本申请涉及电商
技术领域：
，具体而言，涉及一种自动设置商品价格的方法、装置、设备和存储介质。
背景技术：
：电商时代已经来临。电商平台经营的商品多如繁星，种类多，数量多。电商的行情瞬息万变，商品价格的及时调整可以使得商家获利的一种重要方式。而每一个商品的价格设置都是运营人员手动进行对比设置；手动设置的效率低，工作量大，尤其是商品的数量巨大时更加严重，人力成本高。并且当商品的数量巨大时，很有可能因为疏忽导致输入价格错误，给公司或者客户造成损失。针对相关技术中的人工在电商平台服务器上设置价格带来的误差率大，效率低的问题，目前尚未提出有效的解决方案。技术实现要素：本申请的主要目的在于提供一种自动设置商品价格的方法、装置、设备和存储介质，以解决人工设置价格带来的误差大，效率低问题。为了实现上述目的，根据本申请的一个方面，提供了一种自动设置商品价格的方法，应用于电商服务器，包括：接收输入的商品名称信息；根据所述商品名称确定商品所属的类目信息；根据预先设定的整体平均利润率确定所述商品所属的类目的平均利润率；根据所述商品所属类目的平均利润率确定所述商品的价格；向客户端发送所述商品的价格，以使客户端显示所述商品的价格。在一种实施方式中，根据所述类目的商品的平均利润率确定所述类目的商品的价格，包括：如果商品有历史销售数据，则根据类目的商品的历史销售数据确定类目的商品的价格；如果商品无历史销售数据，采用所述类目的平均利润率确定类目的商品的价格。在一种实施方式中，如果商品有历史销售数据；所述方法还包括：判断商品的价格在历史时期内是否进行过调整；如果进行过调整，则根据最优价格定价模型确定商品价格；如果没有进行过调整，则根据预先训练的价格健康度模型确定商品价格。在一种实施方式中，根据最优价格定价模型确定商品价格，包括：获取商品的历史销售数据；包括历史的销量和历史价格；以利润最大化为目标，采用优化算法对销量和价格的拟合函数s(p)进行优化计算；得到最大利润以及对应的价格；其中，利润最大化目标函数为：r＝s(p)*(p-c)，其中，p代表商品价格，c表示商品的成本，s(p)表示所拟合出来的销量-价格函数表达式；采用风险控制条件对所述价格进行调整。在一种实施方式中，根据预先训练的价格健康度模型确定所述商品的价格，包括：根据预先设定的类目的平均利润率与价格平均健康度的对应关系确定价格平均健康度；调整输入到所述价格健康度模型的商品的价格以使得价格健康度逼近平均健康度；如果价格健康度与所述价格平均健康度的差值小于预定的阈值则停止调整；确定所述价格健康度对应的价格为所述商品的价格；采用风险控制条件对所述价格进行调整。在一种实施方式中，采用风险控制条件对所述价格进行调整，包括：如果利润率在预定的利润率区间范围内，则确定所述商品的价格为合理价格；如果利润率大于利润率区间范围的上限值，则确定所述利润率区间范围的上限值对应的价格为所述商品的价格；如果利润率小于利润率区间范围的下限值，则确定所述利润率区间范围的下限值对应的价格为所述商品的价格。在一种实施方式中，对于第二类商品，采用所述类目的平均利润率确定类目的商品的价格之后，所述方法还包括：统计预定时期内所述类目的商品的销售数据；根据所述预定时期的商品的销售数据对所述类目的商品的价格进行更新。为了实现上述目的，根据本申请的另一方面，提供了一种自动设置商品价格的装置，应用于电商服务器，包括：接收模块，用于接收输入的商品名称信息；商品价格确定模块，用于根据所述商品名称确定商品所属的类目信息；根据预先设定的整体平均利润率确定所述商品所属的类目的平均利润率；根据所述商品所属类目的平均利润率确定所述商品的价格；发送模块，用于向客户端发送所述商品的价格，以使客户端显示所述商品的价格。在一种实施方式中，商品价格确定模块还用于：如果商品有历史销售数据，则根据类目的商品的历史销售数据确定类目的商品的价格；如果商品无历史销售数据，采用所述类目的平均利润率确定类目的商品的价格。在一种实施方式中，商品价格确定模块还用于：如果商品有历史销售数据；判断商品的价格在历史时期内是否进行过调整；如果进行过调整，则根据最优价格定价模型确定商品价格；如果没有进行过调整，则根据预先训练的价格健康度模型确定商品价格。在一种实施方式中，商品价格确定模块还用于：获取商品的历史销售数据；包括历史的销量和历史价格；以利润最大化为目标，采用优化算法对销量和价格的拟合函数s(p)进行优化计算；得到最大利润以及对应的价格；其中，利润最大化目标函数为：r＝s(p)*(p-c)，其中，p代表商品价格，c表示商品的成本，s(p)表示所拟合出来的销量-价格函数表达式；采用风险控制条件对所述价格进行调整。在一种实施方式中，商品价格确定模块还用于：根据预先设定的类目的平均利润率与价格平均健康度的对应关系确定价格平均健康度；调整输入到所述价格健康度模型的商品的价格以使得价格健康度逼近平均健康度；如果价格健康度与所述价格平均健康度的差值小于预定的阈值则停止调整；确定所述价格健康度对应的价格为所述商品的价格。在一种实施方式中，商品价格确定模块还用于：如果利润率在预定的利润率区间范围内，则确定所述商品的价格为合理价格；如果利润率大于利润率区间范围的上限值，则确定所述利润率区间范围的上限值对应的价格为所述商品的价格；如果利润率小于利润率区间范围的下限值，则确定所述利润率区间范围的下限值对应的价格为所述商品的价格。在一种实施方式中，商品价格确定模块还用于：对于第二类商品，采用所述类目的平均利润率确定类目的商品的价格之后，统计预定时期内所述类目的商品的销售数据；根据所述预定时期的商品的销售数据对所述类目的商品的价格进行更新。第三方面，本发明还提出了一种自动设置商品价格的设备，应用于电商服务器，包括：至少一个处理器71和至少一个存储器72；所述存储器72用于存储一个或多个程序指令；所述处理器71，用于运行一个或多个程序指令，用以执行以下的步骤：接收输入的商品名称信息；根据所述商品名称确定商品所属的类目信息；根据预先设定的整体平均利润率确定所述商品所属的类目的平均利润率；根据所述商品所属类目的平均利润率确定所述商品的价格；向客户端发送所述商品的价格，以使客户端显示所述商品的价格。在一种实施方式中，所述处理器71还用于：如果商品有历史销售数据，则根据类目的商品的历史销售数据确定类目的商品的价格；如果商品无历史销售数据，采用所述类目的平均利润率确定类目的商品的价格。在一种实施方式中，所述处理器71还用于：如果商品有历史销售数据；判断商品的价格在历史时期内是否进行过调整；如果进行过调整，则根据最优价格定价模型确定商品价格；如果没有进行过调整，则根据预先训练的价格健康度模型确定商品价格。在一种实施方式中，所述处理器71还用于：获取商品的历史销售数据；包括历史的销量和历史价格；以利润最大化为目标，采用优化算法对销量和价格的拟合函数s(p)进行优化计算；得到最大利润以及对应的价格；其中，利润最大化目标函数为：r＝s(p)*(p-c)，其中，p代表商品价格，c表示商品的成本，s(p)表示所拟合出来的销量-价格函数表达式；采用风险控制条件对所述价格进行调整。在一种实施方式中，所述处理器71还用于：根据预先设定的类目的平均利润率与价格平均健康度的对应关系确定价格平均健康度；调整输入到所述价格健康度模型的商品的价格以使得价格健康度逼近平均健康度；如果价格健康度与所述价格平均健康度的差值小于预定的阈值则停止调整；确定所述价格健康度对应的价格为所述商品的价格；采用风险控制条件对所述价格进行调整。在一种实施方式中，所述处理器71还用于：如果利润率在预定的利润率区间范围内，则确定所述商品的价格为合理价格；如果利润率大于利润率区间范围的上限值，则确定所述利润率区间范围的上限值对应的价格为所述商品的价格；如果利润率小于利润率区间范围的下限值，则确定所述利润率区间范围的下限值对应的价格为所述商品的价格。在一种实施方式中，所述处理器71还用于，对于第二类商品，采用所述类目的平均利润率确定类目的商品的价格之后，统计预定时期内所述类目的商品的销售数据；根据所述预定时期的商品的销售数据对所述类目的商品的价格进行更新。根据本申请的第四方面，本发明还提出了一种计算机可读存储介质，所述计算机存储介质中包含一个或多个程序指令，所述一个或多个程序指令用于执行以下的步骤：接收输入的商品名称信息；根据所述商品名称确定商品所属的类目信息；根据预先设定的整体平均利润率确定所述商品所属的类目的平均利润率；根据所述商品所属类目的平均利润率确定所述商品的价格；向客户端发送所述商品的价格，以使客户端显示所述商品的价格。在一种实施方式中，根据所述类目的商品的平均利润率确定所述类目的商品的价格，包括：如果商品有历史销售数据，则根据类目的商品的历史销售数据确定类目的商品的价格；如果商品无历史销售数据，采用所述类目的平均利润率确定类目的商品的价格。在一种实施方式中，如果商品有历史销售数据；所述方法还包括：判断商品的价格在历史时期内是否进行过调整；如果进行过调整，则根据最优价格定价模型确定商品价格；如果没有进行过调整，则根据预先训练的价格健康度模型确定商品价格。在一种实施方式中，根据最优价格定价模型确定商品价格，包括：获取商品的历史销售数据；包括历史的销量和历史价格；以利润最大化为目标，采用优化算法对销量和价格的拟合函数s(p)进行优化计算；得到最大利润以及对应的价格；其中，利润最大化目标函数为：r＝s(p)*(p-c)，其中，p代表商品价格，c表示商品的成本，s(p)表示所拟合出来的销量-价格函数表达式；采用风险控制条件对所述价格进行调整。在一种实施方式中，根据预先训练的价格健康度模型确定所述商品的价格，包括：根据预先设定的类目的平均利润率与价格平均健康度的对应关系确定价格平均健康度；调整输入到所述价格健康度模型的商品的价格以使得价格健康度逼近平均健康度；如果价格健康度与所述价格平均健康度的差值小于预定的阈值则停止调整；确定所述价格健康度对应的价格为所述商品的价格；采用风险控制条件对所述价格进行调整。在一种实施方式中，采用风险控制条件对所述价格进行调整，包括：如果利润率在预定的利润率区间范围内，则确定所述商品的价格为合理价格；如果利润率大于利润率区间范围的上限值，则确定所述利润率区间范围的上限值对应的价格为所述商品的价格；如果利润率小于利润率区间范围的下限值，则确定所述利润率区间范围的下限值对应的价格为所述商品的价格。在一种实施方式中，对于第二类商品，采用所述类目的平均利润率确定类目的商品的价格之后，所述方法还包括：统计预定时期内所述类目的商品的销售数据；根据所述预定时期的商品的销售数据对所述类目的商品的价格进行更新。在本申请实施例中，服务器接收输入的商品名称信息后，确定商品所属的类目信息；并根据类目的平均利润率确定所述商品的价格并向客户端发送，以使客户端显示所述商品的价格。从而实现了自动设置商品价格的技术效果，进而解决了手工在服务器上设置价格造成的低效，差错率高，不准确的技术问题。附图说明构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1是根据本申请实施例的一种电商价格推送的应用场景示意图；图2是根据本申请实施例的一种自动设置商品价格的方法流程图；图3是根据本申请实施例的有历史销售数据的商品的处理方法流程图；图4是根据本申请实施例的一种商品的销量与价格的对应关系示意图；图5是根据本申请实施例的一种根据类目的平均利润率确定商品价格的方法流程图；图6是根据本申请实施例的一种自动设置商品价格的装置的结构示意图；图7是根据本申请实施例的一种自动设置商品价格的设备的结构示意图。具体实施方式为了使本
技术领域：
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。参见附图1所示的本申请的一种电商价格推送的应用场景示意图；电商企业在电商平台服务器11上进行价格的设定，服务器11将价格推送给用户使用的客户端12，客户端12上显示价格；用户通过手机客户端12来购买商家设定好价格的商品。但是现有技术中，电商企业需要人工手动来在服务器11上进行设定价格，效率低，并且如果操作失误很可能输入错误，给商家和消费者造成损失。基于此，本申请提出了一种自动设置商品价格的方法，应用于电商服务器，参见附图2所示的一种自动设置商品价格的方法流程图；该方法包括：步骤s202，接收输入的商品名称信息；示例性的，服务器11接收电商企业的员工手动在服务器上输入的某一个商品的名称，比如商品名称为床。步骤s204，根据所述商品名称确定商品所属的类目信息；其中，类目包括：家居、图书、玩具、生鲜等。示例性的，服务器11根据席梦思床名称确定属于的类目为家居。步骤s206，根据预先设定的整体平均利润率确定所述商品所属的类目的平均利润率；示例性的，电商平台的整体利润率为所有商品的利润率，比如设定为百分之二十；则家居类的平均利润率也应该为百分之二十。步骤s208，根据所述商品所属类目的平均利润率确定所述商品的价格；示例性的，服务器确定席梦思床的平均利润率也为百分之二十。步骤s210，向客户端发送所述商品的价格，以使客户端显示所述商品的价格。示例性的，服务器11向客户端12发送价格，客户端12接收到价格信息后显示价格。消费者根据接收到的价格信息来进行购物。本发明的上述的技术方案，服务器自动确定出商品的价格，并发送给客户端，以使客户端的消费者进行消费购物。解决了现有技术中，人工手动在服务器进行价格设定或者调整而导致的效率低，误差率高的技术问题。商品包括两种情况，一种是有销售数据的商品，另一种是没有销售数据的商品。如果商品有历史销售数据，则根据类目的商品的历史销售数据确定类目的商品的价格；如果商品无历史销售数据，采用所述类目的平均利润率确定类目的商品的价格。对于有历史销售数据的商品，参见附图3，采用以下的步骤：步骤s302，判断商品的价格在历史时期内是否进行过调整；如果进行过调整，则执行步骤s306；如果没有进行过调整，则执行步骤s304。具体实施时，服务器从历史数据库中根据所述商品的名称获取所述商品名称对应的历史的销售价格。其中，历史时期可以是最近的一年，或者一个月，一个星期，具体可以任意设定。服务器可以从存储的历史的数据库中获取历史数据。值得强调的是，在步骤s302之前，还包括对数据进行预处理的操作。通过大数据技术对数据进行清洗与处理，得到商品不同价格下的销售统计信息。步骤s304，根据预先训练的价格健康度模型确定商品价格；价格健康度模型具体实现时，首先需要获取商品历史销售数据与各项属性数据；通过数据处理后得到商品不同价格下的销售统计信息；采用上述数据构建训练价格健康度模型的样本数据。模型训练样本的构建包括数据关联、特征数值化、样本打标签。有监督算法模型的训练样本数据包含特征与标签；特征包括商品在不同价格下的购买成本、利润率、销量以及其他属性特征如所属类目、品牌、竟对商品价格等。标签是针对每一条样本中判断商品的价格是否合理，合理标记为正样本数值为1，不合理标记为负样本数值为0。构建好样本后，利用机器学习算法进行模型训练，得到价格健康度模型h(x)。机器学习算法模型包括逻辑回归、随机森林、梯度提升决策树等有监督分类算法。价格健康度模型h(x)，其中，x为样本特征向量，h为模型，模型输入样本特征向量，输出0-1之间的值，该值可以反应一个商品在指定价格下的价格的合理度，也就是健康度，健康度值越大越健康。步骤s306，根据最优价格定价模型确定商品价格。最优价格定价模型具体实现时，首先获取商品的历史销售数据与各项属性数据，包含但不限于购买价格、购买成本、利润率、所属类目、品牌、销量、竟对商品价格等。数据的获取主要来源于本地数据库保存的数据与爬取竟对平台商品的销售数据，关联后通过大数据技术对数据进行清洗与处理，得到商品不同价格下的销售统计信息，处理后的商品相关数据做为商品画像数据存到指定数据库，以提供之后商品定价使用。其中部分商品具有完整的价格与销量变化关系数据，能够拟合出销量-价格的曲线的函数表达式，以利润最大化为目标，优化得到商品的最优推荐价格。然后把该数据存入指定数据库。参见附图4所示的一种商品的销量与价格的对应关系示意图；图中，横坐标表示价格，纵坐标表示销量，价格越高，销量越低。点1、2、3、4、5为历史的销售数据当中，不同的价格对应不同的销量的示意图；从图可知，上述的点分布在曲线的附近。通过拟合算法进行分析拟合，可以确定该曲线的函数关系式s(p)。其中，拟合算法包括指定函数拟合、机器学习模型的线性回归、多项式拟合。确定出s(p)后，构建的利润最大化目标函数为：r＝s(p)*(p-c)，其中，p代表商品价格，c表示商品的成本，s(p)表示所拟合出来的销量-价格函数表达式，通过优化算法可以得到最大利润下商品对应的价格，优化算法包括但不限于梯度下降、牛顿法、拟牛顿法、二分法等。步骤s304，根据预先训练的价格健康度模型确定所述商品的价格时，首先通过拟合的该类目平均利润率与平均健康度的函数关系g(r)得到该类目指定要求的利润率对应的类目商品平均健康度，记为h0，然后通过调整商品价格来改变商品价格健康度，使得商品价格健康度向平均健康度h0逼近，参见附图5所示的根据类目的平均利润率确定商品价格的方法流程图；该方法具体包括以下步骤：步骤s3041，根据所述类目的平均利润率与平均价格健康度的对应关系确定对应的平均价格健康度；其中，需要根据历史数据确定类目的平均利润率与平均价格健康度的对应关系；具体实施时，通过获取的历史数据，统计出整体和每个类目的商品在每个周期的平均利润率与平均健康度，其中平均健康度来自于所包含商品的价格健康度均值，价格健康度由模型h(x)得到。通过这个关系拟合出整体和每个类目平均利润率与平均健康度的函数表达式，记为g(r)；g(r)＝1/(1 exp(a*r b))，其中r为整体或类目的平均利润率，exp是以自然常数e为底的指数函数，a和b是需要拟合的参数，经过大量的数据可以确定具体值。g(r)函数值为整体或类目的平均健康度。也就是说，根据上述确定出的函数关系，可以知道任意一个平均利润率对应的平均健康度。示例性的，类目的平均利润率和平均健康度的对应关系如表1所示:平均健康度平均利润率0.60.40.70.30.80.20.90.1表1在表1中，平均利润率越大，平均健康度越低。平均利润率为0.1时，对应的平均健康度为0.9；平均利润率为0.2时，对应的平均健康度为0.8；平均利润率为0.3时，对应的平均健康度为0.7；平均利润率为0.4时，对应的平均健康度为0.6。步骤s3042，调整输入到所述价格健康度模型的商品的价格以使得价格健康度逼近平均健康度；步骤s3043，判断价格健康度与所述价格平均健康度的差值是否小于预定的阈值；如果是，则执行步骤s3044；如果否，则执行步骤s3042；步骤s3044，停止调整；确定所述价格健康度对应的价格为所述商品的价格。可以构建一个优化的目标函数：argmin{(h(x)-h0)2}。其中函数中变量为商品的价格，采用任何一种优化算法包括但不限于梯度下降、牛顿法、拟牛顿法、二分法等，再以合适的学习率进行迭代优化，对该类目下的商品经过一定次数迭代优化后，确定调整后的价格。值得强调的是，为使得每次商品价格变化浮动不要太大，可增加风控条件如调整后商品价格对应的利润率应在调整前商品利润率的上下阈值范围内。示例性的，类目的平均利润率为0.2时，对应的平均健康度为0.8；阈值设定为0.05。如果当前商品席梦思床的价格为2000元，计算得到对应的价格健康度为0.6；则调整席梦思床的价格为1900元，计算得到对应的健康度为0.7；继续调整价格为1800元，计算得到的健康度为0.75，达到了预定的要求，可以停止调整，确定席梦思床的最终价格为1800元。步骤s306，根据最优价格定价模型确定商品价格，包括：获取商品的历史销售数据；包括历史的销量和历史价格；以利润最大化为目标，采用优化算法对销量和价格的拟合函数s(p)进行优化计算；得到最大利润以及对应的价格；其中，利润最大化目标函数为：r＝s(p)*(p-c)，其中，p代表商品价格，c表示商品的成本，s(p)表示所拟合出来的销量-价格函数表达式。值得强调的是，步骤s306之后，还可以采用风险控制条件对所述价格进行调整。使得商品的利润率在一定范围内，如利润率在20％到70％之间。若最优价格对应的利润率在风控范围内使用最优价格为商品定价，若最优价格对应小于风控范围利润率下界，使用利润率下界对应的价格为商品定价，若最优价格对应大于风控范围利润率上界，使用利润率上界对应的价格为商品定价。对于第二类商品，也就是没有销售数据的商品，比如新上架没销量的商品(冷启动商品)，这类商品依据该类目的平均利润率要求，在此利润率上下一定阈值范围内浮动调整来做为商品的利润率，然后设置商品价格。采用所述类目的平均利润率确定类目的商品的价格之后，所述方法还包括：统计预定时期内所述类目的商品的销售数据；根据所述预定时期的商品的销售数据对所述类目的商品的价格进行更新。值得强调的是，预定时期可以是一周或者一个月。根据销售的数据，采用有历史销售数据的方法来对价格进行调整。示例性的，新上架的席梦思床，没有该产品历史的销售数据；但是有家居的平均利润率数据为0.2；则根据平均利润率随机在区间[0.15-0.25]之间设置一个利润率，比如0.2。得到对应的价格为2000；销售一段时间后，再对价格2000进行调整。可以使用健康度模型来重新确定价格；经过多次调整后，采用最优价格模型确定价格。需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。根据本发明实施例，还提供了一种用于实施上述自动设置商品价格的装置，如图6所示，应用于电商服务器，该装置包括：接收模块61，用于接收输入的商品名称信息；商品价格确定模块62，用于根据所述商品名称确定商品所属的类目信息；根据预先设定的整体平均利润率确定所述商品所属的类目的平均利润率；根据所述商品所属类目的平均利润率确定所述商品的价格；发送模块63，用于向客户端发送所述商品的价格，以使客户端显示所述商品的价格。在一种实施方式中，商品价格确定模块62还用于：如果商品有历史销售数据，则根据类目的商品的历史销售数据确定类目的商品的价格；如果商品无历史销售数据，采用所述类目的平均利润率确定类目的商品的价格。在一种实施方式中，商品价格确定模块62还用于：如果商品有历史销售数据；判断商品的价格在历史时期内是否进行过调整；如果进行过调整，则根据最优价格定价模型确定商品价格；如果没有进行过调整，则根据预先训练的价格健康度模型确定商品价格。在一种实施方式中，商品价格确定模块62还用于：获取商品的历史销售数据；包括历史的销量和历史价格；以利润最大化为目标，采用优化算法对销量和价格的拟合函数s(p)进行优化计算；得到最大利润以及对应的价格；其中，利润最大化目标函数为：r＝s(p)*(p-c)，其中，p代表商品价格，c表示商品的成本，s(p)表示所拟合出来的销量-价格函数表达式；采用风险控制条件对所述价格进行调整。在一种实施方式中，商品价格确定模块62还用于：根据预先设定的类目的平均利润率与价格平均健康度的对应关系确定价格平均健康度；调整输入到所述价格健康度模型的商品的价格以使得价格健康度逼近平均健康度；如果价格健康度与所述价格平均健康度的差值小于预定的阈值则停止调整；确定所述价格健康度对应的价格为所述商品的价格；采用风险控制条件对所述价格进行调整。在一种实施方式中，商品价格确定模块62还用于：如果利润率在预定的利润率区间范围内，则确定所述商品的价格为合理价格；如果利润率大于利润率区间范围的上限值，则确定所述利润率区间范围的上限值对应的价格为所述商品的价格；如果利润率小于利润率区间范围的下限值，则确定所述利润率区间范围的下限值对应的价格为所述商品的价格。在一种实施方式中，商品价格确定模块62还用于：对于第二类商品，采用所述类目的平均利润率确定类目的商品的价格之后，统计预定时期内所述类目的商品的销售数据；根据所述预定时期的商品的销售数据对所述类目的商品的价格进行更新。根据本发明实施例的第三方面，本发明还提出了一种自动设置商品价格的设备；参见图7所示的根据本申请实施例的一种自动设置商品价格的设备的结构示意图；该设备包括：至少一个处理器71和至少一个存储器72；所述存储器72用于存储一个或多个程序指令；所述处理器71，用于运行一个或多个程序指令，用以执行以下的步骤：接收输入的商品名称信息；根据所述商品名称确定商品所属的类目信息；根据预先设定的整体平均利润率确定所述商品所属的类目的平均利润率；根据所述商品所属类目的平均利润率确定所述商品的价格；向客户端发送所述商品的价格，以使客户端显示所述商品的价格。所述处理器71还用于：如果商品有历史销售数据，则根据类目的商品的历史销售数据确定类目的商品的价格；如果商品无历史销售数据，采用所述类目的平均利润率确定类目的商品的价格。在一种实施方式中，所述处理器71还用于：如果商品有历史销售数据；判断商品的价格在历史时期内是否进行过调整；如果进行过调整，则根据最优价格定价模型确定商品价格；如果没有进行过调整，则根据预先训练的价格健康度模型确定商品价格。在一种实施方式中，所述处理器71还用于：获取商品的历史销售数据；包括历史的销量和历史价格；以利润最大化为目标，采用优化算法对销量和价格的拟合函数s(p)进行优化计算；得到最大利润以及对应的价格；其中，利润最大化目标函数为：r＝s(p)*(p-c)，其中，p代表商品价格，c表示商品的成本，s(p)表示所拟合出来的销量-价格函数表达式；采用风险控制条件对所述价格进行调整。在一种实施方式中，所述处理器71还用于：根据预先设定的类目的平均利润率与价格平均健康度的对应关系确定价格平均健康度；调整输入到所述价格健康度模型的商品的价格以使得价格健康度逼近平均健康度；如果价格健康度与所述价格平均健康度的差值小于预定的阈值则停止调整；确定所述价格健康度对应的价格为所述商品的价格；采用风险控制条件对所述价格进行调整。在一种实施方式中，所述处理器71还用于：如果利润率在预定的利润率区间范围内，则确定所述商品的价格为合理价格；如果利润率大于利润率区间范围的上限值，则确定所述利润率区间范围的上限值对应的价格为所述商品的价格；如果利润率小于利润率区间范围的下限值，则确定所述利润率区间范围的下限值对应的价格为所述商品的价格。在一种实施方式中，所述处理器71还用于，对于第二类商品，采用所述类目的平均利润率确定类目的商品的价格之后，统计预定时期内所述类目的商品的销售数据；根据所述预定时期的商品的销售数据对所述类目的商品的价格进行更新。根据本发明实施例的第四方面，本发明还提出了一种计算机可读存储介质，所述计算机存储介质中包含一个或多个程序指令，所述一个或多个程序指令用于执行以下的步骤：接收输入的商品名称信息；根据所述商品名称确定商品所属的类目信息；根据预先设定的整体平均利润率确定所述商品所属的类目的平均利润率；根据所述商品所属类目的平均利润率确定所述商品的价格；向客户端发送所述商品的价格，以使客户端显示所述商品的价格。在一种实施方式中，根据所述类目的商品的平均利润率确定所述类目的商品的价格，包括：如果商品有历史销售数据，则根据类目的商品的历史销售数据确定类目的商品的价格；如果商品无历史销售数据，采用所述类目的平均利润率确定类目的商品的价格。在一种实施方式中，如果商品有历史销售数据；所述方法还包括：判断商品的价格在历史时期内是否进行过调整；如果进行过调整，则根据最优价格定价模型确定商品价格；如果没有进行过调整，则根据预先训练的价格健康度模型确定商品价格。在一种实施方式中，根据最优价格定价模型确定商品价格，包括：获取商品的历史销售数据；包括历史的销量和历史价格；以利润最大化为目标，采用优化算法对销量和价格的拟合函数s(p)进行优化计算；得到最大利润以及对应的价格；其中，利润最大化目标函数为：r＝s(p)*(p-c)，其中，p代表商品价格，c表示商品的成本，s(p)表示所拟合出来的销量-价格函数表达式；采用风险控制条件对所述价格进行调整。在一种实施方式中，根据预先训练的价格健康度模型确定所述商品的价格，包括：根据预先设定的类目的平均利润率与价格平均健康度的对应关系确定价格平均健康度；调整输入到所述价格健康度模型的商品的价格以使得价格健康度逼近平均健康度；如果价格健康度与所述价格平均健康度的差值小于预定的阈值则停止调整；确定所述价格健康度对应的价格为所述商品的价格；采用风险控制条件对所述价格进行调整。在一种实施方式中，采用风险控制条件对所述价格进行调整，包括：如果利润率在预定的利润率区间范围内，则确定所述商品的价格为合理价格；如果利润率大于利润率区间范围的上限值，则确定所述利润率区间范围的上限值对应的价格为所述商品的价格；如果利润率小于利润率区间范围的下限值，则确定所述利润率区间范围的下限值对应的价格为所述商品的价格。在一种实施方式中，对于第二类商品，采用所述类目的平均利润率确定类目的商品的价格之后，所述方法还包括：统计预定时期内所述类目的商品的销售数据；根据所述预定时期的商品的销售数据对所述类目的商品的价格进行更新。在本发明实施例中，处理器可以是一种集成电路芯片，具有信号的处理能力。处理器可以是通用处理器、数字信号处理器(digitalsignalprocessor，简称dsp)、专用集成电路(applicationspecificintegratedcircuit，简称asic)、现场可编程门阵列(fieldprogrammablegatearray，简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。处理器读取存储介质中的信息，结合其硬件完成上述方法的步骤。存储介质可以是存储器，例如可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(read-onlymemory，简称rom)、可编程只读存储器(programmablerom，简称prom)、可擦除可编程只读存储器(erasableprom，简称eprom)、电可擦除可编程只读存储器(electricallyeprom，简称eeprom)或闪存。易失性存储器可以是随机存取存储器(randomaccessmemory，简称ram)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的ram可用，例如静态随机存取存储器(staticram，简称sram)、动态随机存取存储器(dynamicram，简称dram)、同步动态随机存取存储器(synchronousdram，简称sdram)、双倍数据速率同步动态随机存取存储器(doubledataratesdram，简称ddrsdram)、增强型同步动态随机存取存储器(enhancedsdram，简称esdram)、同步连接动态随机存取存储器(synchlinkdram，简称sldram)和直接内存总线随机存取存储器(directrambusram，简称drram)。本发明实施例描述的存储介质旨在包括但不限于这些和任意其它适合类型的存储器。本领域技术人员应该可以意识到，在上述一个或多个示例中，本发明所描述的功能可以用硬件与软件组合来实现。当应用软件时，可以将相应功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。当前第1页1 2 3
技术特征：1.一种自动设置商品价格的方法，其特征在于，应用于电商服务器，包括：
接收输入的商品名称信息；
根据所述商品名称确定商品所属的类目信息；
根据预先设定的整体平均利润率确定所述商品所属的类目的平均利润率；
根据所述商品所属类目的平均利润率确定所述商品的价格；
向客户端发送所述商品的价格，以使客户端显示所述商品的价格。
2.如权利要求1所述的自动设置商品价格的方法，其特征在于，根据所述类目的商品的平均利润率确定所述类目的商品的价格，包括：
如果商品有历史销售数据，则根据类目的商品的历史销售数据确定类目的商品的价格；
如果商品无历史销售数据，采用所述类目的平均利润率确定类目的商品的价格。
3.如权利要求1所述的自动设置商品价格的方法，其特征在于，如果商品有历史销售数据；所述方法还包括：
判断商品的价格在历史时期内是否进行过调整；
如果进行过调整，则根据最优价格定价模型确定商品价格；
如果没有进行过调整，则根据预先训练的价格健康度模型确定商品价格。
4.如权利要求3所述的自动设置商品价格的方法，其特征在于，根据最优价格定价模型确定商品价格，包括：
获取商品的历史销售数据；包括历史的销量和历史价格；
以利润最大化为目标，采用优化算法对销量和价格的拟合函数s(p)进行优化计算；得到最大利润以及对应的价格；
其中，利润最大化目标函数为：r＝s(p)*(p-c)，其中，p代表商品价格，c表示商品的成本，s(p)表示所拟合出来的销量-价格函数表达式；
采用风险控制条件对所述价格进行调整。
5.根据权利要求3所述的自动设置商品价格的方法，其特征在于，根据预先训练的价格健康度模型确定所述商品的价格，包括：
根据预先设定的类目的平均利润率与价格平均健康度的对应关系确定价格平均健康度；
调整输入到所述价格健康度模型的商品的价格以使得价格健康度逼近平均健康度；
如果价格健康度与所述价格平均健康度的差值小于预定的阈值则停止调整；
确定所述价格健康度对应的价格为所述商品的价格；
采用风险控制条件对所述价格进行调整。
6.根据权利要求4或5所述的自动设置商品价格的方法，其特征在于，采用风险控制条件对所述价格进行调整，包括：
如果利润率在预定的利润率区间范围内，则确定所述商品的价格为合理价格；
如果利润率大于利润率区间范围的上限值，则确定所述利润率区间范围的上限值对应的价格为所述商品的价格；
如果利润率小于利润率区间范围的下限值，则确定所述利润率区间范围的下限值对应的价格为所述商品的价格。
7.如权利要求1所述的自动设置商品价格的方法，其特征在于，对于第二类商品，采用所述类目的平均利润率确定类目的商品的价格之后，所述方法还包括：
统计预定时期内所述类目的商品的销售数据；
根据所述预定时期的商品的销售数据对所述类目的商品的价格进行更新。
8.一种自动设置商品价格的装置，其特征在于，应用于电商服务器，包括：
接收模块，用于接收输入的商品名称信息；
商品价格确定模块，用于根据所述商品名称确定商品所属的类目信息；
根据预先设定的整体平均利润率确定所述商品所属的类目的平均利润率；
根据所述商品所属类目的平均利润率确定所述商品的价格；
发送模块，用于向客户端发送所述商品的价格，以使客户端显示所述商品的价格。
9.一种电子设备，其特征在于，所述电子设备包括：至少一个处理器和至少一个存储器；所述存储器用于存储一个或多个程序指令；所述处理器，用于运行一个或多个程序指令，用以执行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机存储介质中包含一个或多个程序指令，所述一个或多个程序指令用于执行如权利要求1-7任一项所述的方法。
技术总结本申请公开了一种自动设置商品价格的方法、装置、设备和存储介质。一种自动设置商品价格的方法，应用于电商服务器，包括：接收输入的商品名称信息；根据所述商品名称确定商品所属的类目信息；根据预先设定的整体平均利润率确定所述商品所属的类目的平均利润率；根据所述商品所属类目的平均利润率确定所述商品的价格；向客户端发送所述商品的价格，以使客户端显示所述商品的价格。本申请解决了人工设置价格导致效率低，错误率高，不合理的技术问题。
技术研发人员：周大臣;史继群
受保护的技术使用者：深圳市华宇讯科技有限公司
技术研发日：2020.12.17
技术公布日：2021.03.12
