一種基于商場大數據的空鋪推薦系統技術方案

本發明專利技術公開了一種基于商場大數據的空鋪推薦系統，包括：包括：門店經營預警模塊、專家推薦模塊、冷啟動解決方案模塊、融合推薦模塊；門店經營預警模塊：使用門店歷史經營數據，包括：門店銷售額、租金、客流、面積，預測在半年后租約到期的門店是否續約的概率，并且對不續約概率較高的門店提出預警；專家推薦模塊：使用歷史換鋪經驗進行推薦；冷啟動解決方案模塊：使用爆款品牌經營狀況進行推薦；融合推薦模塊：將基于歷史換鋪經驗的推薦和基于爆款品牌經營狀況的推薦進行融合，從而解決推薦結果過于單一，缺乏新意的問題。其自動化系統結構，智能化空鋪選擇的流程，有助于緩解或消除由商場管理者的認知偏差造成的決策失誤。

An empty shop recommendation system based on big data of shopping mall

【技術實現步驟摘要】
一種基于商場大數據的空鋪推薦系統
本專利技術涉及商場管理系統領域，特別涉及一種基于商場大數據的空鋪推薦系統。
技術介紹
據統計，在大型商場中每年約有10％以上的店鋪會由于經營不善而倒閉，可能導致臨時空鋪，從而影響商場整體的經營效率。如何有效的減少空鋪率，并且同時維持或者提高商場的租金收入，從而使商場的經營進入一個不斷優化的良性循環，是每個商場管理者都會遇到的核心問題之一。在現有的大型商場的經營管理中，依然存在大量基于商場管理者主觀判斷的臨時決策，這些決策大多是行之有效的。但是，難免會出現管理者獲得的信息存在偏差，或者信息本身存在偏差的時候，從而導致商場管理者決策失誤，對商場的經營管理帶來負面的影響。
技術實現思路
針對現有技術中的上述不足，本專利技術提供了一種基于商場大數據的空鋪推薦系統，其自動化系統結構，智能化空鋪選擇的流程，有助于緩解或消除由商場管理者的認知偏差造成的決策失誤。為了達到上述專利技術目的，本專利技術采用的技術方案為：一種基于商場大數據的空鋪推薦系統，包括：包括：門店經營預警模塊、專家推薦模塊、冷啟動解決方案模塊、融合推薦模塊；門店經營預警模塊：使用門店歷史經營數據，包括：門店銷售額、租金、客流、面積，預測在半年后租約到期的門店是否續約的概率，并且對不續約概率較高的門店提出預警；專家推薦模塊：使用歷史換鋪經驗進行推薦；冷啟動解決方案模塊：為了解決推薦中冷啟動的問題，使用爆款品牌經營狀況進行推薦；融合推薦模塊：將基于歷史換鋪經驗的推薦和基于爆款品牌經營狀況的推薦進行融合，從而解決推薦結果過于單一，缺乏新意的問題。本專利技術的有益效果為：其自動化系統結構，智能化空鋪選擇的流程，有助于緩解或消除由商場管理者的認知偏差造成的決策失誤；使用歷史換鋪經驗進行推薦，有希望將廣場的租金收益最大化；使用爆款品牌經營狀況進行推薦，有助于解決推薦中的冷啟動問題，并且促進商場引進新的品牌，提高商場的經營活力。附圖說明圖1為本專利技術的系統流程圖。具體實施方式為了使本專利技術的內容更容易被清楚地理解，下面將結合本專利技術實施例中的附圖，對本專利技術實施例中的技術方案進行清楚、完整地描述。如圖1所示，一種基于商場大數據的空鋪推薦系統，包括：包括：門店經營預警模塊、專家推薦模塊、冷啟動解決方案模塊、融合推薦模塊；門店經營預警模塊：使用門店歷史經營數據，包括：門店銷售額、租金、客流、面積，預測在半年后租約到期的門店是否續約的概率，并且對不續約概率較高的門店提出預警；專家推薦模塊：使用歷史換鋪經驗進行推薦；冷啟動解決方案模塊：為了解決推薦中冷啟動的問題，使用爆款品牌經營狀況進行推薦；融合推薦模塊：將基于歷史換鋪經驗的推薦和基于爆款品牌經營狀況的推薦進行融合，從而解決推薦結果過于單一，缺乏新意的問題。門店經營預警模塊使用的原始數據來自于30個省市300個廣場約9000個門店的經營面積、租金、銷售和客流數據(見表1)；門店數據如果在一個月以上的時間跨度后還未錄入系統，那么該門店就被標記為關店。表1:門店數據樣例使用表1中的數據以及邏輯回歸算法，可以計算出每個門店在未來半年關店的概率P(y＝close|sale,cv,area,rent)。通過決定關店概率的閾值，可以給出該門店的是否關店的預測；專家推薦模塊：基于數百個商場多年的數據積累，可以獲得換鋪前的品牌和換鋪后的品牌名，如表2所示。由于商場每家店鋪的換鋪都是商場管理者深思熟慮的成果，因此這些推薦經驗基本符合商場經營管理的基本認知。例如，大型超市一般放置在地下一層，大型餐飲放置在較高的樓層等。同時我們可以獲得換鋪后租金增長率和銷售增長率。表2:換鋪數據樣例實用歷史換鋪數據的專家推薦的具體步驟為：1.搜索需要換鋪的品牌；2.篩除同一店鋪和過去一年出現過在此廣場的店鋪；3.對租金增長率進行排序；4.提供前n個品牌，作為推薦備選；5.因為有一些店鋪在所有的商場中沒有出現過，可能會出現推薦的店鋪為空的情況，如果出現這種情況，使用冷啟動解決方案；冷啟動解決方案模塊：冷啟動時推薦系統中一個常見的問題，其存在的主要原因是被推薦者的歷史數據不足。在空鋪推薦中，相對應的問題就是在歷史數據中找不到該品牌被替換的例子。由于商場品牌繁多，尤其是一些更換比較頻繁的小型餐飲，上述情況是普遍存在的。為了解決冷啟動的問題，我們建立了一組數據，命名為爆款品牌庫，如表3所示。顧名思義，該數據庫中的數據都是商場中經營狀況比較好的品牌。爆款品牌庫的建立原則是遍歷所有商場的所有門店，在相同的業態下，選擇備選門店對銷售額增長率進行排序，選取的銷售額增長率前n個品牌作為備選。表3:爆款品牌庫使用爆款品牌庫進行推薦的具體步驟為：1.搜索需要換鋪的品牌；2.篩除同一店鋪和過去一年出現過在此廣場的店鋪；3.使用業態篩選備選品牌；4.使用店鋪面積篩選備選品牌；5.將符合上述標準的門店按照銷售額增長率進行排序；6.輸出銷售額增長率最高的的門店。值得注意的是在同樣的業態和相似面積的基礎上，經測試任何品牌都可以得到可供推薦的品牌，因此此方案可以解決冷啟動的問題。融合推薦模塊在最后一個模塊中，我們融合了基于專家的推薦和基于爆款品牌經營表現的推薦，其原因是任何一個推薦算法占主導之后，會出現推薦的店鋪過于單一的問題，這樣會與商場經營多元化的目標背道而馳。因此，我們運用一個簡單的explorationandexploitation算法，生成一個隨機數a，a是0到1之間的一個隨機數,并且設置一個閾值B,B是0到1之間的一個固定數；1、如果a<B,那么使用基于專家的推薦，2、如果a>＝B,那么使用基于爆款品牌經營表現的推薦。這里的閾值可以根據商場經營者的經營風格進行改變。最后，我們給出了整個推薦系統的流程圖，詳見圖1。首先，通過門店歷史經營數據預測這個門店的關店概率；如果這個門店預測會關店，那么開始判斷此品牌是否在歷史換鋪數據中出現過。如果該品牌出現過，那么使用基于歷史換鋪數據的專家推薦；如果沒有出現過，那么使用基于爆款品牌庫的推薦。最后，融合兩個推薦，使推薦結果不至于單一化。以上所述僅為本專利技術專利的較佳實施例而已，并不用以限制本專利技術專利，凡在本專利技術專利的精神和原則之內所作的任何修改、等同替換和改進等，均應包含在本專利技術專利的保護范圍之內。本文檔來自技高網...

【技術保護點】
1.一種基于商場大數據的空鋪推薦系統，其特征在于，包括：包括：門店經營預警模塊、專家推薦模塊、冷啟動解決方案模塊、融合推薦模塊；/n門店經營預警模塊：使用門店歷史經營數據，包括：門店銷售額、租金、客流、面積，預測在半年后租約到期的門店是否續約的概率，并且對不續約概率較高的門店提出預警；/n專家推薦模塊：使用歷史換鋪經驗進行推薦；/n冷啟動解決方案模塊：為了解決推薦中冷啟動的問題，使用爆款品牌經營狀況進行推薦；/n融合推薦模塊：將基于歷史換鋪經驗的推薦和基于爆款品牌經營狀況的推薦進行融合，從而解決推薦結果過于單一，缺乏新意的問題。/n

【技術特征摘要】
1.一種基于商場大數據的空鋪推薦系統，其特征在于，包括：包括：門店經營預警模塊、專家推薦模塊、冷啟動解決方案模塊、融合推薦模塊；
門店經營預警模塊：使用門店歷史經營數據，包括：門店銷售額、租金、客流、面積，預測在半年后租約到期的門店是否續約的概率，并且對不續約概率較高...

【專利技術屬性】
技術研發人員：王澤銘，宋佳，王盛，張函，柏林森，
申請(專利權)人：上海丙晟科技有限公司，
類型：發明
國別省市：上海;31