CN116343331B - 一种基于大数据分析的精准营销方法及系统 - Google Patents
一种基于大数据分析的精准营销方法及系统 Download PDFInfo
- Publication number
- CN116343331B CN116343331B CN202310225153.5A CN202310225153A CN116343331B CN 116343331 B CN116343331 B CN 116343331B CN 202310225153 A CN202310225153 A CN 202310225153A CN 116343331 B CN116343331 B CN 116343331B
- Authority
- CN
- China
- Prior art keywords
- image
- marketing
- action
- partition number
- client
- 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 42
- 238000007405 data analysis Methods 0.000 title claims abstract description 19
- 230000009471 action Effects 0.000 claims abstract description 70
- 238000007781 pre-processing Methods 0.000 claims abstract description 17
- 238000013145 classification model Methods 0.000 claims abstract description 10
- 238000005192 partition Methods 0.000 claims description 66
- 238000005457 optimization Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 6
- 210000004556 brain Anatomy 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 101100134058 Caenorhabditis elegans nth-1 gene Proteins 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 11
- 230000000694 effects Effects 0.000 abstract description 10
- 238000009826 distribution Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 101100457042 Dictyostelium discoideum mgst gene Proteins 0.000 description 1
- 101150037717 Mavs gene Proteins 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000586 desensitisation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- 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
- G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/28—Recognition of hand or arm movements, e.g. recognition of deaf sign language
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Social Psychology (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Psychiatry (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本发明属于营销领域,公开了一种基于大数据分析的精准营销方法及系统,方法包括S100,获取客户的动作图像;S200,对动作图像进行预处理,得到待识别图像;S300,将待识别图像输入到预先训练好的分类模型中进行分类,得到客户的动作类型;S400,根据动作类型计算出客户当前的心理类型;S500,基于心理类型匹配对应的营销话术;S600,将营销话术发送至营销人员的使用的电子设备。本发明还提供了方法对应的系统,本发明在对线下的客户进行营销的过程中,通过对客户的动作图像来进行大数据分析从而确定营销话术,使得营销人员能够根据客户所做出的动作快速调整营销话术,从而达到精准营销,提高营销效果的目的。
Description
技术领域
本发明涉及营销领域,尤其涉及一种基于大数据分析的精准营销方法及系统。
背景技术
基于大数据的营销方式主要是指利用大数据对客户的行为记录以及客户的基本属性信息进行分析,确定客户的类型,从而根据类型来进行营销。与传统的撒网式营销相比,基于大数据的精准营销方法由于针对性更强,因此营销效果更好。
传统的大数据分析一般都是应用到线上的,但是,实体店应依然存在较多的营销行为,因此,如何将大数据技术与线下营销活动结合起来,提高线下营销的效果,是一个需要解决的技术问题。
发明内容
本发明的目的在于公开一种基于大数据分析的精准营销方法,解决如何将大数据技术与线下营销活动结合起来,提高线下营销效果问题。
为了达到上述目的,本发明采用如下技术方案:
第一个方面,本发明提供了一种基于大数据分析的精准营销方法,包括:
S100,获取客户的动作图像;
S200,对动作图像进行预处理,得到待识别图像;
S300,将待识别图像输入到预先训练好的分类模型中进行分类,得到客户的动作类型;
S400,根据动作类型计算出客户当前的心理类型;
S500,基于心理类型匹配对应的营销话术;
S600,将营销话术发送至营销人员的使用的电子设备。
优选地,获取客户的动作图像,包括:
S101,通过设置在门店中的拍摄装置对客户进行拍摄,得到拍摄图像;
S102,对拍摄图像进行脱敏处理,得到客户的动作图像。
优选地,对动作图像进行预处理,得到待识别图像,包括:
S201,将动作图像分成多个面积相同的区域;
S202,分别对每个区域进行区域优化处理,得到均衡图像;
S203,对均衡图像进行滤波处理,得到滤波图像;
S204,对滤波图像进行目标提取处理,得到待识别图像。
优选地,客户的动作类型包括揉搓脸部、抚摸脑袋、抚摸手掌、双手插兜、双手环抱和身体后仰。
优选地,客户的心里类型包括不认同、不感兴趣、不信任、犹豫、感兴趣和不适应。
优选地,电子设备包括蓝牙耳机或平板电脑。
优选地,将营销话术发送至营销人员的使用的电子设备,包括:
将营销话术转换成语音发送至营销人员佩戴蓝牙耳机,或将营销话术发送至营销人员使用的平板电脑。
优选地,对拍摄图像进行脱敏处理,得到客户的动作图像,包括:
对拍摄图像进行检测,得到拍摄图像中的客户区域;
使用人脸检测模板对客户区域进行人脸匹配,得到拍摄区域中的人脸区域;
对人脸区域进行模糊处理,得到动作图像。
第二个方面,本发明提供了一种基于大数据分析的精准营销系统,其特征在于,包括摄像头模块、预处理模块、分类模块、计算模块、匹配模块和发送模块;
摄像头模块用于获取客户的动作图像;
预处理模块用于对动作图像进行预处理,得到待识别图像;
分类模块用于将待识别图像输入到预先训练好的分类模型中进行分类,得到客户的动作类型;
计算模块用于根据动作类型计算出客户当前的心理类型;
匹配模块用于基于心理类型匹配对应的营销话术;
发送模块将营销话术发送至营销人员的使用的电子设备。
本发明在对线下的客户进行营销的过程中,通过对客户的动作图像来进行大数据分析从而确定营销话术,使得营销人员能够根据客户所做出的动作快速调整营销话术,从而达到精准营销,提高营销效果的目的。
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。
图1为一种基于大数据分析的精准营销方法的一种示意图。
图2为一种基于大数据分析的精准营销系统的一种示意图。
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,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
第一个方面,如图1所示的一种实施例,本发明提供了一种基于大数据分析的精准营销方法,包括:
S100,获取客户的动作图像。
在本步骤中,客户的动作图像能够作为后续的大数据分析的基础。
在一种实施方式中,获取客户的动作图像,包括:
S101,通过设置在门店中的拍摄装置对客户进行拍摄,得到拍摄图像;
S102,对拍摄图像进行脱敏处理,得到客户的动作图像。
由于后续的动作类型的识别需要将图像发送至云服务器中进行,因此,为了保护客户的隐私,需要进行脱敏处理。
在一种实施方式中,对拍摄图像进行脱敏处理,得到客户的动作图像,包括:
对拍摄图像进行检测,得到拍摄图像中的客户区域;
使用人脸检测模板对客户区域进行人脸匹配,得到拍摄区域中的人脸区域;
对人脸区域进行模糊处理,得到动作图像。
具体的,可以高斯模糊、方框模糊等算法对人脸区域进行模糊处理,得到动作图像。
高斯模糊在图像处理领域常用于减少图像噪声以及降低细节水平,同时也可以模糊图像,达到通过半透明屏幕看图像的视觉效果。
从数字信号处理的角度来看,图像模糊的本质是一个过滤高频信号并保留低频信号的过程。过滤高频信号的一个常见替代方法是卷积滤波。从这个角度来看,图像的高斯模糊过程意味着图像被卷积为一个正态分布。由于正态分布也被称为"高斯分布",这种技术被称为高斯模糊。由于高斯函数的傅里叶变换是另一个高斯函数,所以高斯模糊是图像的一个低通滤波器。用于高斯模糊的高斯核是一个正方形的像素阵列,其中的像素值对应于二维高斯曲线的值。
S200,对动作图像进行预处理,得到待识别图像。
进行图像预处理的目的是提高图像的质量,同时尽量将图像中与目标区域无关的像素点去掉,在本发明中,目标区域为客户的动作的像素点所处的区域。
在一种实施方式中,对动作图像进行预处理,得到待识别图像,包括:
S201,将动作图像分成多个面积相同的区域;
S202,分别对每个区域进行区域优化处理,得到均衡图像;
S203,对均衡图像进行滤波处理,得到滤波图像;
S204,对滤波图像进行目标提取处理,得到待识别图像。
在本发明中,分区域后再进行区域优化处理,能够优化每个区域中的像素点的像素值分布,得到更高质量的图像。而滤波处理则是能够降低滤波图像中的噪声含量。进行目标提取,则是将滤波图像中的前景部分,即属于客户的身体部分的像素点提取出来。
在一种实施方式中,将动作图像分成多个面积相同的区域,包括:
计算动作图像的分区数量;
基于分区数量将动作图像分成多个面积相同的区域。
现有技术中,将图像分为多个区域一般都是预先设定的固定值,但是,这种分区方式没有考虑到分区之后的各个区域中的信息包含情况,容易导致部分区域中信息过多,而部分区域中信息过少,不利于进行区域优化处理。因此才本发明中,分区数量根据动作图像的实际情况计算得到,能够使得获得的区域中的信息含量更为均衡。
在一种实施方式中,计算动作图像的分区数量,包括:
获取分区数量的上限值和下限值;
从分区数量的下限值开始,对分区数量进行自适应增加,直到分区数量大于等于上限值,得到多个分区数量;
每得到一个分区数量,便计算该分区数量下的信息包含值;
将最大的信息包含值对应的分区数量作为最终确定的分区数量。
在计算分区数量的过程中,本发明没有进行直接便利所有可能的分区数量,因为这样会使得计算量激增,而本发明的营销是实时进行的,对于实时性要求更高。因此本发明从下限值开始,通过自适应增加的方式来对分区数量进行变化,从而在尽可能得到信息包含值大的分区数量的同时,有效地缩短了分区的时间。
在一种实施方式中,对分区数量进行自适应增加,包括:
用snq表示分区数量的下限值,则第一个分区数量为bknum1,第二个分区数量为bknum2,bknum2=bknum1+sw,sw为设定的常数;
第n个分区数量的计算公式为:
bknumn=bknumn-1+vrasdn-1
其中,n大于等于3,bknumn和bknumn-1分别表示第n个和第n-1个分区数量,vrasdn-1为第n个分区数量和第n-1个分区数量之间的变化值,vrasdn-2为第n*-1个分区数量和第n-2个分区数量之间的变化值,msgctnn-1为第n-1个分区数量下的信息包含值;msgctnn-2为第n-2个分区数量下的信息包含值;qre为判断门槛值。
分区数量在增加的过程中,通过相邻的两个分区数量之间的信息包含值的差异来计算变化值,当相邻两个分区数量之间的信息包含值的差值越大时,则分区数量的增加值变小,因为,此时,信息包含值可能刚结束上升阶段,进入下降阶段,减少变化值的数值,有助于选出使得信息包含值尽可能大的分区数量。
在一种实施方式中,第n个分区数量下的信息包含值的计算函数为:
其中,msgctnn为第n个分区数量下的信息包含值,tpbknum为分区数量的上限值,a为分区数量的权重值,numedgi为第i个区域中包含边缘像素点的数量,edgst为预设的数量方差,β边缘像素点的数量的权重,mid表示取括号内的最大值,k∈[1,bknumn],mavs(k)为第k个区域中的梯度幅值的上限值,mivs(k)为第k个区域中的梯度幅值的下限值,numflj,k为第k个区域中梯度幅值为j的像素点的总数,pxnunk为第k个区域的像素点的总数,mgst为设定的梯度信息量对照值,λ为梯度幅值的权重,mid表示取中值。
分区数量计算主要是从分区的数量、各个区域中的边缘像素点的含量、各个区域的梯度幅值方面的信息量这三个方面进行综合计算,能够使得分区数量尽可能多且每个区域中的信息含量尽可能均衡。
在一种实施方式中,分别对每个区域进行区域优化处理,得到均衡图像,包括:
对于区域S,使用如下函数计算区域S的特征判断值:
fetcmpS=d1×avgryS+d2×avgryS,nei
其中,fetcmpS为区域S的特征判断值,d1和d2为第一权重和第二权重,avgryS为区域S中的像素点的灰度值的均值;avgryS,nei为与区域S相接的所有区域的灰度值的均值;
使用如下函数对区域S中的像素点进行自适应处理:
其中,dgryg为对区域S中的像素点g进行自适应处理后的灰度值,gryg为像素点g原本的像素值,distg为像素点g与区域S的中央的距离,D为设定的距离标准值,gryt为特征判断值的比较值,stl为设定的灰度值基准值,min为取括号中的较小值,Ω为设定的处理系数。
与传统的优化处理方式相比,本发明先计算出每个区域的特征判断值,然后基于特征判断值为区域中的像素点选择相应的自适应处理函数来进行处理,从而提高自适应处理的效率,而传统的优化处理方式则是对所有的像素点采用相同的处理函数来进行自适应处理,本发明的处理方式能够提高优化处理的准确性,因为为不同的区域中的像素点设置了不同的处理函数,另一个方面,本发明也能提高优化处理的效率,因为无线分别计算每个像素点的特征判断值。进行区域优化处理主要是均衡图像中的像素值分布,避免部分区域灰度值过高,而部分区域灰度值过低。
S300,将待识别图像输入到预先训练好的分类模型中进行分类,得到客户的动作类型。
在实施过程中,为了提高得到客户的动作类型的效率,本发明提前利用不同动作类型的图像作为训练集,然后采用大数据训练技术对分类模型进行训练,得到训练好的分类模型。因此,当需要确定客户的动作类型时,只需要将待识别图像传输至运行分类模型的云服务器中即可识别出动作类型。
在一种实施方式中,客户的动作类型包括揉搓脸部、抚摸脑袋、抚摸手掌、双手插兜、双手环抱和身体后仰。
揉搓脸部往往是客户不感兴趣的表现,而身体后仰一般预示着客户不认同,抚摸手掌表示客户呈现出了感兴趣的态度,双手环抱一般是客户不适应的表现,双手插兜往往预示着客户不信任,抚摸脑袋则是不信任的表现之一。
可以知道的是,上面的列举到的动作类型仅是一部分,在实施过程中,可以增加更多的动作类型。
S400,根据动作类型计算出客户当前的心理类型。
通过动作类型所表示的客户的心理状态能够得到客户的心理类型。
在一种实施方式中,客户的心里类型包括不认同、不感兴趣、不信任、犹豫、感兴趣和不适应。
可以知道的是,上面的列举到的心理类型仅是一部分,在实施过程中,可以增加更多的心理类型。
S500,基于心理类型匹配对应的营销话术。
在本发明中,不同类型的心理类型的营销话术已经提前进行存储,在需要时直接调用即可。
S600,将营销话术发送至营销人员的使用的电子设备。
在本发明中,由于能够根据客户的动作来向营销人员发送营销话术,因此,本发明也能降低营销人员的工作难度,便于营销人员的招聘。
在一种实施方式中,电子设备包括蓝牙耳机或平板电脑。
在一种实施方式中,将营销话术发送至营销人员的使用的电子设备,包括:
将营销话术转换成语音发送至营销人员佩戴蓝牙耳机,或将营销话术发送至营销人员使用的平板电脑。
本发明在对线下的客户进行营销的过程中,通过对客户的动作图像来进行大数据分析从而确定营销话术,使得营销人员能够根据客户所做出的动作快速调整营销话术,从而达到精准营销,提高营销效果的目的。
第二个方面,如图2所示,本发明提供了一种基于大数据分析的精准营销系统,其特征在于,包括摄像头模块、预处理模块、分类模块、计算模块、匹配模块和发送模块;
摄像头模块用于获取客户的动作图像;
预处理模块用于对动作图像进行预处理,得到待识别图像;
分类模块用于将待识别图像输入到预先训练好的分类模型中进行分类,得到客户的动作类型;
计算模块用于根据动作类型计算出客户当前的心理类型;
匹配模块用于基于心理类型匹配对应的营销话术;
发送模块将营销话术发送至营销人员的使用的电子设备。
本发明在对线下的客户进行营销的过程中,通过对客户的动作图像来进行大数据分析从而确定营销话术,使得营销人员能够根据客户所做出的动作快速调整营销话术,从而达到精准营销,提高营销效果的目的。
本领域普通技术人员还可以理解,实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,所述的程序可以在存储于一计算机可读取存储介质中,所述的存储介质,包括ROM/RAM、磁盘、光盘等。
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 (8)
1.一种基于大数据分析的精准营销方法,其特征在于,包括:
S100,获取客户的动作图像;
S200,对动作图像进行预处理,得到待识别图像;
S300,将待识别图像输入到预先训练好的分类模型中进行分类,得到客户的动作类型;
S400,根据动作类型计算出客户当前的心理类型;
S500,基于心理类型匹配对应的营销话术;
S600,将营销话术发送至营销人员的使用的电子设备;
对动作图像进行预处理,得到待识别图像,包括:
S201,将动作图像分成多个面积相同的区域;
S202,分别对每个区域进行区域优化处理,得到均衡图像;
S203,对均衡图像进行滤波处理,得到滤波图像;
S204,对滤波图像进行目标提取处理,得到待识别图像;
将动作图像分成多个面积相同的区域,包括:
计算动作图像的分区数量;
基于分区数量将动作图像分成多个面积相同的区域;
计算动作图像的分区数量,包括:
获取分区数量的上限值和下限值;
从分区数量的下限值开始,对分区数量进行自适应增加,直到分区数量大于等于上限值,得到多个分区数量;
每得到一个分区数量,便计算该分区数量下的信息包含值;
将最大的信息包含值对应的分区数量作为最终确定的分区数量;
对分区数量进行自适应增加,包括:
用snq表示分区数量的下限值,则第一个分区数量为bknum1,第二个分区数量为bknum2,bknum2=bknum1+sw,sw为设定的常数;
第n个分区数量的计算公式为:
bknumn=bknumn-1+vrasdn-1
其中,n大于等于3,bknumn和bknumn-1分别表示第n个和第n-1个分区数量,vrasdn-1为第n个分区数量和第n-1个分区数量之间的变化值,vrasdn-2为第n*-1个分区数量和第n-2个分区数量之间的变化值,msgctnn-1为第n-1个分区数量下的信息包含值;msgctnn-2为第n-2个分区数量下的信息包含值;qre为判断门槛值。
2.根据权利要求1所述的一种基于大数据分析的精准营销方法,其特征在于,获取客户的动作图像,包括:
S101,通过设置在门店中的拍摄装置对客户进行拍摄,得到拍摄图像;
S102,对拍摄图像进行脱敏处理,得到客户的动作图像。
3.根据权利要求1所述的一种基于大数据分析的精准营销方法,其特征在于,客户的动作类型包括揉搓脸部、抚摸脑袋、抚摸手掌、双手插兜、双手环抱和身体后仰。
4.根据权利要求1所述的一种基于大数据分析的精准营销方法,其特征在于,客户的心里类型包括不认同、不感兴趣、不信任、犹豫、感兴趣和不适应。
5.根据权利要求1所述的一种基于大数据分析的精准营销方法,其特征在于,电子设备包括蓝牙耳机或平板电脑。
6.根据权利要求5所述的一种基于大数据分析的精准营销方法,其特征在于,将营销话术发送至营销人员的使用的电子设备,包括:
将营销话术转换成语音发送至营销人员佩戴蓝牙耳机,或将营销话术发送至营销人员使用的平板电脑。
7.根据权利要求2所述的一种基于大数据分析的精准营销方法,其特征在于,对拍摄图像进行脱敏处理,得到客户的动作图像,包括:
对拍摄图像进行检测,得到拍摄图像中的客户区域;
使用人脸检测模板对客户区域进行人脸匹配,得到拍摄区域中的人脸区域;
对人脸区域进行模糊处理,得到动作图像。
8.一种基于大数据分析的精准营销系统,其特征在于,包括摄像头模块、预处理模块、分类模块、计算模块、匹配模块和发送模块;
摄像头模块用于获取客户的动作图像;
预处理模块用于对动作图像进行预处理,得到待识别图像;
分类模块用于将待识别图像输入到预先训练好的分类模型中进行分类,得到客户的动作类型;
计算模块用于根据动作类型计算出客户当前的心理类型;
匹配模块用于基于心理类型匹配对应的营销话术;
发送模块将营销话术发送至营销人员的使用的电子设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310225153.5A CN116343331B (zh) | 2023-03-10 | 2023-03-10 | 一种基于大数据分析的精准营销方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310225153.5A CN116343331B (zh) | 2023-03-10 | 2023-03-10 | 一种基于大数据分析的精准营销方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116343331A CN116343331A (zh) | 2023-06-27 |
CN116343331B true CN116343331B (zh) | 2024-01-26 |
Family
ID=86888718
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310225153.5A Active CN116343331B (zh) | 2023-03-10 | 2023-03-10 | 一种基于大数据分析的精准营销方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116343331B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117811219B (zh) * | 2024-02-29 | 2024-07-12 | 福建中宏远电气科技有限公司 | 一种基于人工智能的工业企业电气智能化管理系统及方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103077617A (zh) * | 2012-12-24 | 2013-05-01 | 南京航空航天大学 | 基于计算机视觉的人行横道智能交通灯监管系统及方法 |
CN104637026A (zh) * | 2015-02-10 | 2015-05-20 | 西安电子科技大学 | 一种基于连续多页文本图像水印嵌入与提取方法 |
KR20170013123A (ko) * | 2015-07-27 | 2017-02-06 | 동아대학교 산학협력단 | 영상데이터를 이용한 패턴정보 추출방법 |
CN106991380A (zh) * | 2017-03-10 | 2017-07-28 | 电子科技大学 | 一种基于掌静脉图像的预处理方法 |
CN110175245A (zh) * | 2019-06-05 | 2019-08-27 | 腾讯科技(深圳)有限公司 | 多媒体推荐方法、装置、设备及存储介质 |
WO2020134324A1 (zh) * | 2018-12-29 | 2020-07-02 | 南京睿速轨道交通科技有限公司 | 一种基于图像处理的城轨列车车号识别算法 |
CN112258583A (zh) * | 2020-10-16 | 2021-01-22 | 中国石油大学(华东) | 基于等畸变量分区的近景图像畸变标定方法 |
CN113947422A (zh) * | 2021-09-13 | 2022-01-18 | 青岛颐中科技有限公司 | 基于多维度特征的营销方法、装置和电子设备 |
CN114782910A (zh) * | 2022-05-05 | 2022-07-22 | 北京京东乾石科技有限公司 | 用于处理图像的方法、装置、设备以及存储介质 |
CN114972113A (zh) * | 2022-06-23 | 2022-08-30 | 深圳创维-Rgb电子有限公司 | 图像处理方法、装置、电子设备及可读存储介质 |
-
2023
- 2023-03-10 CN CN202310225153.5A patent/CN116343331B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103077617A (zh) * | 2012-12-24 | 2013-05-01 | 南京航空航天大学 | 基于计算机视觉的人行横道智能交通灯监管系统及方法 |
CN104637026A (zh) * | 2015-02-10 | 2015-05-20 | 西安电子科技大学 | 一种基于连续多页文本图像水印嵌入与提取方法 |
KR20170013123A (ko) * | 2015-07-27 | 2017-02-06 | 동아대학교 산학협력단 | 영상데이터를 이용한 패턴정보 추출방법 |
CN106991380A (zh) * | 2017-03-10 | 2017-07-28 | 电子科技大学 | 一种基于掌静脉图像的预处理方法 |
WO2020134324A1 (zh) * | 2018-12-29 | 2020-07-02 | 南京睿速轨道交通科技有限公司 | 一种基于图像处理的城轨列车车号识别算法 |
CN110175245A (zh) * | 2019-06-05 | 2019-08-27 | 腾讯科技(深圳)有限公司 | 多媒体推荐方法、装置、设备及存储介质 |
CN112258583A (zh) * | 2020-10-16 | 2021-01-22 | 中国石油大学(华东) | 基于等畸变量分区的近景图像畸变标定方法 |
CN113947422A (zh) * | 2021-09-13 | 2022-01-18 | 青岛颐中科技有限公司 | 基于多维度特征的营销方法、装置和电子设备 |
CN114782910A (zh) * | 2022-05-05 | 2022-07-22 | 北京京东乾石科技有限公司 | 用于处理图像的方法、装置、设备以及存储介质 |
CN114972113A (zh) * | 2022-06-23 | 2022-08-30 | 深圳创维-Rgb电子有限公司 | 图像处理方法、装置、电子设备及可读存储介质 |
Non-Patent Citations (4)
Title |
---|
Image registration: Maximum likelihood, minimum entropy and deep learning;Alireza Sedghi et al.;Medical Image Analysis;全文 * |
中国图学学会著.《2018-2019年图学学科发展报告》.北京:中国科学技术出版社,2020,第228页. * |
图像分区选择的像素值排序可逆数据隐藏;李蓉;李向阳;中国图象图形学报(12);全文 * |
基于最大熵的进化区域生长分割算法;魏光杏;江汉大学学报(自然科学版);第48卷(第6期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116343331A (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116343331B (zh) | 一种基于大数据分析的精准营销方法及系统 | |
CN105913051B (zh) | 一种识别人脸图像的模版库的更新装置及方法 | |
CN112656431A (zh) | 基于脑电的注意力识别方法、装置、终端设备和存储介质 | |
CN112232978B (zh) | 水产品体长和重量检测方法、终端设备及存储介质 | |
CN111832431A (zh) | 一种基于cnn的情绪脑电分类方法 | |
CN110084130A (zh) | 基于多目标跟踪的人脸筛选方法、装置、设备及存储介质 | |
WO2021007652A1 (en) | System and method for detection of synthesized videos of humans | |
CN108765448B (zh) | 一种基于改进tv-l1模型的虾苗计数分析方法 | |
CN114093501A (zh) | 基于同步视频与脑电的儿童运动性癫痫智能辅助分析方法 | |
CN110610480B (zh) | 基于Attention机制的MCASPP神经网络眼底图像视杯视盘分割模型 | |
CN106923825B (zh) | 基于频域及相空间的脑电放松度识别方法及装置 | |
CN114582003A (zh) | 一种基于云计算服务的睡眠健康管理系统 | |
CN110135236A (zh) | 一种基于小波变换及神经网络算法的视频人脸识别方法 | |
Zhao et al. | A new approach to hand vein image enhancement | |
CN113673396A (zh) | 一种孢子发芽率计算方法、装置及存储介质 | |
CN112818899A (zh) | 人脸图像处理方法、装置、计算机设备和存储介质 | |
CN114943924B (zh) | 基于人脸表情视频的疼痛评估方法、系统、设备及介质 | |
CN116821790A (zh) | 一种基于自适应增强的集成学习策略的冻结步态预测方法 | |
CN107169484B (zh) | 基于人眼视觉特性的图像质量评价方法 | |
CN114615484B (zh) | 一种基于视网膜监视的视域跟踪定位系统 | |
CN110008881A (zh) | 多运动目标的奶牛行为的识别方法及装置 | |
Shaikha et al. | Optic Disc Detection and Segmentation in Retinal Fundus Image | |
CN112734678B (zh) | 基于深度残差收缩网络和生成对抗网络的去图像运动模糊方法 | |
CN113409290B (zh) | 一种液晶屏外观缺陷检测方法、装置及存储介质 | |
CN114118176A (zh) | 基于解耦表示学习的连续快速视觉演示脑电信号分类方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |