[发明专利]属性数据分析的方法和装置

说明书

本发明实施例提供一种属性数据分析的方法和装置，能够按不同维度筛选帮助商家找到竞争对手，并锁定竞争商品，此外还可以针对性的就重点商品进行属性数据分析、属性值建议及属性值模拟。该方法包括：根据商家的数据看板获取商家的相似商家；利用相似商家的数据看板筛选商家商品的相似商品；根据相似商品的属性值区间计算商家商品的建议属性值。

技术领域

本发明涉及计算机技术领域，尤其涉及一种属性数据分析的方法和装置。

背景技术

随着市场竞争的日趋激烈，网络交易平台上商家也面临着日趋复杂的销售竞争环境。准确、高效地计算合理的建议属性值和实施属性值模拟，对于精准定位竞争对手、充分发挥属性优势、有效的对标、帮助商家争取到的更多的用户，显得尤为重要。

现有技术中进行属性值建议和属性值模拟的方案大致如下：1、采用现有的网络购物属性值确定模型实现属性值建议；2、利用国外较常用的属性值确定工具服务商Feedvisor及第三方属性值优化工具Repricers进行自动调整属性值。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：第一种属性值建议的方案，属性值建议的功能单一，只能实现单页属性值建议，且建议规则不够明确、如何定价不可设置，另外，只针对具体单品进行分析，没有考虑竞争商品、竞争商家进行深度分析；有关第二种属性值建议的方案，自动调价风险较大，且除属性值分析之外无其它维度的竞争分析，此外，该类分析工具在国内环境缺乏适应性，因此不具有普遍适用性。

发明内容

有鉴于此，本发明实施例提供一种属性数据分析的方法和装置，能够按不同维度筛选帮助商家找到竞争对手，并锁定竞争商品，此外还可以针对性的就重点商品进行属性值分析、属性值建议及属性值模拟。

为实现上述目的，根据本发明实施例的一个方面，提供了一种属性数据分析的方法。

本发明实施例的一种属性数据分析的方法包括：根据预设相似性规则从商家的数据看板中获取所述商家的相似商家；利用所述相似商家的数据看板筛选商家商品的相似商品；根据所述相似商品的属性值区间，利用预设建议算法计算所述商家商品的建议属性值。

可选地，数据看板包括如下至少一种信息：商品数据、品牌数据、品类数据、日均成交总额数据、日均浏览量数据、重点商品数据、商品价格弹性数据、商品价格标签数据。

可选地，根据预设相似性规则从商家的数据看板中获取商家的相似商家包括：根据商家在同一品牌和/或品类维度下的日均成交总额排名，从同一品牌和/或品类的商家中选取预设个数的商家作为候选相似商家；根据预设相似性规则从候选相似商家中筛选相似商家。

可选地，利用相似商家的数据看板筛选商家商品的相似商品包括：从相似商家的商品数据中筛选与商家的重点商品相似的商品，作为相似商品。

可选地，根据相似商品的属性值区间，利用预设建议算法计算所述商家商品的建议属性值包括：根据相似商品的属性值区间的最大值和最小值，利用四分卫算法和/或动态优化主导算法和/或目标优化主导算法计算商家商品的建议属性值。

可选地，所述方法还包括：根据建议属性值模拟所述商家商品的预测销售数据。

为实现上述目的，根据本发明实施例的另一方面，提供了另一种属性数据分析的方法。

本发明实施例的属性数据分析的方法包括：根据预设相似性规则从商家的数据看板中获取商家的相似商家；利用相似商家的数据看板筛选商家商品的相似商品；根据相似商品的属性值区间模拟商品的预测销售数据。

可选地，根据相似商品的属性值区间模拟商品的预测销售数据包括：将相似商品的属性值区间的最大值作为模拟最大值，将商品的当前销售属性值乘以预设百分比作为模拟最小值；利用模拟最大值和所述模拟最小值组成的模拟区间，模拟商品的预测销售数据。