【技術實現步驟摘要】
本專利技術屬于商品推薦，具體是人工智能進店收款推送系統。
技術介紹
1、在當前的零售行業中，收款環節往往被視為交易過程的終點，而忽視了其在商品推薦和優惠推送方面的潛力。傳統的收款系統主要關注于交易的快速完成，而缺乏對顧客購物行為和偏好的深入分析。因此，在收款時向顧客提供個性化的商品推薦和優惠信息方面，現有技術存在明顯的不足。基于此，為了解決上述問題，本專利技術提供了人工智能進店收款推送系統。
技術實現思路
1、為了解決上述方案存在的問題，本專利技術提供了人工智能進店收款推送系統。
2、本專利技術的目的可以通過以下技術方案實現：
3、人工智能進店收款推送系統，包括平臺端和用戶端；
4、所述平臺端包括安裝服務模塊和用戶服務模塊；所述安裝服務模塊用于根據用戶的應用場景服務用戶安裝用戶端；
5、所述用戶服務模塊用于對接各個用戶的用戶端，實時接收所述用戶端的服務需求；根據所述服務需求進行相應的服務處理。
6、進一步地，應用場景包括人工收銀場景和無人收銀場景。
7、所述用戶端包括店鋪信息管理模塊、消費分析模塊和緩沖分析模塊；
8、所述店鋪信息管理模塊用于對用戶店鋪進行信息管理，建立商品信息庫和會員信息庫，所述商品信息庫用于儲存用戶店鋪內銷售的商品信息，所述商品信息包括品牌、商品圖片、價格、生產日期、生產廠家、貨架位置；所述會員信息庫用于儲存用戶店鋪的會員信息，所述會員信息包括賬號、購物記錄、生日，并根據儲存的會
9、進一步地，消費畫像的生成，包括：
10、由平臺方內置目標畫像生成方式，按照所述目標畫像生成方式對所述會員信息進行分析，生成所述會員的消費畫像。
11、進一步地，目標畫像生成方式的確定，包括：
12、采集若干個待選畫像生成方式；建立畫像測試集，所述畫像測試集包括若干個會員模擬信息；通過所述待選畫像生成方式對所述畫像測試集進行分析，生成所述待選畫像生成方式對應的測試畫像；
13、由平臺方預設相應的測評項和測評項對應的測評比重；
14、按照所述測評項對所述測試畫像進行分析，獲得所述測評項對應的測試值；
15、按照測評項對各個測試畫像的測試值進行歸一化處理；將歸一化后的測試值標記為cvi，i表示相應的測評項，i=1、2、……、n，n為測評項的數量；將測評項的測評比重標記為βi；
16、根據畫像評估公式計算對應的畫像篩選值，畫像評估公式為：；
17、式中：hs為畫像篩選值；
18、選擇畫像篩選值最大的待選畫像生成方式作為目標畫像生成方式。
19、所述消費分析模塊用于實時識別消費者的消費賬單，根據所述消費賬單進行推薦分析，獲得所述消費者的推薦商品信息；識別推薦商品信息對應的優惠信息。
20、進一步地，根據消費賬單進行推薦分析，包括：
21、識別消費者的會員信息和消費賬單，獲取用戶商鋪的優惠信息；將獲得的會員信息、消費賬單和優惠信息整合為推薦素材數據；
22、通過平臺方預設的推薦分析模型對推薦素材數據進行分析，確定推薦商品，采集所述推薦商品的推薦商品信息。
23、進一步地，在識別消費者的會員信息過程中，當消費者不是用戶店鋪的會員時，為所述消費者生成相應的會員信息。
24、進一步地，為非會員的消費者生成相應的會員信息，包括：
25、識別會員信息庫內儲存的會員信息，將所述會員信息按照性別和年齡進行分類，形成若干個會員分類；
26、為所述會員分類對設置相應的會員代表信息；根據會員分類和會員代表信息建立非會員匹配庫；
27、獲取消費者的性別和年齡，根據獲取的性別和年齡從非會員匹配庫中匹配對應的會員代表信息，將所述會員代表信息作為所述消費者的會員信息。
28、進一步地，將會員信息按照性別和年齡進行分類，包括：
29、步驟sa1：將會員信息按照性別進行分類，獲得兩個初始分類；
30、識別所述初始分類內相應會員信息對應的年齡，將所述會員信息按照年齡進行分類，獲得若干個單元分類，設置所述單元分類的單元信息，將所述單元分類按照對應年齡從大到小的順序進行排序，獲得第一序列；
31、步驟sa2：定義基準分類和分析分類，所述基準分類為第一序列中排序第一的單元分類；所述分析分類為第一序列中排序第二的單元分類；
32、步驟sa3：根據所述第一序列識別對應的基準分類和分析分類，識別基準分類和分析分類分別對應的單元信息，根據識別的單元信息計算基準分類和分析分類之間的相似度；
33、步驟sa4：當相似度大于閾值x1時，將基準分類和分析分類進行合并，形成新的基準分類，并更新新的基準分類的單元信息；
34、當相似度不大于閾值x1時，將基準分類標記為會員分類，將會員分類從第一序列中剔除，形成新的第一序列；
35、步驟sa5：循環步驟sa3至步驟sa4，直到第一序列中沒有分析分類為止，將剩余的基準分類標記為會員分類，結束分析。
36、所述緩沖分析模塊用于根據推薦商品信息和消費賬單進行緩沖分析，確定消費者的緩沖消費時間，所述緩沖消費時間表示在緩沖消費時間內購買推薦商品還能夠享受相應的優惠信息；識別推薦商品信息對應的優惠信息；將緩沖消費時間和優惠信息補充到消費賬單中；將緩沖消費時間、優惠信息和推薦商品信息在消費者結賬時進行展示。
37、進一步地，根據推薦商品信息和消費賬單進行緩沖分析，包括：
38、根據推薦商品信息和消費賬單識別對應的推薦商品金額和消費金額；根據分析公式計算相應的金額分析值；分析公式為：
39、pk=b1×fp+b2×tp；
40、式中：pk為金額分析值；b1、b2均為比例系數，取值范圍為0<b1<1，0<b2<1；fp為消費金額；tp為推薦商品金額；
41、由平臺方預設緩沖匹配曲線，所述緩沖匹配曲線的橫軸為金額分析值，縱軸為緩沖消費時長；
42、根據計算的金額分析值從所述緩沖匹配曲線中匹配對應的緩沖消費時長，根據緩沖消費時長和結賬時間確定緩沖消費時間。
43、與現有技術相比，本專利技術的有益效果是：
44、本專利技術通過將商品信息和優惠推送無縫集成，使得消費者在支付過程中能夠即時獲取到與所購商品相關的優惠信息。這種即時反饋機制極大地提升了消費者的購物體驗，減少了他們尋找優惠信息的時間和精力；同時將推薦商品信息、緩沖消費時間和優惠信息向消費者進行展示，使得消費者具有在緩沖消費時間內的購物考慮，促使消費者復購，避免因為結款的時間壓力導致消費者不應用優惠信息；同時根據消費者的實際消費情況動態調整緩沖消費時長，便于充分考慮用戶商鋪的效益。
本文檔來自技高網...【技術保護點】
1.人工智能進店收款推送系統，其特征在于，包括平臺端和用戶端；
2.根據權利要求1所述的人工智能進店收款推送系統，其特征在于，應用場景包括人工收銀場景和無人收銀場景。
3.根據權利要求1所述的人工智能進店收款推送系統，其特征在于，消費畫像的生成，包括：
4.根據權利要求3所述的人工智能進店收款推送系統，其特征在于，目標畫像生成方式的確定，包括：
5.根據權利要求1所述的人工智能進店收款推送系統，其特征在于，根據消費賬單進行推薦分析，包括：
6.根據權利要求5所述的人工智能進店收款推送系統，其特征在于，在識別消費者的會員信息過程中，當消費者不是用戶店鋪的會員時，為所述消費者生成相應的會員信息。
7.根據權利要求6所述的人工智能進店收款推送系統，其特征在于，為非會員的消費者生成相應的會員信息，包括：
8.根據權利要求7所述的人工智能進店收款推送系統，其特征在于，將會員信息按照性別和年齡進行分類，包括：
9.根據權利要求1所述的人工智能進店收款推送系統，其特征在于，根據推薦商品信息和消費賬單
...【技術特征摘要】
1.人工智能進店收款推送系統，其特征在于，包括平臺端和用戶端；
2.根據權利要求1所述的人工智能進店收款推送系統，其特征在于，應用場景包括人工收銀場景和無人收銀場景。
3.根據權利要求1所述的人工智能進店收款推送系統，其特征在于，消費畫像的生成，包括：
4.根據權利要求3所述的人工智能進店收款推送系統，其特征在于，目標畫像生成方式的確定，包括：
5.根據權利要求1所述的人工智能進店收款推送系統，其特征在于，根據消費賬單進行推薦分析，包括：
6....
【專利技術屬性】
技術研發人員：袁道紅，
申請(專利權)人：北京未來鏈技術有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。