决定下次购买时间区间的方法以及系统技术方案

本发明专利技术公开了一种决定顾客下次购买时间区间的方法，其特征在于，包括：收集复数个顾客购买记录；将复数个顾客购买记录，基于每一购买地点，分类为个人购买行为与群组购买行为；使用贝叶斯模型，为个人购买行为计算个人权重，并为群组购买行为计算群体权重；基于个人购买行为，产生个人购买行为变量；基于群体购买行为，产生群体购买行为变量；为顾客在每一购买地点，使用闭式解运算，并使用个人权重、个人购买行为变量、群体权重、以及复数个群体购买行为变量做为闭式解运算的输入，来决定顾客在每一购买地点的下次购买时间区间。

【技术实现步骤摘要】
交互关联之其他专利申请案本申请案主张以下各案之优先权：●美国专利临时申请案第62211890号，其申请日为2015年8月31日，且专利技术名称为：下次购买时间机制的方法。该被主张优先权的各申请案是以其整体被合并于本申请案中。
本专利技术涉及数字营销(Digitalmarketing)，特别是一种用来增进决定顾客下次购买时间区间(或下次购买时间时间)的准确度的方法。
技术介绍
就数字营销来说，如何在正确的时间对顾客做营销(Engage)是极为重要的。如果没有在正确的时间对顾客做营销，营销的效果会大减，甚至减少潜在商机。
技术实现思路
本专利技术是为了解决上述问题而进行的，目的在于提供一种使用计算机实施的决定下次购买时间区间的方法以及系统。本专利技术所提供的决定下次购买时间区间的方法，可具有以下特征，包括：收集复数个顾客购买记录，该复数个顾客购买记录包含顾客识别、购买日期、购买时间区间、以及购买地点；将该复数个顾客购买记录，基于每一购买地点，分类为个人购买行为与群组购买行为；使用贝叶斯模型，为该个人购买行为计算个人权重，并为该群组购买行为计算群体权重；基于该个人购买行为，产生个人购买行为变量；基于该群体购买行为，产生群体购买行为变量；为该顾客在每一购买地点，使用闭式解运算，并使用该个人购买行为变量、该个人权重、该群体权重、以及该群体购买行为变量做为该闭式解运算的输入，来决定该顾客在该每一购买地点的下次购买时间区间；将下次购买时间区间传输至系统，以进行真实世界的购买营销活动。在本专利技术提供的决定下次购买时间区间的方法中，还可以具有这样的特征，还包含：基于该个人购买行为的信息，设置至少一个多媒体广告；以及，在该顾客最后在每一购买地点进行购买行为后的下次购买时间区间时，展示该至少一个多媒体广告。在本专利技术提供的决定下次购买时间区间的方法中，还可以具有这样的特征，还包含：使用下次购买时间区间作为风险率函式的输入，来为该顾客在每一购买地点计算风险率，其中该风险率是指购买行为发生在前次购买日期后特定时间的机率；基于该个人购买行为，选择至少一个多媒体广告；以及当该风险率高于或等于最小风险率时，在该特定时间展示该至少一个多媒体广告。在本专利技术提供的决定下次购买时间区间的方法中，还可以具有这样的特征，还包含：将该下次购买时间区间与该顾客在该每一购买地点的实际购买时间区间做比较，以决定该下次购买时间区间与该实际购买时间区间之间的关联性；以及为该顾客在每一购买地点，根据该关联性，辨识该顾客的活动状态。在本专利技术提供的决定下次购买时间区间的方法中，还可以具有这样的特征：根据该下次购买时间区间及该个人购买行为的下次实际购买时间区间，计算该下次购买时间的平均绝对误差或均方误差；以及根据该平均绝对误差或该均方误差，更新该下次购买时间。在本专利技术提供的决定下次购买时间区间的方法中，还可以具有这样的特征：其中，产生该个人购买行为变量包含产生个人平均购买时间区间。在本专利技术提供的决定下次购买时间区间的方法中，还可以具有这样的特征：其中，产生该群体购买行为变量包含产生群体平均购买时间区间。在本专利技术提供的决定下次购买时间区间的方法中，还可以具有这样的特征，还包含：根据该顾客在每一购买地点的该下次购买时间以及实际下次购买时间，计算平均绝对误差或均方误差；以及根据该计算的平均绝对误差或均方误差，更新该顾客在每一购买地点的该下次购买时间。在本专利技术提供的决定下次购买时间区间的方法中，还可以具有这样的特征，还包含：使用统计分布，产生该闭式解运算。在本专利技术提供的决定下次购买时间区间的方法中，还可以具有这样的特征：其中，统计分布为伽玛分布或反伽玛分布。在本专利技术提供的决定下次购买时间区间的方法中，还可以具有这样的特征：其中，贝叶斯模型为标准贝叶斯模型。在本专利技术提供的决定下次购买时间区间的方法中，还可以具有这样的特征，还另包含：根据该购买地点的地理接近度，将该复数个顾客购买记录编组起来，其中，该分类步骤包含：将该复数个顾客购买记录，分类为个人地理接近度购买行为与群组地理接近度购买行为；该计算步骤包含：使用贝叶斯模型，为该个人地理接近度购买行为计算个人地理接近度权重，并为该群组地理接近度购买行为计算群体地理接近度权重；该产生个人购买行为变量包含：基于该个人地理接近度购买行为，产生个人地理接近度购买行为变量；该产生群体购买行为变量包含：基于该群体地理接近度购买行为，产生群体地理接近度购买行为变量；该决定步骤包含：为该顾客在每一地理上接近地点，使用闭式解运算，并使用该个人地理接近度购买行为变量、该个人地理接近度权重、该群体地理接近度权重、以及该群体地理接近度购买行为变量做为该闭式解运算的输入，来决定该顾客在该每一地理上接近地点的下次购买时间区间。本专利技术另外提供的决定下次购买时间区间的方法，可具有以下特征，包括：本专利技术所提供的方法，可具有以下特征，包括：收集复数个顾客购买记录，该复数个顾客购买记录包含顾客识别、购买日期、购买时间区间、以及商品识别；将该复数个顾客购买记录，基于每一商品识别，分类为个人购买行为与群组购买行为；使用贝叶斯模型，为该个人购买行为计算个人权重，并为该群组购买行为计算群体权重；基于该个人购买行为，产生个人购买行为变量；基于该群体购买行为，产生群体购买行为变量；为该顾客在每一商品识别，使用闭式解运算，并使用该个人购买行为变量、该个人权重、该群体权重、以及该复数个群体购买行为变量做为该闭式解运算的输入，来决定该顾客在每一商品识别的下次购买时间区间；以及将该下次购买时间区间传输至系统，以进行真实世界的购买营销活动。本专利技术另外提供的决定下次购买时间区间的系统，可具有以下特征，包括：硬件存储器，储存复数个计算机可执行手段；以及硬件处理器，用来执行储存于硬件存储器中的计算机可执行手段，其中，复数个计算机可执行手段包括：收集复数个顾客购买记录，复数个顾客购买记录包含顾客识别、购买日期、购买时间区间、以及购买地点；将复数个顾客购买记录，基于每一购买地点，分类为个人购买行为与群组购买行为；使用贝叶斯模型，为个人购买行为计算个人权重，并为群组购买行为计算群体权重；基于个人购买行为，产生个人购买行为变量；基于群体购买行为，产生群体购买行为变量；为顾客在每一购买地点，使用闭式解运算，并使用个人购买行为变量、个人权重、群体权重、以及群体购买行为变量做为闭式解运算的输入，来决定顾客在每一购买地点的下次购买时间区间；以及将下次购买时间区间传输至系统，以进行真实世界的购买营销活动。在本专利技术提供的决定下次购买时间区间的系统中，还可以具有这样的特征：其中，该硬件内存另外储存了以下计算机可执行手段：根据该购买位置的地理接近度，将该复数个顾客购买记录编组起来；将该复数个顾客购买记录，分类为个人地理接近度购买行为与群组地理接近度购买行为；使用贝叶斯模型，为该个人地理接近度购买行为计算个人地理接近度权重，并为该群组地理接近度购买行为计算群体地理接近度权重；基于该个人地理接近度购买行为，产生个人地理接近度购买行为变量；基于该群体地理接近度购买行为，产生群体地理接近度购买行为变量；为该顾客在每一地理上接近地点，使用闭式解运算，并使用该个人地理接近度购买行为变量、该个人地理接近度权重、该群体地理接近度权重、以及该群本文档来自技高网...

【技术保护点】
一种采用计算机实施的决定顾客下次购买时间的方法，其特征在于，包括：收集复数个顾客购买记录，所述复数个顾客购买记录包含顾客识别、购买日期、购买时间区间、以及购买地点；将所述复数个顾客购买记录，基于每一购买地点，分类为个人购买行为与群组购买行为；使用贝叶斯模型，为所述个人购买行为计算个人权重，并为所述群组购买行为计算群体权重；基于所述个人购买行为，产生个人购买行为变量；基于所述群体购买行为，产生群体购买行为变量；为所述顾客在每一购买地点，使用闭式解运算，并采用所述个人权重、所述个人购买行为变量、所述群体权重、以及所述复数个群体购买行为变量做为所述闭式解运算的输入，来决定所述顾客在所述每一购买地点的下次购买时间区间；以及将所述下次购买时间区间传输至系统，以进行真实世界的购买营销活动。

【技术特征摘要】
2015.08.31 US 62/211,8901.一种采用计算机实施的决定顾客下次购买时间的方法，其特征在于，包括：收集复数个顾客购买记录，所述复数个顾客购买记录包含顾客识别、购买日期、购买时间区间、以及购买地点；将所述复数个顾客购买记录，基于每一购买地点，分类为个人购买行为与群组购买行为；使用贝叶斯模型，为所述个人购买行为计算个人权重，并为所述群组购买行为计算群体权重；基于所述个人购买行为，产生个人购买行为变量；基于所述群体购买行为，产生群体购买行为变量；为所述顾客在每一购买地点，使用闭式解运算，并采用所述个人权重、所述个人购买行为变量、所述群体权重、以及所述复数个群体购买行为变量做为所述闭式解运算的输入，来决定所述顾客在所述每一购买地点的下次购买时间区间；以及将所述下次购买时间区间传输至系统，以进行真实世界的购买营销活动。2.如权利要求1所述的决定顾客下次购买时间的方法，其特征在于，另包括：基于所述个人购买行为的信息，设置至少一个多媒体广告；以及在所述顾客最后在所述每一购买地点进行购买行为后所述下次购买时间区间时，展示所述至少一个多媒体广告。3.如权利要求2所述的决定顾客下次购买时间的方法，其特征在于，另包括：使用所述下次购买时间区间作为风险率函式的输入，来为所述顾客在所述每一购买地点计算风险率，所述风险率是指购买行为发生在前次购买日期后特定时间的机率；基于所述个人购买行为，选择至少一个多媒体广告；及当所述风险率高于或等于最小风险率时，在所述特定时间展示所述至少一个多媒体广告。4.如权利要求1所述的决定顾客下次购买时间的方法，其特征在于，另包括：将所述下次购买时间区间与所述顾客在所述每一购买地点的实际购买时间区间做比较，以确定所述下次购买时间区间与所述实际购买时间区间之间的关联性；及为所述顾客在所述每一购买地点，根据所述关联性，辨识所述顾客的活动状态。5.如权利要求1所述的决定顾客下次购买时间的方法，其特征在于，另包括：根据所述下次购买时间区间及所述个人购买行为的下次实际购买时间区间，计算所述下次购买时间的平均绝对误差或均方误差；以及根据所述平均绝对误差或所述均方误差，更新所述顾客在所述每一购买地点的所述下次购买时间。6.如权利要求1所述的决定顾客下次购买时间的方法，其特征在于：其中，所述个人购买行为变量包含个人平均购买时间区间。7.如权利要求1所述的决定顾客下次购买时间的方法，其特征在于：其中，所述群体购买行为变量包含群体平均购买时间区间。8.如权利要求1所述的决定顾客下次购买时间的方法，其特征在于：使用统计分布，产生所述闭式解运算。9.如权利要求8所述的决定顾客下次购买时间的方法，其特征在于：其中，所述统计分布为伽玛分布或反伽玛分布。10.如权利要求1所述的决定顾客下次购买时间的方法，其特征在于：其中，所述贝叶斯模型为标准贝叶斯模型。11.如权利要求1所述的决定顾客下次购买时间的方法，其特征在于，另包括：根据所述购买地点的地理接近度，将所述复数个顾客购买记录编组起来，其中，所述分类步骤包含：将所述复数个顾客购买记录，分类为个人地理接近度购买行为与群组地理接近度购买行为，所述计算步骤包含：使用贝叶斯模型，为所述个人地理接近度购买行为计算个人接近度权重，并为所述群组地理接近度购买行为计算群体接近度权重，所述产生个人购买行为变量包含：基于所述个人地理接近度购买行为，产生个人地理接近度购买行为变量，所述产生群体购买行为变量包含：基于所述群体地理接近度购买行为，产生群体地理接近度购买行为变量，以及所述决定步骤包含：为所述顾客在每一地理上接近地点，使用闭式解运算，并使用所述个人地理接近度购买行为变量、所述个人接近度权重、所述群体接近度权重、以及所述群体地理接近度购买行为变量做为所述闭式解运算的输入，来决定所述顾客在所述每一地理上接近地点的下次购买时间区间。1...

【专利技术属性】
技术研发人员：任家齐，吴孟勳，
申请(专利权)人：功典资讯股份有限公司，
类型：发明
国别省市：中国台湾;71