基于数据挖掘技术的商业管理方法与系统与流程

1.本技术涉及数据分析技术领域，更具体地说，尤其涉及一种基于数据挖掘技术的商业管理方法；尤其还涉及一种基于数据挖掘技术的商业管理系统。


背景技术：

2.随着经济与科学技术的快速发展，在商业领域中，越来越多的企业喜欢利用数据科学等技术对商业经营进行预测分析，随着互联网的飞速发展，无人售卖商店应运而生，是实现消费者的网上购物的一种销售运营模式，通过无人销售商店商品，商家可以合理控制运营成本的同时，也能够吸引着越来越多的用户。然而，在现有技术中，无人售商店中，仍存在营销不精准、缺乏数据支撑的问题。
3.因此，如何提供一种基于数据挖掘技术的商业管理方法，其能够解决无人销售商店面临缺乏数据支撑的问题，有利于实现无人销售商店的精准营销，已经成为本领域技术人员亟待解决的技术问题。


技术实现要素：

4.为解决上述技术问题，本技术提供一种基于数据挖掘技术的商业管理方法，其能够解决无人销售商店面临缺乏数据支撑的问题，有利于实现无人销售商店的精准营销。
5.本技术提供的技术方案如下：
6.本技术提供一种基于数据挖掘技术的商业管理方法，包括：采集无人超市的实时图像数据；解析实时图像数据，通过动作识别模型获取与所述当前用户信息关联的现场行为特征原始数据；获取用户结账指令，识别当前用户信息；根据当前用户信息，从消费大数据服务器中调取用户需求画像；结合所述用户需求画像，对所述现场行为特征原始数据进行修正，得到可信行为特征；结合无人超市产品促销库、所述用户需求画像及所述可信行为特征，生成商品推荐加购方案；在无人超市结算销售终端中显示所述商品推荐加购方案。
7.进一步地，在本发明一种优选的方式中，所述用户需求画像通过对用户消费状态数据分析而得到；所述用户消费状态数据包括线上线下已消费订单数据、线上商品收藏数据、线上商品浏览数据、线上购物车增减数据以及历史线下消费行为特征数据；通过所述线上线下已消费订单数据，分析出用户综合消费取向及近期消费取向；通过所述线上商品收藏数据，分析得出用户未来消费取向；通过所述线上购物车增减数据，分析出用户当前消费关注取向。
8.进一步地，在本发明一种优选的方式中，所述“结合所述用户需求画像，对所述现场行为特征原始数据进行修正，得到可信行为特征”具体为：结合历史线下消费行为特征数据，对所述现场行为特征原始数据进行修正，得到可信行为特征。
9.进一步地，在本发明一种优选的方式中，所述现场行为特征原始数据包括：当前用户移动路径数据、视线注目商品区域数据、触及物品类型数据、面部表情数据；所述当前用户移动路径数据包括用户当前关注商品的第一大类信息、用户性格信息；所述视线注目商
品区域数据包括用户当前关注商品的第二小类信息；所述触及物品类别数据包括用户当前关注商品的第三准确品名信息；所述面部表情数据包括用户对所述第一大类信息、第二小类信息和第三准确品名信息的主观态度，所述主观态度包括喜欢、讨厌、无感觉。
10.进一步地，在本发明一种优选的方式中，所述识别当前用户信息包括：根据所述用户结账指令识别当前用户信息；或通过人脸识别技术，基于所述实时图像数据，获取当前用户信息。
11.进一步地，在本发明一种优选的方式中，还包括：调取无人超市企业后台用户和会员数据，分析所述当前用户信息的用户类型，所述用户类型包括：新用户、非会员老用户、会员老用户。结合所述用户类型，优化所述商品推荐加购方案。
12.进一步地，在本发明一种优选的方式中，针对所述用户类型为新用户和非会员老用户的用户，预设营销方案模板中查找新客户营销方案，并加入到所述商品推荐加购方案中；所述新客户营销方案包括会员推荐，以及根据用户首次结算中购买的物品信息推荐类似产品。
13.进一步地，在本发明一种优选的方式中，针对所述用户类型为会员老用户的用户，确定客户的会员余额、商品偏好、消费金额、会员权益；根据所述客户的会员余额、商品偏好、消费金额、会员权益生成会员营销方案，并加入到所述商品推荐加购方案中。
14.进一步地，在本发明一种优选的方式中，还包括：所述商品推荐加购方案中包括余额翻3倍抵扣定额消费政策；用户在无人超市结算销售终端中选择享受余额翻3倍抵扣定额消费政策；无人超市结算销售终端结合当前用户信息，发送使用指令至服务器；所述服务器生成动态密码，通过与当前用户信息关联的非对称公钥加密所述动态密码得到第一加密数据包，并将第一加密数据包发送至用户手机终端；用户手机终端基于其非对称私钥对第一加密数据包进行解密，显示动态密码；用户将所述动态密码输入至无人超市结算销售终端，完成政策使用。
15.本技术还提供一种基于数据挖掘技术的商业管理系统，该系统包括：用于采集无人超市的实时图像数据第一采集模块；用于解析实时图像数据，通过动作识别模型获取与所述当前用户信息关联的现场行为特征原始数据的第一识别模块；用于获取用户结账指令，识别当前用户信息的第二识别模块；用于根据当前用户信息，从消费大数据服务器中调取用户需求画像，结合所述用户需求画像，对所述现场行为特征原始数据进行修正，得到可信行为特征的第一调用模块；用于结合无人超市产品促销库、所述用户需求画像及所述可信行为特征，生成商品推荐加购方案的第一方案生成模块；用于在无人超市结算销售终端中显示所述商品推荐加购方案的显示模块。
16.本发明提供的一种基于数据挖掘技术的商业管理方法，与现有技术相比，具体包括：采集无人超市的实时图像数据；解析实时图像数据，通过动作识别模型获取与所述当前用户信息关联的现场行为特征原始数据；获取用户结账指令，识别当前用户信息；根据当前用户信息，从消费大数据服务器中调取用户需求画像；结合所述用户需求画像，对所述现场行为特征原始数据进行修正，得到可信行为特征；结合无人超市产品促销库、所述用户需求画像及所述可信行为特征，生成商品推荐加购方案；在无人超市结算销售终端中显示所述商品推荐加购方案。本技术提供的技术方案，能够解决无人销售商店面临缺乏数据支撑的问题，有利于实现无人销售商店的精准营销。
附图说明
17.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
18.图1为本发明实施例提供的基于数据挖掘技术的商业管理方法的流程图；
19.图2为本发明实施例提供的基于数据挖掘技术的商业管理方法的结构逻辑图。
具体实施方式
20.为了使本领域的技术人员更好地理解本技术中的技术方案，下面将结合本技术实施例中的附图对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术的一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
21.需要说明的是，当元件被称为“固定于”或“设置于”另一个元件上，它可以直接在另一个元件上或者间接设置在另一个元件上；当一个元件被称为是“连接于”另一个元件，它可以是直接连接到另一个元件或间接连接至另一个元件上。
22.需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“第一”、“第二”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本技术和简化描述，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技术的限制。
23.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本技术的描述中，“多个”、“若干个”的含义是两个或两个以上，除非另有明确具体的限定。
24.须知，本说明书附图所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本技术可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本技术所能产生的功效及所能达成的目的下，均应仍落在本技术所揭示的技术内容得能涵盖的范围内。
25.请如图1和图2所示，本技术实施例提供的一种基于数据挖掘技术的商业管理方法，包括：采集无人超市的实时图像数据；解析实时图像数据，通过动作识别模型获取与所述当前用户信息关联的现场行为特征原始数据；获取用户结账指令，识别当前用户信息；根据当前用户信息，从消费大数据服务器中调取用户需求画像；结合所述用户需求画像，对所述现场行为特征原始数据进行修正，得到可信行为特征；结合无人超市产品促销库、所述用户需求画像及所述可信行为特征，生成商品推荐加购方案；在无人超市结算销售终端中显示所述商品推荐加购方案。
26.本发明实施例提供一种基于数据挖掘技术的商业管理方法，具体包括：采集无人超市的实时图像数据；解析实时图像数据，通过动作识别模型获取与所述当前用户信息关
联的现场行为特征原始数据；获取用户结账指令，识别当前用户信息；根据当前用户信息，从消费大数据服务器中调取用户需求画像；结合所述用户需求画像，对所述现场行为特征原始数据进行修正，得到可信行为特征；结合无人超市产品促销库、所述用户需求画像及所述可信行为特征，生成商品推荐加购方案；在无人超市结算销售终端中显示所述商品推荐加购方案。本技术提供的技术方案，能够解决无人销售商店面临缺乏数据支撑的问题，有利于实现无人销售商店的精准营销。
27.需要说明的是，通过获取实时图像数据，结合当前用户信息，分析得到用户需求画像；最后根据无人超市产品促销库、所述用户需求画像及所述可信行为特征，生成商品推荐加购方案，进而提高无人超市结算终端增加用户消费的有效性，帮助用户加购需要的产品。
28.具体地，在本发明实施例中，所述用户需求画像通过对用户消费状态数据分析而得到；所述用户消费状态数据包括线上线下已消费订单数据、线上商品收藏数据、线上商品浏览数据、线上购物车增减数据以及历史线下消费行为特征数据；通过所述线上线下已消费订单数据，分析出用户综合消费取向及近期消费取向；通过所述线上商品收藏数据，分析得出用户未来消费取向；通过所述线上购物车增减数据，分析出用户当前消费关注取向。
29.需要说明的是，用户需求画像基于用户的线下消费行为数据以及线上消费行为数据，进而能够提高用户需求画像的准确度。
30.具体地，在本发明实施例中，所述“结合所述用户需求画像，对所述现场行为特征原始数据进行修正，得到可信行为特征”具体为：结合历史线下消费行为特征数据，对所述现场行为特征原始数据进行修正，得到可信行为特征。
31.需要说明的是，通过筛选得到的可信行为特征，能够有效提高商品推荐方案的准确度。
32.具体地，在本发明实施例中，所述现场行为特征原始数据包括：当前用户移动路径数据、视线注目商品区域数据、触及物品类型数据、面部表情数据；所述当前用户移动路径数据包括用户当前关注商品的第一大类信息、用户性格信息；所述视线注目商品区域数据包括用户当前关注商品的第二小类信息；所述触及物品类别数据包括用户当前关注商品的第三准确品名信息；所述面部表情数据包括用户对所述第一大类信息、第二小类信息和第三准确品名信息的主观态度，所述主观态度包括喜欢、讨厌、无感觉。
33.需要说明的是，消费行为特征原始数据中包括大量无效数据，如某些用户在超市中，几乎所有区域都会逛一遍，并不代表其都要选购，因此需要历史线下消费行为特征数据对其进行修正，降低相关商品的推荐权重。
34.具体地，在本发明实施例中，所述识别当前用户信息包括：根据所述用户结账指令识别当前用户信息；或通过人脸识别技术，基于所述实时图像数据，获取当前用户信息。
35.需要说明的是，通过不同的方式获取当前用户信息，提高用户信息获取的准确度。
36.具体地，在本发明实施例中，还包括：调取无人超市企业后台用户&会员数据，分析所述当前用户信息的用户类型，所述用户类型包括：新用户、非会员老用户、会员老用户。结合所述用户类型，优化所述商品推荐加购方案。
37.需要说明的是，区分用户类型有利于设计个性化的商品推荐加购方案。
38.具体地，在本发明实施例中，针对所述用户类型为新用户和非会员老用户的用户，预设营销方案模板中查找新客户营销方案，并加入到所述商品推荐加购方案中；所述新客
户营销方案包括会员推荐，以及根据用户首次结算中购买的物品信息推荐类似产品。
39.需要说明的是，通过会员推荐机制，增加无人超市的会员数量。
40.具体地，在本发明实施例中，针对所述用户类型为会员老用户的用户，确定客户的会员余额、商品偏好、消费金额、会员权益；根据所述客户的会员余额、商品偏好、消费金额、会员权益生成会员营销方案，并加入到所述商品推荐加购方案中。
41.具体地，在本发明实施例中，还包括：所述商品推荐加购方案中包括余额翻3倍抵扣定额消费政策；用户在无人超市结算销售终端中选择享受余额翻3倍抵扣定额消费政策；无人超市结算销售终端结合当前用户信息，发送使用指令至服务器；所述服务器生成动态密码，通过与当前用户信息关联的非对称公钥加密所述动态密码得到第一加密数据包，并将第一加密数据包发送至用户手机终端；用户手机终端基于其非对称私钥对第一加密数据包进行解密，显示动态密码；用户将所述动态密码输入至无人超市结算销售终端，完成政策使用。
42.需要说明的是，用户预存在会员管理系统中的余额代表的是用户的核心权利；设计余额翻倍抵扣政策，能够有效刺激消费；但该政策执行需要获得用户手机终端授权；因此通过动态密码获取用户的主观输入操作，验证成功后，才能享受该政策，保护了用户和无人超市企业的权益。
43.本技术还提供一种基于数据挖掘技术的商业管理系统，该系统包括：用于采集无人超市的实时图像数据第一采集模块；用于解析实时图像数据，通过动作识别模型获取与所述当前用户信息关联的现场行为特征原始数据的第一识别模块；用于获取用户结账指令，识别当前用户信息的第二识别模块；用于根据当前用户信息，从消费大数据服务器中调取用户需求画像，结合所述用户需求画像，对所述现场行为特征原始数据进行修正，得到可信行为特征的第一调用模块；用于结合无人超市产品促销库、所述用户需求画像及所述可信行为特征，生成商品推荐加购方案的第一方案生成模块；用于在无人超市结算销售终端中显示所述商品推荐加购方案的显示模块。
44.对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其他实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。