供应链信息处理方法、装置、设备及存储介质与流程

1.本技术涉及计算机技术，尤其涉及一种供应链信息处理方法、装置、设备及存储介质。


背景技术：

2.智能供应链优化方案平台以平台大数据和算法能力，为商家用户提供优化物流供应链的解决方案。通常平台推出的各项物流产品和供应链优化方案有很多，有的互斥有的共轭。平台仅提供单一供应链优化方案预计收益分析。但是通常供应链优化所需的投入成本较大，在控制供应链优化的成本和提升消费者体验之间商家用户难以平衡，无法选择适合的组合供应链优化方案。目前的智能供应链优化方案平台无法向商家用户提供商家用户可直接采纳的整体方案，平台的可用性较差。


技术实现要素：

3.本技术提供一种供应链信息处理方法、装置、设备及存储介质，用以解决目前的智能供应链优化方案平台无法向商家用户提供商家用户可直接采纳的整体方案，平台可用性较差的问题。
4.一方面，本技术提供一种供应链信息处理方法，包括：
5.响应于商家用户设定优化目标的操作，获取所述商家用户设定的优化目标信息；
6.根据所述优化目标信息和候选的供应链优化方案的优先级，采用启发式算法确定包含至少一个供应链优化方案的组合优化方案，使得所述组合优化方案满足所述商家用户的优化目标；
7.向所述商家用户推荐所述组合优化方案。
8.另一方面，本技术提供一种供应链信息处理装置，包括：
9.优化目标确定模块，用于响应于商家用户设定优化目标的操作，获取所述商家用户设定的优化目标信息；
10.组合优化模块，用于根据所述优化目标信息和候选的供应链优化方案的优先级，采用启发式算法确定包含至少一个供应链优化方案的组合优化方案，使得所述组合优化方案满足所述商家用户的优化目标；
11.推荐模块，用于向所述商家用户推荐所述组合优化方案。
12.另一方面，本技术提供一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；
13.所述存储器存储计算机执行指令；
14.所述处理器执行所述存储器存储的计算机执行指令，以实现上述所述的方法。
15.另一方面，本技术提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现上述所述的方法。
16.本技术提供的供应链信息处理方法、装置、设备及存储介质，通过响应于商家用户
设定优化目标的操作，获取商家用户设定的优化目标信息；根据商家用户设定的优化目标信息和候选的供应链优化方案的优先级，采用启发式算法确定包含至少一个供应链优化方案的组合优化方案，使得组合优化方案满足商家用户的优化目标，并向商家用户推荐组合优化方案，能够基于商家用户设定的优化目标智能推荐满足商家用户优化目标的组合优化方案从而向商家用户智能推荐可直接采纳使用的供应链组合优化方案，提高了平台的可用性。
附图说明
17.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。
18.图1为本技术提供的供应链信息处理方法所基于的系统架构示意图；
19.图2为本技术提供的交互界面的示意图；
20.图3为本技术一示例实施例提供的供应链信息处理方法流程图；
21.图4为本技术另一示例实施例提供的供应链信息处理方法流程图；
22.图5为本技术一示例实施例提供的拟合多个指标间关系的示意图；
23.图6为本技术一示例实施例提供的启发式算法模型的计算框架的示意图；
24.图7为本技术另一示例实施例提供的供应链信息处理方法流程图；
25.图8为本技术一示例实施例提供的推荐效果监测的框架图；
26.图9为本技术一示例实施例提供的供应链信息处理装置的结构示意图；
27.图10为本技术一示例实施例提供的电子设备的结构示意图。
28.通过上述附图，已示出本技术明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本技术构思的范围，而是通过参考特定实施例为本领域技术人员说明本技术的概念。
具体实施方式
29.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。
30.首先对本技术所涉及的名词进行解释：
31.模拟大图：基于商家用户选择的优化目标或订购产品组合，智能推荐供应链优化的解决方案，以及提供采纳后的效果模拟。
32.运筹优化算法：在一系列资源或业务逻辑的约束下，最优化目标的决策算法。
33.仿真优化算法：将仿真技术和优化方法相结合，以仿真模型的输出作为算法的适应值来指导优化算法搜索出问题的最优解。
34.look-alike算法：基于目标用户群，从海量的人群中找出和目标用户群相似的其他人群。
35.启发式搜索算法：利用所求解问题相关的辅助信息引导搜索过程，来减少搜索范围，降低问题复杂度。
36.时效表达：电子商务平台在搜索页向消费者表达预计(承诺)发货时间或预计(承诺)送达时间。
37.时效表达的渗透率：有该时效表达的订单数量/总订单数量。
38.本技术提供一种供应链信息处理方法，通过响应于商家用户设定优化目标的操作，获取商家用户设定的核心指标的优化目标值；根据核心指标的优化目标值和候选的供应链优化方案的优先级，采用启发式算法确定包含至少一个供应链优化方案的组合优化方案，使得采用组合优化方案后商家用户的核心指标的预期值达到优化目标值、且组合优化方案的成本最低；向商家用户推荐组合优化方案，能够向商家用户智能推荐商家用户可直接采纳的组合优化方案，以满足商家用户提高消费者体验的同时控制供应链优化的成本的需求，从而提高平台的可用性。
39.本技术提供的供应链信息处理方法，可以适用于图1所示的系统架构。如图1所示，该系统包括：终端和服务器。
40.其中，该服务器可以为智能供应链优化方案平台的服务器，具体可以是部署在云端的服务器集群。该服务器上存储有平台所能提供的候选的供应链优化方案、启发式算法的实现逻辑、并可以获取到各个商家用户的历史数据和商家用户所属目标行业的历史数据，通过服务器中预设运算逻辑，可以实现基于商家用户设定的优化目标智能推荐供应链的组合优化方案、并向商家用户展示模拟效果、以及商家用户采用组合优化方案后的效果监测等功能。
41.终端为商家用户使用的客户端设备，终端具体可为具有网络通信功能、运算功能以及信息显示功能的硬件设备，其包括但不限于智能手机、平板电脑、台式电脑、物联网设备等。
42.通过与服务器的通信交互，当商家用户使用终端进行设定优化目标的操作时，终端将商家用户设定的优化目标信息发送到服务器，服务器可以实时获取商家用户设定的优化目标信息，根据优化目标信息和候选的供应链优化方案的优先级，采用启发式算法确定包含至少一个供应链优化方案的组合优化方案，使得组合优化方案满足商家用户的优化目标，并向商家用户推荐组合优化方案，服务器将所推荐的优化组合方案输出至终端。终端可以通过交互界面输出向商家用户推荐的组合优化方案。
43.另外，服务器还可以根据商家用户设定的优化目标信息，以及优化目标信息与收益增量信息间的关系进行效果模拟，确定商家用户由当前状态信息提升至设定的优化目标信息后，为商家用户带来的收益增量信息的变化量，并将效果模拟结果发送至终端。终端通过可视化界面输出效果模拟结果，并向商家用户展示效果模拟结果，以向商家用户提供参考，有利于商家用户做出采纳或不采纳向其推荐的组合优化策略的决策。
44.本实施例中，商家设定的优化目标信息可以包括商家设定的核心指标(如物流能力指标、时效表达指标等)的优化目标值。其中，物流能力指标可以不同时效的送达率(如当日送达率、当次日送达率、隔日送达率等)、到货时长等。时效表达指标可以是时效表达的渗透率，例如次日表达的渗透率、隔日表达的渗透率等。
45.示例性地，图2为本技术提供的交互界面的示意图，如图2所示，在该交互界面中，可以以滑动条的方式提供核心指标(如当次日达率、表达渗透率)的设定区域，商家用户可以通过拖动滑动条上的滑动端点来设定核心指标的优化目标值。在该交互界面中，还可以
显示核心指标由当前值提升至优化目标值带来的收益指标的变化量，如图2所示的gmv增加、退款金额降低、赔付金额降低、转化率、退款金额减少比例、赔付金额减少比例、支签时长锁定的比例等。如图2所示，可以在该交互界面中向商家用户推荐组合优化方案。
46.下面以具体地实施例对本技术的技术方案以及本技术的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本技术的实施例进行描述。
47.图3为本技术一示例实施例提供的供应链信息处理方法流程图。本实施例提供的供应链信息处理方法具体应用于上述提及的服务器。如图3所示，该方法具体步骤如下：
48.步骤s301、响应于商家用户设定优化目标的操作，获取商家用户设定的优化目标信息。
49.本实施例中，商家用户可以设定优化目标信息可以是物流能力指标或者时效表达指标的优化目标值。其中，物流能力指标可以不同时效的送达率(如当日送达率、当次日送达率、隔日送达率等)、到货时长等。时效表达指标可以是时效表达的渗透率，例如次日表达的渗透率、隔日表达的渗透率等。
50.示例性地，服务器可以通过商家用户使用的客户端设备提供交互界面，并在交互界面上设置优化目标的操作区域。商家用户可以在交互界面上设置的优化目标的操作区域进行设定优化目标信息的操作，并将商家用户设定的优化目标信息通过客户端设备发送至服务器。服务器可以实时地获取到商家用户设定的优化目标信息。
51.示例性地，交互界面上优化目标的操作区域中可以设置核心指标对应的滑动条，商家用户通过拖动滑动条上的滑动端点来设定核心指标的优化目标值。
52.示例性地，交互界面上优化目标的操作区域中可以设置输入框，商家用户可以在输入框中共填写核心指标的优化目标值。
53.步骤s302、根据优化目标信息和候选的供应链优化方案的优先级，采用启发式算法确定包含至少一个供应链优化方案的组合优化方案，使得组合优化方案满足商家用户设定的优化目标。
54.在获取到商家用户设定的优化目标信息之后，根据优化目标信息和候选的供应链优化方案的优先级，采用启发式算法，搜索出一个包含至少一个供应链优化方案的组合优化方案，使得组合优化方案满足商家用户设定的优化目标，并且该组合优化方案包含尽可能少的供应链优化方案，以尽量降低推荐的组合优化方案的供应链优化成本。
55.组合优化方案满足商家用户设定的优化目标是指采用组合优化方案后商家用户的核心指标可以达到商家用户设定的核心指标的优化目标值。
56.示例性地，采用启发式算法搜索组合优化方案的问题可以建模为如下整数规划问题：
57.决策变量：xi∈{0，1}，表示供应链优化方案i是否被推荐，也即是否包含在组合优化方案中。
58.目标函数：min∑
i∈i ci*xi，表示使得组合优化方案的成本最低，其中i表示供应链优化方案的集合，ci表示供应链优化方案i的成本。
59.约束条件：1)p
′
≥p，表示采用组合优化方案后商家用户的核心指标的预期值达到商家用户设定的优化目标值，其中p
′
表示采用组合优化方案后商家用户的核心指标的预期
值，p表示商家用户设定的核心指标的优化目标值。2)优先选择优先级高的供应链优化方案。
60.另外，启发式算法中的约束条件还包括供应链优化方案所需满足的其他约束，例如，所能选择的物流产品的范围、最晚截单时间的限制等等。其中物流产品是指各个物流公司提供的服务，同一家物流公司可以提供多种物流产品。
61.通过采用启发式算法可以成功搜索出一个组合优化方案，使得采用该组合优化方案后商家用户的核心指标的预期值能够达到优化目标值，并且该组合优化方案包含尽可能少的供应链优化方案，可以尽量降低推荐的组合优化方案的供应链优化成本。
62.示例性地，候选的供应链优化方案可以包括如下一种或多种：智能分仓、品仓优化、可优化线路推荐(更换物流产品)、截单时间优化、物流升级、发货时效表达优化、送达时效表达优化等。候选的供应链优化方案可以分为如下三大类：供应链结构优化、物流优化、时效表达优化。其中智能分仓、品仓优化、可优化线路推荐(更换物流产品)、截单时间优化属于供应链结构优化，物流升级属于物流优化，发货时效表达优化、送达时效表达优化等属于时效表达优化。在实际应用中，服务器可以向商家用户推荐包含至少一种供应链优化方案的组合优化方案。
63.本实施例中，候选的各个供应优化方案的优先级可以由技术人员根据实际应用场景和经验进行设置，此处不做具体限定。
64.步骤s303、向商家用户推荐组合优化方案。
65.在得到组合优化方案之后，可以通过交互界面向商家用户推荐该组合优化方案，使得商家用户可以直接采用该组合优化方案，使得自身的供应链方案达到优化目标。
66.本实施例中，通过响应于商家用户设定优化目标的操作，获取商家用户设定的优化目标信息；根据优化目标信息和候选的供应链优化方案的优先级，采用启发式算法确定包含至少一个供应链优化方案的组合优化方案，使得组合优化方案满足商家用户设定的优化目标，并向商家用户推荐组合优化方案，能够基于商家用户设定的优化目标智能推荐满足商家用户优化目标的组合优化方案，从而向商家用户智能推荐可直接采纳使用的供应链组合优化方案，提高了平台的可用性。
67.图4为本技术另一示例实施例提供的供应链信息处理方法流程图。在上述方法实施例的基础上，本实施例中，在获取商家用户设定的优化目标信息之后，还可以根据商家用户的当前状态信息和优化目标信息，以及优化目标信息与收益增量信息的关系，确定商家用户由当前状态信息变化至优化目标信息带来的收益增量信息的变化量，以向商家用户展示满足商家用户设定的优化目标信息能给商家用户带来的收益增量信息，从而为商家用户做出采纳或不采纳向其推荐的组合优化策略的决策提供数据参考，并帮助商家用户设定合适的优化目标。
68.如图4所示，该方法步骤如下：
69.步骤s401、响应于商家用户设定优化目标的操作，获取商家用户设定的优化目标信息。
70.该步骤与上述步骤s301一致，此处不再赘述。
71.步骤s402、根据商家用户的当前状态信息和优化目标信息，以及优化目标信息与收益增量信息的关系，确定商家用户由当前状态信息变化至优化目标信息带来的收益增量
信息的变化量。
72.其中，商家设定的优化目标信息可以包括商家设定的核心指标(如物流能力指标、时效表达指标等)的优化目标值。当前状态信息包括商家用户的核心指标的当前值。收益增量信息包括一种或多种收益指标的增量信息。优化目标信息与收益增量信息的关系包括核心指标与收益指标间的关系。
73.本实施例中，根据商家用户的核心指标的当前值和优化目标值，以及核心指标与收益指标间的关系，来计算核心指标由当前值提升至优化目标值带来的收益指标的变化量，从而能够模拟出通过供应链优化使得商家用户的核心指标达到所设定的优化目标值能够带给商家用户的收益增量，也即商家用户由当前状态信息变化至优化目标信息带来的收益增量，从而为商家用户做出采纳或不采纳向其推荐的组合优化策略的决策提供数据参考，并帮助商家用户设定合适的优化目标。
74.其中，核心指标为物流能力指标或者时效表达指标，物流能力指标包括到货时长(也即平均支签时长)、当次日送达率、当次隔日送达率等。收益指标包括以下至少一项：商品交易总额(gross merchandise volume，简称gmv)、求助相对减少比例、求助减少带来的收益、退款相对减少比例、退款减少带来的收益。另外，收益指标还可以包括求助率、退款率、转化率、达成率等。
75.可选地，服务器可以预先基于各一级类目下的供应链相关的数据，拟合出该一级类目下核心指标和收益指标间的关系，并存储每一一级类目下核心指标和收益指标间的关系。该步骤中，服务器可以根据商家用户所属的一级类目，读取对应的核心指标和收益指标间的关系。
76.可选地，服务器可以基于商家用户的同类(与商家用户属于相同类目)商家用户的供应链相关数据，在线拟合出核心指标和收益指标间的关系。
77.本实施例中，可以通过如下方式拟合得到核心指标与收益指标间的关系：
78.根据商家用户所属类目的供应链数据，按照预设的单位时长计算各个单位时长内收益信息和优化目标信息所包含的核心指标信息；根据各个单位时长内的核心指标信息和收益信息，拟合出核心指标信息与收益增量信息间的关系。
79.具体地，根据商家用户所属类目的供应链数据，按照预设的单位时长计算各个单位时长内的核心指标和收益指标；根据各个单位时长内的核心指标和收益指标，拟合出核心指标与收益指标间的关系，从而可以基于同类商家用户的大量数据，准确地拟合出核心指标与收益指标间的关系。
80.其中，预设的单位时长可以是一天、若干天、一个月、若干月等。供应链数据可以包括但不限于如下数据：物流数据，如仓所在地、仓发货使用的物流产品、物流产品分单比、仓波次、品仓结构等数据；经营数据，如订单数据、用户求助数据、用户退款数据等。另外，供应链数据还可以包括与供应链相关的其他数据。
81.示例性地，可以根据商家用户的核心指标的当前值或者商家用户设定的优化目标值，基于同类商家用户的数据，可以拟合出物流能力指标间的关系，如当次日送达率与到货时长的关系，可以拟合出物流能力指标(如当次日送达率)与当次日达渗透率、隔日达渗透率等时效表达指标间的关系，并且可以拟合出物流能力指标(如当次日送达率)与达成率的关系。进一步地，按照许诺(promise)价值测算的逻辑，分别计算出对应的转化率收益指标
和gmv、求助率、退款率等物流体验收益的收益指标。
82.示例性地，以核心指标为当次日送达率为例，基于商家用户当次日送达率的当前值或者商家用户设定的优化目标值，利用同类商家用户的数据，可以拟合出如图5所示的多个指标间的关系。如图5所示，可以拟合出当次日送达率与到货时长、当次日达渗透率、隔日达渗透率、达成率间的关系，进一步地可以计算出渗透率与转化率相对提升比例的关系，拟合出渗透率和达成率与求助相对减少比例、渗透率和达成率与退款相对减少比例的关系。进一步地，基于转化率相对提升比例、时效表达(如当次日达、隔日达等)的渗透率和商家用户的具有该时效表达的订单的总gmv，可以预估转化率提升带来的收益；基于求助相对减少比例、商家用户当前的求助率和总单量，可以预估求助减少带来的收益；基于退款相对减少比例、商家用户当前的退款率和总单量，可以预估退款减少带来的收益。
83.具体地，以商家用户所在一级类目的所有商家用户为样本，按月统计当次日送达率、到货时长(也即平均直签时长)、当次日达渗透率、隔日达渗透率、达成率等指标。基于统计得到的这些指标数据，剔除一些离群值(outlier)后，分别拟合出当次日送达率与到货时长、当次日送达率与当次日达渗透率、当次日送达率与隔日达渗透率、当次日送达率与达成率之间的关系。示例性地，为简化计算，可以按照线性关系拟合各个指标间的关系。
84.进一步地，基于该商家用户的核心指标的当前值和目标优化值，通过在一级类目下所有商家用户的供应链优化的历史相关数据，可以统计出对应表达时效的渗透率、达成率、求助相对减少比例、退款相对减少比例、转化率相对提升比例。根据这些统计数据剔除一些离群值(outlier)后，可以分别拟合出渗透率和达成率与求助相对减少比例、渗透率和达成率与退款相对减少比例的关系、渗透率和达成率与转化率相对提升比例间的关系。
85.进一步地，通过如下方式可以计算转化率提升带来的收益：
86.根据许诺(promise)价值测算逻辑，以时效表达为【隔日达】为例，令b
gmv
代表有隔日达时效表达的订单的总gmv，c
gmv
代表所有订单的总gmv，代表隔日达时效渗透率，α代表转化率相对提升比例，则对于隔日达时效表达，转化率提升带来的收益为：
[0087][0088]
另外，针对时效表达为【次日达】时，转化率提升带来的收益的计算逻辑与此类似，将时效表达更替为次日达即可。
[0089]
示例性地，通过如下方式可以计算求助减少带来的收益：
[0090]
根据许诺(promise)价值测算逻辑，假设不包含表达时效的订单的求助率为α3，总订单量为n，求助相对减少比例为αd，则求助减少带来的收益为：
[0091]
减少的求助量consultd＝n*α3*αd，
[0092]
减少的求助成本cost
saving
＝consultd*10。
[0093]
示例性地，通过如下方式可以计算退款减少带来的收益：
[0094]
根据许诺(promise)价值测算逻辑，假设不包含表达时效的订单的退款率为β3，总订单量为n，求助相对减少比例为βd，则退款减少带来的收益为：
[0095]
减少的退款笔数refundd＝n*β3*βd，
[0096]
假设biz_gmv为客单价，则挽回退款gmv为gmv
adding
＝refundd*biz_gmv。
[0097]
另外，还可以通过其他方式确定各个指标间的关系，此处不做具体限定。
[0098]
步骤s403、向商家用户展示收益增量信息的变化量。
[0099]
在确定商家用户的核心指标由当前值提升至优化目标值带来的gmv、求助相对减少比例、求助减少带来的收益、退款相对减少比例、退款减少带来的收益等收益增量信息之后，可以通过交互界面向商家用户展示其中一项或多项收益指标的增量信息，以帮助商家用户了解核心指标得到提升后能够带来的收益，从而为商家用户做出采纳或不采纳向其推荐的组合优化策略的决策提供数据参考。
[0100]
步骤s404、根据优化目标信息和候选的供应链优化方案的优先级，采用启发式算法确定包含至少一个供应链优化方案的组合优化方案，使得组合优化方案满足商家用户设定的优化目标。
[0101]
该步骤与上述步骤s302一致，此处不再赘述。
[0102]
步骤s405、向商家用户推荐组合优化方案。
[0103]
本实施例中，响应于商家用户设定优化目标的操作，获取商家用户设定的核心指标的优化目标值，在向商家用户智能推荐组合优化方案的同时，根据商家用户的核心指标的当前值和优化目标值，以及核心指标与收益指标间的关系，确定核心指标由当前值提升至优化目标值带来的收益指标的变化量，并向商家用户展示收益指标的变化量，以向商家用户展示将核心指标由的当前值提升至所设定的优化目标值能给商家用户带来的收益效果，从而为商家用户做出采纳或不采纳向其推荐的组合优化策略的决策提供数据参考，并帮助商家用户设定合适的优化目标。
[0104]
在一种可选实施例中，上述步骤s302和s404中可以采用如下启发式算法模型来实现组合优化方案的搜索。该算法模型主要根据商家用户设定的优化目标信息、期望达成率、供应链优化方案的优先级等输入数据，搜索并输出一套组合优化方案。
[0105]
例如，商家用户期望的当次日达渗透率在当前基础上提升10％时，算法模型输出的组合优化方案可以是优化截单时间至xx点+更换物流产品为yy，其中优化截单时间和更换物流产品对当次日达渗透率的贡献度的加权求和结果大于或等于10％。
[0106]
示例性地，该算法模型的计算框架如图6所示，包括输入、约束、目标函数和输出几部分。
[0107]
其中，该算法模型的输入可以包括以下几部分：
[0108]
整体输入：优化目标信息(包括核心指标的优化目标值)、期望达成率、供应链优化方案的优先级；
[0109]
物流产品相关输入：候选的物流产品、及每一候选的物流产品的到货时长；
[0110]
截单时间相关输入：商家用户当前的截单时间。
[0111]
该算法模型的输出包括：组合优化方案包括的供应链优化方案及其实施计划，可选输出有组合优化方案中每一供应链优化方案对优化目标的贡献度，也即每一供应链优化方案对核心指标的贡献度。
[0112]
该算法模型的目标函数：一是基于商家用户现有供应链情况的最优组合优化方案，也即最大化渗透率；组合优化方案所能达到的核心指标的预期值与优化目标值的差值最小。
[0113]
该算法模型的约束包括但不限于如下几类约束条件：
[0114]
1)方案优先级约束：按照优先级顺序依次选择供应链优化方案。
[0115]
2)达成率约束：采用组合优化方案使得商家用户的达成率不低于期望达成率。其中，期望达成率可以由商家用户设置、或者是基于行业内所有商家用户的历史数据确定的兜底值、或者是基于人群画像分析确定的当前商家用户的目标用户群的最低达成率。
[0116]
3)商家用户前置约束：组合优化方案中所选用的物流产品属于预设物流产品范围。其中，预设物流产品范围可以由商家用户设置、或者是基于人群画像分析确定的当前商家用户的目标用户群所偏好的物流产品。
[0117]
4)物流产品推荐约束：根据商家用户的客单量，对于平均客单量小于预设单量的商家用户，所推荐的组合优化方案中使用的物流产品的数量小于或等于第一数量，对于平均客单量大于或等于预设单量的商家用户，所推荐的组合优化方案中使用的物流产品的数量小于或等于第二数量，第二数量大于第一数量；若商家用户的客单价小于预设客单价，则组合优化方案中所选用的物流产品的数量不超过第三数量；其中第一预设单量、第一数量、第二数量、预设客单价、第三数量可以由技术人员根据实际应用场景进行设置和调整。例如，日均5千单以下的商家用户最多使用2种物流产品，日均5千单以上的商家用户最多使用4种物流产品，日均客单价小于30元的商家用户最多使用1中物流产品。
[0118]
5)截单时间约束：截单时间在指定时刻及以后的，则不推荐再延迟截单时间；例如截单时间在18点及以后的商家用户，则不需要推荐再延迟截单时间。
[0119]
通过该启发式算法模型可以搜索到组合优化方案，使得组合优化方案能够满足商家用户的优化目标并且成本较低。
[0120]
在一种可选实施例中，如图7所示，上述步骤s302和s404具体可以采用如下步骤实现：
[0121]
步骤s700、采用启发式算法，按照供应链优化策略的优先级依次遍历候选的供应链优化方案。
[0122]
本实施例中，启用启发式算法搜索组合优化方案时，按照供应链优化策略的优先级依次遍历候选的供应链优化方案，以优先将优先级较高的供应链优化方案添加到组合优化方案中，从而提升组合优化方案的优化效果和搜索效率。
[0123]
其中，供应链优化策略的优先级可以由相关人员根据实际应用场景中商家用户的可接受程度等因素进行设置，此处不做具体限定。
[0124]
步骤s701、将当前遍历的目标方案添加至组合优化方案，生成目标方案的实施计划，使得组合优化方案的实施计划满足预设约束条件，并确定目标方案对优化目标的贡献度。
[0125]
其中，目标方案指定的当前遍历的供应链优化方案。目标方案的实施计划是指基于目标方案生成的适用于当前商家用户的具体实施计划，该具体实施计划可以是sku(stock keeping unit，库存量单位)级别、物流线路级别的可落地执行的详细计划。基于具体实施计划，商家用户可以明确如何执行具体实施计划来实现目标方案。
[0126]
例如，具体实施计划包括每一仓的截单时间(包括是否推迟截单时间以及截单时间推迟到几点等)，每个地区(如省、市等)内每个仓选用的物流产品(包括是否更新物流产品及更换到哪些物流产品等)等。
[0127]
目标方案对优化目标的贡献度包括目标方案对核心指标的贡献度。
[0128]
本实施例中，为了使得得到组合优化方案能够实施，组合优化方案需要满足预设
约束条件。预设约束条件包括但不限于如下几类约束条件：
[0129]
1)方案优先级约束：按照优先级顺序依次选择供应链优化方案。
[0130]
2)达成率约束：采用组合优化方案使得商家用户的达成率不低于期望达成率。其中，期望达成率可以由商家用户设置、或者是基于行业内所有商家用户的历史数据确定的兜底值、或者是基于人群画像分析确定的当前商家用户的目标用户群的最低达成率。
[0131]
3)商家用户前置约束：组合优化方案中所选用的物流产品属于预设物流产品范围。其中，预设物流产品范围可以由商家用户设置、或者是基于人群画像分析确定的当前商家用户的目标用户群所偏好的物流产品。
[0132]
4)物流产品推荐约束：根据商家用户的客单量，对于平均客单量小于预设单量的商家用户，所推荐的组合优化方案中使用的物流产品的数量小于或等于第一数量，对于平均客单量大于或等于预设单量的商家用户，所推荐的组合优化方案中使用的物流产品的数量小于或等于第二数量，第二数量大于第一数量；若商家用户的客单价小于预设客单价，则组合优化方案中所选用的物流产品的数量不超过第三数量；其中第一预设单量、第一数量、第二数量、预设客单价、第三数量可以由技术人员根据实际应用场景进行设置和调整。例如，日均5千单以下的商家用户最多使用2种物流产品，日均5千单以上的商家用户最多使用4种物流产品，日均客单价小于30元的商家用户最多使用1中物流产品。
[0133]
5)截单时间约束：截单时间在指定时刻及以后的，则不推荐再延迟截单时间；例如截单时间在18点及以后的商家用户，则不需要推荐再延迟截单时间。
[0134]
一种可选实施例中，可以根据商家用户的历史数据，对商家用户的目标用户群进行人群画像分析，确定预设约束条件中的至少一项约束边界值。
[0135]
示例性地，上述达成率约束中，若商家用户未设置期望达成率，则根据商家用户的历史数据，对商家用户的目标用户群进行人群画像分析，确定商家用户的目标用户群的时效表达的最低达成率、平均达成率等达成率信息，并根据目标用户群的时效表达的达成率信息设置期望达成率。例如，将目标用户群的时效表达的最低达成率作为期望达成率。那么，上述达成率约束可以表述为：组合优化方案使得商家用户的时效表达达成率大于或等于商家用户的目标用户群的时效表达的最低达成率，可以有效地进行达成率的约束，从而提升组合优化方案的优化效果。
[0136]
示例性地，上述商家用户前置约束中，若商家用户未设置预设物流产品范围，则根据商家用户的历史数据，对商家用户的目标用户群进行人群画像分析，确定目标用户群偏好的物流产品，根据目标用户群偏好的物流产品确定预设物流产品范围。那么，上述商家用户前置约束可以表述为：组合优化方案中所使用的物流产品属于目标用户群偏好的物流产品，可以有效地进行选择的物流产品的约束，从而提升组合优化方案的优化效果。
[0137]
通过对商家用户的目标用户群进行人群画像分析确定预设约束条件中的至少一项约束边界值，使得预设约束条件具有合理的边界值，从而可以提升组合优化方案的优化效果。
[0138]
该步骤中，基于预设约束条件生成目标方案的实施计划，使得组合优化方案满足预设约束条件。
[0139]
本实施例中，生成供应链优化方案对应的实施计划的具体实现方式可以采用现有技术中独立向商家用户提供该供应链优化方案的平台中生成供应链优化方案的具体实施
计划的方式实现，此处不再赘述。
[0140]
示例性地，智能分仓、品仓优化、可优化线路推荐(更换物流产品)可以使用运筹优化算法来生成对应的实施计划。截单时间优化可以使用仿真优化算法来生成对应的实施计划。
[0141]
进一步地，为了预估采用当前的组合优化方案后商家用户的核心指标的预期值，该步骤中在生成目标方案适用于当前商家用户的实施计划之后，基于实施计划来计算目标方案对商家用户的核心指标的贡献度。例如，如选择更改截单时间至xx点，能提升时效渗透率y个点。
[0142]
具体地，可以基于商家用户当前的供应链数据和同类商家用户的采用该目标方案进行供应链优化的历史数据，计算得到该目标方案对核心指标的贡献度。
[0143]
示例性地，以核心指标为当次日达渗透率为例，对于供应链结构优化类的供应链优化方案，可以基于采纳了同种供应链优化方案的同类商家用户的当次日达渗透率的历史数据，计算出该供应链优化方案对当次日达渗透率的贡献度。
[0144]
示例性地，以核心指标为当次日达渗透率为例，对于时效表达优化类的供应链优化方案，可以基于采纳了同种供应链优化方案的同类商家用户的当次日达渗透率的历史数据，计算出该供应链优化方案对当次日达渗透率的贡献度。
[0145]
示例性地，以核心指标为当次日达渗透率为例，对于物流优化类的供应链优化方案，可以基于商家用户的截单时间、单量等历史信息，采用的物流产品的时效及成本等，计算出该供应链优化方案对当次日达渗透率的贡献度。
[0146]
步骤s702、根据组合优化方案中每一供应链优化方案对优化目标的贡献度，确定当前的组合优化方案对应的优化预期信息。
[0147]
其中，当前的组合优化方案对应的优化预期信息包括采用当前的组合优化方案后商家用户的核心指标所能达到的预期值。
[0148]
该步骤中，根据组合优化方案中每一供应链优化方案对核心指标的贡献度，对组合优化方案中各个供应链优化方案对核心指标的贡献度加权求和，将加权求和结果作为采用当前的组合优化方案后商家用户的核心指标的预期值，从而得到当前的组合优化方案对应的优化预期信息。
[0149]
其中，供应链优化方案对核心指标的贡献度的权值，可以根据供应链优化方案的优先级进行设置，优先级越高的供应链优化方案对应的贡献度的权值越大，优先级越低的供应链优化方案对应的贡献度的权值越小。
[0150]
步骤s703、判断优化预期信息是否达到优化目标。
[0151]
该步骤中，通过判断优化预期信息中核心指标的预期值是否达到优化目标信息中核心指标的优化目标值，来确定优化预期信息是否达到优化目标。
[0152]
若核心指标的预期值未达到优化目标值，则确定优化预期信息未达到优化目标，执行步骤s704继续遍历下一候选的供应链优化方案，然后跳转至步骤s701。
[0153]
若核心指标的预期值达到优化目标值，则确定优化预期信息达到优化目标，停止遍历，执行步骤s705。
[0154]
步骤s704、若优化预期信息未达到优化目标，继续遍历下一候选的供应链优化方案。
[0155]
步骤s705、将得到的组合优化方案作为向商家用户推荐的组合优化方案。
[0156]
本实施例中，通过采用启发式算法，按照供应链优化策略的优先级依次遍历候选的供应链优化方案，将当前遍历的目标方案添加至组合优化方案，计算目标方案对优化目标的贡献度，并计算当前的组合优化方案对应的优化预期信息，直至优化预期信息达到优化目标，得到向商家用户推荐的组合优化方案，能够搜索到满足商家用户的优化目标的组合优化方案。
[0157]
在生成组合优化方案的过程中，计算得到了组合优化方案中的每一供应链优化方案对优化目标的贡献度。在一可选实施例中，在向商家用户推荐组合优化方案的信息时，可以展示组合优化方案中的供应链优化方案对优化目标的贡献度，以向商家用户提供参考，使得商家用户可以采纳组合优化方案或者采纳组合优化方案中贡献度较高的一个或者多个供应链优化方案，可以提高供应链优化方案的采纳率。
[0158]
在生成组合优化方案的过程中，生成了组合优化方案中的每一供应链优化方案的实施计划。在一可选实施例中，在向商家用户推荐组合优化方案的信息之后，响应于对组合优化方案中任一供应链优化方案的查看操作，显示供应链优化方案的实施计划，以向商家用户提供所推荐的供应链优化方案的详细的可执行的实施计划。
[0159]
进一步地，可以在商家用户采纳所推荐的一个或者多个供应链优化方案之后，响应于商家用户对所采纳任一供应链优化方案的查看操作，显示该供应链优化方案的实施计划，以向商家用户提供推荐并被采纳的供应链优化方案的详细的可执行的实施计划。
[0160]
在一可选实施例中，可以根据候选的供应链优化方案和商家用户的供应链数据，预计通过采用供应链优化方案所能达到的优化预期信息的上限值(也即采用供应链优化方案后商家用的核心指标能达到的上限值)，并限制商家用户设定的优化目标信息小于或等于优化预期信息的上限值，从而为商家用户提供合理的优化目标的范围，避免商家用户设定过高的无法达到的优化目标。
[0161]
示例性地，服务器预计采用供应链优化方案使得商家用户的核心指标的上限值之后，根据商家用户的核心指标的当前值和上限值生成交互页面的滑动条，并通过限制商家用户调整滑动条的范围来限制商家用户设定的核心指标的优化目标值小于或等于核心指标的上限值。
[0162]
可选地，还可以确定商家用户所属目标行业的核心指标的平均值，并在交互界面上展示核心指标的平均值和商家用户的核心指标的当前值，以帮助商家用户对比自身与同行业的核心指标的差距。例如，如图2所示，可以在用于设定核心指标的优化目标值的滑动条上标记同行平均水平(目标行业的核心指标的平均值)的位置。
[0163]
在一可选实施例中，服务器还提供商家用户的目标用户群的人群画像分析功能，可以基于商家用户所属目标行业的历史数据和商家用户的历史数据，对商家用户的目标用户群进行人群画像分析，确定目标行业的人群偏好信息和商家用户的人群偏好信息，人群偏好信息包括如下至少一种：物流求助率、物流退款率、物流求助热门原因、物流退款热门原因、收货时长分布；对比输出目标用户群的人群偏好信息和商家用户的人群偏好信息。
[0164]
其中，商家用户的目标用户群包括购买过商家用户的商品的目标用户及其关联到的用户，例如，过去6个月有过该商家用户的购买行为的目标用户及目标用户关联到用户群体。寻找目标用户关联到的用户群体可以通过look-alike算法实现，此处不再赘述。
[0165]
具体地，服务器可以根据基于商家用户所属目标行业的历史数据，包括用户的商品点击数、商品点击转化数、求助咨询原因数据、退款原因数据、订单明细等数据，以及目标用户群所包含的用户，进行人群画像分析，确定目标用户群总体的人群偏好信息，以及该商家用户的目标用户的人群偏好信息。
[0166]
进一步地，通过对比输出目标用户群的人群偏好信息和商家用户的人群偏好信息，使得向商家用户直观地展示目标用户群的总体人群偏好与本商家用户的人群偏好的差异，从而使得商家用户了解自身与行业内同类商家用户的差距。
[0167]
示例性地，人群画像分析的结果可以包括但不限于表1所示的如下人群偏好信息：
[0168]
表1
[0169][0170]
可选地，通过人群画像分析，还可以确定商家用户所属目标行业的核心指标的平均值，并在交互界面上展示核心指标的平均值和商家用户的核心指标的当前值，以帮助商家用户对比自身与同行业的核心指标的差距。
[0171]
在一可选实施例中，在向商家用户推荐组合优化方案之后，还可以采集并输出以下至少一项推荐效果信息：所推荐的组合优化方案的采纳率、商家用户采纳所推荐的组合优化方案后的物流能力指标、商家用户采纳所推荐的组合优化方案后的时效表达指标、商家用户采纳所推荐的组合优化方案后的收益增量信息，从而实现对推荐效果的监测，并向相关技术人员优化供应链优化方案和组合优化方案的搜索方法提供参考。
[0172]
示例性地，如图8所示，服务器可以从采纳率、物流能力指标、时效表达指标、收益指标、用户体验指标等多个方面进行推荐效果的监测。其中统计采纳率时，可以分别针对物流优化类、供应链结构优化类和时效表达优化类的供应链优化方案计算采纳率，还可以针对每一供应链优化方案计算采纳率。监测的物流能力指标可以包括到货时长(支签时长)、次日送达率、隔日送达率等。监测的时效表达指标可以包括各种时效表达的渗透率和达成率。监测的收益指标可以包括转化率、gmv等。监测的用户体验指标可以包括求助率、退款率、求助减少带来的收益(如减少的求助成本)、退款减少带来的收益(如挽回退款gmv)。
[0173]
图9为本技术一示例实施例提供的供应链信息处理装置的结构示意图，本实施例
提供的装置应用于上述提及的服务器，如图9所示，供应链信息处理装置90包括：优化目标确定模块91、组合优化模块92和推荐模块93。
[0174]
其中，优化目标确定模块91用于响应于商家用户设定优化目标的操作，获取商家用户设定的优化目标信息。
[0175]
组合优化模块92用于根据优化目标信息和候选的供应链优化方案的优先级，采用启发式算法确定包含至少一个供应链优化方案的组合优化方案，使得组合优化方案满足商家用户的优化目标。
[0176]
推荐模块93用于向商家用户推荐组合优化方案。
[0177]
本实施例提供的装置具体可以用于执行上述图3对应方法实施例所提供的方案，具体功能和所能实现的技术效果此处不再赘述。
[0178]
在一可选实施例中，供应链信息处理装置90还可以包括效果模拟模块。效果模拟模块用于：在响应于商家用户设定优化目标的操作，获取商家用户设定的优化目标信息之后，根据商家用户的当前状态信息和优化目标信息，以及优化目标信息与收益增量信息的关系，确定商家用户由当前状态信息变化至优化目标信息带来的收益增量信息的变化量；向商家用户展示收益增量信息的变化量。
[0179]
在一可选实施例中，效果模拟模块还用于：
[0180]
根据商家用户所属类目的供应链数据，按照预设的单位时长计算各个单位时长内收益信息和优化目标信息所包含的核心指标信息；根据各个单位时长内的核心指标信息和收益信息，拟合出核心指标信息与收益增量信息间的关系。
[0181]
在一可选实施例中，在实现根据优化目标信息和候选的供应链优化方案的优先级，采用启发式算法确定包含至少一个供应链优化方案的组合优化方案，使得组合优化方案满足商家用户的优化目标时，组合优化模块92还用于：
[0182]
采用启发式算法，按照供应链优化策略的优先级依次遍历候选的供应链优化方案，将当前遍历的目标方案添加至组合优化方案，生成目标方案的实施计划，使得组合优化方案的实施计划满足预设约束条件，并确定目标方案对优化目标的贡献度；
[0183]
根据组合优化方案中每一供应链优化方案对优化目标的贡献度，确定当前的组合优化方案对应的优化预期信息；
[0184]
若优化预期信息未达到优化目标，继续遍历下一候选的供应链优化方案，将所遍历的供应链优化方案添加至组合优化方案，直至得到的组合优化方案对应的优化预期信息达到优化目标。
[0185]
在一可选实施例中，推荐模块93还用于：
[0186]
向商家用户推荐组合优化方案的信息时，展示组合优化方案中的供应链优化方案对优化目标的贡献度。
[0187]
在一可选实施例中，在向商家用户推荐组合优化方案之后，推荐模块93还用于：
[0188]
响应于对组合优化方案中任一供应链优化方案的查看操作，显示供应链优化方案的实施计划。
[0189]
在一可选实施例中，供应链信息处理装置90还可以包括：
[0190]
人群画像分析模块，用于根据商家用户的历史数据，对商家用户的目标用户群进行人群画像分析，确定预设约束条件中的至少一项约束边界值。
[0191]
在一可选实施例中，预设约束条件包括以下至少一项：
[0192]
组合优化方案使得商家用户的时效表达达成率大于或等于商家用户的目标用户群的时效表达的达成率信息；
[0193]
组合优化方案中所使用的物流产品属于目标用户群偏好的物流产品；
[0194]
根据商家用户的历史数据，对商家用户的目标用户群进行人群画像分析，确定预设约束条件中的至少一项约束边界值，包括：
[0195]
根据商家用户的历史数据，对商家用户的目标用户群进行人群画像分析，确定以下至少一项约束边界值：商家用户的目标用户群的时效表达的达成率信息、目标用户群偏好的物流产品。
[0196]
在一可选实施例中，优化目标确定模块91还用于：根据候选的供应链优化方案和商家用户的供应链数据，预计通过采用供应链优化方案所能达到的优化预期信息的上限值，并限制商家用户设定的优化目标信息小于或等于上限值。
[0197]
在一可选实施例中，人群画像分析模块还用于：
[0198]
基于商家用户所属目标行业的历史数据和商家用户的历史数据，对商家用户的目标用户群进行人群画像分析，确定目标用户群的人群偏好信息和商家用户的人群偏好信息，人群偏好信息包括如下至少一种：物流求助率、物流退款率、物流求助热门原因、物流退款热门原因、收货时长分布；对比输出目标用户群的人群偏好信息和商家用户的人群偏好信息。
[0199]
在一可选实施例中，供应链信息处理装置90还可以包括：
[0200]
推荐效果监测模块，用于采集并输出以下至少一项推荐效果信息：所推荐的组合优化方案的采纳率、商家用户采纳所推荐的组合优化方案后的物流能力指标、商家用户采纳所推荐的组合优化方案后的时效表达指标、商家用户采纳所推荐的组合优化方案后的收益增量信息。
[0201]
本实施例提供的装置具体可以用于执行上述任一方法实施例所提供的方案，具体功能和所能实现的技术效果此处不再赘述。
[0202]
图10为本技术一示例实施例提供的电子设备的结构示意图。如图7所示，该电子设备100包括：处理器1001，以及与处理器1001通信连接的存储器1002，存储器1002存储计算机执行指令。
[0203]
其中，处理器执行存储器存储的计算机执行指令，以实现上述任一方法实施例所提供的方案，具体功能和所能实现的技术效果此处不再赘述。
[0204]
本技术实施例还提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，计算机执行指令被处理器执行时用于实现上述任一方法实施例所提供的方案，具体功能和所能实现的技术效果此处不再赘述。
[0205]
本技术实施例还提供了一种计算机程序产品，计算机程序产品包括：计算机程序，计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从可读存储介质读取计算机程序，至少一个处理器执行计算机程序使得电子设备执行上述任一方法实施例所提供的方案，具体功能和所能实现的技术效果此处不再赘述。
[0206]
另外，在上述实施例及附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行
执行，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。“多个”的含义是两个以上，除非另有明确具体的限定。
[0207]
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本技术的其它实施方案。本技术旨在涵盖本技术的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本技术的一般性原理并包括本技术未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本技术的真正范围和精神由下面的权利要求书指出。
[0208]
应当理解的是，本技术并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本技术的范围仅由所附的权利要求书来限制。