JP2003526139A - 抱き合わせ販売マーケティング・キャンペーンの正味現在価値を最適化するための方法 - Google Patents
抱き合わせ販売マーケティング・キャンペーンの正味現在価値を最適化するための方法Info
- Publication number
- JP2003526139A JP2003526139A JP2001516103A JP2001516103A JP2003526139A JP 2003526139 A JP2003526139 A JP 2003526139A JP 2001516103 A JP2001516103 A JP 2001516103A JP 2001516103 A JP2001516103 A JP 2001516103A JP 2003526139 A JP2003526139 A JP 2003526139A
- Authority
- JP
- Japan
- Prior art keywords
- customer
- cross
- optimizing
- anpv
- linear
- 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
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
Abstract
Description
適化するための方法の開発に関する。特に、本発明は、多次元の最適化問題に対
する離散的リニア・プログラミングの古典的な方法の適用に関する改善である。
提供する。各販売促進には、適格性の条件、応答モデル、および収益性モデルが
関連付けられている。 いくつかの販売促進は、「ピアグループ」(Peer Groups)(すな
わち、利率が異なっているクレジット・カードなどの相互に排他的なオファー(
offer)のグループ)に組み合わせることができる。任意の顧客に対して提
案されるオファーの最大数に制約が課される可能性があり、さらに、最小の売り
上げ高、最初のNPV(Net Present Value)(正味現在価値
)/顧客、最大の予算などのビジネス条件があり得る。これらの条件を任意の個
別の販売促進、ピアグループ、または全体としてのキャンペーンに対して適用す
ることができる。
び制約を満足しながら、そのキャンペーンの効用関数(合計のNPV、売り上げ
の合計数など)を最大にするために、どの顧客に対してどのオファーを送るかを
決定することである。
る。応答および/または収益性のモデルが適用され、顧客はそのオファーに対し
て応答するための傾向に基づいてランク付けられる。このランク付けの後、その
リストのトップからのあるパーセンテージが、そのオファーを受けるように選択
される。同じプロセスが利用できるすべてのオファーに対して別々に適用される
。 結果として、最良の、最も応答性の良い価値ある顧客はオファーによって飽和
状態になり、その顧客リストの中間のセグメントは無視される。したがって、そ
のキャンペーンの総合的な効率は落ちる。
の目標を満足することができないことである。 ほとんどの洗練された販売業者は、異なるオファーに対して作られたモデルを
統合化しようとした。しかし、これらの試みはしっかりした科学的方法に基づい
ておらず、むしろ場当たり的な方法を利用してきた。このために、最も単純な制
約条件だけしか満足することができず、その解決策は効用関数に関して部分的に
最適化されてきた。実際、これらの販売業者は真の最適化からどの程度ずれてい
るかを評価することさえできていない。 したがって、有用なことは数理的に最適のオファー割当て、すなわち、効用関
数を最大化し、しかもすべてのビジネス目標および制約条件を満足する最適のオ
ファーのセットを各顧客ごとに選択するプロセスである。
す。本発明は、従来は線形多次元問題として扱われてきたことに対して厳格な非
線形数理的解決策を提供する。 元々の形式における問題は離散的リニア・プログラミングの問題である。しか
し、次元の数が膨大であるために(代表的なビジネス・ケースにおいては、N=
O(108)、M=O(102))、古典的な方法の離散的リニア・プログラミン
グの適用は不可能である。
選択するステップと、1つのオファーと選択された有望顧客の各ペアに対して効
用関数の値を計算するステップと、元の「線形」多次元問題を実現可能な数の次
元の「非線形」問題に変換するステップと、反復的アルゴリズムを使用して所望
の許容度でその選択されたサンプルに対して非線形問題を数値的に解くステップ
と、その結果を使用してその有望顧客リスト全体に対してワンパスでオファーの
最適セットを計算するステップとから構成されている。
を向上させることである。 本発明の1つの目的は、多数のオファーを含む抱き合わせ販売キャンペーンの
効率を向上させることである。 本発明の1つの目的は、オファーのグループから相互に排他的である可能性の
ある抱き合わせ販売キャンペーンの最適化を提供することである。 本発明の1つの目的は、多数の有望顧客をターゲットとした抱き合わせ販売キ
ャンペーンの効率を向上させることである。 本発明の1つの目的は、各顧客に対して個々の最適のオファーのセットを選択
することによって、抱き合わせ販売の効率を向上させることである。 本発明の1つの目的は、抱き合わせ販売キャンペーンの中で顧客に対して送ら
れるオファーの最大数を制約することである。 本発明の1つの目的は、個々のオファー、オファーのグループまたは全体のキ
ャンペーンに対して適用されるように抱き合わせ販売キャンペーンを最適化しな
がら、最小の販売数および予算の制約などのビジネス目標を満足することである
。 本発明の1つの目的は、抱き合わせ販売キャンペーンの中で、合計のNPVま
たは売り上げ数などのユーザ選択の効用関数を最大にすることである。 本発明の1つの目的は、効用関数を数理的に最大化し、抱き合わせ販売の中で
のすべての制約条件を満足することである。 本発明の1つの目的は、抱き合わせ販売キャンペーンの目標または制約条件を
繰り返し変更できるようにし、その結果を迅速に見ることができるようにするこ
とである。 本発明の1つの目的は、抱き合わせ販売キャンペーンに対する最終のスコアリ
ングを単独パスで提供し、一億の顧客リストを一晩で処理するのに十分にスケー
ラブルで効率的であるようにすることである。
1対1」のマーケティングを提供することである。
きに解かれることが望ましい従来の線形多次元問題に対して、厳格な非線形数理
的解を提供することによって、抱き合わせ販売キャンペーンの多次元最適化問題
に対して新規な反復的アルゴリズムの適用を示す。
要なサンプル10をランダムに選択するステップと、オファー30と選択された
有望顧客10の各ペアに対して効用関数20の値を計算するステップと、元の「
線形」多次元問題を実現可能な次元の「非線形」問題40に変換するステップと
、反復的アルゴリズムを使用して所望の許容差で選択されたサンプルに対して数
値的に非線形問題50を解くステップと、その結果を使用して有望顧客リスト全
体に対してワンパスでオファーの最適セット60を計算するステップとから構成
されている。 A=(aij)が、「勧誘(solicitation)行列」であるとする。
ここで、 aij=1(オファーjが顧客iへ送られる場合) =0(それ以外の場合); R=(rij)が「応答(response)行列」であるとする。ここで、 rij‐は、顧客iが販売促進jに対して応答する確率である; P=(pij)を「収益性(profitability)行列」であるとする
。ここで、 pij‐は、顧客iが販売促進jに対して応答する場合の収益性である。 そのキャンペーンの合計のNPV、すなわち、NPV=NPV(A,R,P)
は、aij,rij,pijおよびそのキャンペーンの他の経済的パラメータの線形関
数である。
制約は、一組の不等式Cikによって表すことができる。 Cik(A)≦0(i=1,2,...,N、k=1,2,...,K) ここで、Ciは線形関数であり、Nは有望顧客リストの顧客の数のオーダであ
り、Kは制限事項の数である。これらの「顧客レベルの制約事項」は各個人に対
して適用される。経済的な目標は各販売促進およびキャンペーン全体に対して一
組の不等式Gによって表される。 Gj,l(A,R,P)≦0(j=1,2,...,M、l=1,2,...,Lj ) G0,l(A,R,P)≦0(l=1,2,...,L0) ここで、Gjは線形関数であり、Mはそのキャンペーンの中の販売促進の数の
オーダであり、Ljは制限事項の合計数である。これらの「主要」制限事項が販
売促進またはそのキャンペーンに対して適用され、Gはすべての適格の顧客につ
いての合計である。
を使用する。第1のステップはモデリングのデータベース200からのターゲッ
ティング・オプティマイザ(TO)プロジェクトの集合202を選択することに
よってキャンペーンまたはプロジェクトを生成するステップである。各TOプロ
ジェクトは、販売促進およびオファーの経済的側面を含み、有望顧客の選択され
たプールに対する適格性の情報を含む。各TOプロジェクトは、代替オファーグ
ループ206、モデル校正204、および適格性行列214を生成するために有
望顧客入力と組み合わせる適格性情報を含む。
的に重要なサンプルまたはテスト用DCP(derived cutomer
pool)(導かれた顧客のプール)212をランダムに選択する。次に、選択
された有望顧客に対して行列PおよびRが224に対して計算される。次のステ
ップ、すなわち、元の「線形」多次元問題を実現可能な数の次元の「非線形」問
題へ変換するステップと、新規な反復的アルゴリズム(以下に説明する)を使用
して、その選択されたサンプルに対する非線形問題を所望の許容差で数値的に解
くステップが最適化エンジン240によって実行される。
る。この入力データ、キャンペーン・レベルの制約条件242、およびオファー
・レベルの制約条件244を使用して、最適化エンジン240が勧誘行列250
を発生する。これはその選択された制約条件242および244が所望のオファ
ー勧誘スキーマ256を満足したかどうかを調べるために260においてテスト
される最適化レポート254のためのレポート・データ252を計算するために
使用される。満足されていた場合、最終レポート260が発生される。そのオフ
ァー勧誘スキーマ256が満足されなかった場合、キャンペーン・レベルの制約
条件242およびオファーレベルの制約条件244が調整されて別の繰返しが発
生する。
Lのペクトルを計算する。 ANPVj(L,ri,pi)、 ここで、 j=1,2...,販売促進の番号 ri=(rij)‐顧客iが販売促進1,2,...に応答する傾向のベクトル pi=(pij)‐販売促進1,2,...に対する顧客iの収益性のベクトル
。これを実行するために、図3に示されているように、 1.次の顧客レコードを読む 31 2.ベクトルriおよびpiを計算する 32 3.anpvi=(ANPVj(L,ri,pi)(j=1,2,...)、販売
促進の番号)を計算する 33 4.anpviの値および適格性の条件に基づいて、勧誘ベクトルを計算する 。 ai=(aij(j=1,2,...)、販売促進の番号)、これは34におい て顧客iに対して送られる販売促進の最適セットを定義する。 5.顧客リストの終りまで前記4つのステップを繰り返す 35
線形」多次元問題を上記実現可能な数の次元の「非線形」問題へ変換するために
、本発明は多数の制限事項を伴う高次元の条件付き極値問題を解く必要がある。
本発明はラグランジュ乗数の技法を使用して「主要制限条件だけ」を考慮に入れ
る。それらは等式または不等式のタイプであってよい。この低次元非線形問題は
、勾配タイプの反復プロセスによって解かれる。
pi)の最適化がレコードごとに直接行われる。それは次のミニマックス問題と
等価である。 Minj(Lb>0,Lc)Maxj(c≦0)ANPV(L,ri,pi) ここで、ANPV(L,ri,pi)=ANPV(L,ri,pi)+LbGb(A
,R,P)+(LcGc(A,R,P) ここで、すべての不等式についての集計がとれる。
ている。 1.データを準備する 41 2.機能および勾配の初期値を計算する 42 3.最初のアルゴリズムのステップに対する値を設定する 43;各ラグラン
ジュ乗数に対して、そのステップは機能の値を勾配の二乗で割った値に等しく設
定される必要がある。 4.勾配に沿ってステップを作成する 44 5.必要な場合、ステップを更新する 45 6.顧客レベルの制限事項を考慮に入れて、その機能の新しい値を計算する
46 7.収束をチェックする 47 8.48において収束しない場合、ステップ4へ戻る 9.十分に収束する場合、その結果を出力する 49 上記のアルゴリズムは直観的では「ない」が、上記公式化された多次元最適化
問題に対する厳格な数理的解を与えることは強調されるべきである。
上記のステップ4における反復手順が、通常、30回の繰返しで0.1%の許容
差で収束することを示した。これによってユーザは本発明の抱き合わせ販売の最
適化機能と対話的に作業することができ、マーケティング活動の財務的出力結果
のリアルタイム解析を実行することができる。
グによって、100Mレコードのデータベースのロールアウト・スコアリングを
一晩で行うことができる。
ィングの目的に対して使用される。本発明をニューラル・ネットワークと一緒に
使用して、直接販売に最もよく応答する可能性のある個人またはクラスまたは個
人を示しているデータをユーザに提供する。
Claims (10)
- 【請求項1】 抱き合わせ販売マーケティング・キャンペーンを最適化する
ための方法であって、 有望顧客リストの統計的に重要なサンプルをランダムに選択するステップと、 オファーと選択された有望顧客との各ペアに対して効用関数の値を計算するス
テップと、 前記効用関数を最適化する元の線形多次元問題を実現可能な数の次元の非線形
問題に変換するステップと、 反復的アルゴリズムを使用して前記選択されたサンプルに対する前記非線形問
題を所望の許容差で数値的に解いて結果を出すステップと、 前記結果を使用して前記有望顧客リストに対してワンパスでオファーの最適セ
ットを計算するステップとを含む方法。 - 【請求項2】 請求項1に記載の抱き合わせ販売マーケティング・キャンペ
ーンを最適化するための方法であって、前記効用関数が正味現在価値(NPV)
である方法。 - 【請求項3】 請求項2に記載の抱き合わせ販売マーケティング・キャンペ
ーンを最適化するための方法において、前記NPVが少なくとも1つの勧誘、応
答、および収益性の線形関数である方法。 - 【請求項4】 請求項3に記載の抱き合わせ販売マーケティング・キャンペ
ーンを最適化するための方法において、適格性の条件の顧客レベルの制約条件、
類似グループの論理、および顧客当たりのオファーの最大数を一組の不等式Cik 、すなわち、 Cik(A)≦0(i=1,2,...,N、k=1,2,...,K) によって表すことができ、 ここで、Ciは線形関数であり、Nは有望顧客リストの中の顧客数と同程度の
数であり、Kは制限事項の数である方法。 - 【請求項5】 請求項4に記載の抱き合わせ販売マーケティング・キャンペ
ーンを最適化するための方法であって、経済目標のキャンペーン・レベルの制約
条件が各販売促進およびキャンペーン全体に対して一組の不等式Gによって表さ
れ、 Gj,l(A,R,P)≦0(j=1,2,...,M、l=1,2,...,
Lj) G0,l(A,R,P)≦0(l=1,2,...,L0) ここで、Gjは線形関数であり、Mはそのキャンペーンにおける販売促進の数
とオーダであり、Ljは合計の制限事項の数であり、Gはすべての適格の顧客に
ついての集計である方法。 - 【請求項6】 請求項5に記載の抱き合わせ販売マーケティング・キャンペ
ーンを最適化するための方法において、前記結果が勧誘行列Aであり、それはす
べての制約条件CおよびGが満足されている状態でNPV(A,*)を最大化す
る勧誘行列Aである方法。 - 【請求項7】 請求項6に記載の抱き合わせ販売マーケティング・キャンペ
ーンを最適化するための方法において、前記勧誘行列Aが、A=(aij)とする
ことによって決定され、ここで、 aij=1(オファーjが顧客iへ行く場合) =0(その他の場合) であり、 R=(rij)は、「応答行列」であり、 rij‐は、顧客iが販売促進jに対して応答するための確率であり、 P=(pij)は、「収益性行列であり」、ここで、 pij‐は、顧客が1つの販売促進jに対して応答する場合の顧客の収益性であ
り;そのキャンペーンの合計のNPV、すなわち、NPV=NPV(A,R,P
)は、aij,rij,pijの線形関数である方法。 - 【請求項8】 請求項7に記載の抱き合わせ販売マーケティング・キャンペ
ーンを最適化するための方法において、最適化エンジンがANPV(調整された
NPV)関数ANPVj(L,ri,pi)のパラメータLのベクトルを計算し、 ここで、 j=販売促進の番号であり、 ri=(rij)‐は、顧客iが販売促進1,2,...jに対して応答するた めの適格性のベクトルであり、 pi=(pij)‐は、販売促進1,2,...jに対する顧客iの収益性のベ クトルである方法。 - 【請求項9】 請求項8に記載の抱き合わせ販売マーケティング・キャンペ
ーンを最適化するための方法において、前記最適勧誘行列が有望顧客リストから
単独パスで計算され、 顧客のレコードiにおいて読み出すステップと、 ベクトルriおよびpiを計算するステップと、 anpvi=ANPVj(L,ri,pi)を計算するステップと、 anpviの値および適格性の条件を使用して、顧客iに対して送られる販売
促進の最適セットを定義する勧誘ベクトルai=(aij)を計算するステップと
、 前記有望顧客リストの終りに達するまで前記4つのステップを繰り返すステッ
プとによって計算される方法。 - 【請求項10】 請求項9に記載の抱き合わせ販売マーケティング・キャン
ペーンを最適化するための方法において、ri,piが計算され、前記効用関数を
最適化する線形多次元問題が主要な制限事項のみを考慮に入れてラグランジュ乗
数の技法によって実現可能な数の次元の非線形問題に変換され、勾配型の反復プ
ロセスによって低次元非線形問題が作られ、 各反復ステップにおいて、下記のミニマックス問題に等価な顧客レベルの制限
条件下でのANPVj(L,ri,pi)の最適化を直接行うステップを含み、 Minj(Lb>0,Lc)Maxj(c≦0)ANPV(L,ri,pi) ここで、ANPV(L,ri,pi)=ANPV(L,ri,pi)0+LbGb(
A,R,P)+LcGc(A,R,P)であり、 これを、 関数および勾配の初期値を計算するステップと、 最初のアルゴリズムのステップに対する値を設定し、各ラグランジュ乗数に対
して、そのステップが前記機能の初期値を前記勾配の二乗で割った値に等しく設
定されるステップと、 前記勾配に沿ってステップを作成するステップと、 必要な場合、前記ステップを更新するステップと、 顧客レベルの制限事項を考慮に入れて前記機能の新しい値を計算するステップ
と、 収束に対してチェックするステップと、 収束されない場合に、前記勾配に沿って別のステップを作成するステップと、 収束時に結果を出力するステップとによって繰返し的に解くステップを含む方
法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14745699P | 1999-08-06 | 1999-08-06 | |
US60/147,456 | 1999-08-06 | ||
PCT/US2000/021453 WO2001011522A2 (en) | 1999-08-06 | 2000-08-05 | Method for optimizing net present value of a cross-selling marketing campaign |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2003526139A true JP2003526139A (ja) | 2003-09-02 |
JP2003526139A5 JP2003526139A5 (ja) | 2006-12-14 |
Family
ID=22521639
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2001516103A Pending JP2003526139A (ja) | 1999-08-06 | 2000-08-05 | 抱き合わせ販売マーケティング・キャンペーンの正味現在価値を最適化するための方法 |
Country Status (5)
Country | Link |
---|---|
EP (1) | EP1212717A2 (ja) |
JP (1) | JP2003526139A (ja) |
AU (1) | AU769761B2 (ja) |
CA (1) | CA2381349A1 (ja) |
WO (1) | WO2001011522A2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7689528B2 (en) | 2004-07-09 | 2010-03-30 | Fair Isaac Corporation | Method and apparatus for a scalable algorithm for decision optimization |
Families Citing this family (42)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6993493B1 (en) | 1999-08-06 | 2006-01-31 | Marketswitch Corporation | Method for optimizing net present value of a cross-selling marketing campaign |
WO2003093930A2 (en) | 2002-04-30 | 2003-11-13 | Veridiem Inc. | Marketing optimization system |
US7831615B2 (en) | 2003-10-17 | 2010-11-09 | Sas Institute Inc. | Computer-implemented multidimensional database processing method and system |
US8346593B2 (en) | 2004-06-30 | 2013-01-01 | Experian Marketing Solutions, Inc. | System, method, and software for prediction of attitudinal and message responsiveness |
US8732004B1 (en) | 2004-09-22 | 2014-05-20 | Experian Information Solutions, Inc. | Automated analysis of data to generate prospect notifications based on trigger events |
US7624054B2 (en) | 2005-08-25 | 2009-11-24 | Sas Institute Inc. | Financial risk mitigation optimization systems and methods |
US7634431B2 (en) | 2006-03-08 | 2009-12-15 | Sas Institute Inc. | Systems and methods for costing reciprocal relationships |
US7711636B2 (en) | 2006-03-10 | 2010-05-04 | Experian Information Solutions, Inc. | Systems and methods for analyzing data |
US7813948B2 (en) | 2006-08-25 | 2010-10-12 | Sas Institute Inc. | Computer-implemented systems and methods for reducing cost flow models |
US8036979B1 (en) | 2006-10-05 | 2011-10-11 | Experian Information Solutions, Inc. | System and method for generating a finance attribute from tradeline data |
US8027871B2 (en) | 2006-11-03 | 2011-09-27 | Experian Marketing Solutions, Inc. | Systems and methods for scoring sales leads |
US8606626B1 (en) | 2007-01-31 | 2013-12-10 | Experian Information Solutions, Inc. | Systems and methods for providing a direct marketing campaign planning environment |
US8606666B1 (en) | 2007-01-31 | 2013-12-10 | Experian Information Solutions, Inc. | System and method for providing an aggregation tool |
WO2008147918A2 (en) | 2007-05-25 | 2008-12-04 | Experian Information Solutions, Inc. | System and method for automated detection of never-pay data sets |
US8024241B2 (en) | 2007-07-13 | 2011-09-20 | Sas Institute Inc. | Computer-implemented systems and methods for cost flow analysis |
US7996331B1 (en) | 2007-08-31 | 2011-08-09 | Sas Institute Inc. | Computer-implemented systems and methods for performing pricing analysis |
US8050959B1 (en) | 2007-10-09 | 2011-11-01 | Sas Institute Inc. | System and method for modeling consortium data |
US7930200B1 (en) | 2007-11-02 | 2011-04-19 | Sas Institute Inc. | Computer-implemented systems and methods for cross-price analysis |
US7996521B2 (en) | 2007-11-19 | 2011-08-09 | Experian Marketing Solutions, Inc. | Service for mapping IP addresses to user segments |
US8200518B2 (en) | 2008-02-25 | 2012-06-12 | Sas Institute Inc. | Computer-implemented systems and methods for partial contribution computation in ABC/M models |
US8296182B2 (en) | 2008-08-20 | 2012-10-23 | Sas Institute Inc. | Computer-implemented marketing optimization systems and methods |
US20100174638A1 (en) | 2009-01-06 | 2010-07-08 | ConsumerInfo.com | Report existence monitoring |
WO2010132492A2 (en) | 2009-05-11 | 2010-11-18 | Experian Marketing Solutions, Inc. | Systems and methods for providing anonymized user profile data |
US9652802B1 (en) | 2010-03-24 | 2017-05-16 | Consumerinfo.Com, Inc. | Indirect monitoring and reporting of a user's credit data |
US9152727B1 (en) | 2010-08-23 | 2015-10-06 | Experian Marketing Solutions, Inc. | Systems and methods for processing consumer information for targeted marketing applications |
US8930262B1 (en) | 2010-11-02 | 2015-01-06 | Experian Technology Ltd. | Systems and methods of assisted strategy design |
EP2676197B1 (en) | 2011-02-18 | 2018-11-28 | CSidentity Corporation | System and methods for identifying compromised personally identifiable information on the internet |
US11030562B1 (en) | 2011-10-31 | 2021-06-08 | Consumerinfo.Com, Inc. | Pre-data breach monitoring |
US10255598B1 (en) | 2012-12-06 | 2019-04-09 | Consumerinfo.Com, Inc. | Credit card account data extraction |
US8812387B1 (en) | 2013-03-14 | 2014-08-19 | Csidentity Corporation | System and method for identifying related credit inquiries |
US10102536B1 (en) | 2013-11-15 | 2018-10-16 | Experian Information Solutions, Inc. | Micro-geographic aggregation system |
US10262362B1 (en) | 2014-02-14 | 2019-04-16 | Experian Information Solutions, Inc. | Automatic generation of code for attributes |
US9576030B1 (en) | 2014-05-07 | 2017-02-21 | Consumerinfo.Com, Inc. | Keeping up with the joneses |
US11257117B1 (en) | 2014-06-25 | 2022-02-22 | Experian Information Solutions, Inc. | Mobile device sighting location analytics and profiling system |
US10339527B1 (en) | 2014-10-31 | 2019-07-02 | Experian Information Solutions, Inc. | System and architecture for electronic fraud detection |
US10242019B1 (en) | 2014-12-19 | 2019-03-26 | Experian Information Solutions, Inc. | User behavior segmentation using latent topic detection |
US11151468B1 (en) | 2015-07-02 | 2021-10-19 | Experian Information Solutions, Inc. | Behavior analysis using distributed representations of event data |
US9767309B1 (en) | 2015-11-23 | 2017-09-19 | Experian Information Solutions, Inc. | Access control system for implementing access restrictions of regulated database records while identifying and providing indicators of regulated database records matching validation criteria |
US10678894B2 (en) | 2016-08-24 | 2020-06-09 | Experian Information Solutions, Inc. | Disambiguation and authentication of device users |
US10699028B1 (en) | 2017-09-28 | 2020-06-30 | Csidentity Corporation | Identity security architecture systems and methods |
US10896472B1 (en) | 2017-11-14 | 2021-01-19 | Csidentity Corporation | Security and identity verification system and architecture |
US11682041B1 (en) | 2020-01-13 | 2023-06-20 | Experian Marketing Solutions, Llc | Systems and methods of a tracking analytics platform |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6070142A (en) * | 1998-04-17 | 2000-05-30 | Andersen Consulting Llp | Virtual customer sales and service center and method |
US6115693A (en) * | 1998-04-17 | 2000-09-05 | Andersen Consulting Llp | Quality center and method for a virtual sales and service center |
US6064973A (en) * | 1998-04-17 | 2000-05-16 | Andersen Consulting Llp | Context manager and method for a virtual sales and service center |
-
2000
- 2000-08-05 CA CA002381349A patent/CA2381349A1/en not_active Abandoned
- 2000-08-05 WO PCT/US2000/021453 patent/WO2001011522A2/en active IP Right Grant
- 2000-08-05 AU AU64009/00A patent/AU769761B2/en not_active Expired
- 2000-08-05 JP JP2001516103A patent/JP2003526139A/ja active Pending
- 2000-08-05 EP EP00950995A patent/EP1212717A2/en not_active Withdrawn
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7689528B2 (en) | 2004-07-09 | 2010-03-30 | Fair Isaac Corporation | Method and apparatus for a scalable algorithm for decision optimization |
Also Published As
Publication number | Publication date |
---|---|
CA2381349A1 (en) | 2001-02-15 |
WO2001011522A8 (en) | 2001-12-27 |
AU6400900A (en) | 2001-03-05 |
EP1212717A2 (en) | 2002-06-12 |
AU769761B2 (en) | 2004-02-05 |
WO2001011522A2 (en) | 2001-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2003526139A (ja) | 抱き合わせ販売マーケティング・キャンペーンの正味現在価値を最適化するための方法 | |
US7499868B2 (en) | Method for optimizing net present value of a cross-selling marketing campaign | |
Chan | Intelligent value-based customer segmentation method for campaign management: A case study of automobile retailer | |
Lewis et al. | The efficiency of voluntary incentive policies for preventing biodiversity loss | |
US7680686B2 (en) | System and methods for business to business price modeling using price change optimization | |
Moody et al. | Principled architecture selection for neural networks: Application to corporate bond rating prediction | |
US6873979B2 (en) | Method of building predictive models on transactional data | |
CN111401963B (zh) | 训练用户行为预测模型的方法和装置 | |
Paulson et al. | Efficient large-scale internet media selection optimization for online display advertising | |
Müller | A generalized approach to population synthesis | |
Ye et al. | Cold start to improve market thickness on online advertising platforms: Data-driven algorithms and field experiments | |
Goldenberg et al. | Free lunch! retrospective uplift modeling for dynamic promotions recommendation within roi constraints | |
Liao et al. | Multi-behavior RFM model based on improved SOM neural network algorithm for customer segmentation | |
Keles et al. | IBMMS decision support tool for management of bank telemarketing campaigns | |
CN115081253A (zh) | 数据处理方法以及装置 | |
CN116361542A (zh) | 产品推荐方法、装置、计算机设备和存储介质 | |
CN111986018A (zh) | 基于预定催收系统的账单催收方法、装置及电子设备 | |
Camboni Marchi Adani | Procuring price and quality using scoring auctions: where do we stand? | |
Chashmi et al. | Predicting customer turnover using recursive neural networks | |
CN113128739A (zh) | 用户触达时间的预测方法、预测模型训练方法及相关装置 | |
CN108734203A (zh) | 一种网站访客价值评估方法 | |
US20230281643A1 (en) | Decision support system for marketing mix modeling | |
CN110263802B (zh) | 基于密度聚类的信贷数据分析方法及相关设备 | |
Burgos-Simon et al. | Computational Modelling with uncertainty of frequent users of e-commerce in Spain using an age-group dynamic nonlinear model with varying size population | |
Van Niekerk | A column generation approach for product targeting optimisation within the banking industry |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20061024 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20061024 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090414 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20090714 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20090722 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20090814 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20090821 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20090914 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20090924 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20091204 |