提高客单价的方法及装置与流程

本申请涉及数据处理技术领域，具体而言，涉及一种提高客单价的方法及装置。

背景技术：

客单价的本质是：在一定时期内，每位顾客消费的平均价格，离开了"一定时期"这个范围，客单价这个指标是没有任何意义的。门店的销售额是由客单价和顾客数(客流量)所决定的，因此，要提升门店的销售额，除了尽可能多地吸引进店客流，增加顾客交易次数以外，提高客单价也是非常重要的途径。如何提高客单件，主要的方式有多种，其中一种是关联商品销售。通常店家在进行关联商品销售时，主要是根据个人的经验判断哪些商品进行关联销售，没有客观的数据依据，因此无法做到精准的关联销售。

技术实现要素：

本申请的主要目的在于提供一种提高客单价的方法及装置，以解决现有通过关联商品销售提高客单价的方式准确度低的问题。

为了实现上述目的，根据本申请的第一方面，提供了一种提高客单价的方法。

根据本申请的提高客单价的方法包括：

根据平均件单价确定门店在预设时段内的所有订单中不同类型的商品之间的关联度，平均件单价为所有订单的件单价的平均值；

选择所述关联度大于预设关联度的所有商品类组合；

根据预设时段的客单价推荐对应的商品组合。

可选的，所述根据平均件单价确定门店在预设时段内的所有订单中不同类型的商品之间的关联度包括：

根据所述平均件单价对所述所有订单中的商品进行筛选，得到筛选后的商品；

计算所述筛选后的商品中不同类型的商品之间的关联度。

可选的，所述根据所述平均件单价对所述所有订单中的商品进行筛选，得到筛选后的商品包括：

筛选出商品价格与所述平均件单价相差在预设幅度内的商品，记作平均件单价附近商品；

对所述平均件单价附近商品进行分类；

计算分类后每种类型的商品的出现概率；

根据所述出现概率，筛选出所述出现概率大于预设概率值的类型的商品，得到所述筛选后的商品。

可选的，所述计算所述筛选后的商品中不同类型的商品之间的关联度包括：

根据预设相关系数计算公式，计算所述筛选后的商品中至少两种类型之间的关联度。

可选的，所述根据预设时段的客单价推荐对应的商品组合包括：

在符合所述商品类组合的商品中，选择商品组合价格与所述客单价相差在所述预设幅度内的商品组合进行推荐，所述商品组合价格为至少两种不同类型的商品价格之和。

可选的，所述不同类型的商品为不同品类的商品合或者不同品牌的商品。

为了实现上述目的，根据本申请的第二方面，提供了一种提高客单价的装置。

根据本申请的提高客单价的装置包括：

确定单元，用于根据平均件单价确定门店在预设时段内的所有订单中不同类型的商品之间的关联度，平均件单价为所有订单的件单价的平均值；

选择单元，用于选择所述关联度大于预设关联度的所有商品类组合；

筛选单元，用于根据预设时段的客单价推荐对应的商品组合。

可选的，所述确定单元包括：

筛选模块，用于根据所述平均件单价对所述所有订单中的商品进行筛选，得到筛选后的商品；

计算模块，用于计算所述筛选后的商品中不同类型的商品之间的关联度。

可选的，所述筛选模块，用于：

筛选出商品价格与所述平均件单价相差在预设幅度内的商品，记作平均件单价附近商品；

对所述平均件单价附近商品进行分类；

计算分类后每种类型的商品的出现概率；

根据所述出现概率，筛选出所述出现概率大于预设概率值的类型的商品，得到所述筛选后的商品。

可选的，所述计算模块，用于：

根据预设相关系数计算公式，计算所述筛选后的商品中至少两种类型之间的关联度。

可选的，所述筛选单元，用于：

在符合所述商品类组合的商品中，选择商品组合价格与所述客单价相差在所述预设幅度内的商品组合进行推荐，所述商品组合价格为至少两种不同类型的商品价格之和。

可选的，所述不同类型的商品为不同品类的商品合或者不同品牌的商品。

为了实现上述目的，根据本申请的第三方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行上述第一方面中任意一项所述的提高客单价的方法。

为了实现上述目的，根据本申请的第四方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器执行上述第一方面中任意一项所述的提高客单价的方法。

在本申请实施例中，提高客单价的方法及装置中，首先，根据平均件单价确定门店在预设时段内的所有订单中不同类型的商品之间的关联度，平均件单价为所有订单的件单价的平均值；然后，选择所述关联度大于预设关联度的所有商品类组合；最后，根据预设时段的客单价推荐对应的商品组合。本申请中也是通过关联商品销售的方式的来提高客单价，但是在确定关联商品的组合时是根据门店在预设时段内的平均件单价以及对应的客单价等客户数据来确定的，与现有的只依靠个人的经验判断的方式相比会更加的精准。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例提供的一种提高客单价的方法流程图；

图2是根据本申请实施例提供的另一种提高客单价的方法流程图；

图3是根据本申请实施例提供的一种提高客单价的装置的组成框图；

图4是根据本申请实施例提供的另一种提高客单价的装置的组成框图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

根据本申请实施例，提供了一种提高客单价的方法，如图1所示，该方法包括如下的步骤：

s101.根据平均件单价确定门店在预设时段内的所有订单中不同类型的商品之间的关联度。

平均件单价为所有订单的件单价的平均值，每个订单是指每个客户每次购买的所有商品的组合。本实施例选择根据平均件单价来进行关联商品的推荐，主要的依据是在对客单价进行分析时发现客单价与件单价之间存在一定的关联关系。客单价＝件单价×连带率，件单价指的是平均每件商品的价格，连带率指的是平均每个购物车(篮)里或者平均每张购物小票中或者平均每个订单中商品的件数。进行商品关联是为了提高客单价，而客单价与件单价是相关的，平均件单价是件单价分布的一个水平值，因此根据平均件单价来进行关联商品的推荐是有理论依据的。

本实施例中进行关联商品推荐，主要是针对不同类型的商品的关联，因此计算的是不同类型商品之间的关联度。预设时段也可以根据不同的门店的情况进行个性化的选择，比如预设时段可以为上午时段7:00-9:00；或者中午时段11:00-13:00或者下午时段5:00-7:00等等。

s102.选择关联度大于预设关联度的所有商品类组合。

步骤s101中确定的是两种不同类型的商品之间的关联度，商品类组合指的是不同的类型组合结果，比如“奶类+肉类”、“水果+肉类”、“奶类+水果”“奶类+肉类+水果”等，本步骤中选择关联度大于预设关联度的所有商品类组合是为了进行预处理，将关联度较低的商品类组合去除，只对关联度比较高的商品类组合进行继续处理，从关联度比较高的商品类组合中再选择商品组合推荐，这样得到的商品组合推荐才有意义。在实际的应用中，预设关联度可以根据具体的需求进行适应性的调整，比如预设关联度可以为0.7、0.8、0.9等等，选择的预设关联度的值越大，最终得到的商品组合的推荐结果更准确，得到的推荐组合的数量可能越少。

s103.根据预设时段的客单价推荐对应的商品组合。

根据上述步骤s101中的计算客单件的计算公式：客单价＝件单价×连带率，计算出门店在预设时段内的客单价，在计算前需要收集门店在预设时段内的所有订单，然后根据所有的订单并基于前述计算公式得到客单价。

具体的“根据预设时段的客单价推荐对应的商品组合”为根据门店在预设时段内的客单价以及商品类组合筛选出与所述客单价匹配的商品组合进行推荐为在符合所述商品类组合的商品中，选择商品组合价格与所述客单价相差在预设幅度内的商品组合进行推荐，商品组合价格为至少两种不同类型的商品价格之和。给出具体的示例进行说明：

假设门店为名称为a，预设时段为上午时段7:00-9:00，预设关联度为0.7，选择出的关联度大于0.7的所有商品类组合为“奶类+肉类”、“水果+肉类”两种组合，门店a在上午时段7:00-9:00的客单价为30，预设幅度为15％，则在进行商品组合推荐时，首先确定与客单价30相差15％的价格范围为25.5-34.5，然后分别在符合“奶类+肉类”、“水果+肉类”的商品组合中，选择商品价格之和在25.5-34.5内的所有商品组合进行推荐。需要说明的是，所有商品组合中的商品都是在预设时段内销售过的商品，即所有的组合推荐都是基于订单中商品进行分析确定的，并不是门店的所有商品。

当筛选出与客单价匹配的商品组合后，可以推荐门店对该推荐的商品组合进行二次陈列，即将关联度高的商品靠近。使门店管理者通过关联度高的商品二次陈列，再结合捆绑销售的促销活动，最终达到提高客单价的效果。

最后还需要说明的是，本申请实施例中的提高客单价的方法是分别针对门店在不同的预设时段内的策略，在应用本实施例的方法时，不同的门店在不同的预设时段内得到的商品组合推荐结果是不尽相同的。另外，可以同时对多个预设时段的订单进行同时处理，分别得到不同预设时段对应的商品组合推荐结果。

从以上的描述中，可以看出，本申请实施例的提高客单价的方法中，首先，根据平均件单价确定门店在预设时段内的所有订单中不同类型的商品之间的关联度，平均件单价为所有订单的件单价的平均值；然后，选择所述关联度大于预设关联度的所有商品类组合；最后，根据预设时段的客单价推荐对应的商品组合。本申请中也是通过关联商品销售的方式的来提高客单价，但是在确定关联商品的组合时是根据门店在预设时段内的平均件单价以及对应的客单价等客户数据来确定的，与现有的只依靠个人的经验判断的方式相比会更加的精准。

作为上述实施例的进一步的补充和细化，本实施例提供了另一种提高客单价的方法流程，如图2所示，包括如下步骤：

s201.根据平均件单价对所有订单中的商品进行筛选，得到筛选后的商品。

平均件单价为所有订单的件单价的平均值，每个订单是指每个客户每次购买的所有商品的组合。平均件单价是一个水平值，所以将所有订单(购物小票或购物车(蓝))里的件单价放在一起，结果一定是围绕着水平值均匀得在周围分布，因此本实施例根据平均件单价对所有订单中的商品进行筛选，具体的筛选过程包括如下步骤：

第一，筛选出商品价格与平均件单价相差在预设幅度内的商品，记作平均件单价附近商品；

从门店在预设时段内的所有订单中的商品中筛选出与平均件单价相差在预设幅度内的商品，得到平均件单价附近商品。其中预设幅度可以根据实际的需求适应性的调整，通常预设幅度不能太大，预设幅度越大就会越偏离该门店在预设时段内的消费能力，偏离越大，最终得到的商品的组合的结果越偏离顾客的消费能力，越不准确。因此预设幅度通常可以设置为14％，15％，16％，17％等。

第二，对平均件单价附近商品进行分类；

不同类型的商品为不同品类的商品合或者不同品牌的商品。将前述步骤中得到的平均件单价附近商品划分到不同的品类或者品牌中。不同的分类方式对应不同的推荐结果，在实际的应用中，可以选择一种或者两种分类分式进行商品组合的推荐。两种分类方式对应的商品组合推荐的方式是相同的。

第三，计算分类后每种类型的商品的出现概率；

某种类型的商品的出现概率＝包含该种类型的商品的订单数÷总订单数

给出具体的示例对上述公式进行说明：计算奶类商品的出现概率，确定所有的包含奶类商品的订单的数量，然后将该数据除以门店在预设时段内的所有的订单的总数量得到奶类商品的出现概率。

按照该公式可以计算出平均件单价附近商品中每种类型的商品的出现概率。计算后，每种类型的商品对应一个出现概率。

第四，根据出现概率，筛选出出现概率大于预设概率值的类型的商品，得到所述筛选后的商品。

选择出现概率较大的类型的商品进行后续商品组合的推荐，在一定程度上可以保证得到的商品组合更迎合大部分客户的需求，更加的畅销。预设概率值通常选择0.5，也可以根据实际的需求适应性的调整，比如可以选择0.6，0.65，0.7等。

s202.计算筛选后的商品中不同类型的商品之间的关联度。

根据预设相关系数计算公式，计算所述筛选后的商品中每两种类型之间的关联度。

预设相关系数计算公式为：

其中，公式中cov(x,y)为x，y的协方差，d(x)、d(y)分别为x、y的方差。x和y分别代表两种类型的商品分别对应的变量，具体的本实施例中x和y两个变量可以为两种类型的商品分别对应的销量或者出现概率。

根据预设相关系数计算公式，间接计算所述筛选后的商品中两种以上类型之间的关联度。

以计算a、b、c三种类型商品之间的关联度为例进行说明：

首先，根据上述预设相关系数计算公式分别计算a和b，a和c，b和c之间的关联度ρ1，ρ2，ρ3；然后，根据ρ1，ρ2，ρ3计算a、b、c三者之间的关联度。本实施例给出一种计算方式，将ρ1，ρ2，ρ3三个关联度进行加权求和得到a、b、c三者之间的关联度，其中ρ1，ρ2，ρ3的权重可以根据实际的情况进行适应性的调整。

s203.选择关联度大于预设关联度的所有商品类组合。

本步骤的实现方式与图1步骤s102中的实现方式相同，此处不再赘述。

s204.根据预设时段的客单价推荐对应的商品组合。

本步骤的实现方式与图1步骤s103中的实现方式相同，此处不再赘述。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

根据本申请实施例，还提供了一种用于实施上述图1至图2所述方法的提高客单价的装置，如图3所示，该装置包括：

确定单元31，用于根据平均件单价确定门店在预设时段内的所有订单中不同类型的商品之间的关联度，平均件单价为所有订单的件单价的平均值；

选择单元32，用于选择所述关联度大于预设关联度的所有商品类组合；

筛选单元33，用于根据预设时段的客单价推荐对应的商品组合。

从以上的描述中，可以看出，本申请实施例的提高客单价的装置中，首先，根据平均件单价确定门店在预设时段内的所有订单中不同类型的商品之间的关联度，平均件单价为所有订单的件单价的平均值；然后，选择所述关联度大于预设关联度的所有商品类组合；最后，根据预设时段的客单价推荐对应的商品组合。本申请中也是通过关联商品销售的方式的来提高客单价，但是在确定关联商品的组合时是根据门店在预设时段内的平均件单价以及对应的客单价等客户数据来确定的，与现有的只依靠个人的经验判断的方式相比会更加的精准。

进一步的，如图4所示，所述确定单元31包括：

筛选模块311，用于根据所述平均件单价对所述所有订单中的商品进行筛选，得到筛选后的商品；

计算模块312，用于计算所述筛选后的商品中不同类型的商品之间的关联度。

进一步的，如图4所示，所述筛选模块311，用于：

筛选出商品价格与所述平均件单价相差在预设幅度内的商品，记作平均件单价附近商品；

对所述平均件单价附近商品进行分类；

计算分类后每种类型的商品的出现概率；

根据所述出现概率，筛选出所述出现概率大于预设概率值的类型的商品，得到所述筛选后的商品。

进一步的，如图4所示，所述计算模块312，用于：

根据预设相关系数计算公式，计算所述筛选后的商品中至少两种类型之间的关联度。

进一步的，所述筛选单元33，用于：

在符合所述商品类组合的商品中，选择商品组合价格与所述客单价相差在所述预设幅度内的商品组合进行推荐，所述商品组合价格为至少两种不同类型的商品价格之和。

进一步的，所述不同类型的商品为不同品类的商品合或者不同品牌的商品。

具体的，本申请实施例的装置中各单元、模块实现其功能的具体过程可参见方法实施例中的相关描述，此处不再赘述。

根据本申请实施例，还提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行上述方法实施例中的提高客单价的方法。

根据本申请实施例，还提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器执行上述方法实施例中的提高客单价的方法。

显然，本领域的技术人员应该明白，上述的本申请的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本申请不限制于任何特定的硬件和软件结合。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。