门店选址方法及电子设备

技术领域

本申请实施例涉及数据处理技术领域，具体涉及一种门店选址方法及电子设备。

背景技术

随着零售业的发展，作为线下商业布局，连锁店每个门店的选址尤为重要。门店选址需要分析客流量、繁忙比、用户流动性、用户购买力，以及周边已有的门店等因素。

目前，通常通过人工实地分析的方式，获取上述各项信息，进而，再次通过人工对所获取的信息进行分析决策。

发明内容

本申请实施例提供了一种门店选址方法及电子设备，以解决现有门店选址依赖人工的问题。

第一方面，本申请实施例提供了一种门店选址方法，所述方法包括：

接收目标品牌的至少一个已有门店地址，所述至少一个已有门店地址位于第一区域内；

获取每个所述已有门店地址预设范围内的至少一个参考品牌的全部门店地址；

根据每个所述参考品牌的门店数量和每个所述参考品牌的门店地址与所述至少一个已有门店地址的距离信息及各品牌的属性信息，得到所述目标品牌与所述至少一个参考品牌的相关性特征；

根据所述至少一个参考品牌在第二区域内的全部门店地址确定选址区域，所述第二区域包括与所述第一区域属性相似度超过预设值的区域；

根据所述相关性特征在所述选址区域内预测所述目标品牌的至少一个新门店地址。

在一些可能的实施方式中，根据每个所述参考品牌的门店数量和每个所述参考品牌的门店地址与所述至少一个已有门店地址的距离信息及各品牌的属性信息，得到所述目标品牌与所述至少一个参考品牌的相关性特征，包括：

根据所述目标品牌的属性信息与每个所述参考品牌的属性信息，确定所述目标品牌与每个所述参考品牌的初始相关性系数，根据每个所述参考品牌的门店数量，确定各个所述参考品牌对应的第一权重，以及根据每个所述参考品牌的门店地址与已有门店地址的距离信息，确定各个所述参考品牌对应的第二权重；

对应每个所述参考品牌，根据该参考品牌对应的初始相关性系数、第一权重和第二权重，获得所述参考品牌与所述目标品牌的相关性系数；

根据各个所述参考品牌的相关性系数得到所述相关性特征。

在一些可能的实施方式中，针对每个所述参考品牌，每个所述参考品牌的门店地址与所述至少一个已有门店地址的距离信息实现为以下任一：

各个所述已有门店地址与该已有门店地址预设范围内所述参考品牌各个门店地址的距离的平均值；或者

所述参考品牌各个门店地址与各个所述已有门店地址的距离的平均值。

在一些可能的实施方式中，所述根据所述相关性特征在所述选址区域内预测所述目标品牌的至少一个新门店地址，包括：

获取多个待选地址；

根据所述多个待选地址在所述选址区域内的位置分布，获得所述每个待选地址对应的参考特征；

按照所述参考特征与所述相关性特征的匹配程度，从所述待选地址中选择至少一个待选地址作为所述新门店地址。

在一些可能的实施方式中，根据所述多个待选地址在所述选址区域内的位置分布，获得每个所述待选地址对应的参考特征，包括：

对应任一待选地址，根据所述待选地址及其所述预设范围内的参考品牌门店地址的数量和距离，确定所述待选地址对应的参考特征。

在一些可能的实施方式中，所述获取每个所述已有门店地址预设范围内的至少一个参考品牌的全部门店地址，包括：

获取每个所述已有门店地址预设范围内的全部其他品牌及每个其他品牌门店地址的总数量；

根据所述每个其他品牌门店地址的总数量筛选出所述至少一个参考品牌以及各个参考品牌的全部门店地址。

在一些可能的实施方式中，还包括：

接收所述至少一个已有门店地址中每个已有门店对应的营业额；

根据所述相关性特征预测所述目标品牌的至少一个新门店对应的营业额。

第二方面，本申请实施例还提供了一种门店选址装置，所述装置包括：

接收模块，用于接收目标品牌的至少一个已有门店地址，所述至少一个已有门店地址位于第一区域内；

获取模块，用于获取每个所述已有门店地址预设范围内的至少一个参考品牌的全部门店地址；

特征获取模块，用于根据每个所述参考品牌的门店数量和每个所述参考品牌的门店地址与所述至少一个已有门店地址的距离信息及各品牌的属性信息，得到所述目标品牌与所述至少一个参考品牌的相关性特征；

确定模块，用于根据所述至少一个参考品牌在第二区域内的全部门店地址确定选址区域，所述第二区域包括与所述第一区域属性相似度超过预设值的区域；

预测模块，用于根据所述相关性特征在所述选址区域内预测所述目标品牌的至少一个新门店地址。

在一些可能的实施方式中，特征获取模块，还用于根据所述目标品牌的属性信息与每个所述参考品牌的属性信息，确定所述目标品牌与每个所述参考品牌的初始相关性系数，根据每个所述参考品牌的门店数量，确定各个所述参考品牌对应的第一权重，以及根据每个所述参考品牌的门店地址与已有门店地址的距离信息，确定各个所述参考品牌对应的第二权重；对应每个所述参考品牌，根据该参考品牌对应的初始相关性系数、第一权重和第二权重，获得所述参考品牌与所述目标品牌的相关性系数；以及根据各个所述参考品牌的相关性系数得到所述相关性特征。

在一些可能的实施方式中，针对每个所述参考品牌，每个所述参考品牌的门店地址与所述至少一个已有门店地址的距离信息实现为以下任一：

各个所述已有门店地址与该已有门店地址预设范围内所述参考品牌各个门店地址的距离的平均值；或者

所述参考品牌各个门店地址与各个所述已有门店地址的距离的平均值。

在一些可能的实施方式中，预测模块，还用于获取多个待选地址；根据所述多个待选地址在所述选址区域内的位置分布，获得所述每个待选地址对应的参考特征；以及按照所述参考特征与所述相关性特征的匹配程度，从所述待选地址中选择至少一个待选地址作为所述新门店地址。

在一些可能的实施方式中，预测模块，还用于对应任一待选地址，根据所述待选地址及其所述预设范围内的参考品牌门店地址的数量和距离，确定所述待选地址对应的参考特征。

在一些可能的实施方式中，获取模块，还用于获取每个所述已有门店地址预设范围内的全部其他品牌及每个其他品牌门店地址的总数量；以及根据所述每个其他品牌门店地址的总数量筛选出所述至少一个参考品牌以及各个参考品牌的全部门店地址。

在一些可能的实施方式中，所述接收模块，还用于接收所述至少一个已有门店地址中每个已有门店对应的营业额；

所述预测模块，还用于根据所述相关性特征预测所述目标品牌的至少一个新门店对应的营业额。

第三方面，本申请实施例还提供了一种电子设备，所述电子设备包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令执行第一方面或者第一方面任一可能的实施方式中的方法。

第四方面，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行第一方面或者第一方面任一可能的实施方式中的方法。

本申请实施例提供了一种自动进行门店选址的技术方案，本方案中，在接收第一区域内的目标品牌的至少一个已有门店地址之后，电子设备获取每个已有门店地址预设范围内的至少一个参考品牌的全部门店地址，以根据每个参考品牌的门店数量和每个参考品牌的门店地址与至少一个已有门店地址的距离信息，得到目标品牌与至少一个参考品牌的相关性特征，以及根据至少一个参考品牌在第二区域内的全部门店地址确定选址区域。其中，第二区域包括与第一区域属性相同的区域。之后，电子设备根据相关性特征在选址区域内预测目标品牌的至少一个新门店地址。可见，本技术方案将目标品牌的已有门店地址与其周边至少一个参考品牌的相关性特征作为参数，在包括至少一个参考品牌门店地址的第二区域内，基于至少一个参考品牌门店地址与该相关性特征的关系预测目标品牌新的门店地址，从而能够实现根据已有门店地址确定可参考的选址参数，进而，根据所确定的选址参数预测新的门店地址的方法。这样不仅能够实现自动选址，大量节省人力，而且不受人员经验的影响，能够确保预测结果的准确度。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的门店选址方法100的方法流程图；

图2是本申请实施例提供的基于地图的示例性门店位置关系示意图；

图3是本申请实施例提供的基于地图的示例性区域关系示意图；

图4A是本申请实施例提供的门店选址装置40的示例性组成示意图；

图4B是本申请实施例提供的电子设备41的示例性结构示意图。

具体实施方式

本申请以下实施例中所使用的术语是为了描述可选实施方式的目的，而并非旨在作为对本申请的限制。如在本申请的说明书和所附权利要求书中所使用的那样，单数表达形式“一个”、“一种”、“所述”、“上述”、“该”和“这一”旨在也包括复数表达形式。还应当理解，尽管在以下实施例中可能采用术语第一、第二等来描述某一类对象，但所述对象不限于这些术语。这些术语用来将该类对象的具体对象进行区分。例如，以下实施例中可能采用术语第一、第二等来描述区域，但区域不应限于这些术语。以下实施例中可能采用术语第一、第二等来描述的其他类对象同理，此处不再赘述。

本申请实施例涉及机器学习技术，提供了一种门店选址方法。本申请实施例涉及的门店选址方法可以应用于线下门店的选址，这里的门店示例性的可以为品牌门店，品牌例如包括A茶、B鸭、C火锅等。应理解，上述的英文字母“A”、“B”和“C”是对一些品牌名称的指代，并不表明名称为A茶、B鸭、C火锅的品牌。本说明书下文使用英文字母指代的品牌名称，不再重复解释。

本申请实施例涉及的门店选址方法，基于目标品牌的已有门店，获得各个已有门店与其周边至少一个参考品牌门店的相关性特征，进而，在包含至少一个参考品牌门店的待选址区域内，以此相关性特征为参数，结合待选址区域内涉及的至少一个参考品牌门店，预测目标品牌的新门店地址，从而实现自动选址。

本申请实施例提供的门店选址方法可以由一个电子设备执行，也可以由计算机集群执行。该计算机集群包括至少两个支持本申请实施例的门店选址方法的电子设备，任一电子设备可以通过部署算法模型实现本申请实施例所描述的门店选址功能。

本申请实施例涉及的任一电子设备可以是诸如手机、平板电脑、可穿戴设备(例如，智能手表、智能手环等)、笔记本电脑、台式计算机和车载设备等电子设备。该电子设备预先安装有地图应用程序。可以理解的是，本申请实施例对电子设备的具体类型不作任何限制。

下面通过对几个示例性实施方式的描述，对本申请实施例的技术方案以及本申请的技术方案产生的技术效果进行说明。

参见图1，图1是本申请实施例提供的门店选址方法100(以下简称方法100)的方法流程图，方法100应用于如前所述的电子设备。方法100包括以下步骤：

步骤S101，接收目标品牌的至少一个已有门店地址，至少一个已有门店地址位于第一区域内。

其中，目标品牌即为待确定新门店地址的品牌，目标品牌可以是任意商品的品牌。第一区域可以包括至少一个行政区，例如“北京市朝阳区”，或者至少一个城市，例如“苏州市”。

可选的，第一区域可以是预先选择的，与待确定新门店地址所属区域的属性相似度超过预设值的区域。可选的，本申请实施例所述的区域的属性包括：区域内的人流、区域相关的消费水平以及区域的交通情况等。应理解，这里相似度的预设值可以根据需求设置。

可选的，至少一个已有门店地址可以是第一区域内包含的目标品牌的全部已有门店的地址，也可以是第一区域内预设数量的目标品牌的已有门店的地址，预设数量例如是10。

一种可能的实施方式中，上述门店地址可以实现为已有门店所在位置的经纬度数据。另一种可能的实施方式中，上述门店地址可以实现为已有门店所在位置的区信息、街道信息、小区信息和楼号信息等的集合。

示例性的，用户例如想要在待确定新门店地址的区域(例如北京市海淀区)设置品牌A的新门店，那么，可以确定与待确定新门店地址的区域属性相似的第一区域(例如北京市朝阳区)，进而，将第一区域(例如北京市朝阳区)品牌A的已有门店的区信息、街道信息、小区信息和楼号信息输入电子设备。

另一种可能的实施方式中，电子设备还接收目标品牌的至少一个已有门店地址中每个已有门店对应的营业额。可选的，每个已有门店对应的营业额可以是该已有门店预设时间段内的营业额，例如最近一年的营业额。

步骤S102，获取每个已有门店地址预设范围内的至少一个参考品牌的全部门店地址。

其中，该预设范围可以是1米到1500米。可选的，参考品牌可以是预设范围内的任意品牌，或者预设范围内满足一定条件的品牌。

一些实施例中，该电子设备在接收到前述至少一个已有门店地址之后，可以结合地图应用程序确定每个已有门店地址在地图中的位置，进而，分别以每个已有门店地址为中心，获得其预设范围内的全部非目标品牌(也称为其他品牌)的门店地址作为所述至少一个参考品牌的全部门店地址。

另一些实施例中，该电子设备在接收到前述至少一个已有门店地址之后，结合地图应用程序，分别以每个已有门店地址为中心，获得其预设范围内的全部其他品牌及每个其他品牌门店地址的总数量，进而，根据每个其他品牌门店地址的总数量筛选出(例如按照从大到小的顺序)至少一个参考品牌以及各个参考品牌的全部门店地址。例如，一个已有门店地址的预设范围内包括其他品牌：品牌B、品牌C、品牌D、品牌E、品牌F和品牌G的门店，其中，品牌B的门店总数量例如是6，品牌C的门店总数量例如是5、品牌D的门店总数量例如是5、品牌E的门店总数量例如是4、品牌F的门店总数量例如是3，品牌G的门店总数量例如是1。那么，电子设备可以筛选出品牌B、品牌C、品牌D、品牌E和品牌F作为参考品牌。

示例性的，参见图2示意的基于地图的示例性门店位置，图2例如是电子设备中运行的地图应用程序的界面，该界面中示意了品牌A的两个已有门店地址：地址21和地址22。电子设备例如分别以地址21和地址22为中心，以1千米为半径，确定图2示意的圆形区域，进而分别获取每个圆形区域内的其他品牌的全部门店的地址，例如得到图2示意品牌B。应理解，图2中圆形区域内还可以包括品牌C、品牌D、品牌E和品牌F的全部门店地址(图中未示出)。

应理解，图2仅是示意性描述，对本申请实施例不构成限制。实际实现中，品牌A的已有门店地址的数量、参考品牌的数量以及各参考品牌的门店的数量，可以均不同于图2所示，此处不再赘述。

步骤S103，根据每个参考品牌的门店数量和每个参考品牌的门店地址与至少一个已有门店地址的距离信息及各品牌的属性信息，得到目标品牌与至少一个参考品牌的相关性特征。

其中，由于每个参考品牌对应至少一个门店地址，基于此，针对每个参考品牌，一些实施方式中，该参考品牌的门店地址与至少一个已有门店地址的距离信息可以实现为：每个已有门店地址与该已有门店地址预设范围内该参考品牌各个门店地址的距离的平均值。一些实施方式中，该参考品牌的门店地址与至少一个已有门店地址的距离信息可以实现为：参考品牌各个门店地址与各个已有门店地址的距离的平均值。

例如，再次参见图2，以品牌B为例。图2示意的地图中，品牌A的门店地址21的预设范围内包括3家品牌B的门店，品牌A的门店地址22的预设范围内包括2家品牌B的门店。一种实现方式中，品牌B与品牌A的已有门店距离信息可以是，第一平均值与第二平均值的平均值，第一平均值是门店地址21与其预设范围内3家品牌B的门店地址的距离的平均值，第二平均值是门店地址22与其预设范围内2家品牌B的门店地址的距离的平均值。另一种实现方式中，5家品牌B的门店地址与门店地址21和门店地址22的距离总和的平均值。图2中品牌C、品牌D、品牌E和品牌F与品牌A的距离信息的确定方法，与该示例所述的相似，此处不再赘述。

本申请实施例涉及的相关性特征可以表征参考品牌对目标品牌的正向影响程度，相关性特征的特征值越大，可以指示相应参考品牌对目标品牌的正向影响程度越大，相关性特征的特征值越小，可以指示相应参考品牌对目标品牌的正向影响程度越小。其中，正向影响是指对目标品牌的发展具备有利的影响。

可选的，在获得目标品牌的至少一个已有门店地址，以及相应参考品牌的门店地址后，电子设备可以根据目标品牌的属性信息与每个参考品牌的属性信息，确定目标品牌与每个参考品牌的初始相关性系数。根据每个参考品牌的门店数量，确定各个参考品牌对应的第一权重。以及根据每个参考品牌的门店地址与已有门店地址的距离信息，确定各个参考品牌对应的第二权重。对应每个参考品牌，根据该参考品牌对应的初始相关性系数、第一权重和第二权重，获得参考品牌与目标品牌的相关性系数。根据各个参考品牌的相关性系数得到相关性特征。

可选的，各品牌基于其产品具备各种属性，本申请实施例称之为品牌的属性信息。品牌的属性信息例如可以包括品牌所述的行业信息、品牌产品的功能等。电子设备基于不同品牌属性信息之间的影响，可以为目标品牌和参考品牌设置初始相关性系数，初始相关性系数同样指示参考品牌对目标品牌的正向影响程度。

例如，目标品牌A是A茶，涉及餐饮业，用户在实际场景中，若所逛区域内没有餐饮品店，那么，该区域内的品牌店例如鞋服品牌B、化妆品品牌C更有利于A茶的发展，相应的，品牌B和品牌C与目标品牌的初始相关性系数较大，例如，均是0.9。反之，同为餐饮品牌的品牌D“O饮”，则与A茶存在竞争关系，所以，品牌D“O饮”对A茶的正向影响程度越小，品牌D“O饮”与A茶的初始相关性系数较小，例如是0.1。

可选的，第一权重和第二权重可以是大于或者等于1的数值。第一权重可以指示参考品牌的门店数量对相应初始相关性系数的贡献度，参考品牌的门店数量越多，贡献度越大，第一权重也越大。第二权重可以指示参考品牌的门店地址与已有门店地址的距离信息对相应初始相关性系数的贡献度，参考品牌的门店地址与已有门店地址的距离越小，贡献度越大，第二权重也越大。

可选的，任一参考品牌与目标品牌的相关性系数例如可以实现为：该参考品牌与目标品牌的初始相关性系数*(乘)该参考品牌对应的第一权重*(乘)该参考品牌对应的第二权重。目标品牌与各参考品牌的相关性系数组成的数据集为目标品牌对应的相关性特征。

步骤S104，根据至少一个参考品牌在第二区域内的全部门店地址确定选址区域。

其中，第二区域可以是用户预先指示的区域，第二区域包括与第一区域属性相同的区域。可选的，若预设置了待确定新门店地址的区域，则第二区域包括该待确定新门店地址的区域。例如，预设待确定新门店地址的区域是北京市海淀区，那么第二区域包括北京市海淀区。

可选的，第二区域可以包括第一区域，第二区域例如是北京市。第二区域也可以不包括第一区域，第二区域例如是北京市海淀区。

结合步骤S102，在确定至少一个参考品牌之后，电子设备可以调用地图应用程序在第二区域内获取该至少一个参考品牌的全部门店地址，进而，将该全部门店地址组成的区域作为目标品牌的选址区域。

示例性的，参见图3，在确定品牌B、品牌C、品牌D、品牌E和品牌F之后，电子设备在区域31的范围内获取品牌B、品牌C、品牌D、品牌E和品牌F的全部门店地址，进而，基于区域31范围内的相应全部门店地址组成区域32，区域32即为品牌A的选址区域。

需要指出的是，虽然方法100中步骤S103的操作内容在步骤S104的操作内容之前执行，但在实际实现中，步骤S103的操作内容和步骤S104的操作内容的执行顺序不限，步骤S103的操作内容和步骤S104的操作内容可以同时执行，或者步骤S104的操作内容在步骤S103的操作内容之前执行。

步骤S105，根据相关性特征在选址区域内预测目标品牌的至少一个新门店地址。

其中，电子设备可以获取多个待选地址，进而根据多个待选地址在选址区域内的位置分布，获得每个待选地址对应的参考特征。之后，按照参考特征与相关性特征的匹配程度，从待选地址中选择至少一个待选地址作为新门店地址。

一些实施方式中，待选地址可以是用户预先设置的，例如，用户预先设置在北京海淀区的地铁站X和地铁站Y附近设置新门店，地铁站X和地铁站Y所在的地址即为待选地址。

另一些实施方式中，电子设备可以将选址区域内，对应较大相关性系数的至少一个参考品牌密集区域的中心作为待选地址。例如，品牌D对应的相关性系数最大，品牌E对应的相关性系数次大，电子设备在选址区域内确定品牌D较密集的区域，并将相应区域的中心作为待选地址，以及在选址区域内确定品牌E较密集的区域，并将相应区域的中心也作为待选地址。应理解，实际实现中，可以按照需求确定待选地址的数量。

进而，电子设备可以基于每个待选地址与其周边参考品牌门店的距离信息，以及各参考品牌门店的数量，获得各待选地址对应的参考特征，该参考特征表征目标品牌在该待选地址时，目标品牌与周边各参考品牌的相关性。获得各待选地址对应的参考特征的过程，与步骤S103中获得相关性系数的过程类似，此处不再详述。

参考特征与相关性特征的匹配程度例如可以实现为：参考特征与相关性特征的相似度，该相似度例如可以以欧氏距离表示。示例性的，按照参考特征与相关性特征的匹配程度，从待选地址中选择至少一个待选地址作为新门店地址，例如可以实现为，按照相似度从高到低的顺序，顺次确定至少一个相应待选地址为目标品牌的新门店地址。新门店地址的数量可以依据需求灵活设定，此处不限制。

另一些实施方式中，若电子设备还接收了目标品牌每个已有门店对应的营业额，电子设备还可以根据新门店的参考特征与相关性特征的相似度，预测相应新门店的营业额。

示例性的，可以将前述目标品牌的至少一个已有门店的全部营业额取平均营业额，进而，在预测得到新门店的参考特征与相关性特征的相似度之后，获得1减去该相似度的差值，进而，在平均营业额的基础上，增加该差值对应的比例，以及减少该差值对应的比例，用作新门店的预测营业额范围。

例如，品牌A的10个已有门店的取平均营业额是10000元。电子设备在预测得到品牌A的一个新门店的过程中，得到该新门店的参考特征与相关性特征的相似度是97％，相应的，相似度是97％对应的差值为3％。进而，电子设备根据算法10000*(1-3％)得到9700，根据算法10000*(1+3％)得到13000。那么，确定该新门店的营业额范围是9700元至13000元。

本申请实施例提供了一种自动进行门店选址的技术方案，本方案中，在接收第一区域内的目标品牌的至少一个已有门店地址之后，电子设备获取每个已有门店地址预设范围内的至少一个参考品牌的全部门店地址，以根据每个参考品牌的门店数量和每个参考品牌的门店地址与至少一个已有门店地址的距离信息，得到目标品牌与至少一个参考品牌的相关性特征，以及根据至少一个参考品牌在第二区域内的全部门店地址确定选址区域。其中，第二区域包括与第一区域属性相同的区域。之后，电子设备根据相关性特征在选址区域内预测目标品牌的至少一个新门店地址。可见，本技术方案将目标品牌的已有门店地址与其周边至少一个参考品牌的相关性特征作为参数，在包括至少一个参考品牌门店地址的第二区域内，基于至少一个参考品牌门店地址与该相关性特征的关系预测目标品牌新的门店地址，从而能够实现根据已有门店地址确定可参考的选址参数，进而，根据所确定的选址参数预测新的门店地址的方法。这样不仅能够实现自动选址，大量节省人力，而且不受人员经验的影响，能够确保预测结果的准确度。

上述实施例从目标品牌已有门店地址的获得、参考品牌门店的获得、目标品牌与参考品牌的相关性特征的获取、以及根据相关性特征预测新门店地址等电子设备所执行的动作的角度和学习算法处理的角度，对本申请实施例提供的门店选址方法的各实施方式进行了介绍。应理解，对应目标品牌已有门店地址的获得、参考品牌门店的获得、目标品牌与参考品牌的相关性特征的获取、以及根据相关性特征预测新门店地址等的处理步骤，本申请实施例可以以硬件或硬件和计算机软件的结合形式来实现上述功能。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

例如，若上述实现步骤通过软件模块来实现相应的功能。如图4A所示，门店选址装置40可以包括接收模块401、获取模块402、特征获取模块403、确定模块404和预测模块405。该门店选址装置40可用于执行上述方法100的部分或全部操作。

例如：接收模块401，用于接收目标品牌的至少一个已有门店地址，所述至少一个已有门店地址位于第一区域内。获取模块402，用于获取每个所述已有门店地址预设范围内的至少一个参考品牌的全部门店地址。特征获取模块403，用于根据每个所述参考品牌的门店数量和每个所述参考品牌的门店地址与所述至少一个已有门店地址的距离信息及各品牌的属性信息，得到所述目标品牌与所述至少一个参考品牌的相关性特征。确定模块404，用于根据所述至少一个参考品牌在第二区域内的全部门店地址确定选址区域，所述第二区域包括与所述第一区域属性相似度超过预设值的区域。预测模块405，用于根据所述相关性特征在所述选址区域内预测所述目标品牌的至少一个新门店地址。

由此可见，本申请实施例提供的门店选址装置40，将目标品牌的已有门店地址与其周边至少一个参考品牌的相关性特征作为参数，在包括至少一个参考品牌门店地址的第二区域内，基于至少一个参考品牌门店地址与该相关性特征的关系预测目标品牌新的门店地址，从而能够实现根据已有门店地址确定可参考的选址参数，进而，根据所确定的选址参数预测新的门店地址的方法。这样不仅能够实现自动选址，大量节省人力，而且不受人员经验的影响，能够确保预测结果的准确度。

可选的，特征获取模块403，还用于根据所述目标品牌的属性信息与每个所述参考品牌的属性信息，确定所述目标品牌与每个所述参考品牌的初始相关性系数，根据每个所述参考品牌的门店数量，确定各个所述参考品牌对应的第一权重，以及根据每个所述参考品牌的门店地址与已有门店地址的距离信息，确定各个所述参考品牌对应的第二权重；对应每个所述参考品牌，根据该参考品牌对应的初始相关性系数、第一权重和第二权重，获得所述参考品牌与所述目标品牌的相关性系数；以及根据各个所述参考品牌的相关性系数得到所述相关性特征。

可选的，针对每个所述参考品牌，每个所述参考品牌的门店地址与所述至少一个已有门店地址的距离信息实现为以下任一：

各个所述已有门店地址与该已有门店地址预设范围内所述参考品牌各个门店地址的距离的平均值；或者

所述参考品牌各个门店地址与各个所述已有门店地址的距离的平均值。

可选的，预测模块405，还用于获取多个待选地址；根据所述多个待选地址在所述选址区域内的位置分布，获得所述每个待选地址对应的参考特征；以及按照所述参考特征与所述相关性特征的匹配程度，从所述待选地址中选择至少一个待选地址作为所述新门店地址。

可选的，预测模块405，还用于对应任一待选地址，根据所述待选地址及其所述预设范围内的参考品牌门店地址的数量和距离，确定所述待选地址对应的参考特征。

可选的，获取模块402，还用于获取每个所述已有门店地址预设范围内的全部其他品牌及每个其他品牌门店地址的总数量；以及根据所述每个其他品牌门店地址的总数量筛选出所述至少一个参考品牌以及各个参考品牌的全部门店地址。

可选的，接收模块401，还用于接收所述至少一个已有门店地址中每个已有门店对应的营业额；预测模块405，还用于根据所述相关性特征预测所述目标品牌的至少一个新门店对应的营业额。

可以理解的是，以上各个模块/单元的划分仅仅是一种逻辑功能的划分，实际实现时，该以上各模块的功能可以集成到硬件实体实现，例如，获取模块402、特征获取模块403、确定模块404和预测模块405的功能可以集成到处理器实现，接收模块401的功能可以集成到收发器实现，实现上述各模块功能的程序和指令，可以维护在存储器中。例如，图4B提供了一种电子设备41，该电子设备41包括可以包括处理器411、收发器412和存储器413。其中，收发器412用于执行方法100中目标品牌的已有门店的地址信息以及营业额的获取。存储器413可以用于存储前述门店选址装置40预装的程序/代码，也可以存储用于处理器401执行的代码等。当处理器411运行存储器413存储的代码过程中，使得电子设备41执行上述方法100中门店选址方法的部分或全部操作。

具体实现过程详见上述方法100示意的实施例所述，此处不详述。

具体实现中，对应前述电子设备，本申请实施例还提供一种计算机存储介质，其中，设置在电子设备中的计算机存储介质可存储有程序，该程序执行时，可实施包括方法100的门店选址方法的各实施例中的部分或全部步骤。该存储介质均可为磁碟、光盘、只读存储记忆体(read-only memory，ROM)或随机存储记忆体(random access memory，RAM)等。

以上模块或单元的一个或多个可以软件、硬件或二者结合来实现。当以上任一模块或单元以软件实现的时候，所述软件以计算机程序指令的方式存在，并被存储在存储器中，处理器可以用于执行所述程序指令并实现以上方法流程。所述处理器可以包括但不限于以下至少一种：中央处理单元(central processing unit，CPU)、微处理器、数字信号处理器(DSP)、微控制器(microcontroller unit，MCU)、或人工智能处理器等各类运行软件的计算设备，每种计算设备可包括一个或多个用于执行软件指令以进行运算或处理的核。该处理器可以内置于SoC(片上系统)或专用集成电路(application specific integratedcircuit，ASIC)，也可是一个独立的半导体芯片。该处理器内处理用于执行软件指令以进行运算或处理的核外，还可进一步包括必要的硬件加速器，如现场可编程门阵列(fieldprogrammable gate array，FPGA)、PLD(可编程逻辑器件)、或者实现专用逻辑运算的逻辑电路。

当以上模块或单元以硬件实现的时候，该硬件可以是CPU、微处理器、DSP、MCU、人工智能处理器、ASIC、SoC、FPGA、PLD、专用数字电路、硬件加速器或非集成的分立器件中的任一个或任一组合，其可以运行必要的软件或不依赖于软件以执行以上方法流程。

进一步的，图4B中还可以包括总线接口，总线接口可以包括任意数量的互联的总线和桥，具体由处理器代表的一个或多个处理器和存储器代表的存储器的各种电路链接在一起。总线接口还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。收发器提供用于在传输介质上与各种其他设备通信的单元。处理器负责管理总线架构和通常的处理，存储器可以存储处理器在执行操作时所使用的数据。

当以上模块或单元使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。

应理解，在本申请的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对实施例的实施过程构成任何限定。

本说明书的各个部分均采用递进的方式进行描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点介绍的都是与其他实施例不同之处。尤其，对于装置和系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例部分的说明即可。

尽管已描述了本申请的可选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。

以上所述的具体实施方式，对本申请的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本申请的具体实施方式而已，并不用于限定本申请的保护范围，凡在本申请的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。