TWI900943B

TWI900943B - 提供與物品之銷售量相關之預測之電子裝置及其方法

Info

Publication number: TWI900943B
Application number: TW112145733A
Authority: TW
Inventors: 趙葉葉; 熊根
Original assignee: 韓商韓領有限公司
Priority date: 2022-12-27
Filing date: 2023-11-27
Publication date: 2025-10-11
Also published as: KR20250016429A; KR20240103419A; TW202433354A; WO2024143668A1; KR102761025B1

Abstract

本發明係關於一種提供與物品之銷售量相關之預測之電子裝置及其方法。本發明之一實施例之電子裝置可包括通訊電路、一個以上之處理器及一個以上之記憶體，一個以上之處理器係藉由基於人工神經網路之學習模型，確定一個以上之目標日期之目標物品之預估銷售量；產生第1頁面，該第1頁面包括顯示與一個以上之目標日期各者對應之所確定之目標物品之預估銷售量之資訊的區域；將所產生之第1頁面提供至終端。

Description

提供與物品之銷售量相關之預測之電子裝置及其方法

本發明係關於一種提供與物品之銷售量相關之預測之技術。

與物品之銷售量相關之預測於管理庫存之過程中起到非常重要的作用。因此，必須有效率地、準確地預測物品之銷售量，並有效地傳達所預測之結果，以便庫存管理者能夠識別。先前，僅簡單地將物品之銷售量之預測結果傳達給請求預測結果之用戶。特別是，先前用戶難以理解為什麼要使用基於特定人工神經網路之學習模型來預測物品之銷售量。又，先前用戶僅能瞭解最近預測之結果，而很難瞭解之前之預測之結果。

即，先前存在以下問題：用戶無法全面地瞭解與物品之銷售量之預測過程相關之各種資訊。因此，需要一種向請求物品之銷售量之預測結果之用戶傳達與預測相關之各種資訊的技術。

藉由本發明之一實施例所欲解決之技術課題在於提供一種與物品之銷售量相關之預測。

藉由本發明之一實施例所欲解決之另一技術課題在於有效率地預測物品之銷售量。

藉由本發明之一實施例所欲解決之又一技術課題在於向請求與物品之銷售量相關之預測之用戶提供與物品之銷售量之預測相關的各種資訊。

本發明之技術課題並不限於以上提及之技術課題，本發明所屬技術領域之技術人員根據以下之記載能夠清楚地理解未提及之其他技術課題。

本發明之一實施例之提供與物品之銷售量相關之預測之電子裝置可包括：通訊電路，其與終端進行通訊；一個以上之處理器；及一個以上之記憶體，其儲存有藉由上述一個以上之處理器執行之命令；藉由上述一個以上之處理器執行上述命令時，上述一個以上之處理器係藉由基於人工神經網路之學習模型，確定一個以上之目標日期之目標物品之預估銷售量；產生第1頁面，該第1頁面包括顯示與上述一個以上之目標日期各者對應之上述已確定之上述目標物品之預估銷售量之資訊的區域；且將上述所產生之第1頁面提供至上述終端。

於一實施例中，上述第1頁面可包括顯示與上述一個以上之目標日期各者對應之上述目標物品之預估銷售量的曲線圖。

於一實施例中，上述曲線圖可將與上述一個以上之目標日期中過去之日期對應之實際銷售量和上述預估銷售量一起顯示。

於一實施例中，上述一個以上之處理器可將於兩個以上之執行日期確定之上述目標日期之上述目標物品之預估銷售量分別儲存於上述一個以上的記憶體中，上述曲線圖同時顯示在上述兩個以上之執行日期確定之上述目標日期之上述目標物品的預估銷售量。

於一實施例中，上述一個以上之處理器可基於上述執行日期與上述目標日期之差，確定與上述執行日期及上述目標日期之組合對應之透明度，上述曲線圖基於上述已確定之透明度，顯示在上述兩個以上之執行日期確定之上述目標日期之上述目標物品的預估銷售量。

於一實施例中，上述一個以上之處理器可於兩個以上之學習模型候補中確定特定學習模型，該特定學習模型用以確定上述目標物品之上述目標日期之預估銷售量，上述目標日期之上述目標物品之預估銷售量係藉由上述已確定之特定學習模型而確定，上述第1頁面包括顯示伴隨上述目標日期之上述目標物品之預估銷售量而指示上述已確定之特定學習模型之資訊的區域。

於一實施例中，上述一個以上之處理器可藉由既定之演算法，於上述兩個以上之學習模型候補中確定特定學習模型，該特定學習模型用以確定上述目標物品之上述目標日期之預估銷售量；產生表示根據上述演算法進行之上述特定學習模型之確定程序之順序圖；產生包括上述所產生之順序圖之第2頁面；將上述所產生之第2頁面提供至上述終端。

於一實施例中，上述一個以上之處理器可自上述終端接收指示於上述順序圖中選擇之學習模型之資訊，上述第2頁面進而包括顯示如下資訊之區域，上述資訊包括藉由上述已選擇之學習模型而確定之上述目標物品之預估銷售量。

於一實施例中，作為上述特定學習模型之確定程序之結果，上述順序圖可顯示儘可能與上述兩個以上之學習模型候補各者對應之記號、及伴隨上述記號而藉由與上述記號對應之學習模型候補確定之上述目標物品之預估銷售量。

於一實施例中，上述一個以上之處理器可基於上述目標日期是否為節假日、上述目標物品是否於上述目標日期進行促銷、及上述目標物品之銷售歷史中之至少一者，確定上述特定學習模型。

於一實施例中，上述一個以上之處理器可藉由基於上述人工神經網路之學習模型，確定自上述目標日期起連續之特定個數之日期之上述目標物品之預估銷售量，計算自上述已確定之上述目標日期起連續之特定個數之日期之上述目標物品之預估銷售量的平均值，上述第1頁面包括顯示與上述一個以上之目標日期各者對應之上述平均值之資訊的區域。

於一實施例中，上述一個以上之處理器可產生第3頁面，該第3頁面包括顯示一個以上之上述目標物品之清單之區域，將上述所產生之第3頁面提供至上述終端，自上述終端接收指示於上述清單中選擇之目標物品之資訊，上述第1頁面係對應於上述選擇之目標物品而產生。

於一實施例中，上述一個以上之處理器可產生第4頁面，該第4頁面包括與基於上述目標物品之可儲存時間段而分類之兩個以上之類別之各者對應的標籤，且包括顯示符合與所選擇之標籤對應之類別之物品之預估銷售量相關之統計資訊的區域，將上述所產生之第4頁面提供至上述終端。

於一實施例中，上述一個以上之處理器可對於上述一個以上之目標日期中之任一者，計算符合上述類別之物品之當前日期確定之預估銷售量與特定日期前確定之預估銷售量間的差，確定符合上述類別之物品中上述差最大之預確定個數的目標物品，上述第4頁面包括顯示指示上述差最大之預確定個數之目標物品之資訊的區域。

於一實施例中，上述第4頁面可包括顯示對學習模型之統計之區域，該學習模型用以確定符合上述類別之物品之預估銷售量。

本發明之一實施例之提供與物品之銷售量相關之預測之方法係藉由電子裝置而實行者，其可包括如下動作：藉由基於人工神經網路之學習模型，確定一個以上之目標日期之目標物品之預估銷售量；產生第1頁面，該第1頁面包括顯示與上述一個以上之目標日期各者對應之上述已確定之上述目標物品之預估銷售量之資訊的區域；及將所產生之上述第1頁面提供至終端。

於一實施例中，確定上述一個以上之目標日期之目標物品之預估銷售量之動作可包括如下動作：於兩個以上之學習模型候補中確定特定學習模型，該特定學習模型用以確定上述目標物品之上述目標日期之預估銷售量；及藉由上述已確定之特定學習模型，確定上述目標日期之上述目標物品之預估銷售量，產生上述第1頁面之動作包括如下動作：產生包括顯示伴隨上述目標日期之上述目標物品之預估銷售量而指示上述已確定之特定學習模型之資訊之區域的上述第1頁面。

於一實施例中，於上述兩個以上之學習模型候補中確定用以確定上述目標物品之上述目標日期之預估銷售量的特定學習模型之動作可包括如下動作：藉由既定之演算法，於上述兩個以上之學習模型候補中確定特定學習模型，該特定學習模型用以確定上述目標物品之上述目標日期之預估銷售量，上述方法進而包括如下動作：產生表示根據上述演算法進行之上述特定學習模型之確定程序之順序圖；產生包括上述所產生之順序圖之第2頁面；及將上述所產生之第2頁面提供至上述終端。

於一實施例中，可進而包括如下動作：產生第3頁面，該第3頁面包括顯示一個以上之上述目標物品之清單之區域；將上述所產生之第3頁面提供至上述終端；及自上述終端接收指示於上述清單中選擇之目標物品之資訊；且產生上述第1頁面之動作包括如下動作：產生與上述選擇之目標物品對應之上述第1頁面。

於一實施例中，可進而包括如下動作：產生第4頁面，該第4頁面包括與基於上述目標物品之可儲存時間段而分類之兩個以上之類別之各者對應的標籤，且包括顯示符合與所選擇之標籤對應之類別之物品之預估銷售量相關之統計資訊的區域；及將上述所產生之第4頁面提供至上述終端。

根據本發明，可提供與物品之銷售量相關之預測。

根據本發明，可有效率地預測物品之銷售量。

根據本發明，可向請求與物品之銷售量相關之預測之用戶提供與物品之銷售量之預測相關之各種資訊。

基於本發明技術思想之效果並不限於上述效果，普通技術人員可根據說明書之記載清楚地理解未提及之其他效果。

110:電子裝置

120:終端

200:電子裝置

210:通訊電路

220:處理器

230:記憶體

300:第3頁面

301:區域

302:區域

303:區域

400:第1頁面

401:區域

402:區域

403:區域

404:曲線圖

405:預估銷售量

406:實際銷售量

500:第1頁面

600:第1頁面

700:第1頁面

800:第2頁面

801:區塊

802:區塊

803:區塊

804:區塊

900:第2頁面

1000:第4頁面

1001:區域

1002:區域

1100:第4頁面

1101:區域

1102:區域

1200:方法

S1210:動作

S1220:動作

S1230:動作

圖1係表示可應用本發明之一實施例之電子裝置之環境。

圖2係本發明之一實施例之電子裝置之區塊圖。

圖3係表示本發明之一實施例之電子裝置所提供之第3頁面之至少一部分的圖。

圖4係表示本發明之一實施例之電子裝置所提供之第1頁面之至少一部分的圖。

圖5係表示本發明之一實施例之電子裝置所提供之第1頁面之至少一部分的圖。

圖6係表示本發明之一實施例之電子裝置所提供之第1頁面之至少一部分的圖。

圖7係表示本發明之一實施例之電子裝置所提供之第1頁面之至少一部分的圖。

圖8係表示本發明之一實施例之電子裝置所提供之第2頁面之至少一部分的圖。

圖9係表示本發明之一實施例之電子裝置所提供之第2頁面之至少一部分的圖。

圖10係表示本發明之一實施例之電子裝置所提供之第4頁面之至少一部分的圖。

圖11係表示本發明之一實施例之電子裝置所提供之第4頁面之至少一部分的圖。

圖12係表示本發明之一實施例之方法之動作流程圖。

本發明中記載之各種實施例係以明確說明本發明之技術思想為目的而例示者，並不意欲將其限定為特定實施方式。本發明之技術思想包括本發明記載之各實施例之各種變更(modifications)、均等物(equivalents)、替代物(alternatives)及選擇性地組合各實施例之全部或一部分所得之實施例。又，本發明之技術思想之權利範圍並不限定於以下提出之各種實施例或對其之具體說明。

關於本發明中使用之用語，包括技術性或科學性用語，除非另外定義，否則應具有本發明所屬技術領域中具有常識者通常理解之含義。

關於本發明中使用之如「包括」、「可包括」、「具備」、「可具備」、「具有」、「可具有」等表述，意味著存在對象特徵(例如，功能、動作或構成要素等)，不排除其他追加性特徵之存在。即，如上所述之表述應理解為具有包含其他實施例之可能性之開放型用語(open-ended terms)。

關於本發明中使用之單數型表述，除非上下文中另有說明，否則可包含複數型之含義，這同樣適用於申請專利範圍中記載之單數型表述。

關於本發明中使用之「第1」、「第2」或「第一」、「第二」等表述，除非於上下文中另有說明，否則係用以於指代複數個同類對象之情形時將一個對象與其他對象區分開來，並非用以限定對象間之順序或重要度。例如，本發明之頁面可藉由「第1頁面」、「第2頁面」、「第3頁面」及「第4頁面」等表述來彼此區分。

本發明中使用之「A、B及C」、「A、B或C」、「A、B及/或C」或「A、B及C中至少一者」或「A、B或C中至少一者」、「A、B及/或C中至少一者」等表述可指列出之各個項目或列出之項目之全部可能的組合。例如，「A或B中之至少一者」可指(1)至少一個A，(2)至少一個B，(3)至少一個A及至少一個B。

本發明中使用之所謂「基於~」之表述，用於描述對包含該表述之語句或文章中描述之確定、判斷之行為或動作產生影響之一個以上的因素，該表述不排除對確定、判斷或動作產生影響之其他因素。

本發明中使用之所謂某個構成要素(例如，第1構成要素)「連接」或「連結」於另一構成要素(例如，第2構成要素)之表述，不僅可意味著上述某個構成要素直接連接或連結於上述另一構成要素，亦可意味著以新的其他構成要素(例如，第3構成要素)為介質而連接或連結於上述另一構成要素。

本發明中使用之表述「以~方式構成(configured to)」，根據上下文，可具有「以~方式設定」、「具有~之能力」、「以~方式變更」、「以~方式製成」、「可進行~」等含義。該表述不限定於「硬體上特別設計」之含義，例如，所謂以執行特定動作之方式構成之處理器可指藉由執行軟體而可實行特定動作之通用處理器(generic purpose processor)、或藉由程式構造化以實行該特定動作之特殊用途電腦(special purpose computer)。

本發明中使用之用語「平台(platform)」可指藉由整合管理相同或類似目的之服務而成為用戶之使用基礎之有形或無形之空間，雖然具體含義存在差異，但亦可概括地與「軟體」、「應用程式」、「程式」、「工具(tool)」或「解決方案」互換稱呼。

以下，參照附圖，對本發明中記載之各實施例進行說明。於附圖及附圖說明中，對相同或實質上等同(substantially equivalent)之構成要素賦予相同之參照符號。又，於以下實施例之說明中，可省略對相同或對應構成要素之重複描述，但這並不意味該構成要素不包括於該實施例中。

圖1係表示可應用本發明之一實施例之電子裝置之環境。電子裝置110與終端120可藉由網路連接，彼此進行通信。

電子裝置110可為用於與物品之銷售量相關之預測之裝置。例如，電子裝置110可意指對線上商店平台或線下商店平台預測特定物品之銷售量之裝置。例如，電子裝置110可以網站或應用軟體上之網頁之形式構成各種資訊並提供至終端120。具體而言，電子裝置110可向終端120提供與物品之銷售量預測相關之各種資訊。電子裝置110可向終端120提供包括下文敍述之第1頁面至第4頁面之各種頁面。即，下文敍述之頁面可構成提供物品銷售量之預測之網站或應用軟體的至少一部分。

終端120可為作為管理者或有權訪問銷售量預測者之用戶用以確認於線上商店平台或線下商店平台中銷售之物品之需求或銷售量之預測結果的裝置。終端120可實現為藉由網路而與電子裝置110收發各種資訊之終端。例如，終端120可為電腦、膝上型電腦(laptop)、攜帶用通訊終端(智慧型手機等)、攜帶用多媒體裝置、可穿戴裝置或HMD(Head Mounted Display，頭戴式顯示器)中之一者。然而，終端120之類型並不限定於此，終端120可為包括可由用戶輸入資訊或向用戶輸出資訊之輸入/輸出介面，且可藉由網路與電子裝置110或其他裝置實行通訊之任意裝置。

終端120可向用戶提供自電子裝置110接收到之資訊，自用戶接收輸入而傳輸至電子裝置110。具體而言，終端120可自用戶獲得指示各種頁面之呼叫之輸入，並對應於所獲得之輸入而產生指示各種頁面之呼叫之命令。終端120可將指示各種頁面之呼叫之命令傳輸至電子裝置110。自用戶獲得之輸入可包括利用滑鼠進行之點擊、利用觸控板或觸控屏進行之觸控、語音識別、其他電子輸入等各種形態之輸入。終端120可自電子裝置110接收各種頁面，並輸出所接收到之各種頁面。

網路可起到將電子裝置110與終端120或其他外部裝置連接之作用。例如，網路可提供連接路徑，以使終端120可與電子裝置110連接而與電子裝置110收發封包資料。網路例如可實現為如區域網路(Local Area Network，LAN)、廣域網路(Wide Area Network，WAN)、行動通訊網路(Mobile Radio Communication Network)，Wibro(Wireless Broadband Internet，無線寬頻網路)等所有類型之有線或無線網路。

圖2係本發明之一實施例之電子裝置之區塊圖。於一實施例中，電子裝置200可包括通訊電路210、一個以上之處理器220及/或一個以上之記憶體230作為構成要素。於一實施例中，可省略電子裝置200之構成要素中之至少一者、或將其他構成要素追加至電子裝置200。於一實施例中，可附加地或替代地(alternatively)整合一部分構成要素而實現，或以單個或複數個個體實現。於本發明中，可將一個以上處理器220表述為處理器220。只要文中無明確之不同表述，則所謂處理器220之表述可指一個或一個以上之處理器之集合。於本發明中，一個以上記憶體230可表述為記憶體230。只要文中無明確之不同表述，則所謂記憶體230之表述可指一個或一個以上之記憶體之集合。於一實施例中，電子裝置200之內部/外部之構成要素中之至少一部分構成要素藉由匯流排、GPIO(General Purpose Input/Output，通用目的輸入輸出)、SPI(Serial Peripheral Interface，串列周邊介面)或MIPI(Mobile Industry Processor Interface，行動產業處理器介面)等而彼此連接，從而可收發資訊(資料、信號等)。

通訊電路210(communication circuit)可與用戶之終端及外部裝置進行通訊。通訊電路210可實行電子裝置200與終端間之無線或有線通訊。例如，通訊電路210可執行基於eMBB(enhanced Mobile Broadband；增強型行動寬頻)、URLLC(Ultra Reliable Low-Latency Communications；超可靠低延遲通訊)、MMTC(Massive Machine Type Communications；大規模機器類型通訊)、LTE(Long-Term Evolution；長期演進)、LTE-A(LTE Advance；高級LTE)、NR(New Radio；新無線)、UMTS(Universal Mobile Telecommunications System；通用行動通訊系統)、GSM(Global System for Mobile communications；全球行動通訊系統)、CDMA(Code Division Multiple Access；碼分多址)、WCDMA(Wideband CDMA；寬頻碼分多址)、WiBro(Wireless Broadband；無線寬頻)、WiFi(Wireless Fidelity；無線保真)、藍牙(Bluetooth)、NFC(Near Field Communication；近場通訊)、GPS(Global Positioning System；全球定位系統)或GNSS(Global Navigation Satellite System；全球導航衛星系統)等方式之無線通訊。例如，通訊電路210可執行基於USB(universal serial bus；通用串列匯流排)、HDMI(high definition multimedia interface；高清晰度多媒體介面)、RS-232(recommended standard232；推薦標準-232)或POTS(plain old telephone service；普通老式電話服務)等方式之有線通訊。於一實施例中，電子裝置200亦可與其他裝置整合來實現。於此情形時，通訊電路210可發揮將電子裝置200與相應之其他裝置之連接電路或介面連接之功能。

處理器220可驅動軟體(例如，命令、程式等)來控制連接於處理器220上之電子裝置200之至少一個構成要素。又，處理器220可實行與本發明相關之各種運算、處理、資料生成、加工等動作。又，處理器220可自記憶體230加載資料等、或將資料儲存於記憶體230中。進而，處理器220可藉由通訊電路210而與用戶之終端及外部裝置收發各種資訊。於一實施例中，處理器220可控制通訊電路210，向用戶之終端發送各種頁面之資訊等各種資訊。

處理器220可藉由基於人工神經網路之學習模型，確定一個以上之目標日期之目標物品之預估銷售量。例如，處理器220可利用儲存於記憶體230或外部儲存庫中之基於人工神經網路之學習模型，來確定一個以上之目標日期之目標物品之預估銷售量。例如，基於人工神經網路之學習模型係預學習之模型，可為接收至少基於目標物品之過去銷售歷史之資料，並輸出一個以上之目標日期之預估銷售量之模型。基於人工神經網路之學習模型可為技術領域中已知之學習模型之一。

例如，於實行所說明之動作之過程中，處理器220可將包括與所確定之預估銷售量相關之資訊之各種資訊儲存至單獨的儲存庫(資料庫)中。例如，處理器220可設計基於目標日期、目標物品、執行日期、及學習模型中之至少一者之列鍵(rowkey)，並將該列鍵與各種資訊一同儲存。藉此，可於隨後查詢表格時提高搜索速度。又，處理器220於設計列鍵之過程中，可使用如識別編號等逆向(reverse)值。藉此，可調整資料之均衡，並防止列鍵值集中於特定分區。又，於處理器220利用資料並實行各種演算之過程中，可使用Airflow、Redshift、s3、Hbase、Hadoop等各種軟體、工具、程式、平台等。

目標物品係作為確定預估銷售量之對象之物品，可為於商店平台中流通或銷售之商品。另一方面，可同時或依序實行多個目標物品之預估銷售量之確定。處理器220可響應於特定請求，於確定目標物品之預估銷售量或者預先確定目標物品之預估銷售量之後，存在單獨之請求之情形時，向終端傳達其結果。例如，可將目標物品特定為如「烤梅花肉用500g」、「黑豆高鈣豆漿20包贈禮用」等用於商品庫存管理之單位，亦可存在對應之特定編號。

目標日期可為當前或未來之日期。處理器220可利用基於人工神經網路之學習模型來預測目標物品於當前或未來之目標日期之售出量。

於一實施例中，電子裝置可於兩個以上之學習模型候補中確定用以確定目標物品之目標日期之預估銷售量的特定學習模型。於該情形時，目標日期之目標物品之預估銷售量可藉由所確定之特定學習模型而確定。於下文敍述之圖8中對電子裝置於兩個以上之學習模型候補中確定用以確定目標物品之目標日期之預估銷售量之特定學習模型的動作進行說明。

處理器220可產生第1頁面，該第1頁面包括顯示與一個以上之目標日期各者對應之已確定之目標物品之預估銷售量之資訊的區域。第1頁面可為顯示各種資訊之頁面，並且可以各種方式構成，上述各種資訊包括與一個以上之目標日期各者對應之已確定之目標物品之預估銷售量之資訊。於下文敍述之圖4至7中對其中之實施例進行說明。

處理器220可將所產生之第1頁面提供至終端。例如，處理器220可藉由通訊電路210，向終端發送所產生之第1頁面。

記憶體230可儲存各種資訊(資料)。儲存於記憶體230中之資訊作為由電子裝置200之至少一個構成要素獲得、處理或使用之資訊，可包括軟體(例如命令、程式等)。記憶體230可包括揮發性及/或非揮發性記憶體。於本發明中，命令及程式作為於記憶體230中儲存之軟體，可包括用以控制電子裝置200之資源之操作系統、應用程式及/或中間軟體，該中間軟體向應用程式提供各種功能，以便應用程式能夠利用電子裝置200之資源。於一實施例中，記憶體230可儲存藉由處理器220執行時使處理器220實行運算之命令。記憶體230可儲存藉由通訊電路210自用戶終端及/或外部裝置接收之資訊及/或藉由通訊電路210發送至用戶終端及/或外部裝置之資訊之至少一部分。處理器220可將藉由通訊電路210而自用戶終端及/或外部裝置接收到之資訊及/或藉由通訊電路210而發送至用戶終端及/或外部裝置之資訊之至少一部分儲存於記憶體230中。具體而言，記憶體230可儲存基於用於物品之銷售量預測之預學習之人工神經網路的學習模型、物品之各種資訊、過去之銷售量資料、用於銷售量預測之演算法、用以請求銷售量預測之輸入資料、銷售量預測之結果等，且可更新該等各種資訊。

以下，可理解為，圖3至圖11中說明藉由電子裝置實行之動作係藉由圖2中所說明之電子裝置200之處理器220實行。

圖3係表示本發明之一實施例之電子裝置所提供之第3頁面300之至少一部分的圖。第3頁面可為確認預估銷售量之平台、網站、應用軟體、程式等之初始頁面。

於一實施例中，電子裝置可產生第3頁面300，並藉由通訊電路將所產生之第3頁面300提供至終端，該第3頁面包括顯示一個以上之目標物品之清單之區域303。例如，第3頁面300可包括表示提供預估銷售量之服務之頁面標籤之區域301。區域301可顯示與各頁面對應之標籤區域，若選擇該標籤區域，則可移動至對應之頁面。標籤區域可包括「主頁(Home)」、「SKU明細(SKU Detail)」、及「類別摘要(Category Summary)」。此處，「主頁」可對應於作為初始頁面之第3頁面300，「SKU明細」對應於下文敍述之第2頁面，該第2頁面展示特定目標物品之預估銷售量，「類別摘要」對應於第4頁面，該第4頁面展示與預估銷售量之確定相關之統計資訊。例如，可對應於在標籤區域中選擇「主頁」而於終端上顯示第3頁面300。

於一實施例中，第3頁面300可包括顯示物品之檢索視窗之區域302。例如，若於區域302之檢索視窗中輸入物品之名稱或識別符(識別編號)等，則可於第3頁面上顯示所檢索之物品。

於一實施例中，區域303可顯示一個以上之目標物品之清單。例如，區域303中之各列可顯示一個目標物品之資訊。例如，區域303可顯示目標物品之識別編號(SKU SEQ)、目標物品之名稱(Name)、說明(Description)、類型(Type)、用於銷售量預測之模型(Model)、等級(Band)及今後7日內之預測(Forecast in 7 days)。此處，識別編號可為用以識別各物品之唯一之數字或字符等記號。物品之說明可包括該物品是否正在進行促銷、是否為節假日專用商品、是否為季節性商品等之說明，且於無相關事項之情形時，亦可為空欄。根據該物品之可保管或可儲存時間段是否超過預設定之基準，物品之類型可為表示其被分類為生鮮產品(Fresh)或一般核心產品(Core)之資訊。等級可為表示基於該物品之預估銷售量之分類之資訊，例如可被定為A~F等。例如，於今後7日內之預測中，該物品之預估銷售量可顯示為摺線圖等。

於一實施例中，電子裝置可藉由通訊電路接收來自終端之資訊，該資訊指示於清單中選擇之目標物品。此時，第1頁面可對應於所選擇之目標物品而產生。例如，可自終端之第3頁面中顯示之目標物品之清單中選擇一個目標物品。具體而言，藉由於終端上顯示之目標物品之清單中輸入對某列進行之點擊、觸摸等，可選擇與所選擇之列對應之目標物品。該選擇可自終端傳達至電子裝置。電子裝置可對應於目標物品之選擇，產生所選擇之目標物品之第1頁面，並將所產生之第1頁面傳達至終端。即，電子裝置可產生第1頁面，該第1頁面顯示所選擇之目標物品之預估銷售量之資訊，並將第1頁面傳達至終端。

自此說明之圖4至圖7分別表示第1頁面之至少一部分，第1頁面由同時顯示圖4至7之至少一部分之頁面構成。圖4係表示本發明之一實施例之電子裝置所提供之第1頁面400之至少一部分的圖。第1頁面400與第3頁面類似地，可包括表示提供預估銷售量之服務之頁面標籤之區域401。例如，可對應於在標籤區域中選擇「SKU明細」而於終端上顯示第1頁面400。

第1頁面400可包括顯示目標物品之識別資訊及內部標籤之區域402。內部標籤可包括「預測結果(Forecast Result)」、「模型(Model)」及「SKU資訊(SKU Info)」。若藉由終端選擇各內部標籤，則可於終端上顯示與所選擇之內部標籤對應之頁面。此處，「預測結果」可對應於具體展示預估銷售量之頁面，「模型」對應於具體展示確定預估銷售量之過程中所使用之模型之頁面，「SKU資訊」對應於具體展示該目標物品之資訊之頁面。例如，第1頁面400可為對應於「預測結果」而顯示之頁面。

於一實施例中，第1頁面400可包括區域403，該區域403供選擇是否將預估銷售量(Forecast)及實際銷售量(Sales)顯示為個別日期、7日內之平均值、21日內之平均值。例如，區域403可顯示可選擇各項目之複選框。於選擇「日期(Day)」之情形時，可於曲線圖404中顯示各目標日期之預估銷售量。於選擇「7日平均(Avg7)」之情形時，可於曲線圖404中顯示自各目標日期起7日內之預估日平均銷售量。於選擇「21日平均(Avg21)」之情形時，可於曲線圖404中顯示自各目標日期起21日內之預估日平均銷售量。此處，7日或21日係為了舉例而設定之日期，亦可設定為其他時間段之日期。於一實施例中，區域403可顯示複選框，該複選框可供選擇是否於曲線圖404中顯示指示預估銷售量之點。例如，若選擇於曲線圖404中顯示指示預估銷售量之點，則可於曲線圖404中顯示摺線圖及與各預估銷售量對應之點。例如，若未選擇於曲線圖404中顯示指示預估銷售量之點，則可僅於曲線圖404中顯示摺線圖，而不顯示與各預估銷售量對應之點。

於一實施例中，第1頁面400可包括曲線圖404，該曲線圖顯示與一個以上之目標日期各者對應之目標物品之預估銷售量。例如，曲線圖404之橫軸可指日期，豎軸指銷售量。因此，曲線圖404可為顯示與各目標日期對應之預估銷售量之摺線圖或散點圖。於一實施例中，曲線圖404可將與一個以上之目標日期中過去之日期對應之實際銷售量406和預估銷售量一起顯示。例如，可假定當前日期為9月25日(Sep 25)。於該情形時，曲線圖404可顯示當前日期與之前日期之實際銷售量406。實際銷售量406可以摺線圖或散點圖之形式顯示於曲線圖404中。藉此，用戶亦可識別最近確定之目標日期之預估銷售量與目標日期之實際銷售量。

於一實施例中，曲線圖404可同時顯示在兩個以上之執行日期確定之目標日期之目標物品的預估銷售量405。於該情形時，電子裝置可將於兩個以上之執行日期確定之目標日期之目標物品之預估銷售量分別儲存於一個以上的記憶體中。例如，曲線圖404可對應於一個目標日期而顯示與兩個以上之預估銷售量405對應之點。即，曲線圖404可顯示具有相同橫軸座標之多個點。藉此，用戶亦可識別最近確定之目標日期之預估銷售量與其他執行日期確定之預估銷售量。於一實施例中，曲線圖404可顯示與兩個以上之預估銷售量405對應之點，且顯示藉由連接與兩個以上之預估銷售量405對應之點中之於最近之執行日期預測之點而形成的摺線圖。藉此，用戶可掌握預估銷售量之趨勢。

於一實施例中，電子裝置可於曲線圖404中顯示預估銷售量與指示於確定該預估銷售量之過程中使用之模型之資訊。例如，可預先確定與兩個以上之學習模型候補各者對應之顏色，與曲線圖404中顯示之預估銷售量對應之點顯示為與在確定該預估銷售量之過程中使用之模型對應的顏色。藉此，用戶可直觀地識別預估銷售量與於確定該預估銷售量之過程中使用之模型。

於一實施例中，電子裝置可基於執行日期與目標日期之間之差，確定與執行日期及目標日期之組合對應之透明度。此時，曲線圖404可基於所確定之透明度，顯示在兩個以上之執行日期確定之目標日期之目標物品的預估銷售量405。例如，執行日期與目標日期之間之差越大，電子裝置可將透明度確定地越高。具體而言，電子裝置可確定與執行日期及目標日期之間之差成比例之透明度。藉此，執行日期與目標日期之差越小，預估銷售量便越準確，因此執行日期與目標日期之間之差越小，用戶越能有效地識別對應之預估銷售量。

圖5係表示本發明之一實施例之電子裝置所提供之第1頁面500之至少一部分的圖。例如，第1頁面500可顯示與各目標日期之銷售(Sales)及預估(Forecast)相關之資訊。例如，於第1頁面500中，一行(column)可表示相同之日期。於一實施例中，第1頁面500可包括顯示指示目標日期之目標物品之預估銷售量及所確定之特定學習模型之資訊的區域。於一實施例中，電子裝置可藉由基於人工神經網路之學習模型，確定自目標日期起連續之特定個數之日期之目標物品的預估銷售量，並計算自所確定之目標日期起連續之特定個數之日期之目標物品之預估銷售量的平均值。於該情形時，第1頁面500可包括顯示與一個以上之目標日期各者對應之平均值之資訊的區域。

例如，第1頁面500各行可顯示與目標日期對應之日期(Dec 08、Dec 09、Dec 10、Dec 11等)及星期(THU、FRI、SAT、SUN等)。並且，第1頁面500可對應於各行之目標日期，顯示與確定該日期之預估銷售量之過程中使用之模型對應之預設定的顏色。又，第1頁面500可對應於各行之目標日期而顯示特定目標物品之實際銷售量(Sales)。第1頁面500係目標物品之實際銷售量(Sales)之詳細項目，可顯示與各目標日期對應之已取消之物品個數(Cancelled Items)、價格(Price)、缺貨時間(Soldout Hours)、7日平均銷售量(Avg7 Sales)、21日平均銷售量(Avg21 Sales)、及入庫狀態(PO Status)之資訊。若第1頁面500中之各項目對應之值為未知或不存在，則可留空欄。具體而言，已取消之物品個數可指訂購後取消之物品之個數，缺貨時間可指一天中目標物品持續缺貨狀態之時間，7日平均銷售量可指自目標日期起7日內之日平均銷售量，21日平均銷售量可指自目標日期起21日內之日平均銷售量，入庫狀態可指目標物品是否於目標日期正常進行入庫。例如，入庫狀態為ACTIVE可指入庫正在正常進行。

於一實施例中，第1頁面500可對應於各行之目標日期而顯示特定目標物品之預估銷售量(Forecast)。第1頁面500係目標物品之預估銷售量(Forecast)之詳細項目，可顯示與各目標日期對應之今後7日內之日平均預估銷售量(Avg7 Forecast)、今後21日內之日平均預估銷售量(Avg21 Forecast)、模型ID(Model ID)、模型名稱(Model Name)、及等級(Band)之資訊。具體而言，模型ID可指與確定該目標日期之預估銷售量之過程中使用之模型對應的識別編號。又，等級可為表示基於目標物品之預估銷售量之分類之資訊，例如可設定為A~F等，且越接近A，預估銷售量越高。

圖6係表示本發明之一實施例之電子裝置所提供之第1頁面600之至少一部分的圖。例如，第1頁面600可同時顯示在兩個以上之不同之執行日期確定之目標日期的預估銷售量。例如，第1頁面600可於第一行同時顯示在Nov 22至Dec 05之各執行日期確定之Dec 05之目標日期的預估銷售量。同樣，對於與各行對應之目標日期，第1頁面600可同時顯示自該目標日期起過去之兩個以上之執行日期確定之該目標日期的預估銷售量。

圖7係表示本發明之一實施例之電子裝置所提供之第1頁面700之至少一部分的圖。例如，第1頁面700可顯示在兩個以上之執行日期確定之目標日期之預估銷售量的標準偏差(Standard Deviation)。例如關於第1頁面700之第一行，電子裝置可計算在Nov 22至Dec 05之14個執行日期確定之Dec 05之目標日期之14個預估銷售量的標準偏差。並且，可對應於第1頁面700之第一行來顯示所計算之標準偏差。亦可對其餘行分別實行類似之動作。即，對於與一個目標日期對應之一行，可於與各執行日期對應之各列全部顯示相同之標準偏差。藉此，用戶可於某一執行日期實行目標日期之預估銷售量之確定，識別於兩個以上之執行日期確定之兩個以上之預估銷售量的標準偏差。

圖8係表示本發明之一實施例之電子裝置所提供之第2頁面800之至少一部分的圖。例如，第2頁面800可對應於特定目標日期與特定執行日期之組合，顯示與用以確定預估銷售量之學習模型之確定程序相關之資訊。以下說明之確定程序僅為一示例，根據實施例，可應用於兩個以上之學習模型中確定一個特定學習模型之任意之確定程序。

於一實施例中，電子裝置可藉由既定之演算法(Model Selector)，於兩個以上之學習模型候補中確定特定學習模型，該特定學習模型係用以確定目標物品之目標日期之預估銷售量。電子裝置可產生表示根據演算法進行特定學習模型之確定程序之順序圖。又，電子裝置可產生第2頁面800，該第2頁面包括所產生之順序圖，並將所產生之第2頁面800提供至終端。例如，兩個以上之學習模型候補可包括稱為標準化MA(Normalize MA)、緩慢移動(Slow Moving)、促銷(Promotion)、節假日(Holiday)、季節性(Seasonal)、堆疊(Stacking)、減緩(Mitigation)等模型。於一實施例中，電子裝置可基於目標日期是否為節假日、目標物品是否於目標日期進行促銷、及目標物品之銷售歷史中之至少一者，確定特定學習模型。

例如，於區塊801(按期分類(Aging))中，電子裝置可確定自目標物品上市或開始進行銷售之日期至特定日期之時間段。例如，於自目標物品上市或開始進行銷售之日期至特定日期之時間段超過基準時間段之情形時，電子裝置可將特定學習模型確定為標準化MA模型。例如，於區塊802(緩慢移動)中，電子裝置可判斷目標物品之平均銷售量是否未滿基準值。例如，基於目標物品之銷售歷史，於特定時間段內目標物品之平均銷售量未滿基準值之情形時，電子裝置可將特定學習模型確定為緩慢移動模型。例如，於區塊803(促銷)中，電子裝置可判斷目標物品是否於目標日期進行促銷。例如，於目標物品在目標日期進行促銷之情形時，電子裝置可實行區塊804之確定。例如，於區塊804(季節性/節假日)中，電子裝置可判斷目標日期是否為節假日及目標物品是否為具有季節性之物品。例如，於目標日期為節假日之情形時，電子裝置可將特定學習模型確定為節假日模型。例如，於目標物品為具有季節性之物品之情形時，電子裝置可將特定學習模型確定為季節性模型。此時，可根據預設定之順序來對是否為季節性與節假日進行判斷。例如，於目標物品非具有季節性之物品，且目標日期亦非節假日之情形時，電子裝置可將特定學習模型確定為促銷模型。又，於目標物品在目標日期沒有進行促銷，且目標物品非具有季節性之物品，且目標日期亦非節假日之情形時，電子裝置可將特定學習模型確定為堆疊模型。作為另一例，亦可使用對最大值及最小值有限制之減緩模型來代替堆疊模型。

於一實施例中，作為特定學習模型之確定程序之結果，順序圖可顯示儘可能與兩個以上之學習模型候補各者對應之記號、及伴隨記號而藉由與記號對應之學習模型候補確定之目標物品之預估銷售量。例如，即便對於兩個以上之學習模型候補中之未被確定為特定學習模型之學習模型候補，電子裝置亦可藉由該學習模型候補而確定目標物品之目標日期之預估銷售量。又，於第2頁面800上，對應於所確定之該學習模型候補而確定之預估銷售量可與指示該學習模型候補之記號(圖形)一起顯示。例如，於第2頁面800之順序圖中可顯示與標準化MA模型對應之108.47、與促銷模型對應之121.17、與節假日模型對應之140.69、與堆疊模型對應之143.26、及與減緩模型對應之143.26之數值。又，於第2頁面800之順序圖中，與兩個以上之學習模型候補中無法確定預估銷售量之學習模型候補對應的記號可不顯示預估銷售量。

圖9係表示本發明之一實施例之電子裝置所提供之第2頁面900之至少一部分的圖。於一實施例中，電子裝置可藉由通訊電路自終端接收指示於順序圖中選擇之學習模型之資訊。於該情形時，第2頁面900可進而包括顯示如下資訊之區域，上述資訊包括藉由所選擇之學習模型而確定之目標物品之預估銷售量。

例如，第2頁面900可顯示所選擇之學習模型之詳細資訊。作為示例，於已選擇節假日模型之情形時，第2頁面900可顯示與目標日期對應之節假日及與該節假日對應之去年之節假日的資訊。又，第2頁面900可顯示表示該節假日之附近(例如，節假日前後之預設定之時間段)之目標物品之實際銷售量、目標物品之預估銷售量、及去年之基準物品(於圖中稱為KAN5)之實際銷售量之曲線圖。

又，第2頁面900可顯示藉由所選擇之學習模型而確定之目標物品之目標日期之預估銷售量的詳細資訊。例如，於顯示預估結果為140.69，且預估銷售量與以前相比增加(Uplift)，或手動調整預估銷售量之情形時(Manual Override)，第2頁面900可追加顯示相關內容或值。

圖10係表示本發明之一實施例之電子裝置所提供之第4頁面1000之至少一部分的圖。於一實施例中，電子裝置產生第4頁面1000，該第4頁面1000包括與基於目標物品之可儲存時間段而分類之兩個以上之類別之各者對應之標籤，且包括顯示符合與所選擇之標籤對應之類別之物品之預估銷售量相關之統計資訊的區域，藉由通訊電路將所產生之第4頁面1000提供至終端。即，第4頁面1000可顯示與兩個以上之類別(核心(CORE)、生鮮(FRESH))之各者對應之標籤。符合核心類別之物品可指可保管或儲存之時間段超過預設定之基準之物品，符合生鮮類別之物品可指可保管或儲存之時間段不超過預設定之基準的物品。又，第4頁面1000可包括選擇追加類別(類別1(Cate1)、類別2(Cate2)、類別3(Cate3)、類別4(Cate4)、類別5(Cate5))之選擇視窗。於一實施例中，第4頁面1000可包括顯示針對用以確定符合所選擇之類別之物品之預估銷售量之學習模型之統計的區域1001、1002。

例如，第4頁面1000可包括區域1001，該區域1001顯示用以確定符合所選擇之類別(例如，核心(CORE)-主頁(Home)-主頁主題(Home Deco))之物品之預估銷售量之學習模型之分佈(Model Distribution)。例如，區域1001可顯示用於確定所選擇之類別中包括之物品之當前日期(Today)之預估銷售量的各學習模型之預估銷售量已確定之目標物品之個數(SKU計數(Count))及所確定之預估銷售量之總和(Forecast Sum)。

於一實施例中，第4頁面1000可包括顯示用以確定符合所選擇之類別物品之預估銷售量之學習模型之趨勢(Model Tendency)的區域1002。例如，區域1002可包括選擇學習模型之選擇視窗。又，於區域 1002中，對應於所選擇之學習模型，可用曲線圖來顯示特定時間段內之預估銷售量之總和或已確定預估銷售量之目標物品的個數。

圖11係表示本發明之一實施例之電子裝置所提供之第4頁面1100之至少一部分的圖。

於一實施例中，對於一個以上之目標日期中之任一者，電子裝置可計算符合類別之物品之當前日期所確定之預估銷售量與特定日期前所確定之預估銷售量間的差，並確定符合類別之物品中之差最大之預確定個數的目標物品。例如，對於符合所選擇之類別物品之各者，電子裝置可計算於當前日期所確定之當前日期之預估銷售量結果(Today Forecast，即，目標日期與執行日期皆為今日之情形時之預估銷售量)與昨日日期所確定之當前日期之預估銷售量結果(Yesterday Forecast，即，目標日期為今日但執行日期為昨日之情形時之預估銷售量)之差。並且，電子裝置可藉由差由大至小之順序來進行排序，確定上位特定個數(例如，10個)之物品。藉此，第4頁面1100可包括顯示指示差最大之預確定個數之目標物品之資訊的區域1101。例如，對於上位特定個數之物品之各者，區域1101可顯示當前日期確定之當前日期之預估銷售量結果(Today Forecast)、昨日日期確定之當前日期之預估銷售量結果(Yesterday Forecast)及其變化率(Variance)。

第4頁面1100可包括顯示曲線圖之區域1102，該曲線圖表示於特定時間段內，符合所選擇之類別之物品之預估銷售量之總和(Forecast Sum)及實際銷售量之總和(Sales Sum)。例如，區域1102可包括可選擇個別日期(Day)、7日內之平均值(Avg7)及21日內之平均值(Avg21)中之一者之選擇視窗。例如，於已選擇個別日期之情形時，區域1102之曲線圖可顯示特定時間段內之各日期之符合所選擇之類別物品之預估銷售量之總和及實際銷售量之總和。例如，於已選擇7日內之平均值之情形時，區域1102之曲線圖可顯示特定時間段內之各日期之符合所選擇之類別物品之預估銷售量之7日內之平均值(自6日前至該日期，總共7日之平均值)及實際銷售量之7日內的平均值。例如，於已選擇21日內之平均值之情形時，區域1102之曲線圖可顯示特定時間段內之各日期之符合所選擇之類別之物品的預估銷售量之21日內之平均值(自20日前至該日期，總共21日之平均值)及實際銷售量之21日內之平均值。

圖12係表示本發明之一實施例之方法1200之動作流程圖。參照圖12，方法1200可包括如下動作：藉由基於人工神經網路之學習模型，確定一個以上之目標日期之目標物品之預估銷售量(S1210)；產生第1頁面，該第1頁面包括顯示與一個以上之目標日期各者對應之所確定之目標物品之預估銷售量之資訊的區域(S1220)；將所產生之第1頁面提供至終端(S1230)。

於一實施例中，第1頁面可包括顯示與一個以上之目標日期各者對應之目標物品之預估銷售量的曲線圖。此處，曲線圖可顯示與一個以上之目標日期中之過去之日期對應的實際銷售量及預估銷售量。於一實施例中，曲線圖可顯示在兩個以上之執行日期確定之目標日期之目標物品的所有預估銷售量。於一實施例中，動作S1220可包括如下動作：基於執行日期與目標日期之差，確定與執行日期及目標日期之組合對應之透明度，曲線圖基於所確定之透明度，顯示在兩個以上之執行日期確定之目標日期之目標物品的預估銷售量。

於一實施例中，方法1200可進而包括如下動作：利用列鍵 (rowkey)而自儲存庫提取資料，以藉由學習模型確定一個以上之目標日期之目標物品之預估銷售量。

於一實施例中，動作S1210可包括如下動作：於兩個以上之學習模型候補中確定用以確定目標物品之目標日期之預估銷售量的特定學習模型；及藉由所確定之特定學習模型，確定目標日期之目標物品之預估銷售量。又，動作S1220可包括如下動作：產生包括顯示伴隨目標日期之目標物品之預估銷售量而指示所確定之特定學習模型之資訊之區域的第1頁面。於一實施例中，確定特定學習模型之動作可包括如下動作：藉由既定之演算法，於兩個以上之學習模型候補中確定特定學習模型，該特定學習模型用以確定目標物品之目標日期之預估銷售量。又，方法1200可進而包括如下步驟：產生順序圖，該順序係表示根據演算法進行特定學習模型之確定程序；產生第2頁面，該第2頁面包括產生之順序圖，及將所產生之第2頁面提供至終端。

於一實施例中，方法1200可進而包括如下動作：自終端接收指示於順序圖中選擇之學習模型之資訊，且第2頁面進而包括顯示資訊之區域，該資訊包括藉由所選擇之學習模型而確定之目標物品之預估銷售量。於一實施例中，順序圖可顯示可作為特定學習模型之確定程序之結果的與兩個以上之學習模型候補各者對應之記號、及伴隨記號而藉由與記號對應之學習模型候補確定之目標物品之預估銷售量。於一實施例中，確定特定學習模型之動作可包括如下動作：基於目標日期是否為節假日、目標日期是否於目標物品進行促銷、及目標物品之銷售歷史中之至少一者，確定特定學習模型。

於一實施例中，方法1200可進而包括如下動作：藉由基於人工神經網路之學習模型，確定自目標日期起連續之特定個數之日期之目標物品的預估銷售量；及計算自所確定之目標日期起連續之特定個數之日期之目標物品之預估銷售量的平均值；且第1頁面包括顯示與一個以上之目標日期各者對應之平均值之資訊的區域。

於一實施例中，方法1200可進而包括如下動作：產生第3頁面，該第3頁面包括顯示一個以上之目標物品之清單之區域；將所產生之第3頁面提供至終端；及自終端接收指示於清單中選擇之目標物品之資訊。又，動作S1220可包括如下動作：產生與所選擇之目標物品對應之第1頁面。

於一實施例中，方法1200可進行包括如下動作：產生第4頁面，該第4頁面包括與基於目標物品之可儲存時間段而分類之兩個以上之類別之各者對應的標籤，且包括顯示符合與所選擇之標籤對應之類別之物品之預估銷售量相關之統計資訊的區域；及將所產生之第4頁面提供至終端。於一實施例中，產生第4頁面之動作可包括如下動作：對於一個以上之目標日期中之任一者，計算符合類別之物品之當前日期確定之預估銷售量與特定日期前確定之預估銷售量間的差；及確定符合類別之物品中之差最大之預確定個數的目標物品；且第4頁面包括顯示指示差最大之預確定個數之目標物品之資訊的區域。於一實施例中，第4頁面可包括顯示對學習模型之統計之區域，該學習模型用以確定符合上述類別之物品之預估銷售量。

於本發明之流程圖中，依序對方法或演算法之各步驟進行了說明，但各步驟除依序實行以外，亦可按照能夠任意組合之順序實行。本發明之順序圖或流程圖相關之說明並不排除對方法或演算法進行改變或修正，亦不意味著任一步驟為必需或較佳者。於一實施例中，可並行、反覆或啟發性地實行至少一部分步驟。於另一實施例中，可省略至少一部分步驟或者追加其他步驟。

本發明之各種實施例可於設備(Machine)可讀取之儲存媒體(MRSM，Machine-Readable Storage Medium)中以軟體之形式實現。軟體可為用以實現本發明所記載之各種實施例之軟體。軟體可由本發明所屬技術領域中之程式設計師根據本發明所記載之各實施例推斷出。例如軟體可為包括可由設備讀取之命令(例如指令、代碼或碼段)之程式。設備作為可根據自儲存媒體呼叫之命令而進行動作之裝置，例如可為電腦。於一實施例中，設備可為本發明所記載之各種實施例之計算裝置。於一實施例中，設備之處理器可執行所呼叫之命令，從而使設備之構成要素實行與該命令對應之功能。儲存媒體可指任意類型之可由設備讀取且用以儲存資料之記錄媒體(Recording Medium)。儲存媒體例如可包括ROM(read-only memory，唯讀記憶體)、RAM(random-Access memory，隨機存取記憶體)、光碟唯讀記憶體(CD-ROM)、磁帶、軟碟、光資料儲存裝置等。於一實施例中，儲存媒體能夠以分散於與網路連接之電腦系統等之形態實現。此時，軟體可分散儲存於電腦系統等來執行。於另一實施例中，儲存媒體可為非暫時性(non-transitory)儲存媒體。非暫時性儲存媒體係指有形媒體(Tangible Medium)，其與半永久或臨時地儲存資料無關，不包括暫時(transitory)傳播之信號(Signal)。

以上，藉由各種實施例對本發明之技術思想進行了說明，但本發明之技術思想包括能夠於本發明所屬之技術領域內具有常識者可理解之範圍內實現之各種置換、變化及變更。又，應理解此種置換、變化及變更可包括於隨附之發明申請專利範圍內。

110: 電子裝置 120: 終端

Claims

一種電子裝置，其係提供與物品之銷售量相關之預測者，其包括：通訊電路，其與終端進行通訊；一個以上之處理器；及一個以上之記憶體，其儲存有藉由上述一個以上之處理器執行之命令；藉由上述一個以上之處理器執行上述命令時，上述一個以上之處理器係藉由基於人工神經網路之學習模型，確定一個以上之目標日期之目標物品之預估銷售量；產生第1頁面，該第1頁面包括顯示與上述一個以上之目標日期各者對應之上述已確定之上述目標物品之預估銷售量之資訊的區域；將上述所產生之第1頁面提供至上述終端，其中上述第1頁面包括顯示與上述一個以上之目標日期各者對應之上述目標物品之預估銷售量的曲線圖，其中上述一個以上之處理器係將於兩個以上之執行日期確定之上述目標日期之上述目標物品之預估銷售量分別儲存於上述一個以上的記憶體中，其中上述曲線圖顯示在上述兩個以上之執行日期確定之上述目標日期之上述目標物品的所有預估銷售量，其中上述一個以上之處理器係基於上述執行日期與上述目標日期之差，確定與上述執行日期及上述目標日期之組合對應之透明度，及上述曲線圖基於上述已確定之透明度，顯示在上述兩個以上之執行日期確定之上述目標日期之上述目標物品的預估銷售量。
如請求項1之電子裝置，其中上述曲線圖係將與上述一個以上之目標日期中過去之日期對應之實際銷售量和上述預估銷售量一起顯示。
如請求項1之電子裝置，其中上述一個以上之處理器係於兩個以上之學習模型候補中確定特定學習模型，該特定學習模型用以確定上述目標物品之上述目標日期之預估銷售量，上述目標日期之上述目標物品之預估銷售量係藉由上述已確定之特定學習模型而確定，上述第1頁面包括顯示伴隨上述目標日期之上述目標物品之預估銷售量而指示上述已確定之特定學習模型之資訊的區域。
如請求項3之電子裝置，其中上述一個以上之處理器係藉由既定之演算法，於上述兩個以上之學習模型候補中確定特定學習模型，該特定學習模型用以確定上述目標物品之上述目標日期之預估銷售量，產生表示根據上述演算法進行之上述特定學習模型之確定程序之順序圖，產生包括上述所產生之順序圖之第2頁面，將上述所產生之第2頁面提供至上述終端。
如請求項4之電子裝置，其中上述一個以上之處理器係自上述終端接收指示於上述順序圖中選擇之學習模型之資訊，上述第2頁面進而包括顯示如下資訊之區域，上述資訊包括藉由上述已選擇之學習模型而確定之上述目標物品之預估銷售量。
如請求項4之電子裝置，其中作為上述特定學習模型之確定程序之結果，上述順序圖顯示儘可能與上述兩個以上之學習模型候補各者對應之記號、及伴隨上述記號而藉由與上述記號對應之學習模型候補確定之上述目標物品之預估銷售量。
如請求項5之電子裝置，其中上述一個以上之處理器係基於上述目標日期是否為節假日、上述目標物品是否於上述目標日期進行促銷、及上述目標物品之銷售歷史中之至少一者，確定上述特定學習模型。
如請求項1之電子裝置，其中上述一個以上之處理器係藉由基於上述人工神經網路之學習模型，確定自上述目標日期起連續之特定個數之日期之上述目標物品之預估銷售量，計算自上述已確定之上述目標日期起連續之特定個數之日期之上述目標物品之預估銷售量的平均值，上述第1頁面包括顯示與上述一個以上之目標日期各者對應之上述平均值之資訊的區域。
如請求項1之電子裝置，其中上述一個以上之處理器係產生第3頁面，該第3頁面包括顯示一個以上之上述目標物品之清單之區域，將上述所產生之第3頁面提供至上述終端，自上述終端接收指示於上述清單中選擇之目標物品之資訊，上述第1頁面對應於上述選擇之目標物品而產生。
如請求項1之電子裝置，其中上述一個以上之處理器係產生第4頁面，該第4頁面包括與基於上述目標物品之可儲存時間段而分類之兩個以上之類別之各者對應的標籤，且包括顯示符合與所選擇之標籤對應之類別之物品之預估銷售量相關之統計資訊的區域，將上述所產生之第4頁面提供至上述終端。
如請求項10之電子裝置，其中上述一個以上之處理器係對於上述一個以上之目標日期中之任一者，計算符合上述類別之物品之當前日期確定之預估銷售量與特定日期前確定之預估銷售量間的差，確定符合上述類別之物品中上述差最大之預確定個數的目標物品，上述第4頁面包括顯示指示上述差最大之預確定個數之目標物品之資訊的區域。
如請求項10之電子裝置，其中上述第4頁面包括顯示對學習模型之統計之區域，該學習模型用以確定符合上述類別之物品之預估銷售量。
一種提供與物品之銷售量相關之預測之方法，其係藉由電子裝置而實行者，其包括如下動作：藉由基於人工神經網路之學習模型，確定一個以上之目標日期之目標物品之預估銷售量；產生第1頁面，該第1頁面包括顯示與上述一個以上之目標日期各者對應之上述已確定之上述目標物品之預估銷售量之資訊的區域；將所產生之上述第1頁面提供至終端；將於兩個以上之執行日期確定之上述目標日期之上述目標物品之預估銷售量分別儲存於一個以上的記憶體中；及基於上述執行日期與上述目標日期之差，確定與上述執行日期及上述目標日期之組合對應之透明度，其中上述第1頁面包括顯示與上述一個以上之目標日期各者對應之上述目標物品之預估銷售量的曲線圖，其中上述曲線圖基於上述已確定之透明度顯示在上述兩個以上之執行日期確定之上述目標日期之上述目標物品的所有預估銷售量。
如請求項13之方法，其中確定上述一個以上之目標日期之目標物品之預估銷售量之動作包括如下動作：於兩個以上之學習模型候補中確定特定學習模型，該特定學習模型用以確定上述目標物品之上述目標日期之預估銷售量；及藉由上述已確定之特定學習模型，確定上述目標日期之上述目標物品之預估銷售量，產生上述第1頁面之動作包括如下動作：產生包括顯示伴隨上述目標日期之上述目標物品之預估銷售量而指示上述已確定之特定學習模型之資訊之區域的上述第1頁面。
如請求項14之方法，其中於上述兩個以上之學習模型候補中確定用以確定上述目標物品之上述目標日期之預估銷售量的特定學習模型之動作包括如下動作：藉由既定之演算法，於上述兩個以上之學習模型候補中確定特定學習模型，該特定學習模型用以確定上述目標物品之上述目標日期之預估銷售量；且上述方法進而包括如下動作：產生根據上述演算法進行之上述特定學習模型之確定程序之順序圖；產生包括上述所產生之順序圖之第2頁面；及將上述所產生之第2頁面提供至上述終端。
如請求項13之方法，其進而包括如下動作：產生第3頁面，該第3頁面包括顯示一個以上之上述目標物品之清單之區域；將上述所產生之第3頁面提供至上述終端；及自上述終端接收指示於上述清單中選擇之目標物品之資訊；且產生上述第1頁面之動作包括如下動作：產生與上述選擇之目標物品對應之上述第1頁面。
如請求項13之方法，其進而包括如下動作：產生第4頁面，該第4頁面包括與基於上述目標物品之可儲存時間段而分類之兩個以上之類別之各者對應的標籤，且包括顯示符合與所選擇之標籤對應之類別之物品之預估銷售量相關之統計資訊的區域；及將上述所產生之第4頁面提供至上述終端。