JP2007503651A - ページビューデータから予想されるアイテムの需要に応じたアイテムの単位の製造 - Google Patents

Abstract

販売主によって販売用に提供されている選択されたアイテムについて将来の購買活動を予想するための機構。この機構は、複数の過去時のそれぞれの間で選択アイテムに関して販売主で実施されたブラウジング活動の観察されたレベルを示すデータを取り出す。この機構は、取り出されたデータを、選択アイテムについての販売主での将来の購買活動の予想に変換する。

Description

本発明は、電子商取引および統計分析の分野を対象とする。

あらゆる販売主（ｍｅｒｃｈａｎｔ）は、アイテムを購入者が購入できるようにする仕事に従事している。多くの販売主は、これらのアイテムの一部またはすべてについて将来の購入活動の正確な予測を有することを有用であると考え、または考えるだろう。こうした予測は、将来の複数の時のそれぞれにおいて店舗や流通センタなど、販売主の１つまたは複数の場所のそれぞれでどれくらいの量のアイテムが販売されるかを示す。

こうした予測は正確であれば、アイテムの在庫、在庫の保管容量、（該アイテムで使用されるタイプのバッテリなど）補足的なアイテムの在庫、または購買活動をサポートするのに必要な労働者など、予測される購買を容易にするのに十分なリソースが入手可能であることを保証するのに役立ち得る。こうした予測は、販売主が将来の財務実績のより正確な予想を作成できるようにし、販売主が様々なキャッシュフロー問題のためのよりよい計画を行うことを可能にすることもできる。こうした予測は、販売主が広告、アイテム配置、販売など、販促上の構想の目標をよりよく設定することを可能にすることもできる。

残念ながら、正確な予測を作成することは、それを組み立てるための従来の手法には大きな欠点があるので、しばしば不可能である。第１の従来手法では将来の購買活動は、同じアイテムの過去の購入活動に基づいて予測される。残念ながらこうした予測は、過去の購買活動と将来の購買活動の間に有意義な関係が時々存在しないので、粗い予測にすぎない。したがって、この手法は、正確さの相当程度の可能性（ｓｉｇｎｉｆｉｃａｎｔ ｌｉｋｅｌｉｈｏｏｄ）に近づく何かを達成するには、手作業によるかなりの「販売ケース」分析を必要とし得る。また、まだ購入可能でなかった新しいアイテムに当てはまるように過去の購入活動が存在しない場合、あるいは過去の購買活動が需要外の何らかの要因、例えば欠品期間中の在庫の欠如や、クレジットカードの許可システムが休止中であるときに顧客が購買不可能であることになどよって制限される場合には、第１の手法を使用して予測を行うことは不可能である。

第２の従来手法では、将来の購買活動は、類似したアイテムの過去の購買活動に基づいて予測される。この手法に従う場合、当該のアイテムがその購買活動を正確に映し出す類似物を識別するのは困難であり、または不可能であり得る。さらに、有用な類似物の識別が可能である場合でも、その類似物の購買活動を当該のアイテムのそれに対して一致させることはしばしば困難である。

米国特許出願第１０／４０６６２６号 Box et al., "Time Series Analysis: Forecasting & Control," Prentice Hall, 3rd Edition, February 28, 1994 Brockwell et al., "Introduction to Time Series and Forecasting," Springer Verlag, 2nd Book Edition, March 8, 2002 Hamilton, James D., "Time Series Analysis," Princeton University Press, January 11, 1994 Fuller, Wayne A., "Introduction to Statistical Time Series" John Wiley & Sons, 2nd Edition, December 1995 Arsham, Hossein, "Time Series Analysis and Forecasting Techniques" February 18, 1994, http://www.ubmail.ubalt.edu/~harsham/stat-data/opre330Forecast.htm

アイテムについての将来の購買活動を予想するための従来手法の重要な欠点に鑑みて、それを行うより効果的な手法はかなりの有用性を有する。

アイテムについての過去のブラウジング活動に基づいてアイテムの将来の購買活動を予想するためのソフトウェア機構（「機構」）について述べる。

一部の実施形態では、それぞれのアイテムについて販売アイテムを提供するウェブベースの販売主のためにこの機構はＨＴＴＰ要求のタイプを識別し、このＨＴＴＰ要求は、顧客によって使用されているクライントコンピュータシステムから受信される場合、アイテムについてのブラウジング活動を構成している。識別される要求には、以下のような要求が含まれ得る。（アイテムカテゴリのページなど）そのアイテムを含む複数のアイテムに関する情報を含むページの要求、（アイテム詳細ページなど）そのアイテムだけに関する情報を含むページの要求、（アイテムレビューを含むページなど）そのアイテムに関するさらなる情報を含むページの要求、アイテムが入手可能になるときについての通知を受けるためのサインアップの要求、ショッピングカートまたはギフトレジストリへのアイテム追加の要求、興味のある一致アイテムを求めるクエリ文字列を指定する探索要求など。この機構は一般に、各アイテムについての過去のブラウジング活動メトリックを作成するために、販売主のウェブサイトによって作成されるウェブサーバログからこれらのタイプの要求を抽出し、カウントする。

一部の実施形態ではこの機構は、過去のブラウジング活動メトリックを使用して将来のブラウジング活動を予想し、次いで将来のブラウジング活動の予想を将来の購買活動の予想に変換する。あるいは、一部の実施形態ではこの機構は、過去のブラウジング活動メトリックを使用して、将来の購買活動を直接的に予想する。一部の実施形態ではこの機構は、過去のブラウジング活動メトリックから直接的にまたは間接的に作成される将来の購買活動の予想を、過去の購買活動から作成される将来の購買活動の並列の予想と混合する。一部の実施形態ではこの機構は、過去のブラウジング活動および過去の購買活動から直接的に将来の購買活動を予想する。

一部の実施形態ではこの機構は、アイテムの将来の購買活動を予想することに応答して、予想された将来の購買活動を満足させるためアイテムの追加単位を製造させる。顧客による実際の購買注文より前にアイテムの追加単位を発注し、製造することによってこの機構は、顧客の発注が行われるときに製品が容易に入手可能である可能性を大きく増加させる。

多くの場合においてこの機構は、従来の手法よりもかなり正確な将来の購買活動の予測を作成する。この機構は、一般に、過去の購買活動情報の入手のし易さまたは凝集性に関係なく、また類似のアイテムが存在し、または識別されているかどうかに関係なく、ブラウジング活動情報を入手することができる任意のアイテムについて将来の購買活動予測を作成し得る。

図１は、この機構が動作する一般的な環境を示すハイレベルブロック図である。このブロック図は、クライアントコンピュータシステム１１０、１２０および１３０など、複数のクライアントコンピュータシステムを示している。クライアントコンピュータシステムはそれぞれ、ウェブクライアント１１１、１２１および１３１などのワールドワイドウェブをブラウズするためのウェブクライアントコンピュータプログラムを含む。クライアントコンピュータシステムは、インターネット１４０を介して、この機構をホストするウェブ販売主サーバコンピュータシステム１５０に接続される。しかし、クライアントコンピュータシステムは、インターネット以外のネットワークによってサーバコンピュータシステムに接続され得ることが当業者には理解されよう。このクライアントコンピュータシステムのユーザは、ワールドワイドウェブを使用してウェブ販売主サーバコンピュータシステムと通信することによって、ウェブ販売主によって販売用に提供されるアイテムに関してブラウジングおよび購買活動を実施することができる。

ウェブ販売主サーバコンピュータシステ１５０は、メモリ１６０を含む。メモリ１６０は好ましくは、アイテムの将来の購買活動を予想するための機構１６１を含む。この機構は一般に、過去のブラウジング活動に関する情報１６３を、または過去の購買活動に関する情報１６４に併せて過去のブラウジング活動に関する情報を使用して、将来の購買活動予測１６２を組み立てる。これらの活動に関する情報は一般に、ウェブクライアントからの要求に応答してウェブページを配信するためにウェブサーバコンピュータプログラム１６６によって作成されるウェブログ１６５から抽出される。過去のブラウジング活動および／または過去の購買活動に関する情報は、様々な異なるソースから、様々な異なるやり方で導出され得ることが当業者には理解されよう。アイテム１６１〜１６６は使用されている間、好ましくはメモリ内に格納されるが、これらのアイテムまたはその一部は、メモリ管理およびデータ保全性維持のため、メモリと固定記憶装置１７３の間で恐らく転送され得ることが当業者には理解されよう。サーバコンピュータシステムはさらに、プログラム１６１および１６６などのプログラムを実行するための１つまたは複数の中央処理装置（ＣＰＵ：ｃｅｎｔｒａｌ ｐｒｏｃｅｓｓｉｎｇ ｕｎｉｔ）１７１と、情報を読み出しまたは書き込み、あるいはフロッピー（登録商標）ディスク、ＣＤ−ＲＯＭまたはＤＶＤなどのコンピュータ読取り可能メディアから本機構などのプログラムをインストールするためのコンピュータ読取り可能メディアドライブ１７２とを含む。

ウェブ販売主サーバコンピュータシステム１５０はさらに、インターネット１４０を介して製造制御コンピュータシステムに接続される。一部の実施形態ではこの機構は、アイテムについての将来の購買活動を予想した後に、製造制御コンピュータシステムに、予想される将来の購買活動を満たすためそのアイテムの追加単位を製造するよう通知する（こうした通知は注文書、製造命令または別の方法を含めて、潜在的に様々な形を取る）。次いで、製造制御コンピュータシステムは、それ自体がアイテムの追加単位を製造することによって、あるいはこうした製造を他のコンピュータシステム（図示せず）および／または他のタイプの自動または手動の製造システム（図示せず）に委ねることによって、アイテムのこれらの追加単位の製造を生じさせる。製造制御コンピュータシステムは、ウェブ販売主の制御のもとで、またはウェブ販売主への納入業者など、第三者の制御のもとで操作され得る。製造制御コンピュータシステムは、書籍、音楽またはビデオ製品、コンピュータソフトウェア製品、および多種多様な他のアイテムタイプを含めて、多種多様なタイプのアイテムの追加単位の製造を生じさせる。これらの追加単位は製造されると、製造元のサイトで保持され、ウェブ販売主に転送され、または第三者の仲介に転送される。一部の実施形態では製造制御コンピュータシステムは、ウェブ販売主サーバコンピュータシステムに接続され、かつ／またはインターネット以外の様々な手段によってこの機構から製造制御メッセージを受信する。

様々な実施形態について上述の環境に関して述べるが、この機構は、単一のモノリシックコンピュータシステム、分散システム、ならびに様々なやり方で接続されたコンピュータシステムまたは類似の装置の様々な他の組合せを含めて、様々な他の環境で実施され得ることが当業者には理解されよう。

図２は、アイテムについての混合された購買予測を作成するためにこの機構によって使用される第１の手法を示すデータフローチャートである。この機構は、アイテムに関する過去の活動についての２つのタイプの情報：ウェブ販売主で実施されるブラウジングおよび購買活動をドキュメント化しているブラウジング履歴情報２０１および購買履歴情報２１１から開始する。

ブラウジング履歴情報２０１は、アイテムに関して顧客によって最近実施されたブラウジング活動について示す。これらの活動の例については、上記で論じられている。一部の実施形態ではブラウジング履歴情報は、ある次元で時間によってインデックス付けされた配列を構成する。以下でさらに論じるように一部の実施形態では、この配列は、別の次元で活動タイプによってインデックス付けされる。時間インデックスの各値は、複数の時間バケット、すなわち以前の時間、以前の日、以前の週など、同じ長さの最近の隣接した期間のうちの１つに対応する。ブラウジング履歴情報は、各時間バケットごとに単一のブラウジング活動値を有することができ、または配列の他のインデックス次元に応じて複数のブラウジング活動値を有し得る。この配列は、この配列が複数の異なるブラウジング活動タイプのそれぞれごとに別個のブラウジング活動スコアを含むことを可能にする活動タイプの次元を有し得る。あるいは、それぞれ異なるブラウジング活動はすべて、重み付けされた単一のブラウジング活動スコアへと組み合わせられ得る。この配列は、販売主によって販売用に提供された複数の異なるアイテムのそれぞれについてのブラウジング活動スコアをこの配列が含むことを可能にする、アイテム識別子によってインデックス付けされた追加の次元を有することもできる。

場合によっては、それぞれのブラウジング活動スコアは、特定のアイテムについて時間バケット内に１つまたは複数のブラウジング活動が実施された回数のカウントを構成する。しかし、場合によってはこのスコアは、ブラウジング動作を実施した一意のユーザの数のカウントである。場合によっては、スコアを構成する個々のブラウジング動作発生は、アイテムについての注文を首尾よく予測するに当たって、ブラウジング動作発生の過去の履歴に基づいて重み付けされる。こうした重み付けは、ブラウジング動作のタイプ、ブラウジング動作を実施するユーザの識別、ユーザを販売主のウェブサイトに送信する参照側ウェブサイトの識別などを含めて、様々な要因に基づき得る。

変換２０２でこの機構は、ブラウジング履歴２０１からブラウジング予測２０３を予想する。この予想、および以下で論じる他の予想は、特許文献１で論じられている予想技術を含めて、多種多様な統計技術を用いて実施され得る。本機構の一部の実施形態によって使用される予想技術には、移動平均（ｍｏｖｉｎｇ ａｖｅｒａｇｅ）、指数平滑法（ｅｘｐｏｎｅｎｔｉａｌ ｓｍｏｏｔｈｉｎｇ）、ボックスジェンキンスＡＲＩＭＡモデル（Ｂｏｘ−Ｊｅｎｋｉｎｓ ＡＲＩＭＡ ｍｏｄｅｌ）が含まれ、これらの技術のうちの２つ以上がハイブリッドの手法へと組み合わせられ得る。ブラウジング予測２０３は一般に、複数の将来時間バケットのそれぞれについて、その将来時間バケットについて予想されるブラウジング活動スコアを含む配列である。

変換２０４でこの機構は、ブラウジング予測２０３を購買予測２０５に変換する。購買予測は、複数の将来時間バケットのそれぞれの間にアイテムに関して発生する購買活動の予想である。こうした購買活動は、ショッピングカートへのアイテムの追加、ショッピングカート内のアイテム精算、アイテムのワンクリック購入の開始、アイテム注文に関連する支払い情報の提供、アイテムの出荷、購入者によるアイテムの現物引渡しの受取りなどを含めて、多くの形を取り得る。購買活動スコアは単純に、こうした購買動作の予想される発生回数のカウントとすることができ、あるいはこうした動作の回数に基づくより複雑な、重み付けされたスコアであり得る。一部の実施形態では、コンバージョン変換（ｃｏｎｖｅｒｓｉｏｎ ｔｒａｎｓｆｏｒｍａｔｉｏｎ）は、時間、アイテムの価格、アイテムの入手のし易さ、アイテムの販売サイクル、およびブラウジング活動から購買活動へのコンバージョンレートに影響を及ぼす需要融通性の他のソースなど、変数の影響を受け易い。この機構は、コンバージョン履歴、および上述の変数の一部またはすべてに基づいて時系列のコンバージョンレートを予想する。この機構は、購買予測を作成するため、このコンバージョンレートをブラウジング予測に適用する。

このコンバージョン予想は、必ずしも単純に数字としてではなく、上述した変数の関数として作成され得る。一例として出力は、予測範囲の各週について、＜Ｎ，０．３＞、＜Ｙ，０．５＞の形のものであり得る。ただし、Ｎはアイテムが入手不可能であることを示し、Ｙはそれが入手可能であることを示す。上記の例は１つだけの変数、入手可能性について考慮しているが、それは他の変数に拡張されることができ、またコンバージョンデータの表現は、それに応じて変化し得る。例えば価格が変数である場合、この機構の実施形態は、それぞれ異なる価格層で、それぞれ異なるコンバージョン値を使用する。あるいは、この機構は、以下のような関数を使用する。

Ｃ＝０．８−（ｐ−１０）＊０．１
この機構が＄１０を超える価格ｐのドル増加ごとにこの関数を使用する場合、コンバージョンｃは０．１ポイントだけ低下する。一部の実施形態ではこうした関数は、コンバージョン係数を０と１の間に保つように制限される。

変換２１２でこの機構は、購買予測２１３を予想するため、アイテムについての購買履歴情報２１１を使用する。変換２２１でこの機構は、ブラウジング予測からの購買予測２０５と、購入履歴からの購入予測２１３を混合して、混合された購買予測２２２を取得する。混合変換は混合購買予測の作成の際に、各将来時間バケットについて、２つの購買予測のそれぞれからのその時間バケットのブラウジング活動スコアをどの程度重み付けするかを判断する。一部の実施形態では、混合変換でこの機構は、購買履歴を構成する過去の時間バケットの間に販売主においてアイテムが少なくとも１度在庫切れになった場合には、結果として生じるアイテムの入手の難しさが、それらの時間バケットの間にアイテムを購入しようとした顧客がそれを行う妨げとなったことがあり、したがって購買履歴で測定された購買活動に影響を及ぼしているので、ブラウジング予測からの購買予測をより重く重み付けする。

一部の実施形態ではこの機構は、例えば以下の関数を使用して混合を実施する。

ｂｌ＝ａ・ｈ＋ｂ・ｆ
ただし、ｂｌは混合された予測であり、ｈはブラウジング予測２０５からの購買予測であり、ｆは各時間バケットについての購買履歴からの購買予測２１３であり、ａおよびｂは、プロパティ（１）０＜＝ａ，ｂおよび（２）ａ＋ｂ＝１を一般に満たす係数であり、しかし状況によっては、第２のプロパティは維持されない。ｈおよびｆは入力なので、この機構は係数ａおよびｂを計算する。コンバージョンモデルの場合と同様にこれらの係数は、時間、入手のし易さ、価格などの変数の関数として作成されることもできる。例えば、一部の実施形態ではこの機構は、アイテムが将来に在庫切れになると予想される場合にはａ＝０およびｂ＝０を使用し、考慮対象の期間の間にアイテムが入手可能であると予想される場合にはａ＝１およびｂ＝０を使用する。この機構は一部の実施形態ではすべてのアイテムにわたって一様に混合を実施するが、他の実施形態ではこの機構は個々に、混合プロセスを各アイテムに幾分合わせて調整する。

図３は、第１の手法による、本機構の混合購買予測サンプルの作成を示すグラフである。グラフのＸ軸は、正の値を有する将来時間バケット、および負の値を有する過去の時間バケット含む時間バケットを示している。Ｘ軸の起点は、おおよその現在の時間を示している。Ｙ軸は、ブラウジングまたは購買動作の生の数値や、実施されるこうした動作の数から作成される重み付けされたスコアなど、アイテムについてのブラウジングまたは購買活動の量的な表示を示している。

時系列３０１は、ブラウジング履歴２０１に対応し、以下の９個のデータ点で構成される。（−９，８）、（−８，１０）、（−７，２０）、（−６，２７）、（−５，２５）、（−４，２９）、（−３，２８）、（−２，３０）および（−１，２７）。例えば、これらの点の第１の点は、−９時間バケット（現在の９日前に発生した１日の時間バケットなど）においてアイテムのブラウジング活動スコアが８であったことを示しており、このスコアは、アイテムの詳細ページへの訪問など、アイテムブラウジングイベントのカウントに対応することがあり、またはさらに多種多様なブラウジング動作から作成される重み付けされたスコアに対応し得る。予想変換２０２によれば、時系列３０１は、ブラウジング予測２０３に対応する時系列３０３に変換される。次いで、時系列３０３は、コンバージョン変換２０４によって、ブラウジング予測２０５からの購買予測に対応する時系列３０５に変換される。

時系列３１１は、購買履歴情報２１１に対応する。この時系列の購買活動スコアは、過去時間バケット−９から−８と、過去時間バケット−５から−３の両方の間０であることが見て分かる。アイテムはまずバケット−７の間に販売可能になり、バケット−９および−８でアイテムの購買活動の実施を不可能または非生産的にしたかもしれない。さらに、販売主のそのアイテムの初期在庫は、０の購買活動スコアが再び登録されている時間バケット−５から−３の間に使い果たされたかもしれない。予想変換２１２でこの機構は、時系列３１１を、購買履歴からの購買予測２１３に対応する時系列３１３に変換する。次いで、この機構は、混合変換２２１を使用して、時系列３０５と時系列３１３を、混合購買予測２２２に対応する時系列３２２に変換する。

時系列３２２によって表される混合購買予測は、アイテムに関する将来の購買活動を予想するため、またアイテムの在庫、アイテムの補足品の在庫、アイテムの販売に必要な従業員間の人員配置レベルなど、アイテムに関する操作パラメータを設定するために使用され得る。あるいは、処理予測２０５からの購買予測に対応する時系列３０５によって表される購買予測は、アイテムに関する将来の購買活動を予想するために使用され得る。

図４は、アイテムについての混合購買予測を作成するために本機構によって使用される第２の手法を示すデータフローチャートである。第２の手法では、予想変換４０２でこの機構は、ブラウジング履歴情報４０１から購買予測４０５を直接的に予想する。第２の手法では、第１の手法と同様のやり方でこの機構は、購買履歴情報４１１から購買予測４１３を予想する。ブラウジング活動４０５からの購買予測、および購買履歴４１３からの購買予測は、混合購買予測４２２を作成するため、混合変換４２１で組み合わせられる。

図５は、第２の手法による、本機構の混合購買予測サンプルの作成を示すグラフである。図５で、ブラウジング履歴情報４０１に対応する時系列５０１は、予想変換４０２によって、ブラウジング履歴からの購買予測情報４０５に対応する時系列５０５に変換される。購買履歴４１１に対応する時系列５１１は、予想変換４１２によって、購買履歴からの購買予測情報４１３に対応する時系列５１３に変換される。時系列４０５と時系列４１３は、混合変換４２１によって、混合購買予測４２２に対応する時系列５２２に組み合わせられる。作成される時系列は、図３に示す時系列に関連して上記で述べたものと同様のやり方で使用され得る。

図６は、アイテムについての購買予測を作成するために本機構によって使用される第３の手法を示すデータフローチャートである。第３の手法では、予想変換６３１でこの機構は、ブラウジング履歴情報６０１および購買履歴情報６１１から、統一された購買予測６３２を直接に予想する。一部の実施形態では購買履歴情報６１１は、アイテムの購買履歴を含む単一の時系列を備え、ブラウジング履歴情報６０１は、（１）アイテムに関連するブラウジング履歴情報のすべてに対応する単一の時系列、または（２）それぞれが、アイテムに関して実施される異なるブラウジング動作の実施に対応する複数の異なる時系列を含む。一部の実施形態では、予測変換６３１は、非特許文献１〜６に記載されたこの技術の諸バージョンなど、最も評価の高い（ｂｅｓｔ−ｐｉｃｋ）統計技術を使用する。

図７は、本機構によって作成される購買予測に基づいてアイテムの追加単位を製造するために一般に実施されるステップを示すフローチャートである。これらのステップは、一般に製造制御コンピュータシステム内で実施され、または注文処理システムと製造システムの間で分散され得る。ステップ７０１で、特定のアイテムについて将来の購買活動がそのアイテムのブラウジング活動に基づいて予測されたことを示すメッセージが受信される。ステップ７０２で、ステップ７０１で受信されたメッセージに応答して、そのアイテムについての予想された将来購買活動を満足させるために使用され得る、指定されたアイテムの１つまたは複数の単位が製造される。ステップ７０２の後に、これらのステップは終了する。

上述の機構は、単純明瞭に適応され、または様々なやり方で拡張され得ることが当業者には理解されよう。例えば、この機構は、多種多様な販売主によって使用されることができ、また様々な形を取り、様々なやり方で観察される過去のブラウジング活動および／または購買活動に基づいて、様々なタイプの将来の購買活動を予想することができる。上記説明は好ましい実施形態を参照しているが、本発明の範囲は、特許請求の範囲、およびそこで列挙される諸要素によって定義されるにすぎない。

本機構が動作する一般的な環境を示すハイレベルブロック図である。 アイテムについての混合購買予測を作成するために本機構によって使用される第１の手法を示すデータフローチャートである。 第１の手法による、本機構の混合購買予測サンプルの作成を示すグラフである。 アイテムについての混合購買予測を作成するために本機構によって使用される第２の手法を示すデータフローチャートである。 第２の手法による、本機構の混合購買予測サンプルの作成を示すグラフである。 アイテムについての購買予測を作成するために本機構によって使用される第３の手法を示すデータフローチャートである。 本機構によって作成される購買予測に基づいてアイテムの追加単位を製造するために一般に実施されるステップを示すフローチャートである。

Claims (59)

1. 選択されたアイテムについて予想される将来の購買活動を容易にするためのコンピューティングシステム内の方法であって、
   複数の過去の期間のそれぞれについて、前記選択アイテムに関して実施されたアイテムブラウジング活動のレベルを示す履歴ブラウジングデータをコンパイルすること、
   前記コンパイルされた履歴ブラウジングデータから前記選択アイテムに関する将来の購買活動レベルの第１の予想を作成すること、
   複数の過去の期間のそれぞれについて、前記選択アイテムに関して実施されたアイテム購買活動のレベルを示す履歴購買データをコンパイルすること、
   前記コンパイルされた履歴購買データから、前記選択アイテムに関する将来の購買活動レベルの第２の予想を作成すること、
   前記選択アイテムに関する将来の購買活動レベルの前記作成された第１と第２の予想を混合して、前記選択アイテムに関する将来の購買活動レベルの第３の予想を作成すること、および
   前記選択アイテムに関する将来の購買活動レベルの前記第３の予想に基づく、前記選択アイテムの複数の単位の製造を開始することを備えることを特徴とする方法。
2. 販売主によって販売用に提供されている選択されたアイテムについての予想される将来の購買活動を容易にするためのコンピューティングシステム内の方法であって、
   複数の過去の期間のそれぞれの間で前記選択アイテムに関してユーザによって実施されたブラウジング活動の観察されたレベルを示すデータを取り出すこと、
   前記取り出されたデータを、前記販売主での前記選択アイテムについての将来の購買活動の予想に変換すること、および
   前記販売主での前記選択アイテムについての将来の活動の予想に基づく前記選択アイテムの複数の単位を製造することを備えることを特徴とする方法。
3. 前記変換は、
   前記取り出されたデータを使用して、前記選択アイテムに関して前記販売主で実施される将来のブラウジング活動の予想を作成すること、および
   前記作成された将来のブラウジング活動予想を使用して、前記販売主での前記選択アイテムについて将来の購買活動を予想することを備えることを特徴とする請求項２に記載の方法。
4. 前記予想は時系列予測技術を使用して作成されることを特徴とする請求項３に記載の方法。
5. 前記作成された将来のブラウジング活動予想は、複数の将来期間のそれぞれで将来のブラウジング活動を特徴付ける値の時系列であり、将来の購買活動は、前記販売主でのコンバージョン履歴に基づくコンバージョン率の時系列を適用することによって予想されることを特徴とする請求項３に記載の方法。
6. 前記販売主はウェブサイトを運営し、前記ウェブサイトの運営に関連してウェブログが作成され、
   前記作成されたウェブログからブラウジング活動データを抽出すること、および
   取出しのため前記抽出されたデータを格納することをさらに備えることを特徴とする請求項２に記載の方法。
7. 前記販売主は物理的な店舗を運営し、
   前記物理店舗内のブラウジング活動データを捕捉し、
   取出しのため前記捕捉されたデータを格納することをさらに備えることを特徴とする請求項２に記載の方法。
8. 前記取り出されたデータは、前記販売主で前記ユーザによって実施されたブラウジング活動の観察されたレベルを示すことを特徴とする請求項２に記載の方法。
9. 前記将来の購買活動データ予想に、複数の過去の期間のそれぞれの間で前記選択アイテムに関してユーザによって実施された購買活動の観察されたレベルを示すデータを組み込むことをさらに備えることを特徴とする請求項２に記載の方法。
10. 販売主のウェブサイト上で販売用に提供されている選択されたアイテムについての将来の購買活動の予想に応答して、販売主のウェブサイト上で販売用に提供されている前記選択アイテムの単位を製造するためのコンピューティングシステムであって、
    複数の過去の期間のそれぞれの間で前記選択アイテムに関してユーザによって実施されたブラウジング活動の観察されたレベルを示すデータを取り出す取出しサブシステムと、
    前記取り出されたデータを、前記販売主での前記選択アイテムについての将来の購買活動の予想に変換する変換サブシステムと、
    前記販売主での前記選択されたアイテムについての前記将来の購買活動予想に基づく前記選択アイテムの複数の単位を製造する製造サブシステムとを備えることを特徴とするコンピューティングシステム。
11. 前記取出しサブシステムは、前記販売主のウェブサイトでユーザによって実施されたブラウジング活動の観察されたレベルを示すデータを取り出すことを特徴とする請求項１０に記載のコンピューティングシステム。
12. 前記取出しサブシステムは、前記販売主のウェブサイトを含めて複数のウェブサイトでユーザによって実施されたブラウジング活動の観察されたレベルを示すデータを取り出すことを特徴とする請求項１０に記載のコンピューティングシステム。
13. 選択されたアイテムの単位を製造するためのコンピューティングシステム内の方法であって、
    前記選択アイテムについての過去のブラウジング活動に少なくとも一部基づいて予想された前記選択アイテムについての将来の購買活動の表示を受信すること、および
    前記表示を受信したことに応答して、前記選択アイテムについての前記予想された将来の購買活動を満足させるのに有効な前記選択アイテムの１つまたは複数の単位を製造することを備えることを特徴とする方法。
14. 製造は、選択された書籍アイテムの単位を製造することを備えることを特徴とする請求項１３に記載の方法。
15. 製造は、選択されたオーディオアイテムの単位を製造することを備えることを特徴とする請求項１３に記載の方法。
16. 製造は、選択されたビデオアイテムの単位を製造することを備えることを特徴とする請求項１３に記載の方法。
17. 製造は、選択されたコンピュータソフトウェアアイテムの単位を製造することを備えることを特徴とする請求項１３に記載の方法。
18. コンピュータ読取り可能媒体であって、そのコンテンツがコンピューティングシステムに、
    選択されたアイテムについての予想された将来の購買活動の表示を受信すること、および
    前記表示を受信したことに応答して、前記選択アイテムについての前記予想された将来の購買活動を満足させるのに有効な前記選択アイテムの１つまたは複数の単位の製造を開始することを備える前記選択アイテムの単位を製造するための方法を実施させることを特徴とするコンピュータ読取り可能媒体。
19. 前記受信された表示は、将来の期間の間に購買されると予想される前記選択アイテムの複数の単位を直接的に指定し、前記指定された複数の単位に基づく前記選択アイテムの複数の単位のため製造が開始されることを特徴とする請求項１８に記載のコンピュータ読取り可能媒体。
20. 前記受信された表示は、将来の期間の間に購買されると予想される前記選択アイテムの複数の単位を直接的に指定し、前記指定された複数の単位に等しい前記選択アイテムの複数の単位のため製造が開始されることを特徴とする請求項１８に記載のコンピュータ読取り可能媒体。
21. 選択されたアイテムについての将来の購買活動が前記選択アイテムについてのブラウジング活動から予想されたことの表示を受信する受信サブシステムと、
    前記受信サブシステムから受信された各表示に応答して、前記選択アイテムの１つまたは複数の単位を製造する製造サブシステムとを備えることを特徴とする製造システム。
22. 前記受信サブシステムは、選択された複数のアイテムについて将来の購買活動が予想されたことの表示を受信し、前記製造サブシステムは、前記受信サブシステムによって受信された各表示に応答して、前記選択された適切なアイテムの１つまたは複数の単位を製造することを特徴とする請求項２１に記載の製造システム。
23. データ信号の受信側が選択されたアイテムについての予想された将来の購買活動を満足させるのに有効な前記選択アイテムの１つまたは複数の単位の製造を開始することによって伝達された表示に応答し得るように、
    前記選択アイテムについての前記将来の購買活動が前記選択アイテムについてのブラウジング活動から予想されたことの前記表示をまとめて伝達することを特徴とする生成されたデータ信号。
24. 選択されたアイテムについての将来の購買活動を予想するためのコンピューティングシステム内の方法であって、
    複数の過去の期間のそれぞれについて、前記選択アイテムに関して実施されたアイテムブラウジング活動のレベルを示す履歴ブラウジングデータをコンパイルすること、
    前記コンパイルされた履歴ブラウジングデータから前記選択アイテムに関する将来の購買活動レベルの第１の予想を作成すること、
    複数の過去の期間のそれぞれについて、前記選択アイテムに関して実施されたアイテム購買活動のレベルを示す履歴購買データをコンパイルすること、
    前記コンパイルされた履歴購買データから前記選択アイテムに関する将来の購買活動レベルの第２の予想を作成すること、および
    前記選択アイテムに関する将来の購買活動レベルの前記作成された第１と第２の予想を混合して、前記選択アイテムに関する将来の購買活動レベルの第３の予想を作成すること備えることを特徴とする方法。
25. 前記第３の予想に基づいて前記選択アイテムについての再供給の発注を行うことをさらに備えることを特徴とする請求項２４に記載の方法。
26. 前記第１、第２、第３の将来の購買活動レベル予想はそれぞれ、前記過去の期間の後に続く複数の目標期間のそれぞれの間の前記選択アイテムに関する購買活動のレベルを指定し、
    前記混合は、前記複数の目標期間のそれぞれについて、
    前記第２予想によって指定される前記レベルに対して、前記第１の予想によって指定される前記レベルを重み付けすること、および
    それらの重みに従って、前記第１および第２予想によって指定される前記レベルを組み合わせることを備え、
    前記方法はさらに、前記複数の目標期間のうちの選択された１つの間に前記選択アイテムに関して実施されたアイテム購買活動の前記レベルに影響を及ぼした可能性が高い外部イベントが発生したと判断することを備え、
    前記選択された目標期間についての前記重み付けは、前記第１の予想によって指定される前記レベルに対して、前記第２の予想によって指定される前記レベルの前記重みのランクを下げることを特徴とする請求項２４に記載の方法。
27. 生じたと判断される前記外部イベントは、前記選択アイテムの入手のし易さを制限した可能性が高い外部イベントであることを特徴とする請求項２６に記載の方法。
28. 生じたと判断される前記外部イベントは、前記選択アイテムの購入を阻止した可能性が高い外部イベントであることを特徴とする請求項２６に記載の方法。
29. コンピュータ読取り可能媒体であって、そのコンテンツがコンピューティングシステムに、
    複数の過去の期間のそれぞれについて、選択されたアイテムに関して実施されたアイテムブラウジング活動のレベルを示す履歴ブラウジングデータをコンパイルし、
    前記コンパイルされた履歴ブラウジングデータから前記選択アイテムに関する将来の購買活動レベルの第１の予想を作成し、
    複数の過去の期間のそれぞれについて、前記選択アイテムに関して実施されたアイテム購買活動のレベルを示す履歴購買データをコンパイルし、
    前記コンパイルされた履歴購買データから前記選択アイテムに関する将来の購買活動レベルの第２の予想を作成し、
    前記選択アイテムに関する将来の購買活動レベルの前記作成された第１と第２の予想を混合して、前記選択アイテムに関する将来の購買活動レベルの第３の予想を作成することによって前記選択アイテムについて将来の購買活動を予想させることを特徴とするコンピュータ読取り可能媒体。
30. 販売主によって販売用に提供されている選択されたアイテムについての将来の購買活動を予想するためのコンピューティングシステム内の方法であって、
    複数の過去の期間のそれぞれの間で前記選択アイテムに関してユーザによって実施されたブラウジング活動の観察されたレベルを示すデータを取り出すこと、および
    前記取り出されたデータを前記販売主での前記選択アイテムについての将来の購買活動の予想に変換することを備えることを特徴とする方法。
31. 前記変換は、複数の将来期間のそれぞれについて予想される購買活動レベルを指定する将来の購買活動の予想を作成することを特徴とする請求項３０に記載の方法。
32. 前記変換は、
    前記取り出されたデータを使用して、前記選択アイテムに関して前記販売主で実施される将来のブラウジング活動の予想を作成すること、および
    前記作成された将来のブラウジング活動予想を使用して、前記販売主での前記選択アイテムについての将来の購買活動を予想することを備えることを特徴とする請求項３０に記載の方法。
33. 前記予想は時系列予測技術を使用して作成されることを特徴とする請求項３２に記載の方法。
34. 前記作成された将来のブラウジング活動予想は、複数の将来期間のそれぞれで将来のブラウジング活動を特徴付ける時系列の値であり、将来の購買活動は、前記販売主でのコンバージョン履歴に基づくコンバージョン率の時系列を適用することによって予想されることを特徴とする請求項３２に記載の方法。
35. 前記販売主はウェブサイトを運営し、ウェブログが前記ウェブサイトの運営に関連して作成され、
    前記作成されたウェブログからブラウジング活動データを抽出すること、および
    取出しのため前記抽出されたデータを格納することをさらに備えることを特徴とする請求項３０に記載の方法。
36. 前記販売主は物理的な店舗を運営し、
    前記物理店舗内のブラウジング活動データを捕捉すること、および
    取出しのため前記捕捉されたデータを格納することをさらに備えることを特徴とする請求項３０に記載の方法。
37. 前記販売主は前記選択アイテムが購入可能な複数の場所で営業し、前記変換は、前記複数の販売主の場所のそれぞれについて購買活動の予想されるレベルを指定する将来の購買活動の予想を作成するために実施されることを特徴とする請求項３０に記載の方法。
38. 前記販売主によって運営される前記場所のそれぞれは発送センタであり、
    それぞれの発送センタについて前記予想される購買活動レベルは、その発送先が前記発送センタに関連する顧客からのブラウジング活動データを使用して判断されることを特徴とする請求項３７に記載の方法。
39. 前記販売主によって運営される前記場所のそれぞれは発送センタであり、
    発送センタのそれぞれについて購買活動の前記予想されるレベルは、その発送先が前記発送センタのいずれかに関連する顧客からのブラウジング活動データを使用して判断されることを特徴とする請求項３７に記載の方法。
40. 前記将来の購買活動予想を使用して、前記販売主を操作するために使用される操作パラメータを指定することをさらに備えることを特徴とする請求項３０に記載の方法。
41. 前記操作パラメータ指定は、前記選択アイテムについての在庫再発注のレベルであることを特徴とする請求項４０に記載の方法。
42. 前記操作パラメータ指定は、前記選択アイテムの補足品と識別されるアイテムについての在庫再発注のレベルであることを特徴とする請求項４０に記載の方法。
43. 前記操作パラメータ指定は、人員配置のレベルであることを特徴とする請求項４０に記載の方法。
44. 前記取り出されたデータは、前記販売主で前記ユーザによって実施されるブラウジング活動の観察されるレベルを示すことを特徴とする請求項３０に記載の方法。
45. 前記将来購買活動予測に、複数の過去の期間のそれぞれの間で前記選択アイテムに関してユーザによって実施された購買活動の観察されたレベルを示すデータを組み込むことをさらに備えることを特徴とする請求項３０に記載の方法。
46. 販売主のウェブサイト上で販売用に提供されている選択されたアイテムについての将来の購買活動を予想するためのコンピューティングシステムであって、
    複数の過去の期間のそれぞれの間で前記選択アイテムに関してユーザによって実施されたブラウジング活動の観察されたレベルを示すデータを取り出す取出しサブシステムと、
    前記取り出されたデータを、前記販売主での前記選択アイテムについての将来の購買活動の予想に変換する変換サブシステムとを備えることを特徴とするコンピューティングシステム。
47. 前記取出しサブシステムは、前記販売主ウェブサイトでユーザによって実施されるブラウジング活動の観察されるレベルを示すデータを取り出すことを特徴とする請求項４６に記載のコンピューティングシステム。
48. 前記取出しサブシステムは、前記販売主ウェブサイトを含めて複数のウェブサイトでユーザによって実施されるブラウジング活動の観察されるレベルを示すデータを取り出すことを特徴とする請求項４６に記載のコンピューティングシステム。
49. データ構造体のコンテンツが選択アイテムに関する将来の購買活動を予想するために使用され得るように、
    前記選択アイテムについて過去の時系列のそれぞれの時について前記選択アイテムに関して行われると観察されるアイテムブラウジング活動のレベルの表示を備える前記アイテム購買活動予測データ構造体をまとめて含むことを特徴とするコンピュータメモリ。
50. それぞれの表示は、前記選択アイテムに関する情報を含むアイテム詳細ウェブページが、前記アイテム詳細ページがそこから利用可能な１つまたは複数のウェブサーバに要求された合計回数のカウントであることを特徴とする請求項４９に記載のコンピュータメモリ。
51. それぞれの表示は、前記選択アイテムに関して行われると観察されるアイテムブラウジングイベントの合計数のカウントであることを特徴とする請求項４９に記載のコンピュータメモリ。
52. 複数の異なるアイテムブラウジング活動のそれぞれは前記選択アイテムに関して実施されることができ、それぞれの表示は、前記アイテムブラウジング活動のそれぞれが前記選択アイテムに関して行われると観察される回数に基づく重み付けされたスコアであることを特徴とする請求項４９に記載のコンピュータメモリ。
53. 前記データ構造体は、前記データ構造体のコンテンツが複数のアイテムのうちのいずれかに関する将来の購買活動を予想するために使用され得るように、前記複数のアイテムのそれぞれに関する過去の時系列のそれぞれの時に行われると観察されるアイテムブラウジング活動のレベルの表示を含むことを特徴とする請求項５０に記載のコンピュータメモリ。
54. 前記データ構造体は、前記データ構造体の前記コンテンツが前記複数のアイテムの在庫補充の緊急性の相対レベルを判断するために使用され得るように、前記複数のアイテムがアイテムブラウジング活動のレベルについてのそれらの表示の降順にランク付けされるように編成されることを特徴とする請求項５３に記載のコンピュータメモリ。
55. 前記データ構造体によって含まれる過去時についての前記各表示は、複数の異なるアイテムブラウジング活動タイプのそれぞれについて前記過去時に行われたと観察される前記アイテムブラウジング動作タイプの動作の合計回数のカウントを備えることを特徴とする請求項５０に記載のコンピュータメモリ。
56. 選択されたアイテムについて、将来の時系列のそれぞれの時について前記選択アイテムに関して以前に観察されたブラウジング活動の量に少なくとも一部基づいて、前記選択アイテムに関して行われると予想される購買活動のレベルの表示を備えるアイテム購買活動予測データ構造体をまとめて含むことを特徴とするコンピュータメモリ。
57. 前記データ構造体は、複数のアイテムに関して以前に観察されたブラウジング活動の量に少なくとも一部基づいて前記複数のアイテムのそれぞれに関して前記将来の時系列のそれぞれの時に行われると予想される購買活動のレベルの表示を含むことを特徴とする請求項５６に記載のコンピュータメモリ。
58. 前記データ構造体によって含まれる前記表示は、前記選択アイテムに関して以前に観察された購買活動の量にも一部基づくことを特徴とする請求項５６に記載のコンピュータメモリ。
59. 複数の異なるタイプのアイテムブラウジング活動のそれぞれについて前記タイプのアイテムブラウジング活動の発生に基づいて将来の需要を予想する際の前記タイプのアイテムブラウジング活動に起因する重みの表示を備えるブラウジング活動重み付けデータ構造体をまとめて含むことを特徴とするコンピュータメモリ。
    

Images