商户价值评价方法与流程

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。

技术实现要素：

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：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i＝1,2,......,m-1。

优选地，步骤d)具体包括：d1)、确定各统计指标的信息熵：其中，d2)、确定各统计指标的权重：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'＝{t1',t'2,......,t'm-1}，其中i＝1,2,......,m-1。

优选地，在步骤f)中，修正权重的计算公式为：其中，j＝1,2,......,m，以及，当j<k时，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：

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：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i＝1,2,......,m-1。

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：其中，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：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：

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。

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。

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，通过幂函数进行变换得到的复合幂函数符合以上原则，因此，主观修正向量可表示为：t'＝{t1',t'2,......,t'm-1}，其中i＝1,2,......,m-1。

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：其中，j＝1,2,......,m，以及，当j<k时，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：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。