[发明专利]基于广义相加模型的烟草投放方法、装置及计算机介质

说明书

本发明公开了基于广义相加模型的烟草投放方法、装置及计算机介质，属于产品零售投放技术领域，要解决的技术问题为如何基于广泛的数据基础、在降低认为因素干扰的情况下实现烟草货源投放。包括如下步骤：将订购量和订购量变化趋势作为线性关系的解释变量，将订足率和订购频次作为非线性关系的解释变量，构建半参数广义相加模型作为对预计销量进行预测的销量预计模型；以当前周期之间的历史数据作为参考并构建样本数据，样本数据包括订购量、订购量变化趋势、参考周期数、订足率以及订购频率；基于样本数据，引入机器学习中交叉验证和拟合优度算法，对销量预计模型进行训练优化，得到最优销量预计模型，通过最优销量预计模型进行预计销量的预测。

技术领域

本发明涉及产品零售投放技术领域，具体地说是基于广义相加模型的烟草投放方法、装置及计算机介质。

背景技术

烟草货源投放的过程即是把烟草商业公司周投放总量分配到户的过程，传统的货源投放方法通常以人为经验制定计算规则，以零售户历史订单数据为基础，使用简单的数学算法计算零售户投放量，计算过程参考数据维度较少，整个分配过程中人为因素影响较大。

由于烟草行业的业务特殊性，基于零售户历史订单数据的简单数学分配算法难以支撑复杂多变的业务场景。鉴于此种问题，需要选择可以参考更广泛数据范围，并且能够将人为因素干扰降低到最低的新方法。

基于上述分析，如何基于广泛的数据基础、在降低认为因素干扰的情况下实现烟草货源投放，是需要解决的技术问题。

发明内容

本发明的技术任务是针对以上不足，提供基于广义相加模型的烟草投放方法、装置及计算机介质，来解决如何基于广泛的数据基础、在降低认为因素干扰的情况下实现烟草货源投放的技术问题。

第一方面，本发明的基于广义相加模型的烟草投放方法，包括如下步骤：

将订购量和订购量变化趋势作为线性关系的解释变量，将订足率和订购频次作为非线性关系的解释变量，构建半参数广义相加模型作为对预计销量进行预测的销量预计模型；

以当前周期之间的历史数据作为参考并构建样本数据，所述样本数据包括订购量、订购量变化趋势、参考周期数、订足率以及订购频率；

基于所述样本数据，引入机器学习中交叉验证和拟合优度算法，对销量预计模型进行训练优化，得到最优销量预计模型，通过最优销量预计模型进行预计销量的预测。

作为优选，所述样本数据中，所述订购量为参考周期内的平均订购量。

作为优选，对于样本数据，计算参考周期内的平均订购量时，对历史订购量进行平滑处理。

作为优选，对于当前销售周期t，设定平滑窗口宽度为N期，参考周期为：t-1、t-2、......、t-N+1；

所述平滑处理后订购量为：

其中，y_t表示销售周期t内订购量。

作为优选，所述订购变化率计算公式为：

y＝rt+ε

通过最小二乘法计算上述线性回归方程，得到的斜率r表示订购变化率。

作为优选，所述销量预计模型的通过如下拟合函数进行销量预计：

g(y)＝β₀+β₁Qt+β₂Rt+β₃Nt+f_a(At)+f_o(Ot)+∑f_ij(x_i，x_j)