[发明专利]一种线上零售产品价格与广告促销优化方法及系统

说明书

本发明涉及广告促销领域，公开了一种线上零售产品价格与广告促销优化方法及系统，优化方法包括以下步骤：构建具有拟合参数的需求函数，利用需求函数并通过滚动拟合、预测的方式得到预测销售量，对比预测销售量与实际销售量的误差，以误差最小为原则选择得到最佳的拟合时间窗和最佳的预测时间窗；利用需求函数和最佳拟合时间窗内的数据预测产品在促销活动下的市场反应，从而得到促销活动下需求函数的拟合参数，同时利用需求函数和最佳预测时间窗内的数据预测产品在正常销售价格下的市场反应；在考虑市场反应的情况下进行近似优化，得到产品促销价格及广告竞标价格。

技术领域

本发明涉及广告促销领域，具体涉及一种线上零售产品价格与广告促销优化方法及系统。

背景技术

近年来线上零售经历着高速的发展，其规模与市场也在不断的扩大，涌现出了大批的线上零售平台巨头企业，例如阿里巴巴，亚马逊，京东等。数据显示，2021年，美国最大的线上零售平台亚马逊实现了2.76万亿的销售额，而在中国，阿里巴巴平台实现了超过11.76万亿的销售额。线上零售平台吸引了数以亿计的消费者进行线上购物，同时也吸引了海量的品牌和商家入驻平台进行销售，这使得商家之间的竞争日趋激烈，迫使商家频繁进行促销活动来达到吸引消费者的目的。主流的促销方式包括价格促销和平台广告促销，前者包括直接降价，发放优惠券等降价手段，后者则是通过向平台购买流量来达到促销的目的。目前商家只能基于销售数据进行短视的促销决策。

目前，线上零售商家采取的主流促销手段包括价格促销和平台广告促销，其在进行此类促销决策时面临的问题包括一下四点：

①线上零售平台作为市场领导者，通过评价产品历史销售量决定向消费者展示的商品列表，平台称其为消费者流量分配系统。因此过去进行的促销活动会通过历史销售量影响未来产品的流量，进而影响其销售量和利润。目前尚没有商家将这一长尾效应考虑在内，仅考虑单期利润来进行促销决策优化；②这类平台消费者流量分配系统运作细节并不对外公开，商家只能获得其销售相关的结果数据，例如销售量，点击量等，不公开的系统设计使得商家无法将这一影响考虑在内；③平台广告采取实时竞价系统进行竞价销售，并且价格-流量关系变化幅度极大，这使得商家的经验决策将导致成本或广告效果的剧烈波动；④市场环境是不断波动变化的，应当在何种程度上依赖历史数据进行预测效果尚不确定，因此商家利用历史数据进行预测可能会得到较差的结果，导致促销决策的偏差。

发明内容

为解决上述技术问题，本发明提供一种线上零售产品价格与广告促销优化方法及系统，改进依赖人工经验的短视促销决策，仅利用商家能够获得的数据，即可将线上零售平台消费者流量分配系统带来的长尾效应以及广告实时竞价系统的函数曲线考虑在内，克服流量分配系统的不透明性。

为解决上述技术问题，本发明采用如下技术方案：

一种线上零售产品价格与广告促销优化方法，包括以下步骤：

步骤一：构建具有拟合参数的需求函数，利用需求函数并通过滚动拟合、预测的方式得到预测销售量，对比预测销售量与实际销售量的误差，以误差最小为原则选择得到最佳的拟合时间窗和最佳的预测时间窗；

步骤二：利用需求函数和最佳拟合时间窗内的数据预测产品在促销活动下的市场反应，从而得到促销活动下需求函数的拟合参数，同时利用需求函数和最佳预测时间窗内的数据预测产品在正常销售价格下的市场反应；市场反应包括点击量、转化率、销售量；

步骤三：在考虑市场反应的情况下进行近似优化，得到产品促销价格及广告竞标价格。

具体地，需求函数包括点击量预测公式和转化率预测公式，点击量预测公式分为加性点击量预测公式和乘性点击量预测公式，转化率预测公式分为加性转化率预测公式和乘性转化率预测公式；需求函数采用的点击量预测公式的形式和转化率预测公式的形式由需求函数拟合的均方根误差决定；

加性点击量预测公式为：