CN112150194A - 一种营销分析方法、***及存储介质 - Google Patents

一种营销分析方法、***及存储介质 Download PDF

Info

Publication number
CN112150194A
CN112150194A CN202010962961.6A CN202010962961A CN112150194A CN 112150194 A CN112150194 A CN 112150194A CN 202010962961 A CN202010962961 A CN 202010962961A CN 112150194 A CN112150194 A CN 112150194A
Authority
CN
China
Prior art keywords
customer
marketing
feature
characteristic
image
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
CN202010962961.6A
Other languages
English (en)
Inventor
陈茅
许省
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.)
Selling Point International Exhibition Shenzhen Co ltd
Original Assignee
Selling Point International Exhibition Shenzhen 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 Selling Point International Exhibition Shenzhen Co ltd filed Critical Selling Point International Exhibition Shenzhen Co ltd
Priority to CN202010962961.6A priority Critical patent/CN112150194A/zh
Publication of CN112150194A publication Critical patent/CN112150194A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • G06Q30/0271—Personalized advertisement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • 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
    • G06Q30/0261—Targeted advertisements based on user location
    • 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
    • G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities

Landscapes

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

Abstract

本发明涉及一种营销分析方法、***和介质。该方法包括步骤：获得顾客的图像和运动轨迹；基于顾客的图像提取第一特征和第二特征，其中第一特征基于顾客的面相和体型的图像区域，第二特征基于顾客携带的携带物品的图像区域；基于顾客的运动轨迹提取第三特征，其中运动轨迹包括在各被展示商品前的停留时长或经过次数；将第一特征、第二特征及第三特征输入至营销分析模型中，生成包括推荐商品在内的营销推荐方案。借助图像分析及营销分析的手段，能准确的分析顾客画像，为客流管理、顾客画像分析等提供辅助决策。

Description

一种营销分析方法、***及存储介质
技术领域
本发明涉及数据分析技术，特别涉及一种营销分析方法、***及存储介质。
背景技术
随着社会的不断进步，社会经济飞速发展，人们的生活水平有了很大程度的提高。现阶段人们不仅追求温饱，还越来越追求生活的质量。传统的产品营销数据分析***主要是通过网络平台给会员发布市场调研问卷，获得更为准确的消费者反馈信息，通过市场反馈信息，了解产品在市场中的真实反应，同时也可为推出新产品提供数据支持。此种方式统计的客流数据、游客画像存在很大的偏差性和不确定性。
中国已经成为全球移动物联网市场。以智能设备为平台，物联网已经颠覆了众多传统的行业，随着近些年对移动互联网的普及，在智能终端的领域越来越多，零售业界急需一种能够更加自动化的、科学的营销分析解决方案。
发明内容
本发明提供一种营销分析方法、***及介质，旨在至少解决现有技术中存在的技术问题之一。
本发明的技术方案涉及一种营销分析方法，该方法包括以下步骤：
A、获得顾客的图像和运动轨迹；
B、基于前述顾客的前述图像提取第一特征和第二特征，其中前述第一特征基于前述顾客的面相和体型的图像区域，前述第二特征基于前述顾客携带的携带物品的图像区域；
C、基于前述顾客的前述运动轨迹提取第三特征，其中前述运动轨迹包括在各被展示商品前的停留时长或经过次数；
D、将前述第一特征、第二特征及第三特征输入至营销分析模型中，生成营销推荐方案，前述营销推荐方案包括推荐商品，
其中，前述营销分析模型是根据多个顾客的历史数据训练得到的；其中，前述历史数据包括前述多个顾客的前述第一特征、第二特征及第三特征作为样本输入数据，前述多个顾客的购入商品作为样本输出数据。
可选地，前述营销分析模型是根据多个顾客的历史数据，基于大数据或机器学习算法训练得到的。
可选地，还包括以下步骤：通过展示终端可视化地显示前述营销推荐方案。
可选地，还包括以下步骤：获取前述顾客的本次购入商品，将获取的前述顾客的前述第一特征、第二特征及第三特征作为样本输入数据，以及，将前述顾客的本次购入商品作为样本输出数据，基于机器学习算法，训练前述营销分析模型。
可选地，还包括以下步骤：获取前述顾客的本次购入商品，基于所生成的前述顾客购物决策推荐方案和前述本次购入商品，向前述顾客提示促销信息。
可选地，前述第一特征包括前述顾客是否为会员，以及所述顾客的年龄和身高。
可选地，前述方法还包括前述携带物品包括手包、背包、婴儿车、购物篮或购物车。
可选地，通过展示终端可视化地显示前述营销推荐方案的步骤，还包括：
采集既定区域内的顾客流量和对应各前述顾客的营销推荐方案，
利用计算机图形学和图像处理技术，将前述顾客流量和前述营销推荐方案转换成可视化地图、热力分布图或折线图形式的图形在展示终端的屏幕上显示出来。
本发明的技术方案还涉及一种计算机***，包括多个摄像头、存储器和处理器，前述处理器执行储存在前述存储器中的计算机程序时实施上述的方法。
本发明的技术方案还涉及一种计算机可读存储介质，其上储存有计算机程序指令，前述计算机程序指令被处理器执行时实施上述的方法。
本发明的有益效果为：借助图像分析及营销分析的手段，为顾客建立模型，自动分析用户的喜好，能准确的分析顾客画像，为客流管理、顾客画像分析提供辅助决策。
附图说明
图1所示为根据本发明的第一实施例的总体流程图。
图2所示为根据本发明的第一实施例的数据处理流程的示意图。
图3所示为根据本发明的第二实施例的表示第三特征的示意图。
图4所示为根据本发明的第二实施例的表示第一、二特征的示意图。
图5所示为根据本发明的第三实施例的数据处理流程的示意图。
图6所示为根据本发明的第四实施例的结构示意图。
图7是根据本发明的第三实施例的CNN训练模型示意图。
图8是根据本发明的第五实施例的路径规划图。
图9是根据本发明的第五实施例的展示终端示意图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、方案和效果。
需要说明的是，如无特殊说明，当某一特征被称为“固定”、“连接”在另一个特征，它可以直接固定、连接在另一个特征上，也可以间接地固定、连接在另一个特征上。本文所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。此外，除非另有定义，本文所使用的所有的技术和科学术语与本技术领域的技术人员通常理解的含义相同。本文说明书中所使用的术语只是为了描述具体的实施例，而不是为了限制本发明。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的组合。
应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种元件，但这些元件不应限于这些术语。这些术语仅用来将同一类型的元件彼此区分开。例如，在不脱离本公开范围的情况下，第一元件也可以被称为第二元件，类似地，第二元件也可以被称为第一元件。本文所提供的任何以及所有实例或示例性语言(“例如”、“如”等)的使用仅意图更好地说明本发明的实施例，并且除非另外要求，否则不会对本发明的范围施加限制。
营销***涉及的因素很多，其中既有企业内部因素又有企业外部因素，而这些因素无一例外都在发展变化着。因此企业的营销策略及其组合应能随着企业内外环境的变化而适时作出相应调整。如果企业的营销策略的调整落后于环境的变化，必将带来企业营销工作的失败。随着新零售行业的发展，智慧门店越来越普及，通过科学技术来管理和经营门店。在门店的智能展示终端会应用到人脸识别客群分析管理***，采用人脸识别技术，结合视频分析技术对门店的客流进行统计管理。人脸识别客流统计管理***在智慧门店的使用，可为商家提供优化管理数据支持，让商家可以达到更为精准的营销。
参照图1，根据本发明的第一实施例，提供了一种营销分析方法，该方法包括以下步骤：A、获得顾客的图像和运动轨迹；B、基于前述顾客的前述图像提取第一特征和第二特征，其中前述第一特征基于前述顾客的面相和体型的图像区域，前述第二特征基于前述顾客携带的携带物品的图像区域；C、基于前述顾客的前述运动轨迹提取第三特征，其中前述运动轨迹包括在各被展示商品前的停留时长或经过次数；D、将前述第一特征、第二特征及第三特征输入至营销分析模型中，生成包括推荐商品在内的营销推荐方案。其中，前述营销分析模型是根据多个顾客的历史数据，基于大数据聚类或者机器学习算法训练得到的；其中，前述历史数据包括前述多个顾客的前述第一特征、第二特征及第三特征作为样本输入数据，前述多个顾客的购入商品作为样本输出数据。
借助图像分析及营销分析的手段，为顾客建立科学的模型，从而疏导人流、精准营销，最合理化地应用场地资源，实现降低运营难度，综合节约成本，并能准确的分析顾客可能的购物决策，为客流管理、顾客画像分析提供辅助决策。
参照图2至4，根据本发明的第二实施例，提供了又一种营销分析方法，首先，智能展示终端摄像头采集进店顾客图像，并基于该图像进行区域分割并提取特征量，以获取表示该用户的性别、年龄、身高、肤色、是否带眼镜等信息的第一特征，以及表示是否持有携带物品的第二特征。可选地，前述第一特征包括前述顾客是否为会员。前述携带物品包括手包、背包、婴儿车、购物篮或购物车。
例如，在图4中，基于顾客A01的图像的面相区域401a和体型区域402b的图像部分，分析可知该顾客A01为男性、年龄约35-40岁，身高为180厘米，未佩戴眼镜等配饰，基于人脸识别可知其不具有会员身份。另外，基于顾客A01的图像的右手区域402a和左手区域402b的图像部分，经分析可知该顾客A01携带有一只公文包。该数据采集过程基于人脸识别技术和距离感应传感器(不保存消费者图像及视频)。示例性地，数据采集结果参照下表1。
表1顾客图像信息采集表
ID 性别 年龄 身高 配饰 携带物品1 携带物品2 是否为会员 ……
顾客A01 男 35-40 180 N/A N/A 公文包 否 ……
顾客B33 女 25-30 165 眼镜 婴儿车 N/A 是 ……
通过在商场内设置的若干智能展示终端设备分别采集一定区域的进店消费者的性别、年龄、身高、肤色、是否带眼镜以及消费信息等数据。可选地，前述方法还包括前述携带物品包括手包、背包、婴儿车、购物篮或购物车。
商场通过摄像头、RFID或顾客手机终端发出的iBeacon帧等定位顾客的运动轨迹，该运动轨迹包括在各被展示商品前经过次数和/或停留时长，或者在展示终端前观看被展示商品广告的时长。示例性的，顾客运动轨迹信息的结果参照下表2。
表2顾客运动轨迹信息采集表
Figure BDA0002681183670000041
在一个或多个实施例中，利用大数据算法建立营销分析模型，并利用上述第一特征、第二特征及第三特征作为样本输入数据，前述多个顾客的历史购入商品作为样本输出数据对该模型进行训练，直至收敛。示例性的，表3是作为样本输出数据从而用于训练的多个顾客的历史购入商品清单。
表3其他顾客历史累计购入的商品清单
Figure BDA0002681183670000042
Figure BDA0002681183670000051
在一个或多个实施例中，还包括获取顾客的本次购入商品，将获取的所述顾客的所述第一特征、第二特征及第三特征作为样本输入数据，以及，将所述顾客的本次购入商品作为样本输出数据，基于大数据算法训练所述营销分析模型，从而使模型不断更新，输出的结果越发准确。示例性的，表4是作为样本输出数据从而用于训练的顾客的本次购入商品的清单。
表4顾客本次购入的商品清单
Figure BDA0002681183670000052
参照图5，本发明的第三实施例提供了又一种营销分析方法，
该营销分析模型是根据多个顾客的历史数据，基于大数据或机器学习算法训练得到的。
基于所生成的顾客购物决策推荐方案和顾客本次购入商品，向顾客提示促销信息，示例性的，从顾客购物决策推荐方案的商品减去顾客本次购入商品后，剩余的商品根据该顾客的停留时间和经过次数，生成对应的促销信息(折扣信息)，并推送至该顾客的手机终端或者位于该顾客前进路径上的作为展示终端的工业机器人的屏幕上(参照图5)，从而促使顾客继续购物，或者吸引顾客下次购买，为商家对门店进行优化管理提供数据支撑。另外，通过展示终端可视化地显示所述营销推荐方案，营销推荐方案还包括推荐路线，所述推荐路线是基于展示终端的位置、多个推荐商品的位置以及多个顾客的运动轨迹(途中拥堵程度)而生成的。另外，当有不法分子入侵时，可通过该展示终端识别检测并产生报警信号，进行实时报警。商家还可以通过人脸识别客流统计管理***进行防盗，可提供视频录像。有效保障门店的人员和财产的安全。
在一个或多个实施例中，本实施例的方法还包括步骤：获取顾客的本次购入商品，将获取的该顾客的第一特征、第二特征及第三特征作为样本输入数据，以及，将顾客的本次购入商品作为样本输出数据，基于机器学习算法训练营销分析模型，从而提高训练营销模型的精度。
参照图7，在本实施例中，在通过机器学习的方式进行模型训练时，可以采用CNN或RNN模型。下面结合图7以CNN模型为例进行说明，需要说明的是图7只是一个示意模型，其中只简单示意出了两个卷积层和两个池化层，在实际应用中，卷积层和池化层的个数一般要大于2个。具体地，CNN模型的结构主要包括：一个输入层、n个卷积层、n个池化层、m个全连接层、一个输出层；其中，所述输入层的输入为基于顾客的面相和体型的图像区域的第一特征、基于所述顾客携带的携带物品的图像区域的第二特征以及基于顾客述运动轨迹的第三特征的样本输入数据，输入层与卷积层C1相连接；所述卷积层C1含有k1个大小为a1×a1的卷积核，所述输入层的样本输入数据经过卷积层C1得到k1个特征图，进而将得到的特征图传送至池化层P1；所述池化层P1以b1×b1的采样大小对所述卷积层C1生成的特征图进行池化，得到相应的k1个采样后的特征图，再将得到的特征图传送至下一个卷积层C2；所述n个卷积层和池化层对的顺次连接，进而不断提取样本输入数据深层次的抽样特征，最后一个池化层Pn与全连接层F1相连接，其中，卷积层Ci含有ki个大小为ai×ai的卷积核，池化层Pj的采样大小为bj×bj，Ci表示第i个卷积层，Pj表示第j个池化层；所述全连接层F1为所述最后一个池化层Pn所得的所有kn个特征图的像素点映射而成的一维层，每个像素代表所述全连接层F1的一个神经元节点，F1层的所有神经元节点与下一个全连接层F2的神经元节点进行全连接；经m个全连接层顺次连接，最后一个全连接层Fm与所述输出层进行全连接；所述输出层输出包含多个顾客的购入商品的样本输出数据。在本实施例中，利用基于顾客的面相和体型的图像区域的第一特征、基于所述顾客携带的携带物品的图像区域的第二特征以及基于顾客述运动轨迹的第三特征的样本输入数据，和包含多个顾客的购入商品的输出数据，基于机器学习算法，对上述CNN模型进行训练直到上述CNN模型收敛为止，进而得到所述训练模型。
参照图6，基于相同的发明构思，本发明的第四实施例提供了一种计算机***，所述计算机***具体包括如下内容：多个摄像头(图中未示出)、处理器601、存储器602、通信接口603和总线604；其中，所述处理器601、存储器602、通信接口603通过所述总线604完成相互间的通信；所述通信接口603用于实现各建模软件及智能制造装备模块库等相关设备之间的信息传输；
所述处理器601用于调用所述存储器602中的计算机程序，所述处理器执行所述计算机程序时实现上述智能设备控制方法的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：A、获得顾客的图像和运动轨迹；B、基于前述顾客的前述图像提取第一特征和第二特征，其中前述第一特征基于前述顾客的面相和体型的图像区域，前述第二特征基于前述顾客携带的携带物品的图像区域；C、基于前述顾客的前述运动轨迹提取第三特征，其中前述运动轨迹包括在各被展示商品前的停留时长或经过次数；D、将前述第一特征、第二特征及第三特征输入至营销分析模型中，生成包括推荐商品在内的营销推荐方案。其中，前述营销分析模型是根据多个顾客的历史数据，基于大数据聚类或者机器学习算法训练得到的；其中，前述历史数据包括前述多个顾客的前述第一特征、第二特征及第三特征作为样本输入数据，前述多个顾客的购入商品作为样本输出数据。
参照图8至9，本发明的第五实施例提供了又一种营销分析方法，该方法基本与第二实施例相同，其主要区别之处在于还包括以下步骤：采集既定区域内的顾客流量和对应各所述顾客的营销推荐方案，利用计算机图形学和图像处理技术，将所述顾客流量和所述营销推荐方案转换成可视化地图、热力分布图或折线图形式的图形在展示终端的屏幕上显示出来。示例性的，该展示终端可以是业务机器人、平板电脑或者智能手机等。
具体而言，通过展示终端可视化地显示营销推荐方案，该营销推荐方案包括推荐商品、推荐路线、以及价格变化或历史销售情况的折线图(参照图9)。其中推荐路线是展示终端当前的位置与推荐商品之间的位置关系，以及客流的分布情况或者多个顾客的运动轨迹而生成的(参照图8)。在路径规划方面，原则上避开拥堵的人群，以及经过尽量多的推荐商品，从而取得用户体验和商业效果之间的平衡，而非单纯追求最短路径或最短时间。
基于相同的发明构思，本发明的第六实施例提供了一种非暂态计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现营销分析方法的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：A、获得顾客的图像和运动轨迹；B、基于前述顾客的前述图像提取第一特征和第二特征，其中前述第一特征基于前述顾客的面相和体型的图像区域，前述第二特征基于前述顾客携带的携带物品的图像区域；C、基于前述顾客的前述运动轨迹提取第三特征，其中前述运动轨迹包括在各被展示商品前的停留时长或经过次数；D、将前述第一特征、第二特征及第三特征输入至营销分析模型中，生成包括推荐商品在内的营销推荐方案。其中，前述营销分析模型是根据多个顾客的历史数据，基于大数据聚类或者机器学习算法训练得到的；其中，前述历史数据包括前述多个顾客的前述第一特征、第二特征及第三特征作为样本输入数据，前述多个顾客的购入商品作为样本输出数据。
应当认识到，本发明实施例中的方法步骤可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机***通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。
此外，可按任何合适的顺序来执行本文描述的过程的操作，除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机***的控制下执行，并且可作为共同地在一个或多个处理器上执行的代码(例如，可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步，所述方法可以在可操作地连接至合适的任何类型的计算平台中实现，包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如硬盘、光学读取和/或写入存储介质、RAM、ROM等，使得其可由可编程计算机读取，当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外，机器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时，本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时，本发明还可以包括计算机本身。
计算机程序能够应用于输入数据以执行本文所述的功能，从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中，转换的数据表示物理和有形的对象，包括显示器上产生的物理和有形对象的特定视觉描绘。
以上所述，只是本发明的较佳实施例而已，本发明并不局限于上述实施方式，只要其以相同的手段达到本发明的技术效果，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。

Claims (10)

1.一种营销分析方法，其特征在于，所述方法包括以下步骤：
获得顾客的图像和运动轨迹；
基于所述顾客的所述图像提取第一特征和第二特征，其中所述第一特征基于所述顾客的面相和体型的图像区域，所述第二特征基于所述顾客携带的携带物品的图像区域；
基于所述顾客的所述运动轨迹提取第三特征，其中所述运动轨迹包括在各被展示商品前的停留时长或经过次数；
将所述第一特征、第二特征及第三特征输入至营销分析模型中，生成营销推荐方案，所述营销推荐方案包括推荐商品，
其中，所述营销分析模型是根据多个顾客的历史数据训练得到的；其中，所述历史数据包括所述多个顾客的所述第一特征、第二特征及第三特征作为样本输入数据，所述多个顾客的购入商品作为样本输出数据。
2.根据权利要求1所述的方法，其中，所述营销分析模型是根据多个顾客的历史数据，基于大数据或机器学习算法训练得到的。
3.根据权利要求1所述的方法，其中，还包括以下步骤：
通过展示终端可视化地显示所述营销推荐方案，所述营销推荐方案还包括推荐路线，所述推荐路线是基于所述展示终端的位置、所述推荐商品的位置以及多个所述顾客的运动轨迹而生成的。
4.根据权利要求1所述的方法，其中，还包括以下步骤：
获取所述顾客的本次购入商品，
将获取的所述顾客的所述第一特征、第二特征及第三特征作为样本输入数据，以及，将所述顾客的本次购入商品作为样本输出数据，基于机器学习算法训练所述营销分析模型。
5.根据权利要求1所述的方法，其中，还包括以下步骤：
获取所述顾客的本次购入商品，
基于所生成的所述顾客购物决策推荐方案和所述本次购入商品，向所述顾客提示促销信息。
6.根据权利要求1至5中任一项所述的方法，其中，
所述第一特征包括所述顾客的会员状态，以及所述顾客的年龄和身高。
7.根据权利要求1至5中任一项所述的方法，其中，所述方法还包括
所述携带物品包括手包、背包、婴儿车、购物篮或购物车。
8.根据权利要求3所述的方法，其中，通过展示终端可视化地显示所述营销推荐方案的步骤，还包括：
采集既定区域内的顾客流量和对应各所述顾客的营销推荐方案，
利用计算机图像处理技术，将所述顾客流量和所述营销推荐方案转换成可视化地图、热力分布图或折线图形式的图形在展示终端的屏幕上显示出来。
9.一种计算机***，包括多个摄像头、存储器和处理器，其特征在于，所述处理器执行储存在所述存储器中的计算机程序时实施如权利要求1至8中任一项所述的方法。
10.一种计算机可读存储介质，其上储存有程序指令，所述程序指令被处理器执行时实施如权利要求1至8中任一项所述的方法。
CN202010962961.6A 2020-09-14 2020-09-14 一种营销分析方法、***及存储介质 Pending CN112150194A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010962961.6A CN112150194A (zh) 2020-09-14 2020-09-14 一种营销分析方法、***及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010962961.6A CN112150194A (zh) 2020-09-14 2020-09-14 一种营销分析方法、***及存储介质

Publications (1)

Publication Number Publication Date
CN112150194A true CN112150194A (zh) 2020-12-29

Family

ID=73893685

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010962961.6A Pending CN112150194A (zh) 2020-09-14 2020-09-14 一种营销分析方法、***及存储介质

Country Status (1)

Country Link
CN (1) CN112150194A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113177804A (zh) * 2021-04-28 2021-07-27 柳州城市职业学院 一种市场营销管理信息采集***

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103473679A (zh) * 2012-06-06 2013-12-25 中兴通讯股份有限公司 导购方法、导购***及移动终端
CN105678591A (zh) * 2016-02-29 2016-06-15 北京时代云英科技有限公司 一种基于视频分析的商业智能化经营决策支撑***和方法
CN108717651A (zh) * 2018-03-29 2018-10-30 京东方科技集团股份有限公司 一种商品推荐方法、装置及电子设备
CN110135889A (zh) * 2019-04-15 2019-08-16 深圳壹账通智能科技有限公司 智能推荐书单的方法、服务器及存储介质
CN110415048A (zh) * 2019-08-06 2019-11-05 即悟(上海)智能科技有限公司 一种广告推荐方法、设备、***、计算机设备及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103473679A (zh) * 2012-06-06 2013-12-25 中兴通讯股份有限公司 导购方法、导购***及移动终端
CN105678591A (zh) * 2016-02-29 2016-06-15 北京时代云英科技有限公司 一种基于视频分析的商业智能化经营决策支撑***和方法
CN108717651A (zh) * 2018-03-29 2018-10-30 京东方科技集团股份有限公司 一种商品推荐方法、装置及电子设备
CN110135889A (zh) * 2019-04-15 2019-08-16 深圳壹账通智能科技有限公司 智能推荐书单的方法、服务器及存储介质
CN110415048A (zh) * 2019-08-06 2019-11-05 即悟(上海)智能科技有限公司 一种广告推荐方法、设备、***、计算机设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113177804A (zh) * 2021-04-28 2021-07-27 柳州城市职业学院 一种市场营销管理信息采集***
CN113177804B (zh) * 2021-04-28 2024-03-12 柳州城市职业学院 一种市场营销管理信息采集***

Similar Documents

Publication Publication Date Title
US12026665B2 (en) Identifying inventory items using multiple confidence levels
Choi et al. Item-level RFID for enhancement of customer shopping experience in apparel retail
Paolanti et al. Modelling and forecasting customer navigation in intelligent retail environments
Jayaram Smart retail 4.0 IoT consumer retailer model for retail intelligence and strategic marketing of in-store products
US11669738B2 (en) Context-aided machine vision
KR20190082048A (ko) 시각 정보에 기초한 고객 아이템 추천 방법 및 장치
Islam et al. An intelligent shopping support robot: understanding shopping behavior from 2D skeleton data using GRU network
CN108335317A (zh) 一种线下导购方法及装置
Nguyen et al. When AI meets store layout design: a review
US11488400B2 (en) Context-aided machine vision item differentiation
CN112150194A (zh) 一种营销分析方法、***及存储介质
KR102155905B1 (ko) 여행 물품을 공유하기 위한 스마트 중개 장치 및 방법
Malik et al. Role of Artificial Intelligence in Reshaping Retail
CN108416611B (zh) 一种超市路径推荐***及其方法
US11798064B1 (en) Sensor-based maximum-likelihood estimation of item assignments
CN112150193A (zh) 一种客群分析方法、***及存储介质
Priya et al. Autonomous Supermarket Robot Assistance using Machine Learning
WO2021192190A1 (ja) 人流予測システム、人流予測方法およびプログラム記録媒体
Krockel et al. Intelligent processing of video streams for visual customer behavior analysis
CN112183691B (zh) 一种商品展示的方法、装置及存储介质
Oztaysi et al. Indoor location tracking technology evaluation by using spherial fuzzy TOPSIS method
Tomatala Prototyping of Machine Learning at Traditional Market as Option for Sales and Purchasing Transaction
GÜLCÜ et al. A Novel Matrix Representation Combining Customers’ In-store Sequential Behavior Data and Purchasing Data1
Mundada et al. An Interactive Cart with Analytics Recommendation and Tracking-iCART.
KR102530146B1 (ko) 중계 서비스 시스템

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
CB02 Change of applicant information

Address after: 518000 floor 1-3, building B2, chenwenli Industrial Park, 289 louming Road, Loucun community, Xinhu street, Guangming District, Shenzhen City, Guangdong Province

Applicant after: Shenzhen selling point Technology Co.,Ltd.

Address before: 518000 Gongming Office, Guangming New District, Shenzhen City, Guangdong Province

Applicant before: Selling Point International Exhibition (Shenzhen) Co.,Ltd.

CB02 Change of applicant information
RJ01 Rejection of invention patent application after publication

Application publication date: 20201229

RJ01 Rejection of invention patent application after publication