一种基于大数据的门店运营智慧决策方法及系统与流程

1.本发明涉及门店运营技术领域，具体为一种基于大数据的门店运营智慧决策方法及系统。


背景技术：

2.随着经济的发展和收入水平的增加，市场上消费者需求的结构和层次都发生了新的变化，人们的消费需求表现出多层次、递进的趋势。大数据的统计分析和挖掘过程是大数据信息处理过程中能否从数据转化为价值空间和价值来源的关键过程。营销数据基于大数据分析而来，用于帮助门店的运营维护和市场份额进行分析。
3.目前家具市场在连锁门店中，因为家具体积大，占用仓库面积大，所以很多门店采用的是先销售再进货，为避免商品滞销积压。很多市民在装修新房或旧房时会精心挑选的家具，然而家具的定制送货都需要7—15天的时间，然而这种配送效率，会导致送货慢，即使是应用至大数据从别的门店临时调货，也会出现时间上较为仓促，导致卖家在导致家具购买送货过程中延误装修进度和不及时情况，降低了消费者的购买体验度。


技术实现要素：

4.（一）解决的技术问题
5.针对现有技术的不足，本发明提供了一种基于大数据的门店运营智慧决策方法及系统，通过采集若干个家具连锁门店数据源，计算获取快慢销系数kmx、客户关注度gz和实际使用需求度xqd，并拟合得到商品爆品系数sp，用于评估不同营销目标x的爆品程度。根据与预设阈值q的对比，用于快速识别哪些产品具有爆品潜力，并针对性地调整库存和决策，以最大化销售效果。根据爆品系数sp的计算结果和差值diff的对比，用于对库存进行相应调整和决策。当爆品系数sp高于预设阈值q时，可以增加库存以满足需求；当爆品系数sp低于预设阈值q时，可以减少库存以避免积压。这有助于实现精细化的库存管理，降低库存成本和风险。
6.（二）技术方案为实现以上目的，本发明通过以下技术方案予以实现：一种基于大数据的门店运营智慧决策方法，包括以下步骤，采集若干个家具连锁门店的数据源，所述数据源包括库存数据和历史数据，所述历史数据包括历史交易数据和售后回访数据；识别历史数据，提取历史数据中的特征，将历史交易数据中的若干个营销目标x、特征数据和售后回访特征，确定为第一目标结构；从历史数据中提取若干个营销目标x相对应的营销种类i和售后周期u，确定为第二目标结构；从大数据线上网络中，进行宣发营销目标x的信息，获取到线上反馈信息，从线上反馈信息中提取若干个营销目标x相对应的线上讨论度to和购买热度rd，确定为第三目标结构；
对所述第一目标结构、第二目标结构和第三目标结构中的数据进行相关联，并分析获得若干个营销目标x的快慢销系数kmx、客户关注度gz和实际使用需求度xqd，并将快慢销系数kmx、客户关注度gz和实际使用需求度xqd进行拟合，分析获取若干个营销目标x的商品爆品系数sp；所述商品爆品系数sp通过以下公式进行获得：式中：α、β、γ分别是快慢销系数kmx、客户关注度gz和实际使用需求度xqd在爆品系数sp计算中的权重系数；α、β、γ这些系数根据具体营销目标x的特性进行设置和调整；c表示为常数修正系数；将计算获取的爆品系数sp与预设阈值q进行对比，获得差值diff，根据差值diff对所述库存数据进行相对应调整和决策。
7.优选的，基于营销目标x以及相对应的营销种类i和售后周期u进行相关联分析，依照如下公式生成快慢销系数kmx；式中：ia表示营销种类i的a商品的销售量，表示营销种类i的a商品的购买频率，公式中表示为购买过a商品种类的消费者个数，m表示a商品的售后反馈频率；ua表示为客户反馈售后问题解决的时间；ui表示a商品的好评度；uo表示a商品的购买退货率或是退货个数；c表示修正常数，exp表示为自然指数函数。
8.优选的，通过大数据进行收集网上关于此商品的资讯信息，并提取线上数据，进行以下公式分析获取得到所述线上讨论度to：式中，d1表示为该营销种类i网络平台a商品总点击率，d2表示为该营销种类i的a商品的用户线上网页浏览时间，d3表示为营销种类i的a商品的评论数量，d4表示为，d1表示该营销种类i的a商品的分享次数；w1、w2、w3和w4分别是总点击率d1、网页浏览时间d2、评论数量d3和分享次数d4的权重值；c表示为修正常数。
9.优选的，通过大数据进行收集网上关于此商品的线上预售数据，对线上预售数据进行提取、分析获得购买热度rd，所述购买热度rd通过以下公式获得：yd表示为营销种类i的a商品的预订量；dj表示为营销种类i的a商品的定金预付量；w5和w6分别是预订量yd和定金预付量dj的权重值；c表示为修正常数。
10.优选的，将a商品的所述线上讨论度to和所述购买热度rd进行相关联，获得相关性系数r，所述相关性系数r通过计算皮尔逊相关系数公式获得：
式中，cov表示协方差，σ表示标准差，计算获得相关性系数r，所述相关性系数r的取值范围在-1到1之间，其中1表示完全正相关，-1表示完全负相关，0表示没有线性关系。
11.优选的，所述客户关注度gz通过以下公式计算获得：式中，w7、w8是营销目标x商品的线上讨论度to和购买热度rd的权重值，c表示为修正常数。
12.优选的，所述实际使用需求度xqd通过以下公式进行计算：式中，f1表示为一个月或一季度或一年，在固定周期内a商品的总销量；f2表示为a商品用户满意度数据，f3表示为表示a商品在市场上份额占比值，f4表示为a商品的新用户增长速率，c表示为修正常数。
13.优选的，将计算获取的爆品系数sp与预设阈值q进行对比，通过以下计算获得差值diff：根据差值diff对所述库存数据进行相对应调整和决策；如果差值diff＞0，表示爆品系数sp超过了预设阈值，说明产品销售良好；在这种情况下，将差值diff匹配库存数据，获得增加量，以确保供应充足；如果差值diff＜0，表示爆品系数sp低于预设阈值，说明产品销售不佳；在这种情况下，减少库存量，以避免积压过多库存，并寻找改进产品销售的方法，包括市场推广或降价促销处理；如果差值diff等于0，表示爆品系数sp与预设阈值相等，产品销售与预期一致；在这种情况下维持当前的库存水平，并根据市场需求进行微量调整。
14.一种基于大数据的门店运营智慧决策系统，包括数据采集模块、特征提取模块、目标结构确定模块、数据关联分析模块、爆品系数sp计算模块和调整决策模块；数据采集模块，从若干个家具连锁门店获取库存数据、历史数据和线上数据，所述历史数据包括历史交易数据和售后回访数据；特征提取模块，对历史数据进行分析，提取获得营销目标x、特征数据和售后回访特征、若干个营销目标x相对应的营销种类i和售后周期u、若干个营销目标x相对应的线上讨论度to和购买热度rd；目标结构确定模块包括确定第一目标结构、第二目标结构和第三目标结构；数据关联分析模块，将第一目标结构、第二目标结构和第三目标结构的数据进行相关联分析，分析获得若干个营销目标x的快慢销系数kmx、客户关注度gz和实际使用需求度xqd；爆品系数sp计算模块用于将快慢销系数kmx、客户关注度gz和实际使用需求度xqd进行拟合，计算得到若干个营销目标x的商品爆品系数sp；
调整决策模块用于将计算得到的爆品系数sp与预设阈值q进行对比，获得差值diff；根据差值diff对库存数据进行相应的调整和决策，包括增加或减少库存量。
15.（三）有益效果本发明提供了一种基于大数据的门店运营智慧决策方法和系统。具备以下有益效果：（1）该一种基于大数据的门店运营智慧决策方法，通过采集若干个家具连锁门店数据源，计算获取快慢销系数kmx、客户关注度gz和实际使用需求度xqd，并拟合得到商品爆品系数sp，用于评估不同营销目标x的爆品程度。根据与预设阈值q的对比，用于快速识别哪些产品具有爆品潜力，并针对性地调整库存和决策，以最大化销售效果。根据爆品系数sp的计算结果和差值diff的对比，用于对库存进行相应调整和决策。当爆品系数sp高于预设阈值q时，可以增加库存以满足需求；当爆品系数sp低于预设阈值q时，可以减少库存以避免积压。这有助于实现精细化的库存管理，降低库存成本和风险。
16.（2）该一种基于大数据的门店运营智慧决策方法，基于营销目标x以及相对应的营销种类i和售后周期u进行相关联分析，并使用公式生成快慢销系数kmx，促进综合评估营销目标x的销售情况、用户满意度和风险状况，帮助优化营销策略、提升客户满意度，并做出更准确的决策。
17.（3）该一种基于大数据的门店运营智慧决策方法，实际的库存调整和决策策略根据每个商品的爆品系数sp与预设阈值q进行相对比，获得差值diff后，通过差值diff进行调整库存的策略，便于以实现最佳的库存管理和运营决策，减少卖家在导致家具购买送货过程中延误装修进度和不及时情况，降低了消费者的购买体验度的情况。
18.（4）该一种基于大数据的门店运营智慧决策系统，通过数据采集模块、特征提取模块、目标结构确定模块、数据关联分析模块、爆品系数计算模块和调整决策模块以上的模块组合和数据分析过程，利用大数据来支持门店运营的智慧决策。系统可以帮助了解产品销售情况、客户关注度和市场需求，并根据数据分析结果做出相应的调整和决策，以提升门店运营的业绩和竞争力。
附图说明
19.图1为本发明基于大数据的门店运营智慧决策系统框图流程示意图。
具体实施方式
20.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
21.随着经济的发展和收入水平的增加，市场上消费者需求的结构和层次都发生了新的变化，人们的消费需求表现出多层次、递进的趋势。大数据的统计分析和挖掘过程是大数据信息处理过程中能否从数据转化为价值空间和价值来源的关键过程。营销数据基于大数据分析而来，用于帮助门店的运营维护和市场份额进行分析。
22.目前家具市场在连锁门店中，因为家具体积大，占用仓库面积大，所以很多门店采
用的是先销售再进货，为避免商品滞销积压。很多市民在装修新房或旧房时会精心挑选的家具，然而家具的定制送货都需要7—15天的时间，然而这种配送效率，会导致送货慢，即使是应用至大数据从别的门店临时调货，也会出现时间上较为仓促，导致卖家在导致家具购买送货过程中延误装修进度和不及时情况，降低了消费者的购买体验度。
23.实施例1本发明提供一种基于大数据的门店运营智慧决策方法，包括以下步骤，采集若干个家具连锁门店的数据源，所述数据源包括库存数据和历史数据，所述历史数据包括历史交易数据和售后回访数据；识别历史数据，提取历史数据中的特征，将历史交易数据中的若干个营销目标x、特征数据和售后回访特征，确定为第一目标结构；从历史数据中提取若干个营销目标x相对应的营销种类i和售后周期u，确定为第二目标结构；从大数据线上网络中，进行宣发营销目标x的信息，获取到线上反馈信息，从线上反馈信息中提取若干个营销目标x相对应的线上讨论度to和购买热度rd，确定为第三目标结构；通过采集和分析门店的库存数据和历史数据，包括交易数据、售后回访数据和线上反馈信息，基于真实的数据进行决策，而不仅仅依靠主观判断；通过识别和提取历史数据中的特征，可以从不同角度分析营销目标x，如营销种类、售后周期、线上讨论度和购买热度等，从而更全面地了解产品的市场表现和用户需求。
24.对所述第一目标结构、第二目标结构和第三目标结构中的数据进行相关联，并分析获得若干个营销目标x的快慢销系数kmx、客户关注度gz和实际使用需求度xqd，并将快慢销系数kmx、客户关注度gz和实际使用需求度xqd进行拟合，分析获取若干个营销目标x的商品爆品系数sp；所述商品爆品系数sp通过以下公式进行获得：式中：α、β、γ分别是快慢销系数kmx、客户关注度gz和实际使用需求度xqd在爆品系数sp计算中的权重系数；α、β、γ这些系数根据具体营销目标x的特性进行设置和调整；c表示为常数修正系数；将计算获取的爆品系数sp与预设阈值q进行对比，获得差值diff，根据差值diff对所述库存数据进行相对应调整和决策。
25.通过快慢销系数kmx、客户关注度gz和实际使用需求度xqd，并拟合得到商品爆品系数sp，用于评估不同营销目标的爆品程度。根据与预设阈值q的对比，用于快速识别哪些产品具有爆品潜力，并针对性地调整库存和决策，以最大化销售效果。根据爆品系数sp的计算结果和差值diff的对比，用于对库存进行相应调整和决策。当爆品系数sp高于预设阈值q时，可以增加库存以满足需求；当爆品系数sp低于预设阈值q时，可以减少库存以避免积压。这有助于实现精细化的库存管理，降低库存成本和风险。
26.本实施例中，基于大数据的门店运营智能决策系统可以帮助基于真实数据进行决策，并提供多维度的营销目标x分析和精细化的库存管理，从而提升营销效果、降低风险，并实现更好的业务结果。
27.实施例2，本实施例是在实施例1中进行的解释说明，具体的，基于营销目标x以及
相对应的营销种类i和售后周期u进行相关联分析，依照如下公式生成快慢销系数kmx；式中：ia表示营销种类i的a商品的销售量，表示营销种类i的a商品的购买频率，公式中表示为购买过a商品种类的消费者个数，m表示a商品的售后反馈频率；ua表示为客户反馈售后问题解决的时间；ui表示a商品的好评度；uo表示a商品的购买退货率或是退货个数；c表示修正常数，exp表示为自然指数函数。
28.本实施例中，具有以下有益效果：综合评估营销目标x：快慢销系数kmx结合了营销种类、购买频率、售后反馈频率、问题解决时间、好评度以及购买退货率等因素，综合评估营销目标x的销售情况和用户满意度。这可以帮助全面了解每个营销目标x的表现，并进行相应的优化和调整；快慢销系数kmx的计算涵盖了购买行为、售后服务、用户反馈和产品质量等多个方面的因素。这有助于全面把握产品在市场上的表现，并及时发现和解决潜在的问题，提高用户体验和产品质量；通过考虑售后反馈频率、问题解决时间和好评度等因素，快慢销系数kmx能够反映客户对产品和服务的满意程度。根据快慢销系数kmx的结果，对客户满意度较低的产品进行改进和优化，提升客户忠诚度和口碑；购买退货率是快慢销系数kmx中的一项指标，可以帮助识别潜在的风险和问题。较高的购买退货率可能意味着产品质量或匹配度的问题，及时采取措施减少退货率，保护品牌形象和利润。
29.综上所述，基于营销目标x以及相对应的营销种类i和售后周期u进行相关联分析，并使用公式生成快慢销系数kmx，促进综合评估营销目标x的销售情况、用户满意度和风险状况，帮助优化营销策略、提升客户满意度，并做出更准确的决策。
30.实施例3，本实施例是在实施例1中进行的解释说明，具体的，通过大数据进行收集网上关于此商品的资讯信息，并提取线上数据，进行以下公式分析获取得到所述线上讨论度to：式中，d1表示为该营销种类i网络平台a商品总点击率，d2表示为该营销种类i的a商品的用户线上网页浏览时间，d3表示为营销种类i的a商品的评论数量，d4表示为，d1表示该营销种类i的a商品的分享次数；w1、w2、w3和w4分别是总点击率d1、网页浏览时间d2、评论数量d3和分享次数d4的权重值；c表示为修正常数。
31.本实施例中，线上讨论度to反映了在营销种类i网络平台上关于a商品的讨论活跃程度，是通过综合考虑点击率、浏览时间、评论数量和分享次数得出的，这样后期综合评估时候作为考量的重要指标，对于线上讨论都to高的商品家具，可以提前进行备货作为库存。
32.实施例4，本实施例是在实施例1中进行的解释说明，具体的，通过大数据进行收集网上关于此商品的线上预售数据，对线上预售数据进行提取、分析获得购买热度rd，所述购买热度rd通过以下公式获得：
yd表示为营销种类i的a商品的预订量；dj表示为营销种类ix的a商品的定金预付量；w5和w6分别是预订量yd和定金预付量dj的权重值；c表示为修正常数。
33.本实施例中，购买热度rd反映了营销种类i的a商品在线上预售阶段的热度程度，是通过综合考虑预订量和定金预付量得出的，用于后期根据家具商品的业务需求、数据特点和实际情况进行深入分析和实验，做出辅助决策。
34.实施例5，本实施例是在实施例1中进行的解释说明，具体的，将a商品的所述线上讨论度to和所述购买热度rd进行相关联，获得相关性系数r，所述相关性系数r通过计算皮尔逊相关系数公式获得：式中，cov表示协方差，σ表示标准差，计算获得相关性系数r，所述相关性系数r的取值范围在-1到1之间，其中1表示完全正相关，-1表示完全负相关，0表示没有线性关系。
35.本实施例中，相关性系数r的计算通过计算to和rd的协方差除以它们的标准差之积来实现。协方差衡量了两个变量的总体变化趋势，标准差衡量了变量的离散程度。相关性系数r将协方差归一化，使得其取值范围在-1到1之间，便于比较和解释。相关性系数r可以帮助理解线上讨论度to和所述购买热度rd之间的关系。
36.实施例6，本实施例是在实施例1中进行的解释说明，具体的，所述客户关注度gz通过以下公式计算获得：式中，w7、w8是营销目标x商品的线上讨论度to和购买热度rd的权重值，c表示为修正常数。
37.本实施例中，这个公式通过将线上讨论度to和购买热度rd综合考虑，并通过权重值的调整来计算客户关注度gz。权重值的设置应根据实际情况和业务需求来确定，以准确地反映线上讨论度和购买热度对于客户关注度的重要性。
38.实施例7，本实施例是在实施例1中进行的解释说明，具体的，所述实际使用需求度xqd通过以下公式进行计算：式中，f1表示为一个月或一季度或一年，在固定周期内a商品的总销量；f2表示为a商品用户满意度数据，f3表示为表示a商品在市场上份额占比值，f4表示为a商品的新用户增长速率，c表示为修正常数。
39.本实施例中，实际使用需求度xqd反映了a商品的实际使用需求程度，综合考虑了销量、用户满意度、市场份额和用户增长速率等因素。公式中的权重值和修正常数需要根据实际情况和业务需求进行调整，以准确地反映各个指标的重要性。便于后期根据实际使用需求度xqd作为指标计算调整库存值。
40.实施例8，本实施例是在实施例1中进行的解释说明，具体的，将计算获取的爆品系数sp与预设阈值q进行对比，通过以下计算获得差值diff：
根据差值diff对所述库存数据进行相对应调整和决策；如果差值diff＞0，表示爆品系数sp超过了预设阈值，说明产品销售良好；在这种情况下，将差值diff匹配库存数据，获得增加量，以确保供应充足；如果差值diff＜0，表示爆品系数sp低于预设阈值，说明产品销售不佳；在这种情况下，减少库存量，以避免积压过多库存，并寻找改进产品销售的方法，包括市场推广或降价促销处理；如果差值diff等于0，表示爆品系数sp与预设阈值相等，产品销售与预期一致；在这种情况下维持当前的库存水平，并根据市场需求进行微量调整。
41.本实施例中，实际的库存调整和决策策略根据每个商品的爆品系数sp与预设阈值q进行相对比，获得差值diff后，通过差值diff进行调整库存的策略，便于以实现最佳的库存管理和运营决策，减少卖家在导致家具购买送货过程中延误装修进度和不及时情况，降低了消费者的购买体验度的情况。
42.实施例9，一种基于大数据的门店运营智慧决策系统，请参阅图1，包括数据采集模块、特征提取模块、目标结构确定模块、数据关联分析模块、爆品系数sp计算模块和调整决策模块；数据采集模块，从若干个家具连锁门店获取库存数据、历史数据和线上数据，所述历史数据包括历史交易数据和售后回访数据；通过数据采集，系统可以获取各种相关数据来支持后续的决策分析。
43.特征提取模块，对历史数据进行分析，提取获得营销目标x、特征数据、售后回访特征、若干个营销目标x相对应的营销种类i和售后周期u、若干个营销目标x相对应的线上讨论度to和购买热度rd；这些指标将为决策提供有关产品销售、客户关注和市场需求的重要信息；目标结构确定模块包括确定第一目标结构、第二目标结构和第三目标结构；这些目标结构的确定将有助于明确系统的目标和任务，并为后续的数据分析和关联提供指导；数据关联分析模块，将第一目标结构、第二目标结构和第三目标结构的数据进行相关联分析，分析获得若干个营销目标x的快慢销系数kmx、客户关注度gz和实际使用需求度xqd；这些指标将为决策提供有关产品销售、客户关注和市场需求的重要信息。
44.爆品系数sp计算模块用于将快慢销系数kmx、客户关注度gz和实际使用需求度xqd进行拟合，计算得到若干个营销目标x的商品爆品系数sp；这将帮助判断产品的销售状况和市场表现。
45.调整决策模块用于将计算得到的爆品系数sp与预设阈值q进行对比，获得差值diff；根据差值diff对库存数据进行相应的调整和决策，包括增加或减少库存量。这将有助于合理管理库存，并根据产品销售状况进行决策调整。
46.本实施例中，通过以上的模块组合和数据分析过程，利用大数据来支持门店运营的智慧决策。系统可以帮助了解产品销售情况、客户关注度和市场需求，并根据数据分析结果做出相应的调整和决策，以提升门店运营的业绩和竞争力。
47.尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

技术特征：
1.一种基于大数据的门店运营智慧决策方法，其特征在于：包括以下步骤，采集若干个家具连锁门店的数据源，所述数据源包括库存数据和历史数据，所述历史数据包括历史交易数据和售后回访数据；识别历史数据，提取历史数据中的特征，将历史交易数据中的若干个营销目标x、特征数据和售后回访特征，确定为第一目标结构；从历史数据中提取若干个营销目标x相对应的营销种类i和售后周期u，确定为第二目标结构；从大数据线上网络中，进行宣发营销目标x的信息，获取到线上反馈信息，从线上反馈信息中提取若干个营销目标x相对应的线上讨论度to和购买热度rd，确定为第三目标结构；对所述第一目标结构、第二目标结构和第三目标结构中的数据进行相关联，并分析获得若干个营销目标x的快慢销系数kmx、客户关注度gz和实际使用需求度xqd，并将快慢销系数kmx、客户关注度gz和实际使用需求度xqd进行拟合，分析获取若干个营销目标x的商品爆品系数sp；所述商品爆品系数sp通过以下公式进行获得：式中：α、β、γ分别是快慢销系数kmx、客户关注度gz和实际使用需求度xqd在爆品系数sp计算中的权重系数；α、β、γ这些系数根据具体营销目标x的特性进行设置和调整；c表示为常数修正系数；将计算获取的爆品系数sp与预设阈值q进行对比，获得差值diff，根据差值diff对所述库存数据进行相对应调整和决策。2.根据权利要求1所述的一种基于大数据的门店运营智慧决策方法，其特征在于：基于营销目标x以及相对应的营销种类i和售后周期u进行相关联分析，依照如下公式生成快慢销系数kmx；式中：i
a
表示营销种类i的a商品的销售量，表示营销种类i的a商品的购买频率，公式中表示为购买过a商品种类的消费者个数，m表示a商品的售后反馈频率；u
a
表示为客户反馈售后问题解决的时间；u
i
表示a商品的好评度；u
o
表示a商品的购买退货率或是退货个数；c表示修正常数，exp表示为自然指数函数。3.根据权利要求1所述的一种基于大数据的门店运营智慧决策方法，其特征在于：通过大数据进行收集网上关于此商品的资讯信息，并提取线上数据，进行以下公式分析获取得到所述线上讨论度to：式中，d1表示为该营销种类i网络平台a商品总点击率，d2表示为该营销种类i的a商品的用户线上网页浏览时间，d3表示为营销种类i的a商品的评论数量，d4表示为，d1表示该营销种类i的a商品的分享次数；w1、w2、w3和w4分别是总点击率d1、网页浏览时间d2、评论数量d3和分享次数d4的权重值；c表示为修正常数。
4.根据权利要求3所述的一种基于大数据的门店运营智慧决策方法，其特征在于：通过大数据进行收集网上关于此商品的线上预售数据，对线上预售数据进行提取、分析获得购买热度rd，所述购买热度rd通过以下公式获得：yd表示为营销种类i的a商品的预订量；dj表示为营销种类i的a商品的定金预付量；w5和w6分别是预订量yd和定金预付量dj的权重值；c表示为修正常数。5.根据权利要求1所述的一种基于大数据的门店运营智慧决策方法，其特征在于：将a商品的所述线上讨论度to和所述购买热度rd进行相关联，获得相关性系数r，所述相关性系数r通过计算皮尔逊相关系数公式获得：式中，cov表示协方差，σ表示标准差，计算获得相关性系数r，所述相关性系数r的取值范围在-1到1之间，其中1表示完全正相关，-1表示完全负相关，0表示没有线性关系。6.根据权利要求5所述的一种基于大数据的门店运营智慧决策方法，其特征在于：所述客户关注度gz通过以下公式计算获得：式中，w7、w8是营销目标x商品的线上讨论度to和购买热度rd的权重值，c表示为修正常数。7.根据权利要求1所述的一种基于大数据的门店运营智慧决策方法，其特征在于：所述实际使用需求度xqd通过以下公式进行计算：式中，f1表示为一个月或一季度或一年，在固定周期内a商品的总销量；f2表示为a商品用户满意度数据，f3表示为表示a商品在市场上份额占比值，f4表示为a商品的新用户增长速率，c表示为修正常数。8.根据权利要求1所述的一种基于大数据的门店运营智慧决策方法，其特征在于：将计算获取的爆品系数sp与预设阈值q进行对比，通过以下计算获得差值diff：根据差值diff对所述库存数据进行相对应调整和决策；如果差值diff＞0，表示爆品系数sp超过了预设阈值，说明产品销售良好；在这种情况下，将差值diff匹配库存数据，获得增加量，以确保供应充足；如果差值diff＜0，表示爆品系数sp低于预设阈值，说明产品销售不佳；在这种情况下，减少库存量，以避免积压过多库存，并寻找改进产品销售的方法，包括市场推广或降价促销处理；如果差值diff等于0，表示爆品系数sp与预设阈值相等，产品销售与预期一致；在这种情况下维持当前的库存水平，并根据市场需求进行微量调整。9.一种基于大数据的门店运营智慧决策系统，其特征在于：包括数据采集模块、特征提取模块、目标结构确定模块、数据关联分析模块、爆品系数sp计算模块和调整决策模块；数据采集模块，从若干个家具连锁门店获取库存数据、历史数据和线上数据，所述历史数据包括历史交易数据和售后回访数据；
特征提取模块，对历史数据进行分析，提取获得营销目标x、特征数据和售后回访特征、若干个营销目标x相对应的营销种类i和售后周期u、若干个营销目标x相对应的线上讨论度to和购买热度rd；目标结构确定模块包括确定第一目标结构、第二目标结构和第三目标结构；数据关联分析模块，将第一目标结构、第二目标结构和第三目标结构的数据进行相关联分析，分析获得若干个营销目标x的快慢销系数kmx、客户关注度gz和实际使用需求度xqd；爆品系数sp计算模块用于将快慢销系数kmx、客户关注度gz和实际使用需求度xqd进行拟合，计算得到若干个营销目标x的商品爆品系数sp；调整决策模块用于将计算得到的爆品系数sp与预设阈值q进行对比，获得差值diff；根据差值diff对库存数据进行相应的调整和决策，包括增加或减少库存量。

技术总结
本发明公开了一种基于大数据的门店运营智慧决策方法及系统，涉及门店运营技术领域，该方法通过采集若干个家具连锁门店数据源，计算获取快慢销系数kmx、客户关注度Gz和实际使用需求度Xqd，并拟合得到商品爆品系数Sp，用于评估不同营销目标x的爆品程度。根据与预设阈值Q的对比，用于快速识别哪些产品具有爆品潜力，并针对性地调整库存和决策，以最大化销售效果。根据爆品系数Sp的计算结果和差值Diff的对比，用于对库存进行相应调整和决策。当爆品系数Sp高于预设阈值Q时，可以增加库存以满足需求；当爆品系数Sp低于预设阈值Q时，可以减少库存以避免积压。这有助于实现精细化的库存管理，降低库存成本和风险。降低库存成本和风险。降低库存成本和风险。


技术研发人员：曾昭志 张苏利
受保护的技术使用者：深圳市科脉技术股份有限公司
技术研发日：2023.07.14
技术公布日：2023/8/13