一种快闪店多经选址方法与流程

1.本发明涉及一种多经选址方法及系统，特别是涉及一种快闪店多经选址方法，属于点店铺销售技术领域。


背景技术：

2.快闪店(pop-up shop或temporary store)是一种不在同一地久留的品牌游击店(guerrilla store)，指在商业发达的地区设置临时性的铺位，供零售商在比较短的时间内(若干星期)推销其品牌，抓住一些季节性的消费者。其特点在于时间地点的灵活，这也是与传统零售业态(门店、商铺)的不同之处，正逐渐被冠上零售新业态的称号。
3.线下零售形态中，商业选址对商家来说是一个非常重要的决策，直接会影响到以后的经营效果，在传统零售业态中，商业选址方法有很多，大致可以分为三类，第一类：通过人力调研生成报告，然后领导拍板，该类方法决策流程长效率低，主观影响较大，选出的快闪店往往营销效果差；第二类：拥有自己的商业信息数据库，基于经验制定选址策略，然后去数据库里检索得到结果，该类方法虽然在决策效率上较第一类方法有了很大提升，但是基于经验制定选址策略还是会存在很大的主观因素，选出的快闪店营销效果也不是太好；第三类：融合多方商业信息源，运用机器学习方法自动决策，该类方法虽然通过机器学习方法代替人力主观判断，提高了选址的匹配度，但是该类方法由于没有考虑档期预算等因素，因此并不适合快闪店这种短期营销的多经选址问题。
4.快闪店作为零售新业态，快闪店营销活动灵活多变，以上三类方法都不能给出有效的商业选址决策，因此亟需一种新方法去解决快闪店多经选址问题。


技术实现要素：

5.本发明的目的是提供一种快闪店多经选址方法，该方法基于多源异构数据构建快闪店商业空间和商家需求模型，解决快闪店商业空间与商家需求的匹配度无法量化问题，保障商家需求与快闪店商业空间快速精准匹配，并给出快闪店多经需求的最佳商业空间组合。
6.为了达到上述目的，本发明采用的主要技术方案包括：一种快闪店多经选址方法，包括如下步骤：
7.s1：数据收集，收集商家需求信息以及收集快闪店商业空间信息，所述商家需求信息包含面积偏好信息、位置偏好信息、城市偏好信息、客流量信息偏好信息、周边人群消费水平信息偏好信息；所述快闪店商业空间信息包含场地面积信息、场地位置信息、城市等级信息、成交量信息、客流量信息、周边人群消费水平信息，所述场地面积信息包括场地长、宽；所述场地位置信息类型包括：中庭、连廊、外广场、售票大厅；所述城市等级信息包括一线城市、二线城市、三线城市、四线及四线以下城市；所述成交量信息是指快闪店商业空间一天的营业额；所述客流量信息是指在快闪店商业空间内通过摄像头监测识别得到的人流量；所述周边人群消费水平信息是收集周边小区房价按照一定规则得到的，包括高中低三
个水平；
8.s2：数据处理，将所述快闪店商业空间信息无量纲化处理，使得取值都在[-1，1]之间，所述场地面积信息通过场地长宽计算得到，单位平方米，所述场地位置信息类型数字化处理为1，2，3，4，四种等级；所述城市等级信息数字化为1，2，3，4，四种等级；所述成交量信息由营业额得到，单位元，所述客流量信息也就是人流量，单位个，所述周边人群消费水平信息数字化为1，2，3，三种等级，运用z-score标准化方法，使各属性值经处理后符合标准正态分布，转化公式如下：其中χ是原始属性值，χ
′
是标准化处理后的值，μ为所有样本数据的均值，σ为所有样本数据的标准差；
[0009]
s3：候选场地筛选，用所述快闪店商业空间信息中的所述成交量信息度量所述快闪店商业空间信息与所述商家需求信息的匹配度；
[0010]
该步骤下包含如下三个子步骤：
[0011]
s3.1：匹配度量化，使用相关系数度量场地面积信息、场地位置信息、城市等级信息、客流量信息、周边人群消费水平信息这个五个属性对于成交量信息的权重，相关系数取值[-1,1]，1表示两个变量完全相关，-1表示两个变量完全负相关，0表示两个变量不相关，相关系数越趋近于0，表示相关关系越弱，相关系数计算公式如下：其中r
xy
表示相关系数，s
xy
表示样本协方差，s
x
表示x的样本标准差，sy表示y的样本标准差，下面分别是s
xy
协方差和s
x
、sy标准差的计算公式。由于是样本协方差和样本标准差，因此分母使用的是n-1，
[0012]sxy
样本协方差计算公式为：
[0013]sx
样本标准差计算公式为：
[0014]
sy样本标准差计算公式为：
[0015]
x为所述成交量信息，y为所述场地面积信息、所述场地位置信息、所述城市等级信息、所述客流量信息、所述周边人群消费水平信息，n为场地数目，ti表示第i个场地的单天平均成交量信息，y
ij
为第i个场地的第j个影响变量，wj为第j个影响变量对场地成交量信息t的权重，也就是相关系数最终根据上面公式可以计算得到：
[0016][0017]
s3.2:匹配度计算，根据每个变量对于场地的权重以及每个变量的变量值计算得到每个场的预估成交量信息，计算公式如下：
[0018][0019]
其中，ti为第i个场地的单天平均成交量信息，m为影响变量的数目；
[0020]
s3.3:候选场地选取，依据上述s3.2得到的场地的所述预估成交量信息，按从大到小排序展示给商家用户，商家依据价格等其他因素选出候选场地集合；
[0021]
s4:多经场地组合优化，从候选场地选取多经场地的最优组合定义为背包问题，背包问题为：“给定一组物品，每种物品都有自己的重量和价格，在限定的总重量内”，我们如何选择，才能使得物品的总价格最高，
[0022]
该步骤下包含如下四个子步骤：
[0023]
s4.1:问题定义，多经场地最优组合问题为：“给定一组候选场地，每个场地都有自己的档期和价格，每个商家都有自己的总预算，在限定的总预算内，我们如何选择，才能使得商家得到最优组合的多经场地”，其中档期为每个场地的最大连续空闲天数，设第i个场地的档期为di，i＝{1,2,...,n}，n为候选场地数量，其中价格是指每个场地的单天均价，设第i个场地的价格为pi，并设第i个场地的被选择的连续天数为xi，场地总成交量信息为t，场地总预算为p，那么总成交量信息可以用公式表示为：
[0024][0025]
带入ti计算公式化简为：
[0026][0027]
设，则该背包问题就可以定义为：
[0028]
最大化
[0029]
t，
[0030]
使得
[0031][0032]
使得
[0033]
0≤xi≤di；
[0034]
s4.2：最优解子结构刻画，该背包问题的求解过程为一系列的决策过程，即决定哪些场地的连续多少天档期应该推荐给商家，如果一个问题的最优解包含了场地n的连续k天档期，即xn＝k，那么其余x1，x2，...，x
n-1
一定构成子问题1，2，...，n-1在预算p-xnpn时的最优解。如果这个最优解不包含场地n，即xn＝0，那么其余x1，x2，...，x
n-1
一定构成子问题1，2，...，n-1在预算p时的最优解；
[0035]
s4.3:最优解递归定义，根据s42分析的最优解的结构递归定义问题最优解，设t[i,p]表示商家预算为p时，i个场地在有限档期下导致的最优解的总成交量信息，得到状态转移方程如下所示：
[0036][0037]
s4.4:问题求解，背包问题的求解是一个深度递归的过程，为了便于对其求解过程的理解，下面的求解过程按照1个场地预算1的最优解求解到n个场地预算p的最优解求解的顺序描述，遍历场地、预算、当前场地档期天数，如果当前档期天数下当前场地的总价格大于当前预算，并且当前预算小于商家最大预算，那么就增加1单元预算，继续遍历预算；如果当前档期天数下当前场地的总价格大于当前预算，并且当前预算大于等于商家最大预算，并且当前场地数小于最大候选场地数，那么就增加1个场地，继续遍历场地；如果当前档期天数下当前场地的总价格大于当前预算，并且当前预算大于等于商家最大预算，并且当前场地数大于等于最大候选场地数，那么就输出当前成交量信息下的场地档期组合作为最优解输出；如果当前档期天数下当前场地的总价格小于等于当前预算，那么就计算当前场地当前档期组合下的总成交量信息；如果当前场地当前档期组合下的总成交量信息大于当前最大总成交量信息，那么就更新最大总成交量信息即场地档期组合；如果当前场地当前档期组合下的总成交量信息小于等于当前最大总成交量信息，并且当前场地的当前档期小于当前场地的最大档期天数，那么就增加1天档期，继续遍历当前场地档期天数；如果当前场地当前档期组合下的总成交量信息小于等于当前最大总成交量信息，并且当前场地的当前档期大于等于当前场地的最大档期天数，并且当前场地数小于最大候选场地数，那么就增加1个场地，继续遍历场地；如果当前场地当前档期组合下的总成交量信息小于等于当前最大总成交量信息，并且当前场地的当前档期大于等于当前场地的最大档期天数，并且当前场地数大于等于最大候选场地数，那么就输出当前成交量信息下的场地档期组合作为最优解输出。
[0038]
本发明至少具备以下有益效果：
[0039]
1、该方法基于多源异构数据构建快闪店商业空间和商家需求模型，解决快闪店商业空间与商家需求的匹配度无法量化问题，保障商家需求与快闪店商业空间快速精准匹
配，并给出快闪店多经需求的最佳商业空间组合，给快闪店的商业选址提供了有效可行的方法，使快闪店多经选址更加方便。
附图说明
[0040]
此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
[0041]
图1为本发明的步骤示意图；
[0042]
图2为本发明的候选场地筛选的步骤示意图；
[0043]
图3为本发明的多经场地组合优化的步骤示意图；
[0044]
图4为本发明的问题求解的流程示意图。
具体实施方式
[0045]
以下将配合附图及实施例来详细说明本技术的实施方式，借此对本技术如何应用技术手段来解决技术问题并达成技术功效的实现过程能充分理解并据以实施。
[0046]
如图1-图4所示，本实施例提供的快闪店多经选址方法，包括如下步骤：
[0047]
s1：数据收集，收集商家需求信息以及收集快闪店商业空间信息，所述商家需求信息包含面积偏好信息、位置偏好信息、城市偏好信息、客流量信息偏好信息、周边人群消费水平信息偏好信息；所述快闪店商业空间信息包含场地面积信息、场地位置信息、城市等级信息、成交量信息、客流量信息、周边人群消费水平信息，所述场地面积信息包括场地长、宽；所述场地位置信息类型包括：中庭、连廊、外广场、售票大厅；所述城市等级信息包括一线城市、二线城市、三线城市、四线及四线以下城市；所述成交量信息是指快闪店商业空间一天的营业额；所述客流量信息是指在快闪店商业空间内通过摄像头监测识别得到的人流量；所述周边人群消费水平信息是收集周边小区房价按照一定规则得到的，包括高中低三个水平；
[0048]
s2：数据处理，将所述快闪店商业空间信息无量纲化处理，使得取值都在[-1，1]之间，所述场地面积信息通过场地长宽计算得到，单位平方米，所述场地位置信息类型数字化处理为1，2，3，4，四种等级；所述城市等级信息数字化为1，2，3，4，四种等级；所述成交量信息由营业额得到，单位元，所述客流量信息也就是人流量，单位个，所述周边人群消费水平信息数字化为1，2，3，三种等级，运用z-score标准化方法，使各属性值经处理后符合标准正态分布，转化公式如下：其中χ是原始属性值，χ
′
是标准化处理后的值，μ为所有样本数据的均值，σ为所有样本数据的标准差；
[0049]
s3：候选场地筛选，用所述快闪店商业空间信息中的所述成交量信息度量所述快闪店商业空间信息与所述商家需求信息的匹配度；
[0050]
该步骤下包含如下三个子步骤：
[0051]
s3.1：匹配度量化，使用相关系数度量场地面积信息、场地位置信息、城市等级信息、客流量信息、周边人群消费水平信息这个五个属性对于成交量信息的权重，相关系数取值[-1,1]，1表示两个变量完全相关，-1表示两个变量完全负相关，0表示两个变量不相关，
相关系数越趋近于0，表示相关关系越弱，相关系数计算公式如下：其中r
xy
表示相关系数，s
xy
表示样本协方差，s
x
表示x的样本标准差，sy表示y的样本标准差，下面分别是s
xy
协方差和s
x
、sy标准差的计算公式。由于是样本协方差和样本标准差，因此分母使用的是n-1，
[0052]sxy
样本协方差计算公式为：
[0053]sx
样本标准差计算公式为：
[0054]
sy样本标准差计算公式为：
[0055]
x为所述成交量信息，y为所述场地面积信息、所述场地位置信息、所述城市等级信息、所述客流量信息、所述周边人群消费水平信息，n为场地数目，ti表示第i个场地的单天平均成交量信息，y
ij
为第i个场地的第j个影响变量，wj为第j个影响变量对场地成交量信息t的权重，也就是相关系数最终根据上面公式可以计算得到：
[0056][0057]
s3.2:匹配度计算，根据每个变量对于场地的权重以及每个变量的变量值计算得到每个场的预估成交量信息，计算公式如下：
[0058][0059]
其中，ti为第i个场地的单天平均成交量信息，m为影响变量的数目；
[0060]
s3.3：候选场地选取，依据上述s3.2得到的场地的所述预估成交量信息，按从大到小排序展示给商家用户，商家依据价格等其他因素选出候选场地集合；
[0061]
s4：多经场地组合优化，从候选场地选取多经场地的最优组合定义为背包问题，背包问题为：“给定一组物品，每种物品都有自己的重量和价格，在限定的总重量内”，我们如何选择，才能使得物品的总价格最高，
[0062]
该步骤下包含如下四个子步骤：
[0063]
s4.1：问题定义，多经场地最优组合问题为：“给定一组候选场地，每个场地都有自
己的档期和价格，每个商家都有自己的总预算，在限定的总预算内，我们如何选择，才能使得商家得到最优组合的多经场地”，其中档期为每个场地的最大连续空闲天数，设第i个场地的档期为di，i＝{1，2，...，n}，n为候选场地数量，其中价格是指每个场地的单天均价，设第i个场地的价格为pi，并设第i个场地的被选择的连续天数为xi，场地总成交量信息为t，场地总预算为p，那么总成交量信息可以用公式表示为：
[0064][0065]
带入ti计算公式化简为：
[0066][0067]
设，则该背包问题就可以定义为：
[0068]
最大化
[0069]
t，
[0070]
使得
[0071][0072]
使得
[0073]
0≤xi≤di：
[0074]
s4.2：最优解子结构刻画，该背包问题的求解过程为一系列的决策过程，即决定哪些场地的连续多少天档期应该推荐给商家，如果一个问题的最优解包含了场地n的连续k天档期，即xn＝k，那么其余x1，x2，...，x
n-1
一定构成子问题1，2，...，n-1在预算p-xnpn时的最优解。如果这个最优解不包含场地n，即xn＝0，那么其余x1，x2，...，x
n-1
一定构成子问题1，2，...，n-1在预算p时的最优解；
[0075]
s4.3：最优解递归定义，根据s42分析的最优解的结构递归定义问题最优解，设t[i，p]表示商家预算为p时，i个场地在有限档期下导致的最优解的总成交量信息，得到状态转移方程如下所示：
[0076][0077]
s4.4：问题求解，背包问题的求解是一个深度递归的过程，为了便于对其求解过程的理解，下面的求解过程按照1个场地预算1的最优解求解到n个场地预算p的最优解求解的顺序描述，遍历场地、预算、当前场地档期天数，如果当前档期天数下当前场地的总价格大于当前预算，并且当前预算小于商家最大预算，那么就增加1单元预算，继续遍历预算；如果当前档期天数下当前场地的总价格大于当前预算，并且当前预算大于等于商家最大预算，并且当前场地数小于最大候选场地数，那么就增加1个场地，继续遍历场地；如果当前档期天数下当前场地的总价格大于当前预算，并且当前预算大于等于商家最大预算，并且当前
场地数大于等于最大候选场地数，那么就输出当前成交量信息下的场地档期组合作为最优解输出；如果当前档期天数下当前场地的总价格小于等于当前预算，那么就计算当前场地当前档期组合下的总成交量信息；如果当前场地当前档期组合下的总成交量信息大于当前最大总成交量信息，那么就更新最大总成交量信息即场地档期组合；如果当前场地当前档期组合下的总成交量信息小于等于当前最大总成交量信息，并且当前场地的当前档期小于当前场地的最大档期天数，那么就增加1天档期，继续遍历当前场地档期天数；如果当前场地当前档期组合下的总成交量信息小于等于当前最大总成交量信息，并且当前场地的当前档期大于等于当前场地的最大档期天数，并且当前场地数小于最大候选场地数，那么就增加1个场地，继续遍历场地；如果当前场地当前档期组合下的总成交量信息小于等于当前最大总成交量信息，并且当前场地的当前档期大于等于当前场地的最大档期天数，并且当前场地数大于等于最大候选场地数，那么就输出当前成交量信息下的场地档期组合作为最优解输出。
[0078]
如图1-图4所示，本实施例提供的快闪店多经选址方法基于多源异构数据构建快闪店商业空间和商家需求模型，解决快闪店商业空间与商家需求的匹配度无法量化问题，保障商家需求与快闪店商业空间快速精准匹配，并给出快闪店多经需求的最佳商业空间组合，给快闪店的商业选址提供了有效可行的方法，使快闪店多经选址更加方便。
[0079]
需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括要素的商品或者系统中还存在另外的相同要素。
[0080]
上述说明示出并描述了本发明的若干优选实施例，但如前所述，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。