CN110910221A - 一种基于人工智能的商场智能导购方法及系统 - Google Patents
一种基于人工智能的商场智能导购方法及系统 Download PDFInfo
- Publication number
- CN110910221A CN110910221A CN201911179796.0A CN201911179796A CN110910221A CN 110910221 A CN110910221 A CN 110910221A CN 201911179796 A CN201911179796 A CN 201911179796A CN 110910221 A CN110910221 A CN 110910221A
- Authority
- CN
- China
- Prior art keywords
- user
- data
- shopping
- artificial intelligence
- centroid
- 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
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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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]
- G06Q30/0639—Item locations
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Marketing (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Probability & Statistics with Applications (AREA)
- Remote Sensing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于人工智能的商场智能导购方法及系统,属于数据挖掘技术领域。本发明的基于人工智能的商场智能导购方法,包括数据分析和路线规划,数据分析时,通过用户在电商平台的行为获得用户的购物习惯和商品偏好的数据,结合数据分析结果与商场店铺信息为用户规划合适的路线。该发明的基于人工智能的商场智能导购方法能够对用户的购物兴趣分析准确,推荐的商场店铺合适,有利于用户买到满意的商品,并为商场增加营收,具有很好的推广应用价值。
Description
技术领域
本发明涉及数据挖掘技术领域,具体提供一种基于人工智能的商场智能导购方法及系统。
背景技术
随着经济日益发展,一体化商场普及度越来越高,不管是一线城市、二线城市或是小乡镇,都有随处可见的一体化大商城。琳琅满目的商品,复杂多样的商场结构,对于顾客来说找到某个特定的位置,是很困难的。目前各大商场均面临许多问题:
1、商场人满为患,初来的顾客对商场不了解,位置咨询和商城活动是咨询台发生频率最多的服务需求,让顾客感觉购物环境差;
2、目前商城多是购物娱乐美食等一体化商场,商场结构复杂,商铺分布多样,对于新顾客来说犹如迷宫一般;
3、商场服务台数量一般较少,且人工费用高。
人们80%的时间是在室内,但是GPS不能在室内运作,随着人们对室内导航的需求,室内导航技术也日益发展起来。室内导航技术主要包括两大功能,路线规划和路线展示。路径规划是室内导航系统重要的组成部分,路径规划的优劣直接影响导航系统的整体性能。一般情况下,导航系统常常通过运行最短路径算法获取距离最短的路径或者时间最短路径,但是也可以根据特定的导航者,为其规划更具有针对性的路径。路径展示可以采用2维地图或者3维地图,不管采用哪种地图,都需要备注地址信息。现在也有比较成熟的室内导航技术,比如,谷歌的ProjectTango室内导航技术、高德室内导航、百度室内导航等。因此利用室内导航指引商场中的顾客具有重要的意义。
发明内容
本发明的技术任务是针对上述存在的问题,提供一种能够对用户的购物兴趣分析准确,推荐的商场店铺合适,有利于用户买到满意的商品,并为商场增加营收的基于人工智能的商场智能导购方法。
本发明进一步的技术任务是提供一种基于人工智能的商场智能导购系统。
为实现上述目的,本发明提供了如下技术方案:
一种基于人工智能的商场智能导购方法,该方法包括数据分析和路线规划,数据分析时,通过用户在电商平台的行为获得用户的购物习惯和商品偏好的数据,结合数据分析结果与商场店铺信息为用户规划合适的路线。
作为优选,该基于人工智能的商场智能导购方法包括以下步骤:
S1、数据分析:分析用户在电商平台上的行为,获得用户的购物习惯和商品偏好的数据,对获得的数据进行预处理,包括对数据进行降噪和归一化处理,使用聚类算法为用户分类;
S2、路线规划:根据用户所在的商场提供的店铺数据,结合数据分析结果与商场店铺信息为用户规划合适的路线。
作为优选,数据分析过程中,分析用户在电商平台上的用户搜索关键字记录、购物车商品信息、关注的店铺信息、日常浏览记录和历史购物记录数据。
归一化处理上述数据后使数据集中在一定范围内,从而使用户的总体偏好更加精确,最终确定一簇与用户的相似购物偏好的用户或商品。
作为优选,使用KMeans聚类算法为用户分类,具体过程为:
(1)确定一个K值,即将数据集经过聚类得到到的K各集合;
(2)从数据集中随机选择K个数据点作为质心;
(3)对数据集中每一个点,计算其与每一个质心的距离,离哪个质心近,就划分到该质心所属的集合;
(4)对所有数据归好集合后,一共有K个集合,重新计算每个集合的质心;
(5)若重新计算出来的质心和原来的质心之间的距离小于某一个设置的阀值,则聚类达到期望结果;
(6)若新质心与原质心距离变化很大,则迭代(3)~(5)。
作为优选,路线规划过程中,根据用户所在的商场提供的店铺数据包括店铺位置、所出售的商品及商品打折信息。
作为优选,路线规划中,使用最短路径算法为用户规划处购物路径,结合室内定位,为用户提供准确的室内导航。
一种基于人工智能的商场智能导购系统,该系统包括数据分析模块和路线规划模块:
数据分析模块用于分析用户在电商平台上的行为,获得用户的购物习惯和商品偏好的数据,对获得的数据进行预处理,包括对数据进行降噪和归一化处理,使用聚类算法为用户分类;使用KMeans聚类算法为用户分类,具体过程为:
(1)确定一个K值,即将数据集经过聚类得到到的K各集合;
(2)从数据集中随机选择K个数据点作为质心;
(3)对数据集中每一个点,计算其与每一个质心的距离,离哪个质心近,就划分到该质心所属的集合;
(4)对所有数据归好集合后,一共有K个集合,重新计算每个集合的质心;
(5)若重新计算出来的质心和原来的质心之间的距离小于某一个设置的阀值,则聚类达到期望结果;
(6)若新质心与原质心距离变化很大,则迭代(3)~(5)。
路线规划模块用于根据用户所在的商场提供的店铺数据,结合数据分析结果与商场店铺信息为用户规划合适的路线。
作为优选,数据分析模块在数据分析过程中,分析用户在电商平台上的用户搜索关键字记录、购物车商品信息、关注的店铺信息、日常浏览记录和历史购物记录数据。
作为优选,路线规划模块路线规划过程中,根据用户所在的商场提供的店铺数据包括店铺位置、所出售的商品及商品打折信息。
与现有技术相比,本发明的基于人工智能的商场智能导购方法具有以下突出的有益效果:所述基于人工智能的商场智能导购方法能够对用户的购物兴趣分析准确,推荐的商场店铺合适,有利于用户买到满意的商品,并为商场增加营收,具有良好的推广应用价值。
附图说明
图1是本发明所述基于人工智能的商场智能导购方法的流程图;
图2是本发明所述基于人工智能的商场智能导购系统的拓扑图。
具体实施方式
下面将结合附图和实施例,对本发明的基于人工智能的商场智能导购方法及系统作进一步详细说明。
实施例
本发明的基于人工智能的商场智能导购方法,包括数据分析和路线规划。数据分析时,通过用户在电商平台的行为获得用户的购物习惯和商品偏好的数据,结合数据分析结果与商场店铺信息为用户规划合适的路线。
如图1所示,该基于人工智能的商场智能导购方法包括以下步骤:
S1、数据分析:分析用户在电商平台上的行为,获得用户的购物习惯和商品偏好的数据,对获得的数据进行预处理,包括对数据进行降噪和归一化处理,使用聚类算法为用户分类。
数据分析过程中,分析用户在电商平台上的用户搜索关键字记录、购物车商品信息、关注的店铺信息、日常浏览记录和历史购物记录数据。
使用KMeans聚类算法为用户分类,具体过程为:
(1)确定一个K值,即将数据集经过聚类得到到的K各集合;
(2)从数据集中随机选择K个数据点作为质心;
(3)对数据集中每一个点,计算其与每一个质心的距离,离哪个质心近,就划分到该质心所属的集合;
(4)对所有数据归好集合后,一共有K个集合,重新计算每个集合的质心;
(5)若重新计算出来的质心和原来的质心之间的距离小于某一个设置的阀值,则聚类达到期望结果;
(6)若新质心与原质心距离变化很大,则迭代(3)~(5)。
S2、路线规划:根据用户所在的商场提供的店铺数据,结合数据分析结果与商场店铺信息为用户规划合适的路线。
路线规划过程中,根据用户所在的商场提供的店铺数据包括店铺位置、所出售的商品及商品打折信息。该过程中使用最短路径算法为用户规划处购物路径,结合室内定位,为用户提供准确的室内导航。
该基于人工智能的商场智能导购方法通过数据分析,电商平台使用收集到的用户购物记录、浏览记录和搜索记录等数据,首先进行降噪、归一化处理,然后基于KMeans算法,分析用户的购物偏好和商品兴趣,将用户分成兴趣类似的分组。商场路线规划,首先获取商场的店铺出售的商品信息和店铺打折信息等,并由上一步中得到的用户兴趣以及相似分组的用户所去过的店铺筛选出用户可能感兴趣的商场店铺,之后为用户规划出最短最佳的购物路线,使用室内导航技术为用户提供准确的位置信息和路径信息。
如图2所示,本发明的基于人工智能的商场智能导购系统,该系统包括数据分析模块和路线规划模块。
数据分析模块用于分析用户在电商平台上的行为,获得用户的购物习惯和商品偏好的数据,对获得的数据进行预处理,包括对数据进行降噪和归一化处理,使用聚类算法为用户分类;使用KMeans聚类算法为用户分类,具体过程为:
(1)确定一个K值,即将数据集经过聚类得到到的K各集合;
(2)从数据集中随机选择K个数据点作为质心;
(3)对数据集中每一个点,计算其与每一个质心的距离,离哪个质心近,就划分到该质心所属的集合;
(4)对所有数据归好集合后,一共有K个集合,重新计算每个集合的质心;
(5)若重新计算出来的质心和原来的质心之间的距离小于某一个设置的阀值,则聚类达到期望结果;
(6)若新质心与原质心距离变化很大,则迭代(3)~(5)。
数据分析模块在数据分析过程中,分析用户在电商平台上的用户搜索关键字记录、购物车商品信息、关注的店铺信息、日常浏览记录和历史购物记录数据。
路线规划模块用于根据用户所在的商场提供的店铺数据,结合数据分析结果与商场店铺信息为用户规划合适的路线。
路线规划模块路线规划过程中,根据用户所在的商场提供的店铺数据包括店铺位置、所出售的商品及商品打折信息。使用最短路径算法为用户规划处购物路径,结合室内定位,为用户提供准确的室内导航。
以上所述的实施例,只是本发明较优选的具体实施方式,本领域的技术人员在本发明技术方案范围内进行的通常变化和替换都应包含在本发明的保护范围内。
Claims (9)
1.一种基于人工智能的商场智能导购方法,其特征在于:该方法包括数据分析和路线规划,数据分析时,通过用户在电商平台的行为获得用户的购物习惯和商品偏好的数据,结合数据分析结果与商场店铺信息为用户规划合适的路线。
2.根据权利要求1所述的基于人工智能的商场智能导购方法,其特征在于:包括以下步骤:
S1、数据分析:分析用户在电商平台上的行为,获得用户的购物习惯和商品偏好的数据,对获得的数据进行预处理,包括对数据进行降噪和归一化处理,使用聚类算法为用户分类;
S2、路线规划:根据用户所在的商场提供的店铺数据,结合数据分析结果与商场店铺信息为用户规划合适的路线。
3.根据权利要求2所述的基于人工智能的商场智能导购方法,其特征在于:数据分析过程中,分析用户在电商平台上的用户搜索关键字记录、购物车商品信息、关注的店铺信息、日常浏览记录和历史购物记录数据。
4.根据权利要求3所述的基于人工智能的商场智能导购方法,其特征在于:使用KMeans聚类算法为用户分类,具体过程为:
(1)确定一个K值,即将数据集经过聚类得到到的K各集合;
(2)从数据集中随机选择K个数据点作为质心;
(3)对数据集中每一个点,计算其与每一个质心的距离,离哪个质心近,就划分到该质心所属的集合;
(4)对所有数据归好集合后,一共有K个集合,重新计算每个集合的质心;
(5)若重新计算出来的质心和原来的质心之间的距离小于某一个设置的阀值,则聚类达到期望结果;
(6)若新质心与原质心距离变化很大,则迭代(3)~(5)。
5.根据权利要求4所述的基于人工智能的商场智能导购方法,其特征在于:路线规划过程中,根据用户所在的商场提供的店铺数据包括店铺位置、所出售的商品及商品打折信息。
6.根据权利要求5所述的基于人工智能的商场智能导购方法,其特征在于:路线规划中,使用最短路径算法为用户规划处购物路径,结合室内定位,为用户提供准确的室内导航。
7.一种基于人工智能的商场智能导购系统,其特征在于:该系统包括数据分析模块和路线规划模块:
数据分析模块用于分析用户在电商平台上的行为,获得用户的购物习惯和商品偏好的数据,对获得的数据进行预处理,包括对数据进行降噪和归一化处理,使用聚类算法为用户分类;
路线规划模块用于根据用户所在的商场提供的店铺数据,结合数据分析结果与商场店铺信息为用户规划合适的路线。
8.根据权利要求7所述的基于人工智能的商场智能导购系统,其特征在于:数据分析模块在数据分析过程中,分析用户在电商平台上的用户搜索关键字记录、购物车商品信息、关注的店铺信息、日常浏览记录和历史购物记录数据。
9.根据权利要求8所述的基于人工智能的商场智能导购系统,其特征在于:路线规划模块路线规划过程中,根据用户所在的商场提供的店铺数据包括店铺位置、所出售的商品及商品打折信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911179796.0A CN110910221A (zh) | 2019-11-27 | 2019-11-27 | 一种基于人工智能的商场智能导购方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911179796.0A CN110910221A (zh) | 2019-11-27 | 2019-11-27 | 一种基于人工智能的商场智能导购方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110910221A true CN110910221A (zh) | 2020-03-24 |
Family
ID=69819729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911179796.0A Pending CN110910221A (zh) | 2019-11-27 | 2019-11-27 | 一种基于人工智能的商场智能导购方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110910221A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112818252A (zh) * | 2021-04-19 | 2021-05-18 | 北京邮电大学 | 基于人工智能与数据分析的商场导购系统 |
CN114387040A (zh) * | 2022-03-22 | 2022-04-22 | 触电网络科技(深圳)有限公司 | 一种基于人工智能的智能拓客方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107067284A (zh) * | 2017-04-24 | 2017-08-18 | 济南浪潮高新科技投资发展有限公司 | 一种应用于大数据的个性精准导购方法 |
CN107153974A (zh) * | 2017-05-23 | 2017-09-12 | 合肥昊思云科科技有限公司 | 一种基于预设信息的打折店铺推送系统 |
CN108804531A (zh) * | 2018-05-02 | 2018-11-13 | 开源物联网(广州)有限公司 | 基于用户位置的推送预估系统 |
CN110231026A (zh) * | 2019-06-20 | 2019-09-13 | 浙江口碑网络技术有限公司 | 结合定位信息的店铺路线推荐方法及装置 |
CN110415091A (zh) * | 2019-08-06 | 2019-11-05 | 重庆仙桃前沿消费行为大数据有限公司 | 商店及商品推荐方法、装置、设备及可读存储介质 |
-
2019
- 2019-11-27 CN CN201911179796.0A patent/CN110910221A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107067284A (zh) * | 2017-04-24 | 2017-08-18 | 济南浪潮高新科技投资发展有限公司 | 一种应用于大数据的个性精准导购方法 |
CN107153974A (zh) * | 2017-05-23 | 2017-09-12 | 合肥昊思云科科技有限公司 | 一种基于预设信息的打折店铺推送系统 |
CN108804531A (zh) * | 2018-05-02 | 2018-11-13 | 开源物联网(广州)有限公司 | 基于用户位置的推送预估系统 |
CN110231026A (zh) * | 2019-06-20 | 2019-09-13 | 浙江口碑网络技术有限公司 | 结合定位信息的店铺路线推荐方法及装置 |
CN110415091A (zh) * | 2019-08-06 | 2019-11-05 | 重庆仙桃前沿消费行为大数据有限公司 | 商店及商品推荐方法、装置、设备及可读存储介质 |
Non-Patent Citations (1)
Title |
---|
文必龙: "《R语言程序设计基础》", 30 April 2019 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112818252A (zh) * | 2021-04-19 | 2021-05-18 | 北京邮电大学 | 基于人工智能与数据分析的商场导购系统 |
CN114387040A (zh) * | 2022-03-22 | 2022-04-22 | 触电网络科技(深圳)有限公司 | 一种基于人工智能的智能拓客方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3779841B1 (en) | Method, apparatus and system for sending information, and computer-readable storage medium | |
CN105701123B (zh) | 人车关系的识别方法及装置 | |
US8401771B2 (en) | Discovering points of interest from users map annotations | |
US9262742B2 (en) | User list identification | |
CN104820863A (zh) | 一种消费者画像生成方法及装置 | |
CN105045858A (zh) | 基于投票的出租车载客点推荐方法 | |
CN108604347A (zh) | 用于基于性能驱动的动态地理围栏的目标定位的系统和方法 | |
US20090282028A1 (en) | User Interface and Method for Web Browsing based on Topical Relatedness of Domain Names | |
US9727906B1 (en) | Generating item clusters based on aggregated search history data | |
TW201727558A (zh) | 地理區域的熱力展現方法和裝置 | |
CN106504099A (zh) | 一种构建用户画像的系统 | |
KR101803049B1 (ko) | 사용자 목록 생성 및 식별 | |
CN101542516A (zh) | 基于位置的、内容定向的信息 | |
CN105874753A (zh) | 用于社交数据网络用户行为细分的系统和方法 | |
CN105787756A (zh) | 人体行为分析装置、方法及系统 | |
CN110910221A (zh) | 一种基于人工智能的商场智能导购方法及系统 | |
CN114036376A (zh) | 一种基于k均值聚类的时间感知自适应兴趣点推荐方法 | |
US9002883B1 (en) | Providing aggregated starting point information | |
CN114528480A (zh) | 一种基于k均值聚类的时间感知自适应兴趣点推荐方法 | |
KR20190081671A (ko) | 온라인 쇼핑몰 통합 관리 시스템에서의 유사상품을 검색하는 방법 및 그 서버 | |
US20120054009A1 (en) | Joining User Lists With External Data | |
CN112923939A (zh) | 用于导航的方法、装置、设备和介质 | |
CN115687429A (zh) | 一种社交媒体用户行为模式挖掘方法 | |
CN105389714A (zh) | 一种从行为数据识别用户特性的方法 | |
CN108647189B (zh) | 一种识别用户人群属性的方法及装置 |
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 |
Application publication date: 20200324 |
|
RJ01 | Rejection of invention patent application after publication |