[发明专利]一种零售户终端设备使用行为的智能评价方法

权利要求书

1.一种零售户终端设备使用行为的智能评价方法，其特征在于,其实现内容包括：

步骤S1、采集全国不同区域店铺终端的零售商销售记录数据，对采集数据进行初始化和修正操作；

步骤S2、基于零售户终端设备的使用行为，以及步骤S1输出的数据，设计云POS机的评级维度，并依次使用K-means聚类算法和DBSCAN密度聚类算法对不同评级维度的数据进行挖掘分析，归纳总结能够反映终端设备数据质量的评价指标；

步骤S3、计算不同评级维度下评价指标的得分情况，通过几何平均法,将多个评价指标进行结合,生成不同评级维度数据质量量化结果，并根据量化结果生成零售户终端设备数据的分析评价报告。

2.根据权利要求1所述的一种零售户终端设备使用行为的智能评价方法，其特征在于，全国的店铺首先按销售额划分为大、中、小三类店铺，随后按照地区差异进一步划分为华北、东北、华东、华中、华南、西南、西北七个销售区域，最后根据店铺的地理位置，将不同销售区域且不同大小的店铺划分为商业区、文教区、住宅区、工业区四个级别。

3.根据权利要求1所述的一种零售户终端设备使用行为的智能评价方法，其特征在于，采集的零售商销售记录数据包括零售户的扫码行为数据、商品销售数据、库存管理数据。

4.根据权利要求3所述的一种零售户终端设备使用行为的智能评价方法，其特征在于，采集全国不同区域店铺终端的零售商销售记录数据，计算同一家店铺在设定时间段内某个销售数据的平均值，基于平均值，设定销售数据阈值，将超出销售数据阈值对应的一条或几条销售记录数据作为异常销售数据，存储于异常零售商数据库，将符合销售数据阈值对应的一条或几条销售记录数据作为优质销售数据，存储于优质零售商数据库；

对优质零售商数据库的数据进行初始化处理，随后进行编码、处理字段异常值的修正操作，最后得到的数据包含以下字段：店铺编码SHOP_ID、销售日期SALES_DATE、小包装条码SMALL_BARCODE、销售单创建时间CREA_DATE、唯一支付码OPENID、库存量STOAMT、购进量STKAMT。

5.根据权利要求2所述的一种零售户终端设备使用行为的智能评价方法，其特征在于，设计云POS机包括四个评级维度，分别是：扫码持续、扫码规范、管理规范、支付规范，随后先使用K-means聚类算法对云POS机用户进行分组聚类，应用店铺的销售额、地区差异、地理位置进行聚类计算，划分出整体情况相近的客户形成小组，保证组内经营水平一致，并设置统一评测标准，再使用DBSCAN密度聚类算法对店铺的扫码持续、扫码规范、管理规范、支付规范四个维度所包含数据进行聚类计算，得到数据聚集区间作为合理区间，以此确定不同评级维度下的评价指标，并判断异常指标，其中，

扫码持续评级维度包括扫码时间指标和扫码笔数指标，

扫码规范评级维度包括扫码集中度指标和全商品扫码指标，

管理规范评级维度包括卷烟负库存指标、卷烟库存异常大、价格异常指标，

支付规范评级维度包括扫码支付指标。

6.根据权利要求5所述的一种零售户终端设备使用行为的智能评价方法，其特征在于，扫码时间指标包括每天扫码最低时点数和扫码天数两个子指标；计算扫码时间指标时，需要规定最低日均扫码时点度,并以日均8小时为满分档,同时针对有扫码行为天数进行考察，以7天均有扫码为满分档，通过几何平均法，将两个子指标进行结合，用以评价零售扫码时间行为；

针对扫码笔数指标，从业态、档位、位置进行分类，在类内进行聚类分析，衡量客户应有的客流量情况，其中，将业态分为超市便利店、商场烟酒店娱乐服务、食杂店其他三类，将地理位置分为城镇、乡村两类，将档位分为1-14档、15-23档、4档以上三类，取笛卡尔积后共获得18个小类，在小类内进行密度聚类模型训练，选出除离散值外的类内销售笔数80％分位数为满分标准。