CN106779863B - 基于用户数据分析的餐饮o2o电商平台智能推荐方法 - Google Patents

Abstract

一种基于用户数据分析的餐饮O2O电商平台智能推荐方法，包括：云服务器、电商服务器、商家客户端以及由电商平台提供给商家再由商家提供给用户并回收的可循环利用的餐盒；所述餐盒分为上下两层，上层被分隔成若干个食槽，每个食槽对应设置有槽号且底部设置有对应于槽号的微型称重传感器，下层设置有分别与若干个微型称重传感器连接的CPU处理器、分别与CPU处理器连接的存储器以及无线通信模块；所述餐盒上设置有分别与所述CPU处理器连接的按钮开关以及微型摄像头。借由本发明，使得智能推荐的方式更加符合用户的实际需求，也符合了温度的需求，拓展了现有的针对电商平台的食物推荐方式，有效对现实环境中的用户进行食物喜好程度的侦测。

Description

基于用户数据分析的餐饮O2O电商平台智能推荐方法

技术领域

本发明涉及电子商务领域，特别涉及一种基于用户数据分析的餐饮O2O电商平台智能推荐方法。

背景技术

电子商务是指在互联网(Internet)、企业内部网(Intranet)和增值网(VAN,Value Added Network)上以电子交易方式进行交易活动和相关服务的活动，是传统商业活动各环节的电子化、网络化。电子商务通常是指在全球各地广泛的商业贸易活动中，在因特网开放的网络环境下，基于浏览器/服务器应用方式，买卖双方不谋面地进行各种商贸活动，实现消费者的网上购物、商户之间的网上交易和在线电子支付以及各种商务活动、交易活动、金融活动和相关的综合服务活动的一种新型的商业运营模式。电子商务是利用微电脑技术和网络通讯技术进行的商务活动。各国政府、学者、企业界人士根据自己所处的地位和对电子商务参与的角度和程度的不同，给出了许多不同的定义。电子商务分为:ABC、B2B、B2C、C2C、B2M、M2C、B2A(即B2G)、C2A(即C2G)、O2O电子商务模式等等。

以O2O为例；O2O即Online To Offline(在线离线/线上到线下)，是指将线下的商务机会与互联网结合，让互联网成为线下交易的前台，这个概念最早来源于美国。O2O的概念非常广泛，只要产业链中既可涉及到线上，又可涉及到线下，就可通称为O2O。主流商业管理课程均对O2O这种新型的商业模式有所介绍及关注。2013年O2O进入高速发展阶段，开始了本地化及移动设备的整合，于是O2O商业模式横空出世，成为O2O模式的本地化分支。

O2O商业模式中，尤其针对外卖餐饮类的电商平台，为了帮助用户尽快找到合适的食品或商家，同时也为了做推广，这类电商平台都会集成一个推荐系统自动为客户生成推荐，例如根据用户每次点餐的商家或食品的记录对用户进行相关商家或食品的推荐。然而这种推荐方式的缺陷在于：只能够根据用户基于电商平台的点餐操作获取线上的用户数据以进行相关推荐，不能够对线下用户针对某项食物的喜好程度进行分析从而进行推荐。

发明内容

发明目的：针对上述情况，为了克服背景技术中的缺点，本发明实施例提供了一种基于用户数据分析的餐饮O2O电商平台智能推荐方法，能够有效解决上述背景技术中涉及的问题。

技术方案：一种基于用户数据分析的餐饮O2O电商平台智能推荐方法，包括：云服务器、电商服务器、商家客户端以及由电商平台提供给商家再由商家提供给用户并回收的可循环利用的餐盒；所述餐盒分为上下两层，上层被分隔成若干个食槽，每个食槽对应设置有槽号且底部设置有对应于槽号的微型称重传感器，下层设置有分别与若干个微型称重传感器连接的CPU处理器、分别与CPU处理器连接的存储器以及无线通信模块；所述餐盒上设置有分别与所述CPU处理器连接的按钮开关以及微型摄像头，所述方法包括以下步骤：

Step1、商家客户端将商家输入的置于各食槽内的与槽号对应的食物名称、关联的用户电商平台账号以及与用户电商平台账号对应的用户人像透过无线通信模块发送给CPU处理器；

Step2、所述CPU处理器根据与槽号对应的食物名称向与槽号对应的微型称重传感器发出第一称重信号；

Step3、所述微型称重传感器根据第一称重信号对设置在上方的食槽进行首次称重并将首次称重数据回传给所述CPU处理器；

Step4、所述CPU处理器将食物名称以及与其对应的首次称重数据储存在所述存储器中；

Step5、所述按钮开关根据用户按压操作向所述CPU处理器传输按压信号；

Step6、所述CPU处理器根据按压信号启用微型摄像头获取环境影像，从环境影像中提取出人像并判断提取出的人像是否与用户电商平台账号对应的用户人像相符，若相符则向与槽号对应的微型称重传感器发出第二称重信号；

Step7、所述微型称重传感器根据第二称重信号对设置在上方的食槽进行再次称重并将再次称重数据回传给所述CPU处理器；

Step8、所述CPU处理器将与槽号对应的再次称重数据储存在所述存储器中，使其与食物名称进行对应，并将与食物名称对应的首次称重数据、再次称重数据以及关联的用户电商平台账号透过所述无线通信模块发送给云服务器；

Step9、所述云服务器根据与用户电商平台账号关联的食物名称对应的首次称重数据以及再次称重数据计算出该食物名称对应食物受用户电商平台账号对应用户的喜爱程度，并将计算结果发送给电商服务器；

Step10、所述电商服务器根据计算结果制定相应的食物推荐策略以在用户电商平台账号登录时进行推荐。

作为本发明的一种优选方式，step9中，所述云服务器根据与用户电商平台账号关联的食物名称对应的首次称重数据以及再次称重数据计算出该食物名称对应食物受用户电商平台账号对应用户的喜爱程度，包括：

根据与用户电商平台账号关联的食物名称对应的首次称重数据以及再次称重数据计算出该食物名称对应食物受用户电商平台账号对应用户的喜爱程度值，判断喜爱程度值是否超过第一预设阈值，若超过则确定用户对该食物名称对应食物的喜爱程度为喜爱；若没有超过则判断喜爱程度值是否处于第一预设阈值与第二预设阈值内，若处于则确定用户对该食物名称对应食物的喜爱程度为一般；若不处于则判断喜爱程度值是否低于第二预设阈值，若低于则确定用户对该食物名称对应食物的喜爱程度为讨厌；其中，喜爱程度值的计算公式为：F=（A-B）∕A，其中F为喜爱程度值，A为首次称重数据，B为再次称重数据。

作为本发明的一种优选方式，第一预设阈值为80%，第二预设阈值为20%。

作为本发明的一种优选方式，Step10中，所述电商服务器根据计算结果制定相应的食物推荐策略以在用户电商平台账号登录时进行推荐，包括：

在读取到计算结果是该食物名称对应食物受用户电商平台账号对应用户的喜爱程度为喜爱时，判断该用户电商平台账号是否登录，若登录则将该食物名称对应食物和∕或含有该食物的商家向该用户电商平台账号对应用户进行推荐。

作为本发明的一种优选方式，在判断该用户电商平台账号是否登录之前，所述方法还包括：所述电商服务器获取用户电商平台账号登录地的室外温度，判断室外温度是否处于预设温度以下，若处于则判断将该食物名称对应食物的冷热类型，当判断出将该食物名称对应食物为冷型食物时，将不执行下一步骤。

本发明实现以下有益效果：通过提供给用户可循环利用的餐盒获取食物在不同状态下的称重数据，利用云服务器计算出用户电商平台账号对应用户针对食物名称对应食物的喜好程度，从而在用户电商平台账号登录时，通过电商服务器对该用户进行对应推荐，且还可以通过判断用户所在地的温度进行温度匹配的食物推荐，使得智能推荐的方式更加符合用户的实际需求，也符合了温度的需求，拓展了现有的针对电商平台的食物推荐方式，有效对现实环境中的用户进行食物喜好程度的侦测。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并于说明书一起用于解释本公开的原理。图1为本发明提供的智能推荐方法应用结构示意图；

图2为本发明提供的餐盒俯视图；

图3为本发明提供的餐盒左视图；

图4为本发明提供的餐盒右视图；

图5为本发明提供的智能推荐方法流程示意图。

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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。

请参考图1-图5，图1为本发明提供的智能推荐方法应用结构示意图；图2为本发明提供的餐盒俯视图；图3为本发明提供的餐盒左视图；图4为本发明提供的餐盒右视图；图5为本发明提供的智能推荐方法流程示意图。具体的，本实施例提供一种基于用户数据分析的餐饮O2O电商平台智能推荐方法，包括：云服务器1、电商服务器2、商家客户端3以及由电商平台提供给商家再由商家提供给用户并回收的可循环利用的餐盒4；所述餐盒4分为上下两层，上层5被分隔成若干个食槽6，每个食槽6对应设置有槽号且底部设置有对应于槽号的微型称重传感器7，下层8设置有分别与若干个微型称重传感器7连接的CPU处理器9、分别与CPU处理器9连接的存储器10以及无线通信模块11；所述餐盒4上设置有分别与所述CPU处理器9连接的按钮开关12以及微型摄像头13，所述方法包括以下步骤：

Step1、商家客户端3将商家输入的置于各食槽6内的与槽号对应的食物名称、关联的用户电商平台账号以及与用户电商平台账号对应的用户人像透过无线通信模块11发送给CPU处理器9；

Step2、所述CPU处理器9根据与槽号对应的食物名称向与槽号对应的微型称重传感器7发出第一称重信号；

Step3、所述微型称重传感器7根据第一称重信号对设置在上方的食槽6进行首次称重并将首次称重数据回传给所述CPU处理器9；

Step4、所述CPU处理器9将食物名称以及与其对应的首次称重数据储存在所述存储器10中；

Step5、所述按钮开关12根据用户按压操作向所述CPU处理器9传输按压信号；

Step6、所述CPU处理器9根据按压信号启用微型摄像头13获取环境影像，从环境影像中提取出人像并判断提取出的人像是否与用户电商平台账号对应的用户人像相符，若相符则向与槽号对应的微型称重传感器7发出第二称重信号；

Step7、所述微型称重传感器7根据第二称重信号对设置在上方的食槽6进行再次称重并将再次称重数据回传给所述CPU处理器9；

Step8、所述CPU处理器9将与槽号对应的再次称重数据储存在所述存储器10中，使其与食物名称进行对应，并将与食物名称对应的首次称重数据、再次称重数据以及关联的用户电商平台账号透过所述无线通信模块11发送给云服务器1；

Step9、所述云服务器1根据与用户电商平台账号关联的食物名称对应的首次称重数据以及再次称重数据计算出该食物名称对应食物受用户电商平台账号对应用户的喜爱程度，并将计算结果发送给电商服务器2；

Step10、所述电商服务器2根据计算结果制定相应的食物推荐策略以在用户电商平台账号登录时进行推荐。

其中，餐盒4由与电商平台建立合作关系的若干个商家共同使用，例如，某商家将餐盒4配送给用户后，由用户进行保存，当用户下次进行点餐时，将保存的餐盒4提供给配送人员（可是任何一个商家的配送人员）进行回收，循环往复。

本实施例中，设定所述餐盒4的上层5被分隔成四个食槽6，这四个食槽6分别对应的槽号是1、2、3、4，槽号1、2、3、4的食槽底部对应设置有第一微型称重传感器701、第二微型称重传感器702、第三微型称重传感器703以及第四微型称重传感器704，所述CPU处理器9分别与第一微型称重传感器701、第二微型称重传感器702、第三微型称重传感器703以及第四微型称重传感器704连接。

在配送人员对用户进行配送前，商家需要通过商家客户端3输入与槽号1、2、3、4对应的食物名称、与配送餐盒4关联的用户电商平台账号以及与用户电商平台账号对应的用户人像，其中，该用户人像基于用户上传至电商服务器2，再由电商服务器2反馈给商家客户端3。输入结束后，商家客户端3将商家输入的内容通过所述无线通信模块11发送给所述CPU处理器9。其中，设定商家输入的与槽号1、2、3、4对应的食物名称分别为food-a、food-b、food-c以及food-d。本实施例的食物名称仅以英文代号进行描述，实际应用中将为具体的食物名称，例如food-a为红烧排骨、food-b为辣子鸡、food-c为鱼香肉丝、food-d为韭菜炒蛋。

所述CPU处理器9在接收到与槽号1、2、3、4对应的食物名称后，将分别向与槽号1、2、3、4对应的第一微型称重传感器701、第二微型称重传感器702、第三微型称重传感器703以及第四微型称重传感器704发出第一称重信号，第一微型称重传感器701、第二微型称重传感器702、第三微型称重传感器703以及第四微型称重传感器704根据称重信号对设置在上方的食槽6进行首次称重并将首次称重数据回传给所述CPU处理器9，设定槽号1、2、3、4对应的食物名称的首次称重数据分别为：100g、95g、110g以及115g，所述CPU处理器9将食物名称以及与其对应的首次称重数据储存在所述存储器10中，如下表所示：

食物名称	首次称重数据
		food-a	100g
food-b	95g
		food-c	110g
food-d	115g

用餐结束后，用户按压设置在餐盒4上的按钮开关12，所述按钮开关12被按压时向所述CPU处理器9传输按压信号，所述CPU处理器9根据按压信号启用微型摄像头13获取环境影像，从环境影像中提取出人像并判断提取出的人像是否与用户电商平台账号对应的用户人像相符，若相符则向与槽号对应的微型称重传感器7发出第二称重信号，这样能够确保使用该餐盒4吃饭的人是与用户电商平台账号对应的用户。

所述CPU处理器9根据按压信号向与槽号1、2、3、4对应的第一微型称重传感器701、第二微型称重传感器702、第三微型称重传感器703以及第四微型称重传感器704发出第二称重信号，第一微型称重传感器701、第二微型称重传感器702、第三微型称重传感器703以及第四微型称重传感器704根据第二称重信号对设置在上方的食槽6进行再次称重并将再次称重数据回传给所述CPU处理器9，设定槽号1、2、3、4对应的食物名称的再次称重数据分别为：50g、10g、60g以及95g，所述CPU处理器9将与槽号对应的再次称重数据储存在所述存储器10中，使其与食物名称进行对应，并将与食物名称对应的首次称重数据、再次称重数据以及关联的用户电商平台账号透过所述无线通信模块11发送给云服务器1，其中再次称重数据与食物名称对应后的所述存储器10，如下表所示：

食物名称	首次称重数据	再次称重数据
			food-a	100g	50g
food-b	95g	10g
			food-c	110g	60g
food-d	115g	95g

其中，Step9中，所述云服务器1在根据与用户电商平台账号关联的食物名称对应的首次称重数据以及再次称重数据计算出该食物名称对应食物受用户电商平台账号对应用户的喜爱程度时，具体包括：

根据与用户电商平台账号关联的食物名称对应的首次称重数据以及再次称重数据计算出该食物名称对应食物受用户电商平台账号对应用户的喜爱程度值，判断喜爱程度值是否超过第一预设阈值，若超过则确定用户对该食物名称对应食物的喜爱程度为喜爱；若没有超过则判断喜爱程度值是否处于第一预设阈值与第二预设阈值内，若处于则确定用户对该食物名称对应食物的喜爱程度为一般；若不处于则判断喜爱程度值是否低于第二预设阈值，若低于则确定用户对该食物名称对应食物的喜爱程度为讨厌；其中，喜爱程度值的计算公式为：F=（A-B）∕A，其中F为喜爱程度值，A为首次称重数据，B为再次称重数据。

其中，第一预设阈值为80%，第二预设阈值为20%。即所述云服务器1判断喜爱程度值是否超过80%，若超过则确定用户对该食物名称对应食物的喜爱程度为喜爱；若没有超过则判断喜爱程度值是否处于80%与20%内，若处于则确定用户对该食物名称对应食物的喜爱程度为一般；若不处于则判断喜爱程度值是否低于20%，若低于则确定用户对该食物名称对应食物的喜爱程度为讨厌。

根据上述喜爱程度值的计算公式，能够计算出用户电商平台账号对应用户对food-a、food-b、food-c以及food-d的喜爱程度值，具体为：

food-a

F=（A-B）∕A=（100-50）∕100=50%；

food-b

F=（A-B）∕A=（95-10）∕95=89%；

food-c

F=（A-B）∕A=（110-60）∕110=45%；

food-d

F=（A-B）∕A=（115-95）∕115=17%；

基于此得出：用户电商平台账号对应用户对food-a的喜爱程度值处于80%与20%内，即确定用户对food-a对应食物的喜爱程度为一般；用户电商平台账号对应用户对food-b的喜爱程度值超过80%，即确定用户对food-b对应食物的喜爱程度为喜爱；用户电商平台账号对应用户对food-c的喜爱程度值处于80%与20%内，即确定用户对food-c对应食物的喜爱程度为一般；用户电商平台账号对应用户对food-dc的喜爱程度值低于20%，即确定用户对food-d对应食物的喜爱程度为讨厌。

Step10中，所述电商服务器2根据计算结果制定相应的食物推荐策略以在用户电商平台账号登录时进行推荐，包括：

在读取到计算结果是该食物名称对应食物受用户电商平台账号对应用户的喜爱程度为喜爱时，判断该用户电商平台账号是否登录，若登录则将该食物名称对应食物和∕或含有该食物的商家向该用户电商平台账号对应用户进行推荐。

也就是说，所述电商服务器2将读取到food-b对应食物受用户电商平台账号对应用户的喜爱程度为喜爱，判断该用户电商平台账号是否登录，若登录则将food-b对应食物和∕或含有该食物的商家向该用户电商平台账号对应用户进行推荐。

作为本发明的一种实施方式，在判断该用户电商平台账号是否登录之前，所述方法还包括：所述电商服务器2获取用户电商平台账号登录地的室外温度，判断室外温度是否处于预设温度以下，若处于则判断将该食物名称对应食物的冷热类型，当判断出将该食物名称对应食物为冷型食物时，将不执行下一步骤。

本实施例中，设定预设温度为15℃，所述电商服务器2获取用户电商平台账号登录地的室外温度，例如，所述电商服务器2获取到用户电商平台账号登录地是上海，则将从网络上获取上海室外的平均温度，判断是否低于15℃，如果低于，则所述电商服务器2判断food-b对应食物是热型食物还是冷型食物，如果是热型食物，则直接进入到步骤：判断该用户电商平台账号是否登录；如果判断出冷型食物，将不执行下一步骤，即结束流程，不将food-b对应食物对用户进行推荐。

上述实施例只为说明本发明的技术构思及特点，其目的是让熟悉该技术领域的技术人员能够了解本发明的内容并据以实施，并不能以此来限制本发明的保护范围。凡根据本发明精神实质所作出的等同变换或修饰，都应涵盖在本发明的保护范围之内。

Claims (4)

1.一种基于用户数据分析的餐饮O2O电商平台智能推荐方法，其特征在于，包括：云服务器、电商服务器、商家客户端以及由电商平台提供给商家再由商家提供给用户并回收的可循环利用的餐盒；所述餐盒分为上下两层，上层被分隔成若干个食槽，每个食槽对应设置有槽号且底部设置有对应于槽号的微型称重传感器，下层设置有分别与若干个微型称重传感器连接的CPU处理器、分别与CPU处理器连接的存储器以及无线通信模块；所述餐盒上设置有分别与所述CPU处理器连接的按钮开关以及微型摄像头，所述方法包括以下步骤：

Step1、在配送人员对用户进行配送前，商家通过商家客户端输入与槽号对应的食物名称、与配送餐盒关联的用户电商平台账号以及与用户电商平台账号对应的用户人像，其中，该用户人像基于用户上传至电商服务器，再由电商服务器反馈给商家客户端，输入结束后，商家客户端将商家输入的置于各食槽内的与槽号对应的食物名称、关联的用户电商平台账号以及与用户电商平台账号对应的用户人像透过无线通信模块发送给CPU处理器；

Step2、所述CPU处理器根据与槽号对应的食物名称向与槽号对应的微型称重传感器发出第一称重信号；

Step3、所述微型称重传感器根据第一称重信号对设置在上方的食槽进行首次称重并将首次称重数据回传给所述CPU处理器；

Step4、所述CPU处理器将食物名称以及与其对应的首次称重数据储存在所述存储器中；

Step5、用餐结束后，用户按压设置在餐盒上的按钮开关，所述按钮开关根据用户按压操作向所述CPU处理器传输按压信号；

Step6、所述CPU处理器根据按压信号启用微型摄像头获取环境影像，从环境影像中提取出人像并判断提取出的人像是否与用户电商平台账号对应的用户人像相符，若相符则向与槽号对应的微型称重传感器发出第二称重信号；

Step7、所述微型称重传感器根据第二称重信号对设置在上方的食槽进行再次称重并将再次称重数据回传给所述CPU处理器；

Step8、所述CPU处理器将与槽号对应的再次称重数据储存在所述存储器中，使其与食物名称进行对应，并将与食物名称对应的首次称重数据、再次称重数据以及关联的用户电商平台账号透过所述无线通信模块发送给云服务器；

Step9、所述云服务器根据与用户电商平台账号关联的食物名称对应的首次称重数据以及再次称重数据计算出该食物名称对应食物受用户电商平台账号对应用户的喜爱程度，并将计算结果发送给电商服务器；

Step10、所述电商服务器根据计算结果制定相应的食物推荐策略以在用户电商平台账号登录时进行推荐；

step9中，所述云服务器根据与用户电商平台账号关联的食物名称对应的首次称重数据以及再次称重数据计算出该食物名称对应食物受用户电商平台账号对应用户的喜爱程度，包括：

根据与用户电商平台账号关联的食物名称对应的首次称重数据以及再次称重数据计算出该食物名称对应食物受用户电商平台账号对应用户的喜爱程度值，判断喜爱程度值是否超过第一预设阈值，若超过则确定用户对该食物名称对应食物的喜爱程度为喜爱；若没有超过则判断喜爱程度值是否处于第一预设阈值与第二预设阈值内，若处于则确定用户对该食物名称对应食物的喜爱程度为一般；若不处于则判断喜爱程度值是否低于第二预设阈值，若低于则确定用户对该食物名称对应食物的喜爱程度为讨厌；其中，喜爱程度值的计算公式为：F=（A-B）∕A，其中F为喜爱程度值，A为首次称重数据，B为再次称重数据。

2.根据权利要求1所述的一种基于用户数据分析的餐饮O2O电商平台智能推荐方法，其特征在于，第一预设阈值为80%，第二预设阈值为20%。

3.根据权利要求1所述的一种基于用户数据分析的餐饮O2O电商平台智能推荐方法，其特征在于，Step10中，所述电商服务器根据计算结果制定相应的食物推荐策略以在用户电商平台账号登录时进行推荐，包括：

在读取到计算结果是该食物名称对应食物受用户电商平台账号对应用户的喜爱程度为喜爱时，判断该用户电商平台账号是否登录，若登录则将该食物名称对应食物和∕或含有该食物的商家向该用户电商平台账号对应用户进行推荐。

4.根据权利要求3所述的一种基于用户数据分析的餐饮O2O电商平台智能推荐方法，其特征在于，在判断该用户电商平台账号是否登录之前，所述方法还包括：

所述电商服务器获取用户电商平台账号登录地的室外温度，判断室外温度是否处于预设温度以下，若处于则判断将该食物名称对应食物的冷热类型，当判断出将该食物名称对应食物为冷型食物时，将不执行下一步骤。

Images