CN107742084A - 一种在生成优惠券时保护消费者隐私的方法 - Google Patents

一种在生成优惠券时保护消费者隐私的方法 Download PDF

Info

Publication number
CN107742084A
CN107742084A CN201711071152.0A CN201711071152A CN107742084A CN 107742084 A CN107742084 A CN 107742084A CN 201711071152 A CN201711071152 A CN 201711071152A CN 107742084 A CN107742084 A CN 107742084A
Authority
CN
China
Prior art keywords
consumer
reward voucher
privacy
consumption
information
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
CN201711071152.0A
Other languages
English (en)
Inventor
李瀚懿
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.)
Beijing Hanning Intelligent Technology Co Ltd
Original Assignee
Beijing Hanning Intelligent Technology Co Ltd
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 Beijing Hanning Intelligent Technology Co Ltd filed Critical Beijing Hanning Intelligent Technology Co Ltd
Priority to CN201711071152.0A priority Critical patent/CN107742084A/zh
Publication of CN107742084A publication Critical patent/CN107742084A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • 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
    • G06Q30/0222—During e-commerce, i.e. online 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Bioethics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种在生成优惠券时保护消费者隐私的方法，包括：长期跟踪获取每位消费者的消费行为建立消费信息大数据库，并分别对每位消费者的个人信息和消费信息进行隐私等级划分；在获取消费信息时，消费者设置消费者意愿公开的隐私等级，超市或卖场与运营商协商设置超市或卖场获取隐私的隐私等级；在消费结算时，根据该超市或卖场获取隐私的隐私等级和消费者意愿公开的隐私等级，获取该消费者相应隐私等级的个人信息和消费信息，并对获取的个人信息和消费信息进行分析，生成针对该消费者的优惠券：本发明解决了基于大数据库的优惠券智能生成方案容易泄露个人隐私的弊端，有效的保护了消费者隐私，提高消费者消费体验。

Description

一种在生成优惠券时保护消费者隐私的方法
技术领域
本发明涉及商品促销、服务促销的凭证生成技术，具体涉及一种在生成优惠券时保护消费者隐私的方法。
背景技术
优惠券是商家最常用的营销手段及广告方式，优惠券分为直减券、满减券和折扣券等，针对不同的店面形式又分为纸质优惠券和电子优惠券(包括手机优惠券、电子优惠券码等)，随着大数据时代的到来，由于基于大数据库的优惠券智能生成方案，生成的优惠券具有针对性、营销效果好等优点，已成为发展的必然趋势。
但基于大数据库的优惠券智能生成方案针对每个消费者生成适合的优惠券，是通过对每个消费者的消费行为长期跟踪实现的，这样在生成优惠券过程中更容易违背消费者意愿泄漏个人隐私，且消费者也会有被针对推送优惠券的消极感受，产生不安感、负面情绪，降低消费者消费体验。
发明内容
本发明所要解决的技术问题是基于大数据库的优惠券智能生成方案更容易违背消费者意愿泄漏个人隐私，且存在消费者有被针对推送优惠券的消极感受，降低消费者消费体验的问题。
为了解决上述技术问题，本发明所采用的技术方案是提供一种在生成优惠券时保护消费者隐私的方法，包括以下步骤：
步骤S10、长期跟踪获取每位消费者的消费行为建立消费信息大数据库，并分别对每位消费者的个人信息和消费信息进行隐私等级划分；
步骤S20、在获取每个消费者的消费信息时，消费者设置消费者意愿公开的隐私等级，超市或卖场与运营商协商设置超市或卖场获取隐私的隐私等级，不同的超市或卖场根据各自不同的需求设置其隐私级别；
步骤S30、消费者在合作超市或卖场消费结算时，系统会根据该超市或卖场获取隐私的隐私等级和消费者意愿公开的隐私等级，从消费信息大数据库中获取该消费者相应隐私等级的个人信息和消费信息，并对获取的个人信息和消费信息进行分析，生成针对该消费者的优惠券。
在上述方法中，隐私等级越高公开的个人信息和消费信息量越少。
在上述方法中，当超市或卖场获取隐私的隐私等级低于消费者意愿公开的隐私等级时，以消费者意愿公开的隐私等级为准获取消费者个人信息和消费信息。
在上述方法中，每个隐私等级对应一个优惠券生成算法；
在最高的隐私等级时，只匿名地对每一个单个消费者的当前消费行为进行分析，生成对应的优惠券；
在最低的隐私等级时，将对该消费者的所有历史消费信息和个人信息计算分析，生成对应的优惠券。
在上述方法中，在生成针对该消费者的优惠券后，系统会自动匹配非针对该消费者的优惠券，产生优惠券组合，发送给消费者。
在上述方法中，步骤S30具体包括以下步骤：
步骤S31、消费者在合作超市或卖场消费结算时，系统会根据该超市或卖场获取隐私的隐私等级和消费者意愿公开的隐私等级，从消费信息大数据库中获取该消费者相应隐私等级的个人信息和消费信息；
步骤S32、通过分析该消费者的个人信息和历史消费信息及本次购物信息，推测出一种或多种该消费者近期最需要购买的商品；
步骤S33、根据该消费者近期最需要购买的商品从优惠券库中匹配优惠券清单；
步骤S34、将匹配度高的优惠券取出生成本次购物优惠券列表。
在上述方法中，匹配结果判断：如果有匹配度高的优惠券，生成本次购物优惠券，打印高匹配度优惠券，发放给消费者；如果没有最匹配的优惠券，不生成任何优惠券或者任意发放优惠券。
在上述方法中，在步骤S33中，为了匹配的优惠券清单更精准的符合对应消费者的需求，利用消费信息大数据库中大量消费者的历史消费数据训练获得消费者模型，结合已经训练好的消费者模型和消费者购物信息，获得消费者特性；并根据消费者特性分析出该消费者的消费行为习惯，并从优惠券库中精准匹配出与消费者近期最需要购买的商品和其消费行为习惯匹配度最好的优惠券列表；
其中，所述该消费者特性包括：
消费类型；
消费者身份；
消费能力。
在上述方法中，在得到在优惠券列表后系统自动从优惠券列表中选择出价最高的预设数量商家的优惠券，并发送给卖场的收银系统分发给该消费者；再通过实时统计每个商家的优惠券已投放量、优惠券使用率和对应的销售额等市场反应信息，反馈给商家，商家根据市场反应信息随时调整优惠券竞价价格。
在上述方法中，每张优惠券的面额是不同、且不固定；
每张优惠券的面额的计算方法具体为：
根据商家已发放优惠券数量、已发放优惠券总额度、已发放优惠券的使用率以及销售额计算当前优惠力度下的收益情况，重新计算每张优惠券面额的取值范围；
结合消费行为习惯，在重新计算得到的每张优惠券面额的取值范围内，确定最适合该消费者的面额，并自动匹配计算出来，生成相应面额的优惠券，发送给卖场的收银系统。
本发明解决了基于大数据库的优惠券智能生成方案针对每个消费者生成适合的优惠券容易泄露个人隐私的弊端，有效的保护了消费者隐私，极大地消除了消费者由于被针对推送优惠券的消极感受，提高消费者消费体验。
附图说明
图1为本发明提供的一种在生成优惠券时保护消费者隐私的方法流程图；
图2为本发明中步骤S33的具体流程图。
具体实施方式
下面结合说明书附图和具体实施例对本发明做出详细的说明。
如图1所示，本发明提供了一种在生成优惠券时保护消费者隐私的方法，包括以下步骤：
步骤S10、长期跟踪获取每位消费者的消费行为建立消费信息大数据库，并分别对每位消费者的个人信息和消费信息进行隐私等级划分；隐私等级越高公开的个人信息和消费信息量越少。
步骤S20、在获取每个消费者的消费信息时，消费者设置消费者意愿公开的隐私等级，超市或卖场与运营商协商设置超市或卖场获取隐私的隐私等级，不同的超市或卖场根据各自不同的需求设置其隐私级别；
步骤S30、消费者在合作超市或卖场消费结算时，系统会根据该超市或卖场获取隐私的隐私等级和消费者意愿公开的隐私等级，从消费信息大数据库中获取该消费者相应隐私等级的个人信息和消费信息，并对获取的个人信息和消费信息进行分析，生成针对该消费者的优惠券。
其中，当超市或卖场获取隐私的隐私等级低于消费者意愿公开的隐私等级时，以消费者意愿公开的隐私等级为准获取消费者个人信息和消费信息。
在本发明中，每个隐私等级对应一个优惠券生成算法，其中，在最高的隐私等级时，只匿名地对每一个单个消费者的当前消费行为进行分析，生成对应的优惠券；再最低的隐私等级时，将对该消费者的所有历史消费信息和个人信息计算分析，生成对应的优惠券，此时优惠券是最精准投放，对消费者的针对性最强。
在本发明中，为了消除消费者被针对推送优惠券的不良感受，保护消费者的消费隐私，在生成针对该消费者的优惠券后，系统会自动匹配非针对该消费者的优惠券，产生优惠券组合，发送给消费者，这样从消费者得到的优惠券上将无法获知该消费者的消费特性，达到保护消费者消费隐私、提高消费者消费体验的目的，例如在计算得到该消费者最需要的优惠券后，将母婴系列产品的优惠券或者减肥产品的优惠券混合到在计算得到的优惠券中发给消费者。
如图2所示，,步骤S30具体包括以下步骤：
步骤S31、消费者在合作超市或卖场消费结算时，系统会根据该超市或卖场获取隐私的隐私等级和消费者意愿公开的隐私等级，从消费信息大数据库中获取该消费者相应隐私等级的个人信息和消费信息；
步骤S32、通过分析该消费者的个人信息和历史消费信息及本次购物信息，推测出一种或多种该消费者近期最需要购买的商品，如饮用水、咖啡、牛奶、牙膏、洗衣液等；
步骤S33、根据该消费者近期最需要购买的商品从优惠券库(保存商家根据营销策略制定的商品优惠券清单)中匹配优惠券清单；
步骤S34、将匹配度高的优惠券(具体根据优惠券发放策略选择取出的优惠券数量)取出生成本次购物优惠券列表；匹配结果判断，如果有匹配度高的优惠券，生成本次购物优惠券，打印高匹配度优惠券，发放给消费者；如果没有最匹配的优惠券，不生成任何优惠券或者任意发放优惠券。
在步骤S33中，为了匹配的优惠券清单更精准的符合对应消费者的需求，还会利用消费信息大数据库中大量消费者的历史消费数据训练获得消费者模型，结合已经训练好的消费者模型和消费者购物信息(历史消费信息和本次消费信息，如果隐私等级为最高等级，只利用本次消费信息)，获得消费者特性，其中，该消费者特性，包括：
消费类型(是家庭采购，个人采购，临时购买，还是其他)；
消费者身份(是家庭主妇，未婚女性，还是其他)；
消费能力。
消费者模型不是基于该消费者本身，而是对一类消费者的消费行为进行分析，例如：消费者模型是家庭主妇，则主要推送日常用品的优惠券；消费者模型是司机，主要推送汽车产品的优惠券；消费者模型是学生，主要推送学习用品的优惠券。
并根据消费者特性分析出该消费者的消费行为习惯，并从优惠券库中精准匹配出与消费者近期最需要购买的商品和其消费行为习惯匹配度最好的优惠券列表，此时因为结合了该消费者的消费行为习惯，所以得到的优惠券列表更符合消费者的购物需求，投放效果更好，使用率更高。
在得到在优惠券列表后系统还会自动从优惠券列表中选择出价最高的预设数量商家的优惠券，并发送给卖场的收银系统分发给该消费者，可以直接打印发给消费者，也可以以电子形式发送到消费者的会员账号。再通过实时统计每个商家的优惠券已投放量、优惠券使用率和对应的销售额等市场反应信息，反馈给商家，商家根据市场反应信息随时调整优惠券竞价价格。
在本发明中，每张优惠券的面额是不同、且不固定，需要根据商家已发放优惠券数量、已发放优惠券总额度、已发放优惠券的使用率以及销售额计算当前优惠力度下的收益情况，重新计算每张优惠券面额的取值范围；再结合消费行为习惯，在重新计算得到的每张优惠券面额的取值范围内，确定最适合该消费者的面额，并自动匹配计算出来，生成相应面额的优惠券，发送给卖场的收银系统。例如商家根据营销策略制定要分发的优惠券总额度150000元，实时统计已发放优惠券数量为2000、已发放优惠券总额度为20000元、已发放优惠券的历史使用率仅为40％；在当前每张优惠券面额的取值范围为内销售额为40000元，收益情况为30％，距离商家既定目标40％具有差距，由于在计算收益时存在房租、人工支出等固定成本，所以提高销售额，是要提高收益主要途径，优惠券的发放时促进消费的一种方法，而优惠券的面额大小(优惠力度)影响供求关系，即影响消费者的购买意愿，所以大数据算法会根据历史数据调整剩余优惠券面额的取值范围，即增大或减小优惠券面额，找到价格(优惠券面额)与供求(销售额)的平衡点，保障利益最大化，提高收益。在该实施例中对剩余额度的待发优惠券的面额进行调整，例如根据计算在取值范围为15至25之间时，目前收益最大，就将剩余待发放的优惠券面额取15至25间任意数发放出去，具体发放多少根据消费者个人情况来确定。
本发明的有益效果在于：本发明解决了基于大数据库的优惠券智能生成方案针对每个消费者生成适合的优惠券容易泄露个人隐私的弊端，有效的保护了消费者隐私，极大地消除了消费者由于被针对推送优惠券的消极感受，提高消费者消费体验。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种在生成优惠券时保护消费者隐私的方法，其特征在于，包括以下步骤：
步骤S10、长期跟踪获取每位消费者的消费行为建立消费信息大数据库，并分别对每位消费者的个人信息和消费信息进行隐私等级划分；
步骤S20、在获取每个消费者的消费信息时，消费者设置消费者意愿公开的隐私等级，超市或卖场根据自身需求与运营商协商设置超市或卖场获取隐私的隐私等级；
步骤S30、消费者在合作超市或卖场消费结算时，系统会根据该超市或卖场获取隐私的隐私等级和消费者意愿公开的隐私等级，从消费信息大数据库中获取该消费者相应隐私等级的个人信息和消费信息，并对获取的个人信息和消费信息进行分析，生成针对该消费者的优惠券。
2.如权利要求1所述的方法，其特征在于，隐私等级越高公开的个人信息和消费信息量越少。
3.如权利要求2所述的方法，其特征在于，当超市或卖场获取隐私的隐私等级低于消费者意愿公开的隐私等级时，以消费者意愿公开的隐私等级为准获取消费者个人信息和消费信息。
4.如权利要求2所述的方法，其特征在于，每个隐私等级对应一个优惠券生成算法；
在最高的隐私等级时，只匿名地对每一个单个消费者的当前消费行为进行分析，生成对应的优惠券；
在最低的隐私等级时，将对该消费者的所有历史消费信息和个人信息计算分析，生成对应的优惠券。
5.如权利要求1所述的方法，其特征在于，在生成针对该消费者的优惠券后，系统会自动匹配非针对该消费者的优惠券，产生优惠券组合，发送给消费者。
6.如权利要求1所述的方法，其特征在于，步骤S30具体包括以下步骤：
步骤S31、消费者在合作超市或卖场消费结算时，系统会根据该超市或卖场获取隐私的隐私等级和消费者意愿公开的隐私等级，从消费信息大数据库中获取该消费者相应隐私等级的个人信息和消费信息；
步骤S32、通过分析该消费者的个人信息和历史消费信息及本次购物信息，推测出一种或多种该消费者近期最需要购买的商品；
步骤S33、根据该消费者近期最需要购买的商品从优惠券库中匹配优惠券清单；
步骤S34、将匹配度高的优惠券取出生成本次购物优惠券列表。
7.如权利要求6所述的方法，其特征在于，匹配结果判断：如果有匹配度高的优惠券，生成本次购物优惠券，打印高匹配度优惠券，发放给消费者；如果没有最匹配的优惠券，不生成任何优惠券或者任意发放优惠券。
8.如权利要求6所述的方法，其特征在于，在步骤S33中，为了匹配的优惠券清单更精准的符合对应消费者的需求，利用消费信息大数据库中大量消费者的历史消费数据训练获得消费者模型，结合已经训练好的消费者模型和消费者购物信息，获得消费者特性；并根据消费者特性分析出该消费者的消费行为习惯，并从优惠券库中精准匹配出与消费者近期最需要购买的商品和其消费行为习惯匹配度最好的优惠券列表；
其中，所述该消费者特性包括：
消费类型；
消费者身份；
消费能力。
9.如权利要求1至8任一所述的方法，其特征在于，在得到在优惠券列表后系统自动从优惠券列表中选择出价最高的预设数量商家的优惠券，并发送给卖场的收银系统分发给该消费者；再通过实时统计每个商家的优惠券已投放量、优惠券使用率和对应的销售额等市场反应信息，反馈给商家，商家根据市场反应信息随时调整优惠券竞价价格。
10.如权利要求1至9任一所述的方法，其特征在于，每张优惠券的面额是不同、且不固定；
每张优惠券的面额的计算方法具体为：
根据商家已发放优惠券数量、已发放优惠券总额度、已发放优惠券的使用率以及销售额计算当前优惠力度下的收益情况，重新计算每张优惠券面额的取值范围；
结合消费行为习惯，在重新计算得到的每张优惠券面额的取值范围内，确定最适合该消费者的面额，并自动匹配计算出来，生成相应面额的优惠券，发送给卖场的收银系统。
CN201711071152.0A 2017-11-03 2017-11-03 一种在生成优惠券时保护消费者隐私的方法 Pending CN107742084A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711071152.0A CN107742084A (zh) 2017-11-03 2017-11-03 一种在生成优惠券时保护消费者隐私的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711071152.0A CN107742084A (zh) 2017-11-03 2017-11-03 一种在生成优惠券时保护消费者隐私的方法

Publications (1)

Publication Number Publication Date
CN107742084A true CN107742084A (zh) 2018-02-27

Family

ID=61233144

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711071152.0A Pending CN107742084A (zh) 2017-11-03 2017-11-03 一种在生成优惠券时保护消费者隐私的方法

Country Status (1)

Country Link
CN (1) CN107742084A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108648377A (zh) * 2018-04-10 2018-10-12 合肥美的智能科技有限公司 基于无人零售设备的自动售货系统和方法
CN109377274A (zh) * 2018-10-12 2019-02-22 中国科学院重庆绿色智能技术研究院 一种基于区块链的商业体消费者相互引流的方法
WO2019196579A1 (zh) * 2018-04-11 2019-10-17 口碑(上海)信息技术有限公司 智能券的发放方法、装置及利用智能券的核销方法、装置
CN111143674A (zh) * 2019-12-20 2020-05-12 深圳前海微众银行股份有限公司 一种数据处理方法及装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108648377A (zh) * 2018-04-10 2018-10-12 合肥美的智能科技有限公司 基于无人零售设备的自动售货系统和方法
WO2019196579A1 (zh) * 2018-04-11 2019-10-17 口碑(上海)信息技术有限公司 智能券的发放方法、装置及利用智能券的核销方法、装置
CN109377274A (zh) * 2018-10-12 2019-02-22 中国科学院重庆绿色智能技术研究院 一种基于区块链的商业体消费者相互引流的方法
CN111143674A (zh) * 2019-12-20 2020-05-12 深圳前海微众银行股份有限公司 一种数据处理方法及装置

Similar Documents

Publication Publication Date Title
CN107862549A (zh) 一种优惠券投放方法及系统
CN107886356A (zh) 一种超市优惠券面额的动态生成方法
Greenacre et al. The impact of payment method on shopping behaviour among low income consumers
CN107742084A (zh) 一种在生成优惠券时保护消费者隐私的方法
CN103810619A (zh) 基于电子平台的返利方法及其系统
CN105205702A (zh) 基于消费模式推送靶向广告的方法及系统
EP3227847A1 (en) System and methods for evaluating and increasing customer engagement
Liu et al. Zooming in the impacts of merchants’ participation in transformation from online flash sale to mixed sale e-commerce platform
CN107909393A (zh) 一种超市优惠券智能生成方法、系统及分发系统
CA2753258A1 (en) Differential buying channels for online advertising
CN106875137A (zh) 一种采购决策优化方法及系统
CN107622424A (zh) 一种自助优惠券生成装置
CN107657490A (zh) 一种可移动自助优惠券生成装置
Bastaman et al. The influence of marketing Mix and service quality on corporate reputation and its impact on repurchase decision
CN202422213U (zh) 一种销售优惠券系统
Wadhawan et al. Technology Revolutionizing Retail Practices in Digital Era
Tsao Managing a retail-competition distribution channel with incentive policies
US20130204693A1 (en) Sales bonus reward system and method
US20130211903A1 (en) Online point redemption and distribution system and method.
US20140289128A1 (en) Online point redemption and distribution system and method
Bergès-Sennou et al. Consumers' decision between private labels and national brands in a retailer's store: a mixed multinomial logit application
Park et al. Influence of consumers' shopping value and product types on LOHAS consumption
KR101815207B1 (ko) 유통점 회원 관리시스템 및 이를 이용한 유통점 회원 관리방법
CN108230000A (zh) 一种超市动态购物区域划分方法
Richards et al. Variety and cost pass-through among supermarket retailers

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20180227