(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210636854.3 (22)申请日 2022.06.07 (71)申请人 北京衔远有限公司 地址 100000 北京市朝阳区酒仙桥路6号院 5号楼1至19层101内4层416 -1室 (72)发明人 王铮　贾彦江　易津锋　周伯文　 (74)专利代理 机构 成都鱼爪智云知识产权代理 有限公司 513 08 专利代理师 陈雄飞 (51)Int.Cl. G06Q 30/06(2012.01) G06F 40/30(2020.01) G06F 16/25(2019.01) G06Q 10/04(2012.01) G06N 20/00(2019.01) (54)发明名称 一种基于最优销量或最优消费者体验的商 品属性定制方法 (57)摘要 本发明提出了一种基于最优销量或最优消 费者体验的商品属性定制方法， 涉及商品参数预 测的技术领域。 包括基于消费者大数据和机器学 习算法， 构建商品的特征、 功能和属性与商品销 量或消费者体验的映射关系， 训练新品销量预测 和消费者体验预测模型， 并依托这层映射关系， 利用规划算法， 自动化生 成满足特定设计条件的 商品最优属性组合， 从而完成对基于销量或消费 者体验亦或二者兼顾的商品最优定制。 其能够使 得商品的销售以及消费者体验能够做到尽可能 均衡， 为商品设计时提供参数最优方案 。 权利要求书2页 说明书7页 附图4页 CN 115018582 A 2022.09.06 CN 115018582 A 1.一种基于最优销量或最优消费者体验的商品属性定制方法， 其特 征在于， 包括： 将不同品类的商品的参数特征数据、 销量数据、 包含评价信息在内的消费者体验数据 分别进行提取； 利用AI技术， 将不同渠道获得的所述消费者体验数据中的观点内容和情 感浓度内容分 别进行量 化， 从而生成消费者体验指标； 预设机器学习算法模型； 将所述商品的参数 特征数据转换为 参数特征向量； 建立所述参数特征向量和所述销量数据之间的关联； 将所述参数特征向量和所述销量 数据输入至所述机器学习算法模型进行训练， 得到销量预测模型； 建立所述参数特征向量和所述消费者体验指标之间的关联； 将所述参数特征向量和所 述消费者体验指标输入至所述机器学习算法模型进行训练， 得到消费者体验预测模型； 将商品自身设计时的约束条件进行收集， 并进行格式统一 化处理， 生成约束条件列表； 预设优化指标， 并建立商品参数优化模型， 将所述约束条件列表、 所述消费者体验预测 模型和所述销量预测模型的结果输入商品参数优化模型进 行计算， 并基于预设指标进 行判 断； 分别得到基于销量的商品参数组合、 基于消费者最优体验的商品参数组合以及综合商 品参数组合。 2.如权利要求1所述的一种基于最优销量或最优消费者体验的商品属性定制方法， 其 特征在于， 得到基于销量的商品参数组合的步骤 包括： 在所述约束条件列表中寻找满足销量要求的约束条件， 同时令所述销量预测模型产生 最大输出值的参数组合， 将所述 参数组合输出， 作为基于销量的商品参数组合。 3.如权利要求1所述的一种基于最优销量或最优消费者体验的商品属性定制方法， 其 特征在于， 得到基于消费者 最优体验的商品参数组合包括： 在所述约束条件列表中寻找满足消费者最优体验的约束条件， 同时令所述消费者体验 预测模型产生最大输出值的参数组合， 将所述参数组合输出， 作为基于消费者最优体验的 商品参数组合。 4.如权利要求1所述的一种基于最优销量或最优消费者体验的商品属性定制方法， 其 特征在于， 得到综合商品参数组合的步骤 包括： 对所述消费者体验预测模型和所述销量预测模重新预设新的关联指标； 在所述约束条 件列表中寻找所述关联指标的约束条件， 令所述消费者体验预测模型基于所述关联指标产 生最大输出值的参数组合， 将所述 参数组合输出， 作为综合商品参数组合。 5.如权利要求1所述的一种基于最优销量或最优消费者体验的商品属性定制方法， 其 特征在于， 利用AI技术， 将不同渠道获得的所述消费者体验数据中的观点内容和情感浓度 内容分别进行量 化， 从而生成消费者体验指标的步骤 包括： 利用AI技术对观点内容和情感浓度内容分别进行语义识别， 提前预设语义类型， 根据 语义类型将识别的语义进行分类， 根据分类后类型的占比作为消费者体验指标。 6.如权利要求1所述的一种基于最优销量或最优消费者体验的商品属性定制方法， 其 特征在于， 将不同品类的商品的参数特征数据、 销量数据、 包含评价信息在内的消费者体验 数据分别进行提取的步骤 包括： 通过大数据ETL技术， 将不同品类的商品的参数特征数据、 销量数据、 包含评价信息在 内的消费者体验数据分别进行提取。权　利　要　求　书 1/2 页 2 CN 115018582 A 27.如权利要求1所述的一种基于最优销量或最优消费者体验的商品属性定制方法， 其 特征在于， 分别得到基于销量的商品参数组合、 基于消费者最优体验的商品参数组合以及 综合商品参数组合后的步骤 包括： 预设商品参数组合格式， 将得到的所述商品参数组合按照所述格式进行排列。 8.一种基于最优销量或最优消费者体验的商品属性定制系统， 其特 征在于， 包括： 信息收集处理模块， 用于将不同品类的商品的参数特征数据、 销量数据、 包含评价信 息 在内的消费者体验数据分别进行提取； 预测模型前置模块， 用于利用AI技术， 将不同渠道获得的所述消费者体验数据中的观 点内容和情感浓度内容分别进 行量化， 从而生 成消费者体验指标； 预设机器学习算法模型； 将所述商品的参数 特征数据转换为 参数特征向量； 第一预测模型建立模块， 用于建立所述参数特征向量和所述销量数据之间的关联； 将 所述参数特征向量和所述销量数据输入至所述机器学习算法模型进行训练， 得到销量预测 模型； 第二预测模型建立模块， 用于建立所述参数特征向量和所述消费者体验指标之间的关 联； 将所述参数特征向量和所述消费者体验指标输入至所述机器学习算法模型进行训练， 得到消费者体验预测模型； 约束条件整合模块， 用于将商品自身设计时的约束条件进行收集， 并进行格式统一化 处理， 生成约束条件列表； 结果模块， 用于预设优化指标， 并建立商品参数优化模型， 将所述约束条件列表、 所述 消费者体验预测模型和所述销量预测模型的结果输入商品参数优化模型进 行计算， 并基于 预设指标进行判断； 分别得到基于销量的商品参数组合、 基于消费者最优体验的商品参数 组合以及综合商品参数组合。 9.一种电子设备， 其特征在于， 包括至少一个处理器、 至少一个存储器和数据总线； 其 中： 所述处理器与所述存储器通过所述数据总线完成相互间的通信； 所述存储器存储有被 所述处理器执行 的程序指令， 所述处理器调用所述程序指令以执行如权利要求1 ‑7任一项 所述的方法。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该计算机程序被 处理器执行时实现如权利要求1 ‑7中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115018582 A 3