CN107424012A - 一种智能导购方法、智能导购设备 - Google Patents

一种智能导购方法、智能导购设备 Download PDF

Info

Publication number
CN107424012A
CN107424012A CN201710644090.1A CN201710644090A CN107424012A CN 107424012 A CN107424012 A CN 107424012A CN 201710644090 A CN201710644090 A CN 201710644090A CN 107424012 A CN107424012 A CN 107424012A
Authority
CN
China
Prior art keywords
customer
type
current
merchandise
current customer
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
Application number
CN201710644090.1A
Other languages
English (en)
Inventor
董文储
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
BOE Technology Group Co Ltd
Original Assignee
BOE Technology Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by BOE Technology Group Co Ltd filed Critical BOE Technology Group Co Ltd
Priority to CN201710644090.1A priority Critical patent/CN107424012A/zh
Publication of CN107424012A publication Critical patent/CN107424012A/zh
Priority to US15/941,222 priority patent/US20190034995A1/en
Pending legal-status Critical Current

Links

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
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • 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
    • 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
    • G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0641—Shopping interfaces
    • G06Q30/0643—Graphical representation of items or shoppers
    • 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
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • G06Q30/0271—Personalized advertisement
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0639—Item locations

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种智能导购方法、智能导购设备，用以提供更加智能化、个性化的购买建议。智能导购方法包括：获取当前顾客的顾客数据，在顾客数据中抽取顾客特征，根据抽取的顾客特征以及预先设定的若干顾客类别，确定当前顾客所属的顾客类别；其中，顾客类别为对预先存储的若干顾客数据抽取与每一顾客数据对应的顾客特征，并对抽取的顾客特征进行聚类后得到的类别；根据当前顾客所属的顾客类别以及预先设定的若干商品类型，确定当前顾客适合的商品类型，将该商品类型对应的商品推荐给当前顾客；其中，商品类型为对预先存储的若干商品数据抽取与顾客特征对应的商品特征，并对抽取的商品特征进行聚类后得到的类型。

Description

一种智能导购方法、智能导购设备
技术领域
本发明涉及互联网及移动互联网应用技术领域，尤其涉及一种智能导购方法、智能导购设备。
背景技术
随着现代生活对智能自动化服务的需求提升，一些服务类场所，如商场或超市的配套智能机器设备应运而生，目前已出现商场或超市导购机器人，能够实现商场区域路线显示、巡航指引、简单语音对话的功能。
而目前消费者根据不同需求对机器人提出了更高的要求，不仅需要简单的路线显示和简单商品呈现，还需要提供更加智能化、个性化的服务体验。
发明内容
有鉴于此，本发明实施例提供了一种智能导购方法、智能导购设备，用以提供更加智能化、个性化的购买建议。
本发明实施例提供的一种智能导购方法，包括：
获取当前顾客的顾客数据，在所述顾客数据中抽取顾客特征，根据抽取的所述顾客特征以及预先设定的若干顾客类别，确定当前顾客所属的顾客类别；根据当前顾客所属的顾客类别以及预先设定的若干商品类型，确定当前顾客适合的商品类型，将该商品类型对应的商品推荐给当前顾客。
由本发明实施例提供的智能导购方法，该方法包括：首先，获取当前顾客的顾客数据，抽取顾客数据对应的顾客特征，根据抽取的顾客特征以及预先设定的若干顾客类别，确定当前顾客所属的顾客类别；之后，根据当前顾客所属的顾客类别以及预先设定的若干商品类型，确定当前顾客适合的商品类型，将该商品类型对应的商品推荐给当前顾客；因此，本发明具体实施例提供的智能导购方法能够为顾客提供更加智能化、个性化的购买建议。
较佳地，所述根据当前顾客所属的顾客类别以及预先设定的若干商品类型，确定当前顾客适合的商品类型，将该商品类型对应的商品推荐给当前顾客，包括：
将所述商品类型与所述顾客类别进行一一匹配，根据匹配结果以及当前顾客所属的顾客类别，导出当前顾客适合的商品类型对应的商品。
较佳地，所述将所述商品类型与所述顾客类别进行一一匹配，包括：
采用邻近算法将所述商品类型与所述顾客类别进行一一匹配。
较佳地，所述根据当前顾客所属的顾客类别以及预先设定的若干商品类型，确定当前顾客适合的商品类型，包括：
采用邻近算法将当前顾客所属的顾客类别与商品类型进行匹配，确定当前顾客适合的商品类型。
较佳地，当所述商品类型为服饰类型时，该方法还包括：获取当前顾客的图像数据，并调取推荐给当前顾客的服饰的图像数据，采用图像处理方法将所述当前顾客的图像数据与所述服饰的图像数据进行合成，生成当前顾客试穿该服饰的试穿图。
较佳地，所述根据抽取的所述顾客特征以及预先设定的若干顾客类别，确定当前顾客所属的顾客类别，包括：
根据抽取的所述顾客特征以及预先设定的若干顾客类别，采用邻近算法确定当前顾客所属的顾客类别。
较佳地，所述确定当前顾客适合的商品类型之后，该方法还包括：将当前顾客适合的商品类型所属的店铺位置形成逛店线路图，并将所述逛店线路图提供给当前顾客。
本发明实施例还提供了一种智能导购设备，该智能导购设备包括：
输入模块，用于获取当前顾客的顾客数据；
存储模块，用于预先存储若干顾客数据，以及预先存储若干商品数据；
建模模块，用于对所述存储模块存储的若干顾客数据抽取与每一顾客数据对应的顾客特征，并对抽取的顾客特征进行聚类后得到若干顾客类别；以及，对所述存储模块存储的若干商品数据抽取与所述顾客特征对应的商品特征，并对抽取的商品特征进行聚类后得到若干商品类型；
模型匹配模块，用于在所述顾客数据中抽取顾客特征，根据抽取的所述顾客特征以及所述建模模块得到的顾客类别，确定当前顾客所属的顾客类别；以及，根据当前顾客所属的顾客类别以及所述建模模块得到的商品类型，确定当前顾客适合的商品类型；
输出模块，用于将所述模型匹配模块确定的当前顾客适合的商品类型对应的商品推荐给当前顾客。
较佳地，所述模型匹配模块具体用于，采用邻近算法将所述商品类型与所述顾客类别进行一一匹配，根据匹配结果以及当前顾客所属的顾客类别，导出当前顾客适合的商品类型。
较佳地，所述模型匹配模块具体用于，采用邻近算法将当前顾客所属的顾客类别与商品类型进行匹配，确定当前顾客适合的商品类型。
较佳地，当所述商品类型为服饰类型时，所述输入模块还用于获取当前顾客的图像数据；
所述模型匹配模块还用于，调取推荐给当前顾客的服饰的图像数据，采用图像处理方法将所述当前顾客的图像数据与所述服饰的图像数据进行合成，生成当前顾客试穿该服饰的试穿图；
所述输出模块还用于，将所述当前顾客试穿该服饰的试穿图提供给当前顾客。
较佳地，所述模型匹配模块具体用于，根据抽取的所述顾客特征以及所述建模模块得到的顾客类别，采用邻近算法确定当前顾客所属的顾客类别。
较佳地，所述模型匹配模块还用于，确定当前顾客适合的商品类型之后，将当前顾客适合的商品类型所属的店铺位置形成逛店线路图；
所述输出模块还用于，将所述逛店线路图提供给当前顾客。
较佳地，所述输出模块还用于，打印逛店线路图，以及打印当前顾客试穿服饰的试穿图。
附图说明
图1为本发明实施例提供的一种智能导购方法流程图；
图2为本发明实施例提供的一种智能导购方法实现原理图；
图3为本发明实施例提供的另一智能导购方法实现原理图；
图4为本发明实施例提供的一种智能导购设备框图；
图5为本发明实施例提供的一种智能导购设备结构示意图；
图6为本发明实施例提供的一种智能导购设备实现原理图。
具体实施方式
本发明实施例提供了一种智能导购方法、智能导购设备，用以提供更加智能化、个性化的购买建议。
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
下面结合附图详细介绍本发明具体实施例提供的智能导购方法。
如图1所示，本发明具体实施例提供了一种智能导购方法，该方法包括：
S101、获取当前顾客的顾客数据，在所述顾客数据中抽取顾客特征，根据抽取的所述顾客特征以及预先设定的若干顾客类别，确定当前顾客所属的顾客类别；
S102、根据当前顾客所属的顾客类别以及预先设定的若干商品类型，确定当前顾客适合的商品类型，将该商品类型对应的商品推荐给当前顾客。
本发明具体实施例中，顾客类别为对预先存储的若干顾客数据抽取与每一顾客数据对应的顾客特征，并对抽取的顾客特征进行聚类后得到的类别；商品类型为对预先存储的若干商品数据抽取与顾客特征对应的商品特征，并对抽取的商品特征进行聚类后得到的类型。
本发明具体实施例提供的智能导购方法，该方法包括：首先，获取当前顾客的顾客数据，抽取顾客数据对应的顾客特征，根据抽取的顾客特征以及预先设定的若干顾客类别，确定当前顾客所属的顾客类别；之后，根据当前顾客所属的顾客类别以及预先设定的若干商品类型，确定当前顾客适合的商品类型，将该商品类型对应的商品推荐给当前顾客；因此，本发明具体实施例提供的智能导购方法能够为顾客提供更加智能化、个性化的购买建议。
下面结合具体的实施例详细介绍本发明具体实施例提供的智能导购方法。
实施例一：
本发明具体实施例在为当前顾客进行智能导购时，首先需要确定当前顾客所属的顾客类别，其中，顾客类别为对预先存储的若干顾客数据抽取与每一顾客数据对应的顾客特征，并对抽取的顾客特征进行聚类后得到的类别。
具体地，如图2所示，本发明具体实施例以预先存储有G个顾客的顾客数据为例，从存储的顾客数据中抽取每个顾客的顾客特征，顾客特征包括：性别、年龄段、身高、体重、三围、性格、喜好、历史购买款式等，采用聚类算法对顾客特征进行顾客聚类，得到K个顾客类别，如：顾客类别K1、顾客类别K2等，每个顾客类别代表一种顾客类型，如：顾客类别K1为年龄段在20-35岁间的女性，体重处于49kg～55kg，历史购买款式最多为收腰连衣裙等。具体实施时，本发明具体实施例可以采用K-means聚类算法，输入聚类个数k，以及包含n个数据对象的数据库，输出满足方差最小标准的k个聚类。
具体地，如图2所示，在为当前顾客进行智能导购时，获取当前顾客的顾客数据，当前顾客的顾客数据包括：性别、年龄、身高、体重、三围、性格、喜好、历史购买款式等，在顾客数据中抽取顾客特征，如：抽取的顾客特征包括：性别、身高、体重、历史购买款式等，在顾客数据中抽取顾客特征的具体方法与现有技术类似，这里不再赘述。
具体地，如图2所示，根据抽取的顾客特征以及预先设定的若干顾客类别，采用邻近算法确定当前顾客所属的顾客类别，如：根据抽取的顾客特征：性别、身高、体重、历史购买款式等，以及预先设定的顾客类别K1、顾客类别K2等，采用邻近算法确定当前顾客所属的顾客类别为顾客类别Kn。其中，邻近算法(K-NearestNeighbor)的核心思想是，如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。邻近算法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待分类样本所属的类别。
具体地，如图2所示，本发明具体实施例的商品以预先存储的F套服装为例，商品类型为对预先存储的若干商品数据抽取与顾客特征对应的商品特征，并对抽取的商品特征进行聚类后得到的类型。具体实施时，可对每件服装的服装数据抽取与上述顾客特征相对应的服装特征，抽取得到的服装特征包括：适合年龄段、适合体重、尺码、衣长、颜色、款式风格等，例如：当前存储的一件红色女士职业套装F2，其服装特征代表其适于年龄段在20岁-35岁间的女性，体重49kg-52kg，性格沉稳，款式为分体套裙，风格商务庄重等，对抽取的服装特征进行聚类后得到服装类型，如：服装类型F1、服装类型F2等。具体实施时，本发明具体实施例可以采用K-means聚类算法对抽取的服装特征进行聚类。
优选地，本发明具体实施例还可以对店铺数据进行类似的分类，包括该店铺的常规打折活动信息等；相应的，在对抽取的顾客特征进行聚类时，还可以包括顾客对喜好店铺或活动敏感度的特征。
具体地，如图2所示，将商品类型(如：服装类型F1、服装类型F2等)与顾客类别(如：顾客类别K1、顾客类别K2等)进行一一匹配，具体实施时，本发明具体实施例采用邻近算法将商品类型与顾客类别进行一一匹配，如：对服装类型进行分类匹配，服装类型Fi针对K个顾客类别分别进行匹配，确定出该服装类型Fi最适合于K个顾客类别中的顾客类别Kf；这种匹配实质上是相互的，每种顾客类别均有对应匹配的服装类型。
具体地，如图2所示，根据上述服装类型与顾客类别的匹配结果，以及根据当前顾客所属的顾客类别，采用映射关系导出当前顾客适合的服装类型，如：可以采用映射关系导出当前顾客适合的m个服装类型中的首选服装，或者采用映射关系导出与最匹配的服装类型中的前m套服装。
具体地，如图2所示，本发明具体实施例的智能导购方法还包括：获取当前顾客的图像数据，并调取推荐给当前顾客的服饰的图像数据，采用图像处理方法将当前顾客的图像数据与服饰的图像数据进行合成，生成当前顾客试穿该服饰的试穿图，方便顾客更好的选择适合自己的服饰。
具体地，本发明具体实施例确定当前顾客适合的商品类型之后，还包括：将当前顾客适合的商品类型所属的店铺位置形成逛店线路图，并将逛店线路图提供给当前顾客，这样，更加方便顾客选择适合自己的商品。
具体地，本发明具体实施例提供的智能导购方法还包括：根据历史顾客特征或当前顾客特征，建立导引语匹配模型，这样，能够为顾客提供更好的向导性的意见，使得顾客能够有针对性的选择自己喜欢的商品。
实施例二：
如图3所示，本发明实施例二与实施例一的区别在于，本发明具体实施例二在生成服装类型与顾客类别后，并不对服装类型与顾客类别进行一一匹配，而是采用邻近算法将当前顾客所属的顾客类别与服装类型进行匹配，确定当前顾客适合的服装类型，如：可以采用邻近算法得到当前顾客适合的m个服装类型中的首选服装，或者采用邻近算法得到与最匹配的服装类型中的前m套服装。
具体地，本发明具体实施例确定当前顾客适合的商品类型之后，还包括：将当前顾客适合的商品类型所属的店铺位置形成逛店线路图，并将逛店线路图提供给当前顾客，这样，更加方便顾客选择适合自己的商品。
具体地，本发明具体实施例提供的智能导购方法还包括：根据历史顾客特征或当前顾客特征，建立导引语匹配模型，这样，能够为顾客提供更好的向导性的意见，使得顾客能够有针对性的选择自己喜欢的商品。
基于同一发明构思，如图4所示，本发明具体实施例还提供了一种智能导购设备，该智能导购设备包括：
输入模块41，用于获取当前顾客的顾客数据；
存储模块42，用于预先存储若干顾客数据，以及预先存储若干商品数据；
建模模块43，用于对所述存储模块存储的若干顾客数据抽取与每一顾客数据对应的顾客特征，并对抽取的顾客特征进行聚类后得到若干顾客类别；以及，对所述存储模块存储的若干商品数据抽取与所述顾客特征对应的商品特征，并对抽取的商品特征进行聚类后得到若干商品类型；
模型匹配模块44，用于在所述顾客数据中抽取顾客特征，根据抽取的所述顾客特征以及所述建模模块得到的顾客类别，确定当前顾客所属的顾客类别；以及，根据当前顾客所属的顾客类别以及所述建模模块得到的商品类型，确定当前顾客适合的商品类型；
输出模块45，用于将所述模型匹配模块确定的当前顾客适合的商品类型对应的商品推荐给当前顾客。
具体地，本发明具体实施例在一种具体的实施方式中，模型匹配模块44具体用于，采用邻近算法将商品类型与顾客类别进行一一匹配，根据匹配结果以及当前顾客所属的顾客类别，导出当前顾客适合的商品类型。
具体地，本发明具体实施例在另一种具体的实施方式中，模型匹配模块44具体用于，采用邻近算法将当前顾客所属的顾客类别与商品类型进行匹配，确定当前顾客适合的商品类型。
具体地，本发明具体实施例中的模型匹配模块44具体用于，根据抽取的顾客特征以及建模模块43得到的顾客类别，采用邻近算法确定当前顾客所属的顾客类别。
具体地，当本发明具体实施例中的商品类型为服饰类型时，本发明具体实施例中的输入模块41还用于获取当前顾客的图像数据；本发明具体实施例中的模型匹配模块44还用于，调取推荐给当前顾客的服饰的图像数据，采用图像处理方法将当前顾客的图像数据与服饰的图像数据进行合成，生成当前顾客试穿该服饰的试穿图；输出模块45还用于，将当前顾客试穿该服饰的试穿图提供给当前顾客。
具体地，本发明具体实施例中的建模模块43还用于建立导引语匹配模型；具体实施时，本发明具体实施例中的存储模块42还用于预先存储导引语库，导引语库中包括了大量的为顾客提供向导性意见的语言；建模模块43根据预先存储在存储模块42中的导引语库，以及根据历史顾客特征(如：年龄段、性格情绪分析等)或当前顾客特征，建立不同的导引语匹配模型，这样能够使得顾客更有针对性的选择自己喜欢的商品。
具体地，本发明具体实施例中的模型匹配模块44还用于，确定当前顾客适合的商品类型之后，将当前顾客适合的商品类型所属的店铺位置形成逛店线路图；本发明具体实施例中的输出模块45还用于，将形成的逛店线路图提供给当前顾客。
具体地，如图5所示，本发明具体实施例提供的智能导购设备包括的输出模块45还用于，打印逛店线路图，以及打印当前顾客试穿服饰的试穿图，具体实施时，本发明具体实施例中的输出模块45可以包括打印机52、显示屏51等，打印机52用来打印逛店线路图，以及打印当前顾客试穿服饰的试穿图。
如图5所示，本发明具体实施例中的智能导购设备包括的显示屏51可以为分区显示屏，如：该显示屏51可以分为三个区域，第一区域用来显示顾客试穿该服饰的试穿图；第二区域用来显示商场内其它店铺的优选服装图片；第三区域用来将软件系统的数据建模和模型匹配的结果通过简化的语言呈现出来，为顾客提供专业依据；当然，在实际应用中，本发明具体实施例中的显示屏51也可以为整屏显示屏，如：整屏显示逛店线路图。
具体实施时，如图6所示，本发明具体实施例中的输入模块41包括摄像头、扫描仪器、话筒和指纹识别器；存储模块42包括数据预处理单元、服装数据库、店铺数据库、历史顾客资料库和导引语库；建模模块43包括顾客模型建模、服装匹配模型建模和导引套路/语言风格模型建模；模型匹配模块44包括当前顾客外在分析、当前顾客内在信息分析、逛店线路图设计和穿衣效果预测图设计；输出模块45包括打印机、显示屏和语音播放器。
具体实施时，如图6所示，数据预处理单元用于将原始数据转换为结构化数据，服装数据库包括：服装的类别、价格、编号、尺寸、颜色、款式等，店铺数据库包括：店铺的摊位号、活动信息等，历史顾客资料库包括：顾客的年龄、肤色、体形、购买力、偏好、成功购买/失败推销记录等；顾客模型建模可以根据年龄段、体形、脸型、肤色、性格、性格、当前情绪状态等分成不同类型模型，其中，历史顾客可调整归属模型；服装匹配模型建模可以根据不同维度将服装分类，根据顾客的偏好建立不同顾客模型对应的服装选配模型；服装匹配模型建模和导引套路/语言风格模型建模可以根据历史/当前顾客的年龄段、性格情绪分析，建立不同的导引语匹配模型；当前顾客外在分析包括：是否历史顾客、当前着装风格归属、年龄、脸型、肤色类型等；当前顾客内在信息分析包括：心里状态、情绪高低、性格类型、风格偏好推测等。
本发明具体实施例提供的智能导购设备除了具备现有技术中设备的基本结构和功能外，还具备以下优点：
第一、对存储的顾客数据和当前顾客数据进行分类、建模和分析，建立顾客类型数据模型；第二、对存储的服装数据和店铺数据进行分类、建模和分析，建立不同风格和定位的服装数据模型；第三、对存储的历史购买/推销成功/失败记录进行分类分析，据此将顾客类型和服装类型进行匹配分析，生成最优化的针对不同顾客类型的服装推荐方案和引导方案，并根据该推荐方案和引导方案生成试穿效果图和逛店线路图，以备打印和查看。
综上所述，本发明具体实施例提供一种智能导购方法，该方法包括：首先，获取当前顾客的顾客数据，抽取顾客数据对应的顾客特征，根据抽取的顾客特征以及预先设定的若干顾客类别，确定当前顾客所属的顾客类别；之后，根据当前顾客所属的顾客类别以及预先设定的若干商品类型，确定当前顾客适合的商品类型，将该商品类型对应的商品推荐给当前顾客；因此，本发明具体实施例提供的智能导购方法能够为顾客提供更加智能化、个性化的购买建议。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (14)

1.一种智能导购方法，其特征在于，所述方法包括：
获取当前顾客的顾客数据，在所述顾客数据中抽取顾客特征，根据抽取的所述顾客特征以及预先设定的若干顾客类别，确定当前顾客所属的顾客类别；
根据当前顾客所属的顾客类别以及预先设定的若干商品类型，确定当前顾客适合的商品类型，将该商品类型对应的商品推荐给当前顾客。
2.根据权利要求1所述的智能导购方法，其特征在于，所述根据当前顾客所属的顾客类别以及预先设定的若干商品类型，确定当前顾客适合的商品类型，将该商品类型对应的商品推荐给当前顾客，包括：
将所述商品类型与所述顾客类别进行一一匹配，根据匹配结果以及当前顾客所属的顾客类别，导出当前顾客适合的商品类型对应的商品。
3.根据权利要求2所述的智能导购方法，其特征在于，所述将所述商品类型与所述顾客类别进行一一匹配，包括：
采用邻近算法将所述商品类型与所述顾客类别进行一一匹配。
4.根据权利要求1所述的智能导购方法，其特征在于，所述根据当前顾客所属的顾客类别以及预先设定的若干商品类型，确定当前顾客适合的商品类型，包括：
采用邻近算法将当前顾客所属的顾客类别与商品类型进行匹配，确定当前顾客适合的商品类型。
5.根据权利要求1所述的智能导购方法，其特征在于，当所述商品类型为服饰类型时，该方法还包括：获取当前顾客的图像数据，并调取推荐给当前顾客的服饰的图像数据，采用图像处理方法将所述当前顾客的图像数据与所述服饰的图像数据进行合成，生成当前顾客试穿该服饰的试穿图。
6.根据权利要求1所述的智能导购方法，其特征在于，所述根据抽取的所述顾客特征以及预先设定的若干顾客类别，确定当前顾客所属的顾客类别，包括：
根据抽取的所述顾客特征以及预先设定的若干顾客类别，采用邻近算法确定当前顾客所属的顾客类别。
7.根据权利要求1所述的智能导购方法，其特征在于，所述确定当前顾客适合的商品类型之后，该方法还包括：将当前顾客适合的商品类型所属的店铺位置形成逛店线路图，并将所述逛店线路图提供给当前顾客。
8.一种智能导购设备，其特征在于，所述智能导购设备包括：
输入模块，用于获取当前顾客的顾客数据；
存储模块，用于预先存储若干顾客数据，以及预先存储若干商品数据；
建模模块，用于对所述存储模块存储的若干顾客数据抽取与每一顾客数据对应的顾客特征，并对抽取的顾客特征进行聚类后得到若干顾客类别；以及，对所述存储模块存储的若干商品数据抽取与所述顾客特征对应的商品特征，并对抽取的商品特征进行聚类后得到若干商品类型；
模型匹配模块，用于在所述顾客数据中抽取顾客特征，根据抽取的所述顾客特征以及所述建模模块得到的顾客类别，确定当前顾客所属的顾客类别；以及，根据当前顾客所属的顾客类别以及所述建模模块得到的商品类型，确定当前顾客适合的商品类型；
输出模块，用于将所述模型匹配模块确定的当前顾客适合的商品类型对应的商品推荐给当前顾客。
9.根据权利要求8所述的智能导购设备，其特征在于，所述模型匹配模块具体用于，采用邻近算法将所述商品类型与所述顾客类别进行一一匹配，根据匹配结果以及当前顾客所属的顾客类别，导出当前顾客适合的商品类型。
10.根据权利要求8所述的智能导购设备，其特征在于，所述模型匹配模块具体用于，采用邻近算法将当前顾客所属的顾客类别与商品类型进行匹配，确定当前顾客适合的商品类型。
11.根据权利要求8所述的智能导购设备，其特征在于，当所述商品类型为服饰类型时，所述输入模块还用于获取当前顾客的图像数据；
所述模型匹配模块还用于，调取推荐给当前顾客的服饰的图像数据，采用图像处理方法将所述当前顾客的图像数据与所述服饰的图像数据进行合成，生成当前顾客试穿该服饰的试穿图；
所述输出模块还用于，将所述当前顾客试穿该服饰的试穿图提供给当前顾客。
12.根据权利要求8所述的智能导购设备，其特征在于，所述模型匹配模块具体用于，根据抽取的所述顾客特征以及所述建模模块得到的顾客类别，采用邻近算法确定当前顾客所属的顾客类别。
13.根据权利要求8所述的智能导购设备，其特征在于，所述模型匹配模块还用于，确定当前顾客适合的商品类型之后，将当前顾客适合的商品类型所属的店铺位置形成逛店线路图；
所述输出模块还用于，将所述逛店线路图提供给当前顾客。
14.根据权利要求8所述的智能导购设备，其特征在于，所述输出模块还用于，打印逛店线路图，以及打印当前顾客试穿服饰的试穿图。
CN201710644090.1A 2017-07-31 2017-07-31 一种智能导购方法、智能导购设备 Pending CN107424012A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201710644090.1A CN107424012A (zh) 2017-07-31 2017-07-31 一种智能导购方法、智能导购设备
US15/941,222 US20190034995A1 (en) 2017-07-31 2018-03-30 Intelligent shopping guide method and intelligent shopping guide device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710644090.1A CN107424012A (zh) 2017-07-31 2017-07-31 一种智能导购方法、智能导购设备

Publications (1)

Publication Number Publication Date
CN107424012A true CN107424012A (zh) 2017-12-01

Family

ID=60430845

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710644090.1A Pending CN107424012A (zh) 2017-07-31 2017-07-31 一种智能导购方法、智能导购设备

Country Status (2)

Country Link
US (1) US20190034995A1 (zh)
CN (1) CN107424012A (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108109049A (zh) * 2017-12-29 2018-06-01 广东欧珀移动通信有限公司 服饰搭配预测方法、装置、计算机设备及存储介质
CN108182586A (zh) * 2018-01-29 2018-06-19 广州市尚冻冻电子商务有限公司 一种团餐食品流通控制方法、电子设备、存储介质及系统
CN108564414A (zh) * 2018-04-23 2018-09-21 帷幄匠心科技（杭州）有限公司 基于线下行为的商品推荐方法和系统
CN108804546A (zh) * 2018-05-18 2018-11-13 维沃移动通信有限公司 一种服饰搭配推荐方法及终端
CN108858245A (zh) * 2018-08-20 2018-11-23 深圳威琳懋生物科技有限公司 一种导购机器人
CN108961005A (zh) * 2018-07-06 2018-12-07 北京旷视科技有限公司 信息推送方法、装置、电子设备及介质
CN108985853A (zh) * 2018-07-27 2018-12-11 优信拍（北京）信息科技有限公司 一种交易的促进方法，装置及系统
CN109165997A (zh) * 2018-07-19 2019-01-08 阿里巴巴集团控股有限公司 一种线下购物推荐内容的生成方法及装置
CN109816441A (zh) * 2018-12-29 2019-05-28 江苏云天励飞技术有限公司 策略推送方法、系统及相关装置
WO2019144332A1 (zh) * 2018-01-25 2019-08-01 深圳绱慧科技有限公司 一种智能销售导购方法及系统
CN110782314A (zh) * 2019-09-30 2020-02-11 杭州电子科技大学 一种基于边缘计算技术的新型散货零售平台
CN110942358A (zh) * 2018-09-21 2020-03-31 北京国双科技有限公司 一种信息交互方法、装置、设备及介质
CN111932353A (zh) * 2020-10-12 2020-11-13 歌尔光学科技有限公司 一种服饰推荐方法、装置、ar眼镜以及存储介质
CN114662412A (zh) * 2022-05-23 2022-06-24 深圳市远湖科技有限公司 基于深度学习的服装设计方法、装置、设备及存储介质

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11049164B2 (en) * 2017-12-05 2021-06-29 International Business Machines Corporation Coordinated event based wardrobe recommendation
CN111582964A (zh) * 2019-02-18 2020-08-25 宏碁股份有限公司 智能商场系统及应用该系统的控制方法
CN112348607A (zh) * 2019-08-09 2021-02-09 上海红星美凯龙悦家互联网科技有限公司 商业场所内基于画像的导购方法、终端、装置、介质、及系统
US11481830B2 (en) 2019-12-18 2022-10-25 Tata Consultancy Services Limited Method, system and medium for user specific apparel attribute recommendation
US11657408B2 (en) * 2020-01-07 2023-05-23 Bank Of America Corporation Synchronously tracking and controlling events across multiple computer systems
CN111461811A (zh) * 2020-02-27 2020-07-28 北京三快在线科技有限公司 对象信息处理方法、装置、电子设备及可读存储介质
CN111507780B (zh) * 2020-05-09 2024-03-22 江苏中仑数字科技有限公司 提高客单价的方法及装置

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102254028A (zh) * 2011-07-22 2011-11-23 青岛理工大学 一种集成属性和结构相似性的个性化商品推荐方法和系统
US20130268317A1 (en) * 2010-12-07 2013-10-10 Digital Foodie Oy Arrangement for facilitating shopping and related method
CN103389966A (zh) * 2012-05-09 2013-11-13 阿里巴巴集团控股有限公司 一种海量数据的处理、搜索、推荐方法及装置
CN103886484A (zh) * 2014-03-14 2014-06-25 河海大学常州校区 一种用于大型商业街区的导购系统
CN103942255A (zh) * 2014-03-19 2014-07-23 华存数据信息技术有限公司 个性化信息推荐系统及其推荐方法
CN105023175A (zh) * 2015-07-24 2015-11-04 金鹃传媒科技股份有限公司 一种基于消费者行为数据分析和分类技术的在线广告分类推送方法及其系统
CN105117924A (zh) * 2015-07-01 2015-12-02 向莉妮 个性化商品推荐系统
CN105574213A (zh) * 2016-02-26 2016-05-11 江苏大学 一种基于数据挖掘技术的微博推荐方法及装置
CN105654330A (zh) * 2015-06-22 2016-06-08 向莉妮 个性化商品匹配推荐系统及方法
CN106204124A (zh) * 2016-07-02 2016-12-07 向莉妮 个性化商品匹配推荐系统及方法
CN106327231A (zh) * 2015-07-01 2017-01-11 向莉妮 个性化商品匹配推荐系统及方法

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5459306A (en) * 1994-06-15 1995-10-17 Blockbuster Entertainment Corporation Method and system for delivering on demand, individually targeted promotions
JP2002169921A (ja) * 2000-12-01 2002-06-14 Fuji Xerox Co Ltd 買い物支援システム及び施設巡回支援システム
WO2010119379A1 (en) * 2009-04-15 2010-10-21 Imagini Holdings Limited A method and system for providing customized content using emotional preference
US9639880B2 (en) * 2009-12-17 2017-05-02 Google Inc. Photorealistic recommendation of clothing and apparel based on detected web browser input and content tag analysis
US20110313781A1 (en) * 2010-06-21 2011-12-22 Tsz-Tak Daniel Ho System and methods for creation and management of award-based cross promotions
US8548876B1 (en) * 2011-07-01 2013-10-01 Amazon Technologies, Inc. Automatic selection of product categories for merchandising
US10489842B2 (en) * 2013-09-30 2019-11-26 Ebay Inc. Large-scale recommendations for a dynamic inventory
US10423999B1 (en) * 2013-11-01 2019-09-24 Richrelevance, Inc. Performing personalized category-based product sorting
EP3317859A1 (en) * 2015-07-01 2018-05-09 Dimensionalmechanics Inc. System and method for providing modular online product selection visualization and design services
US9905019B2 (en) * 2015-08-07 2018-02-27 Selfiestyler Inc. Virtual apparel fitting systems and methods
US20170148082A1 (en) * 2015-11-24 2017-05-25 Cognizant Technology Solutions India Pvt. Ltd. System and method for creating interactive personalized virtual stores
US10614504B2 (en) * 2016-04-15 2020-04-07 Walmart Apollo, Llc Systems and methods for providing content-based product recommendations
US20170337612A1 (en) * 2016-05-23 2017-11-23 Ebay Inc. Real-time recommendation of entities by projection and comparison in vector spaces

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130268317A1 (en) * 2010-12-07 2013-10-10 Digital Foodie Oy Arrangement for facilitating shopping and related method
CN102254028A (zh) * 2011-07-22 2011-11-23 青岛理工大学 一种集成属性和结构相似性的个性化商品推荐方法和系统
CN103389966A (zh) * 2012-05-09 2013-11-13 阿里巴巴集团控股有限公司 一种海量数据的处理、搜索、推荐方法及装置
CN103886484A (zh) * 2014-03-14 2014-06-25 河海大学常州校区 一种用于大型商业街区的导购系统
CN103942255A (zh) * 2014-03-19 2014-07-23 华存数据信息技术有限公司 个性化信息推荐系统及其推荐方法
CN105654330A (zh) * 2015-06-22 2016-06-08 向莉妮 个性化商品匹配推荐系统及方法
CN105117924A (zh) * 2015-07-01 2015-12-02 向莉妮 个性化商品推荐系统
CN106327231A (zh) * 2015-07-01 2017-01-11 向莉妮 个性化商品匹配推荐系统及方法
CN105023175A (zh) * 2015-07-24 2015-11-04 金鹃传媒科技股份有限公司 一种基于消费者行为数据分析和分类技术的在线广告分类推送方法及其系统
CN105574213A (zh) * 2016-02-26 2016-05-11 江苏大学 一种基于数据挖掘技术的微博推荐方法及装置
CN106204124A (zh) * 2016-07-02 2016-12-07 向莉妮 个性化商品匹配推荐系统及方法

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108109049A (zh) * 2017-12-29 2018-06-01 广东欧珀移动通信有限公司 服饰搭配预测方法、装置、计算机设备及存储介质
WO2019144332A1 (zh) * 2018-01-25 2019-08-01 深圳绱慧科技有限公司 一种智能销售导购方法及系统
CN108182586A (zh) * 2018-01-29 2018-06-19 广州市尚冻冻电子商务有限公司 一种团餐食品流通控制方法、电子设备、存储介质及系统
CN108564414A (zh) * 2018-04-23 2018-09-21 帷幄匠心科技（杭州）有限公司 基于线下行为的商品推荐方法和系统
CN108804546A (zh) * 2018-05-18 2018-11-13 维沃移动通信有限公司 一种服饰搭配推荐方法及终端
CN108961005A (zh) * 2018-07-06 2018-12-07 北京旷视科技有限公司 信息推送方法、装置、电子设备及介质
CN109165997A (zh) * 2018-07-19 2019-01-08 阿里巴巴集团控股有限公司 一种线下购物推荐内容的生成方法及装置
CN108985853A (zh) * 2018-07-27 2018-12-11 优信拍（北京）信息科技有限公司 一种交易的促进方法，装置及系统
CN108858245A (zh) * 2018-08-20 2018-11-23 深圳威琳懋生物科技有限公司 一种导购机器人
CN110942358A (zh) * 2018-09-21 2020-03-31 北京国双科技有限公司 一种信息交互方法、装置、设备及介质
CN109816441A (zh) * 2018-12-29 2019-05-28 江苏云天励飞技术有限公司 策略推送方法、系统及相关装置
CN110782314A (zh) * 2019-09-30 2020-02-11 杭州电子科技大学 一种基于边缘计算技术的新型散货零售平台
CN110782314B (zh) * 2019-09-30 2022-05-03 杭州电子科技大学 一种基于边缘计算技术的新型散货零售平台
CN111932353A (zh) * 2020-10-12 2020-11-13 歌尔光学科技有限公司 一种服饰推荐方法、装置、ar眼镜以及存储介质
CN114662412A (zh) * 2022-05-23 2022-06-24 深圳市远湖科技有限公司 基于深度学习的服装设计方法、装置、设备及存储介质

Also Published As

Publication number Publication date
US20190034995A1 (en) 2019-01-31

Similar Documents

Publication Publication Date Title
CN107424012A (zh) 一种智能导购方法、智能导购设备
KR102664008B1 (ko) 시각 정보에 기초한 고객 아이템 추천 방법 및 장치
US8861866B2 (en) Identifying a style of clothing based on an ascertained feature
CN106294489B (zh) 内容推荐方法、装置及系统
CN104408076B (zh) 检索辅助系统、检索辅助方法以及检索辅助程序
CN110110181A (zh) 一种基于用户风格和场景偏好的服装搭配推荐方法
KR20210098884A (ko) 사용자의 체형 및 구매 이력을 이용하여 패션 아이템 추천 서비스를 제공하는 방법
CN106055710A (zh) 基于视频的商品推荐方法及装置
KR20170060740A (ko) 오프라인 패션/의류 매장 판매 활성화 솔루션
Zhao et al. Big data and digital design models for fashion design
US11294952B2 (en) Systems and methods for product identification using image analysis and trained neural network
US11157988B2 (en) System and method for fashion recommendations
CN110415048A (zh) 一种广告推荐方法、设备、系统、计算机设备及存储介质
Kotouza et al. Towards fashion recommendation: an AI system for clothing data retrieval and analysis
CN111028029B (zh) 一种线下商品推荐方法、装置和电子设备
CN110084657A (zh) 一种推荐服饰的方法和装置
CN108694606A (zh) 一种基于关联规则的客户画像及服务推送方法
JP2019197430A (ja) 情報処理装置、情報処理方法、プログラム及び情報処理システム
US20220366476A1 (en) System and method for fashion recommendations
Liu et al. Toward fashion intelligence in the big data era: State-of-the-art and future prospects
US20150365390A1 (en) Method of creating preference image identification code, method of diagnosing preference image identification code, and method of providing information using preference image identification code
Lomas et al. A systematic literature review of artificial intelligence in fashion retail B2C
CN112016608A (zh) 基于卷积神经网络的服装感性意图分类方法、分类模型及其构建方法
KR20210127464A (ko) 딥러닝을 통한 코디 및 스타일링 방법 및 시스템
US11526925B2 (en) System and method for fashion recommendations

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20171201

RJ01 Rejection of invention patent application after publication