[发明专利]商品资源分配方法、装置及电子设备

说明书

本申请提供了一种商品资源分配方法、装置及电子设备，其中，该方法包括：获取目标商品的历史资源分配数据，历史资源分配数据包括：商品成本数据、商品宣传资源数据、商品回馈资源数据、以及商品销售数据中的至少一项数据；根据将历史资源分配数据构建销售预测模型；根据销售预测模型、以及销售预测模型对应的目标资源分配数据确定出资源分配决策模型，目标资源分配数据包括：目标宣传资源数据、目标回馈资源数据；计算资源分配决策模型的目标可行解，目标可行解中包括目标资源分配数据中的各项数据的取值，其中，各项数据的取值作为商品资源的分配结果。

技术领域

本申请涉及数据处理技术领域，具体而言，涉及一种商品资源分配方法、装置及电子设备。

背景技术

现有的商品的销售价格，一般会根据其成本定价。但是由于影响商品的成本的因素有很多，因此目前的商品定价的方式可能会导致确定的商品定价不准确。

发明内容

有鉴于此，本申请实施例的目的在于提供一种商品资源分配方法、装置及电子设备。能够达到提高商品资源的分配的合理性的效果。

第一方面，本申请实施例提供了一种商品资源分配方法，包括：

获取目标商品的历史资源分配数据，所述历史资源分配数据包括：商品成本数据、商品宣传资源数据、商品回馈资源数据、以及商品销售数据中的至少一项数据；

根据将所述历史资源分配数据构建销售预测模型；

根据所述销售预测模型、以及所述销售预测模型对应的目标资源分配数据确定出资源分配决策模型，所述目标资源分配数据包括：目标宣传资源数据、目标回馈资源数据；

计算所述资源分配决策模型的目标可行解，所述目标可行解中包括所述目标资源分配数据中的各项数据的取值，其中，所述各项数据的取值作为商品资源的分配结果。

在一可选的实施方式中，所述根据将所述历史资源分配数据构建销售预测模型，包括：

将所述历史资源分配数据进行分析，以确定出所述历史资源分配数据中的各类数据在不同时期的影响权重；

根据各类数据在不同时期的所述影响权重，确定出训练数据；

将所述训练数据输入机器学习模型进行训练，以得到销售预测模型。

本申请实施例提供的商品资源分配方法，还可以根据历史数据分析出商品的各项资源数据对应的影响权重，从而可以根据影响权重确定出训练数据。进一步地，使用训练数据对模型进行训练，可以使训练过程中的能够重点影响权重更大的数据，从而可以得到更准确预测销售的销售预测模型。

在一可选的实施方式中，所述销售预测模型包括：指定数量的子销售预测模型；所述将所述训练数据输入机器学习模型进行训练，以得到销售预测模型，包括：

将指定数量组的训练数据分别输入一机器学习模型进行训练，以得到销售预测模型，以得到所述指定数量的子销售预测模型。

本申请实施例提供的商品资源分配方法，还可以针对不同时期训练不同的子销售预测模型，从而可以使用各个子销售预测模型对各个时期的销售情况进行预测，从而可以使各个子销售预测模型能够相对更准确地实现销售的预测。

在一可选的实施方式中，所述将所述历史资源分配数据进行分析，以确定出所述历史资源分配数据中的各类数据在不同时期的影响权重，包括：

获取每个第一类周期中的相同位次的第二类周期中的历史资源分配数据形成所述指定数量的目标数据集，每个所述第一类周期中包括所述指定数量的第二类周期；

将所述指定数量的目标数据集进行分析，以得到每个第二类周期中的各类数据的影响权重；

所述根据各类数据在不同时期的所述影响权重，确定出训练数据，包括：