CN111626790A - 一种零售终端的消费者群体特征识别方法 - Google Patents
一种零售终端的消费者群体特征识别方法 Download PDFInfo
- Publication number
- CN111626790A CN111626790A CN202010482937.2A CN202010482937A CN111626790A CN 111626790 A CN111626790 A CN 111626790A CN 202010482937 A CN202010482937 A CN 202010482937A CN 111626790 A CN111626790 A CN 111626790A
- Authority
- CN
- China
- Prior art keywords
- crowd
- data
- retail terminal
- consumer
- characteristic
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明特别涉及一种零售终端的消费者群体特征识别方法。该零售终端的消费者群体特征识别方法，利用群体消费者特征识别技术和工具，自动化智能采集群体消费者特征，并与实际零售业务单深度融合，挖掘分析出门店经营特征，供门店参考分析，指导经营。该零售终端的消费者群体特征识别方法，可以利用现代科技自动采集和分析客流数据，经分析应用后能够为社区门店描绘人群画像，让店主了解自己店铺的客流情况，从而指导店铺经营，帮助店铺拓展客流量，改进经营策略。
Description
技术领域
本发明涉及人脸识别以及数据关联分析技术领域，特别涉及一种零售终端的消费者群体特征识别方法。
背景技术
数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。这一过程也是质量管理体系的支持过程。在实用中，数据分析可帮助人们作出判断，以便采取适当行动。
有目的的收集数据，是确保数据分析过程有效的基础。组织需要对收集数据的内容、渠道、方法进行策划。策划时应考虑：
①将识别的需求转化为具体的要求，如评价供方时，需要收集的数据可能包括其过程能力、测量系统不确定度等相关数据；
②明确由谁在何时何处，通过何种渠道和方法收集数据；
③记录表应便于使用；
④采取有效措施，防止数据丢失和虚假数据对系统的干扰。
随着互联网流量红利的消失，电子商务获客成本越来越高，传统零售企业经营电商的成本逐年上升；同时，传统电商受流量思维限制，获客成本攀升，难以拓展增量；传统实体门店受电商冲击，客流减少，业绩下滑；因而，传统零售企业，尤其是社区门店寻求转型成了零售业面临的重要课题。
社区门店基于其实体店位置、供应链，可获取到最近的人，建立信任感，更好服务顾客利用社交关系，弥补实体店拉新获客，内容分发问题。但不同社区的活动人群不同，消费习惯和消费水平也会存在很大差异，如何准确获取社区门店的客流群体及其消费习惯成为社区门店能否盈利的重要内容。如何收集社区门店的客流群体消费特征数据为数据分析提供有效数据，成为提高社区门店盈利能力的难题。
针对社区门店，为了提高店主对门店销售和客流群体认识和分析的能力，帮助店铺开展经营改进，提高盈利能力，本发明提出了一种零售终端的消费者群体特征识别方法。
发明内容
本发明为了弥补现有技术的缺陷，提供了一种简单高效的零售终端的消费者群体特征识别方法。
本发明是通过如下技术方案实现的：
一种零售终端的消费者群体特征识别方法，其特征在于：利用群体消费者特征识别技术和工具，自动化智能采集群体消费者特征，并与实际零售业务单深度融合，挖掘分析出门店经营特征，供门店参考分析，指导经营。
本发明零售终端的消费者群体特征识别方法，采用人群特征识别技术定义消费者群体识别和结果应用过程，包括群体消费者特征识别设备，人群特征储存和识别策略，与零售终端的业务融合方式，识别数据与零售业务单的关联分析和分析结果的应用。
所述消费者特征识别设备包括智能摄像头和服务器，所述智能摄像头负责采集人群特征，并将采集到的人群特征数据传输到服务器；所述服务器负责对采集的人群特征数据进行特征匹配与识别，并根据匹配与识别结果描绘客流轨迹。
所述智能摄像头按货架轨迹摆放，智能摄像头采集到的人群特征数据与货架信息同时传输到服务器，服务器对采集的人群特征数据与货架信息进行特征匹配与识别，并根据匹配与识别结果描绘客流轨迹。
所述智能摄像头采用红外热成像摄像头。
所述人群特征识别数据存储和识别策略是指将采集的人群特征数据进行存储，并根据人群特征值，由特征码分析对比当前人群与历史顾客人群的匹配和识别。
将采集的人群特征数据利用关系和非关系型存储方式进行存储，将历史数据和近期数据按特征进行区分存储。
所述与零售终端实现业务融合是指将零售终端软件产生的销售单数据进行时段划分，与人群特征分析数据进行时段对应，建立匹配模型。
所述识别数据与零售业务单的关联分析和结果应用是指根据销售单与人群的匹配结果，划分主题进行主题分析，并根据分析结果，给门店提供经营指导。
所述主题分析包括针对商品、季节、节假日、区域以及人群属性主题进行专项分析，并根据主题分析结果，给门店提供经营指导。
本发明的有益效果是：该零售终端的消费者群体特征识别方法，可以利用现代科技自动采集和分析客流数据，经分析应用后能够为社区门店描绘人群画像，让店主了解自己店铺的客流情况，从而指导店铺经营，帮助店铺拓展客流量，改进经营策略。
附图说明
为了更清楚地说明本发明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，下面描述中的附图是本发明的一些实施例，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。
附图1为本发明零售终端的消费者群体特征识别方法流程示意图。
具体实施方式
为了使本技术领域的人员更好的理解本发明中的技术方案，下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚，完整的描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。
以“商品”为核心，“进-销-存”管理为维度的传统零售系统，越来越不适应当前市场发展，未能满足顾客消费体验和商家效率提升。新商业时代，零售商需要全新的零售系统。新零售，以“顾客”为核心，基于“人-货-场”三大商业要素为技术开发维度，全面满足零售企业的多类型渠道、多元化业态、多样化场景、社会化营销，以及复合式供应链的经营需求。
新时代，新的商业模式，一定是经营人为核心，包括买的人，卖的人(商家+导购+创客+微商)。对于零售终端社区门店来说，买的人，即消费群体的特征信息是社区门店经营的重要依据。可以说，只要掌握了群体消费者的消费习惯和消费特点，社区门店的经营必将事半功倍。
该零售终端的消费者群体特征识别方法，利用群体消费者特征识别技术和工具，自动化智能采集群体消费者特征，并与实际零售业务单深度融合，挖掘分析出门店经营特征，供门店参考分析，指导经营。
该零售终端的消费者群体特征识别方法，采用人群特征识别技术定义消费者群体识别和结果应用过程，包括群体消费者特征识别设备，人群特征储存和识别策略，与零售终端的业务融合方式，识别数据与零售业务单的关联分析和分析结果的应用。
所述消费者特征识别设备包括智能摄像头和服务器，所述智能摄像头负责采集人群特征，并将采集到的人群特征数据传输到服务器主机；所述服务器负责对采集的人群特征数据进行特征匹配与识别，并根据匹配与识别结果描绘客流轨迹。
所述智能摄像头按货架轨迹摆放，智能摄像头采集到的人群特征数据与货架信息同时传输到服务器，服务器对采集的人群特征数据与货架信息进行特征匹配与识别，并根据匹配与识别结果描绘客流轨迹。
常用的群体识别技术有下面几种：
(1)人脸识别技术。基于人的脸部特征信息进行身份识别。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别。
(2)WIFI嗅探。通过弹出移动无线信号，采集人流量数据，用于分析人流密集度。
(3)红外热成像。通过红外线热成像技术，进行生物识别，监测群体特征。
所述智能摄像头采用红外热成像摄像头。
所述智能摄像头也可以采用WIFI嗅探等其他种类识别设备，以增加采集数据数量，增强识别效果。
所述人群特征识别数据存储和识别策略是指将采集的人群特征数据进行存储，并根据人群特征值，由特征码分析对比当前人群与历史顾客人群的匹配和识别。
将采集的人群特征数据利用关系和非关系型存储方式进行存储，将历史数据和近期数据按特征进行区分存储。
所述与零售终端实现业务融合是指将零售终端软件产生的销售单数据进行时段划分，与人群特征分析数据进行时段对应，建立匹配模型。
所述识别数据与零售业务单的关联分析和结果应用是指根据销售单与人群的匹配结果，划分主题进行主题分析，并根据分析结果，给门店提供经营指导。
所述主题分析包括针对商品、季节、节假日、区域以及人群属性主题进行专项分析，并根据主题分析结果，给门店提供经营指导。
与现有技术相比，该零售终端的消费者群体特征识别方法，具有以下特点：
第一、利用现代科技，自动采集和分析客流数据，用于分析应用；
第二、为社区门店描绘人群画像，让店主了解自己店铺的客流情况；
第三、指导店铺经营，帮助店铺拓展客流量，改进经营策略。
综上，该零售终端的消费者群体特征识别方法，针对社区门店，提高了店主对门店销售和客流群体认识和分析的能力，有助于帮助店铺开展经营改进，提高盈利能力。
以上所述的实施例，只是本发明具体实施方式的一种，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 (10)
1.一种零售终端的消费者群体特征识别方法，其特征在于：利用群体消费者特征识别技术和工具，自动化智能采集群体消费者特征，并与实际零售业务单深度融合，挖掘分析出门店经营特征，供门店参考分析，指导经营。
2.根据权利要求1所述的零售终端的消费者群体特征识别方法，其特征在于：采用人群特征识别技术定义消费者群体识别和结果应用过程，包括群体消费者特征识别设备，人群特征储存和识别策略，与零售终端的业务融合方式，识别数据与零售业务单的关联分析和分析结果的应用。
3.根据权利要求2所述的零售终端的消费者群体特征识别方法，其特征在于：所述消费者特征识别设备包括智能摄像头和服务器，所述智能摄像头负责采集人群特征，并将采集到的人群特征数据传输到服务器；所述服务器负责对采集的人群特征数据进行特征匹配与识别，并根据匹配与识别结果描绘客流轨迹。
4.根据权利要求3所述的零售终端的消费者群体特征识别方法，其特征在于：所述智能摄像头按货架轨迹摆放，智能摄像头采集到的人群特征数据与货架信息同时传输到服务器，服务器对采集的人群特征数据与货架信息进行特征匹配与识别，并根据匹配与识别结果描绘客流轨迹。
5.根据权利要求2或3所述的零售终端的消费者群体特征识别方法，其特征在于：所述智能摄像头采用红外热成像摄像头。
6.根据权利要求2所述的零售终端的消费者群体特征识别方法，其特征在于：所述人群特征识别数据存储和识别策略是指将采集的人群特征数据进行存储，并根据人群特征值，由特征码分析对比当前人群与历史顾客人群的匹配和识别。
7.根据权利要求6所述的零售终端的消费者群体特征识别方法，其特征在于：将采集的人群特征数据利用关系和非关系型存储方式进行存储，将历史数据和近期数据按特征进行区分存储。
8.根据权利要求2所述的零售终端的消费者群体特征识别方法，其特征在于：所述与零售终端实现业务融合是指将零售终端软件产生的销售单数据进行时段划分，与人群特征分析数据进行时段对应，建立匹配模型。
9.根据权利要求2所述的零售终端的消费者群体特征识别方法，其特征在于：所述识别数据与零售业务单的关联分析和结果应用是指根据销售单与人群的匹配结果，划分主题进行主题分析，并根据分析结果，给门店提供经营指导。
10.根据权利要求9所述的零售终端的消费者群体特征识别方法，其特征在于：所述主题分析包括针对商品、季节、节假日、区域以及人群属性主题进行专项分析。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010482937.2A CN111626790A (zh) | 2020-06-01 | 2020-06-01 | 一种零售终端的消费者群体特征识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010482937.2A CN111626790A (zh) | 2020-06-01 | 2020-06-01 | 一种零售终端的消费者群体特征识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111626790A true CN111626790A (zh) | 2020-09-04 |
Family
ID=72271210
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010482937.2A Pending CN111626790A (zh) | 2020-06-01 | 2020-06-01 | 一种零售终端的消费者群体特征识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111626790A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114399366A (zh) * | 2022-01-20 | 2022-04-26 | 中电工业互联网有限公司 | 一种基于人群分析的无人售货机选品方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106504029A (zh) * | 2016-11-08 | 2017-03-15 | 山东大学 | 一种基于客户群体行为分析的加油站销量预测方法 |
| CN108492124A (zh) * | 2018-01-22 | 2018-09-04 | 阿里巴巴集团控股有限公司 | 店铺信息推荐方法、装置及客户端 |
| CN108596735A (zh) * | 2018-04-28 | 2018-09-28 | 北京旷视科技有限公司 | 信息推送方法、装置及系统 |
-
2020
- 2020-06-01 CN CN202010482937.2A patent/CN111626790A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106504029A (zh) * | 2016-11-08 | 2017-03-15 | 山东大学 | 一种基于客户群体行为分析的加油站销量预测方法 |
| CN108492124A (zh) * | 2018-01-22 | 2018-09-04 | 阿里巴巴集团控股有限公司 | 店铺信息推荐方法、装置及客户端 |
| CN108596735A (zh) * | 2018-04-28 | 2018-09-28 | 北京旷视科技有限公司 | 信息推送方法、装置及系统 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114399366A (zh) * | 2022-01-20 | 2022-04-26 | 中电工业互联网有限公司 | 一种基于人群分析的无人售货机选品方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8577705B1 (en) | Method and system for rating the role of a product category in the performance of a store area | |
| KR101385700B1 (ko) | 동영상 관련 광고를 제공하는 방법 및 그 장치 | |
| KR102324439B1 (ko) | 지능형 소상공인 지원 서비스 제공 시스템, 서버 및 방법 | |
| CN109377251A (zh) | 一种识别客户属性的方法及系统 | |
| CN106301866A (zh) | 目标对象的统计方法和装置 | |
| CN109658194A (zh) | 一种基于视频追踪的客户推荐方法及系统 | |
| CN110213342A (zh) | 一种采购系统的消息推送方法、装置、存储介质及终端 | |
| TWM443899U (en) | An intelligent point-of-sales system with active identification of customer group | |
| CN112037038A (zh) | 银行信贷风险预测方法及装置 | |
| CN116739836B (zh) | 一种基于知识图谱的餐饮数据分析方法及系统 | |
| WO2021129342A1 (zh) | 数据处理方法、装置、设备、存储介质及计算机程序 | |
| Liciotti et al. | Pervasive system for consumer behaviour analysis in retail environments | |
| CN114328490B (zh) | 一种直播电商分析展现的构建方法、设备及介质 | |
| KR20190081671A (ko) | 온라인 쇼핑몰 통합 관리 시스템에서의 유사상품을 검색하는 방법 및 그 서버 | |
| CN111626790A (zh) | 一种零售终端的消费者群体特征识别方法 | |
| WO2020007141A1 (zh) | 线下商品信息查询方法、装置、设备及系统 | |
| KR102077630B1 (ko) | Pos 및 영상 기반의 상권 분석 시스템 및 방법 | |
| CN106919609B (zh) | 产品信息推送方法和装置 | |
| Wibowo et al. | Value creation with big data in marketing: An empirical evidence on SMEs | |
| Cho et al. | Efficiency comparison of public bike-sharing repositioning strategies based on predicted demand patterns | |
| CN116091171A (zh) | 会员统计与管理系统 | |
| CN110942348A (zh) | 一种基于大数据分析的人脸识别系统 | |
| CN113052659B (zh) | 共享数据圈的生成方法及装置 | |
| CN116029755A (zh) | 一种评估促销费政策成效的分析方法及系统 | |
| CN113269592A (zh) | Nfc实体传媒广告交互及后台系统 |
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: 20200904 |
|
| RJ01 | Rejection of invention patent application after publication |