基于RFID的用户线下购物行为感知与分析

The customer shopping behavior data is of great importance to understand the effectiveness of marketing and merchandising efforts. Mining customer shopping behavior in online stores is easily achievable by analyzing the click streams and customer shopping carts. However, retailers with physical stores still lack effective methods to identify comprehensive customer behaviors. This project aims to explore new methods to examine offline customer shopping behaviors with off-the-shelf (COTS) RFID devices. By attaching each item with a RFID tag, the methods could "see" and monitor what items customers select and how customers browse around shopping malls. The main research contents include: 1) Tag tracking: the method for tracking multiple moving tags within the sensing range of a monitoring site; 2) Tag clustering: the semi-supervised algorithm for clustering the trajectory of moving tags; 3) Data fusion: the method for jointly analyzing the uncertain data collected by multiple monitoring sites.The achievement and application of this project could benefit retailers in capturing customers' favors, testing new arrivals, and further optimizing their commercial strategies.

购物数据对于理解和提高市场营销和产品运营的有效性具有非常重要的作用。目前，线上购物数据的挖掘已取得了巨大的成功，但线下购物数据的采集和分析仍处于起步阶段。本项目以RFID室内定位和追踪技术为基础，针对购物中心和大型商场等应用场景，研究用户线下购物行为感知与分析的关键技术，实现对用户选购商品的智能识别和跟踪，为线下个性化决策支持和信息服务提供支撑。本项目的主要研究内容包括：1）标签运动特征提取：在单个监测点监测范围内，对多个标签进行高精度全程追踪；2）商品相关性分析：在给定少量参考标签轨迹前提下，对大量商品标签轨迹进行高效、准确分类；3）用户购物选择跟踪：对多个监测点的数据进行融合，关联用户购物过程中的商品、时间和空间信息。本项目的研究成果将应用于线下商品推荐、用户位置预测和商场布局优化等场景，具有重要的学术价值和广泛的应用前景。

购物行为数据对于理解市场营销和产品运营的有效性，提供个性化的决策支持和信息服务都具有非常重要的作用。线上购物分析可通过挖掘用户浏览（点击和链接等）或购买的序列模式，识别潜在的客户。线下购物分析则需要获取商品的动态信息（位置、方向和速度等）。.项目的主要研究内容包括：1）通过大量实验确定了RFID定位和追踪中的一些基础问题，包括位置歧义、相位纠缠、设备多样性和采样随机性；2）结合理论推导、仿真预测和实验验证三种方式，综合粒子群算法（PSO），基于密度的聚类算法（DBSCAN）、合成少数类过采样技术（SMOTE）、动态时间规整（DTW）和贝叶斯预测模型等多种技术和方法，提出了一种RFID定位和追踪的系统化解决方案，包括天线部署优化、相位解纠缠、异常点检测和相位序列分析。.项目的重要研究结果包括：1）通过形式化推导得到一种简单有效的判别方法，消除了由相位纠缠导致的理论相位与测量相位不一致；2）通过实验发现外部扰动（例如，人的行为）会加剧标签相位的跳π现象，并改进DBSCAN算法消除了跳π的影响。相关研究成果已经发表在移系统和应用领域的顶级会议ACM MobiSys 2019..项目的科学意义主要包括两个方面：1）消除了测量相位与理论相位之间的不一致性，实现从测量相位-->理论相位-->标签距离的转换。2）通过数值计算而非现场实验的方式评估和优化系统性能，极大简化天线部署和参数调整的时间成本。