TWI533244B - 銷售決策方法及銷售請求定價方法 - Google Patents

銷售決策方法及銷售請求定價方法 Download PDF

Info

Publication number
TWI533244B
TWI533244B TW099126228A TW99126228A TWI533244B TW I533244 B TWI533244 B TW I533244B TW 099126228 A TW099126228 A TW 099126228A TW 99126228 A TW99126228 A TW 99126228A TW I533244 B TWI533244 B TW I533244B
Authority
TW
Taiwan
Prior art keywords
sales
decision
module
request
price level
Prior art date
Application number
TW099126228A
Other languages
English (en)
Other versions
TW201124927A (en
Inventor
洪一峯
陳建豪
Original Assignee
國立清華大學
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 國立清華大學 filed Critical 國立清華大學
Priority to TW099126228A priority Critical patent/TWI533244B/zh
Publication of TW201124927A publication Critical patent/TW201124927A/zh
Application granted granted Critical
Publication of TWI533244B publication Critical patent/TWI533244B/zh

Links

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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • 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
    • G06Q10/02—Reservations, e.g. for tickets, services or events
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Educational Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Description

銷售決策方法及銷售請求定價方法
本發明係關於一種銷售決策方法及一種銷售請求定價方法，尤指一種可提升銷售出所有商品所能得到之收益的銷售決策方法及一種可提升銷售出所有商品所能得到之收益的銷售請求定價方法。
由於貧富差距及消費習慣的不同，相同的產品，不同顧客願意支付的價格不同。所謂的「營收管理」(Revenue management)是企業希望以高價格售給願意支付高價格的顧客，以低價格售給僅願支付低價格之顧客，其目的為在有限的可銷售產品下最大化營收。例如航空公司將相同的座位等級分成若干價格等級，以最大化其營收。顧客來到時需馬上決定是否售予該顧客之需求，但願意負擔低價格的顧客可能提早來到，願意負擔高價格的顧客可能最後來到，當顧客來時我們必須衡量現在到達的顧客所願意付出的價格及未來所有到達的顧客所願意付出的價格，但是未來到達的顧客需求之價格及數量為一不確定資訊，如何在此不確定的問題底下做出正確決策？
然而，在現實的應用環境中，可將從現在至未來會到達之顧客可分成不同價格等級，而不同價格等級代表顧客願意支付的價格不同，但同一價格等級的顧客願意付出的價格是相同的。而這些不同價格等級之顧客，在一未來時 間點會到達並採購有限數量之產品，且每一價格等級之顧客之到達為一已知之非同質性卜瓦松過程(non-homogeneous Poisson random arrival process)或是其它已知機率描述之隨機到達過程，其顧客之到達速率為時間之函數。
此外，正由於無法明確知道從現在至未來，不同價格等級顧客到達之數目，所以當一低價格等級之顧客到達時，如接受其採購，可能導致無法銷售給未來較高價格等級之顧客。若拒絕此低價格等級顧客之採購，可能導致未來產品庫存堆積無法售出，而造成虧損。而且，現今石油價格高漲，航空公司無不減少班次，以平衡需求與供給，以盡量將機位全部售出避免空位，所以航空公司之營收管理決策方法尤為重要。而目前航空公司的做法是：將一個座位等級(如經濟艙)分成不同票價等級(艙等)，每一票價等級就有不同的限制，有所謂「年票」、「半年票」，各自的價格不同。目前的做法是，航空公司將同一座位等級(如經濟艙)的座位數預先分配給各個票價等級(艙等)，再將不同票價等級當成不同產品銷售。例如：將一航班上的60個經濟艙座位分配成「年票」25個及「半年票」35個，分別銷售給旅客。可是，如前所述，由於無法預測未來可能到達之訂位請求數目、訂位請求到達時間及旅客預定支付價格(票價等級)，故航空公司只能依據簡單的訂位決策運作。也就是說，只要客戶針對一票價等級提出訂位請求，航空公司便會接受此訂位請求，直到此票價等級所分配到之座位(如半年票之35個座位)銷售完畢為止。
因此，業界需要一種可即時地針對一銷售請求回覆一拒絕銷售決策或一同意銷售決策，以提升銷售出所有商品所能得到之最佳收益的銷售決策方法。
另一方面，業界也常常碰到當銷售一具有一限定數量之商品時，如限量紀念商品，需即時針對一銷售請求回覆一銷售請求定價結果(報價)的情況，而業界僅能憑著過往經驗(如此商品的熱門程度等)，人為地訂定一個價格回覆給提出此銷售請求的客戶。此種人為定價方式卻常因預估錯誤而造成損失(如報價太高嚇走目前有興趣的顧客，報價太低浪費商品庫存，無法銷售給未來願意付高價的顧客)。因此，業界也需要一種可即時地針對一銷售請求回覆一銷售請求定價結果，以提升銷售出所有商品所能得到的最佳收益。
本發明之主要目的係在提供一種銷售決策方法，俾能即時地針對一銷售請求回覆一拒絕銷售決策或一同意銷售決策，以提升銷售出所有商品所能得到的收益。
本發明之另一目的係在提供一種銷售請求定價方法，俾能即時地針對一銷售請求回覆一銷售請求定價結果，以提升銷售出所有商品所能得到的收益。
為達成上述目的，本發明之銷售決策方法，係應用於一包含一輸入模組、一資料庫模組、一運算決策模組以及一輸出模組的銷售決策系統，且此資料庫模組係儲存至少 一銷售商品組合，此運算決策模組係分別與此輸入模組及此資料庫模組耦合，此輸出模組則與此運算決策模組耦合，此銷售決策方法係包括下列步驟：執行一銷售請求接收程序；執行一銷售決策產生程序；以及執行一銷售決策輸出程序。
其中，此輸入模組係於此銷售請求接收程序中，於一顧客到達時間接收一包含至少一請求銷售商品組合及一請求銷售總價的銷售請求，此至少一請求銷售商品組合係包含至少一請求銷售商品類別，此至少一請求銷售商品類別係具有一請求銷售商品數目；此運算決策模組係於此銷售決策產生程序中運算並輸出一同意銷售決策或一拒絕銷售決策；此輸出模組則於此銷售決策輸出程序中接收此同意銷售決策或此拒絕銷售決策，以對應輸出一同意銷售訊號或一拒絕銷售訊號。
其中，此至少一銷售商品組合係包含至少一銷售商品類別，此至少一銷售商品類別係具有一可供銷售商品之數目，此至少一銷售商品組合則對應於至少一銷售商品價格等級，此至少一銷售商品價格等級則分別對應於一價格等級到達速率；此至少一請求銷售商品組合係對應於此至少一銷售商品組合，此請求銷售商品數目則對應於此可供銷售商品之數目。
此外，當此輸入模組於此顧客到達時間接收此銷售請求後，此運算決策模組便執行此銷售決策產生程序，以依據此至少一價格等級到達速率運算出從此顧客到達時間至 未來，此至少一銷售商品價格等級預定到達之銷售請求數目集合；此運算決策模組再依據此至少一銷售商品價格等級預定到達之銷售請求數目集合，建立一包含至少一層級的情境樹，且此情境樹具有複數個情境，此運算決策模組並分別運算出每一此等情境的發生機率。
接著，此運算決策模組在得到每一此等情境之完美資訊情況及拒絕此銷售請求的情況下分別運算出執行完每一此等情境所能得到的最佳收益，且將執行完每一此等情境所能得到的最佳收益與相對應之發生機率相乘，以得出每一此等情境的收益期望值，此運算決策模組再將每一此等情境的收益期望值加總，以得出在完美資訊情況及拒絕此銷售請求的情況下，執行完此情境樹之所有此等情境所能得到之一第一總收益期望值。此運算決策模組另在得到每一此等情境之完美資訊情況及同意此銷售請求的情況下分別運算出執行完每一此等情境所能得到的最佳收益，且將執行完每一此等情境所能得到的最佳收益與相對應之發生機率相乘，以得出每一此等情境的收益期望值，此運算決策模組再將每一此等情境的收益期望值加總，以得出在完美資訊情況及同意此銷售請求的情況下，執行完此情境樹之所有此等情境所能得到之一第二總收益期望值。
此運算決策模組再依據此第一總收益期望值與此第二總收益期望值運算出一總收益期望值差距，此運算決策模組並將此總收益期望值差距與此請求銷售總價互相比較，當此總收益期望值差距大於此請求銷售總價時，此運算決 策模組便輸出此拒絕銷售決策至此輸出模組；當此總收益期望值差距不大於此請求銷售總價時，此運算決策模組便輸出此同意銷售決策至此輸出模組，且此運算決策模組依據此請求銷售商品數目，將此可供銷售商品之數目減去此請求銷售商品數目。
為達成上述目的，本發明之銷售請求定價方法，係應用於一包含一輸入模組、一資料庫模組、一定價模組以及一輸出模組的銷售請求定價系統，且此資料庫模組係儲存至少一銷售商品組合，此定價模組係分別與此輸入模組及此資料庫模組耦合，此輸出模組則與此定價模組耦合，此銷售請求定價方法係包括下列步驟：執行一銷售請求定價程序；執行一銷售請求定價產生程序；以及執行一銷售請求定價輸出程序。
其中，此輸入模組係於此銷售請求定價程序中，於一顧客到達時間接收一包含至少一請求銷售商品組合的銷售請求，此至少一請求銷售商品組合係包含至少一請求銷售商品類別，此至少一請求銷售商品類別係具有一請求銷售商品數目；此定價模組係於此銷售請求定價產生程序中運算並輸出一銷售請求定價結果；此輸出模組則於此銷售請求定價輸出程序中接收此銷售請求定價結果，以對應輸出一銷售請求定價訊號。
其中，此至少一銷售商品組合係包含至少一銷售商品類別，此至少一銷售商品類別係具有一可供銷售商品之數目，此至少一銷售商品組合則對應於至少一銷售商品價格 等級，此至少一銷售商品價格等級則分別對應於一價格等級到達速率；此至少一請求銷售商品組合係對應於此至少一銷售商品組合，此請求銷售商品數目則對應於此可供銷售商品之數目。
此外，當此輸入模組於此顧客到達時間接收此銷售請求後，此定價模組便執行此銷售請求定價產生程序，以依據此至少一價格等級到達速率運算出從此顧客到達時間至未來，此至少一銷售商品價格等級預定到達之銷售請求數目集合；此定價模組再依據此至少一銷售商品價格等級預定到達之銷售請求數目集合，建立一包含至少一層級的情境樹，且此情境樹具有複數個情境，此定價模組並分別運算出每一此等情境的發生機率。
接著，此定價模組在得到每一此等情境之完美資訊情況及拒絕此銷售請求的情況下分別運算出執行完每一此等情境所能得到的最佳收益，且將執行完每一此等情境所能得到的最佳收益與相對應之發生機率相乘，以得出每一此等情境的收益期望值，此定價模組再將每一此等情境的收益期望值加總，以得出在完美資訊情況及拒絕此銷售請求的情況下，執行完此情境樹之所有此等情境所能得到之一第一總收益期望值。此定價模組另在得到每一此等情境之完美資訊情況及同意此銷售請求的情況下分別運算出執行完每一此等情境所能得到的最佳收益，且將執行完每一此等情境所能得到的最佳收益與相對應之發生機率相乘，以得出每一此等情境的收益期望值，此定價模組再將每一此 等情境的收益期望值加總，以得出在完美資訊情況及同意此銷售請求的情況下，執行完此情境樹之所有此等情境所能得到之一第二總收益期望值。
此定價模組再依據此第一總收益期望值與此第二總收益期望值運算出一總收益期望值差距，此銷售請求定價結果則不小於此總收益期望值差距。
為達成上述目的，本發明之銷售決策方法，係應用於一包含一輸入模組、一資料庫模組、一運算決策模組以及一輸出模組的銷售決策系統，且此資料庫模組係儲存至少一銷售商品組合，此運算決策模組係分別與此輸入模組及此資料庫模組耦合，此輸出模組則與此運算決策模組耦合，此銷售決策方法係包括下列步驟：執行一總收益期望值差距對照組合運算程序；執行一銷售請求接收程序；執行一銷售決策產生程序；以及執行一銷售決策輸出程序。
其中，此至少一銷售商品組合係包含至少一銷售商品類別，此至少一銷售商品類別係具有一可供銷售商品之數目，此至少一銷售商品組合則對應於至少一銷售商品價格等級，此至少一銷售商品價格等級則分別對應於一價格等級到達速率；此至少一請求銷售商品組合係對應於此至少一銷售商品組合，此請求銷售商品數目則對應於此可供銷售商品之數目。
其中，總收益期望值差距對照組合運算程序應用於一銷售請求到達之前。而目前時間到次一重新計算總收益期望值差距對照組合運算程序時間(簡稱：重新計算時間) 的時間範圍則為一總收益期望值差距對照組合使用時間區塊(簡稱：使用時間區塊)。運算決策模組比較請求銷售總價與總收益期望值差距對照組合所包含之總收益期望值差距，以做出一同意銷售決策或一拒絕銷售決策。此外，此使用時間區塊的中點到未來則為一「顧客到達時間區塊」。此總收益期望值差距對照組合係包含複數個總收益期望值差距，且運算決策模組係在此總收益期望值差距對照組合運算程序中，重複執行下列步驟，以依序運算出此等總收益期望值差距：依據此至少一價格等級到達速率運算出在一顧客到達時間區塊中，此至少一銷售商品價格等級預定到達之銷售請求數目集合；且再依據此至少一銷售商品價格等級預定到達之銷售請求數目集合，建立一包含至少一層級的情境樹，且此情境樹具有複數個情境，再分別運算出每一此等情境的發生機率；在得到每一此等情境之完美資訊情況及拒絕一單位商品銷售請求的情況下，分別運算出執行完每一此等情境所能得到的最佳收益，且將執行完每一此等情境所能得到的最佳收益與相對應之發生機率相乘，以得出每一此等情境的收益期望值，再將每一此等情境的收益期望值加總，以得出在完美資訊情況及拒絕此一單位商品銷售請求的情況下，執行完此情境樹之所有此等情境所能得到之一第一總收益期望值；在得到每一此等情境之完美資訊情況及同意一單位商品銷售請求的情況下，分別運算出執行完每一此等情境所能得到的最佳收益，且將執行完每一此等情境所能得到的最佳收益與相對 應之發生機率相乘，以得出每一此等情境的收益期望值，再將每一此等情境的收益期望值加總，以得出在完美資訊情況及同意一單位商品銷售請求的情況下，執行完此情境樹之所有此等情境所能得到之一第二總收益期望值；依據此第一總收益期望值與此第二總收益期望值，運算出一對應於目前可供銷售商品數目之總收益期望值差距；以及將此可供銷售商品之數目減去一，且重複上述之步驟，以分別運算出對應於不同可供銷售商品數目之總收益期望值差距，直到此可供銷售商品之數目為零才終止。
其中，此輸入模組係於此銷售請求接收程序中，於一顧客到達時間接收一包含一請求銷售商品組合及一請求銷售總價的銷售請求，此至少一請求銷售商品組合係包含至少一請求銷售商品類別，此至少一請求銷售商品類別係具有一請求銷售商品數目。
其中，當此輸入模組於此顧客到達時間接收此銷售請求後，此運算決策模組便於此銷售決策產生程序中，依據此總收益期望值差距對照組合所包含之剩餘可供銷售商品數目之總收益期望值差距運算，並輸出一同意銷售決策或一拒絕銷售決策；當對應於剩餘可供銷售商品數目之總收益期望值差距大於此請求銷售總價時，此運算決策模組便輸出此拒絕銷售決策至此輸出模組；當對應於剩餘可供銷售商品數目之總收益期望值差距不大於此請求銷售總價時，此運算決策模組便輸出此同意銷售決策至此輸出模 組，且此運算決策模組依據此請求銷售商品數目，將此可供銷售商品之數目減去此請求銷售商品數目。
其中，此輸出模組於此銷售決策輸出程序中，接收此同意銷售決策或此拒絕銷售決策，以對應輸出一同意銷售訊號或一拒絕銷售訊號。
此外，本發明所揭露之銷售決策方法及銷售請求定價方法並不限應用於航空公司之訂位系統，只要產品數量是有限且未來到達的顧客可用「非均質卜瓦松隨機到達過程」(non-homogeneous Poisson random arrival process)近似的銷售決策或定價問題，皆可應用本發明所揭露之銷售決策方法及銷售請求定價方法處理。例如：旅館、汽車出租、網路購物、產品銷售等。
因此，藉由將本發明之銷售決策方法應用於一銷售決策系統的方式，便可使此銷售決策系統在其輸入模組接收一銷售請求時，使其運算決策模組便可迅速地產生一關於此銷售請求的決策。隨後，此銷售決策系統之輸出模組便將與決策結果(同意銷售決策或拒絕銷售決策)相對應之訊號(同意銷售訊號或拒絕銷售訊號)輸出至外界，如一顯示模組或一網路訂位伺服器，以提供給一客服人員或一網路銷售伺服器作為即時回覆此銷售請求的依據。況且，由於此銷售決策系統之運算決策模組在運算及產生決策結果的過程中，係使用非均質卜瓦松隨機到達過程(non-homogeneous Poisson random arrival process)及卜瓦松分佈函數(Poisson distribution function)(或是其它已知機率描述之隨機到達過 程)、情境樹(scenario tree)及具有完美資訊之決策模型等數學工具，所以本發明之銷售決策方法可提升銷售出所有商品所能得到的收益。此外，如前所述，由於本發明之銷售決策方法所使用到運算步驟非常簡單，故本發明之銷售決策方法可縮短一應用本發明之銷售決策方法之銷售決策系統做出決策所需的運算時間。
另一方面，由於一應用本發明之銷售請求定價方法之銷售請求定價系統在其輸入模組接收一銷售請求時，其定價模組便可迅速地產生一總收益期望值差距以及一不小於此總收益期望值差距的銷售請求定價結果。隨後，此銷售請求定價系統之輸出模組便對應輸出一銷售請求定價訊號至外界，如一顯示模組或一網路訂位伺服器，以提供給一客服人員或一網路銷售伺服器作為即時回覆此銷售請求的依據。況且，由於此銷售請求定價系統之定價模組在運算及產生決策結果的過程中，係使用非均質卜瓦松隨機到達過程及卜瓦松分佈函數、情境樹及具有完美資訊之決策模型等數學工具，所以本發明之銷售請求定價方法可提升銷售出所有商品所能得到的收益。此外，如前所述，由於本發明之銷售請求定價方法所使用到運算步驟非常簡單，故本發明之銷售請求定價方法可縮短一應用本發明之銷售請求定價方法之銷售請求定價系統提供一銷售請求定價結果(報價)所需的運算時間。
圖1係顯示一應用本發明第一實施例之銷售決策方法之銷售決策系統的示意圖，此銷售決策系統係包含一輸入模組11、一資料庫模組12、一運算決策模組13、一輸出模組14及一顯示模組15。其中，運算決策模組13係分別與輸入模組11及資料庫模組12耦合，輸出模組14係與運算決策模組13耦合，顯示模組15則與輸出模組14耦合。
在本實施例中，輸入模組11可用以輸入影像、文字、指令等資料至此銷售決策系統，資料庫模組12則例如為硬碟、光碟機或藉由網際網路連接之遠端資料庫，用以儲存系統程式、應用程式、使用者資料等。此外，運算決策模組13係用以運算及處理資料等，如做出接受或拒絕一銷售請求的決策，輸出模組14則將此決策輸出至外界，如顯示模組15或一網路訂位伺服器(圖中未示)。另一方面，圖1所示之銷售決策系統係於一系統程式16下執行各種應用程式，例如文書處理程式、繪圖程式、科學運算程式、瀏覽程式、電子郵件程式或一可執行本發明之銷售決策方法的軟體程式等。
如圖2所示，在本實施例中，前述之銷售決策系統的資料庫模組12係儲存一銷售商品組合121，其包含一第一銷售商品類別1211，且第一銷售商品類別1211(如一航班之經濟艙座位)係具有一可供銷售商品之數目1212，銷售組合121並對應於一第一銷售商品價格等級1213、一第二銷售商品價格等級1214及一第三銷售商品價格等級1215。其中，第一銷售商品價格等級1213係對應於一第一價格等級到達速 率1216，第二銷售商品價格等級1214係對應於一第二價格等級到達速率1217，第三銷售商品價格等級1215則對應於一第三價格等級到達速率1218。
此外，第一銷售商品價格等級1213係高於第二銷售商品價格等級1214，第二銷售商品價格等級1214則高於第三銷售商品價格等級1215。而且，在本實施例中，前述之第一價格等級到達速率1216、第二價格等級到達速率1217及第三價格等級到達速率1218均為用於描述非均質卜瓦松隨機到達過程之到達速率。
請配合參閱圖1、圖2、圖3及圖4，其中圖3係顯示一銷售請求的示意圖，圖4則為本發明第一實施例之銷售決策方法的流程示意圖，本發明第一實施例之銷售決策方法係包括下列步驟：步驟SA：輸入模組11於銷售請求接收程序中，於一顧客到達時間t接到一包含一請求銷售商品組合211及一請求銷售總價212的銷售請求21。其中，請求銷售商品組合211係包含一請求銷售商品類別2111，請求銷售商品類別2111則具有一請求銷售商品數目2112。此外，前述之請求銷售商品組合211係對應於銷售商品組合121，請求銷售商品數目2112則對應於可供銷售商品之數目1212；步驟SB：運算決策模組13執行一銷售決策產生程序；以及步驟SC：輸出模組14執行一銷售決策輸出程序。
其中，當輸入模組11於顧客到達時間t接到銷售請求21後，運算決策模組13便執行步驟SB之「銷售決策產生程序」，以依據至少一價格等級到達速率(第一價格等級到達速率1216、第二價格等級到達速率1217或第三價格等級到達速率1218)運算出從顧客到達時間t至未來，至少一銷售商品價格等級預定到達之銷售請求數目集合(第一銷售商品價格等級預定到達之銷售請求數目集合U 1、第二銷售商品價格等級預定到達之銷售請求數目集合U 2及第三銷售商品價格等級預定到達之銷售請求數目集合U 3)。
然而，在本實施例中，前述之顧客到達時間t係位於一銷售期間之內。
除此之外，在本實施例中，運算決策模組13在運算出至少一銷售商品價格等級預定到達之銷售請求數目集合(第一銷售商品價格等級預定到達之銷售請求數目集合U 1、第二銷售商品價格等級預定到達之銷售請求數目集合U 2及第三銷售商品價格等級預定到達之銷售請求數目集合U 3)之前，會先確認請求銷售商品數目2112不大於可供銷售商品之數目1212，且當對請求銷售商品數目2112大於可供銷售商品之數目1212時，運算決策模組13便輸出一拒絕銷售決策(圖中未示)至輸出模組14。
接著，在確認請求銷售商品數目2112不大於可供銷售商品之數目1212後，運算決策模組13便確認請求銷售商品價格等級2113是否對應於第一銷售商品價格等級1213，且當請求銷售商品價格等級2113對應於第一銷售商品價格等 級1213時，輸出一同意銷售決策(圖中未示)至輸出模組14，且將可供銷售商品之數目1212減去請求銷售商品數目2112。
之後，運算決策模組13便運算出至少一銷售商品價格等級預定到達之銷售請求數目集合(第一銷售商品價格等級預定到達之銷售請求數目集合U 1、第二銷售商品價格等級預定到達之銷售請求數目集合U 2及第三銷售商品價格等級預定到達之銷售請求數目集合U 3)並依據至少一銷售商品價格等級預定到達之銷售請求數目集合建立一包含至少一層級的情境樹，且情境樹具有複數個情境，運算決策模組13並分別運算出每一情境的發生機率(probability)。
接著，運算決策模組13在得到每一此等情境之完美資訊情況(perfect information)及「拒絕」銷售請求21的情況下分別運算出執行完每一情境所能得到的最佳收益，且將執行完每一情境所能得到的最佳收益與相對應之發生機率相乘，以得出每一情境的收益期望值。運算決策模組13再將每一情境的收益期望值加總，以得出在完美資訊情況及「拒絕」銷售請求的情況下，執行完情境樹之所有情境所能得到之一第一總收益期望值E(R t (S)|D=DUPI)。
另一方面，運算決策模組13另在得到每一此等情境之完美資訊情況(perfect information)及「同意」銷售請求21的情況下分別運算出執行完每一情境所能得到的最佳收益，且將執行完每一情境所能得到的最佳收益與相對應之發生機率相乘，以得出每一情境的收益期望值。運算決策模組13 再將每一情境的收益期望值加總，以得出在完美資訊情況及「同意」銷售請求的情況下，執行完情境樹之所有情境所能得到之一第二總收益期望值E(R t (S-X)|D=DUPI)。
運算決策模組13再依據第一總收益期望值E(R t (S)|D=DUPI)與第二總收益期望值E(R t (S-X)|D=DUPI)運算出一總收益期望值差距E(G t (S,X)|D=ERG)，運算決策模組13並將總收益期望值差距E(G t (S,X)|D=ERG)與請求銷售總價212互相比較：當總收益期望值差距E(G t (S,X)|D=ERG)大於請求銷售總價212時，運算決策模組13便輸出拒絕銷售決策(圖中未示)至輸出模組14；或當總收益期望值差距E(G t (S,X)|D=ERG)不大於請求銷售總價212時，運算決策模組13便輸出同意銷售決策(圖中未示)至輸出模組14，且運算決策模組13依據前述之請求銷售商品數目2112，將可供銷售商品之數目1212減去請求銷售商品數目2112。
最後，在步驟SC之「銷售決策輸出程序」中，輸出模組14接收前述之同意銷售決策(圖中未示)或前述之拒絕銷售決策(圖中未示)，以對應輸出一同意銷售訊號(圖中未示)或一拒絕銷售訊號(圖中未示)。在本實施例中，輸出模組14可將同意銷售訊號(圖中未示)或拒絕銷售訊號(圖中未示)輸出至一顯示模組15或一網路訂位伺服器(圖中未示)，以提供給一訂位客服人員或前述之網路訂位伺服器，作為即時回覆旅客所提出之銷售請求21的依據。
以下，將配合一實際數據例子，詳細地說明本發明第一實施例之銷售決策方法的運作。
首先，在本實施例中，前述之銷售決策系統係為一航班訂位系統，且第一銷售商品價格等級1213、第二銷售商品價格等級1214及第三銷售商品價格等級1215係分別對應於一第一訂位價格等級、一第二訂位價格等級及一第三訂位價格等級。此外，各銷售商品價格等級(第一銷售商品價格等級1213、第二銷售商品價格等級1214及第三銷售商品價格等級1215)之銷售請求到達過程係均為非均質卜瓦松隨機到達過程(non-homogeneous Poisson random arrival process)或是其它已知機率描述之隨機到達過程。
另一方面，第一銷售商品價格等級1213係為300，第二銷售商品價格等級1214係為200，第三銷售商品價格等級1215則為100。此外，可供銷售商品之數目1212係為10。另一方面，由於係為一航班訂位系統，故銷售期間，即接受訂位時間(booking horizon)，則設定為航班起飛時間前10天。而在本實施例中，此接受訂位時間被分隔為兩個5天的區塊(即前5天為一個區塊，後5天則為另一個區塊)。
另一方面，第一價格等級到達速率1216(在算式中以λ 1(t)表示)、第二價格等級到達速率1217(在算式中以λ 2(t))及第三價格等級到達速率1218(在算式中以λ 3(t)表示)係為時間的函數，且在前述之兩個區塊中的數值分別如下所示：
其中，t [0,5)係表示從航班起飛時間前10天到航班起飛時間前6天的區塊，t (5,10]則表示從航班起飛時間前5天到航班起飛時間當天的區塊。
在本實施例中，在輸入模組11所接收之銷售請求21中，請求銷售商品組合211僅包含一請求銷售商品類別2111，即一經濟艙座位，請求銷售商品類別2111所具有之請求銷售商品數目2112則為1，即每次僅請求銷售一個座位。至於銷售請求21之編號、訂位價格等級、請求銷售商品價格等級2113及接收銷售請求21之顧客到達時間t、總收益期望值差距、決策結果及可供訂位之座位數目(可供銷售商品之數目1212)，則如下列表1所示。
表1
如表1所示，於顧客到達時間t等於0.3245時，輸入模組11接到銷售請求21(編號1)，請求銷售商品價格等級2113係對應於第三銷售商品價格等級1215，而請求銷售總價212為100(步驟SA)。
接著，運算決策模組13便如前所述，確認請求銷售商品數目2112不大於可供銷售商品之數目1212。此時，因請求訂位數(1)(請求銷售商品數目2112)不大於可供訂位之座位數目(10)(可供銷售商品之數目1212)，故運算決策模組13接續確認請求銷售商品組合211所對應之請求銷售商品價格等級2113是否對應於第一銷售商品價格等級1213。此時，因請求銷售商品價格等級2113係對應於第三銷售商品價格等級1215(並非第一銷售商品價格等級1213)，故運算決策模組13便繼續運算出運算出至少一銷售商品價格等級預定到達之銷售請求數目集合(第一銷售商品價格等級預定到達之銷售請求數目集合U 1、第二銷售商品價格等級預定到達之銷售請求數目集合U 2及第三銷售商品價格等級預定到達之銷售請求數目集合U 3)，以建立一包含至少一層級的情境樹(scenario tree)，此情境樹並具有複數個情境，如圖5所示。
其中，此情境樹之層級數目係與此至少一銷售商品價格等級(第一銷售商品價格等級1213、第二銷售商品價格等級1214及第三銷售商品價格等級1215)的數目相同，其所具有之情境的數目則為第一銷售商品價格等級預定到達之銷售請求數目集合U 1元素個數、第二銷售商品價格等級預定 到達之銷售請求數目集合U 2元素個數及第三銷售商品價格等級預定到達之銷售請求數目集合U 3元素個數三者的乘積。
因此，在本實施例中，此情境樹的層級係為3層，且每一層級的數目則分別對應於第一銷售商品價格等級預定到達之銷售請求數目集合U 1、第二銷售商品價格等級預定到達之銷售請求數目集合U 2及第三銷售商品價格等級預定到達之銷售請求數目集合U 3。
至於第一銷售商品價格等級預定到達之銷售請求數目集合U 1、第二銷售商品價格等級預定到達之銷售請求數目集合U 2及第三銷售商品價格等級預定到達之銷售請求數目集合U 3)的運算步驟，則如下所述：運算決策模組13係使用第一價格等級到達速率1216(在算式中以λ 1(t)表示)、第二價格等級到達速率1217(在算式中以λ 2(t))及第三價格等級到達速率1218(在算式中以λ 3(t)表示)及顧客到達時間t，建立如圖5所示之情境樹。
由於第一銷售商品價格等級1213到達的數目N 1t 、第二銷售商品價格等級1214到達的數目N 2t 及第三銷售商品價格等級1215到達的數目N 3t 均為卜瓦松隨機變數(Poisson random variable)，故N 1t ,、N 2t 及N 3t 的平均值n 1t 、n 2t 及n 3t ，則可分別由下列式子運算而出：n 1t =0.2×(5-0.3245)+0.6×5=3.9351
n 2t =0.6×(5-0.3245)+0.6×5=5.8053
n 3t =1.1×(5-0.3245)+0.5×5=7.643
需注意的是，為了簡化運算的繁複程度，在接下來的運算過程中，當圖5所示之情境樹所具之任一情境的發生機率近似於零(例如：小於10-6)時，此情境的發生機率(probability)P(N jt =x)便於運算第一總收益期望值或第二總收益期望值的過程中被設定為零。
如此，第一銷售商品價格等級預定到達之銷售請求數目集合U 1、第二銷售商品價格等級預定到達之銷售請求數目集合U 2、第三銷售商品價格等級預定到達之銷售請求數目集合U 3，可分別由下列式子運算而出：
而當得到U 1、U 2及U 3後，運算決策模組13便建立如圖5所示之情境樹。
當情境樹建立完成之後，運算決策模組13便使用此情境樹運算出每一情境的發生機率，且在得到每一此等情境之完美資訊情況(perfect information)及拒絕銷售請求21的情況 下，分別運算出執行完每一情境所能得到的最佳收益(optimal revenue)。由於係處於完美資訊情況(perfect information)下，故在運算各情境所能得到之收益的過程中，所有等待銷售之商品均以最高可獲得的銷售價格銷售出去，以期能獲得最大利益。接著，再將執行完每一情境所能得到的最佳收益與相對應之發生機率相乘，以得出每一情境的收益期望值。運算決策模組13再將每一情境的收益期望值加總，以得出在完美資訊情況及拒絕銷售請求21的情況下，執行完圖5所示之情境樹之所有情境所能得到之一第一總收益期望值(E(R t (S)|D=DUPI))為2251.88。
另一方面，運算決策模組13亦使用此決策樹所運算出每一情境的發生機率，在得到每一此等情境之完美資訊情況(perfect information)及同意銷售請求21的情況下，分別運算出執行完每一情境所能得到的最佳收益(optimal revenue)。接著，再將執行完每一情境所能得到的最佳收益與相對應之發生機率相乘，以得出每一情境的收益期望值。運算決策模組13再將每一情境的收益期望值加總，以得出在完美資訊情況及同意銷售請求21的情況下，執行完圖5所示之情境樹之所有情境所能得到之一第二總收益期望值(E(R t (S-X)|D=DUPI))則為2102.38。如此，總收益期望值差距E(G t (S,X)|D=ERG)便為2251.88-2102.38=149.5。
接著，運算決策模組13便將此總收益期望值差距與請求銷售總價212互相比較。結果，因為總收益期望值差距(149.5)大於請求銷售總價212(100)，運算決策模組13便輸 出一拒絕訂位結果(圖中未示)至輸出模組14，輸出模組14便依據拒絕訂位結果(圖中未示)對應輸出一拒絕訂位訊號(圖中未示)。
再如表1所示，於顧客到達時間t等於2.1124時，輸入模組11接到銷售請求21(編號4)，請求銷售商品價格等級2113係對應於第一銷售商品價格等級1213，而請求銷售總價212為300。接著，運算決策模組13便如前所述，確認請求銷售商品數目2112不大於可供銷售商品之數目1212。此時，因請求訂位數(1)(請求銷售商品數目2112)不大於可供訂位之座位數目(9)(可供銷售商品之數目1212)，故運算決策模組13接續確認請求銷售商品價格等級2113是否對應於第一銷售商品價格等級1213。此時，因請求銷售商品價格等級2113係對應於第一銷售商品價格等級1213，運算決策模組13便輸出一同意銷售決策(圖中未示)至輸出模組14，且將可供銷售商品之數目1212減去請求銷售商品數目2112(1)，即表1中，對應於編號4之銷售請求21所具之「可供訂位之座位數目」欄位所顯示的8(9-1=8)。
之後，本發明第一實施例之銷售決策方法便在另一顧客到達時間t接到另一編號之銷售請求時才再次被執行。但是，當可供銷售商品之數目1212變為零之後，即使再次接到銷售請求，本發明第一實施例之銷售決策方法也無法再次被執行(因已無可供銷售之商品)。
此外，從表1中可看出，在這個例子中，一應用本發明第一實施例之銷售決策方法的銷售決策系統係分別同意編 號3、4、5、8、12、13、14、16、17及18的銷售請求，而賣出所有座位(10個)所得到的收益是2400，大於將習知的「先到先服務」規則應用在此銷售決策系統所能得到的收益(1500)，即依序接收編號1至10的銷售請求21。
圖6係顯示一應用本發明第二實施例之銷售決策方法之銷售決策系統的示意圖，此銷售決策系統係包含一輸入模組61、一資料庫模組62、一運算決策模組63、一輸出模組64及一顯示模組65。其中，運算決策模組63係分別與輸入模組61及資料庫模組62耦合，輸出模組64係與運算決策模組63耦合，顯示模組65則與輸出模組64耦合。
在本實施例中，輸入模組61可用以輸入影像、文字、指令等資料至此銷售決策系統，資料庫模組62則例如為硬碟、光碟機或藉由網際網路連接之遠端資料庫，用以儲存系統程式、應用程式、使用者資料等。此外，運算決策模組63係用以運算及處理資料等，如做出接受或拒絕一銷售請求的決策，輸出模組64則將此決策輸出至外界，如顯示模組65或一網路訂位伺服器(圖中未示)。另一方面，圖6所示之銷售決策系統係於一系統程式66下執行各種應用程式，例如文書處理程式、繪圖程式、科學運算程式、瀏覽程式、電子郵件程式或一可執行本發明之銷售決策方法的軟體程式等。
由於在本實施例中，儲存於前述之銷售決策系統之資料庫模組62之銷售商品組合係與本發明第一實施例之銷售商品組合121相同，故關於銷售商品組合之組成及特徵的詳 細敘述，在此便不再贅述。同理，由於在本實施例中，銷售請求係與本發明第一實施例之銷售請求21相同，故關於銷售請求的組成及特徵的詳細敘述，在此亦不再贅述。
除此之外，由於本發明第二實施例之銷售決策方法與本發明第一實施例之銷售決策方法大致相同，兩者之間的差異僅在於「銷售決策產生步驟」的部分，故關於本發明第二實施例之銷售決策方法的流程圖便在此省略，僅詳細敘述前述之銷售決策系統之運算決策模組所執行之「銷售決策產生步驟」於下：其中，在本發明第二實施例之銷售決策方法所包括的「銷售決策產生步驟」中，運算決策模組係依據至少一價格等級到達速率及至少一價格等級取消機率，運算出從顧客到達時間t至未來，至少一銷售商品價格等級預定到達之銷售請求數目集合(第一銷售商品價格等級預定到達之實際銷售請求數目集合U 1、第二銷售商品價格等級預定到達之實際銷售請求數目集合U 2及第三銷售商品價格等級預定到達之實際銷售請求數目集合U 3)。而且，在本實施例中，前述之顧客到達時間t係位於一銷售期間之內。
以下，將配合一實際數據例子，詳細地說明本發明第二實施例之銷售決策方法的運作。
首先，與本發明第一實施例相同，本發明第二實施例之銷售決策方法亦應用於一航班訂位系統，且第一銷售商品價格等級、第二銷售商品價格等級及第三銷售商品價格等級係分別對應於一第一訂位價格等級、一第二訂位價格 等級及一第三訂位價格等級。此外，各銷售商品價格等級(第一銷售商品價格等級、第二銷售商品價格等級及第三銷售商品價格等級)之銷售請求到達過程係均為非均質卜瓦松隨機到達過程(non-homogeneous Poisson random arrival process)或是其它已知機率描述之隨機到達過程。除此之外，前述之至少一價格等級取消機率係對應於此至少一銷售商品價格等級之銷售請求取消，且各銷售商品價格等級(第一銷售商品價格等級、第二銷售商品價格等級及第三銷售商品價格等級)之銷售請求取消機率係一時間函數。
此外，第一銷售商品價格等級係為300，第二銷售商品價格等級係為200，第三銷售商品價格等級則為100。此外，可供銷售商品之數目係為10。另一方面，由於係為一航班訂位系統，故銷售期間，即接受訂位時間(booking horizon)，則設定為航班起飛時間前10天。而在本實施例中，此接受訂位時間被分隔為兩個5天的區塊(即前5天為一個區塊，後5天則為另一個區塊)。
另一方面，第一價格等級到達速率(在算式中以λ 1(t)表示)、第二價格等級到達速率(在算式中以λ 2(t))及第三價格等級到達速率(在算式中以λ 3(t)表示)係為時間的函數，且在前述之兩個區塊中的數值分別如下所示：
其中，t [0,5)係表示從航班起飛時間前10天到航班起飛時間前6天的區塊，t (5,10]則表示從航班起飛時間前5天到航班起飛時間當天的區塊。
除此之外，第一價格等級取消機率(在算式中以p 1(t)表示)、第二價格等級取消機率(在算式中以p 2(t))及第三價格等級取消機率(在算式中以p 3(t)表示)係為時間的函數，且在前述之兩個區塊中的數值分別如下所示：
因此，在本實施例中，實際被應用於運算之各價格等級的到達速率(即第一價格等級實際到達速率、第二價格等級實際到達速率及第三價格等級實際到達速率)可修正為：
在本實施例中，在輸入模組61所接收之銷售請求中，請求銷售商品組合僅包含一請求銷售商品類別，即一經濟艙座位，請求銷售商品類別所具有之請求銷售商品數目則為1，即每次僅請求銷售一個座位。至於銷售請求之編號、訂位價格等級、請求銷售商品價格等級及接收銷售請求之顧客到達時間t、總收益期望值差距、決策結果及可供訂位之座位數目(可供銷售商品之數目)，則如下列表2所示。
表2
如表2所示，於顧客到達時間t等於0.3245時，輸入模組61接到銷售請求(編號1)，請求銷售商品價格等級係對應於第三銷售商品價格等級，而請求銷售總價為100。
接著，運算決策模組63便如前所述，確認請求銷售商品數目不大於可供銷售商品之數目。此時，因請求訂位數(1)(請求銷售商品數目)不大於可供訂位之座位數目(10)(可供銷售商品之數目)，故運算決策模組63接續確認請求銷售商品組合所對應之請求銷售商品價格等級是否對應於第一銷售商品價格等級。此時，因請求銷售商品價格等級係對應於第三銷售商品價格等級(並非第一銷售商品價格等級)，故運算決策模組63便繼續運算出運算出至少一銷售商品價格等級預定到達之銷售請求數目集合(第一銷售商品價格等級預定到達之實際銷售請求數目集合U 1、第二銷售商品價格等級預定到達之實際銷售請求數目集合U 2及第三銷售商品價格等級預定到達之實際銷售請求數目集合U 3)，以建立一包含至少一層級的情境樹(scenario tree)。
其中，此情境樹之層級數目係與此至少一銷售商品價格等級(第一銷售商品價格等級、第二銷售商品價格等級及第三銷售商品價格等級)的數目相同，其所具有之情境的數目則為第一銷售商品價格等級預定到達之實際銷售請求數目集合U 1元素個數、第二銷售商品價格等級預定到達之實際銷售請求數目集合U 2元素個數及第三銷售商品價格等級預定到達之實際銷售請求數目集合U 3元素個數三者的乘積。
因此，在本實施例中，此情境樹的層級係為3層，且每一層級的數目則分別對應於第一銷售商品價格等級預定到達之實際銷售請求數目集合U 1、第二銷售商品價格等級預定到達之實際銷售請求數目集合U 2及第三銷售商品價格等級預定到達之實際銷售請求數目集合U 3。
至於第一銷售商品價格等級預定到達之實際銷售請求數目集合U 1、第二銷售商品價格等級預定到達之實際銷售請求數目集合U 2及第三銷售商品價格等級預定到達之實際銷售請求數目集合U 3)的運算步驟，則如下所述：在本實施例中，運算決策模組63係使用修正後之第一價格等級到達速率、第二價格等級到達速率及第三價格等級到達速率及顧客到達時間t，建立情境樹。
由於第一銷售商品價格等級到達的數目N 1t 、第二銷售商品價格等級到達的數目N 2t 及第三銷售商品價格等級到達的數目N 3t 均為卜瓦松隨機變數(Poisson random variable)，故N 1t ,、N 2t 及N 3t 的平均值n 1t 、n 2t 及n 3t ，則可分別由下列式子運算而出：n 1t =0.2×(5-0.3245)+0.6×5=3.9351
n 2t =0.6×(5-0.3245)+0.6×5=5.8053
n 3t =1.1×(5-0.3245)+0.5×5=7.643
需注意的是，為了簡化運算的繁複程度，在接下來的運算過程中，當情境樹所具之任一情境的發生機率近似於 零(例如：小於10-6)時，此情境的發生機率(probability)P(N jt =x)便於運算第一總收益期望值或第二總收益期望值的過程中被設定為零。
如此，第一銷售商品價格等級預定到達之銷售請求數目集合U 1、第二銷售商品價格等級預定到達之銷售請求數目集合U 2、第三銷售商品價格等級預定到達之銷售請求數目集合U 3，可分別由下列式子運算而出：
而當得到U 1、U 2及U 3後，運算決策模組63便建立完成一情境樹。且當情境樹建立完成之後，運算決策模組63便使用此情境樹運算出每一情境的發生機率，且在得到每一此等情境之完美資訊情況(perfect information)及拒絕銷售請求的情況下，分別運算出執行完每一情境所能得到的最佳收益(optimal revenue)。由於係處於完美資訊情況(perfect information)下，故在運算各情境所能得到之收益的過程中，所有等待銷售之商品均以最高可獲得的銷售價格銷售出去，以期能獲得最大利益。接著，再將執行完每一情境所能得到的最佳收益與相對應之發生機率相乘，以得出每一情境的收益 期望值。運算決策模組63再將每一情境的收益期望值加總，以得出在完美資訊情況及拒絕銷售請求的情況下，執行完前述之情境樹之所有情境所能得到之一第一總收益期望值(E(R t (S)|D=DUPI))為2251.88。
另一方面，運算決策模組63亦使用此決策樹所運算出每一情境的發生機率，在得到每一此等情境之完美資訊情況(perfect information)及同意銷售請求的情況下，分別運算出執行完每一情境所能得到的最佳收益(optimal revenue)。接著，再將執行完每一情境所能得到的最佳收益與相對應之發生機率相乘，以得出每一情境的收益期望值。運算決策模組63再將每一情境的收益期望值加總，以得出在完美資訊情況及同意銷售請求的情況下，執行完前述之情境樹之所有情境所能得到之一第二總收益期望值(E(R t (S-X)|D=DUPI))則為2102.38。如此，總收益期望值差距E(G t (S,X)|D=ERG)便為2251.88-2102.38=149.5。
接著，運算決策模組63便將此總收益期望值差距與請求銷售總價互相比較。結果，因為總收益期望值差距(149.5)大於請求銷售總價(100)，運算決策模組63便輸出一拒絕訂位結果(圖中未示)至輸出模組64，輸出模組64便依據拒絕訂位結果(圖中未示)對應輸出一拒絕訂位訊號(圖中未示)。
再如表2所示，於顧客到達時間t等於2.1124時，輸入模組61接到銷售請求(編號4)，請求銷售商品價格等級係對應於第一銷售商品價格等級，而請求銷售總價為300。接著，運算決策模組63便如前所述，確認請求銷售商品數目不大 於可供銷售商品之數目。此時，因請求訂位數(1)(請求銷售商品數目)不大於可供訂位之座位數目(9)(可供銷售商品之數目)，故運算決策模組63接續確認請求銷售商品價格等級是否對應於第一銷售商品價格等級。此時，因請求銷售商品價格等級係對應於第一銷售商品價格等級，運算決策模組63便輸出一同意銷售決策(圖中未示)至輸出模組64，且將可供銷售商品之數目減去請求銷售商品數目(1)，即表2中，對應於編號4之銷售請求所具之「可供訂位之座位數目」欄位所顯示的8(9-1=8)。
之後，本發明第二實施例之銷售決策方法便在另一顧客到達時間t接到另一編號之銷售請求時才再次被執行。但是，當可供銷售商品之數目變為零之後，即使再次接到銷售請求，本發明第二實施例之銷售決策方法也無法再次被執行(因已無可供銷售之商品)。
圖7係顯示一應用本發明第三實施例之銷售請求定價方法之銷售請求定價系統的示意圖，此銷售請求定價系統係包含一輸入模組71、一資料庫模組72、一定價模組73、一輸出模組74及一顯示模組75。其中，定價模組73係分別與輸入模組71及資料庫模組72耦合，輸出模組74係與定價模組73耦合，顯示模組75則與輸出模組74耦合。
在本實施例中，輸入模組71可用以輸入影像、文字、指令等資料至此銷售請求定價系統，資料庫模組72則例如為硬碟、光碟機或藉由網際網路連接之遠端資料庫，用以儲存系統程式、應用程式、使用者資料等。此外，定價模 組73係用以運算及處理資料，計算出可銷售之價格，輸出模組74則將此結果輸出至外界，如顯示模組75或一網路銷售伺服器(圖中未示)。另一方面，圖7所示之銷售請求定價系統係於一系統程式76下執行各種應用程式，例如文書處理程式、繪圖程式、科學運算程式、瀏覽程式、電子郵件程式或一可執行本發明之銷售請求定價方法的軟體程式等。
如圖8所示，在本實施例中，前述之銷售請求定價系統的資料庫模組72係儲存一包含一第一銷售商品類別7211的銷售商品組合721，且第一銷售商品類別7211(如百貨公司之一流行服飾)係具有一可供銷售商品之數目7212，銷售商品組合721並對應於一第一銷售商品價格等級7213、一第二銷售商品價格等級7214及一第三銷售商品價格等級7215。其中，第一銷售商品價格等級7213係對應於一價格等級到達速率7216，第二銷售商品價格等級7214係對應於一第二價格等級到達速率7217，第三銷售商品價格等級7215則對應於一第三價格等級到達速率7218。
此外，第一銷售商品價格等級7213係高於第二銷售商品價格等級7214，第二銷售商品價格等級7214則高於第三銷售商品價格等級7215。而且，在本實施例中，前述之第一價格等級到達速率7216、第二價格等級到達速率7217及第三價格等級到達速率7218均為用於描述非均質卜瓦松隨機到達過程之到達速率或是其它已知機率描述之隨機到達過程。
請配合參閱圖7、圖8、圖9及圖10，其中圖9係顯示一銷售請求的示意圖，圖10則為本發明第三實施例之銷售請求定價方法的流程示意圖，本發明第三實施例之銷售請求定價方法係包括下列步驟：步驟SA：輸入模組71於銷售請求定價程序中，於一顧客到達時間t接收一包含一請求銷售商品組合811的銷售請求81。其中，請求銷售商品組合811係包含一請求銷售商品類別8111，請求銷售商品類別8111則具有一請求銷售商品數目8112。此外，前述之請求銷售商品組合811係對應於銷售商品組合721，請求銷售商品數目8112則對應於可供銷售商品之數目7212；步驟SB：定價模組73執行一銷售請求定價產生程序；以及步驟SC：輸出模組74執行一銷售請求定價輸出程序。
其中，當輸入模組71於顧客到達時間t接收銷售請求81後，定價模組73便執行步驟SB之「銷售請求定價產生程序」，以依據至少一價格等級到達速率(第一價格等級到達速率7216、第二價格等級到達速率7217或第三價格等級到達速率7218)運算出從顧客到達時間t至未來，至少一銷售商品價格等級預定到達之銷售請求數目集合(第一銷售商品價格等級預定到達之銷售請求數目集合U 1、第二銷售商品價格等級預定到達之銷售請求數目集合U 2及第三銷售商品價格等級預定到達之銷售請求數目集合U 3)，以建立一包含 至少一層級的情境樹，且情境樹具有複數個情境，定價模組73並分別運算出每一情境的發生機率(probability)。
接著，定價模組73在得到每一此等情境之完美資訊情況(perfect information)及「拒絕」銷售請求81的情況下分別運算出執行完每一情境所能得到的最佳收益，且將執行完每一情境所能得到的最佳收益與相對應之發生機率相乘，以得出每一情境的收益期望值。定價模組73再將每一情境的收益期望值加總，以得出在完美資訊情況及「拒絕」銷售請求的情況下，執行完情境樹之所有情境所能得到之一第一總收益期望值E(R t (S)|D=DUPI)。
另一方面，定價模組73另在得到每一此等情境之完美資訊情況(perfect information)及「同意」銷售請求81的情況下分別運算出執行完每一情境所能得到的最佳收益，且將執行完每一情境所能得到的最佳收益與相對應之發生機率相乘，以得出每一情境的收益期望值。定價模組73再將每一情境的收益期望值加總，以得出在完美資訊情況及「同意」銷售請求的情況下，執行完情境樹之所有情境所能得到之一第二總收益期望值E(R t (S-X)|D=DUPI)。
定價模組73再依據第一總收益期望值E(R t (S)|D=DUPI)與第二總收益期望值E(R t (S-X)|D=DUPI)運算出一總收益期望值差距E(G t (S,X)|D=ERG)，定價模組73並將前述之銷售請求定價結果(圖中未示)設定為不小於總收益期望值差距E(G t (S,X)|D=ERG)。
最後，在步驟SC之「銷售請求定價輸出程序」中，輸出模組74前述之銷售請求定價結果(圖中未示)輸出。在本實施例中，輸出模組74可將銷售請求定價結果(圖中未示)輸出至一顯示模組75或一網路訂位伺服器(圖中未示)，以提供給一訂位客服人員或前述之網路訂位伺服器，作為即時回覆旅客所提出之銷售請求81的依據(如提供報價)。
以下，將配合一實際數據例子，詳細地說明本發明第三實施例之銷售請求定價方法的運作。
首先，在本實施例中，前述之銷售請求定價系統係為一商品報價系統，且各銷售商品價格等級(第一銷售商品價格等級7213、第二銷售商品價格等級7214及第三銷售商品價格等級7215)之各個價格等級銷售請求到達過程係均為非均質卜瓦松隨機到達過程(non-homogeneous Poisson random arrival process)或是其它已知機率描述之隨機到達過程。
另一方面，第一銷售商品價格等級7213係為300，第二銷售商品價格等級7214係為200，第三銷售商品價格等級7215則為100。此外，可供銷售商品之數目7212係為10。另一方面，由於係為一商品報價系統。而在本實施例中，此接收銷售請求的時間被分隔為四個區塊(即前三個區塊，每區塊為5天，第15天以後為最後一個區塊)。
另一方面，第一價格等級到達速率7216(在算式中以λ 1(t)表示)、第二價格等級到達速率7217(在算式中以λ 2(t))及第三價格等級到達速率7218(在算式中以λ 3(t)表示)係為時間的函數，且在前述之四個區塊中的數值分別如下所示：
其中，t [0,5)係表示從第1天至第5天的區塊，t (5,10]則表示從第6天到第10天的區塊，t (10,15]則表示從第11天到第15天的區塊，t>15代表第15天以後。
在本實施例中，在輸入模組71所接收之銷售請求81中，請求銷售商品組合811僅包含一請求銷售商品類別8111，請求銷售商品類別8111所具有之請求銷售商品數目8112則為1，即每次僅請求銷售一個商品。至於銷售請求81之編號、接收銷售請求81之顧客到達時間t、總收益期望值 差距及銷售請求定價結果(不小於總收益期望值差距)，則如下列表3所示。
如表3所示，於顧客到達時間t等於0.3245時，輸入模組71接收銷售請求81(編號1)(步驟SA)。
接著，定價模組73便先確認請求銷售商品數目8112不大於可供銷售商品之數目7212。此時，因請求銷售商品數目8112(1)不大於可供銷售商品之數目7212(10)，故運算出至少一銷售商品價格等級預定到達之銷售請求數目集合(第一銷售商品價格等級預定到達之銷售請求數目集合U 1、第二銷售商品價格等級預定到達之銷售請求數目集合U 2及第三銷售商品價格等級預定到達之銷售請求數目集合U 3)，以建立一包含至少一層級的情境樹(scenario tree)，此情境樹並具有複數個情境，如圖11所示。
其中，此情境樹之層級數目係與此至少一銷售商品價格等級(第一銷售商品價格等級7213、第二銷售商品價格等級7214及第三銷售商品價格等級7215)的數目相同，其所具有之情境的數目則為第一銷售商品價格等級預定到達之銷售請求數目集合U 1元素個數、第二銷售商品價格等級預定到達之銷售請求數目集合U 2元素個數及第三銷售商品價格等級預定到達之銷售請求數目集合U 3元素個數三者的乘積。
因此，在本實施例中，此情境樹的層級係為3層，且每一層級的數目則分別對應於第一銷售商品價格等級預定到達之銷售請求數目集合U 1、第二銷售商品價格等級預定到達之銷售請求數目集合U 2及第三銷售商品價格等級預定到達之銷售請求數目集合U 3。
至於第一銷售商品價格等級預定到達之銷售請求數目集合U 1、第二銷售商品價格等級預定到達之銷售請求數目集合U 2及第三銷售商品價格等級預定到達之銷售請求數目集合U 3)的運算步驟，則如下所述：定價模組73係使用第一價格等級到達速率7216(在算式中以λ 1(t)表示)、第二價格等級到達速率7217(在算式中以λ 2(t))及第三價格等級到達速率7218(在算式中以λ 3(t)表示)及顧客到達時間t，建立如圖11所示之情境樹。
由於第一銷售商品價格等級7213到達的數目N 1t 、第二銷售商品價格等級7214到達的數目N 2t 及第三銷售商品價格等級7215到達的數目N 3t 均為卜瓦松隨機變數(Poisson random variable)，故N 1t ,、N 2t 及N 3t 的平均值n 1t 、n 2t 及n 3t ，則可分別由下列式子運算而出：n 1t =0.2×(5-0.3245)+0.5×5+0.1×0.5=3.9351
n 2t =0.6×(5-0.3245)+0.4×5+0.2×5=5.8053
n 3t =1.1×(5-0.3245)+0.5×5=7.643
需注意的是，為了簡化運算的繁複程度，在接下來的運算過程中，當圖11所示之情境樹所具之任一情境的發生機率近似於零(例如：小於10-6)時，此情境的發生機率(probability)P(N jt =x)便於運算第一總收益期望值或第二總收益期望值的過程中被設定為零。
如此，第一銷售商品價格等級預定到達之銷售請求數目集合U 1、第二銷售商品價格等級預定到達之銷售請求數目集合U 2、第三銷售商品價格等級預定到達之銷售請求數目集合U 3，可分別由下列式子運算而出：
而當得到U 1、U 2及U 3後，定價模組73便建立如圖11所示之情境樹。
當情境樹建立完成之後，定價模組73便使用此情境樹運算出每一情境的發生機率，且在得到每一此等情境之完美資訊情況(perfect information)及拒絕銷售請求81的情況下，分別運算出執行完每一情境所能得到的最佳收益(optimal revenue)。由於係處於完美資訊情況(perfect information)下，故在運算各情境所能得到之收益的過程中，所有等待銷售之商品均以最高可獲得的銷售價格銷售出去。接著，再將執行完每一情境所能得到的最佳收益與相對應之發生機率相乘，以得出每一情境的收益期望值。定價模組73再將每一情境的收益期望值加總，以得出在完美資訊情況及拒絕銷售請求81的情況下，執行完圖11所示之情境樹之所有情境所能得到之一第一總收益期望值(E(R t (S)|D=DUPI))為2251.88。
另一方面，定價模組73亦使用此決策樹所運算出每一情境的發生機率，在得到每一此等情境之完美資訊情況(perfect information)及同意銷售請求81的情況下，分別運算出執行完每一情境所能得到的最佳收益(optimal revenue)。接著，再將執行完每一情境所能得到的最佳收益與相對應之發生機率相乘，以得出每一情境的收益期望值。定價模組73再將每一情境的收益期望值加總，以得出在完美資訊情況及同意銷售請求81的情況下，執行完圖11所示之情境樹之所有情境所能得到之一第二總收益期望值 (E(R t (S-X)|D=DUPI))則為2102.38。如此，總收益期望值差距E(G t (S,X)|D=ERG)便為2251.88-2102.38=149.5。
接著，定價模組73便將銷售請求定價結果(圖中未示)設定為不小於此總收益期望值差距的數值，如150，且將此銷售請求定價結果(圖中未示)輸出至輸出模組74，輸出模組74便依據此銷售請求定價結果(圖中未示)對應輸出一銷售請求定價訊號(圖中未示)至外界，如一顯示模組或一網路訂位伺服器，以提供給一客服人員或一網路銷售伺服器作為即時回覆此銷售請求的依據(提出報價)。
隨後，於顧客到達時間t等於0.9564時，輸入模組71接收銷售請求81(編號2)。之後，一應用本發明第三實施例之銷售請求定價方法之銷售請求定價系統便依據前述的運算過程，運算出另一總收益期望值差距E(G t (S,X)|D=ERG)140.98。
接著，定價模組73便將銷售請求定價結果(圖中未示)設定為不小於此總收益期望值差距的數值，如160，且將此銷售請求定價結果(圖中未示)輸出至輸出模組74，輸出模組74便依據此銷售請求定價結果(圖中未示)對應輸出一銷售請求定價訊號(圖中未示)至外界，如一顯示模組或一網路訂位伺服器，以提供給一客服人員或一網路銷售伺服器作為即時回覆此銷售請求的依據(提出報價)。
但是，若定價模組73確認請求銷售商品數目8112大於可供銷售商品之數目7212，定價模組73便輸出一拒絕銷售決策(圖中未示)至輸出模組74，輸出模組74則依據拒絕銷售 決策(圖中未示)對應輸出一拒絕銷售訊號(圖中未示)至外界，如一顯示模組或一網路訂位伺服器，以提供給一客服人員或一網路銷售伺服器作為即時回覆此銷售請求的依據(回報已無商品可供銷售)。
由於在本發明第四實施例中，其係應用於一與圖1所示之一應用本發明第一實施例之銷售決策方法之銷售決策系統相同的銷售決策系統，故關於此應用本發明第四實施例之銷售決策方法之銷售決策系統的詳細敘述，在此便不再贅述。
同理，與本發明第一實施例相同，前述之銷售決策系統的資料庫模組亦儲存一銷售商品組合，其包含一第一銷售商品類別，且第一銷售商品類別(如一航班之經濟艙座位)係具有一可供銷售商品之數目，銷售組合並對應於一第一銷售商品價格等級、一第二銷售商品價格等級及一第三銷售商品價格等級。其中，第一銷售商品價格等級係對應於一第一價格等級到達速率，第二銷售商品價格等級係對應於一第二價格等級到達速率，第三銷售商品價格等則對應於一第三價格等級到達速率。
此外，第一銷售商品價格等級係高於第二銷售商品價格等級，第二銷售商品價格等級則高於第三銷售商品價格等級。而且，在本實施例中，前述之第一價格等級到達速率、第二價格等級到達速率及第三價格等級到達速率均為用於描述非均質卜瓦松隨機到達過程之到達速率。
如圖12所示，其係本發明第四實施例之銷售決策方法的流程示意圖。如圖12所示，本發明第四實施例之銷售決策方法方法係包括下列步驟：步驟SA：執行一總收益期望值差距對照組合運算程序；步驟SB：執行一銷售請求接收程序；步驟SC：執行一銷售決策產生程序；以及步驟SD：執行一銷售決策輸出程序。
首先，在步驟SA中，此銷售決策系統之運算決策模組係於一重新計算總收益期望值差距對照組合的時間點，即一重新計算時間點(圖中未示)依序運算出一總收益期望值差距對照組合所包含之複數個等總收益期望值差距。此外，從目前時間到此重新計算時間點之間的時間範圍係為一總收益期望值差距對照組合使用時間區塊，即一使用時間區塊。至於從前述之總收益期望值差距對照組合使用時間區塊的中點至未來之間的時間區塊則為一顧客到達時間區塊。
而如圖13所示，運算決策模組13係重複執行下列步驟，以依序運算出前述之複數個總收益期望值差距：步驟SA1：依據此至少一價格等級到達速率運算出在此顧客到達時間區塊中，此至少一銷售商品價格等級預定到達之銷售請求數目集合；且再依據此至少一銷售商品價格等級預定到達之銷售請求數目集合，建立一包含至少一 層級的情境樹，且此情境樹具有複數個情境，再分別運算出每一此等情境的發生機率；步驟SA2：在得到每一此等情境之完美資訊情況及拒絕一單位商品銷售請求的情況下，分別運算出執行完每一此等情境所能得到的最佳收益，且將執行完每一此等情境所能得到的最佳收益與相對應之發生機率相乘，以得出每一此等情境的收益期望值，再將每一此等情境的收益期望值加總，以得出在完美資訊情況及拒絕此一單位商品銷售請求的情況下，執行完此情境樹之所有此等情境所能得到之一第一總收益期望值；步驟SA3：在得到每一此等情境之完美資訊情況及同意此一單位商品銷售請求的情況下，分別運算出執行完每一此等情境所能得到的最佳收益，且將執行完每一此等情境所能得到的最佳收益與相對應之發生機率相乘，以得出每一此等情境的收益期望值，再將每一此等情境的收益期望值加總，以得出在完美資訊情況及同意此一單位商品銷售請求的情況下，執行完此情境樹之所有此等情境所能得到之一第二總收益期望值；步驟SA4：依據此第一總收益期望值與此第二總收益期望值，運算出對應於此可供銷售商品數目之總收益期望值差距；以及步驟SA5：將此可供銷售商品之數目減去一，且重複上述之步驟，以運算出此等總收益期望值差距之其餘總收益期望值差距，直到此可供銷售商品之數目為零才終止。
如此，便可得到一總收益期望值差距對照組合所包含之複數個總收益期望值差距的數值。
以下，將配合一實際數據例子，詳細地說明前述之總收益期望值差距對照組合運算程序。
首先，在本實施例中，前述之銷售決策系統係為一航班訂位系統，且第一銷售商品價格等級、第二銷售商品價格等級及第三銷售商品價格等級係分別對應於一第一訂位價格等級、一第二訂位價格等級及一第三訂位價格等級。此外，各銷售商品價格等級(第一銷售商品價格等級、第二銷售商品價格等級及第三銷售商品價格等級)之銷售請求到達過程係均為非均質卜瓦松隨機到達過程或是其它已知機率描述之隨機到達過程。
此外，第一銷售商品價格等級係為300，第二銷售商品價格等級係為200，第三銷售商品價格等級則為100。此外，可供銷售商品之數目係為10。另一方面，由於前述之銷售決策系統係為一航班訂位系統，故銷售期間，即接受訂位時間(booking horizon)，係設定為航班起飛時間前10天，且此接受訂位時間被分隔為兩個5天的區塊(即前5天為一個區塊，後5天則為另一個區塊)。除此之外，前述之「目前時間」設定為零(即第1天開始時間點，航班起飛時間前10天)，「重新計算時間點」則設定為第1天結束時間點，「總收益期望值差距對照組合使用時間區塊」則設定為目前時間至第1天結束(重新計算時間點)，「總收益期望值差距對照組合使用時間區塊」亦為[0,1]。另一方面，前述之「總 收益期望值差距對照組合使用時間區塊」的中點至未來之間的時間區塊則設定為一顧客到達時間區塊，亦即[0.5,10]。
需注意的是，前述之「總收益期望值差距對照組合使用時間區塊」之重新計算頻率係依據實際電腦運算速度、網路流量負載或硬碟資料轉移速率來設定。而且，「總收益期望值差距對照組合使用時間區塊」並非一定要包含1天的時間，亦可僅包含4個小時的時間，或更短時間。此外，運算決策模組亦可當電腦系統閒置時即重新計算總收益期望值差距對照組合，以供下一個「使用時間區塊」使用。
另一方面，第一價格等級到達速率(在算式中以λ 1(t)表示)、第二價格等級到達速率(在算式中以λ 2(t))及第三價格等級到達速率(在算式中以λ 3(t)表示)係為時間的函數，且在前述之兩個區塊中的數值分別如下所示：
其中，t [0,5)係表示從航班起飛時間前10天到航班起飛時間前6天的區塊，t (5,10]則表示從航班起飛時間前5天到航班起飛時間當天的區塊。
如前所述，由於在本實施例中，前述之「總收益期望值差距對照組合使用時間區塊」係設定為航班起飛時間前10天至前9天(即t [0,1))，故此銷售決策系統之運算決策模組在運算「總收益期望值差距對照組合」所包含之複數個總收益期望值差距時(即步驟SA1)，便依據在此「總收益期望值差距對照組合使用時間區塊」的中點(時間點0.5)至未來之各價格等級的到達速率，運算出此「顧客到達時間區塊」(即從第一天中午到未來t [0.5,∞))中，各價格等級預定到達之銷售請求數目集合。
如此，此銷售決策系統之運算決策模組便可運算出一情境樹，且此情境樹具有複數個情境，再分別運算出每一此等情境的發生機率。由於藉由情境樹運算出第一總收益期望值、第二總收益期望值的過程(即步驟SA2及步驟SA3)均已詳細敘述於本發明第一實施例中，在此便不再贅述。
接著，在步驟SA4中，此銷售決策系統之運算決策模組便依據步驟SA2所運算出之第一總收益期望值，以及步驟SA3所運算出之此第二總收益期望值，運算出對應於可供銷售商品數目之總收益期望值差距(ERG)。
在步驟SA5中，此銷售決策系統之運算決策模組將可供銷售商品之數目減去一(如從10減去1)，再重複上述之步驟，直到可供銷售商品之數目為零才終止。如此，便可運 算出此總收益期望值差距對照組合所包含之其餘總收益期望值差距。
如此，此銷售決策系統之運算決策模組便可運算出「總收益期望值差距對照組合」所包含之10個總收益期望值差距(因目前之可供銷售商品之數目係為10)，如下列表4所示：
接著，在步驟SB之銷售請求接收程序中，此銷售決策系統之輸入模組於一顧客到達時間t接收之一銷售請求。此銷售請求包含一請求銷售商品組合僅包含一請求銷售商品類別，即一經濟艙座位，請求銷售商品類別所具有之請求銷售商品數目則為1，即每次僅請求銷售一個座位。需注意 的是，在本實施例中，顧客到達時間t係位於前述之總收益期望值差距對照組合使用時間區塊(即t [0,1))之內。
隨後，在步驟SC之銷售決策產生程序中，此銷售決策系統之運算決策模組便依據請求銷售總價及前述表4所示之總收益期望值差距對照組合所包含之10個總收益期望值差距，運算並輸出一同意銷售決策或一拒絕銷售決策。
例如，當第1個銷售請求於t等於0.3245時到達，其請求銷售總價為100，由於其係小於表4所示之對應於可供銷售商品數目為10之總收益期望值差距(100<147.2494)，故此銷售決策系統之運算決策模組便輸出一拒絕銷售決策。
其次，當第2個銷售請求於t等於0.3458時到達，其請求銷售總價為300，由於其係大於表4所示之對應於可供銷售商品數目為10之總收益期望值差距(300>147.2494)，故此銷售決策系統之運算決策模組便輸出一同意銷售決策。
隔了一段時間後，當第3個銷售請求於t等於0.8554時到達，其請求銷售總價為200，由於其係大於表4所示之對應於可供銷售商品數目為9之總收益期望值差距(200>162.6619)，故此銷售決策系統之運算決策模組便輸出一同意銷售決策。
需注意的時，一旦到達次一重新計算時間點，以本例而言，為第一天結束(航班起飛前第九天和第十天的交界點)，此銷售決策系統之運算決策模組便再次運算出另一「總收益期望值差距對照組合」(即次一總收益期望值差距對照組合)，以供下一個「總收益期望值差距對照組合使用 時間區塊」內到達之銷售請求決策所需。意即，此銷售決策系統之運算決策模組係每隔一等於該總收益期望值差距對照組合使用時間區塊之時間間隔，便運算出另一總收益期望值差距對照組合所包含之該等總收益期望值差距(因總收益期望值差距對照組合使用時間區塊係從目前時間到次一重新計算時間點之間的時間範圍)。
最後，在步驟SD之「銷售決策輸出程序」中，此銷售決策系統之輸出模組便接收前述之同意銷售決策(圖中未示)或前述之拒絕銷售決策(圖中未示)，以對應輸出一同意銷售訊號(圖中未示)或一拒絕銷售訊號(圖中未示)。在本實施例中，此銷售決策系統之輸出模組可將同意銷售訊號(圖中未示)或拒絕銷售訊號(圖中未示)輸出至此銷售決策系統之顯示模組或一網路訂位伺服器(圖中未示)，以提供給一訂位客服人員或前述之網路訂位伺服器，作為即時回覆旅客所提出之銷售請求的依據。
綜上所述，藉由將本發明之銷售決策方法應用於一銷售決策系統的方式，便可使此銷售決策系統在其輸入模組接收一銷售請求時，使其運算決策模組便可迅速地產生一關於銷售價格的決策。隨後，此銷售決策系統之輸出模組便將與定價結果相對應之訊號輸出至外界，如一顯示模組或一網路訂位伺服器，以提供給一客服人員或一網路銷售伺服器作為即時回覆此銷售請求的依據。況且，由於此銷售決策系統之運算決策模組在運算及產生決策結果的過程中，係使用非均質卜瓦松隨機到達過程(non-homogeneous Poisson random arrival process)及卜瓦松分佈函數(Poisson distribution function)(或是其它已知機率描述之隨機到達過程)、情境樹(scenario tree)及具有完美資訊之決策模型等數學工具，所以本發明之銷售決策方法可提升銷售出所有商品所能得到的收益。此外，如前所述，由於本發明之銷售決策方法所使用到運算步驟非常簡單，故本發明之銷售決策方法可縮短一應用本發明之銷售決策方法之銷售決策系統做出定價計算所需的運算時間。
另一方面，由於一應用本發明之銷售請求定價方法之銷售請求定價系統在其輸入模組接收一銷售請求時，其定價模組便可迅速地產生一總收益期望值差距以及一不小於此總收益期望值差距的銷售請求定價結果。隨後，此銷售請求定價系統之輸出模組便對應輸出一銷售請求定價訊號至外界，如一顯示模組或一網路訂位伺服器，以提供給一客服人員或一網路銷售伺服器作為即時回覆此銷售請求的依據。況且，由於此銷售請求定價系統之定價模組在運算及產生決策結果的過程中，係使用非均質卜瓦松隨機到達過程及卜瓦松分佈函數、情境樹及具有完美資訊之決策模型等數學工具，所以本發明之銷售請求定價方法可提升銷售出所有商品所能得到的收益。此外，如前所述，由於本發明之銷售請求定價方法所使用到運算步驟非常簡單，故本發明之銷售請求定價方法可縮短一應用本發明之銷售請求定價方法之銷售請求定價系統提供一銷售請求定價結果(報價)所需的運算時間。
上述實施例僅係為了方便說明而舉例而已，本發明所主張之權利範圍自應以申請專利範圍所述為準，而非僅限於上述實施例。
11、61、71‧‧‧輸入模組
12、62、72‧‧‧資料庫模組
13、63‧‧‧運算決策模組
14、64、74‧‧‧輸出模組
15、65、75‧‧‧顯示模組
16、66、76‧‧‧系統程式
21、81‧‧‧銷售請求
121、721‧‧‧銷售商品組合
211、811‧‧‧請求銷售商品組合
212、812‧‧‧請求銷售總價
73‧‧‧定價模組
SA~SD、SA1~SA5‧‧‧步驟
1211、7211‧‧‧第一銷售商品類別
1212、7212‧‧‧可供銷售商品之數目
1213、7213‧‧‧第一銷售商品價格等級
1214、7214‧‧‧第二銷售商品價格等級
1215、7215‧‧‧第三銷售商品價格等級
1216、7216‧‧‧第一價格等級到達速率
1217、7217‧‧‧第二價格等級到達速率
1218、7218‧‧‧第三價格等級到達速率
2111、8111‧‧‧請求銷售商品類別
2112、8112‧‧‧請求銷售商品數目
2113‧‧‧請求銷售商品價格等級
圖1係顯示一應用本發明第一實施例之銷售決策方法之銷售決策系統的示意圖。
圖2係顯示儲存於資料庫模組之各項參數的示意圖。
圖3係顯示輸入模組所接收之銷售請求的示意圖。
圖4係本發明第一實施例之銷售決策方法的流程示意圖。
圖5係本發明第一實施例之銷售決策方法所建立之情境樹的示意圖。
圖6係顯示一應用本發明第二實施例之銷售決策方法之銷售決策系統的示意圖。
圖7係顯示一應用本發明第三實施例之銷售請求定價方法之銷售請求定價系統的示意圖。
圖8係顯示儲存於資料庫模組之各項參數的示意圖。
圖9係顯示輸入模組所接收之銷售請求的示意圖。
圖10係本發明第三實施例之銷售請求定價方法的流程示意圖。
圖11係本發明第三實施例之銷售請求定價方法所建立之情境樹的示意圖。
圖12係本發明第四實施例之銷售決策方法的流程示意圖。
圖13係本發明第四實施例之銷售決策方法之總收益期望值差距對照組合運算程序的流程示意圖。
SA~SC‧‧‧步驟

Claims (23)

  1. 一種銷售決策方法，係應用於一包含一輸入模組、一資料庫模組、一運算決策模組以及一輸出模組的銷售決策系統，該輸入模組用以輸入資料，且該資料庫模組係儲存一系統程式、一應用程式、使用者資料、及至少一銷售商品組合，該運算決策模組係分別與該輸入模組及該資料庫模組耦合，該輸出模組則與該運算決策模組耦合，該輸出模組用以輸出一接受或拒絕一銷售請求的決策至一顯示模組，該銷售決策方法係包括下列步驟：執行一銷售請求接收程序；執行一銷售決策產生程序；以及執行一銷售決策輸出程序；其中，該輸入模組係於該銷售請求接收程序中，於一顧客到達時間接收一包含一請求銷售商品組合及一請求銷售總價的銷售請求，該至少一請求銷售商品組合係包含至少一請求銷售商品類別，該至少一請求銷售商品類別係具有一請求銷售商品數目；該運算決策模組係於該銷售決策產生程序中運算並輸出一同意銷售決策或一拒絕銷售決策；該輸出模組則於該銷售決策輸出程序中接收該同意銷售決策或該拒絕銷售決策，以對應輸出一同意銷售訊號或一拒絕銷售訊號；其中，該至少一銷售商品組合係包含至少一銷售商品類別，該至少一銷售商品類別係具有一可供銷售商品之數 目，該至少一銷售商品組合則對應於至少一銷售商品價格等級，該至少一銷售商品價格等級則分別對應於一價格等級到達速率；該至少一請求銷售商品組合係對應於該至少一銷售商品組合，該請求銷售商品數目則對應於該可供銷售商品之數目；此外，當該輸入模組於該顧客到達時間接收該銷售請求後，該運算決策模組便執行該銷售決策產生程序，以依據該至少一價格等級到達速率運算出從該顧客到達時間至未來，該至少一銷售商品價格等級預定到達之銷售請求數目集合；該運算決策模組再依據該至少一銷售商品價格等級預定到達之銷售請求數目集合，建立一包含至少一層級的情境樹，且該情境樹具有複數個情境，該運算決策模組並分別運算出每一該等情境的發生機率；接著，該運算決策模組在得到每一該等情境之完美資訊情況及拒絕該銷售請求的情況下分別運算出執行完每一該等情境所能得到的最佳收益，且將執行完每一該等情境所能得到的最佳收益與相對應之發生機率相乘，以得出每一該等情境的收益期望值，該運算決策模組再將每一該等情境的收益期望值加總，以得出在完美資訊情況及拒絕該銷售請求的情況下，執行完該情境樹之所有該等情境所能得到之一第一總收益期望值；該運算決策模組另在得到每一該等情境之完美資訊情況及同意該銷售請求的情況下分別運算出執行完每一該等情境所能得到的最佳收益，且將執行完每一該等情境所能 得到的最佳收益與相對應之發生機率相乘，以得出每一該等情境的收益期望值，該運算決策模組再將每一該等情境的收益期望值加總，以得出在完美資訊情況及同意該銷售請求的情況下，執行完該情境樹之所有該等情境所能得到之一第二總收益期望值；該運算決策模組再依據該第一總收益期望值與該第二總收益期望值運算出一總收益期望值差距，該運算決策模組並將該總收益期望值差距與該請求銷售總價互相比較，當該總收益期望值差距大於該請求銷售總價時，該運算決策模組便輸出該拒絕銷售決策至該輸出模組；當該總收益期望值差距不大於該請求銷售總價時，該運算決策模組便輸出該同意銷售決策至該輸出模組，且該運算決策模組依據該請求銷售商品數目，將該可供銷售商品之數目減去該請求銷售商品數目。
  2. 如申請專利範圍第1項所述之銷售決策方法，其中該至少一銷售商品組合係包含一第一銷售商品類別，該第一銷售商品類別具有一第一可供銷售商品之數目，該至少一銷售商品組合則對應於一第一銷售商品價格等級、一第二銷售商品價格等級及一第三銷售商品價格等級，該第一銷售商品價格等級係對應於一第一價格等級到達速率，該第二銷售商品價格等級係對應於一第二價格等級到達速率，該第三銷售商品價格等級則對應於一第三價格等級到達速率，該第一銷售商品價格等級係高於該第二銷售商品 價格等級，該第二銷售商品價格等級則高於該第三銷售商品價格等級。
  3. 如申請專利範圍第2項所述之銷售決策方法，其中該第一銷售商品價格等級、該第二銷售商品價格等級及該第三銷售商品價格等級係分別對應於一第一訂位價格等級、一第二訂位價格等級及一第三訂位價格等級。
  4. 如申請專利範圍第2項所述之銷售決策方法，其中該顧客到達時間係位於一銷售期間之內。
  5. 如申請專利範圍第1項所述之銷售決策方法，其中該至少一銷售商品價格等級之銷售請求到達過程係均為一非均質卜瓦松隨機到達過程或是其它已知機率描述之隨機到達過程。
  6. 如申請專利範圍第1項所述之銷售決策方法，其中該情境樹之層級數目係與該至少一銷售商品價格等級的數目相同。
  7. 如申請專利範圍第2項所述之銷售決策方法，其中該運算決策模組於運算出該至少一銷售商品價格等級預定到達之銷售請求數目集合之前，該運算決策模組先確認該請求銷售商品數目不大於該可供銷售商品之數目，且當該請求銷售商品數目大於該可供銷售商品之數目時，輸出該拒絕銷售決策至該輸出模組。
  8. 如申請專利範圍第7項所述之銷售決策方法，其中該運算決策模組於運算出該至少一銷售商品價格等級預定到達之銷售請求數目集合之前並確認過該請求銷售商品數 目不大於該可供銷售商品之數目，該運算決策模組確認該至少一請求銷售商品組合所對應之一請求銷售商品價格等級是否對應於該第一銷售商品價格等級，且當該請求銷售商品價格等級係對應於該第一銷售商品價格等級時，輸出一同意銷售決策至該輸出模組並將該可供銷售商品之數目減去該請求銷售商品數目。
  9. 如申請專利範圍第1項所述之銷售決策方法，其中在運算該第一總收益期望值或該第二總收益期望值的過程中，當其中之一該等情境的發生機率近似於零(例如：小於10-6)時，該情境的發生機率便於運算該第一總收益期望值或該第二總收益期望值的過程中被設定為零。
  10. 如申請專利範圍第1項所述之銷售決策方法，其中該至少一銷售商品價格等級分別對應於一價格等級取消機率，且該運算決策模組於執行該銷售決策產生程序時，係依據該至少一價格等級到達速率及該至少一價格等級取消機率，運算出從該顧客到達時間至未來，該至少一銷售商品價格等級預定到達之實際銷售請求數目集合。
  11. 一種銷售請求定價方法，係應用於一包含一輸入模組、一資料庫模組、一定價模組以及一輸出模組的銷售請求定價系統，該輸入模組用以輸入資料，且該資料庫模組係儲存一系統程式、一應用程式、使用者資料、及至少一銷售商品組合，該定價模組係分別與該輸入模組及該資料庫模組耦合，該輸出模組則與該定價模組耦合，該輸出模 組用以輸出一銷售請求定價訊號至一顯示模組或網際網路上的一預定伺服器，該銷售請求定價方法係包括下列步驟：執行一銷售請求定價程序；執行一銷售請求定價產生程序；以及執行一銷售請求定價輸出程序；其中，該輸入模組係於該銷售請求定價程序中，於一顧客到達時間接收一包含至少一請求銷售商品組合的銷售請求，該至少一請求銷售商品組合係包含至少一請求銷售商品類別，該至少一請求銷售商品類別係具有一請求銷售商品數目；該定價模組係於該銷售請求定價產生程序中運算並輸出一銷售請求定價結果；該輸出模組則於該銷售請求定價輸出程序中接收接收該銷售請求定價結果，以對應輸出一銷售請求定價訊號；其中，該至少一銷售商品組合係包含至少一銷售商品類別，該至少一銷售商品類別係具有一可供銷售商品之數目，該至少一銷售商品組合則對應於至少一銷售商品價格等級，該至少一銷售商品價格等級則分別對應於一價格等級到達速率；該至少一請求銷售商品組合係對應於該至少一銷售商品組合，該請求銷售商品數目則對應於該可供銷售商品之數目；此外，當該輸入模組於該顧客到達時間接收該銷售請求後，該定價模組便執行該銷售請求定價產生程序，以依據該至少一價格等級到達速率運算出從該顧客到達時間至 未來，該至少一銷售商品價格等級預定到達之銷售請求數目集合；該定價模組再依據該至少一銷售商品價格等級預定到達之銷售請求數目集合，建立一包含至少一層級的情境樹，且該情境樹具有複數個情境，該定價模組並分別運算出每一該等情境的發生機率；接著，該定價模組在得到每一該等情境之完美資訊情況及拒絕該銷售請求的情況下分別運算出執行完每一該等情境所能得到的最佳收益，且將執行完每一該等情境所能得到的最佳收益與相對應之發生機率相乘，以得出每一該等情境的收益期望值，該定價模組再將每一該等情境的收益期望值加總，以得出在完美資訊情況及拒絕該銷售請求的情況下，執行完該情境樹之所有該等情境所能得到之一第一總收益期望值；該定價模組另在得到每一該等情境之完美資訊情況及同意該銷售請求的情況下分別運算出執行完每一該等情境所能得到的最佳收益，且將執行完每一該等情境所能得到的最佳收益與相對應之發生機率相乘，以得出每一該等情境的收益期望值，該定價模組再將每一該等情境的收益期望值加總，以得出在完美資訊情況及同意該銷售請求的情況下，執行完該情境樹之所有該等情境所能得到之一第二總收益期望值；該定價模組再依據該第一總收益期望值與該第二總收益期望值運算出一總收益期望值差距，該銷售請求定價結果則大於或等於該總收益期望值差距。
  12. 如申請專利範圍第11項所述之銷售請求定價方法，其中該至少一銷售商品組合係包含一第一銷售商品類別，該第一銷售商品類別具有一第一可供銷售商品之數目，該至少一銷售商品組合則對應於一第一銷售商品價格等級、一第二銷售商品價格等級及一第三銷售商品價格等級，該第一銷售商品價格等級係對應於一第一價格等級到達速率，該第二銷售商品價格等級係對應於一第二價格等級到達速率，該第三銷售商品價格等級則對應於一第三價格等級到達速率，該第一銷售商品價格等級係高於該第二銷售商品價格等級，該第二銷售商品價格等級則高於該第三銷售商品價格等級。
  13. 如申請專利範圍第11項所述之銷售請求定價方法，其中該至少一銷售商品價格等級之銷售請求到達過程係均為一非均質卜瓦松隨機到達過程或是其它已知機率描述之隨機到達過程。
  14. 如申請專利範圍第11項所述之銷售請求定價方法，其中該情境樹之層級數目係與該至少一銷售商品價格等級的數目相同。
  15. 如申請專利範圍第11項所述之銷售請求定價方法，其中在運算該第一總收益期望值或該第二總收益期望值的過程中，當其中之一該等情境的發生機率近似於零(例如：小於10-6)時，該情境的發生機率便於運算該第一總收益期望值或該第二總收益期望值的過程中被設定為零。
  16. 一種銷售決策方法，係應用於一包含一輸入模組、一資料庫模組、一運算決策模組以及一輸出模組的銷售決策系統，該輸入模組用以輸入資料，且該資料庫模組係儲存一系統程式、一應用程式、使用者資料、及至少一銷售商品組合，該運算決策模組係分別與該輸入模組及該資料庫模組耦合，該輸出模組則與該運算決策模組耦合，該輸出模組用以輸出一同意銷售決策或一拒絕銷售決策至一顯示模組，該銷售決策方法係包括下列步驟：執行一總收益期望值差距對照組合運算程序；執行一銷售請求接收程序；執行一銷售決策產生程序；以及執行一銷售決策輸出程序；其中，該至少一銷售商品組合係包含至少一銷售商品類別，該至少一銷售商品類別係具有一可供銷售商品之數目，該至少一銷售商品組合則對應於至少一銷售商品價格等級，該至少一銷售商品價格等級則分別對應於一價格等級到達速率；該至少一請求銷售商品組合係對應於該至少一銷售商品組合，該請求銷售商品數目則對應於該可供銷售商品之數目；其中，該總收益期望值差距對照組合係包含複數個總收益期望值差距，且該運算決策模組係於該總收益期望值差距對照組合運算程序中，在一重新計算時間點重複執行下列步驟，以依序運算出該等總收益期望值差距，且從目前時間到該重新計算時間點之間的時間範圍係為一總收益 期望值差距對照組合使用時間區塊，而從該總收益期望值差距對照組合使用時間區塊的中點至未來之間的時間區塊則為一顧客到達時間區塊：依據該至少一價格等級到達速率運算出在該顧客到達時間區塊中，該至少一銷售商品價格等級預定到達之銷售請求數目集合；且再依據該至少一銷售商品價格等級預定到達之銷售請求數目集合，建立一包含至少一層級的情境樹，且該情境樹具有複數個情境，再分別運算出每一該等情境的發生機率；在得到每一該等情境之完美資訊情況及拒絕一單位商品銷售請求的情況下，分別運算出執行完每一該等情境所能得到的最佳收益，且將執行完每一該等情境所能得到的最佳收益與相對應之發生機率相乘，以得出每一該等情境的收益期望值，再將每一該等情境的收益期望值加總，以得出在完美資訊情況及拒絕一單位商品銷售請求的情況下，執行完該情境樹之所有該等情境所能得到之一第一總收益期望值；在得到每一該等情境之完美資訊情況及同意一單位商品銷售請求的情況下，分別運算出執行完每一該等情境所能得到的最佳收益，且將執行完每一該等情境所能得到的最佳收益與相對應之發生機率相乘，以得出每一該等情境的收益期望值，再將每一該等情境的收益期望值加總，以得出在完美資訊情況及同意一 單位商品銷售請求的情況下，執行完該情境樹之所有該等情境所能得到之一第二總收益期望值；依據該第一總收益期望值與該第二總收益期望值，運算出對應於該可供銷售商品數目之總收益期望值差距；以及將該可供銷售商品之數目減去一，且重複上述之步驟，以運算出該總收益期望值差距對照組合之其餘總收益期望值差距，直到該可供銷售商品之數目為零才終止；其中，該輸入模組係於該銷售請求接收程序中，於一顧客到達時間接收一包含一請求銷售商品組合及一請求銷售總價的銷售請求，該至少一請求銷售商品組合係包含至少一請求銷售商品類別，該至少一請求銷售商品類別係具有一請求銷售商品數目；其中，當該輸入模組於該顧客到達時間接收該銷售請求後，該運算決策模組便於該銷售決策產生程序中，依據該總收益期望值差距對照組合所包含之對應目前之該可供銷售商品數目的總收益期望值差距，運算並輸出一同意銷售決策或一拒絕銷售決策；當該等總收益期望值差距大於該請求銷售總價時，該運算決策模組便輸出該拒絕銷售決策至該輸出模組；當該等總收益期望值差距不大於該請求銷售總價時，該運算決策模組便輸出該同意銷售決策至該輸出模組，且該運算決策模組依據該請求銷售商品數目，將該可供銷售商品之數目減去該請求銷售商品數目； 其中，該輸出模組於該銷售決策輸出程序中，接收該同意銷售決策或該拒絕銷售決策，以對應輸出一同意銷售訊號或一拒絕銷售訊號。
  17. 如申請專利範圍第16項所述之銷售決策方法，其中該至少一銷售商品組合係包含一第一銷售商品類別，該第一銷售商品類別具有一第一可供銷售商品之數目，該至少一銷售商品組合則對應於一第一銷售商品價格等級、一第二銷售商品價格等級及一第三銷售商品價格等級，該第一銷售商品價格等級係對應於一第一價格等級到達速率，該第二銷售商品價格等級係對應於一第二價格等級到達速率，該第三銷售商品價格等級則對應於一第三價格等級到達速率，該第一銷售商品價格等級係高於該第二銷售商品價格等級，該第二銷售商品價格等級則高於該第三銷售商品價格等級。
  18. 如申請專利範圍第17項所述之銷售決策方法，其中該第一銷售商品價格等級、該第二銷售商品價格等級及該第三銷售商品價格等級係分別對應於一第一訂位價格等級、一第二訂位價格等級及一第三訂位價格等級。
  19. 如申請專利範圍第16項所述之銷售決策方法，其中該顧客到達時間係位於該總收益期望值差距對照組合使用時間區塊之內。
  20. 如申請專利範圍第16項所述之銷售決策方法，其中該至少一銷售商品價格等級之銷售請求到達過程係均為一 非均質卜瓦松隨機到達過程或是其它已知機率描述之隨機到達過程。
  21. 如申請專利範圍第16項所述之銷售決策方法，其中當次一重新計算時間點來臨時，該運算決策模組重新計算次一該總收益期望值差距對照組合所包含之該等總收益期望值差距。
  22. 如申請專利範圍第16項所述之銷售決策方法，其中該運算決策模組每隔一等於該總收益期望值差距對照組合使用時間區塊之時間間隔運算出另一該總收益期望值差距對照組合所包含之該等總收益期望值差距。
  23. 如申請專利範圍第16項所述之銷售決策方法，其中該總收益期望值差距對照組合使用時間區塊之重新計算頻率係依實際電腦運算速度、網路流量負載或硬碟資料轉移速率而設定。
TW099126228A 2010-01-15 2010-08-06 銷售決策方法及銷售請求定價方法 TWI533244B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
TW099126228A TWI533244B (zh) 2010-01-15 2010-08-06 銷售決策方法及銷售請求定價方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
TW99101040 2010-01-15
TW099126228A TWI533244B (zh) 2010-01-15 2010-08-06 銷售決策方法及銷售請求定價方法

Publications (2)

Publication Number Publication Date
TW201124927A TW201124927A (en) 2011-07-16
TWI533244B true TWI533244B (zh) 2016-05-11

Family

ID=44278184

Family Applications (1)

Application Number Title Priority Date Filing Date
TW099126228A TWI533244B (zh) 2010-01-15 2010-08-06 銷售決策方法及銷售請求定價方法

Country Status (2)

Country Link
US (1) US20110178828A1 (zh)
TW (1) TWI533244B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140058772A1 (en) * 2012-08-22 2014-02-27 James Moskos System and method for conducting an electronic auction for available cargo capacity on a cargo carrier
US20140358597A1 (en) * 2013-05-31 2014-12-04 Versonix Corporation System and method for dynamic pricing of reservation inventory
TWI517059B (zh) * 2013-10-15 2016-01-11 國立清華大學 抽樣最佳營收之交通事業訂位決策方法
US10102491B2 (en) 2014-05-27 2018-10-16 Genesys Telecommunications Laboratories, Inc. System and method for bridging online customer experience
US11816686B2 (en) 2018-10-02 2023-11-14 Mercari, Inc. Determining sellability score and cancellability score

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5255184A (en) * 1990-12-19 1993-10-19 Andersen Consulting Airline seat inventory control method and apparatus for computerized airline reservation systems
AU1798099A (en) * 1997-11-19 1999-06-07 I2 Technologies, Inc. Computer-implemented product valuation tool
US7376578B1 (en) * 1997-11-19 2008-05-20 I2 Technologies Us, Inc. Computer-implemented product valuation tool
US6263315B1 (en) * 1998-11-02 2001-07-17 Pricing Research Corporation Revenue management system and method
US7415422B1 (en) * 2000-08-01 2008-08-19 International Business Machines Corporation Method for prediction of materialization of a reserved purchase
GB0116987D0 (en) * 2001-07-12 2001-09-05 Ibm A yield management method and system
US7774226B2 (en) * 2003-09-18 2010-08-10 International Business Machines Corporation Accepting bids under uncertain future demands
US20060200370A1 (en) * 2005-03-04 2006-09-07 Sabre, Inc. Availability-based pricing for multi-channel distribution
US7870052B1 (en) * 2007-04-24 2011-01-11 Morgan Stanley Capital International, Inc. System and method for forecasting portfolio losses at multiple horizons
US20110022428A1 (en) * 2009-07-27 2011-01-27 Roger Allen Parker Modelling a transport market

Also Published As

Publication number Publication date
US20110178828A1 (en) 2011-07-21
TW201124927A (en) 2011-07-16

Similar Documents

Publication Publication Date Title
US7424449B2 (en) Computer-implemented method to provide options on products to enhance customer experience
AU2009248196B2 (en) Improvements in or relating to inventory control and optimization
Chiang et al. An overview of research on revenue management: current issues and future research
Gallego et al. Optimal dynamic pricing of inventories with stochastic demand over finite horizons
US20160005094A1 (en) System for concurrent optimization of business economics and customer value
Yeoman et al. The turning points of revenue management: a brief history of future evolution
Post et al. Improving airline revenues with variable opaque products:“Blind Booking” at Germanwings
Gönsch et al. Revenue management with flexible products: The value of flexibility and its incorporation into DLP-based approaches
TWI533244B (zh) 銷售決策方法及銷售請求定價方法
Hellermann et al. Options contracts with overbooking in the air cargo industry
Costa et al. Advanced multicriteria models to promote quality and reputation in public construction e-marketplaces
US20190057324A1 (en) Predicting un-capacitated freight demand on a multi-hop shipping route
Cheaitou et al. An integrated supplier selection and procurement planning model using product predesign and operational criteria
CN102402759A (zh) 销售决策方法及销售请求定价方法
Kale et al. Analyzing private communities on Internet-based collaborative transportation networks
Janssen et al. Evaluating the information architecture of an electronic intermediary
US20130218611A1 (en) Computer-Implemented Method for Matching Aggregated Traveler Demand to Aircraft
Buhalis et al. Intermediaries: travel agencies and tour operators
Nandiraju et al. Freight transportation electronic marketplaces: A survey of the industry and exploration of important research issues
Bensch Recommender systems for strategic procurement in value networks
Sarafi et al. Inventory Policy Control Using a Continuous Review Model Based on Information Systems: A Case Study in a Restaurant Industry
JP2002230273A (ja) 事業リスク管理方法
Subhan et al. Supply Chain and Quality Management Practice: Its Impact on Competitive Advantage and Firm Performance (Study on Small and Medium Enterprises at West Java)
Rianita Adaptive Selling, Personal Selling, and Selling Experience on the Service Personnel Performance
Alabdulkarim Simulating Different Levels of Car Class Upgrades in a Car Rental Company’s Operations

Legal Events

Date Code Title Description
MM4A Annulment or lapse of patent due to non-payment of fees