车辆价格区间预测方法及相关产品与流程

本技术的实施例涉及数据处理，具体涉及一种车辆价格区间预测方法及相关产品。

背景技术：

1、随着车辆交易业务的数字化发展，车辆交易平台、经销商管理系统等业务系统通常需要根据历史业务数据对车辆价格进行分析，从而为车辆定价和销售管理提供参考。

2、现有的车辆价格分析方式通常以历史成交数据为主要依据，通过对相同或相近车型的历史价格进行统计，得到相应的参考价格范围。然而，车辆的车型、配置及销售区域较为多样，部分车辆对应的历史成交数量较少，有限的成交数据难以充分反映消费者对车辆价格的实际接受情况，容易导致所得价格范围缺乏稳定性。

3、车辆交易过程中还会形成点击、收藏、留资及兴趣表达等交互记录，上述记录可以反映消费者对不同价格车辆的关注情况。但是，同一消费者可能产生多条交互记录，不同交互记录的数据量和价格分布也存在差异。若将上述记录直接混合统计，重复记录或异常价格可能对统计结果产生较大影响，造成所得价格范围的边界发生偏移或者范围过宽。

4、因此，现有车辆价格分析方式存在历史成交数据不足，以及多种交互记录直接混合处理容易造成结果失真的问题，难以获得稳定且具有实际参考价值的车辆价格范围。

技术实现思路

1、本技术的实施例提出了一种车辆价格区间预测方法及相关产品。

2、第一方面，本技术提供了一种车辆价格区间预测方法，所述方法包括：

3、获取目标sku、所述目标sku对应的潜客集合以及所述潜客集合中各潜客对应的多源价格信号，其中，所述多源价格信号包括至少两种不同来源的价格信号；

4、针对各潜客，在用户粒度上对相应的多源价格信号进行第一分位数聚合，得到各潜客对应的潜客支付意愿价格；

5、根据各潜客对应的潜客支付意愿价格，构建所述目标sku的sku支付意愿价格样本集合，其中，所述sku支付意愿价格样本集合中包括至少一个潜客支付意愿价格；

6、在sku粒度上对所述sku支付意愿价格样本集合进行第二分位数聚合，得到所述目标sku的指导价格区间下限和指导价格区间上限；

7、根据所述指导价格区间下限和所述指导价格区间上限，生成所述目标sku的指导价格区间。

8、在一些可选的实施方式中，所述在用户粒度上对相应的多源价格信号进行第一分位数聚合，得到各潜客对应的潜客支付意愿价格，包括：

9、将相应潜客对应的多源价格信号按照价格数值升序排列，得到有序价格信号序列；

10、根据预设的下截断分位点和上截断分位点，分别确定所述有序价格信号序列的下分位阈值和上分位阈值；

11、保留所述有序价格信号序列中价格数值不低于所述下分位阈值且不高于所述上分位阈值的价格信号；

12、将所保留的价格信号的中位数确定为相应潜客对应的潜客支付意愿价格。

13、在一些可选的实施方式中，所述在用户粒度上对相应的多源价格信号进行第一分位数聚合，得到各潜客对应的潜客支付意愿价格，包括：

14、获取相应潜客对应的各价格信号的信号来源类型和产生时刻，以及预设的来源可信度确定规则、指数时间衰减方法和目标加权分位点；

15、根据各价格信号的信号来源类型和所述来源可信度确定规则，确定各价格信号的来源可信度；

16、根据各价格信号的产生时刻与当前计算时刻，确定各价格信号对应的时间间隔；

17、采用所述指数时间衰减方法，根据各价格信号对应的时间间隔，对各价格信号的来源可信度进行时间衰减处理，得到各价格信号的信号记录权重；

18、将相应潜客对应的多源价格信号按照价格数值升序排列，得到有序价格信号序列；

19、对所述有序价格信号序列中各价格信号的信号记录权重进行求和，得到信号记录总权重；

20、按照所述有序价格信号序列的排列顺序，针对每一价格信号，将该价格信号及排列在该价格信号之前的各价格信号对应的信号记录权重进行累加，得到该价格信号对应的累计权重，并根据所述累计权重与所述信号记录总权重的比值，确定该价格信号对应的归一化累计权重；

21、从所述有序价格信号序列中，选取归一化累计权重首次达到或超过所述目标加权分位点的价格信号，并将所选取的价格信号对应的价格值确定为相应潜客对应的潜客支付意愿价格。

22、在一些可选的实施方式中，所述在sku粒度上对所述sku支付意愿价格样本集合进行第二分位数聚合，得到所述目标sku的指导价格区间下限和指导价格区间上限，包括：

23、获取预设的下端分位点和上端分位点；

24、将所述sku支付意愿价格样本集合中的潜客支付意愿价格按照价格数值升序排列，得到有序支付意愿价格序列；

25、根据所述下端分位点，从所述有序支付意愿价格序列中确定所述指导价格区间下限；

26、根据所述上端分位点，从所述有序支付意愿价格序列中确定所述指导价格区间上限。

27、在一些可选的实施方式中，所述方法还包括：

28、获取预设的心理价格密度构建方法和密度阈值，以及所述潜客集合中各潜客对应的潜客特征信息，其中，所述潜客特征信息包括行为类型、行为时效性和用户画像中的至少一种；

29、针对各潜客，根据相应潜客对应的多源价格信号确定心理价格中心和心理价格离散度，其中，所述心理价格中心表征相应潜客最可能接受的价格，所述心理价格离散度表征相应潜客可接受价格的分散程度；

30、采用所述心理价格密度构建方法，根据各潜客对应的心理价格中心和心理价格离散度，分别建立各潜客的个体心理价格密度；

31、根据各潜客对应的潜客特征信息确定相应的潜客权重，并根据各潜客对应的潜客权重，对各潜客的个体心理价格密度进行加权聚合，得到所述目标sku的群体共识价格密度；

32、将所述群体共识价格密度中密度值不低于所述密度阈值的连续价格区间，确定为所述目标sku的理论定价区间。

33、在一些可选的实施方式中，所述方法还包括：

34、沿价格递增方向对所述群体共识价格密度进行累计处理，得到价格与累计概率之间的对应关系；

35、获取预设的候选分位点集合和竞争评分确定方法，以及所述目标sku的市场紧缺度、同店竞争程度和曝光转化效率；

36、采用所述竞争评分确定方法，根据所述市场紧缺度、所述同店竞争程度和所述曝光转化效率，分别确定所述候选分位点集合中各候选分位点对应的竞争评分，其中，所述市场紧缺度和所述曝光转化效率对所述竞争评分产生正向影响，所述同店竞争程度对所述竞争评分产生负向影响；

37、对各候选分位点对应的竞争评分执行softmax处理，并根据处理结果从所述候选分位点集合中确定目标分位点；

38、根据价格与累计概率之间的对应关系，确定累计概率达到所述目标分位点时对应的价格，并将所述价格确定为所述目标sku的自适应推荐价格。

39、第二方面，本技术提供了一种车辆价格区间预测装置，所述装置包括：

40、数据获取单元，用于获取目标sku、所述目标sku对应的潜客集合以及所述潜客集合中各潜客对应的多源价格信号，其中，所述多源价格信号包括至少两种不同来源的价格信号；

41、第一分位数聚合单元，用于针对各潜客，在用户粒度上对相应的多源价格信号进行第一分位数聚合，得到各潜客对应的潜客支付意愿价格；

42、样本集合构建单元，用于根据各潜客对应的潜客支付意愿价格，构建所述目标sku的sku支付意愿价格样本集合，其中，所述sku支付意愿价格样本集合包括至少一个潜客支付意愿价格；

43、第二分位数聚合单元，用于在sku粒度上对所述sku支付意愿价格样本集合进行第二分位数聚合，得到所述目标sku的指导价格区间下限和指导价格区间上限；

44、区间生成单元，用于根据所述指导价格区间下限和所述指导价格区间上限，生成所述目标sku的指导价格区间。

45、在一些可选的实施方式中，所述第一分位数聚合单元具体用于：

46、将相应潜客对应的多源价格信号按照价格数值升序排列，得到有序价格信号序列；

47、根据预设的下截断分位点和上截断分位点，分别确定所述有序价格信号序列的下分位阈值和上分位阈值；

48、保留所述有序价格信号序列中价格数值不低于所述下分位阈值且不高于所述上分位阈值的价格信号；

49、将所保留的价格信号的中位数确定为相应潜客对应的潜客支付意愿价格。

50、在一些可选的实施方式中，所述第一分位数聚合单元具体用于：

51、获取相应潜客对应的各价格信号的信号来源类型和产生时刻，以及预设的来源可信度确定规则、指数时间衰减方法和目标加权分位点；

52、根据各价格信号的信号来源类型和所述来源可信度确定规则，确定各价格信号的来源可信度；

53、根据各价格信号的产生时刻与当前计算时刻，确定各价格信号对应的时间间隔；

54、采用所述指数时间衰减方法，根据各价格信号对应的时间间隔，对各价格信号的来源可信度进行时间衰减处理，得到各价格信号的信号记录权重；

55、将相应潜客对应的多源价格信号按照价格数值升序排列，得到有序价格信号序列；

56、对所述有序价格信号序列中各价格信号的信号记录权重进行求和，得到信号记录总权重；

57、按照所述有序价格信号序列的排列顺序，针对每一价格信号，将该价格信号及排列在该价格信号之前的各价格信号对应的信号记录权重进行累加，得到该价格信号对应的累计权重，并根据所述累计权重与所述信号记录总权重的比值，确定该价格信号对应的归一化累计权重；

58、从所述有序价格信号序列中，选取归一化累计权重首次达到或超过所述目标加权分位点的价格信号，并将所选取的价格信号对应的价格值确定为相应潜客对应的潜客支付意愿价格。

59、在一些可选的实施方式中，所述第二分位数聚合单元具体用于：

60、获取预设的下端分位点和上端分位点；

61、将所述sku支付意愿价格样本集合中的潜客支付意愿价格按照价格数值升序排列，得到有序支付意愿价格序列；

62、根据所述下端分位点，从所述有序支付意愿价格序列中确定所述指导价格区间下限；

63、根据所述上端分位点，从所述有序支付意愿价格序列中确定所述指导价格区间上限。

64、在一些可选的实施方式中，所述装置还包括心理价格参数确定单元、个体心理价格密度构建单元、群体共识价格密度确定单元和理论定价区间确定单元。

65、所述数据获取单元，还用于获取预设的心理价格密度构建方法和密度阈值，以及所述潜客集合中各潜客对应的潜客特征信息，其中，所述潜客特征信息包括行为类型、行为时效性和用户画像中的至少一种；

66、所述心理价格参数确定单元，用于针对各潜客，根据相应潜客对应的多源价格信号确定心理价格中心和心理价格离散度，其中，所述心理价格中心表征相应潜客最可能接受的价格，所述心理价格离散度表征相应潜客可接受价格的分散程度；

67、所述个体心理价格密度构建单元，用于采用所述心理价格密度构建方法，根据各潜客对应的心理价格中心和心理价格离散度，分别建立各潜客的个体心理价格密度；

68、所述群体共识价格密度确定单元，用于根据各潜客对应的潜客特征信息确定相应的潜客权重，并根据各潜客对应的潜客权重，对各潜客的个体心理价格密度进行加权聚合，得到所述目标sku的群体共识价格密度；

69、所述理论定价区间确定单元，用于将所述群体共识价格密度中密度值不低于所述密度阈值的连续价格区间，确定为所述目标sku的理论定价区间。

70、在一些可选的实施方式中，所述装置还包括累计处理单元、竞争评分确定单元、目标分位点确定单元和自适应推荐价格确定单元。

71、所述累计处理单元，用于沿价格递增方向对所述群体共识价格密度进行累计处理，得到价格与累计概率之间的对应关系；

72、所述数据获取单元，还用于获取预设的候选分位点集合和竞争评分确定方法，以及所述目标sku的市场紧缺度、同店竞争程度和曝光转化效率；

73、所述竞争评分确定单元，用于采用所述竞争评分确定方法，根据所述市场紧缺度、所述同店竞争程度和所述曝光转化效率，分别确定所述候选分位点集合中各候选分位点对应的竞争评分，其中，所述市场紧缺度和所述曝光转化效率对所述竞争评分产生正向影响，所述同店竞争程度对所述竞争评分产生负向影响；

74、所述目标分位点确定单元，用于对各候选分位点对应的竞争评分执行softmax处理，并根据处理结果从所述候选分位点集合中确定目标分位点；

75、所述自适应推荐价格确定单元，用于根据价格与累计概率之间的对应关系，确定累计概率达到所述目标分位点时对应的价格，并将所述价格确定为所述目标sku的自适应推荐价格。

76、第三方面，本技术提供了一种电子设备，包括：

77、一个或多个处理器；

78、存储装置，其上存储有一个或多个程序，

79、当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如本技术第一方面任一实施方式描述的方法。

80、第四方面，本技术提供了一种计算机可读存储介质，其上存储有计算机程序，其中，上述计算机程序被一个或多个处理器执行时实现如本技术第一方面任一实施方式描述的方法。

81、第五方面，本技术提供了一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现如本技术第一方面任一实施方式描述的方法。

82、本技术实施例提供的车辆价格区间预测方法及相关产品，首先，获取目标sku、目标sku对应的潜客集合以及各潜客对应的多源价格信号。然后，针对各潜客，在用户粒度上对相应的多源价格信号进行第一分位数聚合，得到各潜客对应的潜客支付意愿价格，并根据各潜客对应的潜客支付意愿价格构建目标sku的sku支付意愿价格样本集合。再在sku粒度上对sku支付意愿价格样本集合进行第二分位数聚合，得到目标sku的指导价格区间下限和指导价格区间上限。最后，根据指导价格区间下限和指导价格区间上限，生成目标sku的指导价格区间。本技术通过获取不同来源的价格信号，能够增加用于车辆价格分析的数据来源，降低仅使用单一来源价格数据时数据量不足对预测结果的影响。通过先在用户粒度上对同一潜客对应的多源价格信号进行聚合，使每一潜客以相应的潜客支付意愿价格参与后续处理，能够减少同一潜客产生的多条价格信号被重复计入而造成的数据偏差，并使得到的潜客支付意愿价格更加充分地表征不同潜客对目标sku的价格接受情况。进一步在sku粒度上对各潜客对应的潜客支付意愿价格进行分位数聚合，能够降低个别异常价格对价格区间端点的影响，使生成的指导价格区间具有较好的稳定性和合理的区间宽度，从而提高指导价格区间的实际参考价值。