一种基于顾客特征与行为预测新品的推荐方法及系统技术方案

本发明专利技术公开了一种基于顾客特征与行为预测新品的推荐方法及系统涉及消费数据分析技术领域，解决了在传统的零售消费领域，线下实体店不能够准确的为顾客推广新的产品，也不能完全知道消费的消费喜好的技术问题。方法包括以下步骤：1.数据获取：2.顾客行为预测：3.新品推荐，4.更新历史记录。本发明专利技术通过采集顾客的面部信息以及穿着，并结合顾客的说话语音，对顾客进行分类，并对不同分类的顾客进行新品接收程度的判断，为顾客提供新品的推广，提高新品的推广效率。品的推广效率。品的推广效率。

【技术实现步骤摘要】
一种基于顾客特征与行为预测新品的推荐方法及系统


[0001]本专利技术涉及消费数据分析
，更具体地，涉及一种基于顾客特征与行为预测新品的推荐方法及系统。

技术介绍

[0002]现有的线下实体店售卖形式基本采用传统的售卖形式，通过柜台或者展位的模式将商品展示出来，由顾客自行选取心仪的商品。这种实体店售卖形式不能掌握顾客的消费信息，也不能够对顾客的消费行为进行分析，导致在传统的零售消费领域，线下实体店不能够准确的为顾客推广新的产品，也不能完全了解者的消费喜好。在产品的推广过程中，会造成很大的阻碍，不利于新上市产品的销售和推广。
[0003]如果能通过顾客的外貌特征以及说话特征，判定顾客对新品的接收程度，从而有针对性的推广新品，将会提高新品的推广效率。

技术实现思路

[0004]本专利技术提供了一种基于顾客特征与行为预测新品的推荐方法及系统的新技术方案，解决了在传统的零售消费领域，线下实体店不能够准确的为顾客推广新的产品，也不能完全知道消费的消费喜好的技术问题。
[0005]一种基于顾客特征与行为预测新品的推荐方法，该方法包括如下步骤：
[0006]步骤一：采集顾客的体貌特征、面部表情、对话信息的一种或几种特征，并采集零售终端的地理位置；同时通过上述特征和零售终端的历史记录判定顾客是否有过购买经历；呈现商品，获取顾客关注的图案、颜色和包装；将顾客的体貌特征和/或面部表情读写进入人脸数据库，计算并生成面部识别矩阵，将面部识别矩阵二维化投影特征空间，确定识别的样本类别；
[0007]步骤二：根据步骤一采集的特征信息利用图像识别算法预测顾客的性别、年龄、职业；并根据预测结果、历史购买记录和关注信息对顾客的消费偏好和新品的接受程度进行评估；
[0008]步骤三：结合所述新品的品牌定位、价格定位、销售区域定位、目标人群定位，与顾客的消费偏好和新品的接受程度进行匹配，按匹配度由高到低排列出新品信息，在零售终端上进行显示，供顾客选择；
[0009]步骤四：更新零售终端的历史纪录，实现一种基于顾客特征与行为预测新品的推荐方法。
[0010]优选的，所述步骤一的类别为是否有过购买经历。
[0011]优选的，所述的步骤二的评估方法包括：通过对顾客的体貌特征和面部表情，将顾客对新品接收程度分为多个等级；根据预测结果，结合对话信息、历史数据和顾客关注的商品包装、图案、颜色，评估顾客的消费偏好、新品接受度。
[0012]优选的，所述步骤三包括：通过步骤二计算出的顾客新品接收程度指数模型，对顾
客进行分类，为不同的顾客按照其新品接收程度，进行不同新品的推广；将顾客新品接收程度指数模型与新品类型对应起来，顾客新品接收程度指数高的顾客对应推广全新的新品，为顾客精确推广更新程度不同的新品。
[0013]一种基于顾客识别与行为预测的新品推荐系统，所述的系统包括：
[0014]用于商品推广和售卖的智能售卖终端；
[0015]用于智能售卖终端数据和后台服务器数据双向传输的数据传输模块；
[0016]用于将智能售卖终端采集的顾客数据进行存储和策略选择模型进行计算与匹配的后台服务器；
[0017]所述的智能售卖终端通过数据传输模块与后台服务器连接。
[0018]优选的，所述后台服务器采用云计算服务器。
[0019]优选的，所述后台服务器包括：处理器和存储器；所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现所述的基于顾客识别与行为预测的新品推荐方法。
[0020]有益效果：本专利技术通过智能售卖终端采集顾客的信息，并对信息进行相应的处理和计算，建立一套推广产品方法，能够更为精准的评估顾客新品接收的程度，为顾客推广新产品，达到顾客和新品双赢的目的。
[0021]通过以下参照附图对本专利技术的示例性实施例的详细描述，本专利技术的其它特征及其优点将会变得清楚。
附图说明
[0022]被结合在说明书中并构成说明书的一部分的附图示出了本专利技术的实施例，并且连同其说明一起用于解释本专利技术的原理。
[0023]图1为本专利技术一种基于顾客特征与行为预测新品的推荐方法具体流程图；
[0024]图2为本专利技术人脸识别流程图。
具体实施方式
[0025]现在将参照附图来详细描述本专利技术的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本专利技术的范围。
[0026]以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本专利技术及其应用或使用的任何限制。
[0027]对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
[0028]在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。
[0029]如图1所示，一种基于顾客特征与行为预测新品的推荐方法，该方法包括如下步骤：
[0030]步骤一：通过安装在智能售卖终端的摄像头采集顾客的体貌特征，例如发型、穿戴、性别等，面部表情、是否有过购买记录，对话信息的一种或几种特征，并采集零售终端的
地理位置；同时通过上述特征和零售终端的历史记录判定顾客是否有过购买经历；呈现商品，获取顾客关注的图案、颜色和包装；将顾客的体貌特征和/或面部表情读写进入人脸数据库，计算并生成面部识别矩阵，将面部识别矩阵二维化投影特征空间，确定识别的样本类别；也就是判断顾客是否有过购买经历。
[0031]具体为：步骤一
‑
A：如图2所示，人脸数据库为一个训练集，而读写进入人脸数据库需要对比的样本图像的集合为一个测试集，用测试集与训练集进行对比得出结果，归一化的图像呈现出N
×
N的数列，将N
×
N的数列连接以形成2N维向量值。所以2N维向量值其可以被视为2N维空间中的一个点，并且可以通过K
‑
L变换由低维子空间来描述。
[0032]计算K
‑
L变换生成矩阵，以获得图像本身的值和向量。假设人脸数据库包含由向量表示的图像X1,X2,...X
N
(向量维定义为L)，则平均面部图像如公式：
[0033][0034]由此可得到每幅图像的均差：
[0035]X
i
′
＝X
i
‑
X
ave
,i＝1,2,...,N
ꢀꢀ
(2)；
[0036]可计算协方差矩阵，如下：
[0037][0038]计算协方差矩阵C的特征值λ
k
和对应特征向量μ
k
。为了减小运算量，现将每幅图像的均差形成一个矩阵，如下：
[0039]X
′
＝[X1′
,X
′本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于顾客特征与行为预测新品的推荐方法，其特征在于，该方法包括如下步骤：步骤一：采集顾客的体貌特征、面部表情、对话信息的一种或几种特征，并采集零售终端的地理位置；同时通过上述特征和零售终端的历史记录判定顾客是否有过购买经历；呈现商品，获取顾客关注的图案、颜色和包装；将顾客的体貌特征和/或面部表情读写进入人脸数据库，计算并生成面部识别矩阵，将面部识别矩阵二维化投影特征空间，确定识别的样本类别；步骤二：根据步骤一采集的特征信息利用图像识别算法预测顾客的性别、年龄、职业；并根据预测结果、历史购买记录和关注信息对顾客的消费偏好和新品的接受程度进行评估；步骤三：结合所述新品的品牌定位、价格定位、销售区域定位、目标人群定位，与顾客的消费偏好和新品的接受程度进行匹配，按匹配度由高到低排列出新品信息，在零售终端上进行显示，供顾客选择；步骤四：更新零售终端的历史纪录，实现一种基于顾客特征与行为预测新品的推荐方法。2.根据权利要求1所述的一种基于顾客特征与行为预测新品的推荐方法，其特征在于，步骤一所述的类别为是否有过购买经历。3.根据权利要求1所述的一种基于顾客特征与行为预测新品的推荐方法，其特征在于，所述的步骤二的评估方法包括：通过对顾客的体貌特征和面部表情，将顾客对新品接收程度分为多个等级；根据预测结果，结合对话信息、历...

【专利技术属性】
技术研发人员：蒲雪松，郭梁，周家贤，马宗泽，曾建新，陈勇，曹渊，李中华，郑磊，刘霄鹏，
申请(专利权)人：云南中烟工业有限责任公司，
类型：发明
国别省市：