CN109784583B - 基于大数据的商超智能导购方法和*** - Google Patents
基于大数据的商超智能导购方法和*** Download PDFInfo
- Publication number
- CN109784583B CN109784583B CN201910149833.7A CN201910149833A CN109784583B CN 109784583 B CN109784583 B CN 109784583B CN 201910149833 A CN201910149833 A CN 201910149833A CN 109784583 B CN109784583 B CN 109784583B
- Authority
- CN
- China
- Prior art keywords
- shopping guide
- user
- commodity
- shopping
- label
- 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
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种基于大数据的商超智能导购方法,包括:基于大数据以创建并更新用户信息数据库和商超信息数据库;接收用户发送的导购请求;获取导购地图的起始点和终止点;创建导购数据库;计算导购数据库中商品的消费意向评分;按照消费意向评分由高到低的顺序将导购数据库中的商品进行排序,选择其中消费意向评分最高的N项商品所对应的商品位置作为导购地图的经过点,以及结合商超地图,根据路线最优原则连接起始点、终止点、经过点,生成本次购物路线。本发明能够帮助用户快速购买到心仪商品,减少寻找时间,提升用户购物体验;同时,商家通过积累用户消费数据,准确掌握用户消费倾向,为商家的销售工作提供数据支持。
Description
技术领域
本发明涉及室内定位导航技术领域,具体而言涉及一种基于大数据的商超智能导购方法和***。
背景技术
目前,用户到商场或者超市内进行消费,通常需要花费大量的时间在寻找心仪的商品上,一方面,延长了购物时间,用户体验差,另一方面,用户将大量的时间用在漫无目的寻找商品上,虽然刺激了一部分计划外的消费,但整体而言,因为商家由于无法准确获知用户的需求、用户又没有足够的时间所损失的潜在消费远远大于这部分计划外的消费。
另外,用户在过往的消费中积累的大量消费信息数据,存储在数据库中,无法得到有效利用。
发明内容
本发明目的在于提供一种基于大数据的商超智能导购方法和***,能够根据用户发送的导购请求和商超的商品信息,选择消费意向较高的若干个商品,结合选择商品所在的具***置和商超地图模块,提供用户最优购物路线选择,由于选择推送的商品是根据消费意向评分决定,可以帮助用户快速购买到心仪商品,减少寻找时间,提升用户购物体验;同时,商家通过积累用户消费数据,准确掌握用户消费倾向,为商家的销售工作提供数据支持。
为达成上述目的,结合图1,本发明提出一种基于大数据的商超智能导购方法,所述方法包括:
基于大数据以创建并更新用户信息数据库和商超信息数据库,所述用户信息数据库中包括用户身份信息、用户消费标签,商超信息数据库包括商品名称、商品位置、商品所对应的导购标签。
接收用户发送的导购请求,导购请求中包括用户的身份信息、导购标签。
获取导购地图的起始点和终止点。
根据导购标签,从商超信息数据库中筛选出符合导购标签的所有商品的商品名称、商品位置,创建导购数据库。
根据导购请求中的用户的身份信息,从用户信息数据库中调取该用户所对应的消费标签,结合用户消费标签和本次导购请求中的导购标签,根据预先设定的计算规则以计算导购数据库中商品的消费意向评分。
按照消费意向评分由高到低的顺序将导购数据库中的商品进行排序,选择其中消费意向评分最高的N项商品所对应的商品位置作为导购地图的经过点,以及
结合商超地图,根据路线最优原则连接起始点、终止点、经过点,生成本次购物路线。
所述N为大于等于1的正整数。
本发明提出的方法能够根据用户发送的导购请求,从商超信息数据库中调取符合导购请求的商品信息,结合用户消费习惯,快速定位到用户消费意向较高的若干件商品,以定位到的这若干件商品所在位置作为经过点,结合本次购物的起始位置、终点位置,根据路线最优原则生成本次购物路线,提供用户导购服务,缩短用户无效购物时间,增加用户购物体验。
另外,用户的消费信息、以及用户提出的导购请求和对应导购请求的反馈信息均可以使商户可以准确掌握用户需求,为商户日常销售工作提供数据支持。
基于前述方法,本发明还提出一种基于大数据的商超智能导购***,所述***包括以下几个模块:
(1)基于大数据创建并更新的用户信息数据库和商超信息数据库,所述用户信息数据库中包括用户身份信息、用户消费标签,商超信息数据库包括商品名称、商品位置、商品所对应的导购标签。
(2)用于接收用户发送的导购请求的模块,导购请求中包括用户的身份信息、导购标签。
(3)用于获取导购地图的起始点和终止点的模块。
(4)用于根据导购标签,从商超信息数据库中筛选出符合导购标签的所有商品的商品名称、商品位置,创建导购数据库的模块。
(5)用于根据导购请求中的用户的身份信息,从用户信息数据库中调取该用户所对应的消费标签,结合用户消费标签和本次导购请求中的导购标签,根据预先设定的计算规则以计算导购数据库中商品的消费意向评分的模块。
(6)用于按照消费意向评分由高到低的顺序将导购数据库中的商品进行排序,选择其中消费意向评分最高的N项商品所对应的商品位置作为导购地图的经过点的模块。
(7)用于结合商超地图,根据路线最优原则连接起始点、终止点、经过点,生成本次购物路线的模块。
以上本发明的技术方案,与现有相比,其显著的有益效果在于:
1)能够根据用户发送的导购请求和商超的商品信息,选择消费意向较高的若干个商品,结合选择商品所在的具***置和商超地图模块,提供用户最优购物路线选择。
2)由于选择推送的商品是根据消费意向评分决定,可以帮助用户快速购买到心仪商品,减少寻找时间,提升用户购物体验。
3)同时,商家通过积累用户消费数据,准确掌握用户消费倾向,为商家的销售工作提供数据支持。
应当理解,前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。另外,所要求保护的主题的所有组合都被视为本公开的发明主题的一部分。
结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见,或通过根据本发明教导的具体实施方式的实践中得知。
附图说明
附图不意在按比例绘制。在附图中,在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见,在每个图中,并非每个组成部分均被标记。现在,将通过例子并参考附图来描述本发明的各个方面的实施例,其中:
图1是本发明的基于大数据的商超智能导购方法的流程图。
具体实施方式
为了更了解本发明的技术内容,特举具体实施例并配合所附图式说明如下。
结合图1,本发明提出一种基于大数据的商超智能导购方法,所述方法包括:
S1:基于大数据以创建并更新用户信息数据库和商超信息数据库,所述用户信息数据库中包括用户身份信息、用户消费标签,商超信息数据库包括商品名称、商品位置、商品所对应的导购标签。
S2:接收用户发送的导购请求,导购请求中包括用户的身份信息、导购标签。
S3:获取导购地图的起始点和终止点。
起始点和终止点可以由用户根据需求自行决定,也可以由***自动获取。
例如,***自动获取用户所在位置,作为导购地图的起始点,自动获取用户的出行方式,将商超出口、和/或停车场作为导购地图的终止点。终止点也可以设置在商超内部,此种情况下可以由用户根据需求自行决定。
S4:根据导购标签,从商超信息数据库中筛选出符合导购标签的所有商品的商品名称、商品位置,创建导购数据库。
S5:根据导购请求中的用户的身份信息,从用户信息数据库中调取该用户所对应的消费标签,结合用户消费标签和本次导购请求中的导购标签,根据预先设定的计算规则以计算导购数据库中商品的消费意向评分。
S6:按照消费意向评分由高到低的顺序将导购数据库中的商品进行排序,选择其中消费意向评分最高的N项商品所对应的商品位置作为导购地图的经过点。所述N为大于等于1的正整数。
S7:结合商超地图,根据路线最优原则连接起始点、终止点、经过点,生成本次购物路线。
S8:将生成的购物路线发送至用户端。优选的,实时获取用户位置信息,响应于用户在任意一个节点停留时间超过设定阈值时间后离开该节点,发送该节点至下个节点的路线提示。
步骤S7中,所述路线最优原则是指生成的购物路线最短,即尽可能缩短用户的无效购物时间,使用户能够提高时间利用率,提高用户购物体验,增加商户销售额。
在一些例子中,所述导购请求中包括设定购物时间。
在此基础上,可以根据设定购物时间选择其中消费意向评分最高的几项商品所对应的商品位置作为导购地图的经过点。购物时间越长,选择的经过点越多,提供给用户选择的商品也越多。
例如,所述设定购物时间和选择的消费意向评分最高的N项商品满足以下关系:
估算用户在每个商品处停留的时间xi,根据路线最优原则连接起始点、终止点、经过点后,用户在节点间移动所需的时间yj,i=1,2,…,N,j=1,2,…,N+1。
假设某用户导购请求中的设定购物时间为1小时,消费意向评分由高到低的商品分别为 A、B、C、D、E。
当选择商品A、B、C、D、E作为经过点时,结合起始点O,终点P,根据路线最优原则生成的路线为O→A→C→D→E→B→P,预估用户选购商品A、B、C、D、E所花费的时间分别为5分钟、10分钟、20分钟、4分钟、6分钟,预估用户从一个节点到下一个节点所花费的时间分别为2分钟、3分钟、5分钟、3分钟、1分钟、7分钟,那么该用户本次预估购物时间为2+5+3+10+5+20+3+4+1+6+7=66分钟,超出用户导购请求中的设定购物时间1 小时,该方案不符合用户请求。
当选择商品A、B、C、D作为经过点时,结合起始点O,终点P,根据路线最优原则生成的路线为O→A→C→D→B→P,结合前述例子,预估用户选购商品A、B、C、D所花费的时间分别为5分钟、10分钟、20分钟、4分钟,预估用户从一个节点到下一个节点所花费的时间分别为2分钟、3分钟、5分钟、4分钟、7分钟,该用户本次预估购物时间为 2+5+3+10+5+20+4+4+7=60分钟,满足用户需求,因此将推送路线O→A→C→D→B→ P至用户端。
优选的,实时获取用户位置信息,将以用户所处位置为中心的设定范围定义成提示区,当用户本次购物路线所包含的经过点位于提示区内时,说明用户到达经过点,发送提示信息,例如语音信息,或者在导购地图上设置商品图标,当用户到达相应的经过点时,商品图标闪出、晃动以提示用户。
在另一些例子中,所述方法还包括:
实时获取用户位置信息,将以用户所处位置为中心的设定范围定义成提示区,若提示区内存在消费意向评分高于设定评分阈值的商品时,发送提示信息。
用户可以根据实际需求自行选择是否临时增加购物点。
在本发明中,包括两个重要的技术点,其中一个技术点是如前所述的如何选定经过点,并根据经过点生成购物路线,另一个技术点是如何获取商品的消费意向评分。
对于如何获取商品的消费意向评分,本发明提出了其中的一个例子,即根据用户提出的导购请求和基于大数据创建的用户信息数据库和商超信息数据库来计算获取。
所述结合用户消费标签和本次导购请求中的导购标签,根据预先设定的计算规则以计算导购数据库中商品的消费意向评分是指,
判定所述商品满足导购请求的优先级最高的导购标签,根据下述公式计算导购数据库中商品的消费意向评分:
S=α1f1+α2f2
其中,f1是所述商品满足导购请求的优先级最高的导购标签的总分值,f2是所述商品的导购标签满足用户消费标签的总分值,所述用户的每个消费标签均设置有对应分值,α1、α2是对应的权重因子。
例如,A牌牛奶在商超信息数据库中对应的导购标签包括“A牌牛奶”、“牛奶”“A牌”“食品”“饮料”,其中,“A牌牛奶”的优先级最高,对应分值3分,“牛奶”“A牌”的优先级居中,对应分值1分,“食品”“饮料”的优先级最低,对应分值0.5分。
该用户的消费标签包括“B牌牛奶”,对应分值1分,“牛奶”,对应分值0.5分。
权重因子α1、α2分别为0.6和0.4。
其中一个场景为,用户设定的导购请求中包括导购标签“A牌牛奶”,那么此时所述商品 A牌牛奶满足导购请求的优先级最高的导购标签的总分值f1为3分,导购标签满足用户消费标签的总分值f2为0.5分,那么商品A牌牛奶的消费意向评分为SA=0.6*3+0.4*0.5=2分,同样的,商品B牌牛奶的消费意向评分为SB=0.6*1+0.4*1=1分,商品C牌牛奶的消费意向评分为SC=0.6*1+0.4*0.5=0.8分,将会向用户推送A牌牛奶作为经过点。
另一个场景为,用户设定的导购请求中包括导购标签“牛奶”,那么此时商品A牌牛奶的消费意向评分为SA=0.6*1+0.4*0.5=0.8分,同样的,商品B牌牛奶的消费意向评分为SB=0.6*1+0.4*1=1分,商品C牌牛奶的消费意向评分为SC=0.6*1+0.4*0.5=0.8 分,将会向用户推送B牌牛奶作为经过点。
在另一些例子中,考虑到商超优惠情况,用户更愿意选择优惠商品,本发明提出,所述商超信息数据库还包括商品优惠信息。
在此基础上,所述结合用户消费标签和本次导购请求中的导购标签,根据预先设定的计算规则以计算导购数据库中商品的消费意向评分是指:
判定所述商品满足导购请求的优先级最高的导购标签,判定所述商品的优惠等级。
根据下述公式计算导购数据库中商品的消费意向评分:
S=β1f1+β2f2+β3f3
其中,f1是所述商品满足导购请求的优先级最高的导购标签的总分值,f2是所述商品的导购标签满足用户消费标签的总分值,所述用户的每个消费标签均设置有对应分值,f3是所述商品的优惠等级对应的分值,β1、β2、β3是对应的权重因子。
即将商品优惠等级做量化处理,将之计算进消费意向评分中,例如前述例子中,当只有商品C牌牛奶新设定了优惠信息,那么无疑此时C牌牛奶的消费意向评分将会变高,而A牌牛奶、B牌牛奶分值无变化,在优惠等级足够高时,商品C牌牛奶的消费意向评分有可能会超过A牌牛奶、B牌牛奶,成为推荐商品。
基于前述方法,本发明还提出一种基于大数据的商超智能导购***,所述***包括以下几个模块:
(1)基于大数据创建并更新的用户信息数据库和商超信息数据库,所述用户信息数据库中包括用户身份信息、用户消费标签,商超信息数据库包括商品名称、商品位置、商品所对应的导购标签。
(2)用于接收用户发送的导购请求的模块,导购请求中包括用户的身份信息、导购标签。
(3)用于获取导购地图的起始点和终止点的模块。
(4)用于根据导购标签,从商超信息数据库中筛选出符合导购标签的所有商品的商品名称、商品位置,创建导购数据库的模块。
(5)用于根据导购请求中的用户的身份信息,从用户信息数据库中调取该用户所对应的消费标签,结合用户消费标签和本次导购请求中的导购标签,根据预先设定的计算规则以计算导购数据库中商品的消费意向评分的模块。
(6)用于按照消费意向评分由高到低的顺序将导购数据库中的商品进行排序,选择其中消费意向评分最高的N项商品所对应的商品位置作为导购地图的经过点的模块。
(7)用于结合商超地图,根据路线最优原则连接起始点、终止点、经过点,生成本次购物路线的模块。
在本公开中参照附图来描述本发明的各方面,附图中示出了许多说明的实施例。本公开的实施例不必定义在包括本发明的所有方面。应当理解,上面介绍的多种构思和实施例,以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施,这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外,本发明公开的一些方面可以单独使用,或者与本发明公开的其他方面的任何适当组合来使用。
虽然本发明已以较佳实施例揭露如上,然其并非用以限定本发明。本发明所属技术领域中具有通常知识者,在不脱离本发明的精神和范围内,当可作各种的更动与润饰。因此,本发明的保护范围当视权利要求书所界定者为准。
Claims (9)
1.一种基于大数据的商超智能导购方法,其特征在于,所述方法包括:
基于大数据以创建并更新用户信息数据库和商超信息数据库,所述用户信息数据库中包括用户身份信息、用户消费标签,商超信息数据库包括商品名称、商品位置、商品所对应的导购标签;
接收用户发送的导购请求,导购请求中包括用户的身份信息、导购标签;
获取导购地图的起始点和终止点;
根据导购标签,从商超信息数据库中筛选出符合导购标签的所有商品的商品名称、商品位置,创建导购数据库;
根据导购请求中的用户的身份信息,从用户信息数据库中调取该用户所对应的消费标签,结合用户消费标签和本次导购请求中的导购标签,根据预先设定的计算规则以计算导购数据库中商品的消费意向评分;
按照消费意向评分由高到低的顺序将导购数据库中的商品进行排序,选择其中消费意向评分最高的N项商品所对应的商品位置作为导购地图的经过点,以及
结合商超地图,根据路线最优原则连接起始点、终止点、经过点,生成本次购物路线;
所述N为大于等于1的正整数;
所述结合用户消费标签和本次导购请求中的导购标签,根据预先设定的计算规则以计算导购数据库中商品的消费意向评分是指,
所述商品的导购标签设置有优先级,每个导购标签设置有对应分值,所述用户的消费标签设置有对应分值;
根据下述公式计算导购数据库中商品的消费意向评分:
S=α1f1+α2f2
其中,f1是所述商品满足导购请求的优先级最高的导购标签的总分值,f2是所述商品的导购标签满足用户消费标签的总分值,α1、α2是对应的权重因子;
针对用户的任意一个导购请求,如果商超中存在多个同类型的商品符合要求,根据前述公式计算每个所述商品的消费意向评分,将其中消费意向评分最高的商品与所述导购请求相匹配。
2.根据权利要求1所述的基于大数据的商超智能导购方法,其特征在于,所述路线最优原则是指生成的购物路线最短。
3.根据权利要求1所述的基于大数据的商超智能导购方法,其特征在于,所述方法还包括:
所述导购请求中包括设定购物时间;
根据设定购物时间选择其中消费意向评分最高的几项商品所对应的商品位置作为导购地图的经过点。
5.根据权利要求1所述的基于大数据的商超智能导购方法,其特征在于,所述方法还包括:
实时获取用户位置信息,将以用户所处位置为中心的设定范围定义成提示区,若提示区内存在消费意向评分高于设定评分阈值的商品时,发送提示信息。
6.根据权利要求1所述的基于大数据的商超智能导购方法,其特征在于,所述方法还包括:
将生成的购物路线发送至用户端;
实时获取用户位置信息,响应于用户在任意一个节点停留时间超过设定阈值时间后离开该节点,发送该节点至下个节点的路线提示。
7.根据权利要求1所述的基于大数据的商超智能导购方法,其特征在于,所述方法还包括:
所述商超信息数据库还包括商品优惠信息。
8.根据权利要求7所述的基于大数据的商超智能导购方法,其特征在于,所述结合用户消费标签和本次导购请求中的导购标签,根据预先设定的计算规则以计算导购数据库中商品的消费意向评分是指,
判定所述商品满足导购请求的优先级最高的导购标签,判定所述商品的优惠等级;
根据下述公式计算导购数据库中商品的消费意向评分:
S=β1f1+β2f2+β3f3
其中,f1是所述商品满足导购请求的优先级最高的导购标签的总分值,f2是所述商品的导购标签满足用户消费标签的总分值,所述用户的每个消费标签均设置有对应分值,f3是所述商品的优惠等级对应的分值,β1、β2、β3是对应的权重因子。
9.一种基于大数据的商超智能导购***,其特征在于,所述***包括:
基于大数据创建的用户信息数据库和商超信息数据库,所述用户信息数据库中包括用户身份信息、用户消费标签,商超信息数据库包括商品名称、商品位置、商品所对应的导购标签;
用于接收用户发送的导购请求的模块,导购请求中包括用户的身份信息、导购标签;
用于获取用户所在位置,作为导购地图的起始点的模块;
用于获取用户的出行方式,将商超出口、和/或停车场作为导购地图的终止点的模块;
用于根据导购标签,从商超信息数据库中筛选出符合导购标签的所有商品的商品名称、商品位置,创建导购数据库的模块;
用于根据导购请求中的用户的身份信息,从用户信息数据库中调取该用户所对应的消费标签,结合用户消费标签和本次导购请求中的导购标签,根据预先设定的计算规则以计算导购数据库中商品的消费意向评分的模块;
用于按照消费意向评分由高到低的顺序将导购数据库中的商品进行排序,选择其中消费意向评分最高的N项商品所对应的商品位置作为导购地图的经过点的模块;
用于结合商超地图,根据路线最优原则连接起始点、终止点、经过点,生成本次购物路线的模块;
所述N为大于等于1的正整数;
所述结合用户消费标签和本次导购请求中的导购标签,根据预先设定的计算规则以计算导购数据库中商品的消费意向评分是指,
所述商品的导购标签设置有优先级,每个导购标签设置有对应分值,所述用户的消费标签设置有对应分值;
根据下述公式计算导购数据库中商品的消费意向评分:
S=α1f1+α2f2
其中,f1是所述商品满足导购请求的优先级最高的导购标签的总分值,f2是所述商品的导购标签满足用户消费标签的总分值,α1、α2是对应的权重因子;
针对用户的任意一个导购请求,如果商超中存在多个同类型的商品符合要求,根据前述公式计算每个所述商品的消费意向评分,将其中消费意向评分最高的商品与所述导购请求相匹配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910149833.7A CN109784583B (zh) | 2019-02-28 | 2019-02-28 | 基于大数据的商超智能导购方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910149833.7A CN109784583B (zh) | 2019-02-28 | 2019-02-28 | 基于大数据的商超智能导购方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109784583A CN109784583A (zh) | 2019-05-21 |
CN109784583B true CN109784583B (zh) | 2020-03-31 |
Family
ID=66486561
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910149833.7A Active CN109784583B (zh) | 2019-02-28 | 2019-02-28 | 基于大数据的商超智能导购方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109784583B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112070563A (zh) * | 2020-09-25 | 2020-12-11 | 汪洋 | 基于大数据的商场智能导购***及方法 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109146559A (zh) * | 2018-08-01 | 2019-01-04 | 夏颖 | 一种用于商业综合体的商品导购*** |
CN112258264A (zh) * | 2020-09-30 | 2021-01-22 | 中智关爱通(上海)科技股份有限公司 | 一种福利商品选择方法及*** |
CN112669125A (zh) * | 2021-01-19 | 2021-04-16 | 蒂姆维澳(上海)网络技术有限公司 | 基于ar技术的智能商超引导方法、终端及*** |
CN113361846A (zh) * | 2021-03-29 | 2021-09-07 | 厦门市思芯微科技有限公司 | 基于移动互联网的商场服务方法、***、终端及存储介质 |
CN113371561B (zh) * | 2021-05-31 | 2023-03-03 | 浙江金轴机电科技有限公司 | 一种智能升降机控制方法及*** |
CN114387040B (zh) * | 2022-03-22 | 2022-05-27 | 触电网络科技(深圳)有限公司 | 一种基于人工智能的智能拓客方法及*** |
CN117520856B (zh) * | 2023-09-08 | 2024-07-02 | 南京邮电大学 | 一种基于大数据的商超智能导购方法及*** |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100070365A1 (en) * | 2008-09-12 | 2010-03-18 | At&T Intellectual Property I, L.P. | Planogram guided shopping |
CN103886484A (zh) * | 2014-03-14 | 2014-06-25 | 河海大学常州校区 | 一种用于大型商业街区的导购*** |
CN107609941A (zh) * | 2017-09-13 | 2018-01-19 | 杨菊英 | 一种基于大数据的搜寻导购***及方法 |
CN109102316A (zh) * | 2018-06-15 | 2018-12-28 | 常熟市百联自动机械有限公司 | 一种基于无人实体购物超市的事件导购方法 |
-
2019
- 2019-02-28 CN CN201910149833.7A patent/CN109784583B/zh active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112070563A (zh) * | 2020-09-25 | 2020-12-11 | 汪洋 | 基于大数据的商场智能导购***及方法 |
CN112070563B (zh) * | 2020-09-25 | 2021-06-08 | 广州欧派创意家居设计有限公司 | 基于大数据的商场智能导购***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109784583A (zh) | 2019-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109784583B (zh) | 基于大数据的商超智能导购方法和*** | |
CN106779809B (zh) | 一种大数据平台的价格信息优化组合方法与*** | |
CN109087177B (zh) | 向目标用户推荐商品的方法、装置及计算机可读存储介质 | |
CN111402013B (zh) | 一种商品搭配推荐方法、***、装置及存储介质 | |
CN106651418A (zh) | 针对电商满减活动的凑单商品推荐的方法 | |
CN107016587B (zh) | 一种个性化页面推送方法及装置 | |
CN111724188B (zh) | 商品陈列位置的优化方法、装置、设备和存储介质 | |
US11449770B2 (en) | Action selection learning device, action selection learning method, and storage medium | |
CN109146559A (zh) | 一种用于商业综合体的商品导购*** | |
CN110378770A (zh) | 一种电商运营选款推荐的方法及装置 | |
CN110727859B (zh) | 一种推荐信息推送方法及其装置 | |
CN106803179A (zh) | 即时分润方法及*** | |
CN111198989A (zh) | 确定出行推荐数据的方法、装置、存储介质及电子设备 | |
CN114331535A (zh) | 一种基于智能购物车的信息发放***和方法 | |
CN110490689B (zh) | 新零售下消费者渠道行为路径选择方法及*** | |
JP4127844B1 (ja) | 端末、方法及びコンピュータプログラム | |
US20230031627A1 (en) | Methods and apparatus for automatic order assignment | |
US20170039620A1 (en) | Server, analysis method and computer program product for analyzing recognition information and combination information | |
CN105913276A (zh) | 基于sku的价格防错方法 | |
JP2002358443A (ja) | 製品販売システム | |
CN109949065A (zh) | 属性数据分析的方法和装置 | |
CN109191234B (zh) | 一种综合服装推荐方法、装置和存储介质 | |
CN116432924A (zh) | 导购调度方法及装置 | |
CN114240545A (zh) | 一种相似商品的推荐方法、装置、设备及存储介质 | |
JP5592038B1 (ja) | 検索装置、プログラム、記録媒体、及び方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |