通过挖掘百度地图搜索查询日志进行店铺选址
人工智能
2016-06-14 v1 信息检索
摘要
开设新店时选择一个好位置对企业未来的成功至关重要。传统方法包括非常耗时的线下人工调查，以及基于人口普查数据的分析模型，这些模型无法适应动态市场。各类移动设备（如在线查询数据和离线定位数据）的大数据可用性迅速增加，为我们开发自动且准确的数据驱动的商业店铺选址预测模型提供了可能。在本文中，我们通过挖掘百度地图的搜索查询数据，提出了一个用于商业店铺选址的需求分布驱动店铺选址（D3SP）框架。D3SP 首先通过中国最大的在线地图搜索引擎——百度地图的查询数据，检测客户对不同商业服务的需求时空分布，并发现供需之间的差距。然后我们通过对这些差距进行聚类来确定候选位置。在最后阶段，我们通过预测客户数量并对客户数量进行排序来解决位置优化问题。我们不仅部署了监督回归模型来预测客户数量，还使用了 learning to rank 模型来直接对位置进行排序。我们在真实案例中的各类商业场景上评估了我们的框架，实验结果证明了我们方法的有效性。D3SP 作为店铺选址的核心功能，已经被实现为我们商业分析平台的核心组件，并可能被百度糯米的连锁店商家所使用。
引用
@article{arxiv.1606.03662,
title = {Store Location Selection via Mining Search Query Logs of Baidu Maps},
author = {Mengwen Xu and Tianyi Wang and Zhengwei Wu and Jingbo Zhou and Jian Li and Haishan Wu},
journal= {arXiv preprint arXiv:1606.03662},
year = {2016}
}