[发明专利]有价值长尾项目的筛选方法

权利要求书

1.一种有价值长尾项目的筛选方法，其特征在于，包括如下步骤：

项目的相关信息获取步骤S110：获取已开售未开演项目的相关信息，所述相关信息包括项目的基础信息、销售信息、票房信息、浏览信息，其中所述基础信息指的是项目的基本属性，所述销售信息指的是运营项目的公司内部的销售信息，所述票房信息指的是整个项目规划和各渠道票务的总体情况，所述浏览信息指的是浏览该项目的情况；

特征变量抽取步骤S120：输入所述已开售未开演项目的相关信息中的特征变量，考量所述特征变量中的独立和代表性，抽取相互独立的特征变量；

特征变量打分体系建立步骤S130：根据所抽取的独立特征变量的历史数据，设定每个特征变量的分值区间，给每个特征变量打分，建立特征变量打分体系；

变量权重模型建立步骤S140：设置每个所抽取的独立特征变量的权重，建立变量权重模型；

得分阈值设置步骤S150：设置得分阈值，将需要考量的长尾项目，按照所述变量权重模型进行打分，再与所述得分阈值比较，大于等于所述得分阈值的项目为有价值的长尾项目。

2.根据权利要求1所述的有价值长尾项目的筛选方法，其特征在于：

在特征变量抽取步骤S120中，所输入所述已开售未开演项目的相关信息中的特征变量包括基础信息、销售信息、票房信息、浏览信息的20个特征变量：

基础信息：项目品类、演出城市、是否总代、演出场次数、演出天数、演出星期、距开演天数；

销售信息：自销天数、自销票量、日均售票量、项目热度；

票房信息：规划总票量、工作票量、防涨票量、预留票量、已售票量、未售票量、票均价、预估未售占比；

浏览信息：日均UV。

3.根据权利要求2所述的有价值长尾项目的筛选方法，其特征在于：

在特征变量抽取步骤S120中，考量所述特征变量中的独立和代表性，抽取相互独立的特征变量，包括相互独立的价值特征变量和长尾特征变量。

4.根据权利要求3所述的有价值长尾项目的筛选方法，其特征在于：

在特征变量抽取步骤S120中：

抽取了7个相互独立的价值特征变量：是否总代、演出场次数、演出天数、演出星期、规划总票量、票均价、日均售票量；

抽取3个相互独立的长尾特征变量：自销天数、预估未售占比、日均UV。

5.根据权利要求4所述的有价值长尾项目的筛选方法，其特征在于：

在特征变量打分体系建立步骤S130中，各特征变量打分结果如下：是否总代：自变量a＝1代表总代，a＝0代表非总代，

演出场次数：自变量b代表项目演出场次数，

演出天数：自变量c代表项目演出天数，

演出星期：自变量d＝[1,2,3,4,5,6,7]代表星期一到星期日，

规划总票量：自变量e代表项目规划总票量张数，

票均价：自变量g代表项目票均价，

日均售票量：自变量h代表项目日均售票量张数，

自销天数：自变量i代表项目自销的天数,

预估未售占比：自变量j代表预估未售票量占比，

日均UV：自变量k代表项目日均浏览人数，

6.根据权利要求5所述的有价值长尾项目的筛选方法，其特征在于：

所述变量权重模型为：

f(x)＝5％*f(a)+10％f(b)+5％f(c)+10％f(d)+10％f(e)+

10％f(g)+10％f(h)+5％f(i)+20％f(j)+15％f(k)。

7.根据权利要求1-5中任意一项所述的有价值长尾项目的筛选方法，其特征在于：

所述得分阈值通过如下方式得到：

抽取已开售未开演的项目，按照所述变量权重模型计算项目综合得分，并将综合得分划分为若干等级；

随机抽取若干个项目，每个等级项目数相同，分别给若干个专家进行独立评判，评判是否为有价值的长尾项目，在汇总专家评判结果，统计所有专家均全票认为是“有价值的长尾项目”的项目，选取全票通过项目中综合得分中最低的分值，将最低的分值作为所述阈值。

8.根据权利要求1-5中任意一项所述的有价值长尾项目的筛选方法，其特征在于：

所述得分阈值通过经验的方式进行设定。