CN109978292A - 门店的智能管理方法及装置 - Google Patents
门店的智能管理方法及装置 Download PDFInfo
- Publication number
- CN109978292A CN109978292A CN201711449072.4A CN201711449072A CN109978292A CN 109978292 A CN109978292 A CN 109978292A CN 201711449072 A CN201711449072 A CN 201711449072A CN 109978292 A CN109978292 A CN 109978292A
- Authority
- CN
- China
- Prior art keywords
- shops
- user
- information
- statistical result
- visit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Time Recorders, Dirve Recorders, Access Control (AREA)
Abstract
本发明公开了一种门店的智能管理方法及装置。其中,该方法包括:确定为用户分配的至少一个门店;获取至少一个门店的门店信息,以及用户对至少一个门店的历史服务信息;基于门店信息和历史服务信息,为用户生成门店拜访规划信息,以将拜访规划信息提供给用户。本发明解决了由于采用定时的方式进行门店拜访造成的门店管理的效率低的技术问题。
Description
技术领域
本发明涉及计算机领域,具体而言,涉及一种门店的智能管理方法及装置。
背景技术
随着技术的不断发展,线下实体商店,例如便利店等的管理也日益智能化。目前,部分供应商或者经销商或者第三方平台,为了向用户提供更好的服务,会对销售其商品的实体商店,进行拜访,例如获取商品销售情况,店面情况,商品进货需求等等。这里将实体商店,便利店等均称之为门店。
传统的门店管理,一般采用规定的方式,例如采用定时上门的方式来进行拜访服务。比如,通过业务员定时上门的方式来进行商店的服务。另外,业务员是划片区,需要通过固定频率的方式进行覆盖,比如,需要每天按照固定片区模式来进行门店拜访,从而实现了资源的平均分配。这些采用的技术也一般是通过简单的一个规划列表提供给业务员,可以是通过手机推送消息方式,或者就是一个规划纸张。
现有的这种拜访处理方式,一般依靠经验或简单的规定来实现,不论什么样的门店都是基本一样的拜访服务,而实际上,有些门店需要更多服务,而有些门店不需要定时上门这种频繁的服务,从而一方面没有让需要更多服务的门店得到及时服务,另一方面也损失了业务员的效率。
可以看出,目前的门店拜访这种门店管理,并不能很好的提升拜访效果,这种简单的门店管理技术显然不能满足社会快速发展的需要。因此,提出一种更好的拜访处理门店管理技术,是非常必要的。
针对上述的由于采用定时的方式进行门店拜访造成的门店管理的效率低的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种门店的智能管理方法及装置,以至少解决由于采用定时的方式进行门店拜访造成的门店管理的效率低的技术问题。
根据本发明实施例的一个方面,提供了一种门店的智能管理方法。该方法包括:确定为用户分配的至少一个门店;获取至少一个门店的门店信息,以及用户对至少一个门店的历史服务信息;基于门店信息和历史服务信息,为用户生成门店拜访规划信息,以将拜访规划信息提供给用户。
根据本发明实施例的另一方面,还提供了一种门店的智能管理装置。该装置包括:确定模块,用于确定为用户分配的至少一个门店;获取模块,用于获取至少一个门店的门店信息,以及用户对至少一个门店的历史服务信息;生成模块,用于基于门店信息和历史服务信息,为用户生成门店拜访规划信息,以将拜访规划信息提供给用户。
根据本发明实施例的另一方面,还提供了一种存储介质。该存储介质包括存储的程序,其中,在程序运行时控制存储介质所在设备执行以下步骤:确定为用户分配的至少一个门店;获取至少一个门店的门店信息,以及用户对至少一个门店的历史服务信息;基于门店信息和历史服务信息,为用户生成门店拜访规划信息,以将拜访规划信息提供给用户。
根据本发明实施例的另一方面,还提供了一种处理器。该处理器用于运行程序,其中,程序运行时执行以下步骤:确定为用户分配的至少一个门店;获取至少一个门店的门店信息,以及用户对至少一个门店的历史服务信息;基于门店信息和历史服务信息,为用户生成门店拜访规划信息,以将拜访规划信息提供给用户。
根据本发明实施例的另一方面,还提供了一种移动终端。该移动终端包括:确定为用户分配的至少一个门店;获取至少一个门店的门店信息,以及用户对至少一个门店的历史服务信息;基于门店信息和历史服务信息,为用户生成门店拜访规划信息,以将拜访规划信息提供给用户。
在本发明实施例中,确定为用户分配的至少一个门店;获取至少一个门店的门店信息,以及用户对至少一个门店的历史服务信息;基于门店信息和历史服务信息,为用户生成门店拜访规划信息,以将拜访规划信息提供给用户,从而避免了采用定时的方式进行门店拜访的问题,从而实现了提高门店管理的效率的技术效果,进而解决了由于采用定时的方式进行门店拜访造成的门店管理的效率低的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种移动终端的示意图;
图2是根据本发明实施例的一种门店的智能管理结构的示意图;
图3是根据本发明实施例的一种单店评分模型的结构的示意图;
图4是根据本发明实施例的一种门店的智能管理方法的计算机终端(或移动设备)的硬件结构框图;
图5是根据本发明实施例的一种门店的智能管理方法的流程图;
图6是根据本发明实施例的一种门店的智能管理装置的示意图;以及
图7是根据本发明实施例的另一种移动终端的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
本发明实施例提供了一种移动终端。
图1是根据本发明实施例的一种移动终端的示意图。如图1所示,该移动终端100包括:处理器102和存储器104。
处理器102;
存储器104,与处理器102连接,用于为处理器102提供处理以下处理步骤的指令:确定为用户分配的至少一个门店;获取至少一个门店的门店信息,以及用户对至少一个门店的历史服务信息;基于门店信息和历史服务信息,为用户生成门店拜访规划信息,以将拜访规划信息提供给用户。
该实施例的处理器102与存储器104相连接,用于接收存储器104提供的确定为用户分配的至少一个门店;获取至少一个门店的门店信息,以及用户对至少一个门店的历史服务信息;基于门店信息和历史服务信息,为用户生成门店拜访规划信息,以将拜访规划信息提供给用户的指令。
该实施例的用户可以为对接人员,比如,为拍档,门店可以为店铺,每个用户的门店各不相同,也即,每个用户的服务范围不同。不同的门店,有不同的拜访信息,比如,有的门店需要进货服务,则给用户提示进货服务,有的有退货需求,则提供退货信息等。用户也可以对各家门店进行拜访,也即,拍档拜访。用户也可以对各家门店进行拜访,也即,拍档拜访。用户可以具有不同的等级,当用户的等级越高时,能够管理的门店数量也就越多,处理器102确定为用户分配的至少一个门店。
该实施例的至少一个门店具有门店信息和历史服务信息。在处理器102确定为用户分配的至少一个门店之后,获取至少一个门店的门店信息,以及用户对至少一个门店的历史服务信息。可选地,该实施例的门店的门店信息至少包括:商品进销信息,消费者信息,其中,商品进销信息包括商品进货或销货的信息,消费者信息包括消费者在门店的消费的信息,其中包括消费类型,消费偏好等,此处不做任何限制。可选地,门店信息还为优惠类信息、行为信息、地理位置信息等,其中,优惠类信息可以为消费者购买商品的优惠类信息,行为信息可以为门店采购与销售行为类信息、消费者交易行为信息等,地理位置信息可以为门店地理位置信息。历史服务信息可以为用户服务的门店数量、用户的拜访覆盖率等。
该实施例的门店信息和历史服务信息是用于生成门店拜访规划信息的依据。在处理器102获取至少一个门店的门店信息,以及用户对至少一个门店的历史服务信息之后,基于门店信息和历史服务信息,为用户生成门店拜访规划信息,该门店拜访规划信息包括门店拜访路线规划,该门店拜访路线规划可以为拜访路径。可选地,用户在多个门店拜访时,具有拜访顺序,该门店拜访路线规划可以用于指示用户在多个门店中的部分门店的拜访顺序,或者用于指示用户在多个门店中的全部门店的拜访顺序,进而将拜访规划信息提供给用户。
可选地,拜访规划信息还可以包括门店拜访的定制化信息,比如,不同的门店,有不同的拜访信息,有的门店需要进货服务,则给用户提示进货服务,有的有退货需求,则提供退货信息等。
该实施例可以根据门店的实时采购情况,发现门店的异常行为,可以及时地进行上门,而不需要再通过固定频率的方式进行覆盖,从而实现了提高门店管理的效率的效果。
该实施例的处理器102通过确定为用户分配的至少一个门店;获取至少一个门店的门店信息,以及用户对至少一个门店的历史服务信息;基于门店信息和历史服务信息,为用户生成门店拜访规划信息,以将拜访规划信息提供给用户,从而避免了采用定时的方式进行门店拜访的问题,从而实现了提高门店管理的效率的技术效果,进而解决了由于采用定时的方式进行门店拜访造成的门店管理的效率低的技术问题。
可选地,该实施例的处理器102与存储器104相连接,用于接收存储器104提供的基于门店信息和历史服务信息获取至少一个门店中每个门店的门店评估统计结果、门店配比统计结果以及门店距离统计结果;采用门店评估统计结果、门店配比统计结果以及门店距离统计结果生成门店拜访规划信息的指令。
该实施例基于门店信息和历史服务信息获取至少一个门店中每个门店的门店评估统计结果用于指示用户对进货平台为用户分配的多个门店中每个门店的拜访频率,从而实现单店评分,其中,进货平台用于进货,可以为一站式进货平台,比如,该一站式进货平台为零售通平台,门店的拜访频率,可以是在预设统计周期内,对每个拍档当前管理的门店进行拜访的次数。
该实施例的门店配比统计结果用于描述进货平台为用户已分配的门店数量与进货平台为用户待分配的门店数量的比例关系。该实施例的进货平台可以为用户分配门店,包括已分配的门店数量,比如,为用户分配的老店,进货平台可以为用户待分配门店,比如,为用户分配新店,因而门店匹配统计结果可以为新老店配比统计结果。该实施例的门店匹配统计结果可以为进货平台为用户已分配的门店数量与进货平台为用户待分配的门店数量之间的比值,比如,进货平台为用户已分配的门店数量为C,进货平台为用户待分配的门店数量为D,则门店配比统计结果为C/D。
该实施例的门店距离统计结果用于描述至少一个门店中每两个门店之间的距离。门店距离,可以为店铺距离,指每两个门店之间的间距。在具有多个门店的情况下,每两个门店之间都会算距离,门店距离统计结果为一个统计结果,用于统计至少一个门店中每两个门店之间的距离。
该实施例的处理器102在基于门店信息和历史服务信息获取至少一个门店中每个门店的门店评估统计结果、门店配比统计结果以及门店距离统计结果之后,采用门店评估统计结果、门店配比统计结果以及门店距离统计结果生成门店拜访规划信息。
可选地,门店信息至少包括:消费者购买商品的优惠类信息、门店采购与销售行为类信息、消费者交易行为信息、门店地理位置信息;历史服务信息至少包括:用户服务的门店数量、用户的拜访覆盖率;该实施例的处理器102与存储器104相连接,用于接收存储器104提供的对门店信息和历史服务信息进行分类整合,确定每个门店的采购决策类型、每个门店对进货平台和用户的收益影响以及每个门店的成长路径;根据每个门店的采购决策类型、每个门店对进货平台和用户的收益影响以及每个门店的成长路径,获取门店类特征标签与用户类特征标签;将门店类特征标签与用户类特征标签设置为输入数据,输入至预设评估模型,得到门店评估统计结果,以确定每个门店的服务需求的指令。
可选地,处理器102采集基础数据,该基础数据至少包括:门店信息和历史服务信息,其中,门店信息包括消费者购买商品的优惠类信息、门店采购与销售行为类信息、消费者交易行为信息、门店地理位置信息,可选地,门店信息为多个门店中每个门店的运营数据,可以包括门店签约数据、门店访问日志数据、门店交易数据、门店红包/优惠数据、门店等级数据、店铺地址、店铺距离,其中,消费者购买商品的优惠类信息可以为门店红包/优惠数据,门店采购与销售行为类信息可以为门店签约数据,消费者交易行为信息可以为门店交易数据,门店地理位置信息可以为店铺地址;历史服务信息包括用户服务的门店数量、用户的拜访覆盖率,可选地,历史服务信息为用户对多个门店的服务数据,可以包括拍档私域商店数据、拍档拜访数据等,其中,用户服务的门店数量可以包括拍档私域商店数据,用户的拜访覆盖率可以为用户的拜访覆盖率。
可选地,门店签约是指每家门店与一站式进货平台(例如,零售通平台)之间的签约;门店访问日志是指门店向一站式进货平台的官方网站进行访问生成的记录;门店交易是指每个门店从一站式进货平台进货的采购行为;门店红包/优惠数据是指在每个门店从一站式进货平台进货时可以抵扣部分进货金额的抵扣手段;门店等级是指不同等级的门店对应不同的特权;店铺地址是指每个门店的地理位置;店铺距离是每两个门店之间的间距;拍档私域商店数据是指每个拍档当前管理的门店,每个拍档管理的门店(即服务范围)各不相同,按照拍档的等级不同,每个拍档能够管理的门店数量上限也不相同,拍档的等级越高,能够管理的门店数量越多;拍档拜访是指拍档对各家门店的拜访。
该实施例的基础数据可以用于确定每个门店的采购决策类型、每个门店对进货平台和对用户的收益影响以及每个门店的成长路径。在处理器102采集基础数据之后,对基础数据进行分类整合,比如,对门店签约数据、门店访问日志数据、门店交易数据、门店红包/优惠数据、门店等级数据、店铺地址、店铺距离、拍档私域商店数据、拍档拜访数据等进行整合,从而确定每个门店的采购决策类型、每个门店对进货平台和用户的收益影响以及每个门店的成长路径。
该实施例的采购决策类型用于指示在进行采购行为时所采用的决策的类型,该采购决策类型包括以下之一:门店自主采购、用户驱动采购、进货平台促销驱动采购,其中,门店自主采购,可以为自主周期采购,是门店不受用户的影响而自主进行采购的行为,用户驱动采购可以为拍档排放采购,为在用户的影响下进行的采购行为,进货平台促销驱动采购可以为活动优惠驱动,为在进货平台促销的影响下进行的采购行为。
该实施例的每个门店对进货平台和用户的收益影响可以指每个门店对进货平台和用户的收益的影响程度,成长路径用于描述每个门店从进货平台进货的采购的变化过程,可选地,门店成长路径是指拍档负责的每个门店从一站式进货平台进货的采购额由低到高的发展历程。
在对门店信息和历史服务信息进行分类整合,确定每个门店的采购决策类型、每个门店对进货平台和用户的收益影响以及每个门店的成长路径之后,根据每个门店的采购决策类型、每个门店对进货平台和用户的收益影响以及每个门店的成长路径,获取门店类特征标签与用户类特征标签。可选地,该实施例的门店类特征标签包括资源类标签、行为类标签、客情类标签、业务规则标签等;用户类特征标签包括库容使用率标签、门店动销率标签、签约时长标签、拜访覆盖率标签。
可选地,在门店类特征标签中,资源类标签包括红包标签、品牌劵标签等;行为类标签包括采购周期标签、常买品促销标签、采购特征标签、售后标签等,其中,常买品促销是指如果特定门店对特定类别商品购买频率较高,那么该类商品在一站式进货平台出现促销情况时,可以由拍档对该特定门店进行拜访,以促成该特定门店购买该类商品,采购特征是指依据门店的购买行为对门店进行分类,比如,分为一站式进货平台有优惠时才会发起购买行为的门店、无论一站式进货平台是否有优惠都会发起购买行为的门店。
门店类特征标签中的客情类标签包括留存门店/激活门店/沉睡门店标签、新签门店/新分配门店标签、拜访间隔标签、竞争对手标签等,其中,留存门店是指定期会向一站式进货平台发起采购行为的门店,激活门店是指虽然已经与一站式进货平台进行过签约但是从未发起过采购行为的门店,沉睡门店是指先前曾向一站式进货平台发起过采购行为,但是后来却没有再向一站式进货平台发起采购行为的门店发起过采购行为的门店,新签门店是指与一站式进货平台发起采购行为的门店刚完成签约的门店,新分配门店是指为拍档分配的原本不属于该拍档服务范围的新签门店,拜访间隔值门店拜访的时间间隔,竞争对手主要包括京东新通路。
门店类特征标签中的业务规则标签包括平台任务标签、月度节奏标签、强开标签等,其中,平台任务是指一站式进货平台发起采购行为的门店向拍档和特定门店下发的任务,如果任务完成,拍档和特定门店都会得到相应的奖励,例如,一站式进货平台发起采购行为的门店希望拍档告知特定门店将特定商品(例如,品牌牙膏)排放在指定位置,月度节奏是指拍档在其服务范围内对各家门店的拜访顺序,首先按照与一站式进货平台联系的紧密度由高到低确定原先分配的门店,然后再拜访一站式进货平台为该拍档新分配的门店;强开是指如果一个拍档管理的一家门店在一段时间内与一站式进货平台之间未发生交易行为,那么这家门店将转由另外一个拍档管理。
可选地,在用户类特征标签中,库容使用率是指在根据每个拍档的等级确定该拍档能够管理的门店数量上限之后,由该拍档当前管理的门店数量与门店数量上限的比值计算得到的结果,例如,该拍档能够管理的门店数量上限为100家门店,而该拍档当前管理的门店数量为80家门店,那么库容使用率=80家门店/100家门店=80%;门店动销率是指在预设统计周期内每个拍档当前管理的门店数量中与一站式进货平台之间发生过交易行为的门店数量占每个拍档当前管理的门店数量的比例,例如,该拍档当前管理的门店数量为80家门店,而在一个月的统计周期内,有40家门店与一站式进货平台之间发生过交易行为,那么门店动销率=40家门店/80家门店=50%;签约时长指每家门店与一站式进货平台(例如,零售通平台)之间的签约的时长;拜访覆盖率是指在预设统计周期内每个拍档当前管理的门店数量中已经拜访过的门店数量占当前管理的门店数量的比例,比如,在1天内每个拍档当前管理的门店数量为A,已经拜访过的门店数量为B,则A/B为门店的拜访覆盖率。
处理器102在获取门店类特征标签与用户类特征标签之后,将上述门店类特征标签与上述用户类特征标签设置为输入数据,将该输入数据输入至预设评估模型,通过预设评估模型对输入数据进行评估,从而得到门店评估统计结果,以指示用户对进货平台为用户分配的多个门店中每个门店的拜访频率,进而确定每个门店的服务需求。
可选地,用于得到门店评估统计结果的预设评估模型可以为线性回归模型、迭代决策树模型以及深度学习模型中的任一模型,或者,预设评估模型为线性回归模型、迭代决策树模型以及深度学习模型中至少两个模型融合而成的模型。其中,线性回归模型为有的假定不直接涉及总体分布形式,比如,在回归分析中常假定分析对象可表示为一些影响因素的线性函数;迭代决策树模型是由多棵决策树组成,所有树的输出结果累加起来就是最终答案的模型;深度学习模型是通过组合低层特征形成更加抽象的高层表示属性类别或特征,以发现数据的分布式特征表示的模型。可选地,该实施例对模型进行融合,可以对线性回归融合、迭代决策树模型融合、深度学习模型融合,或者进行分层融合,从而实现对输入数据的综合评价。
可选地,该实施例的处理器102与存储器104相连接,用于接收存储器104提供的根据用户的等级确定为用户分配的门店数量上限;采用门店数量上限与至少一个门店的门店数量计算得到为用户待分配的门店数量;计算至少一个门店的门店数量与待分配的门店数量的比值,得到门店配比统计结果的指令。
在该实施例中,在处理器102获取门店距离统计结果时,可以获取用户的等级,根据用户的等级确定为用户分配的门店数量上限,其中,每个用户的等级不同,每个用户能够管理的门店数量上限也不相同,用户的等级越高,能够管理的门店数量也就越多。在处理器102根据用户的等级确定为用户分配的门店数量上限之后,获取进货平台为用户已分配的门店数量,根据门店数量上限与至少一个门店的门店数量计算得到为用户待分配的门店数量,比如,根据门店数量上限与进货平台为对接人员已分配的门店数量计算得到进货平台为用户待分配的门店数量,可以将门店数量上限与进货平台为用户已分配的门店数量之差确定为进货平台为用户待分配的门店数量。在处理器102采用门店数量上限与至少一个门店的门店数量计算得到为用户待分配的门店数量之后,处理器102计算至少一个门店的门店数量与待分配的门店数量的比值,得到门店配比统计结果的指令,比如,进货平台为用户已分配的门店数量为A,进货平台为用户待分配的门店数量为B,则将A/B确定为门店配比统计结果,从而确定进货平台为用户已分配的门店数量与进货平台为用户待分配的门店数量的比例关系。
可选地,该实施例的处理器102与存储器104相连接,用于接收存储器104提供的根据至少一个门店中每个门店的地理位置信息计算至少一个门店中每两个门店之间的距离;采用计算得到的距离数据生成二维距离关系表,得到门店距离统计结果的指令。
在该实施例中,进货平台为用户分配的每个门店具有地理位置信息,该地理位置信息也即店铺地址,用于指示每个门店的地理位置。在处理器102获取门店距离统计结果时,采集进货平台为用户分配的多个门店中每个门店的地理位置信息。在处理器102采集进货平台为用户分配的多个门店中每个门店的地理位置信息之后,根据获取到至少一个门店中每个门店的的地理位置信息计算至少一个门店中每两个门店之间的距离,也即,根据地理位置信息计算多个门店中每两个门店之间的店铺距离。在处理器102根据获取到的至少一个门店中每个门店的地理位置信息计算至少一个门店中每两个门店之间的距离之后,可以采用计算得到的距离数据生成二维距离关系表,该二维距离关系表可以为店铺距离矩阵,从而得到门店距离统计结果。
可选地,该实施例的处理器102与存储器104相连接,用于接收存储器104提供获取与门店评估统计结果对应的第一预设权重值、与门店配比统计结果对应的第二预设权重值以及与门店距离统计结果对应的第三预设权重值;采用门店评估统计结果与第一预设权重值的乘积、门店配比统计结果与第二预设权重值的乘积以及门店距离统计结果与第三预设权重值的乘积进行加权求和运算,生成门店拜访规划信息,以指示用户对至少一个门店的拜访路径以及每个门店的服务需求的指令。
在该实施例中,门店评估统计结果、门店配比统计结果以及门店距离统计结果对应不同的权重值。在处理器102采用门店评估统计结果、门店配比统计结果以及门店距离统计结果生成门店拜访规划信息时,处理器102基于门店信息和历史服务信息获取门店评估统计结果、门店配比统计结果以及门店距离统计结果与门店评估统计结果对应的第一预设权重值、与门店配比统计结果对应的第二预设权重值以及与门店距离统计结果对应的第三预设权重值,其中,第一预设权重值可以用于指示门店评估统计结果在生成门店拜访路线规划中的相对重要程度,第二预设权重值可以用于指示门店配比统计结果在生成门店拜访路线规划中的相对重要程度,第三预设权重值可以用于指示门店距离统计结果在生成门店拜访路线规划中的相对重要程度。在处理器102获取与门店评估统计结果对应的第一预设权重值、与门店配比统计结果对应的第二预设权重值以及与门店距离统计结果对应的第三预设权重值之后,处理器102采用门店评估统计结果与第一预设权重值的乘积、门店配比统计结果与第二预设权重值的乘积以及门店距离统计结果与第三预设权重值的乘积进行加权求和运算,从而生成门店拜访路线规划,以指示用户对至少一个门店的拜访路径以及每个门店的服务需求。该门店排放路线规划可以为最优的拜访计划,从而通过门店评估统计结果、门店配比统计结果以及门店距离统计结果生成门店拜访规划信息,从而避免了采用定时的方式进行门店拜访的问题,从而实现了提高门店管理的效率的技术效果,进而解决了由于采用定时的方式进行门店拜访造成的门店管理的效率低的技术问题。
下面结合优选的实施例对本发明的技术方案进行举例说明。
图2是根据本发明实施例的一种门店的智能管理结构的示意图。如图2所示,可以先获取门店签约数据、门店访问日志数据、门店交易数据、门店红包/优惠数据、门店等级数据、拍档私域商店数据、拍档拜访数据、店铺地址&距离、店铺距离等基础数据,对基础数据进行分类整合,确定每个门店的采购决策类型、每个门店对进货平台和用户的收益影响以及每个门店的成长路径;根据每个门店的采购决策类型、每个门店对进货平台和用户的收益影响以及每个门店的成长路径,获取资源类标签、行为类标签、客情类标签、业务规则标签、库容使用率标签、门店动销率标签、签约时长标签、拜访覆盖率标签等特征标签。
可选地,在门店类特征标签中,资源类标签包括红包标签、品牌劵标签等;行为类标签包括采购周期标签、常买品促销标签、采购特征标签、售后标签等。
门店类特征标签中的客情类标签包括留存门店/激活门店/沉睡门店标签、新签门店/新分配门店标签、拜访间隔标签、竞争对手标签等。
门店类特征标签中的业务规则标签包括平台任务标签、月度节奏标签、强开标签等。
可选地,在拍档特征标签中,包括库容使用率;动销率、签约时长、拜访覆盖率。
在获取特征标签之后,根据模型算法将特征标签设置为输入数据,输入至单店评分模型,根据模型算法,得到单店评分结果。该实施例通过新老店配比模型根据用户的等级确定为用户分配的门店数量上限,采用门店数量上限与至少一个门店的门店数量计算得到为用户待分配的门店数量,计算至少一个门店的门店数量与待分配的门店数量的比值,得到新老店配比结果;该实施例还可以通过店铺距离矩阵采集进货平台为用户分配的多个门店中每个门店的地理位置信息,根据获取到的至少一个门店中每个门店的地理位置信息计算至少一个门店中每两个门店之间的距离,采用计算得到的距离数据生成二维距离关系表,从而得到门店距离矩阵。
在根据模型算法获取到单店评分结果、新老店配比结果、门店距离矩阵之后,获取与单店评分结果对应的第一预设权重值、与新老店配比结果对应的第二预设权重值以及与门店距离矩阵对应的第三预设权重值;采用单店评分结果与第一预设权重值的乘积、新老店配比结果与第二预设权重值的乘积以及门店距离矩阵与第三预设权重值的乘积进行加权求和运算,从而生成门店拜访计划。
图3是根据本发明实施例的一种单店评分模型的结构的示意图。如图3所示,该实施例包括数据引入和准备、数据分析、特征工程、模型、模型融合、评估与优化。
可选地,该实施例在数据引入&准备时,可以引入和准备零售通数据、高德数据;在数据分析时,可以商店驱动分类,比如,自主周期采购、拍档排放采购、活动优惠驱动等,商店分类包括对根据拍档收入的分类,根据平台进行的分类,还包括商店成长路径,该商店成长路径是指拍档负责的每个门店从一站式进货平台进货的采购由低到高的发展历程。
可选地,该实施例的特征工程包括商店特征、日志&交易(采购)、营销活动、拍档拜访、拍档特征。
可选地,该实施例的模型可以包括线性回归模型、迭代决策树模型以及深度学习模型中的一种模型,对输入的数据进行综合评价,还可以为线性回归模型、迭代决策树模型以及深度学习模型中至少两个模型融合而成的模型,比如,包括线性回归模型的融合,包括迭代决策树模型的融合等,可以对模型进行分层融合,实现对数据的综合评价。最后对模型进行评估与优化,比如,对模型进行监控与分析,例外分析与修正等,以生成最优的门店拜访计划。
该实施例可以通过采集商店实时采购行为结合商店之间的距离,帮助业务员做好拜访计划,从而提升业务员效率,可以通过商店实时采购情况,可以发现商店异常行为,因此可以及时的进行上门,而不需要再通过固定频率的方式进行覆盖,从而提高了门店管理的效率。
实施例2
根据本发明实施例,还提供了一种门店的智能管理方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。图4是根据本发明实施例的一种门店的智能管理方法的计算机终端(或移动设备)的硬件结构框图。如图4所示,计算机终端40(或移动设备40)可以包括一个或多个(图中采用402a、402b,……,402n来示出)处理器402(处理器402可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器404、以及用于通信功能的传输装置406。除此以外,还可以包括:显示器、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为I/O接口的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解,图4所示的结构仅为示意,其并不对上述电子装置的结构造成限定。例如,计算机终端40还可包括比图4中所示更多或者更少的组件,或者具有与图4所示不同的配置。
应当注意到的是上述一个或多个处理器402和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外,数据处理电路可为单个独立的处理模块,或全部或部分的结合到计算机终端40(或移动设备)中的其他元件中的任意一个内。如本申请实施例中所涉及到的,该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。
存储器404可用于存储应用软件的软件程序以及模块,如本发明实施例中的门店的智能管理方法对应的程序指令/数据存储装置,处理器402通过运行存储在存储器404内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的应用程序的门店的智能管理方法。存储器404可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器404可进一步包括相对于处理器402远程设置的存储器,这些远程存储器可以通过网络连接至计算机终端40。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置406用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端40的通信供应商提供的无线网络。在一个实例中,传输装置406包括一个网络适配器(Network Interface Controller,NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置406可以为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
此处需要说明的是,在一些可选实施例中,上述图4所示的计算机设备(或移动设备)可以包括硬件元件(包括电路)、软件元件(包括存储在计算机可读介质上的计算机代码)、或硬件元件和软件元件两者的结合。应当指出的是,图4仅为特定具体实例的一个实例,并且旨在示出可存在于上述计算机设备(或移动设备)中的部件的类型。
在上述运行环境下,本申请提供了如图5所示的门店的智能管理方法。需要说明的是,该实施例的门店的智能管理方法可以由图4所示实施例的移动终端执行。
图5是根据本发明实施例的一种门店的智能管理方法的流程图。如图5所示,该方法包括以下步骤:
步骤S502,确定为用户分配的至少一个门店。
在本发明上述步骤S502提供的技术方案中,用户可以为对接人员,比如,为拍档,门店可以为店铺,每个用户的门店各不相同,也即,每个用户的服务范围不同。不同的门店,有不同的拜访信息,比如,有的门店需要进货服务,则给用户提示进货服务,有的有退货需求,则提供退货信息等。用户也可以对各家门店进行拜访,也即,拍档拜访。用户也可以对各家门店进行拜访,也即,拍档拜访。用户可以具有不同的等级,当用户的等级越高时,能够管理的门店数量也就越多,确定为用户分配的至少一个门店。
步骤S504,确定为用户分配的至少一个门店。
在本发明上述步骤S504提供的技术方案中,至少一个门店具有门店信息和历史服务信息。在确定为用户分配的至少一个门店之后,获取至少一个门店的门店信息,以及用户对至少一个门店的历史服务信息。可选地,该实施例的门店的门店信息至少包括:商品进销信息,消费者信息,其中,商品进销信息包括商品进货或销货的信息,消费者信息包括消费者在门店的消费的信息,其中包括消费类型,消费偏好等,此处不做任何限制。可选地,门店信息还为优惠类信息、行为信息、地理位置信息等,其中,优惠类信息可以为消费者购买商品的优惠类信息,行为信息可以为门店采购与销售行为类信息、消费者交易行为信息等,地理位置信息可以为门店地理位置信息。历史服务信息可以为用户服务的门店数量、用户的拜访覆盖率等。
步骤S506,基于门店信息和历史服务信息,为用户生成门店拜访规划信息,以将拜访规划信息提供给用户。
在本发明上述步骤S506提供的技术方案中,该实施例的门店信息和历史服务信息是用于生成门店拜访规划信息的依据。在获取至少一个门店的门店信息,以及用户对至少一个门店的历史服务信息之后,基于门店信息和历史服务信息,为用户生成门店拜访规划信息,该门店拜访规划信息包括门店拜访路线规划,该门店拜访路线规划可以为拜访路径。可选地,用户在多个门店拜访时,具有拜访顺序,该门店拜访路线规划可以用于指示用户在多个门店中的部分门店的拜访顺序,或者用于指示用户在多个门店中的全部门店的拜访顺序,进而将拜访规划信息提供给用户。
可选地,拜访规划信息还可以包括门店拜访的定制化信息,比如,不同的门店,有不同的拜访信息,有的门店需要进货服务,则给用户提示进货服务,有的有退货需求,则提供退货信息等。
确定为用户分配的至少一个门店;获取至少一个门店的门店信息,以及用户对至少一个门店的历史服务信息;基于门店信息和历史服务信息,为用户生成门店拜访规划信息,以将拜访规划信息提供给用户,从而避免了采用定时的方式进行门店拜访的问题,从而实现了提高门店管理的效率的技术效果,进而解决了由于采用定时的方式进行门店拜访造成的门店管理的效率低的技术问题。
该实施例可以根据门店的实时采购情况,发现门店的异常行为,可以及时地进行上门,而不需要再通过固定频率的方式进行覆盖,从而实现了提高门店管理的效率的效果。
作为一种可选的实施方式,基于门店信息和历史服务信息生成门店拜访规划信息包括:基于门店信息和历史服务信息获取至少一个门店中每个门店的门店评估统计结果、门店配比统计结果以及门店距离统计结果;采用门店评估统计结果、门店配比统计结果以及门店距离统计结果生成门店拜访规划信息。
该实施例基于门店信息和历史服务信息获取至少一个门店中每个门店的门店评估统计结果、门店配比统计结果以及门店距离统计结果。其中,门店评估统计结果用于指示用户对进货平台为用户分配的多个门店中每个门店的拜访频率,门店配比统计结果用于描述进货平台为用户已分配的门店数量与进货平台为用户待分配的门店数量的比例关系,门店距离统计结果用于描述至少一个门店中每两个门店之间的距离。
在该实施例中,基于门店信息和历史服务信息获取至少一个门店中每个门店的门店评估统计结果、门店配比统计结果以及门店距离统计结果的指令。该实施例的门店评估统计结果用于指示用户对进货平台为用户分配的多个门店中每个门店的拜访频率,从而实现单店评分。其中,进货平台用于进货,可以为一站式进货平台,比如,该一站式进货平台为零售通平台;门店的拜访频率,可以是在预设统计周期内,对每个拍档当前管理的门店进行拜访的次数。
该实施例的门店配比统计结果用于描述进货平台为用户已分配的门店数量与进货平台为用户待分配的门店数量的比例关系。该实施例的进货平台可以为用户分配门店,包括已分配的门店数量,比如,为用户分配的老店,进货平台可以为用户待分配门店,比如,为用户分配新店,因而门店匹配统计结果可以为新老店配比统计结果。该实施例的门店匹配统计结果可以为进货平台为用户已分配的门店数量与进货平台为用户待分配的门店数量之间的比值,比如,进货平台为用户已分配的门店数量为C,进货平台为用户待分配的门店数量为D,则门店配比统计结果为C/D。
该实施例的门店距离统计结果用于描述至少一个门店中每两个门店之间的距离。门店距离,可以为店铺距离,指每两个门店之间的间距。在具有多个门店的情况下,每两个门店之间都会算距离,门店距离统计结果为一个统计结果,用于统计至少一个门店中每两个门店之间的距离。
在基于门店信息和历史服务信息获取至少一个门店中每个门店的门店评估统计结果、门店配比统计结果以及门店距离统计结果之后,采用门店评估统计结果、门店配比统计结果以及门店距离统计结果生成门店拜访规划信息。该门店拜访路线规划,也即,门店拜访计划,用户在多个门店拜访时,具有拜访顺序,而门店拜访路线规划可以用于指示用户在多个门店中的部分门店的拜访顺序,或者用于指示用户在多个门店中的全部门店的拜访顺序。
作为一种可选的实施方式,门店信息至少包括:消费者购买商品的优惠类信息、门店采购与销售行为类信息、消费者交易行为信息、门店地理位置信息;历史服务信息至少包括:用户服务的门店数量、用户的拜访覆盖率;基于门店信息和历史信息获取门店评估统计结果包括:对门店信息和历史服务信息进行分类整合,确定每个门店的采购决策类型、每个门店对进货平台和用户的收益影响以及每个门店的成长路径,其中,采购决策类型包括以下之一:门店自主采购、用户驱动采购、进货平台促销驱动采购,成长路径用于描述每个门店从进货平台进货的采购额变化过程;根据每个门店的采购决策类型、每个门店对进货平台和用户的收益影响以及每个门店的成长路径,获取门店类特征标签与用户类特征标签;将门店类特征标签与用户类特征标签设置为输入数据,输入至预设评估模型,得到门店评估统计结果,以确定每个门店的服务需求。
可选地,采集基础数据,该基础数据至少包括:门店信息和历史服务信息,其中,门店信息包括消费者购买商品的优惠类信息、门店采购与销售行为类信息、消费者交易行为信息、门店地理位置信息,可选地,门店信息为多个门店中每个门店的运营数据,可以包括门店签约数据、门店访问日志数据、门店交易数据、门店红包/优惠数据、门店等级数据、店铺地址、店铺距离,其中,消费者购买商品的优惠类信息可以为门店红包/优惠数据,门店采购与销售行为类信息可以为门店签约数据,消费者交易行为信息可以为门店交易数据,门店地理位置信息可以为店铺地址;历史服务信息包括用户服务的门店数量、用户的拜访覆盖率,可选地,历史服务信息为用户对多个门店的服务数据,可以包括拍档私域商店数据、拍档拜访数据等,其中,用户服务的门店数量可以包括拍档私域商店数据,用户的拜访覆盖率可以为用户的拜访覆盖率。
可选地,门店签约是指每家门店与一站式进货平台(例如,零售通平台)之间的签约;门店访问日志是指门店向一站式进货平台的官方网站进行访问生成的记录;门店交易是指每个门店从一站式进货平台进货的采购行为;门店红包/优惠数据是指在每个门店从一站式进货平台进货时可以抵扣部分进货金额的抵扣手段;门店等级是指不同等级的门店对应不同的特权;店铺地址是指每个门店的地理位置;店铺距离是每两个门店之间的间距;拍档私域商店数据是指每个拍档当前管理的门店,每个拍档管理的门店(即服务范围)各不相同,按照拍档的等级不同,每个拍档能够管理的门店数量上限也不相同,拍档的等级越高,能够管理的门店数量越多;拍档拜访是指拍档对各家门店的拜访。
该实施例的基础数据可以用于确定每个门店的采购决策类型、每个门店对进货平台和对用户的收益影响以及每个门店的成长路径。在采集基础数据之后,对基础数据进行分类整合,比如,对门店签约数据、门店访问日志数据、门店交易数据、门店红包/优惠数据、门店等级数据、店铺地址、店铺距离、拍档私域商店数据、拍档拜访数据等进行整合,从而确定每个门店的采购决策类型、每个门店对进货平台和用户的收益影响以及每个门店的成长路径。
该实施例的采购决策类型用于指示在进行采购行为时所采用的决策的类型,该采购决策类型包括以下之一:门店自主采购、用户驱动采购、进货平台促销驱动采购,其中,门店自主采购,可以为自主周期采购,是门店不受用户的影响而自主进行采购的行为,用户驱动采购可以为拍档排放采购,为在用户的影响下进行的采购行为,进货平台促销驱动采购可以为活动优惠驱动,为在进货平台促销的影响下进行的采购行为。
该实施例的每个门店对进货平台和用户的收益影响可以指每个门店对进货平台和用户的收益的影响程度,成长路径用于描述每个门店从进货平台进货的采购的变化过程,可选地,门店成长路径是指拍档负责的每个门店从一站式进货平台进货的采购额由低到高的发展历程。
在对门店信息和历史服务信息进行分类整合,确定每个门店的采购决策类型、每个门店对进货平台和用户的收益影响以及每个门店的成长路径之后,根据每个门店的采购决策类型、每个门店对进货平台和用户的收益影响以及每个门店的成长路径,获取门店类特征标签与用户类特征标签。可选地,该实施例的门店类特征标签包括资源类标签、行为类标签、客情类标签、业务规则标签等;用户类特征标签包括库容使用率标签、门店动销率标签、签约时长标签、拜访覆盖率标签。
可选地,在门店类特征标签中,资源类标签包括红包标签、品牌劵标签等;行为类标签包括采购周期标签、常买品促销标签、采购特征标签、售后标签等,其中,常买品促销是指如果特定门店对特定类别商品购买频率较高,那么该类商品在一站式进货平台出现促销情况时,可以由拍档对该特定门店进行拜访,以促成该特定门店购买该类商品,采购特征是指依据门店的购买行为对门店进行分类,比如,分为一站式进货平台有优惠时才会发起购买行为的门店、无论一站式进货平台是否有优惠都会发起购买行为的门店。
门店类特征标签中的客情类标签包括留存门店/激活门店/沉睡门店标签、新签门店/新分配门店标签、拜访间隔标签、竞争对手标签等,其中,留存门店是指定期会向一站式进货平台发起采购行为的门店,激活门店是指虽然已经与一站式进货平台进行过签约但是从未发起过采购行为的门店,沉睡门店是指先前曾向一站式进货平台发起过采购行为,但是后来却没有再向一站式进货平台发起采购行为的门店发起过采购行为的门店,新签门店是指与一站式进货平台发起采购行为的门店刚完成签约的门店,新分配门店是指为拍档分配的原本不属于该拍档服务范围的新签门店,拜访间隔值门店拜访的时间间隔,竞争对手主要包括京东新通路。
门店类特征标签中的业务规则标签包括平台任务标签、月度节奏标签、强开标签等,其中,平台任务是指一站式进货平台发起采购行为的门店向拍档和特定门店下发的任务,如果任务完成,拍档和特定门店都会得到相应的奖励,例如,一站式进货平台发起采购行为的门店希望拍档告知特定门店将特定商品(例如,品牌牙膏)排放在指定位置,月度节奏是指拍档在其服务范围内对各家门店的拜访顺序,首先按照与一站式进货平台联系的紧密度由高到低确定原先分配的门店,然后再拜访一站式进货平台为该拍档新分配的门店;强开是指如果一个拍档管理的一家门店在一段时间内与一站式进货平台之间未发生交易行为,那么这家门店将转由另外一个拍档管理。
可选地,在用户类特征标签中,库容使用率是指在根据每个拍档的等级确定该拍档能够管理的门店数量上限之后,由该拍档当前管理的门店数量与门店数量上限的比值计算得到的结果,例如,该拍档能够管理的门店数量上限为100家门店,而该拍档当前管理的门店数量为80家门店,那么库容使用率=80家门店/100家门店=80%;门店动销率是指在预设统计周期内每个拍档当前管理的门店数量中与一站式进货平台之间发生过交易行为的门店数量占每个拍档当前管理的门店数量的比例,例如,该拍档当前管理的门店数量为80家门店,而在一个月的统计周期内,有40家门店与一站式进货平台之间发生过交易行为,那么门店动销率=40家门店/80家门店=50%;签约时长指每家门店与一站式进货平台(例如,零售通平台)之间的签约的时长;拜访覆盖率是指在预设统计周期内每个拍档当前管理的门店数量中已经拜访过的门店数量占当前管理的门店数量的比例,比如,在1天内每个拍档当前管理的门店数量为A,已经拜访过的门店数量为B,则A/B为门店的拜访覆盖率。
在获取门店类特征标签与用户类特征标签之后,将上述门店类特征标签与上述用户类特征标签设置为输入数据,将该输入数据输入至预设评估模型,通过预设评估模型对输入数据进行评估,从而得到门店评估统计结果,以指示用户对进货平台为用户分配的多个门店中每个门店的拜访频率,进而确定每个门店的服务需求。
作为一种可选的实施方式,预设评估模型为线性回归模型、迭代决策树模型以及深度学习模型中的任一模型,或者,预设评估模型为线性回归模型、迭代决策树模型以及深度学习模型中至少两个模型融合而成的模型。
该实施例用于得到门店评估统计结果的预设评估模型可以为线性回归模型、迭代决策树模型以及深度学习模型中的任一模型,或者,预设评估模型为线性回归模型、迭代决策树模型以及深度学习模型中至少两个模型融合而成的模型。其中,线性回归模型为有的假定不直接涉及总体分布形式,比如,在回归分析中常假定分析对象可表示为一些影响因素的线性函数;迭代决策树模型是由多棵决策树组成,所有树的输出结果累加起来就是最终答案的模型;深度学习模型是通过组合低层特征形成更加抽象的高层表示属性类别或特征,以发现数据的分布式特征表示的模型。可选地,该实施例对模型进行融合,可以对线性回归融合、迭代决策树模型融合、深度学习模型融合,或者进行分层融合,从而实现对输入数据的综合评价。
作为一种可选的实施方式,获取门店配比统计结果包括:根据用户的等级确定为用户分配的门店数量上限;采用门店数量上限与至少一个门店的门店数量计算得到为用户待分配的门店数量;计算至少一个门店的门店数量与待分配的门店数量的比值,得到门店配比统计结果。
在该实施例中,在获取门店距离统计结果时,可以获取用户的等级,根据用户的等级确定为用户分配的门店数量上限,其中,每个用户的等级不同,每个用户能够管理的门店数量上限也不相同,用户的等级越高,能够管理的门店数量也就越多。在根据用户的等级确定为用户分配的门店数量上限之后,获取进货平台为用户已分配的门店数量,根据门店数量上限与至少一个门店的门店数量计算得到为用户待分配的门店数量,比如,根据门店数量上限与进货平台为对接人员已分配的门店数量计算得到进货平台为用户待分配的门店数量,可以将门店数量上限与进货平台为用户已分配的门店数量之差确定为进货平台为用户待分配的门店数量。在采用门店数量上限与至少一个门店的门店数量计算得到为用户待分配的门店数量之后,计算至少一个门店的门店数量与待分配的门店数量的比值,得到门店配比统计结果的指令,比如,进货平台为用户已分配的门店数量为A,进货平台为用户待分配的门店数量为B,则将A/B确定为门店配比统计结果,从而确定进货平台为用户已分配的门店数量与进货平台为用户待分配的门店数量的比例关系。
作为一种可选的实施方式,获取门店距离统计结果包括:根据至少一个门店中每个门店的地理位置信息计算至少一个门店中每两个门店之间的距离;采用计算得到的距离数据生成二维距离关系表,得到门店距离统计结果。
在该实施例中,进货平台为用户分配的每个门店具有地理位置信息,该地理位置信息也即店铺地址,用于指示每个门店的地理位置。在获取门店距离统计结果时,采集进货平台为用户分配的多个门店中每个门店的地理位置信息。在采集进货平台为用户分配的多个门店中每个门店的地理位置信息之后,根据至少一个门店中每个门店的地理位置信息计算至少一个门店中每两个门店之间的距离,也即,根据地理位置信息计算多个门店中每两个门店之间的店铺距离。在根据至少一个门店中每个门店的地理位置信息计算至少一个门店中每两个门店之间的距离之后,可以采用计算得到的距离数据生成二维距离关系表,该二维距离关系表可以为店铺距离矩阵,从而得到门店距离统计结果。
作为一种可选的实施方式,采用门店评估统计结果、门店配比统计结果以及门店距离统计结果生成门店拜访规划信息包括:获取与门店评估统计结果对应的第一预设权重值、与门店配比统计结果对应的第二预设权重值以及与门店距离统计结果对应的第三预设权重值;采用门店评估统计结果与第一预设权重值的乘积、门店配比统计结果与第二预设权重值的乘积以及门店距离统计结果与第三预设权重值的乘积进行加权求和运算,生成门店拜访规划信息,以指示用户对至少一个门店的拜访路径以及每个门店的服务需求。
在该实施例中,门店评估统计结果、门店配比统计结果以及门店距离统计结果对应不同的权重值。在采用门店评估统计结果、门店配比统计结果以及门店距离统计结果生成门店拜访规划信息时,基于门店信息和历史服务信息获取至少一个门店中每个门店的门店评估统计结果、门店配比统计结果以及门店距离统计结果与门店评估统计结果对应的第一预设权重值、与门店配比统计结果对应的第二预设权重值以及与门店距离统计结果对应的第三预设权重值,其中,第一预设权重值可以用于指示门店评估统计结果在生成门店拜访路线规划中的相对重要程度,第二预设权重值可以用于指示门店配比统计结果在生成门店拜访路线规划中的相对重要程度,第三预设权重值可以用于指示门店距离统计结果在生成门店拜访路线规划中的相对重要程度。在获取与门店评估统计结果对应的第一预设权重值、与门店配比统计结果对应的第二预设权重值以及与门店距离统计结果对应的第三预设权重值之后,采用门店评估统计结果与第一预设权重值的乘积、门店配比统计结果与第二预设权重值的乘积以及门店距离统计结果与第三预设权重值的乘积进行加权求和运算,从而生成门店拜访路线规划,该门店排放路线规划可以为最优的拜访计划,从而通过门店评估统计结果、门店配比统计结果以及门店距离统计结果生成门店拜访规划信息,从而避免了采用定时的方式进行门店拜访的问题,从而实现了提高门店管理的效率的技术效果,进而解决了由于采用定时的方式进行门店拜访造成的门店管理的效率低的技术问题。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
实施例3
根据本发明实施例,还提供了一种用于实施上述图5所示的门店的智能管理方法的门店的智能管理装置。图6是根据本发明实施例的一种门店的智能管理装置的示意图。如图6所示,该装置600可以包括:确定模块601、获取模块602和生成模块603。
确定模块601,用于确定为用户分配的至少一个门店。
获取模块602,用于获取至少一个门店的门店信息,以及用户对至少一个门店的历史服务信息。
生成模块603,用于基于门店信息和历史服务信息,为用户生成门店拜访规划信息,以将拜访规划信息提供给用户。
可选地,生成模块603包括:获取单元604,用于基于门店信息和历史服务信息获取至少一个门店中每个门店的门店评估统计结果、门店配比统计结果以及门店距离统计结果;生成单元605,用于采用门店评估统计结果、门店配比统计结果以及门店距离统计结果生成门店拜访规划信息。
可选地,门店信息至少包括:消费者购买商品的优惠类信息、门店采购与销售行为类信息、消费者交易行为信息、门店地理位置信息;历史服务信息至少包括:用户服务的门店数量、用户的拜访覆盖率;获取单元604包括:分析子单元606,用于对门店信息和历史服务信息进行分类整合,确定每个门店的采购决策类型、每个门店对进货平台和用户的收益影响以及每个门店的成长路径,其中,采购决策类型包括以下之一:门店自主采购、用户驱动采购、进货平台促销驱动采购,成长路径用于描述每个门店从进货平台进货的采购额变化过程;第一获取子单元607,用于根据每个门店的采购决策类型、每个门店对进货平台和用户的收益影响以及每个门店的成长路径,获取门店类特征标签与用户类特征标签;第二获取子单元608,用于将门店类特征标签与用户类特征标签设置为输入数据,输入至预设评估模型,得到门店评估统计结果,以确定每个门店的服务需求。
可选地,预设评估模型为线性回归模型、迭代决策树模型以及深度学习模型中的任一模型,或者,预设评估模型为线性回归模型、迭代决策树模型以及深度学习模型中至少两个模型融合而成的模型。
可选地,获取单元604包括:确定子单元609,用于根据用户的等级确定为用户分配的门店数量上限;第一计算子单元610,用于采用门店数量上限与至少一个门店的门店数量计算得到为用户待分配的门店数量;第三获取子单元611,用于计算至少一个门店的门店数量与待分配的门店数量的比值,得到门店配比统计结果。
可选地,获取单元604包括:第二计算子单元612,用于根据至少一个门店中每个门店的地理位置信息计算至少一个门店中每两个门店之间的距离;第三计算子单元613,用于采用计算得到的距离数据生成二维距离关系表,得到门店距离统计结果。
可选地,生成单元605包括:第四获取子单元614,用于获取与门店评估统计结果对应的第一预设权重值、与门店配比统计结果对应的第二预设权重值以及与门店距离统计结果对应的第三预设权重值;生成子单元615,用于采用门店评估统计结果与第一预设权重值的乘积、门店配比统计结果与第二预设权重值的乘积以及门店距离统计结果与第三预设权重值的乘积进行加权求和运算,生成门店拜访规划信息,以指示用户对至少一个门店的拜访路径以及每个门店的服务需求。
此处需要说明的是,上述确定模块601、获取模块602和生成模块603对应于实施例2中的步骤S502至步骤S506,两个模块与对应的步骤所实现的实例和应用场景相同,但不限于上述实施例一所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在实施例2提供的计算机终端40中。
该实施例通过确定模块601确定为用户分配的至少一个门店,通过获取模块602获取至少一个门店的门店信息,以及用户对至少一个门店的历史服务信息,通过生成模块603基于门店信息和历史服务信息,为用户生成门店拜访规划信息,以将拜访规划信息提供给用户,从而避免了采用定时的方式进行门店拜访的问题,从而实现了提高门店管理的效率的技术效果,进而解决了由于采用定时的方式进行门店拜访造成的门店管理的效率低的技术问题。
实施例3
本发明的实施例可以提供一种计算机终端,该计算机终端可以是计算机终端群中的任意一个计算机终端设备。可选地,在本实施例中,上述计算机终端也可以替换为移动终端等终端设备。
可选地,在本实施例中,上述计算机终端可以位于计算机网络的多个网络设备中的至少一个网络设备。
在本实施例中,上述计算机终端可以执行应用程序的门店的智能管理方法中以下步骤的程序代码:确定为用户分配的至少一个门店;获取至少一个门店的门店信息,以及用户对至少一个门店的历史服务信息;基于门店信息和历史服务信息,为用户生成门店拜访规划信息,以将拜访规划信息提供给用户。
可选地,图7是根据本发明实施例的另一种移动终端的结构框图。如图7所示,该移动终端A可以包括:一个或多个(图中仅示出一个)处理器702、存储器704、以及传输装置706。
其中,存储器可用于存储软件程序以及模块,如本发明实施例中的门店的智能管理方法和装置对应的程序指令/模块,处理器通过运行存储在存储器内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的门店的智能管理方法。存储器可包括高速随机存储器,还可以包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器可进一步包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至移动终端A。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
处理器可以通过传输装置调用存储器存储的信息及应用程序,以执行下述步骤:确定为用户分配的至少一个门店;获取至少一个门店的门店信息,以及用户对至少一个门店的历史服务信息;基于门店信息和历史服务信息,为用户生成门店拜访规划信息,以将拜访规划信息提供给用户。
可选的,上述处理器还可以执行如下步骤的程序代码:基于门店信息和历史服务信息获取至少一个门店中每个门店的门店评估统计结果、门店配比统计结果以及门店距离统计结果;采用门店评估统计结果、门店配比统计结果以及门店距离统计结果生成门店拜访规划信息。
可选的,上述处理器还可以执行如下步骤的程序代码:对门店信息和历史服务信息进行分类整合,确定每个门店的采购决策类型、每个门店对进货平台和用户的收益影响以及每个门店的成长路径,其中,采购决策类型包括以下之一:门店自主采购、用户驱动采购、进货平台促销驱动采购,成长路径用于描述每个门店从进货平台进货的采购额变化过程;根据每个门店的采购决策类型、每个门店对进货平台和用户的收益影响以及每个门店的成长路径,获取门店类特征标签与用户类特征标签;将门店类特征标签与用户类特征标签设置为输入数据,输入至预设评估模型,得到门店评估统计结果,以确定每个门店的服务需求。
可选的,上述处理器还可以执行如下步骤的程序代码:根据用户的等级确定为用户分配的门店数量上限;采用门店数量上限与至少一个门店的门店数量计算得到为用户待分配的门店数量;计算至少一个门店的门店数量与待分配的门店数量的比值,得到门店配比统计结果。
可选的,上述处理器还可以执行如下步骤的程序代码:根据至少一个门店中每个门店的地理位置信息计算至少一个门店中每两个门店之间的距离;采用计算得到的距离数据生成二维距离关系表,得到门店距离统计结果。
可选的,上述处理器还可以执行如下步骤的程序代码:获取与门店评估统计结果对应的第一预设权重值、与门店配比统计结果对应的第二预设权重值以及与门店距离统计结果对应的第三预设权重值;采用门店评估统计结果与第一预设权重值的乘积、门店配比统计结果与第二预设权重值的乘积以及门店距离统计结果与第三预设权重值的乘积进行加权求和运算,生成门店拜访规划信息,以指示用户对至少一个门店的拜访路径以及每个门店的服务需求。
采用本发明实施例,提供了一种门店的智能管理的方案。确定为用户分配的至少一个门店;获取至少一个门店的门店信息,以及用户对至少一个门店的历史服务信息;基于门店信息和历史服务信息,为用户生成门店拜访规划信息,以将拜访规划信息提供给用户,从而避免了采用定时的方式进行门店拜访的问题,从而实现了提高门店管理效率的技术效果,进而解决了由于采用定时的方式进行门店拜访造成的门店管理的效率低的技术问题。
本领域普通技术人员可以理解,图7所示的结构仅为示意,移动终端A也可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌声电脑以及移动互联网设备(MobileInternet Devices,MID)、PAD等终端设备。图7其并不对上述电子装置的结构造成限定。例如,移动终端A还可包括比图7中所示更多或者更少的组件(如网络接口、显示装置等),或者具有与图7所示不同的配置。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:闪存盘、只读存储器(Read-Only Memory,ROM)、随机存取器(RandomAccess Memory,RAM)、磁盘或光盘等。
实施例4
本发明的实施例还提供了一种存储介质。可选地,在本实施例中,上述存储介质可以用于保存上述实施例2所提供的门店的智能管理方法所执行的程序代码。
可选地,在本实施例中,上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中,或者位于移动终端群中的任意一个移动终端中。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:确定为用户分配的至少一个门店;获取至少一个门店的门店信息,以及用户对至少一个门店的历史服务信息;基于门店信息和历史服务信息,为用户生成门店拜访规划信息,以将拜访规划信息提供给用户。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:基于门店信息和历史服务信息获取至少一个门店中每个门店的门店评估统计结果、门店配比统计结果以及门店距离统计结果;采用门店评估统计结果、门店配比统计结果以及门店距离统计结果生成门店拜访规划信息。
可选地,存储介质还被设置为存储用于执行以下步骤的程序代码:对门店信息和历史服务信息进行分类整合,确定每个门店的采购决策类型、每个门店对进货平台和用户的收益影响以及每个门店的成长路径,其中,采购决策类型包括以下之一:门店自主采购、用户驱动采购、进货平台促销驱动采购,成长路径用于描述每个门店从进货平台进货的采购额变化过程;根据每个门店的采购决策类型、每个门店对进货平台和用户的收益影响以及每个门店的成长路径,获取门店类特征标签与用户类特征标签;将门店类特征标签与用户类特征标签设置为输入数据,输入至预设评估模型,得到门店评估统计结果,以确定每个门店的服务需求。
可选地,存储介质还被设置为存储用于执行以下步骤的程序代码:根据用户的等级确定为用户分配的门店数量上限;采用门店数量上限与至少一个门店的门店数量计算得到为用户待分配的门店数量;计算至少一个门店的门店数量与待分配的门店数量的比值,得到门店配比统计结果。
可选地,存储介质还被设置为存储用于执行以下步骤的程序代码:根据至少一个门店中每个门店的地理位置信息计算至少一个门店中每两个门店之间的距离;采用计算得到的距离数据生成二维距离关系表,得到门店距离统计结果。
可选地,存储介质还被设置为存储用于执行以下步骤的程序代码:获取与门店评估统计结果对应的第一预设权重值、与门店配比统计结果对应的第二预设权重值以及与门店距离统计结果对应的第三预设权重值;采用门店评估统计结果与第一预设权重值的乘积、门店配比统计结果与第二预设权重值的乘积以及门店距离统计结果与第三预设权重值的乘积进行加权求和运算,生成门店拜访规划信息,以指示用户对至少一个门店的拜访路径以及每个门店的服务需求。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (17)
1.一种门店的智能管理方法,其特征在于,包括:
确定为用户分配的至少一个门店;
获取所述至少一个门店的门店信息,以及所述用户对所述至少一个门店的历史服务信息;
基于所述门店信息和所述历史服务信息,为所述用户生成门店拜访规划信息,以将所述拜访规划信息提供给所述用户。
2.根据权利要求1所述的方法,其特征在于,基于所述门店信息和所述历史服务信息生成所述门店拜访规划信息包括:
基于所述门店信息和所述历史服务信息获取所述至少一个门店中每个门店的门店评估统计结果、门店配比统计结果以及门店距离统计结果;
采用所述门店评估统计结果、所述门店配比统计结果以及所述门店距离统计结果生成所述门店拜访规划信息。
3.根据权利要求1所述的方法,其特征在于,所述门店信息至少包括:消费者购买商品的优惠类信息、门店采购与销售行为类信息、消费者交易行为信息、门店地理位置信息;所述历史服务信息至少包括:所述用户服务的门店数量、所述用户的拜访覆盖率;基于所述门店信息和所述历史信息获取所述门店评估统计结果包括:
对所述门店信息和所述历史服务信息进行分类整合,确定每个门店的采购决策类型、每个门店对进货平台和所述用户的收益影响以及每个门店的成长路径,其中,所述采购决策类型包括以下之一:门店自主采购、用户驱动采购、进货平台促销驱动采购,所述成长路径用于描述每个门店从所述进货平台进货的采购额变化过程;
根据每个门店的采购决策类型、每个门店对所述进货平台和所述用户的收益影响以及每个门店的成长路径,获取门店类特征标签与用户类特征标签;
将所述门店类特征标签与所述用户类特征标签设置为输入数据,输入至预设评估模型,得到所述门店评估统计结果,以确定每个门店的服务需求。
4.根据权利要求3所述的方法,其特征在于,所述预设评估模型为线性回归模型、迭代决策树模型以及深度学习模型中的任一模型,或者,所述预设评估模型为线性回归模型、迭代决策树模型以及深度学习模型中至少两个模型融合而成的模型。
5.根据权利要求2所述的方法,其特征在于,获取所述门店配比统计结果包括:
根据所述用户的等级确定为所述用户分配的门店数量上限;
采用所述门店数量上限与所述至少一个门店的门店数量计算得到为所述用户待分配的门店数量;
计算所述至少一个门店的门店数量与所述待分配的门店数量的比值,得到所述门店配比统计结果。
6.根据权利要求3所述的方法,其特征在于,获取所述门店距离统计结果包括:
根据所述至少一个门店中每个门店的地理位置信息计算所述至少一个门店中每两个门店之间的距离;
采用计算得到的距离数据生成二维距离关系表,得到所述门店距离统计结果。
7.根据权利要求2所述的方法,其特征在于,采用所述门店评估统计结果、所述门店配比统计结果以及所述门店距离统计结果生成所述门店拜访规划信息包括:
获取与所述门店评估统计结果对应的第一预设权重值、与所述门店配比统计结果对应的第二预设权重值以及与所述门店距离统计结果对应的第三预设权重值;
采用所述门店评估统计结果与所述第一预设权重值的乘积、所述门店配比统计结果与所述第二预设权重值的乘积以及所述门店距离统计结果与所述第三预设权重值的乘积进行加权求和运算,生成所述门店拜访规划信息,以指示所述用户对所述至少一个门店的拜访路径以及每个门店的服务需求。
8.一种门店的智能管理装置,其特征在于,包括:
确定模块,用于确定为用户分配的至少一个门店;
获取模块,用于获取所述至少一个门店的门店信息,以及所述用户对所述至少一个门店的历史服务信息;
生成模块,用于基于所述门店信息和所述历史服务信息,为所述用户生成门店拜访规划信息,以将所述拜访规划信息提供给所述用户。
9.根据权利要求8所述的装置,其特征在于,所述生成模块包括:
获取单元,用于基于所述门店信息和所述历史服务信息获取所述至少一个门店中每个门店的门店评估统计结果、门店配比统计结果以及门店距离统计结果;
生成单元,用于采用所述门店评估统计结果、所述门店配比统计结果以及所述门店距离统计结果生成门店拜访规划信息。
10.根据权利要求9所述的装置,其特征在于,所述门店信息至少包括:消费者购买商品的优惠类信息、门店采购与销售行为类信息、消费者交易行为信息、门店地理位置信息;所述历史服务信息至少包括:所述用户服务的门店数量、所述用户的拜访覆盖率;所述获取单元包括:
分析子单元,用于对所述门店信息和所述历史服务信息进行分类整合,确定每个门店的采购决策类型、每个门店对进货平台和所述用户的收益影响以及每个门店的成长路径,其中,所述采购决策类型包括以下之一:门店自主采购、用户驱动采购、进货平台促销驱动采购,所述成长路径用于描述每个门店从所述进货平台进货的采购额变化过程;
第一获取子单元,用于根据每个门店的采购决策类型、每个门店对所述进货平台和所述用户的收益影响以及每个门店的成长路径,获取门店类特征标签与用户类特征标签;
第二获取子单元,用于将所述门店类特征标签与所述用户类特征标签设置为输入数据,输入至预设评估模型,得到所述门店评估统计结果,以确定每个门店的服务需求。
11.根据权利要求10所述的装置,其特征在于,所述预设评估模型为线性回归模型、迭代决策树模型以及深度学习模型中的任一模型,或者,所述预设评估模型为线性回归模型、迭代决策树模型以及深度学习模型中至少两个模型融合而成的模型。
12.根据权利要求8所述的装置,其特征在于,所述获取单元包括:
确定子单元,用于根据所述用户的等级确定为所述用户分配的门店数量上限;
第一计算子单元,用于采用所述门店数量上限与所述至少一个门店的门店数量计算得到为所述用户待分配的门店数量;
第三获取子单元,用于计算所述至少一个门店的门店数量与所述待分配的门店数量的比值,得到所述门店配比统计结果。
13.根据权利要求10所述的装置,其特征在于,所述获取单元包括:
第二计算子单元,用于根据所述至少一个门店中每个门店的地理位置信息计算所述至少一个门店中每两个门店之间的距离;
第三计算子单元,用于采用计算得到的距离数据生成二维距离关系表,得到所述门店距离统计结果。
14.根据权利要求9所述的装置,其特征在于,所述生成单元包括:
第四获取子单元,用于获取与所述门店评估统计结果对应的第一预设权重值、与所述门店配比统计结果对应的第二预设权重值以及与所述门店距离统计结果对应的第三预设权重值;
生成子单元,用于采用所述门店评估统计结果与所述第一预设权重值的乘积、所述门店配比统计结果与所述第二预设权重值的乘积以及所述门店距离统计结果与所述第三预设权重值的乘积进行加权求和运算,生成所述门店拜访规划信息,以指示所述用户对所述至少一个门店的拜访路径以及每个门店的服务需求。
15.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行以下步骤:
确定为用户分配的至少一个门店;
获取所述至少一个门店的门店信息,以及所述用户对所述至少一个门店的历史服务信息;
基于所述门店信息和所述历史服务信息,为所述用户生成门店拜访规划信息,以将所述拜访规划信息提供给所述用户。
16.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行以下步骤:
确定为用户分配的至少一个门店;
获取所述至少一个门店的门店信息,以及所述用户对所述至少一个门店的历史服务信息;
基于所述门店信息和所述历史服务信息,为所述用户生成门店拜访规划信息,以将所述拜访规划信息提供给所述用户。
17.一种移动终端,其特征在于,包括:
处理器;以及
存储器,与所述处理器连接,用于为所述处理器提供处理以下处理步骤的指令:
确定为用户分配的至少一个门店;
获取所述至少一个门店的门店信息,以及所述用户对所述至少一个门店的历史服务信息;
基于所述门店信息和所述历史服务信息,为所述用户生成门店拜访规划信息,以将所述拜访规划信息提供给所述用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711449072.4A CN109978292B (zh) | 2017-12-27 | 2017-12-27 | 门店的智能管理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711449072.4A CN109978292B (zh) | 2017-12-27 | 2017-12-27 | 门店的智能管理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109978292A true CN109978292A (zh) | 2019-07-05 |
CN109978292B CN109978292B (zh) | 2023-05-30 |
Family
ID=67071236
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711449072.4A Active CN109978292B (zh) | 2017-12-27 | 2017-12-27 | 门店的智能管理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109978292B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110634028A (zh) * | 2019-09-18 | 2019-12-31 | 名创优品(横琴)企业管理有限公司 | 一种商品结构配置方法及*** |
CN110941687A (zh) * | 2019-10-16 | 2020-03-31 | 浙江口碑网络技术有限公司 | 一种生成拜访报告的方法和装置 |
CN111724037A (zh) * | 2020-05-21 | 2020-09-29 | 口碑(上海)信息技术有限公司 | 运营资源分配方法、装置、计算机设备及可读存储介质 |
CN112348601A (zh) * | 2020-12-04 | 2021-02-09 | 上海晶确科技有限公司 | 业务开发路线规划方法 |
CN113203427A (zh) * | 2021-05-14 | 2021-08-03 | 杉数科技(北京)有限公司 | 一种路径规划方法、装置及服务器 |
CN116432886A (zh) * | 2023-06-13 | 2023-07-14 | 北京纷扬科技有限责任公司 | 一种智能路线规划方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007043723A1 (en) * | 2005-10-13 | 2007-04-19 | Jin-Seok Choe | System and method for providing information of customer's purchase pattern to affiliated stores |
CN102067155A (zh) * | 2008-04-25 | 2011-05-18 | 普得有限公司 | 一种用于收集和处理零售店库存数据的方法和*** |
CN102446328A (zh) * | 2010-10-15 | 2012-05-09 | 深圳市安致兰德科技有限公司 | 销售管理*** |
CN104170519A (zh) * | 2011-12-19 | 2014-11-26 | 英特尔公司 | 智能设备辅助的商务 |
CN104599150A (zh) * | 2013-10-31 | 2015-05-06 | 大连智友软件科技有限公司 | 一种智能客户拜访方法 |
CN104601615A (zh) * | 2013-10-31 | 2015-05-06 | 大连智友软件科技有限公司 | 基于移动终端的客户拜访*** |
CN106097011A (zh) * | 2016-06-15 | 2016-11-09 | 广州信聚丰信息科技有限公司 | 智能门店用智能巡店及消费者行为可视化需求分析*** |
-
2017
- 2017-12-27 CN CN201711449072.4A patent/CN109978292B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007043723A1 (en) * | 2005-10-13 | 2007-04-19 | Jin-Seok Choe | System and method for providing information of customer's purchase pattern to affiliated stores |
CN102067155A (zh) * | 2008-04-25 | 2011-05-18 | 普得有限公司 | 一种用于收集和处理零售店库存数据的方法和*** |
CN102446328A (zh) * | 2010-10-15 | 2012-05-09 | 深圳市安致兰德科技有限公司 | 销售管理*** |
CN104170519A (zh) * | 2011-12-19 | 2014-11-26 | 英特尔公司 | 智能设备辅助的商务 |
CN104599150A (zh) * | 2013-10-31 | 2015-05-06 | 大连智友软件科技有限公司 | 一种智能客户拜访方法 |
CN104601615A (zh) * | 2013-10-31 | 2015-05-06 | 大连智友软件科技有限公司 | 基于移动终端的客户拜访*** |
CN106097011A (zh) * | 2016-06-15 | 2016-11-09 | 广州信聚丰信息科技有限公司 | 智能门店用智能巡店及消费者行为可视化需求分析*** |
Non-Patent Citations (1)
Title |
---|
许贤慧: "GC日化企业分销渠道策略的研究", 《中国优秀硕士学位论文全文数据库 经济与管理科学辑》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110634028A (zh) * | 2019-09-18 | 2019-12-31 | 名创优品(横琴)企业管理有限公司 | 一种商品结构配置方法及*** |
CN110634028B (zh) * | 2019-09-18 | 2022-08-19 | 创优数字科技(广东)有限公司 | 一种商品结构配置方法及*** |
CN110941687A (zh) * | 2019-10-16 | 2020-03-31 | 浙江口碑网络技术有限公司 | 一种生成拜访报告的方法和装置 |
CN111724037A (zh) * | 2020-05-21 | 2020-09-29 | 口碑(上海)信息技术有限公司 | 运营资源分配方法、装置、计算机设备及可读存储介质 |
CN111724037B (zh) * | 2020-05-21 | 2024-03-05 | 口碑(上海)信息技术有限公司 | 运营资源分配方法、装置、计算机设备及可读存储介质 |
CN112348601A (zh) * | 2020-12-04 | 2021-02-09 | 上海晶确科技有限公司 | 业务开发路线规划方法 |
CN113203427A (zh) * | 2021-05-14 | 2021-08-03 | 杉数科技(北京)有限公司 | 一种路径规划方法、装置及服务器 |
CN116432886A (zh) * | 2023-06-13 | 2023-07-14 | 北京纷扬科技有限责任公司 | 一种智能路线规划方法 |
CN116432886B (zh) * | 2023-06-13 | 2023-08-29 | 北京纷扬科技有限责任公司 | 一种智能路线规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109978292B (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109978292A (zh) | 门店的智能管理方法及装置 | |
De Boer et al. | A review of methods supporting supplier selection | |
Izadikhah | Group Decision Making Process for Supplier Selection with TOPSIS Method under Interval‐Valued Intuitionistic Fuzzy Numbers | |
SANDHOLM¹ | VERY-LARGE-SCALE GENERALIZED COMBINATORIAL MULTI-ATTRIBUTE AUCTIONS | |
CN109903111A (zh) | 用于个性化推荐的排序方法,排序模型训练方法和排序*** | |
CN108242016A (zh) | 一种产品推荐的方法和装置 | |
Sahu et al. | Appraisal of partner enterprises under GTFNS environment: agile supply chain | |
CN107067282B (zh) | 一种消费品返利销售营销管理***及其使用方法 | |
Chernonog et al. | How to set price and quality in a supply chain of virtual products under bi-criteria and risk consideration | |
CN110178154A (zh) | 优化零售环境中的人力资源和非人力资源 | |
Khaji et al. | A system dynamics approach for strategic partnering in supply networks | |
Kalia | Artificial intelligence in e-commerce: a business process analysis | |
ESMAEILI et al. | Customer lifetime value models: A literature survey | |
Lao et al. | Determination of the success factors in supply chain networks: a Hong Kong‐based manufacturer's perspective | |
Niemi et al. | Estimating the business potential for operators in a local food supply chain | |
Drezner et al. | Multipurpose shopping trips and location | |
CN113554455A (zh) | 基于人工智能的店铺商品分析方法、装置及存储介质 | |
Kumar et al. | An integrated approach of fuzzy AHP and fuzzy TOPSIS in modelling contractual design of supply chain inventory coordination mechanism | |
Filho et al. | A new approach for decision making in distribution supply chains: a theory of constraints perspective | |
Chao | Production and availability policies through the Markov Decision Process and myopic methods for contractual and selective orders | |
Haurand et al. | The early-stage development of two-sided digital platforms: a simulation approach | |
Stephen et al. | An intelligent cloud-based customer relationship management system to determine flexible pricing for customer retention | |
KR20210093563A (ko) | 부동산 관리 장치 및 방법 | |
CN111178963A (zh) | 一种会员生命周期管理方法和装置 | |
Chuprina et al. | New product development |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |