销售商品的动态定价方法及系统与流程

本发明涉及商品销售系统技术领域，尤其涉及了一种销售商品的动态定价方法及系统。

背景技术：

目前，商品销售价格是按照生产成本而定的，但是随着商品销售数量的增加，生产成本也在逐渐被摊薄，按照道理，商品销售价格应该跟随销售数量而变动。随着电子商务的快速发展和计算机网络的广泛使用，市场竞争日趋激烈，客户需求不断提高，要求电子商务企业不断进行价格调整，以提升销量，扩大市场占有率。在一些应用场合，要求尽可能高效并且有目的性的选择完成价格的调价。目前通常是通过人工方式来完成对价格的调整，基于人工判断完成价格的预估，定价人为因素大，缺乏定价的有效依据，准确性差。而且，人工定价的方式工作量大、操作繁杂、效率低，中间过程不可控，可追溯性差、难以满足市场需求。

技术实现要素：

本发明针对现有技术中人工定价存在的准确性差、效率低、可追溯性差的缺点，提供了一种销售商品的动态定价方法及系统。

为了解决上述技术问题，本发明通过下述技术方案得以解决：

销售商品的动态定价方法，包括以下步骤：

获取销售商品的相关信息和影响因素；其中，相关信息包括：商品的价格数据，商品库存数量，商品预损率和销售递减率；影响因素包括当前日期影响因子和天气状况影响因子；

根据获取到的相关信息和影响因素，建立商品价格模型；

根据销售商品的销售量统计模型，通过价格模型计算出所述销售商品的最优销售价格并输出。

作为一种可实施方式，所述根据获取到的相关信息和影响因素，建立商品价格模型的具体步骤包括：

设置相关信息和影响因素：商品的价格数据为q，商品库存数量为w，商品预损率为θ，销售递减率为当前日期影响因子为λdate，天气变量影响因子为λweather；

根据设置好的相关信息和影响因素，得到商品价格模型，商品价格模型为在公式中，y表示商品价格，n表示天气状况的总数量，n≥4。

作为一种可实施方式，所述商品的价格数据包括商品进价、商品最高价、商品最低价以及商品初始价格；

当销售递减率不大于20％时，所述商品价格模型中的q表示商品最高价格，w表示商品库存数量，θ表示商品预损率，表示销售递减率；λdate表示当前日期影响因子，λweather表示天气变量影响因子，y表示商品价格，n表示天气状况的总数量，n≥4；

当销售递减率大于20％时，所述商品价格模型中的q表示商品最高价格，w表示商品库存数量，θ表示商品预损率，表示销售递减率；λdate表示当前日期影响因子，λweather表示天气变量影响因子，y表示商品价格，n表示天气状况的总数量，n≥4。

作为一种可实施方式，所述商品价格模型在特定情况下增加折扣促销处理计算，此时，商品价格模型q表示商品最高价格，w表示商品库存数量，θ表示商品预损率，表示销售递减率；λdate表示当前日期影响因子，λweather表示天气变量影响因子，y表示商品价格，β表示折扣量，n表示天气状况的总数量，n≥4；

特定情况是指：销售递减率大于85％时。

作为一种可实施方式，所述销售量统计模型包括：

通过设定时间段获取销售商品数量得到第一销售量统计模型；以及，

通过固定销售量获取销售时间得到第二销售量统计模型。

一种销售商品的动态定价系统，包括：

获取模块，获取销售商品的相关信息和影响因素；其中，相关信息包括：商品的价格数据，商品库存数量，商品预损率和销售递减率；影响因素包括当前日期影响因子和天气状况影响因子；

确定模块，根据获取到的相关信息和影响因素，建立商品价格模型；

定价输出模块，根据销售商品的销售量统计模型，通过价格模型计算出所述销售商品的最优销售价格并输出。

作为一种可实施方式，所述确定模块设置为：

所述根据获取到的相关信息和影响因素，建立商品价格模型的具体步骤包括：

设置相关信息和影响因素：商品的价格数据为q，商品库存数量为w，商品预损率为θ，销售递减率为当前日期影响因子为λdate，天气变量影响因子为λweather；

根据设置好的相关信息和影响因素，得到商品价格模型，商品价格模型为在公式中，y表示商品价格，n表示天气状况的总数量，n≥4。

作为一种可实施方式，所述确定模块设置为：

所述商品的价格数据包括商品进价、商品最高价、商品最低价以及商品初始价格；

当销售递减率不大于20％时，所述商品价格模型中的q表示商品最高价格，同样，商品库存数量为w，商品预损率为θ，销售递减率为当前日期影响因子为λdate，天气变量影响因子为λweather，y表示商品价格，n表示天气状况的总数量，n≥4；

当销售递减率大于20％时，所述商品价格模型中的q表示商品最初价格，同样，商品库存数量为w，商品预损率为θ，销售递减率为当前日期影响因子为λdate，天气变量影响因子为λweather，y表示商品价格，n表示天气状况的总数量，n≥4。

作为一种可实施方式，所述确定模块设置为：

所述商品价格模型在特定情况下增加折扣促销处理计算，此时，商品价格模型q表示商品最高价格，w表示商品库存数量，θ表示商品预损率，表示销售递减率；λdate表示当前日期影响因子，λweather表示天气变量影响因子，y表示商品价格，β表示折扣量，n表示天气状况的总数量，n≥4；

特定情况是指：销售递减率大于85％时。

作为一种可实施方式，所述定价输出模块设置为：所述销售量统计模型包括：

通过设定时间段获取销售商品数量得到第一销售量统计模型；以及，

通过固定销售量获取销售时间得到第二销售量统计模型。

本发明由于采用了以上技术方案，具有显著的技术效果：

采用本发明的方法，可以根据商品库存量以及商品销售递减率来及时更改商品价格，使得销售价格可以跟随销售额实时变动，让消费用户可以分享到随着销售额不断扩大而带来的销售价格下降的实惠，并能及时的对商品库存量做出合理的处置，减少商品库存量的积压，从而获得最优利益。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明的整体方法流程示意图；

图2是本发明的整体结构示意图。

具体实施方式

下面结合实施例对本发明做进一步的详细说明，以下实施例是对本发明的解释而本发明并不局限于以下实施例。

示例性方法：

销售商品的动态定价方法，如图1所示，包括以下步骤：

s1、获取销售商品的相关信息和影响因素；其中，相关信息包括：商品的价格数据，商品库存数量，商品预损率和销售递减率；影响因素包括当前日期影响因子和天气状况影响因子；

s2、根据获取到的相关信息和影响因素，建立商品价格模型；

s3、根据销售商品的销售量统计模型，通过价格模型计算出所述销售商品的最优销售价格并输出。

本发明销售商品的动态定价方法是围绕示例性方法展开的，后续所有添加步骤或者更优实施方案都不会脱离此实例行方法的保护范围。

实施例1：

销售商品的动态定价方法，如图1所示，包括以下步骤：

s1、获取销售商品的相关信息和影响因素；其中，相关信息包括：商品的价格数据，商品库存数量，商品预损率和销售递减率；影响因素包括当前日期影响因子和天气状况影响因子；

s2、根据获取到的相关信息和影响因素，建立商品价格模型；

s3、根据销售商品的销售量统计模型，通过价格模型计算出所述销售商品的最优销售价格并输出。

在本实施例中，所述根据获取到的相关信息和影响因素，建立商品价格模型的具体步骤包括：

s21、设置相关信息和影响因素：商品的价格数据为q，商品库存数量为w，商品预损率为θ，销售递减率为当前日期影响因子为λdate，天气变量影响因子为λweather；

s22、根据设置好的相关信息和影响因素，得到商品价格模型，商品价格模型为在公式中，y表示商品价格，n表示天气状况的总数量，n≥4。

更进一步地，在实际应用中，所述商品的价格数据包括了很多种商品价格，包括商品进价、商品最高价、商品最低价以及商品初始价格，本实施例公式中的商品的价格数据在不同情况下表示选用不同含义的商品价格，简单的说，就是在不同情况下，选取的商品价格种类不同：

第一种情况是，当销售递减率不大于20％时，所述商品价格模型中的q表示商品最高价格，w表示商品库存数量，θ表示商品预损率，表示销售递减率；λdate表示当前日期影响因子，λweather表示天气变量影响因子，y表示商品价格，n表示天气状况的总数量，n≥4；首先，介绍下销售递减率的概念即就是销量将按照一定的规律递减，销量递减率就是指单位时间内销量递减的百分数，根据销售递减率的概念，能简单的说，销量递减率越低，说明销售情况好，说明后一时间段的销量与前一段时间段相比，差值不大，如果销售递减率过大，说明后一时间段的销量小于或者远远小于前一个时间段，那么，根据定义，可以说明，在此种情况下说明销量很好，既然销量好，那么就说明此类商品受客户欢迎，此种情况是以商品的最高价格为基准，制定出一个获益最优价格，即就是在商品最高价格的基础上制定出需要显示的商品价格，其中，商品的库存数量w是实时获取的，当前日期影响因子λdate是根据一周七天的销售情况制定的周一到周日的影响因子，天气变量影响因子λweather是根据历史数据中天气环境对整体销售情况的影响简单的制定出的影响因子，也就是说，根据销售情况计算出销售递减率根据销售的实际情况，制定出商品预损率θ，将销售递减率结合商品预损率θ以及其他相关因素，计算出更优的商品价格y，既能快速消除商品库存数量又能取得最优利益。

第二种情况是，当销售递减率大于20％时，所述商品价格模型中的q表示商品最高价格，w表示商品库存数量，θ表示商品预损率，表示销售递减率；λdate表示当前日期影响因子，λweather表示天气变量影响因子，y表示商品价格，n表示天气状况的总数量，n≥4，在第一种情况中已经介绍了销量递减率的概念，此处不再赘述，第二种情况说明，销量不好，如果销量不好，会导致商品库存数量减少缓慢，为了达到最优效益，此种情况是以商品的最初价格为基准，在商品最初价格的基础上来计算需要显示的商品价格，其中，商品的库存数量w是实时获取的，当前日期影响因子λdate是根据一周七天的销售情况制定的周一到周日的影响因子，天气变量影响因子λweather是根据历史数据中天气环境对整体销售情况的影响简单的制定出的影响因子，也就是说，根据销售情况计算出销售递减率根据销售的实际情况，制定出商品预损率θ，将销售递减率结合商品预损率θ以及其他相关因素，计算出更优的商品价格y，既能快速消除商品库存数量又能取得最优利益。

更进一步地，倘若销售递减率很大时，说明商品销量在制定的时间段内销量减少的速度很慢，即就说明商品销量很好，所述商品价格模型在特定情况下增加折扣促销处理计算，此时，商品价格模型q表示商品最高价格，w表示商品库存数量，θ表示商品预损率，表示销售递减率；λdate表示当前日期影响因子，λweather表示天气变量影响因子，y表示商品价格，β表示折扣量，n表示天气状况的总数量，n≥4，此种情况和本实施例中的两外两种情况相同，此种情况讲的是，当销量超级不好，导致商品库存数量几乎不变时，采取更加大力度的销售方式，即就是打折，也就是在制定好价格的基础上，采取折扣，吸引顾客买此类商品。

在本实施例中，所述销售量统计模型包括：

通过设定时间段获取销售商品数量得到第一销售量统计模型；以及，

通过固定销售量获取销售时间得到第二销售量统计模型。

简单的说，销售量统计模型是制定商品价格的先决条件，要根据销售量统计模型推算出销售递减率，根据销售递减率的范围来制定商品价格。

实施例2

实施例2讲述了一个具体实施例，如下：

设置以下参数：

设置相关信息和影响因素：商品的价格数据为q，商品库存数量为w，商品预损率为θ，销售递减率为当前日期影响因子为λdate，天气变量影响因子为λweather；

根据设置好的相关信息和影响因素，得到商品价格模型，商品价格模型为在公式中，y表示商品价格，n表示天气状况的总数量，n≥4，当顾客采购商品并完成支付后，系统根据商品价格模型对当前商品价格进行动态计算，并在网络销售系统上在线显示不断波动的上涨或下跌实时商品价格。

具体实例，在某一商场中，监测番茄的商品库存数量为3000，进价为1元，商品初始价格为1.3元，商品最高价为2.1元，商品最低价为0.3元，商品的预损率为5％；

当前日期的影响因子：周三影响销售的因子为0.22，在此，周一到周日是不同的日期影响因子，天气状况的影响因子：晴，此时，设定的影响销售因子为0.12，可以简单的认为存在四种天气状况，即雨天、晴天、阴天、雪天，每种天气的影响因子不同。

根据以上信息，销售递减率为1％时，当商品价格模型计算出来的价格是：

(3000*(1-1％)*2.1+0.22/7+0.12/4)/3000(1-5％)＝(6237+0.032+0.03)/2850＝2.18

也就是说，此种情况下，可以将番茄的售价及时调整为2.18元，能达到去库存与收益更好的结合。

假设，销售递减率为30％时，计算出来的价格为：(3000*(1-70％)*1.3+0.22/7+0.12/4)/3000(1-5％)＝0.41。也就是说，这时主要的目的是去除库存，可以将价格调到0.41元，能尽快的消除商品库存并且资金不会亏损。

此种计算方法能灵活的制定出商品的价格，并能及时的对商品库存量做出合理的处置，防止积压商品。

采用本发明的方法，可以根据商品库存量以及商品销售递减率来及时更改商品价格，使得销售价格可以跟随销售额实时变动，让消费用户可以分享到随着销售额不断扩大而带来的销售价格下降的实惠，并能及时的对商品库存量做出合理的处置，减少商品库存量的积压，从而获得最优利益。

要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明所必须的。

实施例3：

一种销售商品的动态定价系统，如图2所示，包括：

获取模块1，获取销售商品的相关信息和影响因素；其中，相关信息包括：商品的价格数据，商品库存数量，商品预损率和销售递减率；影响因素包括当前日期影响因子和天气状况影响因子；

确定模块2，根据获取到的相关信息和影响因素，建立商品价格模型；

定价输出模块3，根据销售商品的销售量统计模型，通过价格模型计算出所述销售商品的最优销售价格并输出。

更进一步地，所述确定模块2设置为：

所述根据获取到的相关信息和影响因素，建立商品价格模型的具体步骤包括：

设置相关信息和影响因素：商品的价格数据为q，商品库存数量为w，商品预损率为θ，销售递减率为当前日期影响因子为λdate，天气变量影响因子为λweather；

根据设置好的相关信息和影响因素，得到商品价格模型，商品价格模型为在公式中，y表示商品价格，n表示天气状况的总数量，n≥4。

更进一步地，所述确定模块2设置为：

所述商品的价格数据包括商品进价、商品最高价、商品最低价以及商品初始价格；

当销售递减率不大于20％时，所述商品价格模型中的q表示商品最高价格，同样，商品库存数量为w，商品预损率为θ，销售递减率为当前日期影响因子为λdate，天气变量影响因子为λweather，y表示商品价格，n表示天气状况的总数量，n≥4；

当销售递减率大于20％时，所述商品价格模型中的q表示商品最初价格，同样，商品库存数量为w，商品预损率为θ，销售递减率为当前日期影响因子为λdate，天气变量影响因子为λweather，y表示商品价格，n表示天气状况的总数量，n≥4。

于其他实施例中，当销售递减率大于85％时，所述确定模块2还可以设置为：

所述商品价格模型在当销售递减率大于85％时此种情况下需增加折扣促销处理计算，此时，商品价格模型q表示商品最高价格，w表示商品库存数量，θ表示商品预损率，表示销售递减率；λdate表示当前日期影响因子，λweather表示天气变量影响因子，y表示商品价格，β表示折扣量，n表示天气状况的总数量，n≥4；

在本实施例中，所述定价输出模块3设置为：所述销售量统计模型包括：

通过设定时间段获取销售商品数量得到第一销售量统计模型；以及，

通过固定销售量获取销售时间得到第二销售量统计模型。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、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。

本发明是参照根据本发明的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

此外，需要说明的是，本说明书中所描述的具体实施例，其零、部件的形状、所取名称等可以不同。凡依本发明专利构思所述的构造、特征及原理所做的等效或简单变化，均包括于本发明专利的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离本发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。