付款类型推荐系统及付款类型推荐方法与流程

本发明涉及一种推荐系统，特别涉及一种付款类型推荐系统及付款类型推荐方法。
背景技术：
：在移动支付的领域下，支付类型如：公司配发的免费点数、自己在移动支付上现金储值的点数、信用卡刷卡、园游会取得的点数、获得消费回馈的点数等等，在这么多的支付类型，在付款人付款时，往往不清楚使用哪一种类型的卡片或点数来付款，可以得最大的利益与付出最小的成本，消费者很难一时间可以决定哪一种类型是最有利与付出成本最低的。因此，如何依照期望报酬率的高低来推荐使用者进行使用最合适的付款组合，已成为本领域需解决的问题之一。技术实现要素：为了解决上述的问题，本公开内容的一方面提供了一种付款类型推荐系统，包含一储存装置以及一处理器。储存装置用以储存一付款类型所对应的一期望收益权重。处理器用以取得一付款数据，依据付款数据中的付款类型及一消费地点产生一商店群组及一公司群组，依据商店群组所对应的付款类型计算一商店付款平均比例，依据公司群组所对应的付款类型计算一公司付款平均比例，依据公司付款平均比例产生一使用者付款偏好值，依据使用者付款偏好值的大小定义一偏好顺序，依据偏好顺序藉由一付出成本、期望收益权重、使用者付款偏好值、一付款组合及一总成本以计算一整体报酬率，通过一显示器显示付款组合及该付款组合对应的整体报酬率。本公开内容的一方面提供了一种付款类型推荐方法，包含：一种付款类型推荐方法，包含：取得一付款数据；依据付款数据中的一付款类型及一消费地点产生一商店群组及一公司群组；依据商店群组所对应的付款类型计算一商店付款平均比例；依据公司群组所对应的付款类型计算一公司付款平均比例；依据公司付款平均比例产生一使用者付款偏好值；依据使用者付款偏好值的大小定义一偏好顺序；依据偏好顺序藉由一付出成本、一期望收益权重、使用者付款偏好值、一付款组合及一总成本以计算一整体报酬率；以及显示付款组合及付款组合对应的整体报酬率。本发明所示的付款类型推荐系统及付款类型推荐方法，将付款类型进行归类，并考量环境因素，如店家，及考量相似用户的消费习惯与群体的消费习惯，随用户的消费习惯与时间改变进行学习与调整的机制，以期望推荐机制可以满足消费者的预期期望规则与寻求最大的期望报酬率，本机制结合动态学习方式计算不同时间点合理的使用者付款偏好值，及利用算法动态规划计算出各类型的付款组合，最后该机制会计算出各付款组合的期望报酬率，依照期望报酬率的高低来推荐使用者进行使用最合适的付款组合。附图说明图1是依照本发明一实施例绘示一种付款类型推荐系统的方块图。图2是根据本发明的一实施例绘示一种付款类型推荐系统的方块图。图3是根据本发明的一实施例绘示一种付款类型推荐方法的示意图。图4是根据本发明的一实施例绘示一种付款数据汇总方法的示意图。图5是根据本发明的一实施例绘示一种产生商店偏好系数及群组偏好系数的示意图。图6是根据本发明的一实施例绘示一种利用二分法决定付款组合的示意图。图7是根据本发明的一实施例绘示一种利用二分法决定付款组合的方法的流程图。图8是根据本发明的一实施例绘示一种修正使用者付款偏好值的流程图。符号说明100、150：付款类型推荐系统10：储存装置20：处理器21：设定模块22：前端输入模块23：分群机制模块24：偏好系数计算模块25：付款类型推荐模块26：回馈计算模块40：全球定位系统数据41：消费者交易对象数据42：消费者背景数据43：付款类型300：付款类型推荐方法310～380、610～625、710～760、390：步骤50：消费时间特性51：消费金额区间特性52：店家类型53：商店群组54：消费时间特性55：消费者群组56：交易金额区间特性57：公司群组58：群组偏好系数s1：现金储值s2：园游会点数s3：年度点数s4：信用卡700：利用二分法决定付款组合的方法具体实施方式以下说明是为完成发明的较佳实现方式，其目的在于描述本发明的基本精神，但并不用以限定本发明。实际的
发明内容必须参考权利要求范围。必须了解的是，使用于本说明书中的“包含”、“包括”等词，是用以表示存在特定的技术特征、数值、方法步骤、作业处理、元件以及/或组件，但并不排除可加上更多的技术特征、数值、方法步骤、作业处理、元件、组件，或以上的任意组合。于权利要求中使用如“第一”、“第二”、“第三”等词是用来修饰权利要求中的元件，并非用来表示之间具有优先权顺序，先行关系，或者是一个元件先于另一个元件，或者是执行方法步骤时的时间先后顺序，仅用来区别具有相同名字的元件。请参照图1～图2及图3，图1是依照本发明一实施例绘示一种付款类型推荐系统100的方块图。图2是根据本发明的一实施例绘示一种付款类型推荐系统150的方块图。图3是根据本发明的一实施例绘示一种付款类型推荐方法300的示意图。如图1所示，付款类型推荐系统100适用于一电子装置上，电子装置例如为手机、平板、笔电或其它具有运算功能的装置。付款类型推荐系统100包含一储存装置10及一处理器20。于一实施例中，定位系统100更包含一全球定位系统(globalpositioningsystem，gps)，用以定位。于一实施例中，储存装置30可被实作为只读存储器、快闪存储器、软盘、硬盘、光盘、随身盘、磁带、可由网络存取的数据库或熟悉此技艺者可轻易思及具有相同功能的储存媒体。于一实施例中，处理器20可由体积电路如微控制单元(microcontroller)、微处理器(microprocessor)、数字信号处理器(digitalsignalprocessor)、专用集成电路(applicationspecificintegratedcircuit，asic)或一逻辑电路来实施。如图2所示，付款类型推荐系统150包含一储存装置10及一处理器20。其中，处理器20包含设定模块21、前端输入模块22、分群机制模块23、偏好系数计算模块24、付款类型推荐模块250及回馈计算模块26，此些模块可以一并或分别由体积电路如微控制单元、微处理器、数字信号处理器、专用集成电路或一逻辑电路来实施。以下叙述付款类型推荐方法300，付款类型推荐方法300可以通过付款类型推荐系统100或150实现之。于一实施例中，在设置阶段，设定模块21负责提供介面让管理者可以设定相关的规则，其中可设定的规则包含分群规则设定、期望收益权重设定及期望报酬率设定。于一实施例中，分群规则设定是指管理者可以设定不同公司别的员工、消费金额区间与统计的时间区间。例如a公司会集中在某些地方进行消费，早上、中午与晚上用餐的消费习惯可能会有所不同，在不同的时间点消费，可能会随时间而变化。一般而言，相似群组的人会有相似的付款习惯，如a公司会发送的点数类型，a公司员工大部分拥有该点数类型，可能会优先以公司的点数进行消费付款。于一实施例中，期望收益权重设定是指每一种付款类型都有它的限制，如点数的使用时间的限制、付款工具的红利折扣、公司发送的点数或现金的储值。在计算整体报酬率时，会用到期望收益权重，以找出成本最小、收益最大的排序组合。期望收益权重设定的例子如下表一所示：表一由表一可知，付款类型及其对应的期望收益权重可以事先定义之，本领域技术人员应可理解，表一的内容可以依实作系统时作调整，此处仅为提供例子作说明。于一实施例中，储存装置10用以储存付款类型所对应的期望收益权重。于步骤310中，前端输入模块22取得一付款数据。请参阅图4，图4是根据本发明的一实施例绘示一种付款数据汇总方法的示意图。于一实施例中，付款数据包含付款类型43、一全球定位系统数据40、一消费者交易对象数据41及一消费者背景数据42。其中，付款类型43包含一年度点数付款类型、一现金储值付款类型、一园游会点数付款类型或一信用卡付款类型。全球定位系统数据40包含消费地点。消费者交易对象数据41包含一商店类型。消费者背景数据42包含一公司别、一团体名、一性别数据及一居住地数据。于一实施例中，前端输入模块22用以接收使用者输入的基本数据以及使用者操作的行为，并从电子装置读取全球定位系统数据40与选择的付款类型43等相关的信息，这些数据会送到分群机制模块23，用来作为分群的依据，例如可以将这些数据进行消费金额区间、店家类型、消费时间、消费者群组及/或交易金额区间等分类。此外，前端输入模块22也会通过消费记录进行分析与处理，并汇整全球定位系统数据40、消费者交易对象数据41与消费者背景数据42，通过读取交易消费记录，来个别计算在不同情况下的付款类型43的比例，并将比例值存回储存装置10中的数据库。于步骤320中，分群机制模块23依据付款数据中的一付款类型及一消费地点产生一商店群组53及一公司群组57。请参阅图5，图5是根据本发明的一实施例绘示一种产生商店偏好系数及群组偏好系数的示意图。于一实施例中，分群机制模块23依据前端输入模块22的输出群组分别产生商店群组53及公司群组57，如依据消费时间特性50、消费金额区间特性51及店家类型52分类出商店群组53，依据消费时间特性54、消费者群组55及/或交易金额区间56分类出公司群组57。储存装置10存储商店群组53及公司群组57。于一实施例中，分群机制模块23在收集每日付款数据，依时间、消费地点与消费金额区间作分群计算，从数据库中抓取分群的规则，将使用者进行归类分群，分好所属的群组后，计算出付款类型与所属的群组之间的相关性。群组分类会依商店与交易金额区间、消费时间、消费群组的特性作区分。交易金额区间可依设定模块的设定，基本上分成大中小金额，使用不同的付款类型来作支付，消费者群组会参考消费者的背景依公司(如公司群组57)或全球定位系统数据的区域作区分，消费时间特性会依周末与平日、周、月、季节作区分，店家类型52会以店家交易的内容，判断是属于哪一种类型的店家。于步骤330中，偏好系数计算模块24依据商店群组53所对应的付款类型计算一商店付款平均比例。举例而言，商店群组53所对应的付款类型如下表二所示：表二于表二的例子中，a商店属于商店群组53，为使说明方便以a商店作为商店群组53的代表。表二中的数值代表a商店的使用者付款偏好值。于一实施例中，a商店的使用者付款偏好值可代表商店群组53于多个时间点各自对应的付款类型的一比例。于一实施例中，a商店的使用者付款偏好值是指a商店偏好的付款类型，商店消费者在平日与假日所偏好的付款类型，在当下并不一定是收益最好的付款类型，a商店的使用者付款偏好值可能会受到同群组的喜欢影响，会趋向与群组使用付款类型相似。例如，在各商店的1、7、15、30日时间偏好比例中，在最近1日内付款的，有30％(即0.3)是使用年度点数付款。基于这些基础，在a商店的使用者付款偏好值产生后，则会计算商店付款平均比例，即依据表二中计算商店付款平均比例，计算公式如下：其中，符号t代表时间区间，如1、7、15、30日…等时间，时间计算会分假日与平日时间。符号p代表付款类型，如年度点数、现金储值、园游会点数、信用卡。符号n代表目前记录的使用次数总数，例如上述的四个时间的消费时间点。符号rpt代表每一个时间点使用该付款类型付款的比例。符号agrpt为每一种付款类型在商店a的平均值(即商店付款平均比例)。基于上述计算结果如下述表四所示：表四由此可知，偏好系数计算模块24将商店群组53于多个时间点各自对应的付款类型的一比例进行加总后得到一运算结果，将运算结果除以时间点的个数(于此例中为4)，以得到商店付款平均比例。于步骤340中，偏好系数计算模块24依据公司群组57所对应的付款类型计算一公司付款平均比例。以下表五所示的a公司属于公司群组57，为使说明方便以a公司作为公司群组57的代表。表五中的数值代表a公司的使用者付款偏好值。付款类型群组1日7日15日30日年度点数a公司0.10.10.20.2现金储值a公司0.40.80.70.6园游会点数a公司0.80.50.20.1信用卡a公司0000表五于一实施例中，a公司的使用者付款偏好值可代表公司群组57于多个时间点各自对应的付款类型的一比例。于一实施例中，a公司的使用者付款偏好值是指a公司的偏好的付款类型，a公司的消费者a’在平日与假日所偏好的付款类型，在当下并不一定是收益最好的付款类型，使用者付款偏好值可能会受到同群组的喜欢影响，会趋向与群组使用付款类型相似。例如，在a公司的1、7、15、30日时间偏好比例中，在最近1日内付款的，有10％(即0.1)是使用年度点数付款。基于这些基础，在a公司的使用者付款偏好值产生后，则会计算公司付款平均比例，即依据表五中计算公司付款平均比例，计算公式如下：其中，符号t代表时间区间，如1、7、15、30日…等，时间计算会分假日与平日时间。n代表目前记录的消费次数总数，例如上述的四个时间的消费时间点。符号p代表付款类型，如年度点数、现金储值、园游会点数、信用卡。符号rpt代表每一个时间点使用该付款类型付款的比例。符号parpt代表该群组付款类型的消费平均比例(即公司付款平均比例)。为使说明方便，以下以所属a公司的消费者a’作为代表，基于上述计算结果如下述表六所示：表六由此可知，偏好系数计算模块24将公司群组57于多个时间点各自对应的付款类型的一比例进行加总后得到一运算结果，将运算结果除以时间点的个数(于此例中为4)，以得到公司付款平均比例。于步骤350中，偏好系数计算模块24依据公司付款平均比例产生一使用者付款偏好值。于一实施例中，偏好系数计算模块24依据以下公式产生使用者付款偏好值：其中，符号t代表时间区间，如1、7、15、30日…等，时间计算会分假日与平日时间。符号parpt代表个人使用该付款类型消费的平均比例。符号agrpt为每一个付款类型在商店a的平均比例。符号p代表付款类型，如年度点数、现金储值、园游会点数、信用卡。符号prp为群组在该付款类型的使用者付款偏好值。于步骤360中，偏好系数计算模块24依据使用者付款偏好值的大小定义一偏好顺序。如表七所示，偏好系数计算模块24将步骤350中所算出来的使用者付款偏好值(即消费者a’的使用者付款偏好值)依其大小进行排序，将最大者设为1，次大者设为2，依此类推。表七于一些实施例中，在不同的商店群组53，同样是年度点数，会有不同的使用者付款偏好值，举例如下表八所示：表八由上述可知，偏好系数计算模块24将商店付款平均比例与公司付款平均比例相加之后除以二，以得到一运算结果，将运算结果除以商店付款平均比例，以得到使用者付款偏好值。藉此，可得知特定使用者于不同商店的偏好的付款类型。于步骤370中，付款推荐模块25依据偏好顺序藉由一付出成本、一期望收益权重、使用者付款偏好值、一付款组合及一总成本以计算一整体报酬率。于步骤380中，显示器显示付款组合及付款组合对应的整体报酬率。请参阅图6，图6是根据本发明的一实施例绘示一种利用二分法决定付款组合的示意图。于图6的例子中，假设第一偏好顺序s1对应到现金储值，第二偏好顺序s2对应到园游会点数，第三偏好顺序s3对应到年度点数，第四偏好顺序s4对应到信用卡，假设使用者的总消费金额为800元，付款推荐模块25会依据使用者付款偏好值，利用二分法的动态决定下个分配的付款类型，一开始会在第一顺位(即第一偏好顺序s1)与第二顺位(即第二偏好顺序s2)中选择付款类型，以下函式用以计算使用者在每种付款类型的总报酬：fri＝(roip×prp×cpi)其中，符号cpi为个人在这次付款类型付出的金额，符号prp为对于当前付款类型的使用者付款偏好值，roip为使用者对于当前付款类型的期望权重，此函式的停止搜索的条件如下：其中，符号i为分配的付款类型数量，tca为此次消费的总成本，若大于总成本，则不继续往下扩展，cpi为使用者对于当前付款类型付出的金额，fri为使用者对于当前付款组合的总报酬，roia为期望收益权重。请一并参阅图6～图7，图7是根据本发明的一实施例绘示一种利用二分法决定付款组合的方法700的流程图。于步骤710中，付款推荐模块25依据偏好顺序，利用二分法决定多个付款组合(例如现金储值及园游会点数)，其中一当前付款组合中包含一付款方案(例如现金储值)，付款方案对应于一当前偏好顺序(例如使用者付款偏好值1)。于步骤720中，付款推荐模块25计算选择付款方案之后的一剩余未分配成本。例如，一开始消费的总成本为800元，使用者分配400元给现金储值后，则剩余400元(即剩余未分配成本)。于步骤730中，付款推荐模块25判断剩余未分配成本是否大于零。若付款推荐模块25判断剩余未分配成本大于零，代表还有剩余未分配成本，则进入步骤740。若付款推荐模块25判断剩余未分配成本不大于零，代表此次消费的总成本已配置完毕，则进入步骤750。于步骤740中，付款推荐模块25选择次于当前偏好顺序所对应的另一付款方案(例如园游会点数)。于步骤750中，付款推荐模块25计算当前付款组合对应的整体报酬率，并判断整体报酬率是否大于一期望收益百分比。若付款推荐模块25判断整体报酬率大于一期望收益百分比，则进入步骤760。若付款推荐模块25判断整体报酬率没有大于一期望收益百分比，则进入步骤740。于步骤760中，显示器显示当前付款组合。例如，一开始使用者分配400元给现金储值，再分配剩余的400元给园游会点数，于此例中，当前付款组合包含现金储值及园游会点数，总报酬为400*10％*1.47+400*100％*1.27＝566.8，整体报酬率为566.8/800＝70.5％(此例可依据前述函式、表一、表七的内容计算出来)。又例如，一开始使用者不分配金额给现金储值，分配400元给园游会点数，再分配剩余的400元给年度点数，于此例中，当前付款组合包含园游会点数及年度点数，总报酬为400*100％*1.27+400*100％*0.875＝858，整体报酬率为858/800＝107.25％(此例可依据前述函式、表一、表七的内容计算出来)。再例如，一开始使用者分配400元给现金储值，再分配剩余的400元给信用卡，于此例中，当前付款组合包含现金储值及信用卡，总报酬为400*10％*1.47+400*2％*0.5＝62.8，整体报酬率为62.8/800＝7.85％(此例可依据前述函式、表一、表七的内容计算出来)。于一实施例中，显示器显示付款组合包含现金储值及园游会点数时的整体报酬率为70.5％，付款组合包含园游会点数及年度点数时的整体报酬率为107.25％，付款组合包含现金储值及信用卡时的整体报酬率为7.85％，于此例中，由于已出现高于期望收益权重(例如使用者定义期望报酬率为105％)，故付款推荐模块25会将包含园游会点数及年度点数的配置方式视为推荐的付款组合。由上述可知，付款推荐模块25依据偏好顺序，利用二分法决定多种付款组合，其中一当前付款组合中包含一付款方案。当前付款方案对应于一当前偏好顺序，付款推荐模块25计算选择付款方案之后的一剩余未分配成本，判断剩余未分配成本是否大于零。若付款推荐模块25判断剩余未分配成本大于零，则选择次于当前偏好顺序所对应的另一付款方案。若付款推荐模块25判断剩余未分配成本等于零，则计算付款组合各自对应的整体报酬率，并判断整体报酬率是否大于一期望收益百分比。若整体报酬率大于一期望收益百分比，则显示当前付款组合；若整体报酬率不大于期望收益百分比，则选择次于当前偏好顺序所对应的另一付款方案。请一并参阅图8，图8是根据本发明的一实施例绘示一种修正使用者付款偏好值的流程图。于一实施例中，在图3的步骤380之后，进入步骤390。于步骤390中，回馈计算模块26依据一当前消费记录以修正使用者付款偏好值。于一实施例中，依后续的消费记录，经由微调的机制，不断修正原本的购买组合，来修正使用者付款偏好值，使用者付款偏好值有可能随时间或环境而变化，故要将当次计入计算，让使用者付款偏好值接近用户目前的情况。于一例子中，如下表九所示，当使用者a’完成本次消费后，回馈计算模块26会记录一笔本次消费的使用者付款：付款类型用户本次消费1日7日15日30日年度点数使用者a’00.10.10.20.2现金储值使用者a’0.50.40.80.70.6园游会点数使用者a’0.50.80.50.20.1信用卡使用者a’00000表九回馈计算模块26重新计算parpt值，计算公式如下：其中，符号rpw为群组的该付款类型在该次消费的付款比例。符号n代表目前记录的消费次数总数，例如上述的原本有四个时间的消费时间点。parpt代表a公司群组在某一商店在该付款类型的消费平均比例。回馈计算模块26依新的parpt值重新计算群组的使用者付款偏好值，使用者付款偏好值公式如下：藉此，回馈计算模块26可以由大量的消费记录与未来发生的消费记录为基础，不断的修正该群组的预测机制，为使用者在消费时，机制可依消费地点与消费者所属的群组即时计算出适合的付款类型的付款组合。本发明所示的付款类型推荐系统及付款类型推荐方法，将付款类型进行归类，并考量环境因素，如店家，及考量相似用户的消费习惯与群体的消费习惯，随用户的消费习惯与时间改变进行学习与调整的机制，以期望推荐机制可以满足消费者的预期期望规则与寻求最大的期望报酬率，本机制结合动态学习方式计算不同时间点合理的使用者付款偏好值，及利用算法动态规划计算出各类型的付款组合，最后该机制会计算出各付款组合的期望报酬率，依照期望报酬率的高低来推荐使用者进行使用最合适的付款组合。当前第1页12