在互联网经济的冲击下,线下零售面临着数字化转型的挑战。如何利用现有技术采集并分析线下零售场景中顾客的行为数据成为一个亟待解决的问题。物联网技术和无线网络技术的发展,为这一问题的解决提供了技术基础。以阿里巴巴、京东为代表的电商平台和以苏宁、国美为代表的线下零售商相应开展了对线下零售场景的数字化升级。本文以专业实习期间在京东“大数据与智能供应链事业部”所参与的“京东之家”数据业务升级项目为基础,围绕如何对线下顾客行为数据有效地进行采集、如何利用顾客行为数据建立分析模型、如何对生成的顾客行为数据模型进行可视化呈现三个方面展开研究,设计并实现了基于顾客行为数据的采集及分析系统。系统采集及分析顾客行为数据基于如下事实:当顾客携带移动设备购物时,其移动设备无论是否和店内的WiFi接入站点建立连接,均会以广播的形式同站点交换数据帧,其中包含了移动设备的MAC地址、RSSI值和数据上报时间戳等基础数据。本文通过对该部分数据进一步分析,结合会员数据和商品销售数据建立了基于顾客行为数据的分析模型。该模型呈现了线下零售场景中顾客的人流量数据、位置数据、移动路线、驻留时长、门店热区、商品销售情况和会员顾客的性别、年龄等数据,用以辅助商家科学决策和运营管理。论文主要包含以下三个方面的工作:1.设计了线下零售场景中顾客行为数据采集的技术方案。在阅读国内外相关文献的基础上研究了基于无线传感、视觉检测和移动定位三种线下用户行为数据采集方法。结合数据信息量、数据精度、部署难度、硬件成本等因素讨论了三种方法的优缺点,确定了基于移动定位的顾客行为数据采集技术方案并进行了网络拓扑设计、硬件部署和数据采集测试。2.针对基于移动定位的数据采集方法存在数据信息量单薄、数据精度略差两方面的不足。本文提出了融合门店会员数据和商品销售数据的“顾客行为数据分析混合模型”,提高了所采集顾客行为数据的信息量;通过构建位置指纹图谱数据库,提高了系统对顾客位置数据的获取精度。3.根据系统在客群分析、客流动线分析、门店热区分析和硬件管理方面的需求设计了系统架构,使用Play框架编写了B/S环境下MVC风格的数据采集及分析系统。在数据处理部分,采用了异步非阻塞的通信机制,提高了系统在并发环境中的鲁棒性;在数据展示部分,实现了Web页面的响应式开发,增强了系统的环境适应性。