CN116228270A - 智慧商店的选品规划方法、选品规划系统及其处理设备 - Google Patents
智慧商店的选品规划方法、选品规划系统及其处理设备 Download PDFInfo
- Publication number
- CN116228270A CN116228270A CN202111566370.8A CN202111566370A CN116228270A CN 116228270 A CN116228270 A CN 116228270A CN 202111566370 A CN202111566370 A CN 202111566370A CN 116228270 A CN116228270 A CN 116228270A
- Authority
- CN
- China
- Prior art keywords
- commodities
- commodity
- consumer
- intention
- target
- 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
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
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
-
- 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
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0641—Shopping interfaces
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本揭露公开了一种智慧商店的选品规划方法、选品规划系统及其处理设备。智慧商店的选品规划系统包括至少一追踪设备、多个侦测设备及处理设备。追踪设备用以侦测多个消费者轨迹。这些侦测设备用以侦测多个商品的多个消费者互动行为。处理设备包括绑定装置、意图分析装置及估算装置。绑定装置用以绑定这些消费者互动行为与这些消费者轨迹,以获得多个互动行为时序记录。意图分析装置用以依据这些互动行为时序记录,获得这些商品的多个消费意图。估算装置用以依据这些消费意图,估算这些商品的最佳商品需求组合。
Description
技术领域
本揭露是有关于一种智慧商店的选品规划方法、选品规划系统及其处理设备。
背景技术
智慧商店逐渐朝向迷你化发展。店内坪数的减少导致商品的品项减少,为了提高利润,选品规划变得更为重要。
此外,智慧商店也朝向本地化发展,深入于不同地区。一般而言,不同地区的消费习性并不相同。甚至不同时段的消费者也会有所变化。为了提高利润,如何根据不同的消费习性进行选品规划,已成为一项研究发展的重要目标。
发明内容
本揭露是有关于一种智慧商店的选品规划方法、选品规划系统及其处理设备。
根据本揭露的一方面,提出一种智慧商店的选品规划方法。智慧商店的选品规划方法包括以下步骤。侦测多个消费者轨迹。侦测多个商品的多个消费者互动行为。这些消费者互动行为至少包括拿取行为及放回行为。绑定这些消费者互动行为与这些消费者轨迹,以获得多个互动行为时序记录。依据这些互动行为时序记录,获得多个消费意图。依据这些消费意图,估算这些商品之最佳商品需求组合。
根据本揭露的另一方面,提出一种智慧商店的选品规划系统。智慧商店的选品规划系统包括至少一追踪设备、多个侦测设备及处理设备。追踪设备用以侦测多个消费者轨迹。这些侦测设备用以侦测多个商品的多个消费者互动行为。这些消费者互动行为至少包括拿取行为及放回行为。处理设备包括绑定装置、意图分析装置及估算装置。绑定装置用以绑定这些消费者互动行为与这些消费者轨迹,以获得多个互动行为时序记录。意图分析装置用以依据这些互动行为时序记录,获得多个消费意图。估算装置用以依据这些消费意图,估算这些商品的最佳商品需求组合。
根据本揭露的另一方面,提出一种智慧商店的选品规划系统的处理设备。智慧商店的选品规划系统的处理设备包括绑定装置、意图分析装置及估算装置。绑定装置用以绑定多个消费者互动行为与多个消费者轨迹,以获得多个互动行为时序记录。意图分析装置用以依据这些互动行为时序记录,获得多个消费意图。估算装置用以依据这些消费意图,估算这些商品的最佳商品需求组合。
为了对本揭露的上述及其他方面有更好的了解,下文特举实施例,并配合所附图式详细说明如下。
附图说明
图1为本揭露一实施例的智慧商店的示意图。
图2为本揭露一实施例的智慧商店的选品规划系统的示意图。
图3为本揭露一实施例的消费者心理历程模型。
图4为本揭露一实施例的智慧商店的选品规划方法的流程图。
图5为本揭露一实施例的目标商品意图与连带商品意图的分析方法的流程图。
图6示意性示出了说明评估单元。
图7为本揭露一实施例的兴趣商品意图的分析方法的流程图。
图8为本揭露一实施例的替代商品意图的分析方法的流程图。
图9为本揭露一实施例的目标商品缺货的分析方法的流程图。
图10为步骤S150的细部流程图。
附图标记
100:追踪设备;
200:侦测设备;
300:处理设备;
310:绑定装置;
320:意图分析装置;
321:资料筛选单元;
322:计算单元;
323:评估单元;
330:估算装置;
331:设定单元;
332:暂存单元;
333:预测单元;
334:分析单元;
335:加总单元;
336:最佳化单元;
900:智慧商店;
1000:选品规划系统;
ACijk:消费者互动行为;
CD:最佳商品需求组合;
CIijk:消费意图;
CMi:消费者;
DH:历史预测需求资讯;
DO:缺货需求资讯;
DS:替代需求资讯;
DT:总合需求资讯;
GD1,GD2,GD3,GD4,GD5,GD6,GD7,GD8,GD9,GD10,GD11,GDj:商品;
PA:商品属性资讯;
PC:规划条件;
PG:规划目标;
PR:购买记录资讯;
RCik:互动行为时序记录;
S110,S120,S130,S140,S1411,S1412,S1413,S1414,S1415,S1421,S1422,S1423,S1424,S1431,S1432,S1433,S1434,S1441,S1442,S1443,S1444,S150,S151,S152,S153,S154,S155,S156:步骤;
ST1:计划阶段;
ST2:感知阶段;
ST3:解释阶段;
ST4:评估阶段;
TRik:消费者轨迹。
具体实施方式
请参照图1,其为本揭露一实施例的智慧商店900的示意图。智慧商店900的坪数不多,可以陈列的商品GDj的品项不多,必须进行有效的选品规划。商品GDj例如是商品GD1~GD11。对于不同时段的消费者CMi,也需要进行不同的选品规划。
请参照图2,其为本揭露一实施例的智慧商店900的选品规划系统1000的示意图。选品规划系统1000包括至少一追踪设备100、多个侦测设备200及处理设备300。追踪设备100用以侦测消费者CMi在某次进店的消费者轨迹TRik。追踪设备100例如是影像辨识装置、红外线感测器、或微波感测器。如图1所示,消费者轨迹TRik不仅记录在智慧商店900中的位置,也记录时间资讯。
侦测设备200用以侦测消费者CMi在某次进店对商品GDj的消费者互动行为ACijk。消费者互动行为ACijk例如是包括拿取行为、放回行为、停留行为、观看广告行为、检视行为、注视行为、拍照行为及比较行为。侦测设备200例如是重量感测器、红外线感测器、磁控元件、影像辨识器、RFID感应器等。
处理设备300用以依据消费者轨迹TRik及消费者互动行为ACijk分析出消费者CMi在某次进店对商品GDj的消费意图CIijk。消费意图CIijk例如是包括目标商品意图、连带商品意图、替代商品意图、兴趣商品意图、目标商品缺货及目标商品未陈列。处理设备300依据消费意图CIijk,估算商品GDj的最佳商品需求组合CD。
处理设备300包括绑定装置310、意图分析装置320及估算装置330。各个元件的功能概述如下。绑定装置310用以绑定消费者互动行为ACijk与消费者轨迹TRik。意图分析装置320用以获得消费者CMi对商品GDj之消费意图CIijk。估算装置330用以估算商品GDj的最佳商品需求组合CD。
请参照图3,其为本揭露一实施例的消费者心理历程模型。在计画阶段ST1,消费者CMi进店的主要目标为目标商品。在感知阶段ST2,消费者CMi进店后,受店内环境影响,产生新增需求进而购买的商品为连带商品。在解释阶段ST3,消费者CMi与目标商品比较后,决定暂时不买的商品为替代商品。若目标商品缺货,可能转而购买替代商品。此外,在解释阶段ST3中,消费者CMi对商品GDj具有不同程度的兴趣,而尚未购买的商品为兴趣商品。在评估阶段ST4,消费者CMi比较计画阶段ST1的目标商品与最后结果得到满意或不满意的结果。不满意的原因包含目标商品缺货或目标商品未陈列。
上述消费者心理历程模型是为每一消费者CMi在某次进店对商品GDj的消费意图CIijk。在没有当面询问消费者CMi的情况下,并不容易得知消费者CMi在某次进店对商品GDj的消费意图CIijk,本实施例的处理设备300的意图分析装置320通过消费者CMi在某次进店的消费者互动行为ACijk与消费者轨迹TRik,分析出消费意图CIijk。并且,处理设备300的估算装置330藉由消费意图CIijk估算出商品GDj的最佳商品需求组合CD。处理设备300是为电脑软体与硬体资源协同运作的具体技术手段。以下可通过流程图详细说明各项元件的运作。
请参照图4,其为本揭露一实施例的智慧商店的选品规划方法的流程图。在步骤S110中,如图1所示,追踪设备100侦测消费者CMi在某次进店的消费者轨迹TRik。在一实施例中,追踪设备100是为拍摄全店之广角相机。追踪设备100从俯视的角度进行拍摄。追踪设备100在每一张画面都进行人形辨识,只要辨识出人形,即在画面中进行标注。连续画面中的相同人形会连续地记录画面中的位置,以获得该消费者CMi的消费者轨迹TRik。在同一画面中,可能会出现两个以上的消费者CMi。不同的消费者CMi的位置个别地连结成不同的消费者轨迹TRik。消费者轨迹TRik包含时间资讯。不同消费者轨迹TRik的出现时间与结束时间不一定相同。
在步骤S120中,侦测设备200侦测消费者CMi在某次进店对商品GDj的消费者互动行为ACijk。在一实施例中,每一侦测设备200针对一或多个商品GDj进行侦测,以确认商品GDj是否有被消费者CMi拿取、是否有被消费者CMi放回行为、是否有消费者CMi停留在前方、是否有消费者CMi观看其广告、是否有被消费者CMi检视、是否有被消费者CMi注视、是否有被消费者CMi拍照、及是否有被消费者CMi拿起与其他商品GDj进行比较。这些消费者互动行为ACijk会被记录对应的商品GDj与发生的时间,但不一定会记录执行此动作的消费者CMi。
上述步骤S110及步骤S120可以是同时执行,互相不受影响。步骤110的消费者轨迹TRik存有时间资讯,步骤S120的消费者互动行为ACijk也存有时间资讯。
然后,在步骤S130中,绑定装置310绑定消费者互动行为ACijk与消费者轨迹TRik,以获得互动行为时序记录RCik。步骤110的消费者轨迹TRik与步骤S120的消费者互动行为ACijk通过时间资讯,可以进行绑定。请参照表一,其示例说明互动行为时序记录RCik的一例。
表一
表一的互动行为时序记录RCik是为某一消费者CMi的某次进店的消费者轨迹TRik,其绑定了该次进店的多个消费者互动行为ACijk。同一消费者可能会有多次进店,则可以记录多笔互动行为时序记录RCik。
接着,在步骤S140中,意图分析装置320依据互动行为时序记录RCik,获得消费者CMi对商品GDj的消费意图CIijk。意图分析装置320包括资料筛选单元321、计算单元322及评估单元323。资料筛选单元321用以进行初步筛选,计算单元322用以进行加权计算,评估单元323用以进行分类与评估。资料筛选单元321、计算单元322及/或评估单元323例如是电路、晶片、电路板、程式模组、电脑程式产品或电脑可读取记录媒体。
举例来说,请参照图5,其为本揭露一实施例的目标商品意图与连带商品意图的分析方法的流程图。首先,在步骤S1411中,资料筛选单元321筛选商品GDj,以筛选出某一消费者CMi有购买的商品GD1、GD2、GD3、GD4。对于最后有购买的商品GD1~GD4而言,已购买的商品GD1~GD4可能是目标商品,也可能是连带商品。
然后,在步骤S1412中,计算单元322计算出该消费者CMi对各个商品GD1~GD4的消费者时间加权成本。相较于连带商品,对于目标商品,消费者CMi通常会花较多的时间成本。此外,比较行为、拍照行为、检视行为、放回行为、注视行为、观看广告行为可以按照下表二给出商品关注度权重。商品关注度权重越高者,表示越有可能是目标商品。
表二
消费者CMi对商品GD1~GD4共花了7分钟,其中对商品GD1花了2分钟进行比较行为、并花了2分钟进行检视行为;对商品GD2花了1分钟进行注视行为、花了1分钟进行拍照行为;对商品GD3花了0.5分钟进行观看广告行为;对商品GD4花了0.5分钟进行注视行为。
计算单元322可以计算各个商品GD1~GD4对应于上述消费者互动行为ACijk的消费者时间加权成本,如下所述。
商品GD1的消费者时间加权成本=2/7*1+2/7*0.8=0.515
商品GD2的消费者时间加权成本=1/7*0.3+1/7*0.9=0.172
商品GD3的消费者时间加权成本=0.5/7*0.1=0.007
商品GD4的消费者时间加权成本=0.5/7*0.3=0.021
接着,在步骤S1413中,计算单元322计算出该消费者CMi对各个商品GD1~GD4的消费者取得加权成本。相较于连带商品,对于目标商品,消费者CMi通常会较优先购买。按照购买顺序可以给出下表三的购物顺序重要性权重。购物顺序重要性权重越高者,表示越有可能是目标商品。
表三
消费者CMi对商品GD1~GD4共花了250元,其中对商品GD1花了100元;对商品GD2花了70元;对商品GD3花了30元;对商品GD4花了50元。
计算单元322可以计算各个商品GD1~GD4对应于购买顺序的消费者取得加权成本,如下所述。
商品GD1的消费者取得加权成本=100/250*1=0.4
商品GD2的消费者取得加权成本=70/250*0.9=0.252
商品GD3的消费者取得加权成本=30/250*0.8=0.096
商品GD4的消费者取得加权成本=50/250*0.7==0.14
然后,在步骤S1414中,计算单元322计算出该消费者CMi对各个商品GD1~GD4的消费者综合加权评分。上述计算出来的消费者时间加权成本与消费者取得加权成本重要性不同。按照重要性可以给出下表四的重要性权重。
表四
计算单元322可以对各个商品GD1~GD4的消费者时间加权成本与消费者取得加权成本进行加权平均,以获得各个商品的消费者综合加权评分,如下所述。
商品GD1的消费者综合加权评分=0.515*0.7+0.4*0.3=0.3605+0.12=0.4805
商品GD2的消费者综合加权评分=0.172*0.7+0.252*0.3=0.1204+0.0756=0.196
商品GD3的消费者综合加权评分=0.007*0.7+0.096*0.3=0.0049+0.0288=0.0337
商品GD4的消费者综合加权评分=0.021*02.7+0.14*0.3=0.0147+0.042=00.0567
接着,请参照图6,其示意性示出了说明评估单元323。在步骤S1415中,评估单元323依据该消费者CMi对商品GD1~GD4的消费者综合加权评分,对这些商品GD1~GD4进行分类,以分类出该消费者CMi对于这些商品GD1~GD4的消费意图CIijk为目标商品意图或连带商品意图。在此步骤中,评估单元323例如是透过K-means演算法进行分类。
请参照图7,其为本揭露一实施例的兴趣商品意图的分析方法的流程图。在步骤S1421中,资料筛选单元321筛选商品GDj,以筛选出某一消费者CMi曾进行观看广告行为、放回行为、检视行为、注视行为、拍照行为与比较行为的商品GD1、GD2、GD3、GD4、GD5、GD6、GD8。
接着,在步骤S1422中,资料筛选单元321进一步筛选出该消费者CMi最后没购买的商品GD5、GD6、GD8。
然后,在步骤S1423中,计算单元322计算出各个商品GD5、GD6、GD8的感兴趣程度。
观看广告行为、放回行为、检视行为、注视行为、拍照行为与比较行为可以按照下表五给出感兴趣程度。感兴趣程度的累计值越高者,表示越有可能是兴趣商品。
表五
消费者CMi对商品GD5进行了2次比较行为、并进行了1次检视行为;对商品GD6进行了1次注视行为、并进行了1次拍照行为;对商品GD8进行了1次观看广告行为。
计算单元322可以计算各个商品GD5、GD6、GD8对应于上述消费者互动行为ACijk的感兴趣程度的累计值,如下所述。
商品GD5的感兴趣程度的累计值=1+1+0.8=2.8
商品GD6的感兴趣程度的累计值=0.3+0.9=1.2
商品GD8的感兴趣程度的累计值=0.1
然后,在步骤S1424中,评估单元323依据各个商品GD5、GD6、GD8的感兴趣程度的累计值,对各个商品GD5、GD6、GD8进行评选,以得知该消费者CMi对于各个商品GD5、GD6、GD8的消费意图CIijk是否包含兴趣商品意图。举例来说,评估单元323评选出感兴趣程度的累计值大于一临界值(例如是1)的商品GD5、GD6,即可得知消费者CMi对商品GD5、GD8的消费意图CIijk包含兴趣商品意图。
请参照图8,其为本揭露一实施例的替代商品意图的分析方法的流程图。首先,在步骤S1431中,资料筛选单元321获得消费者CMi对哪些商品GDj具有目标商品意图。以前述例子来说,消费者CMi对商品GD1、GD2具有目标商品意图。
接着,在步骤S1432中,资料筛选单元321筛选出消费者CMi对商品GD1、GD2与其他哪些商品GDj进行比较行为。举例来说,消费者CMi曾对商品GD1与商品GD3进行比较行为;消费者CMi曾对商品GD1与商品GD5进行比较行为;消费者CMi曾对商品GD2与商品GD9进行比较行为,故此步骤筛选出商品GD3、GD5、GD9。
然后,在步骤S1433中,资料筛选单元322筛选出商品GD1、GD2与哪些商品GD3、GD5、GD9属于同类型。举例来说,商品GD1与商品GD3属于同类;商品GD2与商品GD5属于同类型,故此步骤筛选出商品GD3、GD5。
接着,在步骤S1434中,资料筛选单元322筛选出消费者CMi对哪些商品GD3、GD5进行放回行为。举例来说,消费者CMi对商品GD5进行了放回行为,故此步骤筛选出商品GD5,即可得知消费者CMi对商品GD5的消费意图CIijk包含替代商品意图。
请参照图9,其为本揭露一实施例的目标商品缺货的分析方法的流程图。在步骤S1441中,资料筛选单元321找出消费者CMi进行停留行为的位置范围。
接着,在步骤S1442中,资料筛选单元321获得该消费者CMi的历史购买记录。举例来说,消费者CMi的历史购买记录中记载曾经购买商品GD1、GD2、GD7。
然后,在步骤S1443中,资料筛选单元321获得消费者CMi进行停留行为的位置范围所对应的缺货状态。举例来说,消费者CMi进行停留行为的位置范围中,商品GD7在当时是为缺货状态。
接着,在步骤S1444中,评估单元323比对历史购买记录与缺货状态,以评选出消费者对那些商品GDj的消费意图CIijk为目标商品缺货。举例来说,消费者CMi的历史购买记录中记载经常购买商品GD1、GD2、GD7,商品GD7在当时是为缺货状态,故此步骤评选出消费者对商品GD7的消费意图CIijk为目标商品缺货。其中曾经购买商品中,购买该商品次数与总购买次数的比值大于最小支持度则为经常购买商品。
如图4所示,在步骤S140获得消费者CMi对商品GDj的消费意图CIijk之后,流程进入步骤S150。
在步骤S150中,估算装置330依据消费意图CIijk,估算商品GDj的最佳商品需求组合。估算装置330包括设定单元331、暂存单元332、预测单元333、分析单元334、加总单元335及最佳化单元336。设定单元331、暂存单元332、预测单元333、分析单元334、加总单元335及/或最佳化单元336例如是一电路、晶片、电路板、程式模组、电脑程式产品或电脑可读取记录媒体。以下还可以结合流程图详细说明各项元件的运作。
请参照图10,其为步骤S150的细部流程图。在步骤S151中,设定单元设定规划目标PG及规划条件PC。规划目标PG例如是最大利润或最大销售量。规划条件PC例如是商品品项数、商品类别比例、必需品项、必排除品项、商品更新比例、更新的商品类别、规划期间。规划期间例如是每日起止时间。也就是说,规划期间可以小于一日,在同一日中进行多次商品更换,可以提高针对不同时段选择最佳的商品进行陈列,以提高商品的销售率。
接着,在步骤S152中,从暂存单元332获得商品GDj的购买记录资讯PR及商品属性资讯PA。举例来说,购买记录资讯PR例如是包括表六的互动行为时序记录及表七的结账记录。
表六
表七
商品属性资讯PA记录商品GDj的类别、品牌、容量等资讯,如表八所示例。
表八
然后,在步骤S153中,预测单元333依据商品GDj的购买记录资讯PR,获得商品GDj的历史预测需求资讯DH。历史预测需求资讯DH是按照过往实际购买数量进行推估。
接着,在步骤S154中,分析单元334依据商品GDj的消费意图CIijk,获得商品GDj的缺货需求资讯DO及替代需求资讯DS。分析单元334可以根据消费意图CIijk中的目标商品缺货推估出缺货需求资讯DO。分析单元334可以根据消费意图CIijk中的替代商品意图推估出替代需求资讯DS。
然后,在步骤S155中,加总单元335依据商品GDj的历史预测需求资讯DH、缺货需求资讯DO及替代需求资讯DS,获得总合需求资讯DT。在此步骤中,加总单元335例如是将历史预测需求资讯DH、缺货需求资讯DO及替代需求资讯DS进行加总,以获得总合需求资讯DT。
接着,在步骤S156中,最佳化单元336依据商品属性资讯PA,在符合规划条件PC之下,获得最佳商品需求组合CD,以最佳化规划目标PG。最佳化单元336例如是利用多目标有界背包演算法(Multi-Objective Knapsack Problem,MOKP)、多目标基因演算法(Multiobjective Optimization Genetic Algorithm,MOGA)、自适应种群多目标量子演化算法(Adaptive Population Multi-objective Quantum-inspired EvolutionaryAlgorithm,APMQEA)来最佳化规划目标PG。
综上所述,虽然本揭露已以公开上述实施例,但并非用以限定本揭露。本揭露所属技术领域技术人员,在不脱离本揭露的精神和范围内,当可作各种的修改与润饰。因此,本揭露的保护范围应以本申请的权利要求保护范围为准。
Claims (24)
1.一种智慧商店的选品规划方法,其特征在于智能商店的选品规划方法包括:
侦测多个消费者轨迹;
侦测多个商品的多个消费者互动行为,该些消费者互动行为至少包括拿取行为及放回行为;
绑定该些消费者互动行为与该些消费者轨迹,以获得多个互动行为时序记录;
依据该些互动行为时序记录,获得多个消费意图;以及
依据该些消费意图,估算该些商品的最佳商品需求组合。
2.根据权利要求1所述的智慧商店的选品规划方法,其中该些消费者互动行为还包括停留行为、观看广告行为、检视行为、注视行为、拍照行为及比较行为。
3.根据权利要求1所述的智慧商店的选品规划方法,其中该些消费意图包括目标商品意图、连带商品意图、替代商品意图、兴趣商品意图、目标商品缺货及目标商品未陈列。
4.根据权利要求1所述的智慧商店的选品规划方法,其中获得该些商品的该些消费意图的步骤包括:
筛选该些商品,以筛选出有被购买的该些商品;
计算各该些商品的消费者时间加权成本;
计算各该些商品的消费者取得加权成本;
依据各该些商品的该消费者时间加权成本与该消费者取得加权成本,计算各该些商品的消费者综合加权评分;以及
依据该些商品的该些消费者综合加权评分,对该些商品进行分类,以分类出目标商品意图或连带商品意图。
5.根据权利要求4所述的智慧商店的选品规划方法,其中分类出该目标商品意图与该连带商品意图的步骤是通过K-means演算法进行分类。
6.根据权利要求1所述的智慧商店的选品规划方法,其中获得该些商品的该些消费意图的步骤包括:
筛选该些商品,以筛选出曾被进行观看广告行为、该放回行为、检视行为、注视行为、拍照行为与比较行为的该些商品;
筛选出最后没被购买的该些商品;
计算各该些商品之感兴趣程度;以及
依据各该些商品的各该些感兴趣程度的累计值,对该些商品进行评选,以得知各该些商品的该消费意图是否包含兴趣商品意图。
7.根据权利要求1所述的智慧商店的选品规划方法,其中该些消费意图包括目标商品缺货及目标商品未陈列,依据该些消费意图,估算该些商品的该最佳商品需求组合的步骤包括:
设定规划目标及规划条件;
获得该些商品的多个购买记录资讯及商品属性资讯;
依据该些商品的该些购买记录资讯,获得该些商品的多个历史预测需求资讯;
依据该些商品的该些消费意图,获得该些商品的多个缺货需求资讯及多个替代需求资讯;
依据该些商品的该些历史预测需求资讯、该些缺货需求资讯及该些替代需求资讯,获得多个总合需求资讯;以及
依据该些商品属性资讯,在符合该规划条件之下,获得该最佳商品需求组合,以最佳化该规划目标。
8.根据权利要求7所述的智慧商店的选品规划方法,其中该规划条件包括每日起止时间。
9.一种智慧商店的选品规划系统,其特征在于智慧商店的选品规划系统包括:
至少一追踪设备,用以侦测多个消费者轨迹;
多个侦测设备,用以侦测多个商品的多个消费者互动行为,该些消费者互动行为至少包括拿取行为及放回行为;以及
处理设备,包括:
绑定装置,用以绑定该些消费者互动行为与该些消费者轨迹,以获得多个互动行为时序记录;
意图分析装置,用以依据该些互动行为时序记录,获得多个消费意图;及
估算装置,用以依据该些消费意图,估算该些商品的一个最佳商品需求组合。
10.根据权利要求9所述的智慧商店的选品规划系统,其中该些消费者互动行为还包括停留行为、观看广告行为、检视行为、注视行为、拍照行为及比较行为。
11.根据权利要求9所述的智慧商店的选品规划系统,其中该些消费意图包括目标商品意图、连带商品意图、替代商品意图、兴趣商品意图、目标商品缺货及目标商品未陈列。
12.根据权利要求9所述的智慧商店的选品规划系统,其中该意图分析装置包括:
资料筛选单元,用以筛选该些商品,以筛选出有被购买的该些商品;
计算单元,用以计算各该些商品的消费者时间加权成本与消费者取得加权成本,并依据各该些商品的该消费者时间加权成本与该消费者取得加权成本,计算各该些商品的消费者综合加权评分;以及
评估单元,用以依据该些商品的该些消费者综合加权评分,对该些商品进行分类,以分类出目标商品意图或连带商品意图。
13.根据权利要求12所述的智慧商店的选品规划系统,其中分类出该目标商品意图与该连带商品意图的步骤是通过K-means演算法进行分类。
14.根据权利要求9所述的智慧商店的选品规划系统,其中该意图分析装置包括:
资料筛选单元,用以筛选该些商品,以筛选出曾被进行观看广告行为、该放回行为、检视行为、注视行为、拍照行为与比较行为的该些商品,该资料筛选单元还筛选出最后没被购买的该些商品;
计算单元,用以计算各该些商品的感兴趣程度;以及
评估单元,用以依据各该些商品的各该些感兴趣程度的累计值,对该些商品进行评选,以得知各该些商品的该消费意图是否包含兴趣商品意图。
15.根据权利要求9所述的智慧商店的选品规划系统,其中该些消费意图包括目标商品缺货及目标商品未陈列,该估算装置包括:
设定单元,用以设定规划目标及规划条件;
暂存单元,用以储存该些商品的多个购买记录资讯及多个商品属性资讯;
预测单元,用以依据该些商品的该些购买记录资讯,获得该些商品的多个历史预测需求资讯;
分析单元,用以依据该些商品的该些消费意图,获得该些商品的多个缺货需求资讯及多个替代需求资讯;
加总单元,用以依据该些商品的该些历史预测需求资讯、该些缺货需求资讯及该些替代需求资讯,获得多个总合需求资讯:以及
最佳化单元,依据该些商品属性资讯,在符合该规划条件之下,获得该最佳商品需求组合,以最佳化该规划目标。
16.根据权利要求15所述的智慧商店的选品规划系统,其中该规划条件包括每日起止时间。
17.一种智慧商店的选品规划系统的处理设备,其特征在于处理设备包括:
绑定装置,用以绑定多个消费者互动行为与多个消费者轨迹,以获得多个互动行为时序记录;
意图分析装置,用以依据该些互动行为时序记录,获得多个消费意图;以及
估算装置,用以依据该些消费意图,估算该些商品的最佳商品需求组合。
18.根据权利要求17所述的处理设备,其中该些消费者互动行为还包括停留行为、观看广告行为、检视行为、注视行为、拍照行为及比较行为。
19.根据权利要求17所述的处理设备,其中该些消费意图包括目标商品意图、连带商品意图、替代商品意图、兴趣商品意图、目标商品缺货及目标商品未陈列。
20.根据权利要求17所述的处理设备,其中该意图分析装置包括:
资料筛选单元,用以筛选该些商品,以筛选出有被购买的该些商品;
计算单元,用以计算各该些商品的消费者时间加权成本与消费者取得加权成本,并依据各该些商品的该消费者时间加权成本与该消费者取得加权成本,计算各该些商品的消费者综合加权评分;以及
评估单元,用以依据该些商品的该些消费者综合加权评分,对该些商品进行分类,以分类出目标商品意图或连带商品意图。
21.根据权利要求20所述的处理设备,其中分类出该目标商品意图与该连带商品意图的步骤是通过K-means演算法进行分类。
22.根据权利要求17所述的处理设备,其中该意图分析装置包括:
资料筛选单元,用以筛选该些商品,以筛选出曾被进行观看广告行为、该放回行为、检视行为、注视行为、拍照行为与比较行为的该些商品,该资料筛选单元还筛选出最后没被购买的该些商品;
计算单元,用以计算各该些商品的感兴趣程度;以及
评估单元,用以依据各该些商品的各该些感兴趣程度的累计值,对该些商品进行评选,以得知各该些商品的该消费意图是否包含兴趣商品意图。
23.根据权利要求17所述的处理设备,其中该些消费意图还包括目标商品缺货及目标商品未陈列,该估算装置包括:
设定单元,用以设定规划目标及规划条件;
暂存单元,用以储存该些商品的多个购买记录资讯及多个商品属性资讯;
预测单元,用以依据该些商品的该些购买记录资讯,获得该些商品的多个历史预测需求资讯;
分析单元,用以依据该些商品的该些消费意图,获得该些商品的多个缺货需求资讯及多个替代需求资讯;
加总单元,用以依据该些商品的该些历史预测需求资讯、该些缺货需求资讯及该些替代需求资讯,获得多个总合需求资讯:以及
最佳化单元,依据该些商品属性资讯,在符合该规划条件之下,获得该最佳商品需求组合,以最佳化该规划目标。
24.根据权利要求23所述的处理设备,其中该规划条件包括每日起止时间。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110144903 | 2021-12-01 | ||
TW110144903A TWI841884B (zh) | 2021-12-01 | 智慧商店的選品規劃方法、選品規劃系統及其處理設備 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116228270A true CN116228270A (zh) | 2023-06-06 |
Family
ID=86500275
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111566370.8A Pending CN116228270A (zh) | 2021-12-01 | 2021-12-20 | 智慧商店的选品规划方法、选品规划系统及其处理设备 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20230169567A1 (zh) |
CN (1) | CN116228270A (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8560357B2 (en) * | 2011-08-31 | 2013-10-15 | International Business Machines Corporation | Retail model optimization through video data capture and analytics |
US20130085893A1 (en) * | 2011-09-30 | 2013-04-04 | Ebay Inc. | Acquisition and use of query images with image feature data |
US10997615B1 (en) * | 2016-11-08 | 2021-05-04 | Blue Yonder Group, Inc. | System and method for assortment planning with interactive similarity and transferable demand visualization |
JP7093783B2 (ja) * | 2017-02-10 | 2022-06-30 | グラバンゴ コーポレイション | 自動化買物環境における動的な顧客チェックアウト体験のためのシステム及び方法 |
US20190205806A1 (en) * | 2017-12-28 | 2019-07-04 | Walmart Apollo, Llc | System and method for determining and implementing sales clusters for stores |
-
2021
- 2021-12-20 CN CN202111566370.8A patent/CN116228270A/zh active Pending
- 2021-12-27 US US17/562,823 patent/US20230169567A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
TW202324247A (zh) | 2023-06-16 |
US20230169567A1 (en) | 2023-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7038543B2 (ja) | 情報処理装置、システム、情報処理装置の制御方法、及び、プログラム | |
US8577705B1 (en) | Method and system for rating the role of a product category in the performance of a store area | |
US20180285902A1 (en) | System and method for data-driven insight into stocking out-of-stock shelves | |
JP4972491B2 (ja) | 顧客動作判定システム | |
CN108537166B (zh) | 确定货架浏览量以及分析浏览量的方法和装置 | |
US9838649B2 (en) | End cap analytic monitoring method and apparatus | |
Yao et al. | Combining visual customer segmentation and response modeling | |
US11176684B2 (en) | Customer behavior analyzing method and customer behavior analyzing system | |
JP2009205365A (ja) | 商品の在庫管理および販売の最適化システム、その最適化方法、及びその最適化プログラム | |
JP2016143334A (ja) | 購買分析装置及び購買分析方法 | |
TW201710991A (zh) | 分析系統及方法 | |
JP2016146026A (ja) | 顧客分析方法及び分析装置 | |
US20170330206A1 (en) | Motion line processing system and motion line processing method | |
CN113191795A (zh) | 商品陈列数量预估方法、装置、设备和存储介质 | |
CN111696258B (zh) | 智能货架系统及其控制方法 | |
CN113468914A (zh) | 一种商品纯净度的确定方法、装置及设备 | |
CN113887884A (zh) | 商超服务系统 | |
CN111783627B (zh) | 商品存量确定方法、装置及设备 | |
JP7487732B2 (ja) | 情報処理装置、表示システム、情報処理方法およびプログラム | |
CN116228270A (zh) | 智慧商店的选品规划方法、选品规划系统及其处理设备 | |
TWI841884B (zh) | 智慧商店的選品規劃方法、選品規劃系統及其處理設備 | |
CN111681018A (zh) | 顾客行为分析方法与顾客行为分析系统 | |
CN108830183A (zh) | 一种无人超市的商品管理方法、装置以及系统 | |
US11151584B1 (en) | Method and system for collecting shopper response data tied to marketing and merchandising elements | |
CN115565117B (zh) | 数据处理方法、装置、设备及存储介质 |
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 |