亚马逊专利技术:预测式发货

简介:        亚马逊去年12月获得了一项名为“预测式发货”的新专利,可以通过对用户数据的分析,在他们还没有下单购物前,提前发出包裹。        这项技术可以缩短发货时间,从而降低消费者前往实体店的冲动。

       亚马逊去年12月获得了一项名为“预测式发货”的新专利,可以通过对用户数据的分析,在他们还没有下单购物前,提前发出包裹。
       这项技术可以缩短发货时间,从而降低消费者前往实体店的冲动。亚马逊在专利文档中表示,下单到收货之间的时间延迟可能会降低人们的购物意愿,导致他们放弃网上购物。所以,亚马逊可能会根据之前的订单和其他因素,预测用户的购物习惯,从而在他们实际下单前便将包裹发出。根据该专利文件,虽然包裹会提前从亚马逊发出,但在用户正式下单前,这些包裹仍会暂存在快递公司的转运中心或卡车里。 
        亚马逊表示,为了决定要运送哪些货物,亚马逊可能会参考之前的订单、商品搜索记录、愿望清单、购物车,甚至包括用户的鼠标在某件商品上悬停的时间。目前,亚马逊都会在正式收到订单后,再通过自有仓储中心将商品打包,然后等待UPS等快递公司的卡车前来取货,最后将商品直接送到用户家中,或者通过中间渠道转运到最终目的地。该公司一直在努力缩短配送时间,扩大仓储网络的覆盖范围,以便实现隔日送达或当日送达。亚马逊去年表示,该公司计划利用无人机将包裹从仓储中心直接配送到用户家中。
        不过,亚马逊并未在专利中透露,这项新技术有望缩短多少配送时间。该专利凸显出一大行业趋势:科技和消费企业都在通过种种方式提前预测消费者的需求。如今的智能冰箱已经可以预测何时需要购买更多牛奶,智能电视也能预测哪些节目需要进行录制,而Google Now软件则试图预测用户的日常规划。
         亚马逊的这项技术将于何时部署尚未可知。亚马逊发言人拒绝对此置评。但该专利文件证明,该公司希望充分利用其积累的庞大用户数据,以此获取竞争优势。“亚马逊似乎在充分利用他们庞大的数据。”美国市场研究公司Forrester Research分析师苏查里塔·穆尔普鲁(Sucharita Mulpuru)说,“根据他们对用户的种种了解,他们便可依据多种因素来预测需求。”专利文件显示,亚马逊可能会填好大概地址或邮政编码,以便将商品运送到接近用户的地方,之后在运输途中将这些信息填写完整。 
        亚马逊称,对于畅销书和其他一些可能会在上市时吸引大量买家的商品而言,预测性送货方式可能比较合适。另外,亚马逊也可能向用户推荐正在运输途中的商品,以便提升成功率。
        不过,亚马逊的算法难免会出错,导致退货成本增加。为了将这一成本降到最低,该公司可能考虑给用户一定的折扣,或是将预测不成功的已发货商品作为礼物赠送给用户。该专利称:“我们可能将这些包裹作为促销礼品,以此提升公司美誉度。”


原文发布时间为:2014-01-20


本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

相关文章
|
4月前
|
机器学习/深度学习 运维 资源调度
运维,不再“救火”!机器学习如何让故障预警成为现实?
运维,不再“救火”!机器学习如何让故障预警成为现实?
106 2
【echarts报错】line series not exists,should be same with series name or data name
【echarts报错】line series not exists,should be same with series name or data name
634 0
|
10月前
|
数据采集 机器学习/深度学习 供应链
用Puppeteer点击与数据爬取:实现动态网页交互
本文介绍了如何使用Puppeteer和代理IP抓取51job招聘信息。Puppeteer作为强大的浏览器自动化工具,能模拟用户操作、加载动态数据,结合代理IP技术可以提高抓取成功率并避免IP封禁。文章详细阐述了招聘信息的价值和市场应用,以及大数据分析在招聘信息采集中的应用。通过具体实现步骤和示例代码,展示了如何设置代理、模拟用户操作、抓取和分析数据,为企业和求职者提供有价值的市场洞察。
468 1
用Puppeteer点击与数据爬取:实现动态网页交互
|
8月前
|
设计模式
「全网最细 + 实战源码案例」设计模式——抽象工厂模式
抽象工厂模式是一种创建型设计模式,提供接口用于创建一系列相关或依赖的对象,无需指定具体类。它解决了产品族问题,管理和创建一组相关产品。结构上包括抽象工厂、具体工厂、抽象产品和具体产品。适用于创建相关对象、产品族固定但种类变化的场景。优点是分离接口与实现、管理产品族方便且扩展性好;缺点是产品族扩展困难且代码复杂度增加。通过配置文件和反射机制可进一步改进,使系统更灵活易扩展。
155 17
|
8月前
|
机器学习/深度学习 人工智能 运维
智能日志分析:用AI点亮运维的未来
智能日志分析:用AI点亮运维的未来
2514 15
|
消息中间件 编解码 运维
阿里云 Serverless 异步任务处理系统在数据分析领域的应用
本文主要介绍异步任务处理系统中的数据分析,函数计算异步任务最佳实践-Kafka ETL,函数计算异步任务最佳实践-音视频处理等。
176178 349
|
运维 监控 Linux
解决CPU与带宽高使用率问题:深入分析与应对策略
引言:性能问题的诊断与优化 在运维工作中,操作系统性能问题如影随形,典型代表是CPU使用率高和带宽使用率高的问题,它们直接影响应用的性能和响应时间。这篇记录将逐个分析这两个问题的产生原因和解决方法。
解决CPU与带宽高使用率问题:深入分析与应对策略
|
10月前
|
网络协议 算法 网络安全
OSPF协议概述
OSPF协议概述
472 0
|
人工智能 搜索推荐
人工智能浪潮下的伦理困境:我们如何应对?
在人工智能技术飞速发展的今天,它不仅改变了我们的生活方式,更引发了深刻的社会伦理问题。本文旨在探讨AI技术带来的伦理挑战,包括隐私泄露、就业置换、决策透明度和机器自主性等议题,并提出相应的对策建议,以期为AI技术的健康发展提供指导。
|
12月前
|
XML Java 数据格式
Spring BeanFactory深度讲解
Spring `BeanFactory` 是 Spring 容器的基础,负责创建、配置和管理 Bean 实例,并提供对 Bean 生命周期的管理和控制。它通过读取配置文件或注解来实例化和管理 Bean,支持 XML、Java 配置和注解配置方式。与 `ApplicationContext` 相比,`BeanFactory` 更轻量级,采用延迟加载策略,适用于资源受限的环境。它实现了工厂模式,将对象的创建和管理分离,使应用程序更灵活、可扩展且易于维护。
170 0