CN1826618A - 分析市场营销的系统和方法 - Google Patents
分析市场营销的系统和方法 Download PDFInfo
- Publication number
- CN1826618A CN1826618A CNA2004800211149A CN200480021114A CN1826618A CN 1826618 A CN1826618 A CN 1826618A CN A2004800211149 A CNA2004800211149 A CN A2004800211149A CN 200480021114 A CN200480021114 A CN 200480021114A CN 1826618 A CN1826618 A CN 1826618A
- Authority
- CN
- China
- Prior art keywords
- consumer
- card
- information
- data
- transaction data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
- G06F16/2358—Change logging, detection, and notification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0204—Market segmentation
- G06Q30/0205—Location or geographical consideration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0242—Determining effectiveness of advertisements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0242—Determining effectiveness of advertisements
- G06Q30/0245—Surveys
Abstract
本发明涉及一种用于利用卡交易数据来评估广告和营销方案的因果关系的系统和方法。在一个实施例中,能够获得准确详细至小交易量的持卡者交易数据、二十四小时活动消费者以及每个消费者的多年交易历史情况。此外,实时获取这种数据,并且基于采样大小,能够提供客户和商家覆盖的地区级的具有统计意义的粒度信息。
Description
本申请要求在2003年6月10日申请的名称为“分析市场营销的系统和方法”的美国临时专利申请No.60/477,057的优先权,在此通过参考的方式援引其全部内容。
技术领域
本发明涉及分析市场营销。更具体地,本发明涉及一种利用卡交易数据来评估广告和营销方案的因果关系的系统和方法。
背景技术
消费者每年花费在具有大量参与者的产品和服务上的费用超过7万亿美元。吸引消费者消费的竞争非常激烈,并且近二十年来,随着逐渐增长的营销和产品的增殖化,这种竞争也愈演愈烈。当前,仅美国的公司在广告和营销上的花费就超过2,330亿美元。据美国达拉斯联邦储备银行的调查研究,现今每年引入的新消费者产品库存单位(SKU)超过30,000个,而在1980年仅4,400个。在消费者市场中的所有这些新产品的营销和引入均为了相同的基本目的,即,通过预测建立新客户关系,提高忠诚度并且获取更大的现有客户的“钱包份额”,以及保持最有利的客户。
所有这些活动的最终结果是:使得消费者不仅处于泛滥的营销信息中,而且他们还必须在比原来更多的消费选项中做出选择。这对于消费者市场中的竞争者意味着:随着竞争压力的增加,使得利润降低,在营销上的花费相比其越来越昂贵的成本却仅带来较少的效果。冀望于通过缩短经营周期和快速应对竞争以达到企业成功、生存和实现收益,就要在分配开支确定有效目标和联系目标客户上,具有快速、准确和有意义的决策能力。
因此,想要成功的制造商、贸易商和服务供应商不得不投入大量的努力和资金来探索如何改进如下几个方面的工作:(a)确定谁会购买他们的产品,购买原因、时间和地点;(b)在合适的商场销售合适的产品;(c)收集客户反馈以试销售和改进他们的产品及服务或者设计新的产品及服务;(d)定向于购买最多、最频繁以及最新的客户;以及(e)定向于那些最有可能购买的客户。
进行有效分析所必需的分析方法和信息对于而向消费者的公司获知其当前所处的情形起到非常重要的作用。在过去的十年中,大量公司在入库(warehousing)和分析他们自己的数据上花费了几十亿美元。
但是,由于仅从公司特定的销售额和盘点数据很难推断因果关系和进行有效预测,所以真正能够洞察消费者行为仍是一个极难实现的目标。
参照图1,其中示出表示1999-2001年广告支出的表格。如表格中所示,公司支出的营销资金跨越了全国性的和地方性的不同媒介范围。设计这种广告活动是为了确立知名度、引诱可能的消费者购买其产品,并在现有的消费者中确立更高的忠诚度。然而,对于每笔支出的边际(marginal)资金,公司并不清楚他们是否在合适的位置(本地或者全国)针对合适的客户(未来消费者或者曾经的消费者)对最佳媒介支出了资金。因而,公司不能清楚得知他们的广告活动是否有效。
目前,公司通过与底线利润和亏损影响并不是紧密关联的知名度来测量媒介效应。公司通过与实际购买意图和行为并不是紧密关联、因而与底线利润和亏损影响也并不是紧密关联的消费者态度变化来测量其影响力。公司从销售额的提升来测量结果,但却几乎不具有获悉消费者的行为是否随时间确实在改变的能力。如果没有能力来测量消费者随时间变化的行为并且将消费者的行为与营销联系在一起,则很难确定产品、价格、定位和包装的最佳营销综合选择。
随着某些公司在营销预算上达到几千万,这种明了性(clarity)的不足成为主要问题。即使利用相当容易测量的可测量媒介如本地的、特定货存且特定产品的卖家,公司能够测量响应,但是却难于获悉是什么真正促使消费者行为,因此花费了影响真实账本底线的资金。并且,在公司测量对诸如优惠券的特定促销的响应时,他们不能确定是否优惠券本身促使了购买活动或者优惠券对下一次消费者进行类似的购买活动会起多大的作用。
营销只是与公司账本底线相联系的一部分开支。商品促销、经营、客户服务是公司为其消费者以及未来消费者所提供的全部。除了媒介费用之外,公司投入上千亿的资金来投资品牌、营销调查、产品开发、分销计划和地点定位、寻找和得到顾客。所述这些都是重要的活动,但是对于在这些方面所作决策的有效性却存在类似的不确定性。信息是在所有这些方面做出准确且有见识的决策所需的关键因素。利于更好地通知公司以使得对其任何活动能够做出更准确和正确决策的任何信息和分析是极有价值的。最重要的是实时的详细信息,其使公司能够响应其出售的具体变化而与市场有关的消费者行为并因而进行更好的预测。
假定市场信息能够反映所有类型的决策,则定义公司需求的五个特定信息领域为:业绩跟踪、媒介跟踪和有效性、产品分类和定价管理、区位/市场的最优化、以及消费者需求和洞察力。
业绩跟踪包括对组织(organization)的财务效率和投资回报率的所有测量。根据组织的财务模型,可以关注公司利润轨迹(净利润/净销售额)或者营业额轨迹(从库存产品的周转速度和净利润体现的资产回报率)的指标。组织的不同方面可跟踪附加的发展与生产力指标。例如,可以根据销售额或者销售份额增长以及营销活动相关联费用回报率最直接地评估营销效能。关键的财务数据包括净销售额、毛利率或者利润、费用、净利润、资产、债务、投资回报率等。在财务业绩指数中使用的市场数据是销售量和销售份额。
媒介跟踪和有效性可确定广告和其它促销手段对销售额以及金融生产力的影响。典型地,经由对目标消费者进行的消费者调查研究来间接地并且不精确地测量对销售量的影响。将调查研究设计为测量品牌和广告的知名度以及对促销产品的认知形象和购买倾向。在广播中播放广告之前、之后或者每天进行测量,以在所要求的品牌知名度和购买情况方面对播放广告的时间与不播放广告的时间进行比较。如果这些关键的度量标准显示出上升,则认为促销活动是有效的。与硬销售(hard sales)和份额数据一起跟踪这些定性测量,以对调查数据是否与销售相吻合给予某种程度的确认。如果数据是可用的,则在营销对象中识别的关键消费者目标群部分中跟踪销售和销售量的变动。
主要的包装产品制造商和某些大型零售商当前所使用的媒介效果和媒介混合模式试图确定营销和促销活动与达到顶线增长之间的更直接联系。此外,根据每个促销手段各自对顶线业绩的贡献,评估特定混合的促销手段(例如,TV、优惠券、全国性的报纸、地方分发的传单等)。进行多重回归分析以确定哪种媒介提供最高的投资回报。典型地,随后将购买更多有效或者经济的媒介,并且连续反复地进行分析以使混合最佳化。在市场混合模式中使用的数据包括市场输入数据,即促销和媒介的类型(广告、优惠券、传单、告示牌)和按时间范围的媒介比重(全国性或者地方性地依据可用数据和交易本身的位置)。在分析中使用销售量和份额的“输出”测量结果作为关键收入指标。
管理产品分类和价格的目标是配送“合适价格的合适产品”以实现消费者需求,同时满足公司的财务目标。选择和/或开发产品需要了解消费者以及他们与产品类别的相合度。消费者态度和趋势调查、焦点群以及测试市场研究是获得这种了解的常用手段。特别地,对产品的生命周期以及是否是时尚、流行或者经常需要的了解对于预测销售是很重要的。需求指标(销售和份额)用以跟踪资产或者投资的回报以计划并估算业绩。在投放市场之前考虑历史销售量、经济趋势和诸如对产品的反应之类的消费者信息来预测销售情况,并且测试市场能够有助于预测消费者的认可度。
为了确保消费者对产品的需求,需要确定提供哪些产品,典型地需要将公司产品的消费者分成具有类似需求的多个群,并且设计满足消费者成套需求的产品和服务。产品开发和市场预测调查有助于减小失败的风险。此外,为了促进产品开发和进行选择以保证未来的需求,需要跟踪趋势并了解特定产品类别的生命周期。确定定价战略和设定最优价格点也是确保需求的关键。对于具有较长生命周期的包装产品和其它产品,识别最佳价格点从探索性研究开始,从而了解数量(较低价格)与利润(较高价格)之间的权衡以及与品牌和产品质量形象的整体适配度。作为设定价格的更可靠方法,还可进行店内(in-store)测试。
在尽力以合适的价格提供合适的产品时,许多零售商进行类别管理,以寻求最佳化某一类别的产品的销售和利润。通过了解消费者如何购买某一类别的产品来实现这种类别管理,例如,他们寻找何种需求以实现任何指定的购物之旅、他们认为什么是有竞争力的设置并且如何做出购买决定、在同一次光临时他们还购买了其它什么产品等等。例如,对所有父母带着孩子去杂货店购物的了解会引导谷类食品制造商和零售商在小孩能够看到(并且要求购买)的较低货架上设置定向于儿童的品牌。
制造商、零售商和服务供应商等需要决定哪个地域市场是需进入或者扩大的关键区域。具有零售场所的公司还必须选择将带来消费者并且与零售战略一致的贸易区和特定店铺地点。由于高昂的服务员成本以及建立零售店而的长期投入,所以选址是非常关键的。为此,公司将相当大的资源和预算用于获取信息,这种信息能够使他们准确地识别合适的地点开且降低在市场中失败或者取得不太理想业绩的风险。
在市场和场所决策中所使用的信息主要包括:首先识别产品的目标群的特征和/或成功店铺的原因,然后选定其地段人口密集的地域、交易区域和地点。选择标准根据产品类别和零售战略而变化,而其通常是社会人口统计和地理特征的结合。例如,零售商可以定向于高消费阶层的女性顾客,并且品牌定位和店铺格局已被证明是“主要街道”类型场所中最成功的。对地点的选择将需要识别在高收入商业中心中适合自然和地理标准的地点。另一方面,如果大型零售商正在开设一个“目的地”地点,则易于通往公路以及进入宽敞的停车场将比极度接近目标客户更为重要。
在市场和场所优化中使用的信息包括:目标群和人口的社会人口统计特征,例如当前或者可能消费者的场所;地点的地理特征,例如交通情况、停车场、商业环境和能够影响建筑、租赁、身份证明(identification)、竞争者的场所、消费者购买这种类别产品的规章制度;以及有助于预测未来需求的人口和经济前景。
为消费者生产与分销产品和服务,需要比竞争者能更好地识别和满足消费者需求。在了解消费者如何并且为什么做出购买决定的过程中,他们对公司的看法以及消费者每天面对的挑战是产品开发和分销、品牌、营销和消费者满意度的所有这些方面的中心。
获取消费者的洞察力主要包括经由以前的消费者调查或者持续的调查(panel)对大量抽样消费者进行研究以获取其态度、生活方式特征以及产品使用情况。大多数的这些研究是为了了解特定类别、品牌或者总的态度而定制的专门调查。
对于市场信息的这种需要已经引起关注。结果,基于最有用的市场信息,整个业界已崛起了大量围绕消费者的公司,从而有助于明了和定向营销消息并且测量其有效性,并且还有助于对其它主要市场活动做出合适的决策。但是,由于搜集困难,可利用的当前市场信息仍然不能充分满足消费者市场空间中角色(player)的需求。市场信息是当今消费者市场中非常重要的业务需求。这种市场信息还是跨越产业部门、产业的价值链以及在公司、不同类型和级别的用户中的业务需求。对于任何产业部门,价值链包括以消费者为中心的、一起同时工作的以及需要从他们自己的眼界使用市场信息的三种类型的角色。这三种角色是制造商、零售商和广告媒体代理公司。
制造产品但是通过零售商销售产品的制造商需要市场信息,以确定他们的产品在市场中的销售情况以及怎样最佳地创建适当的激励方法使消费者购买产品。他们还需要市场信息以了解如何随时间改变他们的产品。制造商面临的困难是他们不与消费者直接交互,这就造成有关市场信息的需填补的认知空缺(knowledge gap)。
由于消费者是零售商业务的核心部分,所以随着业务的发展零售商与消费者总是保持交互作用。由于他们怎样交互、与谁交互以及提供什么业务均是他们业务的关键部分,所以他们对市场信息的需求更大。每个连锁店的本地自然条件、店铺之间基于消费者的本地地理人口统计的差异以及竞争者的变化意味着零售商还需要特定地点的市场信息。此外,由于零售商与消费者频繁交互,所以需要了解当前实时市场信息,以测量营销混合效果的变化快慢。
零售商苦于无法跟踪并且得知离开他们店铺的消费者的真正行为。消费者曾经光顾过?多长时间来一次?消费者还去其它什么地方购买类似的产品?是什么使得消费者选择这家店铺而不是另一家购买?对这些类型的问题的回答影响零售经营的所有方面,从营销和促销到推销以至场所和设计。然而,除了店铺特定的忠诚卡和签帐卡(零售商用于获得对消费者行为的洞察力的两种途径)之外,零售商必须基于销售变化来做出这些决策。即使是忠诚卡和签帐卡,不能解决零售商的某些问题,例如其不能向零售商通知消费者还去其它什么地方以及从其它零售商那里购买什么其它产品。
广告媒体代理公司负责创建由制造商和零售商间接使用的营销策略,以更佳地定位于和出售给他们的消费者和潜在的可能消费者。对于这些公司,测量营销策略有效性的能力与有关消费者购买行为的较佳理解力是极为相关的,因为它们构成将公司的服务推销给其客户的关键部分。但是,测量媒体有效性也被证明是广告业当今面临的主要问题之一。
如上所述,由于市场信息潜在地影响所有类型的决策,所以其卖主和公司内的其它职能用户(functional user)是有价值的。以百货公司零售作为例子,通知选址和业绩的市场信息与零售公司内的运营职能有关,而通知营销有效性的市场信息与营销职能有关。这意味着在公司里存在多种不同职能的用户,每个用户都拥有他们自己的一套待需做出的决策。
同时,这些类型的决策是在公司内被作成不同的等级,例如利用公司管理机构做出的战略决策、由管理者做出的运营决策以及由分析家和初级管理者做出的战术决策。在每个等级中,与市场信息的交互的类型和性质是不同的。这样,系统需要适应以用户为基础的这些公司内的差别。在每个上述行业、部门和公司职能中,需要提供用于工作职责范围的工具。系统需要支持更多战术分析家和管理者的活动,并且还支持更多以战略为中心的高级管理活动。
参照图2,其中示出示范性零售组织结构的方框图。负责设定整个公司的战略方向并且确保金融生产率的最高董事、或者执行委员会由关注战略规划、房地产和市场规划(包括选址)、财政和系统的公司级别部门支持。通过以下三个战术部门实施战略并且对其进行商业管理,即商品管理部、营销部和店铺管理部。商品管理部完成产品分类并且设定与整个战略一致的价格。营销部负责促进消费者交易和销售。店铺管理部负责所有与店铺有关的活动,包括职员劳动生产率、费用控制、人力资源(HR)以及店铺外饰。
市场数据和洞察力的使用贯穿于整个组织中,但是应用的类型和细化的程度依职能和级别而变化。例如,战略规划组支持公司级别中的高级管理,以确定在整个组织中自上而下的战略和业务使命。战略规划者要答复如下问题:我们现在的业务是什么;我们将来的业务是什么;我们的客户是谁;我们的能力是什么;以及我们想要实现什么。战略规划者将财务业绩数据、消费者和人口统计趋势中具有广泛代表性的信息合成为所有部门的主要学习部分以确定公司的未来发展方向。
此外在公司职能中,房地产组负责确定待扩大并添加店铺的区域和市场。这个组使用有关交通情况、可到达性和停车场的可用性的地理人口统计数据和信息的组合来选择店铺地点。
由商品管理部门使用的信息则非常不同。这个组主要涉及获取和估计对产品的需求以及设定价格点。这些信息的用途主要是决定待订购什么颜色以及什么数量的何种商品。过去的业绩和消费者趋势有助于他们的决策。他们还输入在店铺中放置商品的位置。使用对消费者购买行为的洞察力来做出决策,例如在邻近家庭用品的地方设置小孩子的衣服,这是因为通常女人来购买家庭用品,而这些购物者常常带着小孩,因此她们会为了小孩子凭冲动购买衣服。
店铺经理还会关心各种不同的问题,例如各个店铺的设计和布局、商品陈列和顾客服务质量。店铺经理还负责控制成本以及管理雇员。店铺经理使用销售和支出数据,并且能够获取与店铺布局和设计相关的所选消费者洞察力或者趋势信息。
发明内容
假定已知需要市场信息支持的决策类型、竞争者的类型和信息使用者,则同级别最佳市场信息的两个主要特征是数据的数量和数据的质量。数据的数量特征要考虑数据的准确性、及时性和粒度的覆盖率。数据的质量涉及数据的互联性。这里,趋势(或者随着时间的过去,对历史的解读)、(在竞争者中的)商家份额以及(在很小的市场细分中的)购买者的档案文件(profile)是主要的激励条件(drver)。因此成功的、同级别最佳信息和市场洞察力业务具有下述关键字的有价值的激励条件:信息的准确性、信息的粒度、信息的及时性、历史时序可用行、商家份额信息以及购买者档案文件。
信息需要具备准确性和推理性才能够用于做出实际的业务决策。信息需要具备足够的粒度从而能够跟踪在地区级的供应和营销混合活动中的特定变化,以便对效果进行有效测量。对于当前正在作出的业务和战术决策,信息的及时性变得很关键。了解特别的营销战略和决策对如何继续营销活动的影响需要尽可能接近实时的信息。为了了解由有关消费者行为的供应和营销混合活动中的变化产生的持久行为变化,信息必须能够随时跟踪消费者行为。为了能够基于相关业绩测量而做出实际决策,信息必须能够使用户以全国级、区域级以及地区级的级别将他们的业绩、消费者根基、用途等与相关竞争者作比较。为了了解“谁”正在购买并与公司交互,信息必须能够用以对非常少的局部消费者进行部分分析,以获得对如何优化地区营销混合和媒介活动的有意义的洞察力。
在信息产业中有许多类型的参与者,他们不仅获取市场信息,还提供专家分析意见以帮助公司进行他们的决策处理。一般地说分成四类角色:主信息供应商、辅助信息供应商、分析工具供应商和咨询公司。
主信息供应商使用基于调查和研究的各种方法直接从参与商家获得消费者市场信息来创建消费者市场信息。辅助信息供应商从公司用以将其附加在他们自己的消费者数据库上的公共源或者从主信息供应商收集关于消费者的地理人口统计信息。整合多种类型的信息的分析工具供应商为公司使用他们的数据库而创建分析框架、数据操纵工具和优化模型。在特定行业和专业知识上最专业的咨询公司对公司提供咨询以帮助他们进行决策处理。
从这些信息供应商,公司可以购买几种不同类型的市场信息,以获得行为、态度和地理人口统计的分类数据。在所有这些情况下,公司使用这种信息以更佳地了解和细化他们的基础消费者和可能消费者,并且推断他们的营销混合活动与产品供应和业绩的变化之间的因果关系。在公司利用最有用的市场信息全力而为的同时,他们远没达到能够准确预测消费者响应和购买行为的目标。
由于不能使消费者与行为相匹配,所以通过市场中的多种信息源很难将他们结合在一起。这就是为什么消费者公司仍旧采用2000-5000人的专门调查以试图收集丰富的多维信息。但是,不长期高成本地进行这些调查是不现实的,并且在较小的采样范围进行的调查对于跨不同地区和时间的消费者的任何详细分析来说也是无价值的。
由于主信息供应商以营销研究为竞争手段,所以他们试图生成关于消费者的最有用的市场信息。有两种主要使用的业务模式。第一种模式是通过对随时间采样的消费者跟踪这些信息,进行研究和调查来搜集消费者的行为和态度。第二种业务模式是从选择参与的商家中搜集交易详情。在这种模式中,参与的公司自己报告信息,并且可使用收集的信息进行分析和规划。
当今即使是最有用的市场信息也是利用非常原始、易出错且不精确的方法来搜集的。第一个缺点是缺乏粒度和准确性。研究和调查信息仅限于小的采样范围,因此其没有足够的粒度以做出地区级的可行战略性的和可准确操作的决策。同时,给予消费者其信息的调查信息还存在潜在的选择偏差。这种数据的预测基于对以人口统计为基础的美国人口的推断结果,因此几乎不会不考虑个人偏好。
通过合作模式或者销售点(POS)反馈搜集的数据依赖于愿意参与的公司。如果参与者决定撤离,则剩余的数据就不是完整的。没有这些参与者,用于测量相关市场份额和消费者行为变化的信息的有效性便会显著下降。
当今可用的市场信息的另一缺点是缺乏用于每个消费者的实时数据和时序数据。大概每个季度进行一次调查,很难使这些调查相关联以对消费者的当前行为进行预估。通常通过合作模式获得的数据不能获取消费者的特定信息,因此不能用于了解购买行为以及其随时间如何演变。
市场信息的另一缺点是消费者信息与交易数据分离,即,其不能回答“谁在购买、购买了什么以及在哪里购买”。即使在广泛使用详细的SKU级信息和竞争数据的包装商品行业中,公司也仅能够基于少量人的调查而获知购买行为与消费群。因此,即使利用全面的购买数据和复杂的模型工具,市场商家也仅能够通过控制诸如价格和分布之类的变量而采用“推”方法,而不能通过定向合适的消费群采用“拉”方法刺激他们的需求。
许多信息提供者所提供的信息缺少前述的作为成功的市场信息业务所必需的、以数据为基础的、有价值的关键激励因素。因此,本发明的实施例采用持卡者交易数据来处理这些问题。
持卡者每年进行的交易的数量巨大,并且每天交易的数量也相当大。这样,在本发明的一个实施例中,能够获得准确详细至小交易量的持卡者交易数据、二十四小时活动消费者以及每个消费者的多年交易历史情况。此外,实时获取这种数据,并且基于采样大小,能够提供地区级的具有统计意义的粒度信息。此外,持卡者交易数据还提供了很大的商家覆盖范围。
在本发明的另一实施例中,还提供一种用于获取市场洞察力的系统,其包括:交易数据库服务器,其包括交易数据库和第一消费者信息数据库,其中:交易数据库被配置为至少存储卡交易数据;第一消费者信息数据库被配置为至少存储识别持卡者的消费者和其家庭信息;并且交易数据库与第一消费者信息数据库连接且交互作用,以使消费者和其家庭识别信息与卡交易数据相关联;卡分析服务组件,其包括多个报告和分析模块,所述分析模块至少基于交易数据库与第一消费者信息数据库之间的交互作用来提供营销分析,并且所述报告模块至少基于由分析模块提供的营销分析来提供与营销相关的报告;调查卡(panel card)组件,其被配置为至少基于来自交易数据库的卡交易数据而创建交易调查问卷,并且接收对调查问卷的答复;以及有价值的购物者组件,其被配置为至少基于所述营销分析、所述与营销相关的报告、所述调查问卷和对调查问卷的相关答复识别消费者,并将定向销售方案提供给该已识别的消费者群体。
在本发明的又一实施例中,提供一种用于获取市场洞察力的方法,其包括:接收利用储值卡购物时的卡交易数据;接收识别储值卡的持卡者的消费者和其家庭信息;评估卡交易数据以及消费者和其家庭信息以将消费者和其家庭信息分配给卡交易数据;至少基于评估来提供营销分析;至少基于所提供的营销分析来提供与营销相关的报告;至少基于接收到的卡交易数据来生成交易调查问卷;至少接收对交易调查问卷的答复;以及至少基于营销分析、与营销相关的报告、调查问卷和对调查问卷的至少一个答复来提供定向销售方案。
附图说明
通过实例示出优选实施例,但是其不限于下列附图,在附图中:
图1为1999-2001年广告支出的表格;
图2为零售行业组织的有代表性的结构框图;
图3为本发明实施例提供的获取市场洞察力的资源(MIR)系统的概要图;
图4为本发明示范性实施例提供的MIR系统的框图;
图5为本发明示范性实施例提供的、用于说明MIR系统使用的信息的框图;
图6为本发明示范性实施例提供的MIR系统能够创建的报告和具有分析能力的多种示范类型的框图;
图7为本发明示范性实施例提供的能够整合不同资源的数据体系结构的框图;
图8为本发明示范性实施例提供的用于MIR系统的业务体系结构单元的数据体系结构的框图;
图9为本发明示范性实施例提供的、采用防火墙进行保密的方法的框图;
图10为本发明实施例提供的用于创建MIR交易仓库310的方法的示范性流程图;
图11为本发明实施例提供的用于将消费者信息添加到交易文件的方法的示范性流程图;
图12为本发明实施例提供的用于将消费者和其家庭标识符添加到交易文件,和将详细的市场细分(segmentation)和人口统计信息附加到消费者信息数据库的方法的示范性流程图;
图13为本发明实施例提供的用于确定权重因数的方法的示范性流程图;
图14为本发明实施例提供的用于确定渗透因数的方法的示范性流程图;
图15为本发明实施例提供的用于周期性处理的方法的示范性流程图;
图16为本发明示范性实施例给出的MIR调查卡调查方法的框图;
图17为本发明示范性实施例提供的经筛选的定向调查卡处理的框图;
图18为本发明示范性实施例提供的调查卡数据源的框图;
图19为本发明示范性实施例提供的调查卡体系结构的框图;以及
图20为本发明实施例提供的用于调查卡应用程序的示范性通信周期的框图。
具体实施方式
现在参照附图详细描述本发明的实施例,在附图中示出本发明的一些实例,其中示出使用卡交易数据评估广告和营销方案的缘由和效果的系统和方法,并且同样的附图标记表示同样的组件。应当理解所公开的实施例仅是本发明的示范性实例,本发明可以具体化为各种可选择的形式。附图并不局限于图中所示的比例,一些附图可被放大或者缩小以显示特定组件的细部。因此,这里公开的特定结构和功能细目不是限制性的,而仅是权利要求的基础以及教导本领域技术人员以不同的方式实施本发明的代表性基础。
此外,可将组件描述为是“连接的(coupled)”。使用这个术语是考虑以这样的方式连接在一起的组件:即,有其它一些组件填置于特定元件之间,并且这些特定的元件可以以固定或者可移动的关系相互连接。可将某些组件描述为是相互“相邻的”。在这种情况下,期望将这种特征的相互关系解释为组件是相互邻接的,而不必彼此接触。正常地,在相邻组件之间不设组件,但这不是必要条件。此外,一些结构关系或者方位可被指定为是“基本地”。在这些情况下意味着相互关系或者方位就是所描述的那样,但是在不影响所述组件或者多个组件之间相互作用的前提下还允许有一些变化。
参照图3,其示出根据本发明实施例的市场洞察力资源(MIR)系统300的概况。在优选实施例中,MIR系统300包括MIR交易仓库310、卡分析服务组件320、调查卡组件330和有价值的购物者(value shopper)组件340。MIR交易仓库310通过提供基本数据集将组件320、330和340链接在一起。卡分析服务组件320可包括用于提供对消费者购买经历的洞察力的工具。调查卡330使用问卷调查问卷收集消费者信息。优选地,问卷调查问卷是对已选择加入MIR系统300的卡会员的定向的、定制化的和事件驱动性的调查。有价值的购物者组件340是定向销售方案,其能够使商家与已选择加入购物程序的消费者建立联系。MIR系统300的实施能够使客户、商家和卡会员受益。例如,向客户提供提高他们的决策、利润获取和操作有效性的洞察力;向商家提供提高利润和与参与消费者的接触机会的洞察力;以及向卡会员提供赚取利润并接收供应的机会。
MIR系统300能够每天监视购买事件并且能够提供这些服务:将商家份额业绩作为基准进行衡量,评估多年购买趋势和跟踪消费者,利用消费者特征覆盖图进行购买者行为评定,接近实时地报告准确、确实的数据,大量属性的粒度测量,评估来自参与商家的营销方案、潜在SKU和部门级别详情的销售影响等。使用MIR系统300,能够对有关消费者、竞争者、可能消费者、业务潜力等的问题做出回答。消费者问题的例子包括:他们在哪里居住;他们生活的怎么样;他们看、听、读些什么;他们去哪里购物;他们还购买些什么;在度假时他们在哪里并且何时光顾你的以及竞争者的店铺;他们是谁-全范围的人口统计状况;他们怎样购买;趋势如何;他们还购买其它什么商品等等。竞争者问题的例子包括:他们的强项是什么;他们的弱项是什么;他们享受怎样的忠诚度;他们消费者的特点是什么;他们的趋势是什么等等。可能消费者问题的例子包括:他们怎样购买;他们在哪里并且何时购物;他们的忠诚度怎样;他们看、听、读些什么;他们愿意去光顾的程度;他们是谁-全范围的人口统计状况;趋势如何;他们还购买其它什么商品等等。业务潜力问题的实例包括:他们应当在哪里发展;他们应当怎样开拓市场、做广告和进行管理;你享有你应当拥有的什么;在哪里开设店铺并且在哪里关闭店铺;花费多少并且怎样花费;奖励谁并且发展谁等等。
参照图4,其中示出根据本发明示范实施例的MIR系统300的框图。在所示的优选实施例中,MIR系统300实现为驻存在一个或者多个服务器/计算机(特别地为MIR服务器410和MIR仓库服务器420)中的基于网络的系统400。在可选实施例中,MIR系统300包括存储在一个或者多个计算机可读介质(CRM)中的一个或者多个软件应用程序。在所示实施例中,MIR服务器410与MIR仓库服务器420连接,并且包括卡分析服务组件320、调查卡组件330和有价值的购物者组件340。MIR仓库服务器420代表或者可选地包括MIR交易仓库310,其包含来自信用卡、借记卡、智能卡、光卡、磁条卡和本领域技术人员公知的任意其它金融卡的金融卡交易数据。这样,MIR仓库服务器410包括诸如图7的仓库环境720中所示的示范数据的数据。MIR仓库服务器720能够包括一个或者多个数据库并且能够驻存在MIR服务器410中。MIR服务器410能够经由诸如互联网的网络470与一个或者多个客户端430、一个或者多个关键字标识器440、一个或者多个信息供应商450以及一个或者多个商家460通信。
参照图5,其中示出根据本发明示范性实施例MIR系统300使用的信息的框图。MIR系统300的客户端430(图4)可包括例如制造商510、零售商520、媒体出售商530以及广告代理公司540和/或其它任何面向消费者的商店。客户将活动细目550提供给MIR系统300用以进行分析。如果需要,还可将来自一个或者多个商家的购买交易细目560提供给MIR系统300。购买交易细目560可包括例如附加的SKU数据。在所示实施例中,活动细目550和购买交易细目560被输入至驻存在例如MIR仓库服务器420中的购买行为票据交换所的时序数据库570中。如图所示,MIR系统300结合应用程序中的消费者细分详情、媒体覆盖和商家详情使用活动和购买交易细目550、560以跟踪和评估广告投资效果的回报率。这种应用程序可驻存在MIR服务器410(图4)中。优选地,之后MIR系统300将分析结果作为一个或者多个下文将描述的报告呈现给客户。
卡分析服务
参照图6,其中示出MIR系统300能够创建的报告和分析能力的多种示范类型的框图。报告和分析能力能够回答很多问题,例如:(a)谁在购买-人口统计和年龄段、交通模式;(b)他们何时购买-频率和交通习惯;(c)他们为什么购买-与营销支出相关;(d)他们去哪里购买-与竞争者比较,他们行程多远;(e)他们怎样购买-销售点的混合,购买的组合;以及(f)他们购买什么-项目级偏好。
利用MIR系统300的分析能力,能够确定下列分析:(1)档案文件-消费者和可能消费者的人口统计和年龄段档案文件;(2)距离/密度/人口统计-具有距离和贸易区细目、流域细目的消费者和可能消费者的地图;(3)相关报告-比较行为与营销支出、管理才能等;(4)结合分析-提供用于购买分析和商品混合选择决策的数据;(5)市场扫描-量化所有地理水平的市场、寻找人口统计/年龄段的密度;(6)市场潜力-与同年龄组相关的店铺和店铺内的各分部的表现如何;(7)市场份额-按消费者或者地理位置计算的收入或者销售量;(8)市场敏感度-对效率、营销和投资问题的答复;(9)忠诚度-重复购买者和与竞争者接触;(10)领先的经济指标-与其它经济因素相关的产业或者商家级的总额;(11)渠道分析-示出跨行业和各渠道中消费者购买偏好的趋势;(12)选址-与预期地址相关的消费者居住地点;(13)定向标准-识别直接营销的购买者和可能购买者的特征;(14)POS/SKU分析-特定产品和服务的购物群的档案文件;以及(15)竞争者分析-对总的竞争群建档分析。
假定利用数据能够潜在地回答近似无限的问题,MIR系统300的分析和报告能力能够构建特定应用程序包,其定向于可能客户端内的不同类型的用途和用户。报告包可包括:活动响应包、基准包、联系消费者/可能消费者包、消费者/可能消费者档案文件包、购物篮包、日程包、以及直接营销和定向包。这些报告包中的每一个将在下文详细说明。
活动响应包可回答诸如下列问题:活动对销售量和市场份额的影响如何;谁购买/谁不购买;上升持续多久;销售量增加多少;什么活动元素是不起作用的;以及哪家店铺场所和消费群受到影响最大或者最小。
基准(benchmarking)包可通过以供应类型、地理位置和消费群为基准回答诸如下列问题:公司的市场份额和与竞争者相关的地理区域的渗透力怎样;什么元素对促进利润和亏损最有效;什么是有竞争力的图片;消费者去其它什么地方购物;哪些购物者最有可能去其它地方购物;以及公司最薄弱的竞争点是哪里。
联系消费者/可能消费者包可回答诸如下列问题:他们居住在哪里;他们与公司的营销消息如何交互;与他们接触的频率以及以何种方式接触;什么被证明是最有效的;以及具有哪类消费群。
消费者/可能消费者档案文件包可回答诸如下列问题:按部门和地理区域划分,公司的消费者是谁;购买模式是什么;住户结构是什么;按部门划分,消费者对什么价格敏感;按贸易区和相关竞争者划分,基础消费者随时间如何变化;以及与竞争者相比公司的基础消费者怎样。
购物篮包可回答诸如下列问题:相对于竞争者,公司的消费者多长时间购物一次;消费者/可能消费者在公司的店铺和在竞争者店铺内购买什么;按消费群划分,平均购物量是多少,以及与竞争者对比结果如何;以及消费者对产品组合的变化反应如何。
日程包可回答诸如下列问题:消费者何时购物;与竞争者相比,他们在公司店铺中的游逛习惯是什么;以及消费者在一次购物过程中在不同店铺往往购买什么。
直接营销和定向包可回答诸如下列问题:消费者的联系特征是什么;他们的响应特征是什么;在相当长的一段时间内他们的购买行为是否变化以及如何变化;以及公司如何改进联系效率。
MIR系统300的优选实施例能够将这些包传送给客户组织的不同层,用于不同类型的决策和用途。因此,MIR系统300的工具和功能性可包括多种可能的前端报告和格式。因为MIR系统300的优选实施例包括基于网络的图形用户界面(GUI),所以用户可以定制报告和格式,并且这些报告和格式可依所需交互的级别而允许高级查询和深度分析。下文通过本发明的优选实施例来描述大量可用的示范性报告。
对于报告而言,一个报告能够包括市场部动态情况,例如依据性别、年龄、是否有孩子、所乘交通工具类型等描述的客户人口统计档案文件。例如,主要集中了收入不受经济衰退影响的富有职业者如医生的市场不需要对全国情况的变化很敏感。报告可以专注于转变人口和态度情况。例如,传统上定义为“较老职业者”的市场可能经历从婴儿室向较年轻且较时髦的消费者的转移。其它实例包括:(a)紧随市场的更新变化的店铺可能发现其客户正流向与市场联系更佳的店铺;(b)可以预示消费者或者细分市场中变化的大量经济条件;(c)可以影响奢侈品或者知名品牌的销售的资本市场波动;(d)可以使得购买行为不跟随全国潮流的地方性设置的微量经济条件;以及(e)可能经历某些地方性业务的某些市场提升预知能力,从而可以使店铺囤积顾客易于“即兴购买”的物品项目。
距离/密度报告可回答诸如下列问题:他们的消费者居住的地方距离他们的店铺多远,他们愿意行走多远到达商店;在他们愿意行走的距离与他们感知到正在获得的(根据价格或者其它产品属性)“价值”之间最优折衷方案是什么;适当类型的消费者在店铺位置的密度如何;店铺的“牵引力”是什么;以及这种牵引力可在地理上延伸多远。
可产生支出档案文件,所述档案文件是可回答诸如下列问题的报告:消费者在店铺消费多少以及为什么消费;他们是否在同一店铺购买了互补商品;当消费者在高尔夫球店购物时,之后他们是否还去附近的衣服店购物(这种信息可引导高尔夫球店扩大高尔夫球衣的销售范围);购买模式是否是随时间可辨别的;季节性地促销或者某些其它形式的广告是否促使购物行为;特定消费者购物频率是多少;特定消费者最近购物情况;什么促使购物频繁;以及当地或者店内促销活动或者当地/全国广告是否成功地激励潜在或者较少光顾的消费者。
综合竞争者报告可回答诸如下列问题:对同类产品的地理位置,怎样将特定店铺进行比较(同一店铺销售量可能升高,但是综合竞争者在贸易区或者全国销售地更好);广告或者便利性是否促进与竞争者有关的业绩;以及特定店铺中的混合商品种类是否促进与竞争者有关的业绩,或者例如价格促销或者当地事件之类的更多局部作用是否促进与竞争者有关的业绩。
市场潜力报告可回答诸如下列问题:假定市场中的人口和消费者行为,则店铺是否获得在市场中目标消费者的公平份额;假定店铺销售的产品,店铺是否位于适当的位置;以及假定潜力和竞争力,零售商是否考虑到在某地区设置附加店铺或者将其撤掉。
市场份额报告可回答诸如下列问题:店铺使消费者消费多少;使消费者消费更多的潜力是什么;什么促使了这些份额,例如场所、广告和促销、轻松购物、店铺环境、消费者服务、店铺品牌、价格、质量、选择、可用性、品牌;确定市场是不变的还是扩大的(这定义了竞争者在“挪用份额”或者“扩增种类”的费用增长之间的差别)。
市场敏感度报告可回答诸如下列问题:市场对环境变化的敏感度;以及这些变化是什么。
忠诚度报告可回答诸如下列问题:店铺消费者对该店铺的忠诚度如何;在竞争种类中他们是否在该店铺不会持续购买某产品;消费者是否通常忠实于市场中的同一店铺,而不去某些特定店铺(一些店铺可能未意识到他们的主要种类产品可能遭遇市场中的残酷竞争,这些竞争可以使消费者或者有更多的选择或者可以简单获得更优惠的价格),例如,护眼连锁店可能未意识到诸如囤积镜框和镜片的当地超市和便利店已引进了此种产品,他们可能需要上市他们较好的主要产品或者改变他们的价值主张;什么促进忠诚度;奖励程序的存在;程序的投资收回率(ROI)是否偿还投资本身以及在市场价值中的消费者所为(较新市场可能更注重价格的价值而不是便利性,而较老市场相比新市场可能更不倾向于降低服务质量)。
渠道分析报告可回答诸如下列问题:目标消费者更喜欢什么渠道;什么人口统计促使这种偏好(较年轻的消费者往往在网上试听和购买音乐,而年岁较大的消费者偏好在店内购买);特定店铺内是否有多种购买渠道;店铺是否应当完全在线销售或者坚持其“传统&网络(bricks&clicks)”战略;与竞争者相比,在特定渠道获取目标细分市场的成功情况;当前大多数的主要零售商是否正在外购他们的互联网渠道以构建品牌在线零售商,如Amazon.com;什么使得其消费者优选在Amazon.com上购物而不在店铺在线渠道购物;在诸如互联网和店内购物的多种渠道中消费者如何分配他们自由支配的开支;消费者是否第一次在店内购买(以“接触”产品)并以后通过诸如电话或者互联网的直接渠道购买;渠道冲突使特定店铺或者全国连锁店花费多少钱;渠道冲突是否有利;店铺是否使其消费者流失到他们自己的渠道或者竞争者(对这个问题的答案能促使大量的投资决策);渠道冲突是否是必须的;以及将消费者转向你自己的渠道仅意味着你已经满足潜在消费者需求,但是却不知道支出是否是必需的(借助有更多渠道选择的竞争店铺中的消费者行为能够收集答案)。
MIR系统300的优选实施例能够整合包括第三方和特定客户的其它信息源,从而形成零售购买环境的全貌并且适当地传送上述报告包和分析工具。为了构建有关消费者的态度、意识和地理人口统计详情,MIR系统300能够整合交易数据和相关第三方数据。MIR系统300能够引入来自客户的特定数据集以附加在MIR交易和消费者数据上,例如,SKU能被附加在交易数据上。在一个实施例中,有至少12个基本数据构建块作为MIR供应的优选实施例的基础,可以充分实现如图7中所示的相关工具。
参照图7,其中示出根据本发明示范性实施例能够整合不同资源的数据体系结构700的方框图。通过结合消费者、商家和活动信息,MIR系统300能够测量广范围的购买行为。在所示的实施例中,数据体系结构700包括两个环境:MIR仓库服务器420(图4)的MIR活动仓库环境720和客户专有信息环境740。MIR活动仓库环境720包括来自卡/总部连锁店1、卡商家2、卡购买交易3、卡消费者4、家庭数据源5以及外部数据源6的数据源。数据源1-6能被存储在MIR仓库服务器420(图4)中。客户专有信息环境740包括来自竞争群7、店铺详情8、购买项目细目9如SKU、店铺顾客10、可能客户11以及广告市场活动程序12的数据源。消费者和商家防火墙730隔开仓库环境720和客户专有信息环境740。
仓库环境720使各种交易数据源1-5(发卡公司专有并且对于MIR系统300是可用的)与人口统计和其它公共可用数据源(外部数据源6)连接。如上所述,交易数据源可来源于各种不同的金融卡,例如信用卡、借记卡、智能卡、光卡、磁条卡和本领域技术人员公知的任意其它金融卡。在本发明的一个实施例中,信息转换和增强处理采用专有交易数据源1-5并且与其连接,从而能够进行数据的转换和增强。通过提供人口统计的外部数据源6以及附加在专有数据源上的其它消费者信息进行数据的增强。
通过编写驻存在MIR服务器410(图4)中的应用程序能够实现信息转换和增强处理。其包括下列三个处理:求和721,链接/覆盖722和行为群集723。这三个处理指的是外部数据怎样附加在专有数据源上。求和处理721指的是在总合各个消费者的交易细目时根据详细的交易数据创建汇总表,以创建能用以附加外部数据的数据集。随后至少还在处理1.1中描述求和处理721。
通过链接/覆盖处理722附加消费者特定的外部数据。这指的是在用于特定消费者的专有数据中寻找特定信息,这种特定信息在外部数据源中也是可用的(例如名字和地址),并且由此能够提供一起附加数据集的共用元素。随后至少还在处理1.2,1.3和1.8中描述链接/覆盖处理722。
此外,通过行为群集723能将非消费者特定的外部数据附加在专有数据上。这指的是统计处理,其根据几个相关数据元素来创建类似消费者的群集并且链接从第三方得到的有关相似群集的外部数据。如图所示,有几个与其它数据源进行连接的点。对于任何客户特定的数据,无论消费者特定信息还是竞争商家特定信息都不能用于整合数据。交易产品特定信息能与所示的特定持卡者交易数据相匹配。随后至少还在处理1.5至1.8中描述行为群集处理723。使用下文参照多个数据源1-12描述的关键字能从客户专有信息环境740中提取任何消费者特定信息或者购买特定信息。
再参照图7,卡/总部连锁店数据1可包括与M/C关键字(M/C指的是商家代码,其定义了商家所在的行业部门,如旅店、百货公司、服装店、电子设备厂家等)相关的数据、名字和链接。
卡商家数据2可包括名字、城市、州、邮政区码、经纬度、商家的M/C关键字和其它链接。
卡购买交易数据3可包括用于每个交易的购买量、通货量、日期或者所购物买以及模式。
卡消费者数据4可包括用于每个消费者的各识别关键字(例如Abilitec键、经纬度值、地理编码、账户资料)以及链接。
卡家庭数据5可包括用于每个家庭的家庭识别关键字(例如Abilitec键、经纬度值、地理编码)和链接。
外部数据源6包括来自由Acxiom、Claritas、Simmons、AC Nielsen等提供的外部数据源的数据。
竞争者数据7可包括作为竞争者的商家的选择。
店铺细目数据8可包括客户的大小、历史、阶层、晋升等。
购买项目细目9可包括SKU、价格和销售标识点。这些数据对应于图5中的购买交易细目560。
店铺客户数据10可包括专用标签经历、频繁购物者信息等。
可能消费者数据11可包括用于每个消费者的各识别关键字(例如AbiliTec键、经纬度值、地理编码和账户资料)和链接。
活动程序数据12可包括媒体事件、零售促销、管理战略等。这些数据对应于图5中的活动细目550。
参照图8,其中示出根据本发明示范性实施例用于MIR系统300的业务体系结构800的框图。整个体系结构800可描述为具有如下三个等级:信息管理层810、用户接口环境工具820和管理决策工具830。信息管理层810处理MIR系统300的基础产品集的建构。其包括MIR数据资源的操作、基本提取信息的导向、标准数据/信息仓库构建的转换和导入处理。这样,在一个实施例中,信息管理层810包括增值能力模块811、卡信息仓库/数据库812和购买交易数据库813。增值能力的实例包括建模、推理开采、覆盖、求和以及群集能力。这些能力能够通过编写驻存在MIR服务器410(图4)中的应用程序来提供。卡信息数据库812可包括与消费者、商家和所购物相关的数据。购买交易数据库813可包括与店铺、顾客、竞争清单和活动相关的数据。数据库812和813能驻存在MIR仓库服务器420(图4)中。
用户接口环境工具820进行将产品集设置在实际客户端业务环境中的处理。通过将MIR能力集合设置在客户的BAU(通常常业务)处理的环境中,MIR系统300能够被调整以满足客户的需求。这样,在一个实施例中,用户接口环境工具820可包括分析精度821、基准比较822、业务机会823以及缘由与效果评定824。工具820能驻存为MIR服务器410(图4)中的一个或者多个应用程序。
分析精度821基于有多少数据提供给MIR系统300以及MIR系统300需要多少数据来统计提供统计有效采样。基准比较822可包括这些选择:基于类别消费数据的SIC(标准工业分类),消费者细分(例如Personicx分类(Acxiom公司的产品)),地理/贸易区、商家、出口、SKU等等。基准比较822可基于诸如地理、相对本地钱包份额的人口等因素的变化。业务机会823是客户想利用的一些机会,诸如用于热销类别、选址和广告等的定价机会、促销、设置或者再次囤积的机会。业务机会823包括报告时间间隔如每天、每周、每月等。缘由与效果评定824提供诸如媒体混合优化、本地/全国媒体设置、定价/赔偿、定位、活动等的特定营销消息的功效。
管理决策工具830考虑到对高级商务的检查。一方面包括自高级信息细入到能够使客户获得期望或者所需的用户接口环境工具820的渐增级信息细目。这些工具能够作为一个或者多个应用程序或者驱动程序驻存在MIR服务器410(图4)中。在一个实施例中,有四个主要应用程序/驱动程序:企业驱动程序831、店铺等级驱动程序832、操作驱动程序833以及产品/商家驱动程序834。企业驱动程序831可包括测试、业务模型、深度分析、假设情况、群集分析、数据开采等。店铺等级驱动程序832可包括位置、店铺大小、定价、促销、本地广告、清单等。操作驱动程序833可包括活动管理、SKU-细目附加、业绩跟踪和JIT(即到即用(Just In Time))技术。产品/商家驱动程序834可包括担保、展示、质量、定价、打包和趋势。
业务体系结构800能够处理上亿个客户记录的大规模数据库环境;适应实时交易需求;能够整合操作和信息系统以围绕消费者使业务功能同步;提供向来自特定营销应用程序的多个数据源的各个消费者信息的链接;简化并加快用于数据入库的更新和保持处理;以及能够在所有企业触点范围内单一、准确地观察消费者。
在优选实施例中,MIR系统300能够使一个或者多个非发卡公司实体访问消费者特定信息或者商家特定信息。在优选实施例中,通过在MIR数据库和客户两端进行加密和解密,保护从MIR数据库流到客户以及从客户流到MIR数据库的信息。结合使用密钥,如果未通过授权,那么这些信息的使用无效。通过使用防火墙利于安全保护来自客户端的消费者和商家特定信息。处理意义和物理意义中的防火墙都被构建为保护卡会员身份和商家特定信息的首要性和私密性。这种防火墙如图7中的防火墙730所示,并且下文还将参照图9进一步描述。
参照图9,其示出根据本发明示范性实施例的防火墙秘密保护系统的框图。如图所示,防火墙730使客户环境740和MIR环境730分隔。在优选实施例中,MIR交易仓库310不包含消费者姓名和地址。每个消费者和其家庭具有与其关联的识别键,如AbiliTec键。AbiliTec键是商业可用的、用数字表示的、国家范围的识别键,其用于由Acxiom公司提供的所有美国姓名和地址以及电话号码。这种键屏蔽各个身份,并且提供有助于企业范围内即时消费者数据的整合的链接。消费者个人详情应当决不能被个别共享或显示。识别键允许客户获得消费者交易数据,而无需知道消费者是谁并且他们在哪里。任何消费者特定信息被包含在发卡公司的MIR防火墙730中,在该防火墙730中该信息能被用于将地理-人口属性附加在客户查询信息上。
MIR交易仓库310包含商家姓名和地址,并且特定商家数据仅在商家允许的情况下被显示。否则,该特定商家数据可与其它商家的数据结合以在任何时候防止特定数据离开发卡公司的防火墙。如果商家客户端430(图4)想与竞争者比较其结果,则选择几个商家,每个商家具有小于整个市场的一定百分比。例如,将选择至少四个商家,每个商家具有不超过整个市场的35%份额。借此,客户无法看到特定竞争者的信息。
图9中所示的三个处理#1、#2和#3描述了可选实施例,其中客户端430能与MIR系统300的MIR数据和体系结构交互。每个处理的描述显示出:结合MIR商家特定信息的保护,识别键系统在不损害消费者或者商家私密的情况下,如何允许为MIR设计的所有功能以及供应的实现。
处理#1:根据报告或者分析任务,经过防火墙传递报告要求标准。报告要求标准可包括基准、消费者、商家和时间段信息。相关消费者信息在聚集数据选择处理中被聚集成小统计群集。然后所得到的数据集经过防火墙返回传递至客户端。
处理#2:客户可能希望将MIR信息附加在客户群上。对于选择标准,用于消费者的识别键被识别并被加密,并且通过防火墙传递。然后识别键被解密并用于帮助选择具有相关属性(例如地理、Personicx分类)的一组消费者。Personicx是一种家庭级(HH)分类系统,其基于HH的特定消费者和地理特征而将每个US家庭设置在70个分类中的一个。例如,Personicx允许卖主察看退休的富有夫妇与隔壁刚成立的年轻家庭的消费者行为之间的动态差别,并且适当调整他们的营销方案。然后将这些属性与MIR交易仓库310进行匹配,并且选择相关消费者集合。能计算出这种结合在一起的集合的购买行为并且经过防火墙将其返回。换句话说,当商家发送键时,消费者自然会被识别,但是返回的内容却以分类(segment)或者“类似的”术语表达。
处理#3:客户端可通过防火墙传递十六位数字持卡者号码的加密版本来分析销售点(POS)SKU级购买群。MIR环境能够解密账号,然后使账号与识别键连接,并且确定消费者属于那个属性分类。然后如在处理#2中,将这些属性与MIR交易仓库相匹配,并且选择相关消费者集合。计算出结合在一起的集合的购买行为并且经过防火墙将其返回。换句话说,当商家发送键时,消费者自然会被MIR系统300识别,但是返回的内容却以分类或者“类似的”术语表达。
MIR交易仓库
这部分详细说明从原始交易数据能够创建MIR交易仓库310的处理以及产生待由MIR服务器410中驻存的上述前端MIR应用程序使用的数据所涉及的处理。这部分还包括扩展交易仓库310以获取消费者调查类型信息(特别是通过调查卡的概念)的几种方法。
如上所述,MIR概念可包括只要发卡方消费者在卡上进行交易就能获取的交易数据。但是,在这些数据被MIR应用程序使用之前,需要进行准备工作(添加所有相关信息)、进行均衡以准确地表示全部消费者分布(以除去基础消费者中的偏差),然后按比例增加以表示相关消费者的花费。此外,还需对特定行业偏差作出解释。为了使前端MIR应用程序解决用于获知上述市场洞察力的关键性需求,创建MIR交易仓库310需要几个待使用的数据集以将相关消费者和商家信息附加在原始交易数据上。下文描述数据准备。
参照图10,其是示出根据本发明实施例用于创建MIR交易仓库310的方法的示范性流程图。MIR交易仓库310的创建工作包括清理数据以及创建相关代码簿以确保准确地获取商家信息(名称、位置等)。该方法开始于处理1.1,其中从数据库(例如,图8中所示的卡信息数据库812)中加载周期性卡交易(文件1)的原始输入数据,并且清理所述数据以去除原始每周交易数据中的偏差。在优选实施例中,每周输入周期性数据,但是本领域技术人员应当认识到可以使用各种周期性和/或用于输入数据的其它基准例如每次交易时、在设定量的交易之后等输入数据。总之,处理1.1将输入记录过滤为可应用账户和交易类型,将数据属性标准化,并且将输出属性的数量限制为被MIR系统300、其应用程序和特别(ad-hoc)支持程序或装置所使用的变量。
处理1.1包括下列步骤:
1.读取来自周期性交易文件(文件1)的输入数据,例如,包含某一时间段的交易记录(卡交易的每个记录)的文件。
2.基于预定过滤业务规则来过滤输入数据。例如,仅保留具有一定记录代码值的记录,并且丢弃包含初值为“0000”的账号的记录。本领域技术人员可以使用其它公知的过滤规则。必要时,使用查询表进行数据转换以转变数据格式。例如,为了纠正Y2K问题,可使用下面的查询表将输入的一个位置世纪(century)代码(C)转变为输出的两位数世纪代码(CC)。
输入世纪(C) | 输出世纪(CC) |
“0” | “19” |
“1” | “20” |
这样,销售数据属性(CMMDDYY)被转变为标准Oracle数据格式(MMDDYYYY)。
3.将POS(销售点)进入模式转变为标准MIR渠道代码。
4.保留下列用于随后处理的属性(丢弃所有其它数据属性):记录代码、账号、MCC(商家分类代码)、销售数据、数量、商家(料仓号)、商家邮政编码、商家位置(州)、POS进入模式和商家描述字段。
5.将最后得到流线型的且每周修改的交易记录存储在文件1.1A中。
在处理1.2中,使用唯一识别商家的商家代码簿文件(文件2)标准化商家代码。处理1.2包括下列步骤:
1.基于店铺名称、店铺号、商家城市、商家州,在商家代码簿文件(文件2)中为每个商家创建唯一标准化的商家关键字。
2.只要未供应商家邮政编码给每个商家,就向文件2中的每个标准化的商家关键字分配商家邮政编码。
3.创建用于查询商家的商家匹配变量,使其包括:商家描述字段中的店铺名称、店铺号、商家城市和商家州。
4.为文件2中的每笔卡交易查找商家以获得标准化的商家关键字。
5.为文件2中的每笔卡交易查找商家以获得标准化的商家关键字。
6.将标准化商家关键字例如标准化商家名字、店铺号城市、州和邮政编码数据附加在文件1.1A中的交易记录上。
7.将附加后的交易记录存储在文件1.2A中,现在该文件1.2A包括具有标准化商家的交易数据。下面的示范表格是通过处理1.2产生的。
交易类型 | 在商家代码薄是否有注册 | 所需动作 |
Visa | 是 | 无 |
Visa | 否 | 添加至商家代码薄 |
M/C | 是 | 从商家代码薄分配邮政编码 |
M/C | 否 | 以异常文件报告 |
在处理1.3中,按账号将交易文件1.2A分类,优选按照升序分类,并且将商家类别分配给文件1.2A中的每笔卡交易的商家。处理1.3包括下列步骤:
1.使用(从上述处理1.2中获得的)商家标准化关键字、记录代码和MCC代码(在处理1.1中获得记录代码和MCC代码),在商家类别代码簿文件(文件3)中查找专有类别代码。根据行业分类创建文件3。
2.将查找到的商家类别代码附加在文件1.2A上,以便将每笔卡交易的每个商家分配给市场部门(例如百货公司、零售店等)。
3.将附加后的交易记录存储在文件或者数据库1.3A中,现在文件或者数据库1.3A包括具有标准化商家和商家类别的交易数据。然后在均衡和缩放处理(后文将要描述)中使用数据库/文件1.3A。下面的示范表格作为处理1.3的产生结果:
在商家类别代码薄中是否有注册 | 所需动作 |
是 | 将专有类别代码分配给记录 |
否 | 以异常文件报告添加至代码薄 |
除了进行每笔卡交易中使用的卡之外,上述图10的处理中清理和准备的原始交易数据不包含消费者特定信息。参照图11,其示出根据本发明实施例用于将消费者特定信息添加到文件1.3A的方法的示范性流程图。该方法用于创建包含相关消费者特定信息的主消费者信息文件或者数据库(文件1.7A)。从发卡公司专有的一个或者多个数据库中提取文件4、5、6和7,它们一起用于创建文件1.7A。这些专有数据库是本领域公知的,这里不再详细说明。在所示方法中,有四个处理:1.4、1.5、1.6和1.7。下面说明这些处理。
处理1.4使用文件4以创建元数据表,其识别所有持卡的家庭并且将每个卡与HHD ID联系起来。然后利用每个消费者的主账户的HHD数据填写表格,并且将每个消费者的主账户文件保存在文件1.4A中。这提供了链接到文件1.3A中交易数据的关键字。下面是处理1.4产生的示范元数据表。
字段 | 起始 | 结束 | 长度 | 格式 |
HH号 | 1 | 10 | 10 | 数字 |
消费者号 | 11 | 20 | 10 | 数字 |
账户序列号 | 21 | 30 | 10 | 数字 |
账号 | 31 | 48 | 18 | 字符 |
数据源代码 | 49 | 52 | 4 | 字符 |
标准业务代码 | 53 | 54 | 2 | 数字 |
CCIS服务代码 | 55 | 56 | 2 | 数字 |
账户清除索引 | 57 | 57 | 1 | 字符 |
账户子类型 | 58 | 58 | 1 | 字符 |
Emp.索引 | 59 | 59 | 1 | 字符 |
Stat主代码 | 60 | 60 | 1 | 字符 |
在处理1.5中,使用账号,为每个消费者从发卡公司的专有数据库之一中的文件5中提取持卡者特定数据属性,并将其附加在主账户HHD文件1.4A上以形成文件1.5A。
在处理1.6中,从具有家庭级信息的发卡公司的另一专有数据库中的文件6提取挑选的家庭信息(HHD邮政编码、位置、DMA(直接营销区)、挑选的人口统计等),并将其附加在文件1.5A上以形成文件1.6A。
在处理1.7中,从发卡公司的另一专有数据库中提取标准化消费者姓名和地址信息,并将其随同加密的姓名关键字或者Abilitec键一起附加在文件1.6A上,以形成主消费者数据库或者文件1.7A。下面是处理1.5、1.6和1.7产生的示范表格。
字段 | 起始 | 结束 | 长度 | 格式 |
HH号 | 1 | 10 | 10 | 数字 |
消费者号 | 11 | 20 | 10 | 数字 |
账户序列号 | 21 | 30 | 10 | 数字 |
账号 | 31 | 48 | 18 | 字符 |
数据源代码 | 49 | 52 | 4 | 字符 |
标准业务代码 | 53 | 54 | 2 | 数字 |
CCIS服务代码 | 55 | 56 | 2 | 数字 |
账户清除索引 | 57 | 57 | 1 | 字符 |
账户子类型 | 58 | 58 | 1 | 字符 |
Emp.Imp. | 59 | 59 | 1 | 字符 |
Stat主代码 | 60 | 60 | 1 | 字符 |
账户特定数据 | ||||
HH人口统计 | ||||
人口普查数据 | ||||
AbiliTec链接 | ||||
标准名称和地址数据 | ||||
均衡权重 | ||||
渗透因数 |
由于处理1.1至1.7,创建了由MIR系统300使用的并且在MIR交易仓库310中保存的两个文件或者数据库。一个是交易数据库/文件(文件1.3A),另一个是消费者信息数据库/文件(文件1.7A)。由于两个数据库均包含卡号,所以这些数据库能够彼此关联和相互作用。而且,现在可以添加所有其它相关的消费者信息(人口统计变量和分类)。
参照图12,其示出根据本发明实施例用于将消费者和其家庭标识符添加到交易文件/数据库(文件1.3A)并且将详细分类和人口统计信息附加到消费者信息文件/数据库(文件1.7A)的方法的示范性流程图。处理1.8使用输入文件1.3A和1.7A来基于每笔交易的卡账号将消费者和其家庭标识符分配给交易数据。这样创建在(下文将要说明的)均衡和缩放处理中使用的主交易文件或者数据库(文件1.8A)。处理1.9使用来自公司的消费者信息数据库如信息库(InfoBase)和Personicx将内部数据库中不存在的分类和其它人口统计变量附加在消费者信息数据库、文件1.7A上,以形成数据库或者文件1.9A。这一操作使用诸如上述Abilitec键链接的加密名字关键字来完成。主家庭、账户和消费者数据库或者文件1.9A(这里称为MIR的消费者数据库)还在下面将说明的均衡和缩放处理中使用。
均衡和缩放
下一活动是均衡数据库,例如使文件1.8A中的交易数据代表总人口分布。如上所述,发卡者的消费者是人口的不完全一致(skewed)的采样。因此,可为文件1.9A(MIR的消费者数据库)中的每个消费者/家庭分配权重。为了计算这些权重,必须针对总的消费者分布比较该消费者分布。然后,基于作为代表的分布是高于还是低于特定消费者细分来分配权重。例如,为分类中的每个消费者/家庭分配权重以使他们的交易数小于未被充分代表的类别中那些消费者的交易数。
下面的实例示出如何计算这些权重。表格1示出如何基于教育级别通过地理分类分布持卡者。然后比较怎样通过教育级别、地理分类分布人口(使用信息库)(表2)。
表1:持卡者分布
发卡方 | ||||||
消费者 | ||||||
Geo:DMA1 分布 | ||||||
分类: | 信息库演示(例如教育) | |||||
a | b | c | d | e | 总 | |
HHs % | HHs % | HHs % | HHs % | HHs % | HHs % | |
1 | 20 1.00% | 100 2.00% | 200 3.00% | 400 4.00% | 300 5.00% | 1,020 15.00% |
2 | 5 0.60% | 3 0.40% | 8 1.00% | 49 6.00% | 33 4.00% | 816 12.00% |
70 | ||||||
极限 | 340 5% | 340 5% | 1360 20% | 2040 30% | 2720 40% | 6,800 100% |
表2:信息库信用卡家庭分布
信息库地理分布—信用卡 | ||||||
Geo:DMA1 HHs | ||||||
分类: | 信息库演示(例如教育) | |||||
a | b | c | d | e | 总 | |
1 | HHs % | HHs % | HHs % | HHs % | HHs % | HHs % |
1 | 1,000 1.00% | 2,000 2.00% | 1,000 1.00% | 2,000 2.00% | 3,000 3.00% | 9,000 9 |
2 | 3,000 3.00% | 2,000 2.00% | 1,000 1.00% | 4,000 4.00% | 4,000 4.00% | 100,000 14 |
. | ||||||
70 | ||||||
极限 | 10,000 10.00% | 10,000 10.00% | 20,000 20.00% | 30,000 30.00% | 30,000 30.00% | 100,000 100 |
表3示出对于每个单元如何计算合适的权重。例如,对于单元2a,在该单元中持卡者分布具有0.6%的消费者(表1),人口分布为3%。因此,分配给单元2b中的每个持卡者的权重为5(3/0.6)。并且,渗透因数是600(3000/5)。这还使用在下一部分所涵盖的缩放处理中。也就是说,在分类2b中的每个持卡者相当于600个消费者。然后将这两个因数分配给文件1.9A中的每个消费者/家庭,并且用于均衡(和缩放)交易数据。
表3:均衡&渗透因数
应用于发卡方消费者的权重HH | ||||||
信息库演示 | ||||||
分类: | (例如教育) | |||||
a | b | c | d | e | 总 | |
1 | 渗透 均衡 | 渗透 均衡 | 渗透 均衡 | 渗透 均衡 | 渗透 均衡 | 渗透 均衡 |
因数 权重 | 因数 权重 | 因数 权重 | 因数 权重 | 因数 权重 | 因数 权重 | |
1 | 50.00 1.00 | 20.00 1.00 | 5.00 0.33 | 5.00 0.50 | 10.00 0.60 | 8.82 0.60 |
2 | 600.00 5.00 | 666.67 5.00 | 125.00 1.00 | 81.63 0.67 | 121.21 1.00 | 122.55 1.17 |
. | ||||||
. | ||||||
. | ||||||
70 | ||||||
极限 | 29.41 2.00 | 29.41 2.00 | 14.71 1.00 | 14.71 1.00 | 11.03 0.75 | 14.71 1.00 |
参照图13,其示出根据本发明实施例用于确定权重因数的方法的示范性流程图。使用文件1.9A(MIR消费者数据库)和从Acxiom的信息库以及Personicx数据库得到的文件(文件8),处理2.1和2.2创建两个给出每个分类中消费者/家庭的计数的文件。特别地,处理2.1使用Personicx群集代码、DMA(直接营销区)和收入来合计交易家庭的数量。交易文件Personicx、DMA和收入的合计文件或者数据库(文件2.1A)被创建,并且包含下列属性:DMA、Personicx群集代码、收入和其家庭数量。特别地,处理2.2通过Personicx群集代码、DMA和收入来合计信息库家庭的数量。通过Personicx群集代码、DMA和收入得到的信息库家庭合计文件或者数据库(文件2.2A)被创建,并且包含下列属性:DMA、Personicx群集代码、收入和其家庭数量。
处理2.3和2.4计算上述实例(表1和2)中所示的每个单元的分布(百分比)。特别地,处理2.3计算单元百分比,其等于(用于DMA、Personicx群集和收入范围的)单元中的家庭数除以DMA中总的家庭数。交易家庭单元权重文件或者数据库(文件2.3A)被创建,并且包含下列属性:DMA、Personicx群集代码、收入、家庭数量和单元百分比。特别地,处理2.4计算信息库单元百分比,其等于单元中具有信用卡的信息库家庭数(用于DMA、Personicx群集和收入范围)除以DMA中总的信息库家庭数。交易家庭单元权重文件或者数据库(文件2.4A)被创建,并且包含下列属性:DMA、Personicx群集代码、收入、家庭数量和信息库单元百分比。然后在处理2.5中比较处理2.3与处理2.4的输出文件,以计算上述实例中的表3中所示的权重。
处理2.5通过Personicx群集代码和收入范围计算用于每个DMA的单元均衡权重。特别地,处理2.5计算单元均衡权重,其等于信息库单元百分比(DMA、Personicx群集和收入范围)除以单元百分比(通过Personicx群集代码和收入范围得到的DMA)。信息库家庭单元权重文件或者数据库(文件2.5A)被创建,并且包含下列属性:DMA、Personicx群集代码、收入、家庭数量和单元百分比。
然后处理2.6将这些权重附加在MIR消费者数据库(文件1.9A)上,以使每个消费者/家庭具有附加的权重。这种扩展数据库是输出文件或者数据库2.6A。下面是文件2.6A的示范表格。
字段 | 起始 | 结束 | 长度 | 格式 |
HH号 | 1 | 10 | 10 | 数字 |
消费者号 | 11 | 20 | 10 | 数字 |
账户序列号 | 21 | 30 | 10 | 数字 |
账号 | 31 | 48 | 18 | 字符 |
数据源代码 | 49 | 52 | 4 | 字符 |
标准业务代码 | 53 | 54 | 2 | 数字 |
CCIS服务代码 | 55 | 56 | 2 | 数字 |
账户清除索引 | 57 | 57 | 1 | 字符 |
账户子类型 | 58 | 58 | 1 | 字符 |
Emp.Imp. | 59 | 59 | 1 | 字符 |
Stat主代码 | 60 | 60 | 1 | 字符 |
账户特定数据... | ||||
HH人口统计... | ||||
人口普查数据... | ||||
AbiliTec链接 | ||||
标准名称和地址数据 | ||||
均衡权重 | ||||
渗透因数 |
参照图14,其示出根据本发明实施例用于确定渗透因数的方法的示范性流程图。从均衡处理中创建的计数文件(文件2.1A和2.2A)开始,处理3.1计算渗透因数,其等于具有信用卡的信息库家庭数量(用于DMA、Personicx群集和收入范围)除以家庭数量(用于DMA、Personicx群集和收入范围)。处理3.1创建渗透因数文件或者数据库(文件3.1A),其包含下列属性:DMA、Personicx群集代码、收入、家庭数量和渗透因数。
然后处理3.2基于DMA、Personicx群集代码和信息库收入范围将渗透因数附加在MIR家庭/账户/消费者主信息和均衡权重文件上,并且输出文件(文件3.2A)。下面是文件3.2A的示范表格。
字段 | 起始 | 结束 | 长度 | 格式 |
HH号 | 1 | 10 | 10 | 数字 |
消费者号 | 11 | 20 | 10 | 数字 |
账户序列号 | 21 | 30 | 10 | 数字 |
账号 | 31 | 48 | 18 | 字符 |
数据源代码 | 49 | 52 | 4 | 字符 |
标准业务代码 | 53 | 54 | 2 | 数字 |
CCIS服务代码 | 55 | 56 | 2 | 数字 |
账户清除索引 | 57 | 57 | 1 | 字符 |
账户子类型 | 58 | 58 | 1 | 字符 |
Emp.Imp. | 59 | 59 | 1 | 字符 |
Stat主代码 | 60 | 60 | 1 | 字符 |
账户特定数据... | ||||
HH人口统计... | ||||
人口普查数据... | ||||
AbiliTec链接 | ||||
标准名称和地址数据 | ||||
均衡权重 | ||||
渗透因数 |
处理3.3采用文件1.9A,将相关权重添加至每笔交易,并且还计算调整的交易量(用于每笔交易记录的量×均衡权重×渗透因数)。也就是说,如果交易用$15,并且是已分配有权重为2、渗透因数为5的消费者进行的交易,则这个交易代表消费$15×2×5=$150。附加在文件1.9A和文件2.6A(MIR消费者信息数据库)上的这些因数代表用于分析的核心MIR交易仓库310信息。然后通过家庭和商家关键字合计调整后的消费量。
处理3.3的特定步骤是:通过家庭号合并交易与消费者主数据;计算每个记录的调整后消费(量×均衡权重×渗透因数);通过家庭和商家关键字合计调整后的消费;以及通过家庭和商家关键字文件创建调整后的消费,所述家庭和商家关键字文件包含下列属性:家庭号、商家键、商家邮政编码、商家州、MCC代码和调整后的消费。
下面两个处理(处理3.4和3.5)被设计为按比例增大总消费量,以使其代表总的相关消费者消费。虽然并不需要这些按比例增大的总数来用于相对比较,但是如果任意消费者的总的消费信息被客户共享时,这些增大的总数就是必需的。处理3.4计算诸如主卡和Visa比例因数之类的比例因数,计算按比例增减的消费量并且(通过商家所处的州和MCC代码)合计结果。处理3.4计算比例因数,其允许总数代表总的信用卡销售。此处理通过使用消费信息例如Visa和万事达信用卡消费信息(文件9和10)来完成。
处理3.4的特定步骤是:通过商家所处的州和MCC代码合并万事达信用卡与Visa销售文件,并且合计销售量;将通过家庭和商家关键字文件得到的调整后消费与通过商家所处的州和MCC代码得到的Visa/万事达信用卡销售量合并在一起;对于每个商家所处的州和MCC组合计算万事达信用卡/Visa比例因数,万事达信用卡/Visa比例因数等于万事达信用卡/Visa销售量除以调整后的消费;计算万事达信用卡/Visa按比例增减后的消费,其等于调整后消费与万事达信用卡/Visa比例因数相乘;通过商家所处的州和MCC代码合计万事达信用卡/Visa按比例增减后的消费;以及创建万事达信用卡/Visa比例因数参考文件或者数据库(文件3.4A),该文件或者数据库包括下列属性:商家所处的州、MCC代码、万事达信用卡/Visa比例因数以及万事达信用卡/Visa按比例增减后的消费。
下一比例因数是从信用卡消费到总的相关消费者消费(包括现金、支票等)的比例因数。这通过处理3.5来完成,其中使用几个政府消费者消费数据源例如DOC(商务部)并通过行业代码和人口普查区来计算比例因数。输出文件3.4A和3.5A包含这些因数。处理3.5的具体步骤是:通过商家所处的州将具有美国人口普查状态的万事达信用卡/Visa比例因数参考文件合并到人口普查区对照文件,以分配人口普查区;通过MCC代码将具有MCC代码的第一个步骤的结果合并到DOC行业类别(NAICS代码)对照文件,以分配相应的NAICS代码;通过人口普查区和NAICS代码合计万事达信用卡/Visa按比例增减后的消费;通过人口普查区和NAICS代码合并步骤3的结果与DOC美国消费预算;对于每个人口普查区和NAICS代码,计算总消费者消费比例因数,其等于DOC消费除以万事达信用卡/Visa按比例增减后的消费;以及创建总消费者消费比例因数参考文件或者数据库(文件3.5A),其包含下列属性:商家所处的州、MCC代码、人口普查区、NAICS代码和总消费者消费比例因数。
参照图15,其是示出根据本发明实施例用于周期性处理的方法的示范性流程图。通过上述方法可创建被周期性使用的权重和因数,以补充MIR交易仓库310中的数据。处理4.1使用代表均衡权重、渗透因数和两个比例因数的四个因数,并且输出数据库或者文件4.1A,该数据库或者文件4.1A被周期性地添加至MIR交易仓库310中并且现在可由MIR前端使用。在优选实施例中,每周补充MIR交易仓库310。处理4.1的具体步骤是:通过家庭合并交易数据文件与消费者主数据文件,并且将均衡权重和渗透因数附加到每个交易记录上;通过商家所处的州和MCC代码合并第一个步骤得到的结果与万事达信用卡&Visa比例因数参考文件,以将万事达信用卡/Visa比例因数附加在每个交易记录上;通过商家所处的州和MCC代码合并第二步骤得到的结果与总的消费者消费比例因数参考文件,以将总的消费者消费比例因数附加在每个交易记录上;为每个记录计算预计的消费量,其等于量×均衡权重×渗透因数×万事达信用卡/Visa比例因数×总消费者消费比例因数;将预计的消费量附加在每笔交易记录上;以及输出下列交易记录,其具有:记录代码、账号、MCC、销售日期、量、商家(料仓号)、商家邮政编码、商家位置(州)、POS进入模式、商家描述字段、标准化商家名称、标准化商家店铺号、标准化商家城市、标准化商家邮政编码、城市专有分类、消费者标识符、家庭标识符、均衡权重、渗透因数、万事达信用卡/Visa比例因数、总消费者消费比例因数、预计消费量和预计交易。
调查卡
尽管交易仓库310包括交易信息和消费者信息,但是其还可包括几个能够进一步提高MIR价值的数据元素,例如用于交易的产品细目和消费者态度等。MIR的其中一个特征是能够灵活地解决客户的需求、进行特定购买以及近乎实时的消费者调查信息处理。这通过调查卡组件330(图3)实现。此外,卡会员经由基于网络的交互能够选择加入并且提供由其购买行为引起的特定信用卡交易所特有的定性信息和更详细的购买细目(例如SKU,部门)。这种增加的调查信息可以各种方式与扫描信息、购买信息和公共可用的人口统计数据结合以创建唯一且有效的、行业和购买类别所特有的洞察力。通过特定MIR客户的更通用的信息需求或者通过MIR管理来对调查问题的选择和构建进行调整。调查问题可受到特定交易(例如,行业部门、量、日期、位置、商家)的任一方面的影响。
通过使用由网络启动的交互,可期望每个调查成员周期地或者频繁地提供附加的购买细目或者回答简短的一组问题。将网络工具设计为简化处理并且给调查成员提示相关回答。为了获取到他们的及时、准确和完整的信息,通过奖励系统(例如一项免费使用)能够激励调查成员。调查成员的注册可包括适当的“选择加入”协议,其不仅将提供使用MIR系统300数据的权利,而且还提供将阻止参与的详细限制(例如将调查成员的姓名卖给第三方)。
调查数据与其它MIR信息的结合可以采用本领域公知的统计技术以在地理上和人口统计上与相似的消费者群集相匹配。扫描信息和来自其它调查的数据需要消费者的同意。发卡机构可受益于增大的使用率和卡会员保持率。可利用现有的公文夹或者一部分专门化的获取程序征集每个调查成员。
参照图16,其是示出根据本发明实施例由调查卡组件330执行的MIR消费者调查信息处理的框图。如图所示,该处理从持卡者利用卡购物开始。然后将购物细目发送至MIR系统300。将购买交易存储在上述MIR交易仓库310(或者MIR仓库服务器420)中。当客户请求调查信息时,客户选择模式,则适当的调查成员被链接,并且产生交易调查问卷。将目标调查的调查问卷发送给一个或者多个持卡者。持卡者例如使用网络接入或者电子邮件通信来访问并且响应排队的调查问卷。然后调查问卷响应被送回MIR系统300。调查问卷的问题和回答被存储在例如驻存在MIR仓库服务器420中的数据库中。问题和回答与交易、其它调查和扫描数据结合。然后将所述数据提供至客户,例如,客户使用个人计算机经由MIR系统300访问数据。
参照图17,其是示出根据本发明示范性实施例的筛选的定向卡处理的框图1700。如图所示,动态调查问卷选择处理可包括通用调查问卷题目1730、客户特定题目1710、上述交易数据1740和调查卡持卡者1750。MIR系统准备并且发送筛选的定向调查问卷。可基于消费者或调查成员的交易选择消费者或者调查成员。调查成员可与一个或者多个调查相关联,并且优选地可接收筛选的定向调查问卷。在优选实施例中,调查问卷包括下拉菜单。样题可包括:您还购买了其它什么物品;提供您所购买的物品的详情;您将何时再次购物;您还在其它什么地方购物;您购买了什么物品;您最喜欢逛什么;您如何付费;您不想购买什么;等等。
参照图18,其是示出根据本发明示范性实施例的调查卡数据源的框图。该图示出所有数据模式中的不同数据段以及这些数据段是如何连接的。用于调查卡的数据模式与图7中具体示出的主要消费者-交易-商家数据结构直接联系(图7和图18中的数据源2,3和4)。调查信息环境(数据集13-17)具体是指调查卡的数据结构,并且调查信息环境使消费者、商家和交易的触发装置相互链接,并且还链接到MIR数据仓库。在附图的底部框中加亮每个数据集的特定数据元素。问题16的每个集与调查问卷15链接,调查问卷15链接到调查用户13、调查14和包含回答17的数据库。也就是说,属于调查并且接收定向的动态调查问卷的每个调查成员将在一组商家处链接到完成交易的卡消费者。因此,调查问卷中的每个问题是定制化的,并且被发送至调查成员卡的消费者。跟踪调查问卷的完成,并且基于购买行为活动与调查问卷完成的及时性的结合确定调查成员的奖励。紧接在触发购买之后按照经验经由电子邮件发送定向的调查问卷。下拉菜单可简化响应过程,并且仅将相关问题提交给调查成员。
调查卡应用程序的特征或者功能性可包括纵向替代程序、联系管理特征、动机技巧以及触发装置/选择选项。纵向替代程序的实例包括用于解决特定客户问题和需求的一次调查以及用于了解特定消费者行为的当前调查。优选地,调查不包括调查交互。联系管理特征可包括通过跟踪调查问卷数量和跟踪响应来管理和控制消费者交互的应用程序特征,从而确保质量。动机技巧包括用于保持消费者愿意参与调查的技巧。这些技巧可包括一些方法,这些方法确保保持或者增长调查消费者的参与量的交易、以足够高的响应速度回答调查问卷以及及时回答。触发装置/选择选项指的是基于消费者的历史交易和能够启动调查问卷的实时事件来选择参与调查或者调研的消费者的方法。
调查卡客户管理处理优选包括三个组件:客户/可能客户、调查卡客户管理员和调查卡分析员/程序员。客户/可能客户是调查卡服务的购买者,其需要特定答案和对消费者有关一个或者多个问题的洞察力。这些客户通常是市场上的卖主。客户/可能客户限定所需的业务信息,其可包括诸如这些信息:需要什么信息;目标人口是谁;期望的准确性和项目的设定时间。调查卡客户管理员职责可包括:设计适当的调查研究;管理调查的传送和关键参数例如使用的适当触发事件、定向的消费者适当人口、将用于研究的分类以及待使用的分析工具。调查卡分析员/程序员是通过与应用程序交互、创建调查问卷、管理研究的执行而构建和执行调查研究并且分析将通过客户管理员传送至客户的收集信息的专业人员。调查卡分析员/程序员的职责可包括选择规则、制作电子邮件消息、制作基于网络的调查问卷、编排进度、提供分析和报告、控制项目的执行。
参照图19,其是示出根据本发明实施例的示范性调查卡体系结构的框图。在所示实施例中,调查卡结构包括一个或者多个数据库。这些数据库可包括MIR交易仓库300、调查成员寄存器、调查问卷库和卡会员数据库(例如文件1.9A)。如上所述,MIR交易仓库300可包括与交易、商家、卡会员等有关的数据。调查成员寄存器可包括历史信息、有关在调查中注册的消费者的细目、他们如何得到奖励、限制、偏好和能在调查处理中使用的任何其它相关信息。调查问卷库可包括问题和调查。卡会员数据库可与调查卡应用程序中所使用的、持卡者的分类和其它人口统计标准相关。数据库被调查卡应用程序使用,例如,诸如E.Piphany的设计引擎和用于构建和传送调查问卷的工具如Confirmit。调查卡应用程序能启动通信周期,其中涉及发送电子邮件至调查参与者、允许参与者回答问题的网站、将提供消费者服务的语音应答装置(VRU)、为客户做出的分析和报告、奖励程序等。
参照图20,其是示出根据本发明实施例用于调查卡应用程序的示范通信周期的框图。优选地,通信周期起始于来自客户的一个或者多个问题。例如,XYZ客户想知道什么类型的消费者将预订“频繁的换油程序?”根据这个问题,MIR系统/环境识别能回答客户问题的消费者。这基于评估MIR交易仓库中的交易以发现进行了相关购买的消费者,例如John Smith于4月14日在Joe的汽车修理厂消费$275来实现。一旦选择了这些对象,则在网站例如调查卡网站上向这些消费者发送电子邮件以通知他们回答一组问题。这些消费者登陆网站并且回答一个或者多个问题。在优选实施例中,给消费者提供交互调查问卷,并且消费者回答为解决所有客户问题而筛选的特定问题。一旦有足够多的消费者回答这些问题,并且由MIR合计并分析这些答案,则产生相关报告,并将其发送至客户。
下面的实例演示MIR系统的某些功能性。第一实例是使用消费者消费分析,其有助于商家定向可能的消费者。使用结合有商业可用(人口统计、群集、信息库、Personicx等)数据的持卡者数据,可创建模型和分析,他们有助于商家确定基础消费者/可能消费者的详细(但非个人级别的)档案文件。这些用于限定适当定向可能消费者的标准。商家可对他们的数据/列表供应商采用这些标准以产生定向的可能消费者列表。
示范的方法使用店铺/类别建档和目标建构,并且包含和操纵仅在发卡公司保护(防火墙的MIR侧)之下可用的信息。对于特殊的商家,MIR系统编辑在该商家或者该商家的定制类别(例如,9West是这种商家,高级女鞋是这种类别)购物的所有卡会员。MIR系统可产生对这些消费者的分析,其可能包括:跨关键的分类/群集/组的分布;关键分类的均值比较;按分类的潜在估计;以及使用为分类级所设计的信息的目标建模。
由于关键的定向驱动程序是代表其最佳消费者/可能消费者的分类,所以一个步骤是确定这些分类。有三个可被使用的等级的分类:(1)现货供应一这些是商业可用的、已经存在的分类/群集,其能覆盖到基础消费者中。这些包括诸如Personicx、Prizm和/或Simmons的分类。典型报告可以确定9West在Personicx群集6&12中的消费者增大量最大。然后9West进入他们的邮箱工作间,定向他们贸易区中作为群集6或者12的任意人口普查家庭。(2)MIR标准消费群集—使用有关卡基础消费、人口统计、金融和生命周期信息的声音统计群集/分类工具,开发一组标准的消费分类。每个消费者被分配给一个分类。然后典型报告能确定9West在发卡公司的分类6&12中的消费者增大量最大。然后发卡公司创建计分算法,其能够仅使用商业可用的信息来确定哪些美国家庭是分类6&12(例如,发卡公司的分类6可与InfoBase Home所有权以及汽车价值信息有密切关系)。然后基于仅使用InfoBase数据的算法和非发卡公司特定的信息,9West进入他们的邮箱工作间,并且定向他们贸易区中作为分类6或者12的任意人口普查家庭。(3)发卡公司的定制消费群集—与上述2类似,仅基于在9West或者高级女鞋类别处购买的基础消费者来定制化多个分类。使用有关发卡公司基础消费、人口统计、金融和生命周期信息的声音统计群集/分类工具,开发高级鞋店内的一组定制的消费分类。然后每个消费者被分配给一个分类。然后典型报告可确定9West在发卡公司的鞋分类6&12中的消费者增大量最大。然后发卡公司可创建计分算法,其仅使用商业可用的信息来确定哪些美国家庭属于分类6&12(例如,发卡公司的鞋分类6可与InfoBase Home所有权以及汽车价值信息有密切关系)。然后基于仅使用InfoBase数据的算法和非发卡公司特定的信息,9West进入他们的邮箱工作间,并且定向他们贸易区中作为分类6或者12的任意人口普查家庭。
商家可能想获得可位于产品(SKU)或者商家分类级的下一级细目的档案文件。所有产品输出可与店铺建档和目标建建同级,但是也可为下一级。例如,取代从整体上分析9West,而是区别9West高跟鞋与轻便舞鞋消费者。为了实现这种操作,需要通过购物的账号来合并商家特定信息例如SKU销售(防火墙外)与发卡公司的信息。一旦附加了这种信息,就可以如前所述将该信息合计和分类,从而消除任意消费者级别信息。
该信息作为一组报告被传送至商家或者作为惯例可在线使用。此外,如果使用发卡公司的定制消费群集选项,则可以提供描述这些群集的一次报告。在商业可用数据库中未出现分类的情况下,可以提供特定选择标准。
下面的实例包括使用日间人口因数进行商家贸易区分析。使用交易数据和卡会员地理代码,能够限定具有邮政编码的特定商家的真正贸易区。为了更好地选址、插入本地报纸/广告以及直接营销和定向,商家可以使用报告和地图。通过拥有更准确的贸易区,商家能够将业绩基准建立在更准确的等级上。
对于特殊DMA(直接营销区,例如芝加哥)中的特殊客户位置,编辑在这种客户的店铺购物的所有卡会员,他们的地址代码信息是什么以及他们属于多大的消费群。计算到店铺的距离,并且通过距离和分类总结该信息(例如,店铺具有100,000消费者,60,000居住在店铺5英里范围内,他们中的30,000人属于分类1)。然后将总结以该区为基准,从而能够确定档案文件和潜力。该信息决不会从此点向下返回下至个人级上。
该信息可作为一系列地图和报告被传送至客户。客户可使用这些报告以确定正确的营销计划和类别管理。此外,客户可能想将市场直接定位在真正贸易区中的所有分类1的家庭(商场中的列表供应商而不是卡发行公司所提供的)以使它们进入店铺。虽然这仍是很大的费用,但是其应当小于邮递至整个DMA的费用,并且节省大量的邮递成本。
在下面的实例中,描述了构建报告的替换方法,其中使用CHAD/CART模型。CHAD是一种在不影响预测准确性的情况下来缩减大量调查类型实践的广为接受的方法,该实践是用以将人细分成类似的几组行为群体或者将态度细分成“简洁格式(short form)”。一种示范产品可包括:(a)使用发卡公司数据库检查详细的交易数据并构建诸如上述的分类(即,以特定方式将“倾向”描述为“行为”的那些分类)。可以利用从购买源或者在与客户的合作中得到的特定SKU项目级别详情来增强由此得到的一般分类。这种匹配可仅基于账号。例如,可以去Macy的家并且询问他们的付款记录,然后使消费者卡号与Macy账单相配,并且从账单中提取SKU级详情。(b)这种CHAD技术用于将这些组的行为减小为所有数据集中共同可见的一种“简洁格式”组的指标(例如,年龄、性别、邮政编码等)。这就允许客户将这种简洁格式应用于所有他们自己的消费者,以便确定各种倾向,例如:购买店铺中特殊物品项目的倾向;购买价格的倾向;对店铺忠诚度的倾向;光顾店铺频率的倾向;等等。这些分类和倾向指标可被持续更新并且成为客户可以使用的。
能用于做出有见识的业务决策的数据范围和分析包括类别、组织/单元和品牌级数据。市场级数据的应用可被分为四组:类别;品牌/单元;集合消费者档案文件/定向目标;以及分析/市场混合模型。类别级数据可包括有关类别的历史数据(这种类别描述了其中组织和品牌在起作用的一些条件),并且与有见识的预测相结合,有助于业务目标的形成并且提供新产品或者供应的激励元素。类别报告和分析的实例可包括:所有类别消费和/或购买单元;一个月前与YAG(一年前),一季度前与一年前,一年前与几年前;(在航空业中可用的)主要子类别级数据;消费者将可能限定类别(例如,零售服装)和任何子类别(例如,百货店、服装连锁店、低价零售商店)。数据可备地理(按照业务需求)和消费者细分(但是由业务所限定,例如,社会的人口统计组、心里图案法分类、第三方生命周期/购买分类如第三方覆盖数据,如Personicx)所使用。可以解决一些营销问题,这些问题可包括:对了解一般市场以进行能涵盖所有大趋势的情况分析的有用性;消费者的信用/花消如何变化;趋势和类别变化怎样。
品牌/业务单元份额数据可包括定义类别或者子类别的数据,任何业务必须具有在全国级、地区级和贸易区级都可报告的的准确份额衡量标准。每周跟踪份额业绩是最有用的,从而通过基于回归原则的模型能够更准确地估计营销和促销活动。
对于从商家至消费者的业务,了解他们的消费者是谁(并且他们“最满意的”消费者是谁)以及什么对于他们很重要是非常有意义的。一旦识别,便开发营销方案以确保当前消费者的持续忠诚度、赢回失去的消费者、和/或吸引新消费者/增长份额。
因此,本发明MIR系统和方法的实施例向信用卡密集类别中的POS数据提供了显著有利的环境作为增强或可选的衡量标准。集合消费者建档/定向的处理针对定向活动,其可被广泛地分成两个方面:识别关键消费者目标分类;并跟踪对这些分类的任何销售和促销工作的结果。
虽然结合这些优选实施例描述了本发明,但是本领域技术人员还可以实施其它方案以实现相同或者类似的效果。基于本发明的公开内容,本领域技术人员将理解对本发明的修改和改变是显而易见的,并且本发明涵盖所有这些修改和等效方案。
Claims (20)
1、一种用于获取市场洞察力的资源系统,包括:
交易数据库服务器,其包括交易数据库和第一消费者信息数据库,其中:
该交易数据库被配置为至少存储卡交易数据;
该第一消费者信息数据库被配置为存储至少是持卡者的消费者和其家庭的信息;以及
该交易数据库与该第一消费者信息数据库连接且交互作用,以使该消费者和其家庭识别信息与该卡交易数据相关联;
卡分析服务组件,其包括多个报告和分析模块,所述分析模块至少基于该交易数据库与该第一消费者信息数据库之间的交互作用来提供营销分析,并且所述报告模块至少基于由该分析模块提供的营销分析来提供与营销相关的报告;
调查卡组件,其被配置为至少基于来自该交易数据库的卡交易数据而创建交易调查问卷,并且接收对调查问卷的答复;以及
有价值的购物者组件,其被配置为至少基于所述营销分析、所述与营销相关的报告、所述调查问卷和对调查问卷的相关答复识别消费者,并将定向销售方案提供给该已识别的消费者群体。
2、如权利要求1所述的系统,其中所述报告模块包括:
第一报告模块,其被配置为提供与消费者的距离、密度和人口统计相关的信息;以及
第二报告模块,其被配置为基于该第一消费者信息数据库将消费者行为的相关报告提供至市场消费和人才管理部。
3、如权利要求1所述的系统,还包括应用程序数据库服务器,该应用程序数据库服务器维护该卡分析服务组件、调查卡组件和调查卡组件。
4、如权利要求1所述的系统,其中该卡分析服务组件包括信息转换和增强模块,其被配置为接收卡交易数据并且基于预定标准来转换和增强卡交易数据。
5、如权利要求4所述的系统,其中该信息转换和增强模块包括:
第一模块,其被配置为依据由汇总了各体消费者的交易细目的卡交易数据生成至少一个汇总表,以创建在将附加数据附加在卡交易数据上时所使用的数据集。
6、如权利要求5所述的系统,其中该信息转换和增强模块还包括:
第二模块,其被配置为基于所创建的数据集将消费者特定的附加数据附加在卡交易数据上。
7、如权利要求6所述的系统,其中该信息转换和增强模块还包括:
第三模块,其被配置为基于所创建的数据集将非消费者特定的附加数据附加在卡交易数据上。
8、如权利要求1所述的系统,其中该消费者信息数据库与系统外的至少一个数据库连接,用以接收消费者细分和人口统计信息并将其附加在消费者和其家庭识别信息上。
9、如权利要求8所述的系统,还包括:
主交易数据库,其被配置为存储卡交易数据以及相关消费者和其家庭标识符。
10、如权利要求9所述的系统,还包括:
第二消费者信息数据库,其被配置为存储附加有该消费者细分和人口统计信息的消费者和其家庭标识。
11、一种用于获取市场洞察力的方法,包括:
接收利用储值卡购物时所产生的卡交易数据;
接收用以识别储值卡的持卡者的消费者和其家庭信息;
评估该卡交易数据以及该消费者和其家庭信息以将该消费者和其家庭信息分配给该卡交易数据;
至少基于所述评估来提供营销分析;
至少基于所提供的营销分析来提供与营销相关的报告;
至少基于接收到的卡交易数据来生成交易调查问卷;
接收对交易调查问卷的至少一个答复;以及
至少基于所述营销分析、所述与营销相关的报告、所述调查问卷和所述对调查问卷的至少一个答复来提供定向销售方案。
12、如权利要求11所述的方法,其中所提供的营销报告包括:
提供与消费者的距离、密度和人口统计相关的信息;以及
将消费者行为的相关报告提供至市场消费和人才管理部。
13、如权利要求11所述的方法,其中储值卡至少为包括信用卡、借记卡、智能卡、光卡和磁条卡中的一个。
14、如权利要求11所述的方法,其中基于对卡交易数据的评估来提供营销分析的步骤包括:
基于预定标准来转换和增强卡交易数据。
15、如权利要求14所述的方法,其中所述转换和增强步骤包括:
依据由汇总了个体消费者的交易细目的卡交易数据生成至少一个汇总表,以创建在将附加数据附加在卡交易数据上时所使用的数据集。
16、如权利要求15所述的方法,其中所述转换和增强步骤还包括:
基于所创建的数据集而将消费者特定的附加数据附加在卡交易数据上。
17、如权利要求16所述的方法,其中所述转换和增强步骤还包括:
基于所创建的数据集而将非消费者特定的附加数据附加在卡交易数据上。
18、如权利要求11所述的方法,还包括:
接收消费者细分和人口统计信息并将其附加在该消费者和其家庭识别信息上。
19、如权利要求18所述的方法,还包括:
存储卡交易数据以及相关的消费者和其家庭标识符。
20、如权利要求19所述的系统,还包括至。
存储附加有该消费者细分和人口统计信息的消费者和其家庭标识。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US47705703P | 2003-06-10 | 2003-06-10 | |
US60/477,057 | 2003-06-10 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN1826618A true CN1826618A (zh) | 2006-08-30 |
Family
ID=33551667
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2004800211149A Pending CN1826618A (zh) | 2003-06-10 | 2004-06-10 | 分析市场营销的系统和方法 |
Country Status (5)
Country | Link |
---|---|
US (2) | US7937286B2 (zh) |
EP (1) | EP1636747A4 (zh) |
CN (1) | CN1826618A (zh) |
CA (1) | CA2533007A1 (zh) |
WO (1) | WO2005001631A2 (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102388399A (zh) * | 2009-04-09 | 2012-03-21 | 中心页有限公司 | 通过博客剪贴销售模板的商品和内容销售装置及方法 |
CN103150657A (zh) * | 2013-04-03 | 2013-06-12 | 宋子诚 | 零售连锁渠道及网络协同分销电商系统 |
CN103544371A (zh) * | 2012-07-11 | 2014-01-29 | 尼尔森(美国)有限公司 | 评估模型稳定性和拟合度的方法和装置 |
CN105554024A (zh) * | 2016-01-18 | 2016-05-04 | 成都陌云科技有限公司 | 一种互联网返利销售平台的数据收集与传输系统 |
CN105931065A (zh) * | 2015-09-22 | 2016-09-07 | 中国银联股份有限公司 | 客户群特征数据的处理方法及装置 |
CN108573413A (zh) * | 2018-04-27 | 2018-09-25 | 厦门南讯软件科技有限公司 | 一种营销数据快速分析方法及装置 |
CN109711950A (zh) * | 2019-01-18 | 2019-05-03 | 深圳壹账通智能科技有限公司 | 营销产品的推荐方法、装置、存储介质及计算机设备 |
CN112488748A (zh) * | 2020-11-18 | 2021-03-12 | 银联智惠信息服务(上海)有限公司 | 数据标识匹配方法及装置、存储介质、计算设备 |
CN112651632A (zh) * | 2020-12-25 | 2021-04-13 | 车主邦(北京)科技有限公司 | 基于营销数据的信息分析处理方法和装置 |
US11295330B2 (en) * | 2019-04-10 | 2022-04-05 | Aurelis Consulting Sp. z o.o. | Price rule integrated comparison engine |
Families Citing this family (342)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9785953B2 (en) | 2000-12-20 | 2017-10-10 | International Business Machines Corporation | System and method for generating demand groups |
US10204349B2 (en) * | 2000-12-20 | 2019-02-12 | International Business Machines Corporation | Analyzing customer segments |
US10496938B2 (en) * | 2000-12-20 | 2019-12-03 | Acoustic, L.P. | Generating product decisions |
US20030200134A1 (en) * | 2002-03-29 | 2003-10-23 | Leonard Michael James | System and method for large-scale automatic forecasting |
US9569797B1 (en) | 2002-05-30 | 2017-02-14 | Consumerinfo.Com, Inc. | Systems and methods of presenting simulated credit score information |
US9400589B1 (en) | 2002-05-30 | 2016-07-26 | Consumerinfo.Com, Inc. | Circular rotational interface for display of consumer credit information |
US9064281B2 (en) | 2002-10-31 | 2015-06-23 | Mastercard Mobile Transactions Solutions, Inc. | Multi-panel user interface |
US10176476B2 (en) | 2005-10-06 | 2019-01-08 | Mastercard Mobile Transactions Solutions, Inc. | Secure ecosystem infrastructure enabling multiple types of electronic wallets in an ecosystem of issuers, service providers, and acquires of instruments |
US20110076663A1 (en) * | 2003-08-18 | 2011-03-31 | Retail Optimization International | Systems and methods for selecting survey questions and available responses |
CA2539784C (en) * | 2003-09-22 | 2016-07-05 | Citicorp Credit Services, Inc. | Method and system for purchase-based segmentation |
US9152624B1 (en) | 2003-12-04 | 2015-10-06 | Retail Optimization International, Inc. | Systems and methods for visual presentation and navigation of content using data-based image analysis |
US8341009B1 (en) * | 2003-12-23 | 2012-12-25 | Experian Marketing Solutions, Inc. | Information modeling and projection for geographic regions having insufficient sample size |
USRE49562E1 (en) | 2004-01-30 | 2023-06-27 | Applied Predictive Technologies, Inc. | Methods, systems, and articles of manufacture for determining optimal parameter settings for business initiative testing models |
US8571916B1 (en) | 2004-01-30 | 2013-10-29 | Applied Predictive Technologies, Inc. | Methods, systems, and articles of manufacture for determining optimal parameter settings for business initiative testing models |
US8010399B1 (en) | 2004-01-30 | 2011-08-30 | Applied Predictive Technologies | Methods, systems, and articles of manufacture for analyzing initiatives for a business network |
US7895072B1 (en) * | 2004-01-30 | 2011-02-22 | Applied Predictive Technologies | Methods, system, and articles of manufacture for developing analyzing, and managing initiatives for a business network |
US7909241B2 (en) | 2004-03-09 | 2011-03-22 | Lowe's Companies, Inc. | Systems, methods and computer program products for implementing processes relating to retail sales |
US20060026069A1 (en) * | 2004-05-27 | 2006-02-02 | Larry Mazurkiewicz | Methods and apparatus to implement enhanced employment technology frameworks |
US20070239585A1 (en) * | 2004-06-02 | 2007-10-11 | Nielsen Keith G | Transaction Strategy |
US20050288990A1 (en) * | 2004-06-24 | 2005-12-29 | International Business Machines Corporation | Computer-implemented method, system and program product for modeling a consumer decision process |
US8346593B2 (en) | 2004-06-30 | 2013-01-01 | Experian Marketing Solutions, Inc. | System, method, and software for prediction of attitudinal and message responsiveness |
US20060041401A1 (en) * | 2004-08-12 | 2006-02-23 | Johnston Jeffrey M | Methods, systems, and computer program products for facilitating user choices among complex alternatives using conjoint analysis in combination with psychological tests, skills tests, and configuration software |
US8732004B1 (en) | 2004-09-22 | 2014-05-20 | Experian Information Solutions, Inc. | Automated analysis of data to generate prospect notifications based on trigger events |
US7788116B2 (en) * | 2004-09-27 | 2010-08-31 | American Express Travel Related Services Company, Inc. | Travel savings assessment |
US7454434B1 (en) * | 2004-10-04 | 2008-11-18 | American Express Travel Related Services Company, Inc. | System and method for stepped loading of web page content |
US7822665B2 (en) | 2004-10-29 | 2010-10-26 | American Express Travel Related Services Company, Inc. | Using commercial share of wallet in private equity investments |
US7788147B2 (en) | 2004-10-29 | 2010-08-31 | American Express Travel Related Services Company, Inc. | Method and apparatus for estimating the spend capacity of consumers |
US8086509B2 (en) | 2004-10-29 | 2011-12-27 | American Express Travel Related Services Company, Inc. | Determining commercial share of wallet |
US8326671B2 (en) | 2004-10-29 | 2012-12-04 | American Express Travel Related Services Company, Inc. | Using commercial share of wallet to analyze vendors in online marketplaces |
US8326672B2 (en) | 2004-10-29 | 2012-12-04 | American Express Travel Related Services Company, Inc. | Using commercial share of wallet in financial databases |
US20070016501A1 (en) | 2004-10-29 | 2007-01-18 | American Express Travel Related Services Co., Inc., A New York Corporation | Using commercial share of wallet to rate business prospects |
US7912770B2 (en) * | 2004-10-29 | 2011-03-22 | American Express Travel Related Services Company, Inc. | Method and apparatus for consumer interaction based on spend capacity |
US7792732B2 (en) | 2004-10-29 | 2010-09-07 | American Express Travel Related Services Company, Inc. | Using commercial share of wallet to rate investments |
US8204774B2 (en) | 2004-10-29 | 2012-06-19 | American Express Travel Related Services Company, Inc. | Estimating the spend capacity of consumer households |
US8630929B2 (en) | 2004-10-29 | 2014-01-14 | American Express Travel Related Services Company, Inc. | Using commercial share of wallet to make lending decisions |
US8131614B2 (en) | 2004-10-29 | 2012-03-06 | American Express Travel Related Services Company, Inc. | Using commercial share of wallet to compile marketing company lists |
US20070244732A1 (en) | 2004-10-29 | 2007-10-18 | American Express Travel Related Services Co., Inc., A New York Corporation | Using commercial share of wallet to manage vendors |
US7840484B2 (en) * | 2004-10-29 | 2010-11-23 | American Express Travel Related Services Company, Inc. | Credit score and scorecard development |
US8543499B2 (en) | 2004-10-29 | 2013-09-24 | American Express Travel Related Services Company, Inc. | Reducing risks related to check verification |
US8171022B2 (en) * | 2004-11-05 | 2012-05-01 | Johnston Jeffrey M | Methods, systems, and computer program products for facilitating user interaction with customer relationship management, auction, and search engine software using conjoint analysis |
US20060149615A1 (en) * | 2004-12-31 | 2006-07-06 | Keith Andrews | Methods and systems to effect comprehensive customer relationship management solutions |
US20060190288A1 (en) * | 2005-01-22 | 2006-08-24 | Ims Software Services Ltd. | System and method for allocating prescriptions to non-reporting outlets |
US8744897B2 (en) * | 2005-01-22 | 2014-06-03 | Ims Software Services Ltd. | Sample store forecasting process and system |
US8078488B2 (en) * | 2005-01-25 | 2011-12-13 | Ims Software Services Ltd. | System and method for determining trailing data adjustment factors |
US7424481B2 (en) * | 2005-02-01 | 2008-09-09 | Sap Ag | Data management and processing system for large enterprise model and method therefor |
US20060212346A1 (en) * | 2005-03-21 | 2006-09-21 | Robert Brazell | Systems and methods for message media content synchronization |
WO2008127214A2 (en) * | 2005-03-21 | 2008-10-23 | Robert Allen Sevio | Market share forecasting for businesses selling products or services to other businesses (non- consumer markets) |
US9608929B2 (en) | 2005-03-22 | 2017-03-28 | Live Nation Entertainment, Inc. | System and method for dynamic queue management using queue protocols |
AU2006227177A1 (en) | 2005-03-22 | 2006-09-28 | Ticketmaster | Apparatus and methods for providing queue messaging over a network |
WO2006109314A2 (en) * | 2005-04-12 | 2006-10-19 | Inlive Interactive Ltd. | Market surveying |
US7617016B2 (en) * | 2005-04-27 | 2009-11-10 | Myshape, Inc. | Computer system for rule-based clothing matching and filtering considering fit rules and fashion rules |
US7693740B2 (en) * | 2005-05-03 | 2010-04-06 | International Business Machines Corporation | Dynamic selection of complementary inbound marketing offers |
US7689454B2 (en) * | 2005-05-03 | 2010-03-30 | International Business Machines Corporation | Dynamic selection of groups of outbound marketing events |
US7689453B2 (en) * | 2005-05-03 | 2010-03-30 | International Business Machines Corporation | Capturing marketing events and data models |
US7881959B2 (en) * | 2005-05-03 | 2011-02-01 | International Business Machines Corporation | On demand selection of marketing offers in response to inbound communications |
US7546289B2 (en) * | 2005-05-11 | 2009-06-09 | W.W. Grainger, Inc. | System and method for providing a response to a search query |
US8271364B2 (en) * | 2005-06-09 | 2012-09-18 | Bank Of America Corporation | Method and apparatus for obtaining, organizing, and analyzing multi-source data |
US7676418B1 (en) * | 2005-06-24 | 2010-03-09 | Experian Information Solutions, Inc. | Credit portfolio benchmarking system and method |
US10032160B2 (en) | 2005-10-06 | 2018-07-24 | Mastercard Mobile Transactions Solutions, Inc. | Isolating distinct service provider widgets within a wallet container |
EP2667344A3 (en) | 2005-10-06 | 2014-08-27 | C-Sam, Inc. | Transactional services |
US20080221973A1 (en) * | 2005-10-24 | 2008-09-11 | Megdal Myles G | Using commercial share of wallet to rate investments |
US20080228541A1 (en) * | 2005-10-24 | 2008-09-18 | Megdal Myles G | Using commercial share of wallet in private equity investments |
US20070192167A1 (en) * | 2005-10-24 | 2007-08-16 | Ying Lei | Methods and systems for managing transaction card customer accounts |
US20080228540A1 (en) * | 2005-10-24 | 2008-09-18 | Megdal Myles G | Using commercial share of wallet to compile marketing company lists |
US20080221971A1 (en) * | 2005-10-24 | 2008-09-11 | Megdal Myles G | Using commercial share of wallet to rate business prospects |
US20080033852A1 (en) * | 2005-10-24 | 2008-02-07 | Megdal Myles G | Computer-based modeling of spending behaviors of entities |
CA2539894A1 (en) * | 2005-11-29 | 2007-05-29 | Eu & I Software Consulting Inc. | Systems and methods for marketing programs segmentation |
US20070192161A1 (en) * | 2005-12-28 | 2007-08-16 | International Business Machines Corporation | On-demand customer satisfaction measurement |
US20070174235A1 (en) * | 2006-01-26 | 2007-07-26 | Michael Gordon | Method of using digital characters to compile information |
US7711636B2 (en) | 2006-03-10 | 2010-05-04 | Experian Information Solutions, Inc. | Systems and methods for analyzing data |
US8024218B2 (en) * | 2006-03-23 | 2011-09-20 | Sap Ag | Method and apparatus for determining the product marketability utilizing a percent coverage |
AU2006202302B1 (en) * | 2006-05-30 | 2006-11-23 | Forethought Pty Ltd | Market research analysis method |
US20070288275A1 (en) * | 2006-06-13 | 2007-12-13 | Microsoft Corporation | It services architecture planning and management |
US7747745B2 (en) | 2006-06-16 | 2010-06-29 | Almondnet, Inc. | Media properties selection method and system based on expected profit from profile-based ad delivery |
US7991638B1 (en) * | 2006-06-21 | 2011-08-02 | Sprint Communications Company L.P. | Process for trade area generation |
US8027868B1 (en) | 2006-06-21 | 2011-09-27 | Sprint Communications Company L.P. | Trade area analyzer |
US7761367B1 (en) * | 2006-07-25 | 2010-07-20 | Intuit Inc. | Method and system for financially monitoring an order |
US7991800B2 (en) * | 2006-07-28 | 2011-08-02 | Aprimo Incorporated | Object oriented system and method for optimizing the execution of marketing segmentations |
US8533025B2 (en) * | 2006-07-28 | 2013-09-10 | Quest Direct Corp | Method and apparatus for management of sales activity information |
WO2008017200A1 (fr) * | 2006-07-31 | 2008-02-14 | Golix Management Consulting Ltd. | Procédé pour prévoir des possibilités de vente et un potentiel de compte, et son système informatique |
US20080065462A1 (en) * | 2006-08-25 | 2008-03-13 | International Business Machines Corporation | Determining which potential customers to solicit for new product or service |
US20080082397A1 (en) * | 2006-09-20 | 2008-04-03 | Move, Inc. | Vendor selection based on auction of client marketing categories |
US20080082070A1 (en) * | 2006-09-29 | 2008-04-03 | Kimberly-Clark Worldwide, Inc. | Method of marketing incontinence products |
US20080091516A1 (en) * | 2006-10-17 | 2008-04-17 | Giovanni Giunta | Response monitoring system for an advertising campaign |
US8239250B2 (en) | 2006-12-01 | 2012-08-07 | American Express Travel Related Services Company, Inc. | Industry size of wallet |
US8096470B2 (en) * | 2006-12-11 | 2012-01-17 | Dave Mink | Upboard customer relationship management system |
US7953627B2 (en) * | 2006-12-12 | 2011-05-31 | American Express Travel Related Services Company, Inc. | Identifying industry segments with highest potential for new customers or new spending for current customers |
US8010403B2 (en) * | 2006-12-29 | 2011-08-30 | American Express Travel Related Services Company, Inc. | System and method for targeting transaction account product holders to receive upgraded transaction account products |
US7818176B2 (en) * | 2007-02-06 | 2010-10-19 | Voicebox Technologies, Inc. | System and method for selecting and presenting advertisements based on natural language processing of voice-based input |
US20080249855A1 (en) * | 2007-04-04 | 2008-10-09 | Yahoo! Inc. | System for generating advertising creatives |
US8676629B2 (en) * | 2007-04-13 | 2014-03-18 | Sas Institute Inc. | System and methods for retail forecasting utilizing forecast model accuracy criteria, holdout samples and marketing mix data |
US20080262900A1 (en) * | 2007-04-18 | 2008-10-23 | Michael Day Duffy | Methods and apparatus to facilitate sales estimates |
US20110082718A1 (en) * | 2009-10-06 | 2011-04-07 | Bank Of America Corporation | Analyzing Patterns within Transaction Data |
US8731992B1 (en) * | 2007-05-29 | 2014-05-20 | Bank Of America Corporation | Method and apparatus for evaluating geographic market opportunity |
US8335714B2 (en) * | 2007-05-31 | 2012-12-18 | International Business Machines Corporation | Identification of users for advertising using data with missing values |
US20080300977A1 (en) * | 2007-05-31 | 2008-12-04 | Ads Alliance Data Systems, Inc. | Method and System for Fractionally Allocating Transactions to Marketing Events |
US8799004B2 (en) * | 2007-07-05 | 2014-08-05 | Map Ip One, Llc | System and method for real estate spatial data analysis |
US8655726B1 (en) * | 2007-07-24 | 2014-02-18 | Intuit Inc. | Method and system for deriving a consumer's shopping habits |
WO2009023796A2 (en) | 2007-08-14 | 2009-02-19 | Visa U.S.A. Inc. | Merchant benchmarking tool |
US9807096B2 (en) | 2014-12-18 | 2017-10-31 | Live Nation Entertainment, Inc. | Controlled token distribution to protect against malicious data and resource access |
US20090077579A1 (en) * | 2007-09-14 | 2009-03-19 | Att Knowledge Ventures L.P. | System and method for estimating an effectivity index for targeted advertising data in a communitcation system |
US9690820B1 (en) | 2007-09-27 | 2017-06-27 | Experian Information Solutions, Inc. | Database system for triggering event notifications based on updates to database records |
US8209209B2 (en) * | 2007-10-02 | 2012-06-26 | Incontact, Inc. | Providing work, training, and incentives to company representatives in contact handling systems |
US7930200B1 (en) * | 2007-11-02 | 2011-04-19 | Sas Institute Inc. | Computer-implemented systems and methods for cross-price analysis |
US8126765B2 (en) * | 2008-01-03 | 2012-02-28 | International Business Machines Corporation | Market demand estimation method, system, and apparatus |
US8239245B2 (en) * | 2008-01-22 | 2012-08-07 | International Business Machines Corporation | Method and apparatus for end-to-end retail store site optimization |
US20090248490A1 (en) * | 2008-03-26 | 2009-10-01 | Moncreiff Craig T | System and method of competitive business analysis |
US8001166B2 (en) * | 2008-03-28 | 2011-08-16 | International Business Machines Corporation | Methods and apparatus for optimizing keyword data analysis |
US20090254531A1 (en) * | 2008-04-03 | 2009-10-08 | Walker Jay S | Method and apparatus for collecting and categorizing data at a terminal |
US7953762B2 (en) * | 2008-04-09 | 2011-05-31 | American Express Travel Related Services Company, Inc. | Infrastructure and architecture for development and execution of predictive models |
US8341166B2 (en) | 2008-04-09 | 2012-12-25 | American Express Travel Related Services Company, Inc. | Infrastructure and architecture for development and execution of predictive models |
US8417560B2 (en) * | 2008-04-18 | 2013-04-09 | Steven Woods | Systems, methods, and apparatus for analyzing the influence of marketing assets |
US20090271305A1 (en) * | 2008-04-23 | 2009-10-29 | Raghav Lal | Payment portfolio optimization |
US20100088126A1 (en) * | 2008-05-05 | 2010-04-08 | Vito Iaia | Real time data distribution system |
US8265984B2 (en) * | 2008-05-08 | 2012-09-11 | International Business Machines Corporation | Method and apparatus for unified optimization model for retail network configuration |
US8577884B2 (en) * | 2008-05-13 | 2013-11-05 | The Boeing Company | Automated analysis and summarization of comments in survey response data |
US9734460B1 (en) * | 2008-06-13 | 2017-08-15 | Google Inc. | Adjusting participation of content in a selection process |
US20090319331A1 (en) * | 2008-06-19 | 2009-12-24 | Michael Day Duffy | Methods and apparatus to respond to recalls |
US8374903B2 (en) * | 2008-06-20 | 2013-02-12 | Sas Institute Inc. | Information criterion-based systems and methods for constructing combining weights for multimodel forecasting and prediction |
US20100036768A1 (en) * | 2008-08-08 | 2010-02-11 | Visa U.S.A. Inc. | Share of wallet benchmarking |
US20100036713A1 (en) * | 2008-08-11 | 2010-02-11 | Dung-Yuan Tang | Collecting personal data from a user and sharing revenue generated from the sale of the personal data |
US9256904B1 (en) | 2008-08-14 | 2016-02-09 | Experian Information Solutions, Inc. | Multi-bureau credit file freeze and unfreeze |
US8417561B2 (en) * | 2008-09-24 | 2013-04-09 | Bank Of America Corporation | Market dynamics |
US20100076819A1 (en) * | 2008-09-25 | 2010-03-25 | Myshape, Inc. | System and Method for Distilling Data and Feedback From Customers to Identify Fashion Market Information |
US8645421B2 (en) * | 2008-09-30 | 2014-02-04 | Sas Institute Inc. | Attribute based hierarchy management for estimation and forecasting |
US20100106263A1 (en) * | 2008-10-28 | 2010-04-29 | Verizon Data Services Llc | System for revenue management using location based services |
US20100106561A1 (en) * | 2008-10-28 | 2010-04-29 | Sergiy Peredriy | Forecasting Using Share Models And Hierarchies |
US20100125546A1 (en) * | 2008-11-19 | 2010-05-20 | Melyssa Barrett | System and method using superkeys and subkeys |
US20100131284A1 (en) * | 2008-11-26 | 2010-05-27 | Michael Day Duffy | Methods and apparatus for analysis of healthcare markets |
US8386314B2 (en) * | 2008-12-11 | 2013-02-26 | Accenture Global Services Limited | Online ad detection and ad campaign analysis |
US20100174638A1 (en) * | 2009-01-06 | 2010-07-08 | ConsumerInfo.com | Report existence monitoring |
US10594870B2 (en) | 2009-01-21 | 2020-03-17 | Truaxis, Llc | System and method for matching a savings opportunity using census data |
US20130325587A1 (en) * | 2009-01-21 | 2013-12-05 | Truaxis, Inc. | System and method for managing campaign effectiveness by a merchant |
US10504126B2 (en) | 2009-01-21 | 2019-12-10 | Truaxis, Llc | System and method of obtaining merchant sales information for marketing or sales teams |
US9947017B2 (en) | 2009-03-03 | 2018-04-17 | Accenture Global Services Limited | Online content campaign classification |
US9940631B2 (en) | 2009-03-03 | 2018-04-10 | Accenture Global Services Limited | Online content collection |
US8977242B1 (en) * | 2009-04-06 | 2015-03-10 | Wendell Brown | Method and apparatus for content presentation in association with a telephone call |
US8335708B1 (en) * | 2009-04-30 | 2012-12-18 | Amdocs Software Systems Limited | System, method, and computer program product for simulating a scenario based on information associated with a new campaign and stored event information |
US20100306029A1 (en) * | 2009-06-01 | 2010-12-02 | Ryan Jolley | Cardholder Clusters |
US9841282B2 (en) | 2009-07-27 | 2017-12-12 | Visa U.S.A. Inc. | Successive offer communications with an offer recipient |
US9443253B2 (en) | 2009-07-27 | 2016-09-13 | Visa International Service Association | Systems and methods to provide and adjust offers |
US10546332B2 (en) | 2010-09-21 | 2020-01-28 | Visa International Service Association | Systems and methods to program operations for interaction with users |
US20110029367A1 (en) | 2009-07-29 | 2011-02-03 | Visa U.S.A. Inc. | Systems and Methods to Generate Transactions According to Account Features |
US20110035278A1 (en) | 2009-08-04 | 2011-02-10 | Visa U.S.A. Inc. | Systems and Methods for Closing the Loop between Online Activities and Offline Purchases |
US20110035280A1 (en) | 2009-08-04 | 2011-02-10 | Visa U.S.A. Inc. | Systems and Methods for Targeted Advertisement Delivery |
WO2011019759A2 (en) * | 2009-08-10 | 2011-02-17 | Visa U.S.A. Inc. | Systems and methods for targeting offers |
US20110066464A1 (en) * | 2009-09-15 | 2011-03-17 | Varughese George | Method and system of automated correlation of data across distinct surveys |
US20110087547A1 (en) * | 2009-10-09 | 2011-04-14 | Visa U.S.A. | Systems and Methods for Advertising Services Based on a Local Profile |
US20110087519A1 (en) * | 2009-10-09 | 2011-04-14 | Visa U.S.A. Inc. | Systems and Methods for Panel Enhancement with Transaction Data |
US9342835B2 (en) | 2009-10-09 | 2016-05-17 | Visa U.S.A | Systems and methods to deliver targeted advertisements to audience |
US9031860B2 (en) * | 2009-10-09 | 2015-05-12 | Visa U.S.A. Inc. | Systems and methods to aggregate demand |
US20110087530A1 (en) * | 2009-10-09 | 2011-04-14 | Visa U.S.A. Inc. | Systems and Methods to Provide Loyalty Programs |
US8595058B2 (en) | 2009-10-15 | 2013-11-26 | Visa U.S.A. | Systems and methods to match identifiers |
US20110093324A1 (en) * | 2009-10-19 | 2011-04-21 | Visa U.S.A. Inc. | Systems and Methods to Provide Intelligent Analytics to Cardholders and Merchants |
US8676639B2 (en) | 2009-10-29 | 2014-03-18 | Visa International Service Association | System and method for promotion processing and authorization |
US8626705B2 (en) | 2009-11-05 | 2014-01-07 | Visa International Service Association | Transaction aggregator for closed processing |
US20110125565A1 (en) | 2009-11-24 | 2011-05-26 | Visa U.S.A. Inc. | Systems and Methods for Multi-Channel Offer Redemption |
US20110246260A1 (en) * | 2009-12-11 | 2011-10-06 | James Gilbert | System and method for routing marketing opportunities to sales agents |
US8631040B2 (en) | 2010-02-23 | 2014-01-14 | Sas Institute Inc. | Computer-implemented systems and methods for flexible definition of time intervals |
US8688502B2 (en) * | 2010-02-24 | 2014-04-01 | Oracle International Corporation | Business intelligence dashboards for performance analysis |
US20110205231A1 (en) * | 2010-02-24 | 2011-08-25 | Oracle International Corporation | Mapping data in enterprise applications for operational visibility |
BR112012022239A2 (pt) * | 2010-03-01 | 2016-10-25 | Visa Int Service Ass | aparelhos, métodos e sistemas para análise de estratégia de investimento econométrica |
US20110225020A1 (en) * | 2010-03-10 | 2011-09-15 | Mastercard International, Inc. | Methodology for improving a merchant acquiring line of business |
US8738418B2 (en) | 2010-03-19 | 2014-05-27 | Visa U.S.A. Inc. | Systems and methods to enhance search data with transaction based data |
US20110231258A1 (en) * | 2010-03-19 | 2011-09-22 | Visa U.S.A. Inc. | Systems and Methods to Distribute Advertisement Opportunities to Merchants |
US8639567B2 (en) | 2010-03-19 | 2014-01-28 | Visa U.S.A. Inc. | Systems and methods to identify differences in spending patterns |
US20110231225A1 (en) * | 2010-03-19 | 2011-09-22 | Visa U.S.A. Inc. | Systems and Methods to Identify Customers Based on Spending Patterns |
US20110231305A1 (en) * | 2010-03-19 | 2011-09-22 | Visa U.S.A. Inc. | Systems and Methods to Identify Spending Patterns |
US20110231224A1 (en) * | 2010-03-19 | 2011-09-22 | Visa U.S.A. Inc. | Systems and Methods to Perform Checkout Funnel Analyses |
US9697520B2 (en) | 2010-03-22 | 2017-07-04 | Visa U.S.A. Inc. | Merchant configured advertised incentives funded through statement credits |
US9652802B1 (en) | 2010-03-24 | 2017-05-16 | Consumerinfo.Com, Inc. | Indirect monitoring and reporting of a user's credit data |
US10332135B2 (en) | 2010-04-12 | 2019-06-25 | First Data Corporation | Financial data normalization systems and methods |
US8781874B2 (en) * | 2010-04-12 | 2014-07-15 | First Data Corporation | Network analytics systems and methods |
US8306846B2 (en) * | 2010-04-12 | 2012-11-06 | First Data Corporation | Transaction location analytics systems and methods |
US20110258017A1 (en) * | 2010-04-15 | 2011-10-20 | Ffwd Corporation | Interpretation of a trending term to develop a media content channel |
US9471926B2 (en) | 2010-04-23 | 2016-10-18 | Visa U.S.A. Inc. | Systems and methods to provide offers to travelers |
US20110282712A1 (en) * | 2010-05-11 | 2011-11-17 | Michael Amos | Survey reporting |
US8359274B2 (en) | 2010-06-04 | 2013-01-22 | Visa International Service Association | Systems and methods to provide messages in real-time with transaction processing |
KR101909742B1 (ko) | 2010-06-15 | 2018-10-18 | 티켓마스터 엘엘씨 | 컴퓨터 도움 이벤트 및 현장 셋업을 위한 방법 및 시스템 그리고 모델링 및 인터액티브 지도들 |
US9781170B2 (en) | 2010-06-15 | 2017-10-03 | Live Nation Entertainment, Inc. | Establishing communication links using routing protocols |
US10096161B2 (en) | 2010-06-15 | 2018-10-09 | Live Nation Entertainment, Inc. | Generating augmented reality images using sensor and location data |
US8781896B2 (en) * | 2010-06-29 | 2014-07-15 | Visa International Service Association | Systems and methods to optimize media presentations |
WO2012012545A1 (en) * | 2010-07-20 | 2012-01-26 | Wi-Mexx International Limited | System and methods for transferring money |
US8554653B2 (en) | 2010-07-22 | 2013-10-08 | Visa International Service Association | Systems and methods to identify payment accounts having business spending activities |
US9760905B2 (en) | 2010-08-02 | 2017-09-12 | Visa International Service Association | Systems and methods to optimize media presentations using a camera |
US9972021B2 (en) | 2010-08-06 | 2018-05-15 | Visa International Service Association | Systems and methods to rank and select triggers for real-time offers |
US9679299B2 (en) | 2010-09-03 | 2017-06-13 | Visa International Service Association | Systems and methods to provide real-time offers via a cooperative database |
US20120066065A1 (en) * | 2010-09-14 | 2012-03-15 | Visa International Service Association | Systems and Methods to Segment Customers |
US9477967B2 (en) | 2010-09-21 | 2016-10-25 | Visa International Service Association | Systems and methods to process an offer campaign based on ineligibility |
US10055745B2 (en) | 2010-09-21 | 2018-08-21 | Visa International Service Association | Systems and methods to modify interaction rules during run time |
US20120084118A1 (en) * | 2010-09-30 | 2012-04-05 | International Business Machines Corporation | Sales predication for a new store based on on-site market survey data and high resolution geographical information |
US8930262B1 (en) | 2010-11-02 | 2015-01-06 | Experian Technology Ltd. | Systems and methods of assisted strategy design |
US9558502B2 (en) | 2010-11-04 | 2017-01-31 | Visa International Service Association | Systems and methods to reward user interactions |
US9147042B1 (en) | 2010-11-22 | 2015-09-29 | Experian Information Solutions, Inc. | Systems and methods for data verification |
US10007915B2 (en) | 2011-01-24 | 2018-06-26 | Visa International Service Association | Systems and methods to facilitate loyalty reward transactions |
US10769657B2 (en) | 2011-02-14 | 2020-09-08 | Cardspring, Llc | Measuring conversion of an online advertising campaign including referral offers from an offline merchant |
US10438299B2 (en) | 2011-03-15 | 2019-10-08 | Visa International Service Association | Systems and methods to combine transaction terminal location data and social networking check-in |
US9558519B1 (en) | 2011-04-29 | 2017-01-31 | Consumerinfo.Com, Inc. | Exposing reporting cycle information |
US20120290353A1 (en) * | 2011-05-13 | 2012-11-15 | Jain Naveen K | Method and system for automatic channel optimizer |
WO2013003945A1 (en) * | 2011-07-07 | 2013-01-10 | Locationary, Inc. | System and method for providing a content distribution network |
US20130024236A1 (en) * | 2011-07-19 | 2013-01-24 | Infosys Limited | Methods for product management and devices thereof |
US9047559B2 (en) | 2011-07-22 | 2015-06-02 | Sas Institute Inc. | Computer-implemented systems and methods for testing large scale automatic forecast combinations |
US9405754B1 (en) * | 2011-08-05 | 2016-08-02 | Andrews Distributing Company, LLC | System and method for product optimization |
US10223707B2 (en) | 2011-08-19 | 2019-03-05 | Visa International Service Association | Systems and methods to communicate offer options via messaging in real time with processing of payment transaction |
US10621206B2 (en) | 2012-04-19 | 2020-04-14 | Full Circle Insights, Inc. | Method and system for recording responses in a CRM system |
US10599620B2 (en) * | 2011-09-01 | 2020-03-24 | Full Circle Insights, Inc. | Method and system for object synchronization in CRM systems |
US9466075B2 (en) | 2011-09-20 | 2016-10-11 | Visa International Service Association | Systems and methods to process referrals in offer campaigns |
JP2013069223A (ja) * | 2011-09-26 | 2013-04-18 | Fujitsu Ltd | 生成プログラム、生成方法及び生成装置 |
US10380617B2 (en) | 2011-09-29 | 2019-08-13 | Visa International Service Association | Systems and methods to provide a user interface to control an offer campaign |
BR112014008351A2 (pt) * | 2011-10-05 | 2017-04-18 | Mastercard International Inc | mecanismo de nominação |
EP2767110A4 (en) | 2011-10-12 | 2015-01-28 | C Sam Inc | PLATFORM FOR MULTI-STAGE SECURE MOBILE TRANSACTIONS |
RU2480828C1 (ru) * | 2011-10-14 | 2013-04-27 | Общество С Ограниченной Ответственностью "Лайфстайл Маркетинг" | Способ прогноза целевого показателя событий по неограниченному количеству характеристик |
US10290018B2 (en) | 2011-11-09 | 2019-05-14 | Visa International Service Association | Systems and methods to communicate with users via social networking sites |
US20130132156A1 (en) * | 2011-11-22 | 2013-05-23 | Mastercard International Incorporated | Real time customer surveys |
US20130173320A1 (en) * | 2011-12-29 | 2013-07-04 | Mastercard International Incorporated | Method and system utilizing merchant sales activity to provide indicative measurements of merchant and business performance |
US20130191223A1 (en) * | 2012-01-20 | 2013-07-25 | Visa International Service Association | Systems and methods to determine user preferences for targeted offers |
US10497022B2 (en) | 2012-01-20 | 2019-12-03 | Visa International Service Association | Systems and methods to present and process offers |
US10096043B2 (en) | 2012-01-23 | 2018-10-09 | Visa International Service Association | Systems and methods to formulate offers via mobile devices and transaction data |
US20130191304A1 (en) * | 2012-01-25 | 2013-07-25 | Xerox Corporation | Tools and Methods for Creating Dynamic Feedback Forms |
US8781954B2 (en) | 2012-02-23 | 2014-07-15 | American Express Travel Related Services Company, Inc. | Systems and methods for identifying financial relationships |
US8473410B1 (en) | 2012-02-23 | 2013-06-25 | American Express Travel Related Services Company, Inc. | Systems and methods for identifying financial relationships |
US9477988B2 (en) | 2012-02-23 | 2016-10-25 | American Express Travel Related Services Company, Inc. | Systems and methods for identifying financial relationships |
US8538869B1 (en) | 2012-02-23 | 2013-09-17 | American Express Travel Related Services Company, Inc. | Systems and methods for identifying financial relationships |
US10002349B2 (en) * | 2012-03-05 | 2018-06-19 | First Data Corporation | System and method for evaluating transaction patterns |
US10672018B2 (en) | 2012-03-07 | 2020-06-02 | Visa International Service Association | Systems and methods to process offers via mobile devices |
US9087306B2 (en) | 2012-07-13 | 2015-07-21 | Sas Institute Inc. | Computer-implemented systems and methods for time series exploration |
US9244887B2 (en) | 2012-07-13 | 2016-01-26 | Sas Institute Inc. | Computer-implemented systems and methods for efficient structuring of time series data |
US20140025478A1 (en) * | 2012-07-17 | 2014-01-23 | Maven Analytics Inc. | Measuring influence in a social network |
US20140058796A1 (en) * | 2012-08-21 | 2014-02-27 | Verizon Patent And Licensing Inc. | Method and system for providing proximity-based cross marketing and payment activity data |
US20130103476A1 (en) | 2012-09-14 | 2013-04-25 | Endorse Corp. | Systems and methods for campaign offers and rewards with offer serving engine based on digitized receipt data |
US20140089041A1 (en) * | 2012-09-27 | 2014-03-27 | Bank Of America Corporation | Two sigma intelligence |
GB201506927D0 (en) | 2012-10-01 | 2015-06-10 | Service Man Group Inc | Consumer analytics system that determines, offers, and monitors use of rewards incentivizing consumers to perform tasks |
US9947024B1 (en) | 2012-10-04 | 2018-04-17 | Groupon, Inc. | Method, apparatus, and computer program product for classifying user search data |
US9330357B1 (en) | 2012-10-04 | 2016-05-03 | Groupon, Inc. | Method, apparatus, and computer program product for determining a provider return rate |
US10108974B1 (en) | 2012-10-04 | 2018-10-23 | Groupon, Inc. | Method, apparatus, and computer program product for providing a dashboard |
US9940635B1 (en) | 2012-10-04 | 2018-04-10 | Groupon, Inc. | Method, apparatus, and computer program product for calculating a supply based on travel propensity |
US9947021B1 (en) * | 2013-03-14 | 2018-04-17 | Groupon, Inc. | Method, apparatus, and computer product for identifying a service need via a promotional system |
US10817887B2 (en) | 2012-10-04 | 2020-10-27 | Groupon, Inc. | Method, apparatus, and computer program product for setting a benchmark conversion rate |
US10242373B1 (en) | 2012-10-04 | 2019-03-26 | Groupon, Inc. | Method, apparatus, and computer program product for setting a benchmark conversion rate |
US10032180B1 (en) | 2012-10-04 | 2018-07-24 | Groupon, Inc. | Method, apparatus, and computer program product for forecasting demand using real time demand |
US9947022B1 (en) | 2012-10-04 | 2018-04-17 | Groupon, Inc. | Method, apparatus, and computer program product for forecasting demand |
US9177067B2 (en) | 2012-11-04 | 2015-11-03 | Walter J. Kawecki, III | Systems and methods for enhancing user data derived from digital communications |
WO2014071325A2 (en) * | 2012-11-04 | 2014-05-08 | Kawecki Iii Walter J | Systems and methods for enhancing user data derived from digital communications |
US20140156395A1 (en) * | 2012-11-30 | 2014-06-05 | Wal-Mart Stores, Inc. | Shifting marketing messaging according to customer lifestyle changes |
US20140156349A1 (en) * | 2012-12-01 | 2014-06-05 | Dandel Enterprises, Inc. | Methods and systems for managing an online opinion survey service |
US20140156388A1 (en) * | 2012-12-04 | 2014-06-05 | Visa International Service Association | Tracking deal provider performance |
US10255598B1 (en) | 2012-12-06 | 2019-04-09 | Consumerinfo.Com, Inc. | Credit card account data extraction |
US10360627B2 (en) | 2012-12-13 | 2019-07-23 | Visa International Service Association | Systems and methods to provide account features via web based user interfaces |
US20140222515A1 (en) * | 2012-12-31 | 2014-08-07 | Pitney Bowes Inc. | Systems and methods for enhanced principal components analysis |
US10423973B2 (en) | 2013-01-04 | 2019-09-24 | PlaceIQ, Inc. | Analyzing consumer behavior based on location visitation |
US20140236669A1 (en) | 2013-02-18 | 2014-08-21 | PlaceIQ, Inc. | Apparatus and Method for Identifying and Employing Visitation Rates |
US10949752B1 (en) * | 2013-01-30 | 2021-03-16 | Applied Predictive Technologies, Inc. | System and method of portfolio matching |
US20140229236A1 (en) * | 2013-02-12 | 2014-08-14 | Unify Square, Inc. | User Survey Service for Unified Communications |
US20140229233A1 (en) * | 2013-02-13 | 2014-08-14 | Mastercard International Incorporated | Consumer spending forecast system and method |
US20140236725A1 (en) * | 2013-02-21 | 2014-08-21 | Moasis Global Inc. | Systems and Methods for Presenting and Delivering Content |
US9697263B1 (en) | 2013-03-04 | 2017-07-04 | Experian Information Solutions, Inc. | Consumer data request fulfillment system |
US9147218B2 (en) | 2013-03-06 | 2015-09-29 | Sas Institute Inc. | Devices for forecasting ratios in hierarchies |
US20150019287A1 (en) | 2013-03-14 | 2015-01-15 | Groupon, Inc. | Method, apparatus, and computer program product for providing mobile location based sales lead identification |
US9870589B1 (en) | 2013-03-14 | 2018-01-16 | Consumerinfo.Com, Inc. | Credit utilization tracking and reporting |
US20140278744A1 (en) * | 2013-03-15 | 2014-09-18 | Mastercard International Incorporated | Systems and methods for recommending competitor sets |
US8706557B1 (en) | 2013-05-08 | 2014-04-22 | Visa International Service Association | Systems and methods to identify merchants |
US20140344052A1 (en) * | 2013-05-17 | 2014-11-20 | The Procter & Gamble Company | Method for Presenting an Offer Over a Network |
US9514133B1 (en) | 2013-06-25 | 2016-12-06 | Jpmorgan Chase Bank, N.A. | System and method for customized sentiment signal generation through machine learning based streaming text analytics |
US10482498B2 (en) * | 2013-07-15 | 2019-11-19 | Capital One Services, Llc | Systems and methods for a merchant payment card marketing laboratory |
US9384497B2 (en) * | 2013-07-26 | 2016-07-05 | Bank Of America Corporation | Use of SKU level e-receipt data for future marketing |
US9934259B2 (en) | 2013-08-15 | 2018-04-03 | Sas Institute Inc. | In-memory time series database and processing in a distributed environment |
US11157944B2 (en) | 2013-09-13 | 2021-10-26 | Liveramp, Inc. | Partner encoding of anonymous links to protect consumer privacy |
US9665883B2 (en) | 2013-09-13 | 2017-05-30 | Acxiom Corporation | Apparatus and method for bringing offline data online while protecting consumer privacy |
US10990686B2 (en) | 2013-09-13 | 2021-04-27 | Liveramp, Inc. | Anonymous links to protect consumer privacy |
US10592920B2 (en) | 2013-09-19 | 2020-03-17 | Liveramp, Inc. | Method and system for tracking user engagement on multiple third-party sites |
US10621600B2 (en) | 2013-09-23 | 2020-04-14 | Liveramp, Inc. | Method for analyzing website visitors using anonymized behavioral prediction models |
US10929888B1 (en) * | 2013-10-02 | 2021-02-23 | Worldpay, Llc | Secure electronic transaction authorization based on tokenized identifiers and location data |
US20150100481A1 (en) * | 2013-10-08 | 2015-04-09 | Mastercard International Incorporated | Apparatus, method, and computer program product for tender type scaling using an on-line bill payment platform |
US20150112757A1 (en) * | 2013-10-23 | 2015-04-23 | International Business Machines Corporation | Insight market |
US10489754B2 (en) | 2013-11-11 | 2019-11-26 | Visa International Service Association | Systems and methods to facilitate the redemption of offer benefits in a form of third party statement credits |
US9418341B1 (en) * | 2013-12-03 | 2016-08-16 | Google Inc. | Determining quality signals for electronic mail offer campaigns |
US10296927B2 (en) * | 2013-12-20 | 2019-05-21 | Iqvia Inc. | System and method for projecting product movement |
US20150178749A1 (en) * | 2013-12-23 | 2015-06-25 | Mastercard International, Inc. | Methods, systems and computer readable media for predicting consumer purchase behavior |
US10083409B2 (en) | 2014-02-14 | 2018-09-25 | Bby Solutions, Inc. | Wireless customer and labor management optimization in retail settings |
US20150242869A1 (en) * | 2014-02-21 | 2015-08-27 | Mastercard International Incorporated | Method and system for linking transaction data with events |
US10419379B2 (en) | 2014-04-07 | 2019-09-17 | Visa International Service Association | Systems and methods to program a computing system to process related events via workflows configured using a graphical user interface |
US20150302464A1 (en) * | 2014-04-16 | 2015-10-22 | Mastercard International Incorporated | Systems and methods for audience performance optimization using credit card data, historical network transaction data, and promotion contact data |
US10169720B2 (en) | 2014-04-17 | 2019-01-01 | Sas Institute Inc. | Systems and methods for machine learning using classifying, clustering, and grouping time series data |
US10354268B2 (en) | 2014-05-15 | 2019-07-16 | Visa International Service Association | Systems and methods to organize and consolidate data for improved data storage and processing |
US9892370B2 (en) | 2014-06-12 | 2018-02-13 | Sas Institute Inc. | Systems and methods for resolving over multiple hierarchies |
US10650398B2 (en) | 2014-06-16 | 2020-05-12 | Visa International Service Association | Communication systems and methods to transmit data among a plurality of computing systems in processing benefit redemption |
US20150371248A1 (en) * | 2014-06-24 | 2015-12-24 | Mastercard International Incorporated | Systems and methods for determining sales migration between merchant types |
US11257117B1 (en) | 2014-06-25 | 2022-02-22 | Experian Information Solutions, Inc. | Mobile device sighting location analytics and profiling system |
AU2014399371A1 (en) * | 2014-07-02 | 2017-02-23 | Herbert Boos | Method and device for controlling the output of product-related advertising messages to customers in shopping facilities |
US10438226B2 (en) | 2014-07-23 | 2019-10-08 | Visa International Service Association | Systems and methods of using a communication network to coordinate processing among a plurality of separate computing systems |
US9208209B1 (en) | 2014-10-02 | 2015-12-08 | Sas Institute Inc. | Techniques for monitoring transformation techniques using control charts |
US11210669B2 (en) | 2014-10-24 | 2021-12-28 | Visa International Service Association | Systems and methods to set up an operation at a computer system connected with a plurality of computer systems via a computer network using a round trip communication of an identifier of the operation |
US20160253686A1 (en) * | 2015-01-15 | 2016-09-01 | Steven A. Roberts | Transaction-specific customer survey system |
US9418339B1 (en) | 2015-01-26 | 2016-08-16 | Sas Institute, Inc. | Systems and methods for time series analysis techniques utilizing count data sets |
US10187447B1 (en) | 2016-01-28 | 2019-01-22 | Twitter, Inc. | Method and system for online conversion attribution |
US9971469B2 (en) | 2015-01-30 | 2018-05-15 | Oracle International Corporation | Method and system for presenting business intelligence information through infolets |
US9881265B2 (en) | 2015-01-30 | 2018-01-30 | Oracle International Corporation | Method and system for implementing historical trending for business records |
US9971803B2 (en) * | 2015-01-30 | 2018-05-15 | Oracle International Corporation | Method and system for embedding third party data into a SaaS business platform |
US9691085B2 (en) | 2015-04-30 | 2017-06-27 | Visa International Service Association | Systems and methods of natural language processing and statistical analysis to identify matching categories |
US9838540B2 (en) | 2015-05-27 | 2017-12-05 | Ingenio, Llc | Systems and methods to enroll users for real time communications connections |
US9509846B1 (en) | 2015-05-27 | 2016-11-29 | Ingenio, Llc | Systems and methods of natural language processing to rank users of real time communications connections |
US10983682B2 (en) | 2015-08-27 | 2021-04-20 | Sas Institute Inc. | Interactive graphical user-interface for analyzing and manipulating time-series projections |
US10249002B2 (en) | 2015-09-11 | 2019-04-02 | Bank Of America Corporation | System for dynamic visualization of individualized consumption across shared resource allocation structure |
US10013714B2 (en) | 2015-09-11 | 2018-07-03 | Bank Of America Corporation | System for simulation and implementation of dynamic state-dependent resource reconfiguration |
US10127551B2 (en) | 2015-09-11 | 2018-11-13 | Bank Of America Corporation | System for modeling and implementing event-responsive resource allocation structures |
SG10201508083XA (en) * | 2015-09-29 | 2017-04-27 | Mastercard International Inc | Methods and apparatus for estimating potential demand at a prospective merchant location |
US20170116286A1 (en) * | 2015-10-23 | 2017-04-27 | Lunatech, Llc | Methods And Systems For Identifying A Target Market |
US11410230B1 (en) | 2015-11-17 | 2022-08-09 | Consumerinfo.Com, Inc. | Realtime access and control of secure regulated data |
US9767309B1 (en) | 2015-11-23 | 2017-09-19 | Experian Information Solutions, Inc. | Access control system for implementing access restrictions of regulated database records while identifying and providing indicators of regulated database records matching validation criteria |
US10757154B1 (en) | 2015-11-24 | 2020-08-25 | Experian Information Solutions, Inc. | Real-time event-based notification system |
US11403648B1 (en) * | 2016-03-10 | 2022-08-02 | Opal Labs Inc. | Omni-channel brand analytics insights engine, method, and system |
KR102489287B1 (ko) * | 2016-03-25 | 2023-01-17 | 에스케이텔레콤 주식회사 | 멤버십 관리 시스템, 사용자에 의한 멤버십 등록을 이용한 멤버십 관리 방법 및 이를 이용한 장치 |
GB2551784A (en) * | 2016-06-30 | 2018-01-03 | Ack Ventures Holdings Uk Ltd | System and method for digital advertising campaign optimization |
US10438296B2 (en) | 2016-08-08 | 2019-10-08 | Bank Of America Corporation | System for analyzing historical events to determine potential catalysts and automatically generating and implementing mitigation |
US10678894B2 (en) | 2016-08-24 | 2020-06-09 | Experian Information Solutions, Inc. | Disambiguation and authentication of device users |
US10262336B2 (en) | 2016-09-12 | 2019-04-16 | Accelerize Inc. | Non-converting publisher attribution weighting and analytics server and method |
US10679189B1 (en) * | 2016-12-29 | 2020-06-09 | Wells Fargo Bank, N.A. | System and method for monitoring retirement conduct |
CA3050139A1 (en) | 2017-01-31 | 2018-08-09 | Experian Information Solutions, Inc. | Massive scale heterogeneous data ingestion and user resolution |
US20180276694A1 (en) * | 2017-03-22 | 2018-09-27 | Loyalty Vision Corporation | Consumer response intelligent spend prediction system |
TWI649708B (zh) * | 2017-04-25 | 2019-02-01 | 福皓整合科技有限公司 | 客戶價值之預測方法 |
US10735183B1 (en) | 2017-06-30 | 2020-08-04 | Experian Information Solutions, Inc. | Symmetric encryption for private smart contracts among multiple parties in a private peer-to-peer network |
US11282092B2 (en) * | 2017-07-18 | 2022-03-22 | Jpmorgan Chase Bank, N.A. | System and method for universal data modeling |
US10331490B2 (en) | 2017-11-16 | 2019-06-25 | Sas Institute Inc. | Scalable cloud-based time series analysis |
CA3026837A1 (en) * | 2017-12-07 | 2019-06-07 | Fifth Third Bancorp | Geospatial market analytics |
WO2019133501A1 (en) * | 2017-12-29 | 2019-07-04 | Groupon, Inc. | Methods and systems for generating a supply index indicative of a quality of available supply |
US10338994B1 (en) | 2018-02-22 | 2019-07-02 | Sas Institute Inc. | Predicting and adjusting computer functionality to avoid failures |
US10255085B1 (en) | 2018-03-13 | 2019-04-09 | Sas Institute Inc. | Interactive graphical user interface with override guidance |
US20190333085A1 (en) * | 2018-04-25 | 2019-10-31 | International Business Machines Corporation | Identifying geographic market share |
US11151602B2 (en) * | 2018-04-30 | 2021-10-19 | Dish Network L.L.C. | Apparatus, systems and methods for acquiring commentary about a media content event |
US10880313B2 (en) | 2018-09-05 | 2020-12-29 | Consumerinfo.Com, Inc. | Database platform for realtime updating of user data from third party sources |
US11449880B2 (en) * | 2018-11-01 | 2022-09-20 | Nielsen Consumer Llc | Methods, systems, apparatus and articles of manufacture to model eCommerce sales |
US11620403B2 (en) | 2019-01-11 | 2023-04-04 | Experian Information Solutions, Inc. | Systems and methods for secure data aggregation and computation |
MX2021010780A (es) | 2019-03-08 | 2021-09-30 | Acxiom Llc | Sistema de resolucion para consumidores en el punto de venta. |
WO2020237068A1 (en) * | 2019-05-21 | 2020-11-26 | Wilson Craig P | Data analytic method and system |
US11188861B1 (en) | 2019-12-11 | 2021-11-30 | Wells Fargo Bank, N.A. | Computer systems for meta-alert generation based on alert volumes |
US11682041B1 (en) | 2020-01-13 | 2023-06-20 | Experian Marketing Solutions, Llc | Systems and methods of a tracking analytics platform |
EP4118594A4 (en) * | 2020-03-10 | 2023-12-13 | Cxo Nexus | ACCELERATE INTELLIGENT BUSINESS WITH TIMELY VENDOR SPEND ANALYTICS |
US20210390565A1 (en) * | 2020-06-12 | 2021-12-16 | Nielsen Consumer Llc | Methods and apparatus to adaptively collect market research data |
US20230267465A1 (en) * | 2020-07-02 | 2023-08-24 | Catalina Marketing Corporation | Method to solicit a user generated response to determine if a consumer made a purchase |
US20220270117A1 (en) * | 2021-02-23 | 2022-08-25 | Christopher Copeland | Value return index system and method |
US20220405781A1 (en) * | 2021-06-18 | 2022-12-22 | Blue Boat Data Inc. | System and Method for In-Store Customer Feedback Collection and Utilization |
US20230169564A1 (en) * | 2021-11-29 | 2023-06-01 | Taudata Co., Ltd. | Artificial intelligence-based shopping mall purchase prediction device |
Family Cites Families (44)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4331973A (en) | 1980-10-21 | 1982-05-25 | Iri, Inc. | Panelist response scanning system |
USRE31951E (en) | 1980-12-24 | 1985-07-16 | Npd Research, Inc. | Market survey data collection method |
US4355372A (en) * | 1980-12-24 | 1982-10-19 | Npd Research Inc. | Market survey data collection method |
US4603232A (en) * | 1984-09-24 | 1986-07-29 | Npd Research, Inc. | Rapid market survey collection and dissemination method |
US5870724A (en) * | 1989-12-08 | 1999-02-09 | Online Resources & Communications Corporation | Targeting advertising in a home retail banking delivery service |
AUPM813394A0 (en) * | 1994-09-14 | 1994-10-06 | Dolphin Software Pty Ltd | A method and apparatus for preparation of a database document in a local processing apparatus and loading of the database document with data from remote sources |
US5966695A (en) * | 1995-10-17 | 1999-10-12 | Citibank, N.A. | Sales and marketing support system using a graphical query prospect database |
US5822744A (en) * | 1996-07-15 | 1998-10-13 | Kesel; Brad | Consumer comment reporting apparatus and method |
US5913204A (en) * | 1996-08-06 | 1999-06-15 | Kelly; Thomas L. | Method and apparatus for surveying music listener opinion about songs |
US5923016A (en) | 1996-12-03 | 1999-07-13 | Carlson Companies, Inc. | In-store points redemption system & method |
US6233564B1 (en) | 1997-04-04 | 2001-05-15 | In-Store Media Systems, Inc. | Merchandising using consumer information from surveys |
US20020174013A1 (en) | 1998-04-17 | 2002-11-21 | Viztec Inc., A Florida Corporation | Chip card advertising method and system |
US6236975B1 (en) * | 1998-09-29 | 2001-05-22 | Ignite Sales, Inc. | System and method for profiling customers for targeted marketing |
JP2000113334A (ja) * | 1998-09-30 | 2000-04-21 | Ncr Internatl Inc | 販売管理端末装置を用いて顧客向けの広告メッセ―ジを表示する方法及びその装置 |
US6256663B1 (en) * | 1999-01-22 | 2001-07-03 | Greenfield Online, Inc. | System and method for conducting focus groups using remotely loaded participants over a computer network |
US6334110B1 (en) * | 1999-03-10 | 2001-12-25 | Ncr Corporation | System and method for analyzing customer transactions and interactions |
US6594638B1 (en) * | 1999-04-07 | 2003-07-15 | Netstakes, Inc. | On-line method and apparatus for collecting demographic information about a user of a world-wide-web site and dynamically selecting questions to present to the user |
US6430539B1 (en) * | 1999-05-06 | 2002-08-06 | Hnc Software | Predictive modeling of consumer financial behavior |
US6505168B1 (en) * | 1999-08-16 | 2003-01-07 | First Usa Bank, Na | System and method for gathering and standardizing customer purchase information for target marketing |
AU2077701A (en) | 1999-12-10 | 2001-06-18 | Touchpak, Inc | Method and system for electronic distribution and collection of survey information |
US7668747B2 (en) * | 1999-12-13 | 2010-02-23 | Autosavings Network, Inc. | System and method for providing incentives to purchasers |
US20010032115A1 (en) * | 1999-12-23 | 2001-10-18 | Michael Goldstein | System and methods for internet commerce and communication based on customer interaction and preferences |
US6826540B1 (en) * | 1999-12-29 | 2004-11-30 | Virtual Personalities, Inc. | Virtual human interface for conducting surveys |
US20030093414A1 (en) | 2000-11-14 | 2003-05-15 | Steve Litzow | System and method for dynamic price setting and facilitation of commercial transactions |
US20010037206A1 (en) | 2000-03-02 | 2001-11-01 | Vivonet, Inc. | Method and system for automatically generating questions and receiving customer feedback for each transaction |
MXPA02009776A (es) | 2000-04-03 | 2004-09-06 | Pugliese Company | Sistema y metodo para desplegar y vender bienes y servicios. |
US6506168B1 (en) * | 2000-05-26 | 2003-01-14 | Abbott Laboratories | Apparatus and method for obtaining blood for diagnostic tests |
US20020016731A1 (en) * | 2000-05-26 | 2002-02-07 | Benjamin Kupersmit | Method and system for internet sampling |
US20030167197A1 (en) * | 2000-06-30 | 2003-09-04 | Walker Information | Customer relationship measurement and management system and method |
US7337127B1 (en) * | 2000-08-24 | 2008-02-26 | Facecake Marketing Technologies, Inc. | Targeted marketing system and method |
WO2002019232A1 (en) * | 2000-09-01 | 2002-03-07 | Blue Bear Llc | System and method for performing market research studies on online content |
US20020128908A1 (en) * | 2000-09-15 | 2002-09-12 | Levin Brian E. | System for conducting user-specific promotional campaigns using multiple communications device platforms |
US6778807B1 (en) * | 2000-09-15 | 2004-08-17 | Documus, Llc | Method and apparatus for market research using education courses and related information |
AU9124801A (en) * | 2000-09-28 | 2002-04-08 | Oracle Corp | Enterprise web mining system and method |
CA2429189A1 (en) * | 2000-11-15 | 2002-05-23 | Manugistics Atlanta, Inc. | Promotion pricing system and method |
US20020123957A1 (en) | 2000-12-29 | 2002-09-05 | Burt Notarius | Method and apparatus for marketing and communicating in the wine/spirits industry |
US20020107719A1 (en) | 2001-02-07 | 2002-08-08 | Tsang You Mon | System of analyzing networked searches within business markets |
US7272849B2 (en) * | 2001-04-20 | 2007-09-18 | Hewlett-Packard Development Company, L.P. | System and method for sharing data |
WO2003011410A1 (en) | 2001-08-03 | 2003-02-13 | Walker Digital, Llc | Method and apparatus for generating directives for personnel |
US20030088436A1 (en) | 2001-10-09 | 2003-05-08 | Berger Lenard J | System for management of information flow in automotive dealerships |
US20030149623A1 (en) * | 2002-02-06 | 2003-08-07 | Chen Timothy Tianyi | Method and apparatus for targeted marketing |
US20030204436A1 (en) * | 2002-04-30 | 2003-10-30 | Joerg Flender | Survey data gathering |
US7904327B2 (en) * | 2002-04-30 | 2011-03-08 | Sas Institute Inc. | Marketing optimization system |
US20040059634A1 (en) | 2002-09-24 | 2004-03-25 | Tami Michael A. | Computerized system for a retail environment |
-
2004
- 2004-06-10 WO PCT/US2004/018444 patent/WO2005001631A2/en active Application Filing
- 2004-06-10 CN CNA2004800211149A patent/CN1826618A/zh active Pending
- 2004-06-10 US US10/864,529 patent/US7937286B2/en active Active
- 2004-06-10 EP EP04776429A patent/EP1636747A4/en not_active Ceased
- 2004-06-10 CA CA002533007A patent/CA2533007A1/en not_active Abandoned
-
2011
- 2011-04-14 US US13/087,053 patent/US10192225B2/en active Active
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102388399A (zh) * | 2009-04-09 | 2012-03-21 | 中心页有限公司 | 通过博客剪贴销售模板的商品和内容销售装置及方法 |
CN103544371A (zh) * | 2012-07-11 | 2014-01-29 | 尼尔森(美国)有限公司 | 评估模型稳定性和拟合度的方法和装置 |
CN103150657A (zh) * | 2013-04-03 | 2013-06-12 | 宋子诚 | 零售连锁渠道及网络协同分销电商系统 |
CN105931065A (zh) * | 2015-09-22 | 2016-09-07 | 中国银联股份有限公司 | 客户群特征数据的处理方法及装置 |
CN105931065B (zh) * | 2015-09-22 | 2019-12-06 | 中国银联股份有限公司 | 客户群特征数据的处理方法及装置 |
CN105554024A (zh) * | 2016-01-18 | 2016-05-04 | 成都陌云科技有限公司 | 一种互联网返利销售平台的数据收集与传输系统 |
CN108573413A (zh) * | 2018-04-27 | 2018-09-25 | 厦门南讯软件科技有限公司 | 一种营销数据快速分析方法及装置 |
CN109711950A (zh) * | 2019-01-18 | 2019-05-03 | 深圳壹账通智能科技有限公司 | 营销产品的推荐方法、装置、存储介质及计算机设备 |
US11295330B2 (en) * | 2019-04-10 | 2022-04-05 | Aurelis Consulting Sp. z o.o. | Price rule integrated comparison engine |
CN112488748A (zh) * | 2020-11-18 | 2021-03-12 | 银联智惠信息服务(上海)有限公司 | 数据标识匹配方法及装置、存储介质、计算设备 |
CN112488748B (zh) * | 2020-11-18 | 2024-01-05 | 银联智惠信息服务(上海)有限公司 | 数据标识匹配方法及装置、存储介质、计算设备 |
CN112651632A (zh) * | 2020-12-25 | 2021-04-13 | 车主邦(北京)科技有限公司 | 基于营销数据的信息分析处理方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
US20110191140A1 (en) | 2011-08-04 |
EP1636747A4 (en) | 2007-01-03 |
US7937286B2 (en) | 2011-05-03 |
CA2533007A1 (en) | 2005-01-06 |
US10192225B2 (en) | 2019-01-29 |
US20050055275A1 (en) | 2005-03-10 |
WO2005001631A2 (en) | 2005-01-06 |
EP1636747A2 (en) | 2006-03-22 |
WO2005001631A3 (en) | 2005-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1826618A (zh) | 分析市场营销的系统和方法 | |
Lam et al. | The influence of internet-based customer relationship management on customer loyalty | |
Armstrong | A handbook of management techniques: A comprehensive guide to achieving managerial excellence & improved decision making | |
Tsu Wee Tan et al. | Managing market intelligence: an Asian marketing research perspective | |
US20090307054A1 (en) | Consumer and Shopper Analysis System | |
Zamil | Customer relationship management: a strategy to sustain the organization’s name and products in the customers’ minds | |
Jones et al. | Conceptualizing a path-to-purchase framework and exploring its role in shopper segmentation | |
Noori et al. | A decision‐support system for business‐to‐business marketing | |
Achimba et al. | Innovation in banking industry: Achieving customer satisfaction | |
HR et al. | Retailing performance evaluation scale for Indian brick-and-mortar lifestyle retailers (LSRS-b) | |
Vashisht | A practical approach to marketing management | |
Fragouli et al. | Application of electronic customer relationship management (e-CRM) for promoting products and services in a local context: Exploration of a case | |
Smith | Customer loyalty card programmes and its interaction with support technology in the retail industry | |
Stone et al. | The definitive guide to direct and interactive marketing: how to select, reach and retain the right customers | |
Tybout et al. | Identifying Market Segments and Selecting Targets | |
Koumbis | An Introduction to Fashion Retailing: From Managing to Merchandising | |
Bhardwaj et al. | Large Plant Openings and Retail Prices | |
Wahab et al. | A Comprehensive Study on Promotional Activities by Creamline Dairy Products Limited with Special Reference to Jersey Brand | |
Doyle | Converting university spending to greenhouse gas emissions: A supply chain carbon footprint analysis of UC Berkeley | |
Rashid et al. | Study on the scope and opportunities of category management for aligning the supplier-retailer business strategy | |
Gaurav et al. | Impact of Customer Relationship Management (CRM) on Customer Loyalty in Indian Organized Retailing-An Agenda for Inquiry | |
THAPA | A PROJECT REPORT ON MARKETING STRATEGIES OF TATA GROUP PRIVATE LIMITED | |
Martinez | A Small Retail Firm’s Approach to Capture the Plus-Size Women’s Market | |
Nurrahma et al. | The Effect of Product Quality, Brand Equity, Place, and Promotion Towards Repurchase Intention Decision of Warunk Gacoan Solo | |
Khalil | The impact of service quality on sales performance: a case of Shwapno |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Open date: 20060830 |