[发明专利]用于认知邻接规划和认知货架图设计的系统和方法

说明书

提供了一种方法、计算机程序产品和计算系统，用于为多个产品定义多个基于零售位置的销售数据。可以从多个产品中定义多个关联对。可以至少部分基于多个产品的多个基于零售位置的销售数据和从多个产品中定义的多个关联对来确定多个产品的多个零售位置。可以在用户界面上生成货架图，其中货架图可以包括至少部分基于多个产品的多个零售位置的多个产品的至少一部分在零售空间内的放置。

技术领域

本发明总体上涉及计算机软件，并且更具体地涉及认知规划。

背景技术

邻接规划是零售中的功能，尤其是物理/实体(B&M)商店中的功能，其确定需要放置每个产品/库存保持单元(SKU)的位置以确定最佳商店布局。传统上，很多人类经验和启发式方法进入邻接规划和最终确定商店布局。关键性能指标(KPI)不是初始设计的因素，也不是事后测量或最终设计的结果。

为了优化特定KPI，根据专家/主题专家(SME)/本地权威经验迭代地改变现有分类规划、邻接和布局，并且重新测量目标函数。该手动/迭代过程是一个持续不断的过程，具有未知结束/最佳状态。

传统的邻接规划系统存在很多缺点。除了需要大量的人工知识和工作，并且高度依赖于SME支持和知识之外，传统的邻接规划系统不具有可以证实历史测量的稳定状态，并且因此不会产生用于整体优化的任何有意义的数据。另外，传统的邻接规划系统导致不断变化的配置，除了小的贪婪优化之外，它不能实现其最终目标。

此外，在很多情况下，当仅需要改变由传统邻接规划系统产生的设计的一个方面时，例如，两个产品之间的邻接时，它也可能导致改变分类，这可能导致目标的逆转并且在短期内产生不稳定的系统。

此外，特别是在时尚和其他快速变化的产品的情况下，分类规划需求可能是如此频繁以至于这样的手动系统甚至不能获取良好的局部最优，放弃旨在实现全局最优。

另一非常重要的方面，特别是对于时装店(例如，B&M时装店)，邻接的概念不是很科学。用于一般类别的算法目前也应用于时尚子类别规划。但就时尚而言，即使是两个相似地销售的产品也许不是时尚同义的，并且将它们放在一起(当它们属于不同的时尚概念时)可能会适得其反。到目前为止，还没有任何认知研究或人工智能解决方案涉及时尚的邻接规划。

事实上，没有任何认知/人工智能/计算机视觉，或者甚至没有以完全自动化的方式进行邻接规划的高级机器学习系统。

发明内容

在一个示例实现中，一种计算机实现的方法在计算设备上执行，并且可以包括但不限于为多个产品定义多个基于零售位置的销售数据。可以从多个产品中定义多个关联对。可以至少部分基于多个产品的多个基于零售位置的销售数据和从多个产品中定义的多个关联对来确定多个产品的多个零售位置。可以在用户界面上生成货架图，其中货架图可以包括至少部分基于多个产品的多个零售位置的多个产品的至少一部分在零售空间内的放置。

可以包括以下示例特征中的一个或多个。多个产品可以包括多个时尚产品，并且从多个时尚产品中定义多个关联对可以至少部分基于表示多个时尚产品的多个时尚能力得分中的一个或多个时尚能力得分和多个时尚产品之间的视觉相似性。从多个产品中定义多个关联对可以包括经由机器学习系统对多个基于零售位置的销售数据执行一个或多个序列挖掘算法以定义在多个交易期间购买的多个产品的子集之间的一个或多个顺序关系。确定多个产品的多个零售位置可以包括接收从多个营销目标中对营销目标的选择。确定多个产品的多个零售位置可以包括至少部分基于所接收的营销目标选择来确定多个产品的多个零售位置。多个产品的多个零售位置可以包括至少部分基于多个产品的多个基于零售位置的销售数据和从多个产品中定义的关联对的多个产品相对于彼此的相对定位。在用户界面上生成货架图可以包括将表示多个产品的至少一部分的多个图像插入到货架图中用于多个产品的至少一部分的所确定的多个零售位置处。