[发明专利]基于货架价值地图的超市货架陈列方法

摘要

本发明公开了一种基于货架价值地图的超市货架陈列方法，包括数据加载步骤、品类定义步骤、品类评估步骤、货架排列步骤和冗余处理步骤。本发明提供的基于货架价值地图的超市货架陈列方法，按照品类对超市进行区域划分，计算各种粒度的区域价值，并进行展示，给决策者以直观的展现印象，将计算结果结合公平货架原则对货架重新调整，以数据为基础，经过科学的计算过程，给决策者提出科学的建议，以提高货架利用价值，能够帮助决策者做出科学的决策，以提高超市利润。

主权项

1.基于货架价值地图的超市货架陈列方法，其特征在于：包括如下步骤：（1）数据加载：载入超市相关数据，包括卖场内客流行动数据、货架陈列数据、供应数据和销售数据；（2）品类定义：对超市商品进行分类建立商品的树形层次结构模型，分为两个以上量级，并按照规则对商品进行编码；（3）品类评估：用层次分析法实现数据融合，用熵值法解决层次分析法依靠经验的缺陷，具体包括如下步骤：（31）明确目标：通过对超市相关数据的融合，分析出每一个区域对超市的价值贡献，为货架的排列做前期数据分析；（32）确定考察量级：选择超市的考察区域，确定该考察区域内所有量级中的一个作为考察量级，该考察量级中的所有m个分类分别记为m个样本，所有样本的评价指标共有n项，所述评价指标从超市相关数据中提取；获取m个样本的n项评价指标的实际数值；（33）构造判断矩阵：计算考察区域内的各指标的信息熵并以信息熵的比值为矩阵元素构造判断矩阵A，包括如下步骤：（331）构造原始矩阵X＝(x_ij)_m×n，其中x_ij表示第i个样本中第j项评价指标的实际数值；（332）确定指标的正负值：根据评价指标的性质对评价指标进行正负取向分类，设第j项评价指标的理想值为若该评价指标为正向指标，则越大越好；若该评价指标为负向指标，则越小越好；（333）求出评价指标的理想值，即在每一个正向指标中找到最大值在每一个负向指标中找到最小值（334）求出接近矩阵X′＝(x_ij′)_m×n，对于正向指标对于负向指标xij'=xjmin*/xij;]]>（335）求出标准矩阵Y＝(y_ij)_m×n，其中yij=xij′Σi=1mxij′,0≤yij≤1;]]>（336）计算信息熵值e，第j项评价指标的信息熵值e_j为：ej=-KΣi=1myijlnyij]]>其中，0≤e≤1；对信息熵值e做下述处理得到考察区域评价指标的信息熵E_j：Ej=1ej]]>（337）以考察区域评价指标的信息熵E_j的比值为矩阵元素构造判断矩阵A：A=E1/E1E2/E1......En/E1E1/E2E2/E2......En/E2......E1/EnE2/En......En/En]]>（34）计算判断矩阵A的最大特征值问题Aω＝λ_maxω的解ω，其中ω是判断矩阵A的特征向量，λ_max是判断矩阵A的最大特征值；ω经归一化计算后得ω₁,ω₂,…,ω_j,…,ω_n，即为该考察区域内该考察量级的各项评价指标的权重；（35）计算第i个样本在该考察量级上的得分为：（36）采用相同方法计算第i个样本所属的第前k个量级样本在第前k个量级上的得分为t_i(k+1)，据此计算第i个样本在第前k个量级上的得分为（37）得分越高，样品在相应量级的价值越高；（4）货架排列：结合货架公平原则和货架价值地图进行货架排列，商品的货架空间资源占用计算方法为：商品所占货架数=总货架数×单品贡献率；商品纵向陈列米数=商品所占货架数×货架宽×货架层数=该商品所属的前一量级样本的陈列米数×商品得分；商品陈列面=商品直线陈列米数÷商品宽度=该商品所属的前一量级样本的陈列米数×商品得分；所述单品贡献率为商品在当前量级上的得分，所述总货架数为根据商品在当前量级的前一量级上的得分而计算出的商品所占货架数，总货架数的初始值为商场的总货架数；（5）冗余处理：在四个量级的货架分配步骤中，若计算出的所占货架数不为整数，则根据商品的品类空间弹性进行冗余处理：根据弹性表，若弹性表排名在50%以内，则取超过计算所得数的最小整数，否则取不超过计算所得数的最大数。