本發明實施例提供一種動態估計價格彈性的方法和裝置，能夠通過選定預設時間跨度內的商品數據，從而能夠在價格彈性的計算過程中去除舊數據，引入新數據，不斷的將更有效地數據更新至價格彈性的計算中，使得模型估計的結果更為有效。該方法包括：確定商品的最優衰減模型；根據最優衰減模型計算商品的最優衰減周期；根據最優衰減周期，對預設時間跨度內的商品數據按照單位數據點進行加權，并利用加權后的商品數據估計商品的價格彈性。

技術領域

本發明涉及計算機技術領域，尤其涉及一種動態估計價格彈性的方法和裝置。

背景技術

商品的價格彈性(price elasticity)是度量商品價格和銷量關系的重要指標，也是商品的固有屬性。圍繞商品的價格彈性，電商企業可實現對商品的分類、定價、收益的優化等一系列問題。

商品價格彈性的估計方法是多樣的，依據使用數據類型上的差異，可將價格彈性估計的方法上大致有兩類：一、基于歷史銷售數據，依據價量函數模型，對價格彈性進行估計。該方法適用于數據量充足且價格存在變異的商品，參數估計依托于統計的方法即可完成；二、若商品沒有歷史記錄、或者數據質量不好，難以通過統計的方法估算。這個時候就需要從商品的基本屬性出發，尋求預期相似產品的價格彈性進行替代，與此類相關的估計方法將其歸為機器學習的方法。

在實現本發明過程中，發明人發現現有技術中至少存在如下問題：現有的商品價格彈性的計算是將所有的數據都考慮在內，定期的更新也是將新的數據加入價格彈性計算模型。事實上，最新的數據較歷史相對較遠的數據而言，具有較強的解釋，而現有技術中的價格彈性計算模型則認為兩者并無明顯的差異；除此之外，在計算效率上，每次都是增加數據量，導致參數估計所需的時間越來越長，占用較多的資源的同時也增加了服務器的負擔。

發明內容

有鑒于此，本發明實施例提供一種動態估計價格彈性的方法和裝置，能夠通過選定預設時間跨度內的商品數據，從而能夠在價格彈性的計算過程中去除舊數據，引入新數據，不斷的將更有效地數據更新至價格彈性的計算中，使得模型估計的結果更為有效。

為實現上述目的，根據本發明實施例的一個方面，提供了一種動態估計價格彈性的方法。

本發明實施例的一種動態估計價格彈性的方法包括：確定商品的最優衰減模型；根據最優衰減模型計算商品的最優衰減周期；根據最優衰減周期，對預設時間跨度內的商品數據按照單位數據點進行加權，并利用加權后的商品數據估計商品的價格彈性。

可選地，確定商品的最優衰減模型包括：根據商品的假設衰減周期，按照預設最優評價指標判斷不同信息衰減模型下價格彈性模型計算的準確度，選擇準確度最高的信息衰減模型作為商品的最優衰減模型。

可選地，根據最優衰減模型計算商品的最優衰減周期包括：按照預設最優評價指標判斷不同衰減周期下價格彈性模型計算的準確度，選擇準確度最高的衰減周期作為商品的最優衰減周期。

可選地，預設最優評價指標包括如下至少一種：擬合優度、平均絕對百分比誤差。

為實現上述目的，根據本發明實施例的另一方面，提供了一種動態估計價格彈性的裝置。

本發明實施例的一種動態估計價格彈性的裝置包括：確定模塊，用于確定商品的最優衰減模型；計算模塊，用于根據最優衰減模型計算商品的最優衰減周期；估計模塊，用于根據最優衰減周期，對預設時間跨度內的商品數據按照單位數據點進行加權，并利用加權后的商品數據估計商品的價格彈性。

可選地，確定模塊還用于：根據商品的假設衰減周期，按照預設最優評價指標判斷不同信息衰減模型下價格彈性模型計算的準確度，選擇準確度最高的信息衰減模型作為商品的最優衰減模型。

可選地，計算模塊還用于：按照預設最優評價指標判斷不同衰減周期下價格彈性模型計算的準確度，選擇準確度最高的衰減周期作為商品的最優衰減周期。