CN105931080A - 根据空调温度操作数据提供生活建议的方法、系统及空调 - Google Patents
根据空调温度操作数据提供生活建议的方法、系统及空调 Download PDFInfo
- Publication number
- CN105931080A CN105931080A CN201610285128.6A CN201610285128A CN105931080A CN 105931080 A CN105931080 A CN 105931080A CN 201610285128 A CN201610285128 A CN 201610285128A CN 105931080 A CN105931080 A CN 105931080A
- Authority
- CN
- China
- Prior art keywords
- user
- air
- afraid
- cold
- health
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000000694 effects Effects 0.000 claims abstract description 75
- 235000005911 diet Nutrition 0.000 claims abstract description 36
- 230000037213 diet Effects 0.000 claims abstract description 20
- 230000036541 health Effects 0.000 claims description 95
- 238000004378 air conditioning Methods 0.000 claims description 46
- 230000035945 sensitivity Effects 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 24
- 230000000378 dietary effect Effects 0.000 claims description 16
- 235000013305 food Nutrition 0.000 claims description 10
- 230000001932 seasonal effect Effects 0.000 claims description 7
- 235000020979 dietary recommendations Nutrition 0.000 claims description 6
- 239000013065 commercial product Substances 0.000 claims description 5
- 230000036760 body temperature Effects 0.000 claims description 4
- 239000000047 product Substances 0.000 claims 2
- 239000000463 material Substances 0.000 description 8
- 230000008901 benefit Effects 0.000 description 7
- 239000003507 refrigerant Substances 0.000 description 7
- 235000013361 beverage Nutrition 0.000 description 5
- 230000003750 conditioning effect Effects 0.000 description 5
- 235000014347 soups Nutrition 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 229920000742 Cotton Polymers 0.000 description 3
- 238000009835 boiling Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000000835 fiber Substances 0.000 description 3
- 238000002560 therapeutic procedure Methods 0.000 description 3
- 241000283898 Ovis Species 0.000 description 2
- 235000020965 cold beverage Nutrition 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000010792 warming Methods 0.000 description 2
- 241000255789 Bombyx mori Species 0.000 description 1
- 235000004936 Bromus mango Nutrition 0.000 description 1
- 240000007228 Mangifera indica Species 0.000 description 1
- 235000014826 Mangifera indica Nutrition 0.000 description 1
- 239000006002 Pepper Substances 0.000 description 1
- 229920002334 Spandex Polymers 0.000 description 1
- 235000009184 Spondias indica Nutrition 0.000 description 1
- 244000269722 Thea sinensis Species 0.000 description 1
- 206010053615 Thermal burn Diseases 0.000 description 1
- 230000004308 accommodation Effects 0.000 description 1
- 230000001166 anti-perspirative effect Effects 0.000 description 1
- 239000003213 antiperspirant Substances 0.000 description 1
- 238000003287 bathing Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 235000009508 confectionery Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000796 flavoring agent Substances 0.000 description 1
- 235000019634 flavors Nutrition 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 235000012171 hot beverage Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 229920000728 polyester Polymers 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000008844 regulatory mechanism Effects 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 239000004759 spandex Substances 0.000 description 1
- 230000009182 swimming Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
- G06Q30/0256—User search
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Child & Adolescent Psychology (AREA)
- Data Mining & Analysis (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明涉及空调控制领域,特别涉及一种根据空调温度操作数据提供生活建议的方法、系统及空调。方法包括以下步骤:采集同一地区和同一时间区间下,所有用户的空调温度设定值;根据所述空调温度设定值计算用户的身体怕冷指数;根据用户的身体怕冷指数,为用户提供生活建议。本发明通过对用户空调温度设定值进行分析,可以准确计算用户的身体怕冷指数,衡量用户对温度的喜好,从而为用户提供包括饮食、购物、休闲活动和旅游等各方面的生活建议,让空调在用户的日常生活中发挥更大的作用,不仅提高用户的生活质量,而且为空调企业创造新的盈利方式。
Description
技术领域
本发明涉及空调控制领域,特别涉及一种根据空调温度操作数据提供生活建议的方法、系统及空调。
背景技术
随着人们生活水平的提高,空调已经广泛地进入到千家万户,成为必不可少的电器之一。用户对空调的温度调节方式和用户的体质、用户对温度的适应程度以及用户的生活方式有密切的关系。通过对用户空调温度设定值进行分析,可以准确衡量用户对温度的喜好,从而为用户提供包括饮食、购物、休闲活动和旅游等各种方面的生活建议,让空调在用户的日常生活中发挥更大的作用,同时提高用户的生活质量。
发明内容
本发明所要解决的技术问题是提供一种根据空调温度操作数据提供生活建议的方法、系统及空调,解决了现有技术中,空调作用单一,不能为用户提供生活建议的技术问题。
本发明解决上述技术问题的技术方案如下:一种根据空调温度操作数据提供生活建议的方法,包括以下步骤:
步骤1,采集同一地区和同一时间区间下,所有用户的空调温度设定值;
步骤2,根据所述空调温度设定值计算用户的身体怕冷指数;
步骤3,根据用户的身体怕冷指数,为用户提供生活建议。
本发明的有益效果是:本发明通过对用户空调温度设定值进行分析,可以准确计算用户的身体怕冷指数,衡量用户对温度的喜好,从而为用户提供包括饮食、购物、休闲活动和旅游等各方面的生活建议,让空调在用户的日常生活中发挥更大的作用,不仅提高用户的生活质量,而且为空调企业创造新的盈利方式。
在上述技术方案的基础上,本发明还可以做如下改进。
进一步,所述同一地区为按照国家地理划分的同一省、同一市或者同一乡镇;或者所述同一地区为以一个具体地点为中心,以设定的距离为半径画圆所得到的区域。
采用上述进一步方案的有益效果是:使用同一地区与时间区间下的温度设定数值计算用户的身体怕冷指数,可以让用户在同一气候基准下进行比较,使得用户怕冷指数不受气候、时间和地点因素等影响,从而为用户提供的生活建议更加准确。
进一步,所述步骤2具体为:
S201对所有的空调温度设定值进行分类统计,得到空调温度分布,所述空调温度分布具体为:Pn人设定空调温度为Tn度;
Pn+1人设定空调温度为Tn+1度;
……
Pm人设定空调温度为Tm度;
其中,Tn为空调最低设定温度,Tm为空调最高设定温度;
S202根据用户的空调温度设定值和所述空调温度分布,计算用户的身体怕冷指数,具体计算公式为:
其中,t为用户k的空调温度设定值,Ck为用户k的身体怕冷指数,Tn为空调最低设定温度,Tm为空调最高设定温度,Pi为设定空调温度为i的人数,s为影响指数。
采用上述进一步方案的有益效果是:本发明通过对所有空调温度设定值进行排序与计数,可以生成空调温度分布,再根据一个用户的具体空调温度设定值t,可得出此温度t在群体空调温度分布下的百分位数Ck,即用户的身体怕冷指数。此百分位数越接近1,代表在群体间,相同环境下,所述用户设定的温度较高,偏向喜好温暖或高温环境,属于较怕冷的群体;百分位数越接近0,代表在群体间,相同环境下,所述用户设定的温度较低,偏向喜好凉爽或低温环境,属于较怕热的群体。通过设定上述用户的身体怕冷指数,可以准确获知用户对于温度的喜好,从而给用户提供准确的生活的建议。
进一步,根据用户的身体怕冷指数为用户推荐饮食、商品、旅游行程和/或休闲活动。
进一步,当为用户推荐饮食时,所述s为季节影响指数,温度越高的季节s取值越低;当为用户推荐商品时,所述s取值为0;当为用户推荐旅游行程时,所述s为温度影响指数,用户所在地的温度越高,s取值越低;当为用户推荐休闲活动时,所述s取值为0。
采用上述进一步方案的有益效果是:当为用户推荐饮食时,所述s为季节影响指数,由于人对于食物的偏好也会随季节影响,因此需根据季节微调s。一般来说,温度低的季节s较高,温度高的季节s较低,例如冬季较怕冷,可设定为+0.1,夏季较怕热可设定s为-0.1。当为用户推荐旅游行程时,所述s为温度影响指数,由于人对于旅游的偏好也会用户所在的地点气候影响,因此需根据用户当地的温度,进行冷热感受的微调。一般来说,当用户所在地温度低的季节,用户会较怕冷,想去较温暖的旅游景点,s应该设定较大; 当用户所在地温度高的季节,用户会较怕热,想去较凉爽的旅游景点,s应该设定较小。s值可以根据需求手动调整,或使用自动化方式分析用户所在地的高低温,产生适合的s值。
进一步,根据用户的身体怕冷指数为用户推荐饮食或商品包括以下步骤:
S601对食物或商品设定至少一个用于改变体温或身体冷热感受的商品属性P;
S602按照商品属性对人体冷热感受的影响程度将所述商品属性分为n个小类,并对所述n个小类进行影响程度从小到大排序,记为P=[P1,P2,…,Pn],其中P1、P2、…Pn为商品属性P的n个小类;
S603根据用户的身体怕冷指数计算推荐属性,计算公式如下:
P[j]=P[Round(Ck*n)],
其中,P[j]表示食物的商品属性P中,第j个属性为推荐属性,Ck为用户k的身体怕冷指数,n表示所述商品属性的小类总数,Round表示四舍五入取整数;
S604搜索与所述推荐属性相符的饮食或商品,并将搜索出的饮食或商品推荐给用户;或者根据计算出的推荐属性,给用户提供与所述推荐属性相关的生活建议。
采用上述进一步方案的有益效果是:现有的购物网站,仅能根据用户的购买记录与兴趣,推荐商品或者饮食,无法针对用户的身体体质,是否怕冷怕热,推荐适合商品或者饮食。本发明可以根据空调的使用记录,分析出用户的身体怕冷指数衡量用户对温度的偏好,从而为用户推荐饮食。比如给较怕热的人,给予清凉的商品或者饮食,给较怕冷的人,推荐让人体温升高的商品或者饮食。本发明可以提高饮食和其他购物商品的销售量,创造全新的商业模式,或者将用户的空调温度设定数据、用户的冷热感受分析数据提供 给电子商务和团购服务等,为空调企业创造新的盈利方式。
进一步,根据用户的身体指数为用户推荐旅游行程包括以下步骤:
S701将旅游地点按照温度从低至高进行排序,记为P=[P1,P2,…,Pn],其中P1、P2、Pn为不同的旅游地点;
S702根据用户的身体怕冷指数计算推荐旅游地点,计算公式如下:
P[j]=P[Round(Ck*n)],
其中,P[j]表示所有旅游地点中,第j个地点为推荐旅游地点,Ck为用户k的身体怕冷指数,n表示所述旅游地点的总数,Round表示四舍五入取整数;
S703搜索所述推荐旅游地点的旅游行程,并推荐给用户;所述旅游行程包括机票、酒店和/或景点信息。
采用上述进一步方案的有益效果是:现有的旅游网站,无法根据用户身体体质,为用户推荐旅游行程、提供旅游建议。本发明根据空调的使用记录,分析出用户的身体怕冷指数来衡量用户对温度的偏好,从而为用户推荐旅游地点。比如给较怕热的人,推荐清凉的旅游地点,给较怕冷的人,推荐让人感觉温暖的旅游地点。本发明可以提高旅游商品、景点票务的销售量,创造全新的商业模式,或者将用户的空调温度设定数据、冷热感受分析数据提供给旅游团和旅游网站等,为空调企业创造新的盈利方式。
进一步,根据用户的身体怕冷指数为用户推荐休闲活动包括以下步骤:
S801将各种休闲活动,按照接触到的热源温度不同,划分为n个大类;
S802按照接触到的热源温度从低到高,对不同大类的休闲活动进行排序,记为P=[P1,P2,…,Pn],其中P1、P2、…Pn为不同大类的休闲活动;
S803根据用户的身体怕冷指数计算推荐休闲活动,计算公式如下:
P[j]=P[Round(Ck*n)],
其中,P[j]表示所有休闲活动中,第j个地点为推荐休闲活动,Ck为用 户k的身体怕冷指数,n表示所述休闲活动的大类总数,Round表示四舍五入取整数;
S804根据所述推荐休闲活动的活动类型,为用户提供相应的活动建议。
采用上述进一步方案的有益效果是:现有技术无法根据用户身体体质,为用户推荐休闲活动。本发明根据空调的使用记录,分析出用户的身体怕冷指数来衡量用户对温度的偏好,从而为用户休闲活动。比如给较怕热的人,推荐室内、不会让人觉得热的休闲活动,给较怕冷的人,推荐室外、活动量较大让人发热的休闲活动。本发明可以提高休闲娱乐活动的销售量,创造全新的商业模式,或者将用户的空调温度设定数据、冷热感受分析数据提供给电商网站等,为空调企业创造新的盈利方式。
一种根据空调温度操作数据提供生活建议的系统,包括空调温度采集模块、身体怕冷指数计算模块和建议生成模块,
所述空调温度采集模块用于采集同一地区和同一时间区间下,所有用户的空调温度设定值;
所述身体怕冷指数计算模块用于根据所述空调温度设定值计算用户的身体怕冷指数;
所述建议生成模块用于根据用户的身体怕冷指数,为用户提供生活建议。
进一步,所述空调温度采集模块包括设定单元和温度采集单元,所述设定单元用于设定地区区域和时间区间;所述温度采集单元用于在所述地区区域和时间区间下,采集所有用户的空调温度设定值;
所述身体怕冷指数计算模块包括分类统计单元和计算单元,所述分类统计单元用于对所有的空调温度设定值进行分类统计,得到空调温度分布;所述计算单元用于根据用户的空调温度设定值和所述空调温度分布,计算用户的身体怕冷指数。
所述建议生成模块包括饮食推荐单元、商品推荐单元、旅游行程推荐单元和/或休闲活动推荐单元,所述饮食推荐单元用于根据用户的身体怕冷指数,为用户推荐饮食;所述商品荐单元用于根据用户的身体怕冷指数,为用户推荐商品;所述旅游行程推荐单元用于根据用户的身体怕冷指数,为用户推荐旅游行程;所述休闲活动推荐单元用于根据用户的身体怕冷指数,为用户推荐休闲活动。
一种空调,包括所述的根据空调温度操作数据提供生活建议的系统。
采用上述进一步方案的有益效果是:本发明通过对用户空调温度设定值进行分析,可以准确计算用户的身体怕冷指数,衡量用户对温度的喜好,从而为用户提供包括饮食、购物、休闲活动和旅游等各方面的生活建议,让空调在用户的日常生活中发挥更大的作用,不仅提高用户的生活质量,而且为空调企业创造新的盈利方式。
附图说明
图1为本发明根据空调温度操作数据提供生活建议的方法流程示意图;
图2为本发明根据空调温度操作数据提供生活建议的系统结构示意图;
图3为本发明根据空调温度操作数据提供生活建议的空调结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
如图1所示,为本发明根据空调温度操作数据提供生活建议的方法的流程示意图,包括以下步骤:
步骤1,采集同一地区和同一时间区间下,所有用户的空调温度设定值;
步骤2,根据所述空调温度设定值计算用户的身体怕冷指数;
步骤3,根据用户的身体怕冷指数,为用户提供生活建议。
本发明优选的实施例中,需要先对地区区域和时间区间进行设定。所述同一地区为按照国家地理划分的同一省、同一市或者同一乡镇;或者所述同一地区为以一个具体地点为中心,以设定的距离为半径画圆所得到的区域。时间区间为一个时间点,或者一个时间区段。使用同一地区与时间区间下的温度设定数值计算用户的身体怕冷指数,可以让用户在同一气候基准下进行比较,使得用户怕冷指数不受气候、时间和地点因素等影响,从而为用户提供的生活建议更加准确。
步骤2中,计算用户的身体怕冷指数包括以下步骤:
S201对所有的空调温度设定值进行分类统计,得到空调温度分布,所述空调温度分布具体为:Pn人设定空调温度为Tn度;
Pn+1人设定空调温度为Tn+1度;
……
Pm人设定空调温度为Tm度;
其中,Tn为空调最低设定温度,Tm为空调最高设定温度;
S202根据用户的空调温度设定值和所述空调温度分布,计算用户的身体怕冷指数,具体计算公式为:
其中,t为用户k的空调温度设定值,Ck为用户k的身体怕冷指数,Tn为空调最低设定温度,Tm为空调最高设定温度,Pi为设定空调温度为i的人数,s为影响指数。根据提供建议的内容不同,影响指数s的取值不同。当 为用户推荐饮食时,所述s为季节影响指数,温度越高的季节s取值越低;当为用户推荐商品时,所述s取值为0;当为用户推荐旅游行程时,所述s为温度影响指数,用户所在地的温度越高,s取值越低;当为用户推荐休闲活动时,所述s取值为0。这是因为,当为用户推荐饮食时,所述s为季节影响指数,由于人对于食物的偏好也会随季节影响,因此需根据季节微调s。一般来说,温度低的季节s较高,温度高的季节s较低,例如冬季较怕冷,可设定为+0.1,夏季较怕热可设定s为-0.1。当为用户推荐旅游行程时,所述s为温度影响指数,由于人对于旅游的偏好也会用户所在的地点气候影响,因此需根据用户当地的温度,进行冷热感受的微调。一般来说,当用户所在地温度低的季节,用户会较怕冷,想去较温暖的旅游景点,s应该设定较大;当用户所在地温度高的季节,用户会较怕热,想去较凉爽的旅游景点,s应该设定较小。s值可以根据需求手动调整,或使用自动化方式分析用户所在地的高低温,产生适合的s值。
本发明通过对所有空调温度设定值进行排序与计数,可以生成空调温度分布,再根据一个用户的具体空调温度设定值t,可得出此温度t在群体空调温度分布下的百分位数Ck,即用户的身体怕冷指数。此百分位数越接近1,代表在群体间,相同环境下,所述用户设定的温度较高,偏向喜好温暖或高温环境,属于较怕冷的群体;百分位数越接近0,代表在群体间,相同环境下,所述用户设定的温度较低,偏向喜好凉爽或低温环境,属于较怕热的群体。通过设定上述用户的身体怕冷指数,可以准确获知用户对于温度的喜好,从而给用户提供准确的生活的建议。
以下通过四个实施例,分别根据用户的身体怕冷指数,为用户提供饮食、购物商品、旅游行程和休闲活动的建议。
实施例1
本实施例以推荐饮料为范例,介绍如何根据用户的空调温度设定,为用 户提供推荐饮食建议。
首先,为饮料设定商品属性,并按照从冷到热为饮料的商品属性排序。本发明所述的商品属性,为可以改变体温或者人体冷热感受的属性。比如商品属性为辣度,在辣度这个商品属性下,又可以分为[清汤、小辣、中辣、麻辣、大辣]五小类;或者商品属性为温度,在温度这个商品属性下,又可以分为[冰、冷、常温、温、热、烫、沸腾]7小类。同一个食物,可以有多个影响人体冷热感受的商品属性,例如酸辣汤至少有温度和辣度两种影响人体冷热感受的商品属性。每个商品属性下均包括多个小类。
按照从冷到热对商品属性排序包括人工排序和自动化排序两种方法。由于商品类型与属性数量有限,包括酸甜苦辣甜咸等,因此管理人员可透过后台在有限时间下,完成食品的商品属性排序,并储存于数据库中重复使用排序结果。例如将四川冒菜的冷热感受由冷排至热为:清汤、小辣、麻辣、大辣。更进一步,可以对商品的冷热感受进行自动化排序,比如天气热时,清凉食品卖得好,天气冷时,保暖食品买得好,根据销量与天气进行冷热感受排序。例如根据团购记录,温度10度时,热咖啡销量好,温度20度时,珍珠奶茶销量好,温度30度时,芒果冰沙销量好,因此可对上述商品属性进行自动化排序,排序结果为[热饮料、冷饮料、冰品]。
本实施例可以从电子商务数据库取得饮料的分类属性,并从冷至热排序为:[多冰、少冰、去冰、温、热],共五个小类。
然后计算用户A的身体怕冷指数。将时间区间设定为最近的一个小时,地区设定佛山市。当前时间为8月夏季,用户A设定的温度是22度。通过物联网服务器,取得佛山市空调用户,最近一个小时的温度设定分布,为简化说明,假设近一个小时内,有8人设定了空调温度,分别是:[20,22,22,24,26,28,30,30],即1个人将空调设定为20度,2个人设定为22度,1个人设定为24度,1个人设定为26度,1个人设定为28度,2个人设定为 30度,由于是夏季,s取值为-0.1。
因此用户A的身体怕冷指数为Ck=(1+2)/8+(-0.1)=0.275。由于身体怕冷指数为0至1,越偏向1表示用户越怕冷,越偏向0表示用户越怕热,因此可判断用户A为较怕热的体质。
再根据用户A的身体怕冷指数,为用户A计算推荐属性。由电子商务网站取的的饮料的商品属性P=[多冰、少冰、去冰、温、热],共5个属性,因此推荐属性位置P[j]=P[Round(0.275x5)]=P[Round(1.375)]=P[1]。由于P=[多冰、少冰、去冰、温、热],P[1]代表商品属性P的第1个属性,因此P[1]=多冰,得到用户A的推荐属性为多冰。
最后,根据推荐属性「多冰」,与用户所在位置「佛山」,通过团购网站获取在佛山附近,提供多冰饮料的商家信息,推送给用户。或者在计算出了推荐属性「多冰」后,结合用户所在位置「佛山」,搜索与「多冰」相关的饮食,将饮食信息提供给用户。
在其他实施例中,可以联合一个以上的推荐属性为用户推荐饮食或提供建议,比如结合温度:[多冰、少冰、去冰、温、热、滚烫]与辛辣度:[清汤、小辣、中辣、麻辣、大辣],推荐符合多个属性联集(Union)的商品或生活建议。例如推荐滚烫+麻辣口味的冒菜。
本实施例根据空调的使用记录,分析出用户的身体怕冷指数衡量用户对温度的偏好,从而为用户推荐饮食。比如给较怕热的人,给予清凉的饮食,给较怕冷的人,推荐让人体温升高的饮食。本发明可以提高饮食的销售量,创造全新的商业模式,或者将用户的空调温度设定数据、用户的冷热感受分析数据提供给电子商务和团购服务等,为空调企业创造新的盈利方式。
实施例2
目前网上购物,可根据个人消费浏览记录,分析出用户喜好的商品。或者通过购物车内的商品进行关联分析,可推测用户可能同时购买哪项商品, 并进行推荐。或者通过用户近期浏览的商品类型,进行同质商品推荐。这些推荐方法,仅能根据购买记录与兴趣,推荐可能商品,无法针对用户的身体体质,是否怕冷怕热,推荐适合商品。
本实施例以推荐袜子与穿着建议为范例,介绍如何根据用户的空调温度设定,为用户提供推荐购买商品的建议。
首先,为袜子设置商品属性,并按照从冷到热为袜子的商品属性排序。这里的商品属性,为可以改变体温或者人体冷热感受的属性,比如商品属性为袖长,在袖长这个商品属性下,又可以分为[无袖、短袖、可拆卸袖、七分袖、长袖]五小类;或者商品属性为质料,在质料这个商品属性下,又可以分为[麻、聚酯纤维、棉花、莱卡、蚕丝、羊毛]6小类;或者商品属性为长度,在长度这个商品属性下,又可以分为[隐形袜、短袜、中筒袜、长袜、长毛袜]5小类。同一个商品,可以有多个影响人体冷热感受的商品属性,例如服装至少有袖长和质料两种影响人体冷热感受的商品属性。每个商品属性下均包括多个小类。
按照从冷到热对商品属性排序包括人工排序和自动化排序两种方法。由于商品类型与属性数量有限,管理人员可透过后台在有限时间下,完成商品属性排序,并储存于数据库中重复使用排序结果。例如将袜子长度的冷热感受由冷排至热为:[隐形袜、短袜、中筒袜、长袜]。更进一步,可对商品的冷热感受进行自动化排序,例如热时,清凉商品卖得好,天气冷时,保暖商品买得好,根据销量与天气进行冷热感受排序。例如根据电子商务记录,温度10度时,长袜销量好,温度20度时,短袜销量好,温度30度时,隐形袜销量好,因此可对袜型进行商品属性的自动化排序,排序结果为[隐形袜、短袜、长袜]。
本实施例可以从电子商务网站,取得袜子的商品属性,并从冷至热排序为:[隐形袜、短袜、中筒袜、长袜、长毛袜],共五个小类。
然后,计算用户A的身体怕冷指数。计算过程与实施例1一样,只是这里的s取值为0,因此用户A的身体怕冷指数Ck=(1+2)/8=0.375,可判断用户A为较怕热的体质。
再根据用户A的身体怕冷指数,为用户A计算推荐属性。由电子商务网站取的的商品属性P=[隐形袜、短袜、中筒袜、长袜、长毛袜],共5个小类,因此推荐属性位置j=Round(0.375x5)=Round(1.875)=2。因此Pj=P2=短袜,即用户A的推荐属性为短袜。
最后,根据推荐属性「短袜」,至购物网站取得具有短袜属性特征的商品,推荐给用户。或者给用户生活建议:今日穿着「短袜」会让您感觉舒适。
在其他实施例中,可以联合一个以上的推荐属性为用户推荐商品或提供建议,比如结合衣服款式:[短袖、七分袖、长袖]与质料:[麻、棉、羊毛],推荐符合多个属性联集(Union)的商品或生活建议。例如推荐用户穿着七分袖棉质衣服。
本发明的其他实施例中,任何可改变冷热感受的商品,皆可利用本方法进行商品推荐与生活建议,比如:推荐衣服款式、推荐衣服质料或提供穿衣建议;以及推荐家居用品材料、温度调节商品的规格、发热包容量、暖暖包容量和暖暖包携带量等等。
本实施例可以根据空调的使用记录,分析出用户的身体怕冷指数衡量用户对温度的偏好,从而为用户推荐商品。比如给较怕热的人,给予清凉的商品,给较怕冷的人,推荐让人体温升高的商品。本发明可以提高购物商品的销售量,创造全新的商业模式,或者将用户的空调温度设定数据、用户的冷热感受分析数据提供给电子商务和团购服务等,为空调企业创造新的盈利方式。
实施例3
本实施例以推荐中国国内旅游景点为范例,介绍如何根据用户的空调温 度设定,为用户提供旅游建议。
首选,根据历史温度数据,取得旅游城市的温度排序。可以通过实时气象服务,取得旅游景点的温度数据,并将景点根据温度由低至高排序。或者在用户有指定旅游时间的情况下,取得天气预报,或历史温度数据,将旅游地点的温度,由低至高排序。为了简化说明,本实施例以[香港,中国台湾,上海,北京,哈尔滨]为例子。根据历史温度数据,将上述地点按照从冷至热排序为:[哈尔滨、北京、上海、中国台湾、香港]。
然后,计算用户A的身体怕冷指数。用户A在广州佛山,且现在时间为8月夏季,因此s取值为-0.1。身体怕冷指数的计算方法和实施例1完全一样,计算出的用户A的身体怕冷指数Ck=(1+2)/8+(-0.1)=0.275,因此可判断用户A为较怕热的体质。
再根据用户A的身体怕冷指数,为用户A计算推荐属性。旅游地点的温度排序P=[哈尔滨、北京、上海、中国台湾、香港],共5个小类,因此推荐地点P[j]=P[Round(0.275x5)]=P[Round(1.375)]=P[1]。P[1]代表P的第1位置,因此P[1]=哈尔滨,计算出用户A的推荐旅游地点为哈尔滨。
最后,根据旅游地点「哈尔滨」,与用户所在位置「广州市」,推荐广州市到哈尔滨市的机票,以及哈尔滨市的酒店住宿、哈尔滨市的旅游景点信息等相关信息。
在其他实施例中,在计算出了推荐旅游地点后,将所述旅游地点作为关键字,搜索邻近的机票、酒店、景点,并推荐给用户旅游信息。或者用户可设定搜索的半径范围与时间点,系统显示推荐旅游地点半径范围或时间点下的机票、酒点和景点信息。
本实施例根据空调的使用记录,分析出用户的身体怕冷指数来衡量用户对温度的偏好,从而为用户推荐旅游地点。比如给较怕热的人,推荐清凉的旅游地点,给较怕冷的人,推荐让人感觉温暖的旅游地点。本发明可以提高 旅游商品、景点票务的销售量,创造全新的商业模式,或者将用户的空调温度设定数据、冷热感受分析数据提供给旅游团和旅游网站等,为空调企业创造新的盈利方式。
实施例4
本实施例以推荐休闲活动为范例,介绍如何根据用户的空调温度设定,为用户提供推荐休闲活动。
首先,将各种休闲活动,依照接触到的热源温度不同,进行分类。比如,就休闲活动分为下述4个大类,每个大类下又可分为几个小类:
戏水类:海水(表面年平均水温约为17.4)、游泳池(22-26度);
室内空调控制活动:KTV(22-30度)、足疗按摩(22-30度)、酒吧咖啡厅(22-30度)、桌游电玩(22-30度)、电影(22-30度);
身体发热活动:运动健身(30-35)、洗浴汗蒸(35-40度)、泡温泉(40-45度);
室外环境活动:乐园、观赏球赛、演唱会、自行车。
查询室外环境温度可知,广东2016/1/26的实时天气温度为6度,因此室外环境活动的温度为6度。以上分类可根据时代演进,或生活习惯而调整。
对于以上不同大类休闲活动,按照接触到的热源温度从低到高进行排序,得到P=[室外环境活动、戏水类、室内空调控制活动、身体发热活动]。根据室外环境温度不同,上述休闲活动的排序也不相同。
然后,计算用户B的身体怕冷指数。用户B,空调使用地点在广东。物联网服务器取得广东省空调用户最近一个小时的空调温度设定值,为简化说明,假设近一个小时内,有8人设定了空调温度,分别是:[20,22,22,24,26,28,30,30],由于用户B设定的温度为28度,因此用户B的怕冷指数Ck=(1+2+1+1+1)/8=0.75。由于身体怕冷指数为0至1,越偏向1越怕冷,越偏向0越怕热,因此判断出用户B为较怕冷的体质。
再根据用户B的身体怕冷指数,为用户B计算推荐休闲活动。休闲活动的排序为P=[室外环境活动、戏水类、室内空调控制活动、身体发热活动],用户B的怕冷指数Ck=0.75,j=Round(0.75x4)=Round(3)=3,因此推荐休闲活动为室内空调控制活动。
最后,室内空调控制活动,包含:KTV(22-30度)、足疗按摩(22-30度)、酒吧咖啡厅(22-30度)、桌游电玩(22-30度)、电影(22-30度)五个小类。取得用户B所在位置佛山,通过互联网,搜索地点为佛山的KTV、足疗按摩、酒吧咖啡厅、桌游电玩、电影的店家信息,提供给用户B。
本实施例根据空调的使用记录,分析出用户的身体怕冷指数来衡量用户对温度的偏好,从而为用户休闲活动。比如给较怕热的人,推荐室内、不会让人觉得热的休闲活动,给较怕冷的人,推荐室外、活动量较大让人发热的休闲活动。本发明可以提高休闲娱乐活动的销售量,创造全新的商业模式,或者将用户的空调温度设定数据、冷热感受分析数据提供给电商网站等,为空调企业创造新的盈利方式。
如图2所示,为本发明一种根据空调温度操作数据提供生活建议的系统的结构示意图,包括空调温度采集模块、身体怕冷指数计算模块和建议生成模块,
所述空调温度采集模块用于采集同一地区和同一时间区间下,所有用户的空调温度设定值;
所述身体怕冷指数计算模块用于根据所述空调温度设定值计算用户的身体怕冷指数;
所述建议生成模块用于根据用户的身体怕冷指数,为用户提供生活建议。
所述空调温度采集模块包括设定单元和温度采集单元,所述设定单元用于设定地区区域和时间区间;所述温度采集单元用于在所述地区区域和时间 区间下,采集所有用户的空调温度设定值;
所述身体怕冷指数计算模块包括分类统计单元和计算单元,所述分类统计单元用于对所有的空调温度设定值进行分类统计,得到空调温度分布;所述计算单元用于根据用户的空调温度设定值和所述空调温度分布,计算用户的身体怕冷指数。
所述建议生成模块包括饮食推荐单元、商品推荐单元、旅游行程推荐单元和/或休闲活动推荐单元,所述饮食推荐单元用于根据用户的身体怕冷指数,为用户推荐饮食;所述商品荐单元用于根据用户的身体怕冷指数,为用户推荐商品;所述旅游行程推荐单元用于根据用户的身体怕冷指数,为用户推荐旅游行程;所述休闲活动推荐单元用于根据用户的身体怕冷指数,为用户推荐休闲活动。
如图3所示,为本发明根据空调温度操作数据提供生活建议的空调的结构示意图,包括所述的根据空调温度操作数据提供生活建议的系统。
本发明通过对用户空调温度设定值进行分析,可以准确计算用户的身体怕冷指数,衡量用户对温度的喜好,从而为用户提供包括饮食、购物、休闲活动和旅游等各方面的生活建议,让空调在用户的日常生活中发挥更大的作用,不仅提高用户的生活质量,而且为空调企业创造新的盈利方式。
在本发明的描述中,需要理解的是,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (11)
1.一种根据空调温度操作数据提供生活建议的方法,其特征在于,包括以下步骤:
步骤1,采集同一地区和同一时间区间下,所有用户的空调温度设定值;
步骤2,根据所述空调温度设定值计算用户的身体怕冷指数;
步骤3,根据用户的身体怕冷指数,为用户提供生活建议。
2.根据权利要求1所述的根据空调温度操作数据提供生活建议的方法,其特征在于,所述同一地区为按照国家地理划分的同一省、同一市或者同一乡镇;或者所述同一地区为以一个具体地点为中心,以设定的距离为半径画圆所得到的区域。
3.根据权利要求1或2所述的根据空调温度操作数据提供生活建议的方法,其特征在于,所述步骤2具体为:
S201对所有的空调温度设定值进行分类统计,得到空调温度分布,所述空调温度分布具体为:Pn人设定空调温度为Tn度;
Pn+1人设定空调温度为Tn+1度;
……
Pm人设定空调温度为Tm度;
其中,Tn为空调最低设定温度,Tm为空调最高设定温度;
S202根据用户的空调温度设定值和所述空调温度分布,计算用户的身体怕冷指数,具体计算公式为:
其中,t为用户k的空调温度设定值,Ck为用户k的身体怕冷指数,Tn为空调最低设定温度,Tm为空调最高设定温度,Pi为设定空调温度为i的人数,s为影响指数。
4.根据权利要求3所述的根据空调温度操作数据提供生活建议的方法,其特征在于,步骤3具体为:根据用户的身体怕冷指数为用户推荐饮食、商品、旅游行程和/或休闲活动。
5.根据权利要求4所述的根据空调温度操作数据提供生活建议的方法,其特征在于,当为用户推荐饮食时,所述s为季节影响指数,温度越高的季节s取值越低;当为用户推荐商品时,所述s取值为0;当为用户推荐旅游行程时,所述s为温度影响指数,用户所在地的温度越高,s取值越低;当为用户推荐休闲活动时,所述s取值为0。
6.根据权利要求4所述的根据空调温度操作数据提供生活建议的方法,其特征在于,根据用户的身体怕冷指数为用户推荐饮食或商品包括以下步骤:
S601对食物或商品设定至少一个用于改变体温或身体冷热感受的商品属性P;
S602按照商品属性对人体冷热感受的影响程度将所述商品属性分为n个小类,并对所述n个小类进行影响程度从小到大排序,记为P=[P1,P2,…,Pn],其中P1、P2、…Pn为商品属性P的n个小类;
S603根据用户的身体怕冷指数计算推荐属性,计算公式如下:
P[j]=P[Round(Ck*n)],
其中,P[j]表示食物的商品属性P中,第j个属性为推荐属性,Ck为用户k的身体怕冷指数,n表示所述商品属性的小类总数,Round表示四舍五入取整数;
S604搜索与所述推荐属性相符的饮食或商品,并将搜索出的饮食或商品推荐给用户;或者根据计算出的推荐属性,给用户提供与所述推荐属性相关的生活建议。
7.根据权利要求4所述的根据空调温度操作数据提供生活建议的方法,其特征在于,根据用户的身体指数为用户推荐旅游行程包括以下步骤:
S701将旅游地点按照温度从低至高进行排序,记为P=[P1,P2,…,Pn],其中P1、P2、Pn为不同的旅游地点;
S702根据用户的身体怕冷指数计算推荐旅游地点,计算公式如下:
P[j]=P[Round(Ck*n)],
其中,P[j]表示所有旅游地点中,第j个地点为推荐旅游地点,Ck为用户k的身体怕冷指数,n表示所述旅游地点的总数,Round表示四舍五入取整数;
S703搜索所述推荐旅游地点的旅游行程,并推荐给用户;所述旅游行程包括机票、酒店和/或景点信息。
8.根据权利要求4所述的根据空调温度操作数据提供生活建议的方法,其特征在于,根据用户的身体怕冷指数为用户推荐休闲活动包括以下步骤:
S801将各种休闲活动,按照接触到的热源温度不同,划分为n个大类;
S802按照接触到的热源温度从低到高,对不同大类的休闲活动进行排序,记为P=[P1,P2,…,Pn],其中P1、P2、…Pn为不同大类的休闲活动;
S803根据用户的身体怕冷指数计算推荐休闲活动,计算公式如下:
P[j]=P[Round(Ck*n)],
其中,P[j]表示所有休闲活动中,第j个地点为推荐休闲活动,Ck为用户k的身体怕冷指数,n表示所述休闲活动的大类总数,Round表示四舍五入取整数;
S804根据所述推荐休闲活动的活动类型,为用户提供相应的活动建议。
9.一种根据空调温度操作数据提供生活建议的系统,其特征在于,包括空调温度采集模块、身体怕冷指数计算模块和建议生成模块,
所述空调温度采集模块用于采集同一地区和同一时间区间下,所有用户的空调温度设定值;
所述身体怕冷指数计算模块用于根据所述空调温度设定值计算用户的身体怕冷指数;
所述建议生成模块用于根据用户的身体怕冷指数,为用户提供生活建议。
10.根据权利要求9所述的根据空调温度操作数据提供生活建议的系统,其特征在于,所述空调温度采集模块包括设定单元和温度采集单元,所述设定单元用于设定地区区域和时间区间;所述温度采集单元用于在所述地区区域和时间区间下,采集所有用户的空调温度设定值;
所述身体怕冷指数计算模块包括分类统计单元和计算单元,所述分类统计单元用于对所有的空调温度设定值进行分类统计,得到空调温度分布;所述计算单元用于根据用户的空调温度设定值和所述空调温度分布,计算用户的身体怕冷指数;
所述建议生成模块包括饮食推荐单元、商品推荐单元、旅游行程推荐单元和/或休闲活动推荐单元,所述饮食推荐单元用于根据用户的身体怕冷指数,为用户推荐饮食;所述商品荐单元用于根据用户的身体怕冷指数,为用户推荐商品;所述旅游行程推荐单元用于根据用户的身体怕冷指数,为用户推荐旅游行程;所述休闲活动推荐单元用于根据用户的身体怕冷指数,为用户推荐休闲活动。
11.一种空调,其特征在于,包括权利要求9或10所述的根据空调温度操作数据提供生活建议的系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610285128.6A CN105931080A (zh) | 2016-04-29 | 2016-04-29 | 根据空调温度操作数据提供生活建议的方法、系统及空调 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610285128.6A CN105931080A (zh) | 2016-04-29 | 2016-04-29 | 根据空调温度操作数据提供生活建议的方法、系统及空调 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105931080A true CN105931080A (zh) | 2016-09-07 |
Family
ID=56837764
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610285128.6A Pending CN105931080A (zh) | 2016-04-29 | 2016-04-29 | 根据空调温度操作数据提供生活建议的方法、系统及空调 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105931080A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106440239A (zh) * | 2016-10-31 | 2017-02-22 | 广东美的制冷设备有限公司 | 基于空调器的饮食偏好推荐方法和系统 |
CN106440244A (zh) * | 2016-10-31 | 2017-02-22 | 广东美的制冷设备有限公司 | 基于空调器的旅游行程推荐方法和系统 |
CN106503185A (zh) * | 2016-10-31 | 2017-03-15 | 广东美的制冷设备有限公司 | 基于空调器的休闲活动推荐方法和系统 |
CN110610764A (zh) * | 2019-09-18 | 2019-12-24 | 四川省绵阳太古软件有限公司 | 基于环境与痰湿体质的疗养推荐系统及方法 |
CN111473490A (zh) * | 2020-04-10 | 2020-07-31 | 青岛海尔空调器有限总公司 | 空气环境的智能调节方法与环境调节系统 |
CN113819630A (zh) * | 2021-09-13 | 2021-12-21 | 青岛海尔空调器有限总公司 | 用于控制空调的方法、装置及空调 |
CN113865015A (zh) * | 2021-09-22 | 2021-12-31 | 武汉奇人制冷技术有限公司 | 大型中央空调ai智能控制方法及系统 |
-
2016
- 2016-04-29 CN CN201610285128.6A patent/CN105931080A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106440239A (zh) * | 2016-10-31 | 2017-02-22 | 广东美的制冷设备有限公司 | 基于空调器的饮食偏好推荐方法和系统 |
CN106440244A (zh) * | 2016-10-31 | 2017-02-22 | 广东美的制冷设备有限公司 | 基于空调器的旅游行程推荐方法和系统 |
CN106503185A (zh) * | 2016-10-31 | 2017-03-15 | 广东美的制冷设备有限公司 | 基于空调器的休闲活动推荐方法和系统 |
CN110610764A (zh) * | 2019-09-18 | 2019-12-24 | 四川省绵阳太古软件有限公司 | 基于环境与痰湿体质的疗养推荐系统及方法 |
CN111473490A (zh) * | 2020-04-10 | 2020-07-31 | 青岛海尔空调器有限总公司 | 空气环境的智能调节方法与环境调节系统 |
CN113819630A (zh) * | 2021-09-13 | 2021-12-21 | 青岛海尔空调器有限总公司 | 用于控制空调的方法、装置及空调 |
CN113865015A (zh) * | 2021-09-22 | 2021-12-31 | 武汉奇人制冷技术有限公司 | 大型中央空调ai智能控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105931080A (zh) | 根据空调温度操作数据提供生活建议的方法、系统及空调 | |
Tsaur et al. | Cultural differences of service quality and behavioral intention in tourist hotels | |
Kyle et al. | The effect of service quality on customer loyalty within the context of ski resorts | |
Downward et al. | The demand for day-visits: an analysis of visitor spending | |
CN102902691B (zh) | 推荐方法及系统 | |
Al-Ali et al. | KEY DETERMINANTS OF CUSTOMER SATISFACTION: EVIDENCE FROM MALAYSIA GROCERY STORES. | |
CN107862566A (zh) | 一种商品推荐方法和系统 | |
Tarigan et al. | The influence of lifestyle, physical environment, and menu variety on customer loyalty through customer satisfaction in the coffee shop | |
Seo et al. | A study on the influence of the selective attributes of home meal replacement on perceived utilitarian value and repurchase intention: Focus on consumers of large discount and department stores | |
CN110969512B (zh) | 一种基于用户购买行为的商品推荐方法和装置 | |
Lban et al. | Effects of destination image and total perceived value on tourists' behavioral intentions: an investigation of domestic festival tourists | |
CN116645141B (zh) | 一种融合多维特征的连锁门店选址推荐方法 | |
Cha et al. | The effects of HMR selection attributes on repurchase intention by shopping channels | |
Jeon | A study on influence of family restaurant image on satisfaction, trust and revisit intention | |
Sucipto et al. | Halal Culinary Tracking Application at Food Souvenirs Center Based on Analytical Hierarchy Process (AHP) Method. | |
Spencer | Deriving measures of attractiveness for shopping centres | |
CN106886921A (zh) | 基于用户兴趣的个性化推荐方法 | |
Li et al. | Consumer behavior in China and Russia: Comparative analysis | |
Padillo Jr et al. | Modelling the priority attributes of customer loyalty in Philippine single-dish restaurants | |
KR20210062897A (ko) | 마켓정보시스템 및 마켓정보 제공 방법 | |
CN107392695A (zh) | 一种购物网站系统 | |
Jin et al. | A study on the effect franchise restaurant selection motives on visiting intention-Focusing on the moderator effects of consumer attitude | |
Nugroho | The role of price in deciding to purchase ready-to-drink tea | |
Shi et al. | Research on the impact of game users’ perceived value on satisfaction and loyalty-based on the perspectives of hedonic value and utilitarian value | |
Song et al. | A study on the effect of the mediator of the service quality of Japanese restaurants to behavior intention |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160907 |
|
RJ01 | Rejection of invention patent application after publication |