门店选址数据确定方法、系统及电子设备

技术领域

本申请涉及计算机技术领域，尤其涉及一种门店选址数据确定方法、系统及电子设备。

背景技术

目前，商家对家政、餐饮店或零售店等类型的商户进行选址时，一般通过人工线下采集数据(如人工统计客流量)的方式，来判断与选择合适开设门店、投放设备的地点，这种选址方式具有较强主观性，需投入大量人力与时间，选址效率较低，成本高、且存在数据采集不够全面、准确性低等问题。为此，急需提供一种更加高效、客观、科学及精准的选址方案。

发明内容

针对上述问题，本申请提供一种解决上述问题或至少部分地解决上述问题的门店选址数据确定方法、系统及电子设备。

在本申请的一个实施例中，提供了一种门店选址数据确定方法。该方法，包括：

显示交互界面；

获取用户通过所述交互界面输入的门店选址对应的地址信息；

获取在所述地址信息对应地点所在区域内产生的多维数据；其中，所述多维数据与门店提供服务内容存在关联性；

对所述多维数据进行分析，得出门店选址数据；其中，所述门店选址数据反映将门店选址在所述地点的可执行度；

将所述地点与所述门店选址数据关联显示。

在本申请的一实施例中，提供了一种门店选址数据确定系统。该系统包括：

客户端，用于显示交互界面；

服务端，用于获取用户通过所述交互界面输入的门店选址对应的地址信息；获取在所述地址信息对应地点所在区域内产生的多维数据；其中，所述多维度数据与门店提供服务内容存在关联性；对所述多维数据进行分析，得出门店选址数据；其中，所述门店选址数据反映将门店选址在所述地点的可执行度；将所述地点与所述门店选址数据关联发送至所述客户端，以显示在所述客户端的交互界面上。

在本申请的一个实施例中，提供了一种电子设备。该电子设备包括：存储器和处理器，其中，

所述存储器，用于存储程序；

所述处理器，与所述存储器耦合，用于执行所述存储器中存储的所述程序，以用于：

显示交互界面；

获取用户通过所述交互界面输入的门店选址对应的地址信息；

获取在所述地址信息对应地点所在区域内产生的多维数据；其中，所述多维数据与门店提供服务内容存在关联性；

对所述多维数据进行分析，得出门店选址数据；其中，所述门店选址数据反映将门店选址在所述地点的可执行度；

将所述地点与所述门店选址数据关联显示。

本申请实施例提供的技术方案，在获取到用户通过交互节点输入的门店选址对应的地址信息，以及获取到所述地址信息对应地点所在区域内产生的与门店提供服务内容存在关联性的多维数据的基础上，通过对所述多维数据进行分析来得出门店选址数据，其中所述门店地址数据反映将门店选址在所述地点的可执行度，并将所述地点与所述门店选址数据进行关联显示。方案整体是利用科学手段并结合多维度数据信息来得到门店选址数据的，从而能够为门店选址提供客观、科学性地指导，因此可有效保证门店选址决策结果的准确性。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要利用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，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1a为本申请一实施例提供的门店选址数据确定方法的流程示意图；

图1b为本申请一实施例提供的交互界面上展示的地图的原理性示意图；

图2a为本申请一实施例提供的门店选址数据确定系统的结构框图；

图2b为本申请一实施例提供的门店选址数据确定系统的具体形态示意图；

图3为本申请一实施例提供的门店选取数据确定装置的结构框图；

图4为本申请一实施例提供的电子设备的结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。

在本申请的说明书、权利要求书及上述附图中描述的一些流程中，包含了按照特定顺序出现的多个操作，这些操作可以不按照其在本文中出现的顺序来执行或并行执行。操作的序号如101、102等，仅仅是用于区分各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。而本申请中术语“或/和”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如：A或/和B，表示可以单独存在A，同时存在A和B，单独存在B这三种情况；本申请中字符“/”，一般表示前后关联对象是一种“或”关系。此外，下述的各实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域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，都属于本申请保护的范围。

随着智慧城市的迅速发展，消费者对于商家的需求主要是便利性，商家为了更好的服务于消费者，关键在于如何为门店选址。现有技术中，在门店选址过程中，常采用人工线下采集数据方式来为门店选取适合的开设地点。比如，针对家政企业来说，传统家政企业在为欲新开门店选址过程中，主要是通过人工调研方式收集一些区域的多维度数据的，比如区域内人口数量、区域内房屋数量、区域内车流量、区域内各路口计数情况等信息；之后再基于人工收集到的多维度数据对这些区域进行各种打分，以评估出在这些区域开设门店的价值，从而为门店选址提供指导。但这种选址方式，具有较强的主观性，且数据采集效率比较低以及数据维度不够全面，存在成本高、耗时长等问题，从而导致评估结果不够客观、科学和精准。

为了解决现有技术门店选址过程中存在的主观性强，耗时费力，效率低、准确性不高等问题，本申请提供了一种门店选址数据确定方法，在该方法中区域的多维度数据是采用AI大数据方式来获得的，并结合已训练好的计算模型对所述多维数据进行分析，来得出能够反映将门店选址在该区域内的可执行度，从而可以为门店选址提供高效、客观、科学及精准的选址指导。本申请实施例提供的方法，可应用于如图2a或图2b示出的包括客户端201和服务端202的系统架构中，所述客户端201和所述服务端202的具体工作流程及之间的通信交互将在以下各实施例中作进一步说明，为此可参见下文中的相应内容，此处不再作具体赘述。

图1a示出了本申请一实施例提供的门店选址数据确定方法的流程示意图。该方法的执行主体可以是具有逻辑运算功能的电子设备，所述电子设备可以为客户端或服务端。其中，所述客户端可以为手机、平板电脑、智能穿戴设备等任意终端设备；所述服务端可以是本地服务器、云服务器、服务器集群、虚拟服务器等，本实施例对此不作具体限定。如图1a所示，该方法包括如下步骤：

101、显示交互界面；

102、获取用户通过所述交互界面输入的门店选址对应的地址信息；

103、获取在所述地址信息对应地点所在区域内产生的多维数据；其中，所述多维数据与门店提供服务内容存在关联性；

104、对所述多维数据进行分析，得出门店选址数据；其中，所述门店选址数据反映将门店选址在所述地点的可执行度；

105、将所述地点与所述门店选址数据关联显示。

上述101中，所述交互界面可以是如图2b所示的客户端201为用户(如商家)提供的交互界面，基于该交互界面，可通过相应的交互方式(如鼠标、手触、语音等)进行与客户端或者与客户端通信连接的服务端(如图2b所示的服务端202)进行数据信息交互。在实际门店选址过程中，通常为了更好地在城市内布局线下门店或者为欲新开门店选择合适地点，用户会首先确定出门店选址对应的地点，进而基于所确定出的门店选址对应的地点，利用诸如人工调研方式来收集与该地点相关的多维度数据，但这种方式收集到的多维度数据缺乏全面性，比如车流量数据、道路状况等难以收集。而在本实施例中，所述交互界面可以为用户提供一信息输入入口，用户可以通过所述交互界面提供的交互方式输入所述门店选址对应的地址信息，本实施例执行主体基于所述地址信息能够结合AI大数据技术手段自动获取到所述地址信息对应地点所在区域内产生的多维度数据，且多维度数据具有全面性。具体实施时，在所述交互界面上可以展示有一地图，该地图可以是但不限于全国地图或城市地图等，而上述所述地址信息则可以是基于用户在该地图上的点选操作获得的。

基于此，在一种可实现的技术方案中，步骤102“获取用户通过交互界面输入的门店选址对应的地址信息”，可具体包括：

1021、在所述交互界面上展示地图；

1022、响应于用户在所述地图上的点选操作，获取被点选位置的地址信息。

具体实施时，在所述交互界面上展示的地图可以为全国地图，也可以为城市地图等，此处不作具体限定。基于上述交互界面展示出的地图，用户在为门店选址时，可以根据欲将门店所布设的地点，通过交互界面提供的交互方式(如鼠标、手触)，在所述地图上对应位置处进行点选操作，执行主体在响应于用户在所述地图上的点选操作后，即可自动获取被点选位置的地址信息。例如，参见图1b示出的在交互界面展示出的地图，当用户欲将一家政门店布设在位置10处时，用户可以通过诸如鼠标对该位置10进行点选操作，执行主体响应用户针对位置10的点选操作后，可获取到位置10处的地址信息，比如，位置10处的地址信息为：###区###镇###道。

这里需要说明的是：除了上述依据用户在地图上的点选操作来获取用户点选位置处的地址信息之外，当然所述地址信息也可以是依据其他方式获取到的，比如，可以是根据用户在交互界面上提供的输入控件(如图1b所示的输入框11)中所输入的地址信息内容来获取到的，或者，也可以是根据用户通过交互界面上提供的语音输入控件(如图1b所示的麦克风控件12)所输入的地址信息内容来获取得到，本实施例对此不作具体限定。

在获取到用户通过所述交互界面输入的门店选址对应的地址信息后，需进一步地确定出所述地址信息对应地点所在区域，以便于获取到所述地址信息对应地点所在区域内产生的多维度数据，从而基于所述多维度数据来确定将门店选址在所述地点的可执行度。也即，进一步地，上述步骤102，还可包括如下步骤：

1023、响应于用户在所述被点选位置外围的区域框选操作，将用户框选的区域作为所述地点所在区域；

1024、按照预设区域划分规则，在所述被点选位置外围形成规则边界，将所述规则边界围成的区域作为所述地点所在区域。

上述1023中，用户在所述被点位置外围的区域进行框选操作时，框选出的区域可以是规则区域，如正方形区域、长方形区域、三角形区域等；或者也可以是不规则区域，如多边形不规则区域等，此处不作具体限定、

上述1024中，所述预设区域划分规则可以根据实际情况进行确定，例如，可以以所述被点选位置为中心，以一定距离(如50m、300m、0.5公里、1公里)为半径，在所述被点选位置外围形成规则边界，从而将所述规则边界围成的区域作为所述地点所在区域；再例如，可以直接将所述被点选位置处所在的城市、行政区域或街区等作为所述地点所在区域，本实施例对此不作具体限定。

上述103中，基于确定出的所述地址信息对应地点所在区域，本实施例执行主体可以利用AI大数据技术手段，自动、直接地从互联网中获取到所述地址信息对应地点所在区域内产生的多维数据；其中，所述多维数据与门店提供服务内容存在关联性，具体地，所述多维数据可包括但不限于如下中的至少部分数据：在所述区域内下单的用户数量、所述区域内完成订单数量、所述区域内未完成订单数量、所述区域内竞品门店数量、所述区域内能提供门店所对应服务的人员数量、所述区域内能提供服务品类、所述区域内能提供各类服务的人员数量、所述区域内人口数量、所述区域内房屋密度。上述中所述竞品门店可以是借助现有门店的布局来进行定义的，如可以分别借助门店间的距离、门店所提供的服务品类相同数目等等来进行定义；所述区域内未完成订单数量可以是指流失订单数量，也即用户取消订单数量。

上述104中，可以利用预先训练好的计算模型对所述多维数据进行分析，以此得出能够反映将门店选址在所述地点的可执行度的门店选址数据。具体地，可以将所述所述多维数据作为所述预先训练好的计算模型的输入，执行所述计算模型，所述计算模型对所述多维数据进行综合分析，便可快速得出门店选址数据。即步骤104“对所述多维数据进行分析，得出门店选址数据”的一种可实现技术方案为：

1041、获取计算模型；

1042、利用所述计算模型，对所述多维数据进行分析，得到所述门店选址数据。

上述1041中，所述计算模型为机器学习模型，是基于大量的训练样本对待训练机器模型进行训练得到的，其中，所述训练样本可以是根据多个已有门店所在区域内产生的历史多维数据以及各已有门店的关键性能指标(Key Performance Indicator，KPI)数据生成的，KPI是一个用于测量门店业务绩效的可计量度量值，通常会在一段时间内评估KPI，例如，一个门店可以使用每月的营收额作为KPI。通常，一个门店的KPI受多种因素影响，如对于家政门店来说，一个家政门店的KPI受诸如家政门店所在区域内的下单用户数量，能提供门店所对应服务的人员数量、竞品门店数量、人口数量、房屋密度、完成订单数量、未完成订单数量等多种因素影响。通过获取大量的已有门店所在区域内产生的不同时间段内的历史多维数据以及各自对应的KPI数据对待训练机器模型进行训练，利于得到高精度的计算模型。

基于上述内容，步骤1041中的计算模型可以通过下述训练方式得到：

S10、获取多个已有门店所在区域内产生的历史多维数据，以及各已有门店的关键性能指标KPI数据；

S11、根据所述多个已有门店所在区域内产生的历史多维数据，以及各已有门店的关键性能指标KPI数据，生成训练样本；

S13、利用所述训练样本，对所述机器学习模型进行训练，得到所述计算模型。

具体实施时，在获取到多个已有门店所在区域内产生的历史多维数据，以及各已有门店的关键性能指标KPI数据之后，可以先对多个已有门店所在区域内产生的历史多维数据以及各已有门店的关键性能指标KPI数据进行预处理操作，将预处理后的多个已有门店所在区域内产生的历史多维数据，以及各已有门店的关键性能指标KPI数据，作为训练样本；其中，所述预处理操作可以为过滤处理、噪声点去除等操作，这里预处理操作的作用是为了去除异常数据，以保证训练出具有更高精准度的计算模型。

这里需说明的是，训练好的计算模型可以根据训练样本的更新不断调整，保证其实时性，从而有利于门店选址的准确性。

上述1042中，由于本实施例的计算模型是基于大量训练样本得到的，且训练样本具有多样性，为此具有较高的精准度，因此在利用所述计算模型，对所述地址信息对应地点所在区域内产生的多维数据进行分析时，能够得到较为精准的所述门店选址数据。其中，所述门店选址数据反映将门店选址在所述地点的可执行度；例如，参见图1b所示，利用计算模过对区域内产生的多维数据进行分析，可得到将门店选址在地点10处的门店选址数据如为0.8，门店选址数据越高说明将门店选址在该地点越具有价值。

上述105中，将得到的门店选址数据与相应的地点进行关联显示在交互界面上，这可视化地为用户呈现了分析结果，方便于直观、科学的为用户提供门店选址指导。

本实施例提供的技术方案，在获取到用户通过交互节点输入的门店选址对应的地址信息，以及获取到所述地址信息对应地点所在区域内产生的与门店提供服务内容存在关联性的多维数据的基础上，通过对所述多维数据进行分析来得出门店选址数据，其中所述门店地址数据反映将门店选址在所述地点的可执行度，并将所述地点与所述门店选址数据进行关联显示。方案整体是利用科学手段并结合多维度数据信息来得到门店选址数据的，从而能够为门店选址提供客观、科学性地指导，因此可有效保证门店选址决策结果的准确性。

进一步地，本实施例提供提供的所述方法，还可包括：

106、在所述交互界面上展示地图；

107、获取所述地图被展示出范围内的多个区域的属性特征；

108、根据所述多个区域的属性特征，所述地图上生成相应的热力图；

其中，所述属性特征包括：所述区域内房屋密度、所述区域内竞品门店数量、所述区域内门店提供的服务类型分布数据。

具体实施时，本实施例是通过AI大数据技术手段来获取所述地图被展示出范围内的多个区域的属性特征的，能够提高属性特征获取的高效性、精准性，降低属性特征获取的成本。需要说明的是：所述区域的属性特征除了包括上述中所述区域内房屋密度、所述区域内竞品门店数量、所述区域内门店提供的服务类型分布数据这些特征之外，还可包括其他的属性特征，比如所述区域内人口数量、所述区域内车流量、所述区域内道路状况等等，本实施例对此不作具体限定。另外，在获取到的所述地图被展示出范围内的多个区域的属性特征后，可以对所述多个区域的属性特征进行聚类处理，从而根据聚类结果在所述地图上生成相应的热力图。也即：上述108“根据所述多个区域的属性特征，所述地图上生成相应的热力图”，可包括如下步骤：

1081、对所述多个区域的属性特征进行聚类处理；

1082、根据聚类结果，在所述地图上生成相应的热力图。

具体实施时，可利用现有聚类算法，比如K-means、均值偏移聚类算法等，对所述多个区域的各经纬度属性特性进行聚类处理，此处并不作具体限定，具体聚类处理过程同现有技术。而基于聚类结果在所述地图上生成的热力图，具体可参见图1b示出的通过颜色深浅展示出的热力图。

这里将多个区域的属性特征对应的聚类结果在地图上以热力图的形式展示处理，使得用户从总体上直观感受各个区域的需求度，竞品门店数量等情况，利于增大品牌曝光率。此外，用户还可以针对所展示出的热力图，在所述热力图上针对一区域范围进行圈定操作，本实施例执行主要响应于用户在所述热力图上针对一区域范围的圈定操作后，可详细展示出该区域范围的属性特征(如竞品门店数量、区域内房屋密度)情况。例如，继续参见图1b，当用户在热力图上针对一区域20进行圈定操作后，与区域20相关的属性特征可展示在图1b中示出的展示区21中。

这里需要说明的是，用户在为门店进行选址时，可先基于本实施例展示出的热力图从宏观上决策门店选址对应的地点，然后再通过上述中本实施例提供的相关内容来具体计算出将门店选址在该地点的门店选址数据(即可执行度)，以具体来把握将门店选址在该地点是否具有价值，从而进一步地提高门店选址的精准性。

本实施提供的方法可适用于任何需进行门店选址数据确定的应用场景中，其中，所述门店所属类型可以为但不限于家政类、餐饮类、快递类、美容美发类、运动健身类、酒店类、教育类、商品零售类、房地产类、信息咨询服务业类、旅游业类等等，本实施例对此不作具体限定。

图2a和图2b示出了本申请一实施例提供的门店选址数据确定系统的结构示意图。如图2a所示，该系统具体包括：

客户端201，用于显示交互界面；

服务端202，用于获取用户通过所述交互界面输入的门店选址对应的地址信息；获取在所述地址信息对应地点所在区域内产生的多维数据；其中，所述多维度数据与门店提供服务内容存在关联性；对所述多维数据进行分析，得出门店选址数据；其中，所述门店选址数据反映将门店选址在所述地点的可执行度；将所述地点与所述门店选址数据关联发送至所述客户端，以显示在所述客户端的交互界面上。

具体实施时，参见图2b所示，上述客户端201可以是能够与用户进行交互，并且具有通信功能的设备。在不同的应用场景下，客户端201的实现形态会有所不同。例如，在一些场景下，客户端201可为：手机、平板电脑、个人数字助手(Personal Digital Assistant，PDA)、台式计算机、笔记本电脑、智能穿戴设备(如智能眼镜、智能手表等)等等，本实施例对此不作限定。

上述服务端202包括能够进行数据处理，并且具有通信功能的设备。在一些实施例中，服务端设备202可实现为常规服务器、云端服务器、云主机、虚拟中心等服务器等设备，本实施例对此不做限制。其中，云端服务器为基于云计算的计算机集合，即由基于云计算(Cloud Computing)的大量主机或网络服务器构成，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个超级虚拟计算机。

本实施例门店选址数据确定系统中，客户端201和服务端202之间的数据交互过程，可基于客户端201和服务端202之间建立的通信连接关系实现。其中，具体的通信连接方式可视实际的应用场景而定。

在一些示例性实施方式中，客户端201和服务端202之间可采用有线通信方式无线通信方式进行通信。其中，无线通信方式包括蓝牙、ZigBee、红外线、WiFi(WIreless-Fidelity，无线保真技术)等短距离通信方式，也包括LORA等远距离无线通信方式，还可包括基于移动网络的无线通信方式。其中，当通过移动网络通信连接时，移动网络的网络制式可以为3d(GSM)、3G(WCDMA、TD-SCDMA、CDMA2000、UTMS)、4G(LTE)、4G+(LTE+)、5G、WiMax等中的任意一种。

进一步地，上述客户端201，还用于在所述交互界面上展示地图；相应地，

上述服务端202，还用于获取所述地图被展示出范围内的多个区域的属性特征；根据所述多个区域的属性特征，在所述地图上生成相应的热力图；

其中，所述属性特征包括：所述区域内房屋密度、所述区域内竞品门店数量、所述区域内门店提供的服务类型分布数据。

这里需要说明的是：本实施例提供的所述门店选址数据确定系统中各步骤未尽详述的内容可参见上述各实施例中的相应内容，此处不再作赘述。此外，本实施例提供的所述门店选址数据确定系统中除了上述各步骤以外，还可包括上述各实施例中其他部分或全部步骤，具体可参见上述各实施例相应内容，在此不再赘述。

图3示出了本申请一实施例提供的门店选址数据确定装置的结构框图。如图3所示，该装置具体包括：

第一显示模块301，用于显示交互界面；

第一获取模块302，用于获取用户通过所述交互界面输入的门店选址对应的地址信息；

第二获取模块303，用于获取在所述地址信息对应地点所在区域内产生的多维数据；其中，所述多维数据与门店提供服务内容存在关联性；

分析模块304，用于对所述多维数据进行分析，得出门店选址数据；其中，所述门店选址数据反映将门店选址在所述地点的可执行度；

第二显示模块305，用于将所述地点与所述门店选址数据关联显示。

本实施例提供的技术方案，在获取到用户通过交互节点输入的门店选址对应的地址信息，以及获取到所述地址信息对应地点所在区域内产生的与门店提供服务内容存在关联性的多维数据的基础上，通过对所述多维数据进行分析来得出门店选址数据，其中所述门店地址数据反映将门店选址在所述地点的可执行度，并将所述地点与所述门店选址数据进行关联显示。方案整体是利用科学手段并结合多维度数据信息来得到门店选址数据的，从而能够为门店选址提供客观、科学性地指导，因此可有效保证门店选址决策结果的准确性。

进一步地，上述第一获取模块302，在用于获取用户通过所述交互界面输入的门店选址对应的地址信息时，具体用于：在所述交互界面上展示地图；响应于用户在所述地图上的点选操作，获取被点选位置的地址信息。

进一步地，本实施例提供的所述装置，还包括：

响应模块，用于响应于用户在所述被点选位置外围的区域框选操作，将用户框选的区域作为所述地点所在区域；

形成模块，用于按照预设区域划分规则，在所述被点选位置外围形成规则边界，将所述规则边界围城的区域作为所述地点所在区域。

进一步地，上述多维数据包括如下中的至少部分数据：

在所述区域内下单的用户数量、所述区域内完成订单数量、所述区域内未完成订单数量、所述区域内竞品门店数量、所述区域内能提供门店所对应服务的人员数量、所述区域内能提供服务品类、所述区域内能提供各类服务的人员数量、所述区域内人口数量、所述区域内房屋密度。

进一步地，分析模块304，在用于对所述多维数据进行分析，得出门店选址数据时，具体用于：获取计算模型；利用所述计算模型，对所述多维数据进行分析，得到所述门店选址数据。

进一步地，上述计算模型为机器学习模型；相应地，

本实施例提供的所述装置，还包括：

第三获取模块，用于获取多个已有门店所在区域没产生的历史多维数据，以及各已有门店的关键性能指标KPI数据，生成训练样本；

训练模块，用于利用所述训练样本，对所述机器学习模型进行训练，得到所述计算模型。

进一步地，本实施例提供的所述装置，还包括：

展示模块，用于在所述交互界面上展示地图；

第四获取模块，用于获取所述地图被展示出范围内的多个区域的属性特征；

生成模块，用于根据所述多个区域的属性特征，在所述地图上生成相应的热力图；

其中，所述属性特征包括：所述区域内房屋密度、所述区域内竞品门店数量、所述区域内门店提供的服务类型分布数据。

这里需要说明的是：本实施例提供的门店选址数据确定装置可以执行图1a所示实施例所述的门店选址数据确定方法，其实现原理和技术效果不再赘述。对于上述实施例中的门店选址数据确定装置中各个模块或单元执行操作的具体实现方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

图4示出了本申请一实施例提供一个电子设备的结构示意图。如图4所示，所述电子设备包括：存储器401以及处理器402。存储器401可被配置为存储其它各种数据以支持在传感器上的操作。这些数据的示例包括用于在传感器上操作的任何应用程序或方法的指令。存储器401可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

所述处理器402，与所述存储器401耦合，用于执行所述存储器401中存储的所述程序，以用于：

显示交互界面；

获取用户通过所述交互界面输入的门店选址对应的地址信息；

获取在所述地址信息对应地点所在区域内产生的多维数据；其中，所述多维数据与门店提供服务内容存在关联性；

对所述多维数据进行分析，得出门店选址数据；其中，所述门店选址数据反映将门店选址在所述地点的可执行度；

将所述地点与所述门店选址数据关联显示。

其中，处理器402在执行存储器401中的程序时，除了上面的功能之外，还可实现其它功能，具体可参见前面各实施例的描述。

进一步，如图4所示，电子设备还包括：通信组件403、显示器404、电源组件405及音频组件406等其它组件。图4中仅示意性给出部分组件，并不意味着电子设备只包括图4所示组件。

相应地，本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，所述计算机程序被计算机执行时能够实现上述各实施例提供的门店选址数据确定方法步骤或功能。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。