CN115345660A - 一种智能提醒方法、系统以及存储介质 - Google Patents

一种智能提醒方法、系统以及存储介质 Download PDF

Info

Publication number
CN115345660A
CN115345660A CN202210974315.0A CN202210974315A CN115345660A CN 115345660 A CN115345660 A CN 115345660A CN 202210974315 A CN202210974315 A CN 202210974315A CN 115345660 A CN115345660 A CN 115345660A
Authority
CN
China
Prior art keywords
settlement
marketing
consumption
user
contribution
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
CN202210974315.0A
Other languages
English (en)
Inventor
史晋
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.)
Nanjing Huiyinxun Information Technology Co ltd
Original Assignee
Nanjing Huiyinxun Information Technology 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 Nanjing Huiyinxun Information Technology Co ltd filed Critical Nanjing Huiyinxun Information Technology Co ltd
Priority to CN202210974315.0A priority Critical patent/CN115345660A/zh
Publication of CN115345660A publication Critical patent/CN115345660A/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
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • 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
    • G06Q30/01—Customer relationship services
    • 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]
    • G06Q30/0631—Item recommendations
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Human Computer Interaction (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种智能提醒方法、系统以及存储介质，该提醒方法包括如下步骤：采集历史C端消费者在B端商户的消费信息和营销结算信息，构建消费以及营销结算特征模型，提取C端消费者的消费特征和营销结算特征，构成客户消费特征数据库；构建用户营销结算贡献值计算模型；依据客户消费特征数据库中消费特征计算营销结算特征对应的用户营销结算贡献值；本发明改变传统的用户画像仅能通过后台界面查询的现状，使得用户画像能够更加有效的在B端与C端发生交互时得以展示，同时改变传统的结算策略，通过智能提醒系统准确直观的告知C端消费者结算分发以及结算使用的情况，提升C端用户的粘性，为B端商户经营店铺提供行之有效的宣传手段。

Description

一种智能提醒方法、系统以及存储介质
技术领域
本发明涉及市场结算技术领域，具体是一种智能提醒方法、系统以及存储介质。
背景技术
近年来，随着移动支付行业的迅猛发展，越来越多的提醒系统出现在B端商户的眼帘中，为B端商户提供收单辅助，但当前的收单辅助系统，不能结合商户本身的经营情况，面对的客群情况以及商户自身定位，为商户商铺的运营与发展提供帮助，仅仅提供了最基本的收款播报服务。随着市场竞争的日益激烈，绝大多数B端商户无法有效的对自身进行结算推广，仅能依赖于美团、饿了吗等大型平台，但又需要支付高额的佣金。在获取相应客源时，同时成本也在不断增加。
为此，我们提出了一种智能提醒方法、系统以及存储介质；我们通过智能提醒系统，对进入B端商户的C端消费者进行及时的角色定位、结算使用情况以及结算获取情况进行精确提醒，把产品的焦点放到用户的行为和动机上，找到需求痛点。使得B端商户以及C端消费者能够更加直观准确的感知到结算资源的使用，以及结算策略获得的效果。在B端商户更好的经营发展后，准确及时的告知相关的金融优惠政策，为商户更好的提供金融衍生服务。
发明内容
本发明的目的在于提供一种智能提醒方法、系统以及存储介质，解决的技术问题是目前商户用提醒系统，仅仅在消费完成后，完成收款语音的播报，并未提供相关B端商户的客户经营用户的衍生能力与功能；无法有效的对B端商户形成经营支撑。
为实现上述目的，本发明提供如下技术方案：
一种智能提醒方法，包括如下步骤：
S1、采集历史C端消费者在B端商户的消费信息和营销结算信息，构建消费以及营销结算特征模型，提取C端消费者的消费特征和营销结算特征，构成客户消费特征数据库；
S2、构建用户营销结算贡献值计算模型；依据客户消费特征数据库中消费特征计算营销结算特征对应的用户营销结算贡献值，构成用户营销结算贡献集；
S3、构建基于BP神经网络的营销结算贡献模型，利于S1和S2中的消费特征、上一次营销结算特征以及用户营销结算贡献集进行训练和测试，输出当次营销结算特征；获得基于BP神经网络的营销结算贡献模型；
S4、构建预设营销结算贡献模型，采集当前C端消费者的消费信息，提取当前C端消费者的消费特征，依据预设营销结算贡献模型计算当前C端消费者的预设营销结算贡献值；
S5、依据S4中当前C端消费者的消费特征、当前C端消费者的预设营销结算贡献值以及上一次营销结算特征，利用S3中基于BP神经网络的营销结算贡献模型，计算获得当前C端消费者的营销结算特征；
S6、利用当前C端消费者的营销结算特征，进行实时结算，且汇编消费信息以及营销结算信息，并随后语音播报提醒。
优选的，所述消费特征涵盖消费时间、地点、身份、消费金额以及人数；所示消费特征模型，如公式(1)所示：
Cij＝[CID,CTj,CPj,CAj，CNj，CRj] (1)；
其中Cij为i用户的第j次消费特征；CID为用户身份，按会员和非会员进行编码赋值；CTj为该用户第j次开始消费时间，取整值，取值范围(0-24)；CPj为消费地点，按该用户在B端商户的消费门店大小进行编码赋值；CAj为该用户第j次消费金额，CNj为该用户第j次消费人数，CRj为该用户第j次充值信息。
优选的，所述营销结算特征涵盖用券金额、折扣金额、积分增加值以及积分抵扣金额，所示营销结算特征模型公式(2)所示：
Mij＝[MQj,MDj,MSj,MSDj](2)，其中Mij为i用户第j次消费的营销结算特征；MQj为该用户第j次消费的用券金额、MDj为该用户第j次消费的折扣金额、MSj为该用户第j次消费的积分增加值、MSDj为该用户第j次消费的积分抵扣金额。
优选的，所述用户营销结算贡献值计算模型如公式(3)所示：
Figure BDA0003798126550000031
其中Gij为i用户的第j次用户营销结算贡献值，CAj+1为该用户第j+1次消费金额，CAj为该用户第j次消费金额。
优选的，所述基于BP神经网络的营销结算贡献模型如公式(4)所示：
Mij＝F(Cij,Mij-1,Gij) (4)；
其中Mij,Mij-1分别为i用户第j次以及第j-1次的营销结算特征，Cij为i用户的第j次消费特征；Gij为i用户第j次消费的用户营销结算贡献值。
优选的，所述构建预设营销结算贡献模型如公式(5)所示：
Figure BDA0003798126550000032
其中a为i用户首次消费的预设营销结算贡献值；b为i非会员用户第j次消费的预设营销结算贡献值；b为i会员用户第j次消费的预设营销结算贡献值。
优选的，基于BP神经网络的营销结算贡献模型的BP神经网络有输入层、隐含层和输出层；输入层有三个输入分别为：Cij为i用户的第j次消费特征；Mij-1为i用户第j-1次消费的营销结算特征；Gij为i用户第j次消费的用户营销结算贡献值；输出层有1个，Mij为i用户第j次消费的营销结算特征；所述基于BP神经网络的营销结算贡献模型的BP神经网络的隐含层采用tansig函数。
优选的，还包括根据客户消费特征数据库，进行用户画像构建，在实时结算前，推荐相似的用户画像的购买产品。
一种采用上述智能提醒方法的智能提醒系统，包括采集单元，用于采集当前和历史C端消费者在B端商户的消费信息以及营销结算信息；
至少一处理器，用于分析处理C端消费者的消费信息以及营销结算信息，获得当前C端消费者当次的营销结算信息，并实时结算；
以及语音播报单元，用于实时结算后的语音播报。
一种存储介质，存储有计算机程序，所述计算机程序被计算机执行时实现上述方法的步骤；
与现有技术相比，本发明具有以下几个方面的有益效果：
本发明改变传统的用户画像仅能通过后台界面查询的现状，使得用户画像能够更加有效的在B端与C端发生交互时得以展示，同时改变传统的结算策略，通过智能提醒系统准确直观的告知C端消费者结算分发以及结算使用的情况，提升C端用户的粘性，为B端商户经营店铺提供行之有效的宣传手段；
本发明综合考虑了C端消费者在B端商户的消费信息，构建基于BP神经网络的营销结算贡献模型，通过BP神经网络训练测试得到当前消费的营销结算特征，进行实时结算，且汇编消费信息以及营销结算信息，并随后语音播报提醒，提高营销结算效果，提高用户粘性，助力商户运营。
附图说明
图1为一种智能提醒方法中实施例一的流程示意图；
图2为实施例一中语音播报提醒系统的工作原理框图；
图3为一种智能提醒方法中实施例二的流程示意图。
具体实施方式
下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
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用以解释本发明，并不用于限定本发明。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制；术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性；此外，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例一：请参阅图1-2，首先对C端用户的身份进行确认，结合C端的用户画像情况。对C端的消费习惯，消费指数等等结合，最终确认C端的结算方案。再由交易入口触发，完成结算资源的分发与抵扣，最终通过智能提醒系统进行播报。
实施例二：
请参阅图3，一种智能提醒方法，包括如下步骤：
S1、采集历史C端消费者在B端商户的消费信息和营销结算信息，构建消费以及营销结算特征模型，提取C端消费者的消费特征和营销结算特征，构成客户消费特征数据库；
在一些实施例中，所述消费特征涵盖消费时间、地点、身份、消费金额以及人数；所示消费特征模型，如公式(1)所示：
Figure BDA0003798126550000051
其中Cij为i用户的第j次消费特征；CID为用户身份，按会员和非会员进行编码赋值；CTj为该用户第j次开始消费时间，取整值，取值范围(0-24)；CPj为消费地点，按该用户在B端商户的消费门店大小进行编码赋值；CAj为该用户第j次消费金额，CNj为该用户第j次消费人数，CRj为该用户第j次充值信息。
在一些实施例中，所述营销结算特征涵盖用券金额、折扣金额、积分增加值以及积分抵扣金额，所示营销结算特征模型公式(2)所示：
Figure BDA0003798126550000061
其中Mij为i用户第j次消费的营销结算特征；MQj为该用户第j次消费的用券金额、MDj为该用户第j次消费的折扣金额、MSj为该用户第j次消费的积分增加值、MSDj为该用户第j次消费的积分抵扣金额。
S2、构建用户营销结算贡献值计算模型；依据客户消费特征数据库中消费特征计算营销结算特征对应的用户营销结算贡献值，构成用户营销结算贡献集；
在一些实施例中，所述用户营销结算贡献值计算模型如公式(3)所示：
Figure BDA0003798126550000062
其中Gij为i用户的第j次用户营销结算贡献值，CAj+1为该用户第j+1次消费金额，CAj为该用户第j次消费金额。
S3、构建基于BP神经网络的营销结算贡献模型，利于S1和S2中的消费特征、上一次营销结算特征以及用户营销结算贡献集进行训练和测试，输出当次营销结算特征；获得基于BP神经网络的营销结算贡献模型；
在一些实施例中，所述基于BP神经网络的营销结算贡献模型如公式(4)所示：
Mij＝F(Cij,Mij-1,Gij) (4)；
其中Mij,Mij-1分别为i用户第j次以及第j-1次的营销结算特征，Cij为i用户的第j次消费特征；Gij为i用户第j次消费的用户营销结算贡献值。
在一些实施例中，基于BP神经网络的营销结算贡献模型的BP神经网络有输入层、隐含层和输出层；输入层有三个输入分别为：Cij为i用户的第j次消费特征；Mij-1为i用户第j-1次消费的营销结算特征；Gij为i用户第j次消费的用户营销结算贡献值；输出层有1个，Mij为i用户第j次消费的营销结算特征；所述基于BP神经网络的营销结算贡献模型的BP神经网络的隐含层采用tansig函数。
S4、构建预设营销结算贡献模型，采集当前C端消费者的消费信息，提取当前C端消费者的消费特征，依据预设营销结算贡献模型计算当前C端消费者的预设营销结算贡献值；
在一些实施例中，所述构建预设营销结算贡献模型如公式(5)所示：
Figure BDA0003798126550000071
其中a为i用户首次消费的预设营销结算贡献值；b为i非会员用户第j次消费的预设营销结算贡献值；b为i会员用户第j次消费的预设营销结算贡献值。
在一些实施例中a取值范围为(0.1-0.8)，b取值范围为(0.1-0.5)，c取值范围为(0.1-0.3)；
S5、依据S4中当前C端消费者的消费特征、当前C端消费者的预设营销结算贡献值以及上一次营销结算特征，利用S3中基于BP神经网络的营销结算贡献模型，计算获得当前C端消费者的营销结算特征；
S6、当前C端消费者进入交易端口时，触发S5中计算的当前C端消费者的营销结算特征，进行实时结算，且汇编消费信息以及营销结算信息，并随后语音播报提醒。
优选的，还包括根据客户消费特征数据库，进行用户画像构建，在实时结算前，推荐相似的用户画像的购买产品。
一种采用上述智能提醒方法的智能提醒系统，包括采集单元，用于采集当前和历史C端消费者在B端商户的消费信息以及营销结算信息；
至少一处理器，用于分析处理C端消费者的消费信息以及营销结算信息，获得当前C端消费者当次的营销结算信息，并实时结算；
以及语音播报单元，用于实时结算后的语音播报。
一种存储介质，存储有计算机程序，所述计算机程序被计算机执行时实现上述方法的步骤。
本发明的工作原理是：本发明改变传统的用户画像仅能通过后台界面查询的现状，使得用户画像能够更加有效的在B端与C端发生交互时得以展示，同时改变传统的结算策略，通过智能提醒系统准确直观的告知C端消费者结算分发以及结算使用的情况，提升C端用户的粘性，为B端商户经营店铺提供行之有效的宣传手段；
本发明综合考虑了C端消费者在B端商户的消费信息，构建基于BP神经网络的营销结算贡献模型，通过BP神经网络训练测试得到当前消费的营销结算特征，进行实时结算，且汇编消费信息以及营销结算信息，并随后语音播报提醒，提高营销结算效果，提高用户粘性，助力商户运营。
上面对本专利的较佳实施方式作了详细说明，但是本专利并不限于上述实施方式，在本领域的普通技术人员所具备的知识范围内，还可以在不脱离本专利宗旨的前提下作出各种变化。

Claims (10)

1.一种智能提醒方法，其特征在于，包括如下步骤：
S1、采集历史C端消费者在B端商户的消费信息和营销结算信息，构建消费以及营销结算特征模型，提取C端消费者的消费特征和营销结算特征，构成客户消费特征数据库；
S2、构建用户营销结算贡献值计算模型；依据客户消费特征数据库中消费特征计算营销结算特征对应的用户营销结算贡献值，构成用户营销结算贡献集；
S3、构建基于BP神经网络的营销结算贡献模型，利于S1和S2中的消费特征、上一次营销结算特征以及用户营销结算贡献集进行训练和测试，输出当次营销结算特征；获得基于BP神经网络的营销结算贡献模型；
S4、构建预设营销结算贡献模型，采集当前C端消费者的消费信息，提取当前C端消费者的消费特征，依据预设营销结算贡献模型计算当前C端消费者的预设营销结算贡献值；
S5、依据S4中当前C端消费者的消费特征、当前C端消费者的预设营销结算贡献值以及上一次营销结算特征，利用S3中基于BP神经网络的营销结算贡献模型，计算获得当前C端消费者的营销结算特征；
S6、利用当前C端消费者的营销结算特征，进行实时结算，且汇编消费信息以及营销结算信息，并随后语音播报提醒。
2.根据权利要求1所述的一种智能提醒方法，其特征在于，所述S1中消费特征涵盖消费时间、地点、身份、消费金额以及人数；所示消费特征模型，如公式(1)所示：
Figure FDA0003798126540000011
其中Cij为i用户的第j次消费特征；CID为用户身份，按会员和非会员进行编码赋值；CTj为该用户第j次开始消费时间，取整值，取值范围(0-24)；CPj为消费地点，按该用户在B端商户的消费门店大小进行编码赋值；CAj为该用户第j次消费金额，CNj为该用户第j次消费人数，CRj为该用户第j次充值信息。
3.根据权利要求2所述的一种智能提醒方法，其特征在于，所述S1中营销结算特征涵盖用券金额、折扣金额、积分增加值以及积分抵扣金额，所示营销结算特征模型公式(2)所示：
Figure FDA0003798126540000023
(2)，其中Mij为i用户第j次消费的营销结算特征；MQj为该用户第j次消费的用券金额、MDj为该用户第j次消费的折扣金额、MSj为该用户第j次消费的积分增加值、MSDj为该用户第j次消费的积分抵扣金额。
4.根据权利要求3所述的一种智能提醒方法，其特征在于，所述S2中用户营销结算贡献值计算模型如公式(3)所示：
Figure FDA0003798126540000021
其中Gij为i用户的第j次用户营销结算贡献值，CAj+1为该用户第j+1次消费金额，CAj为该用户第j次消费金额。
5.根据权利要求4所述的一种智能提醒方法，其特征在于，所述S3中基于BP神经网络的营销结算贡献模型如公式(4)所示：
Mij＝F(Cij,Mij-1,Gij) (4)；
其中Mij,Mij-1分别为i用户第j次以及第j-1次的营销结算特征，Cij为i用户的第j次消费特征；Gij为i用户第j次消费的用户营销结算贡献值。
6.根据权利要求5所述的一种智能提醒方法，其特征在于，所述S4中构建预设营销结算贡献模型如公式(5)所示：
Figure FDA0003798126540000022
其中a为i用户首次消费的预设营销结算贡献值；b为i非会员用户第j次消费的预设营销结算贡献值；b为i会员用户第j次消费的预设营销结算贡献值。
7.根据权利要求6所述的一种智能提醒方法，其特征在于，所述S3中基于BP神经网络的营销结算贡献模型的BP神经网络有输入层、隐含层和输出层；输入层有三个输入分别为：Cij为i用户的第j次消费特征；Mij-1为i用户第j-1次消费的营销结算特征；Gij为i用户第j次消费的用户营销结算贡献值；输出层有1个，Mij为i用户第j次消费的营销结算特征；所述基于BP神经网络的营销结算贡献模型的BP神经网络的隐含层采用tansig函数。
8.根据权利要求7所述的一种智能提醒方法，其特征在于，还包括根据客户消费特征数据库，进行用户画像构建，在实时结算前，推荐相似的用户画像的购买产品。
9.一种采用上述权利要求1-8任一所述智能提醒方法的智能提醒系统，其特征在于，包括采集单元，用于采集当前和历史C端消费者在B端商户的消费信息以及营销结算信息；
至少一处理器，用于分析处理C端消费者的消费信息以及营销结算信息，获得当前C端消费者当次的营销结算信息，并实时结算；
以及语音播报单元，用于实时结算后的语音播报。
10.一种存储介质，存储有计算机程序，其特征在于，所述计算机程序被计算机执行时实现权利要求1-8任一所述方法的步骤。
CN202210974315.0A 2022-08-15 2022-08-15 一种智能提醒方法、系统以及存储介质 Pending CN115345660A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210974315.0A CN115345660A (zh) 2022-08-15 2022-08-15 一种智能提醒方法、系统以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210974315.0A CN115345660A (zh) 2022-08-15 2022-08-15 一种智能提醒方法、系统以及存储介质

Publications (1)

Publication Number Publication Date
CN115345660A true CN115345660A (zh) 2022-11-15

Family

ID=83951517

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210974315.0A Pending CN115345660A (zh) 2022-08-15 2022-08-15 一种智能提醒方法、系统以及存储介质

Country Status (1)

Country Link
CN (1) CN115345660A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007102340A (ja) * 2005-09-30 2007-04-19 Pasuko:Kk マーケティング情報生成システム、このシステムで用いるデータマッチング装置、データマイニング装置、及びマーケティング情報生成方法
CN110135906A (zh) * 2019-05-14 2019-08-16 赵东 一种能够导购和精准推送的智能柜台
JP2020017031A (ja) * 2018-07-24 2020-01-30 クリーム株式会社 音声データ提供システム及びプログラム
CN111429238A (zh) * 2020-04-30 2020-07-17 惠州市礼尚迎宾科技有限公司 智能迎宾消费方法、装置、设备及计算机存储介质
WO2020256254A1 (ko) * 2019-06-18 2020-12-24 국제기구세계녹색기후기구 희망행복나눔기관(주) 포인트 결제 지원 시스템
JP2021135873A (ja) * 2020-02-28 2021-09-13 株式会社アイエスアイ 最適決済手段情報提供システム及びその方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007102340A (ja) * 2005-09-30 2007-04-19 Pasuko:Kk マーケティング情報生成システム、このシステムで用いるデータマッチング装置、データマイニング装置、及びマーケティング情報生成方法
JP2020017031A (ja) * 2018-07-24 2020-01-30 クリーム株式会社 音声データ提供システム及びプログラム
CN110135906A (zh) * 2019-05-14 2019-08-16 赵东 一种能够导购和精准推送的智能柜台
WO2020256254A1 (ko) * 2019-06-18 2020-12-24 국제기구세계녹색기후기구 희망행복나눔기관(주) 포인트 결제 지원 시스템
JP2021135873A (ja) * 2020-02-28 2021-09-13 株式会社アイエスアイ 最適決済手段情報提供システム及びその方法
CN111429238A (zh) * 2020-04-30 2020-07-17 惠州市礼尚迎宾科技有限公司 智能迎宾消费方法、装置、设备及计算机存储介质

Similar Documents

Publication Publication Date Title
Yu et al. Coordinating installation of electric vehicle charging stations between governments and automakers
JP6111355B2 (ja) 中古車両価格設定データの分析、および提示のためのシステムおよび方法
US8577736B2 (en) System and method for the analysis of pricing data including dealer costs for vehicles and other commodities
van de Kaa Prospect theory and choice behaviour strategies: review and synthesis of concepts from social and transport sciences
Eckert et al. Price uniformity and competition in a retail gasoline market
Pennerstorfer et al. Spatial clustering and market power: Evidence from the retail gasoline market
KR102018679B1 (ko) 지식재산권 기술가치 평가방법
Chhapra et al. Consumer’s preference and awareness: Comparative analysis between conventional and Islamic ijarah auto financing in Pakistan
Hanson et al. Where does racial discrimination occur? An experimental analysis across neighborhood and housing unit characteristics
US20140244479A1 (en) Process for Utilizing Web Data In Making Lending Decisions
CN104867037A (zh) 一种画像特征的数据处理方法及装置
Shim et al. How marginally does impulse buying intention change in social commerce? Nonparametric regression approach
Larceneux et al. What added value do estate agents offer compared to FSBO transactions? Explanation from a perceived advantages model
US20140143042A1 (en) Modeling Consumer Marketing
Pham et al. Sex and selling: Agent gender and bargaining power in the resale housing market
CN112200215B (zh) 标签特征提取方法、装置、存储介质与电子设备
Drenik et al. Pricing in multiple currencies in domestic markets
Boar et al. Consumption segregation
CN115345660A (zh) 一种智能提醒方法、系统以及存储介质
Qu et al. Identifying the critical factors behind the second-hand housing price concession: Empirical evidence from China
CN111143575B (zh) 一种店铺商品结构的优化方法及系统
Allaymoun et al. Proposed mobile application for Islamic fintech E-Salam system an approach to the financial inclusion
CN114022187A (zh) 一种面向多人聚会的商家推荐方法与系统
Saengchote et al. Capitalising the Network Externalities of New Land Supply in the Metaverse
CN110827093A (zh) 一种精准营销的方法及装置

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20221115