CN107862549A - 一种优惠券投放方法及系统 - Google Patents

Abstract

本发明公开了一种优惠券投放方法及系统，该方法包括：商家根据其营销策略制定商品优惠券清单并保存在优惠券库中；结算时，从超市或商场收银系统获取消费者的用户信息和购物信息，并保存在数据库中；通过对该消费者的历史购物数据以及本次购物信息的分析得出一种或多种该消费者近期最需要购买的商品；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，筛选出与消费者近期最需要购买的商品匹配度高的优惠券列表；在优惠券列表中自动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。本发明为该系统的提供方、超市货商场业主拓展广告利润来源，避免了盲目分发种类繁杂的优惠券给消费者带来的各种不便，提高消费者体验。

Description

一种优惠券投放方法及系统

技术领域

本发明涉及优惠券投放技术，具体涉及一种优惠券投放方法及系统。

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)，随着移动智能设备和电子支付的普及，电子优惠券正逐渐取代纸质优惠券，相比纸质优惠券，基于电子邮件、智能设备的电子优惠券具有环保、成本低、发放便捷等优点。

目前，优惠券面额都为定额优惠券，只需按照各个入驻商家指定的优惠券分发策略盲目发送给消费者，对于接收者不具有针对性发送，做不到取其所需，使用率低，营销效果差；同时这种只要入驻商家推出优惠活动，超市或商场业主就将对应优惠券分发给消费者的模式，一方面种类繁杂的优惠券会降低消费者的消费体验、不便于消费者对优惠券进行管理；另一方面这种每家优惠券都得到均等分发机会的方式，很难给超市或商场业主带来广告利润的增长。

有鉴于此，急需一种营销效果好、消费者体验效果佳、能给超市或商场业主带来更多广告利润的优惠券投放方案。

发明内容

本发明所要解决的技术问题是设计一种营销效果好、消费者体验效果佳、能给超市或商场业主带来更多广告利润的优惠券投放方案的问题。

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优惠券投放系统，包括：

数据库，设有用于保存商家根据其营销策略制定商品优惠券清单的优惠券库，以及保存消费者的消费信息和消费者用户信息的消费信息库；

通讯和数据交换模块，提供一种接口，通过该接口与卖场的收银系统连接，采集优惠券消费者的用户信息、购物信息以及商家根据其营销策略制定商品优惠券清单；

消费行为分析模块，利用消费信息库中大量消费者的消费行为数据对本次消费信息分析，推测出一种或多种该消费者近期最需要购买的商品；然后从优惠券库中匹配出与消费者近期最需要购买的商品匹配度高的优惠券列表；

优惠券竞价投放模块，在优惠券列表中自动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。

在上述系统中，还包括人工智能算法和大数据分析算法模块，利用消费信息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本次购物信息，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。

在上述系统中，所述消费者特性包括：

消费类型；

消费者身份；

消费能力。

在上述系统中，还包括优惠券动态竞价模块，用于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，并将其反馈给商家；

商家根据市场反应信息随时竞价，所述优惠券动态竞价模块将商家的动态竞价信息实时发送给所述优惠券竞价投放模块。

在上述系统中，还包括动态面额确定模块；

所述优惠券竞价投放模块在优惠券列表中自动选择出价最高的预设数量商家的优惠券，并将已确定的商品发送给所述动态面额确定模块；

所述动态面额确定模块根据从所述优惠券动态竞价模块获取的该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；并根据已发放优惠券数量、已发放优惠券总额度、已发放优惠券的历史使用率以及销售额和收益情况，利用大数据算法重新计算每张优惠券面额的取值范围；

所述动态面额确定模块结合所述人工智能算法和大数据分析算法模块获得的消费行为习惯，在重新计算得到的每张优惠券面额的取值范围内，并自动匹配计算出来最适合该消费者的面额，并发送给所述优惠券竞价投放模块生成相应面额的优惠券。

本发明还提供了一种优惠券投放方法，包括以下步骤：

商家根据其营销策略制定商品优惠券清单并保存在优惠券库中；

消费者结算时，从超市或商场收银系统获取消费者的用户信息和购物信息，并保存在数据库中；

通过对该消费者的历史购物数据以及本次购物信息的分析归类，得出一种或多种该消费者近期最需要购买的商品；

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，筛选出与消费者近期最需要购买的商品匹配度高的优惠券列表；

在优惠券列表中自动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。

在上述方法中，匹配结果判断：

如果有匹配度高的优惠券，在优惠券列表中自动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；

如果没有匹配的优惠券，不生成任何优惠券或随机选择适合该顾客的优惠券。

本发明相对于非竞价的优惠券投放方式，不同的商品生产厂商可以通过竞价得到不同的优惠券打印的机会，不仅为该系统的提供方、超市货商场业主拓展广告利润来源，而且避免了盲目分发种类繁杂的优惠券给消费者带来的各种不便，提高消费者体验；同时，本发明还通过大数据和人工智能算法分析消费者的消费特性，可以针对每一个消费者不同的消费特性自动匹配其需要的优惠券和适合的优惠券面额，提高优惠券的精准投放效率，减少大量无效优惠券的印刷成本和投放成本。

附图说明

图1为本发明提供的一种优惠券投放系统的结构框图；

图2为本发明提供的一种一种优惠券投放方法的流程图。

具体实施方式

相对于网络搜索引擎的竞价搜索，本发明提供了更加高效的优惠券投放方式，与非竞价方式相比，该方式可以为对应系统的运营方、超市或商场业主拓展广告利润来源，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，本发明提供的一种优惠券投放系统，包括：数据库10、通讯和数据交换模块20、消费行为分析模块30以及优惠券竞价投放模块40；

数据库10，设有用于保存商家根据其营销策略制定商品优惠券清单的优惠券库，以及保存消费者的消费信息和消费者用户信息(例如会员卡、身份等等，以便对其消费习惯进行追踪)等信息的消费信息库；

通讯和数据交换模块20提供了一种接口，通过该接口与卖场的收银系统连接，采集优惠券消费者的用户信息、购物信息以及商家根据其营销策略制定商品优惠券清单；

消费行为分析模块30主要利用消费信息库中大量消费者的消费行为数据对本次消费信息分析，推测出一种或多种(如1-3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；然后从优惠券库中匹配出与消费者近期最需要购买的商品匹配度高的优惠券列表；

优惠券竞价投放模块40在优惠券列表中自动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。

在本发明中，还包括人工智能算法和大数据分析算法模块50，利用消费信息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本次购物信息，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。

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。

举例如下：

首先根据消费者的消费信息和消费者模型分析出该消费者的特性；

然后根据本次购物信息推测出该消费者近期最需要购买的商品；

根据该消费者的特性和近期最需要购买的商品匹配优惠券库，选出最匹配的优惠券发放给该消费者。

大数据分析和人工智能算法模块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。

以下详细介绍一个本发明的具体实例。

某消费者在超市的收银台结账时，POS机扫描会员卡及购买商品，收银系统将该消费者的ID以及购物信息上传给一种优惠券投放系统；

根据大量消费者的消费信息大数据库分析该消费者本次购物的消费信息，与该消费者购买了相同或相近商品的消费者，推测出下次最有可能购买的商品，例如可能性由高到低依次为：

购买饮用水；

购买一罐咖啡和牙膏；

购买剃须刀；

购买毛巾等等。

进一步地，优惠券投放系统可以还利用大数据分析和人工智能算法模块，利用消费者模型分析本次购物的消费信息，推测出该消费者的消费者特性，进行优惠券投放判别，实现更精准的投放；例如该消费者特性为家庭主妇，家庭主妇的消费行为一般为：

每周会购买一箱饮用水；

每月会购买牙膏；

每月会购买洗衣粉；

每三个月会购买毛巾等等。

再结合该消费者下次最有可能购买的商品和其消费者特性，在优惠券库中为该消费者匹配本次购物的优惠券列表应为：

饮用水优惠券；

牙膏优惠券；

毛巾优惠券。

如果该消费者的当前购物清单中的没有饮用水和毛巾，但有牙膏，则牙膏优惠券匹配度降低或删除优惠券清单；这样该消费者匹配本次购物的优惠券列表按匹配度由高到低依次应为：饮用水优惠券、毛巾优惠券和牙膏优惠券；

如果优惠券发放的预设数量为两家，那优惠券竞价投放模块40就在分别在饮用水优惠券和毛巾优惠券的商家中自动选择一个出价最高的，将对应的优惠券发送给超市收银系统，分发给消费者。

在本发明中，还可以通过分析该消费者对购买产品品牌的一惯性、最近一次购买优惠券清单产品的时间等因素，提高匹配度精度，更精准的投放优惠券。例如，该消费者一直购买W品牌饮用水，在匹配饮用水优惠券时，会只考虑或优先考虑W品牌饮用水优惠券，不在做后续处理；如果该消费者对商品品牌不十分在意，连续多次购物中，饮用水的品牌不固定，则选择竞价最高的商家的优惠券；如果上次购买饮用水是1-2天前，而上次购买毛巾是近三个月或者超过三个月之前，则毛巾优惠券匹配度上升，高于饮用水优惠券。

需要说明的是，本发明的人工智能算法和大数据分析算法模块50还可以通过分析顾客使用优惠券的方式、追踪顾客消费模型、优惠券的效果、竞价广告(优惠券)的转换率，获得分析报告，为广告业主提供广告投资的决策支持或者供超市或商场业主作为市场策略的决策支持。

本发明还包括优惠券动态竞价模块60，用于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，并将其反馈给商家；商家根据市场反应信息随时竞价，优惠券动态竞价模块60将商家的动态竞价信息实时发送给优惠券竞价投放模块40。

在本发明中，还包括动态面额确定模块，商家根据其营销策略制定商品优惠券清单中优惠券面额不固定，优惠券竞价投放模块40在优惠券列表中自动选择出价最高的预设数量商家的优惠券，并将已确定的商品发送给动态面额确定模块，动态面额确定模块根据从优惠券动态竞价模块60获取的该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；并根据已发放优惠券数量、已发放优惠券总额度、已发放优惠券的历史使用率以及销售额和收益情况，利用大数据算法重新计算每张优惠券面额的取值范围；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。再结合人工智能算法和大数据分析算法模块50获得的消费行为习惯，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，发送给优惠券竞价投放模块40生成相应面额的优惠券，发送给卖场的收银系统。

如图2所示，本发明提供的一种优惠券投放方法，包括以下步骤：

步骤110：商家根据其营销策略制定商品优惠券清单并保存在优惠券库中；优惠券清单中的优惠券具有有效期，并在有效期结束后自动删除；

步骤120：消费者结算时，从超市或商场收银系统获取消费者的用户信息和购物信息，并保存在数据库中；

步骤130：通过对该消费者的历史购物数据以及本次购物信息的分析归类，得出一种或多种该消费者近期最需要购买的商品；

步骤140：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，筛选出与消费者近期最需要购买的商品匹配度高的优惠券列表；

匹配结果判断，如果有匹配度高的优惠券，就执行步骤150；如果没有匹配的优惠券，不生成任何优惠券或随机选择适合该顾客的优惠券；

步骤150：在优惠券列表中自动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。

本发明的有益效果在于：相对于非竞价的优惠券投放方式，不同的商品生产厂商可以通过竞价得到不同的优惠券打印的机会，不仅为该系统的提供方、超市货商场业主拓展广告利润来源，而且避免了盲目分发种类繁杂的优惠券给消费者带来的各种不便，提高消费者体验；同时，本发明还通过大数据和人工智能算法分析消费者的消费特性，可以针对每一个消费者不同的消费特性自动匹配其需要的优惠券和适合的优惠券面额，提高优惠券的精准投放效率，减少大量无效优惠券的印刷成本和投放成本。

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 (7)

1.一种优惠券投放系统，其特征在于，包括：

数据库，设有用于保存商家根据其营销策略制定商品优惠券清单的优惠券库，以及保存消费者的消费信息和消费者用户信息的消费信息库；

通讯和数据交换模块，提供一种接口，通过该接口与卖场的收银系统连接，采集优惠券消费者的用户信息、购物信息以及商家根据其营销策略制定商品优惠券清单；

消费行为分析模块，利用消费信息库中大量消费者的消费行为数据对本次消费信息分析，推测出一种或多种该消费者近期最需要购买的商品；然后从优惠券库中匹配出与消费者近期最需要购买的商品匹配度高的优惠券列表；

优惠券竞价投放模块，在优惠券列表中自动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。

2.如权利要求1所述的优惠券投放系统，其特征在于，还包括人工智能算法和大数据分析算法模块，利用消费信息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本次购物信息，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。

3.如权利要求2所述的优惠券投放系统，其特征在于，所述消费者特性包括：

消费类型；

消费者身份；

消费能力。

4.如权利要求1-3所述的任一优惠券投放系统，其特征在于，还包括优惠券动态竞价模块，用于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，并将其反馈给商家；

商家根据市场反应信息随时竞价，所述优惠券动态竞价模块将商家的动态竞价信息实时发送给所述优惠券竞价投放模块。

5.如权利要求4所述的任一优惠券投放系统，其特征在于，还包括动态面额确定模块；

所述优惠券竞价投放模块在优惠券列表中自动选择出价最高的预设数量商家的优惠券，并将已确定的商品发送给所述动态面额确定模块；

所述动态面额确定模块根据从所述优惠券动态竞价模块获取的该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；并根据已发放优惠券数量、已发放优惠券总额度、已发放优惠券的历史使用率以及销售额和收益情况，利用大数据算法重新计算每张优惠券面额的取值范围；

所述动态面额确定模块结合所述人工智能算法和大数据分析算法模块获得的消费行为习惯，在重新计算得到的每张优惠券面额的取值范围内，并自动匹配计算出来最适合该消费者的面额，并发送给所述优惠券竞价投放模块生成相应面额的优惠券。

6.一种优惠券投放方法，其特征在于，包括以下步骤：

商家根据其营销策略制定商品优惠券清单并保存在优惠券库中；

消费者结算时，从超市或商场收银系统获取消费者的用户信息和购物信息，并保存在数据库中；

通过对该消费者的历史购物数据以及本次购物信息的分析归类，得出一种或多种该消费者近期最需要购买的商品；

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，筛选出与消费者近期最需要购买的商品匹配度高的优惠券列表；

在优惠券列表中自动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。

7.如权利要求6所述的优惠券投放方法，其特征在于，匹配结果判断：

如果有匹配度高的优惠券，在优惠券列表中自动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；

如果没有匹配的优惠券，不生成任何优惠券或随机选择适合该顾客的优惠券。