[发明专利]消费者决策树生成系统

说明书

生成消费者决策树的系统接收零售物品交易销售数据。系统将销售数据聚合到物品/商店/持续时间级别，并将销售数据聚合到属性‑值/商店/持续时间级别。系统确定该持续时间的销售份额，并基于属性‑值对之间的相关性确定属性‑值对的相似性。系统然后基于所确定的相似性来确定最有意义的属性。

技术领域

一个实施例一般而言针对计算机系统，并且特别地针对生成消费者决策树的计算机系统。

背景技术

买方决策过程是消费者在购买产品或服务之前、期间和之后潜在的市场交易中所进行的决策制定过程。更一般而言，决策制定是从多种选择中选择行动方案的认知过程。常见的示例包括购物和决定吃什么。

一般而言，有三种分析消费者购买决策的方法：(1)经济模型-这些模型在很大程度上是定量的，并且基于合理性和近乎完美的知识的假设。消费者被看作是最大化他们的效用；(2)心理模型-这些模型专注于心理和认知过程，诸如动机和需求识别。它们是定性的而不是定量的，并且建立在社会学因素上，如文化影响和家庭影响；(3)消费者行为模型-这些是营销人员使用的实用模型。他们通常融合经济和心理模型。

一种类型的消费者行为模型被称为“消费者决策树”(“CDT”)。CDT是产品属性空间中消费者的决策层次的图形表示，用于购买给定类别中的物品。它建模客户在缩小到他们选择的物品之前如何考虑类别内的不同替代方案(基于属性)，并帮助理解客户的购买决策。它通常也被称为“产品细分和类别结构”。CDT按照惯例由品牌制造商或第三方市场研究公司基于调查和其它市场研究工具生成。但是，这些方法缺乏准确性，并且会缺乏真实性，因为它们可能基于品牌制造商提供的偏颇数据。

发明内容

一个实施例是生成消费者决策树的系统。系统接收零售物品交易销售数据。系统将销售数据聚合到物品/商店/持续时间级别，并将销售数据聚合到属性-值/商店/持续时间级别。系统确定该持续时间的销售份额，并基于属性-值对之间的相关性确定属性-值对的相似性。然后系统基于所确定的相似性来确定最有意义的属性。

附图说明

图1是根据本发明实施例的计算机服务器/系统的框图。

图2是根据一个实施例的基于零售商的交易数据自动生成的酸奶产品类别的示例CDT。

图3是根据一个实施例的当生成CDT时图1的CDT生成模块的功能的流程图。

图4是根据一个实施例的当确定相似性时图1的CDT生成模块的功能的流程图。

图5是根据一个实施例的当基于相似性生成CDT时图1的CDT生成模块的功能的流程图。

图6图示了根据一个实施例的由CDT生成模块生成的CDT。

具体实施方式

一个实施例使用零售商的交易数据，具体而言是物品存储周聚合销售单位数据，自动生成消费者决策树(“CDT”)，以确定物品相似性。因此，即使是不使用忠诚度计划的小零售商可用的交易数据也可以被用来生成CDT。另外，实施例提供对零售商哪些物品一起属于单个类别的确定。

图1是根据本发明实施例的计算机服务器/系统10的框图。虽然被示为单个系统，但是系统10的功能可以被实现为分布式系统。另外，本文公开的功能可以在可以经网络耦合在一起的单独的服务器或设备上实现。另外，可以不包括系统10的一个或多个部件。例如，对于服务器的功能，系统10可以需要包括处理器和存储器，但是可以不包括图1中所示的一个或多个其它部件，诸如键盘或显示器。