专利名称：：在零散市场中用于优化贸易促进和分销开销的系统的制作方法
技术领域：
：本公开内容涉及一种数据处理系统，其用于优化营销开销以获得最大的营销投资回报。特别地，本公开内容涉及计算机系统和算法，用于分析并优化零散市场(fragmentedmarket)中的贸易促进和分销支出以便最大化利润。
背景技术：
：由于市场环境和4支术两者中的改变，传统的面向品牌的广告不再是消费者行为的主要驱动力。这可以通过网络电视商业广告的停滞来和逐渐减少的印刷报纸发行量反映。尽管"线上(ATL)"营销技术(其关注于覆盖广泛群体)仍旧重要，但是"线下(BTL)"营销技术(其关注于有目标的、面向消费者的交流)已经变得愈发重要。ATL或传统营销方法利用消息指向大量听众，该消息试图增强特定的品牌，传送一般的产品信息或寻求引起情感响应。ATL营销方法包括电视、无线电、因特网广告、印刷广告、户外广告、黄页广告以及4气理成本。相反，BTL方法更符合传统的直销努力，其试图在营销者和个人消费者之间^是供有目标的关系。BTL方法的效率相比于ATL方法更易于测量和量化。BTL营销方法包括直接邮件、直接响应广播、直接响应印刷广告、事件营销、交互营销以及消费者和贸易促进营销。关于营销效率(利润)，可以对从ATL方法改变到BTL方法负责的因素包括正在改变的消费者人口统计、增加的消费者复杂性、广泛的营销"杂乱(clutter)"、增强的信息可用性、对于递送可测量值的增加的客户压力、正在增长的"多渠道"竟争效率以及技术进步。然而，BTL营销方法在零散市场中^艮难部署、优化以及有效量化。例如，诸如印度、中国、巴西和越南的新兴市场通常是零散的。零散市场的特征在于大量的渠道伙伴、贸易中间商以及零售商，其形成了多层网络结构。例如，具估计，大约95%的印度零售市场是零散的。在该发达市场中，供货商直接与几个大零售商打交道，而不同于发达市场，零散市场具有多层分销和前端结构，这使得很难对BTL营销方法进行优化和评估。类似地，很难在零散市场中对贸易促进和分销开销进行部署、优化以及有效量化。收入在3亿美元范围的大型包装消费品(CPG)实体可能具有复杂、多层的分销网络，其中这样的实体在印度零散市场中是大型CPG实体的典型。对于零散市场中的此类大型CPG实体来说常见的是具有约25-30家仓储销售商(warehouse)、依赖于制造商规模和存在方式而具有约1,500-2，000个分销商或存货商(stockist)、具有约10,000-15,000批发商或中间商以及约200-1200万零售商。不论与制造商具有直接还是间接关系，这些实体都可以称为"渠道伙伴"。可以认为具有约至少一百万销售实体或渠道伙伴的市场是零散的。仓储销售商(还称为运输和转运代理或CFA)可以充当制造商和贸易之间的直接联系，并且进一步充当持有代表公司的库存(存货)的公司的代表。CFA的目的是确保向分销商或"存货商，，以及直接零售商连续供货。CFA通常获得约2%到约4%的利润，这取决于处理的营业额。分销商或存货商在分销网络结构中是重要的联系，因为它们从制造商购买库存(存货)、投资再分销基础实施(销售人员、卡车、货车等)并且主动服务零售商和批发商以迎合制造商的销售和分销目标。存货商通常获得零售商销售价格中的约5%到6%。批发商充当存货商和零售商之间的中间商，并且通过向零售商销售来帮助扩展产品的覆盖范围。零售商是网络和最终消费者之间的联系的末端。对于大多数产品，零售商通常获得大约10%到15%的利润率。因而，很难优化贸易促进和分销营销技术和/或支出("开销")从而在此类零散市场中最大化制造商的利润，在此类零散市场中，来自于完全不同的平台以及渠道伙伴的数据是无组织的，并且甚至可能在计算平台之间没有联系。而且，由于完全不同的平台，即使可能，也很难基于由各种渠道伙伴提供的数据获取关于销售和业绩的内在联系的信息。而且，来自于零散市场中的200万到1200万零售商之间的大量数据加重了使用传统优化算法时存储器分配和数据处理效率的难度。
发明内容本发明提供了一种系统，用于优化零散市场中与由制造商提供的货物相关联的激励型开销参数，所述系统包括具有处理器和存储器的计算机；以及数据采集组件，配置用于对与多个销售实体相关联的货物销售的数据进行聚合。分析模块基于关键分段变量，对对应于多个销售实体的经聚合数据的一部分应用回归分析，以标识与销售收入具有最高相关性的关键分段变量。分段模块基于所标识的关键分段变量的选定范围，将对应于销售实体的经聚合的数据分为最终分段。分析模块对每个最终分段应用回归分析，以标识与销售收入具有最高相关性的激励型开销参数，并且针对每个最终分段生成对应于已标识激励型开销参数的一个或多个响应曲线。报告生成器提供各个响应曲线的图形输出。本发明提供了一种方法，用于优化零散市场中与由制造商提供的货物相关联的贸易促进和分销激励型开销参数，所述方法包括采集涉及与多个零售商相关联的货物销售的数据；基于多个零售商的预定部分，将对应于零售商的经聚合的数据分为粗分段；并且基于关键分段变量，对每个粗分段应用回归分析，以确定主关4建分段变量和次关键分段变量，其中主关键分段变量和次关键分段变量与销售收入具有最高相关性。基于主关键分段变量的预定范围，对对应于零售商的经聚合的数据执行分为子分段；并且基于次关键分段变量的预定范围，将子分段划分为最终子分段。对每个最终子分段应用回归分析，以标识与销售收入具有最高相关性的激励型开销参数；并且针对每个最终子分段，生成对应于所标识的激励型开销参数的一个或多个响应曲线。对响应曲线提供图形输出，其中各个响应曲线对所标识的激励型开销参数的选定值和制造商-'j润水平之间的关系提供指示。在零散市场中存在计算最佳开销参数值的需要。对开销参数的准确确定需要对非关系数据库中的销售数据进行组织和相关。而且，在迭代分段过程中应用回归分析有效地利用了计算资源。在查看以下附图和详细描述时，其他系统、方法、特征和优势将对本领域的技术人员变得明显。目的在于，所有此类额外的系统、方法、特征和优势被包括在描述内和本发明的范围内，并且受到以下权利要求书所保护。参考以下附图和描述可以更好地理解本系统。附图中的组件不必按比例绘制，而是重点在于示出本发明的原理。而且，在附图中，贯穿不同的视图，同样的参考数字指示相应的部分。图1示出了产品营销环境；图2是示出了作为百分比折扣函数的净利润的图示；图3是示出了零售商分段和回归分析的数据流框图；图4示出了分段和回归以获取最终子分段的具体示例；图5示出了图形输出报告的具体示例；图6是示出了零散市场中的贸易促进和分销开销的处理的流程图；以及图7示出了计算平台和环境。具体实施例方式图1示出了可以在其中使用用于优化贸易促进和分销开销的系统114的商业环境110。环境110可以包括销售点(POS)用户116和非POS用户118，这些用户可以向各种POS系统124提供输入。POS用户系统124可以将数据提供给"中间件，，软件或系统130,"中间件"软件或系统130可以是企业系统或企业资源规划(ERP)系统134的一部分。ERP系统134可以包括数据采集组件136。在某些应用中，数据采集组件136可以与ERP系统134分离。ERP系统134可以是商业上可获得的系统，其例如可以由SAP、Oracle或BAAN结合平台供应商(IBM、Hewlett-Packard或Dell)来提供。可以使用其他ERP系统提供商和平台提供商。ERP系统134可以从外部数据源138接收数据。此类外部数据源138可以提供商品价格数据144、零售账目数据146、质量数据148、媒体数据150和来自于诸如A.C.Nielsen等第三方提供商的数据152。ERP系统134可以耦合至"商业仓储销售商，，或"BW"系统160。BW160系统还可以与中间件系统130通信。BW160系统可以从ERP系统134接收数据，并且可以操作数据来生成针对资深管理者166的各种报告。在某些应用或商业配置中，ERP系统134可以耦合至销售分析器系统168。销售分析器系统168可以生成涉及月收入、年收入和销售数量以及生产率值的报告，可以将该报告提供给销售人员170。用于优化贸易促进和分销开销114的系统还称为贸易促进优化器(TPO),其可以从中间件系统130接收数据，并且可以基于该数据来优化各种营销或激励型贸易促进和分销支出(称为"开销"、"支出/开销杠杆"、"支出/开销驱动"、"支出/开销参数"和/或"支出/开销变量")。用于优化贸易促进和分销开销的系统114包括报告生成子系统176,其可以向资深管理者166和销售人员170提供报告和图像输出显示。例如，在2001年1月24日提交的、名称为"SystemandMethodofPreparingandProcessingDataforTradePromotion"的美国专利No.6,871,183中，描述了其中可以包括和/或可操作耦合至的用于优化贸易促进和分销开销系统114的其他系统和/或平台，通过引用将该美国专利全文结合于此。激励型营销支出或开销可以包括例如消费者和贸易促进、本地促销、产品方案折扣、贸易折扣、贸易营销激励、服务开销和形象化以及商品形象支出。贸易促进和分销销售以及分销开销例如可以包括基础设施补贴(infra-subsidy)开销、业绩激励、薪金以及工资、经营成本以及信息技术开销。可以分析和优化其他贸易促进和分销开销。在某些应用中，可以根据品牌和产品来划分涉及折扣的开销驱动，而涉及折扣方案的开销驱动可以包括免费货物折扣。然而，应该指出，此类折扣通常不表示提供给最终用户或消费者的价格折扣。而是，此类折扣和激励通常表示提供给零售商的折扣和激励。设计这些折扣和激励目的在于"激励"零售商像制造商产品的促销者那样行动。由于零散市场中零售机构的性质，向零售商而不是最终购买者来提供此类折扣和激励。在零散市场中，零售商不像发达市场中的普通传统商店。而是，零散市场中的零售商可以是非常小的"妈妈和爸爸"铺面或"路过，，窗口，其中消费者从经营者请求特定类型的产品。经营者因此可以在选择提供给消费者的产品品牌中使用他或她的判断力。因此，提供给零售商的折扣和激励可以影响零售商储备特定产品的决定，和/或可以在响应于来自消费者的针对普通产品种类或产品类型的请求时，在选择特定制造商货物的方面来影响零售商。对激励型开销的优化可以使提供一种或者多种产品的制造商或实体的利润有所增加或最大化。由用于优化贸易促进和分销开销的系统114生成的报告可以包含关于各种激励型开销的"推荐"，即增加、减少还是保持各种激励型开销不变。如上所述，激励型开销或者开销驱动可以包括激励和方案折扣。相对于结合了折扣、激励或其他开销杠杆而出售的特定货物，基于针对其设置开销杠杆的货币水平可以存在两种可能结果。如果开销杠杆设置得太低，则制造商可能无法获得可用的增得利润。如果开销杠杆设置得太高，诸如当向零售商提供过多折扣时，制造商失去利润并且实质上是"自行让利(self-gouged)"。图2示出了将折扣百分比与净利润进行比较的图示210。图210示出了使利润最大化的最佳开销杠杆值。沿着图210的第一区域214，净利润随折扣百分比(开销杠杆)增加而以增量方式增加。然而，图210的第二区域216示出了净利润随折扣百分比持续增加而减小，这是因为提供的折扣超越了利润增加。参考数字220示出了开销杠杆的最佳值，其将净利润最大化。可以从不同的系统和各种渠道伙伴捕获数据。同样，所捕获的大多数据是杂乱的并且是以不同频率(例如，每天、每周、每月)捕获的，并且可能以多种格式并且经常以不兼容的格式提供该数据。在分析之前，可以过滤或"净化"此类数据。由于来自于各种源的数据格式的可变性，首先，可以将数据转换为具有共同格式的文件。为了针对丟失的数据值进行净化，可以执行归因分析以及异常值分析。可以执行数据聚合以将数据规格化到同一频率水平。可以根据预定的商业规则(例如，不包括具有少于两个月历史的所有渠道伙伴)执行进一步的净化。可以将所有数据合并为一个对其执行分析的主文件或内在联系的数据集。一旦已经捕获并且组织了数据，则可以基于统计技术将零售商分段为组。图3示出了零售商"样本总体"312的高级数据流框图，其中基于零售商的数量，将每个零售商(或更具体的是，将对应于零售商的数据)分为多个固定的库或"桶"318、320、322、324和326(也称为块)。零售商样本总体312可以很大，可以大于100,000个零售商，并且通常可以大于1百万个零售商。在应用优化贸易促进和分销开销的系统114的系统时，对于零售商的数量理论上不存在上限。桶318-326的固定数量可以是任意数字。例如，可以将20个桶用于将所有零售商进行初始分组。基于销售数量或其他特征属性，最初以升序对所有零售商进行分级。然后，将顺序连续的固定数量的零售商置于第一桶318中。例如，如果在零售商样本总体312中存在350,000个零售商，则第一桶318可以包含前17,500个零售商以及他们的相应数据。不考虑前17,500个零售商的相应销售量的值，只要每个零售商是连续排列的，就将其分组到第一桶318中。这可以称为第一粗分段过程。每个桶318-326可以具有固定的"宽度"，诸如零售商总数的5%，或这些桶可以根据不同方案进行组织。可以将任何合适的百分点值用于基于相对于零售商312总数的零售商数量的固定百分比，来提供初始的或粗的分段。桶318-326可以具有相等或不等的宽度，只要所有桶的总数容纳100%的零售商。桶318-326可以称为第一粗分段桶330或块。应该指出，对于被置于特定桶中的任何特定零售商，关于该零售商的所有数据都可用于分析。继而，可以处理第一粗分^a桶330，并且将其分组到一起以将桶的数量从二十减少到例如更小的数字，例如三个桶和六个桶之间的数字。在该具体示例中示出了四个桶。可以处理桶318-326以识别对应于桶中零售商的销售量中的逻辑或天然中断点(break),以将桶聚合为较少数量的桶。该过程可以称为第二粗分段过程。例如，在从第一桶318到第二桶320的零售商的总销售量中可以存在渐进增长，并且在从第二桶320到第三桶322的每个零售商的总销售量中可以存在类似渐进增长。然而，在从第三桶322到第四桶324的特定零售商的总销售量中可以存在突然改变或跳跃。在此类情况下，可以将初始被分段到第一至第三桶318、320和322中的零售商聚合至单个桶中，因此合并或减少桶的总数量。第二粗分段之后剩余的桶的数量优选的介于约三个桶到六个桶之间。基于零售商的销售量值，如果桶内或桶间的清晰中断点或改变不是显而易见的，则在所选零售商的销售量大于桶中最小零售商的销售量约三倍时，可以建立逻辑中断点。因此，任何特定桶中的零售商的最小与最大销售量的比可以约等于1:3。这可以导致从约二十个桶减少到约六个桶(向下取整)。可以使用任何合适的减少比，例如，约1:2(从20个桶减少到10个桶)到约1:4(从20个桶减少到5个桶)。由第二粗分段过程标识的桶可以称为第二粗分段桶334或块。第一和第二粗分段过程可以称为"主观，，分段方法。在已经通过第二粗分段过程将零售商样本总体312分为约3到6个桶336-342之后，应用回归分析348以获得同类的分段块(最终分段或最终子分段350-356)。对每个第二粗分段桶334应用回归分析以标识同类的组，其对每个经回归的参数或变量具有相似的响应。使用选择的变量的关键组对第二粗分段桶334应用回归分析。变量的关键组例如可以涉及购买才莫式368、对激励的响应362、人口统计364、渠道366和类别368。渠道可以涉及基本类型的零售商或商店，诸如药房、一般商店等。对应于关键组的某些变量在下面表l中示出，并且可以称为回归分段变量372。表1-回归分段变量<table>tableseeoriginaldocumentpage15</column></row><table>图4示出了具有六大产品类别的商业的具体示例，诸如头发护理产品、口腔护理产品、消化以及糖果产品、保健品、皮肤和婴儿产品以及家庭护理产品。在该具体示例中，零售商样本总体312定义了零售商的样本大小为127,220。应该指出，示出的文本仅是说明性的，并且其他标记可以用于描述参数和值。已经将零售商分为或分段为四个第二粗分段桶334。第一粗分段桶330未示出。第一桶414可以表示总销售小于$14/月的零售商，第二桶416可以表示总销售大于$14/月但小于$27/月的零售商，第三桶418可以表示总销售量大于$27/月但小于$56/月的零售商，第三桶420可以表示总销售量大于$56/月的零售商。在此示出的示例中，使用从回归分段变量372中选择的变量，对四个桶414-420中的每个独立地应用回归分析。为了处理这些桶，将选定桶中的每个零售商标记为"逻辑一，，，以将其标识为目标，而其余三个桶中的零售商被标记为逻辑零。在该具体示例中，首先处理第四桶420(表示销售量〉$56/月的零售商)。应用回归，其使用回归使用向后消除过程，以95%的置信度使用回归分段变量372。针对其余三个桶中的每个重复该过程。例如在下面的表2中示出了使用如应用于第四桶420的回归分段变量372的此类回归分析的结果。表2-针对第4桶的回归结果回归分段变量估计P-值标准权重变量10.8777<扁10.44660.4466变量20.4457<細10.27650.2765变量30.2065<扁10.26080.2608变量40.0105<細10.17740,1774在此具体示例中，作为标准化估计的权重可以指示对于第四桶来说哪个或哪些变量更重要或更有影响力。表2仅示出了作为对第四桶"0的回归分析的结果的四个最重要的变量。在表2中，将系数标准化并以降序对其进行安排，以获取最重要的变量。因此，在该示例中，变量1(对激励类型变量362的响应)是最重要的变量或主变量，而变量2(购买模式类型变量360)相对于第四桶420是第二重要的变量或次变量。两个最重要的变量(即，变量1和变量2)应用于第四桶420以执行进一步的子划分。应该指出，当针对第一桶414、第二桶416和第三桶418执行回归分析时，可以(或可以不)将回归分段变量的完全不同的集合标识为相关的。例如，如在第三桶418中所示，分段回归分析已经将变量8(渠道类型变量366)和变量3(购买模式类型变量360)标识为两个最重要的回归分段变量。在应用分段回归分析来确定最重要的回归分段变量372之后，如下所述，基于主分段变量的选定范围对每个桶进行子划分。在此具体示例中，将第四桶420子划分为子分段426(不存在变量1)和子分段428(存在变量1)。应该指出，回归分段变量372的值可以是有理数或可以假设布尔值。例如，特定的回归分段变量可以表示存在或不存在零售商折扣，其中"零"表示不存在销售商折扣，并且"一"表示存在销售商折扣。基于次回归分段变量(即，变量2)的值，进一步将子分段426的零售商划分为最终子分段"O"(变量2〈^2)以及最终子分段"P"(变量22)。类似地，基于变量2的值将子分段428的零售商进一步划分为最终子分段"Q"(变量2<=3)和最终子分段"R"(变量2〉3)。如上所述，通过对桶独立地应用分4殳回归分析，也对第一、第二和第三桶414-418进行子划分。因此，将第一桶414的零售商划分为子分段434和436，将第二桶416的零售商划分为子分段438和440,并且将第三桶418的零售商划分为三个子分段，即子分段442、444和446。例如，可以基于两个最重要的分段回归变量，使用两个方法来将每个桶414-420子划分为子分段。第一方法称为数值检查方法，而第二方法称为纯度指标方法。每个方法的目的在于针对主分段回归变量和次分4史回归变量建立截止值(cut-offvalue)，乂人而可以标识最终子分段。例如，使用数值检查方法，可以检查子分段426以确定相对于变量2的数据分布。对应于变量2的数据可以按照升序进行安排，以基于子分段26内的变量2的值确定收入中是否存在明显跳跃。对于存在此类明显跳跃的位置，可以将该点选择为子分段的截止范围。因此，如图4所示，基于变量2的值，收入中的明显差异可以存在于2的值之上以及之下，其定义了附加的子分段或最终分段"O"和"P",将其称为最终子分段。使用纯度指标方法，对变量2的值进行迭代。例如，假设在分段426中示出的变量2的最小值为0，并且在分段426中示出的变量2的最大值为7。在迭代地处理从0到7的值时连续地执行回归分析。在第一迭代中，基于变量2的值并根据收入来分离零售商以确定两个组间收入中的差。可以基于变量2=(0到1)和变量2=(1到7)对这两个组进行划分。类似地，在第二迭代中，利用变量2=(0到2)和变量2=(2到7)对零售商进行分离。重复该过程七次。处于差为最大的点建立针对子分段的截止点。使用回归分析的上述分段过程可以称为"客观"分,殳方法。应该指出，"主观，，分段(第一和第二粗分段)可以将零售商分为与分段过程最终目的无关的桶。仅使用主观分段方法可能由于分段或子分段内的不同开销模式而无法在分段内优化开销驱动。在主观分段之外使用客观分段处理分段，这提供了更准确以及更相似的分段。这可能发生，因为当特定零售商的销售收入增加时，获得更多折扣的机会也增加。因而，在如下方式中存在着显著差异，在该方式中，相对于具有低销售收入的零售商，使具有高销售收入的零售商得到折扣和/或可用的折扣方案。因此，可以将用于分段的初始销售收入认为是折扣和优化的"替代"变量。应该指出，仅出于说明的目的，图4示出了将每个子分段各自子划分为两个最终子分段。然而，可以在由相应的数据支持时，将子分段进一步划分为任何合适数量的最终子分段。具有字母指示的子分段称为最终子分段("A"-"R")。优选地，最终子分段的总数量介于约8和20之间。相对于由于对开销参数进行优化而节约的金钱来说，当最终子分段的数量增加到20以上时，实现该方法的成本变得昂贵。在某些应用中，销售实体的数量至少为20,000。当分段的数量增加时，处理需求也增加。在不对最终分段数量应用上限的情况下，各种软件模块的应用还变得时间密集。执行分段回归分析348，使得每个最终子分段("A"-"R，，)包含总数在约5%到10。/。之间的零售商312、或零售商样本总体。因此，对于示出的具有127,220个零售商的示例，平均每个最终子分段可以包含对应于约6，360个零售商(5%)到约12,720个零售商(10%)之间的数据。因而，每个最终子分段中的大量数据点意味着零散市场。在某些应用中，基于从约20,000个零售商的样本总体得出的二十个桶，最终子分段可以包含少到1,000个零售商的数据。较小的零售商样本总体不能为分析提供统计上充足的样本大小。在已经标识了最终子分段("A，，-"R")之后，对每个最终子分段("A，，-"R，，)应用其他级别的回归分析(称为开销驱动回归分析)，以标识具有最大影响的开销驱动或开销参数。应该指出，在开销驱动回归分析期间，仅相对于作为开销驱动的变量执行回归。因此，在每个最终子分段("A"-"R")内，相对于开销驱动或开销变量对收入值进行回归，以确定哪个开销驱动具有最大影响。开销驱动回归分析的结果是多个响应曲线，其示出了作为选定开销驱动函数的特定产品或产品组的利润。可以通过选择相应的开销驱动的最佳值来将利润最大化。可以使用不同的回归过程生成响应曲线和执行最终分段。例如，回归一对、卡方(Chi-squared)回归、最小二乘法回归、序列的回归和、序列的误差和，并且可以-使用回归过程和4支术。在标识最终子分段("A"-"R")之后，其包含对于相关开销变量具有基本相同响应的零售商数据，可以针对每个产品类别和每个有效的开销驱动产生响应曲线。因此，在图4的示例中，可以针对每个产品类别来产生对应于感兴趣的开销驱动的响应曲线，产品类别即头发护理产品、口腔护理产品、消化以及糖果产品、保健品、皮肤和婴儿产品以及家庭护理产品。可以将多种不同开销变量用于产生相应的响应曲线。可以针对每个最终子分l殳生成此类响应曲线。例如，下面的表3列出了根据参考图4(例如，六大产品类别)描述的商业模型而使用的某些示例性变量。因而，某些开销变量可以根据被分析商业的产品混合而改变。_表3-开销驱动<table>tableseeoriginaldocumentpage20</column></row><table><table>tableseeoriginaldocumentpage21</column></row><table>出。例如，来自于下文表4中示出的销售终端的点的数据、来自于下文表5中示出的零售商和存货商的数据、来自于下文表6中示出的产品层级和方案日历的数据可以用于导出表1中示出的某些变量，如下_表4<table>tableseeoriginaldocumentpage22</column></row><table>地理区代码人口代码土也理;也区名称、地理州代码地理区代码_表6产品层级和方案日历_产品代码_对SKU级的存货商的价格存货商的利润率_地理州代码_对零售商的方案开销(产品方面)对存货商的方案开销(产品方面)类别类型_品牌类型_产品类型一旦已经优化了开销驱动，则可以选择对利润具有最大影响(最重要的开销杠杆)或效果的开销驱动用于迭代分析。可以使用最重要的开销驱动再次执行分析以精细调节开销杠杆曲线。图5示出了根据图4的示例中提供的数据生成的图形输出报告510。可以以"仪表盘，，的形式来提供信息。输出报告510包括基于折扣百分比、对应于头发护理产品的第一响应图512;基于折扣百分比、对应于保健品的第二响应图514;基于折扣百分比、对应于口腔护理产品的第三响应图516;和基于折扣百分比、对应于销售商折扣的第四响应图518。每个响应曲线对应于一个最终子分l殳。每个响应图512-516示出了针对以下项响应曲线毛增长520、增量收入522以及增量利润524。在表示以下项的椭圓区域中示出了相应的数值毛增长530、增量收入532以及增量利润534，它们作为对应于开销杠杆的用户可设置值的函数。总销售商折扣的响应曲线518覆盖了2.5%的最大值。在该具体响应图518中，销售商折扣不是产品特定的，如针对涉及头发护理产品512、保健品514和口腔护理产品516的响应曲线的情况。j旦是，在该响应图518中，销售商折扣是现金折扣的形式，其是制造商基于总账单或发票提供给零售商的，与涉及的产品无关。响应图512、514、516和518可以指示与开销驱动的增加(直到最佳点)相关的增加的净利润。这意味着，针对特定产品或产品类别提供给零售商的激励转变为该产品的更多利润。另一方面，响应曲线可以示出，开销驱动值的改变相对来i^L对净利润没有影响。这可能发生在某些环境中，诸如当消费者群体极为忠诚于品牌，并且不愿意转换到"被激励"的产品。图形输出报告510包括用户可设置的滑动图540,其提供了可滑以通过沿着水平轴移动图形显示的可滑动标签，来调节头发护理开销驱动544、保健品开销驱动546、口腔护理开销驱动548和销售商折扣开销驱动550,当用户沿着滑动图540改变开销驱动的值时，增量利润的值相应改变。四个滑动图540中的每个包括以红色、黄色和绿色的颜色表示而示出的三部分。为了以图5的黑白图示指示这一情况，红色部分示出为参考数字560,并且指示增量利润的负值或不希望的值，该值是基于滑动标签的水平位置而给出的开销驱动的选定值。黄色部分示出为参考数字562，并且指示增量利润的正的但非最佳值，该值是基于滑动标签的水平位置而给出的开销驱动的选定值。绿色部分示出为参考数字564,并且指示增量利润的正的及最佳值，该值是基于滑动标签的水平位置而给出的开销驱动的选定值。如用户可设置滑动图540所示，当标签置于红色部分560之上时，增量利润的值是负值，当然，并不希望这样。用户可以移动滑动标签从而使其对应于绿色部分564,这表示正的增量利润。沿着绿色部分移动滑动标签可以将增量利润最大化，如在数值输出显示部分570中以数值方式所示。总效果显示区域574示出了各种开销驱动随着用户移动滑动标签的改变总效果。总效果显示区域574示出了在由用户动态增大以及减小相应的开销驱动的值时，毛增长576、净增长578和增量利润580的总效果。还在数值输出显示部分582中示出了毛增长576、净增长578和增量利润580的值。总效果显示区域574示出了所有开销驱动对于毛增长576、净增长578和增量利润580的总影响。通过优化各种开销驱动，可以将利润最大化。在某些情况下，并且尤其是对于大型制造商来说，通过使用用于优化贸易促进和分销开销的系统114,通常可以增加约6%的收入。类似地，如果收入保持不变，可以针对贸易方案和折扣实现约10%到15%的成本削减。如果不存在宏观经济改变(例如，全球经济衰退)，则可以实现此类收入改变。产生图形输出报告510的报告生成器176可以是商业上可获得的产品，其从用于优化贸易促进和分销开销的系统114接收数据，并且产生图形输出报告。此类报告生成器可以是从BusinessObjectsCorp(—家SAP公司)可获得的CrystalXcelsius报告生成器。图6是示出了可以采用以优化零散市场中的贸易促进和分销开销的动作600的流程图。首先，采集涉及与多个零售商相关联的货物销售的数据(动作610)。基于相对于零售商总数的多个零售商的预定部分，将对应于零售商的经聚合数据分为粗分段(动作612)。例如，可以将零售商的5%分为第一二十个粗分段，可以将其进一步组织为第二粗分段。可以基于关键分段变量使用回归过程来分析每个粗分段，从而确定主关键分段变量和次关键分段变量(动作616)。主关键分段变量和次关键分段变量展现出与销售收入的最高相关性。基于主关键分段变量的预定范围，将对应于零售商的经聚合的数据进一步分为子分段(动作622)。基于次关键分段变量的预定范围，将该子分段进一步划分为最终子分段(动作624)。接下来，对每个最终子分段应用回归分析，以标识与销售收入具有最高相关性的开销参数(动作626)。针对每个最终子分段，生成对应于所标识开销参数的一个或多个响应曲线(动作630)。报告生成器可以提供响应曲线的图形输出(动作636)，其中各个响应曲线对所标识开销参数的选定值和制造商-'j润水平之间的关系提供指示。在某些配置中，可以独立地向消费者提供用于优化贸易促进和分销开销的系统114。在此类配置中，消费者可以在消费者的计算平台中实现该系统，从而消费者可以随着特定开销方案成熟或结束以及对应于已经评估方案的结果，来提炼开销杠杆。在其他配置中，消费者可以雇佣商业顾问或商业顾问团队来实现并操作用于优化贸易促进和分销开销的系统114,并且向消费者管理团队提供输出或报告。商业顾问可以基于由用于优化贸易促进和分销开销的系统生成的结果，来向消费者提供分析和意见。应该指出，上文概要描述了涉及与多个零售商相关联的数据的处理。然而，用于优化贸易促进和分销开销的系统114还可以应用于其他销售实体以获得类似的结果。因而，数据采集、分段、回归分析和响应曲线生成的处理还可应用于渠道伙伴，诸如运输和转运代理、分销商和批发商。而且，上述系统和方法不限于采集和处理涉及货物的数据。此类系统和方法可以应用于服务以及货物，诸如由电信和制药行业提供的服务。不论是货物还是服务的任何产品，通常只要在市场经济中出售，都可以^吏用本文描述的系统和方法进行优化。用于优化贸易促进和分销开销的系统114可以实现为与计算机硬件组件协作的系统和/或实现为计算机实现的方法。现在参考图7,概要示出了可以在其上实现上述系统和方法的计算机系统的高级硬件框图的具体实施方式。计算机系统710包括计算机或处理系统712,其包括各种硬件组件，诸如RAM714、ROM716、硬盘存储装置718、高速緩存存储器720、数据存储装置722等(也称为"存储器子系统"726)。计算机系统712可以包括任何合适的处理设备728，诸如本领域公知的计算机、微处理器、RISC处理器(简化指令集计算机)、CISC处理器(复杂指令集计算机)、大型计算机、工作站、单片机、分布式处理器、服务器、控制器、微控制器、离散逻辑计算机等。例如，处理设备728可以是IntelPentium⑧微处理器、x86兼容微处理器或等同的设备。处理系统712可以包括或可以被编程以提供分段处理或模块以及分析处理或处理器。分段以及分析处理可以以石更件、软件或石更件和软件的组合寺丸行。存储器子系统726可以包括任何合适的存储组件，诸如RAM、EPROM(电子可编程ROM)、闪存、动态存储器、静态存储器、FIFO(先进先出)存储器、LIFO(后进先出)存储器、循环存储器、半导体存储器、磁泡存储器、緩冲存储器、盘存储器、光存储器、高速緩存存储器等。可以使用任何合适形式的存储器，不论是磁介质上的固定存储器、还是半导体设备中的存储器或通过通信链路可访问的远程存储器。用户或系统管理器接口730可以耦合至计算机系统712并且可以包括各种输入设备736,诸如可由系统管理器和/或键盘选择的开关。用户接口还可以包括合适的输出设备740，诸如本领域所公知的LCD显示器、CRT、各种LED指示器和/或语音输出设备。为了便于计算机系统712和外部源之间的通信、通信接口742可以可操作地耦合至计算机系统。通信接口742例如可以是局域网，诸如以太网、内部网、因特网或其他合适的网络744。通信接口742还可以连接至公共交换电话网络(PSTN)746或POTS(普通旧式电话系统)，其可以经由因特网744促进通信。还可以采用专用和远程网络，并且该系统还可以与外部交换和信息源246通信。可以佳_用任何合适的商业上可获得的通信设备或网络。上述逻辑、电路和处理可以编码在计算才几可读介质上，诸如CDROM、盘、闪存、RAM或ROM、电石兹信号、或其他才几器可读介质上，作为由处理器执行的指令。可替换地或此外，逻辑可以使用硬件实现为模拟或数字逻辑，其中硬件诸如一个或多个集成电路，或一个或多个执行指令的处理器；或该逻辑可以以软件方式实现，如在应用编程接口(API)中、或动态链接库(DLL)中、在共享存件和软件的组合。该逻辑可以表现(例如，存储在以下介质上或中)在计算机可读介质、机器可读介质、传播信号介质和/或信号承载介质中。介质可以包括任何如下设备，该设备包含、存储、传送、传播或传递由指令可执行系统、装置或设备使用或与之结合的可执行指令。机器可读介质可以选自4旦不限于电、》兹、光、电^兹或红外信号或半导体系统、装置、设备或传播介质。机器可读介质示例的非穷举列表包括磁盘或光盘、易失性存储器，诸如随机访问存储器"RAM"、只读存储器"ROM"、可擦除可编程只读存储器(即，EPROM)或闪存或光纤。机器可读介质还可以包括可在其上印制可执行指令的有形介质，如逻辑可以电子存储为图像或其他格式(例如，通过光学扫描)并且继而被编译和/或解释或其他处理。然后，经处理的介质存储在计算机和/或机器存储器中。系统可以包括附加的或不同的逻辑，并且可以以多种不同的方式来实现。控制器可以实现为微处理器、微控制器、专用集成电路(ASIC)、离散逻辑或其他类型的电路或逻辑的组合。类似地，存储器可以是DRAM、SRAM、闪存或任何其他类型的存储器。可以分别存储参数(例如，条件以及阈值)和其他数据结构以及管理，可以并入单个存储器或数据库中，或可以以多种不同方式在逻辑上以及物理上对其进行组织。程序和指令集可以是单个程序的一部分、独立程序或分布在多个存储器和处理器上。用于优化在零散市场中与由制造商提供的货物相关联的激励型经费参数的系统包括计算机，具有处理器和存储器；数据采集装置，用于针对与多个零售商相关联的货物销售来聚合数据；分段装置，用于基于多个零售商的预定部分，将对应于零售商的经过聚合的数据分为粗分段；以及分析装置，用于基于关键分段变量对每个粗分段应用回归分析，以确定主关键分段变量和次关键分段变量，其中主关键分段变量和次关键分段变量与销售收入具有最高相关性。分段装置基于主关键分段变量的预定范围，进一步将对应于零售商的经聚合的数据分为子分段，并且基于次关键分段变量的预定范围，将子分段分为最终子分段。分析装置针对每个最终子分段应用回归分析，以标识与销售收入具有最高相关性的激励型开销参数；并且分析装置针对每个最终子分段生成对应于已标识激励型开销参数的一个或多个响应曲线。报告装置提供响应曲线的图形输出，其中各个响应曲线对所标识激励型开销参数的选定值和制造商的利润水平之间的关系提供指示。虽然已经描述了本发明的各种实施方式，但是对于本领域的技术人员明显的是，在本发明的范围内，更多实施方式和实现是可能的。因而，本发明仅受到所附权利要求书和它们的等价物的限制。权利要求1.一种系统，用于优化零散市场中与由制造商提供的货物相关联的激励型开销参数，所述系统包括计算机，其具有处理器和存储器；数据采集组件，其配置用于对与多个销售实体相关联的货物销售的数据进行聚合；分析模块，其配置用于基于关键分段变量，对与所述多个销售实体对应的经聚合的数据的一部分应用回归分析，以标识与销售收入具有最高相关性的关键分段变量；分段模块，其配置用于基于已标识关键分段变量的选定范围，来将对应于所述销售实体的经聚合的数据分为最终分段；所述分析模块配置用于对每个最终分段应用回归分析，以标识与销售收入具有最高相关性的激励型开销参数；所述分析模块针对每个最终分段来生成对应于已标识激励型开销参数的一个或多个响应曲线；以及报告生成器，其适于提供各个响应曲线的图形输出。2.根据权利要求1所述的系统，其中所述分段模块配置用于在生成所述最终分段之前，基于预定参数将对应于销售实体的经聚合的数据分为粗分段。3.根据权利要求2所述的系统，其中所述预定参数相对于销售实体的总数对应于所述销售实体的预定部分。4.根据权利要求1所述的系统，其中所述销售实体是零售商。5.根据权利要求1所述的系统，其中所述销售实体是渠道伙伴。6.根据权利要求5所述的系统，其中所述渠道伙伴包括运输和转运代理、分销商、批发商和/或零售商。7.根据权利要求5所述的系统，其中所述激励型开销参数包括产品方案折扣、贸易折扣、贸易促进、贸易激励、服务开销和/或有计划推销开销。8.根据权利要求1所述的系统，其中基于已标识关键分段变量的选定范围的所述最终分段表示销售实体的基本上同类的组。9.根据权利要求1所述的系统，其中所述关键分段变量对应于购买模式、对激励的响应、人口统计、商业渠道和/或类别。10.根据权利要求1所述的系统，其中所述分析模块针对产品类别来优化激励型开销参数，以便将制造商的利润最大化。11.根据权利要求1所述的系统，其中各个响应曲线对已标识激励型开销参数的选定值和制造商的利润水平之间的关系提供指示。12.根据权利要求1所述的系统，其中通过回归分析标识的所述激励型开销参数与销售收入值高度相关，从而所述激励型开销参数的最佳值导致最大禾'J润值。13.根据权利要求1所述的系统，其中最终分段的数量介于大约8和20之间，并且销售实体的数量至少为20,000。14.根据权利要求1所述的系统，其中如果制造商与至少一百万个销售实体相关联，则市场是零散的。15.—种系统，用于优化零散市场中与由制造商提供的货物相关联的激励型开销参数，所述系统包括计算机，其具有处理器和存储器；数据采集组件，其配置用于对与多个零售商相关联的货物销售的数据进行聚合；分段模块，其配置用于基于所述多个零售商的预定部分，将对应于零售商的经聚合的数据分为粗分段；分析模块，其配置用于基于关键分段变量对每个所述粗分段应用回归分析，以确定主关4定分l殳变量和次关4建分^殳变量，所述主关键分段变量和次关键分段变量与销售收入具有最高相关性；分段模块，其配置用于基于所述主关键分段变量的预定范围，进一步将对应于零售商的经聚合的数据分为子分段，并且基于所述次关键分段变量的预定范围，将所述子分段分为最终子分段；所述分析模块配置用于对每个最终分段应用回归分析，以标识与销售收入具有最高相关性的激励型开销参数；所述分析模块针对每个最终子分段来生成对应于已标识激励型开销参数的一个或多个响应曲线；以及报告生成器，其适于提供所述响应曲线的图形输出，各个响应曲线提供对已标识激励型开销参数的选定值和所述制造商的利润水平之间的关系提供指示。16.根据权利要求15所述的系统，其中通过回归分析标识的所述激励型开销参数与销售收入值高度相关，从而使所述激励型开销参数的最佳值导致最大利润值。17.—种方法，用于优化零散市场中与由制造商提供的货物相关联的激励型开销参数，所述方法包括采集涉及与多个销售实体相关联的货物的数据；基于关键分段变量，对与所述多个销售实体的数据的一部分应用回归分析，以标识与销售收入具有最高相关性的关键分段变量；基于已标识关键分段变量的选定范围，将对应于所述销售实体的所述数据分为最终分段；对每个最终分段应用回归分析，以标识与销售收入具有最高相关性的激励型开销参数；针对每个最终分段生成对应于已标识激励型开销参数的一个或多个响应曲线；以及提供各个响应曲线的图形输出。18.根据权利要求17所述方法，进一步包括在生成所述最终分段之前，基于预定参数将对应于销售实体的所述经聚合的数据分为粗分段。19.根据权利要求18所述方法，其中所述预定参数相对于销售实体的总数对应于所述销售实体的预定部分。20.根据权利要求17所述的方法，其中所述销售实体是零售商。21.根据权利要求17所述的方法，其中所述销售实体是渠道伙伴。22.根据权利要求21所述的方法，其中所述渠道伙伴包括运输和转运代理、分销商、批发商和/或零售商。23.根据权利要求17所述的方法，其中所述关键分段变量对应于购买模式、对激励的响应、人口统计、商业渠道和/或类别。24.根据权利要求17所述的方法，其中所述各个响应曲线对已标识激励型开销参数的选定值和所述制造商的利润水平之间的关系提供指示。25.根据权利要求17所述的方法，其中通过回归分析标识的所述激励型开销参数与销售收入值高度相关，从而使所述激励型开销参数的最佳值导致最大利润值。26.根据权利要求17所述的方法，其中最终分段的数量介于大约8和20之间，并且销售实体的数量至少为20,000。27.根据权利要求17所述的方法，其中如果制造商与至少一百万个销售实体相关联，则市场是零散的。28.—种方法，用于优化零散市场中与由制造商提供的货物相关联的激励型开销参数，所述方法包括采集涉及与多个零售商相关联的货物销售的数据；基于所述多个零售商的预定部分，将对应于所述零售商的所述经聚合的数据分为粗分段；基于关键分段变量，对每个所述粗分段应用回归分析，以确定主关键分段变量和次关键分段变量，所述主关键分段变量和次关键分段变量与销售收入具有最高相关性；基于所述主关键分段变量的预定范围，将对应于零售商的所述经聚合的数据分为子分段；基于所述次关键分段变量的预定范围，将所述子分段划分为最终子分段；对每个最终子分段应用回归分析，以标识与销售收入具有最高相关性的激励型开销参数；针对每个最终子分段，生成对应于已标识激励型开销参数的一个或多个响应曲线；以及提供所述响应曲线的图形输出，各个响应曲线对所述已标识激励型开销参数的选定值和所述制造商利润水平之间的关系提供指示。全文摘要本发明公开了一种在零散市场中用于优化贸易促进和分销开销的系统，所述系统用于优化零散市场中与由制造商提供的货物相关联的激励型开销参数，所述系统包括数据采集组件，配置用于聚合数据；以及分析模块，用于基于关键分段变量来应用回归分析。分段模块基于所标识的关键分段变量将经聚合的数据分为最终分段。分析模块针对每个最终分段应用回归分析，以标识激励型开销参数并生成响应曲线。报告生成器，提供各个响应曲线的图形输出。文档编号G06Q30/00GK101556677SQ200910129948公开日2009年10月14日申请日期2009年4月10日优先权日2008年4月11日发明者A·森,N·普里,S·B·文卡塔拉曼,V·拉格胡内申请人:埃森哲环球服务有限公司