CN114862173A - 店铺数据的处理方法、装置、计算机设备和存储介质 - Google Patents

店铺数据的处理方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN114862173A
CN114862173A CN202210460168.5A CN202210460168A CN114862173A CN 114862173 A CN114862173 A CN 114862173A CN 202210460168 A CN202210460168 A CN 202210460168A CN 114862173 A CN114862173 A CN 114862173A
Authority
CN
China
Prior art keywords
shop
store
identification
index
identifier
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
CN202210460168.5A
Other languages
English (en)
Inventor
何雨轩
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 Aibee Technology Co Ltd
Original Assignee
Beijing Aibee 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 Aibee Technology Co Ltd filed Critical Beijing Aibee Technology Co Ltd
Priority to CN202210460168.5A priority Critical patent/CN114862173A/zh
Publication of CN114862173A publication Critical patent/CN114862173A/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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2471—Distributed queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • 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
    • G06Q30/0207—Discounts or incentives, e.g. coupons or rebates

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Educational Administration (AREA)
  • General Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及一种店铺数据的处理方法、装置、计算机设备、存储介质和计算机程序产品。该方法包括：根据初始店铺标识集合中各初始店铺标识对应的运营数据和预先构建的运营评价条件，从初始店铺标识集合中筛选异常店铺标识集合；根据指定源店铺标识对应的第一店铺指标的指标值和至少一个候选店铺标识中各候选店铺标识对应的第二店铺指标的指标值，从至少一个候选店铺标识中，选取与指定源店铺标识相关联的目标店铺标识，其中，指定源店铺标识和候选店铺标识为异常店铺标识集合中的店铺标识；响应于顾客账户针对虚拟资源的触发操作，向顾客终端推送目标店铺标识对应的虚拟资源。采用本方法能够提高客流利用率。

Description

店铺数据的处理方法、装置、计算机设备和存储介质
技术领域
本申请涉及虚拟资源推送技术领域，特别是涉及一种店铺数据的处理方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着人们消费水平的提高，人们的购物欲望也随之提升。由于商场中拥有不同业态的店铺，以及店铺中拥有更为多样的商品，因此，人们更愿意去商场购买所需商品。
在现有技术中，去商场中超市类店铺等主力店铺的客流较多。但是，在这些逛主力店铺的客流中，很多顾客在逛完主力店铺后选择直接离开商场，而不会再去逛商场中其他的店铺。
由此可见，现有技术无法有效利用商场中的客流，存在客流利用率偏低的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高客流利用率的店铺数据的处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面，本申请提供了一种店铺数据的处理方法。所述方法包括：
根据初始店铺标识集合中各初始店铺标识对应的运营数据和预先构建的运营评价条件，从所述初始店铺标识集合中筛选得到异常店铺标识集合；其中，异常店铺标识为运营异常的店铺所对应的店铺标识；
根据指定源店铺标识对应的第一店铺指标的指标值和至少一个候选店铺标识中各候选店铺标识对应的第二店铺指标的指标值，从所述至少一个候选店铺标识中，选取与所述指定源店铺标识相关联的目标店铺标识；其中，所述指定源店铺标识和所述候选店铺标识为所述异常店铺标识集合中的店铺标识；
响应于顾客账户针对虚拟资源的触发操作，向顾客终端推送所述目标店铺标识对应的虚拟资源，其中，所述顾客账户为与所述指定源店铺标识相关联的顾客账户。
在其中一个实施例中，所述运营评价条件中包括多种店铺问题对应的店铺判别条件；
所述根据初始店铺标识集合中各初始店铺标识对应的运营数据和预先构建的运营评价条件，从所述初始店铺标识集合中筛选得到异常店铺标识集合，包括：
根据初始店铺标识集合中各初始店铺标识对应的运营数据和预设的指标计算策略，确定各初始店铺标识对应的运营数据表项；其中，所述运营数据表项中包含用于反映店铺运营情况的评价指标的指标值；
根据每种店铺问题对应的店铺判别条件，对所述各初始店铺标识对应的运营数据表项中包含的各评价指标的指标值进行比较判别；
在所述初始店铺标识集合中，将所述运营数据表项满足所述店铺判别条件的初始店铺标识所构成的集合，确定为异常店铺标识集合。
在其中一个实施例中，所述根据指定源店铺标识对应的第一店铺指标的指标值和至少一个候选店铺标识中各候选店铺标识对应的第二店铺指标的指标值，从所述至少一个候选店铺标识中，选取与所述指定源店铺标识相关联的目标店铺标识，包括：
响应于管理账户针对源店铺标识集合触发的第一指标查询操作，通过管理终端的第一指标显示页面展示源店铺标识集合中各源店铺标识对应的第一店铺指标的指标值；其中，所述源店铺标识集合为所述异常店铺标识集合中的子集，所述源店铺标识为源店铺对应的店铺标识，第一店铺指标用于表征源店铺的连带游逛能力；
响应于管理账户在所述第一指标显示页面中，针对源店铺标识集合中的指定源店铺标识触发的第二指标查询操作，通过管理终端的第二指标显示页面展示候选店铺标识对应的第二店铺指标的指标值；其中，指定源店铺标识为指定源店铺对应的店铺标识，候选店铺标识为候选店铺对应的店铺标识，第二店铺指标用于表征指定源店铺与候选店铺之间的客群相似性；
响应于管理账户触发的店铺标识关联操作，确定与指定源店铺标识相关联的目标店铺标识，其中，目标店铺标识是从候选店铺标识中选取得到的。
在其中一个实施例中，所述响应于顾客账户针对虚拟资源的触发操作，向顾客终端推送所述目标店铺标识对应的虚拟资源，包括：
响应于顾客账户针对虚拟资源的触发操作，根据所述顾客账户对应的消费水平信息和所述顾客账户对应的消费偏好信息，从所述目标店铺标识对应的虚拟资源集合中，确定所述顾客账户对应的虚拟资源；
向所述顾客账户对应的顾客终端推送所述虚拟资源。
在其中一个实施例中，所述方法还包括：
获取所述虚拟资源的核销率；
根据所述核销率和目标投资回报率，调整所述目标店铺标识对应的虚拟资源集合，得到调整后的虚拟资源集合；
使用所述调整后的虚拟资源集合替换所述虚拟资源集合。
在其中一个实施例中，所述方法还包括：
获取顾客标识集合对应的消费水平信息集合和所述顾客标识集合对应的消费偏好信息集合，其中，所述顾客标识集合为与所述源店铺相关联的顾客标识的集合；
根据所述消费水平信息集合和所述消费偏好信息集合，并基于目标投资回报率，确定所述目标店铺标识对应的虚拟资源集合。
在其中一个实施例中，所述方法还包括：
获取顾客标识集合对应的顾客轨迹信息集合，其中，所述顾客标识集合为与所述源店铺相关联的用户标识的集合；
根据所述顾客轨迹信息集合，确定客流流量、客流方向和客流速度；
根据所述客流流量、客流方向和客流速度，构建客流动线；
根据所述客流动线，确定所述虚拟资源的触发地点，其中，所述触发地点用于指示所述顾客账户针对虚拟资源进行触发操作。
在其中一个实施例中，所述方法还包括：
获取所述虚拟资源在所述触发地点对应的投放量和核销率；
根据所述投放量和核销率，调整所述虚拟资源在所述触发地点的投放量。
第二方面，本申请还提供了一种店铺数据的处理装置。所述装置包括：
店铺标识筛选模块，用于根据初始店铺标识集合中各初始店铺标识对应的运营数据和预先构建的运营评价条件，从所述初始店铺标识集合中筛选得到异常店铺标识集合；其中，异常店铺标识为运营异常的店铺所对应的店铺标识；
店铺标识选取模块，用于根据指定源店铺标识对应的第一店铺指标的指标值和至少一个候选店铺标识中各候选店铺标识对应的第二店铺指标的指标值，从所述至少一个候选店铺标识中，选取与所述指定源店铺标识相关联的目标店铺标识；其中，所述指定源店铺标识和所述候选店铺标识为所述异常店铺标识集合中的店铺标识；
虚拟资源推送模块，用于响应于顾客账户针对虚拟资源的触发操作，向顾客终端推送所述目标店铺标识对应的虚拟资源，其中，所述顾客账户为与所述指定源店铺标识相关联的顾客账户。
第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
根据初始店铺标识集合中各初始店铺标识对应的运营数据和预先构建的运营评价条件，从所述初始店铺标识集合中筛选得到异常店铺标识集合；其中，异常店铺标识为运营异常的店铺所对应的店铺标识；
根据指定源店铺标识对应的第一店铺指标的指标值和至少一个候选店铺标识中各候选店铺标识对应的第二店铺指标的指标值，从所述至少一个候选店铺标识中，选取与所述指定源店铺标识相关联的目标店铺标识；其中，所述指定源店铺标识和所述候选店铺标识为所述异常店铺标识集合中的店铺标识；
响应于顾客账户针对虚拟资源的触发操作，向顾客终端推送所述目标店铺标识对应的虚拟资源，其中，所述顾客账户为与所述指定源店铺标识相关联的顾客账户。
第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
根据初始店铺标识集合中各初始店铺标识对应的运营数据和预先构建的运营评价条件，从所述初始店铺标识集合中筛选得到异常店铺标识集合；其中，异常店铺标识为运营异常的店铺所对应的店铺标识；
根据指定源店铺标识对应的第一店铺指标的指标值和至少一个候选店铺标识中各候选店铺标识对应的第二店铺指标的指标值，从所述至少一个候选店铺标识中，选取与所述指定源店铺标识相关联的目标店铺标识；其中，所述指定源店铺标识和所述候选店铺标识为所述异常店铺标识集合中的店铺标识；
响应于顾客账户针对虚拟资源的触发操作，向顾客终端推送所述目标店铺标识对应的虚拟资源，其中，所述顾客账户为与所述指定源店铺标识相关联的顾客账户。
第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
根据初始店铺标识集合中各初始店铺标识对应的运营数据和预先构建的运营评价条件，从所述初始店铺标识集合中筛选得到异常店铺标识集合；其中，异常店铺标识为运营异常的店铺所对应的店铺标识；
根据指定源店铺标识对应的第一店铺指标的指标值和至少一个候选店铺标识中各候选店铺标识对应的第二店铺指标的指标值，从所述至少一个候选店铺标识中，选取与所述指定源店铺标识相关联的目标店铺标识；其中，所述指定源店铺标识和所述候选店铺标识为所述异常店铺标识集合中的店铺标识；
响应于顾客账户针对虚拟资源的触发操作，向顾客终端推送所述目标店铺标识对应的虚拟资源，其中，所述顾客账户为与所述指定源店铺标识相关联的顾客账户。
上述店铺数据的处理方法、装置、计算机设备、存储介质和计算机程序产品，首先根据各初始店铺标识对应的运营数据和预先构建的运营评价条件，确定运营异常的异常店铺标识集合，然后在异常店铺标识集合中，根据指定源店铺标识对应的第一店铺指标的指标值和至少一个候选店铺标识中各候选店铺标识对应的第二店铺指标的指标值，从候选店铺标识中选取与指定源店铺标识相关联的目标店铺标识，最后在顾客账户针对虚拟资源进行触发操作的情况下，向顾客账户对应的顾客终端推送目标店铺标识对应的虚拟资源。也就是说，将目标店铺的虚拟资源(例如电子优惠券)推送给源店铺关联的顾客。如此，可推动与源店铺相关联的顾客去往目标店铺，增加源店铺与目标店铺的联动，以提高顾客去往不同店铺的概率，从而提高客流的利用率。
附图说明
图1为一个实施例中店铺数据的处理方法的应用环境图；
图2为一个实施例中店铺数据的处理方法的流程示意图；
图3为一个实施例中虚拟资源动态调整的界面示意图；
图4为一个实施例中客流动线的界面示意图；
图5为一个实施例中虚拟资源抽取的界面示意图；
图6为一个实施例中店铺运营漏斗图的界面示意图；
图7为一个实施例中店铺数据的处理装置的结构框图；
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的店铺数据的处理方法，可以应用于如图1所示的应用环境中。其中，顾客终端102和管理终端104通过网络与服务器106进行通信。顾客终端102为顾客使用的终端。管理终端104为店铺管理人员(例如商场管理人员)使用的终端。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。其中，顾客终端102和管理终端104可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种店铺数据的处理方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
步骤S202，根据初始店铺标识集合中各初始店铺标识对应的运营数据和预先构建的运营评价条件，从初始店铺标识集合中筛选得到异常店铺标识集合。
其中，异常店铺标识为运营异常的店铺所对应的店铺标识。
具体而言，管理终端向服务器发送店铺诊断请求。该店铺诊断请求中携带有初始店铺标识集合。服务器响应于该店铺诊断请求，根据初始店铺标识集合中各初始店铺标识对应的运营数据和预设的指标计算策略，确定各初始店铺标识对应的运营数据表项。该运营数据表项中包含用于反映店铺的运营情况的评价指标和评价指标的指标值。之后，服务器基于预先构建的运营评价条件和各初始店铺标识对应的运营数据表项，确定异常店铺标识，并基于异常店铺标识构建异常店铺标识集合。
步骤S204，根据指定源店铺标识对应的第一店铺指标的指标值和至少一个候选店铺标识中各候选店铺标识对应的第二店铺指标的指标值，从至少一个候选店铺标识中，选取与指定源店铺标识相关联的目标店铺标识。
其中，指定源店铺标识和候选店铺标识为异常店铺标识集合中的店铺标识。可选地，指定源店铺标识可以是管理账户输入的源店铺标识，例如以选项方式选定的源店铺标识，也可以是预先设定的源店铺标识。源店铺可以是指满足预设经营条件的店铺，例如可以将客流量大于预设客流量阈值的店铺，确定为源店铺。
其中，候选店铺标识为候选店铺对应的店铺标识。可选地，候选店铺标识可以是管理账户输入的店铺标识，例如以选项方式选定的店铺标识，也可以是预先设定的店铺标识。
具体而言，管理终端向服务器发送店铺关联请求，该店铺关联请求中携带有指定源店铺标识和至少一个候选店铺标识。服务器响应于该店铺关联请求，根据指定源店铺标识对应的第一店铺指标的指标值和至少一个候选店铺标识中各候选店铺标识对应的第二店铺指标的指标值，从至少一个候选店铺标识中，选取与指定源店铺标识相关联的目标店铺标识。
步骤S206，响应于顾客账户针对虚拟资源的触发操作，向顾客终端推送目标店铺标识对应的虚拟资源。
其中，顾客账户为与指定源店铺相关联的顾客账户。虚拟资源可以是电子优惠券、电子红包等。触发操作可以是扫码操作、点击领取操作等等。
具体而言，在一个实施例中，顾客账户使用顾客终端进行扫码操作，触发了虚拟资源的推送响应，因此，服务器响应于顾客账户针对虚拟资源的扫码操作，向顾客账户对应的顾客终端推送目标店铺标识对应的虚拟资源。如此可推动相应顾客前往目标店铺中核销该虚拟资源。
上述店铺数据的处理方法中，首先根据各初始店铺标识对应的运营数据和预先构建的运营评价条件，确定运营异常的异常店铺标识集合，然后在异常店铺标识集合中，根据指定源店铺标识对应的第一店铺指标的指标值和至少一个候选店铺标识中各候选店铺标识对应的第二店铺指标的指标值，从候选店铺标识中选取与指定源店铺标识相关联的目标店铺标识，最后在顾客账户针对虚拟资源进行触发操作的情况下，向顾客账户对应的顾客终端推送目标店铺标识对应的虚拟资源。也就是说，将目标店铺的虚拟资源(例如电子优惠券)推送给源店铺关联的顾客。如此，可推动与源店铺相关联的顾客去往目标店铺，增加源店铺与目标店铺的联动，以提高顾客去往不同店铺的概率，从而提高客流的利用率。
在一个实施例中，运营评价条件中包括多种店铺问题对应的店铺判别条件。基于此，步骤S202包括以下步骤：
步骤S2022，根据初始店铺标识集合中各初始店铺标识对应的运营数据和预设的指标计算策略，确定各初始店铺标识对应的运营数据表项；
步骤S2024，根据每种店铺问题对应的店铺判别条件，对各初始店铺标识对应的运营数据表项中包含的各评价指标的指标值进行比较判别；
步骤S2026，在初始店铺标识集合中，将运营数据表项满足店铺判别条件的初始店铺标识所构成的集合，确定为异常店铺标识集合。
具体而言，首先，每一指标计算策略对应一种预设的评价指标。该评价指标由多种运营数据计算得到。该指标计算策略中还包含有该评价指标的权重系数。服务器基于该指标计算策略中指标的计算公式和评价指标的权重系数，对各初始店铺标识对应的运营数据进行加权计算，得到指标计算策略对应的各预设的评价指标的指标值，进而构建各初始店铺标识对应的运营数据表项。可选地，运营数据表项中可以包括综合指数、转化指数、粘性指数或营收指数中的一种或多种评价指标。
例如，以店铺转化指标为例，在指标计算策略中店铺转化指标由过店率、进店率和深逛率这三个运营数据计算得到。其中，过店率表示在以“天”为时间单位的监测周期内，经过目标商场内某一店铺(单店)的人数与进入目标商场内的总人数的比值。进店率表示在以“天”为时间单位的监测周期内，进入某一店铺的人数与进入目标商场内的总人数的比值。深逛的含义则是顾客在某一店铺内的游逛时长超过预设时间阈值的情况，因此，深逛率则表示进入某一店铺的深逛人数与进入该店铺的总人数的比值。基于此，服务器根据每一运营数据对应的指标权重系数，进行指标计算。其中，过店率对应的指标权重系数为0.25，进店率对应的指标权重系数为0.5以及深逛率对应的指标权重系数为0.25。店铺转化指标的计算公式为：店铺转化指标＝0.25*过店率+0.5进店率+0.25深逛率。进而，服务器代入每一店铺的运营数据中的过店率、进店率以及深逛率数据，得到每一店铺的店铺转化指标的指标值。类似地，基于不同的指标计算策略还可以计算其他的评价指标：店铺粘性指标、店铺营收指标等等，本申请实施例不再限定。
然后，服务器中预先构建有指标评价体系。在该指标评价体系中包含多种店铺问题场景。每种店铺问题场景对应包含用于评价店铺的店铺判别条件。服务器根据每种店铺问题场景对应的店铺判别条件，对各店铺的运营数据表项中包含的各指标值进行比较判别。
可选地，预先构建的指标评价体系中包含的每种店铺问题场景包含多种店铺判别条件的搭配组合，如下表1所示：
Figure BDA0003621660610000101
表1
表1中包含的客单价指的是每一顾客的平均消费单价。销售坪效指的是每平方米营业面积的营业额(或称为销售额)。租售比为租金与销售额的比值。针对表1中各店铺问题场景中包含的运营评价条件，服务器判别每种店铺评价指标的高与低，可以通过预先设定指标阈值来评价某一店铺的指标体系(即表1)中出现的各种指标。例如，当某一店铺的过店率低于预设的过店率阈值，则该店铺的过店率指标即判定为低过店(率)，又如，某一店铺的进店率高于预设的进店率阈值，则该店铺的进店率指标判定为高进店(率)。同理，高深逛(率)即是店铺的深逛率指标高于预设的深逛率阈值等等。
最后，针对某一店铺问题场景中包含的各种店铺判别条件，若某一初始店铺标识的运营数据表项满足该店铺判别条件，则服务器将该初始店铺标识确定为异常店铺标识。例如，针对某一初始店铺标识的运营数据表项中包含的指标值，若服务器基于预设的指标阈值判别为该店铺存在：低过店率、高进店率、高深逛率以及高客单价(店铺曝光不足的店铺判别条件)的情况，则可以确定该初始店铺标识为店铺曝光不足对应的异常店铺标识。若某一店铺有高过店率、低进店率和低深逛率(进店转化不足的店铺判别条件)的情况，则确定该初始店铺标识为进店转化不足对应的异常店铺标识。
可选地，服务器可以根据该店铺判别条件对应的店铺问题，进一步标记该异常店铺标识。例如，针对确定出的店铺曝光不足对应的异常店铺标识，将该异常店铺标识标记为存在店铺曝光不足问题。
本实施例中，通过预设的指标计算策略计算店铺对应的运营数据表项，通过该运营数据表项以及预先构建的运营评价条件，确定异常店铺标识，提高了异常店铺标识的筛选准确性和及时性。
在一个实施例中，服务器标记异常店铺标识之后，还包括：
根据异常店铺存在的店铺问题，在预设的店铺问题与管理策略的对应关系中，确定异常店铺的店铺问题对应的目标管理策略；
将目标管理策略以目标事件代办项的形式对异常店铺进行标记。
具体而言，服务器获取预先存储的店铺问题与管理策略的对应关系集合，根据该对应关系集合，确定异常店铺的店铺问题对应的目标管理策略。然后，管理账户通过触发异常事件代办项，以对异常店铺存在的店铺问题进行管理。服务器响应于对异常店铺的代办项的触发操作，输出管理策略弹窗，在对应该代办项的管理策略弹窗中添加目标管理策略，以使策略执行人员可以根据添加的目标管理策略。在代办项中添加目标管理策略，以通过目标管理策略，提示异常店铺的管理人员执行相应的管理操作，进行该异常店铺的后期运营管理。并且，服务器还将添加了目标管理策略的代办项转换为已办状态，表征该异常店铺的待处理事项已处理。
在一个实施例中，步骤S204包括以下步骤：
步骤S2042，响应于管理账户针对源店铺标识集合触发的第一指标查询操作，通过管理终端的第一指标显示页面展示源店铺标识集合中各源店铺标识对应的第一店铺指标的指标值；
步骤S2044，响应于管理账户在第一指标显示页面中，针对源店铺标识集合中的指定源店铺标识触发的第二指标查询操作，通过管理终端的第二指标显示页面展示候选店铺标识对应的第二店铺指标的指标值；
步骤S2046，响应于管理账户触发的店铺标识关联操作，确定与指定源店铺标识相关联的目标店铺标识。
其中，源店铺标识集合为异常店铺标识集合中的子集。源店铺标识为源店铺对应的店铺标识。第一店铺指标用于表征源店铺的连带游逛能力。第一店铺指标包括关联游逛深度或客流分发率中的一种或多种。
其中，指定源店铺标识为指定源店铺对应的店铺标识。候选店铺标识为候选店铺对应的店铺标识。目标店铺标识是从候选店铺标识中选取得到的。第二店铺指标用于表征指定源店铺与候选店铺之间的客群相似性。第二店铺指标包括进店交叉客流人数、深逛交叉客流人数或进店增益率中的至少一种。进店交叉客流人数为既进入过指定源店铺也进入过候选店铺的客群的总人数。深逛交叉客流人数为既深逛过指定源店铺也深逛过候选店铺的客群的总人数。进店增益率是根据候选店铺标识对应的连带进店率和候选店铺标识对应的自然进店率确定的。
具体而言，首先，店铺管理人员在管理终端上以管理账户登录，登录后在管理终端上输入源店铺标识集合，并触发第一指标查询操作。管理终端响应于该第一指标查询操作，生成携带有源店铺标识集合的第一指标查询请求，并将该第一指标查询请求发送至服务器。
在一个实施例中，服务器接收到该第一指标查询请求，针对源店铺标识集合中的每个源店铺标识，获取第一客群进入的所有店铺的总个数和第一客群的总人数，并根据该总个数和总人数，确定关联游逛深度的数值。其中，该第一客群为进入过源店铺的客群。可选地，服务器将总个数与总人数相除，得到关联游逛深度的数值。之后，服务器将各源店铺标识对应的关联游逛深度的数值返回至管理终端。管理终端接收到该各源店铺标识对应的关联游逛深度的数值，并在第一指标显示页面中展示该各源店铺标识对应的关联游逛深度的数值。
在另一个实施例中，服务器接收到该第一指标查询请求，针对源店铺标识集合中的每个源店铺标识，根据源店铺标识和候选店铺标识，获取第二客群进入候选店铺的第一总次数和第一客群进入源店铺的第二总次数，并根据第一总次数与第二总次数，确定客流分发率的数值。其中，该第一客群为进入过源店铺的客群。该第二客群为既进入过源店铺也进入过候选店铺的客群。可选地，服务器将第一总个数与第一总人数相除，得到关联游逛深度的数值。当然，也可以将第一总个数与第一总人数输入至关联游逛深度预测模型中，得到关联游逛深度的数值。之后，服务器将各源店铺标识对应的客流分发率的数值返回至管理终端。管理终端接收到该各源店铺标识对应的客流分发率的数值，并在第一指标显示页面中展示该各源店铺标识对应的客流分发率的数值。
然后，店铺管理人员在管理终端上的第一指标显示页面中，触发针对源店铺标识集合中的指定源店铺标识的第二指标查询操作。管理终端响应于该第二指标查询操作，生成携带有指定源店铺标识的第二指标查询请求，并将该第二指标查询请求发送至服务器。服务器接收到该第二指标查询请求，根据指定源店铺标识和候选店铺标识，确定候选店铺标识对应的第二店铺指标的指标值，并将该候选店铺标识对应的第二店铺指标的指标值返回至终端。终端在第二指标显示页面中展示候选店铺标识对应的第二店铺指标的指标值。
最后，响应于管理账户在第二指标显示页面中触发的店铺标识关联操作，将管理账户在第二指标显示页面中选中的候选店铺标识，确定为与指定源店铺标识相关联的目标店铺标识。
本实施例中，通过关联指标值例如交叉客流人数、进店率增益，精准洞察了店铺间客群关联性，有利于快速找出客群相似度较高，同时流量池较大的适合做联合营销的店铺。
在一个实施例中，步骤S206包括以下步骤：
步骤S2062，响应于顾客账户针对虚拟资源的触发操作，根据顾客账户对应的消费水平信息和顾客账户对应的消费偏好信息，从目标店铺标识对应的虚拟资源集合中，确定顾客账户对应的虚拟资源；
步骤S2064，向顾客账户对应的顾客终端推送虚拟资源。
其中，消费水平信息是指表征顾客消费水平的信息，例如消费力。消费偏好信息是指表征顾客消费偏好的信息。
具体地，服务器响应于顾客账户针对虚拟资源的触发操作，获取该顾客账户对应的消费水平信息和顾客账户对应的消费偏好信息，并根据该消费水平信息和消费偏好信息，从目标店铺标识对应的虚拟资源集合中，确定顾客账户对应的虚拟资源。
可选地，服务器获取顾客账户对应的历史消费数据(例如消费次数、消费金额、消费金额分布、消费时段、消费业态品类偏好等)，将该历史消费数据输入至预先训练好的消费水平预测模型，得到顾客账户对应的消费水平信息。该消费水平预测模型可以是XGBoost模型或LightGBM模型。同理，消费偏好信息也可以通过相应的模型预测得到。
在一具体实例中，顾客的消费力在500元，历史曾经消费过餐饮、服饰，但近一个月只消费过餐饮，没有消费过服饰，就给其推荐一张600-100的服饰券。一方面，通过高门槛的券提高顾客客单价；另一方面，结合其过往消费行为，进行推券，可以有效唤醒顾客，实现增量价值。
本实施例中，根据顾客账户对应的消费水平信息和顾客账户对应的消费偏好信息，匹配顾客账户对应的虚拟资源，有利于提高客单价和活动投资回报率。
在一个实施例中，涉及动态调整虚拟资源集合的过程。在上述实施例的基础上，该过程具体可以通过以下步骤实现：
步骤S212，获取虚拟资源的核销率；
步骤S214，根据核销率和目标投资回报率，调整目标店铺标识对应的虚拟资源集合，得到调整后的虚拟资源集合；
步骤S216，使用调整后的虚拟资源集合替换虚拟资源集合。
其中，核销率为虚拟资源使用数量除以虚拟资源领取数量。
具体地，服务器获取虚拟资源的核销率，然后根据该核销率和目标投资回报率，调整目标店铺标识对应的虚拟资源集合，得到调整后的虚拟资源集合。例如及时剔除低核效，低投资回报率的虚拟资源，对于高核销的虚拟资源，如果消耗过大，会及时补库存。进而使用调整后的虚拟资源集合替换虚拟资源集合。图3为一个实施例中虚拟资源动态调整的界面示意图。
本实施例中，通过动态调整虚拟资源集合，可删减低核销的虚拟资源，保留高核销的虚拟资源，实现动态地调整库存。
在一个实施例中，涉及确定目标店铺标识对应的虚拟资源集合的具体实现过程。在上述实施例的基础上，该过程具体可以通过以下步骤实现：
步骤S222，获取顾客标识集合对应的消费水平信息集合和顾客标识集合对应的消费偏好信息集合；
步骤S224，根据消费水平信息集合和消费偏好信息集合，并基于目标投资回报率，确定目标店铺标识对应的虚拟资源集合。
其中，顾客标识集合为与指定源店铺相关联的顾客标识的集合。与指定源店铺相关联的顾客标识可以是进入指定源店铺的顾客的标识，或者是在指定源店铺中消费的顾客的标识。消费水平信息集合为各顾客标识对应的消费水平信息构成的集合。消费偏好信息集合为各顾客标识对应的消费偏好信息构成的集合。
具体地，服务器获取顾客标识集合对应的消费水平信息集合和顾客标识集合对应的消费偏好信息集合，然后根据消费水平信息集合和消费偏好信息集合，并基于目标投资回报率，确定目标店铺对应的虚拟资源集合。其中，该目标投资回报率可以是预估的投资回报率。
本实施例中，基于消费水平信息集合和消费偏好信息集合，并基于目标投资回报率，确定目标店铺对应的虚拟资源集合，有利于提高目标店铺对应的虚拟资源集合的准确性。
在一个实施例中，涉及确定虚拟资源的线下触发地点的具体实现过程。在上述实施例的基础上，该过程具体可以通过以下步骤实现：
步骤S232，获取顾客标识集合对应的顾客轨迹信息集合；
步骤S234，根据顾客轨迹信息集合，确定客流流量、客流方向和客流速度；
步骤S236，根据客流流量、客流方向和客流速度，构建客流动线；
步骤S238，根据客流动线，确定虚拟资源的触发地点。
其中，顾客标识集合为与指定源店铺相关联的顾客标识的集合。触发地点用于指示顾客账户针对虚拟资源进行触发操作。触发地点即点位，可以是线下投放海报二维码的地方，比如通道入口，店内。
具体地，管理终端检测到相应的管理账户触发的针对客流动线的显示操作，生成相应的客流动线显示请求。管理终端将该客流动线显示请求发送至服务器。服务器响应于该客流动线显示请求，获取与指定源店铺相关联的顾客标识集合，进而获取顾客标识集合对应的顾客轨迹信息集合。然后，服务器将顾客轨迹信息集合输入至预先训练好的模型，得到客流流量、客流方向和客流速度。之后，服务器构建包含客流流量、客流方向和客流速度的客流动线，并通过管理终端以预设显示方式显示该客流动线。可选地，客流动线以热力图的方式显示。其中，请参阅图4，针对客流流量，基于顾客轨迹，计算顾客在场内的客流热力情况，热力图中用粗细表示；针对客流方向，通过标注打点，例如扶梯口、转弯处、店铺门口等关键节点，计算客流向其他方向移动的情况，热力图中用箭头表示流向；针对客流速度，基于顾客轨迹，一段时间内，两点之间距离/位移到两点到时间，热力图中用颜色深浅表示。最后，服务器根据客流动线，确定虚拟资源的触发地点。例如，服务器在目标客群出没的关键点位投放物料。
本实施例中，通过客流流量、客流方向和客流速度构建客流动线，可以更全面地刻画商场内任一类客群的动线，辅助设计更流畅的顾客旅程，准确找出更佳的虚拟资源的触发地点。
在一个实施例中，涉及动态调整虚虚拟资源在触发地点的投放量的过程。在上述实施例的基础上，该过程具体可以通过以下步骤实现：
步骤S242，获取虚拟资源在触发地点对应的投放量和核销率；
步骤S244，根据投放量和核销率，调整虚拟资源在触发地点的投放量。
具体地，在到达T(虚拟资源投放时间)+1时，服务器获取虚拟资源在触发地点对应的投放量和核销率，将该投放量和核销率映射至四象限中。该四象限为依据投放量和核销率分成的四象限，每一象限关联有对应的资源投放策略。然后，服务器根据该投放量和核销率所在的象限，获取相应的资源投放策略，并根据该资源投放策略调整虚拟资源在触发地点的投放量。例如，若投放量和核销率所在的象限表示投放量低，核销率高，表明该触发地点质量较高，则对应的资源投放策略为加大资源投放。若投放量和核销率所在的象限表示投放量高，核销率低，表明该触发地点质量较低，则对应的资源投放策略为降低资源投放，以避免浪费。
本实施例中，根据虚拟资源在触发地点对应的投放量和核销率，及时调整资源投放策略，缩短了迭代周期，有利于提升虚拟资源的使用率，进而提高营销投资回报率。
在一个实施例中，涉及通过AR导航技术引导顾客前往目标店铺的过程。在上述实施例的基础上，该过程具体可以通过以下步骤实现：
步骤S252，响应于顾客账户针对目标店铺标识的导航操作，通过顾客终端显示前往目标店铺的AR导航信息。
其中，目标店铺标识为目标店铺的店铺标识。
本实施例中，采用AR导航技术，可帮助顾客快速找到目标店铺，且增加了旅程的趣味性，有利于降低找店过程中的顾客流失，实现场内客流的分发。
在一个实施例中，为了增加互动性，本实施例向顾客提供抽取虚拟资源的趣味活动。具体地，该方法还包括以下步骤：
步骤S262，在AR导航的过程中，在顾客终端的显示界面上弹出虚拟资源抽取窗口；
步骤S264，响应于顾客账户针对虚拟资源抽取窗口触发的虚拟资源抽取操作，从目标店铺标识对应的虚拟资源集合中，提取顾客账户对应的虚拟资源；
步骤S266，向顾客终端发送提取的虚拟资源。
其中，虚拟资源抽取窗口中设有资源抽取控件。该资源抽取控件用于指示顾客触发虚拟资源抽取操作。
具体地，在AR导航的过程中，可以在适当时机，例如顾客到达指定地点，在顾客终端的显示界面上弹出虚拟资源抽取窗口。顾客在触发虚拟资源抽取窗口中的资源抽取控件后，服务器响应于顾客触发的虚拟资源抽取操作，从目标店铺标识对应的虚拟资源集合中，提取顾客账户对应的虚拟资源并发送至顾客终端。例如，以二次抽奖的形式，通过人机互动，将电子优惠券发放至顾客的手机端。图5为一个实施例中虚拟资源抽取的界面示意图。
本实施例中，在整个导航过程中，提供有趣的互动游戏，可增加旅程体验的趣味性。
在一个实施例中，步骤S206之后，该方法还包括以下步骤：
响应于针对店铺标识触发的指标查询操作，获取店铺标识对应的店铺运营指标的指标值；
根据店铺运营指标的指标值，确定店铺运营指标对应的指标标识的属性信息；
根据指标标识的属性信息，展示包含指标标识的店铺运营图。
其中，店铺标识可以是源店铺标识或目标店铺标识。
本实施例中，采用指标标识来表征店铺运营指标的指标值，并在店铺运营图中展示该指标标识，指标展示方式更为直观，有利于提高可视化效果。
在一个实施例中，店铺运营指标的指标值包括第一店铺运营指标的指标值和第二店铺运营指标的指标值；店铺运营图为店铺运营矩阵图。
根据店铺运营指标的指标值，确定店铺运营指标对应的指标标识的属性信息，包括：
根据第一店铺运营指标的指标值，确定店铺运营指标对应的指标标识在店铺运营矩阵图中的横轴位置，以及根据第二店铺运营指标的指标值，确定店铺运营指标对应的指标标识在店铺运营矩阵图中的纵轴位置。
根据指标标识的属性信息，展示包含指标标识的店铺运营图，包括：
根据横轴位置和纵轴位置，展示包含指标标识的店铺运营矩阵图。
本实施例中，通过店铺运营指标的指标值，确定指标标识的位置信息，有利于准确展示店铺运营指标的相关信息。
在一个实施例中，店铺运营指标的指标值还包括第三店铺运营指标的指标值。
根据店铺运营指标的指标值，确定店铺运营指标对应的指标标识的属性信息，还包括：
根据第三店铺运营指标的指标值，确定店铺运营指标对应的指标标识在店铺运营矩阵图中的尺寸信息。
根据横轴位置和纵轴位置，展示包含指标标识的店铺运营矩阵图，包括：
根据横轴位置、纵轴位置和尺寸信息，展示包含指标标识的店铺运营矩阵图。
本实施例中，通过店铺运营指标的指标值，确定指标标识的尺寸信息，有利于准确展示店铺运营指标的相关信息，辅助用户快速确定店铺运营指标的指标值的差别。
在一个实施例中，响应于针对店铺标识触发的指定评价维度下的指标查询操作，获取店铺标识对应的指定评价维度下的店铺运营指标的指标值。
其中，指定评价维度包括店铺转化维度、店铺集客维度、店铺经营维度或店铺贡献维度中的一种或多种。
针对店铺转化维度，第一店铺运营指标为进店率，第二店铺运营指标为深逛率，第三店铺运营指标为进店客流人数；
或者，针对店铺转化维度，第一店铺运营指标为进店率，第二店铺运营指标为过店率，第三店铺运营指标为进店客流人数；
或者，针对店铺集客维度，第一店铺运营指标为进店客流坪效，第二店铺运营指标为深逛客流坪效，第三店铺运营指标为进店客流人数；
或者，针对店铺集客维度，第一店铺运营指标为吸客力，第二店铺运营指标为留客力，第三店铺运营指标为进店客流人数；
或者，针对店铺经营维度，第一店铺运营指标为销售坪效，第二店铺运营指标为租金坪效，第三店铺运营指标为进店客流人数；
或者，针对店铺贡献维度，第一店铺运营指标为交叉客流坪效，第二店铺运营指标为销售坪效；
或者，针对店铺贡献维度，第一店铺运营指标为贡献力，第二店铺运营指标为销售坪效。
在一个实施例中，店铺运营指标的计算方式如表2所示，
Figure BDA0003621660610000191
Figure BDA0003621660610000201
Figure BDA0003621660610000211
表2
在一个实施例中，店铺运营指标为多个；店铺运营图为店铺运营漏斗图。
根据店铺运营指标的指标值，确定店铺运营指标对应的指标标识的属性信息，包括：
在多个店铺运营指标中，针对每个店铺运营指标，根据店铺运营指标的指标值，确定店铺运营指标对应的指标标识在店铺运营漏斗图中的尺寸信息。
根据指标标识的属性信息，展示包含指标标识的店铺运营图，包括：
根据多个指标标识在店铺运营漏斗图中的尺寸信息，展示包含多个指标标识的店铺运营漏斗图。
本实施例中，采用店铺运营漏斗图展示由多个店铺运营指标对应的指标标识构建的店铺运营漏斗模型，可有效评估流量转化效率，实现经营对标。
在一个实施例中，如图6所示，店铺运营指标包括触达力、吸客力、留客力或销售坪效中的至少两种。
响应于针对店铺标识触发的指标查询操作，获取店铺标识对应的店铺运营指标的指标值，包括：
响应于针对店铺标识触发的指标查询操作，生成指标查询请求，其中，指标查询请求中携带有店铺标识；
将指标查询请求发送至服务器；
接收服务器针对指标查询请求返回的触达力、吸客力、留客力或销售坪效中的至少两种的数值；
其中，触达力的数值是根据店铺标识对应的过店客流人数、店铺面积和店铺客单价确定的；或者，吸客力的数值是根据店铺标识对应的进店客流人数、店铺面积和店铺客单价确定的；或者，留客力的数值是根据店铺标识对应的深逛客流人数、店铺面积和店铺客单价确定的；或者，销售坪效的数值是根据成单人数、店铺面积和店铺客单价确定的。
本实施例中，通过构建店铺运营漏斗图，并采用归一化指标：触达力、吸客力、留客力和销售坪效，可降低时间趋势、面积因素、品牌级次因素影响下的“不可比”问题，实现了真正意义上的线下购物中心“经营可对标”，成为运营效果评估，经营复盘的有力抓手。
在一个实施例中，触达力＝(过店客流人数/店铺面积)*店铺客单价。含义：假如过店人数全部转化，该店应该获得多少的销售坪效。
吸客力＝(进店客流人数/店铺面积)*店铺客单价。含义：假如进店人数全部转化，该店应该获得多少的销售坪效。
留客力＝(深逛客流人数/店铺面积)*店铺客单价。含义：假如深逛人数全部转化，该店应该获得多少的销售坪效。
销售坪效＝(成单人数/店铺面积)*店铺客单价。含义：店铺实际销售坪效。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的店铺数据的处理方法的店铺数据的处理装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个店铺数据的处理装置实施例中的具体限定可以参见上文中对于店铺数据的处理方法的限定，在此不再赘述。
在一个实施例中，如图7所示，提供了一种店铺数据的处理装置，包括：
店铺标识筛选模块302，用于根据初始店铺标识集合中各初始店铺标识对应的运营数据和预先构建的运营评价条件，从初始店铺标识集合中筛选得到异常店铺标识集合；其中，异常店铺标识为运营异常的店铺所对应的店铺标识；
店铺标识选取模块304，用于根据指定源店铺标识对应的第一店铺指标的指标值和至少一个候选店铺标识中各候选店铺标识对应的第二店铺指标的指标值，从至少一个候选店铺标识中，选取与指定源店铺标识相关联的目标店铺标识；其中，指定源店铺标识和候选店铺标识为异常店铺标识集合中的店铺标识；
虚拟资源推送模块306，用于响应于顾客账户针对虚拟资源的触发操作，向顾客终端推送目标店铺标识对应的虚拟资源，其中，顾客账户为与指定源店铺标识相关联的顾客账户。
上述店铺数据的处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种店铺数据的处理方法。
本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种店铺数据的处理方法，其特征在于，所述方法包括：
根据初始店铺标识集合中各初始店铺标识对应的运营数据和预先构建的运营评价条件，从所述初始店铺标识集合中筛选得到异常店铺标识集合；其中，异常店铺标识为运营异常的店铺所对应的店铺标识；
根据指定源店铺标识对应的第一店铺指标的指标值和至少一个候选店铺标识中各候选店铺标识对应的第二店铺指标的指标值，从所述至少一个候选店铺标识中，选取与所述指定源店铺标识相关联的目标店铺标识；其中，所述指定源店铺标识和所述候选店铺标识为所述异常店铺标识集合中的店铺标识；
响应于顾客账户针对虚拟资源的触发操作，向顾客终端推送所述目标店铺标识对应的虚拟资源，其中，所述顾客账户为与所述指定源店铺标识相关联的顾客账户。
2.根据权利要求1所述的方法，其特征在于，所述运营评价条件中包括多种店铺问题对应的店铺判别条件；
所述根据初始店铺标识集合中各初始店铺标识对应的运营数据和预先构建的运营评价条件，从所述初始店铺标识集合中筛选得到异常店铺标识集合，包括：
根据初始店铺标识集合中各初始店铺标识对应的运营数据和预设的指标计算策略，确定各初始店铺标识对应的运营数据表项；其中，所述运营数据表项中包含用于反映店铺运营情况的评价指标的指标值；
根据每种店铺问题对应的店铺判别条件，对所述各初始店铺标识对应的运营数据表项中包含的各评价指标的指标值进行比较判别；
在所述初始店铺标识集合中，将所述运营数据表项满足所述店铺判别条件的初始店铺标识所构成的集合，确定为异常店铺标识集合。
3.根据权利要求1所述的方法，其特征在于，所述根据指定源店铺标识对应的第一店铺指标的指标值和至少一个候选店铺标识中各候选店铺标识对应的第二店铺指标的指标值，从所述至少一个候选店铺标识中，选取与所述指定源店铺标识相关联的目标店铺标识，包括：
响应于管理账户针对源店铺标识集合触发的第一指标查询操作，通过管理终端的第一指标显示页面展示源店铺标识集合中各源店铺标识对应的第一店铺指标的指标值；其中，所述源店铺标识集合为所述异常店铺标识集合中的子集，所述源店铺标识为源店铺对应的店铺标识，第一店铺指标用于表征源店铺的连带游逛能力；
响应于管理账户在所述第一指标显示页面中，针对源店铺标识集合中的指定源店铺标识触发的第二指标查询操作，通过管理终端的第二指标显示页面展示候选店铺标识对应的第二店铺指标的指标值；其中，指定源店铺标识为指定源店铺对应的店铺标识，候选店铺标识为候选店铺对应的店铺标识，第二店铺指标用于表征指定源店铺与候选店铺之间的客群相似性；
响应于管理账户触发的店铺标识关联操作，确定与指定源店铺标识相关联的目标店铺标识，其中，目标店铺标识是从候选店铺标识中选取得到的。
4.根据权利要求1所述的方法，其特征在于，所述响应于顾客账户针对虚拟资源的触发操作，向顾客终端推送所述目标店铺标识对应的虚拟资源，包括：
响应于顾客账户针对虚拟资源的触发操作，根据所述顾客账户对应的消费水平信息和所述顾客账户对应的消费偏好信息，从所述目标店铺标识对应的虚拟资源集合中，确定所述顾客账户对应的虚拟资源；
向所述顾客账户对应的顾客终端推送所述虚拟资源。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
获取所述虚拟资源的核销率；
根据所述核销率和目标投资回报率，调整所述目标店铺标识对应的虚拟资源集合，得到调整后的虚拟资源集合；
使用所述调整后的虚拟资源集合替换所述虚拟资源集合。
6.根据权利要求4或5所述的方法，其特征在于，所述方法还包括：
获取顾客标识集合对应的消费水平信息集合和所述顾客标识集合对应的消费偏好信息集合，其中，所述顾客标识集合为与所述指定源店铺相关联的顾客标识的集合；
根据所述消费水平信息集合和所述消费偏好信息集合，并基于目标投资回报率，确定所述目标店铺标识对应的虚拟资源集合。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取顾客标识集合对应的顾客轨迹信息集合，其中，所述顾客标识集合为与所述指定源店铺相关联的顾客标识的集合；
根据所述顾客轨迹信息集合，确定客流流量、客流方向和客流速度；
根据所述客流流量、客流方向和客流速度，构建客流动线；
根据所述客流动线，确定所述虚拟资源的触发地点，其中，所述触发地点用于指示所述顾客账户针对虚拟资源进行触发操作。
8.根据权利要求7所述的方法，其特征在于，所述方法还包括：
获取所述虚拟资源在所述触发地点对应的投放量和核销率；
根据所述投放量和核销率，调整所述虚拟资源在所述触发地点的投放量。
9.一种店铺数据的处理装置，其特征在于，所述装置包括：
店铺标识筛选模块，用于根据初始店铺标识集合中各初始店铺标识对应的运营数据和预先构建的运营评价条件，从所述初始店铺标识集合中筛选得到异常店铺标识集合；其中，异常店铺标识为运营异常的店铺所对应的店铺标识；
店铺标识选取模块，用于根据指定源店铺标识对应的第一店铺指标的指标值和至少一个候选店铺标识中各候选店铺标识对应的第二店铺指标的指标值，从所述至少一个候选店铺标识中，选取与所述指定源店铺标识相关联的目标店铺标识；其中，所述指定源店铺标识和所述候选店铺标识为所述异常店铺标识集合中的店铺标识；
虚拟资源推送模块，用于响应于顾客账户针对虚拟资源的触发操作，向顾客终端推送所述目标店铺标识对应的虚拟资源，其中，所述顾客账户为与所述指定源店铺标识相关联的顾客账户。
10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
CN202210460168.5A 2022-04-28 2022-04-28 店铺数据的处理方法、装置、计算机设备和存储介质 Pending CN114862173A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210460168.5A CN114862173A (zh) 2022-04-28 2022-04-28 店铺数据的处理方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210460168.5A CN114862173A (zh) 2022-04-28 2022-04-28 店铺数据的处理方法、装置、计算机设备和存储介质

Publications (1)

Publication Number Publication Date
CN114862173A true CN114862173A (zh) 2022-08-05

Family

ID=82633241

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210460168.5A Pending CN114862173A (zh) 2022-04-28 2022-04-28 店铺数据的处理方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN114862173A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115271890A (zh) * 2022-09-28 2022-11-01 江苏火焰云数据技术有限公司 一种电商平台流量价值智慧评估系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008204370A (ja) * 2007-02-22 2008-09-04 Fujitsu Ltd 顧客誘導方法
CN107169801A (zh) * 2017-05-22 2017-09-15 上海汇纳信息科技股份有限公司 店铺关联关系获取方法、系统、存储介质以及移动终端
CN110428298A (zh) * 2019-07-15 2019-11-08 阿里巴巴集团控股有限公司 一种店铺推荐方法、装置及设备
CN110827101A (zh) * 2018-08-07 2020-02-21 北京京东尚科信息技术有限公司 一种店铺推荐的方法和装置
CN111340565A (zh) * 2020-03-20 2020-06-26 北京爱笔科技有限公司 一种信息推荐方法、装置、设备及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008204370A (ja) * 2007-02-22 2008-09-04 Fujitsu Ltd 顧客誘導方法
CN107169801A (zh) * 2017-05-22 2017-09-15 上海汇纳信息科技股份有限公司 店铺关联关系获取方法、系统、存储介质以及移动终端
CN110827101A (zh) * 2018-08-07 2020-02-21 北京京东尚科信息技术有限公司 一种店铺推荐的方法和装置
CN110428298A (zh) * 2019-07-15 2019-11-08 阿里巴巴集团控股有限公司 一种店铺推荐方法、装置及设备
CN111340565A (zh) * 2020-03-20 2020-06-26 北京爱笔科技有限公司 一种信息推荐方法、装置、设备及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115271890A (zh) * 2022-09-28 2022-11-01 江苏火焰云数据技术有限公司 一种电商平台流量价值智慧评估系统

Similar Documents

Publication Publication Date Title
US11734725B2 (en) Information sending method, apparatus and system, and computer-readable storage medium
CN104133837B (zh) 一种基于分布式计算的互联网信息投放渠道优化系统
Bhat et al. A spatial multivariate count model for firm location decisions
Lu et al. Exploring the efficiency and effectiveness in global e-retailing companies
CN109582876A (zh) 旅游行业用户画像构造方法、装置和计算机设备
US20150051949A1 (en) Demand-based matching systems and methods
CN111008335B (zh) 一种信息处理方法、装置、设备及存储介质
CN113781139B (zh) 物品推荐方法、物品推荐装置、设备和介质
US20200286022A1 (en) Platform for In-Memory Analysis of Network Data Applied to Site Selection with Current Market Information, Demand Estimates, and Competitor Information
CN113469752A (zh) 内容推荐方法、装置、存储介质及电子设备
CN114155004A (zh) 客户管理方法及装置
CN114997916A (zh) 潜在用户的预测方法、系统、电子设备和存储介质
CN113052653A (zh) 一种金融产品内容推荐方法、系统及计算机可读存储介质
Öztürk et al. The relationship between tourism industry and economic growth: A panel data analysis for ASEAN member countries
CN115630221A (zh) 终端应用界面展示数据处理方法、装置及计算机设备
Kang et al. City selection for fresh produce e-commerce’s market entry strategy: Based on the perspective of urban logistics competitiveness
CN114862173A (zh) 店铺数据的处理方法、装置、计算机设备和存储介质
CN109829593B (zh) 目标对象的信用度确定方法、装置、存储介质及电子装置
CN111274471B (zh) 信息推送方法、装置、服务器及可读存储介质
CN106779181A (zh) 一种基于线性回归因子非负矩阵分解模型的医疗机构推荐方法
JP7212103B2 (ja) 情報処理装置、情報処理方法及び情報処理プログラム
CN113672816B (zh) 帐号特征信息的生成方法、装置和存储介质及电子设备
CN115809891A (zh) 基于替代和关联作用的多品类联合需求预测方法及装置
CN116976961A (zh) 选址方法、装置、电子设备及存储介质
CN115907851A (zh) 基于知识图谱与深度学习的零售药店选址方法

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