数据流量产品的价格预测方法及装置与流程

本发明涉及网站技术领域，尤其涉及一种数据流量产品的价格预测方法及装置。

背景技术：

数据流量产品是伴随近年来移动互联网高速发展和智能手机普及产生的资源型产品，一方面是智能手机用户对网络流量应用的需求，一方面是运营商公司将带宽资源整合提供的服务，数据流量产品本质上是占用网络资源的一项服务型产品。

服务是伴随需求存在的，通过提前对需求量进行预估和测算，并提供相应的资源容量去支撑，才能既保证满足用户的需求和完善的体验，同时也不会因为配置过多的资源而造成浪费。例如在月初市场对大规格的流量包需求比较大，但是在月末，小规格的流量包会更受市场青睐，同时对网络响应的体验要求会比较高，这也是由系统订单分发速度所决定的。

因而，如何提供一种数据流量产品(流量包)在电商平台中的价格预测方法，以能较为准确的预测价格和进单速度的分布，进而帮助市场管理人员更好地去调控市场、配置资源，从而减少市场管理人员的工作量，已成为本领域从业者亟待解决的技术问题。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

技术实现要素：

本发明的主要目的在于提供一种数据流量产品的价格预测方法及装置，旨在解决如何减少市场管理人员的工作量的技术问题。

为实现上述目的，本发明提供一种数据流量产品的价格预测方法，所述方法包括以下步骤：

获取当前位置信息及当前时间信息；

根据所述当前位置信息及当前时间信息确定对应的当前价格预测模型；

通过所述当前价格预测模型预估数据流量产品的不同拟设置价格对应的进单速度；

计算不同拟设置价格及对应的进单速度所产生的总收益；

将所述总收益最高的拟设置价格作为预测价格。

优选地，所述获取当前位置信息及当前时间信息之前，所述方法还包括：

获取在预设地域范围及预设时间段内的电商平台历史数据，根据获取的电商平台历史数据建立所述预设地域范围及预设时间段的价格预测模型，以获得不同地域范围及时间段的价格预测模型；

相应地，所述根据所述当前位置信息及当前时间信息确定对应的当前价格预测模型，具体包括：

获取所述当前位置信息所属的当前地域范围，获取所述当前时间信息所属的当前时间段，并将所述当前地域范围及当前时间段的价格预测模型作为当前价格预测模型。

优选地，所述价格预测模型为

P＝aV+b

其中，V为进单速度，P为数据流量产品的价格，a为关系一次项，b为行数项。

优选地，所述根据获取的电商平台历史数据建立所述预设地域范围及预设时间段的价格预测模型，具体包括：

根据获取的电商平台历史数据根据线性拟合的方式确定所述价格预测模型中的a和b，并将代入a和b的价格预测模型作为所述预设地域范围及预设时间段的价格预测模型。

优选地，所述电商平台历史数据包括：数据流量产品的历史价格和历史进单速度。

此外，为实现上述目的，本发明还提供一种数据流量产品的价格预测装置，所述装置包括：

数据获取模块，用于获取当前位置信息及当前时间信息；

模型确定模块，用于根据所述当前位置信息及当前时间信息确定对应的当前价格预测模型；

速度预估模块，用于通过所述当前价格预测模型预估数据流量产品的不同拟设置价格对应的进单速度；

收益计算模块，用于计算不同拟设置价格及对应的进单速度所产生的总收益；

价格预测模块，用于将所述总收益最高的拟设置价格作为预测价格。

优选地，所述装置还包括：

模型建立模块，用于获取在预设地域范围及预设时间段内的电商平台历史数据，根据获取的电商平台历史数据建立所述预设地域范围及预设时间段的价格预测模型，以获得不同地域范围及时间段的价格预测模型；

相应地，所述模型确定模块，还用于获取所述当前位置信息所属的当前地域范围，获取所述当前时间信息所属的当前时间段，并将所述当前地域范围及当前时间段的价格预测模型作为当前价格预测模型。

优选地，所述价格预测模型为

P＝aV+b

其中，V为进单速度，P为数据流量产品的价格，a为关系一次项，b为行数项。

优选地，所述模型建立模块，还用于根据获取的电商平台历史数据根据线性拟合的方式确定所述价格预测模型中的a和b，并将代入a和b的价格预测模型作为所述预设地域范围及预设时间段的价格预测模型。

优选地，所述电商平台历史数据包括：数据流量产品的历史价格和历史进单速度。

本发明根据当前位置信息及当前时间信息确定对应的当前价格预测模型，通过所述当前价格预测模型预估数据流量产品的不同拟设置价格对应的进单速度，计算不同拟设置价格及对应的进单速度所产生的总收益，将所述总收益最高的拟设置价格作为预测价格，能够尽量帮助市场管理人员更好地去调控市场、配置资源，从而减少市场管理人员的工作量。

附图说明

图1为本发明数据流量产品的价格预测方法第一实施例的流程示意图；

图2为本发明数据流量产品的价格预测方法第二实施例的流程示意图；

图3为本发明数据流量产品的价格预测装置第一实施例的功能模块示意图；

图4为本发明数据流量产品的价格预测装置第二实施例的功能模块示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

参照图1，本发明第一实施例提供一种数据流量产品的价格预测方法，所述方法包括：

S10：获取当前位置信息及当前时间信息；

需要说明的是，本实施例的方法的执行主体为用户设备，所述用户设备即为电商平台中商铺的市场管理人员所使用的设备，可为手机、平板电脑、PC机、笔记本电脑或掌上电脑PDA等设备，本实施例对此不加以限制。

可理解的是，所述当前位置信息即为所述用户设备当前所处的位置信息，所述当前时间信息即为反映当前所处时刻的信息。

S20：根据所述当前位置信息及当前时间信息确定对应的当前价格预测模型；

在具体实现中，由于不同位置、不同时间所对应的价格预测模型会存在不同，例如：在电商平台中，在月初时电商平台对大规格的流量包需求比较大，但是在月末时，小规格的流量包会更受市场青睐，同时对网络响应的体验要求会比较高，因此进单速度会有所不同。

S30：通过所述当前价格预测模型预估数据流量产品的不同拟设置价格对应的进单速度；

可理解的是，所述当前价格预测模型即可反映数据流量产品的价格及进单速度之间的关系，因此，可通过所述当前价格预测模型预估数据流量产品的不同拟设置价格对应的进单速度。

S40：计算不同拟设置价格及对应的进单速度所产生的总收益；

可理解的是，由于销售价格＝成本价格+电商分账+产品利润，销售价格＝标准价格×折扣，进单速度＝单位时间进单量/单位时间，而成本价格和电商分账为固定值，因此，在确定价格及进单速度后，即可计算总收益，总收益＝产品利润×进单速度。

S50：将所述总收益最高的拟设置价格作为预测价格。

在具体实现中，所述总收益最高的拟设置价格即为预测价格，为便于告知用户，可对所述预测价格进行展示，当然，还可将不同拟设置价格及对应的总收益之间的对应曲线进行展示。

本实施例根据当前位置信息及当前时间信息确定对应的当前价格预测模型，通过所述当前价格预测模型预估数据流量产品的不同拟设置价格对应的进单速度，计算不同拟设置价格及对应的进单速度所产生的总收益，将所述总收益最高的拟设置价格作为预测价格，能够尽量帮助市场管理人员更好地去调控市场、配置资源，从而减少市场管理人员的工作量。

参照图2，图2为本发明数据流量产品的价格预测方法的流程示意图，基于上述图1所示的实施例，提出本发明数据流量产品的价格预测方法的第二实施例。

本实施例中，所述步骤S10之前，所述方法还包括：

S00：获取在预设地域范围及预设时间段内的电商平台历史数据，根据获取的电商平台历史数据建立所述预设地域范围及预设时间段的价格预测模型，以获得不同地域范围及时间段的价格预测模型；

由于不同地域范围及时间段的价格预测模型通常存在差异，因此，本实施例可分别建立不同地域范围及时间段的价格预测模型。

可理解的是，所述电商平台历史数据包括：数据流量产品的历史价格和历史进单速度，当然，还可包括：不同规格属性的数据流量产品的电商分账，所述规格属性包括运营商品牌、地区、流量包规格及产品适用范围，举例某数据流量产品按最小粒度可以具体为湖北移动100MB省内流量包。

为降低模型的复杂度，在具体实现中，所述价格预测模型为

P＝aV+b

其中，V为进单速度，P为数据流量产品的价格，a为关系一次项，b为行数项。

相应地，所述根据获取的电商平台历史数据建立所述预设地域范围及预设时间段的价格预测模型，可具体包括：根据获取的电商平台历史数据根据线性拟合的方式确定所述价格预测模型中的a和b，并将代入a和b的价格预测模型作为所述预设地域范围及预设时间段的价格预测模型。

相应地，所述步骤S20，具体包括：

S21：获取所述当前位置信息所属的当前地域范围，获取所述当前时间信息所属的当前时间段，并将所述当前地域范围及当前时间段的价格预测模型作为当前价格预测模型。

参照图3，本发明第一实施例提供一种数据流量产品的价格预测装置，所述装置包括：

数据获取模块10，用于获取当前位置信息及当前时间信息；

需要说明的是，本实施例的装置部署于用户设备上，所述用户设备即为电商平台中商铺的市场管理人员所使用的设备，可为手机、平板电脑、PC机、笔记本电脑或掌上电脑PDA等设备，本实施例对此不加以限制。

可理解的是，所述当前位置信息即为所述用户设备当前所处的位置信息，所述当前时间信息即为反映当前所处时刻的信息。

模型确定模块20，用于根据所述当前位置信息及当前时间信息确定对应的当前价格预测模型；

在具体实现中，由于不同位置、不同时间所对应的价格预测模型会存在不同，例如：在电商平台中，在月初时电商平台对大规格的流量包需求比较大，但是在月末时，小规格的流量包会更受市场青睐，同时对网络响应的体验要求会比较高，因此进单速度会有所不同。

速度预估模块30，用于通过所述当前价格预测模型预估数据流量产品的不同拟设置价格对应的进单速度；

可理解的是，所述当前价格预测模型即可反映数据流量产品的价格及进单速度之间的关系，因此，可通过所述当前价格预测模型预估数据流量产品的不同拟设置价格对应的进单速度。

收益计算模块40，用于计算不同拟设置价格及对应的进单速度所产生的总收益；

可理解的是，由于销售价格＝成本价格+电商分账+产品利润，销售价格＝标准价格×折扣，进单速度＝单位时间进单量/单位时间，而成本价格和电商分账为固定值，因此，在确定价格及进单速度后，即可计算总收益，总收益＝产品利润×进单速度。

价格预测模块50，用于将所述总收益最高的拟设置价格作为预测价格。

在具体实现中，所述总收益最高的拟设置价格即为预测价格，为便于告知用户，可对所述预测价格进行展示，当然，还可将不同拟设置价格及对应的总收益之间的对应曲线进行展示。

本实施例根据当前位置信息及当前时间信息确定对应的当前价格预测模型，通过所述当前价格预测模型预估数据流量产品的不同拟设置价格对应的进单速度，计算不同拟设置价格及对应的进单速度所产生的总收益，将所述总收益最高的拟设置价格作为预测价格，能够尽量帮助市场管理人员更好地去调控市场、配置资源，从而减少市场管理人员的工作量。

参照图4，图4为本发明数据流量产品的价格预测装置的功能模块示意图，基于上述图3所示的实施例，提出本发明数据流量产品的价格预测装置的第二实施例。

本实施例中，所述装置还包括：

模型建立模块00，用于获取在预设地域范围及预设时间段内的电商平台历史数据，根据获取的电商平台历史数据建立所述预设地域范围及预设时间段的价格预测模型，以获得不同地域范围及时间段的价格预测模型；

由于不同地域范围及时间段的价格预测模型通常存在差异，因此，本实施例可分别建立不同地域范围及时间段的价格预测模型。

可理解的是，所述电商平台历史数据包括：数据流量产品的历史价格和历史进单速度，当然，还可包括：不同规格属性的数据流量产品的电商分账，所述规格属性包括运营商品牌、地区、流量包规格及产品适用范围，举例某数据流量产品按最小粒度可以具体为湖北移动100MB省内流量包。

为降低模型的复杂度，在具体实现中，所述价格预测模型为

P＝aV+b

其中，V为进单速度，P为数据流量产品的价格，a为关系一次项，b为行数项。

相应地，所述根据获取的电商平台历史数据建立所述预设地域范围及预设时间段的价格预测模型，可具体包括：根据获取的电商平台历史数据根据线性拟合的方式确定所述价格预测模型中的a和b，并将代入a和b的价格预测模型作为所述预设地域范围及预设时间段的价格预测模型。

相应地，所述模型确定模块21，还用于获取所述当前位置信息所属的当前地域范围，获取所述当前时间信息所属的当前时间段，并将所述当前地域范围及当前时间段的价格预测模型作为当前价格预测模型。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。