CN112116179A - 选址分析方法及装置，存储介质及电子设备 - Google Patents

选址分析方法及装置，存储介质及电子设备 Download PDF

Info

Publication number
CN112116179A
CN112116179A CN201910532870.6A CN201910532870A CN112116179A CN 112116179 A CN112116179 A CN 112116179A CN 201910532870 A CN201910532870 A CN 201910532870A CN 112116179 A CN112116179 A CN 112116179A
Authority
CN
China
Prior art keywords
candidate
geographic area
geographic
store
homogeneous
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
Application number
CN201910532870.6A
Other languages
English (en)
Inventor
王有良
张欢
左涛
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 CN201910532870.6A priority Critical patent/CN112116179A/zh
Publication of CN112116179A publication Critical patent/CN112116179A/zh
Pending legal-status Critical Current

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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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
    • 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
    • G06Q30/0203—Market surveys; Market polls
    • 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)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Finance (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开涉及一种选址分析方法及装置，存储介质及电子设备，所述方法包括：确定目标店铺的候选地理区域的多个同质地理区域，所述同质地理区域是指商业特征与所述候选地理区域的商业特征相似的地理区域；针对所述多个同质地理区域中与所述目标店铺相同类型的店铺，确定该类型的店铺在历史同期时间段内的消费信息；根据所述消费信息确定是否将所述目标店铺选址在所述候选地理区域。

Description

选址分析方法及装置，存储介质及电子设备
技术领域
本公开涉及互联网技术领域，具体地，涉及一种选址分析方法及装置，存储介质及电子设备。
背景技术
前置仓是新零售领域的一种仓配模式，它可以是一个带有中小型仓储配送中心的门店，从而使得总部中央大仓只需对各门店供货，消费者下单后，商品从附近的门店里发货，而不是从远在郊区的某个仓库发货，提高了配送效率。
目前，诸如前置仓这类门店的选址方式还处在较为原始的阶段，即选址人员通过实地走访等方式来确定店铺备选地址周边的客流量、人群特征等信息，最终完成对店铺选址的决策。
发明内容
本公开的目的是提供一种选址分析方法及装置，存储介质及电子设备，用以解决目前的店铺选址过程缺乏数据支撑、较为依赖选址人员经验的问题。
为了实现上述目的，第一方面，本公开提供一种选址分析方法，所述方法包括：
确定目标店铺的候选地理区域的多个同质地理区域，所述同质地理区域是指商业特征与所述候选地理区域的商业特征相似的地理区域；
针对所述多个同质地理区域中与所述目标店铺相同类型的店铺，确定该类型的店铺在历史同期时间段内的消费信息；
根据所述消费信息确定是否将所述目标店铺选址在所述候选地理区域。
可选地，所述确定所述目标店铺的候选地理区域的多个同质地理区域，包括：
获取多个地理区域在历史同期时间段的商业特征数据，其中，所述多个地理区域包括所述候选地理区域；
根据每一所述地理区域的商业特征数据确定该地理区域的特征向量；
根据所述特征向量之间的相似度，从所述多个地理区域中确定所述候选地理区域的同质地理区域。
可选地，所述商业特征数据包括以下信息中的至少一者：用于表征所述地理区域的客流画像特征的数据，用于表征所述地理区域中的店铺种类特征的数据，用于表征所述地理区域中各种店铺的收益特征的数据，用于表征所述地理区域中与所述目标店铺相同类型的店铺的收益特征的数据。
可选地，所述根据每一所述地理区域的商业特征数据确定该地理区域的特征向量，包括：
针对获取到的各地理区域在同一维度的每个特征数据，通过如下公式进行标准化处理：
Figure BDA0002100286600000021
其中，X*为特征数据标准化后的值，X为特征数据，m为该维度特征数据的均值，s为该维度特征数据的标准差，该地理区域的特征向量包括每一维度的特征数据标准化后的值；
所述根据所述特征向量之间的相似度，从所述多个地理区域中确定所述候选地理区域的同质地理区域，包括：
通过如下公式计算各个地理区域的特征向量分别与所述候选地理区域的特征向量之间的相似度d12：
Figure BDA0002100286600000022
其中，x1k为某一地理区域的特征向量中的第k个元素值，x2k为所述候选地理区域特征向量中的第k个元素值，n为特征向量的维度大小，sk为各地理区域的特征向量在k维度的特征值的标准差；
将与所述候选地理区域的特征向量之间的相似度最高的N个地理区域作为所述候选地理区域的同质地理区域。
可选地，所述针对所述多个同质地理区域中与所述目标店铺相同类型的店铺，确定该类型的店铺在历史同期时间段内的消费信息，包括：
确定所述多个同质地理区域在所述历史同期时间段内，消费者进入所述类型的店铺的入店率，以及进入所述类型的店铺的消费者的购买率，以及消费者购买的客单价，所述消费信息包括所述入店率，所述购买率以及所述客单价；
所述根据所述消费信息确定是否将所述目标店铺选址在所述候选地理区域包括：
根据所述候选地理区域在历史预设时间段内的第一消费者总数量预测所述候选地理区域在未来的所述预设时间段内的第二消费者总数量；
根据所述第二消费者总数量，所述入店率，所述购买率以及所述客单价预测所述目标店铺在所述候选地理区域的收益信息；并
根据所述收益信息确定是否将所述目标店铺选址在所述候选地理区域。
可选地，所述方法还包括：
将所述候选地理区域在所述历史同期时间段内进入所述类型的店铺的消费者数量，与所述候选地理区域在所述历史同期时间段内的消费者总数量之间的比值，作为所述候选地理区域中所述类型的店铺的消费者转化率；
所述根据所述消费信息确定是否将所述目标店铺选址在所述候选地理区域，包括：
根据所述候选地理区域在历史预设时间段内的第一消费者总数量预测所述候选地理区域在未来的所述预设时间段内的第二消费者总数量；
根据所述第二消费者总数量，所述入店率，所述购买率以及所述客单价预测所述目标店铺在所述候选地理区域的收益信息；并
根据所述收益信息以及所述消费者转化率确定是否将所述目标店铺选址在所述候选地理区域。
根据本公开实施例的第二方面，提供一种选址分析装置，包括：
同质区域确定模块，用于确定所述目标店铺的候选地理区域的多个同质地理区域，所述同质地理区域是指商业特征与所述候选地理区域的商业特征相似的地理区域；
消费信息确定模块，用于针对所述多个同质地理区域中与所述目标店铺相同类型的店铺，确定该类型的店铺在历史同期时间段内的消费信息；
选址确定模块，用于根据所述消费信息确定是否将所述目标店铺选址在所述候选地理区域。
可选地，所述同质区域确定模块包括：
特征获取子模块，用于获取多个地理区域在历史同期时间段的商业特征数据，其中，所述多个地理区域包括所述候选地理区域；
向量确定子模块，用于根据每一所述地理区域的商业特征数据确定该地理区域的特征向量；
同质确定子模块，用于根据所述特征向量之间的相似度，从所述多个地理区域中确定所述候选地理区域的同质地理区域。
可选地，所述特征获取子模块获取的所述商业特征数据包括以下信息中的至少一者：用于表征所述地理区域的客流画像特征的数据，用于表征所述地理区域中的店铺种类特征的数据，用于表征所述地理区域中各种店铺的收益特征的数据，用于表征所述地理区域中与所述目标店铺相同类型的店铺的收益特征的数据。
可选地，所述向量确定子模块包括：
第一计算模块，用于对获取到的各地理区域在同一维度的每个特征数据，通过如下公式进行标准化处理：
Figure BDA0002100286600000051
其中，X*为特征数据标准化后的值，X为特征数据，m为该维度特征数据的均值，s为该维度特征数据的标准差，该地理区域的特征向量包括每一维度的特征数据标准化后的值；
所述同质确定子模块包括：
第二计算模块，用于通过如下公式计算各个地理区域的特征向量分别与所述候选地理区域的特征向量之间的相似度d12：
Figure BDA0002100286600000052
其中，x1k为某一地理区域的特征向量中的第k个元素值，x2k为所述候选地理区域特征向量中的第k个元素值，n为特征向量的维度大小，sk为各地理区域的特征向量在k维度的特征值的标准差；
执行模块，用于将与所述候选地理区域的特征向量之间的相似度最高的N个地理区域作为所述候选地理区域的同质地理区域。
可选地，所述消费信息确定模块包括：
第一确定子模块，用于确定所述多个同质地理区域在所述历史同期时间段内，消费者进入所述类型的店铺的入店率，以及进入所述类型的店铺的消费者的购买率，以及消费者购买的客单价，所述消费信息包括所述入店率，所述购买率以及所述客单价；
所述选址确定模块包括：
第一预测子模块，用于根据所述候选地理区域在历史预设时间段内的第一消费者总数量预测所述候选地理区域在未来的所述预设时间段内的第二消费者总数量；
第二预测子模块，用于根据所述第二消费者总数量，所述入店率，所述购买率以及所述客单价预测所述目标店铺在所述候选地理区域的收益信息；
第一地址确定子模块，用于根据所述收益信息确定是否将所述目标店铺选址在所述候选地理区域。
可选地，所述装置还包括：
转化率确定模块，用于将所述候选地理区域在所述历史同期时间段内进入所述类型的店铺的消费者数量，与所述候选地理区域在所述历史同期时间段内的消费者总数量之间的比值，作为所述候选地理区域中所述类型的店铺的消费者转化率；
所述选址确定模块包括：
第三预测子模块，用于根据所述候选地理区域在历史预设时间段内的第一消费者总数量预测所述候选地理区域在未来的所述预设时间段内的第二消费者总数量；
第四预测子模块，用于根据所述第二消费者总数量，所述入店率，所述购买率以及所述客单价预测所述目标店铺在所述候选地理区域的收益信息；
第二地址确定子模块，用于根据所述收益信息以及所述消费者转化率确定是否将所述目标店铺选址在所述候选地理区域。
根据本公开实施例的第三方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现本公开第一方面所提供的选址分析方法的步骤。
根据本公开实施例的第四方面，提供一种电子设备，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现本公开第一方面所提供的选址分析方法的步骤。
采用上述技术方案，至少可以包括以下有益效果：
通过确定待选址店铺的候选地理区域，并根据商业特征的相似度来确定所述候选地理区域的同质地理区域的方式，在选址分析时，所述同质地理区域能够提供更真实的模拟分析环境。同时，选址人员还能够获取所述同质地理区域中与待选址店铺同类型的店铺在历史同期时间段内的消费信息，从而可以根据所述消费信息评估待选址店铺在候选地理区域的竞争力以及收益，进而为选址决策作参考，最终提升选址的合理性。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
图1是根据一示例性实施例示出的一种选址分析方法的流程图。
图2是根据一示例性实施例示出的一种选址分析方法的流程图。
图3是根据一示例性实施例示出的一种选址分析方法的流程图。
图4是根据一示例性实施例示出的一种选址分析装置的框图。
图5是根据一示例性实施例示出的一种选址分析装置的框图。
图6是根据一示例性实施例示出的另一种选址分析装置的框图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
介绍本公开所提供的选址分析方法及装置，存储介质及电子设备之前，首先对本公开的应用场景进行介绍。本公开所提供的实施例可以应用在各种店铺选址分析场合，例如前置仓选址、加盟店选址等等。
图1是根据一示例性实施例示出的一种选址分析方法的流程图，如图1所示，所述选址分析方法包括：
S11，确定目标店铺的候选地理区域的多个同质地理区域，所述同质地理区域是指商业特征与所述候选地理区域的商业特征相似的地理区域。
其中，所述商业特征可以包括一个或者多个方面，例如，所述商业特征可以包括候选地理区域所包括的店铺类型、各类型店铺的分布比例、人流量、人流结构、消费习惯、周边设施类型等等。在具体实施时，可以依据这样的商业特征对多个不同的地理区域进行分析，将所述商业特征相似度较高的地理区域确定为同质地理区域。也就是说，通过多维度的商业特征确定的所述同质地理区域能够提供更真实的模拟分析环境，从而为选址分析过程提供更可靠的数据来源。
S12，针对所述多个同质地理区域中与所述目标店铺相同类型的店铺，确定该类型的店铺在历史同期时间段内的消费信息。
S13，根据所述消费信息确定是否将所述目标店铺选址在所述候选地理区域。
应当理解的是，当通过商业特征确定候选地理区域与某一地理区域同质时，目标店铺在候选区域的运营状态也会近似于同质地理区域中同类型店铺的运营状态。也就是说，可以通过对同质地理区域中同类型的店铺在历史同期时间段内的消费信息来对目标店铺在候选地理区域的状态进行评估，最终根据所述评估结果来确定是否将所述目标店铺选址在所述候选地理区域。
采用上述方法，能够达到以下技术效果：
通过确定待选址店铺的候选地理区域，并根据商业特征的相似度来确定所述候选地理区域的同质地理区域的方式，在选址分析时，所述同质地理区域能够提供更真实的模拟分析环境。同时，选址人员还能够获取所述同质地理区域中与待选址店铺同类型的店铺在历史同期时间段内的消费信息，从而可以根据所述消费信息评估待选址店铺在候选地理区域的竞争力以及收益，进而为选址决策作参考，最终提升选址的合理性。
图2是根据一示例性实施例示出的一种选址分析方法的流程图。参照图2，所述方法包括：
S21，获取多个地理区域在历史同期时间段的商业特征数据。其中，所述多个地理区域包括所述候选地理区域。
S22，根据每一所述地理区域的商业特征数据确定该地理区域的特征向量。
其中，在具体实施时可以根据所述商业特征数据，将不同类别的数据分别设置为对应特征向量的分量。示例地，目标地理区域的商业特征数据包括地理区域名称、地理区域类型、商家类型以及各商家类型的占比，在确定所述目标地理区域的特征向量时，可以将所述地理区域名称、地理区域类型、商家类型以及各商家类型的占比分别作为所述特征向量的一个分量，从而得到特征向量。
S23，根据所述特征向量之间的相似度，从所述多个地理区域中确定所述候选地理区域的同质地理区域。
S24，针对所述多个同质地理区域中与所述目标店铺相同类型的店铺，确定该类型的店铺在历史同期时间段内的消费信息。
S25，根据所述消费信息确定是否将所述目标店铺选址在所述候选地理区域。
这样，通过获取多个地理区域在历史同期时间段的商业特征数据，并根据每一所述地理区域的商业特征数据确定该地理区域所对应特征向量的方式，能够将复杂的数据量简化成所述特征向量。最终，可以通过计算所述特征向量之间的相似度，从所述多个地理区域中确定出所述候选地理区域的同质地理区域。
在一种可能的实施方式中，步骤S21所述的商业特征数据包括以下信息中的至少一者：用于表征所述地理区域的客流画像特征的数据，用于表征所述地理区域中的店铺种类特征的数据，用于表征所述地理区域中各种店铺的收益特征的数据，用于表征所述地理区域中与所述目标店铺相同类型的店铺的收益特征的数据。
也就是说，在评估地理区域之间的相似度时，可以结合所述地理区域的客流画像、店铺种类、各种店铺收益等数据中的一种或多种来构建所述地理区域的特征向量，从而能够通过所述特征向量精确的获取到更符合要求的同质地理区域，为后续的选址分析步骤提供基础。
仍以图2进行说明，在另一种可能的实施方式中，所述步骤S22包括：
针对获取到的各地理区域在同一维度的每个特征数据，通过如下公式进行标准化处理：
Figure BDA0002100286600000101
其中，X*为特征数据标准化后的值，X为特征数据，m为该维度特征数据的均值，s为该维度特征数据的标准差，该地理区域的特征向量包括每一维度的特征数据标准化后的值。
所述步骤S23包括：
通过如下公式计算各个地理区域的特征向量分别与所述候选地理区域的特征向量之间的相似度d12：
Figure BDA0002100286600000102
其中，x1k为某一地理区域的特征向量中的第k个元素值，x2k为所述候选地理区域特征向量中的第k个元素值，n为特征向量的维度大小，sk为各地理区域的特征向量在k维度的特征值的标准差；
将与所述候选地理区域的特征向量之间的相似度最高的N个地理区域作为所述候选地理区域的同质地理区域。
这样，即便在面对不同地理区域所对应的特征向量维度不同时，采用所述选址分析方法，依然能够通过特征向量将不同的地理区域与候选地理区域进行相似度计算，从而根据所述计算的结果来确定出所述候选地理区域的同质地理区域，最终根据所述同质地理区域中同类型店铺的运营状态来为选址决策提供数据支持。
图3是根据一示例性实施例示出的一种选址分析方法的流程图。参照图3，所述方法包括：
S31，确定目标店铺的候选地理区域的多个同质地理区域，所述同质地理区域是指商业特征与所述候选地理区域的商业特征相似的地理区域。
S32，确定所述多个同质地理区域在所述历史同期时间段内，消费者进入所述类型的店铺的入店率，以及进入所述类型的店铺的消费者的购买率，以及消费者购买的客单价，所述消费信息包括所述入店率，所述购买率以及所述客单价。
其中，在同质地理区域的数量为多个时，所述入店率，购买率以及客单价可以是所述多个同质地理区域的所述入店率、购买率以及客单价分别的平均值。
S33，根据所述候选地理区域在历史预设时间段内的第一消费者总数量预测所述候选地理区域在未来的所述预设时间段内的第二消费者总数量。
示例地，可以通过如下方式来对所述第二消费者总数量进行预测：
Ft+1＝(a+(b-1))*yt+(1-a)*Ft。
其中，Ft+1为第t+1时间段消费者数量的预测值，yt为第t时间段消费者数量的实际值，Ft为第t时间段消费者数量的预测值，a为平滑系数(0≤a≤1)，b为时间系数。应当理解的是，候选地理区域的消费者总数量可能会与时间段相关联，即在不同时间段消费者数量也随之改变(例如季节因素导致候选地理区域消费者数量发生变化等)。所述时间系数反映的正是某时间段的消费者数量与消费者数量总平均值之间的关系，当所述时间系数大于1时，说明该时间段的消费者数量常常高于总平均值；当所述时间系数小于1时，说明该时间段的消费者数量常常低于总平均值；当时间指数近似等于1时，说明候选地理区域的消费者总数量没有明显的时间效应。
示例地，在确定去年某一目标季度的时间系数时，可以用所述目标季度的消费者月平均数量除以去年平均每个月的消费者数量。
也就是说，所述公式可以将预设时间段作为一个计算单元，并且能够根据上一时间段的消费者总数量预测下一个时间段的消费者总数量。
S34，根据所述第二消费者总数量，所述入店率，所述购买率以及所述客单价预测所述目标店铺在所述候选地理区域的收益信息。
其中，所述目标店铺在所述候选地理区域的收益＝第二消费者总数量*入店率*购买率*客单价。
S35，根据所述收益信息确定是否将所述目标店铺选址在所述候选地理区域。
这样，通过对候选地理区域的未来预设时间段的消费者总数量进行预测，以及从所述候选地理区域的同质地理区域的历史消费数据中获取相应同类型店铺的消费者入店率、入店购买转化率以及客单价，能够对目标店铺在所述候选地理区域的收益信息进行预测，以便于选址人员进行决策。相比于相关技术中的选址方式，其分析结果更有可靠性，更有利于帮助选址人员做出合理的决策。
在一种可能的实施方式中，所述方法还包括：将所述候选地理区域在所述历史同期时间段内进入所述类型的店铺的消费者数量，与所述候选地理区域在所述历史同期时间段内的消费者总数量之间的比值，作为所述候选地理区域中所述类型的店铺的消费者转化率；
所述根据所述消费信息确定是否将所述目标店铺选址在所述候选地理区域，包括：
根据所述候选地理区域在历史预设时间段内的第一消费者总数量预测所述候选地理区域在未来的所述预设时间段内的第二消费者总数量；
根据所述第二消费者总数量，所述入店率，所述购买率以及所述客单价预测所述目标店铺在所述候选地理区域的收益信息；并
根据所述收益信息以及所述消费者转化率确定是否将所述目标店铺选址在所述候选地理区域。
也就是说，在进行选址分析时，上述实施方式不仅会考虑所述目标店铺在所述候选地理区域的收益，还会考虑所述目标店铺在所述候选地理区域的品牌转化率。从而增加了选址分析的维度，进一步提升了分析结果的可靠性。
图4是根据一示例性实施例示出的一种选址分析装置的框图，如图4所示，所述选址分析装置400包括：
同质区域确定模块401，用于确定所述目标店铺的候选地理区域的多个同质地理区域，所述同质地理区域是指商业特征与所述候选地理区域的商业特征相似的地理区域；
消费信息确定模块402，用于针对所述多个同质地理区域中与所述目标店铺相同类型的店铺，确定该类型的店铺在历史同期时间段内的消费信息；
选址确定模块403，用于根据所述消费信息确定是否将所述目标店铺选址在所述候选地理区域。
采用上述装置，能够达到以下技术效果：
通过确定待选址店铺的候选地理区域，并通过同质区域确定模块根据商业特征的相似度来确定所述候选地理区域的同质地理区域的方式，在选址分析时，所述同质地理区域能够提供更真实的模拟分析环境。同时，选址人员还能够获取所述同质地理区域中与待选址店铺同类型的店铺在历史同期时间段内的消费信息，从而可以根据所述消费信息评估待选址店铺在候选地理区域的竞争力以及收益，进而为选址决策作参考，最终提升选址的合理性。
可选地，参照图5所示出的一种选址分析装置的框图，如图5所示，所述选址分析装置400在图4的基础上，所述同质区域确定模块401包括：
特征获取子模块4011，用于获取多个地理区域在历史同期时间段的商业特征数据，其中，所述多个地理区域包括所述候选地理区域；
向量确定子模块4012，用于根据每一所述地理区域的商业特征数据确定该地理区域的特征向量；
同质确定子模块4013，用于根据所述特征向量之间的相似度，从所述多个地理区域中确定所述候选地理区域的同质地理区域。
这样，通过获取多个地理区域在历史同期时间段的商业特征数据，并根据每一所述地理区域的商业特征数据确定该地理区域所对应特征向量的方式，能够将复杂的数据量简化成所述特征向量。最终，可以通过计算所述特征向量之间的相似度，从所述多个地理区域中确定出所述候选地理区域的同质地理区域。
可选地，所述特征获取子模块获取的所述商业特征数据包括以下信息中的至少一者：用于表征所述地理区域的客流画像特征的数据，用于表征所述地理区域中的店铺种类特征的数据，用于表征所述地理区域中各种店铺的收益特征的数据，用于表征所述地理区域中与所述目标店铺相同类型的店铺的收益特征的数据。
可选地，所述向量确定子模块包括：
第一计算模块，用于对获取到的各地理区域在同一维度的每个特征数据，通过如下公式进行标准化处理：
Figure BDA0002100286600000151
其中，X*为特征数据标准化后的值，X为特征数据，m为该维度特征数据的均值，s为该维度特征数据的标准差，该地理区域的特征向量包括每一维度的特征数据标准化后的值；
所述同质确定子模块包括：
第二计算模块，用于通过如下公式计算各个地理区域的特征向量分别与所述候选地理区域的特征向量之间的相似度d12：
Figure BDA0002100286600000152
其中，x1k为某一地理区域的特征向量中的第k个元素值，x2k为所述候选地理区域特征向量中的第k个元素值，n为特征向量的维度大小，sk为各地理区域的特征向量在k维度的特征值的标准差；
执行模块，用于将与所述候选地理区域的特征向量之间的相似度最高的N个地理区域作为所述候选地理区域的同质地理区域。
可选地，所述消费信息确定模块包括：
第一确定子模块，用于确定所述多个同质地理区域在所述历史同期时间段内，消费者进入所述类型的店铺的入店率，以及进入所述类型的店铺的消费者的购买率，以及消费者购买的客单价，所述消费信息包括所述入店率，所述购买率以及所述客单价；
所述选址确定模块包括：
第一预测子模块，用于根据所述候选地理区域在历史预设时间段内的第一消费者总数量预测所述候选地理区域在未来的所述预设时间段内的第二消费者总数量；
第二预测子模块，用于根据所述第二消费者总数量，所述入店率，所述购买率以及所述客单价预测所述目标店铺在所述候选地理区域的收益信息；
第一地址确定子模块，用于根据所述收益信息确定是否将所述目标店铺选址在所述候选地理区域。
可选地，所述装置还包括：
转化率确定模块，用于将所述候选地理区域在所述历史同期时间段内进入所述类型的店铺的消费者数量，与所述候选地理区域在所述历史同期时间段内的消费者总数量之间的比值，作为所述候选地理区域中所述类型的店铺的消费者转化率；
所述选址确定模块包括：
第三预测子模块，用于根据所述候选地理区域在历史预设时间段内的第一消费者总数量预测所述候选地理区域在未来的所述预设时间段内的第二消费者总数量；
第四预测子模块，用于根据所述第二消费者总数量，所述入店率，所述购买率以及所述客单价预测所述目标店铺在所述候选地理区域的收益信息；
第二地址确定子模块，用于根据所述收益信息以及所述消费者转化率确定是否将所述目标店铺选址在所述候选地理区域。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本公开还提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现本公开提供的选址分析方法的步骤。
本公开还提供一种电子设备，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现本公开提供的选址分析方法的步骤。
图6是根据一示例性实施例示出的一种电子设备600的框图。例如，电子设备600可以被提供为一服务器。参照图6，电子设备600包括处理器622，其数量可以为一个或多个，以及存储器632，用于存储可由处理器622执行的计算机程序。存储器632中存储的计算机程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理器622可以被配置为执行该计算机程序，以执行上述的选址分析方法。
另外，电子设备600还可以包括电源组件626和通信组件650，该电源组件626可以被配置为执行电子设备600的电源管理，该通信组件650可以被配置为实现电子设备600的通信，例如，有线或无线通信。此外，该电子设备600还可以包括输入/输出(I/O)接口658。电子设备600可以操作基于存储在存储器632的操作系统，例如Windows ServerTM，Mac OSXTM，UnixTM，LinuxTM等等。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的选址分析方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器632，上述程序指令可由电子设备600的处理器622执行以完成上述的选址分析方法。
在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述的选址分析方法的代码部分。
本领域技术人员在考虑说明书及实践本公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、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公开的一般性原理并包括本公开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，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开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。本公开的范围仅由所附的权利要求来限制。

Claims (10)

1.一种选址分析方法，其特征在于，所述方法包括：
确定目标店铺的候选地理区域的多个同质地理区域，所述同质地理区域是指商业特征与所述候选地理区域的商业特征相似的地理区域；
针对所述多个同质地理区域中与所述目标店铺相同类型的店铺，确定该类型的店铺在历史同期时间段内的消费信息；
根据所述消费信息确定是否将所述目标店铺选址在所述候选地理区域。
2.根据权利要求1所述的方法，其特征在于，所述确定所述目标店铺的候选地理区域的多个同质地理区域，包括：
获取多个地理区域在历史同期时间段的商业特征数据，其中，所述多个地理区域包括所述候选地理区域；
根据每一所述地理区域的商业特征数据确定该地理区域的特征向量；
根据所述特征向量之间的相似度，从所述多个地理区域中确定所述候选地理区域的同质地理区域。
3.根据权利要求2所述的方法，其特征在于，所述商业特征数据包括以下信息中的至少一者：用于表征所述地理区域的客流画像特征的数据，用于表征所述地理区域中的店铺种类特征的数据，用于表征所述地理区域中各种店铺的收益特征的数据，用于表征所述地理区域中与所述目标店铺相同类型的店铺的收益特征的数据。
4.根据权利要求3所述的方法，其特征在于，所述根据每一所述地理区域的商业特征数据确定该地理区域的特征向量，包括：
针对获取到的各地理区域在同一维度的每个特征数据，通过如下公式进行标准化处理：
Figure FDA0002100286590000021
其中，X*为特征数据标准化后的值，X为特征数据，m为该维度特征数据的均值，s为该维度特征数据的标准差，该地理区域的特征向量包括每一维度的特征数据标准化后的值；
所述根据所述特征向量之间的相似度，从所述多个地理区域中确定所述候选地理区域的同质地理区域，包括：
通过如下公式计算各个地理区域的特征向量分别与所述候选地理区域的特征向量之间的相似度d12：
Figure FDA0002100286590000022
其中，x1k为某一地理区域的特征向量中的第k个元素值，x2k为所述候选地理区域特征向量中的第k个元素值，n为特征向量的维度大小，sk为各地理区域的特征向量在k维度的特征值的标准差；
将与所述候选地理区域的特征向量之间的相似度最高的N个地理区域作为所述候选地理区域的同质地理区域。
5.根据权利要求1-4中任一项所述的方法，其特征在于，所述针对所述多个同质地理区域中与所述目标店铺相同类型的店铺，确定该类型的店铺在历史同期时间段内的消费信息，包括：
确定所述多个同质地理区域在所述历史同期时间段内，消费者进入所述类型的店铺的入店率，以及进入所述类型的店铺的消费者的购买率，以及消费者购买的客单价，所述消费信息包括所述入店率，所述购买率以及所述客单价；
所述根据所述消费信息确定是否将所述目标店铺选址在所述候选地理区域包括：
根据所述候选地理区域在历史预设时间段内的第一消费者总数量预测所述候选地理区域在未来的所述预设时间段内的第二消费者总数量；
根据所述第二消费者总数量，所述入店率，所述购买率以及所述客单价预测所述目标店铺在所述候选地理区域的收益信息；并
根据所述收益信息确定是否将所述目标店铺选址在所述候选地理区域。
6.根据权利要求1-4中任一项所述的方法，其特征在于，所述方法还包括：
将所述候选地理区域在所述历史同期时间段内进入所述类型的店铺的消费者数量，与所述候选地理区域在所述历史同期时间段内的消费者总数量之间的比值，作为所述候选地理区域中所述类型的店铺的消费者转化率；
所述根据所述消费信息确定是否将所述目标店铺选址在所述候选地理区域，包括：
根据所述候选地理区域在历史预设时间段内的第一消费者总数量预测所述候选地理区域在未来的所述预设时间段内的第二消费者总数量；
根据所述第二消费者总数量，所述入店率，所述购买率以及所述客单价预测所述目标店铺在所述候选地理区域的收益信息；并
根据所述收益信息以及所述消费者转化率确定是否将所述目标店铺选址在所述候选地理区域。
7.一种选址分析装置，其特征在于，所述装置包括：
同质区域确定模块，用于确定所述目标店铺的候选地理区域的多个同质地理区域，所述同质地理区域是指商业特征与所述候选地理区域的商业特征相似的地理区域；
消费信息确定模块，用于针对所述多个同质地理区域中与所述目标店铺相同类型的店铺，确定该类型的店铺在历史同期时间段内的消费信息；
选址确定模块，用于根据所述消费信息确定是否将所述目标店铺选址在所述候选地理区域。
8.根据权利要求7所述的装置，其特征在于，所述同质区域确定模块包括：
特征获取子模块，用于获取多个地理区域在历史同期时间段的商业特征数据，其中，所述多个地理区域包括所述候选地理区域；
向量确定子模块，用于根据每一所述地理区域的商业特征数据确定该地理区域的特征向量；
同质确定子模块，用于根据所述特征向量之间的相似度，从所述多个地理区域中确定所述候选地理区域的同质地理区域。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-6中任一项所述方法的步骤。
10.一种电子设备，其特征在于，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1-6中任一项所述方法的步骤。
CN201910532870.6A 2019-06-19 2019-06-19 选址分析方法及装置，存储介质及电子设备 Pending CN112116179A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910532870.6A CN112116179A (zh) 2019-06-19 2019-06-19 选址分析方法及装置，存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910532870.6A CN112116179A (zh) 2019-06-19 2019-06-19 选址分析方法及装置，存储介质及电子设备

Publications (1)

Publication Number Publication Date
CN112116179A true CN112116179A (zh) 2020-12-22

Family

ID=73795490

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910532870.6A Pending CN112116179A (zh) 2019-06-19 2019-06-19 选址分析方法及装置，存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN112116179A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113947425A (zh) * 2021-09-27 2022-01-18 上海维智卓新信息科技有限公司 店铺地址确定方法及装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113947425A (zh) * 2021-09-27 2022-01-18 上海维智卓新信息科技有限公司 店铺地址确定方法及装置

Similar Documents

Publication Publication Date Title
CN107465741B (zh) 信息推送方法和装置
KR101753481B1 (ko) 오픈 마켓별 가격변동 자동 모니터링 및 변경 시스템
US10181138B2 (en) System and method for determining retail-business-rule coefficients from current prices
US20140278778A1 (en) Method, apparatus, and computer-readable medium for predicting sales volume
US20200234218A1 (en) Systems and methods for entity performance and risk scoring
JPWO2005024689A1 (ja) 消費者の購買行動分析方法及び装置
BenMark et al. How retailers can drive profitable growth through dynamic pricing
KR20160142789A (ko) 수요 예측에 기반한 상품 가격 설정 방법 및 시스템
US20140122173A1 (en) Estimating semi-parametric product demand models
CN113095861A (zh) 目标对象成交概率的预测方法、装置、设备及存储介质
US20110251886A1 (en) Promotional placement of applications in a marketplace
CN112116179A (zh) 选址分析方法及装置，存储介质及电子设备
KR20200096479A (ko) 관리 서버의 마케팅 방법
CN112085537A (zh) 一种基于大数据分析商品的方法及系统
WO2020150597A1 (en) Systems and methods for entity performance and risk scoring
KR20200111942A (ko) 식자재 공동주문 처리 장치
Schön Optimal dynamic price selection under attraction choice models
CN110880119A (zh) 一种数据处理方法和装置
KR20230045204A (ko) 온라인 최저가 상품 판매 채널 제공 방법, 디바이스 및 시스템
US20150170038A1 (en) Method And System For Generating Item Recommendation
Bisset et al. A systematic literature review on stochastic programming models in the retail industry
Amindoust et al. Supplier selection and order allocation scenarios in supply chain: A review
KR102270381B1 (ko) 소비자 데이터 기반의 쇼핑 인터페이스 제공 방법 및 그 장치
US20170228751A1 (en) Systems and methods for dynamic value calculation and update across distributed servers
CN111639274A (zh) 线上商品智能排序方法、装置、计算机设备和存储介质

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