TWI832030B - 基於大數據之購屋需求的辨識裝置 - Google Patents
基於大數據之購屋需求的辨識裝置 Download PDFInfo
- Publication number
- TWI832030B TWI832030B TW110100806A TW110100806A TWI832030B TW I832030 B TWI832030 B TW I832030B TW 110100806 A TW110100806 A TW 110100806A TW 110100806 A TW110100806 A TW 110100806A TW I832030 B TWI832030 B TW I832030B
- Authority
- TW
- Taiwan
- Prior art keywords
- customer
- purchase
- house
- database
- search condition
- Prior art date
Links
- 238000013480 data collection Methods 0.000 claims abstract description 12
- 230000005540 biological transmission Effects 0.000 claims abstract description 9
- 230000000694 effects Effects 0.000 description 21
- 230000002452 interceptive effect Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 239000000470 constituent Substances 0.000 description 6
- 101100244345 Dunaliella acidophila DHA1 gene Proteins 0.000 description 2
- 230000002730 additional effect Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 102220093024 rs876657780 Human genes 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000000034 method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一種基於大數據之購屋需求的辨識裝置包含物件資料庫、客戶資料庫、資料收集模組、處理模組、傳送模組。處理模組基於該客戶代碼所發出的該第一搜尋條件中複數個組成特徵,計算出該客戶類型與客戶購屋能力層級,而提供客戶購屋需求名單,並透過傳送模組傳送給客戶端裝置。
Description
本揭露是關於一顯示處理裝置,且特別是關於一基於大數據之購屋需求的辨識裝置。
根據購屋意向調查顯示民眾在意於住家周邊的便利性。欲購屋者會考量的物件需求包含:鄰近生活消費商圈、鄰近公園綠地、鄰近捷運/高鐵/車站等。具有良好物件的房屋物件能夠增加住屋者的生活便利性。
現今,網路普及,因此民眾習慣於上網搜尋所欲的資訊。對於房地產物件的供給,有些房地產物件提供者會在網站上呈現物件的照片、格局與房屋資訊。有些房地產物件提供者會利用地圖呈現該物件之周邊的學區、醫院等物件。
為了提升用戶在使用購屋網站時的便利性,大多數購屋網站會提供用戶收藏夾的功能,用戶在流覽和尋找房屋物件的過程中,通過在物件顯示頁面點擊「收藏」按鈕或類似功能按鈕來進行收藏操作,即可將自己喜歡的物件添加到自己的收藏夾中。此後,用戶可以利用自己的收藏夾,對其喜歡或感興趣的物件進行日常查閱、追蹤、比較或購買。
然而,在很多情況下,使用者只能先以大範
圍的搜尋出具有一定數量的物件,然後逐一看是否符合自己的需求,並納入收藏夾之中,但這樣查找物件的效率仍然過低,將會耗費許多時間與精神才找到具有同性質的物件(例如同樣都在台北市,都具有近醫院、近公園等等條件)。
為了解決這些問題,進而衍生出各式各樣的物件推薦的機制,但在這些機制中往往缺乏對於購屋者的清楚的歸納、分類,使得經紀人獲得客戶名單時,往往還得逐一經過電訪、親自拜訪,然後才能開始對所接觸的客戶有初步的認識與歸納、分類,才能知道該如何服務不同類型的客戶。
為了解決物件太多,不知道從何挑選,本創作揭露的一目的在於提供一基於大數據之購屋需求的辨識裝置。一種基於大數據之購屋需求的辨識裝置包含物件資料庫、客戶資料庫、資料收集模組、處理模組、傳送模組。處理模組基於該客戶代碼所發出的該第一搜尋條件中複數個組成特徵,計算出該客戶類型與客戶購屋能力層級,而提供客戶購屋需求名單,並透過傳送模組傳送給客戶端裝置。
10:物件展示系統
111、112、113、114:物件
111A、112A、113A、114A:實際距離
111P、112P、113P、114P:組成特徵
121:額外物件
121A:實際距離
121P:額外組成特徵
131:推薦物件
131A:實際距離
131P:推薦組成特徵
15:客戶代碼
15P:客戶經常所在位置
20:顯示系統
21:資料處理裝置
211:物件資料庫
212:處理模組
2121:搜尋組件
2122:地圖產生器組件
2123:推薦組件
213:資料收集模組
22:客戶端裝置
221:顯示螢幕
26:客戶資料庫
28:基於大數據之購屋需求的辨識裝置
31:傳送模組
91:使用者
D111、D112、D113、D114:物件標籤
D111A、D112A、D113A、D114A:活動範圍資料單元
D111A1、D112A1、D113A1、D114A1:屬性詞語
D111A2、D112A2、D113A2、D114A2:數量字串
D111A3、D112A3、D113A3、D114A3:互動內容詞語
D111H、D112H、D113H、D114H:標籤類別指示符
D111P、D112P、D113P、D114P:位置資訊
D121:額外物件標籤
D121A:額外活動範圍資料單元
D121A1:額外屬性詞語
D121A2:額外數量字串
D121A3:額外互動內容詞語
D121H:額外物件類別指示符
D121P:額外位置資訊
D131:推薦物件標籤
D131A:實際距離資料單元
D131A1:推薦屬性詞語
D131A2:推薦數量字串
D131A3:推薦互動內容詞語
D131H:推薦標籤類別指示符
D131P:推薦位置資訊
D15:房地產資料單元
D15H:房地產類別指示符
D15P:房地產位置資訊
D1A:活動範圍資料單元
D5:地理資訊
D51:圖符資料
D52:地圖資料區塊
D53:第二地圖資料區塊
D54:第三地圖資料區塊
D55:第四地圖資料區塊
D61:物件屬性圖像資料區塊
D62:物件屬性圖像資料區塊
DA1:第一物件標籤
DHA1、DHA2:物件類別指示符
DL1:活動範圍值
H111、H112、H113、H114:標籤類別
HA1、HA2:物件類別
HB1:額外物件類別
HC1:推薦物件類別
HD1:房地產類別
K111、K112、K113、K114:圖符
KA2:第二圖符
L1:活動範圍半徑
M111P、M112P、M113P、M114P:標示位置
M2:第二地圖
M3:第三地圖
M4:第四地圖
M5:第五地圖
MA1:第一標示位置
MA2:第二標示位置
R1:活動範圍
S11:第一搜尋條件
S12:第二搜尋條件
S13:第三搜尋條件
S14:第四搜尋條件
U1:畫面
本揭露得藉由下列圖式之詳細說明,俾得更深入之瞭解:
第1圖:在本揭露各式各樣實施例中一顯示系統的示
意圖。
第2圖:在本揭露各式各樣實施例中一物件展示系統的示意圖。
第3圖:在第1圖中一物件資料庫的結構示意圖。
第4圖:在本揭露各式各樣實施例中一地圖的示意圖。
第5圖顯示本創作所提依據標籤類別的推薦裝置的具體實施例的分類示意圖。
請參閱第1圖、第2圖和第3圖。第1圖為在本揭露各式各樣實施例中一顯示系統20的示意圖。第2圖為在本揭露各式各樣實施例中一物件展示系統10的示意圖。第3圖為在第1圖中一客戶資料庫26中物件資料庫的結構示意圖。如第1圖所示,該顯示系統20包含一資料處理裝置21、該物件資料庫211、客戶資料庫26及耦合於該資料處理裝置21的一客戶端裝置22。該資料處理裝置21包含一物件資料庫211、處理模組212、及耦合於該處理模組212的一資料收集模組213。該客戶端裝置22包含一顯示螢幕221。例如,該資料收集模組213和該客戶端裝置22之間具有一傳送模組31,且該傳送模組31耦合於其間。
如第2圖所示,該物件展示系統10包含複數個物件111、112、113與114。例如,該物件展示系統10可能更包含至少一額外物件121、一推薦物件131和一客戶代碼15。客戶代碼15和該複數個物件111、112、113、114之間分別具有複數個互動關係111A、112A、113A與114A。
該複數個物件111、112、113、114分別具有複數個組成特徵111P、112P、113P與114P。該額外物件121具有一額外所在位置121A和一額外組成特徵121P。該推薦物件131具有一所在位置131A和一推薦組成特徵131P。該客戶代碼15具有一房地產客戶經常所在位置15P。該處理模組212計算出落在所發出的該第一搜尋條件之內的該複數個物件與該客戶經常所在位置之間的一實際距離。
該複數個物件111、112、113與114分別屬於複數個標籤類別H111、H112、H113與H114,該複數個標籤類別H111、H112、H113與H114的每一類別是複數個物件類別HA1與HA2的其中之一。該額外物件121屬於一額外物件類別HB1,該額外物件類別HB1不同於該複數個物件類別HA1與HA2的任何一個。該推薦物件121屬於一推薦物件類別HC1。
例如,該複數個物件類別HA1與HA2分別是醫院類別與商店類別,且該額外物件類別HB1是餐廳類別。例如,二個物件112與113分別屬於該醫院類別與該商店類別,如此該客戶代碼15的房地產客戶經常所在位置15P與該物件112的該實際距離112A、與該物件113的該實際距離113A分別是10公尺與100公尺。
客戶資料庫26中的客戶資料庫,該客戶資料庫用以儲存複數筆客戶資料,每筆客戶資料主要包含客戶代碼、客戶類型、客戶購屋能力層級、客戶經常所在位置以及第一搜尋條件S11或第二搜尋條件S12,其中,該客
戶類型至少區分成首購、換屋、置產。其中該第一搜尋條件S11包含該客戶代碼、以及該客戶代碼的複數個組成特徵,而該組成特徵主要是由這其中,該組成特徵包括選自由該房地產物件的簡稱、價格、社區名、地址、樓層、建物登記面積、土地登記面積、每單位面積單價、類型、格局、屋齡、車位、座向、電梯、管理費、格局圖、生活機能。複數個組成特徵中每個組成特徵具有一優先性,具有越高的優先性就越會優先比較高度重疊性,而影響到客戶購屋需求名單中所呈現的結果。
該資料收集模組213在不同時間接收該第一搜尋條件S11和該第二搜尋條件S12,並在不同時間將該第二地圖資料區塊D53和該第三地圖資料區塊D54往該客戶端裝置22傳輸,以便該客戶端裝置22在不同時間在該顯示螢幕221上顯示該第二地圖M2和該第三地圖M3,並將該第一搜尋條件S11和該第二搜尋條件S12儲存至該客戶資料庫。例如,該資料收集模組213經由該傳送模組31耦合於該客戶端裝置22。
在一些實施例中,使用者91曾經針對物件111與114發出過搜尋記錄(即第一搜尋條件),同時使用者91曾經路過物件112與113附近的特殊裝置,而可以發現使用者91所使用的裝置的存在(即第二搜尋條件),並透過上述這幾個地理位置,可以在地圖上圍繞出活動範圍R1。換言之,如果將來使用者91提出購屋需求時,他興趣的物件落在活動範圍R1之中,系統便會註記該使用者91為在
地客。只是,系統可以有彈性的向外擴張活動範圍R1所涵蓋到的範圍,讓在地客判斷更準確一點,因為有可能只是剛好使用者91在系統所留下的習慣軌跡資訊不夠多,導致系統誤判。相對地,使用者91興趣的物件落沒友在活動範圍R1之中,系統便會註記該使用者91為非在地客。
只是,有時候該使用者91只是偶而為之,跑到他不是經常活動的區域,對此該處理模組212先剔除該客戶代碼所發出的該第一搜尋條件S11中複數個組成特徵或該第二搜尋條件S12中的該第二地理位置之中超過預定偏離值,才計算出該客戶代碼相對的活動範圍。相對地,如果數據量太少時,也有可能會讓系統誤判,而需要設立門檻值,因此該處理模組212先確認該客戶代碼所發出的該第一搜尋條件S11中複數個組成特徵或該第二搜尋條件S12中的該第二地理位置超過預定數量,才計算出該客戶代碼相對的活動範圍。
除此之外,處理模組212在電子地圖上可以展示出使用者91曾經有互動過的物件的相關資訊,並透過傳送模組31將該活動範圍、以及該第二地圖傳送給該客戶端裝置22。具體來說,處理模組212還會篩選出落在所發出的該第一搜尋條件之內的該複數個物件,進而產生代表一第二地圖的該第二地圖資料區塊,其中該第二地圖是在該地圖上的該複數個標示位置分別呈現複數個圖符的地圖,且該複數個圖符分別標示該複數個物件。
在第1圖中,該資料收集模組213接收來自
一使用者91的一第一搜尋條件S11或一第二搜尋條件S12。該第一搜尋條件S11包含該客戶代碼、以及該客戶代碼的複數個組成特徵,而該組成特徵主要是針對該物件111、112、113與114所發出該組成特徵主要是針對該物件所發出。
處理模組212基於每個客戶代碼所發出的該第一搜尋條件中複數個組成特徵,歸納出相對的該物件標籤,並依據客戶類型歸納原則將每個客戶代碼歸類成相對的該客戶類型,並依據客戶購屋能力層級原則將複數個客戶代碼的複數個組成特徵中關於該購屋預算區間推估成該客戶購屋能力層級,以更新該客戶資料庫,同時還計算出客戶購屋需求名單。
該客戶購屋需求名單是由複數個客戶代碼對應於該客戶類型、該客戶購屋能力層級,該客戶類型歸納原則是由複數個物件標籤以及複數個組成特徵所定義出的首購、換屋、置產的該客戶類型,該客戶購屋能力層級原則是相關於購屋預算區間而區分成複數個層級,例如小康、富裕等等。
換言之,本發明辨識裝置透過分析、歸納第一搜尋條件中複數個組成特徵而產生對於該客戶代碼相對的需求進行判斷,並且將所謂的購屋需求歸納成客戶類型、客戶購屋能力層級,同時還可以再考慮該客戶代碼的房地產客戶經常所在位置與該物件的該實際距離,以剔除不屬於該客戶有興趣的物件,避免混淆了複數個組成特徵,避免進而影響到客戶類型、客戶購屋能力層級的辨識。如此
一來,經紀人獲得客戶名單時,就不再需要逐一經過電訪、親自拜訪,就能開始對所接觸的客戶有初步的認識與歸納、分類,更能知道該如何服務不同類型的客戶。
處理模組212基於該客戶代碼所發出的該第一搜尋條件中複數個組成特徵,計算出客戶購屋需求名單。更具體來說,處理模組依據如第5圖所示之標籤類別與對應主題對照表計算出該客戶購屋需求名單。
為了實現這個目的,系統需要先建立物件資料庫,而該物件資料庫中每個物件資料均具有物件索引碼、以及該物件索引碼所屬的複數個組成特徵。
物件資料庫211儲存複數標籤類別資料,每個標籤類別資料均具有物件索引碼、以及該物件;索引碼所屬的複數個組成特徵,而每個組成特徵主要是以單一組成特徵或是多個組成特徵所定義。舉例來說,組成特徵為三代同堂,相對的組成特徵則為換大房(3房以上以及30坪以上),其餘的對應關係則例如第5圖所示。
處理模組212會利用一個權重計算公式,而針對該客戶代碼所發出的該第一搜尋條件中複數個組成特徵,而獲得主要影響物件以及其相對的標籤類別,再依據該標籤類別的該組成特徵中以單一組成特徵或是多個組成特徵所定義的內容,找出條件互相符合之複數不動產資訊,而產生包含特定數量的複數不動產資訊之客戶購屋需求名單。舉例來說,如果主要影響標籤類別為三代同堂(例如適合三代人一起去的物件,例如IKEA傢俱店),處理模組212
則以組成特徵3房以上以及30坪以上在物件資料庫101做搜尋。如此,使用者只需簡單的選擇特定物件,即可讓系統搜尋出相對的物件,以供挑選。
為了收集更多有關於使用者91活動資訊,系統亦可以在特定的實體位置中放置特殊裝置,而可以發現使用者91所使用的裝置的存在,例如一但偵測到手機WIFI訊號即進行記錄,也就是說,使用者91也有可能在被動的狀態下發出第二搜尋條件S12。該第二搜尋條件S12指示客戶代碼、以及該客戶代碼的一第二地理位置(也就是上述特殊裝置所在位置)。
在一些實施例中,該物件展示系統10更包含一活動範圍R1。該活動範圍R1以該客戶代碼15為中心,並具有以該客戶代碼15為中心算起的一活動範圍半徑L1。該活動範圍半徑L1指示相關於該客戶代碼15的該活動範圍R1。
此外,該客戶代碼15與該複數個物件111、112、113與114之間的一實際距離L,也可以依據街道巷弄的距離資訊,所加總出的步行距離來表示。
如第1圖和第3圖所示,該客戶資料庫26中的物件資料庫包含地理資訊D5、及分別表示該複數個物件111、112、113與114的複數個物件標籤D111、D112、D113與D114,可能更包含表示該至少一額外物件121的至少一額外物件標籤D121,可能更包含表示該推薦物件131的一推薦物件標籤D131,並可能更包含表示該客戶代碼15
的一房地產資料單元D15。
在第3圖中,該複數個物件標籤D111、D112、D113與D114分別包含代表該組成特徵111P、112P、113P與114P的第一複數個位置資訊D111P、D112P、D113P與D114P、分別指示該複數個標籤類別H111、H112、H113與H114的複數個標籤類別指示符D111H、D112H、D113H與D114H、和分別表示該複數個互動關係111A、112A、113A與114A的複數個活動範圍資料單元D111A、D112A、D113A與D114A。
該額外物件標籤D121包含代表該額外組成特徵121P的一額外位置資訊D121P、指示該額外物件類別HB1的一額外物件類別指示符D121H、和表示該額外所在位置121A的一額外活動範圍資料單元D121A。該推薦物件標籤D131包含代表該推薦組成特徵131P的一推薦位置資訊D131P、指示該推薦物件類別HC1的一推薦標籤類別指示符D131H、和表示該所在位置131A的一實際距離資料單元D131A。該房地產資料單元D15包含代表該房地產客戶經常所在位置15P的一房地產位置資訊D15P、和指示該房地產類別HD1的一房地產類別指示符D15H。
如第2圖和第3圖所示,在第2圖中的該複數個互動關係111A、112A、113A與114A分別由複數個屬性詞語D111A1、D112A1、D113A1與D114A1所表示,並分別以形成與該複數個互動關係111A、112A、113A與114A分別對應的複數個數量、和分別對應於該複數個互動關係
111A、112A、113A與114A的複數個互動內容。
請參考第4圖,該第二搜尋條件S12指示選定在該複數個圖符K111、K112、K113與K114中的一第二圖符KA2(比如圖符K112),該第二圖符KA2位於該第二地圖M2中的一第一標示位置MA1(比如標示位置M112P),並對應於在該複數個物件標籤D111、D112、D113與D114中的一第一物件標籤DA1(比如物件標籤D112),且該第二地圖M2具有對應於該第一標示位置MA1的一第二標示位置MA2。
系統可以基於使用者的選擇,而選擇性顯示使用者91與物件之間的相關資訊。請參考第1圖、第3圖、第4圖,客戶端裝置22由該使用者91所操作以在一第一時間和在該第一時間之後的一第二時間分別產生互動操作,並在不同時間將該互動操作往該資料處理裝置21傳輸。例如,該資料處理裝置21可計算出落該複數個物件與該客戶經常所在位置之間的一實際距離。藉由接收該使用者91的一使用者輸入,當被顯示在該顯示螢幕221上的該第二圖符KA2被選擇時,將該第一物件標籤DA1中的實際距離被呈現在該第二圖符KA2的附近。
提出於此之本揭露多數變形例與其他實施例,將對於熟習本項技藝者理解到具有呈現於上述說明與相關圖式之教導的益處。因此,吾人應理解到本揭露並非受限於所揭露之特定實施例,而變形例與其他實施例意圖是包含在以下的申請專利範圍之範疇之內。
20:顯示系統
21:資料處理裝置
211:物件資料庫
212:處理模組
2121:搜尋組件
2122:地圖產生器組件
2123:推薦組件
213:資料收集模組
22:客戶端裝置
221:顯示螢幕
26:客戶資料庫
28:基於大數據之購屋需求的辨識裝置
31:傳送模組
91:使用者
D111、D112、D113、D114:物件標籤
D121:額外物件標籤
D131:推薦物件標籤
D15:房地產資料單元
D1A:活動範圍資料單元
D5:地理資訊
D53:第二地圖資料區塊
D54:第三地圖資料區塊
D55:第四地圖資料區塊
D61:物件屬性圖像資料區塊
D62:物件屬性圖像資料區塊
DA1:第一物件標籤
DHA1、DHA2:物件類別指示符
DL1:活動範圍值
M2:第二地圖
M3:第三地圖
M4:第四地圖
M5:第五地圖
S11:第一搜尋條件
S12:第二搜尋條件
S13:第三搜尋條件
S14:第四搜尋條件
U1:畫面
Claims (4)
- 一種基於大數據之購屋需求的辨識裝置,包含:一物件資料庫,該物件資料庫包含一地理資訊、和分別表示複數個物件的複數個物件標籤,該複數個物件均具有一組成特徵,該複數個物件分別屬於複數個標籤類別中之一;一客戶資料庫,該客戶資料庫用以儲存複數筆客戶資料,每筆客戶資料主要包含一客戶代碼、一客戶類型、一客戶購屋能力層級以及一第一搜尋條件,其中該客戶類型至少區分成首購、換屋、置產,該第一搜尋條件包含該客戶代碼、以及相對該客戶代碼的複數個組成特徵,該組成特徵包括選自由該房地產物件的簡稱、價格、社區名、地址、樓層、建物登記面積、土地登記面積、每單位面積單價、類型、格局、屋齡、車位、座向、電梯、管理費、格局圖、生活機能;一資料收集模組,耦合該客戶資料庫,透過一通訊模組接收來自複數個客戶端裝置的該第一搜尋條件,並將該第一搜尋條件儲存至該客戶資料庫;一處理模組,耦合該資料收集模組、該物件資料庫、該客戶資料庫,基於每個客戶代碼所發出的該第一搜尋條件中複數個組成特徵,歸納出相對的該物件標籤,並依據一客戶類型歸納原則將每個客戶代碼歸類成相對的該客戶類型,並依據一客戶購屋能力層級原則將複數個客戶代碼的複數 個組成特徵中關於一購屋預算區間推估成該客戶購屋能力層級,以更新該客戶資料庫,同時還計算出一客戶購屋需求名單,其中該客戶購屋需求名單是由複數個客戶代碼對應於該客戶類型、該客戶購屋能力層級,該客戶類型歸納原則是由複數個物件標籤以及複數個組成特徵所定義出的首購、換屋、置產的該客戶類型,該客戶購屋能力層級原則是相關於該購屋預算區間而區分成複數個層級;以及一傳送模組,耦合該資料收集模組、該物件資料庫、該客戶資料庫,用以將該客戶購屋需求名單傳送給該客戶端裝置。
- 如請求項1所述的基於大數據之購屋需求的辨識裝置,其中該處理模組計算出落在所發出的該第一搜尋條件之內的該複數個物件與一客戶經常所在位置之間的一實際距離;其中,當被顯示在一顯示螢幕上的一第二圖符被選擇時,該實際距離被呈現在一第二圖符的附近。
- 如請求項2所述的基於大數據之購屋需求的辨識裝置,其中該處理模組先剔除該客戶代碼所發出的該第一搜尋條件中該複數個物件的所在位置之中超過一預定偏離值,才計算出該客戶代碼相對的該客戶類型、該客戶購屋能力層級。
- 如請求項3所述的基於大數據之購屋需求的辨識裝置,其中該處理模組先確認該客戶代碼所發出的該第一搜尋條件中該複數個物件超過一預定數量,才計算出該客戶類型、該客戶購屋能力層級。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110100806A TWI832030B (zh) | 2021-01-08 | 2021-01-08 | 基於大數據之購屋需求的辨識裝置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110100806A TWI832030B (zh) | 2021-01-08 | 2021-01-08 | 基於大數據之購屋需求的辨識裝置 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202228047A TW202228047A (zh) | 2022-07-16 |
TWI832030B true TWI832030B (zh) | 2024-02-11 |
Family
ID=83436914
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW110100806A TWI832030B (zh) | 2021-01-08 | 2021-01-08 | 基於大數據之購屋需求的辨識裝置 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI832030B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040002871A1 (en) * | 2002-06-27 | 2004-01-01 | Geranio Nicholas L. | Integrated property database and search engine |
CN1682230A (zh) * | 2002-09-20 | 2005-10-12 | 利得公司 | 不动产组合购买匹配系统 |
TWM533260U (en) * | 2016-07-01 | 2016-12-01 | Sinyi Realty Inc | Transmitting device capable of providing recommended object |
CN108960467A (zh) * | 2018-07-09 | 2018-12-07 | 重庆锐云科技有限公司 | 房地产信息管理与数据分析系统 |
CN109242523A (zh) * | 2018-07-06 | 2019-01-18 | 成都正合云智数据科技有限公司 | 一种专用于房产销售行业的购房人群画像方法及其实现装置 |
CN110990542A (zh) * | 2019-10-11 | 2020-04-10 | 北京华跃博弈科技有限公司 | 一种房产中介服务平台客户需求匹配系统 |
CN110990455A (zh) * | 2019-11-29 | 2020-04-10 | 杭州数梦工场科技有限公司 | 大数据识别房屋性质的方法与系统 |
TWM614593U (zh) * | 2021-01-08 | 2021-07-21 | 聚英企業管理顧問股份有限公司 | 基於大數據之購屋需求的辨識裝置 |
-
2021
- 2021-01-08 TW TW110100806A patent/TWI832030B/zh active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040002871A1 (en) * | 2002-06-27 | 2004-01-01 | Geranio Nicholas L. | Integrated property database and search engine |
CN1682230A (zh) * | 2002-09-20 | 2005-10-12 | 利得公司 | 不动产组合购买匹配系统 |
TWM533260U (en) * | 2016-07-01 | 2016-12-01 | Sinyi Realty Inc | Transmitting device capable of providing recommended object |
CN109242523A (zh) * | 2018-07-06 | 2019-01-18 | 成都正合云智数据科技有限公司 | 一种专用于房产销售行业的购房人群画像方法及其实现装置 |
CN108960467A (zh) * | 2018-07-09 | 2018-12-07 | 重庆锐云科技有限公司 | 房地产信息管理与数据分析系统 |
CN110990542A (zh) * | 2019-10-11 | 2020-04-10 | 北京华跃博弈科技有限公司 | 一种房产中介服务平台客户需求匹配系统 |
CN110990455A (zh) * | 2019-11-29 | 2020-04-10 | 杭州数梦工场科技有限公司 | 大数据识别房屋性质的方法与系统 |
TWM614593U (zh) * | 2021-01-08 | 2021-07-21 | 聚英企業管理顧問股份有限公司 | 基於大數據之購屋需求的辨識裝置 |
Also Published As
Publication number | Publication date |
---|---|
TW202228047A (zh) | 2022-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWM614593U (zh) | 基於大數據之購屋需求的辨識裝置 | |
TWI783157B (zh) | 基於活動行為的推薦方法 | |
TWM630888U (zh) | 基於搜尋行為的家族成員歸納裝置 | |
TWI832030B (zh) | 基於大數據之購屋需求的辨識裝置 | |
TWI811708B (zh) | 基於搜尋行為的家族成員歸納裝置 | |
TWM630895U (zh) | 提供待辦事項的建議裝置 | |
TWI826823B (zh) | 依據地區性推估客戶需求的分析裝置 | |
TWI816178B (zh) | 提供待辦事項的建議裝置 | |
TWI816179B (zh) | 關鍵因素的歸納分析裝置 | |
TWI821739B (zh) | 多訊息來源的歸納分析裝置 | |
TWI833093B (zh) | 基於活動行為的信用評分裝置 | |
TWM588830U (zh) | 基於活動行為的推薦裝置 | |
TWM586427U (zh) | 生活上活動範圍的傳送裝置 | |
TWM652918U (zh) | 可在多組推薦模式下切換的推薦裝置 | |
TWM648412U (zh) | 基於搜尋習慣的誠意買方分析裝置 | |
TWM640736U (zh) | 不同服務階段下的決策分析裝置 | |
TW202312079A (zh) | 不同服務階段下的決策分析裝置 | |
TWI740166B (zh) | 生活上活動範圍的傳送裝置與方法 | |
TW202420196A (zh) | 基於搜尋習慣的誠意買方分析裝置 | |
TWM569034U (zh) | Recommended device based on ethnic group classification | |
TWM630896U (zh) | 依據地區性推估客戶需求的分析裝置 | |
TWI833150B (zh) | 帶看順利的建議裝置 | |
TWI821826B (zh) | 相關於特定物件的物件群之帶看順序裝置 | |
TWI826876B (zh) | 基於垃圾清運路線的查詢裝置 | |
TWM635140U (zh) | 關鍵因素的歸納分析裝置 |