一种快闪店的营销价值预估方法技术

本发明专利技术涉及一种快闪店的营销价值预估方法，所述方法通过商业空间的客流量、进店率、交易率、人均交易额和成本五个指标来预估，预估模型如下所示：ROI＝销售收入/成本×100％＝(交易人数×人均交易额)/成本×100％＝((客流量×进店率×交易率)×人均交易额)/成本×100％；人均交易额和成本是输入性变量，需要品牌方输入；客流量、进店率和交易率是预测性变量，通过预测模型算法预测得出。本发明专利技术涉及的一种快闪店的营销价值预估方法，使用多元线性回归模型对营销价值的影响因子进行建模，准确给出快闪店场景下的商业空间营销价值的预估值。解决快闪店场景下品牌方的商业空间营销价值预估问题，帮助品牌方提前预知获得效果。

【技术实现步骤摘要】
一种快闪店的营销价值预估方法
本专利技术涉及营销领域，具体是指一种快闪店的营销价值预估方法。
技术介绍
随着电商市场的发展进入平稳发展期，线上运营成本越来越高，竞争越来越激烈，促使品牌方开始回归线下。此时，快闪店迎合了各方利益的诉求，“昙花一现”的创意营销模式结合新零售店面，既可以快速曝光品牌，吸引消费者，直接销售，又可以避免高昂的租金压力，很快被市场认可。但是如何预估其营销价值成为各品牌方的困扰。伴随着互联网数字经济的几十年发展，线上数字营销已经非常成熟，线下快闪店营销价值评估的问题可以借鉴线上数字营销价值成熟的评估方法。线上数字营销价值主要是通过曝光量、点击量、转化率这三个指标去评估，通过预测这三个指标值，从而预测其营销价值。而对于线下快闪店的营销价值，我们该用什么指标去评估，以及怎么预测这些指标值，从而在快闪店活动前预估出其营销价值呢？本专利技术基于线上营销价值评估提出了一种线下快闪店营销价值预估方法，该方法确立了评估指标、构建了指标预测模型，能够准确给出快闪店营销价值预估。
技术实现思路
本专利技术要解决的技术问题是，提供一种快闪店的营销价值预估方法，解决快闪店场景下品牌方的商业空间营销价值预估问题，帮助品牌方提前预知获得效果，进行策略调整。为解决上述技术问题，本专利技术提供的技术方案为：一种快闪店的营销价值预估方法，所述方法通过商业空间的客流量、进店率、交易率、人均交易额和成本五个指标来预估，预估模型如下所示：ROI＝销售收入/成本×100％＝(交易人数×人均交易额)/成本×100％＝((客流量×进店率×交易率)×人均交易额)/成本×100％；其中，客流量是指商业空间的客流人数，进店率是指客流人数中进入商业空间的人数占比，交易率是指进入商业空间的人数中成交的人数占比，人均交易额是指商业空间内交易用户的的人均交易额，成本是指本次商业活动所支出的总金额；人均交易额和成本是输入性变量，需要品牌方输入；客流量、进店率和交易率是预测性变量，通过预测模型算法预测得出。作为改进，所述客流量的预测方法为：数据采集预测客流量需要采集的数据有客流相关数据、商业空间相关数据和商家相关数据；客流相关数据，包含客流量、客流性别偏好、客流年龄偏好；客流量通过安装摄像头的AI智能人脸识别技术检测得到；客流性别偏好是指客流量的性别分布，包括男性和女性，通过安装摄像头的AI智能人脸、头发、着装、步态等技术识别检测得到；客流年龄偏好是指客流量年龄分布，包括儿童、青年、中年、老年，通过安装摄像头的AI智能人脸、头发、着装、步态等技术识别检测得到；数据处理数据处理有两种方式，对于数值型变量进行标准化处理，对于类别型变量进行编码处理；客流量、客流性别偏好、客流年龄偏好、面积、长、宽、城市人口、城市GDP、城市消费水平指数、活动次数都属于数值型变量，进行标准化处理；位置、城市等级、商圈、区域、项目类型、项目定位、楼层、行业、品牌、产品属于类别型变量，进行编码处理；模型预测选择的预测模型是多元线性回归模型；客流量是因变量y，其余数据是自变量x1，x2...xk，自变量与因变量之间为线性关系时，多元线性回归模型为：y＝b0+b1x1+b2x2+...+bkxk+e其中，b0为常数项，b1，b2，...，bk为回归系数；(1)参数估计多元线性回归模型的参数估计，是误差平方和最小的前提下，用最小二乘法求解参数；求解得出b0，b1，b2，...，bk；(2)模型检验模型检验分为回归方程的拟合度检验、回归方程的显著性检验和回归系数的显著性检验；回归方程的拟合度检验用多重可决系数r2检验；公式如下：其中，回归方程的显著性检验，即检验整个回归方程的显著性，常采用F检验，F统计量的公式：根据给定的显著性水平α，自由度(k，n-k-1)查F分布表，得到临界值Fα，若F>Fα，则回归方程效果显著；若F<Fα，则回归效果不显著；回归系数的显著性检验常用t检验，分别检验回归模型中各个回归系数是否具有显著性，以便使得模型中只保留那些对因变量有显著性影响的因素；首先计算统计量t，然后根据给定的显著性水平α，自由度(n-k-1)查t分布表，得到临界值tα，若t>tα，则回归系数具有显著性，否则不显著；统计量t的公式：其中，ckj是回归系数矩阵的逆矩阵(x’x)-1的主对角线上的第j个元素；输出结果对训练出来的模型，输入本次活动的相关信息，即可得到客流量数据。作为改进，所述进店率的预测方法为：数据采集预测进店率需要采集的数据有客流相关数据、商业空间相关数据和商家相关数据；客流相关数据，包含客流量、客流性别偏好、客流年龄偏好、进店人数、进店率；客流量通过安装摄像头的AI智能人脸识别技术检测得到；客流性别偏好是指客流量的性别分布，包括男性和女性，通过安装摄像头的AI智能人脸、头发、着装、步态等技术识别检测得到；客流年龄偏好是指客流量年龄分布，包括儿童、青年、中年、老年，通过安装摄像头的AI智能人脸、头发、着装、步态等技术识别检测得到；进店人数是指进入商业空间内的人数，通过安装摄像头的AI智能人脸识别技术检测得到；进店率是指客流中进入到商业空间内的人数占比，通过公式计算得到，计算公式是进店人数/客流量；数据处理数据处理有两种方式，对于数值型变量进行标准化处理，对于类别型变量进行编码处理；客流量、客流性别偏好、客流年龄偏好、进店人数、进店率、面积、长、宽、城市人口、城市GDP、城市消费水平指数、活动次数都属于数值型变量，进行标准化处理；位置、城市等级、商圈、区域、项目类型、项目定位、楼层、行业、品牌、产品属于类别型变量，进行编码处理；模型预测选择的预测模型是多元线性回归模型；进店率是因变量y，其余数据是自变量x1，x2...xk，自变量与因变量之间为线性关系时，多元线性回归模型为：y＝b0+b1x1+b2x2+...+bkxk+e其中，b0为常数项，b1，b2，...，bk为回归系数；(1)参数估计多元线性回归模型的参数估计，是误差平方和最小的前提下，用最小二乘法求解参数；求解得出b0，b1，b2，...，bk；(2)模型检验模型检验分为回归方程的拟合度检验、回归方程的显著性检验和回归系数的显著性检验；回归方程的拟合度检验用多重可决系数r2检验；公式如下：其中，回归方程的显著性检验，即检验整个回归方程的显著性，常采用F检验，F统计量的公式：根据给定的显著性水平α，自由度(k，n-k-1)查F分布表，得到临界值Fα，若F>Fα，则回归方程效果显著；若F<Fα，则回归效果不显著；回归系数的显著性检验常用t检验，分别检验回归模型中各个回归系数是否具本文档来自技高网...

【技术保护点】
1.一种快闪店的营销价值预估方法，其特征在于，所述方法通过商业空间的客流量、进店率、交易率、人均交易额和成本五个指标来预估，预估模型如下所示：/nROI＝销售收入/成本×100％＝(交易人数×人均交易额)/成本×100％＝((客流量×进店率×交易率)×人均交易额)/成本×100％；/n其中，客流量是指商业空间的客流人数，进店率是指客流人数中进入商业空间的人数占比，交易率是指进入商业空间的人数中成交的人数占比，人均交易额是指商业空间内交易用户的的人均交易额，成本是指本次商业活动所支出的总金额；/n人均交易额和成本是输入性变量，需要品牌方输入；客流量、进店率和交易率是预测性变量，通过预测模型算法预测得出。/n

【技术特征摘要】
1.一种快闪店的营销价值预估方法，其特征在于，所述方法通过商业空间的客流量、进店率、交易率、人均交易额和成本五个指标来预估，预估模型如下所示：
ROI＝销售收入/成本×100％＝(交易人数×人均交易额)/成本×100％＝((客流量×进店率×交易率)×人均交易额)/成本×100％；
其中，客流量是指商业空间的客流人数，进店率是指客流人数中进入商业空间的人数占比，交易率是指进入商业空间的人数中成交的人数占比，人均交易额是指商业空间内交易用户的的人均交易额，成本是指本次商业活动所支出的总金额；
人均交易额和成本是输入性变量，需要品牌方输入；客流量、进店率和交易率是预测性变量，通过预测模型算法预测得出。


2.根据权利要求1所述的一种快闪店的营销价值预估方法，其特征在于：所述客流量的预测方法为：
数据采集
预测客流量需要采集的数据有客流相关数据、商业空间相关数据和商家相关数据；客流相关数据，包含客流量、客流性别偏好、客流年龄偏好；客流量通过安装摄像头的AI智能人脸识别技术检测得到；客流性别偏好是指客流量的性别分布，包括男性和女性，通过安装摄像头的AI智能人脸、头发、着装、步态等技术识别检测得到；客流年龄偏好是指客流量年龄分布，包括儿童、青年、中年、老年，通过安装摄像头的AI智能人脸、头发、着装、步态等技术识别检测得到；
数据处理
数据处理有两种方式，对于数值型变量进行标准化处理，对于类别型变量进行编码处理；客流量、客流性别偏好、客流年龄偏好、面积、长、宽、城市人口、城市GDP、城市消费水平指数、活动次数都属于数值型变量，进行标准化处理；位置、城市等级、商圈、区域、项目类型、项目定位、楼层、行业、品牌、产品属于类别型变量，进行编码处理；
模型预测
选择的预测模型是多元线性回归模型；客流量是因变量y，其余数据是自变量x1，x2...xk，自变量与因变量之间为线性关系时，多元线性回归模型为：
y＝b0+b1x1+b2x2+...+bkxk+e
其中，b0为常数项，b1，b2，...，bk为回归系数；
(1)参数估计
多元线性回归模型的参数估计，是误差平方和最小的前提下，用最小二乘法求解参数；



求解得出b0，b1，b2，...，bk；
(2)模型检验
模型检验分为回归方程的拟合度检验、回归方程的显著性检验和回归系数的显著性检验；
回归方程的拟合度检验用多重可决系数r2检验；公式如下：



其中，



回归方程的显著性检验，即检验整个回归方程的显著性，常采用F检验，F统计量的公式：



根据给定的显著性水平α，自由度(k，n-k-1)查F分布表，得到临界值Fα，若F>Fα，则回归方程效果显著；若F<Fα，则回归效果不显著；
回归系数的显著性检验常用t检验，分别检验回归模型中各个回归系数是否具有显著性，以便使得模型中只保留那些对因变量有显著性影响的因素；
首先计算统计量t，然后根据给定的显著性水平α，自由度(n-k-1)查t分布表，得到临界值tα，若t>tα，则回归系数具有显著性，否则不显著；统计量t的公式：



其中，ckj是回归系数矩阵的逆矩阵(x’x)-1的主对角线上的第j个元素；
输出结果
对训练出来的模型，输入本次活动的相关信息，即可得到客流量数据。


3.根据权利要求1所述的一种快闪店的营销价值预估方法，其特征在于：所述进店率的预测方法为：
数据采集
预测进店率需要采集的数据有客流相关数据、商业空间相关数据和商家相关数据；客流相关数据，包含客流量、客流性别偏好、客流年龄偏好、进店人数、进店率；客流量通过安装摄像头的AI智能人脸识别技术检测得到；客流性别偏好是指客流量的性别分布，包括男性和女性，通过安装摄像头的AI智能人脸、头发、着装、步态等技术识别检测得到；客流年龄偏好是指客流量年龄分布，包括儿童、青年、中年、老年，通过安装摄像头的AI智能人脸、头发、着装、步态等技术识别检测得到；进店人数是指进入商业空间内的人数，通过安装摄像头的AI智能人脸识别技术检测得到；进店率是指客流中进入到商业空间内的人数占比，通过公式计算得到，计算公式是进店人数/客流量；
数据处理
数据处理有两种方式，对于数值型变量进行标准化处理，对于类别型变量进行编码处理；客流量、客流性别偏好、客流年龄偏好、进店人数、进店率、面积、长、宽、城市人口、城市GDP、城市消费水平指数、活动次数都属于数值型变量，进行标准化处理；位置、城市等级、商圈、区域、项目类型、项目定位、楼层、行业、品牌、产品属于类别型变量，进行编码处理；
模型预测
选择的预测模型是多元线性回归模型；进店率是因变量y，其余数据是自变量x...

【专利技术属性】
技术研发人员：马明宇，王振涛，陈特夫，李颖翀，
申请(专利权)人：杭州邻汇网络科技有限公司，
类型：发明
国别省市：浙江;33