CN116342169B - 一种商品陈列位置确定方法及无人售货系统 - Google Patents
一种商品陈列位置确定方法及无人售货系统 Download PDFInfo
- Publication number
- CN116342169B CN116342169B CN202310606598.8A CN202310606598A CN116342169B CN 116342169 B CN116342169 B CN 116342169B CN 202310606598 A CN202310606598 A CN 202310606598A CN 116342169 B CN116342169 B CN 116342169B
- Authority
- CN
- China
- Prior art keywords
- commodity
- display
- node
- array structure
- sales
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000012360 testing method Methods 0.000 claims abstract description 127
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000004891 communication Methods 0.000 claims abstract description 8
- 238000005192 partition Methods 0.000 claims abstract description 4
- 238000000638 solvent extraction Methods 0.000 claims description 14
- 230000000694 effects Effects 0.000 claims description 9
- 230000001172 regenerating effect Effects 0.000 claims description 4
- 230000006698 induction Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 238000012937 correction Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- CZMRCDWAGMRECN-UGDNZRGBSA-N Sucrose Chemical compound O[C@H]1[C@H](O)[C@@H](CO)O[C@@]1(CO)O[C@@H]1[C@H](O)[C@@H](O)[C@H](O)[C@@H](CO)O1 CZMRCDWAGMRECN-UGDNZRGBSA-N 0.000 description 1
- 229930006000 Sucrose Natural products 0.000 description 1
- 235000013361 beverage Nutrition 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
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
- 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
- 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]
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种商品陈列位置确定方法及无人售货系统，方法包括：根据货架纵向分层建立数组结构的层级；根据货架横向分区建立数组结构的每一层级的节点数量；将数组结构各个节点与货架的各个陈列点一一对应建立关联，以使数组结构与货架陈列关联；获取货架测试数据，根据货架测试数据，确定数组结构的各个节点的节点影响系数；获取通过用户终端输入的待售商品的设定期望销量，其中用户终端与云端服务器通信连接；根据待售商品的设定期望销量和节点影响系数，将待售商品的商品名称自动匹配至数组结构的各个节点的节点名称；根据数组结构中每个节点的商品名称，确定商品陈列位置。本发明有利于通过数据处理方式来指导商品的陈列位置。
Description
技术领域
本发明涉及数据处理系统技术领域，具体涉及一种商品陈列位置确定方法及无人售货系统。
背景技术
商品陈列指以商品为主体，运用一定方法和技巧，借助一定的道具，将商品按销售者的经营思想及要求，有规律地摆设、展示、以方便顾客购买，是提高销售效率的重要的宣传手段，是销售产业广告的主要形式。
合理地陈列商品可以起到展示商品、刺激销售、方便购买、节约空间、美化购物环境等各种重要作用。据统计，店面如能正确运用商品的配置和陈列技术，销售额可以在原有基础上提高10%。
现有技术中，实体商铺（如各种实体商场、实体超市）在进行商品陈列时，一般将同类商品放置在一起，并根据用户拿取商品的便利位置调整商品的左右陈列位置和上下陈列位置，以期待将商家期待售出的商品调整到较好的陈列位置。这种陈列的调整方式仅仅只有理论的依据，在实际进行商品陈列时，通常难以确定哪些陈列位置的售出概率更高，而哪些陈列位置的售出概率更低，因此，难以预测是否能通过调整商品的陈列获得的销售结果，从而，现有技术中缺乏一种能通过数据处理方式来指导商品的陈列位置的方法。
发明内容
本发明的主要目的是提供一种商品陈列位置确定方法，旨在通过数据处理方式来指导商品的陈列位置。
为实现上述目的，本发明提出的一种商品陈列位置确定方法，包括如下步骤：
获取货架的纵向分层和横向分区；其中，纵向分层用于将货架划分成沿纵向依次排列的多个横向陈列区域，横向分区用于将货架的每个横向陈列区域沿横向依次划分为多个陈列点；
根据纵向分层建立数组结构的层级，其中数组结构存储于云端服务器；
根据每一纵向分层的横向分区建立数组结构的每一层级的节点数量；
将数组结构各个节点与货架的各个陈列点一一对应建立关联，以使数组结构与货架陈列关联；
获取货架测试数据，根据货架测试数据，确定数组结构的各个节点的节点影响系数；
获取通过用户终端输入的待售商品的设定期望销量，其中用户终端与云端服务器通信连接；
根据待售商品的设定期望销量和节点影响系数，将待售商品的商品名称自动匹配至数组结构的各个节点的节点名称；
根据数组结构中每个节点的商品名称，确定商品在货架每个陈列点的陈列位置。
优选地，所述方法还包括：
获取卖场区域，并根据卖场区域设置若干个人体感应单元；
通过人体感应单元侦测人流路径；
获取各货架陈列方向与人流路径的重叠情况，以确定货架陈列方向与人流路径的重叠路径；
根据货架陈列方向与人流路径的重叠路径，确定货架的横向有效陈列区域；
根据货架的横向有效陈列区域，确定货架的横向延伸长度。
优选地，所述获取货架测试数据，根据货架测试数据，确定数组结构的各个节点的节点影响系数的步骤，包括：
根据货架的纵向分层和横向分区建立实体陈列模型，其中，实体陈列模型按照货架的纵向分层和横向分区，构建与货架每个陈列点一一对应的测试点，每个测试点陈列同种商品，且每个陈列点的商品数量相同；
获取设定的测试时段内，实体陈列模型中每个测试点的销售流水数据；
根据每个测试点的销售流水数据，确定每个测试点的节点影响系数；
按照测试点与陈列点的对应关系，根据每个测试点的节点影响系数确定每个陈列点的节点影响系数；
按照陈列点与数组结构的节点的对应关系，根据每个陈列点的节点影响系数，确定数组结构的各个节点的节点影响系数。
优选地，所述获取设定的测试时段内，实体陈列模型中每个测试点的销售流水数据的步骤，包括：
在云端服务器存储与实体陈列模型完全对应的虚拟陈列模型；
将实体陈列模型中每个测试点中的每一商品采用第一标识单元进行标记；
将每一个第一标识单元与商品对应的测试点关联；
在设定的测试时段内，获取在销售端通过识别装置识别所述第一标识单元的识别结果，并将识别结果发送至云端服务器；
根据识别装置的识别结果，在云端服务器中将所述虚拟陈列模型的测试点对应的测试点数据进行更新，其中，测试点数据为测试点所陈列的商品数量；
在设定的测试时段结束时，根据所述虚拟陈列模型的测试点对应的测试点数据变化量，确定实体陈列模型中每个测试点的销售流水数据。
优选地，所述根据每个测试点的销售流水数据，确定每个测试点的节点影响系数的步骤，包括：
对每个测试点的销售流水数据进行数据处理，以得到每个测试点与外界影响因子无关的一般销售规律；
根据一般销售规律确定每个测试点的节点影响系数。
优选地，所述根据待售商品的设定期望销量和节点影响系数，将待售商品的商品名称自动匹配至数组结构的各个节点的节点名称的步骤，包括：
获取当前待售商品的外界影响因子；
根据待售商品的设定期望销量、待售商品的外界影响因子和节点影响系数，将待售商品的商品名称自动匹配至数组结构的各个节点的节点名称。
优选地，所述方法还包括：
获取不同类型商品的销售量经验比例和利润系数；
将销售量经验比例超过设定销售量经验比例，且利润系数低于设定利润系数的商品确定为引流商品；
获取用户从数组结构中选择的目标节点作为待纠正节点；
将目标节点周围的节点对应的商品名称替换为引流商品的名称；
根据替换结果，重新生成数组结构，以更新商品陈列位置。
优选地，所述方法还包括：
将陈列点的每一商品采用第二标识单元进行标记；
将陈列点每一商品的第二标识单元与商品对应的陈列点关联；
在销售端利用识别装置识别所述第二标识单元，并将识别结果发送至云端服务器；
根据识别装置的识别结果，在云端服务器中，将所述数组结构中各节点对应的节点数据进行更新，其中，节点数据为节点对应陈列点所陈列的商品数量。
优选地，确定数组结构的各个节点的节点影响系数采用如下方式进行：
建立数组结构；
；
其中，表示数组结构中第i层级中的第j个节点的节点影响系数，；M为数组结构的层级数量，与货架的纵向分层数量相等；N为数组结构的每一层级的节点数量，与货架的每一纵向分层对应的横向陈列点数量相等；
建立实体陈列模型；
；
其中，表示实体陈列模型中第i层级中的第j个测试点的节点影响系数；
；
其中，为设定的测试时段内，实体陈列模型中第i层级中第j个测试点的销售流水数据；
为实体陈列模型中所有测试点的销售流水数据中，最小的销售流水数据；
。
本发明还提出一种无人售货系统，所述无人售货系统应用所述商品陈列位置确定方法。
数据结构是一种计算机存储和组织数据的方式，本发明的技术方案中，通过研究数组结构来呈现货架的陈列位置，将数组结构的层级与货架的纵向分层进行对应，并将数组结构每一层级的节点与货架每一横向分区进行对应，通过确定数组结构内的各个节点的参数，来预测货架各个陈列点的商品销量。通过调取货架测试数据，可以确定货架每个陈列区域对商品销量的影响，从而确定数组结构的各节点的节点影响系数，通过节点影响系数可以预测数组结构各节点对应的陈列点的销售效果。进一步的，获取通过用户终端输入的待售商品的设定期望销量，其中用户终端与云端服务器通信连接，根据期望销量与通过数组结构各节点的节点影响系数，在数组结构中为待售商品匹配合适的节点，从而在匹配的节点中填入待售商品的商品名称。因此，根据上述数组结构的各节点的影响，可以确定货架各陈列点对商品销量的影响，从而实现了根据通过数组结构确定商品陈列位置，有利于通过数据处理方式来指导商品的陈列位置。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中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示出的结构获得其他的附图。
图1为本发明商品陈列位置确定方法一实施例的流程图；
图2为商品陈列位置确定方法中各模块的框架图。
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的一部分实施例，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作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和图2，为实现上述目的，本发明的第一实施例提出一种商品陈列位置确定方法，包括如下步骤：
步骤S10，获取货架的纵向分层和横向分区；其中，纵向分层用于将货架划分成沿纵向依次排列的多个横向陈列区域，横向分区用于将货架的每个横向陈列区域沿横向依次划分为多个陈列点；
步骤S20，根据纵向分层建立数组结构的层级，其中数组结构存储于云端服务器；
步骤S30，根据每一纵向分层的横向分区建立数组结构的每一层级的节点数量；
步骤S40，将数组结构各个节点与货架的各个陈列点一一对应建立关联，以使数组结构与货架陈列关联；
步骤S50，获取货架测试数据，根据货架测试数据，确定数组结构的各个节点的节点影响系数；
步骤S60，获取通过用户终端输入的待售商品的设定期望销量，其中用户终端与云端服务器通信连接；
步骤S70，根据待售商品的设定期望销量和节点影响系数，将待售商品的商品名称自动匹配至数组结构的各个节点的节点名称；
步骤S80，根据数组结构中每个节点的商品名称，确定商品在货架每个陈列点的陈列位置。
数据结构是一种计算机存储和组织数据的方式，本发明的技术方案中，通过研究数组结构来呈现货架的陈列位置，将数组结构的层级与货架的纵向分层进行对应，并将数组结构每一层级的节点与货架每一横向分区进行对应，通过确定数组结构内的各个节点的参数，来预测货架各个陈列点的商品销量。通过调取货架测试数据，可以确定货架每个陈列区域对商品销量的影响，从而确定数组结构的各节点的节点影响系数，通过节点影响系数可以预测数组结构各节点对应的陈列点的销售效果。进一步的，获取通过用户终端输入的待售商品的设定期望销量，其中用户终端与云端服务器通信连接，根据期望销量与通过数组结构各节点的节点影响系数，在数组结构中为待售商品匹配合适的节点，从而在匹配的节点中填入待售商品的商品名称。因此，根据上述数组结构的各节点的影响，可以确定货架各陈列点对商品销量的影响，从而实现了根据通过数组结构确定商品陈列位置，有利于通过数据处理方式来指导商品的陈列位置。
本发明可以应用于各种实体商铺，如各种实体商场、实体超市等，对于无人售货系统来说，顾客挑选商品完全是一种自主选择行为，没有销售人员进行任何的干扰和引导，所以对于商品陈列位置和商品销售数据而言，不会产生人为干扰因素，因此，本发明呈现的数据处理以指导商品陈列位置的效果良好。
本发明的方法涉及云端服务器以及用户终端。
其中，在本发明中，用户终端负责提出需求，例如，向云端服务器提供货架纵向分层和横向分区，给出待售商品清单，以及对待售商品的设定期望销量。
而云端服务器用于进行数据处理，根据货架纵向分层和横向分区建立数组结构，并确定数组结构各个节点的节点影响系数，将待售商品的商品名称自动匹配至数组结构的各个节点的节点名称，以确定商品在货架每个陈列点的陈列位置，并将最后与数组结构相关的商品陈列位置的结果返回给用户终端。
在一具体实施例中，数组结构的节点通过商品名称进行命名，节点中的数据为节点数据，节点数据包括该节点对应的货架的陈列点陈列的商品数量，节点的数据还可以进一步包括节点影响系数。
当节点的数据包括节点影响系数，且将与货架陈列关联的数组结构显示在云端服务器的显示界面上时，虽然商品名称还未匹配至数组结构，但是用户在用户终端可以根据数组结构的层级、节点和节点影响系数，非常清楚的了解到货架每个陈列点对销售量数据的影响。
其中，货架测试数据可以是用户经营过程中获取的与货架陈列相关的历史销售数据，若用户没有可用的历史销售数据，货架测试数据也可以是存储于云端服务器的数据库中的货架销售经验数据。
进一步的，待售商品的设定期望销量通过用户终端输入。
基于本发明的第一实施例，本发明的商品陈列位置确定方法的第二实施例中，所述方法还包括：
步骤S90，获取卖场区域，并根据卖场区域设置若干个人体感应单元；
步骤S100，通过人体感应单元侦测人流路径；
步骤S110，获取各货架陈列方向与人流路径的重叠情况，以确定货架陈列方向与人流路径的重叠路径；
步骤S120，根据货架陈列方向与人流路径的重叠路径，确定货架的横向有效陈列区域；
步骤S130，根据货架的横向有效陈列区域，确定货架的横向延伸长度。
其中，人体感应单元与云端服务器通信连接。人体感应单元可以为摄像头或者红外检测仪器，卖场区域设置有很多货架，通过各个货架形成了卖场通道。每一卖场通道设置多个人体感应单元。
将人体感应单元采集的数据传送至云端服务器，云端服务器通过人体感应单元采集每一卖场通道的人流量，从而确定出每一卖场通道的人流路径。其中，人流路径指的是单位时间的平均人流量不少于设定值的路径。
云端服务器根据人流路径的分布，判断每一货架的横向延伸长度是否全部与人流路径重叠。
根据每一货架的横向延伸长度上与人流路径重叠的区域确定重叠路径。
根据每一货架的横向延伸长度上未与人流路径重叠的边缘确定货架的横向边界。
根据货架的横向边界在货架延伸长度方向上的位置，确定货架的横向有效陈列区域。
具体的，人流的主流方向一般是沿着超市入口到超市出口方向，货架有顺着主流方向陈列的方式、与主流方向垂直陈列的方式，也有与主流方向倾斜陈列的方式，顺着主流方向陈列的方式下，货架的横向延伸长度一般与人流路径重叠，而与主流方向垂直陈列的方式和与主流方向倾斜陈列的方式下，若货架横向延伸长度过长，顾客并不一定有兴趣顺着货架横向延伸方向浏览完整个货架，可能走到货架横向延伸长度的一半左右就会折返，此时，货架统计意义上的最佳陈列位置，并不能产生较好的陈列效果。
因此，本发明中通过侦测人流路径，了解到与人流路径重叠的路径长度，根据与人流路径重叠的路径长度来纠正货架横向延伸长度，以使货架陈列匹配人流路径。从而使货架达到更好的陈列效果。
基于本发明的第一实施例和第二实施例，本发明的商品陈列位置确定方法的第三实施例中，所述步骤S50，包括：
步骤S51，根据货架的纵向分层和横向分区建立实体陈列模型，其中，实体陈列模型按照货架的纵向分层和横向分区，构建与货架每个陈列点一一对应的测试点，每个测试点陈列同种商品，且每个陈列点的商品数量相同；
步骤S52，获取设定的测试时段内，实体陈列模型中每个测试点的销售流水数据；
步骤S53，根据每个测试点的销售流水数据，确定每个测试点的节点影响系数；
步骤S54，按照测试点与陈列点的对应关系，根据每个测试点的节点影响系数确定每个陈列点的节点影响系数；
步骤S55，按照陈列点与数组结构的节点的对应关系，根据每个陈列点的节点影响系数，确定数组结构的各个节点的节点影响系数。
步骤S50的目的是用于通过模型确定数组结构的各个节点的节点影响系数。
其中，为了忽略不同种类商品本身的市场需求量不同，在建立实体陈列模型时，将同种商品陈列于货架每个陈列点对应的测试点。从而，在设定时长内，根据同种商品在不同陈列点的销售数据，可以确定货架陈列位置不同对同类商品的销售影响。
进一步的，为了确定不同种类商品的销售量关系，还可以做多次试验，每一次试验在货架各不同陈列点陈列一种商品，下一次试验又在货架各不同陈列点陈列另一种商品。每一次试验采用相同时段内的销售流水数据，从而可以比较不同商品采用相同的陈列方式时，销售量的大小关系。
具体的，确定数组结构的各个节点的节点影响系数采用如下方式进行：
建立数组结构；
；
其中，表示数组结构中第i层级中的第j个节点的节点影响系数，/>，；M为数组结构的层级数量，与货架的纵向分层数量相等；N为数组结构的每一层级的节点数量，与货架的每一纵向分层对应的横向陈列点数量相等；
建立实体陈列模型；
；
其中，表示实体陈列模型中第i层级中的第j个测试点的节点影响系数；
；
其中，为设定的测试时段内，实体陈列模型中第i层级中第j个测试点的销售流水数据；
为实体陈列模型中所有测试点的销售流水数据中，最小的销售流水数据；
。
根据待售商品的设定期望销量和节点影响系数，将待售商品的商品名称自动匹配至数组结构的各个节点的节点名称具体采用如下方式确定：
获取需要在货架上陈列的商品种类E，；
获取用户输入的待售商品的设定期望销量集合；其中，/>为第e种商品的设定期望销量，/>；
获取用户输入的待售商品的设定期望销量由大到小的排序结果集合；
；
获取数组结构的各个节点的节点影响系数的由大到小排序结果集合；
；
根据中设定期望销量的排序对待售商品排序形成第一排序，根据/>中的节点影响系数的排序对各个数组结构的各个节点排序形成第二排序；
将第一排序中的待售商品一一对应至第二排序中的数组结构节点。具体的：
当待售商品数量等于数组结构的节点数量时，第一排序中的最后一顺序的待售商品正好对应第二排序中的最后一顺序的数组结构节点；
当待售商品数量小于数组结构的节点数量时，第一排序中的最后一顺序的待售商品与节点对应完毕后，再根据第一排序，重新将第一排序中的待售商品一一对应至第二排序中的后续的数组结构节点，直至第二排序中的全部节点对应完毕。
基于本发明的第三实施例，本发明的商品陈列位置确定方法的第四实施例中，所述步骤S52，包括：
步骤S521，在云端服务器存储与实体陈列模型完全对应的虚拟陈列模型；
步骤S522，将实体陈列模型中每个测试点中的每一商品采用第一标识单元进行标记；
步骤S523，将每一个第一标识单元与商品对应的测试点关联；
步骤S524，在设定的测试时段内，获取在销售端通过识别装置识别所述第一标识单元的识别结果，并将识别结果发送至云端服务器；
步骤S525，根据识别装置的识别结果，在云端服务器中将所述虚拟陈列模型的测试点对应的测试点数据进行更新，其中，测试点数据为测试点所陈列的商品数量；
步骤S526，在设定的测试时段结束时，根据所述虚拟陈列模型的测试点对应的测试点数据变化量，确定实体陈列模型中每个测试点的销售流水数据。
具体的，第一标识单元可以为二维码或者RFID标签。将实体陈列模型中每个测试点的每一商品采用第一标识单元标记后，再将第一标识单元与商品对应的测试点关联，从而云端服务器中可以将实体陈列模型中每个测试点直接关联若干第一标识单元，以统计每个测试点的陈列商品数量。
销售端的识别装置可以是条码扫描终端或者RFID标签识别终端，通过识别第一标识单元进行购物结算。销售端与云端服务器通信连接。
在顾客购物结算时，销售端通过识别装置识别第一标识单元，从而确认虚拟陈列模型中第一标识单元关联的测试点，云端服务器从虚拟陈列模型中关联的测试点中将识别出的第一标识单元锁定。
在顾客针对该结算结果成功支付后，云端服务器将锁定的第一标识单元从测试点移出，从而，该测试点的销售数据进行加一操作。从而，在设定的测试时段内，根据上述操作，能确定所述虚拟陈列模型的测试点对应的测试点数据变化量（即测试点的商品数量变化），从而确定实体陈列模型中每个测试点的销售流水数据。
基于本发明的第三实施例或第四实施例，本发明的商品陈列位置确定方法的第五实施例中，所述步骤S53，包括：
步骤S531，对每个测试点的销售流水数据进行数据处理，以得到每个测试点与外界影响因子无关的一般销售规律；其中，外界影响因子包括时间因子和促销因子；
步骤S532，根据一般销售规律确定每个测试点的节点影响系数。
在销售过程中，特殊节假日或者特殊的促销手段，对商品的销售会产生显著的引导。为了消除这种引导带来的偏差，设定外界影响因子这一参数。
对于本实施例而言，若特殊节假日或者促销手段对商品销售的影响因子是已知的，则对每个测试点的销售流水数据进行数据处理，以得到每个测试点与外界影响因子无关的一般销售规律，指的是将销售流水数据通过该影响因子进行纠正。
例如，已知新年（特殊节假日）对第一商品（例如饮料）的销量会产生第一影响因子的影响，对第二商品（例如白糖）的销量会产生第二影响因子的影响。若在新年时段需要做两次试验，第一次试验在货架各不同陈列点陈列第一商品，第二次试验又在货架各不同陈列点陈列第二商品。则需要通过两次试验比较第一商品和第二商品的销售量的大小关系时，需要将第一商品的销售流水数据采用第一影响因子进行纠正，将第二商品的销售流水数据采用第二影响因子进行纠正。
从而，纠正后的结果可用于体现每个测试点与外界影响因子无关的一般销售规律，根据一般销售规律确定每个测试点的节点影响系数。
基于本发明的第五实施例，本发明的商品陈列位置确定方法的第六实施例中，所述步骤S70，包括：
步骤S71，获取当前待售商品的外界影响因子；
步骤S72，根据待售商品的设定期望销量、待售商品的外界影响因子和节点影响系数，将待售商品的商品名称自动匹配至数组结构的各个节点的节点名称。
在实际的商品陈列过程中，总是会受到促销手段或者节假日的影响。在考虑每个陈列点的商品陈列时，就需要将这种影响因素考虑进来。
具体的，根据待售商品的设定期望销量、待售商品的外界影响因子和节点影响系数，将待售商品的商品名称自动匹配至数组结构的各个节点的节点名称具体采用如下方式确定：
获取需要在货架上陈列的商品种类E，；
获取用户输入的待售商品的设定期望销量集合；其中，/>为第e种商品的设定期望销量，/>；
将设定期望销量集合中的元素采用外界影响因子纠正，得到纠正集合；
；
其中，为第e种商品采用外界影响因子纠正后的设定期望销量；/>；/>为第e种商品的与时间t相关的外界影响因子；
；
为时间因子，根据陈列时间不同，取值不同，为常数；/>为促销因子，与促销手段相关，为常数；/>和/>分别为经验常数。
获取用户输入的待售商品的设定期望销量由大到小的排序结果集合；
；
获取数组结构的各个节点的节点影响系数的由大到小排序结果集合；
；
根据中纠正后的设定期望销量的排序对待售商品排序形成第三排序，根据中的节点影响系数的排序对各个数组结构的各个节点排序形成第二排序；将第三排序中的待售商品一一对应至第二排序中的数组结构节点。
基于本发明的第一实施例至第六实施例，本发明的商品陈列位置确定方法的第七实施例中，所述方法还包括：
步骤S140，获取不同类型商品的销售量经验比例和利润系数；
步骤S150，将销售量经验比例超过设定销售量经验比例，且利润系数低于设定利润系数的商品确定为引流商品；
步骤S160，获取用户从数组结构中选择的目标节点作为待纠正节点；
步骤S170，将目标节点周围的节点对应的商品名称替换为引流商品的名称；
步骤S180，根据替换结果，重新生成数组结构，以更新商品陈列位置。
引流商品通常具有非常好的销量，但是利润空间小。对于数组结构中某些节点如果销量并不理想，例如，根据第二实施例的方法，将第一排序中的待售商品一一对应至第二排序中的数组结构节点，但是仍有一些数组结构的节点销量并不能达到预期时，用户可以将商品销量不能达到预期的节点作为目标节点，从数组结构中选择这些目标节点作为待纠正节点；将目标节点周围的节点对应的商品名称替换为引流商品的名称；根据替换结果，重新生成数组结构，以更新商品陈列位置。
基于本发明的第一实施例至第七实施例，本发明的商品陈列位置确定方法的第八实施例中，所述方法还包括：
步骤S190，将陈列点的每一商品采用第二标识单元进行标记；
步骤S200，将陈列点每一商品的第二标识单元与商品对应的陈列点关联；
步骤S210，在销售端利用识别装置识别所述第二标识单元，并将识别结果发送至云端服务器；
步骤S220，根据识别装置的识别结果，在云端服务器中，将所述数组结构中各节点对应的节点数据进行更新，其中，节点数据为节点对应陈列点所陈列的商品数量。
本实施例用于确定货架的补货清单。第二标识单元可以为二维码或者RFID标签。
销售端的识别装置通过识别第二标识单元进行购物结算。
在顾客购物结算时，销售端通过识别装置识别第二标识单元，从而确认第二标识单元关联的陈列点，云端服务器从陈列点对应的数组结构的节点锁定。
在顾客针对该结算结果成功支付后，云端服务器将锁定的节点进行数量删减操作，从而，在设定的测试时段内，根据上述操作，能确定陈列点对应的数组结构的节点的节点数据变化量，从而确定每个陈列点所陈列的商品量，当商品量小于预设量时，在补货清单中生成该陈列点对应的商品名称和补货数量。
基于本发明的第八实施例，本发明的商品陈列位置确定方法的第九实施例中，所述方法还包括：
步骤S230，根据数组结构中各节点的节点数据变化量，以及各节点陈列商品的销售量经验比例，获取数组结构中各节点的实测节点系数；
步骤S240，根据实测节点系数与节点影响系数的比较结果，校正数组结构的各个节点的节点影响系数；
步骤S250，云端服务器侦测数组结构中各节点的节点数据，根据节点数据确定补货节点；
步骤S260，根据待售商品的设定期望销量和校正后的节点影响系数，将待售商品的商品名称自动匹配至数组结构的补货节点；
步骤S270，根据补货节点和补货节点对应的商品名称，生成货架补货信息。
具体的，节点数据变化量指的是一段经营时间后，节点对应陈列点的商品销售量。
各节点陈列商品的销售量经验比例，指的是各节点陈列不同商品时，不同商品的销售量差异比例。
本实施例中，考虑实体陈列模型生成的测试点的销售流水数据，与实际经营时段内的实际销售数据可能存在一定偏差。因此，通过长期的实际销售数据来校正通过实体陈列模型测试得到的节点影响系数，能够提高商品与货架陈列位置匹配的效果。
此外，为实现上述目的，本发明还提出一种无人售货系统，所述无人售货系统应用如上述任一项所述的商品陈列位置确定方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是在本发明的构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
Claims (8)
1.一种商品陈列位置确定方法，其特征在于，包括如下步骤：
获取货架的纵向分层和横向分区；其中，纵向分层用于将货架划分成沿纵向依次排列的多个横向陈列区域，横向分区用于将货架的每个横向陈列区域沿横向依次划分为多个陈列点；
根据纵向分层建立数组结构的层级，其中数组结构存储于云端服务器；
根据每一纵向分层的横向分区建立数组结构的每一层级的节点数量；
将数组结构各个节点与货架的各个陈列点一一对应建立关联，以使数组结构与货架陈列关联；
获取货架测试数据，根据货架测试数据，确定数组结构的各个节点的节点影响系数，包括：根据货架的纵向分层和横向分区建立实体陈列模型，其中，实体陈列模型按照货架的纵向分层和横向分区，构建与货架每个陈列点一一对应的测试点，每个测试点陈列同种商品，且每个陈列点的商品数量相同；获取设定的测试时段内，实体陈列模型中每个测试点的销售流水数据；根据每个测试点的销售流水数据，确定每个测试点的节点影响系数；按照测试点与陈列点的对应关系，根据每个测试点的节点影响系数确定每个陈列点的节点影响系数；按照陈列点与数组结构的节点的对应关系，根据每个陈列点的节点影响系数，确定数组结构的各个节点的节点影响系数；其中，货架测试数据是用户经营过程中获取的与货架陈列相关的历史销售数据，或存储于云端服务器的数据库中的货架销售经验数据；
获取通过用户终端输入的待售商品的设定期望销量，其中用户终端与云端服务器通信连接；
根据待售商品的设定期望销量和节点影响系数，将待售商品的商品名称自动匹配至数组结构的各个节点的节点名称；其中，节点影响系数用于预测数组结构各节点对应的陈列点的销售效果；
根据数组结构中每个节点的商品名称，确定商品在货架每个陈列点的陈列位置；
确定数组结构的各个节点的节点影响系数采用如下方式进行：
建立数组结构；
；
其中，表示数组结构中第i层级中的第j个节点的节点影响系数，/>，/>；M为数组结构的层级数量，与货架的纵向分层数量相等；N为数组结构的每一层级的节点数量，与货架的每一纵向分层对应的横向陈列点数量相等；
建立实体陈列模型；
；
其中，表示实体陈列模型中第i层级中的第j个测试点的节点影响系数；
；
其中，为设定的测试时段内，实体陈列模型中第i层级中第j个测试点的销售流水数据；
为实体陈列模型中所有测试点的销售流水数据中，最小的销售流水数据；
。
2.根据权利要求1所述的商品陈列位置确定方法，其特征在于，所述方法还包括：
获取卖场区域，并根据卖场区域设置若干个人体感应单元；
通过人体感应单元侦测人流路径；
获取各货架陈列方向与人流路径的重叠情况，以确定货架陈列方向与人流路径的重叠路径；
根据货架陈列方向与人流路径的重叠路径，确定货架的横向有效陈列区域；
根据货架的横向有效陈列区域，确定货架的横向延伸长度。
3.根据权利要求1所述的商品陈列位置确定方法，其特征在于，所述获取设定的测试时段内，实体陈列模型中每个测试点的销售流水数据的步骤，包括：
在云端服务器存储与实体陈列模型完全对应的虚拟陈列模型；
将实体陈列模型中每个测试点中的每一商品采用第一标识单元进行标记；
将每一个第一标识单元与商品对应的测试点关联；
在设定的测试时段内，获取在销售端通过识别装置识别所述第一标识单元的识别结果，并将识别结果发送至云端服务器；
根据识别装置的识别结果，在云端服务器中将所述虚拟陈列模型的测试点对应的测试点数据进行更新，其中，测试点数据为测试点所陈列的商品数量；
在设定的测试时段结束时，根据所述虚拟陈列模型的测试点对应的测试点数据变化量，确定实体陈列模型中每个测试点的销售流水数据。
4.根据权利要求1所述的商品陈列位置确定方法，其特征在于，所述根据每个测试点的销售流水数据，确定每个测试点的节点影响系数的步骤，包括：
对每个测试点的销售流水数据进行数据处理，以得到每个测试点与外界影响因子无关的一般销售规律；
根据一般销售规律确定每个测试点的节点影响系数。
5.根据权利要求4所述的商品陈列位置确定方法，其特征在于，所述根据待售商品的设定期望销量和节点影响系数，将待售商品的商品名称自动匹配至数组结构的各个节点的节点名称的步骤，包括：
获取当前待售商品的外界影响因子；
根据待售商品的设定期望销量、待售商品的外界影响因子和节点影响系数，将待售商品的商品名称自动匹配至数组结构的各个节点的节点名称。
6.根据权利要求1至4中任一项所述的商品陈列位置确定方法，其特征在于，所述方法还包括：
获取不同类型商品的销售量经验比例和利润系数；
将销售量经验比例超过设定销售量经验比例，且利润系数低于设定利润系数的商品确定为引流商品；
获取用户从数组结构中选择的目标节点作为待纠正节点；
将目标节点周围的节点对应的商品名称替换为引流商品的名称；
根据替换结果，重新生成数组结构，以更新商品陈列位置。
7.根据权利要求1至4中任一项所述的商品陈列位置确定方法，其特征在于，所述方法还包括：
将陈列点的每一商品采用第二标识单元进行标记；
将陈列点每一商品的第二标识单元与商品对应的陈列点关联；
在销售端利用识别装置识别所述第二标识单元，并将识别结果发送至云端服务器；
根据识别装置的识别结果，在云端服务器中，将所述数组结构中各节点对应的节点数据进行更新，其中，节点数据为节点对应陈列点所陈列的商品数量。
8.一种无人售货系统，其特征在于，所述无人售货系统应用如权利要求1至7中任一项所述的商品陈列位置确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310606598.8A CN116342169B (zh) | 2023-05-26 | 2023-05-26 | 一种商品陈列位置确定方法及无人售货系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310606598.8A CN116342169B (zh) | 2023-05-26 | 2023-05-26 | 一种商品陈列位置确定方法及无人售货系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116342169A CN116342169A (zh) | 2023-06-27 |
| CN116342169B true CN116342169B (zh) | 2023-08-15 |
Family
ID=86889778
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310606598.8A Active CN116342169B (zh) | 2023-05-26 | 2023-05-26 | 一种商品陈列位置确定方法及无人售货系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116342169B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117152540B (zh) * | 2023-10-27 | 2024-01-09 | 浙江由由科技有限公司 | 考虑陈列位置、销量和分类精度的生鲜商品智能计价方法 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102567896A (zh) * | 2010-12-30 | 2012-07-11 | 国际商业机器公司 | 用于在超市中分派商品货位的方法和系统 |
| JP2018077665A (ja) * | 2016-11-09 | 2018-05-17 | 大日本印刷株式会社 | 情報処理システム、情報処理装置、表示装置及びプログラム |
| JP2018151842A (ja) * | 2017-03-13 | 2018-09-27 | 株式会社ミチノバ | 棚割評価システム、携帯端末、サーバ及び棚割評価方法 |
| CN109670861A (zh) * | 2018-11-30 | 2019-04-23 | 深圳冠思大数据服务有限公司 | 基于人工智能的货架商品销售成效提升方法及系统 |
| CN111144964A (zh) * | 2018-11-02 | 2020-05-12 | 阿里巴巴集团控股有限公司 | 商品信息发送、展示方法、装置、介质和设备 |
| CN111311293A (zh) * | 2018-12-12 | 2020-06-19 | 北京京东尚科信息技术有限公司 | 确定商品陈列位置的方法和装置 |
| CN111724188A (zh) * | 2019-03-22 | 2020-09-29 | 北京沃东天骏信息技术有限公司 | 商品陈列位置的优化方法、装置、设备和存储介质 |
| CN111738537A (zh) * | 2019-03-25 | 2020-10-02 | 阿里巴巴集团控股有限公司 | 货架陈列方法、装置及存储介质 |
| CN111915380A (zh) * | 2020-08-31 | 2020-11-10 | 杭州拼便宜网络科技有限公司 | 一种商品陈列路径生成方法、装置、设备及存储介质 |
| CN111967947A (zh) * | 2020-09-04 | 2020-11-20 | 杭州拼便宜网络科技有限公司 | 一种商品陈列方法、装置、电子设备和存储介质 |
| CN113222705A (zh) * | 2021-05-21 | 2021-08-06 | 支付宝(杭州)信息技术有限公司 | 一种商品陈列优化方法、装置以及设备 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8695878B2 (en) * | 2011-08-31 | 2014-04-15 | Djb Group Llc | Shelf-monitoring system |
| WO2019228474A1 (zh) * | 2018-06-01 | 2019-12-05 | 北京极智嘉科技有限公司 | 应用于货到人系统的管理方法以及装置、系统、服务器和计算机存储介质 |
-
2023
- 2023-05-26 CN CN202310606598.8A patent/CN116342169B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102567896A (zh) * | 2010-12-30 | 2012-07-11 | 国际商业机器公司 | 用于在超市中分派商品货位的方法和系统 |
| JP2018077665A (ja) * | 2016-11-09 | 2018-05-17 | 大日本印刷株式会社 | 情報処理システム、情報処理装置、表示装置及びプログラム |
| JP2018151842A (ja) * | 2017-03-13 | 2018-09-27 | 株式会社ミチノバ | 棚割評価システム、携帯端末、サーバ及び棚割評価方法 |
| CN111144964A (zh) * | 2018-11-02 | 2020-05-12 | 阿里巴巴集团控股有限公司 | 商品信息发送、展示方法、装置、介质和设备 |
| CN109670861A (zh) * | 2018-11-30 | 2019-04-23 | 深圳冠思大数据服务有限公司 | 基于人工智能的货架商品销售成效提升方法及系统 |
| CN111311293A (zh) * | 2018-12-12 | 2020-06-19 | 北京京东尚科信息技术有限公司 | 确定商品陈列位置的方法和装置 |
| CN111724188A (zh) * | 2019-03-22 | 2020-09-29 | 北京沃东天骏信息技术有限公司 | 商品陈列位置的优化方法、装置、设备和存储介质 |
| CN111738537A (zh) * | 2019-03-25 | 2020-10-02 | 阿里巴巴集团控股有限公司 | 货架陈列方法、装置及存储介质 |
| CN111915380A (zh) * | 2020-08-31 | 2020-11-10 | 杭州拼便宜网络科技有限公司 | 一种商品陈列路径生成方法、装置、设备及存储介质 |
| CN111967947A (zh) * | 2020-09-04 | 2020-11-20 | 杭州拼便宜网络科技有限公司 | 一种商品陈列方法、装置、电子设备和存储介质 |
| CN113222705A (zh) * | 2021-05-21 | 2021-08-06 | 支付宝(杭州)信息技术有限公司 | 一种商品陈列优化方法、装置以及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116342169A (zh) | 2023-06-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10430864B2 (en) | Transaction based location assignment system and method | |
| US11854063B2 (en) | Providing information for locating an item within a warehouse from a shopper to other shoppers retrieving the item from the warehouse | |
| US8175917B2 (en) | Method and apparatus for customer specific based food preparation prediction | |
| CN109214806A (zh) | 自助结算方法、装置以及存储介质 | |
| US11681956B2 (en) | Sports and concert event ticket pricing and visualization system | |
| US20020065699A1 (en) | General discrete choice model and optimization algorithm for revenue management | |
| CN116342169B (zh) | 一种商品陈列位置确定方法及无人售货系统 | |
| US20140258050A1 (en) | Store Feature Item Finder | |
| US20230394420A1 (en) | Determining estimated delivery time of items obtained from a warehouse for users of an online concierge system to reduce probabilities of delivery after the estimated delivery time | |
| US20200387948A1 (en) | Systems and methods for providing customized in-store navigation | |
| WO2015103269A1 (en) | Product re-pricing systems and related methods | |
| CN110175883A (zh) | 一种排序方法、装置、电子设备和非易失性存储介质 | |
| CN110189164A (zh) | 基于信息熵度量和特征随机采样的商品—门店推荐方案 | |
| Smith | Clearance pricing in retail chains | |
| CN114331535A (zh) | 一种基于智能购物车的信息发放系统和方法 | |
| CN112085537A (zh) | 一种基于大数据分析商品的方法及系统 | |
| US20230109298A1 (en) | Accounting for variable dimensions of content items when positioning content items in a user interface having slots for displaying content items | |
| Khanra et al. | An EOQ model for perishable item with stock and price dependent demand rate | |
| KR20230077881A (ko) | Ar을 이용한 인테리어 모델링 제공장치 및 인테리어 모델링 제공방법 | |
| CN116611796B (zh) | 一种店铺交易数据的异常检测方法及装置 | |
| CN111445297A (zh) | 采购量的确定方法、装置、存储介质及电子设备 | |
| WO2023204921A1 (en) | Creation and arrangement of items in an online concierge system-specific portion of a warehouse for order fulfillment | |
| CN115271884A (zh) | 一种基于多源数据的商品选品方法、装置及电子设备 | |
| US20230036666A1 (en) | Selecting an interface for selecting quantities of an item based on information about the item accessible by an online concierge system | |
| US20220391965A1 (en) | Training a model to predict travel distance between two geographic locations |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |