[发明专利]一种商品自动定价方法、装置、系统

说明书

本申请实施例公开一种商品自动定价方法、装置、系统。方法包括接收客户端发送的目标商品的查询请求；查询预存储的与目标商品相匹配的所有供应商相对应的底价、加价比例和优惠价格并根据底价、加价比例和优惠价格计算对应的售价；将所有供应商对应的售价、底价、库存信息输入至一最优源模型中以确定最优供应商；将最优供应商对应的售价确定为目标商品的最终定价；将目标商品的最终定价发送至客户端以使客户端进行页面展示。本申请可以实现商品的自动定价，从而无需人工定价，降低人工成本；当最优供应商库存售罄时，切换供应商，并更新新供应商的售价，避免了切换供应商时售价未及时调整而导致的销售利润的下降的问题。

技术领域

本发明属于计算机技术领域，尤其涉及一种商品自动定价方法、装置、系统。

背景技术

销售平台在进行销售之前需要对其商品进行定价，传统的定价方式通常由人工输入，然而随着电商行业的发展，商品的sku越来越丰富，因此人工定价的工作量也越来越大。

发明内容

为了解决现有技术中存在的问题，本发明提出一种商品自动定价方法、装置、系统。该方法可以实现商品的自动定价，降低人工成本。

本发明实施例提供的具体技术方案如下：

第一方面，本发明提供一种商品自动定价方法，所述方法包括：

接收客户端发送的目标商品的查询请求；

查询预存储的与所述目标商品相匹配的所有供应商相对应的底价、加价比例、优惠价格和库存信息并根据所述底价、加价比例和优惠价格计算对应的售价；

将所有供应商对应的售价、底价、库存信息输入至一最优源模型中以确定最优供应商；

将所述最优供应商对应的售价确定为所述目标商品的最终定价；

将所述目标商品的最终定价发送至客户端以使所述客户端进行页面展示。

优选的，所述方法还包括：

实时获取所述最优供应商所提供的目标商品的库存数量，当所述最优供应商所提供的目标商品的库存数量为零时，将剩余可用的供应商对应的售价、底价、库存信息输入至所述最优源模型中以确定新供应商；

将所述新供应商对应的售价确定为所述目标商品的最终定价。

优选的，所述最优源模型的获取方法包括：

获取样本数据，所述样本数据包括不同供应商的售价、底价和库存信息；

根据所述样本数据对一基础模型进行训练以得到所述最优源模型。

优选的，所述基础模型为神经网络模型，包括Hopfield神经网络、RBF神经网络、BP神经网络中的任意一种或者多种。

优选的，所述方法还包括：

获取所述目标商品的当前页面浏览量；

判断所述当前页面浏览量是否超过预定值；

若超过，则根据超过预设值的数量在预设的超出数量与调整比例的对应关系中获取目标调整比例；

根据所述目标调整比例调整与所述目标商品相对应的优惠价格。

优选的，所述底价、加价比例和优惠价格存储于缓存及数据库中。

优选的，所述方法还包括：

根据所述供应商提供的供价和折扣信息，计算得到所述底价；

将所述底价写入缓存和数据库中以便实时查询。

第二方面，本发明提供一种商品自动定价装置，所述装置包括：