CN112950292A - 基于移动互联网和大数据的线下顾客消费行为习惯获取分析方法 - Google Patents
基于移动互联网和大数据的线下顾客消费行为习惯获取分析方法 Download PDFInfo
- Publication number
- CN112950292A CN112950292A CN202110357199.3A CN202110357199A CN112950292A CN 112950292 A CN112950292 A CN 112950292A CN 202110357199 A CN202110357199 A CN 202110357199A CN 112950292 A CN112950292 A CN 112950292A
- Authority
- CN
- China
- Prior art keywords
- dish
- restaurant
- customer
- taste
- order
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 235000019640 taste Nutrition 0.000 claims abstract description 117
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000012216 screening Methods 0.000 claims description 11
- 235000019604 hot taste sensations Nutrition 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 230000008034 disappearance Effects 0.000 abstract 1
- 230000006399 behavior Effects 0.000 description 17
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
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
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0254—Targeted advertisements based on statistics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/12—Hotels or restaurants
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Probability & Statistics with Applications (AREA)
- Computational Linguistics (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Cash Registers Or Receiving Machines (AREA)
Abstract
本发明公开提供的基于移动互联网和大数据的线下顾客消费行为习惯获取分析方法,该方法包括以下步骤:获取该餐饮店对应的菜品信息;获取该采集周期内该餐饮店对应的点单信息;采集各顾客对应的消费订单信息;获取各顾客对应的消费频次;对各点单菜品种类进行分析和处理;对各点单菜品种类对应的口味进行分析和处理;对各顾客的消费信息进行分析和处理;将分析和处理的结果发送至工作人员;通过对该餐饮店的菜品种类和菜品口味以及各顾客对应的偏好菜品和偏好口味进行了细致的分析,解决了顾客消费获取信息过程比较繁琐并且容易造成信息缺失的问题,大大的提高了该餐饮店热销菜品的推送效率。
Description
技术领域
本发明属于顾客消费行为获取分析技术领域,涉及到基于移动互联网和大数据的线下顾客消费行为习惯获取分析方法。
背景技术
随着科技的发展与社会的进步,很多餐饮店的经营模式都发生了巨大的改变,餐饮店的竞争压力也变得越来越大,为了保证餐饮店的正常营业,就需要对顾客的消费行为的习惯进行分析,以保障能够更快速的获取各顾客的就餐需求。
现有的顾客消费行为习惯的获取方法主要时通过菜单的点菜情况进行分析和统计,进而获取各顾客对应的消费习惯,但是现有的获取顾客消费行为习惯的方法需要花费很长的时间周期,并且要对每个顾客的信息进行人工记忆,这种方法获取的数据不具有很强的稳定性,因此,现有的顾客消费行为习惯的获取方法还存在了一定的问题,一方面,顾客消费获取信息过程比较繁琐,容易造成信息缺失,一方面,需要耗费大量的时间成本,获取顾客消费行为习惯的效率低,另一方面,无法保障顾客消费的体验和精准获取各顾客的喜好,同时无法有效的提升餐饮店热销菜品的推送效率。
发明内容
鉴于此,为解决上述背景技术中所提出的问题,现提出一种针对线下餐饮店的基于移动互联网和大数据的线下顾客消费行为习惯获取分析方法,实现了对顾客消费行为习惯的精准获取;
本发明的目的可以通过以下技术方案实现:
本发明提供了基于移动互联网和大数据的线下顾客消费行为习惯获取分析方法,该方法包括以下步骤:
S1、菜品信息获取:所述菜品信息获取用于获取该餐饮店对应的菜品信息,其中菜品信息包括菜品种类和各菜品种类对应的口味,进而将该餐饮店对应的菜品种类按照预设顺序进行编号,依次标记为1,2,...i,...n,同时获取该餐饮店各菜品种类对应的口味,并将各菜品种类对应的口味按照预设顺序进行编号,依次标记为1,2,...j,...m;
S2、订单信息获取:获取该采集周期内该餐饮店对应的订单数量,根据该采集周期内该餐饮店对应的订单数量,将该采集周期内该餐饮店对应的订单按照预设顺序进行编号,依次标记为1,2,...u,...v,进而获取该采集周期内该餐饮店各订单对应的信息,其中订单信息包括顾客账号、点单菜品种类和各点单菜品种类对应的口味,进而构建该采集周期该餐饮店订单信息集合Fw(Fw1,Fw2,...Fwu,...Fwv),Fwu表示该采集周期内该餐饮店第u个订单对应的第w个信息,w表示订单信息,w=a,b,r,a,b和r分别表示顾客账号、点单菜品种类和点单菜品种类对应的口味,b=1,2,...i,...n,r=1,2,...j,...m;
S3、顾客消费信息采集:所述顾客消费信息采集用于采集该采集周期内该餐饮店顾客对应的消费订单信息,进而根据该采集周期内该餐饮店订单信息集合,进而获取该采集周期内该餐饮店各订单对应的订单信息,进而调取该采集周期内各订单对应的顾客账号,将该采集周期内该餐饮店对应的顾客账号进行对比筛选,进而统计该采集周期内该餐饮店对应的顾客的数量,进而将该采集周期内该餐饮店对应的顾客按照预设顺序进行编号,依次标记为1,2,...p,...s,进而获取该采集周期内该餐饮店各顾客对应的消费订单信息;
S4、消费频次获取:根据该采集周期内该餐饮店对应的顾客账号,进而获取该采集周期内对应的顾客账号相同的订单,进而获取该采集周期内该餐饮店各顾客对应的消费频次,进而将该采集周期内该餐饮店对应的各顾客的消费按照其消费时间的先后顺序进行编号,依次标记为1,2,...f,...y;
S5、菜品种类分析与处理:根据该采集周期该餐饮店订单信息集合,进而获取该采集周期内该餐饮店各订单对应的点单菜品种类,根据该采集周期内该餐饮店各订单对应的点单菜品种类进而获取该采集周期内该餐饮店对应的综合点单菜品种类,将该采集周期内该餐饮店对应的综合点单菜品种类进行对比筛选,进而获取该采集周期内该餐饮店各点单菜品种类对应的点单次数,将该采集周期内该餐饮店各点单菜品种类对应的点单次数与该采集周期内该餐饮店各点单菜品种类对应的标准点单次数进行对比,进而统计各菜品种类推荐影响系数,将各菜品种类推送影响系数按照从大到小的顺序进行排序,进而获取排名第一位的菜品种类,并将该菜品种类记为热销菜品,同时提取排名最后一位的菜品种类,将该菜品种类记为冷门菜品;
S6、菜品口味分析与处理:根据该采集周期该餐饮店订单信息集合,进而获取该采集周期内该餐饮店各订单对应的各点单各菜品种类对应口味,进而根据获取的该采集周期内该餐饮店热销菜品对应的种类,进而调取该采集周期内该餐饮店热销菜品对应的各口味的点单次数,将该采集周期内该餐饮店热销菜品对应的各口味的点单次数与该采集周期内该餐饮店热销菜品各口味对应的标准点单次数进行对比,进而统计各菜品口味推送影响系数,进而将各菜品口味推送影响系数按照从大到小的顺序进行排列,进而获取排名第一位的各菜品口味推送影响系数,将该菜品口味记为热销菜品口味,同时提取排名最后一位的各菜品口味推送影响系数,将该菜品口味记为冷门菜品口味;
S7、顾客消费分析与处理:所述顾客消费分析与处理用于对各顾客对应的消费订单信息进行分析和处理,进而根据各顾客对应的消费订单信息和各顾客对应的消费频次,进而获取各顾客每次消费对应的点单菜品的种类和各点单菜品种类对应的口味,进而将各顾客每次消费对应的点单菜品的种类,进而获取各顾客在该采集周期内该餐饮店对应的综合点单菜品的种类,将各顾客在该餐饮店该采集周期内对应的综合点单菜品的种类进行对比筛选,进而统计各顾客各菜品种类对应的点单次数,进而将各顾客各菜品种类对应的点单次数与各顾客对应的消费频次进行对比,进而统计各顾客菜品种类偏好影响系数,将各顾客对应的点单菜品种类的口味进行对比筛选,进而统计各菜品种类对应各口味的点单次数,进而将各顾客菜品种类对应的口味的点单次数与与各顾客对应的消费频次进行对比,进而统计各顾客菜品口味偏好影响系数;
S8、综合分析与处理:根据统计的各菜品种类推送影响系数和各菜品口味推送影响系数进而统计菜品推送综合影响系数,同时根据统计的各顾客菜品种类偏好影响系数和各顾客菜品口味偏好影响系数进而统计各顾客消费偏好综合影响系数;
S9、远程控制:根据统计的该采集周期内该餐饮店对应的热销菜品、冷门菜品、热销菜品对应的热销口味、各菜品种类对应的冷门口味,进而将该采集周期内该餐饮店对应的热销菜品、冷门菜品、各菜品种类对应的热销口味、各菜品种类对应的冷门口味发送至餐饮店负责人员,进而调动餐饮店负责人员进行相应菜品的推送调整。
优选地,所述各菜品种类推送影响系数计算公式为αb表示第b个点单菜品种类对应的推送影响系数,Gbg表示该采集周期内该餐饮店第g个订单第b个点单菜品种类对应的点单次数,Gb标准g表示该采集周期内该餐饮店第g个订单第b个点单菜品种类对应的标准点单次数,g表示该采集周期内该餐饮店对应的订单编号,g=1,2,...u,...v,b表示菜品种类编号,b=1,2,...i,...n。
优选地,所述各菜品口味推送影响系数计算公式为βr表示第第r个热销菜品口味对应的推送影响系数,Rr表示该采集周其内该餐饮店热销菜品第r个口味对应的点单次数,Rr标准表示该采集周其内该餐饮店热销菜品第r个口味对应的标准点单次数,r表示菜品口味编号,r=1,2,...j,...m。
优选地,所述各顾客菜品偏好影响系数计算公式为φd表示第d个顾客对应的消费菜品偏好影响系数,fd b表示第d个顾客第b个菜品种类对应的点单次数,hd表示第d个顾客对应的消费频次,h表示各顾客对应的消费频次编号,h=1,2,...f,...y,d表示顾客编号,d=1,2,...p,...s。
本发明的有益效果:
(1)本发明提供的基于移动互联网和大数据的线下顾客消费行为习惯获取分析方法,通过对该餐饮店对应的各订单信息、该餐饮店各菜品信息和顾客消费信息的获取,进而对该餐饮店的菜品种类和菜品口味以及各顾客对应的偏好菜品和偏好口味进行了细致的分析,进而解决了顾客消费获取信息过程比较繁琐并且容易造成信息缺失的问题,有效的降低了顾客消费行为习惯获取的时间成本,从而有效的提升了对顾客消费行为习惯获取的效率,同时大大的提高了该餐饮店热销菜品的推送效率。
(2)本发明通过对该餐饮店的订单进行分析进行而实现了对该餐饮店和对顾客双重的菜品推送模式,进而有效的推升了该餐饮店的营业效率,同时的大大的提高了顾客的体验感。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述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为本发明方法实施步骤流程图。
具体实施方式
下面将结合本发明实施以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
请参阅图1所示,本发明提供了基于移动互联网和大数据的线下顾客消费行为习惯获取分析方法,该方法包括以下步骤:
S1、菜品信息获取:所述菜品信息获取用于获取该餐饮店对应的菜品信息,其中菜品信息包括菜品种类和各菜品种类对应的口味,进而将该餐饮店对应的菜品种类按照预设顺序进行编号,依次标记为1,2,...i,...n,同时获取该餐饮店各菜品种类对应的口味,并将各菜品种类对应的口味按照预设顺序进行编号,依次标记为1,2,...j,...m;
S2、订单信息获取:获取该采集周期内该餐饮店对应的订单数量,根据该采集周期内该餐饮店对应的订单数量,将该采集周期内该餐饮店对应的订单按照预设顺序进行编号,依次标记为1,2,...u,...v,进而获取该采集周期内该餐饮店各订单对应的信息,其中订单信息包括顾客账号、点单菜品种类和各点单菜品种类对应的口味,进而构建该采集周期该餐饮店订单信息集合Fw(Fw1,Fw2,...Fwu,...Fwv),Fwu表示该采集周期内该餐饮店第u个订单对应的第w个信息,w表示订单信息,w=a,b,r,a,b和r分别表示顾客账号、点单菜品种类和点单菜品种类对应的口味,b=1,2,...i,...n,r=1,2,...j,...m;
本发明实施例通过获取该采集周期内该餐饮店对应的订单信息,为后续该餐饮店的热销菜品和冷门菜品的分析以及对顾客消费偏好的分析提供了数据基础。
S3、顾客消费信息采集:所述顾客消费信息采集用于采集该采集周期内该餐饮店顾客对应的消费订单信息,进而根据该采集周期内该餐饮店订单信息集合,进而获取该采集周期内该餐饮店各订单对应的订单信息,进而调取该采集周期内各订单对应的顾客账号,将该采集周期内该餐饮店对应的顾客账号进行对比筛选,进而统计该采集周期内该餐饮店对应的顾客的数量,进而将该采集周期内该餐饮店对应的顾客按照预设顺序进行编号,依次标记为1,2,...p,...s,进而获取该采集周期内该餐饮店各顾客对应的消费订单信息;
S4、消费频次获取:根据该采集周期内该餐饮店对应的顾客账号,进而获取该采集周期内对应的顾客账号相同的订单,进而获取该采集周期内该餐饮店各顾客对应的消费频次,进而将该采集周期内该餐饮店对应的各顾客的消费按照其消费时间的先后顺序进行编号,依次标记为1,2,...f,...y;
S5、菜品种类分析与处理:根据该采集周期该餐饮店订单信息集合,进而获取该采集周期内该餐饮店各订单对应的点单菜品种类,根据该采集周期内该餐饮店各订单对应的点单菜品种类进而获取该采集周期内该餐饮店对应的综合点单菜品种类,将该采集周期内该餐饮店对应的综合点单菜品种类进行对比筛选,进而获取该采集周期内该餐饮店各点单菜品种类对应的点单次数,将该采集周期内该餐饮店各点单菜品种类对应的点单次数与该采集周期内该餐饮店各点单菜品种类对应的标准点单次数进行对比,进而统计各菜品种类推荐影响系数,其中,各菜品种类推送影响系数计算公式为αb表示第b个点单菜品种类对应的推送影响系数,Gbg表示该采集周期内该餐饮店第g个订单第b个点单菜品种类对应的点单次数,Gb标准g表示该采集周期内该餐饮店第g个订单第b个点单菜品种类对应的标准点单次数,g表示该采集周期内该餐饮店对应的订单编号,g=1,2,...u,...v,b表示菜品种类编号,b=1,2,...i,...n,将各菜品种类推送影响系数按照从大到小的顺序进行排序,进而获取排名第一位的菜品种类,并将该菜品种类记为热销菜品,同时提取排名最后一位的菜品种类,将该菜品种类记为冷门菜品;
本发明实施例通过对热销菜品和冷门菜品的分析,有效的为该餐饮店热销菜品的推荐技工了便利,同时通过获取的冷门菜品,进而有效的为该餐饮店节省相关的材料。
S6、菜品口味分析与处理:根据该采集周期该餐饮店订单信息集合,进而获取该采集周期内该餐饮店各订单对应的各点单各菜品种类对应口味,进而根据获取的该采集周期内该餐饮店热销菜品对应的种类,进而调取该采集周期内该餐饮店热销菜品对应的各口味的点单次数,将该采集周期内该餐饮店热销菜品对应的各口味的点单次数与该采集周期内该餐饮店热销菜品各口味对应的标准点单次数进行对比,进而统计各菜品口味推送影响系数,其中,各菜品口味推送影响系数计算公式为βr表示第第r个热销菜品口味对应的推送影响系数,Rr表示该采集周其内该餐饮店热销菜品第r个口味对应的点单次数,Rr标准表示该采集周其内该餐饮店热销菜品第r个口味对应的标准点单次数,r表示菜品口味编号,r=1,2,...j,...m,进而将各菜品口味推送影响系数按照从大到小的顺序进行排列,进而获取排名第一位的各菜品口味推送影响系数,将该菜品口味记为热销菜品口味,同时提取排名最后一位的各菜品口味推送影响系数,将该菜品口味记为冷门菜品口味;
本发明实施例通过过对菜品口味的分析,有效的为该餐饮店热销菜品热销口味的推送提供了便利。
S7、顾客消费分析与处理:所述顾客消费分析与处理用于对各顾客对应的消费订单信息进行分析和处理,进而根据各顾客对应的消费订单信息和各顾客对应的消费频次,进而获取各顾客每次消费对应的点单菜品的种类和各点单菜品种类对应的口味,进而将各顾客每次消费对应的点单菜品的种类,进而获取各顾客在该采集周期内该餐饮店对应的综合点单菜品的种类,将各顾客在该餐饮店该采集周期内对应的综合点单菜品的种类进行对比筛选,进而统计各顾客各菜品种类对应的点单次数,进而将各顾客各菜品种类对应的点单次数与各顾客对应的消费频次进行对比,进而统计各顾客菜品种类偏好影响系数,其中,各顾客菜品偏好影响系数计算公式为φd表示第d个顾客对应的消费菜品偏好影响系数,fd b表示第d个顾客第b个菜品种类对应的点单次数,hd表示第d个顾客对应的消费频次,h表示各顾客对应的消费频次编号,h=1,2,...f,...y,d表示顾客编号,d=1,2,...p,...s,将各顾客对应的点单菜品种类的口味进行对比筛选,进而统计各菜品种类对应各口味的点单次数,进而将各顾客菜品种类对应的口味的点单次数与与各顾客对应的消费频次进行对比,进而统计各顾客菜品口味偏好影响系数,其中,各顾客菜品口味偏好影响系数计算公式为φd表示第d个顾客对应的菜品口味偏好影响系数,表示第d个顾客第b个菜品种类对应第r个口味的点单次数;
本发明实施例通过对该餐饮店的订单进行分析进行而实现了对该餐饮店和对顾客双重的菜品推送模式,进而有效的推升了该餐饮店的营业效率,同时的大大的提高了顾客的体验感。
S8、综合分析与处理:根据统计的各菜品种类推送影响系数和各菜品口味推送影响系数进而统计菜品推送综合影响系数,其中,菜品推送综合影响系数计算公式为Q表示菜品推送对应的综合影响系数,n表示菜品种类对应的数量,m表示各菜品种类对应的口味数量,同时根据统计的各顾客菜品种类偏好影响系数和各顾客菜品口味偏好影响系数进而统计各顾客消费偏好综合影响系数,其中,各顾客消费偏好综合影响系数计算公式为Pd表示第d个顾客对应的消费偏好综合影响系数,hd表示d个顾客对应的消费频次;
本发明实施例,通过对该餐饮店对应的各订单信息、该餐饮店各菜品信息和顾客消费信息的获取,进而对该餐饮店的菜品种类和菜品口味以及各顾客对应的偏好菜品和偏好口味进行了细致的分析,进而解决了顾客消费获取信息过程比较繁琐并且容易造成信息缺失的问题,有效的降低了顾客消费行为习惯获取的时间成本,从而有效的提升了对顾客消费行为习惯获取的效率,同时大大的提高了该餐饮店热销菜品的推送效率;
S9、远程控制:根据统计的该采集周期内该餐饮店对应的热销菜品、冷门菜品、热销菜品对应的热销口味、各菜品种类对应的冷门口味,进而将该采集周期内该餐饮店对应的热销菜品、冷门菜品、各菜品种类对应的热销口味、各菜品种类对应的冷门口味发送至餐饮店负责人员,进而调动餐饮店负责人员进行相应菜品的推送调整。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (7)
1.基于移动互联网和大数据的线下顾客消费行为习惯获取分析方法,其特征在于:该方法包括以下步骤:
S1、菜品信息获取:所述菜品信息获取用于获取该餐饮店对应的菜品信息,其中菜品信息包括菜品种类和各菜品种类对应的口味,进而将该餐饮店对应的菜品种类按照预设顺序进行编号,依次标记为1,2,...i,...n,同时获取该餐饮店各菜品种类对应的口味,并将各菜品种类对应的口味按照预设顺序进行编号,依次标记为1,2,...j,...m;
S2、订单信息获取:获取该采集周期内该餐饮店对应的订单数量,根据该采集周期内该餐饮店对应的订单数量,将该采集周期内该餐饮店对应的订单按照预设顺序进行编号,依次标记为1,2,...u,...v,进而获取该采集周期内该餐饮店各订单对应的信息,其中订单信息包括顾客账号、点单菜品种类和各点单菜品种类对应的口味,进而构建该采集周期该餐饮店订单信息集合Fw(Fw1,Fw2,...Fwu,...Fwv),Fwu表示该采集周期内该餐饮店第u个订单对应的第w个信息,w表示订单信息,w=a,b,r,a,b和r分别表示顾客账号、点单菜品种类和点单菜品种类对应的口味,b=1,2,...i,...n,r=1,2,...j,...m;
S3、顾客消费信息采集:所述顾客消费信息采集用于采集该采集周期内该餐饮店顾客对应的消费订单信息,进而根据该采集周期内该餐饮店订单信息集合,进而获取该采集周期内该餐饮店各订单对应的订单信息,进而调取该采集周期内各订单对应的顾客账号,将该采集周期内该餐饮店对应的顾客账号进行对比筛选,进而统计该采集周期内该餐饮店对应的顾客的数量,进而将该采集周期内该餐饮店对应的顾客按照预设顺序进行编号,依次标记为1,2,...p,...s,进而获取该采集周期内该餐饮店各顾客对应的消费订单信息;
S4、消费频次获取:根据该采集周期内该餐饮店对应的顾客账号,进而获取该采集周期内对应的顾客账号相同的订单,进而获取该采集周期内该餐饮店各顾客对应的消费频次,进而将该采集周期内该餐饮店对应的各顾客的消费按照其消费时间的先后顺序进行编号,依次标记为1,2,...f,...y;
S5、菜品种类分析与处理:根据该采集周期该餐饮店订单信息集合,进而获取该采集周期内该餐饮店各订单对应的点单菜品种类,根据该采集周期内该餐饮店各订单对应的点单菜品种类进而获取该采集周期内该餐饮店对应的综合点单菜品种类,将该采集周期内该餐饮店对应的综合点单菜品种类进行对比筛选,进而获取该采集周期内该餐饮店各点单菜品种类对应的点单次数,将该采集周期内该餐饮店各点单菜品种类对应的点单次数与该采集周期内该餐饮店各点单菜品种类对应的标准点单次数进行对比,进而统计各菜品种类推荐影响系数,将各菜品种类推送影响系数按照从大到小的顺序进行排序,进而获取排名第一位的菜品种类,并将该菜品种类记为热销菜品,同时提取排名最后一位的菜品种类,将该菜品种类记为冷门菜品;
S6、菜品口味分析与处理:根据该采集周期该餐饮店订单信息集合,进而获取该采集周期内该餐饮店各订单对应的各点单各菜品种类对应口味,进而根据获取的该采集周期内该餐饮店热销菜品对应的种类,进而调取该采集周期内该餐饮店热销菜品对应的各口味的点单次数,将该采集周期内该餐饮店热销菜品对应的各口味的点单次数与该采集周期内该餐饮店热销菜品各口味对应的标准点单次数进行对比,进而统计各菜品口味推送影响系数,进而将各菜品口味推送影响系数按照从大到小的顺序进行排列,进而获取排名第一位的各菜品口味推送影响系数,将该菜品口味记为热销菜品口味,同时提取排名最后一位的各菜品口味推送影响系数,将该菜品口味记为冷门菜品口味;
S7、顾客消费分析与处理:所述顾客消费分析与处理用于对各顾客对应的消费订单信息进行分析和处理,进而根据各顾客对应的消费订单信息和各顾客对应的消费频次,进而获取各顾客每次消费对应的点单菜品的种类和各点单菜品种类对应的口味,进而将各顾客每次消费对应的点单菜品的种类,进而获取各顾客在该采集周期内该餐饮店对应的综合点单菜品的种类,将各顾客在该餐饮店该采集周期内对应的综合点单菜品的种类进行对比筛选,进而统计各顾客各菜品种类对应的点单次数,进而将各顾客各菜品种类对应的点单次数与各顾客对应的消费频次进行对比,进而统计各顾客菜品种类偏好影响系数,将各顾客对应的点单菜品种类的口味进行对比筛选,进而统计各菜品种类对应各口味的点单次数,进而将各顾客菜品种类对应的口味的点单次数与与各顾客对应的消费频次进行对比,进而统计各顾客菜品口味偏好影响系数;
S8、综合分析与处理:根据统计的各菜品种类推送影响系数和各菜品口味推送影响系数进而统计菜品推送综合影响系数,同时根据统计的各顾客菜品种类偏好影响系数和各顾客菜品口味偏好影响系数进而统计各顾客消费偏好综合影响系数;
S9、远程控制:根据统计的该采集周期内该餐饮店对应的热销菜品、冷门菜品、热销菜品对应的热销口味、各菜品种类对应的冷门口味,进而将该采集周期内该餐饮店对应的热销菜品、冷门菜品、各菜品种类对应的热销口味、各菜品种类对应的冷门口味发送至餐饮店负责人员,进而调动餐饮店负责人员进行相应菜品的推送调整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110357199.3A CN112950292A (zh) | 2021-04-01 | 2021-04-01 | 基于移动互联网和大数据的线下顾客消费行为习惯获取分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110357199.3A CN112950292A (zh) | 2021-04-01 | 2021-04-01 | 基于移动互联网和大数据的线下顾客消费行为习惯获取分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112950292A true CN112950292A (zh) | 2021-06-11 |
Family
ID=76232074
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110357199.3A Withdrawn CN112950292A (zh) | 2021-04-01 | 2021-04-01 | 基于移动互联网和大数据的线下顾客消费行为习惯获取分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112950292A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117541359A (zh) * | 2024-01-04 | 2024-02-09 | 江西工业贸易职业技术学院(江西省粮食干部学校、江西省粮食职工中等专业学校) | 一种基于偏好分析的用餐推荐方法及系统 |
-
2021
- 2021-04-01 CN CN202110357199.3A patent/CN112950292A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117541359A (zh) * | 2024-01-04 | 2024-02-09 | 江西工业贸易职业技术学院(江西省粮食干部学校、江西省粮食职工中等专业学校) | 一种基于偏好分析的用餐推荐方法及系统 |
CN117541359B (zh) * | 2024-01-04 | 2024-03-29 | 江西工业贸易职业技术学院(江西省粮食干部学校、江西省粮食职工中等专业学校) | 一种基于偏好分析的用餐推荐方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Broda et al. | Product creation and destruction: Evidence and price implications | |
CN107391531B (zh) | 一种菜品推荐方法和装置 | |
US8103663B2 (en) | Advertising medium determination device and method therefor | |
Småros et al. | New service opportunities in the e-grocery business | |
KR101956212B1 (ko) | 창업자 자가 진단 결과를 반영한 창업 지원 서비스 제공 방법 | |
JP2008158823A (ja) | 情報提供システム | |
CN108304448B (zh) | 菜品推荐方法及装置、存储介质、处理器 | |
CN107886348A (zh) | 一种人工智能点餐方法及系统 | |
CN106997515A (zh) | 餐饮管理方法及装置 | |
US20120330807A1 (en) | Systems and methods for consumer price index determination using panel-based and point-of-sale market research data | |
CN112950292A (zh) | 基于移动互联网和大数据的线下顾客消费行为习惯获取分析方法 | |
CN110889043A (zh) | 基于大数据的饮食推荐系统与推荐方法 | |
CN115935068A (zh) | 互联网平台的商品推荐方法以及装置 | |
CN114880560A (zh) | 内容的推荐方法和装置、存储介质及电子装置 | |
KR20180026976A (ko) | Diy 제작 지원 서버 및 그 방법 | |
Julio et al. | The Stickiness of Colombian Consumer Prices | |
CN117151815A (zh) | 一种针对跨境商品的定制营销推荐系统 | |
Faqih et al. | The Influence Of Building And Atmosphere On The Development Of Coffee Shop Businesses In The SDGs Era Through Social Media As Intervening Variable | |
CN111445226A (zh) | 一种自助点餐系统及方法 | |
JP2010033608A (ja) | 情報提供システム | |
CN106355445A (zh) | 数据推送方法和装置 | |
CN116227893B (zh) | 基于物联网数据链的全自动无人咖啡厅监控管理系统 | |
JP4928101B2 (ja) | メディア・プランニング・システム | |
CN113158056A (zh) | 推荐语的生成方法及装置 | |
JP6473194B2 (ja) | 売り上げ推計システム |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210611 |
|
WW01 | Invention patent application withdrawn after publication |