CN104252678A - 促销调度管理 - Google Patents

Abstract

根据本发明的各方面，提供了用于管理促销调度的系统和方法，所述方法包括：在考虑与每一个产品的历史销售数据相关的约束的同时，基于用于在一个或者多个时间间隔内与一个或者多个产品一起使用的潜在的促销销售策略，生成用于在一个或者多个时间间隔内调度促销事件的促销销售计划。

Description

促销调度管理

技术领域

本说明书涉及用于促销（promotion）调度管理的各种基于计算机的技术。

背景技术

在典型的零售环境中，当尝试满足客户的需求和分析盈利能力时，销售计划可能会被认为是一个重要的问题。销售计划可以由零售商使用，以满足如下的目标，例如，库存结算、收入目标、获利等。在一种情况下，决策者可能会基于知识和经验来设置销售计划。可以通过外部专家来使用定量分析，并且提议可能是战略层面上的，而不是基于日常运作而被采用。由于一些参数和变量可能在销售计划中被引入，所以使用决策做出和计算来制定有效的解决方案可能会被认为是困难的。因此，存在对于优化确定了有效的解决方案的销售计划的需求。

发明内容

根据本公开的各方面，可以提供一种用于促销调度管理的计算机系统，其包括记录在计算机可读介质上的，并且可以通过至少一个处理器来执行的指令。该计算机系统可以包括促销调度管理器，其被配置为使得至少一个处理器在考虑与一个或者多个产品中的每一个的历史销售数据相关的一个或多个约束的同时，相对于一个或者多个时间间隔，为所述一个或者多个产品中的每一个调度一个或者多个促销事件。促销调度管理器可以包括：促销预测器，其被配置为基于一个或者多个产品中的每一个的历史销售数据，确定一个或多个约束；以及促销协调器，其被配置为在考虑与一个或多个产品中的每一个的历史销售数据相关的一个或多个约束的同时，确定在一个或者多个时间间隔内、用于一个或者多个产品中的每一个的一个或者多个潜在的促销销售策略。促销调度管理器可以包括促销调度优化器，其被配置为在考虑与一个或多个产品中的每一个的历史销售数据相关的一个或多个约束的同时，基于一个或多个时间间隔内用于一个或多个产品中的每一个的一个或者多个潜在的促销销售策略，生成用于在一个或者多个时间间隔内调度一个或者多个促销事件的促销销售计划。

在各种实现方式中，促销调度管理器可以被配置为在考虑与一个或多个产品中的每一个的历史销售数据相关的一个或多个约束的同时，基于相对于一个或多个时间间隔的预测的客户需求，来调度用于一个或多个产品中的每一个的一个或多个促销事件。促销调度管理器可以被配置为，在考虑与一个或多个产品中的每一个的历史销售数据相关的一个或多个约束的同时，基于相对于一个或者多个时间间隔的对于销售业绩的长期影响，来调度用于一个或者多个产品中的每一个的一个或者多个促销事件。促销调度管理器可以被配置为，在考虑与一个或多个产品中的每一个的历史销售数据相关的预测的客户需求的同时，相对于一个或者多个时间间隔，调度用于一个或者多个产品中的每一个的一个或者多个促销事件。促销调度管理器可以被配置为，在考虑与一个或多个产品中的每一个的历史销售数据相关的对于销售业绩的长期影响的同时，相对于一个或多个时间间隔，调度用于一个或多个产品中的每一个的一个或者多个促销事件。

在一个实现方式中，促销协调器可以被配置为，在考虑与一个或多个产品中的每一个的历史销售数据相关的一个或多个约束的同时，确定用于在一个或者多个时间间隔内与两个或者更多个产品的组合一起使用的一个或多个潜在的促销销售策略。

在一个实现方式中，促销调度优化器可被配置为，在考虑与一个或多个产品中的每一个的历史销售数据相关的一个或多个约束的同时，基于处理不同的预测场景，来生成用于在一个或者多个时间间隔内调度一个或者多个促销事件的促销销售计划。所述不同的预测场景包括：适应于与不同的客户需求场景、不同的产品库存场景、以及不同的销售业绩场景中的一个或者多个相关的实时场景和长期场景中的一个或者多个。促销调度优化器可以被配置为，在考虑与一个或多个产品中的每一个的历史销售数据相关的一个或多个约束的同时，基于在一个或者多个时间间隔内一个或者多个产品中的每一个的实时销售数据，生成用于在一个或多个时间间隔内调度一个或多个促销事件的促销销售计划。

在一个实现方式中，一个或多个约束可以包括：被确定在一个或者多个时间间隔内与一个或者多个产品中的每一个一起使用的特定数量的潜在的促销销售策略的受限制的使用。一个或多个约束可以包括：特定数量的实例，在所述实例中，潜在的促销销售策略在一个或者多个时间间隔内被用于一个或者多个产品中的每一个。一个或多个约束可以包括：用于基于一个或者多个潜在的促销销售策略在一个或者多个时间间隔内调度一个或者多个促销事件的特定的收入目标、或者比特定的收入目标更大的值。

在一个实现方式中，系统可以包括促销销售监视器，其可以被配置为监视一个或多个产品中的每一个的实时销售数据。所述系统可以包括一个或多个数据库，其被配置为存储一个或多个产品中的每一个的历史销售数据。历史销售数据可以包括客户产品需求、产品销售历史、目前商品库存、以及入库产品数量中的一个或者多个。

根据本公开的各方面，可以提供一种计算机实现的方法，以用于促销调度管理。在实现方式中，该计算机实现的方法可以包括：基于一个或多个产品中的每一个的历史销售数据来确定一个或多个约束；以及在考虑与一个或多个产品中的每一个的历史销售数据相关的一个或多个约束的同时，确定用于在一个或者多个时间间隔内与一个或多个产品中的每一个一起使用的一个或多个潜在的促销销售策略。计算机实现的方法可以包括：在考虑与一个或多个产品中的每一个的历史销售数据相关的一个或多个约束的同时，基于用于在一个或者多个时间间隔内与一个或者多个产品中的每一个一起使用的一个或者多个潜在的促销销售策略，来生成用于在一个或者多个时间间隔内调度一个或者多个促销事件的促销销售计划。

在一个实现方式中，生成用于在一个或多个时间间隔内调度一个或多个促销事件的促销销售计划基于处理不同的预测场景，同时考虑与一个或多个产品中的每一个的历史销售数据相关的一个或多个约束。所述不同的预测场景包括：适应于与不同的客户需求场景、不同的产品库存场景、以及不同的销售业绩场景中的一个或者多个相关的实时场景和长期场景中的一个或者多个。

在一个实现方式中，一个或多个约束包括如下各项中的一个或者多个：被确定用于在一个或者多个时间间隔内与一个或者多个产品中的每一个一起使用的特定数量的潜在的促销销售策略的受限制的使用；其中潜在的促销销售策略在一个或者多个时间间隔内被用于一个或者多个产品中的每一个的特定数量的实例；以及用于基于一个或者多个潜在的促销销售策略来在一个或者多个时间间隔内调度一个或者多个促销事件的特定的收入目标、或者比特定的收入目标更大的值。

在一个实现方式中，监视一个或多个产品中的每一个的实时销售数据，以及生成用于在一个或者多个时间间隔内调度一个或者多个促销事件的促销销售计划基于在一个或者多个时间间隔内一个或者多个产品中的每一个的实时销售数据，同时考虑与一个或多个产品中的每一个的历史销售数据相关的一个或多个约束。

在一个实现方式中，计算机实现的方法可以包括：在一个或多个数据库中存储一个或多个产品中的每一个的历史销售数据，所述历史销售数据包括客户产品需求、产品销售历史、目前商品库存、以及入库产品数量中的一个或者多个。

根据本公开的各方面，可以提供一种计算机程序产品，其中，所述计算机程序产品有形地体现在计算机可读存储介质上，并且包括指令，所述指令在由至少一个处理器执行时可以被配置为：基于一个或者多个产品中的每一个的历史销售数据来确定一个或多个约束；以及在考虑与一个或多个产品中的每一个的历史销售数据相关的一个或多个约束的同时，确定用于在一个或者多个时间间隔内与一个或者多个产品中的每一个一起使用的一个或者多个潜在的促销销售策略。所述指令当被至少一个处理器执行时，还可以被配置为：在考虑与一个或多个产品中的每一个的历史销售数据相关的一个或多个约束的同时，基于用于在一个或者多个时间间隔内与一个或者多个产品中的每一个一起使用的一个或者多个潜在促销销售策略，来生成用于在一个或者多个时间间隔内调度一个或者多个促销事件的促销销售计划。

在一个实现方式中，所述指令在被至少一个处理器执行时，可以被配置为：在考虑与一个或多个产品中的每一个的历史销售数据相关的一个或多个约束的同时，基于处理不同的预测场景，来生成用于在一个或者多个时间间隔内调度一个或者多个促销事件的促销销售计划。不同的预测场景可以包括：适应于与不同的客户需求场景、不同的产品库存场景、以及不同的销售业绩场景一个或者多个相关的实时场景和长期场景中的一个或者多个。

在各种实现方式中，一个或多个约束可以包括如下各项的一个或者多个：被确定用于在一个或者多个时间间隔内与一个或者多个产品中的每一个一起使用的特定数量的潜在的促销销售策略的受限制的使用；其中潜在的促销销售策略在一个或者多个时间间隔内被用于一个或者多个产品中的每一个的特定数量的实例；以及用于基于一个或者多个潜在的促销销售策略来在一个或者多个时间间隔内调度一个或者多个促销事件的特定的收入目标、或者比特定的收入目标更大的值。

在一个实现方式中，所述指令在被至少一个处理器执行时，可以被配置为监视一个或多个产品中的每一个的实时销售数据，并且此外，所述指令在被至少一个处理器执行时，可以被配置为：在考虑与一个或多个产品中的每一个的历史销售数据相关的一个或多个约束的同时，基于在一个或者多个时间间隔内一个或者多个产品中的每一个的实时销售数据，生成用于在一个或者多个时间间隔内调度一个或者多个促销事件的促销销售计划。

在一个实现方式中，所述指令在被至少一个处理器执行时，可以被配置为在一个或多个数据库中存储一个或多个产品中的每一个的历史销售数据，所述历史销售数据包括客户产品需求、产品销售历史、目前商品库存、以及入库产品数量中的一个或者多个。

在以下的附图和说明书中阐述一个或者多个实现方式的细节。从说明书和附图，以及从权利要求中，其他的特征将变得显而易见。

附图说明

图1是示出了根据本公开的各方面的，用于促销调度管理的示例系统的方框图。

图2是示出了根据本公开的各方面的，用于管理促销调度的示例方法的处理流程。

图3是示出了根据本公开的各方面的，显示客户需求的示例曲线图的视图。

图4是示出了根据本公开的各方面的，显示在优化中用于针对不同数量的产品实现优化解决方案的时间的示例曲线图的视图。

图5是示出了根据本公开的各方面的，显示参数可能如何影响性能的示例曲线图的视图。

图6是示出了根据本公开的各方面的，显示已知的销售曲线和预测的销售曲线的示例曲线图的视图。

具体实现方式

图1是示出了根据本公开的各方面的，用于促销调度管理的示例系统100的方框图。

在图1的示例中，系统100包括用于实现促销调度管理系统的计算机系统，该促销调度管理系统可以与计算设备104相关联，从而将计算设备104转换成被设计为实现如在此所述的促销调度处理的专用机器。在这种情况下，计算设备104可以包括任何标准的元件和/或组件，包括：至少一个处理器110、存储器112（例如，非临时性计算机可读存储介质）、数据库140、电源、外围设备、和可能未在图1中具体示出的各种其他计算元件和/或组件。此外，系统100可以与显示设备150（例如，监视器或其它显示器）相关联，显示设备150可以被用于提供用户接口（UI）152，例如，在一些示例中为图形用户接口（GUI）。在一些示例中，用户接口152可以被用来接收来自用户的用于管理或使用系统100的偏好。因此，对于本技术领域的普通技术人员而言显而易见的是，对于实现系统100可能有用的、系统100的各种其他元件和/或组件可以被添加或被包含。

在图1的示例中，促销调度管理系统100可以包括计算设备104以及记录在非临时性计算机可读介质112上并且可由至少一个处理器110执行的指令。另外，促销调度管理系统100可以包括用于将输出提供给用户的显示设备150，并且显示设备150可以包括用户接口152，以用于接收来自用户的输入。

在一个实现方式中，用于促销调度管理的示例系统100可以包括系统和相关方法，所述系统和相关方法用于考虑到需求预测、长期影响、和/或多个约束，或者在考虑需求预测、长期影响、和/或多个约束的同时，优化包括促销销售计划的促销计划。例如，零售商可以使用各种促销销售计划，以满足他们不同的目标，诸如，库存清算和创收或获利。在零售商情况下，决策者可以基于个人领域知识和经验来设置促销销售计划。另外，在一些示例中，借助于信息技术（IT），存储历史销售数据和监视实时数据流，例如，诸如，用户的需求、销售历史、当前库存、和/或入库的产品数量可以得到简化。另外，在一些其它示例中，促销销售计划的动态优化可以通过示例系统100而被简化，该示例系统100被配置为实时进行反应，并且能够处理具有短期影响和/或长期影响的不同场景。

在一个示例中，长期影响可以包括如下的情况，其中，客户习惯于看到以折扣价出售的产品，这可能会导致客户不选择购买正价的产品。在另一个示例中，长期影响可能包括如下的情况：在促销期间产品销售增加，但是在销售促销结束之后的几周内，产品销售减少。因此，促销销售计划可能需要考虑一个或多个不同的约束，以满足逻辑业务实践（logical business practice），诸如，例如，一次可以仅仅对一小部分的产品进行打折，在另一个示例中，小数量的产品可以被组合到一起以被一起进行促销，但在一些示例中，没有太多的产品被组合。

因此，根据本公开的各方面，示例系统100和与之相关的各种方法可以被配置为，在考虑需求预测（例如，包括客户的需求预测）、短期影响、长期影响、以及一个或多个约束的同时优化促销销售计划。例如，示例系统100和与此有关的各种方法可以被配置为基于历史数据，包括历史销售数据，来估算和/或预测对于决策做出可能是关键的因素的值。可以考虑诸如趋势、季节性、和/或异常事件的外部因素。示例系统100和与之相关的各种方法可以被配置为根据影响和各种其他因素而变化促销销售计划，包括捆绑销售、优惠券、价格折扣、以较低的价格购买更多的数量、购买x而免费获得y，这些是对于决策者而言为了可能的解决方案而可以选择和考虑的可能的方法。在建议的模型中，这些促销销售方法中的一个或多个可以被集成以优化。

另外，根据本公开的各方面，示例系统100和与此有关的各种方法可被配置为使用现实生活中的对于计划的各种约束。这些约束可以被认为是对于发现可行的促销销售计划是有用的，并且其可以在模型中得到考虑。示例系统100和与之相关的各种方法可以被配置为将销售促销认为是短期行为，并且在促销过程中，决策者可能会侧重于诸如收入的短期目标。然而，示例系统100和与之相关的各种方法可以被配置为从长远的角度考虑在促销之后的产品销售。在一个示例中，粘性（stickiness）可以被定义为当产品的价格变化时客户的需求弹性。对于那些粘性低的产品，较大的折扣在产品价格恢复到正常的未来近期可能会对销售业绩产生不利影响。因此，示例系统100和与此有关的各种方法可以被配置为将目标函数与长期影响进行组合。例如，在关于一个或多个或所有因素的一个或多个合理估计被考虑到之后，目标函数可以被创建，其输入变量可以包括具有一个或多个预定义的约束的潜在的销售策略。另外，也可以使用诸如，线性优化和二次计算的一些技术，以给出一些最后的结果。在其他示例中，建议的促销销售计划的解决方案可以一次考虑一个或多个或几个产品（例如，产品的组合），这意图在整体层面上忽略在一些或全部销售产品之间的关系。这可以在不同的目标，诸如，例如，收入、利润、和/或客户满意度上寻求全局优化的促销销售计划中被考虑。因此，在某些情况下，根据在此提供的本公开的各方面，示例系统100和与此有关的各种方法可以被配置为，当优化促销销售计划时，考虑在产品之间的关系。

在图1的示例中，促销调度管理系统100可以包括促销调度管理器120，其被配置为使至少一个处理器100，在考虑与一个或多个产品中的每一个的历史销售数据相关的一个或多个约束的同时，相对于一个或者多个时间间隔，调度用于一个或者多个产品中的每一个的一个或者多个促销事件。

在不同的实现方式中，促销调度管理器120可以考虑一个或多个约束，以满足和/或实现各种逻辑业务实践。例如，一个或多个约束可以包括被确定在一个或者多个时间间隔内用于一个或者多个产品中的每一个的特定数量的潜在促销销售策略的受限制的使用。在另一个示例中，一个或多个约束可以包括潜在的促销销售策略在一个或者多个时间间隔内被用于一个或者多个产品中的每一个的特定数量的实例。在另一个示例中，一个或多个约束可以包括用于基于一个或者多个潜在的促销销售策略来调度在一个或者多个时间间隔内的一个或者多个促销事件的特定的收入目标，或者比特定的收入目标更大的值。

在各种实现方式中，与考虑与一个或者多个产品的历史销售数据相关的约束一同地，促销调度管理器120可以考虑促销调度的其他方面，包括需求预测和长期影响。在一个示例中，促销调度管理器120可以被配置为在考虑与一个或多个产品中的每一个的历史销售数据相关的一个或多个约束的同时，根据相对于一个或多个时间间隔的预测的客户需求，来调度用于一个或多个产品中的每一个的一个或多个促销事件。在另一个示例中，促销调度管理器120可以被配置为，在考虑与一个或多个产品中的每一个的历史销售数据相关的一个或多个约束的同时，基于相对于一个或者多个时间间隔的对于销售业绩的长期影响，来调度用于一个或多个产品中的每一个的一个或者多个促销事件。在另一示例中，促销调度管理器120可以被配置为，在考虑与一个或多个产品中的每一个的历史销售数据相关的预测的客户需求的同时，相对于一个或者多个时间间隔来调度用于一个或多个产品中的每一个的一个或者多个促销事件。在另一个示例中，促销调度管理器120可以被配置为，在考虑与一个或多个产品中的每一个的历史销售数据相关的对于销售业绩的长期影响的同时，相对于一个或者多个时间间隔来调度用于一个或多个产品中的每一个的一个或者多个促销事件。

促销调度管理器120可以包括促销预测器122，其被配置为基于一个或者多个产品中的每一个的历史数据，确定一个或者多个约束。在各种实现方式中，历史数据可以包括一个或多个产品中的每一个的历史销售数据。

促销调度管理器120可以包括促销协调器124，其被配置为在考虑与一个或多个产品中的每一个的历史销售数据相关的一个或多个约束的同时，确定在一个或多个时间间隔内用于与一个或多个产品中的每一个一起使用的一个或者多个潜在的促销销售策略。在实现方式中，促销协调器124可以被配置为，在考虑与一个或多个产品中的每一个的历史销售数据相关的一个或多个约束的同时，确定在一个或多个时间间隔内、用于与两个或更多个产品的组合一起使用的一个或者多个潜在的促销销售策略。

促销调度管理器120可以包括促销调度优化器128，其被配置为，在考虑与一个或多个产品中的每一个的历史销售数据相关的一个或多个约束的同时，基于用于在一个或多个时间间隔内与一个或多个产品中的每一个一起使用的一个或多个潜在的促销销售策略，生成用于在一个或多个时间间隔内调度一个或者多个促销事件的促销销售计划。在一些示例中，促销销售计划可以包括多个促销销售计划，诸如，多个变化的或不同的用于在一个或多个时间间隔内调度一个或多个促销事件的促销销售计划。

在一个实现方式中，促销调度优化器128可以被配置为，在考虑与一个或多个产品中的每一个的历史销售数据相关的一个或多个约束的同时，基于处理不同的预测场景，生成用于在一个或多个时间间隔内调度一个或者多个促销事件的促销销售计划。在一些示例中，不同的预测场景可以包括：适应与一个或者多个不同的客户需求场景、不同的产品库存场景、以及不同的销售业绩场景相关的实时场景和长期场景中的一个或者多个。

在一个实施例中，促销调度管理器120可以包括促销销售监视器126，其被配置为监视一个或多个产品中的每一个的现实（real life）或实时销售数据。在这种情况下，促销调度优化器128可以被配置为在考虑与一个或多个产品中的每一个的历史销售数据相关的一个或多个约束的同时，基于在一个或者多个时间间隔内一个或者多个产品中的每一个的实时销售数据，生成促销销售计划，以便用于在一个或多个时间间隔内调度一个或者多个促销事件。

在一个实现方式中，促销调度管理系统100可以包括一个或多个数据库140，其被配置为存储与促销调度管理有关的各种信息。比如，数据库140可以被配置来存储与调度一个或多个促销事件相关的信息、与一个或多个产品中的每一个相关的信息、与一个或多个时间间隔相关的信息、与一个或多个约束相关的信息、与一个或多个产品中的每一个的历史销售数据相关的信息、与用于与一个或多个产品中的每一个一起使用的一个或多个潜在的促销销售策略相关的信息，以及与用于调度一个或者多个促销事件的一个或者多个促销销售计划相关的信息。此外，关于存储一个或多个产品中的每一个的历史销售数据，数据库140可以被配置为存储与客户的产品需求、产品销售历史、当前的产品库存、以及入库的产品数量中的一个或者多个相关的信息。

在图1的示例中，应当理解，使用表示或多或少的离散的功能的各种功能块或模块来示例促销调度管理系统100。然而，是出于清楚和方便的目的而提供这样示例，因此，应当认识到，在描述的块或者模块中，各种功能可以重叠或者被组合，和/或其可以通过在图1的示例中没有具体示出的一个或多个块或模块来实现。因此，应该理解的是，还可以包括可能被认为是对于图1的系统100有用的传统的功能，尽管出于清楚和方便的目的，这样的传统元件没有被明确地示出。

图2是示出了根据本公开的各方面的，用于管理促销调度的示例方法200的处理流程。

在图2的示例中，操作202-206被示出为按顺序的次序发生的离散的操作。然而，应该可以理解的是，在其他的各种实现方式中，操作202-206中的两个或更多个可以以部分或完全重叠或并行的方式来发生，或者以嵌套或循环的方式来发生，或者可以以不同于所示的次序来发生。此外，可能未在图2的示例中具体示出的附加操作也可以被包括在一些实现方式中，同时，在各种其他实现方式中，操作202-206中的一个或多个可以被省略。另外，在各种实现方式中，方法200可以包括用于管理在图1的系统100中的促销调度的计算机实现的方法的处理流程。另外，如本文所述，操作202-206可以提供一种简化的操作处理流程，其可以由计算机系统104执行，以提供参考图1所述的特征和功能。

在本公开的各个方面中，可以提供图2的方法200，以相对于一个或者多个时间间隔，生成用于一个或多个产品中的每一个的一个或者多个促销事件的一个或多个促销调度和/或一个或者多个促销销售计划。在各种促销销售环境中，一个或多个产品中的每一个可以使用相对于一个或多个时间间隔、用于一个或多个促销事件的一个或多个促销调度和/或一个或多个促销销售计划。

在一个实施例中，图2的方法200可以被配置为在考虑与一个或多个产品中的每一个的历史销售数据相关的一个或多个约束的同时，相对于一个或多个时间间隔来调度用于一个或多个产品中的每一个的一个或者多个促销事件。例如，在图2的示例中，在202处，方法200可以包括基于一个或者多个产品中的每一个的历史销售数据来确定一个或多个约束。

在各种实现方式中，一个或多个约束可以包括如下各项中的一个或者多个：被确定在一个或者多个时间间隔内与一个或者多个产品中的每一个一起使用的特定数量的潜在的促销销售策略的受限制的使用；潜在的促销销售策略在一个或者多个时间间隔内被用于一个或者多个产品中的每一个的特定数量的实例；以及基于一个或者多个潜在的促销销售策略来在一个或者多个时间间隔内调度一个或者多个促销事件的特定的收入目标或者比特定的收入目标更大的值。

在204处，方法200可以包括在考虑与一个或多个产品中的每一个的历史销售数据相关的一个或多个约束的同时，确定在一个或者多个时间间隔内与一个或者多个产品中的每一个一起使用的一个或多个潜在的促销销售策略。在一些实现方式中，确定所述一个或多个潜在的促销销售策略可以在考虑与一个或多个产品中的每一个的历史销售数据相关的一个或多个约束的同时，用于在一个或多个时间间隔内与两个或多个产品的组合一起使用。

在206处，方法200可以包括在考虑与一个或多个产品中的每一个的历史销售数据相关的一个或多个约束的同时，基于用于在一个或者多个时间间隔内与一个或者多个产品中的每一个一起使用的一个或多个潜在的促销销售策略，生成用于在一个或多个时间间隔内调度一个或者多个促销事件的促销销售计划。在一个实现方式中，生成用于在一个或者多个时间间隔内调度一个或者多个促销事件的促销销售计划可以基于处理不同的预测场景，同时考虑与一个或多个产品中的每一个的历史销售数据相关的一个或多个约束。在各种示例中，不同的预测场景包括：适应于与不同的客户需求场景、不同的产品库存场景、以及不同的销售业绩场景中的一个或多个相关的实时场景和长期场景中的一个或者多个。

在一个实现方式中，图2的方法200可以包括监视一个或多个产品中的每一个的实时销售数据。在这种情况下，生成用于在一个或者多个时间间隔内调度一个或者多个促销事件的促销销售计划可以基于在一个或者多个时间间隔内一个或者多个产品中的每一个的实时销售数据，同时考虑与一个或多个产品中的每一个的历史销售数据相关的一个或多个约束。

在一个实现方式中，图2的方法200可以包括在一个或多个数据库中存储一个或多个产品中的每一个的历史销售数据。在此示例中，历史销售数据可以包括客户的产品需求、产品的销售历史、目前的产品库存、和入库的产品数量中的一个或多个。

根据本公开的各方面，用于促销调度管理的图1的示例系统100和在图2中的方法200可以被配置以用于在考虑例如需求预测、长期影响、和/或多个约束的同时优化一个或多个促销销售计划。示例系统100和方法200可以被配置为存储历史销售数据和监视实时数据流，包括用户的需求、销售历史、当前库存、和/或入库的各种产品数量。在一些实现方式中，对示例系统100和方法200的使用允许动态优化促销销售计划，这可以在考虑短期影响和/或长期影响的同时，提供实时反应以处理不同场景。例如，长期影响可以包括如下的情况：客户习惯于看到以折扣价出售的产品，并且可能不会购买正常价格的相同产品。在另一个示例中，长期影响可能包括如下的情况：产品在促销期间热销，但是在促销结束之后的几周内销售得很少。因此，促销可能需要考虑一个或多个约束，以满足逻辑业务实践，诸如，例如，一次可以仅仅对一小部分的产品进行打折，和/或小数量的产品可以被组合到一起以被一起进行促销，但是不能将大量的产品组合到一起并一起进行促销。

此外，可以使用这里所提及的数据丰富（data richness），以利用数据来支持、估计、和/或预测出引导决策做出的各种值，以产生促销销售计划。例如，当由于销售促销而导致价格变化，同时考虑到已售出的商品总成本，可以预测预期的客户需求。在一个示例中，一种技术可以使用预定义的公式找到解决方案。然而，在另一个实施例中，如参考本公开的各方面所描述的，可以利用历史销售数据和其他外部因素来构建统一的预测模型。

在一个实现方式中，在考虑了关于与促销销售计划相关的因素的合理估计之后，可以产生目标函数，该目标函数的一个或多个输入变量可以被用作具有一个或者多个预定义的约束的潜在的销售策略。比如，包括例如线性优化和/或二次计算的技术可以被用来提供最终的结果和/或解决方案。因此，用于促销调度管理的图1的示例系统100以及图2的相关方法200可以被配置为在考虑与之相关的各个方面，包括例如客户的需求预测、短期影响、长期影响、以及一个或多个约束中的一个或多个的同时，优化一个或者多个促销销售计划。

在一个实现方式中，示例系统100和方法200可以被配置为基于历史销售数据，来估计和/或预测对于决策做出被认为是关键的各种因素的值。在各种示例中，可能由示例系统100和方法200考虑的外部因素可以包括趋势、季节性、异常事件等中的一个或者多个。

在另一个实现方式中，示例系统100和方法200可以被配置为提供用于在同一时间考虑一个或多个或几种产品（例如，产品的组合）的当前促销销售计划解决方案，这在整体层面上可以或可以不忽略一个或多个或所有正在销售的产品之间的关系。对于在一个或者多个不同的目标，例如收入、利润、客户满意度等上需要全局优化的促销销售计划而言，这可以被认为是关键的。

在另一个实现方式中，示例系统100和方法200可以被配置为提供可以取决于影响和其他因素而变化的促销销售计划。例如，促销技术可能会考虑捆绑销售、优惠券、价格折扣、以较低单价购买较大数量、购买x而免费获赠y中的一个或多个，其提供了决策做出选择的可能性。考虑这些不同的技术及其组合可能需要用于考虑一个或多个或所有可能的解决方案的系统方法。在促销模型中，示例系统100和方法200可以结合这些促销技术的一个或多个或所有，以用于优化。

在另一个实现方式中，示例系统100和方法200可以被配置为考虑用于实时计划的各种约束。例如，对于一个产品，在一个时间用于一个产品的两个不同的销售促销可能被认为会使得客户感到沮丧，并且在同一时间在相同的分类中对产品进行太多的折扣很有可能会导致总收入减小。因此，这些不同的约束可能会被认为对找到可行的计划而言是关键的，并且可以在模型中考虑。

在另一个实现方式中，示例系统100和方法200可以被配置为将销售促销看作是短期行为，并且决策可以侧重于短期目标，诸如，在促销期间的收入。然而，可以从长远的角度来考虑在促销之后的销售，并且客户的需求弹性可以被视为产品的价格变化。例如，对于需求弹性低的那些产品，较大的折扣可能会在价格恢复正常之后的未来近期，对销售业绩产生不利的影响。因此，示例系统100和方法200可以被配置为将长期影响与目标函数相结合。

根据本公开的各方面，示例系统100和方法200可被配置为在考虑各种约束的同时通过模型输入和术语来优化促销销售计划，如下所示。

在一个示例中，模型输入可以包括产品的价格。例如，产品可以被认为是被卖出的最小单元。可以选择在不同的促销期间的价格变化。

p_i,i∈N

在另一个示例中，模型输入可以包括客户需求。比如，客户需求可以被定义为依赖于产品价格的函数。在微观经济学理论中，这可以被认为是一种简化假设。

d(p_i)→R

虽然上面的定义可被视为用于建模客户需求的一种方法，但是可以存在用于建模的如下的点，在其中，输入可以被限制为仅有当前产品的价格，而不管其他因素。因此，客户需求可以被建模为具有一个或多个参数的函数，所述多个参数诸如例如是否存在促销、促销多久、以及其他产品的状态。因此，在这种情况下，函数可以表示为：

d(促销信息，促销长度，其他产品信息，…)→

图3是示出了根据本公开的各方面的，显示客户需求的示例曲线图300的视图。在实现方式中，使用x-y坐标系来跟踪产品的历史销售和预测销售，并且示例曲线图300包括相对于时间320（y轴）的需求310（x轴）。示例曲线图300描绘了历史数据，诸如在时间t₁之前的历史销售数据302。在t₁处，销售促销开始，并且跟踪产品销售，并且将其绘制至时间t_n。示例曲线图300描绘了如在销售促销结束306处所定义的峰值，并且在相似产品的促销308期间，销售被显示为下降。如图3所示，因为应当考虑长期影响，尤其是当促销结束时，所以在t₁到t_n期间的客户需求预测可以不是单个值，而是时间序列。

在另一个示例中，模型输入可以包括促销策略。如在上述示例中所描述的，存在许多不同的促销技术。在本示例中，每一个可能的促销销售计划可以被建模为用于一个产品的二元变量的向量，其可以参考价格折扣。

在一个实现方式中，可以为产品设置恒定的折扣值，例如，9折、75折、……、和5折。可以使用一个二元变量来表示产品的折扣，表示使用还是不使用一个特定的折扣水平。例如，如果存在10个可能的折扣水平，则可以需要10个二进制变量来表示被使用的价格折扣策略。这些变量可组合成向量：

v_discount=[v_discount-1,v_discount-2,...]

=[9折，5折，…]

=[0,1,...]

在实时的情况下，可以考虑这样的假设：在同一时间仅仅一个折扣策略可以被使用，例如，

$\mathrm{\Σ}{v}_{\mathrm{discount}-i}\≤1$

在另一个情况中，每一个可能的促销销售计划可以被建模为用于一个产品的二元变量的向量，其可参考优惠券。

在折扣建模之后，二元变量的向量可被用于表示产品的优惠券，表示是否针对产品使用特定类型的优惠券。

v_coupon=[类型1被使用，类型2被使用，…]=[0，1，…]

除了上述两个促销技术，诸如以较低的单价购买大量产品、以及购买x获赠y的其他的技术也可以被建模为表示一个产品是否使用一个方法的二元变量的向量。

在另一个示例中，模型输入可以包括促销长度和/或衰减权重（decayingweight）。比如，促销可以包括有效的时间段，其中，l被定义为以天为单位的一个促销的长度。在促销的每一天，促销的幅度（lift）可以不同。在这种情况下，以v_discount作为示例；在促销的第一天，用于每个促销计划的权重可以包括：

L₁=[α_1-1,α_1-2,...]

α_1-2表示如果使用v_discount-2，则在促销第一天的权重。这可能将L₁,L₂,…归纳为矩阵：

预测的一点可以用于估计L矩阵，以获知不同的促销计划要如何随着时间影响客户需求。

在一个示例中，利用模型输入，示例系统100和方法200可以利用不同的可能的促销策略和长期影响来估计客户需求。在另一个示例中，根据本公开的各方面，示例系统100和方法200可以构建目标函数并且部署优化技术，以提供最终结果、答案、和/或解决方案。

对于预测客户需求，一种或多种技术可被用于预计客户需求。在一个示例中，一种技术可以包括数据预处理。例如，历史数据（例如，历史销售数据）可被存储在数据库中，并且在预测之前被预处理，其可以包括数据检索、清理、归一化、变换、特征提取、选择等。在这种情况下，一个或者多个促销记录可以被如上所述地转换为二元向量。

在另一个示例中，一种技术可以包括时间序列分解。例如，由于产品需求的历史数据处于时间序列格式，所以可能需要分解来确定趋势、季节性、和/或时间序列的剩余部分（remainder）。

用户需求=趋势+季节性+剩余部分

该过程可以利用各种技术来执行，以确定与其他技术一起使用的其余部分，如下所示。

在另一个示例中，一种技术可以包括用于一个产品的模型促销。例如，在分解之后，将对于一个产品的用户需求的剩余部分表示为R_v，并且将时间窗口表示为d。v表示当前日期，并且历史数据可以不迟于在进行预测之前的d天。在这种情况下，当考虑促销可能如何部分地干扰R_v时，价格折扣促销可以被用来作为示例。定义：

$R_{v-\mathrm{discount}}={\mathrm{\Σ}}_{i=1}^d[R_{v-i-l+1,}{R}_{v-i-l+2},...,R_{v-i}]\×L\·{v_{\mathrm{discount}}}^T$

该模型可被称为用于R_v的子模型。其他促销销售计划可以如在此所提供地那样被建模。

此外，由于其他产品（other products）的用户需求（无论其是现在正在考虑的产品的替代或补充）可能会影响对该产品的需求，所以可以添加用于其他产品信息的另一个子模型。

可被称为在第v-i天对于产品j的用户需求，并且是相应的权重。

在另一个示例中，一种技术可以包括因素组合。比如，当一个或多个子模型被构建时，其可以被组合在一起，以提供对于R_v的估计。在这种情况下，可以基于价格折扣和其他产品信息来构建估计。

R_v=f(R_v-discount,R_v-other)

在某些情况下，加法或乘法组合可以被视为对于估计而言是足够的。但是，如果可以获得对于不同的因素如何彼此影响的更多的知识，则可以实现和/或使用更复杂的组合。

在另一个示例中，技术可以包括回归（regression）。例如，传统的线性/非线性回归技术可以被使用，诸如例如，普通最小二乘法（ordinary leastsquares，OLS）回归、岭回归、稀疏回归、和/或具有内核的支持向量机（supportvector machine，SVM）回归。在一些情况下，输出可以包括一个或多个参数，诸如例如L矩阵和

在另一个示例中，一种技术可以包括预计客户需求的时间序列。例如，如本文所述的，在接下来的t_n天中，可以考虑单个值，并且可以考虑一个或多个序列值。这并不困难，因为可以在一天或者几天或者若干天之后使用用于预测用户需求的技术。

$<R_v,R_{v+1}{,...,R}_{{v+t}_n}>$

此外，当确定预测剩余部分时，可以将趋势与季节性相加（+），以产生例如最终真实的预测。

$<d_{t_1},d_{t_2},...,d_{t_n}>$

对于目标函数和优化，可以使用一种或多种技术来构建目标函数和部署优化技术，以提供最终结果、答案和/或解决方案。在第一阶段之后，可以利用以下的技术和/或过程中的一个或多个，利用可能的促销销售计划来对每个和/或每种产品生成估计。

在一个示例中，一种技术可以包括设置目标。比如，参照一个或多个目的，零售商可能需要提供或设置目标。在这种情况下，设置的目标可以包括最大化收入。

在另一个示例中，一种技术可以包括一个产品。比如，参照产品i，可以存在k种可能促销技术，其中：

v_j={0,1},j≤k

这可以是指促销技术是否被选择。产品的收入可以包括：

$\mathrm{Revenu}{e}_i={\mathrm{\&Sigma;}}_{j=1}^k{v}_j\&CenterDot;{\mathrm{\&Sigma;}}_{t=t_1}^{t_n}p(j,t)\&CenterDot;d_t^j,v_j=\left\{\mathrm{0,1}\right\},j\&le;k$

如果使用j促销方法，则p(j,t)可以是指在时间t的价格，并且可以是指在时间t处的用户需求。

在另一个示例中，一种技术可以包括多个产品（例如，产品的组合）。例如，当将要考虑在购物篮中的产品以产生全局优化时，目标函数可以被提供为：

$\max \mathrm{imize}{\mathrm{\&Sigma;}}_{i=1}^N\mathrm{Revenu}{e}_i$

在另一个示例中，一种技术可以包括约束。例如，现实的或实时的，可能存在用于最大化问题的一个或多个约束。在这种情况下，对于一个产品，最多d个促销技术可以在同一时间使用：

$\&ForAll;\mathrm{produc}{t}_i,j,{\mathrm{\&Sigma;}}_{j=1}^k{v}_{\mathrm{ij}}\&le;d$

对于某些产品，收入可能会超过预定义的值：

对于product_i，Revenue_i≥val_i

整体促销可以不超过u次：

$\&ForAll;\mathrm{produc}{t}_i,j,{\mathrm{\&Sigma;}}_{i=1}^N{\mathrm{\&Sigma;}}_{j=1}^k{v}_{\mathrm{ij}}\&le;u$

根据本公开的各方面，如参照上述例子和示例所述，示例系统100和方法200提供了灵活的框架，以用于在每当决策做出认为其必要时，添加一个或多个不同的约束。另外，关于优化，可以使用线性/非线性优化解算器来返回结果。在各种例子中，基于启发式的算法可以在某些场景下使用，以提高速度并确定近似解。

关于模型，可以在一些模拟数据集上进行实验。可以执行实验以关注于关于不同参数的优化时间。对于模拟数据，各种性能测试可能需要关于不同规模（scale）的数据集。在一些示例中，可以执行传统的数据模拟。在一些示例中，可以通过对真实的销售数据、因素表进行采样，以及使用一些分布的混合体来生成历史数据。在一些示例中，可以使用回归技术估计每个产品的客户需求：

$<d_{t_1},d_{t_2},...,d_{t_n}>$

在一些示例中，需求预测可能会被认为是脱机过程，并且优化可被认为是联机过程，相关的实验可以关注于优化的性能。

对于参数设定，一个或多个参数可被用于在优化中的灵活度，包括例如如下各项中的一个或多个：总产品数：p，用于每个产品的可能的促销方法的数量：k，用于每个产品的所应用的促销方法的最大数量：d，以及在一个优化中使用的总的促销方法的最大数量：u。图4和5示出了一个或多个参数的示例使用，以及一个或多个参数可能如何影响优化和性能。

图4是示出了根据本公开的各方面的，显示在优化中用于针对不同数量的产品实现优化解决方案的时间的示例曲线图400的视图。在实现方式中，x-y坐标系统被用于跟踪时间410和商品的数量420，并且示例曲线图400包括相对于产品的数量420（x轴）的时间410（y轴）。示例曲线图400显示了为了在优化中利用不同数量的产品参数来实现优化的解决方案所需的时间参数。在这个示例中，其它参数可以被设置为：k=10、d=2、并且u=10％×p。利用示例曲线图400，可以在时间指数增加时，确定总的产品的增加。在一个具体的示例中，对于35000的产品规模，5分钟可能是可以接受的。

图5是示出了根据本公开的各方面的，显示参数k和d可能如何影响性能的示例曲线图500的视图。在实施例中，x-y坐标系统被用于跟踪时间510和产品的数量520，示例曲线图500包括相对于产品的数量520（x轴）的时间510（y轴）。在示例曲线图500中，p可以被设置为25000，并且u可以被设置为2500。如图所示，d可以被认为是关键因素，并且当d大于2时，d可能会导致显著的性能问题。然而，在真实的情况下，对于每一个产品，在同一时间允许许多的促销技术可能是不合理的。如果d被设为小于或等于2，则在真实的商业场景下，其性能可能会被认为是可接受的。

根据本公开的各方面，示例系统100和相关的方法200可以被配置为用于预测客户需求。例如，对于每个产品，可参考历史促销销售信息来分析销售历史。可以对销售曲线建模并且可以生成预测模型。

图6是示出了根据本公开的各方面的，显示如何从已知的销售曲线630建模预测的销售曲线620的示例曲线图600和602的视图。在实现方式中，示例曲线图600示出了x-y坐标系统，其被用于跟踪随着时间t的产品的已知的销售历史610，以及与产品相关的一种或多种促销销售计划620，并且示例曲线图600包括随着时间t的相对于促销销售计划620（y轴）的已知的销售历史610（x轴），以产生已知的销售曲线630。另外，在另一个实现方式中，预测的销售曲线602显示了x-y坐标系统，其被用于跟踪随着时间t的产品的预测的销售历史612（预计）以及与产品相关的一种或多种促销销售计划622，并且示例曲线图602包括随着时间t的相对于促销销售计划622（y轴）的预测的销售历史612（x轴）（预计），以产生或预计预测的销售曲线632。

在一个示例中，用于建模销售曲线的技术可以包括：数据预处理、时间序列分解、考虑包括促销计划和其他产品的销售的一个或者多个因素来对销售曲线进行建模、回归方法、以及确定需求曲线。销售曲线可以被称为函数F，并且函数F的参数可以包括时间，哪个促销销售计划将会使用，以及其他产品的销售信息。对于每一个单个产品，可以执行促销销售计划，以确定需求将会是怎样的。

此外，对于目标函数和优化，可以考虑对于一个或多个或所有产品的促销。例如，如果逐个产品地设计促销销售计划，则在整体上可能达到或者无法达到最大收入（或其它目标）。因此，可以一次计划所有的促销。在这种情况下，可以使用线性/非线性优化。在优化的过程中，可以存在要考虑的一个或多个或几个约束，诸如，在同一时间的最大促销计划和/或单个产品或者产品组的目标收入。

例如，参照表1，假设仅存在两种产品A和B，在对销售历史进行分析之后，对A的需求曲线可以显示为：

表1

销售(A)预测	T1	T2	T3
				优惠券+销售(B)>100	150	170	140
买二赠一+销售(B)<50	230	270	180
				…	…	…	…

请注意，需求可以是具有闭合形式表达（close form expression）的函数。为了简单而考虑该示例。

在一个示例中，对于每个产品和每个时间，需求可以依赖于促销销售计划和其他产品。在另一个示例中，对于每个产品和每个时间，可以存在若干的促销销售计划，其中只有一个可以被使用。

此外，在另一个示例中，当每一个产品有其需求曲线时，可以确定选择哪一个促销销售计划。例如，如用于A的表1所示，可以存在不同的促销销售计划，并且一次仅仅可以选择一个。这可以通过优化来解决。

本文所描述的各种技术的实现方式可以被实现在数字电子电路、或计算机硬件、固件、软件、或它们的组合中。实现方式可以被实现为计算机程序产品，即，有形地体现在信息载体中的计算机程序，例如，在机器可读存储设备中、或者在传播的信号中，以用于通过数据处理装置，例如，可编程处理器、计算机、或者多个计算机来执行；或者用于控制数据处理装置，例如，可编程处理器、计算机、或者多个计算机的操作。计算机程序，诸如如上所述的计算机程序可以用任何形式的编程语言，包括编译或解释语言来编写，并且可以以任何形式来部署，包括作为独立的程序或者作为模块、组件、子例程、或其他适于在计算环境中使用的单元。计算机程序可以被部署到一台计算机上执行，或在一个站点或者分布在多个站点并且通过通信网络互连的多台计算机上来执行。

方法步骤可以通过执行计算机程序的一个或多个可编程处理器来执行，以通过操作输入数据和产生输出来执行功能。方法步骤还可以通过专用逻辑电路，例如，FPGA（现场可编程门阵列）或ASIC（专用集成电路）来执行，或者装置可以被实施为专用逻辑电路，例如，FPGA（现场可编程门阵列）或ASIC（专用集成电路）。

通过举例的方式，用于执行计算机程序的合适的处理器包括通用和专用微处理器这两者，以及任何类型的数字计算机的任何一个或多个处理器。通常，处理器将从只读存储器或随机存取存储器或这两者接收指令和数据。计算机的元件可以包括：用于执行指令的至少一个处理器，和用于存储指令和数据的一个或多个存储器设备。一般来说，计算机还可以包括例如，磁盘，磁光盘，或光盘的用于存储数据的一个或多个大容量存储设备，或者被可操作地耦合到所述大容量存储设备以从其接收数据或向其传送数据，或者两者兼而有之。适合体现计算机程序指令和数据的信息载体包括所有形式的非易失性存储器，例如包括：半导体存储器设备，例如，EPROM、EEPROM、和闪存设备；磁盘，例如内置硬盘或可移动磁盘；磁光盘；以及CD-ROM和DVD-ROM盘。处理器和存储器可以由专用逻辑电路补充，或被合并到专用逻辑电路中。

为了提供与用户的交互，实现方式可以被实现在计算机上，该计算机具有显示设备，例如，阴极射线管（CRT）或液晶显示（LCD）监视器，用于显示信息给用户；以及键盘和指向设备，例如，鼠标或轨迹球，用户通过它们可以将输入提供到计算机。其他种类的设备也可以被用来提供与用户的交互；例如，提供给用户的反馈可以是任何形式的感官反馈，例如，视觉反馈、听觉反馈、或触觉反馈；并且来自用户的输入可以以任何形式接收，包括声音、语音、或触觉输入。

实现方式可以实现在计算系统中，其包括例如数据服务器的后端组件；或包括例如应用程序服务器的中间件组件；或者包括例如客户端计算机的前端组件，所述客户端计算机具有图形用户接口或Web浏览器，用户可以通过它们来进行与所述实现方式的交互；或者包括这样的后端、中间件、或前端组件的任意组合。组件可以通过任何形式或介质的数字数据通信来互联，例如，通过通信网络来互连。诸如通信网络的网络的示例可以包括局域网（LAN）和广域网（WAN），例如，因特网。

虽然在此已经示出了所述的实现方式的某些特征，但是对于本领域技术人员而言将可以出现很多修改、替换、更改和等同物。因此，应当理解的是，所附的权利要求意在覆盖落入实施例的范围内的所有这样的修改和变化。

Claims (20)

1.一种计算机系统，其包括记录在非临时性计算机可读介质上并且能够被至少一个处理器执行的指令，所述计算机系统包括：

促销调度管理器，其被配置为使得至少一个处理器在考虑与一个或者多个产品中的每一个的历史销售数据相关的一个或多个约束的同时，相对于一个或者多个时间间隔，调度用于一个或者多个产品中的每一个的一个或者多个促销事件，其中，所述促销调度管理器包括：

促销预测器，其被配置为基于一个或者多个产品中的每一个的历史销售数据来确定一个或多个约束；

促销协调器，其被配置为在考虑与一个或多个产品中的每一个的历史销售数据相关的一个或多个约束的同时，确定用于在一个或者多个时间间隔内与一个或者多个产品中的每一个一起使用的一个或者多个潜在的促销销售策略；以及

促销调度优化器，其被配置为在考虑与一个或多个产品中的每一个的历史销售数据相关的一个或多个约束的同时，基于用于在一个或多个时间间隔内与一个或多个产品中的每一个一起使用的一个或者多个潜在的促销销售策略，来生成用于在一个或者多个时间间隔内调度一个或者多个促销事件的促销销售计划。

2.根据权利要求1所述的计算机系统，其中，所述促销调度管理器被配置为，在考虑与一个或多个产品中的每一个的历史销售数据相关的一个或多个约束的同时，基于相对于一个或多个时间间隔的预测的客户需求，来调度用于一个或多个产品中的每一个的一个或多个促销事件。

3.根据权利要求1所述的计算机系统，其中，所述促销调度管理器被配置为，在考虑与一个或多个产品中的每一个的历史销售数据相关的一个或多个约束的同时，基于相对于一个或者多个时间间隔的对于销售业绩的长期影响，来调度用于一个或者多个产品中的每一个的一个或者多个促销事件。

4.根据权利要求1所述的计算机系统，其中，所述促销调度管理器被配置为，在考虑与一个或多个产品中的每一个的历史销售数据相关的预测的客户需求的同时，相对于一个或者多个时间间隔，调度用于一个或者多个产品中的每一个的一个或者多个促销事件。

5.根据权利要求1所述的计算机系统，其中，所述促销调度管理器被配置为，在考虑与一个或多个产品中的每一个的历史销售数据相关的对于销售业绩的长期影响的同时，相对于一个或多个时间间隔，调度用于一个或多个产品中的每一个的一个或者多个促销事件。

6.根据权利要求1所述的计算机系统，其中，所述促销协调器被配置为，在考虑与一个或多个产品中的每一个的历史销售数据相关的一个或多个约束的同时，确定用于在一个或者多个时间间隔内与两个或者更多个产品的组合一起使用的一个或多个潜在的促销销售策略。

7.根据权利要求1所述的计算机系统，其中，所述促销调度优化器被配置为，在考虑与一个或多个产品中的每一个的历史销售数据相关的一个或多个约束的同时，基于处理不同的预测场景，来生成用于在一个或者多个时间间隔内调度一个或者多个促销事件的促销销售计划，所述不同的预测场景包括：适应于与不同的客户需求场景、不同的产品库存场景、以及不同的销售业绩场景中的一个或多个相关的实时场景和长期场景中的一个或者多个。

8.根据权利要求1所述的计算机系统，其中，所述一个或多个约束包括：被确定为用于在一个或者多个时间间隔内与一个或者多个产品中的每一个一起使用的特定数量的潜在的促销销售策略的受限制的使用。

9.根据权利要求1所述的计算机系统，其中，所述一个或多个约束包括：特定数量的实例，在所述实例中，潜在的促销销售策略在一个或者多个时间间隔内被用于一个或者多个产品中的每一个。

10.根据权利要求1所述的计算机系统，其中，所述一个或多个约束包括：用于基于一个或者多个潜在的促销销售策略在一个或者多个时间间隔内调度一个或者多个促销事件的特定的收入目标、或者比特定的收入目标更大的值。

11.根据权利要求1所述的计算机系统，进一步包括促销销售监视器，其被配置为监视一个或多个产品中的每一个的实时销售数据。

12.根据权利要求1所述的计算机系统，其中，所述促销调度优化器被配置为，在考虑与一个或多个产品中的每一个的历史销售数据相关的一个或多个约束的同时，基于在一个或者多个时间间隔内一个或者多个产品中的每一个的实时销售数据，来生成用于在一个或者多个时间间隔内调度一个或者多个促销事件的促销销售计划。

13.根据权利要求1所述的计算机系统，进一步包括一个或多个数据库，其被配置为存储一个或多个产品中的每一个的历史销售数据。

14.根据权利要求1所述的计算机系统，其中，所述历史销售数据包括客户产品需求、产品销售历史、目前的产品库存、以及入库产品数量中的一个或者多个。

15.一种计算机程序产品，所述计算机程序产品有形地体现在非临时性计算机可读存储介质上，并且包括指令，所述指令在被至少一个处理器执行时被配置为：

基于一个或者多个产品中的每一个的历史销售数据来确定一个或多个约束；

在考虑与一个或多个产品中的每一个的历史销售数据相关的一个或多个约束的同时，确定用于在一个或者多个时间间隔内与一个或者多个产品中的每一个一起使用的一个或者多个潜在的促销销售策略；以及

在考虑与用于一个或多个产品中的每一个的历史销售数据相关的一个或多个约束的同时，基于用于在一个或者多个时间间隔内与一个或者多个产品中的每一个一起使用的一个或者多个潜在促销销售策略，来生成用于在一个或者多个时间间隔内调度一个或者多个促销事件的促销销售计划。

16.根据权利要求15所述的计算机程序产品，其中，所述指令在被至少一个处理器执行时被配置为，在考虑与一个或多个产品中的每一个的历史销售数据相关的一个或多个约束的同时，基于处理不同的预测场景，来生成用于在一个或者多个时间间隔内调度一个或者多个促销事件的促销销售计划，所述不同的预测场景包括：适应于与不同的客户需求场景、不同的产品库存场景、以及不同的销售业绩场景中的一个或者多个相关的实时场景和长期场景中的一个或者多个。

17.根据权利要求15所述的计算机程序产品，其中，所述一个或多个约束包括如下各项中的一个或者多个：

被确定用于在一个或者多个时间间隔内与一个或者多个产品中的每一个一起使用的特定数量的潜在的促销销售策略的受限制的使用，

特定数量的实例，在所述实例中，潜在的促销销售策略在一个或者多个时间间隔内被用于一个或者多个产品中的每一个，以及

用于基于一个或者多个潜在的促销销售策略在一个或者多个时间间隔内调度一个或者多个促销事件的特定的收入目标、或者比特定的收入目标更大的值。

18.根据权利要求15所述的计算机程序产品，进一步包括：

指令，所述指令在被至少一个处理器执行时被配置为监视一个或多个产品中的每一个的实时销售数据，以及

指令，所述指令在被至少一个处理器执行时被配置为，在考虑与一个或多个产品中的每一个的历史销售数据相关的一个或多个约束的同时，基于在一个或者多个时间间隔内一个或者多个产品中的每一个的实时销售数据，来生成用于在一个或者多个时间间隔内调度一个或者多个促销事件的促销销售计划。

19.根据权利要求15所述的计算机程序产品，进一步包括：

指令，所述指令在被至少一个处理器执行时被配置为在一个或多个数据库中存储一个或多个产品中的每一个的历史销售数据，所述历史销售数据包括客户产品需求、产品销售历史、目前的商品库存、以及入库产品数量中的一个或者多个。

20.一种计算机实现的方法，包括：

基于一个或多个产品中的每一个的历史销售数据来确定一个或多个约束；

在考虑与一个或多个产品中的每一个的历史销售数据相关的一个或多个约束，确定用于在一个或者多个时间间隔内与一个或多个产品中的每一个一起使用的一个或多个潜在的促销销售策略；以及

在考虑与一个或多个产品中的每一个的历史销售数据相关的一个或多个约束的同时，基于用于在一个或者多个时间间隔内与一个或者多个产品中的每一个一起使用的一个或者多个潜在的促销销售策略，来生成用于在一个或者多个时间间隔内调度一个或者多个促销事件的促销销售计划。