无人零售设备可视化营销方法技术

本发明专利技术提供无人零售设备可视化营销方法，该方法包括：通过视频识别设备进行图像信息收集；通过训练的模型对图像信息进行图像识别与数据分析，获取周边环境信息和用户特征信息；通过周边环境信息和用户特征信息，进行业务策略输出；图像信息收集具体包括：通过视频识别设备，获取周边环境信息和客户信息；视频识别设备的安装位置包括：柜体上方的悬挂臂、集成在显示屏中；周边环境信息包括：人流量、环境概要；客户信息包括：用户的面貌、衣着。本发明专利技术可以快速获得用户的基础个人信息，从而快速精准推测用户喜好的营销方案，通过对客户喜好的预测，从而进行针对性的商品营销策略与商品选品。品。品。

【技术实现步骤摘要】
无人零售设备可视化营销方法


[0001]本专利技术涉及无人零售设备
，具体涉及无人零售设备可视化营销方法。

技术介绍

[0002]当前已有的用户喜好的收集方式为直接方案和间接方案。
[0003]直接方案：无人零售系统或者小程序提供“心愿单”，从而直接获取该用户群的SKU需求信息。
[0004]间接方案：系统可以根据实际销售情况，获取客户群体的商品喜好情况；或者通过系统或小程序询问、收集客户的年龄、职业、零食时间、零食品类等，从而获得相关的需求信息。
[0005]如中国专利CN201910475319.2，该专利技术专利提供了一种无人零售设备，该设备存在不能准确获取用户信息，收集用户信息不及时、信息收集困难的问题，因而无法实施针对性的营销方法。
[0006]因此，现有技术存在不足，需要提供一种新的方法解决上述问题。

技术实现思路

[0007]针对现有技术存在的问题，本专利技术提供无人零售设备可视化营销方法。
[0008]为实现上述目的，本专利技术的具体方案如下：
[0009]本专利技术提供无人零售设备可视化营销方法，该方法包括如下步骤：
[0010]S1，通过视频识别设备进行图像信息收集；
[0011]S2，通过训练的模型对图像信息进行图像识别与数据分析，获取周边环境信息和用户特征信息；
[0012]S3，通过周边环境信息和用户特征信息，进行业务策略输出。
[0013]进一步地，在步骤S1中，图像信息收集具体包括：通过视频识别设备，获取周边环境信息和客户信息；
[0014]视频识别设备的安装位置包括：柜体上方的悬挂臂、集成在显示屏中；
[0015]周边环境信息包括：人流量、环境概要；
[0016]客户信息包括：用户的面貌、衣着。
[0017]注：客户在首次使用无人零售设备时，屏幕会弹出知情许可协议书，其中包括用户信息采集范围及是否同意选项，并要求阅读全文，勾选已明确知晓内容，用户阅读之后，选择同意和授权许可使用，才会进行信息采集，且仅用于用户本人的后续个性化营销，数据进行保密不用于其他用途；
[0018]进一步地，在步骤S2中，训练模型具体包括如下步骤：
[0019]S201，将视频中每一帧图片提取出来，采用相同的参数进行预处理，获取大量环境图片和人脸图片，其中，预处理包括：缩放、裁剪、灰度化、归一化；
[0020]S202，建立CNN模型，确定模型的参数，参数包括：深度、层数、卷积核大小、池化大
小；
[0021]S203，确定训练参数和优化器算法，对模型进行训练，训练参数包括：批量大小、学习率、训练轮数；优化器算法采用：Adam或SGD；
[0022]S204，导入训练数据，对模型进行多轮训练，调整参数，提高模型的准确度；
[0023]S205，通过计算准确率、召回率或者F1
‑
score来评估模型的性能。
[0024]进一步地，在步骤S2中，通过模型进行图像识别与数据分析，具体包括：
[0025]将视频识别设备录制视频输入到模型，模型进行自动化解析与处理：
[0026]对周边环境信息进行分析，获取进一步的信息，包括：环境类型(写字楼，学校等)、人流密度、人流时间分布、设备前停留时间；
[0027]对用户操作的视频进行解析，获取用户特征，包括：性别、年龄范围、衣着风格、颜值；建立客户属性标签，用于进行用户喜好的预测。
[0028]进一步地，在步骤S3中，业务策略输出包括：营销推荐、选品更新、屏幕个性化展示、客流监控。
[0029]进一步地，所述营销推荐是指：
[0030]基于用户信息，形成人物画像，进行商品折扣促销推荐；
[0031]基于个人特征，预测用户喜爱的商品，提供个性化的推荐促销方案；
[0032]其中，个人特征包括：年龄、性别、相貌、衣着。
[0033]进一步地，所述选品更新是指：
[0034]通过场景与人物信息，获取周边场景的信息与客户喜好信息，进行销售量的预测；优化选品方案，提高选品的销量水平；进一步降低运营成本和选品试错成本。
[0035]进一步地，所述屏幕个性化展示是指：
[0036]根据客户图像，在设备屏幕上展示相应的商品个性化促销与券包活动；
[0037]同时进行屏幕自亮与营销视频播放，让促销信息被客户接受。
[0038]进一步地，所述客流监控是指：
[0039]通过对无人零售设备周边进行图像收集，获取周边客流情况，
[0040]通过对销量信息的低下点位进行综合分析，判别是否有资源浪费的风险；进行时段化客流分析，获取不同客流下商品销售水平，从而对选品、营销方案进一步优化。
[0041]采用本专利技术的技术方案，具有以下有益效果：
[0042]本方法可以快速获得用户的基础个人信息，从而快速精准推测用户喜好的营销方案；通过对客户喜好的预测，从而进行针对性的商品营销策略与商品选品。
附图说明
[0043]图1是本专利技术的无人零售设备示意图；
[0044]图2是本专利技术的整体流程图；
[0045]图3是本专利技术的模型训练流程图。
[0046]图中：1、柜体；2、悬挂臂；3、显示屏；4、视频识别设备。
具体实施方式
[0047]下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描
述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。
[0048]在本专利技术的描述中，除非另有明确的规定和限定，术语“相连”、“连接”、“固定”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术中的具体含义。
[0049]在本专利技术中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。
[0050]在本实施例的描述中，术语“上”、“下”、“前”、“后”、“左”、“右”等方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述和简化操作，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术语“第一”、“第二”仅仅用于在描述上加以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.无人零售设备可视化营销方法，其特征在于，该方法包括如下步骤：S1，通过视频识别设备进行图像信息收集；S2，通过训练的模型对图像信息进行图像识别与数据分析，获取周边环境信息和用户特征信息；S3，通过周边环境信息和用户特征信息，进行业务策略输出。2.根据权利要求1所述的无人零售设备可视化营销方法，其特征在于，在步骤S1中，图像信息收集具体包括：通过视频识别设备(4)，获取周边环境信息和客户信息；视频识别设备(4)的安装位置包括：柜体(1)上方的悬挂臂(2)、集成在显示屏(3)中；周边环境信息包括：人流量、环境概要；客户信息包括：用户的面貌、衣着。3.根据权利要求1所述的无人零售设备可视化营销方法，其特征在于，在步骤S2中，训练模型具体包括如下步骤：S201，将视频中每一帧图片提取出来，采用相同的参数进行预处理，获取大量环境图片和人脸图片，其中，预处理包括：缩放、裁剪、灰度化、归一化；S202，建立CNN模型，确定模型的参数，参数包括：深度、层数、卷积核大小、池化大小；S203，确定训练参数和优化器算法，对模型进行训练，训练参数包括：批量大小、学习率、训练轮数；优化器算法采用：Adam或SGD；S204，导入训练数据，对模型进行多轮训练，调整参数，提高模型的准确度；S205，通过计算准确率、召回率或者F1
‑
score来评估模型的性能。4.根据权利要求1所述的无人零售设备可视化营销方法，其特征在于，在步骤S2中，通过模型进行图像识别与数据分析，具体包括：将视频识别设备(4)录制视频输入到模型，模型进行...

【专利技术属性】
技术研发人员：李耀龙，
申请(专利权)人：深圳市丰宜科技有限公司，
类型：发明
国别省市：