基于统计模型的商品动态定价方法.pdf

(19)中华人民共和国国家知识产权局*CN103258279A*(12)发明专利申请(10)申请公布号(10)申请公布号CNCN103258279103258279A(43)申请公布日2013.08.21(21)申请号201210036587.2(22)申请日2012.02.19(71)申请人蒋中华地址102445北京市房山区长阳镇广阳大街9号中国铁建原香小镇二区21-1-502(72)发明人蒋中华徐静(51)Int.Cl.G06Q30/02(2012.01)权权利要求书1页利要求书1页说明书2页说明书2页附图4页附图4页(54)发明名称基于统计模型的商品动态定价方法(57)摘要在预先限定的一定时间段内，根据所有用户购买商品数量（或者购买用户数量）动态的决定商品价格或返券，返利的多少，通过构建适当的数学模型，建立线性或者非线性的降价模型方法。基于统计模型的动态定价方法，规定一个时间段内，约定购买人数和折扣成正比，买的人越折扣越大，越便宜，制定一个折扣价格数学模型，比如说一个手机，约定一周内，起始价格是2012，如果有10万人购买，折扣价格是1900，那么在0和10万购买者之间建立线性（或非线性的，如二次曲线）动态递减的价格模型。CN103258279ACN10325879ACN103258279A权利要求书1/1页1.根据统计所有用户购买商品数量（或者购买用户数量）动态的决定商品价格或返券，返利的多少，通过构建适当的数学模型，建立线性或者非线性的动态定价模型方法。2.根据权利要求1所述的这里可以建立其它的非线性递减模型，如二次曲线模型，或者双曲线模型也可以达到同样的效果。3.根据权利要求1所述的，我们建立的模型是个连续型模型，购买人数个体是个基于自然整数模型，通过离散的实例化每个整数也可以模拟出我们模型一样的效果和方法，当然这样过于复杂，可以减少离散实例化个数，增加实例化整数间间隔，从整数1到100，1000，或10000等，这也是我们属于我们连续模型中部分整数点。4.根据权利要求1所述的，我们只列举了一个价格段，实际中可以分为多个价格段，如起始价格2012，10万人购买价格为1900，20万人购买为1800。5.根据权利要求1所述的在限定的时间，通过统计用户购买商品的数量动态的决定商品价格，或者购买商品返利，商品返券（优惠券）也属于变相的动态决定商品价格方法，也属于本方法保护权利。6.根据权利要求1所述的可以统计购买用户数量来代替统计用户购买商品数量来动态决定商品价格，因为可能存在一个用户购买多个商品的情况。7.可以采取非及时交易，可以使用分期付款到方式，用户首先只需下订单，支付一定数量的定金，余款可以在商家发货前付清。8.可采取一种及时的交易模式，这种及时模式可以不限定时间段，统计当前商品购买数量，动态计算价格，及时确定价格，交易商品,当有用户购买商品后，需要更新商品价格,这种及时交易模式兼容当前流行的电子商务流程。2CN103258279A说明书1/2页基于统计模型的商品动态定价方法技术领域[0001]电子商务领域或传统购物领域，商品购物等。背景技术[0002]目前，公知的电子商务网站商品价格都是采取静态的定价方式，不会根据用户购买数量进行动态调整优惠。发明内容[0003]为了克服现有电子商务网站商品价格都是采取静态的定价方式,本发明提出一种基于统计模型商品动态定价方法，而且能动态的根据所有用户购买商品数量（或者购买用户数量）进行动态定价方式，或者根据模型决定返利，返券的多少，所有用户购买商品数量越低，商品价格越低，优惠力度越大，。[0004]本发明解决其技术问题所采用的技术方案是：根据所统计一段时间时间内，用户购买商品数量（或者购买用户数量）动态的决定商品价格或返券，返利的多少，通过构建适当的数学统计模型，建立线性或者非线性的降价模型或者返券，返利方法。[0005]本发明的有益效果是，可以在大量用户购买商品数量较多时，为用户争取到最大的优惠折扣商品价格，使得商品出货量增大，降低成本，使消费者用户得到更加灵活实惠的价格。[0006]我们的动态定价方式优于现在电子商务商品静态定价方法，将来会部分逐步取代现有的静态定价方法，流行于各大电子商务网站，B2C/B2B/C2C电子购物网站，电子商城，商场等。[0007]附图说明[0008]下面结合附图和实施例对本发明进一步说明。[0009]规定一个时间段内，约定购买人数和折扣成正比，买的人越多折扣越大，越便宜，制定一个折扣价格数学模型，比如说一个手机，约定一周内，起始价格是2012，如果用户商品购买数量为10万，折扣价格是1900，那么在0和10万购买者之间建立线性（或非线性的，如二次曲线）动态递减价格模型，如商品购买数量为5万人，那么价格为2012-(2012-1900)*(50