移动互联网技术像一股不可抗拒的力量正在向人类社会的各个行业进行渗透和扩张,并为世界提供了空前的变革推力。另外,“民以食为天”已经深入民族骨髓,这意味着对于餐饮的研究,中国相对世界其他各国都有着更为广阔的市场。因此,面对日益发达的线上消费环境,餐饮商家如何利用大数据分析技术,实现符合互联网生态的转型显得尤为关键。目前关于餐饮商家线上人气方面的研究主要是侧重于平台用户规模、平台交易量等方面,关于影响因素的研究主要集中在线下消费者生活水平、商家空间分布、交通便利程度等,由此可知,还有必要对线上平台对消费者的引导作用进行研究。本文首先对前人文献进行了综述,着重介绍了本文分析用到的多元回归、贝叶斯模型平均(BMA)及BP神经网络三个模型,理论分析了商家线上人气的影响因素,在此基础上,确定影响商家人气的各项影响因素的指标和数据来源。本文研究对象是大众点评上海地区的美食商家,选取线上消费评论总数作为因变量来衡量餐饮商家线上人气值,以人均价格、口味、服务、环境各项评分、分店数、星级推荐、菜式、所属区域等相关指标为自变量,选取大众点评的餐饮商家的页面数据作为数据源。第二,采用传统多元回归模型对上述解释变量和被解释变量建立模型,并进行显著性分析,运用AIC准则对相关变量进行筛选。第三,对筛选的变量构建BMA模型,来度量每个变量在“真正”模型中的重要程度,最后将BMA模型方法中后验概率大于20%的强影响变量作为输入层,通过BP神经网络进行训练,并应用训练器对部分商家线上的人气进行预测。最后,基于上述研究,提出提升餐饮商家线上人气的相关建议,包括:创新场景,切合消费者需求,提出餐厅模式的改进意见,明确餐厅定位;借助社会热点,制造有传播力的内容,提升竞争力。总而言之,餐饮品牌需要在有吸引力的场景里,针对目标社群,制造有传播力的内容。本文可能在以下方面有一定的贡献:通过传统回归模型和BMA模型的结合,避免了传统模型的过拟合以及BMA模型运行效率较低的缺陷;通过BMA模型对“真正”变量重要性的度量,对BP神经网络的输入变量进行筛选,提高了预测精度和稳定性。