【技术实现步骤摘要】
本专利技术涉及数据处理。更具体地说，本专利技术涉及一种基于餐饮零售信息的刷单检测方法及系统。
技术介绍
1、在中小微企业信贷业务中，餐饮零售企业因为自身轻资产的特点，往往需要向银行证明自身的经营状况，一般的需要提供自身的财务数据信息，但是财务数据往往具有滞后性，同时中小微企业因为自身财务制度不够健全，财务数据的可靠性存疑，需要额外手段来反映餐饮企业的实际经营状况。
2、目前针对线下零售餐饮，拥有成熟的餐饮系统，一般具有收银系统、自助点餐系统等功能，从点餐到收银，还可以与外卖、团购等平台互通，能够实现统一数据管理，可以完成有效记录商家的每日交易信息。故可以通过对接企业的餐饮系统，来获取企业的实时经营数据，同时为了预防企业通过刷单等手段美化夸大自身营收数据，需要采用一定的手段对潜在刷单行为进行监测。
3、刷单常见于电商平台，是指卖家采用虚假交易，迅速提升销量，来赢得平台较好推广流量资源并吸引消费者注意的营销手段。传统的虚假交易甄别方法往往基于某一商品的订单量在某段时间内的异常增长、大量相同访问ip及相同物流编号、大量购买地与收货地不是相同地点、订单确认及评价时效对刷单行为进行识别。
4、但区别于电商刷单，餐饮零售中堂食到店消费占有很大比重，不存在用户行为、ip、物流等线上购物常用信息，因此需要针对线下餐饮零售的场景设计专门监测方法和系统。
技术实现思路
1、本专利技术的一个目的是解决至少上述问题，并提供至少后面将说明的优点。
2、本专利技
3、为了实现根据本专利技术的这些目的和其它优点，提供了一种基于餐饮零售信息的刷单检测方法，包括：
4、获取预设时间段内餐饮堂食零售订单数据并保存；
5、对餐饮堂食零售订单数据进行清洗和加工，所述清洗包括对餐饮堂食零售订单数据去重、剔除异常值和剔除空值，所述加工包括对清洗后的餐饮堂食零售订单数据处理以得到基础数据，和对基础数据处理以得到衍生数据；
6、根据衍生数据和预设的刷单判别规则判断是否有刷单行为。
7、优选的是，所述订单数据包括消费金额、人数、菜品、单价、座位、取餐方式、交易时间。
8、优选的是，所述基础数据包括：
9、基础数据1：门店每日营业时间每小时的订单数占当天总订单数的比例；
10、基础数据2：门店每日营业时间每小时的销售金额占当天总销售金额的比例；
11、基础数据3：门店每日不同取餐方式的订单数占当天总订单数的比例，所述取餐方式包括堂食、自提、外卖；
12、基础数据4：门店每日不同取餐方式的销售金额占当天总销售金额的比例；
13、基础数据5：门店每周销售数量排名前10％的菜品的销量之和占当周菜品总销售数量的比例；
14、基础数据6：门店每周每个桌位的消费总人数、消费总金额和消费总单数。
15、优选的是，所述衍生数据包括：
16、衍生数据1：目标待检测日前四周同期的当日每小时订单数占当日总订单数的比例的平均值avg和标准差std，得到区间[avg-std,avg+std]；
17、衍生数据2：目标待检测日前四周同期的当日每小时销售金额占当日总销售金额的比例的平均值avg和其标准差std，得到区间[avg-std,avg+std]；
18、衍生数据3：目标待检测日前四周同期的当日不同取餐方式订单数占当日总订单数的比例的平均值avg和其标准差std，得到区间[avg-std,avg+std]；
19、衍生数据4：目标待检测日前四周同期的当日不同取餐方式销售金额占当日总销售金额的比例的平均值avg和其标准差std，得到区间[avg-std,avg+std]；
20、衍生数据5：目标待检测周前一周门店周销售数量前10％菜品；
21、衍生数据6：目标待检测周前四周门店每周销售数量前10％菜品的销量之和占门店当周菜品总销售数量的比例的平均值avg和标准差std，得到区间[avg-std,avg+std]；
22、衍生数据7：目标待检测周门店各个桌位的周消费人数、周消费金额、周消费单数为特征，使用k-means聚类的方法，对门店所有桌位进行分类，并且得到最优分类结果；以及，
23、目标待检测周前四周门店各个桌位的周消费人数、周消费金额、周消费单数的平均值作为特征，使用k-means聚类的方法，对门店所有桌位进行分类，并且得到最优分类结果。
24、优选的是，所述预设的刷单判别规则包括：基于衍生数据1～4的以天为周期的4条异常判别规则，如果一个天中至少有两条异常提示，则目标待检测日数据异常，基于衍生数据5～7的以周为周期的3条异常判别规则，如果一个周中至少有一条异常提示，则目标待检测周数据异常，当目标待检测日数据异常和目标待检测周数据异常同时出现时，则判断存在刷单行为；
25、基于衍生数据1的异常判别规则：若目标待检测日内单个小时的订单数占当日总订单数的比例处于对应区间范围外，则标记为可疑时间点，若一天可疑时间点占营业时间的比重超过30％，则提示存在异常；
26、基于衍生数据2的异常判别规则：若目标待检测日内单个小时销售金额占当日总销售金额的比例处于对应区间范围外，则标记为可疑时间点，若一天可疑时间点占营业时间的比重超过30％，则提示存在异常；
27、基于衍生数据3的异常判别规则：若目标待检测日任意一种取餐方式订单数占当日总订单数的比例处于对应区间范围外，则提示存在异常；
28、基于衍生数据4的异常判别规则：若目标待检测日任意一种取餐方式销售金额占当日总销售金额的比例处于对应区间范围外，则提示存在异常；
29、基于衍生数据5的异常判别规则：若目标待检测周销售数量前10％菜品中存在至少25％的菜品没有出现在前一周的前10％菜品，则提示存在异常；
30、基于衍生数据6的异常判别规则：若目标待检测周销售数量前10％菜品的销量之和占门店当周菜品总销售数量的比例处于对应区间范围外，则提示存在异常；
31、基于衍生数据7的异常判别规则：若目标待检测周桌位进行kmeans分类后，类别数与目标待检测周前四周门店桌位kmeans分类后类别数不一样多，则提示存在异常；如果类别数一样，但是目标待检测周的桌位分类中至少有一种类别，在目标待检测周前四周的门店桌位分类结果中不与其中任何一个类别的重叠率大于70％，则提示存在异常。
32、本专利技术还提供一种基于餐饮零售信息的刷单检测系统，包括：
33、数据存储模块，其用于获取预设时间段内餐饮堂食零售订单数据并保存；
34、数据处理模块，其用于对餐饮堂食零售订单数据进行清洗和加工，所述清洗包括对餐饮堂食零售订单数据去重、剔除异常值和剔除空值，所述加工包括对本文档来自技高网...
【技术保护点】
1.一种基于餐饮零售信息的刷单检测方法，其特征在于，包括：
2.如权利要求1所述的基于餐饮零售信息的刷单检测方法，其特征在于，所述订单数据包括消费金额、人数、菜品、单价、座位、取餐方式、交易时间。
3.如权利要求2所述的基于餐饮零售信息的刷单检测方法，其特征在于，所述基础数据包括：
4.如权利要求3所述的基于餐饮零售信息的刷单检测方法，其特征在于，所述衍生数据包括：
5.如权利要求4所述的基于餐饮零售信息的刷单检测方法，其特征在于，所述预设的刷单判别规则包括：基于衍生数据1～4的以天为周期的4条异常判别规则，如果一个天中至少有两条异常提示，则目标待检测日数据异常，基于衍生数据5～7的以周为周期的3条异常判别规则，如果一个周中至少有一条异常提示，则目标待检测周数据异常，当目标待检测日数据异常和目标待检测周数据异常同时出现时，则判断存在刷单行为；
6.一种基于餐饮零售信息的刷单检测系统，其特征在于，包括：
7.电子设备，其特征在于，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
8.存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时，实现权利要求1～6任一项所述的方法。
...【技术特征摘要】
1.一种基于餐饮零售信息的刷单检测方法，其特征在于，包括：
2.如权利要求1所述的基于餐饮零售信息的刷单检测方法，其特征在于，所述订单数据包括消费金额、人数、菜品、单价、座位、取餐方式、交易时间。
3.如权利要求2所述的基于餐饮零售信息的刷单检测方法，其特征在于，所述基础数据包括：
4.如权利要求3所述的基于餐饮零售信息的刷单检测方法，其特征在于，所述衍生数据包括：
5.如权利要求4所述的基于餐饮零售信息的刷单检测方法，其特征在于，所述预设的刷单判别规则包括：基于衍生数据1～4的以天为周期的4条异常判别规则，如果一个天中至少有两条异常提示，则目标待检测日数据异常，基于衍...
【专利技术属性】
技术研发人员：魏威，
申请(专利权)人：中科聚信上海科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。