KR20180021154A - 향상된 스마트 냉장고 시스템 및 방법 - Google Patents

향상된 스마트 냉장고 시스템 및 방법 Download PDF

Info

Publication number
KR20180021154A
KR20180021154A KR1020187002520A KR20187002520A KR20180021154A KR 20180021154 A KR20180021154 A KR 20180021154A KR 1020187002520 A KR1020187002520 A KR 1020187002520A KR 20187002520 A KR20187002520 A KR 20187002520A KR 20180021154 A KR20180021154 A KR 20180021154A
Authority
KR
South Korea
Prior art keywords
purchase
target product
product
esr
shopping cart
Prior art date
Application number
KR1020187002520A
Other languages
English (en)
Other versions
KR102113235B1 (ko
Inventor
크리스토퍼 제이. 메르츠
데릭 험프리
오란 커민
안드레아 리찌니
스티븐 엘더
스티븐 토너
Original Assignee
마스터카드 인터내셔날, 인코포레이티드
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 마스터카드 인터내셔날, 인코포레이티드 filed Critical 마스터카드 인터내셔날, 인코포레이티드
Publication of KR20180021154A publication Critical patent/KR20180021154A/ko
Application granted granted Critical
Publication of KR102113235B1 publication Critical patent/KR102113235B1/ko

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]
    • G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24575—Query processing with adaptation to user needs using context
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2477—Temporal data queries
    • G06F17/30528—
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • 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
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • 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
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0254—Targeted advertisements based on statistics
    • 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]
    • G06Q30/0603—Catalogue ordering
    • 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]
    • G06Q30/0605—Supply or demand aggregation
    • 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
    • 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]
    • G06Q30/0641—Shopping interfaces

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Human Resources & Organizations (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

가상 쇼핑 카트를 자동으로 채우는 향상된 스마트 냉장고(ESR)가 제공된다. 상기 ESR은 타겟 제품의 구매 내역을 포함한 구매 로그를 저장한다. 상기 ESR은 타겟 제품의 구매 내역에 기초하여 가장 최근의 배달 날짜와 제안된 다음 날짜 사이의 현재 간격을 결정하고, 현재 간격 및 타겟 제품의 구매 내역에 기초하여 타겟 제품의 구매 경향을 계산하며, 그리고 구매 경항이 제1 기준을 충족하는 경우 타겟 제품의 구매를 위하여 당사자에 대한 제출을 위해 타겟 제품을 가상 쇼핑 카트에 자동으로 추가한다.

Description

향상된 스마트 냉장고 시스템 및 방법
본 출원은 2016년 7월 28일자로 출원된 미국 가출원 제62/198,031호의 우선권의 이익을 주장하며, 그 전체 내용 및 개시는 본 명세서에 참조로서 포함된다.
본 출원은 스마트 냉장고에 관한 것으로서, 보다 상세하게는 계산된 소비자의 사용 패턴에 기초하여 가상 쇼핑 카트(shopping cart)를 자동으로 채우는 향상된 스마트 냉장고에 관한 것이다.
많은 소비자가 식료품, 세면 물품, 청소 물품 및 건강 관리 물품을 포함한 가정 물품을 상당히 규칙적으로 또는 일정한 간격으로 구매한다. 그러나, 이런 구매 간격의 길이는 소비자 또는 가정(household)에 매우 의존한다. 예를 들어, 4인 가족을 포함한 가정에서는 대략 매주 1갤런의 우유와 한 더즌의 달걀을 구매할 수 있고, 대략 4주마다 종이 수건 1 케이스를, 그리고 대략 8주마다 처방전 없이 구매할 수 있는 진통제 용기를 구매할 수 있다. 그러나 혼자 사는 사람은 매주 0.5 갤런의 우유를 구매할 수 있으며, 2달에 한 번씩만 0.5 더즌(dozen)의 계란을, 8주마다 종이 타월 1 케이스를 구매할 수 있다. 따라서 소비자의 사용 또는 구매 패턴, 또는 각 소비자가 특정 가정 물품을 구매하는 빈도는 각 소비자 (또는 각 가정)에 대해 고유하다는 것으로 이해되어야 한다.
기술이 "보다 스마트(예: 처리 능력과 속도 증가, 연결성 증가)”됨에 따라, “사물 인터넷(Internet of Things)”이 확장되고 있다. 사물의 인터넷은 일반적으로 시계, 냉장고, 자동차 및 자동 온도 조절기와 같이 이전에는 연결되지 않은 물품의 인터넷 연결성을 나타낸다. 사물 인터넷은 이러한 물품들에 대한 새로운 기능을 제공하며, 경우에 따라 소비자의 삶을 보다 효율적이고 즐겁게 만들 수 있다. 예를 들어, 인터넷 연결 기능을 갖는 스마트 냉장고는 사용자가 스마트 냉장고의 사용자 인터페이스를 통해 내내 조리법을 다운로드하고 일기 예보를 보며, 가정용 캘린더를 관리하며 소셜 미디어와 상호 작용하게 할 수 있다. 그러나 스마트 냉장고의 "스마트함"을 향상시키고 소비자를 위한 기능을 확장하는 것이 바람직할 수 있다.
본 발명의 실시예들에 따르면 소비자의 사용 패턴에 기초하여 가상 쇼핑 카트를 자동으로 채우는 향상된 스마트 냉장고 및 이를 사용한 컴퓨터 실시 방법이 제공된다.
일 측면에서, 가상 쇼핑 카트(virtual shopping cart)를 자동으로 채우는 향상된 스마트 냉장고(ESR, enhanced smart refrigerator)이 제공된다. ESR은 프로세서, 가상 쇼핑 카트 및 프로세서와 통신하는 메모리를 포함한다. 프로세서는 메모리 내에 구매 로그를 저장하도록 프로그래밍되고, 상기 구매 로그는 타겟 제품의 구매 내역을 포함한다. 상기 프로세서는 또한 타겟 제품의 가장 최근 배달 날짜 및 타겟 제품의 제안된 다음 배달 날짜 간의 현재 간격(current interval)을 타겟 제품의 구매 내역에 기초하여 결정하도록 프로그래밍된다. 추가적으로, 상기 프로세서는 현재 간격 및 타겟 제품의 구매 내역에 기초하여 타겟 제품에 대한 구매 경향을 계산하고, 구매 경향이 제1 기준을 충족하는 경우 타겟 제품의 구매를 위하여 당사자에 대한 제출을 위해 타겟 상품을 가상 쇼핑 카트에 자동으로 추가하도록 더 프로그래밍된다.
다른 일 측면에서, 향상된 스마트 냉장고(ESR)를 사용하여 가상 쇼핑 카트를 자동으로 채우는 컴퓨터 실시 방법이 제공된다. ESR은 프로세서, 가상 쇼핑 카트, 및 상기 프로세서와 통신하는 메모리를 포함한다. 상기 방법은 메모리 내에 구매 로그를 ESR에 의해 저장하는 단계를 포함하며, 상기 구매 로그는 타겟 제품의 구매 내역을 포함한다. 상기 방법은 또한 타겟 제품의 가장 최근 배달 날짜 및 타겟 제품의 제안된 다음 배달 날짜 간의 현재 간격(current interval)을 타겟 제품의 구매 내역에 기초하여 결정한다. 추가적으로, 상기 방법은 현재 간격 및 타겟 제품의 구매 내역에 기초하여 타겟 제품에 대한 구매 경향을 계산하는 단계, 및 구매 경향이 제1 기준을 충족하는 경우 타겟 제품의 구매를 위하여 당사자에 대한 제출을 위해 상기 타겟 제품을 가상 쇼핑 카트에 자동으로 추가하는 단계를 포함한다.
또 다른 일 측면에서, 컴퓨터 실행가능한 명령어가 구현된 적어도 하나의 비일시적 판독가능 저장 매체가 제공된다. 적어도 하나의 프로세서에 의해 실행되는 경우, 상기 컴퓨터 실행가능한 명령어는 상기 프로세서가 구매 내역을 메모리 내에 저장하게 하고, 상기 구매 내역은 타겟 제품의 구매 내역을 포함한다. 상기 컴퓨터 실행가능한 명령어는 또한 상기 프로세서가 타겟 제품의 가장 최근 배달 날짜 및 타겟 제품의 제안된 다음 배달 날짜 간의 현재 간격(current interval)을 타겟 제품의 구매 내역에 기초하여 결정하게 한다. 추가적으로, 상기 컴퓨터 실행 가능 명령어는 상기 프로세서가 현재 간격 및 타겟 제품의 구매 내역에 기초하여 타겟 제품에 대한 구매 경향을 계산하고, 구매 경향이 제1 기준을 충족하는 경우 타겟 제품의 구매를 위하여 당사자에 대한 제출을 위해 상기 타겟 상품을 가상 쇼핑 카트에 자동으로 추가하게 한다.
추가적인 측면에서, 가상 쇼핑 카트를 자동으로 채우는 컴퓨팅 장치가 제공된다. 상기 컴퓨팅 장치는 프로세서, 메모리 및 가상 쇼핑 카트를 포함하며, 상기 컴퓨팅 장치는 메모리 내에 구매 로그를 저장하도록 구성되며, 상기 구매 로그는 타겟 제품의 구매 내역을 포함한다. 상기 컴퓨팅 장치는 또한 타겟 제품의 가장 최근 배달 날짜 및 타겟 제품의 제안된 다음 배달 날짜 간의 현재 간격(current interval)을 타겟 제품의 구매 내역에 기초하여 결정하고, 현재 간격 및 타겟 제품의 구매 내역에 기초하여 타겟 제품에 대한 구매 경향을 계산하도록 구성된다. 또한 상기 컴퓨팅 장치는 구매 경향이 제1 기준을 충족하는 경우 타겟 제품의 구매를 위하여 당사자에 대한 제출을 위해 타겟 상품을 가상 쇼핑 카트에 자동으로 추가하게 한다.
본 발명의 실시예들은 (i) 가상 쇼핑 기능이 부족한 기존의 스마트 냉장고; (ii) 사용자가 가상 쇼핑 카트에 추가할 모든 제품을 수동으로 검색해야 하는 온라인 쇼핑 시스템에서의 불편함; (iii) 사용자가 가상 쇼핑 카트를 수동으로 탐색하고 채우는 데 필요한 처리 요구 사항의 증가 중 적어도 하나의 기술적 문제를 해결할 수 있다.
또한, (i) 온라인 쇼핑 기능이 포함된 향상된 스마트 냉장고 제공; 및 (ii) 상기 향상된 스마트 냉장고는 소비자의 가상 쇼핑 카트를 자동으로 미리 채우는 예측 알고리즘을 적용하는 사용 패턴 컴포넌트를 포함하고, 소비자의 시간 및 노력을 절약할 뿐만 아니라, 가상 쇼핑 시스템을 통해 증가된 시간 및 불필요한 사용자 질의에 대한 처리 요구를 최소화하는 기술적 효과를 달성할 수 있다.
도 1-5는 본 명세서에 서술된 방법 및 시스템의 예시적인 실시예들을 도시한다.
도 1은 사용 패턴 기능을 갖는 향상된 스마트 냉장고(ESR)를 포함한 가상 쇼핑 시스템의 블록도이다.
도 2는 도 1에 도시된 사용 패턴 기능을 갖는 ESR의 예시적인 실시예의 블록도이다.
도 3은 도 2에 도시된 ESR에 의해 자동으로 채워진 가상 쇼핑 카트의 예시적인 실시예이다.
도 4는 도 1에 도시된 가상 쇼핑 시스템을 사용하여 가상 쇼핑 카트를 사용자의 사용 행동에 기초하여 자동으로 채우는 과정의 흐름도이다.
도 5는 도 1에 도시된 가상 쇼핑 시스템에서 사용될 수 있는 ESR의 컴포넌트의 도면이다.
도면에서 동일한 번호는 동일하거나 기능적으로 유사한 컴포넌트를 나타낸다. 다양한 실시예의 명시적인 특징이 일부 도면에 도시되고 다른 것들은 도시되지 않을 지라도, 이는 단지 편의를 위한 것이다. 임의의 도면의 임의의 특징은 임의의 다른 도면의 임의의 특징과 함께 참조 및/또는 주장될 수 있다.
본 명세서에 서술된 가상 쇼핑 시스템은 사용자가 사용자 인터페이스 상에 지속되거나 존재하는 가상 쇼핑 카트를 통한 가정 용품 구매(예: 식료품, 세면 제품, 청소 제품, 등)를 하게 하는 사용자 인터페이스를 구비한 향상된 스마트 냉장고(ESR)를 포함한다. 가상 쇼핑 시스템은 또한 ESR이 소비자의 가상 쇼핑 카트에 특정 상품을 추가할지를 결정하게 하는 구매 패턴 알고리즘을 실행하기 위한 적어도 하나의 프로세서를 포함하며, 이는 ESR에 포함되거나 ESR로부터 원격일 수 있다. 예시적인 실시예에서, 구매 패턴 알고리즘은 구매 패턴 컴포넌트와 함께 또는 구매 패턴 컴포넌트의 일부로 포함될 수 있으며, 상기 구매 패턴 컴포넌트는 본 명세서에 서술된 단계들을 수행하기 위해 상기 프로세서에 의해 실행된다. 본 명세서에서 사용되는 바와 같이, “구매 패턴”은 또한 “사용 패턴”으로 지칭될 수 있으며, 이는 상품 구매는 통상적으로 상품의 실제 사용에 기인하기 때문이다. 이용 가능한 상품 카탈로그 및 실제 소비자 행동(예: 소비자의 사용 또는 구매 패턴)을 표현하는 입력 데이터에 기초하여, 사용 패턴 컴포넌트는 예상되는 구매 경향(즉, 소비자가 타겟 상품을 자신들의 쇼핑 카트에 추가할 가능성)을 출력하도록 구성된다. 본 명세서에서 보다 완전하게 서술되는 바와 같이, 가상 쇼핑 시스템은 또한, 데이터베이스와 같은, 상품 카탈로그 및 가정 물품 구매에 관한 데이터를 저장하는 메모리 장치를 포함하며, 이는 ESR에 집중화되거나 비 집중화(non-centralized)될 수 있다.
ESR은 사용 패턴 컴포넌트를 포함하며, 이는 본 명세서에서 서술되는 것처럼 사용 패턴 알고리즘과, 일부 실시예에서, 카트 채움 알고리즘(cart population algorithm)을 실시할 수 있다. ESR은, 예를 들어, 소비자가 사용자 인터페이스를 사용하여 상호작용할 수 있는. 스마트 냉장고에 다운로드된 소프트웨어(예: “앱” 또는 다른 프로그램)와 같은 온라인 쇼핑 기능을 더 포함한다. “향상된 스마트 냉장고”로 서술되어 있지만, 본 명세서에 서술된 바와 같은 ESR의 기능은 다른 스마트 가전기기(예: 오븐, 전자레인지, 등) 및/또는 “스마트 주방”(예: 스마트 폰, 데스크탑, 랩탑 및/또는 전용 “스마트 홈” 컴퓨팅 장치)에 통합된 컴퓨팅 장치 상에 실시될 수 있다. ESR은 소비자가 온라인 제품 카탈로그를 가진 복수의 가상 머천트(즉, 소비자가 온라인 머천트로부터 구매를 할 수 있는 온라인 존재를 가진 머천트)와 상호작용 하게 한다. 예시적인 실시예에서, ESR은 머천트의 제품 카탈로그 (및 복수의 다른 머천트에 대한 제품 카탈로그)에 대한 액세스를 가진다. 제품 카탈로그는 ESR에 저장될 수 있고, 또는 원격 데이터베이스에 저장될 수 있다. 제품 카탈로그는 구매 가능한 다양한 제품을 카테고리화 하기 위해 사용되는 구조화된 온톨로지(structured ontology)를 포함한다. 예를 들어, 하나의 제품 카탈로그의 온톨로지는 계층적일 수 있으며, “우유”는 식료품>유제품>우유로 카테고리화될 수 있다.
제품 카탈로그는 또한 이용 가능한 제품에 대하여 연관된 기본 반감기(default half-lives)를 포함한다. 본 명세서에서 사용되는 것처럼, 제품에 대한 “반감기”는 통상의 소비자가 제품의 절반을 소비했을 것으로 예상되는, 제품의 구매 초기로부터의 시간의 길이를 지칭한다. 따라서, 제품의 반감기가 지난 이후에, 소비자는 물품을 다시 구매할 가능성이 있다 (왜냐면, 예를 들어, 소비자가 제품을 다시 필요로 하거나 원하기 때문이다). 제품에 대한 “기본 반감기”는 사용 패턴 컴포넌트에 대한 초기 입력으로 가상 쇼핑 시스템에 의해 생성된다. 기본 반감기는 제품의 반감기에 대한 글로벌(예: 광역(board)) 추정치를 지칭하며, 제품의 예상된, 통상적인, 또는 평균적인 소비에 기초하여 가상 쇼핑 시스템에 의해 생성될 수 있다. 제품에 대한 기본 반감기는 1일부터 n 일까지의 임의의 값일 수 있으며, 여기서 n은 1 이상의 정수이다. 예를 들어, 1갤런의 우유에는 7일의 기본 반감기가 할당될 수 있다. 또 다른 예로, 제품 카탈로그의 모든 "유제품" 제품에는 7일의 기본 반감기가 할당될 수 있으며, 그리고 제품 카탈로그의 모든 "향신료" 제품에는 30일의 기본 반감기가 할당될 수 있다 (왜냐하면 적어도 일부의 경우에서, 향신료는 1갤런의 우유 또는 치즈 블록과 비교할 때 소비하거나 사용하는데 더 오래 걸릴 수 있으며 향신료는 보다 긴 만료 기간(expiration period)을 가지기 때문이다). ESR은 제품에 대해 할당된 기본 반감기를 시작점으로 사용하거나 제품의 사용 패턴에 관한 초기 가정을 사용 패턴 컴포넌트에 대한 초기 입력으로 사용하여, 셋업 단계에서 사용 패턴 알고리즘을 실시한다. 그러나 아래에서 설명된 바와 같이, 사용 패턴 알고리즘은 하나 이상의 반복(iterations) 이후 실제 소비자 사용 동작과 일치하도록 자체 개선된다. 가상 쇼핑 시스템은 제품 카탈로그의 온톨로지를 사용하여 각각의 기본 반감기를 개별 제품 또는 제품 그룹에 할당할 수 있다.
구매를 위해, 소비자는 머천트에 대한 제품 카탈로그를 탐색하고 가상 쇼핑 카트에 제품을 추가한다. 일단 소비자가, 원하거나 필요로 하는 모든 제품을 쇼핑 카트에 추가하면, 소비자는 특정 머천트에 의해 요구되는 온라인 체크 아웃 프로세스를 시작할 수 있다. ESR은 소비자의 구매 내역의 구매 로그를 관리하며, 상기 구매 내역은 ESR의 사용자 인터페이스를 통해 소비자에 의해 이루어진 각각의 구매를 포함한다. 예를 들어, ESR은 소비자가 어떤 제품을 구매했는지, 그리고 구매 제품의 양(amounts) 또는 수량(quantities), 각 제품의 구매가 발생한 때 (예: 특정 날짜 또는 특정 요일, 특정 시간), 소비자가 구매한 머천트, 및/또는 구매한 제품의 브랜드를 모니터링하고 기록할 수 있다. 구매 로그는 ESR에 통합된 메모리 장치에 저장되거나 원격 데이터베이스에 저장될 수 있다. 구매 로그는 타겟 제품의 순차적 구매들 사이의 간격, 예를 들어 우유의 구매들 사이에 며칠이 지났는지를 추적하는 것을 용이하게 한다. 일부 실시예에서, ESR은 소비자가 제품을 구매한 머천트(들)에 의해 업데이트되거나 제공될 수 있는 배달 로그(delivery log)를 더 저장할 수 있다. 일부 제품은 (제품을 동시에 구매했더라도) 다른 시간에 배달될 수 있기 때문에 배달 로그는 각 제품에 해당하는 실제 배달 날짜에 대한 참조로 사용된다.
ESR은 타겟 제품을 소비자의 가상 쇼핑 카트에 자동으로 배치할 시기를 결정하기 위해 사용 패턴 컴포넌트를 사용하도록 구성된다. 이러한 자동 쇼핑 카트 로딩은 소비자가 매번 구매할 때마다 구매하려는 모든 제품 및 각 제품에 대하여 머천트 제품 카탈로그를 탐색할 필요가 없으므로, 소비자가 자주 구매하는 필수 제품을 로딩하는데 특히 유용할 수 있다. 또한 사용자는 ESR에 대한 구매 및/또는 사용을 나타내기 위해 더 이상 ESR 안팎으로 제품을 스캔할 필요가 없다. 특히 사용 패턴 컴포넌트는 타겟 제품에 대한 기본 반감기 및 기록된 소비자 행동을 초기에 인자로 고려하여 타겟 제품이 필요한 정도를 결정하는 알고리즘을 사용한다.
제품이 필요한 정도는 "현재 간격(current interval)"과 관련이 있으며, 이는 아래의 수학식(1)에 도시된 바와 같이 마지막 배달 날짜와 제안된 배달 날짜 사이의 일수(days)로 정의된다.
[수학식 1]
Figure pct00001
현재 간격은 사용자의 사용 및/또는 구매 행동에 따라 ESR에 의해 결정된다. 예를 들어, ESR은 (사용자가 항상 또는 자주 주문하는) 특정 머천트에서의 주문이 매주 특정 요일(예: 화요일)에 또는 특정 패턴 또는 간격(예를 들어, 5일 마다; 월, 수, 및 금, 등)에 따라 항상 배달된다는 것을 결정할 수 있다. 일부 경우에서, 머천트는 구매한 제품의 당일 배달을 하도록 구성될 수 있으며, 이 경우 "마지막 배달 날짜"는 마지막 구매 날짜와 같을 수 있으며 "제안된 배달 날짜"는 제안된 구매 날짜와 같을 수 있다. 다른 경우에서, 구매와 배달 사이에는 하루 또는 이틀의 간격이 있을 수 있다. 그러나, 사용 패턴 컴포넌트는 마지막 배달과 다음 제안된 배달 사이의 간격만을 고려하므로, 이러한 구매-배달 불일치는 수학식(1)의 계산에 영향을 미치지 않는다.
특정 타겟 제품에 대한 현재 필요(current need)는 수학식(2)에 따라 계산되며, 현재 필요는 0과 1 사이의 스케일된 값으로 표현된다.
[수학식 2]
Figure pct00002
여기서, H 제품 은 다음과 같다.
[수학식 3]
Figure pct00003
0에 가까운 N현재간격의 값은 소비자에 의한 타겟 제품에 대한 필요가 크다는 것을 나타내며, 그리고 1에 가까운 값은 제품의 기본 반감기에 가까울 것으로 예상되는 간격 동안, 소비자에 의한 필요가 적다는 것을 나타낸다. 위에서 서술된 바와 같이, 제품 카탈로그 내 각각의 제품은 가상 쇼핑 시스템에 의해 생성된 기본 반감기를 할당 받을 수 있다. ESR이 처음으로 소비자를 위한 사용 패턴 알고리즘을 실시하면, 수학식(3)의 변수 “제품반감기(ProductHalfLife)”는 기본 반감기가 된다. ESR이 더 많은 사용 정보를 기록하거나 소비자로부터 데이터를 구매할 때, 제품반감기는 소비자를 위한 제품의 "실제" 반감기를 반영하도록 업데이트된다. 다시 말해, 제품반감기는 다음 거래에서 소비자가 제품을 구매할 필요가 없을 가능성이 좀 더 크도록 특정 고객이 제품의 절반을 소비하거나 사용하는데 (일수가) 얼마나 걸리는지 반영하기 위해 업데이트된다. 이러한 방식으로, 사용 패턴 컴포넌트로의 입력 및 이로부터의 출력은 소비자에 의한 사용 및/또는 구매되는 각각의 제품에 대한 소비자의 실제 사용 행위에 계속해서 맞추어진다.
예를 들어, 우유 1갤런을 가져가 보자. 위에서 서술한 바와 같이, 우유 1갤런은 7일의 기본 반감기를 할당 받을 수 있고, 마지막 배달과 제안된 다음 배달 사이에는 7일의 현재 간격이 존재할 수 있으며 소비자는 우유 1갤런을 추가로 구매하는 것이 필요하지 않거나 원하지 않을 가능성이 좀 더 많다. 반감기가 7일이고 현재 간격이 7 일(즉, T현재간격= 7)인 1 갤런의 우유의 경우:
Figure pct00004
이므로,
Figure pct00005
,
또는 현재 간격 동안 제품에 대한 “필요”가 0.5이므로, 소비자는 우유 1갤런을 필요로 할 가능성이(비록 필요는 크진 않지만) 있다. 현재 간격이 11일(예: 예상되는, 일반적 또는 기본 구매 간격보다 훨씬 긴 시간)인 동일한 갤런의 우유에 대한 필요는 훨씬 더 크다:
Figure pct00006
.
11일에 대하여 N현재간격의 스케일링된 값(0.3)이 7일에 대하여 스케일링된 값(0.5) 보다 0에 가깝기 때문에, ESR은 우유 1갤런에 대한 소비자의 필요가 더 크다고 결정한다.
사용 패턴 컴포넌트는 특정 소비자의 사용 행동을 설명하도록 구성되며, 따라서 ESR은 다수의 이전 구매로부터 데이터를 사용 패턴 컴포넌트에 입력할 수 있다. 예를 들어, ESR은 3회의 이전 구매에서 구매 데이터를 기록했을 수 있다. 1회의 구매 (3회의 구매 중 첫 번째 구매)의 경우, 1갤런의 우유를 구매하기 전에 10일이 경과하였다. 3회의 구매 중 두 번째 구매의 경우 8일이 경과하였다 (즉, 첫 번째 구매와 두 번째 구매 사이에 8일의 간격이 있었다). 3회의 구매 중 세 번째 구매의 경우 9일이 경과하였다 (즉, 두 번째 구매와 세 번째 구매 사이에 9일의 간격이 있었다). 여전히 우유 1 갤런에 대해 7 일의 기본 제품 반감기를 사용하면,
Figure pct00007
Figure pct00008
Figure pct00009
이므로 3개의 간격에 걸친 “평균 필요(average need)”는 수학식(4)에 따라 계산된다.
[수학식 4]
Figure pct00010
. 따라서, 평균 필요는:
Figure pct00011
이다.
ESR은 소비자에 의해 구매된 각 타겟 제품에 대한 평균 또는 “내역(historical)” 필요를 저장하도록 구성된다.
이어서, ESR은 현재 간격 동안의 필요(수학식(2))를 이전 구매 횟수(이 예에서는 3회의 이전 구매) 동안의 평균 필요와 비교하기 사용 패턴 알고리즘을 사용하고, 제품에 대한 구매 경향을 결정하기 위해 0과 1 사이의 상기 비교에 대한 값으로 맵핑하도록 구성된다. 구매 경향은 수학식(5)의 시그모이드 함수(sigmoid function)를 사용하여 계산된다.
[수학식 5]
Figure pct00012
여기서 a는 임의의 값(arbitrary value)이고 본 명세서에 서술된 실시예에서 15로 설정된다. 변수 a는 본 출원의 범위를 벗어나지 않으면서 임의의 다른 값일 수 있음으로 이해되어야 한다. P제품의 값이 1에 가까울수록 높은 구매 경향 (다음 구매 시 소비자가 제품을 구매할 가능성이 높음), 0에 가까운 값은 낮은 구매 경향이다. 사용 패턴 알고리즘은 구매 경향을 0과 1 사이로 제한되도록 수학식(5)의 시그모이드 함수를 이용하며, 이는 모든 제품에 대하여 단일 구매 경향 임계치의 사용을 용이하게 한다. ESR은 구매 경향을 임계치로 사용하여 타겟 제품이 소비자의 쇼핑 카트에 자동으로 배치되는지 여부를 결정한다. 일 실시예에서, P제품이 0.5 이상이면, ESR은 해당 타겟 제품을 소비자의 쇼핑 카트에 자동적으로 배치시킬 것이다. P제품이 0.5보다 작은 경우, ESR은 해당 타겟 제품을 쇼핑 카트에 배치하지 않을 것이다.
위에서 서술한 바와 같이 0.41의 평균 필요와 (11일의 현재 간격에 대한) 0.33의 현재 필요가 있는 "우유 1갤런"의 예로 돌아가서, 우유 1갤런에 대한 구매 경향은 수학식(5)의 사용 패턴 알고리즘을 사용하여 다음과 같이 계산된다:
Figure pct00013
따라서 우유의 구매 경향은 매우 높다; 소비자는 다음 구매 시 우유를 구매할 가능성이 매우 높으며 ESR은 1갤런의 우유를 소비자의 쇼핑 카트에 배치할 것이다. 본 명세서에서는 우유 1갤런의 예가 사용되었지만, 본 발명의 범위는 우유 또는 다른 하나의 제품에 결코 제한되지 않는다는 것으로 이해되어야 한다. 오히려, 본 명세서에 서술된 본 출원의 다양한 실시예는 다양한 제품에 적용 가능하다.
위에서 서술한 바와 같이, ESR은 구매된 각 제품의 내역 필요(N평균)를 기록하며, 상기 내역 필요(historical need)는 n 번의 이전 구매 횟수의 롤링(rolling) 또는 이동 평균으로서 계산될 수 있거나, n 회의 이전 구매의 롤링 또는 이동 중앙(moving median)으로 계산될 수 있다(이는 수학식(5)에서 N평균을 대체하는, N중앙(Nmedian)이라고 표시된 변수에 해당한다). 본 명세서에서 서술된 실시예에서, n은 1 이상의 정수이다. n회의 이전 구매를 통해 과거의 필요를 추적하면 ESR이 각 고객의 특정 요구 사항 및 사용 패턴을 학습하게 하며, 이는 특정 타겟 제품에 대하여 예상된 사용 또는 구매 간격으로부터 벗어날 수 있다. 왜냐면 소비자가 n번의 구매를 하기 이전에, ESR은 기본 제품 반감기(따라서 기본 반감기에 해당하는 기본 예상된 구매 간격)를 사용 패턴 알고리즘의 시작점으로 사용 패턴 컴포넌트에 입력할 수 있다. 따라서 ESR은 초기에 타겟 제품에 대한 소비자의 현재 필요를 과대 또는 과소 추정할 수 있다. 그러나 소비자가 n번 이상의 구매를 한 이후, 사용 패턴 알고리즘이 소비자의 실제 필요 및 구매 행동으로 수렴하여, 학습된 제품의 반감기 및 구매 간격이 기본 값을 대체하거나 무시하게 된다.
추가적으로, 이전 구매 수에 대한 n값은 위의 예에서는 3이지만, n은 임의의 정수 값이 될 수 있다. 예시적인 실시예에서, 하나의 비정상적인 구매 간격(예를 들어, 구매 사이의 특히 짧거나 긴 시간)이 구매 경향 계산을 지배하지 않도록, n은 적어도 3이다. 일부 실시예에서, n은 3 내지 20 사이의 정수이고; 보다 구체적으로, 일부 실시예들에서, n은 3, 5, 7, 10 또는 20일 수 있다. 일부 실시예에서, n은 타겟 제품 및/또는 소비자에 따라 변할 수 있다.
일부 실시예에서, 사용 패턴 컴포넌트는 구매된 제품의 수량의 변화를 설명하도록 구성될 수 있다. 예를 들어, 소비자는 통상적으로 구매 간격당 1갤런의 우유만을 구매할 수 있지만, 우유에 제공되는 할인이나 딜(deal)로 인해 2갤런 이상의 우유를 구매할 수 있다. 사용 패턴 컴포넌트는 추가 수량을 설명하고 다음 구매 간격에 대해 낮은 구매 경향을 출력하도록 구성된다. 일 실시예에서, 사용 패턴 컴포넌트는 다음의 스케일된 "필요" 수학식(need” equation)을 사용한다:
[수학식 6]
Figure pct00014
,
이는 위에 표시된 수학식(2)을 대체할 수 있다. Q제품은 구매한 제품의 수량 변화를 설명하도록 구성된 스케일링 인자(scaling factor)이다. 위의 예를 사용하면, 구매 간격 동안 1 갤런과 대조적으로 2갤런이 구매된 경우, Q제품=2, 이는 N에 대한 값을 증가시켜, 낮은 계산된 필요가 발생하고, 이에 따라 사용 패턴 컴포넌트로부터 출력되는, 낮은 구매 경향이 발생한다.
일부 실시예에서, 가상 쇼핑 카트는 랭킹 또는 강조 특징을 포함할 수 있으며, 여기서 긴급 구매 경향(즉, 소비자가 제안된 배달 날짜까지 제품을 필요로 할 가능성이 매우 높음)의 타겟 제품 또는 빈번하게 구매되는 (즉, 소비자에 의해 이루어진 모든 구매 또는 거의 모든 구매에서 구매되는) 타겟 제품은 강조되거나(highlighted), 또는 가상 쇼핑 카트의 항목 목록의 상단에 배치될 수 있다. ESR 또는 사용자는 제품이 쇼핑 카트의 강조되거나 강조되지 않은 지역에 추가될지 여부를 지시하는 구매 경향의 다양한 임계치를 정의할 수 있다. 예를 들어, 구매 경향(P제품)이 0.45와 0.6 사이인 제품의 경우, ESR은 쇼핑 카트의 강조 표시되지 않은 지역에 제품을 배치하도록 구성될 수 있다. 구매 경향(P제품)이 0.6보다 큰 제품의 경우, ESR은 제품을 쇼핑 카트의 강조된 지역에 배치하도록 구성될 수 있다. 본 명세서에서 사용된 값 및 간격은 단지 예시를 위한 것으로서, 어떠한 방식으로든 본 출원을 한정하기 위해 해석되어서는 안 되는 것으로 이해되어야 한다. 본 명세서에서 명시적으로 서술된 이외의 다른 값, 간격 또는 임계치가 본 출원의 범위를 벗어나지 않고 사용될 수 있다.
일부 실시예에서, 가상 쇼핑 카트에는 다양한 기준에 따라 정의될 수 있는 추가 지역이 있을 수 있다. 예를 들어, 제1 지역 또는 강조된 지역은 제1 임계 구매 경향을 초과하는 것과 같은 제1 기준을 충족하는 구매 경향을 가진 제품을 포함할 수 있다. 제1 기준은 높은 구매 가능성에 따라 정의되며; 사용 패턴 컴포넌트는, 소비자의 사용 패턴에 기초하여, 소비자가 다음 배달 날짜까지 제품을 필요로 할 가능성이 높으면, ESR상에서의 다음 구매시 제품을 구매할 가능성이 높다고 결정한다. 따라서 가상 쇼핑 카트의 제1 지역인 “필요한 제품(needed products)” 지역에 해당 제품을 추가할 수 있다. 상기 “필요한 제품" 지역은 가상 쇼핑 카트의 구매 지역에 해당할 수 있다; 다시 말해, "필요한 제품" 지역의 제품은, 전체적으로, 필요한 제품 지역에서 제거되지 않는 한 다음 구매 시 소비자에 의해 구매될 수 있다.
제2 지역 또는 강조되지 않은 지역은 미리 결정된 구매 경향 범위 내에 속하는 것과 같은 제2 기준을 충족시키는 구매 경향을 갖는 제품을 포함할 수 있다. 제2 기준은 낮은 구매 가능성에 따라 정의될 수 있다. 특히, 사용 패턴 컴포넌트는, 소비자의 사용 패턴에 기초하여, 다음 배달 날짜까지 제품을 필요로 하지 않을 수도 있지만 다음에 제안된 배달 날짜 ("첫 번째 제안된 배달 날짜”) 및 그 이후의 배달 날짜 ("두 번째 제안된 배달 날짜") 사이에 제품을 필요로 할 가능성이 높을 것이라 결정한다. 따라서, 이들 제품은 가상 쇼핑 카트의 제2 영역인 "제안된 구매(suggested purchases)" 지역에 추가 될 수있다.
일부 실시예에서, ESR의 사용 패턴 컴포넌트는 글로벌 사용 또는 구매 경향 (예를 들어, 복수의 소비자의 사용 경향)에 기초한 추가적인 예상 요소를 더 포함할 수 있다. 보다 구체적으로, ESR은, 특정 타겟 제품에 대하여, 특정 제품이 "임의의" 가상 쇼핑 카트에 있을 가능성을 결정하고, 특정 타겟 제품을 구매한 적이 없는 소비자에게 (즉, 타겟 제품을 그들의 가상 쇼핑 카트에 추가한 적이 없는 소비자를 위하여) 특정 타겟 제품을 제안할 가능성을 사용하도록 구성될 수 있다. 이러한 제품은 위에서 설명한 바와 같이 가상 쇼핑 카트의 제2 지역인 "제안 구매" 지역에 추가될 수 있다. 대안적으로, 이러한 제품은 가상 쇼핑 카트의 제3 지역인 “새로운 구매(new purchases)” 지역에 추가될 수 있으며, 이는 제품이 이전에 구매되지 않았지만 소비자의 관심의 대상이 될 수 있는 것을 소비자에게 나타낸다.
특히, 가상 쇼핑 시스템(예를 들어, ESR 및/또는 머천트)은 제품 카탈로그 내의 각 제품에 대한 글로벌 구매 확률(pinAnyCart)을 할당할 수 있다. 1갤런의 우유는 pinAnyCart(우유)=0.8의 글로벌 구매 확률을 가질 수 있는데, 왜냐면 ESR을 사용하는 모든 소비자는 우유 1갤런을 구매할 가능성이 매우 높기 때문이다. 그러나 소비자의 가상 쇼핑 카트에 있을 확률이 상대적으로 낮은 밥과 같은 다른 제품의 경우에는 pinAnyCart(쌀) = 0.05일 수 있다. 제품에 대한 글로벌 구매 확률(pinAnyCart)은 복수의 소비자로부터 수집된 데이터에 따라 결정되거나, 또는 추정된 값일 수 있다. ESR은 (글로벌 구매 확률(pinAnyCart)로) 시작하는 제품이 가상 쇼핑 카트에 들어갈 가능성에 비례하는 방식으로 가상 쇼핑 카트의 "새로운 구매" 지역에 제품을 추가하도록 구성될 수 있다. ESR은 소비자에게 새로운 제품을 소개하거나, 가상 쇼핑 카트를 통해 구매될 수 있는 소비자가 모르는 제품의 이용 가능성을 소비자에게 알리도록 이 특징을 실시할 수 있다. 예를 들어, 소비자는 그들이 종이 타월 또는 식기 세척 비누(dishwasher soap)를 가상 쇼핑 카트를 통해 구매할 수 있다는 것을 알지 못했을 수 있다. 또한, ESR은 정기적인 구매 주기로 구매할 수 없고, 따라서 소비자는 계절 물품과 같은, 그것들을 구매할 기회 또는 바램을 아직 갖지 못했을 수 있었던 제품을 제안하기 위해 이 기능을 실시할 수 있다.
일부 실시예에서, ESR은 수학식(7)인 카트 채움 알고리즘에 따라 가상 쇼핑 카트의 제1, 제2 및 제3 지역 (각각 "필요 제품", "제안 제품" 및 "새로운 제품") 중 하나 이상을 채울 수 있으며, 이는 사용 패턴 컴포넌트에 의해 실행된다:
[수학식 7]
Figure pct00015
여기서 임계치는 어느 제품(들)이 어느 지역에 추가될 지를 정의한다. 임계치는 특정 값으로 실시, 및/또는 다른 로직을 사용하여 실시될 수 있다. 추가적으로, 제2 및/또는 제3 지역(들)은 그 지역에 추가될 수 있는 최대 제품의 개수를 가질 수 있다. 소비자에 의해 구매되지 않은 제품의 경우, 해당 구매 경향(P제품)은 기본 반감기 및 현재 간격을 사용하여 결정될 수 있다 (즉, 소비자로부터 내역 필요에 대한 어떠한 결정도 없음).
하나의 예로서, "필요 제품" 지역에 대한 임계치는 제품의 최대 개수 없이 0.5와 같은 상수 값일 수 있으며, 모든 제품은 소비자에 의해 적어도 한번 이상 구매된 상태이다. "제안 제품" 지역에 대한 임계치는 "필요 제품" 지역에 대한 임계치를 충족시키지 않는 상위 점수(수학식(7)의 결과)를 갖는 제품의 특정 개수(예: 10 또는 15)일 수 있다. "새로운 제품" 지역에 대한 임계치는 상수 값(예: 0.5)일 수 있으며, 제품의 최대 개수(예를 들어, 10 또는 15)가 추가되고 제품 모두가 이전에 소비자에 의해 구매되지 않은 상태일 수 있다. 이들 임계 기준은 단지 예시적인 것이며, 다른 기준, 임계치, 값, 간격 및/또는 제품 최대 개수가 본 출원의 범위를 벗어나지 않고 사용될 수 있다는 것으로 이해되어야 한다.
ESR은 사용 패턴 컴포넌트에 의해 실시된 대로, 소비자로부터의 피드백을 카트 채움 알고리즘에 통합하도록 구성된다. 예를 들어, 일 실시예에서, 소비자가 제품을 "새로운 제품" 지역으로부터 "필요 제품" 지역에 추가하지 않는 경우, ESR은 미래에 그 제품을 소비자에게 홍보(promote)할 수 없다 (예를 들어, 특정 소비자에 대하여 그 제품에 대한 pinAnyCart을 0으로 설정할 수 있음). 대안적으로 소비자는 "새로운 제품" 지역에서 제품을 능동적으로 제거할 수 있으며, ESR은 미래에 해당 제품을 소비자에게 홍보할 수 없다. 소비자는, 소비자가 일정 간격 후에 그 제품을 다시 구매하라는 메시지가 표시되게(prompted) 요청할 수 있도록(예: 왜냐면 소비자가 소매점(brick-and-mortar store)과 같은 상이한 플랫폼을 통해 이미 제품을 구매했기 때문에) 추가 명령에 액세스할 수 있다.
예시적인 실시예에서, ESR은, ESR을 처음 사용할 시 (또는 ESR을 재설정할 시 또는 셋업 단계를 재-시작하기 위해 사용자에 의해 요청될 시) 초기 "등록" 또는 "셋업" 단계를 소비자에게 제공하도록 구성된다. 셋업 단계는 ESR의 다양한 설정을 초기화하기 위해 ESR 사용자 인터페이스에서 복수의 질문에 답변하도록 소비자에게 메시지를 표시한다. 셋업 단계는 예를 들어, "당신의 가정에는 몇 명이 있습니까", “당신의 가정에 있는 사람들의 연령은 어떻습니까", “당신의 가정에는 23-25세인 사람이 몇 명이 있습니까” 등, ESR을 사용하는 가정과 관련된 질문이 포함될 수 있다. 답변은 또는 선택 항목으로 제공될 수 있다. 다양한 실시예에서, 답변은 정수(예: 가정의 사람 "5명")로, 범위(예: "23-35"에서 한 사람)로, 또는 특정 옵션의 선택(예: 항목란 체크 또는 라디오 버튼(radio button))으로 제공될 수 있다.
셋업 단계는 예를 들어, “가정 구성원 중_코오세르(kosher)_할랄(Halal)_채식주의자(Vegetarian)_엄격한 채식주의자(Vegan)_저염식(Low Sodium)_무 탄수화물(Gluten-Free)…._인 사람이 누구입니까” 및/또는 “가정 구성원 중 임의의 알레르기를 갖는 누구를 열거하여 주십시오”인, ESR을 사용하는 가정 구성원의 특정 식이요법 제한과 관련된 질문이 추가로 포함될 수 있다. 소비자는 그들이 원하는 대로 셋업 단계에서 제공되는 보다 적거나 보다 많은 질문에 답변할 수 있다. 예를 들어, 소비자가 응답하기를 원하지 않으면 "이 질문 건너 뛰기" 옵션을 선택 및/또는 소비자가 임의의 셋업 질문에 답변하는 것을 원하지 않으면, “셋업 건너 뛰기” 옵션을 선택할 수 있다. 설정 단계에서 더 적거나 추가된 질문이 질문될 수 있으며, 주어진 것들은 예시적인 것으로 이해되어야 한다.
일부 실시예에서, 셋업 단계 동안 주어진 응답은 사용 패턴 알고리즘 및/또는 카트 채움 알고리즘의 특정 초기 변수에 영향을 줄 수 있다. 예를 들어, 기본 반감기는 가정 구성원의 수에 따라 위 또는 아래로 이동할 수 있고; 가정 구성원의 수에 따라 초기 구매 간격을 늘리거나 줄일 수 있으며; 알레르기 또는 기타 제한 성분이 함유된 특정 제품은 상기 가정(household)에 대하여 0의 pinAnyCart가 주어지므로 해당 물품이 가정에 제안되지 않고; 및/또는 특정 제품은 유아(infats) 또는 갓난 아이(toddlers)를 포함한 가정에 제안되고, 어린 자녀가 없는 가정에 제안될 수 없다.
다음의 예시는 우유 1갤런을 예시적인 타겟 제품으로, 다양한 사용 사례에 적용되는 사용 패턴 알고리즘의 다양한 변형을 탐구한다. 특히, 예시(1)는 우유 제품에 대해 예상되거나 통상적인 간격으로 우유를 사용 및/또는 구매하는 제1 소비자의 사용 행동을 보여준다; 예시(2)는 구매 간격이 우유에 대한 예상 구매 간격의 약 두 배인 제2 소비자의 사용 행동을 보여준다. 예시(3)는 몇몇 구매 간격 이후 자신들의 사용 행동을 변경하는 제3 소비자의 사용 행동을 보여준다; 예시(4)는 때때로 짧은 간격(예: 특별한 이벤트)으로 우유를 구매하는 제4 소비자의 사용 행동을 보여준다; 그리고 예시(5)는 구매 간격이 우유에 대한 예상 구매 간격의 절반 정도인 제5 소비자의 사용법을 보여준다. 예시(6 및 7)는 사용 패턴 컴포넌트가 구매된 수량을 구매 경향 계산에 어떻게 고려하는지를 보여준다.
예시(1)
다음의 표(표 1)는 우유 1갤런의 이 예시에서, 제1 소비자의 가상 쇼핑 카트를 자동으로 로딩하기 위해 ESR의 사용 패턴 컴포넌트가 제1 소비자의 고유한 사용 동작을 설명하는 사용 패턴 알고리즘을 어떻게 실시하는지를 묘사한다. 나아가, 표 1의 값을 생성하는데 사용된 사용 패턴 알고리즘은 총 10번의 구매 간격에 걸쳐 제1 소비자의 현재 필요를 서술하는 N 평균 , 또는 이동 평균(moving average)을 이용하였다. 표 1은 n = 3, 5 및 10일 경우 사용 패턴 알고리즘이 어떻게 작동하는지 보여준다. 이 예시에서 우유의 기본 반감기는 7일로 지정된다. 따라서 H 우유 는 약 0.9057이다 (수학식(3) 참조).
구매 간격
(일수)		 N 간격
(“현재
필요”)		 이동 평균
N 평균 (n=3)		 P 우유,3
(구매 경향)		 이동 평균
N 평균 (n=5)		 P 우유,5
(구매 경향)		 이동 평균
N 평균 (n=10)		 P 우유,10 (구매 경향)
6 0.55204476 0.5 0.31 0.5 0.31 0.5 0.31
7 0.5 0.52602238 0.60* 0.52602238 0.60* 0.52602238 0.60*
8 0.45286183 0.51734825 0.72* 0.51734825 0.72* 0.51734825 0.72*
9 0.41016768 0.50163553 0.80* 0.50122665 0.80* 0.50122665 0.80*
5 0.60950683 0.45434317 0.09 0.48301485 0.13 0.48301485 0.13
6 0.55204476 0.49084545 0.29 0.50491622 0.33 0.50409685 0.33
7 0.5 0.52390642 0.59* 0.50491622 0.52* 0.51094655 0.54*
6 0.55204476 0.55385053 0.51* 0.50491622 0.33 0.50957823 0.35
8 0.45286183 0.5346965 0.77* 0.5247528 0.75* 0.51429673 0.72*
6 0.55204476 0.50163553 0.32 0.53329163 0.43 0.50815324 0.34
*=쇼핑 카트에 추가된 우유
표 1- 이동 평균 필요를 사용한 제1 소비자의 구매 경향
제1 소비자의 구매 간격은 "예상된" 구매 간격에 가깝다. 다시 말해, 제1 소비자는 대략 제품의 기본 반감기 간격으로 우유를 사용하고 구매한다. 현재 간격이 약 7일 이상인 경우 제1 소비자는 스마트 냉장고에서 다음 구매시 우유를 구매할 가능성이 높지만, 현재 간격이 7일 미만이면 제1 소비자가 다음 구매시 우유를 구매할 가능성이 적을 것으로 예상될 것이다. 표 1에서 구매 경향(P 우유 ) 열의 값은 바로 왼쪽 열의 이동 평균(N 평균 )을 사용하여 계산된다. 별표(*)가 도시된 값은 ESR이 일정한 간격으로 제1 소비자의 쇼핑 카트에 우유를 추가하도록 구성되었음을 나타낸다. 이 예시에서, 0.5 이상인 임의의 P 우유 인 경우 ESR은 제1 소비자의 가상 쇼핑 카트에 우유를 추가하도록 구성된다.
표시되는 많은 간격, n=3, 5, 또는 10 동안 일반적으로 P 우유 는 매우 유사하여 하나의 경우를 제외하고는 동일한 간격 동안 우유를 가상 쇼핑 카트에 추가하도록 트리거한다. 8번째 구매 간격의 경우, 간격이 겨우 6일이지만, n=3인 이동 평균 필요에 대한 P 우유,3 은 가상 쇼핑 카트에 우유의 추가를 트리거하였다. 이것은 이동 평균 필요에 대해 3보다 큰 n 값을 사용하면 카트에 제품을 조기에 추가하는 것을 피할 수 있으므로 좀 더 유용할 수 있음을 나타낼 수 있다.
표 2의 값을 생성하는데 사용된 사용 패턴 알고리즘은 N 중앙 을 이용하거나, 표 1에 나타난 바와 같이 10번의 구매 간격 동안 제1 사용자의 현재 필요를 서술한 “이동 중앙(moving median)”을 사용하였다. 표 2는 n=2, 3, 및 10인 경우 사용 패턴 알고리즘이 어떻게 작동하는지 나타낸다.
구매 간격
(일수)		 N 간격
(“현재
필요”)		 이동 중앙
N 중앙 (n=3)		 P 우유,3
(구매 경향)		 이동 중앙
N 중앙 (n=5)		 P 우유,5
(구매 경향)		 이동 중앙
N 중앙 (n=10)		 P 우유,10 (구매 경향)
6 0.55204476 0.5 0.31 0.5 0.31 0.5 0.31
7 0.5 0.52602238 0.60* 0.52602238 0.60* 0.52602238 0.60*
8 0.45286183 0.5 0.67* 0.5 0.67* 0.5 0.67*
9 0.41016768 0.5 0.80* 0.5 0.80* 0.5 0.80*
5 0.60950683 0.45286183 0.09 0.5 0.16 0.5 0.16
6 0.55204476 0.45286183 0.18 0.5 0.31 0.5 0.31
7 0.5 0.55204476 0.69* 0.5 0.50* 0.5 0.50*
6 0.55204476 0.55204476 0.50* 0.5 0.31 0.5 0.31
8 0.45286183 0.55204476 0.82* 0.55204476 0.82* 0.5 0.67*
6 0.55204476 0.5 0.31 0.55204476 0.50* 0.5 0.31
* = 쇼핑 카트에 추가된 우유
표 2-이동 중앙 필요를 사용한 제1 소비자의 구매 경향
P 우유 결과는 표 1의 결과와 유사하다. ESR은 6가지 변형(표 1에 나타난 3가지 변형 및 표 2에 나타난 3가지 변형)을 모두 사용하여 사용 패턴 알고리즘의 2번째, 3번째, 4번째, 7번째 및 9번째 간격 동안 제1 소비자의 가상 쇼핑 카트에 우유를 추가하도록 트리거한다. 그러나 n = 3에 대해 N 중앙 을 사용한 알고리즘은 또한 6일의 구매 간격(표 2에 나타난 8번째 간격) 동안 카트에 우유를 추가하는 것을 트리거하였고, 6일의 구매 간격(표 2에 나타난 10번째 간격) 동안 n=5에 대해 N 중앙 을 사용하여 동일한 일이 발생했다.
표 1과 표 2의 결과에 따르면, 사용 패턴 알고리즘은 특정 간격에서의 구매 경향을 "과대 평가"하거나, 소비자가 제품을 구매하기 전에 쇼핑 카트에 제품을 추가하도록 유도할 수 있다. 따라서, 제1 소비자는 임계치(P 우유 ) 값을 예를 들어 0.52로 조정하여 표 1 및 표 2에 나타난 "거짓 긍정(false positive)"을 제거하기를 원할 수 있다. 대안적으로, 제1 소비자는 우유를 가상 쇼핑 카트에서 수동으로 제거할 수 있고, ESR은 이러한 제거로부터 학습하여 제1 소비자로부터의 직접 지시 없이 임계치(P 우유 )를 조정할 수 있다.
예시 2
다음의 표(표 3)는 ESR의 사용 패턴 컴포넌트가, 예상 구매 간격보다 긴 제2 소비자의 고유 사용 동작을 설명하는 사용 패턴 알고리즘을 어떻게 실시하는지를 묘사한다. 표 3의 값을 생성하는데 사용된 사용 패턴 알고리즘은 N 평균 또는 총 10번의 구매 간격 동안 제2 소비자의 현재 필요를 서술한 이동 평균을 이용하였다. 표 3은 n = 3, 5 및 10일 때 사용 패턴 알고리즘이 어떻게 작동하는지 나타낸다. 이 예시에서 우유의 기본 반감기는 7일로 할당된다. 따라서 H 우유 는 약 0.9057이다(수학식(3) 참조).
구매 간격
(일수)		 N 간격
(“현재
필요”)		 이동 평균
N 평균 (n=3)		 P 우유,3
(구매 경향)		 이동 평균
N 평균 (n=5)		 P 우유,5
(구매 경향)		 이동 평균
N 평균 (n=10)		 P 우유,10 (구매 경향)
12 0.30475341 0.5 0.95* 0.5 0.95* 0.5 0.95*
14 0.25 0.40237671 0.91* 0.40237671 0.91* 0.40237671 0.91*
16 0.20508384 0.35158447 0.90* 0.35158447 0.90* 0.35158447 0.90*
18 0.16823752 0.25327908 0.78* 0.31495931 0.90* 0.31495931 0.90*
10 0.37149857 0.20777379 0.08 0.28561496 0.22 0.28561496 0.22
12 0.30475341 0.24827331 0.30 0.25991467 0.34 0.29992889 0.48
14 0.25 0.2814965 0.62* 0.25991467 0.54* 0.30061811 0.68*
12 0.30475341 0.30875066 0.51* 0.25991467 0.34 0.29429085 0.46
16 0.20508384 0.28650228 0.77* 0.27984858 0.75* 0.29545335 0.80*
12 0.30475341 0.25327908 0.32 0.28721785 0.43 0.2864164 0.43
* = 쇼핑 카트에 추가된 우유
표 3-이동 평균 필요를 사용한 제2 소비자의 구매 경향
우유에 대한 기본 반감기가 7일의 대략 두 배인 긴 구매 간격을 가진 제2 소비자의 경우, 사용 패턴 알고리즘은 적응을 위해 약 4개의 간격이 필요하다. 여기서, 이동 평균은 n = 5 또는 10인 구매 간격을 포함하고, 18일의 4번째 간격에 대한 결과가 보다 정확하게 나타난다. 상기 알고리즘이 n = 3인 구매 간격만을 고려했을 때 여전히 카트에 우유의 첨가를 트리거하였지만, P 우유 는 더 높아야 했다(P 우유,5 및 P 우유,10 참조). 다시, 계산에서 더 많은 구매 간격을 사용하는 것은, 12일의 8번째 간격에 나타난 바와 같이, 추가적인 “거짓 긍정”을 피하는 것으로 나타나며, 여기서 n = 5 또는 10인 구매 간격을 사용하는 것은 우유를 추가하는 것을 트리거하지 않았지만, n = 3 구매 간격을 사용하는 것은 우유를 추가하는 것을 트리거하였다. .
표 4의 값을 생성하는데 사용된 사용 패턴 알고리즘은 N 중앙 을 이용하거나, 표 3에 나타난 바와 같이 10개의 구매 간격에 대한 제2 소비자의 현재 요구를 서술하는 "이동 중앙(moving median)"을 사용하였다. 표 4는 n=3, 5, 및 10인 경우 사용 패턴 알고리즘이 어떻게 작동하는지를 나타낸다.
구매 간격
(일수)		 N 간격
(“현재
필요”)		 이동 중앙
N 중앙 (n=3)		 P 우유,3
(구매 경향)		 이동 중앙
N 중앙 (n=5)		 P 우유,5
(구매 경향)		 이동 중앙
N 중앙 (n=10)		 P 우유,10 (구매 경향)
12 0.30475341 0.5 0.95* 0.5 0.95* 0.5 0.95*
14 0.25 0.40237671 0.91* 0.40237671 0.91* 0.40237671 0.91*
16 0.20508384 0.30475341 0.82* 0.30475341 0.82* 0.30475341 0.82*
18 0.16823752 0.25 0.77* 0.27737671 0.84* 0.27737671 0.84*
10 0.37149857 0.20508384 0.08 0.25 0.14 0.25 0.14
12 0.30475341 0.20508384 0.18 0.25 0.31 0.27737671 0.40
14 0.25 0.30475341 0.70* 0.25 0.5* 0.30475341 0.70*
12 0.30475341 0.30475341 0.50* 0.25 0.31 0.27737671 0.40
16 0.20508384 0.30475341 0.82* 0.30475341 0.82* 0.30475341 0.82*
12 0.30475341 0.25 0.31 0.30475341 0.50* 0.27737671 0.40
* = 쇼핑 카트에 추가된 우유
표 4-이동 중앙 필요를 사용한 제2 소비자의 구매 경향
예시(1)와 관련하여 위에 나타낸 바와 같이, 사용 패턴 알고리즘은 특정 간격에서 구매 경향의 "과대평가"를 유도할 수 있다. 따라서, 제2 소비자는 12일 간격 동안 (또는 제2 소비자가 아직 우유를 구매하기를 원치 않을 때) 자신의 쇼핑 카트에서 우유를 수동으로 제거할 수 있으며, ESR은 이러한 제거로부터 학습하여 임계치(P 우유 )를, 예를 들어 0.52를 제2 소비자로부터의 직접적인 명령 없이 조정할 수 있다. 대안적으로, 사용 패턴 알고리즘이 N 평균 대신에 N 중앙 을 이용하는 경우 ESR은 0.51 또는 0.52의 임계치(P 우유 )가 기본 값으로 될 수 있다.
예시(3)
다음의 표(표5)는 ESR의 사용 패턴 컴포넌트가 15개의 구매 간격이 두 배인 제3 소비자의 고유한 사용 행위를 설명하는 사용 패턴 알고리즘을 어떻게 실시하는지를 묘사한다. 표 5의 값을 생성하는데 사용된 사용 패턴 알고리즘은 N 평균 , 또는 총 25개의 구매 간격 동안 제3 소비자의 현재 필요를 서술한 이동 평균을 이용하였다. 표 5는 n=3, 5, 및 10인 경우 사용 패턴 알고리즘이 어떻게 작동하는지 나타낸다. 이 예시에서, 우유의 기본 반감기는 7일로 할당된다. 따라서, H 우유 는 약 0.9057이다(수학식(3) 참조).
구매 간격
(일수)		 N 간격
(“현재
필요”) 		이동 평균
N 평균 (n=3)		 P 우유,3
(구매 경향)		 이동 평균
N 평균 (n=5)		 P 우유,5
(구매 경향)		 이동 평균
N 평균 (n=10)		 P 우유,10 (구매 경향)
6 0.55204476 0.5 0.31 0.5 0.31 0.501226647 0.31
7 0.5 0.52602238 0.60* 0.52602238 0.60* 0.483014853 0.60*
8 0.45286183 0.51734825 0.72* 0.51734825 0.72* 0.504096849 0.72*
9 0.41016768 0.50163553 0.80* 0.50122665 0.80* 0.51094655 0.80*
5 0.60950683 0.45434317 0.09 0.48301485 0.13 0.509578231 0.13
6 0.55204476 0.49084545 0.29 0.50491622 0.33 0.514296734 0.33
7 0.5 0.52390642 0.59* 0.50491622 0.52* 0.508153244 0.54*
6 0.55204476 0.55385053 0.51* 0.50491622 0.33 0.51335772 0.35
8 0.45286183 0.5346965 0.77* 0.5247528 0.75* 0.508153244 0.72*
6 0.55204476 0.50163553 0.32 0.53329163 0.43 0.503439427 0.34
7 0.5 0.51898378 0.57* 0.52179922 0.58* 0.499170012 0.55*
8 0.45286183 0.50163553 0.68* 0.51139027 0.71* 0.519103927 0.70*
9 0.41016768 0.50163553 0.80* 0.50196264 0.80* 0.51335772 0.80*
5 0.60950683 0.45434317 0.09 0.47358722 0.12 0.488628585 0.16
6 0.55204476 0.49084545 0.29 0.50491622 0.33 0.459136969 0.38
12 0.30475341 0.52390642 0.96* 0.50491622 0.95* 0.420756246 0.96*
16 0.20508384 0.48876833 0.99* 0.4658669 0.98* 0.41261992 0.99*
18 0.16823752 0.35396067 0.94* 0.4163113 0.98* 0.387890786 0.99*
10 0.37149857 0.22602493 0.10 0.36792527 0.49 0.362890786 0.68*
12 0.30475341 0.24827331 0.30 0.32032362 0.56* 0.348079944 0.83*
14 0.25 0.2814965 0.62* 0.27086535 0.58* 0.32757156 0.89*
12 0.30475341 0.30875066 0.51* 0.25991467 0.34 0.297096219 0.71*
16 0.20508384 0.28650228 0.77* 0.27984858 0.75* 0.501226647 0.90*
12 0.30475341 0.25327908 0.32 0.28721785 0.43 0.483014853 0.58*
14 0.25 0.27153022 0.58 0.27386882 0.59* 0.504096849 0.67*
*=쇼핑 카트에 추가된 우유
표5- 이동 평균 필요를 사용한 제3 소비자의 구매 경향
표 5의 결과는 적어도 일부 경우에서, n=10인 구매 간격을 사용하는 것은 사용 패턴 알고리즘의 유연성이 감소할 수 있음을 나타낸다. 상기 알고리즘에 대하여 n=10을 사용하는 것은 일관된 사용에 대하여 유사한 결과를 생산하지만, n=10을 갖는 제3 소비자의 두 배 간격에 적응하기 위해 5번의 구매 간격이 걸리는 반면, n=3 또는 5를 사용하는 것은 상기 알고리즘이 새로운 사용 행위가 알고리즘의 계산을 지배할 수 있는 것처럼 약 3개의 구매 간격에서 적응할 수 있게 한다.
표 6의 값을 생성하는데 사용된 사용 패턴 알고리즘은 N 중앙 을 이용했거나, 또는 표 5에 나타난 25번의 구매 간격 동안 제3 소비자의 현재 필요를 서술한 “이동 중앙”을 사용하였다. 표 6은 n=3, 5, 및 10의 경우 사용 패턴 알고리즘이 어떻게 작동하는지 나타낸다.
구매 간격
(일수)		 N 간격
(“현재
필요”)		 이동 중앙
N 중앙 (n=3)		 P 우유,3
(구매 경향)		 이동 중앙
N 중앙 (n=5)		 P 우유,5
(구매 경향)		 이동 중앙
N 중앙 (n=10)		 P 우유,10 (구매 경향)
6 0.55204476 0.5 0.31 0.5 0.31 0.5 0.31
7 0.5 0.52602238 0.60* 0.52602238 0.60* 0.52602238 0.60*
8 0.45286183 0.5 0.67* 0.5 0.67* 0.5 0.67*
9 0.41016768 0.5 0.79* 0.5 0.79* 0.5 0.79*
5 0.60950683 0.45286183 0.09 0.5 0.16* 0.5 0.16
6 0.55204476 0.45286183 0.18 0.5 0.31 0.5 0.31
7 0.5 0.55204476 0.69* 0.5 0.50* 0.5 0.50*
6 0.55204476 0.55204476 0.50* 0.5 0.31 0.5 0.31
8 0.45286183 0.55204476 0.82* 0.55204476 0.82* 0.5 0.67*
6 0.55204476 0.5 0.31 0.55204476 0.50* 0.5 0.31
7 0.5 0.55204476 0.69* 0.55204476 0.69* 0.52602238 0.60*
8 0.45286183 0.5 0.67* 0.5 0.67* 0.5 0.67*
9 0.41016768 0.5 0.79* 0.5 0.79* 0.5 0.79*
5 0.60950683 0.45286183 0.09 0.45286183 0.09 0.5 0.16
6 0.55204476 0.45286183 0.18 0.5 0.31 0.52602238 0.40
12 0.30475341 0.58077579 0.98* 0.50245329 0.95* 0.5 0.95*
16 0.20508384 0.42839909 0.97* 0.48110622 0.98* 0.5 0.99*
18 0.16823752 0.25491863 0.79* 0.42839909 0.98* 0.45286183 0.99*
10 0.37149857 0.20508384 0.08 0.25491863 0.15 0.45286183 0.77*
12 0.30475341 0.20508384 0.18 0.25491863 0.32 0.41016768 0.83*
14 0.25 0.30475341 0.69* 0.30475341 0.69* 0.37149857 0.86*
12 0.30475341 0.30475341 0.50* 0.25 0.31 0.30475341 0.50*
16 0.20508384 0.30475341 0.82* 0.30475341 0.82* 0.30475341 0.82*
12 0.30475341 0.25 0.31 0.30475341 0.50* 0.30475341 0.50*
14 0.25 0.30475341 0.69* 0.30475341 0.69* 0.30475341 0.69*
* = 쇼핑 카트에 추가된 우유
표 6-이동 중앙 필요를 사용한 제3 소비자의 구매 경향
표 5에 관하여 위에서 논의된 바와 유사하게, 표 6에 도시된 바와 같이, 적어도 일부 경우에서 n=10을 사용하는 것은 사용 패턴 알고리즘의 유연성을 감소시킬 수 있다. N=10을 갖는 제3 소비자의 두 배 간격에 적응하기 위해서 5번의 구매 간격이 걸리지만, 반면 n=3 또는 5를 사용하는 것은 상기 알고리즘이 약 3번의 구매 간격에 적응하게 할 수 있다.
따라서, 일 예시적인 실시예에서, 사용 패턴 알고리즘은 변수(N 평균 또는 N 중앙 )에 관계없이 n=5를 사용하는 것으로 기본 설정될 수 있으며, 5개의 구매 간격을 사용하는 것은 변경 동작에 대한 알고리즘의 유연성을 가능하게 하는 것으로 나타나며, 또한 거짓 긍정(false positives)의 과다를 피할 수 있다.
예시(4)
다음의 표(표 7)는 ESR의 사용 패턴 컴포넌트가 두 개의 비정상적으로 짧은 구매 간격(예: 특별한 이벤트 경우)을 갖는 제4 소비자의 고유한 사용 행동을 설명한 사용 패턴 알고리즘을 어떻게 실시하는지 묘사한다. 표 7의 값을 생성하는데 사용된 사용 패턴 알고리즘은 N 평균 또는 총 20개의 구매 간격 동안 제4 소비자의 현재 필요를 서술한 이동 평균을 이용하였다. 표 7은 n=3, 5, 및 10인 경우 사용 패턴 알고리즘이 어떻게 작동하는지 나타낸다. 이 예시에서, 우유의 기본 반감기는 7일로 할당된다. 따라서, H 우유 는 약 0.9057이다(수학식(3) 참조).
구매 간격(일수) N 간격
(“현재
필요”)		 이동
N 평균 (n=3)		 P 우유,3
(구매 경향)		 이동
N 평균 (n=5)		 P 우유,5 (구매 경향) 이동
N 평균 (n=10)		 P 우유,10 (구매
경향)
6 0.55204476 0.5 0.31 0.5 0.31 0.5 0.31
7 0.5 0.52602238 0.60* 0.52602238 0.60* 0.52602238 0.60*
8 0.45286183 0.51734825 0.72* 0.51734825 0.72* 0.51734825 0.72*
9 0.41016768 0.50163553 0.80* 0.50122665 0.80* 0.50122665 0.80*
5 0.60950683 0.45434317 0.09 0.48301485 0.13 0.48301485 0.13
6 0.55204476 0.49084545 0.29 0.50491622 0.33 0.50409685 0.33
7 0.5 0.52390642 0.59* 0.50491622 0.52* 0.51094655 0.54*
6 0.55204476 0.55385053 0.51* 0.50491622 0.33 0.50957823 0.35
8 0.45286183 0.5346965 0.77* 0.5247528 0.75* 0.51429673 0.72*
6 0.55204476 0.50163553 0.32 0.53329163 0.43 0.50815324 0.34
7 0.5 0.51898378 0.57* 0.52179922 0.58* 0.51335772 0.55*
2** 0.82033536 0.50163553 0.01 0.51139027 0.01 0.50815324 0.01
3** 0.74299714 0.6241267 0.14 0.57545734 0.07 0.54018678 0.05
5 0.60950683 0.6877775 0.76* 0.61364782 0.52* 0.56920031 0.35
6 0.55204476 0.72427978 0.93* 0.64497682 0.80* 0.58913423 0.64*
7 0.5 0.63484958 0.88* 0.64497682 0.90* 0.58338802 0.78*
6 0.55204476 0.55385053 0.51* 0.64497682 0.80* 0.57818354 0.60*
8 0.45286183 0.5346965 0.77* 0.5913187 0.89* 0.58338802 0.88*
9 0.41016768 0.50163553 0.80* 0.53329163 0.86* 0.57346973 0.92*
5 0.60950683 0.47169142 0.11 0.4934238 0.15 0.56920031 0.35
* = 쇼핑 카트에 추가된 우유
** = 보다 짧은 간격
표 7- 이동 평균 필요를 사용한 제4 소비자의 구매 경향
표 8의 값을 생성하는데 사용된 사용 패턴 알고리즘은 N 중앙 이용하거나, 또는 표 7에 나타난 바와 같이 20개의 구매 간격 동안 제4 사용자의 현재 필요를 서술한 “이동 중앙”을 사용하였다. 표 8은 n=3, 5, 및 10인 경우 사용 패턴 알고리즘이 어떻게 작동하는지 나타낸다.
구매 간격(일수) N 간격
(“현재
필요”)		 이동
N 중앙 (n=3)		 P 우유,3 (구매 경향) 이동
N 중앙 (n=5)		 P 우유,5 (구매 경향) 이동
N 중앙 (n=10)		 P 우유,10 (구매
경향)
6 0.55204476 0.5 0.31 0.5 0.31 0.5 0.31
7 0.5 0.52602238 0.60* 0.52602238 0.60* 0.52602238 0.60*
8 0.45286183 0.5 0.67* 0.5 0.67* 0.5 0.67*
9 0.41016768 0.5 0.79* 0.5 0.79* 0.5 0.79*
5 0.60950683 0.45286183 0.09 0.5 0.16 0.5 0.16
6 0.55204476 0.45286183 0.18 0.5 0.31 0.5 0.31
7 0.5 0.55204476 0.69* 0.5 0.50* 0.5 0.50*
6 0.55204476 0.55204476 0.50* 0.5 0.31 0.5 0.31
8 0.45286183 0.55204476 0.82* 0.55204476 0.82* 0.5 0.67*
6 0.55204476 0.5 0.31 0.55204476 0.50* 0.5 0.31
7 0.5 0.55204476 0.69* 0.55204476 0.69* 0.52602238 0.60*
2** 0.82033536 0.5 0.01 0.5 0.01 0.5 0.01
3** 0.74299714 0.55204476 0.05 0.55204476 0.05 0.52602238 0.04
5 0.60950683 0.74299714 0.88* 0.55204476 0.30 0.55204476 0.30
6 0.55204476 0.74299714 0.95* 0.60950683 0.70* 0.55204476 0.50*
7 0.5 0.60950683 0.84* 0.60950683 0.84* 0.55204476 0.69*
6 0.55204476 0.55204476 0.50* 0.60950683 0.70* 0.55204476 0.50*
8 0.45286183 0.55204476 0.82* 0.55204476 0.82* 0.55204476 0.82*
9 0.41016768 0.5 0.79* 0.55204476 0.89* 0.55204476 0.89*
5 0.60950683 0.45286183 0.09 0.5 0.16 0.55204476 0.30
* = 쇼핑 카트에 추가된 우유
** = 보다 짧은 간격
표 8-이동 중앙 필요를 사용한 제4 소비자의 구매 경향
적어도 일부 경우에서, 이동 중앙 또는 롤링 중앙(rolling median)을 사용하는 것은 사용 패턴 알고리즘이 이동 평균을 사용하는 것보다 더 유연성이 있을 수 있다. 중앙의 수학적 특성에 따라, 특히 n> 3 인 경우, 짧고 비정상적인 구매 간격이 일반적인 사용 패턴보다 중요하지 않다.
예시(5)
다음의 표(표 9)는 ESR의 사용 패턴 컴포넌트가 제품에 대한 예상 구매 간격보다 짧은 구매 간격(예를 들어, 약 절반 길이)을 갖는 제5 소비자의 고유한 사용 행동을 설명한 사용 패턴 알고리즘을 어떻게 실시하는지 묘사한다. 표 9의 값을 생성하는데 사용된 사용 패턴 알고리즘은 N 평균 또는 총 10개의 구매 간격 동안 제5 소비자의 현재 필요를 서술한 이동 평균을 이용하였다. 표 9는 n=3, 5 및 10의 경우 사용 패턴 알고리즘이 어떻게 작동하는지 나타낸다. 이 예시에서, 우유의 기본 반감기는 7일로 할당된다. 따라서, H 우유 는 약 0.9057이다(수학식(3) 참조).
구매 간격(일수) N 간격
(“현재
필요”)		 이동
N 평균 (n=3)		 P 우유,3 (구매 경향) 이동
N 평균 (n=5)		 P 우유,5 (구매 경향) 이동
N 평균 (n=10)		 P 우유,10 (구매
경향)
3 0.74299714 0.5 0.03 0.5 0.03 0.5 0.03
3.5 0.70710678 0.62149857 0.22 0.62149857 0.22 0.62149857 0.22
4 0.6729501 0.65003464 0.41 0.65003464 0.41 0.65003464 0.41
4.5 0.64044334 0.70768467 0.73* 0.65576351 0.56* 0.65576351 0.56*
2.5 0.78070918 0.67350007 0.17 0.65269947 0.13 0.65269947 0.13
3 0.74299714 0.69803421 0.34 0.70884131 0.37 0.67403442 0.26
3.5 0.70710678 0.72138322 0.55* 0.70884131 0.51* 0.68388624 0.41
3 0.74299714 0.74360437 0.50* 0.70884131 0.37 0.68678881 0.30
4 0.6729501 0.73103369 0.71* 0.72285072 0.68* 0.69303418 0.57*
3 0.74299714 0.70768467 0.37 0.72935207 0.45 0.69102577 0.31
* = 쇼핑 카트에 추가된 우유
표 9- 이동 평균 필요를 사용한 제5 소비자의 구매 경향
제5 소비자를 포함하는 예시에서, 일반적으로 현재 간격이 3.5일 이상이라면, 제5 소비자는 그들의 다음 구매에서 우유를 구매할 가능성이 높을 것이 추정될 수 있다. 현재 간격이 3.5일보다 작다면, 제5 소비자는 그들의 다음 구매에서 우유를 구매할 가능성이 낮을 것으로 추정될 수 있다. N 평균- 을 사용한 사용 패턴 알고리즘은 제5 소비자의 고유한 구매 패턴(즉, 단축 구매 간격)에 적응하기 위해 약 4번의 주기가 필요하다.
표 10의 값을 생성하는데 사용된 사용 패턴 알고리즘은 N 중앙 을 이용하거나, 또는 표 9에 나타난 바와 같이 10개의 구매 간격 동안 제5 소비자의 현재 필요를 서술한 “이동 중앙(moving median)”을 사용하였다. 표 10은 n=3, 5, 및 10인 경우 사용 패턴 알고리즘이 어떻게 동작하는지 나타낸다.
구매 간격(일수) N 간격
(“현재
필요”)		 이동
N 중앙 (n=3)		 P 우유,3 (구매 경향) 이동
N 중앙 (n=5)		 P 우유,5 (구매 경향) 이동
N 중앙 (n=10)		 P 우유,10 (구매 경향)
3 0.74299714 0.5 0.03 0.5 0.03 0.5 0.03
3.5 0.70710678 0.62149857 0.22 0.62149857 0.22 0.62149857 0.22
4 0.6729501 0.70710678 0.63* 0.70710678 0.63* 0.70710678 0.63*
4.5 0.64044334 0.70710678 0.73* 0.69002844 0.68* 0.69002844 0.68*
2.5 0.78070918 0.6729501 0.17 0.6729501 0.17 0.6729501 0.17
3 0.74299714 0.6729501 0.26 0.70710678 0.37 0.69002844 0.31
3.5 0.70710678 0.74299714 0.63* 0.70710678 0.50* 0.70710678 0.50*
3 0.74299714 0.74299714 0.50* 0.70710678 0.37 0.70710678 0.37
4 0.6729501 0.74299714 0.74* 0.74299714 0.74* 0.70710678 0.63*
3 0.74299714 0.70710678 0.37 0.74299714 0.50* 0.70710678 0.37
* = 쇼핑 카트에 추가된 우유
표 10 - 이동 중앙 필요를 사용한 제5 소비자의 구매 경향
표 9 및 10의 결과에 기초하면, 적어도 일부 경우에서, 평균 대신에 중앙 값을 사용하는 것은 4회에 비하여 약 3주기가 걸리므로, 사용 패턴 알고리즘이 제5 소비자의 고유한 사용 행동에 보다 신속하게 수렴하게 한다.
예시(6)
다음의 표(표11)는 ESR의 사용 패턴 컴포넌트가 제품의 상이한 수량인 비정상적인 구매를 고려한 사용 패턴 알고리즘을 어떻게 실시하는지 묘사한다. 표 11의 값을 생성하는데 사용된 사용 패턴 알고리즘은 N 평균 , 또는 총 15개의 구매 간격 동안 소비자의 현재 필요를 서술한 이동 평균을 이용하였다. 표 11은 n=3, 5, 및 10인 경우 사용 패턴 알고리즘이 어떻게 작동하는지를 나타낸다. 이 예시에서, 우유의 기본 반감기는 7일로 할당된다. 따라서, H 우유 는 약 0.9057이다(수학식(3) 참조).
구매 간격(일수) 수량/단위 N 간격
(“현재
필요”)		 이동
N 평균 (n=3)		 P 우유,3
(구매 경향)		 이동
N 평균 (n=5)		 P 우유,5 (구매 경향) 이동
N 평균 (n=10)		 P 우유,10 (구매 경향)
7 1 0.5 0.5 0.50* 0.5 0.50* 0.5 0.50*
7 1 0.5 0.5 0.50* 0.5 0.50* 0.5 0.50*
7 1 0.5 0.5 0.50* 0.5 0.50* 0.5 0.50*
7 1 0.5 0.5 0.50* 0.5 0.50* 0.5 0.50*
7 1 0.5 0.5 0.50* 0.5 0.50* 0.5 0.50*
7 0.5 0.5 0.5 0.50* 0.5 0.50* 0.5 0.50*
7 1 0.25 0.5 0.98* 0.5 0.98* 0.5 0.98*
7 1 0.5 0.416666667 0.22 0.4375 0.28 0.46875 0.38
7 1 0.5 0.416666667 0.22 0.4375 0.28 0.472222222 0.40
7 1 0.5 0.416666667 0.22 0.4375 0.28 0.472222222 0.40
7 1 0.5 0.5 0.50* 0.4375 0.28 0.472222222 0.40
7 2 1 0.5 0.00 0.5 0.00 0.472222222 0.00
7 0 0 0.666666667 0.99* 0.6 0.99* 0.527777778 0.99*
7 1 0.5 0.5 0.50* 0.5 0.50* 0.472222222 0.40
* = 쇼핑 카트에 추가된 우유
표 11 - 이동 평균 필요를 사용하여 수량을 고려한 구매 경향
이동 평균 필요를 사용한 사용 패턴 알고리즘은 (통상적인 1갤런에 비해) 단일 비정상 구매인 우유 0.5 갤런 구매를 설명하기 위해 몇몇 구매 간격(n=3인 경우 3개의 간격 및 n=10인 경우 5개의 간격)을 가진다. 그러나, 사용 패턴 알고리즘은 먼저 2갤런을 구매한 후 0갤런을 구매하는 2개의 비정상적인 주기가 연속된 이후, 신속하게 다시 수렴한다.
아래의 표 12의 값을 생성하는데 사용된 사용 패턴 알고리즘은 N 중앙 을 이용하거나, 또는 표 11에 나타난 바와 같이 15개의 구매 간격 동안 소비자의 현재 필요를 서술한 “이동 중앙(moving median)”을 사용하였다. 표 12는 n=3, 5, 및 10인 경우 사용 패턴 알고리즘이 어떻게 작동하는지 나타낸다.
구매 간격(일수) 수량/단위 N 간격
(“현재
필요”)		 이동
N 중앙 (n=3)		 P 우유,3 (구매경향) 이동 N 중앙 (n=5) P 우유,5 (구매 경향) 이동
N 중앙 (n=10)		 P 우유,10 (구매 경향)
7 1 0.5 0.5 0.50* 0.5 0.50* 0.5 0.50*
7 1 0.5 0.5 0.50* 0.5 0.50* 0.5 0.50*
7 1 0.5 0.5 0.50* 0.5 0.50* 0.5 0.50*
7 1 0.5 0.5 0.50* 0.5 0.50* 0.5 0.50*
7 1 0.5 0.5 0.50* 0.5 0.50* 0.5 0.50*
7 0.5 0.5 0.5 0.50* 0.5 0.50* 0.5 0.50*
7 1 0.25 0.5 0.98* 0.5 0.98* 0.5 0.98*
7 1 0.5 0.5 0.50* 0.5 0.50* 0.5 0.50*
7 1 0.5 0.375 0.13 0.5 0.50* 0.5 0.50*
7 1 0.5 0.5 0.50* 0.5 0.50* 0.5 0.50*
7 1 0.5 0.5 0.50* 0.5 0.50* 0.5 0.50*
7 2 1 0.5 0.00 0.5 0.00 0.5 0.00
7 0 0 0.5 0.99* 0.5 0.99* 0.5 0.99*
7 1 0.5 0.5 0.50* 0.5 0.50* 0.5 0.50*
7 1 0.5 0.5 0.50* 0.5 0.50* 0.5 0.50*
* = 쇼핑 카트에 추가된 우유
표12 - 이동 중앙 필요를 사용하여 수량을 고려한 구매 경향
이동 중앙 필요를 사용한 사용 패턴 알고리즘은 우유 0.5 갤런의 단일 비정상 구매와 거의 반응하지 않는다. N=3인 경우에만 (3주기 이후) 영향을 받는다. 또한, 사용 패턴 알고리즘은 먼저 2갤런을 구매한 후 0갤런을 구매하는 2개의 비정상 주기가 연속된 이후, 1개의 구매 간격 내에서 신속하게 다시 수렴한다.
예시(7)
다음의 표(표 13)는 ESR의 사용 패턴 컴포넌트가 구매된 제품의 수량의 체계적인 변화(systematic change)를 고려하는 사용 패턴 알고리즘을 어떻게 실시하는 지를 묘사한다. 표 13의 값을 생성하는데 사용된 사용 패턴 알고리즘은 N 평균 또는 총 15개의 구매 간격 동안 소비자의 현재 필요를 서술한 이동 평균을 이용하였다. 표 13은 n=3, 5, 및 10의 경우 사용 패턴 알고리즘이 어떻게 작동하는지 나타낸다. 이 예시에서, 우유의 기본 반감기는 7일로 할당된다. 따라서, H 우유 는 약 0.9057이다(수학식(3) 참조).
구매 간격(일수) 수량/단위 N 간격 (“현재 필요”) 이동
N 평균 (n=3)		 P 우유,3
(구매 경향)		 이동N 평균 (n=5) P 우유,5 (구매 경향) 이동
N 평균 (n=10)		 P 우유,10 (구매 경향)
7 1 0.5 0.5 0.50* 0.5 0.50* 0.5 0.50*
7 1 0.5 0.5 0.50* 0.5 0.50* 0.5 0.50*
7 1 0.5 0.5 0.50* 0.5 0.50* 0.5 0.50*
7 1 0.5 0.5 0.50* 0.5 0.50* 0.5 0.50*
7 1 0.5 0.5 0.50* 0.5 0.50* 0.5 0.50*
7 1 0.5 0.5 0.50* 0.5 0.50* 0.5 0.50*
7 2 0.5 0.5 0.50* 0.5 0.50* 0.5 0.50*
7 2 1 0.5 0.00 0.5 0.00 0.5 0.00
7 2 1 0.666666667 0.01 0.6 0.00 0.555555556 0.00
7 2 1 0.833333333 0.08 0.7 0.01 0.6 0.00
7 2 1 1 0.50* 0.8 0.05 0.65 0.01
7 2 1 1 0.50* 0.9 0.18 0.7 0.01
7 2 1 1 0.50* 1 0.50* 0.75 0.02
7 2 1 1 0.50* 1 0.50* 0.8 0.05
* = 쇼핑 카트에 추가된 우유
표 13 - 이동 평균 필요를 사용하여 수량을 고려한 구매 경향
예시(6)와 같이, 이동 평균 필요를 사용한 사용 패턴 알고리즘은 구매된 우유의 새로운 수량에 적응하기 위해 몇몇 구매 간격(n=3인 경우 3개의 간격, 그리고 n=10인 경우 적어도 7개의 간격)을 필요로 한다.
아래의 표 14의 값을 생성하는데 사용된 사용 패턴 알고리즘은 N 중앙 을 이용하거나, 또는 표 14에 나타난 바와 같이 15개의 구매 간격 동안 제5 소비자의 현재 필요를 서술한 “이동 중앙”을 사용하였다. 표 14는 n=3, 5, 및 10인 경우 사용 패턴 알고리즘이 어떻게 작동하는지 나타낸다.
구매 간격
(일수)		 수량/단위 N 간격 (“현재
필요”)		 이동 N 중앙 (n=3) P 우유,3
(구매 경향)		 이동
N 중앙 (n=5)		 P 우유,5
(구매 경향)		 이동
N 중앙 (n=10)		 P 우유,10
(구매 경향)
7 1 0.5 0.5 0.50* 0.5 0.50* 0.5 0.50*
7 1 0.5 0.5 0.50* 0.5 0.50* 0.5 0.50*
7 1 0.5 0.5 0.50* 0.5 0.50* 0.5 0.50*
7 1 0.5 0.5 0.50* 0.5 0.50* 0.5 0.50*
7 1 0.5 0.5 0.50* 0.5 0.50* 0.5 0.50*
7 1 0.5 0.5 0.50* 0.5 0.50* 0.5 0.50*
7 2 0.5 0.5 0.50* 0.5 0.50* 0.5 0.50*
7 2 1 0.5 0.00 0.5 0.00 0.5 0.00
7 2 1 0.5 0.00 0.5 0.00 0.5 0.00
7 2 1 1 0.50* 0.5 0.00 0.5 0.00
7 2 1 1 0.50* 1 0.50* 0.5 0.00
7 2 1 1 0.50* 1 0.50* 0.5 0.00
7 2 1 1 0.50* 1 0.50* 0.75 0.02
7 2 1 1 0.50* 1 0.50* 1 0.50*
7 1 0.5 1 0.50* 1 0.50* 1 0.50*
* = 쇼핑 카트에 추가된 우유
표 14-이동 중앙 필요를 사용하여 수량을 고려한 구매 경향
이동 평균 필요와 대조적으로 이동 중앙 필요를 사용한 사용 패턴 알고리즘은 새로운 제품 수량을 설명하기 위해 보다 적은 간격: n=3인 경우 (3개와 대조적인) 2개의 구매 간격에서 n=10인 경우 (적어도 7개와 대조적인) 6개의 구매 간격을 가진다.
따라서, 상기 예시적인 실시예에서 위에서 서술된 다양한 예시를 모두 고려하면, ESR의 사용 패턴 컴포넌트에 의해 실시된 바와 같은 사용 패턴 알고리즘은 N중앙을 이용하였고, n=5이다. 대안적인 실시예에서, 다른 N 및/또는 n 값이 이용될 수 있다. 대안적으로 또는 추가적으로, 사용 패턴 알고리즘은 사용자 입력(예: 사용자가 수동으로 카트에서 추가 또는 제거한 물품)에 응답하여 다른 N 및/또는 n 값을 이용할 수 있다.
본 명세서에 서술된 방법 및 시스템은 컴퓨터 소프트웨어, 펌웨어, 하드웨어, 또는 이들의 임의의 조합 또는 서브셋을 포함하는 컴퓨터 프로그래밍 또는 엔지니어링 기술을 사용하여 실시될 수 있다. 이 시스템에 의해 해결될 수 있는 기술적 문제 중 적어도 하나는 다음을 포함한다: (i) 가상 쇼핑 기능이 부족한 기존의 스마트 냉장고; (ii) 사용자가 가상 쇼핑 카트에 추가할 모든 제품을 수동으로 검색해야 하는 온라인 쇼핑 시스템에서의 불편함; (iii) 사용자가 가상 쇼핑 카트를 수동으로 탐색하고 채우는 데 필요한 처리 요구 사항의 증가.
본 명세서에 서술된 시스템 및 방법의 기술적 효과는 다음의 단계들 중 적어도 하나를 수행함으로써 달성된다: (a) 구매 로그를 메모리 내에 저장하는 단계 - 상기 구매 로그는 타겟 제품의 구매 내역을 포함함; (b) 상기 타겟 제품의 구매 내역에 기초하여 상기 타겟 제품의 가장 최근의 배달 날짜와 상기 타겟 제품의 제안된 다음 배달 날짜 사이의 현재 간격을 결정하는 단계; (c) 상기 타겟 제품의 현재 간격 및 구매 내역에 기초하여 상기 타겟 제품의 구매 경향을 계산하는 단계; 및/또는 (d) 상기 구매 경향이 제1 기준을 충족시키는 경우, 타겟 제품의 구매를 위하여 당사자에 대한 제출을 위해 타겟 제품을 가상 쇼핑 카트에 자동으로 추가하는 단계.
달성된 기술적 효과는 (i) 온라인 쇼핑 기능이 포함된 향상된 스마트 냉장고 제공; 및 (ii) 상기 향상된 스마트 냉장고는 소비자의 가상 쇼핑 카트를 자동으로 미리 채우는 예측 알고리즘을 적용하는 사용 패턴 컴포넌트를 포함하고, 소비자의 시간 및 노력을 절약할 뿐만 아니라, 가상 쇼핑 시스템을 통해 증가된 시간 및 불필요한 사용자 질의에 대한 처리 요구를 최소화한다.
본 명세서에서 언급된 가상 쇼핑 시스템이 사용자에 관한 개인 정보를 수집하거나 개인 정보를 사용할 수 있는 상황에서, 사용자는 프로그램 또는 기능이 사용자 정보를 수집하는지 여부를 제어하는 기회를 제공 받을 수 있다. 나아가, 특정 데이터는 저장되거나 사용되기 전에, 개인 식별 정보가 제거되도록, 하나 이상의 방식으로 취급될 수 있다. 예를 들어, 사용자의 신원이 개인 식별 정보가 사용자를 위해 결정되지 않도록 처리되거나 또는 사용자의 특정 위치가 결정되지 않도록 사용자의 지리적 위치는 위치 정보가 획득된 곳 (예: 도시, 우편 번호 또는 주 수준)으로 일반화될 수 있다. 따라서, 사용자는 정보가 사용자에 대해 어떻게 수집되고 가상 쇼핑 시스템에 의해 어떻게 사용되는지에 대한 제어를 가질 수 있다.
일 실시예에서, 컴퓨터 프로그램이 제공되며, 상기 프로그램은 컴퓨터 판독 가능 매체 상에 구현된다. 일 예시적인 실시예에서, 상기 가상 쇼핑 시스템은 서버 컴퓨터에 연결될 필요 없이 단일 컴퓨터 시스템상에서 실행된다. 다른 예시적인 실시예에서, 상기 시스템은 Windows® 환경에서 실행된다 (Windows는 Microsoft Corporation, Redmond, Washington의 등록 상표이다). 또 다른 실시예에서, 상기 시스템은 메인 프레임 환경 및 UNIX® 서버 환경에서 실행된다 (UNIX는 뉴욕 주 뉴욕에 위치한 AT & T의 등록 상표이다. 이 애플리케이션은 유연하고 주요 기능을 손상시키지 않으면서 다양한 환경에서 실행되도록 설계되었다. 일부 실시예에서, 상기 가상 쇼핑 시스템은 복수의 컴퓨팅 장치 사이에 분산된 다수의 컴포넌트를 포함한다. 하나 이상의 컴포넌트는 컴퓨터 판독 가능 매체에 구현된 컴퓨터 실행 가능 명령어의 형태일 수 있다. 상기 시스템 및 프로세스는 본 명세서에 서술된 특정 실시예에 한정되지 않는다. 나아가, 각 시스템 및 각 프로세스의 컴포넌트는 독립적으로 실행될 수 있으며 본 명세서에 서술된 다른 컴포넌트 및 프로세스로부터 분리될 수 있다. 각 컴포넌트 및 프로세스는 다른 어셈블리 패키지 및 프로세스와 조합하여 사용할 수도 있다.
다음의 상세한 설명은 한정으로서가 아닌 예시적인 것으로서 본 발명의 실시예를 설명한다. 본 출원은 산업, 상업 및 주거 애플리케이션에서 구매 패턴을 처리하는 일반적인 애플리케이션을 갖는 것으로 고려된다.
본 명세서에 사용된 바와 같이, 단수로 인용되고 하나의("a"또는 "an")라는 단어가 선행된 컴포넌트 또는 단계는 복수의 요소 또는 단계의 제외가 명시적으로 인용되지 않는 한, 복수의 요소 또는 단계를 제외하지 않는 것으로 이해되어야 한다. 또한, 본 발명의 "예시적인 실시예" 또는 "일 실시예"에 대한 언급은 인용된 특징을 포함하는 부가적인 실시예의 존재를 제외하는 것으로 의도되지 않는다.
도 1은 사용 패턴 기능을 갖는 향상된 스마트 냉장고(ESR)(102)를 포함한 가상 쇼핑 시스템(100)의 블록도이다. 가상 쇼핑 시스템(100)은 또한 ESR(102)과 통신하는 머천트 컴퓨팅 장치(104)를 포함한다. ESR(102)은 도 1에서 스마트 냉장고에 구현되는 것으로 묘사된다. 그러나, 하나 이상의 대안적인 실시예에서, ESR(102)은 다른 스마트 가전기기(예: 오븐, 전자레인지 등) 및/또는 컴퓨팅 장치 상에서 구현될 수 있다. 상기 컴퓨팅 장치는 “스마트 주방(smart kitchen)”(예: 스마트 폰, 태블릿, 데스크 탑, 랩탑 및/또는 전용 “스마트 홈” 컴퓨팅 장치)에 통합된 컴퓨팅 장치 및/또는 “스마트 주방”의 하나 이상의 컴포넌트와 통신하는 컴퓨팅 장치이다. ESR(102)은 아래에서 보다 상세하게 서술되는 바와 같이, 다양한 문제에 대한 정보를 포함하는 데이터베이스(메모리)(108)에 연결된 프로세서(106)를 포함한다. 임의의 대안적인 실시예에서, 데이터베이스(108)는 ESR(102)로부터 원격으로 저장되고 비-집중화(non-centralized)될 수 있다.
ESR(102)은 ESR(102)과의 사용자 상호 작용을 용이하게 하는 사용자 인터페이스(110)를 더 포함한다. 예를 들어, 사용자 인터페이스(110)는 사용자가 정보를 ESR(102)에 입력하고, ESR(102)가 사용자에게 결과를 (예를 들어, 사용자 인터페이스(110)의 표시 장치 상에서) 출력하게 한다. ESR(102)은, ESR(102)이 사용자 인터페이스(110)를 통해 사용자에게 온라인 쇼핑 기능을 제공하기 위해 인터넷에 연결되도록 구성된다. 묘사된 실시예에서, ESR(102)은 앞면 또는 앞벽(front wall)(120) 및 적어도 2개의 측면 또는 측벽(도 1에는 그 중 하나만 도시됨)을 포함한다. 앞벽(120)은 제1 도어(124) 및 제2 도어(126)를 포함한다. 제1 도어(124)는 냉장 구역(미도시)에 대한 도어일 수 있고, 제2 도어(126)는 ESR(102)의 냉동 구역(미도시)에 대한 도어일 수 있다. 보다 적은 도어 또는 보다 많은 도어, 힌지 도어(hinges doors) 대신에 서랍 면(drawer faces) 등을 포함한 다양한 다른 도어 구성이 본 출원의 범위 내에서 고려되는 것으로 이해되어야 한다. 예를 들어, ESR (102)은 2개의 "프렌치 도어(French doors)"와 냉동 서랍을 특징으로 하는 3 도어 구성을 포함할 수 있다.
제1 도어(124) 및 제2 도어(126) 중 적어도 하나는 도어에 내장된 모니터(128)를 포함한다. 모니터(128)는 사용자 인터페이스(110)로 기능하고, 터치 스크린 기능을 포함할 수 있다. 일부 실시예에서, 모니터(128)는 측벽(122) 중 하나에 내장될 수 있다. 더욱이, 일부 실시예에서, ESR(102)은 하나 이상의 모니터(128) 및/또는 다른 입/출력 컴포넌트(예: 키보드)를 포함할 수 있다.
예시적인 실시예에서, 머천트 컴퓨팅 장치(104)는 머천트(미도시)에 연관된다. ESR(102)은, 예를 들어 사용자가 머천트의 가상 머천트 능력에 액세스하기 위해, 사용자 인터페이스(110)를 통해 머천트 컴퓨팅 장치(104)로의 액세스를 용이하게 한다. ESR(102)은 머천트 컴퓨팅 장치(104)를 액세스하여 데이터(예: 머천트에 연관된 제품 카탈로그) 및/또는 머천트의 가상 머천트 능력(예: 머천트의 온라인 상점)을 액세스할 수 있다. 예시적인 실시예에서, 머천트 컴퓨팅 장치(104)는 웹 브라우저 또는 소프트웨어 애플리케이션을 포함하며, 이는 ESR(102)이 머천트의 온라인 상점을 액세스하게 한다. 보다 구체적으로, ESR(102) 및/또는 머천트 컴퓨팅 장치(104)는 인터넷, 근거리 통신망(LAN) 및/또는 광역 통신망(WAN, wide area network), 통합 서비스 디지털 네트워크(ISDN, integrated services digital network), 다이얼-인 연결(dial-in connections), 디지털 가입자 회선(DSL, digital subscriber line), 휴대 전화 연결, 및 케이블 모델과 같은 네트워크 중 적어도 하나를 포함한 인터넷에 많은 인터페이스를 통해 통신 가능하게 연결될 수 있다. 따라서, 일 실시예에서 머천트 컴퓨팅 장치(104)는 POS (point-of-sale) 장치, 예컨대 노트북 컴퓨터, 웹 기반 전화, 휴대 정보 단말기(PDA), 또는 다른 웹-연결 가능한 장비와 같은 모바일 컴퓨팅 장치를 포함하는 인터넷에 상호 연결할 수 있는 임의의 장치일 수 있다. 단 하나의 머천트 컴퓨팅 장치(104)만이 명확성을 위해 도 1에 도시되어 있지만, ESR(102)은 임의의 개수의 머천트 컴퓨팅 장치(104)와 통신할 수 있는 것으로 이해되어야 한다.
따라서, 사용자는 가상 쇼핑 카트에 제품을 추가하고 체크 아웃 과정을 진행함으로써, 식료품, 건강 관리 물품 및 다른 가정용 제품의 구매와 같은, 머천트 컴퓨팅 장치(104)로부터 사용자 인터페이스(110)를 통한 구매를 할 수 있다. 사용자는, 예를 들어 데이터베이스(108)에서, ESR(102)에 의해 저장될 수 있는 제품 카탈로그로부터 어떤 제품을 구매할 것인지를 결정할 수 있거나, 머천트 컴퓨팅 장치(104)에 의해 (중앙에서 또는 예를 들어 데이터베이스(108)에서) 어떤 제품이 저장 및/또는 관리되는 지를 선택할 수 있다. 상기 제품 카탈로그는 어떤 제품이 판매를 위한 것인지, 그 물품의 원가, 이들을 이용할 수 있는 머천트(들), 및/또는 이용 가능한 수량을 포함한다. 제품 카탈로그는 계층적 온톨로지에 따라 제품을 카탈로그화할 수 있어 제품이 사용자에 의해 쉽게 탐색되거나 유사 제품으로 그룹화될 수 있다. 또한, 제품 카탈로그는 위에서 서술한 바와 같이 각 제품의 기본 반감기가 포함될 수 있다. 기본 반감기는 ESR(102) 및/또는 머천트 컴퓨팅 장치(104)에 의해 각 제품에 할당될 수 있다.
ESR(102)은 사용자 인터페이스(110) 상에서 이루어진 사용자의 구매들의 구매 로그를 저장하도록 구성된다. ESR(102)은 예를 들어 데이터베이스(108)에 구매 로그를 저장할 수 있다. 상기 구매 로그는 하나 이상의 타겟 제품의 구매 내역을 포함할 수 있다. 보다 구체적으로, 구매 내역은 어떤 제품이 구매되었는지, 언제 제품이 구매되었는지(예: 특정 날짜, 요일, 시간대 등), 어떤 머천트(들)로부터 구매되었는지, 그리고 구매된 각 제품의 수량을 상세하게 설명할 수 있다. 사용자가 사용자 인터페이스(110)를 사용하여 구매를 계속함에 따라, ESR(102)은 순차적 구매들 사이의 구매 간격 또는 일수 (또는 시간, 분, 주 등)를 기록한다. 구매 간격은 각 사용자의 제품 사용 및 구매 행동을 특징적으로 규정하는데 사용된다. 본 출원에서 더 서술된 바와 같이, ESR(102)은 사용자의 고유한 사용 행동에 따라, 기본 반감기에 기초하여 복수의 구매 간격 중 각각의 간격 동안 제품에 대한 내역 필요(historical need)를 계산하도록 구성된다. 기본 반감기는 "초기 필요”를 계산하기 위한 초기 시작점으로 사용되지만 사용자의 실제 사용 행동에 따라 이어지는 계산에서 신속하게 무효화된다.
ESR(102)은 사용자가 가장 최근의 구매 날짜와 제안된 다음 구매 날짜 사이의 제품을 사용했는지 여부를 (그 특정 사용자에 대한 내역 필요 및 구매 간격에 기초하여) 결정하기 위해 저장 및/또는 계산된 데이터를 사용하도록 더 구성된다. ESR(102)은 사용 패턴 알고리즘을 실행하는 사용 패턴 컴포넌트(112)를 포함하는데, 이 사용 패턴 알고리즘의 출력은 구매 경향으로서, 상기 구매 경향은 사용자가 다음 구매 동안 아이템을 구매할 가능성이 있는지를 - 다시 말해 사용자가 제품을 소비한 상태이고 그것을 다시 필요로 하는 지를 설명한다. 구매 경향이 특정 기준을 만족한다면 (예: ESR(102) 및/또는 사용자가 설정할 수 있는 특정 임계치를 충족하거나 초과하는 경우), ESR(102)은 사용자가 사용자 인터페이스(110)를 통해 액세스할 수 있는 사용자의 가상 쇼핑 카트에 제품을 자동으로 추가한다. 사용 패턴 컴포넌트(112)는 프로세서(106)의 실행 가능 모듈 및/또는, ESR(102)에 통합 및/또는 ESR(102)에 연결된, 개별 컴포넌트로서 구현될 수 있다.
ESR(102)은 연관된 머천트로부터 가상 쇼핑 카트에 추가된 제품의 이용 가능성을 결정하기 위해 머천트 컴퓨팅 장치(104)를 액세스하도록 더 구성될 수 있다. ESR(102)이 제품이 이용 가능하지 않다고 결정한다면, ESR(102)은 가상 쇼핑 카트로부터 제품을 제거하고, 상이한 브랜드 또는 유사한 제품인 대체 제품을 가상 쇼핑 카트에 추가하도록 구성될 수 있다. ESR(102)은, 사용자가 대체 제품을 구매하는 것에 동의하거나 대체 제품을 가상 쇼핑 카트에서 제거할 수 있도록, 대체 제품을 추천 또는 강조된 물품으로 가상 쇼핑 카트에 추가하도록 구성될 수 있다.
도 2는 도 1에 도시된 사용 패턴 기능을 갖는 ESR(102)의 예시적인 실시예의 블록도이다. 도 2에 도시된 ESR(102)의 컴포넌트는 다른 스마트 가전기기, 사용자 컴퓨팅 장치 또는 모바일 컴퓨팅 장치(예: 스마트 폰, 태블릿, 랩탑, 데스크 탑, “웨어러블”, 등), 및/또는 스마트 주방 또는 스마트 홈(예: “스마트 허브 홈”)에 통합된 전용 컴퓨팅 장치를 포함하나, 이에 제한되진 않는 스마트 냉장고가 대안적인 컴퓨팅 장치에 구현될 수 있는 것으로 이해되어야 한다. ESR(102)은 사용자(200)에 의해 동작된다. ESR(102)은 명령어를 실행하는 프로세서(205)를 포함한다. 프로세서(205)는 (도 1에 도시된) 프로세서(106)와 유사할 수 있다. 일부 실시예에서, 실행 가능한 명령어는 메모리 영역(210)에 저장된다. 프로세서(205)는 (예를 들어 멀티 코어 구성에) 하나 이상의 처리부를 포함할 수 있다. 메모리 영역(210)은 실행 가능한 명령어 및/또는 저장되거나 검색되는 트랜잭션 데이터와 같은 정보를 허용하는 임의의 장치이다. 메모리 영역(210)은 하나 이상의 컴퓨터 판독가능 매체를 포함할 수 있다. 프로세서(205)는 본 출원의 측면들을 실시하는 컴퓨터 실행 가능한 명령어를 실행한다. 일부 실시예에서, 프로세서(205)는 컴퓨터 실행 가능한 명령어를 실행함으로써 또는 달리 프로그래밍됨으로써 특수한 목적의 마이크로프로세서로 변형된다. 예를 들어, 프로세서(205)는 도 4에 묘사된 바와 같은 명령어로 프로그래밍된다.
ESR(102)은 또한 사용자(200)에게 정보를 제공하는 적어도 하나의 미디어 출력 컴포넌트(215)를 포함한다. 미디어 출력 컴포넌트(215)는 사용자(200)에게 정보를 운반할 수 있는 임의의 컴포넌트이다. 일부 실시예에서, 미디어 출력 컴포넌트(215)는 비디오 어댑터 및/또는 오디오 어댑터와 같은 출력 어댑터(미도시)를 포함한다. 출력 어댑터는 프로세서(205)에 동작 가능하게 연결되고, 디스플레이 장치(예를 들어, 액정 디스플레이(LCD), 유기 발광 다이오드(OLED, organic light emitting diode) 디스플레이, 또는 “전자 잉크(electronic ink)” 디스플레이)와 같은 표시 장치 또는 오디오 출력 장치(예: 스피커 또는 헤드폰)에 동작 가능하게 연결될 수 있다.
일부 실시예에서, 미디어 출력 컴포넌트(215)는 그래픽 사용자 인터페이스(예: 웹 브라우저 및/또는 클라이언트 애플리케이션)을 사용자(200)에게 제공하도록 구성된다. 그래픽 사용자 인터페이스는 예를 들어 가상 쇼핑 카트로부터 물품을 보고 및/또는 구매하기 위한 온라인 상점 인터페이스를 포함할 수 있다. 미디어 출력 컴포넌트(215)는 (도 1에 미도시된) 모니터(128)를 포함할 수 있다.
일부 실시예에서, ESR(102)은 사용자(200)로부터 입력을 수신하는 입력 장치(220)를 포함한다. 사용자(200)는 구매하기 위한 하나 이상의 물품 및/또는 구매 요청을 선택 및/또는 입력하기 위해, 및/또는 가상 쇼핑 카트를 편집하기 위해 입력 장치(200)를 사용할 수 있으나, 이에 제한되진 않는다. 입력 장치(220)는 예를 들어, 키보드, 포인팅 장치, 마우스, 스타일러스(stylus), 터치 감지 패널(예를 들어, 터치 패드 또는 터치 스크린), 자이로스코프, 가속도계, 위치 탐지기, 및/또는 오디오 입력 장치를 포함할 수 있다. 터치 스크린(예: 모니터(128))과 같은 단일 컴포넌트는 미디어 출력 컴포넌트(215)의 출력 장치 및 입력 장치(220) 모두로 기능할 수 있다.
ESR(102)은 또한 (도 1에 도시된) 머천트 컴퓨팅 장치(104) 및/또는 데이터베이스(108)와 같은 원격 장치에 통신 가능하게 연결 가능한 통신 인터페이스(225)를 포함할 수 있다. 통신 인터페이스(225)는 예를 들어, 유선 또는 무선 네트워크 어댑터, 또는 모바일 폰 네트워크(예를 들어, GSM(Global System for Mobile communications), 3G, 4G 또는 블루투스) 또는 다른 모바일 데이터 네트워크(예를 들어, WIMAX(Worldwide Interoperability for Microwave Access))와 사용하기 위한 무선 데이터 송수신기를 포함할 수 있다.
메모리 영역(410)에 저장되는 것은 예를 들어, 미디어 출력 컴포넌트(215)를 통해 사용자(200)에게 사용자 인터페이스(예: 도 1에 도시된 사용자 인터페이스(110))를 제공하고, 선택적으로 입력을 입력 장치(220)로부터 수신 및 처리하기 위한 컴퓨터 판독 가능 명령어들이다. 사용자 인터페이스는 다른 가능성 중에서도 웹 브라우저 및/또는 클라이언트 애플리케이션을 포함할 수 있다. 웹 브라우저는 사용자(200)와 같은 사용자가 ESR(102) 및/또는 머천트 컴퓨팅 장치(104)로부터의 웹 페이지 또는 웹 사이트 상에 통상적으로 구현된 미디어 및 다른 정보를 표시하고 상호 작용할 수 있게 한다. 클라이언트 애플리케이션은 사용자(200)가 예를 들어 머천트에 연관된, 서버 애플리케이션과 상호 작용하게 한다. 클라이언트 애플리케이션은 사용자(200)가 예를 들어 ESR(102) 및/또는 머천트 컴퓨팅 장치(104)와 상호 작용하게 한다. 예를 들어, 명령어가 클라우드 서비스에 의해 저장될 수 있고, 상기 명령어의 실행의 출력은 미디어 출력 컴포넌트(215)로 송신된다.
프로세서(205)는 또한 저장 장치(230)에 동작 가능하게 연결된다. 저장 장치(230)는 데이터베이스(108)에 연관된 데이터와 같은 데이터, 그러나 이에 제한되지 않는 데이터를 저장 및/또는 검색하기 위해 적합한 임의의 컴퓨터 동작 하드웨어(computer-operated hardware)이다. 일부 실시예에서, 저장 장치(230)는 ESR(102)에 통합된다. 예를 들어, 저장 장치(230)는 SAN(storage area network) 및/또는 NAS(network attached storage) 시스템, 및/또는 RAID(redundant array of inexpensive disks) 구성에 하드 디스크 및/또는 솔리드 스테이트 디스크와 같은 다수의 저장부를 포함할 수 있다.
일부 실시예에서, 프로세서(205)는 저장 인터페이스(235)를 통해 저장 장치(230)에 동작 가능하게 연결된다. 저장 인터페이스(235)는 저장 장치(230)에 대한 액세스를 프로세서(205)에 제공할 수 있는 임의의 컴포넌트다. 저장 인터페이스(235)는, 예를 들어 ATA(Advanced Technology Attachment) 어댑터, SATA(Serial ATA) 어댑터, SCSI(Small Computer System Interface) 어댑터, RAID 컨트롤러, SAN 어댑터, 네트워크 어댑터 및/또는 저장 장치(230)에 대한 액세스를 프로세서(205)에 제공하는 임의의 컴포넌트를 포함할 수 있다.
도 3은 도 2에 도시된 향상된 스마트 냉장고(ESR)에 의해 자동으로 채워지는 가상 쇼핑 카트(300)의 예시적인 실시예이다. 위에서 서술한 바와 같이, ESR(102)은 가상 쇼핑 카트(300) 및 ESR(102)에 연관된 특정 사용자의 사용 행동에 따라 가상 쇼핑 카트(300)를 자동으로 채우도록 구성된다. 상기 예시적인 실시예에서, 가상 쇼핑 카트(300)는 제품(A-G)으로 라벨링된 5개의 제품으로 채워진다. 각 물품의 수량 또한 표시된다. 예를 들어, 제품(C)의 수량은 2이다. ESR(102)은, 사용자가 제품(C) 2개를 자주 또는 항상 구매하는, 사용자에 의한 복수의 구매를 기록할 수 있다. ESR(102)은 제품의 적절한 수량을 가상 쇼핑 카트(300)에 자동으로 추가하도록 구성된다.
상기 예시적인 실시예에서, 제품(A) 및 제품(B)은 강조된 지역 또는 “필요한 제품”(302)에 도시된 반면, 제품(C, D 및 E)은 강조되지 않은 지역 또는 “제안 제품” 지역(304)에 도시되며, 그리고 제품(F 및 G)은 “새로운 제품” 지역(306)에 도시된다. ESR(102)은 사용 패턴 알고리즘의 출력, 또는 각 물품에 대한 구매 경향에 따라, 및/또는 카트 채움 알고리즘의 출력에 따라 쇼핑 카트(300)를 자동으로 채우도록 구성된다. 상기 카트 채움은 본 명세서에서 서술된 바와 같이 지역(302, 304, 및 306) 중 어느 지역에 제품을 채울지 결정하기 위해 글로벌 구매 가능성을 이용한다. 구매 경향은 소비자가 그들의 다음 체크 아웃 동안 제품을 구매할지 구매하지 않을 지에 대한 가능성을 특징적으로 규정짓는 값이다. 일 실시예에서, 제품에 대한 구매 경향이 제1 기준을 충족한다면(예를 들어, 특정 임계치를 충족하거나 초과한다면), ESR(102)은 가상 쇼핑 카트에 제품을 추가한다.
일 실시예에서, ESR(102)은 제품에 대한 구매 경향이 제1 기준 및 제2 기준을 충족한다면 가상 쇼핑 카트(300)의 필요한 제품 지역(302)에 제품을 추가하도록 구성된다. 예를 들어, 제1 기준이 0.5인 제1 임계 구매 경향이라면, ESR(102)은 계산된 구매 경향이 0.5 이상인 지역에 임의의 제품을 자동으로 추가할 수 있다. 제2 기준은 0.6 또는 0.7인 제2 구매 경향일 수 있으며, 이는, 사용자가 제품을 구매할 가능성이 매우 높음을 나타낸다. ESR(102)은 제1 임계 구매 경향 및 제2 임계구매 경향 모두를 충족하거나 초과하는 제품을 가상 쇼핑 카트(300)의 강조된 지역(302)에 추가하도록 구성될 수 있다. ESR(102)은 제1 임계 구매 경향만을 충족하거나 초과하는 제품을 가상 쇼핑 카트(300)의 강조되지 않은 지역(304)에 추가할 수 있다. 다른 예시와 같이, 제2 기준은 구매의 백분율 또는 비율(fraction)과 같은, 제품을 포함한 구매 빈도(예: 사용자가 그들의 구매 중 90%에서 제품을 구매하는 것)일 수 있다. ESR(102)은 제1 기준 및 제2 기준을 모두 충족하는 (즉, 사용/필요 및 구매 빈도에 기초하면 구매 가능성이 높은) 제품을 가상 쇼핑 카트(300)의 강조된 지역에 추가하도록 구성될 수 있다.
다른 실시예에서, ESR(102)은 카트 채움 알고리즘의 출력(위에서 나타난 수학식(6))이 필요한 제품 지역(302)에 대해 정의된 임계치를 충족하는 경우 가상 쇼핑 카트(300)의 필요한 제품 지역(302)에 제품을 추가하도록 구성된다. 필요한 제품 지역(302)에 대해 정의된 카트 채움 알고리즘의 임계 출력(“점수”)은 적어도 한 번 소비자에 의해 구매되었던 임의의 제품에 대한, 0.5와 같은, 상수일 수 있다. 따라서, 0.5 이상의 점수를 갖는 임의의 제품은 필요한 제품 지역(302)에 추가될 수 있다. ESR(102)은 카트 채움 알고리즘의 출력이 제안된 제품 지역(304)에 대해 정의된 임계치를 충족하는 경우 가상 쇼핑 카트(300)의 제안된 제품 지역(304)에 제품을 추가하도록 더 구성될 수 있다. 제안된 제품 지역(304)에 추가된 제품은 소비자가 제1 제안된 배달 날짜 또는 다음 다가오는 배달 날짜까지는 필요하지 않지만, 제2 제안된 배달 날짜, 또는 제1 제안된 날짜 이후 다음 다가오는 배달 날짜까지는 필요할 가능성이 높은 제품일 수 있다. 제안된 제품 지역(304)에 대한 임계치는 필요한 제품 지역(302)에 추가되기 위한 임계치를 충족하지 않으면서, 카트 채움 알고리즘으로부터의 상위 점수들을 갖는 (예를 들어, 0.4 내지 0.49인 점수를 갖는) 제품의 일정 수(예: 5, 10, 또는 15)일 수 있다.
ESR(102)은 새로운 제품, 또는 ESR(102)을 사용하기 이전에 소비자가 구매하지 않았던 제품을 구매하도록 소비자에게 메시지를 표시하도록 더 구성될 수 있다. 위에서 서술된 바와 같이, 사용 패턴 알고리즘 및 카트 채움 알고리즘에서 이전에 구매되지 않은 제품에 대한 기본 반감기 및 현재 간격을 사용하여, ESR(102)은 상수(예: 0.5)인, 새로운 제품 지역(306)에 대한 임계 점수를 정의하고, 임계 점수를 충족하는 제품의 최대 개수를 새로운 제품 지역(306)에 추가할 수 있다.
가상 쇼핑 카트(300)는 또한 각 제품에 연관된 “편집” 옵션(308)을 포함한다. 사용자는 가상 쇼핑 카트(300)에서 특정 제품을 편집하기 위해 편집 옵션(308)을 선택할 수 있다. 예를 들어, 사용자는 사용자가 제품을 구매하길 원치 않는 경우 연관된 제품을 가상 쇼핑 카트(300)에서 제거할 수 있다. 사용자는 그들이 구매를 원하는 제품의 수량을 편집하거나, 또는 필요한 제품 지역(302)에서 제안된 제품 지역(304)으로, 새로운 제품 지역(306)에서 필요한 제품 지역(302)으로, 및/또는 임의의 다른 제품 이동으로 제품을 이동시킬 수 있다. ESR(102)은 사용 패턴 알고리즘을 각 제품에 대한 사용자의 지정 사용 패턴으로 개선 및/또는 카트 채움 알고리즘을 개선하기 위해, 편집 옵션(308)과의 상호 작용과 같은, 사용 패턴 알고리즘 가상 쇼핑 카트(300)와의 사용자 상호 작용을 사용하도록 구성된다. 가상 쇼핑 카트(300)는 사용자가 가상 쇼핑 카트(300) 내 하나 이상의 아이템을 구매하는 머천트에 의해 지시 받은 대로 체크 아웃 과정을 시작하기 위한 “구매” 옵션(310)을 더 포함한다. 예시적인 실시예에서, 구매 옵션(310)을 선택하는 것은 필요한 제품 지역(302) 내 모든 물품의 구매를 시작하지만, 제안된 제품 지역(304) 또는 새로운 제품 지역(306) 중 어느 곳에서 물품의 구매를 시작하지 않는다. 다른 실시예에서, 구매 옵션(310)을 선택하는 것은 필요한 제품 지역(302) 내 물품의 구매를 시작할 수 있고, 제안된 제품 지역(304) 및 새로운 제품 지역(306) 중 하나 또는 모두에서 제품을 구매하도록 사용자에게 메시지를 표시할 수 있다.
도 4는 도 1에 도시된 가상 쇼핑 시스템(100)을 사용하여 소비자 사용 행동에 기초한 가상 쇼핑 카트를 자동으로 채우는 방법(400)의 흐름도이다. 방법(400)은 ESR(102)에 의해 도 1에 도시된 바와 같이 실시될 수 있다. 방법(400)은 구매 로그를 메모리(예: 도 1에 도시된 데이터베이스(108))에 저장하는 단계(402)를 포함한다. 구매 로그는 적어도 하나의 제품의 구매 복수 회를 포함하고 상기 복수의 구매의 각 구매 날짜를 포함한다. 방법(400)은 또한 제품 카탈로그를 메모리에 저장하는 단계(404)를 포함한다. 제품 카탈로그는 적어도 하나의 제품을 포함한 제품 복수 개를 포함하며, 복수 개의 제품 중 각각의 제품은 할당된 기본 반감기를 가진다. 위에서 서술된 바와 같이, 기본 반감기는 ESR(102)에 의해 할당될 수 있다.
방법(400)은 구매 로그를 사용하여 복수 개의 구매 간격을 결정하는 단계(406)를 더 포함하며, 상기 복수 개의 구매 간격은 복수의 구매 중 순차적인 구매들 간의 간격이다. 방법(400)은 또한 복수의 구매 간격 중 각각 동안 적어도 하나의 제품에 대한 내역 필요를 계산하는 단계(408)를 포함한다. 본 명세서에 서술된 바와 같이 내역 필요를 계산하는 단계(408)는 기본 반감기에 기초할 수 있다. 방법(400)은 가장 최근 배달 날짜와 제안된 다음 배달 날짜 사이의 현재 간격을 결정하는 단계(410)를 더 포함한다. 다시 말해, ESR(102)은 소비자가 제품을 받기 이전에 시간이 얼마나 걸리는지 결정할 수 있으며(410), 이는 소비자가 제품을 얼마만큼 필요로 하는지를 나타낸다.
방법(400)은 또한 현재 간격 동안 적어도 하나의 제품에 대한 현재 필요를 계산하는 단계(412) 및 적어도 하나의 제품에 대한 구매 경향을 계산하는 단계(414)를 포함한다. 구매 경향을 계산하는 단계(414)는 기본 반감기, 복수의 구매 간격, 계산된 내역 필요, 현재 간격, 및 계산된 현재 필요를 ESR(102)의 사용 패턴 컴포넌트에 입력하여 수행된다. 또한, 방법(400)은 계산된 구매 경향이 제1 기준을 충족하는 경우(예를 들어 임계치를 초과하는 경우) 적어도 하나의 제품을 가상 쇼핑 카트에 추가하는 단계(416)를 포함한다.
도 5는 도 1에 도시된 가상 쇼핑 시스템(100)에서 사용될 수 있는 향상된 스마트 냉장고(ESR)의 컴포넌트 도면이다. 일부 실시예에서, ESR(510)은 (도 1에 도시된) ESR(102)과 유사하다. 데이터베이스(520)는 특정 임무를 수행하는, ESR(510) 내 몇몇 개별 컴포넌트에 연결될 수 있다. 예시적인 실시예에서, 데이터베이스(520)는 적어도 하나의 제품 카탈로그(522) 및 사용자에 연관된 적어도 하나의 구매 로그(524)를 포함한다. 일부 실시예에서, 데이터베이스(520)는 (도 1에 도시된) 데이터베이스(108)와 유사하다. 데이터베이스(520)는 적어도 하나의 구매 로그(524)를 저장하고, 적어도 하나의 제품 카탈로그(522)를 저장하도록 구성된다. 상기 구매 로그는 적어도 하나의 제품의 복수의 구매와 상기 복수의 구매의 각 구매 날짜를 포함한다. 상기 제품 카탈로그는 적어도 하나의 제품을 포함한 복수의 제품을 포함하며 상기 복수의 제품의 각 제품은 할당된 기본 반감기를 가진다.
예시적인 실시예에서, ESR(510)은 결정 컴포넌트(530)와 계산 컴포넌트(540)를 포함한다. 예시적인 실시예에서 결정 컴포넌트(530)는 특정 단계 또는 기능을 수행하는 것으로 서술될 수 있고, 계산 컴포넌트(540)는 다른 단계 또는 기능을 수행하는 것으로 서술될 수 있지만, 결정 컴포넌트(530) 및 계산 컴포넌트(540) 중 하나에 의해 수행되는 적어도 일부 기능은 다른 실시예에서 결정 컴포넌트(530) 및 계산 컴포넌트(540) 중 나머지에 의해 수행될 수 있다. 결정 컴포넌트(530)는 복수의 구매의 연속된 구매 사이의 구매 간격 복수 개를 적어도 하나의 구매 로그(524)로부터 결정하도록 구성된다. 결정 컴포넌트(530)는 또한 가장 최근 배달 날짜와 제안된 다음 배달 날짜 사이의 현재 간격을 결정하도록 구성된다.
계산 컴포넌트(540)는 적어도 하나의 제품 카탈로그(522)에 저장된 적어도 하나의 제품에 대한 기본 반감기에 기초하여 복수의 구매 간격 각각 동안 적어도 하나의 제품에 대한 내역 필요를 계산하도록 구성된다. 계산 컴포넌트(540)는 현재 간격에 대한 적어도 하나의 제품에 대한 현재 간격을 계산하도록 더 구성된다. 계산 컴포넌트(540)는 사용 패턴 컴포넌트(550)에 통신 가능하게 연결되며, 상기 사용 패턴 컴포넌트(550)는 적어도 기본 반감기, 복수의 구매 간격, 계산된 내역 필요, 현재 간격, 및 계산된 현재 필요를 사용 패턴 컴포넌트(550)에 저장 및/또는 실행된 사용 패턴 알고리즘에 대한 입력으로 가진다. 사용 패턴 컴포넌트(550)는 사용 패턴 알고리즘을 실행하고 적어도 제품에 대한 구매 경향을 출력하도록 구성된다. 사용 패턴 컴포넌트(550)는 (도 1에 도시된) 사용 패턴 컴포넌트(112)와 유사할 수 있다.
ESR(510)은 가상 쇼핑 카트(560)를 더 포함한다. 결정 컴포넌트(530)는 ESR(510)이 가상 쇼핑 카트(560)에 적어도 하나의 제품을 추가해야 하는지 여부를 결정하기 위해 구매 경향을 사용하도록 더 구성될 수 있다. 예를 들어, 구매 경향이 제1 기준을 충족하는 경우 ESR(510)은 적어도 하나의 제품을 가상 쇼핑 카트(560)에 추가한다.
본 명세서에서 사용되는 프로세서라는 용어는 중앙 처리 장치, 마이크로프로세서, 마이크로 컨트롤러, 축소 명령 세트 회로(RISC, reduced instruction set circuits), 주문형 집적 회로(ASIC, application specific integrated circuits), 논리 회로 및 본 명세서에서 서술된 기능을 실행할 수 있는 임의의 다른 회로 또는 프로세서를 지칭한다.
본 명세서에 사용된 바와 같이, "소프트웨어" 및 "펌웨어"라는 용어는 상호 교환 가능하며, 프로세서(205)에 의한 실행을 위해 메모리에 저장된 임의의 컴퓨터 프로그램을 포함하고, 상기 메모리는 RAM 메모리, ROM 메모리, EPROM 메모리, EEPROM 메모리, 및 비휘발성 RAM (NVRAM, non-volatile RAM)을 포함한다. 위의 메모리 유형은 단지 예시일 뿐이며, 따라서 컴퓨터 프로그램의 저장에 사용 가능한 메모리의 유형에 대해 제한하지 않는다.
전술한 명세서에 기초하여 이해되는 바와 같이, 위에서 서술한 본 발명의 실시예는 컴퓨터 소프트웨어, 펌웨어, 하드웨어 또는 이들의 임의의 조합 또는 서브셋을 포함하는 컴퓨터 프로그래밍 또는 엔지니어링 기술을 이용하여 실시될 수 있다. 컴퓨터 판독 가능 및/또는 컴퓨터 실행 가능 명령어를 갖는 이러한 임의의 결과적인 컴퓨터 프로그램은 하나 이상의 컴퓨터 판독 가능 매체 내에 실시되거나 제공되어, 논의된 본 발명의 실시예에 따른 컴퓨터 프로그램 제품, 즉 제조 물품(article of manufacture)을 생성 할 수 있다. 이러한 컴퓨터 프로그램 (프로그램, 소프트웨어, 소프트웨어 응용 또는 코드로도 알려짐)은 프로그램 가능 프로세서에 대한 머신 명령어를 포함하며, 고도한 절차 및/또는 객체 지향 프로그래밍 언어, 및/또는 어셈블리/머신 언어에서 실시될 수 있다. 본 명세서에 사용된 바와 같이, "머신 판독 가능 매체", "컴퓨터 판독 가능 매체" 및 "컴퓨터 판독 가능 매체"라는 용어는 머신 명령어를 머신 판독가능 신호로서 수신하는 머신 판독 가능 매체를 포함한, 머신 명령어 및/또는 데이터를 컴퓨터 시스템에 제공하기 위해 사용되는 임의의 컴퓨터 프로그램 제품, 기구 및/또는 장치(예를 들어, 자기 디스크, 광학 디스크, 메모리, 프로그램 가능 논리 소자(PLDs))를 지칭한다. 그러나, "머신 판독 가능 매체", "컴퓨터 판독 가능 매체" 및 "컴퓨터 판독 가능 매체"는 일시적인 신호를 포함하지 않는다 (즉, 그들은 "비일시적(non-transitory)"이다). "머신 판독 가능 신호"라는 용어는 머신 명령어 및/또는 데이터를 프로그램 가능 프로세서에 제공하기 위해 사용되는 모든 신호를 지칭한다.
또한, 향상된 스마트 냉장고의 다양한 요소가 일반적인 처리 장치 및 메모리 장치를 포함하는 것으로 본 명세서에서 서술되었지만, 향상된 스마트 냉장고는 사용 패턴 기능을 가지며, 본 명세서에서 서술된, 소비자 사용 패턴에 기초하여 가상 쇼핑 카트를 자동으로 채우는 단계를 수행하도록 구성된 전문적인 컴퓨터로 이해되어야 한다.
이 작성된 설명은 임의의 장치 또는 시스템을 제작 및 사용하고 임의의 통합된 방법을 수행하는 것을 포함하여, 통상의 기술자가 본 발명을 실시할 수 있게 하는, 최적의 형태를 포함한 예를 사용한다. 본 발명의 특허 가능한 범위는 특허 청구 범위에 의해 정의되며, 통상의 기술자에게 발생할 수 있는 다른 예를 포함할 수 있다. 그러한 다른 예는 청구항의 문자 그대로의 언어와 다르지 않은 구조적 요소를 갖는 경우 또는 청구 범위의 문자 그대로의 언어와 실질적이지 않은 차이를 갖는 등가의 구조 요소를 포함하는 경우 청구 범위 내에 있는 것으로 의도된다.

Claims (30)

  1. 가상 쇼핑 카트를 자동으로 채우는 향상된 스마트 냉장고(ESR, enhanced smart refrigerator)로서, 상기 ESR은 프로세서, 가상 쇼핑 카트, 및 상기 프로세서와 통신하는 메모리를 포함하며, 상기 프로세서는:
    구매 로그를 상기 메모리 내에 저장하며 - 상기 구매 로그는 타겟 제품의 구매 내역을 포함함;
    상기 타겟 제품의 가장 최근 배달 날짜와 상기 타겟 제품의 제안된 다음 배달 날짜 사이의 현재 간격(current interval)을 상기 타겟 제품의 구매 내역에 기초하여 결정하고;
    상기 현재 간격 및 상기 타겟 제품의 구매 내역에 기초하여 상기 타겟 제품에 대한 구매 경향을 계산하며, 그리고
    상기 구매 경향이 제1 기준을 충족하는 경우 상기 타겟 제품의 구매를 위하여 당사자에 대한 제출을 위해 상기 타겟 제품을 상기 가상 쇼핑 카트에 자동으로 추가하도록 프로그래밍된 향상된 스마트 냉장고(ESR).
  2. 제1항에 있어서,
    상기 구매 내역은 상기 타겟 제품의 구매 복수 회와 상기 복수 회의 구매 중 각각의 구매의 날짜를 포함하며, 상기 프로세서는:
    상기 타겟 제품의 순차적인 구매들 사이의 구매 간격 복수 개를 상기 구매 로그로부터 결정하고;
    상기 복수 개의 구매 간격 중 각각 동안 상기 타겟 제품에 대한 내역 필요(historical need)를 계산하며; 그리고
    상기 구매 경향을 상기 계산된 내역 필요에 더 기초하여 계산하도록 더 프로그래밍된 향상된 스마트 냉장고(ESR).
  3. 제2항에 있어서,
    상기 프로세서는:
    제품 카탈로그를 상기 메모리에 저장하고 - 상기 제품 카탈로그는 상기 타겟 제품을 포함한 복수의 제품 및 상기 복수의 제품 각각에 대해 할당된 기본 반감기를 포함함; 그리고
    상기 타겟 제품에 대한 내역 필요를 상기 타겟 제품의 기본 반감기에 더 기초하여 계산하도록 더 프로그래밍된 향상된 스마트 냉장고(ESR).
  4. 제1항에 있어서,
    상기 프로세서는:
    상기 현재 간격 동안 상기 타겟 제품에 대한 현재 필요(current need)를 계산하고; 그리고
    상기 구매 경향을 상기 계산된 현재 필요에 더 기초하여 계산하도록 더 프로그래밍된 향상된 스마트 냉장고(ESR).
  5. 제1항에 있어서,
    사용자 인터페이스를 더 포함하고, 복수 회의 구매는 상기 사용자 인터페이스 상에서 이루지는 향상된 스마트 냉장고(ESR).
  6. 제1항에 있어서,
    상기 구매 경향은 0과 1 사이의 값인 향상된 스마트 냉장고(ESR).
  7. 제1항에 있어서,
    상기 제1 기준은 제1 임계 구매 경향을 포함하고, 상기 프로세서는 상기 구매 경향이 상기 제1 임계 구매 경향을 초과하는 경우 적어도 하나의 제품을 상기 가상 쇼핑 카트에 자동으로 추가하도록 더 프로그래밍된 향상된 스마트 냉장고(ESR).
  8. 제7항에 있어서,
    상기 제1 임계 구매 경향은 0.5인 향상된 스마트 냉장고(ESR).
  9. 제1항에 있어서,
    상기 프로세서는 n회의 이전 구매의 평균 필요(average need) 및 n 회의 이전 구매의 중앙 필요(median need) 중 적어도 하나를 결정하도록 더 프로그래밍된 향상된 스마트 냉장고(ESR).
  10. 제6항에 있어서,
    n은 3, 5, 그리고 10 중 하나인 향상된 스마트 냉장고(ESR).
  11. 제1항에 있어서,
    사용자 인터페이스를 더 포함하며, 상기 프로세서는:
    상기 사용자 인터페이스 상에서 상기 가상 장바구니와의 사용자 상호 작용을 수신하며 - 상기 사용자 상호 작용은 제1 추가된 제품의 제거를 포함함; 그리고
    상기 제1 추가된 제품에 대한 계산된 구매 경향을 업데이트하기 위해 상기 사용자 상호 작용의 표현을 사용 패턴 컴포넌트에 입력하도록 더 프로그래밍된 향상된 스마트 냉장고(ESR).
  12. 프로세서, 가상 쇼핑 카트, 및 상기 프로세서와 통신하는 메모리를 포함한 향상된 스마트 냉장고(ESR, enhanced smart refrigerator)를 사용하여 가상 쇼핑 카트를 자동으로 채우는 컴퓨터 실시 방법으로서, 상기 방법은:
    구매 로그를 상기 메모리 내에, 상기 ESR에 의해, 저장하는 단계 - 상기 구매 로그는 타겟 제품의 구매 내역을 포함함;
    상기 타겟 제품의 가장 최근 배달 날짜와 상기 타겟 제품의 제안된 다음 배달 날짜 사이의 현재 간격을 상기 타겟 제품의 구매 내역에 기초하여 결정하는 단계;
    상기 현재 간격 및 상기 타겟 제품의 구매 내역에 기초하여 상기 타겟 제품에 대한 구매 경향을 계산하는 단계;
    상기 구매 경향이 제1 기준을 충족하는 경우 상기 타겟 제품의 구매를 위하여 당사자에 대한 제출을 위해 상기 타겟 제품을 상기 가상 쇼핑 카트에 자동으로 추가하는 단계를 포함하는 컴퓨터 실시 방법.
  13. 제12항에 있어서,
    상기 구매 내역은 상기 타겟 제품의 구매 복수 회와 상기 복수 회의 구매 중 각각의 구매의 날짜를 포함하며, 상기 방법은:
    상기 타겟 제품의 순차적인 구매들 사이의 구매 간격 복수 개를 상기 구매 로그로부터 결정하는 단계; 및
    상기 복수 개의 구매 간격 중 각각 동안 상기 타겟 제품에 대한 내역 필요를 계산하는 단계를 더 포함하고,
    상기 타겟 제품에 대한 구매 경향을 계산하는 단계는 상기 계산된 내역 필요에 더 기초하여 상기 구매 경향을 계산하는 단계를 포함하는 컴퓨터 실시 방법.
  14. 제13항에 있어서,
    제품 카탈로그를 상기 메모리에 저장하는 단계를 더 포함하고, 상기 제품 카탈로그는 상기 타겟 제품을 포함한 복수의 제품 및 상기 복수의 제품 각각에 대해 할당된 기본 반감기를 포함하며, 그리고 상기 타겟 제품에 대한 내역 필요를 계산하는 단계는 상기 타겟 제품의 기본 반감기에 더 기초하여 상기 타겟 제품에 대한 내역 필요를 계산하는 단계를 포함하는 컴퓨터 실시 방법.
  15. 제12항에 있어서,
    상기 현재 간격 동안 상기 타겟 제품에 대한 현재 필요를 계산하는 단계를 더 포함하고, 상기 타겟 제품에 대한 구매 경향을 계산하는 단계는 상기 계산된 현재 필요에 더 기초하여 상기 구매 경향을 계산하는 단계를 포함하는 컴퓨터 실시 방법.
  16. 제12항에 있어서,
    상기 구매 경향은 0과 1 사이의 값인 컴퓨터 실시 방법.
  17. 제12항에 있어서,
    상기 제1 기준은 제1 임계 구매 경향을 포함하고, 상기 구매 경향이 제1 기준을 충족하는 경우 적어도 하나의 제품을 상기 가상 쇼핑 카트에 자동으로 추가하는 단계는 상기 구매 경향이 상기 제1 임계 구매 경향을 초과하는 경우 적어도 하나의 제품을 상기 가상 쇼핑 카트에 자동으로 추가하는 단계를 포함하는 컴퓨터 실시 방법.
  18. 제12항에 있어서,
    n회의 이전 구매의 평균 필요(average need) 및 n회의 이전 구매의 중앙 필요(median need) 중 적어도 하나를 결정하는 단계를 더 포함하는 컴퓨터 실시 방법.
  19. 제12항에 있어서,
    상기 ESR은 사용자 인터페이스를 더 포함하고, 상기 방법은:
    상기 사용자 인터페이스 상에서 상기 가상 쇼핑 카트와의 사용자 상호 작용을 수신하는 단계 - 상기 사용자 상호 작용은 제1 추가된 제품의 제거를 포함함; 및
    상기 제1 추가된 제품에 대한 계산된 구매 경향을 업데이트하기 위해 상기 사용자 상호 작용의 표현을 사용자 컴포넌트에 입력하는 단계를 더 포함하는 컴퓨터 실시 방법.
  20. 컴퓨터 실행 가능한 명령어가 구현된 적어도 하나의 비일시적 컴퓨터 판독가능 저장 매체로서, 적어도 하나의 프로세서에 의해 실행되는 경우, 상기 컴퓨터 실행 가능한 명령어는 상기 프로세서가:
    구매 로그를 메모리 내에 저장하게 하고 - 상기 구매 로그는 타겟 제품의 구매 내역을 포함함;
    상기 타겟 제품의 가장 최근 배달 날짜와 상기 타겟 제품의 제안된 다음 배달 날짜 사이의 현재 간격을 상기 타겟 제품의 구매 내역에 기초하여 결정하게 하며;
    상기 현재 간격 및 상기 타겟 제품의 구매 내역에 기초하여 상기 타겟 제품에 대한 구매 경향을 계산하게 하고; 그리고
    상기 구매 경향이 제1 기준을 충족하는 경우 상기 타겟 제품의 구매를 위하여 당사자에 대한 제출을 위해 상기 타겟 제품을 가상 쇼핑 카트에 자동으로 추가하게 하는 컴퓨터 판독가능 저장 매체.
  21. 제20항에 있어서,
    상기 구매 내역은 상기 타겟 제품의 구매 복수 회 및 상기 복수 회의 구매 중 각각의 구매의 날짜를 포함하며, 상기 컴퓨터 실행 가능한 명령어는 상기 프로세서가 추가로:
    상기 타겟 제품의 순차적인 구매들 사이의 구매 간격 복수 개를 상기 구매 로그로부터 결정하게 하고;
    상기 복수 개의 구매 간격 중 각각 동안 상기 타겟 제품에 대한 내역 필요를 계산하게 하며; 그리고
    상기 계산된 내역 필요에 더 기초하여 상기 구매 경향을 계산하게 하는 컴퓨터 판독가능 저장 매체.
  22. 제21항에 있어서,
    상기 컴퓨터 실행 가능 명령어는 상기 프로세서가 추가로:
    제품 카탈로그를 상기 메모리에 저장하게 하고 - 상기 제품 카탈로그는 상기 타겟 제품을 포함한 복수의 제품 및 복수의 제품 각각에 대해 할당된 기본 반감기를 포함함; 그리고
    상기 타겟 제품의 기본 반감기에 더 기초하여 상기 타겟 제품에 대한 구매 내역을 계산하게 하는 컴퓨터 판독가능 저장 매체.
  23. 제20항에 있어서,
    상기 컴퓨터 실행 가능 명령어는 상기 프로세서가 추가로:
    상기 현재 간격 동안 상기 타겟 제품에 대한 현재 필요를 계산하게 하고; 그리고
    상기 계산된 현재 필요에 더 기초하여 상기 구매 경향을 계산하게 하는 컴퓨터 판독가능 저장 매체.
  24. 제20항에 있어서,
    상기 구매 경향은 0과 1 사이의 값인 컴퓨터 판독가능 저장 매체.
  25. 제20항에 있어서,
    상기 제1 기준은 제1 임계 구매 경향을 포함하고, 상기 컴퓨터 실행 가능 명령어는 상기 프로세서가 추가로, 상기 구매 경향이 상기 제1 임계 구매 경향을 초과한 경우 적어도 하나의 제품을 상기 가상 쇼핑 카트에 자동으로 추가하게 하는 컴퓨터 판독가능 저장 매체.
  26. 제20항에 있어서,
    상기 컴퓨터 실행 가능한 명령어는 상기 프로세서가:
    사용자 인터페이스 상에서 상기 가상 쇼핑 카트와의 사용자 상호 작용을 수신하게 하고 - 상기 사용자 상호 작용은 제1 추가된 제품의 제거를 포함함; 그리고
    상기 제1 추가된 제품에 대한 계산된 구매 경향을 업데이트하기 위해 상기 사용자 상호 작용의 표현을 사용 패턴 컴포넌트에 입력하게 하는 컴퓨터 판독가능 저장 매체.
  27. 가상 쇼핑 카트를 자동으로 채우는 컴퓨팅 장치로서, 상기 컴퓨팅 장치는 프로세서, 메모리, 및 가상 쇼핑 카트를 포함하고, 상기 컴퓨팅 장치는:
    구매 로그를 상기 메모리 내에 저장하고 - 상기 구매 로그는 타겟 제품의 구매 내역을 포함함;
    상기 타겟 제품의 가장 최근 배달 날짜 및 상기 타겟 제품의 제안된 다음 배달 날짜 사이의 현재 간격을 상기 타겟 제품의 구매 내역에 기초하여 결정하며;
    상기 현재 간격 및 상기 타겟 제품의 구매 내역에 기초하여 상기 타겟 제품에 대한 구매 경향을 계산하고; 그리고
    상기 구매 경향이 제1 기준을 충족하는 경우 상기 타겟 제품의 구매를 위하여 당사자에 대한 제출을 위해 상기 타겟 제품을 상기 가상 쇼핑 카트에 자동으로 추가하도록 구성된 컴퓨팅 장치.
  28. 제27항에 있어서,
    상기 구매 내역은 상기 타겟 제품의 구매 복수 회 및 상기 복수 회의 구매 중 각각의 구매의 날짜를 포함하며, 상기 컴퓨팅 장치는:
    상기 타겟 제품의 순차적인 구매들 사이의 구매 간격 복수 개를 상기 구매 로그로부터 결정하고;
    상기 복수 개의 구매 간격 중 각각 동안 상기 타겟 제품에 대한 내역 필요를 계산하며; 그리고
    상기 계산된 내역 필요에 더 기초하여 상기 구매 경향을 계산하도록 더 구성되는 컴퓨팅 장치.
  29. 제27항에 있어서,
    상기 컴퓨팅 장치는:
    상기 현재 간격 동안 상기 타겟 제품에 대한 현재 필요를 계산하며; 그리고
    상기 계산된 현재 필요에 더 기초하여 상기 구매 경향을 계산하도록 더 구성되는 컴퓨팅 장치.
  30. 제27항에 있어서,
    상기 컴퓨팅 장치는 스마트 가전기기(smart appliance) 상에 구현되는 컴퓨팅 장치.
KR1020187002520A 2015-07-28 2016-07-28 향상된 스마트 냉장고 시스템 및 방법 KR102113235B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201562198031P 2015-07-28 2015-07-28
US62/198,031 2015-07-28
PCT/US2016/044396 WO2017019834A1 (en) 2015-07-28 2016-07-28 Enhanced smart refrigerator systems and methods

Publications (2)

Publication Number Publication Date
KR20180021154A true KR20180021154A (ko) 2018-02-28
KR102113235B1 KR102113235B1 (ko) 2020-06-29

Family

ID=57885380

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020187002520A KR102113235B1 (ko) 2015-07-28 2016-07-28 향상된 스마트 냉장고 시스템 및 방법

Country Status (5)

Country Link
US (1) US10592963B2 (ko)
EP (1) EP3329451A4 (ko)
JP (1) JP6535412B2 (ko)
KR (1) KR102113235B1 (ko)
WO (1) WO2017019834A1 (ko)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105405044B (zh) * 2015-12-07 2021-06-01 重庆海尔滚筒洗衣机有限公司 一种使用洗衣机快速购物的方法及洗衣机
JP6904349B2 (ja) 2016-07-13 2021-07-14 ソニーグループ株式会社 エージェントロボット制御システム、エージェントロボットシステム、エージェントロボット制御方法、記録媒体、およびエージェントロボット制御プログラム
US20180032953A1 (en) * 2016-07-29 2018-02-01 Michael Mayer Automated resupply based on sensor data
US11521144B2 (en) 2016-07-29 2022-12-06 Bottomless, Inc. Automated resupply based on sensor data
US10958733B2 (en) 2018-09-13 2021-03-23 Bank Of America Corporation Device control based on action completion
JP7238315B2 (ja) * 2018-10-02 2023-03-14 富士フイルムビジネスイノベーション株式会社 情報処理装置、及び情報処理プログラム
US11460819B1 (en) * 2019-04-12 2022-10-04 Bradley Chammartin Smart kitchen
US10724273B1 (en) 2019-10-31 2020-07-28 Justin Bright Cabinet security assembly
US11544763B2 (en) * 2020-01-31 2023-01-03 Walmart Apollo, Llc Systems and methods for prediction of item quantity
CN111291936B (zh) * 2020-02-21 2023-10-17 北京金山安全软件有限公司 产品生命周期预估模型生成方法、装置及电子设备
US11461827B2 (en) * 2021-01-30 2022-10-04 Walmart Apollo, Llc Systems and methods for generating basket and item quantity predictions using machine learning architectures
US11676196B2 (en) * 2021-03-09 2023-06-13 Maplebear, Inc. Mapping recipe ingredients to products

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6965871B1 (en) * 2000-05-08 2005-11-15 International Business Machines Corporation Method and apparatus to enable consumer replenishment shopping by expiration date
JP2006209382A (ja) * 2005-01-27 2006-08-10 Keiichi Kato 献立供給システム
US20150149298A1 (en) * 2013-11-22 2015-05-28 John Tapley Dynamic list creation

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6123259A (en) 1998-04-30 2000-09-26 Fujitsu Limited Electronic shopping system including customer relocation recognition
US6129274A (en) 1998-06-09 2000-10-10 Fujitsu Limited System and method for updating shopping transaction history using electronic personal digital shopping assistant
US6204763B1 (en) * 1999-03-22 2001-03-20 Jujitsu Limited Household consumable item automatic replenishment system including intelligent refrigerator
US7130814B1 (en) 2000-06-27 2006-10-31 International Business Machines Corporation Method and apparatus to automate consumer replenishment shopping by periodicity
US20040093274A1 (en) 2002-11-08 2004-05-13 Marko Vanska Method and apparatus for making daily shopping easier
US20050080683A1 (en) 2003-10-09 2005-04-14 International Business Machines Corporation Administering a virtual shopping list for a user
US20060242084A1 (en) 2005-04-25 2006-10-26 Moses Manuel B Consumer data credit or debit card
US9179241B2 (en) * 2011-09-27 2015-11-03 At&T Intellectual Property I, L.P. Method and apparatus for dynamic service provisioning for machine to machine (M2M) devices in a communications network
US20130173419A1 (en) * 2011-12-30 2013-07-04 Certona Corporation Recommending repeated transactions
US8538829B1 (en) * 2012-06-30 2013-09-17 At&T Intellectual Property I, L.P. Enhancing a user's shopping experience
US10438276B2 (en) * 2014-04-16 2019-10-08 Ebay Inc. Smart recurrent orders
GB201420308D0 (en) 2014-11-14 2014-12-31 Mastercard International Inc Smart appliance processing system and associated methods

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6965871B1 (en) * 2000-05-08 2005-11-15 International Business Machines Corporation Method and apparatus to enable consumer replenishment shopping by expiration date
JP2006209382A (ja) * 2005-01-27 2006-08-10 Keiichi Kato 献立供給システム
US20150149298A1 (en) * 2013-11-22 2015-05-28 John Tapley Dynamic list creation

Also Published As

Publication number Publication date
US20170032446A1 (en) 2017-02-02
JP2018526730A (ja) 2018-09-13
EP3329451A4 (en) 2019-02-06
US10592963B2 (en) 2020-03-17
EP3329451A1 (en) 2018-06-06
WO2017019834A1 (en) 2017-02-02
JP6535412B2 (ja) 2019-06-26
KR102113235B1 (ko) 2020-06-29

Similar Documents

Publication Publication Date Title
KR102113235B1 (ko) 향상된 스마트 냉장고 시스템 및 방법
US10740780B2 (en) Method and system for providing customers of a retail enterprise with earnable rewards
JP6814302B2 (ja) 発注支援システム、発注支援プログラム及び発注支援方法
Hemmati et al. Vendor managed inventory with consignment stock for supply chain with stock-and price-dependent demand
US20130317950A1 (en) Customizing a three dimensional virtual store based on user shopping behavior
JP2020502663A (ja) 電子エンドキャップアイテムを提示するための技術
US20110302030A1 (en) System and Method for Incorporating Packaging and Shipping Ramifications on Net Profit/Loss When Up-Selling
US10431115B2 (en) Systems and methods for using a smart refrigerator to implement accountability measures associated with intake objectives
US10740826B2 (en) Item reminder systems and methods
US8489464B1 (en) Method, medium, and system of presenting resale opportunities to purchasers of resalable items
CN111815417A (zh) 自动化网购方法、计算机可读介质和电子设备
WO2012049987A1 (ja) 商品推薦システムおよび商品推薦方法
Kumar et al. Effect of salvage value on a two-warehouse inventory model for deteriorating items with stock-dependent demand rate and partial backlogging
JP6266065B1 (ja) 出品物取引処理装置、出品物取引処理方法および出品物取引処理プログラム
Agrawal et al. Two-warehouse inventory model with ramp-type demand and partially backlogged shortages
Das et al. An integrated inventory model with delay in payment for deteriorating item under Weibull distribution and advertisement cum price-dependent demand
JP6280272B1 (ja) 決定装置、決定方法、及び決定プログラム
JP6193817B2 (ja) 需要予測装置およびプログラム
Priyan et al. An integrated production-distribution inventory system for deteriorating products involving fuzzy deterioration and variable setup cost
US20150120420A1 (en) Capacity and Demand Matching System
JP6748029B2 (ja) 算出装置、算出方法、及び算出プログラム
JP7292362B2 (ja) 決定装置、決定方法及び決定プログラム
US20220366473A1 (en) Information processing system, information processing method and program
JP6742254B2 (ja) 提供装置、提供方法、及び提供プログラム
JP2014153980A (ja) 購入者紹介ビジネス支援装置

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant