[发明专利]一种基于多维度大数据的消费者品牌忠诚度分析方法

权利要求书

1.一种基于多维度大数据的消费者品牌忠诚度分析方法，其特征在于，包括步骤：

1）客流统计

智能摄像头抓拍人脸图像并将抓拍到的图像传送至人脸识别服务器，人脸识别服务器将接收到的人脸图像进行统一特征值提取并分配唯一的识别ID，然后将识别ID以及对应的人脸图像反馈给数据处理服务器；由数据处理服务器将各智能摄像头抓拍到的人脸图像推送到其它智能摄像头，实现多个智能摄像头内部人脸库同步；数据处理服务器对同一智能摄像头或不同智能摄像头采集到的相同人脸图像进行去重处理，得到有效的进店人数、有效的进店会员数；

2）统计新购人数及复购人数

POS系统与数据处理服务器通信连接，顾客第一次消费时，POS信息自动导入数据处理服务器，店员从客流统计的人脸图像中选择并点击产生消费的顾客人脸图片，系统自动将消费记录与该人脸图像关联，并默认该顾客成为会员，并分配一个会员ID；同时新购人数统计模块计数一次；

会员再次消费时，系统自动将POS信息与会员人脸图像关联，同时复购人数统计模块计数一次；

3）品牌忠诚度分析

数据处理服务器根据有效的进店人数、有效的进店会员数、新购人数、复购人数信息计算品牌忠诚度。

2.如权利要求1所述基于多维度大数据的消费者品牌忠诚度分析方法，其特征在于：数据处理服务器、人脸识别服务器及各智能摄像头中的人脸库分为工作人员库、会员库和顾客库；其中，智能摄像头中的工作人员库和会员库由人工从人脸识别服务器导入。

3.如权利要求2所述基于多维度大数据的消费者品牌忠诚度分析方法，其特征在于，步骤1）客流统计的具体步骤为：

某一智能摄像头抓拍到的人脸图像

首先从该智能摄像头人脸库的工作人员库开始比对，若发现抓拍到的人脸图像为工作人员，则客流统计被直接终结，工作人员被过滤去重；

若发现抓拍到的人脸图像不是工作人员，则到会员库比对，若发现拍摄到的为会员，在设定时间内发现该会员多次在店内被抓拍到，则去重模块对抓拍到的次数进行过滤去重，客流统计计数模块递增一次会员进入次数；

若发现抓拍到的人脸图像不是会员，则到顾客库对比，若发现是曾经来过的顾客，在设定时间内该顾客多次被抓拍到，则去重模块对多次抓拍到的次数进行过滤去重，客流统计计数模块递增一次顾客进店次数；

若发现抓拍到的人脸图像不是曾经来过的顾客，则客流统计计数模块直接递增一次顾客进店次数，并将该新的顾客人脸图像及识别ID同步推送到其它智能摄像头顾客库。

4.如权利要求1所述基于多维度大数据的消费者品牌忠诚度分析方法，其特征在于：实现多个智能摄像头内部人脸库同步的具体步骤为：任一智能摄像头抓拍到的新的人脸图像均传送至人脸识别服务器，人脸识别服务器对该新的人脸图像分配识别ID，并将该识别ID及对应的人脸图像传送至数据处理服务器，数据处理服务器将该新的识别ID及对应的人脸图像通过人脸同步发送模块同时发送至所有智能摄像头，实现多个智能摄像头内部人脸库同步。

5.如权利要求4所述基于多维度大数据的消费者品牌忠诚度分析方法，其特征在于：所述人脸同步发生模块中设有定时器，在定时器设定时间内如果没有接收到任何一个智能摄像头发回来的接收应答信号后，则会对其进行同步人脸图像重发，一直到收到应答信号为止。

6.如权利要求1所述基于多维度大数据的消费者品牌忠诚度分析方法，其特征在于：所述智能摄像头能够对人脸跟踪、抓拍、特征值提取、识别对比。

7.如权利要求1所述基于多维度大数据的消费者品牌忠诚度分析方法，其特征在于：步骤3）品牌忠诚度分析中，

忠诚度=复购率/复购率参数；

其中，

复购率=统计时间段内复购人数/统计时间段之前的会员人数；

复购率参数通过回归模型获得。

8.如权利要求7所述基于多维度大数据的消费者品牌忠诚度分析方法，其特征在于，所述回归模型为：

销量=进店人数参数*进店人数+新购率参数*新购人数+复购率参数*复购人数+常量。