[发明专利]一种基于用户画像的双线购物追踪系统及方法在审

专利信息
申请号: 202010616481.4 申请日: 2020-06-30
公开(公告)号: CN111784396A 公开(公告)日: 2020-10-16
发明(设计)人: 谷江文;邓凤云 申请(专利权)人: 广东奥园奥买家电子商务有限公司
主分类号: G06Q30/02 分类号: G06Q30/02;G06Q30/06;G06N3/02
代理公司: 广州帮专高智知识产权代理事务所(特殊普通合伙) 44674 代理人: 胡洋
地址: 511458 广东省*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 用户 画像 双线 购物 追踪 系统 方法
【权利要求书】:

1.一种基于用户画像的双线购物追踪系统,其特征在于,包括:

智能摄像头;用于获取客户图像;

店铺管理系统;用于门店店铺收银及管理线下购物者;

云端数据中心;用于云端管理用户数据及生成用户画像;

任一门店的所述智能摄像头采集客户图像和/或线下浏览轨迹,所述智能摄像头将所述客户图像和/或所述线下浏览轨迹上传至所述门店的店铺管理系统,所述店铺管理系统识别购物者身份,并获取或新建用户FaceID,所述店铺管理系统将所述用户FaceID和/或线下浏览轨迹上传至所述云端数据中心,所述云端数据中心依据云端存储的用户数据及所述用户FaceID生成用户画像;

当任一门店再次采集到同一客户图像时,所述云端数据中心将最近一次更新的所述用户画像传送至所述店铺管理系统且通过显示终端显示。

2.根据权利要求1所述的基于用户画像的双线购物追踪系统,其特征在于:

所述用户画像包括客户图像、会员标签、浏览记录、推荐商品及推荐活动;

所述客户图像、所述会员标签、所述浏览记录由所述云端数据中心整理后生成,所述推荐商品及所述推荐活动由所述云端数据中心的购物追踪模型生成。

3.根据权利要求2所述的基于用户画像的双线购物追踪系统,其特征在于:

所述购物追踪模型配置为神经网络深度学习模型;

所述神经网络深度学习模型的输入层包含由基本信息、人物特征、浏览轨迹、订单数据组成的多个输入节点,所述神经网络深度学习模型的输出层包含由活跃度、贡献度、积分等级、付费意愿、商品偏好以及活动偏好组成的多个输出节点;

所述云端数据中心依据所述活跃度、所述贡献度、所述积分等级、所述付费意愿、所述商品偏好以及所述活动偏好匹配所述推荐商品及所述推荐活动。

4.根据权利要求1所述的基于用户画像的双线购物追踪系统,其特征在于:

还包括线上购物平台;

所述线上购物平台与所述云端数据中心网络连接;

安装有所述线上购物平台客户端的智能终端采集客户图像和/或线上浏览轨迹,所述线上购物平台将客户图像和/或线上浏览轨迹、线上订单数据上传至所述云端数据中心,所述云端数据中心更新用户画像。

5.根据权利要求4所述的基于用户画像的双线购物追踪系统,其特征在于:

当所述店铺管理系统或者所述线上购物平台网络连接的智能终端识别购物者身份时,应先将采集的客户图像上传至云端数据中心,所述云端数据中心核实购物者的注册状态,若所述购物者为已注册用户,则推送用户画像至所述店铺管理系统或者所述智能终端,若所述购物者为未注册用户,再先新建用户FaceID,再推送用户画像至所述店铺管理系统或者所述智能终端。

6.根据权利要求5所述的基于用户画像的双线购物追踪系统,其特征在于对于未注册用户,新建用户FaceID后通过所述店铺管理系统或者所述线上购物平台网络连接的智能终端进行身份认证及补填基本信息。

7.根据权利要求1所述的基于用户画像的双线购物追踪系统,其特征在于:

所述智能摄像头包括第一摄像头及第二摄像头;

所述第一摄像头用于记录已注册用户的到访信息;

所述第二摄像头用于客户图像的采集及购物者身份的认证;

所述第一摄像头布置在任一所述门店的店门口,所述第二摄像头布置在任一所述门店的收银机一侧,所述第一摄像头、所述第二摄像头采集的客户图像信息均上传至所述店铺管理系统。

8.根据权利要求7所述的基于用户画像的双线购物追踪系统,其特征在于:

所述智能摄像头还包括第三摄像头;

所述第三摄像头布置于任一所述门店的货架上方,用于获取购物者的线下浏览轨迹,并将所述线下浏览轨迹上传至所述店铺管理系统。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东奥园奥买家电子商务有限公司,未经广东奥园奥买家电子商务有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010616481.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top