KR20200006967A - 가맹점 평가 방법 및 시스템 - Google Patents

가맹점 평가 방법 및 시스템 Download PDF

Info

Publication number
KR20200006967A
KR20200006967A KR1020197031838A KR20197031838A KR20200006967A KR 20200006967 A KR20200006967 A KR 20200006967A KR 1020197031838 A KR1020197031838 A KR 1020197031838A KR 20197031838 A KR20197031838 A KR 20197031838A KR 20200006967 A KR20200006967 A KR 20200006967A
Authority
KR
South Korea
Prior art keywords
merchant
evaluation
evaluated
index data
health
Prior art date
Application number
KR1020197031838A
Other languages
English (en)
Other versions
KR102364491B1 (ko
Inventor
린 쳉
지앙 주
지에 리
타오 첸
티안니 장
Original Assignee
알리바바 그룹 홀딩 리미티드
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 알리바바 그룹 홀딩 리미티드 filed Critical 알리바바 그룹 홀딩 리미티드
Publication of KR20200006967A publication Critical patent/KR20200006967A/ko
Application granted granted Critical
Publication of KR102364491B1 publication Critical patent/KR102364491B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • 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
    • G06Q30/018—Certifying business or products
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • 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
    • G06Q10/067—Enterprise or organisation modelling
    • 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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/30—Payment architectures, schemes or protocols characterised by the use of specific devices or networks
    • G06Q20/34—Payment architectures, schemes or protocols characterised by the use of specific devices or networks using cards, e.g. integrated circuit [IC] cards or magnetic cards
    • G06Q20/351—Virtual cards
    • 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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
    • G06Q20/401—Transaction verification
    • G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing
    • 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
    • G06Q30/0278—Product appraisal
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0609—Buyer or seller confidence or verification
    • 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
    • G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Accounting & Taxation (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Finance (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Child & Adolescent Psychology (AREA)
  • Epidemiology (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Computer Security & Cryptography (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Biology (AREA)

Abstract

본 명세서의 실시예는 가맹점 평가 방법을 제공한다. 첫째, 다수의 차원에서의 평가 지수를 설정함으로써, 평가될 가맹점에 대한 전반적인 평가가 이루어질 수 있다; 둘째, 데이터 분석으로부터 시작하여, 예를 들어, 표준정규분포를 기초로 하는 계산에 의해, 평가될 가맹점의 헬스 포트레이트를 획득하고, 기하 평균을 기초로 하는 계산에 의해, 평가될 가맹점의 헬스 점수를 획득하여, 데이터에 대한 구동 효과가 강화되며, 인간의 경험이 약화되며, 평가 결과를 더욱 신뢰할 수 있게 한다; 그리고, 덧붙여, 헬스 점수를 제공할 뿐만 아니라, 정규분포를 기초로 헬스 포트레이트도 제공함으로써, 히스토리 평가 결과에서 가맹점의 분포는 더욱 직관적으로 관찰될 수 있다.

Description

가맹점 평가 방법 및 시스템
본 명세서의 실시예는 인터넷 기술의 분야, 특히 가맹점(merchant) 평가 방법 및 시스템에 관한 것이다.
스마트 단말기의 대중화를 통해, 사람들은 외출할 필요 없이 물건을 구매하기 위해 전자상거래(e-commerce)에 더욱더 의존하고 있다. 사용자의 만족을 개선하고, 가품(fake commodities)을 가능한 많이 회피하며, 전자상거래 플랫폼의 안전한 운영(operation)을 보장하기 위해, 전자상거래가 가맹점을 선택하고 보증하는 것이 중요하다. 그러므로, 가맹점은 가맹점의 인증(certification)을 위한 기준을 제공하기 위해 평가되어야 한다.
본 명세서의 실시예는 가맹점 평가 방법 및 시스템을 제공한다.
제1 태양에서, 본 명세서의 실시예는 평가될 가맹점의 다차원 평가 지수 데이터(evaluation index data)를 취득하는 것; 다차원 평가 지수 데이터에 대해, 표준정규분포를 기초로 하는 계산에 의해, 평가될 가맹점의 헬스 포트레이트(health portrait)를 획득하는 것 및 기하 평균을 기초로 하는 계산에 의해, 평가될 가맹점의 헬스 점수(health score)를 획득하는 것; 및 평가될 가맹점의 헬스 포트레이트 및 헬스 점수를 출력하는 것을 포함하는 가맹점 평가 방법을 제공한다.
제2 태양에서, 본 명세서의 실시예는 평가될 가맹점의 다차원 평가 지수 데이터를 취득하는 데이터 취득 모듈; 표준정규분포를 기초로 하는 계산에 의해, 다차원 평가 지수 데이터에 대해 평가될 가맹점의 헬스 포트레이트를 획득하는 포트레이트 평가 모듈; 기하 평균을 기초로 하는 계산에 의해, 평가될 가맹점의 헬스 점수를 획득하는 점수 평가 모듈; 및 평가될 가맹점의 헬스 포트레이트 및 헬스 점수를 출력하는 출력 모듈을 포함하는 가맹점 평가 시스템을 제공한다.
본 명세서의 실시예의 이로운 효과는 다음과 같다:
첫째, 다수의 차원에서의 평가 지수를 설정함으로써, 평가될 가맹점에 대한 전반적인 평가가 행해질 수 있다; 둘째, 데이터 분석으로부터 시작하여, 예를 들어, 표준정규분포를 기초로 하는 계산에 의해, 평가될 가맹점의 헬스 포트레이트를 획득하고, 기하 평균을 기초로 하는 계산에 의해 평가될 가맹점의 헬스 점수를 획득하여, 데이터에 대한 구동 효과가 강화되고 인간의 경험이 약화되며, 평가 결과를 더욱 신뢰할 수 있게 한다; 및 덧붙여, 헬스 점수를 제공할 뿐만 아니라, 헬스 포트레이트도 제공함으로써, 각 평가 지수의 헬스 상태는 더욱 직관적으로 관찰될 수 있으며, 또한 평가가 가맹점의 과거(historical) 데이터(예를 들어, 블랙 샘플(black sample) 및 화이트 샘플(white sample))를 기초로 행해지기 때문에, 히스토리 가맹점 중 평가될 가맹점의 데이터 분포가 반영될 수 있으며, 가맹점의 헬스는 점수 분포에서 가맹점의 위치에 따라 측정될 수 있다.
도 1은 본 명세서의 실시예에 의해 제공된 가맹점 평가 시스템의 프레임워크(framework)의 개략도이고;
도 2는 본 명세서의 실시예의 제1 태양에 따른 가맹점 평가 방법의 흐름도이고;
도 3은 본 명세서의 실시예의 제1 태양에 따른 가맹점 평가 방법에서 가맹점 헬스 포트레이트의 개략도이고;
도 4는 본 명세서의 실시예의 제2 태양에 따른 가맹점 평가 방법의 흐름도이고;
도 5는 본 명세서의 실시예의 제3 태양에 따른, 가맹점 평가 시스템의 개략적인 구조도이며;
도 6은 본 명세서의 제4 태양에 따른 가맹점 평가 시스템의 개략적인 구조도이다.
상술한 기술적인 해결책을 더욱 잘 이해시키기 위하여, 본 명세서의 실시예의 기술적인 해결책에 대한 상세한 설명이 첨부 도면 및 구체적인 실시예를 통해 아래에서 이루어진다; 본 명세서의 실시예 및 실시예 내의 특정한 특징은 본 명세서의 기술적인 해결책을 제한하려는 것이 아니며, 본 명세서의 실시예의 기술적인 해결책을 상세하게 설명하기 위함이라는 것이 이해되어야 한다; 그리고 본 명세서의 실시예 및 실시예 내의 기술적인 특징은 충돌이 야기되지 않는 경우, 서로 결합될 수 있다.
도 1을 참조하면, 이는 본 명세서의 실시예에 의해 제공된 가맹점 평가 시스템의 프레임워크의 개략도이다. 일반적으로, 가맹점 평가 시스템은 다섯 개의 부분: 입력, 제1 층, 제2 층, 제3 층 및 출력을 포함하며, 입력은 가맹점 관련 데이터이고, 제1 층은 가맹점 관련 데이터를 주로 계산하고 처리하며, 제2 층은 가맹점의 헬스 포트레이트를 획득하고, 제3 층은 가맹점의 헬스 점수를 획득하며, 제4 층은 가맹점의 헬스 포트레이트 및 가맹점의 헬스 점수를 출력한다.
여기서, 가맹점의 헬스 포트레이트는 그 이름이 암시하는 바와 같이, 가맹점의 "헬스 상태"를 직관적으로 서술하는 이미지로 이해될 수 있다; 가맹점의 헬스 상태는 모든 태양에서 가맹점의 데이터의 포괄적인 고려의 결과이고, 가맹점이 인증을 통과할 가능성을 반영한 중요한 기준이다; "헬스 상태"는 가맹점 배경, 운영 히스토리, 운영 능력, 비즈니스 관계 및 운영 특성 등과 같은 다수의 태양을 수반할 수 있다. 가맹점의 헬스 점수는 언급하기가 쉬운 단순한 숫자 값이고, 가맹점의 신뢰도 레벨은 숫자 값의 크기를 통해 명확하게 결정될 수 있다.
제1 태양에서, 본 명세서의 실시예는 도 2를 참조하면 단계 S201-S203을 포함하는 가맹점 평가 방법을 제공한다.
S201: 평가될 가맹점의 다차원 평가 지수 데이터가 취득된다.
가맹점은 판매 비즈니스에 종사하고, Alipay Koubei의 가맹점 및 오프라인 Alipay 스캔 페이(Alipay scan pay)의 가맹점과 같이, 외부 고객을 직접적으로 대면하는 엔티티 유닛을 지칭한다. 예를 들어, Nike는 회사이고 기업이지만, 상하이에 있는 Nike의 Nanjing West Road 상점은 가맹점이다. 가맹점에 대한 전반적인 평가를 하기 위해, 다수의 평가 지수가 설정될 수 있다. 더욱 많은 평가 지수가 존재할수록, 가맹점의 평가 결과는 더욱 신뢰성이 있어진다는 점이 인식될 수 있다. 즉, 다차원 지수 데이터의 분석 및 처리를 통하여 더욱 높은 신뢰도의 평가 결과를 최종적으로 얻기 위하여, 다수의 차원에서의 평가 지수가 설정된다.
하나의 선택적인 구현에서, 위에서 언급된 다차원 평가 지수 데이터는 가맹점 배경 신원 평가 지수 데이터, 가맹점 운영 히스토리 평가 지수 데이터, 가맹점 운영 능력 평가 지수 데이터, 가맹점 비즈니스 관계 평가 지수 데이터 및 가맹점 운영 특성 평가 지수 데이터의 임의의 조합을 포함한다.
여기서, 각 차원에서의 평가 지수 데이터는 지수를 서술하는데 사용되는 원래의 정보로부터 획득되고, 지수의 정도를 측정하는데 사용된다. 하나의 구현에서, 원래의 평가 지수 서술 정보를 지수에 대해 미리 설정된 지수 모델에 입력함으로써, 지수의 점수를 서술하기 위한 평가 지수 데이터가 획득되며, 그로 인해 각 지수의 점수를 통해 평가 지수 데이터를 반영한다. 가맹점 배경 신원 지수를 예로 들면, 지수의 원래의 서술 정보는: 가맹점 인증 레벨/비즈니스 라이센스 완전성(completeness), 가맹점이 갱/그레이(gang/gray)에 관련이 있는지(involved)에 대한 정보, 가맹점 만기/가치 정보 등을 포함하고; 이들의 원래의 서술 정보를 미리 설정된 지수 모델에 입력함으로써, 지수의 점수가 획득되며 즉, 평가 지수 데이터를 획득할 수 있다.
가맹점 배경 신원 평가 지수 데이터는 가맹점 배경 신원 서술 정보를 통해 획득될 수 있다. 가맹점 배경 신원 서술 정보는: 가맹점 인증 레벨/비즈니스 라이센스 완전성: 가맹점 자격이 건전한지(sound), 및 산업적 및 상업적 기록과 같은 자료(materials)가 완전한지; 가맹점이 갱/그레이에 관련이 있는지; 가맹점 및 가맹점 배후의 자연인이 갱 및 그레이 활동을 하는지; 및 가맹점 성숙성/가치: 가맹점이 플랫폼에 대해 성숙한 가맹점인지, 및 가맹점의 계정의 가치일 수 있다.
가맹점 운영 히스토리 평가 지수 데이터는 가맹점 운영 히스토리 서술 정보를 통해 획득될 수 있다. 가맹점 운영 히스토리 서술 정보는: 신뢰할 수 있는 운영 축적(accumulation): 가맹점의 과거 거래량, 사용자의 수 및 비즈니스 시간; 과거 불만 상태: 가맹점의 히스토리에서 불만을 수반하는 트랜잭션의 비율; 및 과거 구매자 평가: 플랫폼 상에서 가맹점에 의해 수신된 좋고 나쁜 코멘트의 개수, 및 전반적인 평가 점수일 수 있다.
가맹점 운영 능력 평가 지수 데이터는 가맹점 운영 능력 서술 정보를 통해 획득될 수 있다. 가맹점 운영 능력 서술 정보는: 가맹점 규모: 가맹점 하의 상점의 개수, 평균 일간 총액, 평균 일간 거래 사용자의 수; 자본 회전율 수용력(capital turnover capacity): 가맹점의 수입과 지출 사이의 차이, 부채 및 성과(performance) 능력; 및 가맹점 운영 장점: 가맹점의 거래량에서 전년대비 체인 성장량 및 유사한 가맹점 간에 가맹점의 거래량의 백분위수(quantile)일 수 있다.
가맹점 비즈니스 관계 평가 지수 데이터는 가맹점 비즈니스 관계 서술 정보를 통해 획득될 수 있다. 가맹점 비즈니스 관계 서술 정보는: 자본(capital) 관계: 가맹점과 금융상의 트랜잭션을 하는 사용자 간에, 갱/그레이에 관련이 있는 사용자의 비율, 및 높은 가치의 사용자의 비율; 사회적인 관계: 사회적인 친구 간에, 갱/그레이에 관련이 있는 사용자의 비율 및 높은 가치의 사용자의 비율; 및 가맹점 연락처 목록: 가맹점의 휴대폰 연락처 목록에서, 갱/그레이에 관련이 있는 사용자의 비율 및 높은 가치의 사용자의 비율일 수 있다.
가맹점 운영 특성 평가 지수 데이터는 가맹점 운영 특성 서술 정보를 통해 획득될 수 있다. 가맹점 운영 특성 서술 정보는 가맹점 하의 구매자의 특성: 구매자 중 신규 사용자의 비율, 및 재구매 사용자의 비율; 운영 콘텐츠의 위험: 운영 콘텐츠에서 최근에 불만이 제기된 키워드의 비율, 및 불법 및 금지 키워드가 포함되어 있는지; 및 주소/시간 기간 안정성: 가맹점이 통상적인 지리적 위치에서 운영하는지, 및 비즈니스 시간이 안정적인지일 수 있다.
S202: 다차원 평가 지수 데이터에 대해, 평가될 가맹점의 헬스 포트레이트는 표준정규분포를 기초로 하는 계산에 의해 획득된다.
표준정규분포에서, 예측된 값은 μ=0이고 즉, 정규분포는 커브 이미지 대칭 축이 Y축이고 표준편차가 σ = 1라는 조건 하에, N (0, 1)로 표기된다. 본 명세서의 실시예에서, 과거 가맹점 데이터는 위에서 언급된 데이터의 히스토리에서 평가될 가맹점의 각 지수의 분포를 계산하기 위한 평가 기준으로 사용되어, 평가될 가맹점의 헬스 포트레이트를 획득한다. 헬스 포트레이트는 다양한 차원으로부터 직관적인 이미지에서 과거 가맹점 데이터 분포에서의 가맹점의 위치를 반영한다.
S203: 평가될 가맹점의 헬스 점수는 기하 평균을 기초로 하는 계산에 의해 획득된다.
헬스 포트레이트의 각 차원에 대응하는 지수의 수의 균일하지 않은 분포를 회피하고, 가맹점의 최종적인 헬스 점수가 가맹점의 헬스 포트레이트의 특정 차원의 극히 비정상적인 상황에 대해 민첩하게 응답할 수 있음을 보장하기 위해, 가맹점의 헬스 점수는 단순히 직접적인 합산을 이용하는 것이 아닌, 기하 평균을 취함으로써 획득된다. 기하 평균은 n개의 관찰된 값의 연속된 곱의 n번째 루트(root)이다. 구체적으로, 기하 평균은 평가될 가맹점의 헬스 점수를 획득하기 위해, 평가될 가맹점의 다양한 평가 지수의 확률 값에 대해 취해진다.
S204: 평가될 가맹점의 헬스 포트레이트 및 헬스 점수가 출력된다.
하나의 선택적인 구현에서, 가맹점의 평가는 가맹점 평가 모델을 미리 확립하고, 평가될 가맹점의 데이터를 모델에 입력함으로써 실현될 수 있다.
그러므로, 위에서 언급된 가맹점 평가 방법은:
(1) 다수의 차원에서의 평가 지수를 결정하는 것 및 가맹점 블랙 샘플 및 가맹점 화이트 샘플을 취득하는 것; 및
(2) 가맹점 블랙 샘플 및 가맹점 화이트 샘플을 기초로, 다수의 차원에서의 평가 지수에 대한 로지스틱 회귀 가맹점 평가 모델을 확립하는 것을 더 포함할 수 있으며, 평가될 가맹점의 헬스 포트레이트 및 헬스 점수는 가맹점 평가 모델을 사용하여 획득된다.
여기서, 표준정규분포를 기초로 하는 계산에 의해, 평가될 가맹점의 헬스 포트레이트를 획득하는 것은: 다차원 평가 지수 데이터를 가맹점 평가 모델에 입력하는 것, 표준정규분포를 기초로 하는 계산에 의해, 각 차원에서의 평가 지수 데이터의 확률 값을 획득하는 것, 및 평가될 가맹점의 헬스 포트레이트를 획득하기 위해, 각 차원에서의 평가 지수 데이터의 확률 값을 합성하는 것 - 평가될 가맹점의 헬스 포트레이트는 가맹점 평가 과거 데이터에서 평가될 가맹점의 정규분포를 반영함 -을 더 포함한다.
기하 평균을 기초로 하는 계산에 의해, 평가될 가맹점의 헬스 점수를 획득하는 것은: 평가될 가맹점의 각 차원에서의 평가 지수 데이터의 확률 값의 평가 기하학적 수(evaluation geometric number)를 취함으로써, 평가될 가맹점의 헬스 점수를 획득하는 것을 포함한다.
예를 들어, 가맹점 평가 모델을 확립하는 프로세스에서, 히스토리에서 삭제되고(cleared) 불평을 받고 검증된 가맹점을 블랙 샘플로 취하고, 불만 기록이 없는 성숙한 가맹점을 화이트 샘플로 취함으로써, 로지스틱 회귀 모델은 "통제(supervised)" (블랙 샘플 및 화이트 샘플은 각각 기준으로 사용됨) 방법을 사용하여 확립되고, 각 평가 지수의 가중치가 결정되며, 따라서, 헬스 포트레이트의 각 차원에서 가맹점의 절대 점수를 획득한다; 한편, 각각 가맹점의 헬스 포트레이트의 각 차원에서의 점수에 대응하는 점수 분포에서의 위치는 관련된 점수를 획득하기 위해, 각각 계산된다.
아래에서는 예시를 통해 설명이 이루어진다.
가맹점 "시안 클래식 스낵(Xi'an Classic Snacks)"에 대해, 로지스틱 회귀 모델에 따라 헬스 포트레이트의 5개의 차원의 점수가 획득되며, 이는: 배경 신원이 85점, 운영 히스토리가 71, 운영 능력이 83, 비즈니스 관계가 90, 및 운영 특성이 66이며; 및 전반적인 비즈니스의 관점으로부터, 배경 신원(평균 점수 μ: 72, 표준 편차 δ: 15)은 표준정규분포:
Figure pct00001
로 변환될 것이고, 표준정규분포에 따라, 확률 값은 이 시점에 0.8501이다; 운영 히스토리(평균 점수 μ: 68, 표준 편차 δ: 30)는 표준정규분포:
Figure pct00002
로 변환될 것이고, 확률 값은 이 시점에 0.5398이다; 동일한 방식으로, 운영 능력의 확률 값은 0.8340, 비즈니스 관계의 확률 값은 0.9535, 및 운영 특성의 확률 값은 0.5120으로 각각 계산된다. 결국, 가맹점 "시안 클래식 스낵"의 헬스 포트레이트 는 도 3에 도시된 것과 같다. 도 3의 헬스 포트레이트를 통해, 가맹점의 배경 신원, 비즈니스 관계 및 운영 능력의 세 개의 지수는 양호한 상태인 한편, 운영 특성 및 운영 히스토리의 두 개의 지수는 보통이라는 점이 직관적으로 관찰될 수 있다.
그 다음에, 가맹점의 헬스 점수는 상술한 바와 같이, 평가될 가맹점의 헬스 점수를 계산할 때, 헬스 포트레이트의 각 차원에 대응하는 지수의 수의 균일하지 않은 분포를 회피하고, 가맹점의 최종 헬스 점수가 가맹점의 헬스 포트레이트의 특정 차원에서 극히 비정상적인 상황에 민첩하게 응답할 수 있음을 보장하기 위해, 단순히 직접적인 합산을 이용하는 것이 아닌, 기하 평균을 취함으로써 획득된다. 구체적인 수식은 다음과 같다.
Figure pct00003
기하 평균을 취함으로써, 각 차원에 대응하는 지수의 수의 균일하지 않은 분포에 의해 야기되는 부당함(unfairness)이 회피된다.
곱셈을 통해, 각 차원에서 극히 비정상적인 행동에 대해 민첩한 반응이 이루어질 수 있다; 예를 들어, 가맹점의 라이선스가 없는 동작이 검출되면, 헬스 포트레이트에서 "신원 배경"은 0점으로 주어진다; 합산의 경우, 다른 모듈에 기인하여, 가맹점에 대해 높은 점수가 출력될 것이지만, 기하 평균을 취한 이후에는 0점이 또한 출력될 것이다.
위의 "시안 클래식 스낵"을 예로 더 들면, 가맹점의 헬스 점수는 다음과 같이 계산된다.
Figure pct00004
.
도 3을 통해 획득된 위에서 언급된 헬스 포트레이트 및 헬스 점수(0.7150)에 대해, 전반적인 평가는 가맹점에 대해 포괄적으로 이루어질 수 있다; 이 방식에서, 헬스 점수가 제공될 뿐만 아니라, 헬스 포트레이트도 제공되어, 각 평가 지수의 헬스 상태의 더욱 직관적인 검사(examination)가 가능해진다; 그리고, 덧붙여, 평가가 가맹점의 과거 데이터를 기초로 이루어지기 때문에, 히스토리 가맹점 중 평가될 가맹점의 데이터 분포가 반영될 수 있다.
본 명세서의 실시예에 의해 제공된 가맹점 평가 방법에서, 첫째, 다수의 차원에서의 평가 지수를 설정함으로써, 평가될 가맹점에 대한 전반적인 평가가 이루어질 수 있고; 둘째, 데이터 분석으로부터 시작하여, 예를 들어, 표준정규분포를 기초로 하는 계산에 의해, 평가될 가맹점의 헬스 포트레이트를 획득하고, 기하 평균을 기초로 하는 계산에 의해, 평가될 가맹점의 헬스 점수를 획득하여, 데이터에 대한 구동 효과가 강화되고 인간의 경험이 약화되며, 평가 결과가 더욱 신뢰할 수 있게 되며; 덧붙여, 헬스 점수를 제공할 뿐만 아니라 헬스 포트레이트도 제공함으로써, 각 평가 지수의 헬스 상태는 더욱 직관적으로 관찰될 수 있으며, 또한 평가가 가맹점의 과거 데이터(예를 들어, 블랙 샘플 및 화이트 샘플)를 기초로 이루어지기 때문에, 히스토리 가맹점 중 평가될 가맹점의 데이터 분포가 반영될 수 있으며, 점수 분포에서 가맹점의 위치에 따라 가맹점의 헬스가 측정될 수 있다는 점이 관찰될 수 있다.
동일한 발명의 개념을 기초로 하는 제2 태양에서, 본 명세서의 실시예는 도 4를 참조하면, 다음을 포함하는 가맹점 평가 방법을 제공한다:
S401: 다수의 차원에서의 평가 지수가 결정되고, 가맹점 블랙 샘플 및 가맹점 화이트 샘플이 취득된다.
가맹점은 판매 비즈니스에 종사하고, Alipay Koubei의 가맹점 및 오프라인 Alipay 스캔 페이의 가맹점과 같이, 외부 고객을 직접적으로 대면하는 엔티티 유닛을 지칭한다. 예를 들어, Nike는 회사이고 기업이지만, 상하이에 있는 Nike의 Nanjing West Road 상점은 가맹점이다. 가맹점에 대한 전반적인 평가를 하기 위해, 다수의 평가 지수가 설정될 수 있다, 더욱 많은 평가 지수가 존재할수록, 가맹점의 평가 결과는 더욱 신뢰성이 있어진다는 점이 인식될 수 있다. 즉, 다차원 지수 데이터의 분석 및 처리를 통하여 더욱 높은 신뢰도의 평가 결과를 최종적으로 얻기 위하여, 다수의 차원에서의 평가 지수가 설정된다.
하나의 선택적인 구현에서, 다수의 차원에서 위에서 언급된 평가 지수는 가맹점 배경 신원, 가맹점 운영 히스토리, 가맹점 운영 능력, 가맹점 비즈니스 관계 및 가맹점 운영 특성의 임의의 조합을 포함한다.
확립된 가맹점 평가 모델이 "통제된"다는 것을 실현하기 위해, 블랙 샘플 및 화이트 샘플을 미리 획득하는 것이 필요하다. 예를 들어, 히스토리에서 삭제되고 불평을 받고 검증된 가맹점은 블랙 샘플로 취해지고, 불만 기록이 없는 성숙한 가맹점은 화이트 샘플로 취해진다.
S402: 가맹점 블랙 샘플 및 가맹점 화이트 샘플을 기초로 다수의 차원에서의 평가 지수에 대한 로지스틱 회귀 가맹점 평가 모델이 확립된다.
로지스틱 회귀는 일반적인 선형 모델이고, 다중 선형회귀분석과 다수의 유사성을 공유한다. 로지스틱 회귀는 근본적으로, 발생이 없을 가능성에 의해 분할되는(divided) 발생 가능성이며, 그 후에 이의 로그(logarithm)가 취해진다. 이 변환은 값의 간격 간의 모순(contradiction) 및 종속 변수와 독립 변수 사이의 커브 관계를 변경한다. 그 이유는 발생 가능성과 발생이 없을 가능성이 비율이 되고, 이 비율이 값의 범위를 확장시키는 버퍼이며, 그 후에 로그 변환이 수행되어 전체 종속 변수를 변경하기 때문이다.
본 명세서의 실시예에서, 로지스틱 회귀 가맹점 평가 모델은 가맹점 블랙 샘플 및 가맹점 화이트 샘플을 기초로 다수의 차원에서의 평가 지수에 대해 확립되며 즉, 가맹점 블랙 샘플 및 가맹점 화이트 샘플에서 각 평가 지수의 발생 가능성을 참조함으로써, 각 평가 지수에 대한 로지스틱 회귀 모델을 획득한다.
S403: 평가될 가맹점의 다차원 평가 지수 데이터가 가맹점 평가 모델에 입력되고, 평가될 가맹점의 헬스 포트레이트 및 헬스 점수가 출력된다.
하나의 선택적인 구현에서, 위에서 언급된 방법은: 다차원 평가 지수 데이터에 대해, 표준정규분포를 기초로 하는 계산에 의해, 평가될 가맹점의 헬스 포트레이트를 획득하는 것, 및 기하 평균을 기초로 하는 계산에 의해, 평가될 가맹점의 헬스 점수를 획득하는 것을 더 포함할 수 있다.
구체적으로, 표준정규분포를 기초로 하는 계산에 의해, 평가될 가맹점의 헬스 포트레이트를 획득하는 것은: 다차원 평가 지수 데이터를 가맹점 평가 모델에 입력하는 것, 표준정규분포를 기초로 하는 계산에 의해, 각 차원에서의 평가 지수 데이터의 확률 값을 획득하는 것, 및 평가될 가맹점의 헬스 포트레이트를 획득하기 위해, 각 차원에서의 평가 지수 데이터의 확률 값을 합성하는 것 - 평가될 가맹점의 헬스 포트레이트는 가맹점 평가 과거 데이터에 평가될 가맹점의 정규분포를 반영함 -을 포함한다.
구체적으로, 기하 평균을 기초로 하는 계산에 의해, 평가될 가맹점의 헬스 점수를 획득하는 것은: 평가될 가맹점의 각 차원에서의 평가 지수 데이터의 확률 값의 평가 기하학적 수를 취함으로써, 평가될 가맹점의 헬스 점수를 획득하는 것을 포함한다.
동일한 발명의 개념을 기초로 하는 제3 태양에서, 본 명세서의 실시예는 가맹점 평가 시스템을 제공한다. 도 5를 참조하면, 이는 가맹점 평가 시스템의 개략적인 구조도이다.
가맹점 평가 시스템은:
평가될 가맹점의 다차원 평가 지수 데이터를 취득하는 데이터 취득 모듈(501);
표준정규분포를 기초로 하는 계산에 의해, 다차원 평가 지수 데이터에 대해 평가될 가맹점의 헬스 포트레이트를 획득하는 포트레이트 평가 모듈(502);
기하 평균을 기초로 하는 계산에 의해, 평가될 가맹점의 헬스 점수를 획득하는 점수 평가 모듈(503); 및
평가될 가맹점의 헬스 포트레이트 및 헬스 점수를 출력하는 출력 모듈(504)을 포함한다.
하나의 선택적인 구현에서, 시스템은:
다수의 차원에서의 평가 지수를 결정하는 지수 결정 모듈(505);
가맹점 블랙 샘플 및 가맹점 화이트 샘플을 취득하는 샘플 취득 모듈(506); 및
가맹점 블랙 샘플 및 가맹점 화이트 샘플을 기초로, 다수의 차원에서의 평가 지수에 대한 로지스틱 회귀 가맹점 평가 모델을 확립하는 모델 확립 모듈(507)을 더 포함한다.
하나의 선택적인 구현에서, 포트레이트 평가 모듈(502)은 다차원 평가 지수 데이터를 가맹점 평가 모델에 입력하고, 표준정규분포를 기초로 하는 계산에 의해, 각 차원에서의 평가 지수 데이터의 확률 값을 획득하며, 평가될 가맹점의 헬스 포트레이트를 획득하기 위해, 각 차원에서의 평가 지수 데이터의 확률 값을 합성하는데 특히 사용되며, 평가될 가맹점의 헬스 포트레이트는 가맹점 평가 과거 데이터에 평가될 가맹점의 정규분포를 반영한다.
하나의 선택적인 구현에서, 점수 평가 모듈(503)은 평가될 가맹점의 각 차원에서의 평가 지수 데이터의 확률 값의 평가 기하학적 수를 취함으로써, 평가될 가맹점의 헬스 점수를 획득하는데 특히 사용된다.
하나의 선택적인 구현에서, 다차원 평가 지수 데이터는 가맹점 배경 신원 데이터, 가맹점 운영 히스토리 데이터, 가맹점 운영 능력 데이터, 가맹점 비즈니스 관계 데이터 및 가맹점 운영 특성 데이터의 임의의 조합을 포함한다.
동일한 발명의 개념을 기초로 하는 제4 태양에서, 본 명세서의 실시예는 가맹점 평가 시스템을 제공한다. 도 6을 참조하면, 이는 가맹점 평가 시스템의 개략적인 구조도이다.
가맹점 평가 시스템은:
다수의 차원에서의 평가 지수를 결정하는 지수 결정 모듈(601);
가맹점 블랙 샘플 및 가맹점 화이트 샘플을 취득하는 샘플 취득 모듈(602);
가맹점 블랙 샘플 및 가맹점 화이트 샘플을 기초로, 다수의 차원에서의 평가 지수에 대한 로지스틱 회귀 가맹점 평가 모델을 확립하는 모델 확립 모듈(603); 및
평가될 가맹점의 다차원 평가 지수 데이터를 가맹점 평가 모델에 입력하고, 평가될 가맹점의 헬스 포트레이트 및 헬스 점수를 출력하는 모델 출력 모듈(604)을 포함한다.
하나의 선택적인 구현에서, 시스템은:
표준정규분포를 기초로 하는 계산에 의해, 다차원 평가 지수 데이터에 대해 평가될 가맹점의 헬스 포트레이트를 획득하는 포트레이트 평가 모듈(605); 및
기하 평균을 기초로 하는 계산에 의해, 평가될 가맹점의 헬스 점수를 획득하는 점수 평가 모듈(606)을 더 포함한다.
하나의 선택적인 구현에서, 포트레이트 평가 모듈(605)은 다차원 평가 지수 데이터를 가맹점 평가 모델에 입력하고, 표준정규분포를 기초로 하는 계산에 의해, 각 차원에서의 평가 지수 데이터의 확률 값을 획득하며, 평가될 가맹점의 헬스 포트레이트를 획득하기 위해 각 차원에서의 평가 지수 데이터의 확률 값을 합성하는데 특히 사용되며, 평가될 가맹점의 헬스 포트레이트는 가맹점 평가 과거 데이터에서 평가될 가맹점의 정규분포를 반영한다.
하나의 선택적인 구현에서, 점수 평가 모듈(606)은 평가될 가맹점의 각 차원에서의 평가 지수 데이터의 확률 값의 평가 기하학적 수를 취함으로써, 평가될 가맹점의 헬스 점수를 획득하는데 특히 사용된다.
하나의 선택적인 구현에서, 다차원 평가 지수 데이터는 가맹점 배경 신원 데이터, 가맹점 운영 히스토리 데이터, 가맹점 운영 능력 데이터, 가맹점 비즈니스 관계 데이터 및 가맹점 운영 특성 데이터의 임의의 조합을 포함한다.
명세서는 본 명세서의 실시예에 따른 방법, 디바이스 (시스템) 및 컴퓨터 프로그램 제품의 흐름도 및/또는 블록도를 참조로 서술된다. 컴퓨터 프로그램 명령어는 흐름도 및/또는 블록도에서 각 프로세스 및/또는 블록, 및 흐름도 및/또는 블록도에서 프로세스 및/또는 블록의 조합을 구현할 수 있다는 점이 이해되어야 한다. 이들 컴퓨터 프로그램 명령어는 흐름도 내의 하나 이상의 프로세스에서의 및/또는 블록도 내의 하나 이상의 블록에서의 특정한 기능을 구현하는 장치가 컴퓨터 또는 다른 프로그래머블(programmable) 데이터 프로세싱 디바이스의 프로세서에 의해 실행되는 명령어에 의해 생성되도록, 머신을 생성하기 위한 범용 컴퓨터, 특수-목적 컴퓨터, 내장형 프로세서 또는 다른 프로그래머블 데이터 프로세싱 디바이스의 프로세서에 제공될 수 있다.
이들 컴퓨터 프로그램 명령어는 또한, 컴퓨터 판독가능 메모리 내에 저장된 명령어가 명령어 디바이스를 포함하는 제조된 제품을 생성하도록, 특정한 방식으로 동작하는 컴퓨터 또는 다른 프로그래머블 데이터 프로세싱 디바이스를 안내할 수 있는 컴퓨터 판독가능 메모리 내에 저장될 수 있다. 명령어 디바이스는 흐름도 내의 하나 이상의 프로세스 내에 및/또는 블록도 내의 하나 이상의 블록 내에 지정되는 기능을 구현한다.
이들 컴퓨터 프로그램 명령어는 또한, 일련의 동작 단계가 컴퓨터 또는 다른 프로그래머블 디바이스 상에서 수행되도록 컴퓨터 또는 다른 프로그래머블 데이터 프로세싱 디바이스 상에 적재될 수 있어서, 컴퓨터-구현된 프로세싱을 생성한다. 그러므로, 컴퓨터 또는 다른 프로그래머블 디바이스 상에서 실행되는 명령어는 흐름도 내의 하나 이상의 프로세스에 및/또는 블록도 내의 하나 이상의 블록에 지정된 기능을 구현하기 위한 단계를 제공한다.
바람직한 본 명세서의 실시예가 서술되었지만, 통상의 기술자는 기본적인 발명의 개념을 학습하면, 이들 실시예에 대해 다른 변경 및 수정을 할 수 있다. 그러므로, 첨부된 청구범위는 본 명세서의 범주 내에 속하는 바람직한 실시예 및 모든 변경 및 수정을 포함하는 것으로 해석되도록 의도된다.
명백하게, 통상의 기술자는 본 명세서의 사상 및 범주를 벗어나지 않으면서, 본 명세서에 대해 다양한 변경 및 변형을 할 수 있다. 이 방식으로, 본 명세서의 이들 수정 및 변형이 본 명세서의 청구 범위 및 그의 등가 기술의 범주 내에 속하는 경우, 본 명세서는 또한, 이들 수정 및 변형을 포함하는 것으로 의도된다.

Claims (12)

  1. 평가될 가맹점의 다차원 평가 지수 데이터를 취득하는 것;
    상기 다차원 평가 지수 데이터에 대해, 표준정규분포를 기초로 하는 계산에 의해, 상기 평가될 가맹점의 헬스 포트레이트(health portrait)를 획득하는 것, 및 기하 평균을 기초로 하는 계산에 의해, 상기 평가될 가맹점의 헬스 점수를 획득하는 것; 및
    상기 평가될 가맹점의 상기 헬스 포트레이트 및 상기 헬스 점수를 출력하는 것을 포함하는, 가맹점 평가 방법.
  2. 제1항에 있어서, 상기 방법은:
    다수의 차원에서의 평가 지수를 결정하는 것, 및 가맹점 블랙 샘플(black sample) 및 가맹점 화이트 샘플(white sample)을 취득하는 것; 및
    상기 가맹점 블랙 샘플 및 상기 가맹점 화이트 샘플을 기초로, 상기 다수의 차원에서의 상기 평가 지수에 대한 로지스틱 회귀(logistic regression) 가맹점 평가 모델을 확립하는 것 - 상기 평가될 가맹점의 상기 헬스 포트레이트 및 상기 헬스 점수는 상기 가맹점 평가 모델을 사용하여 획득됨 -을 더 포함하는, 가맹점 평가 방법.
  3. 제2항에 있어서, 표준정규분포를 기초로 하는 계산에 의해, 상기 평가될 가맹점의 헬스 포트레이트를 획득하는 것은:
    상기 다차원 평가 지수 데이터를 상기 가맹점 평가 모델에 입력하는 것, 표준정규분포를 기초로 하는 계산에 의해, 각 차원에서의 평가 지수 데이터의 확률 값을 획득하는 것, 및 상기 평가될 가맹점의 상기 헬스 포트레이트를 획득하기 위해, 각 차원에서의 상기 평가 지수 데이터의 상기 확률 값을 합성하는(synthesizing) 것 - 상기 평가될 가맹점의 상기 헬스 포트레이트는 가맹점 평가 과거 데이터(merchant evaluation historical data)에 상기 평가될 가맹점의 정규분포를 반영함 -을 포함하는, 가맹점 평가 방법.
  4. 제3항에 있어서, 기하 평균을 기초로 하는 계산에 의해, 상기 평가될 가맹점의 헬스 점수를 획득하는 것은:
    상기 평가될 가맹점의 각 차원에서의 상기 평가 지수 데이터의 상기 확률 값의 평가 기하학적 수(evaluation geometric number)를 취함으로써, 상기 평가될 가맹점의 상기 헬스 점수를 획득하는 것을 포함하는, 가맹점 평가 방법.
  5. 제1항 내지 제4항 중 어느 한 항에 있어서, 상기 다차원 평가 지수 데이터는 가맹점 배경 신원 평가 지수 데이터, 가맹점 운영 히스토리 평가 지수 데이터, 가맹점 운영 능력 평가 지수 데이터, 가맹점 비즈니스 관계 평가 지수 데이터 및 가맹점 운영 특성 평가 지수 데이터의 임의의 조합을 포함하는, 가맹점 평가 방법.
  6. 제5항에 있어서,
    원래의 평가 지수 서술 정보로부터 각 차원에서의 상기 평가 지수 데이터를 획득하는 것 - 상기 원래의 평가 지수 서술 정보는 상기 지수의 점수를 서술하는데 사용되는 평가 지수 데이터를 획득하기 위해 상기 지수에 대해 미리 설정된 지수 모델에 입력됨 -을 더 포함하는, 가맹점 평가 방법.
  7. 평가될 가맹점의 다차원 평가 지수 데이터를 취득하는 데이터 취득 모듈;
    표준정규분포를 기초로 하는 계산에 의해, 상기 다차원 평가 지수 데이터에 대해 상기 평가될 가맹점의 헬스 포트레이트를 획득하는 포트레이트 평가 모듈;
    기하 평균을 기초로 하는 계산에 의해, 상기 평가될 가맹점의 헬스 점수를 획득하는 점수 평가 모듈; 및
    상기 평가될 가맹점의 상기 헬스 포트레이트 및 상기 헬스 점수를 출력하는 출력 모듈을 포함하는, 가맹점 평가 시스템.
  8. 제7항에 있어서, 상기 시스템은:
    다수의 차원에서의 평가 지수를 결정하는 지수 결정 모듈;
    가맹점 블랙 샘플 및 가맹점 화이트 샘플을 취득하는 샘플 취득 모듈; 및
    상기 가맹점 블랙 샘플 및 상기 가맹점 화이트 샘플을 기초로, 상기 다수의 차원에서의 상기 평가 지수에 대한 로지스틱 회귀 가맹점 평가 모델을 확립하는 모델 확립 모듈을 더 포함하는, 가맹점 평가 시스템.
  9. 제8항에 있어서, 상기 포트레이트 평가 모듈은 상기 다차원 평가 지수 데이터를 상기 가맹점 평가 모델에 입력하고, 표준정규분포를 기초로 하는 계산에 의해, 각 차원에서의 평가 지수 데이터의 확률 값을 획득하며, 상기 평가될 가맹점의 상기 헬스 포트레이트를 획득하기 위해, 각 차원에서의 상기 평가 지수 데이터의 상기 확률 값을 합성하는데 특히 사용되며, 상기 평가될 가맹점의 상기 헬스 포트레이트는 가맹점 평가 과거 데이터에 상기 평가될 가맹점의 정규분포를 반영하는, 가맹점 평가 시스템.
  10. 제9항에 있어서, 상기 점수 평가 모듈은 상기 평가될 가맹점의 각 차원에서의 상기 평가 지수 데이터의 상기 확률 값의 평가 기하학적 수를 취함으로써, 상기 평가될 가맹점의 상기 헬스 점수를 획득하는데 특히 사용되는, 가맹점 평가 시스템.
  11. 제7항 내지 제10항 중 어느 한 항에 있어서, 상기 다차원 평가 지수 데이터는 가맹점 배경 신원 평가 지수 데이터, 가맹점 운영 히스토리 평가 지수 데이터, 가맹점 운영 능력 평가 지수 데이터, 가맹점 비즈니스 관계 평가 지수 데이터 및 가맹점 운영 특성 평가 지수 데이터의 임의의 조합을 포함하는, 가맹점 평가 시스템.
  12. 제11항에 있어서, 각 차원에서의 상기 평가 지수 데이터는 원래의 평가 지수 서술 정보로부터 획득되고, 상기 원래의 평가 지수 서술 정보는 상기 지수의 점수를 서술하는데 사용되는 평가 지수 데이터를 획득하기 위해 상기 지수에 대해 미리 설정된 지수 모델에 입력되는, 가맹점 평가 시스템.
KR1020197031838A 2017-07-28 2018-07-27 가맹점 평가 방법 및 시스템 KR102364491B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201710631485.8 2017-07-28
CN201710631485.8A CN107622432A (zh) 2017-07-28 2017-07-28 商户评价方法及系统
PCT/CN2018/097340 WO2019020095A1 (zh) 2017-07-28 2018-07-27 商户评价方法及系统

Publications (2)

Publication Number Publication Date
KR20200006967A true KR20200006967A (ko) 2020-01-21
KR102364491B1 KR102364491B1 (ko) 2022-02-18

Family

ID=61088233

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020197031838A KR102364491B1 (ko) 2017-07-28 2018-07-27 가맹점 평가 방법 및 시스템

Country Status (9)

Country Link
US (2) US11562830B2 (ko)
EP (1) EP3608864A4 (ko)
JP (1) JP2020523657A (ko)
KR (1) KR102364491B1 (ko)
CN (1) CN107622432A (ko)
PH (1) PH12019502362A1 (ko)
SG (1) SG11201909476QA (ko)
TW (1) TWI776894B (ko)
WO (1) WO2019020095A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102592946B1 (ko) * 2023-07-18 2023-10-24 주식회사 티오더 가맹점의 운영상태 모니터링 및 평가 서비스 제공 장치및 방법

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107622432A (zh) * 2017-07-28 2018-01-23 阿里巴巴集团控股有限公司 商户评价方法及系统
CN108764348B (zh) * 2018-05-30 2020-07-10 口口相传(北京)网络技术有限公司 基于多个数据源的数据采集方法及系统
CN108876465B (zh) * 2018-06-28 2022-02-01 创新先进技术有限公司 一种对商户进行经营模式分群的方法、装置和服务器
CN108876188B (zh) * 2018-07-05 2022-04-19 创新先进技术有限公司 一种间连服务商风险评估方法及装置
CN109460889B (zh) * 2018-09-14 2022-02-01 创新先进技术有限公司 风险管控方法、系统、服务器及计算机可读存储介质
CN109636081A (zh) * 2018-09-29 2019-04-16 阿里巴巴集团控股有限公司 一种用户安全意识检测方法和装置
CN110033151B (zh) * 2018-11-09 2024-01-19 创新先进技术有限公司 关系风险评价方法、装置、电子设备及计算机存储介质
CN109858927A (zh) * 2019-01-16 2019-06-07 深圳壹账通智能科技有限公司 一种商户审核方法、装置、计算机可读存储介质及服务器
CN110148000A (zh) * 2019-04-17 2019-08-20 阿里巴巴集团控股有限公司 一种应用于支付平台的安全管控系统和方法
CN110264221A (zh) * 2019-05-15 2019-09-20 阿里巴巴集团控股有限公司 一种针对服务商行业的全链路安全业务联合解决方案
CN110956224B (zh) * 2019-08-01 2024-03-08 平安科技（深圳）有限公司 评估模型生成、评估数据处理方法、装置、设备及介质
CN110796471A (zh) * 2019-08-29 2020-02-14 连连银通电子支付有限公司 一种信息处理方法及装置
CN110633919A (zh) * 2019-09-27 2019-12-31 支付宝(杭州)信息技术有限公司 经营实体的评估方法及其装置
US11354655B2 (en) * 2020-04-29 2022-06-07 Capital One Services, Llc Enhancing merchant databases using crowdsourced browser data
CN111563747B (zh) * 2020-05-09 2023-11-07 中国工商银行股份有限公司 针对商户授信的处理方法及装置
CN111949743A (zh) * 2020-07-31 2020-11-17 上海中通吉网络技术有限公司 网点运营数据获取方法、装置及设备
CN111967684B (zh) * 2020-08-27 2024-02-02 北京合众伟奇科技股份有限公司 一种基于大数据分析的计量资产主动配送方法
CN115795454B (zh) * 2022-12-23 2024-03-01 北京数智云科信息科技有限公司 基于线上操作大数据的业务优化方法及人工智能优化系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020007140A (ko) * 2000-07-18 2002-01-26 임채영 상점가치평가 지수를 만드는 방법
JP2007058756A (ja) * 2005-08-26 2007-03-08 Ntt Facilities Inc 事業モデル診断支援装置、事業モデル診断支援方法、コンピュータプログラム
KR100776187B1 (ko) * 2006-06-20 2007-11-16 연세대학교 산학협력단 기술평가방법
US20160110812A1 (en) * 2012-12-18 2016-04-21 Johnathan Mun Project economics analysis tool

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3933882B2 (ja) * 2001-03-30 2007-06-20 富士通株式会社 レーダーチャートを表示させるためのプログラムおよびレーダーチャート表示方法
US20060101048A1 (en) * 2004-11-08 2006-05-11 Mazzagatti Jane C KStore data analyzer
KR20070108318A (ko) 2006-02-22 2007-11-09 박상우 지아이에스를 이용한 지역별 안전도 평가 시스템 및 그방법
US8725597B2 (en) * 2007-04-25 2014-05-13 Google Inc. Merchant scoring system and transactional database
US8781881B2 (en) * 2007-08-14 2014-07-15 Visa U.S.A. Inc. Merchant benchmarking tool
US8713017B2 (en) * 2009-04-23 2014-04-29 Ebay Inc. Summarization of short comments
US20110093324A1 (en) * 2009-10-19 2011-04-21 Visa U.S.A. Inc. Systems and Methods to Provide Intelligent Analytics to Cardholders and Merchants
JP5667959B2 (ja) 2011-10-12 2015-02-12 日本電信電話株式会社 影響度分析方法、影響度分析装置及びそのプログラム
US20140108072A1 (en) * 2012-10-17 2014-04-17 Bank Of America Vendor Contract Assessment Tool
SG11201507583YA (en) 2013-03-15 2015-10-29 Mark Gembicki Enhanced operational resiliency scoring using intelligence indicators
US20150363840A1 (en) * 2014-06-13 2015-12-17 Mastercard International Incorporated Systems and Methods for Recommending Merchants to Consumers
CN105869001A (zh) * 2015-01-19 2016-08-17 苏宁云商集团股份有限公司 个性化商品推荐引流方法和系统
US11030535B1 (en) * 2015-06-24 2021-06-08 Amazon Technologies, Inc. Machine learned merchant ratings
CN105608600A (zh) * 2015-12-18 2016-05-25 焦点科技股份有限公司 一种对b2b卖家效果评估和优化方法
US10853739B2 (en) * 2017-06-09 2020-12-01 Sap Se Machine learning models for evaluating entities in a high-volume computer network
CN107622432A (zh) * 2017-07-28 2018-01-23 阿里巴巴集团控股有限公司 商户评价方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020007140A (ko) * 2000-07-18 2002-01-26 임채영 상점가치평가 지수를 만드는 방법
JP2007058756A (ja) * 2005-08-26 2007-03-08 Ntt Facilities Inc 事業モデル診断支援装置、事業モデル診断支援方法、コンピュータプログラム
KR100776187B1 (ko) * 2006-06-20 2007-11-16 연세대학교 산학협력단 기술평가방법
US20160110812A1 (en) * 2012-12-18 2016-04-21 Johnathan Mun Project economics analysis tool

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102592946B1 (ko) * 2023-07-18 2023-10-24 주식회사 티오더 가맹점의 운영상태 모니터링 및 평가 서비스 제공 장치및 방법

Also Published As

Publication number Publication date
WO2019020095A1 (zh) 2019-01-31
US20200058406A1 (en) 2020-02-20
EP3608864A4 (en) 2020-04-01
TWI776894B (zh) 2022-09-11
PH12019502362A1 (en) 2020-07-13
KR102364491B1 (ko) 2022-02-18
US20200168341A1 (en) 2020-05-28
JP2020523657A (ja) 2020-08-06
US11562830B2 (en) 2023-01-24
CN107622432A (zh) 2018-01-23
SG11201909476QA (en) 2019-11-28
EP3608864A1 (en) 2020-02-12
TW201911179A (zh) 2019-03-16

Similar Documents

Publication Publication Date Title
KR102364491B1 (ko) 가맹점 평가 방법 및 시스템
CN108564386B (zh) 商户识别方法及装置、计算机设备及存储介质
EP3819835A1 (en) Risk identification model training method and apparatus, and server
US11676087B2 (en) Systems and methods for vulnerability assessment and remedy identification
US20130325701A1 (en) E-currency validation and authorization services platform
US20150199746A1 (en) Recommendation machine
CA2923749A1 (en) Systems and methods for presenting relevant data to users of a financial computer network
US11017330B2 (en) Method and system for analysing data
KR20210058229A (ko) 재고 및 판매량 분석을 통한 단기 신용 대출 방법 및 서버
JP6417002B1 (ja) 生成装置、生成方法及び生成プログラム
US20140379310A1 (en) Methods and Systems for Evaluating Predictive Models
WO2020063114A1 (zh) 一种用户安全意识检测方法和装置
Abdou et al. Would credit scoring work for Islamic finance? A neural network approach
JP2023546849A (ja) 通貨市場において証券を予想、推奨、および売買するための機械学習
US20160343051A1 (en) Network computer system to predict contingency outcomes
WO2020087828A1 (zh) 预售风险评估方法、系统、计算机装置及可读存储介质
Zhai et al. Influence of trust and risk on peer-to-peer investment willingness: a bidirectional perspective
US9626356B2 (en) System support for evaluation consistency
Sunarya et al. Deciphering Digital Social Dynamics: A Comparative Study of Logistic Regression and Random Forest in Predicting E-Commerce Customer Behavior
CN108985755B (zh) 一种账号状态识别方法、装置及服务器
US10528924B2 (en) Self-aware token
Bhardwaj et al. Decision-making optimisation in insurance market using big data analytics survey
JP2014164768A (ja) 相場の変則を探知するためのシステムおよび方法
US10402921B2 (en) Network computer system for quantifying conditions of a transaction
Snow Financial machine learning regulation

Legal Events

Date Code Title Description
A201 Request for examination
N231 Notification of change of applicant
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant