CN106779793A - 适地性社群融合媒合销售最佳化系统和方法 - Google Patents

适地性社群融合媒合销售最佳化系统和方法 Download PDF

Info

Publication number
CN106779793A
CN106779793A CN201510867089.6A CN201510867089A CN106779793A CN 106779793 A CN106779793 A CN 106779793A CN 201510867089 A CN201510867089 A CN 201510867089A CN 106779793 A CN106779793 A CN 106779793A
Authority
CN
China
Prior art keywords
user
community
advertisement
information
suitable ground
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
CN201510867089.6A
Other languages
English (en)
Inventor
陈奕钧
杨得年
谢沛宇
林蔚君
詹雅慧
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.)
Institute for Information Industry
Original Assignee
Institute for Information Industry
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 Institute for Information Industry filed Critical Institute for Information Industry
Publication of CN106779793A publication Critical patent/CN106779793A/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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0204—Market segmentation
    • G06Q30/0205—Location or geographical consideration
    • 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
    • G06Q30/0206—Price or cost determination based on market factors
    • 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
    • G06Q30/0242—Determining effectiveness of advertisements
    • G06Q30/0246—Traffic
    • 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
    • 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
    • G06Q30/0261—Targeted advertisements based on user location
    • 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
    • G06Q30/0277—Online advertisement

Abstract

本发明提供一种适地性社群融合媒合销售最佳化系统和方法，包括：依据商家信息与使用者行为序列信息获得查询区域范围内的使用者行为模式；依据使用者行为模式与社群关联及行为信息计算查询区域范围内每一使用者影响社群中具适地性其他使用者的适地性社群影响度，并计算每一使用者对各兴趣领域的兴趣领域影响度；依据适地性社群影响度与兴趣领域影响度以获得每一使用者于各兴趣领域的影响力扩散程度；并找出查询区域范围中影响程度大的范围进行广告配置，以达到区域实体商家的营销通路最佳化分析及来客数最大化的目的。

Description

适地性社群融合媒合销售最佳化系统和方法
技术领域
本发明提供一种以社群、空间、时间、成本为基础之多维度媒合销售最佳化系统及方法，且特别是一种尤指一种透过同时结合虚拟社区，及现实生活中的移动行动与时间效应间，相互作用的使用者行为和业者期望广告营销点配置间的关系，设法于有限的广告营销预算，最大化多营销通路选取与来客数之间的关联，协助业者将预算有效分配至多个营销通路追求最大效益的智能系统及方法。
背景技术
广告营销有助于提升产品的销售量。现行广告和供应链管理解决方案一般视顾客为一单一个体。然而，并不是每个人都能够独立做出购买决策。已有先前研究显示使用者不太愿意去相信商业广告，但容易受到朋友的影响做出购买决策。若有来自社群网络上好友的推荐，使用者购买商品的可能性会增加。因此，有相当多消费者仰赖社群网络上好友的评价来做购买决定与否的判断。
然而，现行店家或通路业者选取顾客营销通路(如简讯、广告牌、实体DM、Beacon等)的考虑，未包含社群网络影响元素。现有营销方式为针对“群体”营销效益，进行营销导店标的的选取最佳化为原则。现有营销方式并未考虑对“单一使用者”营销之后，透过社群关系所产生的营销效益，以及营销策略/成本间的影响。另外，现有的社群营销则着重在在线贩卖的商品，并未注意到实体商店导客入店之位置特性与限制。并且，基于地理空间维度，在社群扩散效应中距离远的对象不易到所述商店消费，但仍有可能将营销信息帮忙扩散的特性也并未被考虑。
发明内容
本发明实施例提供一种适地性社群融合媒合销售最佳化系统、方法及计算机可读取记录媒体，可配合社群媒体并依据使用者的行为模式，以分析适用于实体商家的营销通路最佳化分析，以达到来客数最大化的目的。
本发明实施例提供一种适地性社群融合媒合销售最佳化系统(location based community integration matchmaking system foroptimizing sales)，包括需求接收与信息搜集模块、数据库模块、顾客移动与消费行为分析模块、社群影响力与扩散计算模块以及营销通路配置最佳化演算模块。需求接收与信息搜集模块接收应用在查询区域范围内的广告配置需求，并依据广告配置需求搜集商家信息、获得对于多个使用者的社群关联及行为信息、获得对于所述使用者的使用者行为序列信息，以及获得广告候选位置信息，以产生适地性网络结构图。数据库模块耦接需求接收与信息搜集模块，储存商家信息、使用者行为序列信息、社群关联及行为信息，以及广告通路模式及通路成本信息。顾客移动与消费行为分析模块耦接需求接收与信息搜集模块以及数据库模块，依据商家信息与使用者行为序列信息获得查询区域范围内的所述使用者的行为模式。社群影响力与扩散计算模块耦接顾客移动与消费行为分析模块以及数据库模块，依据所述使用者的行为模式与社群关联及行为信息计算查询区域范围内每一使用者影响一社群中具适地性其他使用者的适地性社群影响度，并且计算每一使用者对于各个兴趣领域的兴趣领域影响度，然后依据计算查询区域范围每一使用者之所述适地性社群影响度与所述兴趣领域影响度以获得每一使用者对于各个兴趣领域的影响力扩散程度。营销通路配置最佳化演算模块耦接社群影响力与扩散计算模块以及数据库模块，基于已知的每一使用者被查询区域范围内可配置的多个广告候选位置影响的机率、每一使用者对于各个兴趣领域的影响力扩散程度以及预算进行广告配置的最佳化。
本发明实施例提供一种适地性社群融合媒合销售最佳化方法，包括：接收应用在查询区域范围内的广告配置需求；依据广告配置需求搜集商家信息、获得对于多个使用者的社群关联及行为信息、获得对于所述使用者的使用者行为序列信息，以及获得广告候选位置信息，以产生适地性网络结构图；依据商家信息与使用者行为序列信息获得查询区域范围内的所述使用者的行为模式；依据所述使用者的行为模式与社群关联及行为信息计算计算每一使用者影响一社群中具适地性其他使用者的适地性社群影响度，并且计算每一使用者对于各个兴趣领域的兴趣领域影响度，然后依据计算查询区域范围内每一使用者之适地性社群影响度与兴趣领域影响度以获得每一使用者对于各个兴趣领域的影响力扩散程度；以及基于已知的每一使用者被查询区域范围内可配置的多个广告候选位置影响的机率、每一使用者对于各个兴趣领域的所述影响力扩散程度以及预算进行广告配置的最佳化。
本发明实施例提供一种计算机可读取记录媒体，所述计算机可读取记录媒体记录一组计算机可执行程序，当所述计算机可读取记录媒体被一处理器读取时，所述处理器执行所述计算机可执行程序以实施如前述的适地性社群融合媒合销售最佳化方法之步骤。
综上所述，本发明实施例提供一种适地性社群融合媒合销售最佳化系统、方法及计算机可读取记录媒体，透过同时结合虚拟社区，及现实生活中的移动行动与时间效应间，相互作用的使用者行为和业者期望广告营销点配置间的关系，设法于有限的广告营销预算，最大化多营销通路选取与来客数之间的关联，协助业者将预算有效分配至多个营销通路追求最大效益的。
为使能更进一步了解本发明之特征及技术内容，请参阅以下有关本发明之详细说明与附图，但是此等说明与所附图式仅是用来说明本发明，而非对本发明的权利范围作任何的限制。
附图说明
图1是本发明实施例提供的适地性社群融合媒合销售最佳化系统的功能方块图。
图2是本发明实施例提供的需求接收与信息搜集模块的功能方块图。
图3是本发明实施例提供的使用者存于社群网络系统的区域移动记录的示意图。
图4是本发明实施例提供的实体广告候选位置及区域传播媒体的示意图。
图5是本发明实例提供的适地性网络结构图的示意图。
图6是本发明实施例提供的顾客移动与消费行为分析模块的功能方块图。
图7是本发明实施例提供的社群影响力与扩散计算模块的示意图。
图8是本发明实施例提供的营销通路配置最佳化演算模块的示意图。
图9是本发明实施例提供的最佳化广告配置的示意图。
图10是本发明实施例提供的适地性社群融合媒合销售最佳化方法的流程图。
具体实施方式
〔适地性社群融合媒合销售最佳化系统之实施例〕
本实施例的适地性社群融合媒合销售最佳化系统应用于一个查询区域范围内的商家(或商店)广告策略评估。所述查询区域范围是地理位置上的一个区域，例如是一个城市、乡镇或行政区。本实施例透过同时结合虚拟社区，及现实生活中的移动行动与时间效应间，相互作用的使用者行为和业者期望广告营销点配置间的关系，设法于有限的广告营销预算，最大化多营销通路选取与来客数之间的关联，协助业者将预算有效分配至多个营销通路追求最大效益的智能系统及方法。在本实施例中，与社群网络系统配合，适地性社群融合媒合销售最佳化系统会考虑在所述查询区域范围内各营销通路中对于社群网络具有较大影响力的使用者族群(社群网络系统的使用者)，降低影响力趋近饱和的通路成本，提升影响力较大之通路预算，并结合分析不同营销通路的使用者族群动作路径与偏好，依照不同营销通路给予适性化的广告内容决策，藉此提高各类型使用者族群的来店数。所述社群网络系统可与本实施例的适地性社群融合媒合销售最佳化系统彼此独立或者是两者的平台整合在同一个系统中，但本发明并不限于此。以下所称的使用者是社群网络系统的使用者，在本实施例中简称为使用者。
请参照图1，图1是本发明实施例提供的适地性社群融合媒合销售最佳化系统的示意图。适地性社群融合媒合销售最佳化系统包括需求接收与信息搜集模块1、数据库模块5、顾客移动与消费行为分析模块2、社群影响力与扩散计算模块3以及营销通路配置最佳化演算模块4。本实施例的适地性社群融合媒合销售最佳化系统可以是一个计算机系统，例如网络服务器，但本发明并不限于此。上述的需求接收与信息搜集模块1、顾客移动与消费行为分析模块2、社群影响力与扩散计算模块3以及营销通路配置最佳化演算模块4各自可以是一个运算处理单元，或者上述的接收与信息搜集模块1、顾客移动与消费行为分析模块2、社群影响力与扩散计算模块3以及营销通路配置最佳化演算模块4执行于一个运算处理器，但本发明并不限于此。
数据库模块5耦接需求接收与信息搜集模块1。顾客移动与消费行为分析模块2耦接需求接收与信息搜集模块1以及数据库模块5。社群影响力与扩散计算模块3耦接顾客移动与消费行为分析模块2以及数据库模块5。营销通路配置最佳化演算模块4耦接社群影响力与扩散计算模块3以及数据库模块5。
有广告策略评估需求的店家及相关人员可以操作需求接收与信息搜集模块1的输入端的人机接口，以提供需要评估广告策略的地理区域以及所要广告的商品类型。例如：当本实施例的适地性社群融合媒合销售最佳化系统是网络服务器时，输入需求的操作人员可以利用终端机接口(或装置)(例如利用浏览器)联机至此网络服务器以输入上述需求的相关信息。需求接收与信息搜集模块1接收到应用在所述查询区域范围内的广告配置需求后，则依据广告配置需求搜集所述查询区域范围内的商家信息、获得对于多个使用者的社群关联及行为信息、获得对于所述使用者的使用者行为序列信息，以及获得广告候选位置信息，以产生适地性网络结构图。上述的各项信息获得后将被存于数据库模块5，在详述上述的各项信息之前，先说明于数据库模块5。
数据库模块5包括使用者行为序列数据库51、社群关联及行为数据库52、广告点配置数据库53以及商家信息数据库54。商家信息数据库54用以储存商家信息，使用者行为序列数据库51用以储存使用者行为序列信息，社群关联及行为数据库52用以储存社群关联及行为信息，广告点配置数据库53用以储存广告通路模式及通路成本信息。
接下来说明关于上述的各项信息的获取方式与细节。请参照图2，图2是本发明实施例提供的需求接收与信息搜集模块的功能方块图。需求接收与信息搜集模块包括商家信息搜集单元11、区域使用者社群关联及行为建立单元12、使用者位于查询区域范围内移动信息搜集单元13以及候选区域广告配置模式选择单元14。区域使用者社群关联及行为建立单元12耦接商家信息搜集单元12。使用者位于查询区域范围内移动信息搜集单元13耦接区域使用者社群关联及行为建立单元12。候选区域广告配置模式选择单元14耦接使用者位于查询区域范围内移动信息搜集单元13。
商家信息搜集单元11依据需求的查询区域范围，获得所述查询区域范围内的商家信息。所述商家信息至少包括商家的地点名称、地点经纬度、商家类型与地点所在城市，但本发明并不限于此。所述商家信息可以是事先已知的信息。例如：本实施例的适地性社群融合媒合销售最佳化系统的营运商可以与查询区域范围内的商家合作，并事先搜集所述查询区域范围内的合作商家信息将其储存，或者本实施例的适地性社群融合媒合销售最佳化系统可以与社群网络系统业者合作，经由以获取社群网络系统内所储存的商家信息。上述获取商家信息的方式仅是用以举例，本发明并不因此限定。
区域使用者社群关联及行为建立单元12经由连结至社群网络系统以获得多个使用者的社群关联以及所述使用者在此社群网络系统的浏览行为，并据此社群关联及行为信息，例如建立一偏好兴趣信息。所述关于使用者的行为信息可以是一整合消费、社群活动、轨迹等的集合。区域使用者社群关联及行为建立单元12连结至所述社群网络系统的方式则依据两个系统的信息连结(或通讯架构)而有所不同，本发明并不限定。社群关联及行为信息例如包括友谊关系图以函数E(ui,uj)表示，与偏好兴趣信息(或称为社群属性图)以函数E(ui,attk)表示。ui表示第i个使用者，uj表示第j个使用者，attk表示使用者ui的兴趣偏好。
使用者位于查询区域范围内移动信息搜集单元13经由连结至社群网络系统以获得多个使用者的区域移动记录，并依据所述使用者的移动记录产生使用者行为序列信息。使用者行为序列信息可包括使用者数据、过去浏览/使用/购买轨迹记录，但本发明并不限于此。所述移动记录在本实施例中是在社群网络上的打卡记录，包括打卡者名称、打卡地点与打卡时间，例如打卡行为表示为c(u,Pi,t)，u是使用者名称，Pi是地点名称，t是时间点，但本发明并不限于此。参照图3，图3是使用者存于社群网络系统的移动记录的一个例子的示意图。由以上可知，使用者行为序列信息是包括基于使用者使用社群网络系统以进行移动行为的位置与时间所储存的使用者行为。
候选区域广告配置模式选择单元14依据此查询区域范围中可配置的广告通路模式及通路成本产生广告候选位置信息。参照图4，图4是本发明实施例提供的实体广告候选位置及区域传播媒体的示意图。a1、a2、a3是实体商家位置的广告点，例如商家本身的广告牌。传播媒体TV是电视墙。传播媒体NS1与NS2是发走纸本新闻文宣的地点。广告候选位置信息包括基于广告模式、广告点位置与广告时间的广告成本。以图4为例，依据传播媒体的种类划分，广告点a1、a2、a3是一种实体广告牌广告类型，TV电视墙是视频传播媒体，而纸本新闻NS1与NS2是平面传播媒体(print media)。每一个广告候选位置有其特定的成本，依据实际情况而决定。除了地理位置的差异，每一个广告候选位置的广告模式(也就是媒体类型)不尽相同，各种传播媒体的广告可用时间与成本也不尽相同。例如平面媒体一天可发走纸本文宣的数量与次数有限(通常一天数次，纸本文宣数量有限)，电视墙可以循环拨放，广告牌则可持续使用直到被撤除。
依据上述，基于所获得的商家信息、社群关联及行为信息、使用者行为序列信息以及广告候选位置信息，则能产生一个虚拟的适地性网络结构图。适地性网络结构图包括社群层、地理位置层、广告模式层。社群层包括社群成员间的链结以及社群成员对于兴趣领域的影响力，以了解社群成员属性(社群成员打卡或消费，对应到兴趣属性)。地理位置层与社群成员的连结是社群使用者的行为(例如打卡行为)。广告模式层其具有多种广告模式(或形态)，广告模式层与地理位置层的连结是广告候选位置与其具有的广告模式。例如以图5为例，所述适地性网络结构图包括社群网络的使用者与各种兴趣类型的关联性与关联程度、使用者对于各个地理位置的行为(以打卡行为为例)、各个地理位置相关的可用广告型态等相关信息。然而，图5的适地性网络结构图仅是用以帮助说明各个信息间的关系，并非用以限定本发明。
在获得适地性网络结构图(包括商家信息、社群关联及行为信息、使用者行为序列信息以及广告候选位置信息)之后，顾客移动与消费行为分析模块2依据商家信息与使用者行为序列信息获得查询区域范围内的所述使用者的行为模式。参照图6，在一实施例中，顾客移动与消费行为分析模块2包括区域商店类型分布撷取单元21与使用者行为序列分析单元22。使用者行为序列分析单元22耦接区域商店类型分布撷取单元21。区域商店类型分布撷取单元21由数据库模块5获得商家信息。使用者行为序列分析单元22依据商家信息分析数据库模块5所储存的使用者行为序列信息以判断查询区域范围内的使用者的移动和消费行为的分布。依据使用者行为序列可以推论出不同类型商店其来店顾客的消费行为能力，如“高富帅”、“中产阶级”等。以打卡信息为例，依时间顺序可连接使用者的打卡记录，并透过一时间阈值△T(例如一天)将其切成不同移动序列(TravelS)，移动序列可表示为TravelS(c1,c2,…,cn),ci+1.t<＝ci.t。在本实施例中，将使用者的打卡信息(u,Pi,t)与商家信息对照，而得出使用者在某个地点打卡且打卡地点是某个兴趣类型的商家，因此获知使用者(或称为顾客)有在所述商家进行消费，藉此可知使用者有在某个兴趣类型的商家进行消费行为。利用类似的判定，可以得到使用者(顾客)在那些类型的那些位置的商家进行消费或者关注于特定某些区域或位置的某个兴趣类型。
在获知使用者行为模式之后，社群影响力与扩散计算模块3则进一步进行以下分析与演算。社群影响力与扩散计算模块3包括社群关联分析单元31、使用者偏好分析单元32以及权重调整单元。权重调整单元33耦接社群关联分析单元31与使用者偏好分析单元32。社群关联及行为信息例如包括使用者间的社群关联(朋友、朋友的朋友、粉丝等)、兴趣、参与活动记录、发表文章类型(发文数、按赞数、分享数)等。社群关联分析模块31依据使用者的行为模式与数据库模块5所储存的社群关联及行为信息计算查询区域范围内每一使用者影响一社群中具适地性其他使用者的适地性社群影响度。所述社群的信息可由上述社群网络系统得到。在本实施例中，每一使用者影响一社群中具适地性其他使用者的适地性社群影响度，可以例如是每一使用者影响社群网络中其他使用者的进入一商家的影响程度。但本发明并不限于此，以下的计算仅是一个用以帮助说明的实施例。每一使用者影响社群网络中其他使用者的进入一商家的影响程度以Scoreinfluenece ij表示，Scoreinfluenece ij＝p(ui,uj)/n(ui)，其中p(ui,uj)表示使用者ui和使用者uj有空间社群(Spatial-social)接续关系的机率值，n(ui)表示使用者ui已经拜访的景点(地点)数。空间社群(Spatial-social)接续关系可视为一有向连结从使用者ui到他的朋友uj，其表示使用者ui会参访他的朋友uj已经参访过的地点。空间社群(Spatial-social)接续关系如下式定义：
因此可获得接续关系图GF＝(V,E)，V表示表示使用者集合，E表示在V中有空间社群接续关系的使用者连结。
然后，使用者偏好分析单元32依据数据库模块5所储存的使用者行为序列信息与使用者在社群网络系统的浏览行为计算每一使用者对各个兴趣领域的一影响力与一偏好程度，并依据每一使用者的对各个兴趣领域的所述影响力与所述偏好程度以获得每一使用者对于各个兴趣领域的兴趣领域影响度。使用者对于各个兴趣领域的兴趣领域影响度是依据使用者ui在兴趣类型(以属性a表示)的影响力，以及使用者ui对兴趣类型(属性a)的偏好程度而决定。使用者ui在属性a的影响力为：
使用者ui对属性a的偏好程度为：
上面描述了使用者和各个兴趣偏好的影响关系，然而在此使用者偏好分析单元32将只考虑使用者和使用者之间的影响程度。因此，我们利用下面的公式，将前述使用者对属性间的影响关系转换成使用者对使用者之间的影响关系。wij表示为具有相似兴趣的使用者ui对使用者uj的影响：
然后，权重调整单元33将每一使用者之适地性社群影响度与兴趣领域影响度进行权重计算以获得每一使用者对于各个兴趣领域的影响力扩散程度，影响力扩散程度表示为Infij：
简言之，社群影响力与扩散计算模块3依据每一使用者之适地性社群影响度(Scoreinfluenece ij)与兴趣领域影响度(wij)以获得每一使用者对于各个兴趣领域的影响力扩散程度(Infij)：
接着，营销通路配置最佳化演算模块4基于已知的每一使用者被查询区域范围内可配置的多个广告候选位置影响的机率、每一使用者对于各个兴趣领域的影响力扩散程度(Infij)以及预算(已知，由商家所输入的需求信息得知)进行广告配置的最佳化。请参照图8，是本发明实施例提供的营销通路配置最佳化演算模块的示意图。营销通路配置最佳化演算模块4包括实体位置广告点配置单元41与区域营销通路预算配置最佳化单元42。区域营销通路预算配置最佳化单元42耦接实体位置广告点配置单元41。利用实体位置广告点配置单元41可得知哪些使用者会受到配置的实体广告(多个广告候选位置中被选择配置广告的实体位置)影响的机率及实际配置广告的成本花费。并且，基于前面叙述的区域顾客的影响力扩散洞悉和得知影响力大的候选区域和拥有最大影响力的使用者群，区域营销通路预算配置最佳化单元42能对不同预算配置策略进行最佳化以影响来客数最大化。换句话说，依据影响力扩散程度，和透过时间因素分析不同广告(或媒体)通路的族群偏好，并依照不同媒体通路给予适性化的广告因子吸引各类型族群的来店数，例如：商店A主要消费族群是上班族，晚上时段在邻近位置B附近活动的族群也是上班族，可建议商店A于位置B晚上时段配置广告信息。以下将叙述广告配置策略进行最佳化(或最佳化)的一个实施例，用以帮助说明，但本发明并不限于此。
实体位置广告点配置单元41由广告点配置数据库53获得广告通路模式及通路成本信息。可配置的广告候选位置集合信息H及每一个候选位置hi∈H的广告配置成本fi。并且，依据区域顾客的影响力扩散洞悉可知一位于目标区域中的使用者集合U，其每一使用者uj∈U至少会被一花费成本cij的广告候选位置hi∈H所影响。实体位置广告点配置单元41可执行“排序策略”以找出在目标区域中效益更佳的候选位置做为广告配置点。例如以最小化成本配置的角度而言，让所有在目标区域内的使用者至少会被一实体广告候选位置所影响。在一实施例中，可藉由原始对偶(Primal-Dual)线性规划算法，处理实体位置广告点配置选择最佳化问题。原始问题：最小化放置广告候选位置配置成本
最小化(minimize)
满足于(subject to)
其中，xij＝1表示使用者uj会受广告候选位置hi影响；
yi＝1表示会在广告候选位置hi上放置广告；
式(1)保证每一使用者至少会被一广告候选位置影响；
式(2)确保如果有任何使用者会被广告位置hi影响，则必须放置广告于候选位置hi。
然后，对偶问题：最大化顾客接受广告贡献程度
最大化(maximize)
满足于(subject to)
其中，αj表示顾客愿意贡献此一广告点配置的金额；
βij表示为使用者uj对广告候选位置hi上配置广告的贡献程度；
式(1)可以理解为是放置广告在候选位置hi的总成本至少是从每个使用者对广告放置在候选位置hi的总贡献程度。
为了解决原始对偶问题，让(x,y)和(α,β)分别表示对(pirmal)和偶(dual)的最佳解。找出拥有最小贡献度αj的使用者uj：
(a)Nj＝{i:xij>0}表示使用者uj会受到多少广告候选位置hi影响
(b)放置广告在Nj中最便宜的位置，并且分配到每一个使用者uk到在Nj中最便宜的位置使得Nj∩Nk≠φ。重复上一步骤给问分配到广告的使用者直到所有使用者都被有分配到广告为止。
依据上述计算原理与流程，实体位置广告点配置单元41计算得知会受到实体广告影响的使用者及对候选广告位置的广告配置总花费成本。为了进行广告配置的最佳化，可以例如找出查询区域范围中影响程度大的范围。在一实施例中，根据前面已提及的对区域顾客的影响力扩散程度的洞悉得知影响力大的候选区域cmax和拥有最大影响力SPmax的使用者群D。并利用区域营销通路预算配置最佳化单元42对不同预算配置策略进行最佳化以影响来客数最大化。例如：首先配置预算到实体位置广告点，然后才配置预算到传播媒体(broadcasting media)如报纸、电视广告、广播、口碑营销等。以下一个实例用于帮助说明。
例如：给定一广告预算B(B＝BH+Bc)。BH：配置广告于实体位置广告点的预算。Bc：配置广告于传播媒体的预算。并进行两个运算子程序：
{H’,U’}←实体位置广告点配置程序(H,U,B_H)
其中，H’：实际配置实体位置广告点；
U’：受到实际配置实体位置广告点影响使用者集合；
H：实体位置广告点候选位置；
U：位于目标区域中的使用者集合；
{cmax,D,SPmax}←影响力最大化候选位置选择程序(S,G,C,TR,Bc,Ihub＝U’)；
其中，cmax：影响力大的候选区域；
D：拥有最大影响力SPmax的使用者群；
SPmax：最大扩散程度；
S：存在商家信息；
G：社群网络信息；
C：候选位置集合；
TR：最大化顾客影响程度目标区域。
用迭代(iterative)方式反复调用上述二个运算子程序，并利用动态规划方法(Dynamic Programming approach)找到最佳解。
假设σ[n,h]是用来记录从影响力最大化候选位置选择程序找出最大扩散程度SPmax
预算B＝n,
预算BH＝h
预算BC＝(n-h)
初始状态构建
σ[0,0]＝影响力最大化候选位置选择程序(S,G,C,TR,Bc,Ihub),
Bc＝0
Ihub＝实体位置广告点配置程序(H,U,BH＝0)
状态构建：
σ[n+1,h]＝max{σ[n,h],SPmax’},
其中，SPmax’＝影响力最大化候选位置选择程序(S,G,C,TR,n-h+1,Ihub)，Ihub＝实体位置广告点配置程序(H,U,BH＝h)。
σ[n,h+1]＝max{σ[n,h],SPmax’}
其中，SPmax’＝影响力最大化候选位置选择程序(S,G,C,TR,n-h-1,Ihub)，Ihub＝实体位置广告点配置程序(H,U,BH＝h+1)。
当所有的状态都构建完成σ[n＝0..B,h＝0..B]
表示最佳预算配置，其中预算预算
区域营销通路预算配置最佳化单元42进行最佳化的结果可例如图9所示。实体位置广告点a1、a2、a3是一种实体广告牌广告类型，TV电视墙是视频传播媒体，而纸本新闻NS1与NS2是平面传播媒体。被广告影响的使用者有u1、u2、u3、u4、u5、u6、u7、u8、u9、u10、u11、u12、u13、u14。每一个广告点(已被选择的广告候选位置)的设置成本为括号内的数字。这些广告点各自影响使用者的机率为已知，例如可由社群网络中使用者的活动或兴趣推估，但本发明并不限于此。这些广告点各自影响使用者的机率已虚线旁的数字表示，例如广告点a1影响使用者u2的机率为0.01，影响使用者u3的机率为0.02，其中，箭头所指的是被影响的使用者。而使用者互相影响的程度是以箭头旁的数字表示，如使用者u2影响使用者u3的程度为0.2，箭头所指的使用者是被影响的使用者。
〔适地性社群融合媒合销售最佳化方法及计算机可读取记录媒体之实施例〕
请参照图10，图10是本发明实施例提供的适地性社群融合媒合销售最佳化方法的流程图。适地性社群融合媒合销售最佳化方法可由前述实施例的适地性社群融合媒合销售最佳化系统执行。此方法包括：接收应用在查询区域范围内的广告配置需求(步骤S110)。然后，依据广告配置需求搜集商家信息、获得对于多个使用者的社群关联及行为信息、获得对于所述使用者的使用者行为序列信息，以及获得广告候选位置信息，以产生适地性网络结构图(步骤S120)。接着，依据商家信息与使用者行为序列信息获得查询区域范围内的所述使用者的行为模式(步骤S130)。然后，依据所述使用者的行为模式与社群关联及行为信息计算查询区域范围内每一使用者影响一社群中具适地性其他使用者的适地性社群影响度，并且计算每一使用者对于各个兴趣领域的兴趣领域影响度，然后依据计算查询区域范围内每一使用者之适地性社群影响度与兴趣领域影响度以获得每一使用者对于各个兴趣领域的影响力扩散程度(步骤S140)。以及，基于已知的每一使用者被查询区域范围内可配置的多个广告候选位置影响的机率、每一使用者对于各个兴趣领域的所述影响力扩散程度以及预算进行广告配置的最佳化(步骤S150)。步骤S110至步骤S150的细节，可参照前一实施例的说明不再赘述。
另外，本发明亦可利用一种计算机可读取记录媒体，储存前述的适地性社群融合媒合销售最佳化方法的计算机程序以执行前述的步骤。此计算机可读取媒体可以是软盘、硬盘、光盘、随身碟、磁带、可由网络存取之数据库或熟知此项技术者可轻易思及具有相同功能之储存媒体。
〔实施例的可能功效〕
综上所述，本发明实施例所提供的适地性社群融合媒合销售最佳化系统、方法及计算机可读取记录媒体，透过同时结合虚拟社区，及现实生活中的移动行动与时间效应间，相互作用的使用者行为和业者期望广告营销点配置间的关系，设法于有限的广告营销预算，最大化多营销通路选取与来客数之间的关联，协助业者将预算有效分配至多个营销通路追求最大效益的。
以上所述仅为本发明之实施例，其并非用以局限本发明之专利范围。
【符号说明】
1：需求接收与信息搜集模块
2：顾客移动与消费行为分析模块
3：社群影响力与扩散计算模块
4：营销通路配置最佳化演算模块
5：数据库模块
51：使用者行为序列数据库
52：社群关联及行为数据库
53：广告点配置数据库
54：商家信息数据库
11：商家信息搜集单元
12：区域使用者社群关联及行为建立单元
13：使用者位于查询区域范围内移动信息搜集单元
14：候选区域广告配置模式选择单元
a1、a2、a3：实体位置广告点
TV、NS1、NS2：传播媒体
u：使用者名称
P1、P2、P3、P4、P5：地点名称
t1、t2、t3、t4、t5：时间
21：区域商店类型分布撷取单元
22：使用者行为序列分析单元
31：社群关联分析单元
32：使用者偏好分析单元
33：权重调整单元
41：实体位置广告点配置单元
42：区域营销通路预算配置最佳化单元
u1、u2、u3、u4、u5、u6、u7、u8、u9、u10、u11、u12、u13、u14：使用者
S110、S120、S130、S140、150：步骤流程

Claims (21)

1.一种适地性社群融合媒合销售最佳化系统，其特征在于，包括：
一需求接收与信息搜集模块，接收应用在一查询区域范围内的一广告配置需求，并依据所述广告配置需求搜集一商家信息、获得对于多个使用者的一社群关联及行为信息、获得对于所述多个使用者的一使用者行为序列信息，以及获得一广告候选位置信息，以产生一适地性网络结构图；
一数据库模块，耦接所述需求接收与信息搜集模块，储存所述商家信息、所述使用者行为序列信息、所述社群关联及行为信息，以及广告通路模式及通路成本信息；
一顾客移动与消费行为分析模块，耦接所述需求接收与信息搜集模块以及所述数据库模块，依据所述商家信息与所述使用者行为序列信息获得所述查询区域范围内的所述多个使用者的行为模式；
一社群影响力与扩散计算模块，耦接所述顾客移动与消费行为分析模块以及所述数据库模块，依据所述多个使用者的行为模式与所述社群关联及行为信息计算所述查询区域范围内每一使用者影响一社群中具适地性其他使用者的一适地性社群影响度，并且计算每一使用者对于各个兴趣领域的一兴趣领域影响度，然后依据每一使用者的所述适地性社群影响度与所述兴趣领域影响度以获得每一使用者对于各个兴趣领域的一影响力扩散程度；以及
一营销通路配置最佳化演算模块，耦接所述社群影响力与扩散计算模块以及所述数据库模块，基于已知的每一使用者被所述查询区域范围内可配置的多个广告候选位置影响的机率、每一使用者对于各个兴趣领域的所述影响力扩散程度以及一预算进行广告配置的最佳化。
2.根据权利要求1所述的适地性社群融合媒合销售最佳化系统，其中所述需求接收与信息搜集模块包括：
一商家信息搜集单元，获得所述商家信息；
一区域使用者社群关联及行为建立单元，耦接所述商家信息搜集单元，经由连结至一社群网络系统以获得所述多个使用者的社群关联以及所述多个使用者在所述社群网络系统的浏览行为，并据此建立一偏好兴趣信息；
一使用者位于所述查询区域范围内移动信息搜集单元，耦接所述区域使用者社群关联及行为建立单元，经由连结至所述社群网络系统以获得所述多个使用者的移动记录，并依据所述多个使用者的移动记录产生所述使用者行为序列信息；以及
一候选区域广告配置模式选择单元，耦接所述使用者位于所述查询区域范围内移动信息搜集单元，依据所述查询区域范围中可配置的广告通路模式及通路成本产生所述广告候选位置信息。
3.根据权利要求1所述的适地性社群融合媒合销售最佳化系统，其中所述商家信息至少包括地点名称、地点经纬度、商家类型与地点所在城市。
4.根据权利要求1所述的适地性社群融合媒合销售最佳化系统，其中所述社群关联及行为信息包括一友谊关系图与一社群属性图。
5.根据权利要求1所述的适地性社群融合媒合销售最佳化系统，其中所述使用者行为序列信息是基于所述多个使用者使用一社群网络系统以进行移动行为的位置与时间所储存的所述多个使用者的行为。
6.根据权利要求1所述的适地性社群融合媒合销售最佳化系统，其中所述广告候选位置信息包括基于广告模式、广告点位置与广告时间的广告成本。
7.根据权利要求1所述的适地性社群融合媒合销售最佳化系统，其中所述顾客移动与消费行为分析模块包括：
一区域商店类型分布撷取单元，由所述数据库模块获得所述商家信息；以及
一使用者行为序列分析单元，耦接所述区域商店类型分布撷取单元，依据所述商家信息分析所述数据库模块所储存的所述使用者行为序列信息以判断所述查询区域范围内的所述多个使用者的移动和消费行为的分布。
8.根据权利要求1所述的适地性社群融合媒合销售最佳化系统，其中所述社群影响力与扩散计算模块包括：
一社群关联分析单元，依据所述多个使用者的行为模式与所述数据库模块所储存的所述社群关联及行为信息计算每一使用者的所述适地性社群影响度；
一使用者偏好分析单元，依据所述数据库模块所储存的所述使用者行为序列信息与所述多个使用者在一社群网络系统的浏览行为计算每一使用者对各个兴趣领域的一影响力与一偏好程度，并依据每一使用者的对各个兴趣领域的所述影响力与所述偏好程度以获得每一使用者对于各个兴趣领域的所述兴趣领域影响度；以及
一权重调整单元，耦接所述社群关联分析单元与所述使用者偏好分析单元，将所述查询区域范围内每一使用者的所述适地性社群影响度与所述兴趣领域影响度进行权重计算以获得每一使用者对于各个兴趣领域的所述影响力扩散程度。
9.根据权利要求1所述的适地性社群融合媒合销售最佳化系统，其中所述适地性社群融合媒合销售最佳化系统设置于一网络服务器。
10.根据权利要求1所述的适地性社群融合媒合销售最佳化系统，其中所述营销通路配置最佳化演算模块还包括：
一实体位置广告点配置单元，获得每一使用者会受到配置的实体广告影响的机率及实际配置广告的成本；以及
一区域营销通路预算配置最佳化单元，耦接所述实体位置广告点配置单元，对不同预算配置策略进行最佳化以影响来客数最大化。
11.一种适地性社群融合媒合销售最佳化方法，其特征在于，包括：
接收应用在一查询区域范围内的一广告配置需求；
依据所述广告配置需求搜集一商家信息、获得对于多个使用者的一社群关联及行为信息、获得对于所述多个使用者的一使用者行为序列信息，以及获得一广告候选位置信息，以产生一适地性网络结构图；
依据所述商家信息与所述使用者行为序列信息获得所述查询区域范围内的所述多个使用者的行为模式；
依据所述多个使用者的行为模式与所述社群关联及行为信息计算查询区域范围内每一使用者影响一社群中具适地性其他使用者的一适地性社群影响度，并且计算每一使用者对于各个兴趣领域的一兴趣领域影响度，然后依据所述适地性社群影响度与所述兴趣领域影响度以获得每一使用者对于各个兴趣领域的一影响力扩散程度；以及
基于已知的每一使用者被所述查询区域范围内可配置的多个广告候选位置影响的机率、每一使用者对于各个兴趣领域的所述影响力扩散程度以及一预算进行广告配置的最佳化。
12.根据权利要求11所述的适地性社群融合媒合销售最佳化方法，其中在获得对于所述多个使用者的所述社群关联及行为信息的步骤中，经由连结至一社群网络系统以获得所述多个使用者的社群关联以及所述多个使用者在所述社群网络系统的浏览行为，并据此建立一偏好兴趣信息。
13.根据权利要求11所述的适地性社群融合媒合销售最佳化方法，其中在获得对于所述多个使用者的一使用者行为序列信息的步骤中，经由连结至一社群网络系统以获得所述多个使用者的移动记录，并依据所述多个使用者的移动记录产生所述使用者行为序列信息。
14.根据权利要求11所述的适地性社群融合媒合销售最佳化方法，其中在获得所述广告候选位置信息的步骤中，依据所述查询区域范围中可配置的广告通路模式及通路成本产生所述广告候选位置信息。
15.根据权利要求11所述的适地性社群融合媒合销售最佳化方法，其中所述商家信息至少包括地点名称、地点经纬度、商家类型与地点所在城市。
16.根据权利要求11所述的适地性社群融合媒合销售最佳化方法，其中所述社群关联及行为信息包括一友谊关系图与一社群属性图。
17.根据权利要求11所述的适地性社群融合媒合销售最佳化方法，其中所述使用者行为序列信息是基于所述多个使用者使用一社群网络系统以进行移动行为的位置与时间所储存的所述多个使用者的行为。
18.根据权利要求11所述的适地性社群融合媒合销售最佳化方法，其中所述广告候选位置信息包括基于广告模式、广告点位置与广告时间的广告成本。
19.根据权利要求11所述的适地性社群融合媒合销售最佳化方法，其中所述多个使用者的行为模式包括所述多个使用者的移动和消费行为的分布。
20.根据权利要求11所述的适地性社群融合媒合销售最佳化方法，其中在计算每一使用者对于各个兴趣领域的所述兴趣领域影响度的步骤中，依据所述使用者行为序列信息与所述多个使用者在一社群网络系统的浏览行为计算每一使用者对各个兴趣领域的一影响力与一偏好程度，并依据每一使用者的对各个兴趣领域的所述影响力与所述偏好程度以获得每一使用者对于各个兴趣领域的所述兴趣领域影响度。
21.根据权利要求11所述的适地性社群融合媒合销售最佳化方法，其中在获得每一使用者对于各个兴趣领域的所述影响力扩散程度的步骤中，将所述查询区域范围内每一使用者的所述适地性社群影响度与所述兴趣领域影响度进行权重计算以获得每一使用者对于各个兴趣领域的所述影响力扩散程度。
CN201510867089.6A 2015-11-23 2015-11-27 适地性社群融合媒合销售最佳化系统和方法 Pending CN106779793A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
TW104138723A TWI570646B (zh) 2015-11-23 2015-11-23 適地性社群融合媒合銷售最佳化系統、方法及電腦可讀取紀錄媒體
TW104138723 2015-11-23

Publications (1)

Publication Number Publication Date
CN106779793A true CN106779793A (zh) 2017-05-31

Family

ID=54849806

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510867089.6A Pending CN106779793A (zh) 2015-11-23 2015-11-27 适地性社群融合媒合销售最佳化系统和方法

Country Status (4)

Country Link
US (1) US20170148043A1 (zh)
EP (1) EP3171320A1 (zh)
CN (1) CN106779793A (zh)
TW (1) TWI570646B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107464141A (zh) * 2017-08-07 2017-12-12 北京京东尚科信息技术有限公司 用于信息推广的方法、装置、电子设备及计算机可读介质
CN108765061A (zh) * 2018-05-02 2018-11-06 开源物联网（广州）有限公司 企业和用户一体化智能服务系统
CN110020334A (zh) * 2017-07-27 2019-07-16 腾讯科技（深圳）有限公司 一种用户人群扩散方法及装置
CN111127067A (zh) * 2018-10-31 2020-05-08 财团法人资讯工业策进会 群体营销系统、群体营销装置及其群体营销方法
CN111950282A (zh) * 2020-07-08 2020-11-17 国家计算机网络与信息安全管理中心 一种基于网络行为特征的扩线分析方法及装置
CN112149003A (zh) * 2020-10-28 2020-12-29 浙江集享电子商务有限公司 商品社群推荐方法、装置和计算机设备

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6870411B2 (ja) * 2017-03-22 2021-05-12 日本電気株式会社 商品管理装置、商品管理装置の制御方法、及びプログラム
JP6855862B2 (ja) 2017-03-22 2021-04-07 日本電気株式会社 商品管理装置、商品管理装置の制御方法、及びプログラム
CN107657476A (zh) * 2017-08-29 2018-02-02 口碑(上海)信息技术有限公司 店铺的评价方法及装置、店铺推荐方法及装置
CN113010578B (zh) * 2021-03-22 2024-03-15 华南理工大学 社区数据分析方法、装置、社区智能交互平台及存储介质
CN115828011B (zh) * 2022-10-13 2023-11-10 四川宏智科信数字科技有限公司 基于大数据的数据分析方法和平台
JP7418054B1 (ja) 2023-02-16 2024-01-19 株式会社Ｃｏクリエイト 情報処理装置およびコンピュータプログラム

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101223545A (zh) * 2005-05-13 2008-07-16 赛亚W.I.S.控股公司 将销售信息电子分发给所选择的一组个体的方法和系统
US20100145777A1 (en) * 2008-12-01 2010-06-10 Topsy Labs, Inc. Advertising based on influence
US20110099046A1 (en) * 2009-10-23 2011-04-28 Cadio, Inc. Analyzing consumer behavior using electronically-captured consumer location data
CN103503012A (zh) * 2010-12-21 2014-01-08 谷歌公司 在社交网络上提供广告
CN103902690A (zh) * 2014-03-27 2014-07-02 北京邮电大学 一种提高社交网络用户产生内容信息影响力准确性的方法
CN105046301A (zh) * 2015-07-30 2015-11-11 苏州玄禾物联网科技有限公司 基于rfid和兴趣记录的超市购物广告播放方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11283885B2 (en) * 2004-10-19 2022-03-22 Verizon Patent And Licensing Inc. System and method for location based matching and promotion
US8229458B2 (en) * 2007-04-08 2012-07-24 Enhanced Geographic Llc Systems and methods to determine the name of a location visited by a user of a wireless device
TW200933384A (en) * 2008-01-25 2009-08-01 D Link Corp Social service system for digital photos
TW201417014A (zh) * 2012-10-17 2014-05-01 Yi Kang Life Entpr Co Ltd 適地性交易系統、方法與一電腦可讀取媒體

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101223545A (zh) * 2005-05-13 2008-07-16 赛亚W.I.S.控股公司 将销售信息电子分发给所选择的一组个体的方法和系统
US20100145777A1 (en) * 2008-12-01 2010-06-10 Topsy Labs, Inc. Advertising based on influence
US20110099046A1 (en) * 2009-10-23 2011-04-28 Cadio, Inc. Analyzing consumer behavior using electronically-captured consumer location data
CN103503012A (zh) * 2010-12-21 2014-01-08 谷歌公司 在社交网络上提供广告
CN103902690A (zh) * 2014-03-27 2014-07-02 北京邮电大学 一种提高社交网络用户产生内容信息影响力准确性的方法
CN105046301A (zh) * 2015-07-30 2015-11-11 苏州玄禾物联网科技有限公司 基于rfid和兴趣记录的超市购物广告播放方法

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110020334A (zh) * 2017-07-27 2019-07-16 腾讯科技（深圳）有限公司 一种用户人群扩散方法及装置
CN110020334B (zh) * 2017-07-27 2022-12-09 腾讯科技（深圳）有限公司 一种用户人群扩散方法及装置
CN107464141A (zh) * 2017-08-07 2017-12-12 北京京东尚科信息技术有限公司 用于信息推广的方法、装置、电子设备及计算机可读介质
CN107464141B (zh) * 2017-08-07 2021-09-07 北京京东尚科信息技术有限公司 用于信息推广的方法、装置、电子设备及计算机可读介质
CN108765061A (zh) * 2018-05-02 2018-11-06 开源物联网（广州）有限公司 企业和用户一体化智能服务系统
CN111127067A (zh) * 2018-10-31 2020-05-08 财团法人资讯工业策进会 群体营销系统、群体营销装置及其群体营销方法
CN111950282A (zh) * 2020-07-08 2020-11-17 国家计算机网络与信息安全管理中心 一种基于网络行为特征的扩线分析方法及装置
CN112149003A (zh) * 2020-10-28 2020-12-29 浙江集享电子商务有限公司 商品社群推荐方法、装置和计算机设备
CN112149003B (zh) * 2020-10-28 2023-06-20 浙江集享电子商务有限公司 商品社群推荐方法、装置和计算机设备

Also Published As

Publication number Publication date
EP3171320A1 (en) 2017-05-24
US20170148043A1 (en) 2017-05-25
TWI570646B (zh) 2017-02-11
TW201719523A (zh) 2017-06-01

Similar Documents

Publication Publication Date Title
CN106779793A (zh) 适地性社群融合媒合销售最佳化系统和方法
Pantano et al. Entertainment in retailing: The influences of advanced technologies
Bell et al. Looking for loss aversion in scanner panel data: The confounding effect of price response heterogeneity
Barreneche Governing the geocoded world: Environmentality and the politics of location platforms
Tuten Principles of marketing for a digital age
Park et al. Thrift shopping for clothes: To treat self or others?
Akel et al. Hedonic and utilitarian benefits as determinants of the application continuance intention in location-based applications: The mediating role of satisfaction
Quelch et al. All business is local: Why place matters more than ever in a global, virtual world
Alonso Dos Santos et al. Influence of the virtual brand community in sports sponsorship
Gretzel et al. Informing destination recommender systems design and evaluation through quantitative research
Nair et al. Impact of store-attributes on food and grocery shopping behavior: insights from an emerging market context
Bourg et al. Enhancing shopping experiences in smart retailing
US10783556B2 (en) Product pushing method
Smith Metrics, locations, and lift: Mobile location analytics and the production of second-order geodemographics
Mattia et al. Online Impulse Buying and Cognitive Dissonance
Ahmadinia et al. Primary analysis of information distribution at walkbase Company: Developing an information strategy
Mairinger Branding 2.0–Using Web 2.0 principles to build an open source brand
Vashisht A practical approach to marketing management
Fletcher et al. Review of survey methods in events management research
Gordon Business site selection, location analysis, and gis
Maurya et al. Geographic Information Systems for an Intelligent Geo-Location Based Value Delivery Model
Laria et al. Immersive environments for an advanced technology-based store
Jain et al. Impact of Emotional Intelligence on Customer Loyalty Towards Online Fashion Stores in India
Kotler et al. Marketing in a changing world
Sandrin The Struggle between Human-centredness and Intelligent Technologies: a Critical Discussion on the Use of Customer Data in Marketing Practice-A Survey Analysis of the RIR Clusters in Veneto

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20170531

WD01 Invention patent application deemed withdrawn after publication