CN115796926A - 一种基于用户浏览偏好的获客方法及系统 - Google Patents
一种基于用户浏览偏好的获客方法及系统 Download PDFInfo
- Publication number
- CN115796926A CN115796926A CN202310087052.6A CN202310087052A CN115796926A CN 115796926 A CN115796926 A CN 115796926A CN 202310087052 A CN202310087052 A CN 202310087052A CN 115796926 A CN115796926 A CN 115796926A
- Authority
- CN
- China
- Prior art keywords
- browsing
- feature
- area
- preference
- preset
- 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
Images
Classifications
-
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及推广获客相关领域,公开了一种基于用户浏览偏好的获客方法及系统,包括对象追踪模块、对象关联模块、偏好判断模块及获客推送模块;通过图像采集设备及请求获取设备对区域内的用户进行运动轨迹的记录并进行用户端的匹配,从而根据用户在区域内对其他内容的浏览记录进行用户浏览偏好的判断,从而基于用户历史的浏览偏好及店铺自身所售卖商品种类的特征模型对用户进行筛选,并向达到预期符合程度的用户进行店铺的推送,进而实现获客的目的。
Description
技术领域
本发明涉及推广获客相关领域,具体是一种基于用户浏览偏好的获客方法及系统。
背景技术
当下,商品生产销售相关从业者不仅需要自身产品质量过关,赢取消费者的信赖,同时也还需要通过不断的进行宣传,获取新的目标消费者来扩大经营,才能够更好的经营以获取利润。
现有技术中的推广获客方法多是用于电商,或是固定品牌的线下线上宣传,其宣传获客的方式不具有针对性,以海量宣传的方式进行推广以获取目标用户,而对于线下的小型实体经营对象而言,现有技术的此类推广获客方式均是不太适用的,尤其对于商场等环境中的竞争型小型经营户。
发明内容
本发明的目的在于提供一种基于用户浏览偏好的获客方法及系统,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种基于用户浏览偏好的获客系统,包含:
对象追踪模块,用于通过预设的图像采集设备对区域内进行实时监控,获取区域内的监控图像信息,对在时间上连续的所述监控图像信息进行分析,生成区域内不同浏览人员的实时位置信息以及运动轨迹记录;
对象关联模块,用于通过预设的请求获取设备获取来自用户端的关联请求并响应,基于预设的匹配点对所述监控图像信息中的多个实时位置信息进行判断,进而将所述关联请求与所述运动轨迹记录进行匹配,并建立反馈通道,所述请求获取设备在区域内固定设置,并在所述监控图像信息中通过请求匹配点对应记录;
偏好判断模块,用于获取预设的特征标记区域,所述特征标记区域在区域内分布设置,基于已匹配的所述运动轨迹记录在特征标记区域的时间占比对浏览人员进行浏览特征偏好的分析,获取浏览人员的浏览偏好模型,每个所述特征标记区域均对应多个内容特征;
获客推送模块,用于通过店铺端预设的店铺特征模型对区域内的数个已匹配浏览人员的浏览偏好模型进行检索比对,若所述浏览人员的所述浏览偏好模型的重合度达到预设筛选值,则生成店铺引导并推送至相对应的浏览人员用户端。
作为本发明的进一步方案:还包括特征标记点,所述特征标记点包括内容特征标记点以及引导特征标记点,所述内容特征标记点在所述特征标记区域内分布设置,所述引导特征标记点在区域内的非特征标记区域中分布设置,所述引导特征标记点用于表征产品引导型内容的设置点位,所述内容特征标记点用于表征产品内容对应设置点位。
作为本发明的再进一步方案:所述偏好判断模块包括:
特征标记单元,用于获取预设的特征标记区域,将所述特征标记区域在所述区域内进行范围划定并标记;
偏好获取单元,用于对所述运动轨迹记录进行分析,获取所述浏览人员在不同特征标记区域的停留时长,其中所述停留时长包括多个与不同特征标记点相对应的停留时长;
偏好分析单元,用于获取不同特征区域及不同特征标记点相对应的所述内容特征,计算不同的所述内容特征的停留时长占浏览人员的总停留时间占比,生成浏览偏好模型,所述浏览偏好模型具体包括内容浏览偏好模型以及引导浏览偏好模型。
作为本发明的再进一步方案:所述偏好判断模块还包括:
停留判断单元,用于通过特征标记区域内预设的停留判断点对所述运动轨迹记录进行判断,若浏览对象在所述停留判断点的时长与在特征标记区域内的时长比值达到预设百分比,则判定浏览对象为非目标对象,且该特征标记区域记录不用于生成浏览人员的浏览偏好模型。
作为本发明的再进一步方案:所述筛选值基于用户流量设置,所述筛选值与所述店铺的用户流量成正比。
本发明实施例旨在提供一种基于用户浏览偏好的获客方法,包含:
通过预设的图像采集设备对区域内进行实时监控,获取区域内的监控图像信息,对在时间上连续的所述监控图像信息进行分析,生成区域内不同浏览人员的实时位置信息以及运动轨迹记录;
通过预设的请求获取设备获取来自用户端的关联请求并响应,基于预设的匹配点对所述监控图像信息中的多个实时位置信息进行判断,进而将所述关联请求与所述运动轨迹记录进行匹配,所述请求获取设备在区域内固定设置,并在所述监控图像信息中通过请求匹配点对应记录;
获取预设的特征标记区域,所述特征标记区域在区域内分布设置,基于已匹配的所述运动轨迹记录在特征标记区域的时间占比对浏览人员进行浏览特征偏好的分析,获取浏览人员的浏览偏好模型,每个所述特征标记区域均对应多个内容特征;
通过店铺端预设的店铺特征模型对区域内的数个已匹配浏览人员的浏览偏好模型进行检索比对,若所述浏览人员的所述浏览偏好模型的重合度达到预设筛选值,则生成店铺引导并推送至相对应的浏览人员用户端。
作为本发明的进一步方案:还包括特征标记点,所述特征标记点包括内容特征标记点以及引导特征标记点,所述内容特征标记点在所述特征标记区域内分布设置,所述引导特征标记点在区域内的非特征标记区域中分布设置,所述引导特征标记点用于表征产品引导型内容的设置点位,所述内容特征标记点用于表征产品内容对应设置点位。
作为本发明的再进一步方案:所述获取预设的特征标记区域,所述特征标记区域在区域内分布设置,基于已匹配的所述运动轨迹记录在特征标记区域的时间占比对浏览人员进行浏览特征偏好的分析,获取浏览人员的浏览偏好模型的步骤具体包括:
获取预设的特征标记区域,将所述特征标记区域在所述区域内进行范围划定并标记;
对所述运动轨迹记录进行分析,获取所述浏览人员在不同特征标记区域的停留时长,其中所述停留时长包括多个与不同特征标记点相对应的停留时长;
获取不同特征区域及不同特征标记点相对应的所述内容特征,计算不同的所述内容特征的停留时长占浏览人员的总停留时间占比,生成浏览偏好模型,所述浏览偏好模型具体包括内容浏览偏好模型以及引导浏览偏好模型。
作为本发明的再进一步方案:还包括:
通过特征标记区域内预设的停留判断点对所述运动轨迹记录进行判断,若浏览对象在所述停留判断点的时长与在特征标记区域内的时长比值达到预设百分比,则判定浏览对象为非目标对象,且该特征标记区域记录不用于生成浏览人员的浏览偏好模型。
作为本发明的再进一步方案:所述筛选值基于用户流量设置,所述筛选值与所述店铺的用户流量成正比。
与现有技术相比,本发明的有益效果是:通过图像采集设备及请求获取设备对区域内的用户进行运动轨迹的记录并进行用户端的匹配,从而根据用户在区域内对其他内容的浏览记录进行用户浏览偏好的判断,从而基于用户历史的浏览偏好及店铺自身所售卖商品种类的特征模型对用户进行筛选,并向达到预期符合程度的用户进行店铺的推送,进而实现获客的目的。
附图说明
图1为一种基于用户浏览偏好的获客系统的组成框图;
图2为一种基于用户浏览偏好的获客系统中偏好判断模块的组成框图;
图3为一种基于用户浏览偏好的获客方法的流程框图。
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。
以下结合具体实施例对本发明的具体实现方式进行详细描述。
如图1所述,为本发明一个实施例提供的一种基于用户浏览偏好的获客系统,包括以下步骤:
对象追踪模块100,用于通过预设的图像采集设备对区域内进行实时监控,获取区域内的监控图像信息,对在时间上连续的所述监控图像信息进行分析,生成区域内不同浏览人员的实时位置信息以及运动轨迹记录。
对象关联模块300,用于通过预设的请求获取设备获取来自用户端的关联请求并响应,基于预设的匹配点对所述监控图像信息中的多个实时位置信息进行判断,进而将所述关联请求与所述运动轨迹记录进行匹配,并建立反馈通道,所述请求获取设备在区域内固定设置,并在所述监控图像信息中通过请求匹配点对应记录。
偏好判断模块500,用于获取预设的特征标记区域,所述特征标记区域在区域内分布设置,基于已匹配的所述运动轨迹记录在特征标记区域的时间占比对浏览人员进行浏览特征偏好的分析,获取浏览人员的浏览偏好模型,每个所述特征标记区域均对应多个内容特征。
获客推送模块700,用于通过店铺端预设的店铺特征模型对区域内的数个已匹配浏览人员的浏览偏好模型进行检索比对,若所述浏览人员的所述浏览偏好模型的重合度达到预设筛选值,则生成店铺引导并推送至相对应的浏览人员用户端。
本实施例中,给出了一种基于用户浏览偏好的获客系统,通过图像采集设备及请求获取设备对区域内的用户进行运动轨迹的记录并进行用户端的匹配,从而根据用户在区域内对其他内容的浏览记录进行用户浏览偏好的判断,从而基于用户历史的浏览偏好及店铺自身所售卖商品种类的特征模型对用户进行筛选,并向达到预期符合程度的用户进行店铺的推送,进而实现获客的目的;具体的,这里的使用场景可以为商场、游乐园等娱乐消费场所等,用于在上述场所中的店铺对场内游览人员的定向推广和获客,补充了实体经济中缺乏动态针对性的店铺推广获客方法的空缺,对象追踪模块100可以通过在这些场所中分布式覆盖设置的摄像头等装置进行实现,在获取图像数据后,对数据中的对象个体进行监控追踪分析,进而可以生成在一段时间内,对象在场所区域内的运动轨迹记录,同时通过对象关联模块300对对象进行匹配,这里进行匹配所使用的请求获取设备可以是入场电子券的扫码进入,或是行程健康相关的扫码核对等,在预设的点位进行扫码并通过监控的配合进行定位的匹配,从而实现将用户的终端与运动轨迹进行匹配,进而可以实现通过用户终端进行推广获客的目的,偏好判断模块500的作用在于,根据场所内不同店铺以及内容的分布,对用户的运动轨迹进行匹配,进而通过用户的浏览历史对用户的浏览兴趣偏好进行生成,从而获客推送模块可以根据用户的浏览偏好与店铺提供内容的重合性进行用户的获取和推送,实现获客的目的。
作为本发明另一个优选的实施例,还包括特征标记点,所述特征标记点包括内容特征标记点以及引导特征标记点,所述内容特征标记点在所述特征标记区域内分布设置,所述引导特征标记点在区域内的非特征标记区域中分布设置,所述引导特征标记点用于表征产品引导型内容的设置点位,所述内容特征标记点用于表征产品内容对应设置点位。
本实施例中,这里对特征标记区域补充了特征标记点,具体包括内容特征标记点和引导特征标记点,内容特征标记点可以理解为店铺(特征标记区域)中不同类型商品的分布,因此内容特征标记点是在特征标记区域中分布设置的,引导特征标记点可以理解为场所公共区域中的广告行为等,例如某些商品树立的广告牌等,之所以进行二者的区别是因为,用户在进行浏览时,对于广告内容和实际的商品内容所需要消耗的时间是完全不成比例的,因此无法进行二者直接的共同参考使用。
如图2所示,作为本发明另一个优选的实施例,所述偏好判断模块500包括:
特征标记单元501,用于获取预设的特征标记区域,将所述特征标记区域在所述区域内进行范围划定并标记。
偏好获取单元502,用于对所述运动轨迹记录进行分析,获取所述浏览人员在不同特征标记区域的停留时长,其中所述停留时长包括多个与不同特征标记点相对应的停留时长。
偏好分析单元503,用于获取不同特征区域及不同特征标记点相对应的所述内容特征,计算不同的所述内容特征的停留时长占浏览人员的总停留时间占比,生成浏览偏好模型,所述浏览偏好模型具体包括内容浏览偏好模型以及引导浏览偏好模型。
进一步的,所述偏好判断模块500还包括:
停留判断单元,用于通过特征标记区域内预设的停留判断点对所述运动轨迹记录进行判断,若浏览对象在所述停留判断点的时长与在特征标记区域内的时长比值达到预设百分比,则判定浏览对象为非目标对象,且该特征标记区域记录不用于生成浏览人员的浏览偏好模型。
本实施例中,这里对偏好判断模块500进行了功能性的划分说明与补充,其主要的实现方法为,在对用户的运动轨迹进行分析时,获取用户在不同的特征标记区域内的停留时间,因不同的特征标记区域(或内容特征标记点)均是对应有不同的内容类型标签的,因此可以基于对不同内容类型的标签的浏览时长进行统计,判断与总停留时间的比值,以此获取用户的浏览偏好,即可以了解用户对不同内容的兴趣程度,进而进行获客与内容的推送;这里的停留判断点是对应商店等提供的用于休息的场所位置等,进而对等待他人或是短暂休息的人员进行过滤,提升浏览偏好的准确性,降低信息污染的发生概率。
作为本发明另一个优选的实施例,所述筛选值基于用户流量设置,所述筛选值与所述店铺的用户流量成正比。
本实施例中,当某一店铺的人流量较多时,则此时其对于获客的需求便降低了,因此可以通过获客过程中对于用户的浏览偏好的筛选门槛,降低通过获客推送和获取的用户数量,这与电商平台的追求更多数量的获客方式是不同的。
如图3所示,本发明还提供了一种基于用户浏览偏好的获客方法,其包含步骤:
S200,通过预设的图像采集设备对区域内进行实时监控,获取区域内的监控图像信息,对在时间上连续的所述监控图像信息进行分析,生成区域内不同浏览人员的实时位置信息以及运动轨迹记录。
S400,通过预设的请求获取设备获取来自用户端的关联请求并响应,基于预设的匹配点对所述监控图像信息中的多个实时位置信息进行判断,进而将所述关联请求与所述运动轨迹记录进行匹配,所述请求获取设备在区域内固定设置,并在所述监控图像信息中通过请求匹配点对应记录。
S600,获取预设的特征标记区域,所述特征标记区域在区域内分布设置,基于已匹配的所述运动轨迹记录在特征标记区域的时间占比对浏览人员进行浏览特征偏好的分析,获取浏览人员的浏览偏好模型,每个所述特征标记区域均对应多个内容特征。
S800,通过店铺端预设的店铺特征模型对区域内的数个已匹配浏览人员的浏览偏好模型进行检索比对,若所述浏览人员的所述浏览偏好模型的重合度达到预设筛选值,则生成店铺引导并推送至相对应的浏览人员用户端。
作为本发明另一个优选的实施例,还包括特征标记点,所述特征标记点包括内容特征标记点以及引导特征标记点,所述内容特征标记点在所述特征标记区域内分布设置,所述引导特征标记点在区域内的非特征标记区域中分布设置,所述引导特征标记点用于表征产品引导型内容的设置点位,所述内容特征标记点用于表征产品内容对应设置点位。
作为本发明另一个优选的实施例,所述获取预设的特征标记区域,所述特征标记区域在区域内分布设置,基于已匹配的所述运动轨迹记录在特征标记区域的时间占比对浏览人员进行浏览特征偏好的分析,获取浏览人员的浏览偏好模型的步骤具体包括:
获取预设的特征标记区域,将所述特征标记区域在所述区域内进行范围划定并标记。
对所述运动轨迹记录进行分析,获取所述浏览人员在不同特征标记区域的停留时长,其中所述停留时长包括多个与不同特征标记点相对应的停留时长。
获取不同特征区域及不同特征标记点相对应的所述内容特征,计算不同的所述内容特征的停留时长占浏览人员的总停留时间占比,生成浏览偏好模型,所述浏览偏好模型具体包括内容浏览偏好模型以及引导浏览偏好模型。
作为本发明另一个优选的实施例,还包括:
通过特征标记区域内预设的停留判断点对所述运动轨迹记录进行判断,若浏览对象在所述停留判断点的时长与在特征标记区域内的时长比值达到预设百分比,则判定浏览对象为非目标对象,且该特征标记区域记录不用于生成浏览人员的浏览偏好模型。
作为本发明另一个优选的实施例,所述筛选值基于用户流量设置,所述筛选值与所述店铺的用户流量成正比。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
本领域技术人员在考虑说明书及实施例处的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种基于用户浏览偏好的获客系统,其特征在于,包含:
对象追踪模块,用于通过预设的图像采集设备对区域内进行实时监控,获取区域内的监控图像信息,对在时间上连续的所述监控图像信息进行分析,生成区域内不同浏览人员的实时位置信息以及运动轨迹记录;
对象关联模块,用于通过预设的请求获取设备获取来自用户端的关联请求并响应,基于预设的匹配点对所述监控图像信息中的多个实时位置信息进行判断,进而将所述关联请求与所述运动轨迹记录进行匹配,并建立反馈通道,所述请求获取设备在区域内固定设置,并在所述监控图像信息中通过请求匹配点对应记录;
偏好判断模块,用于获取预设的特征标记区域,所述特征标记区域在区域内分布设置,基于已匹配的所述运动轨迹记录在特征标记区域的时间占比对浏览人员进行浏览特征偏好的分析,获取浏览人员的浏览偏好模型,每个所述特征标记区域均对应多个内容特征;
获客推送模块,用于通过店铺端预设的店铺特征模型对区域内的数个已匹配浏览人员的浏览偏好模型进行检索比对,若所述浏览人员的所述浏览偏好模型的重合度达到预设筛选值,则生成店铺引导并推送至相对应的浏览人员用户端。
2.根据权利要求1所述的一种基于用户浏览偏好的获客系统,其特征在于,还包括特征标记点,所述特征标记点包括内容特征标记点以及引导特征标记点,所述内容特征标记点在所述特征标记区域内分布设置,所述引导特征标记点在区域内的非特征标记区域中分布设置,所述引导特征标记点用于表征产品引导型内容的设置点位,所述内容特征标记点用于表征产品内容对应设置点位。
3.根据权利要求2所述的一种基于用户浏览偏好的获客系统,其特征在于,所述偏好判断模块包括:
特征标记单元,用于获取预设的特征标记区域,将所述特征标记区域在所述区域内进行范围划定并标记;
偏好获取单元,用于对所述运动轨迹记录进行分析,获取所述浏览人员在不同特征标记区域的停留时长,其中所述停留时长包括多个与不同特征标记点相对应的停留时长;
偏好分析单元,用于获取不同特征区域及不同特征标记点相对应的所述内容特征,计算不同的所述内容特征的停留时长占浏览人员的总停留时间占比,生成浏览偏好模型,所述浏览偏好模型具体包括内容浏览偏好模型以及引导浏览偏好模型。
4.根据权利要求3所述的一种基于用户浏览偏好的获客系统,其特征在于,所述偏好判断模块还包括:
停留判断单元,用于通过特征标记区域内预设的停留判断点对所述运动轨迹记录进行判断,若浏览对象在所述停留判断点的时长与在特征标记区域内的时长比值达到预设百分比,则判定浏览对象为非目标对象,且该特征标记区域记录不用于生成浏览人员的浏览偏好模型。
5.根据权利要求1所述的一种基于用户浏览偏好的获客系统,其特征在于,所述筛选值基于用户流量设置,所述筛选值与所述店铺的用户流量成正比。
6.一种基于用户浏览偏好的获客方法,其特征在于,包含:
通过预设的图像采集设备对区域内进行实时监控,获取区域内的监控图像信息,对在时间上连续的所述监控图像信息进行分析,生成区域内不同浏览人员的实时位置信息以及运动轨迹记录;
通过预设的请求获取设备获取来自用户端的关联请求并响应,基于预设的匹配点对所述监控图像信息中的多个实时位置信息进行判断,进而将所述关联请求与所述运动轨迹记录进行匹配,所述请求获取设备在区域内固定设置,并在所述监控图像信息中通过请求匹配点对应记录;
获取预设的特征标记区域,所述特征标记区域在区域内分布设置,基于已匹配的所述运动轨迹记录在特征标记区域的时间占比对浏览人员进行浏览特征偏好的分析,获取浏览人员的浏览偏好模型,每个所述特征标记区域均对应多个内容特征;
通过店铺端预设的店铺特征模型对区域内的数个已匹配浏览人员的浏览偏好模型进行检索比对,若所述浏览人员的所述浏览偏好模型的重合度达到预设筛选值,则生成店铺引导并推送至相对应的浏览人员用户端。
7.根据权利要求6所述的一种基于用户浏览偏好的获客方法,其特征在于,还包括特征标记点,所述特征标记点包括内容特征标记点以及引导特征标记点,所述内容特征标记点在所述特征标记区域内分布设置,所述引导特征标记点在区域内的非特征标记区域中分布设置,所述引导特征标记点用于表征产品引导型内容的设置点位,所述内容特征标记点用于表征产品内容对应设置点位。
8.根据权利要求7所述的一种基于用户浏览偏好的获客方法,其特征在于,所述获取预设的特征标记区域,所述特征标记区域在区域内分布设置,基于已匹配的所述运动轨迹记录在特征标记区域的时间占比对浏览人员进行浏览特征偏好的分析,获取浏览人员的浏览偏好模型的步骤具体包括:
获取预设的特征标记区域,将所述特征标记区域在所述区域内进行范围划定并标记;
对所述运动轨迹记录进行分析,获取所述浏览人员在不同特征标记区域的停留时长,其中所述停留时长包括多个与不同特征标记点相对应的停留时长;
获取不同特征区域及不同特征标记点相对应的所述内容特征,计算不同的所述内容特征的停留时长占浏览人员的总停留时间占比,生成浏览偏好模型,所述浏览偏好模型具体包括内容浏览偏好模型以及引导浏览偏好模型。
9.根据权利要求8所述的一种基于用户浏览偏好的获客方法,其特征在于,还包括:
通过特征标记区域内预设的停留判断点对所述运动轨迹记录进行判断,若浏览对象在所述停留判断点的时长与在特征标记区域内的时长比值达到预设百分比,则判定浏览对象为非目标对象,且该特征标记区域记录不用于生成浏览人员的浏览偏好模型。
10.根据权利要求6所述的一种基于用户浏览偏好的获客方法,其特征在于,所述筛选值基于用户流量设置,所述筛选值与所述店铺的用户流量成正比。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310087052.6A CN115796926A (zh) | 2023-02-09 | 2023-02-09 | 一种基于用户浏览偏好的获客方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310087052.6A CN115796926A (zh) | 2023-02-09 | 2023-02-09 | 一种基于用户浏览偏好的获客方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115796926A true CN115796926A (zh) | 2023-03-14 |
Family
ID=85430607
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310087052.6A Pending CN115796926A (zh) | 2023-02-09 | 2023-02-09 | 一种基于用户浏览偏好的获客方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115796926A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105869015A (zh) * | 2016-03-28 | 2016-08-17 | 联想(北京)有限公司 | 一种信息处理方法及系统 |
CN107844990A (zh) * | 2017-10-31 | 2018-03-27 | 努比亚技术有限公司 | 一种用于智能门店的信息管理方法及其系统、终端设备 |
US20180232776A1 (en) * | 2017-02-15 | 2018-08-16 | Linctronix Ltd. | Personalized advertising system |
CN110163685A (zh) * | 2019-05-27 | 2019-08-23 | 珠海幸福家网络科技股份有限公司 | 基于客户看房轨迹的客户偏好分析系统及分析方法 |
CN111127066A (zh) * | 2018-11-01 | 2020-05-08 | 百度在线网络技术(北京)有限公司 | 基于用户信息的挖掘应用方法和装置 |
CN112215657A (zh) * | 2020-10-14 | 2021-01-12 | 珠海格力电器股份有限公司 | 一种推荐商品确定方法、装置、电子设备及存储介质 |
CN112348544A (zh) * | 2019-08-09 | 2021-02-09 | 上海红星美凯龙悦家互联网科技有限公司 | 用户信息获取及关联方法、装置、设备、系统和存储介质 |
CN114581175A (zh) * | 2022-02-11 | 2022-06-03 | 珠海格力电器股份有限公司 | 商品推送方法、装置、存储介质及电子设备 |
-
2023
- 2023-02-09 CN CN202310087052.6A patent/CN115796926A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105869015A (zh) * | 2016-03-28 | 2016-08-17 | 联想(北京)有限公司 | 一种信息处理方法及系统 |
US20180232776A1 (en) * | 2017-02-15 | 2018-08-16 | Linctronix Ltd. | Personalized advertising system |
CN107844990A (zh) * | 2017-10-31 | 2018-03-27 | 努比亚技术有限公司 | 一种用于智能门店的信息管理方法及其系统、终端设备 |
CN111127066A (zh) * | 2018-11-01 | 2020-05-08 | 百度在线网络技术(北京)有限公司 | 基于用户信息的挖掘应用方法和装置 |
CN110163685A (zh) * | 2019-05-27 | 2019-08-23 | 珠海幸福家网络科技股份有限公司 | 基于客户看房轨迹的客户偏好分析系统及分析方法 |
CN112348544A (zh) * | 2019-08-09 | 2021-02-09 | 上海红星美凯龙悦家互联网科技有限公司 | 用户信息获取及关联方法、装置、设备、系统和存储介质 |
CN112215657A (zh) * | 2020-10-14 | 2021-01-12 | 珠海格力电器股份有限公司 | 一种推荐商品确定方法、装置、电子设备及存储介质 |
CN114581175A (zh) * | 2022-02-11 | 2022-06-03 | 珠海格力电器股份有限公司 | 商品推送方法、装置、存储介质及电子设备 |
Non-Patent Citations (1)
Title |
---|
席国庆, 中国商业出版社, pages: 97 - 100 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10354262B1 (en) | Brand-switching analysis using longitudinal tracking of at-shelf shopper behavior | |
CN107909443B (zh) | 信息推送方法、装置及系统 | |
Deschaintres et al. | Analyzing transit user behavior with 51 weeks of smart card data | |
US10748190B2 (en) | Apparatus for managing customer information, method for managing customer information, system for managing customer information and non-transitory computer readable storage medium having a computer program recorded thereon | |
US10482527B2 (en) | Systems and methods to predict resource availability | |
JPWO2020008938A1 (ja) | 販売促進システムおよび販売促進方法 | |
JP4972574B2 (ja) | 鉄道利用者へのコンテンツ連携情報の提供方法 | |
US9424590B2 (en) | Method and system for real time targeted advertising in a retail environment | |
US20150154640A1 (en) | Method and system for collecting resource access information | |
JP2021149802A (ja) | 属性推定装置、コンピュータプログラム、属性推定システム及び属性推定方法 | |
JP2021500659A (ja) | 自動化されたアトリビューションモデリングおよび測定 | |
KR102213107B1 (ko) | 오프라인 매장의 방문자 행동 패턴에 기반한 o2o 마케팅 플랫폼 시스템 및 그 구축 방법 | |
KR20180122095A (ko) | 스마트 파킹 시스템 및 이를 이용한 주차장 위치 기반의 광고 제공 방법 | |
CN111784405A (zh) | 基于人脸智能识别knn算法的线下门店智能导购方法 | |
CN108171530B (zh) | 一种用于客单价和复购率的提升方法及装置 | |
CN113919882A (zh) | 个性化折扣券的智能设计方法、电子装置和存储介质 | |
US11887161B2 (en) | Systems and methods for delivering content to mobile devices | |
CN112700307A (zh) | 一种基于数据分析的商品推荐方法 | |
SALIS et al. | Segmenting fare evader groups by factor and cluster analysis | |
KR102110495B1 (ko) | 빅데이터 기반 인플루언서 광고를 이용한 할인 마케팅 서비스 제공 시스템 | |
CN112241489A (zh) | 信息推送方法、装置、可读存储介质和计算机设备 | |
KR20200097571A (ko) | 오프라인 매장 방문자의 행동 패턴을 데이터로 한 o2o 마케팅 플랫폼 시스템 | |
CN115796926A (zh) | 一种基于用户浏览偏好的获客方法及系统 | |
Banik et al. | Mapping of bus travel time to traffic stream travel time using econometric modeling | |
US11756085B2 (en) | Integrated system of physical consumption environment and network consumption environment and control method thereof |
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 |