CN113988904A - 店铺数据采集方法、装置、设备和存储介质 - Google Patents
店铺数据采集方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN113988904A CN113988904A CN202111165920.5A CN202111165920A CN113988904A CN 113988904 A CN113988904 A CN 113988904A CN 202111165920 A CN202111165920 A CN 202111165920A CN 113988904 A CN113988904 A CN 113988904A
- Authority
- CN
- China
- Prior art keywords
- selling
- amount
- commodity
- purchasing
- various
- 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- Withdrawn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 29
- 238000012545 processing Methods 0.000 claims description 27
- 230000010354 integration Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 9
- 238000007405 data analysis Methods 0.000 claims description 7
- 238000013480 data collection Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Game Theory and Decision Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明适用于店铺数据采集技术领域,提供了本发明的店铺数据采集方法、装置、设备和存储介质,通过三种不同方式获取店铺后续各品类商品的售卖量和采购量,具体获取店铺数据的方式为第一种根据客流量和各品类用户画像预测各品类商品售卖量和采购量的方式;第二种根据历史订单建立的各品类售卖订单模型,预测各类商品的售卖量和采购量的方式;以及第三种根据各店铺管理人员预测后提供的各类商品的售卖量和采购量的方式;之后根据得出的三种预测的各品类商品售卖量以及采购量,分别给三种类型提供的各品类商品的售卖量以及采购量赋予不同的权重,最后得出该店铺各品类商品的采购订单。
Description
技术领域
本发明属于店铺数据采集技术领域,尤其涉及店铺数据采集方法、装置、设备和存储介质。
背景技术
如今,线上电商飞速发展,为人们的日常生活带来了极大的便利,与此同时,线下实体店铺受到了强烈的冲击,而缺乏对实体店铺的高效的运营方式以及对库存、物流之间的配合不畅均是导致线下实体店铺遭遇上述瓶颈的一个重要原因之一。
以零售领域中的便利店为例,相关技术中主要通过运营人员的经验和主观推断对便利店进行管理,然而这种管理方式存在诸多缺陷,从而一些实体店铺内增设有采集数据的数据采集设备,但是搜集和整理所采集的数据也是通过人工处理的,例如由运营人员手动从各个数据采集设备导出数据并进行整理形成各类表单或二维图纸等,还需要由运营人员对整理得到的各类表单或二维图纸进行分析时,需要从海量的表单或二维图纸中获取需要的信息,不仅操作繁琐而且容易出错,导致最终无法得到客观有效的运营决策。
发明内容
本发明提供店铺数据采集方法、装置、设备和存储介质,旨在解决上述背景技术中提出的各种问题。
作为本申请的第一方面,本发明是这样实现的,
店铺数据采集方法,包括如下步骤:
步骤一:根据客流量和各品类用户画像,预测各品类商品售卖量和采购量,即建立各品类商品的用户画像,根据数据库中的历史客流量预测后续客流量并结合各品类用户画像量,预测各品类商品售卖量和采购量;
步骤二:根据历史订单建立的各品类售卖订单模型,预测各类商品的售卖量和采购量,即从数据库中采集店铺内收银系统中各类商品的售卖历史订单,并根据其历史订单建立各品类售卖订单模型,预测各类商品的售卖量和采购量;
步骤三:根据各店铺管理人员预测后提供的各类商品的售卖量和采购量,即由各店铺管理人员根据自身店铺的各品类售卖报表以及特殊订单数据结合自身经验,预测后提供各类商品的售卖量和采购量;
步骤四:综合上述三种类型提供的各品类商品的售卖量以及采购量,并分别赋予不同的权重,得出该店铺各品类商品的采购订单。
优选的,在步骤一中包括如下步骤:
步骤S1:从数据库采集对应店铺的客流量以及历史订单信息;
步骤S2:将用户信息与历史订单信息相匹配,对购买品类不同的用户进行分类画像,得出各品类用户画像;
步骤S3:根据历史客流量,预测接下来的客流量,并将接下来客流量与各品类用户画像相匹配,预测各类商品售卖量和采购量。
优选的,在步骤二中包括如下步骤:
步骤S4:从数据库中采集店铺内收银系统中各品类商品的售卖历史订单;
步骤S5:根据各品类商品的历史订单数据建立各品类商品的各品类售卖订单模型;
步骤S6:根据各品类商品的各品类售卖订单模型,预测各品类商品的售卖量和采购量。
优选的,在步骤三中包括如下步骤:
步骤S7:各店铺的管理人员列出自身店铺中各品类商品的售卖报表以及其他特殊售卖订单情况;
步骤S8:各店铺管理人员根据各品类商品的售卖报表以及其他特殊售卖订单情况,并结合自身经验进行各品类商品售卖量和采购量的预测;
步骤S9:各店铺管理人员根据预测结果提供各品类商品的售卖量和采购量。
优选的,在步骤四中包括如下步骤:
步骤S10:获取上述的第一种根据客流量和各品类用户画像预测各品类商品售卖量和采购量的方式;第二种根据历史订单建立的各品类售卖订单模型,预测各类商品的售卖量和采购量的方式;以及第三种根据各店铺管理人员预测后提供的各类商品的售卖量和采购量的方式;得出的各品类商品的售卖量以及采购量;
步骤S11:根据三种类型提供的各品类商品的售卖量以及采购量,分别赋予不同的权重,得出该店铺各品类商品的采购订单。
作为本申请的第二方面,本发明是这样实现的,
一种店铺数据采集装置,应用权利要求1至5中任意一项所述的方法:包括根据三种不同类型设置的数据采集模块以及对所述数据采集模块进行数据分析的信息整合处理模块,
所述数据采集模块,分别用于对第一种根据客流量和各品类用户画像预测各品类商品售卖量和采购量的方式中客流量、历史订单以及用户信息数据进行采集;
用于对第二种根据历史订单建立的各品类售卖订单模型,预测各类商品的售卖量和采购量的方式中各品类商品的售卖历史订单数据进行采集;
用于对第三种根据各店铺管理人员预测后提供的各类商品的售卖量和采购量的方式中各店铺管理人员提交预测的数据进行采集;
信息整合处理模块,用于对所述数据采集模块采集的客流量、历史订单、用户信息数据以及各店铺管理人员提交预测的数据进行分析整合,分别建立客流量预测模型、各品类用户画像以及各品类售卖订单模型,以及分别给三种方式得出的各类商品的售卖量和采购量赋予不同的权重,预测该店铺的采购订单。
优选的,数据采集模块包括用于对客流量进行采集的人流传感器和若干个摄像机,用于对历史订单、用户信息以及店铺后台管理信息进行采集的由店铺系统、处理器以及存储服务器组成的后台控制设备。
优选的,所述信息整合处理模块包括用于建立客流量预测模型的客流量单元;建立各品类用户画像的画像单元;建立各品类售卖订单模型的售卖模型单元;分别该三种方式得出的各类商品的售卖量和采购量赋予不同的权重的赋权单元,以及最终的数据分析处理单元。
作为本申请的第三方面,本发明是这样实现的,
一种电子设备,包括:一个或多个处理器;存储介质,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
作为本申请的第四方面,本发明是这样实现的,
一种计算机存储介质,其上存储有若干个计算机程序,其中,程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
与现有技术相比,本发明的有益效果是:本发明的店铺数据采集方法、装置、设备和存储介质,通过三种不同方式获取店铺后续各品类商品的售卖量和采购量,具体获取店铺数据的方式为第一种根据客流量和各品类用户画像预测各品类商品售卖量和采购量的方式;第二种根据历史订单建立的各品类售卖订单模型,预测各类商品的售卖量和采购量的方式;以及第三种根据各店铺管理人员预测后提供的各类商品的售卖量和采购量的方式;之后根据得出的三种预测的各品类商品售卖量以及采购量,分别给三种类型提供的各品类商品的售卖量以及采购量赋予不同的权重,最后得出该店铺各品类商品的采购订单,这种方式避免了运营人员过多对店铺中各类商品的采购量进行决定的权利,避免了由于运营人员由于操作繁琐容易出错,导致最终无法得到客观有效的运营决策的问题。
附图说明
图1为本发明的整体构思示意图;
图2为本发明的总步骤示意图;
图3为图2中步骤一具体步骤示意图;
图4为图2中步骤二具体步骤示意图;
图5为图2中步骤三具体步骤示意图;
图6为图2中步骤四具体步骤示意图;
图7为本发明的店铺数据采集装置结构示意图;
图8为本发明中电子设备结构示意图。
图中:
7、店铺数据采集装置;71、数据采集模块;711、人流传感器;712、后台控制设备;7121、处理器;7122、存储服务器;7123、店铺系统;713、摄像机;72、信息整合处理模块;721、客流量单元;722、画像单元;723、售卖模型单元;724、赋权单元;725、处理单元;
800、电子设备;801、处理装置;802、ROM;803、RAM;804、总线;805、I/O接口;806、输入装置;807、输出装置;808、存储介质;809、通信装置。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
需要注意,本发明中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本发明中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本发明实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
请参阅图1-6,本发明提供一种技术方案:店铺数据采集方法,包括如下步骤:
步骤一:根据客流量和各品类用户画像,预测各品类商品售卖量和采购量,即建立各品类商品的用户画像,根据数据库中的历史客流量预测后续客流量并结合各品类用户画像量,预测各品类商品售卖量和采购量;
其中:在步骤一中包括如下步骤:
步骤S1:从数据库采集对应店铺的客流量以及历史订单信息;
步骤S2:将用户信息与历史订单信息相匹配,对购买品类不同的用户进行分类画像,得出各品类用户画像;
步骤S3:根据历史客流量,预测接下来的客流量,并将接下来客流量与各品类用户画像相匹配,预测各类商品售卖量和采购量。
步骤二:根据历史订单建立的各品类售卖订单模型,预测各类商品的售卖量和采购量,即从数据库中采集店铺内收银系统中各类商品的售卖历史订单,并根据其历史订单建立各品类售卖订单模型,预测各类商品的售卖量和采购量;
在步骤二中包括如下步骤:
步骤S4:从数据库中采集店铺内收银系统中各品类商品的售卖历史订单;
步骤S5:根据各品类商品的历史订单数据建立各品类商品的各品类售卖订单模型;
步骤S6:根据各品类商品的各品类售卖订单模型,预测各品类商品的售卖量和采购量。
步骤三:根据各店铺管理人员预测后提供的各类商品的售卖量和采购量,即由各店铺管理人员根据自身店铺的各品类售卖报表以及特殊订单数据结合自身经验,预测后提供各类商品的售卖量和采购量;
在步骤三中包括如下步骤:
步骤S7:各店铺的管理人员列出自身店铺中各品类商品的售卖报表以及其他特殊售卖订单情况;
步骤S8:各店铺管理人员根据各品类商品的售卖报表以及其他特殊售卖订单情况,并结合自身经验进行各品类商品售卖量和采购量的预测;
步骤S9:各店铺管理人员根据预测结果提供各品类商品的售卖量和采购量。
步骤四:综合上述三种类型提供的各品类商品的售卖量以及采购量,并分别赋予不同的权重,得出该店铺各品类商品的采购订单。
在步骤四中包括如下步骤:
步骤S10:获取上述的第一种根据客流量和各品类用户画像预测各品类商品售卖量和采购量的方式;第二种根据历史订单建立的各品类售卖订单模型,预测各类商品的售卖量和采购量的方式;以及第三种根据各店铺管理人员预测后提供的各类商品的售卖量和采购量的方式;得出的各品类商品的售卖量以及采购量;
步骤S11:根据三种类型提供的各品类商品的售卖量以及采购量,分别赋予不同的权重,得出该店铺各品类商品的采购订单。
参照图7所示,店铺数据采集装置7,包括根据三种不同类型设置的数据采集模块71以及对数据采集模块71进行数据分析的信息整合处理模块72,
数据采集模块71,分别用于对第一种根据客流量和各品类用户画像预测各品类商品售卖量和采购量的方式中客流量、历史订单以及用户信息数据进行采集;
用于对第二种根据历史订单建立的各品类售卖订单模型,预测各类商品的售卖量和采购量的方式中各品类商品的售卖历史订单数据进行采集;
用于对第三种根据各店铺管理人员预测后提供的各类商品的售卖量和采购量的方式中各店铺管理人员提交预测的数据进行采集;
信息整合处理模块72,用于对数据采集模块71采集的客流量、历史订单、用户信息数据以及各店铺管理人员提交预测的数据进行分析整合,分别建立客流量预测模型、各品类用户画像以及各品类售卖订单模型,以及分别给三种方式得出的各类商品的售卖量和采购量赋予不同的权重,预测该店铺的采购订单。
数据采集模块71包括用于对客流量进行采集的人流传感器711和若干个摄像机713,用于对历史订单、用户信息以及店铺后台管理信息进行采集的由店铺系统7123、处理器7121以及存储服务器7122组成的后台控制设备712。
信息整合处理模块72包括用于建立客流量预测模型的客流量单元721;建立各品类用户画像的画像单元722;建立各品类售卖订单模型的售卖模型单元723;分别该三种方式得出的各类商品的售卖量和采购量赋予不同的权重的赋权单元724,以及最终的数据分析处理单元725。
在本实施方式中,通过人流传感器711和若干个摄像机713获取该店铺每日的客流量,信息整合处理模块72中的客流量单元721,建立客流量预测模型折线图,从而进行后续客流量的预测,同时根据后台控制设备712中提取的用户信息和该用户的历史订单,通过信息整合处理模块72中的画像单元722,根据单个品类商品中那种年龄段、那种人群等买的多,建立该品类商品购买人群画像,之后根据每日客流量中该类人群画像的多少,预测该类人群对应的该类商品的购买量,最后得出该类商品的贩卖量和后续需要采购的量。
通过后台控制设备712中提取的店铺中的各类商品的历史销售数据,并由信息整合处理模块72中的售卖模型单元723建立建立各品类售卖订单模型,根据该售卖订单模型进行后续该类型商品售卖量和采购量的预测。
各店铺管理根据从后台控制设备712中调取自身店铺中各品类商品的售卖报表以及结合其他特殊售卖订单和自身经验,报出各类商品售卖量和采购量的预测。
随后信息整合处理模块72中的赋权单元724该三种方式得出的各类商品的售卖量和采购量赋予不同的权重。
最后信息整合处理模块72中数据分析处理单元725根据三种方式赋权后得出的各类商品预计的售卖量和后续的采购量,出具采购订单,进行采购。
参照图8所示,电子设备800可以包括处理装置(例如中央处理器、图形处理器等)801,其可以根据存储在只读存储器(ROM)802中的程序或者从存储介质808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM803中,还存储有电子设备800操作所需的各种程序和数据。处理装置801、ROM802以及RAM803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
通常,以下装置可以连接至I/O接口805:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置806:包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置807;包括例如磁带、硬盘等的存储介质808:以及通信装置809。通信装置809可以允许电子设备800与其他设备进行无线或有线通信以交换数据。虽然图8示出了具有各种装置的电子设备800,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图8中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本发明的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明的一些实施例包括一种计算机程序产品,其包括承载在计算机存储介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置809从网络上被下载和安装,或者从存储介质808被安装,或者从ROM802被安装。在该计算机程序被处理装置801执行时,执行本发明的一些实施例的方法中限定的上述功能。
需要说明的是,本发明的一些实施例上述的计算机存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
在本发明的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机存储介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(Hyper Text TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机存储介质可以是上述电子设备中所包含的:也可以是单独存在,而未装配入该电子设备中。上述计算机存储介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:响应于订单采购信息以及物流信息获取交易商品数据信息,并基于所订单采购信息以及物流信息交叉补充验证交易商品数据信息,确保交易商品数据信息准确完善;响应于提取交易商品数据信息中的商品信息以及对应店铺用户信息,并对商品信息进行整合处理;响应于设置商品保质期提醒阈值,基于设置的阈值对采集的商品信息进行对比分析处理,提取符合条件的商品信息,并根据提取的商品信息转换生成提醒信息,对提醒信息进行自动更新并传输至店铺用户,以实现周期性提醒店铺用户;响应于整合提醒信息并传输至对应的店铺为用户进行提醒,以实现对商品保质期进行监管。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言―诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言:诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。
也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。
例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.店铺数据采集方法,其特征在于:包括如下步骤:
步骤一:根据客流量和各品类用户画像,预测各品类商品售卖量和采购量,即建立各品类商品的用户画像,根据数据库中的历史客流量预测后续客流量并结合各品类用户画像量,预测各品类商品售卖量和采购量;
步骤二:根据历史订单建立的各品类售卖订单模型,预测各类商品的售卖量和采购量,即从数据库中采集店铺内收银系统中各类商品的售卖历史订单,并根据其历史订单建立各品类售卖订单模型,预测各类商品的售卖量和采购量;
步骤三:根据各店铺管理人员预测后提供的各类商品的售卖量和采购量,即由各店铺管理人员根据自身店铺的各品类售卖报表以及特殊订单数据结合自身经验,预测后提供各类商品的售卖量和采购量;
步骤四:综合上述三种类型提供的各品类商品的售卖量以及采购量,并分别赋予不同的权重,得出该店铺各品类商品的采购订单。
2.如权利要求1所述的店铺数据采集方法,其特征在于:在步骤一中包括如下步骤:
步骤S1:从数据库采集对应店铺的客流量以及历史订单信息;
步骤S2:将用户信息与历史订单信息相匹配,对购买品类不同的用户进行分类画像,得出各品类用户画像;
步骤S3:根据历史客流量,预测接下来的客流量,并将接下来客流量与各品类用户画像相匹配,预测各类商品售卖量和采购量。
3.如权利要求1所述的店铺数据采集方法,其特征在于:在步骤二中包括如下步骤:
步骤S4:从数据库中采集店铺内收银系统中各品类商品的售卖历史订单;
步骤S5:根据各品类商品的历史订单数据建立各品类商品的各品类售卖订单模型;
步骤S6:根据各品类商品的各品类售卖订单模型,预测各品类商品的售卖量和采购量。
4.如权利要求1所述的店铺数据采集方法,其特征在于:在步骤三中包括如下步骤:
步骤S7:各店铺的管理人员列出自身店铺中各品类商品的售卖报表以及其他特殊售卖订单情况;
步骤S8:各店铺管理人员根据各品类商品的售卖报表以及其他特殊售卖订单情况,并结合自身经验进行各品类商品售卖量和采购量的预测;
步骤S9:各店铺管理人员根据预测结果提供各品类商品的售卖量和采购量。
5.如权利要求1所述的店铺数据采集方法,其特征在于:在步骤四中包括如下步骤:
步骤S10:获取上述的第一种根据客流量和各品类用户画像预测各品类商品售卖量和采购量的方式;第二种根据历史订单建立的各品类售卖订单模型,预测各类商品的售卖量和采购量的方式;以及第三种根据各店铺管理人员预测后提供的各类商品的售卖量和采购量的方式;得出的各品类商品的售卖量以及采购量;
步骤S11:根据三种类型提供的各品类商品的售卖量以及采购量,分别赋予不同的权重,得出该店铺各品类商品的采购订单。
6.一种店铺数据采集装置,其特征在于:应用权利要求1至5中任意一项所述的方法:包括根据三种不同类型设置的数据采集模块以及对所述数据采集模块进行数据分析的信息整合处理模块,
所述数据采集模块,分别用于对第一种根据客流量和各品类用户画像预测各品类商品售卖量和采购量的方式中客流量、历史订单以及用户信息数据进行采集;
用于对第二种根据历史订单建立的各品类售卖订单模型,预测各类商品的售卖量和采购量的方式中各品类商品的售卖历史订单数据进行采集;
用于对第三种根据各店铺管理人员预测后提供的各类商品的售卖量和采购量的方式中各店铺管理人员提交预测的数据进行采集;
信息整合处理模块,用于对所述数据采集模块采集的客流量、历史订单、用户信息数据以及各店铺管理人员提交预测的数据进行分析整合,分别建立客流量预测模型、各品类用户画像以及各品类售卖订单模型,以及分别给三种方式得出的各类商品的售卖量和采购量赋予不同的权重,预测该店铺的采购订单。
7.如权利要求6所述的店铺数据采集装置,其特征在于:数据采集模块包括用于对客流量进行采集的人流传感器和若干个摄像机,用于对历史订单、用户信息以及店铺后台管理信息进行采集的由店铺系统、处理器以及存储服务器组成的后台控制设备。
8.如权利要求6所述的店铺数据采集装置,其特征在于:所述信息整合处理模块包括用于建立客流量预测模型的客流量单元;建立各品类用户画像的画像单元;建立各品类售卖订单模型的售卖模型单元;分别该三种方式得出的各类商品的售卖量和采购量赋予不同的权重的赋权单元,以及最终的数据分析处理单元。
9.一种设备,包括:
一个或多个处理器;
存储介质,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述处理器实现如权利要求1至5任意一项所述的方法。
10.一种存储介质,其上存储有若干个计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1至5任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111165920.5A CN113988904A (zh) | 2021-09-30 | 2021-09-30 | 店铺数据采集方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111165920.5A CN113988904A (zh) | 2021-09-30 | 2021-09-30 | 店铺数据采集方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113988904A true CN113988904A (zh) | 2022-01-28 |
Family
ID=79737585
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111165920.5A Withdrawn CN113988904A (zh) | 2021-09-30 | 2021-09-30 | 店铺数据采集方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113988904A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115994785A (zh) * | 2023-01-09 | 2023-04-21 | 淮阴工学院 | 一种餐饮人流量备料智能预测方法及系统 |
-
2021
- 2021-09-30 CN CN202111165920.5A patent/CN113988904A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115994785A (zh) * | 2023-01-09 | 2023-04-21 | 淮阴工学院 | 一种餐饮人流量备料智能预测方法及系统 |
CN115994785B (zh) * | 2023-01-09 | 2023-09-29 | 淮阴工学院 | 一种餐饮人流量备料智能预测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110119413B (zh) | 数据融合的方法和装置 | |
US20160080173A1 (en) | Complex event processing as digital signals | |
CN110717597A (zh) | 利用机器学习模型获取时序特征的方法和装置 | |
CN113051480A (zh) | 资源推送方法、装置、电子设备及存储介质 | |
CN110866040A (zh) | 用户画像生成方法、装置和系统 | |
CN113780329A (zh) | 用于识别数据异常的方法、装置、服务器和介质 | |
CN114202130A (zh) | 流转量预测多任务模型生成方法、调度方法、装置和设备 | |
CN113988904A (zh) | 店铺数据采集方法、装置、设备和存储介质 | |
CN112749323A (zh) | 一种构建用户画像的方法和装置 | |
CN112258220B (zh) | 信息采集及分析方法、系统、电子设备和计算机可读介质 | |
CN115983902B (zh) | 基于用户实时事件的信息推送方法及系统 | |
CN116911805A (zh) | 资源告警方法、装置、电子设备和计算机可读介质 | |
CN112308378A (zh) | 调度设备控制方法、装置、电子设备和计算机可读介质 | |
CN110795638A (zh) | 用于输出信息的方法和装置 | |
US11688157B2 (en) | Shopper analysis using an acceleration sensor and imaging | |
CN111144694B (zh) | 基于触点分析的运营流程管理方法和装置 | |
CN114357523A (zh) | 风险对象的识别方法、装置、设备、存储介质和程序产品 | |
CN113112326A (zh) | 一种用户识别方法、向用户展示数据的方法和相关装置 | |
CN112948691B (zh) | 实体场所的体验指标计算方法和装置 | |
CN111028019A (zh) | 一种网络商城运营数据分析方法及装置 | |
CN113920701B (zh) | 商品保质期监管方法、装置、设备和存储介质 | |
US11551152B2 (en) | Input feature significance identification based on batches of prediction | |
CN115169321B (zh) | 物流内容文本核对方法、装置、电子设备和计算机介质 | |
US11941076B1 (en) | Intelligent product sequencing for category trees | |
US20230368196A1 (en) | Machine learning techniques for rebuilding transactions to predict cash position |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220128 |