CN107886241B - 资源分析方法、装置、介质和电子设备 - Google Patents

资源分析方法、装置、介质和电子设备 Download PDF

Info

Publication number
CN107886241B
CN107886241B CN201711102866.3A CN201711102866A CN107886241B CN 107886241 B CN107886241 B CN 107886241B CN 201711102866 A CN201711102866 A CN 201711102866A CN 107886241 B CN107886241 B CN 107886241B
Authority
CN
China
Prior art keywords
evaluation
analysis
demand
feature
characteristic
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201711102866.3A
Other languages
English (en)
Other versions
CN107886241A (zh
Inventor
何正�
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Sankuai Online Technology Co Ltd
Original Assignee
Beijing Sankuai Online Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Sankuai Online Technology Co Ltd filed Critical Beijing Sankuai Online Technology Co Ltd
Priority to CN201711102866.3A priority Critical patent/CN107886241B/zh
Publication of CN107886241A publication Critical patent/CN107886241A/zh
Application granted granted Critical
Publication of CN107886241B publication Critical patent/CN107886241B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0204—Market segmentation
    • G06Q30/0205—Location or geographical consideration

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Game Theory and Decision Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Operations Research (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种资源分析方法、装置、介质和电子设备，该资源分析方法包括：根据第一特征数据、第二特征数据以及评估特征获取第一评估特征值和第二评估特征值；确定用于资源分析的分析参数；根据所述分析参数对所述第一评估特征值、所述第二评估特征值进行分析。本发明的技术方案能够基于确定的分析参数进行多维度的资源分析，提高了资源分析评估的准确性，确保评估结果更具参考意义。

Description

资源分析方法、装置、介质和电子设备
技术领域
本发明涉及数据处理技术领域，具体而言，涉及一种资源分析方法、装置、介质和电子设备。
背景技术
门店位置是影响商户经营状况的关键因素，尤其对于高频次、低客单价的商户，在产品趋于标准化的时代，位置甚至成为决定门店经营状况的核心因素。
传统的门店选址评估方案覆盖的因素包含如下几项：
1、候选位置周边一定地理范围内的人流情况，主要考核指标为周边居住用户的数量、分布、年龄等因素；
2、候选位置周边一定地理范围内的同行竟对情况，主要考核指标是竟对的数量；
3、候选位置的租金水平；
4、其他成本，如员工成本、折旧等。
经过分析，传统的门店选址评估方案存在如下问题：
1、潜在客户的识别十分粗略，传统方案评估了候选位置的人流量，但对人流量本身的消费能力、消费层次、消费行为、偏好缺乏分析，将流量等同于潜在客户的做法并不科学；
2、对竟对的分析不够深入，没有给出竟对在该区内对潜在客户需求的满足情况进行深入分析，因而无法给出该候选地址所在区域内的潜在剩余市场规模；
3、对消费侧与供给侧仅做总量分析，而没有考虑消费与供给本身是分为多个层次。
门店选址评估实质上是对候选位置所在区域内的需求与供给情况进行分析，结合上述分析可知，传统的门店选址评估方案对需求与供给的分析较为粗略，并未考虑各个层次的需求与供给情况，进而会导致评估结果不准确的问题。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本发明的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本发明的目的在于提供一种资源分析方法、装置、介质和电子设备，进而至少在一定程度上克服传统方案对需求与供给的分析较为粗略的问题。
本发明的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。
根据本发明实施例的第一方面，提供了一种资源分析方法，包括：根据第一特征数据、第二特征数据以及评估特征获取第一评估特征值和第二评估特征值；确定用于资源分析的分析参数；根据所述分析参数对所述第一评估特征值、所述第二评估特征值进行分析。
在本发明的一些实施例中，基于前述方案，所述评估特征为预定的评估特征，所述预定的评估特征由行业信息确定；
所述根据第一特征数据、第二特征数据以及评估特征获取第一评估特征值和第二评估特征值，包括：根据所述预定的评估特征，将所述第一特征数据和所述第二特征数据分别映射为所述第一评估特征值及所述第二评估特征值。
在本发明的一些实施例中，基于前述方案，确定用于资源分析的分析参数，包括：根据所述第一评估特征值，确定所述分析参数，所述分析参数包括分析维度及分析阈值，所述分析维度为预定评估特征的子集。
在本发明的一些实施例中，基于前述方案，根据所述分析参数对所述第一评估特征值、所述第二评估特征值进行分析，包括：对所述第一评估特征值和所述第二评估特征值进行特征相关度评估，以得到所述第一评估特征值与所述第二评估特征值的匹配关系；根据所述分析参数，统计在各个分析维度的各个分析阈值下，所述第一评估特征值对应的资源情况；根据所述第一评估特征值与所述第二评估特征值的匹配关系，统计在所述各个分析维度的各个分析阈值下，所述第二评估特征值对应的资源情况。
在本发明的一些实施例中，基于前述方案，确定用于资源分析的分析参数，包括：根据所述第二评估特征值，确定所述分析参数，所述分析参数包括分析维度及分析阈值，所述分析维度为预定评估特征的子集。
在本发明的一些实施例中，基于前述方案，根据所述分析参数对所述第一评估特征值、所述第二评估特征值进行分析，包括：对所述第一评估特征值和所述第二评估特征值进行特征相关度评估，以得到所述第一评估特征值与所述第二评估特征值的匹配关系；根据所述分析参数，统计在各个分析维度的各个分析阈值下，所述第二评估特征值对应的资源情况；根据所述第一评估特征值与所述第二评估特征值的匹配关系，统计在所述各个分析维度的各个分析阈值下，所述第一评估特征值对应的资源情况。
在本发明的一些实施例中，基于前述方案，对所述第一评估特征值和所述第二评估特征值进行特征相关度评估，包括：根据所述第一评估特征值和所述第二评估特征值，生成第一特征值向量和第二特征值向量；根据所述第一特征值向量、所述第二特征值向量和预定的评估规则集，对所述第一评估特征值和所述第二评估特征值进行特征相关度评估。
在本发明的一些实施例中，基于前述方案，所述预定的评估规则集包括所述评估特征对应的权重向量。
在本发明的一些实施例中，基于前述方案，通过以下矩阵对所述第一评估特征值和所述第二评估特征值进行特征相关度评估：
Figure GDA0001967097180000031
其中，DSMatrix表示特征相关度匹配矩阵；DemandMatrix表示多个第一评估特征值向量DFVi构成的第一特征值向量矩阵；SupplyMatrix表示多个第二评估特征值向量SFVj构成的第二特征值向量矩阵；W表示所述权重向量；S表示特征匹配运算函数，用于对DFVi与SFVj进行相关度评估，S(DFVi,SFVj,W)表示评估结果。
在本发明的一些实施例中，基于前述方案，所述的资源分析方法还包括：获取预定区域内的所述第一特征数据和所述第二特征数据，以对所述预定区域内的资源进行分析；和/或获取不同场景下的所述第一特征数据和所述第二特征数据，以对所述不同场景下的资源进行分析。
根据本发明实施例的第二方面，提供了一种资源分析装置，包括：获取单元，用于根据第一特征数据、第二特征数据以及评估特征获取第一评估特征值和第二评估特征值；确定单元，用于确定用于资源分析的分析参数；处理单元，用于根据所述分析参数对所述第一评估特征值、所述第二评估特征值进行分析。
根据本发明实施例的第三方面，提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现如上述实施例中第一方面所述的资源分析方法。
根据本发明实施例的第四方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述实施例中第一方面所述的资源分析方法。
在本发明的一些实施例所提供的技术方案中，通过根据第一特征数据、第二特征数据以及评估特征获取第一评估特征值和第二评估特征值，使得能够将第一特征数据(如需求群体的特征数据)和第二特征数据(如供给群体的特征数据)映射到同一维度上，进而能够便于对第一评估特征值和第二评估特征值进行分析。通过确定用于资源分析的分析参数，以根据确定的分析参数对第一评估特征值和第二评估特征值进行分析，使得能够基于确定的分析参数进行多维度的资源分析，进而能够提高资源(如需求资源与供给资源)分析的准确性，确保评估结果更具参考意义。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1示意性示出了根据本发明的实施例的资源分析方法的流程图；
图2示意性示出了根据本发明的第一个实施例的需求与供给的分析方法的流程图；
图3示出了根据本发明的实施例的需求与供给分析的整体框架示意图；
图4示出了根据本发明的实施例的需求与供给分析的具体流程示意图；
图5示意性示出了根据本发明的实施例的资源分析装置的框图；
图6示出了适于用来实现本发明实施例的电子设备的计算机系统的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本发明将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本发明的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
图1示意性示出了根据本发明的实施例的资源分析方法的流程图。
参照图1所示，根据本发明的实施例的资源分析方法，包括：
步骤S10，根据第一特征数据、第二特征数据以及评估特征获取第一评估特征值和第二评估特征值；
步骤S12，确定用于资源分析的分析参数；
步骤S14，根据所述分析参数对所述第一评估特征值、所述第二评估特征值进行分析。
需要说明的是：在图1所示的资源分析方法中，步骤S10先执行，步骤S12后执行，在本发明的其它实施例中，也可以是先执行步骤S12再执行步骤S10，还可以是同时执行步骤S10和步骤S12。
以下对图1中所示的各个步骤进行详细说明：
对于步骤S10，在本发明的实施例中，第一特征数据可以是需求侧的特征数据，如消费者群体的特征数据；第二特征数据可以是供给侧的特征数据，如商户群体的特征数据。所述评估特征为预定的评估特征，具体可以由行业信息确定。比如：对于餐饮行业，预定的评估特征可定义为：菜系、口味、客单价、距离、环境、服务、特色、位置等。
根据本发明的示例性实施例，步骤S10具体可以包括：根据所述预定的评估特征，将所述第一特征数据和所述第二特征数据分别映射为所述第一评估特征值及所述第二评估特征值。该实施例的技术方案使得能够将第一特征数据和第二特征数据映射到同一维度上，进而能够便于对第一评估特征值和第二评估特征值进行分析。
可选地，第一特征数据和第二特征数据可以是预定区域内的特征数据，进而可以对该预定区域内的资源进行分析。当然，第一特征数据和第二特征数据还可以是不同场景(如季节场景、气候场景、节假日场景、消费场景等)下的特征数据，进而可以对不同场景下的资源进行分析，这样能够确保分析结果更加细化、精准。当然，也可以获取预定区域内的不同场景下的第一特征数据和第二特征数据，以对该预定区域内的不同场景下的资源进行分析。
对于步骤S12和步骤S14，本发明的实施例提供了如下两种确定分析参数的方案，并基于这两种方案提供了相应的分析方法，具体如下：
方案一：
在本发明的实施例中，步骤S12包括：根据所述第一评估特征值，确定所述分析参数，所述分析参数包括分析维度及分析阈值，所述分析维度为预定评估特征的子集。
需要说明的是，分析维度表示分析的多个方面，分析阈值表示各个分析维度下的层次区间。具体地，比如对于餐饮行业，分析维度可以是美食类目，如日料、火锅、烧烤等，分析阈值可以是客单价区间。
在方案一中，是基于第一评估特征值来确定层次划分，基于此，步骤S14包括：对所述第一评估特征值和所述第二评估特征值进行特征相关度评估，以得到所述第一评估特征值与所述第二评估特征值的匹配关系；根据所述分析参数，统计在各个分析维度的各个分析阈值下，所述第一评估特征值对应的资源情况；根据所述第一评估特征值与所述第二评估特征值的匹配关系，统计在所述各个分析维度的各个分析阈值下，所述第二评估特征值对应的资源情况。
需要说明的是，统计第一评估特征值对应的资源情况的步骤与统计第二评估特征值对应的资源情况的步骤并没有绝对的先后顺序，二者之间既可以是同时执行的，也可以是先执行其中一个，再执行另一个。
方案二：
在本发明的实施例中，步骤S12包括：根据所述第二评估特征值，确定所述分析参数，所述分析参数包括分析维度及分析阈值，所述分析维度为预定评估特征的子集。
类似地，分析维度表示分析的多个方面，分析阈值表示各个分析维度下的层次区间。具体地，比如对于餐饮行业，分析维度可以是美食类目，如日料、火锅、烧烤等，分析阈值可以是客单价区间。
在方案二中，是基于第二评估特征值来确定层次划分，基于此，步骤S14包括：对所述第一评估特征值和所述第二评估特征值进行特征相关度评估，以得到所述第一评估特征值与所述第二评估特征值的匹配关系；根据所述分析参数，统计在各个分析维度的各个分析阈值下，所述第二评估特征值对应的资源情况；根据所述第一评估特征值与所述第二评估特征值的匹配关系，统计在所述各个分析维度的各个分析阈值下，所述第一评估特征值对应的资源情况。
同样地，统计第一评估特征值对应的资源情况的步骤与统计第二评估特征值对应的资源情况的步骤并没有绝对的先后顺序，二者之间既可以是同时执行的，也可以是先执行其中一个，再执行另一个。
在上述方案一和方案二中，对第一评估特征值和第二评估特征值进行特征相关度评估，包括：根据所述第一评估特征值和所述第二评估特征值，生成第一特征值向量和第二特征值向量；根据所述第一特征值向量、所述第二特征值向量和预定的评估规则集，对所述第一评估特征值和所述第二评估特征值进行特征相关度评估。
需要说明的是，预定的评估规则集包含了一些用于对特征相关度进行评估的约束条件，可选地，在本发明的实施例中，所述预定的评估规则集包括所述评估特征对应的权重向量。
在本发明的一个具体实施例中，，通过以下矩阵对所述第一评估特征值和所述第二评估特征值进行特征相关度评估：
Figure GDA0001967097180000081
其中，DSMatrix表示特征相关度匹配矩阵；DemandMatrix表示多个第一评估特征值向量DFVi构成的第一特征值向量矩阵；SupplyMatrix表示多个第二评估特征值向量SFVj构成的第二特征值向量矩阵；W表示所述权重向量；S表示特征匹配运算函数，用于对DFVi与SFVj进行相关度评估，S(DFVi,SFVj,W)表示评估结果。
需要说明的是：DemandMatrix可以为行矩阵，那么SupplyMatrix为列矩阵。当然，DemandMatrix也可以为列矩阵，那么SupplyMatrix为行矩阵。对于S(DFVi,SFVj,W)，可以拟合为一个[0,1]的区间值，0表示完全不匹配，1表示完全匹配。
为了便于理解本发明，以下以上述的第一特征数据为需求群体(如消费者群体)的特征数据、以第二特征数据为供给群体(如商户群体)的特征数据为例，对供给资源和需求资源的分析进行详细阐述：
图2示意性示出了根据本发明的第一个实施例的需求与供给的分析方法的流程图。
参照图2所示，根据本发明的第一个实施例的需求与供给的分析方法，包括以下步骤：
步骤S20，获取需求群体的特征数据和供给群体的特征数据。
在本发明的实施例中，在获取需求群体的特征数据和供给群体的特征数据时，可以获取预定区域内的需求群体的特征数据和供给群体的特征数据，以对该预定区域内的需求与供给进行分析。或者可以获取不同场景(如季节场景、气候场景、节假日场景、消费场景等)下的需求群体的特征数据和供给群体的特征数据，以对不同场景下的需求与供给情况进行分析，这样能够确保分析结果更加细化、精准。当然，也可以获取预定区域内的不同场景下的需求群体的特征数据和供给群体的特征数据，以对该预定区域内的不同场景下的需求与供给情况进行分析。
步骤S22，对所述需求群体的特征数据和所述供给群体的特征数据进行映射处理，以得到所述需求群体的评估特征值和所述供给群体的评估特征值。
在本发明的实施例中，通过对需求群体的特征数据和供给群体的特征数据进行映射处理，以得到需求群体的评估特征值和供给群体的评估特征值，使得能够将需求群体的特征数据和供给群体的特征数据映射到同一维度上，进而能够便于对需求和供给进行分析。
可选地，步骤S22可以包括：获取预定的评估特征，将所述需求群体的特征数据和所述供给群体的特征数据映射为所述评估特征的特征值。
在本发明的实施例中，预定的评估特征可以根据行业信息来确定。比如：餐饮行业的评估特征可定义为：Factor(菜系，口味，客单价，距离，环境，服务，特色，位置)。需要说明的是，确定的评估特征会对结果的精度造成影响，评估特征越全面，精度越高。
步骤S24，确定用于需求与供给分析的分析维度及层次划分。
步骤S26，根据所述需求群体的评估特征值、所述供给群体的评估特征值和所述分析维度及所述层次划分，统计各个分析维度的各个层次下的需求与供给情况。
对于步骤S24和步骤S26，本发明的实施例提供了如下两种确定分析维度及层次划分的方案，并基于这两种方案提供了相应的统计需求与供给情况的方案，具体如下：
方案一：
在本发明的实施例中，步骤S24包括：根据所述需求群体的评估特征值，确定所述分析维度及层次划分。
在方案一中，可以基于需求群体的评估特征值来确定分析维度及层次划分，基于此，步骤S26包括：对所述需求群体的评估特征值和所述供给群体的评估特征值进行特征相关度评估，以得到需求与供给的匹配关系；根据所述分析维度及层次划分，统计各个分析维度的各个层次下的需求情况；根据所述需求与供给的匹配关系，统计所述各个分析维度的各个层次下的供给情况。
需要说明的是，统计需求情况的步骤与统计供给情况的步骤并没有绝对的先后顺序，二者之间既可以是同时执行的，也可以是先执行其中一个，再执行另一个。
方案二：
在本发明的实施例中，步骤S24包括：根据所述供给群体的评估特征值，确定所述分析维度及层次划分。
在方案二中，可以基于供给群体的评估特征值来确定分析维度及层次划分，基于此，步骤S26包括：对所述需求群体的评估特征值和所述供给群体的评估特征值进行特征相关度评估，以得到需求与供给的匹配关系；根据所述分析维度及层次划分，统计各个分析维度的各个层次下的供给情况；根据所述需求与供给的匹配关系，统计所述各个分析维度的各个层次下的需求情况。
类似地，统计需求情况的步骤与统计供给情况的步骤并没有绝对的先后顺序，二者之间既可以是同时执行的，也可以是先执行其中一个，再执行另一个。
在上述方案一和方案二中，对需求群体的评估特征值和供给群体的评估特征值进行特征相关度评估的过程可以包括：根据所述需求群体的各个评估特征值和所述供给群体的各个评估特征值，生成所述需求群体的特征值向量和所述供给群体的特征值向量；根据所述需求群体的特征值向量、所述供给群体的特征值向量和预定的评估规则集，对所述需求群体的评估特征值和所述供给群体的评估特征值进行特征相关度评估。
需要说明的是，预定的评估规则集包含了一些用于对特征相关度进行评估的约束条件，可选地，在本发明的实施例中，所述评估规则集包括评估特征对应的权重向量。
在本发明的一个具体实施例中，可以通过以下矩阵对所述需求群体的评估特征值和所述供给群体的评估特征值进行特征相关度评估：
Figure GDA0001967097180000111
其中，DSMatrix表示特征相关度匹配矩阵；DemandMatrix表示各个需求个体的评估特征值向量DFVi构成的需求群体的特征值向量矩阵；SupplyMatrix表示各个供给个体的评估特征值向量SFVj构成的供给群体的特征值向量矩阵；W表示所述权重向量；S表示特征匹配运算函数，用于对DFVi与SFVj进行相关度评估，S(DFVi,SFVj,W)表示评估结果。
需要说明的是：DemandMatrix可以为行矩阵，那么SupplyMatrix为列矩阵。当然，DemandMatrix也可以为列矩阵，那么SupplyMatrix为行矩阵。对于S(DFVi,SFVj,W)，可以拟合为一个[0,1]的区间值，0表示完全不匹配，1表示完全匹配。
在本发明的实施例中，当统计各个层次下的需求与供给情况之后，可以根据各个层次下的需求与供给情况，计算各个层次下的潜在剩余市场。在得到各个层次下的潜在剩余市场之后，可以基于各个层次下的潜在剩余市场来辅助进行门店选址。
在图2所示的需求与供给的分析方法的基础上，以下结合图3和图4对本发明实施例的实现细节进行说明。
参照图3所示，本发明实施例的需求与供给的分析策略主要是采集预定区域内某行业的用户行为数据和商户行为数据，并据此确定用户画像和商户画像。进而以用户画像和商户画像为基础，通过用户画像评估各消费档次上的潜在消费规模，并通过商户画像评估各服务档次上已提供的服务能力。进而将潜在消费规模与已提供的服务能力进行特征匹配，计算出预定区域内、特定行业、特定消费层次上的剩余市场规模。
需要说明的是，在本发明的实施例中，用户行为数据可以包含如下全部或部分信息：
1、基本信息，如身份、年龄、行业、收入、信用、资产状况等；
2、家庭状况，如家庭人口数、年龄分布、家庭其他成员收入等；
3、个人爱好以及对爱好的投入；
4、线上消费情况，如商品购买的品类、价格、档次等；
5、线下消费情况，如服务与商品的购买情况、价格、档次等；
6、活动范围，如商圈、区域、路径等；
7、社交信息，如微信、QQ、支付宝等社交信息。
根据用户行为数据确定的用户画像可以包含以下维度：身份特质；兴趣偏好；活动范围；消费场景；线上及线下交易情况；消费能力等。
在本发明的实施例中，商户行为数据可以包含如下全部或部分信息：
1、基本信息，如服务类目(细分行业)、营业时间、规模、地段；
2、经营情况，如客单价、翻台率等；
3、目标客户情况，如目标客户年龄、回头率等；
4、服务质量，如服务评价、环境、人气等；
5、营销手段，如外卖、团购、到店付、线上推广等。
根据商户行为数据确定的商户画像可以包含以下维度：服务所属类目(细分行业)；服务档次，如客单价等；好评率，如环境、人气、服务满意度等；特色；服务能力，如交易规模、交易形式等；服务地理范围。
基于上述得到的用户画像和商户画像，可以对需求和供给进行特征提取及相关度分析等处理，具体过程如图4所示。
参照图4，需要说明的是，由于供给与需求的匹配是互为参照的，为了避免计算过程中边界值0的影响，需求与供给侧都必须提供种子数据，种子数据一般为具有典型用户特征的虚拟数据。可选地，种子数据要求如下：
1、商户种子数据要体现该行业的特征，是该行业的典型画像，用户种子数据则体现典型用户特征即可；
2、商户种子数据要覆盖重要的细分类目，用户种子数据无此要求；
3、商户种子数据要明确消费档次，用户种子数据无此要求；
4、商户种子数据在每个类目、每个档次上最好有一条种子数据，用户种子数据无此要求；
5、种子数据仅聚集特征，并无消费/服务能力。
在图4所示的处理流程中，主要包含以下几个过程：
过程401，评估特征的确定。评估特征是对需求与供给的匹配结果产生影响的特征，记为Factor(f1，f2…fn)。比如，餐饮行业评估特征可定义为(但不限于这些特征)：Factor(菜系，口味，客单价，距离，环境，服务，特色，位置)。评估特征的提取会对结果的精度造成影响，特征越全面，精度越高，但计算的复杂度随之上升。
过程402，根据确定的评估特征，对需求群体与供给群体分别进行基于用户画像与商户画像的特征映射，从而获得用户评估特征值向量与商户评估特征值向量。
在本发明的实施例中，用户画像与商户画像可以通过Map定义为：ProfileMap<Feature，Value>，其中Feature是特征，Value是该特征的值，特征映射表达为：F(ProfileMap，Factor)，其中F为映射函数，ProfileMap为画像的特征集，Factor为评估特征向量。通常画像的特征集是很丰富的，维度远大于评估特征集。F的功能是将画像特征集映射为评估特征集，这种映射是多对一映射，如用户画像中有特征{<交通工具，汽车>，<容忍时间，20min>}，这两个特征映射到评估特征<距离>时，得到该用户对距离的特征为<距离，10公里>(以市内交通每小时30公里×1/3小时＝10公里)。这种特征映射可以采用经验公式进行计算，也可以采用机器学习，通过样本训练得到更精确的结果。
按照上述描述的方式，以评估特征集为基础，对需求群体中的每个需求个体(用户)进行特征映射计算，得到评估特征的特征值，这些特征值按评估特征集中的顺序记为该需求个体的特征值向量：
DFV＝(fv1,fv2,…,fvn)
同样地，以评估特征集为基础，对供给群体中的每个供给个体(商户)进行特征映射计算，得到供给群体中每个供给个体的特征值向量：
SFV＝(fv1,fv2,…,fvn)
过程403，将需求群体的特征值向量记为行矩阵，假设共有n个需求个体，得到的行矩阵如下：
Figure GDA0001967097180000141
将供给群体的特征值向量记为列矩阵，假设共有m个供给个体，得到的列矩阵如下：
SupplyMatrix＝[SFV1 … SFVm]
需要说明的是，在本发明的其它实施例中，也可以将需求群体的特征值向量记为列矩阵，将供给群体的特征值向量记为行矩阵。
过程404，特征相关度评估。
a)特征相关度评估时不同特征的权重是不同的，例如在餐饮行业，用户标签<菜系>对相关度影响的权重大于其他特征。不同行业，特征的权重会完全不同，可以采用机器学习通过样本训练获得。按评估特征集定义对应的权重向量，如下：
W＝(fw1,fw2,…,fwn)
需要说明的是，该实施例中以权重作为评估约束进行说明，在本发明的其它实施例中，也可以增加更多的约束构成评估规则集上来提高特征相关度评估的准确性(如避开立交桥中间或某些特殊地段等)。
b)对上面两个矩阵进行特征匹配运算，得到需求与供给匹配矩阵DSMatrix：
Figure GDA0001967097180000142
其中，S为特征匹配运算函数，用于对DFV与SFV进行相关度评估，S(DFVi,SFVj,W)为评估结果，可以拟合为一个[0,1]的区间值，0表示完全不匹配，1表示完全匹配。输出的矩阵即为需求与供给匹配矩阵，具体如表1所示：
Figure GDA0001967097180000151
表1
过程405，需求与供给汇总分析。
a)对需求与供给进行相似度区间划分(区间划分即为层次划分)，本发明的实施例提供了如下两种划分策略：
需求驱动：以需求群体的特征为基础进行区间划分；
供给驱动：以供给群体的特征为基础进行区间划分。
例如：对于餐饮行业，按美食类目和消费水平可能分为多个区间：(日料，客单80-150)，(日料，客单150-300)，(火锅，客单50-100)等，这种区间划分既可以由需求群体的特征决定，也可以由供给群体的特征决定。
b)为了保证需求与供给匹配的精确性，汇总必须在需求供给相关度匹配完成后进行(若先汇总，后匹配，则汇总后数据的特征本身也会需要按数学期望进行平均处理，反而让匹配失真)。基于上述划分的区间，对应的汇总方法如下：
在基于需求侧驱动区间划分的情况下，将相似的需求个体进行汇总，需求汇总后，按需求与供给的相关匹配度，取特定区间的数据对供给侧进行汇总。
在基于供给侧驱动区间划分的情况下，将相似的供给个体进行汇总，供给汇总后，按供给与需求的相关匹配度，取特定区间的数据对需求侧进行汇总。
在本发明的一个具体实施例中，汇总结果可以如表2所示：
Figure GDA0001967097180000152
Figure GDA0001967097180000161
表2
过程406，计算每个类目下特定层次的潜在剩余市场。具体可以通过以下公式进行计算：
PMZ＝TotalDemand–TotalSupply
其中，PMZ表示潜在市场规模，TotalDemand表示特定类目在特定客单价下的总需求，TotalSupply表示特定类目在特定客单价下的总供给。
基于上述过程，可以得到最终的分析结果，以用于支持商业决策，比如门店选址等。
需要说明的是，在本发明的上述实施例中，在对需求与供给进行匹配分析时，可以加入场景(如季节，气候，节假日，消费场景)因素，这样使得匹配的结果会以场景为变量进行变化，但对所有场景的汇总将会使结果更加准确。
本发明上述实施例的技术方案通过用户行为评估潜在客户，并对客户消费区间(层次)进行划分，使潜在客户的识别更精准；通过交易数据评估服务能力，并对服务能力进行区间(档次)划分，提升评估结果的精准性；通过对客户消费区间(层次)与服务区间(档次)的匹配来评估服务饱和度，给出潜在剩余市场规模，使得评估结果更具参考意义。
此外，在本发明的实施例中，也可以仅对消费端进行分析，得出特定区域特定行业的消费溢出(即本区域满足而转移到其他地区的消费)，从而反推本区域的剩余潜在市场，以用于支持商业决策。
图5示意性示出了根据本发明的实施例的资源分析装置的框图。
参照图5所示，根据本发明的实施例的资源分析装置500，包括：获取单元502、确定单元504和处理单元506。
具体地址，获取单元502用于根据第一特征数据、第二特征数据以及评估特征获取第一评估特征值和第二评估特征值；确定单元504用于确定用于资源分析的分析参数；处理单元506用于根据所述分析参数对所述第一评估特征值、所述第二评估特征值进行分析。
在本发明的一些实施例中，基于前述方案，所述评估特征为预定的评估特征，所述预定的评估特征由行业信息确定；
获取单元502配置为：根据所述预定的评估特征，将所述第一特征数据和所述第二特征数据分别映射为所述第一评估特征值及所述第二评估特征值。
在本发明的一些实施例中，基于前述方案，确定单元504配置为：根据所述第一评估特征值，确定所述分析参数，所述分析参数包括分析维度及分析阈值，所述分析维度为预定评估特征的子集。
在本发明的一些实施例中，基于前述方案，处理单元506配置为：对所述第一评估特征值和所述第二评估特征值进行特征相关度评估，以得到所述第一评估特征值与所述第二评估特征值的匹配关系；根据所述分析参数，统计在各个分析维度的各个分析阈值下，所述第一评估特征值对应的资源情况；根据所述第一评估特征值与所述第二评估特征值的匹配关系，统计在所述各个分析维度的各个分析阈值下，所述第二评估特征值对应的资源情况。
在本发明的一些实施例中，基于前述方案，确定单元504配置为：根据所述第二评估特征值，确定所述分析参数，所述分析参数包括分析维度及分析阈值，所述分析维度为预定评估特征的子集。
在本发明的一些实施例中，基于前述方案，处理单元506配置为：对所述第一评估特征值和所述第二评估特征值进行特征相关度评估，以得到所述第一评估特征值与所述第二评估特征值的匹配关系；根据所述分析参数，统计在各个分析维度的各个分析阈值下，所述第二评估特征值对应的资源情况；根据所述第一评估特征值与所述第二评估特征值的匹配关系，统计在所述各个分析维度的各个分析阈值下，所述第一评估特征值对应的资源情况。
在本发明的一些实施例中，基于前述方案，处理单元506还用于：根据所述第一评估特征值和所述第二评估特征值，生成第一特征值向量和第二特征值向量；根据所述第一特征值向量、所述第二特征值向量和预定的评估规则集，对所述第一评估特征值和所述第二评估特征值进行特征相关度评估。
在本发明的一些实施例中，基于前述方案，所述预定的评估规则集包括所述评估特征对应的权重向量。
在本发明的一些实施例中，基于前述方案，通过以下矩阵对所述第一评估特征值和所述第二评估特征值进行特征相关度评估：
Figure GDA0001967097180000181
其中，DSMatrix表示特征相关度匹配矩阵；DemandMatrix表示多个第一评估特征值向量DFVi构成的第一特征值向量矩阵；SupplyMatrix表示多个第二评估特征值向量SFVj构成的第二特征值向量矩阵；W表示所述权重向量；S表示特征匹配运算函数，用于对DFVi与SFVj进行相关度评估，S(DFVi,SFVj,W)表示评估结果。
在本发明的一些实施例中，基于前述方案，获取单元502还用于：获取预定区域内的所述第一特征数据和所述第二特征数据，以对所述预定区域内的资源进行分析；和/或获取不同场景下的所述第一特征数据和所述第二特征数据，以对所述不同场景下的资源进行分析。
下面参考图6，其示出了适于用来实现本发明实施例的电子设备的计算机系统600的结构示意图。图6示出的电子设备的计算机系统600仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统操作所需的各种程序和数据。CPU601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地，根据本发明的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的系统中限定的上述功能。
需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现如上述实施例中所述的需求与供给的分析方法。
例如，所述电子设备可以实现如图1中所示的：步骤S10，根据第一特征数据、第二特征数据以及评估特征获取第一评估特征值和第二评估特征值；步骤S12，确定用于资源分析的分析参数；步骤S14，根据所述分析参数对所述第一评估特征值、所述第二评估特征值进行分析。
又如，所述电子设备可以实现如图2和图4中所示的各个步骤。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本发明实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (8)

1.一种资源分析方法，其特征在于，包括：
根据第一特征数据、第二特征数据以及评估特征获取第一评估特征值和第二评估特征值，所述第一特征数据为需求侧特征数据，所述第二特征数据为供给侧特征数据，所述第一评估特征值为需求群体的评估特征值，所述第二评估特征值为供给群体的评估特征值，所述评估特征为预定的评估特征；
确定用于资源分析的分析参数，所述分析参数根据所述需求群体的评估特征值或所述供给群体的评估特征值确定，包括分析维度及分析阈值，所述分析维度为所述预定的评估特征的子集，所述分析阈值用于确定所述分析维度的层次划分；
根据所述分析参数对所述需求群体的评估特征值、所述供给群体的评估特征值进行分析，统计在各个分析维度的各个分析阈值下，所述需求群体的评估特征值和所述供给群体的评估特征值对应的资源情况，得到剩余市场规模，以辅助进行门店选址；
其中，所述根据所述分析参数对所述需求群体的评估特征值、所述供给群体的评估特征值进行分析，统计在各个分析维度的各个分析阈值下，所述需求群体的评估特征值和所述供给群体的评估特征值对应的资源情况，包括：
根据所述需求群体的评估特征值和所述供给群体的评估特征值，生成第一特征值向量和第二特征值向量；
根据所述第一特征值向量、所述第二特征值向量和预定的评估规则集，对所述需求群体的评估特征值和所述供给群体的评估特征值进行特征相关度评估，以得到需求与供给的匹配关系，所述预定的评估规则集包括所述评估特征对应的权重向量；
根据所述分析参数，统计在各个分析维度的各个层次下的需求情况或供给情况；
根据所述需求与供给的匹配关系，统计在所述各个分析维度的各个层次下的供给情况或需求情况。
2.根据权利要求1所述的资源分析方法，其特征在于，所述预定的评估特征由行业信息确定；
所述根据第一特征数据、第二特征数据以及评估特征获取第一评估特征值和第二评估特征值，包括：根据所述预定的评估特征，将所述需求侧特征数据和所述供给侧特征数据分别映射为所述需求群体的评估特征值及所述供给群体的评估特征值。
3.根据权利要求2所述的资源分析方法，其特征在于，所述根据所述预定的评估特征，将所述需求侧特征数据和所述供给侧特征数据分别映射为所述需求群体的评估特征值及所述供给群体的评估特征值，包括：
根据预定行业的评估特征，将用户行为数据和商户行为数据分别映射为用户画像和商户画像；
所述根据所述分析参数对所述需求群体的评估特征值、所述供给群体的评估特征值进行分析，统计在各个分析维度的各个分析阈值下，所述需求群体的评估特征值和所述供给群体的评估特征值对应的资源情况，包括：
根据所述分析参数对所述用户画像进行分析，评估各消费档次上的潜在消费规模；
根据所述分析参数对所述商户画像进行分析，评估各服务档次上已提供的服务能力；
将所述潜在消费规模与所述已提供的服务能力进行匹配，得到剩余市场规模。
4.根据权利要求1所述的资源分析方法，其特征在于，通过以下矩阵对所述需求群体的评估特征值和所述供给群体的评估特征值进行特征相关度评估：
Figure FDA0002369779710000021
其中，DSMatrix表示特征相关度匹配矩阵；DemandMatrix表示多个需求群体的评估特征值向量DFVi构成的第一特征值向量矩阵；SupplyMatrix表示多个供给群体的评估特征值向量SFVj构成的第二特征值向量矩阵；W表示所述权重向量；S表示特征匹配运算函数，用于对DFVi与SFVj进行相关度评估，S(DFVi,SFVj,W)表示评估结果。
5.根据权利要求1至3中任一项所述的资源分析方法，其特征在于，还包括：
获取预定区域内的所述第一特征数据和所述第二特征数据，以对所述预定区域内的资源进行分析；和/或
获取不同场景下的所述第一特征数据和所述第二特征数据，以对所述不同场景下的资源进行分析。
6.一种资源分析装置，其特征在于，包括：
获取单元，用于根据第一特征数据、第二特征数据以及评估特征获取第一评估特征值和第二评估特征值，所述第一特征数据为需求侧特征数据，所述第二特征数据为供给侧特征数据，所述第一评估特征值为需求群体的评估特征值，所述第二评估特征值为供给群体的评估特征值，所述评估特征为预定的评估特征；
确定单元，用于确定用于资源分析的分析参数，所述分析参数根据所述需求群体的评估特征值或所述供给群体的评估特征值确定，包括分析维度及分析阈值，所述分析维度为所述预定的评估特征的子集，所述分析阈值用于确定所述分析维度的层次划分；
处理单元，用于根据所述分析参数对所述需求群体的评估特征值、所述供给群体的评估特征值进行分析，统计在各个分析维度的各个分析阈值下，所述需求群体的评估特征值和所述供给群体的评估特征值对应的资源情况，得到剩余市场规模，以辅助进行门店选址；
其中，所述处理单元，配置为：
根据所述需求群体的评估特征值和所述供给群体的评估特征值，生成第一特征值向量和第二特征值向量；
根据所述第一特征值向量、所述第二特征值向量和预定的评估规则集，对所述需求群体的评估特征值和所述供给群体的评估特征值进行特征相关度评估，以得到需求与供给的匹配关系，所述预定的评估规则集包括所述评估特征对应的权重向量；
根据所述分析参数，统计在各个分析维度的各个层次下的需求情况或供给情况；
根据所述需求与供给的匹配关系，统计在所述各个分析维度的各个层次下的供给情况或需求情况。
7.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1至5中任一项所述的资源分析方法。
8.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至5中任一项所述的资源分析方法。
CN201711102866.3A 2017-11-10 2017-11-10 资源分析方法、装置、介质和电子设备 Active CN107886241B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711102866.3A CN107886241B (zh) 2017-11-10 2017-11-10 资源分析方法、装置、介质和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711102866.3A CN107886241B (zh) 2017-11-10 2017-11-10 资源分析方法、装置、介质和电子设备

Publications (2)

Publication Number Publication Date
CN107886241A CN107886241A (zh) 2018-04-06
CN107886241B true CN107886241B (zh) 2020-07-31

Family

ID=61779808

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711102866.3A Active CN107886241B (zh) 2017-11-10 2017-11-10 资源分析方法、装置、介质和电子设备

Country Status (1)

Country Link
CN (1) CN107886241B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110363365B (zh) * 2018-04-10 2024-04-09 北京京东尚科信息技术有限公司 一种资源投入产出分析方法和装置
CN109961357B (zh) * 2019-03-25 2021-09-03 上海拉扎斯信息科技有限公司 用户数据处理方法、装置、电子设备及存储介质
CN110189157A (zh) * 2019-04-16 2019-08-30 再惠(上海)网络科技有限公司 商户管理方法、系统、电子终端、及存储介质
CN112561550A (zh) * 2019-09-26 2021-03-26 中移动信息技术有限公司 商户的健康度分类方法、装置、设备及存储介质
CN112561559A (zh) * 2020-09-04 2021-03-26 上海东普信息科技有限公司 商户画像模型生成方法、装置、设备及存储介质
CN113610587B (zh) * 2020-12-17 2024-01-23 江苏锁安科技有限公司 一种智能家居订单服务平台的分发方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8117138B2 (en) * 2008-03-11 2012-02-14 International Business Machines Corporation Method and apparatus for location evaluation and site selection
CN102163205A (zh) * 2010-02-21 2011-08-24 施章祖 一种类似客户群体的自动挖掘系统
CN102339415A (zh) * 2010-07-22 2012-02-01 北京市药品监督管理局药品认证管理中心 药品生产经营企业风险评估系统
CN102831541A (zh) * 2012-08-14 2012-12-19 上海克而瑞信息技术有限公司 房屋价值自动评估方法及装置
CN103077494B (zh) * 2013-01-09 2016-03-23 北京中科金财科技股份有限公司 一种动态数据处理评估方法及系统
CN104899660B (zh) * 2015-06-15 2018-04-27 西北工业大学 基于奇异值分解的商铺受欢迎度预测方法
CN106651392A (zh) * 2016-12-07 2017-05-10 中国联合网络通信集团有限公司 一种智能商业选址方法、装置及系统

Also Published As

Publication number Publication date
CN107886241A (zh) 2018-04-06

Similar Documents

Publication Publication Date Title
CN107886241B (zh) 资源分析方法、装置、介质和电子设备
CN107220852A (zh) 用于确定目标推荐用户的方法、装置和服务器
Wu et al. User Value Identification Based on Improved RFM Model and K‐Means++ Algorithm for Complex Data Analysis
CN107516246B (zh) 用户类型的确定方法、确定装置、介质及电子设备
CN108734587A (zh) 金融产品的推荐方法及终端设备
CN111966886A (zh) 对象推荐方法、对象推荐装置、电子设备及存储介质
CN112163781A (zh) 基于多维度指标聚类的园区用电群体生命周期评价方法
CN114707733A (zh) 风险指标的预测方法、装置、电子设备及存储介质
Zhang et al. A Precision Marketing Strategy of e‐Commerce Platform Based on Consumer Behavior Analysis in the Era of Big Data
CN111754287A (zh) 物品筛选方法、装置、设备和存储介质
Fullerton Jr et al. Physical infrastructure and economic growth in El Paso
CN116596576B (zh) 目标推荐方法及装置
CN112966768A (zh) 用户数据的分类方法、装置、设备和介质
CN112950359A (zh) 一种用户识别方法和装置
Kang et al. Global trade of South Korea in competitive products and their impact on regional dependence
CN115827994A (zh) 一种数据处理方法、装置、设备、存储介质
CN114741592B (zh) 一种基于多模型融合的产品推荐方法、设备及介质
CN116029794A (zh) 商品价格确定方法、装置、电子设备及存储介质
CN107357847B (zh) 数据处理方法及其装置
CN115713384A (zh) 推荐物品的方法、装置、存储介质及电子设备
CN116308615A (zh) 产品推荐方法、装置、电子设备及存储介质
CN110490682A (zh) 分析商品属性的方法和装置
CN111078638B (zh) 电子资源处理方法、装置、介质及服务器
CN114648391B (zh) 一种网购信息推荐方法
CN110738538A (zh) 识别相似物品的方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant