一种销售数据分析方法及系统与流程

文档序号：20515676发布日期：2020-04-24 19:03阅读：298来源：国知局

导航： X技术> 最新专利>计算;推算;计数设备的制造及其应用技术

本发明涉及一种大数据分析处理系统，特别是涉及一种用于通过对于销售数据的分析处理以提升管理水平的系统。

背景技术：

销售数据，通常是用于记录销售情况的，具体可为：销售数量、销售单价、销售总金额、销售毛利率、销售成本、销售时间、销售地点等。

对于销售数据，人们往往忽视了对其价值的利用。人们在经济学上可通过利用之前的销售数据来判定或预测出未来的销售数据。

但是上述数据仅仅停留在冰冷的对于过去数据的考察模式，诸如：夏天多备货凉席、冬天多备货羽绒服。

而在目前移动互联网时代，越来越多的用户通过手机可让服务器收到更多的行为相关的数据，而通过行为相关的数据与以往的销售数据结合，从而提升销售管理水平，是目前市场的一个空白。

因此，目前亟需一种能够将用户的行为与销售数据结合以提升管理水平的一种销售数据分析方法。

技术实现要素：

本发明要解决的技术问题是提供一种能够将用户的行为与销售数据结合以提升管理水平的一种销售数据分析方法。

本发明一种销售数据分析方法，包括

获取单位时间内的第一销售数据，所述第一销售数据包括第一时间数据、第一位置数据、第一金额数据、第一品类数据、第一数量数据；

获取注册用户的第二用户数据，所述第二用户数据包括第二数量数据、第二时间数据、第二位置数据；

获取每类商品的第三商品数据，所述第三商品数据包括第三补货运输时间数据、第三货源地位置数据；

存储每个单位时间内的第一销售数据、第二用户数据、第三商品数据；

生成参考销售数据：搜索与存储的第一销售数据的第一时间数据中与当前时间最接近的第一销售数据，并将其转化为参考销售数据；

生成第一补货数据：根据参考销售数据的第一品类数据、第一数量数据与当前实时的第一销售数据的第一品类数据、第一数量数据之间的差值生成第一补货数据；

生成第二补货数据：根据第一销售数据的第一位置数据、第二用户数据的第二位置数据生成距离数据；当以第一位置数据为圆心，距离数据在以第一预设阈值为半径构成的圆形范围内，注册用户的数量大于第二预设阈值，则将所述第一补货数据乘以(1+第一浮动系数)并转化为第二捕获数据；当以第一位置数据为圆心，距离数据在以第一预设阈值为半径构成的圆形范围内，注册用户的数量小于第三预设阈值，则将所述第一补货数据乘以(1-第一浮动系数)并转化为第二捕获数据；当以第一位置数据为圆心，距离数据在以第一预设阈值为半径构成的圆形范围内，注册用户的数量在第三预设阈值以上且在第二预设阈值以下，则将所述第一补货数据转化为第二补货数据；

将所述第二补货数据转化为最终补货数据输出至服务器。

本发明一种销售数据分析方法，其中所述距离数据在以第一预设阈值为半径构成的圆形范围内中，所述距离数据第一销售数据的第一位置数据、第二用户数据的第二位置数据之间的直线距离或导航距离。

本发明一种销售数据分析方法，其中生成第二补货数据之后还包括：

生成第三补货数据：将以第一位置为圆心，距离数据以第一预设阈值为半径的构成的圆形范围内，生成至少2个环宽相同的圆环和第一半径为所述环宽的圆形，并按第一位置近至远的排列为第a区域，其中a位由小至大排列的非零自然数；当由第b区域的未消费的注册用户变为第b区域未消费的注册用户大于由第b区域的未消费的注册用户变为第b区域未消费的注册用户时，其中b＞b，则将所述第二补货数据乘以(1+第二浮动系数)并转化为第三补货数据；当由第b区域的未消费的注册用户变为第b区域未消费的注册用户小于等于由第b区域的未消费的注册用户变为第b区域未消费的注册用户时，其中b＞b，则将所述第二补货数据乘以(1-第二浮动系数)并转化为第三补货数据；其中，b越大则第二浮动系数越小；

将所述第三补货数据转化为最终补货数据输出至服务器。

本发明一种销售数据分析方法，其中较为靠近所述第一位置的区域之间的第二浮动系数大于较为远离第一位置的区域之间的第二浮动系数。

本发明一种销售数据分析方法，其中所述生成第三补货数据的步骤中，还包括：

根据第a区域的序号a，按如下公式生成第a区域和第a+1区域的第二浮动系数：第二浮动系数＝e^-(a+c)，其中，所述c为常数。

本发明一种销售数据分析方法，其中所述搜索与存储的第一销售数据的第一时间数据中与当前时间最接近的第一销售数据的步骤中，包括如下步骤：

判定当前时间的第一时间数据是否为法定假日或双休日；若是，则以当前法定假日的日期的序号或双休日的日期的序号，搜索存储的法定假日的日期的序号或双休日的日期的序号的第一时间数据的第一销售数据为搜索到的与存储的第一销售数据的第一时间数据中与当前时间最接近的第一销售数据；若否，则判定当前时间的第一时间数据是否为寒暑假，若是寒暑假，则以寒暑假的日期的序号，搜索存储的法定假日的日期的序号或双休日的日期的序号的第一时间数据的第一销售数据为搜索到的与存储的第一销售数据的第一时间数据中与当前时间最接近的第一销售数据；若不是寒暑假，则以日期最接近的周一至周五的序号为搜索存储的法定假日的日期的序号或双休日的日期的序号的第一时间数据的第一销售数据为搜索到的与存储的第一销售数据的第一时间数据中与当前时间最接近的第一销售数据。

本发明一种销售数据分析方法，其中所述第一预设阈值可为[1m，20km]。

本发明一种销售数据分析方法，其中所述第二预设阈值可为[3,+∞)。

本发明一种销售数据分析方法，其中所述第三预设阈值可为[1,+∞)。

本发明一种销售数据分析方法的系统，其中包括

第一获取模块，其用于获取单位时间内的第一销售数据，所述第一销售数据包括第一时间数据、第一位置数据、第一金额数据、第一品类数据、第一数量数据；

第二获取模块，其用于获取注册用户的第二用户数据，所述第二用户数据包括第二数量数据、第二时间数据、第二位置数据；

第三获取模块，其用于获取每类商品的第三商品数据，所述第三商品数据包括第三补货运输时间数据、第三货源地位置数据；

数据库，其用于存储每个单位时间内的第一销售数据、第二用户数据、第三商品数据；

参考销售数据生成模块，其用于搜索与存储的第一销售数据的第一时间数据中与当前时间最接近的第一销售数据，并将其转化为参考销售数据；

第一补货数据生成模块，其用于根据参考销售数据的第一品类数据、第一数量数据与当前实时的第一销售数据的第一品类数据、第一数量数据之间的差值生成第一补货数据；

第二补货数据生成模块，其用于根据第一销售数据的第一位置数据、第二用户数据的第二位置数据生成距离数据；当以第一位置数据为圆心，距离数据在以第一预设阈值为半径构成的圆形范围内，注册用户的数量大于第二预设阈值，则将所述第一补货数据乘以(1+第一浮动系数)并转化为第二捕获数据；当以第一位置数据为圆心，距离数据在以第一预设阈值为半径构成的圆形范围内，注册用户的数量小于第三预设阈值，则将所述第一补货数据乘以(1-第一浮动系数)并转化为第二捕获数据；当以第一位置数据为圆心，距离数据在以第一预设阈值为半径构成的圆形范围内，注册用户的数量在第三预设阈值以上且在第二预设阈值以下，则将所述第一补货数据转化为第二补货数据；

处理器，其用于将所述第二补货数据转化为最终补货数据输出至服务器。

本发明一种销售数据分析方法与现有技术不同之处在于本发明一种销售数据分析方法通过上述方法可在通过算法捕获历史最接近日期的第一销售数据之后，以其作为参考销售数据，并结合目前的实时的第一销售数据而生成第一补货数据。再通过用户判定第一预设阈值范围内的注册用户数量而获得潜在用户的数量，与较大数量第二预设阈值、较小数量第三预设阈值进行对比，而通过第一浮动系数对其进行修正，以获取与实际更加贴合的最终补货数据，以提升销售数据的管理水平和企业管理水平，避免出现囤货过多而过期或缺货无法销售的现象。

下面结合附图对本发明的一种销售数据分析方法作进一步说明。

附图说明

图1是一种销售数据分析方法的流程图。

具体实施方式

如图1所示，本发明一种销售数据分析方法包括

获取单位时间内的第一销售数据，所述第一销售数据包括第一时间数据、第一位置数据、第一金额数据、第一品类数据、第一数量数据；

获取注册用户的第二用户数据，所述第二用户数据包括第二数量数据、第二时间数据、第二位置数据；

获取每类商品的第三商品数据，所述第三商品数据包括第三补货运输时间数据、第三货源地位置数据；

存储每个单位时间内的第一销售数据、第二用户数据、第三商品数据；

生成参考销售数据：搜索与存储的第一销售数据的第一时间数据中与当前时间最接近的第一销售数据，并将其转化为参考销售数据；

将所述第二补货数据转化为最终补货数据输出至服务器。

本发明通过上述方法可在通过算法捕获历史最接近日期的第一销售数据之后，以其作为参考销售数据，并结合目前的实时的第一销售数据而生成第一补货数据。再通过用户判定第一预设阈值范围内的注册用户数量而获得潜在用户的数量，与较大数量第二预设阈值、较小数量第三预设阈值进行对比，而通过第一浮动系数对其进行修正，以获取与实际更加贴合的最终补货数据，以提升销售数据的管理水平和企业管理水平，避免出现囤货过多而过期或缺货无法销售的现象。

其中，最终补货数据可作为调度物品的数据，当最终补货数据超过第四预设阈值时，则应增加库存，而当最终补货数据超过第五预设阈值时，则应调整其摆放位置，以通过流量产品吸引消费者购买其他物品。

第四预设阈值可为300。第五预设阈值可为500。

其中，第二用户数据包括第二数量数据、第二时间数据、第二位置数据，还包括新用户、老用户、转发过广告的用户、频率抽奖数据。

其中，当前时间最接近的第一销售数据可通过算法训练而选取最接近的历史同期出现过的第一销售数据。其中，上述最接近的第一销售数据代表历史上一次同一日出现的销售业绩，也就是说，第一时间数据代表日期、第一位置数据代表店铺位置、第一金额数据代表日销售额、第一品类数据代表商品品类、第一数量数据代表销售了的数量。

其中，所述第一预设阈值可为[1m，20km]，优选为5km。

其中，第二预设阈值可为[3,+∞]，优选为30个。

其中，第三预设阈值可为[1,+∞]，优选为10个。

其中，第一浮动系数可为[1％，70％]，优选为20％。

作为本发明的进一步解释，所述距离数据在以第一预设阈值为半径构成的圆形范围内中，所述距离数据第一销售数据的第一位置数据、第二用户数据的第二位置数据之间的直线距离或导航距离。

本发明通过上述判定第一预设阈值为半径构成的圆形范围内中的用户数量而判定其是否可构成潜在用户，而帮助本发明的系统更好的分析其是否能够作为潜在用户而影响补货数据。

其中，所述直线距离为较为客观的距离。

其中，所述导航距离可为公交或驾车或步行，优选为步行距离。

作为本发明的进一步解释，生成第二补货数据之后还包括：

将所述第三补货数据转化为最终补货数据输出至服务器。

本发明继续将以第一预设阈值以内的距离数据中的用户，以多个圆环和一个半径为所述圆环的环宽的圆形配置为多个区域，而以第一位置为圆心，由远及近的注册数量增多时，势必序号较小的区域的注册用户的数量增加，潜在销量可能增加，缺货会严重，因此，以1+第二浮动系数的方式将改变第二补货数据为第三补货数据；相反，在由近及远的注册数量增多时，则以1-第二浮动系数的方式将改变第二补货数据为第三补货数据；而远、近的不变，则直接将第二补货数据转化为第三补货数据。

简单的说，本发明根据距离层级的来影响补货量，也就是说，将采集每一段的环形，并判断用户时递进环形还是递远环形来的，进而影响备货量。

其中，上述第二浮动系数以距离第一位置的区域序号的递增而递减，例如，圆心为第一区域，接下来为第二区域、第三区域。那么，由第三区域向第二区域走进注册用户的第二浮动系数不如第二区域走进第一区域的第二浮动系数大。因为，其距离第一位置较远，其可能影响用户是否为潜在用户的判定权重较小。

当然，每个区域之间的第二浮动系数也可相同，第二浮动系数例如0.1％～70％，优选为5％。

其中，所述a+0～a+n的取值范围可为[1，+∞]。

其中，所述b～b的取值范围可为[1，+∞]。

其中，目前的实时的第一销售数据可理解为目前的存货量或者店内摆放货品的量。

其中，所述第一销售数据可为：2019年12月1日，日销量为：在东单店销售可乐100瓶，其可为实时销量。

其中，所述第二用户数据可为：2019年12月1日下午5点，30个用户在距离东单店100米的范围内，其可为实时数据。

其中，第三商品数据可为：可乐的货源地在距离东单店5公里的仓库，补货运输时间为15分钟，其可为实时数据。当然，货源地也可为距离东单店1500公里的广东仓库，其补货运输时间约为5天。

作为本发明的进一步解释，较为靠近所述第一位置的区域之间的第二浮动系数大于较为远离第一位置的区域之间的第二浮动系数。

本发明通过上述波动的第二浮动系数可针对距离第一位置不同距离的区域之间的第二浮动系数的递减而配置第二浮动系数，可根据区域的距离配置于其更加相关的第二浮动系数。

例如，

第一区域、第二区域之间的第二浮动系数为20％；

第二区域、第三区域之间的第二浮动系数为10％；

第三区域、第四区域之间的第二浮动系数为7％；

第四区域、第五区域之间的第二浮动系数为5％。

作为本发明的进一步解释，所述生成第三补货数据的步骤中，还包括：

根据第a区域的序号a，按如下公式生成第a区域和第a+1区域的第二浮动系数：第二浮动系数＝e^-(a+c)，其中，所述c为常数。

本发明通过上述公式利用e的负幂次方的单调递减的趋势，并且逐渐趋近于0的趋势而作为距离递远而每个区间的人数对于是否可能应将购买而影响补货数据的权重的大小，并通过调配不同常数c的值来构成不同的程度的递减趋势，而影响不同的第二浮动系数生成。

需要强调的是，夏季的c的取值小于春秋季c的取值，且小于冬季的c的取值。因为夏季的人们的活动范围较大，活动欲望较强，因此，地理位置对于是否能够成为潜在购买用的权重较小。

其中，上述公式中的c的取值范围可为(1，+∞)，所述c优选为3，进一步优选为，夏季c为2、春秋季c为3、冬季c为4。

作为本发明的进一步解释，所述搜索与存储的第一销售数据的第一时间数据中与当前时间最接近的第一销售数据的步骤中，包括如下步骤：

本发明通过上述方式存储的第一时间数据和当前的第一时间数据在具体的双休日、法定假日、寒暑假、工作日之间的权衡，因为，商品的销量往往会受到这些假期的影响，而抓取已经存储的时间点时，不应该只考虑相同的日期而忽略掉上述双休日、法定假日、寒暑假、工作日之间的关系，因此，通过考虑到上述时间关系而将与其最为对应的时间点作为考虑情况，从而影响最为真实、最为接近的补货数据，从而让补货更加科学，不会产生库存积压、缺货断货的现象。

其中，所述日期的序号可为法定假日的日期的放假前一天、第一天、第二天、放假后一天。例如，春节七天，则是按春节假期的前一天、放假第一天、放假第二天、放假第三天、放假第四天、放假第五天、放假第六天、放假第七天、放假后一天，来搜索存储的相同的、也就是最接近的第一时间数据。双休日同理，需要说明的是，每年都有一个特定的法定假日，但是双休日较多，则应判定日期最为接近的双休日，或同样是当年第x个双休日的日期。

其中，法定假日包括春节7天假期，国庆7天假期等。

作为本发明的进一步解释，所述第一预设阈值可为[1m，20km]。

其中，所述第一预设阈值可为[1m，20km]，优选为5km。

作为本发明的进一步解释，所述第二预设阈值可为[3,+∞)。

其中，第二预设阈值可为[3,+∞)，优选为30个。

作为本发明的进一步解释，所述第三预设阈值可为[1,+∞)。