[发明专利]一种网购平台入驻商户经营数据的预测方法和系统

说明书

一种网购平台入驻商户经营数据的预测方法和系统，可帮助互联网经济时代的线上商户实现更加智能化的企业管理。本系统共有如下六大模块：1、对该商户在未来某一时间段内的总销售额情况绘制一条预测曲线。2、对每一细分品种的销售量绘制预测曲线。3、消费者订金——备货资金预测曲线。本模块的用途是：帮助商家预测消费者订金所带来的现金流，实现合理安排备货资金的功能。4、客服人员服务效率监测及提升模块，帮助商户改善在线客服人员的服务效率。5、客服人员结构优化模块，可实现帮助商家优化客服人员（分为售前和售后两类）结构的功能。6、“差评”预警模块，实现对“差评”进行预警的功能。

技术领域

一种网购平台入驻商户经营数据的预测方法和系统（以下简称“本系统”），隶属商业智能（Business Intelligence，简称：BI）领域。本系统综合运用了随机过程分析技术、数据挖掘和数据展现技术、计量经济学分析技术，目的是借助计算机算法帮助互联网经济时代的线上商户实现更加智能化的企业管理。本系统基于泊松过程数学原理，利用计量经济学模型对泊松过程分析中涉及的核心参数进行分析预测，可帮助平台商户实现总销售额预测、细分品种订单量预测、备货资金管理、客服人员服务效率监测及提升、客服人员结构优化和“差评”预警等六大功能。

在保证数据的及时性和有效性上，本系统采用了“滚动优化”策略。以回溯360天的方式，滚动抽样，每天更新一次核心参数的估值，并实时监测模型的可信度。本系统可根据最新的关键参数估值，结合各影响因子当前的时点数据，对未来30天的目标指标进行预测，帮助线上商户更加科学的管理企业的经营，同时系统保持实时自我更新的能力，确保“驾驶舱”面板上的各预测值处于实时更新状态。

本系统采用python编程语言。本说明书将对各个模块的核心算法提供相应的计算机代码说明，并采用假设抽样数据，对各个功能模块的运行结果进行简单地模拟。

本系统亦可作为线上平台商户端操作界面的增值服务模块，帮助线上商户挖掘数据价值，提高企业经营管理的精细化水平，提升线上平台对入驻该平台的商户的综合服务能力，增强线上平台的市场竞争力。

背景技术

本系统的数学基础如下：基于更新理论，分析如下随机过程：“B2C购物网站上，B端商户销售某种商品，陆续会收到来自C端消费者按照某一数学规律的采购订单”。

我们观察[0，t]时间段内，订单的发生情况。我们把每笔订单发生的时刻，按时间顺序依次标记为1，2，3，…，用X_i表示第i笔订单距离上一笔订单的等待时间。比如：X₁表示从观察起始时刻至商户收到第1笔订单的等待时间，X₂表示商户从第1笔订单到收到第2笔订单的等待时间（或称时间间隔），依次类推…。

那么，X₁，X₂，…，就构成了一个随机变量序列。设{X_n，n=1,2，…}是一列相互独立同分布的非负随机变量，X_n表示第（n-1）笔订单和第n笔订单之间的时间间隔，用随机变量{N_t，t≥0}表示观察时间[0，t]内订单发生的次数。这样的计数过程即为更新过程。

由于B2C购物网站上C端消费者相互之间的购物行为是独立的，每笔订单基本都以匿名的方式发生，任何两个消费者之间的购买决策没有直接关联，因此，用更新理论能够较好地刻画B2C购物网站上的订单发生规律。

用S_n表示第n笔订单发生的时刻，即：

，n=1,2，…