基于工业互联网标识编码的新品价格弹性计算方法及装置与流程

1.本发明涉及商品定价技术领域，特别是指一种基于工业互联网标识编码的新品价格弹性计算方法及装置。


背景技术：

2.商品定价是商品销售的重要环节，直接影响商品价格的合理性及商品的最终价值。因此，商品在出售前或出售过程中，会根据市场情况、商品的成本、节假日等因素不断调整价格。目前较常用的且使用效果较好的定价模型都是基于价格弹性的弹性定价策略。弹性定价中价格弹性的计算是其中必不可少的环节。而价格弹性的计算依赖于各个商品足够数量的历史销售记录。对于新品，由于其尚未上市销售，所以没有历史销售记录可用，所以无法计算其价格弹性，从而无法进行自动定价，只能由有同类商品定价经验的专业人员进行定价，工作量大、专业人员缺少、定价成本高。


技术实现要素：

3.本发明要解决的技术问题是提供一种基于工业互联网标识编码的新品价格弹性计算方法及装置，已解决现有商品定价成本高、工作量大的问题。
4.为解决上述技术问题，本发明的技术方案如下：
5.根据本发明的一个方面，提供一种基于工业互联网标识编码的新品价格弹性计算方法，包括：
6.获取同行业内多个已售商品的工业互联网标识编码及其对应的销售数量、价格弹性，以及新品的工业互联网标识编码，工业互联网标识编码包括基础分类代码和属性代码；
7.将销售数量不符合预设销售阈值的已售商品过滤掉，得到多个待处理已售商品；
8.根据新品的基础分类代码和属性代码，对待处理已售商品进行筛选，得到多个备用已售商品；
9.根据所有备用已售商品的价格弹性，得到第一价格弹性平均值和第一价格弹性二分位数；
10.利用社群检测算法得到备用已售商品的类别总数和各类别间相似度，以及与新品的工业互联网标识编码距离均值最短的类别；
11.若各类别间相似度小于预设阈值，则将第一价格弹性平均值或者第一价格弹性二分位数确定为新品价格弹性；否则，将与新品的工业互联网标识编码距离均值最短的类别中，备用已售商品的价格弹性平均值或者价格弹性二分位数确定为新品价格弹性。
12.进一步地，预设销售阈值为：
13.多个已售商品的销售数量的高斯分布的正负2倍方差。
14.进一步地，根据新品的基础分类代码和属性代码，对待处理已售商品进行筛选，得到多个备用已售商品，包括：
15.将待处理已售商品的基础分类代码和属性代码中的每一位作为其特征，利用聚类
算法查找待处理已售商品中，与新品在同一个类中的商品，作为同类已售商品；
16.将同类已售商品中与新品欧式距离最短的m个商品，确定为备用已售商品，其中，m为预设值。
17.进一步地，将同类已售商品中与新品欧式距离最短的n个商品，确定为备用已售商品中，欧式距离的公式为：
[0018][0019]
其中，x和y分别代表新品和同类已售商品，n为基础分类代码和属性代码的位数。
[0020]
进一步地，将销售数量不符合预设销售阈值的已售商品过滤掉之后，还包括：
[0021]
将销售数量符合异常值的已售商品过滤掉，得到多个待处理已售商品，其中，异常值为销售离群点、节假日销售记录、促销期记录中的至少一个。
[0022]
本发明的第二个方面，提供了一种基于工业互联网标识编码的新品价格弹性计算装置，包括：
[0023]
获取模块，用于获取同行业内多个已售商品的工业互联网标识编码及其对应的销售数量、价格弹性，以及新品的工业互联网标识编码，工业互联网标识编码包括基础分类代码和属性代码；
[0024]
过滤模块，用于将销售数量不符合预设销售阈值的已售商品过滤掉，得到多个待处理已售商品；
[0025]
筛选模块，用于根据新品的基础分类代码和属性代码，对待处理已售商品进行筛选，得到多个备用已售商品；
[0026]
计算模块，用于根据所有备用已售商品的价格弹性，得到第一价格弹性平均值和第一价格弹性二分位数；
[0027]
检测模块，用于利用社群检测算法得到备用已售商品的类别总数和各类别间相似度，以及与新品的工业互联网标识编码距离均值最短的类别；
[0028]
确定模块，用于若各类别间相似度小于预设阈值，则将第一价格弹性平均值或者第一价格弹性二分位数确定为新品价格弹性；否则，将与新品的工业互联网标识编码距离均值最短的类别中，备用已售商品的价格弹性平均值或者价格弹性二分位数确定为新品价格弹性。
[0029]
进一步地，预设销售阈值为：
[0030]
多个已售商品的销售数量的高斯分布的正负2倍方差。
[0031]
进一步地，筛选模块，具体用于：
[0032]
将待处理已售商品的基础分类代码和属性代码中的每一位作为其特征，利用聚类算法查找待处理已售商品中，与新品在同一个类中的商品，作为同类已售商品；
[0033]
将同类已售商品中与新品欧式距离最短的m个商品，确定为备用已售商品，其中，m为预设值。
[0034]
进一步地，欧式距离的公式为：
[0035]
[0036]
其中，x和y分别代表新品和同类已售商品，n为基础分类代码和属性代码的位数。
[0037]
进一步地，过滤模块，具体还用于：
[0038]
将销售数量符合异常值的已售商品过滤掉，得到多个待处理已售商品，其中，异常值为销售离群点、节假日销售记录、促销期记录中的至少一个。
[0039]
本发明的上述方案至少包括以下有益效果：
[0040]
本发明的上述方案，基于同行业内多个已售商品的工业互联网标识编码及其对应的销售数量、价格弹性，以及新品的工业互联网标识编码，利用社群检测算法能更准确的查找与新品相似的商品集，使计算得到的新品价格弹性更合理，同时，根据新品价格弹性，可以实现新品的快速、自动定价，为企业节约成本的同时，最大化商品价值。
附图说明
[0041]
图1是本发明的一种基于工业互联网标识编码的新品价格弹性计算方法的步骤图；
[0042]
图2是本发明的一种基于工业互联网标识编码的新品价格弹性计算装置的器件连接图。
具体实施方式
[0043]
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
[0044]
如图1所示，本发明的实施例提出一种基于工业互联网标识编码的新品价格弹性计算方法，包括：
[0045]
s1、获取同行业内多个已售商品的工业互联网标识编码及其对应的销售数量、价格弹性，以及新品的工业互联网标识编码，工业互联网标识编码包括基础分类代码和属性代码；
[0046]
s2、将销售数量不符合预设销售阈值的已售商品过滤掉，得到多个待处理已售商品；
[0047]
s3、根据新品的基础分类代码和属性代码，对待处理已售商品进行筛选，得到多个备用已售商品；
[0048]
s4、根据所有备用已售商品的价格弹性，得到第一价格弹性平均值和第一价格弹性二分位数；
[0049]
s5、利用社群检测算法得到备用已售商品的类别总数和各类别间相似度，以及与新品的工业互联网标识编码距离均值最短的类别；
[0050]
s6、若各类别间相似度小于预设阈值，则将第一价格弹性平均值或者第一价格弹性二分位数确定为新品价格弹性；否则，将与新品的工业互联网标识编码距离均值最短的类别中，备用已售商品的价格弹性平均值或者价格弹性二分位数确定为新品价格弹性。
[0051]
本发明基于同行业内多个已售商品的工业互联网标识编码及其对应的销售数量、价格弹性，以及新品的工业互联网标识编码，利用社群检测算法能更准确的查找与新品相
似的商品集，使计算得到的新品价格弹性更合理，同时，根据新品价格弹性，可以实现新品的快速、自动定价，为企业节约成本的同时，最大化商品价值。
[0052]
工业互联网标识编码由工业互联网二级节点对企业发放标识前缀，企业获得企业前缀后，由企业自定义标识编码，标识编码可以为批次，也可以一物一码，例如以下为完整的工业互联网编码结构：
[0053]
86.121.ma006knb0/jgp.04010502.2536.01.20200308123156y77987u，其中，
[0054]
86：国家代码，中国
[0055]
121：行业代码，农副食品加工业的肉制品及副产品加工
[0056]
ma006knb0：企业代码
[0057]
jgp：加工食品
[0058]
04010502：加工食品基础分类代码，肉干类
[0059]
2536：牛肉干产品代码
[0060]
01：济南分厂
[0061]
20200308123156y77987u:生产序列号，14位时间戳 n位自定义序列号
[0062]“86.121.ma006knb0”由二级节点发放；后面由企业自定义(不同行业有不同的编码规范，但所有行业可以互认)，最后形成完整的工业互联网标识编码。
[0063]
新品生成新的工业互联网标识编码后，会随相应产品对外发布，也可以通过扫描二维码或与企业级工业互联网平台对接等方式获取。
[0064]
本发明的一可选实施例中，步骤s2中的预设销售阈值为：
[0065]
多个已售商品的销售数量的高斯分布的正负2倍sigma(高斯分布的方差)。
[0066]
也可以是根据经验判断的弹性较准确的商品的销售记录数的上下界，可以根据具体情况、用户需要进行选择，更加准确，提高适应性。
[0067]
本发明的一可选实施例中，步骤s3根据新品的基础分类代码和属性代码，对待处理已售商品进行筛选，得到多个备用已售商品，包括：
[0068]
将待处理已售商品的基础分类代码和属性代码中的每一位作为其特征，利用聚类算法查找待处理已售商品中，与新品在同一个类中的商品，作为同类已售商品；
[0069]
将同类已售商品中与新品欧式距离最短的m个商品，确定为备用已售商品，其中，m为预设值。
[0070]
其中，欧式距离的公式为：
[0071][0072]
其中，x代表新品的基础分类代码或者属性代码，y代表同类已售商品的基础分类代码或者和属性代码，n为基础分类代码和属性代码的位数。若x为新品的基础分类代码，则y为同类已售商品的基础分类代码，若x为新品的属性代码，则y为同类已售商品的属性代码，如，新品的基础分类代码为2536，则x＝2536。
[0073]
本发明的一可选实施例中，步骤s2将销售数量不符合预设销售阈值的已售商品过滤掉之后，还包括：
[0074]
将销售数量符合异常值的已售商品过滤掉，得到多个待处理已售商品，其中，异常
值为销售离群点、节假日销售记录、促销期记录中的至少一个。
[0075]
根据用户需求及最后结果的准确性，可选择销售离群点、节假日销售记录、促销期记录中的至少一个或者多个作为异常值对已售商品进行筛选，提高最终得到的新品价格弹性的准确性。
[0076]
如图2所示，本发明的实施例提出一种基于工业互联网标识编码的新品价格弹性计算装置，包括：
[0077]
获取模块，用于获取同行业内多个已售商品的工业互联网标识编码及其对应的销售数量、价格弹性，以及新品的工业互联网标识编码，工业互联网标识编码包括基础分类代码和属性代码；
[0078]
过滤模块，用于将销售数量不符合预设销售阈值的已售商品过滤掉，得到多个待处理已售商品；
[0079]
筛选模块，用于根据新品的基础分类代码和属性代码，对待处理已售商品进行筛选，得到多个备用已售商品；
[0080]
计算模块，用于根据所有备用已售商品的价格弹性，得到第一价格弹性平均值和第一价格弹性二分位数；
[0081]
检测模块，用于利用社群检测算法得到备用已售商品的类别总数和各类别间相似度，以及与新品的工业互联网标识编码距离均值最短的类别；
[0082]
确定模块，用于若各类别间相似度小于预设阈值，则将第一价格弹性平均值或者第一价格弹性二分位数确定为新品价格弹性；否则，将与新品的工业互联网标识编码距离均值最短的类别中，备用已售商品的价格弹性平均值或者价格弹性二分位数确定为新品价格弹性。
[0083]
本发明基于同行业内多个已售商品的工业互联网标识编码及其对应的销售数量、价格弹性，以及新品的工业互联网标识编码，利用社群检测算法能更准确的查找与新品相似的商品集，使计算得到的新品价格弹性更合理，同时，根据新品价格弹性，可以实现新品的快速、自动定价，为企业节约成本的同时，最大化商品价值。
[0084]
本发明的一个可选实施例中，预设销售阈值为：
[0085]
多个已售商品的销售数量的高斯分布的正负2倍sigma(高斯分布的方差)。
[0086]
也可以是根据经验判断的弹性较准确的商品的销售记录数的上下界，可以根据具体情况、用户需要进行选择，更加准确，提高适应性。
[0087]
本发明的一可选实施例中，筛选模块，具体用于：
[0088]
将待处理已售商品的基础分类代码和属性代码中的每一位作为其特征，利用聚类算法查找待处理已售商品中，与新品在同一个类中的商品，作为同类已售商品；
[0089]
将同类已售商品中与新品欧式距离最短的m个商品，确定为备用已售商品，其中，m为预设值。
[0090]
本发明的一可选实施例中，欧式距离的公式为：
[0091][0092]
其中，x代表新品的基础分类代码或者属性代码，y代表同类已售商品的基础分类
代码或者和属性代码，n为基础分类代码和属性代码的位数。
[0093]
本发明的一可选实施例中，过滤模块，具体还用于：
[0094]
将销售数量符合异常值的已售商品过滤掉，得到多个待处理已售商品，其中，异常值为销售离群点、节假日销售记录、促销期记录中的至少一个。
[0095]
根据用户需求及最后结果的准确性，可选择销售离群点、节假日销售记录、促销期记录中的至少一个或者多个作为异常值对已售商品进行筛选，提高最终得到的新品价格弹性的准确性。
[0096]
需要说明的是，该装置是与上述图1所述的方法对应的装置，所示方法中的所有实现方式均适用于该装置的实施例中，也能达到同样的技术效果。
[0097]
本发明实施例提出的一种基于工业互联网标识编码的新品价格弹性计算方法的一个具体工作流程为：
[0098]
收集行业内近两年所有商品的工业互联网标识编码。例如，白酒行业：收集近两年所有有销售记录的白酒的工业互联网标识编码。
[0099]
筛选其中与待定价新品互联网标识编码基础分类代码和属性代码相似的已售商品，统计选出的各已售商品近两年的销售记录。基础分类代码和属性代码相似的商品选择可用以下方法：
[0100]
(1)将基础分类代码和属性代码的每一位作为其特征，通过聚类查找与新品在同一个类中的已售商品；
[0101]
(2)选择步骤(1)中与新品欧式距离最短的m个已售商品，或指定对价格影响最大的几个特征，计算这几个特征与新品欧式距离最短的m个已售商品作为备用商品。
[0102]
过滤掉销售记录异常值的已售商品。销售记录异常值例如：销售离群点、节假日销售记录、已知促销期记录等，这些数据会影响后续结果的准确性。
[0103]
计算已售商品的价格弹性值及价格弹性的最大最小值、均值、方差、分位数等统计值。
[0104]
价格弹性值可以通过以下方式计算得到：需求弹性(价格弹性值)＝需求量变化的百分比
÷
价格变化的百分比，或者，销量＝a1*价格 a2*竞争对手价格 a3*库存
……
中，a1即可作为价格弹性。
[0105]
利用社群检测算法，如：fast newman、标签传播算法等，检测已售商品中商品的类别总数(社群数)、各类别间相似度。若各类别间相似度小于一定阈值(通过试验测出)，则用上述价格弹性的的均值或二分位数作为新品的价格弹性；否则，利用欧式距离或者马氏距离或者曼哈顿距离或者余弦距离或者相关系数等方法，查找与新品的互联网标识编码距离均值最短的社群，并将其价格弹性均值或二分位数作为新品的价格弹性。
[0106]
已售商品的类别总数是用提取的已售商品特征(例如：颜色、价格、形状、厂家等)，价格弹性值可以作为已售商品的其中一维特征，不是必要特征，需要根据实际数据分析得到确定的特征值。
[0107]
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。