一种基于消费市场大数据资源的动态定价系统及方法与流程

本发明涉及计算机技术领域，尤其涉及一种基于消费市场大数据资源的动态定价系统及方法。

背景技术：

传统市场营销中，对于新产品的定价策略主要包括撇脂定价策略，渗透定价策略和满意定价策略。满意定价策略是一种介于撇脂定价策略和渗透定价策略之间的价格策略。其所定的价格比撇脂价格低，而比渗透价格要高，是一种中间价格。满意定价策略由于能使定价能让生产者和消费者都比较满意而得名。

满意定价策略的基础就是要获得消费者心理预期的基础价格以及消费者能够接受的销售价位，再以两个价格进行参照，制定新产品的定价策略。而满意定价策略从某种程度上减少了生产者的利润空间，从而考虑如何在消费者能够消费的价格范围内最大程度的为企业创造利润。

现有的定价方法一般采用前期的问卷调查获取大量的数据，不仅浪费大量的人力物力，同时耗费时间很长，这对于商品的上架时间造成了极大的消极影响。在生活节奏日益加快，网购横行的现如今，如何平衡商品定价的时间、保障上架利润与商品上架时间三者之间的平衡是亟待解决的难题之一。

技术实现要素：

本发明的目的在于提供一种基于消费市场大数据资源的动态定价方法，在销售商品的同时获取大量的样本数据，保障了商品的及时上架；同时引入妥协系数的概念，在保障购买率的同时尽可能提高商家的利润。

为实现上述目的，本发明提供如下技术方案：

一种基于消费市场大数据资源的动态定价系统，其特征在于，包括

用户管理模块，用于用户进行注册、登录和验证；

基准模块，设置商品的最低基准价格jp1和期望基准价格jp2；

显示模块，显示商品信息，包括商品的名称、图片和参数；

调研模块，输入消费者对该商品的评估价格，包括心理预期价格bp、能够接受价格sp和不考虑购买价格lp作为数据样本加入数据库；

分析模块，结合所述数据样本分析商品定价zp，若不考虑购买价格lp高于所述最低基准价格jp1，向消费者推送该定价zp；否则向消费者推送所述预期基准价格jp2，并将该消费者对应的数据样本从数据库剔除；

妥协定价模块，根据当前数据库内的样本数据计算妥协系数，根据妥协系数计算最终指导价格以及该最终指导价格对应的购买率。

进一步的，所述分析模块中，分析商品定价zp的具体方法如下：

其中，jp1、jp2分别为设置的最低基准价格、期望基准价格，且jp1＜jp2；bp、sp、lp分别为消费者输入的心理预期价格、能够接受价格、不考虑购买价格，且bp＜sp＜lp。

进一步的，所述妥协系数包括常规妥协系数ccc和极限妥协系数lcc，计算如下：

其中，分别为数据库中所有数据样本的心理预期价格、能够接受价格、不考虑购买价格的平均值。

进一步的，所述最终指导价格为一价格区间：dp＝[jp2(1+ccc),jp2(1+lcc)]。

进一步的，所述最终指导价格对应的购买率的具体计算如下：

其中，ηdp为最终指导价格dp对应的购买率，ndp↑为购买价格大于最终指导价格dp的购买量，n为数据库中的数据样本总数。

进一步的，所述期望基准价格jp2的初始值由商家预先设定，后续值由商家从最终指导价格dp中选择。

一种基于消费市场大数据资源的动态定价方法，其特征在于，包括以下步骤：

s1，预先设定最低基准价格jp1、期望基准价格jp2的初始值；

s2，显示商品信息，包括商品的名称、图片和参数；

s3，通过查看商品信息，输入对该商品的评估价格，包括心理预期价格bp、能够接受价格sp和不考虑购买价格lp作为数据样本；

s4，结合数据样本分析商品定价zp，若不考虑购买价格lp高于所述最低基准价格jp1，向消费者推送该定价zp；否则向消费者推送所述预期基准价格jp2，并将该消费者对应的数据样本从数据库剔除；

s5，根据当前数据库内的样本数据计算妥协系数，根据妥协系数计算最终指导价格以及该最终指导价格对应的购买率。

进一步的，所述分析商品定价zp的具体方法如下：

其中，jp1、jp2分别为设置的最低基准价格、期望基准价格，且jp1＜jp2；bp、sp、lp分别为消费者输入的心理预期价格、能够接受价格、不考虑购买价格，且bp＜sp＜lp。

进一步的，所述妥协系数包括常规妥协系数ccc和极限妥协系数lcc，计算如下：

其中，分别为数据库中所有数据样本的心理预期价格、能够接受价格、不考虑购买价格的平均值。

进一步的，所述最终指导价格对应的购买率的具体计算如下：

其中，ηdp为最终指导价格dp对应的购买率，ndp↑为购买价格大于最终指导价格dp的购买量，n为数据库中的数据样本总数。

与现有技术相比，本发明的有益效果是：本发明在销售商品的开始，仅提供商品信息，先由消费者进行价格的评估，然后根据评估结果的不同给出不同的价格，在销售商品的同时获取大量的样本数据，保障了商品的及时上架；另一方面，本发明引入妥协系数的概念，在保障购买率的同时尽可能提高商家的利润。

附图说明

图1为本发明的原理结构示意图。

图2为本发明的方法流程示意图。

具体实施方式

下面对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅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。

请参阅图1，本发明提供一种基于消费市场大数据资源的动态定价系统，其特征在于，包括

用户管理模块，用于用户进行注册、登录和验证，所述用户既包括消费者，还包括商家；

基准模块，用于商家设置商品的最低基准价格jp1和期望基准价格jp2，其中最低基准价格jp1一般为商品的成本价，保持不变，期望基准价格jp2的初始值为商家初始对该商品的期望价格，后续由系统进行更新；

显示模块，显示商品信息，包括商品的名称、图片和参数；

调研模块，输入消费者对该商品的评估价格，包括心理预期价格bp、能够接受价格sp和不考虑购买价格lp作为数据样本加入数据库；所谓心理预期价格bp为消费者参考商品的名称、图片和参数后给出的预期价格；能够接受价格sp为消费者仍然会购买该商品的价格；不考虑购买价格lp为消费者不考虑购买该商品的价格；

分析模块，结合所述数据样本分析商品定价zp，其中分析商品定价zp的具体方法如下：

其中，jp1、jp2分别为设置的最低基准价格、期望基准价格，且jp1＜jp2；bp、sp、lp分别为消费者输入的心理预期价格、能够接受价格、不考虑购买价格，且bp＜sp＜lp。

为了优化数据库，将其中不具备参考价值的数据样本删除，从而提高定价准确性。若不考虑购买价格lp高于所述最低基准价格jp1，向消费者推送该定价zp，消费者可以按照此定价zp进行商品购买；否则向消费者推送所述预期基准价格jp2，使消费者在购买同类商品有一个参照，并将该消费者对应的数据样本从数据库剔除。本发明的数据样本的采集及优化都是在消费者购物的同时完成，在给出合理定价的同时提高了定价方法的效率。

妥协定价模块，根据当前数据库内的样本数据计算妥协系数。所述妥协系数包括常规妥协系数ccc和极限妥协系数lcc，计算如下：

其中，分别为数据库中所有数据样本的心理预期价格、能够接受价格、不考虑购买价格的平均值。

根据妥协系数计算最终指导价格dp以及该最终指导价格对应的购买率ηdp。所述最终指导价格为一价格区间：dp＝[jp2(1+ccc),jp2(1+lcc)]，所述最终指导价格对应的购买率的具体计算如下：

其中，ηdp为最终指导价格dp对应的购买率，ndp↑为购买价格大于最终指导价格dp的购买量，n为数据库中的数据样本总数。

最终系统将最终指导价格即价格区间反应给商家，并附上该区间内各个价格对应的购买率，由商家从中选择一个合适的价格，更新基准模块中的期望基准价格jp2，实现系统的基准动态调整，使定价更准确。

本发明还提供一种基于消费市场大数据资源的动态定价方法，其特征在于，包括以下步骤：

s1，预先设定最低基准价格jp1、期望基准价格jp2的初始值；

s2，显示商品信息，包括商品的名称、图片和参数；

s3，通过查看商品信息，输入对该商品的评估价格，包括心理预期价格bp、能够接受价格sp和不考虑购买价格lp作为数据样本；

s4，结合数据样本分析商品定价zp，若不考虑购买价格lp高于所述最低基准价格jp1，向消费者推送该定价zp；否则向消费者推送所述预期基准价格jp2，并将该消费者对应的数据样本从数据库剔除；所述分析商品定价zp的具体方法如下：

其中，jp1、jp2分别为设置的最低基准价格、期望基准价格，且jp1＜jp2；bp、sp、lp分别为消费者输入的心理预期价格、能够接受价格、不考虑购买价格，且bp＜sp＜lp。

s5，根据当前数据库内的样本数据计算妥协系数，根据妥协系数计算最终指导价格以及该最终指导价格对应的购买率。其中，所述妥协系数包括常规妥协系数ccc和极限妥协系数lcc，计算如下：

其中，分别为数据库中所有数据样本的心理预期价格、能够接受价格、不考虑购买价格的平均值。

所述最终指导价格对应的购买率的具体计算如下：

其中，ηdp为最终指导价格dp对应的购买率，ndp↑为购买价格大于最终指导价格dp的购买量，n为数据库中的数据样本总数。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。