基于零售AI系统的营销策略成效的评估方法技术方案

本发明专利技术公开了一种基于零售AI系统的营销策略成效的评估方法，包括如下步骤：A)通过一组SQL加载符合设定格式的相关数据；相关数据为历史客户的行为信息和销售策略发布；B)对相关数据进行预处理，得到加工后的数据；C)将加工后的数据代入多元线性回归算法进行AI学习和训练，解其残差方程组得到最优解系数，并根据最优解系数得到策略成效评估模型；D)用户输入模拟策略或参数，并将其代入策略成效评估模型，零售AI系统给出相应指标的预估值和预估误差范围，并分析出各个维度分别对指标的影响程度。本发明专利技术对零售行业提供有数据支撑的营销策略成效评估功能、对硬件和运维人员要求较低。

【技术实现步骤摘要】
基于零售AI系统的营销策略成效的评估方法
本专利技术涉及零售领域，特别涉及一种基于零售AI系统的营销策略成效的评估方法。
技术介绍
零售系统现时已经实现线上线下融通一体，以线上线下+智能物流的模式，把传统的线下渠道布局到线上形成新零售体系。通过订单管理，客户数据管理供应链管理，使得零售数据化，全网、全渠道融合。充分解决销售渠道问题、客户沟通问题、物流仓储问题，可以有效的管理自营店铺、渠道商之间的营销管理问题、货物滞销问题、乱价问题。零售系统可以做到资源共享，借助社交媒体工具，提升品牌曝光量，借助有效的零售分析系统，提高目标客户群体消费额。然而，传统零售系统局限于云端的海量数据，不能对日常营运数据进行有效实时分析，对硬件和运维人员要求较高。传统零售系统不能提供有效率的营销策略成效评估功能。
技术实现思路
本专利技术要解决的技术问题在于，针对现有技术的上述缺陷，提供一种对零售行业提供有数据支撑的营销策略成效评估功能、对硬件和运维人员要求较低的基于零售AI系统的营销策略成效的评估方法。本专利技术解决其技术问题所采用的技术方案是：构造一种基于零售AI系统的营销策略成效的评估方法，包括如下步骤：A)通过一组SQL加载符合设定格式的相关数据；所述相关数据为历史客户的行为信息和销售策略发布；B)对所述相关数据进行预处理，得到加工后的数据；C)将所述加工后的数据代入多元线性回归算法进行AI学习和训练，解其残差方程组得到最优解系数，并根据所述最优解系数得到策略成效评估模型；D)用户输入模拟策略或参数，并将其代入所述策略成效评估模型，所述零售AI系统给出相应指标的预估值和预估误差范围，并分析出各个维度分别对所述指标的影响程度。在本专利技术所述的基于零售AI系统的营销策略成效的评估方法中，所述相关数据包括销售数据、电子券领取与核销流水、活动发布数据、满赠参数数据、促销积分流水、礼品领取流水、游戏参与数据、各类优惠参与店铺数据、C端移动触点数据、粉丝或会员增长量数据以及X天内优惠或信息推送数据。在本专利技术所述的基于零售AI系统的营销策略成效的评估方法中，所述步骤B)中的预处理包括维度旋转、离散数值连续化、缺失值填充和维度合并处理。在本专利技术所述的基于零售AI系统的营销策略成效的评估方法中，所述步骤D)进一步包括：D1)所述策略成效评估模型训练结束后，把未参与到训练的数据代入所述策略成效评估模型进行测试；D2)所述零售AI系统评估所述策略成效评估模型的偏差度；D3)按比例逐一改变维度输入值，观察其结果改变，得出每个维度对所述指标的影响程度。在本专利技术所述的基于零售AI系统的营销策略成效的评估方法中，所述指标为销售额、客单价、销售量、会员增长量或粉丝增长量。在本专利技术所述的基于零售AI系统的营销策略成效的评估方法中，所述历史客户的行为信息和销售策略发布关注的维度包括每个时刻发放的电子券、促销活动、积分抵现活动、现场活动、广告渠道推送、礼品领取情况、日期特征、X天内在线优惠的预定情况、移动端品牌点击量和实际消费行为记录。在本专利技术所述的基于零售AI系统的营销策略成效的评估方法中，在所述零售AI系统中，通过优惠/商品的购买和优惠/商品的移动端关注，分权值地进行物联运算，分析出近似行为消费者的喜好和占比，所述零售AI系统评估出其可信度和覆盖范围。在本专利技术所述的基于零售AI系统的营销策略成效的评估方法中，在所述零售AI系统中，以时间轴定义活动区间，为活动设定预期指标，根据实际业务发生数据与预期指标的对比，评估出所述活动的效率、达成率和平均每投入成本所带来的收益。实施本专利技术的基于零售AI系统的营销策略成效的评估方法，具有以下有益效果：由于通过一组SQL加载符合设定格式的相关数据；对相关数据进行预处理，得到加工后的数据；将加工后的数据代入多元线性回归算法进行AI学习和训练，解其残差方程组得到最优解系数，并根据最优解系数得到策略成效评估模型；用户输入模拟策略或参数，并将其代入策略成效评估模型，零售AI系统给出相应指标的预估值和预估误差范围，并分析出各个维度分别对指标的影响程度；因此本专利技术对零售行业提供有数据支撑的营销策略成效评估功能、对硬件和运维人员要求较低。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术基于零售AI系统的营销策略成效的评估方法一个实施例中的流程图；图2为所述实施例中用户输入模拟策略或参数，并将其代入策略成效评估模型，零售AI系统给出相应指标的预估值和预估误差范围，并分析出各个维度分别对指标的影响程度的具体流程图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。在本专利技术基于零售AI系统的营销策略成效的评估方法实施例中，该基于零售AI系统的营销策略成效的评估方法的流程图如图1所示。图1中，该基于零售AI系统的营销策略成效的评估方法包括如下步骤：步骤S01通过一组SQL加载符合设定格式的相关数据：本步骤中，通过一组SQL加载符合设定格式的相关数据，该设定格式为事先设定的规范格式，在加载数据时，首先需要将相关数据转换为符合该设定格式的相关数据后，然后再通过一组SQL加载符合该设定格式的相关数据。该相关数据包括销售数据、电子券领取与核销流水、活动发布数据、满赠参数数据、促销积分流水、礼品领取流水、游戏参与数据、各类优惠参与店铺数据、C端移动触点数据、粉丝或会员增长量数据以及X天内优惠或信息推送数据。当然，在实际应用中，该相关数据的内容还可以根据具体需求进行相应扩充或缩减，以满足用户的实际需求。该相关数据为历史客户的行为信息和销售策略发布(也就是日常营运数据)。该历史客户的行为信息和销售策略发布关注的维度包括每个时刻发放的电子券、促销活动、积分抵现活动、现场活动、广告渠道推送、礼品领取情况、日期特征、X天内在线优惠的预定情况、移动端品牌点击量和实际消费行为记录。当然，在实际应用中，该历史客户的行为信息和销售策略发布关注的维度可以根据具体需求进行相应扩充或缩减，以满足用户的实际需求。步骤S02对相关数据进行预处理，得到加工后的数据：本步骤中，对加载的相关数据进行预处理，这样就会得到加工后的数据。其中，对相关数据的预处理包括维度旋转、离散数值连续化、缺失值填充和维度合并处理等。步骤S03将加工后的数据代入多元线性回归算法进行AI学习和训练，解其残差方程组得到最优解系数，并根据最优解系数得到策略成效评估模型：本步骤中，经过数据加工后，将加工后的数据代入多元线性回归算法进行AI学习和训练，解其残差方程组，最终得到最优解系数，然后根据最优解系数得到策略成效评估模型。步骤S04用户输入模拟策略或参数，并将其代入策略成效评估模型，零售AI系统给出相应指标的预估值和预估误差范围，并分析出各个维度分别对指标的影响程度：本步骤本文档来自技高网...

【技术保护点】
1.一种基于零售AI系统的营销策略成效的评估方法，其特征在于，包括如下步骤：A)通过一组SQL加载符合设定格式的相关数据；所述相关数据为历史客户的行为信息和销售策略发布；B)对所述相关数据进行预处理，得到加工后的数据；C)将所述加工后的数据代入多元线性回归算法进行AI学习和训练，解其残差方程组得到最优解系数，并根据所述最优解系数得到策略成效评估模型；D)用户输入模拟策略或参数，并将其代入所述策略成效评估模型，所述零售AI系统给出相应指标的预估值和预估误差范围，并分析出各个维度分别对所述指标的影响程度。

【技术特征摘要】
1.一种基于零售AI系统的营销策略成效的评估方法，其特征在于，包括如下步骤：A)通过一组SQL加载符合设定格式的相关数据；所述相关数据为历史客户的行为信息和销售策略发布；B)对所述相关数据进行预处理，得到加工后的数据；C)将所述加工后的数据代入多元线性回归算法进行AI学习和训练，解其残差方程组得到最优解系数，并根据所述最优解系数得到策略成效评估模型；D)用户输入模拟策略或参数，并将其代入所述策略成效评估模型，所述零售AI系统给出相应指标的预估值和预估误差范围，并分析出各个维度分别对所述指标的影响程度。2.根据权利要求1所述的基于零售AI系统的营销策略成效的评估方法，其特征在于，所述相关数据包括销售数据、电子券领取与核销流水、活动发布数据、满赠参数数据、促销积分流水、礼品领取流水、游戏参与数据、各类优惠参与店铺数据、C端移动触点数据、粉丝或会员增长量数据以及X天内优惠或信息推送数据。3.根据权利要求2所述的基于零售AI系统的营销策略成效的评估方法，其特征在于，所述步骤B)中的预处理包括维度旋转、离散数值连续化、缺失值填充和维度合并处理。4.根据权利要求1至3任意一项所述的基于零售AI系统的营销策略成效的评估方法，其特征在于，所述步骤D)进一步包括：D1)所述策略成效评估模型训练结束后，把未参与到训练...

【专利技术属性】
技术研发人员：陈耀清，骆永基，刁继业，梁伟昌，廖浩生，
申请(专利权)人：广州市科传计算机科技股份有限公司，
类型：发明
国别省市：广东,44