[发明专利]到店预测方法及装置

说明书

本发明公开了一种到店预测方法及装置，涉及电子信息领域，该方法包括：确定与用户交易数据相对应的第一区域网络列表以及与第一区域网络列表相对应的第一候选店铺列表；根据第一区域网络列表以及与第一区域网络列表相对应的第一候选店铺列表生成包含多个区域网络店铺样本的样本集合；根据用户交易数据确定对应的交易区域网络以及交易店铺，根据交易区域网络以及交易店铺对样本集合中包含的多个区域网络店铺样本进行正负标记；通过机器学习算法对正负标记后的样本集合进行训练，得到店铺预测模型，通过店铺预测模型预测用户终端所在的店铺。该方式不仅适用范围广泛，且不受区域网络变更影响，预测结果更加准确。

技术领域

本发明涉及电子信息领域，具体涉及一种到店预测方法及装置。

背景技术

近些年，O2O，即Online To Offline(在线离线/线上到线下)技术得到了飞速发展，该技术能够把线上和线下完美结合起来。O2O平台一方面能够帮助用户提前做决策(比如去哪家店铺消费等)，这种被称为探店场景，具体属于一种Online场景；另一方面，当用户到达店铺后，O2O平台能够给用户提供领券、点餐、下单等优质的到店服务，这种被称为到店场景，具体属于一种Offline场景。

在到店场景中，对于用户到店的判定始终是个技术难题。该技术的本质是室内定位技术，但是，由于民用GPS定位的精度较差，因此，现有技术中，可以使用区域网络信息来判定用户的位置。例如，利用商户上传的区域网络信息和用户连接的区域网络信息来判定用户是否到店，该方案需要引导商家主动上传店内的区域网络信息，这样后台系统便可以建立一套店铺与区域网络之间的对应关系。相应地，当用户到达店铺并连接区域网络后，即可通过该对应关系去判定用户是否到达店铺。

但是，发明人在实现本发明的过程中，发现现有技术中的上述方式至少存在如下问题：首先，适用场景较为局限，仅适用于有区域网络且愿意上传区域网络的门店，因此，覆盖商家较少，实现代价较大。其次，在区域网络信息变更的情况下(例如门店迁移或者门店区域网络更新等)，需要商家主动维护区域网络信息，导致商家成本较大。而且，一旦商家维护不及时则会导致判定结果出错。由此可见，现有技术至少存在适用场景受限、且容易出错的问题。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种到店预测方法及装置。

根据本发明的一个方面，提供了一种到店预测方法，包括：确定与用户交易数据相对应的第一区域网络列表以及与所述第一区域网络列表相对应的第一候选店铺列表；根据所述第一区域网络列表以及与所述第一区域网络列表相对应的第一候选店铺列表生成包含多个区域网络店铺样本的样本集合；根据所述用户交易数据确定对应的交易区域网络以及交易店铺，根据所述交易区域网络以及交易店铺对所述样本集合中包含的多个区域网络店铺样本进行正负标记；通过机器学习算法对正负标记后的样本集合进行训练，得到店铺预测模型，通过所述店铺预测模型预测用户终端所在的店铺。

可选地，所述确定与用户交易数据相对应的第一区域网络列表以及与所述第一区域网络列表相对应的第一候选店铺列表的步骤具体包括：

确定与用户交易数据相对应的第一区域网络列表；

分别针对所述第一区域网络列表中的每一个区域网络，确定该区域网络所对应的候选店铺；

根据所述第一区域网络列表中的各个区域网络所对应的候选店铺生成与所述第一区域网络列表相对应的第一候选店铺列表。

可选地，所述根据所述第一区域网络列表以及与所述第一区域网络列表相对应的第一候选店铺列表生成包含多个区域网络店铺样本的样本集合的步骤具体包括：

分别针对所述第一区域网络列表中的每一个区域网络所对应的每一个候选店铺，生成一个区域网络店铺样本；