[发明专利]一种智能定价方法

说明书

本发明涉及一种智能定价方法，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；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；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×P_x+b₂×P_y,其中，b₀、b₁和b₂是预设权重。本发明综合考虑多方因素确定能兼顾企业利润及产品竞争力的建议价格。

技术领域

本发明涉及定价方法，更具体地说，它涉及一种智能定价方法。

背景技术

产品的定价涉及多个方面，比如生产成本、竞争对手的价格和预期销量 等。在钢铁行业内，目前的定价一般是简单分析以往的定价及同行竞争对手 的定价来确定自己的钢材价格，当自己钢材价格定得比同行的竞争对手高时， 自己的钢材的竞争力就会下降，当自己钢材价格定得比同行的竞争对手低时， 企业的利润会减少。一般来说，企业想要实现自身利益最大化的同时也能保 持一定的竞争力，在钢铁行业内，影响价格的主要因素有：生产成本、物流 成本、营销目标、库存量、竞争对手、国内外市场行情和国家市场宏观政策 等，目前的定价方法只是依靠经验来确定钢材的销售价格，并不能很好地结 合上述影响钢材价格的因素。

发明内容

针对现有技术存在的不足，本发明的目的在于提供一种智能定价方法， 综合考虑多方因素确定能兼顾企业利润及产品竞争力的建议价格。

本发明的上述技术目的是通过以下技术方案得以实现的：

一种智能定价方法，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；