CN113487341B - 一种城市商业策略数据处理方法 - Google Patents
一种城市商业策略数据处理方法 Download PDFInfo
- Publication number
- CN113487341B CN113487341B CN202110616592.XA CN202110616592A CN113487341B CN 113487341 B CN113487341 B CN 113487341B CN 202110616592 A CN202110616592 A CN 202110616592A CN 113487341 B CN113487341 B CN 113487341B
- Authority
- CN
- China
- Prior art keywords
- data
- evaluation
- point
- population
- evaluation mode
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 9
- 238000011156 evaluation Methods 0.000 claims abstract description 136
- 230000004927 fusion Effects 0.000 claims abstract description 32
- 238000007689 inspection Methods 0.000 claims abstract description 28
- 238000012795 verification Methods 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000013507 mapping Methods 0.000 claims description 14
- 238000010606 normalization Methods 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000013524 data verification Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 239000000523 sample Substances 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 3
- 230000001502 supplementing effect Effects 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24575—Query processing with adaptation to user needs using context
-
- 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
- G06Q30/0282—Rating or review of business operators or products
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种城市商业策略数据处理方法，包括以下步骤：S1：分别获取地图数据、O2O平台数据、品牌门店数据、第三方专业数据供应商提供的数据、人工补充采集数据并进行AI质检、有效性验证；S2：将有效性验证后的数据利用门店选址评估算法得到门店点位的商业推荐指数。本发明通过获取多维的商业线上和线下数据，利用AI质检对数据进行处理，结合提出的门店选址评估算法得到门店点位的商业推荐指数，有效的进行数据融合，使得渠道管理数据精细和精准。
Description
技术领域
本发明涉及大数据技术领域，更具体地，涉及一种城市商业策略数据处理方法。
背景技术
我国目前面临极其复杂的零售环境：各区域消费能力、消费风格迥异，地区间人均GDP差距最高可达20余倍；在广阔的线下商业空间布局有逾329万个分属不同业态类型和品牌的多样店铺，其中现代渠道年度店铺变动率高达48％，可见，线下宏观打通尤为迫切，但又困难。
在这样的大背景下，打通“人货场”成为新零售的制胜之道，其中线下数据的价值不容忽视。但目前现状是传统制胜方法会相对孤立的关注人货场大数据，缺乏纵览，难以应对新零售背景下的市场挑战。在线上数据的基础上加入线下数据，两者结合，才能从真正意义上帮助每个商业体完成“人货场”的数据运转。现有技术中，公开号为：CN106339899A，中国发明专利于2017年1月18日公开了一种基于线上交易数据的线下TradeZone设计的可视化决策支持方法，所述方法包括以下步骤：数据抽取，数据清洗，数据统一，经纬转换，数据建模，数据计算，数据渲染；该方法没有构建选址模型，场景适用性不高。
发明内容
本发明为克服上述现有技术商业门店选址没有将线上数据的基础上加入线下数据融合，渠道管理数据不够精细和精准的缺陷，提供一种城市商业策略数据处理方法。
本发明的首要目的是为解决上述技术问题，本发明的技术方案如下：
一种城市商业策略数据处理方法，包括以下步骤：
S1：分别获取地图数据、O2O平台数据、品牌门店数据、第三方专业数据供应商提供的数据、人工补充采集数据并进行AI质检、有效性验证；
S2：将有效性验证后的数据利用门店选址评估算法得到门店点位的商业推荐指数。
进一步的，所述AI质检的具体处理流程包括：质检映射、融合去重、AI数据质检，其中质检映射包括：分类映射、品牌映射、标签映射、源数据质检，所述质检映射用于建立数据的标准，统一数据表述方式，以便下一步数据的融合去重处理；
所述融合去重包括：相似数据融合、多策略匹配、融合字段选择、经纬度融合、临值及可疑数据核验，所述融合去重用于清洗重复数据，剔除无效数据，以便提升数据的精准度；
AI数据质检包括：名称地址经纬度校正、字段规范化处理、无效数据剔除，所述AI数据质检用于自动校验数据有效性，并进行数据的校正，提升数据的精准度和精确度。
进一步的，所述有效性验证包括：实地验证、线上活跃度验证、Probe活跃度验证。
进一步的，所述融合去重的的具体步骤为：
将待融合的数据进行数据预处理；
将预处理后的数据进行聚类并采用字特征进行向量化表示；
将聚类后的每组相似数据进行重复判断，将重复数据归为一组；
对每组重复的数据根据预设的字段融合规则进行融合，将每组重复数据输出一条最终融合数据。
进一步的，所述门店选址评估算法包括评估公式参数和权重，其中，所述评估公式参数包括：人口数据、人群画像数据、POI数量标签、点位商业指标。
进一步的，所述人口数据包括：常驻人口、工作人口、居住人口、流动人口；
所述人群画像数据包括：年龄、人生阶段、学历分布、消费水平；
所述POI数量标签包括：聚客点数据量、主要品牌数据；
点位商业指标包括：租金。
进一步的，门店选址评估算法根据点位类型的不同划分不同的评估模式，所述点位类型包括：网点和栅格，所述评估模式包括两种：评估模式一和评估模式二，不同的评估模式对应的评估公式参数的权重不同，具体评估模式的划分为：当点位类型为栅格类型时采用的评估模式记为评估模式一，当点位类型为网点类型时包括两种情形：若网点类型评估没有租金数据则采用的评估模式记为评估模式一；若网点类型评估有租金数据则采用的评估模式记为评估模式二。
进一步的，当进行栅格类型评估时，栅格数据归一化处理的最大值取城市所有栅格中对应数据的最大值；最小值取城市所有栅格中对应数据的最小值；
当进行网点类型评估时，网点数据归一化处理需要先换算为单位面积内的数值；
点位商业指标中的租金最大值取所在城市的商铺租金最大值，最小值也是所在城市的商铺租金最小值，每个城市租金的最大值和最小值待人工采集补充。
进一步的，在进行门店选址评估算法评估时，若选取人口数据为多个人群类型时，则在计算人群画像数据时，首先计算人群画像中每个字段的均值，然后将每个字段的均值乘以权重再相加得到人群画像数据均值；
其中，人群画像每个字段的均值等于每种人群类型对应的字段的值相加除以所选人群类型数。
进一步的，门店选址评估算法输出四种情境的点位商业推荐指数，具体包括：栅格单一人口数据的点位商业推荐指数、栅格两种以上的人口数据的点位商业推荐指数、网点单一人口数据的点位商业推荐指数、网点两种以上的人口数据的点位商业推荐指数
栅格单一人口数据的点位商业推荐指数
用户通过栅格筛选关注了A栅格，并由关注点位面板进入评估申请，选取参数为常驻人口，设置半径：500米；
计算公式为
栅格两种以上的人口数据的点位商业推荐指数
用户通过栅格筛选关注了B栅格，并由关注点位面板进入评估申请，选取参数为常驻人口+工作人口，设置半径：500米；
计算公式为
其中，
网点单一人口数据的点位商业推荐指数
用户通过点位标记关注了C点位，并由关注点位面板进入评估申请，选取参数为常驻人口+工作人口，设置半径：500米；
计算公式为
＝C1×h1+C点位常驻人口年龄段占比×a1+C点位常驻人口指定人生阶段占比×s1+C点位常驻人口本科以上学历占比×g1+C点位常驻人口高消费人群占比×l1+C2×p1+C3×b1
其中，
网点两种以上的人口数据的点位商业推荐指数
用户通过点位标记关注了D点位，并由关注点位面板进入评估申请，选取参数为常驻人口+工作人口，设置半径：500米；
计算公式为
通过上述分类情景即可计算出对应的人口数据
其中：
其中，h1表示评估模式一中人口数据的权重，h2表示评估模式二中人口数据的权重，a1表示评估模式一中人群画像数据的年龄字段权重，a2表示评估模式二中人群画像数据的年龄字段权重，s1表示评估模式一中人群画像数据的人生阶段字段权重，s2表示评估模式二中人群画像数据的人生阶段字段权重，g1表示评估模式一中人群画像数据的学历分布字段权重，g2表示评估模式二中人群画像数据的学历分布字段权重，l1表示评估模式一中人群画像数据的消费水平字段权重，l2表示评估模式二中人群画像数据的消费水平字段权重，p1表示评估模式一中POI数量标签的聚客点数量字段权重，p2表示评估模式二中POI数量标签的聚客点数量字段权重，b1表示评估模式一中POI数量标签的主要品牌数量字段权重，b2表示评估模式二中POI数量标签的主要品牌数量字段权重，m2表示评估模式二中点位商业指标中租金字段权重，其中评估模式一点位商业指标中租金字段没有权重。
与现有技术相比，本发明技术方案的有益效果是：
本发明通过获取多维的商业线上和线下数据，利用AI质检对数据进行处理，结合提出的门店选址评估算法得到门店点位的商业推荐指数，有效的进行数据融合，使得渠道管理数据精细和精准。
附图说明
图1为本申请一种城市商业策略数据处理方法流程图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
本发明的城市商业策略数据处理方法适用于城市商业策略地图系统或平台，所述系统或平台是以消费者洞察为根本，整合行业数据和海量全域数据，获取栅格级别的人群数据，整合地理大数据，实现百米级栅格构建价值评分系统，本发明不限制系统或平台的类型，任何采用本发明城市商业策略数据处理方法的技术方案都将落入本发明保护范围内。
实施例1
如图1所示，一种城市商业策略数据处理方法，包括以下步骤：
S1：分别获取地图数据、O2O平台数据、品牌门店数据、第三方专业数据供应商提供的数据、人工补充采集数据并进行AI质检、有效性验证；
在一个具体的实施例中，首先可以从BAT等商业平台获取地图数据，从大众点评或美团获取O2O平台数据，品牌门店数据则可由品牌方提供，可以从第三方专业数据供应商获取专业数据，例如人群画像数据、人口数量数据等，所述人工补充采集的数据可以为租金等数据，由于上述数据表达形式不同，来源不同，因此需要进行AI质检。
所述AI质检的具体处理流程包括：质检映射、融合去重、AI数据质检，其中质检映射包括：分类映射、品牌映射、标签映射、源数据质检；主要作用是建立数据的标准，统一数据表述方式，以便下一步数据的融合处理；
所述融合去重包括：相似数据融合、多策略匹配、融合字段选择、经纬度融合、临值及可疑数据核验；主要作用是清洗重复数据，剔除无效数据，以便提升数据的精准度；其中，所述融合去重的的具体步骤为：
将待融合的数据进行数据预处理；
将预处理后的数据进行聚类并采用字特征进行向量化表示；聚类采用的算法可以为DBSCAN聚类，由于POI数据的名字长度都较短，因此采用字特征进行向量化，最小组数量设为2；
将聚类后的每组相似数据进行重复判断，将重复数据归为一组；
对每组重复的数据根据预设的字段融合规则进行融合，将每组重复数据输出一条最终融合数据。
AI数据质检包括：名称地址经纬度校正、字段规范化处理、无效数据剔除。主要作用是自动校验数据有效性，并进行数据的校正，进一步提升数据的精准度和精确度。所述有效性验证包括：实地验证、线上活跃度验证、Probe活跃度验证。
以POI数据为例进行处理流程的说明，POI是“PointofInterest”的缩写，中文可以翻译为“兴趣点”。在地理信息系统中，一个POI可以是一栋房子、一个商铺、一个邮筒、一个公交站等。
POI数据需要融合去重，因为在不同路径通过爬虫抓取的数据，包括地图数据、O2O数据、品牌门店数据、第三方专业数据供应商提供的数据，这些数据由于表述形式不同、地点更名等原因，同一经纬度的POI在不同渠道上显示的名字并不统一，从而导致不同渠道的信息无法对齐汇总，因此需要对这些重复的数据信息融合、去重，确保每一条数据真实有效；需要说明的，本发明中的融合去重仅对相同省市区的相同业态的POI数据进行融合去重。
S2：将有效性验证后的数据利用门店选址评估算法得到门店点位的商业推荐指数。
更具体的，数据进行有效性验证后利用门店选址评估算法得到门店点位的商业推荐指数，帮助企业轻松完成选点范围层层缩小、高潜力网点发掘、目标网点对比、网点潜力测算等关键而繁重的工作，告别过往单纯的经验评估，提高选址人员的工作效率。如表1所示为门店选址评估算法的参数和权重分布表。结合表1具体说明门店选址评估算法的实施流程。
表1门店选址评估算法的参数和权重分布表
如表1所示，所述门店选址评估算法包括评估公式参数和权重，其中，所述评估公式参数包括：人口数据、人群画像数据、POI数量标签、点位商业指标。
进一步的，所述人口数据包括：常驻人口、工作人口、居住人口、流动人口；所述人群画像数据包括：年龄、人生阶段、学历分布、消费水平；所述POI数量标签包括：聚客点数据量、主要品牌数据；点位商业指标包括：租金。
门店选址评估算法根据点位类型的不同选择不同的评估模式，所述点位类型包括：网点和栅格，所述评估模式包括两种：评估模式一和评估模式二，不同的评估模式对应的评估公式参数的权重不同，具体评估模式的划分为：当点位类型为栅格类型时采用的评估模式记为评估模式一，当点位类型为网点类型时包括两种情形：若网点类型评估没有租金数据则采用的评估模式记为评估模式一；若网点类型评估有租金数据则采用的评估模式记为评估模式二。
需要说明的是，在一个具体的实施例中，每种评估模式下评估参数均可以设置对应的权重，例如选择评估模式一时，人口数据的权重为0.2，在选择评估模式二时，人口数据的权重为0.25，人群画像数据中的年龄字段在评估模式一和评估模式二中分别对应的权重为0.1和0.05；人群画像数据中的人生阶段字段在评估模式一和评估模式二中分别对应的权重为0.1和0.05；人群画像数据中的学历分布字段在评估模式一和评估模式二中分别对应的权重为0.1和0.05；人群画像数据中的消费水平字段在评估模式一和评估模式二中分别对应的权重为0.1和0.1；同理，POI数据标签的聚客点数量字段在评估模式一和评估模式二中分别对应的权重为0.1和0.1；POI数据标签的主要品牌数量字段在评估模式一和评估模式二中分别对应的权重为0.1和0.1；点位商业指标的租金字段在评估模式二中对应的权重为0.3。
进一步的，当进行栅格类型评估时，栅格数据归一化处理的最大值取城市所有栅格中对应数据的最大值；最小值取城市所有栅格中对应数据的最小值；
当进行网点类型评估时，网点数据归一化处理需要先换算为单位面积内的数值；例如每250平方米内的数值(即50米*50米的格子)，具体过程如下：
点位商业指标中的租金最大值取所在城市的商铺租金最大值，最小值也是所在城市的商铺租金最小值，每个城市租金的最大值和最小值待人工采集补充。
进一步的，在进行门店选址评估算法评估时，若选取多个人群类型。进一步的，门店选址评估算法输出四种情境的点位商业推荐指数，具体包括：栅格单一人口数据的点位商业推荐指数、栅格两种以上的人口数据的点位商业推荐指数、网点单一人口数据的点位商业推荐指数、网点两种以上的人口数据的点位商业推荐指数。利用上述设置的每种评估模式下评估参数的权重，四种情景的点位商业指数具体计算如下：
1、栅格单一人口数据的点位商业推荐指数
用户通过栅格筛选关注了A栅格，并由关注点位面板进入评估申请，选取参数为常驻人口，设置半径为500米。
计算公式为
2、栅格两种以上的人口数据的点位商业推荐指数
用户通过栅格筛选关注了B栅格，并由关注点位面板进入评估申请，选取参数为常驻人口+工作人口，设置半径为500米。
计算公式为
其中，
3、网点单一人口数据的点位商业推荐指数
用户通过点位标记关注了C点位，并由关注点位面板进入评估申请，选取参数为常驻人口+工作人口，设置半径为500米。
计算公式为
＝C1×0.3+C点位常驻人口年龄段占比×0.1+C点位常驻人口指定人生阶段占比×0.1+C点位常驻人口本科以上学历占比×0.1+C点位常驻人口高消费人群占比×0.1+C2×0.1+C3×0.1
其中，
4、网点两种以上的人口数据的点位商业推荐指数
用户通过点位标记关注了D点位，并由关注点位面板进入评估申请，选取参数为常驻人口+工作人口，设置半径为500米。
计算公式为
通过上述分类情景即可计算出对应的人口数据
其中：
需要说明的是，上述四种情景中网点的定义是自定义的不规则区域，可以是圆形，矩形，或者多边形，其中，圆形的半径范围是100米-3000米，矩形或多边形的面积范围是：0.01平方公里-30平方公里；在实际的应用场景中，根据选择对应场景的点位商业推荐指数计算公式即可得到点位商业推荐指数。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。
Claims (7)
1.一种城市商业策略数据处理方法，其特征在于，包括以下步骤：
S1：分别获取地图数据、O2O平台数据、品牌门店数据、第三方专业数据供应商提供的数据、人工补充采集数据并进行AI质检、有效性验证，所述人工补充采集数据为租金数据；
S2：将有效性验证后的数据利用门店选址评估算法得到门店点位的商业推荐指数；门店选址评估算法根据点位类型的不同划分不同的评估模式，所述点位类型包括：网点和栅格，所述评估模式包括两种：评估模式一和评估模式二，不同的评估模式对应的评估公式参数的权重不同，具体评估模式的划分为：
当点位类型为栅格类型时采用的评估模式记为评估模式一，当点位类型为网点类型时包括两种情形：若网点类型评估没有租金数据则采用的评估模式记为评估模式一；若网点类型评估有租金数据则采用的评估模式记为评估模式二；
当进行栅格类型评估时，栅格数据归一化处理的最大值取城市所有栅格中对应数据的最大值；最小值取城市所有栅格中对应数据的最小值；
当进行网点类型评估时，网点数据归一化处理需要先换算为单位面积内的数值；
点位商业指标中的租金最大值取所在城市的商铺租金最大值，最小值也是所在城市的商铺租金最小值，每个城市租金的最大值和最小值待人工采集补充；
在进行门店选址评估算法评估时，若选取人口数据为多个人群类型时，则在计算人群画像数据时，首先计算人群画像中每个字段的均值，然后将每个字段的均值乘以权重再相加得到人群画像数据均值；
其中，人群画像每个字段的均值等于每种人群类型对应的字段的值相加除以所选人群类型数。
2.根据权利要求1所述的一种城市商业策略数据处理方法，其特征在于，所述AI质检的具体处理流程包括：质检映射、融合去重、AI数据质检，其中质检映射包括：分类映射、品牌映射、标签映射、源数据质检；所述质检映射用于建立数据的标准，统一数据表述方式，以便下一步数据的融合去重处理；
所述融合去重包括：相似数据融合、多策略匹配、融合字段选择、经纬度融合、临值及可疑数据核验；所述融合去重用于清洗重复数据，剔除无效数据，以便提升数据的精准度；
AI数据质检包括：名称地址经纬度校正、字段规范化处理、无效数据剔除；所述AI数据质检用于自动校验数据有效性，并进行数据的校正，提升数据的精准度和精确度。
3.根据权利要求1所述的一种城市商业策略数据处理方法，其特征在于，所述有效性验证包括：实地验证、线上活跃度验证、Probe活跃度验证。
4.根据权利要求2所述的一种城市商业策略数据处理方法，其特征在于，所述融合去重的具体步骤为：
将待融合的数据进行数据预处理；
将预处理后的数据进行聚类并采用字特征进行向量化表示；
将聚类后的每组相似数据进行重复判断，将重复数据归为一组；
对每组重复的数据根据预设的字段融合规则进行融合，将每组重复数据输出一条最终融合数据。
5.根据权利要求1所述的一种城市商业策略数据处理方法，其特征在于，所述门店选址评估算法包括评估公式参数和权重，其中，所述评估公式参数包括：人口数据、人群画像数据、POI数量标签、点位商业指标。
6.根据权利要求5所述的一种城市商业策略数据处理方法，其特征在于，所述人口数据包括四种人群类型：常驻人口、工作人口、居住人口、流动人口；
所述人群画像数据包括：年龄、人生阶段、学历分布、消费水平；
所述POI数量标签包括：聚客点数据量、主要品牌数据；
点位商业指标包括：单位租金。
7.根据权利要求6所述的一种城市商业策略数据处理方法，其特征在于，门店选址评估算法输出四种情境的点位商业推荐指数，具体包括：栅格单一人口数据的点位商业推荐指数、栅格两种以上的人口数据的点位商业推荐指数、网点单一人口数据的点位商业推荐指数、网点两种以上的人口数据的点位商业推荐指数，
栅格单一人口数据的点位商业推荐指数
用户通过栅格筛选关注了A栅格，并由关注点位面板进入评估申请，选取参数为常驻人口，设置半径；
计算公式为
栅格两种以上的人口数据的点位商业推荐指数
用户通过栅格筛选关注了B栅格，并由关注点位面板进入评估申请，选取参数为常驻人口+工作人口，设置半径；
计算公式为
其中，
网点单一人口数据的点位商业推荐指数
用户通过点位标记关注了C点位，并由关注点位面板进入评估申请，选取参数为常驻人口+工作人口，设置半径：500米；
计算公式为
其中，
网点两种以上的人口数据的点位商业推荐指数
用户通过点位标记关注了D点位，并由关注点位面板进入评估申请，选取参数为常驻人口+工作人口，设置半径；
计算公式为
通过上述分类情景即可计算出对应的人口数据
其中：
其中，h1表示评估模式一中人口数据的权重，h2表示评估模式二中人口数据的权重，a1表示评估模式一中人群画像数据的年龄字段权重，a2表示评估模式二中人群画像数据的年龄字段权重，s1表示评估模式一中人群画像数据的人生阶段字段权重，s2表示评估模式二中人群画像数据的人生阶段字段权重，g1表示评估模式一中人群画像数据的学历分布字段权重，g2表示评估模式二中人群画像数据的学历分布字段权重，l1表示评估模式一中人群画像数据的消费水平字段权重，l2表示评估模式二中人群画像数据的消费水平字段权重，p1表示评估模式一中POI数量标签的聚客点数量字段权重，p2表示评估模式二中POI数量标签的聚客点数量字段权重，b1表示评估模式一中POI数量标签的主要品牌数量字段权重，b2表示评估模式二中POI数量标签的主要品牌数量字段权重，m2表示评估模式二中点位商业指标中租金字段权重，其中评估模式一点位商业指标中租金字段没有权重。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110616592.XA CN113487341B (zh) | 2021-06-02 | 2021-06-02 | 一种城市商业策略数据处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110616592.XA CN113487341B (zh) | 2021-06-02 | 2021-06-02 | 一种城市商业策略数据处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113487341A CN113487341A (zh) | 2021-10-08 |
| CN113487341B true CN113487341B (zh) | 2024-04-26 |
Family
ID=77934353
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110616592.XA Active CN113487341B (zh) | 2021-06-02 | 2021-06-02 | 一种城市商业策略数据处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113487341B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115796943B (zh) * | 2023-01-31 | 2023-05-26 | 广州数说故事信息科技有限公司 | 一种行业开店空间规划方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106339899A (zh) * | 2016-08-19 | 2017-01-18 | 上海宝尊电子商务有限公司 | 基于线上交易数据的线下Trade Zone设计的可视化决策支持方法 |
| CN106528559A (zh) * | 2015-09-10 | 2017-03-22 | 阿里巴巴集团控股有限公司 | 一种位置信息的提供方法和设备 |
| 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 |
| CN108765001A (zh) * | 2018-05-28 | 2018-11-06 | 江苏荣泽信息科技股份有限公司 | 基于区块链的商业地产价值分析系统及方法 |
| CN108763496A (zh) * | 2018-05-30 | 2018-11-06 | 南京讯高科技有限公司 | 一种基于网格和密度的动静态数据融合客户分类算法 |
| CN110543999A (zh) * | 2018-08-17 | 2019-12-06 | 杉数科技(北京)有限公司 | 用于门店选址的方法和装置 |
-
2021
- 2021-06-02 CN CN202110616592.XA patent/CN113487341B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106528559A (zh) * | 2015-09-10 | 2017-03-22 | 阿里巴巴集团控股有限公司 | 一种位置信息的提供方法和设备 |
| CN106339899A (zh) * | 2016-08-19 | 2017-01-18 | 上海宝尊电子商务有限公司 | 基于线上交易数据的线下Trade Zone设计的可视化决策支持方法 |
| 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 |
| CN108765001A (zh) * | 2018-05-28 | 2018-11-06 | 江苏荣泽信息科技股份有限公司 | 基于区块链的商业地产价值分析系统及方法 |
| CN108763496A (zh) * | 2018-05-30 | 2018-11-06 | 南京讯高科技有限公司 | 一种基于网格和密度的动静态数据融合客户分类算法 |
| CN110543999A (zh) * | 2018-08-17 | 2019-12-06 | 杉数科技(北京)有限公司 | 用于门店选址的方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113487341A (zh) | 2021-10-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhu et al. | Analysis of the impact of the MRT system on accessibility in Singapore using an integrated GIS tool | |
| Mennis | Socioeconomic-vegetation relationships in urban, residential land | |
| Lake et al. | Modelling environmental influences on property prices in an urban environment | |
| Wu et al. | Using geometrical, textural, and contextual information of land parcels for classification of detailed urban land use | |
| Pietsch | GIS in landscape planning | |
| KR102538887B1 (ko) | 산림경영 자동화시스템을 통한 임야탄소배출권 사업계획서비스 제공시스템 | |
| Steinnocher et al. | Estimating urban population patterns from stereo-satellite imagery | |
| CN113487341B (zh) | 一种城市商业策略数据处理方法 | |
| Pandey et al. | GIS: scope and benefits | |
| Seifert et al. | Estimation of industrial and commercial asset values for hazard risk assessment | |
| Rad et al. | Integrated analytical hierarchy process (AHP) and GIS for land use suitability analysis | |
| Hognogi et al. | Increasing territorial planning activities through viewshed analysis | |
| Dwyer | Cost-benefit analysis | |
| CN114693351A (zh) | 信息预测方法、装置以及电子设备 | |
| Tezel et al. | Accurate assessment of protected area boundaries for land use planning using 3D GIS | |
| Li et al. | Land valuation systems using GIS technology case of Matara urban council area, Sri Lanka | |
| KR20100123398A (ko) | 상권 내에서의 업종별 매출 추정 방법 | |
| Bartosiewicz et al. | The use of modern information technology in research on transport accessibility | |
| CN114399202A (zh) | 一种城市社区大数据可视化系统 | |
| JP2004118853A (ja) | 詳細統計データの作成方法、プログラムおよび装置 | |
| Farsari | GIS-based support for sustainable tourism planning and policy making | |
| Zhao et al. | Mapping urban land type with multi-source geospatial big data: a case study of Shenzhen, China | |
| Song et al. | Monitoring and mapping vegetation greenery in residential communities using street view images and a Normalized Vegetation Greenery Index: a case study in Beijing, China | |
| CN117522192B (zh) | 一种支持城市体检的智能出图与形成报告的方法及系统 | |
| Seah et al. | Flux. Land: A Data-driven Toolkit for Urban Flood Adaptation |
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 |