[发明专利]可智能调价的收益管理系统及智能调价方法

权利要求书

1.可智能调价的收益管理系统，其特征在于：主要包含数据监控模块、智能调价模块、收益预测模块；

数据监控模块帮助影院全面地了解当前市场情况、附近影院的场次、深度分析本影院的场次票房数据，为智能调价提供了有力的决策依据；

智能调价模块是基于对给定指标进行大量数据分析和机器学习后进行的无需人工干预的自动调价的行为；

收益预测模块是机器学习系统基于对观影人次、影片类型、影片热度、上映时间、调价时间综合因素进行建模分析的过程；通过对模型的数据指标进行量化分析，精准预测出观影人次是否会增长、票房是否会增长、上座率是否会增长。

2.根据权利要求1所述的可智能调价的收益管理系统，其特征在于：所述数据监控模块包含场次票房监控、竞品票房分析、影片热度分析三大内容；

场次票房监控涵盖了每个场次的当前上座率、临开场时间、场次放映时长、放映影片基本信息、场次是否启用了智能调价维度的信息；

竞品票房分析为影院提供了周边影院的场次信息，包括有多少相近场次、影片不同介质的票价分布情况、场次上座率情况信息；其中，相近场次可理解为同一部影片存在多种不同的放映介质；

影片热度分析提供了当前热映影片的实时票房、平均上座率统计信息，帮助影院追踪当前热映影片。

3.一种基于权利要求1-2所述的可智能调价的收益管理系统的智能调价方法，包括如下步骤：

（1）学习已有的订单数据，包括清洗历史订单数据，为机器学习做第一步准备，提供训练数据；

订单数据清洗过程包括剔除离群数据；

（2）通过非监督式学习过程，计算各因素中每个因子对票价影响的权重；

预设影院客观条件参数，主要包括：在使用智能调价之前，首先应当在系统内输入影院的基本信息，基本信息包括当前影院的集团品牌、地理位置、基础设施；输入完成后，系统会根据影院的客观条件得出一个客观的评分系数；该系数用于将智能调价程序算出的最终价格进行加盐处理；当上述影院的客观条件发生变更后，评分系数会自动调整；

（3）智能调价程序的运算过程包括以下逻辑：从数据库查询所有启用了智能调价的场次；遍历这些场次，依次计算每个场次的最优票价：获取场次的影片类型、影片介质、影片上映时间、影片热度、场次开场时间、历史票价信息，该信息维度与机器学习的维度相同；将机器学习得出的每个维度的权重应用到当前场次，得出一个最优票价，某个维度的信息缺失不影响智能调价程序的正常运行，缺失的信息维度会以默认值来计算；将计算出的最优票价与影院客观条件评分系数相乘，得出最终的最优票价；

（4）通过以上智能调价学习的过程，不断地给各个影响因素寻找最完美的权重系数，其中的学习方法包含以下步骤：通过历史订单总票房和总座位数，计算出平均票价；将平均票价除以影响票价的因素总数，得出每个因素平均所占的权重值；通过不断的对训练数据进行学习，逐步调整每一项因素的权重系数；

（5）将影院的历史订单带入以上算法中，计算出每张票的实际价格与算法得出的最优价格的偏差；将所有的偏差平方后求和获得总计；将总计除以实际票张数，得到预期价格的平均偏差；不断计算新产生订单的偏离平均值；

当特定范围订单的偏离平均值低于系统当前的偏离平均值时，更新相应的调价系数和预计偏离平均值，将这些调价系数作为以后同类场次的调价系数；由以上计算方法可知，当调价系数不同权重组合越多；使用调价系数进行的调价结果最接近理想价格，带来的收益也最高；同时，收益预测系统的结果也将越来越精准。

4.根据权利要求3所述的智能调价方法，其特征在于：所述步骤（1）机器学习的范围包括影片类型、影片介质、影片上映时间、影片热度、场次开场时间、历史票价参数对票价的影响。

5.根据权利要求3所述的智能调价方法，其特征在于：所述步骤（4）影响票价的具体因素可分为以下类别：影片上映时间，临开场时间，售卖时间，影片介质，影片类型，影厅类型，影片演员票房号召力，影片导演票房号召力，周边竞品影院。