TW202309813A

TW202309813A - 電腦實施的系統以及方法

Info

Publication number: TW202309813A
Application number: TW111128286A
Authority: TW
Inventors: 心麗鮑; 彭辰; 麥可羅萬薩維奧; 李成敏
Original assignee: 南韓商韓領有限公司
Priority date: 2021-08-27
Filing date: 2022-07-28
Publication date: 2023-03-01
Also published as: WO2023026090A1; KR20230031750A; US20230068465A1

Abstract

一種用於進行標定廣告宣傳的方法包括：在第一伺服器處接收與顧客相關聯的顧客行動資訊；以及接收多個廣告宣傳活動。方法亦包括：使用第一演算法產生根據顧客行動資訊導出的、顧客在第一時間段內可能感興趣的產品列表；以及使用第二演算法產生根據顧客行動資訊導出的產品類別排序列表，產品類別排序列表若被顧客採購，則將在第二時間段內產生最高的收入額。方法更包括：向顧客裝置發送與所述多個廣告宣傳活動中的第一廣告宣傳活動相關聯的第一通訊，第一廣告宣傳活動由將產品列表與產品類別排序列表合併作為輸入的第三演算法選擇。

Description

使用機器學習方法優化以最大化經濟價值之全自動化標定顧客演算法

本揭露大體而言是有關於用於向顧客進行標定廣告宣傳的電腦化系統及方法。具體而言，本揭露的實施例是有關於與基於多個人工智慧及/或機器學習模型進行的廣告宣傳活動的指派相關的創新及非常規系統。

對於有關於向顧客售賣產品的電子商務企業而言，利用標定廣告宣傳（targeted advertising）來幫助將顧客引導至其想要/需要的產品且藉由向顧客售賣該些產品而將收入最大化。為此，電子商務企業將利用顧客資料，所述顧客資料是藉由商業互動而直接收集或者是自彙集顧客資料的第三方供應商獲得。然後對此顧客資料進行分析且可向顧客發送相較於非導向性廣告宣傳更與顧客相關的廣告或其他各種促銷。

在此種以顧客為中心的行銷中，一個主要的問題是為每一顧客找到最佳的促銷。就歷史而言，行銷人員將實施業務規則，例如選擇與顧客最近採購習慣匹配的促銷，且然後實施一些特別的策略，以使一特定促銷優先於另一促銷（在其中顧客可能有資格參加多個潛在促銷的情形中）。此種優先化策略常常建立在一次性的顧客分析以及其他商業需求的基礎上。

上述標定廣告宣傳技術存在缺陷。舉例而言，儘管相較於非標定廣告宣傳更相關，但傳統的標定廣告宣傳技術仍然會導致大量不相關的廣告被發送給顧客。此會使以下兩者受挫：（i）最終浪費時間查看與其無關的資訊的顧客；（ii）將資源花費於投資回報率低的廣告宣傳上的電子商務企業。附加地，當擴展至應用於數千或數百萬顧客時，特定的優先級策略變得更加低效。此外，當非相關廣告被發送給顧客時，網路資源以過度頻寬使用及處理資源的低效使用的形式被不必要地佔用。

因此，需要一種改善的方法及系統，以用於（i）更有效地將顧客與其感興趣的產品的廣告/促銷匹配的標定廣告宣傳；以及（ii）自有限的行銷預算將電子商務業務收入最大化，即使在處理非常大的顧客群時亦是有效的。

本揭露的一個態樣是有關於一種用於向顧客進行標定廣告宣傳的方法，所述方法包括：在第一伺服器處接收與顧客相關聯的顧客行動資訊；接收多個廣告宣傳活動；使用第一演算法產生根據顧客行動資訊導出的、顧客在第一時間段內可能感興趣的產品列表；使用第二演算法產生根據顧客行動資訊導出的產品類別排序列表，產品類別排序列表若被顧客採購，則將在第二時間段內產生最高的收入額；以及向顧客裝置發送與所述多個廣告宣傳活動中的第一廣告宣傳活動相關聯的第一通訊，第一廣告宣傳活動由第三演算法選擇，第三演算法將產品列表與產品類別排序列表合併作為輸入；其中第一演算法及第二演算法是基於人工智慧及/或機器學習模型，其中第三演算法是由預定的商業規則確定。

本揭露的另一態樣是有關於一種用於向顧客進行標定廣告宣傳的系統，所述系統包括：記憶體，儲存指令；以及至少一個處理器，被配置成執行指令以：接收與顧客相關聯的顧客行動資訊；接收多個廣告宣傳活動；使用第一演算法產生根據顧客行動資訊導出的、顧客在第一時間段內可能感興趣的產品列表；使用第二演算法產生根據顧客行動資訊導出的產品類別排序列表，產品類別排序列表若被顧客採購，則將在第二時間段內產生最高的收入額；以及向顧客裝置發送與所述多個廣告宣傳活動中的第一廣告宣傳活動相關聯的第一通訊，第一廣告宣傳活動由第三演算法選擇，第三演算法將產品列表與產品類別排序列表合併作為輸入；其中第一演算法及第二演算法是基於人工智慧及/或機器學習模型；其中第二演算法端視模型準確度量測值而輸出基於隨機森林機器學習或深度機器學習的解決方案。

本揭露的又一態樣是有關於一種用於向顧客進行標定廣告宣傳的系統，所述系統包括：記憶體，儲存指令；以及至少一個處理器，被配置成執行所述指令以：接收與顧客相關聯的顧客行動資訊；接收多個廣告宣傳活動；使用第一演算法基於人工智慧及/或機器學習模型產生根據顧客行動資訊導出的、顧客在第一時間段內可能感興趣的產品列表；使用第二演算法產生根據顧客行動資訊導出的產品類別排序列表，產品類別排序列表若被顧客採購，則將在第二時間段內產生最高的收入額，第二演算法是基於人工智慧及/或機器學習模型；產生由第三演算法選擇的所述多個廣告宣傳活動中的至少兩個廣告宣傳活動的排序列表，第三演算法將產品列表與產品類別排序列表合併作為輸入，所述至少兩個廣告宣傳活動的排序列表包括排名第一的第一廣告宣傳活動及排名第二的第二廣告宣傳活動；向顧客裝置發送與所述多個廣告宣傳活動中的第一廣告宣傳活動相關聯的第一通訊，第一廣告宣傳活動由第三演算法選擇，第三演算法將產品列表與產品類別排序列表合併作為輸入；以及在較發送與第一廣告宣傳活動相關聯的第一通訊晚的時間向顧客裝置發送與第二廣告宣傳活動相關聯的第二通訊；其中產品列表是由第一演算法根據顧客行動資訊的第一子集產生，第一子集是與顧客具體對應的資訊；其中產品類別排序列表是由第二演算法根據顧客行動資訊的第二子集產生，第二子集是與顧客及顧客所屬的顧客群體具體對應的資訊。

本文中亦論述其他系統、方法及電腦可讀取媒體。

以下詳細說明參照附圖。在圖式及以下說明中盡可能使用相同的參考編號來指代相同或相似的部件。儘管本文中闡述了若干例示性實施例，然而可具有各種修改、改編及其他實施方案。舉例而言，可對圖式中示出的組件及步驟進行替換、添加或修改，且可藉由對所揭露的方法的步驟進行替換、重新排序、移除或添加來修改本文中闡述的例示性方法。因此，以下詳細說明並非僅限於所揭露的實施例及實例。相反，本發明的正確範圍由隨附的專利申請範圍來界定。

本揭露的實施例是有關於被配置用於向顧客進行標定廣告宣傳的系統及方法。

參照圖1A，圖1A示出示意性方塊圖100，其示出包括用於能夠進行通訊的裝運、運輸及物流操作的電腦化系統的系統的示例性實施例。如圖1A中所示，系統100可包括各種系統，所述各種系統中的每一者可經由一或多個網路連接至彼此。所述系統亦可經由直接連接（例如使用纜線）連接至彼此。所繪示的系統包括裝運授權技術（shipment authority technology，SAT）系統101、外部前端系統103、內部前端系統105、運輸系統107、行動裝置107A、107B及107C、賣方入口109、裝運及訂單追蹤（shipment and order tracking，SOT）系統111、履行優化（fulfillment optimization，FO）系統113、履行訊息傳遞閘道（fulfillment messaging gateway，FMG）115、供應鏈管理（supply chain management，SCM）系統117、倉庫管理系統（warehouse management system，WMS）119、行動裝置119A、119B及119C（被繪示為位於履行中心（FC）200內部）、第三方履行（3 ^rdparty fulfillment，3PL）系統121A、121B及121C、履行中心授權系統（fulfillment center authorization system，FC Auth）123及勞資管理系統（labor management system，LMS）125。

在一些實施例中，SAT系統101可被實施為監控訂單狀態及交付狀態的電腦系統。舉例而言，SAT系統101可判斷訂單是否超過其承諾交付日期（Promised Delivery Date，PDD），且可採取包括發起新的訂單、再裝運未交付訂單中的物項、取消未交付訂單、發起與訂購顧客的聯繫等在內的適當行動。SAT系統101亦可監控包括輸出（例如在特定時間段期間裝運的包裝的數目）及輸入（例如被接收用於裝運的空紙盒的數目）在內的其他資料。SAT系統101亦可充當系統100中不同裝置之間的閘道，使得能夠在例如外部前端系統103及FO系統113等裝置之間達成通訊（例如，使用儲存及轉送（store-and-forward）或其他技術）。

在一些實施例中，外部前端系統103可被實施為使得外部使用者能夠與系統100中的一或多個系統交互的電腦系統。舉例而言，在其中系統100能夠呈現系統以使得使用者能夠對物項下訂單的實施例中，外部前端系統103可被實施為接收搜尋請求、呈現物項頁面及懇求支付資訊的網站伺服器。舉例而言，外部前端系統103可被實施為運行例如阿帕奇超文件傳輸協定（Hypertext Transfer Protocol，HTTP）伺服器、微軟網際網路資訊服務（Internet Information Services，IIS）、NGINX等軟體的一或多個電腦。在其他實施例中，外部前端系統103可運行客製網站伺服器軟體，客製網站伺服器軟體被設計成接收及處理來自外部裝置（例如，行動裝置102A或電腦102B）的請求，基於該些請求自資料庫及其他資料儲存器獲取資訊，且基於所獲取的資訊提供對所接收請求的響應。

在一些實施例中，外部前端系統103可包括網站快取系統（web caching system）、資料庫、搜尋系統或支付系統中的一或多者。在一個態樣中，外部前端系統103可包括該些系統中的一或多者，而在另一態樣中，外部前端系統103可包括連接至該些系統中的一或多者的介面（例如，伺服器至伺服器、資料庫至資料庫或其他網路連接）。

由圖1B、圖1C、圖1D及圖1E示出的一組例示性步驟將有助於闡述外部前端系統103的一些操作。外部前端系統103可自系統100中的系統或裝置接收資訊，以供呈現及/或顯示。舉例而言，外部前端系統103可代管或提供一或多個網頁，包括搜尋結果頁面（Search Result Page，SRP）（例如，圖1B）、單一細節頁面（Single Detail Page，SDP）（例如，圖1C）、購物車頁面（Cart page）（例如，圖1D）或訂單頁面（Order page）（例如，圖1E）。使用者裝置（例如，使用行動裝置102A或電腦102B）可導航至外部前端系統103，且藉由在搜尋框中輸入資訊來請求搜尋。外部前端系統103可自系統100中的一或多個系統請求資訊。舉例而言，外部前端系統103可自FO系統113請求滿足搜尋請求的資訊。外部前端系統103亦可請求及接收（自FO系統113）搜尋結果中所包括的每種產品的承諾交付日期或「PDD」。在一些實施例中，PDD可表示對以下的估測：容納產品的包裝將何時到達使用者所期望的位置，或者若在特定時間段（例如在一天結束（午後11:59）之前）內訂購則產品被承諾交付至使用者所期望的位置的日期。（以下參照FO系統113進一步論述PDD。）

外部前端系統103可基於所述資訊準備SRP（例如，圖1B）。SRP可包括滿足搜尋請求的資訊。舉例而言，此可包括滿足搜尋請求的產品的圖片。SRP亦可包括每種產品的相應價格，或者與每種產品的增強交付選項、PDD、重量、大小、優惠、折扣等相關的資訊。外部前端系統103可向發出請求的使用者裝置發送SRP（例如，經由網路）。

接著使用者裝置可例如藉由點擊或輕敲使用者介面（或使用另一輸入裝置）以選擇在SRP上表現的產品而自SRP選擇產品。使用者裝置可製定對所選擇產品的資訊的請求，且將其發送至外部前端系統103。作為響應，外部前端系統103可請求與所選擇產品相關的資訊。舉例而言，所述資訊可包括除在相應的SRP上針對產品呈現的資訊之外的附加資訊。此附加資訊可包括例如儲架壽命（shelf life）、原產國、重量、大小、包裝中物項的數目、操作說明（handling instructions）或關於產品的其他資訊。所述資訊亦可包括對相似產品的建議（例如，基於購買此產品及至少一種其他產品的顧客的巨量資料及/或機器學習分析）、對常問問題的回答、來自顧客的評論、製造商資訊、圖片等。

外部前端系統103可基於所接收的產品資訊來準備單一細節頁面（SDP）（例如，圖1C）。SDP亦可包括例如「立即購買（Buy Now）」按鈕、「添加至購物車（Add to Cart）」按鈕、量欄（quantity field）、物項圖片等其他交互式元素。SDP可更包括提供所述產品的賣方的列表。所述列表可基於每一賣方提供的價格來排序，使得提出以最低價格售賣產品的賣方可被列於頂部。所述列表亦可基於賣方排名來排序，使得排名最高的賣方可被列於頂部。賣方排名可基於包括例如賣方滿足所承諾PDD的過往追蹤記錄在內的多種因素來製定。外部前端系統103可將SDP交付至發出請求的使用者裝置（例如，經由網路）。

發出請求的使用者裝置可接收列出產品資訊的SDP。在接收到SDP後，使用者裝置接著可與SDP交互。舉例而言，發出請求的使用者裝置的使用者可點擊SDP上的「放入購物車中」按鈕或以其他方式與SDP上的「放入購物車中」按鈕交互。此會將產品添加至與使用者相關聯的購物車。使用者裝置可向外部前端系統103發射此種將產品添加至購物車的請求。

外部前端系統103可產生購物車頁面（例如，圖1D）。在一些實施例中，購物車頁面列出已被使用者添加至虛擬「購物車」的產品。使用者裝置可藉由點擊SRP、SDP或其他頁面上的圖標或以其他方式與SRP、SDP或其他頁面上的圖標交互來請求購物車頁面。在一些實施例中，購物車頁面可列出已被使用者添加至購物車的所有產品，以及關於購物車中的產品的資訊，例如每種產品的數量、每種產品的單價、每種產品的基於相關聯數量的價格、關於PDD的資訊、交付方法、裝運成本、用於修改購物車中的產品的使用者介面元素（例如，數量的刪除或修改）、用於訂購其他產品或設定產品的定期交付的選項、用於設定利息支付的選項、用於繼續採購的使用者介面元素等。使用者裝置處的使用者可點擊使用者介面元素（例如，讀為「立即購買」的按鈕）或以其他方式與使用者介面元素（例如，讀為「立即購買」的按鈕）交互，以發起對購物車中的產品的採購。在這樣做時，使用者裝置可向外部前端系統103發射此種發起採購的請求。

外部前端系統103可因應於接收到發起採購的請求而產生訂單頁面（例如，圖1E）。在一些實施例中，訂單頁面重新列出來自購物車的物項，且請求輸入支付及裝運資訊。舉例而言，訂單頁面可包括請求關於購物車中物項的採購者的資訊（例如，姓名、位址、電子郵件位址、電話號碼）、關於接收方的資訊（例如，姓名、位址、電話號碼、交付資訊）、裝運資訊（例如，交付及/或收取的速度/方法）、支付資訊（例如，信用卡、銀行轉帳、支票、賒帳（stored credit））、請求現金收據（例如，出於稅務目的）的使用者介面元素等的部分。外部前端系統103可向使用者裝置發送訂單頁面。

使用者裝置可在訂單頁面上輸入資訊，且點擊向外部前端系統103發送所述資訊的使用者介面元素或以其他方式與向外部前端系統103發送所述資訊的使用者介面元素交互。外部前端系統103可自使用者介面元素將資訊發送至系統100中的不同系統，以使得能夠使用購物車中的產品創建及處理新的訂單。

在一些實施例中，外部前端系統103可更被配置成使得賣方能夠發射及接收與訂單相關的資訊。

在一些實施例中，內部前端系統105可被實施為使得內部使用者（例如，擁有、營運或租賃系統100的組織的員工）能夠與系統100中的一或多個系統交互的電腦系統。舉例而言，在其中系統100能夠呈現系統以使得使用者能夠對物項下訂單的實施例中，內部前端系統105可被實施為網站伺服器，網站伺服器使得內部使用者能夠查看關於訂單的診斷及統計資訊、修改物項資訊或者查核與訂單相關的統計量。舉例而言，內部前端系統105可被實施為運行例如阿帕奇HTTP伺服器、微軟網際網路資訊服務（IIS）、NGINX等軟體的一或多個電腦。在其他實施例中，內部前端系統105可運行客製網站伺服器軟體，客製網站伺服器軟體被設計成接收及處理來自繪示於系統100中的系統或裝置（以及未繪示的其他裝置）的請求，基於該些請求自資料庫及其他資料儲存器獲取資訊，且基於所獲取的資訊提供對所接收請求的響應。

在一些實施例中，內部前端系統105可包括網站快取系統、資料庫、搜尋系統、支付系統、分析系統、訂單監控系統等中的一或多者。在一個態樣中，內部前端系統105可包括該些系統中的一或多者，而在另一態樣中，內部前端系統105可包括連接至該些系統中的一或多者的介面（例如，伺服器至伺服器、資料庫至資料庫或其他網路連接）。

在一些實施例中，運輸系統107可被實施為使得能夠在系統100中的系統或裝置與行動裝置107A至107C之間達成通訊的電腦系統。在一些實施例中，運輸系統107可自一或多個行動裝置107A至107C（例如，行動電話、智慧型電話、個人數位助理（personal digital assistant，PDA）等）接收資訊。舉例而言，在一些實施例中，行動裝置107A至107C可包括由交付工作者操作的裝置。交付工作者（其可為永久的、臨時的或輪班的員工）可利用行動裝置107A至107C來達成對容納由使用者訂購的產品的包裝的交付。舉例而言，為交付包裝，交付工作者可在行動裝置上接收指示交付哪一包裝以及在何處交付所述包裝的通知。在到達交付位置時，交付工作者可使用行動裝置來定位包裝（例如，在卡車的後部或包裝的板條箱中）、掃描或以其他方式捕獲與包裝上的辨識符（例如，條形碼、影像、正文字串、射頻辨識（radio frequency identification，RFID）標籤等）相關聯的資料以及交付包裝（例如，藉由將包裝留在前門、將其留給保全警衛、將其交給接收方等）。在一些實施例中，交付工作者可使用行動裝置捕獲包裝的照片及/或可使用行動裝置獲得簽名。行動裝置可向運輸系統107發送包括關於交付的資訊在內的資訊，所述關於交付的資訊包括例如時間、日期、全球定位系統（Global Positioning System，GPS）位置、照片、與交付工作者相關聯的辨識符、與行動裝置相關聯的辨識符等。運輸系統107可將此資訊儲存於資料庫（未畫出）中，以供系統100中的其他系統存取。在一些實施例中，運輸系統107可使用此資訊來準備追蹤資料並將追蹤資料發送至指示特定包裝位置的其他系統。

在一些實施例中，某些使用者可使用一種種類的行動裝置（例如，永久工作者可使用具有例如條形碼掃描器、觸控筆（stylus）及其他裝置等客製硬體的專用PDA），而其他使用者可使用其他種類的行動裝置（例如，臨時工作者或輪班工作者可利用現成的行動電話及/或智慧型電話）。

在一些實施例中，運輸系統107可將使用者與每一裝置相關聯。舉例而言，運輸系統107可儲存使用者（由例如使用者辨識符、員工辨識符或電話號碼表示）與行動裝置（由例如國際行動設備辨識（International Mobile Equipment Identity，IMEI）、國際行動訂用辨識符（International Mobile Subscription Identifier，IMSI）、電話號碼、通用唯一辨識符（Universal Unique Identifier，UUID）或全球唯一辨識符（Globally Unique Identifier，GUID）表示）之間的關聯。運輸系統107可結合在交付時接收的資料使用此種關聯來分析儲存於資料庫中的資料，以便除其他資訊以外亦確定工作者的位置、工作者的效率或工作者的速度。

在一些實施例中，賣方入口109可被實施為使得賣方或其他外部實體能夠與系統100中的一或多個系統進行電子通訊的電腦系統。舉例而言，賣方可利用電腦系統（未畫出）來針對賣方希望使用賣方入口109藉由系統100來售賣的產品上載或提供產品資訊、訂單資訊、聯繫資訊等。

在一些實施例中，裝運及訂單追蹤系統111可被實施為如下的電腦系統：所述電腦系統接收、儲存及轉送關於容納由顧客（例如，由使用裝置102A至102B的使用者）訂購的產品的包裝的位置的資訊。在一些實施例中，裝運及訂單追蹤系統111可自由裝運公司操作的網站伺服器（未畫出）請求或儲存資訊，裝運公司交付容納由顧客訂購的產品的包裝。

在一些實施例中，裝運及訂單追蹤系統111可自系統100中所繪示的系統請求及儲存資訊。舉例而言，裝運及訂單追蹤系統111可自運輸系統107請求資訊。如以上所論述，運輸系統107可自與使用者（例如，交付工作者）或車輛（例如，交付卡車）中的一或多者相關聯的一或多個行動裝置107A至107C（例如，行動電話、智慧型電話、PDA等）接收資訊。在一些實施例中，裝運及訂單追蹤系統111亦可自倉庫管理系統（WMS）119請求資訊，以確定各別產品在履行中心（例如，履行中心200）內部的位置。裝運及訂單追蹤系統111可自運輸系統107或WMS 119中的一或多者請求資料，對其進行處理，且根據請求將其呈現至裝置（例如，使用者裝置102A及102B）。

在一些實施例中，履行優化（FO）系統113可被實施為如下的電腦系統：所述電腦系統儲存來自其他系統（例如，外部前端系統103及/或裝運及訂單追蹤系統111）的顧客訂單的資訊。FO系統113亦可儲存闡述特定物項被容置或儲存於何處的資訊。舉例而言，某些物項可能僅儲存於一個履行中心中，而某些其他物項可能儲存於多個履行中心中。在再一些其他實施例中，某些履行中心可被設計成僅儲存特定的一組物項（例如，新鮮農產品（fresh produce）或冷凍產品（frozen product））。FO系統113儲存此種資訊以及相關聯資訊（例如，數量、大小、接收日期、過期日期等）。

FO系統113亦可為每種產品計算對應的承諾交付日期（PDD）。在一些實施例中，PDD可基於一或多種因素。舉例而言，FO系統113可基於以下來為產品計算PDD：產品的過往需求（例如，在一段時間期間此產品被訂購過多少次）、產品的預期需求（例如，預報在即將到來的一段時間期間有多少顧客會訂購所述產品）、指示在一段時間期間訂購過多少產品的全網路過往需求、指示在即將到來的一段時間期間預期會訂購多少產品的全網路預期需求、儲存於每一履行中心200中的產品的一或多個計數、每種產品由哪一履行中心儲存、此產品的預期訂單或當前訂單等。

在一些實施例中，FO系統113可週期性地（例如，每小時）確定每種產品的PDD，且將其儲存於資料庫中，以供擷取或發送至其他系統（例如，外部前端系統103、SAT系統101、裝運及訂單追蹤系統111）。在其他實施例中，FO系統113可自一或多個系統（例如，外部前端系統103、SAT系統101、裝運及訂單追蹤系統111）接收電子請求，且按需計算PDD。

在一些實施例中，履行訊息傳遞閘道（FMG）115可被實施為如下的電腦系統：所述電腦系統自系統100中的一或多個系統（例如FO系統113）接收呈一種格式或協定的請求或響應，將其轉換成另一種格式或協定，且以所轉換的格式或協定將其轉送至例如WMS 119或第三方履行系統121A、121B或121C等其他系統，且反之亦然。

在一些實施例中，供應鏈管理（SCM）系統117可被實施為實行預報功能的電腦系統。舉例而言，SCM系統117可基於例如基於產品的過往需求、產品的預期需求、全網路過往需求、全網路預期需求、儲存於每一履行中心200中的產品計數、每種產品的預期訂單或當前訂單等來預報特定產品的需求水準。因應於此種預報水準及所有履行中心的每種產品的量，SCM系統117可產生一或多個採購訂單，以採購及貯存足夠的數量來滿足特定產品的預報需求。

在一些實施例中，倉庫管理系統（WMS）119可被實施為監控工作流的電腦系統。舉例而言，WMS 119可自指示離散事件的各別裝置（例如，裝置107A至107C或119A至119C）接收事件資料。舉例而言，WMS 119可接收指示使用該些裝置中的一者來掃描包裝的事件資料。如以下參照履行中心200及圖2所論述，在履行過程期間，包裝辨識符（例如，條形碼或RFID標籤資料）可在特定階段由機器（例如，自動化條形碼掃描器或手持條形碼掃描器、RFID讀取器、高速照相機、例如平板電腦（tablet）119A、行動裝置/PDA 119B、電腦119C等裝置或者類似機器）掃描或讀取。WMS 119可將指示包裝辨識符的掃描或讀取的每一事件連同包裝辨識符、時間、日期、位置、使用者辨識符或其他資訊一起儲存於對應的資料庫（未畫出）中，且可將此資訊提供至其他系統（例如，裝運及訂單追蹤系統111）。

在一些實施例中，WMS 119可儲存將一或多個裝置（例如，裝置107A至107C或119A至119C）與和系統100相關聯的一或多個使用者相關聯的資訊。舉例而言，在一些情況下，使用者（例如兼職員工或全職員工）與行動裝置的關聯可在於使用者擁有行動裝置（例如，行動裝置是智慧型電話）。在其他情況下，使用者與行動裝置的關聯可在於使用者臨時保管行動裝置（例如，使用者在一天開始時登記借出行動裝置，將在一天中使用行動裝置，且將在一天結束時歸還行動裝置）。

在一些實施例中，WMS 119可為與系統100相關聯的每一使用者維護工作日誌。舉例而言，WMS 119可儲存與每一員工相關聯的資訊，包括任何所分派的過程（例如，卸載卡車、自揀選區揀選物項、分撥牆工作（rebin wall work）、包裝物項）、使用者辨識符、位置（例如，履行中心200中的樓層或區）、員工在系統中移動的單元的數目（例如，所揀選的物項的數目、所包裝的物項的數目）、與裝置（例如，裝置119A至119C）相關聯的辨識符等。在一些實施例中，WMS 119可自例如在裝置119A至119C上操作的計時系統等計時系統接收簽入（check-in）資訊及簽出（check-out）資訊。

在一些實施例中，第三方履行（3PL）系統121A至121C表示與物流及產品的第三方提供商相關聯的電腦系統。舉例而言，儘管一些產品被儲存於履行中心200中（如以下針對圖2所論述），然而其他產品可被儲存於場外、可按需生產或者可在其他情況下不可儲存於履行中心200中。3PL系統121A至121C可被配置成自FO系統113（例如，藉由FMG 115）接收訂單，且可直接向顧客提供產品及/或服務（例如，交付或安裝）。在一些實施例中，3PL系統121A至121C中的一或多者可為系統100的一部分，而在其他實施例中，3PL系統121A至121C中的一或多者可在系統100之外（例如，由第三方提供商擁有或營運）。

在一些實施例中，履行中心授權系統（FC Auth）123可被實施為具有各種功能的電腦系統。舉例而言，在一些實施例中，FC Auth 123可充當系統100中的一或多個其他系統的單一登入（single-sign on，SSO）服務。舉例而言，FC Auth 123可使得使用者能夠經由內部前端系統105登錄，確定使用者具有存取裝運及訂單追蹤系統111處的資源的相似特權，且使得使用者能夠存取該些特權而不需要第二次登錄過程。在其他實施例中，FC Auth 123可使得使用者（例如，員工）能夠將其自身與特定任務相關聯。舉例而言，一些員工可能不具有電子裝置（例如裝置119A至119C），而是可作為替代在一天的過程期間於履行中心200內在各任務之間及各區之間移動。FC Auth 123可被配置成使得該些員工能夠指示他們正在實行什麼任務以及他們在一天的不同時間處於什麼區。

在一些實施例中，勞資管理系統（LMS）125可被實施為儲存員工（包括全職員工及兼職員工）的出勤資訊及加班資訊的電腦系統。舉例而言，LMS 125可自FC Auth 123、WMS 119、裝置119A至119C、運輸系統107及/或裝置107A至107C接收資訊。

圖1A中繪示的特定配置僅為實例。舉例而言，儘管圖1A繪示出FC Auth系統123連接至FO系統113，然而並非所有實施例皆需要此種特定配置。實際上，在一些實施例中，系統100中的系統可藉由包括以下在內的一或多種公共網路或私有網路連接至彼此：網際網路、內部網路（Intranet）、廣域網路（Wide-Area Network，WAN）、都會區域網路（Metropolitan-Area Network，MAN）、符合電機及電子工程師學會（Institute of Electrical and Electronic Engineers，IEEE）802.11a/b/g/n標準的無線網路、租用線路（leased line）等。在一些實施例中，系統100中的系統中的一或多者可被實施為在資料中心、伺服器場（server farm）等處實施的一或多個虛擬伺服器。

圖2繪示出履行中心200。履行中心200是儲存訂購時裝運至顧客的物項的實體位置的實例。履行中心（FC）200可被劃分成多個區，所述多個區中的每一者繪示於圖2中。在一些實施例中，該些「區」可被視為接收物項、儲存物項、擷取物項及裝運物項的過程的不同階段之間的虛擬劃分。因此，儘管在圖2中繪示出「區」，然而亦可存在區的其他劃分，且在一些實施例中，圖2中的區可被省略、複製或修改。

入站區203表示FC 200的自希望使用來自圖1A的系統100售賣產品的賣方接收物項的區域。舉例而言，賣方可使用卡車201交付物項202A及202B。物項202A可表示足夠大以佔用其自己的裝運托板的單一物項，而物項202B可表示在同一托板上堆疊於一起以節省空間的一組物項。

工作者將在入站區203中接收物項，且可使用電腦系統（未畫出）可選地檢查物項的損壞及正確性。舉例而言，工作者可使用電腦系統將物項202A及202B的數量與訂購的物項數量進行比較。若數量不匹配，則此工作者可拒絕物項202A或202B中的一或多者。若數量匹配，則工作者可將該些物項（使用例如推車、手推車、堆高機，或者手動地）移動至緩衝區（buffer zone）205。緩衝區205可為當前在揀選區中所不需要的物項（例如，由於在揀選區中存在足夠高數量的此物項來滿足預報需求）的臨時儲存區域。在一些實施例中，堆高機206進行操作以在緩衝區205中四處移動物項以及在入站區203與卸貨區207之間移動物項。若在揀選區中需要物項202A或202B（例如，由於預報需求），則堆高機可將物項202A或202B移動至卸貨區207。

卸貨區207可為FC 200的在物項被移動至揀選區209之前儲存所述物項的區域。被分派揀選任務的工作者（「揀選者」）可接近揀選區中的物項202A及202B，使用行動裝置（例如，裝置119B）掃描揀選區的條形碼且掃描與物項202A及202B相關聯的條形碼。接著揀選者可將物項帶至揀選區209（例如，藉由將物項放入搬運車（cart）上或者搬運物項）。

揀選區209可為FC 200的其中在儲存單元210上儲存物項208的區域。在一些實施例中，儲存單元210可包括實體排架（physical shelving）、書架、盒、裝運箱、冰箱、冰櫃、冷藏庫等中的一或多者。在一些實施例中，揀選區209可被組織成多個樓層。在一些實施例中，工作者或機器可以包括例如堆高機、升降機、傳送帶、搬運車、手推車、推車、自動化機器人或裝置或者手動方式在內的多種方式將物項移動至揀選區209中。舉例而言，揀選者可將物項202A及202B放入卸貨區207中的手推車或搬運車上，且步行將物項202A及202B送至揀選區209。

揀選者可接收將物項放入（或「存放（stow）」於）揀選區209中的特定地點（例如儲存單元210上的特定空間）的指令。舉例而言，揀選者可使用行動裝置（例如，裝置119B）掃描物項202A。所述裝置可例如使用指示過道、儲架及位置的系統來指示揀選者應將物項202A存放於何處。接著，在將物項202A存放於此位置中之前，所述裝置可提示揀選者掃描此位置處的條形碼。所述裝置可向電腦系統（例如圖1A中的WMS 119）發送（例如，經由無線網路）資料來指示物項202A已由使用裝置119B的使用者存放於所述位置處。

一旦使用者下訂單，揀選者便可在裝置119B上接收指令，以自儲存單元210擷取一或多個物項208。揀選者可擷取物項208，掃描物項208上的條形碼，且將其放入運輸機構214上。儘管運輸機構214被表示為滑動件，然而在一些實施例中，運輸機構可被實施為傳送帶、升降機、搬運車、堆高機、手推車、推車等中的一或多者。接著物項208可到達包裝區211。

包裝區211可為FC 200的自揀選區209接收物項且將物項包裝至盒或袋中以便最終裝運至顧客的區域。在包裝區211中，被分派接收物項的工作者（「分撥工作者（rebin worker）」）將自揀選區209接收物項208，且確定物項208對應於什麼訂單。舉例而言，分撥工作者可使用例如電腦119C等裝置來掃描物項208上的條形碼。電腦119C可以可視方式指示物項208與哪一訂單相關聯。舉例而言，此可包括牆216上的對應於訂單的空間或「單元格（cell）」。一旦訂單完成（例如，由於單元格容納訂單的所有物項），分撥工作者可向包裝工作者（或「包裝者（packer）」）指示訂單完成。包裝者可自單元格擷取物項，且將其放入盒或袋中進行裝運。接著，包裝者可例如藉由堆高機、搬運車、推車、手推車、傳送帶、手動方式或其他方式將盒或袋發送至中樞區（hub zone）213。

中樞區213可為FC 200的自包裝區211接收所有盒或袋（「包裝」）的區域。中樞區213中的工作者及/或機器可擷取包裝218，且確定每一包裝擬定去往交付區域的哪一部分，且將包裝路由至適當的營地區215。舉例而言，若交付區域具有兩個較小的子區域，則包裝將去往兩個營地區215中的一者。在一些實施例中，工作者或機器可掃描包裝（例如，使用裝置119A至119C中的一者）以確定其最終目的地。將包裝路由至營地區215可包括例如確定作為包裝的目的地的地理區域的一部分（例如，基於郵遞區號），以及確定與所述地理區域的所述部分相關聯的營地區215。

在一些實施例中，營地區215可包括一或多個建築物、一或多個實體空間或者一或多個區域，其中的包裝是自中樞區213接收以分選至路線及/或子路線中。在一些實施例中，營地區215在實體上與FC 200分離，而在其他實施例中，營地區215可形成FC 200的一部分。

營地區215中的工作者及/或機器可例如基於目的地與現有路線及/或子路線的比較、對每一路線及/或子路線的工作負載的計算、一天中的時間、裝運方法、裝運包裝220的成本、與包裝220中的物項相關聯的PDD等來確定包裝220應與哪一路線及/或子路線相關聯。在一些實施例中，工作者或機器可掃描包裝（例如，使用裝置119A至119C中的一者）以確定其最終目的地。一旦包裝220被分派至特定路線及/或子路線，工作者及/或機器可移動待裝運的包裝220。在示例性圖2中，營地區215包括卡車222、汽車226以及交付工作者224A及224B。在一些實施例中，卡車222可由交付工作者224A駕駛，其中交付工作者224A是為FC 200交付包裝的全職員工，且卡車222由擁有、租賃或營運FC 200的同一公司擁有、租賃或營運。在一些實施例中，汽車226可由交付工作者224B駕駛，其中交付工作者224B是根據需要（例如，季節性地）進行交付的「彈性（flex）」或不定期工作者（occasional worker）。汽車226可由交付工作者224B擁有、租賃或營運。

圖3是示出根據所揭露實施例的網路40的示例性實施例的示意性方塊圖，網路40包括用於對標定促銷活動進行賦能的通訊的電腦化系統。如圖3中所見，促銷活動系統50包括伺服器300。

伺服器300的基本組件包括處理器320及記憶體裝置340，但伺服器300可包含其他組件（包括有利於電子通訊的那些組件）。其他組件可包括使用者介面裝置，例如輸入及輸出裝置（未示出）。伺服器300可包括電腦硬體組件，例如以下裝置的組合：中央處理單元（Central Processing Unit，CPU）或處理器、匯流排、記憶體裝置、儲存單元、資料處理器、輸入裝置、輸出裝置、網路介面裝置以及熟習此項技術者所理解的其他類型的組件。伺服器300可更包括應用程式，所述應用程式可包括軟體模組、指令序列、常式、資料結構、顯示介面及執行本發明的操作的其他類型的結構。

伺服器300中的硬體組件中的一者是處理器320。處理器320可為專用積體電路（Application Specific Integrated Circuit，ASIC）或者處理器320可為通用處理器。處理器320可包括多於一個處理器。舉例而言，處理器可並聯、串聯或者以所述兩者方式進行安置，以對欲處理的電腦指令的全部或部分進行處理。

記憶體裝置340可包括所有形式的電腦可讀取儲存媒體，例如非揮發性記憶體或揮發性記憶體（藉由實例包括：半導體記憶體裝置，例如可抹除及可程式化唯讀記憶體（erasable and programmable read-only memory，EPROM）、隨機存取記憶體（random access memory，RAM）、唯讀記憶體（read-only memory，ROM）、動態隨機存取記憶體（dynamic random-access memory，DRAM）、電性可抹除及可程式化唯讀記憶體（electrically erasable and programmable read-only memory，EEPROM）及快閃記憶體裝置；磁碟，例如內部硬碟及可移磁碟；磁光碟；數位影音光碟（digital versatile disc，DVD）碟及光碟-ROM碟）。記憶體裝置340可用於儲存程式代碼345、資料湖（data lake）350及商業規則355。

伺服器300被配置成自內部前端系統105接收資訊，所述資訊包括顧客行動資訊60及多個廣告宣傳活動80。顧客行動資訊60可包括：顧客採購行為（例如，所採購產品、採購頻率、重複採購等）、顧客瀏覽歷史、顧客搜尋歷史、忠誠方案會員資格、忠誠方案活動及忠誠方案利益合格性。各種商業約束358（例如，哪些供應商正在提供促銷，在保持盈利能力的同時可為特定產品或產品類別提供什麼樣的折扣以及多少折扣等）確定在任何給定時間的所述多個廣告宣傳活動是什麼。

圖4是示出根據所揭露實施例的促銷活動系統50的示例性實施例的示意性方塊圖。

如圖4中所見，資料湖350包含顧客行動資訊60的集合。在一些實施例中，內部前端系統105例如藉由自資料湖350擷取相關資料來週期性地、即時地或按需地對此資訊進行更新。週期性地，特定組的顧客行動資訊60由處理器320進行引導，以在由各種決策引擎365、370、375實施的若干機器學習（machine learning，ML）/人工智慧（artificial intelligence，AI）導出演算法下被評估。ML/AI方法包括深度學習及隨機森林。注意，決策引擎365、370、375是示例性的且處理器320可使用較決策引擎365、370、375少或多的引擎。

購買傾向決策引擎（propensity to buy decision engine，PTBDE）365實施該些ML/AI導出演算法中的一者。PTBDE 365利用顧客行動資訊60中的一些顧客行動資訊60來辨識顧客在一段時間內對不同組產品的興趣。在一些實施例中，PTBDE 365被配置成確定哪些顧客具有購買特定標定類別/品牌/裝置的高傾向，且因此驅動更高的遞增採購率。舉例而言，在PTBDE 365中可使用多個類別/品牌/裝置模型；PTBDE 365可被配置成定期或不定期地接收經更新模型。PTBDE 365的輸出可為期望產品列表368的形式。舉例而言，PTBDE 365使用特定於具體顧客的資訊（例如，顧客先前的採購、顧客在外部前端系統103上搜尋的產品、以及系統103上的其他瀏覽歷史）來預測顧客在接下來的七天內將感興趣的採購的產品列表。列表368可或可不按照所估測顧客興趣排序。PTBDE 365的預測可例如藉由深度學習及/或隨機森林機器學習方法來進行，深度學習及/或隨機森林機器學習方法使用多個層自原始輸入漸進地提取更高層階的特徵，使得PTBDE 365進行的預測隨著時間的推移將更加準確。

舉例而言，隨機森林演算法可針對具有超過200個特徵的每一類別/品牌/裝置模型來實施，以預測任何具體顧客在接下來的七天中在目標類別中進行採購的可能性。在一些實施例中，該些特徵可包括奢侈物項採購行為、類別特定行為、高級會員使用、瀏覽行為或類似特徵。在一些實施例中，對於不同類別/品牌/裝置中的每一者，使用中的特徵可為不同的。所述模型使用最近的歷史資料來對基於若干模型參數的總體準確率及真陽性率（true positive rate）進行訓練及優化（調諧，例如，樹的數目及樹深度）。另外，可提供初始驗證來對每一模型的效能（包括模型得分十分位數的採購率及類別覆蓋率）進行評估。具體而言，驗證證明所述模型能夠辨識採購率較高的高傾向顧客。以下表1是驗證的實例。前三個十分位數（基於模型得分）可辨識89%的尿布顧客（參見標有星號的值）。如下所見，採購率隨著十分位數變大而降低（十分位數越大，顧客將購買所述類別中的產品的可能性越小）。

表1 - 按傾向十分位數劃分的尿布採購率（折疊視圖）
尿布傾向得分	尿布傾向	隊列規模	採購尿布的顧客	尿布採購率	累積尿布顧客	尿布顧客覆蓋範圍
P＞0	1	30,000	1,360	4.53%	1,360	70%
2	30,000	221	0.74%	1,581	82%
3	30,000	141	0.47%	1,722	89%*
4	30,000	77	0.26%	1,799	93%
5	30,000	61	0.20%	1,860	96%
P=0	P=0	150,000	73	0.05%	1,933	100%

下一最佳動作決策引擎（next best action decision engine，NBADE）370實施該些ML/AI導出演算法中的另一者。NBADE 370利用一組不同的顧客行動資訊60（不同於PTBDE 365所利用的顧客行動資訊）來辨識顧客在一段時間內的什麼類型的潛在採購最有可能使顧客在系統103上的終生支出最大化。因此，NBADE 370的輸出可為產品類別排序列表373的形式，產品類別排序列表373若被顧客採購，則被估測生成最多的重複採購或最多的收入。舉例而言，NBADE 370使用自許多顧客彙集的資訊（例如，具有高重複採購傾向的產品類別、具有高利潤邊際的產品類別等）結合特定於具體顧客的資訊（例如，顧客先前的採購）來對顧客未來90天的可能收入進行預測。NBADE 370的此種預測可例如使用包括深度學習及隨機森林機器學習方法的若干模型來模擬顧客在接下來的四周內可能採取的大量（例如，數百個）替代顧客行動來進行。利用模型準確性量測值（例如，平均絕對誤差），具有最高預測的90天收入的顧客活動是對顧客的首選建議行動。

在一些實施例中，行銷敏感度決策引擎（marketing susceptibility decision engine，MSDE）375可實施相同或不同的ML/AI導出演算法來分析顧客行動資訊60。MSDE 375利用一組不同的顧客行動資訊60（不同於PTBDE 365或NBADE 370所利用的顧客行動資訊）來辨識顧客基於觀看廣告/促銷而改變其採購行為的可能性有多大。因此，MSDE 375的輸出可為行銷敏感度列表378的形式。舉例而言，MSDE 375使用特定於具體顧客的資訊（例如，顧客在促銷之後的新採購歷史、促銷之後顧客在外部前端系統103上搜尋的產品的歷史、在外部前端系統103上觀看促銷所花費的時間）來預測顧客是否可能藉由進行採購來對廣告/促銷做出大體響應或針對特定產品/產品類別做出響應。舉例而言，行銷敏感度列表378可基於接收到針對產品類別中的每一者的行銷而指示針對產品類別的採購行為的改變的所估測可能性。MSDE 375的此種預測可例如藉由深度學習機器學習方法來進行。

儘管以上闡述上述三個不同的決策引擎365、370、375及其相關聯的ML/AI導出演算法，但所述列表並非窮舉的且處理器320可利用其他類型的決策引擎或其他ML/AI導出演算法。上述決策引擎365、370、375的輸出368、373、378連同所述多個廣告宣傳活動80一起被饋送至顧客促銷決策引擎（customer promotion decision engine，CPDE）390中。對CPDE 390進行運行的處理器320使用各種商業規則355來產生自所述多個廣告宣傳活動80選擇的廣告宣傳活動395a至395n排序列表，以在裝置102處提供給顧客。廣告宣傳活動395a至395n排序列表可為指示特定廣告宣傳活動395對於顧客而言較其他廣告宣傳活動優先的任何合適的形式（純文本檔案、試算表等）。舉例而言，由PTBDE 365產生的傾向表可包括用於成員標識（member identification）、產品類別及傾向得分的行。附加地，由NBADE 370產生的NBA表格可包括用於成員標識及NBA影響的行。商業規則335可將傾向表與NBA表合併，且然後按照產品的傾向及NBA輸出對每一成員標識進行標記及排序（示例性群體標記可包括核心群體、名義群體及無標誌（signal））。在一些佈置中，列表359可包括少至一個廣告宣傳活動395a。在其中存在多個廣告宣傳活動395a至395n由CPDE 390選擇的佈置中，並非所有的活動395a至395n均可在顧客裝置102處呈現給顧客。舉例而言，若CPDF 390選擇尿布促銷作為排名第一的廣告宣傳活動395a，選擇跑鞋促銷作為排名第二的廣告宣傳活動395b，以及選擇珠寶促銷作為排名第三的廣告宣傳活動395c，則僅排名第一的（即最有可能將來自顧客的終身收入最大化的）廣告宣傳活動395a可在顧客登錄系統103時在裝置102處初始呈現給顧客。若顧客在預定時間段（例如，一周）內第二次登錄系統103，則第二排名的活動395b可在裝置102上呈現給顧客。然而，若顧客在預定時間段結束之前未第三次登錄系統103，則排名第三的活動395c可能不呈現給顧客。

圖5是示出根據所揭露實施例的促銷活動方法400的示例性實施例的流程圖。所述方法以步驟402開始。

步驟402是在第一伺服器300處接收與顧客相關聯的顧客行動資訊60。舉例而言，伺服器300可自系統105接收顧客採購行為（例如，所採購產品、採購頻率、重複採購等）、顧客瀏覽歷史、顧客搜尋歷史、忠誠方案會員資格、忠誠方案活動及忠誠方案利益合格性。

步驟404是接收多個廣告宣傳活動80。廣告宣傳活動中的每一者可為促銷（例如，折扣價、買一送一、積分獎勵）或廣告。可能存在可用於分發給顧客的與特定產品或產品類別相關的數百個當前廣告宣傳活動80。

步驟406是使用第一演算法365產生根據顧客行動資訊60導出的、顧客在第一時間段內可能感興趣的產品列表368。舉例而言，PTBDE 365可基於資訊60的子集來確定顧客有興趣在下周採購狗糧、視訊遊戲、尿布及冰箱。

步驟408是使用第二演算法170產生根據顧客行動資訊80導出的產品類別排序列表173，產品類別排序列表173若被顧客採購，則將在第二時間段內產生最高的收入額。舉例而言，NBADE 370可基於資訊60的不同子集來確定以下類別的採購將在顧客的一生中以降序產生最多的收入：寵物食品、清潔用品及嬰兒產品。

步驟410是向顧客裝置102發送與所述多個廣告宣傳活動80中的第一廣告宣傳活動195a相關聯的第一通訊，第一廣告宣傳活動195a由第三演算法390選擇，第三演算法390將產品列表168與產品類別排序列表173合併作為輸入。舉例而言，基於商業規則355，CPDE 390可確定出提供給顧客的最佳促銷是針對狗糧的促銷，此乃因寵物食品是所確定的最高收入產生產品類別且顧客已表現出在下周內採購狗糧的傾向。附加地，CPDE 390可確定出提供給顧客的第二最佳促銷是針對尿布的促銷，此乃因嬰兒產品被確定為第三最高的收入產生產品類別且顧客已表現出在下一周內採購尿布的傾向。作為該些確定的結果，裝置102可進行以下操作：（i）當顧客在一周內第一次登錄系統103時顯示狗糧促銷；以及（ii）當顧客在一周內第二次登錄系統103時顯示尿布促銷。

儘管已參照本揭露的具體實施例示出並闡述了本揭露，然而應理解，本揭露可不加修改地實踐於其他環境中。上述說明是出於例示目的而呈現。上述說明並非詳盡性的且並非僅限於所揭露的精確形式或實施例。藉由考量對所揭露實施例的說明及實踐，各種修改及改編對於熟習此項技術者而言將顯而易見。附加地，儘管所揭露實施例的態樣被闡述為儲存於記憶體中，然而熟習此項技術者應理解，該些態樣亦可儲存於其他類型的電腦可讀取媒體上，例如輔助儲存裝置（例如硬碟或光碟唯讀記憶體（compact disk read-only memory，CD ROM））或者其他形式的隨機存取記憶體（RAM）或唯讀記憶體（ROM）、通用序列匯流排（universal serial bus，USB）媒體、數位影音光碟（DVD）、藍光（Blu-ray）或其他光學驅動媒體上。

基於書面說明及所揭露的方法的電腦程式處於有經驗的開發者的技能範圍內。可使用熟習此項技術者已知的任何技術來創建各種程式或程式模組，或者可結合現有的軟體來設計各種程式或程式模組。舉例而言，可採用或借助.Net Framework、.Net Compact Framework（以及相關語言，如Visual Basic、C等）、爪哇（Java）、C++、Objective-C、超文件標記語言（Hypertext Markup Language，HTML）、HTML/AJAX組合、可擴展標記語言（Extensible Markup Language，XML）或包括爪哇小程式的HTML來設計程式區段或程式模組。

此外，儘管本文中已闡述了例示性實施例，然而熟習此項技術者基於本揭露將設想出具有等效元素、修改形式、省略、組合（例如，各種實施例之間的態樣的組合）、改編及/或變更的任何及所有實施例的範圍。申請專利範圍中的限制應基於申請專利範圍中採用的語言進行廣義解釋，而並非僅限於本說明書中闡述的實例或在申請的過程期間闡述的實例。所述實例應被視為非排他性的。此外，所揭露方法的步驟可任何方式進行修改，包括藉由對步驟進行重新排序及/或插入或刪除步驟。因此，本說明書及實例旨在僅被視為例示性的，真正的範圍及精神由以下申請專利範圍及其等效內容的全部範圍來指示。

40:網路 50:促銷活動系統 60:顧客行動資訊/資訊 80:廣告宣傳活動 100:系統/方塊圖 101:裝運授權技術（SAT）系統 102:顧客裝置/裝置 102A:行動裝置/裝置/使用者裝置 102B:電腦/裝置/使用者裝置 103:外部前端系統/系統 105:內部前端系統/系統 107:運輸系統 107A、107C:行動裝置/裝置 107B:行動裝置 109:賣方入口 111:裝運及訂單追蹤系統 113:履行優化（FO）系統 115:履行訊息傳遞閘道（FMG） 117:供應鏈管理（SCM）系統 119:倉庫管理系統（WMS） 119A:行動裝置/裝置/平板電腦 119B:行動裝置/PDA/裝置 119C:行動裝置/裝置/電腦 121A、121B、121C:第三方履行（3PL）系統 123:履行中心授權系統（FC Auth） 125:勞資管理系統（LMS） 200:履行中心（FC） 201、222:卡車 202A、202B、208:物項 203:入站區 205:緩衝區 206:堆高機 207:卸貨區 209:揀選區 210:儲存單元 211:包裝區 213:中樞區 214:運輸機構 215:營地區 216:牆 218、220:包裝 224A、224B:交付工作者 226:汽車 300:伺服器 320:處理器 340:記憶體裝置 345:程式代碼 350:資料湖 355:商業規則 358:商業約束 365:購買傾向決策引擎（PTBDE）/決策引擎/第一演算法 368:期望產品列表/列表/輸出 370:下一最佳動作決策引擎（NBADE）/決策引擎 373:產品類別排序列表/輸出 375:行銷敏感度決策引擎（MSDE）/決策引擎 378:行銷敏感度列表/輸出 390:顧客促銷決策引擎（CPDE）/第三演算法 395a:廣告宣傳活動/活動/排名第一的廣告宣傳活動 395b:廣告宣傳活動/活動/排名第二的廣告宣傳活動 395c:廣告宣傳活動/活動/排名第三的廣告宣傳活動 395d～395n:廣告宣傳活動/活動 400:促銷活動方法 402、404、406、408、410:步驟

圖1A是示出根據所揭露實施例的網路的示例性實施例的示意性方塊圖，所述網路包括用於能夠進行通訊的裝運、運輸及物流操作的電腦化系統。圖1B繪示出根據所揭露實施例的樣本搜尋結果頁面（SRP），其包括滿足搜尋請求的一或多個搜尋結果以及交互式使用者介面元素。圖1C繪示出根據所揭露實施例的樣本單一細節頁面（SDP），其包括產品及關於產品的資訊以及交互式使用者介面元素。圖1D繪示出根據所揭露實施例的樣本購物車頁面，其包括虛擬購物車中的物項以及交互式使用者介面元素。圖1E繪示出根據所揭露實施例的樣本訂單頁面，其包括來自虛擬購物車的物項以及關於採購及裝運的資訊以及交互式使用者介面元素。圖2是根據所揭露實施例的被配置成利用所揭露電腦化系統的示例性履行中心的圖例。圖3是示出根據所揭露實施例的網路的示例性實施例的示意性方塊圖，所述網路包括用於對標定促銷活動進行賦能的通訊的電腦化系統。圖4是示出根據所揭露實施例的促銷活動系統的示例性實施例的示意性方塊圖。圖5是示出根據所揭露實施例的促銷活動方法的示例性實施例的流程圖。

400:促銷活動方法

402、404、406、408、410:步驟

Claims

一種用於向顧客進行標定廣告宣傳的電腦實施的方法，包括：在第一伺服器處接收與所述顧客相關聯的顧客行動資訊；接收多個廣告宣傳活動；使用第一演算法產生根據所述顧客行動資訊導出的、所述顧客在第一時間段內能夠感興趣的產品列表；使用第二演算法產生根據所述顧客行動資訊導出的產品類別排序列表，所述產品類別排序列表若被所述顧客採購，則將在第二時間段內產生最高的收入額；以及向顧客裝置發送與所述多個廣告宣傳活動中的第一廣告宣傳活動相關聯的第一通訊，所述第一廣告宣傳活動由第三演算法選擇，所述第三演算法將所述產品列表與所述產品類別排序列表合併作為輸入；其中所述第一演算法及所述第二演算法是基於人工智慧及/或機器學習模型，其中所述第三演算法是由預定的商業規則確定。
如請求項1所述的電腦實施的方法：其中所述第一演算法是基於隨機森林機器學習；其中所述第二演算法是基於隨機森林機器學習及深度機器學習；其中所述第二演算法端視模型準確度量測值而輸出基於隨機森林機器學習或深度機器學習的解決方案。
如請求項1所述的電腦實施的方法，其中所述顧客行動資訊包括顧客採購行為、顧客瀏覽歷史、顧客搜尋歷史、忠誠方案會員資格、忠誠方案活動及忠誠方案利益合格性中的至少一者。
如請求項1所述的電腦實施的方法，其中所述產品列表是由所述第一演算法根據所述顧客行動資訊的第一子集產生，所述第一子集是與所述顧客具體對應的資訊。
如請求項1所述的電腦實施的方法，其中所述產品類別排序列表是由所述第二演算法根據所述顧客行動資訊的第二子集產生，所述第二子集是與所述顧客及所述顧客所屬的顧客群體具體對應的資訊。
如請求項1所述的電腦實施的方法：其中所述方法更包括產生由所述第三演算法選擇的所述多個廣告宣傳活動中的至少兩個廣告宣傳活動的排序列表，所述第三演算法將所述產品列表與所述產品類別排序列表合併作為輸入，所述至少兩個廣告宣傳活動的排序列表包括排名第一的所述第一廣告宣傳活動及排名第二的第二廣告宣傳活動；且其中所述方法更包括在較所述發送與所述第一廣告宣傳活動相關聯的所述第一通訊晚的時間向所述顧客裝置發送與所述第二廣告宣傳活動相關聯的第二通訊。
如請求項1所述的電腦實施的方法：其中所述方法更包括使用第四演算法產生根據所述顧客行動資訊導出的行銷敏感度列表，所述行銷敏感度列表基於接收到針對產品類別中的每一者的行銷而指示針對所述產品類別的採購行為的改變的所估測可能性，其中所述第三演算法附加地將所述行銷敏感度列表合併作為輸入。
如請求項7所述的電腦實施的方法，其中所述第四演算法是基於人工智慧及/或機器學習模型。
如請求項7所述的電腦實施的方法：其中所述方法更包括產生由所述第三演算法選擇的所述多個廣告宣傳活動中的至少兩個廣告宣傳活動的排序列表，所述第三演算法將所述產品列表與所述產品類別排序列表合併作為輸入，所述至少兩個廣告宣傳活動的排序列表包括排名第一的所述第一廣告宣傳活動及排名第二的第二廣告宣傳活動；且其中所述方法更包括在較所述發送與所述第一廣告宣傳活動相關聯的所述第一通訊晚的時間向所述顧客裝置發送與所述第二廣告宣傳活動相關聯的第二通訊。
一種用於向顧客進行標定廣告宣傳的電腦實施的系統，包括：記憶體，儲存指令；以及至少一個處理器，被配置成執行所述指令以：在第一伺服器處接收與所述顧客相關聯的顧客行動資訊；接收多個廣告宣傳活動；使用第一演算法產生根據所述顧客行動資訊導出的、所述顧客在第一時間段內能夠感興趣的產品列表；使用第二演算法產生根據所述顧客行動資訊導出的產品類別排序列表，所述產品類別排序列表若被所述顧客採購，則將在第二時間段內產生最高的收入額；以及向顧客裝置發送與所述多個廣告宣傳活動中的第一廣告宣傳活動相關聯的第一通訊，所述第一廣告宣傳活動由第三演算法選擇，所述第三演算法將所述產品列表與所述產品類別排序列表合併作為輸入；其中所述第一演算法及所述第二演算法是基於人工智慧及/或機器學習模型；其中所述第二演算法端視模型準確度量測值而輸出基於隨機森林機器學習或深度機器學習的解決方案。
如請求項10所述電腦實施的系統：其中所述第一演算法是基於隨機森林機器學習；其中所述第二演算法是基於隨機森林機器學習及深度機器學習；其中所述第二演算法端視模型準確度量測值而輸出基於隨機森林機器學習或深度機器學習的解決方案。
如請求項10所述電腦實施的系統，其中所述顧客行動資訊包括顧客採購行為、顧客瀏覽歷史、顧客搜尋歷史、忠誠方案會員資格、忠誠方案活動及忠誠方案利益合格性中的至少一者。
如請求項10所述電腦實施的系統，其中所述產品列表是由所述第一演算法根據所述顧客行動資訊的第一子集產生，所述第一子集是與所述顧客具體對應的資訊。
如請求項10所述電腦實施的系統，其中所述產品類別排序列表是由所述第二演算法根據所述顧客行動資訊的第二子集產生，所述第二子集是與所述顧客及所述顧客所屬的顧客群體具體對應的資訊。
如請求項10所述電腦實施的系統：其中所述處理器更被配置成產生由所述第三演算法選擇的所述多個廣告宣傳活動中的至少兩個廣告宣傳活動的排序列表，所述第三演算法將所述產品列表與所述產品類別排序列表合併作為輸入，所述至少兩個廣告宣傳活動的排序列表包括排名第一的所述第一廣告宣傳活動及排名第二的第二廣告宣傳活動；且其中所述處理器更被配置成在較所述發送與所述第一廣告宣傳活動相關聯的所述第一通訊晚的時間向所述顧客裝置發送與所述第二廣告宣傳活動相關聯的第二通訊。
如請求項10所述電腦實施的系統：其中所述處理器更被配置成使用第四演算法產生根據所述顧客行動資訊導出的行銷敏感度列表，所述行銷敏感度列表基於接收到針對產品類別中的每一者的行銷而指示針對所述產品類別的採購行為的改變的所估測可能性，其中所述第三演算法附加地將所述行銷敏感度列表合併作為輸入。
如請求項16所述電腦實施的系統，其中所述第四演算法是基於人工智慧及/或機器學習模型。
如請求項16所述電腦實施的系統：其中所述處理器更被配置成產生由所述第三演算法選擇的所述多個廣告宣傳活動中的至少兩個廣告宣傳活動的排序列表，所述第三演算法將所述產品列表及所述產品類別排序列表合併作為輸入，所述至少兩個廣告宣傳活動的排序列表包括排名第一的所述第一廣告宣傳活動及排名第二的第二廣告宣傳活動；且其中所述處理器更被配置成在較所述發送與所述第一廣告宣傳活動相關聯的所述第一通訊晚的時間向所述顧客裝置發送與所述第二廣告宣傳活動相關聯的第二通訊。
如請求項10所述電腦實施的系統，其中所述第一廣告宣傳活動是針對特定顧客產品的廣告宣傳活動。
一種用於向顧客進行標定廣告宣傳的電腦實施的系統，包括：記憶體，儲存指令；以及至少一個處理器，被配置成執行所述指令以：在第一伺服器處接收與所述顧客相關聯的顧客行動資訊；接收多個廣告宣傳活動；使用第一演算法基於人工智慧及/或機器學習模型產生根據所述顧客行動資訊導出的、所述顧客在第一時間段內能夠感興趣的產品列表；使用第二演算法產生根據所述顧客行動資訊導出的產品類別排序列表，所述產品類別排序列表若被所述顧客採購，則將在第二時間段內產生最高的收入額，所述第二演算法是基於人工智慧及/或機器學習模型；產生由所述第三演算法選擇的所述多個廣告宣傳活動中的至少兩個廣告宣傳活動的排序列表，所述第三演算法將所述產品列表與所述產品類別排序列表合併作為輸入，所述至少兩個廣告宣傳活動的排序列表包括排名第一的所述第一廣告宣傳活動及排名第二的第二廣告宣傳活動；向顧客裝置發送與所述多個廣告宣傳活動中的第一廣告宣傳活動相關聯的第一通訊，所述第一廣告宣傳活動由第三演算法選擇，所述第三演算法將所述產品列表與所述產品類別排序列表合併作為輸入；以及在較所述發送與所述第一廣告宣傳活動相關聯的所述第一通訊晚的時間向所述顧客裝置發送與所述第二廣告宣傳活動相關聯的第二通訊；其中所述產品列表是由所述第一演算法根據所述顧客行動資訊的第一子集產生，所述第一子集是與所述顧客具體對應的資訊；其中所述產品類別排序列表是由所述第二演算法根據所述顧客行動資訊的第二子集產生，所述第二子集是與所述顧客及所述顧客所屬的顧客群體具體對應的資訊。