CN110751324A - 商铺的部署方法、装置、计算机设备及可读存储介质 - Google Patents

商铺的部署方法、装置、计算机设备及可读存储介质 Download PDF

Info

Publication number
CN110751324A
CN110751324A CN201910983351.1A CN201910983351A CN110751324A CN 110751324 A CN110751324 A CN 110751324A CN 201910983351 A CN201910983351 A CN 201910983351A CN 110751324 A CN110751324 A CN 110751324A
Authority
CN
China
Prior art keywords
type
target
shop
customer
time
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
CN201910983351.1A
Other languages
English (en)
Inventor
冯斐帆
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.)
Beijing Megvii Technology Co Ltd
Original Assignee
Beijing Megvii Technology 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 Beijing Megvii Technology Co Ltd filed Critical Beijing Megvii Technology Co Ltd
Priority to CN201910983351.1A priority Critical patent/CN110751324A/zh
Publication of CN110751324A publication Critical patent/CN110751324A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • 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
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
    • 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
    • G06V40/172—Classification, e.g. identification

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Multimedia (AREA)
  • Accounting & Taxation (AREA)
  • Human Computer Interaction (AREA)
  • General Business, Economics & Management (AREA)
  • Finance (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及一种商铺的部署方法、装置、计算机设备及可读存储介质。所述方法包括：获取目标商场的商铺位置序列，按照各商铺位置在所述商铺位置序列中的先后顺序，确定当前待部署的目标商铺位置，并确定各待部署的商铺类型部署在所述目标商铺位置的收益额，在所述各待部署的商铺类型中，将收益额最大的商铺类型，确定为所述目标商铺位置对应的目标商铺类型，并将所述目标商铺类型确定为已部署的商铺类型。采用本申请可以提高商场的收益额。

Description

商铺的部署方法、装置、计算机设备及可读存储介质
技术领域
本申请涉及计算机技术领域，特别是涉及一种商铺的部署方法、装置、计算机设备及可读存储介质。
背景技术
目前，商场的管理人员在对商场中的商铺进行部署时，通常是按照固有经验和招商情况对商铺进行部署。由于管理人员在部署商铺时，并未考虑到不同类型的顾客的兴趣、购物时长、消费力、顾客数目等因素，从而导致商场的收益额较低。因此，亟需一种能够提高商场的收益额的商铺部署方案。
发明内容
基于此，有必要针对上述技术问题，提供一种商铺的部署方法、装置、计算机设备及可读存储介质。
第一方面，提供了一种商铺的部署方法，所述方法包括：
获取目标商场的商铺位置序列；
按照各商铺位置在所述商铺位置序列中的先后顺序，确定当前待部署的目标商铺位置，并确定待部署的各第一商铺类型在所述目标商铺位置部署时的收益额；
在所述各第一商铺类型中，将收益额最大的第一商铺类型，确定为部署在所述目标商铺位置的目标商铺类型，并将所述目标商铺类型确定为已部署的第二商铺类型。
作为一种可选的实施方式，所述确定待部署的各第一商铺类型在所述目标商铺位置部署时的收益额，包括：
针对每个待部署的第一商铺类型，在各顾客类型中，确定该第一商铺类型部署在所述目标商铺位置对应的目标顾客类型；
针对该第一商铺类型对应的每个目标顾客类型，根据该目标顾客类型在该第一商铺类型中的平均消费金额、消费概率以及该目标顾客类型的顾客总数目，确定该目标顾客类型在该第一商铺类型中的收益额；
将各目标顾客类型在该第一商铺类型中的收益额的总和，确定为该第一商铺类型的收益额。
作为一种可选的实施方式，所述方法还包括：
接收设置于所述目标商场的出入口的入方向的第一图像采集设备采集的第一图像数据；
根据预设的特征提取算法，提取所述第一图像数据中包含的进入所述目标商场的第一顾客的人脸特征和属性特征，并根据所述第一顾客的属性特征和预设的顾客类型分类规则，确定所述第一顾客对应的顾客类型。
作为一种可选的实施方式，所述方法还包括：
针对每个商铺类型对应的每个顾客类型，根据该顾客类型对应的各第一目标顾客的人脸特征，确定所述各第一目标顾客在该商铺类型包含的各商铺的消费金额；
针对每个第一目标顾客，根据该第一目标顾客在所述各商铺的消费金额，确定该第一目标顾客在该商铺类型中的消费金额；
根据所述各第一目标顾客在该商铺类型中的消费金额，确定该顾客类型在该商铺类型中的平均消费金额。
作为一种可选的实施方式，所述方法还包括：
接收设置于交易设备的第二图像采集设备采集的第二图像数据；
根据预设的特征提取算法，提取所述第二图像数据中包含的第二顾客的人脸特征，将所述第二图像数据的采集时间，确定为所述第二顾客的消费时间；
在各订单中，将订单时间与所述第二顾客的消费时间满足预设接近度条件的订单，确定为所述第二顾客对应的目标订单，并建立所述第二顾客的人脸特征和目标订单的对应关系，所述订单包含商铺标识、消费金额和订单时间。
作为一种可选的实施方式，所述针对每个待部署的第一商铺类型，在各顾客类型中，确定该第一商铺类型部署在所述目标商铺位置对应的目标顾客类型，包括：
针对每个顾客类型，获取该顾客类型在所述目标商场中的平均购物时长和该顾客类型在已部署的各第二商铺类型中的第一平均停留时长；
将该顾客类型在所述目标商场中的平均购物时长与该顾客类型在已部署的各第二商铺类型中的第一平均停留时长的和值的差值，确定为该顾客类型的剩余购物时长；
如果该顾客类型的剩余购物时长大于或等于该顾客类型在该第一商铺类型中的第一平均停留时长，则确定该顾客类型为该第一商铺类型部署在所述目标商铺位置对应的目标顾客类型。
作为一种可选的实施方式，所述针对每个顾客类型，获取该顾客类型在所述目标商场中的平均购物时长，包括：
将该顾客类型在所述目标商场中的第二平均停留时长与该顾客类型在所述目标商场中的平均休息时长的差值，确定为该顾客类型在所述目标商场中的购物时长。
作为一种可选的实施方式，所述将该顾客类型在所述目标商场中的第二平均停留时长与该顾客类型在所述目标商场中的平均休息时长的差值，确定为该顾客类型在所述目标商场中的购物时长，包括：
根据该顾客类型对应的各第二目标顾客的人脸特征，确定所述各第二目标顾客进入所述目标商场的第一进入时间、离开所述目标商场的第一离开时间、进入休息区域的第二进入时间和离开所述休息区域的第二离开时间；
根据所述各第二目标顾客的第一进入时间和第一离开时间，确定该顾客类型在所述目标商场中的第二平均停留时长，并根据所述各第二目标顾客的第二进入时间和第二离开时间，确定该顾客类型在所述休息区域中的平均休息时长；
将该顾客类型的第二平均停留时长与平均休息时长的差值，确定为该顾客类型在所述目标商场中的购物时长。
作为一种可选的实施方式，所述获取目标商场的商铺位置序列，包括：
确定目标商场包含的各商铺位置与目标出入口的距离；
按照所述距离由近到远的顺序，对所述各商铺位置进行排序，得到商铺位置序列。
第二方面，提供了一种商铺的部署装置，所述的装置包括：
获取模块，用于获取目标商场的商铺位置序列；
第一确定模块，用于按照各商铺位置在所述商铺位置序列中的先后顺序，确定当前待部署的目标商铺位置，并确定待部署的各第一商铺类型在所述目标商铺位置部署时的收益额；
第二确定模块，用于在所述各第一商铺类型中，将收益额最大的第一商铺类型，确定为部署在所述目标商铺位置的目标商铺类型，并将所述目标商铺类型确定为已部署的第二商铺类型。
第三方面，提供了一种计算机设备，包括存储器及处理器，所述存储器上存储有可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现第一方面中任一项所述方法的步骤。
第四方面，提供了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第一方面中任一项所述的方法的步骤。
本申请实施例提供了一种商铺的部署方法、装置、计算机设备及可读存储介质。服务器获取目标商场的商铺位置序列，按照各商铺位置在商铺位置序列中的先后顺序，确定当前待部署的目标商铺位置，并确定待部署的各第一商铺类型在目标商铺位置部署时的收益额，在各第一商铺类型中，将收益额最大的第一商铺类型，确定为部署在目标商铺位置的目标商铺类型，并将目标商铺类型确定为已部署的第二商铺类型。这样，将收益高的商铺类型部署在顾客优先浏览的商铺位置上，从而可以提高目标商场的收益额。
附图说明
图1A为本申请实施例提供的一种商场中商铺位置的示意图；
图1B为本申请实施例提供的一种商场中商铺位置的示意图；
图2为本申请实施例提供的一种商铺的部署方法的流程图；
图3为本申请实施例提供的一种商铺的部署方法的流程图
图4为本申请实施例提供的一种商铺的部署装置的结构示意图；
图5为本申请实施例提供的一种商铺的部署装置的结构示意图；
图6为本申请实施例提供的一种计算机设备的结构示意图。
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。
本申请实施例提供了一种商铺的部署方法，该方法可以应用于商场监控系统中的服务器。该商场监控系统包括服务器和图像采集设备。其中，该图像采集设备设置于商场的出入口、公共基础设施的出入口、商铺的出入口、收银台等位置，用于采集顾客的图像数据；服务器用于根据图像采集设备采集的顾客的图像数据对顾客进行分类，并确定商场中各商铺位置对应的目标商铺类型。
下面将结合具体实施方式，对本申请实施例提供的一种商铺的部署方法进行详细的说明，如图2所示，具体步骤如下：
步骤201，获取目标商场的商铺位置序列。
在实施中，当服务器需要确定某一商场(即目标商场)中各商铺类型的部署方案时，该服务器可以获取该目标商场的商铺位置序列。该商铺位置序列中商铺位置的先后顺序表示该目标商场中顾客浏览商铺位置的先后顺序。例如，商铺位置序列为{商铺位置1，商铺位置2，商铺位置3，商铺位置4，商铺位置5，商铺位置6}。其中，服务器获取目标商场的商铺位置序列的处理过程如下：
步骤一，确定目标商场包含的各商铺位置与目标出入口的距离。
在实施中，服务器可以根据目标商场中顾客的出入情况，在目标商场中的各商场出入口中确定目标出入口。其中，该目标出入口为顾客进入该目标商场的商场出入口。例如，如图1A所示，在该目标商场中，顾客从商场出入口1进入商场，从商场出入口2离开商场，则商场出入口1为目标出入口。又如，如图1B所示，在该目标商场中，顾客从商场出入口1、商场出入口2和商场出入口3进入商场，从商场出入口4离开商场，则商场出入口1、商场出入口2和商场出入口3为目标出入口。服务器得到目标出入口后，可以进一步确定该目标商场包含的各商铺位置与目标出入口的距离。
步骤二，按照距离由近到远的顺序，对各商铺位置进行排序，得到商铺位置序列。
在实施中，服务器得到该目标商场包含的各商铺位置与目标出入口的距离后，可以按照距离由近到远的顺序，对各商铺位置进行排序，得到商铺位置序列。例如，如图1A所示，商铺位置序列为[商铺位置3，商铺位置6，商铺位置2，商铺位置5，商铺位置1，商铺位置4]。
可选的，对于存在多个目标出入口的情况，服务器得到该目标商场包含的各商铺位置与各目标出入口的距离后，可以进一步根据各目标出入口的权重，计算各商铺位置对应的距离，并按照距离由近到远的顺序，对各商铺位置进行排序，得到商铺位置序列。其中，服务器可以根据各目标出入口的顾客数目确定各目标出入口的权重。例如，如图1B所示，目标出入口为商场出口1、商场出入口2和商场出入口3，商场出入口1的权重为30％，商场出入口2的权重为10％，商场出入口3的权重为60％，则商铺位置序列为[商铺位置5，商铺位置6，商铺位置4，商铺位置2，商铺位置3，商铺位置1]。
需要说明的是，如果该目标商场中商铺位置1与商铺位置2与目标出入口的距离相同，则在该商铺位置序列中，商铺位置1可以在商铺位置2之前，商铺位置1也可以在商铺位置2之后。
步骤202，按照各商铺位置在商铺位置序列中的先后顺序，确定当前待部署的目标商铺位置，并确定待部署的各第一商铺类型在目标商铺位置部署时的收益额。
在实施中，服务器获取到目标商场的商铺位置序列后，可以按各商铺位置在商铺位置序列中的先后顺序，确定当前待部署的目标商铺位置。其中，当前待部署的目标商铺位置为商铺位置序列中，各待部署的商铺位置中的第一个商铺位置。例如，商铺位置序列为{商铺位置1，商铺位置2，商铺位置3，商铺位置4，商铺位置5，商铺位置6}，商铺位置1至商铺位置3为已部署的商铺位置，商铺位置4至商铺位置6为待部署的商铺位置，则当前待部署的目标商铺位置为商铺位置4。
然后，服务器可以进一步确定待部署的各第一商铺类型在目标商铺位置部署时的收益额。
可选的，服务器可以从该目标商场的商铺管理系统中，获取各商铺类型(比如母婴用品类型、图书类型、美妆护肤类型等)，得到商铺类型集合
Figure BDA0002235930900000081
其中，
Figure BDA0002235930900000082
为商铺类型i，I为商铺类型集合中商铺类型的数目。相应的，该目标商场中商铺m对应的商铺类型为
Figure BDA0002235930900000083
其中，n∈[1,2，…，I]。
作为一种可选地实施方式，如图3所示，服务器确定各待部署的第一商铺类型部署在目标商铺位置的收益额的具体处理过程如下：
步骤301，针对每个待部署的第一商铺类型，在各顾客类型中，确定该第一商铺类型部署在目标商铺位置对应的目标顾客类型。
在实施中，针对每个待部署的第一商铺类型，服务器可以在各顾客类型中，确定该第一商铺类型部署在该目标商铺位置对应的目标顾客类型。其中，目标顾客类型表示当该第一商铺类型部署在该目标商铺位置时，各顾客类型中可以浏览该第一商铺类型的顾客类型。
作为一种可选地实施方式，针对每个待部署的第一商铺类型，在各顾客类型中，服务器确定该第一商铺类型部署在目标商铺位置对应的目标顾客类型的处理过程如下：
步骤一，针对每个顾客类型，获取该顾客类型在目标商场中的平均购物时长和该顾客类型在各已部署的第二商铺类型中的第一平均停留时长。
在实施中，针对每个顾客类型，服务器可以获取该顾客类型在目标商场中的平均购物时长以及该顾客类型在各已部署的第二商铺类型中的每个第二商铺类型的第一平均停留时长。例如，以顾客类型1，已部署的第二商铺类型为[商铺类型1，商铺类型3，商铺类型5]为例，该顾客类型1在目标商场中的平均购物时长为60分钟，该顾客类型1在商铺类型1中的第一平均停留时长为10分钟，在商铺类型3中的第一平均停留时长为20分钟，在商铺类型5中的第一平均停留时长为15分钟。
作为一种可选地实施方式，服务器可以将该顾客类型在目标商场中的第二平均停留时长与该顾客类型在目标商场中的平均休息时长的差值，确定为该顾客类型在目标商场中的购物时长。
在实施中，服务器可以获取该顾客类型在目标商场中的第二平均停留时长和平均休息时长，并将该顾客类型在目标商场中的第二平均停留时长与平均休息时长的差值，确定为该顾客类型在目标商场中的购物时长。例如，以顾客类型1为例，该顾客类型1在目标商场中的第二平均停留时长为90分钟，平均休息时长为30分钟，则该顾客类型1在目标商场中的购物时长为90-30＝60分钟。
可选的，服务器将该顾客类型在目标商场中的第二平均停留时长与该顾客类型在目标商场中的平均休息时长的差值，确定为该顾客类型在目标商场中的购物时长的处理过程为：服务器根据该顾客类型对应的各第二目标顾客的人脸特征，确定各第二目标顾客进入目标商场的第一进入时间、离开目标商场的第一离开时间、进入休息区域的第二进入时间和离开休息区域的第二离开时间。然后，服务器根据各第二目标顾客的第一进入时间和第一离开时间，确定该顾客类型在目标商场中的第二平均停留时长，并根据各第二目标顾客的第二进入时间和第二离开时间，确定该顾客类型在休息区域中的平均休息时长。之后，服务器将该顾客类型的第二平均停留时长与平均休息时长的差值，确定为该顾客类型在目标商场中的购物时长。
在实施中，该目标商场的出入口的入方向可以设置有第一图像采集设备，用于采集进入该目标商场的顾客的第一图像数据，并将采集到的第一图像数据发送至服务器。相应的，该目标商场的出入口的出方向也可以设置有第三图像采集设备，用于采集离开该目标商场的顾客的第三图像数据，并将采集到的第三图像数据发送至服务器；同理，该目标商场中的休息区域(比如电梯、洗手间等)的入方向可以设置有第四图像采集设备，用于采集进入该休息区域的顾客的第四图像数据，并将采集到的第四图像数据发送至服务器。相应的，该休息区域的出方向可以设置有第五图像采集设备，用于采集离开该休息区域的顾客的第五图像数据，并将采集到的第五图像数据发送至服务器。服务器接收到第一图像采集设备采集的第一图像数据后，可以根据预设的特征提取算法，提取第一图像数据中包含的进入目标商场的第一顾客的人脸特征和属性特征。然后，服务器可以根据第一顾客的属性特征和预设的顾客类型分类规则，确定第一顾客对应的顾客类型。之后，服务器可以将第一图像数据的采集时间，确定为第一顾客进入目标商场的第一进入时间，并建立第一顾客的人脸特征、顾客类型和第一进入时间的对应关系。相应的，服务器接收到第三图像采集设备采集的第三图像数据后，可以根据预设的特征提取算法，提取第三图像数据中包含的离开目标商场的第三顾客的人脸特征。然后，服务器可以将第三图像数据的采集时间，确定为第三顾客离开目标商场的第一离开时间，并建立第三顾客的人脸特征和第一离开时间的对应关系。同理，服务器接收到第四图像采集设备采集的第四图像数据后，可以根据预设的特征提取算法，提取第四图像数据中包含的进入休息区域的第四顾客的人脸特征。然后，服务器可以将第四图像数据的采集时间，确定为第四顾客进入休息区域的第二进入时间，并建立第四顾客的人脸特征和第二进入时间的对应关系。相应的，服务器接收到第五图像采集设备采集的第五图像数据后，可以根据预设的特征提取算法，提取第五图像数据中包含的离开休息区域的第五顾客的人脸特征。然后，服务器可以将第五图像数据的采集时间，确定为第五顾客离开休息区域的第二离开时间，并建立第五顾客的人脸特征和第二离开时间的对应关系。
当服务器需要获取某一顾客类型在目标商场中的购物时长时，服务器可以在上述人脸特征、顾客类型和第一进入时间的对应关系中，确定属于该顾客类型的各第二目标顾客的人脸特征和第一进入时间。然后，服务器可以根据各第二目标顾客的人脸特征，在人脸特征和第一离开时间的对应关系、人脸特征和第二进入时间的对应关系、以及人脸特征和第二离开时间的对应关系中，确定各第二目标顾客离开目标商场的第一离开时间、进入休息区域的第二进入时间和离开休息区域的第二离开时间。
服务器得到各第二目标顾客的第一进入时间、第一离开时间、第二进入时间和第二离开时间后，针对每个第二目标顾客，服务器可以将该第二目标顾客的第一离开时间与第一进入时间的差值，确定该第二目标顾客在目标商场中的停留时长。然后，服务器可以将各第二目标顾客在目标商场中的总停留时长与第二目标顾客的数目的比值，确定为该顾客类型在目标商场中的第二平均停留时长。
其中，服务器可以根据公式(1)计算该顾客类型在目标商场中的平均停留时长。
Figure BDA0002235930900000121
其中，
Figure BDA0002235930900000122
为顾客类型j在目标商场中的平均停留时长，mj为顾客类型j中顾客的数目，
Figure BDA0002235930900000123
为顾客类型j中第τ个顾客的进入时间，
Figure BDA0002235930900000124
为顾客类型j中第τ个顾客的离开时间。
同理，针对每个第二目标顾客，服务器可以将该第二目标顾客的第二离开时间与第二进入时间的差值，确定该第二目标顾客在休息区域中的休息时长。然后，服务器可以将各第二目标顾客在休息区域中的总休息时长与第二目标顾客的数目的比值，确定为该顾客类型在休息区域中的平均休息时长。
服务器得到该顾客类型在目标商场中的第二平均停留时长和该顾客类型在休息区域中的平均休息时长后，可以将该顾客类型的第二平均停留时长与平均休息时长的差值，确定为该顾客类型在目标商场中的购物时长。
步骤二，将该顾客类型在目标商场中的平均购物时长与该顾客类型在各已部署的第二商铺类型中的第一平均停留时长的和值的差值，确定为该顾客类型的剩余购物时长。
在实施中，服务器得到该顾客类型在各已部署的第二商铺类型中的每个第二商铺类型的第一平均停留时长后，可以计算该顾客类型在各已部署的第二商铺类型中的每个第二商铺类型的第一平均停留时长的和值。然后，服务器可以将该顾客类型在目标商场中的平均购物时长与该和值的差值，确定为该顾客类型的剩余购物时长。例如，以顾客类型1，已部署的第二商铺类型为[商铺类型1，商铺类型3，商铺类型5]为例，该顾客类型1在目标商场中的平均购物时长为60分钟，该顾客类型1在商铺类型1中的第一平均停留时长为10分钟，在商铺类型3中的第一平均停留时长为20分钟，在商铺类型5中的第一平均停留时长为15分钟，则该顾客类型1在各已部署的第二商铺类型中的每个第二商铺类型的第一平均停留时长的和值为10+20+15＝45分钟，该顾客类型1的剩余购物时长为60-45＝15分钟。
步骤三，如果该顾客类型的剩余购物时长大于或等于该顾客类型在该第一商铺类型中的第一平均停留时长，则确定该顾客类型为该第一商铺类型部署在目标商铺位置对应的目标顾客类型。
在实施中，服务器得到该顾客类型的剩余购物时长后，可以进一步判断该顾客类型的剩余购物时长是否大于或等于该顾客类型在该第一商铺类型中的第一平均停留时长。如果该顾客类型的剩余购物时长大于或等于该顾客类型在该第一商铺类型中的第一平均停留时长，则说明该顾客类型可以浏览该第一商铺类型，服务器可以确定该顾客类型为该第一商铺类型部署在目标商铺位置对应的目标顾客类型。如果该顾客类型的剩余购物时长小于该顾客类型在该第一商铺类型中的第一平均停留时长，则说明该顾客类型无法浏览该第一商铺类型，服务器可以确定该顾客类型为该第一商铺类型部署在目标商铺位置对应的非目标顾客类型。例如，以顾客类型1，第一商铺类型为商铺类型2，目标商铺位置为商铺位置4为例，该顾客类型1的剩余购物时长为15分钟，该顾客类型1在该商铺类型2中的第一平均停留时长为15分钟，则该顾客类型1为该商铺类型2部署在目标商铺位置4对应的目标顾客类型。
可选的，目标商场中的每个商铺的入方向可以设置有第六图像采集设备，用于采集进入该商铺的顾客的第六图像数据，并将采集到的第六图像数据发送至服务器；相应的，每个商铺的出方向可以设置有第七图像采集设备，用于采集离开该商铺的顾客的第七图像数据，并将采集到的第七图像数据发送至服务器。服务器接收到第六图像采集设备采集的第六图像数据后，可以根据预设的特征提取算法，提取第六图像数据中包含的进入该商铺的第六顾客的人脸特征。然后，服务器可以将第六图像数据的采集时间，确定为第六顾客进入该商铺的第三进入时间，并建立第六顾客的人脸特征、第三进入时间和商铺的标识的对应关系。相应的，服务器接收到第七图像采集设备采集的第七图像数据后，可以根据预设的特征提取算法，提取第七图像数据中包含的离开该商铺的第七顾客的人脸特征。然后，服务器可以将第七图像数据的采集时间，确定为第七顾客离开该商铺的第三离开时间，并建立第七顾客的人脸特征、第三离开时间和商铺的标识的对应关系。
可选的，服务器获取该顾客类型在已部署的各第二商铺类型中的第一平均停留时长的处理过程如下：
步骤一，针对已部署的每个第二商铺类型包含的各第一目标商铺，根据该顾客类型对应的各第二目标顾客的人脸特征，确定各第二目标顾客进入各第一目标商铺的第三进入时间和离开各第一目标商铺的第三离开时间。
在实施中，针对已部署的每个第二商铺类型包含的各第一目标商铺，服务器可以在人脸特征和顾客类型的对应关系中，确定属于该顾客类型的各第二目标顾客的人脸特征。然后，服务器可以在人脸特征、第三进入时间和商铺的标识的对应关系中、以及在人脸特征、第三离开时间和商铺的标识的对应关系中，根据各第二目标顾客的人脸特征，确定各第二目标顾客进入各第一目标商铺的第三进入时间和离开各第一目标商铺的第三离开时间。
步骤二，针对每个第二目标顾客，根据该第二目标顾客的第三进入时间和第三离开时间，确定该第二目标顾客在该第二商铺类型中的停留时长。
在实施中，服务器得到各第二目标顾客进入各第一目标商铺的第三进入时间和离开各第一目标商铺的第三离开时间后，针对每个第二目标顾客，服务器可以根据该第二目标顾客的第三进入时间和第三离开时间，确定该第二目标顾客在各第一目标商铺的停留时长。然后，服务器可以将该第二目标顾客在各第一目标商铺的总停留时长，确定为该第二目标顾客在该第二商铺类型中的停留时长。
步骤三，根据各第二目标顾客在该第二商铺类型中的停留时长，确定该顾客类型在该第二商铺类型中的第一平均停留时长。
在实施中，服务器得到各第二目标顾客在该第二商铺类型中的停留时长后，可以进一步将各第二目标顾客在该第二商铺类型中的总停留时长与第二目标顾客的数目的比值，确定为该顾客类型在该第二商铺类型中的第一平均停留时长。其中，服务器可以根据公式(2)计算该顾客类型在第二商铺类型中的第一平均停留时长。
其中，
Figure BDA0002235930900000152
为顾客类型j在第二商铺类型i中的平均停留时长，
Figure BDA0002235930900000153
为顾客类型j的第q个顾客在第二商铺类型i中的停留时长，Q为顾客类型j中顾客的数目。
步骤302，针对该第一商铺类型对应的每个目标顾客类型，根据该目标顾客类型在该第一商铺类型中的平均消费金额、消费概率以及该目标顾客类型的顾客总数目，确定该目标顾客类型在该第一商铺类型中的收益额。
在实施中，服务器得到该第一商铺类型对应的目标顾客类型后，针对该第一商铺类型对应的每个目标顾客类型，服务器可以进一步根据该目标顾客类型在该第一商铺类型中的平均消费金额、消费概率以及该目标顾客类型的顾客总数目，确定该目标顾客类型在该第一商铺类型中的收益额。其中，服务器可以将该目标顾客类型在该第一商铺类型中的平均消费金额、消费概率以及该目标顾客类型的顾客总数目三者的乘积，确定为该目标顾客类型在该第一商铺类型中的收益额。例如，以第一商铺类型为商铺类型2，该目标顾客类型为顾客类型1为例，该顾客类型1在该商铺类型2中的平均消费金额为500元、消费概率为20％以及该目标顾客类型的顾客总数目为2000人，则该顾客类型1在该商铺类型2中的收益额为500*20％*2000＝20万元。
可选的，服务器确定顾客对应的订单的处理过程如下：
步骤一，接收设置于交易设备的第二图像采集设备采集的第二图像数据，根据预设的特征提取算法，提取第二图像数据中包含的第二顾客的人脸特征，将第二图像数据的采集时间，确定为第二顾客的消费时间。
在实施中，目标商场中的交易设备中可以设置有第二图像采集设备，用于采集使用该交易设备进行消费的顾客的第二图像数据，并将采集到的第二图像数据发送至服务器。服务器接收到第二图像采集设备采集的第二图像数据后，可以根据预设的特征提取算法，提取第二图像数据中包含的第二顾客的人脸特征。然后，服务器可以将第二图像数据的采集时间，确定为第二顾客的消费时间。
步骤二，在各订单中，将订单时间与第二顾客的消费时间满足预设接近度条件的订单，确定为第二顾客对应的目标订单，并建立第二顾客的人脸特征和目标订单的对应关系。其中，订单包含商铺标识、消费金额和订单时间。
在实施中，服务器得到第二顾客的消费时间后，可以在各订单中，将订单时间与第二顾客的消费时间满足预设接近度条件的订单，确定为第二顾客对应的目标订单，并建立第二顾客的人脸特征和目标订单的对应关系。其中，订单包含商铺标识、消费金额和订单时间；预设接近度条件可以为订单时间与消费时间的差值的绝对值小于或等于预设阈值。
例如，顾客的消费时间为20191001112536，订单1的订单时间为20191001112030，订单2的订单时间为20191001112345，订单3的订单时间为20191001112630，预设接近度条件订单时间与消费时间的差值小于或等于1分钟，则该顾客对应的目标订单为订单3。
可选的，服务器确定该顾客类型在该商铺类型中的平均消费金额的处理过程如下：
步骤一，针对每个商铺类型对应的每个顾客类型，根据该顾客类型对应的各第一目标顾客的人脸特征，确定各第一目标顾客在该商铺类型包含的各商铺的消费金额。
在实施中，针对每个商铺类型对应的每个顾客类型，服务器可以在人脸特征和顾客类型的对应关系中，确定属于该顾客类型的各第一目标顾客的人脸特征。然后，服务器可以根据在人脸特征和目标订单的对应关系中，根据各第一目标顾客的人脸特征和该商铺类型包含的各商铺的标识，确定各第一目标顾客在该商铺类型包含的各商铺的消费金额。
步骤二，针对每个第一目标顾客，根据该第一目标顾客在各商铺的消费金额，确定该第一目标顾客在该商铺类型中的消费金额。
在实施中，服务器得到各第一目标顾客在该商铺类型包含的各商铺的消费金额后，针对每个第一目标顾客，服务器可以将该第一目标顾客在该商铺类型包含的各商铺的总消费金额，确定为该第一目标顾客在该商铺类型中的消费金额。
步骤三，根据各第一目标顾客在该商铺类型中的消费金额，确定该顾客类型在该商铺类型中的平均消费金额。
在实施中，服务器得到各第一目标顾客在该商铺类型中的消费金额后，可以将各第一目标顾客在该商铺类型中的总消费金额与第一目标顾客的数目的比值，确定为该顾客类型在该商铺类型中的平均消费金额。其中，服务器可以根据公式(3)计算该目标顾客类型在该第一商铺类型中的平均消费金额。
Figure BDA0002235930900000181
其中，Wj,i为目标顾客类型j在该第一商铺类型i中的平均消费金额，Yj,i为目标顾客类型j中在该第一商铺类型i消费的顾客的数目，Wj,i,y为目标顾客类型j中在该第一商铺类型i消费的第y个顾客的消费金额。
可选的，服务器还可以根据该目标顾客类型中在该第一商铺类型消费的顾客数目与该目标顾客类型中在该第一商铺类型停留的顾客的数目，计算该目标顾客类型在该第一商铺类型中的消费概率。其中，服务器可以根据公式(4)计算该目标顾客类型在该第一商铺类型中的消费概率。
Figure BDA0002235930900000182
其中，
Figure BDA0002235930900000183
为目标顾客类型j在第一商铺类型i中的消费概率，Yj,i为目标顾客类型j中在第一商铺类型i消费的顾客的数目，Zj,i为目标顾客类型j中在第一商铺类型i停留的顾客的数目。
步骤303，将各目标顾客类型在该第一商铺类型中的收益额的总和，确定为该第一商铺类型的收益额。
在实施中，服务器得到各目标顾客类型在该第一商铺类型中的收益额后，可以将各目标顾客类型在该第一商铺类型中的收益额的总和，确定为该第一商铺类型的收益额。例如，以第一商铺类型为商铺类型2，目标顾客类型为顾客类型1、顾客类型2和顾客类型3为例，顾客类型1在该商铺类型2中的收益额为20万元，顾客类型2在该商铺类型2中的收益额为15万元，顾客类型3在该商铺类型2中的收益额为40万元，则该商铺类型2的收益额为20+15+40＝75万元。
步骤203，在各第一商铺类型中，将收益额最大的第一商铺类型，确定为部署在目标商铺位置对应的目标商铺类型，并将目标商铺类型确定为已部署的第二商铺类型。
在实施中，服务器得到各第一商铺类型在目标商铺位置部署时的收益额后，可以进一步在各第一商铺类型中，将收益额最大的第一商铺类型，确定为部署在目标商铺位置对应的目标商铺类型，并将目标商铺类型确定为已部署的第二商铺类型。例如，以目标商铺位置为商铺位置4，待部署的第一商铺类型为[商铺类型2，商铺类型4，商铺类型6]为例，商铺类型2部署在商铺位置4的收益额为75万元，商铺类型4部署在商铺位置4的收益额为100万元，商铺类型6部署在商铺位置4的收益额为70万元，则商铺位置4对应的目标商铺类型为商铺类型4。
作为一种可选地实施方式，服务器可以根据顾客的图像数据对顾客进行分类，具体处理过程如下：
步骤一，接收设置于目标商场的出入口的入方向的第一图像采集设备采集的第一图像数据。
在实施中，该目标商场的出入口的入方向可以设置有第一图像采集设备，用于采集进入该目标商场的顾客的第一图像数据，并将采集到的第一图像数据发送至服务器。
步骤二，根据预设的特征提取算法，提取第一图像数据中包含的进入目标商场的第一顾客的人脸特征和属性特征，并根据第一顾客的属性特征和预设的顾客类型分类规则，确定第一顾客对应的顾客类型。
在实施中，服务器中可以预先存储有特征提取算法。该特征提取算法可以由技术人员根据经验进行设置。服务器接收到第一图像采集设备采集第一图像数据后，可以根据预设的特征提取算法，提取第一图像数据中包含的进入目标商场的第一顾客的人脸特征和属性特征。其中，属性特征包括：性别、年龄、穿着、配饰、车辆等信息。服务器中可以预先存储有顾客类型分类规则。该顾客类型分类规则可以由技术人员根据经验进行设置。服务器得到第一顾客的属性信息后，可以根据预设的顾客类型分类规则和第一顾客的属性信息，确定第一顾客对应的顾客类型(比如中产类型、工薪类型等)，并建立第一顾客的人脸特征和顾客类型的对应关系。例如，服务器可以将第一顾客的属性信息输入至预先训练的神经网络，得到第一顾客对应的顾客类型。
顾客类型集合为
Figure BDA0002235930900000201
其中，
Figure BDA0002235930900000202
为顾客类型i，L为顾客类型集合中顾客类型的数目。相应的，该目标商场中顾客m对应的顾客类型为
Figure BDA0002235930900000203
其中，n∈[1,2，…，L]。
可选的，服务器得到已注册的顾客的特征信息后，还可以进一步根据商场管理系统中存储的该已注册的顾客的信息，确定该已注册的顾客的特征信息。
本申请实施例提供了一种商铺的部署方法。服务器获取目标商场的商铺位置序列，按照各商铺位置在商铺位置序列中的先后顺序，确定当前待部署的目标商铺位置，并确定各待部署的第一商铺类型部署在目标商铺位置的收益额，在各待部署的第一商铺类型中，将收益额最大的第一商铺类型，确定为目标商铺位置对应的目标商铺类型，并将目标商铺类型确定为已部署的第二商铺类型。这样，将收益高的商铺类型部署在顾客优先浏览的商铺位置上，从而可以提高目标商场的收益额。
本申请实施例还提供了一种商铺的部署装置，如图4所示，该装置包括：
获取模块410，用于获取目标商场的商铺位置序列；
第一确定模块420，用于按照各商铺位置在商铺位置序列中的先后顺序，确定当前待部署的目标商铺位置，并确定待部署的各第一商铺类型在目标商铺位置部署时的收益额；
第二确定模块430，用于在各第一商铺类型中，将收益额最大的第一商铺类型，确定为部署在目标商铺位置的目标商铺类型，并将目标商铺类型确定为已部署的第二商铺类型。
作为一种可选的实施方式，第一确定模块420，具体用于：
针对每个待部署的第一商铺类型，在各顾客类型中，确定该第一商铺类型部署在目标商铺位置对应的目标顾客类型；
针对该第一商铺类型对应的每个目标顾客类型，根据该目标顾客类型在该第一商铺类型中的平均消费金额、消费概率以及该目标顾客类型的顾客总数目，确定该目标顾客类型在该第一商铺类型中的收益额；
将各目标顾客类型在该第一商铺类型中的收益额的总和，确定为该第一商铺类型的收益额。
作为一种可选的实施方式，该装置还包括：
第一接收模块，用于接收设置于目标商场的出入口的入方向的第一图像采集设备采集的第一图像数据；
第三确定模块，用于根据预设的特征提取算法，提取第一图像数据中包含的进入目标商场的第一顾客的人脸特征和属性特征，并根据第一顾客的属性特征和预设的顾客类型分类规则，确定第一顾客对应的顾客类型。
作为一种可选的实施方式，该装置还包括：
第四确定模块，用于针对每个商铺类型对应的每个顾客类型，根据该顾客类型对应的各第一目标顾客的人脸特征，确定各第一目标顾客在该商铺类型包含的各商铺的消费金额；
第五确定模块，用于针对每个第一目标顾客，根据该第一目标顾客在各商铺的消费金额，确定该第一目标顾客在该商铺类型中的消费金额；
第六确定模块，用于根据各第一目标顾客在该商铺类型中的消费金额，确定该顾客类型在该商铺类型中的平均消费金额。
作为一种可选的实施方式，该装置还包括：
第二接收模块，用于接收设置于交易设备的第二图像采集设备采集的第二图像数据；
第七确定模块，用于根据预设的特征提取算法，提取第二图像数据中包含的第二顾客的人脸特征，将第二图像数据的采集时间，确定为第二顾客的消费时间；
建立模块，用于在各订单中，将订单时间与第二顾客的消费时间满足预设接近度条件的订单，确定为第二顾客对应的目标订单，并建立第二顾客的人脸特征和目标订单的对应关系，订单包含商铺标识、消费金额和订单时间。
作为一种可选的实施方式，第一确定模块420，具体用于：
针对每个顾客类型，获取该顾客类型在目标商场中的平均购物时长和该顾客类型在已部署的各第二商铺类型中的第一平均停留时长；
将该顾客类型在目标商场中的平均购物时长与该顾客类型在已部署的各第二商铺类型中的第一平均停留时长的和值的差值，确定为该顾客类型的剩余购物时长；
如果该顾客类型的剩余购物时长大于或等于该顾客类型在该第一商铺类型中的第一平均停留时长，则确定该顾客类型为该第一商铺类型部署在目标商铺位置对应的目标顾客类型。
作为一种可选的实施方式，第一确定模块420，具体用于：
将该顾客类型在目标商场中的第二平均停留时长与该顾客类型在目标商场中的平均休息时长的差值，确定为该顾客类型在目标商场中的购物时长。
作为一种可选的实施方式，第一确定模块420，具体用于：
根据该顾客类型对应的各第二目标顾客的人脸特征，确定各第二目标顾客进入目标商场的第一进入时间、离开目标商场的第一离开时间、进入休息区域的第二进入时间和离开休息区域的第二离开时间；
根据各第二目标顾客的第一进入时间和第一离开时间，确定该顾客类型在目标商场中的第二平均停留时长，并根据各第二目标顾客的第二进入时间和第二离开时间，确定该顾客类型在休息区域中的平均休息时长；
将该顾客类型的第二平均停留时长与平均休息时长的差值，确定为该顾客类型在目标商场中的购物时长。
作为一种可选的实施方式，获取模块410，具体用于：
确定目标商场包含的各商铺位置与目标出入口的距离；
按照距离由近到远的顺序，对各商铺位置进行排序，得到商铺位置序列。
本申请实施例提供了一种商铺的部署装置。获取目标商场的商铺位置序列，按照各商铺位置在商铺位置序列中的先后顺序，确定当前待部署的目标商铺位置，并确定各待部署的第一商铺类型部署在目标商铺位置的收益额，在各待部署的第一商铺类型中，将收益额最大的第一商铺类型，确定为目标商铺位置对应的目标商铺类型，并将目标商铺类型确定为已部署的第二商铺类型。这样，将收益高的商铺类型部署在顾客优先浏览的商铺位置上，从而可以提高目标商场的收益额。
在一个实施例中，提供了一种计算机设备，如图6所示，包括存储器及处理器，所述存储器上存储有可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述商铺的部署方法步骤。
在一个实施例中，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商铺的部署方法的步骤。
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。
以上所述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 (12)

1.一种商铺的部署方法，其特征在于，所述方法包括：
获取目标商场的商铺位置序列；
按照各商铺位置在所述商铺位置序列中的先后顺序，确定当前待部署的目标商铺位置，并确定待部署的各第一商铺类型在所述目标商铺位置部署时的收益额；
在所述各第一商铺类型中，将收益额最大的第一商铺类型，确定为部署在所述目标商铺位置的目标商铺类型，并将所述目标商铺类型确定为已部署的第二商铺类型。
2.根据权利要求1所述的方法，其特征在于，所述确定待部署的各第一商铺类型在所述目标商铺位置部署时的收益额，包括：
针对每个待部署的第一商铺类型，在各顾客类型中，确定该第一商铺类型部署在所述目标商铺位置对应的目标顾客类型；
针对该第一商铺类型对应的每个目标顾客类型，根据该目标顾客类型在该第一商铺类型中的平均消费金额、消费概率以及该目标顾客类型的顾客总数目，确定该目标顾客类型在该第一商铺类型中的收益额；
将各目标顾客类型在该第一商铺类型中的收益额的总和，确定为该第一商铺类型的收益额。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
接收设置于所述目标商场的出入口的入方向的第一图像采集设备采集的第一图像数据；
根据预设的特征提取算法，提取所述第一图像数据中包含的进入所述目标商场的第一顾客的人脸特征和属性特征，并根据所述第一顾客的属性特征和预设的顾客类型分类规则，确定所述第一顾客对应的顾客类型。
4.根据权利要求2或3所述的方法，其特征在于，所述方法还包括：
针对每个商铺类型对应的每个顾客类型，根据该顾客类型对应的各第一目标顾客的人脸特征，确定所述各第一目标顾客在该商铺类型包含的各商铺的消费金额；
针对每个第一目标顾客，根据该第一目标顾客在所述各商铺的消费金额，确定该第一目标顾客在该商铺类型中的消费金额；
根据所述各第一目标顾客在该商铺类型中的消费金额，确定该顾客类型在该商铺类型中的平均消费金额。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
接收设置于交易设备的第二图像采集设备采集的第二图像数据；
根据预设的特征提取算法，提取所述第二图像数据中包含的第二顾客的人脸特征，将所述第二图像数据的采集时间，确定为所述第二顾客的消费时间；
在各订单中，将订单时间与所述第二顾客的消费时间满足预设接近度条件的订单，确定为所述第二顾客对应的目标订单，并建立所述第二顾客的人脸特征和目标订单的对应关系，所述订单包含商铺标识、消费金额和订单时间。
6.根据权利要求2所述的方法，其特征在于，所述针对每个待部署的第一商铺类型，在各顾客类型中，确定该第一商铺类型部署在所述目标商铺位置对应的目标顾客类型，包括：
针对每个顾客类型，获取该顾客类型在所述目标商场中的平均购物时长和该顾客类型在已部署的各第二商铺类型中的第一平均停留时长；
将该顾客类型在所述目标商场中的平均购物时长与该顾客类型在已部署的各第二商铺类型中的第一平均停留时长的和值的差值，确定为该顾客类型的剩余购物时长；
如果该顾客类型的剩余购物时长大于或等于该顾客类型在该第一商铺类型中的第一平均停留时长，则确定该顾客类型为该第一商铺类型部署在所述目标商铺位置对应的目标顾客类型。
7.根据权利要求6所述的方法，其特征在于，所述针对每个顾客类型，获取该顾客类型在所述目标商场中的平均购物时长，包括：
将该顾客类型在所述目标商场中的第二平均停留时长与该顾客类型在所述目标商场中的平均休息时长的差值，确定为该顾客类型在所述目标商场中的购物时长。
8.根据权利要求7所述的方法，其特征在于，所述将该顾客类型在所述目标商场中的第二平均停留时长与该顾客类型在所述目标商场中的平均休息时长的差值，确定为该顾客类型在所述目标商场中的购物时长，包括：
根据该顾客类型对应的各第二目标顾客的人脸特征，确定所述各第二目标顾客进入所述目标商场的第一进入时间、离开所述目标商场的第一离开时间、进入休息区域的第二进入时间和离开所述休息区域的第二离开时间；
根据所述各第二目标顾客的第一进入时间和第一离开时间，确定该顾客类型在所述目标商场中的第二平均停留时长，并根据所述各第二目标顾客的第二进入时间和第二离开时间，确定该顾客类型在所述休息区域中的平均休息时长；
将该顾客类型的第二平均停留时长与平均休息时长的差值，确定为该顾客类型在所述目标商场中的购物时长。
9.根据权利要求1所述的方法，其特征在于，所述获取目标商场的商铺位置序列，包括：
确定目标商场包含的各商铺位置与目标出入口的距离；
按照所述距离由近到远的顺序，对所述各商铺位置进行排序，得到商铺位置序列。
10.一种商铺的部署装置，其特征在于，所述的装置包括：
获取模块，用于获取目标商场的商铺位置序列；
第一确定模块，用于按照各商铺位置在所述商铺位置序列中的先后顺序，确定当前待部署的目标商铺位置，并确定待部署的各第一商铺类型在所述目标商铺位置部署时的收益额；
第二确定模块，用于在所述各第一商铺类型中，将收益额最大的第一商铺类型，确定为部署在所述目标商铺位置的目标商铺类型，并将所述目标商铺类型确定为已部署的第二商铺类型。
11.一种计算机设备，包括存储器及处理器，所述存储器上存储有可在处理器上运行的计算机程序，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9中任一项所述方法的步骤。
12.一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9中任一项所述的方法的步骤。
CN201910983351.1A 2019-10-16 2019-10-16 商铺的部署方法、装置、计算机设备及可读存储介质 Pending CN110751324A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910983351.1A CN110751324A (zh) 2019-10-16 2019-10-16 商铺的部署方法、装置、计算机设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910983351.1A CN110751324A (zh) 2019-10-16 2019-10-16 商铺的部署方法、装置、计算机设备及可读存储介质

Publications (1)

Publication Number Publication Date
CN110751324A true CN110751324A (zh) 2020-02-04

Family

ID=69278532

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910983351.1A Pending CN110751324A (zh) 2019-10-16 2019-10-16 商铺的部署方法、装置、计算机设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN110751324A (zh)

Similar Documents

Publication Publication Date Title
CN107066616B (zh) 用于账号处理的方法、装置及电子设备
CN109582876B (zh) 旅游行业用户画像构造方法、装置和计算机设备
US20190213507A1 (en) Determining host preferences for accommodation listings
JP4125634B2 (ja) 顧客情報収集管理方法及びそのシステム
CN106296879B (zh) 基于无线探测的人流量获取的方法、装置和系统
WO2020015104A1 (zh) 风险旅客流量预测方法、装置、计算机设备和存储介质
US20240095325A1 (en) Intelligent gallery management for biometrics
CN108416614A (zh) 虚拟物品的发送方法、装置、电子设备及存储介质
CN102947850A (zh) 内容输出装置、内容输出方法、内容输出程序以及记录有内容输出程序的记录介质
CN109145707A (zh) 图像处理方法及装置、电子设备和存储介质
JP7151789B2 (ja) 情報処理装置
CN111178966A (zh) 一种基于人脸识别的潜在客户行为分析方法和系统
JP6506572B2 (ja) 商圏に応じて店舗の期待成約人数を推定するプログラム、装置及び方法
CN109903045B (zh) 行为轨迹监控方法、装置、计算机设备和介质
CN108876426A (zh) 数据管理方法、系统和计算设备以及非易失性存储介质
AU2017231602A1 (en) Method and system for visitor tracking at a POS area
CN110751324A (zh) 商铺的部署方法、装置、计算机设备及可读存储介质
CN109711856B (zh) 基于大数据的用户分类方法、装置、服务器及存储介质
CN112183408A (zh) 基于案场图像的客户画像系统及方法
CN116523602A (zh) 一种多方半监督学习的金融产品潜在用户推荐方法
CN107545347B (zh) 用于防控风险的属性确定方法、装置及服务器
Essayem et al. Customer clustering based on RFM features using K-Means algorithm
CN111598607A (zh) 商铺的部署方法、装置、计算机设备及可读存储介质
CN113065892A (zh) 一种信息推送方法、装置、设备及存储介质
CN111382343B (zh) 一种标签体系生成方法及装置

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: 20200204