专利名称：用于在超市中分派商品货位的方法和系统的制作方法
技术领域：
本发明涉及物联网技术，更具体来说，涉及支持零售超市中的商品货位管理的技术。
背景技术：
如何将待售商品摆放在超市中不同的货位，以方便顾客购买，唤起顾客的购买欲， 对于商家和顾客来说，都非常重要。现有的大型超市中，采用了各种技术来支持对商品货位管理。例如，商品货位管理人员通常通过现场观察(或监控摄像)，记录超市内客流量情况， 在客流量较大的地点(例如收银台附近)或促销区的货位上，摆放热门商品、促销商品、重要商品，以获得大的销售收益。传统方法建议将关联商品摆放在一起，将收益大的商品摆放在客流大的位置，但由于超市销售空间中对品种区域的限制，零售商通常会将商品分区域摆放，不同类的商品常常不能摆在一起。而且，不同的客户群感兴趣的商品也不同，将所有相关联的商品摆在一起没有考虑客户群的差异。
发明内容
本发明旨在提供一种用于支持在商品零售超市中进行商品货位管理的改进方法。一方面，提供一种用于在超市中分派商品货位的方法，包含获取超市中顾客的购物路径；按照预定标准划分顾客类别；根据顾客的购物路径，确定每类顾客中的较多顾客采用的一个或多个购物路径， 作为该类顾客的频繁购物路径；根据顾客的购物清单和购物路径，计算每类顾客对商品的看购率，其中，某类顾客对某商品的看购率是指该类顾客看到该商品并购买该商品的概率；对于一个商品集合，计算使所述商品集合在一定时期的总期望收益最大时所述商品集合中每种商品分别所在的货位，其中，总期望收益包括所述每种商品位于各自货位时所述每种商品基于看购率和频繁购物路径的期望收益之和。另一方面，提供一种用于在超市中分派商品货位的系统，包含购物路径获取装置，用于获取超市中顾客的购物路径；分类装置，用于按照预定标准划分顾客类别；频繁购物路径确定装置，用于根据顾客的购物路径，确定每类顾客中的较多顾客采用的一个或多个购物路径，作为该类顾客的频繁购物路径；看购率计算装置，用于根据顾客的购物清单和购物路径，计算每类顾客对商品的看购率，其中，某类顾客对某商品的看购率是指该类顾客看到该商品并购买该商品的概率；商品货位确定装置，对于一个商品集合，所述商品货位确定装置计算使所述商品集合在一定时期的总期望收益最大时所述商品集合中每种商品分别所在的货位，其中，总期望收益包括所述每种商品位于各自货位时所述每种商品基于看购率和频繁购物路径的期望收益之和。按照本发明的实施例，可以在促销、陈列变更、新商品上架时，以系统化的方式确定一种或多种商品的摆放位置。
发明内容部分和所附权利要求中阐述了被认为是本发明的特点的创造性特征。但是，通过参照附图阅读下面对示例性实施例的详细说明可更好地理解发明本身以及其使用模式、另外的目标、特征以及优点，在附图中图IA和IB示意性表示可实施按照本发明实施例的方法和系统的环境；图2示意性地表示按照本发明实施例的方法的流程图；图3示意性表示对顾客进行分类；图4示意性表示按照本发明实施例确定各类顾客的频繁购物路径的方法；图5A示意性表示频繁购物路径和货位；图5B示意性表示按照本发明实施例的方法确定的商品摆放方案；图6示意性表示按照本发明实施例的系统的框图。
具体实施例方式下面参照附图来说明本发明的实施例。在下面的说明中，阐述了许多具体细节以便更全面地了解本发明。但是，对于本技术领域内的技术人员很明显，本发明的实现可不具有这些具体细节。此外，应当理解的是，本发明并不限于所介绍的特定实施例。相反，可以考虑用下面的特征和元素的任意组合来实施和实践本发明。而无论它们是否涉及不同的实施例。因此，下面的方面、特征、实施例和优点仅作说明之用而不应被看作是所附权利要求的要素或限定，除非权利要求中明确提出。图IA和IB示意性表示可实施按照本发明实施例的方法和系统的环境，其中，图IA 表示顾客在超市中购物时的情形。如图IA和IB所示，在超市100中销售区的不同位置，部署有用于摆放待售商品的货位(7、15、22)。顾客110推着购物车120，在超市100中走动，当看到想要购买的商品时， 就将商品从货位上取下，放入购物车120中。最后，在超市的出口处时，售货员清点顾客的购物车中的商品，将数据输入POS机(未予示出)。POS机生成一个记录有商品名称和数量等的购物清单，并向顾客显示购物清单和应付的金额，顾客结账后，取走购物车中的商品。图2是表示按照本发明实施例的方法的流程图。该流程图中包括步骤210、220、 230、240和250。以下结合其它附图，对这些步骤作详细的说明。在步骤210，获取超市中顾客的购物路径。顾客的购物路径，指顾客在超市的销售区中的行走路线。按照本发明一个实施例，可以通过跟踪顾客的购物车来获得关于顾客的购物路径的数据。参看图IA和1B，一种实施方式是，，在购物车120或购物篮上安装RFID标签125， 另一方面，在销售区的不同位置(L3、L4、L5、L6、L9、L10、L11、L12)部署RFID读写器(RFID reader) 130。购物车(或购物篮)在超市中随顾客的走动而移动时，RFID读写器130可以检测到购物车上的RFID标签125，从而检测到对应的购物车经过该位置。例如如图IB所示，如果部署在位置L5的RFID读写器检测到一个购物车上的RFID标签时，则认为该购物车在移动过程中经过位置L5。通过部署在超市中不同位置的RFID读写器130，可以检测到同一个购物车经过的不同位置。按照时间顺序排列同一个购物车经过的不同位置，所获得的位置序列，就能代表顾客的购物路径。例如，图1中所示的一个购物路径I^th_A_2，可以由位置序列140(例如 <L3，L5，L9，L11，L12>)代表。可以将这种购物路径与顾客相关联地存储到数据库150。本发明的方法和系统可以通过计算机(未予示出)访问数据库，以读写数据。在步骤220，按照预定标准划分顾客类别。可以如图3所例示的那样实现步骤220。图3表示，位于超市出口处的POS机302，记录有顾客的购物清单或购物篮信息，即顾客购买了哪些商品。图3还表示，顾客在结账时，可以出示会员卡301。一般来说，会员卡上一般记录有会员卡持卡人的人口统计学特征信息，例如持卡人的年龄、职业、收入等。上述购物清单数据和人口统计学特征信息，都可以在后台的数据库150中存储和更新，作为数据源。根据购物清单、和/或会员人口统计学特征信息，生成标识顾客特征的特征向量表303。特征向量表303含有表示顾客特征的特征向量，作为示例，特征向量303中的特征向量<35，女，教师，5000>，<牛奶，啤酒，墨水 >，表示的是编号为C336的顾客的年龄、性别、 职业和收入以及购买的商品。按照预定的标准根据这种顾客特征向量对顾客进行聚类，可以将顾客划分为各自具有相似购物特征的不同类别(例如A类、B类、C类等)，例如A类男性，职业为保安、销售员等，年龄处于20-35岁之间，收入在1000-3000元
之间，经常购买香肠和啤酒。B类女性，职业为前台、文员、教师等，年龄在25-30之间，收入在3000-5000元之
间，经常购买零食和酸奶。所属技术领域的技术人员知道，在具体实施本发明时，可以根据具体情况设定不同的标准来划分顾客的类别。因此，在此无须赘述。在步骤230，根据顾客的购物路径，确定每类顾客中的较多顾客采用的一个或多个购物路径，作为该类顾客的频繁购物路径。在记录了顾客的购物路径(步骤210)、划分了顾客类别(步骤220)后，就可以确定每个类别的顾客的频繁购物路径，即每类顾客中的较多顾客采用的购物路径。这个步骤如图4所示。图4中，用带箭头的符号来形象地表示步骤210所获得的顾客的购物路径(例如图1所示的位置序列140，例如<L3，L5，L9，Lll, L12 ，图4的右上侧示例性地表示A类的15位顾客各自的15个购物路径，如标记401所示；右上侧示例性地表示B类的15位顾客各自的15个购物路径，如标记402所示。其中，B类顾客的购物路径中，有8个是相同的，即是B类顾客中较多顾客采用的购物路径，因此可以将其确定为B类顾客的频繁购物路径，即图4右下侧所示的I^th_B。类似地，可以确定A类顾客的频繁购物路径 Path_A_l 和 Path_A_2。
显然，频繁购物路径可以表征顾客的购物习惯。需要指出的是，图4所示的情形仅仅是示例性的，在实施本发明时，可以根据具体情况，针对每类顾客确定更多的频繁购物路径。在步骤M0，计算各类顾客对每种商品的看购率。更具体来说，根据顾客的购物清单和购物路径，计算每类顾客对购物路径上的商品的看购率。商品的“看购率”，是指顾客看到该商品并购买该商品的概率。按照本发明的实施例，可以用下面的公式(1)计算各类顾客对每种商品的看购率Rbs (i,k) =Nb/Ns......(1)其中，i表示商品，k表示顾客类别，其中Nb是商品被该类顾客购买的次数；Ns是商品被该类顾客看到的次数。这里，我们假设只要某商品位于某顾客经过的购物路径的货位上，该顾客就能看到该商品。由于可以获取顾客的购物路径，并且可以从顾客的购物清单中获得顾客购买了哪些商品，而商品、商品的货位和购物路径之间具有确定的关系，因此，不难得到商品被某类顾客购买的次数和被某类顾客看到的次数。例如，在一段时间内(例如一周内)，A类顾客(k = A)经过购物路径Path_A_2的次数是4000，该购物路径中有摆放面包(i = 1)的货位和摆放洗手液(i = 2)的货位，而 A类顾客购买面包的次数是200，购买洗手液的次数是120，则Ratebs(l，A) = 200/4000 = 0.05，即对于A类顾客而言，面包的看购率是0.05 ;I atebs (2，A) = 120/4000 = 0. 03，即对于A类顾客而言，洗手液的看购率是0. 03。B类顾客(k = B)经过购物路径I^th_B的次数是3000，该购物路径中有摆放面包(i = 1)的货位，而B类顾客购买面包的次数是300，则 Ratebs(LB) = 300/3000 = 0. 1，即对于B类顾客而言，面包的看购率是0. 05。需要指出的是，计算各类顾客对每种商品的看购率，是本发明的一个特点。利用传统的现场观察或摄像头监控方法难以得到这种看购率。步骤250，对于一个商品集合，根据看购率和频繁购物路径计算使所述商品集合在一定时期的总期望收益最大时所述商品集合中每种商品分别所在的货位。某商品的期望收益，是指该商品摆放在某个货位所获收益的期望值。商品集合的总期望收益，是指该商品集合中每个商品摆放在各自的货位时所获收益的期望值的总和。 一般来说，商品的期望收益值与商品的看购率、利润、销量和库存量成正相关关系。上文的期望收益和总期望收益，分别在一定时期的期望收益和总的期望收益。在本文中，为了叙述的简要，在不影响内容清楚的情况下，有时省略了对期望收益的这种时间限定。本发明在计算商品的期望收益时，通过针对不同类别的顾客，考虑了商品的货位与各类顾客的频繁购物路径的邻近关系。按照本发明一个实施例，一个商品集合的总期望收益包括所述商品集合中每种商品位于各自货位时所述每种商品基于看购率和频繁购物路径的期望收益之和。显然，要计算一个商品集合的总期望收益，就要计算商品集合中每种商品摆在不同货位的期望收益。该实施例用下面的公式(2)来计算第i种商品摆放在第j个货位上时的期望收益P(i，j)
权利要求
1.用于在超市中分派商品货位的方法，包含获取超市中顾客的购物路径；按照预定标准划分顾客类别；根据顾客的购物路径，确定每类顾客中的较多顾客采用的一个或多个购物路径，作为该类顾客的频繁购物路径；根据顾客的购物清单和购物路径，计算每类顾客对商品的看购率，其中，某类顾客对某商品的看购率是指该类顾客看到该商品并购买该商品的概率；对于一个商品集合，计算使所述商品集合在一定时期的总期望收益最大时所述商品集合中每种商品分别所在的货位，其中，总期望收益包括所述每种商品位于各自货位时所述每种商品基于看购率和频繁购物路径的期望收益之和。
2.权利要求1的方法，其中，第i种商品放在第j个货位上时基于看购率和频繁购物路径的期望收益P(i，j)为
3.权利要求2的方法，其中，所述商品集合中每种商品的所述期望收益之和为
4.权利要求1或2的方法，其中，所述商品集合的总期望收益进一步包含所述商品集合中的商品之间的关联收益之和。
5.权利要求4的方法，其中，所述商品集合中的商品之间的关联收益之和为
6.权利要求1的方法，其中，所述获取超市中顾客的购物路径，包括通过部署在超市中不同位置的RFID读写器检测顾客使用的购物车上的RFID标签，记录购物车的动态位置，从而导出顾客的购物路径。
7.权利要求1的方法，其中，所述按照预定标准划分顾客类别，包括根据以下的一个或多个数据源划分顾客类别P0S机记录的购物清单、人口统计学特征信息。
8.用于在超市中分派商品货位的系统，包含购物路径获取装置，用于获取超市中顾客的购物路径；分类装置，用于按照预定标准划分顾客类别；频繁购物路径确定装置，用于根据顾客的购物路径，确定每类顾客中的较多顾客采用的一个或多个购物路径，作为该类顾客的频繁购物路径；看购率计算装置，用于根据顾客的购物清单和购物路径，计算每类顾客对商品的看购率，其中，某类顾客对某商品的看购率是指该类顾客看到该商品并购买该商品的概率；商品货位确定装置，对于一个商品集合，所述商品货位确定装置计算使所述商品集合在一定时期的总期望收益最大时所述商品集合中每种商品分别所在的货位，其中，总期望收益包括所述每种商品位于各自货位时所述每种商品基于看购率和频繁购物路径的期望收益之和。
9.权利要求8的系统，其中，第i种商品放在第j个货位上时基于看购率和频繁购物路径的期望收益P(i，j)为
10.权利要求9的系统，其中，所述商品集合中每种商品的所述期望收益之和为
11.权利要求8或9的系统，其中，所述商品集合的总期望收益进一步包含所述商品集合中的商品之间的关联收益之和。
12.权利要求11的系统，其中，所述商品集合中的商品之间的关联收益之和为
13.权利要求7的系统，包括部署在超市中不同位置的RFID读写器，用于检测顾客使用的购物车上的RFID标签，其中，所述购物路径获取装置通过所述RFID读写器记录购物车的动态位置，从而导出顾客的购物路径。
14.权利要求7的系统，其中，所述分类装置根据以下的一个或多个数据源划分顾客类别P0S机记录的购物清单、人口统计学特征信息。
全文摘要
本发明涉及物联网技术。提供一种用于在超市中分派商品货位的方法和系统，该方法包含获取超市中顾客的购物路径；按照预定标准划分顾客类别；根据顾客的购物路径，确定每类顾客中的较多顾客采用的一个或多个购物路径，作为该类顾客的频繁购物路径；根据顾客的购物清单，计算每类顾客对商品的看购率，其中，某类顾客对某商品的看购率是指该类顾客看到该商品并购买该商品的概率；对于一个商品集合，计算使所述商品集合在一定时期的总期望收益最大时所述商品集合中每种商品分别所在的货位，其中，总期望收益包括所述每种商品位于各自货位时所述每种商品基于看购率和频繁购物路径的期望收益之和。
文档编号G06Q30/02GK102567896SQ20101062475
公开日2012年7月11日 申请日期2010年12月30日 优先权日2010年12月30日
发明者丁宏伟, 李洪波, 王伟, 董进 申请人:国际商业机器公司