TWI753267B - 消費推薦資訊與採購決策的優化系統及其實施方法 - Google Patents

Abstract

一種消費推薦資訊與採購決策的優化系統及其實施方法，主要可依據尚未消費之一通訊裝置的標籤選取指令(即一分類標籤被選取後)，過濾出與標籤選取指令具有關聯關係的其它分類標籤，以讓通訊裝置可進一步從被過濾的其它分類標籤進行選取，以藉此增進使用者瀏覽商品資訊的效率、及減少通訊裝置持續向系統發送查詢請求的流量，而選取各分類標籤的操作歷程由系統擷取後，將執行一潛在偏好分析，以對通訊裝置提供一消費推薦資訊(或個人化廣告)，以藉此找出消費者的實際需求與提升網站的轉換率，同時，系統可依據分析結果生成一採購決策建議。

Description

消費推薦資訊與採購決策的優化系統及其實施方法

本發明與雲端運算、資料探勘(Data Mining)、Data Warehouse(資料倉儲)與分析使用行為的技術領域有關，尤指一種可對使用者於消費前在電商平台的操作歷程紀錄進行分析，以生成更符合使用者實際需求的消費推薦資訊、及提供優化後的採購決策建議的「消費推薦資訊與採購決策的優化系統及其實施方法」。

隨著通訊技術的發達及網際網路的發展，許多使用者會透過電腦、或智慧型手機於一電商平台進行購物，而許多商家端會透過分析消費者的消費歷史、購物車紀錄及商品瀏覽歷史，而於電商平台推送一消費推薦資訊，以期能增進購買率，又或是於社群平台投放一動態廣告，以期透過社群平台的導引，吸引使用者造訪電商平台，並將商品加入購物車、或完成購買，而增進電商平台的網站轉換率。

然而，電商平台無論是建立消費推薦資訊、或於一廣告系統創建個人化的一動態廣告，大多是參考消費者的消費歷史、商品頁瀏覽歷史及購物車紀錄的分析結果，而僅能得知平台上哪些(與哪類)商品較為搶手或滯銷，換言之，商家端所參酌的分析結果，僅符合已完成交易的消費者，至於潛在消費者或訪客因並未完成消費，故難以瞭解潛在消費者的實際需求，同時，採購端也很難單從消費紀錄，評估不同商品及其規格的採購數量，故仍有備貨不足或囤貨過剩的問題，相關前案如中華民國發明專利公開案第TW200411496號「目標行銷之系統及方法」、中國發明專利公開案第CN108053282A號「組合信息的推送方法、裝置及終端」等前案所揭。

再者，商家端通常需要透過變動廣告系統的設定或調整廣告素材、文案，來測試廣告投放的效果，進而透過廣告轉換率、廣告支出回報率(ROAS)、點擊率(CTR)來評估廣告投放成效，換言之，商家端必須經過調整廣告素材或文案的多次測試，才可能獲得較好的廣告投放效果，但如此一來，將使商家端花費較高的廣告投放成本。

再者，消費端於瀏覽電商平台時，通常僅能從階層式樹狀架構的商品分類（例如，若主分類為「流行女裝」，則「上衣」、「襯衫」、「裙子」等分類即屬於「流行女裝」的次分類），查找所欲購買的商品，但若使用者想立即查找出符合特定條件的商品（例如特定的顏色、情境、流行元素或產地），其僅能一一從對應不同次分類的商品頁（商品頁為隸屬於「次分類」的第三層架構），查找是否有符合其需求的商品，如此一來，若消費者無法從電商平台找到符合其實際需求的商品，則消費者以資訊裝置持續向電商平台之伺服器發送查詢請求的流量，即屬於一種不必要的浪費，同時，伺服器也因必須於資料庫頻繁地提取資料，而會增加系統的運算處理負擔。

綜上可知，目前的電子商務系統，仍有上述問題有待改良，依此，如何提供一種商品查詢效率較佳、可增進消費推薦資訊或個人化廣告的投放成效、可減少資訊裝置持續向伺服器發送查詢請求的數量、可瞭解消費者的實際或潛在需求、可優化採購決策的資訊提供系統，乃有待解決之問題。

為達上述目的，本發明揭露一種消費推薦資訊與採購決策的優化系統，其包含一中央處理模組，且一通訊模組、一商品資料庫、一分類標籤模組、一資訊擷取模組、一操作歷程資料庫及一推薦模組分別與中央處理模組呈資訊連結。

其中，通訊模組主要與消費端、或潛在消費端的一通訊裝置進行通訊；商品資料庫可儲存多筆商品資訊，各商品資訊分別被設定關聯於一或多個分類標籤；分類標籤模組可儲存多筆分類標籤，亦可依據通訊裝置選取其中一分類標籤而發送的一標籤選取指令，從尚未被選取的其它分類標籤中，提取出與標籤選取指令具有關聯關係的其它分類標籤，以限制通訊裝置僅能進一步從被提取的其它分類標籤進行選取；資訊擷取模組可擷取通訊裝置於完成消費前，對一或多個分類標籤進行選取而發送的一或多個標籤選取指令、及產生一操作歷程資訊，並儲存至操作歷程資料庫；而推薦模組可依據操作歷程資訊執行一潛在偏好分析，以對尚未消費的通訊裝置運算出一消費推薦資訊，同時依據潛在偏好分析的結果、及商品資料庫所儲存的一採購決策參數，生成一採購決策建議。

再者，通訊模組可再連結至一廣告伺服器，廣告伺服器可依據一目標受眾參數，對歸類於一目標受眾分群的通訊裝置，於一第三方平台(例如社群平台或內容聚合平台)投放符合消費推薦資訊的一個人化廣告，並且，資訊擷取模組亦可追蹤通訊裝置從第三方平台造訪電子商務平台而產生的一轉換事件，且轉換事件與至少一分類標籤形成關聯。

為使 貴審查委員得以清楚了解本發明之目的、技術特徵及其實施後之功效，茲以下列說明搭配圖示進行說明，敬請參閱。

請參閱「第1圖」，其為本發明之系統架構圖，本發明揭露一種消費推薦資訊與採購決策的優化系統10，其本身可為一實體伺服器、或以一虛擬機器(VM)形式運行於實體伺服器、或以一虛擬專屬伺服器(VPS)形式運行於實體伺服器，但均不以此為限，系統10包含：一中央處理模組101，且一通訊模組102、一商品資料庫103、一分類標籤模組104、一資訊擷取模組105、一操作歷程資料庫106及一推薦模組107分別與中央處理模組101呈資訊連結，其中：(1) 中央處理模組101用以運行消費推薦資訊與採購決策的優化系統10，可驅動上述各模組之作動，並具備邏輯運算、暫存運算結果、保存執行指令位置等功能，且其可為一中央處理器(CPU)。(2) 通訊模組102供以與一或多個通訊裝置20進行通訊，且通訊模組102可具有Wi-Fi、3G/4G、乙太網路之其中一種或其組合的傳輸介面。(3) 商品資料庫103可為一資料庫主機，其儲存有多筆商品資訊，各商品資訊分別被設定關聯於一或多個分類標籤。(4) 分類標籤模組104可儲存多筆分類標籤，亦可依據通訊裝置20選取其中一分類標籤而發送的一標籤選取指令，作為讀取商品資料庫103的分類標籤的索引。(5) 資訊擷取模組105供以擷取通訊裝置20於完成消費前，對一或多個該分類標籤進行選取而發送的一或多個標籤選取指令、及產生一操作歷程資訊，並儲存至操作歷程資料庫106，且操作歷程資料庫106可為一資料庫主機。(6) 推薦模組107供以依據前述的操作歷程資訊執行一潛在偏好分析，以對通訊裝置20運算出消費推薦資訊，同時依據潛在偏好分析的結果及商品資料庫103所儲存的一採購決策參數，生成一採購決策建議。A. 前述的潛在偏好分析為一協同過濾(Collaborative Filtering，CF)演算法，更具體而言，其可再區分為一基於使用者的協同推薦演算法（User-based-CF）、一基於項目的協同推薦演算法(Item-based-CF)。B. 舉例而言，基於使用者的協同推薦演算法係指，假設A使用者喜歡分類標籤A、B、C，而B使用者喜歡分類標籤A與B，則推薦模組107可推斷，B使用者可能也喜歡分類標籤C；而基於項目的協同推薦演算法係指，假設A使用者喜歡分類標籤A、B、C，B使用者喜歡分類標籤A與C，而C使用者喜歡分類標籤A，則推薦模組107可推斷，選取分類標籤A的使用者，也會想購買關聯於分類標籤C的產品。C. 前述的消費推薦資訊可包含一建議商品、一潛在喜好分類、一潛在喜好分類組合，且消費推薦資訊所包含的資訊，係與分類標籤模組104所儲存的至少一分類標籤形成關聯。D. 其中，前述的採購決策參數可包含一採購數量趨勢、一庫存預警資訊、一商品進貨價格趨勢趨勢、一採購費用趨勢、一結報資訊、一販售數量趨勢、一購物車記錄資訊及前述的潛在喜好分類。

請參閱「第2圖」，其為本發明之系統資訊流示意圖，並請搭配參閱「第3圖」之系統實施流程圖，本發明揭露一種消費推薦資訊與採購決策的優化系統的實施方法，包括以下步驟：(1) 設定分類標籤 ( 步驟 S1) ： 一分類標籤模組104受一中央處理模組101驅動後，設定多筆商品資訊所關聯的一或多個分類標籤，並儲存至一商品資料庫103；(2) 於電子商務平台呈現可供選取的分類標籤 ( 步驟 S2) ： 中央處理模組101可透過通訊模組102，連結至一電子商務平台，並於電子商務平台的一前端介面呈現可供選取的多個分類標籤(T1~T6)，其中，電子商務平台本身可運行於一網頁伺服器(Web Server)；(3) 分析標籤選取指令 ( 步驟 S3) ： 分類標籤模組104以一通訊裝置20選取其中一分類標籤T1而產生的一標籤選取指令，作為讀取商品資料庫103的索引，從尚未被選取的其它分類標籤(T2~T6)，提取出與標籤選取指令具有關聯關係的其它分類標籤(T2、T4、T5)，以限制通訊裝置20僅能進一步從被提取的其它分類標籤(T2、T4、T5)進行選取；更具體而言，分類標籤模組104判斷前述各分類標籤(T1~T6)彼此之間是否有關聯的依據在於，依據步驟S1對各商品資訊所設定的分類標籤，確認被選取的分類標籤T1所關聯的商品資訊(商品A)，其於步驟S1中，是否有被設定關聯於其它的分類標籤(T2、T4、T5)，即如「第4圖」之分類標籤關聯示意圖所示，若有，即不允許通訊裝置20於前端介面選取無關的分類標籤(T3、T6)；(4) 擷取操作歷程 ( 步驟 S4) ： 中央處理模組101驅動一資訊擷取模組105，以對通訊裝置20於完成消費前，於步驟S3中，對一或多個分類標籤(T1~T6)進行選取而發送的一或多個分類標籤指令進行擷取、及產生一操作歷程資訊，並儲存至一操作歷程資料庫106；(5) 執行潛在偏好分析 ( 步驟 S5) ： 中央處理模組101驅動一推薦模組107，以依據前述的操作歷程資訊執行一潛在偏好分析，並對通訊裝置20運算出一消費推薦資訊，同時依據潛在偏好分析的結果、及商品資料庫103所儲存的一採購決策參數，生成一採購決策建議。

請參閱「第5圖」，其為本發明之使用歷程資料庫之資料表示意圖，並請搭配參閱「第2圖」與「第4圖」，如「第5圖」所示，本發明之操作歷程資料庫106所儲存的操作歷程資訊，可包含通訊裝置20因選取各分類標籤(T1~T6)，而產生的一選取優先順序、一選取次數、一選取次數百分比、一瀏覽時間，依此，系統可依據操作歷程資料庫106的至少一資料表T，判斷消費者(會員或訪客皆可)的潛在行為偏好，例如使用者若先選取「派對」、再選取「長版上衣」的分類標籤，但歷程資料庫106卻未記錄到使用者有瀏覽任何商品、未加入任何商品到購物車、未發生直接購買行為時，則可能代表對應於「派對」與「長版上衣」的商品已全部缺貨、或並未販售符合使用者所想要選購的尺寸/規格，同時，亦可搭配商品資料庫103所儲存的一轉單率資訊或一庫存量資訊，瞭解採購端的採購量是否不足。

承上，請繼續參閱「第6圖」，其為本發明之另一實施例(一)之分類標籤關聯示意圖，本實施例與「第1圖」~「第5圖」所揭之技術類同，主要差異在於，分類標籤模組104所儲存的多筆分類標籤(T1~T6)，可區分為多個主分類標籤(M1~M3…)及多個子分類標籤(T1’~T6’)，且各子分類標籤(T1’~T6’)至少隸屬於其中一個主分類標籤(M1~M3…)，更具體而言，本實施例於執行如「第3圖」所示的步驟S3時，分類標籤模組104係以通訊裝置20選取其中一子分類標籤T1’而產生的一標籤選取指令，從尚未被選取的其它子分類標籤(T2’~T6’)，提取出與標籤選取指令具有關聯關係的其它子分類標籤(T2’、T4’、T5’)，以限制通訊裝置20僅能進一步從被提取的其它子分類標籤(T2’、T4’、T5’)進行選取，而本實施例的分類標籤模組104在判斷各子分類標籤(T1’~T6’)彼此之間是否有關聯的依據，則與步驟S3的判斷方式類同，於此不再贅述；藉此，本實施例據以實施後，資訊擷取模組105於執行步驟S4時，更可擷取一或多個子分類標籤(T1’、T2’、T4’、T5’)所隸屬的主分類標籤(M1、M3)，以助於推薦模組107於執行步驟S5時，可將對應於主分類標籤(M1、M3)的名稱與使用次數納入執行潛在偏好分析的運算依據。

請參閱「第7圖」，其為本發明之另一實施例(二)之系統架構圖，並請搭配參閱「第8圖」之另一實施例(二)之系統實施流程圖，本實施例與「第1圖」~「第5圖」所揭實施例之技術類同，主要差異在於，通訊模組102亦可與一廣告伺服器30進行通訊，且步驟S5執行完畢後，可接續執行以下步驟：(2) 建立動態廣告參數 ( 步驟 S6) ： 通訊模組102與廣告伺服器30建立通訊後，於廣告伺服器30建立並儲存對應商品資訊的一商家端編號、一商品目錄、一或多個商品識別碼、一商品連結網址、一商品圖像、一或多個商品分類標籤及一目標受眾參數，並建立基於多個通訊裝置20的操作歷程資訊的一目標受眾分群。A. 前述的目標受眾分群，係指依據資訊擷取模組105收集而得的操作歷程資訊，由推薦模組107計算消費者彼此之間的一受眾相似度，並將受眾相似度近似的使用者群體，歸類於同一種目標受眾分群；另，廣告伺服器30亦可基於多個通訊裝置20於一社群平台或一內容聚合平台的一應用程式行為，計算前述的目標受眾分群，更可透過讀取消費推薦資訊與採購決策的優化系統10的一會員資料庫108，將社群平台或內容聚合平台的會員資訊，與會員資料庫108所儲存的電子郵件、電話號碼、串接平台會員編號進行配對，以於步驟S7執行時，達成個人化廣告的更精準投放。B. 前述的目標受眾參數可包含：已查看商品、已加入購物車、未完成購買、加入或排除曾購買特定產品組合的使用者、曾經回訪電子商務平台、加入或排除曾瀏覽特定網站的網址關鍵字、一特定時間區間、十大熱賣商品、即期品、零碼、清倉折扣等參數。C. 更具體而言，目標受眾參數可被設定為「過去30天內曾造訪電子商務平台」、「已加入購物車但未完成購買」、「已查看特定商品但並未加入購物車」等，但均不以此為限。D. 前述的廣告伺服器30可為運行一社群平台(例如Facebook)、或一內容聚合平台(例如Google Ads、Yahoo Gemini、或Bing Ads)的廣告伺服器，但均不以此為限。E. 本步驟的資訊擷取模組105須內嵌附帶有一自訂參數的一事件追蹤程式碼(Event Tracking Code)，以於完成操作歷程資訊的收集後，讓廣告伺服器30可直接接收關聯於事件追蹤程式碼的操作歷程資訊，若以廣告伺服器30為Facebook平台的廣告伺服器為例，則前述的事件追蹤程式碼可為適配於Facebook平台所支援的一Facebook Pixel的一基底程式碼(Facebook Pixel Code)，事件追蹤程式碼須嵌入至一或多個要追蹤的網站頁面(商品連結網址)的網站程式碼中，但均不以此為限。F. 本實施例於較佳情況下，本步驟的資訊擷取模組105更可內嵌一全域網站程式碼(global site tag)，以追蹤使用者造訪電子商務平台後，所瀏覽網頁的網址與標題，讓廣告伺服器30更可運用此些資訊，建立前述的目標受眾分群。(3) 於第三方平台投放個人化廣告 ( 步驟 S7) ： 廣告伺服器30依據目標受眾參數，對瀏覽一電子商務平台、一社群平台或一內容聚合平台，且歸類於目標受眾分群的通訊裝置20，於一第三方平台(例如社群平台或內容聚合平台)投放符合消費推薦資訊的一個人化廣告，並且，針對有瀏覽電子商務平台或社群平台或內容聚合平台的通訊裝置20，資訊擷取模組105亦可追蹤通訊裝置20透過社群平台、或內容聚合平台而造訪電子商務平台而產生的一轉換事件，且轉換事件與至少一分類標籤(T1~T6)形成關聯。(4) 其中，前述的轉換事件，可指通訊裝置20透過投放於第三方平台之個人化廣告的導引，造訪電子商務平台的事件、或造訪電子商務平台後完成購買的事件、或造訪電子商務平台後加入購物車的事件、或造訪電子商務平台後完成會員註冊的事件、或造訪電子商務平台後瀏覽特定商品連結的事件，但均不以此為限。

承上，本實施例據以實施後，可將個人化廣告投放到通訊裝置20所瀏覽的社群平台(例如Facebook的動態牆)或內容聚合平台(例如呈現於Google搜尋引擎或Google的合作夥伴平台)，以達到基於消費前的行為分析，達到再行銷廣告的目的，並可減輕習知的商家端僅能透過多次調整廣告素材或文案，而花費較高廣告投放成本的問題，而可提升轉換率(CVR)及降低消費者取得成本(CAC)。

請參閱「第9圖」，其為本發明之另一實施例(三)之系統架構圖，如圖，本實施例與「第1圖」~「第5圖」、或「第7圖」~「第8圖」所揭實施例之技術類同，主要差異在於，本實施例的消費推薦資訊與採購決策的優化系統10更可包括與中央處理模組101呈資訊連結的一消費歷史資料庫109，其儲存有已完成消費之多個通訊裝置20的一消費歷史資訊D5，依此，本實施例於「第3圖」或「第8圖」的步驟S3執行完畢後，資訊擷取模組105可先從消費歷史資料庫109擷取消費歷史資訊D5，以於執行步驟S5時，作為推薦模組107執行潛在偏好分析的運算依據，依此，本實施例可將使用者於消費前的操作行為、及完成消費之使用者的消費歷史，納入潛在偏好分析的考量。

綜上可知，本發明據以實施後，至少可達成協助消費者在電商平台上，更有效率地瀏覽出找出適合的商品資訊，而減少通訊裝置持續向伺服器發送查詢請求之數量的有益功效，更可瞭解消費者的實際或潛在需求，而為消費者提供符合其需求的消費推薦資訊，或可讓消費者透過投放於第三方平台的個人化廣告，導引至符合其需求之電商平台的商品頁面，同時，亦可達成優化採購決策的有益功效。

以上所述者，僅為本發明之較佳之實施例而已，並非用以限定本發明實施之範圍；任何熟習此技藝者，在不脫離本發明之精神與範圍下所作之均等變化與修飾，皆應涵蓋於本發明之專利範圍內。

綜上所述，本發明係具有「產業利用性」、「新穎性」與「進步性」等專利要件；申請人爰依專利法之規定，向　鈞局提起發明專利之申請。

10:消費推薦資訊與採購決策的優化系統 101:中央處理模組 102:通訊模組 103:商品資料庫 104:分類標籤模組 T1~T6:分類標籤 M1~M3:主分類標籤 T1’~T6’:子分類標籤 105:資訊擷取模組 106:操作歷程資料庫 T:資料表 107:推薦模組 108:會員資料庫 109:消費歷史資料庫 D5:消費歷史資訊 20:通訊裝置 30:廣告伺服器 D1:可供選取的分類標籤 D2:標籤選取指令 D3:與被選取標籤關聯的其它分類標籤 D4:基於消費前行為而生成的消費推薦資訊 D4’:納入消費歷史而生成的消費推薦資訊 S1:設定分類標籤 S2:於電子商務平台呈現可供選取的分類標籤 S3:分析標籤選取指令 S4:擷取操作歷程 S5:執行潛在偏好分析 S6:建立動態廣告參數 S7:於第三方平台投放個人化廣告

第1圖，為本發明之系統架構圖。 第2圖，為本發明之系統資訊流示意圖。 第3圖，為本發明之系統實施流程圖。 第4圖，為本發明之分類標籤關聯示意圖。 第5圖，為本發明之使用歷程資料庫之資料表示意圖。 第6圖，為本發明之另一實施例(一)之分類標籤關聯示意圖。 第7圖，為本發明之另一實施例(二)之系統架構圖。 第8圖，為本發明之另一實施例(二)之系統實施流程圖。 第9圖，為本發明之另一實施例(三)之系統架構與資訊流示意圖。

10:消費推薦資訊與採購決策的優化系統

101:中央處理模組

102:通訊模組

103:商品資料庫

104:分類標籤模組

105:資訊擷取模組

106:操作歷程資料庫

107:推薦模組

20:通訊裝置

D1:可供選取的分類標籤

D2:標籤選取指令

D3:與被選取標籤關聯的其它分類標籤

D4:基於消費前行為而生成的消費推薦資訊

Claims (5)

1. 一種消費推薦資訊與採購決策的優化系統，供以在不輸入搜尋關鍵字情況下，產生對應於一通訊裝置的一消費推薦資訊，系統包含：一中央處理模組，且一通訊模組、一商品資料庫、一分類標籤模組、一資訊擷取模組、一操作歷程資料庫及一推薦模組分別與該中央處理模組呈資訊連結；該通訊模組係連結至一電子商務平台，且該通訊模組用於與該通訊裝置進行通訊；該商品資料庫儲存有多筆商品資訊，各該商品資訊分別被設定關聯於一主分類標籤及一或多個子分類標籤，且該主分類標籤及該一或多個子分類標籤係呈現於該電子商務平台的一前端介面，以供該通訊裝置選取；該分類標籤模組供以儲存多筆該分類標籤，該分類標籤係區分為多個該主分類標籤及多個該子分類標籤，亦供以依據該通訊裝置於該前端介面選取其中一該分類標籤而發送的一標籤選取指令，從尚未被選取的其它該分類標籤中，提取出與該標籤選取指令具有關聯關係的其它該分類標籤，及與其他該分類標籤關聯的其他該主分類標籤及該子分類標籤，以限制該通訊裝置僅能進一步從被提取的其他該主分類標籤及其它該子分類標籤於該前端介面進行選取，且該標籤選取指令作為該商品資料庫被讀取該分類標籤的索引；該資訊擷取模組供以擷取該通訊裝置於完成消費前，於該前端介面對一或多個該分類標籤進行選取而發送的一或多個該標籤選取指令、及產生一操作歷程資訊，並儲存至該操作歷程資料庫，且該操作歷程資訊為該通訊裝置對各 該分類標籤的一選取優先順序、一選取次數、一選取次數百分比、一瀏覽時間之其中一種或其組合；以及該推薦模組供以依據該操作歷程資訊執行一潛在偏好分析，以對該通訊裝置運算出該消費推薦資訊，同時依據該潛在偏好分析的結果、及該商品資料庫所儲存的一採購決策參數，生成一採購決策建議；其中該通訊模組亦供以與一廣告伺服器進行通訊，該廣告伺服器供以建立對應該商品資訊的一目標受眾參數，並建立基於多個該通訊裝置的該操作歷程資訊而生成的一目標受眾分群，該廣告伺服器亦供以依據該目標受眾參數，對歸類於該目標受眾分群的該通訊裝置，投放符合該消費推薦資訊的一個人化廣告，該資訊擷取模組亦追蹤該通訊裝置透過一第三方平台之該個人化廣告的導引，造訪該電子商務平台而產生的一轉換事件，且該轉換事件與至少一該分類標籤形成關聯。
2. 如申請專利範圍第1項的消費推薦資訊與採購決策的優化系統，其中，該分類標籤模組所儲存的多筆該分類標籤，係區分為多個該主分類標籤及該多個子分類標籤，該操作歷程資訊為該資訊擷取模組依據被選取的該多個子分類標籤而產生，且該資訊擷取模組亦擷取被選取之該多個子分類標籤所隸屬的該主分類標籤，以使該主分類標籤的名稱與使用次數，納入該潛在偏好分析的運算依據，且該操作歷程資訊更包含該商品資訊的一瀏覽次數。
3. 一種消費推薦資訊與採購決策的優化系統的實施方法，供以在不輸入搜尋關鍵字情況下，產生對應於一通訊裝置的一消費推薦資訊，包含：一設定分類標籤步驟：一分類標籤模組受一中央處理模組驅動後，設定多筆商品資訊所關聯的一主分類標籤及一或多個子分類標籤，並儲存至一商品資料庫；一於電子商務平台呈現可供選取的分類標籤步驟：該中央處理模組透過一通訊模組連結至一電子商務平台，並於該電子商務平台的一前端介面呈現可供選取的該主分類標籤及該一或多個子分類標籤；一分析標籤選取指令步驟：該分類標籤模組以一通訊裝置於該前端介面選取其中一該主分類標籤及該子分類標籤而產生的一標籤選取指令，作為讀取該商品資料庫的索引，從尚未被選取的其它該主分類標籤及該子分類標籤中，提取出與該標籤選取指令具有關聯關係的該其他主分類標籤及其它該子分類標籤，以限制該通訊裝置僅能進一步從被提取的其它該主分類標籤及其它該子分類標籤於該前端介面進行選取；一擷取操作歷程步驟：該中央處理模組驅動一資訊擷取模組，以對該通訊裝置於完成消費前，於該分析標籤選取指令步驟中，對一或多個該主分類標籤及該子分類標籤於該前端介面進行選取而發送的一或多個該標籤選取指令進行擷取、及產生一操作歷程資訊，並儲存至該操作歷程資料庫，且該操作歷程資訊為該通訊裝置對各該主分類標籤及該子分類標籤的一選取優先順序、一選取次數、一選取次數百分比、一瀏覽時間之其中一種或其組合； 一執行潛在偏好分析步驟：該中央處理模組驅動一推薦模組，以依據該操作歷程資訊執行一潛在偏好分析，並對該通訊裝置運算出一消費推薦資訊，同時依據該潛在偏好分析的結果、及該商品資料庫所儲存的一採購決策參數，生成一採購決策建議；一建立動態廣告參數步驟：該通訊模組與一廣告伺服器建立通訊後，於該廣告伺服器至少建立對應該商品資訊的一目標受眾參數，並建立基於多個該通訊裝置的該操作歷程資訊而生成的一目標受眾分群；以及一投放個人化廣告步驟：該廣告伺服器依據該目標受眾參數，對歸類於該目標受眾分群的該通訊裝置，投放符合該消費推薦資訊的一個人化廣告，且該資訊擷取模組亦追蹤該通訊裝置透過一第三方平台之該個人化廣告的導引，造訪該電子商務平台而產生的一轉換事件，且該轉換事件與至少一該主分類標籤及該子分類標籤形成關聯。
4. 如申請專利範圍第3項的消費推薦資訊與採購決策的優化系統的實施方法，其中，該分類標籤模組所儲存的多筆該分類標籤，係區分為該多個主分類標籤及該多個子分類標籤，該操作歷程資訊為該資訊擷取模組依據被選取的該多個子分類標籤而產生，且該擷取操作歷程步驟執行時，該資訊擷取模組亦擷取被選取之該多個子分類標籤所隸屬的該主分類標籤，以使該主分類標籤的名稱與使用次數，納入該潛在偏好分析的運算依據，且該操作歷程資訊更包含該商品資訊的一瀏覽次數。
5. 如申請專利範圍第3項的消費推薦資訊與採購決策的優化系統的實施方法，其中，該分析標籤選取指令步驟執行完畢後，該資訊擷取模組先從一消費歷史資料庫擷取已完成消費之多個該通訊裝置的一消費歷史資訊，以於該執行潛在偏好分析步驟被執行時，作為該推薦模組生成該消費推薦資訊與該採購決策建議的運算依據。

Images