[发明专利]一种电子产品定价方法及一种服务器集群

说明书

本发明提供一种电子产品定价方法及一种服务器集群，方法包括：对第一激活量数据和第一因子数据进行时间序列化；根据价格周期对时间序列化后的数据进行分解得到价格周期数据；对价格周期数据进行滤波拆分得到与价格周期对应的第二激活量数据，第二激活量数据为未受第一因子数据影响情况下的随时间变化的短期趋势数据；如果与价格周期对应的短期趋势数据具有时间规律，则将短期趋势数据进行特征化处理生成第二因子数据；将第一因子数据与第二因子数据输入预设模型进行学习，以得到预定时间的电子产品激活量的第一预测值，根据价格周期以及与价格周期对应的第一预测值对电子产品进行定价。本发明的方案能够根据市场需求情况给出最优化定价。

技术领域

本发明涉及数据处理，尤其涉及一种电子产品定价方法及一种服务器集群。

背景技术

电子产品发售后期，如何控制电子产品的价格才能够在销量上升的情况下最大化利润，换句话说，如何定价能够最大化其收益且保持销量，是一直困扰企业的问题。现阶段的定价方式是根据电子产品的生命周期的不同阶段以及电子产品的库存情况，对电子产品进行一锤子定价。这种定价方式人为判断因素居多，并且无法实时适应市场需求的变化，经常适得其反。

发明内容

本发明提供一种电子产品定价方法及一种服务器集群，能够根据市场需求情况给出最优化定价。

本发明提供了一种电子产品定价方法，包括：

获取第一激活量数据和影响第一激活量数据的至少一个第一因子数据；

对所述第一激活量数据和所述至少一个第一因子数据分别进行时间序列化；

对时间序列化后的数据根据价格周期进行分解并得到至少一个价格周期数据；

对所述至少一个价格周期数据分别进行滤波拆分，并分别得到至少一个与所述价格周期对应的第二激活量数据，所述第二激活量数据为电子产品激活量的未受所述至少一个第一因子数据影响情况下的随时间变化的短期趋势数据；

判断至少一个与所述价格周期对应的所述短期趋势数据是否具有时间规律；

如果至少一个与所述价格周期对应的所述短期趋势数据具有时间规律，则将所述短期趋势数据进行特征化处理生成第二因子数据；

将所述至少一个第一因子数据与第二因子数据输入预设模型进行学习，以对预定时间的电子产品激活量进行预测并得到第一预测值，根据所述价格周期以及与所述价格周期对应的所述第一预测值对电子产品进行定价。

作为优选，还包括，

如果至少一个与所述价格周期对应的所述短期趋势数据不具有时间规律，则将所述至少一个第一因子数据输入预设模型进行学习，以对预定时间的电子产品激活量进行预测并得到第二预测值，根据所述价格周期以及与所述价格周期对应的所述第二预测值对电子产品进行定价。

作为优选，所述至少一个第一因子数据包括价格因子数据、市场活动因子数据、产品质量因子数据、舆论因子数据、竞争产品因子数据中的一个或多个。

作为优选，所述舆论因子数据包括情感指数因子数据，所述情感指数因子数据基于正面舆论评价信息数量以及负面舆论评价信息数量确认。

作为优选，对所述至少一个第一因子数据进行时间序列化包括对价格因子数据进行时间序列化，并且在对所述价格因子数据进行时间序列化前，对所述价格因子数据进行离散化。

作为优选，将所述短期趋势数据进行特征化处理包括，将所述短期趋势数据的依赖时长构造成一维特征或多维特征作为所述第二因子数据。

作为优选，所述第一因子数据与所述第二因子数据的权重相等。