CN107481119A - 一种基于大数据特征分析的云餐饮平台及分析方法 - Google Patents
一种基于大数据特征分析的云餐饮平台及分析方法 Download PDFInfo
- Publication number
- CN107481119A CN107481119A CN201710719872.7A CN201710719872A CN107481119A CN 107481119 A CN107481119 A CN 107481119A CN 201710719872 A CN201710719872 A CN 201710719872A CN 107481119 A CN107481119 A CN 107481119A
- Authority
- CN
- China
- Prior art keywords
- analysis
- shop
- module
- menu
- customer
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 92
- 235000013305 food Nutrition 0.000 title claims abstract description 38
- 235000013311 vegetables Nutrition 0.000 claims abstract description 74
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 26
- 238000012360 testing method Methods 0.000 claims abstract description 5
- 238000007726 management method Methods 0.000 claims description 59
- 238000000034 method Methods 0.000 claims description 27
- 235000012054 meals Nutrition 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 14
- 238000007418 data mining Methods 0.000 claims description 11
- 230000000694 effects Effects 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 11
- 238000007619 statistical method Methods 0.000 claims description 10
- 238000011161 development Methods 0.000 claims description 8
- 230000018109 developmental process Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 6
- 239000002994 raw material Substances 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000007639 printing Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 230000033772 system development Effects 0.000 claims description 3
- 238000005096 rolling process Methods 0.000 claims 1
- 230000006870 function Effects 0.000 description 42
- 230000008901 benefit Effects 0.000 description 6
- 238000013461 design Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000007621 cluster analysis Methods 0.000 description 4
- 235000013361 beverage Nutrition 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 235000013399 edible fruits Nutrition 0.000 description 3
- 230000008030 elimination Effects 0.000 description 3
- 238000003379 elimination reaction Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000009412 basement excavation Methods 0.000 description 2
- 235000012813 breadcrumbs Nutrition 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 230000035622 drinking Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000006187 pill Substances 0.000 description 2
- 235000020097 white wine Nutrition 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 235000012364 Peperomia pellucida Nutrition 0.000 description 1
- 240000007711 Peperomia pellucida Species 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- HUTDUHSNJYTCAR-UHFFFAOYSA-N ancymidol Chemical group C1=CC(OC)=CC=C1C(O)(C=1C=NC=NC=1)C1CC1 HUTDUHSNJYTCAR-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 238000010230 functional analysis Methods 0.000 description 1
- 235000021189 garnishes Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000003045 statistical classification method Methods 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/02—Reservations, e.g. for tickets, services or events
-
- 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
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
-
- 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
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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]
- G06Q30/0641—Shopping interfaces
- G06Q30/0643—Graphical representation of items or shoppers
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/12—Hotels or restaurants
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明属于餐饮技术领域,公开了一种基于大数据特征分析的云餐饮平台及分析方法,云餐饮平台包括前端客户端,后台管理***,智能分析服务***;分析方法包括所述分析方法根据商业数据、特定的商业目标,选用不同的模型和算法,配置不同的参数设置,进行多次测试和评估,对顾客潜在消费菜品和会员消费习惯的智能分析结果进行深度分析。本发明解决了现有餐饮经营存在的诸多问题,本发明一体化云餐饮***让餐厅突破更多营收、更低成本、更高效率,全面覆盖排队、订餐、支付、收银、报表和营销等功能,并让线上餐饮、线下异业帮你迅速完成多种商业模式的搭建和互通,实现资源服务共享。
Description
技术领域
本发明属于餐饮技术领域,尤其涉及一种基于大数据特征分析的云餐饮平台及分析方法。
背景技术
传统餐饮企业的问题大概有两点,其一,点餐环节依旧延续着几百年前的人工点菜方式,人员依赖严重,需要投入大量成本;其二,对历史消费数据不够重视或根本没有积累,忽略了大数据背后的潜在商业价值。
现有餐饮经营存在的问题:
1.人工点菜:人多要排队、耗时费力、有时会记错账单,
2.支付不方便:找零钱不方便、会有***,算错账单,
3.菜谱不完整:高峰期可能菜谱都不够、每次只能一桌人使用、容易弄脏,
4.管理不方便:上菜时容易记错位置、混乱客人点餐的顺序,
5.消费数据无法进行智能分析,无法进行充分的二次精准营销。
6.目前现有的餐饮***绝大多数用于局域网,相对比较封闭,客户消费的数据仅仅局限于该餐饮企业,第三方服务行业无法接入现有的餐饮***,无法形成餐饮消费类大数据。
综上所述,现有技术存在问题为:消费数据无法进行智能分析,无法进行充分的二次精准营销;现有的餐饮***比较封闭,客户消费的数据仅仅局限于该餐饮企业,第三方服务行业无法接入现有的餐饮***,无法形成餐饮消费类大数据等。
发明内容
针对现有技术存在的问题,本发明提供了一种基于大数据特征分析的云餐饮平台及分析方法。本发明通过关联规则的聚类分析,将客户进行智能挖掘,进行单元内嵌式数据挖掘算法和有效数据源的分析,实现智能推荐、线上+线下服务、异业管理等功能。
本发明是这样实现的,一种基于大数据特征分析的云餐饮平台,所述基于大数据特征分析的云餐饮平台,包括:
前端客户端(微信端、Android手机App以及苹果手机IOS),
后台管理***(商家管理后台、异业管理后台、运营管理后台),
智能分析服务***。
前端客户端:通过HTML5技术基于Bootstrap框架开发微信端点餐点餐服务,Bootstrap是用动态语言LESS写的,主要包括四部分的内容1)脚手架——全局样式,响应式的12列栅格布局***。记住Bootstrap在默认情况下并不包括响应式布局的功能。因此,如果你的设计需要实现响应式布局,那么你需要手动开启这项功能。2)基础CSS——包括基础的HTML页面要素,比如表格(table),表单(form),按钮(button),以及图片(image),基础CSS为这些要素提供了优雅,一致的多种样式。3)组件——收集了大量可以重用的组件,如下拉菜单(dropdowns),按钮组(button groups),导航面板(navigation control)——包括:tabs,pills,lists标签,面包屑导航(breadcrumbs)以及页码(pagination),缩略图(thumbnails),进度条(progress bars),媒体对象(media objects)等4)JavaScript——包括一系列jQuery的插件,这些插件可以实现组件的动态页面效果。插件主要包括模态窗口(modals),提示效果(tool tips),“泡芙”效果(popovers),滚动监控(scrollspy),旋转木马(carousel),输入提示(typeahead),等;基于Android***开发App点餐软件以及基于IOS***开发苹果手机端点餐软件。
后台管理***:基于SSM框架开发后台管理软件主要分为商家端后台以及运营管理后台,主要完成商家菜品管理,订单处理,商家管理,折扣管理等等。
智能分析服务***:通过对消费者的订单数据采用多种数据建模算法分析消费者的用餐情况、酒水消费情况,通过可视化报表工具进行展现。
进一步,所述前端客户端包括:
扫码进店模块,用于支持移动终端的二维码扫描进店查阅菜品信息;
预点菜功能模块,首先将店铺的纸质菜单进行电子化,预点餐功能通过后台管理***,将店铺菜单的类目、菜品进行上传,将这些数据保存在***的服务器中;然后顾客通过面向顾客的客户端***进入预点餐功能;
排队取号模块:通过面向顾客模块和面向店内服务员模块进行排队取号;
预定处理模块,店内服务员首先通过与店铺微信公众平台交互获取功能主菜单,通过功能主菜单的预订管理功能进入预定管理页面,预订管理页面提供顶单查询、待处理的订单列表W及已经确认等待入席就餐的巧单列表;订单查询用于顾客提供订单编号或者订单预留的联系电话,服务员进斤查询;待处理列表用于服务员需要处理的订单列表,服务员通过列表中单个订单的信息进行核对和确认,被确认的订单将进入待入席列表中;待入席列表用于己经确认,等待顾客前来就餐的列表。
进一步,
所述面向顾客模块,顾客首先通过与店铺微信公众账号的聊天框中的主菜单多图文进入排队***界面,在面向普通用户的客户端***的排队取号功能中通过点击排队来获得一个电子的排队号码;店内服务员通过点击通知按钮来提前通知相应的排对号码;
面向服务员模块,店内服务员需要先通过店铺微信公众账号将自己的微信账号绑定为店内服务员账号;当服务员通过微信向店铺公众账号请求功能主菜单时,获取面向服务员的主菜单;然后,服务员通过点击相应的排队叫号功能进入叫号***。
进一步,后台管理***,包括:商家设置模块、商品设置模块、店铺设置模块;
所述商品设置模块,用于储存菜单信息,所述菜单信息包括类目名称、菜品名、菜品图片、菜品价格;
所述商家设置模块,根据前端客户端的需求分析,用于提取出需要存储的数据和存储顾客预订订单信息;首先,管理后台设置一张店铺表,存储店铺信息实体,包括后台账号、店铺基本信息;然后,每个店铺绑定一个微信公众账号、一个APP客户端,用于作为该点餐***在智能终端上的载体;通过面向前端客户端的表,用于存储店铺绑定的微信公众账号和APP客户端的相关信息;接着,通过一张排队信息的表,用于存储顾客的排队信息;通过顾客信息和预点菜单信息两张表储存顾客的预点菜单信息;
店铺设置模块,用来记录每个注册店铺的基本信息。
异业管理模块,用于客户消费后获得异业商家的代金券,到异业商家消费时,异业商家通过扫描枪扫描客户手机上的优惠券条形码进行核销处理
进一步,智能分析服务***,包括:
入口模块,用于提供餐厅信息的网站或移动客户端;
菜单模块:包含餐厅所有菜品的列表,提供价格、介绍、原料、评价相关信息,通过对这些信息的参考,顾客用于决定要消费的菜品;
下单模块,用于生成用户最终决定的菜单列表,同时反映顾客的口味偏好、顾客消费受外界影响的程度;
上菜模块,用于根据顾客下好的订单,服务员进行上菜;
支付模块,用于顾客进行现金、银行卡、***或网络的支付;
帮助模块,用于顾客的咨询、投诉和***打印以及顾客对所点菜品的意见和建议。
进一步,
智能分析服务***,还包括统计分析单元和智能挖掘单元;所述统计分析单元包括自顶向下的知识层、服务层、第一方法层及第二方法层;
智能挖掘单元内嵌有数据挖掘算法和有效数据源。
本发明的另一目的在于提供一种分析方法,根据商业数据、特定的商业目标,选用不同的模型和算法,配置不同的参数设置,进行多次测试和评估,对顾客潜在消费菜品和会员消费习惯的智能分析结果进行深度分析;实现智能推荐、线上+线下服务、异业管理。
例如如设置“白酒”参数,选取特定的时间段,可以分析各白酒品牌的消费占比以及销售情况,不同地区消费者消费各类白酒的情况;设置“菜品”参数根据订单情况结合数据建模公式可以分析哪类菜品最受欢迎等等。
进一步,所述分析方法选择三种大数据特征分析方法:关联规则、分类和聚类;
FP-Growth:从指定的数据源中发现满足预先定义的最小支持度和最小置信度的关联规则,不断地迭代FP-Tree的构造和投影过程;
Naive Bayes:分类方法利用朴素贝叶斯假定一个属性值对给定类的影响独立于其他属性的值,该假定称作类条件独立;
K-Means:计算复杂度只有O(tkn),t是迭代次数,k是设定的聚类数目,而n是数据量。
本发明的优点及积极效果为:
本发明解决了现有餐饮经营存在的诸多问题,本发明一体化云餐饮***让餐厅突破原有运营模式,已成功增加月营业收入5%左右,通过覆盖调查增加客户体验满意度30%左右,全面覆盖排队、订餐、支付、收银、报表和营销等功能,增加了本店工作人员的服务效率,在不增加员工情况下,提高工作效率10%以上,并让线上餐饮、线下异业迅速完成多种商业模式的搭建和互通,实现资源服务共享。
本发明还具有的优点为:
1.智能云菜单实施速度提升;
2.APP点餐、微信扫码点餐,下单速度提升;
3.智能报表、智能大数据挖掘分析、管理效率提升;
4.智能会员、智能营销、智能推广、积分商城、碎片化数据的价值挖掘、自动化运营,效率提升;
5.线上餐饮、线下异业帮你迅速完成多种商业模式的搭建和互通,实现资源服务共享,客户通过点餐消费获得相关异业(KTV、电影院、洗车店等)的优惠券,促进客户就餐结束进一步带动消费;
6.通过分享返利、优惠券、积分兑、随机立减等功能模块提升用户粘度,实现业绩迅速增长;
7.老板不在办公室就可知晓全部店面的运营情况,任何地点可通过手机方便快捷查看各类可视化报表了解一系列的管理信息。
对比现有技术,一体化云餐饮***能支撑餐厅的订餐、支付、收银、报表和营销一体化功能,具备线上餐饮、线下异业多种商业模式的搭建和互通,能实现餐饮服务资源与第三方服务资源服务共享。
附图说明
图1是本发明实施例提供的基于大数据特征分析的云餐饮平台示意图。
图中:1、前端客户端;2、后台管理***;3、智能分析服务***。
图2是本发明实施例提供的预点菜功能流程图。
图3是本发明实施例提供的数据库设置图。
图4是本发明实施例提供的智能分析服务***服务划分图。
图5是本发明实施例提供的基于大数据特征分析的云餐饮四层框架平台图。
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。
下面结合附图对本发明的应用原理作详细描述。
如图1所示,本发明实施例提供的基于大数据特征分析的云餐饮平台,包括:
前端客户端1(微信端、Android手机App以及苹果手机IOS),
后台管理***2(商家管理后台、异业管理后台、运营管理后台),
智能分析服务***3;
前端客户端1:通过HTML5技术基于Bootstrap框架开发微信端点餐点餐服务,Bootstrap是用动态语言LESS写的,主要包括四部分的内容1)脚手架——全局样式,响应式的12列栅格布局***。记住Bootstrap在默认情况下并不包括响应式布局的功能。因此,如果你的设计需要实现响应式布局,那么你需要手动开启这项功能。2)基础CSS——包括基础的HTML页面要素,比如表格(table),表单(form),按钮(button),以及图片(image),基础CSS为这些要素提供了优雅,一致的多种样式。3)组件——收集了大量可以重用的组件,如下拉菜单(dropdowns),按钮组(button groups),导航面板(navigation control)——包括:tabs,pills,lists标签,面包屑导航(breadcrumbs)以及页码(pagination),缩略图(thumbnails),进度条(progress bars),媒体对象(media objects)等4)JavaScript——包括一系列jQuery的插件,这些插件可以实现组件的动态页面效果。插件主要包括模态窗口(modals),提示效果(tool tips),“泡芙”效果(popovers),滚动监控(scrollspy),旋转木马(carousel),输入提示(typeahead),等;基于Android***开发App点餐软件以及基于IOS***开发苹果手机端点餐软件。
后台管理***2:基于SSM框架开发后台管理软件主要分为商家端后台以及运营管理后台,主要完成商家菜品管理,订单处理,商家管理,折扣管理等等。
智能分析服务***3:通过对消费者的订单数据采用多种数据建模算法分析消费者的用餐情况、酒水消费情况,通过可视化报表工具进行展现。
所述前端客户端还包括:
扫码进店模块,用于支持移动终端的二维码扫描进店查阅菜品信息;
预点菜功能模块,首先将店铺的纸质菜单进行电子化,预点餐功能通过后台管理***,将店铺菜单的类目、菜品进行上传,将这些数据保存在***的服务器中;然后顾客通过面向顾客的客户端***进入预点餐功能;
排队取号模块:通过面向顾客模块和面向店内服务员模块进行排队取号;
预定处理模块,店内服务员首先通过与店铺微信公众平台交互获取功能主菜单,通过功能主菜单的预订管理功能进入预定管理页面,预订管理页面提供顶单查询、待处理的订单列表W及已经确认等待入席就餐的巧单列表;订单查询用于顾客提供订单编号或者订单预留的联系电话,服务员进斤查询;待处理列表用于服务员需要处理的订单列表,服务员通过列表中单个订单的信息进行核对和确认,被确认的订单将进入待入席列表中;待入席列表用于己经确认,等待顾客前来就餐的列表。
所述面向顾客模块,顾客首先通过与店铺微信公众账号的聊天框中的主菜单多图文进入排队***界面,在面向普通用户的客户端***的排队取号功能中通过点击排队来获得一个电子的排队号码;店内服务员通过点击通知按钮来提前通知相应的排对号码;
面向服务员模块,店内服务员需要先通过店铺微信公众账号将自己的微信账号绑定为店内服务员账号;当服务员通过微信向店铺公众账号请求功能主菜单时,获取面向服务员的主菜单;然后,服务员通过点击相应的排队叫号功能进入叫号***。
后台管理***,包括:商家设置模块、商品设置模块、店铺设置模块;
所述商品设置模块,用于储存菜单信息,所述菜单信息包括类目名称、菜品名、菜品图片、菜品价格;
所述商家设置模块,根据前端客户端的需求分析,用于提取出需要存储的数据和存储顾客预订订单信息;首先,管理后台设置一张店铺表,存储店铺信息实体,包括后台账号、店铺基本信息;然后,每个店铺绑定一个微信公众账号、一个APP客户端,用于作为该点餐***在智能终端上的载体;通过面向前端客户端的表,用于存储店铺绑定的微信公众账号和APP客户端的相关信息;接着,通过一张排队信息的表,用于存储顾客的排队信息;通过顾客信息和预点菜单信息两张表储存顾客的预点菜单信息;
店铺设置模块,用来记录每个注册店铺的基本信息。
异业管理模块,用于客户消费后获得异业商家的代金券,到异业商家消费时,异业商家通过扫描枪扫描客户手机上的优惠券条形码进行核销处理。
智能分析服务***,包括:
入口模块,用于提供餐厅信息的网站或移动客户端;
菜单模块:包含餐厅所有菜品的列表,提供价格、介绍、原料、评价相关信息,通过对这些信息的参考,顾客用于决定要消费的菜品;
下单模块,用于生成用户最终决定的菜单列表,同时反映顾客的口味偏好、顾客消费受外界影响的程度;
上菜模块,用于根据顾客下好的订单,服务员进行上菜;
支付模块,用于顾客进行现金、银行卡、***或网络的支付;
帮助模块,用于顾客的咨询、投诉和***打印以及顾客对所点菜品的意见和建议;
所述智能分析服务***,还包括统计分析单元和智能挖掘单元;所述统计分析单元包括自顶向下的知识层、服务层、第一方法层及第二方法层;
智能挖掘单元内嵌有数据挖掘算法和有效数据源。
本发明的实施例提供一种分析方法,根据商业数据、特定的商业目标,选用不同的模型和算法,配置不同的参数设置,进行多次测试和评估,对顾客潜在消费菜品和会员消费习惯的智能分析结果进行深度分析。
进一步,所述分析方法选择三种大数据特征分析方法:关联规则、分类和聚类;
FP-Growth:从指定的数据源中发现满足预先定义的最小支持度和最小置信度的关联规则,不断地迭代FP-Tree的构造和投影过程;
Naive Bayes:分类方法利用朴素贝叶斯假定一个属性值对给定类的影响独立于其他属性的值,该假定称作类条件独立;
K-Means:计算复杂度只有O(tkn),t是迭代次数,k是设定的聚类数目,而n是数据量。
下面结合具体实施例对本发明的应用原理作进一步描述。
本发明实施例提供的基于大数据特征分析的云餐饮平台,由前端:客户端,后台Web管理管理***和智能分析服务三部分构成,***物理架构合理,扩展性强,易维护。在实现智能点菜终端前,对Android***架构进行了分析,同时对Android操作***在OK6410开发板上的移植以及Android应用开发进行了设计。对商业智能进行深入分析后,在智能分析服务中提出了基于商业智能的数据挖掘框架,有效地融合了基于方法的数据挖掘和基于知识的数据挖掘,并且可通过Web Service对外提供在线服务。
下面结合功能分析对本发明作进一步描述。
本发明实施例提供的基于大数据特征分析的云餐饮平台主要实现功能如下:
(一)前端客户端功能实现如下
(1)扫码进店实现:
本***的支持移动终端的二维码扫描进店功能,无论是否是会员用户,进入***进行浏览的用户在查看菜品时都会看到菜品的原材料、配菜以及相关做法。不同的商家都有着不同的二维码,且每一个二维码都是唯一的,用户用过自带的手持移动终端设备扫描二维码,扫描之后即可进店查阅菜品信息,
本***选择QR码作为功能实现的二维码。QR码可以储存多种形式的信息数据储存,包括文本信息、图片信息以及网络连接。并且,密码技术在QR码中的使用可以大大增加对数据信息的保护,有着较高的安全系数和可靠系数。另外,QR在保留了普通二维码优点的的同时还具有其他的优点——对数据信息的高度保密和超高的读取速度。
本次二维码技术的实现编码在JAVA开发环境下进行编程实现,通过编程实现相关算法,进而实现QR码的译码。整个程序在代码上通过对类的设置和对变量的设定,对RS编译码算法进行编写,针对QR码建立相关函数,实现了二维码编译识读扫描。
主要算法包括Forney算法、BM迭代算法以及钱搜算法,将这些算法通过相应的函数程序来实现译码。最终将***中的不同商家以二维码的形式出现在界面。用手机对商家二维码的图片进行扫描,手机浏览器会转入商家店面,显示出该商家的菜品,用户可以直接进行点餐。
微信OAuth2.0授权登录目前支持authorization_code模式,适用于拥有ser端的应用授权。该模式整体流程为:
第三方发起微信授权登录请求,微信用户允许授权第三方应用后,微信会拉起应用或重定向到第三方网站,并且带上授权临时票据code参数;
通过code参数加上AppID和AppSecret等,通过API换取access_token;
通过access_token进行接口调用,获取用户基本数据资源或帮助用户实现基本操作。
(2)预点菜功能实现
预点菜功能模块传统的点菜流程是当顾客进店坐在餐桌上时,服务员将本店的纸质菜单递给顾客,顾客通过查看纸质的菜单进行点菜。这种点菜方式,首先效率底,顾客面对庞大的纸质菜单很难快速找到所需的菜品;其次,纸质菜单成本也比较大,如果要更新菜单,则要更换所有的纸质菜单,既费时又提商了成本;最后,顾客只有坐在餐桌上之后才能很好的查看该店的菜单,这样顾客可能很难第一时间找到想点的菜,将花费很多时间,效率低,特别对于该店的新顾客。基于上述传统点餐方式的缺点,本***设计了预点餐功能。如图2是本发明实施例提供的预点菜功能流程图。
该功能首先将店铺的纸质菜单进行了电子化。预点餐功能需要店内***管理员通过后台管理***,将店铺菜单的类目、菜品进行上传,***将这些数据保存在***的服务器中。然后顾客通过面向顾客的客户端***进入预点餐功能,在该功能中能够查看该店铺上传的菜单类目及其所有的菜品。顾客在浏览店铺电子菜单的同时也能进行点菜,最后提交已点菜。提交之后,***会保存用户的提交数据,为顾客生成一个预点菜单,并有一个预点菜单编号。顾客能够随时查看、修改或删除己经生成的预点菜单。当顾客进店就餐时,只要告诉服务员已经点好的预点菜单号,服务员则通过服务员客户端***的查看预点餐页面对相应的预点菜单进行查询,然后与顾客进行核对,核对好后服务员就能够帮用户下单了。
(3)排队取号实现
客户端分为面向顾客和面向店内服务员两部分。
面向顾客:顾客首先通过与店铺微信公众账号的聊天框中的主菜单多图文进入排队***界面,在面向普通用户的客户端***的排队取号功能中通过点击排队来获得一个电子的排队号码。该排队号码显示在顾客的排队取号功能的一个页面。顾客能够随时随地的查看自己的排队号码,而且还会显示该排队号码前面还有多少人,运些信息都是实时更新的。店内服务员则可通过服务员客服端***进入排队叫号功能,在该功能页面将显示该店当前的排队队列。当有空闲座位时,店内服务员就能够通过点击通知按钮来提前通知相应的排对号码。通知方式主要是通过微信公众张号发送微信消息到用户的微信账号。
面向服务员:店内服务员需要先通过店铺微信公众账号将自己的微信账号绑定为店内服务员账号。这样,当服务员通过微信向店铺公众账号请求功能主菜单的时候,就能获取面向服务员的主菜单。然后,服务员通过点击相应的排队叫号功能进入叫号***。服务员在当前叫号页面共有3中操作:1)通知:"通知"即通知对应排队号码的顾客前来就餐,通知形式主要是通过发送微信消息的方式。2)入席:"入席"是在已经通知了该排队号码且顾客己经到来的情况下去点击的一种操作。这一操作将当前的排队号码从排队队列中除去。3)跳过:"跳过"与"入席"类似,也是讲当前排队号码从排队队列中除去。不同的是该操作是在通知了该排队号码且顾客在一定的时间没有前来就餐的情况下服务员去点击的。
(4)预定处理实现:
店内服务员首先通过与店铺微信公众平台交互获取功能主菜单,通过功能主菜单的预订管理功能入曰进入预巧管理页面,预订管理页面提供了巧单查询功能、待处理的订单列表W及已经确认等待入席就餐的巧单列表。订单查询功能主要是顾客提供订单编号或者订单预留的联系电话,服务员进斤查询。待处理列表则是服务员需要处理的订单列表,服务员通过列表中单个订单的信息进行核对和确认,被确认的订单将进入待入席列表中。待入席列表是己经确认,等待顾客前来就餐的列表。当顾客前来就餐时,服务员就将该订单从该列表中删除,完成预定的过程。
(二)后台管理***和智能分析服务:
(1)数据库设置(商家、商品、店铺等数据):如图3是本发明实施例提供的数据库设置图。
根据前端***的需求分析,能够从中提取出需要存储的数据,从而设计数据库表结构。首先,每个餐饮店都有一个供店内***管理员来管理的后台管理***,这个***也就是该点餐***的管理后台,因此需要设计一张店铺表,来存储店铺信息实体,包括后台账号、店铺基本信息等。然后,每个店铺都需要绑定一个微信公众账号、一个APP客户端,用于作为该点餐***在智能终端上的载体,因此,需要设计面向前端的表,用于存储店铺绑定的微信公众账号和APP客户端的相关信息。接着,在排队功能需求中,需要给顾客生成排队号码,因此需要设计一张排队信息的表,用于存储顾客的排队信息,包括排队号码、时间、就餐人数等。而在预点餐功能需求中,店内***管理员需要上传店铺菜单类目及菜品,因此要分别设计菜单类目和菜品两张品来存储整个餐饮店的菜单信息,包括类目名称、菜品名、菜品图片、菜品价格等。同时,顾客能够预先点餐生成预点菜单,需要存储顾客的预点菜单信息,因此,需要设计顾客信息和预点菜单信息两张表。最后,预订功能需求中,需要存储顾客预订订单信息。
店铺实体主要用来记录每个注册店铺的基本信息。其属性包括:店铺id、用户名、昵称、密码、创建时间、店铺名称、店铺描述、店铺联系电话、店铺地址等。微信公众账号实体主要用来记录店铺所绑定的微信公众账号的基本信息。其属性包括:id、微信公众账号用户名、微信公众账号原始码、微信昵称、微信公众账号logo图片、微信公众账号二维码图片等。排队队列实体主要用来记录用户在该店内的排队信息。其属性包括;id、排队号、开始排队时间、用户open id、状态、电话号码、排队类型等。菜单类目实体主要用来记录店铺菜单的分类类目。其属性主要包括;id、类目名。单个菜品实体主要用来记录店铺单个菜品的信息。其属性包括:id、菜品名、菜品描述、菜品原价、菜品打折价、图片等。用户实体主要用来记录关注店铺公众账号的用户信息。其属性包括:id、微信open id、fack id、微信昵称等。用户预点菜单实体主要用来记录用户预先点餐生成的菜单信息。其属性包括:id、创建时间、菓单编号、状态等。预订订单实体主要用来记录用户预定订单的相关信息。其属性包括:id、姓名、联系电话、预订时间、人数、备注、预订编号、巧单状态等。
店铺实体代表着一个点餐***。由于一个店铺只能绑定一个微信公众账号,并且一个微信公众账号也只能被一个店铺所绑定,因此店铺和微信公众账号运两个实体之间是一对一的关系。一个店铺可能会有很多顾客排队从而出现多个排队号码,而一个排队号码时唯一的,只能属于一个店铺,因此店铺与排队队列实体之间是一对多的关系。一个店铺的菜单会存在很多类目,而每个类目都是由店内***管理员设置的,只能属于一个店铺,所W店铺与菜单类目实体之间是一对多的关系。一个菜单类目下会包含多个不同的菜品,而一个菜品规定只能分属于一个菜单类目下,因此菜单类目与菜品实体之间是一对多的关系。一个店铺将拥有多个用户,这里的用户是指关注店铺微信公众平台的用户,由微信的openid区分,由于同一用户的微信open id对不同的微信公众账号不相同,一个用户open id只能属于一个店铺,因此店铺与用户实体之间只能是一对多的关系。一个用户能够生成多份不同的预点菜单,而一个预点菜单是由一个用户生成的,独一无二,因此用户与预点菜单两个实体之间是一对多的关系。一个预点菜单会包含多个不同的菜品,而一个菜品也可能会出现在多个不同的预点菜单之中,因此预点菜单与菜品两个实体之间是多对多的关系。一个店铺会受到多个不同的预订订单,而一个预订订单是由一个用户在一个店铺的微信公众账号中生成,因此,店铺与预订订单两个实体之间是一对多的关系。
(2)基于大数据特征分析服务
智能化餐厅的工作流程,有六个服务,如图4是本发明实施例提供的服务划分图。
入口:这是整个商业循环的第一步,主要是提供餐厅信息的网站或移动客户端,顾客的每次浏览都会在服务器上留下路径日志,这些数据反映出顾客的浏览踪迹。
菜单:包含餐厅所有菜品的列表,提供价格、介绍、原料、评价等相关信息,通过对这些信息的参考,顾客才能决定要消费的菜品。
下单:用户最终决定的菜单列表,包括中途加订的、换订的、取消的,下单信息反映了顾客的口味偏好,下单方式反映了顾客消费受外界影响的程度。
上菜:顾客下好订单,厨房开始烹饪,然后服务员上菜的过程。这整个的上菜过程反映了顾客的等待时间,以及厨房人员的效率。
支付:顾客选择支付的方式,可以是现金、银行卡、***或是网络支付。
帮助:顾客的咨询、投诉和***打印,以及顾客对所点菜品的意见和建议。
本发明选择三种大数据特征分析方法:关联规则、分类和聚类。
FP-Growth:从指定的数据源中发现满足预先定义的最小支持度和最小置信度的关联规则,与Apriori算法一样,是很经典的关联规则挖掘算法之一。对FP-Growth方法的性能表明,对于挖掘长的和短的频繁模式,它都是有效地的和可规模化的,并且大约比Apriori算法快一个数量级。它的基本思想是不断地迭代FP-Tree的构造和投影过程。
Naive Bayes:贝叶斯分类是统计学分类方法之一,可以用来预测类成员关系的可能性,如给定样本属于一个特定类的概率。朴素贝叶斯假定一个属性值对给定类的影响独立于其他属性的值,该假定称作类条件独立,做此假定是为了简化所需计算。种种实验分析表明,与判定树和神经网络分类算法相比,在某些领域,该分类算法可以与之媲美。用于大型数据库,贝叶斯分类也已表现出高准确率与高速度。
K-Means:它是最为常用的聚类算法之一,尽管它有着很多不足,但是它有着一个非常关键的优点,快!K-means的计算复杂度只有O(tkn),t是迭代次数,k是设定的聚类数目,而n是数据量,相比起很多其它算法,K-means算是比较高效的,这也是本发明进行大数据挖掘时常用的。
本发明主要分析的客户特征行为:
顾客浏览行为:存储在Web服务器上的网络日志提供了数据源,它记录了所有用户与Web或者移动终端交互的信息。对Web logs进行关联规则挖掘,可以发现入口中被频繁访问的页面,从而将一些重要的餐厅信息投放到这些页面中。
顾客潜在消费菜品:去餐厅消费时,大部分顾客的个人信息我们都是不知道的,会员只占少数部分。通过对以往点菜清单进行关联规则的挖掘,可以得到一些有价值的满足指定支持度和置信度的关联规则。这样,当用户在下单时,可以根据用户已点菜品,推荐相关的菜品。以往菜品分类的方式很单一,而且模式化,在这里我们可以综合菜品的原材料及其他属性进行聚类分析,找出最受欢迎的一类菜品。这些由数据挖掘得来的知识,具有一定的科学性,推荐成功的概率要比单纯依赖个人经验的推荐高的多。
会员消费习惯:在了解了顾客个人信息的基础上,就可以对他们进行个性化的推荐和服务。首先对注册会员进行聚类分析,找到他们各自相似的群体,当某位会员再次就餐时,就可以向他推荐同一群组中其他会员喜欢的菜品。当会员人数很多时,聚类的方法可以用最近邻方法替代,提高挖掘效率。同时,对会员下单方式、支付方式进行分析后,就能够做到在最佳的时机,向该类会员推荐最易被消费的菜品,从而最大化顾客的消费价值。
菜单的更新:如何决定菜品的撤与推?传统的做法是销售排行,末位淘汰。假设A是最受欢迎的菜品之一,B是销售不好的菜品之一,采用末位淘汰法则,B就应该被撤下。但是,通过分析以后我们发现,用户在点A菜品时,有很大几率会点下B,也就是说A与B的关联非常的密切,撤下销售不好的菜品B,可能会影响到A菜品的销售。所以,对顾客消费清单进行关联分析,会比传统的销售排行,末位淘汰法则更可靠。同时,可以在消费清单的基础上进行分类挖掘,发现顾客不同季节的用餐口味,然后针对性的添加相应口味的菜品;对所有菜品进行聚类分析,发现贡献价值最高的菜品。通过以上这些挖掘手段,就可以做到菜单的合理更新,这要比以往单纯的经验更新更加可靠。
吸引新顾客留住老顾客:除了通过改善餐厅整体的点餐流程、增强用户体验、创造舒适的就餐环境、加强食品卫生监督等外在的吸引顾客的方法之外,我们还可以通过提升上菜速度(这是用户最关心的问题之一),推出诱人的优惠套餐组合,增加顺应时节的美味菜品,来吸引更多的新老顾客。这些决策的制定的基础,就是基于对以往顾客消费数据和会员信息的数据挖掘产生的知识。
本发明设计基于大数据特征分析的云餐饮四层框架平台,它的搭建如图5四层框架所示。这是一个自顶向下的过程,从知识层商业目标的选择开始,定义与之相关联的服务,然后选取合适的数据挖掘算法和有效的数据源。图5中的直线表示依赖关系。
本发明的基于大数据特征分析的云餐饮四层框架平台的最底层是数据层,这也是本发明进行模拟前首要解决的问题——数据的来源。为了能找到餐饮业相关的经营数据,以便进行和主题相关的针对性的商业分析,在尝试了所有可能的途径后,还是没能找到。
模拟数据通过智能点菜终端产生,在持有人的手机上安装点菜终端,然后大家按照自己的口味和当时的心情选择想吃的菜品。在每次进入点餐前,还需提交自己的“个人信息“,包括年龄、职业、薪资水平等,当然这些也都是个人任意数据,由于数据缺乏真实性,智能分析的结果可能不尽如人意,有些结果可能还会导致管理者做出错误的商业决策,当然真实数据也会产生错误的结果,但这些不是这里最关心的。在实际部署中,必须要根据具体的商业数据,明确的商业目标,选择合适的算法和数据。同时,还应该对特定的商业目标,选用不同的模型和算法,配置不同的参数设置,进行多次测试和评估,找到效果最好的一组封装成组件,以便重复使用。由于局限性,有些数据是无法产生的,所以下面的基于数据挖掘的商业智能分析的结果展示,是建立在点餐数据,和用户资料的基础之上,对顾客潜在消费菜品和会员消费习惯的智能分析结果进行了深度分析。
图5是本发明实施例提供的基于大数据特征分析的云餐饮四层框架平台图。
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)
1.一种基于大数据特征分析的云餐饮平台,其特征在于,所述基于大数据特征分析的云餐饮平台,包括:
前端客户端,用于通过HTML5技术基于Bootstrap框架开发微信端点餐服务,所述Bootstrap包括:
1)脚手架,所述脚手架为全局样式、响应式的12列栅格布局***;
2)基础CSS,所述基础CSS包括基础的HTML页面要素;
3)组件,所述组件包括下拉菜单dropdowns、按钮组button groups、导航面板navigation control;
4)JavaScript,所述JavaScript包括用于实现组件的动态页面效果的jQuery的插件;所述jQuery的插件包括模态窗口modals、提示效果tool tips、泡芙效果popovers、滚动监控scrollspy、旋转木马carousel、输入提示typeahead;
5)基于Android***开发App点餐软件以及基于IOS***开发苹果手机端点餐软件;
后台管理***基于SSM框架开发后台管理软件分为商家端后台以及运营管理后台;用于完成商家菜品管理、订单管理、商家管理及折扣管理;
智能分析服务***,用于通过对消费者的订单数据采用多种数据建模算法分析消费者的用餐情况、酒水消费情况,并通过可视化报表工具进行展现。
2.如权利要求1所述的基于大数据特征分析的云餐饮平台,其特征在于,
所述前端客户端还包括:
扫码进店模块,用于支持移动终端的二维码扫描进店查阅菜品信息;
预点菜功能模块,将店铺的纸质菜单进行电子化,预点餐功能通过后台管理***,将店铺菜单的类目、菜品进行上传,将这些数据保存在***的服务器中;
排队取号模块:通过面向顾客模块和面向店内服务员模块进行排队取号;
预定处理模块,与店铺微信公众平台交互获取功能主菜单,通过功能主菜单的预订管理功能进入预定管理页面,预订管理页面提供订单查询、待处理的订单列表W及已经确认等待入席就餐的巧单列表。
3.如权利要求2所述的基于大数据特征分析的云餐饮平台,其特征在于,
所述面向顾客模块,与店铺微信公众账号的聊天框中的主菜单多图文进入排队***界面,通过点击排队获得一个电子的排队号码;点击通知按钮来提前通知相应的排对号码;
面向服务员模块,通过店铺微信公众账号将自己的微信账号绑定为店内服务员账号;获取面向服务员的主菜单;点击相应的排队叫号进入叫号***。
4.如权利要求1所述的基于大数据特征分析的云餐饮平台,其特征在于,
后台管理***,还包括:商家设置模块、商品设置模块、店铺设置模块;
所述商品设置模块,用于储存菜单信息,所述菜单信息包括类目名称、菜品名、菜品图片、菜品价格;
所述商家设置模块,根据前端客户端的需求分析,用于提取出需要存储的数据和存储顾客预订订单信息;
店铺设置模块,用来记录每个注册店铺的基本信息;
异业管理模块,用于客户消费后获得异业商家的代金券,到异业商家消费时,异业商家通过扫描枪扫描客户手机上的优惠券条形码进行核销处理。
5.如权利要求1所述的基于大数据特征分析的云餐饮平台,其特征在于,
智能分析服务***,包括:
入口模块,用于提供餐厅信息的网站或移动客户端;
菜单模块:包含餐厅所有菜品的列表,提供价格、介绍、原料、评价相关信息;
下单模块,用于生成用户最终决定的菜单列表;
上菜模块,用于根据下好的订单,进行上菜;
支付模块,用于进行现金、银行卡、***或网络的支付;
帮助模块,用于咨询、投诉和***打印以及对所点菜品的意见和建议;
异业管理模块,用于客户消费后获得异业商家的代金券,到异业商家消费时,异业商家通过扫描枪扫描客户手机上的优惠券条形码进行核销处理。
6.如权利要求1所述的基于大数据特征分析的云餐饮平台,其特征在于,
智能分析服务***,包括统计分析单元和智能挖掘单元;所述统计分析单元包括自顶向下的知识层、服务层、第一方法层及第二方法层;
在采集的订单原始数据基础上根据分析种类的不同应用,分菜品种类统计分析、酒水种类统计分析、就餐地理位置统计分析、就餐客户人群年龄分析、就餐客户消费水平统计分析、分时消费情况统计分析;形成一系列智能分析报表;
所述智能挖掘单元内嵌有数据挖掘算法和有效数据源。
7.一种如权利要求1所述基于大数据特征分析的云餐饮平台的分析方法,其特征在于,所述基于大数据特征分析的云餐饮平台的分析方法根据商业数据、特定的商业目标,选用不同的模型和算法,配置不同的参数设置,进行多次测试和评估,对顾客潜在消费菜品和会员消费习惯的智能分析结果进行深度分析;实现智能推荐、线上+线下服务、异业管理。
8.如权利要求7所述的基于大数据特征分析的云餐饮平台的分析方法,其特征在于,深度分析方法选择三种大数据特征分析方法:关联规则、分类和聚类;
FP-Growth:从指定的数据源中发现满足预先定义的最小支持度和最小置信度的关联规则,不断地迭代FP-Tree的构造和投影;
Naive Bayes:分类方法利用朴素贝叶斯假定一个属性值对给定类的影响独立于其他属性的值;
K-Means:计算复杂度只有O tkn,t是迭代次数,k是设定的聚类数目,n是数据量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710719872.7A CN107481119A (zh) | 2017-08-21 | 2017-08-21 | 一种基于大数据特征分析的云餐饮平台及分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710719872.7A CN107481119A (zh) | 2017-08-21 | 2017-08-21 | 一种基于大数据特征分析的云餐饮平台及分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107481119A true CN107481119A (zh) | 2017-12-15 |
Family
ID=60601009
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710719872.7A Pending CN107481119A (zh) | 2017-08-21 | 2017-08-21 | 一种基于大数据特征分析的云餐饮平台及分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107481119A (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109102326A (zh) * | 2018-07-15 | 2018-12-28 | 山东工业职业学院 | 一种基于大数据特征分析的云餐饮平台及分析方法 |
CN109446816A (zh) * | 2018-10-18 | 2019-03-08 | 中电科大数据研究院有限公司 | 一种基于大数据平台审计日志的用户行为分析方法 |
CN110135886A (zh) * | 2019-04-09 | 2019-08-16 | 口碑(上海)信息技术有限公司 | 支持券核销一体化的点单方法以及*** |
CN110135646A (zh) * | 2019-05-20 | 2019-08-16 | 梁志鹏 | 一种餐厅预估快速上菜的方法、装置及存储介质 |
CN110163592A (zh) * | 2019-04-17 | 2019-08-23 | 深圳蚂里奥技术有限公司 | 获取支付终端三维信息的方法、***及计算机可读存储介质 |
CN110163650A (zh) * | 2019-04-10 | 2019-08-23 | 南京诺博灵信息科技有限公司 | 一种餐饮门店营销方法 |
CN110555621A (zh) * | 2019-09-09 | 2019-12-10 | 郑植 | 一种消费市场监督信息化*** |
WO2019242354A1 (zh) * | 2018-06-19 | 2019-12-26 | 阿里巴巴集团控股有限公司 | 一种就餐业务处理方法及*** |
CN110737643A (zh) * | 2019-09-29 | 2020-01-31 | 广州餐道信息科技有限公司 | 一种基于餐饮信息管理***的大数据分析处理管理中台 |
CN111091425A (zh) * | 2019-12-28 | 2020-05-01 | 北京慧博科技有限公司 | 一种速食行业口味分析方法 |
CN111325573A (zh) * | 2020-02-06 | 2020-06-23 | 火天股份有限公司 | 一种多维共享服务平台营销管理模式 |
CN111737405A (zh) * | 2020-07-03 | 2020-10-02 | 广州云博互联网技术有限公司 | 一种图文素材存档管理方法及*** |
CN112861008A (zh) * | 2021-03-01 | 2021-05-28 | 山东大学 | 一种基于多用户信息融合和熵的餐厅点餐推荐方法和*** |
CN114216549A (zh) * | 2021-12-06 | 2022-03-22 | 绍兴数鸿科技有限公司 | 一种基于单片机的智能称重就餐*** |
CN115130704A (zh) * | 2019-04-09 | 2022-09-30 | 口碑(上海)信息技术有限公司 | 预点单信息的处理方法及装置 |
CN117437089A (zh) * | 2023-11-07 | 2024-01-23 | 大头(广州)软件技术有限公司 | 一种基于餐厅智能营运场景的kvs一体化*** |
CN117974274A (zh) * | 2024-03-29 | 2024-05-03 | 浙江加乐网络科技有限公司 | 一种基于消费分析的订单监控***及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663265A (zh) * | 2012-05-04 | 2012-09-12 | 庄燕滨 | 基于云计算平台的餐饮服务平台***及其工作方法 |
CN103559636A (zh) * | 2013-11-08 | 2014-02-05 | 五八同城信息技术有限公司 | 一种基于云计算和智能分析的餐饮管理*** |
CN103646290A (zh) * | 2013-11-14 | 2014-03-19 | 成都博约创信科技有限责任公司 | 基于手机微信的点餐***及方法 |
CN104036440A (zh) * | 2014-06-19 | 2014-09-10 | 乐享互联(北京)信息技术有限公司 | 基于无线智能路由器的餐饮云管理***及自助点餐方法 |
CN104346698A (zh) * | 2014-11-05 | 2015-02-11 | 无锡雅座在线科技发展有限公司 | 基于云计算和数据挖掘的餐饮会员大数据分析和考核*** |
CN105427207A (zh) * | 2015-12-22 | 2016-03-23 | 山东易构软件技术股份有限公司 | 基于云服务的移动终端订餐*** |
-
2017
- 2017-08-21 CN CN201710719872.7A patent/CN107481119A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663265A (zh) * | 2012-05-04 | 2012-09-12 | 庄燕滨 | 基于云计算平台的餐饮服务平台***及其工作方法 |
CN103559636A (zh) * | 2013-11-08 | 2014-02-05 | 五八同城信息技术有限公司 | 一种基于云计算和智能分析的餐饮管理*** |
CN103646290A (zh) * | 2013-11-14 | 2014-03-19 | 成都博约创信科技有限责任公司 | 基于手机微信的点餐***及方法 |
CN104036440A (zh) * | 2014-06-19 | 2014-09-10 | 乐享互联(北京)信息技术有限公司 | 基于无线智能路由器的餐饮云管理***及自助点餐方法 |
CN104346698A (zh) * | 2014-11-05 | 2015-02-11 | 无锡雅座在线科技发展有限公司 | 基于云计算和数据挖掘的餐饮会员大数据分析和考核*** |
CN105427207A (zh) * | 2015-12-22 | 2016-03-23 | 山东易构软件技术股份有限公司 | 基于云服务的移动终端订餐*** |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019242354A1 (zh) * | 2018-06-19 | 2019-12-26 | 阿里巴巴集团控股有限公司 | 一种就餐业务处理方法及*** |
TWI724382B (zh) * | 2018-06-19 | 2021-04-11 | 開曼群島商創新先進技術有限公司 | 就餐服務處理方法及系統 |
CN109102326A (zh) * | 2018-07-15 | 2018-12-28 | 山东工业职业学院 | 一种基于大数据特征分析的云餐饮平台及分析方法 |
CN109446816A (zh) * | 2018-10-18 | 2019-03-08 | 中电科大数据研究院有限公司 | 一种基于大数据平台审计日志的用户行为分析方法 |
CN110135886A (zh) * | 2019-04-09 | 2019-08-16 | 口碑(上海)信息技术有限公司 | 支持券核销一体化的点单方法以及*** |
CN115130704A (zh) * | 2019-04-09 | 2022-09-30 | 口碑(上海)信息技术有限公司 | 预点单信息的处理方法及装置 |
CN110163650A (zh) * | 2019-04-10 | 2019-08-23 | 南京诺博灵信息科技有限公司 | 一种餐饮门店营销方法 |
CN110163592A (zh) * | 2019-04-17 | 2019-08-23 | 深圳蚂里奥技术有限公司 | 获取支付终端三维信息的方法、***及计算机可读存储介质 |
CN110135646A (zh) * | 2019-05-20 | 2019-08-16 | 梁志鹏 | 一种餐厅预估快速上菜的方法、装置及存储介质 |
CN110135646B (zh) * | 2019-05-20 | 2021-07-20 | 梁志鹏 | 一种餐厅预估快速上菜的方法、装置及存储介质 |
CN110555621A (zh) * | 2019-09-09 | 2019-12-10 | 郑植 | 一种消费市场监督信息化*** |
CN110737643B (zh) * | 2019-09-29 | 2022-11-15 | 餐道信息科技有限公司 | 一种基于餐饮信息管理***的大数据分析处理管理中台 |
CN110737643A (zh) * | 2019-09-29 | 2020-01-31 | 广州餐道信息科技有限公司 | 一种基于餐饮信息管理***的大数据分析处理管理中台 |
CN111091425A (zh) * | 2019-12-28 | 2020-05-01 | 北京慧博科技有限公司 | 一种速食行业口味分析方法 |
CN111325573A (zh) * | 2020-02-06 | 2020-06-23 | 火天股份有限公司 | 一种多维共享服务平台营销管理模式 |
CN111325573B (zh) * | 2020-02-06 | 2023-05-05 | 火天股份有限公司 | 一种多维共享服务平台营销管理模式 |
CN111737405A (zh) * | 2020-07-03 | 2020-10-02 | 广州云博互联网技术有限公司 | 一种图文素材存档管理方法及*** |
CN112861008A (zh) * | 2021-03-01 | 2021-05-28 | 山东大学 | 一种基于多用户信息融合和熵的餐厅点餐推荐方法和*** |
CN114216549A (zh) * | 2021-12-06 | 2022-03-22 | 绍兴数鸿科技有限公司 | 一种基于单片机的智能称重就餐*** |
CN117437089A (zh) * | 2023-11-07 | 2024-01-23 | 大头(广州)软件技术有限公司 | 一种基于餐厅智能营运场景的kvs一体化*** |
CN117974274A (zh) * | 2024-03-29 | 2024-05-03 | 浙江加乐网络科技有限公司 | 一种基于消费分析的订单监控***及方法 |
CN117974274B (zh) * | 2024-03-29 | 2024-06-07 | 浙江加乐网络科技有限公司 | 一种基于消费分析的订单监控***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107481119A (zh) | 一种基于大数据特征分析的云餐饮平台及分析方法 | |
CN104350489B (zh) | 文档的智能呈现 | |
CN109102326A (zh) | 一种基于大数据特征分析的云餐饮平台及分析方法 | |
US8224700B2 (en) | System and method for managing restaurant customer data elements | |
US9436958B2 (en) | Receiving and queuing requests from hospitality customers | |
AU2019203498A1 (en) | A system, method and computer program for optimising and allocating tables in a space | |
KR102024722B1 (ko) | 인공지능 추천을 이용한 o2o 마케팅을 위한 시스템 및 방법 | |
US20040128196A1 (en) | One-to-one business support system and program for implementing the function of the system | |
CN110415065A (zh) | 用户数据收集***和信息推送方法 | |
CN107862530A (zh) | 建立用户人际关系信息的方法及装置 | |
CN102222295A (zh) | 一种在自助终端上自助购物的控制方法及控制装置 | |
CN108460632A (zh) | 消费者驱动广告*** | |
CN106547812A (zh) | 商业信息提供***以及商业信息提供方法 | |
US20120123872A1 (en) | Cooperative personalized promotion method according to consumer-store interactive transaction history and system using the same | |
US20140278642A1 (en) | Tracking and Processing Requests From Hospitality Customers | |
JP6809737B2 (ja) | 情報処理装置 | |
JP2013137657A (ja) | 飲食店の経営管理システム | |
CN107944897A (zh) | 数据标签分发***、方法、服务器和客户端 | |
JP2017228040A (ja) | 加盟店舗情報提供方法 | |
JP2004362045A (ja) | グループ認証システム,サーバ装置,プログラム,記録媒体及びグループ認証方法。 | |
CN108776857A (zh) | Nps短信调研方法、***、计算机设备和存储介质 | |
US20170262874A1 (en) | Methods and system for identifying consumer preferences | |
JP7451466B2 (ja) | スタンプラリー提供システム、スタンプラリー提供方法、及びプログラム | |
TWI694394B (zh) | 跨商家消費積分系統 | |
CN111798009A (zh) | 促进消费商家商品的网约车订单生成方法、装置、***和介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171215 |