[发明专利]基于多特征的店铺销售效果预测方法及装置

权利要求书

1.一种基于多特征的店铺销售效果预测方法，其特征在于，所述方法包括：

确定目标店铺在对应的店铺区域内的区域店铺特征；

确定所述店铺区域的真实人群数量；

将所述区域店铺特征和所述真实人群数量输入至销售效果预测网络模型中，以确定出所述目标店铺的预计销售效果；所述销售效果预测网络模型为通过包括有多个销售效果已知的训练店铺及对应的区域店铺特征和真实人群数量的训练数据集训练得到。

2.根据权利要求1所述的基于多特征的店铺销售效果预测方法，其特征在于，所述确定目标店铺在对应的店铺区域内的区域店铺特征之前，所述方法还包括：

将目标区域中的所有店铺的位置确定为多个离散点；

根据维诺图算法，基于所述多个离散点，确定出所述多个离散点对应的维诺图；

将所述维诺图中每一所述离散点对应的划分区域，确定为所述离散点对应的所述店铺对应的店铺区域。

3.根据权利要求1所述的基于多特征的店铺销售效果预测方法，其特征在于，所述确定所述店铺区域的真实人群数量，包括：

确定所述店铺区域在目标时间段的通信终端数量；

将所述通信终端数量和所述区域店铺特征输入至训练好的人群预测网络模型中，以预测得到所述店铺区域在所述目标时间段的真实人群数量；所述人群预测网络模型为通过包括有多个已知在训练时间段的区域人群数量和通信终端数量和区域店铺特征的训练区域的训练数据集训练得到。

4.根据权利要求1所述的基于多特征的店铺销售效果预测方法，其特征在于，所述区域店铺特征包括店铺物理特征、区域内人群通信特征、区域内人群画像特征、区域内设施特征和区域竞品特征中的至少一种；所述店铺物理特征包括店铺面积、店铺位置和店铺地理形态的至少一种。

5.根据权利要求4所述的基于多特征的店铺销售效果预测方法，其特征在于，所述区域内人群通信特征包括使用至少一种运营商的终端数量、使用至少一种软件的终端数量、使用至少一种操作系统的终端数量和至少一种品牌的终端数量中的至少一种；和/或，所述区域内人群画像特征包括人群常住流动人口统计信息、人群设备品牌统计信息、人群人口属性统计信息、人群居住相关统计信息、人群工作职业统计信息、人群经济消费资产水平统计信息、人群出行统计信息、人群行为偏好统计信息、人群常去设施类别统计信息和人群软件使用类别统计信息中的至少一种。

6.根据权利要求1所述的基于多特征的店铺销售效果预测方法，其特征在于，所述销售效果预测网络模型包括Deep Crossing架构网络模型和WideDeep架构网络模型中的至少一种。

7.根据权利要求4所述的基于多特征的店铺销售效果预测方法，其特征在于，所述销售效果预测网络模型包括有预测输出层和同时连接至所述预测输出层的深层网络输入层和浅层网络输入层；所述将所述区域店铺特征和所述真实人群数量输入至销售效果预测网络模型中，以确定出所述目标店铺的预计销售效果，包括：

将所述目标店铺对应的所述区域店铺特征中的所述区域内人群画像特征输入至所述深层网络输入层；

将所述目标店铺对应的除所述区域内人群画像特征外的其他所述区域店铺特征以及所述真实人群数量输入至所述浅层网络输入层；

获取所述预测输出层输出的预测结果，根据所述预测结果确定所述目标店铺的预计销售效果。

8.根据权利要求1-7任一项所述的基于多特征的店铺销售效果预测方法，其特征在于，所述销售效果预测网络模型根据以下步骤被训练得到：

确定训练数据集；所述训练数据集包括有多个销售效果已知的训练店铺及对应的区域店铺特征和真实人群数量；

将所述训练数据集输入至销售效果预测训练模型进行训练直至收敛，以得到所述训练好的销售效果预测网络模型；所述销售效果预测训练模型包括所述销售效果预测网络模型以及相应的参数优化层。