一种售卖机的销售数据统计分析方法、系统及存储介质与流程

本发明涉及数据分析技术领域，尤其是一种售卖机的销售数据统计分析方法、系统及存储介质。

背景技术：

自动售货机(vendingmachine，vem)是能根据投入的钱币自动付货的机器。自动售货机是商业自动化的常用设备，它不受时间、地点的限制，能节省人力、方便交易，是一种全新的商业零售形式，又被称为24小时营业的微型超市。目前国内常见的自动售卖机包括饮料自动售货机、食品自动售货机、综合自动售货机和化妆品自动售卖机等。

由于自动售卖机的体积较小，其中可容纳的商品类别较少，对商家来说，如何在自动售卖机上选择售卖商品的种类，成为一个亟需解决的问题。目前，商家一般通过定期查看自动售卖机上的存货数量来判断相应区域的消费者购物喜好，进而对自动售货机的商品种类进行一定调整。但是，这种方式仅限于对自动售货机上已有的商品进行销售比较，无法更好地了解该区域的消费者的其他消费喜好，数据分析比较局限；另外，这种方式只有在自动售货机得到一定数量的商品销售记录之后，才能生成一个粗略的直观分析结果，实时性不高且准确性不高。比如，在夏季，自动售货机上的冷冻饮料销售量较大，而到了降温季节，由于前期采集的数据显示冷冻饮料的销售量较大，所以自动售货机上囤积了大量冷饮，此时由于气温降低，冷饮的销售量会显著下降，显然，此时将冷饮作为自动售货机的主要商品是不合适的。

技术实现要素：

为解决上述技术问题，本发明的目的在于：提供一种实时性高且准确性高的售卖机的销售数据统计分析方法、系统及存储介质。

本发明一方面所采取的技术方案为：

一种售卖机的销售数据统计分析方法，包括以下步骤：

获取售卖机的历史销售数据；

对历史销售数据进行特征提取，得到历史销售数据的特征向量；

根据特征向量进行商品销售数据分析；其中，所述商品销售数据分析包括销售量分析、季节性分析、价格分析、区域分析以及销售异动分析；

根据商品销售数据分析的结果，对售货机的待销售商品进行预测；

基于预设的筛选规则，从预测结果中筛选若干种待销售商品作为目标商品。

进一步，所述获取售卖机的历史销售数据这一步骤，包括以下步骤：

获取目标数据源；

创建用于存放数据的数据库；

根据目标数据源，通过网络爬虫进行数据采集；

对采集到的数据进行清洗处理；

对清洗处理后的数据进行整理，并将整理好的数据存入所述数据库。

进一步，所述对历史销售数据进行特征提取，得到历史销售数据的特征向量这一步骤，包括以下步骤：

对历史销售数据进行结构划分，得到商品数据，所述商品数据包括商品销售量、商品销售时间、商品销售区域和商品销售价格；

基于预设的特征提取顺序，对商品数据进行特征提取；

对提取得到的特征进行分组，得到若干个特征向量；其中，每个特征向量均包括商品销售量、商品销售时间、商品销售区域和商品销售价格。

进一步，所述根据特征向量进行商品销售数据分析这一步骤，包括以下步骤：

对特征向量中的商品销售量进行第一数据分析，得到企业销售业绩状况；

对特征向量中的商品销售时间进行第二数据分析，得到商品销售淡旺季规律；

对特征向量中的商品销售区域进行第三数据分析，得到商品销售市场规律；

对特征向量中的商品销售价格进行第四数据分析，得到商品的优势价格信息。

进一步，所述根据商品销售数据分析的结果，对售货机的待销售商品进行预测这一步骤，包括以下步骤：

根据企业销售业绩状况确定售货机的销售商品方向；

根据商品销售淡旺季规律和销售商品方向，确定销售商品种类；

根据商品销售市场规律和商品的优势价格信息，对销售商品种类进行优化。

进一步，所述基于预设的筛选规则，从预测结果中筛选若干种待销售商品作为目标商品这一步骤，包括以下步骤：

根据当前季节信息，对预测得到的销售商品种类进行第一筛选；

根据商品利润数据，对预测得到的销售商品种类进行第二筛选；

根据商品的退换货数据，对预测得到的销售商品种类进行第三筛选；

根据第一筛选、第二筛选和第三筛选的结果，确定目标商品。

进一步，所述商品数据还包括销售地点、经销商、渠道分类、产品系列以及产品名称。

本发明另一方面所采取的技术方案是：

一种售卖机的销售数据统计分析系统，包括：

获取模块，用于获取售卖机的历史销售数据；

特征提取模块，用于对历史销售数据进行特征提取，得到历史销售数据的特征向量；

数据分析模块，用于根据特征向量进行商品销售数据分析；其中，所述商品销售数据分析包括销售量分析、季节性分析、价格分析、区域分析以及销售异动分析；

预测模块，用于根据商品销售数据分析的结果，对售货机的待销售商品进行预测；

筛选模块，用于基于预设的筛选规则，从预测结果中筛选若干种待销售商品作为目标商品。

本发明另一方面所采取的技术方案是：

一种售卖机的销售数据统计分析系统，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现所述的售卖机的销售数据统计分析方法。

本发明另一方面所采取的技术方案是：

一种存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于执行所述的售卖机的销售数据统计分析方法。

本发明的有益效果是：本发明基于售卖机的历史销售数据，通过特征提取技术和数据分析技术，对售货机的待销售商品进行预测，并对预测结果进行筛选；本发明能够根据筛选出来的目标商品，为商家提供实时的商品销售建议，提高了数据分析的实时性和准确性，能够充分挖掘消费者的消费喜好，针对性更高。

附图说明

图1为本发明实施例的步骤流程图。

具体实施方式

下面结合说明书附图和具体实施例对本发明作进一步解释和说明。对于本发明实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。

参照图1，本发明实施例提供了一种售卖机的销售数据统计分析方法，包括以下步骤：

获取售卖机的历史销售数据；

对历史销售数据进行特征提取，得到历史销售数据的特征向量；

根据特征向量进行商品销售数据分析；其中，所述商品销售数据分析包括销售量分析、季节性分析、价格分析、区域分析以及销售异动分析；

根据商品销售数据分析的结果，对售货机的待销售商品进行预测；

基于预设的筛选规则，从预测结果中筛选若干种待销售商品作为目标商品。

进一步作为优选的实施方式，所述获取售卖机的历史销售数据这一步骤，包括以下步骤：

获取目标数据源；

创建用于存放数据的数据库；

根据目标数据源，通过网络爬虫进行数据采集；

对采集到的数据进行清洗处理；

对清洗处理后的数据进行整理，并将整理好的数据存入所述数据库。

进一步作为优选的实施方式，所述对历史销售数据进行特征提取，得到历史销售数据的特征向量这一步骤，包括以下步骤：

对历史销售数据进行结构划分，得到商品数据，所述商品数据包括商品销售量、商品销售时间、商品销售区域和商品销售价格；

基于预设的特征提取顺序，对商品数据进行特征提取；

对提取得到的特征进行分组，得到若干个特征向量；其中，每个特征向量均包括商品销售量、商品销售时间、商品销售区域和商品销售价格。

进一步作为优选的实施方式，所述根据特征向量进行商品销售数据分析这一步骤，包括以下步骤：

对特征向量中的商品销售量进行第一数据分析，得到企业销售业绩状况；

对特征向量中的商品销售时间进行第二数据分析，得到商品销售淡旺季规律；

对特征向量中的商品销售区域进行第三数据分析，得到商品销售市场规律；

对特征向量中的商品销售价格进行第四数据分析，得到商品的优势价格信息。

进一步作为优选的实施方式，所述根据商品销售数据分析的结果，对售货机的待销售商品进行预测这一步骤，包括以下步骤：

根据企业销售业绩状况确定售货机的销售商品方向；

根据商品销售淡旺季规律和销售商品方向，确定销售商品种类；

根据商品销售市场规律和商品的优势价格信息，对销售商品种类进行优化。

进一步作为优选的实施方式，所述基于预设的筛选规则，从预测结果中筛选若干种待销售商品作为目标商品这一步骤，包括以下步骤：

根据当前季节信息，对预测得到的销售商品种类进行第一筛选；

根据商品利润数据，对预测得到的销售商品种类进行第二筛选；

根据商品的退换货数据，对预测得到的销售商品种类进行第三筛选；

根据第一筛选、第二筛选和第三筛选的结果，确定目标商品。

进一步作为优选的实施方式，所述商品数据还包括销售地点、经销商、渠道分类、产品系列以及产品名称。

与图1的方法相对应，本发明实施例还提供了一种售卖机的销售数据统计分析系统，包括：

获取模块，用于获取售卖机的历史销售数据；

特征提取模块，用于对历史销售数据进行特征提取，得到历史销售数据的特征向量；

数据分析模块，用于根据特征向量进行商品销售数据分析；其中，所述商品销售数据分析包括销售量分析、季节性分析、价格分析、区域分析以及销售异动分析；

预测模块，用于根据商品销售数据分析的结果，对售货机的待销售商品进行预测；

筛选模块，用于基于预设的筛选规则，从预测结果中筛选若干种待销售商品作为目标商品。

与图1的方法相对应，本发明实施例还提供了一种售卖机的销售数据统计分析系统，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现所述的售卖机的销售数据统计分析方法。

与图1的方法相对应，本发明实施例还提供了一种存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于执行所述的售卖机的销售数据统计分析方法。

下面详细描述本发明的售卖机的销售数据统计分析方法的具体工作过程：

s1、获取售卖机的历史销售数据；

具体地，所述步骤s1包括以下步骤：

s11、获取目标数据源；

s12、创建用于存放数据的数据库；

s13、根据目标数据源，通过网络爬虫进行数据采集；

s14、对采集到的数据进行清洗处理；

其中，数据清洗处理能够提高本发明的数据分析准确度和数据分析效率，本实施例采用数值化处理方法，对采集到的数据进行标准化操作，具体地，对字符串取值，按照ansi码值求和得到字符串的值，如果值太大，可以取一个适当的质数对其求模，本质上就是映射到一个区间了，然后就得到数值型的数据了。例如，本实施例采集到的商品数据为“a售货机卖出x商品的数量为100”，则经过本发明的数据清洗处理之后，该商品数据转变为“a，x，100”，这种数值化的字符数据，能够提高后续数据分析的速度。

s15、对清洗处理后的数据进行整理，并将整理好的数据存入所述数据库。

s2、对历史销售数据进行特征提取，得到历史销售数据的特征向量；

具体地，所述步骤s2包括以下步骤：

s21、对历史销售数据进行结构划分，得到商品数据，所述商品数据包括商品销售量、商品销售时间、商品销售区域和商品销售价格；

本实施例根据历史销售数据的数据结构的差异性，将历史销售数据划分为商品销售量、商品销售时间、商品销售区域和商品销售价格。

s22、基于预设的特征提取顺序，对商品数据进行特征提取；

本实施例为了提高后续数据分析过程的效率和准确性，通过预设特征提取顺序，使得提取出来的特征满足预设的顺序，方便后续处理。

s23、对提取得到的特征进行分组，得到若干个特征向量；其中，每个特征向量均包括商品销售量、商品销售时间、商品销售区域和商品销售价格。

本实施例通过对特征进行分组，得到多个特征向量(即多组特征)，进而能够基于统一的数据格式对每个特征向量进行同步处理，提高了数据处理的速度。

s3、根据特征向量进行商品销售数据分析；其中，所述商品销售数据分析包括销售量分析、季节性分析、价格分析、区域分析以及销售异动分析；

具体地，所述步骤s3包括以下步骤：

s31、对特征向量中的商品销售量进行第一数据分析，得到企业销售业绩状况；

其中，本实施例通过第一数据分析，得到企业销售业绩状况，比如企业主要销售饮料类食品，则在后续分析过程中，主要针对饮料产品进行分析，能够缩小分析数据的范围，提高分析效率。

s32、对特征向量中的商品销售时间进行第二数据分析，得到商品销售淡旺季规律；

其中，本实施例通过第二数据分析，得到商品销售淡旺季规律，比如当前季节为冬季，则根据冬季的商品销售旺季，则在后续分析过程中，主要针对饮料产品进行分析，能够缩小分析数据的范围，提高分析效率。

s33、对特征向量中的商品销售区域进行第三数据分析，得到商品销售市场规律；

其中，本实施例通过第三数据分析，得到商品销售市场规律，比如定价较高时，商品销售量较小，而商品定价较低时，商家的利润较低，因此通过本发明的第三数据分析，能够得到合适的商品价格定位。

s34、对特征向量中的商品销售价格进行第四数据分析，得到商品的优势价格信息。

本发明通过第四数据分析，得到售货机所处区域中，消费者消费量最大的商品品类，并根据该商品品类确定所述售货机的优势价格，以向消费者推出相关价格幅度的商品。

s4、根据商品销售数据分析的结果，对售货机的待销售商品进行预测；

具体地，所述步骤s4包括以下步骤：

s41、根据企业销售业绩状况确定售货机的销售商品方向；

其中，本实施例的销售商品方向包括饮料、食品、生鲜产品和零食等。

s42、根据商品销售淡旺季规律和销售商品方向，确定销售商品种类；

s43、根据商品销售市场规律和商品的优势价格信息，对销售商品种类进行优化。

本发明通过步骤s41、s42和s43，最终优化得到销售商品的种类。

s5、基于预设的筛选规则，从预测结果中筛选若干种待销售商品作为目标商品。

具体地，所述步骤s5包括以下步骤：

s51、根据当前季节信息，对预测得到的销售商品种类进行第一筛选；

其中，若当前季节为冬季，而预测得到的销售商品种类为饮料和零食时，则本发明会通过第一筛选优先确认销售商品为零食。

s52、根据商品利润数据，对预测得到的销售商品种类进行第二筛选；

其中，当预测得到的两类商品均满足销售要求时，本发明会根据商品的利润进行第二筛选，选取利润较高的商品作为销售商品。

s53、根据商品的退换货数据，对预测得到的销售商品种类进行第三筛选；

其中，本发明会参考商品的退换货次数，来判断商品的销售前景，对于退货次数较多的商品，表示该商品的质量较差，不利于长期销售盈利，因此本发明会优先选取退换货次数较少的商品进行销售。

s54、根据第一筛选、第二筛选和第三筛选的结果，确定目标商品。

以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。