CN108805385A - 一种评价商户的经营状况的方法、装置及设备 - Google Patents

Abstract

本说明书实施例公开了一种评价商户的经营状况的方法、装置及设备。在本说明实施例中，按照各第一时间间隔的时间先后顺序，将待评价的商户在各第一时间间隔内的实际经营指标值形成指标值序列，然后根据所述指标值序列，预测所述商户在第二时间间隔内的预测指标值，其中所述第二时间间隔是所有第一时间间隔之后的时间间隔。通过比较所述商户在所述第二时间间隔内的实际指标值和预测指标值，可以对所述商户的经营状况进行评价。

Description

一种评价商户的经营状况的方法、装置及设备

技术领域

本说明书涉及信息技术领域，尤其涉及一种评价商户的经营状况的方法、装置及设备。

背景技术

众所周知，对商户的经营状况进行评价，是商户管理工作的重要内容。通常地，可对商户的多项经营指标(如交易量、营业额、用户好评数等)进行分析，以便对商户的经营状况进行综合评价。

具体地，针对每项经营指标，对商户的该项经营指标进行分析的方式为，对商户在每个指定时间间隔内(如每天、每月或每季度)的该项经营指标的值(本文将之称为指标值)进行统计，并计算商户在各指定时间间隔内的指标值的方差。通常认为，方差越小，表明商户的指标值越不容易发生波动，也就表明商户的经营状况越好，因此，对商户的评价就越高；方差越大，表明商户的指标值越容易发生波动，也就表明商户的经营状况越差，因此，对商户的评价就越低。

基于现有技术，需要一种更为准确的评价商户的经营状况的方法。

发明内容

本说明书实施例提供一种评价商户的经营状况的方法、装置及设备，以解决现有技术中存在的对商户的经营状况进行评价的准确性不高的问题。

为解决上述技术问题，本说明书实施例是这样实现的：

本说明书实施例提供的一种评价商户的经营状况的方法，包括：

获取待评价的商户在各第一时间间隔内的实际指标值；

按照各第一时间间隔的时间先后顺序，对所述商户在各第一时间间隔内的实际指标值进行排序，得到指标值序列；

根据所述指标值序列，预测所述商户在第二时间间隔内的预测指标值；所述第二时间间隔是所有第一时间间隔之后的时间间隔；

比较所述商户在所述第二时间间隔内的实际指标值和预测指标值；

根据比较结果，对所述商户的经营状况进行评价。

本说明书实施例提供的一种评价商户的经营状况的装置，包括：

获取模块，获取待评价的商户在各第一时间间隔内的实际指标值；

排序模块，按照各第一时间间隔的时间先后顺序，对所述商户在各第一时间间隔内的实际指标值进行排序，得到指标值序列；

预测模块，根据所述指标值序列，预测所述商户在第二时间间隔内的预测指标值；所述第二时间间隔是所有第一时间间隔之后的时间间隔；

比较模块，比较所述商户在所述第二时间间隔内的实际指标值和预测指标值；

评价模块，根据比较结果，对所述商户的经营状况进行评价。

本说明书实施例提供的一种评价商户的经营状况的设备，包括一个或多个处理器及存储器，所述存储器存储有程序，并且被配置成由所述一个或多个处理器执行以下步骤：

获取待评价的商户在各第一时间间隔内的实际指标值；

按照各第一时间间隔的时间先后顺序，对所述商户在各第一时间间隔内的实际指标值进行排序，得到指标值序列；

根据所述指标值序列，预测所述商户在第二时间间隔内的预测指标值；所述第二时间间隔是所有第一时间间隔之后的时间间隔；

比较所述商户在所述第二时间间隔内的实际指标值和预测指标值；

根据比较结果，对所述商户的经营状况进行评价。

由以上本说明书实施例提供的技术方案可见，在本说明书实施例中，按照各第一时间间隔的时间先后顺序，将待评价的商户在各第一时间间隔内的实际经营指标值形成指标值序列，然后根据所述指标值序列，预测所述商户在第二时间间隔内的预测指标值，其中所述第二时间间隔是所有第一时间间隔之后的时间间隔。通过比较所述商户在所述第二时间间隔内的实际指标值和预测指标值，可以对所述商户的经营状况进行评价。本说明书认为，商户在各指定时间间隔内的指标值的变化趋势呈现出的规律性越强(即根据商户过去的指标值预测的商户未来的指标值越准确)，说明商户的经营状况越好。而通过本说明书实施例，可以分析出所述商户在各指定时间间隔内的指标值的变化趋势呈现出的规律性的强弱，并据此实现对所述商户的经营状况的评价。如此，就可以避免将采取个性化经营策略的优良商户(例如，因定期举办营销活动而导致在此期间的经营指标值突增的商户，又如，因定期歇业而导致在此期间的经营指标值突降的商户)误判为经营状况不佳的商户，从而提升了对商户的经营状况进行评价的准确性。

附图说明

为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是商户A在2016年中各月的交易量的变化趋势图；

图2是本说明实施例提供的一种评价商户的经营状况的方法流程图；

图3是2017年中各月的实际交易量的变化趋势和时序预测模型预测的2017年中各月的预测交易量的变化趋势示意图；

图4是本说明书实施例提供的一种评价商户的经营状况的装置示意图；

图5是本说明书实施例提供的一种评价商户的经营状况的设备示意图。

具体实施方式

在现有技术中，通常认为一个商户在各指定时间间隔内的经营指标值越不容易发生波动，说明该商户的经营状况就越好。基于此，可以计算商户在各指定时间间隔内的经营指标值的方差，来衡量商户在各指定时间间隔内的经营指标值的波动程度，进而据此评价商户的经营状况。

实践中，有些经营状况良好的商户(本文称之为优良商户)会采用个性化的经营策略，比如定期进行营销活动(如每年参加双11营销活动)或定期歇业(如于每年2月份歇业一个月)。个性化的经营策略可能会导致这些商户在特定的时间间隔内的指标值会出现突增(如每年11月的交易量突增)或突降(如每年2月份的交易量为0)，导致这些优良商户在各指定时间间隔内的指标值的方差较大。然而，仅因为这些优良商户在各指定时间间隔内的指标值的方差较大，就将这些优良商户评价为经营状况不佳的商户，显然是不合理的。可见，现有的对优良商户的经营状况的评价方法具有很大的局限性，容易将一些优良商户误判为经营状况不佳的商户。也就是说，现有的评价商户的经营状况的方法的准确性不高。

图1是商户A在2016年中各月的交易量的变化趋势图。如图1所示，商户A在每年的2月会暂时歇业，导致商户A在每年的2月份的交易量为0，商户A在每年11月会参加电商平台的双11营销活动，导致商户A在每年11月的交易量出现突增。显然，虽然商户A在每年2月和每年11月的交易量都会出现异常，但是这种异常是由于商户A的个性化的经营策略导致的，是正常情况，这并不意味着商户A的经营状况较差。

而本说明书认为，商户在各指定时间间隔内的指标值的变化趋势呈现出的规律性越强(即根据商户过去的指标值预测的商户未来的指标值越准确)，说明商户的经营状况越好。

基于此，本发明提出了如下技术方案：按照各第一时间间隔的时间先后顺序，将待评价的商户在各第一时间间隔内的实际经营指标值形成指标值序列，然后根据所述指标值序列，预测所述商户在第二时间间隔内的预测指标值，其中所述第二时间间隔是所有第一时间间隔之后的时间间隔，通过比较所述商户在所述第二时间间隔内的实际指标值和预测指标值，可以对所述商户的经营状况进行评价。

这样一来，可以分析出所述商户在各指定时间间隔内的指标值的变化趋势呈现出的规律性的强弱，并据此实现对所述商户的经营状况的评价。通过这样的评价方式，不会将采用个性化经营策略的优良商户误判为经营状况不佳的商户，也就提升了对商户的经营状况进行评价的准确性。

继续参见图1。在本说明书实施例中，倘若商户A在2017年中各月的交易量的变化趋势也呈现出如图1所示的规律性(即2月交易量为0，11月的交易量突增，其他月的交易量波动不大)，那么说明商户A的经营状况良好，对商户A的经营状况的评价就会较高。

为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。通过本说明书实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。

以下结合附图，详细说明本说明书各实施例提供的技术方案。

图2是本说明书实施例提供的一种评价商户的经营状况的方法流程图，包括以下步骤：

S200：获取待评价的商户在各第一时间间隔内的实际指标值。

在本说明书实施例中，各第一时间间隔可以是指定期间内的各指定时间间隔，其中，所述指定期间和所述指定时间间隔皆可以根据需要指定。例如，所述指定期间可以是2016年全年(即2016年1月1日至2016年12月31日)，所述指定时间间隔可以是1个月，那么，各第一时间间隔实际上是2016年中的各月(即1月、2月、……、12月)。

商户在各第一时间间隔内的实际指标值是指已经统计到的商户在各第一时间间隔内的指标值。其中，所述指标值是商户的经营指标的值。商户的经营指标可以有多种，如交易量、营业额或用户好评数。需要说明的是，本说明书实施例中的指标值通常是指一项经营指标的值，也就是说，图2所示的方法流程通常是针对一项经营指标而言的，若需要对商户的多项经营指标进行分析以便对商户的经营状况进行综合评价，则可以针对每项经营指标，执行一次图2所示的方法流程。

沿用上例，商户在2016年中各月的实际指标值具体可以是商户在2016年中每个月的实际交易量(卖出的商品件数)，如表1所示。

月份	1	2	3	4	5	6	7	8	9	10	11	12
													实际交易量	150	200	220	180	165	135	159	180	189	165	260	175

表1

S202：按照各第一时间间隔的时间先后顺序，对所述商户在各第一时间间隔内的实际指标值进行排序，得到指标值序列。

在本说明书实施例中，各第一时间间隔存在时间先后顺序。例如，假设将2016年中的12个月作为各第一时间间隔，则1～12月存在时间先后顺序。所述指标值序列中各实际指标值的排列顺序，即是各第一时间间隔的时间先后顺序。以表1为例，所述指标值序列是(150，200，220，180，165，135，159，180，189，165，260，175)。

S204：根据所述指标值序列，预测所述商户在第二时间间隔内的预测指标值。

在本说明书实施例中，由于所述指标值序列中的各实际指标值是按时间先后顺序排列的，可以反映出所述商户在各第一时间间隔内的实际交易量的变化趋势，因此可以根据此变化趋势，将所述指标值序列继续向后延伸，也即预测所述商户在后续的时间间隔内的预测指标值。

其中，后续的时间间隔是指所有第一时间间隔之后的时间间隔，本文称之为第二时间间隔。需要说明的是，所述第二时间间隔通常等于所述第一时间间隔。例如，假设各第一时间间隔为2016年中的各月，那么所述第二时间间隔即是2016年12月之后的任何月份(如2017年9月)。

在本说明书实施例中，具体可以采用时间序列预测方法或机器学习的方法，预测所述商户在第二时间间隔内的预测指标值。例如，可以根据所述指标值序列，确定时序预测模型；通过所述时序预测模型，对所述商户在第二时间间隔内的指标值进行预测，得到所述商户在所述第二时间间隔内的预测指标值。

常见的确定时序预测模型的方法有自回归积分滑动平均法(AutoregressiveIntegrated Moving Average，ARIMA)、向量自回归法、门限自回归法等，相应地，得到的时序预测模型分别为ARIMA模型、向量自回归模型、门限自回归模型。后文以ARIMA模型为例说明。

在本说明书实施例中，若所述指标值序列中的各实际指标值之间差距过大(如有的实际指标值为1000，有的实际指标值为1)，则可以对所述指标值序列进行数据平滑处理(如log平滑)，使用数据平滑处理后的所述指标值序列确定ARIMA模型。

在本说明书实施例中，确定ARIMA模型的步骤为：判断所述指标值序列是否具有平稳性；若是，则计算所述指标值序列对应的自相关系数AC和偏自相关系数PAC，根据所述指标值序列对应的AC和PAC，确定自回归积分滑动平均ARIMA模型；否则，对所述指标值序列进行至少一次差分运算，使得所述指标值序列具有平稳性，计算平稳后的所述指标值序列对应的AC和PAC，根据进行差分运算的次数，以及根据平稳后的所述指标值序列对应的AC和PAC，确定ARIMA模型。

众所周知，ARIMA模型是一种常见的时序预测模型，而使用时间序列(所述指标值序列就是一种时间序列)确定ARIMA模型的前提是时间序列具有平稳性。可以通过对时间序列进行单位根检验的方式，判断时间序列是否具有平稳性。若时间序列不具有平稳性，则需要对时间序列进行差分运算，使得时间序列具有平稳性，然后使用平稳后的时间序列继续确定ARIMA模型。其中，何为时间序列的平稳性以及如何判断时间序列是否具有平稳性是为本领域技术人员所熟知的，不再赘述。

ARIMA模型通常表达为ARIMA(p，d，q)，p、d、q即是ARIMA模型的模型参数，根据所述指标值序列确定ARIMA模型的过程即是根据所述指标值序列确定模型参数的过程。其中，p和q是通过对所述指标值序列对应的AC和PAC进行分析而确定的，d是对所述指标值序列进行差分运算的次数(若不需要对所述指标值序列进行差分运算，则d为0)。

需要说明的是，所述第二时间间隔的数量可以是不止一个。例如，假设各第一时间间隔为2016年中的各月，那么各第二时间间隔可以为2017年中的各月。根据所述指标值序列确定的ARIMA模型可以预测所述商户在多个第二时间间隔内的预测指标值。

S206：比较所述商户在所述第二时间间隔内的实际指标值和预测指标值。

S208：根据比较结果，对所述商户的经营状况进行评价。

值得强调的是，各第一时间间隔通常是历史上的一段指定期间内的各指定时间间隔。而第二时间间隔可以是历史上的，且在所有第一时间间隔之后的时间间隔，也可以是当前时间点之后的时间间隔(即未来的时间间隔)。

当第二时间间隔是未来的时间间隔时，可以在执行完步骤S204之后，暂时中止本方法的执行，待到获取到所述商户在所述第二时间间隔内的实际指标值时，方可继续执行步骤S206。

在本说明书实施例中，比较所述商户在所述第二时间间隔内的实际指标值和预测指标值，实际上是确定所述商户在所述第二时间间隔内的实际指标值和预测指标值的接近程度。所述商户在第二时间间隔内的实际指标值与预测指标值越接近，对所述商户的经营状况评价越高。具体地，可以针对每个商户，根据比较结果，确定该商户对应的评分，用于表征商户的经营状况；该商户对应的评分越高(即对商户的经营状况评价越高)，表明该商户的经营状况越好。

本领域技术人员在理解了上述思想之后，很容易想到各种方式，对所述商户在所述第二时间间隔内的实际指标值和预测指标值进行比较，并根据比较结果对商户的经营状况进行评价。这些方式都应在本申请文件所要求的保护范围之内。

具体地，当所述第二时间间隔的数量为不止一个时，可以采用如下方式对所述商户在所述第二时间间隔内的实际指标值和预测指标值进行比较：

针对每个第二时间间隔，计算所述商户在该第二时间间隔内的实际指标值和预测指标值的差的绝对值；计算该绝对值与所述商户在该第二时间间隔内的实际指标值的比值，作为该第二时间间隔对应的差距表征值。

基于此比较方式，可以采用如下方式对所述商户的经营状况进行评价：

从针对各第二时间间隔分别计算的差距表征值中选择大于指定阈值的差距表征值；根据选择的差距表征值中的最大值和/或选择的差距表征值的数量，评价所述商户的经营状况；所述最大值越小，对商户的经营状况评价越高；所述数量越少，对所述商户的经营状况评价越高。

此外，当所述第二时间间隔的数量为不止一个时，也可以根据所述商户在各第二时间间隔内的实际指标值，确定用于表征所述商户在各第二时间间隔内的实际指标值的变化趋势的第一曲线，以及，根据所述商户在各第二时间间隔内的预测指标值，确定用于表征所述商户在各第二时间间隔内的预测指标值的变化趋势的第二曲线；比较所述第一曲线和所述第二曲线。所述第一曲线与所述第二曲线越相似，对所述商户的经营状况评价越高(即所述商户对应的评分越高)。

举例来说，假设使用表1所示的交易量序列确定时序预测模型，并通过确定的时序预测模型预测2017年中各月的预测交易量。图3是2017年中各月的实际交易量的变化趋势和时序预测模型预测的2017年中各月的预测交易量的变化趋势示意图。如图3所示，黑点是2017年中各月的预测交易量，各黑点连接而成的虚线(即第二曲线)表征了各预测交易量的变化趋势；白点是2017年中各月的实际交易量，各白点连接而成的实线(即第一曲线)表征了各实际交易量的变化趋势。可以看到，2017年中各月的预测交易量的变化趋势与2017年中各月的实际交易量的变化趋势非常相似(也即所述商户在各指定时间间隔中的交易量的变化趋势具有较强的规律性)，所述商户的经营状况良好，因此对所述商户的评价较高。

通过图2所示的评价商户的经营状况的方法，按照各第一时间间隔的时间先后顺序，将待评价的商户在各第一时间间隔内的实际经营指标值形成指标值序列，然后根据所述指标值序列，预测所述商户在第二时间间隔内的预测指标值，其中所述第二时间间隔是所有第一时间间隔之后的时间间隔。通过比较所述商户在所述第二时间间隔内的实际指标值和预测指标值，可以对所述商户的经营状况进行评价。本说明书认为，商户在各指定时间间隔内的指标值的变化趋势呈现出的规律性越强(即根据商户过去的指标值预测的商户未来的指标值越准确)，说明商户的经营状况越好。而通过本说明书实施例，可以分析出所述商户在各指定时间间隔内的指标值的变化趋势呈现出的规律性的强弱，并据此实现对所述商户的经营状况的评价。如此，就可以避免将采取个性化经营策略的优良商户(例如，因定期举办营销活动而导致在此期间的经营指标值突增的商户，又如，因定期歇业而导致在此期间的经营指标值突降的商户)误判为经营状况不佳的商户，从而提升了对商户的经营状况进行评价的准确性。

基于图2所示的分析商户的经营指标方法，本说明书实施例还对应提供了一种分析商户的经营指标的装置，如图4所示，包括：

获取模块401，获取待评价的商户在各第一时间间隔内的实际指标值；

排序模块402，按照各第一时间间隔的时间先后顺序，对所述商户在各第一时间间隔内的实际指标值进行排序，得到指标值序列；

预测模块403，根据所述指标值序列，预测所述商户在第二时间间隔内的预测指标值；所述第二时间间隔是所有第一时间间隔之后的时间间隔；

比较模块404，比较所述商户在所述第二时间间隔内的实际指标值和预测指标值；

评价模块405，根据比较结果，对所述商户的经营状况进行评价。

所述预测模块403，根据所述指标值序列，确定时序预测模型；通过所述时序预测模型，对所述商户在第二时间间隔内的指标值进行预测，得到所述商户在所述第二时间间隔内的预测指标值。

所述预测模块403，判断所述指标值序列是否具有平稳性；若是，则计算所述指标值序列对应的自相关系数AC和偏自相关系数PAC，根据所述指标值序列对应的AC和PAC，确定自回归积分滑动平均ARIMA模型；否则，对所述指标值序列进行至少一次差分运算，使得所述指标值序列具有平稳性，计算平稳后的所述指标值序列对应的AC和PAC，根据进行差分运算的次数，以及根据平稳后的所述指标值序列对应的AC和PAC，确定ARIMA模型。

所述评价模块405，所述商户在第二时间间隔内的实际指标值与预测指标值越接近，对所述商户的经营状况评价越高。

所述第二时间间隔的数量为不止一个；

所述比较模块404，针对每个第二时间间隔，计算所述商户在该第二时间间隔内的实际指标值和预测指标值的差的绝对值；计算该绝对值与所述商户在该第二时间间隔内的实际指标值的比值，作为该第二时间间隔对应的差距表征值。

所述评价模块405，从针对各第二时间间隔分别计算的差距表征值中选择大于指定阈值的差距表征值；根据选择的差距表征值中的最大值和/或选择的差距表征值的数量，评价所述商户的经营状况；所述最大值越小，对商户的经营状况评价越高；所述数量越少，对所述商户的经营状况评价越高。

基于图2所示的评价商户的经营状况的方法，本说明书实施例还对应提供了一种评价商户的经营状况的设备，如图5所示，该设备包括一个或多个处理器及存储器，所述存储器存储有程序，并且被配置成由所述一个或多个处理器执行以下步骤：

获取待评价的商户在各第一时间间隔内的实际指标值；

按照各第一时间间隔的时间先后顺序，对所述商户在各第一时间间隔内的实际指标值进行排序，得到指标值序列；

根据所述指标值序列，预测所述商户在第二时间间隔内的预测指标值；所述第二时间间隔是所有第一时间间隔之后的时间间隔；

比较所述商户在所述第二时间间隔内的实际指标值和预测指标值；

根据比较结果，对所述商户的经营状况进行评价。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于图5所示的设备而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字符系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字符助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字符多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

Claims (13)

1.一种评价商户的经营状况的方法，包括：

获取待评价的商户在各第一时间间隔内的实际指标值；

按照各第一时间间隔的时间先后顺序，对所述商户在各第一时间间隔内的实际指标值进行排序，得到指标值序列；

根据所述指标值序列，预测所述商户在第二时间间隔内的预测指标值；所述第二时间间隔是所有第一时间间隔之后的时间间隔；

比较所述商户在所述第二时间间隔内的实际指标值和预测指标值；

根据比较结果，对所述商户的经营状况进行评价。

2.如权利要求1所述的方法，根据所述指标值序列，预测所述商户在第二时间间隔内的预测指标值，具体包括：

根据所述指标值序列，确定时序预测模型；

通过所述时序预测模型，对所述商户在第二时间间隔内的指标值进行预测，得到所述商户在所述第二时间间隔内的预测指标值。

3.如权利要求2所述的方法，根据所述指标值序列，确定时序预测模型，具体包括：

判断所述指标值序列是否具有平稳性；

若是，则计算所述指标值序列对应的自相关系数AC和偏自相关系数PAC，根据所述指标值序列对应的AC和PAC，确定自回归积分滑动平均ARIMA模型；

否则，对所述指标值序列进行至少一次差分运算，使得所述指标值序列具有平稳性，计算平稳后的所述指标值序列对应的AC和PAC，根据进行差分运算的次数，以及根据平稳后的所述指标值序列对应的AC和PAC，确定ARIMA模型。

4.如权利要求1所述的方法，根据比较结果，对所述商户的经营状况进行评价，具体包括：

所述商户在第二时间间隔内的实际指标值与预测指标值越接近，对所述商户的经营状况评价越高。

5.如权利要求1所述的方法，所述第二时间间隔的数量为不止一个；

比较所述商户在所述第二时间间隔内的实际指标值和预测指标值，具体包括：

针对每个第二时间间隔，计算所述商户在该第二时间间隔内的实际指标值和预测指标值的差的绝对值；

计算该绝对值与所述商户在该第二时间间隔内的实际指标值的比值，作为该第二时间间隔对应的差距表征值。

6.如权利要求5所述的方法，根据比较结果，对所述商户的经营状况进行评价，具体包括：

从针对各第二时间间隔分别计算的差距表征值中选择大于指定阈值的差距表征值；

根据选择的差距表征值中的最大值和/或选择的差距表征值的数量，评价所述商户的经营状况；所述最大值越小，对商户的经营状况评价越高；所述数量越少，对所述商户的经营状况评价越高。

7.一种评价商户的经营状况的装置，包括：

获取模块，获取待评价的商户在各第一时间间隔内的实际指标值；

排序模块，按照各第一时间间隔的时间先后顺序，对所述商户在各第一时间间隔内的实际指标值进行排序，得到指标值序列；

预测模块，根据所述指标值序列，预测所述商户在第二时间间隔内的预测指标值；所述第二时间间隔是所有第一时间间隔之后的时间间隔；

比较模块，比较所述商户在所述第二时间间隔内的实际指标值和预测指标值；

评价模块，根据比较结果，对所述商户的经营状况进行评价。

8.如权利要求7所述的装置，所述预测模块，根据所述指标值序列，确定时序预测模型；通过所述时序预测模型，对所述商户在第二时间间隔内的指标值进行预测，得到所述商户在所述第二时间间隔内的预测指标值。

9.如权利要求8所述的装置，所述预测模块，判断所述指标值序列是否具有平稳性；若是，则计算所述指标值序列对应的自相关系数AC和偏自相关系数PAC，根据所述指标值序列对应的AC和PAC，确定自回归积分滑动平均ARIMA模型；否则，对所述指标值序列进行至少一次差分运算，使得所述指标值序列具有平稳性，计算平稳后的所述指标值序列对应的AC和PAC，根据进行差分运算的次数，以及根据平稳后的所述指标值序列对应的AC和PAC，确定ARIMA模型。

10.如权利要求7所述的装置，所述评价模块，所述商户在第二时间间隔内的实际指标值与预测指标值越接近，对所述商户的经营状况评价越高。

11.如权利要求7所述的装置，所述第二时间间隔的数量为不止一个；

所述比较模块，针对每个第二时间间隔，计算所述商户在该第二时间间隔内的实际指标值和预测指标值的差的绝对值；计算该绝对值与所述商户在该第二时间间隔内的实际指标值的比值，作为该第二时间间隔对应的差距表征值。

12.如权利要求11所述的装置，所述评价模块，从针对各第二时间间隔分别计算的差距表征值中选择大于指定阈值的差距表征值；根据选择的差距表征值中的最大值和/或选择的差距表征值的数量，评价所述商户的经营状况；所述最大值越小，对商户的经营状况评价越高；所述数量越少，对所述商户的经营状况评价越高。

13.一种评价商户的经营状况的设备，包括一个或多个处理器及存储器，所述存储器存储有程序，并且被配置成由所述一个或多个处理器执行以下步骤：

获取待评价的商户在各第一时间间隔内的实际指标值；

按照各第一时间间隔的时间先后顺序，对所述商户在各第一时间间隔内的实际指标值进行排序，得到指标值序列；

根据所述指标值序列，预测所述商户在第二时间间隔内的预测指标值；所述第二时间间隔是所有第一时间间隔之后的时间间隔；

比较所述商户在所述第二时间间隔内的实际指标值和预测指标值；

根据比较结果，对所述商户的经营状况进行评价。