本发明涉及人工智能，尤其是涉及一种产品购买意愿及购买价格预测方法、设备及存储介质。
背景技术：
1、传统的产品销售过程中，作为商家，无法获知买方对于产品的购买意愿，仅能被动接受买方的购买行为。随着社交媒体的普及，诸如抖音、淘宝、美团等电子商务消费已成为人们日常生活中不可或缺的一部分，同时网络店铺后台也积累了大量的用户数据，包括用户行为、偏好、互动等，这些用户数据为分析和预测后续的购买行为提供了丰富的信息源。现有技术中，通常是利用横截面数据对用户购买倾向进行分析，该方法只能一次性预测出用户的购买倾向，无法准确预测用户的产品购买意愿以及购买价格，不利于电子商铺进行后续产品销售管理优化以及产品推荐优化。
技术实现思路
1、本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种产品购买意愿及购买价格预测方法、设备及存储介质，基于用户网络行为分析及径向基神经网络回归技术，通过对电子商铺后台的数据分析和数据建模，能够对用户的购买意愿以及产品购买价格进行准确预测。
2、本发明的目的可以通过以下技术方案来实现：一种产品购买意愿及购买价格预测方法，包括以下步骤：
3、s1、从电子商铺后台获取用户的历史基础行为数据，采用质性研究范式，以建立购买预测理论依据模型；
4、s2、根据购买预测理论依据模型，确定数据分析指标；
5、s3、结合购买预测理论依据模型以及各数据分析指标历史数据，通过径向基神经网络回归计算，构建产品购买意愿和购买价格预测数理模型；
6、s4、从电子商铺后台获取用户的当前基础数据，计算各数据分析指标对应数值；
7、s5、将各数据分析指标对应数值导入产品购买意愿和购买价格预测数理模型，输出得到产品购买转化率、购买次数、最高购买价格的预测结果。
8、进一步地，所述步骤s1中购买预测理论依据模型由观看行为、互动行为、内容偏好、订单行为、位置时间、情感价值6个维度组成。
9、进一步地，所述步骤s2中数据分析指标包括：
10、所述观看行为维度下包括周观看频率、观看平均时长、完看率；
11、所述互动行为维度下包括点赞率、评论率、分享率；
12、所述内容偏好维度下包括类别关注度、互动深度；
13、所述订单行为维度下包括产品添加率；
14、所述位置时间维度下包括活跃时间段、区域；
15、所述情感价值维度下包括正面评价比例。
16、进一步地，所述步骤s3的具体过程为：
17、确定输入层包含各数据分析指标，通过径向基函数向隐藏层传输数据，以输入层各数据分析指标作为自变量，以输出层的输出作为因变量，结合聚类算法进行迭代训练，构建得到产品购买意愿和购买价格预测数理模型。
18、进一步地，所述径向基函数具体为：
19、φ(x；ci,σi)＝e(-||x-ei||2)/2σi2
20、其中，ci是隐藏层中第i个隐层神经元的中心向量，σi是第i个隐藏神经元的尺度参数，φ(x；ci,σi)是以x为输入、中心在ci、尺度为σi的径向基函数的输出。
21、进一步地，所述迭代训练过程中，当输入层向隐藏层输入后，通过聚类算法自动计算并迭代ci和σi，并向输出层输出得到：
22、f(x)＝wt·φ(x)+b
23、其中，f(x)为网络对输入x的输出函数，w为权重向量，φ(x)为隐藏层神经元的输出向量，输出向量中第i个元素即为φ(x；ci,σi)。
24、进一步地，所述输出层的输出包括最高消费价格、消费次数、产品转化率，所述产品转化率为：
25、产品转化率＝(消费次数/添加产品数量)*100。
26、进一步地，所述步骤s4中计算各数据分析指标对应数值的公式为：
27、周观看频率为：
28、周观看频率＝(观看数量/周数)*100
29、观看平均时长为：
30、观看平均时长＝(观看数量*每次观看时长)*100/观看数量
31、完看率为：
32、完看率＝(完整观看完视频的数量/观看数量)*100
33、点赞率为：
34、点赞率＝(点赞数量/观看数量)*100
35、评论率为：
36、评论率＝(评论数量/观看数量)*100
37、分享率为：
38、分享率＝(分享数量/观看数量)*100
39、内容类别关注度为：
40、内容关注度＝(观看产品特定类别数量/观看数量)*100
41、内容互动深度为：
42、内容互动深度＝(评论数量/观看产品特定类别数量)*100
43、产品添加率为：
44、产品添加率＝(产品添加数量/观看数量)*100
45、活跃时间段是从1至5中选取观看数量最多的数字：
46、1——1：00-5：00
47、2——5：00-10：00
48、3——10：00-15：00
49、4——15：00-20：00
50、5——20：00-24：00
51、区域即为观看所在区域，具体是从设定数字范围中选取与不同地区相对应的数字编号；
52、正面评价比例为：
53、正面评价比例＝(正面评价数量/评价数量)*100。
54、一种电子设备，所述电子设备包括：
55、存储器，存储有计算机程序；以及
56、与存储器通信连接的处理器，执行所述存储器中存储的计算机程序以实现上述的产品购买意愿及购买价格预测方法。
57、一种计算机存储介质，所述计算机存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现上述的产品购买意愿及购买价格预测方法。
58、与现有技术相比，本发明具有以下优点：
59、本发明首先从电子商铺后台获取用户的历史基础行为数据，以建立购买预测理论依据模型，并确定数据分析指标；之后结合各数据分析指标历史数据，通过径向基神经网络回归计算，构建得到产品购买意愿和购买价格预测数理模型。在应用时，只需从电子商铺后台获取用户的当前基础数据，计算各数据分析指标对应数值，再将各数据分析指标对应数值导入产品购买意愿和购买价格预测数理模型，即可输出得到产品购买转化率、购买次数、最高购买价格的预测结果。由此通过对电子商铺后台数据进行大数据分析，并采用神经网络回归技术建立产品购买意愿和购买价格预测模型，能够对用户的购买意愿以及产品购买价格进行准确预测，有利于后续进行产品销售管理优化以及产品推荐优化。
60、本发明中设计购买预测理论依据模型由观看行为、互动行为、内容偏好、订单行为、位置时间、情感价值6个维度组成，并进一步确定6个维度对应的12个数据分析指标，将12个数据分析指标与从电子商铺后台获取的用户行为基础数据相关联；在构建产品购买意愿和购买价格预测数理模型时，将12个数据分析指标作为自变量，将最高消费价格、消费次数、产品转化率作为因变量，结合径向基神经网络训练，能够确保构建模型的准确性。
1.一种产品购买意愿及购买价格预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种产品购买意愿及购买价格预测方法，其特征在于，所述步骤s1中购买预测理论依据模型由观看行为、互动行为、内容偏好、订单行为、位置时间、情感价值6个维度组成。
3.根据权利要求2所述的一种产品购买意愿及购买价格预测方法，其特征在于，所述步骤s2中数据分析指标包括：
4.根据权利要求3所述的一种产品购买意愿及购买价格预测方法，其特征在于，所述步骤s3的具体过程为：
5.根据权利要求4所述的一种产品购买意愿及购买价格预测方法，其特征在于，所述径向基函数具体为：
6.根据权利要求5所述的一种产品购买意愿及购买价格预测方法，其特征在于，所述迭代训练过程中，当输入层向隐藏层输入后，通过聚类算法自动计算并迭代ci和σi，并向输出层输出得到：
7.根据权利要求6所述的一种产品购买意愿及购买价格预测方法，其特征在于，所述输出层的输出包括最高消费价格、消费次数、产品转化率，所述产品转化率为：
8.根据权利要求3所述的一种产品购买意愿及购买价格预测方法，其特征在于，所述步骤s4中计算各数据分析指标对应数值的公式为：
9.一种电子设备，其特征在于，所述电子设备包括：
10.一种计算机存储介质，其特征在于，所述计算机存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1～8任一所述的一种产品购买意愿及购买价格预测方法。
