[发明专利]一种销量预测方法及装置

说明书

本申请公开一种销量预测方法及装置，本申请通过获取待测商品的商品属性、运营属性和实时访客量，将所述待测商品的商品属性和运营属性输入销量预测模型，得到所述销量预测模型输出的所述待测商品的销量转化率，其中，所述销量预测模型，以训练商品的商品属性和运营属性作为训练样本，以所述训练商品的销量转化率作为训练标签训练得到，将所述实时访客量与所述销量转化率相乘得到预测销量。本申请方案通过将待测商品的商品属性、运营属性输入至销量预测模型，得到销量转化率，相比于现有技术，将销量转化率作为商品的属性特征，去除了现有技术预测过程中需加入历史访客量的不稳定性因素，提高了销量预测的准确性。

技术领域

本申请涉及供应链领域，特别是一种销量预测方法及装置。

背景技术

随着互联网技术的发展，网络购物逐渐普及，商家为了保证有足够的商品库存满足消费者的需求，会通过提前预测商品在市场上的销量的方式进行原材料的采购和预调拨，同时可以通过该预测销量的方式进行库存预警及自动补货。

然而现在市场上的销量预测方式都是基于历史数据上消费者对于该商品的访客量以及实际销售的商品数量来进行预测的，其中访客量是一个不稳定因素，会对预测结果的准确性产生影响，如何提高销量预测的准确性是人们关注的问题。

发明内容

有鉴于此，本申请提供了一种销量预测方法及装置，用于提高销量预测的准确性。

为了实现上述目的，现提出的方案如下：

一种销量预测方法，包括：

获取待测商品的商品属性、运营属性和实时访客量；

将所述待测商品的商品属性和运营属性输入销量预测模型，得到所述销量预测模型输出的所述待测商品的销量转化率；

其中，所述销量预测模型，以训练商品的商品属性和运营属性作为训练样本，以所述训练商品的销量转化率作为训练标签训练得到；

将所述实时访客量与所述销量转化率相乘得到预测销量。

可选的，所述销量预测模型包括：输入层、属性处理层和转化率确定层；

所述销量预测模型的训练过程，包括：

通过输入层，获取训练商品的商品属性和运营属性；

通过属性处理层，对所述训练商品的商品属性和运营属性进行处理得到属性特征；

通过转化率确定层，基于所述属性特征预测所述训练商品的销量转化率；

利用误差函数对预测的销量转化率与所述训练商品的销量转化率标签的差值进行计算，得到转化率误差值；

根据所述转化率误差值，更新销量预测模型的参数。

可选的，在所述销量预测模型的训练过程之前，还包括：

选取销量和访客量满足预设要求的训练商品的商品属性和运营属性作为训练样本。

可选的，所述选取销量和访客量满足预设要求的训练商品的商品属性和运营属性作为训练样本，包括：

选取同时满足所述销量大于第一设定值及所述访客量大于第二设定值，且所述销量与所述访客量的乘积大于第三设定值的训练商品的商品属性和运营属性作为训练样本。

可选的，还包括：

选取所述访客量大于第三设定值且所述销量为0的训练商品的商品属性和运营属性作为训练样本。

可选的所述将所述待测商品的商品属性和运营属性输入销量预测模型，得到所述销量预测模型输出的所述待测商品的销量转化率，包括：

将所述待测商品的商品属性和运营属性通过输入层输入销量预测模型；