CN112380437A - 一种基于特征识别的获取顾客偏好信息的方法及系统 - Google Patents

一种基于特征识别的获取顾客偏好信息的方法及系统 Download PDF

Info

Publication number
CN112380437A
CN112380437A CN202011286355.3A CN202011286355A CN112380437A CN 112380437 A CN112380437 A CN 112380437A CN 202011286355 A CN202011286355 A CN 202011286355A CN 112380437 A CN112380437 A CN 112380437A
Authority
CN
China
Prior art keywords
customer
information
store
preference
behavior data
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
CN202011286355.3A
Other languages
English (en)
Inventor
徐红
徐世超
梁志婷
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.)
Shanghai Minglue Artificial Intelligence Group Co Ltd
Original Assignee
Shanghai Minglue Artificial Intelligence Group 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 Shanghai Minglue Artificial Intelligence Group Co Ltd filed Critical Shanghai Minglue Artificial Intelligence Group Co Ltd
Priority to CN202011286355.3A priority Critical patent/CN112380437A/zh
Publication of CN112380437A publication Critical patent/CN112380437A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • 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
    • G06V40/172—Classification, e.g. identification

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供的一种基于特征识别的获取顾客偏好信息的方法及系统，获取方法包括：获取线下门店内顾客的特征信息及所述线下门店的位置信息；将所述特征信息与顾客行为数据库进行匹配，确定所述顾客的唯一标识号，并将所述位置信息与所述顾客行为数据库进行匹配，确定所述门店的类目标签；基于所述顾客行为数据库，确定与所述唯一标识号相对应的行为数据包，基于所述类目标签对所述行为数据包进行偏好计算，得到与所述类目标签相对应的所述顾客的偏好信息；将所述偏好信息发送至所述线下门店的终端设备。该方法根据特征识别，精准的匹配顾客的偏好，使得线下门店的销售人员根据顾客的偏好推荐顾客想要的产品，提高了工作效率且提升了顾客的消费体验。

Description

一种基于特征识别的获取顾客偏好信息的方法及系统
技术领域
本发明涉及大数据分析技术领域，特别涉及一种基于特征识别的获取顾客偏好信息的方法及系统。
背景技术
新零售业发展迅猛，且大多数企业都在向线下门店渗透。在顾客在进入线下门店进行消费时，由于顾客的偏好不同，往往对线下门店商品有着不同的需求。
目前线下门店，当顾客进店后，大多由销售人员与顾客进行沟通交流后，挖掘到顾客的需求，根据顾客的需求进行线下门店的商品的推荐。
但通过销售人员挖掘顾客的需求进行商品推荐的方式存在诸多弊端：
(1)销售人员需挖缺客户需求过程耗时长，不能清楚的了解顾客的偏好，导致工作效率低；
(2)当线下门店顾客数量较多时，由于线下门店内销售人员有限，可能会使得很多顾客无人接待，顾客消费体验差。
发明内容
为解决现有技术中线下门店进行商品推荐时无法清楚了解顾客偏好、顾客消费体验差的技术问题，本发明提供了一种基于特征识别的获取顾客偏好信息的方法，根据特征识别，精准的匹配顾客的偏好，使得线下门店的销售人员根据顾客的偏好推荐顾客想要的产品，提高了工作效率且提升了顾客的消费体验。
本发明提供了一种基于特征识别的获取顾客偏好信息的方法，包括：
S1：获取线下门店内顾客的特征信息及所述线下门店的位置信息；
S2：将所述特征信息与顾客行为数据库进行匹配，确定所述顾客的唯一标识号，并将所述位置信息与所述顾客行为数据库进行匹配，确定所述门店的类目标签；
S3：基于所述顾客行为数据库，确定与所述唯一标识号相对应的行为数据包，基于所述类目标签对所述行为数据包进行偏好计算，得到与所述类目标签相对应的所述顾客的偏好信息；
S4：将所述偏好信息发送至所述线下门店的终端设备。
上述的基于特征识别的获取顾客偏好信息的方法，其中，所述S4步骤中具体包括：
S41：根据所述唯一标识号，对所述顾客进行分类；顾客的类型包括：首次顾客和固定顾客；
S42：将所述S41步骤的分类结果和所述偏好信息发送至所述线下门店的终端设备。
上述的基于特征识别的获取顾客偏好信息的方法，其中，所述S1步骤中所述获取线下门店内顾客的特征信息，具体包括：
通过摄像设备，和/或录音设备获取线下门店内顾客的特征信息。
上述的基于特征识别的获取顾客偏好信息的方法，其中，所述S1步骤中所述特征信息，具体包括：
人脸特征信息，和/或声纹特征信息。
上述的基于特征识别的获取顾客偏好信息的方法，其中，所述S2步骤中所述顾客行为数据库，具体包括：
顾客特征信息、顾客唯一标识号、门店位置信息、门店类目标签及顾客行为数据包；
所述顾客行为数据包包括：线下门店顾客行为数据和线上平台顾客行为数据。
本发明还提供一种基于特征识别的获取顾客偏好信息的系统，包括：
信息获取模块，用于获取线下门店内顾客的特征信息及所述线下门店的位置信息；
信息匹配模块，用于将所述特征信息与顾客行为数据库进行匹配，确定所述顾客的唯一标识号，并将所述位置信息与所述顾客行为数据库进行匹配，确定所述门店的类目标签；
偏好信息确定模块，用于基于所述顾客行为数据库，确定与所述唯一标识号相对应的行为数据包，基于所述类目标签对所述行为数据包进行偏好计算，得到与所述类目标签相对应的所述顾客的偏好信息；
信息推送模块，用于将所述偏好信息发送至所述线下门店的终端设备。
上述的基于特征识别的获取顾客偏好信息的系统，其中，所述信息推送模块具体包括：
用于根据所述唯一标识号，对所述顾客进行分类；并用于将分类结果和所述偏好信息发送至所述线下门店的终端设备；顾客的类型包括：首次顾客和固定顾客。
上述的基于特征识别的获取顾客偏好信息的系统，其中，所述信息获取模块中所述获取线下门店内顾客的特征信息，具体包括：
通过摄像设备，和/或录音设备获取线下门店内顾客的特征信息。
上述的基于特征识别的获取顾客偏好信息的系统，其中，所述信息获取模块中所述特征信息，具体包括：
人脸特征信息，和/或声纹特征信息。
上述的基于特征识别的获取顾客偏好信息的系统，所述信息匹配模块中所述顾客行为数据库，具体包括：
顾客特征信息、顾客唯一标识号、门店位置信息、门店类目标签及顾客行为数据包；
所述顾客行为数据包包括：线下门店顾客行为数据和线上平台顾客行为数据。
本发明的技术效果或优点：
本发明提供的一种基于特征识别的获取顾客偏好信息的方法，获取线下门店内顾客的特征信息及线下门店的位置信息，将特征信息与顾客行为数据库进行匹配，确定顾客的唯一标识号，并将位置信息与顾客行为数据库进行匹配，确定门店的类目标签，基于顾客行为数据库，确定与唯一标识号相对应的行为数据包，基于类目标签对行为数据包进行偏好计算，得到与类目标签相对应的顾客的偏好信息，将偏好信息发送至线下门店的终端设备。通过上述方式，该方法根据特征识别，精准的匹配顾客的偏好，使得线下门店的销售人员根据顾客的偏好推荐顾客想要的产品，提高了工作效率且提升了顾客的消费体验。
附图说明
图1为本发明实施例提供的一个基于特征识别的获取顾客偏好信息的方法的流程图；
图2为本发明实施例提供的S4步骤的流程图；
图3为本发明实施例提供的一个基于特征识别的获取顾客偏好信息的系统的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部实施例。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，都属于本发明保护的范围。
显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。
本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。
为解决现有技术中线下门店进行商品推荐时无法清楚了解顾客偏好、顾客消费体验差的技术问题，本发明提供了一种基于特征识别的获取顾客偏好信息的方法，根据特征识别，精准的匹配顾客的偏好，使得线下门店的销售人员根据顾客的偏好推荐顾客想要的产品，提高了工作效率且提升了顾客的消费体验。
下面结合具体实施例及说明书附图，对本实施例的技术方案作详细说明。
本实施例涉及一种基于特征识别的获取顾客偏好信息的方法，包括：
S1：获取线下门店内顾客的特征信息及所述线下门店的位置信息；
S2：将所述特征信息与顾客行为数据库进行匹配，确定所述顾客的唯一标识号，并将所述位置信息与所述顾客行为数据库进行匹配，确定所述门店的类目标签；
S3：基于所述顾客行为数据库，确定与所述唯一标识号相对应的行为数据包，基于所述类目标签对所述行为数据包进行偏好计算，得到与所述类目标签相对应的所述顾客的偏好信息；
S4：将所述偏好信息发送至所述线下门店的终端设备。
本实施例所提供的基于特征识别的获取顾客偏好信息的方法，根据特征识别，精准的匹配顾客的偏好，使得线下门店的销售人员根据顾客的偏好推荐顾客想要的产品，提高了工作效率且提升了顾客的消费体验。
参考图1，图1为本发明实施例提供的一个基于特征识别的获取顾客偏好信息的方法的流程图。本实施例所提供的一种基于特征识别的获取顾客偏好信息的方法，包括：
S1：获取线下门店内顾客的特征信息及所述线下门店的位置信息。
在本实施例中，S1步骤中获取线下门店内顾客的特征信息，具体包括：通过摄像设备，和/或录音设备获取线下门店内顾客的特征信息。其中，S1步骤中的特征信息具体包括：人脸特征信息，和/或声纹特征信息。
在具体应用中，线下门店中安装有摄像设备和/录音设备，具体地说，线下门店的销售人员佩戴有智能工牌，智能工牌可为录音设备，当顾客进入门店后，线下门店内的摄像设备采集顾客的人脸图像，后台服务器对顾客的人脸图像进行人脸识别，获取顾客的人脸特征信息，若线下门店未安装摄像设备，当线下门店内的销售人员与顾客对话时，录音设备过滤掉环境背景音，使得准确采集到顾客的声音信号，后台服务器对顾客的声音信号进行声音识别，获取顾客的声纹特征信息。
S2：将所述特征信息与顾客行为数据库进行匹配，确定所述顾客的唯一标识号，并将所述位置信息与所述顾客行为数据库进行匹配，确定所述门店的类目标签。
在本发明实施例中，S2步骤中顾客行为数据库，具体包括：顾客特征信息、顾客唯一标识号、门店位置信息、门店类目标签及顾客行为数据包，其中，顾客行为数据包括线下门店顾客行为数据和线上平台顾客行为数据。其中，顾客特征信息、顾客唯一标识号、门店位置信息、门店类目标签、线下门店顾客行为数据和线上平台顾客行为数据相互关联。在本实施例中，顾客唯一标识号可以设置为顾客的身份证号，也可以设置为顾客的手机号，具体可根据实际情况选择，不受本实施例的限制。在本实施例中，线下门店顾客行为数据包括但不限于线下门店的顾客商品购买记录信息、线下门店的顾客会员注册信息，线上平台顾客行为数据包括但不限于线上门店对应的官方应用程序的顾客商品购买和/或浏览记录信息、购物网站上的旗舰店的顾客商品购买和/或浏览记录信息、公众号上的顾客商品购买和/或浏览记录信息及社交平台的顾客的视频观看和/或点赞信息。其中，采用线上线下数据融合方法将线下门店顾客行为数据和线上平台顾客行为数据打通，实现数据共享。
在具体应用中，门店内设置有定位设备，在当有顾客进入门店内时，在采集顾客的特征信息时，同时采集线下门店的位置信息，并将门店的位置信息发送至后台服务器。线下门店的顾客商品购买记录信息可由线下门店的收银系统采集。在线上平台中，顾客在注册账号时，设置有人脸识别和/或声音识别与唯一标识号相结合的账号绑定方式，在当获取到顾客的人脸特征信息或声纹特征信息后，将人脸特征信息或声纹特征信息与顾客行为数据库中的人脸特征信息和/或声纹特征信息进行匹配，根据匹配的结果，即可确定顾客的唯一标识号。
S3：基于所述顾客行为数据库，确定与所述唯一标识号相对应的行为数据包，基于所述类目标签对所述行为数据包进行偏好计算，得到与所述类目标签相对应的所述顾客的偏好信息。
S4：将所述偏好信息发送至所述线下门店的终端设备。
在本实施例中，为进一步提升消费体验，参考图2，S4步骤具体包括：
S41：根据所述唯一标识号，对所述顾客进行分类；顾客的类型包括：首次顾客和固定顾客；
S42：将所述S41步骤的分类结果和所述偏好信息发送至所述线下门店的终端设备。
在本实施例中，线下门店的终端设备可为手机、电脑、线下门店柜台显示屏及耳返设备。终端设备与录音设备相连接，可通过wifi、蓝牙等进行无线连接。在本实施例中，优选为耳返设备，耳返设备通过蓝牙与录音设备进行无线连接。
在具体应用中，首次顾客可定义为未在线下门店注册会员的顾客，固定顾客可定义为在线下门店已注册会员的顾客。在顾客注册会员时可采用顾客手机号和/或顾客身份证号进行注册，当确定顾客手机号或顾客身份证号后，基于顾客行为数据库，可确定进店顾客是否为固定顾客。当销售人员通过录音设备接收到后台服务器发送的分类结果和偏好信息时，可根据分类结果和偏好信息进行线下门店的商品进行销售推荐。
为了更好的促进销售人员之间的竞争，可根据进店顾客的类型分配不同的销售人员，以提供差异性服务。若进店顾客为固定顾客时，固定顾客配有专属销售人员，将顾客类型和偏好信息通过耳返设备发送至专属销售人员，由专属销售人员根据进店顾客的偏好信息对线下门店内的商品进行销售推荐；若进店顾客为首次顾客时，对线下门店的销售人员的业绩进行排序，将顾客类型和偏好信息通过耳返设备发送至高业绩销售人员，由线下门店内高业绩销售人员根据进店顾客的偏好信息对线下门店内的商品进行销售推荐。上述方式可更好的促进销售人员之间的竞争关系，让业绩好的人有更多的福利，同时通过顾客的偏好信息，也激励业绩不好的销售人员做自身的技术提升。
本实施例提供的一种基于特征识别的获取顾客偏好信息的方法，该方法根据特征识别，精准的匹配顾客的偏好，使得线下门店的销售人员根据顾客的偏好推荐顾客想要的产品，提高了工作效率且提升了顾客的消费体验。
本实施例还提供一种基于特征识别的获取顾客偏好信息的系统，参考图3，包括：
信息获取模块，用于获取线下门店内顾客的特征信息及所述线下门店的位置信息；
信息匹配模块，用于将所述特征信息与顾客行为数据库进行匹配，确定所述顾客的唯一标识号，并将所述位置信息与所述顾客行为数据库进行匹配，确定所述门店的类目标签；
偏好信息确定模块，用于基于所述顾客行为数据库，确定与所述唯一标识号相对应的行为数据包，基于所述类目标签对所述行为数据包进行偏好计算，得到与所述类目标签相对应的所述顾客的偏好信息；
信息推送模块，用于将所述偏好信息发送至所述线下门店的终端设备。
在本实施例中，其中，信息获取模块中获取线下门店内顾客的特征信息，具体包括：通过摄像设备，和/或录音设备获取线下门店内顾客的特征信息。信息获取模块中特征信息，具体包括：人脸特征信息，和/或声纹特征信息。
在本发明实施例中，信息匹配模块中顾客行为数据库，具体包括：顾客特征信息、顾客唯一标识号、门店位置信息、门店类目标签及顾客行为数据包，其中，顾客行为数据包括线下门店顾客行为数据和线上平台顾客行为数据。其中，顾客特征信息、顾客唯一标识号、门店位置信息、门店类目标签、线下门店顾客行为数据和线上平台顾客行为数据相互关联。在本实施例中，顾客唯一标识号可以设置为顾客的身份证号，也可以设置为顾客的手机号，具体可根据实际情况选择，不受本实施例的限制。在本实施例中，线下门店顾客行为数据包括但不限于线下门店的顾客商品购买记录信息、线下门店的顾客会员注册信息，线上平台顾客行为数据包括但不限于线上门店对应的官方应用程序的顾客商品购买和/或浏览记录信息、购物网站上的旗舰店的顾客商品购买和/或浏览记录信息、公众号上的顾客商品购买和/或浏览记录信息及社交平台的顾客的视频观看和/或点赞信息。其中，采用线上线下数据融合方法将线下门店顾客行为数据和线上平台顾客行为数据打通，实现数据共享。
其中，所述信息推送模块具体包括：
用于根据所述唯一标识号，对所述顾客进行分类；并用于将分类结果和所述偏好信息发送至所述线下门店的终端设备；顾客的类型包括：首次顾客和固定顾客。
在本实施例中，线下门店的终端设备可为手机、电脑、线下门店柜台显示屏及耳返设备。终端设备与录音设备相连接，可通过wifi、蓝牙等进行无线连接。在本实施例中，优选为耳返设备，耳返设备通过蓝牙与录音设备进行无线连接。
为了更好的促进销售人员之间的竞争，可根据进店顾客的类型分配不同的销售人员，以提供差异性服务。若进店顾客为固定顾客时，固定顾客配有专属销售人员，将顾客类型和偏好信息通过耳返设备发送至专属销售人员，由专属销售人员根据进店顾客的偏好信息对线下门店内的商品进行销售推荐；若进店顾客为首次顾客时，对线下门店的销售人员的业绩进行排序，将顾客类型和偏好信息通过耳返设备发送至高业绩销售人员，由线下门店内高业绩销售人员根据进店顾客的偏好信息对线下门店内的商品进行销售推荐。上述方式可更好的促进销售人员之间的竞争关系，让业绩好的人有更多的福利，同时通过顾客的偏好信息，也激励业绩不好的销售人员做自身的技术提升。
本实施例提供的基于特征识别的获取顾客偏好信息的系统，根据特征识别，精准的匹配顾客的偏好，使得线下门店的销售人员根据顾客的偏好推荐顾客想要的产品，提高了工作效率且提升了顾客的消费体验。
以上所述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 (10)

1.一种基于特征识别的获取顾客偏好信息的方法，其特征在于，包括：
S1：获取线下门店内顾客的特征信息及所述线下门店的位置信息；
S2：将所述特征信息与顾客行为数据库进行匹配，确定所述顾客的唯一标识号，并将所述位置信息与所述顾客行为数据库进行匹配，确定所述门店的类目标签；
S3：基于所述顾客行为数据库，确定与所述唯一标识号相对应的行为数据包，基于所述类目标签对所述行为数据包进行偏好计算，得到与所述类目标签相对应的所述顾客的偏好信息；
S4：将所述偏好信息发送至所述线下门店的终端设备。
2.根据权利要求1所述的基于特征识别的获取顾客偏好信息的方法，其特征在于，所述S4步骤中具体包括：
S41：根据所述唯一标识号，对所述顾客进行分类；顾客的类型包括：首次顾客和固定顾客；
S42：将所述S41步骤的分类结果和所述偏好信息发送至所述线下门店的终端设备。
3.根据权利要求1所述的基于特征识别的获取顾客偏好信息的方法，其特征在于，所述S1步骤中所述获取线下门店内顾客的特征信息，具体包括：
通过摄像设备，和/或录音设备获取线下门店内顾客的特征信息。
4.根据权利要求3所述的基于特征识别的获取顾客偏好信息的方法，其特征在于，所述S1步骤中所述特征信息，具体包括：
人脸特征信息，和/或声纹特征信息。
5.根据权利要求1所述的基于特征识别的获取顾客偏好信息的方法，其特征在于，所述S2步骤中所述顾客行为数据库，具体包括：
顾客特征信息、顾客唯一标识号、门店位置信息、门店类目标签及顾客行为数据包；
所述顾客行为数据包包括：线下门店顾客行为数据和线上平台顾客行为数据。
6.一种基于特征识别的获取顾客偏好信息的系统，其特征在于，包括：
信息获取模块，用于获取线下门店内顾客的特征信息及所述线下门店的位置信息；
信息匹配模块，用于将所述特征信息与顾客行为数据库进行匹配，确定所述顾客的唯一标识号，并将所述位置信息与所述顾客行为数据库进行匹配，确定所述门店的类目标签；
偏好信息确定模块，用于基于所述顾客行为数据库，确定与所述唯一标识号相对应的行为数据包，基于所述类目标签对所述行为数据包进行偏好计算，得到与所述类目标签相对应的所述顾客的偏好信息；
信息推送模块，用于将所述偏好信息发送至所述线下门店的终端设备。
7.根据权利要求6所述的基于特征识别的获取顾客偏好信息的系统，其特征在于，所述信息推送模块具体包括：
用于根据所述唯一标识号，对所述顾客进行分类；并用于将分类结果和所述偏好信息发送至所述线下门店的终端设备；顾客的类型包括：首次顾客和固定顾客。
8.根据权利要求6所述的基于特征识别的获取顾客偏好信息的系统，其特征在于，所述信息获取模块中所述获取线下门店内顾客的特征信息，具体包括：
通过摄像设备，和/或录音设备获取线下门店内顾客的特征信息。
9.根据权利要求8所述的基于特征识别的获取顾客偏好信息的系统，其特征在于，所述信息获取模块中所述特征信息，具体包括：
人脸特征信息，和/或声纹特征信息。
10.根据权利要求6所述的基于特征识别的获取顾客偏好信息的系统，其特征在于，所述信息匹配模块中所述顾客行为数据库，具体包括：
顾客特征信息、顾客唯一标识号、门店位置信息、门店类目标签及顾客行为数据包；
所述顾客行为数据包包括：线下门店顾客行为数据和线上平台顾客行为数据。
CN202011286355.3A 2020-11-17 2020-11-17 一种基于特征识别的获取顾客偏好信息的方法及系统 Pending CN112380437A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011286355.3A CN112380437A (zh) 2020-11-17 2020-11-17 一种基于特征识别的获取顾客偏好信息的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011286355.3A CN112380437A (zh) 2020-11-17 2020-11-17 一种基于特征识别的获取顾客偏好信息的方法及系统

Publications (1)

Publication Number Publication Date
CN112380437A true CN112380437A (zh) 2021-02-19

Family

ID=74585775

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011286355.3A Pending CN112380437A (zh) 2020-11-17 2020-11-17 一种基于特征识别的获取顾客偏好信息的方法及系统

Country Status (1)

Country Link
CN (1) CN112380437A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113065016A (zh) * 2021-03-23 2021-07-02 支付宝(杭州)信息技术有限公司 线下门店信息处理方法、装置、设备及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107507017A (zh) * 2017-07-07 2017-12-22 阿里巴巴集团控股有限公司 一种线下导购方法和装置
CN108197519A (zh) * 2017-12-08 2018-06-22 北京天正聚合科技有限公司 基于二维码扫描触发人脸图像采集的方法和装置
CN109214290A (zh) * 2018-08-03 2019-01-15 深圳市前海圆舟网络科技股份有限公司 一种基于人脸识别的门店客户管理方法及装置
CN109472677A (zh) * 2018-12-28 2019-03-15 出门问问信息科技有限公司 信息推送方法、装置、电子设备及计算机可读存储介质
CN110503451A (zh) * 2018-05-18 2019-11-26 苏宁易购集团股份有限公司 基于位置的实体门店信息与商品促销信息推送方法和系统
CN110766454A (zh) * 2019-10-12 2020-02-07 广州臻一计算机系统有限公司 门店的顾客到访信息收集方法以及门店子系统架构
CN111784454A (zh) * 2020-06-30 2020-10-16 广东奥园奥买家电子商务有限公司 一种面向顾客进行精准推荐商品的方法和装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107507017A (zh) * 2017-07-07 2017-12-22 阿里巴巴集团控股有限公司 一种线下导购方法和装置
CN108197519A (zh) * 2017-12-08 2018-06-22 北京天正聚合科技有限公司 基于二维码扫描触发人脸图像采集的方法和装置
CN110503451A (zh) * 2018-05-18 2019-11-26 苏宁易购集团股份有限公司 基于位置的实体门店信息与商品促销信息推送方法和系统
CN109214290A (zh) * 2018-08-03 2019-01-15 深圳市前海圆舟网络科技股份有限公司 一种基于人脸识别的门店客户管理方法及装置
CN109472677A (zh) * 2018-12-28 2019-03-15 出门问问信息科技有限公司 信息推送方法、装置、电子设备及计算机可读存储介质
CN110766454A (zh) * 2019-10-12 2020-02-07 广州臻一计算机系统有限公司 门店的顾客到访信息收集方法以及门店子系统架构
CN111784454A (zh) * 2020-06-30 2020-10-16 广东奥园奥买家电子商务有限公司 一种面向顾客进行精准推荐商品的方法和装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113065016A (zh) * 2021-03-23 2021-07-02 支付宝(杭州)信息技术有限公司 线下门店信息处理方法、装置、设备及系统

Similar Documents

Publication Publication Date Title
CN110033298B (zh) 信息处理设备及其控制方法、系统和存储介质
US9811840B2 (en) Consumer interface device system and method for in-store navigation
JP4778532B2 (ja) 顧客情報収集管理システム
JP5974312B1 (ja) 販売管理装置、販売管理システムおよび販売管理方法
US20180165714A1 (en) Radio frequency event response marketing system
CN104392370A (zh) 一种自动获取顾客信息的电子商务系统和方法
JP2001249987A (ja) 品目認識および推奨システムおよび方法
Chen et al. Real-time smartphone sensing and recommendations towards context-awareness shopping
JP4558891B2 (ja) マーケティング調査システム及び方法、装置並びに記録媒体
JP2018005691A (ja) 情報処理システム、情報処理装置及び情報処理方法
CN114365175A (zh) 店铺利用信息分发装置、具备该店铺利用信息分发装置的店铺利用信息分发系统以及店铺利用信息分发方法
GB2516005A (en) Associating devices to participants
CN111784405A (zh) 基于人脸智能识别knn算法的线下门店智能导购方法
JP2023507043A (ja) データ処理方法、装置、機器、記憶媒体及びコンピュータプログラム
CN112380437A (zh) 一种基于特征识别的获取顾客偏好信息的方法及系统
JP5851560B2 (ja) 情報処理システム
JP2021185533A (ja) 動線判定装置、動線判定システム、動線判定方法及びプログラム
CN116934372A (zh) 一种门店运营客户数据管理方法和系统
CN110348925A (zh) 门店系统、物品搭配方法、装置及电子设备
US11756085B2 (en) Integrated system of physical consumption environment and network consumption environment and control method thereof
CN111127128B (zh) 商品推荐方法、装置及存储介质
JP2018077664A (ja) 情報処理システム、情報処理装置、表示装置及びプログラム
CN112150230A (zh) 一种实体商店信息交互系统和信息推送方法
CN112418994B (zh) 商品的导购方法、装置、电子设备及存储介质
TW202026989A (zh) 推銷方法、推銷裝置、電腦裝置及存儲介質

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