[發(fā)明專(zhuān)利]可智能調(diào)價(jià)的收益管理系統(tǒng)及智能調(diào)價(jià)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710578833.X
• 申請(qǐng)日: 2017-07-17
• 公開(kāi)（公告）號(hào): CN107563785A
• 公開(kāi)（公告）日: 2018-01-09
• 發(fā)明（設(shè)計(jì)）人: 王強(qiáng);劉茜;時(shí)志紅;張煥嶺
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京影合眾新媒體技術(shù)服務(wù)有限公司
• 主分類(lèi)號(hào): G06Q30/02
• 分類(lèi)號(hào): G06Q30/02;G06Q10/06
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.可智能調(diào)價(jià)的收益管理系統(tǒng)，其特征在于：主要包含數(shù)據(jù)監(jiān)控模塊、智能調(diào)價(jià)模塊、收益預(yù)測(cè)模塊；

數(shù)據(jù)監(jiān)控模塊幫助影院全面地了解當(dāng)前市場(chǎng)情況、附近影院的場(chǎng)次、深度分析本影院的場(chǎng)次票房數(shù)據(jù)，為智能調(diào)價(jià)提供了有力的決策依據(jù)；

智能調(diào)價(jià)模塊是基于對(duì)給定指標(biāo)進(jìn)行大量數(shù)據(jù)分析和機(jī)器學(xué)習(xí)后進(jìn)行的無(wú)需人工干預(yù)的自動(dòng)調(diào)價(jià)的行為；

收益預(yù)測(cè)模塊是機(jī)器學(xué)習(xí)系統(tǒng)基于對(duì)觀影人次、影片類(lèi)型、影片熱度、上映時(shí)間、調(diào)價(jià)時(shí)間綜合因素進(jìn)行建模分析的過(guò)程；通過(guò)對(duì)模型的數(shù)據(jù)指標(biāo)進(jìn)行量化分析，精準(zhǔn)預(yù)測(cè)出觀影人次是否會(huì)增長(zhǎng)、票房是否會(huì)增長(zhǎng)、上座率是否會(huì)增長(zhǎng)。

2.根據(jù)權(quán)利要求1所述的可智能調(diào)價(jià)的收益管理系統(tǒng)，其特征在于：所述數(shù)據(jù)監(jiān)控模塊包含場(chǎng)次票房監(jiān)控、競(jìng)品票房分析、影片熱度分析三大內(nèi)容；

場(chǎng)次票房監(jiān)控涵蓋了每個(gè)場(chǎng)次的當(dāng)前上座率、臨開(kāi)場(chǎng)時(shí)間、場(chǎng)次放映時(shí)長(zhǎng)、放映影片基本信息、場(chǎng)次是否啟用了智能調(diào)價(jià)維度的信息；

競(jìng)品票房分析為影院提供了周邊影院的場(chǎng)次信息，包括有多少相近場(chǎng)次、影片不同介質(zhì)的票價(jià)分布情況、場(chǎng)次上座率情況信息；其中，相近場(chǎng)次可理解為同一部影片存在多種不同的放映介質(zhì)；

影片熱度分析提供了當(dāng)前熱映影片的實(shí)時(shí)票房、平均上座率統(tǒng)計(jì)信息，幫助影院追蹤當(dāng)前熱映影片。

3.一種基于權(quán)利要求1-2所述的可智能調(diào)價(jià)的收益管理系統(tǒng)的智能調(diào)價(jià)方法，包括如下步驟：

（1）學(xué)習(xí)已有的訂單數(shù)據(jù)，包括清洗歷史訂單數(shù)據(jù)，為機(jī)器學(xué)習(xí)做第一步準(zhǔn)備，提供訓(xùn)練數(shù)據(jù)；

訂單數(shù)據(jù)清洗過(guò)程包括剔除離群數(shù)據(jù)；

（2）通過(guò)非監(jiān)督式學(xué)習(xí)過(guò)程，計(jì)算各因素中每個(gè)因子對(duì)票價(jià)影響的權(quán)重；

預(yù)設(shè)影院客觀條件參數(shù)，主要包括：在使用智能調(diào)價(jià)之前，首先應(yīng)當(dāng)在系統(tǒng)內(nèi)輸入影院的基本信息，基本信息包括當(dāng)前影院的集團(tuán)品牌、地理位置、基礎(chǔ)設(shè)施；輸入完成后，系統(tǒng)會(huì)根據(jù)影院的客觀條件得出一個(gè)客觀的評(píng)分系數(shù)；該系數(shù)用于將智能調(diào)價(jià)程序算出的最終價(jià)格進(jìn)行加鹽處理；當(dāng)上述影院的客觀條件發(fā)生變更后，評(píng)分系數(shù)會(huì)自動(dòng)調(diào)整；

（3）智能調(diào)價(jià)程序的運(yùn)算過(guò)程包括以下邏輯：從數(shù)據(jù)庫(kù)查詢(xún)所有啟用了智能調(diào)價(jià)的場(chǎng)次；遍歷這些場(chǎng)次，依次計(jì)算每個(gè)場(chǎng)次的最優(yōu)票價(jià)：獲取場(chǎng)次的影片類(lèi)型、影片介質(zhì)、影片上映時(shí)間、影片熱度、場(chǎng)次開(kāi)場(chǎng)時(shí)間、歷史票價(jià)信息，該信息維度與機(jī)器學(xué)習(xí)的維度相同；將機(jī)器學(xué)習(xí)得出的每個(gè)維度的權(quán)重應(yīng)用到當(dāng)前場(chǎng)次，得出一個(gè)最優(yōu)票價(jià)，某個(gè)維度的信息缺失不影響智能調(diào)價(jià)程序的正常運(yùn)行，缺失的信息維度會(huì)以默認(rèn)值來(lái)計(jì)算；將計(jì)算出的最優(yōu)票價(jià)與影院客觀條件評(píng)分系數(shù)相乘，得出最終的最優(yōu)票價(jià)；

（4）通過(guò)以上智能調(diào)價(jià)學(xué)習(xí)的過(guò)程，不斷地給各個(gè)影響因素尋找最完美的權(quán)重系數(shù)，其中的學(xué)習(xí)方法包含以下步驟：通過(guò)歷史訂單總票房和總座位數(shù)，計(jì)算出平均票價(jià)；將平均票價(jià)除以影響票價(jià)的因素總數(shù)，得出每個(gè)因素平均所占的權(quán)重值；通過(guò)不斷的對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行學(xué)習(xí)，逐步調(diào)整每一項(xiàng)因素的權(quán)重系數(shù)；

（5）將影院的歷史訂單帶入以上算法中，計(jì)算出每張票的實(shí)際價(jià)格與算法得出的最優(yōu)價(jià)格的偏差；將所有的偏差平方后求和獲得總計(jì)；將總計(jì)除以實(shí)際票張數(shù)，得到預(yù)期價(jià)格的平均偏差；不斷計(jì)算新產(chǎn)生訂單的偏離平均值；

當(dāng)特定范圍訂單的偏離平均值低于系統(tǒng)當(dāng)前的偏離平均值時(shí)，更新相應(yīng)的調(diào)價(jià)系數(shù)和預(yù)計(jì)偏離平均值，將這些調(diào)價(jià)系數(shù)作為以后同類(lèi)場(chǎng)次的調(diào)價(jià)系數(shù)；由以上計(jì)算方法可知，當(dāng)調(diào)價(jià)系數(shù)不同權(quán)重組合越多；使用調(diào)價(jià)系數(shù)進(jìn)行的調(diào)價(jià)結(jié)果最接近理想價(jià)格，帶來(lái)的收益也最高；同時(shí)，收益預(yù)測(cè)系統(tǒng)的結(jié)果也將越來(lái)越精準(zhǔn)。

4.根據(jù)權(quán)利要求3所述的智能調(diào)價(jià)方法，其特征在于：所述步驟（1）機(jī)器學(xué)習(xí)的范圍包括影片類(lèi)型、影片介質(zhì)、影片上映時(shí)間、影片熱度、場(chǎng)次開(kāi)場(chǎng)時(shí)間、歷史票價(jià)參數(shù)對(duì)票價(jià)的影響。

5.根據(jù)權(quán)利要求3所述的智能調(diào)價(jià)方法，其特征在于：所述步驟（4）影響票價(jià)的具體因素可分為以下類(lèi)別：影片上映時(shí)間，臨開(kāi)場(chǎng)時(shí)間，售賣(mài)時(shí)間，影片介質(zhì)，影片類(lèi)型，影廳類(lèi)型，影片演員票房號(hào)召力，影片導(dǎo)演票房號(hào)召力，周邊競(jìng)品影院。