TW202046200A - 付款類型推薦系統及付款類型推薦方法 - Google Patents

付款類型推薦系統及付款類型推薦方法 Download PDF

Info

Publication number
TW202046200A
TW202046200A TW108119252A TW108119252A TW202046200A TW 202046200 A TW202046200 A TW 202046200A TW 108119252 A TW108119252 A TW 108119252A TW 108119252 A TW108119252 A TW 108119252A TW 202046200 A TW202046200 A TW 202046200A
Authority
TW
Taiwan
Prior art keywords
payment
type
company
store
preference
Prior art date
Application number
TW108119252A
Other languages
English (en)
Other versions
TWI773901B (zh
Inventor
陳文廣
洪建國
陳俊宏
李振忠
Original Assignee
廣達電腦股份有限公司
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 廣達電腦股份有限公司 filed Critical 廣達電腦股份有限公司
Priority to TW108119252A priority Critical patent/TWI773901B/zh
Priority to CN201910530711.2A priority patent/CN112036862A/zh
Priority to US16/661,355 priority patent/US20200387883A1/en
Publication of TW202046200A publication Critical patent/TW202046200A/zh
Application granted granted Critical
Publication of TWI773901B publication Critical patent/TWI773901B/zh

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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/22—Payment schemes or models
    • 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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/22—Payment schemes or models
    • G06Q20/227—Payment schemes or models characterised in that multiple accounts are available, e.g. to the payer
    • 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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/22—Payment schemes or models
    • G06Q20/24—Credit schemes, i.e. "pay after"
    • 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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
    • G06Q20/405—Establishing or using transaction specific rules
    • 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
    • G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
    • G06Q30/0226—Incentive systems for frequent usage, e.g. frequent flyer miles programs or point systems
    • G06Q30/0233—Method of redeeming a frequent usage reward

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Computer Security & Cryptography (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

一種付款類型推薦方法，包含：取得一付款資料；依據付款資料中的一付款類型及一消費地點產生一商店群組及一公司群組；依據商店群組所對應之付款類型計算一商店付款平均比例；依據公司群組所對應之付款類型計算一公司付款平均比例；依據公司付款平均比例產生一使用者付款偏好値；依據使用者付款偏好値的大小定義一偏好順序；依據偏好順序藉由一付出成本、一期望收益權重、使用者付款偏好値、一付款組合及一總成本以計算一整體報酬率；以及顯示付款組合及付款組合對應的整體報酬率。

Description

付款類型推薦系統及付款類型推薦方法
本發明是關於一種推薦系統，特別是關於一種付款類型推薦系統及付款類型推薦方法。
在行動支付的領域下，支付類型如：公司配發的免費點數、自己在行動支付上現金儲值的點數、信用卡刷卡、園遊會取得的點數、獲得消費回饋的點數等等，在這麼多的支付類型，在付款人付款時，往往不清楚使用那一種類型的卡片或點數來付款，可以得最大的利益與付出最小的成本，消費者很難一時間可以決定那一種類型是最有利與付出成本最低的。
因此，如何依照期望報酬率的高低來推薦使用者進行使用最合適的付款組合，已成為本領域需解決的問題之一。
為了解決上述的問題，本揭露內容之一態樣提供了一種付款類型推薦系統，包含一儲存裝置以及一處理器。儲存裝置用以儲存一付款類型所對應的一期望收益權重。處理器用以取得一付款資料依據付款資料中的付款類型及一消費地點產生一商店群組及一公司群組，依據商店群組所對應之付款類型計算一商店付款平均比例，依據公司群組所對應之付款類型計算一公司付款平均比例，依據公司付款平均比例產生一使用者付款偏好値，依據使用者付款偏好値的大小定義一偏好順序，依據偏好順序藉由一付出成本、期望收益權重、使用者付款偏好値、一付款組合及一總成本以計算一整體報酬率，透過一顯示器顯示付款組合及該付款組合對應的整體報酬率。
本揭露內容之一態樣提供了一種付款類型推薦方法，包含：一種付款類型推薦方法，包含：取得一付款資料；依據付款資料中的一付款類型及一消費地點產生一商店群組及一公司群組；依據商店群組所對應之付款類型計算一商店付款平均比例；依據公司群組所對應之付款類型計算一公司付款平均比例；依據公司付款平均比例產生一使用者付款偏好値；依據使用者付款偏好値的大小定義一偏好順序；依據偏好順序藉由一付出成本、一期望收益權重、使用者付款偏好値、一付款組合及一總成本以計算一整體報酬率；以及顯示付款組合及付款組合對應的整體報酬率。
本發明所示之付款類型推薦系統及付款類型推薦方法，將付款類型進行歸類，並考量環境因素，如店家，及考量相似用戶的消費習慣與群體的消費習慣，隨用戶的消費習慣與時間改變進行學習與調整的機制，以期望推薦機制可以滿足消費者的預期期望規則與尋求最大的期望報酬率，本機制結合動態學習方式計算不同時間點合理的使用者付款偏好值，及利用演算法動態規劃計算出各類型的付款組合，最後該機制會計算出各付款組合的期望報酬率，依照期望報酬率的高低來推薦使用者進行使用最合適的付款組合。
以下說明係為完成發明的較佳實現方式，其目的在於描述本發明的基本精神，但並不用以限定本發明。實際的發明內容必須參考之後的權利要求範圍。
必須了解的是，使用於本說明書中的”包含”、”包括”等詞，係用以表示存在特定的技術特徵、數值、方法步驟、作業處理、元件以及/或組件，但並不排除可加上更多的技術特徵、數值、方法步驟、作業處理、元件、組件，或以上的任意組合。
於權利要求中使用如”第一”、"第二"、"第三"等詞係用來修飾權利要求中的元件，並非用來表示之間具有優先權順序，先行關係，或者是一個元件先於另一個元件，或者是執行方法步驟時的時間先後順序，僅用來區別具有相同名字的元件。
請參照第1~2及3圖，第1圖係依照本發明一實施例繪示一種付款類型推薦系統100之方塊圖。第2圖係根據本發明之一實施例繪示一種付款類型推薦系統150之方塊圖。第3圖係根據本發明之一實施例繪示一種付款類型推薦方法300之示意圖。
如第1圖所示，付款類型推薦系統100適用於一電子裝置上，電子裝置例如為手機、平板、筆電或其它具有運算功能的裝置。付款類型推薦系統100包含一儲存裝置10及一處理器20。於一實施例中，定位系統100更包含一全球定位系統(Global Positioning System，GPS)，用以定位。於一實施例中，儲存裝置30可被實作為唯讀記憶體、快閃記憶體、軟碟、硬碟、光碟、隨身碟、磁帶、可由網路存取之資料庫或熟悉此技藝者可輕易思及具有相同功能之儲存媒體。於一實施例中，處理器20可由體積電路如微控制單元(micro controller)、微處理器(microprocessor)、數位訊號處理器(digital signal processor)、特殊應用積體電路(application specific integrated circuit，ASIC)或一邏輯電路來實施。
如第2圖所示，付款類型推薦系統150包含一儲存裝置10及一處理器20。其中，處理器20包含設定模組21、前端輸入模組22、分群機制模組23、偏好係數計算模組24、付款類型推薦模組250及回饋計算模組26，此些模組可以一併或分別由可由體積電路如微控制單元、微處理器、數位訊號處理器)、特殊應用積體電路或一邏輯電路來實施。
以下敘述付款類型推薦方法300，付款類型推薦方法300可以透過付款類型推薦系統100或150實現之。
於一實施例中，在設置階段，設定模組21負責提供介面讓管理者可以設定相關的規則，其中可設定的規則包含分群規則設定、期望收益權重設定及期望報酬率設定。
於一實施例中，分群規則設定是指管理者可以設定不同公司別的員工、消費金額區間與統計的時間區間。例如A公司會集中在某些地方進行消費，早上、中午與晚上用餐的消費習慣可能會有所不同，在不同的時間點消費，可能會隨時間而變化。一般而言，相似群組的人會有會有相似的付款習慣，如A公司會發送的點數類型，A公司員工大部份擁有該點數類型，可能會優先以公司的點數進行消費付款。
於一實施例中，期望收益權重設定是指每一種付款類型都有它的限制，如點數的使用時間的限制、付款工具的紅利折扣、公司發送的點數或現金的儲值。在計算整體報酬率時，會用到期望收益權重，以找出成本最小、收益最大的排序組合。期望收益權重設定的例子如下表一所示:
付款類型 期望收益權重
年度點數 100%免費獲得，每消費一點則節省自己付出一元的成本，故期望收益權重是100%。
現金儲值 0%優惠，若商店設定偏好現金儲值消費，則管理者可設定該付款類型在該群組或商店的期望收益權重是10%，只要是在指定商店消費，可享有公司的九折優惠，故環境因素或消費限制，造成期望收益提高。
園遊會點數 4/1日內消費是100%免費獲得，不在此日期，則期望收益權重是0%。故點數即將到期的，優先兌換消費。如園遊會點數4/1日當天有800元可用，若此次消費500元可用到園遊會點數，若使用該付款類型消費，則對消費者而言則是賺到500元。故每一點即有１元的收益，期望收益權重是100%。
信用卡 紅利回饋是2%，若此次消費有500元的紅利回饋是10元。故每一點消費則會有0.02元收益，管理者可設定各信用卡在該商店可享有的優惠折扣。
表一 由表一可知，付款類型及其對應的期望收益權重可以事先定義之，本領域具通常知識者應可理解，表一的內容可以依實作系統時作調整，此處僅為提供例子作說明。
於一實施例中，儲存裝置10用以儲存付款類型所對應的期望收益權重。
於步驟310中，前端輸入模組22取得一付款資料。
請參閱第4圖，第4圖係根據本發明之一實施例繪示一種付款資料匯總方法之示意圖。於一實施例中，付款資料包含付款類型43、一全球定位系統資料40、一消費者交易對象資料41及一消費者背景資料42。
其中，付款類型43包含一年度點數付款類型、一現金儲值付款類型、一園遊會點數付款類型或一信用卡付款類型。全球定位系統資料40包含消費地點。消費者交易對象資料41包含一商店類型。消費者背景資料42包含一公司別、一團體名、一性別資料及一居住地資料。
於一實施例中，前端輸入模組22用以接收使用者輸入的基本資料以及使用者操作的行為，並從電子裝置讀取全球定位系統資料40與選擇的付款類型43等相關的資訊，這些資料會送到分群機制模組23，用來作為分群的依據，例如可以將這些資料進行消費金額區間、店家類型、消費時間、消費者群組及/或交易金額區間等分類。
此外，前端輸入模組22也會透過消費記錄進行分析與處理，並匯整全球定位系統資料40、消費者交易對象資料41與消費者背景資料42，透過讀取交易消費記錄，來個別計算在不同情況下的付款類型43的比例，並將比例值存回儲存裝置10中的資料庫。
於步驟320中，分群機制模組23依據付款資料中的一付款類型及一消費地點產生一商店群組53及一公司群組57。
請參閱第5圖，第5圖係根據本發明之一實施例繪示一種產生商店偏好係數及群組偏好係數之示意圖。於一實施例中，分群機制模組23依據前端輸入模組22的輸出群組分別產生商店群組53及公司群組57，如依據消費時間特性50、消費金額區間特性51及店家類型52分類出商店群組53，依據消費時間特性54、消費者群組55及/或交易金額區間56分類出公司群組57。儲存裝置10商店群組53及公司群組57。
於一實施例中，分群機制模組23在收集每日付款資料，依時間、消費地點與消費金額區間作分群計算，從資料庫中抓取分群的規則，將使用者進行歸類分群，分好所屬的群組後，計算出付款類型與所屬的群組之間的相關性。群組分類會依商店與交易金額區間、消費時間、消費群組的特性作區分。交易金額區間可依設定模組的設定，基本上分成大中小金額，使用不同的付款類型來作支付，消費者群組會參考消費者的背景依公司(如公司群組57)或全球定位系統資料的區域作區分，消費時間特性會依週末與平日、週、月、季節作區分，店家類型52會以店家交易的內容，判斷是屬於那一種類型的店家。
於步驟330中，偏好係數計算模組24依據商店群組53所對應之付款類型計算一商店付款平均比例。舉例而言，商店群組53所對應之付款類型如下表二所示：
付款類型 商店 1日 7日 15日 30日
年度點數 Ａ商店 0.3 0.1 0.2 0.2
現金儲值 Ａ商店 0.2 0.4 0.35 0.33
園遊會點數 Ａ商店 0.9 0 0 0
信用卡 Ａ商店 0.4 0.6 0.5 0.45
表二 於表二的例子中，A商店屬於商店群組53，為使說明方便以A商店作為商店群組53的代表。表二中的數值代表A商店的使用者付款偏好値。
於一實施例中，A商店的使用者付款偏好値可代表商店群組53於多個時間點各自對應的付款類型之一比例。於一實施例中，A商店的使用者付款偏好値是指A商店偏好的付款類型，商店消費者在平日與假日所偏好的付款類型，在當下並不一定是收益最好的付款類型，A商店的使用者付款偏好値可能會受到同群組的喜歡影響，會趨向與群組使用付款類型相似。例如，在各商店的1、7、15、30日時間偏好比例中，在最近1日內付款的，有30%(即0.3)是使用年度點數付款。基於這些基礎，在A商店的使用者付款偏好値產生後，則會計算商店付款平均比例，即依據表二中計算商店付款平均比例，計算公式如下：
Figure 02_image001
其中，符號
Figure 02_image003
代表時間區間，如1、7、15、30日…等時間，時間計算會分假日與平日時間。符號
Figure 02_image005
代表付款類型，如年度點數、現金儲值、園遊會點數、園遊會點數。符號
Figure 02_image007
代表目前記錄的使用次數總數，例如上述的四個時間的消費時間點。符號
Figure 02_image009
代表每一個時間點使用該付款類型付款的比例。符號
Figure 02_image011
為每一種付款類型在商店A的平均值(即商店付款平均比例)。基於上述計算結果如下述表四所示：
付款類型 A群組在各時間使用特定付款類型的平均比例 (
Figure 02_image013
)
年度點數
Figure 02_image015
現金儲值
Figure 02_image017
園遊會點數
Figure 02_image019
信用卡
Figure 02_image021
表四 由此可知，偏好係數計算模組24將商店群組53於多個時間點各自對應的付款類型之一比例進行加總後得到一運算結果，將運算結果除以時間點的個數(於此例中為4)，以得到商店付款平均比例。
於步驟340中，偏好係數計算模組24依據公司群組57所對應之付款類型計算一公司付款平均比例。以下表三所示的A公司屬於公司群組57，為使說明方便以A公司作為公司群組57的代表。表五中的數值代表A公司的使用者付款偏好値。
付款類型 群組 １日 ７日 15日 30日
年度點數 A公司 0.1 0.1 0.2 0.2
現金儲值 A公司 0.4 0.8 0.7 0.6
園遊會點數 A公司 0.8 0.5 0.2 0.1
信用卡 A公司 0 0 0 0
表五 於一實施例中，A公司的使用者付款偏好値可代表公司群組57於多個時間點各自對應的付款類型之一比例。於一實施例中，A公司的使用者付款偏好値是指A公司的偏好的付款類型，A公司的消費者A’在平日與假日所偏好的付款類型，在當下並不一定是收益最好的付款類型，使用者付款偏好値可能會受到同群組的喜歡影響，會趨向與群組使用付款類型相似。例如，在A公司的1、7、15、30日時間偏好比例中，在最近1日內付款的，有10%(即0.1)是使用年度點數付款。基於這些基礎，在A公司的使用者付款偏好値產生後，則會計算公司付款平均比例，即依據表五中計算公司付款平均比例，計算公式如下：
Figure 02_image023
其中，符號
Figure 02_image003
代表時間區間，如1、7、15、30日…等，時間計算會分假日與平日時間。
Figure 02_image007
代表目前記錄的消費次數總數，例如上述的四個時間的消費時間點。
Figure 02_image025
代表付款類型，如年度點數、現金儲值、園遊會點數、園遊會點數。符號
Figure 02_image009
代表每一個時間點使用該付款類型付款的比例。
Figure 02_image027
代表該群組付款類型的消費平均比例(即公司付款平均比例)。為使說明方便，以下以所屬A公司的消費者A’作為代表，基於上述計算結果如下述表六所示：
付款類型 A公司的消費者A’在各時間使用特定付款類型的平均比例 (
Figure 02_image029
)
年度點數
Figure 02_image031
現金儲值
Figure 02_image033
園遊會點數
Figure 02_image035
信用卡
Figure 02_image037
表六 由此可知，偏好係數計算模組24將公司群組57於多個時間點各自對應的付款類型之一比例進行加總後得到一運算結果，將運算結果除以時間點的個數(於此例中為4)，以得到公司付款平均比例。
於步驟350中，偏好係數計算模組24依據公司付款平均比例產生一使用者付款偏好値。於一實施例中，偏好係數計算模組24依據以下公式產生使用者付款偏好値：
Figure 02_image039
其中，符號
Figure 02_image003
代表時間區間，如1、7、15、30日…等，時間計算會分假日與平日時間。符號
Figure 02_image041
代表個人使用該付款類型消費的平均比例。
Figure 02_image043
為每一個付款類型在商店A的平均比例。
Figure 02_image025
代表付款類型，如年度點數、現金儲值、園遊會點數、園遊會點數。
Figure 02_image045
為群組在該付款類型的使用者付款偏好値。
於步驟360中，偏好係數計算模組24依據公司付款平均比例產生一使用者付款偏好値，依據使用者付款偏好値的大小定義一偏好順序。如表七所示，偏好係數計算模組24將步驟350中所算出來的使用者付款偏好値(即消費者A’的使用者付款偏好値)依其大小進行排序，將最大者設為1，次大者設為2，依此類推。
付款類型 消費者A’的使用者付款偏好値(
Figure 02_image047
)		 偏好順序
年度點數
Figure 02_image049
 3
現金儲值
Figure 02_image051
 1
園遊會點數
Figure 02_image053
 2
信用卡
Figure 02_image055
 4
表七 於一些實施例中，在不同的商店群組53，同樣是年度點數，會有不同的使用者付款偏好値，舉例如下表八所示：
  商店A 如：美食街 商店B 如：健身房 商店C 咖啡廳
1日 0.8 0.3 0.2
7日 0.77 0.55 0.44
假日 0.3 0.7 0
30日 0.66 0.45 0.3
表八 由上述可知，偏好係數計算模組24將商店付款平均比例與公司付款平均比例相加之後除以二，以得到一運算結果，將運算結果除以商店付款平均比例，以得到使用者付款偏好値。藉此，可得知特定使用者於不同商店的偏好的付款類型。
於步驟370中，付款推薦模組25依據偏好順序藉由一付出成本、一期望收益權重、使用者付款偏好値、一付款組合及一總成本以計算一整體報酬率。
於步驟380中，顯示器顯示付款組合及付款組合對應的整體報酬率。
請參閱第6圖，第6圖係根據本發明之一實施例繪示一種利用二分法決定付款組合之示意圖。於第6圖的例子中，假設第一偏好順序S1對應到現金儲值，第二偏好順序S2對應到園遊會點數，第三偏好順序S3對應到為年度點數，第四偏好順序S4對應到信用卡，假設使用者的總消費金額為800元，付款推薦模組25會依據使用者付款偏好値，利用二分法的動態決定下 個分配的付款類型，一開始會在第一順位(即第一偏好順序S1)與第二順位(即第二偏好順序S2)中選擇付款類型，以下函式用以計算使用者在每種付款類型的總報酬：
Figure 02_image057
) 其中，符號
Figure 02_image059
為個人在這次付款類型付出的金額，符號
Figure 02_image061
為對於當前付款類型的使用者付款偏好値，
Figure 02_image063
為使用者對於當前付款類型的期望權重，此函式的停止搜尋的條件如下：
Figure 02_image065
其中，符號
Figure 02_image067
為分配的付款類型數量，
Figure 02_image069
為此次消費的總成本, 若大於總成本，則不繼續往下擴展，
Figure 02_image059
為使用者對於當前付款類型付出的金額，
Figure 02_image071
為使用者對於當前付款組合的總報酬，
Figure 02_image073
為期望收益權重。
請一併參閱第6~7圖，第7圖係根據本發明之一實施例繪示一種利用二分法決定付款組合之方法700之流程圖。
於步驟710中，付款推薦模組25依據偏好順序，利用二分法決定複數個付款組合(例如現金儲值及園遊會點數)，其中一當前付款組合中包含一付款方案(例如現金儲值)，付款方案對應於一當前偏好順序(例如使用者付款偏好値1)。
於步驟720中，付款推薦模組25計算選擇付款方案之後的一剩餘未分配成本。例如，一開始消費的總成本為800元，使用者分配400元給現金儲值後，則剩餘400元(即剩餘未分配成本)。
於步驟730中，付款推薦模組25判斷剩餘未分配成本是否大於零。若付款推薦模組25判斷剩餘未分配成本大於零，代表還有剩餘未分配成本，則進入步驟740。若付款推薦模組25判斷剩餘未分配成本不大於零，代表此次消費的總成本已配置完畢，則進入步驟750。
於步驟740中，付款推薦模組25選擇次於當前偏好順序所對應的另一付款方案(例如園遊會點數)。
於步驟750中，付款推薦模組25計算當前付款組合對應的整體報酬率，並判斷整體報酬率是否大於一期望收益百分比。若付款推薦模組25判斷整體報酬率是否大於一期望收益百分比，則進入步驟760。若付款推薦模組25判斷整體報酬率是否沒有大於一期望收益百分比，則進入步驟740。
於步驟760中，顯示器顯示當前付款組合。
例如，一開始使用者分配400元給現金儲值，再分配剩餘的400元給園遊會點數，於此例中，當前付款組合包含現金儲值及園遊會點數，總報酬為400*10%*1.47+400*100%*1.27=566.8，整體報酬率為566.8/800=70.5%(此例可依據前述函式、表一、表七的內容計算出來)。
又例如，一開始使用者不分配金額給現金儲值，分配400元給園遊會點數，再分配剩餘的400元給年度點數，於此例中，當前付款組合包含園遊會點數及年度點數，總報酬為400*100%*1.27+400*100%*0.875=858，整體報酬率為858/800=107.25%(此例可依據前述函式、表一、表七的內容計算出來)。
再例如，一開始使用者分配400元給現金儲值，再分配剩餘的400元給信用卡，再分配剩餘的400元給年度點數，於此例中，當前付款組合包含現金儲值及信用卡，總報酬為400*10%*0.875+400*2%*0. 5=39，整體報酬率為39/800=4.875%(此例可依據前述函式、表一、表七的內容計算出來)。
於一實施例中，顯示器顯示付款組合包含現金儲值及園遊會點數時的整體報酬率為70.5%，付款組合包含園遊會點數及年度點數時的整體報酬率為107.25%，付款組合包含現金儲值及信用卡時的整體報酬率為4.875%，於此例中，由於已出現高於期望收益權重(例如使用者定義期望報酬率為105%)，故付款推薦模組25會將包含園遊會點數及年度點數的配置方式視為推薦的付款組合。
由上述可知，付款推薦模組25依據偏好順序，利用二分法決定多種付款組合，其中一當前付款組合中包含一付款方案。當前付款方案對應於一當前偏好順序，付款推薦模組25計算選擇付款方案之後的一剩餘未分配成本，判斷剩餘未分配成本是否大於零。若付款推薦模組25判斷剩餘未分配成本大於零，則選擇次於當前偏好順序所對應的另一付款方案。若付款推薦模組25判斷剩餘未分配成本等於零，則計算付款組合各自對應的整體報酬率，並判斷整體報酬率是否大於一期望收益百分比。若整體報酬率大於一期望收益百分比，則顯示當前付款組合；若整體報酬率不大於期望收益百分比，則選擇次於當前偏好順序所對應的另一付款方案。
請一併參閱第8圖，第8圖係根據本發明之一實施例繪示一種修正使用者付款偏好値之流程圖。於一實施例中，在第3圖的步驟380之後，進入步驟390。於步驟390中，回饋計算模組26依據一當前消費紀錄以修正使用者付款偏好値。
於一實施例中，依後續的消費記錄，經由微調的機制，不斷修正原本的購買組合，來修正使用者付款偏好値，使用者付款偏好値有可能隨時間或環境而變化，故要將當次計入計算，讓使用者付款偏好値接近用戶目前的情況。於一例子中，如下表九所示，當使用者A’完成本次消費後，回饋計算模組26會紀錄一筆本次消費的使用者付款：
付款類型 用戶 本次消費 1日 7日 15日 30日
年度點數 使用者A’ 0 0.1 0.1 0.2 0.2
現金儲值 使用者A’ 0.5 0.4 0.8 0.7 0.6
園遊會點數 使用者A’ 0.5 0.8 0.5 0.2 0.1
信用卡 使用者A’ 0 0 0 0 0
表九 回饋計算模組26重新計算
Figure 02_image075
值，計算公式如下：
Figure 02_image077
其中，符號
Figure 02_image079
為群組的該付款類型在該次消費的付款比例。符號
Figure 02_image081
代表目前記錄的消費次數總數，例如上述的原本有四個時間的消費時間點。
Figure 02_image083
代表A公司群組在某一商店在該付款類型的消費平均比例。回饋計算模組26依新的
Figure 02_image075
值重新計算群組的使用者付款偏好値，使用者付款偏好値公式如下：
Figure 02_image085
藉此，回饋計算模組26可以由大量的消費紀錄與未來發生的消費紀錄為基礎，不斷的修正該群組的預測機制，為使用者在消費時，機制可依消費地點與消費者所屬的群組即時計算出適合的付款類型的付款組合。
本發明所示之付款類型推薦系統及付款類型推薦方法，將付款類型進行歸類，並考量環境因素，如店家，及考量相似用戶的消費習慣與群體的消費習慣，隨用戶的消費習慣與時間改變進行學習與調整的機制，以期望推薦機制可以滿足消費者的預期期望規則與尋求最大的期望報酬率，本機制結合動態學習方式計算不同時間點合理的使用者付款偏好值，及利用演算法動態規劃計算出各類型的付款組合，最後該機制會計算出各付款組合的期望報酬率，依照期望報酬率的高低來推薦使用者進行使用最合適的付款組合。
100、150:付款類型推薦系統10:儲存裝置20:處理器21:設定模組22:前端輸入模組23:分群機制模組24:偏好係數計算模組25:付款類型推薦模組26:回饋計算模組40:全球定位系統資料41:消費者交易對象資料42:消費者背景資料43:付款類型300:付款類型推薦方法310~380、610~625、710~760、390:步驟50:消費時間特性51:消費金額區間特性52:店家類型53:商店偏好係數54:消費時間特性55:消費者群組56:交易金額區間特性57:歸屬群組58:群組偏好係數S1:現金儲值S2:園遊會點數S3:年度點數S4:信用卡700:利用二分法決定付款組合之方法
第1圖係依照本發明一實施例繪示一種付款類型推薦系統之方塊圖。 第2圖係根據本發明之一實施例繪示一種付款類型推薦系統之方塊圖。 第3圖係根據本發明之一實施例繪示一種付款類型推薦方法之示意圖。 第4圖係根據本發明之一實施例繪示一種付款資料匯總方法之示意圖。 第5圖係根據本發明之一實施例繪示一種產生商店偏好係數及群組偏好係數之示意圖。 第6圖係根據本發明之一實施例繪示一種利用二分法決定付款組合之示意圖。 第7圖係根據本發明之一實施例繪示一種利用二分法決定付款組合之方法之流程圖。 第8圖係根據本發明之一實施例繪示一種修正使用者付款偏好値之流程圖。
300:付款類型推薦方法
310~380:步驟

Claims (10)

  1. 一種付款類型推薦系統，包含： 一儲存裝置，用以儲存一付款類型所對應的一期望收益權重；以及        一處理器，用以取得一付款資料，依據該付款資料中的該付款類型及一消費地點產生一商店群組及一公司群組，依據該商店群組所對應之付款類型計算一商店付款平均比例，依據該公司群組所對應之付款類型計算一公司付款平均比例，依據該公司付款平均比例產生一使用者付款偏好値，依據該使用者付款偏好値的大小定義一偏好順序，依據該偏好順序藉由一付出成本、該期望收益權重、該使用者付款偏好値、一付款組合及一總成本以計算一整體報酬率，透過一顯示器顯示該付款組合及該付款組合對應的該整體報酬率。
  2. 如申請專利範圍第1項所述之付款類型推薦系統，其中該付款資料包含該付款類型、一全球定位系統(Global Positioning System，GPS)資料、一消費者交易對象資料及一消費者背景資料； 其中，該付款類型包含一年度點數付款類型、一現金儲值付款類型、一園遊會點數付款類型或一信用卡付款類型，該消費者交易對象資料包含一商店類型，該全球定位系統資料包含該消費地點，該消費者背景資料包含一公司別、一團體名、一性別資料及一居住地資料。
  3. 如申請專利範圍第1項所述之付款類型推薦系統，其中該處理器將該商店群組於複數個時間點各自對應的該付款類型之一比例進行加總後得到一運算結果，將該運算結果除以該些時間點的個數，以得到該商店付款平均比例。
  4. 如申請專利範圍第1項所述之付款類型推薦系統，其中該處理器將該公司群組於複數個時間點各自對應的該付款類型之一比例進行加總後得到一運算結果，將該運算結果除以該些時間點的個數，以得到該公司付款平均比例。
  5. 如申請專利範圍第1項所述之付款類型推薦系統，其中該處理器將該商店付款平均比例與該公司付款平均比例相加之後除以二，以得到一運算結果，將該運算結果除以該商店付款平均比例，以得到該使用者付款偏好値。
  6. 如申請專利範圍第1項所述之付款類型推薦系統，其中該處理器依據該偏好順序，利用二分法決定複數個付款組合，其中一當前付款組合中包含一付款方案，該當前付款方案對應於一當前偏好順序，計算選擇該付款方案之後的一剩餘未分配成本，判斷該剩餘未分配成本是否大於零； 若該剩餘未分配成本大於零，則選擇次於該當前偏好順序所對應的另一付款方案，若該剩餘未分配成本等於零，則計算該些付款組合各自對應的該整體報酬率，並判斷該整體報酬率是否大於一期望收益百分比；若該整體報酬率大於一期望收益百分比，則顯示該當前付款組合；若該整體報酬率不大於該期望收益百分比，則選擇次於該當前偏好順序所對應的另一付款方案。
  7. 如申請專利範圍第1項所述之付款類型推薦系統，其中該處理器依據一當前消費紀錄以修正該使用者付款偏好値。
  8. 一種付款類型推薦方法，包含：      取得一付款資料；      依據該付款資料中的一付款類型及一消費地點產生一商店群組及一公司群組；      依據該商店群組所對應之付款類型計算一商店付款平均比例；      依據該公司群組所對應之付款類型計算一公司付款平均比例；      依據該公司付款平均比例產生一使用者付款偏好値；      依據該使用者付款偏好値的大小定義一偏好順序；      依據該偏好順序藉由一付出成本、一期望收益權重、該使用者付款偏好値、一付款組合及一總成本以計算一整體報酬率；以及      顯示該付款組合及該付款組合對應的該整體報酬率。
  9. 如申請專利範圍第8項所述之付款類型推薦方法，其中該付款資料包含該付款類型、一全球定位系統(Global Positioning System，GPS)資料、一消費者交易對象資料及一消費者背景資料； 其中，該付款類型包含一年度點數付款類型、一現金儲值付款類型、一園遊會點數付款類型或一信用卡付款類型，該消費者交易對象資料包含一商店類型，該全球定位系統資料包含該消費地點，該消費者背景資料包含一公司別、一團體名、一性別資料及一居住地資料。
  10. 如申請專利範圍第8項所述之付款類型推薦方法，更包含：     將該商店群組於複數個時間點各自對應的該付款類型之一比例進行加總後得到一運算結果，將該運算結果除以該些時間點的個數，以得到該商店付款平均比例。
TW108119252A 2019-06-04 2019-06-04 付款類型推薦系統及付款類型推薦方法 TWI773901B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
TW108119252A TWI773901B (zh) 2019-06-04 2019-06-04 付款類型推薦系統及付款類型推薦方法
CN201910530711.2A CN112036862A (zh) 2019-06-04 2019-06-19 付款类型推荐系统及付款类型推荐方法
US16/661,355 US20200387883A1 (en) 2019-06-04 2019-10-23 Payment type recommendation system and payment type recommendation method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW108119252A TWI773901B (zh) 2019-06-04 2019-06-04 付款類型推薦系統及付款類型推薦方法

Publications (2)

Publication Number Publication Date
TW202046200A true TW202046200A (zh) 2020-12-16
TWI773901B TWI773901B (zh) 2022-08-11

Family

ID=73576308

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108119252A TWI773901B (zh) 2019-06-04 2019-06-04 付款類型推薦系統及付款類型推薦方法

Country Status (3)

Country Link
US (1) US20200387883A1 (zh)
CN (1) CN112036862A (zh)
TW (1) TWI773901B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116029719A (zh) * 2022-08-17 2023-04-28 荣耀终端有限公司 支付服务推荐的方法、电子设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011109781A2 (en) * 2010-03-04 2011-09-09 Milewise, Inc. Payment method decision engine

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116029719A (zh) * 2022-08-17 2023-04-28 荣耀终端有限公司 支付服务推荐的方法、电子设备及存储介质
CN116029719B (zh) * 2022-08-17 2023-11-14 荣耀终端有限公司 支付服务推荐的方法、电子设备及存储介质

Also Published As

Publication number Publication date
US20200387883A1 (en) 2020-12-10
CN112036862A (zh) 2020-12-04
TWI773901B (zh) 2022-08-11

Similar Documents

Publication Publication Date Title
US20210042774A1 (en) System, method and computer program product for geo specific vehicle pricing
US8688557B2 (en) Systems and methods for customer value optimization involving relationship optimization
TW202004618A (zh) 產品推薦方法和裝置
US20120078766A1 (en) Systems and methods for customer value optimization involving product/service optimization
US20110107265A1 (en) Customizable graphical user interface
US20170352054A1 (en) Delivering electronically generated offers
WO2010045057A1 (en) Tools for relating financial and non-financial interests
WO2010045058A1 (en) Financial data comparison tool
WO2010045059A1 (en) Financial planning tool
US11651315B2 (en) Intelligent diversification tool
US20190147545A1 (en) Cognitive management of multiple subaccounts
JP2019185595A (ja) 情報処理装置、情報処理方法、情報処理プログラム、判定装置、判定方法及び判定プログラム
US20240152945A1 (en) Customized Merchant Price Ratings
CN109858947A (zh) 零售用户价值分析系统及方法
TWI773901B (zh) 付款類型推薦系統及付款類型推薦方法
KR20210003421A (ko) 사용자 선호를 반영한 게시글 정렬방법 및 사용자 선호 게시글 우선노출서버
CN112767143A (zh) 基于利润贡献度的理财产品推荐方法和装置
CN112907379A (zh) 理财产品推荐方法和装置
Fu et al. Testing exogeneity in nonparametric instrumental variables models identified by conditional quantile restrictions
US20230011804A1 (en) Customized Merchant Price Ratings
JP6937359B2 (ja) クラスタ分割評価装置、クラスタ分割評価方法及びクラスタ分割評価プログラム
US20160063518A1 (en) System and method for ranking leads from transactional data
CN118297696A (zh) 授信额度的预测方法、装置、计算机设备和存储介质
TWM635198U (zh) 多元行動支付整合暨優惠推薦系統
TW202347210A (zh) 多元行動支付整合暨優惠推薦系統及其方法