要实现自动化希望隐藏的订单量，可以使用机器学习和自然语言处理技术来分析订单数据并自动隐藏相关的信息。以下是一个简单的步骤：

1. 数据收集：首先，你需要收集大量的订单数据，包括订单数量、购买的商品、购买的时间等。这些数据可以从各种来源获取，例如网站后台、第三方订单系统等。

2. 数据预处理：收集到的数据需要进行预处理，包括清洗数据（例如去除重复、填充缺失值等）、标准化数据（例如将所有数据转换为相同的数据类型）、转换数据（例如将日期数据转换为日期格式）等。

3. 特征工程：特征工程是机器学习中的重要步骤，用于从原始数据中提取有用的信息。在这个阶段，你可以使用词袋模型、TF-IDF模型等方法来提取商品的购买频次、购买时间等特征。

4. 模型训练：选择一个合适的机器学习模型（例如逻辑回归、决策树、随机森林等），使用预处理的数据和特征来训练模型。

5. 模型评估：使用测试数据来评估模型的性能。常见的评估指标包括准确率、精确率、召回率、F1分数等。

6. 模型应用：将训练好的模型应用到实际的订单数据中，实现自动化隐藏订单量的策略。例如，你可以设置阈值，当订单数量超过这个阈值时，自动隐藏相关的信息。

需要注意的是，这只是一个基本的步骤，实际的自动化隐藏订单量策略可能需要根据具体的业务需求和数据情况进行调整。