CN112464078A - 美容机构的项目推荐方法及系统 - Google Patents
美容机构的项目推荐方法及系统 Download PDFInfo
- Publication number
- CN112464078A CN112464078A CN201910847774.0A CN201910847774A CN112464078A CN 112464078 A CN112464078 A CN 112464078A CN 201910847774 A CN201910847774 A CN 201910847774A CN 112464078 A CN112464078 A CN 112464078A
- Authority
- CN
- China
- Prior art keywords
- client
- rfm
- obtaining
- item set
- consumption
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000003796 beauty Effects 0.000 title claims abstract description 27
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 230000001960 triggered effect Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000007621 cluster analysis Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 4
- 230000000737 periodic effect Effects 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 13
- 230000006399 behavior Effects 0.000 description 5
- 238000013486 operation strategy Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000004936 stimulating effect Effects 0.000 description 1
- 239000003053 toxin Substances 0.000 description 1
- 231100000765 toxin Toxicity 0.000 description 1
- 230000002087 whitening effect Effects 0.000 description 1
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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- 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
- G06Q30/0282—Rating or review of business operators or products
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例公开一种美容机构的项目推荐方法及系统,所述方法首先获得查询指令,所述查询指令中包括有客户的身份标识;然后依据所述身份标识,在预设的数据库中查询所述身份标识对应的客户RFM标签;所述客户RFM标签是依据预设的RFM模型生成的,所述预设的RFM模型用于反映客户在消费频率、消费金额以及消费时间维度上的状态;之后获取所述客户RFM标签所对应的推荐内容;最后将所述推荐内容进行展示。由于本申请技术方案中,最终的推荐内容是依据客户的消费频率、消费金额以及消费时间维度上的状态所得出的,因此,最终所获得的推荐内容精确度大大提高,提高了客户体验。
Description
技术领域
本发明涉及互联网技术领域,更具体的说,是涉及一种美容机构的项目推荐方法及系统。
背景技术
在美容机构中,采用基于医院信息系统(HospitalInformationSystem,HIS)的推荐系统来给出客户推荐内容。
推荐系统是通过推荐算法来列出客户的评分,例如用户对项目的兴趣,但是,由于用户对项目的兴趣等基础数据通常获取的不够准确,因此现有技术中很难采集到用户真实的评分,导致最终给客户推荐内容不符合用户实际需求,精确度差,客户体验差。
发明内容
有鉴于此,本申请提供了一种美容机构的项目推荐方法及系统,以提高为客户推荐内容的精确度,提高客户体验。
为实现上述目的,本发明提供如下技术方案:
一种美容机构的项目推荐方法,所述方法包括:
获得查询指令,所述查询指令中包括有客户的身份标识;
依据所述身份标识,在预设的数据库中查询所述身份标识对应的客户RFM标签;所述客户RFM标签是依据预设的RFM模型生成的,所述预设的RFM模型用于反映客户在消费频率、消费金额以及消费时间维度上的状态;
获取所述客户RFM标签所对应的推荐内容;
将所述推荐内容进行展示。
优选的,依据预设的RFM模型生成客户RFM标签包括:
获得客户的订单数据;
提取所述订单数据中客户消费频率、客户消费金额以及客户消费时间;
获得预设的RFM模型中的标准值数据;
根据所述客户消费频率、客户消费金额以及客户消费时间与所述标准值数据的关系,生成客户RFM标签。
优选的,还包括:
当接收到更新指令时,触发更新客户RFM标签的操作。
优选的,所述更新指令为用户所发送的更新指令或由依据系统定期自动更新任务被触发时发送的更新指令。
优选的,所述所述预设的RFM模型中的标准值数据计算过程包括:
获得所有客户订单数据作为总体样本;
对所述总体样本数据进行聚类分析,得到总体样本差;
将不在所述总体样本差的三倍标准之内的所有数据剔除,得到剩余数据;
对所述剩余数据求均值,得到标准值数据。
优选的,所述获取所述客户RFM标签所对应的推荐内容包括:
获得频繁项目集合,所述频繁项目集合用于表征客户购买项目中关联度高的项目集合;
依据所述频繁项目集合以及预先创建的经验模型得到最终推荐项目集合;所述经验模型是用户预先手动进行配置的包括项目的模型;
将所述推荐项目集合中的项目作为推荐内容。
优选的,所述将所述推荐项目集合中的项目作为推荐内容包括:
获得所述推荐项目集合中各个项目对应的置信系数;所述置信系数为客户对项目标注采纳或置信后所生成的系数;
将所述置信系数作为优先级设置条件,调整所述推荐项目集合中各个项目的排列顺序。
优选的,所述频繁项目集合的创建过程包括:
获得所述数据库中的订单数据;
合并创建日期相同且客户标识相同的订单数据,得到初始项目集合;
删除不符合用户设置的要求的项目,得到修正项目集合;
基于所述修正项目集合,生成项头表以及关系链表;
以所述项头表为依据,调用所述关系链表对应的算法,得到频繁项目集合。
本发明另一方面还公开了一种美容机构的推荐系统,包括:
输入单元,用于获得查询指令,所述查询指令中包括有客户的身份标识;
查询单元,用于依据所述身份标识,在预设的数据库中查询所述身份标识对应的客户RFM标签;所述客户RFM标签是依据预设的RFM模型生成的,所述预设的RFM模型用于反映客户在消费频率、消费金额以及消费时间维度上的状态;
计算单元,用于获取所述客户RFM标签所对应的推荐内容;
输出单元,用于将所述推荐内容进行展示。
经由上述的技术方案可知,本发明实施例公开一种美容机构的项目推荐方法及系统,所述方法首先获得查询指令,所述查询指令中包括有客户的身份标识;然后依据所述身份标识,在预设的数据库中查询所述身份标识对应的客户RFM标签;所述客户RFM标签是依据预设的RFM模型生成的,所述预设的RFM模型用于反映客户在消费频率、消费金额以及消费时间维度上的状态;之后获取所述客户RFM标签所对应的推荐内容;最后将所述推荐内容进行展示。由于本申请技术方案中,最终的推荐内容是依据客户的消费频率、消费金额以及消费时间维度上的状态所得出的,因此,最终所获得的推荐内容精确度大大提高,提高了客户体验。
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,还可以根据提供的附图获得其他的附图。
图1是本发明实施例提供的一种美容机构的项目推荐方法的流程示意图;
图2是本发明实施例公开的一种美容机构的推荐系统的结构示意图。
说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的部分,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示的以外的顺序实施。
具体实施方式
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,都属于本发明保护的范围。
本发明技术方案中,应用在美容机构的技术领域中,在美容机构中,来给客户进行项目的推荐。当然,还可以为销售人员给出推荐建议,有针对性的为客户推荐项目,提高推广的成功率,为企业带来更大的利益。
下面对本申请的技术方案进行详细介绍。
参见图1,图1是本发明实施例提供的一种美容机构的项目推荐方法的流程示意图。
本发明实施例中,公开了一种美容机构的项目推荐方法。
所述方法包括:
S101、获得查询指令,所述查询指令中包括有客户的身份标识;
S102、依据所述身份标识,在预设的数据库中查询所述身份标识对应的客户RFM标签;所述客户RFM标签是依据预设的RFM模型生成的,所述预设的RFM模型用于反映客户在消费频率、消费金额以及消费时间维度上的状态;
S103、获取所述客户RFM标签所对应的推荐内容;
S104、将所述推荐内容进行展示。
本发明技术方案中,可以应用到美容机构所提供的相关设备中,或者可以访问到执行提供项目推荐方法的设备中。相关设备中可以设置有推荐系统,推荐系统用于执行上述项目推荐方法。
本发明实施例中,如果客户需要获取推荐的项目或者销售人员在需要对客户进行项目推广时,可以先访问本申请所设置的推荐系统,通过项目推荐方法得到推荐内容,来实现项目选择或者项目推广。
步骤S101中,首先获得查询指令,该查询指令可以是客户发送的查询指令,也可以是由销售人员所发送的查询指令。
其中,查询指令中可以包括有客户的身份识别标识,例如ID号,病历号,档案编号等。
在步骤S102中,会在预设的数据库中去查询该身份标识所对应的客户RFM标签。
其中,客户RFM标签的目的是为了给客户分层,在推荐系统中可以作为推荐组件。
其中,客户RFM标签是基于RFM模型所生成的,本发明技术方案中,客户RFM标签可以分为8类标签,该8类标签是客户在消费频率、消费金额以及消费时间维度上的状态所创建的,客户的具体建立过程在后面进行详细介绍。
例如,实际上使用中,可以将客户分层为如下类别:重要价值用户、重要发展用户、重要保持用户、重要挽留用户、一般价值用户、一般发展用户、一般保持用户、一般挽留用户。可以理解的是,还可以分为第一、第二、第三等等类别,区别仅在于名词上的区别,在实际使用中只要可以获取到即可。
可以理解的是,在客户RFM标签中,还可以包括有对应的运营策略。
例如,重要价值客户对应的运营策略为保持好现状,而一般挽留客户所对应的运营策略可以包括对各个方面进行刺激。销售人员可以依据该运营策略进行有针对性的推荐,从而提高销售成功率。
其中,依据客户RFM标签可以对应得到其推荐内容。
在实际使用中,推荐内容就是匹配出客户可能感兴趣的治疗项目,比如:“M22强脉冲光治疗、调理排毒美白疗程10次”等。
具体获取过程在后面进行介绍。
由于客户RFM标签与客户评分中依赖获得客户的兴趣不同,更能准确的把握客户的实际需要,因此,得到最终的推荐内容相比于现有技术准确度大大提升,也提高了用户的体验。
在步骤S104中,会对得到的推荐内容进行展示。
可以是在推荐系统的显示装置中显示,当然,可以是通过APP访问到系统来显示到客户端的界面中,在此不进行限定。
其中,推荐内容的展示也是有优先级排序的,具体过程在后面介绍。
经由上述的技术方案可知,本发明实施例公开一种美容机构的项目推荐方法,所述方法首先获得查询指令,所述查询指令中包括有客户的身份标识;然后依据所述身份标识,在预设的数据库中查询所述身份标识对应的客户RFM标签;所述客户RFM标签是依据预设的RFM模型生成的,所述预设的RFM模型用于反映客户在消费频率、消费金额以及消费时间维度上的状态;之后获取所述客户RFM标签所对应的推荐内容;最后将所述推荐内容进行展示。由于本申请技术方案中,最终的推荐内容是依据客户的消费频率、消费金额以及消费时间维度上的状态所得出的,因此,最终所获得的推荐内容精确度大大提高,提高了客户体验。
上述实施例中,介绍了客户RFM标签,下面对生成客户RFM标签的过程进行详细介绍。
本发明实施例中,依据预设的RFM模型生成客户RFM标签包括:
获得客户的订单数据;
提取所述订单数据中客户消费频率、客户消费金额以及客户消费时间;
获得预设的RFM模型中的标准值数据;
根据所述客户消费频率、客户消费金额以及客户消费时间与所述标准值数据的关系,生成客户RFM标签。
本发明实施例中,会为每一个客户都建立各自对应的客户RFM标签。
本发明实施例中,先获得客户的订单数据,然后根据其中客户消费频率、客户消费金额以及客户消费时间的相关数据,来生成客户RFM标签。
实际使用中,客户RFM标签初始化会为每个客户生成一次,每一天信产生的订单数据会依据现有的标准值重新生成,最终形成用户档案的客户RFM标签。
其中,所述预设的RFM模型中的标准值数据计算过程包括:
获得所有客户订单数据作为总体样本;
对所述总体样本数据进行聚类分析,得到总体样本差;
将不在所述总体样本差的三倍标准之内的所有数据剔除,得到剩余数据;
对所述剩余数据求均值,得到标准值数据。
本发明实施例中,RFM模型中划分为三个象限,即R维度,M维度以及F维度。
其中,这三个象限的算法具体为:
R维度以当前时间-上次消费时间,与标准值数据中的R维度标准值对比判定高低(差值小于标准为高,大于标准为低)。其中,默认标准为2次以上消费客户聚类分析,刨除离群点后的均值点。
M维度以历史累计消费额与标准值数据中的M维度标准值比较判定高低(额度大于标准为高,小于标准为低),默认标准为聚类分析,刨除离群点后的均值点。
F维度以近1年的消费次数与标准值数据中的F维度标准值比较判定高低(消费次数大于标准为高,小于标准为低),默认标准为近1年所2次以上消费客户聚类分析,刨除离群点后的均值点。
其中,R维度表征客户最近消费,F维度表征客户消费频率,M维度标准客户消费金额。
其中,标准值数据作为参考数据,其计算方法可以为,对于每一个维度的数据,可以先求每一个维度中所对应的均值,再求总体样本标准差,然后把均值加减三倍标准差之外的数值去除,剩下的再求一遍均值,作为标准值。
优选的,还包括:
当接收到更新指令时,触发更新客户RFM标签的操作。
所述更新指令为用户所发送的更新指令或由依据系统定期自动更新任务被触发时发送的更新指令。
本发明实施例中,还包括对客户RFM标签更新的过程。该更新是为了对RFM模型中的标准值进行更新,进而对客户RFM标签进行更新。
其中,更新的触发条件可以是由用户所手动触发的,也可以是由系统定时进行触发的,系统定期自动更新任务可以为每个月一次。对标准值数据的源数据选择范围可以为近一个月、近三个月、近一年或者全部。
因此,本发明实施例可以及时更新客户RFM标签,使得最终输出的结果尽可能接近当前客户需求。
由此,本发明能够使用摆脱协同过滤算法对客户评分数据的依赖,只依赖客户实际的购买行为数据,得出推荐结果。
本发明能够更准确的根据医美机构客户过往的购买行为,对客户进行RFM分层划分,拟合聚类分析的特点,合理抛出离群点,使分层结果更加准确,符合实际应用场景的需求。
前述实施例中,介绍了获取客户RFM标签对应的推荐内容。下面对此过程进行详细介绍。
本发明实施例中,所述获取所述客户RFM标签所对应的推荐内容包括:
获得频繁项目集合,所述频繁项目集合用于表征客户购买项目中关联度高的项目集合;
依据所述频繁项目集合以及预先创建的经验模型得到最终推荐项目集合;所述经验模型是用户预先手动进行配置的包括项目的模型;
将所述推荐项目集合中的项目作为推荐内容。
所述将所述推荐项目集合中的项目作为推荐内容包括:
获得所述推荐项目集合中各个项目对应的置信系数;所述置信系数为客户对项目标注采纳或置信后所生成的系数;
将所述置信系数作为优先级设置条件,调整所述推荐项目集合中各个项目的排列顺序。
所述频繁项目集合的创建过程包括:
获得所述数据库中的订单数据;
合并创建日期相同且客户标识相同的订单数据,得到初始项目集合;
删除不符合用户设置的要求的项目,得到修正项目集合;
基于所述修正项目集合,生成项头表以及关系链表;
以所述项头表为依据,调用所述关系链表对应的算法,得到频繁项目集合。
本发明实施例中,通过客户RFM标签可以得到与之对应的推荐内容。
具体的,可以先基于FP-Tree协同过滤算法,生成基于RFM标签的同类客户的频繁项目集合,以便于决策建议时所调用。
在推荐系统中,可以采用频繁项目生成组件来执行上述过程。
具体的,可以分为如下过程:
筛选出所有同类客户RFM标签的客户,抽离所有的订单数据,合并同日期同客户的订单,形成初始项目集合。
根据客户输入的支持度要求值X,进行数据清洗,删除掉不符合要求的项目,形成修正项目集合。
基于修正项目集合,生成项头表和FP-Tree关系链表。
套用FP-Tree算法,得出频繁项目集合。
其中,客户输入的支持度要求值X具体可以为百分比80%、65%之类数值。
实际使用中,频繁项目集合为所有购买行为中经过算法过滤后,关联度最高的项目集合,例如{[项目A,项目B,项目C],[项目A,项目E,项目F],[项目D,项目G,项目H,项目I]}。
本发明实施例中,还配置有经验模型,所述经验模型是用户预先手动进行配置的包括项目的模型。
实际使用中,用户可以根据自己的经营经验,和运营策略,给出项目件的关联关系,形成经验模型。
如果频繁项目集合中有所缺失,或者无法匹配到与客户RFM标签匹配的项目,则优先依据经验模型给与项目,将其作为推荐内容给与输出。
本发明实施例中,通过基于FP-Tree算法的协同过滤算法,计算出可推荐的项目频繁结果集。
本发明实施例中,对于最终输出的推荐内容,会依据置信系数作为排序条件对所展示的内容进行排序。优先输出置信系数高的项目。
由于设置有经验模型,因此,本申请实施例在没有大量数据支持的前提下,在冷启动阶段就可以实现对推荐内容的输出,且有较高的正确率。
本发明实施例可以在美容机构中,对客户数据进行管理,可以通过经验模型解决如医美机构中客户数据冷启动阶段而导致的推荐结果不准确的问题。
可以摆脱对客户评分数据的依赖,只依赖客户实际的购买行为数据而得出推荐内容。
本发明能够更准确的根据医美机构客户过往的购买行为,对客户进行RFM分层划分,拟合聚类分析的特点,合理抛出离群点,使分层结果更加准确,符合实际应用场景的需求。
与所述方法实施例相对应的,本发明另一方面还公开了一种美容机构的推荐系统。
参见图2,图2是本发明实施例公开的一种美容机构的推荐系统的结构示意图。
所述一种美容机构的推荐系统,包括:
输入单元1,用于获得查询指令,所述查询指令中包括有客户的身份标识;
查询单元2,用于依据所述身份标识,在预设的数据库中查询所述身份标识对应的客户RFM标签;所述客户RFM标签是依据预设的RFM模型生成的,所述预设的RFM模型用于反映客户在消费频率、消费金额以及消费时间维度上的状态;
计算单元3,用于获取所述客户RFM标签所对应的推荐内容;
输出单元4,用于将所述推荐内容进行展示。
可以理解的是,本发明实施例中的美容机构的推荐系统中,各个模块、单元的实现可以参考上述实施例中一种美容机构的推荐方法,在此不进行赘述。
经由上述的技术方案可知,本发明实施例公开一种美容机构的项目推荐系统,所述系统首先获得查询指令,所述查询指令中包括有客户的身份标识;然后依据所述身份标识,在预设的数据库中查询所述身份标识对应的客户RFM标签;所述客户RFM标签是依据预设的RFM模型生成的,所述预设的RFM模型用于反映客户在消费频率、消费金额以及消费时间维度上的状态;之后获取所述客户RFM标签所对应的推荐内容;最后将所述推荐内容进行展示。由于本申请技术方案中,最终的推荐内容是依据客户的消费频率、消费金额以及消费时间维度上的状态所得出的,因此,最终所获得的推荐内容精确度大大提高,提高了客户体验。
实际使用中,机构用户使用可以实现该推荐方法的相关系统,在经过一定周期的数据采集后,销售人员在咨询客户之前登录系统查询针对该客户的推荐方案,在咨询过程中用这些项目作为开口项目进行触达,客户整体的被开发概率得到显著提升。此外,利用RFM模型带来的8类标签进行客户分层,在营销活动中依据营销活动的目的不同,分发给不同标签的客户,也大大提升了活动中客户的响应率和最终转化。实现了机构业绩的大幅提升。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种美容机构的项目推荐方法,其特征在于,所述方法包括:
获得查询指令,所述查询指令中包括有客户的身份标识;
依据所述身份标识,在预设的数据库中查询所述身份标识对应的客户RFM标签;所述客户RFM标签是依据预设的RFM模型生成的,所述预设的RFM模型用于反映客户在消费频率、消费金额以及消费时间维度上的状态;
获取所述客户RFM标签所对应的推荐内容;
将所述推荐内容进行展示。
2.根据权利要求1所述的推荐方法,其特征在于,依据预设的RFM模型生成客户RFM标签包括:
获得客户的订单数据;
提取所述订单数据中客户消费频率、客户消费金额以及客户消费时间;
获得预设的RFM模型中的标准值数据;
根据所述客户消费频率、客户消费金额以及客户消费时间与所述标准值数据的关系,生成客户RFM标签。
3.根据权利要求2所述的推荐方法,其特征在于,还包括:
当接收到更新指令时,触发更新客户RFM标签的操作。
4.根据权利要求3所述的推荐方法,其特征在于,所述更新指令为用户所发送的更新指令或由依据系统定期自动更新任务被触发时发送的更新指令。
5.根据权利要求3或4所述的推荐方法,其特征在于,所述所述预设的RFM模型中的标准值数据计算过程包括:
获得所有客户订单数据作为总体样本;
对所述总体样本数据进行聚类分析,得到总体样本差;
将不在所述总体样本差的三倍标准之内的所有数据剔除,得到剩余数据;
对所述剩余数据求均值,得到标准值数据。
6.根据权利要求1所述的推荐方法,其特征在于,所述获取所述客户RFM标签所对应的推荐内容包括:
获得频繁项目集合,所述频繁项目集合用于表征客户购买项目中关联度高的项目集合;
依据所述频繁项目集合以及预先创建的经验模型得到最终推荐项目集合;所述经验模型是用户预先手动进行配置的包括项目的模型;
将所述推荐项目集合中的项目作为推荐内容。
7.根据权利要求6所述的推荐方法,其特征在于,所述将所述推荐项目集合中的项目作为推荐内容包括:
获得所述推荐项目集合中各个项目对应的置信系数;所述置信系数为客户对项目标注采纳或置信后所生成的系数;
将所述置信系数作为优先级设置条件,调整所述推荐项目集合中各个项目的排列顺序。
8.根据权利要求6所述的推荐方法,其特征在于,所述频繁项目集合的创建过程包括:
获得所述数据库中的订单数据;
合并创建日期相同且客户标识相同的订单数据,得到初始项目集合;
删除不符合用户设置的要求的项目,得到修正项目集合;
基于所述修正项目集合,生成项头表以及关系链表;
以所述项头表为依据,调用所述关系链表对应的算法,得到频繁项目集合。
9.一种美容机构的推荐系统,其特征在于,包括:
输入单元,用于获得查询指令,所述查询指令中包括有客户的身份标识;
查询单元,用于依据所述身份标识,在预设的数据库中查询所述身份标识对应的客户RFM标签;所述客户RFM标签是依据预设的RFM模型生成的,所述预设的RFM模型用于反映客户在消费频率、消费金额以及消费时间维度上的状态;
计算单元,用于获取所述客户RFM标签所对应的推荐内容;
输出单元,用于将所述推荐内容进行展示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910847774.0A CN112464078A (zh) | 2019-09-09 | 2019-09-09 | 美容机构的项目推荐方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910847774.0A CN112464078A (zh) | 2019-09-09 | 2019-09-09 | 美容机构的项目推荐方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112464078A true CN112464078A (zh) | 2021-03-09 |
Family
ID=74807418
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910847774.0A Pending CN112464078A (zh) | 2019-09-09 | 2019-09-09 | 美容机构的项目推荐方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112464078A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114841734A (zh) * | 2022-04-06 | 2022-08-02 | 杭州脸脸会网络技术有限公司 | 一种商品信息处理方法、装置、系统、电子装置和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103198418A (zh) * | 2013-03-15 | 2013-07-10 | 北京亿赞普网络技术有限公司 | 一种应用推荐方法和系统 |
CN103530341A (zh) * | 2013-10-08 | 2014-01-22 | 广州品唯软件有限公司 | 物品信息生成推送方法和系统 |
CN107908778A (zh) * | 2017-12-04 | 2018-04-13 | 杭州华量软件有限公司 | 一种智慧商场大数据管理系统 |
-
2019
- 2019-09-09 CN CN201910847774.0A patent/CN112464078A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103198418A (zh) * | 2013-03-15 | 2013-07-10 | 北京亿赞普网络技术有限公司 | 一种应用推荐方法和系统 |
CN103530341A (zh) * | 2013-10-08 | 2014-01-22 | 广州品唯软件有限公司 | 物品信息生成推送方法和系统 |
CN107908778A (zh) * | 2017-12-04 | 2018-04-13 | 杭州华量软件有限公司 | 一种智慧商场大数据管理系统 |
Non-Patent Citations (2)
Title |
---|
付畅俭;冷智花;: "集成AHP和数据挖掘的个性推荐系统研究", 计算机工程与应用, no. 34, pages 191 - 193 * |
李鹏 等: "基于用户群组行为分析的视频推荐方法研究", 《电子与信息学报》, vol. 36, no. 6, pages 1487 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114841734A (zh) * | 2022-04-06 | 2022-08-02 | 杭州脸脸会网络技术有限公司 | 一种商品信息处理方法、装置、系统、电子装置和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11847684B2 (en) | Systems and method for tracking consumer tasting preferences | |
Crie | Consumers' complaint behaviour. Taxonomy, typology and determinants: Towards a unified ontology | |
Altuntaş et al. | Industry forces, competitive and functional strategies and organizational performance: Evidence from restaurants in Istanbul, Turkey | |
CN107220353B (zh) | 一种智能客服机器人满意度自动评价方法及系统 | |
US8341101B1 (en) | Determining relationships between data items and individuals, and dynamically calculating a metric score based on groups of characteristics | |
US20140289006A1 (en) | Method and System For Social Media Sales | |
EP1388110A2 (en) | Automated survey and report system | |
WO2013003425A2 (en) | Inter-campaign advertising management | |
US20170061344A1 (en) | Identifying and mitigating customer churn risk | |
CN109919629A (zh) | 一种客户关系管理系统及方法 | |
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 | |
US20090254421A1 (en) | Method of Matching Potential Clients to Legal Service Providers | |
Brivot et al. | Digitalization and promotion: An empirical study in a large law firm | |
CN108256970A (zh) | 一种基于购物需求进行产品推荐的方法 | |
Kühne et al. | Conceptual decomposition of complex health care interventions for evidence synthesis: a literature review | |
WO2021129342A1 (zh) | 数据处理方法、装置、设备、存储介质及计算机程序 | |
CN109559152A (zh) | 一种网络营销方法、系统及计算机存储介质 | |
CN109064296A (zh) | 一种辅助加餐的方法、装置和系统 | |
US20130117037A1 (en) | Goal Tracking and Segmented Marketing Systems and Methods with Network Analysis and Visualization | |
CN112464078A (zh) | 美容机构的项目推荐方法及系统 | |
EP2862055A2 (en) | Service asset management system and method | |
Yu et al. | Perceived values to evaluate smart product-service systems of smart kitchen appliances | |
Deng et al. | Let Artificial Intelligence Be Your Shelf Watchdog: The Impact of Intelligent Image Processing-Powered Shelf Monitoring on Product Sales. | |
CN111177549A (zh) | 一种适用于出口型跨境贸易的客户推荐方法 | |
CN109325637A (zh) | 会员流失预测方法、装置、存储介质及电子设备 |
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 |