CN113723989A - 产品销量预测方法及相关设备 - Google Patents
产品销量预测方法及相关设备 Download PDFInfo
- Publication number
- CN113723989A CN113723989A CN202110911699.7A CN202110911699A CN113723989A CN 113723989 A CN113723989 A CN 113723989A CN 202110911699 A CN202110911699 A CN 202110911699A CN 113723989 A CN113723989 A CN 113723989A
- Authority
- CN
- China
- Prior art keywords
- preset time
- target product
- time period
- prediction
- sales
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000012937 correction Methods 0.000 claims abstract description 50
- 238000004590 computer program Methods 0.000 claims description 19
- 238000001514 detection method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 229910052500 inorganic mineral Inorganic materials 0.000 description 5
- 239000011707 mineral Substances 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 235000013361 beverage Nutrition 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 235000016795 Cola Nutrition 0.000 description 1
- 235000011824 Cola pachycarpa Nutrition 0.000 description 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 235000015203 fruit juice Nutrition 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 235000013616 tea Nutrition 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种产品销量预测方法及相关设备。该方法包括:检测目标产品在预设时间段的多个预测周期是否存在误差,所述误差用于表征多个预测周期内出现实际销量与预测销量之间存在偏差值;若是,计算所述目标产品在所述预设时间段的修正量,并基于所述修正量对目标产品销量预测结果进行修正。采用上述方法可以避免短期销量波动对销量预测结果带来影响,并可以综合考虑一段时间内的预测误差对销量预测结果进行更精准的修正。
Description
技术领域
本说明书涉及产品销售领域,更具体地说,本发明涉及一种产品销量预测方法及相关设备。
背景技术
当前销售业对于销量预测非常重视,大数据技术如机器学习、深度学习等方法的使用日益普遍,所谓大数据指的是数据样本量大数据维度高的数据场景,在预测时对所有数据样本一起建模,由于模型考虑了预测对象的共性因此能在整体上提升预测准确率,但对于个别类别商品的预测准确度可能不足,而且此类复杂模型训练时间较长,其针对的也是原有历史数据进行预测,一旦数据规律发生变化,模型没有进行重新训练,现有的模型极易出现个别预测对象的预测持续偏高或者偏低。
有鉴于此,为了准确预测销售量,传统的修正方法是基于当前的误差增加一个固定值或乘一个调节系数,但在面对一段时间内的综合变化时,例如波动性变化,仅依靠固定的值或调解系数显然会造成误差持续偏大。
发明内容
在发明内容部分中引入了一系列简化形式的概念,这将在具体实施方式部分中进一步详细说明。本发明的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征,更不意味着试图确定所要求保护的技术方案的保护范围。
为至少部分地解决上述问题,第一方面,本发明提出一种产品销量预测方法,上述方法包括:
检测目标产品在预设时间段的多个预测周期是否存在误差,上述误差用于表征上述多个预测周期内出现实际销量与预测销量之间存在偏差值;
若是,计算上述目标产品在上述预设时间段的修正量,并基于上述修正量对目标产品销量预测结果进行修正。
可选的,上述检测目标产品在预设时间段的多个预测周期是否存在误差包括:
检测目标产品在预设时间段的多个预测周期误差是否超过设定阈值,其中上述设定阈值由用户设定。
可选的,上述计算上述目标产品在上述预设时间段的修正量包括:
选取上述预设时间段的多个预测周期的误差的中位数作为修正量。
可选的,上述方法还包括:
计算上述预设时间段多个预设时间段的加权平均绝对误差百分比;
选取上述加权平均绝对误差百分比最小对应的预设时间段为上述预设时间段。
可选的,上述目标产品为至少一种维度对应的产品,上述维度是基于产品类别确定的。
可选的,上述目标产品包括非长尾产品,上述非长尾产品为实际销量超过预设阈值的产品。
可选的,上述方法还包括:
上述目标产品销量预测结果进行修正经过修正周期后,再次检测上述目标产品在上述预设时间段的上述多个预测周期是否存在上述误差,其中上述修正周期由用户设定;
若是,再次计算上述目标产品在上述预设时间段的上述修正量,并基于上述修正量对上述目标产品销量预测结果进行修正。
第二方面,本发明还提出一种产品销量预测装置,包括:
检测单元,用于检测目标产品在预设时间段的多个预测周期是否存在误差;
修正单元,用于计算上述目标产品在上述预设时间段的修正量,并基于上述修正量对目标产品销量预测结果进行修正。
第三方面,一种电子设备,包括:储存器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序,上述处理器用于执行存储器中存储的计算机程序时实现如上述的第一方面任一项的产品销量预测方法的步骤。
第四方面,本发明还提出一种计算机可读存储介质,其上存储有计算机程序,上述计算机程序被处理器执行时实现第一方面上述任一项的产品销量预测方法。
综上,检测目标产品在预设时间段的多个预测周期是否存在误差,而不是一个周期内是否存在误差进行调整,这样避免了短期的销量波动对销量预测结果准确度带来的影响,当判断销量预测结果需要修改时,综合考虑预设时间段的多个周期误差进行修正,更能够反应这段时间内销量预测结果产生误差的趋势,以对产品销量预测进行更为准确的修改。采用上述方法可以避免短期销量波动对销量预测结果带来的影响,并可以综合考虑一段时间内的误差对销量预测结果进行更精准的修正。
本发明的产品销量预测方法,本发明的其它优点、目标和特征将部分通过下面的说明体现,部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本说明书的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1为本申请实施例提供的一种可能的产品销量预测方法流程示意图;
图2为本申请实施例提供的一种可能的产品销售预测装置结构示意图;
图3为本申请实施例提供的一种可能的产品销售预测电子设备结构示意图。
具体实施方式
本申请实施例提供了产品销量预测方法及相关设备,综合考虑一段时间内的误差对销量预测结果进行更精准的修正。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。
请参阅图1,为本申请实施例提供的一种可能的产品销量预测方法流程示意图,具体可以包括:
S110,检测目标产品在预设时间段的多个预测周期是否存在误差,上述误差用于表征上述多个预测周期内出现实际销量与预测销量之间存在偏差值;
具体的,获取目标产品预设时间段的多个预测周期的预测销量,获取目标产品预设周期内的真实销量,预测销量和真实销量的差值为目标产品在预设周期内的预测误差,例如,在实际应用中,当发现某产品在某个时间段内的偏差一直为正或为负时,也就是说在一段时间内发现某产品的预测销量一直高于实际销售量,或一直低于实际销售量是,此时可以认定原销量预测方法出现了预测不准的现象需要进行修正;
S120,若是,计算上述目标产品在上述预设时间段的修正量,并基于上述修正量对目标产品销量预测结果进行修正。
具体的,如果存在误差,根据预设时间段的多个预测周期的实际销量与预测销量之间存在偏差值计算修正量,并基于上述修正量对目标产品销量预测结果进行修正;
综上,采用上述检测预设时间段内的多个周期预测销量与实际销量的偏差值,可以避免短期销量波动对销量预测结果带来影响,并可以综合考虑预设时间段内的多个预测周期的误差对销量预测结果进行更精准的修正。
在一些示例中,检测目标产品在预设时间段的多个预测周期误差是否超过设定阈值,其中上述设定阈值由用户设定。
具体的,目标产品为矿泉水,预设时间段为一个月,预测周期为一周,第一周的预测误差为10瓶,第二周的预测误差为8瓶,第三周的预测误差为7瓶,第四周的误差为9瓶,而用户设定的阈值为100瓶,此时虽然误差持续为正,但也不对销量预测结果进行修正,采用设定阈值的方式可以给用户更多选择,对于不同类的商品可以设定不同的阈值,价格高且避免大库存的商品可设定较小阈值,价格低且销量波动性大的产品可设置较大阈值。
综上,采用设置阈值的方法,用户可针对不同品类产品设置不同的阈值,丰富了预测的灵活性。
在一些示例中,上述计算上述目标产品在上述预设时间段的修正量包括:
选取上述预设时间段的多个预测周期的误差的中位数作为修正量。
具体地,目标产品为矿泉水,过去一周预测的销量为5箱、5箱、5箱、5箱、5箱、5箱、5箱,而由于今年天气比去年同期温度高,顾客对于矿泉水的购买需求比去年同期要高,实际销量分别为10箱、12箱、13箱、10箱、14箱、16箱、15箱,如果仍然按照原结果进行估计,可能会造成库存不足影响销售,现根据上述方法计算预测误差为5箱、7箱、8箱、5箱、9箱、11箱、10箱,预测误差的中位数为8箱,那么以8箱作为目标产品矿泉水的修正量对原预测结果进行修正,修正后的预测结果能够将最近气温上涨的天气因素考虑在内,对矿泉水的需求量做出准确预测,而且中位数能够很好地体现一周内商品的销售趋势,以误差中位数为修正量,不至于过大使得预测结果由于修正过大出现反向偏差,也不至于修正过小达不到修正效果。
综上,以误差中位数可以很好地表征预设周期内的预测误差,以误差中位数作为修正量可以很好地对预测结果进行修正。
在一些示例中,上述方法还包括:
计算上述预设时间段多个预设时间段的加权平均绝对误差百分比;
选取上述加权平均绝对误差百分比最小对应的预设时间段为上述预设时间段。
具体的,加权平均绝对误差百分比(Weighted Mean Absolute PercentageError,WMAPE)
上式中WMAPE代表加权平均绝对误差百分比,y’代表预测值,y代表真实值,n代表预设时间段,例如,预设时间段可以为7天、10天、15天,预测周期为1天,那么三种时间段的n值分别对应7、10、15,根据上述公式计算WMAPE,如果解算n为10时WMAPE值最小,那么选取10天为预设时间段,通过这种方式确定预设时间段可以使得预测结果更为准确。
综上,采用计算WMAPE值确定预设时间段,这样确定了最优的预设时间段,预测的结果能更加准确。
在一些示例中,上述目标产品为至少一种维度对应的产品,上述维度是基于产品类别确定的
可选的,上述目标产品为至少一种维度对应的产品,上述维度是基于产品类别确定的。
具体的,目标产品可以设置为饮料,而饮料包括可乐、果汁、茶饮等其他品类,目标产品也可以具体为可乐,甚至可以具体到具体品牌的可乐,目标产品的选取可自由选择。
综上,本产销量预测方法可根据用户需要自由选择产品种类,此方法灵活便捷,能用于不同的预测场景。
可选的,上述目标产品包括非长尾产品,上述非长尾产品为实际销量超过预设阈值的产品。
具体地,长尾产品是指销量小但种类多的产品,而非长尾产品与之相反,指的是销量较大的产品,当销量过小时,因其销量波动性大,无法对其进行准确预测,而且如果将其加入到目标商品中,可能会导致总量产生较大的偏差。用户可设定预设阈值,避免长尾产品统计到预测结果中对结果造成影响。
综上,根据实际销量设定阈值,避免销量小但种类多的产品对产品预测的结果真实性造成影响。
在一些示例中,上述方法还包括:
上述目标产品销量预测结果进行修正经过修正周期后,再次检测上述目标产品在上述预设时间段的上述多个预测周期是否存在上述误差,其中上述修正周期由用户设定;
若是,再次计算上述目标产品在上述预设时间段的上述修正量,并基于上述修正量对上述目标产品销量预测结果进行修正。
具体的,用户可以设置修正周期为一个月,本次预测结果进行修正后一个月将再次利用上述的修正方法对销量预测结果进行修正。周期的设置可根据产品的销售特点制定,例如,月饼、粽子这种带有节日特色的商品,因为只在每年的节日月份销售比较多,可以设置修正周期为一个季度甚至半年;而像雨伞等跟近期天气及季节有关的产品可缩小修正周期以供预测结果进行及时地修改,保证供应的充足,并不至于导致过大的库存。
综上,用户可以根据商品特点自行设置修正周期,以保证商品预测结果结合自身商品特点进行及时更新,保证各品类的商品供应充足,库存适量。
请参阅图2,本申请实施例中产品销量预测装置的一个实施例,可以包括:
检测单元21,用于检测目标产品在预设时间段的多个预测周期是否存在误差;
修正单元22,用于计算上述目标产品在上述预设时间段的修正量,并基于上述修正量对目标产品销量预测结果进行修正。
请参阅图3,图3为本申请实施例提供的电子设备的实施例示意图。
如图3所示,本申请实施例还提供一种电子设备300,包括存储器310、处理器320及存储在存储器320上并可在处理器上运行的计算机程序311,处理器320执行计算机程序311时实现上述产品销量预测的任一方法的步骤。
由于本实施例所介绍的电子设备为实施本申请实施例中一种产品销量预测装置所采用的设备,故而基于本申请实施例中所介绍的方法,本领域所属技术人员能够了解本实施例的电子设备的具体实施方式以及其各种变化形式,所以在此对于该电子设备如何实现本申请实施例中的方法不再详细介绍,只要本领域所属技术人员实施本申请实施例中的方法所采用的设备,都属于本申请所欲保护的范围。
在具体实施过程中,该计算机程序311被处理器执行时可以实现图1对应的实施例中任一实施方式。
需要说明的是,在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详细描述的部分,可以参见其它实施例的相关描述。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式计算机或者其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本申请实施例还提供了一种计算机程序产品,该计算机程序产品包括计算机软件指令,当计算机软件指令在处理设备上运行时,使得处理设备执行如图1对应实施例中的销量修正中的流程。
计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时,全部或部分地产生按照本申请实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一计算机可读存储介质传输,例如,计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(solid state disk,SSD))等。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的***,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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该,或者对其中部分技术特征进行等同替换;而这些修该或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种产品销量预测方法,其特征在于,包括:
检测目标产品在预设时间段的多个预测周期是否存在误差,所述误差用于表征所述多个预测周期内出现实际销量与预测销量之间存在偏差值;
若是,计算所述目标产品在所述预设时间段的修正量,并基于所述修正量对目标产品销量预测结果进行修正。
2.如权利要求1所述的方法,其特征在于,所述检测目标产品在预设时间段的多个预测周期是否存在误差包括:
检测目标产品在预设时间段的多个预测周期误差是否超过设定阈值,其中所述设定阈值由用户设定。
3.如权利要求1所述的方法,其特征在于,所述计算所述目标产品在所述预设时间段的修正量包括:
选取所述预设时间段的多个预测周期的误差的中位数作为修正量。
4.如权利要求1所述的方法,其特征在于,还包括:
计算所述预设时间段多个预设时间段的加权平均绝对误差百分比;
选取所述加权平均绝对误差百分比最小对应的预设时间段为所述预设时间段。
5.如权利要求1所述的方法,其特征在于,所述目标产品为至少一种维度对应的产品,所述维度是基于产品类别确定的。
6.如权利要求1所述的方法,其特征在于,
所述目标产品包括非长尾产品,所述非长尾产品为实际销量超过预设阈值的产品。
7.如权利要求1所述的方法,其特征在于,还包括:
所述目标产品销量预测结果进行修正经过修正周期后,再次检测所述目标产品在所述预设时间段的所述多个预测周期是否存在所述误差,其中所述修正周期由用户设定;
若是,再次计算所述目标产品在所述预设时间段的所述修正量,并基于所述修正量对所述目标产品销量预测结果进行修正。
8.一种产品销量预测装置,其特征在于,包括:
检测单元,用于检测目标产品在预设时间段的多个预测周期是否存在误差;
修正单元,用于计算所述目标产品在所述预设时间段的修正量,并基于所述修正量对目标产品销量预测结果进行修正。
9.一种电子设备,包括存储器、处理器,其特征在于,所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至7中任一项所述的产品销量预测方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的产品销量预测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110911699.7A CN113723989A (zh) | 2021-08-10 | 2021-08-10 | 产品销量预测方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110911699.7A CN113723989A (zh) | 2021-08-10 | 2021-08-10 | 产品销量预测方法及相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113723989A true CN113723989A (zh) | 2021-11-30 |
Family
ID=78675314
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110911699.7A Pending CN113723989A (zh) | 2021-08-10 | 2021-08-10 | 产品销量预测方法及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113723989A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111652655A (zh) * | 2020-06-10 | 2020-09-11 | 创新奇智(上海)科技有限公司 | 商品销量预测方法、装置、电子设备及可读存储介质 |
CN111652657A (zh) * | 2020-06-10 | 2020-09-11 | 创新奇智(南京)科技有限公司 | 商品销量预测方法、装置、电子设备及可读存储介质 |
CN111724211A (zh) * | 2020-06-30 | 2020-09-29 | 名创优品(横琴)企业管理有限公司 | 一种线下门店商品销量预测方法、装置和设备 |
CN112766529A (zh) * | 2019-11-05 | 2021-05-07 | 顺丰科技有限公司 | 物流日度件量预测优化方法、装置、设备、及存储介质 |
-
2021
- 2021-08-10 CN CN202110911699.7A patent/CN113723989A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112766529A (zh) * | 2019-11-05 | 2021-05-07 | 顺丰科技有限公司 | 物流日度件量预测优化方法、装置、设备、及存储介质 |
CN111652655A (zh) * | 2020-06-10 | 2020-09-11 | 创新奇智(上海)科技有限公司 | 商品销量预测方法、装置、电子设备及可读存储介质 |
CN111652657A (zh) * | 2020-06-10 | 2020-09-11 | 创新奇智(南京)科技有限公司 | 商品销量预测方法、装置、电子设备及可读存储介质 |
CN111724211A (zh) * | 2020-06-30 | 2020-09-29 | 名创优品(横琴)企业管理有限公司 | 一种线下门店商品销量预测方法、装置和设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101136696B1 (ko) | 기업성장단계를 표시하고, 이를 이용하여 주식의 저평가/고평가를 산출하는 주식정보 제공 방법 및 시스템 | |
CN109544233B (zh) | 一种面向电商业务的时尚品需求预测方法 | |
WO2019105226A1 (zh) | 一种用于营销活动效果预测的方法、装置及电子设备 | |
CN111429048A (zh) | 确定补货信息的方法、装置及设备 | |
US20150235239A1 (en) | Predicting demand of a newly introduced short lifecycle product within an assortment | |
KR20140056731A (ko) | 구매추천 시스템 및 방법 | |
CN103678518A (zh) | 一种推荐列表调整方法和装置 | |
US20150112762A1 (en) | Optimization of product assortments | |
JP7107222B2 (ja) | 商品需要予測システム、商品需要予測方法および商品需要予測プログラム | |
CN115689451A (zh) | 一种线下零售门店补货量确定方法、装置、终端及介质 | |
CN109583729B (zh) | 用于平台在线模型的数据处理方法和装置 | |
CN116739652A (zh) | 一种服装电商销量预测建模方法 | |
CN113674040A (zh) | 车辆的报价方法、计算机设备和计算机可读存储介质 | |
CN112053213B (zh) | 一种商品推荐方法、***及相关装置 | |
JP2013131259A (ja) | 統合需要予測装置、統合需要予測方法、及び統合需要予測プログラム | |
CN113723989A (zh) | 产品销量预测方法及相关设备 | |
CN110490682B (zh) | 分析商品属性的方法和装置 | |
CN111199453A (zh) | 一种产品信息的推送方法、电子设备及存储介质 | |
CN110232620A (zh) | 商户标签确定方法、装置、电子设备及可读存储介质 | |
CN115671744A (zh) | 游戏道具价格的确定方法、装置、电子设备和存储介质 | |
US20210142348A1 (en) | Multi-layered system for heterogeneous pricing decisions by continuously learning market and hotel dynamics | |
CN106537442A (zh) | 收集量调节辅助装置,收集量调节辅助方法和计算机可读记录介质 | |
US20210073840A1 (en) | Multi-layered system for heterogeneous pricing decisions by continuously learning market and hotel dynamics | |
CN114004626A (zh) | 专利的货币价值评估方法,***和应用程序 | |
CN110298726B (zh) | 用于电商平台的商品信息更新方法、***及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |