[發明專利]可智能調價的收益管理系統及智能調價方法

在審

• 申請號: 201710578833.X
• 申請日: 2017-07-17
• 公開（公告）號: CN107563785A
• 公開（公告）日: 2018-01-09
• 發明（設計）人: 王強;劉茜;時志紅;張煥嶺
• 申請（專利權）人: 北京影合眾新媒體技術服務有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q10/06
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及一種收益管理系統，具體地說是一種可智能調價的收益管理系統及智能調價方法，屬于收益管理系統領域。

背景技術

目前，由于在線購票的便捷性、高效性，越來越多的人選擇通過互聯網渠道購買電影票，然后到影院自助機取票觀影。對于影院的經營方來講，一方面希望通過互聯網渠道為影院帶來更多的觀影人群、提高上座率；另一方面由于對互聯網渠道進行票價調控主要依賴影院運營人員手動操作，效率低下且不具備完善的決策依據，存在運營成本高、運營效果不理想的問題。因此，為影院提供一套可精準智能調價的收益管理系統，幫助影院實現票房收益最大化、降低影院的運營成本顯得迫在眉睫。現有的《鼎新影院電商營銷平臺》已經實現針對不同渠道設置不同的價格規則、活動規則、售賣規則，以及根據每個場次的影片制式、影廳類型、影廳區域、觀影時段等條件設置不同的價格和售賣規則，目前系統中的定價是根據用戶設置的價格規則，通過價格計算得到的固定的價格，完全通過人工的方式進行控制，需要運營人員有較豐富的行業經驗和市場把控能力，對影院來說運營的成本較高，且效率較低。

發明內容

為了解決上述問題，本發明設計了一種可智能調價的收益管理系統及智能調價方法，能夠對影院場次票房實時監控，根據臨開場時間、影片熱度、影廳類型、市場均價、影院分類、影片分類等基礎數據模型，對影院場次票價進行智能調整，以提高影院收益、降低運營成本。

本發明的技術方案為：

可智能調價的收益管理系統，主要包含數據監控模塊、智能調價模塊、收益預測模塊；

數據監控模塊幫助影院全面地了解當前市場情況、附近影院的場次、深度分析本影院的場次票房數據，為智能調價提供了有力的決策依據，該模塊包含場次票房監控、競品票房分析、影片熱度分析三大內容；

1.1場次票房監控涵蓋了每個場次的當前上座率、臨開場時間、場次放映時長、放映影片基本信息、場次是否啟用了智能調價等維度的信息；

1.2競品票房分析為影院提供了周邊影院的場次信息，包括有多少相近場次、影片不同介質的票價分布情況、場次上座率情況等信息；其中，相近場次可理解為同一部影片存在多種不同的放映介質；

1.3影片熱度分析提供了當前熱映影片的實時票房、平均上座率統計信息，幫助影院追蹤當前熱映影片。

智能調價模塊是基于對給定指標進行大量數據分析和機器學習后進行的無需人工干預的自動調價的行為，具有調價頻率可控、調價幅度可控、調價范圍可控、調價結果精準、適用范圍可控等優點。

收益預測模塊是機器學習系統基于對觀影人次、影片類型、影片熱度、上映時間、調價時間等綜合因素進行建模分析的過程；通過對模型的數據指標進行量化分析，精準預測出觀影人次是否會增長、票房是否會增長、上座率是否會增長。

一種基于上述動態建模和機器學習系統的智能調價方法，包括如下步驟：

（1）學習已有的訂單數據，包括清洗歷史訂單數據，為機器學習做第一步準備，提供訓練數據；

訂單數據清洗過程包括剔除離群數據等；

機器學習的范圍包括影片類型、影片介質、影片上映時間、影片熱度、場次開場時間、歷史票價等參數對票價的影響；

（2）通過非監督式學習過程，計算各因素中每個因子對票價影響的權重；

預設影院客觀條件參數，主要包括：在使用智能調價之前，首先應當在系統內輸入影院的基本信息，基本信息包括當前影院的集團品牌、地理位置、基礎設施等；輸入完成后，系統會根據影院的客觀條件得出一個客觀的評分系數；該系數用于將智能調價程序算出的最終價格進行加鹽處理；當上述影院的客觀條件發生變更后，評分系數會自動調整。

（3）智能調價程序的運算過程包括以下邏輯：從數據庫查詢所有啟用了智能調價的場次；遍歷這些場次，依次計算每個場次的最優票價：獲取場次的影片類型、影片介質、影片上映時間、影片熱度、場次開場時間、歷史票價等信息，該信息維度與機器學習的維度相同；將機器學習得出的每個維度的權重應用到當前場次，得出一個最優票價，某個維度的信息缺失不影響智能調價程序的正常運行，缺失的信息維度會以默認值來計算；將計算出的最優票價與影院客觀條件評分系數相乘，得出最終的最優票價；

（4）通過以上智能調價學習的過程，不斷地給各個影響因素尋找最完美的權重系數，其中的學習方法包含以下步驟：通過歷史訂單總票房和總座位數，計算出平均票價；將平均票價除以影響票價的因素總數，得出每個因素平均所占的權重值；通過不斷的對訓練數據進行學習，逐步調整每一項因素的權重系數；