CN108985865A - 智能门店的顾客数据分析方法和系统 - Google Patents

Abstract

本发明涉及智慧零售领域，涉及一种智能门店的顾客数据分析方法，包括：获取进店人数和客流人数并发送至云端，接收云端反馈的客流进店率，依据门店陈列参考指标生成陈列调整建议；获取门店的热力数据并发送至云端，依据云端反馈的热力图和商品销售排行数据生成陈列推荐建议；获取门店会员的试衣数据并发送至云端，依据云端反馈的试衣记录生成服装推荐款式。本发明还提出一种智能门店的顾客数据分析系统。本发明将线下零售与人流统计、热力图、试衣记录分析等新的技术手段结合，帮助企业分析衣服从看衣到试衣到购买的转移率问题，帮助企业设场及陈列调整，也为企业下一步设计及生产提供依据。

Description

智能门店的顾客数据分析方法和系统

技术领域

本发明涉及智慧零售领域，特别涉及一种智能门店的顾客数据分析方法和系统。

背景技术

在零售行业运营中三个事情很重要——人、货、场。和电商行业不同，在线下零售的时候，传统的销售模式中门店和消费者之间的互动，交易结束以后不再进行二次运营。

现在零售行业中线下门店的痛点主要有三个：

1.有门店缺客流。我们发现有大量的门店周一到周五没有客户上门，导购在那里很空闲。

2.有客流无转化。有些门店选址位置不错，客户会来看，但是看了以后不买单，通过互联网的方式进行消费。

3.有会员难互动。大量品牌商家曾经在线下积累了几百万的会员，但是这些会员大部分都已经沉默，没有发生复购。

综上所述，急需一种结合当前技术发展的有效解决方案，来激活和运营这些会员，为商家带来价值。

发明内容

本发明的实施方式旨在至少解决现有技术中存在的技术问题之一。为此，本发明的实施方式需要提供一种智能门店的顾客数据分析方法和系统。

本发明实施方式的一种智能门店的顾客数据分析方法，其特征在于，包括：

步骤1，获取进店人数和客流人数并发送至云端，接收云端反馈的客流进店率，依据门店陈列参考指标生成陈列调整建议；其中，门店陈列参考指标包括客流进店率；

步骤2，获取门店的热力数据并发送至云端，依据云端反馈的热力图和商品销售排行数据生成陈列推荐建议；

步骤3，获取门店会员的试衣数据并发送至云端，依据云端反馈的试衣记录生成服装推荐款式。

一种实施方式中，步骤1包括：

步骤11，通过人形轮廓识别和视频跟踪技术获取进店人数和客流人数；

步骤12，将进店人数、客流人数、门店信息、数据采集时间发送至云端；

步骤13，接收云端依据门店信息和数据采集时间反馈的客流进店率；其中，客流进店率＝进店人数/客流人数；

步骤14，依据门店陈列参考指标生成陈列调整建议；其中，门店陈列参考指标包括客流进店率、客流进店率环比/同比、门店天气、门店周边活动和节日中的一种或多种。

一种实施方式中，步骤2包括：

步骤21，通过人形轮廓识别和视频跟踪技术获取门店的热力数据；

步骤22，将热力数据发送至云端；

步骤23，接收云端反馈的热力图；

步骤24，依据热力图和商品销售排行数据生成陈列推荐建议；其中，商品销售排行数据包括商品新品排行、商品销售排行、商品库存排行；

陈列推荐建议包括：

将商品销售排行数据排行高的商品陈列在热力图的热区，商品销售排行数据排行低的商品陈列在热力图的冷区；

或

将商品销售排行数据排行高的商品陈列在热力图的冷区，商品销售排行数据排行低的商品陈列在热力图的热区。

一种实施方式中，步骤3包括：

步骤31，在门店会员通过试衣间通道时，对门店会员进行试衣数据采集；其中，试衣数据包括：门店会员的人脸信息和门店会员携带的用于试穿的衣服的RFID标签；

步骤32，将采集的试衣数据发送至云端；

步骤33，接收云端根据人脸信息将门店会员和试穿的衣服的映射关系形成的该门店会员的试衣记录；

步骤34，根据试衣记录，推荐试穿的衣服的折扣和/或试穿的衣服的配搭款。

一种实施方式中，步骤3还包括：

步骤35，接收云端根据试衣记录反馈的门店会员的穿衣喜好。

本发明还提出一种智能门店的顾客数据分析系统，其特征在于，包括：

人流统计模块，用于获取进店人数和客流人数并发送至云端，接收云端反馈的客流进店率，依据门店陈列参考指标生成陈列调整建议；其中，门店陈列参考指标包括客流进店率；

热力模块，用于获取门店的热力数据并发送至云端，依据云端反馈的热力图和商品销售排行数据生成陈列推荐建议；

试衣模块，用于获取门店会员的试衣数据并发送至云端，依据云端反馈的试衣记录生成服装推荐款式。

一种实施方式中，人流统计模块包括：

第一识别跟踪单元，用于通过人形轮廓识别和视频跟踪技术获取进店人数和客流人数；

第一发送单元，用于将进店人数、客流人数、门店信息、数据采集时间发送至云端；

第一接收单元，用于接收云端依据门店信息和数据采集时间反馈的客流进店率；其中，客流进店率＝进店人数/客流人数；

第一生成单元，用于依据门店陈列参考指标生成陈列调整建议；其中，门店陈列参考指标包括客流进店率、客流进店率环比/同比、门店天气、门店周边活动和节日中的一种或多种。

一种实施方式中，热力模块包括：

第二识别跟踪单元，用于通过人形轮廓识别和视频跟踪技术获取门店的热力数据；

第二发送单元，用于将热力数据发送至云端；

第二接收单元，用于接收云端反馈的热力图；

第二生成单元，用于依据热力图和商品销售排行数据生成陈列推荐建议；其中，商品销售排行数据包括商品新品排行、商品销售排行、商品库存排行；

陈列推荐建议包括：

将商品销售排行数据排行高的商品陈列在热力图的热区，商品销售排行数据排行低的商品陈列在热力图的冷区；

或

将商品销售排行数据排行高的商品陈列在热力图的冷区，商品销售排行数据排行低的商品陈列在热力图的热区。

一种实施方式中，试衣模块包括：

采集单元，用于在门店会员通过试衣间通道时，对门店会员进行试衣数据采集并发送至云端；其中，试衣数据包括：门店会员的人脸信息和门店会员携带的用于试穿的衣服的RFID标签；

第三发送单元，用于将采集的试衣数据发送至云端；

第三接收单元，用于接收云端根据人脸信息将门店会员和试穿的衣服的映射关系形成的该门店会员的试衣记录；

推荐单元，用于根据试衣记录，推荐试穿的衣服的折扣和/或试穿的衣服的配搭款。

一种实施方式中，试衣模块还包括：

个性化单元，用于接收云端根据试衣记录反馈的门店会员的穿衣喜好。

本发明实施方式的智能门店的顾客数据分析方法和系统，通过人流统计生成陈列调整建议，通过热力图生成陈列推荐建议，通过会员试衣记录生成服装推荐款式，使得线下零售结合新的技术手段，帮助企业分析衣服从看衣到试衣到购买的转移率问题，帮助企业设场及陈列调整，也为企业下一步设计及生产提供依据。

本发明的附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的实施方式的上述和/或附加的方面和优点从结合下面附图对实施方式的描述中将变得明显和容易理解，其中：

图1是本发明实施方式的智能门店的顾客数据分析方法的流程示意图；

图2是本发明实施方式的智能门店的顾客数据分析方法中人流统计反馈的流程示意图；

图3是本发明实施方式的智能门店的顾客数据分析方法中热力反馈的流程示意图；

图4是本发明实施方式的智能门店的顾客数据分析方法中试衣反馈的流程示意图；

图5是本发明实施方式的智能门店的顾客数据分析系统的组成示意图；

图6是本发明实施方式的智能门店的顾客数据分析系统中人流统计模块的组成示意图；

图7是本发明实施方式的智能门店的顾客数据分析系统中热力模块的组成示意图；

图8是本发明实施方式的智能门店的顾客数据分析系统中试衣模块的组成示意图。

具体实施方式

下面详细描述本发明的实施方式，实施方式的示例在附图中示出，其中相同或类似的标号自始至终表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅可用于解释本发明的实施方式，而不能理解为对本发明的实施方式的限制。

实施例1

请参阅图1至图4，本发明实施方式的智能门店的顾客数据分析方法，包括：

步骤1，获取进店人数和客流人数并发送至云端，接收云端反馈的客流进店率，依据门店陈列参考指标生成陈列调整建议。

步骤2，获取门店的热力数据并发送至云端，依据云端反馈的热力图和商品销售排行数据生成陈列推荐建议。

步骤3，获取门店会员的试衣数据并发送至云端，依据云端反馈的试衣记录生成服装推荐款式。

在步骤1中，可以在零售门店的门口顶部和门口外部部署相应的终端设备，例如一些用于采集的摄像头等，然后通过这些终端设备采集进店人数和客流人数(即路过门店的人数)，再将采集结果发送至云端，根据接收的云端反馈以及其他门店陈列参考指标生成陈列调整建议，来改善零售店面营收效果。

具体地，步骤1包括：

步骤11，通过人形轮廓识别和视频跟踪技术获取进店人数和客流人数。人形轮廓识别，又称人形识别(Human shape recognition,简称HSR)技术是指利用人体成像的一定特征,通过对图形图像的处理,最终在成像空间中发现识别和定位人形目标的技术。人形轮廓识别是计算机视觉,模式识别,图像处理技术和形态学技术的融合,是智能安防(SS)系统的重要研究课题,可以被广泛的应用到智能监控、智能交通、目标循迹、目标跟踪等领域。人形识别的实现过程可以分为目标检测、边界提取、人形目标匹配和人形目标识别等过程。本方案可以采用各种人形轮廓识别技术，在此不做限定。

视频跟踪是通过对摄像头捕捉到的图像序列进行分析，计算出运动目标在每一帧图像中的二维坐标位置；然后，根据运动目标相关的特征值，将图像序列中连续帧间的同一运动目标关联起来，得到每帧图像中目标的运动参数以及相邻帧图像间运动目标的对应关系，从而得到各个运动目标完整的运动轨迹，即在连续的视频序列中建立运动目标的对应关系。通常视频跟踪算法包括质心跟踪算法(Centroid)、多目标跟踪算法(MTT)、相关跟踪算法(Correlation)、边缘跟踪算法(Edge)、相位相关跟踪算法(Phase Correlation)，场景锁定算法(SceneLock)和组合(Combined)跟踪算法，本方案可以采用各种视频跟踪技术，在此不做限定。

通过人形轮廓识别和视频跟踪技术，可以获取精准的进店人数和客流人数。

步骤12，将进店人数、客流人数、门店信息、数据采集时间发送至云端。具体地，数据采集时间可以使用小时作为维度，也可以采用其他维度，在此不做限定。

步骤13，接收云端依据门店信息和数据采集时间反馈的客流进店率；其中，客流进店率＝进店人数/客流人数。如某天的进店人数为1000人，客流人数为5000人，则进店率为1000/5000＝20％。

步骤14，依据门店陈列参考指标生成陈列调整建议；其中，门店陈列参考指标包括客流进店率、客流进店率环比/同比、门店天气、门店周边活动和节日中的一种或多种。门店天气可以是晴天、阴天、雨天或者高温、突然降温等多种情况，根据不同天气下的客流进店率形成相应联系，例如突然降温情况下服装零售店的产品陈列可以是长袖等有保暖作用的衣物摆放在店面中心位置或者店面的入口位置，让顾客形成购物冲动；门店周边活动可以是有明星来访、小型市集等，例如明星来访情况下服装零售店的产品陈列可以是比较有个性的服装单品摆放在店面中心位置或者店面的入口位置，让顾客形成购物冲动；节日可以包括春节、国庆等，例如传统春节服装店的产品陈列可以是中国红配色的的服装单品摆放在店面中心位置或者店面的入口位置，让顾客形成购物冲动。

在步骤2中，可以预先在每一个门店中心部署专用摄像头，专用摄像头使用步骤1中的人形轮廓识别和视频跟踪技术，采集热力数据并依据云端反馈的热力图结合商品排行信息输出推荐排列。

具体地，步骤2包括：

步骤21，通过人形轮廓识别和视频跟踪技术获取门店的热力数据。

步骤22，将热力数据发送至云端。

步骤23，接收云端反馈的热力图。

步骤24，依据热力图和商品销售排行数据生成陈列推荐建议；其中，商品销售排行数据包括商品新品排行、商品销售排行、商品库存排行。

陈列推荐建议包括：

将商品销售排行数据排行高的商品陈列在热力图的热区，商品销售排行数据排行低的商品陈列在热力图的冷区；

或

将商品销售排行数据排行高的商品陈列在热力图的冷区，商品销售排行数据排行低的商品陈列在热力图的热区。

热力图统计方式，是通过在店铺内安装具有人脸识别功能的专用摄像头，通过人形轮廓识别和视频跟踪技术对顾客进行识别记录，统计各个位置顾客停留人数，最后生成热力图。由于人脸识别还可判断顾客的性别和年龄，所以有些功能强大的热力图还能看出各个区域的顾客画像。例如已经有公司推出的客流统计设备LinkShop，通过安装在门店的摄像头获取热力数据，最终分析呈现在LinkShop App上，便于用户查看。

在形成热力图之后，可以依据热力图和商品销售排行数据生成陈列推荐建议。例如将商品销售排行数据排行高的商品陈列在热力图的热区，商品销售排行数据排行低的商品陈列在热力图的冷区，即将销售排行数据排行低的商品放在冷区，将商品爆款放在热区，可以保证爆款的曝光度，推升门店销售爆款的销售情况。

或者，将商品销售排行数据排行高的商品陈列在热力图的冷区，商品销售排行数据排行低的商品陈列在热力图的热区，通过此方式提升非爆款商品的曝光度，改善非爆款商品的销售情况。

在步骤3中，可以预先在试衣间过道部署RFID读取设备及摄像头。RFID读取设备可以用来读取RFID标签，摄像头可以通过人脸识别方式进行门店会员的识别。

具体地，步骤3包括：

步骤31，在门店会员通过试衣间通道时，对门店会员进行试衣数据采集；其中，试衣数据包括：门店会员的人脸信息和门店会员携带的用于试穿的衣服的RFID标签。即门店会员通过试衣间通道时，摄像头可以通过人脸识别方式或者人脸捕捉的方式完成门店会员的识别，RFID读取设备可以读取门店会员携带的用于试穿的衣服的RFID标签，来了解衣服的数量、价位、款式等信息。

步骤32，将采集的试衣数据发送至云端。

步骤33，接收云端根据人脸信息将门店会员和试穿的衣服的映射关系形成的该门店会员的试衣记录。即门店会员试穿几件衣服、什么款式、什么价位的衣服都可以存档在门店会员账户上，形成与该门店会员账户的映射关系。

步骤34，根据试衣记录，推荐试穿的衣服的折扣和/或试穿的衣服的配搭款。例如门店会员试了A款，则可以推荐A款的折扣券给该门店会员，或者推荐A款的配搭款B给该门店会员。

进一步地，步骤3还包括：

步骤35，接收云端根据试衣记录反馈的门店会员的穿衣喜好。即通过门店会员试穿的衣服的RFID标签，可以获得该门店会员的穿衣喜好，是喜好休闲款式、运动款式还是正装款式，是喜好欧美风格还是日韩风格，以此可以形成该门店会员的个性化穿衣信息，方便后续折扣广告精准营销或者近似推荐，来提升门店会员的复购率。

本发明实施方式的智能门店的顾客数据分析方法，通过人流统计生成陈列调整建议，通过热力图生成陈列推荐建议，通过会员试衣记录生成服装推荐款式，使得线下零售结合新的技术手段，帮助企业分析衣服从看衣到试衣到购买的转移率问题，帮助企业设场及陈列调整，也为企业下一步设计及生产提供依据。

实施例2

如图5至图8所示，本实施方式的智能门店的顾客数据分析系统，包括：人流统计模块、热力模块和试衣模块。其中各个模块介绍如下：

人流统计模块，用于获取进店人数和客流人数并发送至云端，接收云端反馈的客流进店率，依据门店陈列参考指标生成陈列调整建议；其中，门店陈列参考指标包括客流进店率。

热力模块，用于获取门店的热力数据并发送至云端，依据云端反馈的热力图和商品销售排行数据生成陈列推荐建议。

试衣模块，用于获取门店会员的试衣数据并发送至云端，依据云端反馈的试衣记录生成服装推荐款式。

即可以在零售门店的门口顶部和门口外部部署相应的终端设备，例如一些用于采集的摄像头等，然后人流统计模块通过这些终端设备采集进店人数和客流人数(即路过门店的人数)，再将采集结果发送至云端，根据接收的云端反馈以及其他门店陈列参考指标生成陈列调整建议，来改善零售店面营收效果。

具体地，人流统计模块包括：

第一识别跟踪单元，用于通过人形轮廓识别和视频跟踪技术获取进店人数和客流人数。

人形轮廓识别，又称人形识别(Human shape recognition,简称HSR)技术是指利用人体成像的一定特征,通过对图形图像的处理,最终在成像空间中发现识别和定位人形目标的技术。人形轮廓识别是计算机视觉,模式识别,图像处理技术和形态学技术的融合,是智能安防(SS)系统的重要研究课题,可以被广泛的应用到智能监控、智能交通、目标循迹、目标跟踪等领域。人形识别的实现过程可以分为目标检测、边界提取、人形目标匹配和人形目标识别等过程。本方案可以采用各种人形轮廓识别技术，在此不做限定。

视频跟踪是通过对摄像头捕捉到的图像序列进行分析，计算出运动目标在每一帧图像中的二维坐标位置；然后，根据运动目标相关的特征值，将图像序列中连续帧间的同一运动目标关联起来，得到每帧图像中目标的运动参数以及相邻帧图像间运动目标的对应关系，从而得到各个运动目标完整的运动轨迹，即在连续的视频序列中建立运动目标的对应关系。通常视频跟踪算法包括质心跟踪算法(Centroid)、多目标跟踪算法(MTT)、相关跟踪算法(Correlation)、边缘跟踪算法(Edge)、相位相关跟踪算法(Phase Correlation)，场景锁定算法(SceneLock)和组合(Combined)跟踪算法，本方案可以采用各种视频跟踪技术，在此不做限定。

第一识别跟踪单元通过人形轮廓识别和视频跟踪技术，可以获取精准的进店人数和客流人数。

第一发送单元，用于将进店人数、客流人数、门店信息、数据采集时间发送至云端。具体地，数据采集时间可以使用小时作为维度，也可以采用其他维度，在此不做限定。

第一接收单元，用于接收云端依据门店信息和数据采集时间反馈的客流进店率；其中，客流进店率＝进店人数/客流人数。如某天的进店人数为1000人，客流人数为5000人，则进店率为1000/5000＝20％。

第一生成单元，用于依据门店陈列参考指标生成陈列调整建议；其中，门店陈列参考指标包括客流进店率、客流进店率环比/同比、门店天气、门店周边活动和节日中的一种或多种。门店天气可以是晴天、阴天、雨天或者高温、突然降温等多种情况，根据不同天气下的客流进店率形成相应联系，例如突然降温情况下服装零售店的产品陈列可以是长袖等有保暖作用的衣物摆放在店面中心位置或者店面的入口位置，让顾客形成购物冲动；门店周边活动可以是有明星来访、小型市集等，例如明星来访情况下服装零售店的产品陈列可以是比较有个性的服装单品摆放在店面中心位置或者店面的入口位置，让顾客形成购物冲动；节日可以包括春节、国庆等，例如传统春节服装店的产品陈列可以是中国红配色的的服装单品摆放在店面中心位置或者店面的入口位置，让顾客形成购物冲动。

可以预先在每一个门店中心部署专用摄像头，专用摄像头使用步骤1中的人形轮廓识别和视频跟踪技术，热力模块则可以通过专用摄像头采集热力数据并依据云端反馈的热力图结合商品排行信息输出推荐排列。

具体地，热力模块包括：

第二识别跟踪单元，用于通过人形轮廓识别和视频跟踪技术获取门店的热力数据。

第二发送单元，用于将热力数据发送至云端。

第二接收单元，用于接收云端反馈的热力图。

第二生成单元，用于依据热力图和商品销售排行数据生成陈列推荐建议；其中，商品销售排行数据包括商品新品排行、商品销售排行、商品库存排行。

陈列推荐建议包括：

将商品销售排行数据排行高的商品陈列在热力图的热区，商品销售排行数据排行低的商品陈列在热力图的冷区；

或

将商品销售排行数据排行高的商品陈列在热力图的冷区，商品销售排行数据排行低的商品陈列在热力图的热区。

热力图统计方式，是通过在店铺内安装具有人脸识别功能的专用摄像头，通过人形轮廓识别和视频跟踪技术对顾客进行识别记录，统计各个位置顾客停留人数，最后生成热力图。由于人脸识别还可判断顾客的性别和年龄，所以有些功能强大的热力图还能看出各个区域的顾客画像。例如已经有公司推出的客流统计设备LinkShop，通过安装在门店的摄像头获取热力数据，最终分析呈现在LinkShop App上，便于用户查看。

在形成热力图之后，第二生成单元可以依据热力图和商品销售排行数据生成陈列推荐建议。例如将商品销售排行数据排行高的商品陈列在热力图的热区，商品销售排行数据排行低的商品陈列在热力图的冷区，即将销售排行数据排行低的商品放在冷区，将商品爆款放在热区，可以保证爆款的曝光度，推升门店销售爆款的销售情况。

或者，第二生成单元生成的陈列推荐建议可以是将商品销售排行数据排行高的商品陈列在热力图的冷区，商品销售排行数据排行低的商品陈列在热力图的热区，通过此方式提升非爆款商品的曝光度，改善非爆款商品的销售情况。

试衣模块的一种实施方式可以是包括RFID读取设备和摄像头，即预先在试衣间过道部署RFID读取设备及摄像头。RFID读取设备可以用来读取RFID标签，摄像头可以通过人脸识别方式进行门店会员的识别。

具体地，试衣模块包括：

采集单元，用于在门店会员通过试衣间通道时，对门店会员进行试衣数据采集并发送至云端；其中，试衣数据包括：门店会员的人脸信息和门店会员携带的用于试穿的衣服的RFID标签。即门店会员通过试衣间通道时，采集单元通过摄像头可以通过人脸识别方式或者人脸捕捉的方式完成门店会员的识别，采集单元通过RFID读取设备可以读取门店会员携带的用于试穿的衣服的RFID标签，来了解衣服的数量、价位、款式等信息。

第三发送单元，用于将采集的试衣数据发送至云端。

第三接收单元，用于接收云端根据人脸信息将门店会员和试穿的衣服的映射关系形成的该门店会员的试衣记录。即门店会员试穿几件衣服、什么款式、什么价位的衣服都可以存档在门店会员账户上，形成与该门店会员账户的映射关系。

推荐单元，用于根据试衣记录，推荐试穿的衣服的折扣和/或试穿的衣服的配搭款。例如门店会员试了A款，则推荐单元可以推荐A款的折扣券给该门店会员，或者推荐单元推荐A款的配搭款B给该门店会员。

进一步地，试衣模块还包括：

个性化单元，用于接收云端根据试衣记录反馈的门店会员的穿衣喜好。即通过门店会员试穿的衣服的RFID标签，个性化单元可以获得该门店会员的穿衣喜好，是喜好休闲款式、运动款式还是正装款式，是喜好欧美风格还是日韩风格，以此可以形成该门店会员的个性化穿衣信息，方便后续折扣广告精准营销或者近似推荐，来提升门店会员的复购率。

本发明实施方式的智能门店的顾客数据分析系统，通过人流统计生成陈列调整建议，通过热力图生成陈列推荐建议，通过会员试衣记录生成服装推荐款式，使得线下零售结合新的技术手段，帮助企业分析衣服从看衣到试衣到购买的转移率问题，帮助企业设场及陈列调整，也为企业下一步设计及生产提供依据。

在本说明书的描述中，参考术语“一个实施方式”、“一些实施方式”、“示意性实施方式”、“示例”、“具体示例”或“一些示例”等的描述意指结合所述实施方式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方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理模块的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的实施方式的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明的各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。

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 (10)

1.一种智能门店的顾客数据分析方法，其特征在于，包括：

步骤1，获取进店人数和客流人数并发送至云端，接收云端反馈的客流进店率，依据门店陈列参考指标生成陈列调整建议；其中，门店陈列参考指标包括客流进店率；

步骤2，获取门店的热力数据并发送至云端，依据云端反馈的热力图和商品销售排行数据生成陈列推荐建议；

步骤3，获取门店会员的试衣数据并发送至云端，依据云端反馈的试衣记录生成服装推荐款式。

2.如权利要求1所述智能门店的顾客数据分析方法，其特征在于，步骤1包括：

步骤11，通过人形轮廓识别和视频跟踪技术获取进店人数和客流人数；

步骤12，将进店人数、客流人数、门店信息、数据采集时间发送至云端；

步骤13，接收云端依据门店信息和数据采集时间反馈的客流进店率；其中，客流进店率＝进店人数/客流人数；

步骤14，依据门店陈列参考指标生成陈列调整建议；其中，门店陈列参考指标包括客流进店率、客流进店率环比/同比、门店天气、门店周边活动和节日中的一种或多种。

3.如权利要求1所述智能门店的顾客数据分析方法，其特征在于，步骤2包括：

步骤21，通过人形轮廓识别和视频跟踪技术获取门店的热力数据；

步骤22，将热力数据发送至云端；

步骤23，接收云端反馈的热力图；

步骤24，依据热力图和商品销售排行数据生成陈列推荐建议；其中，商品销售排行数据包括商品新品排行、商品销售排行、商品库存排行；

陈列推荐建议包括：

将商品销售排行数据排行高的商品陈列在热力图的热区，商品销售排行数据排行低的商品陈列在热力图的冷区；

或

将商品销售排行数据排行高的商品陈列在热力图的冷区，商品销售排行数据排行低的商品陈列在热力图的热区。

4.如权利要求1所述智能门店的顾客数据分析方法，其特征在于，步骤3包括：

步骤31，在门店会员通过试衣间通道时，对门店会员进行试衣数据采集；其中，试衣数据包括：门店会员的人脸信息和门店会员携带的用于试穿的衣服的RFID标签；

步骤32，将采集的试衣数据发送至云端；

步骤33，接收云端根据人脸信息将门店会员和试穿的衣服的映射关系形成的该门店会员的试衣记录；

步骤34，根据试衣记录，推荐试穿的衣服的折扣和/或试穿的衣服的配搭款。

5.如权利要求4所述智能门店的顾客数据分析方法，其特征在于，步骤3还包括：

步骤35，接收云端根据试衣记录反馈的门店会员的穿衣喜好。

6.一种智能门店的顾客数据分析系统，其特征在于，包括：

人流统计模块，用于获取进店人数和客流人数并发送至云端，接收云端反馈的客流进店率，依据门店陈列参考指标生成陈列调整建议；其中，门店陈列参考指标包括客流进店率；

热力模块，用于获取门店的热力数据并发送至云端，依据云端反馈的热力图和商品销售排行数据生成陈列推荐建议；

试衣模块，用于获取门店会员的试衣数据并发送至云端，依据云端反馈的试衣记录生成服装推荐款式。

7.如权利要求6所述智能门店的顾客数据分析系统，其特征在于，人流统计模块包括：

第一识别跟踪单元，用于通过人形轮廓识别和视频跟踪技术获取进店人数和客流人数；

第一发送单元，用于将进店人数、客流人数、门店信息、数据采集时间发送至云端；

第一接收单元，用于接收云端依据门店信息和数据采集时间反馈的客流进店率；其中，客流进店率＝进店人数/客流人数；

第一生成单元，用于依据门店陈列参考指标生成陈列调整建议；其中，门店陈列参考指标包括客流进店率、客流进店率环比/同比、门店天气、门店周边活动和节日中的一种或多种。

8.如权利要求6所述智能门店的顾客数据分析系统，其特征在于，热力模块包括：

第二识别跟踪单元，用于通过人形轮廓识别和视频跟踪技术获取门店的热力数据；

第二发送单元，用于将热力数据发送至云端；

第二接收单元，用于接收云端反馈的热力图；

第二生成单元，用于依据热力图和商品销售排行数据生成陈列推荐建议；其中，商品销售排行数据包括商品新品排行、商品销售排行、商品库存排行；

陈列推荐建议包括：

将商品销售排行数据排行高的商品陈列在热力图的热区，商品销售排行数据排行低的商品陈列在热力图的冷区；

或

将商品销售排行数据排行高的商品陈列在热力图的冷区，商品销售排行数据排行低的商品陈列在热力图的热区。

9.如权利要求6所述智能门店的顾客数据分析系统，其特征在于，试衣模块包括：

采集单元，用于在门店会员通过试衣间通道时，对门店会员进行试衣数据采集并发送至云端；其中，试衣数据包括：门店会员的人脸信息和门店会员携带的用于试穿的衣服的RFID标签；

第三发送单元，用于将采集的试衣数据发送至云端；

第三接收单元，用于接收云端根据人脸信息将门店会员和试穿的衣服的映射关系形成的该门店会员的试衣记录；

推荐单元，用于根据试衣记录，推荐试穿的衣服的折扣和/或试穿的衣服的配搭款。

10.如权利要求9所述智能门店的顾客数据分析系统，其特征在于，试衣模块还包括：

个性化单元，用于接收云端根据试衣记录反馈的门店会员的穿衣喜好。