[发明专利]一种用于营销活动效果预测的方法、装置及电子设备

权利要求书

1.一种用于营销活动效果预测的方法，其特征在于，包括：

获取不同门店的历史营销数据作为输入样本，计算营销活动前后不同门店的营销活动效果数据；

选取目标门店的营销活动效果数据，经过数据平滑处理得到该目标门店的营销活动效果预估初值；

基于不同门店的营销活动效果数据，通过线性拟合构建折扣率调节因子，使用所述折扣率调节因子对所述营销活动效果预估初值进行校准，获得的校准值即为所述目标门店营销活动效果预估值。

2.根据权利要求1所述的用于营销活动效果预测的方法，其特征在于，所述营销活动效果数据，是门店在营销活动前后的商业指标提升值，至少包括下述任一指标：客单价提升百分点和复购率提升百分点。

3.根据权利要求1或2所述的用于营销活动效果预测的方法，其特征在于，所述选取目标门店的营销活动效果数据，包括下述处理：

建立目标门店的相似门店模型，基于所述相似门店模型确定目标门店的相似门店，从所述不同门店的营销活动效果数据中选取所述目标门店及其相似门店的营销活动效果数据。

4.根据权利要求3所述的用于营销活动效果预测的方法，其特征在于，所述建立目标门店的相似门店模型，包括：

从一个或多个维度获取门店特征值，基于KNN算法或者基于设定的门店相似度排序方法，根据所述特征值建立所述目标门店的相似门店模型；其中，所述一个或多个维度，至少包括下述任一维度：日均笔数、笔单价、门店所属商家ID、位置特征。

5.根据权利要求4所述的用于营销活动效果预测的方法，其特征在于，所述设定的门店相似度排序方法，包括：

通过预设条件筛选出所述目标门店的候选相似门店；

根据候选相似门店各维度特征值、各维度在相似门店排序中所占比重，以及相似门店与所述目标门店对应维度的特征值接近程度，确定门店相似度排序。

6.根据权利要求3所述的用于营销活动效果预测的方法，其特征在于，所述经过数据平滑处理得到所述目标门店的营销活动效果预估初值，包括下述平滑处理：取目标门店及其相似门店的客单价提升百分点的均值作为所述目标门店的客单价预估初值，取目标门店及其相似门店的复购率提升百分点的均值作为所述目标门店的复购率预估初值。

7.根据权利要求1所述的用于营销活动效果预测的方法，其特征在于，所述选取目标门店的营销活动效果数据，是选取发放量和核销量大于设定值的历史营销活动的活动效果数据。

8.根据权利要求2所述的用于营销活动效果预测的方法，其特征在于，所述基于不同门店的营销活动效果数据，通过线性拟合构建折扣率调节因子，包括：基于历史营销活动的客单价提升百分点和复购率提升百分点，通过最小二乘法进行线性拟合，得出折扣率调节因子随折扣率变化的计算公式。

9.根据权利要求8所述的用于营销活动效果预测的方法，其特征在于，所述通过最小二乘法进行线性拟合，得出折扣率调节因子随折扣率变化的计算公式，包括：

利用折扣率和营销活动效果，拟合出直线的截距和斜率，则折扣率调节因子随折扣率变化的计算公式为：折扣率调节因子等于斜率乘以折扣率再加上截距；

其中，截距等于活动效果平均值减去斜率乘以折扣率平均值；将各相似门店的折扣率离均差乘以活动效果离均差，求和后再除以各相似门店的折扣率离均差平方和，即得到斜率；所述离均差为实际值偏离平均值的距离。

10.一种用于商家活动效果预测的方法，其特征在于，包括：

从下述任一维度获取门店的特征值：日均笔数、笔单价、门店所属商家ID、位置特征，根据所述特征值，基于KNN算法或者基于设定的门店相似度排序方法，建立活动适用门店的相似门店模型；

基于所述相似门店模型确定活动适用门店的相似门店，获取相似门店营销活动效果数据，经过数据平滑处理得到该活动适用门店的营销活动效果预测值；

对活动适用门店的营销活动效果值进行聚合，得到商家活动效果预测值。