CN117252618A - 一种基于消费场景大数据的用户消费分析方法和装置 - Google Patents
一种基于消费场景大数据的用户消费分析方法和装置 Download PDFInfo
- Publication number
- CN117252618A CN117252618A CN202311232175.0A CN202311232175A CN117252618A CN 117252618 A CN117252618 A CN 117252618A CN 202311232175 A CN202311232175 A CN 202311232175A CN 117252618 A CN117252618 A CN 117252618A
- Authority
- CN
- China
- Prior art keywords
- data
- consumption
- product
- user
- consumer
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 14
- 238000005070 sampling Methods 0.000 claims description 25
- 238000000034 method Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 11
- 235000003166 Opuntia robusta Nutrition 0.000 claims description 6
- 244000218514 Opuntia robusta Species 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 239000003086 colorant Substances 0.000 claims description 3
- 235000013305 food Nutrition 0.000 description 17
- 230000006870 function Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 235000015219 food category Nutrition 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 230000003287 optical 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于消费场景大数据的用户消费分析方法,通过获取用户群体中每个用户的单次消费品类数据,并根据每个用户的单次消费品类数据得到每个用户的品类组合的销量数据,进而得到用户群体的品类组合的销量数据,通过品类组合的销量数据就可以得到该用户群体通常会将哪些品类进行组合消费,经营者可以将该些品类放在相近的地方进行销售,提高用户在消费其中一样品类的时候消费该品类搭配的另一品类的几率。因此该品类组合的销量数据能够提供给经营者更多用户消费维度的数据,让经营者能够据此制定出更加优质的经营策略。
Description
技术领域
本发明涉及用户消费大数据领域,尤其涉及一种基于消费场景大数据的用户分析方法和装置。
背景技术
当前对于餐饮消费场景来说,尤其是消费者自助选择菜品的场景下,对于用户消费分析还停留在用户消费水平这个单一的维度分析,该方式仅能分析用户群体分布在哪些消费金额层次,难以帮助经营者根据消费者的数据来精确调整相关经营策略。
发明内容
本发明的目的旨在提供一种基于消费场景大数据的用户消费分析方法,用以解决目前餐饮消费场景下的数据分析方式滞后的问题。
为了实现上述目的,本发明提供以下技术方案:
本申请第一方面提供了一种基于消费场景大数据的用户消费分析方法,包括:
获取用户群体的消费数据,所述消费数据包括用户的单次消费品类数据;
根据所述单次消费品类数据得到所述用户群体的消费习惯数据,所述消费习惯数据包括品类组合的销量数据。
在其中一实施例中,所述获取用户群体的消费数据,包括:
当前用户进行结账时,扫描餐盘获取消费图像;
获取所述消费图像中的容器的数量和色彩数据;
根据所述容器的数量和色彩数据得到所述当前用户的单次消费品类数据;所述容器的不同色彩数据对应不同的消费品类;
其中,全部的所述单次消费品类数据构成所述用户群体的消费数据。
在其中一实施例中,所述获取所述消费图像中的容器的容量和色彩数据,包括:
获取所述消费图像中的所有满足预设图形轮廓的目标图形,根据所述目标图形的数量确定所述容器的数量;
获取所述目标图形中每个容器的色彩数据,所述色彩数据与所述容器相关联。
在其中一实施例中,所述根据所述容器的数量和色彩数据得到所述当前用户的单次消费品类数据,包括:
将每个容器的色彩数据与预设色彩进行比较,从而将每个容器归类到对应的品类,得到第一品类数据;
根据预设的品类分类规则和所述第一品类数据,得到所述当前用户的消费品类和对应的品类数量;
根据所述当前用户的消费品类和对应的品类数量,得到所述当前用户的品类组合数据。
在其中一实施例中,所述当前用户的品类组合数据包括第一组合数据和第二组合数据;所述第一组合数据由共存的两个品类的数据构成;所述第二组合数据由共存的三个品类的数据构成。
在其中一实施例中,所述获取所述目标图形中每个容器的色彩数据,包括:
获取所述目标图形中的每个容器的采样轮廓;
对所述采样轮廓进行色彩数据采集。
在其中一实施例中,所述根据所述单次消费品类数据得到所述用户群体的消费习惯数据,包括:
根据所述单次消费品类数据得到总的消费品类数据;
将所述总的消费品类数据进行归类,得到所述品类组合的销量数据;
根据所述品类组的销量数据,得到所述用户群体的消费习惯数据。
在其中一实施例中,还包括:
根据所述用户群体的消费习惯数据,调整品类的搭配;将当前的所述消费习惯标记为第一消费习惯;
获取用户群体的第二消费习惯数据,将所述第二消费习惯数据与所述第一消费习惯数据进行比对,若数据误差小于或等于预设的值,则不再根据第二消费习惯数据调整品类的搭配;若数据误差大于预设的值,则根据第二消费习惯数据调整品类的搭配;直至第N消费习惯数据与第N-1消费习惯数据的误差小于预设的值。
本申请第二方面提供了一种基于消费场景大数据的用户消费装置,包括:
数据获取模块,用于获取用户群体的消费数据,所述消费数据包括用户的单次消费品类数据;
分析模块,用于根据所述单次消费品类数据得到所述用户群体的消费习惯数据,所述消费习惯数据包括品类组合的销量数据。
本申请第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上列任一项所述的方法。
相比现有技术,本发明的方案具有以下优点:
在本发明中,通过获取用户群体中每个用户的单次消费品类数据,并根据每个用户的单次消费品类数据得到每个用户的品类组合的销量数据,进而得到用户群体的品类组合的销量数据,通过品类组合的销量数据就可以得到该用户群体通常会将哪些品类进行组合消费,经营者可以将该些品类放在相近的地方进行销售,提高用户在消费其中一样品类的时候消费该品类搭配的另一品类的几率。因此该品类组合的销量数据能够提供给经营者更多用户消费维度的数据,让经营者能够据此制定出更加优质的经营策略。并且,相对于传统的只得到单项品类的消费数据,经营者只能知道哪些品类卖得好,从而增加该些品类的供给量,而无法通过其中的一些品类带动另一些品类的销量。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本发明的基于消费场景大数据的用户消费分析方法的流程框图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非特意声明,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、零/部件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、零/部件、组件和/或它们的组。应该理解,当我们称零/部件被“连接”到另一零/部件时,它可以直接连接到其他零/部件,或者也可以存在中间零/部件。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
如图1所示,本发明本申请第一方面提供了一种基于消费场景大数据的用户消费分析方法,包括步骤S100和S200。
S100、获取用户群体的消费数据,所述消费数据包括用户的单次消费品类数据。
S200、根据所述单次消费品类数据得到所述用户群体的消费习惯数据,所述消费习惯数据包括品类组合的销量数据。
在本实施例中,通过获取用户群体中每个用户的单次消费品类数据,并根据每个用户的单次消费品类数据得到每个用户的品类组合的销量数据,进而得到用户群体的品类组合的销量数据,通过品类组合的销量数据就可以得到该用户群体通常会将哪些品类进行组合消费,经营者可以将该些品类放在相近的地方进行销售,提高用户在消费其中一样品类的时候消费该品类搭配的另一品类的几率。因此该品类组合的销量数据能够提供给经营者更多用户消费维度的数据,让经营者能够据此制定出更加优质的经营策略。并且,相对于传统的只得到单项品类的消费数据,经营者只能知道哪些品类卖得好,从而增加该些品类的供给量,而无法通过其中的一些品类带动另一些品类的销量。
在其中一实施例中,所述获取用户群体的消费数据,包括:
当前用户进行结账时,扫描餐盘获取消费图像;
获取所述消费图像中的容器的数量和色彩数据;
根据所述容器的数量和色彩数据得到所述当前用户的单次消费品类数据;所述容器的不同色彩数据对应不同的消费品类;
其中,全部的所述单次消费品类数据构成所述用户群体的消费数据。
在本实施例中,当用户进行结账时,将装有食物品类的餐盘放置在有图像获取装置覆盖的区域内,图像获取装置通过扫描/摄像对餐盘进行图样采集,从而获取到消费图像。然后通过对消费图像进行图像分析,得到消费图像中的装有食物的容器数量数据以及容器的色彩数据,再根据容器的数量数据和色彩数据得到当前用户的本次消费的品类数据。容器的每种色彩代表了一种消费品类,因此通过获取容器的数量和色彩数据,能够获取到餐盘上有哪些食物品类以及各种食物品类分别有多少,从而准确获取到当前用户的单次消费品类数据。另外,通过容器的色彩数据来对应食物品类,相对于通过容器的形状来对应食物品类,增加了对应的品类数量。因为容器的形状受限于其承载食物的可行性和制造和存储的难度,使得容器的形状无法有很多种,从而限制其对应品类的数量,而通过色彩数据来对应品类而不会受限于此,这样使得容器的形状可以完全由装载食物的可行性和制造存储难度决定,降低了容器的成本,并且色彩数据可以通过RGB三种数据来决定,其排雷组合的数量庞大,完全能够满足品类数量的要求。
在其中一实施例中,所述获取所述消费图像中的容器的容量和色彩数据,包括:
获取所述消费图像中的所有满足预设图形轮廓的目标图形,根据所述目标图形的数量确定所述容器的数量;
获取所述目标图形中每个容器的色彩数据,所述色彩数据与所述容器相关联。
在本实施例中,将预设的图形轮廓与消费图像中的图形进行比较,满足预设图形轮廓的为目标图形,统计目标图形的数量,并将目标图形的数量作为容器的数量;同时获取所有目标图形的色彩数据,从而得到所有容器的色彩数据,并且将色彩数据与容器相关联,使得每个容器都其自身对应的色彩数据。基于此,还可以通过容器的形状和色彩数据共同对应食物品类,增加对应食物品类的数量。例如A形状和A色彩数据对应第一食物品类,A形状和B色彩数据对应第二食物品类,B形状和A色彩数据对应第三食品品类。
在其中一实施例中,所述根据所述容器的数量和色彩数据得到所述当前用户的单次消费品类数据,包括:
将每个容器的色彩数据与预设色彩进行比较,从而将每个容器归类到对应的品类,得到第一品类数据;
根据预设的品类分类规则和所述第一品类数据,得到所述当前用户的消费品类和对应的品类数量;
根据所述当前用户的消费品类和对应的品类数量,得到所述当前用户的品类组合数据。
在本实施例中,将获取到的容器的色彩数据与预设色彩进行比较,当处于预设色彩的范围内,则将该容器归类到该预设色彩对应的品类,从而得到所有容器对应品类的第一品类数据;例如A预设色彩对应第一品类,B预设色彩对应第二品类,C预设色彩对应第三品类;第一容器的色彩数据处于A预设色彩的范围范围内,则将第一容器归类到第一品类;第二容器的色彩数据处于C预设色彩的范围范围内,则将第二容器归类到第三品类,依次类推,得到全部容器对应的品类,从而得到第一品类数据。进而根据预设的品类分类规则,得到当前用户的消费品类都有哪些,而且这些消费品类的数量对应有多少个。在进一步,将当前用户的消费品类和对应的品类数据的数据,得到当前用户的品类组合数据,例如将品类两个为一组分类,和将品类三个为一组分类,以此得到当前用户两个一组和三个一组的品类组合数据;具体比如当前用户消费了品类A、品类B、品类C,则得到的品类组合数据为,两个一组的:品类AB、品类BC、品类AC;三个一组的品类ABC。
在其中一实施例中,所述当前用户的品类组合数据包括第一组合数据和第二组合数据;所述第一组合数据由共存的两个品类的数据构成;所述第二组合数据由共存的三个品类的数据构成。
在其中一实施例中,所述获取所述目标图形中每个容器的色彩数据,包括:
获取所述目标图形中的每个容器的采样轮廓;
对所述采样轮廓进行色彩数据采集。
在本实施例中,对目标图形进行图像识别,获取目标图形中的每个闭合图像,将闭合图像与预设的容器轮廓进行比较,当差值在预设的阈值内,则认定该闭合图像属于待采集的容器,再获取该待采集的容器的采样轮廓数据,以此类推得到目标图形中所有容器的采样轮廓。然后对每个容器的采样轮廓的位置进行色彩数据采集,从而得到每个容器对应的色彩数据。采样轮廓设定为容器的边缘,例如容器是圆碗,将采样轮廓设定为圆碗的圆环边。
进一步,因为容器里面是用来承装食物的,食物本身是存在颜色的,而且可能存在少量的食物会沾到容器的采样轮廓区域,从而影响到采集到的数据,因此采集到容器的色彩之后,对采集到的色彩数据进行剔除。具体地,先将所有的色彩数据进行求和然后取平均值,然后将每个采样点的色彩数据与平均值进行比较,当差值大于预设的值,则认定这些采样点存在采样误差,将全部存在采样误差的采样点进行剔除,然后将剔除剩下后的采样点作为最终的色彩数据。前述做法提高了色彩数据的采样准确定,有效避免了部分采样点因为食物的原因导致数据异常,从而导致最终的色彩数据不准确,导致后续品类的归类错误的问题。例如采样点设置有15个,存在采样误差的采样点数量有3个,则将该3个采样点进行剔除,将剩下的12个采样点的数据作为最终的色彩数据。
在其中一实施例中,所述根据所述单次消费品类数据得到所述用户群体的消费习惯数据,包括:
根据所述单次消费品类数据得到总的消费品类数据;
将所述总的消费品类数据进行归类,得到所述品类组合的销量数据;
根据所述品类组的销量数据,得到所述用户群体的消费习惯数据。
在本实施例中,统计所有用户的单次消费品类数据,从而得到总的消费品类数据,然后将总的消费品类数据进行归类,就可以得到品类组合的销量数据,例如得到品类组合的销量排行数据,这些数据可以知道哪些品类是用户群体经常一起购买的,这样就能得到用户群体的消费习惯数据。进而后续能够根据用户群体的消费习惯数据,调整品类的搭配,例如将组合品类销量高的品类调整摆放在相近的位置,提高用户同时购买该组合品类的概率。
在其中一实施例中,还包括:
根据所述用户群体的消费习惯数据,调整品类的搭配。
在本实施例中,调整完品类的搭配之后,再次重复上列的步骤,得到按用户群体的第二消费习惯数据,将该第二消费习惯数据与第一消费习惯数据进行比对,若数据误差小于或等于预设的值,则不再根据第二消费习惯数据调整品类的搭配;若数据误差大于预设的值,则根据第二消费习惯数据调整品类的搭配;重复上述行为,直至第N消费习惯数据与第N-1消费习惯数据的误差小于预设的值。因为调整品类的搭配之后,一些本来不是放在相近位置的食物品类因为其他的食物品类的位置调整而会放在了一起,这可能会导致用户群体的消费习惯数据出现一些无法事先预测的变化,或者用户群体近期因为其他因素而改变了消费习惯,因此将近两次的消费习惯数据进行比较,从而决定当前的品类搭配是否为当前最优搭配,若不是则调整。
第一消费习惯数据与第二消费习惯数据的对比,可以对比发生销量排名变化的品类组合数量占比多少,然后将该占比与预设的占比进行比较,若该占比小于预设的占比,则认定数据误差小于或等于预设的值;若占比大于预设的占比,则认定数据误差大于预设的值。例如统计销量排名的品类组合有20款,设定发生销量排名变化的品类组合数量的占比为20%,则实际发生销量排名变化的品类组合小于等于4款时,认定数据误差小于或等于预设的占比。
本申请第二方面提供了一种基于消费场景大数据的用户消费装置,包括:
数据获取模块,用于获取用户群体的消费数据,所述消费数据包括用户的单次消费品类数据;
分析模块,用于根据所述单次消费品类数据得到所述用户群体的消费习惯数据,所述消费习惯数据包括品类组合的销量数据。
本申请第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上列任一项所述的方法。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能元件、电路的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能元件、电路完成,即将所述电路的内部结构划分成不同的功能元件或电路,以完成以上描述的全部或者部分功能。实施例中的各功能元件、电路可以集成在一个处理元件中,也可以是各个元件单独物理存在,也可以两个或两个以上元件集成在一个元件中,上述集成的元件既可以采用硬件的形式实现,也可以采用软件功能元件的形式实现。另外,各功能元件、电路的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述***中元件、电路的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在整个说明书中对“各种实施方式”、“在实施方式中”、“一个实施方式”或“实施方式”等的引用意为关于实施方式所述的特定特征、结构或特性被包括在至少一个实施方式中。因此,短语“在各种实施方式中”、“在一些实施方式中”、“在一个实施方式中”或“在实施方式中”等在整个说明书中的适当地方的出现并不一定都指同一实施方式。此外,特定特征、结构或特性可以在一个或多个实施方式中以任何适当的方式组合。因此,关于一个实施方式示出或描述的特定特征、结构或特性可全部或部分地与一个或多个其它实施方式的特征、结构或特性进行组合,而没有假定这样的组合不是不合逻辑的或无功能的限制。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的元件及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的电路/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的电路/终端设备实施例仅仅是示意性的,例如,所述电路或元件的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个元件或电路可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,电路或元件的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的元件可以是或者也可以不是物理上分开的,作为元件显示的部件可以是或者也可以不是物理元件,即可以位于一个地方,或者也可以分布到多个网络元件上。可以根据实际的需要选择其中的部分或者全部元件来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能元件可以集成在一个处理元件中,也可以是各个元件单独物理存在,也可以两个或两个以上元件集成在一个元件中。上述集成的元件既可以采用硬件的形式实现,也可以采用软件功能元件的形式实现。
本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
所述集成的电路/元件如果以软件功能元件的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或电路、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述仅是本发明的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种基于消费场景大数据的用户消费分析方法,其特征在于,包括:
获取用户群体的消费数据,所述消费数据包括用户的单次消费品类数据;
根据所述单次消费品类数据得到所述用户群体的消费习惯数据,所述消费习惯数据包括品类组合的销量数据。
2.如权利要求1所述的方法,其特征在于,所述获取用户群体的消费数据,包括:
当前用户进行结账时,扫描餐盘获取消费图像;
获取所述消费图像中的容器的数量和色彩数据;
根据所述容器的数量和色彩数据得到所述当前用户的单次消费品类数据;所述容器的不同色彩数据对应不同的消费品类;
其中,全部的所述单次消费品类数据构成所述用户群体的消费数据。
3.如权利要求2所述的方法,其特征在于,所述获取所述消费图像中的容器的容量和色彩数据,包括:
获取所述消费图像中的所有满足预设图形轮廓的目标图形,根据所述目标图形的数量确定所述容器的数量;
获取所述目标图形中每个容器的色彩数据,所述色彩数据与所述容器相关联。
4.如权利要求3所述的方法,其特征在于,所述根据所述容器的数量和色彩数据得到所述当前用户的单次消费品类数据,包括:
将每个容器的色彩数据与预设色彩进行比较,从而将每个容器归类到对应的品类,得到第一品类数据;
根据预设的品类分类规则和所述第一品类数据,得到所述当前用户的消费品类和对应的品类数量;
根据所述当前用户的消费品类和对应的品类数量,得到所述当前用户的品类组合数据。
5.如权利要求4所述的方法,其特征在于,所述当前用户的品类组合数据包括第一组合数据和第二组合数据;所述第一组合数据由共存的两个品类的数据构成;所述第二组合数据由共存的三个品类的数据构成。
6.如权利要求3所述的方法,其特征在于,所述获取所述目标图形中每个容器的色彩数据,包括:
获取所述目标图形中的每个容器的采样轮廓;
对所述采样轮廓进行色彩数据采集。
7.如权利要求1所述的方法,其特征在于,所述根据所述单次消费品类数据得到所述用户群体的消费习惯数据,包括:
根据所述单次消费品类数据得到总的消费品类数据;
将所述总的消费品类数据进行归类,得到所述品类组合的销量数据;
根据所述品类组的销量数据,得到所述用户群体的消费习惯数据。
8.如权利要求1所述的方法,其特征在于,还包括:
根据所述用户群体的消费习惯数据,调整品类的搭配;将当前的所述消费习惯标记为第一消费习惯;
获取用户群体的第二消费习惯数据,将所述第二消费习惯数据与所述第一消费习惯数据进行比对,若数据误差小于或等于预设的值,则不再根据第二消费习惯数据调整品类的搭配;若数据误差大于预设的值,则根据第二消费习惯数据调整品类的搭配;直至第N消费习惯数据与第N-1消费习惯数据的误差小于预设的值。
9.一种基于消费场景大数据的用户消费装置,其特征在于,包括:
数据获取模块,用于获取用户群体的消费数据,所述消费数据包括用户的单次消费品类数据;
分析模块,用于根据所述单次消费品类数据得到所述用户群体的消费习惯数据,所述消费习惯数据包括品类组合的销量数据。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311232175.0A CN117252618A (zh) | 2023-09-21 | 2023-09-21 | 一种基于消费场景大数据的用户消费分析方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311232175.0A CN117252618A (zh) | 2023-09-21 | 2023-09-21 | 一种基于消费场景大数据的用户消费分析方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117252618A true CN117252618A (zh) | 2023-12-19 |
Family
ID=89125960
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311232175.0A Pending CN117252618A (zh) | 2023-09-21 | 2023-09-21 | 一种基于消费场景大数据的用户消费分析方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117252618A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105205769A (zh) * | 2015-09-28 | 2015-12-30 | 廖健伟 | 一种基于智能食堂配餐***的数据挖掘方法 |
CN110889784A (zh) * | 2019-11-20 | 2020-03-17 | 西安同瑞恒达电子科技有限公司 | 无人自助餐厅*** |
CN112687372A (zh) * | 2020-12-28 | 2021-04-20 | 珠海市魅族科技有限公司 | 饮食摄取监控方法、装置、电子设备及存储介质 |
-
2023
- 2023-09-21 CN CN202311232175.0A patent/CN117252618A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105205769A (zh) * | 2015-09-28 | 2015-12-30 | 廖健伟 | 一种基于智能食堂配餐***的数据挖掘方法 |
CN110889784A (zh) * | 2019-11-20 | 2020-03-17 | 西安同瑞恒达电子科技有限公司 | 无人自助餐厅*** |
CN112687372A (zh) * | 2020-12-28 | 2021-04-20 | 珠海市魅族科技有限公司 | 饮食摄取监控方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
张震宇;汪洋;张家龙;: "基于OpenCV的餐厅自动化结算研究", 浙江科技学院学报, no. 3, 30 June 2017 (2017-06-30), pages 189 - 194 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chavolla et al. | Color spaces advantages and disadvantages in image color clustering segmentation | |
US11636696B2 (en) | Identifying regions of interest from whole slide images | |
Yang et al. | An initialization method based on hybrid distance for k-means algorithm | |
US9672226B2 (en) | Method to identify an object and a system for doing the same | |
CN108038500B (zh) | 聚类方法、装置、计算机设备、存储介质和程序产品 | |
CN110245687B (zh) | 用户分类方法以及装置 | |
CN108616900A (zh) | 一种室内外测量报告的区分方法及网络设备 | |
CN110322520A (zh) | 图像主色提取方法、装置、电子设备及存储介质 | |
Seaborn et al. | Fuzzy colour category map for the measurement of colour similarity and dissimilarity | |
CN109903210B (zh) | 水印的去除方法、装置和服务器 | |
CN111445304B (zh) | 信息推荐方法、装置、计算机设备及存储介质 | |
CN112288724A (zh) | 缺陷检测方法及装置、电子设备和存储介质 | |
CN107909569A (zh) | 一种花屏检测方法、花屏检测装置及电子设备 | |
CN109785162A (zh) | 医保异常检测方法、装置、设备和计算机存储介质 | |
CN107807730B (zh) | 应用清理方法、装置、存储介质及电子设备 | |
CN109903265A (zh) | 一种图像变化区域侦测阀值设定方法、***及其电子装置 | |
CN108764067A (zh) | 基于人脸识别的视频截取方法、终端、设备及可读介质 | |
CN113515544B (zh) | 一种数据属性查询方法及数据属性查询装置 | |
CN111540014A (zh) | 位置关系的确定方法及装置、存储介质、电子装置 | |
Wong et al. | Dominant color image retrieval using merged histogram | |
CN117252618A (zh) | 一种基于消费场景大数据的用户消费分析方法和装置 | |
CN112016621B (zh) | 分类模型的训练方法、颜色的分类方法及电子设备 | |
Black et al. | Red Dragon: a redshift-evolving Gaussian mixture model for galaxies | |
CN113297977B (zh) | 活体检测方法、装置及电子设备 | |
Yuan et al. | Image segmentation based on modified superpixel segmentation and spectral clustering |
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 |