[发明专利]一种超市优惠券面额的动态生成方法

权利要求书

1.一种超市优惠券面额的动态生成方法，其特征在于，包括以下步骤：

商家根据营销策略制定要分发的优惠券数量和优惠券总额度；

实时统计已发放优惠券数量、已发放优惠券总额度以及已发放优惠券的历史使用率，并统计销售额和根据销售额计算当前优惠力度下的收益情况；

根据已发放优惠券数量、已发放优惠券总额度、已发放优惠券的历史使用率以及销售额和收益情况，利用大数据算法重新计算每张优惠券面额的取值范围；

通过人工智能算法对该消费者近期消费行为进行分析，在重新计算得到的每张优惠券面额的取值范围内，自动匹配计算出来最适合该消费者的优惠券面额。

2.如权利要求1所述的方法，其特征在于，配置在一种优惠券智能生成系统上，自动确定发送给每个消费者的优惠券面额；

该系统可以保存收到的消费信息，分析该消费信息和消费信息大数据库，推测出一种或多种该消费者近期最需要购买的商品；再根据该消费者近期最需要购买的商品，从优惠券库中匹配本次购物的优惠券清单，将匹配度高的一个或多个优惠券发送到该消费者的智能设备上或者直接进行打印，分发给消费者。

3.如权利要求2所述的方法，其特征在于，所述优惠券智能生成系统运行在服务器上，可以与自助一体机、智能设备、超市的收银系统或收银台的打印设备互联，包括：

消费信息数据库，用于保存优惠券库、消费者的消费信息和消费者用户信息；

通讯和数据交换模块，提供了一种接口，优惠券智能生成系统通过该接口，利用网络与自助一体机、智能设备、超市的收银系统或收银台的打印设备连接，接收消费者的用户信息以及消费信息，并保存在所述消费信息数据库中；同时利用该接口发送生成的购物优惠券给自助一体机、智能设备、超市的收银系统或收银台的打印设备；

消费行为分析模块，利用所述消费信息数据库中大量消费者的消费行为数据对本次消费信息分析，推测出一种或多种该消费者近期最需要购买的商品；

优惠券生成模块，在优惠券库中对这些商品分别匹配本次购物的优惠券清单，并在本次购物的优惠券清单中选择匹配度高的一个或多个优惠券，生成本次购物优惠券。

4.如权利要求3所述的方法，其特征在于，所述优惠券智能生成系统还包括人工智能算法和大数据分析算法模块，用于利用消费信息大数据库中大量消费者的历史消费数据训练获得消费者模型，结合已经训练好的消费者模型和消费者本次购物信息，获得消费者特性，并根据消费者特性分析出该消费者的消费行为习惯；

所述优惠券生成模块结合消费者的消费行为习惯和费者近期最需要购买的商品，在优惠券库中精准匹配本次购物的优惠券清单。

5.如权利要求4所述的方法，其特征在于，所述该消费者特性包括：

消费类型；

消费者身份；

消费能力。

6.如权利要求3所述的方法，其特征在于，生成本次购物的优惠券清单具体工作流程包括以下步骤：

步骤110：超市、卖场根据其营销策略制定各类商品的优惠券信息，并保存在优惠券库中；

步骤120：根据优惠券信息以及实时统计的已发放优惠券数量、已发放优惠券额度、已发放优惠券的历史使用率和销售额和收益情况，利用大数据算法重新计算每张优惠券面额的取值范围；

步骤130：在消费者结算时，超市收银系统将消费者的用户信息和消费信息上传到商场消费场所的IT系统保存在数据库中，并将消费信息发送给优惠券智能生成系统；

步骤140：优惠券智能生成系统根据当前该消费者购买清单的商品种类、数量、总价进行分析归类，分析出一种或多种该消费者近期最需要的商品；

步骤150：根据该消费者近期最需要的商品从优惠券库中匹配优惠券清单；

步骤160：匹配结果判断，如果有匹配度高的优惠券，执行步骤170；如果没有最匹配的优惠券，不生成任何优惠券；

步骤170：通过人工智能算法对该消费者近期消费行为进行分析，在重新计算优惠券面额取值范围内为匹配度高的优惠券自动匹配最适合该消费者的面额，生成本次购物的优惠券。

7.如权利要求5所述的方法，其特征在于，生成本次购物的优惠券清单具体工作流程包括以下步骤：

步骤210：超市、卖场根据其营销策略制定各类商品的优惠券信息，并保存在优惠券库中；

步骤220：根据优惠券信息以及实时统计的已发放优惠券数量、已发放优惠券额度、已发放优惠券的历史使用率和销售额和收益情况，利用大数据算法重新计算每张优惠券面额的取值范围；

步骤230：在消费者结算时，超市收银系统将消费者的用户信息和消费信息上传到商场消费场所的IT系统保存在数据库中，并将消费信息发送给优惠券智能生成系统；

步骤240：优惠券智能生成系统根据当前该消费者购买清单的商品种类、数量、总价进行分析归类，分析出一种或多种该消费者近期最需要的商品；

步骤250：通过大数据和人工智能算法模块，利用已经训练好的消费者模型和消费者的消费信息，去分析该消费者的特性；

步骤260，根据消费者的特性和消费者的本次购物信息，推测出该消费者近期最需要购买的商品；

步骤270，根据消费者近期最需要购买的商品和消费者的特性从优惠券库中匹配最为匹配的优惠券；

步骤280，匹配结果判断，如果优惠券库中有匹配度高的优惠券，执行步骤290；如果没有最匹配的优惠券，根据该消费者的特性，随机给出适合该消费者的优惠券，或者不给任何优惠券；

步骤290、通过人工智能算法对该消费者近期消费行为进行分析，在重新计算优惠券面额取值范围内为匹配度高的优惠券自动匹配最适合该消费者的面额，生成本次购物的优惠券。