[发明专利]基于零售AI系统的营销策略成效的评估方法

说明书

本发明公开了一种基于零售AI系统的营销策略成效的评估方法，包括如下步骤：A)通过一组SQL加载符合设定格式的相关数据；相关数据为历史客户的行为信息和销售策略发布；B)对相关数据进行预处理，得到加工后的数据；C)将加工后的数据代入多元线性回归算法进行AI学习和训练，解其残差方程组得到最优解系数，并根据最优解系数得到策略成效评估模型；D)用户输入模拟策略或参数，并将其代入策略成效评估模型，零售AI系统给出相应指标的预估值和预估误差范围，并分析出各个维度分别对指标的影响程度。本发明对零售行业提供有数据支撑的营销策略成效评估功能、对硬件和运维人员要求较低。

技术领域

本发明涉及零售领域，特别涉及一种基于零售AI系统的营销策略成效的评估方法。

背景技术

零售系统现时已经实现线上线下融通一体，以线上线下+智能物流的模式，把传统的线下渠道布局到线上形成新零售体系。通过订单管理，客户数据管理供应链管理，使得零售数据化，全网、全渠道融合。充分解决销售渠道问题、客户沟通问题、物流仓储问题，可以有效的管理自营店铺、渠道商之间的营销管理问题、货物滞销问题、乱价问题。零售系统可以做到资源共享，借助社交媒体工具，提升品牌曝光量，借助有效的零售分析系统，提高目标客户群体消费额。然而，传统零售系统局限于云端的海量数据，不能对日常营运数据进行有效实时分析，对硬件和运维人员要求较高。传统零售系统不能提供有效率的营销策略成效评估功能。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种对零售行业提供有数据支撑的营销策略成效评估功能、对硬件和运维人员要求较低的基于零售AI系统的营销策略成效的评估方法。

本发明解决其技术问题所采用的技术方案是：构造一种基于零售AI系统的营销策略成效的评估方法，包括如下步骤：

A)通过一组SQL加载符合设定格式的相关数据；所述相关数据为历史客户的行为信息和销售策略发布；

B)对所述相关数据进行预处理，得到加工后的数据；

C)将所述加工后的数据代入多元线性回归算法进行AI学习和训练，解其残差方程组得到最优解系数，并根据所述最优解系数得到策略成效评估模型；

D)用户输入模拟策略或参数，并将其代入所述策略成效评估模型，所述零售AI系统给出相应指标的预估值和预估误差范围，并分析出各个维度分别对所述指标的影响程度。

在本发明所述的基于零售AI系统的营销策略成效的评估方法中，所述相关数据包括销售数据、电子券领取与核销流水、活动发布数据、满赠参数数据、促销积分流水、礼品领取流水、游戏参与数据、各类优惠参与店铺数据、C端移动触点数据、粉丝或会员增长量数据以及X天内优惠或信息推送数据。

在本发明所述的基于零售AI系统的营销策略成效的评估方法中，所述步骤B)中的预处理包括维度旋转、离散数值连续化、缺失值填充和维度合并处理。

在本发明所述的基于零售AI系统的营销策略成效的评估方法中，所述步骤D)进一步包括：

D1)所述策略成效评估模型训练结束后，把未参与到训练的数据代入所述策略成效评估模型进行测试；

D2)所述零售AI系统评估所述策略成效评估模型的偏差度；

D3)按比例逐一改变维度输入值，观察其结果改变，得出每个维度对所述指标的影响程度。

在本发明所述的基于零售AI系统的营销策略成效的评估方法中，所述指标为销售额、客单价、销售量、会员增长量或粉丝增长量。