CN109685610A - 产品推送方法、装置、计算机设备和存储介质 - Google Patents
产品推送方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109685610A CN109685610A CN201811536884.7A CN201811536884A CN109685610A CN 109685610 A CN109685610 A CN 109685610A CN 201811536884 A CN201811536884 A CN 201811536884A CN 109685610 A CN109685610 A CN 109685610A
- Authority
- CN
- China
- Prior art keywords
- user
- product
- intelligent glasses
- product information
- sent
- 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 44
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 239000011521 glass Substances 0.000 claims abstract description 120
- 230000014509 gene expression Effects 0.000 claims description 45
- 238000004590 computer program Methods 0.000 claims description 27
- 230000033001 locomotion Effects 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 10
- 238000013507 mapping Methods 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 abstract 1
- 239000000047 product Substances 0.000 description 240
- 230000006854 communication Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 239000013589 supplement Substances 0.000 description 4
- 241001269238 Data Species 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000001502 supplementing effect Effects 0.000 description 3
- 235000011464 Pachycereus pringlei Nutrition 0.000 description 2
- 240000006939 Pachycereus weberi Species 0.000 description 2
- 235000011466 Pachycereus weberi Nutrition 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000153 supplemental effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/174—Facial expression recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及大数据分析领域，特别涉及一种产品推送方法、装置、计算机设备和存储介质。所述方法包括：接收智能眼镜发送的目标用户的人脸照片；获取智能眼镜的定位信息，并获取与定位信息对应的用户资料库；提取人脸照片中包含的人脸特征，检测用户资料库中是否存在人脸特征对应的用户记录；当存在人脸照片对应的用户记录时，获取用户记录；根据用户记录获取对应的第一产品信息，并将第一产品信息发送至智能眼镜。采用本方法能够根据用户资料库中的历史用户的交易记录为目标用户选择可能符合其偏好的产品，能够根据目标用户的个人情况为目标用户准确地推荐产品。
Description
技术领域
本申请涉及计算机技术领域，特别是涉及一种产品推送方法、装置、计算机设备和存储介质。
背景技术
近年来，随之社会的发展，人们的消费水平也逐渐提高，越来越多的消费者会选择借贷类或者投资类的金融产品，银行等金融机构也为此开发了越来越多的金融产品供消费者选择。
对于银行等金融机构的业务人员在为消费者推荐产品时，由于接待用户过多，无法记住所有的用户，无法根据用户的个人情况为用户准确地推荐产品。
发明内容
基于此，有必要针对上述技术问题，提供一种根据用户的个人情况为用户准确地推荐产品的产品推送方法、装置、计算机设备和存储介质。
一种产品推送方法，所述方法包括：
接收智能眼镜发送的目标用户的人脸照片；
获取所述智能眼镜的定位信息，并获取与所述定位信息对应的用户资料库；
提取所述人脸照片中包含的人脸特征，检测所述用户资料库中是否存在所述人脸特征对应的用户记录；
当存在所述人脸照片对应的用户记录时，获取所述用户记录；
根据所述用户记录获取对应的第一产品信息，并将所述第一产品信息发送至所述智能眼镜。
在其中一个实施例中，所述检测所述用户资料库中是否存在所述人脸特征对应的用户记录之后，还包括：
当不存在所述人脸照片对应的用户记录时，将所述人脸特征输入训练好的产品推荐模型中得到对所述人脸特征对应的用户推荐的第二产品信息，所述产品推荐模型是对历史用户记录进行分析得到的历史人脸特征与所述历史人脸特征对应的历史用户所倾向的产品信息之间的映射关系的模型；
将所述第二产品信息发送至所述智能眼镜。
在其中一个实施例中，所述将所述第二产品信息发送至所述智能眼镜之后，还包括：
获取所述智能眼镜发送的所述目标用户对所述第二产品信息的第一购买结果；
根据所述第一购买结果纠正所述产品推荐模型。
在其中一个实施例中，所述将所述人脸特征输入训练好的产品推荐模型中得到对所述人脸特征对应的用户推荐的第二产品信息之后，还包括：
根据所述人脸特征计算用户微表情，并获取所述微表情对应的感兴趣程度，当所述感兴趣程度大于预设值时，生成提示消息；
向所述智能眼镜发送所述提示消息。
在其中一个实施例中，所述将所述第一产品信息发送至所述智能眼镜之后，还包括：
获取所述智能眼镜发送的与所述第一产品信息对应的第二购买结果；
根据所述第二购买结果补充所述用户资料库。
在其中一个实施例中，所述接收智能眼镜发送的目标用户的人脸照片之后，还包括：
接收所述智能眼镜发送的所述目标用户在封闭区域内的运动轨迹；
根据所述运动轨迹在所述封闭区域内对应的产品分布情况，获取第三产品信息，并将所述第三产品信息发送至所述智能眼镜。
一种产品推送装置，所述装置包括：
照片接收模块，用于接收智能眼镜发送的目标用户的人脸照片；
资料库锁定模块，用于获取所述智能眼镜的定位信息，并获取与所述定位信息对应的用户资料库；
记录检测模块，用于提取所述人脸照片中包含的人脸特征，检测所述用户资料库中是否存在所述人脸特征对应的用户记录；
记录获取模块，用于当存在所述人脸照片对应的用户记录时，获取所述用户记录；
第一产品获取模块，用于根据所述用户记录获取对应的第一产品信息，并将所述第一产品信息发送至所述智能眼镜。
在其中一个实施例中，所述装置还包括：
第二产品获取模块，用于当不存在所述人脸照片对应的用户记录时，将所述人脸特征输入训练好的产品推荐模型中得到对所述人脸特征对应的用户推荐的第二产品信息，所述产品推荐模型是对历史用户记录进行分析得到的历史人脸特征与所述历史人脸特征对应的历史用户所倾向的产品信息之间的映射关系的模型；
产品发送模块，拥有将所述第二产品信息发送至所述智能眼镜。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
上述产品推送方法、装置、计算机设备和存储介质，通过业务人员佩戴的智能眼镜采集目标用户的人脸照片，并将人脸照片发送至服务器，服务器识别提取此人脸照片中的人脸特征，检测包含历史用户交易记录的用户资料库中是否存在此人脸特征对应的用户记录，若存在，则根据用户记录选择此目标用户偏好的产品作为第一产品信息，将第一产品信息发送至智能眼镜，使得业务人员根据此第一产品向目标用户推荐。上述产品推送方法，通过目标用户的人脸照片在用户资料库中找到对应的用户记录，且根据用户资料库中的历史用户的交易记录为目标用户选择可能符合其偏好的产品，能够根据目标用户的个人情况为目标用户准确地推荐产品。
附图说明
图1为一个实施例中产品推送方法的应用场景图；
图2为一个实施例中产品推送方法的流程示意图；
图3为一个实施例中产品推送装置的结构框图；
图4为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的产品推送方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104通过网络进行通信。业务人员通过终端102采集目标用户的人脸照片，并将人脸照片发送至服务器104，服务器104识别提取此人脸照片中的人脸特征，检测包含历史用户交易记录的用户资料库中是否存在此人脸特征对应的用户记录，若存在，则根据用户记录选择此目标用户偏好的产品作为第一产品信息，将第一产品信息发送至终端102，使得业务人员根据此第一产品向目标用户推荐。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备等可以采集目标用户照片的设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种产品推送方法，以该方法应用于图1中的服务器104为例进行说明，包括以下步骤：
S202，接收智能眼镜发送的目标用户的人脸照片。
其中，智能眼镜是一个用于采集目标用户的照片或者视频的装置，其上有按钮可以让业务人员决定采集的目标用户，业务人员按动按钮时，智能眼镜采集视野范围内的照片或者视频，并将采集到的照片或者视频发送给服务器。
具体地，业务人员佩戴有营销眼镜，此处的营销眼镜即为图1中的终端102，目标用户是业务人员想要了解的对象，业务人员按动智能眼镜上的按钮，智能眼镜采集视野范围内的照片或者视频，并将采集到的照片或者视频发送给服务器，这些照片和视频中应该包含此目标用户的人脸照片，用于识别此目标用户的身份或者人脸信息，服务器接收到营销眼镜发送的照片或者视频应从中挑选出目标用户的人脸照片。
S204，获取智能眼镜的定位信息，并获取与定位信息对应的用户资料库。
其中，定位信息是只能眼镜当前被使用的位置的信息，可以是在地图上的经纬度坐标，或者银行等单位的门店名称等。
用户资料库是将以前购买产品的历史用户资料或业务人员通过其他途径收集到的用户的资料进行汇总，建立用户资料库，资料库中存储每个用户的个人信息、家庭情况和住址、购买记录等信息，人脸特征作为查询用户资料库的索引。
具体地，技术人员可根据每个门店或者营业网点的主营产品和业务方向构建对应的用户资料库，当服务器获取智能眼镜的定位信息时，即可根据定位信息识别出对应的门店或者营业网点，并将获取对应的用户资料库。
S206，提取人脸照片中包含的人脸特征，检测用户资料库中是否存在人脸特征对应的用户记录。
其中，人脸特征是在人脸照片中能够反映目标用户脸部特征的信息，如五官在脸部的位置、所占的比例、五官之间的距离等等。
用户记录是已在交易系统中存在记录的用户的信息，可以是已经购买过金融产品的用户的信息，也可以是业务人员通过调查问卷等途径掌握的用户的信息。
具体地，服务器通过步骤S202接收到营销眼镜发送的人脸照片之后，先提取出人脸照片中的人脸特征，技术人员可以通过训练好的人脸识别模型来提取人脸特征，人脸识别模型是根据大量人脸数据训练得到的用于识别照片中的人脸位置，并从人脸的位置中提取其五官分布等特征的模型，服务器提取人脸特征后，再根据人脸特征在建立的用户资料库中查询是否存在此人脸特征对应的用户记录。
S208，当存在人脸照片对应的用户记录时，获取用户记录。
具体地，若服务器检查到用户资料库中包含人脸照片对应的用户记录，证明此客户已在数据库中有客户记录，如曾在我司或者与我司相关的机构中购买过金融产品或者填写过个人信息等，服务器从用户资料库中调取目标用户的用户记录，通过用户记录分析目标用户的产品倾向，为目标用户推荐对应的产品。
S210，根据用户记录获取对应的第一产品信息，并将第一产品信息发送至智能眼镜。
其中，第一产品信息是服务器根据目标用户的用户记录中的信息为用户推荐的产品，应为正在发售的产品；第一产品信息可以包括产品的名称以及价格和购买规则等信息。
具体地，服务器在根据通过用户记录分析目标用户的产品倾向，为目标用户推荐对应的产品，并获取第一产品信息的方式可以是，如若目标用户在最近一段时间内曾购买过相关的金融产品，则其可能对与已购买产品相关的其他产品感兴趣，则服务器可以将相关的产品的信息作为第一产品信息；或者服务器可以通过用户记录中目标用户的信息，如年龄、性别、工作行业、家庭情况等，来判断此信息的人群可能感兴趣的产品；服务器通过上述的步骤获取到客户可能感兴趣的产品的第一产品信息后，将第一产品信息发送至业务人员佩戴的智能眼镜，业务人员可以通过智能眼镜上显示的第一产品信息，为目标用户推荐相关的产品。
上述产品推送方法，通过业务人员佩戴的智能眼镜采集目标用户的人脸照片，并将人脸照片发送至服务器，服务器识别提取此人脸照片中的人脸特征，检测智能眼镜所在位置对应的用户资料库中是否存在此人脸特征对应的用户记录，若存在，则根据用户记录选择此目标用户偏好的产品作为第一产品信息，将第一产品信息发送至智能眼镜，使得业务人员根据此第一产品向目标用户推荐。上述产品推送方法，通过目标用户的人脸照片在用户资料库中找到对应的用户记录，且根据用户资料库中的历史用户的交易记录为目标用户选择可能符合其偏好的产品，能够根据目标用户的个人情况为目标用户准确地推荐产品。
在一个实施例中，上述产品推送方法中的步骤S206检测用户资料库中是否存在人脸特征对应的用户记录之后，还可以包括：当不存在人脸照片对应的用户记录时，将人脸特征输入训练好的产品推荐模型中得到对人脸特征对应的用户推荐的第二产品信息，产品推荐模型是对历史用户记录进行分析得到的历史人脸特征与历史人脸特征对应的历史用户所倾向的产品信息之间的映射关系的模型；将第二产品信息发送至智能眼镜。
其中，产品推荐模型是技术人员根据对大量的购买数据作为样本，训练得到的能够根据目标用户的人脸特征得到对应的产品的模型。例如，产品推荐模型可以根据目标用户的人脸特征判断其性别、年龄、以及微表情信息等等，从而推断出此目标用户可能对哪一类发售的产品有兴趣，服务器获取对应的产品的信息作为此目标用户对应的第二产品信息，则第二产品信息是根据产品推荐模型为用户推荐的产品，应为正在发售的产品；第二产品信息可以包括产品的名称以及价格和购买规则等信息。
具体地，若上述步骤S206服务器检测出采集到的人脸特征在用户资料库中无对应的用户记录时，则证明目标用户为新客户，服务器可以根据其人脸特征来分析其年龄、性别、微表情等特征，将这些提取出的特征输入训练好的产品推荐模型中，根据产品推荐模型中包含这些特征的用户最可能感兴趣的产品，作为潜在产品输出，服务器获取产品推荐模型输出的潜在产品，获取产品对应的信息作为第二产品信息发送给营销眼镜，使得佩戴营销眼镜的业务人员能够根据第二产品信息向目标用户进行产品推荐。
上述实施例中，对于用户资料库中无对应的用户记录的新客户，服务器也可以根据上述步骤为其推荐对应的产品。
在一个实施例中，上述产品推送方法中的将第二产品信息发送至智能眼镜之后，还可以包括：获取智能眼镜发送的目标用户对第二产品信息的第一购买结果；根据第一购买结果纠正产品推荐模型。
第一购买结果是目标用户对于第二产品信息的推荐是否购买或者是否有兴趣的结果。可以是业务人员根据第二产品信息对目标用户进行产品推荐后，业务人员根据用户是否购买结果或者感兴趣程度通过智能眼镜向服务器发送的购买结果信息；也可以是智能眼镜对业务人员向目标用户推荐的整个过程进行录音或者视频录制，然后智能眼镜将录音或者视频作为第一购买结果发送给服务器。
服务器获取目标用户对于第二产品信息对应产品的第一购买结果后，可以根据目标用户实际对第二产品信息对应的产品的反馈情况来纠正产品推荐模型的产品匹配结果。例如，第一购买结果可以包括业务人员与目标用户沟通过程，业务人员可以根据目标用户对于第二产品信息对应的产品的想法通过智能眼镜或者与智能眼镜相连的输入设备语音或者文字输入智能眼镜中，由智能眼镜发送给服务器，服务器接收到这些信息后，作为纠正产品推荐模型的样本数据进行储存，服务器获取到足够的样本数据后，即可提取样本数据中具有代表性的特征，作为产品推荐中的信息，如若超过6成的年轻用户(18～30岁之间)其对于重大疾病保险类产品感兴趣度较低等等特征，则产品推荐模型在处理这一部分的目标用户时会避免推荐重大疾病保险类产品。
可选地，业务人员可以通过智能眼镜将业务人员向目标用户推荐的整个过程进行录音或者视频录制，只能眼镜将整个沟通过程录制的录音或者视频发送至服务器，服务器接收到录音或者视频后，根据语义识别技术或者语音识别技术提取目标用户在沟通中的特征信息，作为纠正产品推荐模型的样本数据。并且服务器可以根据目标用户的微表情来识别目标用户在沟通过程中的微表情作为特征信息的补充信息。其中，服务器可以根据语音识别技术识别出目标用户对于业务人员提出的问题或者产品介绍中的反映，如当业务人员在介绍一个保险产品时，目标用户对于此产品的保期或者价格重复询问，则证明其对保险类产品这一方面较为注重，此信息可以作为特征信息；服务器根据目标用户对于业务人员在介绍一个保险产品时提出的问题或者产品介绍中脸上的微表情进行识别，判断其微表情为高兴或者疑惑、冷漠等表情，将这些标签作为补充的特征信息，这些信息都可以作为第一购买结果用于纠正产品推荐模型。
服务器可以根据大量历史人脸特征作为训练样本，训练出微表情识别模型来识别智能眼镜中采集的目标用户的人脸的视频中的微表情。微表情识别模型是将微表情动图组作为训练样本，观察样本中人脸特征的变化轨迹(例如五官、五官之间的距离，头部位置的变动等等)来指定当输入的对象发生此类的变化时，即可判定其对应的微表情；终端将一段视频输入微表情识别模型中，模型可根据视频中的人脸特征的变化轨迹来判断视频中的人做出的微表情(如开心、烦心、不自信等等)。
上述实施例中，在服务器根据上述的产品推送方法向目标用户推荐产品之后，还可以进一步对推荐的结果进行跟踪，用于纠正产品推荐模型。
在一个实施例中，上述产品推送方法中的步骤将人脸特征输入训练好的产品推荐模型中得到对人脸特征对应的用户推荐的第二产品信息之后，还可以包括：根据人脸特征计算用户微表情，并获取微表情对应的感兴趣程度，当感兴趣程度大于预设值时，生成提示消息；向智能眼镜发送提示消息。
其中，感兴趣程度是目标用户是否想要购买产品的指标，是服务器根据目标用户的人脸特征计算出的用户微表情得到的；服务器需要根据训练好的微表情识别模型对目标用户脸上的微表情进行识别，判断其微表情为高兴或者疑惑、冷漠等表情，并根据识别出的这些微表情来对目标用户被推荐的成功率进行划分，得到目标用户的感兴趣程度的量化值。则预设值是服务器根据对业务人员的历史推荐结果设置的判断目标用户的感兴趣程度是否满足优先推荐原则的阈值，其形式应和目标用户的感兴趣程度保持一致。
具体地，若一个业务人员面对的采集照片的用户较多时，则需要根据目标用户被推荐的成功率对所有的用户进行优先级排序，业务人员可以将多个目标用户的人脸照片都发送至服务器，服务器根据目标用户的微表情得到每个目标用户的感兴趣程度，再根据感兴趣程度对所有目标用户进行优先级排序，一般来说，存在购买记录的客户的推荐成功率更高，或者服务器掌握客户的信息越多，则为客户匹配的产品的准确性越高等等，这些都可以作为优先级排序的依据。业务人员可以在用户较多时，先选择优先级较高的客户进行推荐。且技术人员可以设置预设值作为提示业务人员此目标用户可以被优先推荐的阈值，当目标用户的感兴趣程度大于预设值时，服务器向智能眼镜发送一个提示消息，来提示业务人员可优先接待此目标用户。
上述实施例中，根据目标用户的微表情判断其感兴趣程度，来预测业务人员对其推荐产品的成功率，为业务人员筛选出成功率更高的目标用户，提高业务人员的推荐效率。
在一个实施例中，上述产品推送方法中的步骤S210中的将第一产品信息发送至智能眼镜之后，还可以包括：获取智能眼镜发送的与第一产品信息对应的第二购买结果；根据第二购买结果补充用户资料库。
其中，第二购买结果是目标用户对于第一产品信息的推荐是否购买或者是否有兴趣的结果。可以是业务人员根据第一产品信息对目标用户进行产品推荐后，业务人员根据用户是否购买结果或者感兴趣程度通过智能眼镜向服务器发送的购买结果信息；也可以是智能眼镜对业务人员向目标用户推荐的整个过程进行录音或者视频录制，然后智能眼镜将录音或者视频作为第二购买结果发送给服务器。
服务器获取目标用户对于第一产品信息对应产品的第二购买结果后，可以根据目标用户实际对第一产品信息对应的产品的反馈情况来补充产品推荐模型的产品匹配结果。例如，第二购买结果可以包括业务人员与目标用户沟通过程，业务人员可以根据目标用户对于第一产品信息对应的产品的想法通过智能眼镜或者与智能眼镜相连的输入设备语音或者文字输入智能眼镜中，由智能眼镜发送给服务器，服务器接收到这些信息后，作为补充产品推荐模型的样本数据进行储存，服务器获取到足够的样本数据后，即可提取样本数据中具有代表性的特征，作为产品推荐中的信息，例如超过6成的已购买某一类保险产品的用户会购买另一相关产品，则用户资料库可以将此类保险产品的相关产品作为此用户的记录。同样地，可能用户资料库中保存的用户记录并不准确或全面，服务器可以根据业务人员与目标用户的沟通过程中了解到的信息来纠正或者补充用户资料库中的用户记录。
可选地，业务人员可以通过智能眼镜将业务人员向目标用户推荐的整个过程进行录音或者视频录制，只能眼镜将整个沟通过程录制的录音或者视频发送至服务器，服务器接收到录音或者视频后，根据语义识别技术或者语音识别技术提取目标用户在沟通中的特征信息，作为补充产品推荐模型的样本数据。并且服务器可以根据目标用户的微表情来识别目标用户在沟通过程中的微表情来作为特征信息的补充信息。其中，服务器可以根据语音识别技术识别出目标用户对于业务人员提出的问题或者产品介绍中的反映，如当业务人员在介绍一个保险产品时，目标用户对于此产品的保期或者价格重复询问，则证明其对保险类产品这一方面较为注重，此信息可以作为特征信息；服务器根据目标用户对于业务人员在介绍一个保险产品时提出的问题或者产品介绍中脸上的微表情进行识别，判断其微表情为高兴或者疑惑、冷漠等表情，将这些标签作为补充的特征信息，这些信息都可以作为第二购买结果用于补充用户资料库。
服务器可以根据大量历史人脸特征作为训练样本，训练出微表情识别模型来识别智能眼镜中采集的目标用户的人脸的视频中的微表情。微表情识别模型是将微表情动图组作为训练样本，观察样本中人脸特征的变化轨迹(例如五官、五官之间的距离，头部位置的变动等等)来指定当输入的对象发生此类的变化时，即可判定其对应的微表情；终端将一段视频输入微表情识别模型中，模型可根据视频中的人脸特征的变化轨迹来判断视频中的人做出的微表情(如开心、烦心、不自信等等)。
上述实施例中，在服务器根据上述的产品推送方法向目标用户推荐产品之后，还可以进一步对推荐的结果进行跟踪，用于补充用户资料库。
在一个实施例中，上述产品推送方法中的步骤S202中的接收智能眼镜发送的目标用户的人脸照片之后，还可以包括：接收智能眼镜发送的目标用户在封闭区域内的运动轨迹；获取与运动轨迹对应的第三产品信息，并将第三产品信息发送至智能眼镜。
其中，第三产品信息是服务器根据目标用户的用户记录中的信息为用户推荐的产品，应为正在发售的产品；第一产品信息可以包括产品的名称以及价格和购买规则等信息。
具体地，在智能眼镜锁定一个目标用户之后，可由智能眼镜和大厅中的其他视频采集设备共同检测此目标用户在封闭环境，如银行大厅，内的运动轨迹，由于对于一些推荐的场合多为拜访了若干货架的封闭环境，可跟踪记录此目标用户在这一封闭环境内的运动轨迹，如在哪一类产品的货架附近停留，并记录其停留时长，或者其咨询过哪一类型的产品，根据这些信息与服务器后台分析的结果，共同为此目标用户进行产品推荐。
上述实施例中，根据智能眼镜采集的目标用户在银行大厅等封闭环境内的运动轨迹作为产品推荐的另外一个考虑因素。
应该理解的是，虽然图2中的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图3所示，提供了一种产品推送装置，包括：照片接收模块100、资料库锁定模块200、记录检测模块300、记录获取模块400和第一产品获取模块500，其中：
照片接收模块100，用于接收智能眼镜发送的目标用户的人脸照片。
资料库锁定模块200，用于获取智能眼镜的定位信息，并获取与定位信息对应的用户资料库。
记录检测模块300，用于提取人脸照片中包含的人脸特征，检测用户资料库中是否存在人脸特征对应的用户记录。
记录获取模块400，用于当存在人脸照片对应的用户记录时，获取用户记录。
第一产品获取模块500，用于根据用户记录获取对应的第一产品信息，并将第一产品信息发送至智能眼镜。
在一个实施例中，上述产品推送装置还可以包括：
第二产品获取模块，用于当不存在人脸照片对应的用户记录时，将人脸特征输入训练好的产品推荐模型中得到对人脸特征对应的用户推荐的第二产品信息，产品推荐模型是对历史用户记录进行分析得到的历史人脸特征与历史人脸特征对应的历史用户所倾向的产品信息之间的映射关系的模型。
产品发送模块，拥有将第二产品信息发送至智能眼镜。
在一个实施例中，上述产品推送装置还可以包括：
第一购买结果获取模块，用于获取智能眼镜发送的目标用户对第二产品信息的第一购买结果。
模型纠正模块，用于根据第一购买结果纠正产品推荐模型。
在一个实施例中，上述产品推送装置还可以包括：
提示消息生成模块，用于根据人脸特征计算用户微表情，并获取微表情对应的感兴趣程度，当感兴趣程度大于预设值时，生成提示消息。
提示消息发送模块，用于向智能眼镜发送提示消息。
在一个实施例中，上述产品推送装置还可以包括：
第一购买结果获取模块，用于获取智能眼镜发送的与第一产品信息对应的第二购买结果。
资料库补充模块，用于根据第二购买结果补充用户资料库。
在一个实施例中，上述产品推送装置还可以包括：
目标跟踪模块，用于接收智能眼镜发送的目标用户在封闭区域内的运动轨迹。
第三产品信息发送模块，用于根据运动轨迹在封闭区域内对应的产品分布情况，获取第三产品信息，并将第三产品信息发送至智能眼镜。
关于产品推送装置的具体限定可以参见上文中对于产品推送方法的限定，在此不再赘述。上述产品推送装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储承租申请处理数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种承租申请处理方法。
本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：接收智能眼镜发送的目标用户的人脸照片；获取智能眼镜的定位信息，并获取与定位信息对应的用户资料库；提取人脸照片中包含的人脸特征，检测用户资料库中是否存在人脸特征对应的用户记录；当存在人脸照片对应的用户记录时，获取用户记录；根据用户记录获取对应的第一产品信息，并将第一产品信息发送至智能眼镜。
在一个实施例中，处理器执行计算机程序时实现的检测用户资料库中是否存在人脸特征对应的用户记录之后，还包括：当不存在人脸照片对应的用户记录时，将人脸特征输入训练好的产品推荐模型中得到对人脸特征对应的用户推荐的第二产品信息，产品推荐模型是对历史用户记录进行分析得到的历史人脸特征与历史人脸特征对应的历史用户所倾向的产品信息之间的映射关系的模型；将第二产品信息发送至智能眼镜。
在一个实施例中，处理器执行计算机程序时实现的将第二产品信息发送至智能眼镜之后，还包括：获取智能眼镜发送的目标用户对第二产品信息的第一购买结果；根据第一购买结果纠正产品推荐模型。
在一个实施例中，处理器执行计算机程序时实现的将人脸特征输入训练好的产品推荐模型中得到对人脸特征对应的用户推荐的第二产品信息之后，还包括：根据人脸特征计算用户微表情，并获取微表情对应的感兴趣程度，当感兴趣程度大于预设值时，生成提示消息；向智能眼镜发送提示消息。
在一个实施例中，处理器执行计算机程序时实现的将第一产品信息发送至智能眼镜之后，还包括：获取智能眼镜发送的与第一产品信息对应的第二购买结果；根据第二购买结果补充用户资料库。
在一个实施例中，处理器执行计算机程序时实现的接收智能眼镜发送的目标用户的人脸照片之后，还包括：接收智能眼镜发送的目标用户在封闭区域内的运动轨迹；根据运动轨迹在封闭区域内对应的产品分布情况，获取与运动轨迹对应的第三产品信息，并将第三产品信息发送至智能眼镜。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：接收智能眼镜发送的目标用户的人脸照片；获取智能眼镜的定位信息，并获取与定位信息对应的用户资料库；提取人脸照片中包含的人脸特征，检测用户资料库中是否存在人脸特征对应的用户记录；当存在人脸照片对应的用户记录时，获取用户记录；根据用户记录获取对应的第一产品信息，并将第一产品信息发送至智能眼镜。
在一个实施例中，计算机程序被处理器执行时实现的检测用户资料库中是否存在人脸特征对应的用户记录之后，还包括：当不存在人脸照片对应的用户记录时，将人脸特征输入训练好的产品推荐模型中得到对人脸特征对应的用户推荐的第二产品信息，产品推荐模型是对历史用户记录进行分析得到的历史人脸特征与历史人脸特征对应的历史用户所倾向的产品信息之间的映射关系的模型；将第二产品信息发送至智能眼镜。
在一个实施例中，计算机程序被处理器执行时实现的将第二产品信息发送至智能眼镜之后，还包括：获取智能眼镜发送的目标用户对第二产品信息的第一购买结果；根据第一购买结果纠正产品推荐模型。
在一个实施例中，计算机程序被处理器执行时实现的将人脸特征输入训练好的产品推荐模型中得到对人脸特征对应的用户推荐的第二产品信息之后，还包括：根据人脸特征计算用户微表情，并获取微表情对应的感兴趣程度，当感兴趣程度大于预设值时，生成提示消息；向智能眼镜发送提示消息。
在一个实施例中，计算机程序被处理器执行时实现的将第一产品信息发送至智能眼镜之后，还包括：获取智能眼镜发送的与第一产品信息对应的第二购买结果；根据第二购买结果补充用户资料库。
在一个实施例中，计算机程序被处理器执行时实现的接收智能眼镜发送的目标用户的人脸照片之后，还包括：接收智能眼镜发送的目标用户在封闭区域内的运动轨迹；根据运动轨迹在封闭区域内对应的产品分布情况，获取与运动轨迹对应的第三产品信息，并将第三产品信息发送至智能眼镜。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种产品推送方法，所述方法包括：
接收智能眼镜发送的目标用户的人脸照片；
获取所述智能眼镜的定位信息，并获取与所述定位信息对应的用户资料库；
提取所述人脸照片中包含的人脸特征，检测所述用户资料库中是否存在所述人脸特征对应的用户记录；
当存在所述人脸照片对应的用户记录时，获取所述用户记录；
根据所述用户记录获取对应的第一产品信息，并将所述第一产品信息发送至所述智能眼镜。
2.根据权利要求1所述的方法，其特征在于，所述检测所述用户资料库中是否存在所述人脸特征对应的用户记录之后，还包括：
当不存在所述人脸照片对应的用户记录时，将所述人脸特征输入训练好的产品推荐模型中得到对所述人脸特征对应的用户推荐的第二产品信息，所述产品推荐模型是对历史用户记录进行分析得到的历史人脸特征与所述历史人脸特征对应的历史用户所倾向的产品信息之间的映射关系的模型；
将所述第二产品信息发送至所述智能眼镜。
3.根据权利要求2所述的方法，其特征在于，所述将所述第二产品信息发送至所述智能眼镜之后，还包括：
获取所述智能眼镜发送的所述目标用户对所述第二产品信息的第一购买结果；
根据所述第一购买结果纠正所述产品推荐模型。
4.根据权利要求2所述的方法，其特征在于，所述将所述人脸特征输入训练好的产品推荐模型中得到对所述人脸特征对应的用户推荐的第二产品信息之后，还包括：
根据所述人脸特征计算用户微表情，并获取所述微表情对应的感兴趣程度，当所述感兴趣程度大于预设值时，生成提示消息；
向所述智能眼镜发送所述提示消息。
5.根据权利要求1所述的方法，其特征在于，所述将所述第一产品信息发送至所述智能眼镜之后，还包括：
获取所述智能眼镜发送的与所述第一产品信息对应的第二购买结果；
根据所述第二购买结果补充所述用户资料库。
6.根据权利要求1所述的方法，其特征在于，所述接收智能眼镜发送的目标用户的人脸照片之后，还包括：
接收所述智能眼镜发送的所述目标用户在封闭区域内的运动轨迹；
根据所述运动轨迹在所述封闭区域内对应的产品分布情况，获取第三产品信息，并将所述第三产品信息发送至所述智能眼镜。
7.一种产品推送装置，其特征在于，所述装置包括：
照片接收模块，用于接收智能眼镜发送的目标用户的人脸照片；
资料库锁定模块，用于获取所述智能眼镜的定位信息，并获取与所述定位信息对应的用户资料库；
记录检测模块，用于提取所述人脸照片中包含的人脸特征，检测所述用户资料库中是否存在所述人脸特征对应的用户记录；
记录获取模块，用于当存在所述人脸照片对应的用户记录时，获取所述用户记录；
第一产品获取模块，用于根据所述用户记录获取对应的第一产品信息，并将所述第一产品信息发送至所述智能眼镜。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
第二产品获取模块，用于当不存在所述人脸照片对应的用户记录时，将所述人脸特征输入训练好的产品推荐模型中得到对所述人脸特征对应的用户推荐的第二产品信息，所述产品推荐模型是对历史用户记录进行分析得到的历史人脸特征与所述历史人脸特征对应的历史用户所倾向的产品信息之间的映射关系的模型；
产品发送模块，拥有将所述第二产品信息发送至所述智能眼镜。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811536884.7A CN109685610A (zh) | 2018-12-14 | 2018-12-14 | 产品推送方法、装置、计算机设备和存储介质 |
| PCT/CN2019/122353 WO2020119497A1 (zh) | 2018-12-14 | 2019-12-02 | 产品推送方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811536884.7A CN109685610A (zh) | 2018-12-14 | 2018-12-14 | 产品推送方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109685610A true CN109685610A (zh) | 2019-04-26 |
Family
ID=66186107
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811536884.7A Pending CN109685610A (zh) | 2018-12-14 | 2018-12-14 | 产品推送方法、装置、计算机设备和存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN109685610A (zh) |
| WO (1) | WO2020119497A1 (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110297968A (zh) * | 2019-05-22 | 2019-10-01 | 中国平安人寿保险股份有限公司 | 产品推送方法、装置、计算机设备及存储介质 |
| CN110310144A (zh) * | 2019-05-22 | 2019-10-08 | 深圳壹账通智能科技有限公司 | 基于年龄的广告推送方法、装置、设备及存储介质 |
| CN110533452A (zh) * | 2019-07-22 | 2019-12-03 | 深圳壹账通智能科技有限公司 | 产品信息推送方法、装置、计算机设备及存储介质 |
| CN110648203A (zh) * | 2019-09-19 | 2020-01-03 | 中国银行股份有限公司 | 银行产品信息推送方法及装置 |
| CN111062759A (zh) * | 2019-12-20 | 2020-04-24 | 中国银行股份有限公司 | 一种产品生成方法及相关设备 |
| WO2020119497A1 (zh) * | 2018-12-14 | 2020-06-18 | 深圳壹账通智能科技有限公司 | 产品推送方法、装置、计算机设备和存储介质 |
| CN111782878A (zh) * | 2020-07-06 | 2020-10-16 | 聚好看科技股份有限公司 | 服务器、显示设备及其视频搜索排序方法 |
| CN111813281A (zh) * | 2020-05-28 | 2020-10-23 | 维沃移动通信有限公司 | 信息获取方法、信息输出方法、装置和电子设备 |
| WO2020238915A1 (zh) * | 2019-05-31 | 2020-12-03 | 京东方科技集团股份有限公司 | 用户身份识别方法及装置、电子设备、存储介质 |
| CN112150183A (zh) * | 2019-06-28 | 2020-12-29 | 北京金山安全软件有限公司 | 一种线下场景中的数据采集方法、装置及系统 |
| CN112445966A (zh) * | 2019-08-30 | 2021-03-05 | 比亚迪股份有限公司 | 信息推送方法及装置，存储介质及电子设备 |
| CN113010788A (zh) * | 2021-03-19 | 2021-06-22 | 成都欧珀通信科技有限公司 | 信息推送方法及装置、电子设备、计算机可读存储介质 |
| WO2021143234A1 (zh) * | 2020-01-17 | 2021-07-22 | 北京市商汤科技开发有限公司 | 一种信息投放方法及装置、电子设备、存储介质和计算机程序 |
| CN114529229A (zh) * | 2022-04-25 | 2022-05-24 | 广州市普丰科技有限公司 | 根据监控画面行为判断优先级的自行车销售用显示系统 |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111967942A (zh) * | 2020-08-20 | 2020-11-20 | 渭南双盈未来科技有限公司 | 一种智能购物方法 |
| CN112925982B (zh) * | 2021-03-12 | 2023-04-07 | 上海意略明数字科技股份有限公司 | 用户重定向方法及装置、存储介质、计算机设备 |
| CN113689302A (zh) * | 2021-09-07 | 2021-11-23 | 中国银行股份有限公司 | 寿险产品信息推荐方法及装置 |
| CN114742610A (zh) * | 2022-03-22 | 2022-07-12 | 平安普惠企业管理有限公司 | 产品的筛选方法、装置、电子设备以及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107067290A (zh) * | 2017-01-12 | 2017-08-18 | 段元文 | 数据处理方法及装置 |
| CN107463608A (zh) * | 2017-06-20 | 2017-12-12 | 上海汇尔通信息技术有限公司 | 一种基于人脸识别的信息推送方法及系统 |
| KR101844267B1 (ko) * | 2017-06-30 | 2018-04-02 | 주식회사 다날 | 사용자의 선호도에 기초한 상품 구매를 지원하는 전자상거래 서비스 장치 및 그 동작 방법 |
| WO2018133666A1 (zh) * | 2017-01-17 | 2018-07-26 | 腾讯科技（深圳）有限公司 | 视频目标跟踪方法和装置 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107301578A (zh) * | 2016-04-15 | 2017-10-27 | 上海新飞凡电子商务有限公司 | 获取以及识别客户信息的方法及其装置 |
| CN107247759A (zh) * | 2017-05-31 | 2017-10-13 | 深圳正品创想科技有限公司 | 一种商品推荐方法及装置 |
| CN109685610A (zh) * | 2018-12-14 | 2019-04-26 | 深圳壹账通智能科技有限公司 | 产品推送方法、装置、计算机设备和存储介质 |
-
2018
- 2018-12-14 CN CN201811536884.7A patent/CN109685610A/zh active Pending
-
2019
- 2019-12-02 WO PCT/CN2019/122353 patent/WO2020119497A1/zh active Application Filing
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107067290A (zh) * | 2017-01-12 | 2017-08-18 | 段元文 | 数据处理方法及装置 |
| WO2018133666A1 (zh) * | 2017-01-17 | 2018-07-26 | 腾讯科技（深圳）有限公司 | 视频目标跟踪方法和装置 |
| CN107463608A (zh) * | 2017-06-20 | 2017-12-12 | 上海汇尔通信息技术有限公司 | 一种基于人脸识别的信息推送方法及系统 |
| KR101844267B1 (ko) * | 2017-06-30 | 2018-04-02 | 주식회사 다날 | 사용자의 선호도에 기초한 상품 구매를 지원하는 전자상거래 서비스 장치 및 그 동작 방법 |
Non-Patent Citations (1)
| Title |
|---|
| 陈果等: "基于人脸识别的商品推荐系统的设计与实现", 计算机时代, no. 11, pages 52 - 55 * |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020119497A1 (zh) * | 2018-12-14 | 2020-06-18 | 深圳壹账通智能科技有限公司 | 产品推送方法、装置、计算机设备和存储介质 |
| CN110310144A (zh) * | 2019-05-22 | 2019-10-08 | 深圳壹账通智能科技有限公司 | 基于年龄的广告推送方法、装置、设备及存储介质 |
| CN110297968A (zh) * | 2019-05-22 | 2019-10-01 | 中国平安人寿保险股份有限公司 | 产品推送方法、装置、计算机设备及存储介质 |
| CN110297968B (zh) * | 2019-05-22 | 2023-10-31 | 中国平安人寿保险股份有限公司 | 产品推送方法、装置、计算机设备及存储介质 |
| WO2020238915A1 (zh) * | 2019-05-31 | 2020-12-03 | 京东方科技集团股份有限公司 | 用户身份识别方法及装置、电子设备、存储介质 |
| CN112150183A (zh) * | 2019-06-28 | 2020-12-29 | 北京金山安全软件有限公司 | 一种线下场景中的数据采集方法、装置及系统 |
| CN110533452A (zh) * | 2019-07-22 | 2019-12-03 | 深圳壹账通智能科技有限公司 | 产品信息推送方法、装置、计算机设备及存储介质 |
| CN112445966A (zh) * | 2019-08-30 | 2021-03-05 | 比亚迪股份有限公司 | 信息推送方法及装置，存储介质及电子设备 |
| CN110648203A (zh) * | 2019-09-19 | 2020-01-03 | 中国银行股份有限公司 | 银行产品信息推送方法及装置 |
| CN111062759A (zh) * | 2019-12-20 | 2020-04-24 | 中国银行股份有限公司 | 一种产品生成方法及相关设备 |
| CN111062759B (zh) * | 2019-12-20 | 2023-11-17 | 中国银行股份有限公司 | 一种产品生成方法及相关设备 |
| WO2021143234A1 (zh) * | 2020-01-17 | 2021-07-22 | 北京市商汤科技开发有限公司 | 一种信息投放方法及装置、电子设备、存储介质和计算机程序 |
| JP2022520514A (ja) * | 2020-01-17 | 2022-03-31 | 北京市商▲湯▼科技▲開▼▲發▼有限公司 | 情報投入方法および装置、電子デバイス、記憶媒体、並びにコンピュータプログラム |
| CN111813281A (zh) * | 2020-05-28 | 2020-10-23 | 维沃移动通信有限公司 | 信息获取方法、信息输出方法、装置和电子设备 |
| CN111782878B (zh) * | 2020-07-06 | 2023-09-19 | 聚好看科技股份有限公司 | 服务器、显示设备及其视频搜索排序方法 |
| CN111782878A (zh) * | 2020-07-06 | 2020-10-16 | 聚好看科技股份有限公司 | 服务器、显示设备及其视频搜索排序方法 |
| CN113010788A (zh) * | 2021-03-19 | 2021-06-22 | 成都欧珀通信科技有限公司 | 信息推送方法及装置、电子设备、计算机可读存储介质 |
| CN113010788B (zh) * | 2021-03-19 | 2023-05-23 | 成都欧珀通信科技有限公司 | 信息推送方法及装置、电子设备、计算机可读存储介质 |
| CN114529229A (zh) * | 2022-04-25 | 2022-05-24 | 广州市普丰科技有限公司 | 根据监控画面行为判断优先级的自行车销售用显示系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2020119497A1 (zh) | 2020-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109685610A (zh) | 产品推送方法、装置、计算机设备和存储介质 | |
| US9519932B2 (en) | System for populating budgets and/or wish lists using real-time video image analysis | |
| CN109542916A (zh) | 平台商品入驻方法、装置、计算机设备及存储介质 | |
| Emir et al. | Factors influencing online hotel booking intention: A conceptual framework from stimulus-organism-response perspective | |
| JP7038543B2 (ja) | 情報処理装置、システム、情報処理装置の制御方法、及び、プログラム | |
| Choi et al. | Item-level RFID for enhancement of customer shopping experience in apparel retail | |
| US11288748B2 (en) | Systems and methods for providing customized financial advice | |
| US20190156395A1 (en) | System and Method for Analyzing and Searching for Features Associated with Objects | |
| KR102084125B1 (ko) | 무인 거래 자판기 및 o2o 기반 무인 거래 자판기를 이용한 중고거래 서비스 제공 방법 | |
| CN108876133A (zh) | 基于业务信息的风险评估处理方法、装置、服务器和介质 | |
| CN109658188A (zh) | 基于大数据分析的房源推荐方法、装置、设备及存储介质 | |
| JP2016206736A (ja) | 接客データ処理装置及び接客データ処理方法 | |
| JP5914549B2 (ja) | 情報処理装置および情報分析方法 | |
| Chongwatpol | Integration of RFID and business analytics for trade show exhibitors | |
| CN110148007A (zh) | 商品信息检测方法、装置、计算机设备和存储介质 | |
| US11900067B1 (en) | Multi-modal machine learning architectures integrating language models and computer vision systems | |
| JP2006146858A (ja) | プロファイリング手段を適用した社会シミュレーション・システム | |
| CN115619571A (zh) | 一种理财规划方法、系统及装置 | |
| KR102337502B1 (ko) | 온라인 상의 비정상 상품 후기 검출 방법 및 장치 | |
| TW202006635A (zh) | 線下商品資訊查詢方法、裝置、設備及系統 | |
| CN116523556A (zh) | 一种商家需求的预测方法和系统 | |
| CN116777528A (zh) | 一种商品信息推荐方法、装置、计算机设备和存储介质 | |
| Gupta et al. | Online-to-offline (O2O) commerce in emerging markets: Analysis of the retail sector | |
| KR102256959B1 (ko) | 초등학교 주간학습안내서와 연동된 온라인 문구 쇼핑 서비스 제공 시스템 | |
| KR102477840B1 (ko) | 사용자 정보를 활용한 상품 정보 검색 장치 및 이를 위한 제어방법 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190426 |