一种花材和耗材分单方法及系统

技术领域

本申请涉及智能化管理技术领域，尤其是涉及一种花材和耗材分单方法及系统。

背景技术

随着电商平台的发展，用户对网购的依赖度越来越高，同时也为电商平台提出了更多的需求。由于花材和耗材的特殊性，包括运输成本高、时令性、保存困难等特点，电商平台无法通过集散地到用户这种传统的方式处理用户相关的需求，而一家一家花店去洽谈合作又需要大量的时间和精力，因此滋生了中继平台发展的土壤。中继平台通过与本地的花店合作，具有一定规模后有能力覆盖某一区域，消化该区域的订单，因此，电商平台可以直接与中继平台合作，将用户在电商平台的订单交给中继平台完成。

目前中继平台对于接到的订单进行定价和匹配花店的方式主要是人工处理，对于订单的定价一般是基于以往的经验，砍掉一定的金额或者直接按照原订单价格的百分比给到距离订单地址较近的各个分销网点，这种方式一方面是效率低，无法处理高峰期积压大量的订单；另一方面也会因为定价不合理或者网点分配不合理，造成某类商品大量退单的情况。

发明内容

本申请提供了一种花材和耗材分单方法、系统、设备及介质，能够自动计算花材和耗材订单的合理价格。

第一方面，本申请提供一种花材和耗材分单方法，采用如下的技术方案：

一种花材和耗材分单方法，包括以下步骤：

采集第一订单数据，所述第一订单数据包括商品信息、订单地址、送达时间和第一订单价格；

根据所述订单地址和所述送达时间锁定第一目标区域；

根据所述第一目标区域和所述第一订单数据，通过预设的定价模型计算第二订单价格和第二目标区域；

根据所述第二订单价格、所述商品信息、所述订单地址和所述送达时间生成第二订单数据并将所述第二订单数据输出至所述第二目标区域的订单池中。

进一步地，上述通过预设的定价模型计算第二订单价格包括以下步骤：

采集历史数据库中的历史订单数据，以及所述历史订单数据对应的成本，得到历史数据切片，其中，所述历史订单数据包括所述第一订单数据所在的时间范围内所有第一历史订单数据和所述第一历史订单数据对应的第二历史订单数据；

通过遗传森林算法计算所述历史数据切片的利润期望因子；

根据所述利润期望因子和所述第一订单数据通过Mean-Shift 聚类生成所述第二目标区域和所述第二订单价格。

进一步地，上述通过遗传森林算法计算所述历史数据切片的利润期望因子包括以下步骤：

从所述历史数据切片中有放回的抽取若干个样本，其中，每个样本包括一个所述第一历史订单数据，以及所述第一历史订单数据对应的成本和第二历史订单数据；

根据所述样本建立Cart回归树，通过MSE算法获取所述Cart回归树的最优划分特征，根据所述最优划分特征计算所述Cart回归树的回归结果；

整合所述回归结果，得到利润期望因子。

进一步地，上述成本包括花材和耗材成本及人工成本，所述人工成本包括包装成本和配送成本。

进一步地，上述根据所述利润期望因子和所述第一订单数据通过Mean-Shift 聚类生成所述第二目标区域和所述第二订单价格包括以下步骤：

确定所述Mean-Shift 聚类算法的划窗的大小；

基于所述Mean-Shift 聚类算法，通过所述划窗在所述历史数据切片中滑动，计算在滑动过程中所述划窗内第二历史订单价格的平均数；

当所述平均数大于所述第一订单价格与所述利润期望因子的乘积，停止迭代，记录当前所述划窗的范围为第二目标区域，所述第二目标区域内第二历史订单价格的平均数为第二订单价格。

进一步地，上述将所述第二订单数据输出至所述第二目标区域的订单池中之后，还包括：

根据预设的价格梯度和第一时间阈值提高未被响应的所述第二订单数据中的所述第二订单价格，直到所述第二订单数据被响应。

进一步地，上述将所述第二订单数据输出至所述第二目标区域的订单池中之后，还包括：

若所述订单池中所述第二订单价格超过预设价格阈值，将所述第二订单价格对应的订单退回外部平台。

进一步地，上述将所述第二订单数据输出至所述第一目标区域的订单池中之后，还包括：

根据预设的区域梯度和第二时间阈值扩大未被响应的所述第二目标区域的范围，直到所述第二订单数据被响应。

进一步地，上述将所述第二订单数据输出至所述第二目标区域的订单池中之后，还包括：

若所述订单池中所述第二目标区域的范围超过预设范围阈值，将所述第二订单价格对应的订单退回外部平台。

第二方面，本申请提供一种花材和耗材分单系统，采用如下的技术方案：

一种花材和耗材分单系统，包括：

采集模块，用于采集第一订单数据，锁定第一目标区域；

定价模块，用于根据所述第一目标区域和所述第一订单数据，通过预设的定价模型计算第二订单价格和第二目标区域；

输出模块，用于根据所述第二订单价格、商品信息、订单地址和送达时间生成第二订单数据并将所述第二订单数据输出至所述第二目标区域的订单池中。

综上所述，本申请包括以下至少一种有益技术效果：

本申请提供的一种花材和耗材分单方法及系统通过对接第三方电商平台，可以获取来自第三方电商平台的数据作为第一订单数据，第一订单数据包括商品信息、订单地址、送达时间和第一订单价格，订单地址为下单用户的地址，送达时间为下单用户或第三方电商平台预设的将花材和耗材送到用户手中的时间，第一订单价格可以直接是第三方平台上花材和耗材商品的价格，也可以是第三方平台为花材和耗材分单系统提供的渠道价。通过第一订单数据，系统可以初步锁定第一目标区域，即一个比较宽泛的能够在送达时间前把花材和耗材送达用户的花材和耗材分销网点所在的区域；将第一目标区域和第一订单数据输入预设的定价模型中，即可得到第二订单价格和第二目标区域，第二订单价格是分销网点从系统上接单时系统付给分销网点的价格；通过定价模型，可以把花材和耗材的定价合理化，既保证系统运营商的利益，又保证有足够的分销网点可以消化订单，从而使系统从第三方平台接单的成本进一步被摊薄，还方便了用户，避免了因为一刀切或者经验主义的定价对系统的运营造成的影响。根据第二订单价格、所述订单地址和所述送达时间生成第二订单数据，把第二订单数据送到订单池后，第二目标区域内的分销网点就可以从订单池中选择订单，或由系统精准推送的方式，完成花材和耗材订单的分发。

附图说明

图1是本申请实施方式中花材和耗材分单方法流程示意图。

图2是本申请实施方式中花材和耗材分单系统作业时序示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。

参照图1，本申请实施例公开一种花材和耗材分单方法，采用如下的技术方案：

一种花材和耗材分单方法，包括以下步骤：

S101：采集第一订单数据；

在本实施方式中，系统通过对接第三方电商平台，例如京东、淘宝、抖音等，可以获取来自第三方电商平台的数据作为第一订单数据，第一订单数据包括商品信息、订单地址、送达时间和第一订单价格，订单地址为下单用户的地址，送达时间为下单用户或第三方电商平台预设的将花材和耗材送到用户手中的时间，第一订单价格可以直接是第三方平台上花材和耗材商品的价格，也可以是第三方平台为花材和耗材分单系统提供的渠道价；商品信息包括花材的种类和数量，以及耗材的种类和数量，耗材主要包括：胶类（花艺胶带、防水胶带、透明胶带、鲜花冷胶、热熔胶等）、线类（花艺铁丝、纸包铁丝、鱼线、麻绳、拉菲草、鸡笼网等）、保水工具（保水管、花泥、花泥板、针线盒等）、花艺剪刀（丝带剪、枝剪等）。

S102：根据订单地址和所述送达时间锁定第一目标区域；

在本实施方式中，根据订单地址和所述送达时间锁定第一目标区域的原则是使第一订单在预定的时间内送到在第三方平台下单的用户手中。第一目标区域可以是行政区域，例如四川省成都市武侯区，也可以是以订单地址为圆心，设定一个半径范围的圆包括的区域，还可以是根据分销网点预先划分的区域等。通过第一订单数据，系统可以初步锁定第一目标区域，减小定价模型的计算量，提高订单处理效率。

S103：根据所述第一目标区域和所述第一订单数据，通过预设的定价模型计算第二订单价格和第二目标区域；

在本实施方式，将第一目标区域和第一订单数据输入预设的定价模型中，即可得到第二订单价格和第二目标区域，第二订单价格是分销网点从系统上接单时系统付给分销网点的价格；通过定价模型，可以把花材和耗材的定价合理化，既保证系统运营商的利益，又保证有足够的分销网点可以消化订单，从而使系统从第三方平台接单的成本进一步被摊薄，还方便了用户，避免了因为一刀切或者经验主义的定价对系统的运营造成的影响。

在本申请的其中一种实施方式中，通过预设的定价模型计算第二订单价格包括以下步骤：

采集历史数据库中的历史订单数据，以及所述历史订单数据对应的成本，得到历史数据切片，其中，所述历史订单数据包括所述第一订单数据所在的时间范围内所有第一历史订单数据和所述第一历史订单数据对应的第二历史订单数据；

通过遗传森林算法计算所述历史数据切片的利润期望因子；

根据所述利润期望因子和所述第一订单数据通过Mean-Shift 聚类生成所述第二目标区域和所述第二订单价格。

在本实施方式中，系统会采集历史数据库中，与第一订单数据处于同一时间段的历史订单数据，以及所述历史订单数据对应的成本，得到历史数据切片。由于花材和耗材自身的特性，例如时令性，以及价格随淡季、旺季、节日、区域的波动性，定价模型的训练只有采用同一时间段，例如情人节、母亲节、教师节期间等，且处于同一区域，例如城市、行政区、第一目标区域等，才能有效的训练出适用于第一订单数据处理的模型，所以历史订单数据作为训练定价模型的输入，包括所述第一订单数据所在的时间范围内所有第一历史订单数据和所述第一历史订单数据对应的第二历史订单数据。

在本申请的其中一种实施方式中，通过遗传森林算法计算所述历史数据切片的利润期望因子包括以下步骤：

从所述历史数据切片中有放回的抽取若干个样本，其中，每个样本包括一个所述第一历史订单数据，以及所述第一历史订单数据对应的成本和第二历史订单数据；

根据所述样本建立Cart回归树，通过MSE算法获取所述Cart回归树的最优划分特征，根据所述最优划分特征计算所述Cart回归树的回归结果；

整合所述回归结果，得到利润期望因子。

在本实施方式中，随机森林（Random Forest）是一种基于决策树的集成学习算法，用于进行分类和回归任务；随机森林算法的基本思想是通过随机选择特征和随机抽样数据，构建多棵决策树，对数据进行分类或回归预测。决策树的基本思想是根据数据的特征属性构建一棵树形结构，通过对数据的逐步分割和判断，实现对数据的分类或回归预测。

具体地，采用bootstrap方式从第一数据参数集中有放回地抽取出M个样本；bootstrap即为随机有放回地抽样，以增加每个训练集的训练结果的准确性。利用训练集训练决策树。建立回归树，根据MSE算法对每个样本建立节点，根据节点划分节点所在的样本，根据训练集计算回归树的回归结果，节点根据样本的最优特征设立。回归树用于预测利润期望因子，在建立回归树之后，对于每一个样本，从上至下建立节点，通过MSE算法判定样本的最优特征，将节点所在的样本根据最优特征划分为若干个子集，直至回归树收敛，最后根据训练集计算样本在回归树的回归结果，将回归树的回归结果进行整合并取均值，即可得到利润期望因子。利润期望因子为第一订单价格和第二订单价格的比值。

由于花材和耗材款式的多种多样，不同花材和耗材搭配的报价之间也存在很大差别，因此在考虑成本的时候，系统只取花材和耗材成本和人工成本，所述人工成本包括包装成本和配送成本，以减小模型的计算量，同时也可以准确的衡量分销网点的心理价位。

在本申请的其中一种实施方式中，根据所述利润期望因子和所述第一订单数据通过Mean-Shift 聚类生成所述第二目标区域和所述第二订单价格包括以下步骤：

确定所述Mean-Shift 聚类的划窗的大小；

基于所述Mean-Shift 聚类算法，通过所述划窗在所述历史数据切片中滑动，计算在滑动过程中所述划窗内第二历史订单价格的平均数；

当所述平均数大于所述第一订单价格与所述利润期望因子的乘积，停止迭代，记录当前所述划窗的范围为第二目标区域，所述第二目标区域内第二历史订单价格的平均数为第二订单价格。

在本实施方式中，Mean-Shift 聚类算法是一种以最高密度点或模式值作为发展机器学习的主要参数的聚类算法。它是一种无监督机器学习算法。该算法基于核密度估计(KDE)的概念。它也被称为模式寻找算法。核与与数据点权重相关的数学计算相关联。与mean Shift算法相关的核函数主要有两种，即平坦核和高斯核。通过划窗的滑动，计算在滑动过程中划窗内第二历史订单价格的平均数，与第一订单价格与所述利润期望因子的乘积比较，可以得到第一目标区域中大于利润期望的区域，那么将第二订单数据发送到此区域的订单池中，被响应的概率就会极大的提高。

S104：根据所述第二订单价格、所述订单地址和所述送达时间生成第二订单数据并将所述第二订单数据输出至所述第二目标区域的订单池中。

在本实施方式中，通过定价模型，可以把花材和耗材的定价合理化，既保证系统运营商的利益，又保证有足够的分销网点可以消化订单，从而使系统从第三方平台接单的成本进一步被摊薄，还方便了用户，避免了因为一刀切或者经验主义的定价对系统的运营造成的影响。根据第二订单价格、所述订单地址和所述送达时间生成第二订单数据，把第二订单数据送到订单池后，第二目标区域内的分销网点就可以从订单池中选择订单，或由系统精准推送的方式，完成花材和耗材订单的分发。

在本申请的其中一种实施方式中，在所述第二订单数据输出至所述第二目标区域的订单池中之后，花材和耗材分单方法还包括：根据预设的价格梯度和第一时间阈值提高未被响应的所述第二订单数据中的所述第二订单价格，直到所述第二订单数据被响应。若所述订单池中所述第二订单价格超过预设价格阈值，将所述第二订单价格对应的订单退回外部平台。

在本实施方式中，由于市场、天气、运输等不可控因素，通过历史数据训练得出的定价模型计算出的第二订单价格也会存在不准确的情况，此时就可以每隔一段时间按照一定的梯度提高第二订单价格，例如，若订单池中的订单半小时都没有分销网点承接，那么就提高价格的5%，以此类推，直到第二订单被分销网点承接，或超过预设价格阈值，如果是后者的情况，代表这个订单对系统运营商而言已经无利可图，直接将订单退回第三方电商平台即可。

在本申请的其中一种实施方式中，根据预设的区域梯度和第二时间阈值扩大未被响应的所述第二目标区域的范围，直到所述第二订单数据被响应。若所述订单池中所述第二目标区域的范围超过预设范围阈值，将所述第二订单价格对应的订单退回外部平台。

在本实施方式中，由于市场、天气、运输等不可控因素，通过历史数据训练得出的定价模型计算出的第二订单价格也会存在不准确的情况，除了提高第二订单的价格，也可以扩大第二目标区域的范围，寻找更多的分销网点，直到第二订单被分销网点承接，或超过预设范围阈值，若是后一种情况，代表系统没有合适的分销网点消化此订单，直接将订单退回第三方电商平台即可。

本申请实施例还提供了一种花材和耗材分单系统，采用如下的技术方案：

一种花材和耗材分单系统，包括：

采集模块，用于采集第一订单数据，锁定第一目标区域；

定价模块，用于根据所述第一目标区域和所述第一订单数据，通过预设的定价模型计算第二订单价格和第二目标区域；

输出模块，用于根据所述第二订单价格、所述订单地址和所述送达时间生成第二订单数据并将所述第二订单数据输出至所述第二目标区域的订单池中。

本申请实施例的花材和耗材分单系统能够实现上述花材和耗材分单方法中的任一种方法，且花材和耗材分单系统中各个模块的具体工作过程可参考上述方法实施例中的对应过程。

在本申请所提供的几个实施例中，应该理解到，所提供的方法和系统，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的；例如，某个模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。

本申请实施例还公开一种计算设备。

计算设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述的花材和耗材分单方法。

本申请实施例还公开一种计算机可读存储介质。

计算机可读存储介质，存储有能够被处理器加载并执行如上述的花材和耗材分单方法中任一种方法的计算机程序。

其中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用；计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

参照图2，由上可见，本申请实施例提供的一种花材和耗材分单方法及系统，通过花材和耗材分单系统采集第三方电商平台的订单数据作为第一订单数据，然后根据所述第一订单数据可以锁定第一目标区域；再通过预训练后的遗传森林算法计算第一订单数据的利润期望因子，通过Mean-Shift 聚类生成所述第二目标区域，由此可以得到第二订单数据并将所述第二订单数据输出至所述第二目标区域的订单池中，分销网点从订单池中获取第二订单数据，完成第二订单的包装和配送，经用户确认后，返回相应的结果到分销网点、花材和耗材分单系统和第三方电商平台，完成订单。

对于第三方电商来说，花材和耗材分单系统可以使其无需花费额外的精力和成本即可触达分销网点，使其能够为用户提供更加全面和及时的服务；

对于花材和耗材分单系统运营商来说，使用花材和耗材分单系统可以自动化的采集第三方电商的订单，自动通过定价模型完成定价和订单分发，提高了运营的效率，同时也保障了运营商自身的利润，去除人工经验主义定价的影响。

对于分销网点和用户来说，一方面使用花材和耗材分单系统具有极大的便捷性，另一方面也抹除了花材和耗材市场大部分的信息差，使市场进一步规范和繁荣。

需要说明的是，在上述实施例中，对各个实施例的描述各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，本说明书（包括摘要和附图）中公开的任一特征，除非特别叙述，均可被其他等效或者具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。