[发明专利]门店的智能管理方法及装置

权利要求书

1.一种门店的智能管理方法，其特征在于，包括：

确定为用户分配的至少一个门店；

获取所述至少一个门店的门店信息，以及所述用户对所述至少一个门店的历史服务信息；

基于所述门店信息和所述历史服务信息，获取所述至少一个门店中每个门店的门店评估统计结果、门店配比统计结果以及门店距离统计结果，其中，所述门店评估统计结果用于指示用户对进货平台为用户分配的多个门店中每个门店的拜访频率，所述门店配比统计结果用于描述进货平台为用户已分配的门店数量与进货平台为用户待分配的门店数量的比例关系；

采用所述门店评估统计结果、所述门店配比统计结果以及所述门店距离统计结果生成门店拜访规划信息。

2.根据权利要求1所述的方法，其特征在于，所述门店信息至少包括：消费者购买商品的优惠类信息、门店采购与销售行为类信息、消费者交易行为信息、门店地理位置信息；所述历史服务信息至少包括：所述用户服务的门店数量、所述用户的拜访覆盖率；基于所述门店信息和所述历史服务信息获取所述门店评估统计结果包括：

对所述门店信息和所述历史服务信息进行分类整合，确定每个门店的采购决策类型、每个门店对进货平台和所述用户的收益影响以及每个门店的成长路径，其中，所述采购决策类型包括以下之一：门店自主采购、用户驱动采购、进货平台促销驱动采购，所述成长路径用于描述每个门店从所述进货平台进货的采购额变化过程；

根据每个门店的采购决策类型、每个门店对所述进货平台和所述用户的收益影响以及每个门店的成长路径，获取门店类特征标签与用户类特征标签；

将所述门店类特征标签与所述用户类特征标签设置为输入数据，输入至预设评估模型，得到所述门店评估统计结果，以确定每个门店的服务需求。

3.根据权利要求2所述的方法，其特征在于，所述预设评估模型为线性回归模型、迭代决策树模型以及深度学习模型中的任一模型，或者，所述预设评估模型为线性回归模型、迭代决策树模型以及深度学习模型中至少两个模型融合而成的模型。

4.根据权利要求1所述的方法，其特征在于，获取所述门店配比统计结果包括：

根据所述用户的等级确定为所述用户分配的门店数量上限；

采用所述门店数量上限与所述至少一个门店的门店数量计算得到为所述用户待分配的门店数量；

计算所述至少一个门店的门店数量与所述待分配的门店数量的比值，得到所述门店配比统计结果。

5.根据权利要求2所述的方法，其特征在于，获取所述门店距离统计结果包括：

根据所述至少一个门店中每个门店的地理位置信息计算所述至少一个门店中每两个门店之间的距离；

采用计算得到的距离数据生成二维距离关系表，得到所述门店距离统计结果。

6.根据权利要求1所述的方法，其特征在于，采用所述门店评估统计结果、所述门店配比统计结果以及所述门店距离统计结果生成所述门店拜访规划信息包括：

获取与所述门店评估统计结果对应的第一预设权重值、与所述门店配比统计结果对应的第二预设权重值以及与所述门店距离统计结果对应的第三预设权重值；

采用所述门店评估统计结果与所述第一预设权重值的乘积、所述门店配比统计结果与所述第二预设权重值的乘积以及所述门店距离统计结果与所述第三预设权重值的乘积进行加权求和运算，生成所述门店拜访规划信息，以指示所述用户对所述至少一个门店的拜访路径以及每个门店的服务需求。