TWM591667U

TWM591667U - 會員回購商品的資訊處理系統

Info

Publication number: TWM591667U
Application number: TW108212836U
Authority: TW
Inventors: 高于勝; 王智
Original assignee: 治略資訊整合股份有限公司
Priority date: 2019-09-27
Filing date: 2019-09-27
Publication date: 2020-03-01

Abstract

本創作公開一種會員回購商品的資訊處理系統，包括：一接收器，取得一廠商提供的所有會員消費數據；一會員數據庫，儲存該廠商的所有會員消費數據；以及一處理器，接收該廠商的所有會員消費數據，依據該廠商的所有會員消費數據建立每一會員的一消費數據列表，輸入該每一會員的該消費數據列表至一回購模型以取得每一會員是否會回購商品的一機率，儲存該每一會員是否會回購商品的該機率至該每一會員的該消費數據列表中，輸出包括該每一會員的該消費數據列表的一回購商品列表供該廠商瀏覽。

Description

會員回購商品的資訊處理系統

本創作涉及一種會員回購商品的資訊處理系統，特別是指一種可預測會員是否回購商品的會員回購商品的資訊處理系統。

一般會員消費者在消費商品時，店家或廠商會依照會員消費者的實際需求提供符合的商品，並記錄會員消費者從註冊會員至此時所有的消費清單等資訊。

除了統計所有會員消費者的消費清單之外，店家及廠商會再提供所有會員消費者當季商品型錄供會員消費者參考，以讓會員消費者視需求來店家或廠商進行購買。

然而，店家與廠商並無法預測會員消費者會何時進行購買，以掌握會員消費者購買的需要，有鑑於以上缺失，本創作的創作人針對上述缺失處進行發想與研究，以解決目前缺失並加以改進。

本創作所要解決的技術問題在於，針對現有技術的不足提供一種會員回購商品的資訊處理系統，包括：一傳收器，取得一廠商提供的所有會員消費數據；一會員數據庫，儲存該廠商的所有會員消費數據；一處理器，接收該廠商的所有會員消費數據，依據該廠商的所有會員消費數據建立每一會員的一消費數據列表，輸入該每一會員的該消費數據列表至一回購模型以取得每一會員是否會回購商品的一機率，儲存該每一會員是否會回購商品的該機率至該每一會員的該消費數據列表中，輸出包括該每一會員的該消費數據列表的一回購商品列表供該廠商瀏覽；其中，該消費數據列表包括最近一次消費日(Recency)、消費頻率(Frequency)、消費金額(Monerary)、及回購指標(Repurchase Index)。

其中，該處理器取得該每一會員的該消費數據列表中一第一時間區段內的該最近一次消費日、該消費頻率、該消費金額、及該回購指標以輸入至該回購模型以取得該每一會員一第二時間區段內是否會回購商品的該機率。

其中，該第二時間區段小於該第一時間區段，該第二時間區段接續在該第一時間區段之後。

其中，該處理器取得該每一會員的該消費數據列表中一第一時間區段內的消費總次數及消費總金額以找出該廠商的所有會員消費數據中該第一時間區段內的消費總次數最大值及消費總金額最大值；該處理器計算該每一會員該第一時間區段內的該消費總次數與該廠商的所有會員消費數據中該第一時間區段內的該消費總次數最大值的一第一比例，以及該每一會員該第一時間區段內的該消費總金額與該廠商的所有會員消費數據中該第一時間區段內的該消費總金額最大值的一第二比例；該處理器依據商品特性或產業特性來取得一第一加權指數及一第二加權指數；以及該處理器計算該第一加權指數加權該第一比例及該第二加權指數加權該第二比例以產生該回購指標。

其中，該第一加權指數為該每一會員的商品偏好指數，該第二加權指數為該每一會員的消費金額指數，該第一加權指數及該第二加權指數的總和為1。

其中，該處理器將該廠商一第三時間區段內的所有會員消費數據輸入至該回購模型以訓練及優化該回購模型的回購模型參數；該處理器將該第三時間區段內及一第四時間區段內至少一會員的該消費數據列表輸入至該回購模型以修正該回購模型的該回購模型參數；以及該處理器依據修正後的該回購模型參數建立該回購模型。

其中，在該第三時間區段內及該第四時間區段內該至少一會員的該消費數據列表更包含會員同時在該第三時間區間內及該第四時間區間內是否回購商品的一數值；當該至少一會員同時在該第三時間區間內及該第四時間區間內有回購商品時，該數值為0，當該至少一會員沒有同時在該第三時間區間內及該第四時間區間內回購商品時，該數值為1。

其中，該會員數據庫為一伺服器。

其中，該消費數據列表更包括每一會員的會員編號、會員註冊日期、消費商品位置。

其中，該傳收器透過一網際網路連接至該廠商。

藉此，本創作提供的會員回購商品的資訊處理系統可以根據廠商提供的所有會員過去的消費紀錄，統計出所有會員的消費數據列表，並取得所有會員的消費數據中的最近一次消費日、消費頻率、消費金額、及回購指標等關鍵指標，以便預測出每一會員是否會回購商品。

為使能更進一步瞭解本創作的特徵及技術內容，請參閱以下有關本創作的詳細說明與圖式，然而所提供的圖式僅用於提供參考與說明，並非用來對本創作加以限制。

以下是通過特定的具體實施例來說明本創作所公開的實施方式，本領域技術人員可由本說明書所公開的內容瞭解本創作的優點與效果。本創作可通過其他不同的具體實施例加以施行或應用，本說明書中的各項細節也可基於不同觀點與應用，在不悖離本創作的構思下進行各種修改與變更。另外，本創作的附圖僅為簡單示意說明，並非依實際尺寸的描繪，事先聲明。以下的實施方式將進一步詳細說明本創作的相關技術內容，但所公開的內容並非用以限制本創作的保護範圍。

應當可以理解的是，雖然本文中可能會使用到 “第一”、“第二”、“第三”等術語來描述各種元件或者訊號，但這些元件或者訊號不應受這些術語的限制。這些術語主要是用以區分一元件與另一元件，或者一訊號與另一訊號。另外，本文中所使用的術語“或”，應視實際情況可能包括相關聯的列出項目中的任一個或者多個的組合。

請參閱圖1，為本創作實施例的會員回購商品的資訊處理系統的方塊圖。本創作的會員回購商品的資訊處理系統1包括一傳收器2、一會員數據庫3以及一處理器4。

會員回購商品的資訊處理系統1中的傳收器2透過網際網路5連接至一廠商6以取得廠商6提供的所有會員消費數據，而廠商6包含有一伺服器或一數據庫，廠商的伺服器或數據庫儲存有所有會員的消費數據，其中所有會員消費數據包括每一會員的會員編號、會員註冊日期、消費商品金額、消費商品時間、消費商品次數、消費商品位置等會員個人資料及會員消費數據。值得注意的是，會員消費數據可以依照廠商6實際需求進行設定，本創作不以此限定。

會員回購商品的資訊處理系統1的會員數據庫3連接傳收器2以儲存廠商6提供的所有會員消費數據，其中會員數據庫3為一伺服器或一數據庫。

會員回購商品的資訊處理系統1的處理器4連接會員數據庫3以接收廠商6的所有會員消費數據，並且依據廠商6的所有會員消費數據建立每一會員的一消費數據列表，其中消費數據列表包括最近一次消費日(Recency)、消費頻率(Frequency)、消費金額(Monerary)、及回購指標(Repurchase index)。其中最近一次消費日指的是消費者最後一次消費距離上一次的時間間隔，消費頻率指的是消費者於特定時間內累計的總交易次數，消費金額指的是消費者於特定時間內交易的總金額，以及回購指標指的是消費者於特定時間內再次回購商品的指標。

一實施例中，處理器4取得每一會員的消費數據列表中一第一時間區段內的消費總次數及消費總金額以找出廠商6的所有會員消費數據中第一時間區段內的消費總次數最大值及消費總金額最大值。處理器4計算每一會員第一時間區段內的消費總次數與廠商的所有會員消費數據中第一時間區段內的消費總次數最大值的一第一比例，以及計算每一會員第一時間區段內的消費總金額與廠商6的所有會員消費數據中第一時間區段內的消費總金額最大值的一第二比例。處理器4依據商品特性或產業特性來取得一第一加權指數及一第二加權指數。處理器4計算第一加權指數加權第一比例及第二加權指數加權第二比例以產生回購指標。其中第一加權指數為會員的商品偏好指數，第二加權指數為會員的消費金額指數，而第一加權指數及第二加權指數的總和為1。其中商品偏好指數例如會員的喜好或是偏好購買的商品的一個指標，消費金額指數例如會員的消費金額位於哪個消費金額區間的一個指標。值得注意的是，商品偏好指數以及消費金額指數可以依照廠商6實際需求進行設定，本創作不以此限定。

一示例中，第一時間區段例如為2018年的四季，商品特性例如為球鞋以及球鞋消耗周期為半年，2018年的四季中一會員消費球鞋總次數為2次以及消費球鞋總金額6000元，2018年的四季中所有會員中某一會員消費球鞋總次數8次為消費球鞋總次數最大值以及消費球鞋總金額30000元為消費球鞋總金額最大值，廠商6依照商品特性設定第一加權指數為0.3以及第二加權指數為0.7，而回購指數等於0.3*(2/8)+0.7*(6000/30000)=0.215，其中回購指標的數值越大代表回購的機率越高。值得注意的是，第一時間區段、商品特性或產業特性、第一加權指數以及第二加權指數可以依照廠商6實際需求進行設定，本創作不以此限定。

會員回購商品的資訊處理系統1的處理器4輸入每一會員的消費數據列表至一回購模型以取得每一會員是否會回購商品的一機率。

一實施例中，處理器4將廠商6一第三時間區段內的所有會員消費數據輸入至回購模型以訓練及優化回購模型的回購模型參數，處理器4將第三時間區段內及一第四時間區段內至少一會員的消費數據列表輸入至回購模型以修正回購模型的回購模型參數，以及處理器4依據修正後的回購模型參數建立回購模型。其中，第四時間區段小於第三時間區段，第四時間區段接續在第三時間區段之後。

另外，第三時間區段內及一第四時間區段內至少一會員的消費數據列表更包含至少一會員同時在第三時間區間內及第四時間區間內是否回購商品的一數值；當至少一會員同時在第三時間區間內及第四時間區間內回購商品時，是否回購商品的數值為0，當至少一會員沒有同時在第三時間區間內及第四時間區間內回購商品時，是否回購商品的數值為1。

一示例中，處理器4在取得最近一次消費日、消費頻率、消費金額、及回購指標之後，處理器4會將最近一次消費日、消費頻率及消費金額從原有的百分比格式轉換成一分數區間(1-5分)，如表1所示。

處理器4接收廠商6的所有會員消費數據之後，處理器4對廠商6的所有會員消費數據進行數據前處理以取得每一會員的最近一次消費日、消費頻率、消費金額、及回購指標，並且轉換最近一次消費日、消費頻率及消費金額從百分比格式轉換成分數區間，處理器4將第三時間區段內所有會員的會員消費數據輸入至回購模型以透過機器學習演算法(如XGBoost)進行訓練、迭代及優化回購模型參數，處理器4將第三時間區段內及第四時間區段內多個會員的消費數據列表輸入至回購模型以修正回購模型的回購模型參數，以及處理器4依據修正後的回購模型參數確定並建立回購模型。其中機器學習演算法是根據消費者個別或整體產生的消費數據，通過數據探勘的技術，取得消費者購買商品的特性，通過機器學習的技術訓練產生本創作需要的預測消費者是否會回購的模型。值得注意的是，回購模型中的機器學習演算法可以依照廠商6實際需求進行選用，本創作不以此限定。

一示例中，第三時間區段例如為2017年的第四季至2018年的第三季，第四時間區段例如為2018年的第四季，處理器4取得所有會員的消費數據進行數據前處理以取得每一會員的最近一次消費日、消費頻率、消費金額、及回購指標，並且轉換最近一次消費日、消費頻率及消費金額從百分比格式轉換成分數區間，處理器4將2017年的第四季至2018年的第三季中所有會員的會員消費數據輸入至回購模型進行訓練、迭代及優化回購模型參數，並且處理器4將2017年的第四季至2018年的第三季及2018年的第四季的多個會員的消費數據列表輸入至回購模型以修正回購模型的回購模型參數，以及處理器4依據修正後的回購模型參數確定並建立回購模型。其中，2017年的第四季至2018年的第三季內及2018年的第四季內多個會員的消費數據列表還包含多個會員同時在2017年的第四季至2018年的第三季內及2018年的第四季內是否回購商品的一數值；當多個會員的其中之一會員同時在2017年的第四季至2018年的第三季內及2018年的第四季內回購商品時，此會員是否回購商品的數值為0，當多個會員的其中之一會員沒有同時在2017年的第四季至2018年的第三季內及2018年的第四季內回購商品時，此會員是否回購商品的數值為1。值得注意的是，第三時間區段、第四時間區段可以依照廠商6實際需求進行設定，本創作不以此限定。

一實施例中，處理器4取得每一會員的消費數據列表中第一時間區段內的最近一次消費日、消費頻率、消費金額、及回購指標以輸入至回購模型以取得每一會員一第二時間區段內是否會回購商品的機率。其中，該第二時間區段小於該第一時間區段，該第二時間區段接續在該第一時間區段之後。

一示例中，第一時間區段例如為2018年的四季，第二時間區段例如為2019年的第一季，處理器4取得每一會員的消費數據列表中2018年的四季內的最近一次消費日、消費頻率、消費金額、及回購指標以輸入至回購模型以取得每一會員2019年的第一季內是否會回購商品的機率。值得注意的是，第一時間區段、第二時間區段、第三時間區段及第四時間區段可以依照廠商6實際需求進行設定，例如可以年、月、日、時等單位做為時間區段，本創作不以此限定。

會員回購商品的資訊處理系統1的處理器4儲存每一會員是否會回購商品的機率至每一會員的消費數據列表中。

會員回購商品的資訊處理系統1的處理器4輸出包括每一會員的消費數據列表的一回購商品列表供廠商6瀏覽。其中，回購商品列表包含了廠商6提供的所有會員的消費數據，也包含了每一會員下一時間區段內是否會回購商品的機率，使得廠商6可以根據回購商品列表得知下一時間區段會員會不會回購商品的機率，並且使廠商6在下一時間區段內統計出會員回購及不回購的比例、實際回購商品的會員中確實預測會回購商品的比例及預測會購商品的會員中實際回購商品的會員的比例等。

本創作所提供的會員回購商品的資訊處理系統可以根據廠商提供的所有會員過去的消費紀錄，統計出所有會員的消費數據列表，並取得所有會員的消費數據中的最近一次消費日、消費頻率、消費金額、及回購指標等關鍵指標，以便預測出每一會員是否會回購商品。

以上所公開的內容僅為本創作的優選可行實施例，並非因此侷限本創作的申請專利範圍，所以凡是運用本創作說明書及圖式內容所做的等效技術變化，均包含於本創作的申請專利範圍內。

1:會員回購商品的資訊處理系統 2:傳收器 3:會員數據庫 4:處理器 5:網際網路 6:廠商

圖1為本創作實施例的會員回購商品的資訊處理系統的方塊圖。

1:會員回購商品的資訊處理系統

2:傳收器

3:會員數據庫

4:處理器

5:網際網路

6:廠商

Claims

一種會員回購商品的資訊處理系統，包括：一傳收器，取得一廠商提供的所有會員消費數據；一會員數據庫，儲存該廠商的所有會員消費數據；以及一處理器，接收該廠商的所有會員消費數據，依據該廠商的所有會員消費數據建立每一會員的一消費數據列表，輸入該每一會員的該消費數據列表至一回購模型以取得每一會員是否會回購商品的一機率，儲存該每一會員是否會回購商品的該機率至該每一會員的該消費數據列表中，輸出包括該每一會員的該消費數據列表的一回購商品列表供該廠商瀏覽；其中，該消費數據列表包括最近一次消費日(Recency)、消費頻率(Frequency)、消費金額(Monerary)、及回購指標(Repurchase Index)。
如申請專利範圍第1項所述的會員回購商品的資訊處理系統，其中該處理器取得該每一會員的該消費數據列表中一第一時間區段內的該最近一次消費日、該消費頻率、該消費金額、及該回購指標以輸入至該回購模型以取得該每一會員一第二時間區段內是否會回購商品的該機率。
如申請專利範圍第2項所述的會員回購商品的資訊處理系統，其中該第二時間區段小於該第一時間區段，該第二時間區段接續在該第一時間區段之後。
如申請專利範圍第1項所述的會員回購商品的資訊處理系統，其中該處理器取得該每一會員的該消費數據列表中一第一時間區段內的消費總次數及消費總金額以找出該廠商的所有會員消費數據中該第一時間區段內的消費總次數最大值及消費總金額最大值；該處理器計算該每一會員該第一時間區段內的該消費總次數與該廠商的所有會員消費數據中該第一時間區段內的該消費總次數最大值的一第一比例，以及該每一會員該第一時間區段內的該消費總金額與該廠商的所有會員消費數據中該第一時間區段內的該消費總金額最大值的一第二比例；該處理器依據商品特性或產業特性來取得一第一加權指數及一第二加權指數；以及該處理器計算該第一加權指數加權該第一比例及該第二加權指數加權該第二比例以產生該回購指標。
如申請專利範圍第4項所述的會員回購商品的資訊處理系統，其中該第一加權指數為該每一會員的商品偏好指數，該第二加權指數為該每一會員的消費金額指數，該第一加權指數及該第二加權指數的總和為1。
如申請專利範圍第1項所述的會員回購商品的資訊處理系統，其中該處理器將該廠商一第三時間區段內的所有會員消費數據輸入至該回購模型以訓練及優化該回購模型的回購模型參數；該處理器將該第三時間區段內及一第四時間區段內至少一會員的該消費數據列表輸入至該回購模型以修正該回購模型的該回購模型參數；以及該處理器依據修正後的該回購模型參數建立該回購模型。
如申請專利範圍第6項所述的會員回購商品的資訊處理系統，其中在該第三時間區段內及該第四時間區段內該至少一會員的該消費數據列表更包含會員同時在該第三時間區間內及該第四時間區間內是否回購商品的一數值；當該至少一會員同時在該第三時間區間內及該第四時間區間內有回購商品時，該數值為0，當該至少一會員沒有同時在該第三時間區間內及該第四時間區間內回購商品時，該數值為1。
如申請專利範圍第1項所述的會員回購商品的資訊處理系統，其中該會員數據庫為一伺服器。
如申請專利範圍第1項所述的會員回購商品的資訊處理系統，其中該消費數據列表更包括每一會員的會員編號、會員註冊日期、消費商品位置。
如申請專利範圍第1項所述的會員回購商品的資訊處理系統，其中該傳收器透過一網際網路連接至該廠商。