CN110770779A - 用于提供个性化现场信息交换的方法和系统 - Google Patents
用于提供个性化现场信息交换的方法和系统 Download PDFInfo
- Publication number
- CN110770779A CN110770779A CN201880040807.4A CN201880040807A CN110770779A CN 110770779 A CN110770779 A CN 110770779A CN 201880040807 A CN201880040807 A CN 201880040807A CN 110770779 A CN110770779 A CN 110770779A
- Authority
- CN
- China
- Prior art keywords
- user
- product
- information exchange
- exchange system
- end information
- 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.)
- Granted
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
- G06Q30/00—Commerce
-
- 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
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
Abstract
一种方法包括:部署前端系统(FIES);激活来自位于FIES当前部署位置的现场相机的输入流;根据第一相机的相应输入流,将用户的查看事件注册为与展示的第一样品产品相关联;检测用户和FIES之间的近距离交互;自动生成第一产品推荐,包括:如果查看事件满足增强查看标准,则自动在第一产品推荐中添加第一样品产品的产品特定描述,增强查看标准在与相应第一样品产品相关联的先前存储的查看事件中存在第一用户的第二查看事件时被满足;否则,放弃在第一产品推荐中包括第一样品产品的产品特定描述;以及通过前端信息交换系统向第一用户提供第一产品推荐。
Description
相关申请的交叉引用
本申请要求2017年10月13日提交的第62/572,242号美国专利申请的优先权,其公开内容通过引用整体并入本文。
技术领域
本公开涉及将基于计算机的信息处理与亲身近距离物理交互进行集成,以支持定制的现场人机信息交换,尤其涉及一种用于提供与人类用户关于电器推荐的个性化现场信息交换的方法和系统。
背景技术
在电子商务日益流行的时代,许多产品供应商投入大量资源开发和使用在线销售平台,在线销售平台在列表中展示产品图像,并通过在单个产品页面上提供产品描述、在线评论和信息视频来促进销售。在线销售平台中的许多还提供产品搜索功能,根据用户输入的搜索关键词识别所有可用产品的子组。尽管在线销售平台也提供了用于销售家用电器的途径,但是纯在线销售平台不能满足用户的以下愿望:试用家用电器、了解其许多特性、亲自触摸和操作家用电器、或者看到家用电器在模拟用户家庭的预期操作环境的物理环境中运行。纯在线销售平台也不能在用户对电器进行亲身近距离体验(in-person close-proximity experiences)的地方为用户提供任何实时、个性化的关注和帮助。
实体店越来越少,经营成本也越来越高。优秀高效的销售人员不仅难以寻找,而且维护成本也很高。此外,一个销售人员可能会与一个客户建立良好的关系并赢得销售,但对于另一个不同的客户可能会面临回避和拒绝。在顾客通常待在实体商店里的短暂时间内,真正的人类销售人员根本没有个性、精力、能力或知识来为每个进门的顾客提供真正个性化的服务和帮助。
最近,人们对开发店内销售机器人非常感兴趣。然而,许多已经被设想的最先进的店内销售机器人是现有电子商务后端系统与附加的自然语言处理能力的粗略组合。销售机器人只是基于通用语言模型和关键词识别来模拟与客户的自然语言交流,并不比现有的在线销售平台更有效。后端系统上大规模客户数据的通用统计建模也没有考虑单个客户对产品的独特店内体验,也没有考虑与其他类型产品或商品的购物相比来说电器购物的独特性。店内销售机器人的发展也受到以下各项的严重限制:相关数据的可用性,以及缺乏用于选择相关参数和划分数据处理和存储任务的优先顺序的高效和有效方法。
因此,需要一种改进的方法和系统来提供关于家用电器的快速、高效和有效的个性化现场信息交换。
发明内容
如背景技术中所讨论的,许多最先进的销售机器人或店内售货亭依赖于大量销售数据的统计建模,并试图将个体用户归入粗略类别,而不是提供与个体用户真正个性化的信息交换。此外,基于计算机的信息处理和个体用户的亲身现场体验要么彼此完全分离,要么基于粗略的加法策略简单地组合,而不会在两者之间产生任何协同作用。用户的店内体验和后端基于计算机的信息处理能力之间的集成需要仔细考虑,并针对每个用户以及用户的过去和现在情况的独特性进行定制。通过动态改变不同人工智能策略和模型如何彼此相互作用,重新排列它们在整体模型再训练、用户特征预测、产品推荐生成和直接信息交换过程中的相对角色,并重新调整它们在整体模型再训练、用户特征预测、产品推荐生成和直接信息交换过程中的相对重要性,当信息交换系统(后端服务器系统和前端销售机器人或信息亭)在物理部署位置(例如,实体商店或展厅)处被用户使用时,它可以提供更好的用户体验和更好的销售结果,在物理部署位置处真实产品被展示并可供用户操作和查看。
本文公开的系统和方法直面技术挑战,以解决传统电子商务平台的缺陷和实体商店的缺陷。在一些实施例中,前端信息交换系统(例如,销售机器人或信息亭)被部署在部署位置(例如,实体商店或展厅),并且被用于通过与人类用户直接的、亲身近距离交互来采集和可选地处理数据输入;后端信息交换系统用以生成人工智能模型、规则和决策逻辑,并导出相关参数,并将这些参数与通过后端信息交换系统的基于计算机的信息处理能力而变得可用的其他相关数据有效地集成。具体而言,后端信息交换系统被设计成识别特定数据,当该特定数据与通过与人类用户的亲身近距离交互获得的相关信息和参数相结合时,使得能够实现先前不可用的决策路径,并增强针对所讨论的特定用户的用户偏好和意图的可预测性。此外,通过与用户的亲身近距离交互获得的参数还使得后端信息交换系统能够进一步动态地确定针对当前信息交换任务的数据存储和数据处理需求的优先级,从而使得信息交换系统更加高效,并且资源限制更少。最后,交互和交互结果被处理以进一步细化用户的角色和用于对与用户交互的产品进行推荐的预测模型。
如本文所公开的,在一些实施例中,提供信息交换(例如,提供机器生成的产品推荐,诸如家用电器的推荐)的方法包括:在具有一个或多个处理器和存储器的电子设备(例如,托管产品推荐引擎的服务器)处:部署前端信息交换系统,其中,前端信息交换系统提供输入用户界面,该输入用户界面被配置成检测用户和前端信息交换系统之间的一个或多个亲身近距离交互(例如,通过语音、触摸、视觉、手势等的交互,由用户和前端信息交换系统之间的紧密物理接近而实现);注册前端信息交换系统的当前部署位置;在前端信息交换系统的当前部署位置检测第一用户和前端信息交换系统之间的第一亲身近距离交互,其中,第一亲身近距离交互指定第一产品类别,第一用户正在针对其寻找产品推荐;响应于第一用户和前端信息交换系统之间的第一亲身近距离交互:自动生成第一产品推荐,其中,第一产品推荐包括至少部分基于前端信息交换系统的注册的当前部署位置所选择的第一产品类别的第一产品;检测第一用户针对与第一产品类别相关联的第二产品类别中的第二产品的相应先前购买记录;根据确定出第二产品的相应先前购买记录指示了在前端信息交换系统所注册的当前部署位置的预定地理区域之外的购买或递送位置,自动扩充第一产品推荐以包括来自第二产品类别的第三产品,第三产品基于所述第二产品的特性进行选择;以及根据确定出第二产品的相应先前购买记录指示了在前端信息交换系统所注册的当前部署位置的预定地理区域内的购买或递送位置,自动细化所述第一产品推荐以基于第二产品的特性进一步限定第一产品的一个或多个特性;以及在自动扩充或细化第一产品推荐之后,通过前端信息交换系统向第一用户提供第一产品推荐。
如本文所公开的,在一些实施例中,提供信息交换(例如,提供机器生成的产品推荐,诸如家用电器的推荐)的方法包括:在具有一个或多个处理器和存储器的电子设备(例如,托管产品推荐引擎的服务器)处:一种提供机器生成的产品推荐的方法,包括:
在具有一个或多个处理器以及存储器的电子设备(例如,托管产品推荐引擎的服务器)处:部署前端信息交换系统,其中,前端信息交换系统提供输入用户界面,该输入用户界面被配置成检测用户和前端信息交换系统之间的一个或多个亲身近距离交互(例如,通过语音、触摸、视觉、手势等的交互,由用户和前端信息交换系统之间的紧密物理接近而实现);激活来自位于前端信息交换系统的当前部署位置处的一个或多个现场相机的相应输入流,其中,一个或多个现场相机中的每一个位于前端信息交换系统的当前部署位置处展示的相应样品产品附近;根据一个或多个现场相机中的第一相机的相应输入流,将第一用户的第一查看事件注册为与在前端信息交换系统的当前部署位置处展示的第一样品产品相关联;在前端信息交换系统的当前部署位置处检测第一用户和前端信息交换系统之间的第一亲身近距离交互;响应于第一用户和前端信息交换系统之间的第一亲身近距离交互,自动生成第一产品推荐,包括:根据确定出已被注册为与第一样品产品相关联的第一用户的第一查看事件满足增强查看标准,在第一产品推荐中自动添加第一样品产品的产品特定描述,其中,增强查看标准包括与相应第一样品产品相关联的多个先前存储的查看事件中存在第一用户的至少第二查看事件时被满足的标准;以及根据确定出已被注册为与第一样品产品相关联的第一用户的第一查看事件不满足增强查看标准,放弃在第一产品推荐中包括第一样品产品的产品特定描述;以及通过前端信息交换系统向第一用户提供第一产品推荐。
根据一些实施例,电子设备包括一个或多个处理器,以及存储一个或多个程序的存储器;一个或多个程序被配置成由一个或多个处理器执行,并且该一个或多个程序包括用于执行或导致执行这里描述的方法中任一项的操作的指令。根据一些实施例,计算机可读存储介质中存储有指令,当由电子设备执行时,这些指令使得该设备执行或导致执行这里描述的方法中的任一项的操作。根据一些实施例,电子设备包括用于执行或导致执行这里描述的方法中任一项的操作的装置。根据一些实施例,用于在电子设备中使用的信息处理设备包括用于执行或导致执行这里描述的方法中任一项的操作的装置。
根据下面的描述,本申请的各种附加优点将变得清楚。
附图说明
作为结合附图详细描述优选实施例的结果,在下文中将更清楚地理解所公开技术的前述特征和优点以及其附加特征和优点。
为了更清楚地描述本公开技术的实施例或现有技术中的技术解决方案,以下简要介绍描述实施例或现有技术所需的附图。显然,以下描述中的附图仅示出了本公开技术的一些实施例,并且本领域普通技术人员仍然可以从这些附图中获得其他附图,而无需创造性的努力。
图1A是示出根据一些实施例的信息交换系统的操作环境的框图。
图1B是示出根据一些实施例的后端信息交换系统的示例性组件的框图。
图1C是示出根据一些实施例的前端信息交换系统的示例性组件和其部署环境的框图。
图2是根据一些实施例的前端信息交换系统的示例性用户界面。
图3是根据一些实施例的提供信息交换的方法的流程图。
图4是根据一些实施例的服务器或后端信息交换系统的框图。
图5是根据一些实施例的客户端设备或前端信息交换系统的框图。
在附图的几个视图中,相同的附图标记指代相应的部件。
具体实施方式
现在将详细参考实施例,其示例在附图中示出。在下面的详细描述中,阐述了许多具体细节,以便提供对这里呈现的主题的透彻理解。但是对于本领域技术人员来说显而易见的是,可以在没有这些具体细节的情况下实践主题。在其他示例中,没有详细描述众所周知的方法、过程、组件和回路,以免不必要地模糊实施例的各个方面。
以下参考本申请实施例中的附图,清楚且完整地描述了本申请实施例中的技术解决方案。所描述的实施例仅仅是本申请的一部分而不是全部实施例。本领域技术人员在没有创造性努力的情况下基于本申请的实施例所获得的所有其他实施例都将落入本申请的保护范围内。
如图1A所示,根据一些实施例,根据服务器-客户端交互模型来实现信息交换系统100(例如,包括后端信息交换系统108和一个或多个前端信息交换系统104)。根据一些实施例,服务器-客户端交互模型包括客户端侧模块102-1、102-2等(也称为“前端模块102”),该客户端侧模块在前端信息交换系统104-1、104-2等上执行,前端信息交换系统被部署在各种部署位置(例如,实体店、路演摊位、产品展示场所、展厅等)。在一些实施例中,服务器-客户端交互模型还包括在后端服务器系统(例如,后端信息交换系统108)上执行的服务器侧模块106(也称为“后端模块106”)。前端模块102通过一个或多个网络110与后端模块106通信。前端模块102针对信息交换系统100提供用户侧功能,并与后端模块106通信。后端模块106针对信息交换系统100提供服务器侧功能,用于任何数量的前端模块102,每个前端模块驻留在前端信息交换系统104上(例如,现场信息亭、销售机器人等)。
在一些实施例中,后端模块106包括一个或多个处理器112、各种专有数据库(例如,用于市场分析数据的数据库114和用于客户交易的数据库116、用于当前客户交互会话的数据库和用于用户档案的数据库等)、到一个或多个前端模块的输入/输出接口118、以及到一个或多个外部服务或其他个人在线交互(例如,用户通过在其个人用户设备103(例如,智能电话、平板设备和个人计算机)上的纯在线销售渠道(例如,电子商务或社交网络应用105)与信息交换系统100进行交互)的输入/输出接口120。
在一些实施例中,到前端模块的输入/输出接口118有助于前端模块106的面向客户端的输入和输出处理。输入/输出接口118还包括用于各种外围设备的输入处理,这些外围设备诸如现场照相机、GPS跟踪器和/或分布在(例如,在每个展示产品上,或者在产品展示区域上,沿着每个通道等)的现场扬声器)前端信息交换系统104的各种部署位置中的每一个上。在一些实施例中,后端信息交换系统108直接与现场外围设备通信并控制现场外围设备。在一些实施例中,后端信息交换系统108经由分别位于现场外围设备所在的各个部署地点的前端信息交换系统与现场外围设备通信并控制现场外围设备。
在一些实施例中,数据库114存储各种市场分析数据(例如,影响销售和利润的因素、客户感知、战略销售和营销规划等),其本质上是统计性或汇总性的,代表过去营销、销售和研究结果的概要和趋势。数据库116存储以各种可搜索格式(例如,通过客户名称、年龄、收入水平、颜色偏好、先前购买的产品、产品类别、产品组合/捆绑、先前询问的产品、过去的递送位置、交互渠道、销售代表、交互位置、购买时间、递送时间、客户评论、特殊请求等)组织的单个交易记录。其他数据库包括用户档案数据库,该数据库包括针对每个用户的可搜索特征(例如,身份数据、人口统计数据、社交关系、社交网络账户名、社交网络出版物或评论、与销售代表、客户服务代表或递送人员的交互记录、偏好、厌恶、情绪、信仰、迷信、个性、气质、交互风格等)。
在一些实施例中,数据库116存储用户档案数据。用户档案数据包括基于直接从用户获得的自我描述(例如,经由销售记录、或评估、调查等)而生成的集成人物角色、对社交网络或公共记录(例如,出版物、评论、社交网络兴趣等)的描述,通过直接的人类交互和人类观察提供的描述(例如,由销售代表、递送人员、客户服务代表记录的描述,诸如年龄、体重、生活环境、个性、气质、兴趣、人类交互风格和偏好、个人风格和品味等)、图像和图像描述(例如,用户访问商店的图像、发布在社交媒体上的图像等,包括用户看了哪些产品、与哪些产品交互、用户是与家人、朋友一起还是单独一个人、用户看起来如何、用户的情绪等)、用户的浏览路线和浏览风格,诸如用户是直接查看感兴趣的产品还是更喜欢在各种产品类别中漫游和浏览,用户在其访问期间是否接触了任何销售人员等。
其他数据库还包括会话数据库,该会话数据库临时存储当前通过与单个用户的现场交互而收集的数据(例如,当用户沿着各个过道浏览展示的不同产品时捕获的每个用户的图像,当用户直接与商店中部署的前端信息交换系统104交互时用户的图像,用户和前端信息交换系统104之间的语音交互或文本交换、用户在商店中的浏览路线和模式、在商店中对电子信息的浏览和观看(例如,与商店中针对每个产品的产品描述或演示的交互)、用户与所展示产品的虚拟现实和增强现实交互等)。
在一些实施例中,到一个或多个外部服务的输入/输出接口120有助于与一个或多个外部服务122(例如,网络服务器或基于云的服务提供商,诸如文件共享、数据存储服务、数据收集和分发服务、数据预测服务等)的通信。例如,外部服务122可选地包括天气预报服务,并提供针对各种位置和日期的当前、未来和历史天气数据。外部服务122可选地包括关于针对竞争对手或相关产品的销售和促销策略的情报数据。外部服务122可选地包括运势预测和历史运势预测记录,或者各种预测或信仰系统的原理。这些外部服务中的每一个可选地提供数据,用于训练预测模型、针对统计分析提供基础、针对特定用户建立个人档案提供基础和/或使用现有模型、规则和统计分析结果用于当前预测或分析。
前端信息交换系统104的示例包括但不限于现场计算机亭、移动销售机器人、仿人机器人、中央控制显示终端、手持计算机、可穿戴计算设备、个人数字助理(PDA)、平板计算机、笔记本计算机、台式计算机、蜂窝电话、智能电话、增强型通用分组无线服务(EGPRS)移动电话、媒体播放器、导航设备、游戏控制台、电视、遥控器,销售点(POS)终端、车载计算机、电子书阅读器或这些数据处理设备或其他数据处理设备中任意两个或多个的组合。
一个或多个网络110的示例包括局域网(LAN)和广域网(WAN),诸如因特网。可选地,使用任何已知的网络协议来实现一个或多个网络110,包括各种有线或无线协议,诸如以太网、通用串行总线(USB)、火线、长期演进(LTE)、全球移动通信系统(GSM)、增强型数据GSM环境(EDGE)、码分多址(CDMA)、时分多址(TDMA)、蓝牙、Wi-Fi、互联网协议语音(VoIP)、Wi-MAX或任何其他合适的通信协议。
后端信息交换系统108在一个或多个独立的数据处理设备或分布式计算机网络上实现。在一些实施例中,后端信息交换系统108还使用第三方服务提供商(例如,第三方云服务提供商)的各种虚拟设备和/或服务来提供后端信息交换系统108的底层计算资源和/或基础设施资源。在一些实施例中,后端信息交换系统108包括但不限于手持计算机、平板计算机、笔记本计算机、台式计算机、服务器计算机或这些数据处理设备或其他数据处理设备中的任意两个或多个的组合。
后端信息交换系统108还实现各种模块,用于支持前端交互和向位于不同前端部署位置的用户推荐产品。在一些实施例中,后端信息交换系统包括音频/视频处理服务、自然语言处理服务、模型构建服务、统计分析服务、数据挖掘服务、数据收集服务和产品推荐服务等,这些服务基于各种统计技术、基于规则的技术和基于人工智能的技术。
图1A所示的信息交换系统100包括客户端部分(例如,前端模块102)和服务器侧部分(例如,后端模块106)。在一些实施例中,数据处理被实现为安装在前端设备104上的独立应用,该前端设备部署在物理显示多个实际产品(例如,家用电器、家具、重型设备、车辆等)的部署位置,其中用户实际存在于该位置,并直接与前端设备和产品交互。此外,在不同的实施例中,信息交换系统100的客户端和服务器部分之间的功能划分可以变化。例如,在一些实施例中,前端模块102是瘦客户端,其仅提供面向用户的输入和输出处理功能,并将所有其他数据处理功能委派给后端服务器(例如,后端信息交换系统108)。尽管从后端系统的角度描述了本技术的许多方面,但是由前端系统执行的相应动作对于本领域技术人员来说是显而易见的,无需任何创造性的努力。类似地,尽管从前端系统的角度描述了本技术的许多方面,但是由后端系统执行的相应动作对于本领域技术人员来说是显而易见的,无需任何创造性的努力。此外,本技术的一些方面可以由服务器、客户端设备或者服务器和客户端协同执行。在一些实施例中,数据库(例如,具有已知家庭位置的用户的用户档案数据)中的一些分布在一些前端系统本地的各个位置,这使得能够具有更快的数据访问和本地数据处理时间。
图1B是示出根据一些实施例的后端信息交换系统108的示例性组件的框图。在图1B中,后端信息交换系统108包括多个模块,这些模块包括电子商务数据处理模块152、购买/递送/服务历史处理模块153、历史人类交互日志处理模块154、当前亲身交互处理模块156、数据处理集成模块158、增强现实/虚拟现实处理模块160、产品推荐模块162、自然语言处理模块164、图像处理模块166、外部数据采集和处理模块168、统计建模模块170、深度学习模块172、输入/输出处理模块174、和其他模块176(例如,满意度得分、人口统计确定等)和子模块。后端信息交换系统108可访问的数据包括产品数据178、市场数据180、用户数据182、会话数据184、外部事件数据186、历史销售记录数据188、人类交互日志190和其他数据192(例如,信仰数据、策略数据等)。这些模块利用通过各种内部和外部服务获得的各种实时数据、从前端信息交换系统接收的实时数据以及存储在各种数据库中的现有数据,来指导在前端信息交换系统104的各种部署位置与用户的亲身交互,并向用户生成产品推荐。
图1C是示出根据一些实施例前端信息交换系统104的示例性组件的框图。前端系统104被部署在许多产品(例如,诸如家用电器138之类的产品)被物理展示的部署位置(例如,实体商店或展示场所)。用户(例如,用户139)可以在部署位置周围走动,并对展示的产品进行物理查看。诸如GPS跟踪器、扬声器和相机(例如,相机136)的外围设备分布在整个部署位置,例如,在不同产品、不同产品显示位置和/或不同产品类别的附近,其中来自外围设备的输出流捕获用户在部署位置的各个部分的位置、语音和图像。前端信息交换系统104可以是具有人形形式的机器人,或者是具有显示器和扬声器的计算机亭,或者介于二者之间。用户(例如,用户139)可以走近前端信息交换系统,并且例如通过速度、手势、面部表情、触摸、移动、键盘输入或其他物理操作,直接与前端信息交换系统进行亲身近距离的交互,这是由于用户和前端信息交换系统之间的紧密物理接近而实现的。
在图1C中,前端信息交换系统104包括一个或多个处理器104、多个接口和模块,这些接口和模块包括到用户的输入/输出接口124、到服务器的输入/输出接口126、到外围设备(例如相机、扬声器、显示器等)的输入/输出接口128、用户跟踪模块132、用户交互模块133以及其他模块134和子模块。前端信息交换系统104还可以访问本地数据135,其可以包括本地人事文件、本地库存数据等。这些模块利用通过各种内部和外部服务获得的各种实时数据、从外围设备和后端信息交换系统接收的实时数据以及存储在本地数据库中的现有数据,来提供与用户的亲身交互并向用户提供产品推荐。
根据一些实施例,例如,如图1A-1C所示,实现信息交换系统100以基于对用户在产品中的需求、要求和兴趣的明确表达(例如,通过与人类销售代表、客户服务代表和/或前端信息交换系统的直接交互)、他们过去和现在的购买和产品浏览模式(例如,浏览路线、重复访问的次数、购买决策的时间长度,决策因素、决策时间、购买的产品类型、比较的产品类型、信息源、个人决策或家庭/朋友合作决策等)、本地外部/自然条件(例如天气、位置、本地环境(例如电价、水价、替代能源的可用性等)等)、外部事件(例如,新产品和新产品特性的引入、新替代产品引入市场、新能源政策的引入和政府的限制、自然灾害等)、客户细分(例如,基于人口统计数据的客户细分,诸如年龄、收入水平、社会地位、性别、种族、家庭构成、迷信/信仰体系、消费习惯、职业、趋势追随者/趋势制定者等)、顾客情绪(例如,审核、评论、调查结果等)以及许多其他因素来发展对用户(例如,客户和潜在用户)的深入了解。
随着对一般客户的深入了解,以及对特定个人客户的深入了解,与每个特定客户的直接交互以满足该客户特定需求、风格和偏好的方式进行,使与该客户的沟通更加愉快,产品推荐更加有针对性和及时,并使信息交换更加有效,以完成销售,鼓励客户继续信任和未来拜访。
此外,在一些实施例中,信息交换系统100连续收集数据、处理数据和挖掘数据,以提高预测模型和统计数据以及决策智能的准确性。在与客户的特定交互期间,信息交换系统100利用从单个客户接收的反馈和信息来修改用于生成预测、交互和推荐的模型和决策逻辑的选择和优先级,从而提高数据处理速度和效率,以及提高预测、交互和推荐的准确性和有效性。例如,单个用户的反应、情绪和意图(例如,经由对单词、面部表情、手势、姿势等的分析获得)被实时反馈到信息交换系统,以向分析、预测和推荐模型添加附加参数,或者重新选择用于执行分析、预测和推荐的模型组(例如,移除、替换和/或添加模型),和/或重定向决策智能/逻辑等。通过在一对一现场交互期间与客户的持续接触,相关和适宜的信息(如产品特性、价格点、服务要求等)被快速及时地提供给客户,帮助客户更快、更有信心地做出购买决定。
在一些实施例中,后端信息交换系统使用各种人工智能技术构建用户档案和产品档案。例如,后端信息交换系统集成来自不同数据源和分析方法的知识和结论,诸如各种机器学习算法和专门设计的决策逻辑和算法,和/或它们的组合(例如,各种类型的神经网络、深层神经网络、搜索和优化分析、基于规则的决策逻辑、概率方法和模糊逻辑、贝叶斯(Bayesian)网络、隐马尔可夫(Markov)模型、分类器和统计学习模型、控制论等),以确定用户的身份、对他/她的购买决策最有影响的用户的关键特征、用户当前意图的关键特征,并使用上述来识别模型和分析工具的子组,以进一步生成对用户的适当响应,并使用尽可能少的计算资源尽可能快地提供最相关的建议。
在一些实施例中,后端信息交换系统提供图像分析能力,该图像分析能力处理来自前端信息交换系统的部署位置处的策略性放置的相机的图像流,并关联图像处理的结果以确定访问部署位置的用户的身份和基本特征(例如,通过基于用户外观的面部识别或一般人口统计分析)、他们在整个部署位置的浏览模式和路线,和/或用户是独自一人还是与家人或朋友在一起(例如,通过对在前端信息交换系统的整个部署位置中放置在不同产品附近的多个相机的图像流中的人的距离和凝聚力进行分析)。在一些实施例中,信息交换系统可选地将特定访问者或一组访问者识别为高潜在客户/客户群(例如,基于访问者在产品或一组类似的产品前面停留的时间量、访问者在查看产品或一组相类似的产品时的总体满意度分数、用户针对产品或一组类似的产品查看的信息类型等),并提供指令来调整相机的位置,以便在预定的持续时间和/或范围内跟踪和/或关注高潜在客户/客户群,而不是保持产品前面区域的固定相机角度和变焦水平。在一些实施例中,信息交换系统还开始一些初始数据处理,以预期来自已经被识别的高潜在客户的可能问题或请求。例如,在客户/客户群与前端信息交换系统进行初始直接交互之前,信息交换系统可选地检索高潜在客户的先前购买记录,并针对高潜在客户/客户群来计算几个高概率决策触发(例如,时间、季节、价格点、交易、产品特征、趋势等)。在一些实施例中,信息交换系统向前端信息交换系统(例如,移动销售机器人)提供指令,以移动到所识别的高潜在客户/客户群,并发起与客户/客户群的直接接触。在一些实施例中,前端信息交换系统可选地基于已经执行的初始分析向高潜力客户/客户群提供一些初始信息或推荐。在一些实施例中,前端信息交换系统针对高潜在客户/客户群可选地选择已经被确定为最佳匹配的真实人类销售代表(例如,基于可用性、个性匹配、经验水平、客户感兴趣的产品的知识等),并在前端信息交换系统上显示真实人类销售代表的图像。在一些实施例中,信息交换系统的语音输出也以真实的人类销售代表的声音提供,使得如果客户/客户群最终希望与真实的人类销售代表说话,则在客户/客户群的头脑中已经针对真实的人类销售代表建立了连续性和连接感。在一些实施例中,信息交换系统检索先前与客户的人类交互的记录,诸如由销售代表、维修服务提供商、客户服务代表、安装服务提供商、递送服务提供商等制作的日志,其包括真实人物与客户的评论和印象,以确定客户的交互风格、决策触发、偏好和/或气质的特征,根据所确定的特征生成销售代表的图像用于显示在前端信息交换系统上,并以被预测为令客户满意和有效的方式与客户接触(例如,提问、提供信息和建议)。
在一些实施例中,当顾客走进商店时,基于来自位于商店中的一个或多个相机的图像流的图像处理,信息交换系统(例如,通过面部识别、情感识别、颜色识别、风格识别、辅助识别等)填入使用着装风格、性别、年龄和幸福水平等来计算的相应零售购买分数。例如,即,中产阶级专业男性、时尚年轻女性或有孩子的家庭将会收到不同的推荐,包括每个人可能选择的特定特征(例如,颜色选择、尺寸、易操作性等)。
在一些实施例中,对于未知客户,他们的图像、商店参与和/或与前端信息交换系统的交互通过多次访问和从许多来源(例如,不同的部署位置、社交媒体、公共记录、自我注册等)被记录。记录的数据用于识别现有的客户档案和/或使用各种专门的人工智能方法创建新的独特的客户档案。在一些实施例中,对于现有客户,可以通过基于来自商店内安装的相机的图像流的面部识别来识别他们的档案,或者通过使用他们的唯一标识符(诸如电话号码、社交网络上的ID(例如,微信、QQ、微博等))登录到前端信息交换系统的客户,和/或通过与前端信息交换系统的方向交互期间的对话和自我介绍来识别他们的档案。
在一些实施例中,当现有客户的身份被识别时,他们的历史偏好、购物行为、历史购买模式、客户细分、商店信用、礼品卡余额和优惠券或折扣信息将被实时从数据库中提取出来,并用以基于已经记录的每个客户的独特人物角色(例如,客户档案)、以及基于当前店内体验和/或其他第三方公共信息(例如,关于社会地位变化、婚姻状况变化等的公共记录等)针对每个客户生成准确且高概率的产品推荐。
在一些实施例中,信息交换系统载有包括针对每个前端信息交换系统的当前部署位置(例如,商店坐标(例如,经度和纬度、街道地址、城市、国家等))、商店库存统计、一年中的季节、即将到来的假日事件、历史销售趋势和/或与前端信息交换系统的当前部署位置相关联的消费者情绪等的信息。这些信息也将是产品推荐模块输入的一部分,用以处理和识别合适的产品,用以向访问部署地点并接触前端信息交换系统的每个客户推荐。
在一些实施例中,在收集客户需求后诊断出不匹配的需求时(例如,如果信息交换系统由于缺乏产品种类而无法在库存中定位特定产品),信息交换系统基于从客户接收的响应启动多层推荐模型,以提供补充的定制推荐。例如,前端信息交换系统在初始交互和数据处理之后向用户陈述:“抱歉,我们目前没有金色双门冰箱,您对银色双门冰箱感兴趣还是对金色单门冰箱感兴趣?”顾客说,“不,你们还有什么其他颜色的双门型号?”基于上述拒绝和响应,信息交换系统移除或降低颜色参数相对于型号样式(例如,双门)对于后续推荐的重要性,和/或选择一组不同的预测模型,其中“双门”样式被用作预测和推荐中的主导因素之一(例如,与颜色和模型样式都是主导因素的模型相反)。此外,在一些实施例中,顾客的个人档案也被修改,并且在与顾客相关的、和/或对于特定种类的产品(例如,冰箱或一般的大型电器)来说的各种数据库和人工智能模型中,“双门”样式的风格偏好被给予更大的权重,颜色偏好被给予更小的权重。
在一些实施例中,信息交换系统被配置成提供增强现实体验和/或虚拟现实体验(例如,使用在前端信息交换系统的当前部署位置处可用的各种增强现实(AR)/虚拟现实(VR)设备),该增强现实体验和/或虚拟现实体验与由使用产品推荐模块的用户请求的产品相关,或与被推荐给使用产品推荐模块的用户的产品相关。在一些实施例中,用户尝试关于特定产品的AR或VR体验的请求被记录为用于启动产品推荐模块的重要触发事件,并且在用户启动与前端信息交换系统的直接交互之前开始用于产品推荐的计算。在一些实施例中,处理用户对AR和VR体验的反应(例如,言语和面部表情),并且结果用于修改产品推荐和/或AR和VR体验。例如,如果用户最初要求尝试具有虚拟现实设置的洗衣机的第一型号,并且不能弄清楚如何正确使用该机器(例如,在超过阈值的时间内操纵虚拟洗衣机的多个按钮和部件,而没有明显的目的)并且表达沮丧(例如,口头地或通过面部表情),则信息交换系统将该信息作为新的输入,并且针对具有更简单的功能但特征类似(例如,类似的颜色和尺寸)的另一型号生成新的推荐。可替换地,如果用户的个人档案表明用户通常喜欢具有许多特征的产品,则信息交换系统不建议新产品,而是向用户提供关于当前型号的帮助。在一些实施例中,前端信息交换系统还生成一种存在(例如,在AR/VR环境内的前端信息交换系统的虚拟表示,并且直接在AR/VR环境内与用户交互)。在一些实施例中,信息交换系统还生成演示如何在AR/VR环境中使用或安装产品的虚拟指南(例如,虚拟安装人员)。在一些实施例中,信息交换系统允许用户可视化多个家用电器,这些家用电器在AR/VR环境中的模拟家庭设置中被推荐给用户。
在一些实施例中,如果顾客不喜欢由信息交换系统推荐的产品,则信息交换系统包括人工智能模块,其与顾客建立关于顾客拒绝推荐的原因的对话,并收集关于用户需求的更多细节(例如,价格太贵、偏好不同颜色、需要特殊或额外住宿的其他家庭成员等)。在一些实施例中,信息交换系统调整参数和/或改变选择模型,以根据已经获得的新信息发起新一轮推荐。在一些实施例中,设置阈值或一组标准来确定何时停止做出附加推荐(例如,当被拒绝的推荐的数量已经超过预设数量时,或者当顾客的口头或面部表情满足阈值不满意分数时,和/或当用户说出特定的预定义关键词或短语时,等等)并重定向对话和缓解紧张(例如,询问用户是否希望与人类代表交谈,或者用户是否希望接收优惠券,或者观看促销视频,或者玩游戏来赢取奖品,等等)。
在一些实施例中,前端信息交换系统是移动的,并且可以移动和引导客户到在部署位置(例如商店或展厅)展示的推荐产品。在一些实施例中,前端信息交换系统打印出地图或展示的推荐产品的方向。在一些实施例中,在对话结束时,前端信息交换系统呈现推荐的概要,并允许用户用附加信息和注释编辑它(例如,要么经由由前端信息交换系统提供的图形用户界面,要么经由口头指令或请求);最后,前端信息交换系统通过电子邮件邮寄或打印出最终结果供用户带回家。
在一些实施例中,信息交换系统基于客户与前端信息交换系统的交互、客户的历史记录(例如,先前的购买、先前的访问和先前与前端信息交换系统的约定)和/或来自当前访问的数据(例如,浏览路线、所查看的产品、看到的信息或演示、访问期间表达的情绪等),生成更适合每个客户的个性化折扣或促销交易。
在一些实施例中,信息交换系统利用在当前与客户的交互中获得的数量信息和获得的关于客户的历史信息来确定如何生成所请求产品和相关产品的数量推荐,和/或如何针对客户生成捆绑交易。例如,当客户请求某一产品的多个数量时,数量信息和产品类别通过信息交换系统和与客户相关联的位置变化(例如,前端信息交换系统的部署位置和先前购买的产品的先前递送地址之间的差异)相结合,以自动激活和推荐包括来自多个相关产品类别中的每一个的一个或多个产品的相应产品包。信息交换系统根据客户档案和当前与前端信息交换系统的交互来识别产品和产品类别。例如,当顾客对购买多种数量的特定产品(例如,三个小型热水器)表现出兴趣时,智能情况匹配模块被触发来预测顾客有一个厨房和两个浴室,并确定顾客可能需要的空调数量(例如,四个或五个空调,一个用于厨房,一个用于客厅,两个或三个用于共用两个浴室的卧室)。在一些实施例中,如果历史记录表明用户先前已经购买了一个热水器和两个空调,并且没有检测到用户的位置变化,则推荐的产品包被调整为包括四个热水器和三个空调(例如,估计用户在他的房子中有一个厨房、一个客厅、四个浴室和三个卧室,总共需要五个热水器和五个空调)。在一些实施例中,信息交换系统还确定现有购买时间有多长,以及新请求是替换还是添加到现有设备,并且相应地调整数量建议。在一些实施例中,如果当前部署位置和历史记录中的位置之间的比较表明用户已经移动到新的位置,则基于用户在新位置的房间数量和类型的新估计来生成推荐。例如,如果用户要求三个热水器,估计用户在新位置也需要三个或四个空调(例如,假设人们在搬家时不习惯随身携带这些家用电器)。在一些实施例中,如果用户拒绝数量建议,信息交换系统生成新的捆绑建议(例如,具有更高的折扣激励和/或对客户更少的财务需求)。在一些实施例中,相关产品类别(例如,产品类别之间的对应关系)被预先存储,并且来自不同产品类别的产品类型也在风格和价格点上被协调,这些都是根据关于用户已知或预测的其他信息来选择的。在一些实施例中,相关产品类别是用户特定的。在一些实施例中,相关产品类别是位置特定的。例如,对于非常热的气候中的部署位置,相关产品类别可以是空调和热水器;而对于处于非常寒冷气候中的部署位置,相关产品类别可能是热水器和空间加热器。在一些实施例中,如果信息交换系统检测到表明增加的平均生活成本和支出能力的状态变化或位置变化,则信息交换系统相应地调整推荐和/或推荐包。例如,如果信息交换系统检测到用户已经从二线城市移动到一线城市或者从不太富裕的区域移动到更富裕的区域(例如,基于地址改变或者商店访问位置改变),或者检测到用户已经改变了服装样式或者添加了昂贵的附件(例如,通过检测服装风格和附件等的图像处理),则信息交换系统自动激活追加销售模型,以识别合适产品,该合适的产品满足用户当前请求但具有在当前时间/状态下可以吸引用户的更昂贵特征。
在一些实施例中,当针对单个用户生成定制产品推荐时,信息交换系统收集和利用外部数据,诸如天气数据、政府政策数据(例如,能源政策、水政策等)、空气污染数据(例如,PM2.5测量值)等。例如,这些推荐是基于当前和预计的天气条件、政府有关空气污染和节能计划的最新政策和/或最近的自然灾害定制的。
在一些实施例中,除了向用户提供产品推荐之外,还提供其他客户的产品评级、历史评论、情绪和购买统计数据,以增加他们对推荐产品的购买信心并减少决策时间。
在一些实施例中,当在不同的日子和不同的部署位置向用户生成产品推荐时,信息交换系统考虑信仰系统和迷信。这种类型的推荐逻辑可以应用于新客户和现有客户。顾客有意识和无意识地认同关于何时购买和购买什么的信念和迷信。这些信仰和迷信因文化而异,因地点而异。这些信仰和迷信可能会导致基于西方、中国或印度的信仰和迷信的不同推荐,并基于推荐提出时的不同日期、时间、地点以及人员和占星事实。在一些实施例中,在没有关于特定客户的现有数据或输入的情况下,仍然可以根据预定义的信仰或运势预测系统(例如占星术、黄历、周易、阴历等)并基于当前的有利因素针对客户生成推荐。例如,各种公认的自然力(elemental force),如金属、木材、土壤、空气、水、风和火等可以有利地与不同的动作(例如,购买、修理、询问、交易等)和产品特征(例如,颜色、尺寸、材料、功能等)或产品类别(例如,改变空气质量、改变空气温度、改变水温、生火、生热、用于厨房、用于浴室、用于卧室等)相关联(或匹配),并且根据预定义的信仰系统或运势预测系统,信息交换系统在给定当前/时间的特征的情况下,可以识别特定的产品或产品类别(例如,热水器或冷却器、空调、烤箱等)或者在产品推荐过程中对它们进行不同的评分。信息交换系统还推荐根据预定义的信仰系统或运势预测系统并基于当前/时间的特征的产品的特性(例如,价格、颜色、尺寸、材料等)。在另一种情境中,如果已知顾客的占星符号或诞生石、生肖(例如,从已知的生日、出生月份或年龄得出),则信息交换系统基于在一个特定时间段(例如,过去或当前的周或月)的与当前客户相关的特定的信仰系统和运势预测系统来预测用户当前的表现(例如,健康、财富、财务、情绪、运气、消费或储蓄欲望等)并向客户做出相应的产品和销售推荐(例如追加销售与提供折扣或交易等)。在一些实施例中,如果客户的信仰系统是预测的或已知的,则信息交换系统根据客户的信仰系统和迷信提供为什么当前的推荐对客户有利的适当描述。
在一些实施例中,从占星数据服务中检索的文本输出被解析为关键词,以识别金融/财富、支出与储蓄、像空气/水/火/风这样的元素的上下文,并且相应领域的产品域和特性被激活(像空调/水冷却器/烤箱/风扇)以生成产品推荐(例如,产品、产品类别、产品特征、产品特性以及优惠券和促销交易等)。
现在将注意力转向图2,其示出了根据一些实施例的示例场景中的前端信息交换系统的示例性用户界面。示例性用户界面呈现在计算机信息亭(例如,客户端设备104)上。在一些实施例中,对话可以由仿人机器人或移动设备来进行,当用户浏览前端信息交换系统的部署位置时,用户可以携带该仿人机器人或移动设备。此外,尽管产品推荐涉及家用电器推荐,但也可以推荐其他类型的产品。
在这个示例场景中,一位顾客马先生走进商店,独自逛了一会儿。店内相机捕捉到了他站在展示的一些热水器模型前的图像。当他的图像被处理时,信息交换系统通过面部识别来识别马先生,并开始检索与马先生相关的记录。信息交换系统还确认,马先生最近在这家商店与另一个人和一个孩子的另一次拜访中查看了热水器。基于这些数据,信息交换系统确定马先生的访问触发增强查看标准,并在马先生与前端信息交换系统直接联系之前,启动关于马先生的个人档案和产品推荐的预处理。马先生先前的购买记录、他先前与人事的交互、与他先前的购买相关的地点、当前天气、他的风格、价格点和颜色偏好、他的决策触发、他的人口统计数据等被处理,并且基于可用数据生成用于生成个性化实时产品推荐的参数。当马先生接近前端信息交换系统时(或者可替换地,当前端信息交换系统检测到与马先生交互的机会时),前端信息交换系统开始用自然语言说:“您好,马先生,欢迎来到深圳!我是深圳分店的小美(Xiaomei)。看来您对热水器感兴趣,是吗?”此问候语是基于前端信息交换系统的注册部署位置(例如,深圳)与记录的马先生以前的递送地址之间的不一致针对马先生定制的,因此在问候语中强调部署位置的地点。如果没有检测到这样的位置不一致,将生成具有不同强调或对话引子的不同问候。前端信息交换系统还确定马先生的主要兴趣是热水器,因为基于最近对同一产品或产品类别的重复访问的检测,以及马先生在这些访问的至少一次期间似乎有家人陪同的事实,已经检测到增强的查看事件。在一些实施例中,显示先前与马先生关系良好的销售代表(例如,小美)的图像,以及使用该销售代表的交互风格(例如,随意与正式、尊重与体贴、简洁与精致等)和语音特征来生成小美的语音输出。作为对小美问候的回应,马先生马上提供了更多信息,并说“是的。我想买三个热水器”。前端信息交换系统从马先生的回答中提取数量关键字,并激活一个利用该数量信息的交叉销售和追加销售模型(a cross-sell and upsell model)。交叉销售和追加销售模型还利用位置变化信息来确定应该推荐给马先生的相关电器的数量。例如,在预存的相关产品类别数据库中,热水器属于第一类别,并且具有第一相关类别的空调和第二相关类别的烤箱。空调类别与烤箱类别相比利润率更高,与热水器类别的交叉销售数量对应性更高(例如,通常一个家庭只需要一个烤箱,而不管它需要多少个热水器,并且通常一个家庭需要至少和热水器一样多的空调)。基于确定出前端信息交换系统的当前部署位置和用户的先前递送位置之间存在位置不一致,信息交换系统利用第一交叉销售数量匹配模型来估计应该推荐给马先生的空调数量(例如,不考虑针对马先生先前位置的先前购买的空调数量的模型)。如果没有检测到位置不一致,信息交换系统将利用不同的交叉销售数量机器模型来估计应该推荐给马先生的空调数量(例如,考虑到先前购买的家用电器及其数量以及家用电器的年龄和型号的模型,以确定应该推荐给马先生的新位置的空调的新数量)。基于关于马先生的购买决策触发,信息交换系统还确定,与风格相比,价值是马先生做出购买决策的更重要因素。前端信息交换系统基于上述处理模型和逻辑继续生成建议,并输出以下交叉销售和追加销售建议“好的。您还想看看一些空调吗?我们目前针对空调和热水器捆绑方面很多优惠”。当马先生同意看到一些推荐时,前端信息交换系统向马先生提供推荐的捆绑交易,并通知马先生,推荐模型的特性适合有家庭的年轻专业人士(基于马先生与另一个成人和一个孩子一起购物的知识,以及从马先生的外表和过去的购买习惯推断出的其他人口统计信息)。在提供给马先生的信息中,针对每一个推荐包都包括了型号、数量和价格折扣。此外,展示的图像显示了基于由马先生做出的先前购买的颜色和风格选择。前端信息交换系统还会通知马先生如何选择风格和颜色,并且如果有要求的话,提供更改选项。在一些实施例中,如果马先生确实请求改变基于由推荐生成引擎使用的现有推荐策略选择的风格或颜色或其他特征,则除了修改当前提供的推荐之外,信息交换系统还利用拒绝和新要求来选择不同的模型组和/或模型的不同优先级来针对将来类似的情况生成新的推荐。在这个例子中,马先生选择了推荐包中的一个,信息交换系统提供修改记录的递送地址。一旦马先生确认位置不一致实际上是家庭地址的变化,信息交换系统再次触发追加销售和交叉销售模块,以询问在新位置的客户的其他电器需求。以上只是一个示例情境,用以说明用于提供实时个性化产品推荐的推荐生成过程。基于本文提供的其他公开和细节,其他特征是显而易见的。
图3是根据一些实施例的提供产品推荐的方法300的流程图。在一些实施例中,方法300由信息交换系统(例如,后端服务器106,结合一个或多个前端客户端设备104)执行。在一些实施例中,方法300由存储在非暂时性计算机可读存储介质中的指令来管理,并且这些指令由客户端和服务器系统的一个或多个处理器来执行。
提供机器生成的产品推荐的方法300在具有一个或多个处理器和存储器的电子设备(例如,托管产品推荐引擎的后端服务器)上执行。该方法包括部署(302)前端信息交换系统,其中,前端信息交换系统提供输入用户界面,该输入用户界面被配置成检测用户和前端信息交换系统之间的一个或多个亲身近距离交互(例如,通过语音、触摸、视觉、手势等的交互,这些交互是由用户和前端信息交换系统之间的紧密物理接近而实现的)。信息交换系统激活(304)来自位于前端信息交换系统的当前部署位置(例如,实体商店或展厅)的一个或多个现场相机的相应输入流(例如,图像流或来自图像流的周期性采样),其中,一个或多个现场相机中的每一个位于在前端信息交换系统的当前部署位置处展示的相应样品产品的附近(例如,每个相机被分配给商店或展厅的一个区域,在该区域展示特定产品或产品类别的样品,该特定产品或产品类别的样品捕捉参观商店或展厅的该区域的人的图像)。根据一个或多个现场相机中的第一相机的相应的输入流,信息交换系统将第一用户的第一查看事件注册(306)为与在前端信息交换系统的当前部署位置显示的第一样品产品相关联(例如,查看事件由信息交换系统基于对图像的图像处理来识别)。例如,指向显示热水器的区域的相机捕获已经在该区域停留的用户的图像。图像被处理,并且通过面部识别和运动分析,信息交换系统确定用户实际上正在观看该区域中展示的特定样品产品,并且用户的身份和用户人口统计特征中的一些可以基于用户的面部特征和总体外观来确定。在一些实施例中,还可以分析用户的面部表情和声音,以确定用户的情绪状态以及他在该区域查看产品期间所做的评论。在一些实施例中,基于包括用户图像的帧数来确定该区域中针对每个产品的查看持续时间。在一些实施例中,用户是否在多个用户的组(例如,家庭或朋友组)中也是基于图像分析来确定的(例如,通过对图像中的人进行聚类,并分析该人在来自不同位置的多个相机的图像中不同聚类中的整体凝聚性(overall cohesiveness)(例如,通过各种聚类中的人之间的距离变化来测量)。在一些实施例中,被查看的样品产品可选地基于与相应相机相关联的位置和/或来自相应相机的图像的图像处理(例如,产品的外观、ID、条形码或其他关键的视觉识别特征)来识别。信息交换系统在前端信息交换系统的当前部署位置处检测(308)第一用户和前端信息交换系统之间的第一亲身近距离交互。例如,当用户直接与销售机器人交互或走到计算机信息亭时,销售机器人或信息亭位置处的相机捕获满足预定标准(例如,预定接近阈值)的用户图像,或者从请求帮助的用户处捕获语音输入,或者用户扫描或键入用户ID等,第一亲身近距离交互的开始被检测到,并且前端信息交换系统通知后端服务器与用户的亲身近距离交互被发起。响应于第一用户和前端信息交换系统之间的第一亲身近距离交互,信息交换系统自动生成(310)第一产品推荐,包括:根据确定出已经被注册为与第一样样品产品相关联的第一用户的第一查看事件满足增强查看标准,在所述第一产品推荐中自动添加所述第一样品产品的产品特定描述,其中,增强查看标准包括当与相应的第一样品产品相关联的多个先前存储的查看事件中存在所述第一用户的至少第二查看事件时被满足的标准;以及,根据确定出已经被注册为与第一样品产品相关联的第一用户的第一查看事件不满足增强查看标准,放弃(314)在第一产品推荐中包括第一样品产品的产品特定描述。例如,如果已经确定同一用户先前查看过同一样品产品,则更有可能用户实际上对查看过的样品产品感兴趣,并且满足增强查看标准。因此,产品推荐的特异性水平(the level of specificity)被提高到一水平,在该水平中,相对于更一般的提及或不提及其他产品,所述推荐中提及了被查看产品的特定产品描述,诸如名称、型号、独特特征等。另一方面,如果不满足增强查看标准,用户更有可能仍处于其决策的一般浏览阶段。因此,产品推荐的特异性水平保持在相对较低的水平,并且推荐更多地处于对用户兴趣和需求的探索阶段。因此,功率效率、颜色、风格、一般特性等的描述被包括在推荐中,以涵盖一系列可能的产品选择,而不是特定的产品。推荐给用户但不特别强调特定产品的多种产品的列表不是产品特定的,即使列表针对每个物品包含一些产品特定描述,诸如型号、尺寸等。在一些实施例中,推荐中产品描述的多个特异性水平分别与分配给当前查看事件的不同分数范围相关联。随着与当前查看事件相关的更多事实的累积和发现,分配给当前查看事件的分数发生变化。例如,同一个人先前对同一产品的查看会增加分数。当用户与作为一个群体旅行的多个人(例如,家人或朋友)在一起时,查看事件被注册的事实也增加了分数。在另一个例子中,在虚拟现实或增强现实环境中与产品交互的请求也增加了分数。可以考虑许多其他因素来增加或减少分数,以及触发或不触发对增强查看标准的满足。为了简洁起见,这里没有详尽列举这些因素。信息交换系统通过前端信息交换系统向第一用户提供(316)第一产品推荐。
在一些实施例中,针对在前端信息交换系统的当前部署位置处展示的多个样品产品中的每个样品产品,信息交换系统根据位于所述每个样品产品附近的一个或多个现场相机的相应输入流,来确定第一用户处于所述每个样品产品的相应查看区域内的相应查看时间。信息交换系统从多个样品产品中选择第一用户具有最长的查看时间的样品产品作为第一样品产品。例如,信息交换系统通过选择最有可能表明用户兴趣的查看事件作为第一个样品产品来执行关于是否满足增强查看标准的评估,从而确定返回数据库以搜索先前事件的任务的优先级。通过确定这种优先级,可以用更少的计算资源支出来更迅速地准备推荐。
在一些实施例中,针对在前端信息交换系统的当前部署位置处展示的多个样品产品中的每个样品产品,信息交换系统确定第一用户是否同时与作为第一识别组的一个或多个其他用户一起在所述每个样品产品的相应查看区域内。从多个样品产品中,信息交换系统选择相应样品产品作为第一样本产品,该相应样品产品的第一用户被发现与作为第一识别组的一个或多个其他用户同时出现在相应查看区域内。例如,信息交换系统通过选择最有可能表明用户兴趣的查看事件作为第一个样品产品来执行关于是否满足增强查看标准的评估,从而确定返回数据库以搜索先前事件的任务的优先级。通过确定这种优先级,可以用更少的计算资源支出来更迅速地准备推荐。在一些实施例中,针对第一用户被发现与作为所述第一识别组的所述一个或多个其他用户同时出现在所述相应查看区域内的多个样品产品中的每个样品产品,信息交换系统基于对一个或多个现场相机的相应输入流的分析,计算针对第一用户和第一识别组中的一个或多个其他用户的相应合计满意度分数。例如,用户的面部表情被分析以确定他们的情绪和幸福水平。一般来说,如果整个团队情绪良好并且满意度分数高于阈值,则关于第一样品产品或更一般地任何产品的产品推荐更有可能成功。信息交换系统从第一用户被发现同时出现在所述相应查看区域内的多个样品产品中,选择针对第一用户和第一识别组中的一个或多个其他用户具有最高的合计满意度分数的样品产品作为所述第一样品产品。例如,信息交换系统通过选择最有可能表明用户满意度的查看事件作为第一个样品产品来执行关于是否满足增强查看标准的评估,从而确定返回数据库以搜索先前事件的任务的优先级。通过确定这种优先级,可以用更少的计算资源支出来更迅速地准备推荐。
在一些实施例中,通过前端信息交换系统向第一用户提供第一产品推荐,包括:提供至少一个自然语言陈述,该至少一个自然语言陈述包括一个或多个关键词,每个关键词描述用以生成第一产品推荐的相应因素。例如,前端信息交换系统可以输出这样的语音输入“马先生,看来您似乎对我们AXP的热水器感兴趣。这种模式在像您这样的小家庭的年轻专业人士中特别受欢迎,因为它具有高效节能,并且可以经由诸如安卓设备的智能设备(例如,假设信息交换系统通过图像分析确定用户佩戴的是安卓手表)进行控制。如果您感兴趣的话,我们也有一个类似的AXZ型号,除了AXP型号的功能之外,还有一个增强的自我调节程序”。在上面的陈述中,关键词短语“年轻专业人士”、“小家庭”、“节能”和“可由安卓设备控制”都是用来产生热水器AXP型号推荐的因素。上述推荐确实包括产品特定描述,诸如型号AXP,以及针对AXZ型号的产品特定特性“自我调节程序”。不包括产品特定描述的更一般建议的相应示例是“马先生,看来您似乎对热水器感兴趣。以下型号在像您这样的小型家庭的年轻专业人士中非常受欢迎,因为它高效节能,并且可以经由诸如安卓设备的智能设备进行控制(列出型号:…)。请注意,尽管型号和型号特定的描述可能作为列表的一部分。该列表并不产品特定于由用户查看的第一产品。
在一些实施例中,信息交换系统确定与第一用户相关的一组选择因素。信息交换系统识别两个或多个替代模型,以用于基于被确定为与第一用户相关的一组选择因素针对第一用户生成产品推荐,其中,第一产品推荐是基于两个或多个替代模型中的第一模型生成的。在向第一用户提供第一产品推荐之后,信息交换系统在前端信息交换系统的当前部署位置处,检测第一用户和前端信息交换系统之间的第二亲身近距离交互,其中,第二亲身近距离包括拒绝第一产品推荐。根据确定出第一用户和前端信息交换系统之间的第二亲身近距离交互包括拒绝第一产品推荐,信息交换系统基于被确定为与第一用户相关的选择因素组,使用两个或多个替代模型中的第二模型来自动生成第二产品推荐。通过在拒绝之后切换由信息交换系统所使用的模型,可以完全更新推荐的根本假设,并且可以不受限制地更新所使用的选择因素组、它们在模型中的相对优先级、它们在模型中的相对重要性以及它们在模型的决策逻辑中的相对使用,从而基于通过交互获得的新信息(例如,拒绝的原因、拒绝的风格或者仅仅是拒绝本身)生成更好的推荐。这不同于仅仅调整固定模型中使用的参数或权重,因为模型的基本假设可能是错误的,或者模型没有针对当前情况(例如,当前已知的所有事实和参数所描述的情况)进行优化。在一些实施例中,根据确定出第一用户和前端信息交换系统之间的第二亲身近距离交互包括拒绝第一产品推荐,信息交换系统分析第二亲身近距离交互以确定与第一用户相关的一个或多个附加因素,该第一用户修改了所述第一组选择因素或者对所述一组选择因素进行了添加。例如,如果用户说“我不喜欢我的冰箱和我的烤箱颜色一样”或者“我似乎已经看到了关于这种热水器泄漏问题的报告”,或者“我想等到月底再购买热水器”等等。信息交换系统可以处理这些拒绝中的每一个,以提取与用户决策相关的因素。例如,基于第一陈述,烘箱的颜色和颜色不同的需求可以是由信息交换系统识别的附加因素。对于第二陈述,产品质量、负面宣传的解释、可用的保修选项以及对已知问题的改进可以是由信息交换系统识别的附加因素。对于第三陈述,时间、价格点、运势预测考虑因素、用户当前考虑的其他类型的产品可以是信息交换系统识别的附加因素。信息交换系统的分析可选地基于关键词提取、用以分析意图的自然语言处理、基于规则的技术或其他人工智能技术。在一些实施例中,如果识别出多个附加因素,信息交换系统也基于上述分析可选地确定附加因素的优先级。然后,信息交换系统基于一个或多个附加因素并结合被确定为与第一用户相关的一组选择因素,使用第二模型自动生成第二产品推荐。
在一些实施例中,提供机器生成的产品推荐的方法包括:部署前端信息交换系统(例如,计算机信息亭或销售机器人),其中,前端信息交换系统提供输入用户界面,该输入用户界面被配置成检测用户和前端信息交换系统之间的一个或多个亲身近距离交互(例如,通过语音、触摸、视觉、手势等由用户和前端信息交换系统之间的紧密物理接近而实现的交互);注册前端信息交换系统的当前部署位置(例如,位置注册可以是计算机信息亭或销售机器人的设置过程或初始化过程的一部分)。在一些实施例中,前端信息交换系统包括自定位系统,当前端信息交换系统被激活时,该自定位系统自动将其当前部署位置传输到后端服务器。该方法还包括:在前端信息交换系统的当前部署位置处检测第一用户和前端信息交换系统之间的第一亲身近距离交互,其中,第一亲身近距离交互指定第一产品类别,第一用户正在针对该第一产品类别寻找产品推荐。例如,当用户直接与销售机器人交互或走到计算机信息亭时,销售机器人或信息亭位置处的相机捕获满足预定标准(例如,预定接近阈值)的用户图像,或者从请求帮助的用户处捕获语音输入,或者用户扫描或键入用户ID等,第一亲身近距离交互的开始被检测到,并且前端信息交换系统通知后端服务器与用户的亲身近距离交互被发起。在一些实施例中,第一亲身近距离交互指定第一产品类别,用户正在针对该第一产品类别寻找产品推荐。例如,用户直接通过对前端信息交换系统说“我在找一些热水器”来选择产品类别。在一些实施例中,第一产品类别源自用户在部署位置的浏览模式以及用户在与第一产品类别相关联的区域中花费的时间。在一些实施例中,响应于第一用户和前端信息交换系统之间的第一亲身近距离交互,信息交换系统自动生成第一产品推荐,其中,第一产品推荐包括第一产品类别的第一产品(例如,至少部分基于前端信息交换系统所注册的当前部署位置和关于用户和/或关于当前市场的其他已知特性选择的产品)。例如,如果用户想要查看热水器,推荐包括基于针对各种型号的销售量和用户的估计家庭规模而选择的第一热水器型号。信息交换系统对第一用户针对与第一产品类别相关联的第二产品类别中的第二产品的相应先前购买记录进行检测。例如,信息交换系统基于各种交叉销售策略(例如,基于气候条件、基于容量、基于使用位置、基于节能水平等)存储产品类别之间预先建立的关联。例如,基于容量,全屋热水器和全屋集中央供热系统是相关的类别,单个热水器和室内空调是相关的类别;基于节能水平,高效洗衣机和高效洗碗机是相关的类别;基于使用位置,热水器与厨房电器(例如,烤箱、冰箱、微波炉、洗碗机等)和浴室设备(例如,浴用设施、坐浴盆等)两者相关,等等。根据确定出针对第二产品的相应先前购买记录指示了在信息交换系统所注册的当前部署位置的预定地理区域之外的购买或递送位置(例如,当前端信息交换系统部署在深圳,并且针对用户购买的烤箱的先前递送位置在北京,并且这两个城市在具有固定家庭地址的用户的正常日常旅行距离之外时),信息交换系统自动扩充第一产品推荐,以包括基于第二产品的特性所选择的第二产品类别中的第三产品(例如,信息交换系统从相关类别(例如,与单个热水器类别相关的室内空调类别)中识别出空调,并且将其添加到热水器推荐中,例如,作为一个捆绑包)。根据确定出针对第二产品的相应先前购买记录指示了在信息交换系统的注册当前部署位置的预定地理区域内的购买或递送位置,信息交换系统自动细化第一产品推荐,以基于第二产品的特性进一步限定第一产品的一个或多个特性。例如,如果部署位置和用户先前的递送位置都在深圳,则信息交换系统使用先前的购买记录来确定一个或多个参数,这些参数可用于进一步细化对热水器的推荐。例如,如果用户先前已经购买了具有金属饰面和现代风格的空调,则对于热水器的推荐可以具有相同或相似的现代风格和金属饰面。如果先前的购买包括三套浴用设施,热水器型号根据与浴用设施的兼容性进行选择,并且推荐的数量是基于浴用设施的数量来选择的(例如,对于三个浴室和一个厨房,至少有三个或四个热水器)。当检测到位置不一致时,来自先前购买的一些信息(例如,风格偏好)仍然被用于细化第一产品的推荐,而来自先前购买的其他信息(例如,数量信息)仅在没有检测到位置不一致时才被考虑。在一些实施例中,根据是否检测到位置不一致而不同地使用一些先前的购买信息。例如,当没有检测到位置不一致时,先前的购买数量信息用于直接估计房屋中的房间数量,并且房间数量用于选择针对当前产品推荐的数量;并且当检测到位置不一致时,使用先前购买量信息来估计家庭规模,并且可以在不考虑家庭规模的情况下选择当前产品推荐的数量,但是可以基于家庭规模来选择当前产品推荐的模型。信息交换系统通过前端信息交换系统在第一产品推荐的自动扩充或细化之后向第一用户提供第一产品推荐。这在图2中举例说明。
在一些实施例中,响应于第一用户和前端信息交换系统之间的第一亲身近距离交互:除了针对第二产品的相应先前购买记录(例如,一个或多个空调的先前购买记录)之外,信息交换系统还检测第一用户针对第一产品的相应先前购买记录(例如,用户先前已经购买了一个或多个热水器,并且现在再次请求购买热水器);并且根据确定出针对第一产品的相应先前购买记录(例如,热水器的先前购买)指示了与针对第二产品的相应先前购买记录(例如,空调的先前购买)相同的购买或递送位置,信息交换系统自动扩充第一产品推荐以包括来自第二产品类别的第二产品(例如,先前购买的空调的推荐),而不管针对第一和第二产品的相应先前购买记录中表明的购买或递送位置是否在信息交换系统的注册当前部署位置的预定地理区域内。例如,如果用户先前已经购买了一台现在仍在出售的当前型号的空调,或者类似型号正在出售,则除了已经请求的热水器的推荐之外,信息交换系统还向用户推荐空调型号或类似型号。例如,当信息交换系统确定出所请求的热水器数量和已经购买的空调数量之间存在不一致时(注意,热水器和空调的数量对应关系根据用户是否改变了他的家的位置而不同),信息交换系统推荐用户购买更多的空调以消除该数量不一致。
在一些实施例中,在自动扩充第一产品推荐以包括基于第二产品的特性所选择的第二产品类别中的第三产品之后,向第一用户提供第一产品推荐。在一些实施例中,信息交换系统通过前端信息交换系统检测到用户输入(该用户输入拒绝包括在第一产品推荐中的来自第二产品类别的第三产品);以及响应于检测到用户输入(该用户输入拒绝包括在第一产品推荐中的来自第二产品类别的第三产品),修改第一产品推荐以移除来自第二产品类别的第三产品并且包括来自相应产品类别的第四产品,第一用户针对该相应的产品类别没有先前购买记录。例如,当拒绝第一个建议中包含的先前购买的空调时,用户可以说“我现在不需要任何空调”或“我不喜欢那个空调”,或“这次我想要不同颜色的空调”,或“那个空调太吵了”等。信息交换系统分析用户关于对先前购买的产品的推荐的意图,并且如果用户目前不希望购买任何该产品,则信息交换系统移除对先前购买的空调的推荐,并且推荐完全不同的东西(例如,洗碗机,如果信息交换系统根据过去的记录确定用户先前没有购买过洗碗机)。在一些实施例中,对空调的推荐可以与先前购买的型号不完全相同,而是可以是基于先前购买的型号选择的型号,并且该型号具有适合当前时间和用户特性的参数。在这种情况下,信息交换系统还可以修改推荐,并基于用户响应中包含的新信息从相同的产品类别中选择不同的型号。
在一些实施例中,在自动细化第一产品推荐以基于第二产品的特性进一步限定第一产品的一个或多个特性之后,第一产品被提供给第一用户,并且其中,自动细化包括:确定第一产品的尺寸类别(例如,热水器的尺寸类别是中或小的);确定第二产品的尺寸类别(例如,基于室内空调的尺寸类别是中等的,冰箱的尺寸类别是大的);根据确定出第一产品的尺寸类别不同于第二产品的尺寸类别(例如,两种产品的尺寸类别不同,一大一小),根据预先存储的对比匹配方案(例如,对于两种不同尺寸类别具有高对比度的颜色和/或纹理),基于第二产品的特性来限定第一产品的一个或多个特性;并且根据确定出第一产品的尺寸类别与第二产品的尺寸类别相同(例如,两者都是大尺寸类别),根据预先存储的协调匹配方案(例如,两个大电器的相同或相似的饰面和/或颜色),基于第二产品的特性来限定义第一产品的一个或多个特性。
在一些实施例中,信息交换系统建立对应关系数据库,针对多个产品类别中的每个相应产品类别,该对应关系数据库包括被确定为与相应产品类别兼容的一组相应运势预测参数(例如,对于空调,兼容参数包括自然力冰、金属、空气、水,而不兼容参数包括火、土、木等自然力;而对于烤箱,兼容参数包括自然力火、金属和空气,不兼容参数包括木、水和土等自然力)。响应于第一用户和前端信息交换系统之间的第一亲身近距离交互:信息交换系统识别当前对第一用户有效的一组运势预测参数(例如,用户信仰系统的运势预测原则或者第三方算命网站预测:当采取涉及自然力水的行动时,用户出生月份的人具有有利的结果,和/或当采取涉及自然力火的行动时,具有不利的结果)。根据对应关系数据库,信息交换系统从多个产品类别中识别第三产品类别,该第三产品类别对应于当前对第一用户有效的一组运势预测参数。例如,假设运势预测指示用户应该从事涉及自然力水的活动,信息交换系统向用户推荐空调而不是烤箱,即使基于其他考虑这两者都是允许的推荐。信息交换系统扩充第一产品推荐,以将来自第三产品类别的一个或多个产品与第一产品一起包括在内。
在一些实施例中,第一亲身近距离交互指定第一用户打算购买的第一产品类别的第一产品数量。信息交换系统自动生成数字交易,该数字交易将以下各项捆绑:第一产品数量的第一产品;以及基于第一产品数量选择的第二产品数量的第三产品。关于图2所示的示例描述了数量对应的示例。其他数量对应也可选地用于不同的实施例和情境中。在一些实施例中,选择第二产品数量包括:根据确定出针对第二产品的相应先前购买记录指示了在信息交换系统的注册当前部署位置的预定地理区域之外的购买或递送位置,基于第一产品数量选择第二产品数量,而不考虑相应先前购买记录中表明的第二产品的先前购买数量;并且根据确定出针对第二产品的相应先前购买记录指示了在信息交换系统的注册当前部署位置的预定地理区域内的购买或递送位置,基于相应先前购买记录中指示的第一产品数量和第二产品的先前购买数量来选择第二产品数量。例如,根据用户是否已经搬到新家来调整数量。在一些实施例中,根据用户是否已经搬家,在没有先前购买数量的情况下或不考虑先前购买数量的情况下重新计算数量。
应该理解的是,已经描述的操作的特定顺序仅仅是示例性的,并不旨在表明所描述的顺序是可以执行操作的唯一顺序。本领域普通技术人员将认识到用以对这里描述的操作重新排序的各种方式。此外,应当注意的是,这里相对于这里描述的其他方法和/或过程所描述的其他过程的细节也可以以类似于上述方法300的方式应用。
图4是示出根据一些实施例的代表性服务器108(例如,作为后端信息交换系统)的框图。服务器108通常包括一个或多个处理单元(处理器)402(例如,图1A中的处理器112)、一个或多个网络接口404、存储器406以及用于互连这些组件(有时称为芯片组)的一个或多个通信总线408。服务器108还可选地包括用户界面410。用户界面410包括能够呈现媒体内容的一个或多个输出设备412,包括一个或多个扬声器和/或一个或多个可视显示器。用户界面410还包括一个或多个输入设备414,包括便于用户输入的用户界面组件,诸如键盘、鼠标、语音命令输入单元或扬声器、触摸屏显示器、触敏输入板、手势捕捉相机或其他输入按钮或控件。存储器406包括高速随机存取存储器,诸如DRAM、SRAM、DDR RAM或其他随机存取固态存储器设备;并且可选地包括非易失性存储器,诸如一个或多个磁盘存储设备、一个或多个光盘存储设备、一个或多个闪存设备或者一个或多个其他非易失性固态存储设备。存储器406可选地包括远离一个或多个处理单元402的一个或多个存储设备。存储器406,或者可替换地存储器406内的非易失性存储器,包括非暂时性计算机可读存储介质。在一些实现中,存储器406或存储器406的非暂时性计算机可读存储介质存储以下程序、模块和数据结构,或其子组或超组:
·操作系统416,包括用于处理各种基本系统服务和用于执行硬件相关任务的程序;
·网络通信模块418,用于将服务器108连接到其他计算设备(例如,客户端设备104或第三方服务122),该其他计算机设备经由(有线或无线的)一个或多个网络接口404连接到一个或多个网络110;
·呈现模块420,用于经由与用户界面410相关联的一个或多个输出设备412(例如,显示器、扬声器等)在服务器108处实现信息的呈现(例如,用于应用程序、窗口小部件、网页、音频和/或视频内容、文本等的用户界面);
·输入处理模块422,用于检测来自一个或多个输入设备414之一的一个或多个用户输入或交互,并理解检测到的输入或交互;
·由服务器108执行的一个或多个应用程序424;
·服务器侧模块106,其提供服务器侧数据处理和功能,包括但不限于:
ο电子商务数据处理模块152,用于处理市场数据、销售数据、产品数据、竞争对手数据等以识别与价格、市场细分、产品细分、行业趋势、产品特征、消费者情绪、产品评论、交叉销售相关性等相关的汇总数据;
ο购买/递送/服务历史处理模块153,用于处理用户购买、递送和服务历史记录的过去记录,以确定家庭地址、社会等级、购买的产品、购买产品的时间、影响购买决策的因素、满意度、产品的过去经历、产品特征的知识、风格偏好、价格点等;
ο历史人类交互日志处理模块154,用于处理由人类记录的用户与人类交互的过去记录,以确定个人用户的相关特征,诸如个人风格、人类交互风格、生活环境、人口统计数据、用于发展融洽关系的个人花絮等;
ο当前亲身交互模块156,用于处理来自用户当前访问的输入,诸如图像、语音输入以及当前的其他相关输入和外围数据(例如,当前天气、当前外部事件等)。
ο数据处理集成模块158,用于基于当前可用数据、新获取的数据和中间结果,选择合适的处理模块,确定它们的操作的优先级,并集成来自一些处理模块的结果,以向其他处理模块提供输入;
ο增强现实和虚拟现实处理模块,用于基于用户已经查看的产品、推荐给用户的产品、用户请求的产品以及用户的特征、偏好、交互风格等,针对用户生成增强现实和虚拟现实体验;
ο产品推荐模块162,用于基于不同模块的结果生成对用户的产品推荐;
ο用于执行本文阐述的其他功能的其他模块。
上述标识的元件中的每一个可以存储在前述存储设备的一个或多个中,并且对应于用于执行上述功能的一组指令。上述识别的模块或程序(即,指令组)不需要实现为单独的软件程序、过程、模块或数据结构,因此这些模块的各种子组可以在各种实现中组合或重新排列。在一些实现中,存储器406可选地存储上述模块和数据结构的子组。此外,存储器806可选地存储上面没有描述的附加模块和数据结构。
在一些实施例中,服务器系统108的至少一些功能由客户端设备104执行,并且这些功能的相应子模块可以位于客户端设备104内而不是服务器系统108内。在一些实施例中,客户端设备104的至少一些功能由服务器系统108执行,并且这些功能的相应子模块可以位于服务器系统108内而不是客户端设备104内。附图中示出的客户端设备104和服务器系统108仅仅是说明性的,并且用于实现这里描述的功能的模块的不同配置在各种实施例中是可能的。
虽然上面描述了特定的实施例,但是应当理解的是,这并不意味着将本申请限制在这些特定的实施例上。相反,本申请包括在所附权利要求的精神和范围内的替代、修改和等同物。许多具体细节被阐述,以便提供对这里呈现的主题的透彻理解。但是对于一位本领域技术人员来说显而易见的是,可以在没有这些具体细节的情况下实践主题。在其他示例中,没有详细描述众所周知的方法、过程、组件和回路,以免不必要地模糊实施例的各个方面。
图5是示出根据一些实施例的客户端设备104(例如,作为后端信息交换系统)的框图。客户端设备104通常包括一个或多个处理单元(处理器)502(例如,处理器128)、一个或多个网络接口504、存储器506以及用于互连这些组件(有时称为芯片组)的一个或多个通信总线508。客户端设备104还包括用户界面510。用户界面510包括能够呈现媒体内容的一个或多个输出设备512,包括一个或多个扬声器和/或一个或多个可视显示器。用户界面510还包括一个或多个输入设备514,包括便于用户输入的用户界面组件,诸如键盘、鼠标、语音命令输入单元或扬声器、触摸屏显示器、触敏输入板、手势捕捉相机或其他输入按钮或控件。此外,一些客户端设备104使用扬声器和语音识别或者相机和手势识别来补充或替换键盘。在一些实施例中,客户端设备104还包括传感器,其提供关于客户端设备104的当前状态或与客户端设备104相关联的环境条件的上下文信息。传感器包括但不限于一个或多个扬声器、一个或多个相机、环境光传感器、一个或多个加速度计、一个或多个陀螺仪、GPS定位系统、蓝牙或BLE系统、温度传感器、一个或多个运动传感器、一个或多个生物传感器(例如,皮肤电电阻传感器、脉搏血氧计以及类似物)以及其他传感器。存储器506包括高速随机存取存储器,诸如DRAM、SRAM、DDR RAM或其他随机存取固态存储器设备;并且可选地包括非易失性存储器,诸如一个或多个磁盘存储设备、一个或多个光盘存储设备、一个或多个闪存设备或者一个或多个其他非易失性固态存储设备。存储器506可选地包括远离一个或多个处理单元502的一个或多个存储设备。存储器506,或者可替换地存储器506内的非易失性存储器,包括非暂时性计算机可读存储介质。在一些实现中,存储器506或存储器506的非暂时性计算机可读存储介质存储以下程序、模块和数据结构,或其子组或超组:
·操作系统516,包括用于处理各种基本系统服务和用于执行硬件相关任务的程序;
·网络通信模块518,用于将客户端设备104连接到其他计算设备(例如,服务器系统108),该其他计算机设备经由一个或多个网络接口504连接到一个或多个网络110;
·呈现模块520,用于经由与用户界面510相关联一个或多个输出设备812(例如,显示器、扬声器等)在客户端设备104处实现信息的呈现(例如,用于文本、图像、视频、网页、音频等的用户界面);
·输入处理模块522,用于检测来自一个或多个输入设备514之一的一个或多个用户输入或交互,并解释检测到的输入或交互;
·由客户端设备104执行的一个或多个应用524(例如,支付平台、媒体播放器和/或其他基于网络或非网络的应用);
·服务器端模块102,其提供服务器端数据处理和功能,包括但不限于:
ο用户跟踪模块132,用于跟踪用户在客户端设备的部署位置的移动;
ο用户交互模块133,用于在用户访问部署位置期间实现与用户的直接和间接交互;以及
ο用于执行本文阐述的其他功能的其他模块134。
上述标识的元件中的每一个可以存储在前述存储设备的一个或多个中,并且对应于用于执行上述功能的一组指令。上述识别的模块或程序(即,指令组)不需要实现为单独的软件程序、过程、模块或数据结构,因此这些模块的各种子组可以在各种实现中组合或重新排列。在一些实现中,存储器506可选地存储上述模块和数据结构的子组。此外,存储器806可选地存储上面没有描述的附加模块和数据结构。
在一些实施例中,服务器系统108的至少一些功能由客户端设备104执行,并且这些功能的相应子模块可以位于客户端设备104内而不是服务器系统108内。在一些实施例中,客户端设备104的至少一些功能由服务器系统108执行,并且这些功能的相应子模块可以位于服务器系统108内而不是客户端设备104内。附图中示出的客户端设备104和服务器系统108仅仅是说明性的,并且用于实现这里描述的功能的模块的不同配置在各种实施例中是可能的。
虽然上面描述了特定的实施例,但是应当理解的是,这并不意味着将本申请限制在这些特定的实施例上。相反,本申请包括在所附权利要求的精神和范围内的替代、修改和等同物。许多具体细节被阐述,以便提供对这里呈现的主题的透彻理解。但是对于一位本领域技术人员来说显而易见的是,可以在没有这些具体细节的情况下实践主题。在其他示例中,没有详细描述众所周知的方法、过程、组件和回路,以免不必要地模糊实施例的各个方面。
上述标识的元件中的每一个可以存储在前述存储设备的一个或多个中,并且对应于用于执行上述功能的一组指令。上述识别的模块或程序(即,指令组)不需要实现为单独的软件程序、过程、模块或数据结构,因此这些模块的各种子组可以在各种实现中组合或重新排列。在一些实现中,存储器806可选地存储上述模块和数据结构的子组。此外,存储器806可选地存储上面没有描述的附加模块和数据结构。
Claims (20)
1.一种方法,包括:
在具有一个或多个处理器以及存储器的电子设备上:
部署前端信息交换系统,其中,所述前端信息交换系统提供输入用户界面,所述输入用户界面被配置成检测用户和所述前端信息交换系统之间的一个或多个亲身近距离交互;
激活来自位于所述前端信息交换系统的当前部署位置处的一个或多个现场相机的相应输入流,其中,所述一个或多个现场相机中的每一个位于在所述前端信息交换系统的所述当前部署位置处展示的相应样品产品附近;
根据所述一个或多个现场相机中的第一相机的相应输入流,将第一用户的第一查看事件注册为与在所述前端信息交换系统的所述当前部署位置处展示的第一样品产品相关联;
在所述前端信息交换系统的所述当前部署位置处,检测所述第一用户和所述前端信息交换系统之间的第一亲身近距离交互;
响应于所述第一用户和所述前端信息交换系统之间的所述第一亲身近距离交互,自动生成第一产品推荐,包括:
根据确定出已被注册为与所述第一样品产品相关联的所述第一用户的所述第一查看事件满足增强查看标准,在所述第一产品推荐中自动添加所述第一样品产品的产品特定描述,其中,所述增强查看标准包括当与相应第一样品产品相关联的多个先前存储的查看事件中存在所述第一用户的至少第二查看事件时被满足的标准;以及
根据确定出已被注册为与所述第一样品产品相关联的所述第一用户的所述第一查看事件不满足所述增强查看标准,放弃在所述第一产品推荐中包括所述第一样品产品的所述产品特定描述;以及
通过所述前端信息交换系统向所述第一用户提供所述第一产品推荐。
2.根据权利要求1所述的方法,包括:
针对在所述前端信息交换系统的所述当前部署位置处展示的多个样品产品中的每个样品产品,根据位于所述每个样品产品附近的一个或多个现场相机的相应输入流,来确定所述第一用户处于所述每个样品产品的相应查看区域内的相应查看时间;以及
从所述多个样品产品中选择所述第一用户具有最长的查看时间的样品产品作为所述第一样品产品。
3.根据权利要求1所述的方法,包括:
针对在所述前端信息交换系统的所述当前部署位置处展示的多个样品产品中的每个样品产品,确定所述第一用户是否同时与作为第一识别组的一个或多个其他用户一起在所述每个样品产品的相应查看区域内;
从所述多个样品产品中,选择相应样品产品作为所述第一样品产品,该相应样品产品的所述第一用户被发现与作为所述第一识别组的所述一个或多个其他用户同时出现在所述相应查看区域内。
4.根据权利要求3所述的方法,包括:
针对所述第一用户被发现与作为所述第一识别组的所述一个或多个其他用户同时出现在所述相应查看区域内的多个样品产品中的每个样品产品,基于对所述一个或多个现场相机的相应输入流的分析,计算针对所述第一用户和所述第一识别组中的所述一个或多个其他用户的相应合计满意度分数;以及
从所述第一用户被发现同时出现在所述相应查看区域内的所述多个样品产品中,选择针对所述第一用户和所述第一识别组中的所述一个或多个其他用户具有最高的合计满意度分数的样品产品作为所述第一样品产品。
5.根据权利要求1所述的方法,其中,通过所述前端信息交换系统向所述第一用户提供所述第一产品推荐包括:
提供至少一个自然语言陈述,所述至少一个自然语言陈述包括一个或多个关键词,每个关键词描述用以生成所述第一产品推荐的相应因素。
6.根据权利要求1所述的方法,包括:
确定与所述第一用户相关的一组选择因素;
识别两个或多个替代模型,以用于基于被确定为与所述第一用户相关的所述一组选择因素针对所述第一用户生成产品推荐,其中,所述第一产品推荐是基于所述两个或多个替代模型中的第一模型生成的;
在向所述第一用户提供所述第一产品推荐之后,在所述前端信息交换系统的所述当前部署位置处,检测所述第一用户和所述前端信息交换系统之间的第二亲身近距离交互,其中,所述第二亲身近距离包括拒绝所述第一产品推荐;以及
根据确定出所述第一用户和所述前端信息交换系统之间的所述第二亲身近距离交互包括拒绝所述第一产品推荐,基于被确定为与所述第一用户相关的所述一组选择因素,使用所述两个或多个替代模型中的第二模型来自动生成第二产品推荐。
7.根据权利要求6所述的方法,包括:
根据确定出所述第一用户和所述前端信息交换系统之间的所述第二亲身近距离交互包括拒绝所述第一产品推荐,分析所述第二亲身近距离交互以确定与所述第一用户相关的一个或多个附加因素,所述第一用户修改了所述第一组选择因素或者对所述一组选择因素进行了添加;以及
基于所述一个或多个附加因素并结合被确定为与所述第一用户相关的所述一组选择因素,使用所述第二模型来自动生成所述第二产品推荐。
8.一种系统,包括:
一个或多个处理器;以及
存储有指令的存储器,当所述指令被所述一个或多个处理器执行时,使所述处理器执行包括以下各项的操作:
部署前端信息交换系统,其中,所述前端信息交换系统提供输入用户界面,所述输入用户界面被配置成检测用户和所述前端信息交换系统之间的一个或多个亲身近距离交互;
激活来自位于所述前端信息交换系统的当前部署位置处的一个或多个现场相机的相应输入流,其中,所述一个或多个现场相机中的每一个位于在所述前端信息交换系统的所述当前部署位置处展示的相应样品产品附近;
根据所述一个或多个现场相机中的第一相机的相应输入流,将第一用户的第一查看事件注册为与在所述前端信息交换系统的所述当前部署位置显示的第一样品产品相关联;
在所述前端信息交换系统的所述当前部署位置处,检测所述第一用户和所述前端信息交换系统之间的第一亲身近距离交互;
响应于所述第一用户和所述前端信息交换系统之间的所述第一亲身近距离交互,自动生成第一产品推荐,包括:
根据确定出已被注册为与所述第一样品产品相关联的所述第一用户的所述第一查看事件满足增强查看标准,在所述第一产品推荐中自动添加所述第一样品产品的产品特定描述,其中,所述增强查看标准包括当与所述相应第一样品产品相关联的多个先前存储的查看事件中存在所述第一用户的至少第二查看事件时被满足的标准;以及
根据确定出已被注册为与所述第一样品产品相关联的所述第一用户的所述第一查看事件不满足所述增强查看标准,放弃在所述第一产品推荐中包括所述第一样品产品的产品特定描述;以及
通过所述前端信息交换系统向所述第一用户提供所述第一产品推荐。
9.根据权利要求8所述的系统,其中,所述操作包括:
针对在所述前端信息交换系统的所述当前部署位置处展示的多个样品产品中的每个样品产品,根据位于所述每个样品产品附近的一个或多个现场相机的相应输入流,来确定所述第一用户处于所述每个样品产品的相应查看区域内的相应查看时间;以及
从所述多个样品产品中选择所述第一用户具有最长的查看时间的样品产品作为所述第一样品产品。
10.根据权利要求8所述的系统,其中,所述操作包括:
针对在所述前端信息交换系统的所述当前部署位置处展示的多个样品产品中的每个样品产品,确定所述第一用户是否同时与作为第一识别组的一个或多个其他用户一起在所述每个样品产品的相应查看区域内;
从所述多个样品产品中,选择相应样品产品作为所述第一样品产品,该相应样品产品的所述第一用户被发现与作为所述第一识别组的所述一个或多个其他用户同时出现在所述相应查看区域内。
11.根据权利要求10所述的系统,其中,所述操作包括:
针对所述第一用户被发现与作为所述第一识别组的所述一个或多个其他用户同时出现在所述相应查看区域内的多个样品产品中的每个样品产品,基于对所述一个或多个现场相机的相应输入流的分析,针对所述第一用户和所述第一识别组中的所述一个或多个其他用户计算相应合计满意度分数;以及
从所述第一用户被发现同时出现在所述相应查看区域内的所述多个样品产品中,选择针对所述第一用户和所述第一识别组中的所述一个或多个其他用户具有最高的合计满意度分数的样品产品作为第一样品产品。
12.根据权利要求10所述的系统,其中,通过所述前端信息交换系统向所述第一用户提供所述第一产品推荐包括:
提供至少一个自然语言陈述,所述至少一个自然语言陈述包括一个或多个关键词,每个关键词描述用于生成所述第一产品推荐的相应因素。
13.根据权利要求8所述的系统,其中,所述操作包括:
确定与所述第一用户相关的一组选择因素;
识别两个或多个替代模型,以用于基于被确定为与所述第一用户相关的所述一组选择因素针对所述第一用户生成产品推荐的两个或多个替代模型,其中,所述第一产品推荐是基于所述两个或多个替代模型中的第一模型生成的;
在向所述第一用户提供所述第一产品推荐之后,在所述前端信息交换系统的所述当前部署位置处,检测所述第一用户和所述前端信息交换系统之间的第二亲身近距离交互,其中,所述第二亲身近距离包括拒绝所述第一产品推荐;以及
根据确定出所述第一用户和所述前端信息交换系统之间的所述第二亲身近距离交互包括拒绝所述第一产品推荐,基于被确定为与所述第一用户相关的所述一组选择因素,使用所述两个或多个替代模型中的第二模型来自动生成第二产品推荐。
14.根据权利要求13所述的系统,其中,所述操作包括:
根据确定出所述第一用户和所述前端信息交换系统之间的所述第二亲身近距离交互包括拒绝所述第一产品推荐,分析所述第二亲身近距离交互以确定与所述第一用户相关的一个或多个附加因素,所述第一用户修改了所述第一组选择因素或者对所述一组选择因素进行了添加;以及
基于所述一个或多个附加因素并结合被确定为与所述第一用户相关的所述一组选择因素,使用所述第二模型来自动生成所述第二产品推荐。
15.一种非暂态计算机可读存储介质,存储有指令,当所述指令被一个或多个处理器执行时,所述指令使所述处理器执行包括以下各项的操作:
部署前端信息交换系统,其中,所述前端信息交换系统提供输入用户界面,所述输入用户界面被配置成检测用户和所述前端信息交换系统之间的一个或多个亲身近距离交互;
激活来自位于所述前端信息交换系统的当前部署位置处的一个或多个现场相机的相应输入流,其中,所述一个或多个现场相机中的每一个位于在所述前端信息交换系统的所述当前部署位置处展示的相应样品产品附近;
根据所述一个或多个现场相机中的第一相机的相应输入流,将第一用户的第一查看事件注册为与在所述前端信息交换系统的所述当前部署位置处展示的第一样品产品相关联;
在所述前端信息交换系统的所述当前部署位置处,检测所述第一用户和所述前端信息交换系统之间的第一亲身近距离交互;
响应于所述第一用户和所述前端信息交换系统之间的所述第一亲身近距离交互,自动生成第一产品推荐,包括:
根据确定出已被注册为与所述第一样品产品相关联的所述第一用户的所述第一查看事件满足增强查看标准,在所述第一产品推荐中自动添加所述第一样品产品的产品特定描述,其中,所述增强查看标准包括当与相应第一样品产品相关联的多个先前存储的查看事件中存在所述第一用户的至少第二查看事件时被满足的标准;以及
根据确定出已被注册为与所述第一样品产品相关联的所述第一用户的所述第一查看事件不满足所述增强查看标准,放弃在所述第一产品推荐中包括所述第一样品产品的产品特定描述;以及
通过所述前端信息交换系统向所述第一用户提供所述第一产品推荐。
16.根据权利要求15所述的计算机可读存储介质,其中,所述操作包括:
针对在所述前端信息交换系统的所述当前部署位置处展示的多个样品产品中的每个样品产品,根据位于所述每个样品产品附近的一个或多个现场相机的相应输入流,来确定所述第一用户处于所述每个样品产品的相应查看区域内的相应查看时间;以及
从所述多个样品产品中选择所述第一用户具有最长的查看时间的样品产品作为所述第一样品产品。
17.根据权利要求15所述的计算机可读存储介质,其中,所述操作包括:
针对在所述前端信息交换系统的所述当前部署位置处展示的多个样品产品中的每个样品产品,确定所述第一用户是否与作为第一识别组的一个或多个其他用户同时在所述每个样品产品的相应查看区域内;
从所述多个样品产品中,选择一个相应样品产品作为所述第一样品产品,该相应样品产品的所述第一用户被发现与作为所述第一识别组的所述一个或多个其他用户同时出现在所述相应查看区域内。
18.根据权利要求17所述的计算机可读存储介质,其中,所述操作包括:
针对所述第一用户被发现与作为所述第一识别组的所述一个或多个其他用户同时出现在所述相应查看区域内的多个样品产品中的每个样品产品,基于对所述一个或多个现场相机的相应输入流的分析,针对所述第一用户和所述第一识别组中的所述一个或多个其他用户计算相应合计满意度分数;以及
从所述第一用户被发现同时出现在所述相应查看区域内的所述多个样品产品中,选择针对所述第一用户和所述第一识别组中的所述一个或多个其他用户具有最高的合计满意度分数的样品产品作为第一样品产品。
19.根据权利要求18所述的计算机刻度存储介质,其中,通过所述前端信息交换系统,向所述第一用户提供所述第一产品推荐包括:
提供至少一个自然语言陈述,所述至少一个自然语言陈述包括一个或多个关键词,每个关键词描述用于生成所述第一产品推荐的相应因素。
20.根据权利要求15所述的计算机可读存储介质,其中,所述操作包括:
确定与所述第一用户相关的一组选择因素;
识别两个或多个替代模型,以用于基于被确定为与所述第一用户相关的所述一组选择因素针对所述第一用户生成产品推荐,其中,所述第一产品推荐是基于所述两个或多个替代模型中的第一模型生成的;
在向所述第一用户提供所述第一产品推荐之后,在所述前端信息交换系统的所述当前部署位置处,检测所述第一用户和所述前端信息交换系统之间的第二亲身近距离交互,其中,所述第二亲身近距离包括拒绝所述第一产品推荐;以及
根据确定出所述第一用户和所述前端信息交换系统之间的所述第二亲身近距离交互包括拒绝所述第一产品推荐,基于被确定为与所述第一用户相关的所述一组选择因素,使用所述两个或多个替代模型中的第二模型来自动生成第二产品推荐。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762572242P | 2017-10-13 | 2017-10-13 | |
US62/572,242 | 2017-10-13 | ||
PCT/CN2018/109720 WO2019072195A1 (en) | 2017-10-13 | 2018-10-10 | METHOD AND SYSTEM FOR PROVIDING AN EXCHANGE OF CUSTOMIZED INFORMATION ON THE LOCATION |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110770779A true CN110770779A (zh) | 2020-02-07 |
CN110770779B CN110770779B (zh) | 2022-05-24 |
Family
ID=66101226
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880040807.4A Active CN110770779B (zh) | 2017-10-13 | 2018-10-10 | 用于提供个性化现场信息交换的方法和系统 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10706290B2 (zh) |
EP (1) | EP3695363A4 (zh) |
KR (1) | KR102345945B1 (zh) |
CN (1) | CN110770779B (zh) |
WO (1) | WO2019072195A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111695015A (zh) * | 2020-06-04 | 2020-09-22 | 重庆锐云科技有限公司 | 客户行为分析方法、装置、计算机设备及存储介质 |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10223821B2 (en) * | 2017-04-25 | 2019-03-05 | Beyond Imagination Inc. | Multi-user and multi-surrogate virtual encounters |
WO2019072194A1 (en) * | 2017-10-13 | 2019-04-18 | Midea Group Co., Ltd. | METHOD AND SYSTEM FOR PROVIDING PERSONALIZED INFORMATION EXCHANGE ON SITE |
US10878482B2 (en) * | 2018-01-19 | 2020-12-29 | Hypernet Labs, Inc. | Decentralized recommendations using distributed average consensus |
US20190259081A1 (en) * | 2018-02-22 | 2019-08-22 | Jaylyn A. Hamm | Product Identification System |
WO2019203795A1 (en) * | 2018-04-16 | 2019-10-24 | Google Llc | Automatically determining language for speech recognition of spoken utterance received via an automated assistant interface |
CN108876526B (zh) * | 2018-06-06 | 2021-11-02 | 北京京东尚科信息技术有限公司 | 商品推荐方法、装置和计算机可读存储介质 |
US10958828B2 (en) * | 2018-10-10 | 2021-03-23 | International Business Machines Corporation | Advising image acquisition based on existing training sets |
JP7197333B2 (ja) * | 2018-11-07 | 2022-12-27 | 東芝テック株式会社 | 情報提供装置及びその制御プログラム |
US11288733B2 (en) * | 2018-11-14 | 2022-03-29 | Mastercard International Incorporated | Interactive 3D image projection systems and methods |
US11675883B2 (en) * | 2019-01-07 | 2023-06-13 | Jumio Corporation | Passive identification of a kiosk user |
US11157702B2 (en) * | 2019-03-06 | 2021-10-26 | International Business Machines Corporation | Utilizing varying coordinates related to a target event to provide contextual outputs |
US11449755B2 (en) * | 2019-04-29 | 2022-09-20 | Microsoft Technology Licensing, Llc | Sensitivity classification neural network |
CN111683294B (zh) * | 2020-05-08 | 2021-05-07 | 华东师范大学 | 一种信息抽取的弹幕评论推荐方法 |
US20210366026A1 (en) * | 2020-05-24 | 2021-11-25 | lnvenda Group AG | Vending machine, vending method and advanced product recommendation engine for vending machines |
US11348160B1 (en) * | 2021-02-24 | 2022-05-31 | Conversenowai | Determining order preferences and item suggestions |
JP2022142512A (ja) * | 2021-03-16 | 2022-09-30 | 本田技研工業株式会社 | 接客システム、サーバ、制御方法及びプログラム |
US20220301021A1 (en) * | 2021-03-19 | 2022-09-22 | Capital One Services, Llc | Methods and systems for generating real-time recommendations using machine learning models |
US20220414685A1 (en) * | 2021-06-25 | 2022-12-29 | Jpmorgan Chase Bank, N.A. | Method and system for interpreting customer behavior via customer journey embeddings |
KR20230116528A (ko) * | 2022-01-28 | 2023-08-04 | 삼성전자주식회사 | 전자 장치 및 그 제어 방법 |
US11907841B1 (en) * | 2023-05-01 | 2024-02-20 | Ian Truitner | Machine learning based consumer product identification system and method therefor |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102122346A (zh) * | 2011-02-28 | 2011-07-13 | 济南纳维信息技术有限公司 | 基于视频分析的实体店面顾客兴趣点采集方法 |
CN102376061A (zh) * | 2011-08-26 | 2012-03-14 | 浙江工业大学 | 基于全方位视觉的消费者购买行为分析装置 |
CN102436625A (zh) * | 2010-11-15 | 2012-05-02 | 微软公司 | 在地图上显示产品推荐 |
US20140144979A1 (en) * | 2012-11-29 | 2014-05-29 | Ebay Inc. | Systems and methods for recommending a retail location |
CN103843024A (zh) * | 2012-01-05 | 2014-06-04 | 维萨国际服务协会 | 交易视觉捕获装置、方法和系统 |
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 |
CN104170519A (zh) * | 2011-12-19 | 2014-11-26 | 英特尔公司 | 智能设备辅助的商务 |
US20150112826A1 (en) * | 2012-12-04 | 2015-04-23 | Crutchfield Corporation | Techniques for providing retail customers a seamless, individualized discovery and shopping experience |
CN105869015A (zh) * | 2016-03-28 | 2016-08-17 | 联想(北京)有限公司 | 一种信息处理方法及系统 |
US20160379145A1 (en) * | 2015-06-26 | 2016-12-29 | eConnect, Inc. | Surveillance Data Based Resource Allocation Analysis |
CN106408365A (zh) * | 2016-08-24 | 2017-02-15 | 潘重光 | 内容推荐方法及装置 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050144072A1 (en) * | 1996-10-25 | 2005-06-30 | Perkowski Thomas J. | Internet-based brand management and marketing communication instrumentation network for deploying, installing and remotely programming brand-building server-side driven multi-mode virtual kiosks on the World Wide Web (WWW), and methods of brand marketing communication between brand marketers and consumers using the same |
US20110238506A1 (en) * | 2000-01-14 | 2011-09-29 | Perkowski Thomas J | Internet-based brand marketing communication network for enabling commission-based e-commerce transactions along the fabric of the world wide web (www) using server-side driven multi-mode virtual kiosks (mmvks) |
US6963851B1 (en) * | 2000-05-08 | 2005-11-08 | International Business Machines Corporation | Method and apparatus to enable consumer replenishment shopping by useful life |
JP2004206526A (ja) * | 2002-12-26 | 2004-07-22 | Casio Comput Co Ltd | 情報提供装置及びプログラム |
JP2011123657A (ja) * | 2009-12-10 | 2011-06-23 | Ntt Comware Corp | 情報収集システム及び方法 |
US9049259B2 (en) * | 2011-05-03 | 2015-06-02 | Onepatont Software Limited | System and method for dynamically providing visual action or activity news feed |
US8671068B2 (en) * | 2011-09-22 | 2014-03-11 | Toyota Jidosha Kabushiki Kaisha | Content recommendation system |
US20130173419A1 (en) * | 2011-12-30 | 2013-07-04 | Certona Corporation | Recommending repeated transactions |
JP2014014014A (ja) * | 2012-07-04 | 2014-01-23 | Toshiba Tec Corp | 情報配信装置、サイネージシステムおよびプログラム |
US10346621B2 (en) * | 2013-05-23 | 2019-07-09 | yTrre, Inc. | End-to-end situation aware operations solution for customer experience centric businesses |
US10325102B2 (en) * | 2013-05-23 | 2019-06-18 | yTrre, Inc. | Real-time customer experience management systems and methods |
CN104680387A (zh) * | 2015-02-27 | 2015-06-03 | 百度在线网络技术(北京)有限公司 | 信息展示方法和装置 |
KR20170063339A (ko) * | 2015-11-30 | 2017-06-08 | 얄리주식회사 | 스마트 마네킹 및 이를 이용한 매장 관리 장치 및 방법 |
US20180276731A1 (en) * | 2017-03-24 | 2018-09-27 | Abzooba, Inc. | System and Method for Automated Product Recommendations |
WO2019072194A1 (en) * | 2017-10-13 | 2019-04-18 | Midea Group Co., Ltd. | METHOD AND SYSTEM FOR PROVIDING PERSONALIZED INFORMATION EXCHANGE ON SITE |
US11538083B2 (en) * | 2018-05-17 | 2022-12-27 | International Business Machines Corporation | Cognitive fashion product recommendation system, computer program product, and method |
-
2018
- 2018-10-10 CN CN201880040807.4A patent/CN110770779B/zh active Active
- 2018-10-10 EP EP18867258.8A patent/EP3695363A4/en active Pending
- 2018-10-10 WO PCT/CN2018/109720 patent/WO2019072195A1/en unknown
- 2018-10-10 KR KR1020197038996A patent/KR102345945B1/ko active IP Right Grant
- 2018-10-11 US US16/158,027 patent/US10706290B2/en active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102436625A (zh) * | 2010-11-15 | 2012-05-02 | 微软公司 | 在地图上显示产品推荐 |
CN102122346A (zh) * | 2011-02-28 | 2011-07-13 | 济南纳维信息技术有限公司 | 基于视频分析的实体店面顾客兴趣点采集方法 |
CN102376061A (zh) * | 2011-08-26 | 2012-03-14 | 浙江工业大学 | 基于全方位视觉的消费者购买行为分析装置 |
CN104170519A (zh) * | 2011-12-19 | 2014-11-26 | 英特尔公司 | 智能设备辅助的商务 |
CN103843024A (zh) * | 2012-01-05 | 2014-06-04 | 维萨国际服务协会 | 交易视觉捕获装置、方法和系统 |
US20140144979A1 (en) * | 2012-11-29 | 2014-05-29 | Ebay Inc. | Systems and methods for recommending a retail location |
US20150112826A1 (en) * | 2012-12-04 | 2015-04-23 | Crutchfield Corporation | Techniques for providing retail customers a seamless, individualized discovery and shopping experience |
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 |
US20160379145A1 (en) * | 2015-06-26 | 2016-12-29 | eConnect, Inc. | Surveillance Data Based Resource Allocation Analysis |
CN105869015A (zh) * | 2016-03-28 | 2016-08-17 | 联想(北京)有限公司 | 一种信息处理方法及系统 |
CN106408365A (zh) * | 2016-08-24 | 2017-02-15 | 潘重光 | 内容推荐方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111695015A (zh) * | 2020-06-04 | 2020-09-22 | 重庆锐云科技有限公司 | 客户行为分析方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US10706290B2 (en) | 2020-07-07 |
CN110770779B (zh) | 2022-05-24 |
EP3695363A4 (en) | 2021-07-14 |
KR102345945B1 (ko) | 2021-12-30 |
US20190163985A1 (en) | 2019-05-30 |
WO2019072195A1 (en) | 2019-04-18 |
EP3695363A1 (en) | 2020-08-19 |
KR20200014855A (ko) | 2020-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110754075B (zh) | 用于提供个性化现场信息交换的方法和系统 | |
CN110770779B (zh) | 用于提供个性化现场信息交换的方法和系统 | |
AU2010204767B2 (en) | Conditional incentive presentation, tracking and redemption | |
US9183497B2 (en) | Performance-efficient system for predicting user activities based on time-related features | |
US20160191450A1 (en) | Recommendations Engine in a Layered Social Media Webpage | |
JP2018110010A (ja) | 消費者主導広告システム | |
Kessler et al. | How do potential users perceive the adoption of new technologies within the field of Artificial Intelligence and Internet-of-Things?-a revision of the UTAUT 2 model using voice assistants | |
JP2021101333A (ja) | プログラムおよび情報処理方法 | |
US20130006754A1 (en) | Multi-step impression campaigns | |
US8626697B1 (en) | Website user profiling using anonymously collected data | |
KR20160038068A (ko) | 컴퓨팅 어드바이스 수단에서의 흥미도 추천 | |
US20210117893A1 (en) | Method and system for switching and handover between one or more intelligent conversational agents | |
JP2013512501A (ja) | コンテクスト情報を利用するシステム、装置及び方法 | |
US20150324846A1 (en) | Using card-linked offer data to detect user interests | |
Gupta et al. | Digital marketing | |
Guo et al. | Harnessing the power of the general public for crowdsourced business intelligence: a survey | |
KR20180049276A (ko) | 실시간 홍보 및 이벤트 제공시스템 | |
Pearson | The loyalty leap: Turning customer information into customer intimacy | |
US20160180738A1 (en) | Life Experiences Engine | |
Karadag et al. | Digitization of luxury fashion by building an omnichannel dream | |
JP2022188759A (ja) | 検索クエリのユーザ意図に基づいた商品群生成方法及びシステム | |
JP2022186632A (ja) | 検索クエリのユーザ意図に基づいた特売イベント生成方法及びシステム | |
Ellwood | Marketing for growth: the role of marketers in driving revenues and profits | |
KR102065399B1 (ko) | 인공지능 학습 모델을 이용하여 사용자의 행동 데이터를 분석한 결과에 기초하여 사용자의 행동을 유도하는 방법 및 장치 | |
Bothorel et al. | Data Marketing for Customer Intimacy |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |