[发明专利]一种智能定价方法

权利要求书

1.一种智能定价方法，其特征在于，包括第一价格预测模型和第二价格预测模型；

建立智能定价数据库，向智能定价数据库导入企业历史数据、同行竞争对手及客户的历史数据；

第一价格预测模型使用XGBOOST工程算法，针对企业历史数据生成第一预测价格P_x，所述企业历史数据至少包括运输成本、原料成本、销量、销售价、库存量和企业利润；

第二价格预测模型采用sklearn工程库，基于价格数据库针对同行竞争对手及客户的历史数据生成第二预测价格P_y，所述价格数据库包含同行竞争对手及客户的历史数据，其中，所述价格数据库至少包括竞争对手售价、贸易商销售价和第三方网上价格，基于线性回归算法计算P_y的方法是，P_y＝a+a₁×x₁+a₂×x₂+…+a_n×x_n，其中，a、a₁、a₂...a_n是系数，通过第二价格预测模型计算得出，x、x₁、x₂...x_n是竞争对手售价、贸易商销售价和第三方网上价格；

根据第一预测价格P_x、第二预测价格P_y及上一期实际的销售价P₀构建智能定价公式计算建议价格P，P＝b₀×P₀+b₁×Px+b₂×P_y，其中，b₀、b₁和b₂是预设权重，b₀、b₁和b₂均是非负数，且b₀+b₁+b₂＝1。

2.如权利要求1所述的智能定价方法，其特征在于，根据企业的经营目标，对建议价格进行修正，得到本期确定的销售价P_r，P_r＝P+z，其中，z是人工修正值，-100≤z≤100。

3.如权利要求1所述的智能定价方法，其特征在于，建议价格P的范围是，P_min≤P≤P_max，其中，P_min＝P₀×80％，P_max＝P₀×120％。

4.如权利要求3所述的智能定价方法，其特征在于，第一预测价格P_x的范围是，P_min≤P_x≤P_max，其中，P_min＝P₀×80％，P_max＝P₀×120％；

当P_x≥P_max或P_x≤P_min时，需要在XGBOOST工程算法增加企业历史数据的种类，直至P_x处于P_min和P_max之间。

5.如权利要求4所述的智能定价方法，其特征在于，第二预测价格P_y的范围是，P₀≤P_y≤P_max，其中，P_max＝P₀×120％；

当P_y≥P_max或P_y≤P₀时，需要在sklearn工程库增加同行竞争对手及客户的历史数据，直至P_y处于P₀和P_max之间。