CN111784387A - 一种基于多维度大数据的消费者品牌忠诚度分析方法 - Google Patents

一种基于多维度大数据的消费者品牌忠诚度分析方法 Download PDF

Info

Publication number
CN111784387A
CN111784387A CN202010580920.0A CN202010580920A CN111784387A CN 111784387 A CN111784387 A CN 111784387A CN 202010580920 A CN202010580920 A CN 202010580920A CN 111784387 A CN111784387 A CN 111784387A
Authority
CN
China
Prior art keywords
face
face image
intelligent
store
customer
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
CN202010580920.0A
Other languages
English (en)
Inventor
于文高
王任权
张群
刘福成
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.)
Dalian Zhongwei Century Technology Co ltd
Original Assignee
Dalian Zhongwei Century 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 Dalian Zhongwei Century Technology Co ltd filed Critical Dalian Zhongwei Century Technology Co ltd
Priority to CN202010580920.0A priority Critical patent/CN111784387A/zh
Publication of CN111784387A publication Critical patent/CN111784387A/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
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于多维度大数据的消费者品牌忠诚度分析方法，属于大数据分析领域。本发明方法通过多个智能摄像头内部人脸库同步，可对同一智能摄像头或不同智能摄像头采集到的相同人脸图像进行去重处理，得到有效的进店人数、有效的进店会员数；通过POS系统与人脸库关联，可统计新购人数和复购人数；从而根据有效进店人数、进店会员数、新购人数、复购人数信息通过大数据回归分析方法得到品牌忠诚度分析结果。本发明方法客流统计的准确度非常高，进而提高了忠诚度分析结果的可靠性；让门店实时了解会员对品牌的认可度，对比门店的成单率，用以不断优化品牌运用过程中的产品质量、价格、服务、销售策略等各种影响品牌忠诚度的问题。

Description

一种基于多维度大数据的消费者品牌忠诚度分析方法
技术领域
本发明涉及大数据分析领域，特别涉及一种基于多维度大数据的消费者品牌忠诚度分析方法。
背景技术
中国加入WTO超过了十年，我国国民经济以及完全融入世界经济之中，在我国市场按照世贸协定开放的过程中无数的国外品牌充斥于中国市场，与此同时，我国民族品牌也如雨后春笋逐渐崛起，但较于国外知名品牌，我国的民族品牌在许多行业大多还变现的比较稚嫩与平庸。从“由量到质”的产品力竞争到“从实到虚”的品牌力竞争，中国市场整体上已迈入品牌经济时代，国外品牌在中国市场所展现出的高品牌溢价能力令人羡慕，也成为民族品牌努力的方向。品牌间的充分竞争同时刺激着消费者和企业的品牌意识。在此背景下，加强品牌建设力度，提升品牌管理水平日益成为培育企业核心竞争力的主旨，品牌时代唱响了品牌意识更需要品牌建设。
品牌是企业的重要无形资产，而品牌忠诚度则是品牌资产的主要影响因素和重要测试工具。比起维护既有忠诚消费者，开发新消费者的成本则要远远得大。维护一个老客户的成本仅仅为开发一个新客户成本的七分之一。当消费者对品牌感到满意时就会以口碑的形式向其他人推荐，因而口口相传的品牌荣誉产生的新消费者比起其他类型的新消费者一般具有更高的品牌忠诚度，因为它产生于人际信任的基础之上。
在各个行业的品牌忠诚度或品牌价值的评估，一般而言，企业都采用第三方咨询公司对行业销售数据进行粗略评估，比如企业在行业的市场占有率，利润水平等等。第三咨询公司一般采用市场问卷调查的方式来获取相关数据。
现有问卷调查的方式，一般基于产品质量、产品价格、企业的服务水平及企业的形象。这种方面主要的缺点是：1、采集样本有限，因此不代表所有的顾客或会员；2、实时性差，不能实时或及时反映一个品牌忠诚度或其变化趋势。不能及时反映出品牌忠诚度变化背后一系列的产品及管理问题。3、人为主观因素过多，数据采集的可靠性与准确性存在问题。
发明内容
为了弥补现有技术的不足，本发明提供了一种基于多维度大数据的消费者品牌忠诚度分析方法。
本发明的技术方案为：
一种基于多维度大数据的消费者品牌忠诚度分析方法，包括步骤：
1）客流统计
智能摄像头抓拍人脸图像并将抓拍到的图像传送至人脸识别服务器，人脸识别服务器将接收到的人脸图像进行统一特征值提取并分配唯一的识别ID，然后将识别ID以及对应的人脸图像反馈给数据处理服务器；由数据处理服务器将各智能摄像头抓拍到的人脸图像推送到其它智能摄像头，实现多个智能摄像头内部人脸库同步；数据处理服务器对同一智能摄像头或不同智能摄像头采集到的相同人脸图像进行去重处理，得到有效的进店人数、有效的进店会员数；
2）统计新购人数及复购人数
POS系统与数据处理服务器通信连接，顾客第一次消费时，POS信息自动导入数据处理服务器，店员从客流统计的人脸图像中选择并点击产生消费的顾客人脸图片，系统自动将消费记录与该人脸图像关联，并默认该顾客成为会员，并分配一个会员ID；同时新购人数统计模块计数一次；
会员再次消费时，系统自动将POS信息与会员人脸图像关联，同时复购人数统计模块计数一次；
3）品牌忠诚度分析
数据处理服务器根据有效的进店人数、有效的进店会员数、新购人数、复购人数信息计算品牌忠诚度。
作为优选方案，数据处理服务器、人脸识别服务器及各智能摄像头中的人脸库分为工作人员库、会员库和顾客库；其中，智能摄像头中的工作人员库和会员库由人工从人脸识别服务器导入。
进一步地，步骤1）客流统计的具体步骤为：
某一智能摄像头抓拍到的人脸图像
首先从该智能摄像头人脸库的工作人员库开始比对，若发现抓拍到的人脸图像为工作人员，则客流统计被直接终结，工作人员被过滤去重；
若发现抓拍到的人脸图像不是工作人员，则到会员库比对，若发现拍摄到的为会员，在设定时间内发现该会员多次在店内被抓拍到，则去重模块对抓拍到的次数进行过滤去重，客流统计计数模块递增一次会员进入次数；
若发现抓拍到的人脸图像不是会员，则到顾客库对比，若发现是曾经来过的顾客，在设定时间内该顾客多次被抓拍到，则去重模块对多次抓拍到的次数进行过滤去重，客流统计计数模块递增一次顾客进店次数；
若发现抓拍到的人脸图像不是曾经来过的顾客，则客流统计计数模块直接递增一次顾客进店次数，并将该新的顾客人脸图像及识别ID同步推送到其它智能摄像头顾客库。
作为优选方案，实现多个智能摄像头内部人脸库同步的具体步骤为：任一智能摄像头抓拍到的新的人脸图像均传送至人脸识别服务器，人脸识别服务器对该新的人脸图像分配识别ID，并将该识别ID及对应的人脸图像传送至数据处理服务器，数据处理服务器将该新的识别ID及对应的人脸图像通过人脸同步发送模块同时发送至所有智能摄像头，实现多个智能摄像头内部人脸库同步。
进一步地，所述人脸同步发生模块中设有定时器，在定时器设定时间内如果没有接收到任何一个智能摄像头发回来的接收应答信号后，则会对其进行同步人脸图像重发，一直到收到应答信号为止。
作为优选方案，所述智能摄像头能够对人脸跟踪、抓拍、特征值提取、识别对比。
作为优选方案，步骤3）品牌忠诚度分析中，
忠诚度=复购率/复购率参数；
其中，
复购率=统计时间段内复购人数/统计时间段之前的会员人数；
复购率参数通过回归模型获得。
进一步地，所述回归模型为：
销量=进店人数参数*进店人数+新购率参数*新购人数+复购率参数*复购人数+常量。
实施所述基于多维度大数据的消费者品牌忠诚度分析方法的装置，包括数据处理服务器、人脸识别服务器、POS系统和若干智能摄像头；人脸识别服务器、POS系统以及若干智能摄像头分别通过网络协议与数据处理服务器通信连接；各智能摄像头分别通过网络协议与人脸识别服务器通信连接；所述数据处理服务器中设置去重模块、人脸同步发送模块、客流统计计数模块、新购人数统计模块、复购人数统计模块和忠诚度分析模块；人脸同步发送模块与去重模块与客流统计计数模块连接配合客流统计计数模块有效去重计数；客流统计计数模块、新购人数统计模块、复购人数统计模块均与忠诚度分析模块连接并将数据传输至忠诚度分析模块；新购人数统计模块、复购人数统计模块分别与POS系统以及数据处理服务器中的人脸库通信连接。
本发明的有益效果为：
1、本发明将多台智能抓拍人脸识别智能摄像头关联在一起，可以在同一时刻完成任一智能摄像头抓拍到的新的顾客人脸图像的人脸库同步更新，实现客流统计的同步；大大提高了客流统计的准确性，进而提高了忠诚度分析结果的可靠性。
2、智能摄像头的人脸库划分为工作人员库、会员库和顾客库，分别对工作人员库、会员库和顾客库进行比对，可有效去除对工作人员的统计；而且可对会员在设定时间内的多次出现有效去重（在设定时间内，同一个人在同一统计区域的不同点多次进出或徘徊，可以被有效去重过滤），对老顾客在设定时间内的多次出现有效去重；极大的提高了客流统计的准确性，可以准确高效的统计会员客流量和非会员客流量；进而提高了忠诚度分析结果的可靠性。
3、将POS系统与数据处理服务器通信连接，将POS信息与人脸库中的人脸图像特定匹配，实现新购人数统计和复购人数统计，进而实现品牌忠诚度分析。
4、本发明基于多维度大数据的品牌忠诚度分析方法可准确分析品牌忠诚度，让门店实时了解会员对品牌的认可度，对比门店的成单率，并作为门店营销效率参考，用以不断优化品牌运用过程中的产品质量、价格、服务、销售策略及企业形象等各种影响品牌忠诚度的问题。与第三方咨询问卷调查相比，数据可靠且实时动态，品牌忠诚度表达的连续性强。
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，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明基于多维度大数据的消费者品牌忠诚度分析方法的配套硬件结构示意图；
图2为本发明基于多维度大数据的消费者品牌忠诚度分析方法中客流统计的流程示意图；
图3为本发明基于多维度大数据的消费者品牌忠诚度分析方法的流程示意图；
图4为回归模型输出结果；
图5为通过本发明基于多维度大数据的消费者品牌忠诚度分析方法得到的可视化结果。
具体实施方式
下面结合附图对本发明进行进一步的说明。
实施例1 以某一品牌的鞋服店为例，
如图1所示，基于多维度大数据的消费者品牌忠诚度分析方法的配套硬件包括数据处理服务器、人脸识别服务器、POS系统、AI智能抓拍人脸识别摄像头A、AI智能抓拍人脸识别摄像头B组成。
AI智能抓拍人脸识别摄像头A、AI智能抓拍人脸识别摄像头B、人脸识别服务器、POS系统分别通过网络协议与数据处理服务器通信连接；各智能摄像头分别通过网络协议与人脸识别服务器通信连接；数据处理服务器中设置去重模块、人脸同步发送模块、客流统计计数模块、新购人数统计模块、复购人数统计模块和忠诚度分析模块；人脸同步发送模块与去重模块与客流统计计数模块连接配合客流统计计数模块有效去重计数；客流统计计数模块、新购人数统计模块、复购人数统计模块均与忠诚度分析模块连接并将数据传输至忠诚度分析模块；新购人数统计模块、复购人数统计模块分别与POS系统以及数据处理服务器中的人脸库通信连接。
基于多维度大数据的消费者品牌忠诚度分析方法为：
1）客流统计
AI智能抓拍人脸识别摄像头A、AI智能抓拍人脸识别摄像头B抓拍人脸图像并将抓拍到的图像传送至人脸识别服务器，人脸识别服务器将接收到的人脸图像进行统一特征值提取并分配唯一的识别ID，然后将识别ID以及对应的人脸图像反馈给数据处理服务器。由数据处理服务器将AI智能抓拍人脸识别摄像头A抓拍到的人脸图像及图像对应的识别ID推送到AI智能抓拍人脸识别摄像头B，同时将AI智能抓拍人脸识别摄像头B抓拍到的人脸图像及图像对应的识别ID推送到AI智能抓拍人脸识别智能摄像头A，实现多个智能摄像头内部人脸库同步。
AI智能抓拍人脸识别摄像头A、AI智能抓拍人脸识别摄像头B数据处理服务器和人脸识别服务器中的人脸库分为店员库、会员库和顾客库；其中，AI智能抓拍人脸识别摄像头A和AI智能抓拍人脸识别摄像头B中的店员库和会员库由人工从人脸识别服务器导入。
AI智能抓拍人脸识别摄像头A抓拍到的人脸直接送到人脸识别服务器，根据特征值提取分配一个识别ID，然后由数据处理服务器将该新的顾客人脸图像及识别ID同步推送到AI智能抓拍人脸识别摄像头A的顾客库和AI智能抓拍人脸识别摄像头B的顾客库。
同理，AI智能抓拍人脸识别摄像头B抓拍到的人脸直接送到人脸识别服务器，根据特征值提取分配一个识别ID，然后由数据处理服务器将该新的顾客人脸图像及识别ID同步推送到AI智能抓拍人脸识别摄像头A的顾客库和AI智能抓拍人脸识别摄像头B的顾客库。
如图2所示，客流统计的流程为：
1、AI智能抓拍人脸识别摄像头A、AI智能抓拍人脸识别摄像头B抓拍到的人脸图像，均先从该智能摄像头人脸库的店员库开始比对，经过比对，若发现抓拍到的人脸图像为店员，则客流统计被直接终结，店员被过滤去重，不会被统计在有效客流内；
2、若发现抓拍到的人脸不是店员，则到会员库比对，若发现拍摄到的为会员，在设定时间内发现该会员多次在店内被抓拍到，则去重模块对抓拍到的次数进行过滤去重，客流统计计数模块递增一次会员进入次数；
3、若发现抓拍到的人脸图像不是会员，则到顾客库对比，若发现是曾经来过的顾客，在设定时间内该顾客多次被抓拍到，则去重模块对多次抓拍到的次数进行过滤去重，客流统计计数模块递增一次顾客进店次数；
4、若发现抓拍到的人脸图像不是曾经来过的顾客，则客流统计计数模块直接递增一次顾客进店次数，并将该新的顾客人脸图像及识别ID同步推送到其它智能摄像头顾客库；得到有效的进店人数、有效的进店会员数。
其中，本发明人脸图像同步及去重方法，将多台AI智能抓拍人脸识别摄像头关联在一起，应用于客流统计，并有效降低了客流统计的误计数，大大提高了客流统计的准确性。
另外，需要说明的是，实现多个智能摄像头内部人脸库同步有多种方法，本实施例实现多个智能摄像头内部人脸库同步的具体步骤为：
任一智能摄像头抓拍到的新的人脸图像均传送至人脸识别服务器，人脸识别服务器对该新的人脸图像分配识别ID，并将该识别ID及对应的人脸图像传送至数据处理服务器，数据处理服务器将该新的识别ID及对应的人脸图像通过人脸同步发送模块同时发送至所有智能摄像头，实现多个智能摄像头内部人脸库同步。
其中，人脸同步发生模块中设有定时器，在定时器设定时间内如果没有接收到任何一个智能摄像头发回来的接收应答信号后，则会对其进行同步人脸图像重发，一直到收到应答信号为止。
2）统计新购人数及复购人数
如图3所示，POS系统与数据处理服务器通信连接，顾客第一次消费时，POS信息自动导入数据处理服务器，店员从客流统计的人脸图像中选择并点击产生消费的顾客人脸图片，系统自动将消费记录与该人脸图像关联，并默认该顾客成为新会员，分配一个会员ID，并将该人脸图像存放到会员库；同时新购人数统计模块计数一次；
会员再次消费时，系统自动将POS信息与会员人脸图像关联，同时复购人数统计模块计数一次；
3）品牌忠诚度分析
一个陌生顾客最终成为品牌忠实顾客分三个阶段：好奇、兴趣、忠诚。顾客进入门店是因为对门店商品产生好奇。顾客第一次购买是因为兴趣，并非商品真实满足了顾客的全部或部分需求。当顾客持续复购同一品牌的商品，则开始有了忠诚度。当顾客需求某种商品的时候，第一或唯一出现在顾客购买意愿里的品牌，则为品牌的绝对忠诚，所以忠诚度是有不同程度的。
本发明通过获取会员或顾客新购与复购相关数据得到会员对品牌忠诚度的变化。门店管理人员可以了解到自己品牌在不同时间的竞争力变化，当竞争力下降的时候，可以对其进行预警，提前介入问题定位与解决。
采用回归模型的方法，将进店人数作为好奇，第一次购买作为兴趣，多次购买作为忠诚。将进店人数、进店人数参数，新购人数、新购率参数，复购人数、复购率参数与销售量或销售额通过公式建模。
回归模型如下：
销量=进店人数参数*进店人数+新购率参数*新购人数+复购率参数*复购人数+常量；
其中，新购人数即为统计时间段内第一次购买该品牌产品的人的数量。
复购人数即为统计时间段内两次以上（包括两次）购买该品牌产品的人的数量。
数据处理服务器根据有效的进店人数、有效的进店会员数、新购人数、复购人数信息，从模型中通过回归的方法动态实时输出进店人数参数，新购率参数以及最终的复购率参数，这个复购率参数可以作为顾客忠诚度参考，用来表达顾客的忠诚度。
忠诚度=复购率/复购率参数。
本实施例回归模型输出结果如图4所示，由图4可知本发明建立的模型中各参数与销量为线性关系。通过本实施例得到的可视化结果如图5所示。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (8)

1.一种基于多维度大数据的消费者品牌忠诚度分析方法，其特征在于，包括步骤：
1）客流统计
智能摄像头抓拍人脸图像并将抓拍到的图像传送至人脸识别服务器，人脸识别服务器将接收到的人脸图像进行统一特征值提取并分配唯一的识别ID，然后将识别ID以及对应的人脸图像反馈给数据处理服务器；由数据处理服务器将各智能摄像头抓拍到的人脸图像推送到其它智能摄像头，实现多个智能摄像头内部人脸库同步；数据处理服务器对同一智能摄像头或不同智能摄像头采集到的相同人脸图像进行去重处理，得到有效的进店人数、有效的进店会员数；
2）统计新购人数及复购人数
POS系统与数据处理服务器通信连接，顾客第一次消费时，POS信息自动导入数据处理服务器，店员从客流统计的人脸图像中选择并点击产生消费的顾客人脸图片，系统自动将消费记录与该人脸图像关联，并默认该顾客成为会员，并分配一个会员ID；同时新购人数统计模块计数一次；
会员再次消费时，系统自动将POS信息与会员人脸图像关联，同时复购人数统计模块计数一次；
3）品牌忠诚度分析
数据处理服务器根据有效的进店人数、有效的进店会员数、新购人数、复购人数信息计算品牌忠诚度。
2.如权利要求1所述基于多维度大数据的消费者品牌忠诚度分析方法，其特征在于：数据处理服务器、人脸识别服务器及各智能摄像头中的人脸库分为工作人员库、会员库和顾客库；其中，智能摄像头中的工作人员库和会员库由人工从人脸识别服务器导入。
3.如权利要求2所述基于多维度大数据的消费者品牌忠诚度分析方法，其特征在于，步骤1）客流统计的具体步骤为：
某一智能摄像头抓拍到的人脸图像
首先从该智能摄像头人脸库的工作人员库开始比对，若发现抓拍到的人脸图像为工作人员，则客流统计被直接终结，工作人员被过滤去重；
若发现抓拍到的人脸图像不是工作人员，则到会员库比对，若发现拍摄到的为会员，在设定时间内发现该会员多次在店内被抓拍到，则去重模块对抓拍到的次数进行过滤去重，客流统计计数模块递增一次会员进入次数；
若发现抓拍到的人脸图像不是会员，则到顾客库对比，若发现是曾经来过的顾客，在设定时间内该顾客多次被抓拍到，则去重模块对多次抓拍到的次数进行过滤去重，客流统计计数模块递增一次顾客进店次数；
若发现抓拍到的人脸图像不是曾经来过的顾客，则客流统计计数模块直接递增一次顾客进店次数，并将该新的顾客人脸图像及识别ID同步推送到其它智能摄像头顾客库。
4.如权利要求1所述基于多维度大数据的消费者品牌忠诚度分析方法，其特征在于：实现多个智能摄像头内部人脸库同步的具体步骤为：任一智能摄像头抓拍到的新的人脸图像均传送至人脸识别服务器，人脸识别服务器对该新的人脸图像分配识别ID，并将该识别ID及对应的人脸图像传送至数据处理服务器，数据处理服务器将该新的识别ID及对应的人脸图像通过人脸同步发送模块同时发送至所有智能摄像头，实现多个智能摄像头内部人脸库同步。
5.如权利要求4所述基于多维度大数据的消费者品牌忠诚度分析方法，其特征在于：所述人脸同步发生模块中设有定时器，在定时器设定时间内如果没有接收到任何一个智能摄像头发回来的接收应答信号后，则会对其进行同步人脸图像重发，一直到收到应答信号为止。
6.如权利要求1所述基于多维度大数据的消费者品牌忠诚度分析方法，其特征在于：所述智能摄像头能够对人脸跟踪、抓拍、特征值提取、识别对比。
7.如权利要求1所述基于多维度大数据的消费者品牌忠诚度分析方法，其特征在于：步骤3）品牌忠诚度分析中，
忠诚度=复购率/复购率参数；
其中，
复购率=统计时间段内复购人数/统计时间段之前的会员人数；
复购率参数通过回归模型获得。
8.如权利要求7所述基于多维度大数据的消费者品牌忠诚度分析方法，其特征在于，所述回归模型为：
销量=进店人数参数*进店人数+新购率参数*新购人数+复购率参数*复购人数+常量。
CN202010580920.0A 2020-06-23 2020-06-23 一种基于多维度大数据的消费者品牌忠诚度分析方法 Pending CN111784387A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010580920.0A CN111784387A (zh) 2020-06-23 2020-06-23 一种基于多维度大数据的消费者品牌忠诚度分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010580920.0A CN111784387A (zh) 2020-06-23 2020-06-23 一种基于多维度大数据的消费者品牌忠诚度分析方法

Publications (1)

Publication Number Publication Date
CN111784387A true CN111784387A (zh) 2020-10-16

Family

ID=72757103

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010580920.0A Pending CN111784387A (zh) 2020-06-23 2020-06-23 一种基于多维度大数据的消费者品牌忠诚度分析方法

Country Status (1)

Country Link
CN (1) CN111784387A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112329635A (zh) * 2020-11-06 2021-02-05 北京文安智能技术股份有限公司 店铺客流统计方法和店铺客流统计装置
CN113470109A (zh) * 2021-06-09 2021-10-01 浙江大华技术股份有限公司 一种客流统计方法、电子设备和计算机存储介质
CN113743999A (zh) * 2021-11-08 2021-12-03 江苏荣泽信息科技股份有限公司 基于区块链的多区域营销策略用连锁品牌选址管理系统
WO2022142899A1 (zh) * 2020-12-31 2022-07-07 深圳云天励飞技术股份有限公司 商铺销售数据分析方法、装置、电子设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108389060A (zh) * 2018-02-28 2018-08-10 南京芝麻信息科技有限公司 顾客忠诚度信息处理方法及装置
CN109300267A (zh) * 2018-10-31 2019-02-01 杭州有赞科技有限公司 基于人脸识别的会员制的收银方法和系统
CN109344765A (zh) * 2018-09-28 2019-02-15 广州云从人工智能技术有限公司 一种针对连锁门店入店人员分析的智能分析方法
CN109697638A (zh) * 2018-12-28 2019-04-30 出门问问信息科技有限公司 客流管理方法、装置、电子设备及计算机可读存储介质
CN109919091A (zh) * 2019-03-06 2019-06-21 广州佳都数据服务有限公司 基于动态白名单的人脸安检方法、装置及电子设备
KR20200021693A (ko) * 2018-08-21 2020-03-02 유한회사 하존솔루션 안면 인식을 사용한 샵앤샵 고객 관리 시스템 및 방법
CN111126119A (zh) * 2018-11-01 2020-05-08 百度在线网络技术（北京）有限公司 基于人脸识别的到店用户行为统计方法和装置
CN111241932A (zh) * 2019-12-30 2020-06-05 广州量视信息科技有限公司 汽车展厅客流检测与分析系统、方法及存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108389060A (zh) * 2018-02-28 2018-08-10 南京芝麻信息科技有限公司 顾客忠诚度信息处理方法及装置
KR20200021693A (ko) * 2018-08-21 2020-03-02 유한회사 하존솔루션 안면 인식을 사용한 샵앤샵 고객 관리 시스템 및 방법
CN109344765A (zh) * 2018-09-28 2019-02-15 广州云从人工智能技术有限公司 一种针对连锁门店入店人员分析的智能分析方法
CN109300267A (zh) * 2018-10-31 2019-02-01 杭州有赞科技有限公司 基于人脸识别的会员制的收银方法和系统
CN111126119A (zh) * 2018-11-01 2020-05-08 百度在线网络技术（北京）有限公司 基于人脸识别的到店用户行为统计方法和装置
CN109697638A (zh) * 2018-12-28 2019-04-30 出门问问信息科技有限公司 客流管理方法、装置、电子设备及计算机可读存储介质
CN109919091A (zh) * 2019-03-06 2019-06-21 广州佳都数据服务有限公司 基于动态白名单的人脸安检方法、装置及电子设备
CN111241932A (zh) * 2019-12-30 2020-06-05 广州量视信息科技有限公司 汽车展厅客流检测与分析系统、方法及存储介质

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112329635A (zh) * 2020-11-06 2021-02-05 北京文安智能技术股份有限公司 店铺客流统计方法和店铺客流统计装置
CN112329635B (zh) * 2020-11-06 2022-04-29 北京文安智能技术股份有限公司 店铺客流统计方法和店铺客流统计装置
WO2022142899A1 (zh) * 2020-12-31 2022-07-07 深圳云天励飞技术股份有限公司 商铺销售数据分析方法、装置、电子设备及存储介质
CN113470109A (zh) * 2021-06-09 2021-10-01 浙江大华技术股份有限公司 一种客流统计方法、电子设备和计算机存储介质
CN113743999A (zh) * 2021-11-08 2021-12-03 江苏荣泽信息科技股份有限公司 基于区块链的多区域营销策略用连锁品牌选址管理系统

Similar Documents

Publication Publication Date Title
CN111784387A (zh) 一种基于多维度大数据的消费者品牌忠诚度分析方法
CN107045641B (zh) 一种基于图像识别技术的货架识别方法
US5331544A (en) Market research method and system for collecting retail store and shopper market research data
CN109190586B (zh) 顾客到访分析方法、装置及存储介质
US9747497B1 (en) Method and system for rating in-store media elements
KR101779096B1 (ko) 지능형 영상분석 기술 기반 통합 매장관리시스템에서의 객체 추적방법
DE112019002923T5 (de) Verkaufsförderungssystem und verkaufsförderungsverfahren
US20080215462A1 (en) Still image shopping event monitoring and analysis system and method
CN105678591A (zh) 一种基于视频分析的商业智能化经营决策支撑系统和方法
CN109658194A (zh) 一种基于视频追踪的客户推荐方法及系统
CN107563343A (zh) 基于人脸识别技术的FaceID数据库的自我完善方法和系统
JP5193215B2 (ja) 集計システム、集計装置、及び集計方法
CN108537166A (zh) 确定货架浏览量以及分析浏览量的方法和装置
CN113538012A (zh) 一种基于互联网电子商务平台数据分析的买家用户智能管理方法
CN111178966A (zh) 一种基于人脸识别的潜在客户行为分析方法和系统
WO2021129342A1 (zh) 数据处理方法、装置、设备、存储介质及计算机程序
CN109544203A (zh) 一种餐厅的用户习惯记录与推荐方法
WO2021129531A1 (zh) 一种资源分配方法、装置、设备、存储介质及计算机程序
CN112232852A (zh) 一种基于大数据计算的自动化营销系统实现方法
CN112511846A (zh) 基于大数据的电子商务直播处理方法及网络安全直播平台
US11537639B2 (en) Re-identification of physical objects in an image background via creation and storage of temporary data objects that link an object to a background
CN116050992A (zh) 一种基于图像识别的库存盘点管理系统
CN110866746A (zh) 一种基于人脸识别的订单匹配方法以及计算机设备
CN110309737A (zh) 一种应用于香烟柜台的信息处理方法、装置及系统
CN113223226A (zh) 一种基于人工智能的智慧展会智能管理方法、系统及计算机存储介质

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