一种结合门店周围环境的相关指数对门店进行评估的方法技术

本发明专利技术公开了一种结合门店周围环境的相关指数对门店进行评估的方法，收集线下门店周边地理信息数据；对门店周边主体进行统计建模；合理提取主题特征指标SSTI；线性回归模型评价体系；指标SSTI应用于现实业务场景，本发明专利技术通过将目标区域点周边的地理信息及自然环境量化成八个维度的数值，方便使用者快速高效地掌握周围环境状态，结合地理信息和相关自然特征为指标分数，对门店经营状况或经营需求的评估能力，对门店选址、门店分群、门店管理提供参考依据，八大指标还可作为门店经营情况的预测特征，运用回归模型观察周边环境是否对客流量等关注指标产生显著性影响，以及产生的影响大小，因此对业务也具有指导意义。因此对业务也具有指导意义。因此对业务也具有指导意义。

【技术实现步骤摘要】
一种结合门店周围环境的相关指数对门店进行评估的方法


[0001]本专利技术涉及门店商业评估
，具体为一种结合门店周围环境的相关指数对门店进行评估的方法。

技术介绍

[0002]商业用户在进行门店选址、门店分群画像、线下门店对比测试等行动时，通常需要对评估点周围地理环境、商业环境及人群等有客观认识，以便于评估工作，门店大时空指标是通过对周边地理信息以及天气数据统计建模后，抽象出来的一系列具有一定业务指导意义的门店大尺度地理环境主题分数以及衡量人群出行便利和舒适度的相关指数，完美符合商业用户的需求，有助于其对门店周围环境有客观清晰的认识，提升其评估工作开展效率；
[0003]现有评估工作大多是通过人员实地考察收集地理信息，再采用专家评估投票的方式进行得到区域地理环境评分，人员实地采集信息从人员成本和时间成本来说，消耗巨大，且不能保证信息收集完全，不可作为大范围区域的评估方法，且专家评分得到的地理环境评分主观性过强，评估结果受个人因素影响严重。

技术实现思路

[0004]本专利技术提供一种结合门店周围环境的相关指数对门店进行评估的方法，可以有效解决上述
技术介绍
中提出人员实地采集信息从人员成本和时间成本来说，消耗巨大，且不能保证信息收集完全，不可作为大范围区域的评估方法，且专家评分得到的地理环境评分主观性过强，评估结果受个人因素影响严重的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种结合门店周围环境的相关指数对门店进行评估的方法，主要从地理信息中量化出具有业务价值且强解释性的地理环境主题分数，结合地理信息和相关自然特征为指标分数，对门店经营状况或经营需求的能力进行评估，为门店业务场景提供参考依据；
[0006]包括如下评估步骤：
[0007]S1、收集线下门店周边地理信息数据；
[0008]S2、对门店周边主体进行统计建模；
[0009]S3、合理提取主题特征指标SSTI；
[0010]S4、线性回归模型评价体系；
[0011]S5、指标SSTI应用于现实业务场景。
[0012]根据上述技术方案，所述S1中，线下门店周边地理信息数据在收集时主要通过使用不同数据源来得到目标门店周围的地理信息，该地理信息主要包括门店周围环境信息和相关自然特征；
[0013]获取地理信息后，将目标门店附近设施分为交通、居住、购物、美食、旅游、生活、工作和娱乐八个类别的主题，同时针对每一个主题，来得到目标门店附近该主题设施的数量，以及与目标门店的距离信息。
[0014]根据上述技术方案，所述S2中，对门店周边主体进行统计建模主要通过建立主题强度模型和主题聚集度模型，并综合两个模型的结果，来生成该主题下的大时空指标；
[0015]主要采用某品牌数据为例，结合线性回归模型来验证大时空指标对客流量的影响大小，待验证通过，可将大时空指标应用于品牌的现实业务场景，助力提升品牌对门店周边环境的评估效率，最终作为门店选址等需求的重要参考。
[0016]根据上述技术方案，所述S2中在具体统计建模时，门店地理位置环境主题分数受到门店周边主题兴趣点数量强度、聚集程度的影响，以门店周边POI为样本，对门店周边主题POI分布建立以下模型：
[0017][0018][0019]其中：
[0020]s为门店上标；
[0021]t为主题下标，包括交通、居住、购物、美食、旅游、生活、工作、娱乐八类；
[0022]为门店周边主题POI分布；
[0023]为门店周边主题POI强度模型，服从伯努利分布；
[0024]为门店周边主题POI强度模型概率参数，符合贝塔分布；
[0025]α
t
,β
t
为强度参数分布模型变量；
[0026]为门店周边主题POI聚集模型，服从二维正态分布；
[0027]为门店周边主题POI聚集模型方差，符合高斯分布，并满足为POI经度或维度的方差；
[0028]μ
t
,λ
t
为聚集参数分布模型变量。
[0029]根据上述技术方案，在S2中，基于模型的计算流程包括输入、输出和计算过程，具体如下：
[0030]输入：t，评估主题，包括交通、居住、购物、美食、旅游、生活、工作、娱乐共计八类；
[0031]m：总评估门店数；
[0032]t主题s家门店查询到的POI数量；
[0033]t主题s家门店查询到的POI次数；
[0034]t主题s家门店的POI强度模型初始概率参数；
[0035]t主题s家门店所有POI与门店距离的标准差；
[0036]s门店附近i POI点相对于门店的坐标；
[0037]α,β：门店间强度模型先验的服从贝塔分布，α,β为模型变量；
[0038]μ,λ：门店间聚集度模型先验的服从高斯分布，μ,λ为模型变量；
[0039]输出：s家门店t主题下的得分。
[0040]根据上述技术方案，所述S2中计算过程如下：
[0041]1)、在每个t中执行；
[0042]2)、循环开始；
[0043]3)、强度模型中，门店周边主题POI强度服从伯努利分布，其概率参数服从贝塔分布，强度模型的联合概率密度函数为：
[0044][0045][0046]4)、根据极大似然估计，令B(α,β,p)关于p的偏导数为0，求其p为p
t
，其中每家门店的强度模型概率参数为
[0047]5)、聚集度模型中，门店周边主题POI服从二维正态分布，POI聚集模型方差符合高斯分布，聚集度联合概率密度函数为：
[0048][0049]6)、根据极大似然估计，令N(λ,μ,σ)关于σ的偏导数为0，求其σ为σ
t
，其中每家门店的集中度模型标准差为
[0050]7)、得到每家门店t主题的主题强度模型概率参数为和集中度模型标准差为
[0051]8)、循环结束；
[0052]9)、门店信息、实时天气数据作为自变量，客流数据作为因变量，构建线性回归模型；
[0053]10)、R2<
‑
模型决定系数；
[0054]11)、AIC<
‑
赤池信息量准则；
[0055]12)、BIC<
‑
贝叶斯信息准则；
[0056]13)、定义主题得分计算方式
[0057]14)、在每个t中执行；
[0058]15)、循环开始；
[0059]16)、每家门店t主题的主题得分
[0060]17)、在线性回归模型加入主题得分特征
[0061]18)、得到加入主题得分后的AIC
t
和BIC
t
；
[0062]19)、循环结束；
[0063]20)、当各t中效果无明本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种结合门店周围环境的相关指数对门店进行评估的方法，其特征在于：主要从地理信息中量化出具有业务价值且强解释性的地理环境主题分数，结合地理信息和相关自然特征为指标分数，对门店经营状况或经营需求的能力进行评估，为门店业务场景提供参考依据；包括如下评估步骤：S1、收集线下门店周边地理信息数据；S2、对门店周边主体进行统计建模；S3、合理提取主题特征指标SSTI；S4、线性回归模型评价体系；S5、指标SSTI应用于现实业务场景。2.根据权利要求1所述的一种结合门店周围环境的相关指数对门店进行评估的方法，其特征在于：所述S1中，线下门店周边地理信息数据在收集时主要通过使用不同数据源来得到目标门店周围的地理信息，该地理信息主要包括门店周围环境信息和相关自然特征；获取地理信息后，将目标门店附近设施分为交通、居住、购物、美食、旅游、生活、工作和娱乐八个类别的主题，同时针对每一个主题，来得到目标门店附近该主题设施的数量，以及与目标门店的距离信息。3.根据权利要求1所述的一种结合门店周围环境的相关指数对门店进行评估的方法，其特征在于：所述S2中，对门店周边主体进行统计建模主要通过建立主题强度模型和主题聚集度模型，并综合两个模型的结果，来生成该主题下的大时空指标；主要结合线性回归模型来验证大时空指标对客流量的影响大小，待验证通过，可将大时空指标应用于品牌的现实业务场景，助力提升品牌对门店周边环境的评估效率，最终作为门店选址等需求的重要参考。4.根据权利要求3所述的一种结合门店周围环境的相关指数对门店进行评估的方法，其特征在于：所述S2中在具体统计建模时，门店地理位置环境主题分数受到门店周边主题兴趣点数量强度、聚集程度的影响，以门店周边POI为样本，对门店周边主题POI分布建立以下模型：下模型：其中：s为门店上标；t为主题下标，包括交通、居住、购物、美食、旅游、生活、工作、娱乐八类；为门店周边主题POI分布；为门店周边主题POI强度模型，服从伯努利分布；为门店周边主题POI强度模型概率参数，符合贝塔分布；α
t
,β
t
为强度参数分布模型变量；
为门店周边主题POI聚集模型，服从二维正态分布；为门店周边主题POI聚集模型方差，符合高斯分布，并满足为门店周边主题POI聚集模型方差，符合高斯分布，并满足为POI经度或维度的方差；μ
t
,λ
t
为聚集参数分布模型变量。5.根据权利要求3所述的一种结合门店周围环境的相关指数对门店进行评估的方法，其特征在于：在S2中，基于模型的计算流程包括输入、输出和计算过程，具体如下：输入：t，评估主题，包括交通、居住、购物、美食、旅游、生活、工作、娱乐共计八类；m：总评估门店数；t主题s家门店查询到的POI数量；t主题s家门店查询到的POI次数；t主题s家门店的POI强度模型初始概率参数；t主题s家门店所有POI与门店距离的标准差；s门店附近i POI点相对于门店的坐标；α,β：门店间强度模型先验的服从贝塔分布，α,β为模型变量；μ,λ：门店间聚集度模型先验的服从高斯分布，μ,λ为模型变量；输出：s家门店t主题下的得分。6.根据权利要求5所述的一种结合门店周围环境的相关指数对门店进行评估的方法，其特征在于：所述S2中计算过程如下：1)、在每个t中执行；2)、循环开始；3)、强度模型中，门店周边主题POI强度服从伯努利分布，其概率参数服从贝塔分布，强度模型的联合概率密度函数为：度模型的联合概率密度函数为：4)、根据极大似然估计，令B(α,β,p)关于p的偏导数为0，求其p为p
t
，其中每家门店的强度模型概率参数为5)、聚集度模型中，门店周边主题POI服从二维正态分布，POI聚集模型方差符合高斯分布，聚集度联合概率密度函数为：
6)、根据极大似然估计，令N(λ,μ,σ)关于σ的偏导数为0，求其σ为σ
...

【专利技术属性】
技术研发人员：叶生晅，周琛，郑忠臣，孙荣哲，
申请(专利权)人：杭州座头鲸科技有限公司，
类型：发明
国别省市：