线下支付用户的识别方法、装置和电子设备制造方法及图纸

本发明专利技术提供了一种线下支付用户的识别方法、装置和电子设备，包括：获取支付订单数据和与各支付订单数据所属时间段对应的支付用户数据；根据各支付订单数据的时间信息对支付订单数据排序，对排序后的支付订单数据进行分类，得到至少一个订单分类结果；在订单分类结果中，基于支付订单数据和其对应的支付用户数据，计算每个人脸账号与其对应的支付订单数据的相关度；根据相关度确定订单分类结果中每个支付订单数据的目标人脸账号。本发明专利技术通过支付订单数据和支付用户数据能够确定得到各支付订单数据的目标支付用户，即能够识别得到各支付订单真正的支付用户，实现了对线下支付用户的有效识别。的有效识别。的有效识别。

【技术实现步骤摘要】
线下支付用户的识别方法、装置和电子设备


[0001]本专利技术涉及数据处理的
，尤其是涉及一种线下支付用户的识别方法、装置和电子设备。

技术介绍

[0002]线下零售的支付用户认定和顾客识别是建立大数据CRM(Customer Relationship Management，客户关系管理)的前提，是门店对顾客进行行为分析(即从顾客进店-浏览-购买的转化漏斗路径分析)的基础一环。不同于线上零售的强会员账号体系，线下零售缺乏有效的会员账号和支付体系，因此，现有技术还无法对线下支付用户进行认定和识别，进而无法打通顾客在店内的行为数据。虽然，支付宝、微信等移动支付方式能够从支付账号体系上提供基础数据支持，并且，部分零售企业也基于微信公众号、小程序构建了自己的移动端应用，从而实现支付时支付用户的认定。但因为微信和支付宝都有各自封闭的体系，相互之间的数据无法关联，用户支付账号仍旧无法打通。
[0003]为了实现支付用户认定和顾客识别，最近，有一些零售公司用自营APP的方式构建了线上线下一体化的客户账号体系，在进行线下支付时，必须使用其对应的移动应用，这就导致必须强制用户使用独立的APP进行支付，客户体验度不高。
[0004]综上，现有技术还无法对线下支付用户进行有效的识别。

技术实现思路

[0005]有鉴于此，本专利技术的目的在于提供一种线下支付用户的识别方法、装置和电子设备，以对线下支付用户进行有效的识别。
[0006]第一方面，本专利技术实施例提供了一种线下支付用户的识别方法，包括：获取预设时间内目标商家的支付订单数据和与各支付订单数据所属时间段对应的支付用户数据；所述支付订单数据包括：时间信息，所述支付用户数据包括：人脸账号；根据各支付订单数据的时间信息对所述支付订单数据排序，并对排序后的支付订单数据进行分类，得到至少一个订单分类结果；所述订单分类结果中至少包括：一个支付订单数据和所述支付订单数据所属时间段对应的支付用户数据；在所述订单分类结果中，基于所述支付订单数据和其对应的支付用户数据，计算所述支付用户数据中每个人脸账号与其对应的支付订单数据的相关度；根据所述相关度确定所述订单分类结果中每个支付订单数据的目标人脸账号，进而得到所述目标商家的各支付订单数据所对应的目标支付用户；所述目标支付用户为所述目标人脸账号所表征的支付用户。
[0007]进一步的，所述支付用户数据还包括：人脸图像，所述人脸图像与所述人脸账号对应，在根据各支付订单数据的时间信息对所述支付订单数据进行排序之后，在对排序后的支付订单数据进行分类之前，所述方法还包括：在所述排序后的支付订单数据中，提取相邻支付订单数据对应的不同人脸账号的人脸图像；将所述人脸图像进行人脸比对；根据比对结果对不同人脸账号进行聚合，得到排序聚合后的支付订单数据和其对应的聚合后的支付
用户数据。
[0008]进一步的，对排序后的支付订单数据进行分类的步骤包括：按照第一预设分类策略对所述排序聚合后的支付订单数据进行分类；所述第一预设分类策略包括：将相邻支付订单数据的时间间隔小于第一预设时间间隔，且相邻支付订单数据对应有相同人脸账号的支付订单数据划分为同一订单分类结果。
[0009]进一步的，所述支付用户数据还包括：移动时间轨迹数据，所述移动时间轨迹数据与所述人脸账号对应，在得到至少一个订单分类结果之后，在计算所述支付用户数据中每个人脸账号与其对应的支付订单数据的相关度之前，所述方法还包括：在所述订单分类结果中，按照轨迹合并规则对每个人脸账号的移动时间轨迹数据进行合并。
[0010]进一步的，按照轨迹合并规则对每个人脸账号的移动时间轨迹数据进行合并的步骤包括：根据所述移动时间轨迹数据的时间，对每个所述人脸账号的移动时间轨迹数据排序，得到每个所述人脸账号的时间轨迹数据队列；在每个所述人脸账号的时间轨迹数据队列中，将移动时间轨迹数据的时间间隔小于第二预设时间间隔的移动时间轨迹数据合并，得到包含排序后的支付订单数据和其对应的轨迹合并后的支付用户数据的订单分类结果。
[0011]进一步的，基于所述支付订单数据和其对应的支付用户数据，计算所述支付用户数据中每个人脸账号与其对应的支付订单数据的相关度的步骤包括：在所述订单分类结果中，基于所述支付订单数据和其对应的支付用户数据，确定所述人脸账号相对其对应的支付订单数据的支付状态时间、与所述支付状态时间对应的人脸面积和轨迹合并后对应的轨迹时间；所述支付状态时间包括：订单时间、订单间隙时间和排队时间；根据所述人脸账号相对其对应的支付订单数据的支付状态时间、与所述支付状态时间对应的人脸面积和所述轨迹时间，分别计算所述人脸账号相对其对应的支付订单数据的订单得分、订单间隙得分和排队得分；根据所述人脸账号相对其对应的支付订单数据的订单得分、订单间隙得分和排队得分，计算每个人脸账号与其对应的支付订单数据的相关度。
[0012]进一步的，根据所述人脸账号相对其对应的支付订单数据的支付状态时间、与所述支付状态时间对应的人脸面积和所述轨迹时间，分别计算所述人脸账号相对其对应的支付订单数据的订单得分、订单间隙得分和排队得分的步骤包括：根据订单得分计算算式计算所述人脸账号相对其对应的支付订单数据的订单得分；pscore表示所述订单得分，t1表示所述订单时间，S
t1
表示与所述订单时间对应的人脸面积，T表示所述轨迹时间；根据订单间隙得分计算算式计算所述人脸账号相对其对应的支付订单数据的订单间隙得分；gscore表示所述订单间隙得分，t2表示所述订单间隙时间，S
t2
表示与所述订单间隙时间对应的人脸面积，T表示所述轨迹时间；根据排队得分计算算式计算所述人脸账号相对其对应的支付订单数据的排队得分；qscore表示所述排队得分，t3表示所述排队时间，S
t3
表示与所述排队时间对应的人脸面积，T表示所述轨迹时间。
[0013]进一步的，根据所述人脸账号相对其对应的支付订单数据的订单得分、订单间隙得分和排队得分，计算每个人脸账号与其对应的支付订单数据的相关度的步骤包括：根据
相关度计算算式V＝pscore+w1*gscore+w2*qscore计算每个人脸账号与其对应的支付订单数据的相关度；V表示所述相关度，pscore表示所述订单得分，gscore表示所述订单间隙得分，qscore表示所述排队得分，w1、w2表示权重系数。
[0014]进一步的，根据所述相关度确定所述订单分类结果中每个支付订单数据的目标人脸账号的步骤包括：在所述订单分类结果中确定当前待处理支付订单数据；在所述订单分类结果中，除之前确定的待处理支付订单数据之外，所述当前待处理支付订单数据对应的人脸账号只有一个，或，所述订单分类结果中，除之前确定的待处理支付订单数据之外，所述当前待处理支付订单数据对应的相关度的方差最大；在所述当前待处理支付订单数据中，将与其相关度最大的人脸账号作为所述当前待处理支付订单数据的目标人脸账号，并将所述目标人脸账号在其它支付订单数据中的相关度设置为预设值，完成对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种线下支付用户的识别方法，其特征在于，包括：获取预设时间内目标商家的支付订单数据和与各支付订单数据所属时间段对应的支付用户数据；所述支付订单数据包括：时间信息，所述支付用户数据包括：人脸账号；根据各支付订单数据的时间信息对所述支付订单数据排序，并对排序后的支付订单数据进行分类，得到至少一个订单分类结果；所述订单分类结果中至少包括：一个支付订单数据和所述支付订单数据所属时间段对应的支付用户数据；在所述订单分类结果中，基于所述支付订单数据和其对应的支付用户数据，计算所述支付用户数据中每个人脸账号与其对应的支付订单数据的相关度；根据所述相关度确定所述订单分类结果中每个支付订单数据的目标人脸账号，进而得到所述目标商家的各支付订单数据所对应的目标支付用户；所述目标支付用户为所述目标人脸账号所表征的支付用户。2.根据权利要求1所述的方法，其特征在于，所述支付用户数据还包括：人脸图像，所述人脸图像与所述人脸账号对应，在根据各支付订单数据的时间信息对所述支付订单数据排序之后，在对排序后的支付订单数据进行分类之前，所述方法还包括：在所述排序后的支付订单数据中，提取相邻支付订单数据对应的不同人脸账号的人脸图像；将所述人脸图像进行人脸比对；根据比对结果对不同人脸账号进行聚合，得到排序聚合后的支付订单数据和其对应的聚合后的支付用户数据。3.根据权利要求2所述的方法，其特征在于，对排序后的支付订单数据进行分类的步骤包括：按照第一预设分类策略对所述排序聚合后的支付订单数据进行分类；所述第一预设分类策略包括：将相邻支付订单数据的时间间隔小于第一预设时间间隔，且相邻支付订单数据对应有相同人脸账号的支付订单数据划分为同一订单分类结果。4.根据权利要求1所述的方法，其特征在于，所述支付用户数据还包括：移动时间轨迹数据，所述移动时间轨迹数据与所述人脸账号对应，在得到至少一个订单分类结果之后，在计算所述支付用户数据中每个人脸账号与其对应的支付订单数据的相关度之前，所述方法还包括：在所述订单分类结果中，按照轨迹合并规则对每个人脸账号的移动时间轨迹数据进行合并。5.根据权利要求4所述的方法，其特征在于，按照轨迹合并规则对每个人脸账号的移动时间轨迹数据进行合并的步骤包括：根据所述移动时间轨迹数据的时间，对每个所述人脸账号的移动时间轨迹数据排序，得到每个所述人脸账号的时间轨迹数据队列；在每个所述人脸账号的时间轨迹数据队列中，将移动时间轨迹数据的时间间隔小于第二预设时间间隔的移动时间轨迹数据合并，得到包含排序后的支付订单数据和其对应的轨迹合并后的支付用户数据的订单分类结果。6.根据权利要求1所述的方法，其特征在于，基于所述支付订单数据和其对应的支付用户数据，计算所述支付用户数据中每个人脸账号与其对应的支付订单数据的相关度的步骤
包括：在所述订单分类结果中，基于所述支付订单数据和其对应的支付用户数据，确定所述人脸账号相对其对应的支付订单数据的支付状态时间、与所述支付状态时间对应的人脸面积和轨迹合并后对应的轨迹时间；所述支付状态时间包括：订单时间、订单间隙时间和排队时间；根据所述人脸账号相对其对应的支付订单数据的支付状态时间、与所述支付状态时间对应的人脸面积和所述轨迹时间，分别计算所述人脸账号相对其对应的支付订单数据的订单得分、订单间隙得分和排队得分；根据所述人脸账号相对其对应的支付订单数据的订单得分、订单间隙得分和排队得分，计算每个人脸账号与其对应的支付订单数据的相关度。7.根据权利要求6所述的方法，其特征在于，根据所述人脸账号相对其对应的支付订单数据的支付状态时间、与所述支付状态时间对应的人脸面积和所述轨迹时间，分别计算所述人脸账号相对其对应的支付订单数据的订单得分、订单间隙得分和排队得分的步骤包括：根据订单得分计算算式计算所述人脸账号相对其对应的支付订单数据的订单得分；pscore表示所述订单得分，t1表示所述订单时间，S
t1
表示与所述订单时间对应的人脸面积，T表示所述轨迹时间；根据订单间隙得分计算算式计算所述人脸账号相对其对应的支付订单数据的订单间隙得分；gscore表示所述订单间隙得分，t2表示所述订单间隙时间，S
t2
表示与所述订单间隙时间对应的人脸面积，T表示所述轨迹时间；根据排队得分计算算式计算所述人脸账号相对其对应的支付订单数据的排队得分；qscore表示所述排队得分，t3表示所述排队时间，S
t3
表示与所述排队时间对应的人脸面积，T表示所述轨迹时间。8.根据权利要求6所述的方法，其特征在于，根据所述人脸账号相对其对应的支付订单数据的订单得分、订单间隙得分和排队得分，计算每个人脸账号与其对应的支付订单数据的相关度的步骤包括：根...

【专利技术属性】
技术研发人员：樊聪，
申请(专利权)人：北京迈格威科技有限公司，
类型：发明
国别省市：