[发明专利]一种基于大数据的商场门店存续预测方法

权利要求书

1.一种基于大数据的商场门店存续预测方法，其特征在于，方法包括以下步骤：

(1)目标与思路：以商场店铺存续情况为研究对象，目的在为商场提供一个店铺经营状况的预警机制，从而为商场店铺调整提供决策意见；

(2)原始数据和数据处理：使用的原始数据来自于10个省市20个广场5000个门店的经营面积、租金、销售和客流数据，门店数据如果在一个月以上的时间跨度后还未录入系统，那么该门店就被标记为关店；

(3)指标计算算法：门店销售额、客流、面积、租金等基础数据，计算了5个商场经营中的重要指标，分别是：经营每平米平均分：将平均日销售/面积、平均日客流/面积和日租金/面积按照熵权法1计算出的权重进行加权求和，得到一年的平均得分，平均得分＝去年平均得分+今年平均得分；经营总得分：经营总分是平均得分乘以面积；销售增长率：今年平均日销售与去年平均日销售的差除以去年平均日销售；客流增长率：今年平均日客流与去年平均日客流的差除以去年平均日客流；售租比：售租比是平均日销售除以日租金；

分别对上述5种指标进行由小到大进行排序，将前(选取比例×广场总门店数)家门店标记为可能关店，其余门店标记为继续开店，得到基于上述5种指标的门店存续预测结果；

(4)投票算法：通过将不同的分类器组合成为一个元分类器，元分类器与包含的单个分类器相比，元分类器具有更好的泛化性能；由于样本的严重不平均，所以在投票时考虑选取小于50％的比例作为阈值；我们使用了三种不同的投票算法，分别是：

a.上述5种指标中至少有2个认为该门店可能会关店，则认为该门店可能会关店(简称5选2)；

b.总得分、销售增长率、售租比至少有2个认为该门店可能会关店，则认为该门店可能会关店(简称3选2)；

c.总得分、销售增长率、售租比至少有1个认为该门店可能会关店，则认为该门店可能会关店(简称3选1)；

(5)评价标准：衡量算法预测的效果，使用了精确率、召回率和F1-score这三个标准；

(6)结果分析，并进行总结。

2.根据权利要求1所述的一种基于大数据的商场门店存续预测方法，其特征在于：在原始数据中会遇到某些天销售、客流缺失的情况，在数据处理中，我们使用已有的销售、客流数据，通过时间序列算法预测该天的销售、客流，并在上表中补齐。

3.根据权利要求1所述的一种基于大数据的商场门店存续预测方法，其特征在于：所述精确率P用以预测关店的样本中有多少是真正关店的样本，其定义为其中TP表示将真正关店样本预测为关店，FP表示将未关店样本预测为关店。

4.根据权利要求1所述的一种基于大数据的商场门店存续预测方法，其特征在于：所述召回率R是真正关店的样本中有多少是预测关店的样本，其定义为其中TP表示将真正关店样本预测为关店，FP表示将真正关店样本预测为开店。

5.根据权利要求1所述的一种基于大数据的商场门店存续预测方法，其特征在于：所述使用精确率P和召回率R这两个指标，来评价二分类模型的分析效果，但是当这两个指标发生冲突时，难在模型之间进行比较；F1-score是统计学中用来衡量二分类模型精确度的一种指标，是精确率和召回率的调和平均数，兼顾了分类模型的精确率和召回率；精确率和召回率较小的那个将会决定F1-score结果，即具有短板效应，可以避免出现一个指标过高而另外一个指标过低的情况，因此主要使用F1-score作为评价指标，其的定义是