CN111598607A - 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
CN111598607A
CN111598607A CN202010265671.6A CN202010265671A CN111598607A CN 111598607 A CN111598607 A CN 111598607A CN 202010265671 A CN202010265671 A CN 202010265671A CN 111598607 A CN111598607 A CN 111598607A
Authority
CN
China
Prior art keywords
shop
customer
type
consumption
customer type
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
CN202010265671.6A
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 Kuangshi Technology Co Ltd
Beijing Megvii Technology Co Ltd
Original Assignee
Beijing Kuangshi 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 Kuangshi Technology Co Ltd filed Critical Beijing Kuangshi Technology Co Ltd
Priority to CN202010265671.6A priority Critical patent/CN111598607A/zh
Publication of CN111598607A publication Critical patent/CN111598607A/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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0204—Market segmentation
    • G06Q30/0205—Location or geographical consideration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G06Q30/0203—Market surveys; Market polls

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Mathematical Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Software Systems (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Algebra (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (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。该方法包括：根据目标商场中包含的各商铺位置和各商铺类型，确定商铺部署组合，商铺部署组合中包括各商铺位置和每个商铺位置对应的商铺类型；对于每个商铺部署组合，针对该商铺部署组合中的每个商铺位置，根据各顾客类型在该商铺位置的分布概率、以及各顾客类型在该商铺位置对应的商铺类型中的消费概率和平均消费金额，确定该商铺位置的收益额，并将该商铺部署组合中各商铺位置的总收益额，确定为该商铺部署组合的收益额；将收益额最大的商铺部署组合确定为目标商铺部署组合，以根据目标商铺部署组合中每个商铺位置对应的商铺类型对目标商场进行部署。本申请可以提高商场收益额。

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：
根据目标商场中包含的各商铺位置和各商铺类型，确定商铺部署组合，所述商铺部署组合中包括所述各商铺位置和每个商铺位置对应的商铺类型；
对于每个商铺部署组合，针对该商铺部署组合中的每个商铺位置，根据各顾客类型在该商铺位置的分布概率、以及所述各顾客类型在该商铺位置对应的商铺类型中的消费概率和平均消费金额，确定该商铺位置的收益额，并将该商铺部署组合中各商铺位置的总收益额，确定为该商铺部署组合的收益额；
将收益额最大的商铺部署组合确定为目标商铺部署组合，以根据所述目标商铺部署组合中每个商铺位置对应的商铺类型对所述目标商场进行部署。
作为一种可选的实施方式，所述方法还包括：
接收所述目标商场中商场图像采集设备采集的商场图像数据；
根据预设的特征提取算法和属性识别算法，提取所述商场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信息，并根据所述第一顾客的属性信息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；
存储所述第一顾客的人脸特征和所述第一顾客的顾客类型的对应关系。
作为一种可选的实施方式，所述根据各顾客类型在该商铺位置的分布概率、以及所述各顾客类型在该商铺位置对应的商铺类型中的消费概率和平均消费金额，确定该商铺位置的收益额，包括：
针对每个顾客类型，根据该顾客类型在该商铺位置的分布概率、以及该顾客类型在该商铺位置对应的商铺类型中的消费概率和平均消费金额，确定该顾客类型在该商铺位置的收益额；
将各顾客类型在该商铺位置的总收益额，确定为该商铺位置的收益额。
作为一种可选的实施方式，所述方法还包括：
根据所述目标商场中包含的商铺位置和出入位置，构建消费路径关系图，并在消费路径关系图中，确定消费路径，所述消费路径的起始位置为出入位置，结束位置为商铺位置；
针对每个消费路径和每个顾客类型，将该顾客类型中选择该消费路径的顾客的数目与该顾客类型的总顾客数目的比值，确定为该顾客类型选择该消费路径的概率；
针对每个顾客类型和每个商铺位置，根据该顾客类型选择该商铺位置对应的目标消费路径的概率，确定该顾客类型在该商铺位置的分布概率，所述目标消费路径为包含该商铺位置的消费路径。
作为一种可选的实施方式，所述方法还包括：
针对每个商铺位置，接收设置于该商铺位置的图像采集设备采集的商铺位置图像数据；
根据预设的特征提取算法，提取所述商铺位置图像数据中包含的第二顾客的人脸特征；
根据所述第二顾客的人脸特征，在预先存储的人脸特征和顾客类型的对应关系中，查询所述第二顾客的顾客类型；
针对每个顾客类型，将该顾客类型的第二顾客的顾客数目与该顾客类型的总顾客数目的比值，确定为该顾客类型在该商铺位置的分布概率。
作为一种可选的实施方式，所述方法还包括：
针对每个商铺类型和每个顾客类型，获取该顾客类型的顾客在该商铺类型包含的商铺中的总消费金额；
将所述总消费金额与该顾客类型的顾客的总数目的比值，确定为该顾客类型在该商铺类型的平均消费金额。
作为一种可选的实施方式，所述针对每个商铺类型和每个顾客类型，获取该顾客类型的顾客在该商铺类型包含的商铺中的总消费金额，包括：
针对每个顾客类型，在预先存储的人脸特征和顾客类型的对应关系中，查询该顾客类型的顾客的人脸特征；
针对每个商铺类型，根据该顾客类型的顾客的人脸特征和该商铺类型包含的商铺的商铺标识，在预先存储的人脸特征和订单的对应关系中，查询该顾客类型的顾客在该商铺类型包含的商铺中的目标订单，所述订单包括商铺标识和消费金额；
将所述目标订单中的总消费金额，确定为该顾客类型的顾客在该商铺类型包含的商铺中的总消费金额。
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，接收设置于该商铺类型包含的商铺的图像采集设备采集的商铺图像数据；
根据预设的特征提取算法，提取所述商铺图像数据中包含的第三顾客的人脸特征；
根据所述第三顾客的人脸特征，在预先存储的人脸特征和顾客类型的对应关系中，查询所述第三顾客的顾客类型；
针对每个顾客类型，将该顾客类型中在该商铺类型消费的顾客数目与该顾客类型的第三顾客的顾客数目的比值，确定为该顾客类型在该商铺类型的消费概率。
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图像采集设备采集的消费图像数据；
根据预设的特征提取算法，提取所述消费图像数据中包含的消费顾客的人脸特征，并将所述消费图像数据的采集时间，确定为所述消费顾客的消费时间；
在各订单中，将订单时间与所述消费顾客的消费时间满足预设接近度条件的订单，确定为所述消费顾客对应的订单，并建立所述消费顾客的人脸特征和所述消费顾客的订单的对应关系，所述订单包含商铺标识、消费金额和订单时间。
第二方面，提供了一种商铺的部署装置，所述装置包括：
第一确定模块，用于根据目标商场中包含的各商铺位置和各商铺类型，确定商铺部署组合，所述商铺部署组合中包括所述各商铺位置和每个商铺位置对应的商铺类型；
第二确定模块，用于对于每个商铺部署组合，针对该商铺部署组合中的每个商铺位置，根据各顾客类型在该商铺位置的分布概率、以及所述各顾客类型在该商铺位置对应的商铺类型中的消费概率和平均消费金额，确定该商铺位置的收益额，并将该商铺部署组合中各商铺位置的总收益额，确定为该商铺部署组合的收益额；
第三确定模块，用于将收益额最大的商铺部署组合确定为目标商铺部署组合，以根据所述目标商铺部署组合中每个商铺位置对应的商铺类型对所述目标商场进行部署。
作为一种可选的实施方式，所述装置还包括：
第一接收模块，用于接收所述目标商场中商场图像采集设备采集的商场图像数据；
第四确定模块，用于根据预设的特征提取算法和属性识别算法，提取所述商场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信息，并根据所述第一顾客的属性信息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；
存储模块，用于存储所述第一顾客的人脸特征和所述第一顾客的顾客类型的对应关系。
作为一种可选的实施方式，所述第二确定模块，具体用于：
针对每个顾客类型，根据该顾客类型在该商铺位置的分布概率、以及该顾客类型在该商铺位置对应的商铺类型中的消费概率和平均消费金额，确定该顾客类型在该商铺位置的收益额；
将各顾客类型在该商铺位置的总收益额，确定为该商铺位置的收益额。
作为一种可选的实施方式，所述装置还包括：
第五确定模块，用于根据所述目标商场中包含的商铺位置和出入位置，构建消费路径关系图，并在消费路径关系图中，确定消费路径，所述消费路径的起始位置为出入位置，结束位置为商铺位置；
第六确定模块，用于针对每个消费路径和每个顾客类型，将该顾客类型中选择该消费路径的顾客的数目与该顾客类型的总顾客数目的比值，确定为该顾客类型选择该消费路径的概率；
第七确定模块，用于针对每个顾客类型和每个商铺位置，根据该顾客类型选择该商铺位置对应的目标消费路径的概率，确定该顾客类型在该商铺位置的分布概率，所述目标消费路径为包含该商铺位置的消费路径。
作为一种可选的实施方式，所述装置还包括：
第二接收模块，用于针对每个商铺位置，接收设置于该商铺位置的图像采集设备采集的商铺位置图像数据；
第一提取模块，用于根据预设的特征提取算法，提取所述商铺位置图像数据中包含的第二顾客的人脸特征；
第一查询模块，用于根据所述第二顾客的人脸特征，在预先存储的人脸特征和顾客类型的对应关系中，查询所述第二顾客的顾客类型；
第一计算模块，用于针对每个顾客类型，将该顾客类型的第二顾客的顾客数目与该顾客类型的总顾客数目的比值，确定为该顾客类型在该商铺位置的分布概率。
作为一种可选的实施方式，所述装置还包括：
获取模块，用于针对每个商铺类型和每个顾客类型，获取该顾客类型的顾客在该商铺类型包含的商铺中的总消费金额；
第二计算模块，用于将所述总消费金额与该顾客类型的顾客的总数目的比值，确定为该顾客类型在该商铺类型的平均消费金额。
作为一种可选的实施方式，所述获取模块，具体用于：
针对每个顾客类型，在预先存储的人脸特征和顾客类型的对应关系中，查询该顾客类型的顾客的人脸特征；
针对每个商铺类型，根据该顾客类型的顾客的人脸特征和该商铺类型包含的商铺的商铺标识，在预先存储的人脸特征和订单的对应关系中，查询该顾客类型的顾客在该商铺类型包含的商铺中的目标订单，所述订单包括商铺标识和消费金额；
将所述目标订单中的总消费金额，确定为该顾客类型的顾客在该商铺类型包含的商铺中的总消费金额。
作为一种可选的实施方式，所述装置还包括：
第三接收模块，用于针对每个商铺类型，接收设置于该商铺类型包含的商铺的图像采集设备采集的商铺图像数据；
第二提取模块，用于根据预设的特征提取算法，提取所述商铺图像数据中包含的第三顾客的人脸特征；
第二查询模块，用于根据所述第三顾客的人脸特征，在预先存储的人脸特征和顾客类型的对应关系中，查询所述第三顾客的顾客类型；
第八确定模块，用于针对每个顾客类型，将该顾客类型中在该商铺类型消费的顾客数目与该顾客类型的第三顾客的顾客数目的比值，确定为该顾客类型在该商铺类型的消费概率。
作为一种可选的实施方式，所述装置还包括：
第四接收模块，用于接收设置于交易设备的图像采集设备采集的消费图像数据；
第九确定模块，用于根据预设的特征提取算法，提取所述消费图像数据中包含的消费顾客的人脸特征，并将所述消费图像数据的采集时间，确定为所述消费顾客的消费时间；
建立模块，用于在各订单中，将订单时间与所述消费顾客的消费时间满足预设接近度条件的订单，确定为所述消费顾客对应的订单，并建立所述消费顾客的人脸特征和所述消费顾客的订单的对应关系，所述订单包含商铺标识、消费金额和订单时间。
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，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、服务器及可读存储介质。服务器根据目标商场中包含的各商铺位置和各商铺类型，确定商铺部署组合。其中，商铺部署组合中包括各商铺位置和每个商铺位置对应的商铺类型。对于每个商铺部署组合，针对该商铺部署组合中的每个商铺位置，服务器根据各顾客类型在该商铺位置的分布概率、以及各顾客类型在该商铺位置对应的商铺类型中的消费概率和平均消费金额，确定该商铺位置的收益额，并将该商铺部署组合中各商铺位置的总收益额，确定为该商铺部署组合的收益额。然后，服务器将收益额最大的商铺部署组合确定为目标商铺部署组合，以根据目标商铺部署组合中每个商铺位置对应的商铺类型对目标商场进行部署。如此，能够根据过往统计数据决策目标商场中各商铺位置部署的商铺类型，从而可以提高目标商场的收益额。
附图说明
图1为本申请实施例提供的一种商铺的部署方法的流程图；
图2为本申请实施例提供的一种分布概率的确定方法的流程图；
图3为本申请实施例提供的一种分布概率的确定方法的流程图；
图4为本申请实施例提供的一种消费路径关系图的示意图；
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1所示，具体步骤如下：
步骤101，根据目标商场中包含的各商铺位置和各商铺类型，确定商铺部署组合。
其中，商铺部署组合中包括各商铺位置和每个商铺位置对应的商铺类型。
在实施中，当服务器需要确定某一商场(即目标商场)中各商铺位置的部署方案时，服务器可以基于该目标商场中包含的各商铺位置和各商铺类型，确定多个商铺部署组合。其中，每个商铺部署组合中包括目标商场中所有商铺位置和每个商铺位置对应的商铺类型。可选的，各商铺位置对应的商铺类型不同。例如，目标商场包含3个商铺位置，分别为商铺位置1、商铺位置2和商铺位置3，目标商场还包含3个商铺类型，分别为商铺类型1、商铺类型2和商铺类型3，则服务器可以确定6种商铺部署组合，如表一所示。
表一
商铺部署组合 商铺位置1 商铺位置2 商铺位置2
商铺部署组合1 商铺类型1 商铺类型2 商铺类型3
商铺部署组合2 商铺类型1 商铺类型3 商铺类型2
商铺部署组合3 商铺类型2 商铺类型1 商铺类型3
商铺部署组合4 商铺类型2 商铺类型3 商铺类型1
商铺部署组合5 商铺类型3 商铺类型1 商铺类型2
商铺部署组合6 商铺类型3 商铺类型2 商铺类型1
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 BDA0002440444140000091
其中，
Figure BDA0002440444140000092
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 BDA0002440444140000093
其中，n∈[1,2，…，I]。
步骤102，对于每个商铺部署组合，针对该商铺部署组合中的每个商铺位置，根据各顾客类型在该商铺位置的分布概率、以及各顾客类型在该商铺位置对应的商铺类型中的消费概率和平均消费金额，确定该商铺位置的收益额，并将该商铺部署组合中各商铺位置的总收益额，确定为该商铺部署组合的收益额。
在实施中，服务器确定出多个商铺部署组合后，对于每个商铺部署组合，针对该商铺部署组合中的每个商铺位置，服务器可以根据该目标商场中各顾客类型在该商铺位置的分布概率、以及各顾客类型在该商铺位置对应的商铺类型中的消费概率和平均消费金额，确定该商铺位置的收益额。服务器得到该商铺部署组合中各商铺位置的收益额后，可以进一步将该商铺部署组合中各商铺位置的收益额之和，确定为该商铺部署组合的收益额。例如，结合表二至表四，如表一所示的商铺部署组合1中的商铺位置1(商铺位置1、2、3分别对应商铺类型1、商铺类型2、商铺类型3)，商铺部署组合1中的商铺位置1的收益额为270元，商铺部署组合1中的商铺位置2的收益额为106元，商铺部署组合1中的商铺位置3的收益额为96元，则该商铺部署组合1的收益额为270+106+96＝472元。其中，服务器确定各顾客类型在该商铺位置的分布概率、以及服务器确定各顾客类型在商铺类型中的消费概率和平均消费金额后续均会进行详细介绍。
作为一种可选的实施方式，服务器根据各顾客类型在该商铺位置的分布概率、以及各顾客类型在该商铺位置对应的商铺类型中的消费概率和平均消费金额，确定该商铺位置的收益额的处理过程包括如下步骤。
步骤一，针对每个顾客类型，根据该顾客类型在该商铺位置的分布概率、以及该顾客类型在该商铺位置对应的商铺类型中的消费概率和平均消费金额，确定该顾客类型在该商铺位置的收益额。
在实施中，针对每个顾客类型，服务器可以将该顾客类型在该商铺位置的分布概率、以及该顾客类型在该商铺位置对应的商铺类型中的消费概率和平均消费金额三者的乘积，确定为该顾客类型在该商铺位置的收益额。例如，各顾客类型在各商铺位置的分布概率如表二所示，各顾客类型在各商铺类型中的消费概率如表三所示，各顾客类型在各商铺类型中的平均消费金额如表四所示，则如表一所示的商铺部署组合1的商铺位置1(商铺位置1、2、3分别对应商铺类型1、商铺类型2、商铺类型3)，顾客类型1给商铺位置1带来的收益额为100％*60％*100＝60元，顾客类型2给商铺位置1带来的收益额为100％*80％*50＝40元，顾客类型3给商铺位置1带来的收益额为100％*50％*300＝150元，顾客类型4给商铺位置1带来的收益额为100％*20％*100＝20元。
表二
商铺位置1 商铺位置2 商铺位置3
顾客类型1 100％ 50％ 50％
顾客类型2 100％ 40％ 60％
顾客类型3 100％ 60％ 40％
顾客类型4 100％ 50％ 50％
表三
商铺类型1 商铺类型2 商铺类型3
顾客类型1 60％ 50％ 20％
顾客类型2 80％ 10％ 10％
顾客类型3 50％ 50％ 0％
顾客类型4 20％ 20％ 60％
表四
商铺类型1 商铺类型2 商铺类型3
顾客类型1 100 200 300
顾客类型2 50 400 100
顾客类型3 300 100 400
顾客类型4 100 100 200
步骤二，将各顾客类型在该商铺位置的总收益额，确定为该商铺位置的收益额。
在实施中，服务器得到各顾客类型在该商铺位置的收益额后，可以进一步将各顾客类型在该商铺位置的收益额之和，确定为该商铺位置的收益额。例如，如表一所示的商铺部署组合1中的商铺位置1，顾客类型1在商铺位置1的收益额为60元，顾客类型2在商铺位置1的收益额为40元，顾客类型3在商铺位置1的收益额为150元，顾客类型4在商铺位置1的收益额为20元，则商铺部署组合1中的商铺位置1的收益额为60+40+150+20＝270元。
其中，服务器可以根据公式(1)计算商铺位置的收益额。
Figure BDA0002440444140000121
其中，Z为消费路径Z，
Figure BDA0002440444140000122
为顾客类型j选择消费路径Z的概率，az,k表示消费路径Z是否包含商铺位置k，如果消费路径Z包含商铺位置k，则az,k等于1，如果消费路径Z不包含商铺位置k，则az,k等于0，
Figure BDA0002440444140000123
表示在该商铺部署组合中，商铺类型i是否部署在商铺位置k上，
Figure BDA0002440444140000124
Figure BDA0002440444140000125
为顾客类型j在商铺类型i中的消费概率，Wj,i为顾客类型j在该商铺类型i中的平均消费金额。
步骤103，将收益额最大的商铺部署组合确定为目标商铺部署组合，以根据目标商铺部署组合中每个商铺位置对应的商铺类型对目标商场进行部署。
在实施中，服务器得到各商铺部署组合的收益额后，服务器可以进一步在各商铺部署组合中，将收益额最大的商铺部署组合确定为目标商铺部署组合。然后，服务器可以根据目标商铺部署组合中每个商铺位置对应的商铺类型对目标商场进行部署。这样，可以提高目标商场的收益额。
作为一种可选的实施方式，本申请实施例还提供了一种确定顾客类型在商铺位置的分布概率的方法。其中，服务器确定顾客类型在商铺位置的分布概率的方式可以是多种多样的，本申请实施例提供了两种可行的实施方式，具体如下。
方式一，如图2所示，处理过程包括如下步骤。
步骤201，根据目标商场中包含的商铺位置和出入位置，构建消费路径关系图，并在消费路径关系图中，确定消费路径。其中，消费路径的起始位置为出入位置，结束位置为商铺位置。
在实施中，当服务器需要确定顾客类型在商铺位置的分布概率时，服务器可以根据目标商场中包含的商铺位置和出入位置，构建消费路径关系图。其中，消费路径关系图用于表示各商铺位置之间、商铺位置与出入位置之间的路径连接情况。例如，目标商场中出入位置1与商铺位置1通过路径连接，商铺位置1与商铺位置2通过路径连接，商铺位置2与商铺位置3和商铺位置5通过路径连接，商铺位置3还与商铺位置4通过路径连接，商铺位置4还与商铺位置5通过路径连接，则消费路径关系图如图3所示。服务器确定出消费路径关系图后，可以进一步使用预设的路径搜索算法，在消费路径关系图中，确定消费路径。其中，消费路径的起始位置为出入位置，结束位置为商铺位置；路径搜索算法可以选择深度优先搜索(Depth First Search，DFS)，也可以选择其他路径搜索算法，本申请实施例不作限定。例如，如图4所示，消费路径关系图中，以出入位置1为起始位置，商铺位置1至商铺位置5为结束位置共包括8条消费路径，分别为出入位置1(起始位置)→商铺位置1(结束位置)；出入位置1(起始位置)→商铺位置1→商铺位置2(结束位置)；出入位置1(起始位置)→商铺位置1→商铺位置2→商铺位置3(结束位置)；出入位置1(起始位置)→商铺位置1→商铺位置2→商铺位置5→商铺位置4→商铺位置3(结束位置)；出入位置1(起始位置)→商铺位置1→商铺位置2→商铺位置3→商铺位置4(结束位置)；出入位置1(起始位置)→商铺位置1→商铺位置2→商铺位置5→商铺位置4(结束位置)；出入位置1(起始位置)→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(结束位置)；出入位置1(起始位置)→商铺位置1→商铺位置2→商铺位置5(结束位置)。
步骤202，针对每个消费路径和每个顾客类型，将该顾客类型中选择该消费路径的顾客的数目与该顾客类型的总顾客数目的比值，确定为该顾客类型选择该消费路径的概率。
在实施中，针对每个顾客类型中的每个顾客，商场监控系统可以通过部署在各商铺位置的图像采集设备采集每个顾客的图像数据，并将采集到的图像数据发送至服务器。服务器可以根据每个顾客的图像数据和采集该图像数据的图像采集设备的位置，确定每个顾客的消费路径。服务器确定出各消费路径后，针对每个消费路径和每个顾客类型，服务器可以获取该顾客类型中选择该消费路径的顾客的数目和该顾客类型中顾客的总顾客数目。然后，服务器可以将该顾客类型中选择该消费路径的顾客的数目与该顾客类型中顾客的总顾客数目的比值，确定为该顾客类型选择该消费路径的概率。
步骤203，针对每个顾客类型和每个商铺位置，根据该顾客类型选择该商铺位置对应的目标消费路径的概率，确定该顾客类型在该商铺位置的分布概率。其中，目标消费路径为包含该商铺位置的消费路径。
在实施中，服务器确定出各顾客类型选择各消费路径的概率后，针对每个商铺位置，服务器可以在各消费路径中，确定该商铺位置对应的目标消费路径。其中，该商铺位置对应的目标消费路径为包含该商铺位置的消费路径。例如，针对商铺位置3，该商铺位置3对应的条消费路径，分别为出入位置1(起始位置)→商铺位置1→商铺位置2→商铺位置3(结束位置)；出入位置1(起始位置)→商铺位置1→商铺位置2→商铺位置5→商铺位置4→商铺位置3(结束位置)；出入位置1(起始位置)→商铺位置1→商铺位置2→商铺位置3→商铺位置4(结束位置)；出入位置1(起始位置)→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(结束位置)。服务器确定出该商铺位置对应的目标消费路径后，针对每个顾客类型，服务器可以根据该顾客类型选择该商铺位置对应的目标消费路径的概率，确定为该顾客类型在该商铺位置的分布概率。其中，服务器可以将该顾客类型选择该商铺位置对应的目标消费路径的概率的平均值，确定为该顾客类型在该商铺位置的分布概率。
方式二，如图3所示，处理过程包括如下步骤。
步骤301，针对每个商铺位置，接收设置于该商铺位置的图像采集设备采集的商铺位置图像数据。
在实施中，该目标商场中每个商铺位置可以设置有图像采集设备，用于采集该商铺位置的图像数据(即商铺位置图像数据)，并将采集到的商铺位置图像数据发送至服务器。相应的，服务器可以接收到商铺位置图像数据。
步骤302，根据预设的特征提取算法，提取商铺位置图像数据中包含的第二顾客的人脸特征。
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。服务器接收到商铺位置图像数据后，可以根据预设的特征提取算法，提取商铺位置图像数据中包含的进入该商铺位置的第二顾客的人脸特征。
步骤303，根据第二顾客的人脸特征，在预先存储的人脸特征和顾客类型的对应关系中，查询第二顾客的顾客类型。
在实施中，服务器得到第二顾客的人脸特征后，可以根据第二顾客的人脸特征，在预先存储的人脸特征和顾客类型的对应关系中，查询第二顾客的顾客类型。
步骤304，针对每个顾客类型，将该顾客类型的第二顾客的顾客数目与该顾客类型的总顾客数目的比值，确定为该顾客类型在该商铺位置的分布概率。
在实施中，服务器确定出第二顾客的顾客类型后，针对每个顾客类型，服务器可以将该顾客类型的第二顾客的顾客数目与该顾客类型的总顾客数目的比值，确定为该顾客类型在该商铺位置的分布概率。
作为一种可选的实施方式，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，接收目标商场中商场图像采集设备采集的商场图像数据。
在实施中，该目标商场中可以设置有商场图像采集设备，用于采集该目标商场中的图像数据(即商场图像数据)，并将采集到的商场图像数据发送至服务器。相应的，服务器可以接收到商场图像数据。图像采集设备例如可以是人脸抓拍机。可以理解的是，商场图像采集设备可以设置在商场出入口，以拍摄进出商场的顾客图像；也可以设置在商场各层的出入口，以拍摄进出商场某层的顾客图像；还可以设置在商场中的多个区域，对商场内的顾客进行拍摄。
步骤二，根据预设的特征提取算法和属性识别算法，提取商场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信息，并根据第一顾客的属性信息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和属性识别算法。该特征提取算法和属性识别算法可以由技术人员根据经验进行设置。服务器接收到商场图像数据后，可以根据预设的特征提取算法和属性识别算法，提取商场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信息。其中，属性信息包括：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)。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 BDA0002440444140000161
其中，
Figure BDA0002440444140000162
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 BDA0002440444140000163
其中，n∈[1,2，…，L]。
可选的，服务器可以将多个提取到的人脸特征按照进行聚类，得到与顾客一一对应的顾客档案，每个顾客档案中包含该顾客的多张图像数据和由这多张图像数据提取出的多个该顾客的人脸特征。进一步的，可以将该顾客档案中该顾客的多个人脸特征融合，得到该顾客的综合人脸特征。
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。
可选的，可以将顾客档案中的人脸特征和注册时提交的人脸证件照进行比对，从而确定顾客档案和注册信息(例如，顾客的家庭住址，证件号，职业等)之间的关联关系。
步骤三，存储第一顾客的人脸特征和第一顾客的顾客类型的对应关系。
在实施中，服务器得到第一顾客的顾客类型后，可以将第一顾客的人脸特征和第一顾客的顾客类型的对应关系存储至本地。
可选的，可以将某顾客的档案标记为某顾客类型，如此，也就获得了该档案中的人脸特征与顾客类型的对应关系。
作为一种可选的实施方式，服务器确定顾客类型在商铺类型中的平均消费金额的处理过程如下：
步骤一，针对每个商铺类型和每个顾客类型，获取该顾客类型的顾客在该商铺类型包含的商铺中的总消费金额。
在实施中，当服务器需要确定顾客类型在商铺类型中的平均消费金额时，针对每个商铺类型和每个顾客类型，服务器可以获取该顾客类型的顾客在该商铺类型包含的商铺中的总消费金额。其中，服务器获取该顾客类型的顾客在该商铺类型包含的商铺中的总消费金额的处理过程如下：
步骤A，针对每个顾客类型，在预先存储的人脸特征和顾客类型的对应关系中，查询该顾客类型的顾客的人脸特征。
在实施中，针对每个顾客类型，服务器可以在预先存储的人脸特征和顾客类型的对应关系中，查询属于该顾客类型的顾客的人脸特征。
步骤B，针对每个商铺类型，根据该顾客类型的顾客的人脸特征和该商铺类型包含的商铺的商铺标识，在预先存储的人脸特征和订单的对应关系中，查询该顾客类型的顾客在该商铺类型包含的商铺中的目标订单。其中，订单包括商铺标识和消费金额。
在实施中，服务器中存储的订单包括商铺标识和消费金额。服务器确定出该顾客类型包含的顾客的人脸特征后，针对每个商铺类型，服务器可以进一步根据该顾客类型包含的顾客的人脸特征和该商铺类型包含的商铺的商铺标识，在预先存储的人脸特征和订单的对应关系中，查询该顾客类型的顾客在该商铺类型包含的商铺中的目标订单。
人脸特征和订单的对应关系可以通过订单与顾客注册信息的关联关系、人脸特征与注册信息的关联关系获得，也可以通过顾客消费时被抓拍的图像数据获得，如何通过顾客消费时被抓拍的图像数据获得，将在后文具体说明。
步骤C，将目标订单中的总消费金额，确定为该顾客类型的顾客在该商铺类型包含的商铺中的总消费金额。
在实施中，服务器确定出该顾客类型的顾客在该商铺类型包含的商铺中的目标订单后，可以将目标订单中的总消费金额，确定为该顾客类型的顾客在该商铺类型包含的商铺中的总消费金额。
步骤二，将总消费金额与该顾客类型的顾客的总数目的比值，确定为该顾客类型在该商铺类型的平均消费金额。
在实施中，服务器得到该顾客类型的顾客在该商铺类型中的总消费金额后，可以将总消费金额与该顾客类型的顾客的总数目的比值，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(2)计算顾客类型在商铺类型中的平均消费金额。
Figure BDA0002440444140000181
其中，Wj,i为顾客类型j在该商铺类型i中的平均消费金额，Yj,i为顾客类型j中在该商铺类型i消费的顾客的数目，Wj,i,y为顾客类型j中在该商铺类型i消费的第y个顾客的消费金额。
作为一种可选的实施方式，服务器还可以确定顾客类型在商铺类型中的消费概率，处理过程如下。
步骤一，针对每个商铺类型，接收设置于该商铺类型包含的商铺的图像采集设备采集的商铺图像数据。
在实施中，目标商场中的每个商铺类型包含的每个商铺中设置有图像采集设备，用于采集每个商铺的图像数据(即商铺图像数据)，并将采集到的商铺图像数据发送至服务器。相应的，服务器则可以接收到商铺图像数据。
步骤二，根据预设的特征提取算法，提取商铺图像数据中包含的第三顾客的人脸特征。
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。服务器接收到商铺图像数据后，可以根据预设的特征提取算法，提取商铺图像数据中包含的进入该商铺类型包含的商铺的第三顾客的人脸特征。
步骤三，根据第三顾客的人脸特征，在预先存储的人脸特征和顾客类型的对应关系中，查询第三顾客的顾客类型。
在实施中，服务器得到第三顾客的人脸特征后，可以根据第三顾客的人脸特征，在预先存储的人脸特征和顾客类型的对应关系中，查询第三顾客的顾客类型。
步骤四，针对每个顾客类型，将该顾客类型中在该商铺类型消费的顾客数目与该顾客类型的第三顾客(即进入该商铺类型商铺的顾客)的顾客数目的比值，确定为该顾客类型在该商铺类型的消费概率。
在实施中，服务器确定出第三顾客的顾客类型后，针对每个顾客类型，服务器可以将该顾客类型中在该商铺类型消费的顾客数目(服务器在确定顾客类型在商铺类型的平均消费金额时，可以确定出消费的顾客数目)与该顾客类型的第三顾客的顾客数目的比值，确定为该顾客类型在该商铺类型的消费概率。其中，服务器可以根据公式(3)计算顾客类型在商铺类型中的消费概率。
Figure BDA0002440444140000191
其中，
Figure BDA0002440444140000192
为顾客类型j在商铺类型i中的消费概率，Yj,i为顾客类型j中在商铺类型i消费的顾客的数目，Zj,i为顾客类型j中在商铺类型i停留的顾客的数目。
可选的，如果某一顾客类型在某一商铺类型的平均停留时长小于该顾客类型在目标商场中的平均停留时长，则可以设定该顾客类型在该商铺类型的消费概率为0。如果某一顾客类型在某一商铺类型的平均停留时长大于或等于该顾客类型在目标商场中的平均停留时长，则可以设定该顾客类型在该商铺类型的消费概率为上述通过公式(3)计算出的消费概率。
作为一种可选的实施方式，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图像采集设备采集的消费图像数据。
在实施中，目标商场中的交易设备中可以设置有图像采集设备，用于采集使用该交易设备进行消费的顾客的消费图像数据，并将采集到的消费图像数据发送至服务器。
步骤二，根据预设的特征提取算法，提取消费图像数据中包含的消费顾客的人脸特征，并将消费图像数据的采集时间，确定为消费顾客的消费时间。
在实施中，服务器接收到图像采集设备采集的消费图像数据后，可以根据预设的特征提取算法，提取消费图像数据中s包含的消费顾客的人脸特征。然后，服务器可以将消费图像数据的采集时间，确定为消费顾客的消费时间。
步骤三，在各订单中，将订单时间与消费顾客的消费时间满足预设接近度条件的订单，确定为消费顾客对应的订单，并建立消费顾客的人脸特征和订单的对应关系。其中，订单包含商铺标识、消费金额和订单时间。
在实施中，服务器得到消费顾客的消费时间后，可以在各订单中，将订单时间与消费顾客的消费时间满足预设接近度条件的订单，确定为消费顾客对应的订单，并建立消费顾客的人脸特征和订单的对应关系。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，则该顾客对应的订单为订单3。
本申请实施例提供了一种商铺的部署方法。服务器根据目标商场中包含的各商铺位置和各商铺类型，确定商铺部署组合。其中，商铺部署组合中包括各商铺位置和每个商铺位置对应的商铺类型。对于每个商铺部署组合，针对该商铺部署组合中的每个商铺位置，服务器根据各顾客类型在该商铺位置的分布概率、以及各顾客类型在该商铺位置对应的商铺类型中的消费概率和平均消费金额，确定该商铺位置的收益额，并将该商铺部署组合中各商铺位置的总收益额，确定为该商铺部署组合的收益额。然后，服务器将收益额最大的商铺部署组合确定为目标商铺部署组合，以根据目标商铺部署组合中每个商铺位置对应的商铺类型对目标商场进行部署。如此，能够根据过往统计数据决策目标商场中各商铺位置部署的商铺类型，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5所示，该装置包括：
第一确定模块510，用于根据目标商场中包含的各商铺位置和各商铺类型，确定商铺部署组合，商铺部署组合中包括各商铺位置和每个商铺位置对应的商铺类型；
第二确定模块510，用于对于每个商铺部署组合，针对该商铺部署组合中的每个商铺位置，根据各顾客类型在该商铺位置的分布概率、以及各顾客类型在该商铺位置对应的商铺类型中的消费概率和平均消费金额，确定该商铺位置的收益额，并将该商铺部署组合中各商铺位置的总收益额，确定为该商铺部署组合的收益额；
第三确定模块510，用于将收益额最大的商铺部署组合确定为目标商铺部署组合，以根据目标商铺部署组合中每个商铺位置对应的商铺类型对目标商场进行部署。
作为一种可选的实施方式，该装置还包括：
第一接收模块，用于接收目标商场中商场图像采集设备采集的商场图像数据；
第四确定模块，用于根据预设的特征提取算法和属性识别算法，提取商场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信息，并根据第一顾客的属性信息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；
存储模块，用于存储第一顾客的人脸特征和第一顾客的顾客类型的对应关系。
作为一种可选的实施方式，第二确定模块510，具体用于：
针对每个顾客类型，根据该顾客类型在该商铺位置的分布概率、以及该顾客类型在该商铺位置对应的商铺类型中的消费概率和平均消费金额，确定该顾客类型在该商铺位置的收益额；
将各顾客类型在该商铺位置的总收益额，确定为该商铺位置的收益额。
作为一种可选的实施方式，该装置还包括：
第五确定模块，用于根据目标商场中包含的商铺位置和出入位置，构建消费路径关系图，并在消费路径关系图中，确定消费路径，消费路径的起始位置为出入位置，结束位置为商铺位置；
第六确定模块，用于针对每个消费路径和每个顾客类型，将该顾客类型中选择该消费路径的顾客的数目与该顾客类型的总顾客数目的比值，确定为该顾客类型选择该消费路径的概率；
第七确定模块，用于针对每个顾客类型和每个商铺位置，根据该顾客类型选择该商铺位置对应的目标消费路径的概率，确定该顾客类型在该商铺位置的分布概率，目标消费路径为包含该商铺位置的消费路径。
作为一种可选的实施方式，该装置还包括：
第二接收模块，用于针对每个商铺位置，接收设置于该商铺位置的图像采集设备采集的商铺位置图像数据；
第一提取模块，用于根据预设的特征提取算法，提取商铺位置图像数据中包含的第二顾客的人脸特征；
第一查询模块，用于根据第二顾客的人脸特征，在预先存储的人脸特征和顾客类型的对应关系中，查询第二顾客的顾客类型；
第一计算模块，用于针对每个顾客类型，将该顾客类型的第二顾客的顾客数目与该顾客类型的总顾客数目的比值，确定为该顾客类型在该商铺位置的分布概率。
作为一种可选的实施方式，该装置还包括：
获取模块，用于针对每个商铺类型和每个顾客类型，获取该顾客类型的顾客在该商铺类型包含的商铺中的总消费金额；
第二计算模块，用于将总消费金额与该顾客类型的顾客的总数目的比值，确定为该顾客类型在该商铺类型的平均消费金额。
作为一种可选的实施方式，获取模块，具体用于：
针对每个顾客类型，在预先存储的人脸特征和顾客类型的对应关系中，查询该顾客类型的顾客的人脸特征；
针对每个商铺类型，根据该顾客类型的顾客的人脸特征和该商铺类型包含的商铺的商铺标识，在预先存储的人脸特征和订单的对应关系中，查询该顾客类型的顾客在该商铺类型包含的商铺中的目标订单，订单包括商铺标识和消费金额；
将目标订单中的总消费金额，确定为该顾客类型的顾客在该商铺类型包含的商铺中的总消费金额。
作为一种可选的实施方式，该装置还包括：
第三接收模块，用于针对每个商铺类型，接收设置于该商铺类型包含的商铺的图像采集设备采集的商铺图像数据；
第二提取模块，用于根据预设的特征提取算法，提取商铺图像数据中包含的第三顾客的人脸特征；
第二查询模块，用于根据第三顾客的人脸特征，在预先存储的人脸特征和顾客类型的对应关系中，查询第三顾客的顾客类型；
第八确定模块，用于针对每个顾客类型，将该顾客类型中在该商铺类型消费的顾客数目与该顾客类型的第三顾客的顾客数目的比值，确定为该顾客类型在该商铺类型的消费概率。
作为一种可选的实施方式，该装置还包括：
第四接收模块，用于接收设置于交易设备的图像采集设备采集的消费图像数据；
第九确定模块，用于根据预设的特征提取算法，提取消费图像数据中包含的消费顾客的人脸特征，并将消费图像数据的采集时间，确定为消费顾客的消费时间；
建立模块，用于在各订单中，将订单时间与消费顾客的消费时间满足预设接近度条件的订单，确定为消费顾客对应的订单，并建立消费顾客的人脸特征和消费顾客的订单的对应关系，订单包含商铺标识、消费金额和订单时间。
本申请实施例提供了一种商铺的部署装置。服务器根据目标商场中包含的各商铺位置和各商铺类型，确定商铺部署组合。其中，商铺部署组合中包括各商铺位置和每个商铺位置对应的商铺类型。对于每个商铺部署组合，针对该商铺部署组合中的每个商铺位置，服务器根据各顾客类型在该商铺位置的分布概率、以及各顾客类型在该商铺位置对应的商铺类型中的消费概率和平均消费金额，确定该商铺位置的收益额，并将该商铺部署组合中各商铺位置的总收益额，确定为该商铺部署组合的收益额。然后，服务器将收益额最大的商铺部署组合确定为目标商铺部署组合，以根据目标商铺部署组合中每个商铺位置对应的商铺类型对目标商场进行部署。如此，能够根据过往统计数据决策目标商场中各商铺位置部署的商铺类型，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：
根据目标商场中包含的各商铺位置和各商铺类型，确定商铺部署组合，所述商铺部署组合中包括所述各商铺位置和每个商铺位置对应的商铺类型；
对于每个商铺部署组合，针对该商铺部署组合中的每个商铺位置，根据各顾客类型在该商铺位置的分布概率、以及所述各顾客类型在该商铺位置对应的商铺类型中的消费概率和平均消费金额，确定该商铺位置的收益额，并将该商铺部署组合中各商铺位置的总收益额，确定为该商铺部署组合的收益额；
将收益额最大的商铺部署组合确定为目标商铺部署组合，以根据所述目标商铺部署组合中每个商铺位置对应的商铺类型对所述目标商场进行部署。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
接收所述目标商场中商场图像采集设备采集的商场图像数据；
根据预设的特征提取算法和属性识别算法，提取所述商场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信息，并根据所述第一顾客的属性信息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；
存储所述第一顾客的人脸特征和所述第一顾客的顾客类型的对应关系。
3.根据权利要求1所述的方法，其特征在于，所述根据各顾客类型在该商铺位置的分布概率、以及所述各顾客类型在该商铺位置对应的商铺类型中的消费概率和平均消费金额，确定该商铺位置的收益额，包括：
针对每个顾客类型，根据该顾客类型在该商铺位置的分布概率、以及该顾客类型在该商铺位置对应的商铺类型中的消费概率和平均消费金额，确定该顾客类型在该商铺位置的收益额；
将各顾客类型在该商铺位置的总收益额，确定为该商铺位置的收益额。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述目标商场中包含的商铺位置和出入位置，构建消费路径关系图，并在消费路径关系图中，确定消费路径，所述消费路径的起始位置为出入位置，结束位置为商铺位置；
针对每个消费路径和每个顾客类型，将该顾客类型中选择该消费路径的顾客的数目与该顾客类型的总顾客数目的比值，确定为该顾客类型选择该消费路径的概率；
针对每个顾客类型和每个商铺位置，根据该顾客类型选择该商铺位置对应的目标消费路径的概率，确定该顾客类型在该商铺位置的分布概率，所述目标消费路径为包含该商铺位置的消费路径。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
针对每个商铺位置，接收设置于该商铺位置的图像采集设备采集的商铺位置图像数据；
根据预设的特征提取算法，提取所述商铺位置图像数据中包含的第二顾客的人脸特征；
根据所述第二顾客的人脸特征，在预先存储的人脸特征和顾客类型的对应关系中，查询所述第二顾客的顾客类型；
针对每个顾客类型，将该顾客类型的第二顾客的顾客数目与该顾客类型的总顾客数目的比值，确定为该顾客类型在该商铺位置的分布概率。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
针对每个商铺类型和每个顾客类型，获取该顾客类型的顾客在该商铺类型包含的商铺中的总消费金额；
将所述总消费金额与该顾客类型的顾客的总数目的比值，确定为该顾客类型在该商铺类型的平均消费金额。
7.根据权利要求6所述的方法，其特征在于，所述针对每个商铺类型和每个顾客类型，获取该顾客类型的顾客在该商铺类型包含的商铺中的总消费金额，包括：
针对每个顾客类型，在预先存储的人脸特征和顾客类型的对应关系中，查询该顾客类型的顾客的人脸特征；
针对每个商铺类型，根据该顾客类型的顾客的人脸特征和该商铺类型包含的商铺的商铺标识，在预先存储的人脸特征和订单的对应关系中，查询该顾客类型的顾客在该商铺类型包含的商铺中的目标订单，所述订单包括商铺标识和消费金额；
将所述目标订单中的总消费金额，确定为该顾客类型的顾客在该商铺类型包含的商铺中的总消费金额。
8.根据权利要求1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，接收设置于该商铺类型包含的商铺的图像采集设备采集的商铺图像数据；
根据预设的特征提取算法，提取所述商铺图像数据中包含的第三顾客的人脸特征；
根据所述第三顾客的人脸特征，在预先存储的人脸特征和顾客类型的对应关系中，查询所述第三顾客的顾客类型；
针对每个顾客类型，将该顾客类型中在该商铺类型消费的顾客数目与该顾客类型的第三顾客的顾客数目的比值，确定为该顾客类型在该商铺类型的消费概率。
9.根据权利要求1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图像采集设备采集的消费图像数据；
根据预设的特征提取算法，提取所述消费图像数据中包含的消费顾客的人脸特征，并将所述消费图像数据的采集时间，确定为所述消费顾客的消费时间；
在各订单中，将订单时间与所述消费顾客的消费时间满足预设接近度条件的订单，确定为所述消费顾客对应的订单，并建立所述消费顾客的人脸特征和所述消费顾客的订单的对应关系，所述订单包含商铺标识、消费金额和订单时间。
10.一种商铺的部署装置，其特征在于，所述装置包括：
第一确定模块，用于根据目标商场中包含的各商铺位置和各商铺类型，确定商铺部署组合，所述商铺部署组合中包括所述各商铺位置和每个商铺位置对应的商铺类型；
第二确定模块，用于对于每个商铺部署组合，针对该商铺部署组合中的每个商铺位置，根据各顾客类型在该商铺位置的分布概率、以及所述各顾客类型在该商铺位置对应的商铺类型中的消费概率和平均消费金额，确定该商铺位置的收益额，并将该商铺部署组合中各商铺位置的总收益额，确定为该商铺部署组合的收益额；
第三确定模块，用于将收益额最大的商铺部署组合确定为目标商铺部署组合，以根据所述目标商铺部署组合中每个商铺位置对应的商铺类型对所述目标商场进行部署。
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。
CN202010265671.6A 2020-04-07 2020-04-07 商铺的部署方法、装置、计算机设备及可读存储介质 Pending CN111598607A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010265671.6A CN111598607A (zh) 2020-04-07 2020-04-07 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
CN202010265671.6A CN111598607A (zh) 2020-04-07 2020-04-07 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
CN111598607A true CN111598607A (zh) 2020-08-28

Family

ID=72181890

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010265671.6A Pending CN111598607A (zh) 2020-04-07 2020-04-07 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) CN111598607A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016114965A (ja) * 2014-12-11 2016-06-23 株式会社日本総合研究所 サーバ装置、店舗端末、情報処理方法、及びプログラム
CN109034973A (zh) * 2018-07-25 2018-12-18 北京京东尚科信息技术有限公司 商品推荐方法、装置、系统及计算机可读存储介质
CN109543594A (zh) * 2018-11-19 2019-03-29 福建工程学院 一种基于区块链技术的商场访客消费意图识别方法及装置
CN110706014A (zh) * 2018-07-10 2020-01-17 杭州海康威视系统技术有限公司 一种商场店铺推荐方法、装置及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016114965A (ja) * 2014-12-11 2016-06-23 株式会社日本総合研究所 サーバ装置、店舗端末、情報処理方法、及びプログラム
CN110706014A (zh) * 2018-07-10 2020-01-17 杭州海康威视系统技术有限公司 一种商场店铺推荐方法、装置及系统
CN109034973A (zh) * 2018-07-25 2018-12-18 北京京东尚科信息技术有限公司 商品推荐方法、装置、系统及计算机可读存储介质
CN109543594A (zh) * 2018-11-19 2019-03-29 福建工程学院 一种基于区块链技术的商场访客消费意图识别方法及装置

Similar Documents

Publication Publication Date Title
CN106776619B (zh) 用于确定目标对象的属性信息的方法和装置
CN108009465B (zh) 一种人脸识别方法及装置
WO2020015104A1 (zh) 风险旅客流量预测方法、装置、计算机设备和存储介质
CN106296879B (zh) 基于无线探测的人流量获取的方法、装置和系统
CN108510396B (zh) 投保校验的方法、装置、计算机设备及存储介质
CN102110122A (zh) 一种建立样本图片索引表和图片过滤、搜索方法及装置
CN109426787A (zh) 一种人体目标轨迹确定方法及装置
Galdi et al. FIRE: Fast Iris REcognition on mobile phones by combining colour and texture features
CN109063984B (zh) 风险旅客方法、装置、计算机设备和存储介质
US10853829B2 (en) Association method, and non-transitory computer-readable storage medium
CN110766454A (zh) 门店的顾客到访信息收集方法以及门店子系统架构
KR20130049099A (ko) 얼굴 영상을 이용하여 나이 또는 성별을 추정하는 방법 및 장치
CN111445252A (zh) 一种生物特征库的建立方法、装置及设备
CN111598607A (zh) 商铺的部署方法、装置、计算机设备及可读存储介质
CN116453200B (zh) 人脸识别方法、装置、电子设备及存储介质
CN109711856B (zh) 基于大数据的用户分类方法、装置、服务器及存储介质
CN113344124B (zh) 轨迹分析方法及装置、存储介质和系统
CN106649300A (zh) 一种基于云平台的智能服饰搭配推荐方法及系统
CN108416611A (zh) 一种超市路径推荐系统及其方法
CN110751324A (zh) 商铺的部署方法、装置、计算机设备及可读存储介质
CN114048344A (zh) 一种相似人脸搜索方法、装置、设备和可读存储介质
CN107316027B (zh) 一种共享设备系统及用于共享设备的指纹识别方法
CN112907308A (zh) 数据检测方法和装置、计算机可读存储介质
CN113111934B (zh) 一种图像分组方法、装置、电子设备及存储介质
Wu et al. A new approach for classification of fingerprint image quality

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