KR20230031750A

KR20230031750A - 기계 학습 방법을 사용하여 상업적 가치를 최대화하기 위해 최적화된 완전 자동화된 고객 타겟팅 알고리즘

Info

Publication number: KR20230031750A
Application number: KR1020210150632A
Authority: KR
Inventors: 신리 바오; 첸 펭; 로완 마이클 사비오; 이성민
Original assignee: 쿠팡 주식회사
Priority date: 2021-08-27
Filing date: 2021-11-04
Publication date: 2023-03-07
Also published as: WO2023026090A1; TW202309813A; US20230068465A1

Abstract

광고를 타겟팅하는 방법은, 제1 서버에서, 고객과 연관된 고객 행동 정보를 수신하는 것, 및 복수의 광고 캠페인을 수신하는 것을 포함한다. 방법은 또한, 제1 알고리즘을 사용하여, 고객이 제1 기간에 걸쳐 관심을 가질 수 있는, 고객 행동 정보로부터 도출되는 제품의 목록을 생성하는 것, 및 제2 알고리즘을 사용하여, 고객이 구매할 경우, 제2 기간에 걸쳐 가장 높은 수익량을 생성하는, 고객 행동 정보로부터 도출되는 제품 카테고리의 순위 매겨진 목록을 생성하는 것을 포함한다. 방법은 또한, 복수의 광고 캠페인 중 제1 광고 캠페인과 연관된 제1 통신을 고객 디바이스로 전송하는 것 - 제1 광고 캠페인은, 입력으로서, 제품의 목록 및 제품 카테고리의 순위 매겨진 목록을 포함하는 제3 알고리즘에 의해 선택됨 - 을 더 포함한다.

Description

기계 학습 방법을 사용하여 상업적 가치를 최대화하기 위해 최적화된 완전 자동화된 고객 타겟팅 알고리즘{FULLY AUTOMATED CUSTOMER TARGETING ALGORITHM OPTIMIZED TO MAXIMIZE COMMERCIAL VALUE USING MACHINE LEARNING METHODS}

본 개시는 일반적으로 고객에 대한 타겟화된 광고를 위한 컴퓨터화된 시스템 및 방법에 관한 것이다. 특히, 본 개시의 실시예는 다수의 인공 지능 및/또는 기계 학습 모델에 기초한 광고 캠페인의 할당에 관한 독창적이고 비전통적인 시스템에 관한 것이다.

고객에게 제품을 판매하는 것과 관계되는 전자-상거래 비즈니스에 있어서, 고객이 원하는/필요한 제품으로 고객을 안내하는 것을 돕고 그러한 제품들을 고객에게 판매함으로써 수익을 최대화하기 위해 타겟화된 광고가 활용된다. 이를 위해, 전자-상거래 비즈니스는 상업적 상호작용을 통해 직접 수집되거나 또는 고객 데이터를 집계하는 제3자 공급업자로부터 획득된 고객 데이터를 사용한다. 이어서, 이 고객 데이터가 분석되고 광고 또는 다른 여러가지 프로모션이 비지향성 광고보다 고객과 더 관련이 있는 고객에게 전달될 수 있다.

이러한 유형의 고객 중심 마케팅에서 주된 이슈 중 하나는, 각 고객마다 제공할 최상의 프로모션을 알아내는 것이다. 역사적으로, 마케터는 고객의 최근 구매 습관과 부합하는 프로모션을 선택하는 것과 같은 비즈니스 규칙을 구현하고, 이어서 (고객이 다수의 잠재적 프로모션을 받을 자격을 얻는 경우에) 특정 프로모션을 다른 프로모션보다 우선순위로 두는 어떤 애드호크(ad-hoc) 전략을 구현한다. 이 우선순위 전략은 일반적으로 다른 상업적 긴요사항과 결합된 일회성 고객 분석에 기초하여 구축된다.

전술한 타겟화된 광고 기술에는 결함이 있다. 예를 들어, 비-타겟화된 광고보다 더 관련이 있음에도 불구하고, 종래의 타겟화된 광고 기술은, 여전히 많은 관련이 없는 광고를 고객에게 전달하는 결과를 가져온다. 이는 (i) 자신과 관련이 없는 정보를 보는 데 시간을 결국 낭비하는 고객과 (ii) 투자 수익이 낮은 광고에 자원을 소비하는 전자-상거래 비즈니스 양쪽 모두를 불만스럽게 만들 수 있다. 또한, 애드호크 우선순위 전략은 수천 또는 수백만 고객에게 적용하기 위해 확장될 때 훨씬 덜 효과적으로 될 수 있다. 또한, 고객에게 관련이 없는 광고를 전달할 경우, 과도한 대역폭 사용 및 처리 자원의 비효율적인 사용의 형태로 네트워크 자원에 불필요하게 부담을 준다.

따라서, (i) 고객이 관심 있는 제품에 대한 광고/프로모션을 고객과 매칭시키는 데 보다 효과적인 타겟화된 광고, 및 (ii) 매우 큰 고객 고객 기반을 다룰 때에도 효과적인, 제한된 마케팅 예산으로부터 전자-상거래 비즈니스 수익을 최대화하기 위한 개선된 방법 및 시스템이 요구된다.

본 개시의 일 양태는, 광고를 타겟팅하기 위한 방법에 관한 것으로, 상기 방법은: 제1 서버에서, 상기 고객과 연관된 고객 행동 정보를 수신하는 것; 복수의 광고 캠페인을 수신하는 것; 제1 알고리즘을 사용하여, 상기 고객이 제1 기간에 걸쳐 관심을 가질 수 있는, 상기 고객 행동 정보로부터 도출된 제품의 목록을 생성하는 것; 제2 알고리즘을 사용하여, 상기 고객이 구매할 경우, 제2 기간에 걸쳐 가장 높은 수익량을 생성하는, 상기 고객 행동 정보로부터 도출된 제품 카테고리의 순위 매겨진 목록을 생성하는 것; 및 상기 복수의 광고 캠페인 중 제1 광고 캠페인과 연관된 제1 통신(communication)을 고객 디바이스로 전송하는 것 - 상기 제1 광고 캠페인은, 입력으로서, 상기 제품의 목록 및 상기 제품 카테고리의 순위 매겨진 목록을 포함(incorporate)하는 제3 알고리즘에 의해 선택됨 - 을 포함하고, 상기 제1 알고리즘 및 상기 제2 알고리즘은 인공 지능 및/또는 기계 학습 모델에 기초하고, 상기 제3 알고리즘은 미리 결정된 비즈니스 규칙에 의해 결정된다.

본 개시의 다른 양태는, 고객에 대한 타겟화된 광고를 위한 시스템에 관한 것으로, 상기 시스템은: 명령어를 저장하는 메모리; 및 상기 명령어를 실행하여: 상기 고객과 연관된 고객 행동 정보를 수신하는 것; 복수의 광고 캠페인을 수신하는 것; 제1 알고리즘을 사용하여, 상기 고객이 제1 기간에 걸쳐 관심을 가질 수 있는, 고객 행동 정보로부터 도출된 제품의 목록을 생성하는 것; 제2 알고리즘을 사용하여, 상기 고객이 구매하는 경우, 제2 기간에 걸쳐 가장 높은 수익량을 생성하는, 상기 고객 행동 정보로부터 도출된 제품 카테고리의 순위 매겨진 목록을 생성하는 것; 및 상기 복수의 광고 캠페인 중 제1 광고 캠페인과 연관된 제1 통신을 고객 디바이스로 전송하는 것 - 상기 제1 광고 캠페인은, 입력으로서, 상기 제품의 목록 및 상기 제품 카테고리의 순위 매겨진 목록을 포함하는 제3 알고리즘에 의해 선택됨 - 을 행하도록 구성된 적어도 하나의 프로세서를 포함하며, 상기 제1 알고리즘 및 상기 제2 알고리즘은 인공 지능 및/또는 기계 학습 모델에 기초하고; 상기 제2 알고리즘은 모델 정확도 측정에 따라 랜덤 포레스트 기계 학습 또는 딥 기계 학습에 기초한 솔루션을 출력한다.

본 개시의 또 다른 양태는, 고객에 대한 타겟화된 광고를 위한 시스템에 관한 것으로, 상기 시스템은: 명령어를 저장하는 메모리; 및 상기 명령어를 실행하여: 상기 고객과 연관된 고객 행동 정보를 수신하는 것; 복수의 광고 캠페인을 수신하는 것; 인공 지능 및/또는 기계 학습 모델에 기초한 제1 알고리즘을 사용하여, 상기 고객이 제1 기간에 걸쳐 관심을 가질 수 있는 상기 고객 행동 정보로부터 도출된 제품의 목록을 생성하는 것; 제2 알고리즘을 사용하여, 상기 고객이 구매하는 경우, 제2 기간에 걸쳐 가장 높은 수익량을 생성하는, 상기 고객 행동 정보로부터 도출된 제품 카테고리의 순위 매겨진 목록을 생성하는 것 - 상기 제2 알고리즘은 인공 지능 및/또는 기계 학습 모델에 기초함 -; 입력으로서, 상기 제품의 목록 및 상기 제품 카테고리의 순위 매겨진 목록을 포함하는 상기 제3 알고리즘에 의해 선택된 상기 복수의 광고 캠페인 중 적어도 2개의 광고 캠페인의 순위 매겨진 목록을 생성하는 것 - 상기 적어도 2개의 광고 캠페인의 순위 매겨진 목록은 제1 순위로 매겨진 제1 광고 캠페인 및 제2 순위로 매겨진 제2 광고 캠페인을 포함함 -; 상기 복수의 광고 캠페인 중 제1 광고 캠페인과 연관된 제1 통신을 고객 디바이스로 전송하는 것 - 상기 제1 광고 캠페인은, 입력으로서, 상기 제품의 목록 및 상기 제품 카테고리의 순위 매겨진 목록을 포함하는 제3 알고리즘에 의해 선택됨 -; 및 상기 제1 광고 캠페인과 연관된 상기 제1 통신을 전송하는 것보다 늦은 시간에 상기 제2 광고 캠페인과 연관된 제2 통신을 상기 고객 디바이스로 전송하는 것을 행하도록 구성된 적어도 하나의 프로세서를 포함하며, 상기 제품의 목록은 상기 고객 행동 정보의 제1 서브세트로부터 상기 제1 알고리즘에 의해 생성되고, 상기 제1 서브세트는 상기 고객에 구체적으로 대응하는 정보이고; 상기 제품 카테고리의 순위 매겨진 목록은 상기 고객 행동 정보의 제2 서브세트로부터 상기 제2 알고리즘에 의해 생성되고, 상기 제2 서브세트는 상기 고객 및 상기 고객이 속한 고객의 그룹에 구체적으로 대응하는 정보이다.

다른 시스템, 방법, 및 컴퓨터 판독가능 매체가 또한 여기에서 논의된다.

도 1a는 개시된 실시예와 일치하는, 운송, 수송 및 물류 작업(logistics operations)을 가능케 하는 통신을 위한 컴퓨터화된 시스템을 포함하는 네트워크의 예시적인 실시예를 도시하는 개략적인 블록도이다.
도 1b는 개시된 실시예와 일치하는, 대화형 사용자 인터페이스 요소와 함께 검색 요청을 만족시키는 하나 이상의 검색 결과를 포함하는 샘플 검색 결과 페이지(Search Result Page, SRP)를 도시한다.
도 1c는 개시된 실시예와 일치하는, 대화형 사용자 인터페이스 요소와 함께 제품 및 제품에 대한 정보를 포함하는 샘플 단일 상세 페이지(Single Detail Page, SDP)를 도시한다.
도 1d는 개시된 실시예와 일치하는, 대화형 사용자 인터페이스 요소와 함께 가상의 쇼핑 카트(shopping cart) 내의 물품을 포함하는 샘플 카트 페이지(Cart page)를 도시한다.
도 1e는 개시된 실시예와 일치하는, 대화형 사용자 인터페이스 요소와 함께, 구매 및 운송에 대한 정보와 함께 가상 쇼핑 카트로부터의 물품을 포함하는 샘플 주문 페이지를 도시한다.
도 2는 개시된 실시예와 일치하는, 개시된 컴퓨터화된 시스템을 이용하도록 구성된 예시적인 풀필먼트 센터의 개략도이다.
도 3은 개시된 실시예와 일치하는, 타겟화된 프로모션 캠페인을 가능하게 하는 통신을 위한 컴퓨터화된 시스템을 포함하는 네트워크의 예시적인 실시예를 도시하는 개략적인 블록도이다.
도 4는 개시된 실시예와 일치하는, 프로모션 캠페인 시스템의 예시적인 실시예를 도시하는 개략적인 블록도이다.
도 5는 개시된 실시예와 일치하는, 프로모션 캠페인 방법의 예시적인 실시예를 도시하는 흐름도이다.

다음의 상세한 서술은 첨부 도면을 참조한다. 어디서든 가능하다면, 동일하거나 유사한 부분을 지칭하기 위해 도면 및 다음의 서술에서 동일한 참조 부호가 사용된다. 수개의 예시적인 실시예가 본원에서 서술되지만, 수정, 조정(adaptations) 및 다른 구현이 가능하다. 예를 들어, 도면에 도시된 구성요소 및 단계에 대해, 대체, 추가 또는 수정이 이루어질 수 있으며, 본원에서 서술된 예시적인 방법은 개시된 방법에서 단계를 대체하거나, 재정렬하거나, 제거하거나 또는 추가함으로써 수정될 수 있다. 따라서, 다음의 상세한 설명은 개시된 실시예 및 예시로 제한되지 않는다. 그 대신에, 본 발명의 적절한 범주는 첨부된 청구 범위에 의해 정의된다.

본 개시의 실시예는 고객에 대한 타겟화된 광고를 위해 구성된 시스템 및 방법에 관련된다.

도 1a를 참조하면, 운송, 수송 및 물류 작업을 가능케 하는 통신을 위한 컴퓨터화된 시스템을 포함하는 시스템의 예시적인 실시예를 도시하는 개략적인 블록도(100)가 도시된다. 도 1a에 도시된 바와 같이, 시스템(100)은 다양한 시스템을 포함할 수 있고, 이들 시스템 각각은 하나 이상의 네트워크를 통해 서로 연결될 수 있다. 시스템은 또한, 예를 들어, 케이블을 사용하여 직접적인 연결을 통해 서로 연결될 수 있다. 도시된 시스템은, 선적 권한 기술(shipment authority technology, SAT) 시스템(101), 외부 프론트 엔드 시스템(external front end system, 103), 내부 프론트 엔드 시스템(internal front end system, 105), 수송 시스템(transportation system, 107), 모바일 디바이스(107A, 107B 및 107C), 판매자 포털(109), 선적 및 주문 추적(shipment and order tracking, SOT) 시스템(111), 풀필먼트 최적화(fulfillment optimization, FO) 시스템(113), 풀필먼트 메시징 게이트웨이(fulfillment messaging gateway, FMG, 115), 공급 체인 관리(supply chain management, SCM) 시스템(117), 창고 관리 시스템(warehouse management system, 119), 모바일 디바이스(119A, 119B 및 119C)(풀필먼트 센터(FC, 200)의 내부에 있는 것으로 도시됨), 제3 자의 풀필먼트 시스템(121A, 121B 및 121C), 풀필먼트 센터 인증 시스템(fulfillment center authorization system, FC Auth, 123) 및 노동 관리 시스템(labor management system, LMS, 125)을 포함한다.

일부 실시예에서, SAT 시스템(101)은 주문 상태(order status) 및 배송 상태(delivery status)를 모니터링하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들어, SAT 시스템(101)은 주문이 그 약속된 배송 날짜(Promised Delivery Date, PDD)를 경과한 것인지를 결정할 수 있고, 새로운 주문을 개시하는 것, 미배송된 주문의 물품을 재운송하는 것, 미배송된 주문을 취소하는 것, 주문한 고객과의 연락(contact)을 개시하는 것 등을 포함하는 적절한 액션을 취할 수 있다. SAT 시스템(101)은 또한, (특정 기간 동안 운송된 다수의 패키지와 같은) 출력 및 (운송에 사용하기 위해 수신된 빈 판지 박스(empty cardboard boxes)의 수와 같은) 입력을 포함하는, 기타 데이터를 모니터링할 수 있다. SAT 시스템(101)은 또한, 시스템(100)에서 상이한 디바이스 간에 게이트웨이로서 동작하여, (예를 들어, 저장-및-전달(store-and-forward) 또는 다른 기술을 사용하여) 외부 프론트 엔드 시스템(103) 및 FO 시스템(113)과 같은 디바이스 사이의 통신을 가능하게 한다.

일부 실시예에서, 외부 프론트 엔드 시스템(103)은 외부 사용자가 시스템(100) 내의 하나 이상의 시스템과 상호 작용할 수 있게 하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들어, 시스템(100)이 시스템에 대한 프리젠테이션(presentation)을 가능하게 하여 사용자가 물품을 주문할 수 있게 하는 실시예에서, 외부 프론트 엔드 시스템(103)은 검색 요청을 수신하고, 물품 페이지를 제시하고, 결제 정보를 요구(solicit)하는 웹 서버로서 구현될 수 있다. 예를 들어, 외부 프론트 엔드 시스템(103)은 Apache HTTP 서버, 마이크로소프트 인터넷 정보 서비스(Microsoft Internet Information Services, IIS), NGINX 등과 같은 소프트웨어를 구동하는 컴퓨터 또는 컴퓨터들로서 구현될 수 있다. 다른 실시예에서, 외부 프론트 엔드 시스템(103)은 외부 디바이스(예를 들어, 모바일 디바이스(102A) 또는 컴퓨터(102B))로부터 요청을 수신하고 처리하도록 설계된 고객 웹 서버 소프트웨어를 실행하고, 이들 요청에 기초하여 데이터베이스 및 기타 데이터 저장소로부터 정보를 획득하고, 획득된 정보에 기초하여 수신된 요청에 대한 응답을 제공할 수 있다.

일부 실시예에서, 외부 프론트 엔드 시스템(103)은 웹 캐싱 시스템(web caching system), 데이터베이스, 검색 시스템 또는 지불 시스템 중 하나 이상을 포함할 수 있다. 일 양상에서, 외부 프론트 엔드 시스템(103)은 이들 시스템 중 하나 이상을 포함할 수 있고, 반면에 다른 양상에서, 외부 프론트 엔드 시스템(103)은 이들 시스템 중 하나 이상에 연결된 인터페이스(예를 들어, 서버-대-서버, 데이터베이스-대-데이터베이스, 또는 다른 네트워크 연결)을 포함할 수 있다.

도 1b, 도 1c, 도 1d 및 도 1e에 의해 도시된 단계의 예시적인 세트는 외부 프론트 엔드 시스템(103)의 일부 동작을 서술하는 데에 도움이 될 것이다. 외부 프론트 엔드 시스템(103)은 프리젠테이션 및/또는 디스플레이를 위해 시스템(100) 내의 시스템 또는 디바이스로부터 정보를 수신할 수 있다. 예를 들어, 외부 프론트 엔드 시스템(103)은 검색 결과 페이지(SRP)(예를 들어, 도 1b), 단일 상세 페이지(SDP)(예를 들어, 도 1c), 카트 페이지(예를 들어, 도 1d) 또는 주문 페이지(예를 들어, 도 1e)를 포함하여, 하나 이상의 웹 페이지를 호스팅하거나 제공할 수 있다. 사용자 디바이스(예를 들어, 모바일 디바이스(102A) 또는 컴퓨터(102B)를 사용함)는, 외부 프론트 엔드 시스템(103)을 탐색하고(navigate), 검색 박스에 정보를 입력함으로써 검색을 요청할 수 있다. 외부 프론트 엔드 시스템(103)은 시스템(100) 내의 하나 이상의 시스템으로부터 정보를 요청할 수 있다. 예를 들어, 외부 프론트 엔드 시스템(103)은 검색 요청을 만족시키는 FO 시스템(113)으로부터 정보를 요청할 수 있다. 외부 프론트 엔드 시스템(103)은 또한, 검색 결과에 포함된 각 제품에 대한 약속된 배송 날짜 즉 "PDD"를 (FO 시스템(113)으로부터) 요청하고 수신할 수 있다. 일부 실시예에서, PDD는, 특정 기간 내에(예를 들어, 하루가 끝날 때까지(오후 11시 59분)) 주문된 경우, 제품을 포함하는 패키지가 사용자의 원하는 위치에 도착할 때, 또는 제품이 사용자의 원하는 위치에 배송될 것으로 약속된 날짜에 대한 추정(estimate)을 나타낼 수 있다. (PDD는 FO 시스템(113)과 관련하여 아래에 더 논의된다).

외부 프론트 엔드 시스템(103)은 정보에 기초하여 SRP(예를 들어, 도 1b)를 준비할 수 있다. SRP는 검색 요청을 만족시키는 정보를 포함할 수 있다. 예를 들어, 이는 검색 요청을 만족시키는 제품의 사진(pictures of products)을 포함할 수 있다. SRP는 또한, 각 제품의 각각의 가격, 또는 각 제품에 대한 향상된 배송 옵션, PDD, 무게, 크기, 제안(offers), 할인 등에 관한 정보를 포함할 수 있다. 외부 프론트 엔드 시스템(103)은 (예를 들어, 네트워크를 통해) 요청측 사용자 디바이스(requesting user device)에 SRP를 전송할 수 있다.

그 후, 사용자 디바이스는, 예를 들어, 사용자 인터페이스를 클릭(clicking) 또는 탭(tapping)하거나, 다른 입력 디바이스를 사용함으로써, SRP 상에 나타내어진 제품을 선택하여, SRP로부터 제품을 선택할 수 있다. 사용자 디바이스는 선택된 제품에 관한 정보 요청(request for information on the selected product)을 공식화하여(formulate) 그것을 외부 프론트 엔드 시스템(103)에 전송할 수 있다. 이에 응답하여, 외부 프론트 엔드 시스템(103)은 선택된 제품과 관련된 정보를 요청할 수 있다. 예를 들어, 정보는 각각의 SRP 상에 제품에 대해 제시된 것 이외의 추가 정보를 포함할 수 있다. 이는, 예를 들어, 유통 기한(shelf life), 원산지(country of origin), 무게, 크기, 패키지 내의 물품의 수(number of items in package), 취급 지시(handling instructions) 또는 제품에 대한 기타 정보를 포함할 수 있다. 정보는 (예를 들어, 이 제품 및 적어도 하나의 다른 제품을 구매한 고객에 대한 빅 데이터 및/또는 기계 학습 분석에 기초하여) 유사한 제품에 대한 추천사항(recommendations), 자주 묻는 질문에 대한 답변, 고객으로부터의 리뷰, 제조자 정보, 사진 등을 포함할 수 있다.

외부 프론트 엔드 시스템(103)은 수신된 제품 정보에 기초하여 SDP(Single Detail Page)(예를 들어, 도 1c)를 준비할 수 있다. SDP는 또한, "바로 구매(Buy Now)" 버튼, "카트에 추가(Add to Cart)" 버튼, 수량 필드, 물품의 사진 등과 같은 기타 대화형 요소를 포함할 수 있다. SDP는 제품을 제안하는 판매자의 목록을 더 포함할 수 있다. 목록은 각 판매자가 제안하는 가격에 기초하여 순서화될(ordered) 수 있어, 최저 가격으로 제품을 판매하겠다고 제안한 판매자가 맨 위(the top)에 나열될 수 있다. 목록은 또한, 최고 랭킹의 판매자(highest ranked seller)가 맨 위에 나열될 수 있도록 판매자 랭킹에 기초하여 순서화될 수 있다. 판매자 순위는, 예를 들어, 약속된 PDD를 충족한 판매자의 과거 추적 기록을 포함하여, 다수의 인자(factor)에 기초하여 수식화될 수 있다. 외부 프론트 엔드 시스템(103)은 (예를 들어, 네트워크를 통해) 요청측 사용자 디바이스에 SDP를 전달할 수 있다.

요청측 사용자 디바이스는 제품 정보를 나열한 SDP를 수신할 수 있다. SDP를 수신하면, 사용자 디바이스는 SDP와 상호 작용할 수 있다. 예를 들어, 요청측 사용자 디바이스의 사용자는 SDP 상의 "카트에 담기(Place in Cart)" 버튼을 클릭하거나 다른 방식으로 상호 작용할 수 있다. 이는 그 제품을 사용자와 연관된 쇼핑 카트(shopping cart)에 추가한다. 사용자 디바이스는 제품을 쇼핑 카트에 추가하라는 이 요청을 외부 프론트 엔드 시스템(103)에 송신할 수 있다.

외부 프론트 엔드 시스템(103)은 카트 페이지(예를 들어, 도 1d)를 생성할 수 있다. 일부 실시예에서, 카트 페이지는 사용자가 가상 "쇼핑 카트"에 추가한 제품을 나열한다. 사용자 디바이스는 SRP, SDP 또는 다른 페이지 상의 아이콘을 클릭하거나 다른 방식으로 상호 작용함으로써 카트 페이지에 요청할 수 있다. 일부 실시예에서, 카트 페이지는, 사용자가 쇼핑 카트에 추가한 모든 제품을 나열할 뿐만 아니라, 각 제품의 수량, 각 제품의 물품당 가격, 각 제품의 관련 수량에 기초한 가격, PDD에 관한 정보, 배송 방법, 운송비(shipping cost), 쇼핑 카트 내의 제품을 수정하기 위한 사용자 인터페이스 요소(예를 들어, 수량 삭제 또는 수정), 다른 제품을 주문하거나 제품의 정기 배송(periodic delivery)을 설정하기 위한 옵션, 이자 결제(interest payment)를 설정하기 위한 옵션, 구매를 진행하기 위한 사용자 인터페이스 요소 등과 같이 카트에 있는 제품에 관한 정보를 나열할 수 있다. 사용자 디바이스에서 사용자는, 쇼핑 카트에서 제품의 구매를 개시하기 위해 사용자 인터페이스 요소(예를 들어, "바로 구매"를 판독하는 버튼)를 클릭하거나 다른 방식으로 상호 작용할 수 있다. 그렇게 하면, 사용자 디바이스는 구매를 개시하라는 이 요청을 외부 프론트 엔드 시스템(103)에 송신할 수 있다.

외부 프론트 엔드 시스템(103)은 구매를 개시하라는 요청을 수신한 것에 응답하여 주문 페이지(예를 들어, 도 1e)를 생성할 수 있다. 일부 실시예에서, 주문 페이지는, 쇼핑 카트로부터 물품을 재나열하고(re-list), 결제 및 운송 정보의 입력을 요청한다. 예를 들어, 주문 페이지는, 쇼핑 카트에 있는 물품의 구매자에 관한 정보를 요청하는 섹션(예를 들어, 이름, 주소, 이메일 주소, 전화 번호), 받는 사람에 관한 정보(예를 들어, 이름, 주소, 전화 번호, 배송 정보), 운송 정보(예를 들어, 배송 속도/방법 및/또는 픽업(pickup)), 결제 정보(예를 들어, 신용 카드, 은행 송금, 수표, 저장된 신용카드(stored credit)), 현금 영수증을 요청하기 위한 사용자 인터페이스 요소(예를 들어, 세금 목적으로) 등을 포함할 수 있다. 외부 프론트 엔드 시스템(103)은 주문 페이지를 사용자 디바이스에 전송할 수 있다.

사용자 디바이스는, 주문 페이지 상에 정보를 입력하고, 정보를 외부 프론트 엔드 시스템(103)에 전송하는 사용자 인터페이스 요소를 클릭하거나 다른 방식으로 상호 작용할 수 있다. 거기서부터, 외부 프론트 엔드 시스템(103)은 정보를 시스템(100) 내의 상이한 시스템에 전송하여 쇼핑 카트에 있는 제품을 갖는 새로운 주문의 생성 및 처리를 가능하게 할 수 있다.

일부 실시예에서, 외부 프론트 엔드 시스템(103)은 또한, 판매자가 주문에 관한 정보를 송신하고 수신할 수 있도록 구성될 수 있다.

일부 실시예에서, 내부 프론트 엔드 시스템(105)은 내부 사용자(예를 들어, 시스템(100)을 소유, 운영 또는 임대하는 조직의 직원)가 시스템(100) 내의 하나 이상의 시스템과 상호 작용할 수 있게 하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들어, 시스템(100)이 사용자가 물품을 주문할 수 있게 하는 시스템의 프리젠테이션을 가능하게 하는 실시예에서, 내부 프론트 엔드 시스템(105)은 내부 사용자가 주문에 대한 진단 및 통계 정보를 보거나(view), 물품 정보를 수정하거나, 주문에 관한 통계를 검토(review)할 수 있게 하는 웹 서버로서 구현될 수 있다. 예를 들어, 내부 프론트 엔드 시스템(105)은 Apache HTTP 서버, 마이크로소프트 인터넷 정보 서비스(IIS), NGINX 등과 같은 소프트웨어를 실행하는 컴퓨터 또는 컴퓨터들로서 구현될 수 있다. 다른 실시예에서, 내부 프론트 엔드 시스템(105)은 시스템(100)에 도시된 시스템 또는 디바이스(도시되지 않은 다른 디바이스뿐만 아니라)로부터 요청을 수신하고 처리하도록 설계된 고객 웹 서버 소프트웨어를 실행할 수 있고, 이들 요청에 기초하여 데이터베이스 및 기타 데이터 저장소로부터 정보를 획득하고, 획득된 정보에 기초하여 수신된 요청에 대한 응답을 제공할 수 있다.

일부 실시예에서, 내부 프론트 엔드 시스템(105)은 웹 캐싱 시스템, 데이터베이스, 검색 시스템, 결제 시스템, 분석 시스템, 주문 모니터링 시스템 등 중 하나 이상을 포함할 수 있다. 일 양상에서, 내부 프론트 엔드 시스템(105)은 이들 시스템 중 하나 이상을 포함할 수 있고, 반면에 다른 양상에서, 내부 프론트 엔드 시스템(105)은 이들 시스템 중 하나 이상에 연결된 인터페이스(예를 들어, 서버-대-서버, 데이터베이스-대-데이터베이스, 또는 다른 네트워크 연결)을 포함할 수 있다.

일부 실시예에서, 수송 시스템(107)은 시스템(100) 내의 시스템 또는 디바이스와 모바일 디바이스(107A 내지 107C) 사이의 통신을 가능하게 하는 컴퓨터 시스템으로서 구현될 수 있다. 일부 실시예에서, 수송 시스템(107)은 하나 이상의 모바일 디바이스(107A 내지 107C)(예를 들어, 모바일 폰, 스마트 폰, PDA 등)로부터 정보를 수신할 수 있다. 예를 들어, 일부 실시예에서, 모바일 디바이스(107A 내지 107C)는 배송 작업자(delivery worker)에 의해 운영되는 디바이스를 포함할 수 있다. 정규직(permanent) 직원, 임시(temporary) 직원 또는 교대(shift) 직원일 수 있는 배송 작업자는 모바일 디바이스(107A 내지 107C)를 활용하여 사용자에 의해 주문된 제품을 포함하는 패키지의 배송을 행할 수 있다. 예를 들어, 패키지를 배송하기 위해, 배송 작업자는 모바일 디바이스 상에서 어느 패키지를 배송할 것인지와 그 패키지를 어디로 배송할 것인지를 나타내는 통지를 수신할 수 있다. 배송 위치에 도착하면, 배송 작업자는 패키지를 (예를 들어, 트럭의 후면에, 혹은 패키지의 상자(crate)에) 위치시키거나, 모바일 디바이스를 사용하여 패키지 상의 식별자(identifier)(예를 들어, 바코드, 이미지, 텍스트 스트링(text string), RFID 태그 등)와 연관된 데이터를 스캔하거나 다른 방식으로 캡처하고, 패키지를 (예를 들어, 문 앞에 두거나, 경비원에게 맡겨 두거나, 받는 사람에게 건네주는 등으로써) 전달한다. 일부 실시예에서, 배송 작업자는 모바일 디바이스를 사용하여 패키지의 사진(들)을 캡처하고, 및/또는 서명을 얻을 수 있다. 모바일 디바이스는, 예를 들어, 시간, 날짜, GPS 위치, 사진(들), 배송 작업자와 관련된 식별자, 모바일 디바이스와 관련된 식별자 등을 포함하는 배송에 관한 정보를 포함하는 정보를 수송 시스템(107)에 전송할 수 있다. 수송 시스템(107)은 시스템(100) 내의 다른 시스템에 의해 액세스되도록 이 정보를 데이터베이스(도시되지 않음)에 저장할 수 있다. 일부 실시예에서, 수송 시스템(107)은 이 정보를 사용하여 특정 패키지의 위치를 나타내는 추적 데이터를 준비하여 다른 시스템에 전송할 수 있다.

일부 실시예에서, 특정 사용자는 한 종류의 모바일 디바이스를 사용할 수 있으며(예를 들어, 정규직 작업자는 바코드 스캐너, 스타일러스 및 기타 디바이스들과 같은 맞춤형 하드웨어(custom hardware)를 갖는 전용 PDA(specialized PDA)를 사용할 수 있고), 반면에 다른 사용자는 다른 종류의 모바일 디바이스를 사용할 수 있다(예를 들어, 임시 또는 교대 작업자는 기성품의(off-the-shelf) 모바일 폰 및/또는 스마트 폰을 활용할 수 있다).

일부 실시예에서, 수송 시스템(107)은 사용자를 각 디바이스와 연관시킬 수 있다. 예를 들어, 수송 시스템(107)은, 사용자(예를 들어, 사용자 식별자, 직원 식별자 또는 전화 번호로 나타내어짐)와 모바일 디바이스(예를 들어, IMEI(International Mobile Equipment Identity), IMSI(International Mobile Subscription Identifier), 전화 번호, UUID(Universal Unique Identifier) 또는 GUID(Globally Unique Identifier)로 나타내어짐) 사이의 연관성을 저장할 수 있다. 수송 시스템(107)은, 무엇보다도, 작업자의 위치, 작업자의 효율성 또는 작업자의 속도를 결정하기 위해, 배송시 수신된 데이터와 함께 이 연관성을 사용하여 데이터베이스에 저장된 데이터를 분석할 수 있다.

일부 실시예에서, 판매자 포털(109)은, 판매자 또는 다른 외부 개체가 시스템(100) 내의 하나 이상의 시스템과 전자적으로 통신할 수 있게 하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들어, 판매자는, 판매자 포털(109)을 사용하여, 판매자가 시스템(100)을 통해 판매하고 싶어하는 제품에 대한 제품 정보, 주문 정보, 연락처 정보 등을 업로드하거나 제공하기 위해 컴퓨터 시스템(도시되지 않음)을 활용할 수 있다.

일부 실시예에서, 선적 및 주문 추적 시스템(111)은, 고객에 의해(예를 들어, 디바이스(102A 및 102B)를 사용하는 사용자에 의해) 주문된 제품을 포함하는 패키지의 위치에 관한 정보를 수신하고, 저장하고, 전달하는 컴퓨터 시스템으로서 구현될 수 있다. 일부 실시예에서, 선적 및 주문 추적 시스템(111)은, 고객에 의해 주문된 제품을 포함하는 패키지를 배송하는 운송 회사에 의해 운영되는 웹 서버(도시되지 않음)로부터, 정보를 요청하거나 저장할 수 있다.

일부 실시예에서, 선적 및 주문 추적 시스템(111)은 시스템(100) 내에 도시된 시스템으로부터 정보를 요청하고 저장할 수 있다. 예를 들어, 선적 및 주문 추적 시스템(111)은 수송 시스템(107)으로부터 정보를 요청할 수 있다. 위에서 논의된 바와 같이, 수송 시스템(107)은, 하나 이상의 사용자(예를 들어, 배송 작업자) 또는 차량(예를 들어, 배송 트럭)과 연관된 하나 이상의 모바일 디바이스(107A 내지 107C)(예를 들어, 모바일 폰, 스마트 폰, PDA 등)로부터 정보를 수신할 수 있다. 일부 실시예에서, 선적 및 주문 추적 시스템(111)은 또한, 풀필먼트 센터(예를 들어, 풀필먼트 센터(200)) 내부의 개별 제품의 위치를 결정하기 위해, 창고 관리 시스템(WMS, 119)으로부터 정보를 요청할 수 있다. 선적 및 주문 추적 시스템(111)은, 수송 시스템(107) 또는 WMS(119) 중 하나 이상으로부터 데이터를 요청하고, 데이터를 처리하고, 요청 시 데이터를 디바이스(예를 들어, 사용자 디바이스(102A 및 102B))에 제시할 수 있다.

일부 실시예에서, 풀필먼트 최적화(FO) 시스템(113)은, 다른 시스템(예를 들어, 외부 프론트 엔드 시스템(103) 및/또는 선적 및 주문 추적 시스템(111))으로부터의 고객 주문에 관한 정보를 저장하는 컴퓨터 시스템으로서 구현될 수 있다. FO 시스템(113)은 또한, 특정 물품이 어디에 보유되거나 저장되는지를 서술하는 정보를 저장할 수 있다. 예를 들어, 특정 물품은 하나의 풀필먼트 센터에만 저장될 수 있고, 반면에 특정 다른 물품은 다수의 풀필먼트 센터에 저장될 수 있다. 또 다른 실시예에서, 특정 풀필먼트 센터는 특정 세트의 물품(예를 들어, 신선 제품 또는 냉동 제품)만을 저장하도록 설계될 수 있다. FO 시스템(113)은, 이 정보뿐만 아니라 관련 정보(예를 들어, 수량, 크기, 수령일, 만료일 등)를 저장한다.

FO 시스템(113)은 또한, 각 제품의 대응하는 PDD(promised delivery date)를 계산할 수 있다. 일부 실시예에서, PDD는 하나 이상의 인자에 기초할 수 있다. 예를 들어, FO 시스템(113)은, 제품에 대한 과거 수요(예를 들어, 한 기간 동안 제품이 얼마나 자주 주문되었는지), 제품에 대한 예상 수요(다가오는 기간 동안 얼마나 많은 고객이 해당 제품을 주문할 것으로 예측되는지), 한 기간 동안 얼마나 많은 제품이 주문되었는지를 나타내는 네트워크-전역(network-wide) 과거 수요, 다가오는 기간 동안 얼마나 많은 제품이 주문될 것인지 예상하는 것을 나타내는 네트워크-전역 예상 수요, 각 풀필먼트 센터(200)에 저장되는 제품에 대한, 풀필먼트 센터가 각 제품마다 저장하는 하나 이상의 카운트, 해당 제품에 대한 예상 주문 또는 현재 주문 등에 기초하여, 제품에 대한 PDD를 계산할 수 있다.

일부 실시예에서, FO 시스템(113)은, 주기적으로(예를 들어, 시간마다) 각 제품에 대한 PDD를 결정하고, 이를 검색을 위해 데이터 베이스에 저장하거나, 다른 시스템(예를 들어, 외부 프론트 엔드 시스템(103), SAT 시스템(101), 선적 및 주문 추적 시스템(111))에 전송할 수 있다. 다른 실시예에서, FO 시스템(113)은, 하나 이상의 시스템(예를 들어, 외부 프론트 엔드 시스템(103), SAT 시스템(101), 선적 및 주문 추적 시스템(111))으로부터 전자식 요청(electronic requests)을 수신하고, 요구 시(on demand) PDD를 계산할 수 있다.

일부 실시예에서, 풀필먼트 메시징 게이트웨이(FMG, 115)는, 시스템(100) 내의 하나 이상의 시스템(예를 들어, FO 시스템(113))으로부터 하나의 포맷 또는 프로토콜로 요청 또는 응답을 수신하고, 요청 또는 응답을 다른 포맷 또는 프로토콜로 변환하고, 변환된 포맷 또는 프로토콜의 요청 또는 응답을 다른 시스템(예를 들어, WMS(119) 또는 제3 자의 풀필먼트 시스템(121A, 121B 또는 121C))에 전달하거나, 그 반대도 성립하는 컴퓨터 시스템으로서 구현될 수 있다.

일부 실시예에서, 공급 체인 관리(SCM) 시스템(117)은 예측 기능을 수행하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들어, SCM 시스템(117)은, 예를 들어, 제품에 대한 과거 수요, 제품에 대한 예상 수요, 네트워크-전역 과거 수요, 네트워크-전역 예상 수요, 각 풀필먼트 센터(200)에 저장되는 제품 카운트(count products), 각 제품에 대한 예상 주문 또는 현재 주문 등에 기초하여 특정 제품에 대한 수요 레벨(level of demand)을 예측할 수 있다. 모든 풀필먼트 센터에 걸쳐 각 제품에 대한 이 예측된 레벨 및 양에 응답하여, SCM 시스템(117)은, 특정 제품에 대한 예측된 수요를 만족시키기에 충분한 수량을 구매하고 비축(stock)하기 위해서 하나 이상의 구매 주문을 생성할 수 있다.

일부 실시예에서, 창고 관리 시스템(WMS, 119)은 작업 흐름을 모니터링하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들어, WMS(119)는 개별 이벤트(discrete events)를 나타내는 개별 디바이스(예를 들어, 디바이스(107A 내지 107C 또는 119A 내지 119C))로부터 이벤트 데이터를 수신할 수 있다. 예를 들어, WMS(119)는 패키지를 스캔하기 위해 이들 디바이스 중 하나의 사용을 나타내는 이벤트 데이터를 수신할 수 있다. 풀필먼트 센터(200) 및 도 2에 관련하여 아래에 논의되는 바와 같이, 풀필먼트 프로세스 동안, 패키지 식별자(예를 들어, 바코드 또는 RFID 태그 데이터)는 특정 단계에서 기계(예를 들어, 자동화되거나 휴대형의 바코드 스캐너, RFID 판독기, 고속 카메라, 태블릿(119A), 모바일 디바이스/PDA(119B), 컴퓨터(119C) 등과 같은 디바이스)에 의해 스캐닝되거나 판독될 수 있다. WMS(119)는, 패키지 식별자, 시간, 날짜, 위치, 사용자 식별자 또는 기타 정보와 함께 대응하는 데이터베이스(도시되지 않음)에 패키지 식별자의 스캔 또는 판독을 나타내는 각 이벤트를 저장할 수 있고, 이 정보를 다른 시스템(예를 들어, 선적 및 주문 추적 시스템(111))에 제공할 수 있다.

일부 실시예에서, WMS(119)는 하나 이상의 디바이스(예를 들어, 디바이스(107A 내지 107C 또는 119A 내지 119C))를 시스템(100)과 연관된 하나 이상의 사용자와 관련시킨 정보를 저장할 수 있다. 예를 들어, 일부 상황에서, 사용자(예를 들어, 시간제 또는 전일제 직원)는, 사용자가 모바일 디바이스(예를 들어, 모바일 디바이스는 스마트 폰임)를 소유한다는 점에서, 모바일 디바이스와 연관될 수 있다. 다른 상황에서, 사용자는, 사용자가 일시적으로 모바일 디바이스를 소유하고 있다(예를 들어, 사용자는 하루의 시작 시에 모바일 디바이스를 체크 아웃하고, 하루 동안 사용할 것이고, 하루가 끝나면 반환할 것이다)는 점에서, 모바일 디바이스와 연관될 수 있다.

일부 실시예에서, WMS(119)는 시스템(100)과 연관된 각 사용자에 대한 작업 로그(work log)를 유지할 수 있다. 예를 들어, WMS(119)는, 임의의 할당된 프로세스(예를 들어, 트럭 하역하기(unloading trucks), 픽 구역(pick zone)으로부터 물품 피킹하기, 리빈 월 작업(rebin wall work), 물품 포장하기), 사용자 식별자, 위치(예를 들어, 풀필먼트 센터(200) 내의 층 또는 구역), 직원에 의해 시스템을 통해 이동된 다수의 유닛(예를 들어, 피킹된 물품의 수, 포장된 물품의 수), 디바이스(예를 들어, 디바이스(119A 내지 119C))와 관련된 식별자 등을 포함하여, 각 직원과 연관된 정보를 저장할 수 있다. 일부 실시예에서, WMS(119)는 디바이스(119A 내지 119C)상에서 운영되는 시간 기록 시스템(timekeeping system)과 같은 시간 기록 시스템으로부터 체크 인 및 체크 아웃 정보를 수신할 수 있다.

일부 실시예에서, 제3 자의 풀필먼트(3PL) 시스템(121A 내지 121C)은 물류 및 제품의 제3자 제공자와 연관된 컴퓨터 시스템을 나타낸다. 예를 들어, 일부 제품은 (도 2와 관련하여 후술되는 바와 같이) 풀필먼트 센터(200)에 저장되지만, 다른 제품은 장외(off-site)에 저장될 수 있거나, 요구 시 생산될 수 있거나, 달리 풀필먼트 센터(200)에 저장되어 이용 가능하지 않을 수 있다. 3PL 시스템(121A 내지 121C)은, (예를 들어, FMG(115)를 통해) FO 시스템(113)으로부터 주문을 수신하도록 구성될 수 있고, 제품 및/또는 서비스(예를 들어, 배송 또는 설치)를 고객에게 직접 제공할 수 있다. 일부 실시예에서, 3PL 시스템(121A 내지 121C) 중 하나 이상은 시스템(100)의 일부일 수 있고, 반면에 다른 실시예에서, 3PL 시스템(121A 내지 121C) 중 하나 이상은 시스템(100) 외부에 있을 수 있다(예를 들어, 제3 자 제공자에 의해 소유되거나 운영된다).

일부 실시예에서, 풀필먼트 센터 인증 시스템(FC Auth, 123)은 다양한 기능을 갖는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들어, 일부 실시예에서, FC Auth(123)은 시스템(100) 내의 하나 이상의 다른 시스템에 대한 SSO(single-sign on) 서비스로서 작용할 수 있다. 예를 들어, FC Auth(123)은 사용자가 내부 프론트 엔드 시스템(105)을 통해 로그인할 수 있게 하고, 사용자가 선적 및 주문 추적 시스템(111)에서 리소스에 액세스할 수 있는 유사한 권한(privileges)을 가지고 있는 것으로 결정하고, 사용자가 제2 로그 인 프로세스(second log in process)를 필요로 하지 않고 이들 권한에 액세스할 수 있게 한다. 다른 실시예에서, FC Auth(123)은 사용자(예를 들어, 직원)가 그들 자신을 특정 작업과 연관시킬 수 있게 한다. 예를 들어, 일부 직원은 전자 디바이스(예를 들어, 디바이스(119A 내지 119C))를 갖지 않을 수 있고, 대신에 하루의 일과에서(during the course of a day), 풀필먼트 센터(200) 내에서, 작업별로, 그리고 구역별로, 이동할 수 있다. FC Auth(123)은 이들 직원이 어떤 작업을 행하고 있는지와, 그들이 하루 중 서로 다른 시각에 어느 구역에 있는지를 나타낼 수 있도록 구성될 수 있다.

일부 실시예에서, 노동 관리 시스템(LMS, 125)은 직원(전일제 및 시간제 직원을 포함)에 대한 출근 및 초과 근무 정보(attendance and overtime information)를 저장하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들어, LMS(125)는 FC Auth(123), WMS(119), 디바이스(119A 내지 119C), 수송 시스템(107) 및/또는 디바이스(107A 내지 107C)로부터 정보를 수신할 수 있다.

도 1a에 도시된 특정 구성은 단지 예시이다. 예를 들어, 도 1a는 FO 시스템(113)에 연결된 FC Auth 시스템(123)을 도시하지만, 모든 실시예가 이 특정 구성을 요구하는 것은 아니다. 실제로, 일부 실시예에서, 시스템(100) 내의 시스템은, 인터넷, 인트라넷, WAN(Wide-Area Network), MAN(Metropolitan-Area Network), IEEE 802.11a/b/g/n 표준과 호환되는 무선 네트워크, 전용 회선(leased line) 등을 포함하는 하나 이상의 공개 또는 비공개 네트워크를 통해 서로 연결될 수 있다. 일부 실시예에서, 시스템(100) 내의 시스템 중 하나 이상은 데이터 센터, 서버 팜(server farm) 등에 구현되는 하나 이상의 가상 서버로서 구현될 수 있다.

도 2는 풀필먼트 센터(200)를 도시한다. 풀필먼트 센터(200)는 주문 시 고객에게 운송되기 위한 물품을 저장하는 물리적 위치의 예이다. 풀필먼트 센터(FC, 200)는 다수의 구역으로 분할될 수 있고, 이들 구역 각각은 도 2에 도시되어 있다. 일부 실시예에서, 이들 "구역"은 물품을 수신하고, 물품을 저장하고, 물품을 검색하고, 물품을 운송하는 프로세스의 상이한 단계 사이의 가상 분할(virtual divisions)로 여겨질 수 있다. 따라서, "구역"이 도 2에 도시되어 있지만, 구역에 대한 다른 분할이 가능하고, 일부 실시예에서, 도 2의 구역이 생략되거나, 복제되거나, 수정될 수 있다.

인바운드 구역(203)은 도 1a로부터 시스템(100)을 사용하여 제품을 판매하고 싶어하는 판매자로부터 물품이 수신되는 풀필먼트 센터(200)의 영역을 나타낸다. 예를 들어, 판매자는 트럭(201)을 사용하여 물품(202A 및 202B)을 배송할 수 있다. 물품(202A)은 그 자체의 운송 팔레트(shipping pallet)를 점유하기에 충분히 큰 단일 물품을 나타낼 수 있고, 반면에 물품(202B)은 공간을 절약하기 위해 동일한 팔레트 상에 함께 적재된 물품의 세트를 나타낼 수 있다.

작업자는 인바운드 구역(203)에서 물품을 수신하고, 선택적으로 컴퓨터 시스템(도시되지 않음)을 사용하여 물품의 손상 및 정확성에 대해 검사할 수 있다. 예를 들어, 작업자는 컴퓨터 시스템을 사용하여 물품(202A 및 202B)의 수량을 물품의 주문 수량과 비교할 수 있다. 수량이 매칭되지(match) 않으면, 그 작업자는 물품(202A 또는 202B) 중 하나 이상을 거부할 수 있다. 수량이 매칭되면, 작업자는 (예를 들어, 돌리(dolly), 핸드 트럭, 지게차(forklift)를 이용하거나 수동으로) 이들 물품을 버퍼 구역(205)으로 이동시킬 수 있다. 버퍼 구역(205)은, 예를 들어, 피킹 구역에 예측된 수요를 충족시키기에 매우 충분한 수량의 해당 물품이 있기 때문에, 피킹 구역에서 현재 필요하지 않은 물품에 대한 임시 저장 영역일 수 있다. 일부 실시예에서, 지게차(206)는 버퍼 구역(205) 주위에서, 그리고 인바운드 구역(203)과 드롭 구역(207) 사이에서 물품을 이동시키도록 동작된다. 피킹 구역에서 물품(202A 또는 202B)이 필요하다면(예를 들어, 예측된 수요로 인함), 지게차는 물품(202A 또는 202B)을 드롭 구역(207)으로 이동시킬 수 있다.

드롭 구역(207)은, 물품이 피킹 구역(209)으로 이동되기 전에 물품을 저장하는 풀필먼트 센터(200)의 영역일 수 있다. 피킹 작업에 할당된 작업자("피커(picker)")는, 피킹 구역에서 물품(202A 및 202B)에 접근하고, 피킹 구역에 대한 바코드를 스캔하고, 모바일 디바이스(예를 들어, 디바이스 119B)를 사용하여 물품(202A 및 202B)과 연관된 바코드를 스캔할 수 있다. 그 후, 피커는 (예를 들어, 물품을 카트에 담거나 운반함으로써) 물품을 피킹 구역(209)으로 가져갈 수 있다.

피킹 구역(209)은 물품(208)이 저장 유닛(210) 상에 저장되는 풀필먼트 센터(200)의 영역일 수 있다. 일부 실시예에서, 저장 유닛(210)은 물리적 선반, 책장, 박스, 토트(totes), 냉장고, 냉동고, 냉장 창고(cold stores) 등 중 하나 이상을 포함할 수 있다. 일부 실시예에서, 피킹 구역(209)은 다수의 층으로 구성될 수 있다. 일부 실시예에서, 작업자 또는 기계는, 예를 들어, 지게차, 엘리베이터, 컨베이어 벨트, 카트, 핸드 트럭, 돌리, 자동화된 로봇 또는 디바이스를 포함하여 여러 방식으로, 또는 수동으로 물품을 피킹 구역(209)으로 이동시킬 수 있다. 예를 들어, 피커는 드롭 구역(207)에서 핸드 트럭 또는 카트 상에 물품(202A 및 202B)을 담고, 물품(202A 및 202B)을 피킹 구역(209)까지 걸어서 운반할 수 있다.

피커는, 저장 유닛(210)상의 특정 공간과 같이, 피킹 구역(209)의 특정 지점(particular spots)에 물품을 배치(또는 "수납")하라는 명령어(instruction)를 수신할 수 있다. 예를 들어, 피커는 모바일 디바이스(예를 들어, 디바이스(119B))를 사용하여 물품(202A)을 스캔할 수 있다. 디바이스는, 예를 들어, 통로(aisle), 선반 및 위치를 나타내는 시스템을 사용하여 피커가 물품(202A)을 수납해야 하는 위치를 나타낼 수 있다. 그 후, 디바이스는 그 위치에 물품(202A)을 수납하기 전에 피커가 그 위치에서 바코드를 스캔하도록 촉구할 수 있다. 디바이스는, 디바이스(119B)를 사용하는 사용자에 의해 그 위치에 물품(202A)이 수납되었음을 나타내는 데이터를, (예를 들어, 무선 네트워크를 통해) 도 1a의 WMS(119)와 같은 컴퓨터 시스템에 전송할 수 있다.

사용자가 주문을 하면, 피커는 저장 유닛(210)으로부터 하나 이상의 물품(208)을 검색하라는 명령어를 디바이스(119B)상에 수신할 수 있다. 피커는, 물품(208)을 검색하고, 물품(208)상의 바코드를 스캔하고, 물품을 수송 메커니즘(transport mechanism)(214) 상에 배치할 수 있다. 수송 메커니즘(214)은, 슬라이드로 나타내어져 있지만, 일부 실시예에서, 수송 메커니즘은 컨베이어 벨트, 엘리베이터, 카트, 지게차, 핸드 트럭, 돌리 등 중 하나 이상으로서 구현될 수 있다. 그 후, 물품(208)은 포장 구역(packing zone, 211)에 도착할 수 있다.

포장 구역(211)은, 물품이 피킹 구역(209)으로부터 수신되어 고객에게 최종 운송되기 위해 박스 또는 백(bags)에 포장되는 풀필먼트 센터(200)의 영역일 수 있다. 포장 구역(211)에서, 물품 수신에 할당된 작업자("리빈 작업자")는 피킹 구역(209)으로부터 물품(208)을 수신하고 그것이 어느 주문에 대응하는지를 결정할 것이다. 예를 들어, 리빈 작업자는 컴퓨터(119C)와 같은 디바이스를 사용하여 물품(208)상의 바코드를 스캔할 수 있다. 컴퓨터(119C)는 물품(208)이 어느 주문과 연관되는지를 시각적으로 나타낼 수 있다. 이는, 예를 들어, 주문에 대응하는 공간 또는 벽(216)의 셀"을 포함할 수 있다. 일단 주문이 완료되면 (예를 들어, 셀은 주문에 대한 모든 물품을 포함하기 때문에), 리빈 작업자는 주문이 완료된 것을 포장 작업자(packing worker)(또는 "패커(packer)")에게 나타낼 수 있다. 패커는 셀로부터 물품을 검색하여 운송을 위해 박스 또는 백에 담을 수 있다. 그 후, 패커는 예를 들어, 지게차, 카트, 돌리, 핸드 트럭, 컨베이어 벨트를 통해, 박스 또는 백을 허브 구역(213)으로 수동으로 또는 다른 방식으로 전송할 수 있다.

허브 구역(213)은 포장 구역(211)으로부터 모든 박스 또는 백("패키지")을 수신하는 풀필먼트 센터(200)의 영역일 수 있다. 허브 구역(213)의 작업자 및/또는 기계는, 패키지(218)를 검색하고, 각 패키지가 배송 지역 중 어느 부분으로 가고자 의도되는지를 결정하고, 패키지를 적절한 캠프 구역(215)으로 라우팅할 수 있다. 예를 들어, 배송 지역이 두 개의 더 작은 하위-지역(sub-areas)을 갖는 경우, 패키지는 두 개의 캠프 구역(215) 중 하나로 갈 것이다. 일부 실시예에서, 작업자 또는 기계는 (예를 들어, 디바이스(119A 내지 119C) 중 하나를 사용하여) 패키지를 스캔하여 그 최종 목적지를 결정할 수 있다. 패키지를 캠프 구역(215)으로 라우팅하는 것은, 예를 들어, (예를 들어, 우편 번호에 기초하여) 패키지가 예정되어 있는 지리적 지역의 일부를 결정하는 것, 및 지리적 지역의 일부와 연관된 캠프 구역(215)을 결정하는 것을 포함할 수 있다.

일부 실시예에서, 캠프 구역(215)은 하나 이상의 건물, 하나 이상의 물리적 공간 또는 하나 이상의 지역을 포함할 수 있고, 여기서 패키지는 루트 및/또는 서브-루트로 분류되기 위해 허브 구역(213)으로부터 수신된다. 일부 실시예에서, 캠프 구역(215)은 풀필먼트 센터(200)로부터 물리적으로 분리되고, 반면에 다른 실시예에서, 캠프 구역(215)은 풀필먼트 센터(200)의 일부를 형성할 수 있다.

캠프 구역(215) 내의 작업자 및/또는 기계는, 예를 들어, 목적지를 기존의 루트 및/또는 서브-루트와 비교하는 것, 각 루트 및/또는 서브-루트에 대한 작업 부하를 계산하는 것, 하루 중 시각(the time of day), 운송 방법, 패키지(220)를 운송하기 위한 비용, 패키지(220) 내의 물품과 연관된 PDD 등에 기초하여, 패키지(220)가 어느 루트 및/또는 서브-루트와 연관되어야 하는지를 결정할 수 있다. 일부 실시예에서, 작업자 또는 기계는 (예를 들어, 디바이스(119A 내지 119C) 중 하나를 사용하여) 패키지를 스캔하여 그 최종 목적지를 결정할 수 있다. 일단 패키지(220)가 특정 루트 및/또는 서브-루트에 할당되면, 작업자 및/또는 기계는, 운송될 패키지(220)를 이동시킬 수 있다. 예시적인 도 2에서, 캠프 구역(215)은 트럭(222), 자동차(226) 및 배송 작업자(224A 및 224B)를 포함한다. 일부 실시예에서, 트럭(222)은 배송 작업자(224A)에 의해 구동될 수 있고, 여기서 배송 작업자(224A)는 풀필먼트 센터(200)를 위한 패키지를 배달하는 전일제 직원이고, 트럭(222)은, 풀필먼트 센터(200)를 소유하거나, 임대하거나, 운영하는 동일한 회사에 의해 소유되거나, 임대되거나, 운영된다. 일부 실시예에서, 자동차(226)는 배송 작업자(224B)에 의해 운전될 수 있고, 여기서 배송 작업자(224B)는 필요에 따라(on an as-needed basis)(예를 들어, 계절에 따라) "가변적인(flex)" 또는 비정기적인 작업자(occasional worker)이다. 자동차(226)는 배송 작업자(224B)에 의해 소유되거나, 임대되거나, 운영될 수 있다.

도 3은, 개시된 실시예와 일치하는, 타겟화된 프로모션 캠페인을 가능하게 하는, 통신을 위한 컴퓨터화된 시스템을 포함하는 네트워크(40)의 예시적인 실시예를 나타내는 개략적인 블록도이다. 도 3에서 볼 수 있는 바와 같이, 프로모션 캠페인 시스템(50)은 서버(300)를 포함한다.

서버(300)의 기본 구성요소는 프로세서(320), 및 메모리 디바이스(340)를 포함하지만, 서버(300)는 전자 통신을 용이하게 하는 구성요소를 포함한 다른 구성요소를 포함할 수 있다. 다른 구성요소는 입력 및 출력 디바이스(도시하지 않음)와 같은 사용자 인터페이스 디바이스를 포함할 수 있다. 서버(300)는 중앙 처리 장치(CPU) 또는 프로세서, 버스, 메모리 디바이스, 저장 유닛, 데이터 프로세서, 입력 디바이스, 출력 디바이스, 네트워크 인터페이스 디바이스 및 당업자에게 이해되는 다른 유형의 구성요소의 조합과 같은 컴퓨터 하드웨어 구성요소를 포함할 수 있다. 서버(300)는 소프트웨어 모듈, 명령어의 시퀀스, 루틴, 데이터 구조, 디스플레이 인터페이스, 및 본 발명의 동작을 실행하는 다른 유형의 구조를 포함할 수 있는 애플리케이션 프로그램을 더 포함할 수 있다.

서버(300)에서의 하드웨어 구성요소 중 하나는 프로세서(320)이다. 프로세서(320)는, ASIC(Application Specific Integrated Circuit)일 수 있거나 또는 범용 프로세서일 수 있다. 프로세서(320)는 하나 이상의 프로세서를 포함할 수 있다. 예를 들어 프로세서는, 처리될 컴퓨터 명령의 전부 또는 일부를 처리하기 위해, 병렬, 직렬 또는 이들 양쪽 모두로 놓여질 수 있다.

메모리 디바이스(340)는, 예로서, EPROM, RAM, ROM, DRAM, EEPROM 및 플래시 메모리 디바이스와 같은 반도체 메모리 디바이스; 내장 하드 디스크 및 이동식 디스크와 같은 자기 디스크; 광자기 디스크; DVD 디스크 및 CD-ROM 디스크를 포함하는 비휘발성 또는 휘발성 메모리와 같은 모든 형태의 컴퓨터 판독가능 저장 매체를 포함할 수 있다. 메모리 디바이스(340)는 프로그램 코드(345), 데이터 레이크(data lake)(350) 및 비즈니스 규칙(355)을 저장하는데 사용될 수 있다.

서버(300)는 고객 행동 정보(60) 및 복수의 광고 캠페인(80)을 포함한 내부 프론트 엔드 시스템(105)으로부터의 정보를 수신하도록 구성된다. 고객 행동 정보(60)는: 고객 구매 거동(예를 들어, 구매한 제품, 구매 빈도, 반복 구매 등), 고객 브라우징 이력, 고객 검색 이력, 로열티 프로그램 멤버쉽, 로열티 프로그램 활동 및 로열티 프로그램 혜택 자격을 포함할 수 있다. 다양한 비즈니스 제약(358)(예를 들어, 어떤 벤더가 프로모션을 제공하고 있는지, 수익성을 유지하면서 특정 제품 또는 제품 카테고리에 대해 어떤 종류 및 얼마나 많은 할인이 제공될 수 있는지 등)이 임의의 주어진 시간에 복수의 광고 캠페인이 무엇인지를 결정한다.

도 4는, 개시된 실시예와 일치하는, 프로모션 캠페인 시스템(50)의 예시적인 실시예를 도시하는 개략적인 블록도이다.

도 4에서 볼 수 있는 바와 같이, 데이터 레이크(350)는 고객 행동 정보(60)의 컬렉션(collection)을 포함한다. 일부 실시예에서, 내부 프론트 엔드 시스템(105)은, 예를 들어, 데이터 레이크(350)로부터 관련 데이터를 검색함으로써, 이 정보를 주기적으로, 실시간으로 또는 온디맨드로 업데이트한다. 주기적으로, 고객 행동 정보(60)의 특정 세트가, 다양한 결정 엔진(365, 370, 375)에 의해 구현되는 수 개의 기계 학습(ML)/인공 지능(AI) 도출된 알고리즘 하에서 평가되도록 프로세서(320)에 의해 안내된다. ML/AI 방법은 딥 러닝 및 랜덤 포레스트를 포함한다. 결정 엔진(365, 370, 375)은 예시적인 것이며, 이들보다 더 적거나 더 많은 엔진이 프로세서(320)에 의해 사용될 수 있다.

PTBDE(propensity to buy decision engine; 구매 성향 결정 엔진)(365)는 이러한 ML/AI 도출된 알고리즘 중 하나를 구현한다. PTBDE(365)는, 설정된 기간에 걸쳐 상이한 제품의 세트에 대해 관심을 갖는 고객을 식별하기 위해, 고객 행동 정보(60)의 일부를 활용한다. 일부 실시예에서, PTBDE(365)는 특정 타겟 카테고리/브랜드/디바이스의 구매 성향이 높은 고객을 결정하도록 구성되며, 따라서 더 높은 증분 구매율(incremental purchase rate)을 드라이브(drive)한다. 예를 들어, PTBDE(365)에서 다수의 카테고리/브랜드/디바이스 모델이 사용될 수 있으며; PTBDE(365)는 정기적으로 또는 산발적으로 업데이트된 모델을 수신하도록 구성될 수 있다. PTBDE(365)의 출력은 원하는 제품의 목록(368) 형태일 수 있다. 예를 들어 PTBDE(365)는, 고객이 향후 7일에 걸쳐 구매에 관심을 가질 수 있는 제품의 목록을 예측하기 위해, 특정 고객에 특정한 정보(예컨대, 고객의 이전 구매, 외부 프론트 엔드 시스템(103) 상에서 고객이 검색한 제품, 및 시스템(103) 상에서의 다른 브라우징 이력)를 사용한다. 목록(368)은 추정된 고객 관심의 순서대로 순위 매겨질 수도 있고 그렇지 않을 수도 있다. PTBDE(365)에 의한 예측은, 예를 들어, 다중 레이어를 사용하여 원시(raw) 입력으로부터 보다 높은 레벨의 피쳐를 점진적으로 추출하는 랜덤 포레스트 기계 학습 방법 및/또는 딥 러닝을 통해 이루어질 수 있으며, 따라서 PTBDE(365)에 의한 예측은 시간이 지남에 따라 보다 정확해진다.

예를 들어 랜덤 포레스트 알고리즘은, 특정 고객이 향후 7일 내에 타겟 카테고리에서 구매할 가능성을 예측하기 위해, 200개보다 많은 피쳐를 가진 각 카테고리/브랜드/디바이스 모델에 대해 구현될 수 있다. 일부 실시예에서, 이러한 피쳐들은 명품(luxury item) 구매 거동, 카테고리 특정 거동, 프리미엄 멤버쉽 사용, 브라우징 거동 등을 포함할 수 있다. 일부 실시예에서, 사용하는 피쳐는 상이한 카테고리/브랜드/디바이스의 각각마다 상이할 수 있다. 모델은 가장 최근의 이력 데이터를 사용하여 수개의 모델 파라미터(예컨대, 트리의 수(number of trees) 및 트리 깊이(tree depth) 튜닝)에 기초하여 전체 정확도율과 참 긍정율(true positive rate)을 훈련하고 최적화한다. 또한, 모델 스코어 십분위(model score decile)에 의한 구매율 및 카테고리 커버리지율(category coverage rate)을 포함한 각 모델의 성능을 평가하기 위해 초기 검증이 제공될 수 있다. 구체적으로 검증은, 모델이, 더 높은 구매율을 가지는 성향이 높은 고객을 식별할 수 있음을 증명한다. 아래의 표 1은 검증의 예이다. (모델 스코어에 기초한) 상위 3분위는 기저귀 고객의 89%를 식별할 수 있다(별표가 붙은 값 참조). 아래에서 알 수 있는 바와 같이, 십분위수가 커질수록 구매율이 감소한다(십분위수가 커질수록 고객이 해당 카테고리의 제품을 구매할 가능성은 적어진다).

NBADE(next best action decision engine)(370)는 이러한 ML/AI 도출된 알고리즘 중 다른 것을 구현한다. NBADE(370)는, 시스템(103) 상에서 고객의 평생 지출을 최대화할 가능성이 가장 높은 어느 설정된 기간에 걸친 고객에 의한 잠재적 구매의 유형이 무엇인지 식별하기 위해, (PTBDE(365)가 활용하는 것과는 다른) 고객 행동 정보(60)의 다른 세트를 활용한다. 따라서, NBADE(370)의 출력은, 고객이 구매할 경우, 가장 반복적인 구매 또는 가장 많은 수익을 발생시킬 것으로 추정되는 제품 카테고리의 순위 매겨진 목록(373)의 형태일 수 있다. 예를 들어 NBADE(370)는, 고객의 향후 90일의 가능한 수익을 예측하기 위해, 특정 고객에 대한 특정 정보(예컨대, 고객의 이전 구매)와 조합하여 다수의 고객으로부터 집계된 정보(예컨대, 반복 구매 경향이 높은 제품 카테고리, 높은 수익 마진을 가진 제품 카테고리 등)를 사용한다. NBADE(370)에 의한 이러한 예측은, 예를 들어 딥 러닝 및 랜덤 포레스트 기계 학습 방법을 포함한 수 개의 모델을 사용하여 고객이 향후 4주 내에 취할 수 있는 수많은(예컨대, 수백 개의) 대안적인 고객 행동을 시뮬레이션함으로써 이루어질 수 있다. 모델 정확도 측정(예를 들어, 평균 절대 오차)을 이용하면, 예측된 가장 높은 90일 수익을 갖는 고객 행동이 해당 고객에게 가장 권장되는 행동이다.

마케팅 감수성 결정 엔진(MSDE)(375)은, 일부 실시예에서, 고객 행동 정보(60)를 분석하기 위해 동일하거나 상이한 ML/AI 도출된 알고리즘을 구현할 수 있다. MSDE(375)는, 광고/프로모션 시청에 기초하여 고객이 그들의 구매 거동을 변경할 가능성을 식별하기 위해, (PTBDE(365) 또는 NBADE(370)가 활용하는 것과는 다른) 고객 행동 정보(60)의 다른 세트를 활용한다. 따라서 MSDE(375)의 출력은 마케팅 감수성 목록(378)의 형태일 수 있다. 예를 들어 MSDE(375)는, 고객이 일반적으로 광고/프로모션 또는 특정 제품/제품 카테고리에 대해 구매에 의해 반응할 가능성이 있는지를 예측하기 위해, 특정 고객에 특정한 정보(예컨대, 프로모션 이후 신규 구매의 고객의 이력, 프로모션 이후 고객이 외부 프론트 엔드 시스템(103) 상에서 검색한 제품의 이력, 외부 프론트 엔드 시스템(103) 상에서 프로모션을 시청한 시간)를 사용한다. 예를 들어, 마케팅 감수성 목록(378)은 제품 카테고리의 각각에 대한 마케팅 수신에 기초하여 제품 카테고리에 대한 구매 행동에 있어서의 추정된 변경 가능성을 나타낼 수 있다. MSDE(375)에 의한 이러한 예측은, 예를 들어 딥 러닝 기계 학습 방법을 통해 이루어질 수 있다.

위에서 설명된 3개의 상이한 결정 엔진(365, 370, 375) 및 이들의 연관된 ML/AI 도출된 알고리즘이 위에서 설명되었지만, 이 목록은 완전하지 않으며 프로세서(320)는 다른 유형의 결정 엔진 또는 다른 ML/AI 도출된 알고리즘을 사용할 수 있다. 복수의 광고 캠페인(80)과 함께 전술한 결정 엔진(365, 370, 375)의 출력(368, 373, 378)은 고객 프로모션 결정 엔진(CPDE)(390)에 공급된다. CPDE(390)를 실행하는 프로세서(320)는, 디바이스(102)에서 고객에게 제공되는 복수의 광고 캠페인(80)으로부터 선택된 광고 캠페인(395a-n)의 순위 매겨진 목록을 생성하기 위해 다양한 비즈니스 규칙(355)을 사용한다. 광고 캠페인(395a-n)의 순위 매겨진 목록은 특정 광고 캠페인(395)이 다른 것보다 고객에 대해 우선순위가 높음을 나타내는 임의의 적합한 형태(플레인(plain) 텍스트 파일, 스프레드시트 등)일 수 있다. 예를 들어, PTBDE(365)에 의해 생성된 성향 테이블은 멤버 식별, 제품 카테고리 및 성향 스코어에 대한 열을 포함할 수 있다. 또한 NBADE(370)에 의해 생성된 NBA 테이블은 멤버 식별, 및 NBA 영향에 대한 열을 포함할 수 있다. 비즈니스 규칙(335)은 성향 테이블을 NBA 테이블과 병합하고 나서, 성향 및 제품별 NBA 출력에 대한 각각의 멤버 식별에 대해 레이블을 지정하고 순위를 매길 수 있다(예시적인 그룹 레이블은 코어(core) 그룹, 명목상(nominal) 그룹 및 신호 없음을 포함할 수 있음). 일부 배열에서, 목록(359)은 겨우 하나의 광고 캠페인(395a)을 포함할 수 있다. CODE(390)에 의해 선택된 다수의 광고 캠페인(395a-n)이 있는 배열에서, 캠페인(395a-n) 모두가 고객 디바이스(102)에서 고객에게 제시되지 않을 수 있다. 예를 들어, CPDF(390)가 최상위로 순위 매겨진 광고 캠페인(395a)으로서 기저귀 프로모션을, 제2 순위로 순위 매겨진 광고 캠페인(395b)으로서 운동화 프로모션을, 제3 순위로 순위 매겨진 광고 캠페인(395c)으로서 보석 프로모션을 선택하면, 최상위로 순위 매겨진(즉, 고객으로부터 평생 수익을 최대화할 가능성이 가장 높은) 캠페인(395a)이, 시스템(103)에 로그할 때 디바이스(102)에서 고객에게 초기에 제시될 수 있다. 고객이 미리 결정된 기간(예컨대, 일주일) 내에 두 번째로 시스템(103)에 로그하면, 제2 순위로 순위 매겨진 캠페인(395b)이 디바이스(102) 상에서 고객에게 제시될 수 있다. 그러나, 고객이 미리 결정된 기간의 종료 전에 세 번째로 시스템(103)에 로그하지 않으면, 제3 순위로 순위 매겨진 캠페인(395c)은 고객에게 제시되지 않을 수 있다.

도 5는 개시된 실시예와 일치하는, 프로모션 캠페인 방법(400)의 예시적인 실시예를 도시하는 흐름도이다. 방법은 단계 402로 시작한다.

단계 402는, 제1 서버(300)에서, 고객과 연관된 고객 행동 정보(60)를 수신하고 있다. 예를 들어, 서버(300)는 시스템(105)으로부터 고객 구매 거동(예컨대, 구매한 제품, 구매 빈도, 반복 구매 등), 고객 브라우징 이력, 고객 검색 이력, 로열티 프로그램 멤버쉽, 로열티 프로그램 활동 및 로열티 프로그램 혜택 적격성을 수신할 수 있다.

단계(404)는 복수의 광고 캠페인(80)을 수신하고 있다. 각각의 광고 캠페인은 프로모션(예컨대, 할인 가격, 하나 사면 하나 무료, 보상 포인트) 또는 광고일 수 있다. 고객에게 배포할 수 있는 특정 제품 또는 제품 카테고리와 관련된 수백 개의 현재 광고 캠페인(80)이 있을 수 있다.

단계(406)는, 제1 알고리즘(365)을 사용하여, 고객이 제1 기간에 걸쳐 관심을 가질 수 있는 고객 행동 정보(60)로부터 도출되는 제품의 목록(368)을 생성하고 있다. 예를 들어, PTBDE(365)는 고객이 다음 주에 개 사료, 비디오 게임, 기저귀 및 냉장고를 구매하는 데 관심이 있다는 정보(60)의 서브세트에 기초하여 결정할 수 있다.

단계(408)는, 제2 알고리즘(370)을 사용하여, 고객이 구매할 경우, 제2 기간에 걸쳐 가장 높은 수익량을 발생시키는, 고객 행동 정보(60)로부터 도출되는 제품 카테고리의 순위가 매겨진 목록(373)을 생성하고 있다. 예를 들어 NBADE(370)는, 정보(60)의 다른 서브세트에 기초하여 애완동물 사료, 청소용품 및 유아용품 카테고리에서의 구매가 고객의 일생에 걸쳐 내림차순으로 가장 많은 수익을 생성할 것이라고 결정할 수 있다.

단계 410은 복수의 광고 캠페인(80) 중 제1 광고 캠페인(395a)과 연관된 제1 통신을 고객 디바이스(102)로 전송하고 있으며, 제1 광고 캠페인(395a)은, 입력으로서, 제품의 목록(368) 및 제품 카테고리의 순위 매겨진 목록(373)을 포함하는 제3 알고리즘(390)에 의해 선택된다. 예를 들어 비즈니스 규칙(355)에 기초하여, CPDE(390)는, 애완동물 사료가 결정된 가장 높은 수익 생성 제품 카테고리이고 다음 주 이내에 고객이 개 사료를 구매하는 성향을 보여줬기 때문에, 고객에게 제공할 최고의 프로모션은 개 사료에 대한 프로모션이라고 결정할 수 있다. 또한 CPDE(390)는, 유아용 제품이 세 번째로 높은 수익 생성 제품 카테고리로 결정되고 고객이 다음 주 이내에 기저귀를 구매하는 성향을 보여줬기 때문에 고객에게 제공할 두 번째로 좋은 프로모션은 기저귀에 대한 프로모션이라고 결정할 수 있다. 이러한 결정의 결과로서, 디바이스(102)는, (i) 고객이 해당 주에 처음으로 시스템(103)에 로그할 때 개 사료 프로모션을 표시하고 (ii) 고객이 해당 주에 두 번째로 시스템(103)에 로그할 때 기저귀 프로모션을 표시할 수 있다.

본 개시가 그의 특정한 실시예를 참조로 도시되고 설명되었지만, 본 개시가 다른 환경에서 수정 없이 실시될 수 있음이 이해될 것이다. 전술한 서술은 예시의 목적으로 제시되었다. 이는 완전한 것은(exhaustive) 아니며, 개시된 정확한 형태 또는 실시예로 제한되지 않는다. 통상의 기술자에게는 개시된 실시예의 명세서 및 실시의 고려로부터 수정 및 조정(adaptations)이 명백할 것이다. 추가적으로, 개시된 실시예의 양상이 메모리에 저장되는 것으로 설명되었지만, 통상의 기술자는 이들 양상이 2차 저장 디바이스 예를 들어, 하드 디스크 또는 CD ROM, 또는 다른 형태의 RAM 또는 ROM, USB 매체, DVD, 블루-레이(Blu-ray) 또는 다른 광학 드라이브 매체와 같은 다른 타입의 컴퓨터 판독가능 매체 상에 저장될 수 있음을 인식할 것이다.

기록된 설명 및 개시된 방법을 기초로 하는 컴퓨터 프로그램은 숙련된 개발자의 기술 내에 있다. 다양한 프로그램 또는 프로그램 모듈은 통상의 기술자에게 알려진 기법 중 어느 것을 사용하여 생성될 수 있거나, 또는 기존의 소프트웨어와 관련하여 설계될 수 있다. 예를 들어, 프로그램 섹션 또는 프로그램 모듈은 .Net Framework, .Net Compact Framework(및 Visual Basic, C 등과 같은 관련된 언어), Java, C++, Objective-C, HTML, HTML/AJAX 조합, Java 애플릿이 포함된 XML 또는 HTML로, 또는 이를 통해 설계될 수 있다.

또한, 예시적인 실시예가 여기서 서술되면서, (예를 들어, 다양한 실시예에 걸친 양상의) 동등한 요소, 수정, 생략, 조합, 조정 및/또는 변경을 갖는 임의의 및 모든 실시예의 범주는 본 개시를 기초로 통상의 기술자에 의해 인식될 것이다. 청구범위의 제한사항은 청구범위에 사용된 언어에 기초하여 광범위하게 해석되어야 하며, 본 출원의 절차(prosecution) 동안 또는 본 명세서에 서술된 예시로 제한되지 않는다. 실시예는 비-배타적 인 것으로 해석되어야 한다. 또한, 개시된 방법의 단계는 단계를 재정렬하거나 및/또는 단계를 삽입하거나 삭제하는 것을 포함하여 임의의 방식으로 수정될 수 있다. 그러므로, 본 명세서 및 예시는 단지 예시적인 것으로 간주되며, 진정한 범주 및 사상은 다음의 청구범위 및 그의 등가물의 전체 범주에 의해 나타난다.

Claims

고객에게 광고를 타겟팅하기 위한 컴퓨터 구현 방법으로서:
제1 서버에서, 상기 고객과 연관된 고객 행동 정보를 수신하는 것;
복수의 광고 캠페인을 수신하는 것;
제1 알고리즘을 사용하여, 상기 고객이 제1 기간에 걸쳐 관심을 가질 수 있는, 상기 고객 행동 정보로부터 도출된 제품의 목록을 생성하는 것;
제2 알고리즘을 사용하여, 상기 고객이 구매할 경우, 제2 기간에 걸쳐 가장 높은 수익량을 생성하는, 상기 고객 행동 정보로부터 도출된 제품 카테고리의 순위 매겨진 목록을 생성하는 것; 및
상기 복수의 광고 캠페인 중 제1 광고 캠페인과 연관된 제1 통신(communication)을 고객 디바이스로 전송하는 것 - 상기 제1 광고 캠페인은, 입력으로서, 상기 제품의 목록 및 상기 제품 카테고리의 순위 매겨진 목록을 포함(incorporate)하는 제3 알고리즘에 의해 선택됨 - 을 포함하고,
상기 제1 알고리즘 및 상기 제2 알고리즘은 인공 지능 및/또는 기계 학습 모델에 기초하고,
상기 제3 알고리즘은 미리 결정된 비즈니스 규칙에 의해 결정되는, 컴퓨터 구현 방법.
제1항에 있어서,
상기 제1 알고리즘은 랜덤 포레스트 기계 학습(random forest machine learning)에 기초하고;
상기 제2 알고리즘은 랜덤 포레스트 기계 학습 및 딥 기계 학습(deep machine learning)에 기초하고;
상기 제2 알고리즘은 모델 정확도 측정에 따라 랜덤 포레스트 기계 학습 또는 딥 기계 학습에 기초한 솔루션을 출력하는, 컴퓨터 구현 방법.
제1항에 있어서,
상기 고객 행동 정보는 고객 구매 거동(customer purchase behavior), 고객 브라우징 이력(customer browsing history), 고객 검색 이력(customer searching history), 로열티 프로그램 멤버쉽(loyalty program membership), 로열티 프로그램 활동(loyalty program activity), 및 로열티 프로그램 혜택 적격성(loyalty program benefit eligibility) 중 적어도 하나를 포함하는, 컴퓨터 구현 방법.
제1항에 있어서,
상기 제품의 목록은 상기 고객 행동 정보의 제1 서브세트로부터 상기 제1 알고리즘에 의해 생성되고, 상기 제1 서브세트는 상기 고객에 구체적으로 대응하는 정보인, 컴퓨터 구현 방법.
제1항에 있어서,
상기 제품 카테고리의 순위 매겨진 목록은 상기 고객 행동 정보의 제2 서브세트로부터 상기 제2 알고리즘에 의해 생성되고, 상기 제2 서브세트는 상기 고객 및 상기 고객이 속한 고객의 그룹에 구체적으로 대응하는 정보인, 컴퓨터 구현 방법.
제1항에 있어서,
상기 방법은, 입력으로서, 상기 제품의 목록 및 상기 제품 카테고리의 순위 매겨진 목록을 포함하는 상기 제3 알고리즘에 의해 선택된 상기 복수의 광고 캠페인 중 적어도 2개의 광고 캠페인의 순위 매겨진 목록을 생성하는 것 - 상기 적어도 2개의 광고 캠페인의 순위 매겨진 목록은 제1 순위로 매겨진 제1 광고 캠페인 및 제2 순위로 매겨진 제2 광고 캠페인을 포함함 - 을 더 포함하고; 그리고
상기 방법은 상기 제1 광고 캠페인과 연관된 상기 제1 통신을 전송하는 것보다 늦은 시간에 상기 제2 광고 캠페인과 연관된 제2 통신을 상기 고객 디바이스에 전송하는 것을 더 포함하는, 컴퓨터 구현 방법.
제1항에 있어서,
상기 방법은, 제4 알고리즘을 사용하여, 상기 고객 행동 정보로부터 도출된 마케팅 감수성 목록(marketing susceptibility list)을 생성하는 것 - 상기 마케팅 감수성 목록은 상기 제품 카테고리 각각에 대한 마케팅을 수신하는 것에 기초하여 제품 카테고리에 대한 구매 거동에 있어서의 추정된 변경 가능성을 나타냄 - 을 더 포함하고,
상기 제3 알고리즘은, 입력으로서, 상기 마케팅 감수성 목록을 추가적으로 포함하는, 컴퓨터 구현 방법.
제7항에 있어서,
상기 제4 알고리즘은 인공 지능 및/또는 기계 학습 모델에 기초하는, 컴퓨터 구현 방법.
제7항에 있어서,
상기 방법은, 입력으로서, 상기 제품의 목록 및 상기 제품 카테고리의 순위 매겨진 목록을 포함하는 상기 제3 알고리즘에 의해 선택된 상기 복수의 광고 캠페인 중 적어도 2개의 광고 캠페인의 순위 매겨진 목록을 생성하는 것 - 상기 적어도 2개의 광고 캠페인의 순위 매겨진 목록은 제1 순위로 매겨진 제1 광고 캠페인 및 제2 순위로 매겨진 제2 광고 캠페인을 포함함 - 을 더 포함하고; 그리고
상기 방법은 상기 제1 광고 캠페인과 연관된 상기 제1 통신을 전송하는 것보다 늦은 시간에 상기 제2 광고 캠페인과 연관된 제2 통신을 상기 고객 디바이스에 전송하는 것을 더 포함하는, 컴퓨터 구현 방법.
고객에 대한 타겟화된 광고를 위한 컴퓨터 구현 시스템으로서:
명령어를 저장하는 메모리; 및
상기 명령어를 실행하여:
제1 서버에서, 상기 고객과 연관된 고객 행동 정보를 수신하는 것;
복수의 광고 캠페인을 수신하는 것;
제1 알고리즘을 사용하여, 상기 고객이 제1 기간에 걸쳐 관심을 가질 수 있는, 고객 행동 정보로부터 도출된 제품의 목록을 생성하는 것;
제2 알고리즘을 사용하여, 상기 고객이 구매하는 경우, 제2 기간에 걸쳐 가장 높은 수익량을 생성하는, 상기 고객 행동 정보로부터 도출된 제품 카테고리의 순위 매겨진 목록을 생성하는 것; 및
상기 복수의 광고 캠페인 중 제1 광고 캠페인과 연관된 제1 통신을 고객 디바이스로 전송하는 것 - 상기 제1 광고 캠페인은, 입력으로서, 상기 제품의 목록 및 상기 제품 카테고리의 순위 매겨진 목록을 포함하는 제3 알고리즘에 의해 선택됨 -
을 행하도록 구성된 적어도 하나의 프로세서를 포함하며,
상기 제1 알고리즘 및 상기 제2 알고리즘은 인공 지능 및/또는 기계 학습 모델에 기초하고;
상기 제2 알고리즘은 모델 정확도 측정에 따라 랜덤 포레스트 기계 학습 또는 딥 기계 학습에 기초한 솔루션을 출력하는, 컴퓨터 구현 시스템.
제10항에 있어서,
상기 제1 알고리즘은 랜덤 포레스트 기계 학습에 기초하고;
상기 제2 알고리즘은 랜덤 포레스트 기계 학습 및 딥 기계 학습에 기초하고;
상기 제2 알고리즘은 모델 정확도 측정에 따라 랜덤 포레스트 기계 학습 또는 딥 기계 학습에 기초한 솔루션을 출력하는, 컴퓨터 구현 시스템.
제10항에 있어서,
상기 고객 행동 정보는 고객 구매 거동, 고객 브라우징 이력, 고객 검색 이력, 로열티 프로그램 멤버쉽, 로열티 프로그램 활동, 및 로열티 프로그램 혜택 적격성 중 적어도 하나를 포함하는, 컴퓨터 구현 시스템.
제10항에 있어서,
상기 제품의 목록은 상기 고객 행동 정보의 제1 서브세트로부터 상기 제1 알고리즘에 의해 생성되고, 상기 제1 서브세트는 고객에 구체적으로 대응하는 정보인, 컴퓨터 구현 시스템.
제10항에 있어서,
상기 제품 카테고리의 순위 매겨진 목록은 상기 고객 행동 정보의 제2 서브세트로부터 상기 제2 알고리즘에 의해 생성되고, 상기 제2 서브세트는 상기 고객 및 상기 고객이 속한 고객의 그룹에 구체적으로 대응하는 정보인, 컴퓨터 구현 시스템.
제10항에 있어서,
상기 프로세서는, 입력으로서, 상기 제품의 목록 및 상기 제품 카테고리의 순위 매겨진 목록을 포함하는 상기 제3 알고리즘에 의해 선택된 상기 복수의 광고 캠페인 중 적어도 2개의 광고 캠페인의 순위 매겨진 목록을 생성하도록 더 구성되며 - 상기 적어도 2개의 광고 캠페인의 순위 매겨진 목록은 제1 순위로 매겨진 제1 광고 캠페인 및 제2 순위로 매겨진 제2 광고 캠페인을 포함함 -; 그리고
상기 프로세서는 상기 제1 광고 캠페인과 연관된 상기 제1 통신을 전송하는 것보다 늦은 시간에 상기 제2 광고 캠페인과 연관된 제2 통신을 상기 고객 디바이스로 전송하도록 더 구성되는, 컴퓨터 구현 시스템.
제10항에 있어서,
상기 프로세서는, 제4 알고리즘을 사용하여, 상기 고객 행동 정보로부터 도출된 마케팅 감수성 목록을 생성하도록 더 구성되며 - 상기 마케팅 감수성 목록은 상기 제품 카테고리 각각에 대한 마케팅 수신에 기초하여 상기 제품 카테고리에 대한 구매 거동에 있어서의 추정된 변경 가능성을 나타냄 -;
상기 제3 알고리즘은, 입력으로서, 상기 마케팅 감수성 목록을 추가적으로 포함하는, 컴퓨터 구현 시스템.
제16항에 있어서,
상기 제4 알고리즘은 인공 지능 및/또는 기계 학습 모델에 기초하는, 컴퓨터 구현 시스템.
제16항에 있어서,
상기 프로세서는, 입력으로서, 상기 제품의 목록 및 상기 제품 카테고리의 순위 매겨진 목록을 포함하는 제3 알고리즘에 의해 선택된 상기 복수의 광고 캠페인 중 적어도 2개의 광고 캠페인의 순위 매겨진 목록을 생성하도록 더 구성되고 - 상기 적어도 2개의 광고 캠페인의 순위 매겨진 목록은 제1 순위로 매겨진 제1 광고 캠페인 및 제2 순위로 매겨진 제2 광고 캠페인을 포함함 -; 그리고
상기 프로세서는 상기 제1 광고 캠페인과 연관된 상기 제1 통신을 전송하는 것보다 늦은 시간에 상기 제2 광고 캠페인과 연관된 제2 통신을 상기 고객 디바이스로 전송하도록 더 구성되는, 컴퓨터 구현 시스템.
제10항에 있어서,
상기 제1 광고 캠페인은 특정 고객 제품에 대한 광고 캠페인인, 컴퓨터 구현 시스템.
고객에 대한 타겟화된 광고를 위한 컴퓨터 구현 시스템으로서:
명령어를 저장하는 메모리; 및
상기 명령어를 실행하여:
제1 서버에서, 상기 고객과 연관된 고객 행동 정보를 수신하는 것;
복수의 광고 캠페인을 수신하는 것;
인공 지능 및/또는 기계 학습 모델에 기초한 제1 알고리즘을 사용하여, 상기 고객이 제1 기간에 걸쳐 관심을 가질 수 있는 상기 고객 행동 정보로부터 도출된 제품의 목록을 생성하는 것;
제2 알고리즘을 사용하여, 상기 고객이 구매하는 경우, 제2 기간에 걸쳐 가장 높은 수익량을 생성하는, 상기 고객 행동 정보로부터 도출된 제품 카테고리의 순위 매겨진 목록을 생성하는 것 - 상기 제2 알고리즘은 인공 지능 및/또는 기계 학습 모델에 기초함 -;
입력으로서, 상기 제품의 목록 및 상기 제품 카테고리의 순위 매겨진 목록을 포함하는 제3 알고리즘에 의해 선택된 상기 복수의 광고 캠페인 중 적어도 2개의 광고 캠페인의 순위 매겨진 목록을 생성하는 것 - 상기 적어도 2개의 광고 캠페인의 순위 매겨진 목록은 제1 순위로 매겨진 제1 광고 캠페인 및 제2 순위로 매겨진 제2 광고 캠페인을 포함함 -;
상기 복수의 광고 캠페인 중 제1 광고 캠페인과 연관된 제1 통신을 고객 디바이스로 전송하는 것 - 상기 제1 광고 캠페인은, 입력으로서, 상기 제품의 목록 및 상기 제품 카테고리의 순위 매겨진 목록을 포함하는 제3 알고리즘에 의해 선택됨 -; 및
상기 제1 광고 캠페인과 연관된 상기 제1 통신을 전송하는 것보다 늦은 시간에 상기 제2 광고 캠페인과 연관된 제2 통신을 상기 고객 디바이스로 전송하는 것
을 행하도록 구성된 적어도 하나의 프로세서를 포함하며,
상기 제품의 목록은 상기 고객 행동 정보의 제1 서브세트로부터 상기 제1 알고리즘에 의해 생성되고, 상기 제1 서브세트는 상기 고객에 구체적으로 대응하는 정보이고;
상기 제품 카테고리의 순위 매겨진 목록은 상기 고객 행동 정보의 제2 서브세트로부터 상기 제2 알고리즘에 의해 생성되고, 상기 제2 서브세트는 상기 고객 및 상기 고객이 속한 고객의 그룹에 구체적으로 대응하는 정보인, 컴퓨터 구현 시스템.