[发明专利]一种智能采购方法及系统、存储介质和电子装置

说明书

本发明提供了一种智能采购系统，其特征在于：包括：S1：使用爬虫程序爬取在电商平台的商品销售页面的原始数据；S2：使用数据解析程序解析原始数据，生成数据库存储数据并将数据库存储数据存储到数据库中；S3：使用热度预测模型程序读取数据库存储数据并预测一定时间后的热度数据，得到热度预测数据；S4：使用热度计算程序计算一定时间后热度数据，得到热度对比数据；S5：比较热度预测数据和热度对比数据，若准确率低于阈值调整热度预测模型程序的参数，并回到S3，否则进入S6；S6：热度预测模型程序输出热度预测模型给ERP系统；S7：ERP系统使用热度预测模型推荐采购商品。本发明的有益效果是：不依赖于销售人员，可实现自动化的准确商品热度预测。

技术领域

本发明涉及智能营销，特别涉及一种智能采购方法及系统、存储介质和电子装置。

背景技术

传统的方法是销售人员根据过往销售经验，推断下一个月度、季度或者年度的市场需求，然后订立采购、销售计划。这种方式受到销售人员自身经验的限制，误判的情况比较多。例如，销售人员通常会根据现有商品的销售情况推测未来销量也会好，但是忽略市场中类似商品的销售情况。这样无法预料到竞争对手的突然出现。再例如，销售人员熟悉某款商品在中国的销售情况，当公司想要在欧洲销售类似的商品时，销售人员对当地市场不熟悉，无法做出全面、精确的判断。

故市场亟需一种可以不依赖于销售人员过往销售经验，可实现自动化的准确商品“热度”预测的系统和方法。

发明内容

为了解决上述技术问题，本发明中披露了一种智能采购系统，本发明的技术方案是这样实施的：

一种智能采购方法，其特征在于：包括：S1：使用爬虫程序爬取在电商平台的商品销售页面的原始数据；S2：使用数据解析程序解析所述原始数据，生成数据库存储数据并将所述数据库存储数据存储到数据库中；S3：使用热度预测模型程序读取所述数据库存储数据并预测一定时间后的热度数据，得到热度预测数据；S4：使用热度计算程序计算一定时间后热度数据，得到热度对比数据；S5：比较所述热度预测数据和所述热度对比数据，若准确率低于阈值调整所述热度预测模型程序的参数，并回到S3，否则进入S6；S6：所述热度预测模型程序输出热度预测模型给ERP系统；S7：所述ERP系统使用所述热度预测模型推荐采购商品。

优选地，还包括S0；所述S0包括：S01：数据预处理程序提取所述数据库存储数据并预处理所述数据库存储数据，生成预处理数据；S02：将所述预处理数据导入编码神经网络中，得到热度组；S03：将所述热度组导入解码神经网络中，所述解码神经网络输出潜矢量组；S04：比较所述特征矢量组与所述潜在矢量组，得到失误率；S05：若所述失误率高于失误阈值，调整所述编码神经网络与所述解码神经网络，并返回S02；反之输出所述编码神经网络至热度计算模块。

优选地，所述预处理数据为特征矢量的集合；所述潜矢量组为潜矢量的集合；所述特征矢量和所述隶属于矢量空间

优选地，所述失误率的计算方法为所述n为特征向量的维度数。

优选地，所述一定时间不少于半个月。

优选地，所述爬虫程序运行包括通用网络爬虫、聚焦网络爬虫、增量式网络爬虫或者深层网络爬虫的一种或者多种的计算机程序。

优选地，所述热度预测模型程序为基于长短期记忆模型的计算机程序。

优选地，所述热度计算程序为基于神经网络的计算机程序。