一种基于商品采购成本和市场竞价的定价决策分析方法及系统

技术领域

本发明涉及定价决策系统技术领域，具体地说，涉及一种基于商品采购成本和市场竞价的定价决策分析方法及系统。

背景技术

该目前市场中，由于消费者对该商品的需求量越来越大，要求越来越高，于是企业在采购大量商品时，商品的成本和市场竞价也会随之变化，但是企业又担心自己估价过高或过低会导致损失，于是市场针对这一现象出现了定价决策分析系统，但定价决策分析系统只能根据企业输入的商品进行定价，并不能通过对市场价格波动进行预测未来价格走势，提前采取相应的措施来降低潜在损失，更不能根据优化后的采购成本来提高企业的利润率，在定价商品时制定不了更加合理的售价，于是我们提供了一种基于商品采购成本和市场竞价的定价决策分析方法及系统。

发明内容

本发明的目的在于提供一种基于商品采购成本和市场竞价的定价决策分析方法及系统，以解决上述背景技术中提出的问题。

为实现上述目的，本发明目的之一在于，提供了一种基于商品采购成本和市场竞价的定价决策分析系统，包括采集处理单元、分析建模单元、定价决策单元、预测优化单元；

所述采集处理单元用于收集商品采购成本和市场竞价的数据，并对收集后的商品采购成本和市场竞价数据进行预处理操作；

所述分析建模单元用于接收预处理操作后的数据并进行分析数据，根据分析后的数据和收集后的商品采购成本和市场竞价数据进行商品定价模型；

所述定价决策单元用于接收收集后的商品采购成本和市场竞价数据、分析后的数据，并根据收集后的商品采购成本和市场竞价数据、分析后的数据进行商品定价决策；

所述预测优化单元用于接收商品定价模型后的数据、收集后的商品采购成本和市场竞价数据并进行市场竞价趋势预测，再根据市场竞价趋势预测后的数据进行优化商品采购成本和商品采购计划；

所述预测优化单元接收商品定价模型后的数据、收集后的商品采购成本和市场竞价数据并进行市场竞价趋势预测，再对市场竞价趋势预测后的数据进行优化商品采购成本和商品采购计划，将优化后的商品采购成本和商品采购计划数据传入定价决策单元中，定价决策单元根据优化后的商品采购成本和商品采购计划数据进行商品定价决策。

作为本技术方案的进一步改进，所述采集处理单元包括数据收集模块和数据预处理模块；

所述数据收集模块用于收集采购商品原材料的成本和市场价格波动的数据，将收集后的采购商品原材料成本和市场价格波动的数据传入数据预处理模块中，所述数据预处理模块接收收集后的采购商品原材料成本和市场价格波动的数据并进行预处理操作，将预处理操作后的数据传入分析建模单元中。

作为本技术方案的进一步改进，所述分析建模单元包括数据分析模块、建模可视化模块和定价模型模块；

所述数据分析模块用于接收数据预处理模块中预处理操作后的数据，并通过大数据分析技术根据预处理操作后的数据进行分析市场竞价情况，将分析后的市场竞价数据传入定价模型模块中；

所述定价模型模块用于接收分析后的市场竞价数据，接收数据收集模块中收集后的采购商品原材料成本和市场价格波动的数据，并通过机器学习技术根据分析后的市场竞价数据、收集后的采购商品原材料成本和市场价格波动的数据进行商品定价模型，将商品定价模型后的数据传入预测优化单元中；

所述建模可视化模块用于建立模板数据，并对建立后的模板数据进行可视化。

作为本技术方案的进一步改进，所述定价决策单元用于接收数据收集模块中收集后的采购商品原材料成本和市场价格波动的数据，接收数据分析模块中分析后的市场竞价数据，并根据收集后的采购商品原材料成本和市场价格波动的数据、分析后的市场竞价数据进行商品定价决策，将商品定价后的决策数据传入建模可视化模块中。

作为本技术方案的进一步改进，所述预测优化单元包括趋势预测模块和数据优化模块；

所述趋势预测模块用于接收定价模型模块中商品定价模型后的数据，接收数据收集模块中收集后的采购商品原材料成本和市场价格波动的数据，并通过模型训练技术根据商品定价模型后的数据、收集后的采购商品原材料成本和市场价格波动的数据进行市场价格波动预测，将市场价格波动预测后的数据传入数据优化模块中；

所述数据优化模块用于接收市场价格波动预测后的数据，并根据市场价格波动预测后的数据进行优化采购商品原材料的成本和采购商品原材料的计划。

作为本技术方案的进一步改进，所述趋势预测模块接收定价模型模块中商品定价模型后的数据，接收数据收集模块中收集后的采购商品原材料成本和市场价格波动的数据，并通过模型训练技术根据商品定价模型后的数据、收集后的采购商品原材料成本和市场价格波动的数据进行市场价格波动预测，将市场价格波动预测后的数据传入数据优化模块中，数据优化模块对市场价格波动预测后的数据进行优化采购商品原材料的成本和采购商品原材料的计划，将优化后采购商品原材料的成本和采购商品原材料的计划数据传入定价决策单元中，定价决策单元通过利用多元线性回归决策算法根据优化后采购商品原材料的成本和采购商品原材料的计划数据进行商品定价决策。

作为本技术方案的进一步改进，所述多元线性回归决策算法公式：

Y＝(βX+ε)n；

其中，Y表示最终制定的商品定价决策，β表示商品的成本价格，X表示商品的售出的利润率，ε表示商品采购的计划值，n表示采购商品的数量。

本发明目的之二在于，提供了一种用于操作包括上述任意一项所述的基于商品采购成本和市场竞价的定价决策分析系统的方法，包括如下方法步骤：

S1、采集处理单元用于收集采购商品原材料的成本和市场价格波动的数据并进行预处理操作；

S2、分析建模单元用于接收预处理操作后的数据、收集后的采购商品原材料的成本和市场价格波动的数据，并根据预处理操作后的数据进行市场竞价分析，再根据市场竞价分析后的数据、收集后的采购商品原材料的成本和市场价格波动的数据进行商品定价模型；

S3、定价决策单元用于接收收集后的采购商品原材料成本和市场价格波动的数据、市场竞价分析后的数据并进行商品定价决策，将商品定价后的决策传入分析建模单元中；

S4、预测优化单元用于接收收集后的采购商品原材料的成本和市场价格波动的数据、商品定价模型后的数据并进行市场价格波动预测，再对市场价格波动预测后的数据进行优化商品采购成本和商品采购计划。

与现有技术相比，本发明的有益效果：

该一种基于商品采购成本和市场竞价的定价决策分析方法及系统中，趋势预测模块根据商品定价模型后的数据、收集后的采购商品原材料成本和市场价格波动的数据进行市场价格波动预测，通过对市场价格波动进行预测，可以为企业或个人提供未来价格走势，可以采取相应的措施来降低潜在损失，再通过市场价格波动预测后的数据进行优化采购商品原材料的成本和采购商品原材料的计划，不仅可以帮助企业和个人降低采购成本，提高利润率，还可以防止因生产线停滞和生产延误而导致原材料的短缺或断货，根据优化后的采购商品原材料的成本和采购商品原材料的计划数据进行商品定价决策，制定合理的产品售价。

附图说明

图1为本发明的整体框图；

图2为本发明的采集处理单元框图；

图3为本发明的分析建模单元框图；

图4为本发明的预测优化单元框图。

图中各个标号意义为：

1、采集处理单元；11、数据收集模块；12、数据预处理模块；

2、分析建模单元；21、数据分析模块；22、建模可视化模块；23、定价模型模块；

3、定价决策单元；4、预测优化单元；41、趋势预测模块；42、数据优化模块。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

请参阅图1-图4所示，本实施例目的之一在于，提供了一种基于商品采购成本和市场竞价的定价决策分析系统，包括采集处理单元1、分析建模单元2、定价决策单元3、预测优化单元4；

考虑到目前的定价决策分析系统不能通过对市场价格波动进行预测未来价格走势，提前采取相应的措施来降低潜在损失，更不能根据优化后的采购成本来提高企业的利润率，在定价商品时制定不了更加合理的售价，该系统的采集处理单元1用于收集商品采购成本和市场竞价的数据，并对收集后的商品采购成本和市场竞价数据进行预处理操作，分析建模单元2用于接收预处理操作后的数据并进行分析数据，根据分析后的数据和收集后的商品采购成本和市场竞价数据进行商品定价模型，定价决策单元3用于接收收集后的商品采购成本和市场竞价数据、分析后的数据，并根据收集后的商品采购成本和市场竞价数据、分析后的数据进行商品定价决策，预测优化单元4用于接收商品定价模型后的数据、收集后的商品采购成本和市场竞价数据并进行市场竞价趋势预测，再根据市场竞价趋势预测后的数据进行优化商品采购成本和商品采购计划；

预测优化单元4接收商品定价模型后的数据、收集后的商品采购成本和市场竞价数据并进行市场竞价趋势预测，再对市场竞价趋势预测后的数据进行优化商品采购成本和商品采购计划，将优化后的商品采购成本和商品采购计划数据传入定价决策单元3中，定价决策单元3根据优化后的商品采购成本和商品采购计划数据进行商品定价决策，通过商品合理定价可以在满足市场需求的前提下，使产品或服务的销售收入最大化，帮助企业实现利润最大化，提高盈利能力。

以下是对上述单元进行的细化，请参阅图2-图4所示；

采集处理单元1包括数据收集模块11和数据预处理模块12；

数据收集模块11用于收集采购商品原材料的成本和市场价格波动的数据，首先，用户需要输入商品采购订单的相关信息，除了收集采购原材料，还可以收集采购零部件、包装材料等的数量、单价、供应商等信息，以及竞争对手的报价、市场供需变化的数据，为定价决策提供基础数据，在收集商品的采购信息时还要自动计算商品采购的成本，将收集后的数据存储在数据库中，同时将收集后的采购商品原材料成本和市场价格波动的数据传入数据预处理模块12中，数据预处理模块12接收收集后的采购商品原材料成本和市场价格波动的数据并进行预处理操作，预处理操作包括清洗(处理数据中的错误、异常和重复项)、去噪(数据中随机出现的不相关或错误数据，可能是由于传感器误差、数据采集过程中的干扰等引起的)、缺失值处理(处理缺失值的方法包括删除缺失值所在的样本、用全局平均值或中值填充缺失值，使用插值方法进行填充)，再将预处理操作后的数据传入分析建模单元2中。

分析建模单元2包括数据分析模块21、建模可视化模块22和定价模型模块23；

数据分析模块21用于接收数据预处理模块12中预处理操作后的数据，并通过大数据分析技术(大数据分析技术是指应用于大规模数据集的分析方法和工具)根据预处理操作后的数据进行分析市场竞价情况，分析竞争对手报价(竞争对手的商品名称、型号、规格、质量等级、包装方式、报价时间、报价金额)、市场供需变化(市场供需的变化趋势、供需平衡状态、供需缺口)、市场价格波动(市场价格波动的趋势、波动幅度、价格敏感因素)，为定价决策提供参考依据，将分析后的市场竞价数据传入定价模型模块23中。

定价模型模块23用于接收分析后的市场竞价数据，接收数据收集模块11中收集后的采购商品原材料成本和市场价格波动的数据，并通过机器学习技术(机器学习是人工智能的一个分支，旨在使计算机系统能够从数据中自动学习，并根据学习到的知识进行决策和预测，而无需明确的编程指令)根据分析后的市场竞价数据、收集后的采购商品原材料成本和市场价格波动的数据进行商品定价模型，通过商品定价模型可以基于历史数据、市场需求和竞争情况等因素进行分析和预测，从而得出更加精确的定价策略，同时将商品定价模型后的数据传入预测优化单元4中。

预测优化单元4包括趋势预测模块41和数据优化模块42；

趋势预测模块41用于接收定价模型模块23中商品定价模型后的数据，接收数据收集模块11中收集后的采购商品原材料成本和市场价格波动的数据，并通过模型训练技术(模型训练技术是指利用训练数据来训练机器学习模型，使其能够从数据中自动学习并做出相应的预测或决策)根据商品定价模型后的数据、收集后的采购商品原材料成本和市场价格波动的数据进行市场价格波动预测，通过预测未来价格走势和变化可以帮助企业和个人更有效地管理风险，还可以采取相应的措施来降低潜在损失，同时将市场价格波动预测后的数据传入数据优化模块42中，数据优化模块42用于接收市场价格波动预测后的数据，并根据市场价格波动预测后的数据进行优化采购商品原材料的成本和采购商品原材料的计划，通过优化采购计划有助于构建更可靠的供应链，可以提高供应商的响应能力和供货稳定性，这有助于减少供应链中的不确定性，降低风险，并提高整体供应链的效率和效益。

定价决策单元3用于接收数据收集模块11中收集后的采购商品原材料成本和市场价格波动的数据，接收数据分析模块21中分析后的市场竞价数据，并根据收集后的采购商品原材料成本和市场价格波动的数据、分析后的市场竞价数据进行商品定价决策，再通过综合考虑市场需求、消费者偏好、产品特点(包括产品功能、品质、品牌、技术含量、售后服务)进行制定合理的产品售价，合理的产品售价可以使企业在竞争激烈的市场中获得竞争优势，如果产品的价格过高，可能会失去潜在客户，如果价格过低，可能会造成利润损失，通过合理定价，企业可以在满足市场需求的同时，保持竞争力并吸引更多的消费者。

我们还可以利用定价决策单元3与数据收集模块11进行进行交互，使用数据收集模块11收集收集用户反馈，根据相应的问卷调查、在线表单、社交媒体等渠道收集用户对产品的评价、购买行为、使用体验，提取有用的信息，根据用户的反馈信息，及时调整定价决策，改进产品功能和服务，提高用户体验和满意度，可以定期向用户发送反馈处理结果，以便用户了解自己的反馈已经被处理，同时将商品定价后的决策数据传入建模可视化模块22中，建模可视化模块22用于建立模板数据，模板数据包括该商品的定价、消费者偏好、品质、品牌，并对建立后的模板数据进行可视化，可以利用手机、邮件的电子等信息产品进行可视化观看，便于后续的查询和观看。

趋势预测模块41接收定价模型模块23中商品定价模型后的数据，接收数据收集模块11中收集后的采购商品原材料成本和市场价格波动的数据，并通过模型训练技术根据商品定价模型后的数据、收集后的采购商品原材料成本和市场价格波动的数据进行市场价格波动预测，准确预测价格走势有助于优化资源配置和生产计划，可以避免过度生产、库存积压或供应链中断的情况，提高生产效率，优化资源利用率，将市场价格波动预测后的数据传入数据优化模块42中，数据优化模块42对市场价格波动预测后的数据进行优化采购商品原材料的成本和采购商品原材料的计划，通过合理安排采购成本和采购计划，不仅可以降低采购成本，还可以帮助预测和平衡所需原材料的供应和企业现有资金的流动，可以避免库存积压和资金短缺的情况，提高资金利用效率，将优化后采购商品原材料的成本和采购商品原材料的计划数据传入定价决策单元3中，定价决策单元3通过利用多元线性回归决策算法根据优化后采购商品原材料的成本和采购商品原材料的计划数据进行商品定价决策。

多元线性回归决策算法公式：

Y＝(βX+ε)n；

其中，Y表示最终制定的商品定价决策，β表示商品的成本价格，X表示商品的售出的利润率，ε表示商品采购的计划值，n表示采购商品的数量，通过制定的商品定价决策有助于管理成本和供需平衡，适当的定价可以使企业在考虑成本、市场需求和竞争状况的基础上，实现供需平衡，在供应成本上升或需求下降时，可以通过调整定价来保持利润稳定或增加。

使用流程：

所述趋势预测模块41接收商品定价模型后的数据、收集后的采购商品原材料成本和市场价格波动的数据并进行市场价格波动预测，再对市场价格波动预测后的数据传入数据优化模块42中并进行优化采购商品原材料的成本和采购商品原材料的计划，将优化后采购商品原材料的成本和采购商品原材料的计划数据传入定价决策单元3中并进行商品定价决策。

本发明目的之二在于，提供了一种用于操作包括上述的基于商品采购成本和市场竞价的定价决策分析系统的方法，包括如下方法步骤：

S1、采集处理单元1用于收集采购商品原材料的成本和市场价格波动的数据并进行预处理操作；

S2、分析建模单元2用于接收预处理操作后的数据、收集后的采购商品原材料的成本和市场价格波动的数据，并根据预处理操作后的数据进行市场竞价分析，再根据市场竞价分析后的数据、收集后的采购商品原材料的成本和市场价格波动的数据进行商品定价模型；

S3、定价决策单元3用于接收收集后的采购商品原材料成本和市场价格波动的数据、市场竞价分析后的数据并进行商品定价决策，将商品定价后的决策传入分析建模单元2中；

S4、预测优化单元4用于接收收集后的采购商品原材料的成本和市场价格波动的数据、商品定价模型后的数据并进行市场价格波动预测，再对市场价格波动预测后的数据进行优化商品采购成本和商品采购计划。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。