美食场景分析方法与计算算法分享

1、人均消费、评价、环境得分、评价人数去除噪

2、对归属于同一条沿街美食聚集区域的所有店铺，进行人均消费、评价、环境得分、评价人数4种因素的汇总，其中人均消费、评价、环境得分求平均值，评价人数求和

3、人均消费、评分、环境、评价人数，店铺数量5个因素得分进行归一化

4、按照人均消费、评分、环境、评价人数40%-- 20%--20%-- 20% 的比例计算出店铺档次分。并将店铺档次分进行归一

5、店铺数量、评价人数、店铺档次得分按照 20%--20%--60%的比例算出最终得分，存储在结果表score_final

6、对结果表score_final按照人均消费（cost）降序排序。将位于30%位置的人均消费数值，记录为cost_limit

7、取结果表里score_final的前30%，通过人均消费（cost）大于cost_limit，店铺数量（num_store）大于25、街道（length，通过area字段，由decimal degree单位转换为米，）长度大于300米同时满足的，得到列表1

8、按照评价人数（total）降序排序，取前30%，得到列表2

9、取列表1、列表2的并集并去重，得到沿街美食聚集区域最终列表，北京共得到50条沿街美食聚集区

1、对属于不规则聚类美食场景的店铺的人均消费、评价、环境得分、评价人数去除噪，避免极值对结果的影响

2、对归属于同一不规则聚类美食场景的所有店铺，进行人均消费、评价、环境得分、评价人数4种因素的汇总，其中人均消费、评价、环境得分求平均值，评价人数求和

3、对每一不规则聚类美食场景的人均消费、评分、环境、评价人数，店铺数量5个因素得分进行归一化

4、按照人均消费、评分、环境、评价人数40%-- 20%--20%-- 20% 的比例计算出店铺档次分。并将店铺档次分进行归一

5、店铺数量、评价人数、店铺档次得分按照 20%--20%--60%的比例算出最终得分，存储在结果表score_final

6、输出不规则聚类美食场景详细得分列表

1-5步同不规则聚类美食场景

6、得到结果后将店铺数量小于等于6的商业综合体所包含的店铺从原始数据中清除，再次进行商业综合体分级，得到最终结果

7、重复1-5步骤

8、剔除商业综合体名称（对应结果表中parent_name）包含“装修”、“暂停”字段的数据，得到商业综合体列表

1、 剔除没有轮廓的酒店

2、 剔除包含“连锁酒店”字段的酒店

3、 取最低消费及平均消费的两者最大值排序，取TOP20%得出分级结果

4、 剔除酒店名称名称（对应结果表中name）包含“装修”、“暂停”字段的数据

1、 排除店铺名称、店铺地址、店铺归属的美食场景名称（parent_name字段）中包含“装修”、“暂定”等字样的店铺

2、 排除评价人数低于100的店铺

3、 取人均消费排名的TOP4%列表、评价人数排名TOP2%列表，取并集，并去重

对应步骤6

对应步骤7

对应步骤8

最终提取TOP百分比

评价人数

1、高负荷待扩容小区：ishighloadamp;nbsp; 0.5

2、高负荷待扩容场景：包括高负荷待扩容小区

1、高负荷预警小区：isgaofuheyujingamp;nbsp; 0.5

2、高负荷预警场景：包括高负荷预警小区

1、Sheet1：加入高负荷待扩容小区比例、高负荷预警小区比例，2、Sheet3：高负荷待扩容美食场景清单：后面加上这个场景对应的类型；3、Sheet5：高负荷预警美食场景清单：后面加上这个场景对应的类型；4、Sheet2、4、6：在小区后引入Indooramp;amp;outdoor，有站名也加上（补充）5、Sheet7：增加，原来说过的，高负荷待扩容及高负荷预警，只要出过的，进行一下标记记录，同时记录一下时间，后期原则上不允许删除；（补充）6、Sheet3、Sheet5：累计出现次数，本次全为1，下次如果再有再累加1；这样的话COUNT(name)代表本次是否有，新增的累计出现次数列代表历史出现过的月份数；（补充）7、统计数据中加入时间，加入全网；各Sheet中加入时间；

省名称

市名称

高负荷待扩容小区数量

高负荷待扩容小区比例

高负荷待扩容美食场景数量

高负荷待扩容美食场景比例

高负荷预警小区数量

高负荷预警小区比例

高负荷预警美食场景数量

高负荷预警美食场景比例

美食场景数量

服务小区数量

省名称

市名称

高负荷待扩容美食场景名称

包含的服务小区数量

美食场景名称

最近出现时间

时间戳

出现次数

省名称

市名称

高负荷待扩容美食场景名称

包含的服务小区数量

美食场景名称

最近出现时间

时间戳

出现次数

CGI

服务小区中文名

省名称

市名称

美食场景名称

美食场景类型

美食场景类型代码

覆盖类型

高负荷待扩容小区

高负荷待扩容小区（1：是，0：不是）

高流量感知预警小区比例

高流量感知预警小区比例（1：是，0：不是）

最近出现时间

时间戳

1、重点美食酒楼，不计算MR覆盖相关内容

2、小区覆盖率（总MRO好样本/总MRO样本）

3、场景覆盖率（所有服务小区的总MRO好样本/所有服务小区的总MRO样本）

4、小区MRO覆盖率低于90%，记为弱覆盖小区

5、场景MRO覆盖率低于90%，记为弱覆盖场景

1、重点美食酒楼，不计算MR覆盖相关内容

2、低于竞对小区：移动覆盖率低于80%且竞对高于80% 或 移动覆盖率[80%,90%]且低于竞对5PP以上

3、低于竞对美食场景清单（低于竞对小区比例高于50%）

1、重点美食酒楼，不计算MR覆盖相关内容；2、sheet1：分省统计表：覆盖率（总MRO好样本/总MRO样本），弱覆盖小区（MRO覆盖率低于90%）比例，弱覆盖美食场景数量及占比，低于竞对美食场景数量及占比；3、Sheet2：弱覆盖小区清单；4、Sheet3：弱覆盖美食场景清单（MRO覆盖率低于90%）：省份、地市、名称、MRO覆盖率、美食场景类型名称；5、Sheet4：低于竞对小区清单：移动覆盖率低于80%且竞对高于80% 或 移动覆盖率[80%,90%]且低于竞对5PP以上6、Sheet5：低于竞对美食场景清单（低于竞对小区比例高于50%）：省份、地市、名称、低于竞对小区比例、美食场景类型名称；7、sheet6：全量数据；8、Sheet7：弱覆盖、低于竞对小区清单，记录出现次数、出现时间；9、统计数据中加入时间，加入全网；各Sheet中加入时间；

省名称

市名称

小区数

美食场景数

总MRO样本

总MRO好样本

覆盖率（总MRO好样本/总MRO样本）amp;nbsp;

弱覆盖小区（MRO覆盖率低于90%）数量amp;nbsp;

弱覆盖小区（MRO覆盖率低于90%）比例amp;nbsp;

弱覆盖美食场景数量amp;nbsp;

弱覆盖美食场景比例amp;nbsp;

低于竞对小区数量amp;nbsp;

低于竞对小区比例amp;nbsp;

低于竞对美食场景数量amp;nbsp;

低于竞对美食场景比例amp;nbsp;

有轮廓边界的

无轮廓边界

有轮廓边界的

无轮廓边界

场景服务小区表

场景表

统计表

图层文件

重点美食酒楼

商业综合体

沿街美食聚集区

重点酒店

不规则

增加填写字段

需要与场景表对应填写

场景

字段合规

填报有效性

方式