CN102567896A - 用于在超市中分派商品货位的方法和系统 - Google Patents

Abstract

本发明涉及物联网技术。提供一种用于在超市中分派商品货位的方法和系统，该方法包含：获取超市中顾客的购物路径；按照预定标准划分顾客类别；根据顾客的购物路径，确定每类顾客中的较多顾客采用的一个或多个购物路径，作为该类顾客的频繁购物路径；根据顾客的购物清单，计算每类顾客对商品的看购率，其中，某类顾客对某商品的看购率是指该类顾客看到该商品并购买该商品的概率；对于一个商品集合，计算使所述商品集合在一定时期的总期望收益最大时所述商品集合中每种商品分别所在的货位，其中，总期望收益包括所述每种商品位于各自货位时所述每种商品基于看购率和频繁购物路径的期望收益之和。

Description

用于在超市中分派商品货位的方法和系统

技术领域

本发明涉及物联网技术，更具体来说，涉及支持零售超市中的商品货位管理的技术。

背景技术

如何将待售商品摆放在超市中不同的货位，以方便顾客购买，唤起顾客的购买欲，对于商家和顾客来说，都非常重要。现有的大型超市中，采用了各种技术来支持对商品货位管理。例如，商品货位管理人员通常通过现场观察(或监控摄像)，记录超市内客流量情况，在客流量较大的地点(例如收银台附近)或促销区的货位上，摆放热门商品、促销商品、重要商品，以获得大的销售收益。传统方法建议将关联商品摆放在一起，将收益大的商品摆放在客流大的位置，但由于超市销售空间中对品种区域的限制，零售商通常会将商品分区域摆放，不同类的商品常常不能摆在一起。而且，不同的客户群感兴趣的商品也不同，将所有相关联的商品摆在一起没有考虑客户群的差异。

发明内容

本发明旨在提供一种用于支持在商品零售超市中进行商品货位管理的改进方法。

一方面，提供一种用于在超市中分派商品货位的方法，包含：

获取超市中顾客的购物路径；

按照预定标准划分顾客类别；

根据顾客的购物路径，确定每类顾客中的较多顾客采用的一个或多个购物路径，作为该类顾客的频繁购物路径；

根据顾客的购物清单和购物路径，计算每类顾客对商品的看购率，其中，某类顾客对某商品的看购率是指该类顾客看到该商品并购买该商品的概率；

对于一个商品集合，计算使所述商品集合在一定时期的总期望收益最大时所述商品集合中每种商品分别所在的货位，其中，总期望收益包括所述每种商品位于各自货位时所述每种商品基于看购率和频繁购物路径的期望收益之和。

另一方面，提供一种用于在超市中分派商品货位的系统，包含：

购物路径获取装置，用于获取超市中顾客的购物路径；

分类装置，用于按照预定标准划分顾客类别；

频繁购物路径确定装置，用于根据顾客的购物路径，确定每类顾客中的较多顾客采用的一个或多个购物路径，作为该类顾客的频繁购物路径；

看购率计算装置，用于根据顾客的购物清单和购物路径，计算每类顾客对商品的看购率，其中，某类顾客对某商品的看购率是指该类顾客看到该商品并购买该商品的概率；

商品货位确定装置，对于一个商品集合，所述商品货位确定装置计算使所述商品集合在一定时期的总期望收益最大时所述商品集合中每种商品分别所在的货位，其中，总期望收益包括所述每种商品位于各自货位时所述每种商品基于看购率和频繁购物路径的期望收益之和。

按照本发明的实施例，可以在促销、陈列变更、新商品上架时，以系统化的方式确定一种或多种商品的摆放位置。

附图说明

发明内容部分和所附权利要求中阐述了被认为是本发明的特点的创造性特征。但是，通过参照附图阅读下面对示例性实施例的详细说明可更好地理解发明本身以及其使用模式、另外的目标、特征以及优点，在附图中：

图1A和1B示意性表示可实施按照本发明实施例的方法和系统的环境；

图2示意性地表示按照本发明实施例的方法的流程图；

图3示意性表示对顾客进行分类；

图4示意性表示按照本发明实施例确定各类顾客的频繁购物路径的方法；

图5A示意性表示频繁购物路径和货位；

图5B示意性表示按照本发明实施例的方法确定的商品摆放方案；

图6示意性表示按照本发明实施例的系统的框图。

具体实施方式

下面参照附图来说明本发明的实施例。在下面的说明中，阐述了许多具体细节以便更全面地了解本发明。但是，对于本技术领域内的技术人员很明显，本发明的实现可不具有这些具体细节。此外，应当理解的是，本发明并不限于所介绍的特定实施例。相反，可以考虑用下面的特征和元素的任意组合来实施和实践本发明。而无论它们是否涉及不同的实施例。因此，下面的方面、特征、实施例和优点仅作说明之用而不应被看作是所附权利要求的要素或限定，除非权利要求中明确提出。

图1A和1B示意性表示可实施按照本发明实施例的方法和系统的环境，其中，图1A表示顾客在超市中购物时的情形。

如图1A和1B所示，在超市100中销售区的不同位置，部署有用于摆放待售商品的货位(7、15、22)。顾客110推着购物车120，在超市100中走动，当看到想要购买的商品时，就将商品从货位上取下，放入购物车120中。最后，在超市的出口处时，售货员清点顾客的购物车中的商品，将数据输入POS机(未予示出)。POS机生成一个记录有商品名称和数量等的购物清单，并向顾客显示购物清单和应付的金额，顾客结账后，取走购物车中的商品。

图2是表示按照本发明实施例的方法的流程图。该流程图中包括步骤210、220、230、240和250。以下结合其它附图，对这些步骤作详细的说明。

在步骤210，获取超市中顾客的购物路径。顾客的购物路径，指顾客在超市的销售区中的行走路线。

按照本发明一个实施例，可以通过跟踪顾客的购物车来获得关于顾客的购物路径的数据。参看图1A和1B，一种实施方式是，，在购物车120或购物篮上安装RFID标签125，另一方面，在销售区的不同位置(L3、L4、L5、L6、L9、L10、L11、L12)部署RFID读写器(RFID reader)130。购物车(或购物篮)在超市中随顾客的走动而移动时，RFID读写器130可以检测到购物车上的RFID标签125，从而检测到对应的购物车经过该位置。例如如图1B所示，如果部署在位置L5的RFID读写器检测到一个购物车上的RFID标签时，则认为该购物车在移动过程中经过位置L5。

通过部署在超市中不同位置的RFID读写器130，可以检测到同一个购物车经过的不同位置。按照时间顺序排列同一个购物车经过的不同位置，所获得的位置序列，就能代表顾客的购物路径。例如，图1中所示的一个购物路径Path_A_2，可以由位置序列140(例如<L3，L5，L9，L11，L12>)代表。可以将这种购物路径与顾客相关联地存储到数据库150。本发明的方法和系统可以通过计算机(未予示出)访问数据库，以读写数据。

在步骤220，按照预定标准划分顾客类别。

可以如图3所例示的那样实现步骤220。

图3表示，位于超市出口处的POS机302，记录有顾客的购物清单或购物篮信息，即顾客购买了哪些商品。

图3还表示，顾客在结账时，可以出示会员卡301。一般来说，会员卡上一般记录有会员卡持卡人的人口统计学特征信息，例如持卡人的年龄、职业、收入等。

上述购物清单数据和人口统计学特征信息，都可以在后台的数据库150中存储和更新，作为数据源。

根据购物清单、和/或会员人口统计学特征信息，生成标识顾客特征的特征向量表303。特征向量表303含有表示顾客特征的特征向量，作为示例，特征向量303中的特征向量<35，女，教师，5000>，<牛奶，啤酒，墨水>，表示的是编号为C336的顾客的年龄、性别、职业和收入以及购买的商品。

按照预定的标准根据这种顾客特征向量对顾客进行聚类，可以将顾客划分为各自具有相似购物特征的不同类别(例如A类、B类、C类等)，例如：

A类：男性，职业为保安、销售员等，年龄处于20-35岁之间，收入在1000-3000元之间，经常购买香肠和啤酒。

B类：女性，职业为前台、文员、教师等，年龄在25-30之间，收入在3000-5000元之间，经常购买零食和酸奶。

所属技术领域的技术人员知道，在具体实施本发明时，可以根据具体情况设定不同的标准来划分顾客的类别。因此，在此无须赘述。

在步骤230，根据顾客的购物路径，确定每类顾客中的较多顾客采用的一个或多个购物路径，作为该类顾客的频繁购物路径。

在记录了顾客的购物路径(步骤210)、划分了顾客类别(步骤220)后，就可以确定每个类别的顾客的频繁购物路径，即每类顾客中的较多顾客采用的购物路径。

这个步骤如图4所示。图4中，用带箭头的符号来形象地表示步骤210所获得的顾客的购物路径(例如图1所示的位置序列140，例如<L3，L5，L9，L11，L12>)，图4的右上侧示例性地表示A类的15位顾客各自的15个购物路径，如标记401所示；右上侧示例性地表示B类的15位顾客各自的15个购物路径，如标记402所示。其中，B类顾客的购物路径中，有8个是相同的，即是B类顾客中较多顾客采用的购物路径，因此可以将其确定为B类顾客的频繁购物路径，即图4右下侧所示的Path_B。类似地，可以确定A类顾客的频繁购物路径Path_A_1和Path_A_2。

显然，频繁购物路径可以表征顾客的购物习惯。需要指出的是，图4所示的情形仅仅是示例性的，在实施本发明时，可以根据具体情况，针对每类顾客确定更多的频繁购物路径。

在步骤240，计算各类顾客对每种商品的看购率。更具体来说，根据顾客的购物清单和购物路径，计算每类顾客对购物路径上的商品的看购率。

商品的“看购率”，是指顾客看到该商品并购买该商品的概率。

按照本发明的实施例，可以用下面的公式(1)计算各类顾客对每种商品的看购率：

R_bs(i，k)＝Nb/Ns        ……(1)

其中，i表示商品，k表示顾客类别，其中Nb是商品被该类顾客购买的次数；Ns是商品被该类顾客看到的次数。

这里，我们假设只要某商品位于某顾客经过的购物路径的货位上，该顾客就能看到该商品。由于可以获取顾客的购物路径，并且可以从顾客的购物清单中获得顾客购买了哪些商品，而商品、商品的货位和购物路径之间具有确定的关系，因此，不难得到商品被某类顾客购买的次数和被某类顾客看到的次数。

例如，在一段时间内(例如一周内)，A类顾客(k＝A)经过购物路径Path_A_2的次数是4000，该购物路径中有摆放面包(i＝1)的货位和摆放洗手液(i＝2)的货位，而A类顾客购买面包的次数是200，购买洗手液的次数是120，则Rate_bs(1，A)＝200/4000＝0.05，即对于A类顾客而言，面包的看购率是0.05；Rate_bs(2，A)＝120/4000＝0.03，即对于A类顾客而言，洗手液的看购率是0.03。B类顾客(k＝B)经过购物路径Path_B的次数是3000，该购物路径中有摆放面包(i＝1)的货位，而B类顾客购买面包的次数是300，则Rate_bs(1，B)＝300/3000＝0.1，即对于B类顾客而言，面包的看购率是0.05。

需要指出的是，计算各类顾客对每种商品的看购率，是本发明的一个特点。利用传统的现场观察或摄像头监控方法难以得到这种看购率。

步骤250，对于一个商品集合，根据看购率和频繁购物路径计算使所述商品集合在一定时期的总期望收益最大时所述商品集合中每种商品分别所在的货位。

某商品的期望收益，是指该商品摆放在某个货位所获收益的期望值。商品集合的总期望收益，是指该商品集合中每个商品摆放在各自的货位时所获收益的期望值的总和。一般来说，商品的期望收益值与商品的看购率、利润、销量和库存量成正相关关系。

上文的期望收益和总期望收益，分别在一定时期的期望收益和总的期望收益。在本文中，为了叙述的简要，在不影响内容清楚的情况下，有时省略了对期望收益的这种时间限定。

本发明在计算商品的期望收益时，通过针对不同类别的顾客，考虑了商品的货位与各类顾客的频繁购物路径的邻近关系。

按照本发明一个实施例，一个商品集合的总期望收益包括所述商品集合中每种商品位于各自货位时所述每种商品基于看购率和频繁购物路径的期望收益之和。

显然，要计算一个商品集合的总期望收益，就要计算商品集合中每种商品摆在不同货位的期望收益。

该实施例用下面的公式(2)来计算第i种商品摆放在第j个货位上时的期望收益P(i，j)：

$P(i,j)=\mathrm{profit}\left(i\right)\&CenterDot;\underset{k}{\mathrm{\&Sigma;}}[\mathrm{num}(k,j)\&CenterDot;R_{\mathrm{bs}}(i,k)......\left(2\right)$

其中，k表示顾客类别，R_bs(i，k)指第k类顾客对第i种商品的看购率，num(k，j)表示对应临近货位j的第k类顾客的频繁购物路径的在一定时期的实际购物路径的个数。

公式(2)实质上表示第i种商品摆放在第j个货位上时由各类顾客带来的期望收益。

例如，某种面包(i＝1)每袋的利润是1.2(单位：元。为了说明的简要，以下说明省略利润、收益的单位)。如果把该面包摆放在第22号货位上，由于第22号货位在A类顾客的频繁购物路径Path_A_2上，对于A类顾客而言，面包的看购率R_bs(1，A)＝0.05，A类顾客平均每周内经过该频繁购物路径Path_A_2的次数为4000，则该面包摆放在第22号货位一周的期望收益是：

P(1，22)＝1.2*(4000*R_bs(1，A))＝1.2*(4000*0.05)＝240

第15号货位在A类顾客的频繁购物路径Path_A_2和B类顾客的频繁购物路径Path_B的交叉处，对于B类顾客而言，面包的看购率R_bs(1，B)＝0.1，B类顾客平均每周经过该频繁购物路径Path_B的次数为3000，则该面包摆放在第15号货位一周的期望收益是：

P(1，15)＝1.2*(4000*R_bs(1，A)+3000*R_bs(1，B))，或

P(1，15)＝1.2*(4000*0.05+3000*0.1)＝600

第7号货位在B类顾客的频繁购物路径Path_B上，则该面包摆放在第7号货位一周的期望收益是：

P(1，7)＝1.2*(3000*R_bs(1，B))＝1.2*(3000*0.1)＝360

假设洗手液(i＝2)的单位利润是4.6元，对于A类顾客而言，洗手液的看购率R_bs(2，A)＝0.05。对于B类顾客而言，洗手液的看购率R_bs(2，B)＝0.03。则综合上面的货位和频繁路径信息可得：

该洗手液摆放在第7号货位一周的期望收益是：

P(2，7)＝4.6*(3000*R_bs(2，B))＝4.6*(3000*0.03)＝414

该洗手液摆放在第15号货位一周的期望收益是：

P(2，15)＝4.6*(4000*R_bs(2，A)+3000*R_bs(2，B))＝1334

该洗手液摆放在第22号货位一周的期望收益是：

P(2，15)＝4.6*(4000*R_bs(2，A))＝920

假设面膜的单位利润是8元，对于A类顾客而言，面膜的看购率R_bs(3，A)＝0.003。对于B类顾客而言，面膜的看购率R_bs(3，B)＝0.02。则综合上面的货位和频繁路径信息可得：

该面膜摆放在第7号货位一周的期望收益是：

P(3，7)＝8*(3000*R_bs(3，B))＝8*(3000*0.02)＝480

该面膜摆放在第15号货位一周的期望收益是：

P(3，15)＝8*(4000*R_bs(3，A)+3000*R_bs(3，B))＝576

该面膜摆放在第22号货位一周的期望收益是：

P(3，15)＝8*(4000*R_bs(3，A))＝96

以上举例说明了如何计算出第i种商品摆放在第j个货位上的期望收益P(i，j)。

以上的例子中，为了简化说明，仅仅考虑了两种类型的顾客。所属技术领域的技术人员在实施本发明时，显然可以容易地将上述方法推广到有更多类型的顾客时的情形。

如上所述，按照本发明一个实施例，一个商品集合的总期望收益包括所述商品集合中每种商品位于各自货位时所述每种商品基于看购率和频繁购物路径的期望收益之和。

一般来说，假设一个商品集合有n种商品，有m个货位可供摆放(m＞＝n＞＝1)。按照本发明，每种商品位于各自货位时所述每种商品基于看购率和频繁购物路径的期望收益之和为：

$\underset{i,j}{\mathrm{\&Sigma;}}P(i,j)\&CenterDot;x_{i,j}...\left(3\right)$

其中，

公式(3)的约束条件是：每个货位有且只有一种商品，每种商品能且只能摆放在一个货位上，即

$s.t.\left\{\begin{array}{c}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{x}_{\mathrm{ij}}=1,(i=\mathrm{1,2},...,n)\\ \underset{j=1}{\overset{m}{\mathrm{\&Sigma;}}}{x}_{\mathrm{ij}}=1,(j=\mathrm{1,2},...,m)\\ x_{\mathrm{ij}}\&Element;\left\{\mathrm{0,1}\right\},(i=\mathrm{1,2},...,n;j=\mathrm{1,2}...,m)\end{array}\right.$

本发明通过下面的公式(4)确定n种商品在m个货位中的摆放方案，使得该商品集合的总期望收益最大：

$\mathrm{Max}\underset{i,j}{\mathrm{\&Sigma;}}P(i,j)\&CenterDot;x_{i,j}...\left(4\right)$

公式(4)也称指派模型(4)，求解该指派模型，可以找出使总期望收益最大的所有i和j的组合。

下面举例说明如何求解指派模型(4)。

如图5A所示，假如有A和B两类顾客，A类顾客的频繁购物路径为Path_A_1和Path_A_2，A类顾客平均每周经过频繁购物路径Path_A_1的次数为2000，经过频繁购物路径Path_A_2的次数为4000；B类顾客所对应的频繁购物路径为Path_B，B类顾客平均每周经过频繁购物路径Path_B的次数为3000。

假设需要在货位上摆放一个的商品集合，该商品集合包含3种商品：面包(i＝1)、洗手液(i＝2)和面膜(i＝3)；有3个可供摆放的货位j：7、15和22，其中，货位7位于频繁购物路径Path_B上，货位15既位于频繁购物路径Path_A_2上，也位于频繁购物路径Path_B上，货位22位于频繁购物路径Path_A_2上。

求解指派模型或公式(4)，包括以下三个步骤。

第一，按照公式(2)计算面包、洗手液和面膜分别摆放在货位7、15和22上的期望收益P(i，j)(i＝1，2，3；j＝7，15，22)。

前文已经计算过这些期望收益，即：P(1，7)＝360，P(1，15)＝600，P(1，22)＝240，P(2，7)＝414，P(2，15)＝1334，P(2，22)＝920，P(3，7)＝480，P(3，15)＝576，P(3，22)＝96，如下面的表1所示：

表1：期望收益

第二，按照公式(3)计算每种商品位于各自货位时所述每种商品基于看购率和频繁购物路径的期望收益之和。

三种面包(i＝1)、洗手液(i＝2)和面膜(i＝3)与三个货位7、15和22有六种组合。

第1种组合，面包在摆放在货位7，洗手液摆放在货位15，面膜摆放在货位22，即x_1，7＝1，x_2，15＝1，x_3，22＝1，x_1，15＝0，x_1，22＝0；x_2，7＝0，x_2，22＝0，x_3，7＝0，x_3，15＝0，此时，面包的期望收益P(1，7)＝360，洗手液的期望收益P(2，15)＝1334，面膜的期望收益P(3，22)＝96，P(1，7)+P(2，15)+P(3，22)＝360+1334+96＝1790。

类似地，对于这三种商品与三个货位的其它组合，每种商品基于看购率和频繁购物路径的期望收益之和分别为

P(1，7)+P(3，15)+P(2，22)＝360+576+920＝1856；

P(2，7)+P(1，15)+P(3，22)＝414+600+96＝1110；

P(2，7)+P(3，15)+P(1，22)＝414+576+240＝1230；

P(3，7)+P(2，15)+P(1，22)＝480+1334+240＝2054；

P(3，7)+P(1，15)+P(2，22)＝480+600+920＝2000。

第三，选取使得上述期望收益之和最大的商品和货位的组合方案。

上面所列的分别对应六种组合的6个期望收益之和中，P(3，7)+P(2，15)+P(1，22)的值2054最大，此时x_1，22＝1；x_2，15＝1；x_3，7＝1，即使得期望收益之和最大的组合方案是，面包的货位是22、洗手液的货位是15，面膜的货位是7。于是，选取这个组合方案，如图5B所示。

以上用商品集合仅包括三种商品的简单例子，说明了求解指派模型(4)原理。显然，所述技术领域的技术人员通过计算机手段，可以对更大的商品集合的相应指派模型(4)进行求解。事实上，现有技术中就存在用来求解上述指派模型的算法。例如，“匈牙利算法”就是匈牙利数学家Edmonds于1965年提出的求解指派模型的一种常见算法，可用于求解本发明的指派模型(4)。

在上面的实施例中，一个商品集合的总期望收益包括所述商品集合中每种商品位于各自货位时所述每种商品基于看购率和频繁购物路径的期望收益之和。

按照本发明的一个实施例，一个商品集合的总期望收益进一步包括该商品集合中的商品之间的关联收益。

商品之间具有关联性。例如，对于某类顾客而言，两种(或更多种)商品经常被一起购买，可见，商品之间具有相互促销的作用。因这种相互促销作用而增加的收益，称为关联收益。如果将这些商品摆放在该类顾客的频繁购物路径上，那么将会起到相互促销作用。

现有技术中存在有挖掘商品之间关联性的算法。例如，可以用Apriori算法来对每类顾客进行购物篮分析，找出对每类顾客而言经常同时购买的商品组合。Apriori算法是由Rakesh Agrawal和Ramakrishnan Srikant两位博士在1994年提出的关联规则挖掘算法，在此无需赘述。

为了说明所述实施例，假设通过Apriori算法得出，对A类顾客而言，面包和洗手液是相关联的，由经验数据进而得到，面包和洗手液二者之间的关联收益是二者利润之和的30％。例如，面包和洗手液的单件利润分别是1.2元和4.6元，周销量分别为1000和200件，那么两者的关联收益为(1.2*1000+4.6*200)*30％＝636。

以下用α_i1，i2，k来表示对于第k类客户而言第i1种商品和第i2种商品的关联收益。

按照所述实施例，将指派模型(4)扩展为如下的指派模型(4a)：

公式(4a) $\mathrm{Max}\underset{i,j}{\mathrm{\&Sigma;}}P(i,j)\&CenterDot;x_{i,j}+\underset{i,i^{\&prime;},j,j^{\&prime;},k}{\mathrm{\&Sigma;}}{\mathrm{\&alpha;}}_{i,i^{\&prime;},k}\&CenterDot;x_{i,j}\&CenterDot;x_{i^{\&prime;},j^{\&prime;}}\&CenterDot;\mathrm{\&phi;}(j,j^{\&prime;},k)...\left(4a\right)$

其中，α_i，i′，k为对于第k类顾客而言第i种商品和第i′种商品的关联收益，并且

与指派模型(4)相比，指派模型(4a)增加了关联收益的值。

求解指派模型(4a)的方式，与上文所述的求解指派模型(4)的方式类似。下面举例说明对指派模型(4a)的求解过程。

下面的表2示意性地表示分别对于A类和B类顾客而言，三种商品中两两商品之间的关联收益占两两商品利润之和的百分比。

表2关联收益占利润百分比

例如，对于A类顾客来说，面包与洗手液之间的关联收益是二者利润之和的30％。

其中，P(i，j)的计算，与上文所述的相同。

第一，根据表2计算对每类顾客而言两两商品之间的关联收益α_i，i’，k的值。

同前文所述的例子，假设面包1、洗手液2和面膜3的单件利润分别是1.2元、4.6元和8元，周销量分别为1000、200和80件。

分别计算对于A类和B类客户而言，面包1、洗手液2和面膜3这三种商品两两间的关联收益如下。

对于A类顾客而言，面包1和洗手液2之间的关联收益是：

α_1，2，A＝(1.2*1000+4.6*200)*30％＝636；

而其它商品两两间的关联收益为0，即α_1，3，A＝0，α_2，3，A＝0；

对于B类顾客而言，面包1和面膜3之间的关联收益是：

α_1，3，B＝(1.2*1000+8*80)*10％＝184；

对于B类顾客而言，洗手液2和面膜3之间的关联收益是：

α_2，3，B＝(4.6*200+8*80)*40％＝156；

而面包1和洗手液2之间的关联收益是0，即：α_1，2，B＝0。

第二，根据超市的货位布局、A类和B类顾客的频繁购物路径，可以得出：

第三，计算下面的各式的值。

(P(1，7)+P(2，15)+P(3，22))+0＝(360+1334+96)+0＝1790；

(P(1，7)+P(3，15)+P(2，22))+α_1，3，B＝(360+576+920)+184＝2040；

(P(2，7)+P(1，15)+P(3，22))+0＝(414+600+96)+0＝1110；

(P(2，7)+P(3，15)+P(1，22))+α_2，3，B＝(414+576+240)+156＝1386；

(P(3，7)+P(2，15)+P(1，22))+(α_2，3，B+α_1，2，A)＝(480+1334+240)+(156+636)＝2210+792＝3002；

((P(3，7)+P(1，15)+P(2，22))+(α_1，3，B+α_1，2，A)＝(480+600+920)+(184+636)＝2000+820＝2820。

第四，选取使得期望收益之和最大的商品和货位的组合方案。

P(3，7)+P(2，15)+P(1，22))+(α_2，3，B+α_1，2，A)的值3002最大，此时x_1，22＝1，x_2，15＝1，x＝_3，7＝1，选取的商品和货位的组合方案是：面包、洗手液和面膜的货位分别为22，15和7。

超市工作人员可以根据这种组合方案，在将商品放到合适的货位上。由于本发明的方案考虑了各类顾客的频繁购物路径，因此可以在相关联的商品不能放在相邻位置的情况下，将关联的商品摆放位于同一条频繁购物路径上的货位。例如，对于A类顾客来讲，面包和洗手液是关联商品，但是由于食品和日化用品的区域分割限制，它们不放在邻近的架位上。利用本发明实施例，就有可能使它们被摆放在同一频繁购物路径中的货位上，这同样也会起到关联促销的作用。再如，对于B类顾客来讲，面膜和洗手液是关联商品，且B类客户没有在该超市购买面包的习惯。利用本发明实施例，有可能将洗手液被放在了A类顾客的频繁购物路径Path_A_2与B类顾客的频繁购物路径Path_B的交叉处的货位(例如15)，因此，按照本发明实施例的商品摆放方案，可以兼顾不同类型的顾客。

本发明各种实施例的方法，可以通过编程，体现为计算机程序，利用支持超市的计算机系统来运行计算机程序而实施。在上述方法的各种实施例中，对于一个给定的商品集合，要使用与商品集合中的商品的销售有关的历史信息。但是，在实施本发明时，商品集合中的商品，并不限于已经销售过的商品；如果商品集合中有新商品，则可以参照与新商品同类的商品的销售历史信息来对待新商品。

以上描述了本发明的用于在超市中分派商品货位的方法的各种实施方式。按照同一个发明构思，本发明还提供一种用于在超市中分派商品货位的系统。

如图6所示，按照本发明实施例的在超市中分派商品货位的系统600包含：

购物路径获取装置610，用于获取超市中顾客的购物路径；分类装置620，用于按照预定标准划分顾客类别；频繁购物路径确定装置630，用于根据顾客的购物路径，确定每类顾客中的较多顾客采用的一个或多个购物路径，作为该类顾客的频繁购物路径；看购率计算装置640，用于根据顾客的购物清单和购物路径，计算每类顾客对商品的看购率，其中，某类顾客对某商品的看购率是指该类顾客看到该商品并购买该商品的概率，如上文的公式(1)所示；商品货位确定装置650，对于一个商品集合，所述商品货位确定装置计算使所述商品集合在一定时期的总期望收益最大时所述商品集合中每种商品分别所在的货位，其中，总期望收益包括所述每种商品位于各自货位时所述每种商品基于看购率和频繁购物路径的期望收益之和。

按照本发明一个实施例，按照上文的公式(2)，计算第i种商品放在第j个货位上时基于看购率和频繁购物路径的期望收益。

按照本发明一个实施例，其中，利用上文的公式(3)计算一个商品集合中每种商品的所述期望收益之和。

按照本发明一个实施例，一个商品集合的总期望收益进一步包含所述商品集合中的商品之间的关联收益之和。

按照本发明一个实施例，所述商品集合中的商品之间的关联收益之和为：

$\underset{i,i^{\&prime;},j,j^{\&prime;},k}{\mathrm{\&Sigma;}}{\mathrm{\&alpha;}}_{i,i^{\&prime;},k}\&CenterDot;x_{i,j}\&CenterDot;x_{i^{\&prime;},j^{\&prime;}}\&CenterDot;\mathrm{\&phi;}(j,j^{\&prime;},k)$

其中，α_i，i′，k为对于第k类顾客而言第i种商品和第i′种商品的关联收益，并且

按照本发明一个实施例，系统600包括部署在超市中不同位置的RFID读写器130，用于检测顾客使用的购物车120上的RFID标签125，其中，所述购物路径获取装置610通过所述RFID读写器记录购物车的动态位置，从而导出顾客的购物路径。

按照本发明一个实施例，其中，分类装置620根据以下的一个或多个数据源划分顾客类别：POS机记录的购物清单、人口统计学特征信息。

以上描述了根据本发明的实施例的按照本发明实施例的用于在超市中分派商品货位系统，由于上文已经详细地描述了根据本发明的实施例的用于在超市中分派商品货位的方法，在上述对系统的描述中，省略了明显与对用于在超市中分派商品货位的方法的描述重复、或者很容易从对按照本发明实施例的用于在超市中分派商品货位的方法的描述中引申得出的内容。

本发明的系统和方法，充分地利用各种技术手段来为商品分配货位，不但有助于超市提高销售额，而且方便顾客迅速找到想要购买的商品，具有显著的技术效果。

应指出的是，以上描述仅为示例，而不是对本发明的限制。在本发明的其他实施例中，该方法可具有更多、更少或不同的步骤，对步骤的编号，是为了使说明更加简明，而不是对各步骤之间的顺序关系的严格限定，各步骤与步骤之间的顺序可以与所描述的不同。例如，在本发明的一些实施例中，可以没有上述一个或多个可选步骤。每个步骤的具体执行方式可以与所描述的不同。所有这些变化都处于本发明的精神和范围之内。

本发明可以硬件、软件、或硬件与软件的结合的方式实现。本发明可以集中的方式在一个计算机系统中实现，或以分布方式实现，在这种分布方式中，不同的部件分布在若干互连的计算机系统中。适于执行本文中描述的方法的任何计算机系统或其它装置都是合适的。一种典型的硬件和软件的组合可以是带有计算机程序的通用计算机系统，当该计算机程序被加载和执行时，控制该计算机系统而使其执行本发明的方法，并构成本发明的装置。

本发明也可体现在计算机程序产品中，该程序产品包含使能实现本文中描述的方法的所有特征，并且当其被加载到计算机系统中时，能够执行所述方法。

以上参照优选实施例具体示出和说明了本发明，本领域技术人员应理解，可在形式和细节上对其进行各种改变而不会背离本发明的精神和范围。

Claims (14)

1.用于在超市中分派商品货位的方法，包含：

获取超市中顾客的购物路径；

按照预定标准划分顾客类别；

根据顾客的购物路径，确定每类顾客中的较多顾客采用的一个或多个购物路径，作为该类顾客的频繁购物路径；

根据顾客的购物清单和购物路径，计算每类顾客对商品的看购率，其中，某类顾客对某商品的看购率是指该类顾客看到该商品并购买该商品的概率；

对于一个商品集合，计算使所述商品集合在一定时期的总期望收益最大时所述商品集合中每种商品分别所在的货位，其中，总期望收益包括所述每种商品位于各自货位时所述每种商品基于看购率和频繁购物路径的期望收益之和。

2.权利要求1的方法，其中，第i种商品放在第j个货位上时基于看购率和频繁购物路径的期望收益P(i，j)为：

$P(i,j)=\mathrm{profit}\left(i\right)\&CenterDot;\underset{k}{\mathrm{\&Sigma;}}[\mathrm{num}(k,j)\&CenterDot;R_{\mathrm{bs}}(i,k)$

其中，k表示顾客类别，R_bs(i，k)指第k类顾客对第i种商品的看购率，num(k，j)表示对应临近货位j的第k类顾客的频繁购物路径的在一定时期的实际购物路径的个数，profit(i)表示商品i的单位利润。

3.权利要求2的方法，其中，所述商品集合中每种商品的所述期望收益之和为：

$\underset{i,j}{\mathrm{\&Sigma;}}P(i,j)\&CenterDot;x_{i,j}$

其中，

4.权利要求1或2的方法，其中，所述商品集合的总期望收益进一步包含所述商品集合中的商品之间的关联收益之和。

5.权利要求4的方法，其中，所述商品集合中的商品之间的关联收益之和为：

$\underset{i,i^{\&prime;},j,j^{\&prime;},k}{\mathrm{\&Sigma;}}{\mathrm{\&alpha;}}_{i,i^{\&prime;},k}\&CenterDot;x_{i,j}\&CenterDot;x_{i^{\&prime;},j^{\&prime;}}\&CenterDot;\mathrm{\&phi;}(j,j^{\&prime;},k)$

其中，α_i，i′，k为对于第k类顾客而言第i种商品和第i′种商品的关联收益，并且

6.权利要求1的方法，其中，所述获取超市中顾客的购物路径，包括通过部署在超市中不同位置的RFID读写器检测顾客使用的购物车上的RFID标签，记录购物车的动态位置，从而导出顾客的购物路径。

7.权利要求1的方法，其中，所述按照预定标准划分顾客类别，包括根据以下的一个或多个数据源划分顾客类别：POS机记录的购物清单、人口统计学特征信息。

8.用于在超市中分派商品货位的系统，包含：

购物路径获取装置，用于获取超市中顾客的购物路径；

分类装置，用于按照预定标准划分顾客类别；

频繁购物路径确定装置，用于根据顾客的购物路径，确定每类顾客中的较多顾客采用的一个或多个购物路径，作为该类顾客的频繁购物路径；

看购率计算装置，用于根据顾客的购物清单和购物路径，计算每类顾客对商品的看购率，其中，某类顾客对某商品的看购率是指该类顾客看到该商品并购买该商品的概率；

商品货位确定装置，对于一个商品集合，所述商品货位确定装置计算使所述商品集合在一定时期的总期望收益最大时所述商品集合中每种商品分别所在的货位，其中，总期望收益包括所述每种商品位于各自货位时所述每种商品基于看购率和频繁购物路径的期望收益之和。

9.权利要求8的系统，其中，第i种商品放在第j个货位上时基于看购率和频繁购物路径的期望收益P(i，j)为：

$P(i,j)=\mathrm{profit}\left(i\right)\&CenterDot;\underset{k}{\mathrm{\&Sigma;}}[\mathrm{num}(k,j)\&CenterDot;R_{\mathrm{bs}}(i,k)$

其中，k表示顾客类别，R_bs(i，k)指第k类顾客对第i种商品的看购率，num(k，j)表示对应临近货位j的第k类顾客的频繁购物路径的在一定时期的实际购物路径的个数，profit(i)表示商品i的单位利润。

10.权利要求9的系统，其中，所述商品集合中每种商品的所述期望收益之和为：

$\underset{i,j}{\mathrm{\&Sigma;}}P(i,j)\&CenterDot;x_{i,j}$

其中，

11.权利要求8或9的系统，其中，所述商品集合的总期望收益进一步包含所述商品集合中的商品之间的关联收益之和。

12.权利要求11的系统，其中，所述商品集合中的商品之间的关联收益之和为：

$\underset{i,i^{\&prime;},j,j^{\&prime;},k}{\mathrm{\&Sigma;}}{\mathrm{\&alpha;}}_{i,i^{\&prime;},k}\&CenterDot;x_{i,j}\&CenterDot;x_{i^{\&prime;},j^{\&prime;}}\&CenterDot;\mathrm{\&phi;}(j,j^{\&prime;},k)$

其中，α_i，i′，k为对于第k类顾客而言第i种商品和第i′种商品的关联收益，并且

13.权利要求7的系统，包括部署在超市中不同位置的RFID读写器，用于检测顾客使用的购物车上的RFID标签，其中，所述购物路径获取装置通过所述RFID读写器记录购物车的动态位置，从而导出顾客的购物路径。

14.权利要求7的系统，其中，所述分类装置根据以下的一个或多个数据源划分顾客类别：POS机记录的购物清单、人口统计学特征信息。

Images