一种面向卷烟零售户的档位设置方法与流程

1.本发明涉及卷烟销售，具体涉及一种面向卷烟零售户的档位设置方法。


背景技术：

2.目前，零售户所能售卖的卷烟由其当前所在档位决定的，档位越高则能够订购的卷烟种类和数量越丰富。而决定档位的因素较为复杂，零售户所在的档位有时并不能真正反应其当前价值，从而造成有的零售户无法发挥所在档位的价值，而有的零售户所在档位则无法满足自身销售需求，并且存在部分零售户利用自身高档位大量囤烟，然后在卷烟紧俏时期高价出售的情况，导致市场失衡，损害消费者利益。


技术实现要素：

3.(一)解决的技术问题
4.针对现有技术所存在的上述缺点，本发明提供了一种面向卷烟零售户的档位设置方法，能够有效克服现有技术所存在的不能对卷烟零售户进行合理分档的缺陷。
5.(二)技术方案
6.为实现以上目的，本发明通过以下技术方案予以实现：
7.一种面向卷烟零售户的档位设置方法，包括以下步骤：
8.s1、采集各零售户的特征数据，并根据大量特征数据构建单个零售户的代价函数；
9.s2、基于单个零售户的代价函数，对所有零售户的代价函数求和；
10.s3、通过梯度下降，计算得到参数向量；
11.s4、根据参数向量得到推荐模型，利用推荐模型计算得到零售户的评价得分，并推荐进入合适档位。
12.优选地，s1中根据大量特征数据构建单个零售户的代价函数，包括：
13.对于单个零售户，将通过推荐模型得到该零售户各特征对应的预测得分，与该零售户各特征对应的真实得分之间预测误差的平方和，加上正则项，得到单个零售户的代价函数。
14.优选地，所述将通过推荐模型得到该零售户各特征对应的预测得分，与该零售户各特征对应的真实得分之间预测误差的平方和，加上正则项，得到单个零售户的代价函数，包括：
15.采用下式构建单个零售户的代价函数：
[0016][0017]
其中，x(i)为零售户i的特征向量，i＝1,2,
…
,m，m为零售户数量；θ(j)为特征j的参数向量，j＝1,2,
…
,n，n为特征数量；对于零售户i和特征j，预测得分为(θ(j))
t
x(i)，y(i,j)表示零售户i的特征j对应的真实得分，i:r(i,j)＝1表示只计算零售户i对特征j有值的场景；θk(j)为正则项。
[0018]
优选地，s2中基于单个零售户的代价函数，对所有零售户的代价函数求和，包括：
[0019]
采用下式计算所有零售户的代价函数之和：
[0020][0021]
优选地，s3中通过梯度下降，计算得到参数向量，包括：
[0022]
计算得到参数向量θ(j)：
[0023][0024][0025]
优选地，s4中根据参数向量得到推荐模型，利用推荐模型计算得到零售户的评价得分，并推荐进入合适档位，包括：
[0026]
根据参数向量θ(j)得到推荐模型(θ(j))
t
x(i)，利用推荐模型(θ(j))
t
x(i)和零售户的特征数据，计算该零售户的特征平均值，进而得到该零售户的评价得分，并推荐进入合适档位。
[0027]
优选地，所述零售户的特征数据包括零售户一年中每天卷烟销售额，销售的卷烟品种，销售卷烟品种的口味，每包卷烟的价格，每天售卖最好的卷烟品种，销售额最多/最少时间段，是否进购推荐卷烟，是否疑似进购超过自身售卖能力的卷烟，零售户所在地段价值，店面人流量。
[0028]
优选地，所述得到该零售户的评价得分，并推荐进入合适档位，包括：
[0029]
将档位分为30档，以30档为最高档，对应评价得分设为30分，以此类推，以1档为最低档，对应评价得分设为1分；
[0030]
得到零售户的评价得分后进行四舍五入，并推荐进入合适档位。
[0031]
(三)有益效果
[0032]
与现有技术相比，本发明所提供的一种面向卷烟零售户的档位设置方法，具有以下有益效果：
[0033]
1)不同于传统的卷烟零售户分档，本技术采用多种具有商业价值的特征数据来计算零售户的档位，极大地保证了零售户档位的商业价值及合理性，同时本技术还关注了零售户的异常行为，能够更好地监控零售户，稳定市场秩序；
[0034]
2)首次将推荐模型应用到卷烟零售户分档中，能够避免人为因素，更有利于卷烟销售的公平，同时能够更好地分析零售户的卷烟销售情况，并将零售户推荐至合适档位，充分发挥零售户档位的作用，提高卷烟销量，提升营销管理服务质量。
附图说明
[0035]
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的前提下，还可以根据这些附图获得其他的附图。
[0036]
图1为本发明的流程示意图。
具体实施方式
[0037]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，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作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。
[0038]
一种面向卷烟零售户的档位设置方法，如图1所示，
①
采集各零售户的特征数据，并根据大量特征数据构建单个零售户的代价函数。
[0039]
其中，根据大量特征数据构建单个零售户的代价函数，包括：
[0040]
对于单个零售户，将通过推荐模型得到该零售户各特征对应的预测得分，与该零售户各特征对应的真实得分之间预测误差的平方和，加上正则项，得到单个零售户的代价函数；
[0041]
上述内容具体包括：
[0042]
采用下式构建单个零售户的代价函数：
[0043][0044]
其中，x(i)为零售户i的特征向量，i＝1,2,
…
,m，m为零售户数量；θ(j)为特征j的参数向量，j＝1,2,
…
,n，n为特征数量；对于零售户i和特征j，预测得分为(θ(j))
t
x(i)，y(i,j)表示零售户i的特征j对应的真实得分，i:r(i,j)＝1表示只计算零售户i对特征j有值的场景；θk(j)为正则项。
[0045]
本技术技术方案中，零售户各特征对应的预测得分、真实得分基于特征缩放，使得得分在1-30之间。
[0046]
②
基于单个零售户的代价函数，对所有零售户的代价函数求和，具体包括：
[0047]
采用下式计算所有零售户的代价函数之和：
[0048][0049]
③
通过梯度下降，计算得到参数向量，具体包括：
[0050]
计算得到参数向量θ(j)：
[0051][0052][0053]
④
根据参数向量得到推荐模型，利用推荐模型计算得到零售户的评价得分，并推荐进入合适档位，具体包括：
[0054]
根据参数向量θ(j)得到推荐模型(θ(j))
t
x(i)，利用推荐模型(θ(j))
t
x(i)和零售户的特征数据，计算该零售户的特征平均值，进而得到该零售户的评价得分，并推荐进入合适档位。
[0055]
其中，得到该零售户的评价得分，并推荐进入合适档位，包括：
[0056]
将档位分为30档，以30档为最高档，对应评价得分设为30分，以此类推，以1档为最低档，对应评价得分设为1分；
[0057]
得到零售户的评价得分后进行四舍五入，并推荐进入合适档位。
[0058]
本技术技术方案中，零售户的特征数据包括零售户一年中每天卷烟销售额，销售的卷烟品种，销售卷烟品种的口味，每包卷烟的价格，每天售卖最好的卷烟品种，销售额最多/最少时间段，是否进购推荐卷烟，是否疑似进购超过自身售卖能力的卷烟，零售户所在地段价值，店面人流量。
[0059]
零售户特征数据地选取是非常重要的，在设计推荐模型时，充分考虑了零售户所在的位置、地段、商业价值、人流量等重要因素，这些因素会很大影响卷烟销售。例如，写字楼、小区楼下的地段，卷烟销售往往要比偏僻的村庄容易很多；同样，一个偏僻的村庄在除春节等人流量高峰时段进购大量高价卷烟，这是不太正常的，该零售户相应特征数据可能就会降低。
[0060]
同时，为了兼顾卷烟销售，例如偏僻的村庄可能售卖低价位卷烟的数量较多，而写字楼售卖高价位卷烟的数量较多，在计算最终零售户的评价得分时平衡了各个因素。此外，本技术考虑了一些其他因素(如疫情等)带来的影响，通过使用正则化手段予以平衡，最终得到的零售户评价得分具有较高的公平性。
[0061]
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。