CN111028012A - 景区客群定位方法、系统、装置及其可存储介质 - Google Patents
景区客群定位方法、系统、装置及其可存储介质 Download PDFInfo
- Publication number
- CN111028012A CN111028012A CN201911260134.6A CN201911260134A CN111028012A CN 111028012 A CN111028012 A CN 111028012A CN 201911260134 A CN201911260134 A CN 201911260134A CN 111028012 A CN111028012 A CN 111028012A
- Authority
- CN
- China
- Prior art keywords
- data
- scenic spot
- group
- guest
- channel
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 35
- 230000015654 memory Effects 0.000 claims description 15
- 238000010606 normalization Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 7
- 238000013480 data collection Methods 0.000 claims description 3
- 230000002860 competitive effect Effects 0.000 abstract description 12
- 230000000694 effects Effects 0.000 abstract description 11
- 238000012356 Product development Methods 0.000 abstract description 5
- 238000004458 analytical method Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 7
- 238000011956 best available technology Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 239000005441 aurora Substances 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241000288673 Chiroptera Species 0.000 description 1
- 241000219109 Citrullus Species 0.000 description 1
- 235000012828 Citrullus lanatus var citroides Nutrition 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000000265 homogenisation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/14—Travel agencies
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种景区客群定位方法、系统、装置及其可存储介质,本申请可以扩大客群锁定范围,客群研究范围从景区自身,拓展景区周边客群和竞品景区客群,全面覆盖对景区潜客的分析;提供定量化客群综合洞察模型:本发明所提供的算法可以根据客群—渠道组合,利用主观加权和客观加权结合,生成不同客群的洞察权重,构建综合特征洞察模型,全面实现景区目标客群的综合特征洞察,大力支撑景区精准营销、产品开发、活动促销和景区二销场景的数字化决策,提升景区营销应用成效。
Description
技术领域
本申请涉及景区数据处理技术领域,尤其涉及一种景区客群定位方法、系统、装置及其可存储介质。
背景技术
目前,景区客群定位主要面向景区范围,根据景区、通信运营商(移动、联通、电信)、BAT(阿里、腾讯、百度)、其他第三方平台中的其一渠道的历史游客数据,进行景区客群特征定位洞察。其中景区数据主要来源于景区票务系统,主要包含客群基本属性(性别、年龄)、人地关系(客源地)、旅游偏好(团散偏好)信息,客群特征维度信息少。通信运营商数据主要基于基站数据,主要包含客群基本属性(性别、年龄、终端品牌)、人地关系(客源地)、旅游偏好(出游工具偏好、热门路线、出游时长偏好)、生活偏好(APP类别偏好),客群特征维度也有限。BAT各自的生态体系庞大,包含客群基本属性(性别、年龄、行业、职业)、人地关系(客源地、工作地、活跃商圈)、旅游偏好(出游工具偏好、热门路线、出游时长偏好、旅游兴趣类别偏好、消费场所停留时长偏好等)、经济能力(阶层、是否有房、是否有车)、生活偏好(APP类别偏好、常去商场、热搜偏好)信息,客群特征维度相对较丰富。
其他第三方平台(个推、极光、克劳锐、西瓜助手等)数据,主要包含基本属性(性别、年龄、星座)、人地关系(客源地)、旅游偏好(出游工具偏好、热门路线、出游时长偏好、旅游类APP应用偏好)、经济能力(消费水平)、生活偏好(APP类别偏好、兴趣偏好)特征,客群特征维度有限。
现有技术的主要缺陷在于:
数据维度局限:通过单一渠道数据进行客群综合特征洞察,数据维度指标存在局限性,无法全面洞察客群多方位特征,影响客群洞察在精准营销、产品开发、活动促销以及景区二销场景的深度应用。
客群范围局限:除了景区自身,景区周边和竞品景区范围也是景区潜在获客区域,而现有客群定位往往忽视对这两大客群的洞察和争取,影响景区获客成效。
发明内容
为了解决上述技术问题,本申请实施例提供一种景区客群定位方法、系统、装置及其可存储介质。
本申请实施例第一方面提供了一种景区客群定位方法,可包括:
利用预设方式锁定客群,获取客群信息;
筛选出客群信息中的有效信息,将该信息数据进行数据统一化的预处理,形成客群-渠道的组合数据;
针对不同的客群-渠道的组合数据,利用主客观加权综合算法,生成不同客群-渠道组合的权重,根据各个渠道数据源的客群权重,结合景区的特征数据,加权得到景区目标客群的多维度的综合画像特征;
根据景区客群综合画像特征,建立模型。
进一步地,所述利用预设方式锁定客群,获取客群信息包括:
针对当前所要调查的景区,选取若干个类似的景区,作为同类景区数据;将该同类景区数据中的客群数据进行收集,其中客群数据的位置为在该景区外的预设半径范围内;
获取该同类景区内的所有购票数据,收集客群数据。
进一步地,所述筛选出客群信息中的有效信息,将该信息数据进行数据统一化的预处理,形成客群-渠道的组合数据包括:
将客群信息中所需要的数据信息建立数据矩阵,形成MxN阶的数据矩阵;
对所有的数据矩阵的同一位置的数据进行统一化,若某一数据矩阵中的某一数据缺失,将当前所有数据矩阵在该位置下统一化后的数据的平均值作为填入值;
对每个数据矩阵设定渠道来源,形成客群-渠道的组合数据。
进一步地,所述针对不同的客群-渠道的组合数据,利用主客观加权综合算法,生成不同客群-渠道组合的权重,根据各个渠道数据源的客群权重,结合景区的特征数据,加权得到景区目标客群的多维度的综合画像特征包括:
利用AHP层次分析法对客群-渠道生成主观权重;
根据各个客群样本的相似系数生产客观权重;
将主观权重和客观权重进行乘法处理后进行归一化处理,得到样本综合权重。
本申请实施例第二方面提供了一种景区客群定位系统,包括:
数据获取单元,用于利用预设方式锁定客群,获取客群信息;
筛选归一单元,用于筛选出客群信息中的有效信息,将该信息数据进行数据统一化的预处理,形成客群-渠道的组合数据;
画像特征生成单元,针对不同的客群-渠道的组合数据,利用主客观加权综合算法,生成不同客群-渠道组合的权重,根据各个渠道数据源的客群权重,结合景区的特征数据,加权得到景区目标客群的多维度的综合画像特征;
模型建立单元,根据景区客群综合画像特征,建立模型。
进一步地,所述数据获取单元包括:
客群范围确立单元,用于针对当前所要调查的景区,选取若干个类似的景区,作为同类景区数据;将该同类景区数据中的客群数据进行收集,其中客群数据的位置为在该景区外的预设半径范围内;
客群数据收集单元,用于获取该同类景区内的所有购票数据,收集客群数据。
进一步地,所述筛选归一单元包括:
建立数据矩阵单元,用于将客群信息中所需要的数据信息建立数据矩阵,形成MxN阶的数据矩阵;
客群数据组合单元,用于对所有的数据矩阵的同一位置的数据进行统一化,若某一数据矩阵中的某一数据缺失,将当前所有数据矩阵在该位置下统一化后的数据的平均值作为填入值;对每个数据矩阵设定渠道来源,形成客群-渠道的组合数据。
进一步地,所述客群范围确立单元包括:
主观权重单元,用于利用AHP层次分析法对客群-渠道生成主观权重;
客观权重单元,用于根据各个客群样本的相似系数生产客观权重;
综合权重单元,用于将主观权重和客观权重进行乘法处理后进行归一化处理,得到样本综合权重。
第三方面,本申请实施例提供了一种定位装置,包括存储器和处理器,所述存储器上存储有计算机可执行指令,所述处理器运行所述存储器上的计算机可执行指令时实现第一方面的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时,实现上述第一方面的方法。
本申请可以扩大客群锁定范围,客群研究范围从景区自身,拓展景区周边客群和竞品景区客群,全面覆盖对景区潜客的分析;提供定量化客群综合洞察模型:本发明所提供的算法可以根据客群—渠道组合,利用主观加权和客观加权结合,生成不同客群的洞察权重,构建综合特征洞察模型,全面实现景区目标客群的综合特征洞察,大力支撑景区精准营销、产品开发、活动促销和景区二销场景的数字化决策,提升景区营销应用成效。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的方法流程图;
图2是本申请实施例提供的一种识别系统的示意框图;
图3是本申请实施例提供的一种识别装置的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
如图1所示,本申请所涉及的一种景区客群定位方法,包括:
101:利用预设方式锁定客群,获取客群信息。
可以理解的是,针对当前所要调查的景区,选取若干个类似的景区,作为同类景区数据;将该同类景区数据中的客群数据进行收集,其中客群数据的位置为在该景区外的预设半径范围内;
获取该同类景区内的所有购票数据,收集客群数据。
作为一个具体的实施例,本申请中首先锁定关键客群:
1)自身客群
景区历史游客、景区公众号粉丝、景区微博粉丝、景区抖音粉丝、景区快手粉丝;
2)周边客群
以景区为中心,锁定1.5公里、3公里、5公里半径内的客群,可通过通信运营商(移动、电信、联通)或者BAT获取景区周边相关半径内的客群画像数据;
3)竞品景区客群
选取同地区、同类型且知名度靠前的2-3个景区作为竞品景区,可通过竞品景区票务系统或者通信运营商(移动、电信、联通)或者BAT获取竞品景区画像数据;
针对上述关键客群进行数据采集:围绕景区自身客群、周边客群、竞品景区客群,通过多种方式采集多渠道数据:
1)直采景区内部数据:直采景区票务系统、官网和自媒体平台的后台管理系统数据,通过kettle工具直接获取景区后台系统的数据库数据;
2)购买景区外部数据:购买BAT、通信运营商、极光、银联、个推等关于景区、景区周边、竞品的客群画像数据,这些平台数据一般通过API接口方式对外输出,利用kettle工具(市场主流的ETL工具)获取这些API接口数据;
对于景区外部数据,结合景区营销目的和预算,选择其中1-3个合适平台所提供的景区、景区周边、竞品的客群画像数据。
102:筛选出客群信息中的有效信息,将该信息数据进行数据统一化的预处理,形成客群-渠道的组合数据。
可以理解的是,将客群信息中所需要的数据信息建立数据矩阵,形成MxN阶的数据矩阵;对所有的数据矩阵的同一位置的数据进行统一化,若某一数据矩阵中的某一数据缺失,将当前所有数据矩阵在该位置下统一化后的数据的平均值作为填入值;对每个数据矩阵设定渠道来源,形成客群-渠道的组合数据。
作为一个具体的实施例,利用kettle统一采集调用景区内部数据、外部数据,然后统一放入一数据库。不同数据来源,设置不同表。结合景区内外部可采集数据内容以及业务需求,主要整合5大维度指标数据:
基本属性维度:性别、年龄、职业、星座等;
人地关系维度:客源地、工作地、活跃商圈;
经济能力维度:阶层、消费水平、是否有房、是否有车;
旅游偏好维度:团散分布、出游交通方式分布、热门路线、出游时长分布、旅游兴趣类别偏好、消费场所停留时长分布、旅游类APP应用偏好等(对于偏好,根据各指标分布数据,比例最高的特征为偏好特征);
生活偏好维度:APP类别偏好、常去商场、景区热搜等(对于偏好,根据各指标分布数据,比例最高的特征为偏好特征);
将上述数据整理形成矩阵数据,并进行预处理:
1-指标同一化:当不同平台同一指标的类型不同时,选择指标类型平台数最多的类型;若平台数一样,则优选景区内部数据类型,若景区没有这一指标,则按以下渠道优选:BAT>银联>极光>个推等。指标类型定好,当指标类型不一致时,则按规定类型的平台数据的平均值替换。
2-指标缺失值处理:用未缺失的平台数据的平均值替换。
103:针对不同的客群-渠道的组合数据,利用主客观加权综合算法,生成不同客群-渠道组合的权重,根据各个渠道数据源的客群权重,结合景区的特征数据,加权得到景区目标客群的多维度的综合画像特征。
可以理解的是,本实施例中利用AHP层次分析法对客群-渠道生成主观权重;
根据各个客群样本的相似系数生产客观权重;
将主观权重和客观权重进行乘法处理后进行归一化处理,得到样本综合权重。
作为一个具体的实施例:
主观权重:主要利用AHP层次分析法生成。
a)客群重要性比较:首先组织多名业务专家对景区自身客群、景区周边客群、竞品客群三大客群进行两两重要性排序(重要性由高到低:9、7、5、3、1、1/3、1/5、1/7、1/9),构建客群重要性比较矩阵;
取值说明:根据同一层次的指标两两比较来确定指标的相对重要性,如果认为两个指标的影响重要性相当,则取值为1,前者比后者稍微重要则取值为3,前者比后者稍微不重要,则取值为1/3,同理,如果认为前者比后者比较重要,则取5,十分重要则取7,绝对重要则取9。
客群重要性比较矩阵:
b)平台重要性比较:对每个客群的多个渠道数据源进行两两重要性排序,构建三大客群下各个渠道平台重要性比较矩阵。
c)一致性检验:根据客群重要性、客群平台重要性矩阵数据,对一致性进行检验,若一致性未通过,则剔除该专家样本;若通过,则保留。
一致性检验首先对于每一个成对比较阵计算最大特征根和对应特征向量,利用一致性指标、随机一致性指标和一致性比率做一致性检验。若检验通过,特征向量即为权向量;若不通过,需重新构造成对比较阵。出于人们认识上的差别,矩阵判断可能不具有一致性,可用“随机一致性比值”检查(CR=CI/RI,其中CI表示一致性指标,CI=(λmax-n)/(n-1)),RI表示平均随机一致性指标,当CR<=0.10时,层次单排序有效;当CR>=0.10时,说明差别太大,无效)。
d)主观权重生成:将通过一致性检验的客群、平台重要性矩阵样本数据,求平均值。将两者平均值的对应数据相乘,综合得到基于AHP法的客群-渠道权重。
客观权重:主要基于各数据源客群样本的相似系数进行生成。
a)指标无量纲化处理:对每个样本的指标进行标准化处理,即都减去指标均值,除以标准差。
b)样本客群相似性计算:计算景区周边、竞品客群样本与景区自身样本的余弦相似度、皮尔森相关系数(pearson),并求两者均值。
c)客观权重生成:将上述样本的相似度进行归一化处理(相似度除以相似度和),得到各个渠道数据源的样本客观权重。
主观权重、客观权重综合
a)主客观权重相乘:将各个渠道数据源样本的主观权重、客观权重相乘;
b)权重归一化处理:基于相乘结果进行归一化处理(权重除以总权重和),得到样本综合权重。
对于景区客群定位,关键在于景区目标客群特征洞察。不同客群、不同渠道的客群特征维度和指标有交集,也有差异,如何融合各个客群、各个渠道的维度指标数据成为目标客群特征洞察的关键点。
对于差异指标(仅有一客群渠道有该指标),则将该指标取值作为景区目标客群该指标的最终特征。
对于交集指标(至少有两大客群渠道有该指标),则利用主客观法得到的各个客群-渠道客群的综合权重,对该相同指标进行加权,综合得到景区目标客群该指标的最终综合特征。
104:根据上述建模步骤(客群锁定、客群重要性比较、数据源渠道重要性比较、客群-数据源渠道综合重要性权重、不同客群-数据源渠道维度指标数据融合),最终得到景区目标客群完整画像(五大维度不同指标的综合特征),实现景区目标客群的洞察与定位。
可以理解的是,根据景区客群综合画像特征,选择目标客群活跃的媒介渠道进行广告投放,提升精准营销效果。同时可基于目标客群的特点和需求,支撑景区产品开发、活动促销、景区二销场景的数字化决策,全面提升景区营销应用成效。
本申请实施例还提供一种景区客群定位系统,该系统用于执行前述任一项上述识别方法。具体地,参见图2,图2是本申请实施例提供的一种定位系统的示意框图。本实施例的系统包括:数据获取单元310、筛选归一单元320、画像特征生成单元330、模型建立单元340。
上述数据获取单元310包括:
客群范围确立单元311,用于针对当前所要调查的景区,选取若干个类似的景区,作为同类景区数据;将该同类景区数据中的客群数据进行收集,其中客群数据的位置为在该景区外的预设半径范围内;
客群数据收集单元312,用于获取该同类景区内的所有购票数据,收集客群数据。
上述筛选归一单元320包括:
建立数据矩阵单元321,用于将客群信息中所需要的数据信息建立数据矩阵,形成MxN阶的数据矩阵;
客群数据组合单元322,用于对所有的数据矩阵的同一位置的数据进行统一化,若某一数据矩阵中的某一数据缺失,将当前所有数据矩阵在该位置下统一化后的数据的平均值作为填入值;对每个数据矩阵设定渠道来源,形成客群-渠道的组合数据。
上述客群范围确立单元330包括:
主观权重单元331,用于利用AHP层次分析法对客群-渠道生成主观权重;
客观权重单元332,用于根据各个客群样本的相似系数生产客观权重;
综合权重单元333,用于将主观权重和客观权重进行乘法处理后进行归一化处理,得到样本综合权重。
本系统能够扩大客群锁定范围:客群研究范围从景区自身,拓展景区周边客群和竞品景区客群,全面覆盖对景区潜客的分析;提供定量化客群综合洞察模型:根据客群—渠道组合,利用主观加权和客观加权结合,生成不同客群的洞察权重,构建综合特征洞察模型,全面实现景区目标客群的综合特征洞察,大力支撑景区精准营销、产品开发、活动促销和景区二销场景的数字化决策,提升景区营销应用成效。
图3是本申请实施例提供的一种识别设备的结构示意图。该对象检测设备4000包括处理器41,还可以包括输入装置42、输出装置43和存储器44。该输入装置42、输出装置43、存储器44和处理器41之间通过总线相互连接。
存储器包括但不限于是随机存储记忆体(random access memory,RAM)、只读存储器(read至only memory,ROM)、可擦除可编程只读存储器(erasable programmable readonly memory,EPROM)、或便携式只读存储器(compact disc read至only memory,CD至ROM),该存储器用于相关指令及数据。
输入装置用于输入数据和/或信号,以及输出装置用于输出数据和/或信号。输出装置和输入装置可以是独立的器件,也可以是一个整体的器件。
处理器可以包括是一个或多个处理器,例如包括一个或多个中央处理器(centralprocessing unit,CPU),在处理器是一个CPU的情况下,该CPU可以是单核CPU,也可以是多核CPU。处理器还可以包括一个或多个专用处理器,专用处理器可以包括GPU、FPGA等,用于进行加速处理。
存储器用于存储网络设备的程序代码和数据。
处理器用于调用该存储器中的程序代码和数据,执行上述方法实施例中的步骤。具体可参见方法实施例中的描述,在此不再赘述。
可以理解的是,图3仅仅示出了对象检测设备的简化设计。在实际应用中,动作识别装置还可以分别包含必要的其他元件,包含但不限于任意数量的输入/输出装置、处理器、控制器、存储器等,而所有可以实现本申请实施例的动作识别装置都在本申请的保护范围之内。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,该单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。所显示或讨论的相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时,全部或部分地产生按照本申请实施例的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中,或者通过该计算机可读存储介质进行传输。该计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是只读存储器(read至onlymemory,ROM),或随机存储存储器(random access memory,RAM),或磁性介质,例如,软盘、硬盘、磁带、磁碟、或光介质,例如,数字通用光盘(digital versatile disc,DVD)、或者半导体介质,例如,固态硬盘(solid state disk,SSD)等。
以上详细描述了本发明的优选实施方式,但是本发明并不限于上述实施方式中的具体细节,在本发明的技术构思范围内,可以对本发明的技术方案进行多种等同变换(如数量、形状、位置等),这些等同变换均属于本发明的保护。
Claims (10)
1.一种景区客群定位方法,其特征在于,包括:
利用预设方式锁定客群,获取客群信息;
筛选出客群信息中的有效信息,将该信息数据进行数据统一化的预处理,形成客群-渠道的组合数据;
针对不同的客群-渠道的组合数据,利用主客观加权综合算法,生成不同客群-渠道组合的权重,根据各个渠道数据源的客群权重,结合景区的特征数据,加权得到景区目标客群的多维度的综合画像特征;
根据景区客群综合画像特征,建立模型。
2.根据权利要求1所述的景区客群定位方法,其特征在于,
所述利用预设方式锁定客群,获取客群信息包括:
针对当前所要调查的景区,选取若干个类似的景区,作为同类景区数据;将该同类景区数据中的客群数据进行收集,其中客群数据的位置为在该景区外的预设半径范围内;
获取该同类景区内的所有购票数据,收集客群数据。
3.根据权利要求1所述的景区客群定位方法,其特征在于,
所述筛选出客群信息中的有效信息,将该信息数据进行数据统一化的预处理,形成客群-渠道的组合数据包括:
将客群信息中所需要的数据信息建立数据矩阵,形成MxN阶的数据矩阵;
对所有的数据矩阵的同一位置的数据进行统一化,若某一数据矩阵中的某一数据缺失,将当前所有数据矩阵在该位置下统一化后的数据的平均值作为填入值;
对每个数据矩阵设定渠道来源,形成客群-渠道的组合数据。
4.根据权利要求3所述的景区客群定位方法,其特征在于,
所述针对不同的客群-渠道的组合数据,利用主客观加权综合算法,生成不同客群-渠道组合的权重,根据各个渠道数据源的客群权重,结合景区的特征数据,加权得到景区目标客群的多维度的综合画像特征包括:
利用AHP层次分析法对客群-渠道生成主观权重;
根据各个客群样本的相似系数生产客观权重;
将主观权重和客观权重进行乘法处理后进行归一化处理,得到样本综合权重。
5.一种景区客群定位系统,其特征在于,
数据获取单元,用于利用预设方式锁定客群,获取客群信息;
筛选归一单元,用于筛选出客群信息中的有效信息,将该信息数据进行数据统一化的预处理,形成客群-渠道的组合数据;
画像特征生成单元,针对不同的客群-渠道的组合数据,利用主客观加权综合算法,生成不同客群-渠道组合的权重,根据各个渠道数据源的客群权重,结合景区的特征数据,加权得到景区目标客群的多维度的综合画像特征;
模型建立单元,根据景区客群综合画像特征,建立模型。
6.根据权利要求5所述的景区客群定位系统,其特征在于,
所述数据获取单元包括:
客群范围确立单元,用于针对当前所要调查的景区,选取若干个类似的景区,作为同类景区数据;将该同类景区数据中的客群数据进行收集,其中客群数据的位置为在该景区外的预设半径范围内;
客群数据收集单元,用于获取该同类景区内的所有购票数据,收集客群数据。
7.根据权利要求6所述的景区客群定位系统,其特征在于,
所述筛选归一单元包括:
建立数据矩阵单元,用于将客群信息中所需要的数据信息建立数据矩阵,形成MxN阶的数据矩阵;
客群数据组合单元,用于对所有的数据矩阵的同一位置的数据进行统一化,若某一数据矩阵中的某一数据缺失,将当前所有数据矩阵在该位置下统一化后的数据的平均值作为填入值;对每个数据矩阵设定渠道来源,形成客群-渠道的组合数据。
8.根据权利要求7所述的景区客群定位系统,其特征在于,
所述客群范围确立单元包括:
主观权重单元,用于利用AHP层次分析法对客群-渠道生成主观权重;
客观权重单元,用于根据各个客群样本的相似系数生产客观权重;
综合权重单元,用于将主观权重和客观权重进行乘法处理后进行归一化处理,得到样本综合权重。
9.一种定位装置,其特征在于,包括存储器和处理器,所述存储器上存储有计算机可执行指令,所述处理器运行所述存储器上的计算机可执行指令时实现权利要求1-4任意一项所述的方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,该计算机程序被处理器执行时,实现上述权利要求1-4任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911260134.6A CN111028012B (zh) | 2019-12-10 | 2019-12-10 | 景区客群定位方法、系统、装置及其可存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911260134.6A CN111028012B (zh) | 2019-12-10 | 2019-12-10 | 景区客群定位方法、系统、装置及其可存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111028012A true CN111028012A (zh) | 2020-04-17 |
CN111028012B CN111028012B (zh) | 2023-04-21 |
Family
ID=70208612
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911260134.6A Active CN111028012B (zh) | 2019-12-10 | 2019-12-10 | 景区客群定位方法、系统、装置及其可存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111028012B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111882344A (zh) * | 2020-06-12 | 2020-11-03 | 智云众(北京)信息技术有限公司 | 基于景区热度的广告投放方法、装置、设备及存储介质 |
CN113705499A (zh) * | 2021-09-02 | 2021-11-26 | 浙江力石科技股份有限公司 | 一种景区自动寻人方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050131759A1 (en) * | 2003-12-12 | 2005-06-16 | Aseem Agrawal | Targeting customers across multiple channels |
US20140081713A1 (en) * | 2012-09-20 | 2014-03-20 | International Business Machines Corporation | Influencing service provider performance using objective and subjective metrics |
US20150339677A1 (en) * | 2014-05-20 | 2015-11-26 | Oracle International Corporation | Customer insight hub for multi-channel customer engagement solutions |
US20160063521A1 (en) * | 2014-08-29 | 2016-03-03 | Accenture Global Services Limited | Channel partner analytics |
WO2017080170A1 (zh) * | 2015-11-12 | 2017-05-18 | 乐视控股(北京)有限公司 | 群体用户画像方法及系统 |
US20170178167A1 (en) * | 2015-12-21 | 2017-06-22 | Mastercard International Incorporated | Method for predicting a demand for a business |
CN109933583A (zh) * | 2019-03-25 | 2019-06-25 | 山东浪潮云信息技术有限公司 | 一种客流统计及客群画像分析方法及系统 |
-
2019
- 2019-12-10 CN CN201911260134.6A patent/CN111028012B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050131759A1 (en) * | 2003-12-12 | 2005-06-16 | Aseem Agrawal | Targeting customers across multiple channels |
US20140081713A1 (en) * | 2012-09-20 | 2014-03-20 | International Business Machines Corporation | Influencing service provider performance using objective and subjective metrics |
US20150339677A1 (en) * | 2014-05-20 | 2015-11-26 | Oracle International Corporation | Customer insight hub for multi-channel customer engagement solutions |
US20160063521A1 (en) * | 2014-08-29 | 2016-03-03 | Accenture Global Services Limited | Channel partner analytics |
WO2017080170A1 (zh) * | 2015-11-12 | 2017-05-18 | 乐视控股(北京)有限公司 | 群体用户画像方法及系统 |
US20170178167A1 (en) * | 2015-12-21 | 2017-06-22 | Mastercard International Incorporated | Method for predicting a demand for a business |
CN109933583A (zh) * | 2019-03-25 | 2019-06-25 | 山东浪潮云信息技术有限公司 | 一种客流统计及客群画像分析方法及系统 |
Non-Patent Citations (2)
Title |
---|
付胜楠;陈旭;彭乃驰;: "层次分析法在丽江市旅游景点选择中的应用" * |
余向前;王林信;李云冰;辛玲玲;李国琪;张钊;: "电力营销信息化客户画像的应用研究" * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111882344A (zh) * | 2020-06-12 | 2020-11-03 | 智云众(北京)信息技术有限公司 | 基于景区热度的广告投放方法、装置、设备及存储介质 |
CN113705499A (zh) * | 2021-09-02 | 2021-11-26 | 浙江力石科技股份有限公司 | 一种景区自动寻人方法 |
CN113705499B (zh) * | 2021-09-02 | 2024-04-02 | 浙江力石科技股份有限公司 | 一种景区自动寻人方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111028012B (zh) | 2023-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200293840A1 (en) | Image feature acquisition | |
CN110390084B (zh) | 文本查重方法、装置、设备及存储介质 | |
CN107516246B (zh) | 用户类型的确定方法、确定装置、介质及电子设备 | |
CN111222976A (zh) | 一种基于双方网络图数据的风险预测方法、装置和电子设备 | |
CN111199474A (zh) | 一种基于双方网络图数据的风险预测方法、装置和电子设备 | |
CN115688760B (zh) | 一种智能化导诊方法、装置、设备及存储介质 | |
CN111028012A (zh) | 景区客群定位方法、系统、装置及其可存储介质 | |
CN115115265A (zh) | 一种基于rfm模型的消费者评估方法、装置及介质 | |
CN115033801B (zh) | 物品推荐方法、模型训练方法及电子设备 | |
CN111078997B (zh) | 一种资讯推荐方法及装置 | |
CN112783468A (zh) | 目标对象的排序方法和排序装置 | |
CN113435713B (zh) | 基于gis技术和两模型融合的风险地图编制方法及系统 | |
Liu et al. | Detecting industry clusters from the bottom up based on co-location patterns mining: A case study in Dongguan, China | |
CN114357184A (zh) | 事项推荐方法及相关装置、电子设备和存储介质 | |
CN112907308B (zh) | 数据检测方法和装置、计算机可读存储介质 | |
CN116705310A (zh) | 围术期风险评估的数据集构建方法、装置、设备及介质 | |
CN106708873A (zh) | 数据整合方法和装置 | |
CN110472845B (zh) | 风险指标估计模型的检查系统、方法及存储介质 | |
CN112001760B (zh) | 潜在用户挖掘方法、装置、电子设备和存储介质 | |
Fitrianto et al. | Development of direct marketing strategy for banking industry: The use of a Chi-squared Automatic Interaction Detector (CHAID) in deposit subscription classification | |
CN114817518A (zh) | 基于大数据档案识别的证照办理方法、系统及介质 | |
CN111008324A (zh) | 大数据下旅游服务推送方法、系统、装置及可读存储介质 | |
CN113688287A (zh) | 一种企业风险传染路径分析方法、装置、设备及存储介质 | |
CN113643140A (zh) | 确定医保支出影响因素的方法、装置、设备和介质 | |
US20220300537A1 (en) | Real-time geo-intelligent aggregation engine |
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 |