CN209690978U - 用户数据获取装置 - Google Patents
用户数据获取装置 Download PDFInfo
- Publication number
- CN209690978U CN209690978U CN201920487277.XU CN201920487277U CN209690978U CN 209690978 U CN209690978 U CN 209690978U CN 201920487277 U CN201920487277 U CN 201920487277U CN 209690978 U CN209690978 U CN 209690978U
- Authority
- CN
- China
- Prior art keywords
- user
- data
- terminal equipment
- information
- equipment
- 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
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
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
-
- 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
-
- 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]
- G06Q30/0605—Supply or demand aggregation
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Cash Registers Or Receiving Machines (AREA)
Abstract
示例性实施例提供了一种用户数据获取装置,包括用户终端设备、一个以上图像获取设备、一个以上无线信号发射/接收设备、一个以上销售终端设备和数据存储设备。所述用户终端设备、图像获取设备、无线信号发射/接收设备、销售终端设备和数据存储设备电通信连接。所述用户终端设备、图像获取设备、无线信号发射/接收设备和销售终端设备能够从线上和线下收集用户数据,并将用户数据存储在数据存储设备中。
Description
技术领域
本实用新型涉及一种获取用户数据的装置。
背景技术
随着互联网技术的发展,电子商务竞争日趋激烈,越来越多的商家希望建立个性化的顾客沟通服务体系以达到低成本高回报的营销目的,因此,需要提供一种有效获取、收集用户数据的装置。
实用新型内容
示例性实施例提供了一种用户数据获取装置,包括用户终端设备、一个以上图像获取设备、一个以上无线信号发射/接收设备、一个以上销售终端设备和数据存储设备,所述用户终端设备、图像获取设备、无线信号发射/接收设备、销售终端设备和数据存储设备电通信连接。所述图像获取设备具有位置标识,其包括摄像头和图像识别器,用于在特定地点获取用户图像并识别其中的用户,并将所述用户图像、获取时间以及所述图像获取设备的位置标识存储在所述数据存储设备中。所述无线信号发射/接收设备具有位置标识,用于发射无线信号供用户终端设备连接无线网络,同时探测、接收并记录所述用户终端设备发出的无线信号,以及将接收到的无线信号时间强度信息连同所述无线信号发射/接收设备的位置标识存储在所述数据存储设备中。所述用户终端设备由用户随身携带,其具有唯一识别码并可连接网络,用于当用户在所述终端设备上进行网络活动时,向网络服务器发送用户数据,网络服务器将所述线上数据保存在所述数据存储设备中。所述销售终端设备设置于实体店铺,其具有位置标识,用于在用户付款时收集用户在所述销售终端设备的消费数据并将其存储在所述数据存储设备中。示例性实施例的数据获取装置能够实现从线上和线下获取用户数据。
附图说明
下面结合附图和实施例对本实用新型进一步说明。
图1为本实用新型的一个实施例所描述的用户数据收集系统;
图2A为本实用新型的一个实施例所描述的用户数据获取装置;
图2B为本实用新型的一个实施例所描述的用户数据收集系统;
图3为本实用新型的一个实施例所描述的用户数据收集方法;
图4为本实用新型的一个实施例所描述的通过无线发送/接收装置收集用户数据的方法;
图5为本实用新型的一个实施例所描述的信息推送系统;
图6为本实用新型的一个实施例所描述的闭环信息推送方法;
图7为本实用新型的一个实施例所描述的信息推送方法;
图8为本实用新型的一个实施例所描述的筛选用户组的方法;
图9为本实用新型的一个实施例所描述的向用户推荐商品的方法;
图10为本实用新型的一个实施例所描述的向用户推荐商场路径的方法。
具体实施方式
本说明书及权利要求书中,“用户画像”是指根据用户社会属性、生活习惯和消费行为等信息而抽象出的标签化的用户模型。
本说明书及权利要求书中,“用户数据”、“用户数据记录”是指以任何方式获取的能够保存在存储介质中的用户信息。
本说明书及权利要求书中,“实体触点”是指安装在固定位置的实体装置,其能够通过不同方式与用户发生联系,从而获取用户信息。
本说明书及权利要求书中,“线上数据记录”是指用户在网络平台进行活动时,通过网络设备获取的用户信息总和。
本说明书及权利要求书中,“线下数据记录”是指用户在实体场所进行活动时,通过实体装置获取的用户信息总和。
本说明书及权利要求书中,“用户属性数据”是指能够用来辨别用户的用户信息,在具体实施例中,等同于“用户基本数据”。
本说明书及权利要求书中,“唯一识别码”是指从终端设备获取的、能够辨别该终端设备从而辨别用户的用户属性数据。
本说明书及权利要求书中,“用户标签”是指对用户属性的定性或定量描述,或对用户属性的概括性描述。在具体实施例中,“用户标签”等同于“简单标签”,
虽然电子商务对商家提出了针对每个用户的个性化需求,但是现有的用户数据收集方法比较单一,例如仅通过网络平台收集网络数据或仅通过图像识别设备在某些场合识别用户,从不同场合收集的用户数据无法以有效的方式进行关联、存储、归类和统计,目前也没有其他基于业务场景的数据获取和分类方法。此外,由于不同用户群体之间的喜好、信息需求不尽相同,基本用户分组功能并不能满足数据化、信息化、精细化的市场运营竞争诉求。因此,现有的信息推送中存在用户数据不完整、用户分类不精细、信息推送针对性低,效果获得效率低,效果获得反馈低等等的问题。
示例性实施例提供了一种用户数据获取装置,包括:用户终端设备、一个以上图像获取设备、一个以上无线信号发射/接收设备、一个以上销售终端设备和数据存储设备,其中所述用户终端设备、图像获取设备、无线信号发射/接收设备、销售终端设备和数据存储设备电通信连接。所述图像获取设备具有位置标识,其包括摄像头和图像识别器,用于在特定地点获取用户图像并识别其中的用户,并将所述用户图像、获取时间以及所述图像获取设备的位置标识存储在所述数据存储设备中。所述无线信号发射/接收设备具有位置标识,用于发射无线信号供用户终端设备连接无线网络,同时探测、接收并记录所述用户终端设备发出的无线信号,以及将接收到的无线信号强度、接收时间连同所述无线信号发射/接收设备的位置标识存储在所述数据存储设备中。所述用户终端设备由用户随身携带,其具有唯一识别码并可连接网络,用于当用户在所述终端设备上进行网络活动时,向网络服务器发送用户数据,网络服务器将所述线上数据保存在所述数据存储设备中。所述销售终端设备设置于实体店铺,其具有位置标识,用于在用户付款时收集用户在所述销售终端设备的消费数据并将其存储在所述数据存储设备中。所述用户数据获取装置还可以包括一个以上自助服务终端设备,其具有位置标识,用于在用户与所述自助服务终端设备互动时,获取用户的互动信息并存储在所述数据存储设备中。所述销售终端和自助服务终端设备还可以包括摄像头、声音采集器、指纹采集器、掌纹采集器中的一个或多个,用于收集用户的面部图像、声纹信息、指纹信息或掌纹信息。
示例性实施例一方面提供一种包括上述数据获取装置的用户数据收集系统,其能够同时获取用户的线上数据记录和线下数据记录,同一用户的线上数据记录与线下数据记录根据其中包含的用户属性数据互相关联之后存储在多维数据库中,从而形成每个用户的完整的数据记录。本实用新型另一方面基于用户数据收集系统所获取的用户数据为每个用户构建用户画像,即通过画像构建引擎对用户数据记录进行分析,根据分析结果为每个用户分配标签。本实用新型进而根据用户画像筛选目标用户进行有针对性的信息推送或产品推荐。其后,继续追踪用户在收到信息/推荐之后的反应,从而评价、调整推送策略。本实用新型能够满足企业精准运营、千人千面的需求,并且具有自我调整的功能,自我学习的能力,可实现高效率、低成本、精细化的市场运营目的。
示例性实施例包括一种用于构建用户画像的数据收集方法,其通过连接到数据网络的一个或多个网络装置收集用户的线上数据记录;通过多个位于不同位置的实体触点收集用户的线下数据记录,其中线上数据记录和线下数据记录都包括能够辨别该用户的用户属性数据;以所述用户属性数据作为关键词在多维数据库中标识数据集,其中每个数据集包括同一用户的多个数据记录,将具有相同用户属性数据的线上数据记录和线下数据记录合并到该用户的数据集中。
在一个实施例中,该数据收集方法首先用第一类用户属性数据在所述多维数据库搜索具有相同用户属性数据的数据记录,然后用第二类用户属性数据进行搜索,其后用第三类用户属性数据进行搜索,其中第一类用户属性数据为可绝对肯定唯一辨别用户的用户属性数据,第二类用户属性数据为高精度辨别但不绝对肯定辨别用户的用户属性数据,第三类用户属性数据为可以用做推断用户身份的次要证据的用户属性数据。当在多维数据库中搜索不到与线上数据记录或线下数据记录具有相同用户属性数据的关联数据集时,将所述线上数据记录或线下数据记录移至未识别数据库,其中所述未识别数据库中的数据记录不包含第一类用户属性数据。
在一个实施例中,通过注册系统注册新用户,包括获取该新用户的用户属性数据、分配唯一会员号予该新用户以及获取与该新用户相关的用户信息。用新注册用户的第二类或第三类用户属性数据定期搜索未识别数据库,查找与所述新注册用户具有相同用户属性数据的数据记录,并将具有与新注册用户相同用户属性数据的数据记录从未识别数据库转移到所述新注册用户的数据集。
在一个实施例中,通过画像构建引擎分析多维数据库中的数据集为每个用户生成用户画像。其后将所有的用户画像分为多个类别,为每个类别分配简单标签,并将所述简单标签存入所述多维数据库。
在一个实施例中,由推荐引擎推荐至少一件推荐项目,所述推荐基于用户画像、推荐项目的属性、可用的促销信息以及用户正在执行的活动,该推荐项目由显示装置向用户显示。
在一个实施例中,当用户购物时,通过销售终端获取所述用户的用户属性数据,销售终端将所述用户属性数据传送至推荐引擎以接收至少一件推荐项目。
在一个实施例中,通过网络装置或实体触点接收用户查询,从用户查询中得到用户属性数据,将所述用户属性数据传送至推荐引擎以接收至少一件推荐项目。当所述用户查询为商场中的方向指引请求时,由推荐引擎基于所述用户查询、所述用户画像和所述商场中的商店促销信息向所述用户推荐路径,其中所述路径包括地标以引导用户通过提供促销的商店。由实体装置监视用户采用的实际路径,如果用户偏离所述推荐路径,则由推荐引擎重新计算路径。
示例性实施例还提供了一种向用户准确及高效地推送信息的方法,其通过电子设备获取多维数据,其中所述多维数据包括用户的至少一个线上数据记录和至少一个线下数据记录;通过计算机服务器将所述多维数据存储在多维数据库,其中所述多维数据库存储用户属性数据和用户行为数据;通过画像构建引擎分析每个用户的用户属性数据和行为数据以生成用户画像,通过画像构建引擎根据画像为用户分配简单标签;通过计算机服务器筛选一组满足预设条件的目标用户组,所述预设条件基于从多维数据库以及所述简单标签中导出的信息;通过计算机服务器选择至少一条推送至所述目标用户组的讯息;通过至少一个讯息传递装置将所述讯息传送至目标用户组中的每个用户;通过电子设备跟踪所述用户在收到所述至少一条讯息后的反应;通过计算机服务器将所述用户反应存储在所述多维数据库中。
在一个实施例中,每组预设条件为if-then语句的前提,所述讯息为该组if-then语句的结果,所述讯息被推送至满足该组if-then语句前提的用户。例如,通过计算机服务器提供的端口构造动态复合标签,所述动态复合标签为if-then语句的前提,其包括合取范式布尔表达式,该布尔表达式中每个布尔项为从多维数据库中取得的至少一个变量的真/假语句。其中的布尔表达式包括从简单标签、预定义阈值、以及线上数据记录或线下数据记录中的用户的参与率中选择的一个或多个逻辑关系。
示例性实施例还提供了一种用于构建用户画像的数据收集系统,包括至少一个连接到数据网络的网络服务器,多个位于不同位置的实体触点,多维数据库,和至少一个计算机服务器。其中网络服务器用于收集用户的线上数据记录,所述用户线上数据记录由所述网络服务器和用户用于与所述网络服务器通讯的网络设备之间的互动产生。实体触点用于收集用户的线下数据记录。其中所述线上数据记录和线下数据记录都包括能够辨别用户的用户属性数据。多维数据库用于存储多个数据集,其中每个数据集包括具有同一用户属性数据的数据记录。计算机服务器与所述至少一个网络服务器、所述多个实体触点以及所述多维数据库电连接,并存储计算机程序,所述计算机程序包括用户数据关联单元,所述用户数据关联单元在被执行时实现以下步骤:以用户属性数据作为关键词从多维数据库中搜索具有相同属性数据的线上数据记录和线下数据记录,并将具有相同用户属性数据的线上数据记录和线下数据记录合并到该用户的数据集中。
在一个实施例中,用户数据关联单元被执行时还实现以下步骤:首先用第一类用户属性数据在所述多维数据库搜索具有相同用户属性数据的数据记录,然后用第二类用户属性数据进行搜索,其后用第三类用户属性数据进行搜索,其中第一类用户属性数据为可绝对肯定唯一辨别用户的用户属性数据,第二类用户属性数据为可高精度辨别但不绝对肯定辨别用户的用户属性数据,第三类用户属性数据为可以用做推断用户身份的次要证据的用户属性数据。
在一个实施例中,所述数据收集系统还包括注册系统,其为存储在计算机服务器中的计算机程序,当被执行时实现以下注册步骤:在新用户注册时获取该新用户的用户属性数据;分配唯一会员号予所述新用户,其中所述注册系统还获取与所述新用户相关的用户信息。
在一个实施例中,所述数据收集系统进一步包括未识别数据库,用于存储数据记录,包括线上数据记录和线下数据记录,所述数据记录的用户属性数据与多维数据库中任何数据集的用户属性数据都不匹配,并且不包含第一类别用户属性。
在一个实施例中,所述数据收集系统进一步包括用户发现引擎,其为存储在计算机服务器中的计算机程序,当被执行时定期使用新注册用户的用户属性数据在未识别数据库中搜索具有相同用户属性的数据记录,并将所述数据记录从未识别数据库转移到所述新注册用户的数据集,从而实现数据库搜索和数据转移。
在一个实施例中,所述数据收集系统还包括画像构建引擎,其为存储在计算机服务器中的计算机程序,用于分析多维数据库中的每个数据集以生成每个用户的用户画像。画像构建引擎进一步将用户画像分成多个类别,为每个类别分配简单标签,并将所述简单标签存回多维数据库。
在一个实施例中,所述数据收集系统还包括推荐引擎,其为存储在计算机服务器中的计算机程序,用于根据用户画像、推荐项目的属性、可用的促销信息以及用户正在进行的活动生成至少一件推荐项目并将所述至少一件推荐项目在显示装置上向用户显示。
在一个实施例中,所述数据收集系统的实体触点包括销售终端,所述销售终端在用户购物时取得用户线下数据记录并将所述线下数据记录传送至推荐引擎以接收至少一件推荐项目,其中所述线下数据记录显示用户正在进行的活动。
在一个实施例中,所述数据收集系统的网络装置或实体触点接收用户查询并将所述用户查询传送至推荐引擎以接收至少一件推荐项目。例如,所述实体触点为安装在商场中、带有摄像头的自助服务终端,所述用户查询为所述自助服务终端所接收的商场内目的地方向指引请求。该自助服务终端捕获用户的生物特征并将其发送至计算机服务器,计算机服务器基于所述生物特征从多维数据库中提取用户画像,推荐引擎基于所述用户查询、用户画像和/或商场中的商店促销信息来选择特定路径以引导用户前往目的地的同事,通过最感兴趣的、最多感兴趣的或最多提供促销的商店。其中推荐路径的显示或指引还可以包括上述商店作为地标。
示例性实施例提供了一种用户数据收集系统,能够同时收集用户的线上数据记录和线下数据记录。该用户数据收集系统包括连接到数据网络的网络服务器以及设置于不同位置的实体触点。在用户使用用户终端设备例如手机、电脑等连接网络并与所述网络服务器互动时,所述网络服务器收集用户的线上数据记录。所述实体触点包括但不限于设置在室内的无线信号发送/接收设备、图像获取识别设备、用户定位设备、销售终端设备和自助服务终端等,用于在用户经过其附近或以各种方式与其进行互动时,收集用户的线下数据记录。所述线上数据记录和线下数据记录都包含能够用于辨别用户的用户属性数据。
所述用户数据收集系统还包括多维数据库,其中包括多个数据集,每个数据集存储具有同一用户属性数据的全部用户数据记录。用户数据收集系统还包括画像构建引擎,用于分析每个数据集中的数据记录,从而为每个用户分别生成用户画像,所述用户画像包括能够描述用户特质的简单标签。由于每个用户的数据集中包含完整的用户数据,因此基于该数据集构建的用户画像能够精准的反应每个用户的特质如消费偏好等。所述用户数据收集系统进一步包括推荐引擎,其能够根据所述用户画像筛选目标用户组,有针对性的向用户推荐诸如产品、广告、服务项目,从而达到千人千面、精准营销的目的。为了进一步提升营销的准确性,所述用户收集系统还可以追踪用户在收到推荐项目后的反应,从而根据用户反应调整营销策略。
图1示出了本实用新型的一个实施例所描述的用户数据收集系统100。
用户数据收集系统100包括通过网络140互相连接的用户终端设备110、设置在不同建筑物中的实体触点130和网络数据中心120。其中实体触点130可以包括无线信号发送/接收设备131、图像获取识别设备132、用户定位设备133、销售终端设备134、自助服务终端135和计算机服务器136。
用户可以通过用户终端设备110连接到网络数据中心120并与其进行互动,网络数据中心120从所述互动中收集用户的信息,通过网络数据中心120收集的用户在网络上活动的所有用户信息统称为线上数据记录。当用户150位于设有实体触点130的建筑物时,每个实体触点130可以收集有关用户的特定信息,通过实体触点130收集的用户在实体场所活动的所有用户信息统称为用户的线下数据记录。所述线上数据记录和线下数据记录都包含能够用于辨别用户的用户属性数据。由网络数据中心120收集的线上数据记录和由实体触点130收集的线下数据记录存储在与网络140相连接的多维数据库160中,
在一个实施例中,用户终端设备110可以包括智能手机、平板电脑、个人电脑或任何可以与网络140通信的个人设备。
在一个实施例中,实体触点130所在的建筑物包括但不限於诸如商场、停车场、商店、饭店、特定活动区域等场所。实体触点130包括例如在上述地点设置的无线信号发送/接收设备131,用于在用户终端设备110连接无线网络后,监测、接收并记录所述用户终端设备110的连接信号强度,结合所述无线信号发送/接收设备131的位置标识以及用户终端设备110的唯一识别码识别该用户并记录该用户在所述地点的出入行为数据;设置在诸如商场、停车场、特定活动区域等出入口的具有位置标识的摄像头和图像识别设备132,用于在特定地点获取用户图像并识别用户,从而记录该用户在所述地点的出入行为数据;设置在诸如商场、特定活动区域内带有位置标识的用户定位设备133,例如设备、红外设备、GPS设备、磁场定位设备等,用于收集、记录用户的行为轨迹;设置在诸如商店内的销售终端设备134,用于收集用户的消费行为数据;以及设置在诸如商场通道、饭店入口的具有位置标识的自助服务终端135,其可以内嵌用户生物信息收集模块,例如用于获取包括面部图像、声纹、指纹、掌纹等的用户生物信息或其他信息并记录用户查询内容。
在一个实施例中,所述出入行为数据包括用户访问的地点、到达、离开该地点的时间、逗留时长、路径轨迹、参加的特定活动等。结合所述消费行为数据,能够反应用户访问场所的性质(如商场、健身中心、产品发布会等)、访问频率、访问时段(白天/晚上、平时/周末、月初/月尾等)、以及购物风格(只看不买/逢看必买)和购物偏好(日用品/奢侈品/电子产品等不同商品种类)等。
在一个实施例中,网络数据中心120可以包括一个以上计算机服务器,例如为服务器群或云服务器。所述计算机服务器可以是通用计算机服务器,也可以是专用服务器,如网络服务器、数据库服务器、计算服务器等,例如,多维数据库160可以位于网络数据中心120的一个数据库服务器中。所述计算机服务器可以存储/运行一个或多个软件程序,例如用户数据关联单元、用户注册系统、用户发现引擎等。
在一个实施例中,所述用户属性数据为能够用于辨别用户的信息,诸如用户姓名、身份证号码、会员号码、会员昵称、电话号码、车牌号码、网络账号、网络名称、MAC地址、IP地址、电邮地址、居住地址以及面部图像、掌纹、指纹、声纹等生物识别信息,其中从用户所使用/持有的终端设备所获取的能够用于辨别该终端设备的用户属性数据又称为该终端设备的唯一识别码。
在一个实施例中,所述计算机服务器包括用户数据关联单元,其为存储在计算机服务器中的软件程序,该软件程序运行时以用户属性数据作为关键词从多维数据库160中搜索具有相同属性数据的线上数据记录和线下数据记录,将具有相同用户属性数据的线上数据记录和线下数据记录合并到该用户的数据集中。由此,同一用户的线上数据记录和线下数据记录互相关联,形成完整的用户数据记录。
在一个实施例中,所述计算机服务器包括用户注册系统,其为存储在计算机服务器中的软件程序,该软件程序运行时为用户实现注册步骤,包括获取该用户的用户信息以及分配唯一会员号予所述用户,所述用户信息中包含能够辨别该用户的用户属性数据,例如姓名、身份证号码、电话号码、电邮地址、居住地址以及生物识别信息等,可用于关联从其他渠道获取的该用户的数据记录。
在一个实施例中,所述计算机服务器包括用户发现引擎,其为存储在计算机服务器中的软件程序,该软件程序运行时,计算机服务器定期使用新注册用户的用户属性数据在多维数据库160中搜索具有相同用户属性数据的数据记录,并将搜索到的数据记录转移到该新注册用户的数据集,通过数据库搜索和数据转移来完善该新注册用户的数据记录。
在一个实施例中,由网络数据中心120收集的线上数据记录存储在网络数据中心120中,由实体触点130收集的线下数据记录存储在与网络140相连接的服务器136中。
图2A为本实用新型的一个实施例所描述的用户数据获取装置200A。
用户数据获取装置200A用于同时从线上和线下获取用户数据。用户数据获取装置200A包括用户终端设备210,一个以上图像获取设备220,一个以上无线信号发射/接收设备230,一个以上销售终端设备240和数据存储设备260。其中用户终端设备210、图像获取设备220、无线信号发射/接收设备230、销售终端设备240与数据存储设备260电通信连接。
用户数据获取装置200A中,图像获取设备220包括摄像头、面部图像识别器和/或车牌号码识别器,其设置在商场、停车场或特定活动场所出入口,具有与其所在位置相关联的位置标识。图像获取设备220用于在用户行走或驾车经过时,获取用户图像并识别图像中的人脸或车牌号码。获取的用户图像、获取图像的时间以及图像获取设备220的位置标识存储在数据存储设备260中,这些数据是用户线下数据的一部分。
无线信号发射/接收设备230设置于商场、店铺或其他活动场所内部等室内位置,具有与其所在位置相关联的位置标识。无线信号发射/接收设备230发射无线信号供用户通过用户终端设备210连接网络,同时探测、接收并记录用户终端设备210返回的无线信号。所述无线信号中包含接收信号强度、接收时间和所述用户终端设备210的唯一识别码,这些数据存储在数据存储设备260中,作为用户线下数据的一部分。
用户终端设备210由用户随身携带,其可连接网络,并具有可用于识别该用户的唯一识别码。例如用户终端设备210为智能手机,唯一识别码为手机号码。当用户使用用户终端设备210连接网络并在网络平台进行活动时,用户终端设备210向网络服务器发送数据,网络服务器记录用户的网络活动所产生的数据,将其存储在数据存储设备260,这些数据称为用户的线上数据。所述线上数据中包含用户终端设备210的唯一识别码。
销售终端设备240设置于实体店铺收银处,具有与店铺名称/位置相关联的位置标识。用户在店铺购买商品后在销售终端设备240处付款,销售终端设备240记录用户的会员号码、消费项目、消费金额、消费时间等数据,这些数据存储在数据存储设备260中,作为用户线下数据的一部分。
在一个实施例中,销售终端设备240还包括摄像头、声音采集器、指纹采集器、掌纹采集器中的一个或多个,用于在用户付款时,获取用户的面部图像、声纹信息、指纹信息、掌纹信息并将其与用户的会员号码、消费项目、消费金额、消费时间一起存储在数据存储设备260中。
在一个实施例中,用户数据获取装置200A还包括一个以上自助服务终端设备,其设置于停车场、商场、饭店内部或入口处,具有与其位置相关联的位置标识。当用户通过所述自助服务终端设备查询信息时,所述自助服务终端设备获取用户的查询内容和其他信息,并将这些数据存储在数据存储设备260中,作为用户线下数据的一部分。
在一个实施例中,所述自助服务终端还包括摄像头、声音采集器、指纹采集器、掌纹采集器中的一个或多个,用户在通过自助服务终端查询信息时,所述自助服务终端收集用户的面部图像、声纹信息、指纹信息、掌纹信息,并将这些信息与用户查询内容一并存储在数据存储设备260中,作为用户线下数据的一部分。
在一个实施例中,所述自助服务终端设备在用户进行查询时,收集用户的车牌号码和/或手机号码。
在另一实施例中,所述自助服务终端与用户终端设备210通信,所述自助服务终端获取用户终端设备210的唯一识别码,并将所述唯一识别码与用户查询内容一并存储在数据存储设备260中,作为用户线下数据的一部分。
在一个实施例中,无线信号发射/接收设备230包括WiFi探针。
在一个实施例中,无线信号发射/接收设备230包括蓝牙设备和GPS设备。
在一个实施例中,销售终端设备240包括POS机。
图2B示出了本实用新型的一个实施例所描述的用户数据收集系统200B。
所述数据收集系统200B包括一个以上具有位置标识的图像识别设备201、一个以上具有位置标识的无线信号发送/接收设备202、可连接网络的用户手持终端设备203、销售终端设备204、用户数据关联单元205以及用户数据存储单元206。其中图像识别设备201、无线信号发送/接收设备202、用户手持终端设备203、和销售终端设备204通过网络与用户数据关联单元205通信,用户数据关联单元205与用户数据存储单元206电连接。
图像识别设备201通过图像识别用户,并将图像信息结合识别时间以及位置标识发送至用户数据关联单元205,用户数据关联单元205将图像信息与预存到所述用户数据存储单元206的用户基本数据相比较,以检索匹配的用户,从而识别该用户并记录该用户在特定地点的出入行为数据。
用户手持终端设备203连接无线网络后,无线信号发送/接收设备202例如WIFI探针监测连接信号强度,并将连接信号强度以及无线信号发射/接收设备202的位置标识发送至用户数据关联单元205,用户数据关联单元205根据接收到的连接信号强度、无线信号接收单元的位置标识以及用户手持终端设备203的唯一识别码识别该用户并记录该用户在特定地点的出入行为数据。
销售终端设备204与用户数据关联单元205电通信,将销售终端204获取的用户数据发送至用户数据关联单元205,数据关联单元205根据用户基本数据中包含的用户诸如会员号码等识别该用户将该用户的消费行为数据与其他数据相关联。
由于图像识别设备201、无线信号发送/接收设备202记录的出入行为数据和销售终端设备204获取的消费行为数据为用户在实体场所活动所产生的数据,因此这些数据都属于用户的线下数据记录。
用户手持终端设备203与用户数据关联单元205电通信,其具有唯一识别码。当用户通过用户手持终端设备203进行网络活动时,用户手持终端设备203将用户的网络行为数据发送至用户数据关联单元205。所述网络行为数据为用户完全基于网络活动产生,因此这些数据属于用户的线上数据记录。用户数据关联单元205根据用户手持终端设备203的唯一识别码将用户在手持终端203上的网络活动与所述用户在数据存储单元206中的其他用户数据相关联。
用户数据关联单元205从图像识别设备201、无线信号发送/接收设备202、销售终端设备204以及用户手持终端设备203接收用户数据,并将每个用户的线上数据记录、线下数据记录相关联,形成完整的用户数据记录。
用户数据关联单元205将同一用户的数据记录相关联之后存储在用户数据存储单元206中。例如,用户数据存储单元206为多维数据库,每个用户的数据记录保存在一个数据集中。
在一个实施例中,图像识别设备201包括设置在商场停车场入口处的摄像头和车牌号码图像识别模块,当用户车辆进出停车场时,所述摄像头拍摄该用户车辆的车牌号码并将图像传输到所述车牌号码图像识别模块,所述车牌号码图像识别模块识别其中的车牌号码并将图像信息发送至用户数据关联单元205,用户数据关联单元205与用户数据存储单元206中存储的车牌号码进行对比,从而判断该用户是否为用户信息库中已有的用户,若是,则记录所述用户车辆在该停车场的出入时间以及停留时长等用户出入行为数据。
在另一实施例中,图像识别设备201还包括设置在商场入口、商店门口、特定活动区域(例如表演舞台、推广讲座等)等特定地点的摄像头和用户面部图像识别模块,当用户进出所述特定地点时,所述摄像头拍摄该用户的面部图像并将图像传输到所述用户面部图像识别模块,所述用户面部图像识别模块识别其中的人脸特征并发送至用户数据关联单元205,用户数据关联单元205将所述人脸特征与数据存储单元206中存储的面部图像进行对比,从而判断该用户是否为数据存储单元206中已有的用户,若是,则将所述用户在该商场、商店或者特定活动区域等特定地点的出入时间和停留时长等用户出入行为数据与所述用户的其他用户数据相关联后存储在数据存储单元205中。若不是已有用户,则直接将所述用户的出入行为数据保存在数据存储单元205中。
在一个实施例中,销售终端设备204为商店的POS机。用户在结算时使用个人信息,POS机将该笔消费记录连同个人信息传送给用户数据关联单元205,用户数据关联单元205将所述个人信息与用户数据存储单元206中存储的用户基本数据进行对比,从而判断该用户是否为现有用户,若是,则记录该用户在对应商店的消费行为数据。销售终端设备204获取的用户个人信息包括但不限于用户姓名、电话号码、会员号码、会员昵称等,获取的消费行为数据包括但不限于消费商店名称、消费种类、消费金额以及消费时间等。
在一个实施例中,用户手持终端设备203为用户手机,其唯一识别码包括但不限于手机号码、手机MAC地址、会员号码、会员昵称或社交网络平台账号等。用户的网络数据即线上数据记录包括用户在社交网络平台(例如微信)的浏览、点赞、关注、回复、转发、扫码、点击公众号、领取卡券、核销卡券等,以及基于社交网络平台的消费金额、消费次数、消费产品等信息。
所述用户数据存储单元206为诸如计算机可读和/或机器可读存储介质、物理或有形介质和/或非暂时性存储媒体。这些存储介质包括不同形式的存储器,诸如DRAM或SRAM、可擦除可编程只读存储器(EPROM)、可擦除可编程只读存储器(EEPROM)、闪存的半导体存储器设备、固定和可移动磁盘之类的磁盘、胶带等其他磁性介质,以及压缩光盘(CD)或数字多功能光盘(DVD)之类的光学介质,或云端服务器上的存储空间。以上所述的软件指令可以提供给计算机可读或机器可读存储介质,或者提供给分布在具有多个节点的大型系统中的多个计算机可读或机器可读存储介质。这样的计算机可读或机器可读介质被认为是物品(或制造物品)的一部分。物品或制造物品可以指任何制造的单个组件或多个组件。
图2B所示的实施例中,所述用户基本数据包括或等同于能够用来辨别用户的个人信息即用户属性数据,其中通过用户手持终端设备获取的用户属性数据可以作为该设备的唯一识别码。
在一个实施例中,用户数据收集系统200B包括图2A所示的用户数据获取装置200A。
图3示出了本实用新型的一个实施例所描述的用户数据收集方法。
框301为通过连接到数据网络的一个或多个网络装置收集用户的线上数据记录。
在一个实施例中,所述网络服务器收集用户的网络活动信息生成线上数据记录,所述线上记录中包含用户属性数据诸如用户的手机号码、MAC地址、IP地址、网络名称、网络账号、邮箱地址等。所述网络装置为网络服务器,在用户通过手机、电脑等设备上网时,所述网络服务器获取用户的线上数据记录,包括用户在社交网络平台(例如微信)的浏览、点赞、关注、回复、转发、扫码、点击公众号、领取卡券、核销卡券等,在其他网站的访问首页、注册登录、搜索商品、浏览商品、价格对比、加入购物车、收藏商品、提交订单、支付订单、使用优惠券、查看订单详情、取消订单、商品评价等,以及用户基于网络的消费金额、消费次数、消费产品等信息,另外还可以记录用户的登陆次数、访问时长、激活率、外部触点、社交数以及浏览路径、页面停留时间、访问深度、唯一页面浏览次数等。
框302为通过多个实体触点收集用户的线下数据记录。
在一个实施例中,所述实体触点收集用户在实体场所的活动信息生成线下数据记录,所述线下数据记录包括用户属性数据诸如用户的姓名、身份证号、会员号码、车牌号码、手机号码、手机/其他电子装置MAC地址、居住地址、生物识别信息等。所述实体触点包括设置在诸如商场、停车场、特定活动区域等出入口的具有位置标识的摄像头和图像识别设备,设置在诸如商场、特定活动区域内带有位置标识的无线信号发送/接收设备,诸如蓝牙设备、红外设备、GPS设备、磁场定位设备等无线定位设备,设置在诸如商店、活动场所内的销售终端设备,以及设置在诸如商场通道、饭店入口的自助服务终端等。当用户在上述场所进行活动时,所述实体触点获取用户的线下数据记录,包括诸如用户进出商场、停车场、特定活动区域时获取用户面部图像、车牌号码以及逗留时间,在商场、特定活动区域接收用户随身携带的手机发射的无线信号对用户进行定位,或通过蓝牙、红外、GPS、磁场等定位设备确定用户的位置信息从而得到用户的行为轨迹,通过商店的销售终端设备以及商场和饭店的自助服务终端获取用户的生物识别信息、消费项目、消费地点、消费额度、消费时间等信息。
框303为以所述用户属性数据作为关键词在多维数据库中标识数据集;
在一个实施例中,多维数据库中每个数据集包括同一用户的多个数据记录,并由一个或多个该用户的用户属性数据进行标识。例如,第一类用户属性数据为可以绝对肯定唯一辨别用户的用户属性数据,包括诸如会员号码、身份证号码等;第二类用户属性数据为能够高精度辨别但不绝对肯定辨别用户的用户属性数据,包括诸如用户面部图像、指纹图像、掌纹图像、声纹信息等;第三类用户属性数据可以用作推断用户身份的次要证据,包括诸如用户姓名、会员昵称、网络账号、网络名称、邮箱地址、电话号码、手机号码、MAC地址、IP地址、住址、车牌号码等。由于用户可能与他人重名,使用其他人账号登录,携带其他人的手机或驾驶其他人的汽车,用户还可能拥有不同的电子邮件和住宅地址,因此第三类用户属性数据可以用来推断用户身份,但无法精确辨别用户。
框304为将具有相同用户属性数据的线上数据记录和线下数据记录合并到该用户的数据集中。例如通过图2B中的用户数据关联单元205将同一用户的线上数据记录和线下数据记录相关联。
在一个实施例中,首先用第一类用户属性数据在多维数据库搜索具有相同用户属性数据的数据记录,将搜索结果合并到该用户的数据集中;然后用第二类用户属性数据进行搜索,将搜索结果合并到该用户的数据集中;最后用第三类用户属性数据进行搜索,将搜索结果合并到该用户的数据集中,由此能够最大程度保证用户数据集中的数据记录为同一用户的数据记录。
在一个实施例中,用户属性数据为用户的面部图像,则使用人脸识别模块在多维数据库中搜索具有相同面部图像的数据记录,并将搜索结果合并到该用户的数据集中。
在一个实施例中,用户属性数据为用户的声纹信息,则使用声音识别模块在多维数据库中搜索具有相同声纹信息的数据记录,并将搜索结果合并到该用户的数据集中。
在一个实施例中,用户属性数据为用户上网时使用的电子设备的MAC地址,则用该MAC地址作为关键词搜索在多维数据库中搜索具有相同MAC地址的数据记录,并将搜索结果合并到该用户的数据集中。
在一个实施例中,用户属性数据为用户的手机号码,则用该号码作为关键词搜索在多维数据库中搜索具有相同手机号码的数据记录,并将搜索结果合并到该用户的数据集中。
在一个实施例中,每个包含第一类用户属性数据的用户数据记录都与由该用户属性数据标记的数据集相关联。当用户数据记录中仅包含第二类或第三类用户属性数据而不包含第一类用户属性数据,而且多维数据库中不存在其关联数据集时,将所述线上数据记录或线下数据记录移至名为“未识别数据库”的数据库中。因为数据记录中包含第一类用户属性数据的用户必然为已有的注册用户,因此所述未识别数据库中的所有数据记录都不包含第一类用户属性数据。
在一个实施例中,所述数据收集方法还包括通过注册系统注册新用户。例如在商场促销活动中,用户提供个人信息诸如姓名、年龄、性别、手机号码、电邮地址、住址等申请成为会员,注册系统接收并记录所述会员的个人信息,分配唯一会员号码予所述用户,同时可以获取用户的其他信息,诸如生物识别信息等。
在一个实施例中,由于新注册用户的信息中包含会员号码、手机号码、电邮地址、生物识别信息等用户属性数据,则可以在多维数据库中建立与其相对应的数据集。其后根据新注册的用户属性数据定期搜索未识别数据库,查找与新注册用户具有相同用户属性数据的数据记录。例如,面部识别系统可以使用用户的面部照片来搜索未识别的数据库以寻找相似的面部。查找到的数据记录便从未识别数据库转移到新注册用户的数据集中。由于未识别数据库中的所有数据记录都不包含第一类用户属性数据,因此用于该搜索的用户属性数据为第二类别或第三类别用户属性数据。
通过上述方法进行数据收集和关联操作,多维数据库中的每个数据集包括一个用户的完整的数据记录,由此画像构建引擎可以分析多维数据库中的数据集以生成每个用户的精准画像。
图4示出了本实用新型的一个实施例所描述的通过无线发送/接收装置收集用户数据的方法。
如图4所示,在区域400内设置了三个无线信号发射/接收设备401,每个无线信号发射/接收设备401具有位置标识,当用户手持终端设备如手机连接到区域商店400内的无线网络时,每个无线信号发射/接收设备401探测所述手机的唯一识别码如手机MAC地址,和无线网络信号强度,基于唯一识别码的唯一性和无线网络信号强度,可以精确定位用户的位置。
如图4所示,当用户位于403(1)的位置,即探测范围402之外,无线信号发射/接收设备401探测不到用户的无线网络信号;当用户位于403(2)的位置,即其中一个无线信号发射/接收设备401的探测范围402之内,则认为用户从区域400附近经过;当用户位于403(3)的位置,即三个无线信号发射/接收设备401的探测范围内,则认为用户进入商店区域400。这样通过无线信号发射/接收设备就可以实现收集用户在区域400内商店的逗留时间、逗留时长等线下数据。
在一个实施例中,区域400可以是商店、室内分隔或其他特定活动场所。
在一个实施例中,事先记录海量的确定位置点相对于确定的无线信号发射/接收设备的信号强度,通过用新加入的用户手持终端设备的信号强度对比海量数据库,来确定用户位置。在一个实施例中,只采用一个无线信号接收设备,其探测范围覆盖整个定位区域,当用户进入该无线信号接收设备的探测范围,则认为用户进入该区域。
在其他实施例中,还可以基于蓝牙技术、磁场定位、红外线定位、GPS定位或者超宽带技术等室内定位方法收集用户的位置数据。
图5为本实用新型的一个实施例所描述的信息推送系统500。
如图5所示的信息推送系统500包括如图1或图2B所示的数据收集系统501、数据读取单元502、画像构建引擎510、推荐引擎520和显示单元507。其中画像构建引擎510包括数据分析单元503和标签分配单元504,推荐引擎520包括筛选单元505和信息推送单元506。
数据收集系统501用于从线上和线下获取、关联并存储用户数据记录,数据读取单元502与数据收集系统501相连接,用于读取所述用户数据记录,并将所述用户数据记录发送到画像构建引擎510。画像构建引擎510中的数据分析单元503从数据读取单元502接收用户数据,执行数据分析方法对所述用户数据进行分析统计,得到一个以上用户类别。画像构建引擎510中的标签分配单元504与数据分析单元503相连接,用于根据用户类别分配用户标签。推荐引擎520中的筛选单元505与数据读取单元502及标签分配单元504相连接,用于根据用户标签筛选目标用户,推荐引擎520中的信息推送单元506与筛选单元505相连接,用于向筛选单元505筛选的目标用户推送信息。信息推送系统500还包括显示单元507,用于根据标签分配单元504所分配的用户标签对用户数据进行场景显示。
在一个实施例中,画像构建引擎510为存储在计算机服务器中的软件程序,该软件程序运行时,对数据读取单元502读取的的每个用户的数据集分别进行分析。每个数据集中存储一个用户完整的用户数据记录,包括线上数据记录和线下数据记录,画像构建引擎从而能够在分析数据后为每个用户建立一个精准的用户画像,并可以将用户画像分类,为每个类别分配简单标签以便分组管理。
在一个实施例中,推荐引擎520为存储在计算机服务器中的计算机程序,该软件程序运行时,首先确定目标用户,例如通过简单标签筛选目标用户组或通过用户属性数据确定用户身份,然后调取目标用户的用户画像,结合待推荐项目的属性、可用的促销信息或用户正在进行的活动等,生成至少一件推荐项目并将所述至少一件推荐项目在显示装置上向用户显示。由于推荐项目基于用户画像产生,而每个用户都具有精准的用户画像,因此所述推荐项目个性化、针对性强,从而达到千人千面、精准营销的目的。
在一个实施例中,数据收集系统501通过社交网络平台、网页监控、车辆监测、生物信息识别、无线信号监测以及消费行为记录等方式收集用户数据,并将同一用户的用户数据互相关联后进行存储。
在一个实施例中,数据分析单元503对用户数据进行分析,数据分析方法包括但不限于诸如分类、聚类、关联原则、多元线性回归方法。
其中,分类是找出用户数据中的一组数据对象的共同特点并按照分类模型将其划分为不同的类别,通过分类模型将用户数据中的数据项映射到某个给定的类别中。例如根据年龄将所述用户分成一个以上年龄段的用户类别,或根据用户性别将所述用户分成两个用户类别。
聚类是针对用户数据的相似性和差异性将一组用户数据分为几个类别。属于同一类别的数据间的相似性很大,但不同类别之间数据的相似性很小,跨类的数据关联性很低。例如将用户最近一次消费、用户消费频率和用户消费金额加权后进行聚类,在此基础上将用户群体进行数值化评估,并根据数值化评估的结果将用户划分成重要保持客户、重要发展客户、重要挽留客户、一般重要客户、一般客户、无价值客户等用户类别,并且反映客户在行为上的特性和变化倾向。
关联规则挖掘隐藏在用户数据之间的关联或相互关系,即根据一个数据项的出现推导出其他数据项的出现。关联规则的挖掘过程包括从用户数据中找出高频数据组以及从这些高频数据组产生关联规则,从而将具有关联的用户数据分为同一用户类别。
多元回归分析预测法,是指通过对两个或两个以上的自变量与一个因变量的相关分析,建立预测模型进行预测的方法。例如用户活跃度与用户在社交网络平台上的浏览、关注、点赞、转发相关,因此以用户活跃度为因变量,用户在社交网络平台上的浏览、关注、点赞、转发为自变量,作线性回归分析,从而根据活跃度划分用户分类。
在一个实施例中,标签分配单元504根据用户类别分配用户标签。例如,为根据年龄分析的用户类别分配青年、中年、中老年等用户标签;为根据活跃度分析的用户类别分配活跃用户、沉默用户等用户标签;为根据消费次数、频率和金额分析的用户类别分配重要保持客户、重要发展客户、重要挽留客户、一般重要客户、一般客户、无价值客户等用户标签。
在一个实施例中,筛选单元505筛选目标用户时,可以选择一个用户标签进行筛选,也可以选择使用多个用户标签的逻辑组合进行筛选。例如可以根据用户标签筛选某个年龄段的目标用户,也可以根据年龄、性别、消费能力、消费偏好等用户标签的逻辑组合筛选目标用户,还可以根据用户标签、用户标签的组合结合信息推送的内容筛选目标用户,由此增加了筛选的灵活性,可以达到细化目标用户的目的,并且满足不同的筛选要求。
在一个实施例中,显示单元507根据用户标签对用户数据进行场景显示。例如,显示单元504根据所述用户标签显示用户的消费偏好、品牌偏好;用直方图显示活跃会员等级分布;用等级漏斗显示会员注册信息等。
在一个实施例中,信息推送单元506对目标用户在社交网络平台例如微信进行信息推送。例如通过高级群发接口向目标用户分组推送信息,包括多图文组合、图片、文字、语音等;通过客服信息接口,对48小时内的活跃用户在回复中进行信息推送,强化交互,满足信息推送需求的同时,又避免占用企业的推送额度,增加与消费者的沟通机会。当进行信息推送的目标用户数量过多时,容易引发接口堵塞,需要长时间才能完成信息推送。为解决此问题,示例性实施例采用拆分队列推送。例如,当识别到推送的目标用户大于10,000人时,将自动进行拆分,细化成10,000人以内的目标用户队列发送请求,提升了同时发送的人次,提高了推送速度。
图6为本实用新型的一个实施例所描述的闭环信息推送方法。
如图6所示为一个实现闭环的信息推送方法,包括重复执行601到604的四个步骤。
框601为收集、分析多维数据,筛选符合推送条件的用户组。例如,通过如图1或图2B所示的用户数据收集系统或图2A所示的用户数据收集装置或图3所示的用户数据收集方法收集多维用户数据后,对该多维用户数据进行分析,根据分析结果分配用户标签,根据单一用户标签或组合用户标签选取用户组。
框602为通过分组精准推送,不同用户组收到不同的推送内容。例如,通过图5所示的信息推送系统进行信息推送。
框603为推送内容后,追踪用户的反应。例如,推送优惠券之后,追踪用户领取、使用优惠卷进行消费的信息;向用户推荐产品/服务之后,追踪用户购买所推荐的产品/服务的信息;向用户推荐商场路径引导用户经过促销的商店之后,追踪用户的实际采用路径或到店消费的信息等等。
在一个实施例中,推送内容通过用户终端如智能手机向用户显示,与所述智能手机相连接的网络服务器追踪推送内容的送达率、用户对推送内容的打开率包括浏览、转发、评论、点赞等等,以及通过如图1或图2A、2B所示的用户数据收集系统追踪用户在打开推送内容之后的到店率和消费率等。
框604为获取用户反应的数据,并将该数据存入多维数据库。例如,再次通过如图1、图2B所示的用户数据收集系统或图2A所示的用户数据收集装置收集用户反应的数据,并将收集到的用户数据合并到多维数据库中。所示闭环的信息推送方法能够使得运营人员根据实际运营场景需求和指标需求,建立需要实时监测的关键指标和独立数据看板,时刻监控核心数据,随时调整运营策略。
图7为本实用新型的一个实施例所描述的具体信息推送方法。
框701为获取多维数据,在一个实施例中,通过如图1、图2B所示的用户数据收集系统、图2A所示的用户数据收集系统或图3所示的用户数据收集方法收集多维用户数据。
框702为将所述多维数据存储在多维数据库。
框703为为用户构建画像和分配简单标签。
在一个实施例中,多维数据库中的每个数据集包括一个用户的完整数据记录,画像构建引擎通过分析多维数据库中的每个数据集以生成每个用户的画像。每个用户画像分配有多个简单标签,例如按照诸如性别、年龄、籍贯、学历,或消费的时间、金额、频次,或经常光顾的商家以及浏览、登录网站的名称、次数、时长、深度等为每个用户分配简单标签,这些简单标签也存储在多维数据库中,从而形成精准的用户画像。
框704为筛选一组满足预设条件的目标用户组。在一个实施例中,通过图5所示的筛选单元筛选目标用户组。
在一个实施例中,每组预设条件为一个if-then语句的前提。例如,通过计算机服务器提供的端口构造动态复合标签,所述动态复合标签为if-then语句的前提,其包括合取范式布尔表达式,该布尔表达式中每个布尔项为从多维数据库中取得的至少一个变量的真/假判断语句。在一个实施例中,该布尔表达式包括从简单标签、预定义阈值以及线上数据记录或线下数据记录中的用户参与率中选择的一个或多个逻辑关系。
框705为选择至少一条推送至所述目标用户组的讯息。例如,向用户推送优惠券、抵用券、促销信息、活动信息等。
在一个实施例中,推荐引擎基于用户画像并结合商店现有的促销信息、可推荐的项目属性和/或用户正在执行的活动,向用户推荐一件或以上产品/消费项目。例如用户在实体商店或网络店铺购物时,销售终端获取用户的用户属性数据并将其传送至推荐引擎,推荐引擎据此向用户推荐多件与用户正在购买的商品相关的其他产品,或推荐该商店正在打折的商品,并在销售终端向用户显示。又例如用户通过手机等网络装置或设置于商场中的自助服务终端查询路径信息时,推荐引擎从用户查询中得到用户属性数据,由此基于用户查询内容、用户画像和商场中的商店促销信息向用户推荐到商店的路径,该路径可以包括地标以引导用户通过促销的商店,从而使用户注意到促销信息。
在一个实施例中,推送信息为一组if-then语句的结果。
框706为将所述讯息传送至目标用户组中的每个用户。在一个实施例中,所述讯息被推送给满足所述if-then语句前提的用户。
框707为跟踪用户在收到所述讯息后的反应。例如,推送优惠券、抵用券之后,追踪用户领取、使用优惠卷进行消费的信息;推送促销信息、活动信息后,追踪用户购买促销产品、参加活动的信息等等。
框708为将所示用户反应存储在多维数据库中。在一个实施例中,通过如图1、图2B所示的用户数据收集系统、图2A所示的用户数据收集装置或图3所示的用户数据收集方法收集所述用户反应数据,从而形成数据闭环。
图8为本实用新型的一个实施例所描述的筛选用户组的方法。
图8显示了用多个条件的逻辑组合筛选目标用户组的计算机人机交互界面。其中筛选用户组的预设条件包括(1)浏览微商城页面多于3次;(2)在2017年10月1日-2017年10月7日消费金额在300-5000之间,和(3)在2017年10月1日-2017年10月8日在ABC商店消费至少一次。如果用户同时满足以上三项条件,则立即向用户推送20元展览门票抵用券一次。
在一个实施例中,筛选用户的预设条件包括用户的简单标签与事件进行逻辑组合形成的复合标签。
在一个实施例中,复合标签作为一个if-then语句的前提,推送讯息为该if-then语句的结果。例如:
If{浏览微商城页面}&{>3次};
And if{2017年10月1日-2017年10月7日}&{消费金额}&{300-5000};
And if{2017年10月1日-2017年10月8日}&{ABC商店}&{>1次};
Then{推送20元展览门票抵用券一次}.
其中&表示“并”,即复合条件。
表I和表II显示了使用上述一个或多个实施例中的信息推送方法前后的营销数据。
表I使用精准信息推送方法追踪结果
其中,“总数”为总推送信息条数,“平均到达数”为每月平均被用户终端成功接收的推送信息条数,“平均打开数”为每月平均被收到推送用户打开推送浏览的信息条数,“平均打开率”=“平均打开条数”/“平均到达条数”。
表I的数据显示,与已有的信息推送方法比较,使用本实用新型的精准信息推送方法,推送讯息的平均打开率从6.2%上升并维持在9%以上,比群发组的4%左右提升一倍;精准标签推送人群从2017年8月的1.4万提升到2018年3月6.3万,覆盖率大幅提升。
表II用户到店消费转化率追踪结果
表II显示的是在其他市场营销手段没有特别变化的情况下,采用本实用新型所述的推送方法所获得的用户到店消费转化率追踪结果。其中“商场消费转化率”=“到商场消费人数”/“推送人数”,“店铺消费转化率”=“到推荐店铺消费人数”/“推送人数”。
表II的数据显示使用本实用新型的精准推送方法后,伴随着精准推送人数的增加,到商场消费的人数、商场营收额以及到推荐店铺消费的人数均大幅增长。除此之外,2018年3月精准推送人群消费转化率为3%,远高于普通电商平台的1%,到推荐店铺的总消费额达到73万以上。虽然精准到店的转化率为0.1%,但消费额绝对值大幅提升。由此可见,本实用新型的信息推送方法能够提高推送精准度,从而提升用户体验,提高商场运营效率。
图9和10是本实用新型在现实生活的应用示例。图9为本实用新型向用户推荐商品的一个实施例。
图9中,框901为销售终端处理用户的当前消费信息。在一个实施例中,用户付款时销售终端接收用户的除需要保密的个人信息之外的其他当前消费信息。在一个实施例中,用户付款时销售终端通过摄像头获取用户的面部图像并将所述面部图像与用户的当前消费信息相关联。
框902为销售终端将当前消费信息传送至服务器。在一个实施例中,销售终端将当前消费信息包括诸如用户名称、会员号码等用户标识以及所购买的商品/服务的名称、单价、销售数量、销售时间、销售店铺等信息传送至服务器。在一个实施例中,销售终端还将用户面部图像传送至服务器。
框903为服务器将当前消费信息存储在数据库中并将该信息传送至搜索引擎。在一个实施例中,用户的当前消费信息存储在多维数据库中该用户的数据集中。
框904为推荐引擎根据用户信息和当前消费信息推荐一件或以上商品。在一个实施例中,推荐引擎从多维数据库读取用户画像信息,根据所述用户画像以及用户当前消费信息、可推荐商品的属性、可用的促销信息等计算推荐商品。
在一个实施例中,用户当前消费信息包括用户正在付款购买的商品名称、商品价格等信息;可推荐商品的属性包括所述可推荐商品的种类(例如服饰类、化妆品类、家居类、婴幼儿用品类、宠物用品类、电子产品类等)和价格等属性;可用的促销信息包括诸如商店的打折信息、产品的优惠信息以及优惠券、现金券信息、积分换领信息等等。
在一个实施例中,推荐引擎根据用户画像和用户当前购买的商品种类,向用户推荐商店内相同或相似种类的其他商品以及其打折、优惠信息。
在一个实施例中,推荐引擎根据用户画像和用户当前购买的商品种类,向用户推送销售相关产品的联系商店的打折、优惠信息。
在一个实施例中,推荐引擎根据用户画像和用户当前购买的商品价格,向用户推送优惠券、现金券或提示用户用积分换领礼品。
框905为推荐引擎将推荐商品传送至服务器。
框907为服务器将可供购买的推荐商品列表传送至销售终端。在一个实施例中,服务器根据查询到的库存信息确定推荐商品是否可供用户购买,并将可供购买的推荐商品列表传送至销售终端。
框908为显示器显示可供购买的推荐商品及其条码。在一个实施例中,销售终端将可供购买的推荐商品列表在与其相连接的触摸屏上向用户显示。显示的信息包括推荐商品的种类、简介、单价、所在店铺名称等。在另一实施例中,显示器显示推荐商品的购买途径例如二维码,用户可以通过用手机等电子设备扫描所述二维码进入在线购买地址。
框909为用户扫描显示器显示的条码进行在线支付。在一个实施例中,用户通过点击设置在销售终端的触摸屏界面直接购买推荐商品。在另一实施例中,用户通过扫描显示器所显示的二维码在线购买所述推荐商品。
框910为显示器显示购买成功的推荐商品的店铺地址以便用户提货。在一个实施例中,用户支付成功后,显示器显示所购买的推荐商品所在的实体店铺地址,以供用户前往提货。在另一个实施例中,用户支付成功后,在用于支付的手机等电子设备上显示所购买的推荐商品所在的实体店铺地址,以便用户前往提货。
在一个实施例中,用户购买推荐商品后,销售终端收集该购买信息并存入多维数据库。
图10为本实用新型的一个实施例所描述的向用户推荐商场路径的方法。
示例性实施例中,商场内设置多个自助服务装置,其具有输入模块和输出模块,每个自助服务装置具有唯一地址识别码;推荐引擎中保存有该商场的地图信息,包括至少一个公共设施的位置信息以及状态信息、商店位置、第一类商店标签和第二类商店标签,以及每个咨询反馈装置的唯一地址识别码在地图信息中的对应位置。当有人站在自助服务装置前输入路径咨询1010,推荐引擎计算出所有可行路径1020,并获得第一类商店标签以及第二类商店标签1030;同时自助服务装置获取该用户的用户属性数据并向服务器发出查询是否有用户画像1040。如果服务器在多维数据库中找到与该用户相对应的用户属性数据,即有用户画像1001,则将用户画像发送至推荐引擎1050,并与每条路径经过商店的第一类商店标签作出比对1060,判断第一类商店标签是否与用户画像相匹配,获得具有最多匹配第一类商店标签数目的路径1070。如果仅有一条路径具有最多匹配第一类商店标签1003,则选择其为最优推荐路径1100。如果多条路径具有相同数目的最多匹配第一类商店标签1004,判断该多条路径中哪条具有最多第二类商店标签1090,选择的该路径作为最优推荐路径1100。如果多维数据库中没有与该用户相对应的用户属性数据,即没有用户画像1002,则判断哪条路径具有最多第二类商店标签1090,选择该路径作为最优推荐路径1100。
在一个实施例中,自助服务装置的输入模块和输出模块可以是图像、语音或文字输入/输出模块。自助服务装置还可以包括生物识别信息获取设备,其获取的用户属性数据包括用户的面部图像、声纹信息、指纹信息、掌纹信息等。
在一个实施例中,通过实体装置监视用户采用的实际路径,例如通过设置在商场内的摄像装置、商店内的无线收发装置、室内定位装置等确定用户实际采用的路径。
在一个实施例中,当用户偏离推荐路径,推荐引擎根据用户实际采用的路径重新进行计算,并向用户推荐重新计算后的路径。
在一个实施例中,所述自助服务装置位于商场通道,所述商店位于商场通道两旁或附近。商场可以是单栋单层或多层的室内商场,也可以是露天或半露天的具有开放空间的具有多栋相对独立商店的购物中心。
在一个实施例中,用户提出的查询请求包括目标地点的全部或部分名称,或者目标地点的类型。
在一个实施例中,公共设施信息包括设施类型信息,例如是厕所,母婴房或者吸烟区;使用状态信息,例如是否在维修,是否已被占用,是否大排长龙。
在一个实施例中,用户画像包括存储在多维数据库中分配给用户的简单标签,例如购买过的商店品牌,购买金额,购买商品类型(快消品,奢侈品,3c产品等),优先购买打折商店等;客户线下行为标签,例如经常进入的商店(无论是否有购买记录),经常参与的活动(例如咖啡鉴赏活动)等;客户线上行为标签,例如经常浏览的品牌网页,网页类型(例如高端化妆品推荐等)。
在一个实施例中,第一类商店标签包括商店品牌信息,商品类型信息,销售优惠信息。第二类商店标签包括商店是否在推广期的信息。在一个实施例中,推广期包括新入场商店的推广期或者是付费的商店推广期。
本说明书讨论的框图和/或方法可以由用户、用户代理(包括机器学习代理和智能用户代理)、软件应用程序、电子设备、计算机、固件、硬件、过程、计算机系统和/或智能个人助理等执行。此外,本说明书讨论的框图和/或方法可以在有或者没有来自用户的指令的情况下自动执行。
本说明书中示例实施例所提供的方法仅作为示例,其中一个方法的示例不会对另一个方法的示例造成限制。在一幅附图中讨论的装置/方法可以被添加到其他附图中的装置/方法或与之交换。此外,具体的数字数据值(例如具体数量,数量,类别等)或其他特定信息仅用于讨论示例实施例,而并非用此类具体信息来限制示例实施例。
Claims (8)
1.一种用户数据获取装置,其特征在于,该数据获取装置包括:
用户终端设备、一个以上图像获取设备、一个以上无线信号发射/接收设备、一个以上销售终端设备和数据存储设备,其中
所述用户终端设备、图像获取设备、无线信号发射/接收设备、销售终端设备和数据存储设备电通信连接;
所述图像获取设备具有位置标识,其包括摄像头和图像识别器,用于在特定地点获取用户图像并识别其中的用户,并将所述用户图像、获取时间以及所述图像获取设备的位置标识存储在所述数据存储设备中;
所述无线信号发射/接收设备具有位置标识,用于发射无线信号供用户终端设备连接无线网络,同时探测、接收并记录所述用户终端设备发出的无线信号,以及将接收到的无线信号强度、接收时间连同所述无线信号发射/接收设备的位置标识存储在所述数据存储设备中;
所述用户终端设备由用户随身携带,其具有唯一识别码并可连接网络,用于当用户在所述终端设备上进行网络活动时,向网络服务器发送用户数据,网络服务器将所述用户数据保存在所述数据存储设备中;
所述销售终端设备设置于实体店铺,其具有位置标识,用于在用户付款时收集用户在所述销售终端设备的消费数据并将其存储在所述数据存储设备中。
2.如权利要求1所述的装置,其特征在于,所述用户数据获取装置还包括:
一个以上自助服务终端设备,其具有位置标识,用于在用户与所述自助服务终端设备互动时,获取用户的互动信息并存储在所述数据存储设备中。
3.如权利要求2所述的装置,其特征在于,所述自助服务终端设备还包括:
摄像头、声音采集器、指纹采集器、掌纹采集器中的一个或多个,用于收集用户的面部图像、声纹信息、指纹信息或掌纹信息。
4.如权利要求1所述的装置,其特征在于,所述销售终端还包括:
摄像头、声音采集器、指纹采集器、掌纹采集器中的一个或多个,用于收集用户的面部图像、声纹信息、指纹信息或掌纹信息。
5.如权利要求1所述的装置,其特征在于:所述图像识别器包括面部图像识别器和/或车牌号码识别器,用于识别摄像模块获取的用户图像中包含的人脸和/或车牌号码。
6.如权利要求1所述的装置,其中所述无线信号发射/接收设备包括:WiFi设备、蓝牙设备、GPS设备。
7.如权利要求1所述的装置,其中所述无线信号发射/接收设备包括WiFi探针。
8.如权利要求1所述的装置,其特征在于:所述销售终端包括POS机。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810401958 | 2018-04-28 | ||
CN201810401958X | 2018-04-28 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN209690978U true CN209690978U (zh) | 2019-11-26 |
Family
ID=68294758
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201920487277.XU Active CN209690978U (zh) | 2018-04-28 | 2019-04-11 | 用户数据获取装置 |
CN201910290506.3A Pending CN110415065A (zh) | 2018-04-28 | 2019-04-11 | 用户数据收集系统和信息推送方法 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910290506.3A Pending CN110415065A (zh) | 2018-04-28 | 2019-04-11 | 用户数据收集系统和信息推送方法 |
Country Status (3)
Country | Link |
---|---|
CN (2) | CN209690978U (zh) |
HK (2) | HK1250200A2 (zh) |
WO (1) | WO2019205950A1 (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110852852A (zh) * | 2019-11-15 | 2020-02-28 | 成都航天科工大数据研究院有限公司 | 一种工业互联网产品推荐系统及方法 |
US11455656B2 (en) * | 2019-11-18 | 2022-09-27 | Walmart Apollo, Llc | Methods and apparatus for electronically providing item advertisement recommendations |
US11392984B2 (en) | 2019-11-20 | 2022-07-19 | Walmart Apollo, Llc | Methods and apparatus for automatically providing item advertisement recommendations |
CN111459922A (zh) * | 2020-02-17 | 2020-07-28 | 平安科技(深圳)有限公司 | 用户识别方法、装置、设备及存储介质 |
CN111506798A (zh) * | 2020-03-04 | 2020-08-07 | 平安科技(深圳)有限公司 | 用户筛选方法、装置、设备及存储介质 |
CN111460075B (zh) * | 2020-04-16 | 2023-09-22 | 万翼科技有限公司 | 行为轨迹的确定方法、装置、设备及可读存储介质 |
CN111581513B (zh) * | 2020-05-07 | 2022-05-31 | 安徽龙讯信息科技有限公司 | 一种网站智能信息聚合系统 |
TWI761847B (zh) * | 2020-06-01 | 2022-04-21 | 鴻海精密工業股份有限公司 | 基於人流量的資訊推送方法、裝置、電子設備及存儲介質 |
CN111729177B (zh) * | 2020-06-23 | 2022-09-30 | 马国英 | 一种血液透析室护理用床边固定装置 |
CN111882398A (zh) * | 2020-07-31 | 2020-11-03 | 深圳市华云中盛科技股份有限公司 | 智慧城市服务推荐方法、装置、计算机设备及存储介质 |
CN112040300A (zh) * | 2020-09-11 | 2020-12-04 | 浙江金澜文化传媒股份有限公司 | 一种交互式广告展示方法、终端及智慧城市交互系统 |
CN112579902A (zh) * | 2020-12-24 | 2021-03-30 | 第四范式(北京)技术有限公司 | 一种支持多个智能应用场景的行为数据治理方法和装置 |
CN113468194B (zh) * | 2021-07-02 | 2022-03-22 | 广东蕾特恩科技发展有限公司 | 一种基于大数据的客户关系管理数据更新系统及方法 |
CN113780721B (zh) * | 2021-07-29 | 2024-04-09 | 深圳市思为软件技术有限公司 | 一种数据整合方法及系统 |
CN116402539B (zh) * | 2023-06-08 | 2023-09-01 | 北京吉欣科技有限公司 | 基于大数据的拓客方法、系统、设备及存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8566256B2 (en) * | 2008-04-01 | 2013-10-22 | Certona Corporation | Universal system and method for representing and predicting human behavior |
CN106611353B (zh) * | 2015-10-27 | 2020-06-09 | 中国移动通信集团浙江有限公司 | 一种获取受众的方法和服务器设备 |
CN105761099A (zh) * | 2016-02-02 | 2016-07-13 | 互道信息技术(上海)有限公司 | 基于多业务渠道的行为数据的业务信息推荐系统及方法 |
CN107203518A (zh) * | 2016-03-16 | 2017-09-26 | 阿里巴巴集团控股有限公司 | 在线系统个性化推荐的方法、系统以及装置、电子设备 |
CN107767154A (zh) * | 2016-08-18 | 2018-03-06 | 中国电信股份有限公司 | 信息推送方法、平台和系统 |
CN107146099B (zh) * | 2017-04-14 | 2021-05-25 | 北京楚科信息技术有限公司 | 一种营销方法及营销系统 |
CN107437216A (zh) * | 2017-08-07 | 2017-12-05 | 金正汉 | 购物方法、平台、装置、计算机存储介质及计算机设备 |
-
2018
- 2018-06-29 HK HK18108469A patent/HK1250200A2/zh unknown
- 2018-06-29 HK HK18108471A patent/HK1250126A2/zh unknown
-
2019
- 2019-04-11 WO PCT/CN2019/082299 patent/WO2019205950A1/zh active Application Filing
- 2019-04-11 CN CN201920487277.XU patent/CN209690978U/zh active Active
- 2019-04-11 CN CN201910290506.3A patent/CN110415065A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
HK1250126A2 (zh) | 2018-11-23 |
WO2019205950A1 (zh) | 2019-10-31 |
CN110415065A (zh) | 2019-11-05 |
HK1250200A2 (zh) | 2018-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN209690978U (zh) | 用户数据获取装置 | |
Su et al. | A method for discovering clusters of e-commerce interest patterns using click-stream data | |
WO2019149005A1 (zh) | 一种线下互动式广告系统 | |
JP6104239B2 (ja) | 消費者主導広告システム | |
US8943004B2 (en) | Tools and methods for determining relationship values | |
Bose et al. | Quantitative models for direct marketing: A review from systems perspective | |
US9685048B2 (en) | Automatically generating an optimal marketing strategy for improving cross sales and upsales of items | |
CN109165992A (zh) | 一种智能导购方法、装置、系统及计算机存储介质 | |
US9031857B2 (en) | Generating customized marketing messages at the customer level based on biometric data | |
US9361623B2 (en) | Preferred customer marketing delivery based on biometric data for a customer | |
US20100262456A1 (en) | System and Method for Deep Targeting Advertisement Based on Social Behaviors | |
US20090248496A1 (en) | System and method for automating market analysis from anonymous behavior profiles | |
Kaur et al. | Influence of technological advances and change in marketing strategies using analytics in retail industry | |
KR101712591B1 (ko) | 감성기반 사용자특성 분석을 이용한 개인화된 광고 제공 서비스 방법 | |
Chen et al. | Real-time smartphone sensing and recommendations towards context-awareness shopping | |
US20080249835A1 (en) | Identifying significant groupings of customers for use in customizing digital media marketing content provided directly to a customer | |
Partridge et al. | Activity-based advertising | |
TW201203156A (en) | Online and offline advertising campaign optimization | |
CN108053271A (zh) | 一种应用于商圈的智能卡券推荐与分发的系统与方法 | |
Chatzidimitris et al. | A location history-aware recommender system for smart retail environments | |
Wang et al. | Mobile advertising and traffic conversion: The effects of front traffic and spatial competition | |
JP2006146858A (ja) | プロファイリング手段を適用した社会シミュレーション・システム | |
CN113052653A (zh) | 一种金融产品内容推荐方法、系统及计算机可读存储介质 | |
Betzing et al. | Quantifying the impact of geospatial recommendations: A field experiment in high street retail | |
KR20170121589A (ko) | 온라인 통합 관리 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant |