CN107430732A - 用于推断评论的系统和方法 - Google Patents
用于推断评论的系统和方法 Download PDFInfo
- Publication number
- CN107430732A CN107430732A CN201580077059.3A CN201580077059A CN107430732A CN 107430732 A CN107430732 A CN 107430732A CN 201580077059 A CN201580077059 A CN 201580077059A CN 107430732 A CN107430732 A CN 107430732A
- Authority
- CN
- China
- Prior art keywords
- user
- service provider
- service
- data
- ranking
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
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
- G06Q30/0282—Rating or review of business operators or products
-
- 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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/08—Payment architectures
- G06Q20/20—Point-of-sale [POS] network systems
-
- 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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/30—Payment architectures, schemes or protocols characterised by the use of specific devices or networks
- G06Q20/32—Payment architectures, schemes or protocols characterised by the use of specific devices or networks using wireless devices
- G06Q20/322—Aspects of commerce using mobile devices [M-devices]
- G06Q20/3224—Transactions dependent on location of M-devices
-
- 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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/384—Payment protocols; Details thereof using social networks
-
- 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
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
- G06Q30/0256—User search
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Transfer Between Computers (AREA)
Abstract
提供了用于生成关于服务提供商的推断评论的系统和方法。可以基于一个或多个用户的用户行为数据来生成推断评论。用户行为数据可以包括表示下述的信息:用户向服务提供商行进了多远,用户在前往该服务提供商的途中经过多少类似服务提供商,对该服务提供商的重复访问的次数,用于该服务提供商处的服务的典型时间,或者用户已经成为该服务提供商的客户或参加者的时间长度。服务提供商可以包括:商家、酒店、医生、承包商、按价提供商品或服务的其他服务提供商,或者可以包括:非营利服务提供商、基于慈善的服务提供商、或诸如公园、休息站或其他位置等公共场所。
Description
相关申请的交叉引用
本申请是2014年12月29日提交的美国专利申请No.14/584,971的继续申请并且要求其优先权,其全部内容通过引用并入本文。
技术领域
本发明一般涉及联网系统,更具体地,涉及用于从网络用户行为数据中提取意见信息的系统和方法。
背景技术
对于业务的潜在客户(其也是诸如互联网等网络的用户)而言,在使用该业务之前先访问该业务的在线评论已变得相当常见。在线评论通常是由对业务非常满意或非常不满意的以前的客户发布的。然而,在线评论可能是误导性的和/或带偏见的。典型的客户在撰写和发布关于特定业务的评论方面可能是不方便的。因此,通常是具有最积极意见或最消极意见的客户会花费时间来撰写和发布评论。因此,希望能够提供用于对服务提供商进行评级的改进的联网系统及其关联的方法。
附图说明
图1A是根据实施例的配置为从用户行为数据中提取意见信息的说明性网络系统的框图。
图1B是示出根据实施例的可以如何根据用户行为数据生成推断评论的说明性流程图。
图2是根据实施例的说明性服务推荐网页或应用的示图。
图3是示出根据实施例的服务提供商与用户位置之间的说明性距离的框图,该距离可被用于从用户的行为数据中提取用户意见数据。
图4是根据实施例的用于基于用户行为生成并提供服务提供商推荐的示例性过程的流程图。
图5是根据实施例的用于基于用户属性提供服务提供商推荐的示例性过程的流程图。
图6是根据实施例的适于实现图1A和/或图1B中的一个或多个组件的计算机系统的框图。
通过参考下面的详细描述可以更好地理解本公开的实施例及其优点。应当理解,相似附图标记用于标识在一个或多个附图中示出的相似元件,其中,其中的显示是为了说明本公开实施例的目的,而不是为了限制本公开实施例的目的。
具体实施方式
提供了用于生成关于服务提供商的推断评论的系统和方法,所述服务提供商如商家、医疗提供商或其他服务提供商。可以基于用户行为来生成推断评论,所述用户行为如:用户是否是商家的重复客户,用户从家或工作地到特定医生的办公室的行进距离,用户已经成为餐厅的忠诚客户的时间长度,或用户在去往特定服务提供商的沿途是否经过类似服务提供商(作为示例)。
可以基于用户的位置历史数据来确定用户行为,该位置历史数据可以基于用户的智能电话或其他便携式电子设备的已知位置。然而,这仅是说明性的。在一些实施例中,可以基于用户做出的购买来确定用户行为。例如,如果用户使用特定的支付提供商进行支付,则该支付提供商可能能够确定用户访问特定商家或具有类似商品和/或服务的其他商家的时间和频率。
客户通常想了解最适合于购买特定商品或服务的地方。本文所公开的系统和方法可以帮助向例如新用户(其已经进入一个区域或者不熟悉他们的区域)提供客户对该区域中的特定业务的忠诚度的了解以及获得例如“去当地人去的地方”的好处。本文所述的系统和方法还可以帮助企业了解客户对它们的业务的忠诚度,以及该业务与其他类似竞争业务的比较。企业可以利用这种客户忠诚度洞察力来做出改进,并提供更好的整体客户体验。
该系统可以检测例如特定商家的首次用户。随后,该系统可以确定该用户没有去相同服务的竞争的供应商/企业,并且因此确定业务具有忠诚度点数。例如,牙科医生办公室的新患者返回该牙医办公室消费另外的服务,可以确定已经认可该办公室的服务。根据附加数据,例如等待服务花费的时间、价格信息、保险人接受的信息、或者与牙医或用户有关的其他信息,可以确定该用户主要基于服务水平、低价格、对无保险病人的低价格等认可了该牙医。
在另一示例中,如果确定对特定商品或服务具有许多选择的用户(特别是在该用户存在更方便或更便宜的选择时)通常仅访问提供该商品或服务的选定的几个企业,则可以确定用户对这几个企业的忠诚。然而,可以确定该用户的忠诚的忠诚度级别低于仅访问那些选定的几个企业中的一个企业的用户的忠诚度级别。
用户行为的其他方面也可被跟踪,并被用于确定可被提供给其他用户的关于服务提供商的推断评论。例如,可以搜罗用户的购买历史、电子邮件帐户和/或社交媒体帐户,以确定特定商品(例如烘焙食品)、商家、消费金额、或特定用户的购买习惯信息。例如,可以确定用户每周在特定杂货店购买杂货,但在同一天在面包店购买烘焙食品。这可被确定为对面包店的认可,特别是如果该杂货店也有面包摊位和/或在该杂货店附近有其他面包店的话,更是如此。
然后,系统可以构建关于业务的推断评论,以便正在寻找新牙医、杂货店等等的用户可对客户对该业务/供应商的忠诚度有一定程度的信心和更深入的洞察,无论那些客户是否已发布评论。
例如,基于支付提供商交易数据、企业的公共记录、商店存储数据(例如,来自支付提供商或来自商家)和/或其他用户或商家信息,如支付提供商系统之类的系统可以构建围绕每个用户具有各种类型的业务的评分和/或排名的数据库。例如,如果特定用户去往距离家或工作地最近的业务,则不会奖励忠诚度点数。然而,如果该用户偏离他们的路线去特定的杂货店、牙医、医生等,这可被确定为对忠诚度的非常强的指标,并且例如可以为该业务确定一个或多个忠诚度点数。企业或商家可能会针对不同类型的消费者具有不同的忠诚度点数或分数。例如,年轻消费者可能会喜欢商店A,而年长消费者可能会喜欢B店,尽管这两家商店都销售相同类型的商品或提供类似的服务。用户的其他特征包括经济状况、购买习惯、性别、家庭位置、兴趣类型等。例如,新手葡萄酒饮用者可能偏好葡萄酒商A,而“葡萄酒极客”可能喜欢葡萄酒商B。
可以将用户位置与用户去消费产品和服务的位置进行比较,用户位置例如是家庭位置或工作位置(例如,由来自用户设备的指示用户在夜间和白天期间花费大部分时间的地方的全球定位系统(GPS)信号确定的,或者基于其他用户信息源来确定的)。可以(例如)正比于所行进的距离来确定忠诚度点数并将其添加到针对业务的分数。
各种位置提供用于与该位置处的用户的用户设备进行通信的设备。该设备可以包括无线通信设备,如短距离无线通信设备或其他无线通信设备。该设备有时可被称为信标设备或信标。可被包括在位置处的信标中的无线通信设备可以包括:蓝牙低能量(BLE)信标通信设备、无线局域网设备(例如,基于WiFi的设备)、蜂窝网络设备、全球定位系统(GPS)设备、蜂窝和GPS组合设备、其他基于无线电或微波的通信设备、红外通信设备、和/或其任何组合。信标通信可被单独使用或者与其他用户信息源(如购买交易信息、来自用户设备的GPS信息、电子邮件搜罗或社交媒体搜罗信息等)组合使用,以确定用户购买服务和商品的方式和地点以及购买的服务和商品的类型。
图1A是根据实施例的联网系统100的框图,该联网系统100配置为从用户行为信息中提取用户意见信息以生成并提供推断评论。如图所示,系统100可以包括或实现操作以执行根据所描述的实施例的各种方法的多个设备、服务器和/或软件组件。示例性的设备和服务器可以包括操作OS的设备、独立设备和企业级服务器,所述OS如OS、UNIX OS、LINUX OS或基于其他合适的设备和/或服务器的OS。可以理解,图1A中示出的设备和/或服务器可以以其他方式部署,并且对于给定实施例,由这种设备和/或服务器执行的操作和/或提供的服务可以是组合的或者分离的,并且可以由更多数量的或更少数量的设备和/或服务器执行。一个或多个设备和/或服务器可以由相同的或不同的实体来操作和/或维护。
系统100可以包括:各自具有用户设备110一个或多个用户(如用户102)、服务位置130、服务提供商服务器140、以及支付提供商服务器160,其中它们通过网络170进行通信。在一些实施例中,每个用户102(例如,服务位置的访问者,如酒店客人)可以利用其对应的用户设备110来向服务提供商服务器140登记。服务位置130可以对应于酒店、汽车旅馆、度假村、营地或提供客房的其他位置、提供商品和/或服务的商店、医生办公室、医院、牙医办公室、诊所或其他医疗服务提供商、或在特定位置提供商品和/或服务的任何其他实体。服务位置130还可以对应于不与付费服务关联的位置,诸如公共公园、公共海滩或其他位置。服务提供商服务器140可以对应于针对多个服务位置的通用服务器(例如,用于商家链的服务器),或者可以仅特定于服务位置130(例如,特定商家的服务器)。
用户设备110可以用于跟踪用户102的位置。例如,用户设备110的GPS电路或无线通信电路可以跟踪用户的位置和/或支付、电子邮件、社交媒体帖子、或者在特定位置做出的或关于特定位置做出的可以用于确定用户已访问该位置的其他通信。在一些情况下,用户102可以利用用户设备110通过服务地点130处的信标132(例如,无线信标)、通过社交媒体应用或网站或者其他登记设备在特定位置处进行登记。
用户设备110、服务位置130、服务提供商服务器140和/或支付提供商服务器160均可以包括一个或多个处理器、存储器和其他合适的组件,用于执行存储在一个或多个上的诸如程序代码和/或数据之类的指令,以实现本文描述的各种模块、引擎、应用、数据和步骤。例如,这样的指令可以存储在一个或多个计算机可读介质中,例如在系统100的各种组件内部和/或外部的存储器或数据存储设备以及/或者可通过网络170访问的存储器或数据存储设备。
用户设备110可以使用任何合适的硬件和软件来实现,例如配置用于与网络170、信标132、服务提供商服务器140、支付提供商服务器160和/或其他联网的设备和/或服务器进行有线和/或无线通信的硬件和软件。例如,在一个实施例中,用户设备110可被实现为个人计算机(PC)、智能电话、个人数字助理(PDA)、膝上型计算机、具有合适的计算机硬件资源的手表、具有合适的计算机硬件的眼镜(例如,GOOGLE)和/或、能够发送和/或接收数据的其他类型的计算设备,如的用户设备可以由任何合适的处理设备来管理或控制。
如图1A所示,用户设备110可以包含:登记应用112、服务应用120、其他应用114、数据库116和通信模块118。登记应用112、服务应用120和其他应用114可对应于可由硬件处理器(例如,软件程序)执行的处理、过程和/或应用。在其他实施例中,用户设备110可以根据需要包括附加或不同的软件或硬件模块和/或引擎。
在一些实施例中,用户设备110的用户102可以使用登记应用112来建立用户设备110与服务提供商服务器140和/或支付提供商服务器160之间的连接。登记应用112可以对应于用户设备110使用来与服务提供商服务器140和/或支付提供商服务器160一起完成向服务提供商服务器140和/或支付提供商服务器160的登记的特定应用。向服务提供商服务器140的登记可以对应于登录到用户102在服务提供商服务器140和/或支付提供商服务器160处的用户帐户的处理。在其他实施例中,登记可以提供和/或验证用户102的身份,包括用户102和/或用户设备110的标识符的传输。该登记可以通过网络170完成。在这样的实施例中,登记应用112可以更一般地对应于配置为与服务提供商服务器140通信的浏览器应用。
登记应用112也可以对应于可通过互联网从服务提供商服务器140和/或与服务位置130对应的其他服务器下载的应用。登记应用112可以利用通信模块118与服务位置130处的信标132交换短距离无线通信,以完成登记过程。例如,服务位置130可以包括具有信标132的基础设施,以与用户设备110进行通信,并完成向服务提供商服务器140的登记过程。信标132可以配置为发送标识符供用户设备110接收。
登记应用112可以在用户设备110的操作系统的背景下执行,并且配置为使用该用户设备110的通信模块118与服务位置130处的一个或多个信标132(例如,无线信标)建立连接。该连接可以是在存在来自用户102的用户输入或者不存在来自用户102的输入的情况下建立的。例如,信标132可以广播诸如通用唯一标识符(UUID)之类的令牌,以供登记应用112接收。登记应用112可以利用用户设备110的通信模块118来接收来自信标132的令牌。如果登记应用112在识别服务位置130、信标132、服务提供商服务器140和/或支付提供商服务器160时对UUID进行了肯定应答,则登记应用112可以向信标132回送对应于用户102和/或用户设备110的标识符。登记应用112可以利用通信模块118来与信标132通信(例如,通过近场通信、蓝牙、蓝牙低能量、无线电、红外、WiFi、蜂窝、GPS、组合的蜂窝和GPS、微波、它们的组合、或其他连接)。来自用户设备110的标识符可以包括从信标132接收到的标识符,与从信标132接收到的标识符一起发送,或与从信标132接收到的标识符级联,或者以其他方式与从信标132接收到的标识符捆绑在一起。
服务应用120可以用于例如提供方便的界面以允许用户102接收、请求和/或查看信息、产品和/或服务。服务应用120可以对应于特定于服务位置130和/或服务提供商服务器140的应用,诸如可以通过网络170和/或通过信标132下载的应用。然而,在其他实施例中,服务应用120可以更一般地对应于包括浏览器应用在内的配置为接收信息、目标辅助、状态更新、激励提供、产品提供和/或服务提供的任何应用。
在各种实施例中,登记应用112和服务应用120可被并入同一应用中,以便在一个方便的应用界面中提供它们各自的特征。
用户设备110可以包括在特定实施例中可能需要的其他应用114,以向用户设备110提供特征。例如,其他应用114可以包括:用于实现客户端侧安全特征的安全应用、用于通过网络170与合适的应用编程接口(API)接口的编程客户端应用、或其他类型的应用。其他应用114还可以包括:允许用户通过网络170发送和接收电子邮件、呼叫、文本和其他通知的电子邮件应用、文本收发应用、语音应用和IM应用。在各种实施例中,其他应用114可以包括金融应用,如银行应用、在线支付应用、汇款应用或其它应用。其他应用114可以包括:浏览器和/或映射应用,其中功能不由登记应用112和/或服务应用120提供。其他应用114可以包含可由处理器执行的软件程序,包括配置为向用户提供接口的图形用户界面(GUI)。
用户设备110还可以包括诸如数据库116之类的存储器,所述存储器例如可以包括:诸如操作系统注册表项之类的标识符;与登记应用112、服务应用120和/或其他应用114关联的cookie;与用户设备110的硬件相关联的标识符;或其他合适的标识符,如用于支付/用户/设备认证或识别的标识符。数据库116可以包括用户设备令牌和/或加密密钥,包括信标132的服务位置130和/或服务提供商服务器140的公钥。数据库116可以包括用于令牌的识别信息,其使得登记应用112能够在接收到相应的令牌时识别信标132。在一个实施例中,数据库116中的标识符可用于将用户设备110与帐户提供商维护的特定帐户相关联。数据库116还可以包括在线帐户访问信息和/或购物清单信息。
每个用户设备110可以包括:适于与信标132、服务提供商服务器140和/或支付提供商服务器160进行通信的通信模块118。在各种实施例中,通信模块118可以包括DSL(例如,数字用户线)调制解调器、PSTN(公共交换电话网络)调制解调器、以太网设备、宽带设备、卫星设备和/或各种其他类型的有线和/或无线网络通信设备,其包括微波、射频、红外、蓝牙、BLE、WiFi、蜂窝、GPS、组合的蜂窝和GPS、微波、近场通信设备和/或其组合。通信模块118可以使用短距离无线通信直接与信标132通信,而无需网络170。
服务位置130可以包括服务位置130内的多个位置,例如商店的部分(例如,面包店部分)。在一些实施例中,每个位置可以包括诸如无线信标之类的信标。然而,这仅是说明性的。在一些实施例中,可以使用用户设备110的其他功能或其他信息源来确定用户102的位置内的位置或子位置。
在各种实施例中,服务位置130包括适于与用户设备110、服务提供商服务器140和/或支付提供商服务器160进行通信的至少一个通信模块134。通信模块134可以包括DSL(例如,数字用户线)调制解调器、PSTN(公共交换电话网络)调制解调器、以太网设备、宽带设备、卫星设备和/或各种其他类型的有线和/或无线网络通信设备,其包括微波、无线电、红外、蓝牙、BLE、蜂窝、GPS、组合的蜂窝和GPS、微波、近场通信设备和/或其组合。通信模块134可以使用短距离无线通信直接与用户设备110通信,而无需网络170。
服务提供商服务器140可以例如由服务位置(包括一个或多个服务位置)来维护。通常,服务提供商服务器140可以由建立和/或维护具有向用户提供的服务、住宿和/或产品的位置的任何人或任何实体来维护。在这方面,服务提供商服务器140可以包括可配置为与用户设备110和/或服务位置130交互以完成用户设备110的登记过程的一个或多个硬件或软件应用、模块或引擎。虽然仅示出了一个服务提供商服务器,但是可以使用多个服务提供商服务器。在各种实施例中,服务提供商服务器140的登记和辅助特征也可以由支付提供商服务器160提供。因此,所描述的服务提供商服务器140的所有或部分的特征和处理可被集成在支付提供商服务器160内。
服务提供商服务器140可以包括登记应用142、服务提供商应用150、数据库146和网络接口组件148。登记应用142和服务提供商应用150可以对应于可由硬件处理器(例如,软件程序)执行的处理、过程和/或应用。在其他实施例中,服务提供商服务器140可以根据需要包括附加的或不同的软件。
登记应用142可以对应于利用用户设备110完成登记的过程。因此,登记应用142可以对应于服务提供商服务器140的配置为向用户设备110发送和/或从其接收登记请求并完成该登记请求的服务器侧应用。登记请求可以包括数据库146中用户帐户的登录信息。可以通过验证帐户信息来完成登记手续。然而,在用户102先前没有建立用户帐户和/或服务提供商服务器140没有提供用户账户服务的实施例中,登记应用142可以接收用于标识用户102的其他信息,如用户名/标识符、用户设备标识符、组标识符、用于其他服务器的帐户的标识符(例如,在支付提供商服务器160处的支付帐户/支付帐户标识符)或其他信息。
可以提供对应于用户102在其他服务器(例如支付提供商服务器160)处的一个或多个用户帐户的登记信息。在这样的实施例中,服务提供商服务器140可以根据从支付提供商服务器160接收的信息来确定用户信息,如用户历史和/或用户偏好。支付提供商服务器160可以提供关于用户102在与服务位置130相同或相似的位置处的先前购买/访问的信息,或者可以提供其他信息。
在各种实施例中,服务提供商服务器140可以包括在特定实施例中可能需要的其他应用144,以向服务提供商服务器140提供特征。例如,其他应用144可以包括:用于实现服务器端侧安全特征的安全应用;用于通过网络170与合适的应用编程接口(API)接口的编程服务器应用;或其他类型的应用。其他应用144可以包含可由处理器执行的软件程序,包括配置为向用户提供接口的图形用户界面(GUI)。
服务提供商服务器140可以包括数据库146,所述数据库146例如可以包括:诸如操作系统注册表项之类的标识符、与登记应用142和/或服务提供商应用150关联的cookie、与服务提供商服务器140的硬件关联的标识符、或其他合适的标识符,如用于支付/用户/设备认证或识别的标识符。数据库146可以包括用户102的标识符和/或用户帐户,其可以包括用户102和/或用户设备110的标识符。在各种实施例中,数据库146中的标识符可被支付/信用提供商(诸如支付提供商服务器160)使用,以将用户102与支付提供商服务器160所维护的特定账户相关联。例如,在数据库146中,支付提供商服务器160处的支付帐户的标识符可以与用户102的用户帐户和/或标识符一起存储。在其他实施例中,数据库146中存储的用户帐户可以包括与支付提供商服务器160处的支付帐户共享的标识符。
在各种实施例中,服务提供商服务器140包括适于通过网络170与用户设备110、服务位置130和/或支付提供商服务器160通信的至少一个网络接口组件148。在各种实施例中,网络接口组件148可以包括DSL(例如,数字用户线)调制解调器、PSTN(公共交换电话网络)调制解调器、以太网设备、宽带设备、卫星设备和/或各种其他类型的有线和/或无线网络通信设备,其包括微波、无线电、红外、蓝牙、BLE、蜂窝、GPS、组合的蜂窝和GPS、微波、近场通信设备和/或其组合。
支付提供商服务器160可以例如由在线支付服务提供商维护,所述在线支付服务提供商可以代表用户102和其他用户提供用户账户和支付服务。在这方面,支付提供商服务器160包括一个或多个处理应用,其可以使用支付提供商服务器160处的用户帐户来提供对商品的支付。在一个示例中,支付提供商服务器160可由美国加利福尼亚州圣何塞的Inc.提供。然而,在其他实施例中,支付提供商服务器160可以由酒店、商家、金融服务提供商和/或其他服务提供商来维护,或者可以包括酒店、商家、金融服务提供商和/或其他服务提供商,所述酒店、商家、金融服务提供商和/或其他服务提供商可以向用户102提供用户帐户服务。虽然支付提供商服务器160被描述为与服务提供商服务器140分离,但是应当理解,支付提供商服务器160可以包括服务提供商服务器140提供的服务,反之亦然。
图1A的支付提供商服务器160可以包括交易处理应用162、用户帐户164的数据库、以及网络接口组件166。交易处理应用162可以对应于可由硬件处理器(例如,软件程序)执行的处理、过程和/或应用。在其他实施例中,支付提供商服务器160可以包括附加的或不同的软件或硬件模块、引擎或设备。
交易处理应用162可以配置为从一个或多个用户设备110和/或服务提供商服务器140接收用于处理和完成金融交易的信息。交易处理应用162可以包括用于处理在用户设备110和/或服务提供商服务器140之间的金融交易的一个或多个应用。金融交易可以包括对应于用户借记卡/信用卡信息、支票账户信息、用户帐户(例如,支付提供商服务器160处的支付账户)或其他支付信息的金融信息。交易处理应用162可以通过向服务提供商服务器140提供支付来完成购买请求的金融交易。在各种实施例中,交易处理应用162可以向用户设备110提供交易历史(包括收据),以便提供针对物品和/或服务的购买证明。交易处理应用162还可以向服务位置130提供交易历史,以供在物品和/或服务的接收/递送中使用。
此外,支付提供商服务器160包括用户帐户164。如前所述,用户102可以建立在支付提供商服务器160处的一个或多个用户帐户。用户帐户164可以包括用户信息,如姓名、地址、出生日期、支付/资金信息、旅行信息、附加的用户金融信息和/或其他期望的用户数据。用户帐户164中的信息可被服务提供商服务器140用来确定并向用户102提供酒店服务、产品报价、警告和/或服务要约。
在各种实施例中,支付提供商服务器160可以包括适于通过网络170与用户设备110、服务位置130、服务提供商设备152和/或服务提供商服务器140通信的至少一个网络接口组件166。在各种实施例中,网络接口组件166可以包括DSL(例如,数字用户线)调制解调器、PSTN(公共交换电话网络)调制解调器、以太网设备、宽带设备、卫星设备和/或各种其他类型的有线和/或无线网络通信设备,其包括微波、无线电(RF)、红外(IR)、BLE、蜂窝、GPS、组合的蜂窝和GPS、微波、近场通信设备和/或其组合。
网络170可被实现为单个网络或多个网络的组合。例如,在各种实施例中,网络170可以包括互联网或一个或更多个内联网、有线网络、无线网络和/或其它适当类型的网络。因此,网络170可以对应于可被系统100的各个组件访问的小规模通信网络(如私有网络或局域网)或较大规模网络(如广域网或互联网)。
用户设备110、服务位置130、服务提供商服务器140和支付提供商服务器160可被布置成形成适于从用户行为数据中提取信息并根据所提取的信息生成关于服务提供商的推断评论的计算设备的一个或多个装置。例如,如图1B中所示,系统100的组件可被布置为形成数据累积模块180、提取引擎184、评分引擎188、排名引擎192和用户界面设备196,以及形成用户属性引擎181和服务提供商属性引擎185。
如图1B中所示,可以从数据累积模块180向提取引擎184提供用户行为数据182(例如,用户位置数据、用户购买历史数据、用户电子邮件数据、用户社交媒体数据、或指示一个或多个用户何时何地花费了时间、做出了购买等的其他数据)。数据累积模块180可以形成为用户设备的一部分和/或形成为诸如支付提供商服务器之类的服务器的一部分。例如,每个用户的移动设备可被布置为累积该用户的用户行为数据,或者每个用户的移动设备可被布置为向诸如支付提供商服务器之类的服务器处的远程累积模块提供该用户的用户行为数据。诸如支付提供商服务器之类的服务器可以包括数据累积模块,所述数据累积模块接收并累积多个个人用户的经处理的或未处理的用户行为数据,并将累积的用户行为数据182提供给提取引擎184。
注意,这里使用的用户行为数据不包括用户提交评分、排名、评论、议论或用户主动提供关于商家的反馈的其他动作。相反,用户行为数据是在用户进行日常活动时收集的向系统通知这些日常活动的任何数据(例如,从用户设备收集或从与用户设备和/或支付卡交互的支付服务器或其他服务器收集)。
提取引擎184可以与数据累积模块180放在一起,或者可以单独形成或远离模块180形成。提取引擎184可以接收用户行为数据,并从用户行为数据中提取意见信息,以形成要提供给评分引擎(诸如评分引擎188)的推断意见数据186。推断意见数据186可以包括每个个人用户对多个服务提供商的忠诚度点数和/或用户偏好得分。例如,推断意见数据186可以包括:根据用户的用户行为数据的与该用户访问的每个服务提供商关联的数值分数(例如,对于用户经常出席的健身房,可以包括高分,而对于用户去往一家杂货店途中经过的另一家杂货店,可以包括低分)。推断意见数据186可以包括一个或多个类别中的每个服务提供商的分数。
评分引擎188可以基于接收到的推断意见数据生成服务提供商分数数据190。例如,评分引擎188可以基于该服务提供商的来自各个用户的评分的平均或其他组合来为多个服务提供商中的每一个服务提供商生成数值分数。服务提供商分数数据190可以包括各种类别中的每个服务提供商的分数,下文将进一步描述。
可以从评分引擎188向排名引擎192提供服务提供商分数数据190。排名引擎可以通过比较每个类别中的每个服务提供商的服务提供商分数来对各种类别中的每个服务提供商进行相对于其他服务提供商的排名。各种类别中的服务提供商排名可以作为服务提供商排名数据194提供给用户界面设备196。用户界面设备196可以组织、形式化、格式化或以其他方式处理服务提供商排名数据194,以基于服务提供商排名数据194向用户界面设备的用户提供推断评论198。例如,用户界面设备196可以以网页或应用格式向用户提供推断评论198。
如图1B中所示,可以提供用户属性引擎181,所述用户属性引擎181生成多个用户的用户属性数据183(例如给提取引擎184)。用户属性数据可以包括年龄、性别、金融、位置、信仰、兴趣、职业、汽车、产品偏好或与每个特定用户关联的其他信息,并且可以基于用户提供数据和/或由用户属性引擎从一个或多个源(如用户设备、服务提供商服务器、支付提供商服务器、电子邮件服务器和/或社交媒体服务器(例如))收集的数据来确定。在一些实施例中,还可以提供服务提供商属性引擎185,所述服务提供商属性引擎185((例如,向提取引擎184))提供服务提供商属性数据187。
服务提供商属性数据187可以包括针对一个或多个服务提供商的位置、产品、服务、事件或其他信息(例如,百货商店的位置、可售的产品列表、开放时间和销售事件信息),并且可以由服务提供商属性引擎基于服务提供商提供的数据和/或由服务提供商属性引擎从一个或多个源(如用户设备、服务提供商服务器、支付提供商服务器、电子邮件服务器、社交网络、媒体服务器或其他媒体源(例如))收集的数据来生成。
在一些实施例中,提取引擎184可以基于用户属性数据和/或服务提供商属性数据来确定推断意见数据186。数据累积模块180、提取引擎184、评分引擎188、排名引擎192和用户界面设备196以及用户属性引擎181和服务提供商属性引擎185均可以全部或部分地形成为用户设备110、服务提供商服务器140和/或支付提供商服务器160的一部分或其组合,并且可以直接(例如,经由有线或无线通信)通信或通过网络(如网络170)进行通信。
图2是基于服务提供商的其他用户的推断意见向用户(例如,通过图1B的用户界面设备196)提供关于这些服务提供商的评论的示例性网页或应用的图示。例如,可以从位置数据、购买历史数据、电子邮件搜罗数据、社交媒体数据或指示特定用户何时何地购物、生活、工作等的其他数据中提取每个其他用户的推断意见。各个用户的推断意见可以根据各种标准进行组合,以形成针对服务提供商的各种类别的排名。
如图2中所示,服务推荐网页/应用200可以提供服务提供商的排名列表。在图2的例子中,在网页或应用中的表202中提供排名列表。然而,这仅是说明性的。推断评论可以通过任何合适的电子介质和/或打印介质提供给用户,并且可以以排名列表、可滚动列表、各自专门针对一个服务提供商的一组“可滑动”屏幕、或任何其他合适的格式来提供。在另一合适的示例中,当用户搜索服务提供商时,可以通过简单地仅向用户提供最高排名的服务提供商(例如,可以提供图像、地图、到网站的链接等)来提供推断评论。
在图2的例子中,表202包括与服务提供商的集合关联的数据列204的集合,其中列对应于服务提供商名称或标识符以及每个服务提供商的在各种类别中的排名。例如,每个服务提供商可以具有(如图所示的)总排名以及在各种类别中的其他排名,如距离排名、经过竞争者的排名、重复排名、服务时间排名、客户寿命排名(customer since rank)和/或任何其他合适的推断排名。表202中的服务提供商可以包括在用户周围的区域或用户指定的区域中的所有服务提供商,或者可以仅包括给定类型的服务提供商。例如,可以基于用户搜索的服务提供商的类型(例如,用户在搜索框206中搜索比萨饼)来选择或者基于各种其他可选的标准来选择进行显示的服务提供商,所述其他可选的标准如:“所有用户”标准208、“像我这样的用户”标准210、或“现在开放”标准212,它们均是网页/应用200上可以选择的(例如,通过点击或轻触选择框214来选择)。
表202中的服务提供商可以按照它们在“总排名”列中的总排名的顺序来呈现。然而,这仅是说明性的。如果需要,可以向用户提供基于其他排名(例如,通过在列标题上点击特定排名)对表202中的服务提供商列表进行排序的能力。每个服务提供商的总排名可以是距离排名、经过竞争者排名、重复排名、服务排名、客户服务排名或其任何组合的平均、加权平均、中值、或其他组合。
可以基于服务提供商的每个用户(例如,从用户的家或工作地或其他位置)到该服务提供商的位置通常所行进的平均距离来确定该服务提供商的距离排名。然而,在一些场景下,距离排名可能会因为竞争对手的缺乏、或特定地理位置和/或特定服务提供商的周围环境而存在偏差。为了进一步了解用户对服务提供商位置的出席情况(attendance),可以基于每个用户到达该服务提供商位置的途中通常经过的类似服务提供商(例如,竞争对手)的数量来确定经过竞争者排名。例如,如果典型的(例如,平均)用户每天早上去往最喜欢的咖啡店的途中经过三家咖啡店,该最喜欢的咖啡店可能会获得3分的经过竞争者得分,可将其与其他咖啡店的经过竞争者得分进行比较来进行排名。由于经过竞争者排名可以提供对距离排名的进一步洞察,所以在一个实施例中可以(全部或部分地)通过用经过竞争者得分对距离得分进行加权来确定服务提供商的总排名。
还可以从用户行为数据中提取其他信息,如用户已经返回到服务提供商的次数、用户在特定服务提供商处等待的平均服务时间、或者用户已经成为特定服务提供商位置的参与者(例如,客户或访问者)的时间长度。例如,如果典型(例如,平均)用户已经访问了特定的牙医办公室11次,该牙医办公室可被给予重复分数11,该重复分数可以与其他牙医的重复分数进行比较来排名。例如,如果典型(例如,平均)用户针对特定餐厅的服务等待20分钟,则该餐厅可被给予服务时间分数20或1/20(作为示例),该服务时间分数可以与其他(例如,类似)餐厅的服务时间分数进行比较来排名。例如,如果典型(例如,平均)用户已经是特定医生的患者17年,那么该医生可被给予客户寿命分数17,该客户寿命分数可以与其他(例如,类似)医生的客户寿命分数进行比较来排名。
如上所述,表202中的服务提供商可以是区域中的所有服务提供商(例如,医生办公室、公园、牙医办公室、餐馆、杂货店等都可以相对于彼此进行排名),或者可以显示任何合适的服务提供商的子集(例如,仅公园或仅咖啡馆)。例如,用户可以通过用户搜索框206输入特定的商家名称或服务提供商的类型,诸如“比萨饼”,使得仅显示比萨饼餐馆。在另一示例中,可以基于用户相关的标准来选择显示的服务提供商。例如,如果选择了“所有用户”标准,则可以基于这些服务位置的所有用户的行为来确定服务提供商排名。然而,具有特定医疗状况的用户或具有特定类型的宠物的用户可能不考虑医生办公室或宠物店的一般用户的行为,并且可能期望知道具有相似状况或类似类型的宠物的用户的推断意见(例如)。可以向用户提供选择“像我这样的用户”选项的能力,该选项基于类似用户(例如具有与搜索用户的属性相似的属性的用户)的行为来计算表202中的排名。可以基于来自搜索用户和/或其他用户的个人提供的信息来识别类似的用户,或者还可以基于用户的行为推断用户属性。
例如,如果一个用户通常购买高端鹦鹉食物,并且该用户(例如,使用框206)搜索宠物商店并选择“像我这样的用户”选项,则表202中的排名可以基于高端鹦鹉食物的其他购买者的行为来生成。在另一例子中,如果一个用户通常因为糖尿病状况访问医生,并且该用户(例如,使用框206)搜索药房并选择“像我这样的用户”选项,则表202可以包括基于胰岛素的购买者的行为排名的药房。在另一示例中,用户属性可以包括用户的金融或其他属性,例如保险信息和/或支付偏好信息。例如,可以针对与具有保险且支付现金的、具有保险且信用支付的、没有保险且现金支付的、或者没有保险且信用支付的用户类似的用户(作为例子)提供医疗提供商的排名。以这种方式,基于从用户数据中提取的信息,如其他人的用户行为数据(而不需要其他人直接提供他们的意见),可以快速高效地将用户引导到符合他们需求和愿望的服务和位置。然而,应当理解,在一些实施例中,用户报告的意见、评论、分数和排名也可以与推断意见结合使用。
图3示出了位于分别离用户位置(诸如用户住宅300)距离D1和D2处的两个服务提供商302和304(在图3中标记为“服务提供商1”和“服务提供商2”)的示例。例如,服务提供商302和304可以是同一天同一时间举行的两个不同的农民市场。诸如系统100之类(见图1A和1B)的系统可以基于例如来自用户的移动电话的GPS数据和/或与支付提供商的购买交易来确定:每个星期天早上,用户驱车经过第一服务提供商302去第二服务提供商304处购买产品和/或其他商品和/或服务,该第二服务提供商304位于比到第一服务提供商302的距离D1大的距离D2处。因此,与服务提供商302相比,服务提供商304可以具有来自该用户的更大的距离得分、更大的经过竞争者得分、以及更大的重复客户得分。例如,可以使用D1和D2的值和/或D2与D1的比或差来对服务提供商304的总分和总排名进行加权和/或平均。来自该用户的分数可以与来自其他用户的分数组合以确定服务提供商的总分和/或总排名。
在一些实施例中,诸如服务提供商属性之类的服务提供商信息也可以对服务提供商的得分和/或排名做出贡献。例如,如果用户以前出席了服务提供商302的农民市场,但是一年前切换到服务提供商304的农民市场且还没有返回,则可以基于用户选择服务提供商304而不是另一已知竞争对手并被确信留下的推断信息,可以提升(例如,提高)服务提供商304的总排名。该系统可以检测行为变化(例如,当变化发生或追溯时),并且可以确定服务提供商属性数据是否指示在服务提供商302或304处做出了改变(例如,服务提供商304是新开的、重新设计、改变了定价结构、添加了新产品或服务等)。
这种类型的客户行为改变信息可被单独地或与所确定的服务提供商属性数据组合地提供给其他用户(例如,用于排名)和/或提供给服务提供商自身。以这种方式,诸如服务提供商302之类的服务提供商可以了解诸如服务提供商304之类的竞争者已经成功窃取了忠实顾客(作为示例)。
在另一场景下,可以确定用户临时切换到服务提供商304(例如,当服务提供商304新开、重新设计或提供折扣或激励时),然后返回到服务提供商302购物或出席服务提供商302。在该示例中,可以对服务提供商304进行排名而不提供增强的权重或经过竞争者提升,因为用户的行为没被维持。
在图4中示出了执行用于根据用户行为数据生成推断评论的说明性操作。
在步骤400,可以收集一个或多个用户的用户位置数据。例如,服务提供商服务器、支付提供商服务器或其他服务器可以从用户的移动电话收集GPS数据,可以确定用户购买历史中的购买位置,可以从用户的电子邮件和/或社交媒体账户(例如,关于在特定咖啡馆喝咖啡的电子邮件或社交媒体帖子)中或者用户的其他位置信息来源(例如,来自该位置的信标的登记信息)搜罗位置数据。
在步骤402,可以收集一个或多个用户的用户购买历史数据。可以从经由一个或多个支付提供商的购买交易和/或用户接收的电子邮件或其他收据,收集购买历史数据。
在步骤404,可以收集服务提供商属性数据,如一个或多个服务提供商的服务提供商数据。可以从服务提供商自身或其他来源(如,媒体、电子邮件、社交媒体或其他来源)收集服务提供商数据。服务提供商数据可以包括服务提供商的位置、服务提供商的名称、服务提供商的联系信息、产品和/或服务信息、或关于服务提供商的任何其他信息。
在步骤406,可以收集附近的服务提供商属性数据,如一个或多个服务提供商的服务提供商事件数据。可以从服务提供商自身或其他来源(如,媒体、电子邮件、社交媒体或其他来源)收集服务提供商事件数据。服务提供商事件数据可以包括:开放日期信息、开放时间信息、促销信息(例如,提供的折扣或激励)或关于服务提供商的任何其他信息。
在步骤408,可以收集用户属性数据,例如一个或多个用户的用户事件数据。可以从用户的用户设备或其他来源(例如,媒体、电子邮件、社交媒体或其他来源)收集用户事件数据。用户事件数据可以包括与用户生活中的事件相关联的信息,所述事件如结婚或离婚、孩子的出生、生日、新工作、或关于可能影响用户做出关于服务提供商的决定的用户相关事件的任何其他信息。例如,如果确定一男性用户已经结婚,则当该男性用户搜索服装店时,该男性用户可以期望基于其他已婚男性用户的用户行为数据的关于服装店的推断评论。在另一示例中,如果用户失去作业并停止在特定商店购物,则可以使用指示丢失工作的用户事件数据来防止由于该用户减少的购物(例如,由于外部影响、丢失工作,而不是不满意商店)而对该商店的推断评论生成负面影响。还可以收集附加的用户属性数据,如用户偏好、消费习惯、金融状况、信用评级、居所所有权、年龄、性别等。
在步骤410,可以基于收集的数据来确定一个或多个服务提供商中的每一个服务提供商的服务提供商排名。如上述示例中所述的,可以通过从用户数据和/或服务提供商数据中提取推断意见信息来确定服务提供商排名。例如,根据各种类别(如图2的表202的列204中的类别)的服务提供商排名可以基于下述信息来确定:用户的行进距离、用户经过的竞争对手的数量、用户进行的重复访问次数、用户通常等待服务的时间长度、用户保持为客户的时间长度、或从收集的数据中提取的其他数字的和/或统计的信息。
确定服务提供商排名可以包括:确定到一个或多个服务提供商的总行进距离;确定一个或多个服务提供商的一个或多个干预服务提供商(例如,位于用户和特定服务提供商之间的竞争者);确定自对一个或多个服务提供商的首次用户访问起经过的时间长度;确定对一个或多个服务提供商的重复访问频率;确定一个或多个服务提供商的服务的时间长度;确定用户属性;确定一个或多个服务提供商的服务提供商属性;以及基于总行进距离、干预服务提供商、自首次用户访问起经过的时间、重复访问频率、服务的时间长度、用户属性、和/或所述一个或多个服务提供商中的每一个服务提供商的与一个或多个用户关联的服务提供商属性,确定一个或多个服务提供商的服务提供商分数和/或服务提供商排名。可以基于针对其收集数据的所有用户或仅用户子集的数据来确定服务提供商排名。
在步骤412,服务提供商排名可被(例如,使用用户界面设备)提供给附加用户。附加用户可以是访问其计算设备上的特定网站或应用以搜索服务提供商排名的用户。如上文结合图2所述,可以基于所有用户或基于针对其收集数据的用户的子集,以表格或其他格式,针对所有服务提供商、服务提供商的子集,来提供服务提供商排名。
例如,图5中示出了基于来自用户子集的数据提供服务提供商排名的说明性操作。
在步骤500,可以向用户提供服务提供商排名。例如,可以在用户访问应用或网页时在应用或一个网页中提供(例如,以如图2中的表格格式或以另一种格式提供)服务提供商排名显示,该服务提供商排名显示具有基于服务提供商的所有用户的行为确定的排名。
在步骤502,可以接收请求基于用户属性提供服务提供商排名的请求。可以通过检测例如用户勾选应用或网页中的“像我这样的用户”选择框来接收请求基于用户属性提供服务提供商排名的请求。
在步骤504,可以获取用户属性。获取用户属性可以包括从系统硬件存储器访问存储的和先前确定的用户属性,从用户接收用户属性,和/或基于用户位置数据、用户购买历史数据、用户电子邮件数据和/或用户社交媒体数据确定用户属性。用户属性可以包括用户产品偏好、用户服务偏好、诸如收入和/或消费水平之类的用户经济信息、用户医疗信息、用户性别、婚姻状况、年龄、教育或通常与用户有关的任何其他信息。
在步骤506,可以基于用户属性向用户提供修改后的服务提供商排名。例如,可以仅基于表示具有相同或相似属性的用户的行为的数据来重新计算并提供一个或多个服务提供商的排名。例如,年收入20万美元的只有54岁的已婚女性可被提供基于收入超过15万美元的年龄在50至60岁之间的其他已婚妇女的关于汽车经销商的推断意见而生成的汽车经销商信息。
图6是根据实施例的适于实现图1A中的一个或多个组件的计算机系统的框图。在各种实施例中,用户设备可以包括能够与网络通信的个人计算设备(例如,智能电话、平板计算机、个人计算机、膝上型计算机、PDA、蓝牙设备、密钥FOB、徽章等)。服务提供商和/或支付提供商可以利用能够与网络通信的网络计算设备(例如,网络服务器)。应当理解,用户和服务提供商使用的设备中的每一个可以实现为如下方式的计算机系统600。
计算机系统600包括总线602或用于在计算机系统600的各个组件之间传送信息数据、信号和信息的其他通信机构。组件包括输入/输出(I/O)组件604,其处理诸如从小键盘/键盘选择键、选择一个或多个按钮、图像、或链接、和/或移动一个或多个图像等用户动作,并将相应的信号发送到总线602。I/O组件604还可以包括输出组件,诸如显示器611和光标控制器613(诸如键盘、小键盘、鼠标、等)。还可以包括可选的音频输入/输出组件605,以允许用户通过转换音频信号来使用语音输入信息。音频I/O组件605可以允许用户听到音频。收发器或网络接口606经由网络170在计算机系统600和其他设备(诸如另一用户设备、商家设备或服务提供商服务器)之间发送和接收信号。在一个实施例中,传输是无线的,尽管其它传输介质和方法也可以是合适的。可以是微控制器、数字信号处理器(DSP)或其他处理组件的一个或多个处理器612处理这些各种信号,例如用于在计算机系统600上显示或经由通信链路618传输到其他设备。处理器612还可以控制诸如cookie或IP地址等信息到其他设备的传输。
计算机系统600的组件还包括系统存储器组件614(例如RAM)、静态存储装置组件616(例如ROM)和/或磁盘驱动器617。计算机系统600通过由处理器612和其他组件执行包含在系统存储器组件614中包含的一个或多个指令序列来执行特定操作。逻辑可以编码在计算机可读介质中,计算机可读介质可以指参与向处理器612提供指令以供执行的任何介质。这种介质可以采取许多形式,包括但不限于非易失性介质、易失性介质和传输介质。在各种实施例中,非易失性介质包括光盘或磁盘,易失性介质包括诸如系统存储器组件614的动态存储器,并且传输介质包括同轴电缆、铜线和光纤,包括包含总线602的导线。在一个实施例中,逻辑被编码在非暂时的计算机可读介质中。非暂时的计算机可读介质可以包括指令,所述指令响应于计算机系统的执行使得计算机系统执行本文所述的一种或多种方法中的一些或全部。在一个示例中,传输介质可以采取诸如在无线电波、光学和红外数据通信期间生成的声波或光波的形式。
一些常见形式的计算机可读介质包括例如软盘、柔性盘、硬盘、磁带、任何其他磁介质、CD-ROM、任何其它光学介质、穿孔卡、纸带,任何其他具有孔的图案的物理介质、RAM、PROM、EEPROM、FLASH-EEPROM、任何其他存储器芯片或盒,或计算机适于读取的任何其他介质。
在本公开的各种实施例中,执行指令序列以实践本公开可由计算机系统600执行。在本公开的各种其他实施例中,通过通信链路618耦合到网络(例如,诸如LAN、WLAN、PTSN和/或各种其它有线或无线网络,包括电信、移动、和蜂窝电话网络)的多个计算机系统600可以执行指令序列以彼此协调地实践本公开。
在适用的情况下,本公开提供的各种实施例可以使用硬件、软件或硬件和软件的组合来实现。此外,在适用的情况下,本文阐述的各种硬件组件和/或软件组件可以组合成包括软件、硬件和/或二者的复合组件,而不脱离本公开的实质。在适用的情况下,本文阐述的各种硬件组件和/或软件组件可以分为包括软件、硬件或二者的子组件而不脱离本公开的范围。此外,在适用的情况下,预期软件组件可被实现为硬件组件,反之亦然。
根据本公开的诸如程序代码和/或数据等的软件可以存储在一个或多个计算机可读介质上。还可预期,本文所标识的软件可以使用网络化和/或其他方式的一个或多个通用或专用计算机和/或计算机系统来实现。在适用的情况下,本文描述的各种步骤的顺序可被改变、组合成复合步骤和/或分离成子步骤以提供本文所述的特征。
前述公开不旨在将本公开限制于所公开的确切形式或特定使用领域。因此,鉴于本公开,预期本公开的各种替代实施例和/或对本公开的修改(无论是本文明确描述的或隐含的)是可能的。由此已经描述了本公开的实施例,本领域普通技术人员将认识到,在不脱离本公开的范围的情况下,可以在形式和细节上进行改变。因此,本公开仅由权利要求书限制。
Claims (20)
1.一种系统,包括:
数据累积模块,配置为累积多个用户的用户行为数据;
提取引擎,配置为从累积的用户行为数据中提取意见信息;
评分引擎,配置为基于所提取的意见信息为多个服务提供商生成服务提供商分数;以及
排名引擎,配置为基于服务提供商分数生成服务提供商排名。
2.根据权利要求1所述的系统,还包括:用户界面设备,配置为向附加用户提供所生成的服务提供商排名。
3.根据权利要求2所述的系统,其中,所述用户界面设备还配置为:从所述附加用户接收用户请求,并且响应于所述用户请求向所述附加用户提供修改后的服务提供商排名。
4.根据权利要求3所述的系统,其中,所述用户请求包括针对服务提供商的类型的用户搜索。
5.根据权利要求4所述的系统,其中,所述用户请求包括:请求基于所述多个用户中具有与所述附加用户的属性相似的属性的子集的用户行为数据来接收服务提供商排名的请求。
6.根据权利要求3所述的系统,其中,所述用户请求包括:请求基于所述多个用户中具有与所述附加用户的属性相似的属性的子集的用户行为数据来接收服务提供商排名的请求。
7.根据权利要求6所述的系统,其中,所述提取引擎还配置为从所述用户行为信息中提取所述附加用户的属性。
8.根据权利要求1所述的系统,其中,所述用户行为数据包括所述多个用户的位置历史数据、购买历史数据、电子邮件数据或社交媒体数据。
9.根据权利要求1所述的系统,其中,所述提取引擎配置为:通过确定向所述服务提供商中的至少一个服务提供商行进的距离,从所述累积的用户行为数据中提取所述意见信息。
10.根据权利要求9所述的系统,其中,所述提取引擎配置为:通过确定所经过的类似服务提供商的数量,从所述累积的用户行为数据中提取所述意见信息。
11.根据权利要求1所述的系统,其中,所述提取引擎配置为:通过确定对所述服务提供商中的至少一个服务提供商的重复访问次数,从所述累积的用户行为数据中提取所述意见信息。
12.根据权利要求1所述的系统,其中,所述提取引擎配置为:通过确定所述服务提供商中的至少一个服务提供商的服务的时间长度,从所述累积的用户行为数据中提取所述意见信息。
13.根据权利要求1所述的系统,其中,所述提取引擎配置为:通过确定自所述多个用户中的至少一个用户对所述服务提供商中的至少一个服务提供商的第一次访问起经过的时间长度,从所述累积的用户行为数据中提取所述意见信息。
14.一种方法,包括:
在服务器处,至少部分基于从多个用户的移动设备提供的用户位置信息,累积所述多个用户的用户行为数据;
利用所述服务器从累积的用户行为数据中提取意见信息;
利用所述服务器,基于所提取的意见信息为多个服务提供商生成服务提供商分数;以及
利用所述服务器,根据所述服务提供商分数生成服务提供商排名。
15.根据权利要求14所述的方法,还包括:向附加用户的用户设备提供所述服务提供商排名。
16.根据权利要求15所述的方法,其中,所述附加用户具有至少一个属性,所述方法还包括:
从所述附加用户接收针对修改后的服务提供商排名的请求,所述修改后的服务提供商排名基于所提取的所述多个用户中具有与所述至少一个属性相似的属性的子集的意见;以及
向所述附加用户提供所述修改后的服务提供商排名。
17.根据权利要求16所述的方法,还包括:至少部分基于所述附加用户的购买历史数据,确定所述附加用户的所述至少一个属性。
18.一种系统,包括:
多个移动设备,所述多个移动设备各自与多个用户中的对应用户相关联;以及
服务器,所述服务器配置为从所述多个移动设备接收用户行为数据,其中所述服务器还配置为基于所接收的用户行为数据生成关于服务提供商的推断评论。
19.根据权利要求18所述的系统,其中,所述服务器配置为通过以下方式来基于所接收的用户行为数据生成关于服务提供商的推断评论:
从所述用户行为数据中提取每个用户的推断意见数据;
基于提取的意见信息为服务提供商生成服务提供商分数数据;
基于所述服务提供商分数数据生成服务提供商排名数据;以及
基于所生成的服务提供商排名数据生成推断评论。
20.根据权利要求18所述的系统,其中,所述系统包括支付提供商服务器。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/584,971 US10949899B2 (en) | 2014-12-29 | 2014-12-29 | Systems and methods for inferred review |
US14/584,971 | 2014-12-29 | ||
PCT/US2015/067851 WO2016109530A1 (en) | 2014-12-29 | 2015-12-29 | Systems and methods for inferred review |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107430732A true CN107430732A (zh) | 2017-12-01 |
Family
ID=56164744
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201580077059.3A Pending CN107430732A (zh) | 2014-12-29 | 2015-12-29 | 用于推断评论的系统和方法 |
Country Status (4)
Country | Link |
---|---|
US (2) | US10949899B2 (zh) |
EP (1) | EP3241165A4 (zh) |
CN (1) | CN107430732A (zh) |
WO (1) | WO2016109530A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110661634A (zh) * | 2018-06-29 | 2020-01-07 | 中兴通讯股份有限公司 | 用户信息的处理方法及装置 |
US10949899B2 (en) | 2014-12-29 | 2021-03-16 | Ebay Inc. | Systems and methods for inferred review |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SG10201502195UA (en) * | 2015-03-20 | 2016-10-28 | Mastercard Asia Pacific Pte Ltd | Method and system for computing a rating for a service provider |
US11030535B1 (en) * | 2015-06-24 | 2021-06-08 | Amazon Technologies, Inc. | Machine learned merchant ratings |
SG10201507795SA (en) * | 2015-09-18 | 2017-04-27 | Mastercard International Inc | Transaction based check-in to recommendation providing social media platforms |
US10430829B2 (en) | 2015-10-02 | 2019-10-01 | American Express Travel Related Services Company, Inc. | Systems and methods for generating curated and custom content for data-driven applications using closed-loop data |
GB201701560D0 (en) * | 2017-01-31 | 2017-03-15 | Digital Fineprint Ltd | Data analysis system |
US20190068522A1 (en) * | 2017-08-28 | 2019-02-28 | Microsoft Technology Licensing, Llc | Packet sharing based on identified needs of disparate users |
CN112714144B (zh) * | 2019-10-25 | 2022-06-21 | 拉扎斯网络科技(上海)有限公司 | 列表信息处理方法、装置、电子设备及计算机存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110099046A1 (en) * | 2009-10-23 | 2011-04-28 | Cadio, Inc. | Analyzing consumer behavior using electronically-captured consumer location data |
CN103679507A (zh) * | 2013-12-06 | 2014-03-26 | 冯志刚 | 一种对作品或商品进行评分和排名的方法和系统 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040128282A1 (en) * | 2001-03-07 | 2004-07-01 | Paul Kleinberger | System and method for computer searching |
US6641037B2 (en) * | 2001-12-13 | 2003-11-04 | Peter Williams | Method and system for interactively providing product related information on demand and providing personalized transactional benefits at a point of purchase |
US7363214B2 (en) * | 2003-08-08 | 2008-04-22 | Cnet Networks, Inc. | System and method for determining quality of written product reviews in an automated manner |
US9002730B2 (en) * | 2004-04-28 | 2015-04-07 | Richard Postrel | Method and system for generating location based purchase incentives based on predicted route of travel |
US8819589B2 (en) * | 2008-06-10 | 2014-08-26 | Microsoft Corporation | Providing partner services within a host application |
US8207844B2 (en) * | 2009-10-16 | 2012-06-26 | Zhihong Yu | Methods and systems for identifying points of interest |
US8744896B2 (en) * | 2011-06-13 | 2014-06-03 | University Of Southern California | Extracting dimensions of quality from online user-generated content |
US20140025670A1 (en) * | 2012-07-19 | 2014-01-23 | Berrin, Llc | Location based recommendations |
CA2886784A1 (en) * | 2012-10-01 | 2014-04-10 | Service Management Group, Inc. | Consumer analytics system that determines, offers, and monitors use of rewards incentivizing consumers to perform tasks |
US20140200937A1 (en) * | 2013-01-16 | 2014-07-17 | Robert Friedman | Method and system for requesting products and services and rating employees and service locations keyed to identification tags |
US20140258169A1 (en) * | 2013-03-05 | 2014-09-11 | Bental Wong | Method and system for automated verification of customer reviews |
US9747375B2 (en) * | 2014-11-13 | 2017-08-29 | International Business Machines Corporation | Influence personal benefit from dynamic user modeling matching with natural language statements in reviews |
US10949899B2 (en) | 2014-12-29 | 2021-03-16 | Ebay Inc. | Systems and methods for inferred review |
-
2014
- 2014-12-29 US US14/584,971 patent/US10949899B2/en active Active
-
2015
- 2015-12-29 CN CN201580077059.3A patent/CN107430732A/zh active Pending
- 2015-12-29 EP EP15876163.5A patent/EP3241165A4/en not_active Withdrawn
- 2015-12-29 WO PCT/US2015/067851 patent/WO2016109530A1/en active Application Filing
-
2021
- 2021-02-04 US US17/167,812 patent/US11880873B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110099046A1 (en) * | 2009-10-23 | 2011-04-28 | Cadio, Inc. | Analyzing consumer behavior using electronically-captured consumer location data |
CN103679507A (zh) * | 2013-12-06 | 2014-03-26 | 冯志刚 | 一种对作品或商品进行评分和排名的方法和系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10949899B2 (en) | 2014-12-29 | 2021-03-16 | Ebay Inc. | Systems and methods for inferred review |
US11880873B2 (en) | 2014-12-29 | 2024-01-23 | Ebay Inc. | Systems and methods for inferred review |
CN110661634A (zh) * | 2018-06-29 | 2020-01-07 | 中兴通讯股份有限公司 | 用户信息的处理方法及装置 |
CN110661634B (zh) * | 2018-06-29 | 2021-01-26 | 中兴通讯股份有限公司 | 用户信息的处理方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
US11880873B2 (en) | 2024-01-23 |
EP3241165A4 (en) | 2018-05-30 |
US20160189253A1 (en) | 2016-06-30 |
US20210158408A1 (en) | 2021-05-27 |
WO2016109530A1 (en) | 2016-07-07 |
US10949899B2 (en) | 2021-03-16 |
EP3241165A1 (en) | 2017-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20180174205A1 (en) | Systems and methods for recommending merchants to a consumer | |
US10438242B1 (en) | Converged web-identity and mobile device based shopping | |
US11468475B2 (en) | Apparatuses, computer program products, and methods for generation of augmented reality interfaces | |
JP5872083B2 (ja) | 効率的な取引のためのユーザプロファイルおよび地理的位置 | |
CN107430732A (zh) | 用于推断评论的系统和方法 | |
US9092828B2 (en) | Data sharing platform | |
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 | |
US20040111360A1 (en) | System and method for personal and business information exchange | |
US20140081750A1 (en) | Social media transaction visualization structure | |
US20070136140A1 (en) | Provision of shopping information to mobile devices | |
US20150081467A1 (en) | User-driven reverse auctions systems and methods | |
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 | |
US9070152B1 (en) | Electronic computer engines for pricing analytical rating, searching, and matching consumers to businesses and methods of use thereof | |
US20130204701A1 (en) | Apparatus, system and methods for marketing targeted products to users of social media | |
US20160253705A1 (en) | Marketing system using mobile device and method therefor | |
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 | |
JP7078784B1 (ja) | 提供装置、提供方法及び提供プログラム | |
KR20080030202A (ko) | 블로그를 이용한 온라인 쇼핑몰 홍보 방법 및 상품 판매 시스템 | |
Singh | Impact of mobile commerce in e-commerce in perspective of Indian scenario | |
KR20160061277A (ko) | Ux기반의 중소기업 포털 서비스 시스템 | |
Guhl et al. | Behavioral Biases in Marketing | |
WO2021210486A1 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
Vossen et al. | IT and the Consumer |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171201 |
|
RJ01 | Rejection of invention patent application after publication |