本技术涉及电数字数据处理，尤其涉及一种用于零售门店的零售数据分析方法、设备及介质。
背景技术：
1、数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，将它们加以汇总和理解并消化，以求最大化地开发数据的功能，发挥数据的作用。数据分析是为了提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。计算机的出现使得数据分析得以推广。数据分析是数学与计算机科学相结合的产物。
2、随着零售业不断发展，为更好地推动零售业务发展，需要有数据分析过程参与。但零售业目前与数据分析的结合相对较浅薄，不够深入。且零售业的零售数据目前仍依赖于人工基于经验进行分析(包括对销量分析并预测未来销量、分析客流量等等)，调整或更新零售产品或者进行零售门店选址等。一方面，人工分析成本高、耗时长，且容易产生分析误差；另一方面，零售数据分析不够现代化，智能化水平较低，不利于行业在当下市场快速发展。
技术实现思路
1、本技术实施例提供了一种用于零售门店的零售数据分析方法、设备及介质，用于解决目前零售数据分析过于依赖人工，数据分析准确度不高，及智能化、现代化水平不高，制约零售业发展的问题。
2、一方面，本技术实施例提供了一种用于零售门店的零售数据分析方法，该方法包括：
3、获取各零售门店分别对应的单品销售报表数据及门店零售地图；
4、基于所述单品销售报表数据对应的各单品销售变化信息及所述门店零售地图，生成所述门店零售地图对应的零售群体用户画像；其中，所述零售群体用户画像至少包括与各零售单品购买力关联的兴趣点属性；
5、对各所述门店零售地图及其分别对应的各所述零售群体用户画像进行分析，建立零售群体识别模型；其中，所述零售群体识别模型包括所述门店零售地图中地理特征与所述兴趣点属性之间的对应关系；
6、当接收到来自用户终端的零售指导请求之后，根据所述零售指导请求对应的所述门店零售地图及所述零售群体识别模型，确定相应的零售指导信息，并将所述零售指导信息发送至所述用户终端。
7、在本技术的一种实现方式中，基于所述单品销售报表数据对应的各单品销售变化信息及所述门店零售地图，生成所述门店零售地图对应的零售群体用户画像，具体包括：
8、根据所述单品销售报表数据，确定相应的各零售单品及各所述单品销售变化信息；其中，所述单品销售变化信息至少包括所述零售单品在预设历史时段内的销量变化曲线；
9、将所述零售单品及所述单品销售变化信息与相应的所述门店零售地图中各所述地理特征分别进行组合，得到多个单品零售分析样本；其中，所述地理特征至少包括poi数据、aoi数据；所述单品零售分析样本为三元组；
10、通过预设聚类算法，随机选取若干所述单品零售分析样本中预定数量的所述单品零售分析样本作为初始聚类中心；
11、根据各所述初始聚类中心与其他所述单品零售分析样本之间的相似距离值，生成各所述初始聚类中心对应的簇，并更新所述预定数量的簇中的所述初始聚类中心，直至所述预设聚类算法满足预设收敛条件，得到相应的各聚类数据集；
12、基于各所述聚类数据集中各所述零售单品对应的所述单品销售变化信息及所述地理特征，生成各所述零售单品的所述兴趣点属性，以根据所述门店零售地图生成所述零售群体用户画像。
13、在本技术的一种实现方式中，基于各所述聚类数据集中各所述零售单品对应的所述单品销售变化信息及所述地理特征，生成各所述零售单品的所述兴趣点属性，以根据所述门店零售地图生成所述零售群体用户画像，具体包括：
14、根据同一所述聚类数据集中各所述零售单品对应的所述单品销售变化信息，确定所述预设历史时段中销量大于相应销量阈值的特定时段并确定所述特定时段对应的时段属性；其中，所述相应销量阈值对应于所述零售单品的单品类型；所述特定时段包括相应的时段属性；所述时段属性至少包括节假日、纪念日、寒假、暑假、工作日；
15、根据所述零售单品及所述特定时段，生成第一兴趣点属性；
16、确定同一所述聚类数据集中累计销量大于相应累计销量阈值的所述零售单品，为感兴趣单品；
17、根据所述三元组，确定与所述感兴趣单品对应的所述地理特征，以建立所述感兴趣单品与相应的所述地理特征之间的关联关系，并将所述关联关系作为第二兴趣点属性；
18、根据所述零售门店的所述单品销售报表数据及所述门店零售地图、所述第一兴趣点属性、所述第二兴趣点属性，生成所述门店零售地图对应的所述零售群体用户画像。
19、在本技术的一种实现方式中，对各所述门店零售地图及其分别对应的各所述零售群体用户画像进行分析，建立零售群体识别模型，具体包括：
20、根据各所述门店零售地图分别对应的各所述地理特征及相应的所述零售群体用户画像，确定所述关联关系对应的所述地理特征与所述第二兴趣点属性，并生成关联二元组；
21、将各所述关联二元组进行比对；
22、在比对结果中一致的所述关联二元组的累计数量大于预设阈值的情况下，将所述比对结果为一致的各所述关联二元组中的一个所述关联二元组作为待组合关联二元组；
23、根据得到的所述待组合关联二元组及各所述待组合关联二元组之间的任意组合，确定相应的所述地理特征与所述第二兴趣点属性之间的对应关系，以建立所述零售群体识别模型；所述对应关系用于表征所述地理特征与所述感兴趣单品两两之间存在关系。
24、在本技术的一种实现方式中，根据所述零售指导请求对应的所述门店零售地图及所述零售群体识别模型，确定相应的零售指导信息，具体包括：
25、在所述零售指导请求为指导零售门店各所述零售单品的采购量请求的情况下，将被指导零售门店对应的所述门店零售地图输入所述零售群体识别模型，以确定所述门店零售地图中poi数据和/或aoi数据；
26、根据所述poi数据和/或所述aoi数据，确定与所述被指导零售门店对应的各指导感兴趣单品；
27、基于所述零售指导请求中指定采购时段，确定所述指定采购时段内是否存在所述特定时段；
28、若是，根据所述第一兴趣点属性，确定与各所述特定时段对应的所述指导感兴趣单品，以生成指导采购计划，并添加至所述零售指导信息；其中，所述指导采购计划至少包括在所述特定时段采购所述指导感兴趣单品的计划；
29、若否，将各所述指导感兴趣单品的零售单品标识添加至所述零售指导信息。
30、在本技术的一种实现方式中，根据所述零售指导请求对应的所述门店零售地图及所述零售群体识别模型，确定相应的零售指导信息，具体包括：
31、在所述零售指导请求为在指定位置区域内开设零售门店的销量预测请求的情况下，根据所述指定位置区域，确定相应的待定零售门店位置，以得到待定门店零售地图；
32、将所述待定门店零售地图输入所述零售群体识别模型，确定各指导感兴趣单品；
33、根据各所述指导感兴趣单品与相应的零售单点单价、所述累计销量阈值的乘积和值，确定预定时段内的预测营业额，以将所述预测营业额添加至所述零售指导信息。
34、在本技术的一种实现方式中，根据所述指定位置区域，确定相应的待定零售门店位置，具体包括：
35、获取来自用户终端在电子地图上选取的初始指定位置区域；
36、在所述初始指定位置区域的第一面积大于所述门店零售地图的第二面积的情况下，按照预设规则将所述初始指定位置区域划分为预划分数量的多个划分子区域；其中，所述预设规则基于对所述第一面积与所述第二面积的比值向上取整得到所述预划分数量；
37、分别将各所述划分子区域中区域中心位置作为所述待定零售门店位置。
38、在本技术的一种实现方式中，所述方法还包括：
39、实时获取各所述零售门店的更新单品销售报表数据及更新门店零售地图；
40、根据所述更新单品销售报表数据及所述更新门店零售地图，更新所述零售群体识别模型。
41、另一方面，本技术实施例还提供了一种用于零售门店的零售数据分析设备，所述设备包括：
42、至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
43、获取各零售门店分别对应的单品销售报表数据及门店零售地图；
44、基于所述单品销售报表数据对应的各单品销售变化信息及所述门店零售地图，生成所述门店零售地图对应的零售群体用户画像；其中，所述零售群体用户画像至少包括与各零售单品购买力关联的兴趣点属性；
45、对各所述门店零售地图及其分别对应的各所述零售群体用户画像进行分析，建立零售群体识别模型；其中，所述零售群体识别模型包括所述门店零售地图中地理特征与所述兴趣点属性之间的对应关系；
46、当接收到来自用户终端的零售指导请求之后，根据所述零售指导请求对应的所述门店零售地图及所述零售群体识别模型，确定相应的零售指导信息，并将所述零售指导信息发送至所述用户终端。
47、再一方面，本技术实施例还提供了一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：
48、获取各零售门店分别对应的单品销售报表数据及门店零售地图；
49、基于所述单品销售报表数据对应的各单品销售变化信息及所述门店零售地图，生成所述门店零售地图对应的零售群体用户画像；其中，所述零售群体用户画像至少包括与各零售单品购买力关联的兴趣点属性；
50、对各所述门店零售地图及其分别对应的各所述零售群体用户画像进行分析，建立零售群体识别模型；其中，所述零售群体识别模型包括所述门店零售地图中地理特征与所述兴趣点属性之间的对应关系；
51、当接收到来自用户终端的零售指导请求之后，根据所述零售指导请求对应的所述门店零售地图及所述零售群体识别模型，确定相应的零售指导信息，并将所述零售指导信息发送至所述用户终端。
52、本技术通过上述方案，利用零售门店的销售报表及其门店所处位置的门店零售地图，可以进行零售数据分析得到零售单品的销售变化与地理特征之间的关系，从而建立一能够基于地图或零售单品进行零售指导信息输出的零售群体识别模型。无需再投入大量人工进行零售数据分析，可以准确地得到零售数据分析结果，更加灵活且智能地为零售业提供指导，促进零售业发展。
1.一种用于零售门店的零售数据分析方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种用于零售门店的零售数据分析方法，其特征在于，基于所述单品销售报表数据对应的各单品销售变化信息及所述门店零售地图，生成所述门店零售地图对应的零售群体用户画像，具体包括：
3.根据权利要求2所述的一种用于零售门店的零售数据分析方法，其特征在于，基于各所述聚类数据集中各所述零售单品对应的所述单品销售变化信息及所述地理特征，生成各所述零售单品的所述兴趣点属性，以根据所述门店零售地图生成所述零售群体用户画像，具体包括：
4.根据权利要求3所述的一种用于零售门店的零售数据分析方法，其特征在于，对各所述门店零售地图及其分别对应的各所述零售群体用户画像进行分析，建立零售群体识别模型，具体包括：
5.根据权利要求3所述的一种用于零售门店的零售数据分析方法，其特征在于，根据所述零售指导请求对应的所述门店零售地图及所述零售群体识别模型，确定相应的零售指导信息，具体包括：
6.根据权利要求3所述的一种用于零售门店的零售数据分析方法，其特征在于，根据所述零售指导请求对应的所述门店零售地图及所述零售群体识别模型，确定相应的零售指导信息，具体包括：
7.根据权利要求6所述的一种用于零售门店的零售数据分析方法，其特征在于，根据所述指定位置区域，确定相应的待定零售门店位置，具体包括：
8.根据权利要求1所述的一种用于零售门店的零售数据分析方法，其特征在于，所述方法还包括：
9.一种用于零售门店的零售数据分析设备，其特征在于，所述设备包括：
10.一种非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令能够执行如上述权利要求1-8任一项所述的一种用于零售门店的零售数据分析方法。
