CN110991309A - 一种基于人脸识别的店商消费行为分析引导营销方法 - Google Patents

一种基于人脸识别的店商消费行为分析引导营销方法 Download PDF

Info

Publication number
CN110991309A
CN110991309A CN201911188268.1A CN201911188268A CN110991309A CN 110991309 A CN110991309 A CN 110991309A CN 201911188268 A CN201911188268 A CN 201911188268A CN 110991309 A CN110991309 A CN 110991309A
Authority
CN
China
Prior art keywords
customer
consumption
store
client
information
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
Application number
CN201911188268.1A
Other languages
English (en)
Inventor
邓国强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Liweixun Electric Technology Co ltd
Original Assignee
Jiangsu Liweixun Electric Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu Liweixun Electric Technology Co ltd filed Critical Jiangsu Liweixun Electric Technology Co ltd
Priority to CN201911188268.1A priority Critical patent/CN110991309A/zh
Publication of CN110991309A publication Critical patent/CN110991309A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—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
    • 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
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • 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]
    • G06Q30/0609—Buyer or seller confidence or verification
    • 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
    • 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
    • G06V40/172—Classification, e.g. identification

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Human Computer Interaction (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种基于人脸识别的店商消费行为分析引导营销方法，能够利用安装在店商门店门口的基于人脸识别技术的摄像头采集人脸信息，并在***里精准匹配客户信息；新客户自动保存头像照片，并将相关客户信息推送到客服端；人脸识别为再访客户，门禁联动自动开门，***利用客户信息，形成客户消费评级评定，以及信用等级评定，利用***推荐套餐进行服务内容引导，促成客户业务下单，生成电子消费合同，客户可以电子签名，并利用人脸识别或二维码等支付方式进行业务付款，完成整个业务跟踪及管理。该方法能够令商店管理人员利用用户到店来访记录可方便对店的经营销售情况进行全面监控与统计分析，方便做出相关的管理与营销手段的调整。

Description

一种基于人脸识别的店商消费行为分析引导营销方法
技术领域
本发明涉及人脸识别，尤其涉及一种基于人脸识别的店商消费行为分析引导营销***及方法。
背景技术
随着电商的兴起，线下实体店对客户的维护日益重要，而当前线下实体店对客户的维护通常采用人工或者电子文档的方式记录客户信息。而传统的人工记录以及电子文档记录客户信息效率底下，对客户区分度低，并且容易出错，同时，对于新到客户无法精准分析评定其购买能力，也无法明确其消费需求的意向性，而对于每天到店的客户的业务介绍以及需求跟进无法做到连续性。同时，在满足客户的消费行为轨迹查询方面效率低下，仅能够通过查找记录单的方式来向客户以及商家提供用户历史消费行为，无法做到对客户的有针对性维护。另外，当前线下实体店迫切需要获取客户的真实消费意向以进行有针对性引流，从而帮助其业务的拓展以及提高客户成单率。
发明内容
本发明的目的是通过以下技术方案实现的。
为解决上述问题，本发明提出了一种基于人脸识别的店商消费行为分析引导营销方法，具体步骤如下：
步骤1：利用安装在店商门口的摄像头采集客户人脸图像；
步骤2：若识别为来访人员为新客户，则自动保存带头像的清晰照片，并将该客户相关信息推送到客服和店商主管移动终端APP上；若识别为来访人员为再访客户，判断是否为会员，若是，则控制***自动打开店门，同时关联语音播报欢迎或显示屏播放欢迎，向服务人员APP端推送会员提醒信息；否则，控制***仅自动打开店门。
进一步地，客户获取客户照片和提示信息可建立新客户访谈档案记录；
客服人员在进行洽谈过程中，经客户同意后，可以进行录音、拍照、记录备案记录下来录入客户洽谈档案记录中，语音可利用语音识别技术进行语音转码为文字进行记录，从而形成完整的客户业务介绍营销洽谈记录，包括客户的年龄、性别、兴趣、爱好、关注点、感兴趣业务、客户要求、向客户承诺的优惠折扣或赠送信息以及店定位、时间、跟单服务人员信息。
进一步，客户人脸图像进行识别过程为：
步骤2.1，客户端检测是否存在人脸，检测人脸中的两眼瞳孔、鼻尖、两嘴角，确定人脸存在后，采集客户人脸图像，对图像数据进行归一化处理，
步骤2.2，将归一化的数据利用主成分分析发PCA进行白化，
步骤2.3，构建深度学习结合SVM的多层分类模型，模型包括深度学习部分和SVM分类器，将最后一层隐含层的输出作为SVM分类器的输入，通过SVM 的方法进行训练分类识别；其中，深度学习网络具有l个隐含层，输入层的维度为m，隐含层的维度为nli，深度学习网络可以采用限制性玻尔兹曼机RBM或者卷积限制性玻尔兹曼机CRBM；
其中，由一系列二进制状态的隐含层单元h和二进制或真值的可视层单元 v组成，与隐含层之间有连接，而可视层单元之间及隐含层单元之间没有连接。在一个RBM中，设像素对应可视层单元v，有n个节点，提取的特征对应隐含层h，有m个节点，可视层和隐含层组成的***(v,h)具有能量：
Figure BDA0002292933920000021
其中，ai、bj分别为可视层和隐含层对应的偏置，wij为可视层和隐含层之间的权值。
而在CRBM中，有三层组成：输入层V、隐含层H和池化层P；其能量函数为：
Figure BDA0002292933920000022
其中，Wk为隐含层和可视层节点建的卷积滤波权值，bk为隐含层偏置系数，
Figure BDA0002292933920000023
为隐含层数据，a为修正参数，k＝1,...,K。
步骤2.4，处理过的图像数据输入到深度学习结合SVM的多层分类模型进行识别。
步骤3：获取该客户在本店商以及连锁店的消费记录和消费频率，形成消费评级评定，并根据相关典型消费类型描述，形成对该客户的信用等级评定；
进一步地，***利用客户到本店商以及连锁店的消费记录和消费频率，进行数据分析，并形成对该客户的近期消费行为、客户画像类型、客户典型成长阶段消费趋势、消费预测及意向性分析评估报告，最终形成消费评级评定，评定按连续消费月累计数进行分段评定，同时包含店商对该客户的消费信用星级评价，1-5星，以及相关典型消费类型描述，形成对该客户的信用等级评定；
进一步地：***推荐客户的意向性或感兴趣消费服务类型，并结合消费评级、客户画像等数据推荐店商的相关服务套餐及内容，推荐套餐数量大于1个则分别列出意向性购买100％可能性指标。
步骤4：根据客户消费评级以及信用登记向该客户推送对应级别的套餐或商品；
步骤5；若该客户需要购买推荐商品，生成电子消费合同后，该客户可以电子签名，并利用人脸识别或二维码等支付方式进行付款；***对该消费信息进行记录处理。
进一步地，利用后台数据对比分析判断客户到店类型：新到店来访人员、再访人员、会员、同业竞争人员、异业合作人员等类型；
进一步地，***可添加客户信息中需要包含微信、支付宝信息，可在客户进行付款时，根据微信、支付宝信息直接更新客户信息，并将客户信息更新后推送至店主终端以及客户终端，其中，向客户终端推送的信息中包含本次消费明细以及客户当前消费信用星级评价和信用等级。
步骤6：店管理员可以利用平台每天统计查看一天到店来访人员情况、成交量情况、成交率统计、客户服务跟踪等情况；
步骤7：店商可以利用平台与其他相关店商形成推荐性业务关联推荐，方便进行异业合作及客户导流，可查看合作店商的团购活动或优惠活动服务内容套餐，如客户需要并同意，可将客户团购或体验服务需求信息推送到关联店商；
进一步地，客户到推荐店商后利用人脸识别自动关联客户信息及团购或体验服务需求信息，客户成单后可以直接进行消费核销及利润返点。
本发明的优点在于：前端利用人脸识别精准匹配到店人员情况，平台利用大数据消费行为分析、兴趣分析、年龄及生活成长消费趋势分析进行综合评估，形成对来访人员的精准消费预测与消费能力及消费信用等级评定，从而帮助店商人员可以精准把控来访客户消费能力评级及意向性消费，从而对整个销售过程进行全程管理、跟踪与精准营销，提高成单效率。同时，深度学***台进行异业合作，推荐拓展客源及客户引流服务，从而形成精准的客户引导营销。能够关联当前主流支付平台，实时更新客户信息，并且能够领商家以及客户明确了解客户在本店消费轨迹，便于查询客户在本店消费信息。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
附图1示出了根据本发明实施方式的流程图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
根据本发明的实施方式，提出一种基于人脸识别的店商消费行为分析引导营销方法。
具体的，步骤1：利用安装在店商门口的摄像头采集客户人脸图像；
步骤2：若识别为来访人员为新客户，则自动保存带头像的清晰照片，并将该客户相关信息推送到客服和店商主管移动终端APP上；若识别为来访人员为再访客户，判断是否为会员，若是，则控制***自动打开店门，同时关联语音播报欢迎或显示屏播放欢迎，向服务人员APP端推送会员提醒信息；否则，控制***仅自动打开店门。
进一步地，客户人脸图像进行识别过程为：
步骤2.1，客户端检测是否存在人脸，检测人脸中的两眼瞳孔、鼻尖、两嘴角，确定人脸存在后，采集客户人脸图像，对图像数据进行归一化处理，
步骤2.2，将归一化的数据利用主成分分析发PCA进行白化，
步骤2.3，构建深度学习结合SVM的多层分类模型，模型包括深度学习部分和SVM分类器，将最后一层隐含层的输出作为SVM分类器的输入，通过SVM 的方法进行训练分类识别；其中，深度学习网络具有l个隐含层，输入层的维度为m，隐含层的维度为nli，深度学习网络可以采用限制性玻尔兹曼机RBM或者卷积限制性玻尔兹曼机CRBM；
其中，由一系列二进制状态的隐含层单元h和二进制或真值的可视层单元 v组成，与隐含层之间有连接，而可视层单元之间及隐含层单元之间没有连接。在一个RBM中，设像素对应可视层单元v，有n个节点，提取的特征对应隐含层h，有m个节点，可视层和隐含层组成的***(v,h)具有能量：
Figure BDA0002292933920000051
其中，ai、bj分别为可视层和隐含层对应的偏置，wij为可视层和隐含层之间的权值。
而在CRBM中，有三层组成：输入层V、隐含层H和池化层P；其能量函数为：
Figure BDA0002292933920000052
其中，Wk为隐含层和可视层节点建的卷积滤波权值，bk为隐含层偏置系数，
Figure BDA0002292933920000053
为隐含层数据，a为修正参数，k＝1,...,K。
步骤2.4，处理过的图像数据输入到深度学习结合SVM的多层分类模型进行识别。
进一步地，利用后台数据对比分析判断客户到店类型：新到店来访人员、再访人员、会员、同业竞争人员、异业合作人员、黑名单人员等类型；
进一步地，关联门禁联动功能，门禁打开，自动门则自动打开，黑名单人员则不打开；
进一步地，利用播放器在显示屏上播放欢迎词。
进一步地，客户获取客户照片和提示信息可建立新客户访谈档案记录；
进一步地，客服人员在进行洽谈过程中，经客户同意后，进行录音、拍照、记录备案记录下来录入客户洽谈档案记录中，语音可利用语音识别技术进行语音转码为文字进行记录，从而形成完整的客户业务介绍营销洽谈记录，包括客户的相关情况(年龄、性别、兴趣、爱好、子女等)、关注点、感兴趣业务或商品、需要注意的事情、客户的要求、承诺的优惠折扣或赠送等信息，***自动附带店定位、时间、跟单服务人员等信息内容；
进一步地，可随时补充电话跟进或其他相关客户跟进信息记录内容，作业客户跟进记录，标注客户意向性消费指数指标，1～10进行分级；
进一步地，将客户详细信息推送到当前客服人员和店主管APP上进行提醒，自动弹出该客户历史访谈记录及客户分析信息，利用***推荐信息进行营销引导，并进行相关洽谈记录；
步骤3：获取该客户在本店商以及连锁店的消费记录和消费频率，形成消费评级评定，并根据相关典型消费类型描述，形成对该客户的信用等级评定；
进一步地，***利用客户在本店商以及连锁店的消费记录和消费频率行为进行意向性消费数据行为分析，并形成对该客户的近期消费行为、客户画像类型、客户典型成长阶段消费趋势、消费预测及意向性分析综合评估报告，最终形成消费评级评定，评定按连续消费月累计数进行分段评定，分析客户需求强烈程度级别，包括：弱需求客户、潜在消费客户、强意向性客户、产品选择对比阶段客户等，同时包含店商对该客户的消费信用星级评价，1-5星，以及相关典型消费类型描述，形成对该客户的信用等级评定；
进一步的，星级评价计算公式为：
Figure BDA0002292933920000061
其中，x为当月总消费值，y为购买件数，m、n、l为自然系数；
步骤4：根据客户消费评级以及信用登记向该客户推送对应级别的套餐或商品；
进一步地：结合消费评级推荐客户的意向性或感兴趣消费服务类型，推荐店商的相关服务套餐及内容，推荐套餐数量大于1个则分别列出意向性购买可能性指标；
步骤5；若该客户需要购买推荐商品，生成电子消费合同后，该客户可以电子签名，并利用人脸识别或二维码等支付方式进行付款；***对该消费信息进行记录处理。
步骤6：店管理员可以利用平台每天统计查看一天到店来访人员类型情况、成交量情况、成交率统计、服务时间量、客流量统计、客户服务跟踪、机会性业务统计等情况；
步骤7：店商可以利用平台与其他相关店商形成推荐性业务关联推荐，方便进行异业合作及客户导流，可查看合作店商的团购活动或优惠活动服务内容套餐，如客户需要并同意，可将客户团购或体验服务需求信息推送到关联店商；
进一步地，客户到推荐店商后利用人脸识别自动关联客户信息及团购或体验服务需求信息，客户成单后可以直接进行消费核销及利润返点。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (8)

1.一种基于人脸识别的店商消费行为分析引导营销方法，其特征在于：
步骤1：利用安装在店商门口的摄像头采集客户人脸图像；
步骤2：对所述该客户人脸图像进行识别判断并在后台数据库中匹配客户信息，若识别为来访人员为新客户，则自动保存带头像的清晰照片，并将该客户相关信息推送到客服和店商主管移动终端APP上；若识别为来访人员为再访客户，判断是否为会员，若是，则控制***自动打开店门，同时关联语音播报欢迎或显示屏播放欢迎，向服务人员APP端推送会员提醒信息；否则，控制***仅自动打开店门。
步骤3：获取该客户在本店商以及连锁店的消费记录和消费频率，形成消费评级评定，并根据相关典型消费类型描述，形成对该客户的信用等级评定；
步骤4：根据客户消费评级以及信用登记向该客户推送对应级别的套餐或商品；
步骤5；若该客户需要购买推荐套餐或商品，生成电子消费合同后，该客户可以电子签名，并利用人脸识别或二维码等支付方式进行付款；***对该消费信息进行记录处理，并将消费信息与该客户关联存储。
2.根据权利要求1所述的基于人脸识别的店商消费行为分析引导营销方法，其特征在于：利用后台数据对比分析判断客户到店类型还包括同业竞争人员、异业合作人员等类型。
3.根据权利要求1所述的基于人脸识别的店商消费行为分析引导营销方法，其特征在于：在步骤2中，客服获取客户照片建立新客户访谈档案记录；
客服人员在进行洽谈过程中，经客户同意后，可以进行录音、拍照、记录备案记录下来录入客户洽谈档案记录中，语音可利用语音识别技术进行语音转码为文字进行记录，从而形成完整的客户业务介绍营销洽谈记录，包括客户的年龄、性别、兴趣、爱好、关注点、感兴趣业务、客户要求、向客户承诺的优惠折扣或赠送信息以及店定位、时间、跟单服务人员信息。
4.根据权利要求1所述的基于人脸识别的店商消费行为分析引导营销方法，其特征在于：在步骤4中，***利用客户各实体店消费及到店了解频次，进行数据分析，并形成对该客户的近期消费行为、客户画像类型、客户典型成长阶段消费趋势、消费预测及意向性分析评估报告，最终形成消费评级评定，评定按连续消费月累计数进行分段评定，同时包含店商对该客户的消费信用星级评价，1-5星，以及相关典型消费类型描述，形成对该客户的信用等级评定；
进一步地，***推荐客户的意向性或感兴趣消费服务类型，并结合消费评级、客户画像等数据推荐店商的相关服务套餐及内容，推荐套餐数量大于1个则分别列出意向性购买可能性指标。
5.根据权利要求1所述的基于人脸识别的店商消费行为分析引导营销方法，其特征在于：步骤6：店商管理员可以利用平台每天统计查看一天到店来访人员情况、成交量情况、成交率统计、客户服务跟踪等情况。
6.根据权利要求1所述的基于人脸识别的店商消费行为分析引导营销方法，其特征在于：步骤7：店商可以利用平台与其他相关店商形成推荐性业务关联推荐，方便进行异业合作及客户导流，可查看合作店商的团购活动或优惠活动服务内容套餐，如客户需要并同意，可将客户团购或体验服务需求信息推送到关联店商；
进一步地，客户到推荐店商后利用人脸识别自动关联客户信息及团购或体验服务需求信息，客户成单后可以直接进行消费核销及利润返点。
7.根据权利要求1所述的基于人脸识别的店商消费行为分析引导营销方法，其特征在于：客户人脸图像进行识别过程为：
步骤2.1，采集客户人脸图像，对图像数据进行归一化处理，
步骤2.2，将归一化的数据利用主成分分析发PCA进行白化，
步骤2.3，构建识别分类模型，并利用图像数据集进行训练，
步骤2.4，处理过的图像数据输入到训练后的分类模型进行识别。
8.根据权利要求1所述的基于人脸识别的店商消费行为分析引导营销方法，其特征在于：步骤5中付款过程中，***可添加客户信息中需要包含微信、支付宝信息，可在客户进行付款时，根据微信、支付宝信息直接更新客户信息，并将客户信息更新后推送至店主终端以及客户终端，其中，向客户终端推送的信息中包含本次消费明细以及客户当前消费信用星级评价和信用等级。
CN201911188268.1A 2019-11-28 2019-11-28 一种基于人脸识别的店商消费行为分析引导营销方法 Pending CN110991309A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911188268.1A CN110991309A (zh) 2019-11-28 2019-11-28 一种基于人脸识别的店商消费行为分析引导营销方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911188268.1A CN110991309A (zh) 2019-11-28 2019-11-28 一种基于人脸识别的店商消费行为分析引导营销方法

Publications (1)

Publication Number Publication Date
CN110991309A true CN110991309A (zh) 2020-04-10

Family

ID=70087754

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911188268.1A Pending CN110991309A (zh) 2019-11-28 2019-11-28 一种基于人脸识别的店商消费行为分析引导营销方法

Country Status (1)

Country Link
CN (1) CN110991309A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111784405A (zh) * 2020-07-10 2020-10-16 大连中维世纪科技有限公司 基于人脸智能识别knn算法的线下门店智能导购方法
CN111815362A (zh) * 2020-07-13 2020-10-23 黑龙江东方学院 一种基于大数据的大学生互联网消费数据采集***
CN112085521A (zh) * 2020-08-19 2020-12-15 深圳前海托克马克科技有限公司 一种针对店铺会员管理和服务的***
CN114124605A (zh) * 2021-11-25 2022-03-01 珠海格力电器股份有限公司 智能家居的控制方法、智能家居设备、非易失性存储介质及处理器

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106648079A (zh) * 2016-12-05 2017-05-10 华南理工大学 一种基于人脸识别与手势交互的电视娱乐***
CN107463608A (zh) * 2017-06-20 2017-12-12 上海汇尔通信息技术有限公司 一种基于人脸识别的信息推送方法及***
CN109345320A (zh) * 2018-11-24 2019-02-15 深圳市晓舟科技有限公司 客户类型识别***
CN109978672A (zh) * 2019-04-10 2019-07-05 南京诺博灵信息科技有限公司 一种基于图像识别的销售***及方法
CN110222647A (zh) * 2019-06-10 2019-09-10 大连民族大学 一种基于卷积神经网络的人脸活体检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106648079A (zh) * 2016-12-05 2017-05-10 华南理工大学 一种基于人脸识别与手势交互的电视娱乐***
CN107463608A (zh) * 2017-06-20 2017-12-12 上海汇尔通信息技术有限公司 一种基于人脸识别的信息推送方法及***
CN109345320A (zh) * 2018-11-24 2019-02-15 深圳市晓舟科技有限公司 客户类型识别***
CN109978672A (zh) * 2019-04-10 2019-07-05 南京诺博灵信息科技有限公司 一种基于图像识别的销售***及方法
CN110222647A (zh) * 2019-06-10 2019-09-10 大连民族大学 一种基于卷积神经网络的人脸活体检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李辉;石波;: "基于卷积神经网络的人脸识别算法", 软件导刊, no. 03, pages 26 - 29 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111784405A (zh) * 2020-07-10 2020-10-16 大连中维世纪科技有限公司 基于人脸智能识别knn算法的线下门店智能导购方法
CN111815362A (zh) * 2020-07-13 2020-10-23 黑龙江东方学院 一种基于大数据的大学生互联网消费数据采集***
CN112085521A (zh) * 2020-08-19 2020-12-15 深圳前海托克马克科技有限公司 一种针对店铺会员管理和服务的***
CN114124605A (zh) * 2021-11-25 2022-03-01 珠海格力电器股份有限公司 智能家居的控制方法、智能家居设备、非易失性存储介质及处理器

Similar Documents

Publication Publication Date Title
US10311475B2 (en) Digital information gathering and analyzing method and apparatus
CN111222410A (zh) 一种基于人脸识别的店商消费行为分析引导营销***
CN110991309A (zh) 一种基于人脸识别的店商消费行为分析引导营销方法
US20210035152A1 (en) Predicting the effectiveness of a marketing campaign prior to deployment
Bose et al. Quantitative models for direct marketing: A review from systems perspective
US8175908B1 (en) Systems and methods for constructing and utilizing a merchant database derived from customer purchase transactions data
US8645200B2 (en) System for individualized customer interaction
US20150006243A1 (en) Digital information gathering and analyzing method and apparatus
US20160217509A1 (en) Apparatus and method for management of electronic receipts and evaluation of the fair market value of goods based on free-form descriptions of goods and shoppers buying habits
US20070114279A1 (en) System and method for capturing and storing rfid/serialized item tracking information in a relational database system
US9390430B2 (en) Method and system for sales strategy optimization
US11823248B2 (en) Systems and methods for using keywords extracted from reviews
Lamey et al. Retail service innovations and their impact on retailer shareholder value: Evidence from an event study
US20160012452A1 (en) Method and system for determining card holder preference
US11657107B2 (en) Systems and methods for using keywords extracted from reviews
US20180174088A1 (en) Systems and Methods for Artificial Intelligence-Based Gamified Retail Sales Accelerator
US20200320584A1 (en) Automatic depreciation calculator
KR102523050B1 (ko) 구독경제 기반 렌탈비 비교 서비스 제공 방법
Kazmi et al. Generic framework to predict repeat behavior of customers using their transaction history
Pousttchi et al. Enabling evidence-based retail marketing with the use of payment data–the Mobile Payment Reference Model 2.0
US11308542B2 (en) Systems and methods for using keywords extracted from reviews
Alford Database marketing in travel and tourism
Li Evaluation of Artificial Intelligence models and wireless network applications for enterprise sales management innovation under the new retail format
Kashyap et al. Artificial Intelligence in Marketing
US20220335485A1 (en) Partner fee recommendation service

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