CN108492163A - 一种基于数据集成处理的零售方法 - Google Patents
一种基于数据集成处理的零售方法 Download PDFInfo
- Publication number
- CN108492163A CN108492163A CN201810235174.4A CN201810235174A CN108492163A CN 108492163 A CN108492163 A CN 108492163A CN 201810235174 A CN201810235174 A CN 201810235174A CN 108492163 A CN108492163 A CN 108492163A
- Authority
- CN
- China
- Prior art keywords
- customer
- coefficient
- data
- satisfied
- clothes
- 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
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
- G06Q30/06—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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于数据集成处理的零售方法,依次通过数据集成平台的数据采集模块、数据处理模块及数据反馈模块完成对品牌销售终端会员顾客数据信息的集成处理分析,生成符合会员顾客体貌特征的三维立体模型和生成消费偏好信息,再反馈至各个销售终端;然后,通过数据集成平台的会员门户模块,会员顾客可以在线上线下销售终端调出三维立体模型进行服饰的试穿和搭配,直接感受试穿效果。本发明的优点在于:本发明数据处理平台、互联网网站、线下实体门店终端、手机终端通过PHP、JAVA、VR技术开发,实现线上线下协同、数据共享的新零售方法,形成服务升级、商家合作及会员顾客一站式信息平台,增加用户粘度。
Description
技术领域
本发明涉及一种商业模式,特别涉及一种基于数据集成处理的零售方法。
背景技术
现有的互联网服饰类交易平台都是基于商家的产品介绍、服饰图样、模特展示、买家评论等来向顾客介绍产品情况,但对于顾客而言,利用线上交易可以实现快捷交易,但是在购买产品时,顾客不能清楚直观的感受不同尺码服饰在自身的穿戴效果,只能根据多次购买同一款式服饰的经验来选择尺码进行购买。
现有的线下实体门店终端销售都是基于商家实物展示、顾客试穿或者导购试穿等方式来向顾客售卖产品,对顾客而言,频繁的试穿产品容易产生心理疲惫和生理疲惫,购物的愉悦度和心理期望值会有较大波动,消费数量减少。
线上网店、线下门店的零售数据只能统计单件产品的在不同周期间的销售额或者某一会员顾客购买的服饰清单,不能针对每一位顾客的购物数据进行有效的数据集成处理,形成符合顾客消费习惯、实际需求的精准营销。
发明内容
本发明要解决的技术问题是提供一种基于数据集成处理的零售
方法,数据处理平台、互联网网站、线下实体门店终端、手机终端通过PHP、JAVA、VR技术开发,实现线上线下协同、数据共享的新零售方法,有效增加用户粘度。
为解决上述技术问题,本发明的技术方案为:一种基于数据集成处理的零售方法,其创新点在于:所述零售方法基于数据集成平台进行处理,所述数据集成平台包括数据采集模块、数据处理模块、数据反馈模块和会员门户模块;
依次通过数据集成平台的数据采集模块、数据处理模块及数据反馈模块完成对品牌销售终端会员顾客数据信息的集成处理分析,生成符合会员顾客体貌特征的三维立体模型和生成消费偏好信息,再反馈至各个销售终端;然后,通过数据集成平台的会员门户模块,会员顾客可以在线上线下销售终端调出三维立体模型进行服饰的试穿和搭配,直接感受试穿效果。
进一步地,所述数据集成平台还包括售后服务模块,通过数据集成平台的售后服务模块,利用公众号、APP每天向会员推荐购入服饰的搭配,,并且提供该服饰品牌新款或打折款的服饰与已购入服饰的混搭推荐,完成对会员顾客的售后升级服务,且该数据处理平台的推荐服务,还可以扩展到与该服饰品牌有商业合作的其余品牌服饰、箱包这些产品,实现行业内或者跨行业的大串联,以满足消费升级带来的零售服务升级。
进一步地,所述数据采集模块是通过线上和线下销售终端的人工数据采集和线上数据采集,进行数据共享和汇总。
进一步地,在实体门店终端,销售专员为顾客办理会员账号,并将其购买和试穿的服饰二维码分别录入数据采集模块进行存储和汇总;在线上网店终端,会员顾客注册登录,数据采集模块自动将会员顾客购买和点击浏览的服饰进行数据采集。
进一步地,所述数据处理模块是将每一位会员顾客购买或试穿的服饰数据进行集成分析,生成符合会员体貌特征的三维立体模型,并备注顾客消费偏好信息
进一步地,所述数据处理模块具体处理过程如下:
(1)根据购买服装的尺码进行生成三维模型,并根据不同款式衣服的不同尺码,用多维度的尺寸指标调整出合适的顾客三维模型,且缺失尺寸由顾客输入补充或者修改;
(2)将品牌服装分为上装类、裤装类、裙装类和套装类,根据每一位会员顾客的购物信息进行数据集成分析,筛选出同类商品中的最优推荐项;然后,应用模糊综合评判的方法对其进行模糊评判,按照各项指标进行权重分析,从而得出优选选项,优选选项即为优先推荐的服饰。
进一步地,所述步骤(2)中模糊综合评判的方法的具体步骤为:
(1)确定因素集U:U={u1,u2,u3,u4,u5}为反映顾客消费偏好信息的主要指标,其中u1:服装尺码;u2:服装颜色;u3:服装款式;u4:设计风格;u5:服装价格;
(2)评判集V:V={v1,v2,v3}分别对应满意、一般、不满意;
(3)评价指标权重: A=(a,b,c,d,e),其中:a+b+c+d+e=1,服装尺码、服装颜色、服装款式、设计风格、服装价格的指标权重根据会员顾客的调查结果来给定,根据每位会员顾客给出的各项打分情况,汇总后形成各项权重系数;
(4)设定隶属度的给定标准:
a.服装尺码系数设定:
符合顾客的最优着装尺码时,顾客的满意系数为1,一般系数为0,不满意系数为0;
接近顾客的最优着装尺码时,顾客的满意系数为0.4,一般系数为0.5,不满意系数为0.1;
偏离顾客的最优着装尺码时,顾客的满意系数为0,一般系数为0,不满意系数为1;
b.服装颜色系数设定:
符合顾客的最优着装颜色时,顾客的满意系数为1,一般系数为0,不满意系数为0;
接近顾客的最优着装颜色时,顾客的满意系数为0.4,一般系数为0.5,不满意系数为0.1;
偏离顾客的最优着装颜色时,顾客的满意系数为0,一般系数为0,不满意系数为1;
c.服装款式系数设定:
符合顾客的最优着装款式时,顾客的满意系数为1,一般系数为0,不满意系数为0;
接近顾客的最优着装款式时,顾客的满意系数为0.4,一般系数为0.5,不满意系数为0.1;
偏离顾客的最优着装款式时,顾客的满意系数为0,一般系数为0,不满意系数为1;
d.设计风格系数设定:
符合顾客的最优设计风格时,顾客的满意系数为1,一般系数为0,不满意系数为0;
接近顾客的最优设计风格时,顾客的满意系数为0.4,一般系数为0.5,不满意系数为0.1;
偏离顾客的最优设计风格时,顾客的满意系数为0,一般系数为0,不满意系数为1;
e.服装价格系数设定:
符合顾客的购物价格区间时,顾客的满意系数为1,一般系数为0,不满意系数为0;
接近顾客的购物价格区间时,顾客的满意系数为0.4,一般系数为0.5,不满意系数为0.1;
偏离顾客的购物价格区间时,顾客的满意系数为0,一般系数为0,不满意系数为1;
其中,对于顾客的最优着装尺码的标是唯一的;服装颜色、服装款式和设计风格的最优标定可以有多项,不仅限一项;服装价格区间的设定仅设定最大值为价格峰值,不设定最小值;
根据顾客对选择服装进行设定隶属度,列出各服装各自的评价矩阵,求解并归一化,然后根据求解后,满意度系数的大小进行推荐排序,优先推荐满意系数较大的服装。
进一步地,所述数据反馈模块是将数据处理模块中生成的会员三维立体模型和顾客消费偏好信息进行存储,并生成品牌服饰的推荐匹配,进行推送准备。
进一步地,所述会员门户模块是当会员顾客进入实体门店或者线上网店登录时,从平台数据反馈模块中导出会员数据,生成会员顾客的三维立体模型并完成符合会员顾客消费偏好的信息推送。
进一步地,在实体门店终端,销售专员根据会员门户模块推送的数据信息为会员顾客快速提供合理推荐,并可以在三维立体模型上将推荐服饰进行试穿展示,提升顾客的购物体验;在线上网店终端,会员顾客可以通过三维模型进行试穿,模拟出自身实际穿衣效果,并可根据网店的推送信息快速筛选心怡的服饰产品。
本发明的优点在于:本发明基于数据集成处理的零售方法,利用数据处理平台,将线下门店终端会员顾客的购买、试穿的数据信息和线上网店终端会员顾客的购买、浏览点击、评论反馈的数据信息进行集成处理分析,基于互联网技术生成符合会员顾客体貌特征的三维立体模型,顾客可以在线上通过三维立体模型试穿服饰,直观感受试穿效果;形成服务升级、商家合作及会员顾客一站式信息平台,增加用户粘度。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明基于数据集成处理的零售方法中数据集成平台的结构示意图。
具体实施方式
下面的实施例可以使本专业的技术人员更全面地理解本发明,但并不因此将本发明限制在所述的实施例范围之中。
实施例1
本实施例基于数据集成处理的零售方法,该零售方法基于数据集成平台进行处理,如图1所示,数据集成平台包括数据采集模块1、数据处理模块2、数据反馈模块3和会员门户模块4;为了对会员顾客的售后升级服务,还设有售后服务模块5。
依次通过数据集成平台的数据采集模块1、数据处理模块2及数据反馈模块3完成对品牌销售终端会员顾客数据信息的集成处理分析,生成符合会员顾客体貌特征的三维立体模型和生成消费偏好信息,再通过数据反馈模块3反馈至各个销售终端;然后,通过数据集成平台的会员门户模块4,会员顾客可以在线上线下销售终端调出三维立体模型进行服饰的试穿和搭配,直接感受试穿效果;同时,通过数据集成平台的售后服务模块5,利用公众号、APP每天向会员推荐购入服饰的搭配,完成对会员顾客的售后升级服务。
本实施例中,基于数据集成处理的零售方法,具体步骤如下:
(1)通过数据采集模块1对线上和线下销售终端的人工数据采集和线上数据采集,进行数据共享和汇总,即在实体门店终端,销售专员为顾客办理会员账号,并将其购买和试穿的服饰二维码分别录入数据采集模块进行存储和汇总;在线上网店终端,会员顾客注册登录,数据采集模块自动将会员顾客购买和点击浏览的服饰进行数据采集;
(2)根据数据采集模块1采集的数据信息通过数据处理模块2将每一位会员顾客购买的服饰数据进行集成分析,根据购买服装的尺码进行生成三维模型,并根据不同款式衣服的不同尺码,用多维度的尺寸指标调整出合适的顾客三维模型,且缺失尺寸由顾客输入补充或者修改;
将品牌服装分为上装类、裤装类、裙装类和套装类,根据每一位会员顾客的购物信息进行数据集成分析,筛选出同类商品中的最优推荐项;然后,应用模糊综合评判的方法对其进行模糊评判,按照各项指标进行权重分析,从而得出优选选项,优选选项即为优先推荐的服饰;
(3)根据生成符合会员顾客体貌特征的三维立体模型和生成消费偏好信息,通过数据反馈模块3反馈至各个销售终端;
(4)当会员顾客进入实体门店或者线上网店登录时,从平台数据反馈模块3中导出会员数据,生成会员顾客的三维立体模型并完成符合会员顾客消费偏好的信息推送;
(5)在实体门店终端,销售专员根据会员门户模块4推送的数据信息为会员顾客快速提供合理推荐,并可以在三维立体模型上将推荐服饰进行试穿展示,提升顾客的购物体验;在线上网店终端,会员顾客可以通过三维模型进行试穿,模拟出自身实际穿衣效果,并可根据网店的推送信息快速筛选心怡的服饰产品;
(6)通过数据集成平台的售后服务模块5,利用公众号、APP每天向会员推荐购入服饰的搭配,完成对会员顾客的售后升级服务。
实施例2
对于将品牌服装分为上装类、裤装类、裙装类和套装类,根据每一位会员顾客的购物信息进行数据集成分析,筛选出同类商品中的最优推荐项;然后,应用模糊综合评判的方法对其进行模糊评判,按照各项指标进行权重分析,从而得出优选选项,优选选项即为优先推荐的服饰。
以上装类商品为例,品牌店中陈列三款上装,现应用数据处理平台处理对会员顾客的购物信息进行数据集成分析,筛选出同类商品中的最优推荐项。
假定会员顾客的消费偏好信息为:
服装尺码 | 服装颜色 | 服装款式 | 设计风格 | 价格 |
M | 淡色系 | 短款 | 成熟、正装 | 少于3000 |
上装1:
服装尺码 | 服装颜色 | 服装款式 | 设计风格 | 价格 |
M | 深色系 | 短款 | 正装 | 2500 |
上装2:
服装尺码 | 服装颜色 | 服装款式 | 设计风格 | 价格 |
L | 淡色系 | 中长款 | 休闲 | 3500 |
上装3:
服装尺码 | 服装颜色 | 服装款式 | 设计风格 | 价格 |
M | 淡色系 | 长款 | 偏正装 | 1000 |
确定因素集U:
U={u1,u2,u3,u4,u5}为反映顾客消费偏好信息的主要指标,其中u1:服装尺码;u2:服装颜色;u3:服装款式;u4:设计风格;u5:服装价格。
评判集V:
V={v1,v2,v3}分别对应满意、一般、不满意。
评价指标权重:
A=(0.2,0.3,0.1,0.3,0.1)。
评价表
由上表可得,服装1、服装2、服装3各自的评价矩阵P、Q、R:
求解并归一化得:B1 = AP =( 0.7 , 0 , 0.3 )
B2 = AQ =(0.58 , 0.35 , 0.07)
B3 = AR =(0.72 , 0.15 , 0.13)
根据求解后,推荐服装顺序为上装3、上装1、上装2。
实施例3
品牌服装新品设计定稿前,可以通过数据集成平台的数据处理模块预先进行综合评判,筛选出会员顾客满意率较高的新产品进行定稿和投产。
确定因素集U:
U={u1,u2,u3,u4,u5}为反映顾客消费偏好信息的主要指标,其中u1:服装尺码;u2:服装颜色;u3:服装款式;u4:设计风格;u5:服装价格。
评判集V:
V={v1,v2,v3}分别对应满意、一般、不满意。
评价指标权重:
A=(a,b,c,d,e)。
其中:a+b+c+d+e=1,服装尺码、服装颜色、服装款式、设计风格、服装价格的指标权重根据会员顾客的调查结果来给定,根据每位会员顾客给出的各项打分情况,汇总后形成各项权重系数。
评价表
设定隶属度的给定标准:
服装尺码系数设定:
符合顾客的最优着装尺码时,顾客的满意系数为1,一般系数为0,不满意系数为0。
接近顾客的最优着装尺码时,顾客的满意系数为0.4,一般系数为0.5,不满意系数为0.1。
偏离顾客的最优着装尺码时,顾客的满意系数为0,一般系数为0,不满意系数为1。
服装颜色系数设定:
符合顾客的最优着装颜色时,顾客的满意系数为1,一般系数为0,不满意系数为0。
接近顾客的最优着装颜色时,顾客的满意系数为0.4,一般系数为0.5,不满意系数为0.1。
偏离顾客的最优着装颜色时,顾客的满意系数为0,一般系数为0,不满意系数为1。
服装款式系数设定:
符合顾客的最优着装款式时,顾客的满意系数为1,一般系数为0,不满意系数为0。
接近顾客的最优着装款式时,顾客的满意系数为0.4,一般系数为0.5,不满意系数为0.1。
偏离顾客的最优着装款式时,顾客的满意系数为0,一般系数为0,不满意系数为1。
设计风格系数设定:
符合顾客的最优设计风格时,顾客的满意系数为1,一般系数为0,不满意系数为0。
接近顾客的最优设计风格时,顾客的满意系数为0.4,一般系数为0.5,不满意系数为0.1。
偏离顾客的最优设计风格时,顾客的满意系数为0,一般系数为0,不满意系数为1。
服装价格系数设定:
符合顾客的购物价格区间时,顾客的满意系数为1,一般系数为0,不满意系数为0。
接近顾客的购物价格区间时,顾客的满意系数为0.4,一般系数为0.5,不满意系数为0.1。
偏离顾客的购物价格区间时,顾客的满意系数为0,一般系数为0,不满意系数为1。
由上表可得,顾客1、顾客2、顾客3等顾客各自的评价矩阵P、Q、R ····
求解并归一化:C1 = AP
C2 = AQ
C3 = AR
···
根据数据处理模块的分析结果,得出每件新品在会员顾客中的满意率,从而确定优选新品进行投产和上架。
以上显示和描述了本发明的基本原理和主要特征以及本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种基于数据集成处理的零售方法,其特征在于:所述零售方法基于数据集成平台进行处理,所述数据集成平台包括数据采集模块、数据处理模块、数据反馈模块和会员门户模块;
依次通过数据集成平台的数据采集模块、数据处理模块及数据反馈模块完成对品牌销售终端会员顾客数据信息的集成处理分析,生成符合会员顾客体貌特征的三维立体模型和生成消费偏好信息,再反馈至各个销售终端;然后,通过数据集成平台的会员门户模块,会员顾客可以在线上线下销售终端调出三维立体模型进行服饰的试穿和搭配,直接感受试穿效果。
2.根据权利要求1所述的基于数据集成处理的零售方法,其特征在于:所述数据集成平台还包括售后服务模块,通过数据集成平台的售后服务模块,利用公众号、APP每天向会员推荐购入服饰的搭配,,并且提供该服饰品牌新款或打折款的服饰与已购入服饰的混搭推荐,完成对会员顾客的售后升级服务,且该数据处理平台的推荐服务,还可以扩展到与该服饰品牌有商业合作的其余品牌服饰、箱包这些产品,实现行业内或者跨行业的大串联,以满足消费升级带来的零售服务升级。
3.根据权利要求1所述的基于数据集成处理的零售方法,其特征在于:所述数据采集模块是通过线上和线下销售终端的人工数据采集和线上数据采集,进行数据共享和汇总。
4.根据权利要求3所述的基于数据集成处理的零售方法,其特征在于:在实体门店终端,销售专员为顾客办理会员账号,并将其购买和试穿的服饰二维码分别录入数据采集模块进行存储和汇总;在线上网店终端,会员顾客注册登录,数据采集模块自动将会员顾客购买和点击浏览的服饰进行数据采集。
5.根据权利要求1所述的基于数据集成处理的零售方法,其特征在于:所述数据处理模块是将每一位会员顾客购买或试穿的服饰数据进行集成分析,生成符合会员体貌特征的三维立体模型,并备注顾客消费偏好信息。
6.根据权利要求5所述的基于数据集成处理的零售方法,其特征在于:所述数据处理模块具体处理过程如下:
(1)根据购买服装的尺码进行生成三维模型,并根据不同款式衣服的不同尺码,用多维度的尺寸指标调整出合适的顾客三维模型,且缺失尺寸由顾客输入补充或者修改;
(2)将品牌服装分为上装类、裤装类、裙装类和套装类,根据每一位会员顾客的购物信息进行数据集成分析,筛选出同类商品中的最优推荐项;然后,应用模糊综合评判的方法对其进行模糊评判,按照各项指标进行权重分析,从而得出优选选项,优选选项即为优先推荐的服饰。
7.根据权利要求6所述的基于数据集成处理的零售方法,其特征在于:所述步骤(2)中模糊综合评判的方法的具体步骤为:
(1)确定因素集U:U={u1,u2,u3,u4,u5}为反映顾客消费偏好信息的主要指标,其中u1:服装尺码;u2:服装颜色;u3:服装款式;u4:设计风格;u5:服装价格;
(2)评判集V:V={v1,v2,v3}分别对应满意、一般、不满意;
(3)评价指标权重: A=(a,b,c,d,e),其中:a+b+c+d+e=1,服装尺码、服装颜色、服装款式、设计风格、服装价格的指标权重根据会员顾客的调查结果来给定,根据每位会员顾客给出的各项打分情况,汇总后形成各项权重系数;
(4)设定隶属度的给定标准:
a.服装尺码系数设定:
符合顾客的最优着装尺码时,顾客的满意系数为1,一般系数为0,不满意系数为0;
接近顾客的最优着装尺码时,顾客的满意系数为0.4,一般系数为0.5,不满意系数为0.1;
偏离顾客的最优着装尺码时,顾客的满意系数为0,一般系数为0,不满意系数为1;
b.服装颜色系数设定:
符合顾客的最优着装颜色时,顾客的满意系数为1,一般系数为0,不满意系数为0;
接近顾客的最优着装颜色时,顾客的满意系数为0.4,一般系数为0.5,不满意系数为0.1;
偏离顾客的最优着装颜色时,顾客的满意系数为0,一般系数为0,不满意系数为1;
c.服装款式系数设定:
符合顾客的最优着装款式时,顾客的满意系数为1,一般系数为0,不满意系数为0;
接近顾客的最优着装款式时,顾客的满意系数为0.4,一般系数为0.5,不满意系数为0.1;
偏离顾客的最优着装款式时,顾客的满意系数为0,一般系数为0,不满意系数为1;
d.设计风格系数设定:
符合顾客的最优设计风格时,顾客的满意系数为1,一般系数为0,不满意系数为0;
接近顾客的最优设计风格时,顾客的满意系数为0.4,一般系数为0.5,不满意系数为0.1;
偏离顾客的最优设计风格时,顾客的满意系数为0,一般系数为0,不满意系数为1;
e.服装价格系数设定:
符合顾客的购物价格区间时,顾客的满意系数为1,一般系数为0,不满意系数为0;
接近顾客的购物价格区间时,顾客的满意系数为0.4,一般系数为0.5,不满意系数为0.1;
偏离顾客的购物价格区间时,顾客的满意系数为0,一般系数为0,不满意系数为1;
其中,对于顾客的最优着装尺码的标是唯一的;服装颜色、服装款式和设计风格的最优标定可以有多项,不仅限一项;服装价格区间的设定仅设定最大值为价格峰值,不设定最小值;
根据顾客对选择服装进行设定隶属度,列出各服装各自的评价矩阵,求解并归一化,然后根据求解后,满意度系数的大小进行推荐排序,优先推荐满意系数较大的服装。
8.根据权利要求1所述的基于数据集成处理的零售方法,其特征在于:所述数据反馈模块是将数据处理模块中生成的会员三维立体模型和顾客消费偏好信息进行存储,并生成品牌服饰的推荐匹配,进行推送准备。
9.根据权利要求1所述的基于数据集成处理的零售方法,其特征在于:所述会员门户模块是当会员顾客进入实体门店或者线上网店登录时,从平台数据反馈模块中导出会员数据,生成会员顾客的三维立体模型并完成符合会员顾客消费偏好的信息推送。
10.根据权利要求9所述的基于数据集成处理的零售方法,其特征在于:在实体门店终端,销售专员根据会员门户模块推送的数据信息为会员顾客快速提供合理推荐,并可以在三维立体模型上将推荐服饰进行试穿展示,提升顾客的购物体验;在线上网店终端,会员顾客可以通过三维模型进行试穿,模拟出自身实际穿衣效果,并可根据网店的推送信息快速筛选心怡的服饰产品。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810235174.4A CN108492163A (zh) | 2018-03-21 | 2018-03-21 | 一种基于数据集成处理的零售方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810235174.4A CN108492163A (zh) | 2018-03-21 | 2018-03-21 | 一种基于数据集成处理的零售方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108492163A true CN108492163A (zh) | 2018-09-04 |
Family
ID=63318902
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810235174.4A Pending CN108492163A (zh) | 2018-03-21 | 2018-03-21 | 一种基于数据集成处理的零售方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108492163A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110866810A (zh) * | 2019-11-18 | 2020-03-06 | 圆通速递有限公司 | 一种智能零售系统 |
CN111951061A (zh) * | 2019-05-15 | 2020-11-17 | 上海壹墨图文设计制作有限公司 | 一种智能服装售卖机系统 |
CN111951425A (zh) * | 2020-08-24 | 2020-11-17 | 北京星天地信息科技有限公司 | 一种门址信息采集方法、装置及系统 |
WO2021012346A1 (zh) * | 2019-07-19 | 2021-01-28 | 齐鲁工业大学 | 一种基于高效用正负序列规则挖掘的中药销售系统及其工作方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104091269A (zh) * | 2014-06-30 | 2014-10-08 | 京东方科技集团股份有限公司 | 一种虚拟试衣方法及虚拟试衣系统 |
CN105787751A (zh) * | 2016-01-06 | 2016-07-20 | 湖南拓视觉信息技术有限公司 | 三维人体虚拟试衣方法和系统 |
CN106022898A (zh) * | 2016-06-22 | 2016-10-12 | 南京工程学院 | 具有虚拟试穿功能的服装交易方法及系统 |
CN107154974A (zh) * | 2017-05-08 | 2017-09-12 | 浙江敢尚网络科技有限公司 | 一种智能网络购物方法及系统 |
-
2018
- 2018-03-21 CN CN201810235174.4A patent/CN108492163A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104091269A (zh) * | 2014-06-30 | 2014-10-08 | 京东方科技集团股份有限公司 | 一种虚拟试衣方法及虚拟试衣系统 |
CN105787751A (zh) * | 2016-01-06 | 2016-07-20 | 湖南拓视觉信息技术有限公司 | 三维人体虚拟试衣方法和系统 |
CN106022898A (zh) * | 2016-06-22 | 2016-10-12 | 南京工程学院 | 具有虚拟试穿功能的服装交易方法及系统 |
CN107154974A (zh) * | 2017-05-08 | 2017-09-12 | 浙江敢尚网络科技有限公司 | 一种智能网络购物方法及系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111951061A (zh) * | 2019-05-15 | 2020-11-17 | 上海壹墨图文设计制作有限公司 | 一种智能服装售卖机系统 |
WO2021012346A1 (zh) * | 2019-07-19 | 2021-01-28 | 齐鲁工业大学 | 一种基于高效用正负序列规则挖掘的中药销售系统及其工作方法 |
CN110866810A (zh) * | 2019-11-18 | 2020-03-06 | 圆通速递有限公司 | 一种智能零售系统 |
CN111951425A (zh) * | 2020-08-24 | 2020-11-17 | 北京星天地信息科技有限公司 | 一种门址信息采集方法、装置及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108492163A (zh) | 一种基于数据集成处理的零售方法 | |
US7792706B2 (en) | Method and system of providing recommendations during online shopping | |
CN107862566A (zh) | 一种商品推荐方法和系统 | |
US20140330670A1 (en) | Enhancing revenue of a retailer by making a recommendation to a customer | |
KR101762875B1 (ko) | 큐레이션 서비스를 제공하는 의류 쇼핑 시스템 및 그 방법 | |
CN102667777A (zh) | 检索辅助系统、检索辅助方法以及检索辅助程序 | |
KR20120127326A (ko) | 인터넷을 이용한 전자상거래 상의 상품 가격 책정 시스템 | |
KR20130027801A (ko) | 스타일매칭용 사용자단말기, 스타일매칭용 사용자단말기를 이용한 스타일매칭시스템 및 그 방법 | |
Jang et al. | Components of apparel retailing web sites | |
CN106875227A (zh) | 一种基于ios和安卓的线下门店返利系统 | |
CN106327231A (zh) | 个性化商品匹配推荐系统及方法 | |
CN110084683A (zh) | 一种智能商业处理系统 | |
KR20200127520A (ko) | 기획 판매를 위한 컨텐츠를 자동적으로 구축하는 시스템 및 그 방법 | |
CN108681942A (zh) | 一种多样化服饰设计与定制系统及方法 | |
CN110046926A (zh) | 电商数据分析平台 | |
CN110069820A (zh) | 一种设计师用的服装设计系统 | |
CN107392622A (zh) | 一种全网零售商城系统软件 | |
CN110046957A (zh) | 一种顾客定制服装的下单系统 | |
WO2003069526A1 (fr) | Systeme de conseil dans le domaine de la mode | |
CN1873679A (zh) | 一种计算机网络服装超市选衣试衣系统 | |
CN101430782A (zh) | 实现服装终端店铺交互式销售辅助系统及其方法 | |
CN204695311U (zh) | 个性化商品推荐系统 | |
CN110119961A (zh) | 基于定位在商场内进行精准销售的商业方法、装置及场内电商平台 | |
CN107239981A (zh) | 一种全网移动分销电子商务系统及其使用方法 | |
CN107491994A (zh) | 一种基于评分的定价方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180904 |