JP2021511611A - 推薦装置および方法 - Google Patents
推薦装置および方法 Download PDFInfo
- Publication number
- JP2021511611A JP2021511611A JP2020560580A JP2020560580A JP2021511611A JP 2021511611 A JP2021511611 A JP 2021511611A JP 2020560580 A JP2020560580 A JP 2020560580A JP 2020560580 A JP2020560580 A JP 2020560580A JP 2021511611 A JP2021511611 A JP 2021511611A
- Authority
- JP
- Japan
- Prior art keywords
- customer
- product
- database
- information
- similarity
- 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
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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
・注文は、配達されるのに少なくとも数時間(または1日も)かかるが、実店舗では、顧客が店舗に入った直後に商品が入手可能である。これは、顧客が要求される商品を直ちに入手する必要がある場合、顧客は従来型店舗を使用せざるを得ないことを意味する。オンラインで買い物をする顧客は、このような状況を回避するために、前もって何を必要であるかを計画しようとする。
・顧客は、配達に対して請求される。この料金を償却するために、オンライン顧客は、従来型店舗におけるこれまでの店舗と比較すると、より大きな注文をする傾向がある。
・(小)平均仮想かごサイズがより小さい。
・(大)顧客は、次回オンラインで購入する可能性が低い。
・「多数のユーザに対する個々のトランザクションデータのクラスタリング」は、顧客によって既に購入された商品のみを提案する。例えば、顧客がメキシコ料理の材料の買い物しており、トルティーヤを仮想かごに追加することを忘れた場合、以前にトルティーヤを購入したことがないとトルティーヤは顧客に推薦されないだろう。
・「多数のユーザに対する個々のトランザクションデータのクラスタリング」は、「ミルク」または「パン」のような商品のタイプを顧客に推薦するだけである。これは有用であるが、顧客にとって有用な情報である、どの特定の商品を推薦すべきかを伝えない。
・両方の解決策は、マーケットおよび季節性の傾向を考慮していない。顧客がクリスマス期間にのみ七面鳥を買う場合、この特定の商品は、次のクリスマスの前に顧客に表示される可能性が非常に低い。
決定された類似性は、次いで、商品類似性データベース300中に記憶される。
このようにして、顧客に推薦すべきでない類似商品は、顧客に推薦される前に除去される。
・c−顧客
・i−アイテム/商品
・o−顧客によってされている現在の注文
・かご(o)−(顧客注文データベース500によって記憶されている)現在の注文の仮想かご中のアイテム
・類似(i)−商品iに類似するアイテム
・P(c,i,o)−顧客cが現在の注文oに対してアイテムiを追加することを忘れた確率。これは、計算ユニット104によってリアルタイムでモデルを使用して計算される。
・お気に入り(c)−顧客選好データベース600中に記憶されているような、顧客cの好み/お気に入りのアイテム。例えば、以下の方法のうちの1つで、アイテムをお気に入りにすることができる:
〇以前に顧客cによってアイテムが購入された
〇(例えば、ウェブサイト/移動体アプリケーションのアイテムページ上のアイコンを選択することによって)アイテムが顧客cによってお気に入りとして明示的にマークされた。
・オプション的に、「特徴」−決定を行うためにリアルタイムでモデルPによって使用される単一のデータ変数。特徴は、オフライン(毎日計算される)およびオンライン(モデルPに渡す直前に計算される)の両方である。
・顧客は、ウェブサイトまたは移動体アプリケーションに入ることによって、買い物を開始する;
・顧客は、配達スロット、すなわち注文を配達すべき日付けおよび時間を選ぶことを決定することができる。これは、顧客によって後で行われてもよいが、精算アクションが実行される前には行われない;
・顧客は、商品/アイテムを仮想かごに追加する;
・顧客が注文をする準備ができると、商品を推薦する少なくとも1つのウェブページ/移動体アプリ画面が顧客に提示される。少なくとも1つのウェブページ/移動体アプリ上で、顧客が使い果たしたかもしれない、または、仮想かごに追加することを忘れたかもしれない商品が顧客に推薦される;顧客は、少なくとも1つの推薦ウェブページ/移動体画面から直接仮想かごに商品を追加することができる。顧客に推薦されることになる商品は、本発明の第1の実施形態にしたがう推薦ユニット100によって生成される。
・顧客は注文をする。
・決定ユニット101によって、オンラインショップ700によって販売されている各商品について類似(i)を決定する;
・オフラインで特徴を計算する;
・トレーニングユニット102によって、履歴データに基づいて、機械学習モデルP(c,i,o)をトレーニングする。
・類似性ユニット103は、現在かご(o)中にあるアイテムに類似するアイテムのセットを生成する。これは、顧客cによって一度も購入されていないかもしれないが、注文oの状況に関連する商品が確実に考慮されるように実行されてもよい;
・計算ユニット104は、お気に入り(c)+類似(かご(o))における各アイテムiについて、P(c,i,o)の値を計算する。有利には、各iが並列処理されるこの計算を達成するために、計算はリアルタイムで生じる;
・選択ユニット105は、お気に入り(c)+類似(かご(o))におけるアイテムのリストを、メトリックP(c,i,o)によって降順でソートする;
・選択ユニット105は、P(c,i,o)の値が最も大きい最初の50個のアイテムを選択する;
・選択ユニット105は、以下に基づいて、50個のアイテムからフィルタする:
〇顧客の仮想かご中に現在存在する
〇選んだ配達スロット対して入手できない(「在庫切れ」)
〇マーケティングルール(一例は、英国では広告が禁止されている幼児用調製粉乳である)により、ウェブサイト上の販売促進することが違法である;
・オンラインショップ700は、顧客に残された残りのアイテムを推薦する。
・何日前に顧客がこの商品を購入したか;
・特定の商品の注文を顧客が以前に何回したか;
・過去の顧客の注文のうちの何パーセントがこの商品を含んでいたか;
・この商品を含む過去の顧客の注文の時間数における割引は、どれくらいか。これは、各要素がこの商品を含む1つの注文を反映するときの級数の和であり、割引係数に等しい(例えば、現在の0.9925が、この注文が何日前に配達されたかの日数の累乗になる)。
・いくつかの過去の注文(例えば、5つの過去の注文)について、単独で、商品がこの注文に含まれていたかどうか;
・顧客が類似商品を検索しているか;
・顧客がこの/類似の商品を既に見ているが、それを注文に追加していないか;
・現在の顧客かご中に類似商品が既にあるか;
・過去の個人的顧客買い物行動、および、すべての顧客にわたる一般的なパターンに基づいて、共に購入されることが多い任意の商品がかご中にあるか;
・顧客が商品をお気に入りの商品ではないとマークしたか。
・顧客が以前に注文を何回したか;
・顧客が注文する商品の平均数はいくつか;
・この顧客の最初の注文から何日経過したか;
・特定の顧客の以前の注文から何日経過したか;
・顧客の注文間の平均日数は何日か;
・顧客の注文間の中央(median)日数は何日か;
・顧客が以前に購入した明確な商品の数はいくつか。
・ここ数日の、例えば、7、31および93日間の、すべての注文のうち、この商品を含むのは何パーセントか;
・ここ数日間のすべての注文のうち、この商品を含むのは何パーセントか、ただし、モデルが例えば、7、31および93日間である日と同じ曜日だけを数える;
・商品説明および画像;
・商品に対する代替のリスト。
・仮想かご中に存在する商品のリスト;
・配達の日付および時間。
・顧客のお気に入り;
・お気に入りに類似する商品;
・顧客のかご中に既にある商品。
Claims (14)
- 商品情報データベース、商品類似性データベース、顧客購入履歴データベース、および、顧客注文データベースと通信するように構成されている推薦ユニットであって、
前記商品情報データベース中に記憶されている商品についての情報と、前記商品情報データベース中に記憶されている少なくとも1つの他の商品についての情報との間の少なくとも1つの類似性を決定するように構成され、前記少なくとも1つの決定された類似性を前記商品類似性データベース中に記憶するように構成されている決定ユニットと、
前記顧客購入履歴データベース中に記憶されているような、各顧客によって以前に購入された商品についての情報と、前記商品類似性データベース中に記憶されているような、少なくとも1つの決定された類似性についての情報とに基づいて、モデルをトレーニングするように構成されているトレーニングユニットと、
前記顧客注文データベース中に記憶されている顧客の現在の注文についての情報と、前記商品類似性データベース中に記憶されているような、決定された類似性についての情報とに基づいて、顧客によって購入されることになる少なくとも1つの商品に類似する少なくとも1つの商品を生成するように構成されている類似性ユニットと、
前記トレーニングされたモデルを使用して、それぞれの生成された少なくとも1つの類似商品に対して、前記少なくとも1つの類似商品を、前記顧客によって購入されることになる前記少なくとも1つの商品に追加することを顧客が忘れた確率を計算するように構成されている計算ユニットと、を備える、推薦ユニット。 - 前記トレーニングユニットは、
何日前に前記顧客が特定の商品を購入したか、
特定の商品を含む注文を顧客が以前に何回したか、
過去の顧客の注文のうちの何パーセントが特定の商品を含んでいたか、
予め定められた数の過去の注文について、これらの過去の注文が特定の商品を含んでいたかどうか、
顧客が類似商品を検索しているか、
顧客が特定の/類似の商品を既に閲覧しているが、それを注文に追加していないか、
前記顧客注文データベース中に記憶されている前記顧客によって購入されることになる商品が類似商品を含むか、
前記顧客注文データベース中に記憶されているような、前記顧客によって購入されることになる前記商品が、過去の顧客買い物行動、および、すべての顧客にわたる一般的なパターンに基づいて、通常、別の商品と共に購入されるか、
前記顧客が特定の商品をお気に入りの商品ではないとマークしたか、
顧客が以前に注文を何回配達されたか、
顧客注文当たりの商品の平均数、
顧客の最初の注文からの日数、
顧客の以前の注文からの日数、
顧客の注文間の平均日数、
顧客の注文間の中央日数、
顧客によって以前に購入された明確な商品の数、
先行する予め定められた日数において、すべての注文のうちの特定の商品を含む割合、
商品説明および画像、
特定の商品に対する代替のリスト、
顧客によって購入されることになる商品のリスト、
配達の日付および時間、
のうちの少なくとも1つに基づいて、前記モデルをトレーニングするように構成されている、請求項1に記載の推薦システム。 - 前記推薦システムは、顧客選好データベースと通信するように構成され、
前記計算ユニットは、前記トレーニングされたモデルを使用して、それぞれの生成された少なくとも1つの類似商品に対して、および、前記顧客選好データベース中に記憶されているような前記顧客によって気に入られるそれぞれの少なくとも1つの商品に対して、前記少なくとも1つの類似商品または前記少なくとも1つのお気に入りの商品を、前記顧客によって購入されることになる前記少なくとも1つの商品に追加することを顧客が忘れた確率を計算するように構成されている、請求項1または2に記載の推薦システム。 - 前記少なくとも1つの類似商品に対する前記計算された確率に基づいて、前記生成された少なくとも1つの類似商品から少なくとも1つの商品を選択するように構成されている選択ユニットをさらに含む、請求項1から3のうちのいずれか1項に記載の推薦ユニット。
- 前記選択ユニットは、前記少なくとも1つの類似商品についての前記計算された確率によって、前記生成された少なくとも1つの類似商品中の前記商品をソートするように構成されている、請求項4に記載の推薦ユニット。
- 前記選択ユニットは、
顧客によって購入されることになる商品と、
顧客の選んだ配達スロット中の注文に対して入手できない商品と、
販売促進するのに違法な商品と、
のうちの少なくとも1つに基づいて、前記生成された少なくとも1つの類似商品をフィルタするように構成されている、請求項4または5に記載の推薦ユニット。 - 推薦システムであって、
商品情報データベースと、
商品類似性データベースと、
顧客購入履歴データベースと、
顧客注文データベースと
請求項1から6のうちのいずれか1項に記載の推薦ユニットとを含む、推薦システム。 - 顧客選好データベースをさらに含み、
前記推薦システムは、請求項3に記載されている、請求項7に記載の推薦システム。 - 推薦を提供する方法であって、
商品情報データベース中に記憶されている商品についての情報と、前記商品情報データベース中に記憶されている少なくとも1つの他の商品についての情報との間の少なくとも1つの類似性を決定するステップと、
前記少なくとも1つの決定された類似性を商品類似性データベース中に記憶するステップと、
顧客購入履歴データベース中に記憶されているような、各顧客によって以前に購入された商品についての情報と、前記商品類似性データベース中に記憶されているような、少なくとも1つの決定された類似性についての情報とに基づいて、モデルをトレーニングするステップと、
顧客注文データベース中に記憶されている顧客の現在の注文についての情報と、前記商品類似性データベース中に記憶されているような、決定された類似性についての情報とに基づいて、顧客によって購入されることになる少なくとも1つの商品に類似する少なくとも1つの商品を生成するステップと、
前記トレーニングされたモデルを使用して、それぞれの生成された少なくとも1つの類似商品に対して、前記少なくとも1つの類似商品を、前記顧客によって購入されることになる前記少なくとも1つの商品に追加することを顧客が忘れた確率を計算するステップとを備える、方法。 - 前記トレーニングするステップは、
何日前に前記顧客が特定の商品を購入したか、
特定の商品を含む注文を顧客が以前に何回したか、
過去の顧客の注文のうちの何パーセントが特定の商品を含んでいたか、
予め定められた数の過去の注文について、これらの過去の注文が特定の商品を含んでいたかどうか、
顧客が類似商品を検索しているか、
顧客が特定の/類似の商品を既に閲覧しているが、それを注文に追加していないか、
前記顧客注文データベース中に記憶されている前記顧客によって購入されることになる商品が類似商品を含むか、
前記顧客注文データベース中に記憶されているような、前記顧客によって購入されることになる前記商品が、過去の顧客買い物行動、および、すべての顧客にわたる一般的なパターンに基づいて、通常、別の商品と共に購入されるか、
前記顧客が特定の商品をお気に入りの商品ではないとマークしたか、
顧客が以前に注文を何回配達されたか、
顧客注文当たりの商品の平均数、
顧客の最初の注文からの日数、
顧客の以前の注文からの日数、
顧客の注文間の平均日数、
顧客の注文間の中央日数、
顧客によって以前に購入された明確な商品の数、
先行する予め定められた日数において、すべての注文のうちの特定の商品を含む割合、
商品説明および画像、
特定の商品に対する代替のリスト、
顧客によって購入されることになる商品のリスト、
配達の日付および時間、
のうちの少なくとも1つに基づいて、前記モデルをトレーニングすることを含む、請求項9に記載の方法。 - 前記計算するステップは、前記トレーニングされたモデルを使用して、それぞれの生成された少なくとも1つの類似商品に対して、および、顧客選好データベース中に記憶されているような顧客によって気に入られるそれぞれの少なくとも1つの商品に対して、前記少なくとも1つの類似商品または前記少なくとも1つのお気に入りの商品を、前記顧客によって購入されることになる前記少なくとも1つの商品に追加することを顧客が忘れた確率を計算する、請求項9または10に記載の方法。
- 前記少なくとも1つの類似商品に対する前記計算された確率に基づいて、前記生成された少なくとも1つの類似商品から少なくとも1つの商品を選択することをさらに含む、請求項9から11のうちのいずれか1項に記載の方法。
- 選択するステップは、前記少なくとも1つの類似商品についての前記計算された確率によって、前記生成された少なくとも1つの類似商品中の前記商品をソートする、請求項9から12のうちのいずれか1項に記載の方法。
- 前記選択するステップは、
顧客によって購入されることになる商品と、
顧客の選んだ配達スロット中の注文に対して入手できない商品と、
販売促進するのに違法な商品と、
のうちの少なくとも1つに基づいて、前記生成された少なくとも1つの類似商品をフィルタする、請求項12または13に記載の方法。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GB1801228.6 | 2018-01-25 | ||
GBGB1801228.6A GB201801228D0 (en) | 2018-01-25 | 2018-01-25 | Recommendation system and method |
GB1803405.8 | 2018-03-02 | ||
GBGB1803405.8A GB201803405D0 (en) | 2018-01-25 | 2018-03-02 | Recommendation apparatus and method |
PCT/EP2019/051704 WO2019145395A1 (en) | 2018-01-25 | 2019-01-24 | Recommendation apparatus and method |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021511611A true JP2021511611A (ja) | 2021-05-06 |
JP7206295B2 JP7206295B2 (ja) | 2023-01-17 |
Family
ID=61558145
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020560580A Active JP7206295B2 (ja) | 2018-01-25 | 2019-01-24 | 推薦装置および方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11816721B2 (ja) |
JP (1) | JP7206295B2 (ja) |
KR (1) | KR20200108058A (ja) |
AU (2) | AU2019211047A1 (ja) |
GB (3) | GB201801228D0 (ja) |
WO (1) | WO2019145395A1 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022188759A (ja) * | 2021-06-09 | 2022-12-21 | ネイバー コーポレーション | 検索クエリのユーザ意図に基づいた商品群生成方法及びシステム |
JP7513656B2 (ja) | 2021-06-09 | 2024-07-09 | ネイバー コーポレーション | 検索クエリのユーザ意図に基づいた商品群生成方法及びシステム |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113128923B (zh) * | 2020-01-15 | 2024-05-21 | 北京京东乾石科技有限公司 | 一种储位推荐方法和装置 |
CN111325612B (zh) * | 2020-03-18 | 2021-05-04 | 拉扎斯网络科技(上海)有限公司 | 点单方法、订单的配送方法、装置及系统 |
US11704717B2 (en) | 2020-09-24 | 2023-07-18 | Ncr Corporation | Item affinity processing |
US11887139B2 (en) * | 2020-10-30 | 2024-01-30 | Ncr Voyix Corporation | Real-time alerts for abnormal item pricing |
WO2022131875A1 (ko) * | 2020-12-17 | 2022-06-23 | 주식회사 하렉스인포텍 | 구매 품목 정보를 이용한 상품 추천 서비스 제공 서버 및 그 방법 |
CN114022246B (zh) * | 2021-11-05 | 2023-08-11 | 平安科技(深圳)有限公司 | 一种产品信息的推送方法、装置、终端设备和存储介质 |
KR102556450B1 (ko) * | 2021-11-30 | 2023-07-17 | 채중규 | 인공지능 기반의 맞춤형 와인 추천 방법 및 이를 수행하는 서버 |
US20240070746A1 (en) * | 2022-08-30 | 2024-02-29 | Maplebear Inc. (Dba Instacart) | Machine learning prediction of user responses to recommendations selected without contextual relevance |
US20240144137A1 (en) * | 2022-10-28 | 2024-05-02 | Arkestro Inc. | Procurement modeling system for predicting preferential suppliers and supplier pricing power |
CN117634852B (zh) * | 2024-01-25 | 2024-04-16 | 成都必控科技有限责任公司 | 一种装配生产系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008287550A (ja) * | 2007-05-18 | 2008-11-27 | Nippon Telegr & Teleph Corp <Ntt> | 購買順序を考慮したリコメンド装置、リコメンド方法、リコメンドプログラムおよびそのプログラムを記録した記録媒体 |
US20140067597A1 (en) * | 2012-08-31 | 2014-03-06 | Accenture Global Services Limited | Hybrid recommendation system |
US20160300144A1 (en) * | 2015-04-10 | 2016-10-13 | Tata Consultancy Services Limited | System and method for generating recommendations |
JP2016206734A (ja) * | 2015-04-16 | 2016-12-08 | 富士ゼロックス株式会社 | プログラム及び情報処理装置 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030212596A1 (en) * | 2002-05-13 | 2003-11-13 | Dipaolo William R. | Computer network for distribution of retail service/product promotions |
US8370203B2 (en) | 2002-10-07 | 2013-02-05 | Amazon Technologies, Inc. | User interface and methods for recommending items to users |
KR101034101B1 (ko) | 2008-05-28 | 2011-05-13 | 경희대학교 산학협력단 | 상품 추천 서비스 제공 시스템 및 방법 |
US20140074649A1 (en) * | 2012-09-13 | 2014-03-13 | Coupons.Com Incorporated | Grocery recommendation engine |
KR101663580B1 (ko) | 2013-03-08 | 2016-10-07 | 심플렉스 인터넷 주식회사 | 전자상거래 추천 분석 시스템 및 추천 분석 방법 |
US9727906B1 (en) * | 2014-12-15 | 2017-08-08 | Amazon Technologies, Inc. | Generating item clusters based on aggregated search history data |
US9911149B2 (en) * | 2015-01-21 | 2018-03-06 | Paypal, Inc. | Systems and methods for online shopping cart management |
US20190108571A1 (en) * | 2017-10-05 | 2019-04-11 | Cognizant Technology Solutions India Pvt. Ltd. | System and method for efficiently determining relevant products for display in an online marketplace |
US20190130305A1 (en) * | 2017-10-27 | 2019-05-02 | Intuit Inc. | Methods, systems, and computer program product for implementing an intelligent system with dynamic configurability |
-
2018
- 2018-01-25 GB GBGB1801228.6A patent/GB201801228D0/en not_active Ceased
- 2018-03-02 GB GBGB1803405.8A patent/GB201803405D0/en not_active Ceased
-
2019
- 2019-01-24 WO PCT/EP2019/051704 patent/WO2019145395A1/en active Application Filing
- 2019-01-24 KR KR1020207023468A patent/KR20200108058A/ko not_active Application Discontinuation
- 2019-01-24 AU AU2019211047A patent/AU2019211047A1/en not_active Abandoned
- 2019-01-24 US US16/964,563 patent/US11816721B2/en active Active
- 2019-01-24 JP JP2020560580A patent/JP7206295B2/ja active Active
- 2019-01-24 GB GB1900969.5A patent/GB2571627A/en not_active Withdrawn
-
2022
- 2022-06-02 AU AU2022203839A patent/AU2022203839A1/en not_active Abandoned
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008287550A (ja) * | 2007-05-18 | 2008-11-27 | Nippon Telegr & Teleph Corp <Ntt> | 購買順序を考慮したリコメンド装置、リコメンド方法、リコメンドプログラムおよびそのプログラムを記録した記録媒体 |
US20140067597A1 (en) * | 2012-08-31 | 2014-03-06 | Accenture Global Services Limited | Hybrid recommendation system |
US20160300144A1 (en) * | 2015-04-10 | 2016-10-13 | Tata Consultancy Services Limited | System and method for generating recommendations |
JP2016206734A (ja) * | 2015-04-16 | 2016-12-08 | 富士ゼロックス株式会社 | プログラム及び情報処理装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022188759A (ja) * | 2021-06-09 | 2022-12-21 | ネイバー コーポレーション | 検索クエリのユーザ意図に基づいた商品群生成方法及びシステム |
JP7513656B2 (ja) | 2021-06-09 | 2024-07-09 | ネイバー コーポレーション | 検索クエリのユーザ意図に基づいた商品群生成方法及びシステム |
Also Published As
Publication number | Publication date |
---|---|
AU2019211047A1 (en) | 2020-07-02 |
GB201900969D0 (en) | 2019-03-13 |
WO2019145395A1 (en) | 2019-08-01 |
GB201803405D0 (en) | 2018-04-18 |
KR20200108058A (ko) | 2020-09-16 |
JP7206295B2 (ja) | 2023-01-17 |
GB201801228D0 (en) | 2018-03-14 |
US20210035188A1 (en) | 2021-02-04 |
GB2571627A (en) | 2019-09-04 |
US11816721B2 (en) | 2023-11-14 |
AU2022203839A1 (en) | 2022-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7206295B2 (ja) | 推薦装置および方法 | |
US8768763B2 (en) | Online marketplace with shipping incentives | |
US20110282821A1 (en) | Further Improvements in Recommendation Systems | |
US20090234722A1 (en) | System and method for computerized sales optimization | |
JP6014515B2 (ja) | レコメンド情報提供システム、レコメンド情報生成装置、レコメンド情報提供方法、およびプログラム | |
JP6285515B2 (ja) | 決定装置、決定方法および決定プログラム | |
CN110969512B (zh) | 一种基于用户购买行为的商品推荐方法和装置 | |
JP2019504406A (ja) | 販売促進用表示のための商品選択のシステム及び方法 | |
KR20200096182A (ko) | 빅데이터 기반의 낚시용품 추천 정보 제공 장치 및 방법 | |
JP2023052120A (ja) | 顧客個人化制御ユニット、システム、および方法 | |
JP2014115951A (ja) | 属性情報最適化装置、属性情報最適化プログラム及び属性情報の最適化方法、並びにレコメンド対象選択装置、レコメンド対象選択プログラム及びレコメンド対象の選択方法 | |
JP6763049B2 (ja) | 提示装置、提示方法および提示プログラム | |
Nagaraja et al. | Consumer buying decision process in Indian organized retail industry-Characterization of male and female respondents | |
KR101479379B1 (ko) | 소셜네트워크 기반의 물품평가 추천방법 | |
JP6702628B1 (ja) | 提供装置、提供方法および提供プログラム | |
JP6693900B2 (ja) | コンテンツ提供装置、コンテンツ提供方法およびコンテンツ提供プログラム | |
Pokhylko et al. | Drop shipping development under COVID-19 circumstances as the most common method of e-commerce | |
Smriti | Predicting Online Returns | |
JP7327542B2 (ja) | 情報処理装置、情報処理システム、情報処理方法、及びプログラム | |
JP7461621B2 (ja) | 価格提示装置、価格提示システム及び価格提示方法 | |
KR20220014065A (ko) | 빅데이터 기반의 선글라스 추천 정보 제공 장치 및 방법 | |
KR20220009003A (ko) | 빅데이터 기반의 아동복 추천 정보 제공 장치 및 방법 | |
Deng¹ et al. | Application and Future of Data Analytics in Retail E-Commerce | |
Batmetan et al. | A Conceptual Framework for e-Commerce Personalization in Small Medium Enterprise’s | |
JP2022168230A (ja) | 情報処理装置、情報処理システム、情報処理方法、及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200722 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210728 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210928 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211215 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220517 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220801 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20221206 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230104 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7206295 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |