JP2006331390A - 大規模OnetoOneマーケティング向け最適キャンペーンを実施するためのモデル構築と求解実装方法 - Google Patents
大規模OnetoOneマーケティング向け最適キャンペーンを実施するためのモデル構築と求解実装方法 Download PDFInfo
- Publication number
- JP2006331390A JP2006331390A JP2006043985A JP2006043985A JP2006331390A JP 2006331390 A JP2006331390 A JP 2006331390A JP 2006043985 A JP2006043985 A JP 2006043985A JP 2006043985 A JP2006043985 A JP 2006043985A JP 2006331390 A JP2006331390 A JP 2006331390A
- Authority
- JP
- Japan
- Prior art keywords
- scale
- marketing
- marketing optimization
- optimization
- objective function
- 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.)
- Withdrawn
Links
Images
Abstract
【課題】One to One最適化キャンペーン実施の鍵となる、One to One最適化問題向けの高速・効率的な、新規な求解方法及び装置、並びにその基礎となるモデル構築方法及び装置を提供する。
【解決手段】(1)営業コストを削減することを目的とする営業コスト最小化目的関数、
(2)企業収益を拡大することを目的とする企業収益最大化目的関数、(3)既存顧客を維持しながら、新規顧客を開拓することを目的とする顧客開拓最大化目的関数、(4)上記三つの目的関数を組合せすることによる多目的関数のいずれかを目的関数として考慮し、One to Oneマーケティングの最適化を図る。
【選択図】図1
【解決手段】(1)営業コストを削減することを目的とする営業コスト最小化目的関数、
(2)企業収益を拡大することを目的とする企業収益最大化目的関数、(3)既存顧客を維持しながら、新規顧客を開拓することを目的とする顧客開拓最大化目的関数、(4)上記三つの目的関数を組合せすることによる多目的関数のいずれかを目的関数として考慮し、One to Oneマーケティングの最適化を図る。
【選択図】図1
Description
本発明は、分析型CRMマーケティング向け最適キャンペーンを実施するための目的関数と制約条件の構築とを含んだ最適モデルの構築、および構築した最適化モデルに対して線形計画法を用いた求解方法の発明に関する。
One To Oneマーケティング最適化技術は分析型CRMの鍵となる技術の一つである。前記One To Oneマーケティング最適化技術は、企業がOne to Oneマーケティングの実施の一環として最適キャンペーンを展開する場合に、どのような顧客にどのようなofferを提供すれば、顧客のロイヤリティを高められ、企業の持続可能な成長と高い利益率を維持できるかの補助ツールとして機能する。
現状としては、国内外のCRMベンダーが分析型用のOne to Oneマーケティング最適化を研究開発しているが、実際にはまだ初期段階であって十分実用に供することができるようなレベルではない。従来のOne To Oneマーケティング最適化技術においては、双方向情報交換による顧客レスポンスの集計技術、データマイニング技術、企業の履歴データの分析による顧客選好度把握技術などを用いており、それらの技術の総合適用により商業ルールベース推理方法に基づく企業と顧客とのコミュニケーションの内容、コミュニケーションチャンネル、コミュニケーション頻度の効率化を実現している。
このような商業ルール推理方法はOne to Oneマーケティングの効率化をある程度実現できるが、商業ルール推理の人間の主観的な介入と、情報の膨大さが原因で、大規模なOne to Oneマーケティングの最適化に対しては適用の限界があり、真の意味でのOne to Oneマーケティング最適化の実現が困難である。
One to Oneマーケティング最適化問題に関して、数理計画の目的関数と制約条件によりその特徴を記述すれば、数理計画の枠組みで解くことが可能であり、企業のOne to One最適キャンペーンの客観的な策定と最適キャンペーンの実施による企業利益の最大化に資することができる。
実際問題の非線形性と大規模性、目的関数の多様性と制約条件の複雑性等の要因により、非線形モデルの代わりにモデルの構築と大規模系統への求解が可能である線形計画法での記述が適切である。
数十種類の製品、数種のチャンネル、数十万の既存および潜在顧客を有する企業に対して、One to Oneマーケティング最適化キャンペンモデルの変数と制約条件の数はそれぞれ108及び106程度になる。Simplex法、DSF法など一般的な線形計画方法では大量の計算時間とメモリが必要になり、現在のPC環境では実用時間内に解を得ることが不可能になる。したがって、One to One最適化問題向けの高速・効率的な求解方法の開発がOne to One最適化キャンペーン実施の鍵となる技術になる。
本発明は、One to One最適化キャンペーン実施の鍵となる、One to One最適化問題向けの高速・効率的な、新規な求解方法及び装置、並びにその基礎となるモデル構築方法及び装置を提供することを目的とする。
大規模One To Oneマーケティング最適化問題に対して、線形計画モデルにより記述し、利益最大化、コスト最小化、獲得顧客数最大化のキャンペーン目的に応じて目的関数を作成し、所定の制約条件を作成することにより、目的の最適化モデルを構築する。
本発明においては、上述したようなキャンペーン目的を考慮すると、以下に示すような目的関数を設定することができる。
(1)営業コストを削減することを目的とする営業コスト最小化目的関数
(2)企業収益を拡大することを目的とする企業収益最大化目的関数
(3)既存顧客を維持しながら、新規顧客を開拓することを目的とする顧客開拓最大化目的関数
(4)上記三つの目的関数を組合せすることによる多目的関数
(1)営業コストを削減することを目的とする営業コスト最小化目的関数
(2)企業収益を拡大することを目的とする企業収益最大化目的関数
(3)既存顧客を維持しながら、新規顧客を開拓することを目的とする顧客開拓最大化目的関数
(4)上記三つの目的関数を組合せすることによる多目的関数
また、上述したキャンペーン目的及び目的関数を考慮すると、以下に示すようなキャンペーン制約条件を設定することができる。
(1)キャンペン活動のコスト支出に関わるコスト制約
(2)供給できる商品の在庫数による製品在庫制約
(3)ある顧客に対して使用できるコンタクトチャンネルによるチャンネル制約
(4)ある顧客が受入希望のOfferによるOffer制約
(5)顧客から製品注文に関する注文制約
(6)ある顧客に対して、製品のOfferを一種類しか利用しない単一Offer制約
(1)キャンペン活動のコスト支出に関わるコスト制約
(2)供給できる商品の在庫数による製品在庫制約
(3)ある顧客に対して使用できるコンタクトチャンネルによるチャンネル制約
(4)ある顧客が受入希望のOfferによるOffer制約
(5)顧客から製品注文に関する注文制約
(6)ある顧客に対して、製品のOfferを一種類しか利用しない単一Offer制約
そして、ユーザは、そのキャンペーン目的に応じて、例えば上述した目的関数及びキャンペーン制約条件を考慮し、その制約の下で大規模One To Oneマーケティング最適化のモデルを作成する。
この場合において、モデル構築装置のデータ取得部分が、二種類の方法で対応することができる。一つはユーザがSQL Serverに蓄積してある企業情報データを基に、商業規則に基づいて自動的に最適化モデルを構築する。もう一つはMPSフォーマットから直接取得して自動的に最適化モデルを構築する。なお、本装置がMPSフォーマット対応のデータ入力・出力インターフェースを用意し、SQL ServerのデータをMPSフォーマットに変換する機能を有する。
また、本発明は、大規模One to Oneマーケティングにおけるキャンペーン最適化数理計画モデルの目的関数、制約条件を作成し、そのモデルを構築する装置を提供する。
大規模One to Oneマーケティング最適化の目的関数と制約条件の記述により、本発明がOne to Oneマーケティング最適化用のモデル自動作成装置を以下のように設計する。
(1)最適化モデルモジュール
(2)One to Oneマーケティング最適化用データベース
(3)MPSデータ出力インターフェース
(4)ユーザ選択入力インターフェース
(1)最適化モデルモジュール
(2)One to Oneマーケティング最適化用データベース
(3)MPSデータ出力インターフェース
(4)ユーザ選択入力インターフェース
本装置がモジュール化し、ユーザが選択した目的関数と制約条件によりSQL Serverの中に蓄積した企業情報を取得しOne to Oneマーケティング最適化モデルを自動作成し、最適化計算結果を保存する。
さらに、本発明は、上述のようにして構築したモデルに基づいた、One to Oneマーケティング最適キャンペーンの解を求める効率的な方法とその実装装置を提供する。
前記求解方法は、以下の項目を含む。
(1)One to Oneマーケティング最適キャンペン問題を線形計画問題に変換する前処理技術
(2)Mehrotra予測−修正子技術により前予処理後の大規模One to Oneマーケティング最適キャンペン問題に対して求解する。
(3)後退追跡法により求解のための最適ステップパラメータを求める。
(4)LDL分解方法によりマトリックス線形方程式問題を処理する。
(5)列近似最小オーダ順序付け技術によりLDL分解中のfill-inを削減する。
(1)One to Oneマーケティング最適キャンペン問題を線形計画問題に変換する前処理技術
(2)Mehrotra予測−修正子技術により前予処理後の大規模One to Oneマーケティング最適キャンペン問題に対して求解する。
(3)後退追跡法により求解のための最適ステップパラメータを求める。
(4)LDL分解方法によりマトリックス線形方程式問題を処理する。
(5)列近似最小オーダ順序付け技術によりLDL分解中のfill-inを削減する。
前記求解装置は、以下の項目を含む。
(1)大規模One to Oneマーケティング最適化キャンペンモデルの計算モジュールの設計。
(2)メモリプール管理リストによりメモリの配分のリリースを管理する。
(3)最適計算モジュール部分がDLL技術を採用する。
(4)マルチスレッド技術により計算パフォーマンスの最適化する。
(5)MPS、LPフォーマットのインターフェース設計により、標準線形計画モデルのデータフォーマットをサポートする。
(1)大規模One to Oneマーケティング最適化キャンペンモデルの計算モジュールの設計。
(2)メモリプール管理リストによりメモリの配分のリリースを管理する。
(3)最適計算モジュール部分がDLL技術を採用する。
(4)マルチスレッド技術により計算パフォーマンスの最適化する。
(5)MPS、LPフォーマットのインターフェース設計により、標準線形計画モデルのデータフォーマットをサポートする。
以上説明したように、本発明によれば、One to One最適化キャンペーン実施の鍵となる、One to One最適化問題向けの高速・効率的な、新規な求解方法及び装置、並びにその基礎となるモデル構築方法及び装置を提供することができる。
以下、本発明の詳細、並びにその他の特徴及び利点について、最良の形態に基づいて詳細に説明する。
以下、One to Oneマーケティング最適化モデルにおいて、上述した目的関数は、企業のOne to Oneマーケティング活動を通じて到達したい目的を反映する。問題記述の的確性と最適解を求めることの可能性を配慮し、目的関数の記述が次のような点を考慮する。
(1)最初に、上述した目的関数(1)における営業コスト最小化目的関数においては、Offerのコスト(商品コストとOfferに関わるコストなど)を目的関数の中に反映する。
(2)また、上述した目的関数(2)における企業収益最大化目的関数においては、各顧客が企業にもたらす利益を目的関数の中に反映する。
(3)さらに、上述した目的関数(3)における顧客開拓最大化目的関数においては、既存顧客を維持しながら新規顧客をできるだけ開拓することを目的関数の中に反映する。
(2)また、上述した目的関数(2)における企業収益最大化目的関数においては、各顧客が企業にもたらす利益を目的関数の中に反映する。
(3)さらに、上述した目的関数(3)における顧客開拓最大化目的関数においては、既存顧客を維持しながら新規顧客をできるだけ開拓することを目的関数の中に反映する。
以上の分析により、One to Oneマーケティング最適化の目的関数は、以下のようにまとめることができる。
One to Oneマーケティング最適化に関しては、主としては以下に示す2種類の制約条件を考慮する必要がある。第1には、顧客からOfferへの受入制約である。この場合、各顧客からの受入Offerの制約と特殊顧客から受入Offerの制約との両方を含む。第2には、Offerに関する制約、具体的には、主に提供できるOffer数量の制約、費用の制約、利益制約および適応性制約を含む。
次に、Offerの適応性制約、例えば在庫数による製品在庫制約などによって、主に各顧客にどのようなOfferが提供でき、どのようなOfferが提供できないかの制約である。すなわち、
それにより、次の制約条件が得られる。
それにより、次の制約条件が得られる。
以下では一つの簡単な例により上記One to Oneマーケティング最適化モデルの構築について説明する。
次に、図1〜3を参照して、One to Oneマーケティング最適化の自動モデル作成の具体的な実施方法について述べる。
最初に、One to Oneマーケティング最適化の自動モデル作成のために構造化モジュール設計を行う。この際、データの完全性と安全性とを保つために各モジュールの内部データに対してカプセル化を行う。各モジュール間のデータの転送及びアクセスをデータ入力インターフェース及びデータ出力インターフェースにより実現し、操作の便利性と各モジュールのデータの変化が他のモジュール影響を与えないことを図る。
図1が本発明装置のワークフロー図である。異なる最適化目的と制約された条件により、ユーザが異なる顧客制約、製品制約、チャンネル制約を選択し、最適化モデルを構築する。製品制約とチャンネル制約に対して、選択により簡単に対応できるが、顧客制約に対しては、連続顧客と非連続顧客の選択により分類する。非連続IDの顧客に対しては、また顧客の属性(信誉度、グレード)により再選択する。モデルを作成後、装置によりモデル関連の情報をデータベース内のModelテーブルに保存し、直接に作成するモデルと関連するデータ情報が可視フォーマットによりデータベース内に保存する。
本発明装置のデータベースは、以下の7個の情報テーブルを含む。
顧客テーブル
製品テーブル
チャンネルテーブル
注文テーブル
モデルテーブル
キャンペン方策テーブル
最適解テーブル
顧客テーブル
製品テーブル
チャンネルテーブル
注文テーブル
モデルテーブル
キャンペン方策テーブル
最適解テーブル
装置の情報モデルを図2に示す。各データテーブルの間に矢印付き直線でそれらのリレーションを現す。直線上の数値が二つのデータテーブルの間の関連の度合いを表す。各テーブルの中にpk(Primer Key)と注釈してあるのは優先キー、fk(Foreign Key)と注釈してあるのは従属キーである。
装置のデータ流れ図を図3に示す。企業のセールス営業情報8(顧客情報、チャンネル情報、製品情報など)が予めセールスデータベース9の中に保存され、3つのキャンペーン目的(関数)と6つの制約条件をユーザのOne to Oneマーケティング最適化策定の選択へ提供する。モデルデータはMPSデータ出力インターフェースで標準MPS線形計画記述フォーマットに変換され、ファイルされる。また、ユーザからキャンペン目的及びキャンペーン制約はインターフェイスにおいて選択できるように構成されている。さらに、ユーザのキャンペーンデータベースにある企業セールス情報に基づいてデータマイニングし、最適化モデルを構築するための最適化モデル構築モジュールが設けられている。
One to Oneマーケティング最適化モデル装置はSQL Server 2000をデータベースバックオフィスとする。データベースへのI/O操作がADOデータアクセス訪問応用プログラムのインターフェースによって実現する。データへのアクセスとデータの表示の速度が、大規模One to Oneマーケティング最適化問題のデータベース規模の膨大さにより遅くなる。この問題を解決する為に、本装置は設計の時にデータのページ分離技術を採用する。
本装置の上記ページ分離技術の設計原理に基づいて、データテーブル内の全記録を違うページに分け、プログラムが毎回一つのデータページ内のすべての記録を訪問する。本装置がインターフェース上に、ユーザが柔軟的に違うページのデータ記録を訪問・サーチするためには、以下の処置を行なう。
記録集を開く→総記録数を計算する→サブページを確定する→記録集ポイント位置を確定する→指定したページの記録を検索する。本装置が各サブページの記録が100レコードとし、データアクセス速度と1サブページの示す情報量の間のバランスを取る。
本大規模One to Oneマーケティング最適化のモデルの作成方法とモデルの変換が自動的にOne to Oneマーケティング最適化モデルを作成することができる。本最適化モデルがOne to Oneマーケティングの商業目的と規則に従い、できるだけ正確に問題を記述する。なお、作成した最適化モデルが線形計画により記述することにより、線形計画方法での求解が可能となり、企業の営業活動の最適化に資する。
次に、図4と関連させて、本発明の具体的な実施方法の詳細について説明する。本例では、One to Oneマーケティング最適化問題を線形計画問題に変換する予処理技術の実施詳細について示す。
本発明でOne to Oneマーケティング最適化問題求解のために採用したMehritra予測−修正法の実装詳細を以下に示す。
実施の詳細を以下に示す。
LDL分解手順を構造予測と数値計算の二つの部分に分ける。消去枝理論を用いて、予めLの非ゼロ要素構造を確定し、この構造にある非ゼロ要素の値を計算する。それにより余分なメモリと数値計算時間を削減し、少ないメモリで高速に大規模疎行列の因子分解を処理する。
LDL分解手順を構造予測と数値計算の二つの部分に分ける。消去枝理論を用いて、予めLの非ゼロ要素構造を確定し、この構造にある非ゼロ要素の値を計算する。それにより余分なメモリと数値計算時間を削減し、少ないメモリで高速に大規模疎行列の因子分解を処理する。
以上、具体例を挙げながら発明の実施の形態に基づいて本発明を詳細に説明してきたが、本発明は上記内容に限定されるものではなく、本発明の範疇を逸脱しない限りにおいてあらゆる変形や変更が可能である。
Claims (19)
- 大規模One to Oneマーケティング最適化モデルの構築方法であって、下記(1)〜(4)のいずれかを目的関数として考慮し、One to Oneマーケティングの最適化を図ることを特徴とする、大規模One to Oneマーケティング最適化モデルの構築方法
(1)営業コストを削減することを目的とする営業コスト最小化目的関数
(2)企業収益を拡大することを目的とする企業収益最大化目的関数
(3)既存顧客を維持しながら、新規顧客を開拓することを目的とする顧客開拓最大化目的関数
(4)上記三つの目的関数を組合せすることによる多目的関数。
- 請求項1に記載の大規模One to Oneマーケティング最適化モデルの構築方法であって、下記(1)〜(6)の少なくとも1つの制約条件の下に、One to Oneマーケティングの最適化を図ることを特徴とする、大規模One to Oneマーケティング最適化モデルの構築方法
(1)キャンペーン活動のコスト支出に関わるコスト制約
(2)供給できる商品の在庫数による製品在庫制約
(3)ある顧客に対して使用できるコンタクトチャンネルによるチャンネル制約
(4)ある顧客が受入希望のOfferによるOffer制約
(5)顧客から製品注文に関する注文制約
(6)ある顧客に対して、製品のOfferを一種類しか利用しない単一Offer制約。
- 請求項1〜13のいずれか一に記載の大規模One to Oneマーケティング最適化モデルの構築方法を実施するための装置であって、
大規模One to Oneマーケティング最適化のモデル作成及び処理に必要な入力データ及び計算結果を蓄積するためのデータベースと、
モデルデータを標準MPS線形計画記述フォーマットに変換するためのMPSデータ出力インターフェースと、
ユーザからキャンペン目的及びキャンペン制約を選択できるインターフェースと、
ユーザのキャンペンデータベースにある企業セールス情報に基づいてデータマイニングのための最適化モデル構築モジュールと、
を具えることを特徴とする、大規模One to Oneマーケティング最適化モデルの構築装置。 - 請求項1〜13のいずれか一に記載の大規模One to Oneマーケティング最適化モデルの構築方法に基づいた、大規模One to Oneマーケティング最適化の求解方法であって、線形計画アルゴリズムに基づいて、大規模One to Oneマーケティング最適化を求解することを特徴とする、大規模One to Oneマーケティング最適化の求解方法。
- 請求項1〜13のいずれか一に記載の大規模One to Oneマーケティング最適化モデルの構築方法に基づいた、大規模One to Oneマーケティング最適化の求解方法であって、Mehrotra予測−修正方法により予処理し、予処理後の大規模One to Oneマーケティング最適化問題の双対問題に対してKKT条件の下に求解することを特徴とする、大規模One to Oneマーケティング最適化の求解方法。
- 請求項1〜13のいずれか一に記載の大規模One to Oneマーケティング最適化モデルの構築方法に基づいた、大規模One to Oneマーケティング最適化の求解方法であって、
LDL分解技術を用い、LDL分解技術を構造予測と数値計算との二つの部分に分けて、大規模One to Oneマーケティング最適化問題を求解することを特徴とする、大規模One to Oneマーケティング最適化の求解方法。 - 請求項1〜13のいずれか一に記載の大規模One to Oneマーケティング最適化モデルの構築方法に基づいた、大規模One to Oneマーケティング最適化の求解方法であって、
後ろ向き追跡法を用いて大規模One to Oneマーケティング最適化問題を求解することを特徴とする、大規模One to Oneマーケティング最適化の求解方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2005100745585A CN1870039A (zh) | 2005-05-28 | 2005-05-28 | 一种大规模One to One营销优化建模方法及装置 |
CNA2005100745570A CN1870042A (zh) | 2005-05-28 | 2005-05-28 | 一种大规模One to One营销优化求解方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2006331390A true JP2006331390A (ja) | 2006-12-07 |
Family
ID=37552982
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2006043985A Withdrawn JP2006331390A (ja) | 2005-05-28 | 2006-02-21 | 大規模OnetoOneマーケティング向け最適キャンペーンを実施するためのモデル構築と求解実装方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2006331390A (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101240039B1 (ko) * | 2009-02-17 | 2013-03-06 | 액센츄어 글로벌 서비시즈 리미티드 | 인터넷 마케팅 채널 최적화 |
JP2015191374A (ja) * | 2014-03-27 | 2015-11-02 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | 情報処理装置、情報処理方法、及び、プログラム |
US10332042B2 (en) | 2009-02-17 | 2019-06-25 | Accenture Global Services Limited | Multichannel digital marketing platform |
-
2006
- 2006-02-21 JP JP2006043985A patent/JP2006331390A/ja not_active Withdrawn
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101240039B1 (ko) * | 2009-02-17 | 2013-03-06 | 액센츄어 글로벌 서비시즈 리미티드 | 인터넷 마케팅 채널 최적화 |
US10332042B2 (en) | 2009-02-17 | 2019-06-25 | Accenture Global Services Limited | Multichannel digital marketing platform |
JP2015191374A (ja) * | 2014-03-27 | 2015-11-02 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | 情報処理装置、情報処理方法、及び、プログラム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Katuu | Enterprise resource planning: past, present, and future | |
Moghaddam et al. | Configuration design in scalable reconfigurable manufacturing systems (RMS); a case of single-product flow line (SPFL) | |
Galizia et al. | Product platforms design, selection and customisation in high-variety manufacturing | |
Yazdani et al. | New integration of MCDM methods and QFD in the selection of green suppliers | |
US7475062B2 (en) | Apparatus and method for selecting a subset of report templates based on specified criteria | |
Geng et al. | A review on strategic capacity planning for the semiconductor manufacturing industry | |
Bensmaine et al. | A new heuristic for integrated process planning and scheduling in reconfigurable manufacturing systems | |
Pintzos et al. | Assembly precedence diagram generation through assembly tiers determination | |
Nejati et al. | Lot streaming in a two-stage assembly hybrid flow shop scheduling problem with a work shift constraint | |
Asmussen et al. | Enabling supply chain analytics for enterprise information systems: a topic modelling literature review and future research agenda | |
Xu et al. | Framework of a product lifecycle costing system | |
Hariga et al. | Operational and environmental decisions for a two-stage supply chain under vendor managed consignment inventory partnership | |
Zhao et al. | Decision rule-based method for flexible multi-facility capacity expansion problem | |
Yin et al. | Product architecture, product development process, system integrator and product global performance | |
Mohammadi et al. | A genetic algorithm for simultaneous lotsizing and sequencing of the permutation flow shops with sequence-dependent setups | |
Rejeb et al. | Potential of big data for marketing: A literature review | |
JP2006331390A (ja) | 大規模OnetoOneマーケティング向け最適キャンペーンを実施するためのモデル構築と求解実装方法 | |
CN102855310B (zh) | 基于可扩展用户细分模型的有序用电数据转换方法及装置 | |
Breeding | Next generation library automation: Its impact on the serials community | |
Filomena et al. | Manufacturing feature-based cost management system: a case study in Brazil | |
Gole et al. | Empower Decision Makers with SAP Analytics Cloud | |
Shu et al. | A conceptual framework for product lifecycle modelling | |
Potage | Managing procurement value creation with a maturity model | |
Makki et al. | Decoding the architectural genome: multi-objective evolutionary algorithms in design | |
SCN Education BV | Data warehousing: the ultimate guide to building corporate business intelligence |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20090512 |