278]
商品编码090306的商品在“华东1区”的最终建议售价＝50
×
1＝50元。
[0279]
步骤s4.9、大区维度的建议售价基于商品在门店维度的建议售价结果，计算商品在大区内所有门店的门店最终销售建议价final_price_store的平均值即为大区建议售价：
[0280]
大区建议售价
[0281]
此案例中，因“华东区域”包含200多家门店，商品编码090306的商品在每家门店的门店销售建议价计算逻辑如上述步骤计算，不一一列举，商品编码090306的商品在“华东区域”的建议售价等于大区内所有门店的最终建议售价平均值，最终计算得到50.69元。
[0282]
步骤s5、智能定价系统生成的最终建议售价在企业销售系统展示和使用，由销售人员进行反馈，反馈结果由运营人员分析，并修改人工订正规则，形成定价流程闭环，价格反馈流程包括：
[0283]
步骤s5.1、在企业销售系统加入价格反馈功能，由门店销售人员在销售、报价时，针对智能定价生成的最终建议售价提出反馈建议，建议信息包括反馈人信息、反馈时间、产品编码、产品型号、信息来源、反馈人建议售价、市场价格(或竞品价格)。
[0284]
步骤s5.2、反馈信息通过系统在运营后台统一展示，由运营人员分析反馈信息是否合理，反馈信息列表如图6所示。
[0285]
步骤s5.3、由运营人员在智能定价系统后台，调整步骤s4.5、步骤s4.8中的修正系数z，控制定价结果在更加精确的范围内。
[0286]
本实施例还提供了一种汽车零配件商品智能定价系统，如图1所示，系统包含了数据导入单元、数据处理单元、策略分析单元、定价计算单元、数据保存单元和价格反馈单元；
[0287]
数据导入单元用于导入用于智能定价算法使用的基础数据，包含基础数据模块和人工参数模块，基础数据模块用于导入商品数据、门店数据、订单数据，人工参数模块用于导入计算过程中涉及的人工参数和预设数值；
[0288]
数据处理单元用于对导入数据进行过滤、计算处理，包含预处理模块和统计模块，预处理模块用于过滤无效订单数据、商品归属产品线、订单商品销售占比计算操作，统计模块用于统计各商品在全国、大区、小区、城市、郡县、门店六种维度的总成本、总销售额、总销量、总利润，并计算出商品的最大利润和最大利润对应的实售价格，供定价计算单元使用；
[0289]
策略分析单元用于根据数据处理单元的计算结果，适配对应的定价策略；
[0290]
定价计算单元用于根据策略分析单元适配的定价策略，执行对应的计算方案；
[0291]
数据保存单元用于将定价计算单元中计算后的定价结果保存至数据库中；
[0292]
价格反馈单元包含建议反馈模块和人工调价模块，建议反馈模块用于收集销售系统中销售人员对智能定价系统生成的建议销售价的反馈建议，人工调价模块用于运营人员根据反馈建议修改优化人工参数，从而形成定价流程闭环。
[0293]
实施例2
[0294]
本实施例以商品编码为000028的商品为例，其与商品编码090306的商品同品牌同类目，在步骤s1到步骤s2.2相同，商品编码为000028的商品核算价为100元。不同的在于，在步骤s2.3中，商品编码为000028的商品得到upper_sr0＝0.816，此实施例中，x1＝0.8，x2＝0.85，upper_sr0＝0.816符合规则x1＜upper_sr≤x2，因此商品编码000028的商品在智能定价系统中，采用第二加价率定价法。
[0295]
本实施例中，基于步骤s4.2、s4.3中计算的小区加价率x＝1.29，竞对加价率y＝1.68。第二加价率定价法的权重系数，a2＝0.75，b2＝0.25，商品编码为000028的商品在南京宁南门店销售建议价first_price_store＝100
×
(0.75
×
1.29+0.25
×
1.68)＝138.75元。
[0296]
门店最终建议售价final_price_store＝first_price_store
×z[0297]“华东1区”属于市场稳定，销售网络成熟的区域，物流成本和运营成本波动不大。因此本案例中修正系数z＝1
[0298]
南京宁南店的门店最终建议售价＝138.75元
[0299]
本实施例的小区最终建议售价：
[0300]
本实施例小区销售建议价first_price_smallarea＝100
×
(0.75
×
1.29+0.25
×
1.68)＝138.75元
[0301]“华东1区”属于市场稳定，销售网络成熟的区域，物流成本和运营成本波动不大。因此本案例中修正系数z＝1。
[0302]
商品编码000028的商品在“华东1区”的小区最终建议售价＝138.75。
[0303]
本实施例的大区建议售价：
[0304]
商品编码000028的商品在“华东区域”的销售建议价等于大区内所有门店的销售建议价平均值，最终计算得到137元(这边大区建议售价＝所有门店的最终建议售价之和/门店数量，所有门店的最终建议售价和计算过程无需一一列举，只是平均计算后的结果为137元)。
[0305]
以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。