有价值长尾项目的筛选方法与流程

本发明涉及娱乐演出项目选取方法，具体的，涉及一种对于娱乐演出票务行业进行精确营销的项目筛选方法。

背景技术：

目前，随着娱乐演出行业的不断发展，同时互联网技术和电子商务不断向娱乐文化产业的渗透，互联网售票已成为娱乐演出票务行业最主要的售票方式。但由于某些原因，导致长尾项目较多，销售空间较大。

对于长尾项目，“长尾”实际上是统计学中幂律和帕累托分布特征的一个口语化表达。“长尾市场”也称之为“利基市场”。项目是指在特定的时间或时间段内、在特定的地点，举办的一次或多次娱乐演出、旅游及体育比赛活动。因此，长尾项目可理解为需求曲线上代表“非火热商品”长尾上的一个可以满足用户个性化需求的小项目，许许多多个小项目聚合成需求曲线的的长尾。

若对长尾项目进行营销，不但可以让公司利润上一个新台阶，同时还能将长尾项目曝光给用户，激发用户的兴趣爱好。

以往长尾项目的筛选是从订单的角度出发，人工对项目进行筛选，所花费的人力物力较大，并且没有客观的标准。原筛选方法不但容易造成项目筛选不准确，而且对长尾项目的营销价值未做出评判，这导致浪费营销资源。

因此，如何对长尾项目进行客观的评价，并迅速的筛选出值得推广的长尾项目，减少成本支出，成为现有技术亟需解决的技术问题。

技术实现要素：

本发明的目的在于提出一种有价值长尾项目的筛选方法，能够利用长尾项目的基础情况、销售情况、浏览情况等信息，客观的对长尾项目进行评价，快速筛选最需要且最有市场价值的长尾项目，降低传统长尾项目筛选错误的概率。

为达此目的，本发明采用以下技术方案：

一种有价值长尾项目的筛选方法，其特征在于，包括如下步骤：

项目的相关信息获取步骤S110：获取已开售未开演项目的相关信息，所述相关信息包括项目的基础信息、销售信息、票房信息、浏览信息，其中所述基础信息指的是项目的基本属性，所述销售信息指的是运营项目的公司内部的销售信息，所述票房信息指的是整个项目规划和各渠道票务的总体情况，所述浏览信息指的是浏览该项目的情况；

特征变量抽取步骤S120：输入所述已开售未开演项目的相关信息中的特征变量，考量所述特征变量中的独立和代表性，抽取相互独立的特征变量；

特征变量打分体系建立步骤S130：根据所抽取的独立特征变量的历史数据，设定每个特征变量的分值区间，给每个特征变量打分，建立特征变量打分体系；

变量权重模型建立步骤S140：设置每个所抽取的独立特征变量的权重，建立变量权重模型；

得分阈值设置步骤S150：设置得分阈值，将需要考量的长尾项目，按照所述变量权重模型进行打分，再与所述得分阈值比较，大于等于所述得分阈值的项目为有价值的长尾项目。

优选地，在特征变量抽取步骤S120中，所输入所述已开售未开演项目的相关信息中的特征变量包括基础信息、销售信息、票房信息、浏览信息的20个特征变量：

基础信息：项目品类、演出城市、是否总代、演出场次数、演出天数、演出星期、距开演天数；

销售信息：自销天数、自销票量、日均售票量、项目热度；

票房信息：规划总票量、工作票量、防涨票量、预留票量、已售票量、未售票量、票均价、预估未售占比；

浏览信息：日均UV。

优选地，在特征变量抽取步骤S120中，考量所述特征变量中的独立和代表性，抽取相互独立的特征变量，包括相互独立的价值特征变量和长尾特征变量。

优选地，在特征变量抽取步骤S120中：

抽取了7个相互独立的价值特征变量：是否总代、演出场次数、演出天数、演出星期、规划总票量、票均价、日均售票量；

抽取3个相互独立的长尾特征变量：自销天数、预估未售占比、日均UV。

优选地，在特征变量打分体系建立步骤S130中，各特征变量打分结果如下：

是否总代：自变量a＝1代表总代，a＝0代表非总代，演出场次数：自变量b代表项目演出场次数，

演出天数：自变量c代表项目演出天数，

演出星期：自变量d＝[1,2,3,4,5,6,7]代表星期一到星期日，

规划总票量：自变量e代表项目规划总票量张数，

票均价：自变量g代表项目票均价，

日均售票量：自变量h代表项目日均售票量张数，

自销天数：自变量i代表项目自销的天数,

预估未售占比：自变量j代表预估未售票量占比，

日均UV：自变量k代表项目日均浏览人数，

优选地，所述变量权重模型为：

f(x)＝5％*f(a)+10％f(b)+5％f(c)+10％f(d)+10％f(e)+

10％f(g)+10％f(h)+5％f(i)+20％f(j)+15％f(k)。

优选地，所述得分阈值通过如下方式得到：

抽取已开售未开演的项目，按照所述变量权重模型计算项目综合得分，并将综合得分划分为若干等级；

随机抽取若干个项目，每个等级项目数相同，分别给若干个专家进行独立评判，评判是否为有价值的长尾项目，在汇总专家评判结果，统计所有专家均全票认为是有“价值的长尾项目”的项目，选取全票通过项目中综合得分中最低的分值，将最低的分值作为所述阈值。

或者，所述得分阈值通过经验的方式进行设定。

本发明综合考虑了项目的各种信息，进行打分，并设立不同的权重，得到项目的可参考分值，通过对不同专家的匿名打分来得到客观的得分阈值，再将可参考分值与所述得分阈值进行比较筛选出有价值的长尾项目，快速实现最需要且最有价值的项目筛选。本发明不仅降低传统长尾项目筛选错误的概率，而且避免传统长尾项目营销带来的高成本高风险，避免人工筛选长尾项目带来的低工作效率和高人工成本，同时也可大大提升项目筛选的效率。

附图说明

图1是根据本发明具体实施例的有价值长尾项目的筛选方法的流程图；

图2是在本发明的一个具体的实施例中设置得分阈值的方法；

图3是利用本发明的有价值长尾项目的筛选方法进行项目筛选的流程。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

参见图1，示出了根据本发明具体实施例的有价值长尾项目的筛选方法的流程图，包括如下步骤：

项目的相关信息获取步骤S110：获取已开售未开演项目的相关信息，所述相关信息包括项目的基础信息、销售信息、票房信息、浏览信息；

所述基础信息指的是项目的基本属性，包括项目品类、演出城市、是否总代、演出场次数、演出天数、演出星期和距开演天数；

所述销售信息指的是运营项目的公司内部的销售信息，包括自销天数、自销票量、日均售票量和项目热度；

所述票房信息指的是整个项目规划和各渠道票务的总体情况，包括规划总票量、工作票量、防涨票量、预留票量、已售票量、未售票量、票均价和预估未售占比；

所述浏览信息指的是浏览该项目的情况，包括日均UV，即日均独立访客量。

特征变量抽取步骤S120：输入所述已开售未开演项目的相关信息中的特征变量，考量所述特征变量中的独立和代表性，抽取相互独立的特征变量。

具体而言，该特征变量的抽取判断需要考量的重要性、代表性及变量之间的勾稽关系，需要依据数据进行抽取。

在一个具体的实施例中，输入了基础信息、销售信息、票房信息、浏览信息的20个特征变量，包括

基础信息：项目品类、演出城市、是否总代、演出场次数、演出天数、演出星期、距开演天数；

销售信息：自销天数、自销票量、日均售票量、项目热度；

票房信息：规划总票量、工作票量、防涨票量、预留票量、已售票量、未售票量、票均价、预估未售占比；

浏览信息：日均UV。

考量所述特征变量中的独立和代表性，抽取相互独立的特征变量，包括相互独立的价值特征变量和长尾特征变量，

抽取了7个相互独立的价值特征变量：是否总代、演出场次数、演出天数、演出星期、规划总票量、票均价、日均售票量；

抽取3个相互独立的长尾特征变量：自销天数、预估未售占比、日均UV。

特征变量打分体系建立步骤S130：根据所抽取的独立特征变量的历史数据，设定每个特征变量的分值区间，给每个特征变量打分，建立特征变量打分体系，例如可以采用10分制。

在一个实施例中，

各特征变量打分结果如下：

是否总代：自变量a＝1代表总代，a＝0代表非总代，演出场次数：自变量b代表项目演出场次数，

演出天数：自变量c代表项目演出天数，

演出星期：自变量d＝[1,2,3,4,5,6,7]代表星期一到星期日，

规划总票量：自变量e代表项目规划总票量张数，

票均价：自变量g代表项目票均价，

日均售票量：自变量h代表项目日均售票量张数，

自销天数：自变量i代表项目自销的天数,

预估未售占比：自变量j代表预估未售票量占比，

日均UV：自变量k代表项目日均浏览人数，

变量权重模型建立步骤S140：

设置每个所抽取的独立特征变量的权重，建立变量权重模型；

在一个优选的实施例中，所述变量权重模型为：

f(x)＝5％*f(a)+10％f(b)+5％f(c)+10％f(d)+10％f(e)

+10％f(g)+10％f(h)+5％f(i)+20％f(j)+15％f(k)。

得分阈值设置步骤S150：设置得分阈值，将需要考量的长尾项目，按照所述变量权重模型进行打分，再与所述得分阈值比较，大于等于所述得分阈值的项目为有价值的长尾项目。

所述得分阈值可以通过经验的方式得到，也可以通过平均的方式得到。

在一个优选的实施例中，所述得分阈值可以通过如下方式得到：

抽取已开售未开演的项目，按照所述变量权重模型计算项目综合得分，并将综合得分划分为若干等级，该若干等级可以与权重模型的分数等级相对应，例如，该变量权重模型为10分制，则将综合得分分为10个等级。

随机抽取若干个项目，每个等级项目数相同，分别给若干个专家进行独立评判，评判是否为有价值的长尾项目，在汇总专家评判结果，统计所有专家均全票认为是有“价值的长尾项目”的项目，选取全票通过项目中综合得分中最低的分值，将最低的分值作为所述阈值。

参见图2，示出了一个可能优选步骤S151-S155，例如，随机抽取100个项目，每个等级项目数相同，均为10个，分别给9个专家进行独立评判，评判是否为有价值的长尾项目，再汇总专家评判结果，对于不是有价值长尾项目的则抛弃，共计有30个项目被认定为有价值的长尾项目，在这30个项目中，在判断评判结果是否一致，只有24个项目是被所有的9名专家均通过的项目，则汇集这24个项目，其余项目抛弃，选取这24个项目的最低分，将最低分7.8分作为得分阈值。

以下通过一个具体的实施例表示如何利用本发明的有价值长尾项目的筛选方法进行项目筛选，参见图3，首先抽取已开售但未开演的项目，通过所述变量权重模型计算项目的综合得分，再与所述得分阈值比较，大于等于所述得分阈值的，则为有价值的长尾项目，将该项目可以作为营销项目，否则，则认为是无价值或者非长尾项目。

本发明综合考虑了项目的各种信息，并设立不同的权重，得到项目的可参考分值，通过对不同专家的匿名打分来得到客观的得分阈值，再将可参考分值与所述得分阈值进行比较筛选出有价值的长尾项目，快速实现最需要且最有价值的项目筛选。本发明不仅降低传统长尾项目筛选错误的概率，而且避免传统长尾项目营销带来的高成本高风险，避免人工筛选长尾项目带来的低工作效率和高人工成本，同时也可大大提升项目筛选的效率。

可以利用本发明的方法进行编程，或者相应的建立自动化操作工具，从而实现有价值长尾项目的自动筛选。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施方式仅限于此，对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单的推演或替换，都应当视为属于本发明由所提交的权利要求书确定保护范围。