对商业量度进行可配置的模型无关分解的方法和设备的制作方法

xiaoxiao2020-7-22  8

专利名称:对商业量度进行可配置的模型无关分解的方法和设备的制作方法
技术领域
本发明一般涉及对多维数据的分析,且更明确地说,涉及确定营销活动对商业量度的影响。
背景技术
商业的目标是解释销售量結果,以 便理解营销活动如何影响销售量,例如这些营销活动对总销售量贡献了多少量。这些交易量的贡献对计算所述活动的有效性度量(例如每花费一美元的销售量或投资回报率(ROI))是有用的。此些活动的实例是直接受商业控制的活动(例如,我们的TV广告、对我们的产品的展现、我们的产品的价格上涨)、受市场上的其它商业控制的活动(例如,竞争者的展现、竞争者的TV广告等),和/或环境本身(例如寒潮、汽油价格上涨等)。举例来说,某一公司可能想要基于这些活动或这些活动的变化来知道未来销售的大致变化、增长以及产品或服务的利润。另外,许多公司想要知道这些活动的变化(例如,营销、广告、定价变化等)对取决于这些活动的预报数据(例如,销售量、增长、利润等)的影响。除应用于销售量之外,这些相同技术还用于解译活动对其它可测量商业量度(例如,收益、利润或市场份额等)的影响。通常,分析员使用数学模型来估计这些活动在过去或在将来如何影响销售量。实例是基于回归的模型。基于回归的模型通常将经由系数使销售量与活动中的每ー者有夫。分析员基于回归模型(或另ー多变量技木)来确定系数。分析员接着解译所述系数,以为每ー活动指派交易量变化率。举例来说,分析员将确定活动(例如促销)的ー个单位将等于销售量的百分之X或Y个单位的变化。分析员接着将此系数乘以活动的量的变化,且计算对应量的交易量。通过对活动/系数对中的每ー者进行此分析,分析员预测并解释活动对交易量(或另ー相关可测量商业量度,如利润等)的影响。另外,为了解释若干时间周期上的交易量变化,分析员将计算活动在每ー时间周期内的交易量贡献,且报告差异,作为对交易量变化的解释。此方法的问题在于,对得出的系数的解译取决于所使用的模型。举例来说,线性模型和多变量模型中针对同一交易量和活动的价格系数将彼此相差很大。这使得使用不同类型的模型的产品或渠道上的聚集较困难,且需要所使用的模型形式所专有的交易量解译算法。此外,交易量变化率取决于所选择的活动集合。另外,当针对同一时间周期使用不同组活动时,结果是不一致的。此外,一些活动不具有交易量贡献计算所基于的自然參考值(例如价格、分布),且因此,难以确定这些活动在若干时间周期内对交易量和交易量变化的影响。

发明内容
本发明描述用于基于多个活动和ー响应模型来分解商业量度的方法和设备。在一个实施例中,所述方法存取所述响应模型和所述多个活动,所述多个活动各自具有參考值和已执行值。所述方法基于将所述多个活动中的一者设置为对应的参考且已执行值中的一者且将其它活动设置为与所述活动相反的值状态,来计算对所述商业量度的贡献。此外,所述方法独立于响应模型类型来计算贡献中的每一者。


在附图的图中以实例而非限制的方式来说明本发明,其中相同参考指示类似元件。图I是说明交易量立方体的一个实施例的处理框图。图2是说明模型结构的一个实施例的处理框图。图3是说明交易量分解的一个实施例的表。图4是用于计算包含协同作用分配的交易量分解的过程的一个实施例的流程图。图5是说明交易量分解计算的一个实施例的表。图6是用于计算协同作用分配的过程的一个实施例的流程图。图7是说明协同作用计算的一个实施例的表。图8AB是说明通过原始值缩放和绝对值缩放进行的协同作用分配的框图。图9是说明交易量分解层级的一个实施例的处理框图。图10是用于计算针对原子分解等级的交易量分解报告的过程的一个实施例的流程图。图11是用于确定原子分解等级的过程的一个实施例的流程图。图12是用于计算针对原子分解等级的聚集范围的交易量分解报告的过程的一个实施例的流程图。图13是用于计算针对分解层级中较高的分解等级的聚集范围的交易量分解报告的过程的一个实施例的流程图。图14是说明原因报告的一个实施例的图表。图15是说明不同时间周期内的不同预测交易量的一个实施例的框图。图16是用于计算混合式原因和分配协同作用的过程的一个实施例的流程图。图17是用于计算复合原因的过程的一个实施例的流程图。图18是计算交易量分解报告、原子分解、交易量分解层级、混合原因报告和/或复合原因报告的数据处理系统的一个实施例的图。图19是适合实践本发明的操作环境的一个实施例的图。图20是适合在图4、图6、图10到图13、图16以及图17的操作环境中使用的例如通用计算机系统等数据处理系统的一个实施例的图。
具体实施方式

在本发明的实施例的以下详细描述中,参考附图,其中相同参考指示类似元件,且其中借助于图解来展示可实践本发明的特定实施例。以充足的细节来描述这些实施例是为了使所属领域的技术人员能够实践本发明,且将理解,可利用其它实施例,且可不脱离本发明的范围的情况下,作出逻辑、机械、电、功能和其它改变。因此,并非在限制意义上进行以下详细描述,且本发明的范围仅由所附权利要求书界定。
本文描述使用响应模型来解译可测量商业量度的方法和设备。在一个实施例中,使用响应模式来计算可測量商业量度(销售量、收益、利润或市场份额等)。在响应模型中,通过测量结果集合来表示营销活动。将这些測量结果称为活动的“驱动器”。模型中的所有活动的驱动器集合称为场景。场景可表示世界的实际状态,即在真实商业环境中实际执行的营销计划;或世界的假想状态,其反映用于规划或分析目的的对营销活动和商业环境的假设。在一个实施例中,通过计算交易量分解和/或交易量方差来执行解译商业量度。针对任一场景或场景对(真实或假想)来计算交易量分解和交易量方差报告(也称为“原因报告”)。术语驱动器的“已执行”值是为驱动器在场景中所取的值,所述场景包含假想的场景。在一个实施例中,计算交易量分解,其与用于对销售量进行建模的响应模型的类型无关。交易量分解给出由ー营销活动集合产生的对销售量的贡献的指示。在一个实施例 中,通过使用于活动集合中的每ー者的驱动器在关(off)状态与开(on)状态之间切換,来计算针对所述活动集合的交易量分解。针对活动的关状态对应于其中不执行此活动(例如,不进行促销或价格不打折)的场景。在此情况下,所述活动并不增加所售交易量,且由其采取參考值的驱动器表示。所述活动的开状态增加对交易量的贡献,且由所述活动的驱动器的已执行值表示。活动的开和关状态下的交易量之间的差被称为活动的原始交易量贡献。另外,在一个实施例中,基于交易量贡献的绝对值而将协同作用分配给交易量贡献中的姆ー者。在另ー实施例中,使用基于原子分解等级的交易量分解层级,以不同的细节等级来计算交易量贡献报告序列。原子分解等级是ー基本的“不可分”或“原子”活动集合。此夕卜,界定树层级集合,其描述如何将来自这些原子活动的交易量贡献积累到聚集活动中。在一个实施例中,将聚集活动形成为与原子分解等级在内部一致的交易量分解等级的层级。在另ー实施例中,计算混合原因报告,混合原因报告针对活动集合指示两个不同销售量之间的交易量方差。在此实施例中,通过使这些活动中的每ー者在开始值与结束值之间切换来计算交易量方差,其中开始值和结束值与两个不同销售量中的一者相关联。此夕卜,使用第一或第二组活动与针对相对组活动的响应模型来计算两个不同销售量之间的基础交易量的变化。在一个实施例中,所述活动集合并非针对相关联的驱动器中的每ー者均需要參考值。另外,在一个实施例中,基于交易量方差的绝对值将协同作用分配给交易量方差中的每ー者。在又一实施例中,计算复合原因报告,复合原因报告确定活动集合在两个不同销售量之间的交易量方差。在此实施例中,使用差值分解来计算针对ー非分布活动集合的交易量方差,所述活动各自具有带对应參考值的驱动器。活动的驱动器的參考值表示处于关状态的活动,且不向交易量添加贡献。短语“活动关”在下文中将表示与活动相关联的驱动器处于其參考值。混合原因用于计算针对不具有带參考值的驱动器的一非分布活动集合的交易量方差。通过从两个不同销售量中的一者减去针对所述非分布活动集合而计算的交易量方差,来计算针对分布活动的交易量方差。另外,在一个实施例中,基于交易量方差的绝对值将协同作用分配给交易量方差中的每ー者。交易量分解
在一个实施例中,在时间t以合适单位(单位计数、盎司、美元等)测量的商业销
售量(下文称为“交易量”的状态由测量结果集合 <Α1=1,...Λ描述,所述测量结果的指数为产
品P、时间t和场所I。针对固定i的所述测量结果集合被称为驱动器。驱动器是可影响交易量的动作。市场响应模型将历史(例如,所有测量结果的集合,其中t<T)映射到时间T处针对产品P和场所I的交易量Vuv市场响应模型可将过去发生的测量结果集合映射到历史交易量结果,或将预测测量结果集合映射到预测交易量。在一个实施例中,将交易量表不为交易量数据立方体,其中维度是时间、产品和场所。图I是说明针对历史和预测销售量的交易量立方体的一个实施例的框图。在图I中,历史交易量立方体102表示形成为多维立方体的时间系列的数据,例如上文的VT,p,lt)尽管在一个实施例中,历史交易量立方体102的维度是时间、产品和场所,但替代实施例可具有更多、更少和/或不同的维度。历史交易量102在特定时间112处结束。立方体的在实际历史交易量102左侧的部分表示最早的可得交易量。此外,在图I中,响应模型IlOA将历史活动104映射到历史交易量102。活动是可对交易量具有影响的动作,且可包括一个或一个以上驱动器,如下文进一步描述。然而,历史交易量102和历史活动104并非总是在指定时间108处结束。在其它实施例中,历史交易量102和历史活动104是针对任一过去的时间周期,且具有不同长度,例如若干天、若干周、若干月、若干年等。此外,历史交易量信息102和历史活动104可具有不同的时间长度或表示重叠的时间周期。另外,响应模型IlOB将预测活动106映射到预测交易量108。在一个实施例中,预测交易量108与历史交易量具有相同维度时间、产品和场所。预测活动106是从历史活动104复制、从历史活动104导出、从某一其它产品活动导出、从用户输入产生或其组合。此实施例意在成为对预测活动106的说明,且并不暗示预测活动106总是在目前时间108处开始。预测活动106的其它实施例可针对任一将来的时间周期,且具有不同长度,例如若干天、若干周、若干月、若干年等。此外,实际活动104和预测活动106可具有不同的时间长度。在一个实施例中,响应模型IlOB与响应模型IlOA相同或不同。分析员使用响应模型来估计活动对交易量的影响。在一个实施例中,通过各自可具有参考值和已执行值的驱动器来描述活动。活动的驱动器的参考值表示处于“关”状态的活动,意味着所述活动不向交易量添加贡献。一些活动的驱动器不具有有意义的关状态,且因此不具有参考值(例如产品分布于其中的商店的数目、价格等)。活动的驱动器的已执行值是增加对交易量的积极或消极贡献的值。这表示活动处于“开”状态。活动由驱动器子组且由所述驱动器的受所述活动影响的范围来表征。在一个实施例中,将商业的销售量表示为基础交易量(例如,无促销、所有产品的参考价格、平均温度、无广告等)与因执行所述活动集合而产生的额外交易量的叠加。这些活动是商业的活动(例如,TV广告、对产品的展现、产品的价格上涨)、市场上的其它商业的活动(例如,竞争者的展现、竞争者的TV广告等),和/或环境本身(例如寒潮、汽油价格上涨等)。活动由驱动器中的一些驱动器针对产品、场所和时间周期的某些组合而与其参考值 的偏离来表征。在此实施例中,因此通过一驱动器集合和一范围来描述活动。在一个实施例中,将响应模型表达为基础交易量与因活动集合而产生的交易量的数学函数,如等式(I)中所说明。
权利要求
1.一种计算机实施的方法,其包括 存取响应模型和多个活动,所述响应模型和所述多个活动用于计算预期商业量度,其中所述多个活动中的每一者具有参考值和已执行值;以及 使用所述响应模型基于将第一活动设置为对应的参考值和已执行值中的一者且将所述多个活动中的其它活动设置为与所述第一活动相反的值状态来计算所述多个活动中的每一者对所述商业量度的贡献,其中所述计算所述贡献中的每一者与响应模型类型无关。
2.根据权利要求I所述的计算机实施的方法,其中所述商业量度是销售量、收益、利润和市场份额中的一者。
3.根据权利要求I所述的计算机实施的方法,其中将所述第一活动设置为所述参考值,且将所述多个活动中的所述其它活动设置为所述已执行值。
4.根据权利要求I所述的计算机实施的方法,其中将所述第一活动设置为所述已执行值,且将所述多个活动中的所述其它活动设置为所述参考值。
5.根据权利要求I所述的计算机实施的方法,其中计算所述贡献进一步包括在所述第一活动处于所述对应的参考值和当前值中的一者的情况下计算预测销售量。
6.根据权利要求5所述的计算机实施的方法,其中计算所述贡献进一步包括计算等于已执行销售量减去所述预测销售量的原始交易量贡献。
7.根据权利要求I所述的计算机实施的方法,其进一步包括 在所述多个活动具有所述参考值的情况下,使用所述响应模型来计算基础商业量度。
8.根据权利要求I所述的计算机实施的方法,其进一步包括 针对所述贡献中的每一者分配所计算出的协同作用的一部分。
9.根据权利要求8所述的计算机实施的方法,其中所述分配是基于所述贡献的绝对值。
10.根据权利要求8所述的计算机实施的方法,其中所述分配所述所计算出的协同作用的所述部分是基于以下公式 其中f z是活动i的最终贡献,Vi是活动i的原始贡献,且S是所述所计算出的协同作用。
11.一种机器可读存储媒体,其具有可执行指令以致使处理器执行包括以下操作的方法 存取响应模型和多个活动,所述响应模型和所述多个活动用于计算预期商业量度,其中所述多个活动中的每一者具有参考值和已执行值;以及 使用所述响应模型基于将第一活动设置为对应的参考值和已执行值中的一者且将所述多个活动中的其它活动设置为与所述第一活动相反的值状态来计算所述多个活动中的每一者对所述商业量度的贡献,其中所述计算所述贡献中的每一者与响应模型类型无关。
12.根据权利要求11所述的机器可读存储媒体,其中所述商业量度是销售量、收益、利润和市场份额中的一者。
13.根据权利要求11所述的机器可读存储媒体,其进一步包括针对所述贡献中的每一者分配所计算出的协同作用的一部分是基于所述贡献的绝对值。
14.根据权利要求11所述的机器可读存储媒体,其中计算所述贡献进一步包括在所述第一活动处于所述对应的参考值和当前值中的一者的情况下计算预测销售量。
15.—种设备,其包括 输入模块,其用以存取响应模型和多个活动,所述响应模型和所述多个活动用于计算预期商业量度,其中所述多个活动中的每一者具有参考值和已执行值;以及 原始贡献模块,其用以使用所述响应模型基于将第一活动设置为对应的参考值和已执行值中的一者且将所述多个活动中的其它活动设置为与所述第一活动相反的值状态来计算所述多个活动中的每一者对所述商业量度的贡献,其中所述计算所述贡献中的每一者与响应模型类型无关。
16.根据权利要求15所述的设备,其中所述商业量度是销售量、收益、利润和市场份额中的一者。
17.根据权利要求15所述的设备,其进一步包括 最终贡献模块,其用以基于所述贡献的绝对值而针对所述贡献中的每一者分配所计算出的协同作用的一部分。
18.—种系统,其包括 处理器; 存储器,其经由总线耦合到所述处理器;以及 来自所述存储器的由所述处理器执行以致使所述处理器执行以下操作的进程,存取响应模型和多个活动,所述响应模型和所述多个活动用于计算预期商业量度,其中所述多个活动中的每一者具有参考值和已执行值;以及 使用所述响应模型基于将第一活动设置为对应的参考值和已执行值中的一者且将所述多个活动中的其它活动设置为与所述第一活动相反的值状态,来计算所述多个活动中的每一者对所述商业量度的贡献,其中所述计算所述贡献中的每一者与响应模型类型无关。
19.根据权利要求18所述的系统,其中所述商业量度是销售量、收益、利润和市场份额中的一者。
20.根据权利要求18所述的系统,其中所述进程进一步致使所述处理器针对所述贡献中的每一者分配所计算出的协同作用的一部分是基于所述贡献的绝对值。
21.—种计算机实施的方法,其包括 存取响应模型和第一多个活动,所述响应模型和第一多个活动用于计算商业量度分解,其中所述第一多个活动定义所述商业量度的原子分解等级;且其中所述原子分解等级是使用不同多个活动的不同分解集合的基础等级,且所述不同分解集合与所述原子分解等级一致。
全文摘要
本发明描述用于基于多个活动和一响应模型来分解商业量度的方法和设备。在一个实施例中,所述方法存取所述响应模型和所述多个活动,所述多个活动各自具有参考值和已执行值。所述方法基于将所述多个活动中的一者设置为对应的参考值和已执行值中的一者且将其它活动设置为与所述活动相反的值状态来计算对所述商业量度的贡献。此外,所述方法独立于响应模型类型来计算所述贡献中的每一者。
文档编号G06Q10/00GK102640173SQ200980143492
公开日2012年8月15日 申请日期2009年10月30日 优先权日2008年10月31日
发明者史蒂文·约翰·彼特·伊利翁, 德克·曼弗雷德·拜尔, 查德·威廉·惠普基, 纳撒尼尔·基思·福尔克特, 菲利普·丹尼斯·德卢吉奥, 詹姆斯·弗雷德里克·德鲁, 迈克尔·亚历山大·瑞 申请人:迪蒙特公司

最新回复(0)