CN112106094A - 基于效用的价格指导 - Google Patents
基于效用的价格指导 Download PDFInfo
- Publication number
- CN112106094A CN112106094A CN201980026065.4A CN201980026065A CN112106094A CN 112106094 A CN112106094 A CN 112106094A CN 201980026065 A CN201980026065 A CN 201980026065A CN 112106094 A CN112106094 A CN 112106094A
- Authority
- CN
- China
- Prior art keywords
- item
- price
- curve
- seller account
- utility
- 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
- 238000000034 method Methods 0.000 claims description 48
- 230000006870 function Effects 0.000 claims description 24
- 238000010801 machine learning Methods 0.000 claims description 18
- 230000004044 response Effects 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 abstract description 5
- 238000004891 communication Methods 0.000 description 28
- 238000010586 diagram Methods 0.000 description 14
- 230000005540 biological transmission Effects 0.000 description 9
- 230000008878 coupling Effects 0.000 description 7
- 238000010168 coupling process Methods 0.000 description 7
- 238000005859 coupling reaction Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 230000001413 cellular effect Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000002829 reductive effect Effects 0.000 description 5
- 230000033001 locomotion Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 239000008186 active pharmaceutical agent Substances 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 230000000670 limiting effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000007792 addition Methods 0.000 description 2
- 230000010267 cellular communication Effects 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000004266 retinal recognition Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000008786 sensory perception of smell Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/08—Auctions
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
- G06F3/04847—Interaction techniques to control parameter settings, e.g. interaction with sliders or dials
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0641—Shopping interfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Computer Interaction (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
在线市场基于对物品的陈列的历史数据的分析生成物品的价格曲线,以描述作为价格的函数的售出的可能性。在线市场基于用户偏好数据、用户帐户的陈列历史数据的分析或两者生成用户帐户的效用曲线。在线市场使用效用曲线来估计作为物品价格和卖方的偏好的函数的用户帐户的效用。在线市场通过考虑用户帐户的效用曲线和物品的价格曲线两者来生成物品的特定卖方的基于效用的价格指导。用户界面向用户呈现基于效用的价格指导,并使得用户能够基于价格指导来设定物品的价格。
Description
优先权要求
本申请要求于2018年4月20日提交的美国申请序列号15/958,159的优先权的权益,其全部内容通过引用并入本文中。
技术领域
本文公开的主题总体上涉及数据的处理。具体地,在一些示例实施方式中,本公开内容致力于基于物品的卖方的效用曲线为卖方生成价格指导的系统和方法。
附图说明
在附图的图中以示例而非限制性的方式示出一些实施方式。
图1是示出根据一些示例实施方式的适合于基于效用的价格指导的网络环境的网络图。
图2是示出根据一些示例实施方式的适合于基于效用的价格指导的电子商务服务器的部件的框图。
图3是示出根据一些示例实施方式的示例价格趋势曲线的曲线图。
图4是示出根据一些示例实施方式的示例接收器工作特性曲线的曲线图。
图5是示出根据一些示例实施方式的示例价格曲线的曲线图。
图6是示出根据一些示例实施方式的示例效用曲线的曲线图。
图7是示出根据一些示例实施方式的适合于基于效用的价格指导的用户界面的框图。
图8是示出根据一些示例实施方式的适合于基于效用的价格指导的数据库模式的框图。
图9是示出根据一些示例实施方式的在执行基于效用的价格指导的方法时计算装置的操作的流程图。
图10是示出根据一些示例实施方式的在执行基于效用的价格指导的方法时电子商务服务器的操作的流程图。
图11是示出根据一些示例实施方式的可以安装在机器上的软件架构的示例的框图。
图12是根据示例实施方式的计算机系统形式的机器的图形表示,在该机器内可以执行指令集以使该机器执行本文所讨论的方法中的任何一种或更多种方法。
具体实施方式
示例方法和系统针对基于效用的价格指导。示例仅代表可能的变化。除非另有明确说明,否则部件和功能是可选的并且可以被组合或细分,并且操作可以在顺序上变化或者被组合或细分。在以下描述中,出于说明的目的,阐述了多个具体细节以提供对示例实施方式的透彻理解。然而,对于本领域技术人员将明显的是,可以在没有这些具体细节的情况下实践本主题。
在线市场的用户可以经由在线市场根据该用户的帐户生成要销售的物品的陈列。物品名称和描述可以从已知物品的数据库中选择或由用户输入。不同的用户可能针对同一物品选择不同的价格。例如,与想要快速销售物品的个人相比,需要对销售物品保持一定利润率的企业可能会针对物品设置较高的价格。
在线市场基于对陈列的历史数据的分析生成物品的价格曲线。在线市场可以使用价格曲线来估计两者均为价格的函数的售出物品的概率和物品的平均售出时间。
在线市场基于用户偏好数据、通过用户帐户对陈列历史数据的分析或两者来估计用户帐户的效用偏好。在线市场可以使用效用偏好来估计作为卖方时间成本的函数的用户帐户的效用。
在线市场通过考虑用户帐户的效用偏好和物品的价格曲线两者针对物品的特定卖方生成基于效用的价格指导。用户界面向用户呈现了基于效用的价格指导,并使得用户能够基于价格指导来设置物品的价格。
图1是示出根据一些示例实施方式的适合于基于效用的价格指导的网络环境100的网络图。网络环境100包括所有经由网络170全部耦接至彼此的基于网络的系统110、装置140A和装置140B。装置140A和140B可以被统称为“多个装置140”,或者一般地被称为“装置140”。基于网络的系统110包括电子商务服务器120和机器学习系统130。装置140可以使用web客户端150A或APP客户端150B与基于网络的系统110交互。如下文关于图11至图12所描述的,电子商务服务器120、机器学习系统130和装置140可以各自在计算机系统中整体或部分地实现。
电子商务服务器120经由网络170向其他机器(例如,装置140)提供电子商务应用。电子商务应用可以为用户提供彼此直接购买和销售物品、从电子商务应用提供商购买和向电子商务应用提供商销售物品、或者两者的方式。物品陈列描述了可以购买的物品。例如,用户可以创建物品陈列,该物品陈列描述了该用户所拥有的可以由另一用户经由电子商务服务器120来购买的物品。物品陈列包括文本、一个或更多个图像或两者。
机器学习系统130可以从电子商务机120访问陈列数据,并使用所访问的数据作为训练数据用于一个或更多个机器学习算法。例如,一种机器学习算法可以用于基于物品和物品的列出价格来预测陈列的物品何时将被售出。作为另一示例,机器学习算法可以用于针对特定卖方预测优选的陈列持续时间(即,物品的优选售出时间)。
图1中还示出了用户160。用户160可以是人类用户(例如,人类)、机器用户(例如,由软件程序配置成与装置140和电子商务服务器120交互的计算机)、或其任何合适的组合(例如,由机器辅助的人类或由人类监督的机器)。用户160不是网络环境100的一部分,但是与装置140相关联并且可以是装置140的用户(例如,装置140A和140B的所有者)。例如,装置140可以是属于用户160的台式计算机、车辆计算机、平板计算机、导航装置、便携式媒体装置或智能电话。
在一些示例实施方式中,电子商务服务器120从用户160接收关于用户160列出要销售的物品的信息。该信息可以包括该物品的价格。基于从机器学习系统130接收的信息,电子商务服务器120可以使包括价格指导的用户界面被呈现给用户160。价格指导可以指示物品的推荐价格,其中推荐价格基于卖方的预期效用。
图1所示的任何机器、数据库或装置可以在由软件修改(例如,配置或编程)成执行本文针对该机器、数据库或装置所描述的功能的专用计算机的通用计算机中实现。例如,将在下文关于图11至图12说明能够实现本文所描述的方法中的任何一个或更多个方法的计算机系统。如本文所使用的,“数据库”是数据存储资源并且可以存储被结构化为文本文件、表格、电子表格、关系数据库(例如,对象关系数据库)、三元组存储、分层数据存储或其任何合适的组合的数据。此外,图1所示的机器、数据库或装置中的任何两个或更多个可以被组合成单个机器、数据库或装置,并且本文针对任何单个机器、数据库或装置所描述的功能可以在多个机器、数据库或装置之中细分。
网络170可以是使得能够在机器、数据库和装置(例如,电子商务服务器120和装置140)之间或之中进行通信的任何网络。因此,网络170可以是有线网络、无线网络(例如,移动或蜂窝网络)或其任何合适的组合。网络170可以包括构成专用网络、公共网络(例如,因特网)或其任何合适的组合的一个或更多个部分。
图2是示出根据一些示例实施方式的电子商务服务器120的部件的框图。电子商务服务器120被示为包括通信模块210、价格曲线模块220、效用曲线模块230、价格指导模块240、用户界面模块250和存储模块260,所有这些模块都被配置成(例如,经由总线、共享存储器、交换机或应用编程接口(API))彼此通信。可以使用硬件(例如,机器的处理器)或硬件和软件的组合来实现本文描述的模块中的任何一个或更多个模块。例如,本文描述的任何模块可以将处理器配置成执行本文中针对该模块描述的操作。此外,这些模块中的任何两个或更多个模块可以被组合成单个模块,并且本文中针对单个模块描述的功能可以在多个模块之中细分。此外,根据各种示例实施方式,本文中描述为在单个机器、数据库或装置内实现的模块可以跨多个机器、数据库或装置分布。
通信模块210被配置成发送和接收数据。例如,通信模块210可以通过网络170接收用于陈列用户要销售的物品的信息,并将接收到的数据发送至存储模块260,以供价格指导模块240、用户界面模块250或两者稍后访问。通信模块210还可以向机器学习系统130发送信息以用于训练一种或更多种机器学习算法,并且可以从机器学习系统130接收信息以用于提供价格指导。
价格曲线模块220被配置成基于历史陈列数据生成物品的价格曲线。例如,每个陈列的创建日期、每个陈列的关闭日期、每个陈列中物品的价格、所列物品是售出还是未售出、陈列的国家、陈列的促销特征、陈列的运送成本、陈列的运送方法、在创建陈列时对所列物品的市场需求、在创建陈列时对所列物品的市场供应、竞争者对所列物品的价格、物品的状况(例如,新的或已使用的)或其任何合适的组合可以用作用于生成针对物品的价格曲线的输入。
在一些示例实施方式中,用于相同物品(例如,相同的DVD、书籍或产品)的历史陈列数据被用于生成卖方帐户列出的物品的价格曲线。在其他示例实施方式中,由卖方帐户列出的物品由属性向量描述(例如,向量中的一个属性针对上面列出的输入中的一个或更多个)。可以使用其他物品的历史陈列数据来生成该物品的价格曲线,每个物品由属性向量描述,属性向量的距离度量低于预定阈值。
效用曲线模块230被配置成基于每个用户帐户的偏好数据生成用户帐户的效用曲线。可以基于由用户帐户列出要销售的物品的历史陈列数据来生成用户帐户的偏好数据。例如,每个陈列的创建日期、每个陈列的关闭日期、每个陈列中物品的价格、所列物品是售出还是未售出、陈列的国家、陈列的促销特征、所列物品的价格曲线、或其任何合适的组合,都可以用作生成用户帐户的偏好数据的输入。偏好数据还可以基于用户响应于提示而提供的信息来生成。例如,可以要求用户设置用户帐户的偏好,该偏好指示用户对快速销售物品相对于使所销售的每个物品的价格最大化的相对偏好。
在一些示例实施方式中,用户帐户的偏好数据基于关于用户帐户是消费者帐户还是企业帐户的中间确定。例如,可以对历史陈列数据训练机器学习算法,以基于卖方帐户所销售的物品的历史陈列数据将卖方帐户分类为消费者帐户或企业帐户。可以基于对卖方账户是哪种类型的账户的确定将对快速销售物品相对于使所销售的每个物品的价格最大化的预定偏好用于卖方帐户。
价格指导模块240被配置成生成针对用户的价格指导,其中价格指导包括对由特定卖方销售的特定物品的价格推荐。基于卖方的效用曲线和物品的价格曲线生成价格指导。
用户界面模块250被配置成提供用于生成要销售物品的陈列、接受或修改价格指导或其任何合适组合的用户界面。例如,可以通过用户界面模块250呈现(下文关于图7描述的)用户界面700,并且可以经由应用接口或web接口接收选择。存储模块260被配置成存储关于物品、陈列、用户或其任何适当组合的数据。在一些示例实施方式中,用户界面模块250使得呈现包括如下的用户界面:提供对卖方帐户的偏好(例如,对时间成本的偏好、对不导致销售的陈列的容忍度的偏好、对平均售出时间的偏好或其任何合适的组合)的提示,并经由呈现的用户界面接收该偏好。
图3是示出根据一些示例实施方式的示例价格趋势曲线310的图300。曲线图300将特定物品(例如,Xbox One控制台)的各个交易320显示为圆圈,每个圆圈指示交易的价格和交易日期。价格趋势曲线310是根据各个交易320生成的,并且指示特定物品的交易价格的总体模式。价格趋势曲线310可以使用回归分析根据各个交易320生成。
图4是示出根据一些示例实施方式的示例受试者工作特性(“receiver operatingcharacteristic”,ROC)曲线410的曲线图400。还示出了参考曲线420。ROC曲线示出了作为假阳性率的函数的真阳性率。分类模型(例如,将数据作为输入并生成输入数据的分类作为输出的机器学习算法)通过正确地将输入标识为类的成员来生成真阳性结果,并通过正确地将输入标识为不是该类的成员来生成真阴性结果。分类模型通过错误地将输入标识为类的成员来生成假阳性结果,并通过错误地将输入标识为不是类的成员来生成假阴性结果。
完美的分类器将正确地标识类的每个成员,因此具有100%的真阳性率,同时还正确地标识类的每个非成员,因此具有0%的假阳性率。随机分类器会将输入数据标识为具有恒定百分比的类的成员,而不考虑输入是否实际上是该类的成员。因此,随机分类器将具有等于假阳性率的真阳性率,从而产生参考曲线420。分类器的ROC曲线高于参考曲线420的程度是分类器的质量对随机猜测的优越性的度量。因此,对于一组分类器,可以认为具有较大的ROC下的面积(AUROC)的分类器较好。因此,可以鼓励对增加AUROC的机器学习算法进行更改(例如,在遗传规划环境中进行育种,或者在梯度下降环境中进行选择),同时可以不鼓励对降低AUROC的更改(例如,针对遗传规划环境中进行选择或者在梯度下降环境中被避免)。
图5是示出根据一些示例实施方式的示例价格曲线510的图500。价格曲线510示出了作为价格的函数的在预定时间段(例如,一天、一周或一个月)内售出特定物品的概率。当价格大大超过市场价格时,售出的可能性接近零。当价格接近或低于市场价格时,售出的可能性最大化。价格曲线510可以通过对历史陈列数据的分析来生成。例如,可以考虑在先前时间段(例如,一周、一个月或一年)内该物品的每个陈列。如果考虑的陈列导致在预定时间段内发生售出,则该陈列会增加以考虑的陈列的价格售出的可能性。如果考虑的陈列没有导致在预定时间段内售出,则该陈列会降低以考虑的陈列的价格售出的可能性。通过聚合数据,可以(例如,使用回归分析)生成价格曲线510。
图6是示出根据一些示例实施方式的示例效用曲线610的图600。还示出了线620,其指示与效用曲线610的最大值相对应的价格。效用曲线610示出了作为陈列价格的函数的要销售的物品的特定卖方的效用。从图6中可以看出,效用曲线610包括随价格线性增加直到价格达到阈值价格的部分。在曲线的这一部分中,基本上低于物品的市场价格,物品在预定时间段内的售出的概率是恒定的,因此陈列的值直接取决于所选择的价格。在第二阈值价格之上,较高的价格(增加的效用)和较低的售出可能性(降低的效用)的冲突因素导致随着价格增加而渐近趋近于零的曲线。在这两个阈值之间,售出的可能性高,但是预期的售出时间不同。作为结果,效用曲线对于不同的卖方将是不同的,这取决于特定卖方的更快售出或获得更高价格的相对效用。在示例效用曲线610中,生成最大效用的价格处于第二阈值,这表明该卖方更愿意针对该物品获得更高的价格,即使这意味着等待售出达更长的时间。
图7是示出根据一些示例实施方式的适合于基于效用的价格指导的用户界面700的框图。用户界面700包括标题710、当前价格720、包括价格控件740和推荐价格指示器750的价格滑块730以及包括按钮770和780的控制区域760。用户界面700可以响应于用户从卖方帐户陈列出要销售的物品而被显示。标题710显示用户界面700的标题。
当前价格720示出了陈列的当前价格(例如,固定的立即购买价格或起始拍卖价格)。价格控件740最初显示在与当前价格720(例如,$42)相对应的位置。推荐价格指示符指示价格滑块730上与推荐价格相对应的位置。推荐价格可以是被预测使卖方帐户的效用最大化的价格(例如,如由与效用曲线610相交的线620所指示的)。价格滑块730可以在视觉上分为多个区域,每个区域对应于效用曲线的一部分。在图7中,价格滑块730被分为三个区域:标记为“非常有竞争力”的物品可能快速售出的低价格区域、标记为“低售出机会”的物品根本不可能售出的高价格区域、以及与物品最终是否售出相比价格变化更可能影响售出时间的中间区域。在图7中,推荐价格指示器750提出以中间区域的最低价格的价格,指示该卖方帐户的效用曲线示出了对快速售出相对于使每次销售的收入最大化的偏好。对于其他卖方帐户,推荐价格指示器750可以取决于特定卖方账户的效用曲线处于不同位置。
控制区域760可以包括推荐价格的指示和推荐原因。在图7的示例中,推荐原因是该物品的陈列以$26.99被售出的可能性是该物品的陈列以当前价格$42.00被售出的可能性的2.7倍。按钮780可操作以接受推荐价格。按钮770可操作以拒绝推荐价格。任一按钮的操作都可以使陈列完成,并在电子商务网站上显示给买方。价格控件740可以由用户可操作(例如,通过单击和拖动、触摸和拖动、使用箭头键进行选择和移动、或其任何合适的组合)以指示另一选择的价格。例如,用户可以拒绝$26.99的价格指导,但是仍选择降低价格(例如,降至$34.00,即价格滑块中间部分的最高价格)。在一些示例实施方式中,控制区域760被更新以反映与价格控件740的位置相对应的价格。例如,如果用户将控件放置在$34,则控制区域760的文本部分可以改变为“降低价格到$34.00以使你的销售机会提高1.9倍!”在该示例中,按钮780的操作可以使陈列以选择的价格$34而不是推荐价格$27.99或原始价格$42完成。
图8是示出根据一些示例实施方式的适合于基于效用的价格指导的数据库模式800的框图。数据库模式800包括物品历史表810和卖方偏好表840。物品历史表810由表定义820定义,表定义820包括物品标识符字段、卖方标识符字段、价格字段、日期字段和销售字段,并且物品历史表810包括行830A、830B和830C。卖方偏好表840由表定义850定义,该表定义包括卖方标识符字段、优选售出时间字段和对未售出物品的容忍度字段,并且卖方偏好表840包括行860A、860B和860C。
行830A至830C中的每一个存储针对完成物品陈列的信息。物品标识符字段标识列出的物品。卖方标识符字段标识物品的卖方。价格字段标识物品列出或售出的价格。日期字段标识陈列完成的日期(通过关闭陈列或通过售出物品)。销售字段指示列出的物品是否已售出。因此,行830A和830B是由不同的卖方针对相同的物品(例如,DVD的相同副本)。两种陈列均产生了销售额,但2017年3月1日陈列导致以35美元销售,2017年1月2日陈列导致以24美元销售。行820C是针对以99美元陈列但未以该价格销售的不同的物品的陈列。
行860A至860C中的每一个存储针对卖方帐户的偏好的信息。卖方标识符字段指示偏好适用的卖方帐户。优选售出时间字段指示卖方优选使陈列保持开放状态的持续时间。较短的持续时间指示快速销售的偏好,即使这会导致较低的价格。较长的持续时间指示等待以溢价销售的意愿。未售出的容忍度字段指示卖方帐户愿意以合适的价格等待买方的容忍度的未售出物品的百分比。行860A指示未售出的容忍度0%:此卖方帐户希望售出所有物品而无需重新列出。行860C指示未售出的容忍度75%:此卖方帐户愿意重新列出75%的物品,以尝试确保每件物品的最佳价格。
图9是示出根据一些示例实施方式的在执行基于效用的价格指导的方法900时计算装置的操作的流程图。方法900包括操作910、920、930和940。作为示例而非限制,方法900被描述为由图1的系统和图2的模块执行。
在操作910中,价格曲线模块220确定针对物品的价格曲线。例如,基于历史交易数据诸如在曲线图300中示出并存储在物品历史表810中的数据,可以生成类似于价格曲线510的价格曲线,给出作为价格的函数的物品在预定时间段内售出的预期概率。在一些示例实施方式中,生成多条价格曲线,其中每条曲线针对不同的预定时间段(例如,一条曲线针对在一天内售出的概率、一条曲线针对在三天内售出的概率、一条曲线针对在七天内售出的概率,等等)。
在操作920中,效用曲线模块230确定针对卖方帐户的效用偏好。例如,基于物品历史表810中的数据,可以将卖方帐户售出的物品的销售价格与其他卖方帐户售出相同物品的价格进行比较,以确定卖方帐户是否更频繁以市场价格、高于市场价格或低于市场价格的价格销售商品。作为另一示例,在卖方帐户生成每个陈列与物品的销售之间经过的时间可以用于估计卖方帐户的优选售出时间。类似地,可以确定卖方帐户列出的物品未售出的频率,并将其用作卖方帐户的未售出物品的容忍度的估计。可替选地或附加地,可以使用由用户针对卖方帐户设置的偏好。例如,可以呈现使得用户能够输入存储在卖方偏好表840中的值的用户界面。
在操作930中,效用曲线模块230基于针对物品的价格曲线和针对卖方帐户的效用偏好来确定针对物品和卖方帐户的效用曲线。例如,可以使用机器学习算法来生成效用曲线610。可替选地,可以由以下等式来生成效用曲线610:
U(价格,卖方)=P(价格,卖方)T(卖方)×log(价格)
在上式中,U是特定价格和卖方帐户的效用;P是卖方帐户在优选售出时间内的售出的概率;T是卖方帐户的时间成本。因此,当P等于或非常接近1(指示物品将在卖方帐户可接受的时间范围内肯定或几乎肯定售出)时,U是价格的对数,并随着价格的增加而增加。当P低于1时,对于较高的T值,P下降到小于1的程度被放大,从而减小了应用于价格对数的乘数并减小了U。在一些示例实施方式中,T为常数(例如1.1、1.3、1.5或2.0)。在其他示例实施方式中,取决于卖方帐户被识别为消费者帐户还是企业帐户,从两个值之一中选择T。例如,对于消费者帐户,T可以设置成比企业帐户更高的值,反之亦然。在另外的其它示例实施方式中,T是基于卖方帐户的偏好数据、卖方帐户的历史陈列数据、或两者生成的。
在操作940中,效用曲线模块230基于针对物品和卖方帐户的效用曲线来确定针对卖方帐户的物品的推荐价格。推荐价格可以是使效用值最大化的价格(例如,曲线图600的线620指示的价格)。
图10是示出根据一些示例实施方式的在执行基于效用的价格指导的方法1000时电子商务服务器的操作的流程图。方法1000包括操作1010、1020、1030和1040。作为示例而非限制,方法1000被描述为由图1的系统和图2的模块执行。
在操作1010中,电子商务服务器120响应于卖方帐户列出要销售的物品,使用方法900确定针对物品和卖方账户的效用曲线和推荐价格。例如,在接收到用户名和密码以认证用户具有对卖方帐户的控制权之后,用户界面模块250可以使用户界面呈现在用户的显示器上,用户界面可操作以供用户从物品的数据库中选择要销售的物品、输入物品的名称和描述、设置物品的价格或其任何合适的组合。可以在此时或在执行操作1030之后使买方帐户可以使用由卖方帐户要销售的物品的陈列。
在操作1020中,用户界面模块250基于针对物品和卖方帐户的效用曲线,在与卖方帐户相关联的显示器上呈现用户界面,该用户界面包括针对物品的推荐价格。例如,用户界面700可以被显示在用户的装置(例如,台式计算机、膝上型计算机、智能电话、平板电脑或连接至显示器或包括显示器的其他计算装置)上。
在操作1030中,用户界面模块250经由用户界面从卖方帐户接收更新的价格。例如,用户可以与按钮780交互以接受该物品的推荐价格,使用价格控件740来选择不同的价格,或其任何合适的组合。如果在操作1010中已经创建了陈列,则可以用更新的价格来生成由卖方帐户要销售的物品的陈列,或者可以修改该陈列以使用更新的价格。
在操作1040中,用户界面模块250将更新的价格作为训练数据提供给机器学习算法。因此,机器学习算法可以基于更新的价格来更新卖方账户的偏好,并且可以基于用户提供的隐式反馈来修改卖方帐户的未来效用曲线。
实际上,本文公开的方法和技术没有现实世界的类似物。实体销售商没有基于售出时间的大量可用数据,因此替代地必须进行缓慢的反复试验,导致效率低下和利润损失。此外,例如,当一家商店关门而“一切都必须售出”的情况导致价格大幅下跌时,只是简单引入时间成本的概念。与本文公开的技术不同,没有细致的考虑可以如何结合价格和时间成本的细微变化来优化卖方效用。
电子商务实体尝试使用试错法同样会浪费宝贵的计算资源。与现有的实体方法类似,卖方被迫对成本进行增量更改以识别价格需求敏感性,并且无法轻松地将时间成本纳入销售考虑中。这样的方法会导致创建并保留大量不必要的陈列,占据重要的服务器内存,并且由于陈列不合时宜而使在线市场混乱不堪。对于在线卖方而言可替选的是,再次类似于实体卖方的情况,当时间成本成为一个因素时,便以极高的折扣折价。本文提供的教导的技术考虑提供了有效的解决方案,以克服现有技术的低效率和粗糙的方法。
根据各种示例实施方式,本文描述的方法中的一种或更多种方法可以促进对在电子市场上要销售的物品进行有效的价格设定。因此,本文描述的方法中的一种或更多种方法可以促进将价格应用于物品,而无需用户手动确定市场价格、预期的售出时间以及物品没有以特定价格售出的可能性。
当这些影响被综合考虑时,本文描述的方法中的一种或更多种方法可以消除对某些工作或资源的需要,否则在将价格分配给物品时将涉及这些工作或资源。可以通过本文描述的方法中的一种或更多种方法来减少用户在分配价格时所花费的工作。可以类似地减少由(例如,在网络环境100内的)一个或更多个机器、数据库或装置所使用的计算资源。这样的计算资源的示例包括处理器周期、网络流量、存储器使用、数据存储容量、功耗和冷却能力。
模块、部件和逻辑
某些实施方式在本文中被描述为包括逻辑或多个部件、模块或机制。模块可以构成软件模块(例如,实施在非暂态机器可读介质上的代码)或硬件实现的模块。硬件实现的模块是能够执行某些操作的有形单元,并且可以以某种方式配置或布置。在示例实施方式中,一个或更多个计算机系统(例如,单机、客户端或服务器计算机系统)或一个或更多个处理器可以由软件(例如,应用或应用部分)配置为操作以执行如本文描述的某些操作的硬件实现的模块。
在各种实施方式中,硬件实现的模块可以机械地或电气地实现。例如,硬件实现的模块可以包括被永久配置成(例如,作为专用处理器,诸如现场可编程门阵列(FPGA)或专用集成电路(ASIC))执行某些操作的专用电路或逻辑。硬件实现的模块还可以包括由软件临时配置成执行某些操作的(例如,如包括在通用处理器或其他可编程处理器内的)可编程逻辑或电路。应当理解,机械地、在专用和永久配置的电路中、或在临时配置(例如,由软件配置)的电路中实现硬件实现的模块的决定可以由成本和时间考虑来驱动。
因此,术语“硬件实现的模块”应当被理解为涵盖有形实体,是被物理构造、永久配置(例如,硬连线)或者临时或暂时配置(例如,编程)成以特定方式操作和/或执行本文描述的特定操作的实体。考虑硬件实现的模块被临时配置(例如,编程)的实施方式,硬件实现的模块中的每一个不需要在任一时刻处被配置或实例化。例如,在硬件实现的模块包括使用软件配置的通用处理器的情况下,通用处理器可以在不同时间被配置为相应的不同的硬件实现的模块。软件因此可以将处理器配置成例如在一个时刻处构成特定的硬件实现的模块,并且在不同的时刻处构成不同的硬件实现的模块。
硬件实现的模块可以向其他硬件实现的模块提供信息并且从其他硬件实现的模块接收信息。因此,所描述的硬件实现的模块可以被视为通信地耦接。在同时存在多个这样的硬件实现的模块的情况下,可以通过信号传输(例如,通过连接硬件实现的模块的合适的电路和总线)来实现通信。在多个硬件实现的模块在不同时间处被配置或实例化的实施方式中,可以例如通过将信息存储在多个硬件实现的模块可以访问的存储器结构中并且在该存储器结构中检索信息来实现这样的硬件实现的模块之间的通信。例如,一个硬件实现的模块可以执行操作,并且将该操作的输出存储在与其通信地耦接的存储器装置中。另外的硬件实现的模块然后可以在随后的时间处访问存储器装置,以检索并处理所存储的输出。硬件实现的模块还可以启动与输入或输出装置的通信,并且可以对资源进行操作(例如,信息的收集)。
本文描述的示例方法的各种操作可以至少部分地由被临时地配置(例如,通过软件)或永久地配置成执行相关操作的一个或更多个处理器来执行。无论是被临时地配置还是被永久地配置,这样的处理器可以构成进行操作以执行一个或更多个操作或功能的处理器实现的模块。在一些示例实施方式中,在本文中提及的模块可以包括处理器实现的模块。
类似地,本文描述的方法可以是至少部分地处被理器实现。例如,方法的操作中的至少一些可以由一个或更多个处理器或处理器实现的模块来执行。操作中的某些操作的执行可以分布在一个或更多个处理器中,不仅驻留在单个机器中,而且跨多个机器部署。在一些示例实施方式中,一个处理器或多个处理器可以位于单个位置(例如,在家庭环境、办公室环境或服务器群内),而在其他实施方式中,处理器可以跨多个位置分布。
一个或更多个处理器还可以操作以支持在“云计算”环境中或作为“软件即服务”(SaaS)的相关操作的执行。例如,操作中的至少一些操作可以由一组计算机(作为包括处理器的机器的示例)执行,这些操作可经由网络(例如,因特网)并且经由一个或更多个适当的接口(例如,API)访问。
电子设备和系统
示例实施方式可以以数字电子电路、以计算机硬件、固件或软件或者以它们的组合来实现。示例实施方式可以使用诸如如下计算机程序的计算机程序产品来实现:该计算机程序有形地包含在信息载体中例如机器可读介质中,以用于由数据处理设备例如可编程处理器、计算机或多个计算机执行或控制所述数据处理设备的操作。
计算机程序可以以包括编译语言或解释语言的任何形式的编程语言来编写,并且计算机程序可以以任何形式部署,包括作为单机程序或作为模块、子例程或适于在计算环境中使用的其他单元。计算机程序可以被部署成在一个计算机上或者在一个站点处或跨多个站点分布并通过通信网络互连的多个计算机上执行。
在示例实施方式中,可以由一个或更多个可编程处理器来执行操作,一个或更多个可编程处理器执行计算机程序以通过对输入数据进行操作并生成输出来执行功能。方法操作还可以由专用逻辑电路系统(例如,FPGA或ASIC)来执行,并且示例实施方式的设备可以被实现为专用逻辑电路(例如,FPGA或ASIC)。
计算系统可以包括客户端和服务器。客户端和服务器通常彼此远离,并且通常通过通信网络来进行交互。客户端和服务器的关系借助于在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序而产生。在部署可编程计算系统的实施方式中,将理解硬件和软件架构两者都值得考虑。具体地,将理解的是,是以永久配置的硬件(例如,ASIC)、以临时配置的硬件(例如,软件和可编程处理器的组合)还是以永久和临时配置的硬件的组合来实现特定功能的选择可以是设计选择。下面阐述了可以在各种示例实施方式中部署的硬件(例如,机器)架构和软件架构。
软件架构
图11是示出可以安装在上文描述的装置中的任何一个或更多个上的软件架构1102的框图1100。图11仅是软件架构的非限制性示例,并且可以理解,可以实现许多其他架构来促进本文所描述的功能。软件架构1102可以由硬件诸如图12的包括处理器1210、存储器1230和输入/输出(I/O)部件1250的机器1200来实现。在该示例中,软件架构1102可以被概念化为层的堆栈,其中每一层可以提供特定功能。例如,软件架构1102包括层诸如操作系统1104、库1106、框架1108和应用1110。在操作上,根据一些实现方式,应用1110通过软件堆栈来调用API调用1112并且响应于API调用1112接收消息1114。
在各种实现方式中,操作系统1104管理硬件资源并提供公共服务。操作系统1104包括例如内核1120、服务1122和驱动器1124。在一些实现方式中,内核1120充当硬件与其他软件层之间的抽象层。例如,内核1120提供存储器管理、处理器管理(例如,调度)、部件管理、联网和安全设置以及其他功能。服务1122可以针对其他软件层提供其他公共服务。驱动器1124可以负责控制底层硬件或与底层硬件接口。例如,驱动器1124可以包括显示驱动器、摄像机驱动器、驱动器、闪存驱动器、串行通信驱动器(例如,通用串行总线(USB)驱动器)、驱动器、音频驱动器、电力管理驱动器等。
在一些实现方式中,库1106提供可以由应用1110利用的低级公共基础设施。库1106可以包括系统库1130(例如,C标准库),系统库1130可以提供函数诸如存储器分配函数、串操纵函数、数学函数等。另外,库1106可以包括API库1132诸如媒体库(例如,支持各种媒体格式的呈现和操纵的库,各种媒体格式诸如运动图像专家组4(MPEG4)、高级视频编码(H.264或AVC)、运动图像专家组层面3(MP3)、高级音频编码(AAC)、自适应多速率(AMR)音频编解码、联合图像专家组(JPEG或JPG)或便携式网络图形(PNG))、图形库(例如,用于在显示器上的图形环境中以二维(2D)和三维(3D)进行渲染的OpenGL框架)、数据库库(例如,提供各种关系数据库功能的SQLite)、web库(例如,提供web浏览功能的WebKit)等。库1106还可以包括各种其他库1134来向应用1110提供许多其他API。
根据一些实现方式,框架1108提供可以由应用1110利用的高级公共基础设施。例如,框架1108提供各种图形用户接口(GUI)功能、高级资源管理、高级位置服务等。框架1108可以提供广泛的可由应用1110利用的其他API,其中的一些API可以专用于特定操作系统或平台。
在示例实施方式中,应用1110包括家庭应用1150、联系人应用1152、浏览器应用1154、图书阅读器应用1156、位置应用1158、媒体应用1160、消息传送应用1162、游戏应用1164以及其他应用诸如第三方应用1166的广泛分类。根据一些实施方式,应用1110是执行在程序中限定的功能的程序。可以采用各种编程语言诸如面向对象的编程语言(例如,Objective-C、Java或C++)或程序化编程语言(例如,C或汇编语言)来创建以各种方式构造的应用1110中的一个或更多个。在具体示例中,第三方应用1166(例如,通过除特定平台的供应商之外的实体使用AndroidTM或iOSTM软件开发工具包(SDK)而开发的应用)可以是在移动操作系统诸如iOSTM、AndroidTM、或其他移动操作系统上运行的移动软件。在该示例中,第三方应用1166可以调用由移动操作系统(例如,操作系统1104)提供的API调用1112来促进本文描述的功能。
示例性机器架构和机器可读介质
图12是示出根据一些示例实施方式的机器1200的部件的框图,机器1200能够从机器可读介质(例如,机器可读存储介质)读取指令并且执行本文中讨论的方法中的任何一种或更多种方法。具体地,图12示出了计算机系统的示例形式的机器1200的图形表示,在该计算机系统内可以执行用于使机器1200执行本文讨论的方法中的任何一种或更多种的指令1216(例如,软件、程序、应用、小应用、应用程序或其他可执行代码)。在替选实施方式中,机器1200为独立装置操作或者可以耦接(例如,联网)至其他机器。在联网部署中,机器1200可以在服务器-客户端网络环境中以服务器机器或客户端机器的资格进行操作,或者在对等(或分布式)网络环境中作为对等机器进行操作。机器1200可以包括但不限于服务器计算机、客户端计算机、个人计算机(PC)、平板计算机、膝上型计算机、上网本、机顶盒(STB)、个人数字助理(PDA)、娱乐媒体系统、蜂窝电话、智能电话、移动装置、可穿戴装置(例如,智能手表)、智能家庭装置(例如,智能电器)、其他智能装置、web装置、网络路由器、网络交换机、网络桥接器或者能够顺序地或以其他方式执行指定要由机器1200采取的动作的指令1216的任何机器。此外,虽然仅示出了单个机器1200,但是术语“机器”还应被认为包括单独地或联合执行指令1216以执行本文中讨论的方法中的任何一种或更多种方法的机器1200的集合。
机器1200可以包括处理器1210、存储器1230和I/O部件1250,处理器1210、存储器1230和I/O部件1250可以被配置成经由总线1202彼此进行通信。在示例实施方式中,处理器1210(例如,中央处理单元(CPU)、简化指令集计算(RISC)处理器、复杂指令集计算(CISC)处理器、图形处理单元(GPU)、数字信号处理器(DSP)、ASIC、射频集成电路(RFIC)、另一处理器或其任何合适的组合)可以包括例如可以执行指令1216的处理器1212和处理器1214。术语“处理器”旨在包括可以包括可以同时执行指令的两个或更多个独立处理器(也称为“核”)的多核处理器。尽管图12示出了多个处理器,但是机器1200可以包括具有单个核的单个处理器、具有多个核的单个处理器(例如,多核处理器)、具有单个核的多个处理器、具有多个核的多个处理器、或其任何组合。
存储器1230可以包括处理器1210经由总线1202可访问的主存储器1232、静态存储器1234以及存储单元1236。存储单元1236可以包括机器可读介质1238,在其上存储实施本文描述的方法或功能中的任何一个或更多个的指令1216。指令1216在其由机器1200执行期间还可以完全或至少部分地驻留在主存储器1232内、静态存储器1234内、处理器1210中的至少一个内(例如,在处理器的高速缓存存储器内)或其任何合适的组合。因此,在各种实现方式中,主存储器1232、静态存储器1234和处理器1210被认为是机器可读介质1238。
如本文所使用的,术语“存储器”是指能够临时或永久地存储数据的机器可读介质1238,并且可以被认为包括但不限于随机存取存储器(RAM)、只读存储器(ROM)、缓冲存储器、闪存和高速缓冲存储器。虽然机器可读介质1238在示例实施方式中被示出为单个介质,但是术语“机器可读介质”应当被认为包括能够存储指令1216的单个介质或多个介质(例如,集中式数据库或分布式数据库,或相关联的高速缓存和服务器)。术语“机器可读介质”还应当被认为包括能够存储用于由机器(例如,机器1200)执行的指令(例如,指令1216)的任何介质或多个介质的组合,使得当指令由机器的一个或更多个处理器(例如,处理器1210)执行时,使机器执行本文描述的方法中的任何一种或更多种。因此,“机器可读介质”是指单个存储设备或装置,以及包括多个存储设备或装置的“基于云”的存储系统或存储网络。因此,术语“机器可读介质”应当被认为包括但不限于以固态存储器(例如,闪存)、光学介质、磁介质、其他非易失性存储器(例如,可擦除可编程只读存储器(EPROM))或其任何合适的组合的形式的一个或更多个数据储存库。术语“机器可读介质”具体地排除非法定信号本身。
I/O部件1250包括各种部件来接收输入、提供输出、产生输出、传送信息、交换信息、捕获测量结果等。通常,应该理解,I/O部件1250可以包括图12中未示出的许多其他部件。I/O部件1250根据功能被分组,仅仅是为了简化下面的讨论,并且分组决不是限制性的。在各种示例实施方式中,I/O部件1250可以包括输出部件1252和输入部件1254。输出部件1252包括视觉部件(例如,显示器诸如等离子体显示面板(PDP)、发光二极管(LED)显示器、液晶显示器(LCD)、投影仪或阴极射线管(CRT))、声学部件(例如,扬声器)、触觉部件(例如,振动马达)、其他信号发生器等。输入部件1254包括字母数字输入部件(例如,键盘、被配置成接收字母数字输入的触摸屏、光电键盘或其他字母数字输入部件)、基于点的输入部件(例如,鼠标、触摸板、轨迹球、操纵杆、运动传感器或其他定点仪器)、触觉输入部件(例如,物理按钮、提供触摸或触摸手势的位置和力的触摸屏或其他触觉输入部件)、音频输入部件(例如,麦克风)等。
在一些其他示例实施方式中,I/O部件1250包括生物计量部件1256、运动部件1258、环境部件1260或定位部件1262,以及各种的其他部件。例如,生物计量部件1256包括检测表达(例如,手表达、面部表达、声音表达、身体姿势或眼睛跟踪)、测量生物信号(例如,血压、心率、体温、出汗或脑电波)、识别人(例如,语音识别、视网膜识别、面部识别、指纹识别或基于脑电图的识别)等的部件。运动部件1258包括加速度传感器部件(例如,加速计)、重力传感器部件、旋转传感器部件(例如,陀螺仪)等。环境部件1260包括例如照明传感器部件(例如,光度计)、温度传感器部件(例如,检测环境温度的一个或更多个温度计)、湿度传感器部件、压力传感器部件(例如气压计)、声学传感器部件(例如,检测背景噪声的一个或更多个麦克风)、接近度传感器部件(例如,检测附近物体的红外传感器)、气体传感器(例如,机器嗅觉检测传感器、为了安全检测危险气体的浓度或测量大气中的污染物的气体检测传感器)、或可以提供与周围物理环境相对应的指示、测量或信号的其他部件。定位部件1262包括位置传感器部件(例如,全球定位系统(GPS)接收器部件)、高度传感器部件(例如,高度计或气压计,其检测气压,从该气压可以得到高度)、方位传感器部件(例如,磁力计)等。
通信可以使用各种技术来实现。I/O部件1250可以包括通信部件1264,该通信部件1264可操作成分别经由耦接1282和耦接1272将机器1200耦接至网络1280或装置1270。例如,通信部件1264包括网络接口部件或与网络1280接口的另一合适的装置。在进一步的示例中,通信部件1264包括有线通信部件、无线通信部件、蜂窝通信部件、近场通信(NFC)部件、部件(例如,低功耗)、部件、以及经由其他模态提供通信的其他通信部件。装置1270可以是另外的机器或各种外围装置(例如,经由USB耦接的外围装置)中的任一种。
此外,在一些实现方式中,通信部件1264检测标识符或包括可操作以检测标识符的部件。例如,通信部件1264包括射频识别(RFID)标签读取器部件、NFC智能标签检测部件、光学读取器部件(例如,用于检测一维条形码诸如通用产品代码(UPC)条形码、多维条形码诸如快速响应(QR)码、Aztec码、数据矩阵、数据标志符号(Dataglyph)、最大编码(MaxiCode)、PDF417、超代码(Ultra Code)、2D的统一商业代码缩减空间符号体系(UCCRSS)条形码以及其他光学代码的光学传感器)、声学检测部件(例如,用于识别标记的音频信号的麦克风)或其任何合适的组合。另外,可以经由通信部件1264得到各种信息,诸如经由互联网协议(IP)地理定位的位置、经由信号三角测量的位置、经由检测可以指示特定位置的NFC信标信号的位置等。
传输介质
在各种示例实施方式中,网络1280的一个或更多个部分可以是自组织网络、内联网、外联网、虚拟专用网(VPN)、局域网(LAN)、无线LAN(WLAN)、广域网(WAN)、无线WAN(WWAN)、城域网(MAN)、因特网、因特网的一部分、公共交换电话网(PSTN)的一部分、普通老式电话服务(POTS)网络、蜂窝电话网络、无线网络、网络、另外类型的网络、或者两个或更多个这样的网络的组合。例如,网络1280或网络1280的一部分可以包括无线或蜂窝网络,并且耦接1282可以是码分多址(CDMA)连接、全球移动通信系统(GSM)连接或另外类型的蜂窝或无线耦接。在该示例中,耦接1282可以实现各种类型的数据传输技术中的任何数据传输技术,诸如单载波无线电传输技术(1xRTT)、演进数据优化(EVDO)技术、通用分组无线电服务(GPRS)技术、GSM演进的增强数据速率(EDGE)技术、包括3G的第三代合作伙伴计划(3GPP)、第四代无线(4G)网络、通用移动通讯系统(UMTS)、高速分组接入(HSPA)、微波接入全球互通(WiMAX)、长期演进(LTE)标准、由各种标准设置组织限定的其他数据传输技术、其他长距离协议或其他数据传输技术。
在示例实施方式中,经由网络接口装置(例如,包括在通信部件1264中的网络接口部件)使用传输介质并且利用多个公知的传输协议中的任何一个(例如,超文本传输协议(HTTP))来通过网络1280发送或接收指令1216。类似地,在其他示例实施方式中,经由耦接1272(例如,对等耦接)使用传输介质向装置1270发送或接收指令1216。术语“传输介质”应当被认为包括能够存储、编码或携带针对由机器1200执行的指令1216的任何无形介质,并且包括数字或模拟通信信号或其他无形介质来促进这样的软件的通信。
此外,机器可读介质1238是非暂态的(换句话说,不具有任何暂态信号),因为其不包含传播信号。然而,将机器可读介质1238标记为“非暂态”不应被解释为意味着介质不能移动;该介质应当被认为是可从一个物理位置运输至另一物理位置。另外,由于机器可读介质1238是有形的,因此该介质可以被认为是机器可读装置。
语言
在整个说明书中,多个实例可以实现被描述为单个实例的部件、操作或结构。虽然一种或更多种方法的个体操作被示出和描述为单独的操作,但是个体操作中的一个或更多个可以同时执行,并且不要求以所示的顺序执行操作。在示例配置中被呈现为分离部件的结构和功能可以被实现为组合的结构或部件。类似地,被呈现为单个部件的结构和功能可以被实现为单独的部件。这些和其他变型、修改、添加和改进落入本文主题的范围内。
虽然已经参照具体的示例实施方式描述了本发明主题的概述,但是在不偏离本公开内容的实施方式的较宽范围的情况下可以对这些实施方式作出各种修改及改变。仅仅为了方便,本发明主题的这样的实施方式在本文中可以单独地或共同地通过术语“发明”来指代,并且如果事实上公开了多于一个公开内容或发明构思,则并不旨在将本申请的范围主动限制为任何单个公开内容或发明构思。
本文示出的实施方式被足够详细地描述,使得本领域的技术人员能够实践所公开的教导。可以使用以及从本文示出的实施方式得出其他实施方式,使得可以在不偏离本公开的范围的情况下进行结构和逻辑替代和改变。因此,具体实施方式不应被认为是限制性的意义,并且各种实施方式的范围仅由所附权利要求以及被称为这样的权利要求的等同方案的全部范围来限定。
如本文所使用的,术语“或”可以被解释为包括性或排他性意义。此外,可以为在本文中描述为单个实例的资源、操作或结构提供多个实例。另外,各种资源、操作、模块、引擎和数据存储之间的边界在某种程度上是任意的,并且特定操作在特定说明性配置的上下文中示出。功能的其他分配被预见并且可以落入本公开内容的各种实施方式的范围内。通常,在示例性配置中呈现为单独资源的结构和功能可以被实现为组合的结构或资源。类似地,呈现为单个资源的结构和功能可以被实现为单独的资源。这些和其他变型、修改、添加和改进落入由所附权利要求表示的本公开内容的实施方式的范围内。因此,说明书和附图应被认为是说明性的而不是限制性意义的。
Claims (20)
1.一种方法,包括:
由一个或更多个处理器确定物品的价格曲线,所述价格曲线指示所述物品以多个价格中的每个价格售出的概率;
由所述一个或更多个处理器确定卖方帐户的偏好,所述偏好指示时间成本;
由所述一个或更多个处理器基于所述物品的价格曲线和所述时间成本来确定所述物品和所述卖方帐户的效用曲线,所述效用曲线指示作为所述物品的价格的函数的所述卖方帐户的效用;以及
由所述一个或更多个处理器基于所述物品和所述卖方帐户的效用曲线,使得在与所述卖方帐户相关联的显示器上呈现用户界面,所述用户界面包括要从所述卖方帐户销售的所述物品的推荐价格以及生成以所述推荐价格销售的物品的陈列的选项。
2.根据权利要求1所述的方法,其中,还基于所述卖方帐户的售出时间段的偏好来确定所述物品和所述卖方帐户的效用曲线。
3.根据权利要求2所述的方法,其中,所述物品的价格曲线指示所述物品在所述售出时间段内以所述多个价格中的每个价格售出的概率。
4.根据权利要求1所述的方法,还包括:
检测对所述选项的选择;以及
响应于检测到对所述选项的所述选择,生成以所述推荐价格销售的所述物品的陈列。
5.根据权利要求1所述的方法,其中,确定所述卖方帐户的偏好是基于由所述卖方帐户销售的物品的完成陈列。
6.根据权利要求5所述的方法,其中,确定所述卖方帐户的偏好包括将由所述卖方帐户销售的物品的所述完成陈列作为训练数据提供给机器学习算法。
7.根据权利要求1所述的方法,其中,确定所述物品的价格曲线包括确定受试者工作特性曲线下的面积。
8.根据权利要求1所述的方法,其中,确定所述卖方帐户的偏好包括确定所述卖方帐户是消费者帐户。
9.根据权利要求1所述的方法,其中,所述用户界面包括提供与所述卖方帐户的效用曲线相关的信息的信息性消息。
10.根据权利要求9所述的方法,其中,所述信息性消息指示以所述推荐价格售出所述物品的增加的可能性的量。
11.根据权利要求10所述的方法,其中:
所述用户界面包括在与所述物品的当前价格相对应的位置处的滑块;以及
所述方法还包括:
响应于所述滑块的位置的调整:
更新所述用户界面以指示与所述滑块的位置相对应的价格;以及
更新所述信息性消息以指示以与所述滑块的位置相对应的价格售出所述物品的增加的可能性的量。
12.根据权利要求1所述的方法,其中:
所述用户界面包括在与所述物品的当前价格相对应的位置处的滑块;以及
基于所述物品和所述卖方帐户的效用曲线,在所述滑块上指示多个价格范围。
13.根据权利要求1所述的方法,还包括:
使得呈现第二用户界面,所述第二用户界面包括提供所述卖方帐户的偏好的提示;以及
经由所述第二用户界面接收所述卖方帐户的偏好。
14.一种系统,包括:
存储器,其存储指令;以及
一个或更多个处理器,其由所述指令配置以执行操作,所述操作包括:
确定物品的价格曲线,所述价格曲线指示所述物品以多个价格中的每个价格售出的概率;
确定卖方帐户的偏好,所述偏好指示时间成本;
基于所述物品的价格曲线和所述卖方帐户的偏好来确定所述物品和所述卖方帐户的效用曲线,所述效用曲线指示作为所述物品的价格的函数的所述卖方帐户的效用;以及
基于所述物品和所述卖方帐户的效用曲线,使得在与所述卖方帐户相关联的显示器上呈现用户界面,所述用户界面包括要从所述卖方帐户销售的所述物品的推荐价格以及生成以所述推荐价格销售的物品的陈列的选项。
15.根据权利要求14所述的系统,其中,还基于所述卖方帐户的售出时间段的偏好来确定所述物品和所述卖方帐户的效用曲线。
16.根据权利要求15所述的系统,其中,所述物品的价格曲线指示所述物品在所述售出时间段内以所述多个价格中的每个价格售出的概率。
17.根据权利要求14所述的系统,其中,所述操作还包括:
检测对所述选项的选择;以及
响应于检测到所述选项的所述选择,生成以所述推荐价格销售的所述物品的陈列。
18.根据权利要求14所述的系统,其中,确定所述卖方帐户的偏好基于由所述卖方帐户销售的物品的完成陈列。
19.根据权利要求18所述的系统,其中,确定所述卖方帐户的偏好包括将由所述卖方帐户销售的物品的所述完成陈列作为训练数据提供给机器学习算法。
20.一种存储指令的机器可读介质,所述指令在由一个或更多个处理器执行时使所述一个或更多个处理器执行操作,所述操作包括:
确定物品的价格曲线,所述价格曲线指示所述物品以多个价格中的每个价格售出的概率;
确定卖方帐户的偏好,所述偏好指示时间成本;
基于所述物品的价格曲线和所述卖方帐户的偏好来确定所述物品和所述卖方帐户的效用曲线,所述效用曲线指示作为所述物品的价格的函数的所述卖方帐户的效用;以及
基于所述物品和所述卖方帐户的效用曲线,使得在与所述卖方帐户相关联的显示器上呈现用户界面,所述用户界面包括要从所述卖方帐户销售的所述物品的推荐价格以及生成以所述推荐价格销售的物品的陈列的选项。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/958,159 US11379892B2 (en) | 2018-04-20 | 2018-04-20 | Utility-based price guidance |
US15/958,159 | 2018-04-20 | ||
PCT/US2019/027784 WO2019204374A1 (en) | 2018-04-20 | 2019-04-17 | Utility-based price guidance |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112106094A true CN112106094A (zh) | 2020-12-18 |
Family
ID=66324026
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980026065.4A Pending CN112106094A (zh) | 2018-04-20 | 2019-04-17 | 基于效用的价格指导 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11379892B2 (zh) |
CN (1) | CN112106094A (zh) |
WO (1) | WO2019204374A1 (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11379892B2 (en) | 2018-04-20 | 2022-07-05 | Ebay Inc. | Utility-based price guidance |
US11282100B2 (en) * | 2018-10-02 | 2022-03-22 | Mercari, Inc. | Probabilistic search biasing and recommendations |
US11074634B2 (en) * | 2018-10-02 | 2021-07-27 | Mercari, Inc. | Probabilistic item matching and searching |
US11514506B2 (en) * | 2020-02-05 | 2022-11-29 | Ebay Inc. | Listing conversion estimation and optimization |
CN111339432A (zh) * | 2020-05-15 | 2020-06-26 | 支付宝(杭州)信息技术有限公司 | 电子对象的推荐方法、装置和电子设备 |
GB2600509A (en) | 2020-06-04 | 2022-05-04 | Privatedeal Sa | Automated negotiation method and computer program product for implementing such method |
US11694218B2 (en) * | 2020-06-25 | 2023-07-04 | Mercari, Inc. | Computer technology for automated pricing guidance |
US11393013B2 (en) | 2020-06-25 | 2022-07-19 | Mercari, Inc. | Method, non-transitory computer-readable device, and system for intelligent listing creation |
US20220005093A1 (en) * | 2020-07-06 | 2022-01-06 | Effectus Partners LLC | Content management system and method thereof |
CN114740979B (zh) * | 2022-04-19 | 2023-03-24 | 腾讯科技(深圳)有限公司 | 业务曲线变化趋势的表示方法、设备以及可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090164383A1 (en) * | 2007-12-21 | 2009-06-25 | Glyde Corporation | System and method for dynamic product pricing |
US20110004509A1 (en) * | 2009-07-06 | 2011-01-06 | Xiaoyuan Wu | Systems and methods for predicting sales of item listings |
US20150161635A1 (en) * | 2013-12-10 | 2015-06-11 | Ebay Inc. | Dynamic price elasticity in unstructured marketplace data |
US20170228808A1 (en) * | 2014-03-24 | 2017-08-10 | Square, Inc. | Determining item recommendations from merchant data |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7593871B1 (en) | 2004-06-14 | 2009-09-22 | Ewinwin, Inc. | Multiple price curves and attributes |
US20020026429A1 (en) | 2000-05-18 | 2002-02-28 | Alain Lostis | Transactional method and system for semi-fungible commodity items |
US7212998B1 (en) | 2000-11-21 | 2007-05-01 | Olsen Data Ltd. | Method for creating and pricing options |
WO2004107237A1 (en) | 2003-05-29 | 2004-12-09 | Rtm Technologies | Raffle-based collaborative product selling and buying system |
US7617164B2 (en) * | 2006-03-17 | 2009-11-10 | Microsoft Corporation | Efficiency of training for ranking systems based on pairwise training with aggregated gradients |
US7895116B2 (en) | 2007-07-25 | 2011-02-22 | Mukesh Chatter | Seller automated engine architecture and methodology for optimized pricing strategies in automated real-time iterative reverse auctions over the internet and the like for the purchase and sale of goods and services |
US8326662B1 (en) | 2008-06-18 | 2012-12-04 | Overstock.Com, Inc. | Positioning E-commerce product related to graphical imputed consumer demand |
US20100312665A1 (en) | 2008-08-14 | 2010-12-09 | Reza Bundy | Method and apparatus for retrieval and normalization of third party listings |
US8612314B2 (en) | 2008-09-09 | 2013-12-17 | Truecar, Inc. | System and method for the utilization of pricing models in the aggregation, analysis, presentation and monetization of pricing data for vehicles and other commodities |
US8676631B2 (en) | 2009-02-03 | 2014-03-18 | International Business Machines Corporation | Automated item pricing |
US9760802B2 (en) | 2010-01-27 | 2017-09-12 | Ebay Inc. | Probabilistic recommendation of an item |
US20130346157A1 (en) * | 2012-06-20 | 2013-12-26 | Dionysios AVRILIONIS | Revenue optimization platform apparatuses, methods, systems and services |
WO2018116098A1 (en) * | 2016-12-19 | 2018-06-28 | Getworth (Pty) Ltd | Determining particulars of an item in an online marketplace |
US11017422B2 (en) * | 2018-03-01 | 2021-05-25 | Adobe Inc. | Dynamically generating digital product notifications over time based on product expiration data |
US11379892B2 (en) | 2018-04-20 | 2022-07-05 | Ebay Inc. | Utility-based price guidance |
-
2018
- 2018-04-20 US US15/958,159 patent/US11379892B2/en active Active
-
2019
- 2019-04-17 WO PCT/US2019/027784 patent/WO2019204374A1/en active Application Filing
- 2019-04-17 CN CN201980026065.4A patent/CN112106094A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090164383A1 (en) * | 2007-12-21 | 2009-06-25 | Glyde Corporation | System and method for dynamic product pricing |
US20110004509A1 (en) * | 2009-07-06 | 2011-01-06 | Xiaoyuan Wu | Systems and methods for predicting sales of item listings |
US20150161635A1 (en) * | 2013-12-10 | 2015-06-11 | Ebay Inc. | Dynamic price elasticity in unstructured marketplace data |
US20170228808A1 (en) * | 2014-03-24 | 2017-08-10 | Square, Inc. | Determining item recommendations from merchant data |
Also Published As
Publication number | Publication date |
---|---|
US20190325490A1 (en) | 2019-10-24 |
US11379892B2 (en) | 2022-07-05 |
WO2019204374A1 (en) | 2019-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11379892B2 (en) | Utility-based price guidance | |
US20170337612A1 (en) | Real-time recommendation of entities by projection and comparison in vector spaces | |
US11710166B2 (en) | Identifying product items based on surge activity | |
US11869045B2 (en) | Automated valuation model using a Siamese network | |
US20200151743A1 (en) | Automatic listing of items based on user specified parameters | |
US20210264507A1 (en) | Interactive product review interface | |
US11853703B2 (en) | Processing transactional feedback | |
US11693527B2 (en) | Adjusting an interface based on a cognitive mode | |
US20230076209A1 (en) | Generating personalized banner images using machine learning | |
US20160328765A1 (en) | Enhanced supply and demand tool | |
US11263559B2 (en) | Subscription services with extensions | |
US11144943B2 (en) | Draft completion system | |
US11526915B2 (en) | Automated value determination system | |
US11715119B2 (en) | Geographic recommendation platform | |
US20200143416A1 (en) | Advertising cannibalization management | |
US20200342488A1 (en) | Automated offer management | |
US10643269B2 (en) | Managing products at a physical marketplace | |
US20210241361A1 (en) | Listing conversion estimation and optimization |
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 |