一种基于用户位置的数据统计方法和系统与流程

本发明涉及数据统计分析方法和系统，尤其涉及根据移动用户位置数据进行商业数据统计分析的方法和系统。

背景技术

消费者的购物习惯和消费偏好对于商家而言有着重要意义。首先，商家可以针对具体消费者的消费喜好开展有计划的个性化营销，提升营销活动有效性，改善消费者体验；其次，根据大量消费者购物过程中的行为记录数据进行统计分析，获得消费者群体的消费偏好数据，可以对商家调整经营策略、营销计划的制定、确定广告的投放目标等经营活动提供指导和决策依据。

近年来，随着互联网技术的蓬勃发展，电子商务异军突起，网络购物已经成为人们经常使用的购物途径。在电商领域，根据用户消费习惯进行个性化信息推送已经被普遍采用。例如中国专利cn106294882a提出一种数据挖掘方法以及装置，利用访客访问网站的大数据分析访客的行为和价值信息，为互联网商家调整营销策略、优化个性化推荐机制、提升用户体验提供帮助。不过目前实际应用的技术手段较为简单，通常是电商网站记录消费者浏览网页和购买商品的信息，然后将关联商品的信息定向推送给消费者，达到个性化营销效果。

对于实体零售业而言，由于获取消费者群体的消费偏好数据远较网络电商困难，以往只能依靠调查问卷或最终的消费记录来做一些统计分析，难以全面掌握消费者群体的消费习惯数据。近年来业内也在尝试使用移动互联网技术进行这方面的尝试工作，例如中国专利cn106330690a公开了一种基于通信软件应用地图功能进行人数统计的方法，可以利用即时通讯软件中的地图功能，针对特定地点进行人数统计，方便商家对消费者进行人数统计。中国专利cn104820863a提出一种消费者画像生成方法及装置，利用消费者手机接入商场wifi网络获取消费者位置变化和停留时间信息，进行消费者购物偏好的画像，为商场个性化营销提供数据支持。

综上所述，目前市场上无论是电商还是实体零售业，都已经开始使用一些技术手段对消费者的购物习惯和偏好进行数据统计和分析，为开展个性化营销提供支持。但是，目前使用的技术方案还比较简单，无法全面掌握消费者群体的统计特征和每个消费者个体的个性化特征。例如电商通常只是简单地根据消费者近期购物记录推送相关商品信息；上述专利cn106330690a只对特定场所正在使用某种即时通讯应用软件的人数进行统计；上述专利cn104820863a进行消费者画像的前提是消费者手机必须接入商场wifi系统，而且仅仅根据消费者位置信息、停留时间以及关联的商户进行消费习惯分析并不完全准确，得到的画像也不完整。

另一方面，利用用户手机检测周边环境特征信息并上报定位平台，由后者比对用户上报的检测信息和数据库信息，通过匹配算法可以确定用户的位置坐标，尤其是用户在室内场所的精准位置。如专利cn103024659a提出了一种根据用户周边无线信号特征进行室内定位的方案。

本发明针对市场需求和现有技术方案的缺陷，提出一种基于用户位置的数据统计方法和系统，可以为实体商业提供更为准确、完整的消费者购物习惯和偏好统计数据，为实体商业开展线上线下结合的个性化营销提供技术支撑。

技术实现要素：

本发明提出一种基于用户位置的数据统计方法，包括以下步骤：

1)用户终端采集环境特征信息、检测自身运动状态和使用状态，上报定位平台；

2)定位平台根据用户终端上报的环境特征信息计算用户位置坐标，根据用户运动状态信息结合用户位置坐标、手机使用状态和电子地图信息判断用户行为模式；进而进行基于用户位置并由用户行为模式数据校正的数据统计和分析。

上述步骤1)中用户终端采集的环境特征信息指具有位置相关性、随位置变化而变化的一类特征信息或几类特征信息的组合，包括周边无线信号强度和信源的身份标识信息。

上述步骤1)中的用户终端根据内部加速度传感器数据计算终端实时运动状态，所述运动状态包括静止、偶尔晃动、步行以及步行状态下的步频；所述用户终端使用状态指用户是否正在使用手机。

上述步骤2)中的定位平台根据用户终端上报的周边环境特征信息搜索定位数据库，通过匹配算法计算用户的位置；其定位结果包括用户所处的建筑信息、楼层和楼层地图上的位置坐标，其中的建筑信息包括建筑名称、地址、gps或北斗坐标。

上述步骤2)中用户行为模式是指用户当前行为特征以及对身边商铺/商品感兴趣的程度，此程度用一个兴趣评估值来表征，所述用户当前行为特征包括浏览商品、挑选商品、休息等候、餐饮休闲娱乐、步行路过。

上述步骤2)中定位平台判断用户的行为模式包括以下步骤，其结果写入用户数据库：

a)根据用户运动状态信息判断用户是否处于步行状态，如是则进一步判断该用户此时的步频是否超过阈值，所述阈值根据该用户的性别、年龄不同而设置不同数值，如果超过阈值则设置该用户的行为特征为步行路过，兴趣评估值为0；如果没有超过阈值，则设置该用户的行为特征为浏览商品，并转入下面步骤e)；如用户不是处于步行状态，则转入下面步骤b)；

b)在用户处于静止或偶尔晃动等非步行状态下，进一步查询用户当前位置，判断用户是否处于餐饮或休闲娱乐店铺内，如是，则设置该用户的行为特征为就餐休闲娱乐，兴趣评估值为1；否则转入下面步骤c)；

c)根据用户手机姿态和使用状态判断用户是否正在使用手机，如否，则设置用户的行为特征为挑选商品，并转入下面步骤e)；如用户正在使用手机，则转入下面步骤d)；

d)根据用户当前位置，判断是否处于客流通道或休息区，如是则设置该用户的行为特征为休息等候，兴趣评估值为0；否则转入下面步骤e)；

e)根据不同的转入条件，根据以下原则给出数值在0-1范围的用户兴趣评估值：没有使用手机的比正在使用手机的兴趣高，静止或偶尔晃动的比步行的兴趣高；步频越低兴趣越高。

上述定位平台基于用户位置并由用户行为模式数据校正的数据统计和分析周期性定时运行，每次都抓取待统计的用户定位结果原始数据，即上一次结束至本次开始之前累积的原始数据；所述统计周期和定时启动时间由系统配置参数确定。

上述周期运行的基于用户位置并由用户行为模式数据校正的数据统计和分析包括以下步骤：

i)从用户数据库中依次抓取每个用户待统计的有效定位结果，进行下面ii)-iii)的统计；

ii)统计驻留时间元数据：将该用户在同一商场的有效定位结果次数乘以定位周期，结果作为该用户在这个统计周期内在该商场的驻留时间；同样计算在该商场各楼层的驻留时间；将用户驻留时间元数据统计结果保存于用户数据库中，包括该用户id、商场id、进入商场和离开时间、在该商场驻留时间、在各楼层驻留时间；

iii)统计用户关注度元数据：针对每次有效定位结果，在同楼层商户中，计算商户位置坐标和用户位置坐标之间的距离d，如果d≤r则入围，其中r＝a×r0，r0由系统工作参数设定，其大小与楼层商户平均面积s0正相关，而a＝s/s0，s为该商户的面积；查询此时该用户的兴趣评估值，将此兴趣评估值作为该用户对于入围商户的关注度元数据，保存于用户数据库中；

iv)统计商户关注度累加值：将本次统计周期中所有用户的关注度元数据汇总，统计各商户在本次统计周期中获得的用户关注度累加值。

上述周期运行的基于用户位置并由用户行为模式数据校正的数据统计和分析进一步包括：通过用户驻留时间元数据统计用户到访某商场的频次、每次驻留时间长度、每次驻留的起止时间，进而区分用户类型，所述用户类型包括普通消费者和商场工作人员；在统计所述用户关注度元数据和商户关注度累加值时主动过滤非消费者用户。

上述定位平台基于用户位置并由用户行为模式数据校正的数据统计和分析进一步包括根据统计元数据生成指定商场、楼层、商户类型、消费者群体的统计结果，所述统计按照指定时间段进行。

上述指定商场、楼层、商户类型、消费者群体的统计结果包括消费者在商场的平均驻留时间以及各楼层平均驻留时间、按照不同商户类型分别统计的用户关注度排名、每个个体消费者的购物兴趣偏好、按照用户群体统计的购物兴趣偏好、商场客流热力图、商场客流动线图。

本发明还提出一种基于用户位置的数据统计系统，所述系统包括：

1)至少一台用户终端，负责采集环境特征信息、检测自身运动状态和使用状态，上报定位平台；

2)一个定位平台，负责根据用户终端上报的环境特征信息计算用户位置坐标，根据用户运动状态信息结合用户位置坐标、手机使用状态和电子地图信息判断用户行为模式；进而进行基于用户位置并由用户行为模式数据校正的数据统计和分析。

上述用户终端采集环境特征信息、检测自身运动状态和使用状态并上报定位平台的功能在一个sdk内完成；上述定位平台包括定位引擎单元、用户行为模式分析单元、数据库单元和数据统计分析单元。

所述用户终端采集的环境特征信息指具有位置相关性、随位置变化而变化的一类特征信息或几类特征信息的组合，包括周边无线信号强度和信源的身份标识信息。

所述用户终端根据内部加速度传感器数据计算终端实时运动状态，所述运动状态包括静止、偶尔晃动、步行以及步行状态下的步频；所述用户终端使用状态指用户是否正在使用手机。

所述定位平台的定位引擎根据用户终端上报的周边环境特征信息搜索定位数据库，通过匹配算法计算用户的位置；其定位结果包括用户所处的建筑信息、楼层和楼层地图上的位置坐标，其中的建筑信息包括建筑名称、地址、gps或北斗坐标。

所述用户行为模式是指用户当前行为特征以及对身边商铺/商品感兴趣的程度，此程度用一个兴趣评估值来表征，所述用户当前行为特征包括浏览商品、挑选商品、休息等候、餐饮休闲娱乐、步行路过。

所述定位平台判断用户的行为模式在用户行为模式分析单元中完成，包括以下步骤，其结果写入用户数据库：

a)根据用户运动状态信息判断用户是否处于步行状态，如是则进一步判断该用户此时的步频是否超过阈值，所述阈值根据该用户的性别、年龄不同而设置不同数值，如果超过阈值则设置该用户的行为特征为步行路过，兴趣评估值为0；如果没有超过阈值，则设置该用户的行为特征为浏览商品，并转入下面步骤e)；如用户不是处于步行状态，则转入下面步骤b)；

b)在用户处于静止或偶尔晃动等非步行状态下，进一步查询用户当前位置，判断用户是否处于餐饮或休闲娱乐店铺内，如是，则设置该用户的行为特征为就餐休闲娱乐，兴趣评估值为1；否则转入下面步骤c)；

c)根据用户手机姿态和使用状态判断用户是否正在使用手机，如否，则设置用户的行为特征为挑选商品，并转入下面步骤e)；如用户正在使用手机，则转入下面步骤d)；

d)根据用户当前位置，判断是否处于客流通道或休息区，如是则设置该用户的行为特征为休息等候，兴趣评估值为0；否则转入下面步骤e)；

e)根据不同的转入条件，根据以下原则给出数值在0-1范围的用户兴趣评估值：没有使用手机的比正在使用手机的兴趣高，静止或偶尔晃动的比步行的兴趣高；步频越低兴趣越高。

所述定位平台基于用户位置并由用户行为模式校正的数据统计和分析在数据统计分析引擎中完成，所述统计和分析周期性定时运行，每次都抓取待统计的用户定位结果原始数据，即上一次结束至本次开始之前累积的原始数据；所述统计周期和定时启动时间由系统配置参数确定。

所述周期运行的基于用户位置并由用户行为模式校正的数据统计和分析包括以下步骤，其结果写入数据库：

i)从用户数据库中依次抓取每个用户待统计的有效定位结果，进行下面ii)-iii)的统计；

ii)统计驻留时间元数据：将该用户在同一商场的有效定位结果次数乘以定位周期，结果作为该用户在这个统计周期内在该商场的驻留时间；同样计算在该商场各楼层的驻留时间；将用户驻留时间元数据统计结果保存于用户数据库中，包括该用户id、商场id、进入商场和离开时间、在该商场驻留时间、在各楼层驻留时间；

iii)统计用户关注度元数据：针对每次有效定位结果，在同楼层商户中，计算商户位置坐标和用户位置坐标之间的距离d，如果d≤r则入围，其中r＝a×r0，r0由系统工作参数设定，其大小与楼层商户平均面积s0正相关，而a＝s/s0，s为该商户的面积；查询此时该用户的兴趣评估值，将此兴趣评估值作为该用户对于入围商户的关注度元数据，保存于用户数据库中；

iv)统计商户关注度累加值：将本次统计周期中所有用户的关注度元数据汇总，统计各商户在本次统计周期中获得的用户关注度累加值。

根据权利要求20所述的系统，其特征在于，所述周期运行的基于用户位置并由用户行为模式校正的数据统计和分析进一步包括：通过用户驻留时间元数据统计用户到访某商场的频次、每次驻留时间长度、每次驻留的起止时间，进而区分用户类型，所述用户类型包括普通消费者和商场工作人员；在统计所述用户关注度元数据和商户关注度累加值时主动过滤非消费者用户。

所述定位平台基于用户位置并由用户行为模式校正的数据统计和分析进一步包括根据统计元数据生成指定商场、楼层、商户类型、消费者群体的统计结果，所述统计按照指定时间段进行。

所述指定商场、楼层、商户类型、消费者群体的统计结果包括消费者在商场的平均驻留时间以及各楼层平均驻留时间、按照不同商户类型分别统计的用户关注度排名、每个个体消费者的购物兴趣偏好、按照用户群体统计的购物兴趣偏好、商场客流热力图、商场客流动线图。

通过实施本发明，可以为移动营销、精准广告、商场经营提供准确可靠的统计数据和分析结果，为上述行业根据消费者购物偏好开展个性化营销、提高广告投放效果、改善商场经营效率提供数据支撑。

结合附图阅读本发明实施方式的详细描述后，本发明的其他特点和优点将变得更加清楚。

附图说明

图1是本发明一个应用场景的网络架构；

图2是本发明一个实施例的功能框图；

图3是移动终端坐标系示意图；

图4是本发明实施例中定位平台分析用户行为模式的流程图；

图5是本发明实施例中定位平台的功能框图；

图6是本发明实施例给出的商场热力图统计结果示意图。

具体实施方式

下面结合附图详细说明本发明的具体实施方式。

本发明的一个应用场景如图1所示，用户手机101通过移动基站100接入移动网络，使用数据业务接入互联网，进而登录网络侧的业务平台104，并使用其提供的移动互联网服务，该服务通过用户手机中的移动应用102a提供。作为本发明的核心部件之一，定位检测sdk(softwaredevelopmentkit，软件开发工具包)102b内嵌在移动应用102a中，负责采集定位平台103所需的信息并上报给后者。部署在互联网一侧的定位平台103是本发明另一个核心部件，其主要功能是根据102b上报的信息确定用户的实时位置坐标和行为模式，并进而进行数据统计和分析。本领域的技术人员很容易理解：采用此网络架构，定位检测sdk102b可以从定位平台103获取自身的实时定位结果，业务平台104也可以从定平台103获取用户的实时位置和统计数据，因此移动应用102a和业务平台104很容易实现基于用户位置的lbs(locationbasedservice)服务和基于用户位置数据统计的个性化营销服务；由于采用了松耦合的架构，本发明的应用对于移动应用102a和业务平台104并无特殊限定，定位检测sdk102b可以同时嵌入各种不同的移动应用102a中运行，定位平台同样能够以云服务方式向各种业务平台提供用户位置和统计数据查询服务。

本发明一个实施例的功能框图如图2所示。其中，定位检测sdk102b包括环境特征信息检测、运动状态检测和手机状态检测等功能单元；定位平台103包括定位引擎、用户行为模式分析、数据库和数据统计分析引擎等功能单元。

在定位检测sdk102b中，环境特征信息检测单元根据定位平台103下发的工作参数周期性采集用户周边的环境特征信息，并上报定位平台103作为定位计算的依据；运动状态检测单元根据手机101内部的加速度传感器数据计算手机的实时运动状态，如静止、偶尔摆动、步行以及步频和步伐累计等等，手机的这些实时运动状态信息同样也定时上报给定位平台103作为判断用户对身边商铺/商铺感兴趣程度的依据；手机状态检测单元根据手机101内部的加速度传感器和电子罗盘数据获得手机姿态信息，利用手机操作系统提供的api可以获取手机当前的使用状况，如屏幕是否出于活动状态，手机姿态和使用状况信息同样也定时上报给定位平台103作为分析用户行为模式的依据。

上述用户周边的环境特征信息是指具有位置相关性、随位置变化而变化的一类特征信息或几类特征信息的组合，如发明专利cn103024659a提出的周边无线信号强度和信源的身份标识信息。

上述手机运动状态的检测和计算技术在业内已有很多具体应用，如智能手表、手环中的健身计步应用，android和ios市场中的很多步行健身app等。因此为简洁起见，在此不再对其具体实现方案展开详述。

上述手机姿态信息包括手机的方位角度、俯仰角度和翻滚角度。本行业的技术人员容易理解，这三个角度的定义分别是手机y轴在水平面上的投影偏离正北方向的角度、手机围绕x轴的旋转角度、手机围绕y轴的旋转角度；这三个角度的获取也是业内常用技术，如在android系统中，可以通过系统提供的方法getorientation()获得这三个角度的数值。用户在正常竖屏使用手机时，其俯仰角一般在0-90度之间，而翻滚角度较小；如果用户在横屏使用手机时，其俯仰角一般很小，而翻滚角则较大。为便于理解，图3给出了手机坐标系示意图，其中xy平面为水平面，z轴指向天空。

定位平台103中，定位引擎单元根据定位检测sdk102b上报的周边环境特征信息搜索定位数据库，通过匹配算法计算用户的位置。当用户处于室内环境时，其定位结果包括用户所处的建筑信息、楼层和楼层地图上的位置坐标。其中的建筑信息包括建筑名称、地址、gps或北斗坐标等。用户行为模式分析单元根据sdk102b上报的用户运动状态、手机姿态和手机使用状况信息结合用户位置信息和电子地图信息进行智能判断，得出用户当前的行为特征以及对身边商铺/商品感兴趣的程度，此程度用一个兴趣评估值来表征。所述智能判断过程如图4所示：

a)根据用户运动状态信息判断用户是否处于步行状态，如是则进一步判断该用户此时的步频是否超过阈值，所述阈值可根据该用户的性别、年龄不同而设置不同数值，如果超过阈值说明此时用户是步行经过此位置，此时设置该用户的兴趣评估值为0；如果没有超过阈值，则说明用户正在缓步经过此位置，很可能是处于浏览商户/商品的过程中，有可能进一步挑选目标商户/商品，此时转入下面步骤5)；如用户不是处于步行状态，则转入下面步骤2)；

b)在用户处于静止或偶尔晃动等非步行状态下，进一步查询用户当前位置，判断用户是否处于餐饮或休闲娱乐店铺内，如是，则说明用户可能正在就餐或休闲娱乐消费，此时设置该用户的兴趣评估值为1；否则转入下面步骤3)；

c)根据用户手机姿态和使用状态判断用户是否正在使用手机，如否，则说明用户很可能正在仔细观赏、挑选目标商户/商品，此时转入下面步骤5)；如用户正在使用手机，则转入下面步骤4)；

d)根据用户当前位置，判断是否处于客流通道或休息区，如是则说明用户处于休息、等候状态，此时设置该用户的兴趣评估值为0；否则转入下面步骤5)；

e)根据不同的转入条件，给出数值在0-1范围的用户兴趣评估值，原则是没有使用手机的比正在使用手机的兴趣高，静止或偶尔晃动的比步行的兴趣高；步行速度越慢(步频越低)兴趣越高。

数据统计和分析引擎则从数据库抓取原始数据，经统计模型计算得到统计元数据，并进一步汇总分析得出统计结果。

以商场零售业数据统计分析为例，图5进一步给出了本发明的定位平台103的功能框图。定位引擎将用户的定位结果存入用户数据库待查，每条结果记录包括用户身份标识、定位结果明细、定位时间等信息。用户行为模式数据也保存于用户数据库待查，每条记录包括用户身份标识、位置信息、行为特征、兴趣评估值、时间标签等信息。商户数据库保存商场内商户的名称、索引id号、商户类别、店铺面积、店铺在电子地图上的位置坐标等信息。为便于计算机处理，其中的位置坐标在电子地图技术领域通常是指店铺所占地图区块的质心坐标。地图数据库则保存系统业务范围内各商场的楼层电子地图，其中包括楼层布局结构、各商铺位置和所占范围、各商铺名称、洗手间/电梯/扶梯等公共设置位置、室内路网等信息。数据统计和分析引擎根据系统配置的例行任务定时抓取用户数据库中待统计的定位结果，结合相关的用户行为模式数据、地图数据和商户数据，将待统计的原始数据加工成统计元数据，然后根据统计项目和需求将元数据汇总成最终的统计结果。统计元数据和汇总的最终统计结果都保存于统计结果数据库。定位平台103还包括业务接口单元，面向图1所示的第三方业务平台104提供数据查询接口和业务数据同步接口。业务平台104可通过数据查询接口查询自身用户的实时位置信息，以及基于位置的用户相关统计信息和商户相关统计信息；通过业务数据同步接口可完成与定位平台103之间的商户信息同步。业内人士很容易理解，对于一个商场来说，其内部楼层商铺布局结构相对是稳定不变或变化较少的，而每个铺位的商户则会根据经营情况经常发生调整。而作为直接面向商场、商户和消费者用户提供服务的第三方业务平台对于自身业务范围内的商户变化情况更加敏感，因此提供此数据同步功能使得定位平台103能够及时从第三方业务平台104同步获得商户更新信息，从而保证自身的数据统计分析质量。

上述数据统计分析引擎抓取原始数据加工成统计元数据的过程周期性定时运行，每次都抓取待统计的原始数据，即上一次结束至本次开始之前累积的原始数据。所述统计周期和定时启动时间可由系统参数配置，如每天24：00定时启动，进行一次统计。每次统计工作的详细步骤如下：

1)从用户数据库中依次抓取每个用户待统计的有效定位结果，进行下面2)-3)的统计；

2)统计驻留时间元数据：将同一商场的有效定位结果次数乘以定位周期，结果作为该用户在这个统计周期内在该商场的驻留时间；同样可计算在该商场各楼层的驻留时间；将用户驻留时间元数据统计结果保存于用户数据库中，包括该用户id、商场id、进入商场和离开时间、在该商场驻留时间、在各楼层驻留时间等信息；

3)统计用户关注度元数据：针对每次有效定位结果，在同楼层商户中，计算商户位置坐标和用户位置坐标之间的距离d，如果d≤r则入围，其中r＝a×r0，r0由系统工作参数设定，其大小与楼层商户平均面积s0正相关，即楼层商户平均面积越大则r0越大，反之则越小，而a＝s/s0，s为该商户的面积；查询此时该用户的兴趣评估值，将此兴趣评估值作为该用户对于入围商户的关注度元数据，保存于用户数据库中；

4)统计商户关注度累加值：将本次统计周期中所有用户的关注度元数据汇总，统计各商户在本次统计周期中获得的用户关注度累加值。

上述统计元数据中，用户驻留时间元数据可用于进一步区分用户类型。例如，通过用户的商场驻留时间元数据可以统计出其到访某商场的频次、每次驻留时间长度、每次驻留的起止时间波动等，比较这些统计结果很容易区分该用户是逛商场的普通消费者，还是商场本身的工作人员。因为对于普通逛商场的消费者，其到访频次不至于太高(如每周不超过4次)、平均驻留时间不会太长(如不超过5小时)、每次起止时间波动较大且无明显规律；而对于商场工作人员来说，其到访频次高且有很强的规律性、每次驻留时间长且很有规律、每次起止时间同样有明显的规律性。识别出真正的消费者用户后，可在统计上述用户关注度元数据和商户关注度累加值时主动过滤非消费者用户，使得统计数据更加真实可靠。

由于在移动互联网领域，除了涉及购物支付的个人身份、账号、联系方式等信息，用户提供的其它注册信息是无法通过闭环进行真实性验证的，因此应用本身无法区分一个商场内的用户是普通消费者还是商场营业员。如果不加区分地进行数据统计，显然会引入很多不真实的干扰数据。例如一个化妆品柜台的营业员，如果不加区分，基于其位置的统计一定表明她对化妆品有最大的兴趣，而且对自己柜台销售的品牌最感兴趣；而本方面方案通过滤除她在自身工作商场的数据，通过统计她在其它商场作为普通消费者用户的数据，就可以更准确的反映她的购物兴趣偏好。

此外，现代商场内部特别是在百货类商品区域，商户之间并无墙壁、出入门等硬隔断，无论哪种技术对于用户位置的判断总是存在一定的误差，因此通过判断用户处于那个商户店铺“内部”来判断用户对该商户的兴趣，往往会引入很多误差数据。进一步的，即使用户处于商铺外部，也并非说明他对该商铺没有兴趣。假如他正驻足观看商铺橱窗内的商品陈列，就说明他其实是有兴趣的，只不过还没有到进入商铺挑选商品的程度。反之，如果一个用户只是步行路过一个商铺，即使一段时间内位于商铺“内部”，其实并不表示他对该商铺有购物兴趣。本发明通过与商铺面积正相关的距离阈值选择入围商户并通过用户行为模式数据校正则可以更好地反映用户的购物兴趣和偏好。

综上所述，相比于通常仅仅通过用户在某店铺停留时间累积来判断用户对该商户的感兴趣程度，上述通过用户类型过滤和行为模式数据校正的用户关注度元数据更准确可靠，可以更好地反映用户对身边商户的感兴趣程度；据此统计的商户关注度累加值可以更好地反应商户受消费者关注的程度，其数据更真实可靠。另外，本发明方案中特别将正在餐饮、休闲娱乐场所消费的用户挑出来单独处理，也有利于后续针对不同类型商户进行关注度统计比较。这是考虑到将不同类型商户一起比较没有可比性，因为消费者在餐饮、休闲娱乐类商户内消费的持续时间较长，直接比较消费者在一个中餐馆逗留的时间和一个化妆品柜台逗留的时间并不能反映出该消费者对两者的兴趣偏好。

上述统计元数据可按照需求进一步生成按照商场、楼层、商户类型、消费者群体的统计数据，各项统计均可按照指定时间段进行。如某时间段内某商场消费者平均驻留时间以及各楼层平均驻留时间，按照不同商户类型分别统计的用户关注度排名，每个个体消费者的购物兴趣偏好，按照用户群体统计的购物兴趣偏好等。这些统计结果的商业价值是不言而喻的，例如，移动营销运营方可以针对个体用户的购物兴趣偏好开展个性化营销；广告商可以根据用户群体的购物兴趣偏好投放精准广告；商场运营方可以根据商户关注度统计、消费者平均驻留时间等数据调整商场业态组合和商铺布局。此外，根据上述用户定位结果原始数据和统计元数据可以进一步加工成更多的统计结果。例如生成商场客流分布热力图、统计客流动线等等。客流热力图是将一个时间段内所有位于该商场的用户的定位结果叠加在楼层电子地图上并且映射成电子地图上表示客流密度的高亮颜色，某区域叠加的用户密度越大，该区域的颜色越深越亮。当统计的时间段足够小，获得的就是实时热力图。图6是一个商场楼层热力图的示例。将每个用户在商场驻留期间的定位结果按照时间顺序画出轨迹，同一商场大量用户的轨迹叠加就可以分析出该商场的客流动线。有了客流热力图和动线统计数据，商场运营方可以据此优化经营效率，如调整商铺位置、根据商铺位置不同设置不同的单位面积租金等。

在上述发明实施例中，用户手机检测环境特征信息并上报定位平台获取位置信息、检测自身运动状态和手机使用状态等功能集成在一个sdk开发包中。采用此方案的优势是显而易见的，通过将sdk包内嵌在不同的lbs应用中，可以快速增加用户数量和位置数据采集效率，有效积累基于用户位置的统计数据，从而产生商业价值。当然，本行业技术人员很容易理解，上述实施列并不排除通过一个独立app来承载所述sdk的功能。

不脱离本发明的范围和构思，上述数据统计方法和系统可以做出多种改变和变形，很多变化对于本领域的普通技术人员而言是显而易见的。例如，本发明实施例中，用户手机通过移动基站，使用数据业务接入互联网，同样也可以通过任何提供internet接入服务的无线网络接入互联网，例如wifi网络、wimax网络、移动通信网络和无线局域网的演进网络(lte、5g)等等。本发明的思路同样适用于统计广告效果，特别是室内环境的橱窗广告效果，只要判定用户位于广告的有效观赏范围内，再结合用户步行速度、手机使用状况就可以给出用户对此广告的兴趣评估值，通过一段时间的统计就可以得出该广告对用户的吸引程度。

本发明的描述是为了示例而给出的，并不是无遗漏的或者将本发明限于所公开的形式。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。本发明的范围由所附权利要求书确定。