CN112016969A - 一种确定目标区域的方法及装置 - Google Patents
一种确定目标区域的方法及装置 Download PDFInfo
- Publication number
- CN112016969A CN112016969A CN202010894094.7A CN202010894094A CN112016969A CN 112016969 A CN112016969 A CN 112016969A CN 202010894094 A CN202010894094 A CN 202010894094A CN 112016969 A CN112016969 A CN 112016969A
- Authority
- CN
- China
- Prior art keywords
- area
- region
- determining
- index
- users
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000035515 penetration Effects 0.000 claims description 53
- 238000012545 processing Methods 0.000 claims description 16
- 238000013508 migration Methods 0.000 claims description 12
- 230000005012 migration Effects 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 description 16
- 230000006399 behavior Effects 0.000 description 15
- 230000035699 permeability Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
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
- 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
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Educational Technology (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- Game Theory and Decision Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种确定目标区域的方法及装置,其中方法为:确定各区域的区域信息;针对任一区域,根据所述区域的区域信息中的用户行为数据,确定所述区域的关联区域,从而生成所述各区域的区域关联网络;根据所述区域关联网络和\或所述区域的区域信息和\或第一类用户的用户特征数据,确定所述区域的区域属性;其中,所述第一类用户为已使用设定业务的用户;根据所述各区域的区域属性,确定符合所述设定业务的目标区域;所述目标区域包括所述各区域的至少一个区域,或者所述目标区域为所述设定业务的设定区域。
Description
技术领域
本发明涉及区域分析领域,尤其涉及一种确定目标区域的方法及装置。
背景技术
不同区域可能具有不同的区域特性,在一些场景下,需要对区域的区域特性进行考察,根据区域特性来选择合适的区域进行相关的部署、规划。举例来说,企业、学校等机构在业务开展的过程中,会在各个区域广泛开展。某学校在A区域招收夏令营类型一的报名人数更多,在B区域招收夏令营类型二的报名人数更多。某企业在区域一中的用户更热衷于采用业务手段一,在区域二中的用户更热衷于采用业务手段二。
显然,为了使得机构的业务开展更加地顺利、高效,这就需要对区域的特性做考察,评估在何种区域特性倾向于何种表现,以便合理地针对区域进行业务决策。然而,目前还没有对区域选择的方法。这是一个亟待解决的问题。
发明内容
本发明提供一种确定目标区域的方法及装置,解决了现有技术中没有对区域选择的问题。
第一方面,本发明提供一种确定目标区域的方法,包括:确定各区域的区域信息;针对任一区域,根据所述区域的区域信息中的用户行为数据,确定所述区域的关联区域,从而生成所述各区域的区域关联网络;根据所述区域关联网络和\或所述区域的区域信息和\或第一类用户的用户特征数据,确定所述区域的区域属性;其中,所述第一类用户为已使用设定业务的用户;根据所述各区域的区域属性,确定符合所述设定业务的目标区域;所述目标区域包括所述各区域的至少一个区域,或者所述目标区域为所述设定业务的设定区域。
上述方式下,确定各区域的区域信息后,可以针对任一区域,根据所述区域的区域信息中的用户行为数据,确定所述区域的关联区域,从而生成所述各区域的区域关联网络,并进一步地确定所述区域的区域属性,并根据所述各区域的区域属性,确定符合所述设定业务的目标区域,从而提供了一种确定目标区域的方法。
可选的,所述区域的区域属性包括以下至少一项:所述区域的特征匹配指数,表征了在所述区域中逗留的第二类用户与所述第一类用户的相似程度;所述区域的业务渗透指数,表征了所述区域中所述设定业务的已使用程度;所述区域的重要性指数,表征了所述区域在所述各区域中的重要性程度;所述区域的域间关联指数,表征了所述区域与所述各区域中的其他区域的相似程度;所述根据所述区域关联网络和\或所述区域的区域信息和\或第一类用户的用户特征数据,确定所述区域的区域属性,包括:根据所述区域的所述第二类用户的用户特征数据和所述第一类用户的用户特征数据,确定所述区域的特征匹配指数;和\或根据所述区域的区域信息中的商户特征数据和所述第二类用户的用户特征数据,确定所述区域的业务渗透指数;和\或至少根据所述区域关联网络,确定所述区域的重要性指数和\或域间关联指数。
上述方法中,可以根据所述区域的所述第二类用户的用户特征数据和所述第一类用户的用户特征数据,确定所述区域的特征匹配指数,和\或根据所述区域的区域信息中的商户特征数据和所述第二类用户的用户特征数据,确定所述区域的业务渗透指数,和\或至少根据所述区域关联网络,确定所述区域的重要性指数和\或域间关联指数,区域属性包括所述区域的特征匹配指数、所述区域的业务渗透指数、所述区域的重要性指数和所述区域的域间关联指数中的至少一项,从而多方面考虑,更精确、全面地确定区域属性,进而更精确、全面地选择目标区域。
可选的,所述根据所述区域的所述第二类用户的用户特征数据和所述第一类用户的用户特征数据,确定所述区域的特征匹配指数,包括:根据所述第二类用户的用户特征数据与所述第一类用户的用户特征数据之间的特征数据相似度;根据所述特征数据相似度,确定所述区域的特征匹配指数。
上述方法中,特征数据之间的特征数据相似度可以精确地量化特征数据之间的相似性,通过所述特征数据相似度,确定所述区域的特征匹配指数,可以精确地量化所述区域的特征匹配指数。
可选的,所述商户特征数据包括:所述区域的商户总数量;所述区域中已使用所述设定业务的商户数量;所述第二类用户的用户特征数据包括:所述区域的用户总数量;所述区域中已使用所述设定业务的用户数量;所述根据所述区域的区域信息中的商户特征数据和所述第二类用户的用户特征数据,确定所述区域的业务渗透指数,包括:根据所述区域的商户总数量和所述区域中已使用所述设定业务的商户数量,确定所述区域的商户渗透子指数;根据所述区域的用户总数量和所述区域中已使用所述设定业务的用户数量,确定所述区域的用户渗透子指数;根据所述商户渗透子指数和所述用户渗透子指数,确定所述区域的业务渗透指数。
上述方式下,所述区域的商户渗透子指数可以表征,设定业务在所述商户中已拓展的程度,所述区域的用户渗透子指数可以表征,设定业务在所述商户中已拓展的程度,从而考虑两方面,根据所述商户渗透子指数和所述用户渗透子指数,确定所述区域的业务渗透指数,更准确地得到所述区域的业务渗透指数。
可选的,所述用户行为数据为用户移动时序数据;根据所述区域的区域信息中的用户行为数据,确定所述区域的关联区域,从而生成所述各区域的区域关联网络,包括:根据所述区域的用户移动时序数据,将所述区域中用户所经过的区域中满足预设时序条件的区域,作为所述区域的关联区域;根据所述各区域的关联区域及所述各区域的用户移动时序数据,设置所述各区域在所述区域关联网络对应各节点的重要度信息和\或所述各节点间边的重要度信息。
上述方式下,所述区域的用户移动时序数据表征了用户在不同区域间的移动,可基于预设时序条件更精确地确定每个区域的关联区域,因此,可以基于所述各区域的关联区域及所述各区域的用户移动时序数据,可以更精确地设置所述各节点的重要度信息和\或所述各节点间边的重要度信息。
可选的,所述至少根据所述区域关联网络,确定所述区域的重要性指数和\或域间关联指数,包括:根据所述区域在所述区域关联网络中对应节点的重要度信息和\或所述节点的边的重要度信息,确定所述区域的重要性指数;和\或根据所述区域的用户移动时序数据,确定所述区域的用户迁移指数;根据所述区域在所述区域关联网络中对应节点的边个数和所述区域的用户迁移指数,确定所述区域的区域关联系数;根据所述区域的区域关联系数及所述区域的业务渗透指数,确定所述区域的域间关联指数。
上述方式下,根据所述区域在所述区域关联网络中对应节点的重要度信息和\或所述节点的边的重要度信息,确定所述区域的重要性指数,从而更精确地表征所述区域的重要性,根据所述区域的用户移动时序数据,确定所述区域的用户迁移指数以及根据所述区域在所述区域关联网络中对应节点的边个数和所述区域的用户迁移指数,确定所述区域的区域关联系数,根据所述区域的区域关联系数及所述区域的业务渗透指数,确定所述区域的域间关联指数,以及更精确地表征所述区域的域间关联程度。
可选的,所述各区域按照以下方式切分得到:获取预设区域的经纬度数据;根据所述预设区域的经纬度数据,按照地理位置距离排序GeoHash算法,切分得到所述各区域。
上述方式下,通过预设区域的经纬度数据,按照GeoHash算法,切分得到所述各区域,从而基于经纬度的考量,可以更合理地得到所述各区域。
第二方面,本发明提供一种确定目标区域的装置,包括:确定模块,用于确定各区域的区域信息;处理模块,用于针对任一区域,根据所述区域的区域信息中的用户行为数据,确定所述区域的关联区域,从而生成所述各区域的区域关联网络;根据所述区域关联网络和\或所述区域的区域信息和\或第一类用户的用户特征数据,确定所述区域的区域属性;其中,所述第一类用户为已使用设定业务的用户;根据所述各区域的区域属性,确定符合所述设定业务的目标区域;所述目标区域包括所述各区域的至少一个区域,或者所述目标区域为所述设定业务的设定区域。
可选的,所述区域的区域属性包括以下至少一项:所述区域的特征匹配指数,表征了在所述区域中逗留的第二类用户与所述第一类用户的相似程度;所述区域的业务渗透指数,表征了所述区域中所述设定业务的已使用程度;所述区域的重要性指数,表征了所述区域在所述各区域中的重要性程度;所述区域的域间关联指数,表征了所述区域与所述各区域中的其他区域的相似程度;所述处理模块具体用于:根据所述区域的所述第二类用户的用户特征数据和所述第一类用户的用户特征数据,确定所述区域的特征匹配指数;和\或根据所述区域的区域信息中的商户特征数据和所述第二类用户的用户特征数据,确定所述区域的业务渗透指数;和\或至少根据所述区域关联网络,确定所述区域的重要性指数和\或域间关联指数。
可选的,所述处理模块具体用于:根据所述第二类用户的用户特征数据与所述第一类用户的用户特征数据之间的特征数据相似度;根据所述特征数据相似度,确定所述区域的特征匹配指数。
可选的,所述商户特征数据包括:所述区域的商户总数量;所述区域中已使用所述设定业务的商户数量;所述第二类用户的用户特征数据包括:所述区域的用户总数量;所述区域中已使用所述设定业务的用户数量;所述处理模块具体用于:根据所述区域的商户总数量和所述区域中已使用所述设定业务的商户数量,确定所述区域的商户渗透子指数;根据所述区域的用户总数量和所述区域中已使用所述设定业务的用户数量,确定所述区域的用户渗透子指数;根据所述商户渗透子指数和所述用户渗透子指数,确定所述区域的业务渗透指数。
可选的,所述用户行为数据为用户移动时序数据;所述处理模块具体用于:根据所述区域的用户移动时序数据,将所述区域中用户所经过的区域中满足预设时序条件的区域,作为所述区域的关联区域;根据所述各区域的关联区域及所述各区域的用户移动时序数据,设置所述各区域在所述区域关联网络对应各节点的重要度信息和\或所述各节点间边的重要度信息。
可选的,所述处理模块具体用于:根据所述区域在所述区域关联网络中对应节点的重要度信息和\或所述节点的边的重要度信息,确定所述区域的重要性指数;和\或根据所述区域的用户移动时序数据,确定所述区域的用户迁移指数;根据所述区域在所述区域关联网络中对应节点的边个数和所述区域的用户迁移指数,确定所述区域的区域关联系数;根据所述区域的区域关联系数及所述区域的业务渗透指数,确定所述区域的域间关联指数。
所述确定模块还用于:按照以下方式切分得到所述各区域:获取预设区域的经纬度数据;根据所述预设区域的经纬度数据,按照地理位置距离排序GeoHash算法,切分得到所述各区域。
上述第二方面及第二方面各个可选装置的有益效果,可以参考上述第一方面及第一方面各个可选方法的有益效果,这里不再赘述。
第三方面,本发明提供一种计算机设备,包括程序或指令,当所述程序或指令被执行时,用以执行上述第一方面及第一方面各个可选的方法。
第四方面,本发明提供一种存储介质,包括程序或指令,当所述程序或指令被执行时,用以执行上述第一方面及第一方面各个可选的方法。
附图说明
图1为本申请实施例提供的一种确定目标区域的方法的步骤流程示意图;
图2为本申请实施例提供的一种确定目标区域的方法可应用的场景示意图;
图3为本申请实施例提供的一种确定目标区域的方法的整体流程示意图;
图4为本申请实施例提供的一种确定目标区域的装置的结构示意图。
具体实施方式
为了更好的理解上述技术方案,下面将结合说明书附图及具体的实施方式对上述技术方案进行详细的说明,应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明,而不是对本申请技术方案的限定,在不冲突的情况下,本申请实施例以及实施例中的技术特征可以相互结合。
不同区域可能具有不同的区域特性,在一些场景下,需要对区域的区域特性进行考察,目前需要对区域的特性做考察,评估在何种区域特性倾向于何种表现,以便合理地针对区域进行业务决策。然而,目前还没有对区域选择的方法。这是一个亟待解决的问题。为此,如图1所示,本申请提供了一种确定目标区域的方法。
步骤101:确定各区域的区域信息。
步骤102:针对任一区域,根据所述区域的区域信息中的用户行为数据,确定所述区域的关联区域,从而生成所述各区域的区域关联网络;根据所述区域关联网络和\或所述区域的区域信息和\或第一类用户的用户特征数据,确定所述区域的区域属性。
其中,所述第一类用户为已使用设定业务的用户。
步骤103:根据所述各区域的区域属性,确定符合所述设定业务的目标区域。
所述目标区域包括所述各区域的至少一个区域,或者所述目标区域为所述设定业务的设定区域。
步骤101~步骤103中,符合所述设定业务的目标区域可以通过,所述各区域的区域属性得到的综合指标来确定,举例来说,一个区域的综合指标为拓展潜力指数,表征了所述区域中所述设定业务的可拓展空间。
针对任一区域,用户行为数据可以包括多种用户行为的数据,如用户支付数据,支付的业务、时间、金额等,均可纳入用户支付数据。除了用户行为数据外,所述区域的区域信息还可以包括多种数据:如区域的整体人流量、区域内设定业务的用户量、区域用户的年龄分布、区域用户的性别分布、区域用户的兴趣爱好分布、区域人流高峰时间段、区域商户行业分布等。
一种可选实施方式中,步骤101之前,所述各区域按照以下方式切分得到:
获取预设区域的经纬度数据;根据所述预设区域的经纬度数据,按照地理位置距离排序GeoHash算法,切分得到所述各区域。
举例来说,可以通过利用经纬度数据,将一个行政市区(预设区域)划分为百米大小的网格(每个网格即一个区域,网格的大小可以根据实际的业务需求进行定义),并计算每一个区域的区域知识。此处可以通过采用GeoHash算法,将二维的经纬度数据转化成一维的字符串,从而将地图切分成一个个网格。
一种可选实施方式中,所述区域的区域属性包括以下至少一项:所述区域的特征匹配指数,表征了在所述区域中逗留的第二类用户与所述第一类用户的相似程度;所述区域的业务渗透指数,表征了所述区域中所述设定业务的已使用程度;所述区域的重要性指数,表征了所述区域在所述各区域中的重要性程度;所述区域的域间关联指数,表征了所述区域与所述各区域中的其他区域的相似程度。
基于此,步骤102中的“根据所述区域关联网络和\或所述区域的区域信息和\或第一类用户的用户特征数据,确定所述区域的区域属性”执行过程可以如下:
步骤(2-1):根据所述区域的所述第二类用户的用户特征数据和所述第一类用户的用户特征数据,确定所述区域的特征匹配指数。和\或
步骤(2-2):根据所述区域的区域信息中的商户特征数据和所述第二类用户的用户特征数据,确定所述区域的业务渗透指数。和\或
步骤(2-3):至少根据所述区域关联网络,确定所述区域的重要性指数和\或域间关联指数。
需要说明的是,上述步骤(2-1)~步骤(2-3)并没有先后执行的约束关系,可以异步执行,而且步骤(2-3)中“至少根据所述区域关联网络,确定所述区域的重要性指数”和“至少根据所述区域关联网络,确定所述区域的域间关联指数”也是可以异步执行的。另外,所述区域的特征匹配指数、所述区域的业务渗透指数、所述区域的重要性指数、所述区域的域间关联指数仅是所述区域的区域属性中实例的区域属性的组合,还可以定义其它属性,如区域的人流指数,表征区域可涌入人流的空间。
一种可选实施方式中,具体来说,步骤(2-1)可以为:
根据所述第二类用户的用户特征数据与所述第一类用户的用户特征数据之间的特征数据相似度;根据所述特征数据相似度,确定所述区域的特征匹配指数。举例来说,特征数据相似度可以为余弦相似度或欧几里得相似度等。更具体地,步骤(2-1)可以为:
通过数据分析方法,挖掘设定业务用户的特征数据,包括设定业务用户的年龄分布、性别分布、消费水平、人流高峰时间段分布以及用户偏好消费的商户类型,形成设定业务的用户画像。
还可以利用外部数据,抽取区域相对应的人流画像,如区域用户的年龄分布、性别分布、消费水平、人流高峰时间段分布、商户业态分布等,形成区域画像。将以上特征进行向量化,通过余弦距离计算设定业务的用户画像与区域画像之间的相似度,从而计算特征匹配指数θ1,所述区域的特征匹配指数越大,进而所述区域的拓展潜力指数也越大。
一种可选实施方式中,所述商户特征数据包括:所述区域的商户总数量;所述区域中已使用所述设定业务的商户数量;所述第二类用户的用户特征数据包括:所述区域的用户总数量;所述区域中已使用所述设定业务的用户数量。具体来说,步骤(2-2)可以为:
根据所述区域的商户总数量和所述区域中已使用所述设定业务的商户数量,确定所述区域的商户渗透子指数;根据所述区域的用户总数量和所述区域中已使用所述设定业务的用户数量,确定所述区域的用户渗透子指数;根据所述商户渗透子指数和所述用户渗透子指数,确定所述区域的业务渗透指数。
具体来说,步骤(2-2)的过程可以为:
通过设定业务的用户的交易数据,获取当前区域设定业务用户的用户数,以及当前区域受理于设定业务的商户的数量;通过外部数据,获取当前区域整体的人流量,以及当前区域的商户数量。
通过区域设定业务的用户数/区域用户总数,确定所述区域的用户渗透子指数,通过区域设定业务的商户数/区域商户总数,确定所述区域的商户渗透子指数,再根据所述区域的用户渗透子指数以及所述区域的商户渗透子指数,来计算区域渗透率指数θ2,渗透率越高的区域,其拓展潜力指数越小。
在一种可选实施方式中,所述用户行为数据为用户移动时序数据,步骤102中“根据所述区域的区域信息中的用户行为数据,确定所述区域的关联区域,从而生成所述各区域的区域关联网络”的具体方式可以为:
根据所述区域的用户移动时序数据,将所述区域中用户所经过的区域中满足预设时序条件的区域,作为所述区域的关联区域;根据所述各区域的关联区域及所述各区域的用户移动时序数据,设置所述各区域在所述区域关联网络对应各节点的重要度信息和\或所述各节点间边的重要度信息。
具体实现方式可以为:
(1)区域网络知识的构建:包括获取区域的属性特征以及区域之间的关联特征。
(2)区域的属性特征挖掘:区域的属性特征可以包括:所述区域的整体人流量、区域内设定业务的用户量、区域用户的年龄分布、区域用户的性别分布、区域用户的兴趣爱好分布、区域人流高峰时间段、区域商户行业分布等。
(3)区域的关联特征挖掘:区域潜力指数除了与区域自身特征相关,也与其周边区域、相似区域的拓展潜力相关。通过用户的GPS行为序列,将相邻的区域之间建立边的关系,从而构成由区域节点及边构成的区域关联网络。
基于上述区域关联网络的生成过程,步骤(2-3)具体可以为:
根据所述区域在所述区域关联网络中对应节点的重要度信息和\或所述节点的边的重要度信息,确定所述区域的重要性指数。和\或
根据所述区域的用户移动时序数据,确定所述区域的用户迁移指数;根据所述区域在所述区域关联网络中对应节点的边个数和所述区域的用户迁移指数,确定所述区域的区域关联系数;根据所述区域的区域关联系数及所述区域的业务渗透指数,确定所述区域的域间关联指数。
其中,确定所述区域的重要性指数的具体方式可以为:
区域拓展潜力的另外一个衡量维度为区域的重要性指数。在区域关联网络中,越重要的节点,其拓展的潜力越大。关联网络中节点的重要性可以通过PageRank方法来计算每一个节点的重要度;也可以采用计算网络中节点的度重要性,来判断节点在整个关联网络中的重要性,出入度更大的节点,其重要性更大。通过关联网络中节点的重要性,来计算所述区域的重要性指数θ3,进一步计算所述区域的拓展潜力指数。需要说明的是,区域关联网络中节点的重要性也可以采用节点的介数中心性等方法。
其中,确定所述区域的域间关联指数的具体方式可以为:
如果区域A与区域B的关联关系越强烈,且区域B设定业务的渗透率很高,那么区域A的拓展潜力也会更高。通过区域关联网络来计算区域网络节点中的关联系数,结合区域的设定业务的渗透率指数,来计算区域的域间关联指数θ4。
区域之间的域间关联指数计算可以采用如下方式计算。获取区域之间的边的个数n以及区域之间的时间间隔t,边的个数越大,时间间隔t越小,区域之间的关联关系越紧密,指数越大。简单的公式可以采用μ=θ0*n+θ1/t来计算每两个区域之间的关联指数。
将区域B当前的渗透率设为s,则区域A的域间关联指数为θ4=s*μ。区域节点的域间关联指数的计算权值除了采用边的个数及时间的间隔以外,也可以增加其他的属性进行计算,如节点间的物理距离等。
步骤103的具体实现方式可以如下:
通过计算每个区域以上各个维度的指数,来综合计算该区域的拓展潜力指数,其最终的拓展潜力指数计算方式为Q=w1θ1+w2θ2+w3θ3+w4θ4,其中wi可以由业务专家进行评定设置,也可以通过模型进行拟合计算。
以每一个区域的拓展潜力指数为基础,可以随意框选进行任一区域的拓展潜力指数计算,如图2所示,假如业务人员想查阅的为如下图所圈选的区域拓展潜力指数,可以通过计算所覆盖的6个网格区域的平均值作为所选区域的潜力值。区域网格的划分也可以采用矩形框的方法进行划分等。
需要说明的是,基于步骤102的上述实施方式,步骤103可以将所述各区域中更细粒度化的每个区域,确定每个区域的拓展潜力指数。用户可以进行任意大小区域的选择,通过最小化网格潜力指数叠加的方法,获取更大区域的拓展潜力指数。
综上所述,如图3所示,本申请提供的一种目标区域的方法过程可以为:
通过多个维度进行刻画拓展潜力指数,包括
通过特征画像抽取方法,计算每一个区域的画像特征,如区域的人流画像、商户画像等,通过计算区域特征画像与设定业务用户画像的匹配度,表征什么,来计算区域的拓展潜力子指数一,即所述区域的特征匹配指数。
结合区域当前与设定业务的交易量、区域的整体人流量等,来计算区域的拓展潜力子指数二,即所述区域的业务渗透指数。
通过用户的GPS数据,将用户GPS数据进行序列化,将相邻的区域进行建立边的关系,并通过图的方式计算网络中区域的重要性,来计算区域的拓展潜力子指数三,即所述区域的重要性指数。
利用区域之间的连接次数,平均连接时延等,计算区域之间的相关程度,来计算区域的拓展潜力子指数三,即所述区域的域间关联指数。
通过对以上四个维度的拓展潜力子指数,来计算待确定区域的拓展潜力指数。
本申请所提出的目标区域的确定方法下,可以通过将预设区域划分为更细粒度化的区域,计算每一个最小区域的拓展潜力指数。用户可以进行任意大小区域的选择,可以通过最小化区域的拓展潜力指数叠加的方法,获取更大区域的区域拓展潜力指数。本申请所提出的目标区域的确定方法通过多个可解释维度构建区域拓展潜力指数,目标区域的确定方法具有良好的可解释性。本申请所提出的目标区域的确定方法对潜力指数进行分级,不同等级对应的拓展潜力不同。
如图4所示,本发明提供一种确定目标区域的装置,包括:确定模块401,用于确定各区域的区域信息;处理模块402,用于针对任一区域,根据所述区域的区域信息中的用户行为数据,确定所述区域的关联区域,从而生成所述各区域的区域关联网络;根据所述区域关联网络和\或所述区域的区域信息和\或第一类用户的用户特征数据,确定所述区域的区域属性;其中,所述第一类用户为已使用设定业务的用户;根据所述各区域的区域属性,确定符合所述设定业务的目标区域;所述目标区域包括所述各区域的至少一个区域,或者所述目标区域为所述设定业务的设定区域。
可选的,所述区域的区域属性包括以下至少一项:所述区域的特征匹配指数,表征了在所述区域中逗留的第二类用户与所述第一类用户的相似程度;所述区域的业务渗透指数,表征了所述区域中所述设定业务的已使用程度;所述区域的重要性指数,表征了所述区域在所述各区域中的重要性程度;所述区域的域间关联指数,表征了所述区域与所述各区域中的其他区域的相似程度;所述处理模块402具体用于:根据所述区域的所述第二类用户的用户特征数据和所述第一类用户的用户特征数据,确定所述区域的特征匹配指数;和\或根据所述区域的区域信息中的商户特征数据和所述第二类用户的用户特征数据,确定所述区域的业务渗透指数;和\或至少根据所述区域关联网络,确定所述区域的重要性指数和\或域间关联指数。
可选的,所述处理模块402具体用于:根据所述第二类用户的用户特征数据与所述第一类用户的用户特征数据之间的特征数据相似度;根据所述特征数据相似度,确定所述区域的特征匹配指数。
可选的,所述商户特征数据包括:所述区域的商户总数量;所述区域中已使用所述设定业务的商户数量;所述第二类用户的用户特征数据包括:所述区域的用户总数量;所述区域中已使用所述设定业务的用户数量;所述处理模块402具体用于:根据所述区域的商户总数量和所述区域中已使用所述设定业务的商户数量,确定所述区域的商户渗透子指数;根据所述区域的用户总数量和所述区域中已使用所述设定业务的用户数量,确定所述区域的用户渗透子指数;根据所述商户渗透子指数和所述用户渗透子指数,确定所述区域的业务渗透指数。
可选的,所述用户行为数据为用户移动时序数据;所述处理模块402具体用于:根据所述区域的用户移动时序数据,将所述区域中用户所经过的区域中满足预设时序条件的区域,作为所述区域的关联区域;根据所述各区域的关联区域及所述各区域的用户移动时序数据,设置所述各区域在所述区域关联网络对应各节点的重要度信息和\或所述各节点间边的重要度信息。
可选的,所述处理模块402具体用于:根据所述区域在所述区域关联网络中对应节点的重要度信息和\或所述节点的边的重要度信息,确定所述区域的重要性指数;和\或根据所述区域的用户移动时序数据,确定所述区域的用户迁移指数;根据所述区域在所述区域关联网络中对应节点的边个数和所述区域的用户迁移指数,确定所述区域的区域关联系数;根据所述区域的区域关联系数及所述区域的业务渗透指数,确定所述区域的域间关联指数。
所述确定模块401还用于:按照以下方式切分得到所述各区域:获取预设区域的经纬度数据;根据所述预设区域的经纬度数据,按照地理位置距离排序GeoHash算法,切分得到所述各区域。
本申请实施例提供一种计算机设备,包括程序或指令,当所述程序或指令被执行时,用以执行本申请实施例提供的一种确定目标区域的方法及任一可选方法。
本申请实施例提供一种计算机可读存储介质,包括程序或指令,当所述程序或指令被执行时,用以执行本申请实施例提供的一种确定目标区域的方法及任一可选方法。
最后应说明的是:本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请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,本申请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、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、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。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种确定目标区域的方法,其特征在于,包括:
确定各区域的区域信息;
针对任一区域,根据所述区域的区域信息中的用户行为数据,确定所述区域的关联区域,从而生成所述各区域的区域关联网络;根据所述区域关联网络和\或所述区域的区域信息和\或第一类用户的用户特征数据,确定所述区域的区域属性;其中,所述第一类用户为已使用设定业务的用户;
根据所述各区域的区域属性,确定符合所述设定业务的目标区域;所述目标区域包括所述各区域的至少一个区域,或者所述目标区域为所述设定业务的设定区域。
2.如权利要求1所述的方法,其特征在于,所述区域的区域属性包括以下至少一项:所述区域的特征匹配指数,表征了在所述区域中逗留的第二类用户与所述第一类用户的相似程度;所述区域的业务渗透指数,表征了所述区域中所述设定业务的已使用程度;所述区域的重要性指数,表征了所述区域在所述各区域中的重要性程度;所述区域的域间关联指数,表征了所述区域与所述各区域中的其他区域的相似程度;所述根据所述区域关联网络和\或所述区域的区域信息和\或第一类用户的用户特征数据,确定所述区域的区域属性,包括:
根据所述区域的所述第二类用户的用户特征数据和所述第一类用户的用户特征数据,确定所述区域的特征匹配指数;和\或
根据所述区域的区域信息中的商户特征数据和所述第二类用户的用户特征数据,确定所述区域的业务渗透指数;和\或
至少根据所述区域关联网络,确定所述区域的重要性指数和\或域间关联指数。
3.如权利要求2所述的方法,其特征在于,所述根据所述区域的所述第二类用户的用户特征数据和所述第一类用户的用户特征数据,确定所述区域的特征匹配指数,包括:
根据所述第二类用户的用户特征数据与所述第一类用户的用户特征数据之间的特征数据相似度;
根据所述特征数据相似度,确定所述区域的特征匹配指数。
4.如权利要求2所述的方法,其特征在于,所述商户特征数据包括:所述区域的商户总数量;所述区域中已使用所述设定业务的商户数量;所述第二类用户的用户特征数据包括:所述区域的用户总数量;所述区域中已使用所述设定业务的用户数量;所述根据所述区域的区域信息中的商户特征数据和所述第二类用户的用户特征数据,确定所述区域的业务渗透指数,包括:
根据所述区域的商户总数量和所述区域中已使用所述设定业务的商户数量,确定所述区域的商户渗透子指数;
根据所述区域的用户总数量和所述区域中已使用所述设定业务的用户数量,确定所述区域的用户渗透子指数;
根据所述商户渗透子指数和所述用户渗透子指数,确定所述区域的业务渗透指数。
5.如权利要求2所述的方法,其特征在于,所述用户行为数据为用户移动时序数据;根据所述区域的区域信息中的用户行为数据,确定所述区域的关联区域,从而生成所述各区域的区域关联网络,包括:
根据所述区域的用户移动时序数据,将所述区域中用户所经过的区域中满足预设时序条件的区域,作为所述区域的关联区域;
根据所述各区域的关联区域及所述各区域的用户移动时序数据,设置所述各区域在所述区域关联网络对应各节点的重要度信息和\或所述各节点间边的重要度信息。
6.如权利要求5所述的方法,其特征在于,所述至少根据所述区域关联网络,确定所述区域的重要性指数和\或域间关联指数,包括:
根据所述区域在所述区域关联网络中对应节点的重要度信息和\或所述节点的边的重要度信息,确定所述区域的重要性指数;和\或
根据所述区域的用户移动时序数据,确定所述区域的用户迁移指数;
根据所述区域在所述区域关联网络中对应节点的边个数和所述区域的用户迁移指数,确定所述区域的区域关联系数;
根据所述区域的区域关联系数及所述区域的业务渗透指数,确定所述区域的域间关联指数。
7.如权利要求1至6任一所述的方法,其特征在于,所述各区域按照以下方式切分得到:
获取预设区域的经纬度数据;
根据所述预设区域的经纬度数据,按照地理位置距离排序GeoHash算法,切分得到所述各区域。
8.一种确定目标区域的装置,其特征在于,包括:
确定模块,用于确定各区域的区域信息;
处理模块,用于针对任一区域,根据所述区域的区域信息中的用户行为数据,确定所述区域的关联区域,从而生成所述各区域的区域关联网络;根据所述区域关联网络和\或所述区域的区域信息和\或第一类用户的用户特征数据,确定所述区域的区域属性;其中,所述第一类用户为已使用设定业务的用户;根据所述各区域的区域属性,确定符合所述设定业务的目标区域;所述目标区域包括所述各区域的至少一个区域,或者所述目标区域为所述设定业务的设定区域。
9.一种计算机设备,其特征在于,包括程序或指令,当所述程序或指令被执行时,如权利要求1至7中任意一项所述的方法被执行。
10.一种计算机可读存储介质,其特征在于,包括程序或指令,当所述程序或指令被执行时,如权利要求1至7中任意一项所述的方法被执行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010894094.7A CN112016969A (zh) | 2020-08-31 | 2020-08-31 | 一种确定目标区域的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010894094.7A CN112016969A (zh) | 2020-08-31 | 2020-08-31 | 一种确定目标区域的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112016969A true CN112016969A (zh) | 2020-12-01 |
Family
ID=73503064
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010894094.7A Pending CN112016969A (zh) | 2020-08-31 | 2020-08-31 | 一种确定目标区域的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112016969A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104636482A (zh) * | 2015-02-16 | 2015-05-20 | 百度在线网络技术(北京)有限公司 | 用于确定目标地址的方法和装置 |
CN104965920A (zh) * | 2015-07-08 | 2015-10-07 | 百度在线网络技术(北京)有限公司 | 用于确定目标地址的方法和装置 |
CN106529998A (zh) * | 2016-11-02 | 2017-03-22 | 北京航天泰坦科技股份有限公司 | 一种用于分析pos机推广区域的统计方法及系统 |
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 |
CN108921605A (zh) * | 2018-06-25 | 2018-11-30 | 阿里巴巴集团控股有限公司 | 一种基于lbs和大数据的商户拓展架构及方法 |
CN110533454A (zh) * | 2019-07-24 | 2019-12-03 | 阿里巴巴集团控股有限公司 | 一种识别业务对象群体的方法及系统 |
CN110544088A (zh) * | 2019-08-30 | 2019-12-06 | 阿里巴巴集团控股有限公司 | 目标交易码铺设区域推荐方法及系统 |
CN111125273A (zh) * | 2018-11-01 | 2020-05-08 | 百度在线网络技术(北京)有限公司 | 门店选址方法及装置 |
-
2020
- 2020-08-31 CN CN202010894094.7A patent/CN112016969A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104636482A (zh) * | 2015-02-16 | 2015-05-20 | 百度在线网络技术(北京)有限公司 | 用于确定目标地址的方法和装置 |
CN104965920A (zh) * | 2015-07-08 | 2015-10-07 | 百度在线网络技术(北京)有限公司 | 用于确定目标地址的方法和装置 |
CN106529998A (zh) * | 2016-11-02 | 2017-03-22 | 北京航天泰坦科技股份有限公司 | 一种用于分析pos机推广区域的统计方法及系统 |
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 |
CN108921605A (zh) * | 2018-06-25 | 2018-11-30 | 阿里巴巴集团控股有限公司 | 一种基于lbs和大数据的商户拓展架构及方法 |
CN111125273A (zh) * | 2018-11-01 | 2020-05-08 | 百度在线网络技术(北京)有限公司 | 门店选址方法及装置 |
CN110533454A (zh) * | 2019-07-24 | 2019-12-03 | 阿里巴巴集团控股有限公司 | 一种识别业务对象群体的方法及系统 |
CN110544088A (zh) * | 2019-08-30 | 2019-12-06 | 阿里巴巴集团控股有限公司 | 目标交易码铺设区域推荐方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107330459B (zh) | 一种数据处理方法、装置和电子设备 | |
CN104050196B (zh) | 一种兴趣点数据冗余检测方法及装置 | |
US20140278291A1 (en) | Discovering functional groups | |
Pavlis et al. | A modified DBSCAN clustering method to estimate retail center extent | |
CN107341220B (zh) | 一种多源数据融合方法和装置 | |
US10459996B2 (en) | Big data based cross-domain recommendation method and apparatus | |
CN108399564B (zh) | 信用评分方法及装置 | |
CN108153824A (zh) | 目标用户群体的确定方法及装置 | |
Dolnicar et al. | Using segment level stability to select target segments in data-driven market segmentation studies | |
CN108038734B (zh) | 基于点评数据的城市商业设施空间分布探测方法及系统 | |
CN110147923A (zh) | 用于识别风险用户的方法及装置 | |
CN107784046A (zh) | Poi信息处理方法和装置 | |
He et al. | Space–time classification of public transit smart card users’ activity locations from smart card data | |
CN112016836B (zh) | 一种对象间相似性的确定方法及装置 | |
Kotzias et al. | Addressing the Sparsity of Location Information on Twitter. | |
Sharkey et al. | Modelling the spatial extent and severity of extreme European windstorms | |
Wardlaw et al. | Comparing experts and novices in Martian surface feature change detection and identification | |
Sushma Rao et al. | Academic dashboard—descriptive analytical approach to analyze student admission using education data mining | |
Gülgen | A stream ordering approach based on network analysis operations | |
CN110659920B (zh) | 一种业务对象的推荐方法和装置 | |
CN112016969A (zh) | 一种确定目标区域的方法及装置 | |
Zubair et al. | Assessing the impact of land cover classification methods on the accuracy of urban land change prediction | |
Yang et al. | Using open data to derive local amenity demand patterns for walkability simulations and amenity utilization analysis | |
KR101744776B1 (ko) | 지도 검색 기록을 이용한 유동인구 추정 장치 및 방법 | |
CN111369029A (zh) | 服务选择预测方法、装置、电子设备及存储介质 |
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 |