CN105247552B - 数字收据经济 - Google Patents

数字收据经济 Download PDF

Info

Publication number
CN105247552B
CN105247552B CN201480030023.5A CN201480030023A CN105247552B CN 105247552 B CN105247552 B CN 105247552B CN 201480030023 A CN201480030023 A CN 201480030023A CN 105247552 B CN105247552 B CN 105247552B
Authority
CN
China
Prior art keywords
shopping
consumer
item
items
user
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.)
Expired - Fee Related
Application number
CN201480030023.5A
Other languages
English (en)
Other versions
CN105247552A (zh
Inventor
R·H·沃海比
R·T·贝克维斯
小约瑟·K·西亚
T·G·科珀诺尔
S·P·巴拉桑德拉姆
L·纳克曼
R·S·布罗特曼
D·I·肖
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.)
Intel Corp
Original Assignee
Intel 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 Intel Corp filed Critical Intel Corp
Publication of CN105247552A publication Critical patent/CN105247552A/zh
Application granted granted Critical
Publication of CN105247552B publication Critical patent/CN105247552B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q30/0204—Market segmentation
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • 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
    • 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
    • G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
    • 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
    • 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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/12—Accounting

Abstract

从用户的计算机可读取的购物记录中提取数据，基于商品的描述聚集所感兴趣的商品，并将描述性的关键字与簇相关联的技术，其中，关键字表示用户的兴趣。可以对所提取的数据执行一个或多个过程和/或功能，包括簇特定的过程和/或功能，包括基于用户的，基于用户兴趣的，和/或基于群众的过程和/或功能，其可包括购物模式提取、基于时间、位置及其他上下文量度的商品或商品类型可用性，商品的定价数据以及预期的随着时间以及季节变化的价格变化，标识用户偏好，和/或购物建议。

Description

数字收据经济
技术领域
此处所公开的特征一般涉及基于用户和/或群众的购买历史，用户兴趣确定、购物/购买模式提取，以及用户偏好分析，以便诸如，推荐(但不仅限于)购物单以及行驶路线。
背景技术
许多零售商正在转向无纸或电子收据(E-收据)。可以向由购买者在购物点所提供的电子邮件地址和/或与帐户相关联的电子邮件地址发送电子收据，忠诚度，或奖赏计划或在收据在线服务累积的。对于零售商而言，电子收据可以降低成本，改善到消费者的到达度和对消费者购物模式了解，这可以在向消费者推荐商品以及在画出消费者的消费轮廓线时有用。对于消费者而言，电子收据是在中央储存库中保留收据并维护收据以便以后进行访问的容易的方式，诸如，对于退货和/或交换或者甚至财务管理应用。
它也有助于消费者访问关于所感兴趣的商品(商品和/或服务)的当前购物数据，诸如各种源(例如，商店、售主、经销商、制造商和/或生产商)的产品/服务线，产品/服务线的季节变化、当前库存、成本(例如，定价或基本价格、适用的优惠券、折扣和/或消费者奖赏)，和/或商店位置。单一消费者收集这样的相对于多个类别的商品和多个源的数据，如果不是不可能，也是不切实际的。在消费者具有相对于商品的特定的特征(诸如成份或标签)的兴趣和/或偏好的情况下，更加吓人。
某些源通过电子邮件和/或文本消息，警告消费者，有促销。源一般不向消费者提供库存数据。
源可以允许消费者通过网站选择商品，并向与该消费者相关联的购物单添加选定的商品。这样的购物单限于源的产品/服务线。这样的购物单也不能移植到其他源。
附图简述
为说明，此处所公开的一个或多个特征可以作为示例和/或参考下面列出的一个或多个图形来呈现和/或描述。然而，此处所公开的方法和系统不仅限于这样的示例或图示。
图1是基于从一个或多个数据源(包括用户购物记录的源)所提取的数据，标识用户感兴趣的商品，并基于所感兴趣的所述商品，标识所述用户感兴趣的领域或科目的系统的框图。
图2是从一个或多个数据源(包括用户的计算机可读取的电子购物记录的源，诸如通过电子邮件提供的数字收据)收集计算机可读取的数据的数据收集系统的框图。
图3是包括上文参考图1所描述的特征，并进一步包括分析模块以从所提取的数据导出数据(诸如购物模式和/或购物偏好)的系统的框图。
图4是包括参考图1-3中的一个或多个所描述的特征，并进一步包括建议模块以基于所提取的数据和/或导出的数据提供用户特定的建议的系统的框图。
图5是参考图1-4中的一个或多个所描述的特征，并进一步包括存储和/或管理匿名的众包数据的众包系统或云服务器的系统的框图。
图6是包括参考图1-5中的一个或多个所描述的特征，并进一步包括应用模块以基于所提取的数据和/或导出的数据执行一个或多个功能和/或提供一个或多个服务的系统的框图。
图7是参考图1-6中的一个或多个所描述的特征，并进一步包括购物应用(该购物应用可以被配置成准许用户标记所感兴趣的商品，和/或向用户提供购物建议)的系统的框图。
图8是被配置成从用户的购物记录提取数据，从所提取的数据中了解用户购物行为和用户兴趣，并基于购物行为和用户兴趣来执行用户特定功能和/或提供用户特定服务的计算机系统的框图。
图9是可以与图8的计算机系统一起提供的示例存储介质的框图。
图10是包括处理器和存储器、用户界面以及通信系统的用户设备的图示。
图11是分析用户的购物历史的方法的流程图。
图12是基于上下文关系，组织并有选择地公开众包的购物信息的系统的框图。
在附图中，参考编号的最左边的数字标识参考编号首次出现的附图。
具体实施方式
图1是提取数据以标识所感兴趣的商品，以及基于所感兴趣的商品来标识所感兴趣的领域或科目的系统100的框图。系统100可以被配置成对于用户和/或群众，标识所感兴趣的商品以及所感兴趣的领域或科目。
术语“用户”，如此处所使用的，可包括个人、个人的组或群和/或实体或实体的组。为说明，此处的一个或多个示例可以指定带有任意姓名(例如，Alice或Bob)的用户。不应该从这样的任意姓名作出任何推理。
术语“商品”，如此处所使用的，可包括产品或服务。
术语“源”，如此处所使用的，可以包括，但不限于，卖主或商店、商店位置、制造商、生产商、经销商，和/或服务提供商。
术语“通信网络”，如此处所使用的，可以包括，但不限于，有线网络、无线网络、基于分组的网络、电话网络、公共网络，和/或专用网络。
术语“可用性数据”，如此处所使用的，可包括与库存、源、位置和/或成本相关的数据。
术语“成本”，如此处所使用的，可包括订价或基本价格，和/或促销，诸如适用的赠券、打折扣、信用，和/或消费者奖赏或顾客忠诚度计划。
在图1中，系统100包括数据收集系统106，该数据收集系统106包括数据收集模块108，用于标识所感兴趣的商品110以及商品110的描述(这里示为商品描述符112)。
数据收集模块108可以被配置成将商品110表示为数据对象，诸如数据库条目、图形节点和/或其他计算机可读取的表示。数据收集模块108可以进一步被配置成将商品描述符112标记或附加到对应的数据对象(例如，作为元数据)。商品描述符112此处也可以被称为描述性的标记，或描述性的元数据。
系统106进一步包括聚集模块114，用于基于对应的商品描述符112来聚集商品110，并输出对应的聚集的商品(簇)116。聚集模块114可以被配置成基于商品描述符112的相似度和/或相异性来聚集商品110。商品110可以被分配到一个或多个簇116。
聚集模块114可以是相对于粒度、分配标准和/或其他因素，可动态地配置的(例如，自动地和/或用户可配置的)，诸如，以管理或调节桶(bucket)的数量、桶之间的区别/距离，和/或桶中的一个或多个的主题。聚集模块114可以映射到用户之间的预先定义的和协商的簇，或是用户特定的。聚集模块114可以，例如，准许用户选择和/或定义桶的一个或多个分配标准，作为商品描述符122的补充和/或代替商品描述符122。聚集模块114可以允许用户将簇116中的商品与一个或多个其他簇116相关联，和/或将商品从一个簇116移到另一个簇116(即，超越聚集决策)。
系统106可包括自动化关键字分配模块118，用于将一个或多个标记或关键字的组120分配、关联和/或附加到每一簇116。关键字120可包括描述性的关键字。可以基于分配给簇的商品的商品描述符112，为一个簇确定和/或选择关键字。可另选地，或另外，关键字分配模块118可以被配置成与收集用户生成的标记和/或本体分配的关键字的公共数据库和/或应用编程接口(API)连接。
在商品110表示用户的所感兴趣的商品的情况下，每一簇116都可以固有地表示用户的兴趣。在此示例中，簇116和对应的描述性的关键字120可以允许由用户和/或相对于用户进行更直观的数据交互，下面将进一步提供其示例。
簇116和/或相关联的描述性的关键字120可以被应用访问，下面将进一步提供其示例。
数据收集模块108可如下面参考图2所描述的那样配置。数据源104可包括下面参考图2所描述的一个或多个数据源。然而，数据收集模块108和数据源104不仅限于图2的示例。
图2是从一个或多个数据源204收集计算机可读取的数据的数据收集系统208的框图，可以通过一个或多个通信网络(例如，通过本地和/或基于web的应用，诸如浏览器)访问数据源204。
数据收集模块208包括从用户数据源232标识所感兴趣的商品210的数据提取/挖掘模块228。数据提取/挖掘模块228可以进一步被配置成从上下文数据源236收集上下文数据。
数据收集模块208进一步包括从数据源236收集商品210的描述性数据的描述符收集器230。
在图2中，数据源204包括用户数据源232。
用户数据源可包括计算机可读取的购物记录232-1，此处也被称为数字收据232-1。购物记录232-1可以是计算机生成的(例如，在购物时)，和/或可以是诸如印刷的商店收据之类的有形的购物记录的以电子方式扫描的图像。购物记录232-1可以涉及多个兴趣的商品和/或商品的多个源。
在图2中，购物记录232-1包括电子消息232-2，电子消息232-2可包括通过通信网络发送的文本格式化的购物收据。消息232-2可以包括，但不限于，电子邮件和/或文本消息。消息232-2可以被从源和/或支付发送到用户帐户、用户服务，和/或用户设备。然而，消息232-2不仅限于这些示例。
购物记录232-1进一步包括电子商务记录232-3。电子商务记录232-3可包括由卖主、支付处理器、金融机构和/或为用户编写电子收据目录的服务维护的详细列举的购物记录。电子商务记录232-3可以涉及用现金/支票和/或电子资金的购物。电子资金可包括金融交易卡购物(例如，信用卡、借记卡和/或礼品卡)、电子资金转帐(例如，银行到银行)，和/或数字货币(即，基于计算机的虚拟经济中所使用的虚拟或替代的货币)。
用户数据源232可包括计算机和/或网络可访问的用户帐户232-4，和/或包括一个或多个用户设备232-5。
用户数据源232可包括用户标记的商品232-6的源，诸如电子购物列表和/或愿望列表，其可以存储在一个或多个设备中，和/或存储在卖主的服务器上，可以通过基于计算机的界面(例如，浏览器和/或web应用)访问它们。
用户数据源232可包括浏览器历史323-8，并可包括与商品源(例如，在线卖主站点)相关联的浏览器历史，诸如查看的，标记的，商品，和/或购物。
用户数据源232可包括扫描的商品的源(例如，印刷在商品上的条形码和/或被固定到商品和/或在商品的附近的射频识别(RFID))。
数据源204可包括提供上下文数据235的上下文数据源234。上下文数据源234可包括用户设备、用户设备的传感器(例如，位置定位传感器)和/或其他传感器，和/或网络源。上下文数据235可以与用户、商品、兴趣和/或购物旅行具有某种关系。上下文数据235可以涉及发生在一个事件(诸如购物)一个事件的时间窗口内，和/或在事件的一个地理范围内发生。
上下文数据235可包括，但不仅限于：位置数据(例如，来自用户设备内的全球定位卫星(GPS)系统)；购物的时间窗口内的事件的用户电子日历中的条目；用户的电子购物列表；天气数据；公路地图；交通流量状况数据；公共事件；用户通信设备和另一个通信设备之间的通信(例如，电子邮件或文本消息)；和/或来自用户的以前的类似的购物及其他简档信息。
上下文数据235可以被用来标识基于用户的和/或基于群众的兴趣和/或行为模式，诸如在此处的一个或多个示例中所描述的。
数据提取/挖掘模块228可以被配置成从用户数据源232标识下列特征或数据类型中的一项或多项：商品名称/类型；商品的描述；购物源的名称；购物源的位置；购物日期；购买价格；商品被购买时的购买促销(例如，赠券、折扣、信用，和/或奖赏计划)；支付资金的形式和/或源；和/或元数据。
然而，数据提取/挖掘模块228不仅限于这些示例。
描述符收集器230可以被配置成标识从其访问/检索商品210的描述性数据的一个或多个其他数据源236。数据源236可包括，但不仅限于，卖主的网站、商店和/或其他源，和/或公共服务网站。
描述符收集器230和/或数据提取/挖掘模块228可以被配置成从标识的源236提取描述性数据。数据提取/挖掘模块228可以被配置成执行上文参考描述符收集器230所描述的功能。
数据提取/挖掘模块228和/或描述符收集器230可以被配置成基于商品210和/或描述符212提取另外的数据，诸如：商品细节；商品的另一个源；由卖主、制造商以及消费者贡献的商品元数据；购买了或可能购买商品的用户简档；类似的商品(来自相同源和/或其他源)；以及商品可用性数据。
商品细节可以包括，但不限于，制造商、生产商、种植者和/或经销商，注册商标、类属名和/或标签数据。注册商标和/或标签可以包括，但不限于，有机、已认证、不含麸质、无糖、素食者、绝对素食者、不含肉不含奶的食品、按犹太教规制成的食品、清真的，以及其组合。
数据提取/挖掘模块228和/或描述符收集器230可以被配置成从购物记录232-1，上文所描述的其他数据源，和/或其他数据源，诸如，但不仅限于，众包的数据240和/或可包括预定义的API的应用编程接口(API)，提取上文所描述的数据、其他数据和/或元数据。
数据提取/挖掘模块228和/或描述符收集器230可以被配置成收集关于类似于商品210的和/或在市场上可与商品210竞争的商品的数据。
数据提取/挖掘模块228和/或描述符收集器230可包括浏览器、爬取，和/或刮擦应用。
数据提取/挖掘模块228可以被配置成从与用户相关联的一个或多个设备和/或帐户挖掘数据。用户帐户可以包括，但不限于，愿望列表、浏览历史、电子消息帐户(例如，电子邮件和/或文本)、电话帐户、财务帐户(例如，银行帐户和/或在售主的用户帐户)，和/或在网络托管的服务(诸如基于因特网的社交和/或专业网络服务)的帐户。
数据提取/挖掘模块228可以被配置成基于目标标识要挖掘的数据源和/或从多个挖掘技术中进行选择。
可以基于设备和/或设备类型、数据类型(例如，基于文本的文档、照片，和/或视频)、数据格式、帐户和/或帐户类型、通过其可访问数据的应用(例如，浏览器、其他本地应用，和/或web应用)、隐私约束、使用目标(包括与他人的数据共享/综合)，来选择挖掘技术。技术可以是相对于用户特定的安全特征、应用启动过程，和/或访问序列(例如，基于web的站点/页面和/或其中的用户选择的序列)可配置的。
可针对与由用户购买的和/或用户感兴趣的商品相关的数据，和/或与用户的兴趣和/或偏好相关的数据(例如，素食者、绝对素食者、有机、按犹太教规制成的食品、清真的和/或过敏反应)，进行数据挖掘。
在图1中，系统100可包括存储所提取的数据109以及聚集的商品116，关键字120和/或其他数据121(此处统称为数据115)的一个或多个存储设备和/或位置。数据115还可以包括从数据111导出的数据、关键字120和/或数据121，诸如在此处的一个或多个示例中所描述的。
所提取的数据109可包括所感兴趣的商品110的指示。所提取的数据109可以与对应的聚集的商品116相关联地存储，和/或被包括作为聚集的商品116的一部分。所提取的数据109和聚集的商品116此处可以统称为数据111。
可以向用户呈现商品110、簇116、关键字120，和/或数据121，供查看和/或修改(例如，重命名簇、在簇116之间移动商品，收缩或扩展簇116，删除一个或多个商品110，和/或超越簇116内的一个或多个商品的安全性设置/访问级别)。
所提取的数据109、聚集的商品116、关键字120和/或数据121可包括不同的对象或数据结构，利用常规的预先定义的数据库结构来管理和/或保护它们是具有挑战性的。如此，数据115或其一部分，可以存储在非结构化数据(即，非结构化数据的数据库)的数据表中，而系统100可包括搜索和/或访问非结构化数据的一个或多个界面。这样的界面可以包括，但不限于，HTTP客户端，诸如基于浏览器的界面。
图3是系统300的框图，包括上文参考图1所描述的特征，并进一步包括从数据115导出数据350的分析模块340。
分析模块340可包括模式提取和/或综合模块，这里表示为模式提取模块342，用于综合数据和/或识别用户行为模式346，诸如购物特征或模式。
模式提取模块342可以被配置成分析所提取的数据109(包括上下文数据)、簇116，和/或数据121的特征或值，在上文的一个或多个示例中提供了其示例。
模式提取模块342可以被配置成相对于用户的购物旅行分析数据115，并可以被配置成相对于下列各项分析数据115：行驶路线；驾驶模式；时间表/日历；访问的源；带有延长的接触或接近的其他个人；访问源的序列；在访问的源购买的商品；和/或用户A的电子购物列表。
然而，模式提取模块342不仅限于上文的示例。
分析模块220还可以包括用户偏好模块344，用于基于数据115(包括以前的购物历史数据)、用户行为模式346和/或数据121，确定(推断和/或预测)用户偏好348。用户偏好模块344可进一步被配置成按优先次序列出多个用户兴趣。
检测到的行为模式236和用户兴趣348此处可以统称为导出的数据350。
为说明，下面提供了示例用户兴趣。然而，用户偏好模块344不仅限于下面的示例。
用户偏好模块344可以被配置成基于和/或相对于所提取的数据109的特征或值、簇116，和/或上下文数据，挖掘的数据128、购物单、和/或行为模式236，确定用户偏好。基于上下文的用户偏好可以涉及，例如，地理位置或范围。
用户偏好模块344可以，例如，被配置成确定就售主/商店、品牌、位置、标签、成份、质量，和/或成本而言的用户对于商品的偏好，成本可根据定价和/或适用的促销(诸如赠券、折扣、信用，和/或消费者奖赏计划)。
用户偏好模块344可以被配置成确定购物偏好，该购物偏好可以涉及行驶路线、时间、位置、预算和/或要访问的源的序列。
用户偏好模块344可以进一步被配置成推断或预测其他数据，诸如商品和源的可用性数据。
用户偏好模块344可以被配置成基于诸如购买的商品和在购物旅行中访问的源之类的特征的组合，推断用户兴趣，包括下列各项中的中的一项或多项：在购物旅行过程中访问的源；购物旅行的购物记录；在购物旅行过程中访问源的序列；购物旅行的时间窗口的上下文数据；相对于在购物旅行过程中购买的商品获取的另外的数据；和/或用户A的购物模式。
作为示例，可以基于对源的访问的购物记录和/或在购物旅行过程中对其他源的访问的购物记录，相对于在最近购物旅行过程中访问的源，推断潜在的随后的购物者的购物单上的商品的可用性数据(例如，库存、相对价格/成本、促销和/或质量)。
用户偏好模块344不限于上文的示例。
数据115和/或导出的数据350可以在各种情况和/或应用中有用，单独地和/或彼此相结合使用，诸如在下面的示例中所描述的。然而，此处所公开的系统和方法不仅限于下面的示例。
图4是系统400的框图，包括在上文的一个或多个示例中所描述的特征，并进一步包括建议模块452以基于数据115和/或导出的数据350提供用户特定的建议454。建议454可以涉及，但不仅限于，商品110和/或簇116。建议454可以是基于上下文和/或使用/应用被配置、定制。例如，但不仅限于，建议344可以部分地基于最近的上下文数据，诸如用户的地理位置、天气，和/或交通流量，与用户兴趣/偏好和/或行为模式相结合。下面进一步提供了额外的示例。
系统400可包括基于一个或多个建议454，执行功能和/或提供服务的应用模块456。应用模块456可包括和/或表示电子和/或基于处理器的界面，用于接收建议454和/或导出的数据350和/或与建议模块452和/或分析模块340进行交互。
建议模块452可以被配置成基于应用模块456来访问数据115，诸如提供适合于应用模块456的功能或服务的建议454。
应用模块456可以表示一个或多个应用模块，其中每一个都可以被配置成执行对应的功能和/或提供对应的服务。建议模块452可以被配置成向多个应用模块中的每一个提供建议454。
可另选地，或另外，建议模块452和/或另一个建议模块可被配置成应用特定的模块，以基于对应的应用模块的功能和/或服务，提供建议。应用特定的建议模块可以和对应的应用模块封装和/或集成在一起。应用特定的建议模块可以被配置成与通用建议模块连接和/或可以是独立的，以基于导出的数据350和/或数据115，提供建议。
系统400可以是相对于应用模块456和/或建议模块452，用户可配置的，诸如，以准许用户从多种类型的建议和/或应用模块中选择。系统400可以是可配置的，以添加和/或删除与基于处理器的用户设备(例如，计算机、智能电话，和/或平板设备)的应用类似的应用。
数据115可以与其他用户的数据相结合，以提供众包的数据(例如，众包的购物数据)，该众包的数据可以被用户和/或其他实体中的每一个访问。可以通过删除多至任何可标识的信息并只对综合的数据的组回答问题，或少至只删除个人的姓名和支付形式，在共享之前，使数据115匿名。众包的数据可以提供比较稳健的全局视图，并准许相对于用户建议(诸如用户特定的购物建议)的全局优化。
图5是系统500的框图，包括上文所描述的特征，并进一步包括存储和/或管理匿名的众包的数据552的众包系统550。众包系统550此处也可以被称为云服务器550。
众包的数据552可包括用户(这里表示为用户A)的匿名数据554，以及其他用户的匿名数据。众包的数据552还可以包括可用性数据(例如，库存和/或定价/成本数据)。
众包的数据552可以给用户提供对相对扩大的最近的数据点的组的访问，包含多个类别的商品以及商品的多个源，没有一个用户可以独自获取。众包的数据552可以证明比由单个源所提供的数据更准确和/或可靠。
云服务器550可包括类似于分析模块340的分析模块，以全局性地和/或基于一个或多个特征，诸如地理区域和/或其他上下文数据，标识行为模式和/或用户偏好。
系统500进一步包括建议模块553，以基于众包的数据552以及导出的数据350和/或数据115的组合，提供建议555。建议模块555可以，例如，在一个特定源正在比平常更大量地销售商品的情况下向用户A建议感兴趣的商品的该特定源。这样的建议可以基于根据众包的数据552对可用性、价格和/或促销的判断和/或推理。
建议模块553可以被配置成查询数据115，诸如上文参考建议模块452所描述的。建议模块553可以进一步被配置成按类似的方式查询众包的数据552。
系统500进一步包括在与云服务器550共享之前从数据115中删除标识数据的匿名器548。匿名器558可以供用户A(即，用户设备和/或用户帐户)专用，或在多个用户之间共享。
匿名器558可包括标识并删除客观地对用户A和/或其他个人和/或实体特定的数据的客观部分，诸如私人或传记数据、姓名、联系人数据、出生日期、社会保障号码、帐号、用户ID，和/或密码。
匿名器558还可以包括标识并删除可以被用来取决于上下文来标识用户的数据(此处也被称为间接标识)的主观的或上下文部分。匿名器558可以是可配置的，或可调的，诸如准许暴露多一些或少一些标识，并可以基于上下文数据，诸如位置、应用查询和/或购物的类型，可配置。
在应用准许查询众包的数据552中的行为模式的情况下，主观过滤器可以有用。例如，查询可以被构建为搜索一个时间帧或地理区域内的购物，在该时间帧或地理区域内，已知用户A是购买了商品的几个个人之一，并可能是商品的唯一可能的购买者。当如此间接地标识用户A时，可以构建额外的查询，以标识用户A的兴趣、偏好和/或行为(例如，购物)模式。
主观过滤器可以被配置为，例如，从数据115中删除花钱习惯和/或当查询的结果将包括来自小于预先确定的数量的其他用户的数据时，返回空。
图6是包括在上文的一个或多个示例中所描述的特征，并进一步包括应用模块656的系统600的框图。
在图6中，应用模块656包括购物应用660、销售应用662以及一个或多个其他应用664。应用模块656可包括多于所示出的应用模块、少于所示出的应用模块和/或不同的应用模块。购物应用660可以如下面参考图7所描述的那样实现。
图7是系统700的框图，包括在上文的一个购物或多个示例中所描述的特征，并进一步包括购物应用760。
购物应用760包括基于导出的数据350和/或众包的数据552，向用户A提供购物建议754的购物建议模块774。购物建议754可包括，但不仅限于，商品的购物单、从其购买商品的建议的源(售主以及售主位置)，访问源的建议的序列，建议的行驶路线，和/或购物的日期和/或时间。
可以通过显示器和/或其他呈现系统，呈现建议754。购物应用760可以被配置成基于隐式和/或显式的用户设置，来优化建议754。设置可以涉及，但不仅限于，用户是否希望最小化符合所有他们的购物需求花费的成本和/或时间。设置可以允许用户相对于另一个按优先次序列出一个设置。
购物应用760还可以包括准许用户标识和/或选择用户感兴趣的商品的标记模块778。通过电子的或基于处理器的界面标识或选择商品的动作此处可以被称为标记。标记模块可以被配置成准许用户标记多个类别和/或来自多个源的商品，并可以被配置成与诸如因特网之类的通信网络连接，以准许用户浏览并相对于多个潜在地不同的源或网站进行标记。用户标记模块778此处也可以被称为电子购物列表模块。标记可以在设备的集合上进行，并保存数据，并在所有设备之间同步它。
购物应用760还可以包括元数据提取器770，用于提取与被标记的商品相关联的元数据。可另选地，可以由图2中的数据提取/挖掘模块228来执行元数据提取。可以向数据115中添加被标记的商品以及相关联的元数据。
购物应用760还可以包括准许用户和/或购物应用760的另一个模块查询众包的数据552的查询模块776，诸如，以标识购物趋势、行为模式和/或其他用户的兴趣。查询可以针对与具有类似的兴趣、行为模式和/或上下文数据(例如，地理区域)的用户相关联的数据。可以使用查询结果来相对于购物或行驶时间、成本和/或其他特征，优化购物旅行和/或购物单。
购物应用760可以被配置成与购物服务668连接，诸如，访问购物数据和/或准许用户从一个源购买商品。
返回到图6，销售应用662可以被配置成直接和/或通过图1中的数据收集模块106，向数据115，提供关于用户A的购物和/或其他交易的数据。
销售应用662可以被配置成向云服务器550提供关于用户A和/或其他用户的购物和/或其他用户交易的匿名的综合的数据，用于与众包的数据552包括在一起。
销售应用662可以被配置成准许源(例如，售主、经销商、制造商、生产商，和/或服务提供商)，和/或最终用户查询匿名的众包的数据552，诸如，标识购物趋势、行为模式，和/或用户兴趣，这些可以被用来向源提出建议。
销售应用662可以被配置成准许源向云服务器550提交数据，用于与众包的数据552包括在一起(例如，产品/服务线、库存、价格、促销、位置、和/或营业时间)。
销售应用662可以允许源在消费者正在从他们购买商品的时候，利用很少或无需技术经验和/或财务支出，在线公开产品和/或服务线。如此，销售模块662可以准许相对较小的企业无需费力，利用在线存在，在市场上竞争。
图6中的应用664可以被配置成准许第三方查询数据115和/或导出的数据350。应用664可以，例如，被配置成准许财务计划者查询数据115和/或导出的数据350，以标识用户A的花费习惯或趋势。应用664可包括自动化的查询模块和/或建议模块，以向用户A提供修改购物行为和/或花费习惯的建议。
此处所公开的方法以及系统可以被配置成执行各种功能中的一个或多个和/或提供各种服务中的一个或多个，下面提供了这些功能和/或服务的示例。为说明，下面提供了额外的示例。此处所公开的方法以及系统不限于下面的示例中的任何一个。
此处所公开的方法和/或系统可以被配置成自动地读取、编目，以及聚集由用户或消费者接收到的电子邮件收据。所提取的定价以及使用数据可以被用来提供建议和/或获取对消费者感兴趣的商品和/或类别的更新。
匿名的用户数据可以被推到云中，用于在志趣相同的消费者之间共享，诸如，当提到购物时，提供单个目标的更全局的视图以及全局优化。可以，例如，查询匿名的云数据中的趋势，以及商店的库存数据。
可以分析用户数据和/或匿名的云数据，以了解趋势/模式和/或用户兴趣，并可以将趋势/模式和/或用户兴趣提供到学习算法，以向用户提供某种服务，诸如建议。
分析和/或查询可以基于域以及时间帧，诸如，以确定在特定时间其他人在哪里购买或商品的组合。
可以构建短期或长周期的分析和/或查询。长周期可用于标识季节性商品，并基于市场趋势和/或以前的用户行为，匹配被认为用户所感兴趣的季节性商品。
建议可包括，例如，在购物旅行过程中要购买的商品和/或安排购物旅行的时间。例如，模式模块可以确定或推断用户A每周都将需要酸奶酪、橘子汁，以及乳酪。建议模块可以建议对应的每周的购物单和/或购物旅行的行驶计划。另一个示例可包括商品的最优价格，以及当对于一个行家而言一个源以这样的价格给商品报价的概率性估计。
建议可以涉及在购物旅行过程中要访问的源和/或访问源的序列。
建议可以涉及用户以前没有购买过的商品。
建议可以基于行驶时间、成本和/或其他因素，试图优化购物旅行和/或购物单。建议的购物旅行可以平衡和/或优化被视为用户感兴趣的多种准则，诸如行驶距离、要访问的源的数量，和/或成本的最小化。可以至少部分地通过查询有关公共销售站点的数据和/或每周的广告，确定成本。
可以访问数据基础结构(例如，用户数据和/或众包的数据)的多个应用，可以以不同的方式使用数据基础结构，以便优化，共享，和/或调用用户的数据。例如，当试图利用最少数量的要访问的商店的最好的交易时，购物应用可以将用户购物单上的商品与由用户首选的品牌(例如，基于用户的以前的购物收据)，以及与在线广告匹配。
匿名器可以被配置成删除可标识的数据，包括信用卡、花费习惯，等等。
利用众包的数据，用户可以访问一个源的可用性数据，无需访问或接触该源。这可以有益于用户以及源。
下面提供了额外的建议示例。
在一个示例中，用户A通过购物应用来标记特定商品。如果在他们的购物单中列出了某商品的其他用户访问特定源，但是，在源的购物收据中没有列出该商品的情况下离开，那么，该商品缺货或在该源处，该商品不令人满意的可能性相对较高。在此示例中，用户A的购物应用可以为该商品建议另一个源。
在另一个示例中，用户A对购买特定商品有兴趣。对众包的数据的分析表明，一个特定源正在以对于一年中的该时间而言异常大的量销售该商品。在此情况下，可以将该源的当前购买价格(在众包的数据中能得到)与以前的几周、几个月，或一年内的类似的时间的该商品的平均价格进行比较，以判断现行价格是否异常低。如果是，则购物应用可以建议用户从该源购买该商品。
在另一个示例中，用户A对价格相对较高的商品(例如，电视机、摩托车，或童车)有兴趣，但是，不能确信预期要为这样的商品支付多少。在此情况下，可以查询众包的数据，以确定多个销售周期内多个源的价格范围，确定对于购买该商品而言最佳时间以及源。
在另一个示例中，分析众包的数据，以检测在正常值的外面的数据点(即，异常值)，诸如比其他人在更大程度上利用赠券的用户(即，极端的优惠券控)。在分析之前，可以从众包的数据中删除异常值数据，并过滤，和/或从查询结果中过滤掉。异常值数据在某些情况下可以有用。
在另一个示例中，相对于会员资格或预订，诸如带有相对宽的商品线的“大盒子”或高容量商店的会员资格，执行成本/收益分析。成本-效益分析可以基于用户的购买习惯和/或兴趣，判断会员资格是否适用于用户。
在另一个示例中，基于因素的组合，向用户的购物单中添加商品。例如，可以基于用户的购物历史以及商品的最近的本地广告，和/或与用户具有类似的购物模式和/或兴趣的其他人最近购买的商品的组合，添加季节性的商品。分析可以仅限于在一地理区域内。
在另一个示例中，可以利用数据对象来表示商品，数据对象可以被附加有商品的源特定的另外的数据(例如，作为元数据)。另外的数据可包括从源不可用的数据，诸如当前可用性数据。在用户A对一个区域不熟悉的情况下，例如，用户A可能不知道从单一源能得到的多个类别的商品(例如，工具、电子器件以及杂货)。在此示例中，购物应用可以向用户标识该源，和/或可包括源作为购物建议。
在前面的示例中，如果用户A的偏好是最小化购物花费的时间，则购物应用可以推荐源，或可以允许用户A按优先次序列出相对于彼此的成本以及购物/行驶时间。后者准许用户A判断是否潜在地花费更多时间而节省资金。
购物应用可以被配置成与用户移动设备上的地图应用连接，诸如，示出各种购物路线以及对应的成本。可以突出显示最短的行驶时间和/或最低成本选项，并考虑交通状况、汽油价格，和/或交通工具维护成本。
在另一个示例中，可以查询众包的数据，以标识带有类似的兴趣的其他(匿名)用户。查询可以基于由用户A以及其他用户购买的特定类别内的商品。在标识其他用户之后，可以向用户A推荐该类别和/或相邻类别内的另一个商品，如果其他用户以前购买了该商品，但用户A没有。
在另一个示例中，源可以查询其自己的数据和/或众包的数据，以标识可能对该源特别重要的用户。查询可以被配置成标识频繁地从源购物的消费者，和/或基于购买模式，标识有影响的或领导潮流的用户。在此示例中，购买模式可以涉及源的产品/服务线和/或其他产品/服务线。源可以面向标识的用户，诸如利用折扣/促销和/或其他优惠，以新方式与源进行交互。
在另一个示例中，源(例如，制造商)可以查询众包的数据，以标识与他们的产品/服务线或品牌相关联的类别内的趋势，和/或其他类别内的趋势。这样的趋势可以帮助产品/服务中的潜在变化和/或其他市场洞察。
在另一个示例中，可以相对于源，推断一个商品的销售和/或销售量。在另一个示例中，可以推断一个源的销售和/或销售量。
在另一个示例中，第一源可以查询众包的数据，以标识用户感兴趣的商品。可以进一步查询众包的数据，以标识在离开第一源之后用户购买所感兴趣的商品的第二源。
在另一个示例中，为负载平衡目的，查询众包的数据，诸如，以标识一个地理范围内的用户从其购买一个或多个商品的各种源。
此处所公开的一个或多个特征可以被配置或实现为/有电路、机器、计算机系统、处理器和存储器，在计算机可读介质内编码的计算机程序，和/或其组合。电路可以包括单独的和/或集成电路、专用集成电路(ASIC)、片上系统(SOC)，以及其组合。
通过软件的信息处理可以具体地通过使用硬件资源来实现。
此处所公开的一个或多个特征可以在用户平台或用户设备，诸如群众服务器550之类的服务器系统，其他平台/设备，其组合内提供。
图8是计算机系统800的框图，被配置成从用户的购物记录提取数据，从所提取的数据中了解用户购物行为和用户兴趣，并基于购物行为和用户兴趣来执行用户特定功能和/或提供用户特定服务。
计算机系统800，或其一部分，可以表示如图1-7中的一个或多个中所描述的系统的示例实施例或实现。然而，计算机系统800不限于图1-7中的任何一个的示例。
计算机系统800包括一个或多个处理器，这里被示为处理器802，以执行计算机程序806的指令。计算机系统800进一步包括计算机可读介质804。
处理器802可包括一个或多个指令处理器和/或处理器核，还可以包括在指令处理器/核以及介质804之间连接的控制单元。处理器802可以包括，但不限于，微处理器、图形处理器、物理处理器、数字信号处理器、网络处理器、前端通信处理器、协处理器、管理引擎(ME)、控制器或微控制器、中央处理单元(CPU)、通用指令处理器、应用特定的处理器中的一项或多项。
介质804可包括非瞬时的计算机可读介质，并可包括下面参考图9所公开的一种或多种介质。然而，计算机可读介质804不仅限于图9的示例。
图9是处理器902和计算机可读介质904的框图。在图9中，介质904包括主存储器906、辅助存储器908，以及离线存储器910。
主存储器906包括寄存器912、处理器缓存914以及主存储器或系统存储器916。寄存器912以及高速缓存914可以直接被处理器902访问。主存储器916可以直接和/或通过存储器总线间接地被处理器902访问。主存储器906可包括易失性存储器，诸如随机存取存储器(RAM)以及其变体，包括，但不仅限于，静态RAM(SRAM)和/或动态RAM(DRAM)。
辅助存储器908可以通过输入/输出(I/O)通道，间接地被处理器902访问，并可包括非易失性存储器，诸如只读存储器(ROM)以及其变体，包括，但不仅限于，可编程ROM(PROM)，可擦PROM(EPROM)，以及电可擦PROM(EEPROM)。非易失性存储器也可以包括非易失性RAM(NVRAM)，诸如闪存。辅助存储器908可被配置成大容量存储设备，诸如硬盘或硬盘驱动器、闪存驱动器、棒，或钥键，软盘，和/或压缩驱动器。
离线存储器910可包括物理设备驱动器，以及相关联的可移动存储介质，诸如光盘。
在图8中，介质804包括编码在其中的计算机程序806，包括要被处理器802执行的指令。计算机可读介质804进一步包括数据808，该数据808在计算机程序806的执行过程中可以被处理器802使用，和/或在计算机程序806的执行过程中由处理器802生成。
计算机程序806包括数据收集指令810，以导致处理器802从一个或多个数据源提取数据，从所提取的数据标识所感兴趣的商品110，并检索商品110的商品描述符112(此处统称为所提取的数据109)，诸如上文参考图1和/或图2中的数据收集模块108所描述的。
计算机程序806进一步包括聚集指令812，用于导致处理器802基于对应的商品描述符112，对商品110进行聚集，以提供商品的簇116，诸如上文参考图1中的聚集模块114所描述的。
计算机程序806进一步包括关键字指令814，以导致处理器802向每一簇116分配，关联，和/或附加一组一个或多个标记或关键字120，诸如上文参考图1中的关键字分配模块118所描述的。
计算机程序806进一步包括分析指令816，以导致处理器802从所提取的数据109和/或簇116，和/或关键字120(此处统称为数据111)中导出数据350，诸如上文图2中的分析模块340参考所描述的。
计算机程序806进一步包括匿名器指令818，以导致处理器802从数据111中删除个人识别数据，并将对应的匿名数据554提供到云服务器550，诸如在上文的一个或多个示例中所描述的。
计算机程序806包括用户应用和/或建议指令820，以导致处理器802基于数据111，导出的数据350和/或匿名的众包的数据552，执行和/或提供一个或多个功能和/或服务，诸如在上文的一个或多个示例中所描述的。
计算机系统800可包括通信基础结构840以在设备和/或计算机系统800的资源之间进行通信。
计算机系统800可包括一个或多个输入/输出(I/O)设备和/或控制器842，以与诸如云服务器550、数据源102和/或204，和/或购物服务668之类的一个或多个其他系统连接，诸如在上文的一个或多个示例中所描述的。
此处所公开的方法和系统可以相对于各种系统和/或设备中的一项或多项来实现，下面参考图10提供了其示例。然而，此处所公开的方法和系统不仅限于图10的示例。
图10是用户设备1000的图示，包括处理器1002以及相关联的存储器、高速缓存，和/或其他计算机可读介质，这里被示为存储器1004。
设备1000进一步包括用户界面，这里被示为包括显示器、键盘、扬声器，以及麦克风。设备1000可包括其他接口设备，诸如，但不仅限于，光标设备、触敏设备、运动和/或图像传感器，和/或显示器上的虚拟键盘。
设备1000进一步包括无线通信系统，用于与外部通信网络进行通信，外部通信网络可包括基于分组的网络(例如，专有的网络和/或因特网)，和/或话音网络(例如，无线电话网络)。
设备1000可被配置成便携式/手持式设备，诸如移动电话或智能电话和/或计算机系统，诸如膝上型计算机、笔记本、上网本、记事本，和/或平板系统，和/或其他常规和/或未来开发的设备。系统1000也可以被配置为非移动设备，诸如台式计算机、机顶盒，和/或游戏设备。然而，系统1000不仅限于这些示例。
图11是分析用户的购物历史的方法1100的流程图。
在1102，从包括与用户相关联的数据源的一个或多个数据源中提取数据。与用户相关联的数据可以包括购物数据，诸如涉及多个购买源以及用户的多个主题的计算机可读取的购物记录。可以如上文参考数据收集模块108(图1)和/或数据收集模块208(图2)所描述的那样执行提取。
在1104，基于所提取的数据，标识第一用户感兴趣的商品。
在1106，收集关于所感兴趣的商品的描述性数据。
在1108，基于对应的描述性数据，将用户感兴趣的商品聚集为商品组，其中簇的区别性特征表示用户的兴趣。
方法1100还可以包括在下列一个或多个示例中进一步描述的一个或多个特征。
图12是基于上下文关系，组织并有选择地公开众包的购物信息的系统1200的框图。
系统1200，或其一部分，可对应于众包系统或云服务器，诸如在上文的一个或多个示例中相对于云服务器550所描述的。系统1200的一部分可以对应于用户应用，诸如在此处的一个或多个示例中所描述的。
系统1200包括接收并匿名消费者购物信息1202的匿名器1204。消费者购物信息1202包括购买信息，包括由消费者购买的商品1206的指示，以及对应的元数据，或商品描述符1208。
商品描述符1208可以由消费者设备和/或消费者应用提供，和/或可以从一个或多个数据源中检索，诸如在此处的一个或多个示例中所描述的。
系统1200进一步包括分析模块1210，用于从至少所述消费者的子集的购物信息，导出数据1212。导出的数据1212可包括基于群众的购物量度，诸如在此处的一个或多个示例中所描述的。
系统1200进一步包括存储器1214，用于保存匿名的消费者购物信息1216以及导出的数据1212，作为众包的购物信息1218。存储器1214可包括集中式和/或分布式存储器系统，并可包括数据库和/或数据库服务器。
系统1200进一步包括聚集模块1220，用于基于商品的相关性，将由消费者购买的商品1206分组到簇1222。可以根据商品描述符1208确定商品1206的相关性。
系统1200进一步包括关键字分配模块1224，用于向每一组商品或簇1222分配基于群众的关键字1226。每一组或簇1222以及相关联的关键字都表示基于群众的兴趣。
系统1200进一步包括关键字比较模块1228，用于将基于群众的关键字1226和与多个用户中的每一个相关联的一组一个或多个关键字进行比较，以标识每一个用户的一组一个或多个共同的关键字。在图12中，基于与用户A相关联的一组一个或多个关键字1230，为用户A标识一组一个或多个共同的关键字1232。
系统1200进一步包括查询处理程序1234，用于向用户A公开众包的购物信息1218的一部分(如果该部分涉及与用户A相关联的共同的关键字1232)。
查询处理程序1234可以被配置成基于共同的关键字1232，对来自用户A的查询作出响应。可以通过可以在用户设备上运行的用户应用，服务器系统(例如，Web应用)，以及其组合，提交查询，并对其作出响应。查询可以由用户和/或由用户应用编写。查询处理程序1234可以被配置成在响应查询时考虑上下文信息1236。
以下示例关于进一步的实施例。
示例1是一种基于众包购物信息和用户之间的上下文关系，组织并有选择地公开所述众包的购物信息的方法，包括：接收消费者的购物信息，包括从所述消费者的计算机可读取的采购记录中提取的信息；从至少所述消费者的子集的所述购物信息，导出量度，包括导出基于群众的购物行为模式、导出基于群众的购物偏好、导出购物趋势，推断一个商品的可用性信息，以及推断促销活动中的一项或多项；标识由所述消费者购买的商品，并基于所述商品的相关性，分组所述商品；向每一组商品分配基于群众的关键字，其中，每一关键字都表示基于群众的兴趣；将所述基于群众的关键字和与多个用户中的每一个相关联的关键字进行比较，以标识每一个用户的一组一个或多个共同的关键字；标识涉及用户的共同的关键字的众包购物信息，其中，所述众包的购物信息包括所述消费者的所述购物信息和所述量度；以及，向所述用户公开所述标识的众包购物信息。
在示例2中，相对于商品、商品描述符、购买源、购买位置、购买日期、购买时间、购买价格、支付形式、支付资金的源、商品被购买时的购买促销、商品元数据、商品标签数据、商品品牌数据、商品成份，以及商品认证中的一项或多项，导出所述量度。
在示例3中，示例1或2相对于消费者的上下文购物信息，导出量度，上下文购物信息包括下列各项中的一项或多项，购买了商品的购物旅行、在所述购物旅行过程中购买的其他商品、消费者购物单、在购物旅行过程中访问的源、购物旅行的行驶路线、在购物旅行过程中访问的源的顺序、在购物旅行过程中访问的每一源处购买的商品、商品的购买的频率、在购物旅行过程中购买的商品的组合、在一个源处购买的商品的组合、购物旅行的次数、购物的地理区域、所述地理区域内的交通流量信息、以及所述购物的时间窗口、所述时间窗口内的所述地理区域的气象信息、所述时间窗口内的消费者日历事件，一个时间窗口内的公共事件。
在示例4中，任何一个前面的示例的导出量度包括相对于售主导出可用性信息，其中，可用性信息包括从售主能得到的商品的类型、从售主能得到的商品的存货量，以及从所述源能得到的商品的成本中的一项或多项，商品的成本包括所述商品的价格以及适用于所述商品的购物奖励中的一项或多项，所述购物奖励包括赠券、折扣、信用，以及消费者奖赏中的一项或多项。
在示例5中，任何一个前面的示例的导出量度包括基于消费者的电子购物记录，确定从售主能得到的商品的类型。
在示例6中，任何一个前面的示例的导出量度包括基于包括所述第一商品的电子消费者购物单，由所述相应的消费者从所述第一售主购买的商品的电子记录，以及由所述相应的消费者在对所述第一售主的访问之后从一个或多个其他售主购买的商品的电子记录，推断第一商品相对于第一售主的可用性信息。
在示例7中，示例6的导出量度进一步包括基于所述电子消费者购物单以及由所述相应的消费者从所述第一卖主以及所述一个或多个其他卖主购买的商品的所述电子记录，推断第二商品是所述第一商品的替代方案。
在示例8中，任何一个前面的示例的所述导出量度包括导出相对于商品的购买价格、所述商品的购买奖励，以及所述商品的库存中的一项或多项的循环趋势。
在示例8中，任何一个前面的示例的所述导出量度包括评估消费者随着时间的推移从售主的购物，以标识购物量的变化，并基于购物量的所述变化的程度，推断促销活动。
在示例10中，任何一个前面的示例进一步包括使所述众包的购物信息匿名，包括从所述消费者的所述购物信息中删除个人标识信息和帐户信息，并过滤向所述用户公开的所述众包的购物信息，以从向所述用户公开的所述众包的购物信息中排除消费者的标识。
在示例11中，任何一个前面的示例中的用户是消费者，与用户相关联在前面的或多个关键字组表示消费者感兴趣的商品类型。
在示例12中，示例11进一步包括：从包括所述消费者的计算机可读取的购物记录的源的一个或多个数据源，提取与所述消费者相关的信息，基于所述提取的信息，标识所述消费者感兴趣的商品，基于所述商品的相关性，分组所标识的所述消费者感兴趣的商品，以及，将关键字与所述消费者感兴趣的每一组商品相关联，其中，所述消费者的所述关键字表示所述消费者感兴趣的商品的相应的类型。
在示例13中，示例12进一步包括基于所述消费者感兴趣的所述商品，以及下列各项中的一项或多项：从与所述消费者相关的所述提取的信息导出的所述消费者的行为模式、从与消费者相关的所述提取的信息以及所述消费者行为模式、与由所述消费者的购物相关联的上下文信息，中的一项或多项导出的所述消费者的购物偏好；以及，向所述消费者公开的众包的购物信息，为所述消费者生成购物建议。
在示例14中，所述生成购物建议包括生成要购买的商品的购物单，以及生成购买所述购物单的商品的购物旅行的旅行计划，其中，所述旅行计划包括下列各项中的一项或多项：购买所述购物单的商品所在的源，在所述购物旅行过程中访问所述源的顺序，所述购物旅行的行驶路线，以及所述购物旅行的预定时间。
在示例15中，所述生成所述旅行计划包括基于包括下列各项中的一项或多项的消费者的多个购物偏好，生成所述旅行计划：最小化行驶时间，最小化在所述购物旅行过程中访问的源的数量，最小化行驶距离，以及最小化成本。
在示例16中，示例11到15中的任何一个进一步包括：如果由一个或多个其他消费者购买的商品涉及所述消费者的共同的关键字，将由一个或多个其他消费者购买的商品标识为所述消费者感兴趣的商品，并向所述消费者建议所述标识的商品，作为所述消费者感兴趣的商品。
在示例17中，示例1-10中的任何一个的用户是卖主，与所述用户相关联的所述一个或多个关键字组对应于从卖主能得到的商品的类型，导出量度包括基于从所述卖主能得到的商品的消费者购物，导出所述量度，公开包括向所述卖主公开所述量度。
在示例18中，示例17的导出量度包括下列各项中的一项或多项：基于从所述售主购买第一商品，导出所述量度，基于从一个或多个其他售主购买所述第一商品，导出所述量度，基于由购买了所述第一商品的消费者的购买其他商品，导出所述量度。
示例19是基于上下文关系来组织和呈现用户信息的方法，包括：从用户设备、用户帐户，以及用户的计算机可读取的购物记录中的一个或多个提取信息，从所述提取的信息，标识用户感兴趣的商品，检索商品的描述符，基于描述符的相关性来分组商品，将关键字与商品组相关联，其中，每一组商品以及对应的关键字表示用户的对应的兴趣，利用关键字中的每一个的选项卡式页面，配置浏览器，以及，通过浏览器界面的对应的选项卡式页面，提供对与用户兴趣中的每一个相关联的所提取的信息的访问。
示例20是被配置成执行示例1-18中的任何一个的方法的设备。
示例21是包括用于执行示例1-18中的任何一个的方法的装置的设备。
示例22是执行示例1-18中的任何一个的方法的计算机系统。
示例23是被配置为执行示例1-18中的任何一个的方法的通信设备。
示例24是包括根据示例1-18中的任何一个的芯片组的计算设备。
示例25是被配置成执行示例1-18中的任何一个的方法的处理器和存储器。在示例26中，示例25进一步包括用户界面和与通信网络和处理器和用户界面中的一个或多个连接的通信系统。
示例26是一种基于众包购物信息和用户之间的上下文关系，组织并有选择地公开所述众包的购物信息的系统，包括：众包服务器，用于接收消费者的购物信息，包括从所述消费者的计算机可读取的采购记录中提取的信息；分析模块，用于，从至少所述消费者的子集的所述购物信息，导出量度，其中，所述量度包括基于群众的购物行为模式、基于群众的购物偏好、购物趋势，一个商品的可用性信息，以及促销活动中的一项或多项；聚集模块，用于基于所述商品的相关性，分组所述消费者购买的商品；将向每一组商品分配基于群众的关键字的关键字分配模块，其中，每一关键字表示基于群众的兴趣；关键字比较模块，用于将所述基于群众的关键字和与多个用户中的每一个相关联的关键字进行比较，以标识每一个用户的一组一个或多个共同的关键字；以及，查询模块，用于标识涉及用户的共同的关键字的众包购物信息，并向用户公开标识的众包的购物信息，其中，所述众包的购物信息包括所述消费者的所述购物信息和所述量度。
在示例27中，分析模块被配置成相对于商品、商品描述符、购买源、购买位置、购买日期、购买时间、购买价格、支付形式、支付资金的源、商品被购买时的购买促销、商品元数据、商品标签数据、商品品牌数据、商品成份，以及商品认证中的一项或多项，导出所述量度。
在示例28中，示例26或27的分析模块被配置成相对于消费者的上下文购物信息，导出量度，上下文购物信息包括下列各项中的一项或多项，购买了商品的购物旅行、在所述购物旅行过程中购买的其他商品、消费者购物单、在购物旅行过程中访问的源、购物旅行的行驶路线、在购物旅行过程中访问的源的顺序、在购物旅行过程中访问的每一源处购买的商品、商品的购买的频率、在购物旅行过程中购买的商品的组合、在一个源处购买的商品的组合、购物旅行的次数、购物的地理区域、所述地理区域内的交通流量信息、以及所述购物的时间窗口、所述时间窗口内的所述地理区域的气象信息、所述时间窗口内的消费者日历事件，一个时间窗口内的公共事件。
在示例29中，示例26-28中的任何一个的分析模块被配置成相对于售主导出可用性信息，可用性信息包括从所述售主能得到的商品的类型、从所述售主能得到的商品的存货量，以及从所述源能得到的商品的成本中的一项或多项，商品的成本包括所述商品的价格以及适用于所述商品的购物奖励中的一项或多项，所述购物奖励包括赠券、折扣、信用，以及消费者奖赏中的一项或多项。
在示例30中，示例26-29中的任何一个的分析模块被配置成基于消费者的电子购物记录来确定从售主能得到的商品的类型。
在示例31中，示例30的分析模块被配置成基于包括所述第一商品的电子消费者购物单，由所述相应的消费者从所述第一卖主购买的商品的电子记录，以及由所述相应的消费者在对所述第一卖主的访问之后从一个或多个其他卖主购买的商品的电子记录，推断第一商品相对于第一卖主的可用性信息。
在示例32中，示例31的分析模块进一步被配置成：基于所述电子消费者购物单以及由所述相应的消费者从所述第一卖主以及所述一个或多个其他卖主购买的商品的所述电子记录，推断第二商品是所述第一商品的替代方案。
在示例33中，示例26-32中的任何一个的分析模块被配置成导出相对于商品的购买价格、所述商品的购买奖励，以及所述商品的库存中的一项或多项的循环趋势。
在示例34中，示例26-33中的任何一个的分析模块被配置成：评估消费者随着时间的推移从卖主的购物，以标识所述购物量的变化，并基于所述购物量的所述变化的程度，推断促销活动。
在示例35中，示例26-34中的任何一个的系统进一步包括匿名器模块，用于，使所述众包的购物信息匿名，包括从所述消费者的所述购物信息中删除个人标识信息和帐户信息，并过滤向所述用户公开的所述众包的购物信息，以从向所述用户公开的所述众包的购物信息中排除消费者的标识。
在示例36中，示例26-35中的任何一个的用户是消费者，与用户相关联的一个或多个关键字组表示消费者感兴趣的商品类型。
在示例37中，示例36的系统进一步包括：数据收集模块，用于从包括消费者的计算机可读取的购物记录的源的一个或多个数据源，提取与消费者相关的信息，以及，基于所提取的信息，标识消费者感兴趣的商品；聚集模块，用于，基于所述商品的相关性，分组所标识的所述消费者感兴趣的商品；以及，将关键字与每一商品组相关联的关键字分配模块，其中，消费者的关键字表示消费者所感兴趣的商品的相应的类型。
在示例38中，示例37的系统进一步包括购物模块，用于，基于所述消费者感兴趣的所述商品，以及下列各项中的一项或多项：从与所述消费者相关的所述提取的信息导出的所述消费者的行为模式、从与消费者相关的所述提取的信息以及所述消费者行为模式、与由所述消费者的购物相关联的上下文信息，中的一项或多项导出的所述消费者的购物偏好；以及，向所述消费者公开的众包的购物信息，为所述消费者生成购物建议。
在示例39中，购物模块被配置成生成包括要购买的商品的购物单的购物建议，以及购买所述购物单的商品的购物旅行的旅行计划，其中，所述旅行计划包括下列各项中的一项或多项：购买所述购物单的商品所在的源，在所述购物旅行过程中访问所述源的顺序，所述购物旅行的行驶路线，以及所述购物旅行的预定时间。
在示例40中，购物模块被配置成：基于包括下列各项中的一项或多项的多个用户购物偏好，生成所述旅行计划：最小化行驶时间，最小化在所述购物旅行过程中访问的源的数量，最小化行驶距离，以及最小化成本。
在示例41中，示例36-40中的任何一个的分析模块被配置成：如果由一个或多个其他消费者购买的商品涉及所述消费者的共同的关键字，将由一个或多个其他消费者购买的商品标识为所述消费者感兴趣的商品，并向所述消费者建议所述标识的商品，作为所述消费者感兴趣的商品。
在示例42中，示例26-35中的任何一个中的用户是卖主，与所述用户相关联的所述一个或多个关键字组对应于从卖主能得到的商品的类型，分析模块被配置成基于从所述卖主能得到的商品的消费者购物，导出所述量度，查询模块被配置成向所述卖主公开所述量度。
在示例43中，示例42的分析模块被配置成：基于下列各项中的一项或多项：从所述卖主购买第一商品，从一个或多个其他卖主购买所述第一商品，由购买了所述第一商品的消费者的购买其他商品，导出所述量度。
示例44是编码有计算机程序的非瞬时的计算机可读介质，包括导致处理器执行以下操作的指令：接收消费者的购物信息，包括从所述消费者的计算机可读取的采购记录中提取的信息；从至少所述消费者的子集的所述购物信息，导出量度，其中，所述量度包括基于群众的购物行为模式、基于群众的购物偏好、购物趋势，一个商品的可用性信息，以及促销活动中的一项或多项；基于消费者的购物信息，标识所述消费者购买的商品；基于所述商品的相关性，分组所述消费者购买的商品；向每一组商品分配基于群众的关键字，其中，每一关键字都表示基于群众的兴趣；将所述基于群众的关键字和与多个用户中的每一个相关联的关键字进行比较，以标识每一个用户的一组一个或多个共同的关键字；以及，标识涉及用户的共同的关键字的众包购物信息，并向用户公开标识的众包的购物信息，其中，所述众包的购物信息包括所述消费者的所述购物信息和所述量度。
在示例45中，指令进一步包括导致处理器执行下列操作的指令：相对于商品、商品描述符、购买源、购买位置、购买日期、购买时间、购买价格、支付形式、支付资金的源、商品被购买时的购买促销、商品元数据、商品标签数据、商品品牌数据、商品成份，以及商品认证中的一项或多项，导出所述量度。
在示例46中，示例44或示例45的指令进一步包括导致处理器相对于消费者的上下文购物信息导出量度的指令，其中，上下文购物信息包括下列各项中的一项或多项，购买了商品的购物旅行、在所述购物旅行过程中购买的其他商品、消费者购物单、在购物旅行过程中访问的源、购物旅行的行驶路线、在购物旅行过程中访问的源的顺序、在购物旅行过程中访问的每一源处购买的商品、商品的购买的频率、在购物旅行过程中购买的商品的组合、在一个源处购买的商品的组合、购物旅行的次数、购物的地理区域、所述地理区域内的交通流量信息、以及所述购物的时间窗口、所述时间窗口内的所述地理区域的气象信息、所述时间窗口内的消费者日历事件，一个时间窗口内的公共事件。
在示例47中，示例44到46中的任何一个的指令进一步包括导致处理器相对于售主导出可用性信息的指令，其中，所述可用性信息包括从所述售主能得到的商品的类型、从所述售主能得到的商品的存货量，以及从所述源能得到的商品的成本中的一项或多项，商品的所述成本包括所述商品的价格以及适用于所述商品的购物奖励中的一项或多项，所述购物奖励包括赠券、折扣、信用，以及消费者奖赏中的一项或多项。
在示例48中，示例44到47中的任何一个的指令进一步包括导致处理器基于消费者的电子购物记录来确定从售主能得到的商品的类型的指令。
在示例49中，示例44到48中的任何一个的指令进一步包括导致处理器执行下列操作的指令：基于包括所述第一商品的电子消费者购物单，由所述相应的消费者从所述第一卖主购买的商品的电子记录，以及由所述相应的消费者在对所述第一卖主的访问之后从一个或多个其他卖主购买的商品的电子记录，推断第一商品相对于第一卖主的可用性信息。
在示例50中，示例49的指令进一步包括导致处理器执行下列操作的指令：基于所述电子消费者购物单以及由所述相应的消费者从所述第一卖主以及所述一个或多个其他卖主购买的商品的所述电子记录，推断第二商品是所述第一商品的替代方案。
在示例51中，示例44到50中的任何一个的指令进一步包括导致处理器执行下列操作的指令：导出相对于商品的购买价格、所述商品的购买奖励，以及所述商品的库存中的一项或多项的循环趋势。
在示例52中，示例44到51中的任何一个的指令进一步包括导致处理器执行下列操作的指令：评估消费者随着时间的推移从卖主的购物，以标识所述购物量的变化，并基于购物量的所述变化的程度，推断促销活动。
在示例53中，示例44到52中的任何一个的指令进一步包括导致处理器执行下列操作的指令：使所述众包的购物信息匿名，包括从所述消费者的所述购物信息中删除个人标识信息和帐户信息，并过滤向所述用户公开的所述众包的购物信息，以从向所述用户公开的所述众包的购物信息中排除消费者的标识。
在示例54中，示例44到53中的任何一个的用户是消费者，与用户相关联的一个或多个关键字组表示消费者感兴趣的商品类型。
在示例55中，示例54的指令包括导致处理器执行下列操作的指令：从包括消费者的计算机可读取的购物记录的源的一个或多个数据源，提取与消费者相关的信息，以及，基于所述提取的信息，标识所述消费者感兴趣的商品，基于所述商品的相关性，分组所述消费者感兴趣的商品，以及，将关键字与所述消费者感兴趣的每一组商品相关联，其中，所述消费者的所述关键字表示所述消费者的所感兴趣的商品所述相应的类型。
在示例56中，示例54或55的指令进一步包括导致处理器执行下列操作的指令：基于所述消费者感兴趣的所述商品，以及下列各项中的一项或多项：从与所述消费者相关的所述提取的信息导出的所述消费者的行为模式、从与消费者相关的所述提取的信息以及所述消费者行为模式、与由所述消费者的购物相关联的上下文信息，中的一项或多项导出的所述消费者的购物偏好；以及，向所述消费者公开的众包的购物信息，为所述消费者生成购物建议。
在示例57中，示例56的指令进一步包括导致处理器的指令：生成包括要购买的商品的购物单的购物建议，以及购买所述购物单的商品的购物旅行的旅行计划，所述旅行计划包括下列各项中的一项或多项：购买所述购物单的商品所在的源，在所述购物旅行过程中访问所述源的顺序，所述购物旅行的行驶路线，以及所述购物旅行的预定时间。
在示例58中，示例57的指令进一步包括导致处理器执行下列操作的指令：基于包括下列各项中的一项或多项的多个用户购物偏好，生成所述旅行计划：最小化行驶时间，最小化在所述购物旅行过程中访问的源的数量，最小化行驶距离，以及最小化成本。
在示例59中，示例54到58中的任何一个的指令进一步包括导致处理器执行下列操作的指令：如果由一个或多个其他消费者购买的商品涉及所述消费者的共同的关键字，将由一个或多个其他消费者购买的商品标识为所述消费者感兴趣的商品，并向所述消费者建议所标识的商品，作为所述消费者感兴趣的商品。
在示例60中，示例44到53中的任何一个的用户是卖主，与所述用户相关联的所述一个或多个关键字组对应于从所述卖主能得到的商品的类型，指令包括导致处理器基于从所述卖主能得到的商品的消费者购物，导出所述量度，以及向所述卖主公开所述量度。
在示例61中，示例60的指令进一步包括导致处理器执行下列操作的指令：基于下列各项中的一项或多项：从所述卖主购买第一商品，从一个或多个其他卖主购买所述第一商品，由购买了所述第一商品的消费者的购买其他商品，导出所述量度。
示例62是基于上下文关系来组织和有选择地公开众包的购物信息的方法，包括：接收消费者的购物信息，包括从所述消费者的计算机可读取的购买记录中提取的信息；从至少所述消费者的子集的所述购物信息，导出众包的购物量度；组合购物信息和购物量度，作为众包的购物信息；基于所述商品的相关性，分组所述消费者购买的商品；向每一组商品分配基于群众的关键字，其中，每一组商品和相关联的关键字都表示基于群众的兴趣；将所述基于群众的关键字和与多个用户中的每一个相关联的关键字进行比较，以标识每一个用户的一组一个或多个共同的关键字；以及，向用户公开众包的购物信息的一部分，如果该部分涉及用户的共同的关键字。
示例63是基于上下文关系来组织和有选择地公开众包的购物信息的系统，包括：接收多个消费者的购物信息的群众-源数据库；分析模块，用于从至少所述消费者的子集的所述购物信息，导出众包的购物量度；其中，群众源数据库被配置成存储购物信息以及购物量度，作为众包的购物信息；聚集模块，用于基于所述商品的相关性，分组所述消费者购买的商品；将向每一组商品分配基于群众的关键字的关键字分配模块，其中，每一组商品以及相关联的关键字表示基于群众的兴趣；关键字比较模块，用于将所述基于群众的关键字和与多个用户中的每一个相关联的关键字进行比较，以标识每一个用户的一组一个或多个共同的关键字；以及，查询处理程序，用于向用户公开众包的购物信息的一部分(如果该部分涉及用户的共同的关键字)。
示例64是编码有计算机程序的非瞬时的计算机可读介质，包括导致处理器执行以下操作的指令：接收消费者的购物信息；从至少所述消费者的子集的所述购物信息，导出众包的购物量度；组合购物信息和购物量度，作为众包的购物信息；基于所述商品的相关性，分组所述消费者购买的商品；向每一组商品分配基于群众的关键字，其中，每一组商品和相关联的关键字都表示基于群众的兴趣；将所述基于群众的关键字和与多个用户中的每一个相关联的关键字进行比较，以标识每一个用户的一组一个或多个共同的关键字；以及，向用户公开众包的购物信息的一部分如果该部分涉及用户的共同的关键字。
示例65是基于上下文关系来组织和呈现用户信息的系统，包括：数据收集系统，用于从用户设备、用户帐户，以及用户的计算机可读取的购物记录中的一个或多个中提取信息的，从所提取的信息标识用户感兴趣的商品，以及检索商品的描述符；基于描述符的相关性来分组商品的聚集模块；将关键字与商品组相关联的关键字分配模块，其中，每一组商品以及对应的关键字表示用户的兴趣中的对应的兴趣；以及，选项卡式浏览器界面，用于通过浏览器的对应的选项卡式页面，提供对与用户兴趣中的每一个相关联的所提取的信息的访问。
示例66是编码有计算机程序的非瞬时的计算机可读介质，包括导致处理器执行以下操作的指令：从用户设备、用户帐户，以及用户的计算机可读取的购物记录中的一个或多个提取信息；从所述提取的信息，标识用户感兴趣的商品；检索商品的描述符；基于描述符的相关性来分组商品；将关键字与商品组相关联，其中，每一组商品以及对应的关键字表示用户的对应的兴趣；利用关键字中的每一个的选项卡式页面，配置浏览器；以及，通过浏览器界面的对应的选项卡式页面，提供对与用户兴趣中的每一个相关联的所提取的信息的访问。
方法和系统在本文中是借助示出其功能、特征和关系的功能性构造框来披露的。为描述方便起见，在本文中任意地定义了这些功能性构造框的边界的至少一些。可定义替代的边界，只要指定功能及其关系能适当地实现。尽管本文披露了多个实施例，然而应当理解它们是作为示例给出的。因此，权利要求书的范围不仅限于本文披露的任何示例实施例。

Claims (24)

1.一种设备，包括处理器和存储器，配置成：
接收消费者的购物信息，包括从所述消费者的计算机可读取的采购记录中提取的信息以及从移动设备的一个或多个传感器接收的上下文数据；
从至少所述消费者的子集的所述购物信息，自动导出量度，其中所述导出包括导出基于群众的购物行为模式、导出基于群众的购物偏好、导出购物趋势，推断一个商品的可用性信息，以及推断促销活动中的一项或多项，其中所述基于群众的购物行为模式和所述基于群众的购物偏好是基于在多个时间从多个购物位置进行的多次不同购物的信息；
标识由所述消费者购买的商品，并基于所述商品的相关性，分组所述商品；
向每一组商品分配基于群众的关键字，其中每一关键字都表示所导出的基于群众的兴趣；
将所述基于群众的关键字和与多个用户中的每一个相关联的关键字进行比较，以标识每一个用户的一组一个或多个共同的关键字；
标识涉及用户的共同的关键字的众包购物信息，其中所述众包的购物信息包括所述消费者的所述购物信息和所述量度；以及
向所述用户公开所述标识的众包购物信息。
2.如权利要求1所述的设备，其特征在于，所述处理器和存储器进一步配置成相对于商品、商品描述符、购买源、购买位置、购买日期、购买时间、购买价格、支付形式、支付资金的源、商品被购买时的购买促销、商品元数据、商品标签数据、商品品牌数据、商品成份以及商品认证中的一项或多项，导出所述量度。
3.如权利要求1所述的设备，其特征在于，所述处理器和存储器进一步配置成相对于消费者的上下文购物信息，导出量度，其中上下文购物信息包括下列各项中的一项或多项，购买了商品的购物旅行、在所述购物旅行过程中购买的其他商品、消费者购物单、在购物旅行过程中访问的源、购物旅行的行驶路线、在购物旅行过程中访问的源的顺序、在购物旅行过程中访问的每一源处购买的商品、商品的购买的频率、在购物旅行过程中购买的商品的组合、在一个源处购买的商品的组合、购物旅行的次数、购物的地理区域、所述地理区域内的交通流量信息、以及所述购物的时间窗口、所述时间窗口内的所述地理区域的气象信息、所述时间窗口内的消费者日历事件，一个时间窗口内的公共事件。
4.如权利要求1所述的设备，其特征在于，所述处理器和存储器进一步配置成导出所述量度，所述量度包括相对于售主的可用性信息，其中所述可用性信息包括从所述售主能得到的商品的类型、从所述售主能得到的商品的存货量，以及从各种源能得到的商品的成本中的一项或多项，商品的成本包括所述商品的价格以及适用于所述商品的购物奖励中的一项或多项，以及所述购物奖励包括赠券、折扣、信用，以及消费者奖赏中的一项或多项。
5.如权利要求1所述的设备，其特征在于，所述处理器和存储器进一步配置成执行以下的一项或多项：
基于消费者的电子购物记录来确定从售主能得到的商品的类型；
基于包括第一商品的电子消费者购物单，由相应的消费者从第一卖主购买的商品的电子记录，以及由所述相应的消费者在对所述第一卖主的访问之后从一个或多个其他卖主购买的商品的电子记录，推断第一商品相对于第一卖主的可用性信息；
基于所述电子消费者购物单以及由相应的消费者从第一卖主以及所述一个或多个其他卖主购买的商品的电子记录，推断第二商品是所述第一商品的替代方案；
导出相对于商品的购买价格、所述商品的购买奖励以及所述商品的库存中的一项或多项的循环趋势；以及
评估消费者随着时间的推移从卖主的购物，以标识所述购物量的变化，并基于所述购物量的所述变化的程度，推断促销活动。
6.如权利要求1所述的设备，其特征在于，所述用户是消费者，所述与所述用户相关联的一个或多个关键字组表示所述消费者感兴趣的商品类型，其中所述处理器和存储器进一步配置成：
从包括所述消费者的计算机可读取的购物记录的源的一个或多个数据源，提取与所述消费者相关的信息；
基于所述提取的信息，标识所述消费者感兴趣的商品；
基于所述商品的相关性，分组所标识的所述消费者感兴趣的商品；以及
将关键字与所述消费者感兴趣的每一组商品相关联，其中所述消费者的所述关键字表示所述消费者感兴趣的商品的相应的类型。
7.如权利要求6所述的设备，其特征在于，所述处理器和存储器进一步配置成基于所述消费者感兴趣的商品，以及下列各项中的一项或多项为所述消费者生成购物建议：从与所述消费者相关的所述提取的信息导出的所述消费者的行为模式、从所述提取的信息以及所述消费者行为模式、与由所述消费者的购物相关联的上下文信息中的一项或多项导出的所述消费者的购物偏好；以及向所述消费者公开的众包的购物信息。
8.如权利要求7所述的设备，其特征在于，所述处理器和存储器进一步配置成生成要购买的商品的购物单，以及购买所述购物单的商品的购物旅行的旅行计划，其中，所述旅行计划包括下列各项中的一项或多项：购买所述购物单的商品所在的源，在所述购物旅行过程中访问所述源的顺序，所述购物旅行的行驶路线，以及所述购物旅行的预定时间。
9.如权利要求8所述的设备，其特征在于，所述处理器和存储器进一步配置成基于包括下列各项中的一项或多项的多个用户购物偏好，生成所述旅行计划：最小化行驶时间；最小化在所述购物旅行过程中访问的源的数量；最小化行驶距离；以及最小化成本。
10.如权利要求6所述的设备，进一步包括如果由一个或多个其他消费者购买的商品涉及所述消费者的共同的关键字，将由一个或多个其他消费者购买的商品标识为所述消费者感兴趣的商品，并向所述消费者建议所标识的商品，作为所述消费者感兴趣的商品。
11.如权利要求7所述的设备，其特征在于，所述用户是卖主，其中与所述用户相关联的所述一个或多个关键字组对应于从所述卖主能得到的商品的类型，其中所述处理器和存储器进一步配置成基于从所述卖主能得到的商品的消费者购物，导出所述量度，以及向所述卖主公开所述量度。
12.一种方法，包括：
接收消费者的购物信息，包括从所述消费者的计算机可读取的购物记录中提取的信息以及从移动设备的一个或多个传感器接收的上下文数据；
从至少所述消费者的子集的所述购物信息，自动导出量度，其中，所述导出包括导出基于群众的购物行为模式、导出基于群众的购物偏好、导出购物趋势，推断一个商品的可用性信息，以及推断促销活动中的一项或多项，其中所述基于群众的购物行为模式和所述基于群众的购物偏好是基于在多个时间从多个购物位置进行的多次不同购物的信息；
标识由所述消费者购买的商品，并基于所述商品的相关性，分组所述商品；
向每一组商品分配基于群众的关键字，其中每一关键字都表示所导出的基于群众的兴趣；
将所述基于群众的关键字和与多个用户中的每一个相关联的关键字进行比较，以标识每一个用户的一组一个或多个共同的关键字；
标识涉及用户的共同的关键字的众包购物信息，其中所述众包的购物信息包括所述消费者的所述购物信息和所述量度；以及
向所述用户公开所述标识的众包购物信息。
13.如权利要求12所述的方法，进一步包括相对于商品、商品描述符、购买源、购买位置、购买日期、购买时间、购买价格、支付形式、支付资金的源、商品被购买时的购买促销、商品元数据、商品标签数据、商品品牌数据、商品成份以及商品认证中的一项或多项，导出所述量度。
14.如权利要求12所述的方法，进一步包括，相对于所述消费者的上下文购物信息，导出所述量度，其中所述上下文购物信息包括下列各项中的一项或多项：购买了商品的购物旅行、在所述购物旅行过程中购买的其他商品、消费者购物单、在购物旅行过程中访问的源、购物旅行的行驶路线、在购物旅行过程中访问的源的顺序、在购物旅行过程中访问的每一源处购买的商品、商品的购买的频率、在购物旅行过程中购买的商品的组合、在一个源处购买的商品的组合、购物旅行的次数、购物的地理区域、所述地理区域内的交通流量信息、以及所述购物的时间窗口、所述时间窗口内的所述地理区域的气象信息、所述时间窗口内的消费者日历事件，一个时间窗口内的公共事件。
15.如权利要求12所述的方法，其特征在于，所述导出量度包括相对于卖主导出可用性信息，其中，
所述可用性信息包括从所述卖主能得到商品的类型、从所述卖主能得到的商品的存货量以及从各种源能得到的商品的成本中的一项或多项，
商品的所述成本包括所述商品的价格以及适用于所述商品的购物奖励中的一项或多项，所述购物奖励包括赠券、折扣、信用以及消费者奖赏中的一项或多项。
16.如权利要求12所述的方法，其特征在于，所述导出量度包括基于消费者的电子购物记录，确定从卖主能得到的商品的类型；
基于包括第一商品的电子消费者购物单，由相应的消费者从第一卖主购买的商品的电子记录，以及由所述相应的消费者在对所述第一卖主的访问之后从一个或多个其他卖主购买的商品的电子记录，推断第一商品相对于第一卖主的可用性信息；
基于所述电子消费者购物单以及由相应的消费者从第一卖主以及所述一个或多个其他卖主购买的商品的电子记录，推断第二商品是所述第一商品的替代方案；
导出相对于商品的购买价格、所述商品的购买奖励，以及所述商品的库存中的一项或多项的循环趋势；以及
评估消费者随着时间的推移从卖主的购物，以标识购物量的变化，并基于购物量的所述变化的程度，推断促销活动。
17.如权利要求12所述的方法，其特征在于，所述用户是消费者，所述与所述用户相关联的一个或多个关键字组表示所述消费者感兴趣的商品类型所述方法进一步包括：
从包括所述消费者的计算机可读取的购物记录的源的一个或多个数据源，提取与所述消费者相关的信息；
基于所述提取的信息，标识所述消费者感兴趣的商品；
基于所述商品的相关性，分组所标识的所述消费者感兴趣的商品；以及
将关键字与所述消费者感兴趣的每一组商品相关联，其中所述消费者的所述关键字表示所述消费者感兴趣的商品的相应的类型。
18.如权利要求17所述的方法，进一步包括，基于所述消费者感兴趣的商品，以及下列各项中的一项或多项为所述消费者生成购物建议：从与所述消费者相关的所述提取的信息导出的所述消费者的行为模式、从所述提取的信息以及所述消费者行为模式、与由所述消费者的购物相关联的上下文信息中的一项或多项导出的所述消费者的购物偏好；以及向所述消费者公开的众包的购物信息。
19.如权利要求18所述的方法，其特征在于，所述生成购物建议包括生成要购买的商品的购物单，以及生成购买所述购物单的商品的购物旅行的旅行计划，其中所述旅行计划包括下列各项中的一项或多项：购买所述购物单的商品所在的源，在所述购物旅行过程中访问所述源的顺序，所述购物旅行的行驶路线，以及所述购物旅行的预定时间。
20.如权利要求19所述的方法，其特征在于，所述生成所述旅行计划包括基于包括下列各项中的一项或多项的多个用户购物偏好，生成所述旅行计划：最小化行驶时间；最小化在所述购物旅行过程中访问的源的数量；最小化行驶距离；以及最小化成本。
21.如权利要求17所述的方法，进一步包括如果由一个或多个其他消费者购买的商品涉及所述消费者的共同的关键字，将由一个或多个其他消费者购买的商品标识为所述消费者感兴趣的商品，并向所述消费者建议所标识的商品，作为所述消费者感兴趣的商品。
22.如权利要求12所述的方法，其特征在于，所述用户是卖主，与所述用户相关联的所述一个或多个关键字组对应于从所述卖主能得到的商品的类型，所述导出量度包括基于从所述卖主能得到的商品的消费者购买商品，导出所述量度，所述公开包括向所述卖主公开所述量度。
23.一种机器可读介质，包括代码，所述代码在被执行时导致机器执行权利要求12-22中的任一项所述的方法。
24.一种设备，包括用于执行根据权利要求12-22中的任一项所述的方法的装置。
CN201480030023.5A 2013-06-24 2014-05-20 数字收据经济 Expired - Fee Related CN105247552B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201361838340P 2013-06-24 2013-06-24
US61/838,340 2013-06-24
PCT/US2014/038759 WO2014209517A1 (en) 2013-06-24 2014-05-20 Digital receipts economy

Publications (2)

Publication Number Publication Date
CN105247552A CN105247552A (zh) 2016-01-13
CN105247552B true CN105247552B (zh) 2020-09-08

Family

ID=52142547

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480030023.5A Expired - Fee Related CN105247552B (zh) 2013-06-24 2014-05-20 数字收据经济

Country Status (6)

Country Link
US (2) US20160048856A1 (zh)
EP (1) EP3014553A4 (zh)
JP (1) JP6232495B2 (zh)
KR (1) KR20150138310A (zh)
CN (1) CN105247552B (zh)
WO (1) WO2014209517A1 (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105247566B (zh) 2013-06-23 2020-10-16 英特尔公司 基于上下文关系选择性地公开信息的方法、装置、介质
US10311362B1 (en) * 2014-12-12 2019-06-04 Amazon Technologies, Inc. Identification of trending content using social network activity and user interests
US20160292764A1 (en) * 2015-04-04 2016-10-06 Feliks Kravets System and method for generating a store directory based on a personalized shopping list
CN106408483A (zh) * 2016-08-31 2017-02-15 国信优易数据有限公司 一种气象云智能商务方法与系统
US10531286B2 (en) * 2016-10-24 2020-01-07 Facebook, Inc. Methods and systems for auto-completion of anonymized strings
WO2019125542A1 (en) 2017-12-22 2019-06-27 Google Llc Electronic list user interface
KR102395746B1 (ko) * 2017-12-22 2022-05-09 구글 엘엘씨 전자 리스트 사용자 인터페이스
CN111275528B (zh) * 2020-01-20 2023-04-25 可可奇货(深圳)科技有限公司 一种基于大众参与的商品信息产生和管理平台
CN111612588B (zh) * 2020-05-27 2023-12-26 腾讯科技（深圳）有限公司 商品呈现方法及装置、计算设备、计算机可读存储介质
US20220327584A1 (en) * 2021-04-13 2022-10-13 Nayya Health, Inc. Machine-Learning Driven Pricing Guidance

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1989514A (zh) * 2004-05-19 2007-06-27 日本电气株式会社 用户偏好推断装置、用户概况推断装置和机器人
CN102254028A (zh) * 2011-07-22 2011-11-23 青岛理工大学 一种集成属性和结构相似性的个性化商品推荐方法和系统

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU4825900A (en) * 1999-05-05 2000-11-17 Decide.Com Web-based comparison shopping for consumer services
JP2001229285A (ja) * 2000-02-18 2001-08-24 Sumisho Computer Systems Corp 販売促進支援装置および方法、記録媒体
US8229777B2 (en) * 2000-10-10 2012-07-24 Intragroup, Inc. Automated system and method for managing a process for the shopping and selection of human entities
US7596513B2 (en) * 2003-10-31 2009-09-29 Intuit Inc. Internet enhanced local shopping system and method
CN101073094A (zh) * 2004-08-17 2007-11-14 利虎公司 通用网络营销系统
US20070174115A1 (en) * 2004-09-01 2007-07-26 International Business Machines Corporation In-store consumer-based personalized offer presentation system and method
KR100739058B1 (ko) * 2005-03-30 2007-07-13 주식회사 모비젠 인스턴트 메시징을 이용한 즉석 주문 시스템 및 그 방법과,인스턴트 메시징을 이용한 즉석 지식 서비스 시스템 및 그방법
JP4822317B2 (ja) * 2005-10-03 2011-11-24 Ｋｄｄｉ株式会社 レコメンド方法およびシステムならびにレコメンドプログラムおよびその記憶媒体
US8924250B2 (en) * 2007-09-13 2014-12-30 International Business Machines Corporation Advertising in virtual environments based on crowd statistics
JP5290119B2 (ja) * 2009-10-16 2013-09-18 株式会社エヌ・ティ・ティ・ドコモ サービス提供システム及びサービス提供方法
US20110307294A1 (en) * 2010-06-10 2011-12-15 International Business Machines Corporation Dynamic generation of products for online recommendation
US20120004954A1 (en) * 2010-07-02 2012-01-05 International Business Machines Corporation Crowd-Sourced Shopping List Augmentation
US9141987B2 (en) * 2010-11-15 2015-09-22 Microsoft Technology Licensing, Llc System, method, and medium for generating a map of a geographic region based on client location data
US8671353B1 (en) * 2010-12-13 2014-03-11 Amazon Technologies, Inc. Use of a relationship graph for product discovery
US20130054351A1 (en) * 2011-07-29 2013-02-28 Peter Krugman User-curated business recommendations
US20140052562A1 (en) * 2012-08-17 2014-02-20 Ebay Inc. System and method for interactive and social shopping
US20140172502A1 (en) * 2012-12-19 2014-06-19 Target Brands, Inc. Consumer walker reports
US10825074B1 (en) * 2020-02-06 2020-11-03 Capital One Services, Llc Methods and systems for anonymizing and providing access to transaction data

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1989514A (zh) * 2004-05-19 2007-06-27 日本电气株式会社 用户偏好推断装置、用户概况推断装置和机器人
CN102254028A (zh) * 2011-07-22 2011-11-23 青岛理工大学 一种集成属性和结构相似性的个性化商品推荐方法和系统

Also Published As

Publication number Publication date
KR20150138310A (ko) 2015-12-09
JP6232495B2 (ja) 2017-11-15
WO2014209517A1 (en) 2014-12-31
EP3014553A1 (en) 2016-05-04
CN105247552A (zh) 2016-01-13
US20160048856A1 (en) 2016-02-18
EP3014553A4 (en) 2017-01-04
JP2016526712A (ja) 2016-09-05
US20200273054A1 (en) 2020-08-27

Similar Documents

Publication Publication Date Title
US20200273054A1 (en) Digital receipts economy
Boone et al. Forecasting sales in the supply chain: Consumer analytics in the big data era
US11308541B2 (en) Next generation improvements in recommendation systems
US11587116B2 (en) Predictive recommendation system
US10726438B2 (en) Personalized contextual coupon engine
US10769672B2 (en) System and method providing personalized recommendations
US20120246000A1 (en) Techniques to capture context and location information and utilize heuristics to turn location tracked over time and context information into semantic location information
US20190026812A9 (en) Further Improvements in Recommendation Systems
US20160012512A1 (en) Lifestyle recommendation system
US20100324972A1 (en) Real-time, demand-based dynamic pricing system and method
US20180240158A1 (en) Computer implemented system and method for customer profiling using micro-conversions via machine learning
US20110246300A1 (en) Techniques to determe when an internet user is in-market for a specific product and determining general shopping preferences and habits of internet users
US10579647B1 (en) Methods and systems for analyzing entity performance
US20220108374A1 (en) Smart Basket for Online Shopping
Chatzidimitris et al. A location history-aware recommender system for smart retail environments
US20110246214A1 (en) Techniques to identify in-market purchasing interests
US20110246469A1 (en) Techniques to capture context and location information and utilize heuristics to turn location tracked over time and context information into semantic location information
US20140249885A1 (en) System and method for customized search results based on a shopping history of a user, retailer identifications, and items being promoted by retailers
US11861882B2 (en) Systems and methods for automated product classification
JP2020095561A (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
JP7195293B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
JP7039500B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
JP2021047551A (ja) 特定装置、特定方法及び特定プログラム
JP2020091816A (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
JP2022128172A (ja) 情報処理装置及びプログラム

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200908

Termination date: 20210520

CF01 Termination of patent right due to non-payment of annual fee