CN104346746A - 一种线下商圈的消费动线规划系统及方法 - Google Patents

Abstract

本发明提供了一种线下商圈的消费动线规划系统，其包括感应终端、云服务器及信息发布终端。该感应终端用于捕捉一顾客的个人信息和该顾客所处的场景信息。该云服务器用于接收并基于云计算技术分析该顾客的个人信息和该顾客所处的场景信息，以计算出该顾客最需要的消费信息。该信息发布终端用于将该顾客最需要的消费信息推送给该顾客。本发明将电子商务应用于线下商圈的消费动线规划，通过云计算技术分析出各顾客最需要的消费信息，并且将该消费信息精准地推送给对应的顾客，从而有效提高顾客的消费体验满意度和消费场所的销售额。另外，本发明还涉及一种线下商圈的消费动线规划方法。

Description

一种线下商圈的消费动线规划系统及方法

技术领域

本发明属于电子商务领域，尤其涉及一种线下商圈的消费动线规划系统及方法。

背景技术

消费动线是指一个顾客在一个具体消费场所内的流动路线及行动方向。消费动线是在设计线下实体商业个体、综合体及具体购物场景时非常重视的一个事项。消费动线设计的目的是使得顾客比较容易把握理解消费点布局的逻辑性，降低一系列生活消费事件的综合决策成本，在一定空间里更便捷地获取所需的服务。更重要的是可以引导顾客人流不重复地自然(半被动)流动到消费场所的每一个角落，以提高每一角落的商业价值和销售额；同时尽量避免回头路带来的效率降低和挫败感。优秀的消费动线设计及规划直接决定了顾客的消费体验满意度和消费场所的销售额。

现有的线下商圈的动线规划均由硬性设计来实现，也就是通过设施引导顾客在不经意情况下，按照设计流向出入店铺。一般有以下几类：

(1)出入口的设置。几乎所有的超市出入口分离的都是硬性的。

(2)单向流设计。从入口开始引导顾客向出口流动，在流动的过程中力争顾客能浏览到店铺的所有商品。

(3)主辅通道设计。主通道是引导单向流，辅通道能进入挑选商品，使顾客既能看到也能接触到商品。

(4)客流引导的标记。引导顾客按单向流动，所设置的标记。比如有的卖场将导向箭头贴在地板上。现在的通过硬性设计引导存在以下六个问题：

(1)依靠硬性设计进行引导对顾客来讲是被动去逛街，顾客缺乏主动与最感兴趣的商品接触的机会。

(2)顾客在逛街过程中获取喜好商品信息的成本高，须要反复比对筛选。

(3)硬性设计必然导致了商圈内店铺位置的优劣，使得商家的销售额大者恒大，地段不好的商铺销量不佳，导致资源的浪费。

(4)客户付款转化不佳，有价值的信息无法触达精准客户。

(5)商圈内的强关联营销场景建立不完善，资源未被有效利用。

(6)硬性设计高度依靠设计人员的经验与感觉，无法形成高效的数据积累，设计方案变更成本高。

(7)硬性设计局限于相对封闭空间，无法实现较大范围内(比如商业街)的客户引导。

发明内容

本发明所要解决的技术问题在于提供一种线下商圈的消费动线规划系统及方法，旨在有效提高顾客的消费体验满意度和消费场所的销售额。

本发明是这样实现的，一种线下商圈的消费动线规划系统，其包括感应终端、云服务器及信息发布终端。所述感应终端用于捕捉一顾客的个人信息和所述顾客所处的场景信息。所述云服务器用于接收所述顾客的个人信息和所述顾客所处的场景信息，并基于云计算技术分析所述顾客的个人信息和所述顾客所处的场景信息，以计算出所述顾客最需要的消费信息。所述信息发布终端用于将所述顾客最需要的消费信息推送给所述顾客。

本发明还提供了一种线下商圈的消费动线规划方法，其包括如下步骤：捕捉一顾客的个人信息和所述顾客所处的场景信息；基于云计算技术，分析所捕捉到的所述顾客的个人信息和所述顾客所处的场景信息，计算出所述顾客最需要的消费信息；及将所述顾客最需要的消费信息推送给所述顾客。

本发明与现有技术相比，有益效果在于：将电子商务应用于线下商圈的消费动线规划，通过云计算技术分析出各顾客最需要的消费信息，并且将所述消费信息精准地推送给对应的顾客，使得顾客能直接到所述消费信息中推荐的消费场所进行消费，因此可有效提高顾客的消费体验满意度和消费场所的销售额。

附图说明

图1是本发明第一实施例提供的线下商圈的消费动线规划系统的模块示意图。

图2是图1的线下商圈的消费动线规划系统的云服务器的模块示意图。

图3是本发明第二实施例提供的线下商圈的消费动线规划方法的流程图。

图4是图3的线下商圈的消费动线规划方法的子流程图。

具体实施例

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，本发明第一实施例所提供的一种线下商圈的消费动线规划系统100包括顾客接收终端10、感应终端20、云服务器30及信息发布终端40。

该顾客接收终端10为手机、手持电脑或手持游戏机等手持设备。

该感应终端20设置在一消费场所内，用于与该顾客接收终端10相互配合，以通过短程无线通信技术捕捉进入该消费场所的顾客的个人信息(包括该顾客的身份信息、消费信息、地理位置信息及商圈信息)和该顾客所处的场景信息。该短程无线通信技术可以为近场通信(Near Field Communication，NFC)技术、Wi-Fi技术、蓝牙低能耗(BLE)技术、iBeacon技术等。该感应终端20为无线访问接入点(Wireless AccessPoint，AP)。该消费场所包括商场、超市、商业街、公交站台、游乐场、火车站或飞机场等。

该云服务器30用于接收该感应终端20所感应到的该顾客的个人信息和该顾客所处的场景信息，并基于云计算技术，分析该顾客的个人信息和该顾客所处的场景信息，计算出该顾客最需要的消费信息(比如该顾客经常关注的某个商品在距离该顾客最近的某个消费场所里某段时间段内正在进行的优惠信息、促销活动信息及最近的天气、气温等环境信息)。

如图2所示，在本实施例中，该云服务器30包括一个以遗传算法为基础的顾客资料生成器31、一个分类生成器32、一个特征提取器33、一个以改进的逻辑回归算法为基础的场景分类器34、一个促销信息分析器35、一个顾客消费概率预测器36及一个处理器37。

该顾客资料生成器31用于以该顾客的个人信息作为输入，通过学习生成个性化的顾客信息档案。该分类生成器32用于根据历史信息(即之前的消费行为和消费关联数据)生成场景的所有分类和各类场景的关键特征。该特征提取器33用于提取出各类场景的关键特征。该场景分类器34用于以该顾客所处的场景信息为输入，根据各类场景的关键特征，以无监督的分类算法计算出该顾客所处的场景所属的分类。该促销信息分析器35用于根据促销信息提取出促销特征(比如促销的消费场所的名称、该消费场所的地理位置、促销的商品名称、促销的商品类别、促销时间段等)及各个消费场所对促销被推广的迫切程度。该顾客消费概率预测器36用于根据该顾客信息档案、该顾客所处的场景所属的分类、该促销特征通过贝叶斯推断算法计算出该顾客在指定条件下去各个消费场所消费的概率。该处理器37用于根据该顾客在指定条件下去各个消费场所消费的概率和各个消费场所对促销被推广的迫切程度的线型聚合降到一维空间的值，得出该顾客周边关联度最高的优惠信息及促销活动信息。

该信息发布终端40用于将该云服务器计算出的该顾客最需要的消费信息推送到该顾客接收终端10。

在其它实施例中，也可不设置顾客接收终端10，而是将该顾客最需要的消费信息打印出来传递给对应的消费者；该感应终端20捕捉顾客的个人信息时，不是通过无线通信技术，而是通过指纹识别技术及虹膜识别技术等。

如图3所示，本发明第二实施例所提供的一种线下商圈的消费动线规划方法，其包括如下步骤：

S1：一顾客进入一消费场所。在本步骤中，该顾客随身携带一顾客接收终端。该顾客接收终端为手机、手持电脑或手持游戏机等手持设备。该消费场所包括商场、超市、商业街、公交站台、游乐场、火车站或飞机场等。

S2：捕捉进入该消费场所的该顾客的个人信息(包括该顾客的身份信息、消费信息、地理位置信息及商圈信息)和该顾客所处的场景信息。在本步骤中，该消费场所内设置的一感应终端与该顾客接收终端相互配合，通过短程无线通信技术捕捉进入该顾客的个人信息和该顾客所处的场景信息。该短程无线通信技术可以为NFC技术、Wi-Fi技术、BLE技术、iBeacon技术等。该感应终端为AP。

S3：基于云计算技术，分析该顾客的个人信息和该顾客所处的场景信息，计算出该顾客最需要的消费信息(比如该顾客经常关注的某个商品在距离该顾客最近的某个消费场所里正在进行的优惠信息、促销活动信息及最近的天气、气温等环境信息)。该步骤通过一云服务器来实现。

具体的，如图4所示，该步骤S3还包括如下子步骤：

S31：以该顾客的个人信息作为输入，通过学习生成个性化的顾客信息档案。

S32：根据历史信息(即之前的消费行为和消费关联数据)生成场景的所有分类和各类场景的关键特征，提取出各类场景的关键特征，并以该顾客所处的场景信息为输入，根据各类场景的关键特征，以无监督的分类算法计算出该顾客所处的场景所属的分类。

S33：根据促销信息提取出促销特征(比如促销的消费场所的名称、该消费场所的地理位置、促销的商品名称、促销的商品类别及促销时间段等)及该促销被推广的迫切程度。

S34：根据该顾客信息档案、该顾客所处的场景所属的分类及该促销特征通过贝叶斯推断算法计算出该顾客在指定条件下去各个消费场所消费的概率。

S35：根据该顾客在指定条件下去各个消费场所消费的概率和各个消费场所对促销被推广的迫切程度的线型聚合降到一维空间的值，得出该顾客周边关联度最高的优惠信息及促销活动信息。

可以理解，该步骤S31、S32、S33顺序并先后，顺序可以任意颠倒，也可以同时进行。

S4：将该顾客最需要的消费信息推送给该顾客。该步骤通过一信息发布终端将该顾客最需要的消费信息推送给该顾客接收终端来实现。当然，在其它实施例中，也可将该顾客最需要的消费信息打印出来发送给该顾客。

S5：该顾客到所接收到的消费信息中推荐的消费场所进行消费。

举例说明，比如顾客走进一餐馆吃饭，等餐过程中，拿出顾客接收终端(比如顾客手机)，打开微信(也可以为其他应用程序)扫一扫桌面上的二维码，提示接入该餐馆的AP(比如Wi-Fi服务器)，此时该AP接收到来自顾客手机的Wi-Fi接入请求，到Wi-Fi服务器请求顾客身份信息，识别后放行顾客即连接上该餐馆的Wi-Fi服务器。此过程中AP和顾客接收终端通信获取到顾客的个人信息和该顾客所处的场景信息。然后，基于云计算技术，分析该顾客的个人信息和该顾客所处的场景信息，计算出该顾客最需要的消费信息。最后，将该顾客最需要的消费信息推送给该顾客。该顾客到所接收到的消费信息中推荐的消费场所进行消费。

当然，在其它实施例中，步骤S1、S2也可通过其它技术进行顾客的个人信息的捕捉，比如指纹识别技术及虹膜识别技术等。

与现有技术相比较，本发明的线下商圈的消费动线规划系统及方法具有如下优点：(1)社会价值。从社会价值来分析，第一，提升了商业土地单平米的经营能力，降低了土地资源的浪费；第二，为顾客提供了电子化的信息管理工具，减少了实体纸质宣传单页、优惠券的发放数量，更加绿色环保；第三，顾客线下行为数据的信息化，在未来大面积普及后将大大提升社会的生产力，推动社会的发展；(2)商业价值。对线下实体商业经营者来说，第一、本发明将大大提升进店顾客的消费转化，提升整个商业地产盈利能力；第二、可以清晰的了解顾客的行为数据，宏观去调整实体商业内的品牌分布、货架摆放及营销活动的节奏与精准营销；第三、真正做到与顾客零距离的沟通，提升了沟通与营销的销量，提升整体的服务质量；第四、将线下实体商业逐步与电子商务接轨，实现店铺的电子化、智能化；(3)顾客价值。对于线下购物的顾客，第一、节省了购物时寻找品牌与商品的时间，让购物过程更高效；第二、降低了被营销信息骚扰的频率，本发明涉及的优惠信息和促销活动信息推送机制是将最有价值的信息推送给最需要的顾客，不做无意义、低转化的营销；第三、线下实体购物更省钱。在整个消费动线规划当中，大幅降低了商家的营销成本，而将一部分成本变为优惠送给顾客，是未来线下商业的双赢模式。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种线下商圈的消费动线规划系统，其包括感应终端、云服务器及信息发布终端，所述感应终端用于捕捉顾客的个人信息和所述顾客所处的场景信息；所述云服务器用于接收所述顾客的个人信息和所述顾客所处的场景信息，并基于云计算技术分析所述顾客的个人信息和所述顾客所处的场景信息，以计算出所述顾客最需要的消费信息；所述信息发布终端用于将所述顾客最需要的消费信息推送给所述顾客。

2.如权利要求1所述的线下商圈的消费动线规划系统，其特征在于，所述顾客的个人信息包括所述顾客的身份信息、消费信息、地理位置信息及商圈信息。

3.如权利要求1所述的线下商圈的消费动线规划系统，其特征在于，所述线下商圈的消费动线规划系统还包括一顾客接收终端，所述顾客接收终端与所述感应终端相互配合，以通过短程无线通信技术捕捉所述顾客的个人信息；所述顾客接收终端还用于接收所述信息发布终端推送的所述顾客最需要的消费信息。

4.如权利要求3所述的线下商圈的消费动线规划系统，其特征在于，所述顾客接收终端为手机、手持电脑或手持游戏机。

5.如权利要求3所述的线下商圈的消费动线规划系统，其特征在于，所述短程无线通信技术为近场通信技术、Wi-Fi技术、蓝牙低能耗技术或iBeacon技术。

6.如权利要求3所述的线下商圈的消费动线规划系统，其特征在于，所述云服务器包括一个以遗传算法为基础的顾客资料生成器、一个分类生成器、一个特征提取器、一个以改进的逻辑回归算法为基础的场景分类器、一个促销信息分析器、一个顾客消费概率预测器及一个处理器，所述顾客资料生成器用于以所述顾客的个人信息作为输入，通过学习生成个性化的顾客信息档案；所述分类生成器用于根据历史信息生成场景的所有分类和各类场景的关键特征；所述特征提取器用于提取出各类场景的关键特征；所述场景分类器用于以所述顾客所处的场景信息为输入，根据各类场景的关键特征，以无监督的分类算法计算出所述顾客所处的场景所属的分类；所述促销信息分析器用于根据促销信息提取出促销特征及各个消费场所对促销被推广的迫切程度；所述顾客消费概率预测器用于根据所述顾客信息档案、所述顾客所处的场景所属的分类及所述促销特征通过贝叶斯推断算法计算出所述顾客在指定条件下去各个消费场所消费的概率；所述处理器用于根据所述顾客在指定条件下去消费场所消费的概率和各个消费场所对促销被推广的迫切程度的线型聚合降到一维空间的值，得出所述顾客周边关联度最高的优惠信息及促销活动信息。

7.一种线下商圈的消费动线规划方法，其包括如下步骤：捕捉一顾客的个人信息和所述顾客所处的场景信息；基于云计算技术，分析所捕捉到的所述顾客的个人信息和所述顾客所处的场景信息，计算出所述顾客最需要的消费信息；及将所述顾客最需要的消费信息推送给所述顾客。

8.如权利要求7所述的线下商圈的消费动线规划方法，其特征在于，在捕捉一顾客的个人信息和所述顾客所处的场景信息的步骤中通过一感应终端与所述顾客随身携带的一顾客接收终端相互配合来实现。

9.如权利要求8所述的线下商圈的消费动线规划方法，其特征在于，在捕捉一顾客的个人信息和所述顾客所处的场景信息的步骤之前还包括一顾客进入一消费场所的步骤，所述感应终端设置在所述消费场所内。

10.如权利要求7所述的线下商圈的消费动线规划方法，其特征在于，在计算出所述顾客最需要的消费信息的步骤中还包括如下步骤：以所述顾客的个人信息作为输入，通过学习生成个性化的顾客信息档案；根据历史信息生成场景的所有分类和各类场景的关键特征，提取出各类场景的关键特征，并以所述顾客所处的场景信息为输入，根据各类场景的关键特征，以无监督的分类算法计算出所述顾客所处的场景所属的分类；根据促销信息提取出促销特征及各个消费场所对促销被推广的迫切程度；根据所述顾客信息档案、所述顾客所处的场景所属的分类及所述促销特征通过贝叶斯推断算法计算出所述顾客在指定条件下去各个消费场所消费的概率；根据所述顾客在指定条件下去消费场所消费的概率和各个消费场所对促销被推广的迫切程度的线型聚合降到一维空间的值得出所述顾客周边关联度最高的优惠信息及促销活动信息。