[发明专利]一种基于大数据模型的竞品分析方法、终端及存储介质

说明书

本发明公开了一种基于大数据模型的竞品分析方法、终端及存储介质，方法包括：爬取商品描述，通过大语言模型输出商品种类；筛选出多个可能竞品；连续多日爬取所有可能竞品的评价指标；确定每一个可能竞品的周期性评价指标，并对周期性评价指标进行分级，并确定周期性评价指标的权重；根据权重确定每一个可能竞品的综合得分；计算确定聚类个数和聚类中心；将聚类中心作为最终竞品输出；本发明通过通过使用爬虫技术和大语言模型，实现可以自动化地收集和分析大规模的数据，通过连续多日爬取可能的竞品的评价指标，并计算出每个竞品的综合得分后，通过使用K‑means聚类算法，可以将竞品进行精准的分类和定位，从可能的竞品中筛选出最终的竞品。

技术领域

本发明涉及大数据分析领域，具体涉及一种基于大数据模型的竞品分析方法、终端及存储介质。

背景技术

在跨境贸易商务环境中，竞品分析是一种常见的商业策略，它涉及到对竞争对手的产品、服务、销售策略等进行深入研究，以便更好地理解市场环境，制定有效的市场策略。传统的竞品分析方法主要依赖于人工收集和分析数据，在数据的收集过程可能会受到人为因素的影响，导致数据的质量和完整性受到影响；同时在处理大规模数据时会非常耗时，导致效率和准确性也可能受到人为因素的影响。

传统的竞品分析方法通常只能进行静态的分析，难以捕捉到市场的动态变化。例如，竞争对手的销售策略可能会随着时间的推移而变化，而传统的竞品分析方法可能无法及时捕捉到这些变化。

发明内容

本发明所要解决的技术问题是传统的竞品分析方法主要依赖于人工收集和分析数据，目的在于提供一种基于大数据模型的竞品分析方法、终端及存储介质，实现了通过大数据模型对销售平台的竞品进行自动分析。

本发明通过下述技术方案实现：

一种基于大数据模型的竞品分析方法，包括：

选择需要进行竞品分析的销售平台，并爬取商家设定的商品描述，将商品描述输入至大语言模型，通过大语言模型输出商品种类；

确定需分析的自身商品，并从大语言模型输出的商品种类中筛选出多个可能竞品；

连续多日爬取所有可能竞品的评价指标，评价指标包括：销售数量、顾客评价数量、顾客评价内容、店铺评分、价格；

对收集的评价指标进行数据清洗；

确定每一个可能竞品的周期性评价指标，并对周期性评价指标进行分级，并确定周期性评价指标的权重；

根据权重确定每一个可能竞品的综合得分；

将综合得分导入K-means算法，并计算确定聚类个数和聚类中心；

将聚类中心作为最终竞品输出。

具体地，设定周期T，周期性评价指标为周期T内评价指标的改变量，设定第个竞品的周期性评价指标包括：新增销售数量、新增顾客评价数量、新增顾客评价内容、店铺评分、价格，；

对周期性评价指标进行分级的方法为：

按照从少到多将新增销售数量分为1级、2级、3级、4级和5级；

按照从少到多将新增顾客评价数量分为1级、2级、3级、4级和5级；

按照从高到低将价格分为1级、2级、3级、4级和5级；

按照从从低到高将店铺评分为1级、2级、3级、4级和5级；

通过大语言模型对新增顾客评价内容进行识别，并按照差评、偏差评、中性、偏好评、好评将顾客评价内容分为1级、2级、3级、4级和5级。

具体地，确定周期性评价指标的权重的方法包括：

对周期性评价指标进行归一化：，其中，为可能竞品的数量，为归一化后的数据；

计算每一个周期性评价指标的信息熵：，其中，为第项评价指标的信息熵，若则定义；

计算每一个周期性评价指标的权重值：，其中，为第项评价指标的权重。