CN104240108A - 购物者助手 - Google Patents

购物者助手 Download PDF

Info

Publication number
CN104240108A
CN104240108A CN201410275762.2A CN201410275762A CN104240108A CN 104240108 A CN104240108 A CN 104240108A CN 201410275762 A CN201410275762 A CN 201410275762A CN 104240108 A CN104240108 A CN 104240108A
Authority
CN
China
Prior art keywords
product
consumer
database
assistant
attribute
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
Application number
CN201410275762.2A
Other languages
English (en)
Inventor
J-j·格里莫
W·马丁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dassault Systemes SE
Dassault Systemes of America Corp
Original Assignee
Dassault Systemes of America Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Dassault Systemes of America Corp filed Critical Dassault Systemes of America Corp
Publication of CN104240108A publication Critical patent/CN104240108A/zh
Pending legal-status Critical Current

Links

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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0613—Third-party assisted
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • 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
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T13/00—Animation
    • G06T13/20—3D [Three Dimensional] animation

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Human Computer Interaction (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

在一个实施例中，方法包括监控个人或某个消费者的行动并维护存储在消费者个人的存储器中的数据库。数据库可具有消费者的偏好的指示和个人消费者的购买历史。数据库可以是基于消费者的监控的行动。该方法还可包括基于所维护的数据库来向消费者提供建议的产品。

Description

购物者助手
相关申请
本申请涉及代理人案号为NO.4148.1037-000的Jean Jacques Grimaud的美国专利申请号NO.13/494,223“Symbiotic Helper”，其被通过引用全部并入。
背景技术
通常，零售商使用来自制造商和供应商的数据管理他们提供的产品和服务的产品信息和规范。他们还以两种方式之一得到并使用顾客数据。在第一种传统方式中，零售商可从已经聚合在段中的一个或多个大的数据源获取数据。他们使用所获取的数据，以便创建产品或服务群或段，然后分析所创建的群或段，并能够预测消费者段的未来购买。所获取的数据可包括来自社交网站或其它个人数据源的消费者的个人数据、或购买数据和/或基于位置的记录(例如来自蜂窝网络、搜索引擎、和/或映射或地理定位公司)，这些数据中的任一个或全部在规章要求时聚合在源处。
在第二种方式中，零售商也可获取来自例如Enliken、Intelius、Spokeo等聚合器的个人数据，并使用该个人数据来预测未来购买或愿望。零售商还可使用它本身从消费者收集的个人数据，包括与其它所获取的数据孤立或组合的个人数据(例如地址、年龄等)、交易数据、和/或愿望清单。
提供店内和在线购物体验的传统方法是使消费者在商店内或在网站上花费尽可能多的时间。很多零售商相信购物者在购物体验中花费更多时间是作为消费者花费的额外时间购物的结果产生更多的销售的唯一方法。
今天，可用的大数据的质量不足以确保零售商获取、存储、以及处理数据的成本超过大数据的使用的益处。虽然购买行为的相关性可在给定段中建立，但因果关系远远不是清楚的，且结果的正确使用可能是有疑问的。此外，消费者对于与零售商共享超出进行购买所必需的信息以外的个人或识别数据日益变得敏感。在一些情况下，如果消费者觉得未来联系是讨厌的或打扰的，消费者可能输入虚假的数据以防止来自零售商的未来联系。
由于个人可识别信息和财务信息的偶尔数据泄漏，政府和组织也变得更多地涉及管制消费者数据的获取和存储，并考虑强制零售商和其它在先实体实现隐私规则。此外，越来越多数量的消费者在智能手机和移动设备上在本地管理个人数据，并在交易中根据需要使用该数据，这对零售商提供了较不可用的数据。使用关于消费者的较不可用的数据，零售商可能在向它的消费者提供准确的产品推荐方面有困难。零售商还可以通过数据处理重新调整他们的资产朝向购物者服务。
发明内容
因此，在本发明的一个实施例中，购买助手(或购物助手)使消费者能够尽快从零售商找到他或她想要的东西，允许更快地返回到期望产品的短列表。购买助手通过使购物时段更有效和更可能导致令消费者满意的购买而缩短了购物时段。
在一个实施例中，本发明涉及使零售商能够用智能建议协助购物者的计算机程序或系统。“购买助手”或“购物助手”可被体现为独立计算机程序、可佩戴的计算机、连接网络的计算机程序、以及在线购物网站、和/或移动应用。
三种类型的数据可指示消费者的未来购买。第一类型的数据是预期用途、上下文、以及环境数据。该数据定义目的、位置、方式、以及产品用于实现消费者的特定目标的时间长度。消费者的特定目标和达到这些目标的要求可能并不被完全定义，因为消费者可能不知道他或她对产品的需要。消费者可能在购物之前或期间变得知道他或她的需要，因为消费者开始与产品或产品的虚拟表示互动。
消费者向购买助手提供这个第一类型的数据。购买助手配置成询问消费者适应性问题以理解待购买的产品的用途、上下文、以及环境。问题按照产品超类别和产品类别而改变。当购买助手获取关于消费者的数据时，问题的频率和性质可被调节或自动调节(例如当购买助手知道关于消费者的更多情况时减少)。
第二类型的数据是产品的规范。产品的规范包括产品的尺寸、物理属性、感情属性、以及功能。
第三类型的数据是产品的交易属性。交易属性包括价格、每单位价格、支付模式、交付模式、交付时间、方便性等。零售商一般向购物助手提供产品的规范和产品的交易属性，然而，互联网/云(例如来自搜索或内容聚合系统)也可提供规范和交易属性。然而，在某些情况下，消费者可以提供产品的规范或交易属性。在一些情况下，交易属性可取决于产品的规范或多个产品的配置，例如当产品作为一组产品被出售时。
其它产品推荐系统不问消费者问题以帮助消费者进行购买。更确切地，它们考虑用户的行动并试图将那些行动映射到所推荐的产品。例如，零售商向最近购买了书的用户推荐书。作为另一示例，零售商向最近购买了歌曲的用户推荐歌曲。零售商将这些推荐系统部署在它的互联网/网络的云端上。零售商管理每个推荐系统，而不是购买产品的消费者。
产品推荐系统例如通过使用测量网站的增加收入的度量，基于来自大群体用户的数据来推荐产品。它们还对访问网站的所有用户使用单个模型，或如果它们使用多个模型，则基于群体的一部分的大的人口统计来定义模型。然而，它们并不使用适应于每个个体用户的模型。
在教育环境中，适应性用户模型促进学生学习并改善给予学生的测试的内容。学习引擎基于用户的行动来自动适应用户模型。然而，这些学习引擎可能产生误报，其导致学生误解在他们的学习地图上的学习路径。
购买助手给消费者提供不同的解决方案。购买助手的用户模型变成为每个消费者所特有的。在某些情况下，消费者只为他自己或她自己购物。在其它情况下，消费者为多个消费者例如在他或她的家庭中的其他消费者购物。
消费者的购买通常独立于彼此，例外是购买例如附件、瓷器等作为一组购买。一般，消费者每年购买在150到200个之间的独特产品，它们中的大部分独立于彼此。相反，教育课程是知识“砖”的汇编，其每个需要前面的砖的理解以继续进行到下一课程水平。一般推荐系统倾向于依赖产品的给定类别，并设计成向大群体提供推荐，而不是适应于个人。
购买助手可向消费者提出问题，特别是与购买的预期用途、上下文、以及环境有关的问题，以更好地理解个人消费者的购买的要求。当前的推荐系统不问消费者关于预期购买的问题；它们关心产品规范和交易属性。
消费者通常从多个产品当中选择他或她的购买。这些产品中的一些可由消费者找到，而其它产品可由购买助手找到。消费者决定是谢绝还是购买产品以及购买哪个物品。为了对比购买助手与教育适应性模型，为多项选择考试而学习的学生必须在呈现给他/她的有限组的多个选择当中选择正确的答案。学生不能靠他或她自己找出或输入除了所呈现的多个选择以外的额外的答案。相反，购买助手的消费者可找出除了由零售商所呈现的初始产品以外的额外的产品。
一般零售商网站和网站应用在页面上显示产品的集合。每页显示产品的列表的产品。一般，零售商网站每页只显示产品的有限数量的2D表示。在页中显示产品使选择并比较在同一页的顶部和底部上的集合的产品或比较来自不同页的产品变得困难。
产品的集合也可显示在虚拟商店中。虚拟商店是商店的3D表示，其对集合的大部分产品描绘具有同一产品的多个实例的真实商店。这些虚拟商店表示进一步示出家具，其产生观看产品的集合的视觉障碍，且无助于用户选择集合的产品，而只用来使用户将虚拟环境联系到物理环境。
在一个实施例中，购买助手在三维(3D)中呈现集合的每个产品。集合可以被显示在单个平面上，而不呈现任何家具或固定设备。用户接口可对缩放、平摇(pan)、以及倾斜命令做出响应，实现集合的产品的连续均匀的视图。用户可通过标记一些产品或通过使用标准(例如属性)过滤产品来选择这些产品的子集。每个产品可沿着它的三个自由度轴被选择、操纵以及旋转以观察其外部、或其内部的横截面。也可通过操纵产品特征例如铰链、抽屉、或扭转旋钮等来操纵产品。购买助手还可播放音频、设置警报、并执行语音识别、语音合成、以及自然语言。
在一个实施例中，方法包括监控消费者的行动并维护存储在消费者个人的存储器中的数据库。数据库可具有消费者的偏好的指示和消费者的购买历史。数据库可基于所监控的消费者的行动。该方法还可包括基于所维护的数据库来向消费者提供建议的产品。
在另一实施例中，该方法可包括使消费者至少能够选择数据库的至少一部分并且进一步使消费者能够与第三方共享数据库的该部分。
在另一实施例中，该方法可包括通过构建多个可用产品中的每个的产品类别的树，基于消费者(例如在家里)的标识符、多个可用产品、和/或购买历史来初始化数据库。
在又一实施例中，该方法可包括实现产品的类别的至少一个属性的选择。维护数据库可包括通过基于消费者所选择的至少一个属性的顺序修改树以维护数据库。
在另一实施例中，该方法可包括对多个产品分等级。每个产品可与规范和交易属性相关联。分等级可基于过去观察到的消费者的行动、每个产品的规范、消费者的所指示的需要、和/或每个产品的交易属性。消费者的所指示的需要可以有以下形式：产品用途、使用上下文、以及使用环境。该方法还可包括响应于用户选择，基于由消费者选择的产品调节数据库。交易属性可包括产品的价格、产品的每单位价格、产品的支付模式、产品的交付模式、产品的交付时长、和/或产品的交付提供者。
在又一实施例中，该方法还可包括在单个平面中以三维呈现产品的集合的表示作为虚拟商店的一部分。该方法还可包括实现集合的表示的作坊、平摇、以及倾斜操纵中的至少一个。该方法可额外地包括实现集合的每个产品的特征的选择、平移、旋转、以及操纵中的至少一个。呈现该表示可包括在头戴式计算机中呈现该表示。
在另一实施例中，维护数据库可由监控消费者与一个或多个第三方的活动的后台进程来执行。
在另一实施例中，该方法可包括向消费者发出问题以判定消费者的需要。此外该方法可包括：响应于该问题，接收指示消费者的需要的答案。提供建议的产品可基于该答案、建议的产品的规范、和/或建议的产品的交易属性。
在另一实施例中，系统包括消费者个人的存储器。系统还可包括配置成监控消费者的行动的用户接口模块。此外系统可包括配置成维护在消费者个人的存储器中存储的数据库的维护模块。数据库可具有消费者的偏好的指示和消费者的购买历史。数据库可基于消费者的被监控的行动。系统还可包括配置成基于所维护的数据库向消费者提供建议的产品的产品建议模块。
附图说明
从本发明的示例实施例的下面更具体的描述中，前述内容将是明显的，如在附图中示出的，其中相似的参考符号贯穿不同的视图指相同的部件。附图不一定按比例，相反重点在于说明本发明的实施例。
图1是示出与用户设备接口连接的零售商的示例实施例的方框图。
图2是示出用户使用用户设备以与多个零售商接口连接的示例实施例的方框图。
图3是示出本发明的示例实施例的图。
图4是示出由本发明采用的购买助手的示例实施例的方框图。
图5是示出根据本发明的实施例的消费者决策树的示例实施例的图。
图6是消费者决策树的子集的图。
图7是示出由本发明的示例实施例采用的过程的流程图。
图8是示出由本发明采用的过程的示例实施例的流程图。
图9示出本发明的实施例可在其中被实现的计算机网络或类似的数字处理环境。
图10是在图9的计算机系统中的计算机(例如客户端处理器/设备或服务器计算机)的示例内部结构的图。
具体实施例
接下来是本发明的示例实施例的描述。
在一个实施例中，购买助手(例如“购买助手”或“购物助手”)是适应于改变消费者习惯的异步消费者模型。购买助手基于在线(或离线)零售商信息、店内信息、以及额外的在线信息(例如消费者信息)来向消费者推荐产品。购买助手还使用各种技术例如QR代码、RFID、语音识别、语音合成、以及其它硬件驱动技术，例如可佩戴的计算设备如GoogleTM眼镜，以提供它的用户接口并收集数据。
购买助手可根据类别和/或活动、购买意图、其它值(例如产品在哪里制造)、或其它类别标准来跟踪消费者兴趣。其它外部刺激也可用于帮助消费者，例如与物品或服务的类别有关的信息或与购买意图的符合。
购买助手可帮助消费者基于多个项目中的任一个(例如优先级、选择、机会、购买计划、时间管理、风险或安全因素、和/或控制的感觉)来找到产品/服务和/或选择产品/服务。
通过以下来初始化购买助手：(1)访问消费者经零售商的购买历史；(2)提供对购买历史的上下文；和(3)预先填充产品的类别和超类别。当消费者购买产品时，购买助手调节所存储的信息。然而，购买助手也在消费者不进行购买时调节所存储的信息。也就是说，购买助手在即使用户未购买特定产品时也调节所存储的信息，反而指示用户考虑过特定的产品并选择不购买它。初始化包括存储随着时间的过去由零售商以数字形式提供的或出售的产品/服务的列表。购买助手列出按照超类别且在那些超类别内按照类别购买的产品/服务的名称和3D表示(在可应用的场合)。超类别是通过描述符分组的一组产品。描述符可以是广泛的类别，例如商店的区段如“书”或“家和花园”。超类别还可包括类别或子类别。类别是也通过描述符分组的产品。类别的描述符可以比超类别的描述符窄得多。例如，如果超类别是“书”，则在超类别内的类别可包括“非小说”、“小说”、“历史”、“回忆录”、“科幻小说”、“幻想小说”、以及“历史小说”。
购买助手还可基于产品/服务的所指示的预期接收者(例如消费者他或她自己、消费者的家人、孩子、或朋友等)来组织向特定的消费者出示的所显示的产品/服务。购买助手还存储在指定的历史时期期间进行的购买的每个超类别或类别的消费者决策树。对于消费者所进行的每次购买，购买助手反向遍历相应的消费者决策树。在这个分析期间，购买助手判定消费者在每次购买期间做出的选择并将它们与历史标准化分布比较。购买助手还判定零售商停止提供出售哪些产品/服务，并试图判定并用已经购买的或可以购买的替代产品替换那些产品/服务。
购买助手采用数据库来存储来自零售商的指定产品数据，包括(1)通用产品代码(UPC)和其它产品标识符，例如欧洲商品编号(EAN)或国际商品编号(EAN)；(2)产品/服务标题；(3)商标名；(4)供应商信息；(5)产品/服务描述；(6)分类信息；(7)子分类信息；(8)消费者决策树信息；(9)产品尺寸；(10)产品重量；(11)产品/服务性质；(12)呈现信息；(13)产品颜色；(14)产品尺寸；(15)产品/服务推荐价格；以及(16)产品/服务类别。
购买助手还向消费者呈现产品的3D模型表示以促进：(1)发现或识别产品的包装；(2)判定产品的内容(例如成分、零件、组装指令、交付信息、组装后图像)；(3)描述分类和消费者决策树；和/或(4)描述在购物列表上的其余产品。购买助手还可使用3D模型来促进产品的定制，例如服饰、装饰(例如灯、遮阳窗帘、或其它内部或外部装饰)、和/或电动机。购买助手还可向3D打印设备提供3D模型以产生由3D模型代表的产品的物理表现形式。
购买助手还根据产品/服务描述来创建产品/服务规范以促进更好的购物体验。例如，当产品/服务规范不可用时，购买助手可通过文本挖掘关键字的描述来创建产品的规范。
在一个实施例中，购买助手的数据被预先填充。这促进使用消费者决策树和/或零售商所提供的购买历史来使购买历史分析自动化。值得注意的是，数据可以是消费者个人的或可以是更一般的。购买助手还可基于UPC代码(例如来自在线数据库)添加产品的3D表示。而且，购买助手可判定并存储消费者针对零售商的态度。针对零售商的态度可以有关于在零售商处的产品的价格、分类的深度、产品的质量、退换政策、准时交付率、信任、所提供信息的相关性(例如垃圾电子邮件的缺乏)、共同责任、和/或生态友好性或可持续性。
由购买助手使用的额外数据包括指定上下文标准或超类别，例如区段。超类别的示例可包括书、电影、音乐和游戏、电子和计算机、家和花园、家庭改进和工具、健康和美容护理、玩具、孩子和婴儿、衣服、鞋和附件、运动和户外活动、电动机、收藏品和艺术、以及工业和科学。然而，其它超类别(或区段)可由零售商提供。
购买助手还可显示在消费者的购物列表上的每个产品/服务的接收者的缩略图或标识符。消费者可在必要时改变标识符。
购买助手还使消费者能够设置交付模式。例如，消费者可在商店领取购买的产品/服务或让产品被运送。
购买助手的在线和/或店内使用可通过其它刺激增强，例如在使用中的产品/服务的视频、气味等。购买助手可基于用户的需要和产品的3D模型的可用性来在2D或3D中显示产品。
互联网采用网页，其常常不是用于比较产品和从大集合中选择产品的最佳介质。例如，用户可能在比较来自页面的顶部的产品与来自它的底部的物品方面有困难，且在比较在分开的页面上显示的产品方面甚至更困难。用名词和形容词使产品搜索变窄可帮助过滤页面，然而消费者仍然必须选择正确的额外搜索条件以避免过度过滤可能的期望产品。
3D商店可代表完整的CAD产品和与CAD联系的子组件的3D表示(通过使用转盘来定位它们)。这样的转盘可代表组件的视觉表示，但可能未能正确地代表物品，因为物品的方位需要始终是面向用户的。这可被描述为“餐桌转盘”方法。转盘没有如在商店中的“向消费者呈现”的概念。此外，对转盘来说，大集合包括太多的物品。
商店具有产品的物理货架空间和占地空间。购买助手需要保留这些概念，因为它们是用户所熟悉的。购买助手在对产品分类时使用这些概念。可见的“消费者决策树”除去选择正确的额外搜索字的复杂性。在地板上或沿线状货架导航对消费者是简单的。可能存在下列情况：产品助手在货架的表示上呈现产品的2D图像，但产品助手每当可能时通常使用3D导航概念。
图1是示出与用户设备104通过接口连接的零售商110的示例实施例的方框图100。用户设备104可以是个人计算机或移动设备例如平板计算机或智能电话。用户设备104例如通过WiFi、4G、以太网、或其它联网协议来连接到网络108。用户102使用用户设备104来访问零售商110的网站。用户设备104响应于与用户102的互动而通过网络108将网站导航数据106转发到零售商110。零售商110基于网站导航数据106来更新指定零售商用户帐户数据文件118。零售商110使用指定零售商用户帐户数据文件118来个人化与用户110的未来互动。零售商110还使用大数据112来接收聚合消费者数据114。聚合消费者数据114不包含用户102所特有的任何信息。然而，零售商110可通过比较对来自一般群体的聚合消费者数据114的行动来解释用户102的行动。零售商110接着将HTML网站数据116返回到用户设备104。
图2是示出用户202使用用户设备204与多个零售商210a-c通过接口连接的示例实施例的方框图200。用户设备204基于消费者信息模型222显示虚拟商店220。用户设备204配置成基于隐私信息通过网络208将个人数据224a-c转发到相应的零售商210a-c。隐私信息是用户202指示可与每个特定的零售商224a-c共享的数据的选择。
以这种方式，第一组个人数据224a可被转发到零售商#1210a，第二组个人数据224b可被发送到零售商#2210b，以及第三组个人数据224c可被发送到零售商#3210c。响应于这几组个人数据224a-c，每个零售商将产品数据226a-c返回到用户设备204。用户设备204可在虚拟商店220中向用户202呈现在零售商#1-3210a-c处可得到的相关产品。响应于虚拟商店220向用户呈现产品数据226a-c，用户202可选择并购买建议的产品之一，或可导航到要购买的不同产品。基于用户202的购买，用户设备204可更新消费者信息模型222。这更新了被发送到零售商的这几组个人数据224，并进一步使虚拟商店220的体验适应于用户202。
图3是示出本发明的示例实施例的图300。消费者302(例如图2的用户202)使用购买助手304。消费者302将消费者的状态314输入到购买助手304。消费者的状态314包括消费者302对产品的需要、消费者302的预算、或可影响消费者302的购买的任何因素。消费者302可通过各种技术例如在键盘、鼠标、或触摸屏上的手动输入、语音输入、语音合成、自然语言理解、或图像分析来输入消费者的状态314。相反，购买助手304通过传感器和通过由消费者使用其它应用104监控消费者302的活动，例如通过检查哪些URL在购物助手应用之外被访问。购买助手304也可从其它源接收其它刺激312。购买助手304接着通过将共享的信息306发送到零售商而与零售商310(例如图2的零售商210a-c)接口连接。共享的信息306可以是来自购买助手304的消费者信息模型的信息。作为响应，零售商310可使用关于其产品的共享的信息308来答复购买助手304。购买助手304可接着向消费者302呈现产品建议和分等级产品列表。购买助手304将产品建议和分等级产品列表发送给消费者作为提供的协助316。
图4是示出由本发明采用的购买助手的示例实施例的方框图400。初始化模块402配置成接收消费者ID404、活动列表406、以及购买历史408。活动列表406包括产品的超类别和/或类别的列表410。消费者调查模块416基于用户输入418产生消费者调查信息414。初始化模块402也接收消费者调查信息414，并为消费者ID404的每个消费者产生多个消费者决策树412。对于消费者ID404的每个消费者，购买助手创建多个消费者决策树，一个消费者决策树针对产品的所列出的类别410的每个超类别。
对消费者ID404的每个消费者和对每个消费者的每个超类别具有单独的消费者决策树412，这允许购买助手具体地判定消费者的哪个决定推动对每个类别的每个特定的购买。这导致消费者的购物体验的较大个人化。此外，个体化消费者决策树允许为家庭里的每个消费者配置购买助手，包括当单个消费者代表家庭做出选择时作为整体的家庭。例如，有多个人和/或孩子的家庭对每个消费者可具有不同的产品购买决策过程。个体化的和分类的消费者决策树保持产品推荐对进行购买的每个消费者是分离的，导致在未来推荐中的较大准确性。
为了开始购物体验，消费者通过输入或选择产品的属名、产品的商标名、或产品的类别来创建购物列表。例如，消费者可输入期望的产品商标名。购买助手可使用自动完成方法来基于部分输入的产品信息而建议名称或产品的潜在匹配。如果消费者以前购买了特定的商标，则购买助手可显示：与那个商标相关联的以前购买的产品/服务，当可用和/或可应用时显示出完整的产品/服务名称和/或相应的3D表示。消费者可接着选择期望的产品/服务。如果消费者不需要任何所显示的产品/服务，则购买助手显示与商标及其相应的3D表示相关联的所有产品/服务。购买助手沿着消费者决策树行走，同时消费者确认或校正每个步骤，直到选择了最终产品。购买助手对类别搜索以类似的方式工作。
在消费者决策树412被初始化模块402创建之后，维护模块420在正在进行的基础上更新消费者决策树412。维护模块420还从消费者调查模块416接收消费者调查信息412。在一个实施例中，在购买助手的连续使用之后，消费者调查模块416被较不频繁地使用，因为存在较少要问消费者的剩余问题。维护模块还接收正在进行的购买活动422。基于消费者调查信息414和正在进行的购买活动422，维护模块420更新消费者决策树412以创建更新的消费者决策树424。
图5是示出根据本发明的实施例的消费者决策树502的示例实施例的图500。消费者决策树502包括超类别节点级504、类别节点级506、属性级508、以及产品节点级510。超类别节点级504是类别的宽泛级别，其中类别节点级506是描述超类别内的产品的级别。属性级508包括产品的属性，例如商标、尺寸、重量、或价格。产品节点级510包括产品本身。
当用户选择产品时，产品是消费者决策树502的选定产品512。购买助手接着执行从选定产品512到超类别节点504的反向树行走514。反向树行走514指示在导航到选定产品512中用户的决定过程。这个反向树行走指示用户选择的属性和类别以到达选定产品512。这允许购买助手判定哪些属性和类别对用户在选择选定产品512中是重要的。通过了解对用户重要的属性，购买助手可基于用户在这个特定的购买中选择的那些属性来推荐产品。
图6是消费者决策树的子集602的图600。消费者决策树的子集602显示在属性级内的各种属性。消费者决策树的属性级可大于一个层级级别。例如，属性级可包括性能级604、商标级606、颜色级608、以及尺寸级610。在某些实施例中，树也可具有在同一层级级别上的多个不同的属性。消费者决策树的子集602还包括产品级612。
图7是示出由本发明的示例实施例采用的过程的流程图700。购买助手首先加载消费者ID(702)。对于每个消费者ID，购买助手为每个超类别产生消费者决策树(704)。购买助手接着判定是否有更多消费者ID要初始化(706)。如果有更多消费者ID，则购买助手加载下一消费者ID(708)，并接着为该下一消费者ID的每个超类别产生消费者决策树(704)。如果没有更多消费者ID要初始化，则购买助手可选地问消费者其购买的上下文(710)。购买的上下文包括信息，例如用户的需要、产品的预期使用、价格参数、尺寸参数、或关于潜在购买的其它信息。
购买助手接着允许消费者选择产品的属性(712)。购买助手接着向消费者呈现建议的产品(714)。建议的产品基于由购买助手引出的消费者的上下文、过去的购买信息、以及由购买助手产生的消费者决策树。接着，购买助手从消费者接收待购买的所选择的产品(716)。基于所选择的产品，购买助手基于所选择的产品和可选地基于对调查的答案来修改消费者决策树(718)。
图8是示出由本发明采用的过程的示例实施例的流程图800。购买助手接收产品类别和消费者的需要(802)。接着，购买助手基于消费者决策树、消费者的需要、以及消费者选择的产品来对产品的列表分等级(804)。购买助手接着以分等级的顺序(可选地以3D)向消费者呈现产品(806)。购买助手接着从用户接收选择的产品(808)。购买助手判定所选择的产品是否是以分等级的顺序呈现的产品的最高等级产品(810)。如果所选择的产品是最高等级产品(810)，则购买助手完成购买(814)。否则，购买助手调节消费者决策树以反映以下事实：所选择的产品应是最高等级产品，且本来排列在所选择的产品之上的所有产品应为所选择的产品的右下方(812)。然后，购买助手完成购买(814)。在一个实施例中，购买助手可呈现用户接口，使消费者能够通过以不同的顺序选择属性来构建他或她自己的消费者决策树；例如，商标可在功能之前或颜色可在商标之前。在这种情况下，由消费者构建或修改的消费者决策树结构成为正在进行的树结构，且以前的购买和没有购买的产品评估可以用新的树结构重新制订。
图9示出本发明的实施例可被实现在其中的计算机网络或类似的数字处理环境。
客户端计算机/设备50和服务器计算机60提供执行应用程序等的处理、存储、以及输入/输出设备。客户端计算机/设备50也可通过通信网络70链接到其它计算设备，包括其它客户端设备/过程50和服务器计算机60。通信网络70可以是远程接入网络、全球网络(例如互联网)、计算机的世界范围的集合、局域网或广域网、以及当前使用各自的协议(TCP/IP、等)来彼此通信的网关的一部分。其它电子设备/计算机网络架构是合适的。
图10是在图9的计算机系统中的计算机(例如客户端处理器/设备50或服务器计算机60)的示例内部结构的图。每个计算机50、60包含系统总线79，其中总线是用于在计算机或处理系统的部件当中的数据传送的一组硬件线。系统总线79本质上是共享导管，其连接实现信息在元件之间的传送的计算机系统的不同元件(例如处理器、磁盘存储、存储器、输入/输出端口、网络端口等)。附接到系统总线79的是用于将各种输入和输出设备(例如键盘、鼠标、显示器、打印机、扬声器、传感器等)连接到计算机50、60的I/O设备接口82。网络接口86允许计算机连接到附接到网络(例如图9的网络70)的各种其它设备。存储器90为用于实现本发明的实施例(例如结构产生模块、计算模块、以及上面详述的组合模块代码)的计算机软件指令92和数据94提供易失性存储。磁盘存储95为用于实现本发明的实施例的计算机软件指令92和数据94提供非易失性存储。中央处理单元84也附接到系统总线79并提供计算机指令的执行。
在一个实施例中，处理器例程92和数据94是计算机程序产品(通常被标注为92)，包括为本发明系统提供软件指令的至少一部分的非暂时性计算机可读介质(例如可移动存储介质，例如一个或多个DVD-ROM、CD-ROM、磁盘、磁带等)。如在本领域中公知的，计算机程序产品92可由任何合适的软件安装过程安装。在另一实施例中，软件指令的至少一部分也可通过电缆通信和/或无线连接下载。在其它实施例中，发明程序是体现在传播介质(例如无线电波、红外波、激光波、声波、或通过全球网络例如互联网或其它网络传播的电波)上的传播信号上的计算机程序传播信号产品。这样的载体介质或信号可用来提供本发明例程/程序92的软件指令的至少一部分。
在替代实施例中，传播信号是在传播介质上承载的模拟载波或数字信号。例如，传播信号可以是通过全球网络(例如互联网)、电信网络、或其它网络传播的数字化信号。在一个实施例中，传播信号是在一段时间内通过传播介质传输的信号，例如在毫秒、秒、分钟、或更长的一段时间内通过网络在分组中发送的软件应用的指令。
在本文引述的所有专利、所公布的申请和参考资料的教导通过引用被全部并入。
虽然本发明参考其中示例实施例被特别地说明和描述，本领域中的技术人员将理解，可在其中做出形式和细节上的各种变化，而不偏离所附权利要求所包含的发明的范围。

Claims (20)

1.一种方法，包括：
监控消费者的行动；
维护存储在所述消费者个人的存储器中的数据库，所述数据库具有所述消费者的偏好的指示和所述消费者的购买历史，所述数据库基于所监控的所述消费者的行动；以及
基于所维护的数据库，向所述消费者提供建议的产品。
2.如权利要求1所述的方法，还包括：
使所述消费者能够至少选择所述数据库的至少一部分；以及
使所述消费者能够与第三方共享所述数据库的所述部分。
3.如权利要求1所述的方法，还包括基于以下中的一个：所述消费者的标识符、多个可用产品、以及所述购买历史，通过构建所述多个可用产品中的每个的产品类别的树，来初始化所述数据库。
4.如权利要求1所述的方法，还包括实现对产品的类别的至少一个属性的选择；
其中维护所述数据库包括：通过基于由所述消费者选择的所述至少一个属性的顺序修改所述树，来维护所述数据库。
5.如权利要求1所述的方法，还包括：
对多个产品分等级，每个产品与规范和交易属性相关联，其中分等级是基于以下中的至少一个：过去观察到的所述消费者的行动、每个产品的规范、所述消费者的指示的需要、以及每个产品的交易属性；以及
响应于用户选择，基于由所述消费者选定的产品，来调节所述数据库。
6.如权利要求4所述的方法，其中所述交易属性包括以下中的至少一个：所述产品的价格、所述产品的每单位价格、所述产品的支付模式、所述产品的交付模式、所述产品的交付时长、以及所述产品的交付提供者。
7.如权利要求1所述的方法，还包括：
在单个平面中以三维呈现产品的集合的表示作为虚拟商店的一部分；
实现所述集合的表示的缩放、平摇以及倾斜操纵中的至少一个；
实现所述集合的每个产品的特征的选择、平移、旋转以及操纵中的至少一个。
8.如权利要求7所述的方法，其中呈现所述表示包括在头戴式计算机中呈现所述表示。
9.如权利要求1所述的方法，其中维护所述数据库由监控所述消费者与一个或多个第三方的行动的后台进程来执行。
10.如权利要求1所述的方法，还包括：
向所述消费者发出判定所述消费者的需要的问题；以及
响应于所述问题，接收指示所述消费者的需要的答案；
其中提供所述建议的产品是基于以下中的至少一个：所述答案、所述建议的产品的规范、以及所述建议的产品的交易属性。
11.一种系统，包括：
存储器，其是所述消费者个人的；
用户接口模块，其配置成监控所述消费者的行动；
维护模块，其配置成维护存储在所述消费者个人的所述存储器中的数据库，所述数据库具有所述消费者的偏好的指示和所述消费者的购买历史，所述数据库基于所监控的所述消费者的行动；以及
产品建议模块，其配置成基于所维护的数据库，向所述消费者提供建议的产品。
12.如权利要求11所述的系统，还包括配置成使所述消费者能够至少选择所述数据库的至少一部分，并且还配置成使所述消费者能够与第三方共享所述数据库的所述部分的用户接口模块。
13.如权利要求11所述的系统，还包括初始化模块，其配置成基于以下中的一个：所述消费者的标识符、多个可用产品、以及所述购买历史，通过构建所述多个可用产品中的每个的产品类别的树，来初始化所述数据库。
14.如权利要求11所述的系统，还包括配置成实现对产品的类别的至少一个属性的选择的用户接口模块；
其中所述维护模块还配置成基于由所述消费者选择的所述至少一个属性的顺序修改所述树。
15.如权利要求11所述的系统，还包括：
配置成对多个产品分等级的分等级模块，每个产品与规范和交易属性相关联，其中分等级是基于以下中的至少一个：过去观察到的所述消费者的行动、每个产品的规范、所述消费者的指示的需要、以及每个产品的交易属性；以及
其中所述维护模块还配置成响应于用户选择，基于由所述消费者选定的产品，来调节所述数据库。
16.如权利要求14所述的系统，其中所述交易属性包括以下中的至少一个：所述产品的价格、所述产品的每单位价格、所述产品的支付模式、所述产品的交付模式、所述产品的交付时长、以及所述产品的交付提供者。
17.如权利要求11所述的系统，还包括被配置成用于以下操作的用户接口模块：在单个平面中以三维呈现产品的集合的表示作为虚拟商店的一部分，实现所述集合的表示的缩放、平摇、以及倾斜操纵中的至少一个，以及实现所述集合的每个产品的特征的选择、平移、旋转、以及操纵中的至少一个。
18.如权利要求17所述的系统，其中所述用户接口模块还配置成在头戴式计算机中呈现所述表示。
19.如权利要求11所述的系统，其中所述维护模块还配置成通过采用监控所述消费者与一个或多个第三方的行动的后台进程来维护所述数据库。
20.如权利要求11所述的系统，还包括：
智能代理模块，其配置成向所述消费者发出判定所述消费者的需要的问题，并响应于所述问题而接收指示所述消费者的需要的答案。
其中所述产品建议模块还配置成基于所述答案、所述建议的产品的规范、以及所述建议的产品的交易属性中的至少一个来提供所述建议的产品。
CN201410275762.2A 2013-06-20 2014-06-19 购物者助手 Pending CN104240108A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US13/922,591 2013-06-20
US13/922,591 US10074121B2 (en) 2013-06-20 2013-06-20 Shopper helper

Publications (1)

Publication Number Publication Date
CN104240108A true CN104240108A (zh) 2014-12-24

Family

ID=50735923

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410275762.2A Pending CN104240108A (zh) 2013-06-20 2014-06-19 购物者助手

Country Status (6)

Country Link
US (1) US10074121B2 (zh)
EP (1) EP2816523A1 (zh)
JP (1) JP2015005287A (zh)
KR (1) KR20150000418A (zh)
CN (1) CN104240108A (zh)
CA (1) CA2854342A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110163704A (zh) * 2018-02-12 2019-08-23 阿里巴巴集团控股有限公司 推荐信息的方法和系统

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9824601B2 (en) 2012-06-12 2017-11-21 Dassault Systemes Symbiotic helper
US9460455B2 (en) * 2013-01-04 2016-10-04 24/7 Customer, Inc. Determining product categories by mining interaction data in chat transcripts
US10074121B2 (en) 2013-06-20 2018-09-11 Dassault Systemes Shopper helper
US20150363543A1 (en) * 2014-06-13 2015-12-17 Rockwell Automation Technologies, Inc. Systems and methods for designing an industrial automation system
US20160125501A1 (en) * 2014-11-04 2016-05-05 Philippe Nemery Preference-elicitation framework for real-time personalized recommendation
US10339564B2 (en) * 2016-02-16 2019-07-02 Oracle International Corporation System and method for providing an adaptively ordered presentation of objects
US10963893B1 (en) 2016-02-23 2021-03-30 Videomining Corporation Personalized decision tree based on in-store behavior analysis
US11393007B2 (en) 2016-03-31 2022-07-19 Under Armour, Inc. Methods and apparatus for enhanced product recommendations
KR102588688B1 (ko) 2016-05-12 2023-10-12 한국전자통신연구원 데이터 분석 방법 및 시스템
US10635841B2 (en) 2017-02-23 2020-04-28 OPTO Interactive, LLC Method of managing proxy objects
JP6846642B2 (ja) * 2017-04-24 2021-03-24 パナソニックＩｐマネジメント株式会社 知的生産性評価装置及び知的生産性評価方法
US11188965B2 (en) 2017-12-29 2021-11-30 Samsung Electronics Co., Ltd. Method and apparatus for recommending customer item based on visual information
US11004449B2 (en) * 2018-11-29 2021-05-11 International Business Machines Corporation Vocal utterance based item inventory actions
US11182809B2 (en) * 2019-04-01 2021-11-23 Paypal, Inc. Dynamic information probing for classifying an item

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102053971A (zh) * 2009-10-30 2011-05-11 日电（中国）有限公司 用于面向排序的协同过滤的推荐方法和设备
CN102650991A (zh) * 2011-02-25 2012-08-29 苏州工业园区辰烁软件科技有限公司 一种基于用户喜好的商品推荐方法及系统
CN102789462A (zh) * 2011-05-18 2012-11-21 阿里巴巴集团控股有限公司 一种项目推荐方法及系统

Family Cites Families (39)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7042345B2 (en) 1996-09-25 2006-05-09 Christ G Ellis Intelligent vehicle apparatus and method for using the apparatus
US6070149A (en) 1998-07-02 2000-05-30 Activepoint Ltd. Virtual sales personnel
US6175803B1 (en) 1998-08-04 2001-01-16 Ford Global Technologies, Inc. Vehicle navigation route generation with user selectable risk avoidance
JP2000281204A (ja) 1999-03-31 2000-10-10 Fuji Electric Co Ltd 在庫管理システム
CA2416230A1 (en) 2000-07-17 2002-01-24 Catalina Marketing International, Inc Method and system for providing a shopping list based upon purchase history
US7343328B1 (en) 2000-12-08 2008-03-11 Black & Decker Inc. Networked product selection system and method for its use
JP2002342354A (ja) * 2001-05-16 2002-11-29 Sharp Corp 商品情報検索システム、商品情報検索装置、エージェントインタフェースプログラムおよびエージェントインタフェースプログラムを記録した記録媒体
JP2002366621A (ja) 2001-06-05 2002-12-20 Komatsu Noriko 店舗経営指導情報提供方法およびそのサーバのプログラム
US7827055B1 (en) * 2001-06-07 2010-11-02 Amazon.Com, Inc. Identifying and providing targeted content to users having common interests
WO2005031521A2 (en) 2003-09-22 2005-04-07 Offshore Safety Lp Offshore environment computer-based safety training system and methods
US7680694B2 (en) * 2004-03-11 2010-03-16 American Express Travel Related Services Company, Inc. Method and apparatus for a user to shop online in a three dimensional virtual reality setting
JP2005321639A (ja) 2004-05-10 2005-11-17 Daiki Sound Kk 音楽コンテンツの配信方法、音楽コンテンツ配信システム及び音楽コンテンツ再生用プログラム
US7583272B2 (en) 2004-11-29 2009-09-01 Purdue Research Foundation Methods for retrieving shapes and drawings
US7249708B2 (en) * 2005-02-04 2007-07-31 The Procter & Gamble Company Household management systems and methods
JP4747622B2 (ja) 2005-03-18 2011-08-17 オムロン株式会社 情報処理装置、情報処理方法、制御プログラム、制御プログラムを記録した記録媒体、および情報処理システム
US20090201288A1 (en) 2005-04-04 2009-08-13 Amir Fischer Rendering 3D Computer Graphics Using 2D Computer Graphics Capabilities
US20100171826A1 (en) 2006-04-12 2010-07-08 Store Eyes, Inc. Method for measuring retail display and compliance
JP2008052449A (ja) * 2006-08-23 2008-03-06 Synapse Communications Kk 対話型エージェントシステム及び方法
JP2008117113A (ja) 2006-11-02 2008-05-22 Fresh Remix Kk 画像生成装置および方法、画像生成プログラム
US20090138113A1 (en) 2006-11-27 2009-05-28 Designin Corporation Systems, methods, and computer program products for home and landscape design
JP2008242938A (ja) 2007-03-28 2008-10-09 Toppan Printing Co Ltd 三次元ｃｇ画像による陳列シミュレーションシステム
US8630924B2 (en) 2007-08-31 2014-01-14 Accenture Global Services Limited Detection of stock out conditions based on image processing
US8165924B2 (en) * 2007-11-27 2012-04-24 Sony Corporation Virtual shopping center
JP2009187482A (ja) 2008-02-08 2009-08-20 Nippon Sogo System Kk 棚割再現方法、棚割再現プログラム、棚割評価方法、棚割評価プログラム及び記録媒体
US7685023B1 (en) 2008-12-24 2010-03-23 International Business Machines Corporation Method, system, and computer program product for virtualizing a physical storefront
US8049621B1 (en) 2009-05-28 2011-11-01 Walgreen Co. Method and apparatus for remote merchandise planogram auditing and reporting
US20110029382A1 (en) * 2009-07-30 2011-02-03 Runu, Inc. Automated Targeting of Information to a Website Visitor
WO2011060385A1 (en) 2009-11-13 2011-05-19 Pixel Velocity, Inc. Method for tracking an object through an environment across multiple cameras
US20110214082A1 (en) * 2010-02-28 2011-09-01 Osterhout Group, Inc. Projection triggering through an external marker in an augmented reality eyepiece
RU2569343C2 (ru) * 2011-03-01 2015-11-20 Дзе Проктер Энд Гэмбл Компани Отображение данных, относящихся к розничной среде, на виртуальной схеме физической розничной среды
US8715438B2 (en) 2011-04-22 2014-05-06 Apple Inc. Gimbal press
US8762226B2 (en) * 2011-05-04 2014-06-24 Etsy, Inc. Item discovery tools and methods for shopping in an electronic commerce environment
US9058612B2 (en) * 2011-05-27 2015-06-16 AVG Netherlands B.V. Systems and methods for recommending software applications
US9836747B2 (en) 2011-06-21 2017-12-05 Simon Borrero System and method for shopping goods, virtualizing a personalized storefront
US20130041778A1 (en) * 2011-08-13 2013-02-14 The Owl Wizard Ltd. Method and system for improving a product recommendation made for matching a consumer wish list
US9256902B2 (en) * 2012-04-09 2016-02-09 Sears Brands, L.L.C. Non-transitory computer-readable media for presenting product recommendations
US8941645B2 (en) 2012-05-11 2015-01-27 Dassault Systemes Comparing virtual and real images in a shopping experience
US9152226B2 (en) * 2012-06-15 2015-10-06 Qualcomm Incorporated Input method designed for augmented reality goggles
US10074121B2 (en) 2013-06-20 2018-09-11 Dassault Systemes Shopper helper

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102053971A (zh) * 2009-10-30 2011-05-11 日电（中国）有限公司 用于面向排序的协同过滤的推荐方法和设备
CN102650991A (zh) * 2011-02-25 2012-08-29 苏州工业园区辰烁软件科技有限公司 一种基于用户喜好的商品推荐方法及系统
CN102789462A (zh) * 2011-05-18 2012-11-21 阿里巴巴集团控股有限公司 一种项目推荐方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110163704A (zh) * 2018-02-12 2019-08-23 阿里巴巴集团控股有限公司 推荐信息的方法和系统

Also Published As

Publication number Publication date
EP2816523A1 (en) 2014-12-24
KR20150000418A (ko) 2015-01-02
CA2854342A1 (en) 2014-12-20
JP2015005287A (ja) 2015-01-08
US20140379524A1 (en) 2014-12-25
US10074121B2 (en) 2018-09-11

Similar Documents

Publication Publication Date Title
CN104240108A (zh) 购物者助手
Hoyer et al. Transforming the customer experience through new technologies
CN110363617A (zh) 一种推荐方法、装置、电子设备及可读存储介质
US11195221B2 (en) System rendering personalized outfit recommendations
MX2014003124A (es) Recomendaciones basadas en las similitudes explicitas de usuarios.
CN104428804A (zh) 用于评价对象的方法和装置
Pereira et al. New insights into consumers’ intention to continue using chatbots in the tourism context
KR102244660B1 (ko) 상품 추천 서비스 제공 서버 및 그것의 동작방법
KR20110020104A (ko) 코디 검색 시스템 및 서비스 제공 방법
JP6158766B2 (ja) 統計データ生成サーバ装置、統計データ生成システム、及び統計データ生成方法
Marsal-Llacuna et al. Modeling citizens’ urban time-use using adaptive hypermedia surveys to obtain an urban planning, citizen-centric, methodological reinvention
Mohd et al. Robotic services at home: An initialization system based on robots' information and user preferences in unknown environments
US11328338B1 (en) Recommendation matrix
Gullà et al. The user-product ontology: A new approach to define an ontological model to manage product searching based on user needs
KR20190051417A (ko) 브랜드 성향 기반 매치 메이킹 장치 및 방법
Hassannia Digital Technology in Smart Tourism: Autonomous Web-based Recommendation System
JP7354191B2 (ja) 情報処理装置、情報処理方法および情報処理プログラム
JP7348241B2 (ja) 情報処理装置、情報処理方法および情報処理プログラム
Harrisson-Boudreau et al. Check for updates Adoption Potentials of Metaverse Omnichannel Retailing and Its Impact on Mass Customization Approaches
Chaudhry et al. Role of Technostress in Consumers' Behavioural Intention to use Augmented Reality Applications
JP7241842B1 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
Costa et al. Profile-based system for nutritional information management
KR102586819B1 (ko) 의류 상품 관련 정보 제공 방법
US11669424B2 (en) System and apparatus for automated evaluation of compatibility of data structures and user devices based on explicit user feedback
Servidio et al. Human-computer interaction in consumer behaviour

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20141224

RJ01 Rejection of invention patent application after publication