1、顾客在超市购物时遇到的问题
随着人们收入和生活水平的不断提高，以及人们工作和生活节奏的加快，越来越多的人去超市购物。为了满足人们快速购物的需求，大多数超市都增加了大量的商品供人们选择。然而，随之而来的是，大量的商品处于不同的位置，导致客户难以找到，费时费力，影响客户满意度和对商家的忠诚度，进而影响商家的销售。
随着RFID基于协同过滤技术的出现和不断成熟RFID协同过滤技术可以使超市或其他企业为客户提供个性化的解决方案。
二、RFID简介
1.RFID技术
RFID是Radio Frequency IdenTIficaTIon System(无线射频识别系统)英文简称是一种非接触式自动识别技术，利用无线电波读写记录媒体，具有很高的可靠性和保密性。
2.RFID工作原理简单
RFID 通过射频信号自动识别目标对象，获取相关数据信息，是一种非接触式自动识别技术。RFID 该系统一般由标签、读写器、应用接口或中间软件、传输网络、业务应用和管理系统等组成。
具体的RFID工作原理如下：
当标签进入磁场时，接收读者发出的射频信号，通过感应电流获得的能量发送存储在芯片中的产品信息（无源标签或被动标签），或主动发送一定频率的信号（有源标签或主动标签），读者读取信息并解码，发送到中央信息系统进行相关数据处理。
三、协同过滤技术
1.协同过滤技术
通过分析用户的兴趣，协同过滤技术， 在用户组中找到指定用户的相似性（兴趣） 用户， 结合这些类似用户对某一信息的评价， 形成系统预测指定用户对该信息偏好程度的技术。
2.协同过滤技术的原理
协同过滤的原理是，兴趣相近的用户可能对同样的事情感兴趣。因此，只要维护用户偏好的数据，分析具有相似品味的用户，就可以根据相似用户的意见向他推荐。另一个可能的出发点是，用户可能更喜欢类似于他们购买的东西。商品之间的相似性可以根据用户对各种事物的评价来判断，然后推荐最接近用户兴趣的商品。[1]
协同过滤的实现一般分为两个步骤：第一，获取用户信息，即获取用户对某些项目（商品）的评价；第二，使用相应的协同过滤算法来分析用户之间的相似性，并预测目标用户对某个项目（商品）的偏好。
3.协同过滤技术算法的分类
目前，根据协同过滤算法的起点，可分为基于客户关系和基于项目（商品）-项目（商品）关系的协同过滤算法。
协同过滤算法[2]基于客户-客户关系。“最近邻居算法”这是迄今为止最成功的自动推荐技术，采用统计方法选择与目标用户最相似的用户，称为“邻居”，然后根据这些邻居的意见或之前购买的商品，推断目标用户对目标商品的兴趣。将其应用到推荐系统中，首先根据每个用户的喜好记录进行聚类，每个用户都有类似的兴趣习惯。一旦聚类完成，可以根据所有成员的共同喜好向用户推荐。
协同过滤算法[3]基于项目-项目关系。基于项目(商品)-项目(商品)关系的协同过滤算法首先关注项目(商品)之间的联系。算法检查所有目标客户评估的项目（商品）集合，计算这些项目（商品）和正在考虑推荐的项目（商品）i从中选择最相似的k项(商品){i1，i2，…，ik}，相应的相似性是{Si1，Si2，…，Sik}。然后计算目标客户对这些类似项目(商品)评分的加权平均值，即获得所需的预测值。
四、基于RFID超市协同过滤技术的应用
基于上述分析，可应用RFID协同过滤技术很好地解决了超市面对大量商家的问题 很难快速得到你需要的商品。具体思路如下:
如果超市为每个顾客设置一个，RFID标签卡存储客户的基本信息，如客户的基本信息ID号码、姓名、个人爱好等。当顾客进入超市时，系统通过阅读器获得顾客ID，该信息被发送到超市计算机信息系统。通过查询超市数据库，如果顾客以前在超市购物，他可以得到顾客以前的购物情况和偏好，并结合顾客RFID卡片中的个人信息，利用协同过滤技术获获客户提供个性化的商品推广单，以获得与客户相似偏好的客户购买和喜爱的商品，为客户提供更好的服务。此外，其他可能感兴趣的商品也可以根据客户购买的商品和商品的相似性推荐，方便客户购买，促进销售。
如果客户是新客户或者之前没有在这家超市购物，数据库里也没有购物记录，可以根据客户的要求RFID卡片中的个人信息采用协同过滤技术进行推理，获得客户购买和喜爱的商品，为客户提供个性化的商品推广表，为客户提供更好的服务。
随着客户购买次数的增加，系统可以根据客户自己的偏好和客户经常购买的物品进行加权，平均获得新的客户偏好，作为下一个客户推广表的基础。
五、结论
总之，超市与顾客的关系是每个超市最关心的部分，也是超市盈利能力的关键。使用RFID技术和协同过滤技术可以尽可能满足顾客的口味，提高顾客的满意度，确保超市获得最大的利润。目前，协同过滤技术主要用于B2C在电子商务领域，由于我国国情等因素，大多数消费者仍采用传统的超市或购物中心购物方式，因此本文将采用RFID将技术与协同过滤技术相结合，应用于传统超市购物，具有良好的应用前景。