[发明专利]一种门店数据的预测模型及其建立方法

权利要求书

1.一种门店数据预测模型的建立方法，其特征在于，包括以下步骤：

通过网络爬虫技术获取门店周边的第一门店信息，并通过企业内部管理系统获取第二门店信息，将所述第一门店信息和所述第二门店信息存入数据库；

对所述第一门店信息和所述第二门店信息进行清洗和结构化数据处理，得到不同类型的销售数据，将所述销售数据分为连续变量数据和离散变量数据，对所述连续变量数据进行归一化修正，对所述离散变量数据进行赋值连续优化；

利用机器学习的方法对所述归一化修正和所述连续优化后的特征数据进行打分，自动选取得分高的所述特征数据进行训练集学习，得到销售规模的预测模型，再利用待预测门店的实际销售规模数据对所述预测模型复盘优化。

2.根据权利要求1所述的门店数据预测模型的建立方法，其特征在于，根据所述待预测门店的具体位置及零售场景，利用所述预测模型输出所述待预测门店销售规模的预测值。

3.根据权利要求1所述的门店数据预测模型的建立方法，其特征在于，所述爬虫技术爬取的途径至少包括爬取地图数据、爬取网购数据、爬取官方统计数据。

4.根据权利要求1所述的门店数据预测模型的建立方法，其特征在于，所述第一门店信息包括城市数据特征、商圈数据特征、地理数据特征，所述第二门店信息包括门店会员数据特征和门店项目数据特征。

5.根据权利要求1所述的门店数据预测模型的建立方法，其特征在于，所述归一化修正包括：对接近正态分布的所述连续变量数据先进行对数纠偏，然后将纠偏后的所述连续变量数据进行均值归一化处理。

6.根据权利要求1所述的门店数据预测模型的建立方法，其特征在于，所述赋值连续优化包括：对所述离散变量数据进行一元方差分析，筛选对门店的坪效影响较大的所述离散变量数据，然后对筛选后的所述离散变量数据转化为门店对应的坪效均值，将不同的所述坪效均值按照不同的定量数值进行连续排序。

7.根据权利要求2所述的门店数据预测模型的建立方法，其特征在于，在利用所述预测模型输出预测结果之前还包括明确所述零售场景的业态类型，根据所述业态类型，自动关联并匹配到相对应的指定预测模型。

8.一种门店数据的预测模型，其特征在于，包括：

数据采集模块，包括网络爬虫单元和企业数据采集单元，所述网络爬虫单元用于通过网络爬虫技术获取门店周边的第一门店信息，所述企业数据采集单元用于通过企业内部管理系统获取第二门店信息，所述数据采集模块再将所述第一门店信息和所述第二门店信息存入数据库；

数据处理模块，用于对所述第一门店信息和所述第二门店信息进行清洗和结构化数据处理，得到不同类型的销售数据，将所述销售数据分为连续变量数据和离散变量数据，对所述连续变量数据进行归一化修正，对所述离散变量数据进行赋值连续优化；

机器学习模块，用于对所述归一化修正和所述连续优化后的特征数据进行打分，自动选取得分高的所述特征数据进行训练集学习，得到销售规模的预测模型，并利用所述待预测门店的实际销售规模数据对所述预测模型复盘优化。

9.根据权利要求8所述的门店数据的预测模型，其特征在于，所述数据处理模块包括有连续变量修正单元，用于对接近正态分布的所述连续变量数据先进行对数纠偏，然后将纠偏后的所述连续变量数据进行均值归一化处理。

10.根据权利要求8所述的门店数据的预测模型，其特征在于，所述数据处理模块包括有离散变量优化单元，用于对所述离散变量数据进行一元方差分析，筛选对门店的坪效影响较大的所述离散变量数据，然后对筛选后的所述离散变量数据转化为门店对应的坪效均值，将不同的所述坪效均值按照不同的定量数值进行连续排序。