CN107123010A - 商户筛选方法、建立商户评价模型的方法及相关装置 - Google Patents

Abstract

本发明公开了一种商户筛选方法、建立商户评价模型的方法及相关装置，其中，所述商户筛选方法包括：获取商户的评价指标的值；根据所述评价指标的值和商户评价模型对商户进行评价；基于评价结果选取满足预设条件的商户作为目标商户。采用本发明，不仅能以商户筛选为目的进行自动高效的数据处理，还能够对商户进行自动、客观的评价，提高商户筛选的准确性，进而提高用户体验。此外，能够建立用于准确评价商户是否可以作为目标商户的模型。

Description

商户筛选方法、建立商户评价模型的方法及相关装置

技术领域

本发明涉及互联网相关的数据处理领域，更为具体而言，涉及一种商户筛选方法、建立商户评价模型的方法及相关装置。

背景技术

互联网的发展日益改变人们的生活方式。以外卖领域为例，随着外卖领域的不断发展，并且随着配送水平的提高，配送时间越来越短、越来越准确，更多消费者不再是简单的根据自己所在的位置挑选外卖，而是希望根据自己的口味、兴趣等诸多因素选择商家。因此，全城外配送为满足该需求而产生。

在全城外卖配送中，有个技术问题需要解决，即，如何在众多商家中选择最适合作为全城配送的商家。

现在的全城配送商户的筛选是通过人工来筛选的，通过主观评价商户的影响力、口味等因素来确定全城配送的商户。换言之，现有技术中没有能够以客观的方式从众多商户中筛选全城配送商户的技术。并且，人工筛选的方式存在以下缺陷：

1、通过人工筛选全城配商户的方法可能会由于运营人员的主观因素产生偏差，所筛选出的全城配送商户并不得到用户的肯定。

2、人工筛选的方式无法应对海量商户以及商户数量的急剧增加。

发明内容

为了解决现有的商户筛选技术所存在的缺陷，本发明实施方式提供一种商户筛选方法、建立商户评价模型的方法及相关装置，能提高商户筛选的客观性和准确性，以及建立用于准确评价商户的模型。

一方面，本发明实施方式提供了一种商户筛选方法，包括：

获取商户的评价指标的值；

根据所述评价指标的值和商户评价模型对商户进行评价；

基于评价结果选取满足预设条件的商户作为目标商户。

在本发明实施方式的一种实现方式中，所述评价指标包括以下评价指标中的任意一项或一项以上：搜索失败率、平均客单价、平均订单量、用户评价。在本发明实施方式的优选实现方式中，评价指标包括以上指标中的任意两项或两项以上。

在本发明实施方式的另一种实现方式中，所述商户评价模型表示为以下公式：

其中，θ＝[a₀,a₁,a₂,……,a_k]^T，k+1等于评价指标的数目，k＝0,1,2……；

其中，Y表示评价值，X_k表示第k+1项评价指标的值，a_k表示第k+1项评价指标的权重。

进一步地，所述基于评价结果选取满足预设条件的商户作为目标商户，包括：选取按照Y值从大到小排列在前n位的商户作为全城配送商户，所述n为正整数。

另一方面，本发明实施方式还提供一种建立商户评价模型的方法，所述方法包括：

选取指定数目的商户作为样本商户；

获取所述样本商户在第二状态下运营相比于在第一状态下运营的特征变化量；

根据所述样本商户的特征变化量以及所述样本商户的评价指标的值，确定所述评价指标的权重；

根据所述评价指标及其权重建立商户评价模型。

在本发明实施方式的一种实现方式中，所述获取所述样本商户在第二状态下运营相比于在第一状态下运营的特征变化量，包括：针对所述样本商户进行A/B测试，或，触发用于执行所述A/B测试的装置；获取在运营指定时间之后所述样本商户的特征变化量。

在本发明实施方式的另一种实现方式中，所述第一状态为普通商户，所述第二状态为全城配送商户，所述特征变化量为订单变化量。

在本发明实施方式的再一种实现方式中，所述评价指标包括以下评价指标中的任意一项或一项以上：搜索失败率、平均客单价、平均订单量、用户评价。

在本发明实施方式的又一种实现方式中，所述根据所述样本商户的特征变化量以及所述样本商户的评价指标的值，确定所述评价指标的权重，包括：

将所述样本商户的特征变化量及所述样本商户的评价指标的值代入以下公式得到所述指定数目的多元一次方程组：

Z＝a₀*X₀+a₁*X₁+……+a_k*X_k，

其中，Z表示特征变化量，X_k表示第k+1项评价指标，a_k表示第k+1项评价指标的权重；

根据所述指定数目的多元一次方程组，计算各项评价指标X_k的权重a_k。

进一步地，所述根据所述评价指标及其权重建立商户评价模型，包括：

根据计算出的a_k值以及所述评价指标建立如下公式：

其中，θ＝[a₀,a₁,a₂,……,a_k]^T，k+1等于评价指标的数目；

其中，Y表示评价值，X_k表示第k+1项评价指标，a_k表示第k+1项评价指标的权重。

相应地，本发明实施方式提供了一种商户筛选装置，所述装置包括：

获取模块，用于获取商户的评价指标的值；

评价模块，用于根据所述评价指标的值和商户评价模型对商户进行评价；

选取模块，用于基于评价结果选取满足预设条件的商户作为目标商户。

在本发明实施方式的一种实现方式中，所述获取模块用于获取以下评价指标中的任意一项或一项以上：搜索失败率、平均客单价、平均订单量、用户评价。

在本发明实施方式的另一种实现方式中，所述商户评价模型表示为以下公式：

其中，θ＝[a₀,a₁,a₂,……,a_k]^T，k+1等于评价指标的数目，Y表示评价值，X_k表示第k+1项评价指标的值，a_k表示第k+1项评价指标的权重。

进一步地，所述选取模块用于选取按照Y值从大到小排列在前n位的商户作为全城配送商户，所述n为正整数。

相应地，本发明实施方式还提供一种建立商户评价模型的装置，所述装置包括：

样本模块，用于选取指定数目的商户作为样本商户；

特征模块，用于获取所述样本商户在第二状态下运营相比于在第一状态下运营的特征变化量；

计算模块，用于根据所述样本商户的特征变化量以及所述样本商户的评价指标的值，确定所述评价指标的权重；

模型模块，用于根据所述评价指标及其权重建立商户评价模型。

在本发明实施方式的一种实现方式中，所述特征模块包括：测试子模块，用于针对所述样本商户进行A/B测试，或，用于触发用以执行所述A/B测试的装置；计算子模块，用于获取在运营指定时间之后所述样本商户的特征变化量。

在本发明实施方式的另一种实现方式中，所述第一状态为普通商户，所述第二状态为全城配送商户，所述特征变化量为订单变化量。

在本发明实施方式的再一种实现方式中，所述评价指标包括以下评价指标中的任意一项或一项以上：搜索失败率、平均客单价、平均订单量、用户评价。

在本发明实施方式的又一种实现方式中，所述计算模块用于进行以下处理：

将所述样本商户的特征变化量及所述样本商户的评价指标的值代入以下公式得到所述指定数目的多元一次方程组：

Z＝a₀*X₀+a₁*X₁+……+a_k*X_k

其中，Z表示特征变化量，X_k表示第k+1项评价指标，a_k表示第k+1项评价指标的权重；

根据所述指定数目的多元一次方程组，计算各评价指标X_k的权重a_k。

进一步地，所述模型模块用于进行以下处理：

根据计算出的ak值以及所述评价指标建立如下公式：

其中，θ＝[a₀,a₁,a₂,……,a_k]^T，k+1等于评价指标的数目，Y表示评价值，X_k表示第k+1项评价指标，a_k表示第k+1项评价指标的权重。

采用本发明的各种实施方式具有以下有益效果：

通过采集商户的评价指标的值并基于该值和商户评价模型对商户进行评价，不仅能够以商户筛选为目的进行自动高效的数据处理，还能够对商户进行自动、客观的评价，提高商户筛选的准确性，进而提高用户体验。

通过对样本商户进行测试，并基于评价指标和计算出的评价指标的权重建立商户评价模型，从而能够建立用于准确评价商户是否可以作为目标商户的模型。

附图说明

图1是根据本发明实施例的一种商户筛选方法的流程示意图；

图2是根据本发明实施例的一种建立商户评价模型的方法的流程示意图；

图3是图2所示方法中的处理204的一种实现方式的流程示意图；

图4是根据本发明实施例的一种商户筛选装置的框图；

图5是根据本发明实施例的一种建立商户评价模型的模型装置的框图；

图6是图5所示装置的特征模块54的一种框图。

具体实施方式

以下结合附图和具体实施方式对本发明的各个方面进行详细阐述。其中，众所周知的模块、单元及其相互之间的连接、链接、通信或操作没有示出或未作详细说明。并且，所描述的特征、架构或功能可在一个或一个以上实施方式中以任何方式组合。本领域技术人员应当理解，下述的各种实施方式只用于举例说明，而非用于限制本发明的保护范围。还可以容易理解，本文所述和附图所示的各实施方式中的模块或单元或步骤可以按各种不同配置进行组合和设计。

图1是根据本发明实施例的一种商户筛选方法的流程示意图。参照图1，所述方法包括：

100：获取商户的评价指标的值。

需要说明的是，在本发明中提及的“获取”不限于主动获取、被动接收、直接获取、通过中转装置获取等方式。在本发明中提及的“商户”是指在互联网平台上销售或提供产品/服务的商家，例如，外卖平台上的商户。“商户筛选”是指从众多商户中选取特定商户，虽然本发明在下文以从众多商户中选取全城配送商户为例进行说明，但本领域技术人员应当理解，基于本发明提供的方案及启示，可以实现从众多商户中选取具有一定特性、共性、趋向或目的的一类商户，而不限于全城配送商户。

此外，在本发明中提及的“评价指标”可以理解为商户的不同属性中影响其是否能够成为特定商户的属性。

102：根据所述评价指标的值和商户评价模型对商户进行评价。例如，根据所述评价指标的值和商户评价模型计算商户的评价值，所述评价值可以用于反映商户作为目标商户的可能性或强度。

在本发明中，商户评价模型是预先建立的，例如，可以采用本发明下文提及的方法建立。

104：基于评价结果选取满足预设条件的商户作为目标商户。例如，根据评价结果选取排名靠前的预设数量的商户作为全城配送商户。

采用本实施例提供的方法，通过采集商户的评价指标的值并基于该值和商户评价模型对商户进行评价，不仅能够以商户筛选为目的进行自动高效的数据处理，还能够对商户进行自动、客观的评价，提高商户筛选的准确性，进而提高用户体验。

可选地，在本实施例的一种实现方式中，所述评价指标包括以下评价指标中的任意一项或一项以上：搜索失败率、平均客单价、平均订单量、用户评价。下面对这些评价指标进行详细说明。

搜索失败率：假设一个月内用户搜索A商户的次数为M次，用户在当前位置没有成功搜索出商户A的次数为m，那么搜索失败率就是m/M。假设在当前平台上，每个商户的月平均搜索次数为R次。那么当M大于R的商户中，我们按照搜索失败率来排列，就能知道哪些商户是希望被用户所搜索，但是最终没有搜索到的商户。

平均客单价：由于全城配送的路程较远，导致了全城配送费较普通配送费高，而通常只有高客单价的商户才能平衡配送费对订单总价的影响，所以，平均客单价较高的商户是理想的全城配送商户。

平均订单量：商户的订单量是评价该商户是否受大众欢迎的重要因素，商户受欢迎程度是该商户能否成为全城配送商户的关键因素。

用户评价：用户评价越高的商户越受大众欢迎，越应该成为全城配送的商户。

在以上的四个关键指标中，平均客单价、平均订单量、用户评价这三个指标是可以通过营平台直接获取。搜索失败率可以在用户搜索的时候统计该商户的未命中率，并且统计所有商户的平均搜索率。

当然，以上评价指标仅为举例，本领域技术人员可以根据需要灵活地增加、删除、变更评价指标以及将某评价指标细化为多种评价指标。但是，为了相对全面地对商户进行评价，至少两项评价指标是优选地，并且更为优选地，选取在不同维度上的评价指标。

通过采用上述评价指标来评价商户，能够从运营平台的商户中挑选出更加客观的全城配送商户。

可选地，在本实施例的一种实现方式中，商户评价模型表示为以下评价公式：

其中，θ＝[a₀,a₁,a₂,……,a_k]^T，k+1等于评价指标的数目，Y表示评价值，X_k表示第k+1项评价指标的值，a_k表示第k+1项评价指标的权重。

将评价指标的值代入以上评价公式得到评价值Y，则可以根据Y值选取满足预设条件的商户作为目标商户。例如，选取按照Y值从大到小排列在前n位的商户作为全城配送商户，所述n为正整数；或者选取Y值大于一定值的商户作为全城配送商户。

图2是根据本发明实施例的一种建立商户评价模型的方法的流程示意图，所述商户评价模型可以用于图1所示实施例中以进行商户评价与筛选。参照图2，所述方法包括：

200：选取指定数目的商户作为样本商户。

可选地，在本实施例的一种实现方式中，从商户中随机选取指定数目的商户作为样本商户。

202：获取特征变化量。具体而言，获取所述样本商户在第二状态下运营相比于在第一状态下运营的特征变化量。

可选地，在本实施例的一种实现方式中，第一状态是指商户的原始状态，例如，没有被特别指定/标识以进行区分的普通商户。第二状态是指目标商户的状态，例如，全城配送商户。特征变化量是指能够反映因为发生上述状态变化导致的质变或量变的量，优选地，特征变化量是与评价值Y成正比或大致成正比的量，例如，订单变化量。

204：计算确定评价指标的权重。具体而言，根据所述样本商户的特征变化量以及所述样本商户的评价指标的值，确定所述评价指标的权重。

可选地，在本实施例的一种实现方式中，所述评价指标包括以下评价指标中的任意一项或一项以上：搜索失败率、平均客单价、平均订单量、用户评价。关于各项评价指标的说明请参见前文，此处不再赘述。

206：根据评价指标及其权重建立商户评价模型。

采用本实施例提供的方法，通过对样本商户进行不同状态的测试，同时基于测试得到的特征变化值和评价指标(例如，预先确定的评价指标)的值进行计算，能够基于实际数据确定评价指标的权重值，从而能以评价指标及其权重为基础建立准确反映商户是否可以作为目标商户的商户评价模型。

可选地，在本实施例的一种实现方式中，上述处理202可以采用以下方式实现：首先，针对所述样本商户进行A/B测试，或者，触发用于执行所述A/B测试的装置；然后，获取在运营指定时间之后所述样本商户的特征变化量。

也就是说，可以在处理202中执行A/B测试进而获取特征变化量，也可以由另外的设备/装置执行A/B测试，而在处理202中仅获取该A/B测试得到的特征变化量。

可选地，在本实施例的一种实现方式中，参照图3，处理204可以采用以下方式实现：

300:将数据代入预设公式得到多元一次方程组。具体而言，将样本商户的特征变化量及样本商户的评价指标的值代入以下公式得到所述指定数目的多元一次方程组：

Z＝a₀*X₀+a₁*X₁+……+a_k*X_k

其中，Z表示特征变化量，X_k表示第k+1项评价指标，a_k表示第k+1项评价指标的权重。

302：求解所述多元一次方程组得到各评价指标的权重。具体而言，根据所述指定数目的多元一次方程组，计算各项评价指标X_k的权重a_k。当然，本领域技术人员也可以从所述指定数目的多元一次方程组中选取特征变化量较大(例如，超过一定阈值)的方程组进行求解。

可选地，在处理302中，可以采用最小二乘法、线性回归(Linear Regression)、多项式回归(Polynomial Regression)、ElasticNet回归等求解多元一次方程组的参数。

在该实现方式中，进一步地，可以根据302计算出的a_k值以及所述评价指标建立如下公式：

其中，θ＝[a₀,a₁,a₂,……,a_k]^T，k+1等于评价指标的数目，Y表示评价值，X_k表示第k+1项评价指标，a_k表示第k+1项评价指标的权重。

当然，如果需要，在本发明的另一种实现方式中，在采用302计算得到各评价指标的权重之后，可以根据需要对权重进行调整(即，评价公式中的权重可以是可配置的)，然后基于调整后的权重进行206的处理。

以上公式就是根据本发明实施例的一种商户评价模型，其中，Y值越高，表示对应的商户越应该被选取作为目标商户。

根据图2-图3所示实施例的说明，本领域技术人员应当理解，本发明提供的商户评价模型，无论是在评价指标还是评价指标的权重方面，均可以持续地基于更新的数据或测试数据进行优化，从而能用于随着时间更加准确地对商户进行评价。

以上结合附图对本发明的方法实施例进行了说明，下面对本发明的装置实施例进行说明。

图4是根据本发明实施例的一种商户筛选装置的框图。参照图4，商户筛选装置包括获取模块42、评价模块44和选取模块46。下面进行具体说明。

在本实施例中，获取模块42用于获取商户的评价指标的值。可选地，所述评价指标包括以下评价指标中的任意一项或一项以上：搜索失败率、平均客单价、平均订单量、用户评价。

在本实施例中，评价模块44用于根据所述评价指标的值和商户评价模型对商户进行评价。其中，商户评价模型是预先建立的，例如，可以采用本发明上文提及的方法或者下文提及的装置建立。

在本实施例中，选取模块46用于基于评价结果选取满足预设条件的商户作为目标商户。例如，选取评价值满足预设条件的商户作为目标商户。

采用本实施例提供的商户筛选装置，通过采集商户的评价指标的值并基于该值和商户评价模型对商户进行评价，不仅能够以商户筛选为目的进行自动高效的数据处理，还能够对商户进行自动、客观的评价，提高商户筛选的准确性，进而提高用户体验。

可选地，在本实施例的一种实现方式中，所述商户评价模型表示为以下评价公式：

其中，θ＝[a₀,a₁,a₂,……,a_k]^T，k+1等于评价指标的数目，Y表示评价值，X_k表示第k+1项评价指标的值，a_k表示第k+1项评价指标的权重。

进一步可选地，所述选取模块46用于选取按照Y值从大到小排列在前n位的商户作为全城配送商户，所述n为正整数。

图5是根据本发明实施例的一种建立商户评价模型的模型装置的框图，该模型装置能够建立图1-4所示实施例中提及的商户评价模型。如图5所示，该装置包括样本模块52、特征模块54、计算模块56和模型模块58。下面进行具体说明。

在本实施例中，样本模块52用于选取指定数目的商户作为样本商户。可选地，在本实施例的一种实现方式中，样本模块52随机选取指定数目的商户作为样本商户。

在本实施例中，特征模块54用于获取样本商户在第二状态下运营相比于在第一状态下运营的特征变化量。其中，可选地，所述第一状态为普通商户，所述第二状态为全城配送商户，所述特征变化量为订单变化量。

在本实施例中，计算模块56用于根据样本商户的特征变化量以及样本商户的评价指标的值，确定所述评价指标的权重。其中，可选地，所述评价指标包括以下评价指标中的任意一项或一项以上：搜索失败率、平均客单价、平均订单量、用户评价。

在本实施例中，模型模块58用于基于所述评价指标及其权重建立商户评价模型。例如，建立用于根据评价指标及其权重计算评价值的评价公式，所述评价值反映了商户作为目标商户的可能性或强度。

采用本实施例提供的装置，通过对样本商户进行不同状态的测试，同时基于测试得到的特征变化值和评价指标(例如，预先确定的评价指标)的值进行计算，能够基于实际数据确定评价指标的权重值，从而能以评价指标及其权重为基础建立准确反映商户是否可以作为目标商户的商户评价模型。

可选地，在本实施例的一种实现方式中，如图6所示，特征模块54包括：测试子模块542，用于针对所述样本商户进行A/B测试，或，用于触发用以执行所述A/B测试的装置；计算子模块544，用于获取在运营指定时间之后所述样本商户的特征变化量。

可选地，在本实施例的一种实现方式中，计算模块56具体可用于进行如下处理：

首先，将所述样本商户的特征变化量及所述样本商户的评价指标的值代入以下公式得到所述指定数目的多元一次方程组：

Z＝a₀*X₀+a₁*X₁+……+a_k*X_k

其中，Z表示特征变化量，X_k表示第k+1项评价指标，a_k表示第k+1项评价指标的权重；

然后，根据所述指定数目的多元一次方程组，计算各项评价指标X_k的权重a_k。

可选地，在本实施例的一种实现方式中，模型模块58具体可用于进行以下处理：

根据计算出的ak值以及所述评价指标建立如下公式：

其中，θ＝[a₀,a₁,a₂,……,a_k]^T，k+1等于评价指标的数目，Y表示评价值，X_k表示第k+1项评价指标，a_k表示第k+1项评价指标的权重。

在该实现方式中，可以采用最小二乘法、线性回归(Linear Regression)、多项式回归(Polynomial Regression)、ElasticNet回归等求解多元一次方程组的参数

本领域技术人员应当理解，本发明提供的方法实施例可以作为装置实施例的处理逻辑，本发明提供的装置实施例又可以用于实现本发明的方法实施例。因此，在装置实施例中，关于各个模块、子模块所执行处理及可执行处理的说明，关于相关名称、术语、范围的解释，以及关于所解决的具体问题、达到的有益效果的描述，请参见方法实施例中的相应说明，此处不再赘述。

以上结合附图对根据本发明的部分方法实施例和装置实施例进行了具体说明。下面，从初始设计到最终确定目标商户的过程的角度，对本发明进行举例性说明。

以从普通商户中筛选全城配送商户为例，为了实现具有较高处理效率以及准确性的自动筛选，大致遵循以下步骤：第一步，确定评价指标(影响因素)；第二步，统计数据；第三步，得出评价公式；第四步，通过A/B测试来发布全城配送商家，从而获取测试数据；第五步，根据实验数据，使用最小二乘法对参数进行拟合；第六步，确定评价公式，对全部商家进行评估。下面分别进行说明。

步骤一：确定影响因素

确定商户成为全城配送的影响因素，包括如前文所述的搜索失败率、平均客单价、平均订单量、用户评价等。

步骤二：统计数据

在以上的四个关键指标中，平均客单价、平均订单量、用户评价这三个指标可以通过营平台直接获取。搜索失败率可以在用户搜索的时候统计该商户未命中率，并且统计所有商户的平均搜索率。

步骤三：得出评价公式

假设搜索失败率为S，平均客单价为P，平均订单量为Q，用户评价为C，那么用于确定商户成为全城配送的公式为：Y＝a*S+b*P+c*Q+d*C，其中，最终用Y来评价商户是否应该成为全城配送商户。在该公式中，a、b、c、d还都是未确定的参数。

步骤四：进行A/B测试，获取测试数据。

在外卖平台上，采用随机的方式，随机选择出100家商户作为本次测试的测试商户。将选择出的100家商户作为全城配送商户，上线新的APP，并且根据流量做A/B测试。经过一周测试后，查看每个商家的订单增量，计算出这个100个商家由于设置成全城配送商家后订单增长率，此处先简单地认为订单增长率和Y成正比关系，即认为订单增长率越高的商户越应该成为全城配送的商户。

步骤五：通过最小二乘法来拟合出a、b、c、d的值，得出评价公式。

本领域技术人员应当理解，对于4个未知数a、b、c、d，只需要4个方程就可以求解，但是这个时候很容易出现偏差，为了消除某个等式的影响，可以利用最小二乘法来进行求解最佳的4个未知数a、b、c、d。

根据测试数据，我们可以得到100组测试数据：

Y1＝a*S1+b*P1+c*Q1+d*C1

……

……

Y100＝a*S100+b*P100+c*Q100+d*C100

为了方便书写，将数据做一次统一，上述公式可以描述为：

线性模型：Y＝a₀*X₀+a₁*X₁+……+a_k*X_k 式(1)

引入参数向量：θ＝[a₀,a₁,a₂,……,a_k]^T，

令：其中K＝1..100

可以将方程整理为：

按照最小二乘法的理论，如果将Y_K(K＝1..100)当成是四维坐标系里面的点，需要求解出的a₀、a₁、a₂、a₃可以将点到点的距离最小。即保证下面的公式中J最小：

根据数学知识，如果需要保证J最小，就对上面的方程进行求导，让导数为0就可以确定最小值，从而计算式4个参数的值。

对于实际计算上面的值，通常可以利用spss软件来求解，spss对求解多元一次方程的线性回归有很好的解决方案，只需要按照上述思路，用excel把相应数据准备好，导入软件就可以计算，最后可以得到利用最小二乘法回归好的参数。

步骤六；根据评价公式对全部商户进行评估。

根据步骤五计算出的评价公式来对平台中所有商户进行计算，选择出前100的商户作为全城配送的商户进行发布。

随着商户数据的不断丰富，可以采用上述方法不断的完善商户画像的维度。这样，在筛选全城配送的商户中考虑的因素就不单单是搜索失败率、平均客单价、平均订单量和用户评价这四个维度。假设可以考虑的维度是有N种，那么上面提到的公式是可以扩展为：

线性模型：Y＝a₀*X₀+a₁*X₁+……+a_k*X_k 式(3)

引入参数向量：θ＝[a₀,a₁,a₂,……,a_k]^T

令：其中K＝1..N

从公式中可以看出，本发明计算评价公式的方法并不是单单针对四个维度设计的，而是可以针对商户画像任意多的维度来计算。并且计算评价公式的模型是一个多元一次方程组求参数的模型。

此外，在本发明实施例中，最小二乘法是在目前计算多元一次方程组最成熟、简便的方法，但是求解评价公式的时候，还可以使用Linear Regression线性回归、PolynomialRegression多项式回归、ElasticNet回归等求解多元一次方程组求参数的方法。换言之，本发明对于评价公式的计算，并不拘泥于最小二乘法。

并且，在本发明实施例中，评价公式可以不断的自我优化。具体而言，随着用户不断使用全城配送，全城配送的商户产生的订单越来越多后，可以把越来越多的真实数据添加进样本数据中，这样可以不断的优化评价公式。而随着评价公式的不断优化，可以选择出最佳/更佳的全城配送商户。这也凸显了本发明不受时间局限甚至可以随着时间推移而变得更加适用的优点。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可借助软件结合硬件平台的方式来实现。基于这样的理解，本发明的技术方案对背景技术做出贡献的全部或者部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，智能手机或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。

本发明说明书中使用的术语和措辞仅仅为了举例说明，并不意味构成限定。本领域技术人员应当理解，在不脱离所公开的实施方式的基本原理的前提下，对上述实施方式中的各细节可进行各种变化。因此，本发明的范围只由权利要求确定，在权利要求中，除非另有说明，所有的术语应按最宽泛合理的意思进行理解。

Claims (20)

1.一种商户筛选方法，其特征在于，所述方法包括：

获取商户的评价指标的值；

根据所述评价指标的值和商户评价模型对商户进行评价；

基于评价结果选取满足预设条件的商户作为目标商户。

2.如权利要求1所述的方法，其特征在于，所述评价指标包括以下评价指标中的任意一项或一项以上：

搜索失败率、平均客单价、平均订单量、用户评价。

3.如权利要求1或2所述的方法，其特征在于，所述商户评价模型表示为以下公式：

其中，θ＝[a₀,a₁,a₂,……,a_k]^T，k+1等于评价指标的数目；

其中，Y表示评价值，X_k表示第k+1项评价指标的值，a_k表示第k+1项评价指标的权重。

4.如权利要求3所述的方法，其特征在于，所述基于评价结果选取满足预设条件的商户作为目标商户，包括：

选取按照Y值从大到小排列在前n位的商户作为全城配送商户，所述n为正整数。

5.一种建立商户评价模型的方法，其特征在于，所述方法包括：

选取指定数目的商户作为样本商户；

获取所述样本商户在第二状态下运营相比于在第一状态下运营的特征变化量；

根据所述样本商户的特征变化量以及所述样本商户的评价指标的值，确定所述评价指标的权重；

基于所述评价指标及其权重建立商户评价模型。

6.如权利要求5所述的方法，其特征在于，所述获取所述样本商户在第二状态下运营相比于在第一状态下运营的特征变化量，包括：

针对所述样本商户进行A/B测试，或，触发用于执行所述A/B测试的装置；

获取在运营指定时间之后所述样本商户的特征变化量。

7.如权利要求5所述的方法，其特征在于，

所述第一状态为普通商户，所述第二状态为全城配送商户，所述特征变化量为订单变化量。

8.如权利要求5所述的方法，其特征在于，所述评价指标包括以下评价指标中的任意一项或一项以上：

搜索失败率、平均客单价、平均订单量、用户评价。

9.如权利要求5-8中任一项所述的方法，其特征在于，所述根据所述样本商户的特征变化量以及所述样本商户的评价指标的值，确定所述评价指标的权重，包括：

将所述样本商户的特征变化量及所述样本商户的评价指标的值代入以下公式得到所述指定数目的多元一次方程组：

Z＝a₀*X₀+a₁*X₁+……+a_k*X_k，

其中，Z表示特征变化量，X_k表示第k+1项评价指标，a_k表示第k+1项评价指标的权重；

根据所述指定数目的多元一次方程组，计算各项评价指标X_k的权重a_k。

10.如权利要求9所述的方法，其特征在于，所述基于所述评价指标及其权重建立商户评价模型，包括：

根据计算出的a_k值以及所述评价指标建立如下公式：

其中，θ＝[a₀,a₁,a₂,……,a_k]^T，k+1等于评价指标的数目；

其中，Y表示评价值，X_k表示第k+1项评价指标，a_k表示第k+1项评价指标的权重。

11.一种商户筛选装置，其特征在于，所述装置包括：

获取模块，用于获取商户的评价指标的值；

评价模块，用于根据所述评价指标的值和商户评价模型对商户进行评价；

选取模块，用于基于评价结果选取满足预设条件的商户作为目标商户。

12.如权利要求11所述的装置，其特征在于，所述获取模块用于获取以下评价指标中的任意一项或一项以上：

搜索失败率、平均客单价、平均订单量、用户评价。

13.如权利要求11或12所述的装置，其特征在于，所述商户评价模型表示为以下公式：

其中，θ＝[a₀,a₁,a₂,……,a_k]^T，k+1等于评价指标的数目，Y表示评价值，X_k表示第k+1项评价指标的值，a_k表示第k+1项评价指标的权重。

14.如权利要求13所述的装置，其特征在于，所述选取模块用于选取按照Y值从大到小排列在前n位的商户作为全城配送商户，所述n为正整数。

15.一种建立商户评价模型的装置，其特征在于，所述装置包括：

样本模块，用于选取指定数目的商户作为样本商户；

特征模块，用于获取所述样本商户在第二状态下运营相比于在第一状态下运营的特征变化量；

计算模块，用于根据所述样本商户的特征变化量以及所述样本商户的评价指标的值，确定所述评价指标的权重；

模型模块，用于基于所述评价指标及其权重建立商户评价模型。

16.如权利要求15所述的装置，其特征在于，所述特征模块包括：

测试子模块，用于针对所述样本商户进行A/B测试，或，用于触发用以执行所述A/B测试的装置；

计算子模块，用于获取在运营指定时间之后所述样本商户的特征变化量。

17.如权利要求15所述的装置，其特征在于，

所述第一状态为普通商户，所述第二状态为全城配送商户，所述特征变化量为订单变化量。

18.如权利要求15所述的装置，其特征在于，所述评价指标包括以下评价指标中的任意一项或一项以上：

搜索失败率、平均客单价、平均订单量、用户评价。

19.如权利要求15-18中任一项所述的装置，其特征在于，所述计算模块用于进行以下处理：

将所述样本商户的特征变化量及所述样本商户的评价指标的值代入以下公式得到所述指定数目的多元一次方程组：

Z＝a₀*X₀+a₁*X₁+……+a_k*X_k

其中，Z表示特征变化量，X_k表示第k+1项评价指标，a_k表示第k+1项评价指标的权重；

根据所述指定数目的多元一次方程组，计算各项评价指标X_k的权重a_k。

20.如权利要求19所述的装置，其特征在于，所述模型模块用于进行以下处理：

根据计算出的ak值以及所述评价指标建立如下公式：

其中，θ＝[a₀,a₁,a₂,……,a_k]^T，k+1等于评价指标的数目，Y表示评价值，X_k表示第k+1项评价指标，a_k表示第k+1项评价指标的权重。