1.一种快闪店的营销价值预估方法,其特征在于,所述方法通过商业空间的客流量、进店率、交易率、人均交易额和成本五个指标来预估,预估模型如下所示:
roi=销售收入/成本×100%=(交易人数×人均交易额)/成本×100%=((客流量×进店率×交易率)×人均交易额)/成本×100%;
其中,客流量是指商业空间的客流人数,进店率是指客流人数中进入商业空间的人数占比,交易率是指进入商业空间的人数中成交的人数占比,人均交易额是指商业空间内交易用户的的人均交易额,成本是指本次商业活动所支出的总金额;
人均交易额和成本是输入性变量,需要品牌方输入;客流量、进店率和交易率是预测性变量,通过预测模型算法预测得出。
2.根据权利要求1所述的一种快闪店的营销价值预估方法,其特征在于:所述客流量的预测方法为:
数据采集
预测客流量需要采集的数据有客流相关数据、商业空间相关数据和商家相关数据;客流相关数据,包含客流量、客流性别偏好、客流年龄偏好;客流量通过安装摄像头的ai智能人脸识别技术检测得到;客流性别偏好是指客流量的性别分布,包括男性和女性,通过安装摄像头的ai智能人脸、头发、着装、步态等技术识别检测得到;客流年龄偏好是指客流量年龄分布,包括儿童、青年、中年、老年,通过安装摄像头的ai智能人脸、头发、着装、步态等技术识别检测得到;
数据处理
数据处理有两种方式,对于数值型变量进行标准化处理,对于类别型变量进行编码处理;客流量、客流性别偏好、客流年龄偏好、面积、长、宽、城市人口、城市gdp、城市消费水平指数、活动次数都属于数值型变量,进行标准化处理;位置、城市等级、商圈、区域、项目类型、项目定位、楼层、行业、品牌、产品属于类别型变量,进行编码处理;
模型预测
选择的预测模型是多元线性回归模型;客流量是因变量y,其余数据是自变量x1,x2...xk,自变量与因变量之间为线性关系时,多元线性回归模型为:
y=b0+b1x1+b2x2+...+bkxk+e
其中,b0为常数项,b1,b2,...,bk为回归系数;
(1)参数估计
多元线性回归模型的参数估计,是误差平方和最小的前提下,用最小二乘法求解参数;
求解得出b0,b1,b2,...,bk;
(2)模型检验
模型检验分为回归方程的拟合度检验、回归方程的显著性检验和回归系数的显著性检验;
回归方程的拟合度检验用多重可决系数r2检验;公式如下:
其中,
回归方程的显著性检验,即检验整个回归方程的显著性,常采用f检验,f统计量的公式:
根据给定的显著性水平α,自由度(k,n-k-1)查f分布表,得到临界值fα,若f>fα,则回归方程效果显著;若f<fα,则回归效果不显著;
回归系数的显著性检验常用t检验,分别检验回归模型中各个回归系数是否具有显著性,以便使得模型中只保留那些对因变量有显著性影响的因素;
首先计算统计量t,然后根据给定的显著性水平α,自由度(n-k-1)查t分布表,得到临界值tα,若t>tα,则回归系数具有显著性,否则不显著;统计量t的公式:
其中,ckj是回归系数矩阵的逆矩阵(x’x)-1的主对角线上的第j个元素;
输出结果
对训练出来的模型,输入本次活动的相关信息,即可得到客流量数据。
3.根据权利要求1所述的一种快闪店的营销价值预估方法,其特征在于:所述进店率的预测方法为:
数据采集
预测进店率需要采集的数据有客流相关数据、商业空间相关数据和商家相关数据;客流相关数据,包含客流量、客流性别偏好、客流年龄偏好、进店人数、进店率;客流量通过安装摄像头的ai智能人脸识别技术检测得到;客流性别偏好是指客流量的性别分布,包括男性和女性,通过安装摄像头的ai智能人脸、头发、着装、步态等技术识别检测得到;客流年龄偏好是指客流量年龄分布,包括儿童、青年、中年、老年,通过安装摄像头的ai智能人脸、头发、着装、步态等技术识别检测得到;进店人数是指进入商业空间内的人数,通过安装摄像头的ai智能人脸识别技术检测得到;进店率是指客流中进入到商业空间内的人数占比,通过公式计算得到,计算公式是进店人数/客流量;
数据处理
数据处理有两种方式,对于数值型变量进行标准化处理,对于类别型变量进行编码处理;客流量、客流性别偏好、客流年龄偏好、进店人数、进店率、面积、长、宽、城市人口、城市gdp、城市消费水平指数、活动次数都属于数值型变量,进行标准化处理;位置、城市等级、商圈、区域、项目类型、项目定位、楼层、行业、品牌、产品属于类别型变量,进行编码处理;
模型预测
选择的预测模型是多元线性回归模型;进店率是因变量y,其余数据是自变量x1,x2...xk,自变量与因变量之间为线性关系时,多元线性回归模型为:
y=b0+b1x1+b2x2+...+bkxk+e
其中,b0为常数项,b1,b2,...,bk为回归系数;
(1)参数估计
多元线性回归模型的参数估计,是误差平方和最小的前提下,用最小二乘法求解参数;
求解得出b0,b1,b2,...,bk;
(2)模型检验
模型检验分为回归方程的拟合度检验、回归方程的显著性检验和回归系数的显著性检验;
回归方程的拟合度检验用多重可决系数r2检验;公式如下:
其中,
回归方程的显著性检验,即检验整个回归方程的显著性,常采用f检验,f统计量的公式:
根据给定的显著性水平α,自由度(k,n-k-1)查f分布表,得到临界值fα,若f>fα,则回归方程效果显著;若f<fα,则回归效果不显著;
回归系数的显著性检验常用t检验,分别检验回归模型中各个回归系数是否具有显著性,以便使得模型中只保留那些对因变量有显著性影响的因素;
首先计算统计量t,然后根据给定的显著性水平α,自由度(n-k-1)查t分布表,得到临界值tα,若t>tα,则回归系数具有显著性,否则不显著;统计量t的公式:
其中,ckj是回归系数矩阵的逆矩阵(x’x)-1的主对角线上的第j个元素;
输出结果
对训练出来的模型,输入本次活动的相关信息,即可得到客流量数据。
4.根据权利要求1所述的一种快闪店的营销价值预估方法,其特征在于:所述交易率的预测方法为:
数据采集
预测交易率需要采集的数据有客流相关数据、商业空间相关数据和商家相关数据;客流相关数据,包含客流量、客流性别偏好、客流年龄偏好、进店人数、进店率、交易人数、交易率;客流量通过安装摄像头的ai智能人脸识别技术检测得到;客流性别偏好是指客流量的性别分布,包括男性和女性,通过安装摄像头的ai智能人脸、头发、着装、步态等技术识别检测得到;客流年龄偏好是指客流量年龄分布,包括儿童、青年、中年、老年,通过安装摄像头的ai智能人脸、头发、着装、步态等技术识别检测得到;进店人数是指进入商业空间内的人数,通过安装摄像头的ai智能人脸识别技术检测得到;进店率是指客流中进入到商业空间内的人数占比,通过公式计算得到,计算公式是进店人数/客流量;交易人数是指进入商业空间的人数中进行成交的人数,通过安装摄像头的ai智能人脸识别和智能扫码技术检测获得;交易率是指进入商业空间的人数中成交的人数占比,通过公式计算得到,计算公式是交易人数/进店人数;
数据处理
数据处理有两种方式,对于数值型变量进行标准化处理,对于类别型变量进行编码处理;客流量、客流性别偏好、客流年龄偏好、进店人数、进店率、交易人数、交易率、面积、长、宽、城市人口、城市gdp、城市消费水平指数、活动次数都属于数值型变量,进行标准化处理;位置、城市等级、商圈、区域、项目类型、项目定位、楼层、行业、品牌、产品属于类别型变量,进行编码处理;
模型预测
选择的预测模型是多元线性回归模型;交易率是因变量y,其余数据是自变量x1,x2...xk,自变量与因变量之间为线性关系时,多元线性回归模型为:
y=b0+b1x1+b2x2+...+bkxk+e
其中,b0为常数项,b1,b2,...,bk为回归系数;
(1)参数估计
多元线性回归模型的参数估计,是误差平方和最小的前提下,用最小二乘法求解参数;
求解得出b0,b1,b2,...,bk;
(2)模型检验
模型检验分为回归方程的拟合度检验、回归方程的显著性检验和回归系数的显著性检验;
回归方程的拟合度检验用多重可决系数r2检验;公式如下:
其中,
回归方程的显著性检验,即检验整个回归方程的显著性,常采用f检验,f统计量的公式:
根据给定的显著性水平α,自由度(k,n-k-1)查f分布表,得到临界值fα,若f>fα,则回顾方程效果显著;若f<fα,则回归效果不显著;
回归系数的显著性检验常用t检验,分别检验回归模型中各个回归系数是否具有显著性,以便使得模型中只保留那些对因变量有显著性影响的因素;
首先计算统计量t,然后根据给定的显著性水平α,自由度(n-k-1)查t分布表,得到临界值tα,若t>tα,则回归系数具有显著性,否则不显著;统计量t的公式:
其中,ckj是回归系数矩阵的逆矩阵(x’x)-1的主对角线上的第j个元素;
输出结果
对训练出来的模型,输入本次活动的相关信息,即可得到客流量数据。