品牌推荐方法、装置及电子设备与流程

本技术属于计算机，尤其涉及一种品牌推荐方法、装置及电子设备。

背景技术：

1、在商业地产运营中，品牌与场地的匹配推荐通常借助已有推荐手段，为招商人员提供候选品牌参考。同时，店铺经营过程中会产生大量经营数据，可以利用这些数据对店铺的续存风险进行评估和预警。

2、然而，传统品牌推荐所依据的信息侧重于品牌与场地自身的匹配情况，对店铺经营状态变化的反映能力有限。当店铺经营状态出现波动时，原有的推荐结果可能无法及时适应这种变化，推荐列表中的品牌与实际经营需求之间容易出现偏差，招商人员仍需依赖人工判断进行调整，影响推荐结果的及时性和准确性。

技术实现思路

1、本技术实施例提供了一种品牌推荐方法、装置及电子设备，可以提高招商决策的及时性和准确性。

2、本技术实施例的第一方面提供了一种品牌推荐方法，包括：获取多个店铺的经营数据、多个候选品牌的品牌特征数据及多个场地的场地特征数据，其中，品牌特征数据用于表征候选品牌的经营属性，场地特征数据用于表征场地的物理条件与经营条件；调用预先训练的风险预测模型，对多个店铺的经营数据进行处理，风险预测模型输出每个店铺的风险状态，其中，风险状态包括低风险状态和高风险状态；调用预先训练的推荐模型，对多个候选品牌的品牌特征数据及多个场地的场地特征数据进行处理，推荐模型输出每个场地对应的推荐品牌列表；建立目标店铺对应的目标场地与在营品牌之间的映射关系，其中，目标店铺为多个店铺中风险状态为低风险状态的店铺，目标场地为目标店铺所在的场地，在营品牌为目标店铺当前经营的品牌；根据映射关系，对目标场地对应的推荐品牌列表执行干预处理，以将推荐品牌列表中末位的品牌替换为在营品牌，得到更新后的推荐品牌列表，并输出更新后的推荐品牌列表。

3、在本技术技术方案中，主要通过将低风险店铺的在营品牌强制保留至对应场地的推荐列表中，使推荐结果能够自动反映店铺当前的风险状态，从而提升推荐结果与实际经营需求的匹配度，减少人工调整，提高招商决策的及时性和准确性。

4、可选的，在第一方面一种可能的实现方式中，上述根据映射关系，对目标场地对应的推荐品牌列表执行干预处理，以将推荐品牌列表中末位的品牌替换为在营品牌，包括：在推荐品牌列表中已包含在营品牌的情况下，跳过将推荐品牌列表中末位的品牌替换为在营品牌的操作；在推荐品牌列表中未包含在营品牌的情况下，将推荐品牌列表中末位的品牌替换为在营品牌。由此，通过在推荐列表已包含在营品牌时跳过替换，避免对已有结果进行不必要的重复干预，从而提升干预处理的执行效率，保证推荐列表的稳定性。

5、可选的，在第一方面另一种可能的实现方式中，上述建立目标店铺对应的目标场地与在营品牌之间的映射关系，包括：从多个店铺中筛选风险状态为低风险状态的店铺，得到目标店铺集合；通过调用预设的外部接口，批量获取目标店铺集合中每个店铺的场地标识和当前经营的品牌标识；根据场地标识及品牌标识，建立每个目标场地与对应的在营品牌之间的映射关系。由此，通过调用外部接口批量获取场地标识和品牌标识并建立映射关系，减少人工查询环节，从而提升映射关系构建的效率和准确性，使风险预警结果能够及时驱动后续推荐干预。

6、可选的，在第一方面又一种可能的实现方式中，上述调用预先训练的推荐模型，对多个候选品牌的品牌特征数据及多个场地的场地特征数据进行处理，推荐模型输出每个场地对应的推荐品牌列表，包括：针对每个场地，在场地具有经营品类标识、且多个候选品牌中存在与经营品类标识匹配的候选品牌的情况下，将与经营品类标识匹配的候选品牌确定为场地的候选品牌集合；在场地未具有经营品类标识、或多个候选品牌中不存在与经营品类标识匹配的候选品牌的情况下，将多个候选品牌全部确定为场地的候选品牌集合；将场地特征数据与候选品牌集合中各候选品牌的品牌特征数据进行拼接，生成拼接后的特征数据；将拼接后的特征数据输入推荐模型，推荐模型输出场地对应的推荐品牌列表。由此，通过根据场地经营品类标识的有无动态选择精确匹配或全量匹配，在保证候选集覆盖度的同时兼顾匹配精度，从而提升推荐模型输入数据的合理性及推荐结果的质量。

7、可选的，在第一方面再一种可能的实现方式中，上述调用预先训练的风险预测模型，对多个店铺的经营数据进行处理，风险预测模型输出每个店铺的风险状态，包括：针对每个店铺的经营数据，提取店铺在多个历史时间窗口下的经营指标值；根据经营指标值计算合同剩余比率和单位面积销售额；将经营指标值、合同剩余比率及单位面积销售额输入风险预测模型，风险预测模型输出店铺的风险状态。由此，通过引入多个历史时间窗口的经营指标值以及合同剩余比率、单位面积销售额，增强风险预测模型对店铺经营趋势的捕捉能力，从而提升风险状态判断的准确性。

8、可选的，在第一方面另一种可能的实现方式中，上述获取多个店铺的经营数据、多个候选品牌的品牌特征数据及多个场地的场地特征数据，包括：根据预设调度策略，确定当前计算模式，其中，当前计算模式包括全量计算模式和增量计算模式；在当前计算模式为全量计算模式的情况下，获取所有场地的场地特征数据，以及获取多个候选品牌的品牌特征数据；在当前计算模式为增量计算模式的情况下，响应于数据变更事件，确定数据变更事件对应的受影响场地，并获取受影响场地的场地特征数据，以及获取多个候选品牌的品牌特征数据。由此，通过根据调度策略选择获取全部场地数据或仅获取受影响场地数据，减少不必要的数据获取和处理量，从而提高数据准备效率，并保证后续处理能够及时响应最新变更。

9、可选的，在第一方面又一种可能的实现方式中，上述数据变更事件包括场地特征数据变更事件、品牌特征数据变更事件、风险状态变更事件中的至少一个。

10、可选的，在第一方面再一种可能的实现方式中，上述根据映射关系，对目标场地对应的推荐品牌列表执行干预处理，以将推荐品牌列表中末位的品牌替换为在营品牌，得到更新后的推荐品牌列表，包括：在在营品牌属于预设的不推荐品牌集合的情况下，将推荐品牌列表中末位的品牌替换为在营品牌，并将在营品牌在更新后的推荐品牌列表中标记为强制推荐品牌。由此，通过在在营品牌属于预设不推荐品牌集合时仍执行替换并添加强制推荐标记，确保风险预警干预不被其他业务规则阻断，同时便于前端识别干预来源，从而提升推荐结果的可控性和可追溯性。

11、本技术实施例的第二方面提供了一种品牌推荐装置，包括：

12、数据获取模块，用于获取多个店铺的经营数据、多个候选品牌的品牌特征数据及多个场地的场地特征数据，其中，品牌特征数据用于表征候选品牌的经营属性，场地特征数据用于表征场地的物理条件与经营条件。

13、预测模型调用模块，用于调用预先训练的风险预测模型，对多个店铺的经营数据进行处理，风险预测模型输出每个店铺的风险状态，其中，风险状态包括低风险状态和高风险状态。

14、推荐模型调用模块，用于调用预先训练的推荐模型，对多个候选品牌的品牌特征数据及多个场地的场地特征数据进行处理，推荐模型输出每个场地对应的推荐品牌列表。

15、映射建立模块，用于建立目标店铺对应的目标场地与在营品牌之间的映射关系，其中，目标店铺为多个店铺中风险状态为低风险状态的店铺，目标场地为目标店铺所在的场地，在营品牌为目标店铺当前经营的品牌。

16、品牌推荐模块，用于根据映射关系，对目标场地对应的推荐品牌列表执行干预处理，以将推荐品牌列表中末位的品牌替换为在营品牌，得到更新后的推荐品牌列表，并输出更新后的推荐品牌列表。

17、本技术实施例的第三方面提供了一种电子设备，包括：存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述第一方面的品牌推荐方法。

18、本技术实施例的第四方面提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述第一方面的品牌推荐方法。

19、本技术实施例的第五方面提供了一种计算机程序产品，当计算机程序产品在电子设备上运行时，使得电子设备执行上述第一方面的品牌推荐方法。

20、可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。