CN115836315A - 用于制造商、供应商和购买者的基于人工智能的电子商务系统和方法 - Google Patents

用于制造商、供应商和购买者的基于人工智能的电子商务系统和方法 Download PDF

Info

Publication number
CN115836315A
CN115836315A CN202180047600.1A CN202180047600A CN115836315A CN 115836315 A CN115836315 A CN 115836315A CN 202180047600 A CN202180047600 A CN 202180047600A CN 115836315 A CN115836315 A CN 115836315A
Authority
CN
China
Prior art keywords
data
collected
users
database
records
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
CN202180047600.1A
Other languages
English (en)
Inventor
山姆·施沃维兹
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.)
10644137 Canada Inc
Original Assignee
10644137 Canada Inc
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 10644137 Canada Inc filed Critical 10644137 Canada Inc
Publication of CN115836315A publication Critical patent/CN115836315A/zh
Pending legal-status Critical Current

Links

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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q30/018—Certifying business or products
    • 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
    • G06Q30/0282—Rating or review of business operators or products
    • 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]
    • G06Q30/0609—Buyer or seller confidence or verification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/3006—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is distributed, e.g. networked systems, clusters, multiprocessor systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3466—Performance evaluation by tracing or monitoring
    • G06F11/3476—Data logging
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/07—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail characterised by the inclusion of specific contents
    • H04L51/18—Commands or executable codes

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种为电子商务中的多个用户提供便利的计算机化网络系统。该系统具有至少一个服务器计算机；多个客户端计算设备，由用户使用；及将服务器计算机与客户端计算设备耦合的网络。服务器计算机具有数据库和人工智能(AI)模块，数据库和人工智能(AI)模块彼此耦合并且两者都耦合到数据输入/输出接口，其与客户端计算设备通信，以从多个数据源重复收集与电子商务相关的数据，基于从数据源收集数据的频率对来自每个数据源的收集的数据进行加权，使用收集的数据重复训练AI模块以优化一个或多个数据分析模型，使用一个或多个数据分析模型分析收集的数据，生成预测并识别预先验证的用户，以及将生成的预测和/或预先验证的用户输出到图形用户界面(GUI)。

Description

用于制造商、供应商和购买者的基于人工智能的电子商务系 统和方法
相关申请的交叉引用
本申请要求2020年5月4日提交的美国临时专利申请序列号63/019,854的权益，其全部内容通过引用并入本文。
技术领域
本公开总体上涉及一种用于制造商、供应商和购买者之间的电子商务的计算机化网络系统和方法，具体地，涉及用于制造商、供应商和购买者的基于人工智能的电子商务系统和方法。
背景技术
随着互联网技术的快速发展，电子商务(也称为“电子商务”)已经在世界各地流行起来，允许人们通过互联网在线购买和销售产品和/或服务。通常，有两种类型的电子商务系统。第一种类型的电子商务系统包括由公司和个人运营的销售自己的产品和服务的系统。
第二种类型的电子商务系统包括由第三方公司运营的交易平台，供卖方和买方在其上进行交易。在一些电子商务平台中，其运营公司也可以在其上销售自己的产品。这种电子商务系统的例子包括亚马逊、易贝、阿里巴巴等。
现有的电子商务系统，特别是具有各种买方和卖方的交易平台，面临一些交易挑战和决策问题。
例如，对于公司买方、分销商、批发商和最终用户消费者来说，如果没有进行背景检查、采购(考虑健康、安全、环境、法律等)过程以及交易方证书验证的繁琐和昂贵的方法，就很难对制造商和/或供应商的公司证书进行资格预审并采购产品和/或服务。买方通常依赖其他买方或商业评级组织/机构的评级来评估卖方的可信度和/或可靠性。然而，评级可能通常是不完整的和/或有偏见的，并且可能不足以防止欺骗和欺诈。另一方面，卖方通常依靠付款证明来确认买方的信誉，然而，这可能不足以防止纠纷和欺诈。
除了买方和卖方可获得的信息不足之外，全球各地的制造商还提供了大量关于其公司证书和/或产品信息和/或规格和/或认证的虚假陈述、欺诈和/或误导性信息。
此外，卖方通常(如果不是总是)很难为他们的产品和服务找到真正可靠的客户。客户线索的质量应该是每个卖方的第一优先级。每年都有数十亿美元浪费在不符合目标产品人口统计和/或不可信的客户身上。市场上有数以千计的“销售线索生成”工具，但无用、不准确和/或欺诈性数据约占在线客户销售线索的10％至40％。在线销售线索会产生大量低质量的销售线索。卖方花费数十亿美元购买不包含可信、合格和真正潜在客户的客户线索列表。电话推销、邮件活动、内部销售代表和其他这类营销方法无法为卖方提供经由在线销售他们的产品和服务在当前不断增长的全球数字市场中生存所需的竞争优势。
因此，对于企业主来说，成功地识别和在线接触合格和值得信赖的供应商以及来自世界各地的真正、可信和值得信赖的客户仍然是一个问题。
发明内容
根据本公开的一个方面，提供了一种为电子商务中的多个用户提供便利的计算机化网络系统；该系统包括：至少一个服务器计算机；多个客户端计算设备，由多个用户使用；以及网络，在功能上将至少一个服务器计算机与多个客户端计算设备耦合；至少一个服务器计算机包括：数据库，人工智能(AI)模块，在功能上耦合到数据库，AI模块包括神经网络，以及数据输入/输出接口，耦合到AI模块和数据库，并且被配置用于与多个客户端计算设备通信；并且数据库、AI模块和数据输入/输出接口被配置用于：从多个数据源重复收集与多个用户相关的数据，该数据包括历史记录、合规性、认证、公共财务记录、定价记录、出货记录、进出口记录、采购记录、信誉、客户评价、法律历史、可信度、保修和服务条款中的一个或多个；基于从数据源收集数据的频率，对从每个数据源收集的从每个数据源收集的数据进行加权；使用收集的数据重复训练AI模块的神经网络，以建立和优化一个或多个数据分析模型；使用一个或多个数据分析模型分析收集的数据；基于对所收集的数据的所述分析生成预测，以利用验证信息和评级对作为供应商、制造商以及产品和服务提供商的所述多个用户进行资格预审；从多个用户中识别预先验证的用户；以及将生成的预测和/或预先验证的用户输出到图形用户界面(GUI)。
在一些实施例中，一个或多个数据分析模型中的每一个包括：用于计算预测的结构；从每个数据源收集的数据的权重，用于对从每个数据源收集的数据进行加权；以及从每个数据源收集的数据的偏差。
在一些实施例中，数据库、AI模块和数据输入/输出接口被配置用于：识别人口统计市场和在线营销渠道；提供营销策略和活动计划；以及基于所收集的数据并使用一个或多个数据分析模型来生成营销解决方案。
在一些实施例中，数据库、AI模块和数据输入/输出接口被配置用于：提供购买点和/或在线订购表格的链接。
在一些实施例中，数据库、AI模块和数据输入/输出接口被配置用于：基于所述分析收集的数据，自动识别目标内容和目标用户；以及将所识别的目标内容自动发送给所识别的目标用户。
在一些实施例中，所述将所识别的目标内容自动发送给所识别的目标用户包括：以预定义的频率或基于所述分析所收集的数据自适应确定的频率，将所识别的目标内容自动发送给所识别的目标用户。
在一些实施例中，数据库、AI模块和数据输入/输出接口被配置用于：向一个或多个预先验证的用户提供用于品牌创建、产品管理、物流和合同价格的在线目录或在线商店；对一个或多个预先验证的用户进行排名；以及在功能上连接预先验证的用户以完成电子商务交易。
根据本公开的一个方面，提供了一种用于使用数据库、AI模块和数据输入/输出接口为电子商务中的多个用户提供便利的计算机化方法；该计算机化方法包括：从多个数据源重复收集与多个用户相关的数据，该数据包括历史、法规遵从性、认证、公共财务记录、定价记录、出货记录、进出口记录、采购记录、信誉、客户评价、法律历史、可信度、保修和服务条款中的一个或多个；基于从数据源收集数据的频率，对从每个数据源收集的数据进行加权；使用收集的数据重复训练AI模块的神经网络，以建立和优化一个或多个数据分析模型；使用一个或多个数据分析模型分析收集的数据；基于对所收集的数据的所述分析生成预测，以利用验证信息和评级对作为供应商、制造商以及产品和服务提供商的所述多个用户进行资格预审；从多个用户中识别预先验证的用户；以及将生成的预测和/或预先验证的用户输出到图形用户界面(GUI)。
在一些实施例中，一个或多个数据分析模型中的每一个包括：用于计算预测的结构；从每个数据源收集的数据的权重，用于对从每个数据源收集的数据进行加权；以及从每个数据源收集的数据的偏差。
在一些实施例中，计算机化方法进一步包括：识别人口统计市场和在线营销渠道；提供营销策略和活动计划；以及基于所收集的数据并使用一个或多个数据分析模型来生成营销解决方案。
在一些实施例中，计算机化方法进一步包括：提供购买点和/或在线订购表格的链接。
在一些实施例中，计算机化方法进一步包括：基于所述分析收集的数据，自动识别目标内容和目标用户；以及将所识别的目标内容自动发送给所识别的目标用户。
在一些实施例中，所述将所识别的目标内容自动发送给所识别的目标用户包括：以预定义的频率或基于所述分析所收集的数据自适应确定的频率，将所识别的目标内容自动发送给所识别的目标用户。
在一些实施例中，计算机化方法进一步包括：向一个或多个预先验证的用户提供用于品牌创建、产品管理、物流和合同价格的在线目录或在线商店；对一个或多个预先验证的用户进行排名；以及在功能上连接预先验证的用户以完成电子商务交易。
根据本公开的一个方面，提供了一个或多个非暂时性计算机可读存储设备，其包括计算机可执行指令来使用数据库、AI模块和数据输入/输出接口为电子商务中的多个用户提供便利；指令在被执行时使处理结构执行动作，包括：从多个数据源重复收集与多个用户相关的数据，该数据包括历史、法规遵从性、认证、公共财务记录、定价记录、出货记录、进出口记录、采购记录、信誉、客户评价、法律历史、可信度、保修和服务条款中的一个或多个；基于从数据源收集数据的频率，对从每个数据源收集的数据进行加权；使用收集的数据重复训练AI模块的神经网络，以建立和优化一个或多个数据分析模型；使用一个或多个数据分析模型分析收集的数据；基于对所收集的数据的所述分析生成预测，以利用验证信息和评级对作为供应商、制造商以及产品和服务提供商的所述多个用户进行资格预审；从多个用户中识别预先验证的用户；以及将生成的预测和/或预先验证的用户输出到图形用户界面(GUI)。
在一些实施例中，一个或多个数据分析模型中的每一个包括：用于计算预测的结构；从每个数据源收集的数据的权重，用于对从每个数据源收集的数据进行加权；以及从每个数据源收集的数据的偏差。
在一些实施例中，指令在被执行时使处理结构执行进一步的动作，包括：识别人口统计市场和在线营销渠道；提供营销策略和活动计划；以及基于所收集的数据并使用一个或多个数据分析模型来生成营销解决方案。
在一些实施例中，指令在被执行时使处理结构执行进一步的动作，包括：提供购买点和/或在线订购表格的链接。
在一些实施例中，指令在被执行时使处理结构执行进一步的动作，包括：基于所述分析收集的数据，自动识别目标内容和目标用户；以及将所识别的目标内容自动发送给所识别的目标用户。
在一些实施例中，所述将所识别的目标内容自动发送给所识别的目标用户包括：以预定义的频率或基于所述分析所收集的数据自适应确定的频率，将所识别的目标内容自动发送给所识别的目标用户。
在一些实施例中，指令在被执行时使处理结构执行进一步的动作，包括：向一个或多个预先验证的用户提供用于品牌创建、产品管理、物流和合同价格的在线目录或在线商店；对一个或多个预先验证的用户进行排名；以及在功能上连接预先验证的用户以完成电子商务交易。
附图说明
图1是根据本公开的一些实施例的电子商务系统的示意图；
图2是示出图1中所示的电子商务系统的计算设备的简化硬件结构的示意图；
图3示出了图1中所示的电子商务系统的计算设备的简化软件架构的示意图；
图4是示出图1中所示的电子商务系统的功能结构的框图；
图5是示出由图1中所示的电子商务系统执行的步骤的流程图，用于分析从各种源收集的数据以便于在线商务；
图6是图1中所示的电子商务系统使用的神经网络的示意图；以及
图7示出了根据本公开的一些实施例的图1中所示的电子商务系统的安全架构。
具体实施方式
系统概述
如上所述，现有的电子商务系统，特别是具有各种买方和卖方(统称为“各方”)的交易平台，具有许多缺点和/或问题，例如，用于评估各方和/或产品的可用信息通常是各种格式(包括大量非结构化信息)和各种上下文，从而导致现有的电子商务系统难以分析。还存在大量各方和/或产品的虚假陈述、欺诈和/或误导信息，这对现有的电子商务系统和知识渊博的人正确识别和区分真实信息和误导信息造成了挑战。此类问题通常导致“高质量”信息不足以可靠地识别合格方和/或产品。
此外，即使现有的电子商务系统和知识渊博的人可能能够正确地识别一些认证的信息以评估各方和/或产品，随着电子商务的规模和时间敏感性的增加，根据需要，现有的电子商务系统和知识渊博的人在提供及时和时间敏感的分析以支持电子商务方面面临重大挑战。
本文公开的实施例涉及用于解决上述问题中的至少一些的计算机化网络系统。具体地，计算机化网络系统被配置用于使用人工智能(AI)，以：
·对制造商、产品供应商和服务提供商进行验证和资格预审；
·自动化营销和销售；和/或
·为各种制造商、供应商和采购商的预先验证的公司的电子商务社区提供商业购物和供应中心。
现在转到图1，示出了计算机化网络系统形式的电子商务系统，并且通常使用附图标记100来标识。电子商务系统100具有至少两种类型的用户，包括货物和/或服务的买方和卖方。如图1中所示，电子商务系统100包括买方和卖方使用的一个或多个服务器计算机102和多个客户端计算设备104，所有这些都通过网络108功能上互连，例如互联网、局域网(LAN)、广域网(WAN)、城域网(MAN)和/或类似物，经由合适的有线和无线网络连接。
服务器计算机102执行一个或多个服务器程序。取决于实施方式，服务器计算机102可以是服务器计算设备和/或充当服务器计算机同时也由用户使用的通用计算设备。
每个客户端计算设备104执行一个或多个客户端应用程序(或所谓的“应用”)供用户使用。客户端计算设备104可以是台式计算机、膝上型计算机、平板电脑、智能手机、个人数字助理(PDA)和/或类似物。
通常，计算设备102和104具有类似的硬件结构，例如图2所示的硬件结构120。如图所示，计算设备102/104包括处理结构122、控制结构124、一个或多个非暂时性计算机可读存储器或存储设备126、网络接口128、协同输入130、显示输出132以及其他输入和输出模块134和136，所有这些都在功能上通过系统总线138互连。
处理结构122可以是一个或多个单核或多核计算处理器，例如
Figure BDA0004035374410000071
微处理器(INTEL是美国加州Santa Clara的英特尔公司的注册商标)、
Figure BDA0004035374410000072
微处理器(AMD是美国加州Sunnyvale的Advanced Micro Devices Inc的注册商标)、
Figure BDA0004035374410000073
微处理器(ARM是英国剑桥ARM有限公司的注册商标)，这些微处理器由诸如美国加州圣地亚哥的高通、
Figure BDA0004035374410000074
架构下的各种制造商等制造。
控制结构124包括一个或多个控制电路，例如图形控制器、输入/输出芯片组等，用于协调计算设备102/104的各种硬件组件和模块的操作。
存储器126包括处理结构122和控制结构124可访问的多个存储器单元，用于读取和/或存储数据，包括输入数据和由处理结构122和控制结构124生成的数据。存储器126可以是易失性和/或非易失性、不可移除或可移除存储器，例如RAM、ROM、EPROM、EEPROM、固态存储器、硬盘、CD、DVD、闪存等。在使用中，存储器126通常被划分成多个部分以用于不同的使用目的。例如，存储器126的一部分(这里表示为存储存储器)可以用于长期数据存储，例如，用于存储文件或数据库。存储器126的另一部分可以用作系统存储器，用于在处理期间存储数据(这里表示为工作存储器)。
网络接口128包括一个或多个网络模块，用于通过使用适当的有线或无线通信技术，例如以太网、
Figure BDA0004035374410000081
(WI-FI是美国德克萨斯州Austin的Wi-Fi Alliance的注册商标)、
Figure BDA0004035374410000082
(BLUETOOTH是美国华盛顿州Kirkland的Bluetooth Sig Inc的注册商标)、
Figure BDA0004035374410000083
(ZIGBEE是美国加利福尼亚州San Ramon的ZigBee Alliance Corp的注册商标)、3G、4G和/或5G无线移动电信技术和/或类似物，通过网络108连接到其他计算设备或网络。在一些实施例中，并行电缆(例如，具有DB-25连接器的并行电缆)、串行电缆(例如，RS232电缆)、USB连接、光学连接等也可以用于连接其他计算设备或网络，尽管它们通常被认为是用于连接输入/输出设备的输入/输出接口。
显示输出132包括用于显示图像的一个或多个显示模块，例如监视器、LCD显示器、LED显示器、投影仪等。显示输出132可以是计算设备102/104的物理集成部分(例如，膝上型计算机或平板电脑的显示器)，或者可以是与计算设备102/104的其他组件(例如，台式计算机的监视器)物理分离但功能上耦合的显示设备。
协同输入130包括一个或多个输入模块供一个或多个用户输入协同数据，例如触敏屏幕、触敏白板、轨迹球、计算机鼠标、触摸板或其他人机界面设备(HID)等。协同输入130可以是计算设备102/104的物理集成部分(例如，膝上型计算机的触摸板或平板电脑的触敏屏幕)，或者可以是与计算设备102/104的其他组件(例如，计算机鼠标)物理分离但在功能上耦合的设备。在一些实施方式中，协同输入130可以与显示输出132集成以形成触敏屏幕或触敏白板。
计算设备102/104还可以包括其它输入134，例如键盘、麦克风、扫描仪、照相机、全球定位系统(GPS)组件和/或类似物。计算设备102/104可进一步包括其它输出136，例如扬声器、打印机和/或类似物。
系统总线138将各种组件122至136互连，使它们能够相互传输和接收数据和控制信号。
图3示出了计算设备102或104的简化软件架构160。软件架构160包括应用层162、操作系统166、输入接口168、输出接口172和逻辑存储器180。应用层332、操作系统336、输入接口338和输出接口342通常被实施为存储在逻辑存储器350中的软件代码或固件代码形式的计算机可执行指令或代码，其可以由处理结构302执行。
应用层162包括由处理结构122执行或运行的用于执行各种任务的一个或多个应用程序164。操作系统166经由输入接口168和输出接口172管理计算设备102或104的各种硬件组件，管理逻辑存储器180，并管理和支持应用程序164。操作系统166还经由网络108与其他计算设备(未示出)通信，以允许应用程序164与在其他计算设备上运行的应用程序进行通信。如本领域技术人员将理解的，操作系统166可以是任何合适的操作系统，例如
Figure BDA0004035374410000091
(MCROSOFT和WINDOWS是美国华盛顿州雷德蒙市微软公司的注册商标)、
Figure BDA0004035374410000092
OS X、
Figure BDA0004035374410000093
iOS(APPLE是美国加利福尼亚州库比蒂诺市苹果公司的注册商标)、Linux、
Figure BDA0004035374410000094
(ANDROID是美国加利福尼亚州山景市谷歌公司的注册商标)等。电子商务系统100的计算设备102和104可以都具有相同的操作系统，或者可以具有不同的操作系统。
输入接口168包括一个或多个输入设备驱动器170，用于与包括协同输入130的相应输入设备通信。输出接口172包括由操作系统166管理的一个或多个输出设备驱动器174，用于与包括显示输出132的相应输出设备通信。经由输入接口168从输入设备接收的输入数据被发送到应用层162，并由一个或多个应用程序164进行处理。由应用程序164生成的输出经由输出接口172被发送到相应输出设备。
逻辑存储器180是物理存储器126的逻辑映射，以便于应用程序164访问。在该实施例中，逻辑存储器180包括存储存储器区域(180S)，其可以被映射到诸如硬盘、固态盘、闪存驱动器等的非易失性物理存储器，通常用于其中的长期数据存储。逻辑存储器180还包括工作存储器区域(180W)，其通常被映射到诸如RAM的高速并且在一些实施方式中是易失性的物理存储器，通常用于应用程序164在程序执行期间临时存储数据。例如，应用程序164可以将数据从存储存储器区域180S加载到工作存储器区域180W中，并且可以将在其执行期间生成的数据存储到工作存储器区域180W中。应用程序164还可以根据需要或响应于用户的命令将一些数据存储到存储存储器区域180S中。
在服务器计算机102中，应用层162通常包括一个或多个服务器侧应用程序164，其提供用于管理与客户端计算设备104的网络通信并促进服务器计算机102与客户端计算设备104之间的协作的服务器功能。这里，取决于上下文，术语“服务器”可以从硬件的角度指服务器计算机102，或者从软件的角度指逻辑服务器。
图4是示出电子商务系统100的功能结构的示意图。如图所示，电子商务系统100的服务器计算机102包括数据库202，其功能上耦合到基于AI的数据处理模块204。
这里，基于AI的数据处理模块204包括一个或多个数据分析模型，每个数据分析模型被配置用于特定的电子商务过程，例如销售线索、买方/卖方验证等。基于AI的数据处理模块204可以使用从各种源收集的数据来训练或优化数据分析模型，并且可以使用经过训练的数据分析模型来分析收集的数据并做出预测。
数据库202和基于AI的数据处理模块204在功能上耦合到数据输入/输出接口206，用于与在客户端计算设备104A上执行的客户端应用208通信，以接收来自客户端应用208的数据输入。所接收的数据输入可以由基于AI的数据处理模块204进行处理并存储在数据库202中。数据输入/输出接口206还可以接收来自客户端应用208的查询，并且响应于查询，可以从基于AI的数据处理模块204(如果查询结果不容易获得)或从数据库202(如果查询结果已经预先确定并存储在数据库202中)获得查询结果，并且可以将获得的查询结果返回给客户端应用208。
电子商务系统100的服务器计算机102还包括应用编程接口(API)210，其功能上耦合到数据库202和基于AI的数据处理模块204。在这些实施例中，API 210可以提供必要的编程接口，用于与在第三方计算设备(这里通常被认为是客户端计算设备104B)上的一个或多个第三方应用212上执行的一个或多个第三方应用212进行通信。通过使用API 210，服务器计算机102可以从第三方应用212接收第三方数据。所接收的第三方数据由基于AI的数据处理模块204进行处理并存储在数据库202中。服务器计算机102还可以经由API 210从第三方应用212接收查询，并且可以从基于AI的数据处理模块204或数据库202向第三方应用212提供查询结果。
可以使用各种硬件和软件工具来构建电子商务系统100。例如，在一些实施例中，可以使用编程语言Python并使用多个库来构建电子商务系统100，例如：
·开源的机器学习平台
Figure BDA0004035374410000111
2.0(TENSORFLOW是美国Google LLC,Menlo Park,CA的注册商标)，
·开源的神经网络库Keras，
·
Figure BDA0004035374410000112
生态系统(ANACONDA是美国Anaconda Inc，Austin，TX的注册商标)，其允许处理数据集并以图形方式使用数据，以及
·
Figure BDA0004035374410000113
语言(GO是美国Google LLC,Menlo Park,CA的注册商标)，用于构建图形用户界面(GUI)的服务和微服务。
图5是示出由电子商务系统100执行的步骤的流程图300，用于分析从各种源收集的数据以便于在线商务。在这些实施例中，电子商务系统100被实施和部署为软件即服务(SaaS)平台。
如图5中所示，电子商务系统100可以经由数据输入/输出接口206和客户端应用208从用户收集相关数据(步骤302A)。电子商务系统100还可以经由API 210和第三方应用212实时地从第三方收集相关数据(步骤302B)。在数据收集步骤302A和302B，电子商务系统100可以允许从无限制的数据源收集数据，例如包括大数据服务的公共可用数据源和/或可通过付费订阅获得的数据源。
在步骤302A和302B可以收集各种电子商务相关数据。例如，可以收集实体(例如，买方或卖方)的一个或多个以下数据：历史、法规遵从性、认证、公共财务记录、定价记录、出货记录、进出口记录、采购记录、信誉、客户评价、法律历史、可信度、保修和服务条款以及其他相关数据。
电子商务系统100可以根据需要以可变频率的增量数据更新来重复或周期性地执行数据收集步骤302A和302B，例如，以适应各种数据源的数据更新频率的频率。例如，对于实时提供数据更新的一些数据源，电子商务系统100可以高频率或实时地执行数据收集步骤302A和302B。对于以较慢频率(例如一天一次或一周一次)提供数据更新的一些数据源，电子商务系统100可以以相同的频率执行数据收集步骤302A和302B。
在一些实施例中，收集的数据可以与基于相应数据源的数据更新频率的加权因子相关联，以确保准确的分析结果。
在步骤304，通过经过预处理子过程，可以在电子商务系统100中“摄取”收集的数据。由微服务架构经由API来管理数据注入。可以基于要优化的数据分析模型来确定要摄取的变量。在步骤304，摄取所有数据。然后，准备和转换数据(步骤306)，并且生成数据集308以供数据分析模型随后使用。
然后使用诸如机器学习引擎的合适的AI引擎来分析数据集308(步骤310)。
具体地，创建初始数据分析模型312，并且基于初始数据分析模型312和数据集308来训练机器学习引擎(步骤314)。
在训练之后，由机器学习引擎使用数据分析模型来分析预处理的数据(步骤316)。在步骤316获得的分析结果被用于机器学习引擎的进一步训练或再训练(步骤318)，并且还被用于生成诸如评级报告(具有买方和/或卖方评级)的报告(步骤320)。在步骤322，更新数据分析模型。然后完成数据分析步骤310。
在步骤324，更新的数据分析模型被部署在数据库202中以供SaaS平台100上使用。在步骤326，执行器引擎使用数据分析模型来进一步处理数据并创建存储在数据库202中的元数据存储中的工件。然后生成预测(步骤328)，并将预测发布到诸如SaaS平台的web门户的输出(步骤330)。
在这些实施例中，基于AI的数据处理模块204使用诸如卷积神经网络(CNN)的神经网络来建立和更新数据分析模型，该数据分析模型表示基于AI的数据处理模块204已经从训练数据中学习到的内容。数据分析模型通常包括以下至少一个：
·如何计算预测的结构，以及
·数据的具体权重和偏差(由训练确定)；这里的“偏差”是一条数据是真实信息的可能性(或者等价地，一条数据是误导信息的可能性)。
基于AI的数据处理模块204可以控制数据分析模型的多个参数，以实现用于学习和处理复杂问题的高模型容量。如本领域技术人员将理解的，虽然电子商务系统100使用数据分析模型来处理收集的数据以进行数据分析和预测，但是电子商务系统100还可以使用收集的数据来训练或以其他方式更新和优化数据分析模型。通过使用机器学习引擎和数据分析模型，电子商务系统100可以使用各种技术，例如光学文本识别(OCR)、图像识别、音频识别、模式识别和/或类似物，来识别和分离各方和/或产品的真实信息及其歪曲、欺诈和/或误导信息，以评估各方和/或产品。
图6是神经网络400的示意图。如图所示，神经网络400包括用于接收具有用于训练的相关特征的数据的输入层402、多个隐藏层404和用于输出数据分析模型的更新或优化参数的输出层406。每个隐藏层404包括多个节点(也称为“神经元”)。
每个节点包括多个输入和一个输出，并且通过将激活函数(例如，非线性变换)应用于输入值的加权和来计算输出值。节点的每个输入连接到前面的相邻层(取决于节点的位置，其可以是输入层或前面的相邻隐藏层)中的多个节点的输出，并且节点的输出连接到后面的相邻层(其可以是后面的相邻隐藏层或输出层)中的多个节点的输入，从而产生复杂的非线性。
如上所述，基于AI的数据处理模块204可以使用从各种源收集的数据来训练或优化数据分析模型，并且可以使用经过训练的数据分析模型来分析收集的数据并做出预测。训练最初可以从可信数据源的小数据集开始，以确保数据质量。使用数据集优化数据分析模型的一组变量。如本领域技术人员将理解的，要优化的变量是数据分析模型的关键，需要仔细选择。用于训练每个数据分析模型的数据集可以优选地是特定的和唯一的。此外，数据量可取决于数据分析模型的复杂性。
随着处理数据集数量的增加，数据分析模型被反复训练或优化，因此，基于数据分析模型做出的预测的准确性得到提高。
如本领域技术人员将理解的，机器学习可能不是完全自主的。在一些实施例中，电子商务系统100可以允许诸如系统设计者和/或系统管理员的授权用户输入指令来细化和调整机器学习过程。
系统安全架构
本领域技术人员将理解，电子商务系统100可能需要增强的安全架构来保护用户及其交易。
图7示出了一些实施例中电子商务系统100的安全架构500。如图所示，外部源，如通过外部API 502(其是API 210的一部分)连接的第三方系统、外部用户设备504(其是客户端计算设备104的一部分)和各种外部数据源506，使用一个或多个加密或以其他方式安全的协议(如超文本传输协议安全(HTTPS))经由网络108连接到电子商务系统100。
每个外部源连接到系统，用于向其发送指令(例如，查询)和数据，并从其接收指令和数据。在下文中，为了便于描述，在外部源和电子商务系统100之间交换的指令和数据被表示为“连接”。
每个入站外部连接(即，从外部源发起的外部连接)首先通过第一防火墙510(也表示为“外部防火墙”)以使用合适的认证机制进行认证，例如用户名/密码、令牌(例如，由美国加利福尼亚州弗里蒙特的互联网工程任务组发布的OAuth 2.0)、API密钥和/或类似物。在认证之后，入站外部连接被传递到隔离区(DMZ)网络514中的网络服务器512。如本领域技术人员将理解的，DMZ网络(也称为“DMZ区”)充当电子商务系统100的外部网络108和内部网络518之间的缓冲区，并且通过提供到外部网络108的接口并保持内部设备512与外部网络108分离和隔离来保护其中的设备，例如网络服务器512。DMZ网络514在安全漏洞到达内部网络基础设施之前检测并减轻安全漏洞。
取决于入站外部连接的性质，网络服务器512可以通过经由防火墙510和网络108向其发送响应来进行响应。
如果网络服务器512无法响应入站外部连接，则网络服务器512可以通过第二防火墙516(也表示为“内部防火墙”)将入站外部连接传递到内部网络518。
具体地，首先将入站外部连接传递到认证/授权子系统522，以使用例如相关的安全配置文件、用户和/或用户组访问权限、诸如OAuth 2.0令牌的适用令牌和/或类似物进行进一步的安全检查。如果入站外部连接通过认证/授权并成为授权连接524，则授权连接524随后被传递到API/微服务子系统526，用于处理其中的指令和数据，并根据需要访问数据库202。处理结果可以被存储到数据库202中，或者被发送到一个或多个子系统，例如电子邮件服务器532、消息代理534、报告服务器538和/或类似物，以经由合适的装置向外部源报告。
安全架构500可以使用用于安全、加密、认证和授权的任何合适的技术，例如公钥加密、云加密、区块链和/或类似物。因此，电子商务系统100可以向内部和外部用户以及数据源提供增强的安全性。
现在描述电子商务系统100的各种示例。
示例1-高级的基于AI的验证系统，用于对制造商、产品和服务提供商进行资格预 审
电子商务系统100可以用作高级的基于AI的验证系统，以对制造商、产品和服务提供商进行资格预审。高级的基于AI的验证系统100可以自动化供应商、制造商以及产品和服务提供商的资格预审过程，提供高级的验证信息，然后在没有偏差的尺度上对它们进行评级。基于AI的验证系统100的使用允许买方、分销商、批发商和最终用户消费者快速浏览经过验证的制造商及其产品/服务供应，并将基于AI的验证平台收集的信息与其竞争对手进行比较。
在这个示例中，电子商务系统100被配置用于自动地从供应商、制造商和产品的多个数据源中获取、跟踪、验证和编译所有公开可用的模型相关数据。数据可以包括历史、法规遵从性、健康、安全、环境认证、公共财务记录、财务风险、定价、保修和服务条款、信誉、客户评价、参考资料、法律历史和整体可信度。
响应于用户的查询，然后，可以并排比较制造商和/或供应商和/或分销商和/或产品和/或服务，并基于正面积极和/或消极发现在1％和100％之间的尺度上进行评级。基于AI的电子商务系统100可以检测并警告用户潜在的欺诈企业，并且还可以列出、总结和/或推荐用它们的搜索标准识别的顶级信誉企业。
在这个示例中，对数据的访问可能限于地理法规和公开可用的数据。数据的使用可以经由API来处理。如上所述，数据馈送的频率可以根据数据源而变化。
在这个示例中，信息还可以源于第三方企业、政府或法律实体并与之协作，例如：
·认证公司，例如，Energy Star、UL、CSA、ISO9000、CEE和/或类似物；
·商业公司，例如，Bloomberg、Ceder、Business Insider和/或类似物；
·社交网站，例如，LinkedIn、Facebook、twitter、Instagram和/或类似物；
·信誉公司，例如，Better Business Bureau(BBB)、Trustpilot、Rippoff Report和/或类似物；
·法律实体，例如联邦和地方警察、FBI、国土安全部、公共法律记录和/或类似物；以及
·奖励实体，例如，Ernst&Young年度企业家奖、SCORE奖和/或类似物。
此外，数据传递可以经由API进行管理和/或许可进入各种第三方电子商务平台，例如亚马逊、阿里巴巴、易贝和/或类似物。
因此，作为SaaS平台的电子商务系统100可以使制造商、供应商和服务提供商能够上传应用资格预审信息。
在这个示例中，可以定制电子商务系统100的各种方面，例如其GUI和为注册目的而捕获的信息，以适应特定的行业、产品类型和地理区域。
此外，电子商务系统100可以包括访问控制机制，使得制造商、供应商和服务提供商可以不具有修改、操纵或删除系统100上显示的任何负面信息的能力，从而向潜在客户提供足够的可靠性和可信度。
按地理区域遵守数据隐私法规可能需要与隐私和数据使用相关的明确同意。例如，如果可能的话，可识别信息(例如，出生日期、社会保险号和/或类似物)可能不需要或者可能不被捕获。
注册公司可以在用户支付订阅费后上市并通过资格预审。买方和企业对企业(B2B)消费者和/或企业对消费者(B2C)公司可以订阅电子商务系统100，以获得对注册的、资格预审的公司的访问，作为支付订阅费的回报。
公司买方/分销商和批发商可以将项目/产品上传到电子商务系统100以供来自第三方的投标。在一些实施例中，电子商务系统100可以包括SaaS实时投标平台，以购买货物和/或服务，供资格预审的订户竞争。基于AI的电子商务系统100可以基于购买者的采购需求的标准推荐选择。由于系统100将为供应商、制造商和服务提供商的业务驱动销售，因此可以对每个中标者收取佣金。
通过使用电子商务系统100捕获的数据可以被货币化，因为它涉及购买趋势、人口统计、地理和/或类似物，这对于供应商、制造商和服务提供商来说可能具有很大的价值。
因此，基于AI的电子商务系统100可以将连接卖方和买方，并且可以在全球所有行业、所有产品和所有地理区域中使用。
示例2-高级的基于AI的营销和销售自动化解决方案
电子商务系统100还可以用作高级的基于AI的营销和销售自动化解决方案，其可以允许卖方创建有意义的有针对性的高效活动来推广他们的产品和服务。
在这个示例中，电子商务系统100可以包括基于AI的产品人口统计分析和客户验证工具。类似于上面描述的用于对制造商、产品和服务提供商进行资格预审的基于AI的验证系统的示例，可以验证B2C和B2B客户两者。可以通过利用诸如社交媒体存在等大数据来验证B2C消费者，并且可以基于多个数据源和第三方订阅服务来验证B2B业务。
在这个示例中，电子商务系统100还可以提供用于识别人口统计市场和在线营销渠道(例如，分销渠道)的数据解决方案。电子商务系统100可进一步提供低成本营销策略和活动计划，以换取订阅费的支付。此外，电子商务系统100可替代地向目标受众提供免费、低成本或成本有效的营销解决方案。
在这个示例中，电子商务系统100可以提供数据/系统解决方案，使得订户可以经由GUI输入一组参数，以允许他们生成营销预算并基于转换估计投资回报(ROI)。
在这个示例中，电子商务系统100可以是SaaS系统，用于通过使用诸如电子邮件、内容管理构建器工具、基于网络的电子商务站点和/或类似物的各种工具向目标受众营销和推广特定产品和服务。电子商务系统100可以经由网站(例如，AI商业中心)提供购买点的链接和/或在线订购表格的链接。电子商务系统100还可以与企业资源规划(ERP)系统和诸如物流公司和/或类似物的其他第三方系统集成，用于向其发送数据和/或从其接收数据。
在这个示例中，电子商务系统100可以实现线索培育自动化，以自动建立与潜在协作方(例如客户)的关系，即使他们不在开始协作或交易(例如购买产品或服务)的过程中。如本领域技术人员将理解的，线索培育自动化对于提升一方的形象和促进各方之间的合作或交易是重要的，并且可能是销售周期中最关键的步骤，因为沟通太少、太多或使用不正确的信息可能会自动导致死线索。
具体地，电子商务系统100可以基于上述分析自动识别目标内容和目标方或用户，并经由各种通信方法(如电子邮件、信件和/或类似物)以各种格式(如文本、图像、视频剪辑、音频剪辑和/或类似物)自动将识别的目标内容发送给所识别的目标方或用户。电子商务系统100可以以时间敏感的方式并以预定义的频率或基于上述分析自适应确定的频率自动地与所识别的目标方或用户进行通信。
作为SaaS系统，电子商务系统100可以自动化客户反馈收集、客户交互(例如，销售)以及线索跟踪和参考提交请求。电子商务系统100可以能够分析客户反馈以学习关于客户的有价值的信息以及他们对所提供的产品和服务的看法。如本领域技术人员将理解的，了解客户可以提供关于如何有效地与他们通信以及什么对他们有什么价值的有意义的信息。
在这个示例中，电子商务系统100利用AI功能向用户提供与他们的客户通信的最有效方法的定制的、具体的建议，例如“如何与客户交谈”、做什么和不做什么、频率、时间表和/或类似物。
示例3-面向企业的高级的AI购物和供应中心
电子商务系统100可进一步用作高级的面向企业的基于AI的购物和供应中心，其是使用上面描述的高级AI软件验证工具的各种制造商、供应商和购买者的预先验证的公司的电子商务SaaS社区。该服务可以针对B2B和B2C交易。
作为SaaS平台，基于AI的购物和供应中心100允许卖方将他们的产品进行预先筛选，并作为信誉良好和值得信赖的源。资格预审将由上面描述的高级的基于AI的验证系统驱动，以对制造商、产品、服务提供商和客户进行资格预审。
在这个示例中，基于AI的购物和供应中心100可以作为订阅服务提供给买方，以访问数百万个预先合格的供应商、产品和服务。由于该系统将成为他们的销售渠道，订阅费可能会向买方收取，潜在的佣金会向卖方收取。
基于AI的购物和供应中心100不断地验证卖方、买方和产品的准确性和质量，具有多种特征，包括：
·经验证的买方和卖方；
·每个成员可以具有在线目录或在线商店，允许品牌创建、产品管理、物流、合同价格(例如，私人价格和公共价格)等；
·基于客户反馈和上面描述的基于AI的验证系统的分析结果，每个用户或公司可以具有排序；
·广告货币化；
·产品/服务人口统计的货币化；
·公司可以发布产品和服务的招聘广告和/或征求建议书(RFP)，并且系统100可以将广告和/或RFP与推荐一起发送给系统的相关用户和公司；
·公司可以利用多个支付网关完成在线电子商务购买；
·公司可以利用上面描述的高级的基于AI的营销和销售自动化解决方案(例如，收取额外费用)；
·基于AI的购物和供应中心100可以利用上面描述的高级的基于AI的营销和销售自动化解决方案来对基于AI的购物和供应中心100的公司进行资格预审和来源。
尽管以上已经参考附图描述了实施例，但是本领域技术人员将理解，可以在不脱离所附权利要求所限定的范围的情况下进行变化和修改。

Claims (21)

1.一种为电子商务中的多个用户提供便利的计算机化网络系统，所述系统包括：
至少一个服务器计算机；
多个客户端计算设备，由所述多个用户使用；以及
网络，在功能上将所述至少一个服务器计算机与所述多个客户端计算设备耦合；
其中，所述至少一个服务器计算机包括：
数据库，
人工智能(AI)模块，在功能上耦合到所述数据库，所述AI模块包括神经网络，以及
数据输入/输出接口，耦合到所述AI模块和所述数据库，并且被配置用于与所述多个客户端计算设备通信；以及
其中，所述数据库、所述AI模块和所述数据输入/输出接口被配置用于：
从多个数据源重复收集与所述多个用户相关的数据，所述数据包括以下中的一者或多者：历史记录、合规性、认证、公共财务记录、定价记录、出货记录、进出口记录、采购记录、信誉、客户评价、法律历史、可信度、保修和服务条款；
基于从所述数据源收集数据的频率，对从每个数据源所收集的数据进行加权；
使用所收集的数据重复训练所述AI模块的所述神经网络，以建立和优化一个或多个数据分析模型；
使用所述一个或多个数据分析模型来分析所收集的数据；
基于对所收集的数据的所述分析生成预测，以利用验证信息和对其的评级对作为供应商、制造商以及产品和服务提供商的所述多个用户进行资格预审；
从所述多个用户中识别预先验证的用户；以及
将所生成的预测和/或所述预先验证的用户输出到图形用户界面(GUI)。
2.根据权利要求1所述的计算机化网络系统，其中，所述一个或多个数据分析模型中的每一个包括：
用于计算预测的结构；
从每个数据源所收集的数据的权重，用于所述的对从每个数据源所收集的数据进行加权；以及
从每个数据源所收集的数据的偏差。
3.根据权利要求1或2所述的计算机化网络系统，其中，所述数据库、所述AI模块和所述数据输入/输出接口被配置用于：
识别人口统计市场和在线营销渠道；
提供营销策略和活动计划；以及
基于所收集的数据并使用所述一个或多个数据分析模型来生成营销解决方案。
4.根据权利要求1至3中任一项所述的计算机化网络系统，其中，所述数据库、所述AI模块和所述数据输入/输出接口被配置用于：
提供购买点和/或在线订购表格的链接。
5.根据权利要求1至4中任一项所述的计算机化网络系统，其中，所述数据库、所述AI模块和所述数据输入/输出接口被配置用于：
基于所述的分析所收集的数据，自动识别目标内容和目标用户；以及
将所识别的目标内容自动发送给所识别的目标用户。
6.根据权利要求5所述的计算机化网络系统，其中，所述的将所识别的目标内容自动发送给所识别的目标用户包括：
以预定义的频率或基于所述的分析所收集的数据而自适应地确定的频率，将所识别的目标内容自动发送给所识别的目标用户。
7.根据权利要求1至6中任一项所述的计算机化网络系统，其中，所述数据库、所述AI模块和所述数据输入/输出接口被配置用于：
向一个或多个所述预先验证的用户提供用于品牌创建、产品管理、物流和合同价格的在线目录或在线商店；
对一个或多个所述预先验证的用户进行排序；以及
在功能上连接所述预先验证的用户以完成电子商务交易。
8.一种用于使用数据库、AI模块和数据输入/输出接口为电子商务中的多个用户提供便利的计算机化方法，所述计算机化方法包括：
从多个数据源重复收集与所述多个用户相关的数据，所述数据包括以下中的一者或多者：历史记录、合规性、认证、公共财务记录、定价记录、出货记录、进出口记录、采购记录、信誉、客户评价、法律历史、可信度、保修和服务条款；
基于从所述数据源收集数据的频率，对从每个数据源所收集的数据进行加权；
使用所收集的数据重复训练所述AI模块的神经网络，以建立和优化一个或多个数据分析模型；
使用所述一个或多个数据分析模型来分析所收集的数据；
基于对所收集的数据的所述分析生成预测，以利用验证信息和对其的评级对作为供应商、制造商以及产品和服务提供商的所述多个用户进行资格预审；
从所述多个用户中识别预先验证的用户；以及
将所生成的预测和/或所述预先验证的用户输出到图形用户界面(GUI)。
9.根据权利要求8所述的计算机化方法，其中，所述一个或多个数据分析模型中的每一个包括：
用于计算预测的结构；
从每个数据源收集的数据的权重，用于所述的对从每个数据源所收集的数据进行加权；以及
从每个数据源所收集的数据的偏差。
10.根据权利要求8或9所述的计算机化方法，还包括：
识别人口统计市场和在线营销渠道；
提供营销策略和活动计划；以及
基于所收集的数据并使用所述一个或多个数据分析模型来生成营销解决方案。
11.根据权利要求8至10中任一项所述的计算机化方法，还包括：
提供购买点和/或在线订购表格的链接。
12.根据权利要求8至11中任一项所述的计算机化方法，还包括：
基于所述的分析所收集的数据，自动识别目标内容和目标用户；以及
将所识别的目标内容自动发送给所识别的目标用户。
13.根据权利要求12所述的计算机化方法，其中，所述的将所识别的目标内容自动发送给所识别的目标用户包括：
以预定义的频率或基于所述的分析所收集的数据而自适应地确定的频率，将所识别的目标内容自动发送给所识别的目标用户。
14.根据权利要求8至13中任一项所述的计算机化方法，还包括：
向一个或多个所述预先验证的用户提供用于品牌创建、产品管理、物流和合同价格的在线目录或在线商店；
对一个或多个所述预先验证的用户进行排序；以及
在功能上连接所述预先验证的用户以完成电子商务交易。
15.一个或多个非暂时性计算机可读存储设备，包括计算机可执行指令来使用数据库、AI模块和数据输入/输出接口为电子商务中的多个用户提供便利，其中，所述指令在被执行时使处理结构执行动作，包括：
从多个数据源重复收集与所述多个用户相关的数据，所述数据包括以下中的一者或多者：历史记录、合规性、认证、公共财务记录、定价记录、出货记录、进出口记录、采购记录、信誉、客户评价、法律历史、可信度、保修和服务条款；
基于从所述数据源收集数据的频率，对从每个数据源所收集的数据进行加权；
使用所收集的数据重复训练所述AI模块的神经网络，以建立和优化一个或多个数据分析模型；
使用所述一个或多个数据分析模型来分析所收集的数据；
基于对所收集的数据的所述分析生成预测，以利用验证信息和对其的评级对作为供应商、制造商以及产品和服务提供商的所述多个用户进行资格预审；
从所述多个用户中识别预先验证的用户；以及
将所生成的预测和/或所述预先验证的用户输出到图形用户界面(GUI)。
16.根据权利要求15所述的一个或多个非暂时性计算机可读存储设备，其中，所述一个或多个数据分析模型中的每一个包括：
用于计算预测的结构；
从每个数据源所收集的所述数据的权重，用于所述的对从每个数据源所收集的数据进行所述加权；以及
从每个数据源所收集的数据的偏差。
17.根据权利要求15或16所述的一个或多个非暂时性计算机可读存储设备，其中，所述指令在被执行时使所述处理结构执行进一步的动作，包括：
识别人口统计市场和在线营销渠道；
提供营销策略和活动计划；以及
基于所收集的数据并使用所述一个或多个数据分析模型来生成营销解决方案。
18.根据权利要求15至17中任一项所述的一个或多个非暂时性计算机可读存储设备，其中，所述指令在被执行时使所述处理结构执行进一步的动作，包括：
提供购买点和/或在线订购表格的链接。
19.根据权利要求15至18中任一项所述的一个或多个非暂时性计算机可读存储设备，其中，所述指令在被执行时使所述处理结构执行进一步的动作，包括：
基于所述的分析所收集的数据，自动识别目标内容和目标用户；以及
将所识别的目标内容自动发送给所识别的目标用户。
20.根据权利要求19所述的一个或多个非暂时性计算机可读存储设备，其中，所述将所识别的目标内容自动发送给所识别的目标用户包括：
以预定义的频率或基于所述的分析所收集的数据而自适应地确定的频率，将所识别的目标内容自动发送给所识别的目标用户。
21.根据权利要求15至20中任一项所述的一个或多个非暂时性计算机可读存储设备，其中，所述指令在被执行时使所述处理结构执行进一步的动作，包括：
向一个或多个所述预先验证的用户提供用于品牌创建、产品管理、物流和合同价格的在线目录或在线商店；
对一个或多个所述预先验证的用户进行排序；以及
在功能上连接所述预先验证的用户以完成电子商务交易。
CN202180047600.1A 2020-05-04 2021-05-04 用于制造商、供应商和购买者的基于人工智能的电子商务系统和方法 Pending CN115836315A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US202063019854P 2020-05-04 2020-05-04
US63/019,854 2020-05-04
PCT/CA2021/050626 WO2021223025A1 (en) 2020-05-04 2021-05-04 Artificial-intelligence-based e-commerce system and method for manufacturers, suppliers, and purchasers

Publications (1)

Publication Number Publication Date
CN115836315A true CN115836315A (zh) 2023-03-21

Family

ID=78467834

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180047600.1A Pending CN115836315A (zh) 2020-05-04 2021-05-04 用于制造商、供应商和购买者的基于人工智能的电子商务系统和方法

Country Status (7)

Country Link
US (1) US20230206062A1 (zh)
EP (1) EP4147184A4 (zh)
JP (1) JP2023524537A (zh)
CN (1) CN115836315A (zh)
AU (1) AU2021267054A1 (zh)
CA (1) CA3177928A1 (zh)
WO (1) WO2021223025A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117273812A (zh) * 2023-11-23 2023-12-22 南通尚轩金属制品有限公司 一种塑料产品销售跟踪分析方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020122995A (ja) * 2017-05-22 2020-08-13 株式会社ジャパンディスプレイ ダイナミックプライシング管理システム
US20200074300A1 (en) * 2018-08-28 2020-03-05 Patabid Inc. Artificial-intelligence-augmented classification system and method for tender search and analysis
US10600105B1 (en) * 2018-11-20 2020-03-24 Rajiv Kumar Interactive electronic assignment of services to providers based on custom criteria

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117273812A (zh) * 2023-11-23 2023-12-22 南通尚轩金属制品有限公司 一种塑料产品销售跟踪分析方法
CN117273812B (zh) * 2023-11-23 2024-04-05 南通尚轩金属制品有限公司 一种塑料产品销售跟踪分析方法

Also Published As

Publication number Publication date
US20230206062A1 (en) 2023-06-29
CA3177928A1 (en) 2021-11-11
WO2021223025A1 (en) 2021-11-11
EP4147184A1 (en) 2023-03-15
JP2023524537A (ja) 2023-06-12
EP4147184A4 (en) 2024-06-05
AU2021267054A1 (en) 2023-02-23

Similar Documents

Publication Publication Date Title
US8650319B2 (en) System and method for workflow driven channel search results
US8868767B2 (en) System and method for enabling IP marketplace APIs
US20110246326A1 (en) System and method for enabling marketing channels in an ip marketplace
US20120130857A1 (en) System and method for searching vertical silos in an ip marketplace
Esenduran et al. Understanding the choice of online resale channel for used electronics
US20120265701A1 (en) System and method for ip zone credentialing
CN115836315A (zh) 用于制造商、供应商和购买者的基于人工智能的电子商务系统和方法
Alam et al. The role of technology entrepreneurship in facilitating corporate donations: a model for B2B social e-business development
EP2674906A1 (en) System and method for IP zone credentialing
Taherdoost Introduction to E-Business
SG188940A1 (en) System and method for searching marketing channels in an ip marketplace

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