JP2017220218A5 - - Google Patents
Download PDFInfo
- Publication number
- JP2017220218A5 JP2017220218A5 JP2017056737A JP2017056737A JP2017220218A5 JP 2017220218 A5 JP2017220218 A5 JP 2017220218A5 JP 2017056737 A JP2017056737 A JP 2017056737A JP 2017056737 A JP2017056737 A JP 2017056737A JP 2017220218 A5 JP2017220218 A5 JP 2017220218A5
- Authority
- JP
- Japan
- Prior art keywords
- amount
- compensation
- hierarchy
- remuneration
- rule
- 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.)
- Granted
Links
- 238000011156 evaluation Methods 0.000 claims description 27
- 238000011158 quantitative evaluation Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000005540 biological transmission Effects 0.000 claims description 2
- 230000000875 corresponding Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
Description
<1> 上記目的を達成するために、本発明は、
会員制紹介販売流通組織の会員に対する報酬額を計算してその配当率の予測をする報酬予測計算サーバーであって、
ネットワークを介して端末装置と通信可能であって、
前記端末装置から前記報酬額の計算のための変動条件の送信を受ける条件受信部と、
前記配当率が収束する報酬決定ルールと前記予測に係る配当率の定量評価をする評価ルールと該定量評価の結果に応じて前記変動条件の変更をする変更ルールと前記受信及び変更に係る変動条件とを記憶する記憶部と、
受信した変動条件又は変更に係る変動条件に応じて、前記報酬決定ルールと前記評価ルールに基づき、前記報酬額と配当率の予測を行い、該予測に係る配当率の定量評価を行う予測評価を実行する制御部と、
前記受信に係る変動条件を初期値として前記変更ルールに従って変動条件を変更し、前記制御部の予測評価を繰り返し実行させる繰り返し部と、
前記予測評価に係る配当率を含む表示と該表示に係る決定命令の入力手段の提供を前記端末装置と通信して実行する決定支援部と、
前記端末装置から送信される前記決定命令を受信すると、該決定命令に係る配当率と前記表示に係る変動条件とを決定データとして送信する出力部と、
を備え、
前記報酬決定ルールは、
[1]各会員が二分木データ構造の各ノードにそれぞれ仮想的に配置されて充填された階層を構成するようにマッピングされた配置情報を有し、
[2]各会員の報酬額について、
前記配置情報に基づいてその会員から分枝する下位の階層に属する会員が購入した商品の総個数である商品購入合計個数と、所与の最高限度額と、所与の報酬基数とに基づき、
階層ごとに前記商品購入合計個数について前記報酬基数により離散化して評価した暫定報酬額を算出し、前記暫定報酬額が前記最高限度額を超えないように前記報酬額を計算し、
前記暫定報酬額は、
深さnの階層を有する二分木データ構造の第i階層に属する会員の報酬額について、
前記最高限度額をM円、基本報酬額をh円、報酬基数をg個、各会員の商品購入個数を1個、前記商品購入合計個数をS(i)個、その暫定報酬額をP(i)円、とし、INT{ }は{ }内の数の整数値をとる演算子、*は積算演算記号とした場合に、
P(i)=h*INT{S(i)/g}
であって、
決定される報酬額は、
M≦P(i)かつk+i=n+1
を充たす、kの最小値となる第n層から数えてm番目である階層により場合分けし、
[場合1]:
i≦n+1−mの階層の会員については、報酬額を最高限度額であるM円とし、
[場合2]:
i>n+1−mの階層の会員については、報酬額を暫定報酬額であるP(i)=h*INT{(2 (n+1-i) −2)/g}円として報酬額を計算するように構成されている。
会員制紹介販売流通組織の会員に対する報酬額を計算してその配当率の予測をする報酬予測計算サーバーであって、
ネットワークを介して端末装置と通信可能であって、
前記端末装置から前記報酬額の計算のための変動条件の送信を受ける条件受信部と、
前記配当率が収束する報酬決定ルールと前記予測に係る配当率の定量評価をする評価ルールと該定量評価の結果に応じて前記変動条件の変更をする変更ルールと前記受信及び変更に係る変動条件とを記憶する記憶部と、
受信した変動条件又は変更に係る変動条件に応じて、前記報酬決定ルールと前記評価ルールに基づき、前記報酬額と配当率の予測を行い、該予測に係る配当率の定量評価を行う予測評価を実行する制御部と、
前記受信に係る変動条件を初期値として前記変更ルールに従って変動条件を変更し、前記制御部の予測評価を繰り返し実行させる繰り返し部と、
前記予測評価に係る配当率を含む表示と該表示に係る決定命令の入力手段の提供を前記端末装置と通信して実行する決定支援部と、
前記端末装置から送信される前記決定命令を受信すると、該決定命令に係る配当率と前記表示に係る変動条件とを決定データとして送信する出力部と、
を備え、
前記報酬決定ルールは、
[1]各会員が二分木データ構造の各ノードにそれぞれ仮想的に配置されて充填された階層を構成するようにマッピングされた配置情報を有し、
[2]各会員の報酬額について、
前記配置情報に基づいてその会員から分枝する下位の階層に属する会員が購入した商品の総個数である商品購入合計個数と、所与の最高限度額と、所与の報酬基数とに基づき、
階層ごとに前記商品購入合計個数について前記報酬基数により離散化して評価した暫定報酬額を算出し、前記暫定報酬額が前記最高限度額を超えないように前記報酬額を計算し、
前記暫定報酬額は、
深さnの階層を有する二分木データ構造の第i階層に属する会員の報酬額について、
前記最高限度額をM円、基本報酬額をh円、報酬基数をg個、各会員の商品購入個数を1個、前記商品購入合計個数をS(i)個、その暫定報酬額をP(i)円、とし、INT{ }は{ }内の数の整数値をとる演算子、*は積算演算記号とした場合に、
P(i)=h*INT{S(i)/g}
であって、
決定される報酬額は、
M≦P(i)かつk+i=n+1
を充たす、kの最小値となる第n層から数えてm番目である階層により場合分けし、
[場合1]:
i≦n+1−mの階層の会員については、報酬額を最高限度額であるM円とし、
[場合2]:
i>n+1−mの階層の会員については、報酬額を暫定報酬額であるP(i)=h*INT{(2 (n+1-i) −2)/g}円として報酬額を計算するように構成されている。
このように構成されているために、階層が無限に深くなっても配当率が必ず収束するので、収束した配当率に基づいていろいろな変動条件における定量的評価を、ネットワークを通じて端末装置に提供することができる。
また、報酬基数というパラメータを導入し、商品購入合計個数について報酬基数で離散化して評価した暫定報酬額を算出している。これにより、商品購入合計個数をステップ的に丸めた値に切り下げることができるため、報酬額ひいては配当率を計算するにあたり、報酬基数を変化させることによってその試算が簡単にできる。
さらに、会員組織の階層の浅い古手の会員は報酬の最高限度額を制限し、階層の深い比較的新しい会員は商品購入合計個数に応じた報酬額となる。したがって、比較的高額の報酬を受け取る会員は最高限度額に制限されるものの、最高限度額に達さない、紹介が多くない会員に取っては減額の要素がないため、広く会員の紹介のモチベーションを保つことが容易であり、これを事前に会員に提示することもできるため、受け入れやすい。加えて、統括会社にとっても、最高限度額と報酬基数を同時に動かした場合の配当率の評価を容易に行うことができるため、柔軟な報酬プランを検討することができる。
ここで、配当率は、会員制紹介販売流通組織が受ける当該商品に関する販売額などの配当原資と報酬額の比率をいう(本明細書において、同じ)。この配当原資は、商品そのものの販売額のみならず、会員の入会金のような組織にとって配当原資となる収入を含むものである。また、販売額の全額のみならず、必要な控除をおこなった一部であってもよい。
さらに加えて、階層が無限に深くなっても変動条件(パラメータ)に対応する収束した配当率が求められるので、報酬プランの定量的評価をすることが可能になる。
また、基本報酬額に離散化による評価値をかけて暫定報酬額としているので、報酬額は、最高限度額、報酬基数、基本報酬額の3つを主要なパラメータとして、配当率を変えることができるので、報酬プランの決定が柔軟にできる。
また、報酬基数というパラメータを導入し、商品購入合計個数について報酬基数で離散化して評価した暫定報酬額を算出している。これにより、商品購入合計個数をステップ的に丸めた値に切り下げることができるため、報酬額ひいては配当率を計算するにあたり、報酬基数を変化させることによってその試算が簡単にできる。
さらに、会員組織の階層の浅い古手の会員は報酬の最高限度額を制限し、階層の深い比較的新しい会員は商品購入合計個数に応じた報酬額となる。したがって、比較的高額の報酬を受け取る会員は最高限度額に制限されるものの、最高限度額に達さない、紹介が多くない会員に取っては減額の要素がないため、広く会員の紹介のモチベーションを保つことが容易であり、これを事前に会員に提示することもできるため、受け入れやすい。加えて、統括会社にとっても、最高限度額と報酬基数を同時に動かした場合の配当率の評価を容易に行うことができるため、柔軟な報酬プランを検討することができる。
ここで、配当率は、会員制紹介販売流通組織が受ける当該商品に関する販売額などの配当原資と報酬額の比率をいう(本明細書において、同じ)。この配当原資は、商品そのものの販売額のみならず、会員の入会金のような組織にとって配当原資となる収入を含むものである。また、販売額の全額のみならず、必要な控除をおこなった一部であってもよい。
さらに加えて、階層が無限に深くなっても変動条件(パラメータ)に対応する収束した配当率が求められるので、報酬プランの定量的評価をすることが可能になる。
また、基本報酬額に離散化による評価値をかけて暫定報酬額としているので、報酬額は、最高限度額、報酬基数、基本報酬額の3つを主要なパラメータとして、配当率を変えることができるので、報酬プランの決定が柔軟にできる。
<2>加えて、会員制紹介販売流通組織の会員に対する報酬額を計算してその配当率の予測をするために、コンピュータを、
前記報酬額の計算のための変動条件の入力を受ける条件入力手段と、
前記配当率が収束する報酬決定ルールと、前記予測に係る配当率の定量評価をする評価ルールと、該定量評価の結果に応じて前記変動条件の変更をする変更ルールと、前記入力及び変更に係る変動条件とを記憶する記憶手段と、
前記入力又は変更に係る変動条件に応じて、前記報酬決定ルールと前記評価ルールに基づき、前記報酬額と配当率の予測を行い、該予測に係る配当率の定量評価を行う予測評価を実行する制御手段と、
前記入力に係る変動条件を初期値として前記変更ルールに従って変動条件を変更し、前記制御手段の予測評価を繰り返し実行させる繰り返し手段と、
前記予測評価に係る配当率を含む表示と、該表示に係る決定命令の入力手段の提供とを実行する決定支援手段と、
前記決定命令が入力されると、該決定命令に係る配当率と前記表示に係る変動条件とを決定データとして出力する出力手段として機能させるための報酬予測計算プログラムであって、
前記報酬決定ルールは、
[1]各会員が二分木データ構造の各ノードにそれぞれ仮想的に配置されて充填された階層を構成するようにマッピングされた配置情報を有し、
[2]各会員の報酬額について、
前記配置情報に基づいてその会員から分枝する下位の階層に属する会員が購入した商品の総個数である商品購入合計個数と、所与の最高限度額と、所与の報酬基数とに基づき、
階層ごとに前記商品購入合計個数について前記報酬基数により離散化して評価した暫定報酬額を算出し、
前記暫定報酬額が前記最高限度額を超えないように前記報酬額を計算し、
前記暫定報酬額は、
深さnの階層を有する二分木データ構造の第i階層に属する会員の報酬額について、
前記最高限度額をM円、基本報酬額をh円、報酬基数をg個、各会員の商品購入個数を1個、前記商品購入合計個数をS(i)個、その暫定報酬額をP(i)円、とし、INT{ }は{ }内の数の整数値をとる演算子、*は積算演算記号とした場合に、
P(i)=h*INT{S(i)/g}
であって、
決定される報酬額は、
M≦P(i)かつk+i=n+1
を充たす、kの最小値となる第n層から数えてm番目である階層により場合分けし、
[場合1]:
i≦n+1−mの階層の会員については、報酬額を最高限度額であるM円とし、
[場合2]:
i>n+1−mの階層の会員については、報酬額を暫定報酬額であるP(i)=h*INT{(2 (n+1-i) −2)/g}円として報酬額を計算する、ように構成されている。
前記報酬額の計算のための変動条件の入力を受ける条件入力手段と、
前記配当率が収束する報酬決定ルールと、前記予測に係る配当率の定量評価をする評価ルールと、該定量評価の結果に応じて前記変動条件の変更をする変更ルールと、前記入力及び変更に係る変動条件とを記憶する記憶手段と、
前記入力又は変更に係る変動条件に応じて、前記報酬決定ルールと前記評価ルールに基づき、前記報酬額と配当率の予測を行い、該予測に係る配当率の定量評価を行う予測評価を実行する制御手段と、
前記入力に係る変動条件を初期値として前記変更ルールに従って変動条件を変更し、前記制御手段の予測評価を繰り返し実行させる繰り返し手段と、
前記予測評価に係る配当率を含む表示と、該表示に係る決定命令の入力手段の提供とを実行する決定支援手段と、
前記決定命令が入力されると、該決定命令に係る配当率と前記表示に係る変動条件とを決定データとして出力する出力手段として機能させるための報酬予測計算プログラムであって、
前記報酬決定ルールは、
[1]各会員が二分木データ構造の各ノードにそれぞれ仮想的に配置されて充填された階層を構成するようにマッピングされた配置情報を有し、
[2]各会員の報酬額について、
前記配置情報に基づいてその会員から分枝する下位の階層に属する会員が購入した商品の総個数である商品購入合計個数と、所与の最高限度額と、所与の報酬基数とに基づき、
階層ごとに前記商品購入合計個数について前記報酬基数により離散化して評価した暫定報酬額を算出し、
前記暫定報酬額が前記最高限度額を超えないように前記報酬額を計算し、
前記暫定報酬額は、
深さnの階層を有する二分木データ構造の第i階層に属する会員の報酬額について、
前記最高限度額をM円、基本報酬額をh円、報酬基数をg個、各会員の商品購入個数を1個、前記商品購入合計個数をS(i)個、その暫定報酬額をP(i)円、とし、INT{ }は{ }内の数の整数値をとる演算子、*は積算演算記号とした場合に、
P(i)=h*INT{S(i)/g}
であって、
決定される報酬額は、
M≦P(i)かつk+i=n+1
を充たす、kの最小値となる第n層から数えてm番目である階層により場合分けし、
[場合1]:
i≦n+1−mの階層の会員については、報酬額を最高限度額であるM円とし、
[場合2]:
i>n+1−mの階層の会員については、報酬額を暫定報酬額であるP(i)=h*INT{(2 (n+1-i) −2)/g}円として報酬額を計算する、ように構成されている。
このように構成されているために、階層が無限に深くなっても配当率が必ず収束するので、収束した配当率に基づいていろいろな変動条件における定量的評価をコンピュータで行うプログラムを提供することができる。
また、報酬基数というパラメータを導入し、商品購入合計個数について報酬基数で離散化して評価した暫定報酬額を算出している。これにより、商品購入合計個数をステップ的に丸めた値に切り下げることができるため、報酬額ひいては配当率を計算するにあたり、報酬基数を変化させることによってその試算が簡単にできる。
さらに、会員組織の階層の浅い古手の会員は報酬の最高限度額を制限し、階層の深い比較的新しい会員は商品購入合計個数に応じた報酬額となる。したがって、比較的高額の報酬を受け取る会員は最高限度額に制限されるものの、最高限度額に達さない、紹介が多くない会員に取っては減額の要素がないため、広く会員の紹介のモチベーションを保つことが容易であり、これを事前に会員に提示することもできるため、受け入れやすい。加えて、統括会社にとっても、最高限度額と報酬基数を同時に動かした場合の配当率の評価を容易に行うことができるため、柔軟な報酬プランを検討することができる。
さらに加えて、階層が無限に深くなっても変動条件(パラメータ)に対応する収束した配当率が求められるので、報酬プランの定量的評価をすることが可能になる。
また、基本報酬額に離散化による評価値をかけて暫定報酬額としているので、報酬額は、最高限度額、報酬基数、基本報酬額の3つを主要なパラメータとして、配当率を変えることができるので、報酬プランの決定が柔軟にできる。
また、報酬基数というパラメータを導入し、商品購入合計個数について報酬基数で離散化して評価した暫定報酬額を算出している。これにより、商品購入合計個数をステップ的に丸めた値に切り下げることができるため、報酬額ひいては配当率を計算するにあたり、報酬基数を変化させることによってその試算が簡単にできる。
さらに、会員組織の階層の浅い古手の会員は報酬の最高限度額を制限し、階層の深い比較的新しい会員は商品購入合計個数に応じた報酬額となる。したがって、比較的高額の報酬を受け取る会員は最高限度額に制限されるものの、最高限度額に達さない、紹介が多くない会員に取っては減額の要素がないため、広く会員の紹介のモチベーションを保つことが容易であり、これを事前に会員に提示することもできるため、受け入れやすい。加えて、統括会社にとっても、最高限度額と報酬基数を同時に動かした場合の配当率の評価を容易に行うことができるため、柔軟な報酬プランを検討することができる。
さらに加えて、階層が無限に深くなっても変動条件(パラメータ)に対応する収束した配当率が求められるので、報酬プランの定量的評価をすることが可能になる。
また、基本報酬額に離散化による評価値をかけて暫定報酬額としているので、報酬額は、最高限度額、報酬基数、基本報酬額の3つを主要なパラメータとして、配当率を変えることができるので、報酬プランの決定が柔軟にできる。
<3>加えて、
会員制紹介販売流通組織の会員に対する報酬額を計算してその配当率を予測する報酬予測計算方法において、
前記報酬額の計算のための変動条件を入力する条件入力ステップと、
前記配当率が収束する報酬決定ルールと、前記予測に係る配当率の定量評価をする評価ルールと、該定量評価の結果に応じて前記変動条件の変更をする変更ルールを記憶する第1記憶ステップと、
前記入力及び変更に係る変動条件を記憶する第2記憶ステップと、
前記入力又は変更に係る変動条件に応じて、前記報酬決定ルールと前記評価ルールに基づき、前記報酬額と配当率の予測を行い、該予測に係る配当率の定量評価を行う予測評価を実行する制御ステップと、
前記入力に係る変動条件を初期値として前記変更ルールに従って変動条件を変更し、前記制御ステップの予測評価を繰り返し実行させる繰り返し前記予測評価に係る配当率を含む表示と、該表示に係る決定命令の入力手段の提供とを実行する決定支援ステップと、
前記決定命令が入力されると、該決定命令に係る配当率と前記表示に係る変動条件とを決定データとして出力する出力ステップと、
を含む報酬予測計算方法であって、
前記報酬決定ルールは、
[1]各会員が二分木データ構造の各ノードにそれぞれ仮想的に配置されて充填された階層を構成するようにマッピングされた配置情報を有し、
[2]各会員の報酬額について、
前記配置情報に基づいてその会員から分枝する下位の階層に属する会員が購入した商品の総個数である商品購入合計個数と、所与の最高限度額と、所与の報酬基数とに基づき、
階層ごとに前記商品購入合計個数について前記報酬基数により離散化して評価した暫定報酬額を算出し、前記暫定報酬額が前記最高限度額を超えないように前記報酬額を計算し、
前記暫定報酬額は、
深さnの階層を有する二分木データ構造の第i階層に属する会員の報酬額について、
前記最高限度額をM円、基本報酬額をh円、報酬基数をg個、各会員の商品購入個数を1個、前記商品購入合計個数をS(i)個、その暫定報酬額をP(i)円、とし、INT{ }は{ }内の数の整数値をとる演算子、*は積算演算記号とした場合に、
P(i)=h*INT{S(i)/g}
であって、
決定される報酬額は、
M≦P(i)かつk+i=n+1
を充たす、kの最小値となる第n層から数えてm番目である階層により場合分けし、
[場合1]:
i≦n+1−mの階層の会員については、報酬額を最高限度額であるM円とし、
[場合2]:
i>n+1−mの階層の会員については、報酬額を暫定報酬額であるP(i)=h*INT{(2 (n+1-i) −2)/g}円として報酬額を計算する、ように構成されている。
会員制紹介販売流通組織の会員に対する報酬額を計算してその配当率を予測する報酬予測計算方法において、
前記報酬額の計算のための変動条件を入力する条件入力ステップと、
前記配当率が収束する報酬決定ルールと、前記予測に係る配当率の定量評価をする評価ルールと、該定量評価の結果に応じて前記変動条件の変更をする変更ルールを記憶する第1記憶ステップと、
前記入力及び変更に係る変動条件を記憶する第2記憶ステップと、
前記入力又は変更に係る変動条件に応じて、前記報酬決定ルールと前記評価ルールに基づき、前記報酬額と配当率の予測を行い、該予測に係る配当率の定量評価を行う予測評価を実行する制御ステップと、
前記入力に係る変動条件を初期値として前記変更ルールに従って変動条件を変更し、前記制御ステップの予測評価を繰り返し実行させる繰り返し前記予測評価に係る配当率を含む表示と、該表示に係る決定命令の入力手段の提供とを実行する決定支援ステップと、
前記決定命令が入力されると、該決定命令に係る配当率と前記表示に係る変動条件とを決定データとして出力する出力ステップと、
を含む報酬予測計算方法であって、
前記報酬決定ルールは、
[1]各会員が二分木データ構造の各ノードにそれぞれ仮想的に配置されて充填された階層を構成するようにマッピングされた配置情報を有し、
[2]各会員の報酬額について、
前記配置情報に基づいてその会員から分枝する下位の階層に属する会員が購入した商品の総個数である商品購入合計個数と、所与の最高限度額と、所与の報酬基数とに基づき、
階層ごとに前記商品購入合計個数について前記報酬基数により離散化して評価した暫定報酬額を算出し、前記暫定報酬額が前記最高限度額を超えないように前記報酬額を計算し、
前記暫定報酬額は、
深さnの階層を有する二分木データ構造の第i階層に属する会員の報酬額について、
前記最高限度額をM円、基本報酬額をh円、報酬基数をg個、各会員の商品購入個数を1個、前記商品購入合計個数をS(i)個、その暫定報酬額をP(i)円、とし、INT{ }は{ }内の数の整数値をとる演算子、*は積算演算記号とした場合に、
P(i)=h*INT{S(i)/g}
であって、
決定される報酬額は、
M≦P(i)かつk+i=n+1
を充たす、kの最小値となる第n層から数えてm番目である階層により場合分けし、
[場合1]:
i≦n+1−mの階層の会員については、報酬額を最高限度額であるM円とし、
[場合2]:
i>n+1−mの階層の会員については、報酬額を暫定報酬額であるP(i)=h*INT{(2 (n+1-i) −2)/g}円として報酬額を計算する、ように構成されている。
さらに、会員組織の階層の浅い古手の会員は報酬の最高限度額を制限し、階層の深い比較的新しい会員は商品購入合計個数に応じた報酬額となる。したがって、比較的高額の報酬を受け取る会員は最高限度額に制限されるものの、最高限度額に達さない、紹介が多くない会員に取っては減額の要素がないため、広く会員の紹介のモチベーションを保つことが容易であり、これを事前に会員に提示することもできるため、受け入れやすい。加えて、統括会社にとっても、最高限度額と報酬基数を同時に動かした場合の配当率の評価を容易に行うことができるため、柔軟な報酬プランを検討することができる。
さらに加えて、階層が無限に深くなっても変動条件(パラメータ)に対応する収束した配当率が求められるので、報酬プランの定量的評価をすることが可能になる。
また、基本報酬額に離散化による評価値をかけて暫定報酬額としているので、報酬額は、最高限度額、報酬基数、基本報酬額の3つを主要なパラメータとして、配当率を変えることができるので、報酬プランの決定が柔軟にできる。
さらに加えて、階層が無限に深くなっても変動条件(パラメータ)に対応する収束した配当率が求められるので、報酬プランの定量的評価をすることが可能になる。
また、基本報酬額に離散化による評価値をかけて暫定報酬額としているので、報酬額は、最高限度額、報酬基数、基本報酬額の3つを主要なパラメータとして、配当率を変えることができるので、報酬プランの決定が柔軟にできる。
このように報酬予測計算が収束するということのみならず、商品単価A,入会金bなどを含む直観に訴えやすいパラメータを操作して報酬予測計算をすることができるため、会員にとって魅力があるプラン策定を簡単に検討することができる。加えて、統括会社にとっての経営の存続・安定化と紹介の過熱化の鎮静をも考えた現実的なプランの検討が簡単に行えるようになり、社会的な要請にも応えることができる実効性と汎用性のある報酬計算予測技術を提供することができる。
Claims (3)
- 会員制紹介販売流通組織の会員に対する報酬額を計算してその配当率の予測をする報酬予測計算サーバー(1001)であって、
ネットワーク(1005)を介して端末装置(1002、1003、1004、…)と通信可能であって、
前記端末装置から前記報酬額の計算のための変動条件の送信を受ける条件受信部(1101)と、
前記配当率が収束する報酬決定ルールと前記予測に係る配当率の定量評価をする評価ルールと該定量評価の結果に応じて前記変動条件の変更をする変更ルールと前記受信及び変更に係る変動条件とを記憶する記憶部(1102)と、
受信した変動条件又は変更に係る変動条件に応じて、前記報酬決定ルールと前記評価ルールに基づき、前記報酬額と配当率の予測を行い、該予測に係る配当率の定量評価を行う予測評価を実行する制御部(1103)と、
前記受信に係る変動条件を初期値として前記変更ルールに従って変動条件を変更し、前記制御部の予測評価を繰り返し実行させる繰り返し部(1104)と、
前記予測評価に係る配当率を含む表示と該表示に係る決定命令の入力手段の提供を前記端末装置と通信して実行する決定支援部(1105)と、
前記端末装置から送信される前記決定命令を受信すると、該決定命令に係る配当率と前記表示に係る変動条件とを決定データとして送信する出力部(1106)と、
を備え、
前記報酬決定ルールは、
[1]各会員が二分木データ構造の各ノードにそれぞれ仮想的に配置されて充填された階層を構成するようにマッピングされた配置情報を有し、
[2]各会員の報酬額について、
前記配置情報に基づいてその会員から分枝する下位の階層に属する会員が購入した商品の総個数である商品購入合計個数(S(i))と、所与の最高限度額(M)と、所与の報酬基数(g)とに基づき、
階層ごとに前記商品購入合計個数について前記報酬基数により離散化して評価した暫定報酬額(P(i))を算出し、前記暫定報酬額が前記最高限度額を超えないように前記報酬額を計算し、
前記暫定報酬額(P(i))は、
深さnの階層を有する二分木データ構造の第i階層に属する会員の報酬額について、
前記最高限度額(M)をM円、基本報酬額(h)をh円、報酬基数(g)をg個、各会員の商品購入個数を1個、前記商品購入合計個数をS(i)個、その暫定報酬額をP(i)円、とし、INT{ }は{ }内の数の整数値をとる演算子、*は積算演算記号とした場合に、
P(i)=h*INT{S(i)/g}
であって、
決定される報酬額は、
M≦P(i)かつk+i=n+1
を充たす、kの最小値となる第n層から数えてm番目である階層により場合分けし、
[場合1]:
i≦n+1−mの階層の会員については、報酬額を最高限度額であるM円とし、
[場合2]:
i>n+1−mの階層の会員については、報酬額を暫定報酬額であるP(i)=h*INT{(2 (n+1-i) −2)/g}円として報酬額を計算する、
報酬予測計算サーバー(1001)。 - 会員制紹介販売流通組織の会員に対する報酬額を計算してその配当率の予測をするために、コンピュータを、
前記報酬額の計算のための変動条件の入力を受ける条件入力手段と、
前記配当率が収束する報酬決定ルールと、前記予測に係る配当率の定量評価をする評価ルールと、該定量評価の結果に応じて前記変動条件の変更をする変更ルールと、前記入力及び変更に係る変動条件とを記憶する記憶手段と、
前記入力又は変更に係る変動条件に応じて、前記報酬決定ルールと前記評価ルールに基づき、前記報酬額と配当率の予測を行い、該予測に係る配当率の定量評価を行う予測評価を実行する制御手段と、
前記入力に係る変動条件を初期値として前記変更ルールに従って変動条件を変更し、前記制御手段の予測評価を繰り返し実行させる繰り返し手段と、
前記予測評価に係る配当率を含む表示と、該表示に係る決定命令の入力手段の提供とを実行する決定支援手段と、
前記決定命令が入力されると、該決定命令に係る配当率と前記表示に係る変動条件とを決定データとして出力する出力手段として機能させるための報酬予測計算プログラムであって、
前記報酬決定ルールは、
[1]各会員が二分木データ構造の各ノードにそれぞれ仮想的に配置されて充填された階層を構成するようにマッピングされた配置情報を有し、
[2]各会員の報酬額について、
前記配置情報に基づいてその会員から分枝する下位の階層に属する会員が購入した商品の総個数である商品購入合計個数(S(i))と、所与の最高限度額(M)と、所与の報酬基数(g)とに基づき、
階層ごとに前記商品購入合計個数について前記報酬基数により離散化して評価した暫定報酬額(P(i))を算出し、
前記暫定報酬額が前記最高限度額を超えないように前記報酬額を計算し、
前記暫定報酬額(P(i))は、
深さnの階層を有する二分木データ構造の第i階層に属する会員の報酬額について、
前記最高限度額(M)をM円、基本報酬額(h)をh円、報酬基数(g)をg個、各会員の商品購入個数を1個、前記商品購入合計個数をS(i)個、その暫定報酬額をP(i)円、とし、INT{ }は{ }内の数の整数値をとる演算子、*は積算演算記号とした場合に、
P(i)=h*INT{S(i)/g}
であって、
決定される報酬額は、
M≦P(i)かつk+i=n+1
を充たす、kの最小値となる第n層から数えてm番目である階層により場合分けし、
[場合1]:
i≦n+1−mの階層の会員については、報酬額を最高限度額であるM円とし、
[場合2]:
i>n+1−mの階層の会員については、報酬額を暫定報酬額であるP(i)=h*INT{(2 (n+1-i) −2)/g}円として報酬額を計算する、
報酬予測計算プログラム。 - 会員制紹介販売流通組織の会員に対する報酬額を計算してその配当率を予測する報酬予測計算方法において、
前記報酬額の計算のための変動条件を入力する条件入力ステップと、
前記配当率が収束する報酬決定ルールと、前記予測に係る配当率の定量評価をする評価ルールと、該定量評価の結果に応じて前記変動条件の変更をする変更ルールを記憶する第1記憶ステップと、
前記入力及び変更に係る変動条件を記憶する第2記憶ステップと、
前記入力又は変更に係る変動条件に応じて、前記報酬決定ルールと前記評価ルールに基づき、前記報酬額と配当率の予測を行い、該予測に係る配当率の定量評価を行う予測評価を実行する制御ステップと、
前記入力に係る変動条件を初期値として前記変更ルールに従って変動条件を変更し、前記制御ステップの予測評価を繰り返し実行させる繰り返し前記予測評価に係る配当率を含む表示と、該表示に係る決定命令の入力手段の提供とを実行する決定支援ステップと、
前記決定命令が入力されると、該決定命令に係る配当率と前記表示に係る変動条件とを決定データとして出力する出力ステップと、
を含む報酬予測計算方法であって、
前記報酬決定ルールは、
[1]各会員が二分木データ構造の各ノードにそれぞれ仮想的に配置されて充填された階層を構成するようにマッピングされた配置情報を有し、
[2]各会員の報酬額について、
前記配置情報に基づいてその会員から分枝する下位の階層に属する会員が購入した商品の総個数である商品購入合計個数(S(i))と、所与の最高限度額(M)と、所与の報酬基数(g)とに基づき、
階層ごとに前記商品購入合計個数について前記報酬基数により離散化して評価した暫定報酬額(P(i))を算出し、前記暫定報酬額が前記最高限度額を超えないように前記報酬額を計算し、
前記暫定報酬額(P(i))は、
深さnの階層を有する二分木データ構造の第i階層に属する会員の報酬額について、
前記最高限度額(M)をM円、基本報酬額(h)をh円、報酬基数(g)をg個、各会員の商品購入個数を1個、前記商品購入合計個数をS(i)個、その暫定報酬額をP(i)円、とし、INT{ }は{ }内の数の整数値をとる演算子、*は積算演算記号とした場合に、
P(i)=h*INT{S(i)/g}
であって、
決定される報酬額は、
M≦P(i)かつk+i=n+1
を充たす、kの最小値となる第n層から数えてm番目である階層により場合分けし、
[場合1]:
i≦n+1−mの階層の会員については、報酬額を最高限度額であるM円とし、
[場合2]:
i>n+1−mの階層の会員については、報酬額を暫定報酬額であるP(i)=h*INT{(2 (n+1-i) −2)/g}円として報酬額を計算する、
報酬予測計算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017056737A JP6584018B2 (ja) | 2017-03-22 | 2017-03-22 | 報酬予測計算装置、報酬予測計算サーバー、報酬予測計算プログラム及び報酬予測計算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017056737A JP6584018B2 (ja) | 2017-03-22 | 2017-03-22 | 報酬予測計算装置、報酬予測計算サーバー、報酬予測計算プログラム及び報酬予測計算方法 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016111386A Division JP6117407B1 (ja) | 2016-06-02 | 2016-06-02 | 報酬予測計算装置、報酬予測計算サーバー、報酬予測計算プログラム及び報酬予測計算方法 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2017220218A JP2017220218A (ja) | 2017-12-14 |
JP2017220218A5 true JP2017220218A5 (ja) | 2019-06-13 |
JP6584018B2 JP6584018B2 (ja) | 2019-10-02 |
Family
ID=60656470
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017056737A Active JP6584018B2 (ja) | 2017-03-22 | 2017-03-22 | 報酬予測計算装置、報酬予測計算サーバー、報酬予測計算プログラム及び報酬予測計算方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6584018B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109325834A (zh) * | 2018-10-10 | 2019-02-12 | 深圳市心版图科技有限公司 | 一种苗木信息推广方法、终端及计算机可读存储介质 |
JP7109799B2 (ja) * | 2020-02-28 | 2022-08-01 | 光 藤田 | 会員管理コンピュータシステム |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003030411A (ja) * | 2001-07-13 | 2003-01-31 | Takekazu Inoue | インセンティブ用システム |
US8805719B2 (en) * | 2007-12-06 | 2014-08-12 | Motherlode Network | Methods and systems for retail customer referral compensation programs |
US20140074625A1 (en) * | 2012-09-12 | 2014-03-13 | Ariix, Llc | Optimizing multi-line systems with auto-balancing, re-ordered distribution and optional re-entry |
JP2014102603A (ja) * | 2012-11-19 | 2014-06-05 | Ddr8 Co Ltd | 紹介報酬付与サーバ、方法およびプログラム |
WO2017090256A1 (ja) * | 2015-11-26 | 2017-06-01 | 貴之 泉 | 商品販売促進方法 |
-
2017
- 2017-03-22 JP JP2017056737A patent/JP6584018B2/ja active Active
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Maggioni et al. | Stochastic optimization models for a bike-sharing problem with transshipment | |
Jeong et al. | The impact of information sharing on bullwhip effect reduction in a supply chain | |
Gaspero et al. | Hybrid metaheuristics for constrained portfolio selection problems | |
Roy et al. | Solving matrix game with rough payoffs using genetic algorithm | |
Shavandi et al. | A constrained multi-product pricing and inventory control problem | |
Mousavi et al. | Two parameter-tuned meta-heuristics for a discounted inventory control problem in a fuzzy environment | |
CN103020840A (zh) | 针对社交媒体营销活动的激励优化 | |
Valinejad et al. | Generation expansion planning in electricity markets: A novel framework based on dynamic stochastic MPEC | |
Liu et al. | A fuzzy model of customer satisfaction index in e-commerce | |
Ding | Uncertain multi-product newsboy problem with chance constraint | |
Vargas et al. | A master production scheduling procedure for stochastic demand and rolling planning horizons | |
Vaezi et al. | A portfolio selection model based on the knapsack problem under uncertainty | |
Pandey et al. | Validation of existing software effort estimation techniques in context with mobile software applications | |
Paul et al. | Rationing mechanisms and inventory control-policy parameters for a divergent supply chain operating with lost sales and costs of review | |
Nedaei et al. | Joint multi-objective master production scheduling and rolling horizon policy analysis in make-to-order supply chains | |
Bucki et al. | The Method of Logistic Optimization in E-commerce. | |
Cheng et al. | A two objective optimisation model for order splitting among parallel suppliers | |
Wang et al. | A bi-objective robust resource allocation model for the RCPSP considering resource transfer costs | |
Hankach et al. | A constraint-based, efficiency optimisation approach to network-level pavement maintenance management | |
Pan et al. | A fuzzy multi-objective model for provider selection in data communication services with different QoS levels | |
US20150161549A1 (en) | Predicting outcomes of a modeled system using dynamic features adjustment | |
JP2017220218A5 (ja) | ||
Chen et al. | Capacitated assortment and price optimization under the nested logit model | |
Garcia-Gonzalo et al. | Models and tools for integrated forest management and forest policy analysis: An Editorial | |
WO2020012589A1 (ja) | 情報処理システム、情報処理方法及び記憶媒体 |