CN108846724A - 数据分析方法和*** - Google Patents
数据分析方法和*** Download PDFInfo
- Publication number
- CN108846724A CN108846724A CN201810573614.7A CN201810573614A CN108846724A CN 108846724 A CN108846724 A CN 108846724A CN 201810573614 A CN201810573614 A CN 201810573614A CN 108846724 A CN108846724 A CN 108846724A
- Authority
- CN
- China
- Prior art keywords
- client
- retail shop
- data
- commodity
- image data
- 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
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]
- G06Q30/0631—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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0282—Rating or review of business operators or products
-
- 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]
- G06Q30/0621—Item configuration or customization
-
- 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
- G06V40/161—Detection; Localisation; Normalisation
-
- 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
- G06V40/174—Facial expression recognition
- G06V40/175—Static expression
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种数据分析方法和***,涉及数据处理领域。该方法包括:对获取的视频数据进行人脸检测得到人脸图像数据;对人脸图像数据进行人脸属性分析得到商铺中客户的属性信息;基于客户的属性信息确定向商铺中客户推荐的商品,提高了商品推荐的准确性。另外,本公开还能够根据客户表情信息确定客户微笑值,根据客户微笑值与满意度的对应关系,确定商铺中客户的购物满意度,以便根据客户购物满意度优化商铺服务质量。另一方面,本公开还能够将商铺交易数据和营业额数据中的至少一项与客流量数据进行分析,确定商铺营业状况,以便根据商铺营业状况进行营销优化。
Description
技术领域
本公开涉及数据处理领域,尤其涉及一种数据分析方法和***。
背景技术
近年来随着深度学习与人脸技术的发展,人脸检测、识别、属性分析逐渐突破了在准确率上的瓶颈,得以应用在实际的商业场景中。但现有技术中,对商铺中的顾客还不能做到精准推荐商品,从而使得客户购物体验不佳。
发明内容
本公开要解决的一个技术问题是提供一种数据分析方法和***,能够提高商品推荐的准确性。
根据本公开一方面,提出一种数据分析方法,包括:对获取的视频数据进行人脸检测得到人脸图像数据;对人脸图像数据进行人脸属性分析得到商铺中客户的属性信息;基于客户的属性信息确定向商铺中客户推荐的商品。
可选地,该方法还包括:对人脸图像数据进行表情识别得到客户表情信息;根据客户表情信息确定客户微笑值;根据客户微笑值与满意度的对应关系,确定商铺中客户的购物满意度。
可选地,该方法还包括:对人脸图像数据进行行人检测分析得到客流量数据;将商铺交易数据和营业额数据中的至少一项与客流量数据进行分析,确定商铺营业状况。
可选地,基于客户的属性信息确定向商铺中客户推荐的商品包括:获取线上客户的属性信息与推荐商品的第一映射关系;根据第一映射关系和商铺中客户的属性信息确定向商铺中客户推荐的商品。
可选地,基于客户的属性信息确定向商铺中客户推荐的商品包括:根据商铺中客户的线下消费记录确定线下商品推荐列表;根据第一映射关系确定向与商铺中客户具有相同属性信息的线上客户群推荐的线上商品推荐列表;对线下商品推荐列表和线上商品推荐列表中的商品进行综合评分;根据商品综合评分确定向商铺中客户推荐的商品。
可选地,该方法还包括:根据商铺中客户的线下消费记录,确定已购商品的相关商品;将相关商品作为向商铺中客户推荐的商品。
可选地,该方法还包括:识别人脸图像数据中的贵宾VIP客户;将VIP客户的属性信息保存在商铺VIP属性数据库。
可选地,该方法还包括:基于商铺店员图像数据库,剔除人脸图像数据中的店员图像数据。
根据本公开的另一方面,还提出一种数据分析***,包括:人脸检测单元,用于对获取的视频数据进行人脸检测得到人脸图像数据;属性分析单元,用于对人脸图像数据进行人脸属性分析得到商铺中客户的属性信息;商品推荐单元,用于基于客户的属性信息确定向商铺中客户推荐的商品。
可选地,该***还包括:表情识别单元,用于对人脸图像数据进行表情识别得到客户表情信息;微笑值确定单元,用于根据客户表情信息确定客户微笑值;满意度反馈单元,用于根据客户微笑值与满意度的对应关系,确定商铺中客户的购物满意度。
可选地,该***还包括:客流量统计单元,用于对人脸图像数据进行行人检测分析得到客流量数据;客流量分析单元,用于将商铺交易数据和营业额数据中的至少一项与客流量数据进行分析,确定商铺营业状况。
可选地,商品推荐单元还用于获取线上客户的属性信息与推荐商品的第一映射关系,根据第一映射关系和商铺中客户的属性信息确定向商铺中客户推荐的商品。
可选地,商品推荐单元还用于根据商铺中客户的线下消费记录确定线下商品推荐列表,根据第一映射关系确定向与商铺中客户具有相同属性信息的线上客户群推荐的线上商品推荐列表,对线下商品推荐列表和线上商品推荐列表中的商品进行综合评分,根据商品综合评分确定向商铺中客户推荐的商品。
可选地,商品推荐单元还用于根据商铺中客户的线下消费记录,确定已购商品的相关商品,将相关商品作为向商铺中客户推荐的商品。
可选地,该***还包括:VIP客户识别单元,用于识别人脸图像数据中的贵宾VIP客户;属性存储单元,用于将VIP客户的属性信息保存在商铺VIP属性数据库。
可选地,该***还包括:数据剔除单元,用于基于商铺店员图像数据库,剔除人脸图像数据中的店员图像数据。
根据本公开的另一方面,还提出一种数据分析***,包括:存储器;以及耦接至存储器的处理器,处理器被配置为基于存储在存储器的指令执行如上述的数据分析方法。
根据本公开的另一方面,还提出一种计算机可读存储介质,其上存储有计算机程序指令,该指令被处理器执行时实现上述的数据分析方法的步骤。
与现有技术相比,本公开实施例通过人脸属性分析确定商铺中客户的属性信息,并基于客户的属性信息确定向商铺中客户推荐的商品,提高了商品推荐的准确性。
通过以下参照附图对本公开的示例性实施例的详细描述,本公开的其它特征及其优点将会变得清楚。
附图说明
构成说明书的一部分的附图描述了本公开的实施例,并且连同说明书一起用于解释本公开的原理。
参照附图,根据下面的详细描述,可以更加清楚地理解本公开,其中:
图1为本公开数据分析方法的一个实施例的流程示意图。
图2为本公开数据分析方法的另一个实施例的流程示意图。
图3为本公开数据分析方法的再一个实施例的流程示意图。
图4为本公开数据分析方法的又一个实施例的流程示意图。
图5为本公开数据分析方法的又一个实施例的流程示意图。
图6为本公开数据分析方法的又一个实施例的流程示意图。
图7为本公开数据分析***的一个实施例的结构示意图。
图8为本公开数据分析***的另一个实施例的结构示意图。
图9为本公开数据分析***的再一个实施例的结构示意图。
图10为本公开数据分析***的又一个实施例的结构示意图。
图11为本公开数据分析***的又一个实施例的结构示意图。
图12为本公开数据分析***的又一个实施例的结构示意图。
图13为本公开数据分析***的又一个实施例的结构示意图。
具体实施方式
现在将参照附图来详细描述本公开的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
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,决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它示例可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
为使本公开的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本公开进一步详细说明。
图1为本公开数据分析方法的一个实施例的流程示意图。
在步骤110,对获取的视频数据进行人脸检测得到人脸图像数据。其中,可以在商铺的出入口或内部安装摄像头,通过摄像头可以采集包含客户的视频数据,对视频数据进行人脸检测,可以得到人脸图像数据。
在步骤120,对人脸图像数据进行人脸属性分析得到商铺中客户的属性信息。例如,通过人脸属性分析技术可以分析得到客户的性别、年龄、表情、种族、颜值、是否戴有眼睛、墨镜、是否留胡子等属性信息。
在步骤130,基于客户的属性信息确定向商铺中客户推荐的商品。例如,对于戴墨镜的客户,可以向其推荐墨镜等造型配件,对于留胡子的客户,可以向其推荐修胡刀等。确定向客户推荐的商品后,可以将推荐信息显示在商铺显示屏上,以便商铺的服务人员对客户进行商品推荐。
在该实施例中,通过人脸属性分析确定商铺中客户的属性信息,并基于客户的属性信息确定向商铺中客户推荐的商品,提高了商品推荐的准确性。
图2为本公开数据分析方法的另一个实施例的流程示意图。
在步骤210,对获取的视频数据进行人脸检测得到人脸图像数据。
在步骤220,对人脸图像数据进行人脸属性分析得到商铺中客户的属性信息。
在步骤230,获取线上客户的属性信息与推荐商品的第一映射关系。其中,可以通过线上数据库得到线上交易信息,并按照性别、年龄、表情、种族、颜值、是否戴有眼睛、墨镜、是否留胡子等属性信息将线上客户划分成不同的客户群,结合线上客户的消费记录,可以确定向该客户群推荐的商品,进而能够确定线上客户的属性信息和推荐商品的映射关系。
在步骤240,根据第一映射关系和商铺中客户的属性信息确定向商铺中客户推荐的商品。例如,将向与商铺中客户具有相同属性信息的线上客户群推荐的商品信息推荐给商铺中的客户。
在该实施例中,将商铺中客户的属性信息结合线上交易数据,可以更加准确的向线下客户推荐合适的商品,提高客户购物体验。
图3为本公开数据分析方法的再一个实施例的流程示意图。
在步骤310,对获取的视频数据进行人脸检测得到人脸图像数据。
在步骤320,对人脸图像数据进行人脸属性分析得到商铺中客户的属性信息。其中,该客户可以是VIP(Very Important People,贵宾)客户,在获得人脸图像数据后,识别该人脸图像数据中的VIP客户。将VIP客户的属性信息保存在商铺VIP属性数据库,以便后续商铺对VIP客户定制服务方案,提升客户消费体验。
在步骤330,根据商铺中客户的线下消费记录确定线下商品推荐列表。其中,若该客户在该商铺进行了消费,可以获得该客户的线下消费记录,根据客户线下消费记录中客户已购买的商品信息,利用推荐算法确定合适的推荐商品信息。
在步骤340,根据第一映射关系确定向与商铺中客户具有相同属性信息的线上客户群推荐的线上商品推荐列表。例如,找到与商铺中客户具有相同属性信息的线上客户群,然后根据线上客户的属性信息与推荐商品的第一映射关系,将向该线上客户群推荐的商品推荐列表输出。
在步骤350,对线下商品推荐列表和线上商品推荐列表中的商品进行综合评分。例如,针对线上商品推荐列表,查看客户对商品的评论,综合评价越高,商品得分越高;对于线上商品推荐列表,查看商品的回购率、满意度等,得到商品的评分,然后对商品进行综合评分。
在步骤360,根据商品综合评分确定向商铺中客户推荐的商品。例如,将评分最高的前几个商品显示到店内的显示器,或者直接发送给店铺服务人员,以便向客户推荐商品。
在该实施例中,将商铺中客户的属性信息与线下消费记录和线上消费记录相结合,确定向商铺中客户推荐的商品,能够提高商品推荐的准确性。另外,针对VIP客户,可以将该VIP客户的属性信息保存在商铺VIP属性数据库,以便后续商铺对VIP客户定制服务方案,提升客户消费体验。
在本公开的另一个实施例中,还可以根据商铺中客户的线下消费记录,确定已购商品的相关商品,将相关商品作为向商铺中客户推荐的商品。例如,比如对于买手机的客户,再次购买耳机、手机壳、钢化膜等商品的概率较大,可以将耳机、手机壳、钢化膜等商品作为已购商品的相关商品。对于买电脑主机的客户,再次购买显示器、键盘、鼠标等商品的概率较大,可以将显示器、键盘、鼠标等商品作为已购商品的相关商品。
在该实施例中,将商铺中客户已购商品的相关商品推荐给客户,提高了商品推荐的准确率,提升商铺销售可能性。
图4为本公开数据分析方法的又一个实施例的流程示意图。
在步骤420,对获取的视频数据进行人脸检测得到人脸图像数据。
在步骤430,对人脸图像数据进行表情识别得到客户表情信息。例如根据客户的脸部表情变化和人眼变化等确定客户表情信息。
在步骤430,根据客户表情信息确定客户微笑值。例如,客户由笑脸到愤怒或者由注意力集中到注意力分散等对应不同微笑值。例如,客户很开心,可以设置客户微笑值为100,客户非常愤怒,可以设置客户微笑值为0等。
在步骤440,根据客户微笑值与满意度的对应关系,确定商铺中客户的购物满意度,以便根据客户购物满意度优化商铺服务质量。其中,可以将微笑值分为不同的区间,例如,8 0-100,60-80,40-60,0-40等,其中,80-100对应很满意,60-80对应满意,40-60对应不满意,0-40对应很不满意。本领域的技术人员应当理解,此处仅用于举例,可以根据实际情况设置不同的微笑值对应不同的满意度。
该实施例中,可以将客户的购物满意度记录到客户满意度数据库,以便商铺根据购物满意度信息对后续销售手段做出优化改进,或者对服务人员进行再培训,提升线下商铺整体服务素质,提升客户购物体验。
图5为本公开数据分析方法的又一个实施例的流程示意图。
在步骤510,对获取的视频数据进行人脸检测得到人脸图像数据。
在总部520,对人脸图像数据进行行人检测分析得到客流量数据。例如,将人脸图像数据输入深度学习网络,得到行人检测框,每个行人对应一个框,其中,框数即对应人数。
在一个实施例中,为了避免错误统计商铺内部员工的数量,针对员工构建人脸数据库,在统计客流时将店员自动识别,然后将其剔除,不参与数量的统计。
在步骤530,将商铺交易数据和营业额数据中的至少一项与客流量数据进行分析,确定商铺营业状况,以便根据商铺营业状况进行营销优化。例如,若某天客流量出现骤增或骤减时,重点分析当天店铺内的热点事件、促销商品以及客流涌向等。引导商家举办有效益的活动,避免负效益事件,为商铺谋取更大客流量和利益。
在该实施例中,将客流量数据结合当日营业额、当日交易数据来对***做出分析反馈,使商家做出更好决策,能够为商铺谋取更大客流量和利益。
图6为本公开数据分析方法的又一个实施例的流程示意图。
在步骤610,获取商铺摄像头采集的视频数据和商铺店员图像数据库中的图像数据。
在步骤620,对视频数据进行人脸检测得到人脸图像数据,并剔除人脸图像数据中的店员图像数据。
若后续执行商品推荐,则执行步骤630,若分析客户购物满意度,则执行步骤640,若对客流量进行统计,则执行步骤650。
在步骤630,识别VIP客户。其中,可以先获取店铺保存的VIP客户图像信息,然后基于人脸识别技术识别出人脸图像数据中的VIP客户数据。
在步骤631,对采集的VIP客户图像数据进行人脸属性分析得到商铺中VIP客户的属性信息。
在步骤632,将VIP客户的属性信息与线上线下交易数据相结合确定向VIP客户推荐的商品,并将VIP客户的属性信息记录到商铺VIP属性数据库,对数据库中的VIP客户的属性信息进行持续更新。
在步骤640,对剔除店员图像的人脸图像数据进行表情识别得到客户表情信息。
在步骤641,根据客户表情信息确定客户微笑值。
在步骤642,根据客户微笑值与满意度的对应关系,确定商铺中客户的购物满意度。
在步骤650,对剔除店员图像的人脸图像数据进行行人检测分析得到客流量数据。
在步骤651,将商铺交易数据和营业额数据中与客流量数据进行分析,确定商铺营业状况。
在该实施例中,利用行人检测、人脸表情识别、人脸检测、人脸识别与人脸属性分析等技术,对视频数据进行分析,从而进行VIP客户识别、精确商品推荐、顾客购物满意度分析以及客流统计等,并将信息反馈给商铺,以便商铺进行营销决策,提高服务质量,提升客户购物体验。
图7为本公开数据分析***的一个实施例的结构示意图。该数据分析***包括人脸检测单元710、属性分析单元720和商品推荐单元730。
人脸检测单元710用于对获取的视频数据进行人脸检测得到人脸图像数据。其中,可以在商铺的出入口或内部安装摄像头,通过摄像头可以采集包含客户的视频数据,人脸检测单元710对视频数据进行人脸检测,可以得到人脸图像数据。
属性分析单元720用于对人脸图像数据进行人脸属性分析得到商铺中客户的属性信息。例如,通过人脸属性分析技术可以分析得到客户的性别、年龄、表情、种族、颜值、是否戴有眼睛、墨镜、是否留胡子等属性信息。
商品推荐单元730用于基于客户的属性信息确定向商铺中客户推荐的商品。例如,对于戴墨镜的客户,可以向其推荐墨镜等造型配件,对于留胡子的客户,可以向其推荐修胡刀等。确定向客户推荐的商品后,可以将推荐信息显示在商铺显示屏上,以便商铺的服务人员对客户进行商品推荐。
在该实施例中,通过人脸属性分析确定商铺中客户的属性信息,并基于客户的属性信息确定向商铺中客户推荐的商品,提高了商品推荐的准确性。
在本公开的另一个实施例中,商品推荐单元730还用于获取线上客户的属性信息与推荐商品的第一映射关系,根据第一映射关系和商铺中客户的属性信息确定向商铺中客户推荐的商品。其中,可以将向与商铺中客户具有相同属性信息的线上客户群推荐的商品信息推荐给商铺中的客户。
在该实施例中,将商铺中客户的属性信息结合线上交易数据,可以更加准确的向线下客户推荐合适的商品,提高客户购物体验。
在本公开的另一个实施例中,商品推荐单元730还用于根据商铺中客户的线下消费记录确定线下商品推荐列表,根据第一映射关系确定向与商铺中客户具有相同属性信息的线上客户群推荐的线上商品推荐列表,对线下商品推荐列表和线上商品推荐列表中的商品进行综合评分,根据商品综合评分确定向商铺中客户推荐的商品。例如,针对线上商品推荐列表,查看客户对商品的评论,综合评价越高,商品得分越高;对于线上商品推荐列表,查看商品的回购率、满意度等,得到商品的评分,然后对商品进行综合评分。将评分最高的前几个商品显示到店内的显示器,或者直接发送给店铺服务人员,以便向客户推荐商品。
在该实施例中,将商铺中客户的属性信息与线下消费记录和线上消费记录相结合,确定向商铺中客户推荐的商品,能够提高商品推荐的准确性。
在本公开的另一个实施例中,还可以如图8所示,包括VIP客户识别单元810和属性存储单元820。
VIP客户识别单元810用于识别人脸图像数据中的VIP客户,属性存储单元820用于将VIP客户的属性信息保存在商铺VIP属性数据库,以便后续商铺对VIP客户定制服务方案,提升客户消费体验。例如,商品推荐单元730在利用属性信息推荐商品时,对于VIP客户,根据VIP客户的属性信息,并结合线上线下销售数据,确定推荐的商品信息。
在本公开的另一个实施例中,商品推荐单元730还用于根据商铺中客户的线下消费记录,确定已购商品的相关商品,将相关商品作为向商铺中客户推荐的商品。例如,比如对于买手机的客户,再次购买耳机、手机壳、钢化膜等商品的概率较大,可以将耳机、手机壳、钢化膜等商品作为已购商品的相关商品。对于买电脑主机的客户,再次购买显示器、键盘、鼠标等商品的概率较大,可以将显示器、键盘、鼠标等商品作为已购商品的相关商品。
在该实施例中,将商铺中客户已购商品的相关商品推荐给客户,提高了商品推荐的准确率,提升商铺销售可能性。
图9为本公开数据分析***的再一个实施例的结构示意图。该数据分析***包括人脸检测单元910、表情识别单元920、微笑值确定单元930和满意度反馈单元940。
人脸检测单元910用于对获取的视频数据进行人脸检测得到人脸图像数据。
表情识别单元920用于对人脸图像数据进行表情识别得到客户表情信息。例如根据客户的脸部表情变化和人眼变化等确定客户表情信息。
微笑值确定单元930用于根据客户表情信息确定客户微笑值。例如,客户由笑脸到愤怒或者由注意力集中到注意力分散等对应不同微笑值。如,客户很开心,可以设置客户微笑值为100,客户非常愤怒,可以设置客户微笑值为0等。
满意度反馈单元940用于根据客户微笑值与满意度的对应关系,确定商铺中客户的购物满意度,以便根据客户购物满意度优化商铺服务质量。其中,可以将微笑值分为不同的区间,例如,8 0-100,60-80,40-60,0-40等,其中,80-100对应很满意,60-80对应满意,40-60对应不满意,0-40对应很不满意。本领域的技术人员应当理解,此处仅用于举例,可以根据实际情况设置不同的微笑值对应不同的满意度。
该实施例中,可以将客户的购物满意度记录到客户满意度数据库,以便商铺根据购物满意度信息对后续销售手段做出优化改进,或者对服务人员进行再培训,提升线下商铺整体服务素质,提升客户购物体验。
图10为本公开数据分析***的又一个实施例的结构示意图。该数据分析***包括人脸检测单元1010、客流量统计单元1020和客流量分析单元1030。
人脸检测单元1010用于对获取的视频数据进行人脸检测得到人脸图像数据。
客流量统计单元1020用于对人脸图像数据进行行人检测分析得到客流量数据。例如,将人脸图像数据输入深度学习网络,得到行人检测框,每个行人对应一个框,其中,框数即对应人数。
客流量分析单元1030用于将商铺交易数据和营业额数据中的至少一项与客流量数据进行分析,确定商铺营业状况。例如,若某天客流量出现骤增或骤减时,重点分析当天店铺内的热点事件、促销商品以及客流涌向等。引导商家举办有效益的活动,避免负效益事件,为商铺谋取更大客流量和利益。
在一个实施例中,为了避免错误统计商铺内部员工的数量,还可以包括数据剔除单元1011,用于基于商铺店员图像数据库,剔除人脸图像数据中的店员图像数据。
在该实施例中,将客流量数据结合当日营业额、当日交易数据来对***做出分析反馈,使商家做出更好决策,能够为商铺谋取更大客流量和利益。另外,由于将商铺店员数据删除,因此,还能够提高数据统计、分析的准确性。
图11为本公开数据分析***的又一个实施例的结构示意图。该***包括人脸检测单元1110、数据剔除单元1120、VIP客户识别单元1130、属性分析单元1131、商品推荐单元1132、属性存储单元1133、表情识别单元1140、微笑值确定单元1141、满意度反馈单元1142、客流量统计单元1150和客流量分析单元1151。
人脸检测单元1110用于对视频数据进行人脸检测得到人脸图像数据。
数据剔除单元1120用于剔除人脸图像数据中的店员图像数据。
VIP客户识别单元1130用于识别VIP客户。其中,可以先获取店铺保存的VIP客户图像信息,然后基于人脸识别技术识别出人脸图像数据中的VIP客户数据。
属性分析单元1131用于对采集的VIP客户图像数据进行人脸属性分析得到商铺中VIP客户的属性信息。
商品推荐单元1132用于将VIP客户的属性信息与线上线下交易数据相结合确定向VIP客户推荐的商品。
属性存储单元1133用于将VIP客户的属性信息记录到商铺VIP属性数据库。
表情识别单元1140用于对剔除店员图像的人脸图像数据进行表情识别得到客户表情信息。
微笑值确定单元1141用于根据客户表情信息确定客户微笑值。
满意度反馈单元1142用于根据客户微笑值与满意度的对应关系,确定商铺中客户的购物满意度。
客流量统计单元1150用于对剔除店员图像的人脸图像数据进行行人检测分析得到客流量数据。
客流量分析单元1151用于将商铺交易数据和营业额数据中与客流量数据进行分析,确定商铺营业状况。
在该实施例中,利用行人检测、人脸表情识别、人脸检测、人脸识别与人脸属性分析等技术,对视频数据进行分析,从而进行VIP客户识别、精确商品推荐、顾客购物满意度分析以及客流统计等,并将信息反馈给商铺,以便商铺进行营销决策,提高服务质量,提升客户购物体验。
图12为本公开数据分析***的又一个实施例的结构示意图。该***包括存储器1210和处理器1220,其中:
存储器1210可以是磁盘、闪存或其它任何非易失性存储介质。存储器用于存储图1-6所对应实施例中的指令。处理器1220耦接至存储器1210,可以作为一个或多个集成电路来实施,例如微处理器或微控制器。该处理器1220用于执行存储器中存储的指令。
在一个实施例中,还可以如图13所示,该***1300包括存储器1310和处理器1320。处理器1320通过BUS总线1330耦合至存储器1310。该***1300还可以通过存储接口1340连接至外部存储装置650以便调用外部数据,还可以通过网络接口1360连接至网络或者另外一台计算机***(未标出),此处不再进行详细介绍。
在该实施例中,通过存储器存储数据指令,再通过处理器处理上述指令,为客户提供商铺内个性化服务,提高了商品推荐的准确性,便于商铺提高服务质量,提升客户购物体验。
在另一个实施例中,一种计算机可读存储介质,其上存储有计算机程序指令,该指令被处理器执行时实现图1-6所对应实施例中的方法的步骤。本领域内的技术人员应明白,本公开的实施例可提供为方法、装置、或计算机程序产品。因此,本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(***)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
至此,已经详细描述了本公开。为了避免遮蔽本公开的构思,没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述,完全可以明白如何实施这里公开的技术方案。
虽然已经通过示例对本公开的一些特定实施例进行了详细说明,但是本领域的技术人员应该理解,以上示例仅是为了进行说明,而不是为了限制本公开的范围。本领域的技术人员应该理解,可在不脱离本公开的范围和精神的情况下,对以上实施例进行修改。本公开的范围由所附权利要求来限定。
Claims (18)
1.一种数据分析方法,包括:
对获取的视频数据进行人脸检测得到人脸图像数据;
对所述人脸图像数据进行人脸属性分析得到商铺中客户的属性信息;
基于客户的属性信息确定向商铺中客户推荐的商品。
2.根据权利要求1所述的数据分析方法,还包括:
对所述人脸图像数据进行表情识别得到客户表情信息;
根据客户表情信息确定客户微笑值;
根据客户微笑值与满意度的对应关系,确定商铺中客户的购物满意度。
3.根据权利要求1所述的数据分析方法,还包括:
对所述人脸图像数据进行行人检测分析得到客流量数据;
将商铺交易数据和营业额数据中的至少一项与客流量数据进行分析,确定商铺营业状况。
4.根据权利要求1所述的数据分析方法,基于客户的属性信息确定向商铺中客户推荐的商品包括:
获取线上客户的属性信息与推荐商品的第一映射关系;
根据所述第一映射关系和商铺中客户的属性信息确定向商铺中客户推荐的商品。
5.根据权利要求4所述的数据分析方法,其中,
根据商铺中客户的线下消费记录确定线下商品推荐列表;
根据所述第一映射关系确定向与商铺中客户具有相同属性信息的线上客户群推荐的线上商品推荐列表;
对所述线下商品推荐列表和所述线上商品推荐列表中的商品进行综合评分;
根据商品综合评分确定向商铺中客户推荐的商品。
6.根据权利要求5所述的数据分析方法,还包括:
根据商铺中客户的线下消费记录,确定已购商品的相关商品;
将所述相关商品作为向商铺中客户推荐的商品。
7.根据权利要求1所述的数据分析方法,还包括:
识别所述人脸图像数据中的贵宾VIP客户;
将所述VIP客户的属性信息保存在商铺VIP属性数据库。
8.根据权利要求1-7任一所述的数据分析方法,还包括:
基于商铺店员图像数据库,剔除所述人脸图像数据中的店员图像数据。
9.一种数据分析***,包括:
人脸检测单元,用于对获取的视频数据进行人脸检测得到人脸图像数据;
属性分析单元,用于对所述人脸图像数据进行人脸属性分析得到商铺中客户的属性信息;
商品推荐单元,用于基于客户的属性信息确定向商铺中客户推荐的商品。
10.根据权利要求9所述的数据分析***,还包括:
表情识别单元,用于对所述人脸图像数据进行表情识别得到客户表情信息;
微笑值确定单元,用于根据客户表情信息确定客户微笑值;
满意度反馈单元,用于根据客户微笑值与满意度的对应关系,确定商铺中客户的购物满意度。
11.根据权利要求9所述的数据分析***,还包括:
客流量统计单元,用于对所述人脸图像数据进行行人检测分析得到客流量数据;
客流量分析单元,用于将商铺交易数据和营业额数据中的至少一项与客流量数据进行分析,确定商铺营业状况。
12.根据权利要求9所述的数据分析***,其中,
所述商品推荐单元还用于获取线上客户的属性信息与推荐商品的第一映射关系,根据所述第一映射关系和商铺中客户的属性信息确定向商铺中客户推荐的商品。
13.根据权利要求12所述的数据分析***,其中,
所述商品推荐单元还用于根据商铺中客户的线下消费记录确定线下商品推荐列表,根据所述第一映射关系确定向与商铺中客户具有相同属性信息的线上客户群推荐的线上商品推荐列表,对所述线下商品推荐列表和所述线上商品推荐列表中的商品进行综合评分,根据商品综合评分确定向商铺中客户推荐的商品。
14.根据权利要求13所述的数据分析***,其中,
所述商品推荐单元还用于根据商铺中客户的线下消费记录,确定已购商品的相关商品,将所述相关商品作为向商铺中客户推荐的商品。
15.根据权利要求9所述的数据分析***,还包括:
VIP客户识别单元,用于识别所述人脸图像数据中的贵宾VIP客户;
属性存储单元,用于将所述VIP客户的属性信息保存在商铺VIP属性数据库。
16.根据权利要求9-15任一所述的数据分析***,还包括:
数据剔除单元,用于基于商铺店员图像数据库,剔除所述人脸图像数据中的店员图像数据。
17.一种数据分析***,包括:
存储器;以及
耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器的指令执行如权利要求1至8任一项所述的数据分析方法。
18.一种计算机可读存储介质,其上存储有计算机程序指令,该指令被处理器执行时实现权利要求1至8任一项所述的数据分析方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810573614.7A CN108846724A (zh) | 2018-06-06 | 2018-06-06 | 数据分析方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810573614.7A CN108846724A (zh) | 2018-06-06 | 2018-06-06 | 数据分析方法和*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108846724A true CN108846724A (zh) | 2018-11-20 |
Family
ID=64210270
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810573614.7A Pending CN108846724A (zh) | 2018-06-06 | 2018-06-06 | 数据分析方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108846724A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109472677A (zh) * | 2018-12-28 | 2019-03-15 | 出门问问信息科技有限公司 | 信息推送方法、装置、电子设备及计算机可读存储介质 |
CN109741134A (zh) * | 2018-12-28 | 2019-05-10 | 出门问问信息科技有限公司 | 信息推送方法、装置、电子设备及计算机可读存储介质 |
CN109766491A (zh) * | 2018-12-18 | 2019-05-17 | 深圳壹账通智能科技有限公司 | 商品搜索方法、装置、计算机设备和存储介质 |
CN109816441A (zh) * | 2018-12-29 | 2019-05-28 | 江苏云天励飞技术有限公司 | 策略推送方法、***及相关装置 |
CN110097400A (zh) * | 2019-04-29 | 2019-08-06 | 贵州小爱机器人科技有限公司 | 信息推荐方法、装置及***、存储介质、智能交互设备 |
CN110348899A (zh) * | 2019-06-28 | 2019-10-18 | 广东奥园奥买家电子商务有限公司 | 一种商品信息推荐方法及装置 |
CN111292146A (zh) * | 2018-12-07 | 2020-06-16 | 泰康保险集团股份有限公司 | 保险推荐方法及装置、计算机存储介质、电子设备 |
WO2021043089A1 (zh) * | 2019-09-02 | 2021-03-11 | 平安科技(深圳)有限公司 | 一种客流量统计方法、装置、设备及计算机可读存储介质 |
CN113657942A (zh) * | 2021-08-23 | 2021-11-16 | 上海明略人工智能(集团)有限公司 | 一种企业工作方法、***、电子设备及介质 |
CN113780614A (zh) * | 2021-01-04 | 2021-12-10 | 北京沃东天骏信息技术有限公司 | 一种风险识别方法和装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004326208A (ja) * | 2003-04-22 | 2004-11-18 | Ricoh Co Ltd | 顧客管理システム、該システムの機能を実現するプログラム及び記録媒体 |
CN102799265A (zh) * | 2012-06-26 | 2012-11-28 | 宇龙计算机通信科技(深圳)有限公司 | 一种播放广告的方法、智能广告终端、服务器及*** |
CN104462468A (zh) * | 2014-12-17 | 2015-03-25 | 百度在线网络技术(北京)有限公司 | 信息提供方法及装置 |
CN106294489A (zh) * | 2015-06-08 | 2017-01-04 | 北京三星通信技术研究有限公司 | 内容推荐方法、装置及*** |
CN107358451A (zh) * | 2017-07-17 | 2017-11-17 | 竹间智能科技(上海)有限公司 | 一种交互式智能魔镜 |
CN107507017A (zh) * | 2017-07-07 | 2017-12-22 | 阿里巴巴集团控股有限公司 | 一种线下导购方法和装置 |
CN107578537A (zh) * | 2017-08-25 | 2018-01-12 | 深圳市维冠视界科技股份有限公司 | 一种自助售货机及自助售货机的数据推送方法 |
-
2018
- 2018-06-06 CN CN201810573614.7A patent/CN108846724A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004326208A (ja) * | 2003-04-22 | 2004-11-18 | Ricoh Co Ltd | 顧客管理システム、該システムの機能を実現するプログラム及び記録媒体 |
CN102799265A (zh) * | 2012-06-26 | 2012-11-28 | 宇龙计算机通信科技(深圳)有限公司 | 一种播放广告的方法、智能广告终端、服务器及*** |
CN104462468A (zh) * | 2014-12-17 | 2015-03-25 | 百度在线网络技术(北京)有限公司 | 信息提供方法及装置 |
CN106294489A (zh) * | 2015-06-08 | 2017-01-04 | 北京三星通信技术研究有限公司 | 内容推荐方法、装置及*** |
CN107507017A (zh) * | 2017-07-07 | 2017-12-22 | 阿里巴巴集团控股有限公司 | 一种线下导购方法和装置 |
CN107358451A (zh) * | 2017-07-17 | 2017-11-17 | 竹间智能科技(上海)有限公司 | 一种交互式智能魔镜 |
CN107578537A (zh) * | 2017-08-25 | 2018-01-12 | 深圳市维冠视界科技股份有限公司 | 一种自助售货机及自助售货机的数据推送方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111292146A (zh) * | 2018-12-07 | 2020-06-16 | 泰康保险集团股份有限公司 | 保险推荐方法及装置、计算机存储介质、电子设备 |
CN109766491A (zh) * | 2018-12-18 | 2019-05-17 | 深圳壹账通智能科技有限公司 | 商品搜索方法、装置、计算机设备和存储介质 |
CN109472677A (zh) * | 2018-12-28 | 2019-03-15 | 出门问问信息科技有限公司 | 信息推送方法、装置、电子设备及计算机可读存储介质 |
CN109741134A (zh) * | 2018-12-28 | 2019-05-10 | 出门问问信息科技有限公司 | 信息推送方法、装置、电子设备及计算机可读存储介质 |
CN109816441A (zh) * | 2018-12-29 | 2019-05-28 | 江苏云天励飞技术有限公司 | 策略推送方法、***及相关装置 |
CN109816441B (zh) * | 2018-12-29 | 2021-05-11 | 江苏云天励飞技术有限公司 | 策略推送方法、***及相关装置 |
CN110097400A (zh) * | 2019-04-29 | 2019-08-06 | 贵州小爱机器人科技有限公司 | 信息推荐方法、装置及***、存储介质、智能交互设备 |
CN110348899A (zh) * | 2019-06-28 | 2019-10-18 | 广东奥园奥买家电子商务有限公司 | 一种商品信息推荐方法及装置 |
WO2021043089A1 (zh) * | 2019-09-02 | 2021-03-11 | 平安科技(深圳)有限公司 | 一种客流量统计方法、装置、设备及计算机可读存储介质 |
CN113780614A (zh) * | 2021-01-04 | 2021-12-10 | 北京沃东天骏信息技术有限公司 | 一种风险识别方法和装置 |
CN113657942A (zh) * | 2021-08-23 | 2021-11-16 | 上海明略人工智能(集团)有限公司 | 一种企业工作方法、***、电子设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108846724A (zh) | 数据分析方法和*** | |
Guha et al. | How artificial intelligence will affect the future of retailing | |
US11341515B2 (en) | Systems and methods for sensor data analysis through machine learning | |
US11288748B2 (en) | Systems and methods for providing customized financial advice | |
JP2016206736A (ja) | 接客データ処理装置及び接客データ処理方法 | |
Micu et al. | Assessing an on-site customer profiling and hyper-personalization system prototype based on a deep learning approach | |
Cuțitoi | Machine vision algorithms, sensory data mining techniques, and geospatial mapping tools in the blockchain-based virtual economy | |
KR102400172B1 (ko) | 시선추적에 기초하여 상품을 추천하기 위한 방법 및 시스템 | |
CN113887884A (zh) | 商超服务*** | |
Balica | Geospatial mapping technologies, predictive modeling algorithms, and immersive visualization systems in the virtual economy of the metaverse | |
Barnes | Ambient sound recognition and processing tools, object perception and motion control algorithms, and behavioral predictive analytics in the virtual economy of the metaverse | |
Wiradinata et al. | Online Measuring Feature for Batik Size Prediction using Mobile Device: A Potential Application for a Novelty Technology | |
Barnes | Haptic and Biometric Sensor Technologies, Visual Imagery and Geospatial Mapping Tools, and Cognitive Data Mining Algorithms in the Decentralized and Interconnected Metaverse | |
Stahl et al. | Analytics applications in fashion supply chain management—A review of literature and practice | |
Scarpi et al. | “With great power comes great responsibility”: Exploring the role of Corporate Digital Responsibility (CDR) for Artificial Intelligence Responsibility in Retail Service Automation (AIRRSA) | |
JP2020038336A (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
JP6724090B2 (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
US20200349631A1 (en) | System and Method for Eyewear Recommendation | |
WO2020016861A1 (en) | Method and system for conducting electronic commerce and retailing using emotion detection | |
CN110889716A (zh) | 识别潜在注册用户的方法及装置 | |
KR102337502B1 (ko) | 온라인 상의 비정상 상품 후기 검출 방법 및 장치 | |
Carey | Deep Learning-based Ambient Sound Processing and Visual Imagery Tools, Spatial Computing and Immersive Technologies, and Decision and Control Algorithms in the Metaverse Interactive Environment | |
Metilda | A Study on Customer Segmentation Using K-Means Clustering for Online Shoppers | |
Sewmina et al. | I-Advert: Precision Marketing by Leveraging Gender and Age Identification for Automated Digital Advertising in Shopping Malls | |
Guo et al. | A theoretical approach to online review systems: An influence of review components model |
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 |
Application publication date: 20181120 |
|
RJ01 | Rejection of invention patent application after publication |