一种用于线下加盟的AI选址方法及系统

技术领域

本发明属于AI选址技术领域，尤其涉及一种用于线下加盟的AI选址方法及系统。

背景技术

线下加盟，是通过代理、特许经营等方式，加入一个成熟的品牌，利用其文化、技术、管理和快速运营店铺的标准化过程。

数字时代，市场环境瞬息万变，线下加盟的选址试错成本越来越高。

现有技术中，线下加盟的AI选址，只能够按照非时效性的人口、金融和交通等数据，进行区域的选址推荐，由于缺乏实际的调研数据，无法对一个区域内的多个门店进行真实的比较与推荐，具有时效性差、选址范围大、选址质量低等缺陷。

发明内容

本发明实施例的目的在于提供一种用于线下加盟的AI选址方法及系统，旨在解决背景技术中提出的问题。

为实现上述目的，本发明实施例提供如下技术方案：

一种用于线下加盟的AI选址方法，所述方法具体包括以下步骤：

接收线下加盟的选址条件需求，根据所述选址条件需求，进行经营匹配与比较，筛选推荐加盟案例；

获取线下加盟的目标选址区域，根据所述推荐加盟案例，在所述目标选址区域进行相关匹配，确定多个相关选址门店；

对多个所述相关选址门店进行AI试营规划，生成试营规划数据；

按照所述试营规划数据，在多个所述相关选址门店进行AI试营记录，获取多个门店试营数据；

对多个所述门店试营数据进行数据识别与评价对比，从多个所述相关选址门店中，选择并标记目标选址门店。

作为本发明实施例技术方案进一步的限定，所述接收线下加盟的选址条件需求，根据所述选址条件需求，进行经营匹配与比较，筛选推荐加盟案例具体包括以下步骤：

接收线下加盟的选址条件需求；

更新线下加盟的历史加盟数据；

根据所述选址条件需求，在所述历史加盟数据中进行经营匹配，确定多个匹配加盟案例；

按照所述历史加盟数据，对多个所述匹配加盟案例进行经营比较，筛选推荐加盟案例。

作为本发明实施例技术方案进一步的限定，所述获取线下加盟的目标选址区域，根据所述推荐加盟案例，在所述目标选址区域进行相关匹配，确定多个相关选址门店具体包括以下步骤：

对所述推荐加盟案例进行特征分析，获取多个推荐特征；

获取线下加盟的目标选址区域；

根据所述目标选址区域，确定多个待租门店；

按照多个所述推荐特征，对多个所述待租门店进行相关匹配，确定多个相关选址门店。

作为本发明实施例技术方案进一步的限定，所述对多个所述相关选址门店进行AI试营规划，生成试营规划数据具体包括以下步骤：

获取所述目标选址区域的区域规划地图；

在所述区域规划地图中，对多个所述相关选址门店进行标记，生成区域标记地图；

按照预设的影响距离，在所述区域标记地图中，进行AI试营规划，生成试营规划数据。

作为本发明实施例技术方案进一步的限定，所述按照所述试营规划数据，在多个所述相关选址门店进行AI试营记录，获取多个门店试营数据具体包括以下步骤：

按照所述试营规划数据，生成顺序试营指令；

根据所述顺序试营指令，在多个所述相关选址门店进行AI试营控制；

在多个所述相关选址门店的AI试营过程中，进行AI试营记录，获取多个门店试营数据。

作为本发明实施例技术方案进一步的限定，所述对多个所述门店试营数据进行数据识别与评价对比，从多个所述相关选址门店中，选择并标记目标选址门店具体包括以下步骤：

提取多个所述门店试营数据中的评价特征，包括人流量、到访量、受众量和环境分数；

计算多个所述门店试营数据的试营评价分数；

将多个所述试营评价分数进行对比，得到分数对比结果；

按照所述分数对比结果，从多个所述相关选址门店中，选择并标记目标选址门店。

作为本发明实施例技术方案进一步的限定，所述试营评价分数的计算公式为：

P

k

其中，k

一种用于线下加盟的AI选址系统，所述系统包括推荐案例筛选模块、区域相关匹配模块、AI试营规划模块、AI试营记录模块和试营评价对比模块，其中：

推荐案例筛选模块，用于接收线下加盟的选址条件需求，根据所述选址条件需求，进行经营匹配与比较，筛选推荐加盟案例；

区域相关匹配模块，用于获取线下加盟的目标选址区域，根据所述推荐加盟案例，在所述目标选址区域进行相关匹配，确定多个相关选址门店；

AI试营规划模块，用于对多个所述相关选址门店进行AI试营规划，生成试营规划数据；

AI试营记录模块，用于按照所述试营规划数据，在多个所述相关选址门店进行AI试营记录，获取多个门店试营数据；

试营评价对比模块，用于对多个所述门店试营数据进行数据识别与评价对比，从多个所述相关选址门店中，选择并标记目标选址门店。

作为本发明实施例技术方案进一步的限定，所述推荐案例筛选模块具体包括：

条件接收单元，用于接收线下加盟的选址条件需求；

历史更新单元，用于更新线下加盟的历史加盟数据；

经营匹配单元，用于根据所述选址条件需求，在所述历史加盟数据中进行经营匹配，确定多个匹配加盟案例；

经营比较单元，用于按照所述历史加盟数据，对多个所述匹配加盟案例进行经营比较，筛选推荐加盟案例。

作为本发明实施例技术方案进一步的限定，所述AI试营规划模块具体包括：

地图获取单元，用于获取所述目标选址区域的区域规划地图；

门店标记单元，用于在所述区域规划地图中，对多个所述相关选址门店进行标记，生成区域标记地图；

试营规划单元，用于按照预设的影响距离，在所述区域标记地图中，进行AI试营规划，生成试营规划数据。

与现有技术相比，本发明的有益效果是：

(1)本发明能够在目标选址区域进行相关匹配，确定多个相关选址门店，进行AI试营规划与AI试营记录，获取多个门店试营数据并进行评价对比，最终选择目标选址门店，能够实现区域内部精确的门店选址推荐，且能够采集并实际的调研数据，具有时效性强、选址范围小、选址质量高的优点；

(2)本发明能够根据线下加盟的选址条件需求和历史加盟数据，进行经营匹配与经营比较，筛选推荐加盟案例，对推荐加盟案例进行特征分析，获取多个推荐特征，根据多个推荐特征，在目标选址区域内，确定多个相关选址门店，为后续的AI试营规划与AI试营记录缩小范围，有效提高AI选址的效率。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例。

图1示出了本发明实施例提供的方法的流程图。

图2示出了本发明实施例提供的方法中筛选推荐加盟案例的流程图。

图3示出了本发明实施例提供的方法中目标选址区域相关匹配的流程图。

图4示出了本发明实施例提供的方法中门店的AI试营规划的流程图。

图5示出了本发明实施例提供的方法中门店的AI试营记录的流程图。

图6示出了本发明实施例提供的方法中试营数据评价对比的流程图。

图7示出了本发明实施例提供的系统的应用架构图。

图8示出了本发明实施例提供的系统中推荐案例筛选模块的结构框图。

图9示出了本发明实施例提供的系统中AI试营规划模块的结构框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

可以理解的是，数字时代，市场环境瞬息万变，线下加盟的选址试错成本越来越高。现有技术中，线下加盟的AI选址，只能够按照非时效性的人口、金融和交通等数据，进行区域的选址推荐，由于缺乏实际的调研数据，无法对一个区域内的多个门店进行真实的比较与推荐，具有时效性差、选址范围大、选址质量低等缺陷。

为解决上述问题，本发明实施例通过接收线下加盟的选址条件需求，根据选址条件需求，进行经营匹配与比较，筛选推荐加盟案例；获取线下加盟的目标选址区域，根据推荐加盟案例，在目标选址区域进行相关匹配，确定多个相关选址门店；对多个相关选址门店进行AI试营规划，生成试营规划数据；按照试营规划数据，在多个相关选址门店进行AI试营记录，获取多个门店试营数据；对多个门店试营数据进行数据识别与评价对比，从多个相关选址门店中，选择并标记目标选址门店。能够根据选址条件需求，筛选推荐加盟案例，在目标选址区域进行相关匹配，确定多个相关选址门店，进行AI试营规划与AI试营记录，获取多个门店试营数据并进行评价对比，最终选择目标选址门店，能够实现区域内部精确的门店选址推荐，且能够采集并实际的调研数据，具有时效性强、选址范围小、选址质量高的优点。

图1示出了本发明实施例提供的方法的流程示意图。

具体的，在本发明提供的一个优选实施方式中，一种用于线下加盟的AI选址方法，所述方法具体包括以下步骤：

步骤S101，接收线下加盟的选址条件需求，根据所述选址条件需求，进行经营匹配与比较，筛选推荐加盟案例。

在本发明实施例中，用户在具有线下加盟的选址需求时，可以输入经营时间、经营场景(经营场景包括：超市配套场景、学校周边场景、医院周边场景、工厂周边场景等)、经营租金等条件信息，生成并上传选址条件需求，通过接收用户上传的选址条件需求，并按照接收时间，更新线下加盟的历史加盟数据，根据选址条件需求，在历史加盟数据中进行经营匹配，确定与选址条件需求的经营时间相同、经营场景符合、经营租金上限一致的多个匹配加盟案例，进而在历史加盟数据中，提取多个匹配加盟案例的经营状况数据，再将多个经营状况数据进行对比，选择经营状况最好的匹配加盟案例，标记为推荐加盟案例。

可以理解的是，历史加盟数据，是用户进行线下加盟之前，待加盟的品牌已经完成加盟的经营记录数据；所有完成的线下加盟，都会对经营情况进行持续记录，持续更新历史加盟数据，从而既能够对完成的线下加盟进行有效的经营监测，又能够为后续的加盟提供有效的加盟参考。

具体的，图2示出了本发明实施例提供的方法中筛选推荐加盟案例的流程图。

其中，在本发明提供的优选实施方式中，所述接收线下加盟的选址条件需求，根据所述选址条件需求，进行经营匹配与比较，筛选推荐加盟案例具体包括以下步骤：

步骤S1011，接收线下加盟的选址条件需求。

步骤S1012，更新线下加盟的历史加盟数据。

步骤S1013，根据所述选址条件需求，在所述历史加盟数据中进行经营匹配，确定多个匹配加盟案例。

步骤S1014，按照所述历史加盟数据，对多个所述匹配加盟案例进行经营比较，筛选推荐加盟案例。

进一步的，所述用于线下加盟的AI选址方法还包括以下步骤：

步骤S102，获取线下加盟的目标选址区域，根据所述推荐加盟案例，在所述目标选址区域进行相关匹配，确定多个相关选址门店。

在本发明实施例中，对推荐加盟案例进行特征分析，获取推荐加盟案例的多个推荐特征，再获取线下加盟的目标选址区域，基于大数据技术，确定目标选址区域内的多个待租门店，且获取多个待租门店的门店基础信息，按照多个推荐特征，对多个门店基础信息进行相关匹配分析，选择多个相关选址门店，多个相关选址门店均满足多个推荐特征。

可以理解的是，多个推荐特征，包括门店大小和场景位置，其中，场景位置是推荐加盟案例相对于热点中心的位置特征，热点中心是推荐加盟案例周边能够造成人流量聚集的地方，例如大型超市、学校、医院、工厂等；待租门店，是处于目标选址区域内待出租，且符合用户的经营租金条件的门店。

可以理解的是，多个相关选址门店，均能够满足用户的选址需求，且符合推荐加盟案例的门店大小和场景位置，但是，还需要进一步确定多个相关选址门店中的最佳选址目标。

具体的，图3示出了本发明实施例提供的方法中目标选址区域相关匹配的流程图。

其中，在本发明提供的优选实施方式中，所述获取线下加盟的目标选址区域，根据所述推荐加盟案例，在所述目标选址区域进行相关匹配，确定多个相关选址门店具体包括以下步骤：

步骤S1021，对所述推荐加盟案例进行特征分析，获取多个推荐特征。

步骤S1022，获取线下加盟的目标选址区域。

步骤S1023，根据所述目标选址区域，确定多个待租门店。

步骤S1024，按照多个所述推荐特征，对多个所述待租门店进行相关匹配，确定多个相关选址门店。

进一步的，所述用于线下加盟的AI选址方法还包括以下步骤：

步骤S103，对多个所述相关选址门店进行AI试营规划，生成试营规划数据。

在本发明实施例中，获取目标选址区域的区域规划地图，区域规划地图中，能够显示每个门店的具体位置与范围，将多个相关选址门店在区域规划地图中进行标记，生成区域标记地图，再按照预设的影响距离，在区域标记地图中，对多个相关选址门店进行AI试营规划，确定每个相关选址门店的AI试营次序和对应的AI试营时段，生成试营规划数据。

可以理解的是，按照试营规划数据，AI试营次序相邻的两个相关选址门店的距离大于影响距离，从而能够避免两次AI试营相互之间具有较大的影响，且每个相关选址门店的AI试营时段既包括工作日，也包括休息日。

具体的，图4示出了本发明实施例提供的方法中门店的AI试营规划的流程图。

其中，在本发明提供的优选实施方式中，所述对多个所述相关选址门店进行AI试营规划，生成试营规划数据具体包括以下步骤：

步骤S1031，获取所述目标选址区域的区域规划地图。

步骤S1032，在所述区域规划地图中，对多个所述相关选址门店进行标记，生成区域标记地图。

步骤S1033，按照预设的影响距离，在所述区域标记地图中，进行AI试营规划，生成试营规划数据。

进一步的，所述用于线下加盟的AI选址方法还包括以下步骤：

步骤S104，按照所述试营规划数据，在多个所述相关选址门店进行AI试营记录，获取多个门店试营数据。

在本发明实施例中，按照试营规划数据，在满足相关的AI试营时段时，生成顺序试营指令，再根据顺序试营指令，在相关选址门店进行AI试营控制，并在多个相关选址门店的AI试营过程中，进行AI试营记录，在多个相关选址门店均完成门店AI试营与记录之后，得到多个门店试营数据。

可以理解的是，AI试营控制，是控制AI机器人进行相关商品的试营售卖的过程，能够进行简单的商品制作、商品宣传和售卖交互，例如：线下加盟为奶茶店加盟时，AI试营控制则包括几款简单的奶茶制作、奶茶售卖的宣传、与购买人员的交互等。

可以理解的是，AI试营记录，是在AI试营控制过程中，对相关选址门店的内部与外部进行监控拍摄；门店试营数据，是监控拍摄的视频数据。

具体的，图5示出了本发明实施例提供的方法中门店的AI试营记录的流程图。

其中，在本发明提供的优选实施方式中，所述按照所述试营规划数据，在多个所述相关选址门店进行AI试营记录，获取多个门店试营数据具体包括以下步骤：

步骤S1041，按照所述试营规划数据，生成顺序试营指令。

步骤S1042，根据所述顺序试营指令，在多个所述相关选址门店进行AI试营控制。

步骤S1043，在多个所述相关选址门店的AI试营过程中，进行AI试营记录，获取多个门店试营数据。

进一步的，所述用于线下加盟的AI选址方法还包括以下步骤：

步骤S105，对多个所述门店试营数据进行数据识别与评价对比，从多个所述相关选址门店中，选择并标记目标选址门店。

在本发明实施例中，通过对多个门店试营数据进行识别，提取每个门店试营数据中对应的多个评价特征，包括人流量、到访量、受众量和环境分数，再按照P

可以理解的是，可以通过对门店试营数据进行人物特征识别，计算经过相关选址门店外的人数，得到人流量，人流量越大，试营评价分数越高，因此，k

具体的，图6示出了本发明实施例提供的方法中试营数据评价对比的流程图。

其中，在本发明提供的优选实施方式中，所述对多个所述门店试营数据进行数据识别与评价对比，从多个所述相关选址门店中，选择并标记目标选址门店具体包括以下步骤：

步骤S1051，提取多个所述门店试营数据中的评价特征，包括人流量、到访量、受众量和环境分数。

步骤S1052，计算多个所述门店试营数据的试营评价分数。

步骤S1053，将多个所述试营评价分数进行对比，得到分数对比结果。

步骤S1054，按照所述分数对比结果，从多个所述相关选址门店中，选择并标记目标选址门店。

进一步的，图7示出了本发明实施例提供的系统的应用架构图。

其中，在本发明提供的又一个优选实施方式中，一种用于线下加盟的AI选址系统，包括：

推荐案例筛选模块101，用于接收线下加盟的选址条件需求，根据所述选址条件需求，进行经营匹配与比较，筛选推荐加盟案例。

在本发明实施例中，用户在具有线下加盟的选址需求时，可以输入经营时间、经营场景(经营场景包括：超市配套场景、学校周边场景、医院周边场景、工厂周边场景等)、经营租金等条件信息，生成并上传选址条件需求，推荐案例筛选模块101通过接收用户上传的选址条件需求，并按照接收时间，更新线下加盟的历史加盟数据，根据选址条件需求，在历史加盟数据中进行经营匹配，确定与选址条件需求的经营时间相同、经营场景符合、经营租金上限一致的多个匹配加盟案例，进而在历史加盟数据中，提取多个匹配加盟案例的经营状况数据，再将多个经营状况数据进行对比，选择经营状况最好的匹配加盟案例，标记为推荐加盟案例。

具体的，图8示出了本发明实施例提供的系统中推荐案例筛选模块101的结构框图。

其中，在本发明提供的优选实施方式中，所述推荐案例筛选模块101具体包括：

条件接收单元1011，用于接收线下加盟的选址条件需求。

历史更新单元1012，用于更新线下加盟的历史加盟数据。

经营匹配单元1013，用于根据所述选址条件需求，在所述历史加盟数据中进行经营匹配，确定多个匹配加盟案例。

经营比较单元1014，用于按照所述历史加盟数据，对多个所述匹配加盟案例进行经营比较，筛选推荐加盟案例。

进一步的，所述用于线下加盟的AI选址系统还包括：

区域相关匹配模块102，用于获取线下加盟的目标选址区域，根据所述推荐加盟案例，在所述目标选址区域进行相关匹配，确定多个相关选址门店。

在本发明实施例中，区域相关匹配模块102对推荐加盟案例进行特征分析，获取推荐加盟案例的多个推荐特征，再获取线下加盟的目标选址区域，基于大数据技术，确定目标选址区域内的多个待租门店，且获取多个待租门店的门店基础信息，按照多个推荐特征，对多个门店基础信息进行相关匹配分析，选择多个相关选址门店，多个相关选址门店均满足多个推荐特征。

AI试营规划模块103，用于对多个所述相关选址门店进行AI试营规划，生成试营规划数据。

在本发明实施例中，AI试营规划模块103获取目标选址区域的区域规划地图，区域规划地图中，能够显示每个门店的具体位置与范围，将多个相关选址门店在区域规划地图中进行标记，生成区域标记地图，再按照预设的影响距离，在区域标记地图中，对多个相关选址门店进行AI试营规划，确定每个相关选址门店的AI试营次序和对应的AI试营时段，生成试营规划数据。

具体的，图9示出了本发明实施例提供的系统中AI试营规划模块103的结构框图。

其中，在本发明提供的优选实施方式中，所述AI试营规划模块103具体包括：

地图获取单元1031，用于获取所述目标选址区域的区域规划地图。

门店标记单元1032，用于在所述区域规划地图中，对多个所述相关选址门店进行标记，生成区域标记地图。

试营规划单元1033，用于按照预设的影响距离，在所述区域标记地图中，进行AI试营规划，生成试营规划数据。

进一步的，所述用于线下加盟的AI选址系统还包括：

AI试营记录模块104，用于按照所述试营规划数据，在多个所述相关选址门店进行AI试营记录，获取多个门店试营数据。

在本发明实施例中，AI试营记录模块104按照试营规划数据，在满足相关的AI试营时段时，生成顺序试营指令，再根据顺序试营指令，在相关选址门店进行AI试营控制，并在多个相关选址门店的AI试营过程中，进行AI试营记录，在多个相关选址门店均完成门店AI试营与记录之后，得到多个门店试营数据。

试营评价对比模块105，用于对多个所述门店试营数据进行数据识别与评价对比，从多个所述相关选址门店中，选择并标记目标选址门店。

在本发明实施例中，试营评价对比模块105通过对多个门店试营数据进行识别，提取每个门店试营数据中对应的多个评价特征，包括人流量、到访量、受众量和环境分数，再按照P

应该理解的是，虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。