CN108352029A - 使用在线交易的起始位置生成聚合商业分析 - Google Patents
使用在线交易的起始位置生成聚合商业分析 Download PDFInfo
- Publication number
- CN108352029A CN108352029A CN201680065220.XA CN201680065220A CN108352029A CN 108352029 A CN108352029 A CN 108352029A CN 201680065220 A CN201680065220 A CN 201680065220A CN 108352029 A CN108352029 A CN 108352029A
- Authority
- CN
- China
- Prior art keywords
- sector
- transaction
- businessman
- score
- analysis
- 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/12—Accounting
Abstract
提供了一种用于为扇区生成聚合商家分析的系统和方法。该系统包括与用户计算设备通信的商家分析(MA)计算设备。MA计算设备定义地理区域的多个扇区并且接收包括与商家相关联的至少一个在线交易的交易数据。MA计算设备对于每个在线交易生成交易位置标识符以指示与由与在线交易相关联的持卡人操作的用户设备相关联的位置,并且基于交易位置标识符将在线交易链接到一个扇区。MA计算设备基于与位于扇区中的在线交易相关联的交易数据生成每个扇区的聚合商家分析,并在用户计算设备上显示聚合商家分析以供分析。
Description
相关申请的交叉引用
本申请要求2015年9月8日提交的美国临时申请序列号62/215,446的优先权和权益,其全部内容通过引用合并于此。
技术领域
本公开的领域一般涉及生成商家分析,并且更具体地,涉及用于使用与扇区位置中的商家相关联的交易数据来生成聚合商家评估分析并且在用户界面上显示商家分析的基于网络的方法和系统。
背景技术
有许多方对特定地理区域的商家业务的价值感兴趣,特别是商家的在线业务。商家的在线业务包括持卡人通过向商家的在线界面提供支付卡的支付信息而不是实际向商家提供支付卡而发起的在线交易。在线交易可能包括电子商务(“电子商务”)交易和运输交易。运输交易是与运输相关的交易,例如与预订旅行的航班、旅馆和/或车辆相关的交易。对商家的在线业务感兴趣的各方包括但不限于商业不动产所有者、贷方和经纪商以及企业所有者、管理者和/或营销总监。但是,很难评估商家在特定地理区域的在线业务的价值。特别地,不同于与交易被发起的商家商店的位置相关联的卡存在交易,在线交易可以与中央商家位置(例如,商家的总部)相关联。也就是说,与在线交易相关联的位置可能不能准确地识别在线交易被发起的地理区域。然而,以方便将商家与不同地点(例如,在城市的不同区域、不同州、不同国家)的其他商家进行比较的方式来评估商家的在线业务的价值是困难的。特别是,可能很难辨别哪些商家相对于其他商家展示了临时的关键业务特征,例如增长率、收入稳定性或消费者交易量。在某些情况下,只假定某些商家是“顶级”收入者或“顶级”地点。
此外,难以以方便将商家与不同地点(例如,在城市的不同区域、不同州、不同国家)中的其他商家进行比较的方式评估商家的在线业务的价值。特别是,可能很难辨别哪些商家相对于其他商家展示了临时的关键业务特征,例如增长率、收入稳定性或消费者交易量。在某些情况下,只假定某些商家是“顶级”收入者或“顶级”地点。结合可能与商家位置相关联的商家的其他业务来评估商家的在线业务的表现可能是困难的。在基于商家的相对排名进行财务决策(例如营销资金的分配)的情况下,具有更可靠的度量以比较和比对一个商家相对于所有其他商家的成就可能是有益的。
发明内容
在一个方面,提供了一种用于为扇区生成聚合商家分析的方法。该方法可以由包括与存储器通信的至少一个处理器的商家分析(MA)计算设备来实现,该MA计算设备与用户计算设备通信。该方法包括:定义地理区域的多个扇区,并且接收在预定时间段内发生的交易的交易数据。交易数据包括与商家相关联的至少一个在线交易。该方法还包括对于每个在线交易生成交易位置标识符,交易位置标识符指示与由与在线交易相关联的持卡人操作的用户设备相关联的地理位置。另外,该方法包括基于交易位置标识符将每个在线交易链接到多个扇区中的一个以及基于链接到该扇区的在线交易生成每个扇区的聚合商家分析。聚合商家分析表示多个扇区内的每个扇区的排名。该方法包括使聚合商家分析结果与所定义的扇区的地图一起显示在用户计算设备上。
另一方面,提供了一种MA计算设备。MA计算设备包括与存储器通信的至少一个处理器。MA计算设备与用户计算设备通信。处理器被编程为定义地理区域的多个扇区并接收在地理区域内和预定时间段内发生的交易的交易数据。交易数据包括与商家相关联的至少一个在线交易。处理器被进一步编程为对于每个在线交易生成交易位置标识符。交易位置标识符指示与由与在线交易相关联的持卡人操作的用户设备相关联的地理位置。处理器被进一步编程为基于交易位置标识符将每个在线交易链接到多个扇区中的一个扇区并且基于链接到该扇区的在线交易生成每个扇区的聚合商家分析。聚合商家分析表示多个扇区内的每个扇区的排名。另外,处理器被编程为使聚合商家分析与所定义的扇区的地图一起显示在用户计算设备上。
在又一方面,提供了一种其上包含有计算机可执行指令的计算机可读存储介质。计算机可执行指令在由包括与存储器通信的至少一个处理器的MA计算设备执行时使MA计算设备定义地理区域的多个扇区并接收在该地理区域以及预定的时间段内发生的交易的交易数据。交易数据包括至少一个在线交易,每个在线交易与商家相关联。计算机可执行指令还使MA计算设备对于每个在线交易生成交易位置标识符。交易位置标识符指示与由与在线交易相关联的持卡人操作的用户设备相关联的地理位置。此外,计算机可执行指令使得MA计算设备基于交易位置标识符将每个在线交易链接到多个扇区中的一个并且基于链接到该扇区的在线交易生成每个聚合商家分析,该聚合商家分析表示多个扇区内对每个扇区的排名。此外,计算机可执行指令使MA计算设备使聚合商家分析与定义的扇区的地图一起显示在用户计算设备上。
附图说明
图1-19显示了本文描述的方法和系统的示例实施例。
图1是示出根据本公开的一个实施例的、用于实现按卡支付交易并生成聚合商家分析的示例多方支付卡系统的示意图。
图2是根据本公开的一个示例实施例的、用于处理支付交易的包括商家分析计算设备的计算机系统的示例实施例的扩展框图。
图3示出了诸如图2的商家分析计算设备的服务器系统的示例配置。
图4示出了图2中所示的客户端系统的示例配置。
图5是使用图2的商家分析计算设备来生成商家分析的简化数据流程图。
图6-17是用户计算设备的用户界面的示例屏幕截图,包括由图2的商家分析计算设备生成的商家分析。
图18是使用图2的商家分析计算设备生成商家分析并在用户界面上显示所述分析的示例方法的简化图。
图19是可以在图2所示的环境中使用的一个或多个示例计算设备的组件的图。
虽然各种实施例的具体特征可以在一些附图中示出而在其他附图中没有示出,但这仅仅是为了方便。任何图的任何特征可以与任何其他图的任何特征组合引用和/或要求保护。
具体实施方式
本文描述的系统和方法便于针对位于多个商家的建立或定义的扇区中的交易数据生成聚合商家评估分析以及在交互式用户界面上向用户呈现所述分析。在此描述的系统(i)接收与地理区域中的多个商家相关联的交易数据;(ii)处理所述交易数据以对于所述地理区域中的多个扇区生成聚合商家分析;以及(iii)在交互式用户界面上向用户呈现所述分析。聚合商家分析可以针对商家或包括多个商家的扇区的五个关键特征:增长、稳定性、大小、交易量和票据大小(以及这些特征的组合或聚合)。在示例实施例中,系统被配置为选择性地生成和呈现商家位置和/或电子商务和运输交易的商家分析。如本文所使用的,“在线交易”统指电子商务和运输交易。
这里描述的系统和方法由可以被称为“商家分析计算设备”的计算设备来实现。商家分析(MA)计算设备包括与存储器通信的处理器。MA计算设备被配置为:(i)定义地理区域的多个扇区;(ii)接收在预定时间段内发生的交易的交易数据,所述交易数据包括至少一个在线交易,每个在线交易与商家相关联;(iii)对于每个在线交易生成交易位置标识符,交易位置标识符指示与由与在线交易相关联的持卡人操作的用户设备相关联的地理位置;(iv)基于交易位置标识符将每个在线交易链接到多个扇区中的一个;(v)基于链接到该扇区的在线交易生成每个扇区的聚合商家分析,其中聚合商家分析代表多个扇区内的每个扇区的排名;以及(vi)使聚合商家分析与所定义的扇区的地图一起显示在用户计算设备上。
扇区定义阶段
MA计算设备被配置为定义多个“商家扇区”、“扇区位置”或“扇区”(在本文中可互换使用)。更具体地说,MA计算设备被配置为将地理区域(例如,国家、州、城市、县等)划分为其中包含商家的多个扇区(即位于该地理区域内的多个商家的子集)。扇区可以由其中包含多个商家的地理边界来定义。在一个示例实施例中,根据人口普查区块来定义扇区,并且扇区的地理边界对应于人口普查区块的地理边界。在一些实施例中,每个扇区包括最少五个商家。相应地,如果一个扇区最初被定义为包括少于五个商家的人口普查区块,则该区域的地理边界被扩大或调整为包括至少一个额外的人口普查区块,直到该区域包括至少五个商家。在一些实施例中,每个扇区可以包括多达n个商家,其中n是大于5的整数。
另外地或可选地,MA计算设备可以被配置为将地理区域划分为包含与其中的商家相关联的在线交易的多个扇区。具体而言,MA计算设备可以基于与在地理区域内的商家相关联的多个电子商务和/或运输(即,在线)交易来划分地理区域。在一些实施例中,每个扇区在该扇区中包括具有在线交易的最少五个商家。在某些实施例中,每个扇区包括针对该扇区中的商家的最少五个在线交易。因此,如果一个扇区最初被定义为包括少于五个具有在线交易的商家(或少于针对商家的五个在线交易)的一个人口普查区块,则该扇区的地理边界被扩大或调整为包括至少一个额外的人口普查区块,直到该扇区包括至少五个具有在线交易的商家(或该扇区包括商家的至少五个在线交易)。在一些实施例中,每个扇区可包括多达n个商家或n个在线交易,其中n是大于5的整数。
如上所述,扇区可以在地理规模上定义成与人口普查区块(其可以像城市街区一样小)一样小。然而,人口普查区块级别的扇区可能会“汇总”或聚合成较大的区块组级别扇区,这可能与美国人口普查局定义的区块组相对应。区块组级的扇区可能会汇总或聚合成大型扇区,如市级或县级扇区,这些扇区本身可能会汇总或聚合成州或国家级扇区。在示例实施例中,扇区的(地理)尺寸可以取决于交互式用户界面上的地图的用户视图,该地图显示定义的扇区。例如,如果用户正在查看整个国家,这些扇区可能会以州级显示。如果用户正在查看特定的县,则这些扇区可以以区块组或区块级显示。
如将在本文中进一步描述的,MA计算设备被配置为至少部分地基于针对位于该扇区中的商家以及具有发生在该扇区内的电子商务或运输交易的商家接收的交易数据来确定每个扇区的“聚合商家分析”。商家分析表明该扇区相对于该地理区域中的其他扇区的财务成就。例如,MA计算设备对一个扇区相对于某个县或州的其他扇区进行排名或评分。在一个示例实施例中,MA计算设备被配置为基于针对位于该扇区内的个体商家的聚合商家分析来确定和提供商家分析,该商家分析可以包括数字分数。例如,如果扇区包括五个商家,则MA计算设备可以处理每个个体商家的交易数据以生成针对每个特定商家的分析。MA计算设备然后可以聚合单个分析以整体地确定该扇区的“聚合商家分析”。也可以使用加权平均值,这可能给该扇区的某些商家带来更多的权重。可替代地,MA计算设备可以使用任何其他聚合或个体商家分析的组合来确定扇区的聚合商家分析。
MA计算设备可以在接收交易数据之前定义或建立扇区。例如,如上所述,MA计算设备可以使用可用的公共信息(例如人口普查数据)来定义扇区,每个扇区包括位于其中的和/或与位于其中的在线交易相关联的至少五个商家。在一些其他实施例中,MA计算设备可以使用接收到的交易数据来定义扇区。
例如,MA计算设备可以使用包括在交易数据中的商家标识符来识别每个商家的位置,然后定义这些扇区。交易数据可以包括使得MA计算设备能够确定交易是否是在线交易和/或在线交易位于何处(例如,在线交易被发起的位置或者相关联的持卡人的地址)的信息。在示例实施例中,交易数据包括用于每个交易的在线标志以指示交易是否是在线交易。在一些实施例中,交易数据可能不包括在线标志。在某些实施例中,MA计算设备可以基于包括在交易数据中的商家标识符来识别在线交易。在一个示例中,与商家的中央位置(例如,商家的公司总部)相关联的商家标识符可以指示交易是在线交易。
如果MA计算设备确定交易是在线交易,则MA计算设备可以被配置成检索诸如互联网协议(IP)地址、设备标识数据和唯一设备标识(UDID)数据之类的持卡人计算设备数据以创建在线交易的虚拟位置标识符。虚拟位置标识符可以包括用于发起在线交易的用户计算设备的位置或者与持卡人相关联的地址(例如账单地址)。
MA计算设备被配置为对于交易数据的每个交易生成交易位置标识符。交易位置标识符可以用于确定交易位于哪个扇区内以用于分析和显示。交易位置标识符至少包括商家标识符和位置。对于在商家位置发起的交易,该位置可以由包括在商家标识符中的位置(即,商家位置)来指示。该位置可以由用于在线交易的虚拟位置标识符指示。该位置可以是国家、州、邮政编码、邮编+4、县、城市、社区和/或地区(例如,美国中西部)。例如,持卡人在持卡人的家中以邮政编码55555发起与“公司A”的在线交易。交易位置标识符可以显示为“COMPANYA_55555”,其包括商家标识符(“COMPANYA”)和位置(邮政编码55555)。交易位置标识符的位置可以独立于定义的扇区。如果交易位置标识符的位置跨越多个扇区,则MA计算设备可以从虚拟位置标识符或商家位置标识符请求或检索附加位置信息,直到交易位置标识符在单个扇区内。
在一些实施例中,MA计算设备被配置为将使用数字钱包进行的至少一些在线交易与实体商家位置而不是与持卡人相关联的位置相关联。特别地,对于使用数字钱包进行的交易,数字钱包被配置为从商家检索与交易相关联的附加元数据。元数据可以包括例如附加的商家标识符、商家位置标识符(例如,商家的地址)和/或所购商品或服务的配送方法(例如,在线或物理配送)。MA计算设备被配置为分析元数据以生成交易位置标识符。对于与特定商家位置相关联的在线购买的产品,MA计算设备使用元数据来生成与用于在线交易的商家位置相关联的交易位置标识符。
在一个示例中,持卡人在提供用于多个餐馆的聚合食品配送服务的在线商家处购物。当持卡人使用持卡人的数字钱包通过在线商家从特定餐馆订购配送时,数字钱包从在线商家检索包括与提供订购食品的餐馆相关联的商家标识符和地址的元数据。MA计算设备分析元数据并生成与提供订购食品的餐馆相关联的交易位置标识符。也就是说,MA计算设备将在线交易视为在餐厅进行的交易。在另一个示例中,持卡人使用数字钱包发起来自具有多个商家位置的商家的家具在线交易。家具将从候选商家位置配送。数字钱包被配置为从商家检索标识候选商家位置的元数据。MA计算设备分析元数据,并且基于分析的元数据生成与候选商家位置相关联的交易位置标识符。
MA计算设备可以在数据库中存储交易数据、定义的扇区、虚拟标识符、交易位置标识符和/或商家分析(聚合和/或个体)。在另一个实施例中,MA计算设备将数据存储在不同的存储器中。数据库或存储器被配置为在可搜索和/或可排序的表格内提供数据。该表格可以按照例如扇区、商家、行业、时间戳和交易金额进行搜索和/或排序。有关联的交易数据和/或分数被存储的每个商家可以通过至少一个扇区标识符和/或商家行业在数据库中索引或标识。因此,MA计算设备可以被配置为不仅提供扇区的分析,而且还可以被配置为提供特定行业和/或该行业内的特定商家的分析。可搜索的和/或可排序的表格使得MA计算设备能够容易地对于一个或多个扇区、商家或行业生成商家分析,而无需解析存储在数据库或存储器中的所有交易数据。例如,MA计算设备可以生成美国北卡罗来纳州夏洛特市的多个扇区相对于北卡罗来纳州其他扇区的商家分析,并且可以生成夏洛特市的特定餐厅相对于夏洛特市、北卡罗来纳州或美国的其他餐馆的分析。此外,特定商家可以被多个扇区索引(即位于多个扇区内)。例如,夏洛特-道格拉斯机场的商家可以被包括在“区块”扇区(这样命名是因为这样的扇区可以占用像城市街区一样小的区域,在一些实施例中是最小的可用扇区划分)、“区块组”扇区(代表一个面积很小但包括至少一个“区块”扇区,例如人口普查区块的区域)、梅克伦堡县扇区、夏洛特(城市)扇区、北卡罗来纳州扇区以及美国扇区中。
设置阶段
在示例性实施例中,MA计算设备被配置为在被称为“设置阶段”的配置时段期间接收描述商家管理投资组合中的商家的信息。在示例性实施例中,用户(例如,商业不动产所有者或贷方、企业主或营销主管)可以访问MA计算设备(直接或经由与MA计算设备通信的任何合适的客户端用户计算设备)并可以提供这些信息。描述特定商家或与特定商家相关联的信息可以被称为“商家定义”,并且可以用于识别和/或评估每个商家(例如,评分)。商家定义包括与商家位置相关的信息,包括财产标识符、财产位置信息和商家分类信息。在某些实现方式中,商家定义包括与商家的电子商务和/或运输业务相关联的信息。在一些实现方式中,商家定义可进一步包括与商家是租户(或所有者)的不动产资产或财产有关的信息,如共同拥有的美国专利申请号14/564,440中所描述,该申请的内容是在此引入作为参考。例如,商家定义可进一步包括不动产资产的定价、资产的空置率、资产的平方英尺、与资产相关联的税收信息以及可用于调整租户商家和/或不动产资产的分析的其他数据(例如,评估)。用户还可以提供与用户关联的各种其他数据(“用户数据”)。例如,在用户与业务(例如,商家)相关联的实现方式中,用户可以导入或提供与业务相关联的各种度量,包括预算、营销数据和/或目标(例如,增加增长、增加票据大小、增加交易量)。
如本文所使用的,“商家管理投资组合”(可选地称为“投资组合”)通常是指在不同位置的但是由一个实体或用户管理的商家的集合。在示例实施例中,商家管理投资组合可以由商家定义和/或用户数据来描述,并且可以被表示为可以被称为“商家管理投资组合记录”或“投资组合记录”的电子记录。在一些实施例中,商家管理投资组合可以包括在多个扇区上与一个或多个商家相关联的在线交易。因此,MA计算设备处理商家定义和与多个商家相关联的任何导入的用户数据以创建投资组合记录。
“财产标识符”可以包括商家是租户、所有者等的商业不动产资产的已知名称(或任何适当的唯一字母数字标识符)(例如“XYZ商城”)。在示例实施例中,MA计算设备使用财产标识符来指定投资组合记录内的每个商家的位置。如下所述,用户可以相应地查看和管理由包括财产标识符的标识符区分的投资组合内的个体商家。
“财产位置信息”可以包括定义商家的地理位置的任何信息。在一些示例中,财产位置信息可以包括物理地址、纬度和经度上的地理坐标、海拔信息(例如,与商业不动产资产相关联的建筑物的一个或多个楼层)以及任何其他合适的信息。在一些示例中,财产位置信息可以包括定义包含商家的一个物理区域(或多个区域)的边界信息。在示例实施例中,MA计算设备可以使用财产位置信息以便以图形方式识别商家(即,以便提供示出商家的物理位置的可视化映射信息)。
在线交易可能不会与财产标识符或财产位置信息相关联。可替代地,与在线交易相关联的财产标识符和财产位置信息可以包括指示交易是在线交易的信息。例如,在线交易的财产标识符可以指定与商家相关联的运送来源(例如,仓库)。在线交易的财产位置信息可以包括与商家的中心位置(例如公司总部)有关的信息。
“商家分类信息”包括将商家分类为可能与监控商家价值相关的类别的信息。例如,商家分类信息可根据特定行业、位置或其他分类(例如“零售”、“办公”、“仓库”、“制造”、“医疗保健”、“户外商场”、“室内商场”和其他任何适合的信息)将商家分类。
MA计算设备还可以在设置阶段生成唯一的投资组合标识符以识别投资组合记录。因此,用户设备(由用户操作)可以在稍后的时间点提供这样的投资组合标识符,并检索投资组合记录以审查或监控由投资组合记录定义的投资组合。
在至少一些示例中,由MA计算设备接收的用户数据包括与每个商家和/或与投资组合相关联的多个投资目标。至少与投资组合相关的各方(例如,商业所有者或贷方、营销总监、投资者、管理者)可能对投资组合具有不同的财务目标。因为投资者和贷方可能在其基础兴趣上有所不同,所以MA计算设备可以被配置为根据这样的投资目标来监控商家。例如,MA计算设备可以被配置为识别满足或超过投资目标的某些商家和不符合投资目标的其他商家,使得投资者可以做出关于各商家的相对价值或成就的财务决策。用户数据还可以包括描述投资组合中现有商家和/或商家位置或描述投资组合外的商家和/或商家位置的各种规范(在商业不动产经纪人希望购买、出租或租赁商家位置的情况下)。
在一个特定示例中,企业可以拥有处于多个商家位置处的多个商家或者与其相关联。对投资于各种商家的营销资金感兴趣的用户(例如,营销总监或首席营销官)可以将投资目标导入符合企业目标的MA计算设备。例如,用户可能具有5亿美元的营销预算。投资目标可以优先考虑增长率最高的商家,以使得可以在这些商家附近花费更高比例的营销预算。类似地,用户可以将在线营销优先考虑到商家的在线交易增长率最高的扇区。投资目标可以替代地优先考虑交易量最高、票据大小最高或稳定性最高的商家。因此,如本文将进一步描述的,MA计算设备可以使用投资目标来向用户标识具有最强商家分析(例如,最高分数)的商家。
评估阶段
在示例实施例中,MA计算设备在可称为“评估阶段”的过程中生成与商家或扇区相关联的分析(例如,分数)。MA计算设备被配置为基于接收到的与商家或扇区相关联的交易数据来生成分析。如本文所使用的,“交易数据”可以包括交易金额、商家标识符、在线标志、账户标识符、相关时间和日期戳以及描述所购买产品的数据。商家标识符可以包括交易在该处被发起的商家的标识符以及商家的物理位置的标识符(例如街道地址,地理坐标等)。在示例实施例中,MA计算设备从与支付处理网络集成的或与支付处理网络相关联的支付处理器接收交易数据。在一些实施例中,交易数据在由MA计算设备接收之前由商家匿名化和聚合(即,MA计算设备没有接收到个人可识别信息(PII))。在其他实施例中,MA计算设备可以被配置成接收尚未匿名化和/或聚合的交易数据,并且因此可以被配置为匿名化并聚合交易数据。在这样的实施例中,由MA计算设备接收的任何PII以加密格式被接收和处理,或者在与PII相关联的个体的同意的情况下被接收。在本文讨论的系统收集关于个体(包括持卡人或商家)的个人信息的情况下,或者可以利用这些个人信息的情况下,可以向个体提供控制是收集这些信息还是控制是否和/或如何使用这样的信息的机会。此外,某些数据在存储或使用之前可能会以一种或多种方式进行处理,因此个人可识别信息将被删除。
MA计算设备可以针对每个商家生成多个商家分析,并且可以生成每个扇区的“聚合商家分析”。聚合商家分析通常指的是为位于该扇区的商家和/或在线交易生成的单个商家分析的平均值、加权平均值或任何其他聚合。例如,“商家分析”可以包括每个扇区的增长分数、稳定性分数、大小分数、票据大小分数、交易量分数和综合分数中的至少一个。“增长分数”是该扇区相对于该地理区域中的其他扇区的增长的排名,其中“增长”通常指一段时间内的销售收入增长。“稳定性分数”是该扇区稳定性的排名,其中“稳定性”通常指销售收入维持在平均值附近的销售收入范围内。“大小分数”是该扇区的大小的排名,其中“大小”通常指总销售收入。“交易量分数”是该扇区交易量的排名,其中“交易量”通常是指每月交易的数量。“票据大小分数”是该扇区的票据大小的排名,其中“票据大小”通常是指交易量,并且可以通过将大小除以交易量量来计算(即,将销售收入除以交易数量)来计算出。“综合分数”是前五项分数(增长、稳定性、大小、交易量和票据大小)的综合,以提供该扇区的总体排名。在这里使用没有修饰词的总体术语“分数”的情况下,它可以统称为任何或全部前述分数以描述由某些或全部分数共享的特征。这些分数中的每一个(统称为“分析”)可以针对扇区内的每个商家生成,并且可以随后被聚合以生成该扇区的聚合商家分析。
在示例实施例中,将分数标准化为处于0和1,000之间。在一些实施例中,较高的分数表示“更好”的扇区(即,较高的相对排名)。例如,具有800分的扇区可以在任何或所有上述因素上排名高于具有300分的扇区。“更好的”扇区是指基于在位于该扇区内的商家进行的金融交易优于其他扇区(或者是表现更好)的扇区。
在示例实施例中,MA计算设备接收跨越一段时间的与商家相关联的交易数据。例如,MA计算设备可以接收和处理跨越接收日期之前一个月和至少两年之间的商家或扇区的交易数据。因此,MA计算设备可以生成作为时间的函数的分析。例如,如果没有确定相对增长的过去日期的交易数据,增长分数就没有意义。在示例实施例中,MA计算设备使用商家和/或扇区的12个月或一年的交易数据生成每个商家和/或扇区的分析。因此,增长分数代表过去一年中该扇区的增长,稳定性分数代表过去一年中该扇区的稳定性等。在其他实施例中,MA计算设备可以进一步被配置为确定任何上述分数的“现货”分数,其中“现货”分数通常是指针对较短时间段(例如三个月而非十二个月)计算的分数。现货分数可以用于确定商家在短时间内的特征的变化,该变化在一年内对商家评分时可能被掩盖或隐藏。例如,如果一个商家在两个月前推出了一款备受期待的新产品,那么在这两个月内销量增长的急剧增加可能会因考虑全年的增长而放缓。作为另一个例子,如果一个扇区(例如特定的城市社区)在一年中进行了多次营销活动,则如果整年的交易数据的价值被用来评分该扇区,就可能难以确定哪个特定的活动在增加交易量方面最有效。
在一个实施例中,MA计算设备可以使用在一段时间(例如,一年)内接收到的交易数据来确定商家的增长分数。MA计算设备基于与商家相关联的所有交易数据的聚合来确定商家在该年的销售收入的增加或减少。另外或可替换地,可以通过将总销售收入拟合成回归线并跟踪产生的斜率来计算商家的增长。另外或者可替换地,可以计算季度销售收入(即3个月的销售收入数据的价值),并将其与前一年的相应季度进行比较。由于增长分数是相对排名,所以MA计算设备可以在为每个商家提供数字增长分数之前比较每个商家的所确定的增长。然后,MA计算设备可以使用扇区中的所有商家的增长分数来确定扇区的聚合增长分数(例如,扇区内的商家的商家增长分数的平均值或加权平均值)。可替代地,MA计算设备可以使用扇区中的每个商家的所确定的增长来确定扇区的聚合增长分数,并且随后可以比较扇区。MA计算设备然后可以提供该扇区的(数字)增长分数。
在一个实施例中,MA计算设备可以在一段时间(例如,一年)内使用接收到的交易数据来确定商家的稳定性分数。商家的稳定性是商家现金流动波动的度量或分析。MA计算设备可以确定商家一年的平均销售收入,或者可以接收商家的平均销售收入(其可以是从与商家相关联的用户接收的“预期的”平均销售收入或其他值或者可以是从数据库中检索)。然后,MA计算设备可确定表示稳定销售收入的该平均值附近的范围(例如,一个标准偏差,某个百分比或者平均分数,或者任何其他合适的范围)。使用聚合的交易数据,MA计算设备识别商家是否具有在该范围内的销售收入。落在范围之外意味着销售收入不稳定并降低了商家的稳定性方面的排名。MA计算设备可以使用每月交易数据来在每个月确定商家是否具有在预定范围内的销售收入。可选地,MA计算设备可以使用来自任何其他间隔(即,每周,每两周,一年等)的交易数据来确定商家的销售收入的稳定性。因为稳定性分数是相对排名,所以MA计算设备可以在为每个商家提供数字稳定性分数之前比较每个商家的所确定的稳定性。然后,MA计算设备可以使用扇区中的所有商家的稳定性分数来确定该扇区的聚合稳定性分数(例如,该扇区内的商家的商家稳定性分数的平均值或加权平均值)。可替代地,MA计算设备可以使用扇区中每个商家的所确定的稳定性来确定该扇区的聚合稳定性分数,并且随后可以比较扇区。MA计算设备然后可以提供扇区的(数字)稳定性分数。
在一个实施例中,MA计算设备可以使用在一段时间(例如,一年)内与商家相关联的接收到的交易数据来确定商家的大小分数。大小度量或分析可以被认为是特定商家或企业有多大的代理分析。MA计算设备可以聚合该商家在该年的每月或全年的总销售收入。因为大小分数是相对排名,所以MA计算设备可以在为每个商家提供数字大小分数之前比较每个商家的确定的大小。然后,MA计算设备可以使用扇区中的所有商家的大小分数来确定扇区的聚合大小分数(例如,该扇区内的商家的商家大小分数的平均值或加权平均值)。可选地,MA计算设备可以使用扇区中的每个商家的确定的大小来确定该扇区的聚合大小分数,并且随后可以比较扇区。MA计算设备然后可以提供该扇区的(数字)大小分数。
在一个实施例中,MA计算设备可以使用在一段时间(例如,一年)内接收到的交易数据来确定商家的交易量分数。MA计算设备可以识别整年在商家处完成的交易的数量以确定商家的交易量,或者可以识别该年中每个月的交易的数量。另外地或可选地,可以使用其他数据来确定商家处的交易量,包括移动设备信号数据,如共同拥有的美国专利申请号14/708,020中所描述的,其内容通过引用结合于此。由于交易量分数是相对排名,所以MA计算设备可以在为每个商家提供数字交易量分数之前比较每个商家的所确定的交易量。MA计算设备然后可以使用扇区中的所有商家的交易量分数来确定扇区的聚合交易量分数(例如,该扇区内商家的商家交易量分数的平均值或加权平均值)。可选地,MA计算设备可以使用扇区中的每个商家的确定的交易量来确定该扇区的聚合交易量分数并且随后可以对扇区进行比较。MA计算设备然后可以提供该扇区的(数字)交易量分数。
在一个实施例中,MA计算设备可以使用在一段时间(例如,一年)中接收到的交易数据和/或使用所确定的商家的大小和交易量来确定商家的票据大小分数。票据大小(在此也被称为“平均票据大小”)使得能够改善对扇区中的商家类型的可视性。例如,平均票价大小较低,例如大约5美元,可能表明扇区包括餐馆或咖啡店。例如,平均票价大小较高,例如约2,000美元,可能表明扇区包括珠宝店、电子商家或家具店。MA计算设备可以通过将商家的销售收入除以交易数量来计算商家的票据大小。可替代地,如上所述,MA计算设备可以通过将如上确定的商家的大小除以商家的交易量来计算票据大小。由于票据大小分数是相对排名,所以MA计算设备可以在为每个商家提供数字票据大小分数之前比较每个商家的确定的票据大小。然后,MA计算设备可以使用扇区中的所有商家的票据大小分数来确定该扇区的聚合的票据大小分数(例如,该扇区内的商家的商家票据大小分数的平均值或加权平均值)。可替代地,MA计算设备可以使用扇区中的每个商家的所确定的票据大小来确定该扇区的聚合的票据大小分数,并且可以随后比较扇区。MA计算设备然后可以提供该扇区的(数字)票据大小分数。
在一个实施例中,MA计算设备可以基于商家的增长、稳定性、大小、交易量和/或票据大小分数来确定商家的综合分数。综合分数可以是所有五个分数的平均值,可以是所有五个分数的加权平均值,或者可以是位于该扇区中的商家位置和/或在线交易的五个分数的任何其他组合或聚合。一个扇区的综合分数可以是所有五个分数的平均值,可以是所有五个分数的加权平均值,或者可以是该扇区的五个分数的任何其他组合或聚合(例如,该扇区的商家的商家综合分数的平均值或加权平均值)。可替代地,扇区的综合分数可以是该扇区中商家的综合分数的平均值、加权平均值或任何其他聚合。综合分数旨在成为该扇区相对成就的“一览”排名,作为可能反映企业成就的五个标识特征的函数。
在示例实施例中,MA计算设备被配置为基于在商家位置发起的交易、在线交易或商家位置交易和在线交易的组合来选择性地生成和/或呈现商家分析。MA计算设备的用户可以选择用于MA计算设备的什么类型的交易来生成商家分析。在示例实施例中,MA计算设备对于每种类型生成商家分析,并基于用户输入选择性地呈现商家分析。为了组合在商家位置发起的交易和在线交易,MA计算设备可以使用商家位置处的所有交易以及与扇区中的商家相关联的在线交易来生成商家分析。在一些实施例中,MA计算设备调整扇区。例如,MA计算设备可以调整扇区,使得在线交易与最近的商家位置相关联。
在一些实施例中,MA计算设备可以被配置为在多个时间段内生成并存储商家和/或扇区的商家分析。例如,MA计算设备可以最初基于具有2013年6月1日至2014年6月1日的时间戳的数据生成分数,并且可以将该分数存储为分数1。然后,MA计算设备可以基于具有从2013年7月1日至2014年7月1日的时间戳的数据生成分数,并且可以将该分数存储为分数2。MA计算设备可以存储商家和/或扇区的N个分数(或任何其他分析),其中N是大于一的整数。相应地,MA计算设备可以存储商家和/或扇区的分数的时间序列(或任何其他分析),其顺序地(即按时间,从最老到最新)收集商家和/或扇区的所有N个分数。
在一个实施例中,MA计算设备可以用商家的任何或全部分析和/或商家和/或与商家相关联的在线交易所位于的扇区的任何或所有聚合商家分析来更新投资组合记录。MA计算设备可以被配置为使用针对投资组合中的每个商家和/或每个对应的扇区的所生成的分析来整体上确定投资组合的分析。MA计算设备可以被进一步配置成基于投资组合的投资目标对投资组合中的商家进行排序。例如,如果投资目标将增长标识为优先级,则MA计算设备可根据最高增长分数对投资组合记录中的商家记录进行排序。如果没有投资目标或者如果存在冲突的投资目标,则MA计算设备可以根据最高综合分数对投资组合中的商家记录进行排序。
优化阶段
该系统还被配置为在“优化阶段”中促进优化投资组合。在一个示例中,系统被配置为根据用户的投资目标对投资组合中的商家记录进行排序。如上面简要描述的,根据投资目标,一些用户可能对营销预算的分配负责或者感兴趣,在一些情况下根据需要对增长或交易量或稳定性进行优先排序。如果用户(在这个例子中,CMO,仅用于说明目的)具有特定的预定预算和预定的投资目标,则系统可以使CMO能够基于对CMO投资组合中的所有商家的评估来分配预算。例如,如果CMO选择优先考虑他/她的针对他/她的关联业务的投资目标的增长,系统可以将投资组合中的商家位置记录从最高增长分数排序到最低增长分数,并且可以将结果呈现为清单。在一些实现方式,CMO可以向系统导入更具体的投资目标。例如,CMO可能会指出他/她的预算的15%将用于投资组合中最高增长的前5%商家。接下来的15%将用于增长次高的10%的商家。接下来的10%将用于增长次高的商家中的10%,等等。系统可以使用这些特定的投资目标并输出将商家记录划分为所需的百分位数的优化的投资组合记录。
在另一个示例中,系统被配置为使用投资组合中的现有商家记录为商家提供新位置的推荐。在这个示例中,用户(不动产经纪人,仅出于说明的目的)可能已经从商家接收到出赁(或租用)商家位置(例如,财产或财产的一部分)的要约。商家可以考虑特定的扇区,或者可以已经在要约中指示他/她期望具有特定规格的商家位置(例如,高交易量扇区中的商家位置)。不动产经纪人可以将规格导入到系统中,其可以向不动产经纪人输出优化的投资组合,包括包含具有规格的可用商家位置的扇区的扇区记录。可选地,不动产经纪人可以通过图示说明(使用由系统提供的用户界面)不同的扇区中的更高的表现(例如,更高的交易量或更高的增长率)来使用系统来定位和/或建议除要约中标识的特定扇区之外的扇区)。在另一个相关示例中,不动产经纪人可能有现有客户抱怨他/她的商家位置表现不佳。不动产经纪人可以说明(使用系统提供的用户界面)客户当前扇区中的减缓的的增长或交易量趋势,并可以表明将其重新安置到近期表现较高的扇区。在另一个示例中,营销公司可以有客户请求支持在线增加客户的电子商务或运输业务。营销公司可以使用本文描述的系统来向客户建议优先考虑特定扇区进行在线营销。
用户界面
MA计算设备还被配置为促进交互式图形用户界面(UI)的显示。UI可以显示在用户的用户计算设备上。UI被配置为使得用户可以容易地查看扇区和/或特定行业的聚合商家分析,例如作为在地图上显示的图形表示。在一个实施例中,UI被填充有每月更新的数据,然而,在其他实施例中,UI可以填充有以任何其他间隔(例如,每周、每日等)更新的数据。
在示例实施例中,用户可以按位置搜索以找到用户感兴趣的地理区域(例如,州、城市、邮政编码、邮编+4、县、社区)。UI显示划分为定义扇区的地理位置。在一些实施例中,UI使得用户能够在视图上“放大”和“缩小”。放大可以以更细粒度的级别提供扇区的视图。缩小可以提供聚集到较大地理区域的扇区的视图,例如按城市、县或州。在示例实施例中,根据所生成的商家分析的强度对显示的扇区进行着色或加阴影,其中较暗或更饱和的颜色或阴影指示较强的分析(例如,更成就的扇区)。因此,用户只需一眼就可以轻松识别出具有更强分析结果的扇区。在其他实施例中,较浅的颜色可指示较强的分析。在其他实施例中,扇区可能根本不被着色或加阴影。
如将在本文中进一步描述的,UI可以向用户提供根据不同度量(例如根据包括在商家分析中的上述各种分数)查看扇区的选项。UI还可以允许用户在定义的扇区的分区覆盖在传统的街道地图上的“街道地图”视图和定义的扇区覆盖在地理区域的卫星图像上的“卫星视图”之间切换。相应地,根据视图,用户可能能够更容易地理解扇区之间的划分以及可能使得某些扇区相对于其他扇区优选的地理优势。另外,如将在本文中进一步描述的,UI可以向用户提供其他工具以用于导航商家分析并且用于“更深度潜入”分析的粒度。
通过对商业不动产和在线营销组合的监测,系统和方法被进一步配置为促进:(a)确定在线交易的始发或发起位置;(b)识别与用于数字钱包购买的在线交易相关联的实体商家位置;(c)通过将从交换网络(或支付网络)接收的交易数据链接到这样的分析,将商家位置处的交易和在线交易中的交易数据整合到商家分析的生成中;(d)相对于其它扇区以及随时间推移,提高扇区值或成就的可视化,以及(e)通过客观评价某些扇区和/或商家相对于其他扇区和/或商家的相对成就来优化投资。
本文描述的系统和方法的技术效果可以通过执行以下步骤中的至少一个来实现:(i)定义地理区域的多个扇区;(ii)接收在所述地理区域和一段时间内发生的交易的交易数据,所述交易数据与多个商家相关联;(iii)确定交易数据是否与在线交易相关联,并且生成指示与多个商家中的商家或持卡人相关联的位置的交易位置标识符;(iv)基于所述交易位置标识符识别所述多个商家中的每个商家的交易所位于的所述多个扇区中的一个扇区;(v)基于与位于所述多个商家中的每个商家的所述扇区中的交易相关的所述交易数据,生成每个扇区的相对于所述多个扇区中的所有其他扇区的聚合商家分析;以及(vi)使得在用户计算设备的用户界面上显示聚合商家分析,其中聚合商家分析以图形表示在所定义的扇区的地图上。
本公开的实施例的以下详细描述参考附图。不同附图中的相同附图标记可以标识相同或相似的元件。此外,以下详细描述不限制权利要求。
这里描述的是诸如MA计算设备和用户计算机系统的计算机系统。如这里所述,所有这样的计算机系统包括处理器和存储器。然而,这里所指的计算机设备中的任何处理器也可以指代一个或多个处理器,其中处理器可以在一个计算设备或多个并行工作的计算设备中。另外,本文涉及的计算机设备中的任何存储器也可以指代一个或多个存储器,其中存储器可以在一个计算设备或多个并行工作的计算设备中。
如这里所使用的,处理器可以包括任何可编程系统,包括使用微控制器、精简指令集电路(RISC)、专用集成电路(ASIC)、逻辑电路以及能够执行本文描述的功能的任何其他电路或处理器的系统。以上示例仅是示例,因此不旨在以任何方式限制术语“处理器”的定义和/或含义。
如本文所使用的,术语“数据库”可以指大量数据、关系数据库管理系统(RDBMS)或两者。如本文所使用的,数据库可以包括任何数据集合,包括分层数据库、关系数据库、平面文件数据库、对象关系数据库、面向对象的数据库以及存储在计算机系统中的任何其他结构化的记录或数据集合。以上示例仅是示例,因此不旨在以任何方式限制术语数据库的定义和/或含义。RDBMS的示例包括但不限于包括数据库、MySQL、DB2、SQL Server、和PostgreSQL。但是,可以使用任何数据库来启用这里描述的系统和方法。(Oracle是加利福尼亚州Redwood Shores的Oracle公司的注册商标;IBM是纽约Armonk的国际商业机器公司的注册商标;微软是华盛顿州雷蒙德市微软公司的注册商标;Sybase是注册商标的加利福尼亚州都柏林的Sybase的注册商标)
在一个实施例中,提供了一种计算机程序,并且该程序体现在计算机可读介质上。在示例实施例中,系统在单个计算机系统上执行,而不需要连接到服务器计算机。在另一个实施例中,系统在环境中运行(Windows是华盛顿州雷德蒙德的微软公司的注册商标)。在又一个实施例中,系统在大型机环境和服务器环境(UNIX是位于英国Berkshire的Reading的X/Open Company Limited的注册商标)上运行。该应用程序非常灵活,可以在各种不同的环境中运行,而不会影响任何主要功能。在一些实施例中,该系统包括分布在多个计算设备中的多个组件。一个或多个组件可以是体现在计算机可读介质中的计算机可执行指令的形式。
如本文所使用的,以单数形式叙述并且前面带有词语“一”或“一个”的元件或步骤应当被理解为不排除多个元件或步骤,除非明确记述了这种排除。此外,对本公开的“示例性实施例”或“一个实施例”的引用不意图被解释为排除也包含所述特征的附加实施例的存在。
如这里所使用的,术语“软件”和“固件”是可互换的,并且包括存储在存储器中供处理器执行的任何计算机程序,包括RAM存储器、ROM存储器、EPROM存储器、EEPROM存储器和非易失性RAM(NVRAM)存储器。上述存储器类型仅是示例,因此对于可用于存储计算机程序的存储器的类型不是限制性的。
如本文所使用的,术语“交易卡”、“金融交易卡”和“支付卡”是指任何合适的交易卡,诸如信用卡、借记卡、预付卡、收费卡、会员卡、促销卡、常旅客卡、身份证、预付卡、礼品卡和/或可以存储支付账户信息的任何其他设备,例如移动电话、智能手机、个人数字助理(PDA)、钥匙扣和/或计算机。每种类型的交易卡都可以用作执行交易的支付方式。此外,消费者卡账户行为可以包括但不限于购买、管理活动(例如余额检查)、账单支付、实现目标(满足账户余额目标、按时支付账单)和/或产品注册(例如,手机应用程序下载)。
该系统和过程不限于这里描述的具体实施例。另外,每个系统和每个过程的组件可以独立实施并与本文描述的其他组件和过程分开。每个组件和过程也可以与其他组装包和过程结合使用。
以下详细描述以示例而非限制的方式示出了本公开的实施例。预期本公开对生成和传播(例如,显示)聚合商家估价分析具有普遍适用性。
图1是示出了根据本公开的一个实施例的、用于支持卡片支付交易和传送扇区的聚合商家分析的示例多方支付卡系统20的示意图。图1描绘了通过系统20的典型金融交易中的数据流,该系统20包括商家分析计算设备112。系统20的组件向商家分析计算设备112提供交易数据,该商家分析计算设备112处理该交易数据以生成商家分析并且在用户界面上提供分析。
这里描述的实施例可以涉及交易卡系统,诸如使用交换网络的信用卡支付系统。交换网络是由MasterCardInternational 颁布的一套专有通信标准,用于交换金融交易数据以及作为MasterCard International成员的金融机构之间的资金结算。(MasterCard(万事达卡)是位于纽约Purchase的万事达国际公司的注册商标)。
在典型的交易卡系统中,被称为“发行者”的金融机构向消费者或持卡人22发行诸如信用卡之类的交易卡,该消费者或持卡人使用该交易卡以为从商家24进行的购买提供支付。持卡人22可以在商家24处购买商品和服务(“产品”)。持卡人22可以使用交易卡的虚拟形式进行这种购买,并且更具体地,通过提供与交易卡有关的数据(例如,交易卡号码、到期日日期、相关邮政编码和安全代码)来发起交易。为了接受使用交易卡或交易卡的虚拟形式的支付,商家24通常必须在作为金融支付系统的一部分的金融机构建立账户。这个金融机构通常被称为“商家银行”、“收单银行”或“收单方”。当持卡人22用交易卡或虚拟交易卡支付购买时,商家24向商家银行26请求购买的金额的授权。该请求可以通过电话或电子方式执行,但通常通过使用销售点终端来执行,所述销售点终端从交易卡上的磁条、芯片或浮雕字符读取持卡人22的账户信息并电子地与商家银行26的交易处理计算机通信。商家24接收由持卡人22提供的持卡人22的账户信息。可替代地,商家银行26可授权第三方代表其执行交易处理。在这种情况下,销售点终端将被配置为与第三方进行通信。这样的第三方通常被称为“商家处理器”、“收单处理器”或“第三方处理器”。
使用交换网络28,商家银行26的计算机或商家处理器将与发行银行30的计算机进行通信,以确定持卡人22的账户32是否信誉良好以及购物是否被持卡人22的可用信用额度覆盖。根据这些确定,授权请求将被拒绝或接受。如果请求被接受,授权码被发给商家24。
当授权请求被接受时,持卡人22的账户32的可用信用额度减少。通常,支付卡交易的费用不会立即发布到持卡人22的账户32,因为诸如MasterCard International的银行卡协会已颁布了规则,该规则不允许商家24对交易收费或“捕获”交易,直到产品被运送或服务被配送。但是,对于至少一些借记卡交易,收费可能在交易时发布。当商家24运送或配送产品或服务时,商家24通过例如在销售点终端上的适当数据输入程序来捕获交易。这可能包括每天为标准零售购买捆绑批准的交易。如果持卡人22在被捕获之前取消交易,则生成“空白”。如果持卡人22在交易被捕获后返回产品,则产生“信用”。交换网络28和/或发行银行30在数据库120(图2中示出)中存储交易卡信息,例如商家类型、购买金额、购买日期。
在进行了购买之后,发生清算过程以在交易各方(例如商家银行26、交换网络28和发行银行30)之间传输与购买有关的额外交易数据。更具体地,在清算过程期间和/或之后,诸如购买时间、商家名称、商家类型、购买信息、持卡人账户信息、交易类型、关于所购物品和/或服务的信息和/或其他合适的信息之类的附加数据与交易相关联并作为交易数据在交易各方之间传输,并且可以由交易的任何一方存储。在示例实施例中,还可以向包括MA计算设备112的系统提供包括这种附加交易数据的交易数据。在示例实施例中,交换网络28提供这种交易数据(包括与每个投资组合记录的每个商业不动产资产的商家租户相关联的商家数据)和附加交易数据。在替代实施例中,任何一方可以将这样的数据提供给MA计算设备112。
在交易被授权和清算之后,交易在商家24、商家银行26和发行银行30之间结算。结算指的是与交易有关的商家24的账户、商家银行26和发行银行30之间的金融数据或资金的转移。通常情况下,交易被捕获并累积为一个“批次”,其以组的形式进行结算。更具体地说,交易通常在发行银行30和交换网络28之间,然后在交换网络28和商家银行26之间,然后在商家银行26和商家24之间进行结算。
如下面更详细地描述的,MA计算设备112可以用于生成和传送聚合商家分析。尽管这里描述的系统不旨在被限制为促进这样的应用,但是为了示例性的目的,这些系统被如此描述。
图2是根据本公开的一个示例实施例的、用于处理包括MA计算设备112的支付交易的计算机系统100的示例实施例的扩展框图。在示例实施例中,系统100用于生成商家分析并且在用户界面上显示所述分析,如本文所述。
更具体地,在示例实施例中,系统100包括MA计算设备112和连接到MA计算设备112的多个客户端子系统(也称为客户端系统114)。在一个实施例中,客户端系统114是包括web浏览器的计算机,使得使用因特网和/或使用网络115,客户端系统114可以访问MA计算设备112。客户端系统114通过包括网络115(例如局域网(LAN)或广域网(WAN))、拨入连接、电缆调制解调器、特殊高速综合业务数字网(ISDN)线路和RDT网络的许多接口与因特网互连。客户端系统114可以包括与持卡人22(在图1中示出)相关联的系统以及用于存储数据的外部系统。MA计算设备112还使用网络115与支付网络28进行通信。此外,客户端系统114可以另外使用网络115与支付网络28进行通信。客户端系统114可以是能够与因特网互连的任何设备,包括基于web的电话、PDA或其他基于web的可连接设备。
数据库服务器116连接到数据库120,数据库120包含关于各种事物的信息,如下面更详细描述的。在一个实施例中,集中式数据库120存储在MA计算设备112上,并且可以由处于客户端系统114之一处的潜在用户通过经由客户端系统114之一登录到MA计算设备112来访问。在备选实施例中,数据库120远离MA计算设备112被存储并且可以是非集中式的。数据库120可以是被配置为存储由MA计算设备112使用的信息的数据库,其包括例如交易数据、持卡人计算设备数据、定义的扇区、商家定义、用户数据、投资组合记录、商家分数和扇区分数。
数据库120可以包括具有分离的部分或分区的单个数据库,或者可以包括多个数据库,每个数据库彼此分离。数据库120可以存储通过处理网络生成的交易数据,包括与商家、消费者、账户持有者、预期客户、发行者、收单机构和/或所做出的购买有关的数据。数据库120还可以存储包括持卡人姓名、持卡人地址、账号、其他账户标识符和交易信息中的至少一个的账户数据。数据库120还可以存储商家信息,商家信息包括标识每个被注册以使用网络的商家的商家标识符以及用于结算包括商家银行账户信息的交易的指令。数据库120还可以存储与持卡人从商家购买的物品相关联的购买数据以及授权请求数据。
在示例实施例中,客户端系统114之一可以与收单银行26(在图1中示出)和发行银行30(也在图1中示出)中的一个相关联。例如,客户端系统114中的一个可以是POS设备。客户端系统114可以附加地或可选地与用户(例如,商业不动产所有者或贷方、营销总监、消费者或任何其他最终用户)相关联。在示例实施例中,客户端系统114中的一个包括用户界面118。例如,用户界面118可以包括具有交互功能的图形用户界面,使得从MA计算设备112发送到客户端系统114的聚合商家分析可以以图形格式显示。客户端系统114的用户可以与用户界面118交互以便查看、探索商家分析并且以其他方式与商家分析进行交互。MA计算设备112可以与交换网络28相关联和/或可以处理交易数据。
图3示出了根据本公开的一个示例实施例的、用于生成商家分析并且在交互式用户界面上呈现所述分析的的服务器系统301(诸如MA计算设备112(在图2和图3中示出))的示例配置。服务器系统301还可以包括但不限于数据库服务器116。在示例实施例中,服务器系统301确定并分析在支付交易中使用的设备的特征,如下所述。
服务器系统301包括用于执行指令的处理器305。例如,指令可以被存储在存储器区域310中。处理器305可以包括用于执行指令的一个或多个处理单元(例如,以多核配置)。指令可以在服务器系统301上的各种不同的操作系统内执行,诸如UNIX、LINUX、Microsoft等。还应该理解,在启动基于计算机的方法时,可以在初始化期间执行各种指令。为了执行在此描述的一个或多个过程,可能需要一些操作,而其他操作可能对于特定编程语言(例如,C、C#、C++、Java或其他合适的编程语言等等)更通用和/或特定。
处理器305可操作地耦合到通信接口315,使得服务器系统301能够与诸如用户系统或另一个服务器系统301的远程设备进行通信。例如,通信接口315可以经由因特网从客户端系统114接收请求(例如,显示商家分析和/或提供交互式用户界面的请求),如图2所示。
处理器305还可以可操作地耦合到存储设备134。存储设备134是适合于存储和/或检索数据的任何计算机操作的硬件。在一些实施例中,存储设备134被集成在服务器系统301中。例如,服务器系统301可以包括一个或多个硬盘驱动器作为存储设备134。在其他实施例中,存储设备134在服务器系统301外部并且可以被多个服务器系统301访问。例如,存储设备134可以包括多个存储单元,诸如在廉价磁盘冗余阵列(RAID)配置中的硬盘或固态磁盘。存储设备134可以包括存储区域网络(SAN)和/或网络附加存储(NAS)系统。
在一些实施例中,处理器305经由存储接口320可操作地耦合到存储设备134。存储接口320是能够向处理器305提供对存储设备134的访问的任何组件。存储接口320可以包括例如高级技术附件(ATA)适配器、串行ATA(SATA)适配器、小型计算机系统接口(SCSI)适配器、RAID控制器、SAN适配器、网络适配器和/或向处理器305提供对存储设备134的访问的任何组件。
存储器区域310可以包括但不限于诸如动态RAM(DRAM)或静态RAM(SRAM)的随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)和非易失性RAM(NVRAM)。上述存储器类型仅是示例性的,因此不限制可用于存储计算机程序的存储器的类型。
图4示出了客户端计算设备402的示例配置。客户端计算设备402可以包括但不限于客户端系统(“客户端计算设备”)114。客户端计算设备402包括用于执行指令的处理器404。在一些实施例中,可执行指令被存储在存储器区域406中。处理器404可以包括一个或多个处理单元(例如,以多核配置)。存储器区域406是允许存储和检索诸如可执行指令和/或其他数据之类的信息的任何设备。存储器区域406可以包括一个或多个计算机可读介质。
客户端计算设备402还包括用于向用户400(例如,持卡人22)呈现信息的至少一个媒体输出组件408。媒体输出组件408是能够向用户400传达信息的任何组件。在一些实施例中,媒体输出组件408包括诸如视频适配器和/或音频适配器之类的输出适配器。输出适配器可操作地耦合到处理器404并能可操作地耦合到输出设备,例如显示设备(例如,液晶显示器(LCD)、有机发光二极管(OLED)显示器、阴极射线管(CRT)或“电子墨水”显示器)或音频输出设备(例如,扬声器或耳机)。
在一些实施例中,客户端计算设备402包括用于接收来自用户400的输入的输入设备410。输入设备410可以包括例如键盘、指点设备、鼠标、触控笔、触敏面板(例如,触摸板或触摸屏)、相机、陀螺仪、加速度计、位置检测器和/或音频输入设备。诸如触摸屏的单个组件可以用作媒体输出组件408和输入设备410两者的输出设备。
客户端计算设备402还可以包括通信接口412,通信接口412能可通信地耦合到诸如服务器系统302或由商家操作的web服务器的远程设备。通信接口412可以包括例如与移动电话网络(例如全球移动通信系统(GSM)、3G、4G或蓝牙)或其他移动数据网络(例如,全球微波接入互操作性(WIMAX))一起使用的有线或无线网络适配器或无线数据收发器。
存储在存储器区域406中的是例如用于经由媒体输出组件408向用户400提供用户界面并且可选地接收和处理来自输入设备410的输入的计算机可读指令。用户界面除了其它可能性之外还可以包括:web浏览器和客户端应用程序。web浏览器使得用户400能够显示通常嵌入在来自与商家相关联的网络服务器的网页或网站上的媒体和其他信息并且与该媒体和其他信息交互。客户端应用程序允许用户400与例如与商家相关联的服务器应用程序进行交互。用户界面经由web浏览器和客户端应用程序中的一者或两者促进由MA计算设备112显示所生成的商家分析。用户可以与用户界面交互以查看和浏览商家分析,例如通过使用输入设备410选择感兴趣的扇区并查看与该扇区相关联的分析。
图5是用于生成扇区的聚集商家分析并且提供用于使用MA计算设备112在用户界面上显示的分析的简化数据流程图。如本文所述,MA计算设备112接收来自用户设备502(诸如商业出借方、商业所有者或营销总监)的商家定义510和用户数据512(例如作为投资目标)。MA计算设备112基于如上文和本文所标识的设置阶段中的商家定义510来定义多个商家记录552。MA计算设备112还基于这样的商家定义510来定义商家管理投资组合记录550。
MA计算设备112还接收与被分析的多个商家相关联的交易数据540。交易数据540可以从交换网络28接收。包括人口普查数据或其他公共信息542数据的其他信息可以从诸如外部服务器504的外部系统接收。
MA计算设备112包括促进生成和显示商家分析的多个模块560、570和580。具体而言,MA计算设备112包括扇区定义模块560,其被配置为定义扇区并识别位于每个扇区中的商家和在线交易,如在扇区定义阶段中所指定的。扇区定义模块560可以更新商家记录552以反映每个相关商家和在线交易所在的扇区。MA计算设备112还包括商家分析模块570,该商家分析模块570被配置为针对商家管理投资组合记录550中的每个商家记录552(或针对商家所在的每个扇区)生成分析,如评估阶段中所指定的。MA计算设备112还包括优化模块580,其被配置为执行优化阶段中指定的商家管理投资组合记录550的优化任务。
MA计算设备112还被配置为提供如本文所述的输出590。具体而言,输出590可以包括针对其存在关联商家记录552的每个商家的商家分析以及针对每个关联扇区的聚合商家分析。输出590还可以包括优化的投资组合记录550,其可以被分类以识别并强调符合投资目标的商家。输出590还可以包括用于在用户计算设备(例如,客户端系统114,如图2所示)的用户界面上显示的任何和全部格式化的输出。
图6-15是用户计算设备(例如,客户端系统114,也在图2中示出)的用户界面(例如,图2所示的用户界面118)的示例屏幕截图。如本文所述,示例屏幕截图包括由MA计算设备112(如图2所示)生成的数据,诸如商家分析。MA计算设备112将商家分析传送给用户设备以在交互式用户界面118上显示。
更具体地说,图6描述了显示美国的“缩小”视图602的美国级屏幕截图600。在视图602中,扇区被定义并在全国范围内显示。屏幕截图600还包括使得用户能够浏览用户界面并检查由MA计算设备112生成并发送的数据的若干工具。例如,屏幕截图600描绘了位置搜索栏608,其使用户能够搜索感兴趣的地理区域。屏幕截图600还包括视图导航模块610。视图导航模块610包括“视图类型”可选图标612,其使用户能够在“街道地图”视图(如视图602中所示)和“卫星”视图(如图15所示)之间切换。视图导航模块610还包括“缩小”614和“放大”616个可选图标。视图导航模块610还包括商家数量指示618,其指示当前视图所包含的商家的数量(视图602中的3、446、677)。
屏幕截图600还包括度量信息模块620。度量信息模块620允许用户使用下拉菜单在可用的商家分析度量(例如,综合、增长、稳定性、大小、交易量和票据大小分数)之间进行选择。在示例实施例中,度量信息模块620还包括分数标度626,其向用户提供扇区的颜色编码的解释。在视图602中显示的扇区被示出为用对应于分数标度626的颜色和/或阴影“描绘”,这在视觉上指示每个扇区的相对分数(针对所选择的度量624)。当用户使用下拉菜单622选择不同的度量时,用户界面将对所显示的扇区(以及在某些情况下的分数标度626)“重新描绘”(即,重新着色或架阴影)以根据所选择的度量624反映数值分数的范围。在示例实施例中,较暗的颜色表示较高的分数。在视图602中,所选度量624是“大小”。因此,在用户界面上提供的商家分析是所选扇区的大小分数。屏幕截图600还示出了时间选择滑块630,其将在本文中关于图14进一步描述。
屏幕截图600还描述了“智能图表”640,其向用户提供所选择的扇区604的分数642以及附加信息。在视图602中,北卡罗来纳州是所选择的扇区604,如由智能图表640的扇区指标644所指示的。智能图表640在视图602中包括北卡罗来纳州的大小分数642(视图602中的500)。当视图602描绘了州级的扇区时,北卡罗来纳州的大小分数642相对于所有其他州。智能图表640还包括趋势图646,其是选定扇区604(北卡罗来纳州)随时间推移的大小分数趋势的视觉表示。智能图表640还包括其自己的商家数量指标648,其指示包括在选定扇区604(北卡罗来纳州)中的商家的数量。在当前的视图602中,州和县的排名指标650,652是空白的,因为它们不适用于州级的扇区。州和县排名指标650,652将在本文中关于图7和图8进一步描述。智能图表640还包括行业图表654(所示实施例中的饼图),其指示与各个行业相关联的选定扇区604中商家位置的百分比。
屏幕截图600还包括用于选择显示模式的显示模式菜单660。在所示的实施例中,显示模式菜单660包括用于选择显示模式的三个径向按钮,包括标记为“商家位置”的用于商家位置交易(即,实体交易)的按钮、标记为“在线”的用于在线交易的按钮或者标记为“全向通道(Omni-Channel)”的商家位置交易和在线交易组合的按钮。在一些实施例中,显示模式菜单660可以包括不同数量的显示选项和/或不同标签。显示模式菜单660可以是不同类型的菜单,诸如下拉式菜单。参照图6-15,在每个显示模式菜单中选择的显示模式指示所显示的商家分析与商家位置交易相关联。如下面进一步描述的,图16中的所选择的显示模式表示显示的商家分析与在线交易相关联。图17中的所选择的显示模式指示显示的商家分析与商家位置交易和在线交易两者相关联。应该理解,在没有相反表示的情况下,MA计算设备(例如,MA计算设备112)为显示模式菜单660的每个显示模式提供类似的用户界面(例如,用户界面118)。
图7描绘了显示状态州级视图702(相对于视图602放大,如图6所示)的屏幕截图700。视图702描绘了北卡罗来纳州分为县级扇区的状态。值得注意的是,视图导航模块710中的商家数量指标718已经改变(相对于图6中的商家数量指标618),其描绘了由视图702涵盖的93,490个商家。分数标度726也已经改变(相对于图6中的分数标度626),使得颜色或阴影指示不同的分数范围。
在视图702中,梅克伦堡县是选定的扇区704。因此,智能图表740中的信息已经改变以反映代表梅克伦堡县的数据。例如,大小分数742是552,商家数量指标748反映了包含的商家数量小得多,并且行业图表754也被更新。现在填充州排名指标750。州排名指标750表示所选择的扇区704相对于该州中的所有其他扇区的百分位数。在视图702中,根据所选择的“大小”的度量724,州排名指标750读取96%,表示梅克伦堡县处于该州的县的第96个百分位。
图8描绘了屏幕截图800,其示出了相对于视图602和视图702(分别在图6和图7中示出)放大的视图802。视图802描述了梅克伦堡县在区块组级扇区的一部分。在视图802中,“区块组1”是所选择的扇区804。在该示例中,区块组1包括夏洛特-道格拉斯机场(CLT)。同样,商家数量指标818再一次减少,并且智能图表840中的信息已经改变。大小分数842(现在为767)、趋势图846、商家数量指标848、州排名指标850和行业图表854反映了表示区块组1的数据。此外,现在填充了县级排名指标852。县级排名指标852表示所选扇区804相对于该县所有扇区的百分比。在视图802中,县级排名指标852根据所选择的“大小”的度量824来读取99%,其表示区块组1处于该县的区块组级扇区的第99个百分位。
图9描绘了屏幕截图900,其示出了与视图802(图8中所示)在地理比例上相同的视图902。然而,视图902在扇区的阴影方面已经发生了实质性改变。度量信息模块920显示所选度量924是“增长”的商家分析,因此这些扇区已被“重新描绘”或“重新加阴影”以反映可见扇区的增长分数。所选择的扇区904区块组1的智能图表940显示区块组1的增长分数942是456,并且州和县排名指标950,952已大幅减少(相对于显示在图8中的州和县排名指标850,852)。由于区块组1包括CLT,因此结果就是增长分数942将低于大小分数842(如图8所示)。虽然由于每天经过的人数庞大,机场可能会有非常高的销售收入(大小),但由于旅行人数(因此在机场花费的钱数)可能不会年复一年大幅增加,因此机场的增长可能很低。
图10描绘了屏幕截图1000,其示出了与视图802和902(分别在图8和9中分别示出)在地理比例上相同的视图1002。然而,同样,视图1002示出了与图8或图9中相比不同的扇区阴影。视图1002反映了所选择的度量1024,“稳定性”的商家分析。所选择的扇区1004区块组1具有719的高稳定性分数1042,并且相对于州和县的扇区也排名较高。同样,考虑到区块组1包括CLT,由于旅行人数(以及因此在机场花费的金额)年复一年不会大幅波动,所以销售收入可能相对稳定。
图11描绘了屏幕截图1100,其示出了与视图802、902和1002(分别在图8、图9和图10中分别示出)在地理比例上相同的视图1102。视图1102反映所选择的度量1124,“交易量”的商家分析。所选择的扇区1104区块组1具有801的非常高的交易量分数1142,并且相对于州和县的扇区同样排名非常高。考虑到每天并且因此每年通过机场(例如CLT)的人数,结果就是与同一地理区域中的其他扇区相比,交易交易量可能非常高。
图12描绘了屏幕截图1200,其示出了与视图802、902、1002和1102(分别在图8、图9、图10和图11中分别示出)在地理比例上相同的视图1202。视图1202反映所选择的度量1224,“票据大小”的商家分析。所选择的扇区1204区块组1具有340的非常低的票据大小分数1242,并且相对于州和县的扇区排名较低,尽管区块组1具有高数值大小分数842(在图8中示出)和高数字交易量分数1142(在图11中示出)。许多在机场(如CLT)发起的交易可能是旅行者购买食品和饮料,这些可能有相对较小的票据大小(而不是像珠宝店)。
图13描绘了屏幕截图1300,其示出了与视图802、902、1002、1102和1202(分别在图8、图9、图10、图11和12中分别示出)在地理比例上相同的视图1302。视图1302反映所选度量1324,“综合”的商家分析(例如,合计分数)。如上所述,扇区的综合分数可以是该扇区的其他五个分数的平均值、加权平均值或某个其他汇总值。所选择的扇区1304区块组1具有669的相当高的综合分数1342,考虑到对于区块组1,五个先前分数中的三个分数较高,相当高的综合分数1342是可以预期的。
图14描绘了屏幕截图1400,其示出了与视图802、902、1002、1102、1202和1302(分别在图8、图9、图10、图11、图12和图13中示出)在地理比例上相同的视图1402。此外,如视图1302中所选择的度量1424是“综合的”。然而,应该注意,时间选择滑块1430已从2015年2月(如之前所有视图中选择的)移动到2012年12月。时间选择滑块1430充当虚拟“时间机器”,允许用户通过将滑块1430从一点拖曳到另一点来看到扇区的分数如何随着时间推移而发展(即,增加或减少)。在示例性实施例中,时间选择滑块1430包括间隔指示符指标1432,其指示用于确定在该特定视图中示出的分数的月份数量的交易数据的价值。视图1402中的间隔指示符指标1432读取“12”,指示12个月的价值数据价值包括在所示的所确定的分数中。在视图1402中,可以看到商家1418,1448的商家数量指示符指标在用于所选扇区1404(区块组1)的视图导航模块1410和智能图表1440中都减少。这立即通知用户,从2012年12月到2015年2月,地理区域经历了某种增长,因为在相同的地理视图中,2015年2月的商家位置比2012年12月更多。区块组1的综合分数1442也发生了变化,表明区块组1的综合分数1342、1442从2012年12月到2015年2月有所下降。这可以表明所选择的扇区1404在12月相对于自身在2012年12月的表现不佳,或者可以表明其他扇区相对于所选扇区1404表现更好(或这两个方案的某种组合)。在一些实施例中,某些扇区可以“消失”,通过将滑块1430在时间上“后退”移动,用户进入用户界面的时间越后退,因为在选定的月份(或其他时间点),在该地理位置尚不存在用以定义或建立扇区的足够的商家位置的十二个月(或任何其他最低数量)的数据价值。
图15描绘了示出相对于视图802-1402(在图8-14中示出)放大的视图1502的屏幕截图1500。在视图1502中,用户通过选择“视图类型”图标1512来切换“卫星”视图。因此,扇区被显示为覆盖在地理区域的卫星图像上。在某些情况下,这样的视图可能有助于用户理解和可视化所定义的扇区之间的界限。另外,定义的扇区为区块级。所选择的扇区1504被表示为“区块1001”,其被包括在图8-14中所示的“区块组1”(区块组级)中。相应地,如商家数量指标1548中所示,包括在所选择的扇区1504中的商家的数量减少(相对于例如图14中所示的所选扇区1404中的商家的数量),并且各种分析(例如,在这个示例中的综合分数1542)是使用仅在那个扇区的商家的数据确定的。
图16描绘了屏幕截图1600,其示出了与视图802、902、1002、1102、1202和1302(图8-13所示)在地理比例上相同的视图1602。视图1602反映在显示模式菜单1660中选择的“在线”(相比之下,在图6-15中所示的视图602、702、902、1002、1102、1202、1302、1402和1502中选择“商家位置”)。相应地,视图1602仅包括由在线标志表示为在线交易的交易。商家数量指标1618、度量信息模块1620以及智能图表1640中的信息(例如但不限于分数1642、扇区指标1644、趋势图1646、商家数量指标1648和行业图表1654)当改变显示模式时可以被更新。在一些实现方式中,视图1602可以通过扇区内的交易位置标识符(例如,“COMPANYA_55555”)来标识每个扇区。例如,在某些实施例中,扇区指标1644可以是交易位置标识符。视图1602中的每个扇区的颜色或阴影也可以被更新。在所示实施例中,行业图表1654包括“电子商务”、“航空公司”和“出租车”。应该理解的是,行业图表1654中所示的行业可以被配置为添加、编辑、组合、划分和/或删除由行业图表1654显示的行业。在一些实施例中,“电子商务”可以被划分为特定电子商务行业,类似于“商家位置”显示模式下的行业图表。例如,“航空公司”和“出租车”可以组合形成“运输”类别。
尽管视图1602包括类似于图8-13中所示的扇区的扇区,但是当切换显示模式时可以重新定义扇区。为了在显示模式菜单1660中选择的模式之间转换,MA计算设备112(图2中示出)可以使用在线交易的交易数据更新每个扇区的商家分析。如上所述,在线交易的交易位置标识符标识与持卡人或持卡人的用户计算设备相关联的虚拟位置标识符的位置。因此,每个扇区的商家分析指示交易的“发起”而不是交易的“目的地”,即商家位置。
在一些实施例中,当由与特定商家相关联的用户访问时,视图1602可以进一步包括商家转换1665以使得用户能够查看每个扇区中的商家的商家分析。在某些实施例中,可以针对显示模式菜单1660的每个显示模式或针对显示模式的子集显示商家转换1665。用户可比较扇区的商家分析以确定商家的电子商务或每个扇区的运输业务的表现。在所示的实施例中,商家转换1665处于显示多个商家的标准模式。选择商家专用模式可以导致视图1602调整诸如商家数量指标1648之类的字段并将其替换为诸如仅用于所选择的扇区1604中的商家的在线交易的数量之类的信息。
图17描绘了屏幕截图1700,其示出了与视图802、902,1002、1102、1202、1302和1602(图8-13和图16中所示)在地理比例上相同的视图1702。视图1702反映了在显示模式菜单1760中选择的“全向信道”,并且包括来自商家位置交易和在线交易的交易数据。在示例性实施例中,商家的商家位置交易和商家的在线交易可以被分组在一起并被识别为商家。一些商家可能在一个扇区有商家位置和在线业务。在“商家位置”显示模式(例如,图6-15)和“在线”显示模式(例如图16)中显示的分析可以重叠。在包括商家的分析中,商家位置和在线交易一起处理,以提供指示商家在每个扇区中的总体表现的分析。在其他实施例中,商家的商家位置交易和在线交易可以在视图1702中表示为离散的和分离的商家。在某些实施例中,视图1702可以包括输入模块(未示出)以在交易分组和分离之间切换。附加地或替换地,视图1702可以被配置为使得用户能够区分商家位置交易和在线交易。
尽管视图1702包括与图8-13和图16中所示的扇区相似的扇区,但是当切换显示模式时可以重新定义扇区。在一些实现方式中,MA计算设备112(在图2中示出)可以根据商家位置来定义扇区,使得在线交易被包括在与最近的商家位置相关联的扇区内。与每个扇区中的商家位置交易和在线交易相关联的交易数据被组合以生成商家分析。用户可以选择性地改变扇区以在多个视角查看商家分析。例如,用户可以将视图1702从根据邮政编码显示扇区改变为根据最近的商家位置显示扇区。
图18是用于使用MA计算设备112(如图2所示)生成扇区的商家分析并且在用户界面上提供分析的示例方法1800的简化图。具体而言,MA计算设备112定义1802地理区域的多个扇区。另外,MA计算设备112接收1804个在地理区域内和一段时间内发生的交易的交易数据(例如,图5所示的交易数据540)。交易数据与可包括位于地理区域中的商家(即,商家位置交易)和/或与位于地理区域中的在线交易相关联的商家的多个商家相关联。在示例性实施例中,交易数据包括至少一个在线交易。MA计算设备为每个交易生成1806交易位置标识符。任何商家位置交易的交易位置标识符(有时被称为“商家交易位置标识符”)可以指示商家位置的地理位置。在线交易的交易位置标识符表示参与在线交易的商家和与由与在线交易相关联的持卡人操作的用户设备相关联的地理位置。与用户设备相关联的地理位置可以是例如在线交易被发起的地方或与持卡人相关联的位置(例如账单地址或家庭地址)。在该示例性实施例中,MA计算设备112将交易位置标识符存储1808在存储器(例如,存储器区域310,如图3所示)中用于进一步分析。
MA计算设备112基于交易位置标识符将每个交易链接1810到多个扇区中的一个扇区。另外,MA计算设备112基于链接到该扇区的交易生成1812聚合商家分析(例如,如图5中所示的输出590)。聚合商家分析可以表示多个扇区内的每个扇区的排名。此外,MA计算设备112使1814聚合商家分析结果显示在用户计算设备的用户界面(例如,图2中所示的用户界面118和客户端系统114)上。聚合商家分析可以在定义的扇区的图上以图形方式表示。参考MA计算设备112所使用的“显示”可以指其中MA计算设备112促进或致使在用户计算设备上显示商家分析的任何方法。
图19是可以在图2所示的环境中使用的一个或多个示例计算设备的组件的图。图19进一步示出了至少包括数据库120(在图2中示出)的数据库的配置。数据库120可以存储诸如交易数据1902、公共信息1904、用户数据1906和持卡人计算设备数据(未示出)的信息。数据库120耦合到MA计算设备112内的执行特定任务的若干单独组件。
MA计算设备112包括用于定义地理区域的多个扇区的定义组件1910。另外,MA计算设备112包括用于接收在一段时间内发生的金融交易的交易数据的接收组件1920。交易数据与多个商家相关联。多个商家中的每个商家位于地理区域中或者与位于地理区域中的在线交易相关联。另外,MA计算设备112包括识别组件1930,用于针对多个商家中的每个商家识别商家所位于的多个扇区中的一个扇区。识别组件1930还被配置为识别交易数据是否包括在线交易以及哪个扇区包括每个在线交易。另外,MA计算设备112包括生成组件1940,用于基于与所述扇区中的所述多个商家的所有商家相关联的交易数据(包括商家位置交易和/或在线交易)生成每个扇区的聚合商家分析。聚合商家分析表示每个扇区相对于多个扇区的所有其他扇区的排名。另外,MA计算设备112包括用于在用户界面上显示聚合商家分析的显示组件1950(可替代地被称为“显示组件”)。聚合商家分析以图形方式表示在定义扇区的地图上。
在一些实现方式中,生成组件1940(或者MA计算设备112的任何其他组件)可以被进一步配置为使用针对每个对应扇区中的多个商家的子集的接收到的交易数据来计算每个扇区的增长。增长表示从一段时间的开始到这段时间结束时各扇区的总销售收入的差异。生成组件1940可以被进一步配置为通过比较多个扇区中的每个扇区的增长来确定每个扇区的相对排名,并且基于相对排名生成每个扇区的增长分数。
在一些实现方式中,生成组件1940(或MA计算设备112的任何其他组件)可以被进一步配置为使用针对每个对应扇区中的多个商家的子集的接收到的交易数据来计算每个扇区的稳定性。稳定性代表了总销售收入维持在一段时间内在各个扇区的总销售收入平均值附近的值范围内。生成组件1940可以被进一步配置为通过比较多个扇区中的每个扇区的稳定性来确定每个扇区的相对排名,并且基于相对排名生成每个扇区的稳定性分数。
在一些实现方式中,生成组件1940(或MA计算设备112的任何其他组件)可以被进一步配置为使用针对每个对应扇区中的多个商家的子集的接收到的交易数据来计算每个扇区的大小。大小代表一段时间内每个扇区的总销售收入。生成组件1940可以进一步被配置为通过比较多个扇区中的每个扇区的大小来确定每个扇区的相对排名,并且基于相对排名生成每个扇区的大小分数。
在一些实现方式中,生成组件1940(或MA计算设备112的任何其他组件)可以被进一步配置为使用针对每个对应扇区中的多个商家的子集的接收到的交易数据来计算每个扇区的交易量。交易量代表一段时间内在每个扇区发起的交易的数量。生成组件1940可以进一步被配置为通过比较多个扇区中的每个扇区的交易量来确定每个扇区的相对排名,并且基于相对排名生成每个扇区的交易量分数。
在一些实现方式中,生成组件1940(或MA计算设备112的任何其他组件)可以被进一步配置为使用针对每个对应扇区中的多个商家的子集的接收到的交易数据来计算每个扇区的平均票据大小。平均票据大小表示在该时间段内每个扇区的平均交易量,平均票据大小可以通过将该扇区的总销售收入除以该扇区在该时间段内发起的交易数量来计算。生成组件1940可以被进一步配置为通过比较多个扇区中的每个扇区的平均票据大小来确定每个扇区的相对排名,并且基于相对排名生成每个扇区的票据大小分数。
在一些实现方式中,生成组件1940(或者MA计算设备112的任何其他组件)可以被进一步配置为生成每个扇区的增长分数。增长分数基于从该时间段开始到该时间段结束每个扇区的总销售收入的差异来表示多个扇区的第一相对排名。生成组件1940还可以被配置为生成每个扇区的稳定性分数。稳定性分数基于总销售收入维持在该时间段内每个扇区的总销售收入的平均值附近的值范围内表示多个扇区的第二相对排名。生成组件1940可以被进一步配置为生成每个扇区的大小分数。大小分数基于这段时间内每个扇区的总销售收入来表示多个扇区的第三相对排名。生成组件1940还可以被配置为生成每个扇区的交易量分数。交易量分数基于在该时间段期间在每个扇区中发起的交易数量来表示多个扇区的第四相对排名。生成组件1940可以进一步被配置为生成每个扇区的票据大小分数。票据大小分数基于这段时间内每个扇区的平均交易量来表示多个扇区的第五相对排名。生成组件1940还可以被配置为生成每个扇区的综合分数。综合分数基于每个扇区的增长分数、稳定性分数、大小分数、交易量分数和票据大小分数的聚合来表示多个扇区的第六相对分数。
在一些实现方式中,生成组件1940可以被配置为针对多个商家中的每个商家生成商家记录。商家记录可以被配置为使得对应于商家位置交易和在线交易的交易数据和商家分析可以相互区分。接收组件1920可以被配置为接收与多个商家相关联的投资目标。识别组件1930可以被配置为根据针对多个商家中的每个商家所位于的每个扇区的投资目标和商家分析来对多个商家记录进行分类。致使或显示组件1950可以被配置成将经过排序的商家记录呈现在经优化的商家管理投资组合中。
如本文所使用的,术语“非暂时性计算机可读介质”旨在代表以任何方法或技术实现的用于信息(例如计算机可读指令、数据结构、程序模块和子模块或任何设备中的其他数据)的短期和长期存储的任何有形的基于计算机的设备,例如计算机可读指令、数据结构、程序模块和子模块或任何设备中的其他数据。因此,这里描述的方法可以被编码为体现在有形的非暂时性计算机可读介质(包括但不限于存储设备和/或存储器设备)中的可执行指令,包括但不限于存储设备和/或存储器设备。这样的指令在由处理器执行时使处理器执行本文描述的方法的至少一部分。此外,如本文所使用的,术语“非暂时性计算机可读介质”包括所有有形的计算机可读介质,包括但不限于非暂时性计算机存储设备,其包括但不限于易失性和非易失性介质、以及可移动和不可移动介质(例如固件、物理和虚拟存储装置、CD-ROM、DVD以及诸如网络或因特网之类的任何其他数字源)、以及尚未开发的数字手段,唯一的例外是暂时的、传播的信号。
本书面描述使用示例来公开本公开,包括最佳模式,并且还使得本领域技术人员能够实践这些实施例,包括制作和使用任何装置或系统以及执行任何结合的方法。本公开的专利性范围由权利要求限定,并且可以包括本领域技术人员想到的其他示例。如果这些其他示例具有没有与权利要求的字面语言不同的结构元件,或者如果它们包括与权利要求的字面语言无实质区别的等同结构元件,则这些其他示例意图包含在权利要求的范围内。
Claims (24)
1.一种用于为扇区生成聚合商家分析的方法,所述方法由商家分析(MA)计算设备实现,所述MA计算设备包括与存储器通信的至少一个处理器,所述MA计算设备与用户计算设备通信,所述方法包括:
定义地理区域的多个扇区;
在所述MA计算设备处接收在预定时间段内发生的交易的交易数据,所述交易数据包括至少一个在线交易,每个在线交易与商家相关联;
使用所述MA计算设备为所述至少一个在线交易中的每一个生成交易位置标识符,所述交易位置标识符表示所述在线交易中涉及的商家和与由与所述在线交易相关联的持卡人操作的用户设备相关联的地理位置的组合;
将所述交易位置标识符存储在所述存储器中;
基于所述交易位置标识符将每个在线交易链接到所述多个扇区中的一个扇区;
使用所述MA计算设备基于链接到所述扇区的在线交易来生成每个扇区的聚合商家分析,其中,所述聚合商家分析表示所述多个扇区内的每个扇区的排名;以及
使所述聚合商家分析与定义的扇区的地图一起显示在所述用户计算设备上。
2.如权利要求1所述的方法,其中,每个在线交易的交易位置标识符包括所述在线交易中涉及的商家的名称和所述地理位置的标识符。
3.如权利要求1所述的方法,其中,所述交易数据还包括至少一个商家位置交易,所述方法还包括:
使用所述MA计算设备为每个商家位置交易生成商家交易位置标识符,所述商家交易位置标识符指示与所述商家位置交易相关联的商家的地理位置;
基于所述商家交易位置标识符将每个商家位置交易链接到所述多个扇区中的一个扇区;
使用所述MA计算设备基于链接到所述扇区的所述在线交易和所述商家位置交易,生成每个扇区的第二聚合商家分析,其中,第二组聚合商家分析表示所述多个扇区内的每个扇区的第二排名;以及
使得所述第二聚合商家分析与定义的扇区的地图一起显示在所述用户计算设备上。
4.如权利要求1所述的方法,其中,所述聚合商家分析包括增长分数,所述方法进一步包括:
基于链接到所述扇区的在线交易来计算每个扇区的增长,其中,该增长表示该扇区中在所述预定时间段的开始和所述预定时间段的结束之间的总销售收入的变化;
基于每个扇区的计算的增长来确定每个扇区的排名;以及
基于确定的排名生成每个扇区的增长分数。
5.如权利要求1所述的方法,其中,所述聚合商家分析包括稳定性分数,所述方法进一步包括:
基于链接到所述扇区的在线交易计算每个扇区的稳定性,其中,该稳定性表示该扇区中在所述预定时间段内总销售收入维持在总销售收入的平均值附近的值的范围内;
基于每个扇区的计算的稳定性确定每个扇区的排名;以及
基于确定的排名生成每个扇区的稳定性分数。
6.如权利要求1所述的方法,其中,所述聚合商家分析包括大小分数,所述方法进一步包括:
基于链接到所述扇区的在线交易计算每个扇区的大小,其中,所述大小表示该扇区在所述预定时间段内的总销售收入;
基于每个扇区的计算的大小确定每个扇区的排名;以及
基于确定的排名生成每个扇区的大小分数。
7.如权利要求1所述的方法,其中,所述聚合商家分析包括交易量分数,所述方法还包括:
基于链接到所述扇区的在线交易来计算每个扇区的交易量,其中交易量表示在所述预定时间段内在所述扇区中发起的交易的数量;
基于每个扇区的计算的交易量来确定每个扇区的相对排名;以及
基于确定的排名生成每个扇区的交易量分数。
8.如权利要求1所述的方法,其中,所述聚合商家分析包括票据大小分数,所述方法进一步包括:
基于链接到所述扇区的在线交易计算每个扇区的平均票据大小,其中,平均票据大小表示该扇区在所述预定时间段内的平均交易量,并且其中,所述平均票据大小通过将每个扇区的总销售收入除以预定时间段内在所述扇区发起的交易的数量来计算;
通过比较每个扇区的计算的平均票据大小来确定每个扇区的排名;以及
基于确定的排名生成每个扇区的票据大小分数。
9.如权利要求1所述的方法,其中,所述聚合商家分析包括综合分数,所述方法进一步包括:
生成每个扇区的增长分数,其中,所述增长分数基于每个扇区中从预定时间段的开始到预定时间段的结束的总销售收入的变化来表示多个扇区的第一相对排名;
生成每个扇区的稳定性分数,其中,所述稳定性分数基于在所述预定时间段内每个扇区中总销售收入维持在总销售收入的平均值附近的值的范围内来表示所述多个扇区的第二相对排名;
生成每个扇区的大小分数,其中,所述大小分数基于在所述预定时间段内每个扇区中的总销售收入来表示所述多个扇区的第三相对排名;
生成每个扇区的交易量分数,其中,所述交易量分数基于在所述预定时间段内在每个扇区中发起的交易的数量来表示所述多个扇区的第四相对排名;
生成每个扇区的票据大小分数,其中,票据大小分数基于预定时间段内每个扇区中的平均交易量来表示多个扇区的第五相对排名;以及
生成每个扇区的综合分数,其中,所述综合分数基于每个扇区的增长分数、稳定性分数、大小分数、交易量分数和票据大小分数的聚合来表示所述多个扇区的第六相对排名。
10.如权利要求1所述的方法,其中,生成所述交易位置标识符还包括基于以下项中的一项来生成所述交易位置标识符:(i)与所述用户设备相关联的识别的互联网协议(IP)地址,(ii)由持卡人提供的运送地址、邮寄地址和账单地址中的至少一个,以及(iii)在使用与持卡人相关联的数字钱包检索的在线交易的元数据中标识的商家位置。
11.一种商家分析(MA)计算设备,包括与存储器通信的至少一个处理器,所述商家分析计算设备与用户计算设备通信,所述至少一个处理器被编程为:
定义地理区域的多个扇区;
接收在所述地理区域和预定时间段内发生的交易的交易数据,所述交易数据包括至少一个在线交易,每个在线交易与商家相关联;
对于所述至少一个在线交易中的每一个生成交易位置标识符,所述交易位置标识符表示在线交易中涉及的商家和与由与在线交易相关联的持卡人操作的用户设备相关联的地理位置的组合;
将所述交易位置标识符存储在所述存储器中;
基于所述交易位置标识符将每个在线交易链接到所述多个扇区中的一个扇区;
基于链接到所述扇区的在线交易生成每个扇区的聚合商家分析,其中,所述聚合商家分析表示所述多个扇区内的每个扇区的排名;以及
使所述聚合商家分析与定义的扇区的地图一起显示在所述用户计算设备上。
12.如权利要求11所述的MA计算设备,其中,每个在线交易的所述交易位置标识符包括在线交易中涉及的商家的名称和地理位置的标识符。
13.如权利要求11所述的MA计算设备,其中,所述交易数据还包括至少一个商家位置交易,并且其中,所述处理器被进一步编程为:
对于每个商家位置交易生成商家交易位置标识符,所述商家交易位置标识符指示与所述商家位置交易相关联的商家的地理位置;
基于所述商家交易位置标识符将每个商家位置交易链接到所述多个扇区中的一个扇区;
基于链接到所述扇区的在线交易和商家位置交易生成每个扇区的第二聚合商家分析,其中,第二组聚集商家分析表示所述多个扇区内的每个扇区的第二排名;以及
使所述第二聚合商家分析与定义的扇区的地图一起显示在所述用户计算设备上。
14.如权利要求11所述的MA计算设备,其中,所述至少一个处理器被进一步编程为:
基于链接到所述扇区的在线交易计算每个扇区的增长,其中,所述增长表示该扇区中在所述预定时间段的开始和所述预定时间段的结束之间的总销售收入的变化;
基于每个扇区的计算的增长来确定每个扇区的排名;以及
基于确定的排名生成每个扇区的增长分数。
15.如权利要求11所述的MA计算设备,其中,所述至少一个处理器被进一步编程为:
基于链接到所述扇区的在线交易计算每个扇区的稳定性,其中,稳定性表示该扇区中在所述预定时间段内总销售收入维持在总销售收入的平均值附近的值的范围内;
基于每个扇区的计算的稳定性确定每个扇区的排名;以及
基于确定的排名生成每个扇区的稳定性分数。
16.如权利要求11所述的MA计算设备,其中,所述至少一个处理器被进一步编程为:
基于链接到所述扇区的在线交易来计算每个扇区的交易量,其中,所述交易量表示在所述预定时间段内在该扇区中发起的交易的数量;
基于每个扇区的计算的交易量来确定每个扇区的相对排名;以及
基于确定的排名生成每个扇区的交易量分数。
17.如权利要求11所述的MA计算设备,其中,所述至少一个处理器被进一步编程为:
基于链接到所述扇区的在线交易计算每个扇区的平均票据大小,其中,所述平均票据大小表示该扇区在所述预定时间段内的平均交易量,并且其中,平均票据大小通过将每个扇区的总销售收入除以预定时间段内在所述扇区发起的交易的数量来计算;
通过比较每个扇区的计算的平均票据大小来确定每个扇区的排名;以及
基于确定的排名生成每个扇区的票据大小分数。
18.如权利要求11所述的MA计算设备,其中,所述至少一个处理器被进一步编程为:
生成每个扇区的增长分数,其中,所述增长分数基于每个扇区中从预定时间段的开始到预定时间段的结束的总销售收入的变化来表示所述多个扇区的第一相对排名;
生成每个扇区的稳定性分数,其中,所述稳定性分数基于在所述预定时间段内每个扇区中总销售收入维持在总销售收入的平均值附近的值的范围内来表示所述多个扇区的第二相对排名;
生成每个扇区的大小分数,其中,所述大小分数基于所述预定时间段内每个扇区中的总销售收入来表示所述多个扇区的第三相对排名;
生成每个扇区的交易量分数,其中,所述交易量分数基于在所述预定时间段内在每个扇区中发起的交易的数量来表示所述多个扇区的第四相对排名;
生成每个扇区的票据大小分数,其中,所述票据大小分数基于在预定时间段内每个扇区中的平均交易量来表示多个扇区的第五相对排名;以及
生成每个扇区的综合分数,其中,所述综合分数基于每个扇区的所述增长分数、所述稳定性分数、所述大小分数、所述交易量分数和所述票据大小分数的聚合来表示所述多个扇区的第六相对排名。
19.如权利要求11所述的MA计算设备,其中,所述至少一个处理器被进一步编程为基于以下项中的一项来生成所述交易位置标识符:(i)与所述用户设备相关联的识别的互联网协议(IP)地址,(ii)由持卡人提供的运送地址、邮寄地址和账单地址中的至少一个,以及(iii)在使用与持卡人相关联的数字钱包检索的在线交易的元数据中标识的商家位置。
20.一种其上包含计算机可执行指令的计算机可读存储介质,其中,所述计算机可执行指令在由包括与存储器通信的至少一个处理器的商家分析(MA)计算设备执行时使所述MA计算设备:
定义地理区域的多个扇区;
接收在所述地理区域和预定时间段内发生的交易的交易数据,所述交易数据包括至少一个在线交易,每个在线交易与商家相关联;
对于所述至少一个在线交易中的每一个生成交易位置标识符,所述交易位置标识符表示在线交易中涉及的商家和与由与在线交易相关联的持卡人操作的用户设备相关联的地理位置;
将所述交易位置标识符存储在所述存储器中;
基于所述交易位置标识符将每个在线交易链接到所述多个扇区中的一个扇区;
基于链接到所述扇区的在线交易生成每个扇区的聚合商家分析,其中,所述聚合商家分析表示所述多个扇区内的每个扇区的排名;以及
使所述聚合商家分析与定义的扇区的地图一起显示在所述用户计算设备上。
21.如权利要求20所述的计算机可读存储介质,其中,所述交易数据还包括至少一个商家位置交易,并且其中,所述计算机可执行指令还使所述MA计算设备:
对于每个商家位置交易生成商家交易位置标识符,所述商家交易位置标识符指示与所述商家位置交易相关联的商家的地理位置;
基于所述商家交易位置标识符将每个商家位置交易链接到所述多个扇区中的一个扇区;
基于链接到所述扇区的在线交易和商家位置交易生成每个扇区的第二聚合商家分析,其中,第二组聚集商家分析表示所述多个扇区内的每个扇区的第二排名;以及
使所述第二聚合商家分析与定义的扇区的地图一起显示在所述用户计算设备上。
22.如权利要求20所述的计算机可读存储介质,其中,所述计算机可执行指令进一步使所述MA计算设备:
基于链接到所述扇区的在线交易计算每个扇区的增长,其中,所述增长表示该扇区中在所述预定时间段的开始和所述预定时间段的结束之间的总销售收入的变化;
基于每个扇区的计算的增长来确定每个扇区的排名;以及
基于确定的排名生成每个扇区的增长分数。
23.如权利要求20所述的计算机可读存储介质,其中,所述计算机可执行指令进一步使所述MA计算设备:
生成每个扇区的增长分数,其中,所述增长分数基于每个扇区中从预定时间段的开始到预定时间段的结束的总销售收入的变化来表示所述多个扇区的第一相对排名;
生成每个扇区的稳定性分数,其中,所述稳定性分数基于在所述预定时间段内每个扇区中总销售收入维持在总销售收入的平均值附近的值的范围内来表示所述多个扇区的第二相对排名;
生成每个扇区的大小分数,其中,所述大小分数基于所述预定时间段内每个扇区中的总销售收入来表示所述多个扇区的第三相对排名;
生成每个扇区的交易量分数,其中,所述交易量分数基于在所述预定时间段内在每个扇区中发起的交易的数量来表示所述多个扇区的第四相对排名;
生成每个扇区的票据大小分数,其中,所述票据大小分数基于在预定时间段内每个扇区中的平均交易量来表示多个扇区的第五相对排名;以及
生成每个扇区的综合分数,其中,所述综合分数基于每个扇区的所述增长分数、所述稳定性分数、所述大小分数、所述交易量分数和所述票据大小分数的聚合来表示所述多个扇区的第六相对排名。
24.如权利要求20所述的计算机可读存储介质,其中,所述计算机可执行指令进一步使所述MA计算设备基于以下项中的一项来生成所述交易位置标识符:(i)与所述用户设备相关联的识别的互联网协议(IP)地址,(ii)由持卡人提供的运送地址、邮寄地址和账单地址中的至少一个,以及(iii)在使用与持卡人相关联的数字钱包检索的在线交易的元数据中标识的商家位置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562215446P | 2015-09-08 | 2015-09-08 | |
US62/215,446 | 2015-09-08 | ||
PCT/US2016/050640 WO2017044540A1 (en) | 2015-09-08 | 2016-09-08 | Generating aggregated merchant analytics using origination location of online transactions |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108352029A true CN108352029A (zh) | 2018-07-31 |
Family
ID=56936549
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680065220.XA Pending CN108352029A (zh) | 2015-09-08 | 2016-09-08 | 使用在线交易的起始位置生成聚合商业分析 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11348124B2 (zh) |
CN (1) | CN108352029A (zh) |
WO (1) | WO2017044540A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116739571A (zh) * | 2023-08-07 | 2023-09-12 | 深圳前海移联科技有限公司 | 智能化路由调控方法、系统、计算机设备及存储介质 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10776241B1 (en) | 2017-11-10 | 2020-09-15 | Workday, Inc. | Automated process performance determination |
WO2020256733A1 (en) * | 2019-06-21 | 2020-12-24 | Visa International Service Association | Computer-implemented method, system, and product for processing a loan request |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102047249A (zh) * | 2008-05-27 | 2011-05-04 | 高通股份有限公司 | 用于聚合和呈现与地理位置相关联的数据的方法和设备 |
CN102282593A (zh) * | 2008-10-24 | 2011-12-14 | Uc集团有限公司 | 用于处理与在线商家交易的系统和方法 |
US20120084117A1 (en) * | 2010-04-12 | 2012-04-05 | First Data Corporation | Transaction location analytics systems and methods |
US20140222551A1 (en) * | 2013-02-05 | 2014-08-07 | Yp Intellectual Property Llc | Advertising tracking and alert systems |
Family Cites Families (66)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7908216B1 (en) * | 1999-07-22 | 2011-03-15 | Visa International Service Association | Internet payment, authentication and loading system using virtual smart card |
US20090132316A1 (en) | 2000-10-23 | 2009-05-21 | Costar Group, Inc. | System and method for associating aerial images, map features, and information |
AU2002252137A1 (en) * | 2001-02-27 | 2002-09-12 | Visa International Service Association | Distributed quantum encrypted pattern generation and scoring |
US8055578B1 (en) | 2001-12-28 | 2011-11-08 | Fannie Mae | Geographic information system for depicting information relating to mortgage lending activity |
US7181445B2 (en) | 2003-09-05 | 2007-02-20 | Bellsouth Intellectual Property Corporation | Aggregating, retrieving, and providing access to document visuals |
US7672865B2 (en) | 2005-10-21 | 2010-03-02 | Fair Isaac Corporation | Method and apparatus for retail data mining using pair-wise co-occurrence consistency |
CA2541763A1 (en) | 2006-02-15 | 2007-08-15 | Sharon Rossmark | Retail deployment model |
US20140058815A1 (en) * | 2006-07-18 | 2014-02-27 | American Express Travel Related Services Company, Inc. | System and method for location based mobile application offers |
US20080033587A1 (en) | 2006-08-03 | 2008-02-07 | Keiko Kurita | A system and method for mining data from high-volume text streams and an associated system and method for analyzing mined data |
US9922323B2 (en) * | 2007-03-16 | 2018-03-20 | Visa International Service Association | System and method for automated analysis comparing a wireless device location with another geographic location |
US7962418B1 (en) * | 2007-03-30 | 2011-06-14 | Amazon Technologies, Inc. | System and method of fulfilling a transaction |
US20110082718A1 (en) | 2009-10-06 | 2011-04-07 | Bank Of America Corporation | Analyzing Patterns within Transaction Data |
US20090055242A1 (en) | 2007-08-24 | 2009-02-26 | Gaurav Rewari | Content identification and classification apparatus, systems, and methods |
US7941458B2 (en) * | 2008-06-26 | 2011-05-10 | Microsoft Corporation | Abstraction layer for online/offline resource access |
US8417561B2 (en) | 2008-09-24 | 2013-04-09 | Bank Of America Corporation | Market dynamics |
US8438310B2 (en) | 2008-10-01 | 2013-05-07 | Adp Dealer Services, Inc. | Systems and methods for configuring a website having a plurality of operational modes |
US20150073977A1 (en) | 2009-06-01 | 2015-03-12 | Bank Of America Corporation | Merchant tracking and analysis tool |
US20110178844A1 (en) | 2010-01-20 | 2011-07-21 | American Express Travel Related Services Company, Inc. | System and method for using spend behavior to identify a population of merchants |
US10089683B2 (en) * | 2010-02-08 | 2018-10-02 | Visa International Service Association | Fraud reduction system for transactions |
US8775242B2 (en) | 2010-04-12 | 2014-07-08 | First Data Corporation | Systems and methods for analyzing the effectiveness of a promotion |
US20120233090A1 (en) | 2010-04-12 | 2012-09-13 | First Data Corporation | Investment portfolio analytics systems and methods |
US8195500B2 (en) | 2010-04-12 | 2012-06-05 | First Data Corporation | Point-of-sale-based market tracking and reporting |
US8781874B2 (en) | 2010-04-12 | 2014-07-15 | First Data Corporation | Network analytics systems and methods |
US20110264581A1 (en) | 2010-04-23 | 2011-10-27 | Visa U.S.A. Inc. | Systems and Methods to Provide Market Analyses and Alerts |
US8799812B2 (en) | 2010-04-29 | 2014-08-05 | Cheryl Parker | System and method for geographic based data visualization and extraction |
US8359274B2 (en) * | 2010-06-04 | 2013-01-22 | Visa International Service Association | Systems and methods to provide messages in real-time with transaction processing |
AU2011316955B2 (en) | 2010-10-20 | 2016-12-01 | Playspan Inc. | Flexible monetization service apparatuses, methods and systems |
US10204327B2 (en) | 2011-02-05 | 2019-02-12 | Visa International Service Association | Merchant-consumer bridging platform apparatuses, methods and systems |
CN102694672B (zh) * | 2011-03-24 | 2015-07-22 | 华为技术有限公司 | 虚拟机参数迁移的方法、设备和虚拟机服务器 |
US10719834B2 (en) | 2011-05-20 | 2020-07-21 | Mastercard International Incorporated | Systems and methods for recommending merchants |
US9495270B2 (en) | 2011-05-31 | 2016-11-15 | Vmware, Inc. | User interface for monitoring the status of an object in a virtual computing environment |
US8640099B1 (en) | 2011-06-28 | 2014-01-28 | Amazon Technologies, Inc. | Detecting feature conflicts in a vendor account configuration |
US9240011B2 (en) * | 2011-07-13 | 2016-01-19 | Visa International Service Association | Systems and methods to communicate with transaction terminals |
US9159084B2 (en) | 2011-09-21 | 2015-10-13 | Visa International Service Association | Systems and methods to communication via a merchant aggregator |
US20130124263A1 (en) | 2011-11-14 | 2013-05-16 | Visa International Service Association | Systems and Methods to Summarize Transaction data |
US20130124417A1 (en) * | 2011-11-16 | 2013-05-16 | Visa International Service Association | Systems and methods to provide generalized notifications |
US8762175B1 (en) * | 2011-12-09 | 2014-06-24 | Express Scripts, Inc. | Methods and systems for promoting mobile awareness |
WO2013103991A1 (en) * | 2012-01-05 | 2013-07-11 | Visa International Service Association | Data protection with translation |
US20140200962A1 (en) | 2012-07-20 | 2014-07-17 | Eddie Godshalk | Dynamic geospatial rating and display system |
US10089697B2 (en) | 2013-01-25 | 2018-10-02 | Capital One Services, Llc | Systems and methods for extracting information from a transaction description |
US20140229222A1 (en) * | 2013-02-08 | 2014-08-14 | Sadaf Shakil | Integrated project planning and management application |
US20140229323A1 (en) | 2013-02-13 | 2014-08-14 | vMobo, Inc. | Location and transaction-based recommendations |
US20140244514A1 (en) * | 2013-02-26 | 2014-08-28 | Digimarc Corporation | Methods and arrangements for smartphone payments and transactions |
US20140279474A1 (en) * | 2013-03-12 | 2014-09-18 | Visa International Service Association | Multi-purse one card transaction apparatuses, methods and systems |
US20140278744A1 (en) * | 2013-03-15 | 2014-09-18 | Mastercard International Incorporated | Systems and methods for recommending competitor sets |
US11055710B2 (en) * | 2013-05-02 | 2021-07-06 | Visa International Service Association | Systems and methods for verifying and processing transactions using virtual currency |
US20140337090A1 (en) * | 2013-05-08 | 2014-11-13 | Visa International Service Association | Systems and methods to measure influcence power |
US9754258B2 (en) * | 2013-06-17 | 2017-09-05 | Visa International Service Association | Speech transaction processing |
US20140372338A1 (en) | 2013-06-18 | 2014-12-18 | Capital One Financial Corporation | Systems and methods for recommending merchants to a consumer |
US20150012303A1 (en) | 2013-07-03 | 2015-01-08 | Mastercard International Incorporated | Method and system for evaluating commercial real estate pricing and location by leveraging transaction data |
US20150032565A1 (en) * | 2013-07-25 | 2015-01-29 | Mastercard International Incorporated | Systems and methods for recommending merchants |
US20150058088A1 (en) | 2013-08-22 | 2015-02-26 | Mastercard International Incorporated | Method and system for using transaction data to assign a trade area to a merchant location |
US10319013B2 (en) * | 2013-10-28 | 2019-06-11 | Square, Inc. | Electronic ordering system |
US20150134539A1 (en) * | 2013-11-12 | 2015-05-14 | Shashi Kapur | System and method of processing point-of-sale payment transactions via mobile devices |
US20150134420A1 (en) * | 2013-11-14 | 2015-05-14 | Mastercard International Incorporated | Method and system for providing merchant recommendation data using transaction data |
US20150161705A1 (en) | 2013-12-09 | 2015-06-11 | Mastercard International Incorporated | Merchant recommendation engine method and apparatus |
US10025834B2 (en) * | 2013-12-16 | 2018-07-17 | Palantir Technologies Inc. | Methods and systems for analyzing entity performance |
US9934513B2 (en) | 2013-12-31 | 2018-04-03 | Statebook International Inc. | GIS data appliance for identifying and comparing data associated with geographic regions |
US20190050893A1 (en) * | 2014-02-14 | 2019-02-14 | Google Inc. | Linking Offline Location Signals to Online Conversions |
WO2016014723A1 (en) | 2014-07-23 | 2016-01-28 | Hampton Roads Sanitation Distric | A method for deammonification process control using ph, specific conductivity, or ammonia |
EP3195112A4 (en) * | 2014-09-18 | 2018-06-27 | Intel Corporation | Supporting multiple operating system environments in computing device without contents conversion |
US20160162986A1 (en) | 2014-12-09 | 2016-06-09 | Mastercard International Incorporated | Systems and methods for determining a value of commercial real estate |
US20160328802A1 (en) | 2015-05-08 | 2016-11-10 | Mastercard International Incorporated | System and method for determining merchant revenue using transaction data and geotemporal data |
US20160335649A1 (en) | 2015-05-15 | 2016-11-17 | Mastercard International Incorporated | Systems and methods for determining an impact event on a sector location |
US10332096B2 (en) * | 2015-07-27 | 2019-06-25 | Paypal, Inc. | Wireless communication beacon and gesture detection system |
CA2951140A1 (en) * | 2015-12-08 | 2017-06-08 | Lavasoft Software Canada Inc. | Systems and methods for processing electronic payment authorization of online credit card transactions involving virtual credit cards |
-
2016
- 2016-09-08 CN CN201680065220.XA patent/CN108352029A/zh active Pending
- 2016-09-08 US US15/259,578 patent/US11348124B2/en active Active
- 2016-09-08 WO PCT/US2016/050640 patent/WO2017044540A1/en active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102047249A (zh) * | 2008-05-27 | 2011-05-04 | 高通股份有限公司 | 用于聚合和呈现与地理位置相关联的数据的方法和设备 |
CN102282593A (zh) * | 2008-10-24 | 2011-12-14 | Uc集团有限公司 | 用于处理与在线商家交易的系统和方法 |
US20120084117A1 (en) * | 2010-04-12 | 2012-04-05 | First Data Corporation | Transaction location analytics systems and methods |
US20140222551A1 (en) * | 2013-02-05 | 2014-08-07 | Yp Intellectual Property Llc | Advertising tracking and alert systems |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116739571A (zh) * | 2023-08-07 | 2023-09-12 | 深圳前海移联科技有限公司 | 智能化路由调控方法、系统、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US20170068968A1 (en) | 2017-03-09 |
WO2017044540A1 (en) | 2017-03-16 |
US11348124B2 (en) | 2022-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11087343B2 (en) | Systems and methods for controlling access to location based data | |
JP6434188B2 (ja) | ユーザから提供されたデータタグを用いてデータを追跡するシステム及び方法 | |
US20180174205A1 (en) | Systems and methods for recommending merchants to a consumer | |
US10922765B2 (en) | Systems and methods for generating gratuity analytics for one or more restaurants | |
US7853469B2 (en) | Methods and systems for predicting business behavior from profiling consumer card transactions | |
EP2988258A1 (en) | System and method for determining a cohort | |
CN108701313A (zh) | 使用数据语料库生成推荐的系统和方法 | |
EP2858014A2 (en) | User interfaces relating to performance | |
EP2884440A1 (en) | Methods and systems for analyzing entity performance | |
US20180108000A1 (en) | Systems and methods for generating aggregated merchant analytics for a geographic sector using tip data | |
US20190020557A1 (en) | Methods and systems for analyzing entity performance | |
CN108701295A (zh) | 用于预处理网络消息以优化路由的系统和方法 | |
JP7382274B2 (ja) | 出力プログラム、出力方法及び出力装置 | |
US20190172129A1 (en) | Systems and methods for using aggregated merchant analytics to analyze merchant loan risk | |
CN108352029A (zh) | 使用在线交易的起始位置生成聚合商业分析 | |
US20170300842A1 (en) | Systems and methods for identifying underrepresented merchant categories within a region | |
WO2001037157A1 (fr) | Systeme et procede d'echange de titres assiste, et support d'enregistrement lisible par ordinateur sur lequel un programme est enregistre | |
US20170221085A1 (en) | Systems and methods for creating an options program using payment transactions performed within a geographic sector | |
US7587349B2 (en) | Method, system, and computer program product for card selector tool | |
JP2002123671A (ja) | 採算管理システム | |
Wadajkar et al. | SYSTEMS OF FINANCIAL ACCOUNTING AND MANAGEMENT ACCOUNTING IN HOTEL INDUSTRY |
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 |