基于sku的价格防错方法
【专利摘要】本发明的目的是提供一种基于SKU的价格防错方法，检查商品发布售价行为，对销售的商品售价进行建模，得到SKU价格模型，所述方法包括：步骤1：检查商品发布售价行为：将采集到的商品进行细化分类，商品分类一般采用综合分类标准，将所有商品划分3级分类层次。步骤2：对销售商品售价进行建模，得到SKU价格模型：将精确到3级品类的商品根据需求，设置多个属性条件，采用K?means聚类算法，计算出数据库中此类商品的均价，并计算簇类商品在库存商品中的占比，保存计算结果。
【专利说明】
基于SKU的价格防错方法
技术领域
[0001] 本发明涉及互联网领域，特别是涉及一种基于SKU的价格防错方法。
【背景技术】
[0002] 随着电子商务的飞速发展，越来越多的人开始热衷于网上购物;各家电商在自己 的网站或销售平台上发布众多品类的商品上架或入库时，需要通过手工录入SKU价格。
[0003] 现有技术可实现货品预先填写好售价后按时自动上架，但是依然无法对货品价格 进行上架前预判，所以无法避免手工输入价格时出错的情况。据业内不完全统计，一流电商 几乎每家由于此种手工操作，造成的损失都在几十万元以上。
【发明内容】
[0004] 本发明的目的是提供一种基于SKU的价格防错方法，检查商品发布售价行为，对销 售的商品售价进行建模，得到SKU价格模型，应用于电商平台内部的存销系统，所述方法包 括： 步骤1:检查商品发布售价行为:将采集到的商品进行细化分类，商品分类一般采用综 合分类标准，将所有商品划分三级分类层次； 进一步地，所述的步骤1中的商品三级分类具体为：1级品类是商品中最基本的按照商 品品种特征的分类;2级品类是商品的特征细节的分类，3级是进一步的商品特征属性细分， 如:按照品牌、功能用途、产地等进行的分类； 步骤2:对销售商品售价进行建模，得到SKU价格模型:将精确到3级品类的商品，根据需 求，设置多个属性条件，计算出数据库中此类商品的均价，和采用K-means聚类算法得出的 簇类商品，在库存商品中的占比，保存计算结果。
[0005] 进一步地，所述步骤2中的K-means聚类算法，使用步骤为： 1、 从所有3级品类的商品向量中，随机选取库存商品总数的1 /K的SKU的向量，作为SKU 价格模型开始的中心点，K大于等于1，为任意库存商品数； 2、 计算其它的所有向量到中心向量的欧式距离，将这些元素分别划归为欧 式距离最小的簇； 3、 根据第2步的结果，取新簇中所有向量各自维度的算术平均数，采用公式，
重新计算新簇各自的中心值； 4、 将所有的商品向量按照新得到的中心值重新聚类； 5、 重复第4步，直到聚类结果不再变化，将结果输出。
[0006] 本发明技术方案，针对之前提到的现有技术缺点，不仅弥补了现有技术缺点的不 足，而且对销售商品进行了档次划分，使商品数据分析的粒度更细。场景应用起来更加灵 活;还可以使用该方法，嵌入在硬件上，制作成防错插件，该防错插件可以应用在不同的电 脑终端上，可以有效的帮助录入人员输入错误价格而给公司造成无法挽回的损失。
[0007] 本发明技术方案还可以应用于以下方面:基于售价和销量分布的自动调节和动态 划分、出现异常值时的提醒功能、有效防止低于成本价的误销售、自动智能的计算一定商品 属性条件的商品均价、动态分析商品价格、有效记录各品牌品类商品的价格走势、帮助企 业进行业务预测和经营规划等。
【附图说明】
[0008] 下面结合附图的【具体实施方式】作进一步详细的描述。
[0009] 图1是本发明所述的基于SKU价格防错方法的建模图 图2是本发明所述的基于SKU价格防错方法的调用流程图。
【具体实施方式】
[0010] 为了更充分理解本发明的技术内容，下面结合具体实施例对本发明的技术方案进 一步介绍和说明，但不局限于此。
[0011]参阅附图1，首先检查商品发布售价行为，将采集到的商品进行细化分类，商品分 类一般采用综合分类标准，将所有商品划分成1级品类、2级品类和3级品类。
[0012] 三种分类层次；1级品类是商品中最基本的按照商品品种特征的分类;2级品类是 商品的特征细节的分类，3级是进一步的商品特征属性细分，如：按照品牌、功能用途、产地 等进行的分类。例如：1级品类为女装上衣，2级品类为T恤，3级品类为长袖薄款T恤。
[0013] 对销售商品售价进行建模，得到SKU价格模型:将精确到3级品类的商品根据需求， 设置多个属性条件，如3级品类+品牌+适应季节+适应性别； 从所有商品向量中随机选取占库存商品总数的1/2000左右的SKU的向量作为最开始的 中心，向量选择，如：["冬季"，"羽绒服"，"男生"，"5cm"] 根据公式，分别计算其余的所有向量到4个中心向量的欧式距离，将这些元素分别划归 到欧式距离最小的簇。
[0014]根据第2步的结果，重新计算这4个新簇各自的中心，计算的方法是取这4个簇中所 有向量各自维度的算术平均数。
[0015] 将所有的商品向量按照新得到的中心重新聚类。
[0016] 重复第4步，直到聚类结果不再变化。将结果输出。
[0017] 参阅附图2,当输入商品属性和价格后，自动把录入金额和品类+品牌+适应季节+ 适应性别的均价进行比对，根据K-means聚类算法，生成的某簇类中的均价为1000元，合法 性校验如下： 当录入金额为250元或350元，即超出或低于均价30%，则弹出提示框，需要再次确认； 当录入金额为400元或600元，即超出或低于均价50%，强制提示无法录入，并告知原因； 当录入金额为-200，小于等于0，系统显示输入错误。
[0018] 每日定时执行更新程序，自动按照当前库存中商品的品类+品牌+适应季节+适应 性别算出均价，并统计占比，存储最新计算结果，成为动态预警分析，最后保存计算结果。
[0019] 针对基于SKU的价格防错方法，本发明提供另一种应用场景，便于理解和说明。录 入A商品时，商品属性为X品牌、男装、衬衫、春夏季，用本发明所述的方法，根据商品属性找 到该商品特征，对其进行聚类应用，提供方给商品A设置的均价为580元，则将商品A的价格 录入为80元时，该价格低于均价的50%，则系统提示无法录入，SKU价格有误；如果输入-30 元，此为异常值的时候，系统显示输入错误。 采用本发明的方法，将该方法以软件形式嵌入在硬件上，制作成防错插件，该防错插件 可以应用在不同的电脑终端上。
[0020] 以上所述的仅是本发明的一些实施方式。对于本领域的普通技术人员来说，在不 脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范 围。
【主权项】
1. 一种基于SKU的价格防错方法，其特征在于:所述方法包括两个步骤： 步骤1:检查商品发布售价行为:将采集到的商品进行细化分类，商品分类采用综合分 类标准，将所有商品划分3级分类层次； 步骤2:对销售商品售价进行建模，得到SKU价格模型:将精确到3级品类的商品，根据需 求，设置多个属性条件，计算出数据库中此类商品的均价和采用K-means聚类算法得出的簇 类商品，在库存商品中的占比，保存计算结果。2. 根据权利要求1所述的基于SKU的价格防错方法，其特征在于:所述方法的步骤1中的 商品=级分类具体为：1级品类是商品中最基本的按照商品品种特征的分类;2级品类是商 品的特征细节的分类，3级是进一步的商品特征属性细分。3. 根据权利要求1所述的基于SKU的价格防错方法，其特征在于:所述方法的步骤2中的 K-means聚类算法，步骤为： 1) 从所有3级品类的商品向量中，随机选取占库存商品总数的1/K的SKU的向量作为SKU 价格模型开始的中屯、点，K大于等于1，为任意库存商品数； 2) 计算其它的所有向量到中屯、向量的欧式距离，将运些元素分别划归为欧式距离最小 的簇； 3) 根据第2巧的结果，取新簇中所有向量各自维度的算术平均数，采用公式， 重新计扛新族仓曰的T心、m;4) 将所有的商品向量按照新得到的中屯、值重新聚类； 5) 重复第4步，直到聚类结果不再变化，将结果输出。4. 根据权利要求1所述的基于SKU的价格防错方法，其特征在于：可W使用此方法W软 件形式嵌入在硬件上，制作成防错插件，防错插件可应用在不同的电脑终端上。
【文档编号】G06Q30/02GK105913276SQ201610210332
【公开日】2016年8月31日
【申请日】2016年4月7日
【发明人】张蔚, 梁超
【申请人】南京新与力文化传播有限公司