[發(fā)明專利]一種商家客流量的預(yù)測方法及裝置

在審

• 申請?zhí)枺?/td>: 201710361354.2
• 申請日: 2017-05-19
• 公開（公告）號: CN107133825A
• 公開（公告）日: 2017-09-05
• 發(fā)明（設(shè)計）人: 張珣
• 申請（專利權(quán)）人: 上海斐訊數(shù)據(jù)通信技術(shù)有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 上海碩力知識產(chǎn)權(quán)代理事務(wù)所31251
• 代理人: 郭桂峰

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)處理領(lǐng)域，尤指一種商家客流量的預(yù)測方法及裝置。

背景技術(shù)

隨著移動定位服務(wù)的流行，大型電商平臺積累了來自用戶和商家的海量線上線下交易數(shù)據(jù)。商家平臺用這些數(shù)據(jù)為商家提供了包括交易統(tǒng)計，銷售分析和銷售建議等定制的后端商業(yè)智能服務(wù)。比如，電商平臺可以為每個商家提供銷售預(yù)測。基于預(yù)測結(jié)果，商家可以優(yōu)化運營，降低成本，并改善用戶體驗。

通常情況下，預(yù)測一般針對交通流，天氣等比較龐大復(fù)雜的系統(tǒng)，對于商家的客流量的預(yù)測，目前國內(nèi)外研究得較少，一般通過簡單的歷史數(shù)據(jù)統(tǒng)計，使用一些時間序列方法進行預(yù)測，這樣的方法預(yù)測結(jié)果和實際結(jié)果往往差距很大。由于影響客流量的因素有多種多樣，因此這種僅僅依據(jù)歷史數(shù)據(jù)對客流量進行預(yù)測的方法會導(dǎo)致預(yù)測的精準度尤其是短期預(yù)測的精準度比較低。綜上所述，現(xiàn)有技術(shù)中的商家客流量的預(yù)測方法預(yù)測的客流量的精準度比較低。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種商家客流量的預(yù)測方法及裝置，實現(xiàn)更加精準的預(yù)測商家的客流量，便于商家優(yōu)化運營。

本發(fā)明提供的技術(shù)方案如下：

本發(fā)明提供一種商家客流量的預(yù)測方法，包括：S100獲取用戶消費數(shù)據(jù)和影響客流量的特征屬性信息；S200根據(jù)所述用戶消費數(shù)據(jù)和所述特征屬性信息，分別構(gòu)建決策樹模型和目標ARIMA模型，預(yù)測各個商家未來的客流量。

進一步的，所述S200包括：S210根據(jù)所述特征屬性信息和各個商家對應(yīng)的固定消費者的用戶消費數(shù)據(jù)，構(gòu)建各個商家對應(yīng)的各個固定消費者的決策樹模型；S220根據(jù)各個商家對應(yīng)的隨機消費者的用戶消費數(shù)據(jù)，構(gòu)建各個商家的目標ARIMA模型；S230通過所述決策樹模型和所述目標ARIMA模型，預(yù)測各個商家未來的客流量。

進一步的，所述S100之后包括：S110根據(jù)所述用戶消費數(shù)據(jù)，統(tǒng)計各個消費者在各個商家的消費次數(shù)；S120判斷當前消費者在當前商家的消費次數(shù)在預(yù)設(shè)檢測時間周期內(nèi)是否達到預(yù)設(shè)消費次數(shù)；若是，判定當前消費者是當前商家的固定消費者；若否，判定當前消費者是當前商家的隨機消費者。

進一步的，所述S210包括：S211根據(jù)所述特征屬性信息和每個固定消費者對應(yīng)的用戶消費數(shù)據(jù)，分別構(gòu)建每個固定消費者的決策樹模型；S212根據(jù)每個固定消費者的決策樹模型，分別預(yù)測每個固定消費者在各個商家的預(yù)測消費次數(shù)；S213分別統(tǒng)計各個商家對應(yīng)的所有固定消費者的預(yù)測消費次數(shù)得到第一消費次數(shù)預(yù)測值；所述S220包括：S221根據(jù)各個商家對應(yīng)的隨機消費者的用戶消費數(shù)據(jù)，分別構(gòu)建各個商家的目標ARIMA模型；S222根據(jù)各個商家的目標ARIMA模型，分別預(yù)測各個商家的第二消費次數(shù)預(yù)測值；所述S230包括：S231運算各個商家對應(yīng)的所述第一消費次數(shù)預(yù)測值和所述第二消費次數(shù)預(yù)測值的和值，得到各個商家未來的客流量。

進一步的，所述特征屬性信息包括：消費時間信息、商家類型信息、消費者評分信息、價格信息和氣象信息中的任意多種。

本發(fā)明提供一種商家客流量的預(yù)測裝置，包括：獲取模塊，獲取用戶消費數(shù)據(jù)和影響客流量的特征屬性信息；處理模塊，根據(jù)所述獲取模塊獲取的所述用戶消費數(shù)據(jù)和所述特征屬性信息，分別構(gòu)建決策樹模型和目標ARIMA模型，預(yù)測各個商家未來的客流量。

進一步的，所述處理模塊包括：第一構(gòu)建子模塊，根據(jù)所述特征屬性信息和各個商家對應(yīng)的固定消費者的用戶消費數(shù)據(jù)，構(gòu)建各個商家對應(yīng)的各個固定消費者的決策樹模型；第二構(gòu)建子模塊，根據(jù)各個商家對應(yīng)的隨機消費者的用戶消費數(shù)據(jù)，構(gòu)建各個商家的目標ARIMA模型；運算子模塊，根據(jù)所述第一構(gòu)建子模塊構(gòu)建的所述決策樹模型和所述第二構(gòu)建子模塊構(gòu)建的所述目標ARIMA模型，預(yù)測各個商家未來的客流量。

進一步的，還包括：統(tǒng)計模塊，根據(jù)所述獲取模塊獲取的所述用戶消費數(shù)據(jù)，統(tǒng)計各個消費者的在各個商家的消費次數(shù)信息；判斷模塊，判斷所述統(tǒng)計模塊統(tǒng)計的當前消費者在當前商家的消費次數(shù)在預(yù)設(shè)檢測時間周期內(nèi)是否達到預(yù)設(shè)消費次數(shù)；若是，判定當前消費者是當前商家的固定消費者；若否，判定當前消費者是當前商家的隨機消費者。