CN106779808A - 一种商圈中消费者空间行为分析系统及方法 - Google Patents

Abstract

本发明涉及电子商务技术领域，具体涉及一种商圈中消费者空间行为分析系统和方法。本发明一种商圈中消费者空间行为分析系统，包含数据采集模块，所述数据采集模块至少包含个人消费数据采集模块、空间行为数据采集模块和个人偏好数据采集模块；还包含数据剖析模块，所述剖析模块用于分析所述数据采集模块中的商业数据，并对所述商业数据进行规律性链接；还包含属性生成模块，所述属性生成模块基于所述数据剖析模块的剖析结果对消费行为进行客群属性的生成；还包含模拟模块。本发明的目的是提供一种商圈中消费者空间行为分析系统和方法，形成一套能支持多类型商圈的分析模型，预测空间选择和跟随消费趋势，实现风险可控，未来可测。

Description

一种商圈中消费者空间行为分析系统及方法

技术领域

本发明涉及电子商务技术领域，具体涉及一种商圈中消费者空间行为分析系统和方法。

背景技术

商圈就是指店铺以其所在地点为中心，沿着一定的方向和距离扩展，那些优先选择到该店来消费的顾客所分布的地区范围，换而言之就是店铺顾客所在的地理范围。

店铺的销售活动范围通常都有一定的地理界限，也即有相对稳定的商圈。不同的店由于经营商品、交通因素、地理位置、经营规模等方面的不同，其商圈规模、商圈形态存在很大差别。商圈的划分和分析对于企业的经营尤为重要，通过对商圈本身的分析和与商圈相关联的消费者的行为分析，可以作为企业决策的事实基础。例如，在企业选择店面地址的时候，定会力求较大的目标市场，以吸引更多的目标顾客。这首先就需要经营者明确商圈范围，了解商圈内人口的分布状况及市场，非市场因素的有关资料，在此基础上，进行经营效益的评估，衡量店址的使用价值，按照设计的基本原则，选定适宜的地点，使商圈、店址、经营条件协调融合，创造经营优势。

再如，在企业制定营销策略时，企业为取得竞争优势，广泛采取了非价格竞争手段，如改善形象，完善服务，加强与顾客的沟通等，这些都需要经营者通过商圈分析，掌握客流性质、了解顾客需求、采取针对性的经营策略，赢得顾客信任。

综上所述，企业为了取得竞争优势和经营主动性，通常都会都商圈和与商圈关联的消费者的消费行为进行调查和分析。现有技术中，企业对于商圈的评估，多仰赖各种商业型式的报告书。或者，通过多种数据源收集必要的数据，例如：专员实地调查、过往经验、各类历史文件或是相关人员的口头信息，将其整合成需求的数据图表。最后再借由经验法则或是成本试算等方式，以取得预估的商圈信息。

然而，此多种数据收集后或整合而成的数据图表，并无法很直观的提供评估数据予用户或业者。其次，业者需要通过大量的数据收集、对比与数据左证，才能够得到较为明确的评估结果。再次，即使是具有各类的商业数据，评估结果仍可能会因为业者针对于数据的选择偏颇，产生不正确评估结果，导致便利性与适用性相对较低，评估的公正性亦是有所疑虑。

也有企业，会使用计算机采集数据、分析数据，减少人工操作，来保证数据的真实性和公正性。但是商业地产企业的业务是一个复杂的多环节多层面结构，现有的商圈分析主要停留在消费数据的分析上。而商圈分析中最困难的恰恰是客户的不确定性及商圈商铺的选址等等多个方面。

发明内容

本发明的目的是提供一种商圈中消费者空间行为分析系统及方法，形成一套能支持多类型商圈的分析模型，预测空间选择和跟随消费趋势，实现风险可控，未来可测。

本发明的上述技术目的是通过以下技术方案得以实现的：

一种商圈中消费者空间行为分析系统，包含数据采集模块，所述数据采集模块至少包含个人消费数据采集模块、空间行为数据采集模块和个人偏好数据采集模块；

该系统还包含与所述数据采集模块相连的数据剖析模块，所述剖析模块用于分析所述数据采集模块中的商业数据，并对所述商业数据进行规律性链接；

该系统还包含与所述数据剖析模块相连的属性生成模块，所述属性生成模块基于所述数据剖析模块的剖析结果对消费行为进行客群属性的生成；

该系统还包含与所述属性生成模块相连的模拟模块，所述模拟模块基于所述剖析模块的剖析结果和所述属性生成模块的属性归类，对商圈商业行为进行模拟。

作为本发明的优选，所述个人消费数据采集模块包含品类采集、价格采集和频次采集；所述空间行为数据采集模块包含时间规律采集、空间规律采集和关联选择采集；所述个人偏好数据包含品牌倾向采集、文化倾向采集和性格倾向采集。

作为本发明的优选，所述属性生成模块的属性划分包含层级属性、角色属性和计划属性。

作为本发明的优选，所述模拟模块包含空间决策模拟和消费决策模拟。

作为本发明的优选，所述模拟模块还连接着应用生成模块，所述应用生成模块用于调入应用请求，基于该种行为分析系统的数据剖析生成商业数据的模拟输出。

作为本发明的优选，所述应用生成模块包含选址判断模块、促销设计模块。

作为本发明的优选，所述消费决策模拟的输入数据包含时段数据、属性数据和购物计划数据，其中，时段数据和购物计划数据来自所述数据采集模块，属性数据来自所述属性生成模块。

作为本发明的优选，所述消费决策模拟的输入数据中的购物计划数据需要引入频率运算模块，所述频率运算模块用于计算商品的单价与商品的购买频率之间的关系，商品单价和商品的购买频率数据来自于所述数据采集模块。

一种商圈中消费者空间行为分析系统的分析方法，包含如下步骤：

步骤1：数据采集步骤

系统采集个人消费数据、空间行为数据和个人偏好数据，存储在所述数据采集模块中；

步骤2：数据剖析步骤

使用所述数据剖析模块对所述数据采集模块中的各位商业数据进行剖析和演算，计算出各类商业数据之间彼此的规律性和概率性关联；

步骤3：属性生成步骤

使用所述属性生成模块对用户进行属性的分类和添加，属性包含基于用户的消费数据进行消费层次划分和包含基于用户的社会属性进行用户角色的划分。

步骤4：模拟步骤

基于步骤3中的属性标签和步骤2中的数据剖析模块计算出的各类商业数据之间的关联规律，来模拟消费者的决策行为。

作为本发明的优选，在步骤1之前还包含商圈设定步骤，在该步骤中，系统用户来人为设定商圈的地理区域；在步骤4之后还包含应用步骤，系统用户使用应用生成模块导出应用结果。

在本发明中，用户可以通过收集详尽的商业数据，不同于传统技术中只收集个人消费数据，而是除此之外还额外收集了空间行为数据和个人偏好数据，进行详尽的大数据分析。这样的分析不仅更有效更有针对性的反应了消费者的消费心理，也对进行消费者的消费选择的模拟提供了逻辑基础和现实可能，并由于空间行为数据和个人偏好数据的加入，增加了系统使用的多样性，无论商圈属于何种类型，都能适用本系统。

附图说明

图1是一种商圈中消费者空间行为分析系统的系统架构示意图；

图2是数据收集模块的数据分类示意图；

图3是数据的属性生成模块、模拟模块、应用生成模块的示意图。

具体实施方式

以下具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。

实施例一

首先，进行商圈的地理位置划分。商圈是个相对概念，而非具体的行政地理概念，它的商业定义是“店铺以其所在地点为中心，沿着一定的方向和距离扩展”。进一步分析，商圈指的是优先选择到该店来消费的顾客所分布的地区范围，换而言之就是店铺顾客所在的地理范围。若是为了便于计算，可以以该商圈的主要商业体为中心，例如，海洋城乐园商业体就以海洋城为中心，某地标酒店商业体就以该酒店为中心，以一个统一的距离为半径进行地图上画圆，在这个圆圈之中的即为该商圈的位置。

优选的，商圈的实际划分要结合周边的消费者地理位置分布和行政分布和交通因素，例如在这个半径之外较近的位置有一个购买力契合且消费者基数庞大的集中群体，例如在位置不远处有一个大学城，这个大学城中有着数量可观的学生群体，即使这个大学城在预设的半径之外，但也应该在商圈消费的考虑范围之中。再比如，某个小区有一部分在圈内，一部分在圈外，但是该小区的主要出入口都在圈内，则这个小区也可以设置在商圈消费数据的考虑范围之中。根据该系统的设计者对于系统的精细化和科学化的要求程度不同，商圈的设置也会存在一定的变化。

随后，用户开始数据采集，数据采集的方式可以为传统的数据采集方式。诸如问卷调查，委托数据采集公司进行立项，也可经处于商圈的主要的各个商铺的客户信息导入，所有的信息收集，最后形成了商圈的商业信息数据，并存于所述数据采集模块中。和普通的系统不同的是，普通的数据采集采集到的往往只是消费信息，具体的为单位时间内的顾客数量、消费金额等等，这样的信息采集往往由于因为客户的不确定性使得分析空间极其有限，也因为商业体本身性质的不同而使得各商业体的分析系统无非通用。在本案中，数据采集模块采集到的商业信息包含个人消费数据，空间行为数据，和个人偏好数据。如图2所示，个人消费数据包含了品类、价格和频次三个大类。品类是消费者购买的商品的品类，这个品类的设定是人为设定的，系统设计者可调用详细程度不同的分类表进行系统分类，对精细程度要求更高的系统可以使用更为详尽的分类表，例如肉类商品可以分为生肉、熟肉，可以再各自分为禽肉类和兽肉类，也可再进行进口与国产的划分。价格即商品的销售价格，频次为购买商品的频率。需要说明的是，在数据的获取和存储阶段，设计者可以以“人”为参照物来计算“购买”的信息，也可以以“物”为参照物来计算“销售”的信息，本技术方案并不做具体的限制。

如图1和图2所示，空间行为数据采集模块采集该商圈对应的消费信息中的空间行为数据模块，这一数据至少包含时间规律、空间规律和关联选择三项。时间规律至少包含两个信息，一个信息是消费者的购物时间，例如周末还是平常工作日，上午、中午、下午或是晚上，工作时间还是下班时间等，另一个信息则是消费的持续时间，是目的性很强的短期购物，还是会有持续时间较长，时间把控更为弹性的情况，都会在这个数据上有所反应，而关联选择为选购某一商品，或者说发生某一次消费活动时的其他关联性消费。在本案中，关联选择包含商品关联选择和店面的空间关联选择。举例说明，前者，即商品关联选择是指在选购某一件衬衫时，是否会搭配购买领带、袖扣或马甲等，和该消费商品本身有关联的其他商品的消费。而后者，即店面的空间关联选择，例如在商圈中有商店A和商店B，消费者在商店A中进行了消费，但是商店B对该消费者有极强的吸引力，或者商店B在去商店A的路径路线上，消费者会到商店B去进行消费，这个消费的关联和商品本身无关，这种情况被系统视为关联选择。

第三个模块是个人偏好数据采集模块，该模块所采集到的商业信息包含品牌倾向、文化倾向和性格倾向。这些信息往往并不能从商品本身直接得到，这部分的信息收集存在两个途径，一个是消费者主动告之，如通过大量的问卷调查取得消费者的主观爱好；另一个方式是通过选购商品的关键词的反向推算。例如，假如是某大型购物商场本身有会员消费信息数据，则系统可以为商品增加关键词标签，以一双球鞋为例，可以设定为功能类/休闲类，经典款/潮流新款，国产品牌/进口品牌，通过消费者的消费信息和商品信息的倒推，可以获得此类数据。但较佳的，还是推荐使用消费者主动告之的方式进行数据采集，这对数据的完整性和合理性有着一定的益处。

当上述信息都已经收集完毕，并且成功保存在系统的存储装置中，既可以进行系统搭建的下一个步骤，即使用数据剖析模块对数据进行深入地解析了。数据剖析模块实质为对于大数据的演算系统，数据剖析模块首先对上文所述的步骤中获得的海量数据进行过滤筛选，随后进行映射性计算每个数据单项对结果的映射性规律。结构化大数据的计算能力的高低决定了大数据的实用性。计算方法不做具体限制，如API、Script、SQL、类SQL等。具体的，上文所述的商业消费信息中，最终购买的个人消费信息数据，例如品类、价格、频次为计算逻辑中的“果”，而空间行为数据和空间偏好数据的各个具体的，单项的数据，为计算逻辑中的“因”，所述数据剖析模块可以计算得出每个“因”和/或几个相关联的“因”对于最终购买的商品的“果”存在的规律性的概率分析。

1.第一行为数据的列名(每一列以逗号隔开)；

2.从第二行到最后一行为处理的数据(每一行的数据均用逗号分隔每一列)。

3.程序使用C4.5算法时，调用DecisionTree类的实例方法create(String[]array,int index)；

其中array为处理的数据，index为处理数据中的预测属性列。index从1开始计数，即第一列即记为index＝0；

程序运行时会根据第一行的列数，检查data文件中处理数据的数据完整性。

该系统还可以通过数据采集模块中的收集到的大数据和所述数据剖析模块中的计算，来计算行为表征的客群类别，客户聚类，kmeans聚类算法mapreduce。

如图3所示，在经历了上述的数据收集和数据步骤之后，已经建立了各个单项的商品信息，以及，多个单项的商品信息关联之后，对于最终商品的销售/购买的情况的概率分布。以这些信息和这些概率分布的映射关系为数据基础，系统还要关联入属性生成模块。

属性生成模块引入了消费者的客群属性的概念，这个属性至少包含了层级属性、角色属性和计划属性。在层级属性中，包含了消费者的消费层级，例如消费频率，日成交金额或月成交金额的数额，购买商品的单价区间接受度等。而角色属性是根据消费者的社会属性进行的分布，例如角色属性为公司行政人员，则可能更多的关联商品为办公用品，若角色属性为家庭主妇，则可能更多的关联商品为居佳日用品等，若角色属性为潮流一族，则可能更多的关联商品为潮流时装，箱包服饰等。计划属性为消费者的购买计划，这个属性的数据可以不是具体数据，而是一个区间数据，例如设为购买多少数量的某种类型商品，例如购买总金额为多少的某种类型商品，也可以是设为空值，即并没有明确目的的逛街，不限制成交金额。

需要说明的是，上文所述的数据采集模块和数据剖析模块，对于系统来说，是“客观”的，其更多的来自于客观数据的输入，和在这基础上的计算，是整个系统的最后推导和模拟的数据来源和逻辑来源。而属性生成模块和下文所要解释的模拟模块则为在这基础上的模拟推断。是可以“设置”的，假如整个系统逻辑为“数据”+“条件”＝“模拟结果”的话，则上文的数据采集模块和数据剖析模块为数据部分，属性生成模块为条件部分，应用生成模块则为模拟的结果部分。

如图3所示，经过了数据部分和条件部分，本系统则可以进行模拟部分了。上文已经叙述过了，系统的逻辑主体可以是“人”，也可以是“物”。若是“人”，则模拟最终生成的是消费者的最终模拟购买路径或购买情况，若是“物”，则模拟的是各商圈或商圈中的营业单位或是存在商圈中的某一类型商品的模拟销售情况。

在所述模拟模块中，包含空间决策模拟和消费决策模拟，空间决策可以视为消费者的宏观空间选择，即是否会选择该商圈，或者说，是否会进一步选择该商圈中的某一首选项目。

该模拟的进行基于多个条件，包含时段数据、属性数据和购物计划数据。其中，时段数据和购物计划数据来自所述数据采集模块，属性数据来自所述属性生成模块。除此之外，作为优选，还可引入距离数据，具体的，消费者的出发地的地理位置数据和消费者来到商圈的距离大小的数据，之后经过系统的计算模拟，可以模拟出，该种消费者群体是否会选择该商圈消费的概率，或来该商圈的某一个或某几个具体商铺进行消费的概率模型。

而消费者的消费决策模拟的输入数据中的购物计划数据需要引入频率运算模块，所述频率运算模块用于计算商品的单价与商品的购买频率之间的关系，商品单价和商品的购买频率数据来自于所述数据采集模块。一般的，商品单价有个高频购买区间，而高于这个区间和低于这个区间的售价的商品，其购买频率都会显著下降。

在某些优化实施例中，消费决策模拟可以理解为消费者小空间行为的内在逻辑，消费者在商业空间内(小空间)的行为有着鲜明的逻辑性。这种逻辑可以被认为在特定条件下是稳定且不可更改的。在大数据的背景下，系统可以真实的复原这样的逻辑过程，形成仿真。而这种仿真可以达到脱离历史数据自由预测的真实度。

例如，消费决策模拟中，包含了购物计划信息、角色信息和时段信息，还有消费者的消费行进路线轨迹和时间限制，随后进行时间模拟和空间模拟。时间模拟是进入各个计划节点的时间和停留时间，而空间模拟可以模拟出目标店和过程店。目标店是消费者前来消费的主要目标，而过程店则存在消费者的行径轨迹上，并且和消费者的消费角色有一定的相关性。

模拟完成后，真正的结果需要依靠应用生成模块来生成。如上文所述，数据采集、各个信息之间的映射关系、模拟结果都已产生，要将这些运算结果以简明扼要并且针对性强的方式输出，则需要应用生成模块。应用生成模块可以根据功能不同而进行不同的设计，如图3所示，可以设计为选址推断、体量规模、市场定位、业态功能、空间形象、建筑布局、租金规划、品牌优化、店铺更替、空间布局、促销设计、营销推送等不同的功能。

综上所述，本发明具有如下有益效果：

1、其包含空间行为数据和个人偏好数据，考虑了消费者的具体行为来建立模拟模型。

2、由于系统的完整性，可以适用于不同的商业体的具体商业行为。

3、在数据采集完毕后，可依靠属性生成模块来定义消费者的消费属性，从而增加模拟行为的真实度。

4、模拟行为包含空间决策和消费决策，对应可以模拟出商圈消费者的宏观消费空间选择和微观具体的消费行为。

5、本发明还包含应用生成模块，更为直观和个性化地显示模拟结果。

Claims (10)

1.一种商圈中消费者空间行为分析系统，包含数据采集模块，其特征在于：所述数据采集模块至少包含个人消费数据采集模块、空间行为数据采集模块和个人偏好数据采集模块；

所述系统还包含：

与所述数据采集模块相连的数据剖析模块，所述剖析模块用于分析所述数据采集模块中的商业数据，并对所述商业数据进行规律性链接；

与所述数据剖析模块相连的属性生成模块，所述属性生成模块基于所述数据剖析模块的剖析结果对消费行为进行客群属性的生成；

与所述属性生成模块相连的模拟模块，所述模拟模块基于所述剖析模块的剖析结果和所述属性生成模块的属性归类，对商圈商业行为进行模拟。

2.根据权利要求1所述的一种商圈中消费者空间行为分析系统，其特征在于：所述个人消费数据采集模块包含品类采集、价格采集和频次采集；所述空间行为数据采集模块包含时间规律采集、空间规律采集和关联选择采集；所述个人偏好数据包含品牌倾向采集、文化倾向采集和性格倾向采集。

3.根据权利要求1所述的一种商圈中消费者空间行为分析系统，其特征在于：所述属性生成模块的属性划分包含层级属性、角色属性和计划属性。

4.根据权利要求1所述的一种商圈中消费者空间行为分析系统，其特征在于：所述模拟模块包含空间决策模拟和消费决策模拟。

5.根据权利要求1所述的一种商圈中消费者空间行为分析系统，其特征在于：所述模拟模块还连接着应用生成模块，所述应用生成模块用于调入应用请求，基于该种行为分析系统的数据剖析生成商业数据的模拟输出。

6.根据权利要求5所述的一种商圈中消费者空间行为分析系统，其特征在于：所述应用生成模块包含选址判断模块、促销设计模块。

7.根据权利要求4所述的一种商圈中消费者空间行为分析系统，其特征在于：所述消费决策模拟的输入数据包含时段数据、属性数据和购物计划数据，其中，时段数据和购物计划数据来自所述数据采集模块，属性数据来自所述属性生成模块。

8.根据权利要求7所述的一种商圈中消费者空间行为分析系统，其特征在于：所述消费决策模拟的输入数据中的购物计划数据需要引入频率运算模块，所述频率运算模块用于计算商品的单价与商品的购买频率之间的关系，商品单价和商品的购买频率数据来自于所述数据采集模块。

9.基于权利要求1—8任一项所述商圈中消费者空间行为分析系统的分析方法，其特征在于，包含如下步骤：

步骤1：系统采集个人消费数据、空间行为数据和个人偏好数据，存储在所述数据采集模块中；

步骤2：所述数据剖析模块对所述数据采集模块中的各位商业数据进行剖析和演算，计算出各类商业数据之间的规律性和概率性关联；

步骤3：所述属性生成模块对用户进行属性的分类和添加，属性包含基于用户的消费数据进行消费层次划分和包含基于用户的社会属性进行用户角色的划分。

步骤4：基于步骤3中的属性标签和步骤2中的数据剖析模块计算出的各类商业数据之间的关联规律，来模拟消费者的决策行为。

10.根据权利要求9所述的一种商圈中消费者空间行为的分析系统的分析方法，其特征在于：在步骤1之前还包含商圈设定步骤，在该步骤中，设定商圈的地理区域；在步骤4之后还包含应用步骤，生成模块导出应用结果。