CN101506834A - 用于在因特网上自动实时进行反复商业交易的方法、系统和装置 - Google Patents

Abstract

一种供产品和服务的买家进行通信网络购物以从卖家购买所述产品和服务的方法，其中：买家请求自动反拍卖方或拍卖控制器在有意愿的卖家之间实时发起反拍卖并索取他们对这样的产品和服务的自动实时反复出价，在所述控制器的反复处理指导控制下通过所述网络将所述出价自动返回到所述控制器，以为所述买家确保最佳的出价；并且按照这种最佳价格自动实施买家通知或购买，所有这些操作的同时买家可以保持在线，且无需任何人工干预。

Description

用于在因特网上自动实时进行反复商业交易的方法、系统和装置

技术领域

本发明通常涉及在因特网上在线购买产品和服务的领域，更具体地涉及具有价格比较特征的电子交易，例如，由Yahoo和其他公司的网络门户以及例如Bluefly等公司的用于访问具有最低价格的卖家的网络搜索引擎，以及更具体地涉及实际市场拍卖机制的精确模拟中的买家—卖家实时反复出价和报价，其既有利于买家的利益，又有利于卖家的利益。

本申请中使用的术语“因特网”特别意在通常包括所有类型的使用无线和/或有线传输介质的公共和/或专用通信网络、上述网络的其他组合以及特别地，还包括卫星万维网。

背景技术

在IMB的Reiner Kraft的于2004年5月20日公开的公开号为2004/0098477的共同待决美国专利申请No.298967中陈述了，尽管因特网网络搜索引擎和用于尝试使买家请求与卖家供应匹配的网络爬取器(crawler)得到了发展，但是现有技术还不能提供在买家和买家之间允许自由市场交互的通信方法(一种“到目前为止尚未得到满足的”需求)。Kraft的专利申请建议尝试采用分散式分布架构来解决该问题，该架构采用点到点卖家网络充当起作用的市场，其更接近于“实时”价格比较。

例如，在eBay的美国专利申请公开No.20040135966中，以及在IBM的美国专利申请公开No.20020007337(2002年1月17日)、No.20020022967(2002年2月21日)、No.20020143660(2002年10月3日)、No.20020156686(2002年10月24日)、No.20020165815(2002年11月7日)、No.20020178108和No.20020178072(2002年11月28日)、No.20020188545(2002年12月12日)、No.20030028469(2003年2月6日)、No.20030110047(2003年6月12日)以及No.20040267630(2004年12月30日)中包含了这样的现有技术的匹配技术的例子；但是这些技术都未能解决允许商家和客户按照自由市场格式进行交互的问题，而是仅仅提供比较购物解决方案，然而，该方案相当有限。

与上述Kraft-IBM申请类似，本发明还涉及如何在多买家多卖家市场中按照对于买家和卖家都存在固有的公平性且被优化的方式，并且在市场状态的实时动态的基础上购买和销售期望的产品或服务。

更具体而言，本发明解决了如何以通过即时使数百或数千甚至更多的卖家在他们当中实时竞争以赢得买家的生意而导出的该时的可能最低的价格购买产品，并且使卖家准备好并且可以在每周七天每天二十四小时的基础上这样做，而且还与地域边界无关。

另外，从卖家的角度来看，解决了如何在不断滋生大量的竞争卖家，而且在市场的动态行情不断变化的在线环境中通过向在地域上分散的客户或买家群体出售而盈利，同时又不会耗费大量的人力、基础设施和大量的广告资源的问题。

在具有大量的提供类似货物的供应商的环境中，实际上，买家和卖家面临着不同的问题。从买家的角度，现有的机制不会迫使卖家在他们自己当中反复竞争，以赢得生意。当前的机制，在线和离线，的效率低，它们的响应是非即时的，或者提供陈旧的信息质量。此外，从卖方的角度来看，现有的解决方案不允许卖方很好地对竞争或对客户作出响应。他们不得不针对当前在线的非自动的在绝大程度上非实时的系统耗费专门的人力和相关支出，这些甚至可能抵消任何有意义的可得到的好处。

现在将评述解决这些问题的现有尝试中的这些和其他限制。

当前“解决方案”和提案

当然，“传统的”购买货物的方式涉及买家访问几个店铺，进行价格比较，然后决定是否购买，这仍然是最为普遍的系统。其替换方式正在出现，特别是作为形式为“网络爬取”的在线解决方案，并被称为“反拍卖”。这些解决方案尝试更加“以购买者为中心”，并且倾向于在货物供应充足且可广泛获得时工作得更好。

主要由批发买家采用的另一机制是专用“反拍卖”，其中，买方也是“反拍卖方”，其承担反拍卖方的所有功能和职责，其在基于仅邀请而参与的卖家当中主持在线拍卖。

但是，这些方案及其变型由于它们的固有限制而受到许多严重的制约。

在实践中，买家只能访问在线以及离线的少数商铺，和/或只能确保对少数的几个报价(quote)进行价格比较，从而做出决定，然后进行“亲自购买或送货”。

一种替代方案是采用前面提到过的“网络爬取器”，以检查各种卖方网站，提取定价信息，然后将这样的信息呈现给潜在的买方。举个例子，买方可以采用诸如“PriceGrabber.com”的网络爬取器找到处方药的最低价格来源。但是，挑战在于搜索是非穷举的，其受到广告商的极大影响，所接收到的信息往往陈旧，而且在各个卖方之间不一致，从而导致进行苹果和桔子之间的比较；而且，就该例子而言，不会迫使药品供应商在他们之间反复进行出价(bid)，从而提供最佳的可能竞争价格。

另一个替代方案是利用更早提到的诸如“Shopzilla”的所谓在线“反拍卖方”公司，他们签约了大量有兴趣为买方提供定价信息的卖方。所述定价数据会被存储在反拍卖方处，其中，卖方为其数据库提供定价信息，随后将所述数据提供给买方。通常在周期的基础上，例如，每天、每周或每月采用由反拍卖方定义的专卖协议(proprietary protocol)来人工地更新这一数据。实际上，不同的卖方彼此独立地以不同的频率更新所述定价数据，该更新受限于他们自身的资源。因而，在这些更新之间，由反拍卖方提供给买方的“最低定价请求”的数据往往过期、不具有竞争力以及不正确。有时，一些反拍卖方采用一次性邮件过程，其中，卖方响应于邮件请求而提供更新价格，这是一种非即时的、非竞争性的过程。买方等待直到这些邮件已被人工回复，这一过程可能耗费数小时或者数天。此外，卖方彼此独立操作，从而不会被迫使来进行实时竞争以针对买方的生意进行出价。缺少按需的准确响应以及缺乏竞争，这表明这类人工“反拍卖”实际上是用词不当，尽管该词最初用于“市场促销”。事实上，根据未发生任何有意义的反拍卖。

主要由一些大型企业买家所采用的一种变型是“专用反拍卖”，在该专用反拍卖中，只有受到邀请的卖家才能参与。通常只有大的公司从他们的大的供应商伙伴采购成批的原材料等时才这样做。在这样的“专用反拍卖”的情形下，买方通常也充当反拍卖方。其还安装和维护所需的基础设施，此外还承担反拍卖方的所有功能和责任，包括安全、认证、先进日程安排规划(advance scheduling)、通知以及管理等。

在前面提及的Kraft-IBM专利申请中也明确表述了这一定价信息陈旧并且卖家的参与实际上并不具有竞争性的问题。遗憾的是，其中提出的采用点到点卖家网络技术的解决方案也存在严重的固有限制。在该点到点方案中，将买家的请求发送给潜在的数百万的其他卖家对等端，这些卖家对等端可以选择采用自己的更好的定价来更新他们的价格，或者将所述请求传给该链中的下一对等端。但是，在更新价格之前，卖家对等端对必须得到买家的准许以使其合法性有效。买方要承担验证每一个这样的卖家对等端的合法性、声誉和历史的负担，这实际上是非常有挑战性并且耗时的。之后，该过程继续直到穷尽了所有感兴趣的卖家，这也是一个冗长的令人疲惫的顺序过程，尽管和上文概述的一些替换方案相比，它在有些方面还是有优势的。此外，所提出的这一解决方案在所要执行的功能和责任方面都给买方施加了非常大的负担，并且非常耗时。该负担实际上有效地从非实时“卖家系统”转移到交互性很强的人工干预驱动的“买家系统”，而没有很多明显的好处。这种固有的长等待时间以及与必不可少的买家主动人工干预相结合的点到点网络的其他公知限制甚至不仅造成潜在更慢的系统，而且会造成与前述方案相比对买家更为不利的系统。

有时在下文中将这些上述现有方案和类似方案总称为所谓“常规”方案。

现有技术的“买家”限制

如上所述，这种“常规”现有技术所提出的方案具有大量限制，这往往使得买家无法实现得到最佳实时价格或按需值的机会，以及使得买家无法实现卖家实现提供最优竞争价格的机会的机会，如同现在将要总结的。

首先，在对买家请求的响应中，紧随所述请求之后由反拍卖方提供的价格通常是过时的；有的过时若干小时、有的过时若干天、若干周或月。此外，买家不知道价格是何时由每个预期卖家为反拍卖方的数据库中的每种产品最后报价或更新的。因此，以大量卖家名义从数据库提供的信息即使是针对单种产品也通常是过时的。邮件请求过程是非常慢的，因为它依赖于非实时采集信息，买家必须要等待直到所有卖家已经在他们相应的有限资源中按照自己的速度做出响应，这很可能会花费几个小时或几天。这明显不是一种真正实时和按需响应。对于Kraft-IBM的点到点网络系统，“报价请求”本身就会花费若干小时来通过网络，从而抵消了试图接近实时竞价的努力。也失去了再次出价的能力。有时，如果存在一个恶意的对等端，情况可能更坏，或在常规“卖家系统”响应邮件非常准时，甚至好于基于点到点网络的方案。除了该响应不需要卖家端的人工干预之外，这实际上与发送邮件等效，但是要求买家在对各个对等端的价格更新请求做出响应时进行更多的交互性人工工作，例如在允许对等端更新价格之前评估对等端的质量。

另一个限制是买家无法在每周七天每天二十四小时的基础上要求或迫使卖家通过在出价时实时重复他们的定价来在他们自己之间进行即时竞争，直到确定最低的可能价格。尽管Kraft-IBM方案将允许卖家战胜前面的低价，但投标者不能返回以具有另一次降低价格的机会。这更像盲拍，在盲拍中，强迫卖家在隔绝状态下提供价格，他们只能希望这个价格是正确的，但并不知道随后的其他竞争方将如何出价。

买家还不知道那时对于每种产品每位卖家可得到的任何额外折扣、优惠券等，这很可能是重要的因素。例如，在任何时间，若干卖家通常会有“廉价出售”的一些东西。这些东西中的一些甚至不会在线列出。这迫使买家必需要频繁地到商店查看价格，这是一种沉闷、耗时且明显是非穷尽的且有地点局限的机制。此外，根据买家的附属关系，例如AAA成员、企业折扣资格等，买家可能有资格获得团体折扣(group discount)(一个或超过一个)，然而，在获得最佳价格时不存在比较。

此外，即使买家找到了有吸引力的价格，买家也常常不能确信一些卖家的质量/声誉，有时可能会在从可能靠不住或未知的来源购物时犹豫。共同关心的一些问题是：

他们是稳定的企业或不可信任的企业吗？

信用卡信息是否安全？

将来会有人滥用买家的信用卡吗？

如果需要退货会怎么样？

他们在送货时间、货物质量方面是否会遵守他们的承诺，在有问题的时候会提供支持吗？

在网络爬取器信息的情况下，例如对于前述“Shopzilla”而言，列示出所有卖家的价格，包括声誉最好的卖家和不知名的小企业。常常基于所花费的广告费用并通过客户反馈对卖家进行分级，这可能会存在不道德卖家和买家操纵分级的问题。该负担部分地在买家寻找这种条件上，在其他情况下全部在买家上。

在所提出的点到点网络的情况下，负担完全在买家查明卖家的声誉可能有多好上，考虑到全世界有数百万的卖家而且没有衡量他们历史的标准，这实际上是很巨大的任务。此外，买家不得不管理整个拍卖过程，包括负责在其执行期间确保精确、公平、认证、支持和其他技术问题等。

作为非常实际的局限，买家常常具有固定预算，因此不得不频繁查看价格以查明该价格是否在买家的可接受范围内。例如，马萨诸塞州的买家无法知道他/她的预算价格是否在加利福尼亚州一家迅速成长的卖家的短时间窗口内得到匹配。如果价格在预定时间范围内应该降到预价格格以下，买家也无法事先定购产品。

买家可能错过机会的其他情况源于如下事实：在与特殊的短期降价销售，例如每30分钟销售一次相比，常规反拍卖方数据库是以慢得多的频率进行更新。此外，即使买家要用网络爬取器或直接在特定站点查找，找到该信息的机会也非常小，因为(i)买家将不得不在数百乃至数千的卖家站点之间在特定卖家站点的相同时间窗口中进行精确查找，或(ii)还要假设“卖家系统”已经使该信息可以在网络上获得——对于这种短期促销而言这也是非常不可能的，因为为大量物品更新信息涉及当前的人工过程。

通常，在购物时花费相当多钱的买家不会从历史购买量(购买力的指标)中获得任何好处。此外，买家的家庭(例如家人)也不会从集体购买力中获益。对于所有现有“常规”提案，这是事实。

买家通常在某一时间选择一件东西，在从不同卖家购买多件不相关物品时(或者要在不同地址送交的多件同类物品)要经历上述过程，例如，作为“假期列表购物”的一部分，购买一台摄像机、两个手提箱、六把椅子等；在此也将其称为“购物组合(shopping Portfolio)”。于是，这些过程

显然非常耗时；

买家因购买同类多个产品无法得到任何好处；

即使代表购买总和很大，买家也无法从作为整体(购物组合)的所有这些不相关物品的总体花费中得到任何好处；

如果要把这些不相关的货物递送到不同地址，这个问题会变得更坏；

在网络爬取器的情况下，不得不一次一家地从一家网上商店走到另一家网上商店；并且

买家无法在不在周期性的基础上反复进行这项麻烦的人工过程的情况下知道在一段时间之后整个购物组合的总价变化了多少。

当然，买家不知道卖家的出价所附带的任何意外情况。例如，对CD提供有吸引力的利率的银行可能仅使其在若干小时之内有效—这可能不够买家做出决定；然而，利率稍高的另一家银行可能会将其出价保持若干天。在计算机连锁店以每台$150的价格销售膝上型电脑时，假设买家以$200的价格购买了一年的“AOL”成员资格，可能会发生另一意外情况实例。这对于一些买家可能可以接受，而对于其他买家则无法接受。

此外，在已经做出购买决定后，买家也没有容易的方式来获知在预先指定的时间范围(例如10天)内价格是否可以已经进一步下降，使其有资格按照他们的策略获取某些卖家的信誉度。买家没有容易的方式来指定或获知送货时间；即使在承诺这项服务时，在很多时候这种承诺也得不到保证。一个实例是卖家承诺在12月18日之前送货，但甚至到圣诞节也没有兑现。

当今的买家通常会受到主动提供的促销事件和广告的影响，这会带来烦扰并是网上购物的障碍——尤其是由于买家没有容易的手段来指定买家实际感兴趣的那些类型的促销事件和广告。

除了上述买家的约束之外，这些现有技术过程还在卖家系统努力满足买家需求以实现最佳交易时对“卖家系统”施加了许多其他限制。现在阐述这种限制。

现有技术的卖家限制

通常，“卖家系统”既没有机会每周七天每天二十四小时地即时做出响应以实时对买家的“报价请求”进行竞争出价，也没有能力反复地实时再次出价，从而被迫主要在他们自己的仓库中进行操作。然而，在Kraft-IBM方案的情况下，与该请求已经经过的先前对等端相比，卖家确实得到了提供竞争价格的机会。然而，当前的对等端无法知道链条中下游的下一组对等端将做什么，从而显著减少了优点。由于该过程不是再次重复的，因此其非常类似于其他的当前提案。点到点网络的固有的不可预见延迟以及其主动人工干预的要求还使其在实时方面的效率很低，且其响应时间完全不是即时的。

卖家系统通常在每天/每周/每月的基础上更新常规反拍卖方数据库中的定价信息。于是，该过程往往会抑制在线的短期(例如半小时)折扣机会。在Kraft-IBM模型的情况下，在提供促销时买家偶然在同一时间窗口碰到对等端的可能性非常小。例如，如果卖家提供15分钟的“热销”，且在同一窗口之内在线发出请求，则买家可以利用这个机会。然而，如果由于点到点网络固有的慢速而没有碰到该窗口，则买家根本得不到任何好处，卖家也不太可能在廉价出售期间收到足够多的订货量。此外，即使买家碰到窗口并获得了难以置信的价格，但链条下游中没有任何其他对等端能够匹配这种价格，卖家系统也可能不能认同它，因为完成该交易的机会窗口可能已经关闭了。

在做出“报价请求”时，很多这种常规反拍卖方系统给卖家发送邮件，因此需要大量昂贵的专门人力资源来非实时地逐个案例地做出人工响应。显然，根据需求这些资源可能被耗尽，而且要缩放它们成本会极其高昂。

此外，这种邮件驱动或注入其他人力的过程严重限制了可能的交易数量；最多每人每小时几十个交易——这是一种受限于人的过程。这显著增加了卖家的人力和相关花费，而且使得库存管理效率低下，尤其是对产品需求很大时。

此外，卖家必需要维持专门的人员来监测市场动态并频繁检查少量感觉到的竞争对手的竞争价格，同时仍然会剩下数百或数千竞争对手无法响应且无人过问。考虑到该问题的重要性，必需要在数百个其他竞争供应商之间跟踪数千物品，然后做出相应的适当改变。即使是实时地进行，这项任务也麻烦透顶且几乎不可能。而且成本也极其高，非常耗时，对市场动态响应迟钝。

对于大部分卖家(如果不是全部卖家的话)，维持这样大量的人力资源耗费太高，结果，所提供的价格往往更多是仓库中的价格、变化缓慢，且经常与其他人不同步，这是由于任务的重要性太高且所需资源受到经济制约而导致的缺少足够资源的直接结果。于是，价格更新大部分是人工劳动。然而，由于所有卖家都处境相同，这有助于保留现状，尽管代价是实际不能向买家提供最低价格。这还令人遗憾地抑制了新出现的小型在线卖家的良好成长，他们希望主动竞争，积极推动市场以发展他们的企业并建立忠实的客户群体。

当商品价格较低时，例如99美分的歌曲，或花几美元下载的电影或视频，这个问题更糟。

卖家还需要在每周七天每天二十四小时的基础上维护资源，这使其成本更高；或者，在替换方案中，不对邮件做出响应，从而失去在正常工作时间之外做出请求的生意。

此外，卖家没有容易方式来知道他们是否一直是因定价而失败(例如，在前50或100次报价或拍卖中失败的卖家)，即使有很少的利润，他们也因此需要做出价格变化。确实，所有现有技术的“常规方案”，包括Kraft-IBM都面临这一相同挑战。

此外，卖家还不知道买家通常是否是货物的经常买家——这也是所有现有技术“常规”方法的共同问题。

卖家还不知道买家或买家相关人员，例如他/她家人的购买力或总购买历史。这也是所有现有技术“常规”提案的共同问题。

此外，卖家还不知道买家是否同时有兴趣购买其他物品，或他们分别花了多少钱，因此必需要为每种产品独立提供价格，一次为一种产品提供价格，而不是提供成组的价格。这也是现有技术系统的共同问题。

卖家还没有方法在没有人工干预的情况下针对总额折扣调节其定价。

此外，卖家无法知道买家的预算，并且卖家无法在物品价格降到匹配预算的时候回头实时发出通知。例如，有时制造商会向零售商提供出厂折扣，零售商然后又转过来进一步打折。这可能至少短时间内使定价落在买家期望值之内。然而，令人遗憾的是，利用现有技术的系统，卖家没有办法提供这种实时通知或实现交易的自动完成。

卖家还不知道有多少这样的买家对购买特价格格的目标有兴趣。如果知道的话，这将是非常有价值的信息。

“卖家系统”还不知道是否有可比的参与者(属于相同社团或类别的参与者，例如大型百货公司，如“Best Buy”和“Circuit City”)、或有服务较差的小型大折扣零售商、或潜在的干扰者或财务有问题的某些参与者退出出价。这是现有技术的共同问题。

卖家还不知道反拍卖中的其他投标商是否是相同的“卖家类别”。在点到点方案中，每个卖家都是一个对等端，在对等端之间不进行区分，这可以防止报价被不良卖家操纵。例如，一个对等端节点可以故意出低价来中断该过程但实际上无意为买家服务，在一些情况下，没有机制来迫使履行这种出价。

卖家还不知道买家是否仅愿意从值得信任的知名卖家购物还是对任何卖家都开放。所有现有“常规”方案都还受到这种限制。

确实，现有技术既没有能力知道买家是否愿意接受“暂时(contingent)出价”，也没有能力进行自动的“暂时出价”。例如，假设买家购买了“AOL”一年的成员资格，而卖家希望以极低的价格出售膝上型电脑，那么对此就无法沟通。

此外，现有技术方法的卖家没有能力实时提供“客户特有促销事件”或基于当前市场状况实时生成“自动促销或销售事件”或基于地理位置实时生成促销或销售事件。小型卖家由于在线广告预算非常有限，即使是非常有效率且有进取心的卖家也缺少与更大卖家进行竞争的资源。

现在，为了评述现有技术方案中还存在的对“反拍卖”的限制，如前文所述，“反拍卖”本身实际上是对这种现有系统的误称。

现有技术的所谓“反拍卖”

如前所述，只要关注为买家提供迅速且实时更新的价格响应，现有技术的所谓“反拍卖方”一般都维护陈旧的定价信息。

此外，这种现有技术系统：

在没有高级通知的情况下就不能支持按需反复反拍卖。

类似于“Shopzilla”的系统甚至根本不能支持实时“反拍卖”。

不能向诸如大型企业的买家提供“虚拟专用反拍卖”。

不能跟踪或管理买家的购买力和购买历史。

“反拍卖方”不能监测和保留买家的“隐私”。买家必须要管理其自己的隐私关注并依赖于卖家系统的隐私策略。

不能使用“价格守候&自动购买”选项。

不能监测或传送“购物组合”的总价。

诸如由Kraft-IBM提出的一些所谓的现有“反拍卖”不使用独立的“反拍卖方”，“拍卖”的负担被转移到买家。

买家负载保持拍卖和实施结果。

买家还承担跟踪卖家实施质量的责任。

买家的隐私得不到维护。

对主动提供的促销/出价/广告高度暴露。

希望买家在技术上理解且能够维护这种系统。

对买家一方有很大的冗余和容错要求，任何故障都会危害到拍卖。

另一方面，根据本发明，相当显著地克服了用于在线交易的现有技术系统和方案的几乎所有上述局限而且还是自动地无需任何人工干预，本发明实际上提供了可能第一种用于通过因特网进行实时反复商务反拍卖交易的自适应实时方法和系统。

发明目的

因此，本发明的主要目的是提供一种新颖而改进的方法、系统和装置，用于在多个买家、多个卖家的市场中通过因特网进行自动实时反复交易，基于市场状况的动向优化买家和卖家的需求，且没有现有技术、系统和方案的上述和其他限制和缺点，但更真实地模拟了产品和服务的多个买家和卖家之间的自由市场交易。

另一目的是针对上述目的提供一种新颖而创新的系统架构，其同时优化了实时“反拍卖”中的买家和卖家的需求、期望和要求。

另一个目的是提供这样一种新颖的架构，其实现每周七天每天二十四小时完全自动实时因特网“反拍卖”，无需任何人工干预，且其中卖家实时按需地反复自动出价，以成为潜在买家的产品或服务的最佳价格供应商。

另外一个目的是提供这样一种新系统，其中出价是响应于特有的买家简档而不是响应于仅仅一般化的买家请求，并且其迫使卖家在当前市场状况和趋势下将其出价与特有的买家简档相适应(tailor to)，进一步采取最佳价格折扣或其他刺激手段以赢得买家的生意，而且买家还可以选择所期望的卖家类别。

再一目的是提供具有新型自适应实时迭代计算工具的新颖“卖家系统”自动卖家引擎，用于对买家请求做出响应以进行报价和/或生成反拍卖卖家反复出价，以生成最佳出价。

其他和进一步的目的将在下文中解释并在所附权利要求中更具体地加以描述。

发明内容

然而，总而言之，从其重要方面之一来说，本发明提供了一种新颖的方法和系统，用于通过中间自动反拍卖方控制器经由通信网络在可能的买家和有意愿的卖家之间进行自适应实时反复商业交易(购销)，该控制器自动使卖家能够针对买家请求并根据实时市场信息实时自动出价和反复再出价，以便竞争买家的生意，同时买家可以仍然在线或仅在极短时间内在线，这包括卫星万维网通信——为方便起见，在本文中将所有这些在其最宽泛意义上称为“因特网”，其中可以在任何使用无线和/或有线传输的公共和/或专用通信网络上使用本发明。

本发明包括一种用于通过这种通信网络进行完全自动按需即时且实时的产品和服务的反拍卖的方法，其中买家请求反拍卖方控制器从卖家索取报价并在卖家之间进行反复自动竞争出价，以便成为所述买家的最佳价格供应商，所述方法包括：

买家向所述反拍卖控制器发起在线网络请求，以索取指定产品或服务的报价和/或在卖家之间进行反拍卖，在这种请求中包括特有唯一个体买家简档信息；

在所述反拍卖控制器处自动处理这种请求，并立即将所述请求与所述买家特有简档信息一起通过网络转发到多个卖家，每个卖家具有相应的自动卖家引擎，所述卖家引擎包含对于所述卖家的个体商务模型驱动的约束条件和实时市场数据而言为唯一的信息数据；

在从所述反拍卖控制器接收到买家的请求和简档后，在每个卖家的相应引擎中动态且自动生成针对该买家而定制的且基于该买家特有简档、主流市场状况和竞争环境的唯一出价，并自动通过网络将所述出价传送回所述反拍卖控制器；

使所述反拍卖控制器随后处理从所述卖家接收到的所述出价，并将所述卖家设置成自动在它们自身之间进行竞争，以当前最佳出价为基础反复给出更好的出价，以连续自地的进行更多轮，直到仅留下最佳出价为止，所述反拍卖控制器在没有任何人工干预的情况下实时将所述最佳出价与所述买家的请求进行匹配；

以及按照最佳出价实现买家购买。

下文结合附图详细描述优选架构、最佳模式设计、装置和实施例。

附图说明

在附图中，图1为根据本发明优选实施例的自动实时反复系统的整体系统示意图，有时在本文中将其称为首字母缩写词“ARTIST”，该系统用于在买家和卖家之间进行按需通信网络(例如“因特网”)交易，以下有时将买家称为“买家系统”，以下有时将卖家称为“卖家系统”，在本文中有时将中间反拍卖方控制器同义地称为中间反拍卖控制器(“RAC”)，交易是由卖家自动引擎实现(有时被称为首字母缩写词“SAEI”)自动执行的；

图2为用于实现图1的架构的买家系统侧的可以称为买家系统“状态机”的功能流程图；

图3为详细示出了由每个买家向图1的反拍卖控制器提供的买家简档信息和产品买家数据的图表，图11和12将对此加以更详细绘示；

图4、5和6为连续的功能流程图，示出了由图1的反拍卖控制器执行的步骤序列；

图7为每个卖家自动引擎的操作中涉及的操作步骤序列的另一功能流程图，其中在图7的步骤中使用首字母缩写词SAEJ来指代买家自动引擎，在图8的表格中给出了反拍卖的实现；

图9为每个卖家自动引擎SAEJ的优选示例性自适应实时迭代计算引擎(所谓的“ARICE”架构)的方框图和实现电路图，施加到图9中的组件的数字由图10的表格中的图标来标识；

图11和12分别是示例性买家简档和信息字段数据包格式以及图标标识，其由每位买家提供给反拍卖控制器或随着时间流逝由卖家或根据本发明的反拍卖控制器提供，对于初始化、修正或中间以及处理过的情形中的每种都有用处；

图13在其(a)-(d)部分中示出了工作期间出现故障或错误的买家系统的恢复；

图14为类似的图，在(a)、(b)和(c)部分中示出了RAC使用检查点(checkpointing)技术和回卷恢复来从其工作中所发生的故障恢复所采取的步骤；

图15为类似的图，在(a)和(b)部分中示出了RAC如何可使用冗余来增强其可用性的实施例；

图16示出了本发明的故障容错优选架构，其示出了单个SAEJ的组件；以及

图17示出了可由SAEJ用来改善可用性的适当冗余技术--(a)和(b)部分示出了使用两个运行的SAEJ单元进行热待机操作；而(c)部分示出了变型，利用三个SAEJ单元通过SAEJ复制实现冗余。

具体实施方式

在图1中示出了本发明的例示和优选架构(ARTIST)，用于在其实时反拍卖时同时优化买家和卖家目标。

出于例示的目的，在图1左侧将“买家系统”的实现示为例如买家膝上型计算机、台式计算机、PDA或蜂窝电话计算机中的任一种，其经过常规的世界范围因特网(由粗线示出)与反拍卖方控制器(RAC)进行在线连接。总而言之，买家参与的关键特征包括按需和实时操作、提供唯一的买家购物组合和简档、特有的买家报价以及选择期望的卖家类别的能力。

在图1右侧所示的卖家侧，可以利用本发明的“卖家系统”卖家自动引擎实现“SAEJ”来实现示例性的定制硬件(custom hardware)、服务器群(server farm)、计算机工作站或主机，其被示为通过常规世界范围因特网(虚线)连接到RAC。

总而言之，卖家参与的关键特征在于实时完全自动出价，并根据客户(买家)特有简档和当前市场状况反复并自动地修正。

响应于如图2左上方所示的该过程中新的买家注册或简档变化，提供图3中B2下方列出的类型的简档数据，以在标记为“发送到RAC”的方框处通过因特网将数据发送到反拍卖方控制器RAC。在图2的买家系统状态机器操作中示出了所有相应请求，这些请求例如是用于反拍卖RFRA的报价请求RFQ，用于价格守候RFPW和自动通知的请求RFPWAN，用于价格守候和自动购买的请求RFPWAP以及用于出价结果接受的请求BRA，指示在标记为“发送到RAC”的相应方框处通过因特网向RAC发送。同样如图2所示，获取用于价格守候的买家输入，作为好的报价或反拍卖结果，其可以包括如下项目：目标价格、时间范围(timeframe)、通知、邮件或设备类型格式、电话或SMS号码等。

现在转到反拍卖方控制器或反拍卖控制器(RAC)及其响应于在R1处接收的买家请求的操作序列，如图4的左上方所示，针对上述由图2的买家状态机发送的RFQ、RFRA、RFPWAN、RFPWAP和BRA请求示出了RAC的处理。所述处理的项目用于匹配卖家、生成初始化的唯一买家简档包，以及在有来自卖家自动引擎SAEJ的处理响应的情况下，用于进行如结合图6所述的进一步处理。在接收到反拍卖方控制器超时请求RACT时，处理SAEJ的响应。如图4所示，当在BRA接受出价请求时，更新统计数据并发起交易(中下方的R1处)。

在图5中示出了在图4在R2处从SAEJ接收卖家出价或报价响应之后的RAC操作序列，其中R2给出了任何RFQ、RFRA和RFPWAN或RFPWAP响应中的每个。对于RFQ，处理从所有参与的SAEJ接收的响应，在接收到所有响应时，通过因特网将报价响应发送到买家系统。统计数据被自动更新并发送回SAEJ。对于RFRA响应R21，如下这些情况是有效的：更新往返时间计算，在接收到来自所有参与的SAEJ的响应时，在图6的R100处继续进一步的处理。如图所示，处理并优化针对买家购物组合的报价响应，其中将所计算的出价与前一轮出价相比得到“最好的”出价以及将当前的“最好”出价发送到SAEJ，以进行下一轮出价。如果在最后一轮中存在最后的最好出价，则选择胜出的SAEJ，通知买家和卖家，并发送更新后的统计数据以供SAEJ记录。

对于R23处的RFPWAN或RFPWAP响应，在图6中示出了针对相应买家所请求的物品的信息所进行的这些处理，其中买家(们)从这种卖家间强制实时反复竞价中获益巨大。

在图7中给出了每个卖家自动引擎SAEJ的处理的更详细描述，其示出了如上所述对从RAC接收的请求数据的自动处理，以及对价格守候列表和超时事件的响应以及ARICE参数、初始化的和修正的或中间买家或客户简档包的变化。

如上所述，本发明的架构实现了响应于来自“买家系统”的按需“报价请求”，由卖家在每周七天每天二十四小时的基础上进行完全自动、即时、准确和竞争性报价。它还允许这种系统在每周七天每天二十四小时的基础上在任何时候在卖家之间请求进行真正即时的反拍卖，其中，完全自动的卖家引擎SAEJ在它们自身之间进行实时反复出价，以提供最好出价—即，产品或服务提供者的最低价格或(例如)最高的银行利息率CD或类似的服务提供商。如上所述，每个卖家引擎利用如下各项特有的即时反复出价而自动做出响应：唯一的买家简档、主流和历史市场趋势、竞争动态、上一轮的最低出价、请求的钱数和单位数量以及其自身的营销/促销策略。自动产生出价，使其停留在卖家唯一的商务模型驱动的约束条件之内；基于历史市场数据和走向线逐产品地进一步自动在预定硬限制之内修正这些约束条件自身。这种卖家自动引擎“SAEJ”显著减少了在数百竞争对手之间对数千物品进行人工跟踪和比较的需要和相关基本费用。此外，卖家也可以选择拒绝参与除卖家自身类别之内出价之外的出价，以便保持和保护其自身的商务模型。

买家不仅获得对他们请求的即时按需响应，而且如上所述，还从卖家间这种强制实时反复竞价中获益巨大。不是获取一般性价格，相反，买家基于其自身唯一的简档做得更好，该简档包括购物历史、其“购物组合”的钱数和单位数以及其接受促销和广告的意愿。买家还可以基于其自身舒适的因素，请求仅特定类别的卖家参与该针对买家业务的反复竞价。买家还可以为其期望的购物组合设置价格限制，将其置于价格守候上，且在匹配的时候，接收通知或自动实施购买(如果这样选择的话)。此外，如果在确定时间范围之内价格下降了更多，则出于信誉的目的自动通知买家。

这种自动按需即时以买家为中心的“反拍卖”将使买家能够从多个卖家中获得最好的可能价格，同时使同一卖家能够针对买家的生意进行反复自动实时竞争(在此可互换地使用“价格”和“价值”)。例如，在一位买家要买一台摄像机的情况下，其期望是得到最低价格；另一方面，一位想在银行存一年期CD的买家希望得到最好的利率。所述目的是为买家得到最好的价格并为卖家优化收入/赢利，其方式是使卖家能够实时评估买家的需求并具有基于预定变量和约束条件在无需任何人工干预的情况下自动对各种情况进行即时自动响应的相应能力。本发明的这种系统具有以下特征。

本发明的自动按需即时以买家为中心的“反拍卖”的概述

如上文结合图1所述，本发明的自动“反拍卖”系统的三个关键要素为：(1)“买家系统”，在买家系统中发起动作请求并且其中可能有几十万乃至数百万这样的买家；(2)关键的“反拍卖方(拍卖)控制器”RAC，这是驻留在其“反拍卖服务提供商”(“RASP”)处的用于整个过程的检查点；以及(3)每个确实能计入几十万或更高的卖家的“卖家自动引擎”SAEJ。大部分通信发生在“买家系统”和“反拍卖方(拍卖)控制器”之间或“卖家自动引擎”和“反拍卖方(拍卖)控制器”之间，受RASP业务模型的影响，“买家系统”和“卖家自动引擎”之间的直接通信可能要保持最少。

典型的情形包括“买家系统”向RAC发出请求以获得“报价”或进行“反拍卖”。即使买家在线等待，RAC也立即启动该过程，并可以和匹配的SAEJ实时协作以执行期望的请求。所述目的是通过让大量具有实时市场数据的SAEJ在它们自身之间进行竞争，从而为买家提供最好的定价，从而将上一轮的最低价格用作下一轮的基础，以便进一步提高或对其进行优化。重复该过程，直到仅剩下胜出的出价且其他参与的SAEJ已经退出为止。此外，根据本发明，这一实时任务是在没有任何人工干预的情况下自动完成的。

本发明的重要特征在于其方案，其中，与现有技术系统不同，每个SAEJ保持其自身的定价数据，由此能够基于买家的唯一简档和购物组合以及主流市场状况和竞争环境来动态生成其为每个买家定制的唯一价格。

现在将描述每个系统所采取的步骤的详情，其中所有三个系统并行工作，彼此独立，但又自动彼此协作。在图2到图8中示出了反拍卖架构中事件的流程，图2和3示出了“买家系统状态机”，图4、5和6示出了RAC序列，图7示出了“SAEJ序列”，以及图8定义了附图所用的首字母缩写词。

尽管稍后将结合图9和10描述SAEJ自适应实时迭代计算引擎(ARICE)的优选实施例，其实现在已经给出了足够多的细节来阐述本发明系统的工作。

“买家系统”事件

通常有两种买家；一种为基本买家，其在反拍卖提供商“RASP”建立帐户并对付费负有终极责任。还存在附属的子买家，例如家庭成员。一个实例可以是母亲为基本买家，而父亲和子女是子买家。基本买家被授权在其账号中接纳子买家，每个子买家具有他们自己的买家ID。由于从“RASP”的角度来说在这两种买家之间通常没有基本的差异，因此对二者将使用共同的术语“买家”或“买家系统”。

当基本买家第一次在RASP注册时，使用信息来创建前述的唯一买家简档以及其子买家的列表。可以在任何时候更新该简档。每个子买家还具有其自己的相应唯一简档，且所述简档可以由其相应所有者在任何时候进行更新。

典型的信息字段在图11的客户数据包格式中示出(在图12中定义了其中的图标)，并可以包括姓名、地址、邮件、电话号码、信用卡信息和其他相关个人详细资料。由RAC定义和更新计算“消费指数”(CIN)或“消费指数”所需的详细资料，以帮助SAEJ提供比一般情况下可以得到的更好的、与客户简档相符且为客户简档所特有的价格。假设买家有兴趣，这样还使每个SAEJ能够进行目标广告，从而为买家和卖家提供了双赢的结果。CIN反映了总的视图，其不仅包含基本买家的简档，而且在其下方还包含子买家的简档。这赋予了家人汇集购买力以从SAEJ获得最佳定价的能力。

CIN基于多种因素，其包括，但不限于

a.长期购物历史——在预定时间内总计花费的钱数；例如，基本买家和每个子买家(如果有的话)在过去12个月或日历年期间在各种SAEJ上购物的总钱数。

b.短期购物历史——在预定时间内总计花费的钱数；例如，基本买家和每个子买家(如果有的话)在上个月在各种SAEJ卖家购物的总钱数。

c.基本买家和每个子买家(如果有的话)在长期时间段和短期时间段中购物的卖家类型或类别。

这一信息有助于识别主要从低端或中端商店，例如“沃尔玛”或知名高端商店，例如“Bloomingdale”购物的客户；或者，例如“索尼”和“松下”的买家。在买家愿意的情况下，也可以提供诸如离线购物所花费钱数和客户个人信息的其他数据，例如年龄、职业、工资、资产净值等。

“消费指数(consumer index)”等级(例如类别“A2”)可以标识花费大量金钱和/或具有很大购买力、且可能将来花费更多并往往在中高端商店(例如“Macys”)消费的买家。

另一方面，“A3”可以表示较强的购买能力，往往更多从“沃尔玛”型商店购物。如果买家的行为不够模范(exemplary)，例如买家虽然认可要完成交易等，但并未付款，还可以将消费指数降级。

d.基于附属关系(例如“AAA”成员)或有条件享受企业折扣的大公司员工的任何基于团队的折扣资格。

e.如果在购买之后几天内所购物品价格下降，则需要通知。一些卖家具有在这种情形下为买家提供信用的策略。

f.有意愿在预定时间范围内从提供成功出价的SAEJ卖家接收促销/广告，由此使卖家能够进行目标特定的广告和其他促销事件。这种主动的接受可以导致为买家带来较好的定价。

尽管可以由RASP指定最小的预定持续时间，然而可以由买家选择更大的量，且可以进一步降低SAEJ提供的价格。促销/广告的实例包括诸如电影、电子艺术和服装等物品。

买家接收来自RASP的针对买家选定类别的促销和广告的意愿，这可以被表述为补偿的回报，例如在每年的年末自动返还在选定类别所花总钱数的预定比例。可以在各种设备上接收这种促销信息，这种设备包括任何无线或有线设备、手持的或非手持的以及图11所示的各种形式。

还可以在逐个案例的基础上提供其他信息，并可以将其存储在简档中加以利用，直到改变为止。这种信息可以包括从所有SAEJ请求获取竞争价格；或者在另一种情况下，再次基于买家个人舒适的因素，这种价格仅从选定类别的卖家请求每种产品。至于买家对卖家类别的选择，可以由RASP基于一定标准来界定，例如卖家的财务、业务销售额、在市场上的声誉、服务、支持、满足送货承诺的能力、做生意的时间、收入增长等。知名的百货公司连锁店，例如可以处于“A类”中，与业务量小且留下的记录较不出名的小型新店加以区分，一开始可以将小型新店放在“D类”等之中。随着这种新店的规模增大，可以对其类别进行升级。相反，如果“A类”卖家的销售额降低到阈值以下，或客户投诉的量超出正常值(在该上下文中类别和种类可以互换)，可以对类别进行降级。

这还有助于将不良卖家排除到交易之外。此外，不针对每种货物指定卖家的类别，而是由买家在所有产品类型中选择指定共同类别。还可以指定“类别”组合，例如“B类”和“C类”用于“报价”和/或用于“反拍卖”，而不同的类别用于“报价请求”和“反拍卖”。买家还可以灵活地指定要考虑的最低价SAEJ结果的数量，例如仅考虑五个最低价的卖家。

尽管买家未必一定要提供所有上述期望的信息，但提供更多信息将会增大从SAEJ获得最佳交易的机会。

在注册之后，或如果已经注册则在更新简档之后，或已经注册且不需要进行任何简档更新，买家就前进到下一步骤。买家然后可以请求竞争定价或报价，或者请求在卖家(“BAR”)之间进行“反拍卖”，如图11。如上所述，竞争定价请求可以针对单个或多个同类产品或针对多个不相关产品。

然后如前面讨论的图2和3以及图11和12中的包字段所示，将发生以下事件。

如果买家做出了“报价请求”(图7和8中的“RFQ”和图11和12中的“BAR”)，买家会具有若干字段，从所述字段中选择并加以指定或填写。这些字段可以是对每种产品本身所特有的(图2和3，B3)。考虑下面的情况作为实例，买家希望购买数字照相机、冰激凌机和处方药。这种请求的前两项所需的信息可以是：产品类型、其命名法、制造商、型号(如果知道的话)等，如图11和12中的“PROD INFO”处所示。在药品的情况下，则为其名称、再补加(refill)数量、医生姓名等。将指定要购买的单位数量，还要提供可接受的送货时间(“DLV INFO)。

另一方面，对信用卡的竞争性利率的请求可能要求如下类型的输入：关于被请求的信用限额的产品特有选项字段条目以及其他相关信息，包括买家从SAEJ接收“暂时出价”的意愿(“REQ INFO”，图11和12)。例如，可以由SAEJ通过使出价经历“信用核实”来提供这种“暂时出价”，或者在请求抵押报价等时可能会发生类似情况。

如果买家的简档中有的话，还可以针对每个产品类型请求如下额外信息(“B2”，图2和3)，买家可以进行所需的任何每个产品的更改的选项，以及对有资格对该产品进行出价的卖家类别的选择(B3，图2和3；“REQINFO”，图11和12)。

有关以下各项的全部或部分的信息也是适当的：

任何卖家优惠券；

实际送货的地理位置/位置和送货手段，或用于数字内容(例如视频或音乐等)下载的电子地址；以及

辅助计算发货和搬运(handle)费用或辅助下传数字内容的信息；还有辅助SAEJ判断是否覆盖被指定位置的信息。例如，抵押公司可以集中在一个地区而不是整个国家。

然后该信息立即被RAC处理，传送到匹配的SAEJ(这也取决于买家选择的“卖家类别”)，SAEJ然后即时自动计算特定客户简档、钱数、产品特有定价历史、当前市场动态、近期竞争环境等特有的价格，然后将其提交回给RAC。然后实时分析这些报价并按照买家请求的次序进行呈现，同时买家可能仍然在线。这整个自动化过程可能耗时几十秒到几分钟；而不是现有系统的几小时或几天。于是消除了涉及陈旧价格/送货或其他类型的产品特有信息的问题。这还消除了获得该信息的延迟，当然，加快了送货时间，因为仅有那些愿意满足所请求的送货时间的SAEJ将对这些请求做出响应。

在接收到所请求的报价之后，买家可以选择根本不做任何事情，在报价有效期之内向“最佳报价”卖家下订单或向另一期望卖家下订单，或者在多个卖家之间请求发起“反拍卖”。然而应当指出，不必一定要经历该报价过程；买家可以从一开始就请求进行“反拍卖”。如果选择这种路线，可以要求买家支付少量费用；或者可以要求买家只要最终价格(例如)为最低报价的80％或低于该最低报价就购买该产品。

买家填写如上所述的必要数据包信息，包括将要把货物发送到的更新后的地址/多个地址。如果期望的话，买家可以改变诸如“卖家类别”、“量”等的参数。在接收到报价之后，买家可以决定改变货物量或种类以及诸如送货地址的相应信息等。如果(例如)索尼数字照相机的最低报价为$150，买家可能会选择购买三个照相机，而不是最初请求的那样对两个照相机进行报价；另一方面，如果最低的数字照相机报价为$250，买家可以将购货数量保持为两个，甚至减少到定购一台。

如上所述，本发明还让买家能够请求在价格降到或低于某水平时获得“价格守候&自动通知”。这也可以发生在上述“反拍卖”请求之后。

如果买家选择了该选项，就会为其提供额外的字段“目标价格”和“时间范围”，以保持守候是有效的。如果没有填写时间范围，那么就假定是RAC可允许的最长时间范围——例如可以是六个月。买家还可以按照规定提供通知必需的信息，例如邮件、SMS或其他手段。

如上所述，买家还可以请求当在预定时间范围之内价格降到或低于某一水平时进行“价格守候&自动购买”。这也可以发生于在多个卖家之间进行上述拍卖之后。例如，如果在三个月之内某款数字照相机的价格降到$150以下，就通知买家并自动发起购买交易。这使得买家即使在繁忙或无法及时对通知做出响应的时候也能够从短期促销事件中获益。

当在RAC和若干SAEJ之间在后台执行所请求的任务时，买家还将接收进程反馈。

“反拍卖方控制器(RAC)”事件

“反拍卖方控制器”RAC处理所呈现的买家信息并在简档已经被改变的情况下更新记录。然后RAC处理通过利用包括其消费指数CIN的客户简档对预定多字段包进行初始化而做出的特定请求，如图11和12所示。对于每种产品，它还包括：产品特有信息字段(PROD INFO)、送货地址和可接受的送货时间(DLV INFO)、特有的买家动作请求(BAR)等。如图所示，该包还具有控制字段，例如时间戳(RACTS)、RTT(往返时间)、错误代码(ERROR)、诊断代码(DIAG)、检验和(CHKSUM)、前向纠错(FEC)等，如图所示。

在企业买家希望在预先选定的合作伙伴/供应厂商之间进行“专用反拍卖”的情况下，也可以通过填写“虚拟专用反拍卖ID”(VPRA ID)从而表达这种希望，以便发起这种交易。VPRA ID是买家和RAC之间约定的唯一ID，标识着所有各方(买家系统、RAC和SAEJ)的“专用反拍卖”。在这种情况下，多字段包仅被传送到选定列表的卖家而不发给任何其他卖家。

无论是“反拍卖”还是“专用反拍卖”，所述过程大体都是相同的，只是第一种情况下卖家的选择是由RAC决定的，而在第二种情况下，它已经由买家决定。这种处于初始化阶段的多字段包被称为“初始化客户包”，见图11。在准备好这种“初始化客户包”之后，根据买家选择的卖家类别或在“虚拟专用反拍卖”时根据可能已由买家预先选定的实际卖家，RAC立即将该包传送到匹配的SAEJ。每个这样的SAEJ然后即时自动计算客户简档、钱数、产品特有价格历史、当前市场动态、近期竞争环境等特有的价格，更新该包并将其提交回给RAC。

在“报价请求”(RFQ)的情况，对结果进行排序并在需要时发送到买家。

在请求“反拍卖”(RFRA)的情况下，RAC判断各响应中的最低出价，并利用必需信息来更新多字段包，以进行下一轮反拍卖。

随着该过程的进行以及连续发生报价或出价，RAC利用信息更新该包，信息例如为出价卖家的数量、出价次数、出价类型、出价时间戳、最低出价等(BID INFO，图11和12)。每个参与的SAEJ还利用其本身的新出价量及其卖家ID等更新该包，在这个阶段，该包被称为“中间客户包”，见图11。该包随着输入越来越多的信息而扩展，直到结束为止。最后，在没有任何事要做的时候，将该包标记为“已处理客户包”。整个这个过程是实时进行的，直到完成完成期望的动作为止，而且是无需任何人工干预而自动进行的。

此外，为了确保即使在SAEJ和网络发生故障时反拍卖也能够向前推进，本发明提供了一种基于超时机制的新颖的“反拍卖时钟计时”(称为“RACT”)。必需要在计完该出价的“反拍卖时钟计时”时间内从所有SAEJ接收出价。利用RAC和参与SAEJ之间的“往返时间”(RTT)计算“RACT”，并基于该值设置超时。可以利用选项对超时的设置进行编程，使得每个“卖家自动引擎”都能够参与每一轮；或者大量的SAEJ能够基于预定的比例参与每一轮，由此防止一些非常迟缓的SAEJ拖累其他人。

“RACT”的判断是自适应的并在每轮后进行更新。一种新颖的机制基于来自每个SAEJ的“平均”“RTT”估算来递增地调节出价响应的“RACT”估算。超时之后接收到的任何出价都将被丢弃，允许有意愿且有能力的所有SAEJ参与反拍卖。然而，在网络极端拥塞或停机的情况下，并非所有SAEJ都能够参与。因此，为每一轮报价分配递增的序号“N”。RAC将确保第“N”轮接收的所有出价都含有相同的序号N，由此保证所接收的出价的一致性，从而拒绝在新会话中所接收到的旧出价(可能由于额外的网络延迟或数据包重新排序而导致的)。

一旦RAC接收到有效的出价，提交该出价的SAEJ就要对该出价负责。这确保了卖家不能降低反拍卖的价格并随后在最后几轮中退出。此外，所有这些处理和事件都是实时发生的，没有任何人工干预，不需要专门的人力资源，从而以非常少的成本增加极大加快了该过程。

具体且总而言之，发生以下事件，如图4、5和6所示。

如果是“报价请求”

RAC针对客户简档特有请求从所期望的卖家类别收集所有实时响应。

系统然后适当处理这种信息。对于单种产品类型，这是相当直接简明的。对于不相关的产品，使用下文所述根据本发明的新颖机制，来计算所接收到的报价的各种组合以为买家得到最优值。

然后按照买家请求的方式设置这种处理过的信息并加以传送。

针对市场分析更新统计数据；一些实例为：作为绝对数字的请求次数、对应于请求的“消费指数”的类型、每种货物的请求次数及其对应的“CIN”——以上均随时间变化；随时间变化的每种类别的最低报价；以及“报价请求”的地理分布。

如果为“反拍卖请求”：

RAC使用前面的报价(假设买家在请求“反拍卖”之前获得它)作为最佳开始出价。如果在反拍卖之前没有请求过报价，那么不需要提供开始出价值。在替换实施例中，也可以考虑历史中间价格或最终交易价格。

RAC处理来自参与SAEJ的对报价请求的实时响应并确定这一轮中的“最佳”出价。

随后，要求SAEJ针对上一轮提供的最佳出价(如上所述，最低的可能价格或最高的可能利率)再次出价。如果没有任何卖家对出价进行进一步的提高，那么拍卖停止，给出最佳出格的SAEJ赢得买家的生意。然而，如果有人提交提高的出价，则实时重复该过程，参与的SAEJ不断给出更好的出价，直到每种货物仅剩下一个SAEJ为止；或者，如果包含不相关的货物，直到货物的每个子类剩下一个SAEJ为止。

例如，如果有超过一个SAEJ给出了同样的最低价，那么可以使用专卖(proprietary)策略来决定“最佳”出价者。对于低价请求(例如歌曲、电影或电视剧下载)常常会发生这种情况。例如，可以将这种策略限于随机数选择；或循环；或广告量最大的SAEJ，或基于诸如广告量等考虑在多家广告卖家之间按比例分配。

然后在各方之间发起并实现该交易的完成，并针对趋势分析更新统计数据；例如，作为绝对数字的请求次数、做出请求的“CIN”类型、随时间变化的请求次数、每类卖家随时间变化的价格趋势、随订货量变化的价格趋势、价格方式和标准偏差、购买行为的地理分布、整体上总的报价销售比或SAEJ特有的报价销售比等。

如果为“价格守候&自动通知请求”：

那么RAC提供正在运行的“价格守候”列表，其具有与其相关联的定时器(前面结合图5-8描述的RFPW)。SAEJ时钟能够实时获得该列表。如果发现一个报价符合价格守候的值，或者SAEJ通知RAC其希望匹配该请求，则如图6所示立即自动通知买家。

如果为“价格守候&自动购买请求”：

如果发现一个报价符合价格守候的值，或者SAEJ通知RAC其希望匹配该请求，则立即自动通知买家(如前文所述的图6中的RFPWAP)。如果超过一个SAEJ愿意进行匹配，“反拍卖方控制器”可以根据先到先服务的原则或基于专卖策略做出决定。

通常，一旦选定了优胜者，就会通知买主和获胜的SAEJ们(对于多个不相关货物而言)并开始交易阶段。根据其自身的业务模型，“RASP”可以参与或不参与买家和卖家之间的实际交易。然而，对于希望保持匿名的买家而言，利用RASP拍卖方辅助买家和卖家之间的交易可能是有利的。在完成交易之后，向所有参与的SAEJ发送“更新后的已处理客户包”供他们采集统计数据。

“卖家自动引擎”(SAEJ)事件

如以上参考图7和8所述，“卖家自动引擎”SAEJ无需任何人工干预实时处理买家信息，并随后处理从RAC接收的出价信息。SAEJ的中央核心元件为其“自适应实时迭代计算引擎”，此前也将其称为“ARICE”，如图9和10所示并如下文所更详细描述的。这整个出价生成过程是完全自动化的，从而无需任何专门的人工即能够对几十万个买家请求(或者根据其IT基础设施，更多的请求)做出响应——所有这些都与现有系统能处理的较少请求量(例如，每个专职人员每小时几十个请求)形成对比。这样一来，与现有技术的“常规”方案相比，本发明提供了几个数量级的性能改善，同时还减少了人工和相关运营费用。

图7的SAEJ在从RAC接收到由买家提交的信息(图2和3以及图11和12的B2，B3等)之后，如上所述，在客户请求、其特有简档、长期市场趋向和短期市场动态的上下文中处理和评估该信息，总起来说该信息数据包括如下信息：

所请求的货物类型、期望的送货时间、订货量、单个送货地址或多个地址、消费指数(CIN)、接收对客户简档而言唯一的目标促销/广告和短期折扣的愿意以及对应的促销事件，例如即将到来的“降价提示”通知，这种通知与宽泛广告团体折扣相比实现了每元购物消费好得多的回报、任何适用的优惠券、买家的地理位置、帮助做出地域特有目标促销、所请求的“卖家自动引擎”类别(如果有的话)、任何“虚拟专用反拍卖ID”、针对其自身类别和其他“卖家类别”的短期竞争定位、针对其自身类别和其他“卖家类别”的长期价格趋势等。

假设可以满足送货期望，SAEJ然后决定参与或不参与。例如，在所有类别的SAEJ都参与的时候或在其销售的地区受到地理限制的时候，“A类”卖家SAEJ可能选择不参与。

假设决定参与，那么如前面在图7中所示发生如下事件。

如果是“报价请求”：

利用前面已提到，但下文将更详细描述的“自适应实时迭代计算引擎”(ARICE)和各种参数对价格进行细化，参数包括客户特有简档和将影响该引擎的动态生成的输出的市场趋势。长期历史市场数据影响着产品的主要“基本价值(base value)”的计算；而短期市场和竞争环境被用于“调制”这种主要“基本价值”信号，如下文所述。然后将最终报价以及其有效期发送到RAC。还可以将额外的信息附加到买家指定的设备类型上，该信息例如为关于该公司、产品和广告的信息——亦即，如果客户表示过有意愿接受这些信息的话。

如果为“反拍卖请求”：

利用前述自适应实时迭代计算引擎ARICE对价格或适当的产品特有信息进一步细化。如果先前为该请求提供过报价且该报价仍然有效，并且底层买家参数没有变化，那么就把该数据用作基线以进行额外的调节。如果报价已超过有效期或底层参数已改变，那么使用不同的基线，例如更近期的报价。在替换实施例中，可以由RAC基于有效报价或最近的交易(在没有有效报价的时候)提供开始出价。此外，应该指出参数可能从“报价请求”变化到“反拍卖请求”。买家在两个事件之间可以具有几天或几周的时间间隙，诸如市场趋向的底层市场因素可能会已经发生了变化。长期历史市场数据影响着产品主要“基本价值”的计算；而短期市场和竞争环境被用于“调制”“主要基本价值”信号，如下文更全面所述。

然后将来自引擎的上述动态生成的结果传送到RAC，RAC比较来自各SAEJ的信息并为买家采用较好或“最佳”的值(对产品而言为最低价格，或最高利率或其他服务费率)，并请求SAEJ再次出价以提高或优化当前的“最佳”值。如上所述，针对每个SAEJ实时重复该过程，直到SAEJ基于其预定限制决定不恢复/重复实时出价为止，在这种情况下，向RAC发送明文消息，表示没有出价。然后给数据包打上时间戳，进行更新并加以保存以供将来统计分析之用；或者，该卖家赢得买家的生意。同样，也可以无需任何人工干预附带额外的信息，例如有关公司和产品的信息和/或广告(如果客户表明有意愿接受的话)。

如果为“价格守候&自动通知请求”(RFPW)：

如果可以在指定时间之内匹配该价格，SAEJ则自动通知RAC其愿意匹配该请求。价格守候提供了在预先指定价格目标下可能订货量的可见性。尽管也可能使用RSS技术(实时简单企业联合组织)来获得价格目标，但这会是一种非自动化的方法，从而会消除该系统的主要优点。

如果为“价格守候&自动购买请求”(RFPWAP)：

再次利用其正在运行的具有相关联的定时器的“价格守候&自动购买”列表(图7)，SAEJ将判断是否可以在指定时间内匹配价格，然后SAEJ自动通知RAC其希望匹配买家的请求，并请求RAC发起交易。这提供了对预先指定价格目标下潜在订货量的可视性以及利用该可视性的机会。例如假定如下的情形：500位客户在这种“价格守候&自动购买”列表上设置了索尼数字照相机，其价格被指定为$200，到目前为止来自任何SAEJ的最低出价都是$240，一个敢作敢为的SAEJ可能会利用这种机会，以$200的价格提供一次促销活动(即使仅短到一分钟)，尽管可能有更大的订货量，但仅获得少得多的利润，他会考虑到从制造商那里获得更大的总额折扣。此外，SAEJ还赢得了向同意接受促销/广告的那些客户发送将来的促销/广告以及在RAC处提升SAEJ简档的权利。如果希望的话，可以在竞争关注可能最小的白天/晚上的时间举行这种自动促销活动。

SAEJ还可以在期望的价格做出“暂时出价”，要求买家接受今后的目标促销/广告，目标广告随后也销售给其他相关供应厂商，从而再次提高收益。

摘要重述小结

在摘要重述中，通过简洁的额外小结的方式进行小结，在此，本发明的过程或方法是由如下方面发起的：

1.买家填写数据信息数据包的各字段的要素，包括所请求的产品或服务标识以及(适当的时候)个人的买家特有简档信息，并将这些信息通过请求提供到RAC，该请求用于在RAC数据库中的适当卖家之间发起反拍卖或仅仅从这种卖家请求得到报价。

2.RAC处理该买家原始数据信息并向所递交的包字段添加额外信息，例如所分配的消费指数，并从其存储的卖家数据库选择可能匹配买家产品请求的那些卖家，并将该“初始化的”包转发给这样的卖家。

3.在卖家端，接收并处理初始化的包信息，并利用卖家的SAEJ计算机自动进行，通过向其添加卖家的出价来更新包，随即将该“中间”包返回该RAC。

4.RAC自动采集和处理来自卖家的中间包，比较所接收的出价并通过向其增加最低或最佳出价来进一步更新中间包，随后将这样的包返回给卖家以进行下一轮价格细化或出价优化。

5.在下一轮反复相继重复以上步骤4的流程，直到最终由RAC获得最终最佳出价，随即由RAC将包含这种最佳出价的进一步更新过的包返回给对应的买家；还发送该包以用于每个RAC和参与出价的卖家操作统计数据库的目的——从而在全局上提供了针对所有卖家的完全价格趋势和营销信息的全面可视性，且在这一连续往返反复出价期间没有额外的成本，于是每个卖家获得相同的买家特有包字段数据，每个卖家已经分别为其增加了卖家自己的出价数据以及最终的最佳出价——于是每个卖家利用相同的包创建了其自身的历史统计数据。

6.由RAC将包含最佳出价的最终包以及其相应的卖家信息传送回给买家，使买家能够以该最佳出价执行产品购买或服务购买。此外，向所有最近参与的卖家发送最终的完整包，以向他们的竞争营销信息数据库添加统计数据。

7.此外，如上所述，还使买家能够利用包在价格守候中请求目标价格和时间范围进行细化以及进行自动通知和/或自动购买。

8.本发明还使同一包能够被所有各方用于他们相应的需求——最小化所需包的迅速增长；最小化网络；以及最小化买家必需在线所花费的时间。

现在要描述用于前述SAEJ的自适应实时迭代计算引擎(ARICE)的优选架构。

“自适应实时迭代计算引擎”(ARJCE)架构

如图9和10所示，SAEJ这一中央核心元件的架构方框图使用长期和短期的市场数据并结合客户简档，从而动态地生成定价出价信号，其中所述长期和短期的市场数据包括价格、竞争冲突、供需、各参数的走向线、赢得出价的卖家类型信息等。这种可编程的、反馈驱动的闭环引擎自动地与不断变化的市场状况相适应，在必备步骤中提供适当的定价校正以满足商务目的，同时仍然保持在个体卖家设定的硬性商务约束之内。

可以利用公知的AM/FM(调幅/调频)无线电类似物来最有用地解释该引擎架构的一部分。在AM或FM型广播中都由低频语音信号对高频载波信号进行调制。在AM的情况下，利用语音调制载波信号的振幅而频率保持不变；而在FM中，利用语音信号调制载波信号的频率而其振幅保持不变。

在本发明优选的“ARICE”架构中，由卖家设置的硬约束(例如产品的上下限价格)界定了允许所出价格波动的范围。利用无线电类似物，这有些类似于无线电载波信号。利用此前“已处理客户包”的反馈为所请求的“卖家类别”实时生成唯一的“基本价值信号”，这通常是在较长的期间返回的并且是可编程的。处理反馈数据以提取信息，例如随时间和量变化的价格趋势、定价手段和标准偏差、竞争对手的获胜出价值和卖家自己相应出价的利润差异、季节依赖性等，并将这种数据与诸如货币涨落等一般性市场数据相结合。相对地讲，这种信号变化缓慢，可以在某种程度上视为更像AM(调幅)信号。

针对所期望产品的必需的“卖家类别”生成唯一的客户简档特有的“调制基本价值信号”。它代表了随如下因素变化的必需的“基本价值信号”中的变化：消费指数(CIN)、买家从获胜卖家接受促销的意愿、买家从“反拍卖方服务提供商”接受选定类别的广告的意愿等。

市场动态中最近的(可编程的持续时间的)短期变化影响着价格，这些变化例如是新引入的竞争对手的普通促销、供需关系瞬态变化、竞争对手主动倾销库存的企图、希望迅速发展的市场新进者、竞争对手促销结束、近期(例如刚过去的八个小时)赢得报价的所有竞争卖家的业绩、最近获胜出价与SAEJ最终出价中的价格差异、已处理出价历史的最后几分钟、最后一轮“最佳”出价等。

在近期的先前处理过的客户包中包含的这种信息被提取、处理并连同卖家自己最近的业绩一起反馈到引擎，卖家自己的业绩例如是在反拍卖中的获胜比例、“最佳”价格出价与出价次数相比的百分比、该产品的发货量、月/季度等中总的收入状态与期望值的关系以及库存状况等。

该调制信号与FM无线电调制相类似地调制“基本价值信号”以产生图9中标示的客户特有的且经市场细调的“价值信号”。然后将该价值信号与卖家设定且还由其业务模型驱动的硬约束(也称为“框架(rail)”)进行比较。通常，已调制“价值信号”应当保持在这些边界之内且不充满框架。如果确实充满了，那么就不更新出价并保持这种事件的记录。然而，如果已调制信号未充满框架，那么发生“促销事件调制信号”形式的另一调制。然后使用所得的信号计算下一轮出价值，随后将其传送给RAC。

还定期检查“价格守候&自动通知”(RFPWAN)和“价格守候&自动购买”(RFPWAP)列表，以通过提供非常短期的促销来计算产品的潜在量和提供的相应价格和获利的机会。如果检测到这种机会，它会驱动图9的“机会促销信号”，作为“促销事件调制信号”的输入，并且其还被主动使用来通知RAC其愿意满足“价格守候”的目标。

该引擎和无线电类似物之间主要的概念差异是本发明就像在同一引擎一起使用AM和FM一样进行工作。因此，这种客户简档特有的、自适应、实时反馈驱动的自动引擎使用历史和最近的实时市场数据作为反馈，并使用卖家的业务模型参数来实现反拍卖期间即时重复更为精细的出价。该引擎是高度可编程的，卖家可以设置若干参数，例如约束条件、用于各种触发器的水印、促销事件和日程等。基于ARICE的SAEJ能够在每个小时内处理几十万次交易——这比“常规”当前方案的能力高几个数量级。此外，本发明使卖家能够实时地同时跟踪几十万个竞争对手——对于“常规”方案来说这是一项难以置信的麻烦且几乎不可能的任务。本发明还显著减少了卖家的人力资源耗费和相关的费用。

现在将评述图9的新颖ARICE架构的每个功能块的详情。尽管各功能块代表了任务的逻辑区分，但实际的电路实现可以随着ASIC集成水平和器件技术(例如0.09微米等)而有所变化。因此，一些功能块可能在物理上存在于一个芯片上，或者可以根据需要将块本身细分成多个芯片。

ARICE架构

来自RAC的上述“初始化客户包”被标记为“101”。该初始化客户包包含客户简档、消费指数(CIN)、动作请求、产品信息、“虚拟专用反拍卖ID”和前面描述过的其他相关信息。

被标记为“201”的“历史性已处理客户包”源于此前的“报价请求”和“反拍卖”请求，并连同“101”一起被标记为“202”的“预处理器级1”处理，该预处理器级提取并处理数据以提供市场信息，如上所述，用来判断长期和短期趋势。“长期趋势”是“基本价值信号发生器”的输入变量之一。通常在可编程预定时间内测量每种卖家类别产品的这些长期趋势——预定时间的实例为一周、一个月或季度甚至更长的时间。

由标记为“205”的“预处理器级2”对短期趋势进行处理以生成“调制信号”。通常在可编程预定时间内，例如前5分钟、30分钟、8小时或几天等，测量这些。一些这种短期实例为：新进入的竞争对手促销对价格的影响、供需关系瞬态变化、竞争对手倾销库存的希望、希望快速发展的市场中野心勃勃的新来者以及竞争对手促销的结束。

更多的实例有：业绩评估，包括在预定可编程时间范围之内近来(例如过去8个小时)赢得报价的所有竞争卖家的业绩；状况，例如同类卖家一直出低价——可能有财务问题——，在这种事件中，不希望有匹配其价格的需要；近期，例如在预定可编程时间范围内获胜的出价与SAEJ最终出价的价格差。例如，如果获胜的(同类)卖家价格低预定的数值(例如15％)，这就可能是价格战的信号，需要采取适当动作等。已处理出价历史的最后几分钟也是重要的信息，这是卖家自己最近的业绩，例如在“反拍卖”中获胜的比例——即，如果在预定时间范围内赢得的出价次数例如在90％的范围内(而期望为30％)，则还可能有提高价格的空间。或者，如果在预定时间范围之内获胜的次数例如为10％(相对于30％的期望值)，则可能需要调整价格。实时运行促销事件是很重要的，包括利用这种设备作为一小时左右的短期折扣手段来创造动力。其他要考虑的事项为与报价次数相比“最佳”价格在报价中的百分比；在反拍卖中被转化的报价比例；请求“报价”或“反拍卖”的客户简档的细分；随时间变化的发货数量；该月/季度等中的总体收入状况与期望值之间的关系，以及库存状况等。

其他考虑事项包括购物行为的地理分布以及对是否大部分请求都是以地理为中心的这一问题的回答；例如，在面对天灾时——发货策略中的挽救暗示；或者一贯的低价投标者是外国供应商而非国内供应商？这些来自国外的供应商可能在其他领域，例如服务方面更加受限；或者可能具有更高的运输和搬运费用；或者可能具有真正更低的运营费。基于当年的时间，对于来自世界不同部分的人，是否因为宗教/文化偏好而有—种可预测的模式？该模式给出了对世界那些部分特定的特别折扣/促销等的考虑。如果在一定时间范围之内未达到最小阈值量(单位数或钱数)，则可能需要调整参数。这种水印本身就可能是该年中时间的函数；例如，与二月中旬相比圣诞节附近的订货量水印可能会更高；或者促销事件的结果包括在预定期间(例如几个小时)等之内的促销销售。如果在预定时间范围内达到了一定量的钱数或单位量——可能需要重新进货。然后自动将该信息发送到库存管理系统。这些水印本身实际上可以是当年的时间或促销事件等的函数。

上述内容仅仅是处于例示目的的示范性情形，当然决不构成完整的列表。

然后按照每个卖家定义的要求由标记为“204”的“Hysterisis宏滤波器”对图9的架构中的输出“202”进行过滤。例如，“204”可以允许针对一些参数在前7天之内计算数据，针对其他参数在30天内计算数据，等等。

然后将在101处由RAC导出的信号和“204”的输出用作被标记为“102”的“基本价值信号发生器”的输入，“102”基于如上所述的产品信息、单位数量、选定的卖家类别和长期趋势生成“基本价值信号”。该发生器生成的“价值”降到卖家预定的硬编码约束条件之内。

再次按照每个卖家定义的要求由标记为“203”的“Hysterisis微滤波器”对“202”的输出进行过滤。例如，可以对“203”进行编程，使其在繁忙时段，例如从上午10点到下午7点，仅允许前30分钟有价值的信息；而可以对其进行预先编程，以在不繁忙时段，例如从午夜到上午7点允许4个小时的有价值信息，等等。

然后将“203”的输出用作被标记为“205”的“预处理器级2”的输入。“205”的其他输入为“初始化客户包”“101”和来自RAC的标记为“208”的“末轮最佳出价值”。然后由“205”处理这些输入以为“102”生成的“基本价值信号”生成“调制信号”。发生器“205”还生成“日程促销”信号，该信号可以基于预定的时间范围，例如节假日(阵亡将士纪念日、感恩节、圣诞节等)。还可以在未满足发货的特定水印的情况下生成该信号。

然后利用来自标记为“103”的“调制器级1”中的“205”的“调制信号”调制来自“102”的“基本价值信号”。然后由标记为“104”的“范围检查器电路”通过判断来自“103”的已调制输出是否在预定的硬编码范围之内，或者其是否在任一侧饱和——即在卖家设置的高值水印以上或低值水印以下，确认该调制器的输出。如果位于该范围以内，然后在标记为“105”的“调制器级2”处利用来自标记为“207”的“促销事件发生器”的调制信号进一步调制该信号。“105”的其他输入包括由卖家设置的“促销范围”约束条件。这些约束条件防止促销事件的结果超出卖家所能接受的范围之外，除非卖家经由“强制促销信号”进行否决所述约束条件。

例如，考虑以下情形：制造商提供40％的年终折扣，卖家进一步愿意提供额外30％的折扣——于是净变化为70％——这可能使最终值超出“促销约束条件”之外。然后使用“强制促销”信号来否决这些约束条件，并允许促销继续下去。“207”的输入包括来自“205”的“日程促销信号”和来自标记为“206”的“机会促销信号发生器”的“机会促销信号”。“206”的输入包括“价格守候&自动通知”列表和“价格守候&自动购买”列表。然后将“调制器级2”“105”的输出与来自标记为“106”的“比较器模块”中的RAC的“最终最佳值出价”“208”进行比较。“106”的另一输入为来自“104”的“超出范围”信号。然后“106”做出最终决定，以做出比RAC返回的最后出价更好的新出价或决定退出。在任何情况下，都将“新出价”或“不出价”这一信息发送给RAC。

维持标记为“107”的“超出范围计数器”，其跟踪在预定时间范围内该条件激活的次数。如果其超过特定的水印，那么表示需要修正“基本价值信号发生器”参数以使已调制信号在范围之内。

“调制器级1”频繁饱和是市场状况发生重大水平改变的良好指标；不过，调制信号利用hysterisis滤波器基于实时竞争数据对主要“基本价值信号”进行更精细的调节。

该引擎ARICE由此基于客户简档、短期和长期市场反馈以及卖家自己特有的商务要求和约束条件来反复自动地提供相继的新出价或动态地决定不参与。该任务是在预定时间范围之内动态而自动完成的。在替换实施例中，可以在软件中而非在定制硬件中实现这一新颖的引擎架构，但是是在降低的性能水平上实现的。

容错性

对于很多计算机编程的或自动运行的计算机化系统而言，本发明的自动化系统架构在实际实施中要求内置的应用程序特有的容错机制来避免因硬件/软件/网络故障而导致的灾难性故障。该系统还要求利用公知的监测工具和机制并定期产生系统健康报告，以在紧急情况下发出常规报警来请求人工干预或发出紧急通知。此外，该系统为人提供了在任何时候随意控制自动化的能力，包括避免潜在的失控系统。

实际上，本发明新颖架构的中心目标是保护买家、卖家和反拍卖方，以免在全世界分布的系统中出现几种错误，并能够立即从几种错误中恢复。使用常规的容错机制可以在软件和硬件组件中隔离故障，防止系统在出现组件故障时发生故障，从而提高系统的总体可靠性和可信任性。

如下文将更全面介绍的，提供了一种在“卖家系统”、“反拍卖方系统”和“买家系统”之间维持必需的同步的基于容错状态机的架构，其中每个系统使用单独的状态机来确保每次反拍卖的正确和完整，实现诸如登录、登出以及启动和从不完整反拍卖恢复的核心功能，并采用由独立存储器保护的域进行故障隔离。实际上，众所周知，随着反拍卖次数增加，也可以将这些状态机(针对“买家系统”的图3)实现于物理上独立的硬件上以给系统提供理想的可扩展性。

因此现在将研究可能发生的故障类型以及如何根据本发明解决它们。

“买家系统”故障

首先考虑“买家系统”或买家和RAC之间的因特网通信信道的故障。在买家状态机的如下阶段中“买家系统”可能发生故障，图3：

1.在向RAC发送“新反拍卖请求”RFRA消息之前可能会发生故障。在这种情况下，在优选实施例中，当“买家系统”重新启动时，它能够从所存储的存储器检索到任何已保存的用户数据。在替换实施例中，“买家系统”可以请求用户重新输入反拍卖数据。

2.在发送新RFRA消息之后但在“买家系统”接收反拍卖结果之前，也可能发生故障。

3.此外，在接收到反拍卖结果消息之后，但在用户接受反拍卖结果之前可能发生故障。

4.在用户接受结果之后但在完成交易之前还可能会发生故障。

在上述第2到第4种情况下，根据本发明的状态机为买家使用由创新的“反拍卖方系统”辅助的恢复方法，在“买家系统”重新启动之后执行如下步骤。在买家上线之后，其系统向RAC发送未决的“反拍卖请求”RFRA消息。响应于该消息，RAC向买家发送未决的反拍卖列表，其包含一系列未决的反拍卖，具有足够的信息，使得买家能够恢复反拍卖状态。该消息中的信息还包括唯一地标识反拍卖状态的“反拍卖ID”。在接收到该消息后，在该消息中为每个反拍卖要素产生“反拍卖状态机”。未决反拍卖列表消息中的信息使得买家的反拍卖状态机从初始状态进入正确状态，从而能够与RAC实现同步。通过这种方式，无论何时发生买家故障，该系统都能够从买家故障中恢复。只要买家在一定时间内恢复，就没必要重新启动反拍卖过程。

在图13中具体示出了这一点，图13示出了这种从故障恢复的买家系统。图13的(a)部分示出了该系统以及RAC的正常运行。实际上，该系统可以同时管理多个反拍卖并维护每个反拍卖的状态，如虚线框所示。当系统发生故障时，如(b)所示，与RAC的所有通信以及内部买家系统状态都丢失，在重新开始时，(c)，该系统向RAC发送“未决的拍卖请求”消息，RAC利用“未决的拍卖列表”对此做出响应，使买家系统在未决的拍卖列表中为每个反拍卖产生状态机，(d)。通过这种方式，买家系统利用来自买家系统故障之前启动的所有未决反拍卖的状态恢复正常运行。

反拍卖方控制器故障

为了从RAC故障中恢复，如上所述，本发明的系统架构需要若干关键容错机制。

几种故障可能会导致RAC在反拍卖期间死机。在这种情况下，该系统将使用前述回卷恢复技术使所有三个系统进入一致状态。在交易期间RAC将采用一致的检查点获取已知的良好状态。如下文所述，在可用的情况下，可以使用同步和异步检查点和恢复技术。

为了提高性能和可用性，优选将与RAC相关联的所有分布式数据库复制多个副本，存储在不同的地理位置处。为了保持分布式数据库中的一致性并实现最大可能的同时性，可以使用几种公知的同时型控制算法。这些算法将包括用于静态锁定的基于锁定的算法、以及双相锁定法和基于时间戳的锁定。这确保了不仅数据的每个副本都是自洽的，而且数据的所有副本都是相互一致的——这是经由地区性服务快速访问、以及在全球范围内协调交易和数据管理所需的条件。

为了在存在故障的情况下提供被复制信息的一致性，前述双相提交(commit)协议确保了全局更新。为了提供对现场故障的恢复，也可以使用非阻塞提交协议。在净价值高的交易中，可以使用公知的表决协议针对多场地故障或网络划分加以保护。

此外，在各RAC场点，优选运行备份过程和系统，准备好接替故障节点。在保存有对内容和时间敏感的数据的任务关键性场点需要部署冗余，冗余有多个级别，包括过程、存储、电源、通信网络和系统中任何其他单点故障。

为了在用户数量上达到全球水平的规模(可能有几亿或更多)，可以为RAC使用中继网络。可以使用已知类型的分布式散列表(DHT)来存储和定位买家、卖家和物品信息。基于DHT算法产生的密钥，选择服务器来进行存储；然后可以利用DHT搜索在服务器的全局系统内高效地定位对象。

图14示出了RAC使用上述检查点技术和回卷恢复来从RAC故障恢复中所采取的步骤。该图有三个部分(a、b和c)。(a)部分示出了正常的RAC工作状态，在这种状态下，管理反拍卖的状态机采取一致状态的检查点并将该检查点数据以及实况反拍卖数据保存在冗余和永久性存储设备中。在RAC出现故障时，如上文参考图13(b)所述，它可能会暂时丢失与“买家系统”以及与SAEJ的连接。在这期间，来自RAC、“买家系统”以及来自SAEJ的消息可能会丢失或被破坏，从而在这三个实体之间造成潜在的不一致状态。当RAC重新启动(或从暂时故障恢复)时，它从永久存储器中取回检查点状态，从上一已知的良好状态开始继续进行反拍卖，如图14(c)的回卷恢复中所示。

图15示出了RAC如何可以使用冗余来增强其可用性的实施例。在这种情形中，两个RAC系统同时运行，(a)和(b)部分分别示出了正常运行和单个RAC故障期间的运行情况；在正常运行期间，将一个RAC选做工作RAC，而另一个为待用RAC。如图所标识和示出的，待用RAC实际上是热待用RAC，因为工作RAC将其整个状态都复制到待用RAC上。待用RAC不和“买家系统”或SAEJ通信，而是复制工作RAC的状态。然而，在工作RAC出故障的时候，热待用RAC接替工作RAC的角色继续进行反拍卖。买家或SAEJ看不到工作RAC的故障，因为待用RAC是以与工作RAC锁定的步骤运行的。

“卖家自动引擎”(SAEJ)故障：

“SAEJ”不断参与对卖家而言潜在大量金额和责任的反拍卖。在短的时间内(几秒钟)，根据特定实现，“SAEJ”可以生成数百或更多出价。整个系统保持“SAEJ”对RAC接收的任何出价负责。结果，为了保护卖家，“SAEJ”必需不能出错，有恢复力且容错，这样才不会生成不恰当的出价。因此，本发明的“SAEJ”架构使用如下机制来提供高度可用和无错的操作。

图16示出了本发明的优选容错架构及其单个SAEJ元件的组件。首先由标记为“包检查器”的包检查器检查来自RAC的所有包。包检查器的输出被发送到三个独立的ARICE引擎(标记为ARICE)，由标记为“表决引擎”的多数表决引擎比较它们的结果。表决引擎的结果被发送到标记为“出价范围检查器”的最终范围检查器，以在发送到RAC之前对出价进行明智性检查。应当指出，SAEJ中的每个组件都连接到标记为“诊断模块”的诊断模块。这实现了板上以及工作中的诊断能力。SAEJ中的每个组件还连接到标记为“错误发生器”的错误发生器。这使得每个组件能够向错误发生器投掷错误和/或异常。该错误发生器又将这些错误作为“警报”传递给适当的管理实体。该图还示出了冗余的风扇、冗余的电源以及负责管理冗余磁盘的RAID控制器。

在图17中，示出了可以由SAEJ用来改善可用性的优选冗余技术。在该图的(a)和(b)部分中，两个SAEJ系统同时运行，分别示出了正常运行以及单个SAEJ故障期间的运行。在正常运行期间，选择一个SAEJ作为工作SAEJ，而另一个为待用SAEJ。待用SAEJ实际上是热待用SAEJ(如图所示)，因为工作SAEJ将其整个状态复制到待用SAEJ上。待用SAEJ不与RAC通信，但复制工作SAEJ的状态。在工作SAEJ出现故障时，热待用SAEJ接替工作SAEJ的角色并继续进行反拍卖。RAC看不到工作SAEJ的故障，因为待用SAEJ是是以与工作SAEJ锁定的步骤运行的。

图17的(c)部分中示出了变型，其示出了另一种冗余架构，该架构以锁定步骤运行，在工作SAEJ或待用SAEJ之间没有任何区别。利用分离器(标记为“分离器”)将进入的RAC请求复制到每个SAEJ。所有三个SAEJ处理相同的输入，并能够访问同一冗余数据库。它们的结果被发送到所标记的表决引擎，该表决引擎使用多数票表决将出价响应发送到SAEJ。如上文结合图16所述，该技术类似于针对ARICE在SAEJ中使用的技术，但为整个SAEJ提供了更高级别的保护。

上述技术由此增强了SAEJ的可用性并保护SAEJ，使其不产生不恰当出价。然而，尽管存在这样的技术，仍然有某些种类的灾难性故障可能会导致SAEJ出故障。在这种情况下，该系统将确保SAEJ故障不会迟延整个拍卖，且SAEJ能够在恢复后取回拍卖数据。例如，考虑反拍卖的情况，在第一轮出价之后，卖家的会话被异常终止。在这期间，SAEJ可能无法参与出价过程的后续自动反复。

如果RAC等待来自一个或多个SAEJ的出价时超时(图4，RACT)，可以使用如下选项：

优选实施例是不用这种SAEJ继续该轮。

替换实施例是向该卖家发送“M”次出价请求。这确保了所有SAEJ都能够响应，但增加了每轮的时间。另一个替换实施例是回到上一轮的结束(丢弃这一轮的所有出价)并重新开始该轮。这确保了所有卖家都发送它们的出价。然而必需要注意在该轮之内具有唯一的出价请求ID。如果在重新开始该轮之后(例如，三次)，仍然有未响应的卖家，那么可以在剩余卖家的参与下继续反拍卖。

根据基于策略的实现，可以允许失去连接或主动离开之后又希望再次加入已进行到下一轮的反拍卖的SAEJ加入。

然而，一旦选定了获胜者，就通知买家和获胜的SAEJ并开始交易阶段(图7-12)。

“容错架构”的优点总结

这些优点是在实现本发明的新颖自动化架构时的独特优点，在现有技术和当前提出的方案中没有这些优点。可以将它们总结如下：

ARTIST容错架构允许“买家系统”保持简单；例如，可以在手机、PDA等的小型存储器占用量(memory footprint)之内实现它，同时提供从若干种故障完全恢复的能力。此外，该系统不需要部署任何昂贵的冗余或永久性机构，通过从RAC取回反拍卖状态来进行恢复。另一方面，在常规方案中，买家侧的故障会导致数据丢失，需要重新开始该过程。

此外，在ARTIST容错架构中，在正在进行的反拍卖期间，SAEJ通过从RAC取回反拍卖状态来进行恢复。如果SAEJ掉线了，卖家就不能参与出价；但已经由RAC接收的任何出价都不会丢失。在典型的现有基于浏览器的系统中，反拍卖方仅仅连接买家和卖家，不能帮助对任何故障进行恢复。

根据本发明，对买家隐藏了SAEJ的故障，实际上买家受到保护，不受SAEJ故障的影响。如果SAEJ在反拍卖中间发生故障，并且如果此前从该SAEJ发送的出价碰巧是获胜的出价，RAC会保证在SAEJ恢复时基于该获胜的出价启动交易。

此外，如上所述，卖家受到保护，不受买家侧系统故障的影响。实际上，如果在RAC已经接收到买家接受拍卖结果的决定之后系统出现故障，RAC会保证启动买家和卖家之间的交易，且买家的接受被绑定。反拍卖本身对于SAEJ的故障也是能容忍的。前述时钟计时超时机制确保了有故障的SAEJ不会延迟整个反拍卖。

对于反拍卖本身，它也能够容忍买家系统的故障。一旦RAC从买家系统接收到RFRA(或RFQ/RFPWAN/RFPWAP)，就不需要来自该系统的任何其他交互。在这期间买家系统的任何故障都不会影响RAC和SAEJ之间的出价过程。在买家系统上，RAC和SAEJ，以及各次反拍卖都彼此受到保护，不受一类故障的影响。

实际上，该架构允许每次反拍卖都在其自己受保护的空间之内进行，从而确保将故障在一次反拍卖与另一次之间隔离开。利用被发送包中的前述检验和以及前向纠错还保护了所有通信，使它们不受因通信信道错误导致的故障影响。

此外，在RAC处部署的容错机制是灵活的，且根据要求和反拍卖规模是可扩展的。RAC可以选择一定范围的容错机制，例如所述的检查点和回卷恢复、数据库复制、提交(commit)以及表决协议和冗余。ARTIST容错架构允许RAC随着RAC数量增加而逐渐扩展。可以简单地在单个硬件平台上安装多个虚拟RAC，然后，随着反拍卖次数增加，以不产生影响的方式在服务时转移到新的硬件平台上。

此外，使用上述DHT和中继网络允许RAC是在地理上分布式的，从而不需要单个RAC包含整个RAC数据库(买家、卖家、物品列表)。RAC可以彼此通信，并在数据库中检索任何物品，如同访问它们自己的数据库。

以上描述了本发明的自动优化实时“以买家为中心的反拍卖”，如上所述，与现有技术的系统相比得到了若干显著优点。还可以将本发明的原理进一步拓展和提供到无线设备，例如当买家在传统商店(例如“Circuit City”或“Best Buys”)并需要进行价格比较时。本发明提供了当场获得该数据的能力。在该系统支持之下还有机会创立“买家俱乐部”，从而能像批量买家那样实现优惠的价格待遇。如上所述，尽管本文所用的单位一般是用于表示产品的，但本发明的概念不仅限于产品，可以容易地应用于其他类型的贸易和服务。

本领域的技术人员还将会想到本发明的新颖架构和方面的其他变型和明显扩展以及应用；这些都将被视为落在如所附权利要求所限定的本发明的精神和范围之内。

Claims (130)

1、一种通过通信网络针对产品和服务的买家和卖家实时在线地自动进行反拍卖的方法，所述方法包括：

通过中间反拍卖控制器经由所述网络向所述卖家提交针对卖家报价的买家请求；以及

在所述控制器处自动处理经由所述网络接收回的卖家报价，并向所述卖家连续返回较好的报价以在卖家之间进行更多的反复自动出价优化，直到接收到最佳报价为止；以及

将所述最佳报价传送回给所述买家，用于按照所述最佳报价进行购买。

2、根据权利要求1所述的方法，其中所述反拍卖可以在全世界范围内，每周七天、每天二十四小时的任何时候执行。

3、根据权利要求2所述的方法，其中所述反拍卖可以在所述买家保持在线时进行并完成。

4、根据权利要求1所述的方法，其中所述买家请求包括目标价格守候请求；并且在所述控制器自动发现与所述目标价格匹配的卖家出价时，自动通知所述买家和/或实施所述购买。

5、根据权利要求1所述的方法，其中在进行所述反拍卖时没有任何人工干预。

6、一种通过因特网针对产品和服务的买家和卖家实时在线地自动进行反拍卖的方法，所述方法包括：

通过中间反拍卖控制器经由所述因特网向所述卖家提交买家请求，所述买家请求伴随有相应的买家特有个人简档信息；

在所述控制器处经由所述因特网接收并处理卖家报价，所述卖家自动地将每个卖家报价调整到与所述相应的买家特有简档信息相适应；

自动连续地向所述卖家返回在所述控制器处接收的这种报价中的较好报价，以对卖家之间的出价进行更多的卖家反复自动优化，每次出价也基于每个卖家特有预定营销策略和市场状况；

继续进行所述反复出价，直到在所述控制器处接收到最佳报价为止；以及

随即自动向所述买家通知这种最佳报价和/或实施购买。

7、根据权利要求6所述的方法，其中所述反拍卖是在所述买家在因特网上保持在线时进行并完成。

8、根据权利要求6所述的方法，其中在进行所述反拍卖时没有任何人工干预。

9、一种通过经因特网与买家和卖家进行在线通信的中间反拍卖控制器在所述买家和卖家之间进行产品和服务的实时商业交易的方法，

所述方法包括：

通过所述中间控制器向卖家提交针对卖家报价的在线买家请求，所述在线买家请求伴随有相应的买家特有个人简档以及可选的购物组合(portfolio)信息，每个卖家都配备有自动卖家引擎，所述自动卖家引擎存储有所述卖家的特有预定营销策略和市场状况信息；

在所述控制器处自动处理从所述卖家接收回的所述报价，以在每个卖家的相应特有预定营销策略和市场状况之内，启动对所述报价的反复多轮的实时自动卖家引擎竞争优化，直到接收到最佳报价为止；以及

随即自动向所述买家通知所述最佳报价。

10、一种用于通过因特网进行完全自动按需即时且实时的产品和服务的反拍卖的方法，其中买家请求反拍卖控制器从卖家索取报价并在卖家之间反复自动进行竞争出价以便成为所述买家的最佳价格供应商，

所述方法包括：

买家向所述控制器发起在线因特网请求，以索取所识别的产品或服务的报价和/或在所述卖家之间进行反拍卖，在所述请求中包括特有的唯一个体买家简档信息且可选地包括关于所述买家的购物组合的信息；

在所述反拍卖控制器处自动处理所述请求并立即将所述请求与所述买家特有简档信息一起通过因特网转发到多个卖家，每个卖家具有相应的自动卖家引擎，所述卖家引擎包含对于所述卖家的个体商务模型驱动的约束条件和市场数据而言为唯一的信息数据；

在从所述控制器接收到买家的请求和简档后，在每个卖家的相应引擎中动态且自动地生成针对该买家定制的且基于该买家的特有简档、主流市场状况和竞争环境的唯一报价，并通过因特网将所述报价自动地传送回所述控制器；

随后使所述控制器处理从所述卖家接收到的所述报价，并将所述卖家引擎设置成在所述卖家自身之间进行自动竞争，以使用当前最佳报价为基础反复给出更好的出价，从而进一步进行连续自动的多轮出价，直到仅留下最佳出价为止，其中所述控制器在没有任何人工干预的情况下实时将所述最佳出价与所述买家的请求进行匹配；以及自动向所述买家通知所述最佳出价。

11、根据权利要求10所述的方法，其中所述买家购物组合用于多个类似或非类似产品。

12、根据权利要求10所述的方法，其中在所述买家保持在线时，所述控制器响应于所期望的买家请求而发起所述反拍卖过程并对卖家自动引擎报价进行实时匹配。

13、根据权利要求11所述的方法，其中可以每周七天、每天24小时实施所述过程。

14、根据权利要求10所述的方法，其中所述买家信息包括以下中的一项或多项：买家的先前购买量和价格范围、接受卖家或反拍卖业务提供商的促销和/或广告的意愿、期望卖家的特定类别和价格限制。

15、根据权利要求10所述的方法，其中所述最佳报价表示最低价格。

16、根据权利要求10所述的方法，其中所述最佳报价表示最高费率。

17、根据权利要求10所述的方法，其中所述自动反拍卖消除了在众多卖家竞争对手间进行人工跟踪并进行比较的需求和费用。

18、根据权利要求10所述的方法，其中所述买家不仅获得对其请求的即时按需不过时响应，而且从所述卖家之间的强制实时反复竞争中获益。

19、根据权利要求10所述的方法，其中所述买家请求仅特定类别的卖家参与反复竞争的卖家报价。

20、根据权利要求10所述的方法，其中所述买家为其购物组合和期望的产品设置期望的价格限制。

21、根据权利要求20所述的方法，其中所述买家请求自动价格守候，如果所述控制器发现这种价格与出价匹配，则自动通知所述买家。

22、根据权利要求20所述的方法，其中所述买家请求自动价格守候，如果所述控制器发现这种价格与出价匹配，则自动购买所请求的产品或服务。

23、根据权利要求22所述的方法，其中如果所述出价在确定时间范围内进一步下降，则出于信用的考虑自动通知所述买家。

24、根据权利要求10所述的方法，其中所述反拍卖允许所述买家从多个卖家获得最佳的可能价格，而且还使所述卖家能够针对所述买家的生意进行实时反复竞争。

25、根据权利要求10所述的方法，其中每个卖家自动引擎在其中维护其自身的价格数据，由此能够基于买家的所述简档、主流的市场状况以及竞争环境动态地生成针对每个买家而定制的唯一价格。

26、根据权利要求10所述的方法，其中所述买家简档包含所述控制器生成唯一的买家消费指数的详细信息，以辅助所述卖家自动引擎提供比买家通常可得到的且与所述买家简档相符并为所述买家简档所特有的报价更好的报价。

27、根据权利要求26所述的方法，其中所述消费指数还使所述卖家自动引擎能够进行买家感兴趣的目标广告和/或促销。

28、根据权利要求25所述的方法，其中所述买家可以在所述买家的帐户上指定子买家及他们的相应简档。

29、根据权利要求28所述的方法，其中所述买家及其子买家汇集他们的购买力以获得最佳的卖家自动引擎价格和/或获得团体折扣资格。

30、根据权利要求10所述的方法，其中仅在预先选定的卖家之间请求和进行专用反拍卖。

31、一种供产品和服务的买家进行通信网络购物以从卖家购买所述产品和服务的方法，包括：

买家通过所述网络请求自动反拍卖控制器在有意愿的卖家之间进行实时反拍卖并索取他们对所述产品和服务的自动实时反复报价，以在所述控制器的反复处理指导的控制下通过所述网络将所述报价自动返回给所述控制器，从而为所述买家确保最佳报价；以及

按照这种最佳价格自动实施买家通知或购买，所有操作都无需任何人工干预。

32、根据权利要求31所述的方法，其中由每个卖家实施所述卖家之间的所述反复自动出价，所述每个卖家配备有卖家自动引擎，所述卖家自动引擎含有自动运行可编程、反馈驱动的闭环自适应和时间迭代计算引擎，由长期和短期市场信息的输入数据并响应于所述买家请求来对所述计算引擎进行控制，由此使得所述计算引擎能够动态自动地计算和生成报价。

33、根据权利要求32所述的方法，其中所述买家在他们发给所述控制器进行反拍卖的请求中包括相应的买家特有简档以及可选的购物组合信息，还由所述控制器将所述请求转发给所述卖家计算引擎以实现计算引擎报价，从而反映出所述买家特有信息并自动为所述反拍卖控制器服务，以根据所述买家特有信息并还根据不断发展的市场状况和环境进行下一轮更好的报价，随即在反复步骤中在优化报价期间提供合适的自动变化，同时使其保持在相应的卖家特有预定营销策略和相应卖家的约束条件之内。

34、根据权利要求32所述的方法，其中所述买家请求包括买家特有简档信息，且由每个计算引擎生成的卖家报价反映出在所述计算引擎自动生成所述报价期间考虑了所述买家特有简档信息。

35、根据权利要求34所述的方法，其中每个所述卖家计算引擎为买家选定的期望产品的必要“卖家类别”生成唯一的买家简档特有“调制基本价值信号”，这种信号表示了根据消费指数(CIN)所要求的“基本价值信号”中的变化，其指示针对各个类别接受来自获胜卖家的促销和/或来自“反拍卖方业务提供商”的广告的买家意愿。

36、根据权利要求35所述的方法，其中类别包括影响价格的市场动态中的一个或多个近期(可编程持续时间的)短期变化。

37、根据权利要求36所述的方法，其中类别短期变化包括下述中的一项或多项：新进入的竞争对手的一般促销；供需关系瞬态变化；竞争卖家主动倾销库存的企图；希望迅速发展的市场中新进入的卖家；卖家竞争对手促销结束；最近赢得出价的所有竞争卖家的业绩；最近获胜的出价和所接受的出价的价格差异；已处理出价历史的最后几分钟和/或上一轮的“最佳”出价。

38、根据权利要求35所述的方法，其中所述计算引擎提取、处理并向所述引擎反馈近期的这种类别信息并进一步处理所述计算引擎自身近期的业绩数据统计。

39、根据权利要求38所述的方法，其中所述近期业绩数据统计包括下述中的一项或多项：在“反拍卖”中的获胜比例、具有“最佳”价格的报价相对于报价次数的百分比、所述产品的发货量、月/季度等中的总收入状况与期望值之间的关系，和/或库存状况。

40、根据权利要求35所述的方法，其中调制所述“基本价值信号”以产生买家特有且经市场细调的“价值信号”，然后与由相应卖家在其卖家特有预定营销策略中确定且由其商务模型驱动的硬约束条件或框架(rail)进行比较；且其中还通过利用长期市场趋势执行的调制修正所述“基本价值信号”。

41、根据权利要求40所述的方法，其中在所述已调制“价值信号”未保持在这种约束条件之内且应该使框架饱和的情况下，不刷新出价并对这种事件保留记录。

42、根据权利要求40所述的方法，其中在所述已调制信号未饱和的情况下，让另一调制以“促销事件调制信号”的形式发生，然后利用所得的信号计算下一轮出价值；随后将所述出价值传送给所述反拍卖控制器。

43、根据权利要求40所述的方法，其中所述计算引擎具有“价格守候&自动通知”(RFPWAN)和“价格守候&自动购买”(RFPWAP)列表，定期检查所述列表以计算产品的可能量和相应的卖家开价以及获利的机会。

44、根据权利要求43所述的方法，其中通过生成“机会促销”信号作为“促销事件调制信号”的输入来提供所述计算引擎中表示的短期促销来接受所述获利机会，同时还向所述控制器主动通知愿意满足所述“价格守候”目标。

45、一种自动卖家引擎装置，用于通过通信网络在线为买家自动提供实时按需报价的方法，所述装置用于通过网络实现针对报价的买家请求的接收和对其进行自动响应，

所述引擎装置包括：

可编程反馈驱动的、闭环自适应和实时迭代自动计算引擎，其具有用于接收长期和短期市场数据的输入端；

所述计算引擎具有处理器，所述处理器用于将所述数据与网络接收的对指定卖家产品或服务报价的输入的买家请求耦合，所述买家请求有时伴随有买家特有个人简档和购物组合信息，所述处理器随后基于所述信息并还基于其自身的卖家特有预定营销策略指导自动生成买家特有报价，所述卖家特有预定营销策略指导被存储在和/或输入到所述计算引擎中并与不断变化的市场状况相适应；以及

所述处理器还根据一轮的竞争卖家报价，自动对其他的网络请求做出响应以优化卖家报价，并随即自动调节其报价以在反复步骤中提供报价的适当变化，从而优化其报价，所有这些都保持在所述预定营销策略指导之内而且完全自动，无需任何人工干预。

46、根据权利要求45所述的装置，其中所述长期和短期输入市场数据包括下述中的一项或多项：关于价格、竞争冲突、供需、市场走向线、竞争卖家类型的多个数据和其他市场状况环境数据。

47、根据权利要求45所述的装置，其中所述计算引擎装置具有信号发生器，用于为买家选定的期望产品的必要“卖家类别”生成唯一的买家简档特有“调制基本价值信号”，这种信号代表了根据消费指数(CIN)所要求的“基本价值信号”中的变化，其指示针对各个类别接受来自获胜卖家的促销和/或来自“反拍卖方业务提供商”的广告的买家意愿。

48、根据权利要求47所述的装置，其中所述类别包括影响价格的市场动态中的一个或多个近期(可编程持续时间)的短期变化。

49、根据权利要求48所述的装置，其中所述短期变化包括下述中的一项或多项：新进入的竞争对手的一般促销；供需关系瞬态变化；竞争卖家主动倾销库存的企图；希望迅速发展的市场中新进入的卖家；卖家竞争对手促销结束；最近赢得出价的所有竞争卖家的业绩；最近获胜的出价和所接受的出价的价格差异；已处理出价历史的最后几分钟和/或上一轮的“最佳”出价。

50、根据权利要求48所述的装置，其中所述计算处理器引擎提取、处理并向所述引擎反馈近期的这种类别信息并进一步处理所述计算引擎自身的近期业绩数据统计。

51、根据权利要求50所述的装置，其中所述近期业绩数据统计包括下述中的一项或多项：在“反拍卖”中的获胜比例、具有“最佳”价格的报价相对于报价次数的百分比、所述产品的发货量、月/季度等中的总收入状况与期望值之间的关系，和/或库存状况。

52、根据权利要求47所述的装置，其中提供调制器，用于调制所述“基本价值信号”以产生买家特有且经市场细调的“价值信号”，然后与由相应卖家在其卖家特有预定营销策略中确定且由其商务模型驱动的硬约束条件或框架进行比较。

53、根据权利要求52所述的装置，其中在所述已调制“价值信号”未保持在这种约束条件之内且应该使框架饱和的情况下，所述处理器不刷新出价并对这种事件保留记录。

54、根据权利要求52所述的装置，其中在所述已调制信号未饱和的情况下，所述调制器以“促销事件调制信号”的形式产生另一调制，然后利用所得的信号计算下一轮出价值；随后所述处理器将所述出价值传送给所述反拍卖控制器。

55、根据权利要求52所述的装置，其中所述计算引擎具有“价格守候&自动通知”(RFPWAN)和“价格守候&自动购买”(RFPWAP)列表，定期检查所述列表以计算产品的可能量和相应的卖家开价以及获利的机会。

56、根据权利要求55所述的装置，其中通过生成“机会促销”信号作为“促销事件调制信号”的输入来提供所述计算引擎中表示的短期促销来接受所述获利机会，同时还向所述控制器主动通知愿意满足所述“价格守候”目标。

57、一种通过通信网络针对产品和服务的买家和卖家实时在线地自动进行反拍卖的系统，所述系统具有如下各项的组合：

买家和卖家计算机以及通过网络与所述计算机进行在线实时通信的中间反拍卖方或反拍卖控制器；

所述买家计算机通过所述中间反拍卖控制器经由所述网络向所述卖家提交针对报价的买家请求，以使所述卖家计算机通过所述网络利用这种报价来响应所述控制器；

所述反拍卖控制器具有处理器，所述处理器用于处理经过所述网络在所述控制器处接收到的卖家报价并向所述卖家计算机连续返回报价以在卖家之间进行更多反复自动报价优化，直到接收到最佳报价为止；以及

所述控制器随即自动向所述买家通知这种最佳报价或使所述买家按照这种最佳报价进行购买。

58、根据权利要求57所述的系统，其中所述反拍卖适于在全世界范围内，每周七天、每天二十四小时的任何时候进行。

59、根据权利要求58所述的系统，其中所述反拍卖是在所述买家可以在网络上保持在线时进行并完成。

60、根据权利要求58所述的系统，其中在进行所述反拍卖时没有任何人工干预。

61、一种通过因特网针对产品和服务的买家和卖家实时在线地自动进行反拍卖的系统，所述系统包括：

买家和卖家计算机以及通过因特网与所述两个计算机进行在线实时通信的中间反拍卖控制器；

所述买家计算机通过所述中间反拍卖控制器经由所述因特网向所述卖家提交买家请求，所述买家请求伴随有相应的买家特有个人信息和可选的购物组合信息；

所述控制器具有处理器，所述处理器用于接收和处理所述卖家报价，所述卖家报价被自动调整为与相应的买家特有简档信息相适应，所述处理器还用于向所述卖家计算机连续返回在所述控制器处接收的这种报价中的较好报价，用于在卖家之间的报价中进行更多的卖家反复报价自动优化，每次报价都基于每个卖家特有预定营销策略和当前的市场状况，直到接收到最佳报价为止；以及

所述控制器随即自动向所述买家通知这种最佳报价或使所述买家按照这种最佳报价进行购买。

62、根据权利要求61所述的系统，其中所述反拍卖是在所述买家可以在因特网上保持在线时进行并完成。

63、根据权利要求61所述的系统，其中在进行所述反拍卖时没有任何人工干预。

64、一种通过经由因特网与买家和卖家进行在线通信的中间反拍卖控制器在所述买家和卖家之间进行产品和服务的实时商业交易的系统，

所述系统具有如下各项的组合：

所述中间反拍卖控制器中包含的处理器，用于通过因特网接收并自动处理针对卖家报价的在线买家请求，所述买家请求伴随有相应的买家特有个人简档和可选的购物组合信息，随即通过因特网将所述买家请求传送给卖家；

每个卖家都配备有卖家自动引擎，所述卖家自动引擎存储有所述卖家的特有预定营销策略和市场状况信息，并响应于所述买家请求，基于所述买家请求和所述买家特有简档信息，在所述卖家的自动卖家引擎中存储的卖家特有预定信息的相应指导内，自动生成报价并利用所述报价对所述控制器做出响应；

所述处理器自动处理通过因特网从所述卖家自动引擎接收回的报价，以在所述相应指导内启动对所述报价的反复实时自动卖家引擎竞争优化，直到接收到最佳报价为止；以及

所述控制器随即使得能够自动向所述买家通知这种最佳报价或使所述买家按照这种最佳报价进行购买。

65、根据权利要求64所述的系统，其中所述系统在没有任何人工干预的情况下完全自动地执行所述交易。

66、根据权利要求64所述的系统，其中在所述买家可以保持在线时，所述反拍卖控制器响应于所期望的买家请求发起所述反拍卖过程并对卖家自动引擎的报价进行实时匹配。

67、根据权利要求66所述的系统，其中可以每周七天、每天24小时实施所述拍卖。

68、根据权利要求64所述的系统，其中所述购物历史和购物组合包括以下中的一项或多项：买家的先前购买量和价格范围、接受卖家或反拍卖业务提供商的促销和/或广告的意愿、期望卖家的特定类别和价格限制。

69、根据权利要求64所述的系统，其中所述最佳报价表示最低价格。

70、根据权利要求64所述的系统，其中所述最佳报价表示最高费率。

71、根据权利要求64所述的系统，其中所述自动反拍卖的操作消除了在众多卖家竞争对手间进行人工跟踪并进行比较的需求和费用。

72、根据权利要求64所述的系统，其中所述买家不仅获得对其请求的即时按需不过时响应，而且从所述卖家之间的强制实时反复竞争中获益。

73、根据权利要求64所述的系统，其中所述买家指定仅特定类别的卖家参与反复竞争卖家出价。

74、根据权利要求64所述的系统，其中所述拍卖是仅涉及预先选择的被邀请卖家的专用拍卖。

75、根据权利要求64所述的系统，其中所述买家为其购物组合或期望的产品设置期望的价格限制。

76、根据权利要求64所述的系统，其中所述买家请求对多件产品进行拍卖。

77、根据权利要求64所述的系统，其中所述买家请求自动价格守候，如果所述反拍卖控制器确定这种价格与出价匹配，则自动通知所述买家。

78、根据权利要求75所述的系统，其中所述买家请求自动价格守候，如果所述反拍卖控制器确定这种价格与出价匹配，则所述控制器自动实现对所请求的产品或服务的购买。

79、根据权利要求78所述的系统，其中如果在确定时间范围内所述出价进一步下降，则所述控制器出于信用的考虑自动通知买家。

80、根据权利要求64所述的系统，其中所述反拍卖允许所述买家从多个卖家获得最佳的可能价格，而且还使所述卖家能够针对所述买家的生意进行实时反复竞争。

81、根据权利要求64所述的系统，其中每个卖家自动引擎在其中维护其自身的价格数据，由此能够基于买家的所述简档、主流的市场状况以及竞争环境动态生成针对每个买家定制的唯一价格。

82、根据权利要求64所述的系统，其中所述买家简档包含所述反拍卖控制器生成唯一的买家消费指数的详细说明，以辅助所述卖家自动引擎提供比买家通常可得到的且与所述买家简档相符并为所述买家简档所特有的出价更好的出价。

83、根据权利要求82所述的系统，其中所述消费指数还使所述卖家自动引擎能够进行买家感兴趣的目标广告和/或促销。

84、根据权利要求82所述的系统，其中所述买家可以在所述买家的帐户上指定子买家及他们的相应简档。

85、根据权利要求84所述的系统，其中所述买家及其子买家汇集他们的购买力以获得最佳的卖家自动引擎价格和/或获得团体折扣资格。

86、根据权利要求64所述的系统，其中通过为每个卖家自动引擎提供可编程、反馈驱动的闭环自适应且时间迭代计算引擎来实现对所述一轮中卖家之间的报价进行所述自动卖家引擎反复优化，所述引擎自动对所述反拍卖控制器所传送的所述买家请求做出响应，并受到关于不断变化的市场状况和环境的长期和短期市场信息的输入数据的控制，由此使所述计算引擎能够自动动态生成所述报价；且所述计算引擎还适于自动对所述一轮报价中接收到的其他卖家报价做出响应，以优化其报价。

87、根据权利要求86所述的系统，其中每个自动卖家引擎计算引擎都具有处理器，所述处理器用于将所述信息与网络接收的对指定卖家产品或服务报价的输入的买家请求耦合，所述买家请求有时伴随有买家特有个人简档和购物组合信息，所述处理器随后基于所述信息并还基于其自身的卖家特有预定营销策略指导自动产生买家特有报价，所述卖家特有预定营销策略指导被存储在和/或输入到所述计算引擎中并与不断变化的市场状况相适应；以及

所述处理器还根据一轮的竞争卖家报价，自动对其他的网络请求做出响应以优化卖家报价，并随即自动调节其报价以在反复步骤中提供报价的适当变化，从而优化其报价，所有这些都保持在所述预定营销策略指导之内而且完全自动，无需任何人工干预。

88、根据权利要求86所述的系统，其中所述长期和短期输入市场信息包括下述中的一项或多项：关于价格、竞争冲突、供需、市场走向线、竞争卖家类型的多个数据和其他市场状况环境数据。

89、根据权利要求86所述的系统，其中所述计算引擎装置具有信号发生器，用于为买家选定的期望产品的必要“卖家类别”生成唯一的买家简档特有“调制基本价值信号”，这种信号代表了根据消费指数(CIN)所要求的“基本价值信号”中的变化，其指示针对各个类别接受来自获胜卖家的促销和/或来自“反拍卖方业务提供商”的广告的买家意愿。

90、根据权利要求89所述的系统，其中所述类别包括影响价格的市场动态中的一个或多个近期(可编程持续时间的)短期变化。

91、根据权利要求90所述的系统，其中类别短期变化包括下述中的一项或多项：新进入的竞争对手的一般促销；供需关系瞬态变化；竞争卖家主动倾销库存的企图；希望迅速发展的市场中新进入的卖家；卖家竞争对手促销结束；最近赢得出价的所有竞争卖家的业绩；最近获胜的出价和所接受的出价的价格差异；已处理出价历史的最后几分钟和/或上一轮的“最佳”出价。

92、根据权利要求88所述的系统，其中所述计算引擎提取、处理并向所述引擎反馈近期的这种类别信息并进一步处理所述计算引擎自身近期的业绩数据统计。

93、根据权利要求92所述的系统，其中所述近期业绩数据统计包括下述中的一项或多项：在“反拍卖”中的获胜比例、具有“最佳”价格的报价相对于报价次数的百分比、所述产品的发货量、月/季度等中的总收入状况与期望值之间的关系，和/或库存状况。

94、根据权利要求89所述的系统，其中提供调制器，用于调制所述“基本价值信号”以产生买家特有且经市场细调的“价值信号”，然后与由相应卖家在其卖家特有预定营销策略中确定且由其商务模型驱动的硬约束条件或框架进行比较。

95、根据权利要求94所述的系统，其中在所述已调制“价值信号”未保持在这种约束条件之内且应该使框架饱和的情况下，所述处理器不刷新报价并对这种事件保留记录。

96、根据权利要求90所述的系统，其中在所述已调制信号未饱和的情况下，所述调制器以“促销事件调制信号”的形式产生另一调制，然后利用所得的信号计算下一轮出价值；随后所述处理器将所述出价值传送给所述反拍卖控制器。

97、根据权利要求96所述的系统，其中所述计算引擎具有“价格守候&自动通知”(RFPWAN)和“价格守候&自动购买”(RFPWAP)列表，定期检查所述列表以计算产品的可能量和相应的卖家开价以及获利的机会。

98、根据权利要求97所述的系统，其中通过生成“机会促销”信号作为“促销事件调制信号”的输入来提供所述计算引擎中表示的短期促销来接受所述获利机会，同时还向所述控制器主动通知愿意满足所述“价格守候”目标。

99、一种在全世界范围内每周七天、每天二十四小时通过诸如因特网的通信网络自动实时在线地从卖家请求并接收产品和服务的报价的方法，所述方法包括：

通过中间控制器经由所述网络向所述卖家提交针对卖家报价的买家请求；

响应于所述买家请求所述卖家自动生成报价，并通过所述因特网将所述报价返回到所述控制器；

在所述控制器处自动处理通过所述网络接收回的所述卖家报价，随即将它们传送给所述买家，所有这些操作都没有人工干预；

由此使得所述买家能够实时做出决定。

100、根据权利要求99所述的方法，其中所述控制器处的自动处理包括寻求买家价格请求和卖家报价之间的匹配，并随即自动将这种匹配通知给所述买家或使所述买家实施购买。

101、根据权利要求99所述的方法，其中所述买家请求包括买家特有简档信息，且所述卖家报价反映出在所述计算引擎自动生成所述报价时考虑了所述买家特有简档信息。

102、一种通过经由因特网与买家和卖家进行在线通信的中间反拍卖控制器在所述买家和卖家之间进行产品和服务的实时商业交易的方法，所述方法包括：

通过所述中间控制器向卖家提交针对卖家报价的在线买家请求，每个卖家都配备有自动卖家引擎，所述自动卖家引擎存储有所述卖家的特有预定营销策略和市场状况信息；

响应于所述买家的报价请求而在每个卖家的自动引擎中自动生成报价，并通过所述因特网将所述报价返回到所述控制器；

在所述控制器处自动处理从所述卖家接收回的报价，并自动向所述买家传送回从所述卖家接收的报价中的较好的报价，所有这些操作都没有任何人工干预；

由此使得买家能够做出购买决定。

103、一种通过经由因特网与买家和卖家进行在线通信的中间反拍卖控制器在所述买家和卖家之间进行产品和服务的实时商品交易的方法，所述方法包括：

通过所述中间控制器向卖家提交针对卖家报价的在线买家请求，所述买家请求伴随有相应的买家特有个人简档以及可选的购物组合信息，每个卖家都配备有自动卖家引擎，所述自动卖家引擎存储有所述卖家的特有预定营销策略和市场状况信息；

响应于所述买家的报价请求而在每个卖家的自动引擎中自动生成报价，并自动将所述报价返回到所述控制器，所述报价被调整为与买家特有简档相适应且处于相应的卖家特有营销策略和市场状况信息之内；

在所述控制器处自动处理从所述卖家接收回的报价，并自动向所述买家传送回从所述卖家接收的报价中的较好报价，所有这些操作都没有任何人工干预。

104、一种通过因特网自动实时在线地从卖家请求并接收对产品和服务的报价的系统，其具有如下各项的组合：

买家和卖家计算机以及通过因特网与所述两个计算机进行在线实时通信的中间控制器；

所述买家计算机通过所述中间控制器向所述卖家提交针对报价的买家请求，以使所述卖家计算机自动利用这种报价对所述控制器做出响应；

所述控制器具有处理器，所述处理器用于处理在所述控制器处接收的所述卖家报价并随即自动将它们传送回所述买家计算机，所有这些操作都没有人工干预。

105、根据权利要求104所述的系统，其中所述买家请求包括买家特有简档信息，且所述卖家报价反映出在所述卖家自动报价响应时考虑了所述买家特有简档信息。

106、根据权利要求105所述的系统，其中所述控制器处的自动处理包括所述处理器寻求买家价格请求和卖家报价之间的匹配，并随即自动将这种匹配通知给所述买家或使所述买家实施购买。

107、一种通过经由通信网络与买家和卖家进行在线通信的中间反拍卖控制器在所述买家和卖家之间进行产品和服务的实时商业交易的系统，

所述系统具有如下各项的组合：

所述中间控制器中包含的处理器，用于通过所述网络接收并自动处理针对卖家报价的在线买家请求，所述买家请求可选地伴随有相应的买家特有个人简档和购物组合信息，随即通过网络将所述买家请求传送给所述卖家；

每个卖家都拥有卖家自动引擎，所述卖家自动引擎保存有所述卖家的特有预定营销策略和市场状况信息，并响应于所发送的买家请求，基于所述买家请求和所述买家特有简档信息，并在所述卖家的自动卖家引擎中存储的卖家特有预定信息的相应指导内，自动生成报价并利用所述报价对所述控制器做出响应；

所述处理器在所述控制器处自动处理通过网络从所述卖家自动引擎接收回的报价，并自动向所述买家返回从所述卖家接收到的报价中的较好报价，所有这些操作都没有人工干预。

108、根据权利要求107所述的系统，其中每个卖家自动引擎具有可编程、反馈驱动的闭环自适应实时迭代计算引擎，其用于接收长期和短期市场数据输入并将所述数据与所述用于请求卖家报价的买家请求和买家特有个人简档信息相耦合，由此使所述计算引擎能够动态地计算和生成实时报价；以及

所述处理器自动地使所述计算引擎报价与不断变化的市场状况和环境相适应，以提供包括报价优化的适当变化，同时使其保持在相应的所述卖家特有预定营销策略信息及其约束条件之内。

109、根据权利要求108所述的系统，其中输入所述计算引擎的所述长期和短期市场数据包括下述中的一项或多项：关于价格、竞争冲突、供需、市场走向线和卖家数据类型的数据。

110、一种通过通信网络针对连接到网络的产品和服务的买家和卖家实时在线地自动进行反拍卖的方法，所述方法包括：在所述买家和卖家之间在网络中插入中间控制器，并使所述控制器自动对买家请求做出响应并自动进行反复卖家出价以为买家实现最佳报价。

111、根据权利要求110所述的方法，其中还执行以下步骤：自动按照这种最佳价格实施买家通知和/或购买，无需任何人工干预。

112、根据权利要求32所述的方法，其中买家、卖家自动引擎和反拍卖控制器中的每者使用单独的状态机，采用独立存储器保护的域进行故障隔离，以确保每次反拍卖的正确和完整。

113、根据权利要求112所述的方法，其中为所述买家提供由反拍卖方系统辅助的恢复技术，向所述买家发送具有标识反拍卖状态的ID的未决反拍卖列表消息，让所述买家的反拍卖状态机从初始状态进入正确状态，以和所述控制器同步，从而能够从买家故障中恢复。

114、根据权利要求112所述的方法，其中为了在存在卖家系统故障和通信网络故障的情况下确保反拍卖的进行，基于时钟计时值建立基于时钟计时值的超时机制。

115、根据权利要求112所述的方法，其中将与所述反拍卖控制器相关联的所有分布式数据库复制多个副本，存储在不同地点，使用并行性控制算法，例如用于静态锁定的基于锁定的算法、双相锁定和基于时间戳的锁定，以确保每个数据副本本身是一致的且所有副本彼此一致。

116、根据权利要求115所述的方法，其中使用分布式数据库存储和定位买家、卖家和产品信息。

117、根据权利要求32所述的方法，其中通过使用板上诊断、镜像存储和冗余引擎，所述卖家自动引擎架构在工作时高度可用且不会出错。

118、根据权利要求117所述的方法，其中三个引擎接收相同的客户数据包，其中利用多数票表决来确定发送给所述控制器的报价值。

119、根据权利要求117所述的方法，其中在锁定步骤中运行引擎逻辑的两个副本，并且对它们的结果进行比较，如果不同，则进行标记。

120、根据权利要求32所述的方法，其中如果控制器超时，还可以由其他引擎继续进行该轮出价，并如果所述卖家引擎在丢失连接或主动离开之后希望重新加入已进行下一轮出价的反拍卖，则基于预定的策略实现允许该引擎再次加入。

121、根据权利要求120所述的方法，其中由所述控制器保证在引擎恢复时基于所述最佳出价发起交易，从而保护所述买家不受引擎故障的影响。

122、根据权利要求120所述的方法，其中由所述控制器保证在绑定所述买家的接受的情况下发起买家和卖家之间的交易，从而在所述控制器接收到所述买家的出价接受之后保护所述卖家不受买家系统故障的影响。

123、根据权利要求120所述的方法，其中利用确保故障引擎不会拖延进行中的反拍卖的时钟计时超时，所述反拍卖能够容忍卖家引擎的故障。

124、根据权利要求103所述的方法，其中买家填写数据信息包中的各字段的要素，包括所请求的产品或服务标识以及适当时的个人买家特有简档信息，并将这些信息通过请求提供到控制器，以在控制器数据库中的适当卖家之间发起反拍卖或仅仅请求从这种卖家得到报价；以及

所述控制器处理该买家原始数据信息并向所递交的包字段中添加额外信息，例如所分配的消费指数，并从其存储的卖家数据库选择可能与买家产品请求匹配的卖家，并将该“初始化的”包转发给这种卖家。

125、根据权利要求124所述的方法，其中在所述卖家端，接收并处理初始化的包信息，并利用卖家的引擎自动进行来通过向包添加卖家的报价来更新所述包，随即将该“中间”包返回给所述控制器。

126、根据权利要求125所述的方法，其中所述控制器自动从所述卖家收集和处理所述中间包，比较所接收的出价并进一步更新最近参与的卖家的统计数据，以将其添加到他们的竞争营销信息和包处理完成数据库中；并利用该包实现对所述买家的细化，请求价格守候中的目标价格和时间范围，以用于自动通知和/或自动购买。

127、根据权利要求126所述的方法，其中本发明使得同一包能够被买家、控制器和卖家中的所有各方用于他们各自的需求，由此最小化所需包的迅速增长；最小化网络；以及最小化买家必须在线所花费的时间。

128、根据权利要求10所述的方法，其中所述控制器在与卖家匹配的对应组中细分具有不相似产品的组。

129、根据权利要求10所述的方法，其中卖家在预定的环境下返回暂时出价。

130、根据权利要求129所述的方法，其中所述卖家出价可以是经过买家信用认可后的暂时出价。

Images