CN1650297A - 定量用户偏好的系统 - Google Patents
定量用户偏好的系统 Download PDFInfo
- Publication number
- CN1650297A CN1650297A CN01822979.4A CN01822979A CN1650297A CN 1650297 A CN1650297 A CN 1650297A CN 01822979 A CN01822979 A CN 01822979A CN 1650297 A CN1650297 A CN 1650297A
- Authority
- CN
- China
- Prior art keywords
- consumer
- attribute
- attributes
- rank
- groups
- 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
- 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
Abstract
一种确定与消费者和产品相关的部分效用值的偏好信息的系统,所述的系统包括确定产品的多个属性,多个属性中的每一个都与多个属性级别相关,根据消费者的第一指示确定属性的多个组,多个组中的每一个包括多个属性中的一个或多个,确定多个组之一的多个属性的排列次序,根据消费者的第二指示确定多个组之一的多个属性中的一个或多个的相对重要性,根据消费者的第三指示确定多个组之一的多个属性中的一个或多个的一个或多个属性级别的标值,以及根据属性级别的一个确定的标值和多个属性之一的确定的相对重要性来确定与多个组之一的多个属性之一的一种属性级别相关的一个部分效用值。
Description
发明背景
发明领域
本发明涉及用于确定消费者偏好的系统。更具体地说,本发明涉及用于定量用户关于产品属性和产品属性级别的偏好的自显性折衷分析系统。
相关技术描述
在产品设计期间,生产商面临着多种选择。例如,一个生产商在决定产品中包括哪些属性时,必须从几个可用的产品特性或属性之中选择。一些属性是可选的,而其它的属性则必须被包括。以电视机为例,“底盘颜色”是必须被包括的属性,而“画中画”是一个可选择的属性。对于每个被包括的属性,生产商还必须选择与属性相关的属性级别。与属性″底盘颜色″有关的属性级别可以包括″黑色″、″白色″、″蓝色″等等。
有时,生产商通过改变几个版本中的产品属性和/或属性级别,生产类似产品的几个版本。在这种情况下,生产商必须确定属性和相关的属性级别来包括在如上所述的各个版本。此外,生产商必须确定每个版本将生产多少件。例如:一个生产商如果选择了生产具有黑色底盘的电视和具有蓝色底盘的电视,则必须确定每种电视的生产和提供出售的数量。
产品价格是提供给产品生产商的进一步选择。在这点上,生产商试图为每个生产的产品选择一个给生产商带来最大整体利润的价格。当然,价格也可以被认为是产品的一个属性,具有相关的包括具体价格在内的属性级别。
如果生产商有关于消费者偏好的详细且正确的信息,那么每个上述选择就变得非常容易。在这点上,一个消费者是可以对其提供产品和/或服务的任何实体。这种消费者包括个人、企业、和采购经理。消费者偏好信息可用于确定具体产品属性及其属性级别在消费者中的流行和需求程度。因此,通过利用这些信息,生产商可以更好地选择产品配置以及每个产品配置的生产量和价格以便使整体利润达到最大。考虑到它的重要性,生产商在他们为获得详细和正确的消费者偏好信息以及分析市场选择的努力中花费了大量资源。这些资源通常大多数是分配给传统的消费者调查。这种调查通常包括一系列预先设定的问题,用于从消费者那里得到消费者对于产品、产品属性以及产品属性级别的感受信息。调查可以随机地进行,例如通过在大型购物中心或其它的零售区域拦住消费者,或通过接触作为目标的特定消费者,这些消费者是与期望信息有关的人口统计组的组成人员。
传统的调查存在几个内在缺陷。首先,因为调查结果被编辑成为一般的人口统计类别,调查最多只能确定属于每个人口统计类别的理论上的平均消费者的偏好。因此,调查结果或多或少地仅是与任何一个消费者的偏好有关。因此,这种结果缺乏特定消费者对于可用及尚未可用的市场选择的偏好的预见的准确性。其次,虽然传统的调查可以表明一个属性级别(例如″黑色底盘颜色″)是否比另一个同样属性级别(白色底盘颜色)更受欢迎,但是这种调查不能提供对交叉属性的偏好进行比较的任意可靠方法。例如,传统的调查通常不能确定消费者更喜欢黑色底盘超过另一种颜色的程度,以便能对消费者喜欢27″屏幕,还是其它屏幕尺寸的程度之间进行比较。这些缺陷将导致传统的调查在产生针对个体消费者有用的定量偏好信息上是不利的。
焦点组是另一个传统的用来获得消费者偏好信息的介质。在一个典型的焦点组里,某些消费者被随机地选择(或根据如上所述人口统计选择)来回答问题及/或参与针对产品或一种产品的小组讨论。消费者提出的回答和评论被记录并且列表以便产生类似于利用调查技术获得的偏好信息。然而,因为他们的交互特性,焦点组有助于得到比通过调查得到信息更恰当的信息。尽管有这些优点,焦点组仍受如上所述传统调查的缺陷的困扰。
折衷(trade-off)分析的领域的发展提出了用于确定消费者偏好信息的传统方法中的上述及其它缺点。通常,折衷分析技术力图定量针对具体产品的属性和属性级别的消费者偏好。这种量化意图允许生产商容易地和正确地比较各种的产品配置对消费者的吸引力。例如,折衷分析技术让生产商比较带有画中画性能的27″价格为$399的电视与35″带有数字梳状滤波器的价格为$599的电视的吸引力。这种比较是可以的,因为所述的技术将消费者的对每个属性和属性级别的偏好与一个具体的数值相关联。因此,任何一种属性或属性级别相对于任何一种其它的属性或属性级别的相对吸引力可以简单地通过比较适当的相关数值来确定。
根据一个分类方法,存在四种折衷分析技术:联合;离散选择;自显性和混合。联合分析一般需要消费者评定或排列各产品配置。通常,消费者被要求排列二十个到三十个产品配置。每个排列的配置包括不同的被评价的属性和属性级别的组合。通过恰当地改变配置,可以为每个消费者估算一个回归模型。
对于确定消费者偏好,联合分析是一种在传统系统基础上的改进。例如,通过观察消费者行为确定偏好是困难的,因为消费者行为通常仅就几个属性和属性级别的组合(即,在市场中存在的组合)被观察。因此,在不同的消费者偏好之间难以分离和辨别,并且难以预见在消费者行为上属性及/或属性级别的改变的作用。另一方面,联合分析允许通过属性以及属性级别的控制的变化和控制的共同变化来提高消费者偏好的获悉。
根据离散的选择分析,一组产品配置被提供给消费者并且要求消费者选择其最感兴趣购买的配置,或者对任何提供的配置都没有购买兴趣时不选择配置。然后对其它组产品配置重复这一过程。与可以用来为个体消费者估算回归模型的联合分析相反,离散选择分析可以用来为一群消费者估算一个混合方法(类似于一个回归模型)。
当联合分析和离散选择分析间接地确定消费者偏好时,自显性分析通过询问消费者每一个产品属性范围和属性级别范围对他们购买决定的重要程度来直接确定偏好。根据一些自显性分析模型,所有被评估的属性和属性级别被提供给消费者,并且消费者被要求确定不能接受的属性级别。不能接受的属性级别是这样的,如果它被包括在一个产品里,将会造成产品完全不被消费者接受,而不管包括在产品里的任何其它的属性以及属性级别。例如,一个消费者可以指出包括与″颜色″属性相关的“粉红色”的属性级别的汽车是完全无法接受的,而不管包含在汽车中的任何其它的属性或属性级别。因此,″粉红色″被确定为一种消费者无法接受的属性级别。
接下来,消费者被要求从可接受的属性级别中确定与每个给出的属性有关的最希望的和最不希望的属性级别。假设消费者的最重要的属性等级为100,然后消费者被要求将每个剩余属性按相对重要性从0到100进行排列。接下来,对于每个属性,根据属性的所有其它可接受的属性级别排列每个属性级别的需要程度。然后通过将它的相关属性的相对重要性乘以它的需求级别来获得消费者对于属性级别的偏好。
混合分析技术利用来自上述说明技术的特征的组合。混合分析技术最通用的例子是Sawtooth软件公司的一个产品:自适应联合分析(ACA)。根据ACA,消费者通过属性级别的若干排列和相关属性重要性的排列(与自显性技术相似),然后被要求确定对于一系列产品配置对中的每一个,所述对中哪一个是最希望的和更希望是它的程度。混合模型的其它例子包括MACRO咨询公司开发的Cake方法和Logit-Cake方法。
每个折衷分析技术要求消费者对提出的询问提供一致的深思熟虑的回答。如果消费者被提出少量询问,消费者也许能提供这种回答,但是如果被提出太多询问,消费者就不愿意这样做。在这点上,由于评价的属性及/或属性级别的数目的增加,通过各个上述技术提出的询问数目急剧增加。这样一个询问数目的增加还导致要求回答询问的时间总量相应增多。因此,由于多个属性和属性级别被评价,各种形式的消费者偏见很可能增加,例如注意力范围减少、时间紧迫、缺乏耐心、厌倦和匆忙。这些增加的消费者偏见将导致消费者的错误和不正确的偏好信息的增加。也增加了消费者放弃所述的技术甚至干脆停止回答进一步询问的趋向,而在这种情况下,所产生的偏好信息是部分或全部无用的。
另一个消费者偏见形式是由对于具体的属性及属性级别的消费者心态引起的。如上所述,传统的折衷分析技术要求消费者针对其它属性或属性级别评价一个属性或属性级别的重要性。然而,如果消费者非常不喜欢其中一个属性或属性级别,消费者可以过高估计其它属性或属性级别的重要性。
考虑到上述内容,需要一个折衷分析系统来定量消费者偏好,该系统阐明了传统系统经受的消费者偏见的形式,并且还可以产生一个相对产品属性和属性级别的消费者偏好的正确且有用的图。
发明简要说明
为了阐明上述需求,本发明的一些实施例提供一个系统、一个用户界面、一个方法、一个装置、存储处理器可执行的处理步骤的计算机可读介质,和确定与消费者和产品有关的部分效用值的偏好信息的装置。这些实施例包括产品的多个属性的确定,多个属性的每一个与多个属性级别相关,根据消费者的第一指示确定多组属性,多个组中的每一个包括多个属性中的一个或多个,确定多个组之一的多个属性的排列次序,根据消费者的第二指示确定多个组之一的多个属性中的一个或多个的相对重要性,根据消费者的第三指示确定多个组之一的多个属性中的一个或多个的一个或多个属性级别的标值;以及根据属性级别的一个确定的标值和多个属性之一的一个确定的相对重要性来确定与多个组之一的多个属性之一的属性级别相关的一个部分效用值。
由于上述特征,本发明在一些方面,为了确定相对于一个给出数目的属性和属性级别的正确和有用的偏好信息,通过减少必须回答的询问的数目,来减少传统系统所经受的消费者偏见。通过减少询问数目,消费者回答询问所需要的时间也被大量减少,并且每一个这些因素减少了会使消费者失去兴趣或集中力,因此导致提供不正确的回答或停止提供回答的可能性。
此外,上述特征在消费者仅被询问有限数目的问题或仅在有限的时间内被询问问题的情况下提供有用的偏好数据。这时,可以确定组以便限定问题的数目或需要的时间以便产生有用的偏好信息。与上述传统方法不同,在消费者偏好信息评价期间,组也允许定制属性以及属性级别。
进一步对于以上方面,可以根据对消费者来讲,所述的多个属性中的一个或多个比多个属性中的另外的一个或多个更重要的指示来确定多个组。依据其它方面,由一个组中属性的消费者指定的相对重要性可以更正确的,因为所述的组包括对消费者来说相同重要的属性。也就是说,在一个组中的每一个属性指定的相对重要性同传统的系统相比可以更少地被歪曲,其中歪曲可以由要求消费者对某些属性相对于显著地更重要或更不重要的属性进行评定而产生。
根据另一个方面,本发明涉及与消费者和基于由消费者提供的信息的产品属性的属性级别有关的部分效用值的指示的接收,根据所述的部分效用值的报价的确定,和将该报价传送到消费者。在相关方面中,所述的指示被确定而不是接收,和/或指示是偏好信息的指示。然而,这些方面允许根据消费者的偏好信息提供给消费者一个报价。因此,该报价可以被设计为使对消费者的吸引力和由生产商收到的利润达到最大。
在另外的一个特征中,该本发明涉及确定与消费者和产品相关的偏好信息,通过发送对于与产品相关的多个属性的消费者的排列次序的一个请求,以及发送一个相对于一个最高排列属性的多个属性中至少之一的重要性的消费者的评定的请求。通过依据本发明这方面,分别发送排列次序请求和评定请求,每一个任务可以比较容易的进行并且可以减少消费者的混淆。因此,与传统的简单地询问评定或同时询问排列和评定的系统相比,排列顺序和评定都可以更好地反映消费者的真实的偏好。此外,这个方面允许在接收的排列次序与随后接收的顺序不一致的情况下检测错误。
本发明还涉及消费者偏好信息的确定,包括为消费者呈现对弈界面(gaming interface),接收对于对弈界面的消费者的输入,以及根据接收的输入确定消费者的偏好信息。发明的这些方面还通过保持消费者的对响应的兴趣以及继续响应输入请求来减少消费者偏见。
由上述方面的每一个方面的实施例提供的技术性效果都可以快速和有效的产生正确的用于更好的修改和确定商业实践的偏好信息。
具有这些及其它将在下文中更加明显的优势和特征,将通过参照下列详细说明和在此的附图,可以实现更彻底的理解本发明的本质。
附图简要描述
图1是根据本发明的实施例的定量消费者偏好的处理步骤的流程图。
图2是根据本发明的实施例的一个网络体系结构的剖析的视图;
图3是根据本发明的实施例的一个中央系统的内部结构的方框图。
图4是根据本发明的实施例的客户机设备的内部结构的方框图。
图5是根据本发明的实施例的一个产品数据库的表格部分的代表性的视图;
图6是根据本发明的实施例的一个偏好信息数据库的一个表格部分的代表性的视图;
图7是根据本发明的实施例的一种用于从消费者得到信息的界面的视图;
图8是根据本发明的实施例的一种用于从消费者得到信息的界面的视图;
图9是根据本发明的实施例的一种用于从消费者得到信息的界面的视图;
图10是根据本发明的实施例的一种用于从消费者得到信息的界面的视图;
图11是根据本发明的实施例的一种用于从消费者得到信息的界面的视图;
图12是根据本发明的实施例的一种用于从消费者得到信息的界面的视图;
图13是根据本发明的实施例的提供给客户机的消费者偏好信息的视图;
详细说明
图1是根据本发明的实施例的处理步骤100的流程图。为了提供本发明特征的快速介绍,以下将不参考具体例子对处理步骤100首先进行描述。因此,处理步骤100将在随后针对一个具体例子和具体硬件和软件实施例以及替换实施例的细节进行描述。
处理100从步骤S102开始,其中对于一个具体产品确定多个产品属性。每个产品属性与多个属性级别相关。产品属性和属性级别可以根据从产品生产商处获得的信息被确定。一般来讲,所述的属性和属性级别是生产商希望获得消费者偏好信息的特征。可以理解的是,虽然当前公开主要讨论的是生产商,但是本发明可以被销售商、经销商或其它有兴趣获得消费者偏好信息的团体使用。此外,在此使用的术语产品指产品及/或服务。
在步骤S102之后,多个属性组根据消费者在步骤S104的第一指示被确定。多个组的每一个都包括一个或多个产品属性。为了确定所述的多个组,消费者被要求根据多个产品属性的重要性将它们分组。例如,所述的属性可以归为三组,分别代表最不重要的属性、最重要的属性和其它属性。流程然后继续到步骤S106。
在步骤S106,多个组之一的多个属性的排列次序被确定。通过接收来自消费者的一个组中的每一个属性的排列和由此确定一个排列次序,执行步骤S106。然后,在步骤S108,根据消费者的第二指示,所述组的多个属性中的一个或多个相对该组的其它属性的重要性被确定。第二指示是通过发送给消费者一个问题提出的,比如这样的问题:“(属性1)的(属性级别X)和(属性级别Y)之间的差异相对于(属性2)的(属性级别A)和(属性级别B)之间的差异有多重要?”重要值是用一个百分比表示的,最重要的属性与重要值100%相关联。在一个实施例中,在完成步骤S108之后,多个组之一的一个或多个属性的每一个都与一个相对重要性的值相关。在另一个实施例中,多个组之一的一个或多个属性中仅有一部分与相对重要性值相关。
然后所述的组的一个或多个属性级别的标值在步骤S110中根据消费者的第三指示被确定。为了确定一个标值,来自消费者的一个指示被接收,它将值0赋值给与具体属性相关的最不希望的属性级别,并且将值10赋值给与具体属性相关的最希望的属性级别。此外,所述的指示将0到10之间的值赋值给所述的与具体属性相关的每一个其它属性级别。属性级别的标值可以通过要求消费者针对最不希望和最希望的属性级别评定标值来产生。
然后,在步骤S112确定一个部分效用值。部分效用值表示消费者对于一个具体的属性级别的偏好或实用性的值。其优点在于,根据本发明的实施例,部分效用值可以用来根据各自的不同的希望程度比较与不同属性相关的属性级别之间的差异。
在步骤S112确定的部分效用值是与所述的组的多个属性之一的一个属性级别相联系的。特别地,所述的部分效用值是通过把该属性级别的标值(在步骤S110确定的)乘以相关的属性的相对重要性(在步骤S108确定的)而确定的。例如,最重要属性的最希望属性级别的部分效用值等于10×100%=10,而最重要属性的最不希望属性级别的部分效用值等于0×100%=0。可以理解,与任何一种属性相关的最不重要的属性级别的部分效用值等于0。
如上所述,处理步骤100的实施例为了确定正确和有用的偏好信息,通过减少必须回答的询问的数目来减少潜在消费者偏见。询问数目的减少和消费者回答询问所需要的时间总量的减少,减少了消费者可能丧失兴趣或集中力以及因此提供不正确回答的可以性。此外,询问的数目的减少导致更少数据被存储和分析。
如果消费者只被询问有限数量的问题或只在有限时间内被询问问题,处理步骤100也可以提供有用的偏好数据。这样的话,可以确定组以便限定问题的数目或需要的时间以便产生有用的偏好信息。更进一步,如果根据一个指示来确定多个组,这个指示表示对消费者来说,多个属性的一个或多个比所述多个属性的另外一个或多个是更重要的,消费者可以更正确地提供组中每一个属性的相对重要性。这样提供的相对重要性被认为是更正确的,因为通过消费者对于组中的一个属性的感觉,该属性与组中其它的属性相比较显著地不重要或更重要,重要性是很少会被歪曲的。
网络结构
图2是根据本发明的实施例的一个网络体系结构的剖析视图。当然,许多其它的体系结构可以用来实现本发明。图2所示的是中央系统200,描述为一个主计算机。为了确定与消费者和产品相关的部分效用值的偏好信息,中央系统200可以用来执行图1的处理步骤100。中央系统200可以由一个公司操作,比如代理人Blue Flame Data公司,为生产商或希望获得消费者偏好信息的其它的客户提供折衷分析服务。
在操作中,中央系统200可以使用由消费者和客户输入的数据,以及继承性数据,第三方数据和/或观察的行为数据以产生这样的偏好信息。应当指出的是,许多其它类型的计算硬件可以用来完成所述中央系统200的功能,包括但不仅限于,一个服务器、一个工作站、一个网络或任何一种一个或多个上述的组合。下面参考图3对中央系统200进行详细说明。
与中央系统200通信的是几个客户机设备300。根据本发明的客户机设备300可以被产品生产商使用,以便将给定产品的属性和属性级别传输到中央系统200,以便使中央系统200确定与每一个属性和属性级别相关的部分效用值。当然,中央系统200可以利用来自其它源的数据确定属性和属性级别。可以从客户机设备300传输到中央系统200的其它信息包括:根据本发明由中央系统200使用的用于改变阈值或其它参数以便确定偏好信息的信息。
客户机设备300也可以从中央系统200接收将要用于显示给生产商或其它的客户的信息。这样的信息可以包括对消费者响应的实时监控、场景模拟、或一个允许操作人员在从消费者收集信息时调节现有阈值或参数的界面。当然,生产商还可以使用客户机设备300查看由客户机设备300从中央系统200接收的偏好信息。
如图2所示,客户机设备300可以包括一个服务器和/或一个信息站。根据本发明的任何一种其它的适当的设备可以用作客户机设备300,包括而不仅限于:一个工作站、一个主计算机和一个计算机终端。如果客户机设备300是一个具有它自己的输入和/或输出装置的设备,比如一个信息站,消费者可以使用客户机设备300输入根据本发明提出的询问的答案,并且输入其它的指示到中央系统200。因此,客户机设备300也可以在这种情况下显示一个界面给消费者,允许消费者输入这样的信息。
信息也可以如上所述通过消费者设备400被传输到消费者或从消费者接收。图2显示的是由一个电话、一个个人数字助理、一个工作站和一个笔式计算机表示的消费者设备400。所示的消费者设备400用于和客户机设备300通信,并且就电话消费者设备400来说,直接与中央系统200通信。在这点上,结合本发明可用的消费者设备400包括任何一种能够可视地和/或可听地给消费者显示信息,并且可以将由消费者做出的指示传输给一个外部设备的设备。当然,消费者设备400也应该能和所述的设备通信,或通过在设备之间存在的任何类型的网络介质与设备进行通信。
尽管图2的组件之间示例说明的连接似乎是专用的,但是应当指出,每一个连接都可以由其它的组件共享。此外,所述的连接可以包括一个或多个局域网、广域网、电话网、蜂窝网、光纤网、卫星网、红外线网、无线电频率网或任何一种其它类型的可以用来在设备之间传输信息的网络。另外,所示的和其它设备通信的设备不必一直持续交换数据,相反,所述的通信可以在必要时建立,而在其他时间是断开的,或总是可用的但是很少用来发送数据。
中央系统
图3是根据本发明的实施例的中央系统200的内部结构的方框图。如图所示,中央系统200包括和通信总线220通信的微处理器210。微处理器210可以是奔腾(Pentium)、基于RISC的或其它的类型的处理器,并且可以用来执行处理器可执行的处理步骤,以便控制中央系统200的组件,用于提供期望的功能。
通信端口230也和通信总线220通信。通信端口230用于将数据发送到外部设备,并且从外部设备接收数据。因此,通信端口230最好用适合于与期望的外部设备和/或网络连接物理接口的硬件进行配置。在一个实施例中,显示给消费者的询问和来自消费者的指示通过通信端口230被传输到客户机设备300,并且从客户机设备接收。
输入设备240,显示器250和打印机260也与通信总线220通信。任何一种已知的输入设备可以当作输入设备240使用,包括键盘、鼠标、触摸板、语音识别系统或任何这些设备的组合。输入设备240由操作人员使用,输入产品相关信息(比如属性和属性级别)、消费者相关信息(比如联系和身份识别信息)、客户相关信息(比如账单和交易信息),以及发送给中央系统200的命令。在这点上,命令可以被输入到中央系统200,以便输出特定的客户账户或特定的消费者的偏好信息的详细报告。
这样的一个报告可以输出到显示器250,显示器可以是整体的或单独的CRT显示器、平板显示器等等。显示器250用于将图形和文字输出给操作人员,以响应由微处理器210给出的命令。打印机260也是一个输出装置,然而使用喷墨、热升华、点阵式、激光或其它的打印技术产生一个数据的硬拷贝。
连接到通信总线220上的随机存取存储器(RAM)270为微处理器210提供快速的数据储存和检索。在这点上,由微处理器210执行的处理器可执行的处理步骤通常被暂时存储在随机存取存储器270中,并且在此被微处理器210执行。相反,只读存储器(ROM)280提供可以从中检索数据,但是不能存储数据的存储器。因此,只读存储器280用来存储固定的处理步骤及其它数据,比如基本输入/输出指令以及在系统启动期间或用来控制通信端口230所使用的数据。
数据存储设备290存储处理器可执行的处理步骤的中央系统程序292以及其它数据。根据本发明的实施例,中央服务器程序292的处理步骤可以从计算机可读的介质中读取,比如软盘、光驱、DVD光驱、Zip盘、磁带或编码处理步骤的信号,然后保存在数据存储设备290中。微处理器210执行程序292的指令,并且由此依照本发明操作,特别依照在此详细描述的处理步骤操作。
特别地,根据本发明的实施例,微处理器210执行中央系统程序292的处理器可执行的处理步骤,以便提供用于确定产品的多个属性,与多个属性级别相关的多个属性中的每一个,根据消费者的第一指示确定属性的多个组,包括多个的属性中的一个或多个的多个组中的每一个,确定多个组之一的多个属性的排列次序,根据消费者的第二指示确定多个组之一的多个属性中的一个或多个的相对重要性,根据消费者的第三指示确定多个组之一的多个属性中的一个或多个的一个或多个属性级别的标值;以及根据属性级别的确定的标值和多个属性之一的确定的相对重要性,确定与多个组之一的多个属性之一的属性级别相关的部分效用值。
根据本发明的实施例,处理步骤允许接收(或确定)与消费者和基于消费者提供的信息的产品属性的属性级别相关的部分效用值(或偏好信息)的一个指示,根据该部分效用值确定一个报价,并且将该报价传送给消费者。此外,处理步骤通过第一个发送对于与产品相关的多个属性的消费者的排列次序的请求,和第二个发送对于相对于最高排列属性的多个属性中的至少一个的重要性的消费者的评定的请求,提供一个系统来确定偏好信息。
在另一个实施例中,硬件实现电路可以被替换,或结合处理器可执行处理步骤实现本发明的处理。因此,本发明的实施例不限于硬件和软件的任意特定组合。
中央系统程序292中还包括处理器可执行的处理步骤,以便提供万维网服务器。这样的一个网络服务器允许中央服务器200与客户机设备300以及消费者设备400通过万维网通信。另外,程序292可以包括一个交互式语音响应系统的处理步骤,该系统允许中央系统200向使用电话消费者设备400的消费者发送询问,并且从消费者接收回答。
中央系统程序292可以是一种以压缩的、未编译的和/或加密格式保存在数据存储设备290中。中央系统程序292进一步包括程序单元,它可以是中央系统292操作所必需的,比如一个操作系统,一个数据库管理系统和用于允许微处理器210与和通信端口230通信的设备接口的″设备驱动程序″。这些程序单元是本领域普通技术人员公知的,不必在此详细描写。
存储在数据存储设备290中的还有产品数据库294和偏好信息数据库296。产品数据库294包括与产品有关的信息,这些产品的偏好信息已经或将要被确定,并且偏好信息数据库296包括根据本发明确定的偏好信息。这些数据库将参考图5和图6分别进行详细地论述。
客户机设备
图4是客户机设备300的内部结构。如图所示,根据所述描述的实施例的客户机设备300包括微处理器310、通信端口330、输入设备340、显示器350、打印机360、随机存取存储器370和只读存储器380,它们中每一个都与通信总线320通信。这些组件中的每一个可能的实施例都与在图3中的组件相似,且被冠以相同的名称,尽管根据本发明,图4所示的组件执行的功能可以与图3中的组件执行的功能不同。
特别地,输入设备340可以是由生产商操作客户机设备300使用,以便输入被调查偏好信息的产品属性和属性级别,并且还输入被期望提供偏好信息的典型消费者的人口统计的信息。显示器350和打印机360可以用于输出从中央系统200接收的信息,比如消费者偏好信息、建议报价、最优产品或一种消费者的支付意愿。当然,这些信息可以由客户机设备300确定,而不是从中央系统200接收。在客户机设备300是一个信息站或其它对于消费者和客户生产商两者都是可用的设备的情况下,输入设备340、显示器350和打印机360可以被消费者使用,以便从中央系统200接收询问,并且输入询问的答案及其它指示到中央系统200。
数据存储设备390存储客户机设备程序392、产品数据库394和偏好信息数据库396。客户机设备程序392包括处理器可执行的处理步骤,它们可以由微处理器310执行,以完成在此说明的处理步骤。根据本发明的实施例,客户机设备程序392包括提供根据由消费者提供的信息接收与消费者和产品属性的属性级别相关的部分效用值的指示的处理步骤,并基于该部分效用值确定报价,并将该报价发送至消费者。如上所述,这样的功能允许提供给消费者一个报价,它是为消费者的特殊偏好信息定制的。
客户机设备程序392还可以包括处理器可执行的处理步骤以提供万维网服务。如关于中央系统200所描述的,网络服务器将允许客户机设备300与执行一个网络浏览器的消费者设备400通信。另外客户机设备程序392可以包括一个交互式语音响应系统的处理步骤,该设备提供与利用电话消费者设备400的消费者的自动通信。
客户机设备程序392的处理步骤可以从用于存储在数据存储设备390的任何计算机可读的介质中接收。根据一些实施例,客户机设备程序392作为由实体提供的商业解决方案的一部分从实体操作中央系统200接收。在这点上,如上所述与图1有关的和其它结合本发明的步骤可以由中央系统200和客户机设备300两者的协同或其中一个完成。
产品数据库394包括的信息与包括在产品数据库294的信息相似。然而,所述的包括在产品数据库394的信息,在一些实施例中由操作客户机设备300的生产商输入。偏好信息数据库396包括消费者偏好信息,根据本发明,该信息可以由中央系统200传输给客户机设备300,或可以由客户机设备300产生。
如上所述,产品数据库294和偏好信息数据库296在下面将被详细描述并且在图5和6中举例说明。正如本领域的普通技术人员所理解的一样,数据库的表格表示和附加说明仅仅表示存储的信息之间的关系。除了表格所示的那些建议之外,还有许多的其它的方案可以被采用。同样地,图示的数据库的项仅表示示例信息;本领域技术人员应当理解,项的数目和内容可以与图示不同。
产品数据库
图5表示的是产品数据库294的一部分的表格表示。产品数据库294存储指定特定产品的属性和相关的属性级别的数据。特别地,客户机:产品字段402表示将为其评估相关的属性404和属性级别406的客户机,以及和属性404和属性级别406相关的产品。此外,在单一记录中与属性404和属性级别406相关的是暗示次序标志408。暗示次序标志408表示相关的属性级别406是否可以被假设按照消费者的偏好次序列出。暗示次序标志408的使用将会在下面进行描述。应当指出,属性404、属性级别406以及暗示次序标志408可以由消费者或客户机指定,并且由中央系统200从客户机设备300或从消费者设备400中接收。当然,产品数据库294的属性404、属性级别406和暗示次序标志408可以独立地由中央系统200确定。
尽管图5表示了指定特定属性和属性级别的数据,本发明设想为任意特定产品评估较少的或更多的属性及/或属性级别。另外,设想产品数据库294可以为多种产品及/或多个客户机储存数据。相反,对于一个实施例设想的是保存在客户机设备300中的产品数据库394可以仅存储与操作客户机设备300的特定客户有关的数据。
保存在产品数据库294中的数据可以根据本发明的实施例被使用,以便确定关于属性404和属性级别406的偏好信息。上面关于图1就描述了这样一个实施例。在这样确定以后,所述的偏好信息可以被保存在偏好信息数据库296中,并且/或被传输到客户机设备300用于存储在偏好信息数据库396。
偏好信息数据库
图6表示根据本发明的实施例的偏好信息数据库296的一部分的一个表格表示。存储在偏好信息数据库296中的数据反映根据本发明确定的偏好信息。如消费者:产品字段410所示,所示的数据库的一部分反映针对单项产品的单一消费者的偏好信息。表格部分中每一个记录包括一个指定属性的字段412和一个指定相应属性级别的字段414,以及与每一个属性级别有关的部分效用值。
针对提及的产品数据库294而言,对于特定产品的保存在偏好信息数据库296中的数据可以反映比图6所示更少或更多的属性及/或属性标准。此外,可以设想偏好信息数据库296将存储与多个消费者和每一个消费者的多种产品对应的数据。另一方面,可以设想客户机设备300的产品数据库396可以存储多个消费者的偏好信息,但是仅对应那些由操作客户机设备300的特定客户销售的产品。应当理解的是,用″?″表示的部分效用值是与被消费者认为是″次要的″属性412相关的。
具体例子
虽然以下例子是以图1的处理步骤为基础的,但是设想的其它和/或另外的处理也会被描述。应当指出,图1中的处理步骤和在此描述的其它处理步骤被描述为由中央系统200通过由微处理器210执行的中央服务器程序292的处理器可执行的处理步骤完成的。然而,处理步骤可以由一个或多个中央系统200、客户机设备300、消费者设备400、其它的设备和人工方式被全部或部分地完成。
如上所述,在步骤S102中,主体产品的多个产品属性被确定。在以下阐述的例子中,主体产品是豪华客车,属性是″马力″、″每加仑英里数(M.P.G.)″、″标志″和″价格″。每一个确定的属性与一个或多个属性级别有关,这些属性级别是与图5的产品数据库294中的属性相关的。因此,属性可以在步骤S102中参照与在产品数据库294中存储的产品有关的属性,由中央系统200确定。属性也可以通过从操作人员经由输入设备240接收表示属性的数据或通过从客户机设备300接收表示属性的数据,由中央系统200确定。就后者来说,客户机设备300可以从产品数据库394或从操作输入设备340的操作人员检索属性。此外,可以在步骤S102中,在对消费者确定产品之后通过从消费者接收属性来确定属性。在这点上,当消费者决定是否购买该产品时,消费者可以被要求选择或指定他所关心的属性及/或属性标准。
在属性被确定之后,应当确定对于消费者来说与该确定的属性有关的任意属性级别是否是不能接受的。在这点上,一个不能接受的属性级别是这样一个属性级别,如果该级别包括在一个产品中,将会防碍消费者购买该产品,而不管包括在产品中的其它属性级别。图7的用户界面500可以用于根据消费者的输入确定不能接受的属性。
将用户界面500通过消费者设备400提供给消费者。用户界面500,以及如下所述的其它用户界面,可以在中央系统200处启动并且被直接从中央系统200或从中央系统200通过一个例如客户机设备300的中间设备传输到消费者设备400。同样地,用户界面可以在客户机设备300开始并且被直接或通过一个中间设备传输到消费者设备400。
用户界面500,如图所示,要求消费者识别确定的属性的不能接受的属性级别。包括在用户界面500中的信息反映保存在中央系统200的产品数据库294中的信息。利用用户界面500,消费者可以标识出从零到全部显示的属性级别中不能接受的。如图7所示,消费者已经标识″150马力″、″15每加仑英里数″及″$50,000″作为不能接受的属性级别。
图8表示用户界面600,它是接着用户界面500显示给消费者的。用户界面600显示那些在用户界面500中没有被指示为不能接受的属性和相关的属性级别。因此,图8显示图7中所示的除了被认为不能接受的属性级别外的所有属性以及属性级别。用户界面600要求消费者标识显示的属性级别中最希望的和最不希望的。或者,用户界面600可以要求消费者排列被显示的属性的每一个属性级别的希望程度。
根据本发明的实施例,如果一个属性级别具有一个暗示的次序,则该属性和它的相关的属性级别可以不被显示在用户界面600中。暗示的次序是一个根据预期的消费者期望假定的属性级别的希望程度排列的次序。例如,产品数据库294指示属性″价格″的属性级别是以暗示的次序列出的,比如假定一个消费者更喜欢,例如,一个$30,000的汽车超过一个$35,000的汽车,其它一切等同。
或者,具有一个暗示的次序的属性级别,可以根据该暗示的次序以相关的预先选中的复选框显示在用户界面600。使用当前的例子,这个实施例会预先选中指示$30,000的复选框是属性″价格″中最希望的属性级别,而$45,000是最不希望的属性级别。
在确定了最希望和最不希望属性级别之后,显示用户界面700,以便针对如上所述的步骤S104,根据消费者的指示确定多组属性。如图9所示,用户界面700要求消费者标识每一个属性为″重要的″或者″次要的″。操作图9的用户界面700的消费者指示了属性″马力″、″每加仑英里数″和″价格″是″重要的″,属性″标志″是″次要的″。依据当前公开的内容,″重要的″和″次要的″指示涉及单独的属性组。应当指出,依照本发明可以确定两个以上的组,比如″非常关键性的″、″适度关键性的″和″非关键性的″组。在其它的实施例中,只有当属性的数目大于一个阈值的时候,才将用户界面700显示给用户以将属性分成组。阈值可以根据处理必须被完成的时间总量或向消费者询问的问题的最大数目来确定,且可以通过中央系统200、客户机设备300或消费者设备400设置。
然后,根据步骤S106,将图10的用户界面800显示给消费者,以便确定包括在″重要的″组中的属性的排列次序。虽然用户界面800允许通过给每一个属性分配数目来排列,排列次序还可以通过询问消费者而指定对于每一个属性的最希望和最不希望属性级别的希望程度上的差异被确定。然后根据这些差异排列这些属性,具有最大的差异的属性是最重要的属性。
然后,将图11的用户界面900显示给消费者,以便确定相对于最重要的属性,″关键性的″组的属性的相对重要性。通过在确定排列次序之后确定相对重要性,该处理允许消费者在更详细的相对比较之前,在属性之间进行一般的相对比较。因此消费者能比以前的系统更正确地为属性分配相对重要性。
在图11的实施例中,重要性是通过询问消费者对于每一个不同于最重要属性的属性,最希望属性级别与最不希望属性级别相比的重要性,和最重要属性的最希望属性级别与它的最不希望级别相比的重要性进行比较,由此进行的评定而确定的。在具体例子中,″马力″被指示为使用用户界面800的最重要的属性,而在用户界面600中,属性″价格″和″马力″的最希望和最不希望属性级别被分别指示为″$30,000″,″$45,000″,″250马力″和″190马力″。因此,用户界面900要求消费者对$30,000的价格到$45,000的价格的重要性同在马力中的差异的重要性相比进行评定。根据该例子,关于″重要的″组的其余属性,即″每加仑英里数″的最期望和最不期望属性级别询问相同的问题。
在一个实施例中,根据排列次序,对于每一个属性询问以上问题询问。也就是说,排名第二的属性的相对重要性在排名第三的属性的相对重要性之前被确定。同不根据排列次序确定重要性的实施例相比,这个实施例允许消费者更准确地指示相对重要性。
根据其它的实施例,消费者被要求评定比″重要的″组的全部剩余属性更少的重要性。例如,可以要求消费者根据确定的排列次序排列″重要的″组的前20名属性或前20%的属性的重要性。评定的属性的数值可以通过客户机选择,通过消费者选择,或根据任意因素,包括分配的从消费者接收信息的时间,由中央系统200假定。依据这种实施例的未评估的属性可以根据他们的相对排名分配重要性。在这点上,在这种情况下,即排名为从最低起第6位的属性被分配12%的相对重要性,具有五个最低排名的属性可以自动地分别分配10%,8%,6%,4%和2%的相对重要性。这些实施例有利地提供正确的偏好信息,同时减少了需要从消费者接收信息所需的时间量,由此减少了若干消费者偏见。
可以通过指定最重要的属性为具有100%的相对重要性,并且要求消费者为该组中的每个其他属性指定百分比值,来确定所有属性的相对重要性。此外,可以通过评估在属性的最希望和最不希望属性级别之间差异相对于在最重要的属性的最希望和最不希望属性级别之间差异的重要性的消费者的评定来确定属性的相对重要性。
另外,相对重要性可以在步骤S108通过在属性的最希望和最不希望属性级别之间差异相对于在最不重要的属性的最希望和最不希望属性级别之间差异的重要性的消费者的评定来确定。相对重要性也可以根据通过用户界面800接收的属性排列,其中,例如,最重要的属性被分配100%的相对重要性,最不重要的属性被分配0%的重要性,其余属性在介于其间的范围之内被等分。
然后,在步骤S110,在″重要的″组中的属性的每一个可接受的属性级别的标值被确定。用户界面1000表示从消费者得到与属性有关的每一个属性级别的标值的一种方法。在当前例子中,不需要为那些仅与两个属性值有关的组的属性来确定标值,例如″M.P.G.″,因为根据定义,其余属性级别是最希望的和最不希望的属性级别,并且自动地分别将10和0这两个标值分配给它们。如图所示,对于″220马力″标值可以确定为″5″,而对于″$40,000″和″$35,000″可以确定为″3″和″7″。
可以根据问题的回答确定标值,比如问题是″如果你得到一个具有220马力而不是250马力的汽车,而其它都一样,你会感觉如何?″,其中回答可以是回答范围中的一个。其它的方法包括允许消费者给每一个属性级别分配标值。这些方法允许检查消费者的回答的准确度,因为分配的标值可以被检查与输入到用户界面600的属性级别排列的不一致性。例如,如果″190马力″被表示为一个最不希望的属性级别但是被给出大于标值″220马力″的一个标值时,就可以识别不一致性。标值可以仅根据属性级别排列被确定,该属性标准排列是分别分配值10和0给最重要的属性级别和最不重要的属性级别,并且其余属性级别被分配以等分所有的属性级别而产生的值。
在确定标值以后,可以根据相关的标值和相关的属性的相对重要性来确定每一个属性级别的部分效用值。在本例中,根据消费者对用户界面1000的输入,属性级别″220马力″被确定为具有标值″5″。另外,根据用户界面800的输入,″马力″被确定为是最重要的属性,因此在步骤S108中被分配以100%的相对重要性。因此,与″220马力″相关的部分效用值是(100%*5)=5。同样地,与″190马力″和″250马力″对应的部分效用值分别是(100%*0)=0和(100%*10)=10。
采用一种假设,即在步骤S108中为属性″每加仑英里数″和″价格″分别确定其相对重要性是40%和70%,图6的偏好信息数据库294是根据本发明的实施例中的例子确定的偏好信息填充的。更具体地说,与″25每加仑英里数″和″35每加仑英里数″的″每加仑英里数″属性级别相关的部分效用值分别是(40%*0)=0和(40%*10)=4,而与″$45,000″,″$40,000″,″$35,000″和″$30,000″的″价格″属性级别相关的部分效用值分别是(70%*0)=0,(70%*3)=2.1,(70%*7)=4.9和(70%*10)=7。
″标志″属性级别的相关显示为″?″符号,因为该属性″标志″处于一个“非关键性”的组,并且在例子中没有评估。另外,不能接受的属性级别不具有部分效用值,因此,相关的值用″X″表示。在其它的实施例中,与″非关键性的″属性相关的属性级别的部分效用值是根据以前确定的属性级别的排列来进行评价的。
图13是根据本发明的实施例显示给客户机的消费者偏好信息1100的视图。消费者偏好信息1100意图提供给客户根据本发明确定的消费者偏好信息的可理解的分析。偏好信息1100可以通过许多途径显示给客户,包括通过传输表示偏好信息1100的数据到客户机设备300,通过传输一个包括偏好信息1100的网页到客户机设备300,通过利用显示器250或显示器350为客户机显示偏好信息1100,以及通过提供利用打印机260或打印机360产生的偏好信息1100的一个硬拷贝给客户机。如图所示,偏好信息1100反映了保存在图6的偏好信息数据库296中的数据。
尽管本发明在此已经针对具体的实施例进行了详细说明,本领域的普通技术人员应当注意到,可以对这里描述的实施例进行各种替换,而不脱离本发明的精神及范围。
Claims (43)
1.一种用于确定与消费者和产品有关的部分效用值的偏好信息的方法,包括:
确定产品的多个属性,多个属性的每一个都与多个属性级别有关;
根据消费者的第一指示确定属性的多个组,多个组的每一个包括多个属性中的一个或多个;
确定多个组之一的多个属性的排列次序;
根据消费者的第二指示确定多个组之一的多个属性中的一个或多个的相对重要性;
根据消费者的第三指示确定多个组之一的多个属性中的一个或多个的一个或多个属性级别的标值;
根据属性级别的确定的标值和多个属性之一的确定的相对重要性,确定与多个组之一的多个属性之一的属性级别有关的部分效用值。
2.根据权利要求1的方法,其中所述的多个组根据一个指示被确定,该指示是对消费者来说比多个属性中的另外一个或多个更重要的多个属性中的一个或多个。
3.根据权利要求1的方法,更进一步地包括:
确定与多个属性之一有关的多个属性级别的排列次序。
4.根据权利要求3的方法,其中确定与多个属性之一有关的多个属性级别的排列次序的步骤包括:
接收与多个属性之一有关的多个属性级别中的对消费者来说最希望的属性级别的指示,以及与多个属性之一有关的多个属性级别中的对消费者来说最不希望的属性级别的指示。
5.根据权利要求3的方法,其中确定与多个属性之一有关的多个属性级别的排列次序的步骤包括:
根据预期的消费者偏好确定多个属性级别的排列次序。
6.根据权利要求1的方法,其中所述的多个属性的排列次序是根据消费者最期望的属性级别和消费者最不期望的属性级别之间的差异确定的。
7.根据权利要求6的方法,其中具有在消费者最期望的属性级别和消费者最不期望的属性级别之间最大的差异的多个组之一的多个属性中的属性是多个组之一的排名最高的属性。
8.根据权利要求7的方法,其中确定多个组之一的多个属性中的一个或多个的相对重要性的步骤包括:
确定对于消费者,在多个组之一的其余多个属性中的一个或多个中,消费者最期望的排名最高属性的属性级别和消费者最不期望的排名最高属性的属性级别之间的差异,相对于消费者最期望的属性级别和消费者最不期望的属性级别之间的差异的重要性的。
9.根据权利要求1的方法,其中确定多个属性中的一个或多个的相对重要性的步骤包括:
仅确定多个属性的阈值数目中的每一个的相对重要性。
10.根据权利要求9的方法,其中根据排列次序确定除了多个属性的阈值数目外的多个属性的每一个的相对重要性。
11.根据权利要求1的方法,其中确定与多个属性之一的属性级别相关的部分效用值的步骤包括:
根据多个属性之一的相对重要性乘以属性级别的标值确定部分效用值。
12.根据权利要求1的方法,更进一步包括在确定多个属性中的一个或多个的排列次序之前去除一个消费者不能接受的属性级别。
13.根据权利要求1的方法,更进一步包括根据部分效用值给消费者提供报价。
14.根据权利要求1的方法,其中所述的报价是销售产品给消费者的报价。
15.根据权利要求1的方法,更进一步包括确定若干个该多个属性是否大于一个阈值。
16.根据权利要求15的方法,其中该阈值是根据询问消费者问题的时间总量。
17.根据权利要求15的方法,其中该阈值是根据向消费者询问的问题的总数。
18.一种为消费者提供报价的方法,包括:
根据由消费者提供的信息接收与该消费者以及产品的属性的属性级别相关的部分效用值的指示;
根据该部分效用值确定一个报价;以及
将该报价发送给消费者。
19.根据权利要求18的方法,更进一步地包括:
接收消费者对产品感兴趣的指示。
20.根据权利要求18的方法,其中该报价是销售产品给消费者的报价。
21.一种为消费者提供报价的方法,包括:
根据由消费者提供的信息确定与该消费者以及产品的属性的属性级别相关的部分效用值;
根据该部分效用值确定一个报价;以及
将该报价发送给消费者。
22.根据权利要求21的方法,更进一步地包括:
接收消费者对产品感兴趣的指示。
23.根据权利要求21的方法,其中所述的报价是销售产品给消费者的报价。
24.一种为消费者提供报价的方法,包括:
根据由消费者提供的信息确定与该消费者以及产品的属性的属性级别相关的偏好信息;
根据该偏好信息确定一个报价;以及
将该报价发送给消费者。
25.根据权利要求24的方法,更进一步地包括:
接收消费者对产品感兴趣的指示。
26.根据权利要求24的一种方法,其中所述的报价是销售产品给消费者的报价。
27.一种用于确定与消费者和产品相关的偏好信息的方法,包括:
发送与产品相关的多个属性的消费者的排列次序的第一请求;和
发送相对于排列次序的排名最高的属性,多个属性中至少一个的重要性的消费者的评定的第二请求。
28.根据权利要求27的一种方法,其中该排列次序是以多个属性中的一个或多个在最希望属性级别和最不希望属性级别之间的差异为基础的。
29.根据权利要求28的一种方法,其中排名最高的属性是具有在最希望属性级别和最不希望属性级别之间最大差异的多个属性中的一个属性。
30.根据权利要求27的一种方法,其中该排列次序包括与多个属性的每一个相关的唯一的排列。
31.根据权利要求27的一种方法,其中该评定是基于针对消费者,在多个属性中的至少一个中,消费者最期望的排名最高属性的属性级别和消费者最不期望的排名最高属性的属性级别之间的差异,相对于消费者最期望的属性级别和被消费者最不期望的属性级别之间的差异的重要性的。
32.根据权利要求27的方法,更进一步包括确定该排列次序是否与多个属性中至少一个的评定不一致。
33.一个存储处理器可执行的处理步骤的介质,该处理步骤确定与消费者和产品有关的部分效用值的偏好信息,所述的步骤包括:
确定产品的多个属性的步骤,多个属性的每一个都与多个属性级别有关;
根据消费者的第一指示确定属性的多个组的步骤,多个组的每一个包括多个属性中的一个或多个;
确定多个组之一的多个属性的排列次序的步骤;
根据消费者的第二指示确定多个组之一的多个属性中的一个或多个的相对重要性的步骤;
根据消费者的第三指示确定多个组之一的多个属性中的一个或多个的一个或多个属性级别的标值的步骤;以及
根据属性级别的确定的标值和多个属性之一的确定的相对重要性来确定与多个组之一的多个属性之一的属性级别有关的部分效用值的步骤。
34.根据权利要求33的介质,其中所述的多个组根据一个指示被确定,该指示是对消费者来说多个属性中的一个或多个比多个属性中的另外一个或多个更重要。
35.根据权利要求33的介质,该处理步骤更进一步地包括:
基于期望的消费者偏好来确定与多个属性之一有关的多个属性级别的排列次序的步骤;
36.根据权利要求33的介质,其中具有在消费者最期望的属性级别和消费者最不期望的属性级别之间最大差异的多个组之一的多个属性中的一个属性是多个组之一的排名最高的属性。
37.根据权利要求33的介质,处理步骤更进一步包括在确定多个属性中的一个或多个的排列次序之前去除一个消费者不能接受的属性级别。
38.一个用于确定与消费者和产品有关的部分效用值的偏好信息的装置,包括:
一个处理器;和
一个与处理器之间通信并且存储适合由所述的处理器执行的指令的存储装置,以便:
确定产品的多个属性,多个属性的每一个都与多个属性级别有关;
根据消费者的第一指示确定属性的多个组,多个组的每一个包括多个属性中的一个或多个;
确定多个组之一的多个属性的排列次序;
根据消费者的第二指示确定多个组之一的多个属性中的一个或多个的相对重要性;
根据消费者的第三指示确定多个组之一的多个属性中的一个或多个的一个或多个属性级别的标值;以及
根据属性级别的确定的标值和多个属性之一的确定的相对重要性来确定与多个组之一的多个属性之一的属性级别有关的部分效用值。
39.根据权利要求38的装置,其中所述的多个组根据一个指示被确定,该指示是对消费者来说多个属性中的一个或多个比多个属性中的另外一个或多个更重要。
40.根据权利要求38的装置,所述的指令进一步适用于由处理器执行,以便:
根据所期望的消费者偏好来确定与多个属性之一有关的多个属性级别的排列次序。
41.根据权利要求38的装置,其中具有在消费者最期望的属性级别和消费者最不期望的属性级别之间最大的差异的多个组之一的多个属性中的一个属性是多个组之一的排名最高的属性。
42.根据权利要求38的装置,该指令进一步适用于由处理器执行,以便:
在决定多个属性中的一个或多个的排列次序之前,去除一个消费者不能接受的属性级别。
43.一个用于确定与消费者和产品有关的部分效用值的偏好信息的系统,所述的系统包括:
用于存储产品属性和产品属性级别的客户机设备;
用于接收和发送来自消费者的指示的消费者设备;和
中央系统,用于:
基于所存储的产品属性和产品属性级别来确定产品的多个属性,多个属性的每一个都与多个属性级别有关;
根据从消费者设备接收的消费者的第一指示确定属性的多个组,多个组的每一个包括多个属性中的一个或多个;
确定多个组之一的多个属性的排列次序;
根据从消费者设备接收的消费者的第二指示确定多个组之一的多个属性中的一个或多个的相对重要性;
根据从消费者设备接收的消费者的第三指示确定多个组之一的多个属性中的一个或多个的一个或多个属性级别的标值;以及
根据属性级别的确定的标值和多个属性之一的确定的相对重要性,来确定与多个组之一的多个属性之一的属性级别有关的部分效用值。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US09/754,612 US7698161B2 (en) | 2001-01-04 | 2001-01-04 | System to quantify consumer preferences |
US09/754,612 | 2001-01-04 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN1650297A true CN1650297A (zh) | 2005-08-03 |
Family
ID=25035564
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN01822979.4A Pending CN1650297A (zh) | 2001-01-04 | 2001-12-21 | 定量用户偏好的系统 |
Country Status (5)
Country | Link |
---|---|
US (2) | US7698161B2 (zh) |
EP (1) | EP1362312A2 (zh) |
JP (1) | JP2005502932A (zh) |
CN (1) | CN1650297A (zh) |
WO (1) | WO2002054320A2 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102163211A (zh) * | 2010-02-23 | 2011-08-24 | 索尼公司 | 信息处理设备、重要度计算方法和程序 |
CN103782315A (zh) * | 2011-08-31 | 2014-05-07 | 株式会社尼康 | 服务器装置、规格确定方法以及规格确定程序 |
TWI493484B (zh) * | 2011-12-15 | 2015-07-21 | Ibm | 自動化判斷消費者偏好程度的方法與電腦裝置 |
Families Citing this family (76)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6313833B1 (en) * | 1998-10-16 | 2001-11-06 | Prophet Financial Systems | Graphical data collection and retrieval interface |
WO2002019232A1 (en) * | 2000-09-01 | 2002-03-07 | Blue Bear Llc | System and method for performing market research studies on online content |
US6826541B1 (en) | 2000-11-01 | 2004-11-30 | Decision Innovations, Inc. | Methods, systems, and computer program products for facilitating user choices among complex alternatives using conjoint analysis |
US7698161B2 (en) | 2001-01-04 | 2010-04-13 | True Choice Solutions, Inc. | System to quantify consumer preferences |
US7191143B2 (en) * | 2001-11-05 | 2007-03-13 | Keli Sev K H | Preference information-based metrics |
US7698276B2 (en) * | 2002-06-26 | 2010-04-13 | Microsoft Corporation | Framework for providing a subscription based notification system |
US20040002958A1 (en) | 2002-06-26 | 2004-01-01 | Praveen Seshadri | System and method for providing notification(s) |
WO2004012679A2 (en) * | 2002-08-06 | 2004-02-12 | Blue Flame Data, Inc. | System to quantify consumer preferences |
WO2004034232A2 (en) * | 2002-10-11 | 2004-04-22 | Padgette Robert L | Method and system for selecting between alternatives |
US9064281B2 (en) | 2002-10-31 | 2015-06-23 | Mastercard Mobile Transactions Solutions, Inc. | Multi-panel user interface |
US20040199417A1 (en) * | 2003-04-02 | 2004-10-07 | International Business Machines Corporation | Assessing information technology products |
US20040230469A1 (en) * | 2003-05-16 | 2004-11-18 | International Business Machines Corporation | Identifying platform enablement issues for information technology products |
US20040230464A1 (en) * | 2003-05-16 | 2004-11-18 | International Business Machines Corporation | Designing information technology products |
US8121889B2 (en) * | 2003-05-16 | 2012-02-21 | International Business Machines Corporation | Information technology portfolio management |
US7593855B1 (en) * | 2003-05-30 | 2009-09-22 | Craig Joseph L | Consumptible identification system and method |
US7669177B2 (en) * | 2003-10-24 | 2010-02-23 | Microsoft Corporation | System and method for preference application installation and execution |
US8155993B2 (en) * | 2004-06-15 | 2012-04-10 | Janssen Pharmaceutica, N.V. | Apparatus and methods for assessing a pharmaceutical product |
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 |
US8620717B1 (en) * | 2004-11-04 | 2013-12-31 | Auguri Corporation | Analytical tool |
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 |
US7827203B2 (en) * | 2005-03-24 | 2010-11-02 | True Choice Solutions, Inc. | System to determine respondent-specific product attribute levels |
US7562063B1 (en) | 2005-04-11 | 2009-07-14 | Anil Chaturvedi | Decision support systems and methods |
US20070083405A1 (en) * | 2005-10-06 | 2007-04-12 | Britt Michael W | Market-driven design of information technology components |
US20130332343A1 (en) | 2005-10-06 | 2013-12-12 | C-Sam, Inc. | Multi-tiered, secure mobile transactions ecosystem enabling platform comprising a personalization tier, a service tier, and an enabling tier |
US20070083420A1 (en) * | 2005-10-06 | 2007-04-12 | Andresen Catherine L | Role-based assessment of information technology packages |
US20140089120A1 (en) | 2005-10-06 | 2014-03-27 | C-Sam, Inc. | Aggregating multiple transaction protocols for transacting between a plurality of distinct payment acquiring devices and a transaction acquirer |
US20070083504A1 (en) * | 2005-10-06 | 2007-04-12 | Britt Michael W | Selecting information technology components for target market offerings |
EP2667344A3 (en) | 2005-10-06 | 2014-08-27 | C-Sam, Inc. | Transactional services |
US20070083419A1 (en) * | 2005-10-06 | 2007-04-12 | Baxter Randy D | Assessing information technology components |
CA2631859A1 (en) * | 2005-12-08 | 2007-12-13 | Mybuys, Inc. | Apparatus and method for providing a marketing service |
US20090187471A1 (en) * | 2006-02-08 | 2009-07-23 | George Ramsay Beaton | Method and system for evaluating one or more attributes of an organization |
US20070203783A1 (en) * | 2006-02-24 | 2007-08-30 | Beltramo Mark A | Market simulation model |
US8326890B2 (en) * | 2006-04-28 | 2012-12-04 | Choicebot, Inc. | System and method for assisting computer users to search for and evaluate products and services, typically in a database |
US20070265906A1 (en) * | 2006-05-10 | 2007-11-15 | Michael Neal | Apparatus and method for setting design parameters |
EP2052358A2 (en) * | 2006-07-17 | 2009-04-29 | Open Pricer | Customer centric revenue management |
US20080262995A1 (en) * | 2007-04-19 | 2008-10-23 | Microsoft Corporation | Multimodal rating system |
US7877308B1 (en) | 2007-04-26 | 2011-01-25 | Klein Decisions, Inc. | Method and system for using risk tolerance and life goal preferences and rankings to enhance financial projections |
US10255609B2 (en) | 2008-02-21 | 2019-04-09 | Micronotes, Inc. | Interactive marketing system |
US20090240567A1 (en) * | 2008-02-21 | 2009-09-24 | Micronotes, Llc | Interactive marketing system |
US20100023378A1 (en) * | 2008-04-29 | 2010-01-28 | Diwakaran Avinash Ratnam | Process for quantifying consumer or voter values |
US8473327B2 (en) * | 2008-10-21 | 2013-06-25 | International Business Machines Corporation | Target marketing method and system |
US20100217650A1 (en) * | 2009-02-24 | 2010-08-26 | Edwin Geoffrey Hartnell | System and method for providing market simulation/optimization |
US8645295B1 (en) * | 2009-07-27 | 2014-02-04 | Amazon Technologies, Inc. | Methods and system of associating reviewable attributes with items |
WO2011111640A1 (ja) * | 2010-03-12 | 2011-09-15 | 日本電気株式会社 | プロファイリングシステム、プロファイリング方法および記録媒体 |
US20110270684A1 (en) * | 2010-04-28 | 2011-11-03 | Ayax Systems, Inc. | Decision-making system and method |
US9104670B2 (en) * | 2010-07-21 | 2015-08-11 | Apple Inc. | Customized search or acquisition of digital media assets |
US20120089478A1 (en) * | 2010-10-01 | 2012-04-12 | Colleen Murphy | Methods, systems, and computer readable media for using stored conjoint analysis software iteration data in conjoint analysis of different product or service combinations |
US10825033B2 (en) | 2012-12-28 | 2020-11-03 | Consensus Point, Inc. | Systems and methods for using a graphical user interface to predict market success |
US11151588B2 (en) | 2010-10-21 | 2021-10-19 | Consensus Point, Inc. | Future trends forecasting system |
US10410287B2 (en) | 2010-10-21 | 2019-09-10 | Consensus Point, Inc. | Prediction market and combinatorial prediction market volume forecasts |
US8799186B2 (en) * | 2010-11-02 | 2014-08-05 | Survey Engine Pty Ltd. | Choice modelling system and method |
US8589319B2 (en) | 2010-12-02 | 2013-11-19 | At&T Intellectual Property I, L.P. | Adaptive pairwise preferences in recommenders |
CN102681999A (zh) * | 2011-03-08 | 2012-09-19 | 阿里巴巴集团控股有限公司 | 一种用户行为信息收集及信息发送方法及装置 |
US20120259676A1 (en) | 2011-04-07 | 2012-10-11 | Wagner John G | Methods and apparatus to model consumer choice sourcing |
US20130035981A1 (en) * | 2011-08-05 | 2013-02-07 | Disney Enterprises, Inc. | Social networks games configured to elicit research data as part of game play |
US20130085806A1 (en) * | 2011-09-29 | 2013-04-04 | Peter Rothschild | Method for preference determination |
EP2767110A4 (en) | 2011-10-12 | 2015-01-28 | C Sam Inc | PLATFORM FOR MULTI-STAGE SECURE MOBILE TRANSACTIONS |
US20130304602A1 (en) * | 2012-05-04 | 2013-11-14 | Frank J. Uxa, Jr. | Marketing Methods |
US9265458B2 (en) | 2012-12-04 | 2016-02-23 | Sync-Think, Inc. | Application of smooth pursuit cognitive testing paradigms to clinical drug development |
US9380976B2 (en) | 2013-03-11 | 2016-07-05 | Sync-Think, Inc. | Optical neuroinformatics |
WO2014152010A1 (en) * | 2013-03-15 | 2014-09-25 | Affinnova, Inc. | Method and apparatus for interactive evolutionary algorithms with respondent directed breeding |
US10235649B1 (en) | 2014-03-14 | 2019-03-19 | Walmart Apollo, Llc | Customer analytics data model |
US9799041B2 (en) | 2013-03-15 | 2017-10-24 | The Nielsen Company (Us), Llc | Method and apparatus for interactive evolutionary optimization of concepts |
US20140297455A1 (en) * | 2013-03-29 | 2014-10-02 | Ebay Inc. | Routine suggestion system |
EP2813996A1 (en) * | 2013-06-16 | 2014-12-17 | Havamaa Silver | Method for post-assembling a used vehicle in the pre-acquisition procedure in an electronic system by means of a user device |
US10733555B1 (en) | 2014-03-14 | 2020-08-04 | Walmart Apollo, Llc | Workflow coordinator |
US10565538B1 (en) | 2014-03-14 | 2020-02-18 | Walmart Apollo, Llc | Customer attribute exemption |
US10235687B1 (en) | 2014-03-14 | 2019-03-19 | Walmart Apollo, Llc | Shortest distance to store |
US10346769B1 (en) | 2014-03-14 | 2019-07-09 | Walmart Apollo, Llc | System and method for dynamic attribute table |
US10147108B2 (en) | 2015-04-02 | 2018-12-04 | The Nielsen Company (Us), Llc | Methods and apparatus to identify affinity between segment attributes and product characteristics |
US9652801B2 (en) | 2015-07-16 | 2017-05-16 | Countr, Inc. | System and computer method for tracking online actions |
WO2018074924A1 (en) * | 2016-10-20 | 2018-04-26 | Rijksuniversiteit Groningen | Computer program product, device, system and method for gathering respondent input |
US11907990B2 (en) | 2017-09-28 | 2024-02-20 | International Business Machines Corporation | Desirability of product attributes |
US20190180295A1 (en) * | 2017-12-13 | 2019-06-13 | Edwin Geoffrey Hartnell | Method for applying conjoint analysis to rank customer product preference |
US11176502B2 (en) | 2019-05-01 | 2021-11-16 | Caterpillar Inc. | Analytical model training method for customer experience estimation |
US11962455B2 (en) | 2021-11-29 | 2024-04-16 | T-Mobile Usa, Inc. | Prioritizing multiple issues associated with a wireless telecommunication network |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5124911A (en) * | 1988-04-15 | 1992-06-23 | Image Engineering, Inc. | Method of evaluating consumer choice through concept testing for the marketing and development of consumer products |
US5041972A (en) * | 1988-04-15 | 1991-08-20 | Frost W Alan | Method of measuring and evaluating consumer response for the development of consumer products |
AU674189B2 (en) | 1993-02-23 | 1996-12-12 | Moore North America, Inc. | A method and system for gathering and analyzing customer and purchasing information |
US5583763A (en) | 1993-09-09 | 1996-12-10 | Mni Interactive | Method and apparatus for recommending selections based on preferences in a multi-user system |
US5854923A (en) | 1994-06-21 | 1998-12-29 | International Business Machines Corp. | Facility for the intelligent selection of information objects (persona) |
US6029195A (en) | 1994-11-29 | 2000-02-22 | Herz; Frederick S. M. | System for customized electronic identification of desirable objects |
US5983220A (en) * | 1995-11-15 | 1999-11-09 | Bizrate.Com | Supporting intuitive decision in complex multi-attributive domains using fuzzy, hierarchical expert models |
US6012051A (en) * | 1997-02-06 | 2000-01-04 | America Online, Inc. | Consumer profiling system with analytic decision processor |
US6236978B1 (en) | 1997-11-14 | 2001-05-22 | New York University | System and method for dynamic profiling of users in one-to-one applications |
US6134532A (en) | 1997-11-14 | 2000-10-17 | Aptex Software, Inc. | System and method for optimal adaptive matching of users to most relevant entity and information in real-time |
US6321221B1 (en) | 1998-07-17 | 2001-11-20 | Net Perceptions, Inc. | System, method and article of manufacture for increasing the user value of recommendations |
US6236975B1 (en) | 1998-09-29 | 2001-05-22 | Ignite Sales, Inc. | System and method for profiling customers for targeted marketing |
US6298348B1 (en) | 1998-12-03 | 2001-10-02 | Expanse Networks, Inc. | Consumer profiling system |
US20020065721A1 (en) | 2000-01-27 | 2002-05-30 | Christian Lema | System and method for recommending a wireless product to a user |
US7072847B2 (en) * | 2000-08-25 | 2006-07-04 | Jonas Ulenas | Method and apparatus for obtaining consumer product preferences through product selection and evaluation |
US6826541B1 (en) * | 2000-11-01 | 2004-11-30 | Decision Innovations, Inc. | Methods, systems, and computer program products for facilitating user choices among complex alternatives using conjoint analysis |
US7698161B2 (en) | 2001-01-04 | 2010-04-13 | True Choice Solutions, Inc. | System to quantify consumer preferences |
EP2062172A4 (en) * | 2006-08-21 | 2012-01-04 | Choice Engine Pty Ltd | SELECT ENGINE |
WO2009135168A1 (en) * | 2008-05-01 | 2009-11-05 | Icosystem Corporation | Methods and systems for the design of choice experiments and deduction of human decision-making heuristics |
-
2001
- 2001-01-04 US US09/754,612 patent/US7698161B2/en not_active Expired - Fee Related
- 2001-12-21 JP JP2002555345A patent/JP2005502932A/ja active Pending
- 2001-12-21 CN CN01822979.4A patent/CN1650297A/zh active Pending
- 2001-12-21 WO PCT/US2001/050300 patent/WO2002054320A2/en not_active Application Discontinuation
- 2001-12-21 EP EP01988399A patent/EP1362312A2/en not_active Withdrawn
-
2010
- 2010-03-24 US US12/730,746 patent/US7904331B2/en not_active Expired - Fee Related
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102163211A (zh) * | 2010-02-23 | 2011-08-24 | 索尼公司 | 信息处理设备、重要度计算方法和程序 |
CN103782315A (zh) * | 2011-08-31 | 2014-05-07 | 株式会社尼康 | 服务器装置、规格确定方法以及规格确定程序 |
TWI493484B (zh) * | 2011-12-15 | 2015-07-21 | Ibm | 自動化判斷消費者偏好程度的方法與電腦裝置 |
Also Published As
Publication number | Publication date |
---|---|
EP1362312A2 (en) | 2003-11-19 |
US7904331B2 (en) | 2011-03-08 |
US7698161B2 (en) | 2010-04-13 |
JP2005502932A (ja) | 2005-01-27 |
WO2002054320A2 (en) | 2002-07-11 |
US20020087388A1 (en) | 2002-07-04 |
US20100235226A1 (en) | 2010-09-16 |
WO2002054320A8 (en) | 2002-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1650297A (zh) | 定量用户偏好的系统 | |
Wittink et al. | Forecasting with conjoint analysis | |
US7596505B2 (en) | System to quantify consumer preferences | |
US7162432B2 (en) | System and method for using psychological significance pattern information for matching with target information | |
US7827203B2 (en) | System to determine respondent-specific product attribute levels | |
US20070020602A1 (en) | Collecting User Responses over a Network | |
US20020004739A1 (en) | Internet adaptive discrete choice modeling | |
US20030018517A1 (en) | Providing marketing decision support | |
WO2001050667A2 (en) | Strategic profiling | |
US20100023380A1 (en) | Method and apparatus for performing web analytics | |
Wang et al. | Forecasting technological impacts on customers’ co-consideration behaviors: a data-driven network analysis approach | |
Lee | Open peer review by a selected-papers network | |
Wang et al. | Predicting product co-consideration and market competitions for technology-driven product design: a network-based approach | |
KR100782047B1 (ko) | 모바일 웹 기반의 이미지검색을 위한 초기질의 집합의자동생성방법 | |
CN110991189A (zh) | 一种根据采集模块采集的数据生成决策结果的方法及系统 | |
AU2004254954A1 (en) | Evaluating storage options | |
Nemati et al. | Issues in organizational data mining: a survey of current practices | |
Chen et al. | Understanding group-buying websites continuous use behavior: A use and gratifications theory perspective | |
KR100901782B1 (ko) | 마케팅 정보 생성 방법 및 시스템 | |
Peng et al. | How cloudy a crystal ball: A psychometric assessment of concept testing | |
CN113127720A (zh) | 一种热搜词确定方法及装置 | |
Abd Ellatif | A Cluster Technique to Evaluate Effect of ECRM on Customers' Satisfaction of E-commerce websites | |
Jung et al. | Investigating the effects of consumer innovativeness on shape of consideration sets: focusing on comparison between consideration sets of innovators and non-innovators | |
Malhotra | Shifting perspective on the shifting paradigm in marketing research: A new paradigm in marketing research | |
Wittink | Predictive validation of conjoint analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |