[发明专利]一种基于大数据加速分析商品的方法及系统

权利要求书

1.一种基于大数据加速分析商品的方法，其特征在于，所述方法包括：

采集试穿数据和流量数据；

对所述试穿数据和所述流量数据进行有效性验证；

将通过验证的试穿数据和流量数据分配至不同的分析引擎生成用于辅助决策的分析数据，其中，所述分析数据至少包括客流变化数据和销售趋势数据。

2.根据权利要求1所述的基于大数据加速分析商品的方法，其特征在于，所述流量数据包括第一流量数据和第二流量数据，所述采集流量数据包括：

通过摄像头获取用于人流量计数的第一流量数据；

通过红外探测设备获取用于客流计数的第二流量数据；

其中，所述摄像头和所述红外探测装备具有相同的店铺编码。

3.根据权利要求1所述的基于大数据加速分析商品的方法，其特征在于，所述试穿数据包括试穿开始时间和试穿结束时间，所述采集试穿数据包括：

在商品上配置商品标签，其中，所述商品标签至少包括用于标识商品类别的SKU信息和与所述SKU信息具有关联关系的EPC码；

记录扫描所述EPC码的时间信息；

根据预置的参数阈值和所述时间信息确定试穿开始时间和试穿结束时间；

将所述EPC码、试穿开始时间和试穿结束时间形成映射关系存储至EPC列表。

4.根据权利要求3所述的基于大数据加速分析商品的方法，其特征在于，所述分析引擎包括销售分析引擎，将通过验证的试穿数据和流量数据分配至不同的分析引擎生成用于辅助决策的分析数据，包括：

将通过验证的试穿数据分配至销售分析引擎；

获取销售数据；

通过所述销售分析引擎将所述销售数据和试穿数据进行处理生成试穿转化率；

根据预置的平衡条件和所述试穿转化率计算试穿等比因子；

根据所述试穿等比因子和所述试穿数据生成销售趋势热度比率；

通过预置的排序条件对所述销量趋势热度比率进行筛选生成销售趋势分析数据。

5.根据权利要求3所述的基于大数据加速分析商品的方法，其特征在于，所述销售趋势分析数据包括潜在爆款分析数据，所述根据所述试穿等比因子和所述试穿数据生成销售趋势热度比率，包括：

根据统计的不同类别SKU信息的总试穿次数M、试穿转化率R和试穿对比因子P根据如下公式计算生成销售趋势热度比率：

销售趋势热度比率＝M/P+(100-R)；

通过预置的排序条件对所述销量趋势热度比率进行筛选生成潜在爆款分析数据。

6.根据权利要求5所述的基于大数据加速分析商品的方法，其特征在于，所述销售趋势分析数据还包括潜在滞销款分析数据，所述根据所述试穿等比因子和所述试穿数据生成销售趋势热度比率，包括：

根据统计的不同类别SKU信息的总试穿次数M、试穿转化率R和试穿对比因子P根据如下公式计算生成低频试穿低销量热度比率：

销售趋势热度比率＝100-(M/P)+(100-R)；

通过预置的排序条件对所述销量趋势热度比率进行筛选生成潜在滞销款分析数据。

7.根据权利要求3-6任一项所述的基于大数据加速分析商品的方法，其特征在于，所述分析数据还包括商品热度分析数据，所述商品信息包括多个商品特征属性，所述方法还包括：

根据SKU信息将所述试穿数据、所述销售数据和所述商品信息进行分组生成商品类别组；

统计每一商品类别组的试穿数据生成总试穿数据；

根据所述商品特征属性和所述总试穿数据生成每一商品特征属性对应的商品热度分析数据。