CN102483827A - 旅游价格优化(tpo) - Google Patents
旅游价格优化(tpo) Download PDFInfo
- Publication number
- CN102483827A CN102483827A CN2010800195334A CN201080019533A CN102483827A CN 102483827 A CN102483827 A CN 102483827A CN 2010800195334 A CN2010800195334 A CN 2010800195334A CN 201080019533 A CN201080019533 A CN 201080019533A CN 102483827 A CN102483827 A CN 102483827A
- Authority
- CN
- China
- Prior art keywords
- price
- recommendation
- rate
- tpo
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
TPO为中性行业价格优化解决方案,所述解决方案通过对所有网络范围需求和供给因素执行同时评估来推荐最优价格。TPO产生最优的分阶段(time-phased)价格分布,所述最优的分阶段价格分布经设计以实现最高的库存回报率(return on inventory)。优化器技术采用基线需求预测、竞争情报、库存数据以及代表真实世界对象的其它相关参数和数据,并且所述优化器技术决定用户将实现最高库存回报率的最优价格。优化器技术可以针对最大化收益、利润或市场占有率。TPO产生推荐价格分布,所述推荐价格分布可在交互式图形用户界面中操纵,且所述推荐价格分布说明现在必须收取什么价格和在预定周期中稍后必须收取什么价格。使用价格敏感性预测来判断价格如何影响需求,TPO协助用户最大化收益、利润或市场占有率。TPO通过有日期的资源(dated resource)或有日期的DFU推荐价格。
Description
相关专利申请案的交叉参考
本申请根据专利法的规定,请求2009年4月14日提交且标题名称为“Travel Price Optimization”的美国专利申请第61/168,994号的权益和优先权,且涉及标题名称为“Market Reference Price Determination System andMethod”的PCT专利申请案第PCT/US09/66576号,所述两个申请的全部内容以引用方式并入本文。
技术领域
本发明的一个示范性方面一般涉及收益管理和定价领域,并且更具体来说涉及价格敏感性预测和优化,以至少在服务、汽车租赁、客运、航空货运和其它相关易失性资产行业领域中实现动态定价的目的。
发明内容
旅游价格优化(Travel Price Optimization;TPO)为中性行业或不挑行业价格优化解决方案,所述解决方案通过对所有网络范围需求和供给因素执行同时评估来为商品和/或服务推荐最优价格。TPO产生最优的分阶段价格分布,所述最优的分阶段价格分布经设计以实现最高的库存回报率。
优化技术使用基线需求预测、竞争情报、库存数据以及代表真实世界对象的其它相关参数和数据,并且所述优化技术决定用户将实现最高库存回报率的最优价格。优化器可针对最大化或增加收益、最大化或增加利润和最大化或增加市场占有率中的一或更多个目标。
TPO产生推荐价格分布(所述价格分布可优化),所述推荐价格分布可在交互式图形用户界面中操纵,且所述推荐价格分布说明现在必须收取什么价格和在预定周期中稍后必须收取什么价格。使用价格敏感性预测来判断价格如何影响需求,TPO协助用户最大化收益、利润或市场占有率。
TPO通过有日期的资源或有日期的需求预测单元(Demand ForecastingUnits;DFUs)推荐价格。优化的普通行为是推荐推荐价格分布,开始于当前的剩余日子且延伸至消费开始日期。随着消费开始日期的接近,优化接着推荐价格变动,以回应于预定水平和竞争者价格的变动。
上述内容为本发明的简化概述,以提供对本发明的一些方面的理解。此概述既不是本发明和本发明的各种实施方式的详尽纲要又不是广泛纲要。既不旨在识别本发明的关键元素或极重要元素又不旨在描绘本发明的范围,而是旨在随着下文所呈现的更详细说明的引入以简化形式呈现本发明的所选概念。如将认识的,本发明的其它实施方式可能会单独使用或组合使用如上所述或下文中详细描述的一或更多个特征结构。
附图说明
将参阅以下图式详细地描述本发明的示范性实施方式,在图式中:
图1示出根据本发明的示范性价格决定系统;
图2是示出本发明的示范性操作方法的流程图;以及
图3至图12示出根据本发明的与价格决定系统有关的示范性用户界面。
具体实施方式
将就价格优化系统以及技术和方法描述本发明的示范性实施方式,以决定中性行业价格优化解决方案。然而,应认识到,通常,本发明的系统和方法对数个环境和/或行业中其它类型的数据和其它类型的预测或优化来说将会同样工作良好。
还将就价格优化决定结构以及相关的通信、硬件、数据结构和馈入和软件部件描述本发明的示范性系统和方法。然而,为免不必要地混淆本发明,以下说明省略了熟知结构和装置,所述熟知结构和装置可以方框图形式示出或者以其它方式概述或认识所述熟知结构和装置。
为了进行解释,阐述了许多细节以提供对本发明的透彻理解。然而,应认识到,可以越出本文中所阐述特定细节范围的各种方式来实施本发明。
此外,虽然本文中所示出的示范性实施方式示出排列在一起的各种系统部件,但是应认识到,各种系统部件可定位于分布网络(诸如,通信网络和/或互联网)的远部分或定位于专用安全系统、非安全系统和/或加密系统内。
从而,应认识到,系统部件可组合成一或更多个装置或排列于分布网络(诸如,分布网络)的特定节点上。如将从以下说明认识到的,且出于计算效率的原因,系统部件可布置于分布网络内的任何位置,而不影响系统的操作。例如,可用预测组产品、优化组产品或销售组产品或者一些上述物组合定位各种部件。类似地,此系统的一或更多个功能部分可分布于计算装置与服务器之间。
此外,应认识到,连接元件的各种链接(包括通信通道)可为有线链接或无线链接或任何上述物的组合,或者任何其它已知或后来开发的元件,所述元件能够提供和/或传达数据往返于连接元件。如本文所用,术语模块可代表任何已知或后来开发的硬件、软件、固件或上述物的组合,所述硬件、软件、固件或上述物的组合能够执行与那个元件有关的功能。如本文所用,术语决定、计算和估算以及上述物的变体可交换使用且包括任何类型的方法、处理、技术、数学运算或协议。
如本文所用,术语“自动”和“自动”的变体代表在执行处理或操作时在无实质人力输入的情况下所完成的任何处理或操作。然而,处理或操作可以为自动的,即使处理或操作的施行要使用人力输入(不管是实质的还是非实质的),在施行处理或操作之前接收所述人力输入。如果此种输入影响处理或操作执行的方式,那么人力输入被认为是实质的。允许施行处理或操作的人力输入不被认为是“实质的”。
如本文所用,术语“计算机可读媒体”和计算机可读存储媒体代表任何非暫時性有形存储和/或传输媒体,所述存储和/或传输媒体参与向处理器提供指令以供执行。此种媒体可采用许多形式,包括但不限于非易失性媒体、易失性媒体和传输媒体。非易失性媒体包括(例如)NVRAM或磁盘和/或光盘。易失性媒体包括动态存储器,诸如主存储器。计算机可读媒体的常见形式包括(例如)软盘、软磁盘、硬盘、磁带或任何其它磁性媒体、磁光媒体、CD-ROM、任何其它光学媒体、穿孔卡、纸带、具有孔或变形图案的任何其它物理媒体、RAM、PROM和EPROM、FLASH-EPROM、类似存储器卡的固态媒体、任何其它存储芯片或盒式存储器、如下文所描述的载波或者计算机可以从中读取的任何其它媒体。附接至电子邮件的数字化文件或者其它完备的信息档案或档案集被认为是相当于有形存储媒体的分布媒体。当计算机可读媒体配置为数据库时,应了解,数据库可为任何类型的数据库,诸如相关的、分层的、面向目标的等。因此,本发明被认为包括有形存储媒体或分布媒体以及现有技术认可的等效物和后继媒体,本发明的软件实施方式存储于所述媒体中。
同样地,虽然依据示范性实施方式描述本发明,但是应认识到,可以独立地请求本发明的单个方面。
在服务业中操作本发明的一个示范性实施方式的情况如下所述。然而,应认识到,本文中的技术和概念可以延伸至任何行业,包括轨道、货运、航空货运、汽车租赁等,以及一般来讲任何易失性资产商品/服务业。
以资源、包装、需求预测单元(DFUs)和不针对任何特定垂直行业(例如:服务、汽车租赁或客运铁路等)的其它实体方式来表达TPO处理后的数据库和存储器数据模型。
关键的商业实体如下所述,但是如上文提及,应认识到,一般来讲还可以使用其它属性:
TPO内的示范性价格敏感性需求模型将需求表达为价格增量比率的线性函数。价格增量比率为自身价格与参考价格之间的百分比差值。在TPO的大多数预期应用中,参考价格作为市场价格而存在,所述参考价格构成竞争费率的加权平均数。TPO允许使用除了标准加权平均数之外的其它竞争费率概述化度量;例如,支持使用规定百分位数的竞争费率分布作为概述度量。因此,TPO的价格敏感性需求模型允许需求根据自身价格和竞争价格两者而变动。
自身弹性:针对那个DFU价格的百分之一变化,为DFU所需数量的百分比变动。弹性值表示DFU的价格变动可能会如何影响DFU的需求。
交叉弹性:针对另一個DFU价格的百分之一变化,为DFU所需数量的百分比变动。弹性值表示影响DFU的价格变动可能会如何影响受影响DFU的销售数量。
市场参考价格:从竞争费率购物数据估算的值,所述值用于价格敏感性预测和优化。
针对服务过夜定价,TPO执行连续优化,所述连续优化推荐浮点价格,意指TPO可推荐(例如)$53.1542或$82,196或者任何其它价格。对客运铁路来说,TPO可以推荐来自一组预规定价格点间的价格。例如,优化技术可以选择来自不连续替代物组{$69,$79,$89}间的价格。
TPO的不连续价格点优化能力是TPO的连续优化特征的延伸,而不是那些特征的替换,所述连续优化特征是针对服务过夜价格开发的。例如,TPO内的线性需求价格模型可以保留在TPO的不连续价格点延伸中。
TPO还可以优化资源和资源包装两者。例如,TPO可以配置为资源水平下的推荐价格(例如:NPO_RESRC_DT水平下的服务过夜水平)或包装水平下的推荐价格(例如:NPO_PKG_DT水平下的服务(到达日期,LOS)水平)。
NPO_RESRC_DT:此表针对有日期资源存储用于优化的关键输入和输出信息。
NPO_PKG_DT:此表存储与有日期包装有关的信息。
另外,可以调节罚金,所述罚金控制推荐价格和当前价格的接近性。例如,TPO包括罚金值,所述罚金值可以调节为使优化或多或少不愿使推荐价格远离当前价格。这些罚金——PRICE_INCREASE_PENALTY和PRICE_DECREASE_PENALTY(在NPO_RESRC_CAL_PARAM数据库表中)——提供高于或低于当前价格的推荐物的不对称处罚。
例如,解决方案可以配置为,当手边已呈现大量预定时极不愿采用价格降低。此方法可以协助商业用户限制取消/重新预定行为。类似地,当手边预定较少时,解决方案可以配置为十分愿意采用任一方向(上升或者下降)的价格变动。
TPO_NPO_RESRC_CAL_PARAM:此表存储有关季节特定资源参数的信息。
PRICE_DECREASE_PENALTY:与推荐低于当前出售价格的价格有关的罚金。
PRICE_INCREASE_PENALTY:与推荐高于当前出售价格的价格有关的罚金。
还可以使费率菜单的概念内在化。例如,费率菜单为可以潜在预定的所有费率的列表以及费率间关系的说明。TPO了解相对定价,即,一个产品价格为另一个产品价格的函数的情况。在服务情况中,依靠某个公司的雇员或某个组织的成员的缘故,客户可具有相对普通出售费率打九折的资格。
TPO推荐出售费率,并且TPO了解可将其它价格定为等于那个出售费率的九折且了解那个部分中的需求回应于为出售费率九折的价格。在NPO_RESRC_BKT_PARAM数据库表的MENU_OFFSET_TYPE列和OFFSET_VAL列中规定这些价格菜单关系。
NPO_RESRC_BKT_PARAM:此表存储与有日期资源和存储桶有关的信息。
MENU_OFFSET_TYPE:乘法类型、加法类型或非菜单类型中的一个类型。
OFFSET_VAL:应用于资源价格组合的调节值,以达到TPO DFU价格。
旅游价格优化(TPO)用户界面(User Interface;UI)的一些示范性特征如下所述:
●产生最优的推荐价格分布,所述最优的推荐价格分布构成待在当前剩余日与消费开始日期之间实施的不同价格。
●在不同聚集水平下提供浮动点价格推荐。
●有助于为预测范围的每一天而不仅仅是最繁忙的一天做定价决定。
●在优化的核心中建模竞争者费率数据。
●了解需求如何回应于自身价格和交叉产品弹性变动。
●允许用户基于需求、剩余可得性和用户相对于用户的竞争者的定位来做决定。
●允许用户通过预测自愿的需求来剔除用户的最小可盈利的将来预定。
●允许用户规定如何使价格推荐优先化成为较高优先水平、中等优先水平和较低优先水平。
●提供自动绘图能力,从而允许用户(基于推荐的优先水平)选择推荐,以供自动上传到中央预订系统(Central Reservation System;CRS)。
●允许用户为每一个竞争者资源分配一个加权百分比,用于估算市场参考价格。
●允许用户为推荐费率设置费率阈值以及最大绝对价格边界和最小绝对价格边界。
●继优化之后提供约束预测评估(Constrained Forecast Evaluation;CFE)模拟处理。CFE详细模拟价格推荐的实施方式,以达到收益和总预定的更现实的推定。
根据示范性实施方式,图1示出示范性价格决定系统100。价格决定系统100包含:优化价格推荐模块110、价格推荐用户界面(UI)模块120、不连续优化模块130、连续优化模块140、自动绘图模块150、处理器155、存储器165、费率菜单模块170、加权百分比模块180、CFE模块182、数据库190和UI管理模块195。
在操作中,价格决定系统100任选地通过一或更多个网络10和链接5从一或更多个信息源接收需求和供给信息。随后,基于一或更多个基线需求预测、竞争情报、库存数据、代表真实世界对象的参数和数据中的一或更多者,决定且输出分阶段价格分布。
例如,根据第一示范性实施方式,优化价格推荐模块110为最大化收益、利润或市场占有率中的一或更多者决定最优价格。例如,通过输入装置(未示出)和显示装置上的相关用户界面,用户选择用户将喜欢哪种类型的最优价格。基于优化技术操作优化价格推荐模块110,所述优化技术使用数学规划。数学规划涵盖各种各样的方法,包括线性规划、整数规划、二次规划等中的一或更多者,所有方法可与本文中所公开的技术一起使用。使用数学规划解决的问题包括目标函数(利润、成本、市场占有率),所述目标函数受某些数学和商业约束最大化或最小化。模型变量是数学规划模型需要进行的决定。优化价格推荐模块110使用二次规划,原因在于目标包括收益最大化,所述收益最大化建模为价格的二次函数。可选地,可通过第三方解决者,诸如IBM′sCPLEX、Lindo′sOptimization Products等或一般来讲任何第三方解决者,来进行解决。
随后,优化价格推荐模块110决定最优的推荐价格分布,所述最优的推荐价格分布存储于数据库190中,且与UI管理模块195合作产生最优价格分布,所述最优价格分布为在今日和将来的所有日子收取的服务价格。
例如,基于(可配置的)范围,优化价格推荐模块110将为将来在宾馆中过夜推荐最优价格分布,开始于今日且所有后续日子延续至那个将来日期。在预订系统(未示出)中通常执行针对那个将来服务日期的当前推荐,但是优化价格推荐模块110接著产生完全优化的价格轨迹,所述完全优化的价格轨迹可显示于合适的UI上。优化价格推荐模块110基于所规定的目标函数标准(最大化收益或市场占有率等)如此进行。
随后,可通过系统来使用罚金和模型配置参数,以衡量所推荐价格决定的罚金。例如,数学规划模型可以使罚金构筑成为目标函数,以提供主要度量(收益、利润等)与违背某些商业约束之间的折衷方案。在优化价格推荐模块110中,存在某些规则,所述规则称为费率菜单,所述费率菜单由费率菜单模块170管理,所述规则控制应如何参照标准门市费率建立其它价格,所述标准门市费率是由优化价格推荐模块110产生。然而,有可能,可以不总是满足这些规则,因此产生最优价格很重要,所述最优价格最小化与这些规则的偏离。通过罚金方案控制容许这些费率菜单违背的程度——较小罚金允许优化价格推荐模块110基于主要度量来定价,而较大罚金迫使系统遵守规则,以牺牲主要度量为代价。
优化价格推荐模块110还能够建模竞争者费率数据。更具体地说,通过相关市场参考价格应用中所描述的技术,将竞争者费率建模成为优化价格推荐模块110。市场参考价格模块采用单个竞争者价格,并且所述市场参考价格模块基于竞争者的相对权重且与加权百分比模块和选择算法(例如,加权平均数、第k百分位数等)合作将所述单个竞争者价格组合成为单个市场参考价格。随后,优化价格推荐模块110产生相对于市场参考价格的最优价格推荐。
如上所述,系统还能够提供约束预测评估模拟处理。约束预测评估者(Constrained Forecast Evaluator;CFE)为后优化不连续事件模拟者,所述模拟者提供比较在当前价格分布与TPO的优化价格分布下期望预定和收益的能力。通过CFE模块185,CFE采用手边预定,预测并进行价格敏感性测量且执行不连续事件模拟,以接受预定,从而达到可得容量下的每一个价格分布。通过CFE,可能仅仅部分地满足优化的任何约束可以作为针对约束容量到来的预定更严格地执行。同样地,CFE给予模拟在有限可得库存的情况下以当前价格持续出售的结果的机会。
自动绘图模块150提供自动绘图能力,从而允许用户(基于推荐的优先水平)选择推荐,以供自动上传到(例如)中央预订系统(CRS)等。来自自动绘图模块的数据可用(例如)标准文件格式存储,以有助于集成到CRS上。
对一些类型的定价来说,优化价格推荐模块110可以执行连续优化(与连续优化模块140合作),所述连续优化推荐浮点价格,意指TPO可推荐(例如)$53.1542或$82.196或者任何其它价格。参见客运铁路的一个特定示范性实施方式,TPO可以推荐来自一组预规定价格点间的价格。例如,优化技术可以选择来自不连续替代物组{$69,$79,$89}间的价格。
与不连续优化模块130合作实施TPO的不连续价格点优化能力,并且如所论述的,TPO的不连续价格点优化能力是连续优化特征的延伸,而不是那些特征的替换,所述连续优化特征是针对服务过夜价格开发的。例如,TPO内的线性需求价格模型可以保留在TPO的不连续价格点延伸中。
TPO还可以优化资源和资源包装两者。例如,TPO可以配置为资源水平下的推荐价格(例如:NPO_RESRC_DT水平下的服务过夜水平)或包装水平下的推荐价格(例如:NPO_PKG_DT水平下的服务(到达日期,LOS)水平)。
图2概述价格决定系统的示范性操作方法。具体地讲,控制开始于步骤S100中且持续到步骤S105。在步骤S105中,从(例如)一或更多个预订系统/预定系统下载预定数据。接着,在步骤S110中,还从(例如)一或更多个预订系统/预定系统下载库存数据。随后,在步骤S115中,决定有效容量。随后,控制持续到步骤S120。
在步骤S120中,获取一或更多个预测,诸如基线需求预测。接着,在步骤S125中,(例如)从共同应用的输出中获取市场参考价格,所述共同应用针对市场参考价格系统。随后,在步骤S130中,获取模型参数和日历信息。随后,控制继续到步骤S135。
在步骤S135中,通过由用户接收的输入规定目标函数,诸如收益、利润、市场占有率等。接着,在步骤S140中,构建优化数学问题,并且在步骤S145中调用解决者。如所论述的,解决者可以是第三方解决者,诸如IBM′sCPLEX或Lindo′sOptimization Products等。随后,控制继续到步骤S150。
在步骤S150中,产生最优价格分布,并且任选地,所述最优价格分布显示在显示器上的用户界面中。接着,在步骤S155中,调用自动绘图模块将费率自动上传到中央预订系统等,并不一定需要审核费率。随后,在步骤S160中,调用约束预测评估者模拟处理,所述约束预测评估者模拟处理详细模拟价格推荐的实施方式,以达到收益和总预定的更现实的推定。随后,控制继续到步骤S165。
在步骤S165中,将来预定和库存定位与步骤S170中允许推翻价格推荐同化。例如,用户通过合适的界面和输入装置可以基于(例如)用户特定知识、商业要求、公司目标、预测活动或一般来讲任何标准来推翻价格推荐中的一或更多者。随后,在步骤S175中,一或更多个用户的用户修改价格推翻可以上传到(例如)中央预订系统。随后,控制继续到步骤S180,其中控制序列结束。
图3至图12示出示范性用户界面,所述示范性用户界面经设计以协助用户完成收益管理任务。根据一个示范性目的,每天,可以在少于30分钟内完成收益管理。更具体地说,示范性用户界面设计为实施于(例如)特权服务环境中。这牵涉极广泛的用户社群,其中个人代表各种水平的经验、专业知识,且包括不属于集中收益管理团体、已接收收益管理的最低训练、在一天内除收益管理外还要执行许多其它工作且可能没有必要十分频率地与其它操作者谈论收益管理的许多人。
考虑到这一点,本发明的一个示范性方面设计为全新的用户体验,旨在传送价格收益处理,所述价格收益处理完全比现有收益管理工作流程更简单。从头开始设计本文中所示各种示范性用户界面的目的是仅提供有助于用户审核用户的费率推荐的信息。用户界面的一个示范性主题为每天30分钟内的收益管理。考虑到这一点,当进行异常推荐时,每日要求用户审核120日日历且审核几周推荐,并且在必要的情况下,接受、拒绝或改变推荐费率。还要求用户审核待上传的所有费率。在下文中,示出针对上述活动中的每一个活动的用户界面屏幕。
更具体地说,图3为示范性推荐方框用户界面,其中呈现给用户在某一时间在所选的7日时段内(开始于星期日)每过夜的单个出售费率。在同一屏幕上,可得到支持数据的多个可配置视图,将在下文中描述。图3中的推荐方框包括:日期信息310、先前费率信息320、当前费率信息330、推荐费率信息340、状态信息350和发送费率信息360,所有信息按日期370整理于表中。
图4中所示推荐审核界面为用户提供预定范围内过夜价格的完整列表。图4中所示推荐审核界面还可以为用户将最优费率上传到(例如)CRS之前的最终审核屏幕。推荐审核界面包括:优先信息410、日期信息420、先前费率信息430、推荐费率信息440、当前费率信息450、周几信息460、上传费率信息470和状态信息480。如可见,状态信息表示已实施大部分费率实施方式,然而一个费率未实施。还提供了可选择按钮,诸如上传按钮490,所述上传按钮490允许用户将推荐费率上传到(例如)CRS。
如所论述的,一个示范性目的是提供简化的工作流程,所述工作流程允许收益管理。根据第一步骤,且与图5中所示用户界面有关,当进行异常推荐时,要求用户审核120日日历且审核几周推荐,并且在必要的情况下,接受、拒绝或改变推荐费率。更具体地说,可以使用图5中所示每周视图屏幕来实施此活动,所述屏幕被分成三个部分:1)日历510,所述日历510强调费率推荐吸引较高优先、中等优先或较低优先的日子;2)推荐方框520,所述推荐方框520允许用户审核且推翻价格推荐;和3)支持数据方框530,所述支持数据方框530为用户提供支持数据视图,用户在审核用户的推荐时发现所述支持数据最有用。
图6示出示范性需求视图用户界面,所述需求视图用户界面为用户提供价格敏感预测的简单指示,即,相较于推荐费率620下的需求的先前费率610下的总需求,或(例如)在日历上所选的七日时段。在此界面中,且对每日来说,左侧列示出待以先前费率出售的房间,而右侧列示出待以推荐费率出售的房间。还可得到的是涉及可得房间640数量和当前准购定额(Open-To-Buy;OTB)630的信息。
图7中所示费率视图用户界面为用户提供简单的方式,以在优化针对日历上所选的七日时段产生新推荐之前,比较用户的费率推荐与用户的竞争者的费率推荐710或(例如)宾馆的先前费率750。费率审核界面中包括的示范性信息包括:针对(例如)在日历上所选的一周时段的竞争者数据710、市场费率信息720、竞争者较低费率信息730和较高费率信息740、先前费率信息750和推荐费率信息760。
图8示出示范性库存视图界面,所述库存视图界面为用户提供在日历上所选的七日时段内用户“房间”的库存状态的样品视图。例如,界面可以包括信息,诸如当前预定信息810、可得到的转移信息820、成群的团体信息830、获得的团体信息840、库存当前预定信息850、不正常信息860和超额预定信息870。
图9示出示范性费率混合视图用户界面,所述费率混合视图用户界面为用户提供销售混合的预测改变的简单视图,所述销售混合的预测改变可能由于推荐费率的价格改变而产生。在此情况下,销售混合定义为每一个过夜销售的比例,所述比例可能来自一组预定义客户或费率部分中的每一者。如所示,示范性用户界面包括:出售费率信息910、折扣信息920、全国公司信息930、地方公司信息940和团体信息950。
图10示出示范性费率曲线界面,所述费率曲线界面示出期望推荐价格分布和预定的相关期望轨迹在当日日期与到达日期之间遵循的方向。这是当前技术的独特功能,所述功能可极有用地作为工具来支持宾馆试图决定是否接受将来某一日期的费率推荐的数据。在此示范性界面中,先前费率信息1000、推荐费率信息1010、待以先前费率出售的房间信息1020、待以推荐费率出售的房间信息1030和当前剩余日1040皆显示于图表上。
对用户来说下一个步骤是审核所有上传费率。更具体地说,所选上传费率概述于图11中所示推荐审核屏幕中。这提供简单、可配置的类似电子数据表的推荐视图,从而允许用户在需要时进行进一步改变,或对更有经验的用户来说提供用于审核一日推荐的更快替代构件。类似于上述推荐用户界面,审核费率界面包括:优先信息1100、日期信息1110、先前费率信息1120、推荐费率信息1130、当前费率信息1140、周几信息1150、上传费率信息1160、状态信息1170和窗口1180,所述窗口1180确认费率应上传。
图12示出示范性用户界面,所述用户界面允许图11中所示推荐审核界面的配置。例如,部分1210示出可以显示的可得到列,诸如:当前出售费率、不正常、团体和群体、可得到的转移、较高竞争者、当前OTB、较低竞争者、最终推荐价格、获得的团体、当前预定、超额预定、可得到的房间和市场费率。所选列部分1220向用户示出已选择的一或更多列。如将认识的,可以为本文中显示的任何用户界面提供可比较的配置界面,所述用户界面允许(例如)重新组织、改变颜色和一般来讲任何标准定制选项,所述标准定制选项允许用户操纵用户界面。
已就数据库、数据分析、数据处理、价格决定和数据结构描述了本发明的示范性系统和方法。然而,为免不必要地混淆本发明,说明省略了数个已知结构和装置。不应将此省略理解为限制所请求发明的范围。阐述特定细节以提供对本发明的理解。然而,应认识到,可以越出本文中所阐述特定细节范围的各种方式来实施本发明。
此外,虽然本文中所示出的示范性实施方式示出排列在一起的各种系统部件,但是某些系统部件可远距离地定位于分布网络10(诸如,LAN、电缆网络和/或互联网)的远部分或定位于专用系统内。因此,应认识到,系统部件可组合成一或更多个装置或排列于分布网络(诸如,模拟和/或数字通信网络、分组交换网络、线路交换网络或电缆网络)的特定节点上。
将从上述说明认识到,且出于计算效率的原因,系统部件可布置于部件的分布网络内的任何位置,而不影响系统的操作。例如,各种部件可定位于分析数据工具和/或专业数据分析系统中。
此外,应认识到,连接元件的各种链接(可能示出或可能未示出)可为有线链接或无线链接或任何上述物的组合,或者任何其它已知或后来开发的元件,所述元件能够提供和/或传达数据往返于连接元件。这些有线链接或无线链接还可以为安全链接,且这些有线链接或无线链接可能能够传达加密信息。用作(例如)链接的传输媒体可为任何合适的电信号载体,包括同轴电缆、铜线和光纤,且所述传输媒体可采用声波或光波的形式,诸如在无线电波和红外线数据通信期间产生的那些声波或光波。
同样地,虽然已就特定序列的事件论述且示出了流程图,但是应认识到,可在不实质影响本发明操作的情况下,对此序列进行改变、添加和省略。
在又一个实施方式中,本发明的系统和方法可结合专用计算机、程序微处理器或微控制器和周边集成电路元件、ASIC或其它集成电路、数字信号处理器、硬接线电子或逻辑电路(诸如,不连续元件电路)、可编程序的逻辑装置或门阵列(诸如,PLD、PLA、FPGA、PAL)、专用计算机、任何可比较的构件等来实施。通常,能够实施本文中所示方法的任何装置或构件可用于实施本发明的各种方面。可用于本发明的示范性硬件包括:计算机、企业系统、需求链管理系统、手持式装置和本领域已知的其它硬件。这些装置中的一些装置包括处理器(例如,单个微处理器或多个微处理器)、存储器、非易失性存储器、输入装置和输出装置。此外,替代性软件实施方式还可构建为实施本文所述的方法,所述替代性软件实施方式包括但不限于分布处理或部件/目标分布处理、平行处理、虚拟机处理。
在又一个实施方式中,可使用目标或面向目标的软件开发环境,结合软件容易地实施所公开的方法,所述环境提供便携的源代码,所述源代码可用于各种计算机或工作站平台上。或者,可使用标准逻辑电路或VLSI设计在硬件中部分地或完全地实施所公开的系统。是使用软件还是硬件来实施根据本发明的系统,取决于系统的速度和/或效率要求、特定功能和正在使用的特定软件或硬件系统或者微处理器或微计算机系统。
在又一个实施方式中,所公开的方法可部分地实施在软件中,所述软件可存储在存储媒体上、与控制器和存储器合作执行在程序通用计算机、专用计算机、微处理器等上。在这些情况下,本发明的系统和方法可作为嵌于个人计算机上的程序(诸如,小应用程序、JAVA或CGI脚本等)、作为位于服务器或计算机工作站上的资源、作为嵌于专用测量系统、系统部件中的例程等而实施。还可通过将系统和/或方法物理并入软件和/或硬件系统来实施所述系统。
在各种实施方式、配置和方面中,本发明包括如本文(包括本发明的各种实施方式、子组合物和子集)中实质描述和说明的部件、方法、处理、系统和/或设备。在了解本发明之后,所属领域的技术人员将了解如何进行和使用本发明。在各种实施方式、配置和方面中,本发明包括在没有本文或本文的各种实施方式、配置或方面中未绘制和/或说明的项目的情况下(包括在没有可能已用于先前装置或处理中的此等项目的情况下)提供装置和处理,例如,用于改进性能、实现容易性和/或降低实施成本。
已呈现本发明的以上论述,以供说明和描述。上述内容并非旨在将本发明限制于本文中所公开的一或更多种形式。在例如上述详细说明中,本发明的各种特征在一或更多个实施方式、配置或方面中聚集在一起,以供使本公开合理化。本发明的实施方式、配置或方面的特征可组合于除上文所论述以外的替代性实施方式、配置或方面中。
不应将此公开的方法理解为反映以下企图:所请求的发明需要比每一个权利要求中清晰叙述的特征更多的特征。相反,如以下权利要求书所反映,发明方面存在于比单个上述公开实施方式、配置或方面的所有特征更少的特征中。因此,据此,以下权利要求书并入此详细说明中,其中每一个权利要求自身代表本发明的一个独立示范性实施方式。
此外,尽管本发明的描述已包括一或更多个实施方式、配置或方面和某些变化和修改的描述,但是在了解本发明之后,其它变化、组合和修改也在本发明的范围内,例如,可在本领域技术人员的技能和知识范围内。期望获得在允许程度上包括替代性实施方式、配置或方面的权利,包括所请求的权利的替代性、可交换的和/或等效结构、功能、范围或步骤,不论本文中是否公开此种替代性、可交换的和/或等效结构、功能、范围或步骤,且不打算公开贡献任何可取得专利的主题。
Claims (27)
1.一种提供定价审核处理的方法,所述定价代表真实世界易失性资产,所述方法包含:
接收预定数据、库存数据、容量数据、预测数据和市场参考价格中的一或更多者;
接收模型参数和日历信息中的一或更多者,所述模型参数包括基线需求预测、竞争情报、相对权重、库存数据参数、代表真实世界对象的数据、罚金和模型配置参数中的一或更多者;以及
产生且显示最优价格分布,所述最优价格分布包括特定时间段内的价格推荐。
2.如权利要求1所述的方法,所述方法进一步包含将推荐费率自动上传到一或更多个预订系统。
3.如权利要求1所述的方法,所述方法进一步包含调用约束预测评估者,所述约束预测评估者详细模拟所述价格推荐的实施方式,以达到收益和总预定的更现实的推定。
4.如权利要求1所述的方法,所述方法进一步包含模拟将来预定和库存定位。
5.如权利要求1所述的方法,所述方法进一步包含提供允许推翻所述价格推荐的构件。
6.如权利要求5所述的方法,所述方法进一步包含将重写的价格推荐上传到预订系统。
7.如权利要求1所述的方法,其中所述价格推荐用于服务、汽车租赁、客运、航空货运、货运和易失性资产行业中的一或更多者。
8.如权利要求1所述的方法,其中所述价格推荐显示于价格分布中,所述价格分布可以在交互式图形用户界面中操纵,所述交互式图形用户界面说明当时应收取什么价格和在以后应收取什么价格。
9.如权利要求1所述的方法,其中所述定价审核处理使用价格敏感性预测来判断价格如何影响需求且最大化收益、利润或市场占有率。
10.如权利要求1所述的方法,其中界面接收用户输入,以接受、拒绝或改变所述价格推荐。
11.如权利要求1所述的方法,其中罚金控制所述价格推荐的接近性。
12.如权利要求1所述的方法,其中提供费率菜单,所述费率菜单提供可以潜在预定的所有费率的列表以及所述费率间关系的说明。
13.一种能够提供定价审核处理的系统,所述定价代表真实世界易失性资产,所述系统包含:
价格决定系统,所述价格决定系统接收预定数据、库存数据、容量数据、预测数据和市场参考价格中的一或更多者;以及
优化价格推荐模块,所述优化价格推荐模块接收模型参数和日历信息中的一或更多者,所述模型参数包括基线需求预测、竞争情报、相对权重、库存数据参数、代表真实世界对象的数据、罚金和模型配置参数中的一或更多者,且所述优化价格推荐模块产生且显示最优价格分布,所述最优价格分布包括特定时间段内的价格推荐。
14.如权利要求13所述的系统,所述系统进一步包含自动绘图模块,所述自动绘图模块将推荐费率自动上传到一或更多个预订系统。
15.如权利要求13所述的系统,所述系统进一步包含约束预测模块,所述约束预测模块调用约束预测评估者,所述约束预测评估者详细模拟所述价格推荐的实施方式,以达到收益和总预定的更现实的推定。
16.如权利要求13所述的系统,其中模拟将来预定和库存定位。
17.如权利要求13所述的系统,所述系统进一步包含提供允许推翻所述价格推荐的构件。
18.如权利要求17所述的系统,其中将重写的价格推荐上传到预订系统。
19.如权利要求13所述的系统,其中所述价格推荐用于服务、汽车租赁、客运、航空货运、货运和易失性资产行业中的一或更多者。
20.如权利要求13所述的系统,其中所述价格推荐显示于价格分布中,所述价格分布可以在交互式图形用户界面中操纵,所述交互式图形用户界面说明当时应收取什么价格和在以后应收取什么价格。
21.如权利要求13所述的系统,其中所述定价审核处理使用价格敏感性预测来判断价格如何影响需求且最大化收益、利润或市场占有率。
22.如权利要求13所述的系统,其中界面接收用户输入,以接受、拒绝或改变所述价格推荐。
23.如权利要求13所述的系统,其中罚金控制所述价格推荐的接近性。
24.如权利要求13所述的系统,其中提供费率菜单,所述费率菜单提供可以潜在预定的所有费率的列表以及所述费率间关系的说明。
25.一或多种实质上如本文所述的方面。
26.一种构件,所述构件用于执行如权利要求1-12中任何一或更多个权利要求所述的功能。
27.一种非暂时性计算机可读存储媒体,所述非暂时性计算机可读存储媒体上存储有指令,当执行时,所述指令执行如权利要求1-12中任何一或更多个权利要求所述的功能。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16899409P | 2009-04-14 | 2009-04-14 | |
US61/168,994 | 2009-04-14 | ||
PCT/US2010/030977 WO2010120840A2 (en) | 2009-04-14 | 2010-04-14 | Travel price optimization (tpo) |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102483827A true CN102483827A (zh) | 2012-05-30 |
Family
ID=42983114
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010800195334A Pending CN102483827A (zh) | 2009-04-14 | 2010-04-14 | 旅游价格优化(tpo) |
Country Status (5)
Country | Link |
---|---|
US (2) | US10332134B2 (zh) |
JP (1) | JP5580879B2 (zh) |
CN (1) | CN102483827A (zh) |
CA (1) | CA2758910A1 (zh) |
WO (1) | WO2010120840A2 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103870604A (zh) * | 2014-04-04 | 2014-06-18 | 北京航空航天大学 | 旅游推荐方法和装置 |
CN105205701A (zh) * | 2015-09-22 | 2015-12-30 | 创点客(北京)科技有限公司 | 一种网络动态定价方法和系统 |
CN106875220A (zh) * | 2017-01-24 | 2017-06-20 | 王耀资 | 一种网吧价格动态调整方法及装置 |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7979457B1 (en) * | 2005-03-02 | 2011-07-12 | Kayak Software Corporation | Efficient search of supplier servers based on stored search results |
US9646079B2 (en) | 2012-05-04 | 2017-05-09 | Pearl.com LLC | Method and apparatus for identifiying similar questions in a consultation system |
US9904436B2 (en) | 2009-08-11 | 2018-02-27 | Pearl.com LLC | Method and apparatus for creating a personalized question feed platform |
EP2583235A4 (en) * | 2010-06-15 | 2014-01-22 | Ticketmaster L L C | METHODS AND SYSTEMS FOR COMPUTER-ASSISTED EVENT AND PLACE CONFIGURATION AND MODELING AND INTERACTIVE CARDS |
US9781170B2 (en) | 2010-06-15 | 2017-10-03 | Live Nation Entertainment, Inc. | Establishing communication links using routing protocols |
US20130268319A1 (en) * | 2012-04-04 | 2013-10-10 | Pearl.com LLC | Method and apparatus for price optimization in an online consultation system |
US9275038B2 (en) | 2012-05-04 | 2016-03-01 | Pearl.com LLC | Method and apparatus for identifying customer service and duplicate questions in an online consultation system |
US9501580B2 (en) | 2012-05-04 | 2016-11-22 | Pearl.com LLC | Method and apparatus for automated selection of interesting content for presentation to first time visitors of a website |
JP6064437B2 (ja) * | 2012-08-22 | 2017-01-25 | トヨタ自動車株式会社 | カーシェアリングシステムの運用管理システムおよび方法 |
US20150149255A1 (en) * | 2013-11-27 | 2015-05-28 | International Business Machines Corporation | Robust pricing solution for products and services |
EP3224772A1 (en) * | 2014-11-26 | 2017-10-04 | AIRBNB, Inc. | Demand prediction for time-expiring inventory |
US9811785B1 (en) * | 2015-05-26 | 2017-11-07 | Airbnb, Inc. | Graphical user interface for displaying tips to hosts providing time expiring listings in a reservation system |
US9734473B2 (en) * | 2015-09-03 | 2017-08-15 | Sas Institute Inc. | Computer-implemented system for hierarchical unconstraining in data processes |
US9805324B2 (en) | 2015-09-16 | 2017-10-31 | Sas Institute Inc. | Computer-implemented system for modeling an allocated resource |
US10528909B2 (en) * | 2016-04-20 | 2020-01-07 | Airbnb, Inc. | Regression-tree compressed feature vector machine for time-expiring inventory utilization prediction |
KR101713155B1 (ko) * | 2016-06-15 | 2017-03-07 | 주식회사 제주비앤에프 | 가격 조정을 통한 렌트카 거래 시스템 및 방법 |
WO2018012991A1 (pt) | 2016-07-11 | 2018-01-18 | Novabase Business Solutions - Soluções De Consultoria, Desenvolvimento, Integração, Outsourcing, Manutenção E Operação De Sistemas De Informação, S.A. | Método para uso sem bilhetes e optimizado de uma rede de transportes e sistema para realização do referido método |
US10832293B2 (en) | 2017-09-19 | 2020-11-10 | International Business Machines Corporation | Capturing sensor information for product review normalization |
JP6977545B2 (ja) * | 2017-12-25 | 2021-12-08 | トヨタ自動車株式会社 | 自動運転システム及び移動体、サーバ |
US20190347540A1 (en) * | 2018-05-10 | 2019-11-14 | Fmr Llc | AI-Based Context Evaluation Engine Apparatuses, Methods and Systems |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7328166B1 (en) * | 1999-01-20 | 2008-02-05 | Sabre, Inc. | Global reservations transaction management system and method |
JP2002074108A (ja) * | 2000-09-04 | 2002-03-15 | Community Network Kk | インターネットを利用した、興行チケット、旅行商品、航空券等の販売、ホテル宿泊、レストラン利用等の予約に関する販売・予約価格制御システム |
US7657480B2 (en) * | 2001-07-27 | 2010-02-02 | Air Liquide Large Industries U.S. Lp | Decision support system and method |
DE10257199A1 (de) * | 2001-12-10 | 2003-08-21 | I2 Technologies Inc | Erzeugen eines optimierten Preiskalkulationsplans |
US20030130966A1 (en) | 2001-12-20 | 2003-07-10 | Thompson Bruce T. | Vehicle management, appraisal and auction system |
US20080027769A1 (en) | 2002-09-09 | 2008-01-31 | Jeff Scott Eder | Knowledge based performance management system |
WO2004068306A2 (en) * | 2003-01-24 | 2004-08-12 | Grupo Posadas | Hospitality management system and methods |
CA2519693A1 (en) * | 2003-03-27 | 2004-10-14 | University Of Washington | Performing predictive pricing based on historical data |
JP2005070910A (ja) * | 2003-08-20 | 2005-03-17 | Best Reserve:Kk | 取引価格算出装置、取引システム及びコンピュータプログラム |
JP2005078116A (ja) * | 2003-08-29 | 2005-03-24 | Toshiba Corp | 料金割付配分システムおよび料金割付配分方法 |
US7853473B2 (en) * | 2004-08-31 | 2010-12-14 | Revionics, Inc. | Market-based price optimization system |
US20070143153A1 (en) | 2005-12-20 | 2007-06-21 | Unisys Corporation | Demand tracking system and method for a transportation carrier |
US20070282667A1 (en) * | 2006-06-01 | 2007-12-06 | Cereghini Paul M | Methods and systems for determining optimal pricing for retail products |
-
2010
- 2010-04-14 JP JP2012506146A patent/JP5580879B2/ja not_active Expired - Fee Related
- 2010-04-14 CN CN2010800195334A patent/CN102483827A/zh active Pending
- 2010-04-14 WO PCT/US2010/030977 patent/WO2010120840A2/en active Application Filing
- 2010-04-14 CA CA2758910A patent/CA2758910A1/en not_active Abandoned
- 2010-04-14 US US13/264,576 patent/US10332134B2/en active Active
-
2019
- 2019-06-24 US US16/450,109 patent/US20190311383A1/en not_active Abandoned
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103870604A (zh) * | 2014-04-04 | 2014-06-18 | 北京航空航天大学 | 旅游推荐方法和装置 |
CN103870604B (zh) * | 2014-04-04 | 2017-03-29 | 北京航空航天大学 | 旅游推荐方法和装置 |
CN105205701A (zh) * | 2015-09-22 | 2015-12-30 | 创点客(北京)科技有限公司 | 一种网络动态定价方法和系统 |
CN106875220A (zh) * | 2017-01-24 | 2017-06-20 | 王耀资 | 一种网吧价格动态调整方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2012524340A (ja) | 2012-10-11 |
CA2758910A1 (en) | 2010-10-21 |
US20120116844A1 (en) | 2012-05-10 |
JP5580879B2 (ja) | 2014-08-27 |
WO2010120840A3 (en) | 2010-12-29 |
WO2010120840A2 (en) | 2010-10-21 |
US10332134B2 (en) | 2019-06-25 |
US20190311383A1 (en) | 2019-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102483827A (zh) | 旅游价格优化(tpo) | |
Mortazavi et al. | Designing of an intelligent self-adaptive model for supply chain ordering management system | |
US7379890B2 (en) | System and method for profit maximization in retail industry | |
Erdem et al. | Development of a decision support system for supplier evaluation and order allocation | |
Luo et al. | Integrating supplier selection in optimal product family design | |
Wu et al. | Coordinating strategic outsourcing decisions for semiconductor assembly using a bi-objective genetic algorithm | |
EP2506207A1 (en) | Computer system, computer-implemented method and computer program product for managing operations of a system | |
CN102156932A (zh) | 一种客户再次购买意向预测方法及装置 | |
US8442861B2 (en) | Multi-dimensional price determination | |
Hajikhani et al. | A fuzzy multi-objective multi-product supplier selection and order allocation problem in supply chain under coverage and price considerations: An urban agricultural case study | |
US20050065838A1 (en) | Accepting bids under uncertain future demands | |
Yaghin et al. | A possibilistic multiple objective pricing and lot-sizing model with multiple demand classes | |
Dai et al. | Choice based revenue management for parallel flights | |
Cui et al. | The bare-bones differential evolutionary for stochastic joint replenishment with random number of imperfect items | |
KR101752854B1 (ko) | 아이디어 제안자 역량 진단 시스템 및 방법 | |
Sabbaghi et al. | A supplier selection model emphasizing the project risk management in drug production in pharmaceutical industry | |
Wang et al. | Resource portfolio planning of make-to-stock products using a constraint programming-based genetic algorithm | |
Elreedy et al. | Novel pricing strategies for revenue maximization and demand learning using an exploration–exploitation framework | |
Li et al. | Discrete event simulation analysis of a reservation-based, one-way car-sharing system | |
Zhang et al. | An optimal decision for the fresh food supply chain network under omnichannel context | |
CN105900120A (zh) | 产品数据分析 | |
Kaya et al. | Modeling toothpaste brand choice: an empirical comparison of artificial neural networks and multinomial probit model | |
US20230186342A1 (en) | Bundle clicking simulation to validate a/b testing bandit strategies | |
Zutshi et al. | Simulation and forecasting of digital pricing models for an e-procurement platform using an agent-based simulation model | |
CN111667314B (zh) | 商品资源分配方法、装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120530 |