WO2018121396A1 - 商户价值评价方法 - Google Patents

商户价值评价方法 Download PDF

Info

Publication number
WO2018121396A1
WO2018121396A1 PCT/CN2017/117701 CN2017117701W WO2018121396A1 WO 2018121396 A1 WO2018121396 A1 WO 2018121396A1 CN 2017117701 W CN2017117701 W CN 2017117701W WO 2018121396 A1 WO2018121396 A1 WO 2018121396A1
Authority
WO
WIPO (PCT)
Prior art keywords
determining
statistical
vector
subjective
weight
Prior art date
Application number
PCT/CN2017/117701
Other languages
English (en)
French (fr)
Inventor
张琦
华锦芝
郑建宾
王宇
Original Assignee
中国银联股份有限公司
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 中国银联股份有限公司 filed Critical 中国银联股份有限公司
Publication of WO2018121396A1 publication Critical patent/WO2018121396A1/zh

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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data

Definitions

  • the invention relates to a merchant value evaluation method.
  • the merchant value evaluation is based on an indicator system that reflects the value of the merchant, such as profitability, user evaluation, popularity, etc., using appropriate evaluation methods, and evaluating the value of the merchant through a certain calculation and analysis process.
  • the comprehensive evaluation is a global and holistic evaluation of the objects described by the multi-indicator architecture, providing basic support for decision-making, and also a process of collecting relevant information for a complex system and objectively evaluating its application status.
  • Commonly used comprehensive evaluation methods include analytic hierarchy process, expert evaluation method, fuzzy comprehensive evaluation method, grey system evaluation method, principal component analysis method, order relationship analysis method (G1 method), entropy weight method, artificial neural network method (ANN method). Wait.
  • the present invention provides a technical solution as follows:
  • a merchant value evaluation method includes the following steps: a) determining at least one statistical indicator of the merchant value; b) normalizing the transaction data involved in each statistical indicator; c) determining each statistic according to the order relationship analysis method The importance of the indicator, and the subjective initial vector is determined based on the importance of each statistical indicator; d), the weight of each statistical indicator is determined according to the entropy weight method, and the objective vector is determined based on the weight of each statistical indicator; e), based on the revised principle and The objective vector corrects the subjective initial vector to obtain the subjective correction vector.
  • the correction principle makes the weight of each statistical indicator and the importance degree of each statistical index conform to the completely corresponding ordering relationship; f), based on the subjective correction vector, according to the order relationship
  • the analysis method calculates the correction weights of each statistical indicator; and g), based on the revised weights of each statistical indicator, and the transaction data involved, and evaluates the merchant value.
  • step g the formula for calculating the merchant value is:
  • the merchant value evaluation method provided by the present invention is based on making the weights of each statistical index and the importance degree of each statistical index conform to the completely corresponding ranking relationship, and together with the objective vector, correcting the subjective initial vector, thereby comprehensively evaluating the merchant value.
  • This approach can reduce the level of manual intervention and thus more accurately evaluate merchant value.
  • the present invention constructs a hierarchical structure of price indicators, and indexes indicators reflecting similar properties into the same part, avoiding the problem that some of the different nature indicators are not comparable, and also helps to more accurately evaluate the merchant value.
  • FIG. 1 is a flow chart showing a merchant value evaluation method according to an embodiment of the present invention.
  • Figure 2 shows a merchant comprehensive evaluation index system in accordance with the present invention.
  • an embodiment of the present invention provides a merchant value evaluation method, and a package thereof The following steps are included.
  • Step S10 Determine at least one statistical indicator of the merchant value.
  • an indicator that reflects the value of the merchant such as transaction amount, profitability, number of user evaluations, and user evaluation value
  • the evaluation indicators are divided into several different parts, and are gradually subdivided, and the hierarchical structure is constructed.
  • the indicators reflecting the similar nature are classified into the same part, avoiding the problem that some of the different nature indicators are not comparable.
  • the statistical indicators include but are not limited to: monthly average handling fee; monthly transaction amount; monthly transaction amount growth rate; monthly transaction amount standard deviation rate; monthly transaction number; monthly transaction frequency growth rate; monthly transaction number standard deviation rate Customer return rate; blank transaction month share; fraud amount; and number of frauds.
  • step S11 the transaction data involved in each statistical indicator is standardized.
  • processing and quantifying data includes filtering of abnormal data and standardization of data.
  • the data standardization is to standardize the data of each indicator.
  • the indicator system contains m indicators, each of which contains n sets of data (n is the number of items of transaction data).
  • Step S12 Determine the importance degree of each statistical indicator according to the order relationship analysis method, and determine the subjective initial vector based on the importance degree of each statistical indicator.
  • the weight is determined by the compound power function modified G1 method, based on the G1 method and the entropy weight method, which emphasizes subjective sorting and A combination weighted method that guarantees subjective sorting while combining subjective and objective.
  • Step S13 Determine weights of each statistical indicator according to an entropy weight method, and determine an objective vector based on weights of each statistical indicator.
  • Step S14 correcting the subjective initial vector based on the correction principle and the objective vector to obtain a subjective correction vector.
  • the revision principle should make the weight of each statistical indicator (reflected by the objective vector R) and the importance of each statistical indicator (reflected by the subjective initial vector T) in full correspondence. Sort relationship. When the corresponding corresponding sorting relationship is met, it indicates that the manual evaluation of the importance of each statistical indicator can match the weight of the statistical indicator. Further, it can be considered that the subjective endowment (importance) initial value is reasonable and practical. This modification is beneficial to reduce the degree of manual intervention and more accurately evaluate the value of the merchant.
  • the element of the subjective initial vector T is t
  • the element of the objective vector R is r.
  • the condition of f(t,r)" ⁇ 0 can reduce the influence of the abnormally large r value on the value of f(t,r) so that f(t,r) does not is too big.
  • Step S15 Calculate the correction weight of each statistical indicator according to the subjective correction vector and the order relationship analysis method.
  • step S16 the merchant value is evaluated based on the correction weights of the respective statistical indicators and the transaction data involved in each.
  • the calculation formula of the merchant value is: Where V is the merchant value of a particular merchant, C j is the set of transaction data involved in the jth statistical indicator, C' j is the result of standardizing the transaction data set C j , and w j is the jth statistic The weight of the indicator, w' j is the correction weight of the jth statistical indicator.
  • the evaluation value of the comprehensive merchant value may be obtained by using the weighted summation score method for the upper level index.

Landscapes

  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种商户价值评价方法，包括：确定商户价值的至少一个统计指标；对各统计指标各自涉及的交易数据进行标准化处理；按照序关系分析法确定各统计指标的重要程度，并基于各统计指标的重要程度确定主观初始向量；按照熵权法确定各统计指标的权重，并基于各统计指标的权重确定客观向量；基于修正原则及客观向量对主观初始向量进行修正，以获得主观修正向量，其中，修正原则使得各统计指标的权重与各统计指标的重要程度符合完全对应的排序关系；基于主观修正向量、按照序关系分析法计算各统计指标的修正权重；基于各统计指标的修正权重、以及各自涉及的交易数据，评价商户价值。该方法能够降低人工干预程度、从而更准确地评价商户价值。

Description

商户价值评价方法 技术领域
本发明涉及一种商户价值评价方法。
背景技术
商户价值评价是根据能够反映商户价值的指标体系，如盈利能力、用户评价、人气等，采用合适的评价处理方法，通过一定的计算、分析过程，对商户的价值进行评价。
综合评价是对以多指标体系结构描述的对象做出全局性、整体性的评价，为决策提供基础支撑，也是对一个复杂系统收集有关信息并客观评价其应用状态的过程。常用的综合评价方法有层次分析法、专家评价法、模糊综合评价法、灰色系统评价法、主成分分析法、序关系分析法(G1法)、熵权法、人工神经网络法(ANN法)等。
现有技术中的一些价值评价方法和系统，在确定指标权重时，人工主观地赋予其初值，但这种赋值随意性大，可靠程度低。换言之，过多的人工干预将降低价值评价方法的权威性、可靠性。
发明内容
本发明的目的在于提供一种降低人工干预程度、从而更准确地评价商户价值的方法。
为实现上述目的，本发明提供一种技术方案如下：
一种商户价值评价方法，包括如下步骤：a)、确定商户价值的至少一个统计指标；b)、对各统计指标各自涉及的交易数据进行标准化处理；c)、按照序关系分析法确定各统计指标的重要程度，并基于各统计指标的重要程度确定主观初始向量；d)、按照熵权法确定各统计指标的权重，并基于各统计指标的权重确定客观向量；e)、基于修正原则及客观向量对主观初始向量进行修正，以获得主观修正向量，其中，修正原则使得各统计指标的权重与各统计指标的重要程度符合完全对应的排序关系；f)、基于主观修正向量、按照序关系分析法计算各统计指标的修正权重；以及g)、基于各统计指标的修正权重、以及各自涉及的交易数据，评价商户价值。
优选地，在步骤b)中，设第j个统计指标所涉及的交易数据表示为集合Cj＝{C1j,C2j,.....,Cnj}，则经标准化处理的各交易数据为：
Figure PCTCN2017117701-appb-000001
其中n为交易数据的项数，i＝1,2,......,n。
优选地，步骤c)具体包括：c1)、按照序关系分析法确定各统计指标的重要程度并进行降序排序，经排序后的各统计指标的重要程度表示为：X1≥X2≥......≥Xm，其中m为统计指标的个数；c2)、确定主观初始向量T＝{t1,t2,......,tm-1}，其中
Figure PCTCN2017117701-appb-000002
优选地，步骤d)具体包括：d1)、确定各统计指标的信息熵：
Figure PCTCN2017117701-appb-000003
其中，
Figure PCTCN2017117701-appb-000004
d2)、确定各统计指标的权重：
Figure PCTCN2017117701-appb-000005
d3)、确定客观向量R＝{r1,r2,......,rm-1}，其中 ri＝wi/wi+1，i＝1,2,......,m-1。
优选地，在步骤e)中，主观修正向量表示为：T'＝{t'1,t'2,......,t'm-1}，其中
Figure PCTCN2017117701-appb-000006
优选地，在步骤f)中，修正权重的计算公式为：
Figure PCTCN2017117701-appb-000007
其中，j＝1,2,......,m，以及，当j<k时，
Figure PCTCN2017117701-appb-000008
当j>k时，rjk＝1/rkj，当j＝k时，rjk＝1。
优选地，在步骤g)中，商户价值的计算公式为：
Figure PCTCN2017117701-appb-000009
本发明所提供的商户价值评价方法，基于使各统计指标的权重与各统计指标的重要程度符合完全对应的排序关系，并连同客观向量一起，对主观初始向量进行修正，进而综合评价商户价值，这种方式能够降低人工干预程度、从而更准确地评价商户价值。此外，本发明构建标价指标的层次结构，将反映类似性质的指标划入同一部分，避免了部分不同性质指标之间不具有可比性的问题，也有助于更准确地评价商户价值。
附图说明
图1示出本发明一实施例提供的商户价值评价方法的流程图。
图2示出根据本发明的商户综合评价指标体系。
具体实施方式
如图1所示，本发明一实施例提供一种商户价值评价方法，其包 括如下各步骤。
步骤S10、确定商户价值的至少一个统计指标。
具体地，选择能反映商户价值的指标，如交易额、盈利能力、用户评价次数、用户评价值等。其次，将评价指标划分为若干个不同的部分，并逐步细分，构建层次结构，将反映类似性质的指标划入同一部分，避免了部分不同性质指标之间不具有可比性的问题。
在本发明的商户综合评价中，我们将评价指标分为盈利能力、商户人气、潜力指数、履约能力、信用历史五个部分，每个部分包含与该部分目标相匹配的更细的评价指标，如图2所示。
进一步地，统计指标包括但不限于：月均手续费；月交易金额；月交易金额增长率；月交易金额标准离差率；月交易次数；月交易次数增长率；月交易次数标准离差率；顾客回头率；空白交易月份占比；欺诈金额；以及欺诈次数。
步骤S11、对各统计指标各自涉及的交易数据进行标准化处理。
其中，处理和量化数据包括对异常数据的过滤和数据的标准化。其中数据标准化是将各个指标的数据进行标准化处理。假设指标体系包含了m个指标，每个指标包含n组数据(n为交易数据的项数)。设第j个统计指标所涉及的交易数据表示为集合Cj＝{C1j,C2j,.....,Cnj}，则经标准化处理的各交易数据为：
Figure PCTCN2017117701-appb-000010
其中，i＝1,2,......,n。
步骤S12、按照序关系分析法确定各统计指标的重要程度，并基于各统计指标的重要程度确定主观初始向量。
具体地，为了克服主观赋权和客观赋权各自的缺陷，在确定指标权重时，通过复合幂函数修正G1法确定权重，以G1法和熵权法为基础，是一种强调主观排序、在主客观结合的同时保证主观排序不变的组合赋权法。
该步骤具体包括：1、按照序关系分析法确定各统计指标的重要程度并进行降序排序，经排序后的各统计指标的重要程度表示为：X1≥X2≥......≥Xm，其中m为统计指标的个数；以及2、确定主观初始向量为排序后的相邻统计指标的重要程度之比，主观初始向量表示为T＝{t1,t2,......,tm-1}，其中
Figure PCTCN2017117701-appb-000011
步骤S13、按照熵权法确定各统计指标的权重，并基于各统计指标的权重确定客观向量。
具体地，该步骤具体包括：1、确定各统计指标的信息熵，第j个统计指标的信息熵表示为：
Figure PCTCN2017117701-appb-000012
其中，
Figure PCTCN2017117701-appb-000013
如果pij＝0，则定义pijlnpij＝0；2、确定各统计指标的权重，第j个统计指标的权重表示为：
Figure PCTCN2017117701-appb-000014
3、确定客观向量R＝{r1,r2,......,rm-1}，其中ri＝wi/wi+1，ri>0，i＝1,2,......,m-1。
步骤S14、基于修正原则及客观向量对主观初始向量进行修正，以获得主观修正向量。
其中，修正原则应使得各统计指标的权重(由客观向量R体现)与各统计指标的重要程度(由主观初始向量T体现)符合完全对应的 排序关系。当符合完全对应的排序关系时，表明对各统计指标重要程度的人工评估能够匹配该统计指标的权重，进而，可以认为主观赋予(重要程度)初值是合理、贴切实际的。这种修正方式有利于降低人工干预程度、更准确地评价商户价值。
主观初始向量T的元素为t，客观向量R的元素为r，修正后，对应的主观修正向量的元素为t'＝f(t,r)。
具体地，为了保证主客观结合的合理性，修正需要遵循以下几个原则：
Figure PCTCN2017117701-appb-000015
当r＝t时，f(t,r)＝t。即，主观初始向量、客观向量的元素一致时，主观修正向量的元素不应改变。
Figure PCTCN2017117701-appb-000016
为了保证各统计指标的权重(由客观向量R体现)与各统计指标的重要程度(由主观初始向量T体现)符合完全对应的排序关系，需保证f(t,r)≥1，因此当ri＝wi/wi+1趋近于0时，客观向量的元素趋近于最小值0，即，f(t,r)应取最小值1。
Figure PCTCN2017117701-appb-000017
f(t,r)'＞0且f(t,r)"＜0。因为客观向量的元素越大，则f(t,r)越大，因此f(t,r)单调递增，即，f(t,r)'＞0。而f(t,r)"＜0这一条件可以降低异常大的r值对f(t,r)值的影响，使f(t,r)不至于过大。
作为优选实施方式，通过幂函数
Figure PCTCN2017117701-appb-000018
进行变换得到的复合幂函数
Figure PCTCN2017117701-appb-000019
符合以上原则，因此，主观修正向量可表示为：T'＝{t′1,t'2,......,t'm-1}，其中
Figure PCTCN2017117701-appb-000020
步骤S15、基于主观修正向量、按照序关系分析法计算各统计指标的修正权重。
具体地，作为示例，在该步骤S15中，修正权重的计算公式采用：
Figure PCTCN2017117701-appb-000021
其中，j＝1,2,......,m，以及，当j<k时，
Figure PCTCN2017117701-appb-000022
当j>k时，rjk＝1/rkj，当j＝k时，rjk＝1。
步骤S16、基于各统计指标的修正权重、以及各自涉及的交易数据，评价商户价值。
其中，商户价值的计算公式为：
Figure PCTCN2017117701-appb-000023
其中，V为某一特定商户的商户价值，Cj为第j个统计指标所涉及的交易数据的集合，C'j对交易数据集合Cj进行标准化处理的结果，wj为第j个统计指标的权重，w'j为第j个统计指标的修正权重。
视情况而定，在求出子层次指标对应的商户价值评价值之后，还可针对上位层次指标，再用加权求和评分法，得到综合商户价值评价值。
上述说明仅针对于本发明的优选实施例，并不在于限制本发明的保护范围。本领域技术人员可作出各种变形设计，而不脱离本发明的思想及附随的权利要求。

Claims (8)

  1. 一种商户价值评价方法，包括如下步骤:
    a)、确定商户价值的至少一个统计指标；
    b)、对各所述统计指标各自涉及的交易数据进行标准化处理；
    c)、按照序关系分析法确定各所述统计指标的重要程度，并基于各所述统计指标的重要程度确定主观初始向量；
    d)、按照熵权法确定各所述统计指标的权重，并基于各所述统计指标的权重确定客观向量；
    e)、基于修正原则及所述客观向量对所述主观初始向量进行修正，以获得主观修正向量，其中，所述修正原则使得各所述统计指标的所述权重与各所述统计指标的所述重要程度符合完全对应的排序关系；
    f)、基于所述主观修正向量、按照序关系分析法计算各所述统计指标的修正权重；以及
    g)、基于各所述统计指标的所述修正权重、以及各自涉及的所述交易数据，评价商户价值。
  2. 根据权利要求1所述的方法，其特征在于，所述步骤b)中，设第j个统计指标所涉及的所述交易数据表示为集合Cj＝{C1j,C2j,.....,Cnj}，则经所述标准化处理的各所述交易数据为：
    Figure PCTCN2017117701-appb-100001
    其中n为所述交易数据的项数，i＝1,2,......,n。
  3. 根据权利要求1所述的方法，其特征在于，所述步骤c)具体包括：
    c1)、按照序关系分析法确定各所述统计指标的重要程度并进行降序排序，经排序后的各所述统计指标的重要程度表示为：X1≥X2≥......≥Xm，其中m为所述统计指标的个数；
    c2)、确定所述主观初始向量T＝{t1,t2,......,tm-1}，其中
    Figure PCTCN2017117701-appb-100002
    i＝1,2,......,m-1。
  4. 根据权利要求3所述的方法，其特征在于，所述步骤d)具体包括：
    d1)、确定各所述统计指标的信息熵：
    Figure PCTCN2017117701-appb-100003
    其中，
    Figure PCTCN2017117701-appb-100004
    d2)、确定各所述统计指标的权重：
    Figure PCTCN2017117701-appb-100005
    d3)、确定所述客观向量R＝{r1,r2,......,rm-1}，其中ri＝wi/wi+1，i＝1,2,......,m-1。
  5. 根据权利要求4所述的方法，其特征在于，在所述步骤e)中，所述主观修正向量表示为：
    T'＝{t′1,t'2,......,t'm-1}，其中
    Figure PCTCN2017117701-appb-100006
    i＝1,2,......,m-1。
  6. 根据权利要求5所述的方法，其特征在于，在所述步骤f)中，所述修正权重的计算公式为：
    Figure PCTCN2017117701-appb-100007
    其中，j＝1,2,......,m，以及，当j<k时，
    Figure PCTCN2017117701-appb-100008
    当j>k时，rjk＝1/rkj，当j＝k时，rjk＝1。
  7. 根据权利要求6所述的方法，其特征在于，在所述步骤g)中，所述商户价值的计算公式为：
    Figure PCTCN2017117701-appb-100009
  8. 根据权利要求1至7中任一项所述的方法，其特征在于，所述统计指标包括如下项中的任一项或多项：
    月均手续费；
    月交易金额；
    月交易金额增长率；
    月交易金额标准离差率；
    月交易次数；
    月交易次数增长率；
    月交易次数标准离差率；
    顾客回头率；
    空白交易月份占比；
    欺诈金额；以及
    欺诈次数。
PCT/CN2017/117701 2016-12-29 2017-12-21 商户价值评价方法 WO2018121396A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201611243003.3A CN106980988A (zh) 2016-12-29 2016-12-29 商户价值评价方法
CN201611243003.3 2016-12-29

Publications (1)

Publication Number Publication Date
WO2018121396A1 true WO2018121396A1 (zh) 2018-07-05

Family

ID=59340585

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2017/117701 WO2018121396A1 (zh) 2016-12-29 2017-12-21 商户价值评价方法

Country Status (2)

Country Link
CN (1) CN106980988A (zh)
WO (1) WO2018121396A1 (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110533342A (zh) * 2019-09-04 2019-12-03 上海丙晟科技有限公司 一种基于大数据的商场门店评价方法
CN110851784A (zh) * 2019-11-13 2020-02-28 国网上海市电力公司 一种现场运行电能表的预警方法
CN111340347A (zh) * 2020-02-21 2020-06-26 黑龙江省农业科学院绥化分院 一种水稻品种综合优良指数评价方法
CN111768873A (zh) * 2020-06-03 2020-10-13 中国地质大学（武汉） 一种covid-19实时风险预测方法
CN111859535A (zh) * 2020-06-20 2020-10-30 武汉理工大学 基于ahp-熵权法的极地邮轮减摇鳍选型方法和装置
CN111898839A (zh) * 2019-05-05 2020-11-06 中国农业大学 电力用户的重要程度分类方法及装置
CN112669054A (zh) * 2020-12-09 2021-04-16 王小伟 一种基于实际使用价值的铁矿石价格评估方法
CN112667907A (zh) * 2021-01-04 2021-04-16 深圳市华通易点信息技术有限公司 一种多平台信息投放和数据统计系统及方法
CN112734274A (zh) * 2021-01-20 2021-04-30 国家电网公司华中分部 一种低碳电网运营主导影响因素挖掘及综合评估方法
CN112734518A (zh) * 2020-12-30 2021-04-30 陈正和 一种舞蹈机构三方信用体系建立方法及系统
CN112734233A (zh) * 2021-01-08 2021-04-30 上海移卓网络科技有限公司 确认app推广渠道的新增客户质量的方法及装置
CN112734232A (zh) * 2021-01-08 2021-04-30 上海移卓网络科技有限公司 App广告用户体验评价指标权重评定方法及相关设备
CN113947281A (zh) * 2021-09-09 2022-01-18 西华大学 城市轨道交通装备制造业集群竞争力评价方法
CN114862085A (zh) * 2021-12-31 2022-08-05 中国矿业大学 一种电能质量综合评估用的主客观分类组合赋权方法

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106980988A (zh) * 2016-12-29 2017-07-25 中国银联股份有限公司 商户价值评价方法
CN107730099A (zh) * 2017-09-30 2018-02-23 四川师范大学 一种空间规划模型建立方法
CN108038735A (zh) * 2017-12-26 2018-05-15 北京小度信息科技有限公司 数据生成方法及装置
CN108898425A (zh) * 2018-06-14 2018-11-27 口碑(上海)信息技术有限公司 店铺质量的评价方法及装置
CN108921398B (zh) * 2018-06-14 2020-12-11 口口相传(北京)网络技术有限公司 店铺质量评价方法及装置
CN110689032A (zh) * 2018-07-04 2020-01-14 北京京东尚科信息技术有限公司 数据处理方法及系统、计算机系统和计算机可读存储介质
CN109272366B (zh) * 2018-10-15 2022-04-08 拉扎斯网络科技（上海）有限公司 订单数据的处理方法及装置
CN109815480B (zh) * 2018-12-14 2022-08-12 平安科技（深圳）有限公司 一种数据处理方法和装置、及存储介质
CN109858947B (zh) * 2018-12-25 2021-04-06 清华大学 零售用户价值分析系统及方法
CN110955866A (zh) * 2019-11-29 2020-04-03 卓尔智联(武汉)研究院有限公司 跨境交易风险评估装置、方法及可读存储介质
US11893608B2 (en) * 2020-03-13 2024-02-06 Intuit Inc. System and method providing business insights based on cluster success analytics for products based businesses
CN113592516B (zh) * 2021-08-04 2023-11-21 贝壳找房(北京)科技有限公司 基于偏置项的重要度确定方法与确定得分的方法
CN116091137A (zh) * 2023-02-21 2023-05-09 舟谱数据技术南京有限公司 基于经销商画像的高度可配置的经销商广告投放方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102902882A (zh) * 2012-09-14 2013-01-30 安徽南瑞继远软件有限公司 一种信息系统运行质量的评价方法
CN105279608A (zh) * 2015-10-22 2016-01-27 国家电网公司 基于序关系法-熵权法的县域电网评估方法
CN106980988A (zh) * 2016-12-29 2017-07-25 中国银联股份有限公司 商户价值评价方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102902882A (zh) * 2012-09-14 2013-01-30 安徽南瑞继远软件有限公司 一种信息系统运行质量的评价方法
CN105279608A (zh) * 2015-10-22 2016-01-27 国家电网公司 基于序关系法-熵权法的县域电网评估方法
CN106980988A (zh) * 2016-12-29 2017-07-25 中国银联股份有限公司 商户价值评价方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
LI, ZHONGXUN ET AL.: "Comprehensive Evaluation on Merchants Based on G1 Method Improved by Composite Power Function", JOURNAL OF COMPUTER APPLICATIONS, vol. 36, no. 9, 10 September 2016 (2016-09-10), pages 2621 - 2623 *

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111898839A (zh) * 2019-05-05 2020-11-06 中国农业大学 电力用户的重要程度分类方法及装置
CN111898839B (zh) * 2019-05-05 2023-12-15 中国农业大学 电力用户的重要程度分类方法及装置
CN110533342A (zh) * 2019-09-04 2019-12-03 上海丙晟科技有限公司 一种基于大数据的商场门店评价方法
CN110851784A (zh) * 2019-11-13 2020-02-28 国网上海市电力公司 一种现场运行电能表的预警方法
CN111340347A (zh) * 2020-02-21 2020-06-26 黑龙江省农业科学院绥化分院 一种水稻品种综合优良指数评价方法
CN111768873A (zh) * 2020-06-03 2020-10-13 中国地质大学（武汉） 一种covid-19实时风险预测方法
CN111859535A (zh) * 2020-06-20 2020-10-30 武汉理工大学 基于ahp-熵权法的极地邮轮减摇鳍选型方法和装置
CN111859535B (zh) * 2020-06-20 2024-04-30 武汉理工大学 基于ahp-熵权法的极地邮轮减摇鳍选型方法和装置
CN112669054A (zh) * 2020-12-09 2021-04-16 王小伟 一种基于实际使用价值的铁矿石价格评估方法
CN112734518A (zh) * 2020-12-30 2021-04-30 陈正和 一种舞蹈机构三方信用体系建立方法及系统
CN112667907A (zh) * 2021-01-04 2021-04-16 深圳市华通易点信息技术有限公司 一种多平台信息投放和数据统计系统及方法
CN112667907B (zh) * 2021-01-04 2023-10-17 深圳市华通易点信息技术有限公司 一种多平台信息投放和数据统计系统及方法
CN112734233A (zh) * 2021-01-08 2021-04-30 上海移卓网络科技有限公司 确认app推广渠道的新增客户质量的方法及装置
CN112734232A (zh) * 2021-01-08 2021-04-30 上海移卓网络科技有限公司 App广告用户体验评价指标权重评定方法及相关设备
CN112734274A (zh) * 2021-01-20 2021-04-30 国家电网公司华中分部 一种低碳电网运营主导影响因素挖掘及综合评估方法
CN112734274B (zh) * 2021-01-20 2023-11-03 国家电网公司华中分部 一种低碳电网运营主导影响因素挖掘及综合评估方法
CN113947281A (zh) * 2021-09-09 2022-01-18 西华大学 城市轨道交通装备制造业集群竞争力评价方法
CN114862085A (zh) * 2021-12-31 2022-08-05 中国矿业大学 一种电能质量综合评估用的主客观分类组合赋权方法

Also Published As

Publication number Publication date
CN106980988A (zh) 2017-07-25

Similar Documents

Publication Publication Date Title
WO2018121396A1 (zh) 商户价值评价方法
Bessembinder Issues in assessing trade execution costs
US8195473B2 (en) Method and system for optimized real estate appraisal
WO2014055238A1 (en) System and method for building and validating a credit scoring function
CN110675029A (zh) 商户的动态管控方法、装置、服务器及可读存储介质
WO2016084642A1 (ja) 与信審査用サーバと与信審査用システム及び与信審査用プログラム
CN109740036B (zh) Ota平台酒店排序方法及装置
US20060293915A1 (en) Method for optimizing accuracy of real estate valuations using automated valuation models
CN111738819A (zh) 表征数据筛选方法、装置和设备
CN110955866A (zh) 跨境交易风险评估装置、方法及可读存储介质
CN111582394B (zh) 一种群体评估方法、装置、设备及介质
WO2016095727A1 (zh) 类目映射关系的建立方法与装置
Peresetsky et al. Models for Moody’s bank ratings
Lohmann et al. Nonlinear relationships in a logistic model of default for a high-default installment portfolio
WO2022105127A1 (zh) 基于 Hadoop 的数据处理方法、装置、设备及存储介质
CN112037006A (zh) 小微企业的信用风险识别方法及装置
US20220036239A1 (en) Systems and methods to define the card member value from an issuer perspective
CN108197740A (zh) 企业倒闭预测方法、电子设备和计算机存储介质
US10235719B2 (en) Centralized GAAP approach for multidimensional accounting to reduce data volume and data reconciliation processing costs
CN109934604B (zh) 销量数据的处理方法、系统、存储介质及电子设备
US20150356574A1 (en) System and method for generating descriptive measures that assesses the financial health of a business
CN112785443A (zh) 基于客户群体的理财产品推送方法及装置
CN110580494A (zh) 一种基于分位数逻辑回归的数据分析方法
US20170052959A1 (en) Filtering Resources Using a Multilevel Classifier
Wojtasiak-Terech et al. Assessing financial condition of municipalities using taxonomic methods

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17887872

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 17887872

Country of ref document: EP

Kind code of ref document: A1