CN1310414A - 用关联分析研究广告的销售效果的方法和系统 - Google Patents

用关联分析研究广告的销售效果的方法和系统 Download PDF

Info

Publication number
CN1310414A
CN1310414A CN01102882A CN01102882A CN1310414A CN 1310414 A CN1310414 A CN 1310414A CN 01102882 A CN01102882 A CN 01102882A CN 01102882 A CN01102882 A CN 01102882A CN 1310414 A CN1310414 A CN 1310414A
Authority
CN
China
Prior art keywords
data
advertisement
information
sales
promotion
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
CN01102882A
Other languages
English (en)
Inventor
S·曼加纳里斯
S·泽尔勒
K·赫米兹
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.)
International Business Machines Corp
Original Assignee
International Business Machines 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 International Business Machines Corp filed Critical International Business Machines Corp
Publication of CN1310414A publication Critical patent/CN1310414A/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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • 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
    • G06Q30/0204—Market segmentation
    • G06Q30/0205—Location or geographical consideration
    • 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
    • G06Q30/0242—Determining effectiveness of advertisements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
    • G06F2216/03—Data mining

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Fuzzy Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本文公开一种数据采掘方法和系统,其中将广告/促销事件(即在交易被记录时正在发生促销的事实)在数据的关联分析中作为考虑的因素。在销售数据中融入广告数据,并采用若干分类体系建立商品数据与广告数据之间的联系。这加强了数据,以便能确定广告状态(有广告还是无广告),该信息可被用来跟踪对市场篮子中的产品动力学和销售的影响。

Description

用关联分析研究广告的销售效果的方法和系统
本发明涉及数据采掘的方法和系统，更具体来说，涉及用关联分析得出关于广告和促销对购物篮(market baskets)中的产品动力(product dynamic)的效果的结论的方法和系统。
数据采掘是一项用来在数据中发现模式和关系的著名技术。数据采掘对数据应用高级统计分析和模拟技术，以寻找有用的模式和关系。找出的模式和关系在许多商业应用中用于指导商业行动，作出有助于规划将来商业行动的预测。
其中有一种数据采掘叫“关联分析”，通常称为“购物篮分析”。关联分析解释以”关联规则“或“密切关系”为形式的模式。产品A与B之间的关联关系可以用符号表达为A→B，翻译成语言就是：“每当产品A在购物篮中，产品B也倾向在该购物篮中。”这是“市场动力(market dynamics)”的一个例子，即一种产品的购买对另一种产品的影响。
在数据采掘的民间传说中，有一个最为人们津津乐道的能阐示产品动力故事，是声称发现啤酒和纸尿巾经常在购物筐中一起出现。这个故事中给出的解释是，当做爸爸的受命去购买纸尿巾时，他们经常购买半打钟爱的啤酒作为自我犒赏。用以上讨论的关联规则，这个例子能表达为“纸尿巾→啤酒”，翻译过来就是，每当纸尿巾出现在购物筐中，啤酒也倾向于在该购物筐中出现。
历史上有许多措施被用来总结特定关联规则的重要性。在购物篮分析的背景中，这些措施是针对所考虑的所有购物篮而盘算出来的。规则“A→B”的“可信度”是篮子中若有A则也将有B的概率。规则的“支持”是该规则在所有交易集合中发生的频率。规则的“提升”是对前提A的预测力的度量。提升是购物篮中出现A时B的概率与事先不知道购物篮中有其它品种时B的概率相比较的倍数。
为了解释的目的，考察下列的例子：表1表示代表某日一个小商店中购物篮的10个典型交易。从表中的数据可见，在有些购物篮中，纸尿巾和啤酒一起出现，于是我们可以得出这样的结论，即当交易含有纸尿巾时，该交易倾向于也含有啤酒。纸尿巾出现在6个交易(1、3、4、8、9和10)中，啤酒与纸尿巾一起出现在其中的4个交易(1、3、9和10)中。因此，规则“纸尿巾→啤酒”的可信度是4/6=67％。另外，啤酒与纸尿巾一起出现在10次交易的4个交易中。这就产生对该规则的支持的值4/10=40％。最后，啤酒出现在10次交易的5次交易中，而它由出现在6次包含纸尿巾的交易的其中4次交易中。这意味着，如果随机抽取一个篮子，事先没有关于交易的任何信息，则发现啤酒的机会有5/10=50％。然而，如果我们利用事先具有的知识，即如果篮子中含有纸尿巾，则它很可能也含有啤酒，那么，如果我们只从已知含有纸尿巾的篮子中抽取，则发现啤酒的希望就提高，就是说，发现啤酒的机会有4/6=67％。所以，规则“纸尿巾→啤酒”的提升是4/6=67％。
表1
    交易     购物篮
    1 纸尿巾、啤酒、土豆片、肥皂
    2 土豆片、肥皂
    3 纸尿巾、啤酒、肥皂
    4 纸尿巾、土豆片、肥皂
    5 肥皂
    6 土豆片
    7 啤酒、土豆片
    8 纸尿巾
    9 纸尿巾、啤酒、肥皂
    10 纸尿巾、啤酒、土豆片、肥皂
关联分析技术发现所有超过设定的支持和可信度阀值的关联规则。它们也发现趋向于以超出支持阀值的频率出现在相同篮子里的所有品种集合，这种品种集合被称为“常见品种集合”。
鉴于对数据采掘的重要性的认识，人们开发了用来执行各种数据采掘和模拟技术的工具。一种这样的工具是IBM公司出售的“智能矿工”(Intelligent MinerTM)。智能矿工有一个作为其工具组合一部分的突出的关联分析的算法。作为通用工具，智能矿工和其它用于修改分析的数据采掘工具达到了以它们相应的感兴趣的尺度(如支持、可信度和提升)推导出常见品种集合和规则的地步，但是没能更进一步。
关联规则表达从数据推导的事实。它们是关于在数据中观察的关系的真言。这些规则连同它们的可信度、支持和提升的测度，可以也应当被用来产生关于改变进行原始观测时所处条件的将来行动的效应的理论或假设。这些假设需要在复杂多变的零售环境中提出，在这种环境中，针对定价行动、广告宣传、促销、季节性、产品供给等背景，可能有数以千计的商店和数以万计的商品必须加以考虑。此外，所有的行动和结果都应当对照收入和利润来衡量，而不是支持、可信度和提升等抽象概念。
现有的关联分析工具不计较关于广告和促销的信息，因而无助于得出关于它们对购物篮中的产品销售和产品动力的效应的理论或假设。此外，通常采用的关联分析注重产品动力，而不分析个别篮子的集合属性(本文称之为“购物篮动力”)。如果真是进行这种分析，就会产生得以理解以购物篮的水平衡量的总体购买行为，以及驱动总体购买行为的是什么的数据。当前实行的关联规则和常见品种集合，无助于确定关于特定类型购物篮的所有者的总体购买习惯的信息；例如，在“高毛利润”篮子中会发现什么种类的产品，或者，哪些产品会推动这种“高毛利润”篮子。
用数据采掘技术分析购物篮数据，如关联分析，是近来的一种发展。传统的评估广告和促销对特定商品的销售的影响的方法注重总的财务衡量标准。例如，传统方法衡量包含或不包含所感兴趣的商品的购物筐的总值，并计算这些数量如何作为与促销有关的行动的函数而变化。这些方法不考虑购物筐的总内容(即，它们只注重所感兴趣的商品)，因此不解释这些筐中趋向于装有什么，它们也不揭示得以分析购物篮动力的数据。没有关于各种商品的销售与商品的促销状态之间的关系的信息，就不可能解释任何所观察到的总数量上的变化。此外，由于这些方法通过将所有装有所感兴趣的商品的篮子合在一起来计算总值，这些方法不考虑这样的可能性，即有各种类型都含有所感兴趣的商品但具有不同的动力的篮子，因此有不同的总值。
所以，需要有一种方法和系统，以用数据采掘技术来理解在对购买行为的广告和促销行动中发现因素的购买行为。
本发明的一个目的是提供一种用于数据采掘的方法和系统，其中的关联规则的前提和/或结论可包含促销或广告事件(例如在记录交易的时候正在进行促销活动这样的事实)。将销售数据与广告数据结合，采用多种分类法建立商品数据与广告数据的联系。这就加强了数据，使得能够确定广告状态(有广告的或无广告的)，并能用该信息来跟踪对购物篮中产品动力的影响。此外，对于那些有广告的商品，关于所用广告的详细信息也可获得，并用在分析中，以便例如能确定特定广告或其中的成分有效果还是没有效果。
本发明的其它目的和优点，部分将在以下的说明和附图中陈述，部分将显见于说明，也可能通过实施本发明而获知。
为实现以上目的，按照本文概括说明的本发明的意图，本发明提供一种计算机实现的处理市场研究数据的方法，该数据包括关于在销售商的零售业务期间售出的商品的销售数据和关于所售出商品的广告/促销数据，该方法包含的步骤为，接收销售数据；接收广告/促销数据；通过在销售数据中嵌置广告/促销数据的因素而加强销售数据；对加强的销售数据进行关联分析，以生成关联规则；显示和保存关联规则。
现在将参照以下附图来说明本发明，图中同样的标注号自始至终代表同样的成分。
图1是按照本发明构造的系统的功能部件的框图；
图2是表示本发明的总体过程的高级流程图；
图3是表示图2的集合属性加强过程框的流程图；
图4是表示图2的广告/促销框的流程图；
图5表示一种三级商品分类法；
图6表示联系图5中所示的分类法的类级与SKU级的分类法关系表；
图7表示联系图5中所示的分类法的类级与系级的分类法关系表；
图8表示一种三级广告分类法；
图9表示联系图8中所示的广告分类法的商品级与传单/页级的分类法关系表；
图10表示联系图8中所示的广告分类法的传单/页级与传单级的分类法关系表；
图11是表示图2的后处理步骤的一个例子的流程图。
图1是按照本发明用关联分析研究广告的销售效应的系统100的功能部件总体示意图。尽管这里给出的例子针对标准的零售环境，本发明并不限于这种应用，本发明的原理和方法显然可以应用于众多的其它环境，包括因特网上的电子商务，以及其中要求分析广告或促销对顾客行为的作用的任何其它应用。
本文中“零售商”一词，系指需要分析数据并从数据推导结论的个人或机构。典型的销售商的例子包括，零售商店或电子商务机构的营销部门、零售商店的买主或为电子商务机构设计网站的网站设计者。
本文中所用的“用户”一词，系指将本发明联系销售商的输入一起使用，以提供所希望的数据分析和结论的个人、机构或自动设备。典型的用户的例子包括，市场分析机构、拥有本发明的系统的零售商，或者电子商务机构的能利用本发明的系统的网络设计者。
本文中所用的“购买者”一词，系指从零售商购买商品的零售商的顾客。典型的购买者的例子包括，在零售商店中购物的人，或者在因特网上从电子商务机构购物的个人。
系统100包括零售商信息输入/输出设备102、分析服务器104、数据库服务器106和数据输入设备108、110。零售商信息输入设备102提供用于向系统提供特定零售商的需要和需求的信息的装置。零售商信息可以由系统的用户例如通过标准键盘手工地输入；在这种情形中，零售商信息是由用户通过调查、问卷表或其它已知的信息收集技术而人工地收集的。在最佳实施例中，零售商通过填写用户的网站上的电子问卷表或调查表单而直接地输入零售商信息，由此将信息通过因特网传送到分析服务器104。
分析服务器104对输入到它的所有数据进行关联分析。分析服务器104的总体操作是在使用有名的系统和工具(如以上讨论的IBM公司的Intelligent Miner)基础上进行的。然而如下文将更充分讨论的那样，数据采掘工具的使用、对数据分析工具所分析的数据的加强以及对发现的后处理和解释，才代表本发明的某些新颖方面。
数据库服务器106存储选定的销售点(POS)数据、广告与促销数据、产品数据，它们都是从通用的数据源获得的，这些数据源包括POS系统108、营销部门数据库110，等等。
系统的每个成分都能以任何已知方式，例如在网络连接上或通过标准电缆，彼此通信。分析服务器104包括接口112、服务器114(例如HTTP或因特网服务器)和控制器116。接口112允许分析服务器和系统的其它成分以已知的方式互相通信。服务器114管理输入设备102与数据库服务器之间以已知方式通信。控制器116控制服务器114的操作，包括在准备引擎118、关联分析引擎120和后处理引擎118之间的所有通信。总的来说，准备引擎118、关联分析引擎120和后处理引擎118是大多数采掘系统中都有的已知部件。然而，准备引擎118和后处理引擎118要以新颖的方式使用，才能取得本发明的结果，正如下文将要更详细地说明的那样。
图2是表示本发明的总体过程的高级流程图。在步骤210中，获得分析和规范参数。这些参数通过零售商输入设备(即图l的零售商输入设备102的其中之一)被输入到系统，定义零售商究竟对知道什么感兴趣。该信息例如可包括：关于零售商对分析什么POS数据感兴趣的细节(仓储地点、特定时期、产品线)；要使用哪个层次(例如下文所说明的商品和/或广告分类法)；最小支持和可信度阀值和品种约束(例如哪个(些)产品品种要在分析中包括或不包括)。
在步骤220，收集和准备为执行销售商在步骤210中所请求的各种分析所必需的数据。步骤220的收集方面涉及由数据库服务器106从例如POS系统数据库108和营销部门数据库110的通用数据源收集选定的数据。这保证只用必需的信息，排除不必要的信息。
步骤220的准备方面涉及为关联分析准备所收集的数据，方法是，为每个受考察的事件或品种，例如特定购物篮和该购物篮中的品种，分配标识号(添加标识和交易信息)；插入表示销售每个品种产生的收入和每个品种的成本的数据(财务信息)；添加可能已经为每个品种做过的广告的细节。所插入的确切数据将视零售商所请求的分析而定，可能很具体，也可能很笼统。所有要插入的数据都可以从POS系统数据库108和营销部门数据库110得到。
按照本发明，数据也得到加强，如下文进一步说明的那样，具体方式是，(a)嵌入具有关于广告和促销的信息的数据；和/或(b)确定每个购物篮的共同特征，然后嵌入具有关于这些集合属性的购物篮数据。该准备步骤允许方框230的关联分析步骤考虑并处理零售商所请求的参数，数据的加强使本发明能向零售商提供用现有技术水平的购物篮分析方法得不到的额外相关信息。
在步骤230中，用标准关联分析算法以已知方式进行关联分析，处理已经在步骤220收集和加强的数据。该关联分析步骤以有名的方式为数据生成关联规则。然而，如下文所讨论的那样，这些规则因在步骤220中导入的加强而更加有用的多。所以，在步骤240(下文结合图1作更详细说明)对加强的数据进行的后处理步骤要根据不为现有技术水平的系统考虑的参数来处理数据，由此为步骤250的表示和存档产生更好的信息。
最后，在步骤260，判断是否要求或需要进行额外的分析。如果不是，过程就结束。然而，如果要求进一步分析，则过程就返回到步骤210重新开始。有许多的情形可能要求额外的分析。例如，零售商可能在执行促销之前、促销期间或促销结束后需要进行分析，以便能确定和评估购买行为的变化；零售商可能需要比较不同商店或商店组(例如地区级上的)；零售商可能需要进行对类级和系级的产品的分析。
图3是表示图2的方框220的、本文中所称的“集合属性”加强过程的流程图。根据图3所示的集合属性加强过程能发现表征或区分具有特定全部属性的购物篮-即购物篮动力-的模式。购物篮的集合属性例如是，有总体负毛利总额的购物篮或有总体“高”毛利总额的购物篮。如图3中所示，数据的逻辑组合(例如某购物篮中含有的所有品种)被确定为是总体上有一个或多个指定属性的。
现在参看图3，在步骤310，输入与特定购物篮(例如8月30日购买者戴维的购物篮)有关的数据，在步骤312，判断是否某指定属性对于该购物篮为真。因此，例如，假设正在分析的指定属性是整个篮子的毛利总额，并且零售商已经确定，“高毛利润”购物篮是有超过50美元的总体毛利总额的篮子，在步骤312中，如果在步骤310输入的购物篮有50美元或更少的毛利总额，则过程前进到步骤316，将普通“非加强的”购物篮信息写到分析文件，然后在步骤318，判断是否有另一个购物篮要作分析。如果没有其它购物篮要作分析，过程就结束；如果有另一个购物篮要作分析，过程就前进到步骤310，过程一直继续到已经分析了所有篮子时为止。
如果在步骤312中判定戴维的购物篮的属性“毛利总额”是高的，即超过50美元，则在步骤314，向该篮子“添加”一个表示存在这个属性的标志，用以标明这个属性是该篮子的一个特征。这些标志被称为“虚构项”，它们通过把购物篮归类为是有该指定属性而加强购物篮数据。举例来说，在步骤314，将虚构项“HM”添加到该篮子(即修改购物篮数据，使其包含标志“HM”)，表示该篮子是高毛利的篮子。虚构项的添加可以包含一个简单的编码过程，其中，向购物篮“戴维”的数据添加一个标识符，标明该篮子是高毛利的篮子。零售商所请求的每个虚构项类型都必须有不同的编码，以便彼此区分，并且，为了提高效率，也需要让虚构项能容易地与实际品种相区分。
过程然后继续到步骤316，在此将包括现在已经加强的篮子信息的购物篮信息写到分析文件。可以按照需要，有多少属性就重复多少次该过程，以便篮子可以有多个虚构项来标明该篮子的多个集合属性。
如上所述，除了能表示购物篮的特征，本发明也能分析广告/促销对产品销售的效应。在广告/促销加强过程中，用标准商品分类法对数据库中的所有项目分类；不过与此同时，也用广告分类法对这些项目分类，使关联分析能产生涉及所用广告媒体的成分的模式。这些分类法将在下文结合图5-10作更详细说明。
图4是表示图2的方框220的、本文称之为“广告/促销加强”过程的流程图。这个过程使关联分析能考虑到各品种在销售时的广告状态。现在参看图4，在步骤410，获得一系列交易中的下一个(或第一个)品种的数据。该数据包含关于购物篮中个别购买的某品种的信息。在步骤412，判断该品种在被购买时是否正在做广告或进行促销(根据在图2的步骤220期间收集的数据)。如果判定该品种未作广告或促销，则在步骤414向对应该品种的数据添加信息，以创建一个标明该品种是个非广告品种的“加强项”，过程然后返回到步骤410。
如果在步骤412判定该品种在被购买时是在做广告或进行促销，则在步骤416，将该品种标明为广告品种，添加广告的细节，以加强关于该品种的数据。这些细节可能包含广告媒体的低级成分，如广告出现的页面上的特定象限；广告媒体的高级成分，如广告出现的年份；或介于低级与高级成分之间的中级细节。广告成分在以下结合图8-10作说明的广告分类法中被用来使广告信息能与其它有关信息关联。
下一步，过程前进到步骤418，判断同样的产品在被购买时是否在另一个广告中做广告。这样做是因为许多时候一种产品要通过不同的方法在多个地方做广告。如果判定同样的产品在被购买时在做另一个广告，则作出这种标志，过程返回到步骤416，以便可以将该品种标明是做过多次广告的，并能添加关于这些额外广告/促销活动的细节。完成这个操作的方法，例如可以通过在购物篮中插入加强品种数据的一个副本，只修改特定于额外广告的信息。这个过程一直重复，直到判定没有该品种不再有额外的广告/促销为止，此时过程返回到步骤410，并一直继续到所有交易/品种都已经处理为止。
为了能在关联分析中使用加强数据，要用标准的商品分类法以及广告分类法对数据库中的每一项进行分类。该分类过程结合图5-10作说明。现在参看图5，该表示一种简单的三级商品分类法。在实际应用中，商品分类法可能含有更多的层次，这要视对数据分析的所需的“精细”程度和零售商的商业的组织而定。
任何分类法分类的内在思想是建立不同类级之间的联系，使得能将分类系统内的“孩子”与共同“祖先”的事项联系起来。例如，图5的商品分类法显示一个填充有典型的基本销售数据的三级分类系统：系级；类级和品种或SKU(例如零售业中使用的任何产品标识码)级。以饮料作为特定类型商品的例子，在系级，说明可能是“酒精饮料”、“无酒精饮料”；在类级，说明可能是“啤酒”、“葡萄酒”、“甜酒”；在品种级，说明可能是“Heineken半打12盎司瓶装”、“Corona半打12盎司罐装”、“Gallo Merlot 750毫升”、“Kendall JacksonPinot Noir 750毫升”。
为了能利用这种信息，必须从最低级到最高级建立联系这种数据的关系。例如，图6表示一个联系上述例子的类级与品种级的分类法关系表(只显示了示例性的信息)。如图6中可见，品种的“Heineken半打12盎司瓶装”和“Corona半打12盎司罐装”每个都被关联或联系到“啤酒”类，品种“Gallo Merlot”和“Kendall Jackson Pinot Noir”则被与“葡萄酒”类相关联。
图7表示联系相同例子的类级与系级的分类法关系表。如图7中可见，“啤酒”和“葡萄酒”类每个都单独与“酒精饮料”系相关联。正是这些分类系统的建立，使关联分析能确定涉及各种层次的品种的模式，这在涉及低级、较不常出现的品种时特别重要。这种品种靠自己是不能容易地建立起模式的，然而，有了这些分类法，这些低级品种就可以在模式可以更容易建立的更高级被考虑，例如，如果“GalloMerlot”不常卖出，则可以分析“葡萄酒”类的广告，因为分类系统建立了与低级和更高级这两类的联系。
本发明的一个新颖方面是用关联分析将各级广告媒体的成分互相之间以及与商品分类系统中的品种相关联。显然，这种“分类交叉的关联”并不限于这两个分类系统，可以明白，其它分类系统也是可以可以互相关联的。
图8表示一种简单的三级广告分类法。该分类法也包含填充有广告/促销数据的三级：传单级；传单/页级；品种级。通过使用一个在商品分类法中也使用的级(品种级)，就建立了这两个分类法之间的联系，使得能建立这两个分类法之间的关联。正如就上述的商品分类法而言的那样，在该分类法中添加更多的层次，将提高分析的精度。以相同的例子继续，在传单级，说明可能是“9月23日费城调查者(Philadelphia Inquirer)传单”、“9月30日费城调查者传单”、…、“12月22日费城调查者传单”等等；对于传单、页级来说，说明可能是“9月23日费城调查者传单，第2页”、“12月22日伯灵顿郡时报(Burlington County Times)传单，背页”；对于品种级来说，说明则与商品分类法的相同。
图9表示一个联系商品级与按照本例的一个广告的“传单/页”级的分类法关系表。“传单/页”级指的是某日特定广告传单的特定页。参看图9可以看到，品种“Heineken半打12盎司瓶装”与传单/页“费城调查者9月23日/正页”相关联，这意味着本例的Heineken品种的广告出现在附在9月23日版的费城调查者中的传单的正页。类似地，该例的Corona品种与相同的广告页和日期(费城调查者9月23日/正页)相关联；Gallo Merlot品种与伯灵顿郡时报附有的12月22日传单的背页相关联(“伯灵顿郡时报/12月22日/背页”)；而KendallJackson品种则与12月22日伯灵顿郡时报传单的中间插页相关联(“伯灵顿郡时报/12月22日/中间插页”)。注意到Heineken品种也在9月2 3日费城调查者的背页上做了广告。
同样，图10表示该分类法的“传单/页”级与“传单”级的分类法关系表(例如，9月23日费城调查者传单的正页与9月23日费城调查者传单相关联)。由该简单例子可见，某个品种的广告可以与广告中的某页或某几页，以及/或者某出版物的某广告日期相关联。
图5-10中表示的分类关系建立了用这些分类来进行关联分析。如上所述，这些关系被用来先加强购物篮数据再将数据用于关联分析。商品分类法中的品种可以以已知方式与广告分类法中的广告联系。
图11是表示图2的一例后处理步骤240的流程图，特别地，该后处理步骤用于确定表征或区分具有特定集合属性的购物篮。如前文所讨论的那样，在图2的步骤230进行的关联分析步骤生成一系列表征每个购物篮的规则，这些规则许多可能已经通过在为处理准备数据期间对虚构项、加强项和/或分类法的使用而得到加强。在后处理步骤期间，所分析的加强数据被用来得出关于该数据的结论。
参看图11，在步骤1110，判断是否已经由关联分析步骤为感兴趣的事项(例如虚构项HM)生成了规则。如果没有发现规则，这表明分析完成，于是过程在此结束。然而，如果在步骤111O判定下一个要处理的规则涉及感兴趣的项目，则在步骤1114，判断该感兴趣的项目是规则的前提(例如，位于箭头之前)还是规则的后果(例如，位于箭头之后)。例如，如果感兴趣的项是虚构项HM，并且如果HM项是规则的前提的一部分(例如，HM→A+B，意思是“每当高毛利篮子出现时，它趋向于包含A和B”)，则过程前进到步骤1120，分析在关联分析步骤期间计算出来的提升值。如果例如判定该提升远大于或远小于1，则视其为“感兴趣”的规则(就是说，对零售商来说感兴趣)，过程前进到步骤1122，在此将规则视为表征有属性HM的购物篮是高毛利篮子(并允许得出该篮子很可能含有A和B的推断)，然后，过程返回到步骤1110。如果发现提升等于或近于1，该规则就被视为是“不感兴趣的”，不标明它有任何特定属性，然后过程返回到步骤1110。
另一方面，如果在步骤1114判定HM项不是前提的一部分(HM是后果的一部分，例如A=B→HM，意思是“每当A和B一起出现在购物篮中，则它是高毛利篮子”)，则在步骤1116，判断提升值是否远大于或远小于1。如果提升值远大于或远小于1，则在步骤1118，该规则被视为区分有属性HM的购物篮与没有该属性的其它篮子(并允许得出“因为篮子中含有品种A和B，所以该篮子很可能是高毛利篮子”的推断)，然后过程返回到步骤1110。如果在步骤1116，判定提升等于或近于1，则过程就返回到步骤1110。
尽管本发明是结合市场营销研究而作说明的，可以明白，本文所述的技术和方法可以应用于其中需要表征数据分组和/或分析(例如广告以外的)特定参数的影响的任何类型的研究。此外可以明白，购物篮的属性可以包含财务信息以外的信息，例如可以将购物篮表征为含有广告的和/或无广告的品种，该信息也可以为研究人员所用。
尽管本发明是针对其具体的最佳实施例而说明的，可能会对本领域的熟练人员有各种改变和修改的提示，应认为本发明包含这种改变和修改，它们属于后附的权利要求的范围。

Claims (10)

1．一种处理市场研究数据的计算机实现的方法，市场研究数据包括关于在零售商的零售交易期间售出的品种的销售数据和关于所述售出品种的广告/促销数据，所述方法包含以下步骤：
接收所述销售数据；
接收所述广告/促销数据；
通过在所述销售数据中嵌入所述广告/促销数据而加强所述销售数据；
对所述加强的销售数据进行关联分析，以生成关联规则和常见品种集合；
显示和存储所述关联规则和常见品种集合。
2．如权利要求1中所述的方法，进一步包含的步骤为：
处理所述关联规则和常见品种集合，以得出关于所述市场研究数据的结论。
3．如权利要求2中所述的方法，其中，所述销售数据包含商品信息，所述商品信息包含：
标识每个售出品种的标识信息；
对应每个售出品种的交易信息；和
对应每个售出品种的财务信息；其中所述商品信息被输入到一个商品分类系统中，以建立所述标识信息、所述交易信息和所述财务信息之间的逻辑联系，以便所述商品信息能被用于购物篮分析。
4．如权利要求3中所述的方法，其中，所述广告/促销数据包含标识每个品种的广告状态的信息，其中将所述状态信息嵌置在所述商品信息中，以建立所述商品信息与所述广告/促销数据之间的逻辑联系，由此创建所述加强销售数据。
5．如权利要求3中所述的方法，其中，所述广告/促销数据包含：
标识已经做过广告的品种的信息；和
对于广告过的品种，标识该品种是如何做广告的、该品种做广告的日期和该品种在哪里做广告的信息；其中将所述广告信息嵌置在所述商品信息中，以建立所述商品信息与所述广告/促销数据之间的逻辑联系，由此创建所述加强销售数据。
6．如权利要求5中所述的方法，其中，标识该品种是如何做广告的信息包括一个所用广告媒体的标识和广告在该广告媒体中的位置。
7．如权利要求6中所述的方法，其中，所述加强步骤包含以下步骤：
在一个广告/促销分类系统中对所述广告/促销信息分类；和
通过将所述广告/促销分类系统中的所述信息嵌置到所述商品分类系统而创建所述的加强数据。
8．一种分析包含多个数据成分的数据并将所分析数据提交给数据分析人员使用的计算机实现的方法，包含以下步骤：
按照要分析哪个数据来获取分析参数；
收集对应于所述所获取分析参数的数据成分；
按照所述分析参数加强所述所收集数据成分；
对所述已加强数据进行关联分析，以生成加强关联分析规则和常见品种集合；和
显示并存储所述加强的关联规则和常见品种集合。
9．如权利要求中所述的方法，进一步包含的步骤是：
处理所述加强的关联规则和常见品种集合，以得出关于所述已分析数据的结论。
10．如权利要求9中所述的方法，其中，所述所收集数据成分包括与零售商售出的品种有关的商品信息和广告/促销信息，其中所述加强步骤包含以下步骤：
在一个商品分类系统中对所述商品信息分类；
在一个广告/促销分类系统中对所述广告/促销信息分类；和
创建对应于由所述零售商售出的所述品种的加强数据成分，所述加强数据成分提供每个品种与对每个品种所做的广告/促销之间的一个关联。
CN01102882A 2000-02-22 2001-02-21 用关联分析研究广告的销售效果的方法和系统 Pending CN1310414A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US09/510,416 US7299194B1 (en) 2000-02-22 2000-02-22 Method and system for researching sales effects of advertising using association analysis
US09/510416 2000-02-22

Publications (1)

Publication Number Publication Date
CN1310414A true CN1310414A (zh) 2001-08-29

Family

ID=24030646

Family Applications (1)

Application Number Title Priority Date Filing Date
CN01102882A Pending CN1310414A (zh) 2000-02-22 2001-02-21 用关联分析研究广告的销售效果的方法和系统

Country Status (5)

Country Link
US (2) US7299194B1 (zh)
JP (1) JP4360759B2 (zh)
CN (1) CN1310414A (zh)
AU (1) AU782052B2 (zh)
CA (1) CA2334300A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102332130A (zh) * 2010-06-24 2012-01-25 索尼公司 广告效果测量方法、程序和电子广告装置
CN105122284A (zh) * 2013-03-15 2015-12-02 英特尔公司 便于计算系统的动态和定向广告的机制
CN107203910A (zh) * 2017-05-27 2017-09-26 科技谷（厦门）信息技术有限公司 一种大数据智能精准营销系统

Families Citing this family (76)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7299194B1 (en) * 2000-02-22 2007-11-20 International Business Machines Corporation Method and system for researching sales effects of advertising using association analysis
AU2001290963B2 (en) 2000-09-13 2006-11-02 Stratosaudio, Inc. System and method for ordering and delivering media content using supplementary data which is transmitted with a broadcast signal
KR100500329B1 (ko) * 2001-10-18 2005-07-11 주식회사 핸디소프트 워크플로우 마이닝 시스템 및 방법
JP2003263586A (ja) * 2002-03-08 2003-09-19 Gourmet Navigator Inc 広告管理システム
JP2004070525A (ja) * 2002-08-02 2004-03-04 Ajinomoto Communications Inc 販売促進の効果測定方法およびその装置
US7917130B1 (en) 2003-03-21 2011-03-29 Stratosaudio, Inc. Broadcast response method and system
US7680685B2 (en) * 2004-06-05 2010-03-16 Sap Ag System and method for modeling affinity and cannibalization in customer buying decisions
US8214246B2 (en) * 2004-09-30 2012-07-03 Dunnhumby Limited Method for performing retail sales analysis
AU2007202292A1 (en) * 2006-05-25 2007-12-13 Dunnhumby Limited Method for planning and evaluating in-store advertising for a retail entity
US8650265B2 (en) * 2007-02-20 2014-02-11 Yahoo! Inc. Methods of dynamically creating personalized Internet advertisements based on advertiser input
US9449290B1 (en) 2007-05-04 2016-09-20 At&T Intellectual Property I, L.P. Product and service purchase-cycle tracking
US20090144144A1 (en) * 2007-07-13 2009-06-04 Grouf Nicholas A Distributed Data System
US8666819B2 (en) 2007-07-20 2014-03-04 Yahoo! Overture System and method to facilitate classification and storage of events in a network
US20090024623A1 (en) * 2007-07-20 2009-01-22 Andrei Zary Broder System and Method to Facilitate Mapping and Storage of Data Within One or More Data Taxonomies
US8688521B2 (en) * 2007-07-20 2014-04-01 Yahoo! Inc. System and method to facilitate matching of content to advertising information in a network
US7991806B2 (en) * 2007-07-20 2011-08-02 Yahoo! Inc. System and method to facilitate importation of data taxonomies within a network
CN101393629A (zh) * 2007-09-20 2009-03-25 阿里巴巴集团控股有限公司 一种网络广告效果监测的实现方法及装置
WO2009079417A1 (en) 2007-12-14 2009-06-25 Stratosaudio, Inc. Systems and methods for scheduling interactive media and events
WO2009079416A2 (en) 2007-12-14 2009-06-25 Stratosaudio, Inc. Systems and methods for outputting updated media
US8166081B2 (en) * 2008-02-05 2012-04-24 Stratosaudio, Inc. System and method for advertisement transmission and display
EP2250749A2 (en) 2008-02-05 2010-11-17 StratosAudio, Inc. Systems, methods, and devices for scanning broadcasts
US8095418B2 (en) 2008-06-10 2012-01-10 David Levine Symbiotic mass marketing
US20100004943A1 (en) * 2008-07-02 2010-01-07 Emmanuel Kpabitey Newspaper on a container
US20100125546A1 (en) * 2008-11-19 2010-05-20 Melyssa Barrett System and method using superkeys and subkeys
US8346369B2 (en) * 2009-05-14 2013-01-01 Cardiac Pacemakers, Inc. Systems and methods for programming implantable medical devices
US9841282B2 (en) 2009-07-27 2017-12-12 Visa U.S.A. Inc. Successive offer communications with an offer recipient
US9443253B2 (en) 2009-07-27 2016-09-13 Visa International Service Association Systems and methods to provide and adjust offers
US10546332B2 (en) 2010-09-21 2020-01-28 Visa International Service Association Systems and methods to program operations for interaction with users
US20110029367A1 (en) 2009-07-29 2011-02-03 Visa U.S.A. Inc. Systems and Methods to Generate Transactions According to Account Features
US20110035280A1 (en) 2009-08-04 2011-02-10 Visa U.S.A. Inc. Systems and Methods for Targeted Advertisement Delivery
US20110035278A1 (en) 2009-08-04 2011-02-10 Visa U.S.A. Inc. Systems and Methods for Closing the Loop between Online Activities and Offline Purchases
US9342835B2 (en) 2009-10-09 2016-05-17 Visa U.S.A Systems and methods to deliver targeted advertisements to audience
US9031860B2 (en) 2009-10-09 2015-05-12 Visa U.S.A. Inc. Systems and methods to aggregate demand
US8595058B2 (en) 2009-10-15 2013-11-26 Visa U.S.A. Systems and methods to match identifiers
US20110093324A1 (en) 2009-10-19 2011-04-21 Visa U.S.A. Inc. Systems and Methods to Provide Intelligent Analytics to Cardholders and Merchants
US8676639B2 (en) 2009-10-29 2014-03-18 Visa International Service Association System and method for promotion processing and authorization
US8626705B2 (en) 2009-11-05 2014-01-07 Visa International Service Association Transaction aggregator for closed processing
US20110125565A1 (en) 2009-11-24 2011-05-26 Visa U.S.A. Inc. Systems and Methods for Multi-Channel Offer Redemption
TW201142630A (en) 2009-12-21 2011-12-01 Ibm Method for training and using a classification model with association rule models
US8639567B2 (en) 2010-03-19 2014-01-28 Visa U.S.A. Inc. Systems and methods to identify differences in spending patterns
US8738418B2 (en) 2010-03-19 2014-05-27 Visa U.S.A. Inc. Systems and methods to enhance search data with transaction based data
US9697520B2 (en) 2010-03-22 2017-07-04 Visa U.S.A. Inc. Merchant configured advertised incentives funded through statement credits
US9471926B2 (en) 2010-04-23 2016-10-18 Visa U.S.A. Inc. Systems and methods to provide offers to travelers
US8359274B2 (en) 2010-06-04 2013-01-22 Visa International Service Association Systems and methods to provide messages in real-time with transaction processing
US8781896B2 (en) 2010-06-29 2014-07-15 Visa International Service Association Systems and methods to optimize media presentations
US9760905B2 (en) 2010-08-02 2017-09-12 Visa International Service Association Systems and methods to optimize media presentations using a camera
US9972021B2 (en) 2010-08-06 2018-05-15 Visa International Service Association Systems and methods to rank and select triggers for real-time offers
US9679299B2 (en) 2010-09-03 2017-06-13 Visa International Service Association Systems and methods to provide real-time offers via a cooperative database
US9477967B2 (en) 2010-09-21 2016-10-25 Visa International Service Association Systems and methods to process an offer campaign based on ineligibility
US10055745B2 (en) 2010-09-21 2018-08-21 Visa International Service Association Systems and methods to modify interaction rules during run time
US9558502B2 (en) 2010-11-04 2017-01-31 Visa International Service Association Systems and methods to reward user interactions
US10007915B2 (en) 2011-01-24 2018-06-26 Visa International Service Association Systems and methods to facilitate loyalty reward transactions
US10438299B2 (en) 2011-03-15 2019-10-08 Visa International Service Association Systems and methods to combine transaction terminal location data and social networking check-in
US10223707B2 (en) 2011-08-19 2019-03-05 Visa International Service Association Systems and methods to communicate offer options via messaging in real time with processing of payment transaction
US9466075B2 (en) 2011-09-20 2016-10-11 Visa International Service Association Systems and methods to process referrals in offer campaigns
US10380617B2 (en) 2011-09-29 2019-08-13 Visa International Service Association Systems and methods to provide a user interface to control an offer campaign
US10290018B2 (en) 2011-11-09 2019-05-14 Visa International Service Association Systems and methods to communicate with users via social networking sites
US10497022B2 (en) 2012-01-20 2019-12-03 Visa International Service Association Systems and methods to present and process offers
US10672018B2 (en) 2012-03-07 2020-06-02 Visa International Service Association Systems and methods to process offers via mobile devices
US10360627B2 (en) 2012-12-13 2019-07-23 Visa International Service Association Systems and methods to provide account features via web based user interfaces
US20140207791A1 (en) * 2013-01-22 2014-07-24 Adobe Systems Incorporated Information network framework for feature selection field
US9171046B1 (en) 2013-05-09 2015-10-27 Emcien Corporation System and method for generating an output of relevant queries for a database
US9460451B2 (en) 2013-07-01 2016-10-04 Yahoo! Inc. Quality scoring system for advertisements and content in an online system
US10489754B2 (en) 2013-11-11 2019-11-26 Visa International Service Association Systems and methods to facilitate the redemption of offer benefits in a form of third party statement credits
US10134053B2 (en) 2013-11-19 2018-11-20 Excalibur Ip, Llc User engagement-based contextually-dependent automated pricing for non-guaranteed delivery
US10419379B2 (en) 2014-04-07 2019-09-17 Visa International Service Association Systems and methods to program a computing system to process related events via workflows configured using a graphical user interface
US10354268B2 (en) 2014-05-15 2019-07-16 Visa International Service Association Systems and methods to organize and consolidate data for improved data storage and processing
US10650398B2 (en) 2014-06-16 2020-05-12 Visa International Service Association Communication systems and methods to transmit data among a plurality of computing systems in processing benefit redemption
US10438226B2 (en) 2014-07-23 2019-10-08 Visa International Service Association Systems and methods of using a communication network to coordinate processing among a plurality of separate computing systems
US11210669B2 (en) 2014-10-24 2021-12-28 Visa International Service Association Systems and methods to set up an operation at a computer system connected with a plurality of computer systems via a computer network using a round trip communication of an identifier of the operation
US9691085B2 (en) 2015-04-30 2017-06-27 Visa International Service Association Systems and methods of natural language processing and statistical analysis to identify matching categories
US20170061467A1 (en) * 2015-08-28 2017-03-02 Facebook, Inc. Mitigating bias in lift analysis for demand side platforms
CN108874874A (zh) * 2018-04-27 2018-11-23 合肥工业大学 产品市场定位方法和系统、存储介质
US11544737B2 (en) * 2018-06-10 2023-01-03 Brave Software, Inc. Attention application user classification privacy
US20200218994A1 (en) * 2019-01-08 2020-07-09 International Business Machines Corporation Generating a sequence rule
KR20220095811A (ko) 2020-12-30 2022-07-07 (주)서베이피플 광고 컨텐츠 반응 및 광고 효과 사전 분석 시스템

Family Cites Families (41)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4630108A (en) 1984-03-26 1986-12-16 A. C. Nielsen Company Preprogrammed over-the-air marketing research system
US4752675A (en) 1985-12-23 1988-06-21 Zetmeir Karl D Method of collecting response data from direct mail advertising
US5227874A (en) * 1986-03-10 1993-07-13 Kohorn H Von Method for measuring the effectiveness of stimuli on decisions of shoppers
US4972504A (en) * 1988-02-11 1990-11-20 A. C. Nielsen Company Marketing research system and method for obtaining retail data on a real time basis
US5124911A (en) 1988-04-15 1992-06-23 Image Engineering, Inc. Method of evaluating consumer choice through concept testing for the marketing and development of consumer products
US4908761A (en) * 1988-09-16 1990-03-13 Innovare Resourceful Marketing Group, Inc. System for identifying heavy product purchasers who regularly use manufacturers' purchase incentives and predicting consumer promotional behavior response patterns
US5712985A (en) 1989-09-12 1998-01-27 Lee; Michael D. System and method for estimating business demand based on business influences
US5636117A (en) 1991-03-11 1997-06-03 Rothstein; Robert E. Method and apparatus for monitoring the strength of a real estate market or commodity market and making lending and insurance decisions therefrom
US5401946A (en) * 1991-07-22 1995-03-28 Weinblatt; Lee S. Technique for correlating purchasing behavior of a consumer to advertisements
US5331544A (en) 1992-04-23 1994-07-19 A. C. Nielsen Company Market research method and system for collecting retail store and shopper market research data
US5469206A (en) 1992-05-27 1995-11-21 Philips Electronics North America Corporation System and method for automatically correlating user preferences with electronic shopping information
NZ250926A (en) * 1993-02-23 1996-11-26 Moore Business Forms Inc Relational database: product, consumer and transactional data for retail shopping targeting
US5504675A (en) 1994-12-22 1996-04-02 International Business Machines Corporation Method and apparatus for automatic selection and presentation of sales promotion programs
US5774868A (en) 1994-12-23 1998-06-30 International Business And Machines Corporation Automatic sales promotion selection system and method
US5794209A (en) * 1995-03-31 1998-08-11 International Business Machines Corporation System and method for quickly mining association rules in databases
US5615341A (en) * 1995-05-08 1997-03-25 International Business Machines Corporation System and method for mining generalized association rules in databases
EP0843858A4 (en) * 1995-04-13 2003-06-11 Eldat Comm Ltd MACHINE SYSTEM FOR PROCESSING SALES PROMOTIONS AND MODIFIABLE INTERACTIVE DISPLAY PARTICULARLY USEFUL IN THIS SYSTEM
JPH0934957A (ja) 1995-07-14 1997-02-07 Nippon Telegr & Teleph Corp <Ntt> ユーザ振る舞いの解析方法及び装置
US5857175A (en) * 1995-08-11 1999-01-05 Micro Enhancement International System and method for offering targeted discounts to customers
US6026397A (en) * 1996-05-22 2000-02-15 Electronic Data Systems Corporation Data analysis system and method
US5918211A (en) * 1996-05-30 1999-06-29 Retail Multimedia Corporation Method and apparatus for promoting products and influencing consumer purchasing decisions at the point-of-purchase
JPH1115842A (ja) * 1997-06-24 1999-01-22 Mitsubishi Electric Corp データマイニング装置
JP3699807B2 (ja) * 1997-06-30 2005-09-28 株式会社東芝 相関関係抽出装置
US6212544B1 (en) * 1997-10-23 2001-04-03 International Business Machines Corporation Altering thread priorities in a multithreaded processor
US6301575B1 (en) * 1997-11-13 2001-10-09 International Business Machines Corporation Using object relational extensions for mining association rules
US6094645A (en) * 1997-11-21 2000-07-25 International Business Machines Corporation Finding collective baskets and inference rules for internet or intranet mining for large data bases
US6078891A (en) * 1997-11-24 2000-06-20 Riordan; John Method and system for collecting and processing marketing data
US6009407A (en) * 1998-02-27 1999-12-28 International Business Machines Corporation Integrated marketing and operations decisions-making under multi-brand competition
US6286005B1 (en) 1998-03-11 2001-09-04 Cannon Holdings, L.L.C. Method and apparatus for analyzing data and advertising optimization
US6173280B1 (en) * 1998-04-24 2001-01-09 Hitachi America, Ltd. Method and apparatus for generating weighted association rules
US6401074B1 (en) * 1998-06-12 2002-06-04 Access Retail transaction promotion system
US6141010A (en) * 1998-07-17 2000-10-31 B. E. Technology, Llc Computer interface method and apparatus with targeted advertising
US6189005B1 (en) * 1998-08-21 2001-02-13 International Business Machines Corporation System and method for mining surprising temporal patterns
US6182070B1 (en) * 1998-08-21 2001-01-30 International Business Machines Corporation System and method for discovering predictive association rules
US6317722B1 (en) * 1998-09-18 2001-11-13 Amazon.Com, Inc. Use of electronic shopping carts to generate personal recommendations
US6334109B1 (en) * 1998-10-30 2001-12-25 International Business Machines Corporation Distributed personalized advertisement system and method
US6377934B1 (en) * 1999-01-15 2002-04-23 Metaedge Corporation Method for providing a reverse star schema data model
US6334110B1 (en) * 1999-03-10 2001-12-25 Ncr Corporation System and method for analyzing customer transactions and interactions
US6470079B1 (en) * 1999-07-09 2002-10-22 Who's Calling, Inc. System and method for real-time reporting of advertising effectiveness
US6415287B1 (en) * 2000-01-20 2002-07-02 International Business Machines Corporation Method and system for mining weighted association rule
US7299194B1 (en) * 2000-02-22 2007-11-20 International Business Machines Corporation Method and system for researching sales effects of advertising using association analysis

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102332130A (zh) * 2010-06-24 2012-01-25 索尼公司 广告效果测量方法、程序和电子广告装置
CN105122284A (zh) * 2013-03-15 2015-12-02 英特尔公司 便于计算系统的动态和定向广告的机制
CN107203910A (zh) * 2017-05-27 2017-09-26 科技谷（厦门）信息技术有限公司 一种大数据智能精准营销系统

Also Published As

Publication number Publication date
US7567918B2 (en) 2009-07-28
AU7196900A (en) 2001-08-23
US7299194B1 (en) 2007-11-20
AU782052B2 (en) 2005-06-30
US20080154701A1 (en) 2008-06-26
JP2001243334A (ja) 2001-09-07
JP4360759B2 (ja) 2009-11-11
CA2334300A1 (en) 2001-08-22

Similar Documents

Publication Publication Date Title
CN1310414A (zh) 用关联分析研究广告的销售效果的方法和系统
US7577579B2 (en) Method of predicting sales based on triple-axis mapping of customer value
US10574766B2 (en) Clickstream analysis methods and systems related to determining actionable insights relating to a path to purchase
US7594189B1 (en) Systems and methods for statistically selecting content items to be used in a dynamically-generated display
US7062447B1 (en) Imputed variable generator
Deichmann et al. Application of multiple adaptive regression splines (MARS) in direct response modeling
US9563904B2 (en) Extracting product purchase information from electronic messages
US20100228595A1 (en) System and method for scoring target lists for advertising
WO2011050371A1 (en) System and method for generating product decisions
EP2813994A1 (en) Machine learning system to optimize targeting campaigns in on-line banking environment
KR20160071990A (ko) 고객 데이터 분석·검증 시스템
WO2012058655A2 (en) System and method for modeling by customer segments
Keshvari The impact of E-CRM on customers attitude and its association with generating competitive advantages in Iranian financial B2B context
CN113516496A (zh) 广告转化率预估模型构建方法、装置、设备及其介质
Finotto et al. Factors influencing the use of e-commerce in the agri-food sector: an analysis of Italian consumers
Wieland Spatial shopping behavior in a multi-channel environment: A discrete choice model approach
Garver A maximum difference scaling application for customer satisfaction researchers.
CN115098766B (zh) 一种电子招投标交易平台招投标信息推荐方法及系统
US20100063869A1 (en) Methods and apparatus to create modeling groups for use in trade promotion response models
CN113077292B (zh) 一种用户分类方法、装置、存储介质及电子设备
Theerthaana et al. A study to improve the response in email campaigning by comparing data mining segmentation Approaches in Aditi Technologies
Desai et al. Drivers in the adoption and sophistication of database marketing in the services sector
Guillen Jr Retail Marketing Competencies in an Omnichannel World: A Post-Pandemic Shopping Revolution
Bhatta Optimizing Marketing Channel Attribution for B2B and B2C with Machine Learning Based Lead Scoring Model
Kim et al. Developing an intelligent web information system for minimizing information gap in government agencies and public institutions

Legal Events

Date Code Title Description
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C06 Publication
PB01 Publication
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication