US20150120381A1 - پیش بینی تبلیغات همپوشانی خرده فروشی با استفاده از یک P-Norm بهینه شده - ثبت اختراعات Google

شماره انتشار US20150120381A1 AS20150120381A1 US14/062،140 US201314062140A 20120120381A1 US 20150120381 A1 US20150120381 A1 US 20150120381A1A1 US 2013140621406214062140620620620620620620620620 2140A US 2015120381 A1 US2015120381 A1 US 2015120381A1 AUTOMINوضعیت حقوقی (وضعیت حقوقی یک فرض است و نتیجه گیری قانونی نیست. گوگل تجزیه و تحلیل حقوقی را انجام نداده است و هیچ گونه نمایندگی در مورد صحت وضعیت ذکر شده را ارائه نمی دهد.) شماره برنامه متروکه US14/062،140 CATALIN CATALIN POPESCU LIN HE MING LEICHUN TANG ASSICESEE CUNSE (متقاضیان ذکر شده ممکن است نادرست باشند. Google تجزیه و تحلیل حقوقی را انجام نداده است و هیچ گونه نمایندگی یا ضمانتی را در مورد صحت لیست انجام نمی دهد.) Oracle Inteational Corp Original Oracle Inteational Corp Date (تاریخ اولویت بندی یک تاریخ اولویت است. فرض و نتیجه گیری قانونی نیست. گوگل تجزیه و تحلیل حقوقی را انجام نداده است و هیچ گونه نمایندگی در مورد صحت تاریخ ذکر شده ارائه نمی دهد.) 2013-10-24 تاریخ تشکیل پرونده 2013-10-24 تاریخ انتشار 2015-04-30 2013-برنامه 10-24 ثبت شده توسط Oracle Inteational Corp ، اولویت اولویت حق ثبت اختراع بحرانی US14/062،140 اولویت US14/062،140 را به US14/062،140 ارائه داد. برای جزئیات بیشتر به سند مراجعه کنید). انتساب: او ، لین ، لی ، مینگ ، پوپسکو ، کاتالین ، تانگ ، چون 2015-04-30 انتشار US20150120381A1 انتشار حق ثبت اختراع بحرانی/US20150120381A1/en وضعیت را رها کرد و وضعیت حقوقی را کنار گذاشت

لینک

• USPTO
• حق ثبت اختراع USPTO
• انتساب USPTO
• حیاط
• پرونده جهانی
• بحث و گفتگو

• 230000000694 اثرات اثرات 0. 000 مطالبات توضیحات 90
• 230000001737 ترویج جلوه های 0. 000 مطالبات توضیحات 48
• 102100006759 ژنهای انسانی Prame 0. 000 توضیحات 24
• 108060006580 پروتئین Prame 0. 000 توضیحات 24
• 238000010586 روش های نمودار 0. 000 توضیحات 14
• 239000000654 مواد افزودنی 0. 000 توضیحات 12
• 230000000996 جلوه های افزودنی 0. 000 توضیحات 12
• 235000003095 Vaccinium corymbosum تغذیه 0. 000 توضیحات 8
• 240000000851 vaccinium corymbosum گونه 0. 000 توضیحات 8
• 235000017537 VACCINIUM MYRTILLUS تغذیه 0. 000 توضیحات 8
• 235000021014 زغال اخته تغذیه 0. 000 توضیحات 8
• 238000000034 روش روش 0. 000 توضیحات 8
• 238000005457 روش های بهینه سازی 0. 000 توضیحات 6
• BVKZGUZCCUSVTD-UHFFAOYSA-N کربنیک اسید شیمیایی ترکیب شیمیایی OC (O) = O BVKZGUZCCUSVTD-UHFFFAOYSA-N 0. 000 توضیحات 2
• 229920000954 پلیمرهای پلی گلیکولید 0. 000 توضیحات 2
• 239000000969 مواد حامل 0. 000 توضیحات 2
• 230000001364 اثرات علت علی 0. 000 توضیحات 2
• 230000001419 اثرات وابسته 0. 000 توضیحات 2
• 239000004973 مواد ماده مرتبط با کریستال مایع 0. 000 توضیحات 2
• 238000007620 روش عملکرد ریاضی 0. 000 توضیحات 2
• 239000011159 مواد ماتریس مواد 0. 000 توضیحات 2
• 230000004048 جلوه های اصلاح 0. 000 توضیحات 2
• 238000006011 روش های واکنش اصلاح 0. 000 توضیحات 2
• 230000000051 اصلاح جلوه های 0. 000 توضیحات 2
• 230000003287 جلوه های نوری 0. 000 توضیحات 2
• 235000010409 پروپان-1،2-دیول تغذیه مواد غذایی 0. 000 توضیحات 2
• 230000004044 اثرات پاسخ 0. 000 توضیحات 2
• 230000003068 جلوه های استاتیک 0. 000 توضیحات 2

تصاویر

طبقه بندی

• • ج - فیزیک
  • G06 - محاسبات ؛محاسبه یا شمارش
  • G06Q - فناوری اطلاعات و ارتباطات [ICT] به ویژه برای اهداف اداری ، تجاری ، مالی ، مدیریتی یا نظارتی سازگار است. سیستم ها یا روش هایی که به طور خاص برای اهداف اداری ، تجاری ، مالی ، مدیریتی یا نظارتی سازگار شده اند ، در غیر این صورت برای
  • G06Q30/00 - تجارت
  • G06Q30/02 - بازاریابی ؛برآورد قیمت یا تعیین قیمت ؛جذب سرمایه
  • G06Q30/0201 - مدل سازی بازار ؛تحلیل بازار؛جمع آوری داده های بازار
  • G06Q30/0202 - پیش بینی بازار یا پیش بینی فعالیت های تجاری

  خلاصه

  سیستمی که پیش بینی فروش یک مورد را ایجاد می کند ، تاریخ فروش را برای دوره های فروش قبلی دریافت می کند که حداقل یک دوره زمانی مستقل را شامل می شود که یک رویداد تبلیغاتی واحد فعال است و حداقل یک دوره زمانی همپوشانی که دو یا چند رویداد تبلیغاتی هستندفعال و همپوشانی. برای هر دوره زمانی مستقل ، سیستم یک آسانسور مستقل برای هر رویداد تبلیغاتی فعال در دوره های زمانی مستقل تعیین می کند. برای هر دوره زمانی همپوشانی ، سیستم آسانسور همپوشانی ترکیبی از رویدادهای تبلیغاتی را که با استفاده از یک P-norm همپوشانی دارند ، تعیین می کند.

  شرح

  • رشته

  یکی از تجسم ها به طور کلی به یک سیستم رایانه ای و به ویژه به یک سیستم رایانه ای که فروش کالاهای خرده فروشی را پیش بینی می کند ، هدایت می شود.

  خرده فروشان غالباً تبلیغاتی را برای افزایش فروش و در نهایت افزایش سود آغاز می کنند. بسته به بازه زمانی و نوع کالاهای خرده فروشی ، انواع مختلفی از تبلیغات وجود دارد که یک خرده فروش ممکن است شروع کند. نمونه هایی از تبلیغات احتمالی برای کالاهای خرده فروشی شامل کاهش موقت قیمت ، تخفیف ، تبلیغات در یک روزنامه یا وب سایت یا از طریق ایمیل ، کوپن ، قرار دادن ویژه موارد در یک فروشگاه و غیره است. برای برخی از موارد ، چندین تبلیغ در همان زمان فعال هستندبه عنوان "تبلیغات همپوشانی" گفته می شود. به عنوان مثال ، ممکن است یک برند خاص و اندازه سودا در یک آگهی سوپر مارکت نمایش داده شود ، ممکن است یک فضای قفسه ویژه جلوه داده شود و ممکن است با تخفیف 60 ٪ موقت ارائه شود. هر سه این تبلیغات ممکن است در همان بازه زمانی اتفاق بیفتد.

  خرده فروشان همچنین باید پیش بینی های فروش را تدوین کنند. به منظور پر کردن ، برنامه ریزی و تخصیص ، خرده فروش باید تخمین کند که چه مقدار از کالاها احتمالاً برای تعداد معینی از روزها یا هفته ها در یک فروشگاه فروخته می شود. با این حال ، پیش بینی فروش خرده فروشی یک مشکل بسیار پیچیده برای حل است زیرا تعداد کالاهای یک خرده فروش بزرگ می تواند به راحتی در صدها هزار نفر ، تعداد فروشگاه های هزاران نفر و تعداد دوره های زمانی پیش بینی شده در ده ها باشد. تعداد حاصل از نقاط داده پیش بینی می تواند در میلیارد ها باشد. وقتی پیش بینی نیاز به اثرات وقایع مانند تبلیغات داشته باشد ، مشکل پیچیده تر می شود.

  یک تجسم سیستمی است که پیش بینی فروش یک مورد را ایجاد می کند. این سیستم سابقه فروش را برای دوره های فروش قبلی دریافت می کند که حداقل یک دوره زمانی مستقل را شامل می شود که یک رویداد تبلیغاتی واحد فعال است و حداقل یک دوره زمانی همپوشانی که دو یا چند رویداد تبلیغاتی فعال و همپوشانی دارند. برای هر دوره زمانی مستقل ، سیستم یک آسانسور مستقل برای هر رویداد تبلیغاتی فعال در دوره های زمانی مستقل تعیین می کند. برای هر دوره زمانی همپوشانی ، سیستم آسانسور همپوشانی ترکیبی از رویدادهای تبلیغاتی را که با استفاده از یک P-norm همپوشانی دارند ، تعیین می کند.

  شکل. 1 یک نمودار بلوک سرور/سیستم رایانه مطابق با تجسم این اختراع حاضر است.

  شکل. 2 یک نمودار جریان از عملکرد ماژول تبلیغات همپوشانی FIG است. 1 هنگام تعیین اثرات تبلیغات همپوشانی برای پیش بینی خرده فروشی مطابق با یک تجسم.

  شکل. 3 یک نمودار جریان از عملکرد ماژول تبلیغات همپوشانی 16 از شکل است. 1 هنگام تعیین مقدار بهینه شده P مطابق با یک تجسم برای هر ترکیب محصول/مکان.

  یک تجسم سیستمی است که پیش بینی فروش را در دوره های زمانی ایجاد می کند که در آن تبلیغات همپوشانی رخ می دهد. سیستم یک عامل تنظیم ارتقاء همپوشانی را برای تنظیم پیش بینی تعیین می کند و فاکتور با استفاده از یک P-Norm بهینه سازی شده تعیین می شود.

  "p-norm" یا "p" نوع خاصی از "هنجار" است که به طور کلی یک عملکرد ریاضی است که طول یا اندازه مثبت را به هر بردار در یک فضای بردار ، غیر از بردار صفر اختصاص می دهد. یک P-norm را می توان به شرح زیر تعریف کرد:

  بگذارید P ≧ 1 یک شماره واقعی باشد: uf605 x uf606 p: = (∑ i = 1 n ue89e uf603 x i uf604 p) 1 / p.

  برای p = 1 ، p-norm به یک هنجار "تاکسی" تبدیل می شود ، برای p = 2 ، p-norm به یک هنجار "اقلیدسی" تبدیل می شود ، و با نزدیک شدن به P ° p-norm به هنجار "بی نهایت" یا "حداکثر نزدیک می شود."هنجار.

  به طور کلی ، "ارتقاء همپوشانی" نمونه ای است که در آن یک آیتم و ترکیب محل فروشگاه خرده فروشی دارای چندین تبلیغ برای همان دوره زمانی فعال است. یکی از راه های تبلیغات همپوشانی می تواند در پیش بینی خرده فروشی (به عنوان مثال ، پیش بینی آسانسور بیش از یک پیش بینی پایه در پاسخ به ارتقاء) حساب شود ، تخمین اثرات هر تبلیغ به طور مستقل ، و استفاده از وزنی هنگام استفاده از هر ارتقاء در یک پیش بینی پایهبشرسپس از تبلیغات وزنی به عنوان متغیرها در یک الگوریتم رگرسیون خطی گام به گام برای تعیین پیش بینی خرده فروشی استفاده می شود.

  به عنوان مثال ، ارتقاء A ممکن است تخمین زده شده از افزایش 20 درصدی تقاضا باشد ، در حالی که ارتقاء B ممکن است تخمین زده شده از افزایش 30 درصدی تقاضا باشد. اگر این دو تبلیغ در مدت زمان مشابه فعال باشند ، ممکن است کل آسانسور باشد: (0. 2 0. 7 0. 7)+(0. 3 0. 7 0. 7) = 35 ٪ ،

  در جایی که وزن 0. 7 برای آسانسورهای فردی اعمال می شد تا این واقعیت را که دو تبلیغ با هم همپوشانی داشتند ، حساب کند.

  گزینه دیگری برای حسابداری برای تبلیغات همپوشانی استفاده از فرمول زیر است: آسانسور ترکیبی = ریشه مربع از مبلغ LIFT_OF_PROMO_—یک مربع و LIFT_OF_PROMO_—b مربع با استفاده از اعداد از مثال فوق: آسانسور ترکیبی = SQRT (0. 2̂2+0. 3̂2) = 36 ٪

  با این حال، اشکالات متعددی برای این روش ها وجود دارد. برای یکی، افزایش های تبلیغاتی از نقاط داده ای تخمین زده می شوند که تبلیغات ممکن است خود به خود رخ داده باشند یا ممکن است با تبلیغات دیگر تداخل داشته باشند. این معمولاً ارزش تخمینی را مخدوش می کند. علاوه بر این، تعیین وزنی که باید در زمانی که تبلیغات با هم تداخل دارند اعمال شود (یعنی 0. 7 در مثال بالا) بی اهمیت است. اول، وزن ممکن است از ارتقاء به ارتقاء متفاوت باشد. علاوه بر این، وزن ارتقاء A در ترکیب با ارتقاء B ممکن است وزن 0. 7 داشته باشد، اما وزن ارتقاء A در ترکیب با ارتقاء C، ممکن است 0. 6 باشد. علاوه بر این، وزن ها به صورت دستی به روز می شوند، به این معنی که این یک فرآیند بسیار زمان بر است. به دلیل طولانی بودن فرآیند، مقادیر وزنه ها به موقع مورد بازبینی قرار نمی گیرند، به این معنی که ممکن است پس از مدتی کهنه شوند. علاوه بر این، کاربری که به صورت دستی وزن ها را به روزرسانی می کند، معمولاً به جای تجزیه و تحلیل برای بدست آوردن مقادیر، از احساس درونی استفاده می کند، که ممکن است به دقیق ترین پیش بینی ها منجر نشود. در مقابل، تجسم ها از یک ضریب تعدیل استفاده می کنند که بر اساس یک p-norm بهینه سازی شده است.

  شکل. 1 یک بلوک دیاگرام از سرور/سیستم کامپیوتر 10 مطابق با تجسم اختراع حاضر است. اگرچه به عنوان یک سیستم واحد نشان داده شده است، عملکرد سیستم 10 می تواند به عنوان یک سیستم توزیع شده پیاده سازی شود. علاوه بر این، عملکرد افشا شده در اینجا می تواند بر روی سرورها یا دستگاه های جداگانه ای که ممکن است از طریق یک شبکه با هم جفت شوند، پیاده سازی شود. علاوه بر این، یک یا چند جزء سیستم 10 ممکن است شامل نشود. به عنوان مثال، برای عملکرد یک کاربر مشتری، سیستم 10 ممکن است گوشی هوشمندی باشد که شامل یک پردازنده، حافظه و یک صفحه نمایش است، اما ممکن است شامل یک یا چند جزء دیگر نشان داده شده در شکل نباشد. 1 .

  سیستم 10 شامل یک گذرگاه 12 یا مکانیزم ارتباطی دیگر برای انتقال اطلاعات و یک پردازنده 22 است که به گذرگاه 12 برای پردازش اطلاعات متصل شده است. پردازنده 22 ممکن است هر نوع پردازنده با هدف عمومی یا خاص باشد. سیستم 10 همچنین شامل یک حافظه 14 برای ذخیره اطلاعات و دستورالعمل هایی است که باید توسط پردازنده 22 اجرا شوند. حافظه 14 می تواند از هر ترکیبی از حافظه دسترسی تصادفی ("RAM")، حافظه فقط خواندنی ("ROM")، ذخیره سازی ثابت مانند یک دیسک مغناطیسی یا نوری، یا هر نوع رسانه قابل خواندن رایانه دیگری تشکیل شده باشد. سیستم 10 همچنین شامل یک دستگاه ارتباطی 20، مانند کارت رابط شبکه، برای دسترسی به یک شبکه است. بنابراین، کاربر ممکن است مستقیماً یا از راه دور از طریق شبکه یا هر روش دیگری با سیستم 10 ارتباط برقرار کند.

  رسانه قابل خواندن کامپیوتری ممکن است هر رسانه موجودی باشد که توسط پردازنده 22 قابل دسترسی باشد و شامل رسانه های فرار و غیرفرار، رسانه های قابل جابجایی و غیرقابل جابجایی و رسانه های ارتباطی باشد. رسانه های ارتباطی ممکن است شامل دستورالعمل های قابل خواندن توسط رایانه، ساختارهای داده، ماژول های برنامه یا سایر داده ها در سیگنال داده مدوله شده مانند موج حامل یا سایر مکانیسم های انتقال باشد و شامل هر رسانه تحویل اطلاعات باشد.

  پردازنده 22 بیشتر از طریق گذرگاه 12 به صفحه نمایش 24، مانند نمایشگر کریستال مایع ("LCD") متصل می شود. یک صفحه کلید 26 و یک دستگاه کنترل مکان نما 28، مانند ماوس کامپیوتر، بیشتر به گذرگاه 12 کوپل شده اند تا کاربر را قادر سازد تا با سیستم 10 ارتباط برقرار کند.

  در یک تجسم، حافظه 14 ماژول های نرم افزاری را ذخیره می کند که عملکردی را هنگام اجرا توسط پردازنده 22 فراهم می کند. ماژول ها شامل یک سیستم عامل 15 هستند که عملکرد سیستم عامل را برای سیستم 10 فراهم می کند. ماژول ها همچنین شامل یک ماژول تبلیغات همپوشانی 16 برای تعیین اثرات تبلیغات همپوشانی برای پیش بینی خرده فروشی، و همه عملکردهای دیگر افشا شده در اینجا هستند. سیستم 10 می تواند بخشی از یک سیستم بزرگتر باشد. بنابراین، سیستم 10 می تواند شامل یک یا چند ماژول عملکردی اضافی 18 باشد تا قابلیت های اضافی را شامل شود، مانند "پیش بینی تقاضای خرده فروشی" از شرکت Oracle.

  یک تجسم پیش بینی فروش خرده فروشی را ارائه می کند که تبلیغات همپوشانی یا هر نوع رویداد تبلیغاتی همپوشانی را برای افزایش فروش، یا افزایش ترافیک در فروشگاه ها، یا پاک کردن کالا یا همه موارد بالا در نظر می گیرد. برای اینکه بتوان چنین اقداماتی را پیش بینی کرد، تجسم ها فروش تبلیغاتی را از فروش پایه جدا می کنند. سپس تجسم ها فروش را برای دوره t مدل سازی می کنند تا برابر با فروش پایه برای دوره t به اضافه مجموع تمام افزایش های تبلیغاتی رخ داده در آن دوره باشد. سپس می توان از تکنیک های رگرسیون خطی شناخته شده برای تعیین پیش بینی فروش استفاده کرد.

  همانطور که بحث شد، تبلیغات همپوشانی زمانی اتفاق می افتد که در یک بازه زمانی خاص، بیش از یک رویداد تبلیغاتی فعال باشد، مانند زمانی که یک کالا در جلوی فروشگاه قرار می گیرد و همچنین در یک آگهی تبلیغاتی می شود، یا زمانی که یک کالا تخفیف دارد و همچنیندر یک ایمیل " انفجار " تبلیغ می شود. در مثال اخیر، ارزیابی اینکه چه بخشی از بالابر تبلیغاتی را می توان به تخفیف و چه بخشی را به اعلان ایمیل نسبت داد، بسیار دشوار است. وقتی سه یا چند رویداد تبلیغاتی همزمان فعال باشند، مشکل حتی سخت تر می شود. به عنوان مثال، یک کالا در سرپوش جلویی قرار دارد، دارای تخفیف است، و در یک آگهی تبلیغ می شود.

  یک تجسم، همانطور که بحث شد، افزایش/اثر تبلیغاتی را تعیین می کند که تبلیغات همپوشانی را نشان می دهد. یک نوع اثر تبلیغاتی می تواند افزایشی یا ضربی باشد. تجسم ها ممکن است شامل یکی از دو مدل مختلف باشد که تقاضا را توصیف می کند یا هر دو مدل. در یک مدل "افزودنی"، تقاضا را می توان به عنوان تقاضای پایه به اضافه اثرات ارتقاء مدل کرد. در یک مدل «تکثیری»، تقاضا را می توان به عنوان تقاضای پایه ضربدر حاصل ضرب اثرات ارتقاء مدل کرد. به طور کلی، اگر تبلیغات روشن یا خاموش باشند (یعنی بولی)، از مدل افزودنی استفاده می شود. نمونه هایی از تبلیغات بولی عبارتند از: آیا کالای تبلیغ شده در جزیره جلویی (بله/خیر)، آیا موردی که در یک آگهی نشان داده شده است (بله/خیر)، و غیره است. با این حال، اگر حداقل یکی از متغیرها پیوسته باشد، تجسم ها به طور خودکار تغییر می کنند. به مدل ضربینمونه ای از متغیر پیوسته تخفیف قیمت است که می تواند از 99٪ تا 1٪ باشد. یکی دیگر از این متغیرها می تواند تعداد مشتریانی باشد که در هر دوره معین وارد فروشگاه می شوند.