[发明专利]一种基于机器学习的商品竞争关系分析方法

说明书

本发明公开了一种基于机器学习的商品竞争关系分析方法，所述方法通过商品属性量化商品的相似度，将原始的商品数据进行过滤，同时过滤掉存在异常的业务数据，从而达到系统分析的业务需求。本发明通过使用可视化工具对这些实验中的商品销量进行线性对比，发现两个商品在一定时间段内表现出一定的竞争关系，为行业业务人员的工作开展提供了方便，为商品竞争调查取证提供了决策支撑，保证了数据的可靠性，同时又大大降低了产品营销人员和决策管理人员的数据调查工作量，为商品的未来规划提供了有力依据。

技术领域

本发明涉及数据分析技术领域，具体涉及一种基于机器学习的商品竞争关系分析方法，涉及机器学习KNN算法应用、皮尔逊相关矩阵分析、数据可视化分析、数理统计等。

背景技术

随着电子商务的快速发展，商品营销行业人员迫切希望获得发现存在一定竞争关系的商品的能力。现存的相似度竞争判别方法一定程度上可以帮助客户发现存在竞争关系的商品，但是数据分析的结果往往不够准确，加上很多先验知识的误判和分析方法的缺陷，最后的结果往往并不适用于商品竞争关系发掘实用场景。

常用的竞争分析方法SWOT自形成以来，广泛应用于战略研究与竞争分析，成为战略管理和竞争情报的重要分析工具。分析直观、使用简单是它的重要优点。即使没有精确的数据支持和更专业化的分析工具，也可以得出有说服力的结论。但是，正是这种直观和简单，使得SWOT不可避免地带有精度不够的缺陷。例如SWOT分析采用定性方法，通过罗列Strengths、Weaknesses、Opportunities、Threats的各种表现，形成一种模糊的企业竞争地位描述。以此为依据作出的判断，不免带有一定程度的主观臆断。所以，在使用SWOT方法时要注意方法的局限性，在罗列作为判断依据的事实时，要尽量真实、客观、精确，并提供一定的定量数据弥补SWOT定性分析的不足，构造高层定性分析的基础。由于信息挖掘渠道和关注点往往带有主观性，数据分析人员会朝着预期潜意识判断去收集数据，所以分析结果往往不够准确。

在商品经济时代，同类商品之间激烈的竞争给企业带来了巨大压力，准确而快速的找到具有竞争关系的一对商品必然能够为行业产品的市场拓展和降低成本带来重要参考依据。在大数据场景下，研究人员往往面临海量的数据处理需求，分析结果往往不够客观准确，同时更无法保证传统分析方法的有效性。

目前各大公司在调查存在竞争关系的商品时通常采用实地调研的方式，通过相关营销部门和销售部门去市场取证，使用一些基本的图表统计方法。但是缺乏一套完整的理论支撑，且精准度不够高，分析结果往往带有很大的主观意识。

发明内容

本发明要解决的技术问题是：本发明针对以上问题，提供一种基于机器学习的商品竞争关系分析方法，通过使用数据可视化分析、高斯建模、NearestNeighbors机器学习算法、Pearson矩阵等一些应用方法可以较好的将具有竞争关系的商品识别出来。

本发明所采用的技术方案为：

一种基于机器学习的商品竞争关系分析方法，所述方法通过商品属性量化商品的相似度，将原始的商品数据进行过滤，同时过滤掉存在异常的业务数据，从而达到系统分析的业务需求。

所述商品数据为商品在指定时间段内的业务数据，这部分数据是相对完整的可做进一步线性分析的。

所述商品数据的选取过程包括内容如下：

从至少一个候选商品数据对象中，获取与待分析商品数据对象最相似的至少一个周期的目标数据对象，包括：确定一个商品数据对象的目标分片和商品销量数据的时间段阈值选取。

所述商品相似度的量化方法为：将商品成对的属性值在二维图上进行展示对比。

所述商品相似度的量化方法为：将不同的商品设置为一个点，并使用散点图来进行可视化分析，更为直观有效。