基于多维度大数据的消费者品牌忠诚度分析方法.pdf

《基于多维度大数据的消费者品牌忠诚度分析方法.pdf》由会员分享，可在线阅读，更多相关《基于多维度大数据的消费者品牌忠诚度分析方法.pdf（11页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010580920.0 (22)申请日 2020.06.23 (71)申请人 大连中维世纪科技有限公司 地址 116000 辽宁省大连市市辖区大连高 新技术产业园区希贤街29号弘泰大厦 B座三层309室 (72)发明人 于文高王任权张群刘福成 (74)专利代理机构 济南泉城专利商标事务所 37218 代理人 张贵宾 (51)Int.Cl. G06Q 30/02(2012.01) G06Q 10/06(2012.01) G06K 9/00(2006.01) (54)发明名称 。

2、一种基于多维度大数据的消费者品牌忠诚 度分析方法 (57)摘要 本发明公开了一种基于多维度大数据的消 费者品牌忠诚度分析方法， 属于大数据分析领 域。 本发明方法通过多个智能摄像头内部人脸库 同步， 可对同一智能摄像头或不同智能摄像头采 集到的相同人脸图像进行去重处理， 得到有效的 进店人数、 有效的进店会员数； 通过POS系统与人 脸库关联， 可统计新购人数和复购人数； 从而根 据有效进店人数、 进店会员数、 新购人数、 复购人 数信息通过大数据回归分析方法得到品牌忠诚 度分析结果。 本发明方法客流统计的准确度非常 高， 进而提高了忠诚度分析结果的可靠性； 让门 店实时了解会员对品牌的认可度。

3、， 对比门店的成 单率， 用以不断优化品牌运用过程中的产品质 量、 价格、 服务、 销售策略等各种影响品牌忠诚度 的问题。 权利要求书2页 说明书6页 附图2页 CN 111784387 A 2020.10.16 CN 111784387 A 1.一种基于多维度大数据的消费者品牌忠诚度分析方法， 其特征在于， 包括步骤： 1） 客流统计 智能摄像头抓拍人脸图像并将抓拍到的图像传送至人脸识别服务器， 人脸识别服务器 将接收到的人脸图像进行统一特征值提取并分配唯一的识别ID， 然后将识别ID以及对应的 人脸图像反馈给数据处理服务器； 由数据处理服务器将各智能摄像头抓拍到的人脸图像推 送到其它智能摄。

4、像头， 实现多个智能摄像头内部人脸库同步； 数据处理服务器对同一智能 摄像头或不同智能摄像头采集到的相同人脸图像进行去重处理， 得到有效的进店人数、 有 效的进店会员数； 2） 统计新购人数及复购人数 POS系统与数据处理服务器通信连接， 顾客第一次消费时， POS信息自动导入数据处理 服务器， 店员从客流统计的人脸图像中选择并点击产生消费的顾客人脸图片， 系统自动将 消费记录与该人脸图像关联， 并默认该顾客成为会员， 并分配一个会员ID； 同时新购人数统 计模块计数一次； 会员再次消费时， 系统自动将POS信息与会员人脸图像关联， 同时复购人数统计模块计 数一次； 3） 品牌忠诚度分析 数据。

5、处理服务器根据有效的进店人数、 有效的进店会员数、 新购人数、 复购人数信息计 算品牌忠诚度。 2.如权利要求1所述基于多维度大数据的消费者品牌忠诚度分析方法， 其特征在于： 数 据处理服务器、 人脸识别服务器及各智能摄像头中的人脸库分为工作人员库、 会员库和顾 客库； 其中， 智能摄像头中的工作人员库和会员库由人工从人脸识别服务器导入。 3.如权利要求2所述基于多维度大数据的消费者品牌忠诚度分析方法， 其特征在于， 步 骤1） 客流统计的具体步骤为： 某一智能摄像头抓拍到的人脸图像 首先从该智能摄像头人脸库的工作人员库开始比对， 若发现抓拍到的人脸图像为工作 人员， 则客流统计被直接终结， 。

6、工作人员被过滤去重； 若发现抓拍到的人脸图像不是工作人员， 则到会员库比对， 若发现拍摄到的为会员， 在 设定时间内发现该会员多次在店内被抓拍到， 则去重模块对抓拍到的次数进行过滤去重， 客流统计计数模块递增一次会员进入次数； 若发现抓拍到的人脸图像不是会员， 则到顾客库对比， 若发现是曾经来过的顾客， 在设 定时间内该顾客多次被抓拍到， 则去重模块对多次抓拍到的次数进行过滤去重， 客流统计 计数模块递增一次顾客进店次数； 若发现抓拍到的人脸图像不是曾经来过的顾客， 则客流统计计数模块直接递增一次顾 客进店次数， 并将该新的顾客人脸图像及识别ID同步推送到其它智能摄像头顾客库。 4.如权利要求。

7、1所述基于多维度大数据的消费者品牌忠诚度分析方法， 其特征在于： 实 现多个智能摄像头内部人脸库同步的具体步骤为： 任一智能摄像头抓拍到的新的人脸图像 均传送至人脸识别服务器， 人脸识别服务器对该新的人脸图像分配识别ID， 并将该识别ID 及对应的人脸图像传送至数据处理服务器， 数据处理服务器将该新的识别ID及对应的人脸 图像通过人脸同步发送模块同时发送至所有智能摄像头， 实现多个智能摄像头内部人脸库 权利要求书 1/2 页 2 CN 111784387 A 2 同步。 5.如权利要求4所述基于多维度大数据的消费者品牌忠诚度分析方法， 其特征在于： 所 述人脸同步发生模块中设有定时器， 在定时。

8、器设定时间内如果没有接收到任何一个智能摄 像头发回来的接收应答信号后， 则会对其进行同步人脸图像重发， 一直到收到应答信号为 止。 6.如权利要求1所述基于多维度大数据的消费者品牌忠诚度分析方法， 其特征在于： 所 述智能摄像头能够对人脸跟踪、 抓拍、 特征值提取、 识别对比。 7.如权利要求1所述基于多维度大数据的消费者品牌忠诚度分析方法， 其特征在于： 步 骤3） 品牌忠诚度分析中， 忠诚度=复购率/复购率参数； 其中， 复购率=统计时间段内复购人数/统计时间段之前的会员人数； 复购率参数通过回归模型获得。 8.如权利要求7所述基于多维度大数据的消费者品牌忠诚度分析方法， 其特征在于， 所。

9、 述回归模型为： 销量=进店人数参数*进店人数+新购率参数*新购人数+复购率参数*复购人数+常量。 权利要求书 2/2 页 3 CN 111784387 A 3 一种基于多维度大数据的消费者品牌忠诚度分析方法 技术领域 0001 本发明涉及大数据分析领域， 特别涉及一种基于多维度大数据的消费者品牌忠诚 度分析方法。 背景技术 0002 中国加入WTO超过了十年， 我国国民经济以及完全融入世界经济之中， 在我国市场 按照世贸协定开放的过程中无数的国外品牌充斥于中国市场， 与此同时， 我国民族品牌也 如雨后春笋逐渐崛起， 但较于国外知名品牌， 我国的民族品牌在许多行业大多还变现的比 较稚嫩与平庸。。

10、 从 “由量到质” 的产品力竞争到 “从实到虚” 的品牌力竞争， 中国市场整体上 已迈入品牌经济时代， 国外品牌在中国市场所展现出的高品牌溢价能力令人羡慕， 也成为 民族品牌努力的方向。 品牌间的充分竞争同时刺激着消费者和企业的品牌意识。 在此背景 下， 加强品牌建设力度， 提升品牌管理水平日益成为培育企业核心竞争力的主旨， 品牌时代 唱响了品牌意识更需要品牌建设。 0003 品牌是企业的重要无形资产， 而品牌忠诚度则是品牌资产的主要影响因素和重要 测试工具。 比起维护既有忠诚消费者， 开发新消费者的成本则要远远得大。 维护一个老客户 的成本仅仅为开发一个新客户成本的七分之一。 当消费者对品牌。

11、感到满意时就会以口碑的 形式向其他人推荐， 因而口口相传的品牌荣誉产生的新消费者比起其他类型的新消费者一 般具有更高的品牌忠诚度， 因为它产生于人际信任的基础之上。 0004 在各个行业的品牌忠诚度或品牌价值的评估， 一般而言， 企业都采用第三方咨询 公司对行业销售数据进行粗略评估， 比如企业在行业的市场占有率， 利润水平等等。 第三咨 询公司一般采用市场问卷调查的方式来获取相关数据。 0005 现有问卷调查的方式， 一般基于产品质量、 产品价格、 企业的服务水平及企业的形 象。 这种方面主要的缺点是： 1、 采集样本有限， 因此不代表所有的顾客或会员； 2、 实时性差， 不能实时或及时反映一。

12、个品牌忠诚度或其变化趋势。 不能及时反映出品牌忠诚度变化背后 一系列的产品及管理问题。 3、 人为主观因素过多， 数据采集的可靠性与准确性存在问题。 发明内容 0006 为了弥补现有技术的不足， 本发明提供了一种基于多维度大数据的消费者品牌忠 诚度分析方法。 0007 本发明的技术方案为： 一种基于多维度大数据的消费者品牌忠诚度分析方法， 包括步骤： 1） 客流统计 智能摄像头抓拍人脸图像并将抓拍到的图像传送至人脸识别服务器， 人脸识别服务器 将接收到的人脸图像进行统一特征值提取并分配唯一的识别ID， 然后将识别ID以及对应的 人脸图像反馈给数据处理服务器； 由数据处理服务器将各智能摄像头抓拍。

13、到的人脸图像推 送到其它智能摄像头， 实现多个智能摄像头内部人脸库同步； 数据处理服务器对同一智能 说明书 1/6 页 4 CN 111784387 A 4 摄像头或不同智能摄像头采集到的相同人脸图像进行去重处理， 得到有效的进店人数、 有 效的进店会员数； 2） 统计新购人数及复购人数 POS系统与数据处理服务器通信连接， 顾客第一次消费时， POS信息自动导入数据处理 服务器， 店员从客流统计的人脸图像中选择并点击产生消费的顾客人脸图片， 系统自动将 消费记录与该人脸图像关联， 并默认该顾客成为会员， 并分配一个会员ID； 同时新购人数统 计模块计数一次； 会员再次消费时， 系统自动将PO。

14、S信息与会员人脸图像关联， 同时复购人数统计模块计 数一次； 3） 品牌忠诚度分析 数据处理服务器根据有效的进店人数、 有效的进店会员数、 新购人数、 复购人数信息计 算品牌忠诚度。 0008 作为优选方案， 数据处理服务器、 人脸识别服务器及各智能摄像头中的人脸库分 为工作人员库、 会员库和顾客库； 其中， 智能摄像头中的工作人员库和会员库由人工从人脸 识别服务器导入。 0009 进一步地， 步骤1） 客流统计的具体步骤为： 某一智能摄像头抓拍到的人脸图像 首先从该智能摄像头人脸库的工作人员库开始比对， 若发现抓拍到的人脸图像为工作 人员， 则客流统计被直接终结， 工作人员被过滤去重； 若发。

15、现抓拍到的人脸图像不是工作人员， 则到会员库比对， 若发现拍摄到的为会员， 在 设定时间内发现该会员多次在店内被抓拍到， 则去重模块对抓拍到的次数进行过滤去重， 客流统计计数模块递增一次会员进入次数； 若发现抓拍到的人脸图像不是会员， 则到顾客库对比， 若发现是曾经来过的顾客， 在设 定时间内该顾客多次被抓拍到， 则去重模块对多次抓拍到的次数进行过滤去重， 客流统计 计数模块递增一次顾客进店次数； 若发现抓拍到的人脸图像不是曾经来过的顾客， 则客流统计计数模块直接递增一次顾 客进店次数， 并将该新的顾客人脸图像及识别ID同步推送到其它智能摄像头顾客库。 0010 作为优选方案， 实现多个智能摄。

16、像头内部人脸库同步的具体步骤为： 任一智能摄 像头抓拍到的新的人脸图像均传送至人脸识别服务器， 人脸识别服务器对该新的人脸图像 分配识别ID， 并将该识别ID及对应的人脸图像传送至数据处理服务器， 数据处理服务器将 该新的识别ID及对应的人脸图像通过人脸同步发送模块同时发送至所有智能摄像头， 实现 多个智能摄像头内部人脸库同步。 0011 进一步地， 所述人脸同步发生模块中设有定时器， 在定时器设定时间内如果没有 接收到任何一个智能摄像头发回来的接收应答信号后， 则会对其进行同步人脸图像重发， 一直到收到应答信号为止。 0012 作为优选方案， 所述智能摄像头能够对人脸跟踪、 抓拍、 特征值提。

17、取、 识别对比。 0013 作为优选方案， 步骤3） 品牌忠诚度分析中， 忠诚度=复购率/复购率参数； 其中， 说明书 2/6 页 5 CN 111784387 A 5 复购率=统计时间段内复购人数/统计时间段之前的会员人数； 复购率参数通过回归模型获得。 0014 进一步地， 所述回归模型为： 销量=进店人数参数*进店人数+新购率参数*新购人数+复购率参数*复购人数+常量。 0015 实施所述基于多维度大数据的消费者品牌忠诚度分析方法的装置， 包括数据处理 服务器、 人脸识别服务器、 POS系统和若干智能摄像头； 人脸识别服务器、 POS系统以及若干 智能摄像头分别通过网络协议与数据处理服务。

18、器通信连接； 各智能摄像头分别通过网络协 议与人脸识别服务器通信连接； 所述数据处理服务器中设置去重模块、 人脸同步发送模块、 客流统计计数模块、 新购人数统计模块、 复购人数统计模块和忠诚度分析模块； 人脸同步发 送模块与去重模块与客流统计计数模块连接配合客流统计计数模块有效去重计数； 客流统 计计数模块、 新购人数统计模块、 复购人数统计模块均与忠诚度分析模块连接并将数据传 输至忠诚度分析模块； 新购人数统计模块、 复购人数统计模块分别与POS系统以及数据处理 服务器中的人脸库通信连接。 0016 本发明的有益效果为： 1、 本发明将多台智能抓拍人脸识别智能摄像头关联在一起， 可以在同一时。

19、刻完成任一 智能摄像头抓拍到的新的顾客人脸图像的人脸库同步更新， 实现客流统计的同步； 大大提 高了客流统计的准确性， 进而提高了忠诚度分析结果的可靠性。 0017 2、 智能摄像头的人脸库划分为工作人员库、 会员库和顾客库， 分别对工作人员库、 会员库和顾客库进行比对， 可有效去除对工作人员的统计； 而且可对会员在设定时间内的 多次出现有效去重 （在设定时间内， 同一个人在同一统计区域的不同点多次进出或徘徊， 可 以被有效去重过滤） ， 对老顾客在设定时间内的多次出现有效去重； 极大的提高了客流统计 的准确性， 可以准确高效的统计会员客流量和非会员客流量； 进而提高了忠诚度分析结果 的可靠性。

20、。 0018 3、 将POS系统与数据处理服务器通信连接， 将POS信息与人脸库中的人脸图像特定 匹配， 实现新购人数统计和复购人数统计， 进而实现品牌忠诚度分析。 0019 4、 本发明基于多维度大数据的品牌忠诚度分析方法可准确分析品牌忠诚度， 让门 店实时了解会员对品牌的认可度， 对比门店的成单率， 并作为门店营销效率参考， 用以不断 优化品牌运用过程中的产品质量、 价格、 服务、 销售策略及企业形象等各种影响品牌忠诚度 的问题。 与第三方咨询问卷调查相比， 数据可靠且实时动态， 品牌忠诚度表达的连续性强。 附图说明 0020 为了更清楚地说明本发明实施例或现有技术中的技术方案， 下面将对。

21、实施例或现 有技术描述中所需要使用的附图作简单地介绍， 显而易见地， 下面描述中的附图仅仅是本 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性的前提下， 还可 以根据这些附图获得其他的附图。 0021 图1为本发明基于多维度大数据的消费者品牌忠诚度分析方法的配套硬件结构示 意图； 图2为本发明基于多维度大数据的消费者品牌忠诚度分析方法中客流统计的流程示意 图； 说明书 3/6 页 6 CN 111784387 A 6 图3为本发明基于多维度大数据的消费者品牌忠诚度分析方法的流程示意图； 图4为回归模型输出结果； 图5为通过本发明基于多维度大数据的消费者品牌忠诚度分析方法。

22、得到的可视化结 果。 具体实施方式 0022 下面结合附图对本发明进行进一步的说明。 0023 实施例1 以某一品牌的鞋服店为例， 如图1所示， 基于多维度大数据的消费者品牌忠诚度分析方法的配套硬件包括数据处 理服务器、 人脸识别服务器、 POS系统、 AI智能抓拍人脸识别摄像头A、 AI智能抓拍人脸识别 摄像头B组成。 0024 AI智能抓拍人脸识别摄像头A、 AI智能抓拍人脸识别摄像头B、 人脸识别服务器、 POS系统分别通过网络协议与数据处理服务器通信连接； 各智能摄像头分别通过网络协议 与人脸识别服务器通信连接； 数据处理服务器中设置去重模块、 人脸同步发送模块、 客流统 计计数模块、。

23、 新购人数统计模块、 复购人数统计模块和忠诚度分析模块； 人脸同步发送模块 与去重模块与客流统计计数模块连接配合客流统计计数模块有效去重计数； 客流统计计数 模块、 新购人数统计模块、 复购人数统计模块均与忠诚度分析模块连接并将数据传输至忠 诚度分析模块； 新购人数统计模块、 复购人数统计模块分别与POS系统以及数据处理服务器 中的人脸库通信连接。 0025 基于多维度大数据的消费者品牌忠诚度分析方法为： 1） 客流统计 AI智能抓拍人脸识别摄像头A、 AI智能抓拍人脸识别摄像头B抓拍人脸图像并将抓拍到 的图像传送至人脸识别服务器， 人脸识别服务器将接收到的人脸图像进行统一特征值提取 并分配唯。

24、一的识别ID， 然后将识别ID以及对应的人脸图像反馈给数据处理服务器。 由数据 处理服务器将AI智能抓拍人脸识别摄像头A抓拍到的人脸图像及图像对应的识别ID推送到 AI智能抓拍人脸识别摄像头B， 同时将AI智能抓拍人脸识别摄像头B抓拍到的人脸图像及图 像对应的识别ID推送到AI智能抓拍人脸识别智能摄像头A， 实现多个智能摄像头内部人脸 库同步。 0026 AI智能抓拍人脸识别摄像头A、 AI智能抓拍人脸识别摄像头B数据处理服务器和人 脸识别服务器中的人脸库分为店员库、 会员库和顾客库； 其中， AI智能抓拍人脸识别摄像头 A和AI智能抓拍人脸识别摄像头B中的店员库和会员库由人工从人脸识别服务器。

25、导入。 0027 AI智能抓拍人脸识别摄像头A抓拍到的人脸直接送到人脸识别服务器， 根据特征 值提取分配一个识别ID， 然后由数据处理服务器将该新的顾客人脸图像及识别ID同步推送 到AI智能抓拍人脸识别摄像头A的顾客库和AI智能抓拍人脸识别摄像头B的顾客库。 0028 同理， AI智能抓拍人脸识别摄像头B抓拍到的人脸直接送到人脸识别服务器， 根据 特征值提取分配一个识别ID， 然后由数据处理服务器将该新的顾客人脸图像及识别ID同步 推送到AI智能抓拍人脸识别摄像头A的顾客库和AI智能抓拍人脸识别摄像头B的顾客库。 0029 如图2所示， 客流统计的流程为： 1、 AI智能抓拍人脸识别摄像头A、。

26、 AI智能抓拍人脸识别摄像头B抓拍到的人脸图像， 均 说明书 4/6 页 7 CN 111784387 A 7 先从该智能摄像头人脸库的店员库开始比对， 经过比对， 若发现抓拍到的人脸图像为店员， 则客流统计被直接终结， 店员被过滤去重， 不会被统计在有效客流内； 2、 若发现抓拍到的人脸不是店员， 则到会员库比对， 若发现拍摄到的为会员， 在设定时 间内发现该会员多次在店内被抓拍到， 则去重模块对抓拍到的次数进行过滤去重， 客流统 计计数模块递增一次会员进入次数； 3、 若发现抓拍到的人脸图像不是会员， 则到顾客库对比， 若发现是曾经来过的顾客， 在 设定时间内该顾客多次被抓拍到， 则去重模。

27、块对多次抓拍到的次数进行过滤去重， 客流统 计计数模块递增一次顾客进店次数； 4、 若发现抓拍到的人脸图像不是曾经来过的顾客， 则客流统计计数模块直接递增一次 顾客进店次数， 并将该新的顾客人脸图像及识别ID同步推送到其它智能摄像头顾客库； 得 到有效的进店人数、 有效的进店会员数。 0030 其中， 本发明人脸图像同步及去重方法， 将多台AI智能抓拍人脸识别摄像头关联 在一起， 应用于客流统计， 并有效降低了客流统计的误计数， 大大提高了客流统计的准确 性。 0031 另外， 需要说明的是， 实现多个智能摄像头内部人脸库同步有多种方法， 本实施例 实现多个智能摄像头内部人脸库同步的具体步骤为。

28、： 任一智能摄像头抓拍到的新的人脸图像均传送至人脸识别服务器， 人脸识别服务器对 该新的人脸图像分配识别ID， 并将该识别ID及对应的人脸图像传送至数据处理服务器， 数 据处理服务器将该新的识别ID及对应的人脸图像通过人脸同步发送模块同时发送至所有 智能摄像头， 实现多个智能摄像头内部人脸库同步。 0032 其中， 人脸同步发生模块中设有定时器， 在定时器设定时间内如果没有接收到任 何一个智能摄像头发回来的接收应答信号后， 则会对其进行同步人脸图像重发， 一直到收 到应答信号为止。 0033 2） 统计新购人数及复购人数 如图3所示， POS系统与数据处理服务器通信连接， 顾客第一次消费时， 。

29、POS信息自动导 入数据处理服务器， 店员从客流统计的人脸图像中选择并点击产生消费的顾客人脸图片， 系统自动将消费记录与该人脸图像关联， 并默认该顾客成为新会员， 分配一个会员ID， 并将 该人脸图像存放到会员库； 同时新购人数统计模块计数一次； 会员再次消费时， 系统自动将POS信息与会员人脸图像关联， 同时复购人数统计模块计 数一次； 3） 品牌忠诚度分析 一个陌生顾客最终成为品牌忠实顾客分三个阶段： 好奇、 兴趣、 忠诚。 顾客进入门店是 因为对门店商品产生好奇。 顾客第一次购买是因为兴趣， 并非商品真实满足了顾客的全部 或部分需求。 当顾客持续复购同一品牌的商品， 则开始有了忠诚度。 。

30、当顾客需求某种商品的 时候， 第一或唯一出现在顾客购买意愿里的品牌， 则为品牌的绝对忠诚， 所以忠诚度是有不 同程度的。 0034 本发明通过获取会员或顾客新购与复购相关数据得到会员对品牌忠诚度的变化。 门店管理人员可以了解到自己品牌在不同时间的竞争力变化， 当竞争力下降的时候， 可以 对其进行预警， 提前介入问题定位与解决。 说明书 5/6 页 8 CN 111784387 A 8 0035 采用回归模型的方法， 将进店人数作为好奇， 第一次购买作为兴趣， 多次购买作为 忠诚。 将进店人数、 进店人数参数， 新购人数、 新购率参数， 复购人数、 复购率参数与销售量 或销售额通过公式建模。 0。

31、036 回归模型如下： 销量=进店人数参数*进店人数+新购率参数*新购人数+复购率参数*复购人数+常量； 其中， 新购人数即为统计时间段内第一次购买该品牌产品的人的数量。 0037 复购人数即为统计时间段内两次以上 （包括两次） 购买该品牌产品的人的数量。 0038 数据处理服务器根据有效的进店人数、 有效的进店会员数、 新购人数、 复购人数信 息， 从模型中通过回归的方法动态实时输出进店人数参数， 新购率参数以及最终的复购率 参数， 这个复购率参数可以作为顾客忠诚度参考， 用来表达顾客的忠诚度。 0039 忠诚度=复购率/复购率参数。 0040 本实施例回归模型输出结果如图4所示， 由图4可。

32、知本发明建立的模型中各参数与 销量为线性关系。 通过本实施例得到的可视化结果如图5所示。 0041 最后应说明的是： 以上各实施例仅用以说明本发明的技术方案， 而非对其限制； 尽 管参照前述各实施例对本发明进行了详细的说明， 本领域的普通技术人员应当理解： 其依 然可以对前述各实施例所记载的技术方案进行修改， 或者对其中部分或者全部技术特征进 行等同替换； 而这些修改或者替换， 并不使相应技术方案的本质脱离本发明各实施例技术 方案的范围， 其均应涵盖在本发明的权利要求和说明书的范围当中。 说明书 6/6 页 9 CN 111784387 A 9 图1 图2 图3 说明书附图 1/2 页 10 CN 111784387 A 10 图4 图5 说明书附图 2/2 页 11 CN 111784387 A 11 。

网址：基于多维度大数据的消费者品牌忠诚度分析方法.pdf https://m.mxgxt.com/news/view/1286399

相关内容

消费者品牌忠诚度分析.doc
玩具行业品牌忠诚度与消费者品牌信任度的动态分析
消费者品牌忠诚度分析完整版.doc
提高品牌忠诚度的方法——了解您的消费者画像
室内装潢行业品牌竞争与消费者忠诚度分析
消费者对品牌忠诚度的影响因素研究.docx
消费者洞察与品牌忠诚度评估.pptx
品牌代言人可信度与消费者品牌态度、品牌忠诚关系的实证研究
品牌忠诚度与家居用品消费者行为.docx
粉丝经济下的品牌忠诚度分析

随便看看