CN113191799A - 基于大数据的商场智能导购系统 - Google Patents

基于大数据的商场智能导购系统 Download PDF

Info

Publication number
CN113191799A
CN113191799A CN202110438995.XA CN202110438995A CN113191799A CN 113191799 A CN113191799 A CN 113191799A CN 202110438995 A CN202110438995 A CN 202110438995A CN 113191799 A CN113191799 A CN 113191799A
Authority
CN
China
Prior art keywords
consumption
merchant
user
market
module
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
CN202110438995.XA
Other languages
English (en)
Inventor
汪洋
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN202110438995.XA priority Critical patent/CN113191799A/zh
Publication of CN113191799A publication Critical patent/CN113191799A/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
    • 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
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
    • 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
    • G06F16/29—Geographical information databases
    • 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
    • G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
    • G06Q30/0224—Discounts or incentives, e.g. coupons or rebates 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0623—Item investigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Theoretical Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Remote Sensing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Abstract

本发明公开了一种基于大数据的商场智能导购系统，所述导购系统包括常用商场数据库、商场判断模块、消费记录获取模块、商家评估模块和导航图推送模块，所述常用商场数据库用于存储常用商场的位置，所述商场判断模块用于采集用户当前所在的商场位置，并判断采集的商场位置是否属于常用商场数据库中的位置，并在不属于常用商场数据库中的位置时令消费记录获取模块获取用户在最近第一时间段中的消费记录，所述消费记录包括消费商家、消费位置和消费日期，所述商家评估模块根据消费记录获取模块获取的消费记录和商场内各个入驻商家的信息计算商家推荐指数。

Description

基于大数据的商场智能导购系统
技术领域
本发明涉及大数据技术领域，具体为一种基于大数据的商场智能导购系统。
背景技术
商场，指聚集在一起的各种商店组成的市场，面积较大、商品比较齐全的大商店。商场内的商店能够覆盖衣食住行，为人们提供生活便利，带来娱乐消遣。随着人口、经济的增长，商场的规模越来越大，商场中的商店的数量也越来越多，当用户去一个不熟悉的商场进行消费时，对于商场各个商店的分布情况不够清晰，用户体验较低。
发明内容
本发明的目的在于提供一种基于大数据的商场智能导购系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据的商场智能导购系统，所述导购系统包括常用商场数据库、商场判断模块、消费记录获取模块、商家评估模块和导航图推送模块，所述常用商场数据库用于存储常用商场的位置，所述商场判断模块用于采集用户当前所在的商场位置，并判断采集的商场位置是否属于常用商场数据库中的位置，并在不属于常用商场数据库中的位置时令消费记录获取模块获取用户在最近第一时间段中的消费记录，所述消费记录包括消费商家、消费位置和消费日期，所述商家评估模块根据消费记录获取模块获取的消费记录和商场内各个入驻商家的信息计算商家推荐指数，所述导航图推送模块获取用户当前位于商场的内部楼层位置，获取用户所在的内部楼层位置到各个入驻商家的导航图，并将各个入驻商家的导航图按照商家推荐指数从大到小的顺序依次推送呈现给用户终端。
进一步的，所述商家评估模块包括第一消费指数计算模块、第二消费指数计算模块和商家推荐指数计算模块，所述第一消费指数计算模块获取用户当前所在商场的入驻商家，从用户最近第一时间段中的消费记录中筛选出消费商家为入驻商家的消费记录，从筛选后的消费记录中统计各个为入驻商家的消费商家的消费次数并据此计算各个入驻商家的第一消费指数，所述第二消费指数计算模块采集当前时间周期中各个入驻商家的人流量Q并据此计算各个入驻商家的第二消费指数，所述商家推荐指数计算模块根据第一消费指数和第二消费指数计算商家推荐指数。
进一步的，所述导购系统还包括数据库建立模块，所述数据库建立模块包括商场消费记录获取筛选模块、光顾次数采集模块和光顾次数比较模块，所述商场消费记录获取筛选模块用于获取用户在最近第二时间段内的商场消费记录，并从中筛选出消费位置相同的商场消费记录为该消费位置的分消费记录，所述光顾次数采集模块获取某个消费位置的分消费记录中的各个消费日期，采集该消费位置不同的消费日期的个数为该消费位置的光顾次数，所述光顾次数比较模块将某个消费位置的光顾次数与光顾次数阈值进行比较，并在该消费位置的光顾次数大于等于光顾次数阈值，那么该消费位置所对应的商场为常用商场，将该商场的位置存入常用商场数据库。
进一步的，所述导航图推送模块包括GPS位置采集模块和楼层位置获取模块，所述GPS位置采集模块采集用户终端的GPS位置为用户的GPS位置，所述楼层位置获取模块包括消费位置判断模块、消费时间间隔比较模块、圆形区域划分模块、参考GPS位置获取模块、重合度比较模块、楼层个数判断模块和人流量排序模块，所述消费位置判断模块用于获取用户终端最近一笔消费记录的消费位置，并在消费记录中的消费位置为当前所在的商场位置时，令消费时间间隔比较模块比较当前时间与该最近一笔消费记录的消费时间的时间间隔与行走时间阈值之间的大小关系，在时间间隔小于等于行走时间阈值时令用户所在的内部楼层即为该最近一笔消费记录所对应的消费商家所在的楼层，所述圆形区域划分模块在最近一笔消费记录的消费位置不是当前所在的商场位置或者时间间隔大于行走时间阈值时，采集用户终端GPS位置并以用户终端GPS位置为中心，以第一长度R为半径画圆形成圆形区域，所述参考GPS位置获取模块获取圆形区域内商场的各个入驻商家，采集在各个入驻商家进行支付的用户终端的GPS位置为参考GPS位置，且入驻商家所在楼层为该参考GPS位置所在楼层，所述重合度比较模块获取用户终端GPS位置和参考GPS位置的分布图，并在某个参考GPS位置与用户终端GPS位置的重合度大于等于重合度阈值时，令该参考GPS位置所在的楼层为无效楼层，所述楼层个数判断模块筛选过滤掉商场内在预设的第三时间段内为无效楼层的楼层，判断剩下的楼层个数，在剩下的楼层个数为1，设该楼层即为用户所在的楼层，所述人流量排序模块在剩下的楼层个数大于等于1，将各个楼层的人流量按照从大到小的顺序进行排序，选取人流量排序第一的楼层为用户所在的楼层。
一种基于大数据的商场智能导购方法，所述导购方法包括以下：
预先建立常用商场数据库，所述常用商场数据库用于存储常用商场的位置；
采集用户当前所在的商场位置，如果采集的商场位置不属于常用商场数据库中的位置时，获取用户在最近第一时间段中的消费记录，
采集商场内各个入驻商家的信息并据此次计算商家推荐指数；
获取用户当前位于商场的内部楼层位置，获取用户所在的内部楼层位置到各个入驻商家的导航图，并将各个入驻商家的导航图按照商家推荐指数从大到小的顺序依次推送呈现给用户终端。
进一步的，所述消费记录包括消费商家、消费位置和消费日期。
进一步的，所述采集商场内各个入驻商家的信息并据此次计算商家推荐指数包括以下：
获取用户当前所在商场的入驻商家，从用户最近第一时间段中的消费记录中筛选出消费商家为入驻商家的消费记录，从筛选后的消费记录中统计各个为入驻商家的消费商家的消费次数P，那么，各个入驻商家的第一消费指数a=[P-Pmin]/[Pmax-Pmin]，其中，Pmax为筛选后的消费记录中消费次数最多的消费商家的消费次数，Pmin为筛选后的消费记录中消费次数最少的消费商家的消费次数；
采集当前时间周期中各个入驻商家的人流量Q，那么各个入驻商家的第二消费指数b=[Q-Qmin]/[Qmax-Qmin]，其中，Qmax为当前时间周期中人流量最多的消费商家的人流量，Qmin为当前时间周期中人流量最少的消费商家的人流量，
那么商家推荐指数Z=0.68*a+0.32*b。
进一步的，所述预先建立常用商场数据库包括以下：
获取用户在最近第二时间段内的商场消费记录，并从中筛选出消费位置相同的商场消费记录为该消费位置的分消费记录；
获取某个消费位置的分消费记录中的各个消费日期，采集该消费位置不同的消费日期的个数为该消费位置的光顾次数；
如果某个消费位置的光顾次数大于等于光顾次数阈值，那么该消费位置所对应的商场为常用商场，将该商场的位置存入常用商场数据库。
进一步的，所述获取用户当前位于商场的内部楼层位置包括获取用户所在的楼层和获取用户的GPS位置。
进一步的，采集用户终端的GPS位置为用户的GPS位置；
所述获取用户所在的楼层包括以下：
获取用户终端最近一笔消费记录的消费位置，如果消费记录中的消费位置为当前所在的商场位置时，如果当前时间与该最近一笔消费记录的消费时间的时间间隔小于等于行走时间阈值，那么用户所在的内部楼层即为该最近一笔消费记录所对应的消费商家所在的楼层；
否则，采集用户终端GPS位置并以用户终端GPS位置为中心，以第一长度R为半径画圆形成圆形区域，获取圆形区域内商场的各个入驻商家，采集在各个入驻商家进行支付的用户终端的GPS位置为参考GPS位置，且入驻商家所在楼层为该参考GPS位置所在楼层，
获取用户终端GPS位置和参考GPS位置的分布图，如果某个参考GPS位置与用户终端GPS位置的重合度大于等于重合度阈值，那该参考GPS位置所在的楼层为无效楼层，筛选过滤掉商场内在预设的第三时间段内为无效楼层的楼层，判断剩下的楼层个数，如果剩下的楼层个数为1，那么该楼层即为用户所在的楼层，如果剩下的楼层个数大于等于1，将各个楼层的人流量按照从大到小的顺序进行排序，选取人流量排序第一的楼层为用户所在的楼层。
与现有技术相比，本发明所达到的有益效果是：本发明通过采集用户的历史消费情况和商场内各个入驻商家的信息并据此将各个入驻商家的导航图按照一定的顺序推送呈现给用户终端，使得用户能够快速的找到想要消费的场所，提高用户体验。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明基于大数据的商场智能导购系统的模块示意图。
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。
请参阅图1，本发明提供技术方案：一种基于大数据的商场智能导购系统，所述导购系统包括常用商场数据库、商场判断模块、消费记录获取模块、商家评估模块和导航图推送模块，所述常用商场数据库用于存储常用商场的位置，所述商场判断模块用于采集用户当前所在的商场位置，并判断采集的商场位置是否属于常用商场数据库中的位置，并在不属于常用商场数据库中的位置时令消费记录获取模块获取用户在最近第一时间段中的消费记录，所述消费记录包括消费商家、消费位置和消费日期，所述商家评估模块根据消费记录获取模块获取的消费记录和商场内各个入驻商家的信息计算商家推荐指数，所述导航图推送模块获取用户当前位于商场的内部楼层位置，获取用户所在的内部楼层位置到各个入驻商家的导航图，并将各个入驻商家的导航图按照商家推荐指数从大到小的顺序依次推送呈现给用户终端。
所述商家评估模块包括第一消费指数计算模块、第二消费指数计算模块和商家推荐指数计算模块，所述第一消费指数计算模块获取用户当前所在商场的入驻商家，从用户最近第一时间段中的消费记录中筛选出消费商家为入驻商家的消费记录，从筛选后的消费记录中统计各个为入驻商家的消费商家的消费次数并据此计算各个入驻商家的第一消费指数，所述第二消费指数计算模块采集当前时间周期中各个入驻商家的人流量Q并据此计算各个入驻商家的第二消费指数，所述商家推荐指数计算模块根据第一消费指数和第二消费指数计算商家推荐指数。
所述导购系统还包括数据库建立模块，所述数据库建立模块包括商场消费记录获取筛选模块、光顾次数采集模块和光顾次数比较模块，所述商场消费记录获取筛选模块用于获取用户在最近第二时间段内的商场消费记录，并从中筛选出消费位置相同的商场消费记录为该消费位置的分消费记录，所述光顾次数采集模块获取某个消费位置的分消费记录中的各个消费日期，采集该消费位置不同的消费日期的个数为该消费位置的光顾次数，所述光顾次数比较模块将某个消费位置的光顾次数与光顾次数阈值进行比较，并在该消费位置的光顾次数大于等于光顾次数阈值，那么该消费位置所对应的商场为常用商场，将该商场的位置存入常用商场数据库。
所述导航图推送模块包括GPS位置采集模块和楼层位置获取模块，所述GPS位置采集模块采集用户终端的GPS位置为用户的GPS位置，所述楼层位置获取模块包括消费位置判断模块、消费时间间隔比较模块、圆形区域划分模块、参考GPS位置获取模块、重合度比较模块、楼层个数判断模块和人流量排序模块，所述消费位置判断模块用于获取用户终端最近一笔消费记录的消费位置，并在消费记录中的消费位置为当前所在的商场位置时，令消费时间间隔比较模块比较当前时间与该最近一笔消费记录的消费时间的时间间隔与行走时间阈值之间的大小关系，在时间间隔小于等于行走时间阈值时令用户所在的内部楼层即为该最近一笔消费记录所对应的消费商家所在的楼层，所述圆形区域划分模块在最近一笔消费记录的消费位置不是当前所在的商场位置或者时间间隔大于行走时间阈值时，采集用户终端GPS位置并以用户终端GPS位置为中心，以第一长度R为半径画圆形成圆形区域，所述参考GPS位置获取模块获取圆形区域内商场的各个入驻商家，采集在各个入驻商家进行支付的用户终端的GPS位置为参考GPS位置，且入驻商家所在楼层为该参考GPS位置所在楼层，所述重合度比较模块获取用户终端GPS位置和参考GPS位置的分布图，并在某个参考GPS位置与用户终端GPS位置的重合度大于等于重合度阈值时，令该参考GPS位置所在的楼层为无效楼层，所述楼层个数判断模块筛选过滤掉商场内在预设的第三时间段内为无效楼层的楼层，判断剩下的楼层个数，在剩下的楼层个数为1，设该楼层即为用户所在的楼层，所述人流量排序模块在剩下的楼层个数大于等于1，将各个楼层的人流量按照从大到小的顺序进行排序，选取人流量排序第一的楼层为用户所在的楼层。
一种基于大数据的商场智能导购方法，所述导购方法包括以下：
预先建立常用商场数据库，所述常用商场数据库用于存储常用商场的位置；
所述预先建立常用商场数据库包括以下：
获取用户在最近第二时间段内的商场消费记录，并从中筛选出消费位置相同的商场消费记录为该消费位置的分消费记录；
获取某个消费位置的分消费记录中的各个消费日期，采集该消费位置不同的消费日期的个数为该消费位置的光顾次数；
如果某个消费位置的光顾次数大于等于光顾次数阈值，那么该消费位置所对应的商场为常用商场，将该商场的位置存入常用商场数据库；
采集用户当前所在的商场位置，如果采集的商场位置不属于常用商场数据库中的位置时，获取用户在最近第一时间段中的消费记录，所述消费记录包括消费商家、消费位置和消费日期；
采集商场内各个入驻商家的信息并据此次计算商家推荐指数；
获取用户当前所在商场的入驻商家，从用户最近第一时间段中的消费记录中筛选出消费商家为入驻商家的消费记录，从筛选后的消费记录中统计各个为入驻商家的消费商家的消费次数P，那么，各个入驻商家的第一消费指数a=[P-Pmin]/[Pmax-Pmin]，其中，Pmax为筛选后的消费记录中消费次数最多的消费商家的消费次数，Pmin为筛选后的消费记录中消费次数最少的消费商家的消费次数；打个比方，用户当前所在商场中有优衣库、热风、乐高等，从用户最近第一时间段中的消费记录中筛选出优衣库、热风、乐高的消费记录，可以是在当前所在商场中的优衣库、热风、乐高店中的消费记录，也可以是其他商场中的优衣库、热风、乐高店的消费记录；如果说当前所在商场中的入驻商家并没有出现在用户最近第一时间段中的消费记录，那么该入驻商家的第一消费指数a=0；
采集当前时间周期中各个入驻商家的人流量Q，那么各个入驻商家的第二消费指数b=[Q-Qmin]/[Qmax-Qmin]，其中，Qmax为当前时间周期中人流量最多的消费商家的人流量，Qmin为当前时间周期中人流量最少的消费商家的人流量，
那么商家推荐指数Z=0.68*a+0.32*b；
获取用户当前位于商场的内部楼层位置，获取用户所在的内部楼层位置到各个入驻商家的导航图，并将各个入驻商家的导航图按照商家推荐指数从大到小的顺序依次推送呈现给用户终端；
获取用户当前位于商场的内部楼层位置包括获取用户所在的楼层和获取用户的GPS位置。
采集用户终端的GPS位置为用户的GPS位置；
所述获取用户所在的楼层包括以下：
获取用户终端最近一笔消费记录的消费位置，如果消费记录中的消费位置为当前所在的商场位置时，如果当前时间与该最近一笔消费记录的消费时间的时间间隔小于等于行走时间阈值，那么用户所在的内部楼层即为该最近一笔消费记录所对应的消费商家所在的楼层；
否则，采集用户终端GPS位置并以用户终端GPS位置为中心，以第一长度R为半径画圆形成圆形区域，获取圆形区域内商场的各个入驻商家，采集在各个入驻商家进行支付的用户终端的GPS位置为参考GPS位置，且入驻商家所在楼层为该参考GPS位置所在楼层，
获取用户终端GPS位置和参考GPS位置的分布图，如果某个参考GPS位置与用户终端GPS位置的重合度大于等于重合度阈值，那该参考GPS位置所在的楼层为无效楼层，筛选过滤掉商场内在预设的第三时间段内为无效楼层的楼层，判断剩下的楼层个数，如果剩下的楼层个数为1，那么该楼层即为用户所在的楼层，如果剩下的楼层个数大于等于1，将各个楼层的人流量按照从大到小的顺序进行排序，选取人流量排序第一的楼层为用户所在的楼层。在实际应用过程中，在行走的过程中一直在更新获取用户的GPS位置，判断用户所在的楼层。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种基于大数据的商场智能导购系统，其特征在于，所述导购系统包括常用商场数据库、商场判断模块、消费记录获取模块、商家评估模块和导航图推送模块，所述常用商场数据库用于存储常用商场的位置，所述商场判断模块用于采集用户当前所在的商场位置，并判断采集的商场位置是否属于常用商场数据库中的位置，并在不属于常用商场数据库中的位置时令消费记录获取模块获取用户在最近第一时间段中的消费记录，所述消费记录包括消费商家、消费位置和消费日期，所述商家评估模块根据消费记录获取模块获取的消费记录和商场内各个入驻商家的信息计算商家推荐指数，所述导航图推送模块获取用户当前位于商场的内部楼层位置，获取用户所在的内部楼层位置到各个入驻商家的导航图，并将各个入驻商家的导航图按照商家推荐指数从大到小的顺序依次推送呈现给用户终端；
基于大数据的商场智能导购方法包括以下步骤：
预先建立常用商场数据库，所述常用商场数据库用于存储常用商场的位置；
采集用户当前所在的商场位置，如果采集的商场位置不属于常用商场数据库中的位置时，获取用户在最近第一时间段中的消费记录，
采集商场内各个入驻商家的信息并据此次计算商家推荐指数；
获取用户当前位于商场的内部楼层位置，获取用户所在的内部楼层位置到各个入驻商家的导航图，并将各个入驻商家的导航图按照商家推荐指数从大到小的顺序依次推送呈现给用户终端；
所述消费记录包括消费商家、消费位置和消费日期；
所述采集商场内各个入驻商家的信息并据此次计算商家推荐指数包括以下：
获取用户当前所在商场的入驻商家，从用户最近第一时间段中的消费记录中筛选出消费商家为入驻商家的消费记录，从筛选后的消费记录中统计各个为入驻商家的消费商家的消费次数P，那么，各个入驻商家的第一消费指数a=[P-Pmin]/[Pmax-Pmin]，其中，Pmax为筛选后的消费记录中消费次数最多的消费商家的消费次数，Pmin为筛选后的消费记录中消费次数最少的消费商家的消费次数；
采集当前时间周期中各个入驻商家的人流量Q，那么各个入驻商家的第二消费指数b=[Q-Qmin]/[Qmax-Qmin]，其中，Qmax为当前时间周期中人流量最多的消费商家的人流量，Qmin为当前时间周期中人流量最少的消费商家的人流量，
那么商家推荐指数Z=0.68*a+0.32*b。
CN202110438995.XA 2020-09-25 2020-09-25 基于大数据的商场智能导购系统 Pending CN113191799A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110438995.XA CN113191799A (zh) 2020-09-25 2020-09-25 基于大数据的商场智能导购系统

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202110438995.XA CN113191799A (zh) 2020-09-25 2020-09-25 基于大数据的商场智能导购系统
CN202011022950.6A CN112070563B (zh) 2020-09-25 2020-09-25 基于大数据的商场智能导购系统及方法

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN202011022950.6A Division CN112070563B (zh) 2020-09-25 2020-09-25 基于大数据的商场智能导购系统及方法

Publications (1)

Publication Number Publication Date
CN113191799A true CN113191799A (zh) 2021-07-30

Family

ID=73683451

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202011022950.6A Active CN112070563B (zh) 2020-09-25 2020-09-25 基于大数据的商场智能导购系统及方法
CN202110438995.XA Pending CN113191799A (zh) 2020-09-25 2020-09-25 基于大数据的商场智能导购系统

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202011022950.6A Active CN112070563B (zh) 2020-09-25 2020-09-25 基于大数据的商场智能导购系统及方法

Country Status (1)

Country Link
CN (2) CN112070563B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114526751B (zh) * 2021-01-11 2024-05-07 李高云 基于数据可视化的轨迹移动分析系统

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107067284A (zh) * 2017-04-24 2017-08-18 济南浪潮高新科技投资发展有限公司 一种应用于大数据的个性精准导购方法
CN107609941A (zh) * 2017-09-13 2018-01-19 杨菊英 一种基于大数据的搜寻导购系统及方法
CN107687856A (zh) * 2017-08-23 2018-02-13 长沙稻冰工程技术有限公司 基于电子地图的导航方法、终端及计算机存储介质
CN109118337A (zh) * 2018-08-28 2019-01-01 深圳市烽焌信息科技有限公司 消费商家的推荐方法及相关产品
CN109522475A (zh) * 2018-10-26 2019-03-26 浙江工业大学之江学院 一种基于用户历史消费数据的商家推荐方法
CN109784583A (zh) * 2019-02-28 2019-05-21 南京金信通信息服务有限公司 基于大数据的商超智能导购方法和系统
KR20190081571A (ko) * 2017-12-29 2019-07-09 주식회사 플레이오토 온라인 쇼핑몰 통합 관리 시스템에서의 온라인 판매채널을 추천하는 방법 및 그 서버
CN110163686A (zh) * 2019-05-27 2019-08-23 成都魔方城科技有限公司 基于消费者行为的预期消费画像方法及系统
KR102056738B1 (ko) * 2019-04-22 2019-12-17 주식회사 한스씨앤씨 가맹점 마케팅 및 회원관리 대행서비스 제공시스템
US20200065876A1 (en) * 2018-08-21 2020-02-27 Walmart Apollo, Llc Item line assignment systems and methods
TW202016844A (zh) * 2018-05-23 2020-05-01 華南商業銀行股份有限公司 基於消費資訊的特約商家推薦系統及其方法
CN111489244A (zh) * 2020-04-20 2020-08-04 杭州在简文化艺术策划有限公司 线下商家针对性推广系统

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103886484A (zh) * 2014-03-14 2014-06-25 河海大学常州校区 一种用于大型商业街区的导购系统
CN103916821A (zh) * 2014-04-11 2014-07-09 北京工业大学 一种基于楼层间rssi差异的楼层判别方法
US9147208B1 (en) * 2014-08-29 2015-09-29 Wal-Mart Stores, Inc. Customer-conformal shopping list routing
CN105023177A (zh) * 2015-08-05 2015-11-04 四川长虹电器股份有限公司 智能导购方法
JP7078059B2 (ja) * 2017-12-13 2022-05-31 日本電気株式会社 処理装置、処理方法及びプログラム
WO2019144332A1 (zh) * 2018-01-25 2019-08-01 深圳绱慧科技有限公司 一种智能销售导购方法及系统
CN110243367A (zh) * 2018-03-09 2019-09-17 江苏融成嘉益信息科技有限公司 一种商场导航导购系统
CN108731690A (zh) * 2018-06-07 2018-11-02 孙亚楠 室内导航方法、装置、电子设备及计算机可读介质
CN110310152A (zh) * 2019-06-15 2019-10-08 韶关市启之信息技术有限公司 一种商场购物路径推荐方法及装置
CN111798025A (zh) * 2019-09-10 2020-10-20 马园 基于大数据的出租车实时巡游路线推荐系统
CN110598934B (zh) * 2019-09-16 2022-12-27 腾讯科技（深圳）有限公司 用于推荐购物路线的方法及相关设备
CN110830940A (zh) * 2019-11-07 2020-02-21 上海驰亚信息技术有限公司 智能感应式多媒体导购设备及应用系统
CN110879068A (zh) * 2019-11-20 2020-03-13 浙江口碑网络技术有限公司 室内地图导航方法及其装置
CN111652669A (zh) * 2020-04-15 2020-09-11 珠海小礼鱼科技有限公司 一种智能终端导购系统及方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107067284A (zh) * 2017-04-24 2017-08-18 济南浪潮高新科技投资发展有限公司 一种应用于大数据的个性精准导购方法
CN107687856A (zh) * 2017-08-23 2018-02-13 长沙稻冰工程技术有限公司 基于电子地图的导航方法、终端及计算机存储介质
CN107609941A (zh) * 2017-09-13 2018-01-19 杨菊英 一种基于大数据的搜寻导购系统及方法
KR20190081571A (ko) * 2017-12-29 2019-07-09 주식회사 플레이오토 온라인 쇼핑몰 통합 관리 시스템에서의 온라인 판매채널을 추천하는 방법 및 그 서버
TW202016844A (zh) * 2018-05-23 2020-05-01 華南商業銀行股份有限公司 基於消費資訊的特約商家推薦系統及其方法
US20200065876A1 (en) * 2018-08-21 2020-02-27 Walmart Apollo, Llc Item line assignment systems and methods
CN109118337A (zh) * 2018-08-28 2019-01-01 深圳市烽焌信息科技有限公司 消费商家的推荐方法及相关产品
CN109522475A (zh) * 2018-10-26 2019-03-26 浙江工业大学之江学院 一种基于用户历史消费数据的商家推荐方法
CN109784583A (zh) * 2019-02-28 2019-05-21 南京金信通信息服务有限公司 基于大数据的商超智能导购方法和系统
KR102056738B1 (ko) * 2019-04-22 2019-12-17 주식회사 한스씨앤씨 가맹점 마케팅 및 회원관리 대행서비스 제공시스템
CN110163686A (zh) * 2019-05-27 2019-08-23 成都魔方城科技有限公司 基于消费者行为的预期消费画像方法及系统
CN111489244A (zh) * 2020-04-20 2020-08-04 杭州在简文化艺术策划有限公司 线下商家针对性推广系统

Also Published As

Publication number Publication date
CN112070563A (zh) 2020-12-11
CN112070563B (zh) 2021-06-08

Similar Documents

Publication Publication Date Title
CN112665600B (zh) 路径规划方法及装置、计算机可读存储介质及处理器
CN105355049B (zh) 一种基于宏观基本图的高速公路运行状态评价方法
CN109089314B (zh) 一种基于推荐算法的wifi序列辅助GPS的室内定位方法
CN109992633A (zh) 基于用户位置的地理围栏确定方法、装置、电子设备
CN105740904B (zh) 一种基于dbscan聚类算法的出行与活动模式识别方法
CN112070563B (zh) 基于大数据的商场智能导购系统及方法
JP5805169B2 (ja) 行動パターン分析装置および行動パターン分析方法
CN109614556B (zh) 访问路径预测、信息推送方法及装置
CN102882936A (zh) 云推送的方法、系统和装置
CN106446157B (zh) 行程目的地推荐方法和装置
CN110020178A (zh) 兴趣点识别方法、装置、设备及存储介质
CN103942255A (zh) 个性化信息推荐系统及其推荐方法
CN107145962A (zh) 一种景点游客量预测系统
CN110046218B (zh) 一种用户出行模式的挖掘方法、装置、系统和处理器
CN112738729B (zh) 一种用手机信令数据判别探亲返乡游客的方法及系统
CN106570033A (zh) 基于场景化数据的个性化推荐方法及装置
CN113971893B (zh) 一种车位推荐方法、装置及存储介质
CN104867015B (zh) 一种基于用户移动预测的物品递送者推荐方法
JP2014071654A (ja) ユーザ属性を考慮した電力消費関連支援装置、携帯端末、プログラム及び方法
Philp et al. Archetypes of footfall context: Quantifying temporal variations in retail footfall in relation to Micro-location characteristics
CN107977764A (zh) 索引文件的生成、配送员信息的查询方法、装置和服务器
CN106446194A (zh) 一种地理区域的采集参数确定方法及装置
CN114358883A (zh) 一种旅行美食推荐系统及方法
WO2014187476A1 (en) Method and system for predicting mobility demand of users
CN113470205B (zh) 全域etc支撑下的智慧出行控制系统及方法

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