当管理同一市场中的多个商店时，零售商需要选择商店位置并使产品组合本地化，以反映其服务的每个社区的需求。本发明专利技术开发了一种动态系统，称为双Poisson‑Gamma动态系统(dPGDS)，用于关于跨商店/售货位置的产品组合和个体消费者购买的面板数据。dPGDS可以帮助零售商自动地概述由商店访问偏好驱动的不同消费者细分，测量商店位置之间的关系，并且同时估计每个消费者细分的产品偏好。dPGDS依赖于贝叶斯非参数先验，并且可以使用本发明专利技术的MCMC推理算法针对大规模交易数据进行有效训练。将dPGDS应用于日本主要火车站的零售售货市场。证明了dPGDS的表面效度及其对于零售商改进销售位置决策以及在位置层面的产品组合的价值。
【技术实现步骤摘要】
本专利技术涉及消费者细分和产品偏好挖掘领域。
技术介绍
1、零售业正在发生变化。今天，成功意味着理解消费者的需求并实现本地、独特和多样的购物体验。由于位置因素，例如交通连接和街区社会人口统计特征，不是所有sku(stock keeping unit，库存单位)和类别在所有商店中都表现类似。事实上，简单地在所有商店推销相同的产品会带来巨大的成本消耗，例如缺货和库存积压，每年高达1万亿以上。因此，必须针对每个商店位置的具体情况来优化组合。这使得组合本地化对于零售商的重要性日益增加。例如，在零售系统研究(rsr)进行的研究中，59％的调查零售的最佳表现连锁店表示本地化组合对于它们将来的成功来说是“非常重要的”。领先的零售商已经使用数据来在商店层面定制组合，同时增强了消费者体验并改善了单位经济。
2、然而，开发有效的本地化策略是复杂的决策过程。零售商不仅必须修改组合以适应商店特定的人口统计和其它异类特征，而且还必须考虑服务于同一市场的商店之间的潜在替代和互补性。因此，sku是否上市或退市不应基于诸如总销售或利润的简单财务指标。然而，现有的关于产品组合优化的学术研究仍然局限于针对单个商店的相对简单的问题或针对所有商店的共同组合)。因此，现有的研究对于零售商同时跨多个商店位置定制市场策略和产品组合不是直接有用的。为此，在优化之前，零售商首先需要从消费者的角度理解市场中的产品/商店之间的关系。
3、本专利技术旨在通过开发数据驱动的动态系统来填补这一重要研究空白。
技术实现思路
1、本专利技术的方法，本文称为双poisson-gamma动态系统(dpgds)，可以将顺序观察到的产品组合和个体消费者购买的计数数据同时概率地因式分解到较低维空间中。这以可解释的方式表示数据，并帮助管理者对组合进行本地化。这种联合建模方法的动机在于：所观察到的产品组合通常由供应和需求两者确定，并且零售商需要知道他们提供的产品与消费者偏好的产品之间的差异。
2、本专利技术的模型是在零售自动售货的背景下开发的，这个行业在消费品零售额中占相当大的一部分。随着供应链和物联网技术的不断创新，零售自动售货在零售行业中变得越来越重要，因为它为最大限度地提高盈利能力和拉近产品与消费者的距离提供了无尽的机会。据估计，2020年全球自动售货机市场规模为1344亿美元，预计到2027年将达到1466亿美元的修正规模，增长率为1.3％。自动售货机通常安装在地铁站、办公室、公寓社区、制造设施和零售店中，销售冷饮、糖果、零食等。在这个行业中，由于价格变化或促销相对少，位置和产品组合通常是可能影响消费者购买行为的主要策略。由于自动售货机中的插槽通常有限，考虑到其低运营成本和高移动性，供应商通常通过在同一市场中安装许多自动售货机来增加覆盖范围和产品种类。因此，能够识别安装自动售货机的正确位置并且跨多个自动售货机共同地设计产品组合策略，对于供应商实现投资回报最大化至关重要。
3、dpgds中有几个重要的特征。首先，dpgds允许消费者对位置和产品的偏好的异质性(heterogeneity)。该模型可以同时基于通常一起出售或购买的产品组合来提取不同的产品聚类，并且基于每个消费者通常从什么样的自动售货机的组合购买来提取不同的消费者细分。前者可以帮助将分析的维度从数千个产品减少到几个产品聚类，从而提高计算效率并且简化模型输出的解释。后者可以帮助零售商识别以消费者访问模式为特征的子市场，从而帮助他们跨区域的营销策略。第二，dpgds可以提取不同产品聚类和消费者细分之间的关系，这最终提供了关于什么产品应当被供应给什么消费者细分的指导。第三，dpgds允许使用离散隐马尔可夫模型的计数数据随时间的依赖性，因为如果在面板数据设置中消费者行为中存在状态依赖，则静态分析可能呈现不准确的表示。最后，可以使用贝叶斯非参数先验通过mcmc(multiple channel multiple choice，多通道与多选择)算法自动且有效地推断dpgds中的模型参数。
4、在与本专利技术的研究合作的公司管理位于日本主要火车站的数千台自动售货机(销售饮料)。公司的当前实践是通过手动读取电子数据表格中的描述性统计数据来确定每个季节每个自动售货机的产品组合，这既乏味又无效。公司的目标是识别若干消费者细分(其由旅行需要和自动售货机的使用驱动)，并定义每个消费者细分可能优选的产品聚类。因此，本专利技术的模型可以被认为是实践的自动形式化。如该公司所建议的，将dpgds应用在东京周围的样本站中。证明了dpgds可以提取有意义的和可解释的消费者细分和产品聚类。通过在一个站的示范，证明了本专利技术的模型输出可以为公司产成有用的见解，以确定在哪里安装或移除自动售货机以及改进每个位置的产品组合。鉴于dpgds的样本结果的高度有效性，该公司计划应用dpgds来部分地自动化其运营管理，如自动售货位置决策和产品组合本地化。
5、本专利技术提供一种用于分析产品销售位置和产品偏好的方法，包括：
6、基于第一产品聚类和第二产品聚类生成第一模型，其中，所述第一产品聚类基于消费者购买数据获得，所述第二产品聚类基于售货机中提供的产品组合获得，所述第一模型指示产品在售货机中出售的频率；
7、基于消费者对售货机的使用偏好和消费者对产品的偏好生成第二模型，所述第二模型指示消费者从售货机购买的产品的单位；
8、对所述第一模型和所述第二模型进行模型推理，得到所述第一模型和所述第二模型中的参数。
9、根据本专利技术的实施例，所述第一模型遵循泊松分布：
10、
11、其中，缩放参数表示售货机v在时间t的产品组合的总体变化水平，表示在时间t时，售货机v在产品聚类k上的潜在强度，φ表示所述第一产品聚类，ε表示所述第二产品聚类，ψ表示所述第一产品聚类和所述第二产品聚类在影响所观察到的产品组合方面的相对重要性。
12、根据本专利技术的实施例，将随时间变化的转换结构建模为伽马分布，其形状参数是先前时间的k个产品聚类的线性组合。
13、根据本专利技术的实施例，所述第二模型遵循泊松分布：
14、
15、其中，缩放参数表示消费者i在时间t的总购买频率，表示消费者i在时间t属于消费者细分g的概率，表示自动售货机v对于特定消费者细分g的重要性，βgk表示消费者细分g购买来自产品聚类k的产品的概率。
16、根据本专利技术的实施例，将随时间变化的转换结构建模为伽马分布，其形状参数是先前时间的g个消费者细分的线性组合。
17、根据本专利技术的实施例，使用贝叶斯非参数先验通过多通道与多选择算法进行模型推理。
18、本专利技术还提供一种用于分析产品销售位置和产品偏好的系统，包括至少一个处理器，所述至少一个处理器被配置为或被编程为：
19、基于第一产品聚类和第二产品聚类生成第一模型，其中，所述第一产品聚类基于消费者购买数据获得，所述第二产品聚类基于售货机中提供的产品组合获得，所述第一模型指示产品在售货机中出售的频率本文档来自技高网
...
【技术保护点】
1.一种用于分析产品销售位置和产品偏好的方法，包括：
2.根据权利要求1所述的方法，其中，所述第一模型遵循泊松分布：
3.根据权利要求2所述的方法，其中，将随时间变化的转换结构建模为伽马分布，其形状参数是先前时间的K个产品聚类的线性组合。
4.根据权利要求1至3中任一项所述的方法，其中，所述第二模型遵循泊松分布：
5.根据权利要求4所述的方法，其中，将随时间变化的转换结构建模为伽马分布，其形状参数是先前时间的G个消费者细分的线性组合。
6.根据权利要求5所示的方法，其中，使用贝叶斯非参数先验通过多通道与多选择算法进行模型推理。
7.一种用于分析产品销售位置和产品偏好的系统，包括至少一个处理器，所述至少一个处理器被配置为或被编程为：
8.根据权利要求7所述的系统，其中，所述至少一个处理器被配置为或被编程为：
9.根据权利要求7或8所述的系统，其中，所述至少一个处理器被配置为或被编程为：
10.一种计算机可读介质，包括程序指令，所述程序指令当由至少一个处理器执行时，所述程序指令使所述至少一个处理器：
...
【技术特征摘要】
1.一种用于分析产品销售位置和产品偏好的方法，包括：
2.根据权利要求1所述的方法，其中，所述第一模型遵循泊松分布：
3.根据权利要求2所述的方法，其中，将随时间变化的转换结构建模为伽马分布，其形状参数是先前时间的k个产品聚类的线性组合。
4.根据权利要求1至3中任一项所述的方法，其中，所述第二模型遵循泊松分布：
5.根据权利要求4所述的方法，其中，将随时间变化的转换结构建模为伽马分布，其形状参数是先前时间的g个消费者细分的线性组合。
6.根据...
【专利技术属性】
技术研发人员：刘佳，
申请(专利权)人：香港科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。