CN117114694B - 一种基于crm的大数据分析***及方法 - Google Patents
一种基于crm的大数据分析***及方法 Download PDFInfo
- Publication number
- CN117114694B CN117114694B CN202211715862.3A CN202211715862A CN117114694B CN 117114694 B CN117114694 B CN 117114694B CN 202211715862 A CN202211715862 A CN 202211715862A CN 117114694 B CN117114694 B CN 117114694B
- Authority
- CN
- China
- Prior art keywords
- user
- related personnel
- data
- users
- data analysis
- 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
- 238000007405 data analysis Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims abstract description 24
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000004140 cleaning Methods 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 9
- 238000013500 data storage Methods 0.000 claims description 6
- 239000003086 colorant Substances 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 230000001815 facial effect Effects 0.000 claims description 2
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000002372 labelling Methods 0.000 claims 1
- 238000007726 management method Methods 0.000 abstract description 11
- 230000006870 function Effects 0.000 description 14
- 230000008569 process Effects 0.000 description 9
- 206010049976 Impatience Diseases 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 239000002253 acid Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000010979 ruby Substances 0.000 description 2
- 229910001750 ruby Inorganic materials 0.000 description 2
- 230000009295 sperm incapacitation Effects 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 206010038743 Restlessness Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000003068 static effect Effects 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
- G06Q30/01—Customer relationship services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/2433—Query languages
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Bioethics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于CRM的大数据分析***及方法，属于客户关系管理领域，该大数据分析***包括数据采集模块、数据库、数据分析模块和终端反馈模块，数据采集模块用于采集基础数据信息，通过摄像设备采集用户图像信息，数据库用于对采集的数据信息和分析结果进行存储，数据分析模块用于对用户的购物状态进行分析，对相关人员与用户之间的路径进行最优规划，终端反馈模块用于根据分析结果，通过终端设备，向相关人员进行展示与提醒。本发明采集基础数据信息和用户图像信息，对用户的购物状态进行分析，进行最优规划，同时通过终端设备进行展示与提醒，增强了对客户关系的管理，提高了相关人员的工作服务效率。
Description
技术领域
本发明涉及客户关系管理领域，具体为一种基于CRM的大数据分析***及方法。
背景技术
CRM的意思是客户关系管理，是指企业为提高核心竞争力，利用相应的信息技术以及互联网技术协调企业与顾客间在销售、营销和服务上的交互，从而提升其管理方式，向客户提供创新式的个性化的客户交互和服务的过程。其最终目标是吸引新客户、保留老客户以及将已有客户转为忠实客户，增加市场。
然而，在客户进行线下实体购物时，有的客户喜欢自己逛，不需要服务人员一直跟随，但当想要咨询时，服务人员可能在为其他客户进行服务，需要客户进行等待；同时，会出现场所客户数量大于服务人员数量的情况，服务人员难以及时为每一位客户进行服务，导致有的客户等候时间很长，从而引起客户内心的不耐烦，造成客户流失。
由此看来，如何及时为客户进行服务，提高相关人员的工作效率，减少客户流失是十分有必要的。因此，需要一种基于CRM的大数据分析***及方法。
发明内容
本发明的目的在于提供一种基于CRM的大数据分析***及方法，采集基础数据信息，通过摄像设备采集用户图像信息，并进行加密存储，对用户的购物状态进行分析，从而对相关人员与用户之间的路径进行最优规划，同时通过终端设备进行展示与提醒，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于CRM的大数据分析***，该大数据分析***包括：数据采集模块、数据库、数据分析模块和终端反馈模块；
所述数据采集模块与数据库相连接，数据库与数据分析模块相连接，数据分析模块与终端反馈模块相连接；所述数据采集模块用于采集基础数据信息，通过摄像设备采集用户图像信息，所述数据库用于对采集的数据信息和分析结果进行存储，所述数据分析模块用于对用户的购物状态进行分析，对相关人员与用户之间的路径进行最优规划，所述终端反馈模块用于根据分析结果，通过终端设备，向相关人员进行展示与提醒。
进一步的，所述数据采集模块包括基础数据录入单元和图像采集单元，所述基础数据录入单元用于录入公共服务场所的基础数据信息，例如电子地图、货架摆放位置和产品类别等，公共服务场所是指人群经常聚集、供公众使用或服务于***的活动场所，能够为公众提供工作、学习、经济、文化、社交、娱乐、体育、参观、医疗、卫生、休息、旅游和满足部分生活需求所使用的一切公用场所及其设施，包括娱乐场所、商铺和商场门店等，所述图像采集单元用于通过摄像设备，例如公共服务场所现有的安全摄像头等，对用户的图像信息进行采集。
进一步的，所述数据库包括数据存储单元、数据加密单元和数据清理单元，所述数据存储单元通过NoSQL对数据进行存储，NoSQL泛指非关系型的数据库，区别于关系数据库，它们不保证关系数据的ACID特性，具有如下优点：a.易扩展，NoSQL数据库种类繁多，但是一个共同的特点都是去掉关系数据库的关系型特性；b.数据之间无关系，这样就非常容易扩展。无形之间也在架构的层面上带来了可扩展的能力；c.大数据量，高性能，NoSQL数据库都具有非常高的读写性能，尤其在大数据量下，同样表现优秀，这得益于它的无关系性，数据库的结构简单；所述数据加密单元通过RC4算法对数据进行加密，能够有效保证数据安全，RC4算法是流密码，流密码加密过程则是使用初始密钥产生一个伪随机的密码流，连续地处理输入元素序列，通常是用密码流和输入序列做异或运算，产生对应的连续输出序列，而解密过程则是采用和加密过程同样的伪随机流产生器算法对初始密钥产生一个相同的伪随机密码流，与密文序列做异或运算，得到明文序列；RC4算法的密钥长度可变，使用面向字节的操作，有分析指出，RC4算法的密码流周期完全可能大于10100，所述数据清理单元用于在用户离开该公共服务场所后，对数据进行自动清理，节省了数据存储的空间，避免了数据的冗余，提高了***的工作效率。
进一步的，所述数据分析模块包括用户状态分析单元和路径规划单元，所述用户状态分析单元用于根据采集的用户图像信息，对用户的购物状态进行分析，了解用户需要相关人员进行服务的需求迫切程度，相关人员包括导购、销售人员和业务办理人员等，所述路径规划单元用于根据分析的用户需要相关人员进行服务的需求迫切程度，对相关人员与用户之间的最优路径进行规划，能够在购物人数多的时候，提高相关人员的服务效率，给客户带来最佳的购物体验，增强对客户关系的管理和维系，促进了企业的不断发展。
进一步的，所述终端反馈模块包括屏幕显示单元和辅助提示单元，所述屏幕显示单元通过屏幕显示设备，例如手机或电脑等，对相关人员进行实时路径显示，所述辅助提示单元用于通过附加方式，例如警报器音效、音乐声或震动等，对相关人员进行辅助提醒，保证了相关人员能够及时获取分析结果，及时为客户进行服务，促进了对客户关系的管理，即使在客户较多的情况下，相关人员未能看到屏幕显示的信息，也能收到提醒，及时为客户进行服务，防止客户等候太久不耐烦而造成客户流失，提高了相关人员的服务效率。
一种基于CRM的大数据分析方法，包括以下步骤：
S1、采集基础数据信息，通过摄像设备采集用户图像信息，并进行加密存储；
S2、根据采集的图像信息，对用户的购物状态进行分析，得到用户需要相关人员进行服务的需求迫切程度；
S3、根据采集的图像信息和分析的用户需要相关人员进行服务的需求迫切程度，对相关人员与用户之间的最优路径进行规划；
S4、根据分析结果，通过屏幕显示设备向相关人员进行展示，并进行辅助提示。
进一步的，在步骤S2中，通过摄像设备采集用户的面部图像信息，通过OpenCV技术，对用户进行人脸跟踪，通过图像测距技术，对距离进行测量，OpenCV是一个基于Apache2.0许可发行的跨平台计算机视觉和机器学习软件库，可以运行在Linux、Windows、Android和Mac OS操作***上。它轻量级而且高效，由一系列C函数和少量C++类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法；
采集用户的人脸姿态类别为其中n表示为摄像设备编号，t表示为所处时刻，当用户在t时刻，站在某个位置且关注某个特定的产品目标时，通过摄像设备n所拍摄的人脸姿态类别/>是确定的，人脸姿态类别/>受t时刻的注意力目标Mt和人脸位置/>约束，通过下列公式对人脸观测似然度/>进行计算：
其中，表示为人脸观测变量，人脸观测似然度/>表示为人脸观测变量/>由人脸姿态类别/>产生的概率，δ表示为归一化因子，Cγ表示为人脸姿态类别的图像子空间，子空间指的是维度小于等于全空间的部分空间，通过投影，实现高维特征向低维空间的映射，/>表示为人脸图像到该图像子空间的距离，例如图像投影到该子控件时的重构误差等，α2表示为方差；
当客户在注视某样产品时，有可能会继续观看该目标，也有可能会转移到另一个目标，因此需要增强时间的平滑性，通过下列公式对用户相邻时刻不同注意力目标之间的转移概率矩阵P(Mt|Mt-1)进行计算：
其中，Mt表示t时刻用户的注意力目标，Mt-1表示t-1时刻用户的注意力目标，Pf表示为相邻时刻为相同目标时的概率，该值可由相关人员自行设置，通常设Pf的值接近1，M总表示为一共有的产品目标数量；
通过下列公式对联合概率分布P进行计算：
其中，T为数据采集的总时刻，N为摄像设备的总数量，表示为在人脸位置/>处，注意力目标为Mt时人脸姿态类别为人脸姿态类别为/>的概率，通过计数统计法进行计算，用户停留在一个位置可能会注视多种产品，因此存在多种人脸姿态；对用户进行编号，设置联合分布概率持续的时间为t持，数值由大到小进行排序，形成集合R＝{t持1，t持2，…，t持m}，其中m表示为用户编号，t持的数值越大，表示对应的用户需要相关人员进行服务的需求迫切程度越高。
进一步的，在步骤S3中，根据分析的用户需要相关人员进行服务的需求迫切程度，虽然用户处于动态，但是用户在关注商品时不会进行大范围移动，因此可以视为静止状态，实时进行最优路径规划；
实时采集用户的图像信息，将用户位置置于平面坐标系中，该平面坐标系可由相关人员自行设定，例如根据场所实际地形建立平面直角坐标系等，相关人员的位置为起点，位置坐标为(xi，yi)，用户的位置为终点，位置坐标为(xj，yj)，相关人员的位置的相邻节点f的位置坐标为(xk，yk)，形成集合R＝{(x1，y1)，(x2，y2)，…，(xm，ym)}，其中m为相邻节点个数，相邻节点表示相关人员前往用户位置时经过的位置，例如拐角位置等，通过下列公式对用户位置与相邻节点位置之间的曼哈顿距离d1(f)进行计算：
d1(f)＝(xj-xk)+(yj-yk)；
通过下列公式对相关人员位置到达用户位置的路径进行规划：
d(f)＝d1(f)+d2(f)；
其中，d(f)从相关人员位置经过相邻节点位置后到达用户位置的估计距离，d2(f)表示为从相关人员位置到相邻节点位置的实际距离，其他相邻节点计算相同，则最优路径D＝d(f)min；
以用户z为中心点，半径设置为r，构建高维球区域Y，高维空间是一种物理学理论。据90年代提出的M理论，宇宙是十一维的，由震动的平面构成的；包含在高维球区域Y范围内的用户个数为s，通过下列公式对偏移均值S进行计算：
其中，z′表示包含在高维球区域Y范围内的点，将中心点朝向偏移均值的矢量方向移动，则：zt+1＝St+zt；其中，zt表示t时刻的中心，zt+1表示t+1时刻的中心，St表示t时刻的偏移均值；通过下列公式对权重ω进行计算：
其中，h(·)表示为对核函数的倒数求负，核函数是指支持向量机通过某非线性变换，将输入空间映射到高维特征空间，核函数包括线性核函数、多项式核函数、高斯核函数等，θ表示为权重系数。多次操作，对用户进行均值漂移分类，根据分得的每一类进行区域划分，相关人员对对应区域的用户进行服务，有效提高了服务质量，避免存在希求迫切程度相邻的用户间隔太远，难以完全服务或区域用户数量差别较大，相关人员服务不周等情况；在区域中，根据分析的用户需要相关人员进行服务的需求迫切程度，在需求迫切程度相邻的两用户中，需求迫切程度高的用户为第一服务等级，位置为起点，需求迫切程度低的用户为第二服务等级，位置为终点，进行计算，从而得到完整的最优路径；当用户的需求迫切程度降低时，说明该用户可能存在等候不耐烦的情况等，对该用户进行标注，提升该用户的服务等级，以相关人员位置为起点，该用户位置为终点进行路径规划。
进一步的，在步骤S4中，根据分析的结果，通过屏幕显示设备，例如手机或电脑等设备，将最优路径向相关人员进行展示，并通过不同颜色，突出显示不同用户的联合分布概率持续的时间，例如通过红色显示出该用户的需求迫切程度高等，同时进行辅助提示，例如使用震动或声音，即使相关人员未能及时查看显示设备，也能快速收到提醒，避免其他用户久等导致不耐烦，保障了客户关系的管理，提升了相关人员的工作服务效率。
与现有技术相比，本发明所达到的有益效果是：
本发明采集电子地图、货架摆放位置等基础数据信息，通过摄像设备采集用户图像信息，根据采集的信息，对用户的购物状态进行分析，得到用户需要相关人员进行服务的需求迫切程度，并进行排序，便于相关人员快速了解客户是否需要服务，以及等待时间，避免客户等候时间过长造成客户内心不耐烦，避免客户流失造成损失，维系了企业与客户之间的良好关系。对区域进行划分，对区域内的相关人员与用户之间的路径进行最优规划，提高了相关人员的服务质量，避免出现需求迫切程度相邻的用户距离跨度大，相关人员难以及时服务的情况，同时通过终端设备进行展示与提醒，便于相关人员快速到达客户身边为客户进行服务，提高了相关人员的工作服务效率，提高了客户的体验，保障了企业效益。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于CRM的大数据分析***的模块组成示意图；
图2是本发明一种基于CRM的大数据分析方法的步骤流程图；
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-图2，本发明提供技术方案：一种基于CRM的大数据分析***，该大数据分析***包括：数据采集模块、数据库、数据分析模块和终端反馈模块；
所述数据采集模块与数据库相连接，数据库与数据分析模块相连接，数据分析模块与终端反馈模块相连接；
所述数据采集模块用于采集基础数据信息，通过摄像设备采集用户图像信息，数据采集模块包括基础数据录入单元和图像采集单元，所述基础数据录入单元用于录入公共服务场所的基础数据信息，例如电子地图、货架摆放位置和产品类别等，公共服务场所是指人群经常聚集、供公众使用或服务于***的活动场所，能够为公众提供工作、学习、经济、文化、社交、娱乐、体育、参观、医疗、卫生、休息、旅游和满足部分生活需求所使用的一切公用场所及其设施，包括娱乐场所、商铺和商场门店等，所述图像采集单元用于通过摄像设备，例如公共服务场所现有的安全摄像头等，对用户的图像信息进行采集。
所述数据库用于对采集的数据信息和分析结果进行存储，数据库包括数据存储单元、数据加密单元和数据清理单元，所述数据存储单元通过NoSQL对数据进行存储，NoSQL泛指非关系型的数据库，区别于关系数据库，它们不保证关系数据的ACID特性，具有如下优点：a.易扩展，NoSQL数据库种类繁多，但是一个共同的特点都是去掉关系数据库的关系型特性；b.数据之间无关系，这样就非常容易扩展。无形之间也在架构的层面上带来了可扩展的能力；c.大数据量，高性能，NoSQL数据库都具有非常高的读写性能，尤其在大数据量下，同样表现优秀，这得益于它的无关系性，数据库的结构简单；所述数据加密单元通过RC4算法对数据进行加密，能够有效保证数据安全，RC4算法是流密码，流密码加密过程则是使用初始密钥产生一个伪随机的密码流，连续地处理输入元素序列，通常是用密码流和输入序列做异或运算，产生对应的连续输出序列，而解密过程则是采用和加密过程同样的伪随机流产生器算法对初始密钥产生一个相同的伪随机密码流，与密文序列做异或运算，得到明文序列；RC4算法的密钥长度可变，使用面向字节的操作，有分析指出，RC4算法的密码流周期完全可能大于10100，所述数据清理单元用于在用户离开该公共服务场所后，对数据进行自动清理，节省了数据存储的空间，避免了数据的冗余，提高了***的工作效率。
所述数据分析模块用于对用户的购物状态进行分析，对相关人员与用户之间的路径进行最优规划，数据分析模块包括用户状态分析单元和路径规划单元，所述用户状态分析单元用于根据采集的用户图像信息，对用户的购物状态进行分析，了解用户需要相关人员进行服务的需求迫切程度，相关人员包括导购、销售人员和业务办理人员等，所述路径规划单元用于根据分析的用户需要相关人员进行服务的需求迫切程度，对相关人员与用户之间的最优路径进行规划，能够在购物人数多的时候，提高相关人员的服务效率，给客户带来最佳的购物体验，增强对客户关系的管理和维系，促进了企业的不断发展。
所述终端反馈模块用于根据分析结果，通过终端设备，向相关人员进行展示与提醒，终端反馈模块包括屏幕显示单元和辅助提示单元，所述屏幕显示单元通过屏幕显示设备，例如手机或电脑等，对相关人员进行实时路径显示，所述辅助提示单元用于通过附加方式，例如警报器音效、音乐声或震动等，对相关人员进行辅助提醒，保证了相关人员能够及时获取分析结果，及时为客户进行服务，促进了对客户关系的管理，即使在客户较多的情况下，相关人员未能看到屏幕显示的信息，也能收到提醒，及时为客户进行服务，防止客户等候太久不耐烦而造成客户流失，提高了相关人员的服务效率。
一种基于CRM的大数据分析方法，包括以下步骤：
S1、采集基础数据信息，通过摄像设备采集用户图像信息，并进行加密存储；
S2、根据采集的图像信息，对用户的购物状态进行分析，得到用户需要相关人员进行服务的需求迫切程度；
通过摄像设备采集用户的面部图像信息，通过OpenCV技术，对用户进行人脸跟踪，通过图像测距技术，对距离进行测量，OpenCV是一个基于Apache2.0许可发行的跨平台计算机视觉和机器学习软件库，可以运行在Linux、Windows、Android和Mac OS操作***上。它轻量级而且高效，由一系列C函数和少量C++类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法；
采集用户的人脸姿态类别为其中n表示为摄像设备编号，t表示为所处时刻，当用户在t时刻，站在某个位置且关注某个特定的产品目标时，通过摄像设备n所拍摄的人脸姿态类别/>是确定的，人脸姿态类别/>受t时刻的注意力目标Mt和人脸位置/>约束，通过下列公式对人脸观测似然度/>进行计算：
其中，表示为人脸观测变量，人脸观测似然度/>表示为人脸观测变量/>由人脸姿态类别/>产生的概率，δ表示为归一化因子，Cγ表示为人脸姿态类别的图像子空间，子空间指的是维度小于等于全空间的部分空间，通过投影，实现高维特征向低维空间的映射，/>表示为人脸图像到该图像子空间的距离，例如图像投影到该子控件时的重构误差等，α2表示为方差；
当客户在注视某样产品时，有可能会继续观看该目标，也有可能会转移到另一个目标，因此需要增强时间的平滑性，通过下列公式对用户相邻时刻不同注意力目标之间的转移概率矩阵P(Mt|Mt-1)进行计算：
其中，Mt表示t时刻用户的注意力目标，Mt-1表示t-1时刻用户的注意力目标，Pf表示为相邻时刻为相同目标时的概率，该值可由相关人员自行设置，通常设Pf的值接近1，M总表示为一共有的产品目标数量；
通过下列公式对联合概率分布P进行计算：
其中，T为数据采集的总时刻，N为摄像设备的总数量，表示为在人脸位置/>处，注意力目标为Mt时人脸姿态类别为人脸姿态类别为/>的概率，通过计数统计法进行计算，用户停留在一个位置可能会注视多种产品，因此存在多种人脸姿态；对用户进行编号，设置联合分布概率持续的时间为t持，数值由大到小进行排序，形成集合
要相关人员进行服务的需求迫切程度越高。
S3、根据采集的图像信息和分析的用户需要相关人员进行服务的需求迫切程度，对相关人员与用户之间的最优路径进行规划；
根据分析的用户需要相关人员进行服务的需求迫切程度，虽然用户处于动态，但是用户在关注商品时不会进行大范围移动，因此可以视为静止状态，实时进行最优路径规划；
实时采集用户的图像信息，将用户位置置于平面坐标系中，该平面坐标系可由相关人员自行设定，例如根据场所实际地形建立平面直角坐标系等，相关人员的位置为起点，位置坐标为(xi，yi)，用户的位置为终点，位置坐标为(xj，yj)，相关人员的位置的相邻节点f的位置坐标为(xk，yk)，形成集合R＝{(x1，y1)，(x2，y2)，…，(xm，ym)}，其中m为相邻节点个数，相邻节点表示相关人员前往用户位置时经过的位置，例如拐角位置等，通过下列公式对用户位置与相邻节点位置之间的曼哈顿距离d1(f)进行计算：
d1(f)＝(xj-xk)+(yj-yk)；
通过下列公式对相关人员位置到达用户位置的路径进行规划：
d(f)＝d1(f)+d2(f)；
其中，d(f)从相关人员位置经过相邻节点位置后到达用户位置的估计距离，d2(f)表示为从相关人员位置到相邻节点位置的实际距离，其他相邻节点计算相同，则最优路径D＝d(f)min；
以用户z为中心点，半径设置为r，构建高维球区域Y，高维空间是一种物理学理论。据90年代提出的M理论，宇宙是十一维的，由震动的平面构成的；包含在高维球区域Y范围内的用户个数为s，通过下列公式对偏移均值S进行计算：
其中，z′表示包含在高维球区域Y范围内的点，将中心点朝向偏移均值的矢量方向移动，则：zt+1＝St+zt；其中，zt表示t时刻的中心，zt+1表示t+1时刻的中心，St表示t时刻的偏移均值；通过下列公式对权重ω进行计算：
其中，h(·)表示为对核函数的倒数求负，核函数是指支持向量机通过某非线性变换，将输入空间映射到高维特征空间，核函数包括线性核函数、多项式核函数、高斯核函数等，θ表示为权重系数。多次操作，对用户进行均值漂移分类，根据分得的每一类进行区域划分，相关人员对对应区域的用户进行服务，有效提高了服务质量，避免存在希求迫切程度相邻的用户间隔太远，难以完全服务或区域用户数量差别较大，相关人员服务不周等情况；在区域中，根据分析的用户需要相关人员进行服务的需求迫切程度，在需求迫切程度相邻的两用户中，需求迫切程度高的用户为第一服务等级，位置为起点，需求迫切程度低的用户为第二服务等级，位置为终点，进行计算，从而得到完整的最优路径；当用户的需求迫切程度降低时，说明该用户可能存在等候不耐烦的情况等，对该用户进行标注，提升该用户的服务等级，以相关人员位置为起点，该用户位置为终点进行路径规划。
S4、根据分析结果，通过屏幕显示设备向相关人员进行展示，并进行辅助提示。
根据分析的结果，通过屏幕显示设备，例如手机或电脑等设备，将最优路径向相关人员进行展示，并通过不同颜色，突出显示不同用户的联合分布概率持续的时间，例如通过红色显示出该用户的需求迫切程度高等，同时进行辅助提示，例如使用震动或声音，即使相关人员未能及时查看显示设备，也能快速收到提醒，避免其他用户久等导致不耐烦，保障了客户关系的管理，提升了相关人员的工作服务效率。
实施例一：
若相关人员的位置坐标为(1，1)，用户的位置坐标为(8，6)，若存在相邻节点f1的坐标为(2，1)，f2的坐标为(1，4)，f3的坐标为(3，2)，f4的坐标为(5，4)，则：
d1(f1)＝(xj-xk)+(yj-yk)＝11；
d1(f2)＝(xj-xk)+(yj-yk)＝9；
d1(f3)＝(xj-xk)+(yj-yk)＝9；
d1(f4)＝(xj-xk)+(yj-yk)＝5；
若d2(f1)＝1，d2(f2)＝4，d2(f3)＝5，d2(f4)＝11，则：
d(f1)＝d1(f1)+d2(f1)＝12；
d(f2)＝d1(f2)+d2(f2)＝13；
d(f3)＝d1(f3)+d2(f3)＝14；
d(f4)＝d1(f4)+d2(f4)＝16；
此时，d(f1)<d(f2)<d(f3)<d(f4)，此时选择相邻节点f1的路径为最优路径，进行展示。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于CRM的大数据分析方法，其特征在于：包括以下步骤：
S1、采集基础数据信息，通过摄像设备采集用户图像信息，并进行加密存储；
S2、根据采集的图像信息，对用户的购物状态进行分析，得到用户需要相关人员进行服务的需求迫切程度；
S3、根据采集的图像信息和分析的用户需要相关人员进行服务的需求迫切程度，对相关人员与用户之间的最优路径进行规划；
S4、根据分析结果，通过屏幕显示设备向相关人员进行展示，并进行辅助提示；
在步骤S2中，通过摄像设备采集用户的面部图像信息，通过OpenCV技术，对用户进行人脸跟踪，通过图像测距技术，对距离进行测量；
采集用户的人脸姿态类别为其中n表示为摄像设备编号，t表示为所处时刻，通过下列公式对人脸观测似然度/>进行计算：
其中，表示为人脸观测变量，δ表示为归一化因子，Cγ表示为人脸姿态类别的图像子空间，/>表示为人脸图像到该图像子空间的距离，α2表示为方差；
通过下列公式对用户相邻时刻不同注意力目标之间的转移概率矩阵P(Mt|Mt-1)进行计算：
其中，Mt表示t时刻用户的注意力目标，Mt-1表示t-1时刻用户的注意力目标，Pf表示为相邻时刻为相同目标时的概率，M总表示为一共有的产品目标数量；
通过下列公式对联合概率分布P进行计算：
其中，T为数据采集的总时刻，N为摄像设备的总数量，表示为在人脸位置处，注意力目标为Mt时人脸姿态类别为人脸姿态类别为/>的概率，通过计数统计法进行计算；对用户进行编号，设置联合分布概率持续的时间为t持，数值由大到小进行排序，形成集合R＝{t持1，t持2，…，t持m}，其中m表示为用户编号，t持的数值越大，表示对应的用户需要相关人员进行服务的需求迫切程度越高；
在步骤S3中，根据分析的用户需要相关人员进行服务的需求迫切程度，实时进行最优路径规划；
实时采集用户的图像信息，将用户位置置于平面坐标系中，相关人员的位置为起点，位置坐标为(xi，yi)，用户z的位置为终点，位置坐标为(xj，yj)，相关人员的位置的相邻节点f的位置坐标为(xk，yk)，形成集合R＝{(x1，y1)，(x2，y2)，…，(xm，ym)}，其中m为相邻节点个数，通过下列公式对用户位置与相邻节点位置之间的曼哈顿距离d1(f)进行计算：
d1(f)＝(xj-xk)+(yj-yk)；
通过下列公式对相关人员位置到达用户位置的路径进行规划：
d(f)＝d1(f)+d2(f)；
其中，d(f)从相关人员位置经过相邻节点位置后到达用户位置的估计距离，d2(f)表示为从相关人员位置到相邻节点位置的实际距离，其他相邻节点计算相同，则最优路径D＝d(f)min；
以用户z为中心点，半径设置为r，构建高维球区域Y；包含在高维球区域Y范围内的用户个数为s，通过下列公式对偏移均值S进行计算：
其中，z′表示包含在高维球区域Y范围内的点，将中心点朝向偏移均值的矢量方向移动，则：zt+1＝St+zt；其中，zt表示t时刻的中心，zt+1表示t+1时刻的中心，St表示t时刻的偏移均值；通过下列公式对权重ω进行计算：
其中，h(·)表示为对核函数的倒数求负，核函数是指支持向量机通过某非线性变换，将输入空间映射到高维特征空间，核函数包括线性核函数、多项式核函数、高斯核函数，θ表示为权重系数；多次操作，对用户进行均值漂移分类，根据分得的每一类进行区域划分，相关人员对对应区域的用户进行服务；在区域中，根据分析的用户需要相关人员进行服务的需求迫切程度，在需求迫切程度相邻的两用户中，需求迫切程度高的用户为第一服务等级，位置为起点，需求迫切程度低的用户为第二服务等级，位置为终点，进行计算，从而得到完整的最优路径；当用户的需求迫切程度降低时，对该用户进行标注，提升该用户的服务等级，以相关人员位置为起点，该用户位置为终点进行路径规划。
2.根据权利要求1所述的一种基于CRM的大数据分析方法，其特征在于：在步骤S4中，根据分析的结果，通过屏幕显示设备，将最优路径向相关人员进行展示，并通过不同颜色，突出显示不同用户的联合分布概率持续的时间，同时进行辅助提示。
3.一种基于CRM的大数据分析***，应用如权利要求1-2中任一项所述的一种基于CRM的大数据分析方法，其特征在于：该大数据分析***包括：数据采集模块、数据库、数据分析模块和终端反馈模块；
所述数据采集模块与数据库相连接，数据库与数据分析模块相连接，数据分析模块与终端反馈模块相连接；所述数据采集模块用于采集基础数据信息，通过摄像设备采集用户图像信息，所述数据库用于对采集的数据信息和分析结果进行存储，所述数据分析模块用于对用户的购物状态进行分析，对相关人员与用户之间的路径进行最优规划，所述终端反馈模块用于根据分析结果，通过终端设备，向相关人员进行展示与提醒。
4.根据权利要求3所述的一种基于CRM的大数据分析***，其特征在于：所述数据采集模块包括基础数据录入单元和图像采集单元，所述基础数据录入单元用于录入公共服务场所的基础数据信息，所述图像采集单元用于通过摄像设备，对用户的图像信息进行采集。
5.根据权利要求4所述的一种基于CRM的大数据分析***，其特征在于：所述数据库包括数据存储单元、数据加密单元和数据清理单元，所述数据存储单元通过NoSQL对数据进行存储，所述数据加密单元通过RC4算法对数据进行加密，所述数据清理单元用于在用户离开该公共服务场所后，对数据进行自动清理。
6.根据权利要求5所述的一种基于CRM的大数据分析***，其特征在于：所述数据分析模块包括用户状态分析单元和路径规划单元，所述用户状态分析单元用于根据采集的用户图像信息，对用户的购物状态进行分析，了解用户需要相关人员进行服务的需求迫切程度，所述路径规划单元用于根据分析的用户需要相关人员进行服务的需求迫切程度，对相关人员与用户之间的最优路径进行规划。
7.根据权利要求6所述的一种基于CRM的大数据分析***，其特征在于：所述终端反馈模块包括屏幕显示单元和辅助提示单元，所述屏幕显示单元通过屏幕显示设备，对相关人员进行实时路径显示，所述辅助提示单元用于通过附加方式，对相关人员进行辅助提醒。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211715862.3A CN117114694B (zh) | 2022-12-29 | 2022-12-29 | 一种基于crm的大数据分析***及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211715862.3A CN117114694B (zh) | 2022-12-29 | 2022-12-29 | 一种基于crm的大数据分析***及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117114694A CN117114694A (zh) | 2023-11-24 |
| CN117114694B true CN117114694B (zh) | 2024-05-07 |
Family
ID=88809870
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211715862.3A Active CN117114694B (zh) | 2022-12-29 | 2022-12-29 | 一种基于crm的大数据分析***及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117114694B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106921945A (zh) * | 2017-02-22 | 2017-07-04 | 上海斐讯数据通信技术有限公司 | 一种商品的定位导购方法及*** |
| CN111476613A (zh) * | 2020-05-09 | 2020-07-31 | 苏州中仑网络科技有限公司 | 基于客流分析的导购辅助方法及装置、服务器、存储介质 |
| CN111597999A (zh) * | 2020-05-18 | 2020-08-28 | 常州工业职业技术学院 | 一种基于视频检测的4s店销售服务管理方法和*** |
| CN112418994A (zh) * | 2020-11-26 | 2021-02-26 | 珠海格力电器股份有限公司 | 商品的导购方法、装置、电子设备及存储介质 |
| CN113887884A (zh) * | 2021-09-13 | 2022-01-04 | 青岛颐中科技有限公司 | 商超服务*** |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SG10201406215YA (en) * | 2014-09-30 | 2016-04-28 | Mentorica Technology Pte Ltd | Systems and methods for automated data analysis and customer relationship management |
-
2022
- 2022-12-29 CN CN202211715862.3A patent/CN117114694B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106921945A (zh) * | 2017-02-22 | 2017-07-04 | 上海斐讯数据通信技术有限公司 | 一种商品的定位导购方法及*** |
| CN111476613A (zh) * | 2020-05-09 | 2020-07-31 | 苏州中仑网络科技有限公司 | 基于客流分析的导购辅助方法及装置、服务器、存储介质 |
| CN111597999A (zh) * | 2020-05-18 | 2020-08-28 | 常州工业职业技术学院 | 一种基于视频检测的4s店销售服务管理方法和*** |
| CN112418994A (zh) * | 2020-11-26 | 2021-02-26 | 珠海格力电器股份有限公司 | 商品的导购方法、装置、电子设备及存储介质 |
| CN113887884A (zh) * | 2021-09-13 | 2022-01-04 | 青岛颐中科技有限公司 | 商超服务*** |
Non-Patent Citations (1)
| Title |
|---|
| 一种基于动态贝叶斯网的视觉注意力识别方法;董力赓;电子学报;第39卷(第3A期);原文第140-145页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117114694A (zh) | 2023-11-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US12026665B2 (en) | Identifying inventory items using multiple confidence levels | |
| TWI773797B (zh) | 用以追蹤真實空間之區域中的多關節主體之系統，方法及電腦程式產品 | |
| US10127438B1 (en) | Predicting inventory events using semantic diffing | |
| US10133933B1 (en) | Item put and take detection using image recognition | |
| US10055853B1 (en) | Subject identification and tracking using image recognition | |
| JP7228670B2 (ja) | 深層学習を使用したリアルタイム在庫追跡 | |
| Ravnik et al. | Audience measurement of digital signage: Quantitative study in real-world environment using computer vision | |
| US7221367B2 (en) | Queue management system and method | |
| US20130182917A1 (en) | Dynamically presenting information of potential interest to a varying transitory group of individuals scanned by facial recognition in a consumer marketing environment | |
| CN109272393A (zh) | 一种基于区块链技术的商场消费者购物推荐方法及装置 | |
| Ravnik et al. | Interactive and audience adaptive digital signage using real-time computer vision | |
| CN117114694B (zh) | 一种基于crm的大数据分析***及方法 | |
| KR20150034925A (ko) | 매장의 디스플레이 장치를 이용한 광고 방법 및 장치 | |
| CA3056868C (en) | Media content tracking | |
| US20220343404A1 (en) | Method and system for predictive real-time foot traffic analytics | |
| US10109085B2 (en) | Data perspective analysis system and method | |
| Oztaysi et al. | Indoor location tracking technology evaluation by using spherial fuzzy TOPSIS method | |
| JP2001249972A (ja) | 買い回り分析方法および装置 | |
| CN116663951A (zh) | 用户留存数据分析模型构建以及分析方法、装置和设备 | |
| CA3116252A1 (en) | Method and system for predictive real-time foot traffic and contact tracing analytics | |
| CN111145288A (zh) | 一种目标客户虚拟成像方法 | |
| Schwinger | Personal Decision Support Through Mobile Computing |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20240408 Address after: No. 1602, 16th Floor, Unit 2, No. 22, Business Outer Ring Road, Zhengzhou Area (Zhengdong), Henan Pilot Free Trade Zone, Zhengzhou City, Henan Province, 450046 Applicant after: Henan CITIC Big Data Technology Co.,Ltd. Country or region after: China Address before: Building 1, Building E301-65, No. 1 Hagongda Road, Tangjiawan Town, High tech Zone, Zhuhai City, Guangdong Province, 519000 Applicant before: Zhuhai Deep Blue Network Technology Co.,Ltd. Country or region before: China |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |