[发明专利]一种基于wifi定位的进店顾客数据统计方法

说明书

本发明公开一种基于wifi定位的进店顾客数据统计方法，包括如下步骤：步骤1，识别店铺区域，获得店铺区域边界；步骤2，通过机器学习的方法，对wifi定位数据聚类，扩大步骤1获得的店铺边界，获得店铺有效定位区域；步骤3，对每天采集的wifi定位数据进行有效定位区域判定，获得每个手机用户的游逛店铺的时间序列；步骤4，检验每个手机用户的游逛店铺时间序列，判断顾客是否进店，并利用停留时间来剔除店铺工作人员，从而获得每天每个店铺的有效游逛顾客数，以及其进店、离店和游逛时间。此种方法采用机器学习的方法，通过对大量基于三角定位或指纹定位的wifi定位数据清洗和聚类计算，自动找到店铺的有效定位区域，然后实现批量和实时的进店客流计算。

技术领域

本发明属于数据统计及分析技术领域，特别涉及一种基于wifi定位的进店顾客数据统计方法。

背景技术

目前用来判断商场内店铺的进店客流方法，主要为以下几种：

1)商场入口和走道处安装视频头，用以识别客流人数。该方法只能计数在走廊处的总人流数，无法识别有多少人实际进店，并逗留逛店。

2)在店铺门口安装红外设备，通过红外计数来识别客流人数。该方法局限性在于，红外技术需要当人经过检测区的时候，因为红外线被打断来识别有顾客进入，但是精确率只有60％-80％,而且因为对进店顾客无法标识，导致无法知晓顾客实际逛店的时间，所以无法识别有效进店游逛的客流人数以及逛店停留时间。

3)在店内安装wifi设备，捕捉客户的手机wifi信号，通过信号强弱来判断客户是否进店还是路过。该方法的局限性在于，仅凭信号阈值来判断客户是否在店内，会对距离wifi设备较远的顾客产生较大误差，而且这种方法需要在商场内的每家店铺里安装wifi设备，这在普遍的商场里均由于成本限制无法实现。

4)在商场走廊处安装wifi探针设备，通过三角定位或指纹定位法计算客户所在位置，如果位置为店内，则判断为进店。该方法的局限性在于，wifi定位的公认定位精度在3～5米，而且由于商场内布设的wifi探针设备通常无法布设于店内，导致如果顾客进店，那么顾客的实际位置在很多情况下位于店外，甚至会跳至距离实际顾客所在处较远(10米以上)的位置，而且也会有数据丢失的情况(三角定位法需要有3个探针设备同时检测到该用户手机wifi)，这就给判断顾客是否进店带来很大误差。

发明内容

本发明的目的，在于提供一种基于wifi定位的进店顾客数据统计方法，其采用机器学习的方法，通过对大量基于三角定位或指纹定位的wifi定位数据清洗和聚类计算，自动找到店铺的有效定位区域，然后实现批量和实时的进店客流计算。

为了达成上述目的，本发明的解决方案是：

一种基于wifi定位的进店顾客数据统计方法，包括如下步骤：

步骤1，识别店铺区域，获得店铺区域边界；

步骤2，通过机器学习的方法，对wifi定位数据聚类，扩大步骤1获得的店铺边界，获得店铺有效定位区域；

步骤3，对每天采集的wifi定位数据进行有效定位区域判定，获得每个手机用户的游逛店铺的时间序列；

步骤4，检验每个手机用户的游逛店铺时间序列，判断顾客是否进店，并利用停留时间来剔除店铺工作人员，从而获得每天每个店铺的有效游逛顾客数，以及其进店、离店和游逛时间。

上述步骤1中，根据商场平面图，选定店铺区域内任意一点作为目标点，由目标点向外扩展，将颜色相近得到像素点判断为店铺区域内，从而获得店铺区域边界。

上述步骤1的详细内容是：

步骤11，根据商场平面图获取每个像素点的坐标和RGB颜色值；

步骤12，选定店铺区域内任意一点作为目标点，将该点上色为标识该店铺的唯一色；