CN112437943A - 计算电子处理平台上的物品瞄准 - Google Patents

计算电子处理平台上的物品瞄准 Download PDF

Info

Publication number
CN112437943A
CN112437943A CN201980048109.3A CN201980048109A CN112437943A CN 112437943 A CN112437943 A CN 112437943A CN 201980048109 A CN201980048109 A CN 201980048109A CN 112437943 A CN112437943 A CN 112437943A
Authority
CN
China
Prior art keywords
item
user
price
targeted
attribute
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
CN201980048109.3A
Other languages
English (en)
Inventor
V·海诺南
M·赛科
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.)
Stauffers Corp
Original Assignee
Stauffers 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 Stauffers Corp filed Critical Stauffers Corp
Publication of CN112437943A publication Critical patent/CN112437943A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • 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
    • G06Q30/0239—Online discounts or incentives
    • 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
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0255—Targeted advertisements based on user history
    • 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
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

根据实施例，一种计算装置包括至少一个处理器和包括计算机程序代码的至少一个存储器。至少一个存储器和计算机程序代码可以被配置为与至少一个处理器一起，使得计算装置根据瞄准约束和至少一个相似性得分从多个用户中选择至少一个被瞄准用户。描述了一种计算装置、方法和计算机程序。

Description

计算电子处理平台上的物品瞄准
技术领域
本发明涉及一种电子设备及计算装置，且尤其涉及一种用于计算物品瞄准(targeting)的客户端设备及计算装置。此外，本公开涉及对应的方法和计算机程序。
背景技术
电子商务平台在许多行业和产品组中变得越来越普遍。用户通过因特网搜索和购买越来越多的产品和服务。许多用户使用诸如移动电话和平板计算机的移动设备来访问这些电子商务平台。快速购买决定是常见的，与其它因素(例如，物品的品牌)相比，其可强调物品价格对购买决定的影响。
当前，电子商务平台可以包括数千或甚至数十万个物品。即使单个物品类别也可能包括数千个物品，这可能使得用户难以找到正确的物品并且耗时。用户也可能对电子商务平台感兴趣，以便尽可能容易地找到相关物品。
专利公开US2014074602公开了一种操作消费者瞄准平台系统的方法。可以接收用于广告活动的多个广告瞄准选项。可以确定具有在电子设备上执行的检测应用的应用列表。可以至少部分地从应用列表确定消费者简档。广告活动可以基于广告瞄准选项与消费者简档匹配。
发明内容
提供本发明内容以便以简化的形式介绍选择的概念，这些概念还将在下文以详细描述的方式被描述。本发明内容不旨在标识所要求保护的主题的所有关键特征或所有必要特征，也不旨在用于限制所要求保护的主题的范围。
本发明的目的是提供一种用于确定物品与用户的相关性的计算装置。该目的通过独立权利要求的特征来实现。在从属权利要求、说明书和附图中提供了进一步的实现形式。
根据第一方面，一种计算装置包括至少一个处理器和包括计算机程序代码的至少一个存储器，所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起，使得所述计算装置：从多个物品中获得物品；通过比较至少一个用户的用户属性简档向量和物品的物品属性向量中的对应属性值，计算所述至少一个用户的所述用户属性简档向量与所述物品的所述物品属性向量之间的至少一个相似性得分；获得针对所述物品的瞄准约束；以及根据所述瞄准约束和所述至少一个相似性得分从多个用户中选择至少一个被瞄准用户。利用这样的配置，计算装置可以例如将物品瞄准相关用户。
在第一方面的实施形式中，至少一个存储器和计算机程序代码被配置为与至少一个处理器一起，使得计算装置：获得价格弹性；计算至少一个被瞄准用户的活动敏感度；基于所述价格弹性、所述至少一个相似性得分和所述至少一个被瞄准用户的所述活动敏感度来计算所述物品的至少一个活动吸引力得分；获得所述物品的最佳利润价格；至少基于所述至少一个活动吸引力得分和所述最佳利润价格来计算所述物品的至少一个用户特定活动价格。利用这样的配置，计算装置可以例如将物品瞄准用户并且计算每个用户的用户特定活动价格。
在第一方面的进一步的实施形式中，所述瞄准约束包括阈值相似性得分，并且其中至少一个存储器和计算机程序代码被配置为与至少一个处理器一起，使得计算装置：通过比较至少一个相似性得分和阈值相似性得分，根据所述瞄准约束和至少一个相似性得分从多个用户中选择至少一个被瞄准用户。利用这样的配置，计算装置可以例如将物品瞄准先前已经购买了类似物品的用户。
在第一方面的进一步的实施形式中，至少一个存储器和计算机程序代码被配置为与至少一个处理器一起，使得计算装置：获得至少一个被瞄准用户的动作历史，其中所述动作历史包括向至少一个被瞄准用户示出的活动的数量的指示和由至少一个被瞄准用户要求的活动的数量的指示；基于向所述用户示出的活动的数量和由至少一个被瞄准用户要求的活动的数量来计算所述用户的用户活动敏感度。利用这样的配置，计算装置可以例如根据用户的活动敏感度来瞄准物品。
在第一方面的进一步的实施形式中，至少一个存储器和计算机程序代码被配置为与至少一个处理器一起，使得计算装置：使用包括至少一个相似性得分、价格弹性和所述用户活动敏感度的乘积(product)来计算所述至少一个活动吸引力得分。利用这样的配置，计算装置可以例如在物品瞄准中有效地利用相似性得分、价格弹性和用户活动敏感度。
在第一方面的进一步的实施形式中，至少一个存储器和计算机程序代码被配置为与至少一个处理器一起，使得计算装置：基于至少一个被瞄准用户的动作历史来计算价格弹性。利用这样的配置，计算装置可以例如针对每个用户高效地计算价格弹性。
在第一方面的进一步的实施形式中，至少一个存储器和计算机程序代码被配置为与至少一个处理器一起，使得计算装置：获得至少一个控制参数；至少基于至少一个活动吸引力得分、最佳利润价格以及至少一个控制参数来计算物品的用户特定活动价格。利用这样的配置，计算装置可以例如在计算用户特定活动价格时利用控制参数。
在第一方面的另一实施形式中，至少一个控制参数包括指示用户特定活动价格的上限的第一偏差参数及指示用户特定活动价格的下限的第二偏差参数。利用这样的配置，计算装置可以例如根据偏差参数来限制用户特定活动价格。
在第一方面的进一步的实施形式中，至少一个存储器和计算机程序代码被配置为与至少一个处理器一起，使得计算装置：至少基于活动吸引力得分、最佳利润价格、第一偏差参数和第二偏差参数来计算物品的用户特定活动价格。
在第一方面的另一实现形式中，至少一个控制参数包括瞄准至少一个被瞄准用户的活动物品的最大数量的指示。利用这样的配置，计算装置可以例如限制瞄准每个用户的物品的数量。
在第一方面的进一步的实施形式中，至少一个存储器和计算机程序代码被配置为与至少一个处理器一起，使得计算装置：将瞄准至少一个被瞄准用户的活动物品的数量与瞄准至少一个被瞄准用户的活动物品的最大数量进行比较；响应于瞄准至少一个被瞄准用户的活动物品的数量大于瞄准至少一个被瞄准用户的活动物品的最大数量，将物品的用户特定活动价格设置为等于目录价格。利用这样的配置，计算装置可以例如有效地限制瞄准每个用户的物品的数量。
在第一方面的另一实施形式中，至少一个控制参数包括针对物品的被瞄准用户的最大数量的指示。利用这样的配置，计算装置可以例如限制物品所瞄准的用户的数量。
在第一方面的进一步的实施形式中，至少一个存储器和计算机程序代码被配置为与至少一个处理器一起，使得计算装置：将针对物品的被瞄准用户的数量与针对物品的被瞄准用户的最大数量进行比较；响应于针对物品的被瞄准用户的数量大于针对物品的被瞄准用户的最大数量，将物品的用户特定活动价格设置为等于目录价格。利用这样的配置，计算装置可以例如有效地限制物品所瞄准的用户的数量。
在第一方面的进一步的实施形式中，至少一个存储器和计算机程序代码被配置为与至少一个处理器一起，使得计算装置：将物品的指示传送到至少一个被瞄准用户的客户端设备。利用这样的配置，计算装置可以例如向客户端设备传送物品的指示，使得客户端设备可以向用户显示它。
在第一方面的进一步的实施形式中，至少一个存储器和计算机程序代码被配置为与至少一个处理器一起，使得计算装置：使用用户界面向至少一个被瞄准用户显示物品的指示。利用这样的配置，计算装置可以例如向用户显示物品。
根据第二方面，一种方法包括：从多个物品中获得物品；通过比较至少一个用户的用户属性简档向量和物品的物品属性向量中的对应属性值，计算所述至少一个用户的所述用户属性简档向量与所述物品的所述物品属性向量之间的至少一个相似性得分；获得物品的瞄准约束；以及根据瞄准约束和至少一个相似性得分从多个用户中选择至少一个被瞄准用户。
根据第三方面，提供了一种计算机程序，包括程序代码，所述程序代码被配置为当在计算机上执行所述计算机程序时执行根据第二方面的方法。
许多附带特征将更容易理解，因为通过参考结合附图考虑的以下详细描述，它们变得更好理解。
附图说明
根据附图阅读以下详细描述，将更好地理解本说明书，其中：
图1示出了根据实施例的被配置为确定物品与用户的相关性的客户端设备和计算装置的示意性表示；
图2示出了根据实施例的计算装置的示意性表示；
图3示出了根据实施例的物品相关性确定系统的示意性表示；
图4示出了根据实施例的物品相关性计算系统的示意性表示；
图5示出了根据实施例的用户简档的示意性表示；
图6示出了根据实施例的物品属性向量的示意性表示；
图7示出了根据实施例的食品物品属性向量的示意性表示；
图8示出了根据实施例的卫生物品属性向量的示意性表示；
图9示出了根据另一实施例的卫生物品属性向量的示意性表示；
图10示出了根据实施例的用户动作历史的示意性表示；
图11示出了根据实施例的用户属性简档的示意性表示；
图12示出了根据另一实施例的用户属性简档的示意性表示；
图13示出了根据实施例的物品属性向量和用户属性简档向量的比较的示意性表示；
图14示出了根据另一实施例的物品属性向量和用户属性简档向量的比较的示意性表示；
图15示出了根据实施例的用户-物品特定价格计算的示意性表示；
图16示出了根据实施例的用户树的示意性表示；
图17示出了根据实施例的用户-物品特定价格计算的示意性表示；
图18示出了根据实施例的物品显示界面的示意性表示；
图19示出了根据实施例的物品瞄准的示意性表示；
图20示出了根据实施例的物品瞄准的示意性表示；
图21示出了根据实施例的物品瞄准的示意性表示；
图22示出了根据另一实施例的物品显示界面的示意性表示；
图23示出了根据另一实施例的物品显示界面的示意性表示；
图24示出了根据另一实施例的物品显示界面的示意性表示；
图25示出了根据实施例的物品视图的示意性表示；
图26示出了根据另一实施例的物品视图的示意性表示；
图27示出了根据另一实施例的物品视图的示意性表示
在附图中，相同的附图标记用于表示相同的部件。
具体实施方式
以下结合附图提供的详细描述旨在作为对实施例的描述，而非旨在表示可构造或利用实施例的唯一形式。然而，相同或等效的功能和结构可以通过不同的实施例来实现。
图1示出了客户端设备100和计算装置200的示意性表示。客户端设备100可以使用通信信道103与计算装置200通信，并且计算装置200可以使用通信信道103与客户端设备100通信。客户端100可以向计算装置200传送请求，并且计算装置可以通过向客户端设备100传送响应来对这些请求进行响应。在一些实施例中，客户端设备100和计算装置200在相同的设备中实现。在这样的实施例中，任一设备的任何功能可以在该单个设备中实现。
根据实施例，计算装置200被配置为基于用户的用户动作历史来计算用户属性简档向量，其中用户属性简档向量包括第一多个属性值，其中第一多个属性值描述用户动作历史的性质。计算装置可以被配置成获得物品的物品属性向量，该物品属性向量包括第二多个属性值和适用于该物品的属性的指示，其中该第二多个属性值描述该物品的性质。计算装置200可以被配置为至少使用每个物品的相似性得分来处理多个物品，并且将指示所处理的多个物品的数据传送到客户端设备100。
因此，计算装置200可以被配置为基于用户的用户动作历史来计算用户属性简档向量，并且计算用户属性简档向量与物品的物品属性向量之间的相似性得分，其中，仅适用于物品的属性被用于根据用户属性简档向量的计算。相似性得分可以反映物品与用户的先前动作有多相似。低相似性得分可以指示高相似性，反之亦然。高相似性的物品可以被称为与用户相关的物品。
根据实施例，客户端设备100被配置为从计算装置200接收指示所处理的多个物品的数据；以及根据从计算装置接收的数据向用户显示至少一个物品视图，其中至少一个物品视图中的每个物品视图包括物品的名称；所处理的多个物品是基于多个物品中的每个物品的计算的相似性得分的，其中所述计算的相似性得分是通过比较用户属性简档向量中包括的第一多个属性值和物品属性向量中包括的第二多个属性值中适用于物品的对应属性值来获得的。
计算装置200还可以被配置为至少使用每个物品的相似性得分来处理多个物品的顺序。计算装置可以例如根据相似性得分以降序或升序对物品进行排序/排名。例如，与用户最相关的物品可以是处理后的顺序中的第一个。
计算装置200可以被配置为至少使用每个物品的相似性得分来处理多个物品，并且将指示所处理的多个物品的数据传送到客户端设备100。
计算装置200还可被配置为将指示所处理的多个物品的顺序的数据传送到客户端设备100。数据可以是例如指示顺序或相似性得分的列表。替代地或另外地，计算装置200可以省略将物品顺序传送到客户端设备200。相反，计算装置可以将例如指示多个物品的数据传送到客户端设备100。计算装置200可以基于物品的相似性得分来选择子集。例如，计算装置200可以指示具有高于预先配置的阈值的相似性得分的物品。
客户端设备100可以根据所述顺序显示多个物品，例如使得最相关的物品首先被显示给用户。因此，可以有效地利用客户端设备100的可能有限的显示区域。
客户端设备100和计算装置200还可以包括处理器、收发器、存储器、显示单元和/或图1中未示出的其他组件。客户端设备100可以使用收发器与例如计算装置200通信。计算装置200可以使用收发器与例如单个或多个客户端设备100通信。通信信道103可以包括例如无线连接、有线连接、网络节点、网络设备或这些的某种组合。通信信道103可以包括例如因特网、以太网、3G、4G、5G、LTE、Wi-Fi或任何其它有线或无线连接或这些的某种组合。例如，如果客户端设备100是移动设备，则通信信道103可以包括无线连接，诸如Wi-Fi、因特网连接和多个以太网连接。客户端设备100和计算装置200还可以同时和/或顺序地利用多个通信信道103。
客户端设备100可以是无线终端或移动终端中的任何一种，其能够在无线通信系统中无线地通信，有时也指蜂窝无线电系统，或者在使用有线连接的有线通信系统中无线地通信。有线连接也可以包括固定连接，例如光链路。客户端设备100还可以指具有无线或有线能力的移动电话、蜂窝电话、计算机、台式计算机、平板计算机或膝上型计算机。
用户可以通过用户界面UI操作客户端设备100。由于客户端设备100上的显示区域的数量可能是有限的，例如在移动电话或甚至台式计算机的情况下，UI也可能是有限的。例如，在电子商务平台上，一次仅可以向用户显示有限数量的物品。因此，如果可以一次显示给用户的有限数量的物品与用户相关或有关，则可以改善用户体验。
图2示出了根据实施例的计算装置200的示意性表示。计算装置200可以包括一个或多个处理器201以及包括计算机程序代码的一个或多个存储器202。
根据实施例，计算装置200包括至少一个处理器201和包括计算机程序代码的至少一个存储器202，至少一个存储器202和计算机程序代码被配置为与至少一个处理器201一起，使得计算装置200：从多个物品中获得物品；通过比较至少一个用户的用户属性简档向量和物品的物品属性向量中的对应属性值，计算至少一个用户的用户属性简档向量212与物品的物品属性向量223之间的至少一个相似性得分；获得所述物品的瞄准约束；以及根据所述瞄准约束和所述至少一个相似性得分从多个用户中选择至少一个被瞄准用户。
尽管在图2的实施例中计算装置200被描绘为仅包括一个处理器201，但是计算装置200可以包括更多的处理器。在实施例中，存储器202能够存储指令，诸如操作系统和/或各种应用。
此外，处理器201能够执行所存储的指令。在示例实施例中，处理器201可以被实现为多核处理器、单核处理器、或者一个或多个多核处理器和一个或多个单核处理器的组合。例如，处理器201可以被实现为各种处理设备中的一个或多个，诸如协处理器、微处理器、控制器、数字信号处理器(DSP)、具有或不具有附带DSP的处理电路或各种其他处理设备，该各种其他处理设备包括集成电路，诸如例如专用集成电路(ASIC)、现场可编程门阵列(FPGA)、微控制器单元(MCU)、硬件加速器、专用计算机芯片等。在示例实施例中，处理器201可以被配置为执行硬编码功能。在实施例中，处理器201被实现为软件指令的执行器，其中指令可以具体地配置处理器201以在执行指令时执行本文描述的算法和/或操作。
存储器202可以被实现为一个或多个易失性存储器设备、一个或多个非易失性存储器设备和/或一个或多个易失性存储器设备和非易失性存储器设备的组合。例如，存储器202可以被实现为半导体存储器(诸如掩模ROM、PROM(可编程ROM)、EPROM(可擦除PROM)、闪存ROM、RAM(随机存取存储器)等)。
计算装置200可以是能够例如使用处理器来处理信息并且可以例如使用通信信道103与客户端设备100或多个客户端设备100通信的任何设备。计算装置200也可以指服务器。计算装置200可以例如使用一个计算机或多个计算机(诸如数据中心)来实现。可替换地，一个计算机或多个计算机可以使用例如虚拟化来实现多个计算装置200，其中计算装置200可以以软件来实现。
物品可以是例如用户可以购买或查看的任何产品。用户可以例如在电子商务平台上购买和/或查看物品。物品可以被分成多个类别，并且这些类别可以包括例如食品物品、动物食品物品、卫生物品、清洁物品、消费品等。这些类别可以被分成进一步的子类别。例如，食品物品可以分为蔬菜、水果、肉类、乳制品、面包、饮料等。
在一些实施例中，计算装置200可以连接到显示设备，诸如屏幕或监视器。例如，计算装置可以包括移动设备，并且移动设备可以包括屏幕。计算装置200可以被配置为使用显示设备向用户显示信息。例如，计算装置200可以被配置成向用户显示用户界面UI，并且该UI可以包括向用户显示的信息。该信息可包括例如一个或多个物品、物品的价格、物品的用户特定价格和/或活动。
图3示出了根据实施例的用于确定针对用户的相关物品的系统的示意性表示。当用户101使用客户端设备100在例如电子商务平台上执行各种动作102时，包括这些动作102的动作历史可以被保存到用户简档210中。动作102可以是例如物品购买、查看物品、将物品放入购物车或物品评论。用户简档210可以存储在例如计算装置200的存储器中。物品信息数据库220也可以存储到例如计算装置200的存储器中。在此，可以存储到计算装置200的存储器的任何信息/数据也可以以某种其他方式存储到例如外部数据库。物品信息数据库220可以从例如外部数据221或通过输入数据222获得和/或更新。外部数据221可以例如由物品的制造商提供。物品信息数据库220可以包括关于多个物品的信息，并且每个物品可以与各种属性相关联。
属性可以描述诸如食品物品或消费品的物品的任何性质或特性。多个属性适用于单个物品。属性对于多个物品可以是共同的。属性和属性值可以是预先确定的。属性的一些实施例描述如下。
基于用户简档210和物品信息数据库220，计算装置200可以执行各种计算过程230。这些计算过程230的输出可以例如指示物品信息数据库220中的物品与用户101的偏好的匹配程度、物品与用户101的先前动作102的相似程度、和/或物品与用户101的相关程度。计算过程230可以基于用户101的用户简档210和物品信息数据库220。基于计算过程230，计算装置200可以确定相关物品240，并且相关物品240可以通过客户端设备100呈现给用户101。例如，客户端设备100可以使用用户界面UI向用户101呈现相关物品240。根据实施例，计算过程230可以计算物品信息数据库220中的每个物品的相似性得分232，其中相似性得分232可以指示物品与用户简档210的匹配程度。基于相似性得分232，计算装置200可以例如通过根据物品信息数据库220中的物品的相似性得分232对物品进行排名/排序来确定用户101的相关物品。
图4示出了根据实施例的相关性计算过程230的示意性表示。基于存储在用户简档210中的动作历史221，可以计算用户属性简档212。例如，计算装置200可以使用由动作历史211指示的物品的物品属性向量223来计算用户属性简档212。在此，属性可以指可以被分配例如数值的物品的性质。例如，食品物品可以是无谷蛋白的。这可以通过将二进制值1分配给该物品的“无谷蛋白”属性来指示，其中，值1可以指示逻辑真。另一方面，如果物品不是无谷蛋白的，则该字段可以被分配值0，其中，值0可以指示逻辑假。或者，类似的属性可以由“含有谷蛋白”属性指示。对于一物品，只需要属性“无谷蛋白”和“含有谷蛋白”中的一个，因为这些属性可以指示相同的信息。应当理解，术语“无谷蛋白”本身不需要保存以指示物品是无谷蛋白的。相反，可以分配物品信息数据库220中的每个物品的特定字段来表示属性“无谷蛋白”，并且例如可以仅使用该字段的编号。字段的编号也可以称为属性标识ID。用户属性简档212可以基于用户101的动作历史211来指示哪些物品属性对于用户101是重要的。例如，如果用户101购买了大量无谷蛋白物品，则用户属性简档212可以反映这一点。另外，用户属性简档212可以指示用户101仅在一些物品类别中购买大量无谷蛋白物品。这也可以考虑。用户属性简档212也可以是用户属性简档向量。用户属性简档向量212的字段可以包括不同属性的值。如果用户101尚未购买任何物品，则可以使用关于用户101的其他信息来代替动作历史211，所述其他信息诸如用户101可能已放在购物车中的物品。根据实施例，动作历史211包括用户101的购买历史。
根据实施例，物品信息数据库220可以包括多个物品属性向量223，其中每个物品属性向量223包括物品的物品属性值。可以通过比较操作231将物品属性向量223与用户属性简档向量212进行比较。比较操作231例如可以计算指示物品属性向量223相对于用户属性简档向量212有多相似或多不相似的量。这个量可以被称为相似性得分232或计算的相似性得分。可以针对物品信息数据库220中的每个物品计算相似性得分232。基于针对每个物品的该量的值，可以确定与用户101相关的物品。
根据另一实施例，不需要计算用户属性简档向量212。相反，比较操作231可以直接使用用户101的动作历史211和属性简档向量212来计算相似性得分232。每个物品的相似性得分232可以被保存到例如用户简档210中。相似性得分232可以例如在用户101每次执行诸如进行购买的动作102时被更新。
图5示出了根据另一实施例的用户简档210的示意性表示。在该实施例中，除了动作历史211之外，用户简档210还包括用户属性简档212。计算装置200可以被配置成将用户属性简档向量212存储在用户101的用户简档210中。由于用户属性简档212存储在用户简档210中，因此不需要在每次为用户101确定相关物品时计算用户属性简档212。相反，用户属性简档212可以例如在每次用户101执行动作并且动作历史211被更新时被更新。这可以减少所需的计算总量，例如，在用户101执行动作的频率低于为用户101确定相关物品的情况下。或者，如果用户101的其他动作，诸如查看物品，影响用户属性简档212，则用户属性简档212可以在用户101每次执行这样的动作时被更新。作为替代或补充，用户属性简档212可以被周期性地更新。
根据实施例，适用于物品的属性可由物品的物品属性向量来指示。图6-图9示出了物品属性向量的示意性表示，其示出了在一些描述的实施例中不同物品的属性的相关性和利用。
图6示出了根据实施例的物品属性向量223的示意性表示。在本实施例中，物品属性向量223包括五个属性224，且每个属性的值225可以是0或1。值0和1可以分别指示逻辑值假和真。在这里和下面的实施例中呈现的属性的数量、属性的名称和属性值仅仅是示例性的。
根据实施例，物品属性向量223包括：逻辑真值，指示对于该物品的相应属性为真；以及逻辑假值，指示对于该物品的相应属性为假。
图7示出了根据实施例的食品物品的物品属性向量223的示意性表示。在该实施例中，物品属性向量223包括七个属性224，并且这些属性的值225指示该物品的属性是否为真。此外，为每个属性224分配标识ID 226。
在图6中呈现的食品物品的情况下，属性224和相应的属性值225指示该物品是有机的、低乳糖的和素食的(vegetarian)，并且该物品不是无乳糖的、纯素的、无谷蛋白的，或者不包含大量的蛋白质。在一些实施例中，不需要为每个物品保存属性224的名称。相反，属性的ID 226可以用于指示预期属性。例如，可以从单独的表中推断出属性ID 1对应于属性“有机”，属性ID 2对应于属性“无乳糖”等。
在一些实施例中，ID 226也不需要存储在物品属性向量223中。相反，只有属性值225可以存储在物品属性向量223中，并且值的排序可以指示预期属性。属性可以存储在例如单独的表中，并且该单个表可以用于所有物品的物品属性向量或用于所有物品的某个子集。例如，图7中呈现的属性向量可以被存储为[1,0,1,0,1,0,0]，并且单独的表格可以包括例如元素[有机、无乳糖、低乳糖、纯素、素食、无谷蛋白、高蛋白]。因此，可以基于该单独的表推断出物品属性向量223的第一元素对应于属性“有机”等。
还应当理解，如果属性值是二进制的，如图6的实施例的情况，则可通过对物品属性向量223中的比特进行分组来将比特值映射到例如十进制、十六进制、ASCII或统一码(Unicode)符号，并且可将符号存储在存储器中。
图8示出了根据实施例的卫生物品的物品属性向量223的示意性表示。由于卫生物品可以以各种方式不同于食品物品，因此与食品物品相比，卫生物品的物品属性向量223可以包括不同的属性224。例如，如图7所示，用于卫生物品的物品属性向量223可以包括例如指示物品适合于干燥或敏感皮肤或某些过敏的属性。食品物品的属性也可能与过敏有关，但是卫生物品的过敏可能与食品物品不同。类似地，不同的属性可以适用于不同的食品物品。在此，食品物品和卫生物品的属性之间的比较旨在说明不同物品的各种属性和不同属性。应当理解，在不同食品物品的属性等之间也存在显著差异。
卫生物品也可具有与食品物品共同的属性。如图7所示，这些属性可以是该物品是有机的或纯素(vegan)的。在图6和图7的实施例中，仅示出了适用于所讨论的物品的属性。应当理解，可以为所有物品存储所有属性，或者可以为每个物品仅存储适用属性。例如，可以使用物品树来确定物品的适用属性。每个物品可以是物品树的节点的一部分，并且可以基于该节点来确定适用属性。物品树可以是例如对物品进行分组和/或分类的任何结构。例如，物品树的节点可以对应于物品类别和子类别。物品树还可以指示例如物品的不同使用。可以基于物品树的节点来确定适用属性。例如，可以为物品类别确定适用属性的列表，使得那些属性适用于该类别中的所有物品。如果属性与某成分相关，该成分对于物品类别是共同的，则该属性可以适用于整个物品类别。一些属性可以适用于所有物品。物品的使用还可以确定适用属性。例如，“含有牛奶”可以是基于植物的饮料()的适用属性，例如豆奶，这是由于它们可能用作牛奶替代物。
图9示出了根据实施例的用于卫生物品的物品属性向量223的示意性表示。在该实施例中，在物品属性向量223中还呈现了不适用于卫生物品的属性。不适用于图8的卫生物品的属性由不可用特定值n/a 225′表示。可以使用能够明确地与有效值区分的任何特定值来指示属性不适用于特定物品。由于在图8的实施例中，0和1用作有效值，则NaN(例如-1或非数字)可用于指示属性不适用于物品。这在存储物品属性向量223时是有用的，因为属性224或属性ID 226可能不需要存储在物品属性向量223中/与其一起存储。相反，属性值225、225′的排序可用于指示哪个属性是所讨论的，并且相同的排序可在可具有不同适用属性的不同物品和物品类别之间使用。
例如，如果物品属性向量223只包括适用属性，则图6的食品物品可以由向量[1,0,1,0,1,0,0]表示，而图7的卫生物品可以由向量[1,0,1,0,1]表示。由于这些向量至少部分地涉及不同的属性，因此这些向量可能不容易比较。因此，两个物品类别可能需要单独的表来指示相应的属性。另一方面，如果物品属性向量223也包括非适用属性，则图6的食品物品可以由向量[1,0,1,0,1,0,0,n/a,n/a,n/a]表示，并且图8的卫生物品可以由向量[1,n/a,n/a,0,n/a,n/a,n/a,1,0,1].表示。由于这些表示使用相同的索引，所以物品是可比较的，并且索引与属性的对应关系可以被存储到例如用于所有物品和物品类别的单个表中。在一些实施例中，不同的索引可被用于不同的物品组，并且在每个物品组的索引和属性之间可存在对应表。
如本文实施例中所述，物品属性向量223可以以各种方式指示适用于物品的属性。例如，物品的物品属性向量可以仅包括适用于该物品的属性的属性值。这样的示例可以是图8的实施例，作为替代或补充，物品属性向量223可以包括不适用于物品的属性的特定属性值。因此，未被标记有这种特定值的属性可适用于该物品。这样的示例可以是图9的实施例。这些仅仅是示例，并且物品属性向量223还可以以各种不同的方式指示适用属性值。例如，物品属性向量223可以包括可以指示属性是否适用于物品的其他字段。
图10示出了根据实施例的用户动作历史211的示意性表示。在该实施例中，动作历史211包括购买。可以在动作历史211中以类似的方式表示其它类型的动作。在这样的实施例中，诸如购买、查看或回顾之类的动作类型也可以被存储到用户动作历史211中。或者，不同类型的动作可以被存储到用户动作历史211中的不同表中。对于用户101已经购买的每个物品，物品ID 901和购买的物品的数量902可以被存储到用户动作历史211中。在其它实施例中，可以仅将所购买的物品的ID 901存储到用户动作历史211中，并且如果已经多次购买了相同的物品，则将ID 901存储与已经购买的物品一样多的次数。在这样的实施例中，不需要存储购买的数量902，并且用户动作历史211可以仅包括物品ID 901的向量。关于物品的其他信息也可以存储到用户动作历史211。存储到用户动作历史211中的数据量可以根据例如用户101和用户101已经购买的物品而变化。
图11示出了根据实施例的用户属性简档向量212的示意性表示。在该实施例中，用户属性简档向量212包括五个属性224、对应的ID 226和属性值213。这仅仅是示例性的，并且存储在用户属性简档向量212中的属性的数量可以变化。每个属性ID 226对应于属性224。如果相应的ID 226存储在用户属性简档向量212中，则属性224本身不需要存储在用户属性简档向量212中。下面，为了说明的目的，在附图中呈现属性224。对于每个属性ID 226，用户属性简档向量212包括相应的属性值213。属性值213可以描述对应的属性与用户101的动作历史211的匹配程度。例如，属性的接近1的属性值213可以指示用户已经购买了大量物品，其物品属性向量223包括该属性的值1。作为替代或补充，用户101可能已经执行了与这样的物品有关的其他动作。因此，属性对于用户101可能是重要的，并且显示包括被设置为1的属性值的物品可能是有益的，因为这些物品对于用户101可能更相关。另一方面，接近0的属性值213可以指示相反的情况。相反的情况也是成立的；接近0的值213可以指示用户101已经购买了包括被设置为1的值的大量物品，反之亦然。在图11的实施例中，属性值213可以包括0和1之间的任何值。在其它实施例中，值213可以被缩放到不同的间隔，例如从0到100。
根据实施例，用户属性简档向量211中的每个属性值在0到1的范围内。
图12示出了根据另一实施例的用户属性简档向量212的示意性表示。该实施例类似于图11中所呈现的实施例，除了该实施例包括示例性属性224、属性ID 226和属性值213。在该实施例中，对应于属性ID 7的属性值是0.72，其指示物品中的高蛋白质含量。这可以指示用户101先前已经执行了与具有高蛋白质含量的物品相关的大量动作。例如，用户101可能已经购买了大量的这样的物品。因此，高蛋白质含量物品可以与用户101相关，并且向用户显示高蛋白质含量物品可以是有益的。在该范围的相反端，用户101可能仅执行了与无乳糖物品有关的少量动作，因为该属性的值在图12中呈现的用户属性简档212中仅为0.01。因此，在将来不向用户101显示无乳糖物品可能是有益的，因为这些物品可能与用户101不相关。
应当理解，上面关于图12的实施例给出的结论仅基于单个属性的值。为了确定与用户101相关的物品，考虑多于一个的属性可能是有益的。考虑适用于每个物品的所有属性可能是有益的。例如，在图12的实施例中，如果物品同时具有高蛋白质和无乳糖，则向用户101显示该物品可能仍然是有益的。
根据实施例，具有物品ID i的物品属性向量可以以下面的方式表示：
Pi＝[{0,1},{0,1},…,{0,1}]
其中向量Pi中的元素是指物品i的不同属性，其中i可以是整数。这里，{0,1}指示向量Pi的每个元素可以是0或1。例如，用于某些物品的物品向量可以是Pi＝[0,0,1,0]，其中向量Pi的每个元素是指对应索引的属性。第一元素可以指例如有机物品，第二元素可以指无乳糖物品，第三元素可以指低乳糖物品，第四元素可以指纯素物品。因此，在上述实施例中，该物品含有少量乳糖，但不是无乳糖的、有机的或纯素的。
根据实施例，可以按以下方式计算具有用户ID k的用户的用户属性简档向量212：
Figure BDA0002903715140000191
Pi[j]是指物品属性向量Pi的第j个元素。i|j|k的总和表示用户k已经购买的并且属性j适用的所有物品i的总和，并且nk|j是用户k已经购买的属性j适用的物品的总数。N是用户属性简档向量Uk的长度。例如，N可以是属性的总数。或者，对应于用户属性简档向量Uk中的索引j的每个元素可以表示为
Figure BDA0002903715140000192
在其他实施例中，当计算用户属性简档向量212时，可以以类似的方式考虑其他动作102。在这样的实施例中，不同的加权因子可以用于不同类型的动作。例如，购买物品可以被认为比查看物品更重要，并且因此购买可以比查看更多地被加权。
图13示出了物品属性向量223和用户属性简档向量212的比较的示意性表示。如从图13的实施例可以看出的，计算装置200可以比较物品属性向量223和用户属性简档向量212的对应属性值。
根据实施例，计算装置200被配置为通过比较属性简档向量212和物品属性向量223中的对应属性值来计算相似性得分232。例如，可以通过减去相应的属性值并取绝对值|Pi[j]-Uk[j]|来进行比较：
根据实施例，可以以下面的方式计算物品属性向量Pi和用户属性简档向量Uk之间的相似性得分232 Di,k：
Figure BDA0002903715140000201
其中，j|i的总和是适用于该物品i的所有属性j的总和，并且nj|i是适用于该物品i的属性的总数。||是绝对值，其也可以被称为模量。因此，相似性得分232 Di,k可以量化物品i与用户k的先前动作102有多相似。如果使用上述等式来计算相似性得分232 Di,k，则Di,k的值可在0与1之间，其中较低的值指示较高的相似性。例如，如果物品属性向量Pi和用户属性简档向量Uk中的对应属性值相等，则以上等式中的所有Pi[j]-Uk[j]项都为零。因此，在这种情况下，Di,k的值为零。在其他实施例中，可以使用不同的过程来计算物品属性向量223和用户属性简档向量212之间的相似性。
根据另一实施例，属性值可以是非二进制的。例如，属性值可以反映连续测量尺度上的物品的性质。例如，可以以下列方式将这种属性值X标准化为0和1之间：
Figure BDA0002903715140000202
其中Xn是属性值X的标准化值。本文中，min(X)指的是X的最小可能值，并且max(X)指的是X的最大可能值。例如，如果X是指每100克物品的蛋白质的量，则min(X)＝0g且max(X)＝100g。如果每100g物品包含10g蛋白质，则X＝10且Xn＝0.1。也可以以其它方式选择限制min(X)和max(X)。例如max(X)可以被选择以反映实际的最大值。在上述示例中，由于可能难以找到具有如此高蛋白质含量的物品，因此max(X)可能低于100g。例如，可以通过考虑所有物品并找到具有X的最高值的物品来确定max(X)的值。
根据另一实施例，非二进制属性值可以是类别值。这种属性值可以被分解为物品属性向量223和用户属性简档212中的m个二进制属性值的集合。例如，物品可以属于三个不同组X1、X2、X3之一，并且非二进制属性可以指示该物品属于哪个组。这可以被分解成三个二进制属性，其中每个属性可以是“组Xn的一部分”的形式。例如，如果物品属于组X2，则属性“组X1的一部分”和“组X3的一部分”的值可以是0，而属性“组X2的一部分”的值可以是1。由于单个非二进制类别属性可以被分解成多个二进制属性，所以当计算相似性得分Di,k时，该非二进制属性的影响可能过于突出。为了减轻这一点，可以以如下方式计算相似性得分，使得非二进制类别属性的权重例如等于二进制属性：
Figure BDA0002903715140000211
除了考虑物品与用户101之间的相似性得分Di,k之外，在对哪些物品可能与用户101相关的评估中，还可以考虑用户101的动作历史211。根据实施例，计算装置200还被配置为基于多个物品中的每个物品在物品树中的位置和用户先前购买的物品在物品树中的位置来计算每个物品的排序得分。计算装置200还可以被配置为使用每个物品的排序得分和每个物品的相似性得分232来对多个物品进行排序。
例如，可以以下面的方式计算物品i和用户k之间的排序得分Mi,k：
Figure BDA0002903715140000221
其中Di,k可以是上述计算的相似性得分232。w是一个权重因子，其可以被配置成强调相似性得分Di,k或下一项。Ri,k＝Ni/N，其中N是用户k的购买总数，并且Ni是用户k在包括该物品i的物品树的节点中完成的购买的数量。在其他实施例中，也可以考虑其他动作102。max(Ri,k)是用户k的量Ri,k的最大值，并且
Figure BDA0002903715140000222
是用户k的量Ri,k的非零最小值。或者，Ni和N可以指上述物品的价值、数量、利润或收益。此外，可以在某个时间间隔内执行上面给出的计算，以便只考虑在该时间间隔期间的购买。
例如，图7的食品物品属性向量223和图12的用户属性简档212的相似性得分232可以用上述等式来计算。比较的可视化在图13的实施例中说明，如果假设在图7的物品属性向量223中呈现了图7的食品物品的所有适用属性，则适用于该食品物品的属性总数为7。因此，对于该实施例，相似性得分232可被计算为：
Di,k＝(|1-0.1|+|0-0.01|+|1-0.126|+|0-0.148|+|1-0.42|+|0-0.3|+|0-0.72|)/7≈0.505
如果在物品属性向量223中与图7中的属性ID 7相对应的、指示食品物品的高蛋白质含量的属性被切换为1，并且其他属性保持为如图7中所示，则相似性得分232 Di,k的值改变为大约0.442。这指示具有高蛋白质含量的物品比具有低蛋白质含量的其它类似物品更类似于图12中呈现的用户简档212的先前动作，因为0.442<0.505。因此，当向用户101展示物品时，偏好包括高蛋白质含量的物品而不是包括低蛋白质含量的其它类似物品可能是有益的。然而，应当理解，其他属性值也影响哪些物品应当被显示给用户101。
基于相似性得分232，计算装置200可以决瞄准用户101显示哪些物品，以及例如以什么顺序显示。根据实施例，计算装置200可以为所有物品子集中的每个物品计算相似性得分232，并且显示具有最高相似性的物品。或者，计算装置200可以使用例如一些预先配置的统计分布从相似性得分分布中随机地选择显示的物品。根据另一实施例，计算装置200可以计算物品的相似性得分232，并且如果相似性得分在一些预先配置的限制内，则向用户101显示物品。这可以重复，例如，直到选择了预先配置数量的显示物品。根据另一实施例，计算装置200可以为多个物品中的每个物品计算相似性得分232，并根据相似性得分232对多个物品中的物品排序。这可以应用于例如搜索结果。
图14示出了根据另一实施例的物品属性向量223和用户属性简档向量212的比较的示意性表示。在图14的实施例中，物品属性向量223可以包括适用于卫生物品的属性。物品属性向量223和用户属性简档向量212可以包括比图14的实施例中更少数量的相应属性值。
根据实施例，计算装置200被配置为将每个相似性得分232存储在用户简档210中。可以为所有用户101或为所有用户101的某个子集预先计算用户简档210和物品属性向量223之间的相似性得分232。如果为用户101预先计算相似性得分232，则例如可以在用户101每次执行动作102时更新这些相似性得分232。预先计算的相似性得分232可以存储在用户简档210中，或者例如存储在单独的数据库中。作为替代或对此的补充，可以按需计算相似性得分232。例如，每当需要用户101的相似性得分232时，可以再次计算相似性得分232。可以为一些用户预先计算相似性得分232，而可以为其他用户按需计算相似性得分232。
根据实施例，“高相似性”可以指其中物品属性向量223和用户属性简档212相似的情况。“低相似性”可以指其中物品属性向量223和用户属性简档212不相似的情况。该相似性可以基于相似性得分232。然而，这些术语的使用与如何计算相似性得分的细节无关，不一定描述相似性得分232的值。例如，当使用上面给出的等式计算相似性得分232时，例如接近零的低相似性得分232可以指示高相似性，反之亦然。高和低相似性的精确界限可以变化。
图15示出了根据实施例的用户-物品特定价格计算的流程图1400表示。过程1400可以由例如计算装置200执行。替代地或另外地，过程1400的不同操作可以由不同设备执行。
用户-物品特定价格可以指特定于某个用户-物品对的价格。替代地或另外地，用户-物品特定价格可以是指物品的用户特定价格。
根据实施例，计算装置200包括至少一个处理器和包括计算机程序代码的至少一个存储器，至少一个存储器和计算机程序代码被配置为与至少一个处理器一起，使得计算装置：通过比较用户的用户属性简档向量和物品的物品属性向量中的对应属性值，计算用户的用户属性简档向量和物品的物品属性向量之间的相似性得分232；获得价格弹性1410；基于相似性得分和价格弹性来计算吸引力得分1417；以及至少基于吸引力得分和价格弹性来计算物品的用户特定价格1418。
当计算装置200计算物品的用户特定价格时，计算装置200可基于吸引力得分和/或价格弹性执行其它操作，诸如本文所公开的那些操作。这些操作可以产生其他量，诸如本文所公开的那些，并且计算装置200可以基于这些量和/或吸引力得分和/或价格弹性来计算物品的用户特定价格1418。因此，当计算装置200计算物品的用户特定价格时，这可涉及任何数量的计算/运算。这些计算可能涉及的一些示例在本文的实施例中公开。
在操作1402中，可获得价格弹性β1410。价格弹性β1410也可被称为需求的价格弹性。价格弹性β1410可以基于例如用户101的动作历史211来计算。价格弹性β1410可以使用例如本文描述的任何过程来计算。价格弹性β1410可以由例如计算装置200计算。或者，一些其它设备可以计算价格弹性β1410，并且将价格弹性β1410提供给例如计算装置200。例如，设备可以计算价格弹性β1410并且将其保存到存储器，并且计算装置200可以从存储器获得价格弹性β1410。计算装置200可以基于价格弹性β1410执行其他操作，诸如计算。
根据实施例，至少一个存储器202和计算机程序代码被配置为与至少一个处理器201一起，使得计算装置200：基于用户的动作历史211计算价格弹性1410。计算装置200可以例如从存储器202或一些其它存储介质获得动作历史211。
价格弹性1410可以例如在以下层级上以迭代方式计算：
1、用户-物品特定的价格弹性
2、物品特定的价格弹性
3、用户-物品层次-属性特定的价格弹性
4、物品层次-属性特定的价格弹性
5、物品层次层级价格弹性
如果没有足够的数据可用于在一定层级上可靠地估计价格弹性，则可以在更粗略的层级上估计价格弹性。例如，如果没有足够的数据可用于计算用户-物品特定的价格弹性，则可以计算物品特定的价格弹性，等等。
价格弹性β1410可以被定义为
Figure BDA0002903715140000251
其中Q是价格P上的需求。故而
Figure BDA0002903715140000252
并且一体化给出
Figure BDA0002903715140000261
其中Q0是原始价格P0的原始需求。这也可以表示为形式
Q＝Q0eβr
其中，r＝log P-log P0。
可以从其中确定物品对t的交叉价格弹性γ
Figure BDA0002903715140000262
其中，r＝log P-log P0且
Figure BDA0002903715140000263
图16示出了根据实施例的用户树1500的示意性表示。价格弹性β1410可以基于用户树1500来计算。
用户树1500的用户层级1501可以包括用户节点1510。用户树1500的第一物品层级1502可包括组节点1511。组节点1511可对应于更高层级物品组。用户树1500的第二物品层级1503可以包括更多组节点1512。组节点1512可对应于物品组。物品组可以基于物品树和/或适用的物品属性。用户树1500可以包括任何数量的组层级，并且两个组层级1502、1503仅是示例。
用户树1500还可以包括物品层级1504。物品层级1504可包括物品节点1513、1514。物品节点1513、1514可对应于物品。一些物品节点可以是成对的物品节点1514。成对的物品节点1514可对应于例如竞争物品。可以为成对的物品1514计算交叉价格弹性。可以为每个物品计算价格弹性。这可以被称为物品层价格弹性。价格弹性也可以在物品组层级1502、1503上计算。如果用户-物品对不具有足够的数据来估计用户-物品对的价格弹性，则可以计算用户树1500的任何层级上的更粗糙层级的价格弹性。
在操作1403中，可以获得用户和物品之间的相似性得分D 232。相似性得分232可以使用例如本文描述的任何过程来计算。相似性得分232可以由例如计算装置200计算。或者，一些其它装置可计算相似性得分232，且将相似性得分232提供到例如计算装置200。计算装置200可以基于相似性得分232执行其他操作，诸如计算。
在操作1405中，可为用户-物品对计算吸引力得分1417。
根据实施例，至少一个存储器202和计算机程序代码被配置为与至少一个处理器201一起，使得计算装置：使用包括相似性得分232和价格弹性1410的乘积来计算吸引力得分1417。在一些实施例中，该乘积还可以包括其它量和/或对这些量的操作。例如，乘积可以包括相似性得分232、价格弹性1410和/或其他量的绝对值。
可以针对多个物品计算吸引力得分1417。吸引力得分1417也可被称为用户-物品吸引力得分。对于用户i和物品j的吸引力得分Kij 1417可以使用例如包括价格弹性βij1410和相似性得分Dij 232的乘积来计算：
Kij＝|βij|×(1-Dij)
基于吸引力得分Kij 1417，可以针对用户i对物品j进行排序。例如，该顺序可以是升序。该顺序可以用于例如计算物品的用户特定价格。
在操作1407中，可以计算预测需求Q 1414。可以为用户-物品对计算预测需求Q1414。预测需求Q 1414可以使用例如给定时间窗口中的先前销售额来计算。可替换地或另外地，预测需求Q 1414可以使用给定时间窗口中在物品层次结构的不同层级上的先前销售额并且通过将物品层次结构中的层级的总销售额分配给该层级上的物品来计算。可替换地或另外地，预测需求Q 1414可以通过计算每个产品的基于用户-物品特定时间序列的需求，或通过计算基于用户-物品特定时间序列的需求来计算。
在操作1408中，可计算最佳利润价格1416。为了计算最佳利润价格1416，可以首先为每个物品定义可接受的价格范围。例如，可以基于价格可以偏离于目录价格(listprice)多少来确定可接受的价格范围。然后，可以将最佳利润价格1416的搜索限制到可接受的价格范围。
利润K可以根据下式被计算
K＝Q×(P-Pp)
其中Pp是物品的购买价格，且P是物品的价格。最佳利润Kopt可以被定义为可接受价格范围内的最大利润。通过寻找最佳利润Kopt，可以找到最佳利润价格Popt。例如，可以通过测试在可接受的价格范围内的所有可能的价格P或者通过使用一些其它的优化过程来寻找最佳利润Kopt。
替代地或另外地，可以使用下式来计算最佳利润价格Popt 1416：
Figure BDA0002903715140000281
例如，当没有定义可接受的价格范围时，可以使用这种方法。并且可以限制Popt为大于或等于Pp。
应当理解，使用上述过程获得的最佳利润价格1416不需要对应于利润的全局最大值。相反，最佳利润价格可以例如在可接受的价格范围内和/或以足够的准确度最大化利润。
在操作1409中，可计算用户-物品特定价格1418。基于吸引力得分K1417，可以根据物品对用户的吸引力来对物品进行排序。基于该排序，可为最吸引人的物品计算用户-物品特定价格1418。可预先配置对其计算用户-物品特定价格1418的物品的数量。例如，可根据吸引力得分K 1417来计算十个最吸引人的物品的用户-物品特定价格1418。或者，可以用某种其它方式来确定为其计算用户-物品特定价格1418的物品的数量。对于用户-物品特定价格P 1418的物品，用户-物品特定价格P 1418可被设置为等于最佳利润价格Popt 1416。或者，用户-物品特定价格1418可以用某种其它方式来计算，诸如使用本文所公开的过程。
根据实施例，至少一个存储器202和计算机程序代码被配置为与至少一个处理器201一起，使计算装置200：基于价格弹性计算预测需求1414；基于预测需求和价格弹性计算最佳利润价格1416；以及至少基于吸引力得分和最佳利润价格来计算物品的用户特定价格。
图19示出了根据实施例的物品瞄准的流程图1900表示。被瞄准的物品可包括例如活动物品。
在此，术语物品的“瞄准”可以指为用户确定可能与其相关或其感兴趣的物品。基于该瞄准，例如，可以将该物品呈现给那些用户。例如，如果物品是活动物品，则物品应当瞄准的用户的数量可能是有限的。因此，瞄准物品对其相关的用户可以是相关的。
在操作1901，计算装置200可从多个物品中获得物品。多个物品可对应于例如活动池。该至少一个物品可以对应于例如至少一个活动物品。尽管本公开在此可以涉及单个物品，但是计算装置200可以针对多个物品中的每个物品执行类似的过程。
在操作1403中，计算装置200可通过比较至少一个用户的用户属性简档向量和物品的物品属性向量中的对应属性值，计算至少一个用户的用户属性简档向量与物品的物品属性向量之间的至少一个相似性得分232。因此，计算装置200可计算在操作1901获得的物品和每个用户之间的相似性得分232。计算装置200可以使用例如本文公开的任何过程来计算相似性得分232。
在操作1902，计算装置200可获得物品的瞄准约束1907。瞄准约束1907可以包括例如活动瞄准约束。计算装置200可以例如从存储器202获得活动瞄准约束1907。瞄准约束1907可以由例如管理员预先配置。活动瞄准约束1907例如可以包括指示活动池1905中的物品应当如何瞄准不同用户的数据。瞄准约束1907例如可以包括定义被瞄准用户的动作历史211和/或用户属性简档向量212需要与物品的物品属性向量223匹配的接近程度的参数。瞄准约束可以包括例如阈值相似性得分。活动瞄准约束1907还可以包括物品的被瞄准用户的最大数量。
在操作1904中，计算装置200可以根据瞄准约束1907和至少一个相似性得分232从多个用户中选择至少一个被瞄准用户。
图20示出了根据实施例的活动瞄准计算的流程图2000表示。以上关于图19的实施例的任何公开内容也可以应用于图20的实施例的对应操作。
在操作1901，可从活动池获得物品。活动池可以包括一个或多个活动。每个活动可以包括例如活动物品。在每个活动中，活动物品的价格可以从物品的目录价格中降低。活动池可以指例如包括当前活跃的活动的指示的数据结构。存储器202例如可以包括活动池。
在操作1903中，可以基于相似性得分232和活动物品1905来计算活动吸引力得分Kij 1908。活动吸引力得分1908可从例如以下计算：
KKij＝|βij|×(1-Mij)×Ti
其中，
Figure BDA0002903715140000301
其中Ni，c是用户i要求的活动物品的数量，并且Ni，s是向用户i示出的活动物品的数量。Ti可以是指用户i的活动敏感度。动作历史211例如可以包括Ni，c和/或Ni，s。可替换地或另外地，Ti可以被预先计算并包括在动作历史211或与用户相关的一些其他数据结构中。
基于活动吸引力得分1908，可为每个用户进行活动排序。该顺序可以是例如降序。
在操作1904，可以计算向用户示出的活动。在操作1904，还可以计算用户特定活动价格。
可以基于最佳利润价格1416、活动瞄准1907、活动吸引力得分1908和/或相似性得分232来计算瞄准用户的活动和/或用户特定活动价格。在一些实施例中，在操作1904中，可以预先配置活动价格，并且可以不计算用户特定活动价格。
例如，计算装置200可以根据瞄准约束和相似性得分来选择活动物品的子集。例如，计算装置200可以计算用户与活动池1905中的每个活动物品之间的相似性得分。计算装置200然后可以选择活动物品的与用户的用户属性简档向量足够相似的子集。活动瞄准约束可以例如包括阈值相似性得分，并且计算装置200可以根据每个活动物品的相似性得分和阈值相似性得分来选择子集。例如，如果更大的相似性得分指示活动物品与用户属性简档向量之间的更高相似性，则计算装置200可以向子集选择具有大于阈值相似性得分的相似性得分的每个活动物品。或者，如果更小的相似性得分指示活动物品与用户属性简档向量之间的更高相似性，则计算装置200可以向子集选择具有小于阈值相似性得分的相似性得分的每个活动物品。
可以基于活动吸引力得分1908来排序所选子集中的活动物品，可以针对每个用户来排序活动。该顺序可以是例如降序。计算装置200可以根据该顺序计算所选子集中的活动物品的用户特定活动价格。
用户特定活动价格Pc，ij可以例如根据以下确定：
Figure BDA0002903715140000311
Dc，min可以是定义在目录价格Plist，ij之下的最大偏差的参数，并且Dc，max可以是定义在目录价格Plist，ij之上的最大偏差的参数。
用户特定活动价格的计算可以继续，只要Ri≤Ri，max，其中Ri是应该瞄准用户i的活动的数量，且Ri，max是瞄准用户i的活动的最大数量。可替换地或另外地，用户特定活动价格的计算可以继续，只要Si≤Si，max，其中Si是活动i所瞄准的用户的数量，且Si，max是活动i所瞄准的用户的最大数量。在一些实施例中，可以使用上述条件中的两者。例如，用户特定活动价格的计算可以继续，只要针对所考虑的用户i和活动j，Ri≤Ri，max且Sj≤Sj，max。
根据实施例，至少一个存储器和计算机程序代码被配置为与至少一个处理器一起，使计算装置：获得价格弹性；计算至少一个被瞄准用户的活动敏感度；基于价格弹性、至少一个相似性得分和至少一个被瞄准用户的活动敏感度，来计算物品的至少一个活动吸引力得分1908；获得物品的最佳利润价格；至少基于至少一个活动吸引力得分和最佳利润价格来计算物品的至少一个用户特定活动价格。
根据实施例，瞄准约束包括阈值相似性得分，并且其中至少一个存储器和计算机程序代码被配置为与至少一个处理器一起，使得计算装置：通过比较至少一个相似性得分和阈值相似性得分，根据瞄准约束和至少一个相似性得分从多个用户中选择至少一个被瞄准用户。
根据实施例，至少一个存储器和计算机程序代码被配置为与至少一个处理器一起，使得计算装置：获得至少一个被瞄准用户的动作历史，其中所述动作历史包括向至少一个被瞄准用户示出的活动的数量的指示和由至少一个被瞄准用户要求的活动的数量的指示；基于向用户示出的活动的数量和由至少一个被瞄准用户要求的活动的数量来计算所述用户的用户活动敏感度。
根据实施例，至少一个存储器和计算机程序代码被配置为与至少一个处理器一起，使得计算装置：使用包括至少一个相似性得分、价格弹性和用户活动敏感度的乘积来计算至少一个活动吸引力得分。
根据实施例，至少一个存储器和计算机程序代码被配置为与至少一个处理器一起，使得计算装置：基于至少一个被瞄准用户的动作历史来计算价格弹性。
图21示出了根据实施例的活动瞄准计算的流程图2100表示。以上关于图19或图20的实施例的任何公开内容也可以应用于图21的实施例的对应操作。
在操作1401中，可以获得控制参数250。除了以上公开的控制参数250之外，控制参数250可以包括例如可以瞄准Ri的用户活动i的最大数量。替代地或另外地，控制参数250可包括能够瞄准用户的活动的最大数量。替代地或另外地，控制参数250可以包括指示活动物品的最高价格的偏差参数Dc，max和/或指示活动物品的最低价格的偏差参数Dc，min。
根据实施例，至少一个存储器和计算机程序代码被配置为与至少一个处理器一起，使得计算装置：获得至少一个控制参数；至少基于至少一个活动吸引力得分、最佳利润价格以及至少一个控制参数来计算物品的用户特定活动价格。
根据实施例，至少一个控制参数包括指示用户特定活动价格的上限的第一偏差参数和指示用户特定活动价格的下限的第二偏差参数。
根据实施例，至少一个存储器和计算机程序代码被配置为与至少一个处理器一起，使得计算装置：至少基于活动吸引力得分、最佳利润价格、第一偏差参数和第二偏差参数来计算物品的用户特定活动价格。
根据实施例，至少一个控制参数包括瞄准至少一个被瞄准用户的活动物品的最大数量的指示。
根据实施例，至少一个存储器和计算机程序代码被配置为与至少一个处理器一起，使得计算装置：将瞄准至少一个被瞄准用户的活动物品的数量与瞄准至少一个被瞄准用户的活动物品的最大数量进行比较；响应于瞄准至少一个被瞄准用户的活动物品的数量大于瞄准至少一个被瞄准用户的活动物品的最大数量，将物品的用户特定活动价格设置为等于目录价格。
根据实施例，至少一个控制参数包括针对物品的被瞄准用户的最大数量的指示。
根据实施例，至少一个存储器和计算机程序代码被配置为与至少一个处理器一起，使得计算装置：将针对物品的被瞄准用户的数量与针对物品的被瞄准用户的最大数量进行比较；响应于针对物品的被瞄准用户的数量大于针对物品的被瞄准用户的最大数量，将物品的用户特定活动价格设置为等于目录价格。
根据实施例，至少一个存储器和计算机程序代码被配置为与至少一个处理器一起，使得计算装置：将物品的指示传送到至少一个被瞄准用户的客户端设备。
根据实施例，至少一个存储器和计算机程序代码被配置为与至少一个处理器一起，使得计算装置：使用用户界面向至少一个被瞄准用户显示物品的指示。
图22示出了根据实施例的物品显示界面1300的示意性表示。物品显示界面1300可以由客户端设备100呈现给用户101，并且显示界面1300的内容可以基于客户端设备100已经从计算装置200接收的数据。物品显示界面1300例如可以是在用户101登录到网站之后该网站的起始页面或者是该起始页面的一部分。或者，例如当用户101正在查看物品类别时，物品显示界面1300可以是网站上的单独页面。用户101可以不需要登录到网站。物品显示界面1300包括至少一个物品视图1301。物品视图1301可以显示关于物品的信息。例如，单个物品视图1301可以显示物品的图片和物品的名称。
如从图22中可以看到的，可以限制一次可以向用户101呈现的物品视图1301的数量。由于物品视图1301应当对用户101是清楚可见的，因此物品视图1301的大小不能无限制地减小。物品视图1301还可以包括用户101也应当清楚可见的多个组件。如果客户端设备100是例如具有相对较小显示器的移动电话，则这可能是特别限制的。在这样的客户端设备100上，仅有少数物品视图1301可以适合物品显示界面1300。物品视图1301的大小和布局可以取决于客户端设备100而被缩放。该缩放可由客户端设备100和/或由计算装置200执行。例如，如果客户端设备100是移动电话，则物品视图1301可以被布置到单个栏中，使得用户101仅需要沿着单个方向滚动物品显示界面1300，同时以足够清晰度显示物品视图1301。在具有较大显示器的客户端设备100上，诸如台式计算机，多个物品视图1301可并排地适合物品显示界面1300。
使用每个物品的用户属性简档212和物品属性向量223，计算装置200可以选择物品视图1301在物品显示界面1300中显示的方式，在这样的方式中，所显示的物品可以是用户101相关的和/或感兴趣的。根据实施例，计算装置200计算每个物品的相似性得分232，并且根据物品的相似性得分232在物品显示界面1300中布置物品视图1301。根据另一实施例，计算装置200计算每个物品的排序得分Mi，k，并且根据物品的排序得分Mi，k在物品显示界面1300中布置物品视图1301。计算装置200可以例如生成物品排序列表，该物品排序列表可以包括根据每个物品的排序得分Mi，k排序的多个物品。该顺序可以是例如上升或下降。
根据各实施例，其它准则也可被应用于物品视图1301的排序。例如，最前n个购买的物品和/或物品组可能未被排序到物品视图1301的顶部。n可以是任何数字。根据进一步的实施例，物品是与物品排序列表中的任何m个先前物品相同的物品树节点的一部分。m可以是任何数字。根据另一实施例，如果多个物品和/或物品组具有相同的相似性得分232和/或排序得分Mi，k，则可首先放置具有较高优先级的物品。可以基于诸如利润、销售量等的各种量来计算优先级。
计算装置200可以通过改进对有限显示空间的利用来改进用户体验。另外，由于用户101可以更容易且更快速地找到相关物品，所以可以减少去往/来自客户端设备100的功耗和传输数据量。例如，如果相关物品被排序为在物品显示界面1300中的第一物品视图1301内，则不太相关物品的物品视图1301可以不需要由客户端设备100显示或加载。因此，由于不需要将关于较不相关物品的数据(例如图片)传送到客户端设备100，所以可以减少传送的数据量。这些优点可以应用于本文所示的所有实施例。
图23示出了根据另一实施例的物品显示界面1300的示意性表示。在该实施例中，物品显示界面1300可以显示搜索结果，可以使用物品视图1301显示搜索结果，并且可以基于物品的相似性得分232和/或排序得分Mi，k对搜索结果进行排序。
例如，如果用户101搜索面包，则可以根据这些物品的物品属性向量223与用户101的用户属性简档212的匹配程度，在搜索结果中对不同的面包物品进行排序。例如，如果用户101搜索面包并且用户属性简档212指示用户101可能偏好有机食品物品，则计算装置200可以将不同的有机面包排序到搜索结果的顶部。计算装置200可以基于每个面包物品的物品属性向量223和用户101的用户属性简档212来计算每个可用面包物品的相似性得分232和/或排序得分Mi，k。如果用户101偏好有机食品，则用户属性简档212应该反映这一点。在这种情况下，有机面包与用户属性简档212的相似性可以高于其他类型面包的相似性。计算装置200和/或客户端设备100然后可以根据物品的相似性得分232和/或排序得分对搜索结果进行排序，并且搜索结果中的有机面包可以比其他类型的面包更高。应当注意，这仅仅是简化的示例，并且其他属性可以同时影响相似性得分和搜索结果的排序。可替换地，当用户101查看诸如“面包”的物品类别而不是搜索面包时，也可以应用这种类型的排序。
图24示出了根据另一实施例的物品显示界面1300的示意性表示。在该实施例中，物品视图1301可以显示在具有物品页面1307的物品显示界面1300中。用户101可能已经决定查看网站上的某个物品，并且关于该物品的信息可在物品页面1307中显示给用户101。物品页面1307可以包括例如物品的图片。物品视图1301可以例如位于显示界面1300的底部。在物品视图1301中显示的物品可以与在物品页面1307上显示的物品相关/相似。在这种情况下，用户属性简档212可以用于显示可以适合用户101的动作历史211和/或用户属性简档212并且与物品页面1307上显示的物品相关/相似的物品。或者，在物品视图1301中显示的物品可以不与在物品页面1307上显示的物品相关，但是它们可以是例如可以适合用户101的用户属性简档212的物品。例如，计算装置200可以计算物品子集的相似性得分232，并且可以基于这些相似性得分232在物品视图1301中显示高相似性物品。
尽管在上述实施例中，使用某些几何形状来说明物品显示界面1300的元素，但是元素可以具有任何形状和大小，并且它们可以以任何方式定位在物品显示界面1300中。物品显示界面1300的元素可以表示例如物品或物品相关信息。例如，物品视图1301可以被显示为列表、阵列或任何其他顺序。
在一些实施例中，计算装置200可以被配置成向用户显示物品显示界面1300。例如，计算装置200可以电耦合到显示设备，并且计算装置200可以使用显示设备向用户显示物品显示界面1300。
图25示出了根据实施例的物品视图1301的示意性表示。在该实施例中，物品视图1301包括物品的图片1302和名称1303。物品视图1301可以用于例如在物品显示界面1300中向用户101显示物品。
图26示出了根据另一实施例的物品视图1301的示意性表示。在该实施例中，物品视图1301包括物品的图片1302和名称1303。另外，客户端设备可以被配置为在至少一个物品视图1306中显示属性1305，其中该属性与在物品视图1301中显示的物品属性向量相关联。在图19的实施例中，物品视图1301包括物品的两个属性1305。然而，这仅是示例，并且所显示的属性1305的数量可以变化。所显示的属性1305可以是例如与用户101的用户属性简档212最相似的和/或基于用户简档210对用户101重要的物品的属性。例如，在图11中呈现的用户属性简档向量212的情况下，如果这些属性值在物品的物品属性向量223中为1，则显示的属性可以是“高蛋白质”和“素食”。
物品视图1301还可以包括物品的价格视图1304。价格视图1304可包括例如用户-物品特定价格1418。替代地或另外地，价格视图1304可以包括多于一个价格。价格视图1304可包括例如用户-物品特定价格1418和物品的目录价格。物品视图1301还可以包括物品折扣的指示1306。该指示1306可以包括例如物品的折扣百分比。该折扣百分比可以基于例如用户-物品特定价格1418和物品的目录价格来计算。
图27示出了根据另一实施例的物品视图1301的示意性表示。在该实施例中，物品视图1301还包括显示的相似性得分1306。根据实施例，计算装置200被配置为将相似性得分232传送到客户端设备100。根据实施例，客户端设备100被配置为从计算装置接收所计算的相似性得分232，并且在至少一个物品视图1301中显示所显示的相似性得分1306，其中所显示的相似性得分与所计算的相似性得分相关联。客户端设备100可以例如根据所计算的得分232来计算所显示的相似性得分1306。或者，计算装置200可将所显示的相似性得分1306传送到客户端设备100。所显示的相似性得分1306可以基于用户属性简档212和物品属性向量223来指示物品与用户101有多相关。或者，所显示的相似性得分1306可以不同于所计算的相似性得分232。例如，所显示的相似性得分1306可以被呈现为百分比。如前所述，计算的相似性得分232接近0可以指示物品属性向量223和用户属性简档212之间的高相似性。所显示的相似性得分1306可以例如以这样的方式根据所计算的相似性得分232计算，即，所显示的相似性得分1306接近100％时指示高相似性，而所显示的相似性得分1306接近0％时指示低相似性。
在不失去所寻求的效果的情况下，可以扩展或改变本文给出的任何范围或设备值。而且，任何实施例可以与另一实施例组合，除非明确地不允许。
尽管已经以特定于结构特征和/或动作的语言描述了主题，但是应当理解，所附权利要求中定义的主题不必限于上述特定特征或动作。相反，上述特定特征和动作是作为实现权利要求的实施例来公开的，并且其他等效特征和动作旨在落入权利要求的范围内。
本文描述的功能可以至少部分地由诸如软件组件的一个或多个计算机程序项组件来执行。可替换地或另外地，本文描述的功能可以至少部分地由一个或多个硬件逻辑组件来执行。例如，但不限于，可以使用的硬件逻辑组件的说明性类型包括现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑器件(CPLD)、图形处理单元(GPU)。
应当理解，上述益处和优点可以涉及一个实施例或者可以涉及若干实施例。实施例不限于解决任何或所有所述问题的那些实施例，或具有任何或所有所述益处和优点的那些实施例。还将理解，对“一个或一”物品的引用可以指这些物品中的一个或多个。术语“和/或”可以用于指示其连接的一个或多个情况可能发生。可能发生两种或多种连接情况，或者可能只发生其中一种连接情况。
本文描述的方法的操作可以以任何适当的顺序执行，或者在适当的情况下同时执行。另外，在不脱离本文所述主题的目的和范围的情况下，可以从任何方法中删除各个块。上述任何实施例的方面可以与所描述的任何其它实施例的方面组合以形成另外的实施例而不失去所寻求的效果。
本文的术语“包括”用来表示包括所标识的方法、块或元素，但是这样的块或元素不包括排他性列表，并且方法或装置可以包含附加的块或元素。
应当理解，上述说明仅作为示例给出，并且本领域技术人员可以进行各种修改。以上说明书、实施例和数据提供了对示例性实施例的结构和使用的完整描述。尽管以上以一定程度的特殊性或参考一个或多个单独的实施例描述了各种实施例，但是本领域技术人员可以对所公开的实施例做出许多改变，而不脱离本说明书的精神或范围。

Claims (15)

1.一种计算装置(200)，包括至少一个处理器和包括计算机程序代码的至少一个存储器，所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起，使得所述计算装置：
从多个物品中获得物品；
通过比较至少一个用户(101)的用户属性简档向量(212)和所述物品的物品属性向量(223)中的对应属性值，计算所述至少一个用户(101)的所述用户属性简档向量(212)与所述物品的所述物品属性向量(223)之间的至少一个相似性得分(232)；
获得针对所述物品的瞄准约束(1907)；以及
根据所述瞄准约束和所述至少一个相似性得分从所述多个用户中选择至少一个被瞄准用户。
2.根据权利要求1所述的计算装置(200)，其中所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起，使得所述计算装置：
获得价格弹性；
计算所述至少一个被瞄准用户的活动敏感度；
基于所述价格弹性、所述至少一个相似性得分和所述至少一个被瞄准用户的所述活动敏感度来计算所述物品的至少一个活动吸引力得分(1908)；
获得所述物品的最佳利润价格；
至少基于所述至少一个活动吸引力得分和所述最佳利润价格来计算所述物品的至少一个用户特定活动价格。
3.根据权利要求1或权利要求2所述的计算装置，其中，所述瞄准约束包括阈值相似性得分，并且其中所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起，使得所述计算装置：
通过比较所述至少一个相似性得分和所述阈值相似性得分，根据所述瞄准约束和所述至少一个相似性得分从所述多个用户中选择所述至少一个被瞄准用户。
4.根据上述任意权利要求所述的计算装置(200)，其中所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起，使得所述计算装置：
获得所述至少一个被瞄准用户的动作历史，其中所述动作历史包括向所述至少一个被瞄准用户示出的活动的数量的指示和由所述至少一个被瞄准用户要求的活动的数量的指示；
基于向所述用户示出的活动的数量和由所述至少一个被瞄准用户要求的活动的数量来计算所述用户的所述用户活动敏感度。
5.根据权利要求4所述的计算装置(200)，其中所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起，使得所述计算装置：
使用包括所述至少一个相似性得分、所述价格弹性和所述用户活动敏感度的乘积来计算所述至少一个活动吸引力得分。
6.根据上述任意权利要求所述的计算装置，其中所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起，使得所述计算装置：
基于所述至少一个被瞄准用户的动作历史来计算所述价格弹性。
7.根据上述任意权利要求所述的计算装置，其中所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起，使得所述计算装置：
获得至少一个控制参数；
至少基于所述至少一个活动吸引力得分、所述最佳利润价格以及所述至少一个控制参数来计算所述物品的所述用户特定活动价格。
8.根据权利要求7所述的计算装置(200)，其中所述至少一个控制参数包括指示所述用户特定活动价格的上限的第一偏差参数以及指示所述用户特定活动价格的下限的第二偏差参数。
9.根据权利要求8所述的计算装置，其中所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起，使得所述计算装置：
至少基于所述活动吸引力得分、所述最佳利润价格、所述第一偏差参数和所述第二偏差参数来计算所述物品的所述用户特定活动价格。
10.根据权利要求7-9中任意项所述的计算装置，其中所述至少一个控制参数包括瞄准所述至少一个被瞄准用户的活动物品的最大数量的指示。
11.根据权利要求10所述的计算装置，其中所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起，使得所述计算装置：
将瞄准所述至少一个被瞄准用户的活动物品的数量与瞄准所述至少一个被瞄准用户的活动物品的最大数量进行比较；
响应于瞄准所述至少一个被瞄准用户的活动物品的数量大于瞄准所述至少一个被瞄准用户的活动物品的最大数量，将所述物品的所述用户特定活动价格设置为等于目录价格。
12.根据上述任意权利要求的计算装置，其中所述至少一个控制参数包括针对所述物品的被瞄准用户的最大数量的指示。
13.根据权利要求12所述的计算装置，其中所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起，使得所述计算装置：
将针对所述物品的被瞄准用户的数量与针对所述物品的被瞄准用户的最大数量进行比较；
响应于针对所述物品的所述被瞄准用户的数量大于针对所述物品的所述被瞄准用户的最大数量，将所述物品的所述用户特定活动价格设置为等于目录价格。
14.根据上述任意权利要求所述的计算装置(200)，其中所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起，使得所述计算装置：
将所述物品的指示传送到所述至少一个被瞄准用户的客户端设备。
15.根据上述任意权利要求所述的计算装置(200)，其中所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起，使得所述计算装置：
使用用户界面向所述至少一个被瞄准用户显示所述物品的指示。
CN201980048109.3A 2018-07-18 2019-07-16 计算电子处理平台上的物品瞄准 Pending CN112437943A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP18184120.6A EP3598373A1 (en) 2018-07-18 2018-07-18 Determining product relevancy
EP18184120.6 2018-07-18
PCT/FI2019/050547 WO2020016481A1 (en) 2018-07-18 2019-07-16 Computation of item targeting on an electronic processing platform

Publications (1)

Publication Number Publication Date
CN112437943A true CN112437943A (zh) 2021-03-02

Family

ID=62985923

Family Applications (3)

Application Number Title Priority Date Filing Date
CN201980048018.XA Pending CN112424814A (zh) 2018-07-18 2019-07-16 确定物品相关性
CN201980048017.5A Pending CN112424812A (zh) 2018-07-18 2019-07-16 计算电子处理平台上的用户特定物品相关值
CN201980048109.3A Pending CN112437943A (zh) 2018-07-18 2019-07-16 计算电子处理平台上的物品瞄准

Family Applications Before (2)

Application Number Title Priority Date Filing Date
CN201980048018.XA Pending CN112424814A (zh) 2018-07-18 2019-07-16 确定物品相关性
CN201980048017.5A Pending CN112424812A (zh) 2018-07-18 2019-07-16 计算电子处理平台上的用户特定物品相关值

Country Status (5)

Country Link
US (3) US20210256548A1 (zh)
EP (4) EP3598373A1 (zh)
JP (3) JP7245904B2 (zh)
CN (3) CN112424814A (zh)
WO (3) WO2020016482A2 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210201340A1 (en) * 2019-12-31 2021-07-01 Myntra Designs Private Limited System and method for predicting discount-demand elasticity
US11403694B2 (en) * 2020-07-17 2022-08-02 YUTYBAZAR Limited System and method for intelligent context-based personalized beauty product recommendation and matching
US11494054B2 (en) * 2020-10-20 2022-11-08 International Business Machines Corporation Item recommendation based on computed similarity between automatically generated item and request profiles
US20230289868A1 (en) * 2022-03-08 2023-09-14 Maplebear Inc. (Dba Instacart) User interface with search results logically organized by carousels
US20240119098A1 (en) * 2022-09-22 2024-04-11 Spotify Ab Systems and Methods for Providing Content to Users

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040103024A1 (en) * 2000-05-24 2004-05-27 Matchcraft, Inc. Online media exchange
US20130198022A1 (en) * 2010-10-22 2013-08-01 Alibaba Group Holding Limited Method and Apparatus of Determining A Linked List of Candidate Products
US20150073931A1 (en) * 2013-09-06 2015-03-12 Microsoft Corporation Feature selection for recommender systems
CN104820879A (zh) * 2015-05-27 2015-08-05 北京京东尚科信息技术有限公司 一种用户行为信息的分析方法和装置
US20170140403A1 (en) * 2015-01-07 2017-05-18 Hitachi, Ltd. Customer analysis system
WO2017095371A1 (en) * 2015-11-30 2017-06-08 Hewlett Packard Enterprise Development Lp Product recommendations based on selected user and product attributes
JP2017182366A (ja) * 2016-03-30 2017-10-05 株式会社Ｎｔｔドコモ 情報処理装置
CN107424029A (zh) * 2016-05-23 2017-12-01 富士施乐株式会社 产品推荐方法和产品推荐系统
US20180150858A1 (en) * 2012-06-01 2018-05-31 Kurt L. Kimmerling System and method for generating pricing information

Family Cites Families (42)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5261098A (en) * 1991-08-28 1993-11-09 Sun Microsystems, Inc. Method and apparatus for deriving object type and obtaining object type attribute values
JP2000003394A (ja) * 1998-06-16 2000-01-07 Hitachi Ltd パーソナルマーチャンダイジングシステム
CA2409918A1 (en) * 2000-05-19 2001-11-29 Manugistics Atlanta, Inc. Dynamic pricing system
JP2002015231A (ja) * 2000-06-30 2002-01-18 Yafoo Japan Corp 電子商店サーバーにおける商品陳列制御方法
WO2003050715A1 (en) * 2001-12-10 2003-06-19 Redbank Manor Pty Ltd A system for secure distribution of electronic content and collection of fees
JP2004127075A (ja) * 2002-10-04 2004-04-22 Nippon Telegr & Teleph Corp <Ntt> 製品陳列方法、関連製品管理・検索方法、およびプログラム
US8019659B2 (en) * 2003-05-02 2011-09-13 Cbs Interactive Inc. Catalog taxonomy for storing product information and system and method using same
US7302445B2 (en) * 2003-08-29 2007-11-27 International Business Machines Corporation Method, system, and storage medium for providing a dynamic, multi-dimensional commodity modeling process
CA2598633A1 (en) * 2004-11-12 2006-05-26 Digonex Technologies, Inc. Dynamic pricing system with graphical user interface
JP4543930B2 (ja) 2005-01-07 2010-09-15 ソニー株式会社 情報処理装置および方法、並びにプログラム
US7987182B2 (en) * 2005-08-19 2011-07-26 Fourthwall Media, Inc. System and method for recommending items of interest to a user
US8364540B2 (en) * 2005-09-14 2013-01-29 Jumptap, Inc. Contextual targeting of content using a monetization platform
JP4408303B2 (ja) 2005-09-29 2010-02-03 日本たばこ産業株式会社 シミュレーション装置、効果測定装置、および販売促進支援システム
JP5303777B2 (ja) 2008-06-09 2013-10-02 株式会社Ｐｆｕ 特典情報提供装置、特典情報提供システム、特典情報提供方法、及びプログラム
JP5277307B2 (ja) * 2009-02-18 2013-08-28 株式会社日立製作所 情報推薦方法、そのシステム、及びサーバ
JP2011013845A (ja) * 2009-06-30 2011-01-20 Fujitsu Frontech Ltd Ｐｏｓレジスタ装置、ｐｏｓレジスタ装置での限定販売における必要人数の計算表示方法及びプログラム
US20110145226A1 (en) * 2009-12-10 2011-06-16 Microsoft Corporation Product similarity measure
US8676736B2 (en) 2010-07-30 2014-03-18 Gravity Research And Development Kft. Recommender systems and methods using modified alternating least squares algorithm
JP5805548B2 (ja) 2012-01-20 2015-11-04 日立マクセル株式会社 情報処理装置、及び、情報処理方法
JP2013228826A (ja) 2012-04-25 2013-11-07 Hitachi Consumer Electronics Co Ltd 商品提示システムおよび商品提示方法
WO2013181636A2 (en) * 2012-06-01 2013-12-05 Kimmerling Kurt L System and method for eliciting information and generating pricing information
CN103593763A (zh) * 2012-08-13 2014-02-19 腾讯科技（深圳）有限公司 信息组织方法和装置以及信息展示方法和装置
EP2701111A1 (en) * 2012-08-24 2014-02-26 Nederlandse Organisatie voor toegepast -natuurwetenschappelijk onderzoek TNO Group composition based recommender system and method
US10007946B1 (en) * 2013-03-07 2018-06-26 Vast.com, Inc. Systems, methods, and devices for measuring similarity of and generating recommendations for unique items
US9519928B2 (en) * 2013-07-29 2016-12-13 Bank Of American Corporation Product evaluation based on electronic receipt data
US20150142787A1 (en) * 2013-11-19 2015-05-21 Kurt L. Kimmerling Method and system for search refinement
CN103824213A (zh) 2014-03-13 2014-05-28 北京理工大学 一种基于用户偏好与商品属性的个性化推荐方法
JP2015230353A (ja) 2014-06-04 2015-12-21 株式会社ロイヤリティマーケティング 情報システム、統合装置、第一装置、情報処理方法、およびプログラム
JP6163269B2 (ja) 2014-07-29 2017-07-12 株式会社日立製作所 嗜好分析システム
US10572925B1 (en) * 2014-08-15 2020-02-25 Groupon, Inc. Universal relevance service framework
GB2546212A (en) * 2014-11-13 2017-07-12 Digital Alchemy (Australia) Pty Ltd Obtaining data relating to customers, processing the same and providing output of electronically generated customer offers
US20160225062A1 (en) * 2015-02-03 2016-08-04 GM Global Technology Operations LLC Systems for generating actionable recommendation objects based on geographic and sales loyalties
GB2548336B (en) 2016-03-08 2020-09-02 Sky Cp Ltd Media content recommendation
US20170337612A1 (en) 2016-05-23 2017-11-23 Ebay Inc. Real-time recommendation of entities by projection and comparison in vector spaces
CN106067132A (zh) * 2016-05-27 2016-11-02 乐视控股（北京）有限公司 商品属性的设置方法及装置
JP6674864B2 (ja) * 2016-08-18 2020-04-01 株式会社Ｎｔｔドコモ 情報処理装置及び情報処理システム
CN106897911A (zh) 2017-01-10 2017-06-27 南京邮电大学 一种基于用户和物品的自适应个性化推荐方法
KR20180083228A (ko) * 2017-01-12 2018-07-20 삼성전자주식회사 전자 장치 및 전자 장치에서의 전자 구매 방법
CN108182621A (zh) * 2017-12-07 2018-06-19 合肥美的智能科技有限公司 商品推荐方法及商品推荐装置、设备和存储介质
CN108261766A (zh) 2018-01-18 2018-07-10 珠海金山网络游戏科技有限公司 基于偏好的游戏商品推荐方法和装置
CN110163705B (zh) * 2018-02-13 2024-09-24 北京京东尚科信息技术有限公司 用于推送信息的方法和装置
US20190362220A1 (en) * 2018-05-25 2019-11-28 Sap Se Attentive neural collaborative filtering for modeling implicit feedback

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040103024A1 (en) * 2000-05-24 2004-05-27 Matchcraft, Inc. Online media exchange
US20130198022A1 (en) * 2010-10-22 2013-08-01 Alibaba Group Holding Limited Method and Apparatus of Determining A Linked List of Candidate Products
US20180150858A1 (en) * 2012-06-01 2018-05-31 Kurt L. Kimmerling System and method for generating pricing information
US20150073931A1 (en) * 2013-09-06 2015-03-12 Microsoft Corporation Feature selection for recommender systems
US20170140403A1 (en) * 2015-01-07 2017-05-18 Hitachi, Ltd. Customer analysis system
CN104820879A (zh) * 2015-05-27 2015-08-05 北京京东尚科信息技术有限公司 一种用户行为信息的分析方法和装置
WO2017095371A1 (en) * 2015-11-30 2017-06-08 Hewlett Packard Enterprise Development Lp Product recommendations based on selected user and product attributes
JP2017182366A (ja) * 2016-03-30 2017-10-05 株式会社Ｎｔｔドコモ 情報処理装置
CN107424029A (zh) * 2016-05-23 2017-12-01 富士施乐株式会社 产品推荐方法和产品推荐系统

Also Published As

Publication number Publication date
US20210256548A1 (en) 2021-08-19
EP3824429A4 (en) 2022-06-01
CN112424814A (zh) 2021-02-26
US20210256547A1 (en) 2021-08-19
EP3824425A4 (en) 2022-06-01
JP2021530827A (ja) 2021-11-11
JP7245904B2 (ja) 2023-03-24
EP3824427A1 (en) 2021-05-26
CN112424812A (zh) 2021-02-26
JP7154411B2 (ja) 2022-10-17
EP3598373A1 (en) 2020-01-22
WO2020016482A3 (en) 2020-03-26
WO2020016482A2 (en) 2020-01-23
WO2020016481A1 (en) 2020-01-23
JP2022507126A (ja) 2022-01-18
EP3824429A1 (en) 2021-05-26
JP2021531602A (ja) 2021-11-18
US20210272178A1 (en) 2021-09-02
JP7430724B2 (ja) 2024-02-13
EP3824425A2 (en) 2021-05-26
WO2020016204A1 (en) 2020-01-23

Similar Documents

Publication Publication Date Title
CN112437943A (zh) 计算电子处理平台上的物品瞄准
CN109064293B (zh) 商品推荐方法、装置、计算机设备及存储介质
US20190180301A1 (en) System for capturing item demand transference
CN110264291B (zh) 信息推荐方法和装置
CN105630836A (zh) 搜索结果的排序方法和装置
CN113627846A (zh) 一种库存调整方法、装置、电子设备及计算机可读介质
US20180075035A1 (en) Store-Specific Recommendation Engine
US11587028B2 (en) Computer system for optimizing garment inventory of retailer based on shapes of users
JP2020047156A (ja) 商品推薦装置及びプログラム
CN111242709A (zh) 一种消息推送方法及其装置、设备、存储介质
JP2016053784A (ja) 情報推薦プログラム及び情報処理装置
WO2019203994A1 (en) Quick learning recommendation system for baskets of goods
CN113763072B (zh) 用于分析信息的方法和装置
JP2018045505A (ja) 判定装置、判定方法および判定プログラム
CN116385048A (zh) 一种农产品智慧营销方法和系统
KR101637986B1 (ko) 최적 상품 제공 시스템 및 그 방법
JP2022523634A (ja) 個人向けの在庫管理のためのテキストデータの符号化
CN110020918B (zh) 一种推荐信息生成方法和系统
JP6809148B2 (ja) プログラムおよび組み合わせ抽出システム
KR20200075067A (ko) 채팅을 기반으로 한 주문형 쇼핑 큐레이션 장치
CN110110222A (zh) 一种目标对象确定方法、装置及计算机存储介质
CN110377831B (zh) 检索方法、装置、可读存储介质和电子设备
KR20230073724A (ko) 인터넷 쇼핑몰의 상품을 구매한 회원의 성별 추정 방법 및 장치
CN114581203A (zh) 一种商品推荐方法、装置、计算机设备和存储介质
CN111210290A (zh) 排序方法、装置和计算机可读存储介质

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