CN108369710A - 计算机化的促销和降价调度 - Google Patents

计算机化的促销和降价调度 Download PDF

Info

Publication number
CN108369710A
CN108369710A CN201780004722.6A CN201780004722A CN108369710A CN 108369710 A CN108369710 A CN 108369710A CN 201780004722 A CN201780004722 A CN 201780004722A CN 108369710 A CN108369710 A CN 108369710A
Authority
CN
China
Prior art keywords
price
article
customer segmentation
optimizer
stock
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
CN201780004722.6A
Other languages
English (en)
Inventor
A·卡纳恩
K·潘查加姆
吴思明
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.)
Oracle International Corp
Original Assignee
Oracle International Corp
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 Oracle International Corp filed Critical Oracle International Corp
Publication of CN108369710A publication Critical patent/CN108369710A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
    • G06Q30/0223—Discounts or incentives, e.g. coupons or rebates based on inventory
    • 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
    • G06Q30/0235—Discounts or incentives, e.g. coupons or rebates constrained by time limit or expiration date
    • 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
    • G06Q30/0283—Price estimation or determination

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

描述了与生成价格表相关联的系统、方法和其它实施例。至少基于每个客户细分对目标函数的预测贡献来在多个客户细分之间分配物品的库存量。对于每个客户细分，至少基于分配给该客户细分的库存量来确定最大化目标函数的价格表的促销部分。在常规季节结束时聚合分配给所述多个客户细分的剩余库存量。至少基于聚合的库存来确定最大化目标函数的物品的价格表的降价部分。促销部分和降价部分被组合，以创建物品的价格表。

Description

计算机化的促销和降价调度
背景技术
在零售行业中，在一段时间内统一定价相当罕见。对于服装和其它短期生活商品，客户分别以更高和更低的需求水平来响应价格的下降和增加。零售商使用这种消费行为，并在季末(也称为清货期)大幅降低产品价格，以完全出售其库存。零售商实现两种格式的价格下降：促销和降价。促销是暂时的价格下降，通常会持续几周。降价是永久性的价格下降。促销发生在“常规”商品季节中，而降价发生在“清货”季节。例如，夏季服装系列可以在夏季月份看到促销活动，但如果库存量很高，夏季系列会在夏季结束时或秋季开始时降价。清货季节的一个显著特点是，一旦价格从正常价格下降，它在那个季节不再上涨。
发明内容
根据本系统的一个实施例，公开了一种用于存储计算机可执行指令的非瞬态计算机存储介质，所述计算机可执行指令在由计算设备执行时使计算设备：通过以下步骤针对每个物品确定物品的价格表：输入物品的价格集合、物品的库存量、物品的每细分需求模型以及作为每细分需求模型的函数的目标函数；至少基于每个客户细分对目标函数的预测贡献来在多个客户细分之间分配库存量；对于每个客户细分，至少基于分配给该客户细分的库存量来确定最大化目标函数的价格表的促销部分，其中促销部分向该物品指派选自针对该物品在常规季节期间的相应时间段的价格集合的一系列价格；在常规季节结束时聚合分配给多个客户细分的剩余库存量；至少基于聚合的库存来确定最大化目标函数的物品的价格表的降价部分，其中降价部分指派选自针对该物品在清货季节期间的相应时间段的价格集合的一系列价格；以及组合促销部分和降价部分，以创建该物品的价格表。
根据该系统的另一个实施例，可执行指令还包括被配置为使计算设备执行以下操作的指令：通过以下步骤在客户细分之间分配库存量：对于每个客户细分：将整个库存量分配给该客户细分；向优化器发送整个库存量、价格集合、近似每细分需求模型、第一约束集合和近似目标函数；以及从优化器接收用于该客户细分的近似目标函数的每细分的值；计算该每细分的值与该客户细分的所有每细分的值之和的比率；根据每个客户细分的比率在客户细分之间分配库存。
在一个实施例中，该系统通过以下步骤确定每个客户细分的促销部分：向优化器提供价格集合、分配给该客户细分的库存量、近似每细分需求模型、第二约束集合以及近似目标函数；以及从优化器接收优化目标函数的用于每个客户细分的促销部分。该系统还被配置为通过以下步骤来确定降价部分：向优化器提供价格集合、聚合的库存、用于物品的近似聚合需求模型、第三约束集合以及近似目标函数；以及从优化器接收优化目标函数的降价部分。
根据非瞬态计算机存储介质的另一个实施例，该介质还包括被配置为使计算设备执行以下操作的指令：计算与价格集合的线性近似对应的线，其中该线是将线均匀地划分为最高价格和最低价格之间的段的位置变量的函数，其中位置变量的每个整数值与价格集合中的价格相关联；向优化器提供该线的方程作为用于物品的价格集合；以及从优化器接收用于与选定价格对应的位置变量的整数值；并识别价格集合中与该位置变量对应的价格；并将识别出的价格包括在物品的价格表中。
根据另一个实施例，公开了一种计算系统，被配置为确定物品的价格表。该系统包括：价格表逻辑，被配置为输入物品的价格集合、物品的库存量、物品的每细分需求模型以及作为每细分需求模型的函数的目标函数；分配逻辑，被配置为至少基于每个客户细分对目标函数的预测贡献来在多个客户细分之间分配库存量；促销逻辑，被配置为，对于每个客户细分，至少基于分配给该客户细分的库存量来确定最大化目标函数的价格表的促销部分，其中促销部分向该物品指派选自针对该物品在常规季节期间的相应时间段的价格集合的一系列价格。
该计算系统还包括降价逻辑，其被配置为：在常规季节结束时聚合分配给多个客户细分的剩余库存量；并且至少基于聚合的库存来确定最大化目标函数的物品的价格表的降价部分，其中降价部分指派选自针对该物品在清货季节期间的相应时间段的价格集合的一系列价格；并且其中价格表逻辑还被配置为组合促销部分和降价部分，以创建该物品的价格表。
根据计算系统的另一个实施例，分配逻辑被配置为通过以下步骤在客户细分之间分配库存量：对于每个客户细分：将整个库存量分配给该客户细分；向优化器发送整个库存量、价格集合、近似每细分需求模型、第一约束集合和近似目标函数；以及从优化器接收用于该客户细分的近似目标函数的每细分的值；计算该每细分的值与该客户细分的所有每细分的值之和的比率；根据每个客户细分的比率在客户细分之间分配库存；
根据计算系统的另一个实施例，促销逻辑被配置为通过以下步骤确定每个客户细分的促销部分：向优化器提供价格集合、分配给该客户细分的库存量、近似每细分需求模型、第二约束集合以及近似目标函数；以及从优化器接收优化目标函数的用于每个客户细分的促销部分。该系统还被配置为通过以下步骤来确定降价部分：向优化器提供价格集合、聚合的库存、用于物品的近似聚合需求模型、第三约束集合以及近似目标函数；以及从优化器接收优化目标函数的降价部分。
根据计算系统的另一个实施例，该系统还包括线逻辑，其被配置为：计算与价格集合的线性近似对应的线，其中该线是将线均匀地划分为最高价格和最低价格之间的段的位置变量的函数，其中位置变量的每个整数值与价格集合中的价格相关联；向优化器提供该线的方程作为用于物品的价格集合；并且其中价格表逻辑被配置为：从优化器接收用于与选定价格对应的位置变量的整数值；并识别价格集合中与该位置变量对应的价格；并将识别出的价格包括在物品的价格表中。
根据计算系统的另一个实施例，该系统还包括需求逻辑，其被配置为：对于每个时间段，当物品按价格集合中的相应价格定价时，计算针对该物品的客户细分需求集合；计算与该客户细分需求集合的分段线性近似对应的多条线；对于每个价格，选择与在该价格处最高需求对应的线；并且其中价格调度逻辑被配置为向优化器提供所选线的方程，作为该时间段期间用于该价格的近似每细分需求模型。
根据另一个实施例，公开了一种由计算设备和至少一个处理器执行的用于确定物品的价格表的计算机实现的方法。该方法包括：输入物品的价格集合、物品的库存量、物品的每细分需求模型以及作为每细分需求模型的函数的目标函数；至少基于每个客户细分对目标函数的预测贡献来在多个客户细分之间分配库存量；对于每个客户细分，至少基于分配给该客户细分的库存量来确定最大化目标函数的价格表的促销部分，其中促销部分向该物品指派选自针对该物品在常规季节期间的相应时间段的价格集合的一系列价格；在常规季节结束时聚合分配给多个客户细分的剩余库存量；至少基于聚合的库存来确定最大化目标函数的物品的价格表的降价部分，其中降价部分指派选自针对该物品在清货季节期间的相应时间段的价格集合的一系列价格；以及组合促销部分和降价部分，以创建该物品的价格表。
根据该方法的另一个实施例，该方法还包括：通过以下步骤在客户细分之间分配库存量：对于每个客户细分：将整个库存量分配给该客户细分；向优化器发送整个库存量、价格集合、近似每细分需求模型、第一约束集合和近似目标函数；以及从优化器接收用于该客户细分的近似目标函数的每细分的值；计算该每细分的值与该客户细分的所有每细分的值之和的比率；根据每个客户细分的比率在客户细分之间分配库存。
在该方法的另一个实施例中，通过以下步骤确定每个客户细分的促销部分：向优化器提供价格集合、分配给该客户细分的库存量、近似每细分需求模型、第二约束集合以及近似目标函数；以及从优化器接收优化目标函数的用于每个客户细分的促销部分；以及通过以下操作来确定降价部分：向优化器提供价格集合、聚合的库存、用于物品的近似聚合需求模型、第三约束集合以及近似目标函数；以及从优化器接收优化目标函数的降价部分。
在方法或系统的另一个实施例中，方法或系统还包括通过以下步骤确定每个客户细分的促销部分：对于每个时间段，当物品按价格集合中的相应价格定价时，计算针对该物品的客户细分需求集合；计算与该客户细分需求集合的分段线性近似对应的多条线；对于每个价格，选择与在该价格处最高需求对应的线；并且向优化器提供所选线的方程，作为该时间段期间用于该价格的近似每细分需求模型。
在方法或系统的另一个实施例中，方法或系统还包括通过以下步骤确定物品的降价部分：对于每个时间段：对于每个客户细分，当物品被定价在价格集合中的相应价格时，计算该物品的客户细分需求集合；通过针对每个价格聚合相应客户细分需求来计算相应聚合需求集合；计算与聚合需求集合的分段线性近似对应的多条线；对于每个价格，选择与该价格处的最高需求对应的线；以及向优化器提供所选线的方程，作为该时间段期间用于该价格处物品的近似聚合需求模型。
附图说明
结合在本说明书中并构成其一部分的附图图示了本公开的各种系统、方法和其它实施例。将认识到的是，图中所图示的元件边界(例如，方框、方框的组，或者其它形状)表示边界的一个实施例。在一些实施例中，一个元件可以被实现为多个元件，或者多个元件可以被实现为一个元件。在一些实施例中，示为另一个元件的内部部件的元件可以被实现为外部部件，并且反之亦然。此外，元件可能不是按比例绘制的。
图1图示了与促销和降价价格安排相关联的计算机化系统的一个实施例。
图2A-2D图示了与促销和降价价格安排相关联的计算机化系统的另一个实施例。
图3图示了与促销和降价价格安排相关联的方法的一个实施例。
图4图示了配置有所公开的示例系统和/或方法的计算系统的实施例。
具体实施方式
具有短生命周期商品(如服装)的零售商使用促销和降价来移动库存，并以销售系统结束时清除商品的方式实现利润最大化。确定何时安排促销和降价以及在促销和降价期间应当将什么价格指派给商品是零售商面临的具有挑战性的问题。此外，零售商通常具有业务规则，诸如可以同时指派促销价格的物品的最大数量，这约束了每个物品的价格表。另外，不同的客户细分(例如，单身人士、年轻人、父母、退休人员等)对促销和降价有不同的反应，这应当在价格安排过程中被捕获。考虑到许多零售商每个季节都有数百种不同的物品，可以看出，即使是计算机化的为零售商销售物品设置价格表的方法也会变得不可行。
本文描述的系统和方法以高效的方式为大量物品提供计算机化的促销和降价安排。针对不同的客户细分创建不同的促销时间表，以充分利用关于不同类型客户购买习惯的知识并最大化利润。时间表的促销部分(即，常规季节)和时间表的降价部分(即，清货季节)都是通过本文所述的系统和方法同时计算的，从而允许零售商考虑不同的促销和降价方法。
图1图示了为物品集合生成价格表的计算机化系统100的一个实施例。价格表是例如存储在存储器中的数据结构，其包含如本文所述的数据值和/或信息记录。系统100包括价格表逻辑110，其控制处理器执行下面描述的各种操作(参见图4)。在一个实施例中，价格表逻辑110被实现为体现在存储在非瞬态计算机存储介质中的模块中的计算机指令，其中指令被配置为可执行算法，该可执行算法被配置为当由至少计算设备的处理器执行时执行如本文所述的功能。
价格表逻辑110通过网络或互联网连接与零售商的计算设备通过电子通信进行交互。为了本描述的目的，术语“零售商”或“请求设备”旨在包括处于零售商的控制下的计算设备，零售商对待售物品进行定价并且从系统100请求由该零售商销售的物品的价格表。价格表逻辑110被配置为从零售商的远程计算设备接收电子讯息，该电子讯息传送物品的价格数据、物品的库存数据、物品的每细分需求模型以及所选的目标函数。
价格数据定义了要为每个物品考虑的价格集合。该价格集合包括物品的正常价格、促销价格和降价价格。在一个实施例中，促销价格和降价价格被分成两个集合，这两个集合均不包括该物品的正常价格，以简化促销和降价季节中的计算。有时候价格集合被称为物品的“价格阶梯”。在一个实施例中，每个物品的成本数据也由价格表逻辑110输入，以用于计算利润。
库存数据包括“库存量”，为了本描述的目的，该库存量包括常规季节开始时在手边的物品的初始库存量以及可选地用于在常规季节期间补充存货的物品的安排装运量。为了输入或接收物品集合的价格和库存数据，价格表逻辑110可以查询存储这种数据的数据库(例如，编码价格阶梯和库存以及补货量的电子记录)。
每细分需求模型可以由零售商提供或以其它方式由价格表逻辑110可访问。在一个实施例中，每细分需求模型是scan-pro模型。在一个实施例中，每细分需求模型是存储的指令集，其在由处理器执行时基于物品的价格和诸如弹性、促销疲劳、季节性之类的其它因素来计算对物品的需求。每细分需求模型包括不同客户细分的不同需求参数值。下面将详细描述每细分需求模型的一个示例，但是，应当理解的是，本文描述的系统和方法可应用于任何需求模型，包括不区分不同客户细分的需求模型。在一个实施例中，零售商基于他们自己的销售历史和经验提供(furnish)需求参数的值。在其它实施例中，价格表逻辑110存储并维护每细分需求模型或者从不同来源获得每细分需求模型和参数值。
目标函数定义零售商寻求最大化的销售相关数量。示例目标函数包括利润和收益。收益目标函数将在下面更详细地描述，但是，应当理解的是，本文描述的系统和方法适用于任何目标函数。
价格逻辑110被配置为生成包括促销部分和降价部分的价格表。价格表对于物品的常规季节和清货季节期间的相应时间段(例如，几周或几天)为物品指派从价格集合中选择的一系列价格。为每个客户细分生成物品的价格表。图1中示出了“单身”客户细分和“妈妈”客户细分的示例价格表。可以看出，在价格表的“常规/促销”部分期间，两个客户细分的价格表是不同的，而在价格表的“清货/降价”部分，两个客户细分的价格表相同。价格表逻辑110被配置为通过网络连接将价格表发送给零售商，用于对物品进行定价。
当考虑到客户细分时，促销和降价计划问题按比例增加。执行每细分促销和降价计划的挑战之一是不同的客户细分共享相同的库存。另一个挑战是降价政策在所有客户细分中通常是相同的，而每细分促销定价可以通过有针对性的营销来实现。价格表逻辑110包括分配逻辑120、促销逻辑130和降价逻辑140，它们一起协作以使用多阶段处理来生成价格表的促销和降价部分，以解决这些挑战。
分配逻辑120被配置为至少基于每个客户细分对目标函数的预测贡献在多个客户细分之间分配库存量(例如，初始库存以及可选地补货量)。通过在为每个客户细分执行促销价格确定之前将库存分配给每个客户细分，客户细分之间的链接被打破，从而极大地简化了生成价格表的促销部分和降价部分的处理。
例如，钱包可以出售给三个不同的客户细分：单身女性、母亲和退休人员。每细分需求模型通过为每个细分包括不同的需求参数值来指定这些不同类型的客户的特定行为。分配逻辑120被配置为预测每个客户细分对目标函数的贡献。在一个实施例中，基于每细分需求模型，分配逻辑120可以确定i)当所有的库存量被分配给单身女性群时，将产生1200.00美元的收益(即，目标函数)；ii)当所有的库存量被分配给母亲时，将产生1000.00美元的收益，并且iii)当所有的库存量被分配给退休人员时，将产生300.00美元的收益。分配逻辑120基于这个预测的贡献将库存量分配给不同的客户细分(例如，1200/(1200+1000+300)或48％的库存量被分配给单身女性客户细分，等等)。在其它实施例中，使用预测每个客户细分对目标函数的贡献的其它方法。
促销逻辑130被配置为确定价格表的促销部分。对于每个客户细分，基于分配给客户细分的库存量，促销逻辑130被配置为确定最大化目标函数的价格表的促销部分。促销部分向物品指派从该物品的常规季节期间的相应时间段的价格集合中选择的一系列价格。
降价逻辑140被配置为在常规季节结束时聚合每个客户细分中的剩余库存量。降价逻辑140被配置为至少基于聚集的库存来确定最大化目标函数的物品的价格表的降价部分。降价部分在物品的清货季节期间的相应时间段内将从价格集合中选择的一系列价格指派给物品。价格逻辑110将用于每个客户细分的促销部分和降价部分组合，以创建客户细分的价格表。
在一个实施例中，系统100是包括用于企业组织的分布式应用的应用或集合的计算/数据处理系统。应用和计算系统100可以被配置为与基于云的网络系统、软件即服务(SaaS)体系架构或其它类型的计算解决方案一起操作或者被实现为基于云的网络系统、软件即服务(SaaS)体系架构或其它类型的联网计算解决方案。在一个实施例中，价格表逻辑110是集中式服务器侧应用，其至少提供本文公开的功能，并且由许多用户经由与计算系统100(用作服务器)通过计算机网络通信的计算机设备/终端访问。
图2A图示了生成用于物品集合的价格表的计算机化系统200的一个实施例。系统200包括具有分配逻辑220、促销逻辑230和降价逻辑240的价格表逻辑210，它们以与针对分配逻辑120、促销逻辑130和降价逻辑140描述的方式类似的方式起作用。价格逻辑210被配置为与优化器(例如，诸如Gurobi的混合整数线性规划(MILP)求解器)交互，以生成价格表。根据如下所述由价格表逻辑210生成的业务规则和其它约束来约束价格表的各方面的多个约束由价格表逻辑210存储。描述许多示例约束的数学符号被包括在附录A中。这些约束将通过在附录中指派给约束的约束编号来引用。
回想一下，随着物品数量的增加，使用每细分需求模型生成价格表的复杂性很快变得不可行。为了使使用基于MILP的优化器的解决方案可行，价格表逻辑210包括价格逻辑250、需求模型逻辑260和目标函数逻辑270，它们分别以近似约束的形式简化提供给优化器的价格数据、每细分需求模型和目标函数。
价格逻辑250被配置为生成价格线约束，其以允许价格被表达为整数变量的方式近似价格集合。需求逻辑260被配置为生成两个或更多个线性需求片段，其近似客户细分的需求函数并且将所选的一个片段作为用于每个价格值的需求片段约束提供。目标函数逻辑270被配置为生成围绕目标函数的段的两个或更多个线性包络并且将所选的一个包络作为与每个价格值相关联的线性包络约束集合提供。
分配逻辑220、促销逻辑230和降价逻辑240被配置为以下面在详细解释近似约束之后更详细描述的方式向优化器提供近似约束连同所选的其它约束。
图2B图示了价格逻辑250的一个实施例如何生成用于近似物品的价格集合的价格线约束。使用价格线约束条件认识到，在有限的时间间隔内整数变量的优化问题通常比表示(accounting for)相同间隔的“缩放”数量的二元变量的问题更容易处理。如果集合中的价格或者物品的价格或“价格阶梯”是规则隔开的，那么价格阶梯可以用缩放的整数变量表示。这个特征用于通过由位置变量w给出的线来近似价格阶梯，该位置变量是整数。线上的价格与不同的w值对应。一般而言，价格阶梯是离散的，并且不一定是均匀隔开的。但是，即使在这种情况下，价格线近似也产生可接受的结果。后期优化，价格阶梯中与优化器选择的位置变量w对应的“真实”价格值可以包括在价格表和任何其它计算中。
为了确定用于给定价格阶梯的线，对价格执行普通最小二乘(OLS)回归，其中按顺序取得的每个价格被指派给w的下一个值，如图2B中所示。也作为附录中的约束C1包括的价格线约束可以数学表示为：
其中
在等式1中，是在时间“t”客户细分“seg”中对物品“i”的价格。为了确定和在常规季节期间的针对个产品、客户细分和时间段执行OLS回归。在清货季节期间，对每个产品和时间段执行OLS回归。如果一个物品的价格阶梯对于所有客户细分和/或所有时间阶段是相同的，那么OLS回归的数量相应减少。图2B示出了用于两种不同产品的两个价格阶梯。第一价格阶梯中的价格相等隔开的并且确切地定义了一条线。那条线的等式可以看作是p＝-0.05w+1.05。同样，用于第二阶梯的价格线的等式可以看作是p＝-0.06w+0.98。物品的价格线由分配逻辑120、促销逻辑130和降价逻辑140提供给优化器。
图2C图示了需求逻辑260的一个实施例如何确定作为提供给优化器的每细分需求模型的线性近似的需求片段约束。在一个实施例中，需求逻辑260被配置为在两个线性片段上近似每细分需求模型。包括两个线性片段的一个近似需求模型的数学表达式是：
在等式2中，是在时间“t”客户细分“seg”中对物品“i”的需求，是在时间“t”客户细分“seg”中对物品“i”的基础需求，是在时间“t”客户细分“seg”中物品“i”的基础季节性，和分别是在时间“t”客户细分“seg”中物品“i”的第一需求片段和第二需求片段的斜率，以及和分别是在时间“t”客户细分“seg”中物品“i”的第一需求片段和第二需求片段的y截距。
为了确定常规季节中第一和第二需求片段的斜率和y截距，根据需求值运行OLS回归，如给定常规季节中每个产品、客户细分和时间段的价格阶梯中的不同价格所确定的。由此产生的需求片段是用于生成促销价格的每细分需求片段。
在清货季节，不同细分的需求值在每个时间段内聚合，并且对每个产品和时间段执行聚合需求的OLS回归。由此产生的需求片段是用于生成降价价格的总需求片段。
在数学上，对于任何给定的价格点，需求逻辑260选择产生更高需求的需求片段约束。这就是为什么等式2包括“max”函数。约束C8在数学上描述了需求片段约束的一个实施例。
在一个实施例中，需求逻辑260被配置为在多于两个片段上近似需求模型。需求逻辑260被配置为当使用两个片段时确定拟合中的误差，并且如果该误差高于阈值，那么在最高误差点“断开”需要模型并重新计算三个线性片段。重复这个过程，直到误差变得足够小。需求模型逻辑260然后选择在每个价格点产生最高需求的片段，如上所述。
图2D图示了目标函数逻辑270的一个实施例如何确定近似目标函数的包络约束。目标函数通常是非线性的，并且也是非凸的。但是，鉴于目标函数的项是双线性的事实，目标函数逻辑270可以使用McCormick松弛技术来使用一系列线性包络近似目标函数。在一个实施例中，使用两个包络。图2D中所示的目标函数是收益，但是，利润目标函数可以通过包括适当的线性项来处理。目标函数逻辑270计算以下参数，这些参数用于生成两个包络约束集合，其中目标函数在销售的一半发生在点的任一侧的点处被拆分：
在细分seg中时间t对于产品i的价格阶梯中的最小价格点
在细分seg中时间t对于产品i的价格阶梯中的最大价格点
在细分seg中时间t对于产品i的最大销售
在细分seg中时间t对于产品i的最小销售
在细分seg中时间t对于产品i的第一包络的最小销售
在细分seg中时间t对于产品i的第一包络的最大销售
在细分seg中时间t对于产品i的第二包络的最小销售
在细分seg中时间t对于产品i的第二包络的最大销售
计算出的(价格，销售点)用于定义如图2D中所示的包络。以目标函数包络约束表达的由目标函数逻辑270导出的近似目标函数以约束C9中的数学项示出。
返回图2A，现在将描述价格表逻辑210用于生成物品的价格表的多阶段处理。回想一下，分配逻辑220基于每个客户细分对目标函数(例如，收益)的预测贡献来在客户细分之间分配库存量。分配逻辑220使用优化器来如下预测每个细分的贡献。分配逻辑240将全部库存量(包括初始库存和任何补货)分配给每个细分。分配逻辑240使用按段的库存和补货变量如下修改“库存保存”约束(C6)：
在等式3中，是物品集合，是整个季节的时间段的集合，是在时间段“t”开始时客户细分“seg”中物品“i”的库存(即，物品的整个库存量)，是在时间段“t”开始时客户细分“seg”中物品“i”的补货(即，物品的补货的全部)，并且是在时间段“t”期间客户细分“seg”中物品“i”的销售。
分配逻辑220使用如下的按段变量调整“降价价格改变限制”约束C4：
并且
在等式4中，s是客户细分的集合，TR是常规季节中的时间段的集合，MPRODSt是在时间段“t”中可以降价的产品的数量，当在时间“t”客户细分“seg”中物品“i”的价格存在改变时为一，MPROMSi是在清货季节的时间段期间物品“i”可以降价的次数，是在时间段“t”期间客户细分“seg”中物品“i”的销售，并且是清货季节中的时间段的集合。
分配逻辑220将分配给每个细分的全部库存量、经修改的“库存保存”约束C6、经修改的“降价价格改变限制”约束C4、价格线约束C1、需求价格约束C8、目标函数包络约束C9以及约束C2、C3和C7馈送给优化器。要注意的是，在一个实施例中，分配逻辑220在用于分配库存的问题公式中不包括实际销售(sell-through)约束C5。实际销售约束指定在整个销售季节期间要销售的库存的一定数量(例如，90％)。放弃这个约束减少了优化器无法求解最优目标函数的机会。
优化器基于对客户细分的这种完全库存分配为每个客户细分获得最优目标函数并将用于每个客户细分的最优目标函数发送到分配逻辑220。分配逻辑220如下为每个客户细分计算库存分配比率rseg：
分配逻辑220然后根据其库存分配比率将库存量(包括补货，如果有的话)分配给每个客户细分。
促销逻辑230被配置为生成价格表的促销部分。对于每个客户细分，促销逻辑230修改“库存保存”约束C6，以仅如下处理单个客户细分：
促销逻辑230如下为每个细分修改“实际销售”约束C5：
在等式7中，是时间段t结束时产品i的实际销售目标。
对于每个客户细分，促销逻辑230将分配给该细分的库存量、经修改的“库存保存”约束C6、经修改的“实际销售”约束C5、价格线约束C1、每细分需求片段约束C8、目标函数包络约束C9以及约束C2、C3、C6和C7馈送给优化器。在一个实施例中，反映业务规则的附加约束(见下面的“约束”部分)被提供给优化器。优化器基于被表达为常规季节期间每个价格的位置变量的最优促销价格为每个客户细分获得最优目标函数。促销逻辑230被配置为从物品的“真实”价格阶梯中选择与所选择的位置变量对应的促销价格值示例如下所示：
当优化器返回位置变量值2(与价格线上的价格0.79对应)时，促销逻辑选择与位置变量2相关联的“真实”价格0.80。为常规季节中的每个时间段选择的价格组成价格表的促销部分。
降价逻辑240被配置为生成价格表的降价部分。降价逻辑240放弃所有的常规季节时间段，因为该物品正在为清货季节定价。
这意味着1≤t≤TC 等式8
降价逻辑计算聚合的库存量为：
降价逻辑240将聚合的库存量、价格线约束C1、聚合需求片段约束C8、目标函数包络约束C9和约束C2-C7馈送给优化器。在一个实施例中，反映业务规则的附加约束(见下面的“约束”部分)被提供给优化器。
优化器基于被表达为清货季节时间段中每个价格的位置变量w的最优降价价格获得最优目标函数。降价逻辑240被配置为从物品的“真实”价格阶梯中选择与如上所述的所选位置变量对应的降价价格值。为清货季节中每个时间段所选的价格组成价格表的降价部分。价格表逻辑210被配置为将促销部分与降价部分组合，以生成发送给零售商的价格表。
图3图示了与确定一组物品中的每个物品的价格表相关联的方法300的一个实施例。在310处，输入物品的价格集合、物品的库存量、物品的每细分需求模型以及作为每细分需求模型的函数的目标函数。这个步骤可以由图1和2A-2D的价格表逻辑110或210执行。在一个实施例中，与价格集合对应的数据被存储在价格表逻辑110可查询的数据库表或其它数据库结构中的记录中。在一个实施例中，在寄存器或存储器地址中存储描述价格集合和库存量的数据，其内容可以被读取、输入或传送到价格表逻辑110的工作存储器中。在一个实施例中，编码每细分需求模型和所选的目标函数的数据结构通过来自零售商的电子讯息被接收，该电子讯息被解析，以识别数据结构。
在320处，该方法包括至少基于每个客户细分对目标函数的预测贡献来在多个客户细分之间分配库存量。这个步骤可以由图1和2A-2D的分配逻辑120或220执行。处理器由分配逻辑110或220控制，以分配库存量(参见图4)。
对于每个客户细分，至少基于分配给客户细分的库存量，在330处确定最大化目标函数的价格表的促销部分。促销部分向物品指派从价格集合中为该物品在常规季节期间的相应时间段选择的一系列价格。这个步骤可以由图1和2A-2D的促销逻辑240执行。处理器由促销逻辑240控制，以创建价格表的促销部分(参见图4)。
在340处，该方法包括在常规季节结束时聚合分配给多个客户细分的剩余库存量。这个步骤可以由图1和2A-2D的降价逻辑250执行。处理器由降价逻辑250控制，以聚集合剩余库存(参见图4)。
在350处，至少基于聚合的库存，确定最大化目标函数的物品的价格表的降价部分。降价部分指派从价格集合中为该物品在清货季节期间的相应时间段选择的一系列价格。这个步骤可以由图1和2A-2D的降价逻辑250执行。处理器由降价逻辑250控制，以创建价格表的降价部分(参见图4)。
在360处，促销部分和降价部分被组合，以便为物品创建价格表。这个步骤可以由图1和2A-2D的价格表逻辑110或210执行。处理器由价格表逻辑110或210控制，以组合促销部分和降价部分(参见图4)。
在一个实施例中，包括价格表的电子讯息通过网络或互联网连接被发送到零售商的计算设备。在一个实施例中，价格表使得零售商的计算设备根据价格表来修改/调整库存/定价数据库的数据记录中的物品的价格。修改/调整价格提供定价解决方案，以便以观察所选约束的方式改进所选的目标函数。
在一个实施例中，方法300包括通过针对每个客户细分执行以下步骤来在客户细分中分配库存量：向优化器发送整个库存量分配给客户细分；将整个库存量、价格集合、近似每细分需求模型、第一约束集合和近似目标函数；从优化器接收用于客户细分的近似目标函数的每细分值；计算每细分值与用于客户细分的所有每细分值之和的比率；以及根据每个客户细分的比率在客户细分之间分配库存。这些步骤可以由控制处理器的图2A的分配逻辑220执行(参见图4)。
在一个实施例中，方法300包括通过执行以下步骤来确定每个客户细分的促销部分：向优化器提供价格集合、分配给该客户细分的库存量、近似每细分需求模型、第二约束集合以及近似目标函数；以及从优化器接收优化目标函数的用于每个客户细分的促销部分。这些步骤可以由控制处理器的图2A的促销逻辑230执行(参见图4)。
在一个实施例中，方法300包括通过执行以下步骤来确定降价部分：向优化器提供价格集合、聚合的库存、用于物品的近似聚合需求模型、第三约束集合以及近似目标函数；以及从优化器接收优化目标函数的降价部分。这些步骤可以由控制处理器的图2A的降价逻辑240执行(参见图4)。
在一个实施例中，方法300包括计算与价格集合的线性近似对应的线，其中该线是将线均匀地划分为最高价格和最低价格之间的段的位置变量的函数，其中位置变量的每个整数值与价格集合中的价格相关联。这些步骤可以由控制处理器的图2B的价格逻辑250执行(参见图4)。向优化器提供该线的方程作为用于物品的价格集合；从优化器接收用于与选定价格对应的位置变量的整数值；并识别价格集合中与该位置变量对应的价格；并将识别出的价格包括在物品的价格表中。这些步骤可以由控制处理器的图2A的分配逻辑220、促销逻辑230或降价逻辑240执行(见图4)。
在一个实施例中，方法300包括通过对于每个时间段执行以下步骤来确定每个客户细分的促销部分：当物品按价格集合中的相应价格定价时，计算针对该物品的客户细分需求集合；计算与该客户细分需求集合的分段线性近似对应的多条线；对于每个价格，选择与在该价格处最高需求对应的线。这些步骤可以由控制处理器的图2C的需求逻辑260执行(参见图4)。为向优化器提供所选线的方程，作为该时间段期间用于该价格的近似每细分需求模型。这个步骤可以由控制处理器的图2A的分配逻辑220、促销逻辑230或降价逻辑240执行(参见图4)。
在一个实施例中，方法300包括通过对于每个时间段执行以下步骤来确定物品的降价部分：对于每个客户细分，当物品被定价在价格集合中的相应价格时，计算该物品的客户细分需求集合；通过针对每个价格聚合相应客户细分需求来计算相应聚合需求集合；计算与聚合需求集合的分段线性近似对应的多条线；对于每个价格，选择与该价格处的最高需求对应的线。这些步骤可以由控制处理器的图2C的需求逻辑260执行(参见图4)。向优化器提供所选线的方程，作为该时间段期间用于该价格处物品的近似聚合需求模型。这个步骤可以由控制处理器的图2A的分配逻辑220、促销逻辑230或降价逻辑240执行(参见图4)。
在一个实施例中，方法300包括通过对于每个时间段执行以下步骤来确定近似目标函数：至少基于该时间段的近似需求模型，计算处于价格集合中的价格的物品的销售；至少基于计算出的销售，将目标函数划分成多个段；以及为目标函数的每个段确定覆盖该段的线性包络。这些步骤可以由控制处理器的图2D的目标函数逻辑270执行(参见图4)。向优化器提供描述线性包络的约束集合，作为该时间段期间该物品的近似目标函数。这个步骤可以由控制处理器的图2A的分配逻辑220、促销逻辑230或降价逻辑240执行(见图4)。
约束
系统100的用户可以选择性地启用和指定若干不同的业务相关约束。这些约束将由分配逻辑220、促销逻辑230和降价逻辑240提供给优化器。现在将描述示例业务相关约束。当然，对于物品的可能价格的任何其它约束条件都可以呈现给优化器，以根据零售商的定价策略约束优化器的解决方案。
“自我不接触”约束对以下事实建模，即，具体物品的两次连续促销应当分开几个时间段(例如，连续促销之间的最少两周)。零售商可以选择对某些(或全部)物品启用这个约束并且，对于每个物品，指定连续促销之间的最小时间段数。适于输入到MIP求解器的“自我不接触”约束的一个可能的数学公式以数学形式呈现为附录A中的约束C10。
“交叉不接触”约束对以下事实建模，即，任意两个不同物品的两次连续促销应当分开几个时间段(例如，对于任何品牌的酸奶的连续促销之间的最少两周)。零售商可以选择对某些(或全部)物品启用这个约束并且，对于每个物品，指定连续促销之间的最小时间段数。适于输入到MIP求解器的“交叉不接触”约束的一个可能的数学公式以数学形式呈现为附录A中的约束C11。
集合约束包括“必须促销物品集合”和“无法促销物品集合”。“必须促销集合”中的物品必须被一起促销。例如，如果有洗发水品牌的三种产品(例如，洗发水、护发素和发胶)，那么零售商可能想要同时将所有三种产品进行促销。零售商可以选择对某些物品集合启用必须促销集合约束。“无法促销集合”中的物品不能一起促销。例如，零售商可能不想同时促销非常流行的洗发水产品和低价洗发水产品。零售商可以选择对某些物品集合启用“无法促销集合”约束。适于输入到MIP求解器的“必须促销集合”约束和“无法促销集合”约束的一个可能的数学公式以数学形式分别呈现为附录A中的约束C12和C13。
零售商可以使用物品间约束来施加价格限制，以维持两个物品之间的价格次序。例如，零售商可能想指定国家品牌物品的价格应当始终高于私人品牌物品。另一个示例是维持2捆(pack)2升可乐瓶和4捆2升可乐之间的价格关系。零售商可以选择对某些物品集合启用物品间约束。零售商指定必须维护的集合中物品的价格之间的关系。适于输入到MIP求解器的“物品间约束(cross no-touch)”约束的一个可能的数学公式以数学形式呈现为附录A中的约束C14。
从前面的描述可以看出，本文描述的系统和方法包括单层近似，以产生相同维度的混合整数线性规划问题。给销售模式带来附加的不平滑性的缺货由所描述的技术考虑。针对多个具有不同定价偏好的不同客户细分的多个促销价格表由所描述的技术产生。所描述的框架以使得有可能利用基于混合整数问题(MIP)求解器的并行化的方式来计算用于不同客户细分的价格表的促销部分。所描述的技术可以应用于任何需求模型，而不管模型是非线性的还是非凸的。另外，许多不同的业务约束可以包括在求解处理中。
为了简化起见，在本描述中使用了术语目标函数、近似目标函数、系数、变量、约束、需求模型、近似需求模型和值。应当理解的是，这些术语应当被解释为指数据或数据结构，其以可由上述计算元件解释的方式编码目标函数、近似目标函数、系数、变量、约束、需求模型、近似需求模型或值。在适用的时候，这些术语的输入、输出、接收、发送或其它操纵应当被解释为将数据存储在存储介质中、从存储介质中读取数据、通过网络连接发送或接收数据、用处理器作用于数据。另外，术语零售商应当被解释为处于i)寻求促销和降价部分或者ii)根据由本文描述的系统和方法产生的价格表来定价物品的零售商控制下的一个或多个计算设备。
计算设备实施例
图4图示了用本文描述的示例系统和方法中的一个或多个和/或等同物配置和/或编程的示例计算设备。示例计算设备可以是计算机400，其包括通过总线408可操作地连接的处理器402、存储器404以及输入/输出端口410。在一个示例中，计算机400可以包括价格表逻辑430，其被配置为以类似于图1中所示的价格表逻辑110的方式创建促销价格和降价计划并在图2A-2D中进一步解释。在不同的示例中，价格表逻辑430可以用硬件、具有存储的指令的非瞬态计算机可读介质、固件和/或其组合来实现。虽然价格表逻辑430被图示为附连到总线408的硬件部件，但应当理解的是，在其它实施例中，价格表逻辑430可以在处理器402中实现、存储在存储器404中或存储在盘中406。
在一个实施例中，价格表逻辑430或计算机是用于执行图1-3中描述的动作的装置(例如，结构：硬件、非瞬态计算机可读介质、固件)。在一些实施例中，计算设备可以是在云计算系统中操作的服务器、以“软件即服务”(SaaS)体系架构配置的服务器、智能电话、膝上型电脑、平板计算设备等。
如在图1和2A-2D中进一步解释的，装置可以例如被实现为被编程为执行图3的方法300的专用集成电路(ASIC)。装置还可以被实现为存储的计算机可执行指令，该计算机可执行指令作为暂时存储在存储器404中然后由处理器402执行的数据416呈现给计算机400。
价格表逻辑430还可以提供用于执行图3的方法300的装置(例如，存储可执行指令的硬件、非瞬态计算机可读介质、固件)，如在图1和2A-2D中进一步解释的。
一般地描述计算机400的示例配置，处理器402可以是各种各样的处理器，包括双微处理器和其它多处理器体系架构。存储器404可以包括易失性存储器和/或非易失性存储器。非易失性存储器可以包括例如只读存储器(ROM)、可编程ROM(PROM)等。易失性存储器可以包括例如随机存取存储器(RAM)、同步随机存取存储器(SRAM)、动态随机存取存储器(DRAM)等。
存储盘406可以经由例如输入/输出接口(例如，卡、设备)418和输入/输出端口410可操作地连接到计算机400。盘406可以是例如磁盘驱动器、固态盘驱动器、软盘驱动器、带驱动器、Zip驱动器、闪存卡、记忆棒等。此外，盘406可以压缩盘-只读存储器(CD-ROM)驱动器、CD可记录(CD-R)驱动器、CD-读/写(CD-RW)驱动器、数字视频盘(DVD)ROM等。例如，存储器404可以存储处理414和/或数据416。盘406和/或存储器404可以存储控制和分配计算机400的资源的操作系统。
计算机400可以经由I/O接口418和输入/输出端口410与输入/输出设备交互。输入/输出设备可以是例如键盘、麦克风、指向和选择设备、相机、视频卡、显示器、盘406、网络设备420等等。输入/输出端口410可以包括例如串行端口、并行端口和通用串行总线(USB)端口。
计算机400可以在网络环境中操作并且因此可以经由I/O接口418和/或I/O端口410连接到网络设备420。通过网络设备420，计算机400可以与网络进行交互。通过网络，计算机400可以在逻辑上连接到远程计算机。计算机400可以与之交互的网络包括但不限于局域网(LAN)、公用网(WAN)和其它网络。
定义和其它实施例
在另一个实施例中，所描述的方法和/或它们的等同物可以用计算机可执行指令来实现。因此，在一个实施例中，非瞬态计算机可读/存储介质被配置为具有存储的算法/可执行应用的计算机可执行指令，当该指令由(一个或多个)机器执行时使该(一个或多个)机器(和/或相关联的部件)执行所述方法。示例机器包括但不限于处理器、计算机、在云计算系统中操作的服务器、用软件即服务(SaaS)体系架构配置的服务器、智能电话等等。在一个实施例中，计算设备用被配置为执行任何所公开的方法的一个或多个可执行算法来实现。
在一个或多个实施例中，所公开的方法或它们的等同物由以下任一项执行：被配置为执行该方法的计算机硬件；或者体现在存储在非瞬态计算机可读介质中的模块中的计算机指令，其中指令被配置为可执行算法，该可执行算法被配置为当由计算设备的至少一个处理器执行时执行如本文所述的功能。
虽然为了简化说明的目的，图中图示的方法被示出和描述为算法的一系列方框，但是应该认识到的是，这些方法不受方框的顺序的限制。一些方框可以以与所示出和描述的不同的顺序出现和/或与其它方框同时出现。而且，可以使用比全部图示的方框少的方框来实现示例方法。方框可以被组合或分成多个动作/部件。此外，附加的和/或替代的方法可以采用未在方框中图示的附加动作。本文描述的方法仅限于依据35U.S.C§101的法定主题。
以下包括本文所采用的所选择术语的定义。定义包括属于术语的范围并且可以用于实现的部件的各种示例和/或形式。示例并不旨在是限制性的。术语的单数和复数形式都可以在定义之内。
对“一个实施例”、“实施例”、“一个示例”、“示例”等的引用指示如此描述的(一个或多个)实施例或(一个或多个)示例可以包括特定的特征、结构、特性、性质、元素或限制，但并非每个实施例或示例都必须包括该特定的特征、结构、特性、性质、元素或限制。此外，重复使用短语“在一个实施例中”不一定指代相同的实施例，但是可以指代相同的实施例。
如本文使用的，“数据结构”是计算系统中存储在存储器、存储设备或其它计算机化系统中的数据的组织。数据结构可以是例如数据字段、数据文件、数据阵列、数据记录、数据库、数据表、图表、树、链表等中的任何一个。数据结构可以由许多其它数据结构形成以及包含许多其它数据结构(例如，数据库包括许多数据记录)。根据其它实施例，数据结构的其它示例也是可能的。
如本文所使用的，“计算机可读介质”或“计算机存储介质”是指存储被配置为当被执行时执行所公开的功能中的一个或多个功能的指令和/或数据的非瞬态介质。在一些实施例中，数据可以用作指令。计算机可读介质可以采取包括但不限于非易失性介质和易失性介质的形式。非易失性介质可以包括例如光盘、磁盘等。易失性介质可以包括例如半导体存储器、动态存储器等。计算机可读介质的常见形式可以包括但不限于软盘、柔性盘、硬盘、磁带、其它磁性介质、专用集成电路(ASIC)、可编程逻辑器件、紧凑型盘(CD)、其它光学介质、随机存取存储器(RAM)、只读存储器(ROM)、存储器芯片或卡、存储棒、固态存储设备(SSD)、闪存驱动器、以及计算机、处理器或其它电子设备可以利用其工作的其它介质。如果每种类型的媒体在一个实施例中被选择用于实现，则其可以包括被配置为执行所公开的和/或所要求保护的功能中的一个或多个功能的算法的存储指令。本文描述的计算机可读介质仅限于依据35U.S.C§101的法定主题。
如本文所使用的，“逻辑”表示利用计算机或电气硬件、具有存储的可执行应用或程序模块的指令的非瞬态介质和/或这些的组合实现的部件，以执行如本文公开的任何功能或动作，和/或使得来自另一逻辑、方法和/或系统的功能或动作如本文所公开的那样被执行。等效逻辑可以包括固件、利用算法编程的微处理器、离散逻辑(例如，ASIC)、至少一个电路、模拟电路、数字电路、编程的逻辑器件、包含算法的指令的存储器设备等，其中任何一个可以被配置为执行所公开的功能中的一个或多个功能。在一个实施例中，逻辑可以包括一个或多个门、门的组合、或者被配置为执行所公开的功能中的一个或多个能够的其它电路部件。在描述多个逻辑的情况下，有可能将多个逻辑合并到一个逻辑中。类似地，在描述单个逻辑的情况下，有可能在多个逻辑之间分配那单个逻辑。在一个实施例中，这些逻辑中的一个或多个是与执行所公开的和/或所要求保护的功能相关联的对应结构。选择实现哪种类型的逻辑可以基于期望的系统条件或规范。例如，如果考虑更高的速度，则将选择硬件来实现功能。如果考虑更低的成本，则将选择存储的指令/可执行应用来实现功能。逻辑本身不是软件。逻辑仅限于依据35U.S.C§101的法定主题。
“可操作的连接”或实体通过其“可操作地连接”的连接是可以发送和/或接收信号、物理讯息和/或逻辑讯息的连接。可操作的连接可以包括物理接口、电接口和/或数据接口。可操作的连接可以包括足以允许可操作的控制的接口和/或连接的不同组合。例如，两个实体可以可操作地连接，以将信号直接或通过一个或多个中间实体(例如，处理器、操作系统、逻辑、非瞬态计算机可读介质)传送到彼此。逻辑和/或物理通信信道可以用于创建可操作的连接。
如本文所使用的，“用户”或“零售商”包括但不限于一个或多个人、计算机或其它设备、或者这些的组合。
虽然已经相当详细地图示和描述了所公开的实施例，但并不旨在将所附权利要求的范围限制或以任何方式限定到这样的细节。当然，不可能为了描述主题的各个方面而描述部件或方法的每种预期的组合。因此，本公开不限于所示出和描述的特定细节或说明性示例。因此，本公开旨在涵盖落入满足35U.S.C§101的法定主题要求的所附权利要求的范围内的变更、修改和变化。
就术语“包含”在具体实施方式或权利要求书中被采用的程度而言，它旨在以类似于当术语“包括”作为过渡词在权利要求中被采用时所解释的方式是包含性的。
就术语“或”在具体实施方式或权利要求书中被采用的程度而言(例如，A或B)，其旨在意味着“A或B或两者”。当申请人旨在指示“仅A或B但不是两者”时，那么将使用短语“仅A或B但不是两者”。因此，术语“或”在本文的使用是包含性的，而不是排他性使用。
符号
需求参数
决策变量
约束

Claims (15)

1.一种存储计算机可执行指令的非瞬态计算机存储介质，所述计算机可执行指令在由计算设备执行时使计算设备通过以下步骤针对每个物品来确定物品的价格表：
输入物品的价格集合、物品的库存量、物品的每细分需求模型以及作为每细分需求模型的函数的目标函数；
至少基于每个客户细分对目标函数的预测贡献来在多个客户细分之间分配库存量；
对于每个客户细分，至少基于分配给该客户细分的库存量来确定最大化目标函数的价格表的促销部分，其中促销部分向该物品指派选自针对该物品在常规季节期间的相应时间段的价格集合的一系列价格；
在常规季节结束时聚合分配给所述多个客户细分的剩余库存量；
至少基于聚合的库存来确定最大化目标函数的物品的价格表的降价部分，其中降价部分指派选自针对该物品在清货季节期间的相应时间段的价格集合的一系列价格；以及
组合促销部分和降价部分，以创建该物品的价格表。
2.如权利要求1所述的非瞬态计算机存储介质，还包括被配置为使计算设备执行以下操作的指令：
通过以下步骤在客户细分之间分配库存量：
对于每个客户细分：
将整个库存量分配给该客户细分；
向优化器发送整个库存量、价格集合、近似每细分需求模型、第一约束集合和近似目标函数；以及
从优化器接收用于该客户细分的近似目标函数的每细分的值；
计算该每细分的值与客户细分的所有每细分的值之和的比率；
根据每个客户细分的比率在客户细分之间分配库存；
通过以下步骤确定每个客户细分的促销部分：
向优化器提供价格集合、分配给该客户细分的库存量、近似每细分需求模型、第二约束集合以及近似目标函数；以及
从优化器接收优化目标函数的用于每个客户细分的促销部分；以及
通过以下步骤确定降价部分：
向优化器提供价格集合、聚合的库存、用于物品的近似聚合需求模型、第三约束集合以及近似目标函数；以及
从优化器接收优化目标函数的降价部分。
3.如权利要求1或2所述的非瞬态计算机存储介质，还包括被配置为使计算设备执行以下操作的指令：
计算与价格集合的线性近似对应的线，其中该线是将线均匀地划分为最高价格和最低价格之间的段的位置变量的函数，其中位置变量的每个整数值与价格集合中的价格相关联；
向优化器提供该线的方程作为用于物品的价格集合；以及
从优化器接收用于与选定价格对应的位置变量的整数值；以及
识别价格集合中与该位置变量对应的价格；以及
将识别出的价格包括在物品的价格表中。
4.如权利要求1、2或3所述的非瞬态计算机存储介质，还包括被配置为使计算设备通过以下操作来确定每个客户细分的促销部分的指令：
对于每个时间段，当物品按价格集合中的相应价格定价时，计算该物品的客户细分需求集合；
计算与该客户细分需求集合的分段线性近似对应的多条线；
对于每个价格，选择与在该价格处的最高需求对应的线；以及
向优化器提供所选线的方程，作为该时间段期间用于该价格的近似每细分需求模型。
5.如前述权利要求中的任一项所述的非瞬态计算机存储介质，还包括被配置为使计算设备通过以下步骤对于每个时间段确定物品的降价部分的指令：
对于每个客户细分，当物品按价格集合中的相应价格定价时，计算该物品的客户细分需求集合；
通过针对每个价格聚合相应客户细分需求来计算相应聚合需求集合；
计算与聚合需求集合的分段线性近似对应的多条线；
对于每个价格，选择与该价格处的最高需求对应的线；以及
向优化器提供所选线的方程，作为该时间段期间用于该价格处物品的近似聚合需求模型。
6.一种被配置为确定物品的价格表的计算系统，该系统包括：
价格表逻辑，被配置为输入物品的价格集合、物品的库存量、物品的每细分需求模型以及作为每细分需求模型的函数的目标函数；
分配逻辑，被配置为至少基于每个客户细分对目标函数的预测贡献来在多个客户细分之间分配库存量；
促销逻辑，被配置为，对于每个客户细分，至少基于分配给该客户细分的库存量来确定最大化目标函数的价格表的促销部分，其中促销部分向该物品指派选自针对该物品在常规季节期间的相应时间段的价格集合的一系列价格；
降价逻辑，被配置为：
在常规季节结束时聚合分配给所述多个客户细分的剩余库存量；以及
至少基于聚合的库存来确定最大化目标函数的物品的价格表的降价部分，其中降价部分指派选自针对该物品在清货季节期间的相应时间段的价格集合的一系列价格；以及
其中价格表逻辑还被配置为组合促销部分和降价部分，以创建该物品的价格表。
7.如权利要求6所述的计算系统，其中：
分配逻辑被配置为通过以下步骤在客户细分之间分配库存量：
对于每个客户细分：
将整个库存量分配给该客户细分；
向优化器发送整个库存量、价格集合、近似每细分需求模型、第一约束集合和近似目标函数；以及
从优化器接收用于客户细分的近似目标函数的每细分的值；
计算该每细分的值与客户细分的所有每细分的值之和的比率；
根据每个客户细分的比率在客户细分之间分配库存；
促销逻辑被配置为通过以下步骤确定每个客户细分的促销部分：
向优化器提供价格集合、分配给该客户细分的库存量、近似每细分需求模型、第二约束集合以及近似目标函数；以及
从优化器接收优化目标函数的用于每个客户细分的促销部分；以及
降价逻辑被配置为通过以下步骤确定降价部分：
向优化器提供价格集合、聚合的库存、用于物品的近似聚合需求模型、第三约束集合以及近似目标函数；以及
从优化器接收优化目标函数的降价部分。
8.如权利要求6或7所述的计算系统，还包括线逻辑，该线逻辑被配置为：
计算与价格集合的线性近似对应的线，其中该线是将线均匀地划分为最高价格和最低价格之间的段的位置变量的函数，其中位置变量的每个整数值与价格集合中的价格相关联；
向优化器提供该线的方程作为用于物品的价格集合；以及
其中价格表逻辑被配置为：
从优化器接收用于与选定价格对应的位置变量的整数值；以及
识别价格集合中与该位置变量对应的价格；以及
将识别出的价格包括在物品的价格表中。
9.如权利要求6、7、8或9所述的计算系统，还包括需求逻辑，该需求逻辑被配置为：
对于每个时间段，当物品按价格集合中的相应价格定价时，计算该物品的客户细分需求集合；
计算与该客户细分需求集合的分段线性近似对应的多条线；
对于每个价格，选择与在该价格处的最高需求对应的线；以及
其中价格调度逻辑被配置为向优化器提供所选线的方程，作为该时间段期间用于该价格的近似每细分需求模型。
10.如权利要求6、7、8、9或10所述的计算系统，还包括需求逻辑，该需求逻辑被配置为对于每个时间段：
对于每个客户细分，当物品按价格集合中的相应价格定价时，计算该物品的客户细分需求集合；
通过针对每个价格聚合相应客户细分需求来计算相应聚合需求集合；
计算与聚合需求集合的分段线性近似对应的多条线；
对于每个价格，选择与该价格处的最高需求对应的线；以及
其中价格表逻辑被配置为向优化器提供所选线的方程，作为该时间段期间用于该价格处物品的近似聚合需求模型。
11.一种由计算设备和至少一个处理器执行的用于确定物品的价格表的计算机实现的方法，该方法包括：
输入物品的价格集合、物品的库存量、物品的每细分需求模型以及作为每细分需求模型的函数的目标函数；
至少基于每个客户细分对目标函数的预测贡献来在多个客户细分之间分配库存量；
对于每个客户细分，至少基于分配给该客户细分的库存量来确定最大化目标函数的价格表的促销部分，其中促销部分向该物品指派选自针对该物品在常规季节期间的相应时间段的价格集合的一系列价格；
在常规季节结束时聚合分配给所述多个客户细分的剩余库存量；
至少基于聚合的库存来确定最大化目标函数的物品的价格表的降价部分，其中降价部分指派选自针对该物品在清货季节期间的相应时间段的价格集合的一系列价格；以及
组合促销部分和降价部分，以创建该物品的价格表。
12.如权利要求11所述的计算机实现的方法，还包括：
通过以下步骤在客户细分之间分配库存量：
对于每个客户细分：
将整个库存量分配给该客户细分；
向优化器发送整个库存量、价格集合、近似每细分需求模型、第一约束集合和近似目标函数；以及
从优化器接收用于该客户细分的近似目标函数的每细分的值；
计算该每细分的值与客户细分的所有每细分的值之和的比率；
根据每个客户细分的比率在客户细分之间分配库存；
通过以下步骤确定每个客户细分的促销部分：
向优化器提供价格集合、分配给该客户细分的库存量、近似每细分需求模型、第二约束集合以及近似目标函数；以及
从优化器接收优化目标函数的用于每个客户细分的促销部分；以及
通过以下步骤确定降价部分：
向优化器提供价格集合、聚合的库存、用于物品的近似聚合需求模型、第三约束集合以及近似目标函数；以及
从优化器接收优化目标函数的降价部分。
13.如权利要求11或12所述的计算机实现的方法，还包括：
计算与价格集合的线性近似对应的线，其中该线是将线均匀地划分为最高价格和最低价格之间的段的位置变量的函数，其中位置变量的每个整数值与价格集合中的价格相关联；
向优化器提供该线的方程作为用于物品的价格集合；以及
从优化器接收用于与选定价格对应的位置变量的整数值；以及
识别价格集合中与该位置变量对应的价格；以及
将识别出的价格包括在物品的价格表中。
14.如权利要求11、12或13中任一项所述的计算机实现的方法，还包括通过以下步骤确定每个客户细分的促销部分：
对于每个时间段，当物品按价格集合中的相应价格定价时，计算针对该物品的客户细分需求集合；
计算与该客户细分需求集合的分段线性近似对应的多条线；
对于每个价格，选择与在该价格处的最高需求对应的线；以及
向优化器提供所选线的方程，作为该时间段期间用于该价格的近似每细分需求模型。
15.如权利要求11、12、13或14中任一项所述的计算机实现的方法，还包括对于每个时间段通过以下步骤确定物品的降价部分：
对于每个客户细分，当物品按价格集合中的相应价格定价时，计算该物品的客户细分需求集合；
通过针对每个价格聚合相应客户细分需求来计算相应聚合需求集合；
计算与聚合需求集合的分段线性近似对应的多条线；
对于每个价格，选择与该价格处的最高需求对应的线；以及
向优化器提供所选线的方程，作为该时间段期间用于该价格处物品的近似聚合需求模型。
CN201780004722.6A 2016-01-07 2017-01-06 计算机化的促销和降价调度 Pending CN108369710A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US14/989,932 2016-01-07
US14/989,932 US10528903B2 (en) 2016-01-07 2016-01-07 Computerized promotion and markdown price scheduling
PCT/US2017/012417 WO2017120395A1 (en) 2016-01-07 2017-01-06 Computerized promotion and markdown price scheduling

Publications (1)

Publication Number Publication Date
CN108369710A true CN108369710A (zh) 2018-08-03

Family

ID=57868392

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780004722.6A Pending CN108369710A (zh) 2016-01-07 2017-01-06 计算机化的促销和降价调度

Country Status (4)

Country Link
US (2) US10528903B2 (zh)
JP (1) JP6679734B2 (zh)
CN (1) CN108369710A (zh)
WO (1) WO2017120395A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111126652A (zh) * 2018-11-01 2020-05-08 爱满信息技术(上海)有限公司 一种酒店尾房智能预测分销系统及方法
CN112334926A (zh) * 2019-05-30 2021-02-05 甲骨文国际公司 库存分配和定价优化系统
CN113034789A (zh) * 2019-12-25 2021-06-25 丰田自动车株式会社 服务器装置、控制装置、存储介质、移动店铺以及信息处理系统的工作方法
CN113762818A (zh) * 2020-06-15 2021-12-07 北京沃东天骏信息技术有限公司 物品信息的存储方法、装置、电子设备和存储介质

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11403574B1 (en) * 2018-07-02 2022-08-02 Target Brands, Inc. Method and system for optimizing an item assortment
US20200293968A1 (en) * 2019-03-13 2020-09-17 Coupang, Corp. Genetic algorithm-based systems and methods for simulating outbound flow
US11367042B2 (en) 2019-04-05 2022-06-21 Oracle International Corporation Computerized inventory redistribution control system
US11270326B2 (en) 2019-04-10 2022-03-08 Oracle International Corporation Price optimization system
US11568432B2 (en) * 2020-04-23 2023-01-31 Oracle International Corporation Auto clustering prediction models
US12020196B2 (en) 2021-09-28 2024-06-25 Oracle International Corporation Optimized tree ensemble based demand model

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07200698A (ja) * 1993-12-29 1995-08-04 Nec Corp 最適価格決定システム
JP3816185B2 (ja) * 1997-05-07 2006-08-30 株式会社野村総合研究所 商品の流行予測を加味した売上予測装置及びその予測方法
WO2001091001A2 (en) * 2000-05-19 2001-11-29 Manugistic Atlanta, Inc. Dynamic pricing system
US7092896B2 (en) 2001-05-04 2006-08-15 Demandtec, Inc. Interface for merchandise promotion optimization
CA2471830A1 (en) * 2002-01-16 2003-07-24 Earnix Ltd. Pricing optimization apparatus and method
US20030220830A1 (en) 2002-04-04 2003-11-27 David Myr Method and system for maximizing sales profits by automatic display promotion optimization
US7251615B2 (en) * 2002-06-07 2007-07-31 Oracle International Corporation Markdown management
JP2007233944A (ja) * 2006-03-03 2007-09-13 Vinculum Japan Corp 商品販売予測システム
US20080033809A1 (en) 2006-07-24 2008-02-07 Black Andre B Techniques for promotion management
US8082175B2 (en) 2006-08-24 2011-12-20 Sap Ag System and method for optimization of a promotion plan
US8639558B2 (en) * 2006-09-25 2014-01-28 International Business Machines Corporation Providing markdown item pricing and promotion calendar
US8374906B1 (en) * 2008-09-30 2013-02-12 Zilliant Incorporated Method and system for generating pricing recommendations
US8271318B2 (en) 2009-03-26 2012-09-18 Sas Institute Inc. Systems and methods for markdown optimization when inventory pooling level is above pricing level
US8650072B2 (en) 2009-05-05 2014-02-11 Groupon, Inc. System and methods for providing location based discount retailing
US10095989B2 (en) 2011-11-23 2018-10-09 Oracle International Corporation Product pricing optimizer
US20130211877A1 (en) * 2012-02-13 2013-08-15 Oracle International Corporation Retail product pricing markdown system
US20140200964A1 (en) 2013-01-15 2014-07-17 Oracle International Corporation Multi-product pricing markdown optimizer
US20150332208A1 (en) * 2013-02-07 2015-11-19 Dealer Dot Com, Inc. Automatic Inventory Management System
US20150039395A1 (en) * 2013-07-31 2015-02-05 Disney Enterprises, Inc. Sales proposal mix and pricing optimization
US20150081393A1 (en) 2013-09-18 2015-03-19 Massachusetts Institute Of Technology Product promotion optimization system
US20150317653A1 (en) * 2014-04-30 2015-11-05 International Business Machines Corporation Omni-channel demand modeling and price optimization
US20160189278A1 (en) * 2014-12-29 2016-06-30 DecisionGPS, LLC Assortment Breadth and Mix Guidance and Reconciliation

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111126652A (zh) * 2018-11-01 2020-05-08 爱满信息技术(上海)有限公司 一种酒店尾房智能预测分销系统及方法
CN111126652B (zh) * 2018-11-01 2023-05-16 爱满信息技术(上海)有限公司 一种酒店尾房智能预测分销系统及方法
CN112334926A (zh) * 2019-05-30 2021-02-05 甲骨文国际公司 库存分配和定价优化系统
CN112334926B (zh) * 2019-05-30 2024-07-16 甲骨文国际公司 库存分配和定价优化系统
CN113034789A (zh) * 2019-12-25 2021-06-25 丰田自动车株式会社 服务器装置、控制装置、存储介质、移动店铺以及信息处理系统的工作方法
CN113762818A (zh) * 2020-06-15 2021-12-07 北京沃东天骏信息技术有限公司 物品信息的存储方法、装置、电子设备和存储介质

Also Published As

Publication number Publication date
US10528903B2 (en) 2020-01-07
WO2017120395A1 (en) 2017-07-13
JP6679734B2 (ja) 2020-04-15
US20200126016A1 (en) 2020-04-23
US11423344B2 (en) 2022-08-23
US20170200104A1 (en) 2017-07-13
JP2019505914A (ja) 2019-02-28

Similar Documents

Publication Publication Date Title
CN108369710A (zh) 计算机化的促销和降价调度
CN108351999B (zh) 用于为零售商提供多渠道库存分配途径的系统和方法
Belo-Filho et al. An adaptive large neighbourhood search for the operational integrated production and distribution problem of perishable products
US10776803B2 (en) Computerized promotion and markdown price scheduling
US10311358B2 (en) Systems and methods for multi-objective evolutionary algorithms with category discovery
US9990597B2 (en) System and method for forecast driven replenishment of merchandise
US11367042B2 (en) Computerized inventory redistribution control system
JP4678879B2 (ja) 販売予測システム、方法及びコンピュータプログラム
Akyuz et al. Ensemble approach for time series analysis in demand forecasting: Ensemble learning
US20160148226A1 (en) System and method for forecasting and managing returned merchanidse in retail
US20160247172A1 (en) System and method for forecasting cross-promotion effects for merchandise in retail
Sapra et al. How much demand should be fulfilled?
JP6536028B2 (ja) 発注計画決定装置、発注計画決定方法および発注計画決定プログラム
CN108369674A (zh) 使用目标聚类方法对具有混合属性类型的客户进行细分的系统和方法
US20190042995A1 (en) Automated Item Assortment System
EP3376445A1 (en) Method and system for retail stock allocation
US20240346530A1 (en) Method and system for simulating fulfillment of digital orders
Atan et al. Transshipment policies for systems with multiple retailers and two demand classes
Lei et al. Joint product framing (display, ranking, pricing) and order fulfillment under the MNL model for e-commerce retailers
CN108027943A (zh) 为促销展示空间生成排期数据结构的方法和系统
Bhat et al. Production control policies to maintain service levels in different seasons
Crnkovic et al. A decision-support framework for exploring supply chain tradeoffs
US10740782B2 (en) Computerized promotion price scheduling utilizing multiple product demand model
Jang Production and allocation policies in a two-class inventory system with time and quantity dependent waiting costs
Szántai et al. Inventory Control in Sales Periods

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