大规模地实现零售商与客户之间的个性化对话
发明背景
发明领域
该发明涉及被设计为帮助企业与顾客沟通和办理购买的软件领域。它是“软件即服务”和“平台即服务”(SaaS和PaaS)两者。它提供了收集完成购买最少需要的顾客信息和收集额外顾客信息的手段。它实时地改变顾客的体验、与零售商共享实时信息、使用来自多个源类型的数据来得到需求曲线和其它数据可视化、并提供对商业商品动态定价和出价的能力。
背景描述
网上零售商和实体零售商都受益于收集和分析顾客数据。当前,该数据是难以获得的。实体零售商凭借门计数器(door counters)和热图(heat map)。使用这些方法,零售商能够对人进行计数并知道他们在哪站着以及他们站了多久。该数据有时是不正确的并且常常是不完整的。例如,想象与您的丈夫、朋友或您的小孩进入店里。只有您打算购买。门计数器对每个人进行计数。它有时甚至对店员进行计数。零售商需要知道谁进入了以及为何进入而不仅仅是进入了多少人。在热图的情形下,人们可能会知道顾客在女士内衣的前面站了5分钟,但并不会知道该顾客是真的对该产品感兴趣还是例如发现女士内衣区域是方便打电话的地方。
当前没有技术能够确定顾客认为商品值多少钱以及她希望为商品支付多少钱。没有技术询问顾客她的理想店内体验是什么样并且将其与零售商实时共享。没有技术激励顾客在给予分享个人数据的选择的同时提供数据,而只是凭她自己的决定。
除了收集顾客数据的困难之外,该行业面临另一个巨大的问题:打折。零售商已经尝试使顾客脱离打折,但至今没有成功。百货商店运营商J.C.Penny在2012年左右尝试停止对冷火鸡打折。根据哈佛商业评论的“J.C.Penney的“公平合理(Fair and Square)”定价策略”,该公司的新任CEO Ron Johnson发起了一些重大变革:他所实施的称为“公平合理”的新定价方案是新策略的核心组成部分。该方案最初有三个定价层并尝试消除了典型的促销活动以简化对于顾客的购物体验;从而使J.C.Penney脱离它之前的高-低定价实践。由于消除了通过追求降价的快感,“公平合理每一天”定价策略使J.C.Penney失去了传统的顾客基础。消费者对优惠券和促销的消失反应不佳。在整个2012年,销售下降明显。在2012财年的第四季度,同个店铺销售下降32%,这导致某些人称它为“零售历史上最糟糕的季度”。在2013年的4月8日,Ron Johnson作为J.C.Penney的CEO被解雇并由他的前任Mike Ullman接替(Ofek、Elie和Jill Avery,“J.C.Penney’s‘Fair and Square’Pricing Strategy”,Harvard Business School Case 513-036,2012年9月。(2013年1月修订))。
顾客已经被错误地“训练”;他们寻找深度折扣并且不提供关于产品、价格或他们的店内体验的反馈。零售商可提供特价以激励大量购买或者在低客流量的时间进行购物,如“4件T恤按3件的价格”或者“周二中午之前对老年人特价。他们享受10%的折扣”。零售商还可对完成调查的顾客提供回报。论文“Customers’Purchase Intentions and theirBehavior”提到:“购买意向被频繁测量并由市场经理用作针对关于新的和现有产品和服务的决策的输入”。不幸地是,零售调查在收集数据方面是出了名的无效果。购买意向和市场调查是消费者实际做什么的“不完美措施”。当顾客被询问产品价值多少时,但他们不一定要买它,他们的答案通常低于当他们处于真实情形时(一定会购买该商品)(“人们支付的总是比他们说的少?利用IV和HG值的测试实验室试验”)。在研究“人们支付的总是比他们说的少?利用IV和HG值的测试实验室试验)”中,探究了假设偏差(hypothetical bias)。在一些情形下,当人们未经历他们的决定的真实财政后果时人们趋于夸大他们的偏好(即,声明他们在假设情形下会支付的比如果该情形是真实的他们会支付的更多的状态)(JACQUEMENT,N.、JOULE,R.-V.、LUCHINI,S.和SHOGREN,J.F.在2011年在Journal of Public EconomicTheory,13:857-882上发表的Do People Always Pay Less Than They Say?TestedLaboratory Experiments with IV and HG Values)。当前,难以从购买意向度量中预测销售并且难以知道为什么购买意向常常不会转化成销售(Vicki Morwitz于2014年在Foundations andin Marketing:第7卷:No.3,第181-230页上发表的“Customers’Purchase Intentions and their Behavior)。
为零售商提供绑定顾客出价是比给予零售商市场调查和估计的购买意向优越得多的解决方案。零售顾客和零售商不能大规模(at scale)进行个性化实时对话。实现该对话将导致更加有效率的市场、产生更好的产品和更好的顾客体验以及改进的商业方法。还将允许零售商与他们的顾客合作以推动社会影响。
发明概述
在一个实施例中,本发明提供了一种将公平定价应用于交易的方法,其包括执行以下步骤的平台:识别对于顾客期望购买的商品的产品ID;收集足够用于处理交易的顾客信息;按照顾客的选择收集个人信息,顾客可选择性地选择该个人信息来与特定零售商部分或者全部共享;处理顾客与零售商之间的实时对话;产生并考虑包括以下项之中的至少一项的数据:当前库存、需求曲线、历史交易速度、季节性销售周期、顾客与零售商之间的任何忠诚计划以及获取的数据(scraped data);为商品建立瞬时动态定价(IDP);按IDP价格为顾客提供用于购买的商品;允许顾客按IDP价格购买该商品或者选择进行出价(bid)并且允许顾客可选地选择在其期间保持出价报价(bid offer)的时间范围(time frame);考虑该出价;如果IDP价格被接受或者如果出价成功则处理该交易;发放购买收据;并且存储购买信息。
在一个实施例中,对话是大规模的,即:它是实时的;它允许顾客可选地并且按照顾客的判断告知零售商顾客对店内待遇(例如,由名字或姓氏称呼、使用头衔、提供饮品)中的至少一个的偏好、顾客感兴趣的企业问题、或者顾客的个人资料;并且允许零售商在建立当前IDP和可接受的、延期的或拒绝的出价的限制之前考虑数据,对于经历交易的商品,该数据包括库存、需求曲线、出价曲线、利润率、竞争数据、顾客资料之中的至少一个因素。
在一个实施例中,零售商实时接收顾客对店内待遇的偏好、顾客感兴趣的企业问题和/或个人资料,并且允许包括相应地注意店内偏好、告知顾客与顾客感兴趣的问题一致的企业计划或者告知顾客对合适的慈善机构的企业捐赠(包括对个人资料的考虑以计算被接受的IDP或出价限制)的响应。
在一个实施例中,获取的数据包括以下项之中的至少一项:天气、对于预计交易的当日时间(time of day)、与销售周期或节假日时间表相关的日历、商品成本以及竞争对手行为。
在一个实施例中,响应于出价,平台接受该出价或延期对该出价的接受并且可在保持出价报价的时间内接受该出价或拒绝该出价。
在另一个实施例中,顾客被允许在接收到IDP信息之前或接收到IDP信息之后放置出价。在另一个实施例中,顾客被允许在预定时间范围内对任意商品仅放置出价1次、2次、3次、4次、5次或6次,并且如果出价失败则允许顾客按IDP购买商品。优选地,顾客被允许仅放置出价三次。在另一个实施例中,接受有限数量的出价的时间范围是6小时、12小时、24小时、48小时或72小时,并且顾客在时间范围期限截至后可重新出价。
在另一个实施例中,收据、原始价格、购买日期以及购买时间被存储并且作为参考资料(documentation)可用于转售(resale)网站以支持商品的转售。
在本发明的又一个实施例中,平台不产生和/或提供IDP,而是告知顾客价格标签并且顾客能够选择出价并且可选地选择在其期间保持出价报价的时间范围。
在再一个实施例中,购买商品的顾客选择使商品保留用于稍后获得(pick up)或者递送至第三方,并且可选地,平台处理针对从第三方到顾客的支付的交易。
在本发明的一个实施例中,IDP可选地作为静态信息或者作为随着时间推移价值改变的信息呈现给顾客。
本发明的另一个实施例提供了一种用于将公平定价考虑应用于交易的***,其包括:通过应用程序接口(API)在托管算法和数据库的平台与通过零售商的仪表板的零售商的后台操作之间的交互;以及通过应用与顾客的交互,其中该***实施与零售商和顾客的双向通信,并且传达的信息允许建立瞬时动态价格以及由顾客对可用于销售的商品做出的出价考虑。在另一个实施例中,零售商的仪表板允许对包括咨询信息(advisoryinformation)的数据的可视化,该咨询信息包括需求曲线、出价分布信息、在一段时间卖出的商品数量、建立了产品Id的商品数量以及销售终止的比例是多少、通过类型、品牌或其他分类出售的集团商品以及市场趋势。
在本***的另一个实施例中,由顾客与***使用的应用是全渠道应用,即,托管在移动装置、个人计算机上的,或者通过零售商的网站、媒体广告可访问的并且能够从家庭、大街或商店连接到。
在一个实施例中,顾客能够在预期的交易之前注册应用或者在输入产品ID之后能够从零售商的网站被导向应用。在实施例中,与顾客的双向通信允许应用生成推广、使用奖励积分***(usage reward points system)和游戏以增加顾客对应用的使用率。
又一实施例提供了平台上的算法,该算法从其过程中学习和调整,该调整包括以下项中的至少一项:更改注册以加快过程或产生额外的个人信息项或移除个人信息项、重新加权确定ADP的因素、重新考虑并可选地添加新的获取的数据项、收集信息以及编辑趋势信息,该趋势信息可以可选地呈现为针对特定社会、性别或年龄组的趋势信息。
在另一个实施例中,与顾客的交互过程被调整以允许对顾客购买行为、或广告活动效果、或零售政策的研究。
附图简述
图1是导致成功出价的顾客与应用的交互的流程图。示例顾客命名为“ChloeOtis”。图1A描绘了仪表板。图1B示出了顾客注册/资料填写(Profile)的步骤、顾客必须提供的信息以及可选信息。图1C描绘了产品身份(产品ID)的步骤。图1D示出了包括图片、尺寸、颜色、描述的产品细节以及零售商的企业社会责任活动。图1E示出了出价、持续时间以及算法表示。图1F示出了购买成功完成以及购买证明、QR码。图1F还示出了出价和收据。
图2是示出算法接收和处理的信息类别的流程图。在每个类别中,列出了对于该类别的数据的示例。
图3是在出价***数据中反映的收益和商品盈利的信息的图形表示。
图4是需求曲线的图形展示。
详细描述
本发明实现了零售商与他们的各个顾客之间的新颖的大规模的对话并且实现且利用公平定价以推动更多值得的购物体验。数据从顾客和零售商收集并转换为瞬时动态定价。可选地和/或另外地,允许出价并且出价的优点部分地基于以上对话并部分地基于获取的数据,所有一起考虑。交易数据被编译并用作对于零售商的记账选项以及对于零售商的建议。可选择地,本发明计算和判定是否完成交易。该判定可由零售商通过本发明的平台得出或通过基于来自零售商的指导原则和实时更新(例如库存状态)的算法得出。交易以支持之后的转售活动的方式记录。
本发明实施“大规模”的零售商和顾客个性化的对话,即,对于每个顾客具有与零售商关于诸如价格、产品、体验、商业方法和价值的内容进行个性化对话的能力。“大规模”意味着很多单独的对话可以同时进行。而且,对话是有效的;它不是利用各个店员的有限信息和责任范围。大规模意味着在零售商的利益的背景下考虑顾客的特定报价,因为零售商的利益实时变化着,例如,可获得的产品存货、成本、盈利空间、季节、回报更多有价值顾客的期望。大规模还意味着顾客对店内待遇的偏好对于零售商是实时可用的,从而允许实时响应。大规模还意味着顾客对与零售商的业务方面相关的社会价值的兴趣被记录并可用于零售商的考虑和行动。大规模还意味着商业信息的所有这些方面在实际中实时地被获得/考虑/起作用。通信是“实时地”。“实时地”意味着在网络和计算机网络局限性的限制内它接近瞬时的。“实时地”还具有功能性定义:信息必须被立即编译和传输以足够允许用于实际使用。例如,店内待遇偏好(例如,顾客不想要店员靠近她)是否足够快地传达给店员以习知顾客的偏好(例如,店员将知悉顾客不想要与员工待在一起并且让顾客单独待着)?
本发明还实施“公平定价”。“公平定价”意味着不存在一刀切式(one-size-fits-all price)的价格。顾客可传达她愿意支付多少以及在什么条件下。产生的价格是她的“个人价格”。零售商的唯一的业务需要是实时地进行权衡(例如,可获得的产品存货、成本、需求曲线、盈利空间、季节、回报有价值顾客的期望、激励顾客行为的期望)并考虑顾客的报价和行为(例如,联署营销、在低客流量的时间处购买),以确定何时以及是否应该结束销售。而且,零售商的输入和业务需要随着时间而改变,因为库存、客流量、天气以及其他方面改变。
对于每件商品,每个顾客具有她将会支付的她自己的最高价格。对于一件非常合身的蓝色衣服,Sarah会支付100美元。对于这件同样的衣服,Jessica可能愿意支付72美元。对于Ann,它值0美元。知道每个人是独特的并且每个零售商具有独特的和变化的业务需要,它对于每个独特的交易是最公平的和最有利的。
公平定价对于顾客和对于零售商两者都是有益的。为了理解公平定价的优点和运转,考虑零售顾客通常思考他们自身,“我想购买那个商品,但它花费的太多了。如果它只是定价再低一点,我就买它了。”零售商经常思考,“我不知道到底将这个商品定价为多少,并且如果它没有卖出,我不确定到底什么时候降低价格以及将它降价多少。”当前,不能卖出1000美元的西服的零售商使用他们能够做到的最佳预测分析来计划降价。首先他们可选择30%的折扣出售。如果该商品依然卖不出去,零售商将该商品降价60%。如果它依然徘徊在架子上,零售商可能采取80%的折扣。促销最常以10%或15%的离散单位发生。很少看到72.5%折扣的促销。因为零售商不具有与他们的顾客的“大规模”的实时通信(例如,询问顾客她愿意为商品支付多少钱以及她会等多久的能力),零售商不知道顾客是会比标签的价格支付得更多还是更少。零售商可将该1000美元的西服置于80%折扣的促销中,并且将会支付最多380美元的顾客可能抢走它,为她仅支付了200美元而高兴。零售商错失了180美元,因为她不能确定顾客将会支付多少。反过来说,利用本发明,顾客能够在销售周期的任一时间点处看到该西服(例如,在商品新上市并且以全价标价时,顾客会在店内看到该商品)并且传达她的个人价格以及她愿意等多久。使用她的个人价格和等待时间的输入做出决定(该决定也可考虑各种其它个人因素,诸如她的推文或她的大量购买)。
而且,公平定价提高了完成交易的频率,因为各方达成了可接受的且有利的价格和服务平衡。
为了使用本发明,顾客必须下载应用(本文中有时称为app)或者注册指定的平台。如果顾客没有该app,则她可通过输入个人信息、支付方式和配送方式在指定网站或零售商的网站进行注册。对于使用app的顾客,通过两种途径中的一种进行购买。
第一种途径开始于获取产品身份信息(本文中有时称为“产品ID”)。获取产品ID的优选方法是为顾客扫描她想购买的商品的条形码。条形码可包括矩阵条形码或UPC条形码。可选地,她可扫描另一类型的产品ID、获取***将识别的商品照片、或者手动输入产品识别信息(如目录号)。产品ID可出现在任何地方;顾客可以在店内对着电话举起价格标签,或者在她的家用计算机前面使用她的移动设备来扫描计算机屏幕上的产品代码。因为顾客能够在所有渠道(例如,网上或实体店)中使用本发明,所以本发明被称为“全渠道”解决方案。本发明可通过零售商网站、由这个发明的所有者主管的网站、社交媒体和印刷媒体中的广告来访问。
一旦获得产品ID,为顾客呈现当前零售价格和/或瞬时动态价格和/或出价邀请。
第二种途径开始于注册页面(“注册/资料填写”)。在该途径中,顾客可利用最少的信息来进行购买:姓名、地址以及支付信息。而且,顾客被引导提供额外的个人信息和/或执行额外的任务。例如,顾客可输入她的小孩的衣服尺寸或将她的账户链接到社交网络。在客户以最少需要的或者以额外的信息和任务完成注册/资料填写之后,她进一步选择使得该信息在交易时可用于(或不可用于)特定零售商。例如,当顾客进入店面时,她选择将她的数据的全部或一些与零售商共享或者不与零售商共享。她选择共享的数据的量可影响定价算法。例如,将她的数据全部共享的顾客可能使她的公平价格乘以倍数0.95。共享某些信息的顾客可使她的价格乘以倍数0.98。不共享数据的客户将使她的价格乘以倍数1;她不会受到任何好处。如果顾客首先输入产品ID,并且她之前未注册使用本发明的应用,则在她可购买产品之前她将被发送至注册/资料填写页面。如果顾客已经注册,则她随后跟随产品ID步骤向前进行以进行购买。
在产品ID之后,顾客可选择出价。出价可以可选地发生在顾客已经看到瞬时动态价格(IDP)之后、在她已经看到IDP之前、或者可选地当未提供IDP时;出价响应于标签价格。当顾客准备对商品出价时,她输入以下内容:
1.她将愿意支付的最高价格(例如,999美元)。
2.可选择地,她表明保持她的出价的持续时间(例如,“0天”或者直至“3月25日”或者“我愿意从现在开始等待109天。”)
3.递送机制和细节(例如,“我希望我的商品运送到主大街123”或者“我将到店中提取我的商品。”)
如果被接受,则该交易/出价被绑定,意味着如果本发明的算法确定它的接受或者如果零售商确定顾客的报价是可接受的,则销售完成。
该平台允许可在任意订单中包括多于一个的商品。如果多于一个的商品被包括在订单中,则定价算法可反映大量购买的好处。例如,购买2件T恤可使算法考虑将出价值增加1.01等等。诸如TJ Maxx或者Overstock.com的顾客会选择购买很多。例如,Overstock.com可能从GAP购买3000件T恤。
对于还未注册的顾客,流程按照大致相同的方式工作,但是开始于产品ID。该步骤可发生在零售商的网站上、app内或者在单独的网站上。优选的方法是使零售商在他们的网站上使用徽标(logo)以允许连接至由本发明提供的解决方案。可选地,顾客对来自零售商的商品的购买尝试将顾客连接到托管本发明及其算法的外部网站。顾客点击徽标并被带入到注册/资料填写(其可选择地出现在弹出窗口中或者指定为处理本发明的过程的网站上)。顾客随后输入相同的最少信息(如果未注册)以及出价信息,如他们利用app的。而且,顾客选择输入(或者不输入)个人信息,并且进一步选择使该信息在交易时或交易之前可用于(或不可用于)特定零售商。过程流程的其余部分与直接从app开始该过程相同。
图1示出了顾客与应用之间的交易。在图1中,过程开始于顾客首先注册使用应用。如上讨论的,前两个步骤可以是相反的顺序,即,顾客可首先识别产品(产品ID)并且从此她能够直接注册使用应用。图1A描绘了用于使顾客容易地访问app的其余部分的仪表板,“主页”。图1B描绘了注册/资料填写,其中顾客输入各种类别的信息(个人、支付、社交简介、店内待遇偏好)。在图中列出的特定信息仅仅是示例。如在本文其它地方讨论的,信息分成两种类型,足够用于处理交易的最少信息(例如,***信息和/或递送地址)以及可选信息(例如,电子邮件和社交媒体简介)。图1E示出了出价过程步骤。如在本文其它地方讨论的,可选择地存在顾客可选择继续的在IDP过程而不是出价过程处的购买。
本发明的算法考虑库存、零售商的目标利润率(goal margin)、交易速度(销售率)、唯一的顾客数据(例如,购买频率、共享多少个人数据)、外生市场因素(例如,实际和预期天气)、以及许多其它因素(例如,客流量和商品成本),以确定在该时刻、在顾客的出价中她指定的时间范围内完成购买或者根本不完成购买。
图2将算法考虑的数据分解成不同的类别(顾客简介和行为、商品数据、顾客过去的交易、零售商数据和获取的数据)。在每个类别内,列出了对该类别的数据分类的示例。注意到,处理的信息包括来自多个源(顾客、零售商、本发明的数据库和获取的数据)的数据。处理的数据的某一些是历史数据(例如,对于零售商,商品的过去销售的交易速度;对于顾客,过去购买历史等);某些处理的数据包括零售商引导目标(例如,利润率、季节销售周期);某些数据与购买商品的当前出售相关;某些数据涉及顾客的社交利益和“社交价值”。“社交价值”被定义为客户影响其他人购买的力量。高社交价值与顾客能够影响更多人以更高的价格购买相关。“获取的数据”是从交易中未涉及的各方收集的相关数据。获取的数据可包括实际天气、预期天气、对于预计交易的当日时间、与销售周期或节假日时间表相关的日历、商品成本、竞争对手行为或者类似商品的比较。
本发明包括通用的面向顾客的平台,该平台具有从顾客提取数据、将数据与零售商共享、以及促进两者之间的对话的app。本发明记录在顾客注册时她主动提供的整个顾客历程和数据。
本发明的后台为网络可访问的API(应用程序接口)以及零售商的仪表板供电。它能够同步/更新至多个零售商的后台***以及从多个零售商的后台***同步/更新。本发明的API是使它的客户能够与后台***交互的服务。客户可包括如iOS和安卓的移动装置以及网站。本发明通过网络实时地同步/更新至零售商的后台***(零售商的后台***的示例包括Oracle、SAP以及Shopify)以及从零售商的后台***同步/更新。例如,如果零售商的商品库存变化,则将该变化实时地通知给本发明的后台***,例如,少了一件冬季外套。类似地,如果本发明需要针对变化(例如,顾客使用app刚购买了一件冬季外套)更新零售商的后台***,则本发明将具有更新零售商的后台的能力。
此外,本发明的API实现了通过识别编号(诸如,产品ID)、扫描条形码、产品照片或搜索的查找。它实现了各种类型的价格查找,诸如,瞬时动态定价、基于出价规则的或算法定价。例如,API可用于访问对于冬季外套的零售商价格、针对产品类别的它们的目标利润率、“外套”、它们的初始成本以及外套在存货中的编号。随后使用编号以及其它输入来确定瞬时动态价格以及用于确定顾客出价应该被接受、拒绝还是搁置的算法。在冬季外套示例中,本发明使用其API确定零售商的外套价格是100美元,它们的目标利润率是250%,它们的初始成本是20美元并且他们在存货中有2件外套。本发明使用该信息(除了其它信息,例如竞争者的价格和天气)来计算94美元的IDP以及确定85美元的出价的出价算法是可接受的。API还实现了顾客账户浏览/创建/修改/删除,包括许多顾客的详细信息(例如,电子邮件地址、社交网络、店内偏好、***信息以及过去的购买)。
零售商的仪表板是网络可访问的界面,零售商能够可选择地使用其来管理他们与本发明的交互和设置。零售商的设置可包括定价规则和独特的商业需要。设置的示例是零售商选择通过在非高峰时间期间降低价格来优先增加客流量。另一个示例是选择每天将所有价格降1%直至圣诞节。另一个示例是对于具有超过100个推特(Twitter)追随者推文的顾客允许对任意商品8%的折扣。交互的另一个示例是零售商选择经由推送通知来被通知高价值顾客走进店里,因此每次在去年花费超过7500美元的顾客进入店里时,零售商的仪表板显示顾客详细信息。零售商的仪表板还实现了产品信息管理,诸如浏览/编辑各个产品以及整套库存。可选地,上述零售商的仪表板设置允许零售商管理定价规则或将影响他们的产品的算法输入。例如,使用Ipad显示我们的仪表板的零售商选择改变在“商品成本”下的算法输入。之前本发明已经获取了关于大幅上升的棉花成本的数据。零售商不希望将该商品成本增加传递到她的顾客,因此她设置用于最小化波动性的规则。
零售商的仪表板包括任意数量的复杂规则以及控制流逻辑(包括如内部可用统计(在特定位置处的当前库存)和如天气预报的外部源或商品价格波动的数据)的可选择使用。零售商的仪表板将供应由本发明处理的数据的数据可视化以及统计分析。这些可包括每天卖出的商品的编号、购买的/未购买的扫描商品的位置、商标、类型或编号等。
可选择地,本发明用作支付处理器并且可选择地或额外地与银行***接口。本发明计算并且可选择地直接扣除通过平台***完成的每个交易的销售收益的一部分作为使用本发明的报酬。
在一个实施例中,平台允许顾客锁定个人价格并将该选项卖给第三方。该特征称为“商品市场”。对于使用该特征的顾客,她必须支付除了输入她的出价和持续时间之外的费用。该费用可关于她的出价和持续时间而改变或可以是固定费用。如果她的购买完成,则她可选择保留商品或将它卖给第三方。例如,在三月份,顾客看到她认为定价过于高的1000美元的外套。她不想拥有该外套,但是想要利用她认为她能够以比她给予原始零售商的价格更高的价格将它转售的事实。她以10个月的持续时间出价500美元。零售商在2个月后(在春天)完成购买并且顾客能够将该商品以600美元转售给第三方。可选择地,零售商为第三方保留该商品或可选择地顾客接收该商品并且负责将它给予第三方。
在一个实施例中,算法能够与购买商品并且希望将它卖给另一方而不是占有的顾客合作。在收到买方指示和费用之后,它从第二个买方收钱并且将该商品运送到第二个买方。
本发明的平台还使用***为顾客创建和存储它自己的奖励积分。通过完成成功的购买来赚得积分。它们使用花费的总的美元和节省的百分比来计算。例如,平台记录等于以下项的较大者的“得分总计”:
1.通过平台***花费的累积美元;或者
2.以下的乘积:(1)顾客的平均折扣,(2)他或她的购买数量以及(3)1000。
以上公式奖励顾客消费和精明购买。无法负担昂贵商品的顾客仍然能够完成。例如,在1000件商品中节省了平均20%的顾客将与花费了200,000美元的顾客接收到相同的积分和福利(200,000)。
有技能的较好的人、大买家以及用心的那些(顾客还可通过对企业责任活动提供反馈来赚得积分)将在游戏中提升级别。游戏的每个级别具有奖励和/或增加的透明度。例如,达到级别2的顾客可能被展示商品的交易速度或允许顾客清楚地看到算法到底对联署营销加权了多少。本发明允许顾客将他们的积分张贴到社交媒体上。
平台包括具有收据和相应产品信息(例如,图片、描述、原始成本)的交易历史,其允许输出到用于转售商品的网站(例如eBay)或者作为商品市场的一部分。交易历史还可被输出用于其它目的,诸如个人记账。
如上面看到的,平台不仅允许与顾客的双向交互,还允许与零售商的双向交互。至/来自零售商的不是直接出价或购买订单的某些信息(例如,库存、流量信息等)却可用作与直接决策做出相关的直接目的。某些信息还能够用作用于长期决策做出的目的的咨询信息。例如,平台开发对时尚趋势或颜色选择(对于年龄组或社交简介组特定的)的理解。其它信息能够用作直接目的以及规划目的,见作为示例的图3和图4。
图3是持续时间出价分布的曲线图。它是在通过对于商品的出价过程的时间点处可获得的收益的截图。对于沿着x轴的每个日期,对应的条状(相对于左侧垂直轴绘制的)示出了零售商在如果它接受在特定时间点处对给定商品的所有可获得出价则将会接受到的收益总量。线(相对于右侧垂直轴绘制的)示出了对于那些出价的平均价格。例如,与最左侧数据对应的数据可读取为“截至2016年2月3日,顾客承诺以每件商品大约70美元的平均价格购买价值大约5200美元的该商品”。随着时间的推进,图表为零售商示出了与到期出价相关联的收益。基于该信息,零售商能够精确地确定如果它希望以更高的价格交易而选择让出价到期则它到底冒多大的收益风险。对于给定商品,该图表将随着接收、接受和拒绝出价而实时地改变。
图4是需求曲线的表示。该曲线图是作为价格(在x轴上,表示全价的百分比)的函数的量化需求(在y轴上,表示可用库存的百分比)的绘图。曲线图向下倾斜,因为顾客所需求的商品数量随着商品价格的升高而降低。每个点表示关于商品的唯一顾客报价,并且黑线是对该数据的线性拟合。人们可将线上的底部最右侧的点读取为“库存的大约32%可按全价卖出”。类似地,对应于x轴上的50%的点指示库存的大约70%可按全价的50%卖出。以这种方式呈现,数据帮助零售商更聪明地对产品定价,并且给予它们深刻理解库存将如何在不同的价格点处清理。
本发明结合人工智能和机器学习。它能够自动地和手动地进行调整和学习。例如,它收集注册过程中的数据并对流线做出改变并改进注册/资料填写。总是被顾客空出来的字段可被去除或者文本可被编辑。变化基于来自顾客的直接反馈以及过程的测量。对于另一个示例,它对至算法的各种输入的影响测量和分配权重:例如,跳过当日时间信息对确保交易的全面成功给出不同的结果吗?
而且,算法可结合新考虑的获取的数据项。还进一步地,算法累积关于销售、出价、出价持续时间、颜色和风格的偏好等的数据以创建趋势分析数据。还进一步地,算法通过考虑奖励***及变形的影响或者静态vs动态IDP呈现或者推送广告的影响、按社交、性别或年龄阶段等分开的行为,来实现对顾客的购买行为的研究。
本发明学***均62美元,在被展示环境活动时花费平均31美元,并且当被展示零售商的控制、性感金发模特时仅花费平均8美元。为了最大化花费并增加顾客忠诚度,app开始向Joe仅展示零售商的人类影响活动。
示例
示例1.使用app的顾客注册和资料填写。
App的开始页面欢迎现有app顾客。当顾客触摸屏幕的任何地方时,事件检查顾客是否已经注册。如果顾客之前未注册,则顾客被传送到注册。如果他们已经注册使用本发明,则顾客被传送到产品ID屏幕。当然,注册、开始页面、产品ID页面以及所有其他屏幕可具有其他名称。例如,产品ID页面/步骤可被称为条形码扫描页面。
在注册/资料填写中,出现以下数据字段或等价物:
●名字(空白数字字母字段)
●姓氏(空白数字字母字段)
●街道地址(空白数字字母字段)
●城市(空白数字字母字段)
●国家(下拉)
●邮政编码(空白数字字段)
●***类型(空白数字字段)
●******(空白数字字段)
●***到期日(下拉日期字段)
●***安全码(空白数字字段)
●运送地址(空白数字字母字段)
以下的字段是可选的并且可出现在注册/资料填写页面。可包括其他字段。
●年龄(下拉)
●性别(下拉菜单)
●您的衣服尺寸(下拉)
●如果您为别人购买,请将他们包括在这儿。这允许顾客选择孩子、配偶等(各种下拉)
●您想让店员靠近您以帮助您购买吗?(是或否单选按钮)
●如果他们针对店员帮助选择“是”,则以下出现,“员工怎么称呼您?”(各种下拉)
●如果他们针对店员帮助选择“是”,则以下出现,“您想要购物助理吗?”(是或否单选按钮)
●简介照片
●电子邮箱
●密码
●可选支付方法
●连接的社交媒体账户
●您还在什么地方上网?
●共享位置设置(是或否单选按钮)
●默认共享个人信息(您希望与零售商共享多少您的个人信,全部、一些或者不共享)
●推送通知设置(是或否单选按钮)
●App偏好和信息。顾客可设置音量、在冒险游戏与简单之间切换界面。这还包括app信息,诸如版本号。
除了收集诸如以上的信息,应用收集产品元数据,例如产品颜色、产品是否具有拉链、季节、规格。可选地,在反馈部分中,顾客可提供反馈,例如,他们应对店面、产品或商业实践做出什么改变?
在屏幕底部的按钮可读取“完成!”或“提交”或等价物。收集的信息保存在数据库中。此外,数据库收集app顾客统计(诸如,顾客尝试了多少次来填写表格、花费了多长时间填写表格)以优化app。
在完成点击时,app检查是否存在未完成的字段并检查顾客尝试了多少次表格。如果数据字段一次未完成,则屏幕返回未完成的字段并且应显示“请选择城市和国家”、“填写您的名字”或提及任何未完成的字段。如果数据未完成两次以上,则以下消息应出现:“请呼叫我们来帮助您!这是我们的电话______。”。“完成”按钮出现在底部。点击“完成”使顾客返回至产品ID页面。如果顾客使用手机,则手机摄像头能够扫描产品ID。可选地,顾客输入产品ID信息,例如,分类号。
示例2.使用算法来确定瞬时动态价格(IDP)。在已经成功输入产品ID之后,算法确定所选择的商品的瞬时动态价格(IDP)。算法的输入与零售商合作确定。每个商品(或多个商品)可具有不同的算法。在决定IDP时的考虑包括:
1.价格基于产品接近到期的程度(例如,“到期”可定义为时尚季节的结束)。
2.价格基于店内供应(例如,货架上以及在该店的后房中剩下多少件特大蓝色V领T恤?)
3.零售商在它的其它位置还有多少商品?
4.考虑客流量模式(foot traffic pattern)。如果存在下班后匆忙地去购物中心的情况,则价格会上涨。
5.考虑其他外部因素。即将发生的暴风雨将如何影响木炭和花生酱的价格?当Celebrat Sally被认出穿着你们店内出售的连衣裙时会发生什么?
6.考虑各个顾客的过去反应。历史上,当在IDP和标签价格之间存在巨大的价格差异时他们出价更多还是他们放弃了该产品?
7.相同或类似商品的竞争者价格。
示例3.使用算法来考虑出价。
在该步骤(产品ID)之后,本发明收集来自零售商和顾客的诸如以下信息的信息。
1.扫描了哪个商品
2.购买价格
3.日期
4.时间
5.店面地址
6.尺寸
7.颜色
8.风格
9.季节
10.任何其他产品元数据细节(袖长、宽松合身、布类)。
11.顾客名字
12.年龄
13.地址
14.性别
15.标签的价格
16.瞬时动态价格。
顾客被呈现产品细节。可选地,产品细节包括商品的图片、文字描述、标签价格、商品在存货中或者在线可访问的编号、规格、尺寸、它由何制成的、和/或颜色。可选地,产品细节页面包括零售商的企业社会责任活动或零售商选择的一些其他材料(例如,性感金发模特的图片)。产品细节页面包括“出价”按钮并且可选地额外包括IDP按钮。
顾客可通过点击出价按钮来出价。于是事件检查顾客是否之前已经对该相同的商品出价。如果顾客在过去30分钟内已经出价并且已经出价了三次,则阻止客户再次出价。针对以下一般作用的文字显示在顾客使用的装置上:“您已经对该商品出价。您不能再次出价,但您现在能够按“IDP美元”购买它!”应当清楚的是,在30分中内三次出价的限制仅仅是示例。算法可选择在1、2、3、4、5、6、7次出价之后阻止进一步的出价并且在出价限制到达之后(具有时间上的延迟)可允许新的出价。延迟可以是约30、60、120、180分钟或者6小时、或者12小时、或者1或2天。
如果允许出价,则顾客被带入app的“出价”页面。顾客随后选择她希望出价的金额,她的个人价格。例如,她可输入“50美元”。在她输入她的价格之后,她被带入app的“持续时间”页面。顾客随后选择她希望保持她的出价的时间量。例如,她可输入“19天”。App的页面可被合并或分开。例如,可在相同的屏幕上提供出价和持续时间。以上只是一个示例。
瞬时动态价格(IDP)可潜在地每秒地改变,以5秒的窗口保持静止、增加、随后降低等。关于以静态还是波动方式呈现IDP的选择将受确定哪个速率和模式最激励个人去完成购买并花费最大量的历史顾客数据的影响。当顾客首次使用app时,他们可接收到不同的模式和速率(例如,静态IDP、对数函数、增加、跟随急剧增加之后的降低等)。例如,从历史app使用看出,Joe仅在IDP是静态的时进行购买。随着时间过去,他的app将学会给予他静态价格。相反地,在Sarah看到跟随平稳期之后越来越高的价格时最激励她购买。App学会显示在10秒平稳期之后的IDP的缓慢的百分之8的增长。
示例4.算法与顾客和零售商交互。
在IDP确定之后,顾客可按IDP购买商品或选择出价。如果顾客按IDP购买商品,则商品被添加至购物车。数据被发送至零售商的后台***并且数据被发送至本发明的数据库。
零售商获得以下数据:
1.购买了哪个商品
2.购买价格
3.作为对该过程的付款零售商应为本发明的所有者或许可方(licensee)汇款的金额。
4.登记必须实时地通知,从而商店能够移除安全标签(如果需要的话)和打印收据(如果需要的话)。
5.必须从零售商的库存中减去该商品。
6.App在顾客的移动装置上提供购买证明或张贴到她的账户。可选地,这可以是零售商能够扫描的QR码的形式。
本发明的数据库可选择地接收以下信息(它们也可接收额外信息):
1.购买了哪个商品
2.购买价格
3.商店为使用本发明应汇款的金额
4.日期
5.时间
6.商店地址
7.尺寸
8.颜色
9.风格
10.能够搜集的任何其它产品细节(袖长、宽松合身、布类)。
11.顾客唯一识别符(这可以可选择地是在顾客注册时创建的将用于唯一地识别每个顾客的数字码)。
12.年龄
13.地址
14.性别
15.客户使用了多少次出价或者他们现在购买它吗?
16.标签的价格
17.瞬时动态价格。
如果顾客点击“出价”,则获取以上信息并且这是顾客的第一次、第二次还是第三次出价(以及他们总共进行了几次出价)的另一事件将会发生。
点击还将顾客带到出价随后是持续时间屏幕。在出价屏幕上,顾客被呈现他们能够移动至他们选择的个人价格的滚动条。他们也可以可选择地使用来自键盘的数字来输入他们选择的价格。可选文本能够读到“出价并选择您希望让您的出价保持的最大时间量。记住,您的出价被绑定到您选择的日期。”在持续时间屏幕上,顾客可通过利用键盘键入或者可选择地通过滚动日历来选择时间量。可选择地,个人价格将以比IDP少1分钱开始并且直到0(这能够可选地为不同的零售商合作伙伴而定制)。顾客被激励选择合理的价格,因为她不希望浪费时间并且知道她仅具有有限次数的出价。
在该示例中,允许顾客最多3次出价(这包括顾客输入她的个人价格和她的持续时间)。在顾客出价并选择持续时间之后,该数据与出价算法进行比较。这些“出价算法”不同于前面讨论的用于计算IDP的算法。使用出价算法,出价分为三类:
1.接受现在购买。
2.接受“保持的出价”,其中,顾客有时可能在她指定的持续时间内赢得她的商品。
3.拒绝[因为顾客出价太低]。
除了其它输入,基于诸如零售商的成本和唯一业务需要的信息来创建构成赢得出价或保持的出价的出价范围。
出价算法的结果的一个示例是“硬地板(Hard Floor)”。在硬地板中,购买被拒绝;无论顾客针对持续时间选择了什么;价格从来没有这么低。如果出价低于或等于硬地板编号,则拒绝的出价通知读取“您的出价太低。您想再次尝试吗?您最多拿到3次出价。”还出现“再次出价”以及“不了,谢谢”按钮。“再次出价”将顾客返回到产品细节页面或可选地返回到出价页面。“不了,谢谢”将顾客返回到产品ID页面。在第三次出价时,文本读取“这是您对该商品出价的最后机会。请明智地选择。尝试更加接近IDP的价格。”如果顾客在三次之后未能完成购买,则他们被带回到产品细节页面或可选地回到出价页面,但是“出价”按钮没有了。文本显示“您仍能够按IDP购买您的商品。”
出价算法的结果的第二示例是“保持的出价”。如果第一次、第二次或第三次出价大于“硬地板”(但不足够高以用于产生立即接受的出价),则在本发明的数据库的“保持的出价”区域中接受该出价。以“您离获得您的商品非常近了!您的商品在x天(即,客户选择的持续时间)____中可能将会在您的衣柜里待着!如果您不想试试您的运气,您仍能够选择“按IDP购买它”来欢迎顾客。存在两个按钮:“IDP”和“等待”。如果顾客选择“等待”,有趣的图形沿着屏幕跳舞,其后跟随产品ID页面或可选地出价和收据页面。“保持的出价”是有效的“售卖选择权(put option)”。收集大量的这些“售卖选择权”允许本发明建立需求曲线并预测收益。
出价算法的结果的第三示例是“接受的出价”(赢得出价)。在该结果中,出价立刻被接受。该结果可以由足够接近IDP的出价引起(“足够接近”是由零售商的输入预定并利用其它因素考虑的值)。
在每次出价之后发生获取以上信息、出价量以及这是他们的第一次、第二次还是第三次出价(以及他们进行了多少次出价)的事件。该信息将被用于优化算法出价过程。它还提供研究顾客的心理的机会。
对于购买多于1件的商品的顾客,算法包括“打包(bundling)”特征。打包允许顾客通过购买多于1件的商品获得折扣。它考虑在购物车中的所有商品并且运行为整个购物车提供IDP的算法(其可比针对每件单独的商品进行处理更好)。顾客还能够对购物车中的所有商品出价。客流量与针对单个商品的出价相同。
示例5.在购买或者成功的或未决的出价之后。
在完成购买之后,接下来的屏幕读取:“您都做完了!如果您想给予商店反馈,请按这里。否则,您的购买完成。”反馈和“继续购物”按钮位于屏幕底部。“继续购买”将顾客带到仪表板页面。
仪表板页面(见图1A)包括以下:
1.扫描(这是产品ID页面)
2.浏览(这通往零售商提供的材料或广告)
3.我的包(这是今天的商品的购物包)
4.出价和收据页面(这包括“保持的出价”以及过去的购买历史和收据)
5.注册/资料填写页面
6.权利和绿色点(Power and Green Points)。这示出了积分量和游戏级别。顾客也可从这张贴到推特、Facebook等。
仪表板可通过在每个屏幕的左上方的图标访问。
通过点击“保持的出价”,顾客能够增加未决的出价并且增加/降低持续时间。该页面能够在任意时间访问。
以上描述的本发明应结合所附权利要求和附图来阅读。实施例和示例的描述使得人们能够实践本发明的各种实施方式并且它们不旨在将本发明限制于优选的实施例,而是用作本发明的特定示例。本领域技术人员将认识到,他们可容易地使用所公开的概念和具体实施例作为修改或设计用于执行本发明的相同目的的其他方法和***的基础。
申请人可交替地使用“她”、“她的”以及“顾客”、“购买者”或“客户”。除非明确指出,否则在上下文中,这仅仅是快捷、便利的表达。本发明中的顾客可以是任意性别,或者对于此点,可以是实体进行购买,它不限于女性顾客或客户。
本文所引用的所有参考文献(包括出版物、专利申请、专利以及网站内容)通过引用结合于此,在如同每个参考文献是单独地并且具体指明是通过引用结合的并在本文中全面地阐述的程度。
在描述本发明的上下文中的术语“一”、“一个”和“该”以及类似指示物的使用被解释为覆盖单数和复数两者,除非本文另外说明或由上下文明确否认的。
除非本文另外说明,否则本文中对值的范围的列举仅旨在用作单独指代落入该范围的每个单独值的速记方法,并且每个单独值结合到说明书中如同它是本文单独列举的。措辞“约”在伴随数字值时应被解释为指示与陈述的数字值的高达10%(包括10%)的偏差。所有和全部示例的使用或者本文提供的示例性语言(“例如”或“诸如”)仅旨在更好地阐明本发明并且并不对本发明的范围施加限制,除非另外声明。在说明书中语言不应被解释为指示任何非要求保护的元素为实践本发明所必要的。