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。