基于视频行为分析的线下鞋服店库存营销方法及相关组件

技术领域

本发明涉及物联网技术领域，特别涉及一种基于视频行为分析的线下鞋服店库存营销方法及相关组件。

背景技术

在电商时代，线下鞋服店，由于具有获客成本低、产品质量可验证和现场可体验等优势，仍然占据了很大的比重。消费者进入附近实体鞋服店铺，可以观察并分析所需产品的质量，甚至直接试穿中意款式。最终有些消费者选择下单购买并带走衣服，有些消费者却选择放弃，衣服被继续积压在仓库，因此线下店铺每天有大量有价值的消费者信息没被挖掘。与此同时，随着消费者需求变化的速度和种类剧增，鞋服店较高的库存率导致企业成本升高。

传统店铺营销方式，一方面，没有有效的消费者营销手段，导致消费者留存率低，品牌忠实度和影响力小，进而导致商店利润低；另一方面，已有鞋服库存的处理，并未有效利用线下消费者的行为信息，导致库存促销方法很被动、效率低。

发明内容

本发明实施例提供了一种基于视频行为分析的线下鞋服店库存营销方法及相关组件，旨在解决店铺库存的问题。

第一方面，本发明实施例提供了一种基于视频行为分析的线下鞋服店库存营销方法，包括：

利用头像识别算法识别消费者是否为会员；

若是会员，则识别消费者的进店试穿行为，并根据所述进店试穿行为更新当前消费者的试穿列表，其中所述试穿列表包括试穿商品及试穿次数；

判断消费者是否下单；

若下单，则获取消费者的消费总额，并判断所述消费总额是否大于预设值，其中所述消费总额为本次下单消费及历史下单消费的总和；

若所述消费总额大于预设值，则将所述试穿列表中试穿次数排名第一的目标商品信息输入营销模型进行折扣计算，输出目标商品的折扣信息，并将折扣信息推送到消费者。

第二方面，本发明实施例提供了一种基于视频行为分析的线下鞋服店库存营销装置，包括：

第一识别单元，用于利用头像识别算法识别消费者是否为会员；

第二识别单元，用于若是会员，则识别消费者的进店试穿行为，并根据所述进店试穿行为更新当前消费者的试穿列表，其中所述试穿列表包括试穿商品及试穿次数；

第一判断单元，用于判断消费者是否下单；

第二判断单元，用于若下单，则获取消费者的消费总额，并判断所述消费总额是否大于预设值，其中所述消费总额为本次下单消费及历史下单消费的总和；

计算单元，用于若所述消费总额大于预设值，则将所述试穿列表中试穿次数排名第一的目标商品信息输入营销模型进行折扣计算，输出目标商品的折扣信息，并将折扣信息推送到消费者。

第三方面，本发明实施例提供了一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的基于视频行为分析的线下鞋服店库存营销方法。

第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的基于视频行为分析的线下鞋服店库存营销方法。

本发明实施例公开了一种基于视频行为分析的线下鞋服店库存营销方法及相关组件，该方法包括：利用头像识别算法识别消费者是否为会员；若是会员，则识别消费者的进店试穿行为，并根据所述进店试穿行为更新当前消费者的试穿列表，其中所述试穿列表包括试穿商品及试穿次数；判断消费者是否下单；若下单，则获取消费者的消费总额，并判断所述消费总额是否大于预设值，其中所述消费总额为本次下单消费及历史下单消费的总和；若所述消费总额大于预设值，则将所述试穿列表中试穿次数排名第一的目标商品信息输入营销模型进行折扣计算，输出目标商品的折扣信息，并将折扣信息推送到消费者。本发明实施例基于消费者偏好和商品特征，建立了商品和人自适应匹配的营销模型，从而高效降低库存成本，提升消费者复购率、品牌影响力和商店总体利润。

附图说明

为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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。

图1为本发明实施例提供的基于视频行为分析的线下鞋服店库存营销方法的流程示意图；

图2为本发明实施例提供的基于视频行为分析的线下鞋服店库存营销方法的子流程示意图；

图3为本发明实施例提供的基于视频行为分析的线下鞋服店库存营销方法的又一子流程示意图；

图4为本发明实施例提供的基于视频行为分析的线下鞋服店库存营销方法的又一子流程示意图；

图5为本发明实施例提供的基于视频行为分析的线下鞋服店库存营销方法的又一子流程示意图；

图6为本发明实施例提供的基于视频行为分析的线下鞋服店库存营销装置的示意框图；

图7为本发明实施例提供的计算机设备的示意性框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

下面请参见图1，图1为本发明实施例提供的一种基于视频行为分析的线下鞋服店库存营销方法的流程示意图，具体包括：步骤S101～S106。

S101、利用头像识别算法识别消费者是否为会员；

具体而言，在门店里安装能抓取消费者面部信息和跟踪消费者进店行为的终端设备，考虑到摄像头在线下实体店中随处可见，该终端设备可以是摄像头，还可以是其他的终端设备，在此不加以限制。

一些实现方式中，摄像头与计算机设备通信连接，计算机设备内设计有头像识别算法，摄像头利用头像识别算法识别消费者是否为会员，其中，计算机设备可以是台式电脑，还可以是平板电脑、手机等电子产品。

S102、若是会员，则识别消费者的进店试穿行为，并根据进店试穿行为更新当前消费者的试穿列表，其中试穿列表包括试穿商品及试穿次数，若不是会员，跳转到步骤S501；

可以理解的是，每一位会员在计算机设备上都有一个对应的会员账户，该会员账户里可以保存消费者的姓名、电话和试穿列表等多种信息。

具体而言，消费者被摄像头识别为会员后，摄像头继续跟踪消费者的动作，若消费者对商品有试穿的动作，则计算机设备对该消费者试穿该商品的行为进行记录，并保存至该消费者对应会员账户下的试穿列表中，并在试穿列表中更新该商品的试穿次数，即只要消费者试穿该商品一次就累加一次。

可以理解的是，计算机设备通过对消费者的试穿商品信息进行保存，可用于分析消费者对商品的偏好，进而根据该消费者的偏好给消费者推送与消费者相适配的商品。举例而言，若一位消费者进店被识别为会员后，该消费者对休闲服装进行了试穿行为，则计算机设备判断该消费者对休闲服装比较感兴趣，则根据消费者的兴趣可对消费者推送同类型的商品，提升消费者的消费兴趣，从而提升鞋服店的营业额，降低库存率。

S103、判断消费者是否下单；

S104、若下单，则获取消费者的消费总额，并判断消费总额是否大于预设值，其中消费总额为本次下单消费及历史下单消费的总和，若未下单，则跳转至步骤S106；

具体而言，在消费者每一次下单后，计算机设备在该消费者对应的会员账户里保存每一次的下单消费额度，并将每一次的下单消费额度累加保存，得到总的消费额度。在每次下单后，将消费者全部累加后的额度与计算机设备预先设置的预设额度进行比较，以便于后续对商品进行折扣计算。

S105、若消费总额大于预设值，则将试穿列表中试穿次数排名第一的目标商品信息输入营销模型进行折扣计算，输出目标商品的折扣信息，并将折扣信息推送到消费者。

具体而言，消费者的消费总额大于预设额度后，计算机设备识别消费者的会员账户里试穿次数最多的商品，将该商品的信息输入营销模型对该商品进行折扣计算。其中，该商品的信息包括商品类型以及该消费者对该商品的试穿次数等信息，商品类型为非滞销品或滞销品。

进一步地，如果该商品类型为非滞销品，则营销模型根据消费者的消费总额输出该商品的折扣信息并推送到该消费者的会员账户上，其中消费总额越大折扣越大。

进一步地，如果该商品类型为滞销品，则营销模型直接输出该商品的赠送信息并将该商品免费赠送的信息推送到该消费者的会员账户上。

可以理解的，用户可通过绑定会员账号的移动终端获取到该商品的赠送信息或折扣信息。

S106、若未下单，则待消费者离店后，删除无效存储数据。

步骤S101～106中，首先通过建立会员账户，该会员账户存储有对应每一位消费者的姓名、手机号、头像和试穿列表等多种信息，并且可以实时更新这些信息，实现了对消费者信息的动态管理，有利于了解消费者对商品的偏好信息，及时将商店里的库存商品的折扣信息推送给感兴趣的消费者，有效降低了商店的库存率，提升营销收入，其次将推送的商品根据消费者的会员账户信息进行打折销售，从而提升消费者对商店的粘性和复购率。

一些实现方式中，会员账户可以通过线上申请，如商店的小程序和微信公众号等方式进行线上申请，会员账户也可以在进入线下实体店后通过商店前台进行申请，会员账户还可以在进入线下实体店后首次下单后根据下单信息自动生成。

在一实施例中，如图2所示，步骤S101包括：步骤S201～S204；

S201、利用头像识别算法识别进店的消费者，获取消费者的头像信息；

具体而言，利用摄像头来获取消费者的头像信息，摄像头根据需要可以安装多个，摄像头的安装位置可以在商店的门口上方，这样当消费者进店时，摄像头可以首先采集消费者的头像信息，以识别消费者是否为会员。

S202、根据头像信息在会员数据库进行搜索匹配；

具体而言，消费者通过线上或线下的方式注册会员，在消费者对应的会员账户里保存有消费者的头像信息，摄像头识别到进店的消费者的头像信息后，计算机设备将摄像头识别到的头像信息与整个会员数据库(包含每一位消费者的会员账户)内的头像信息进行相似度匹配，以确定该消费者是否为会员。

一些实现方式中，在摄像头识别到消费者的头像信息后，将该消费者会员账户的历史头像信息更新替换为此次识别到的头像信息，以实现对消费者的头像信息动态管理。

S203、若在会员数据库中匹配到头像信息，则判定消费者为会员；

S204、若在会员数据库中未匹配到头像信息，则判定消费者为非会员。

本实施例中，若摄像头识别到消费者的头像信息和全部的会员账户中的某一个头像信息的相似度达到预设阈值，则计算机设备判断该消费者为会员，反之，则该消费者不是会员。

可以理解的是，本申请通过将摄像头识别到的消费者头像信息在全部的会员账户里搜索匹配，具有时效快，容易实现的特点，有利于计算机设备进行后续的分析和处理。

在一实施例中，如图3所示，步骤S102包括：步骤S301～S303；

S301、识别计算消费者的手与商店衣服之间的距离；

S302、识别计算消费者身体与商店衣服之间的距离；

S303、将消费者的手与商店衣服之间的距离及消费者身体与商店衣服之间的距离输入到消费者试穿模型，输出消费者的进店试穿行为。

本实施例中，消费者进店后会有不同的动作特征，他们可能会对商店的衣服简单浏览一下；或是直接用手去触摸衣服，以感受衣服的面料；还有的是对商店的衣服进行试穿，以确认衣服是否适合自己；可以理解的是，消费者对商店衣服不同的动作特征表现了对衣服感兴趣的程度。因此，本申请基于消费者的动作特征和商品的状态建立了消费者试穿模型，从而获取消费者的偏好信息。

具体的，通过摄像头获取消费者与衣服之间的图像，并将通过算法计算消费者的手与商店衣服之间的距离和消费者的身体与商店衣服之间的距离，然后将这两种距离输入到消费者试穿模型，消费者试穿模型输出消费者进店的进店试穿行为，最终以得到消费者的偏好信息。

在一实施例中，如图4所示，步骤S303包括：步骤S401～S403；

S401、当消费者的手与商店衣服之间的距离为0，则判断为消费者触摸商品的行为；

S402、当消费者的身体与商店衣服之间的距离为0，则判断为消费者试穿商品的行为；

S403、当消费者存在触摸商品的行为时，检测消费者的身体与商店衣服之间的距离是否小于等于预设长度，若是则判断为消费者试穿商品的行为，反之则消费者没有试穿商品的行为。

本实施例中，经过摄像头识别计算消费者的手和身体与商店衣服之间的距离来判断消费者对商店衣服做出的行为。具体的，摄像头识别获取消费者的手与商店衣服之间的距离，易知的，当消费者的手与商店衣服之间的距离为0时，则确认消费者触摸了商店衣服，然后摄像头基于消费者触摸了商店衣服进行后续的分析处理。

进一步地，在消费者触摸了该商店的衣服后，摄像头继续跟踪该消费者对触摸后的衣服的动作特征，若跟踪到消费者的身体与该衣服之间的距离小于等于预设长度后，则确认该消费者对该衣服进行了试穿。其中，预设长度为该消费者的手臂长度。

具体地，在摄像头没有识别出消费者触摸商店衣服时，摄像头识别计算该消费者身体与商店衣服之间的距离。易知的，在一种情况下，当消费者的身体与商店衣服之间的距离为0时，则确认该消费者对该衣服进行了试穿。在另一种情况下，当消费者的身体与商店衣服之间的距离大于0并小于等于预设长度时，则确认该消费者在比划衣服。还有一种情况下，当消费者的身体与商店衣服之间的距离大于预设长度时，则确认消费者在观赏商店衣服。

在一实施例中，如图5所示，步骤S101之后，还包括：步骤S501～S504；

S501、若不是会员，则跟踪消费者的下单行为；

S502、判断消费者是否下单，若是则进入步骤S503，若否则跳转至步骤S504；

S503、根据消费者的下单信息将消费者加入会员；

S504、待消费者离店后，删除无效存储数据。

本实施例中，当消费者是第一次进入线下实体店时，该消费者也没有在线上注册过会员账户，则摄像头跟踪该消费者的下单行为，计算机设备接收该消费者的下单信息，然后为该消费者开通会员账户，并在会员账户里输入该消费者的姓名、手机号、头像信息和本次下单的消费额度等信息。

一些实现方式中，这里的跟踪消费者的下单行为，与上述步骤S102～S105相同，即针对新加入的会员，也采用上述实施例的库存营销方法。

可以理解的是，本实施例通过下单信息将非会员的消费者加入会员，有利于提升消费者对本店的粘性和本店的品牌影响力，进而吸引更多的消费者进店消费，提升本店营业收入。

在一实施例中，步骤S105包括：

按如下公式计算目标商品的折扣：

其中，f

本实施例中，i为目标商品对应的标签，其中，标签信息可以为商店衣服的滞销品或者是非滞销品。当商店衣服的标签为滞销品时，该公式的α

进一步地，当商店衣服的标签为非滞销品时，该公式的α

可以理解的是，将上述参数值输入到营销模型中，由营销模型输出具体折扣，然后输出折扣信息，并将折扣信息推送到消费者的会员账户上，本实施例通过该公式可以对不同的消费者推送不同的商品营销方案，从而提升消费者粘性和复购率，降低库存成本，增加商店总体利润。

在一实施例中，预设值和消费总额均与目标商品的折扣呈正相关，目标商品的试穿次数与目标商品的折扣呈负相关。

本实施例中，一种情况下，消费者在本店的消费总额越多，超出商店设置的预设值的差值就越大，则根据上述给出的公式计算出的折扣f

可以理解的，消费者在商店里的衣服试穿次数越多，表示该消费者对该衣服越感兴趣，越有可能对该衣服下单，则根据上述给出的公式计算出的折扣f

图6为本发明实施例提供的一种基于视频行为分析的线下鞋服店库存营销装置600的示意性框图，该装置600包括：

第一识别单元601，用于利用头像识别算法识别消费者是否为会员；

第二识别单元602，用于若是会员，则识别消费者的进店试穿行为，并根据进店试穿行为更新当前消费者的试穿列表，其中试穿列表包括试穿商品及试穿次数；

第一判断单元603，用于判断消费者是否下单；

第二判断单元604，用于若下单，则获取消费者的消费总额，并判断消费总额是否大于预设值，其中消费总额为本次下单消费及历史下单消费的总和；

计算单元605，用于若消费总额大于预设值，则将试穿列表中试穿次数排名第一的目标商品信息输入营销模型进行折扣计算，输出目标商品的折扣信息，并将折扣信息推送到消费者。

通过本装置建立会员账户，该会员账户存储有对应每一位消费者的姓名、手机号、头像和试穿列表等多种信息，并且可以实时更新这些信息，实现了对消费者信息的动态管理，有利于了解消费者对商品的偏好信息，及时将商店里的库存商品的折扣信息推送给感兴趣的消费者，有效降低了商店的库存率，提升营销收入，其次将推送的商品根据消费者的会员账户信息进行打折销售，从而提升消费者对商店的粘性和复购率。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

上述基于视频行为分析的线下鞋服店库存营销装置可以实现为计算机程序的形式，该计算机程序可以在如图7所示的计算机设备上运行。

请参阅图7，图7是本发明实施例提供的计算机设备的示意性框图。该计算机设备700是服务器，服务器可以是独立的服务器，也可以是多个服务器组成的服务器集群。

参阅图7，该计算机设备700包括通过系统总线701连接的处理器702、存储器和网络接口705，其中，存储器可以包括非易失性存储介质703和内存储器704。

该非易失性存储介质703可存储操作系统7031和计算机程序7032。该计算机程序7032被执行时，可使得处理器702执行基于视频行为分析的线下鞋服店库存营销方法。

该处理器702用于提供计算和控制能力，支撑整个计算机设备700的运行。

该内存储器704为非易失性存储介质703中的计算机程序7032的运行提供环境，该计算机程序7032被处理器702执行时，可使得处理器702执行基于视频行为分析的线下鞋服店库存营销方法。

该网络接口705用于进行网络通信，如提供数据信息的传输等。本领域技术人员可以理解，图7中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备700的限定，具体的计算机设备700可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

本领域技术人员可以理解，图7中示出的计算机设备的实施例并不构成对计算机设备具体构成的限定，在其他实施例中，计算机设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。例如，在一些实施例中，计算机设备可以仅包括存储器及处理器，在这样的实施例中，存储器及处理器的结构及功能与图7所示实施例一致，在此不再赘述。

应当理解，在本发明实施例中，处理器702可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器702还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

在本发明的另一实施例中提供计算机可读存储介质。该计算机可读存储介质可以为非易失性的计算机可读存储介质。该计算机可读存储介质存储有计算机程序，其中计算机程序被处理器执行时实现本发明实施例的基于视频行为分析的线下鞋服店库存营销方法。

所述存储介质为实体的、非瞬时性的存储介质，例如可以是U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的实体存储介质。

说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。

还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的状况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。