图1显示了根据本发明示例性实施例的方法的总体流程图；
图2示出了根据本发明示例性实施例的提供输出的图形用户界面；
图3示出了根据本发明示例性实施例的提供输出的替换图形用户界面；
图4示出了根据本发明示例性实施例的提供输出的附加图形用户界面；以 及
图5示出了根据本发明示例性实施例的电子表格输出。

本发明提供了一种方法，用于通过收集和分析与广告有关的“发布数据”以 及与在广告发行之前、期间和/或发行之后发生的交易有关的“交易数据”，为零 售机构计划和评价广告(并且在特定实施例中，存储传单和相关广告)；根据所 述分析来分类这种广告为“影响(reach)”、“均衡(balance)”和“获益(return)”； 以及利用所述分类来建立将来的广告策略。由综合的发布和交易数据，所述方 法使客户推导出将对于离散地理分区运行的“被展示产品”的最有价值组合，以 获得期望的“影响”、“均衡”和“获益”的组合。
“发布数据”将在下面被进一步描述，它是从零售商店本身收集的典型广告 数据；并且包括有关被展示产品、广告类型、广告期限、广告区域等的数据。“交 易数据”也将在下面被进一步描述，它是从由每个客户携带或与每个客户相关的 “老顾客卡”、“忠实卡”等收集的典型购物买卖数据。
“被展示产品”或者“特征”指在零售机构的广告中被展示的特定产品和/或 服务；也可以指被广告的一组产品(例如，正在出售的产品系列的所有变化， 例如汤品或者软-饮料品牌/公司的所有变化)。虽然本发明的示例性实施例关于 用于给定商店的广告传单中的被展示产品；本领域普通技术人员将清楚，被展 示产品也可出现在电视广告、广播广告、店内展示、店内推销、电子广告(电 子邮件、因特网等)以及其它类型的广告或者推销。
“影响”、“均衡”和“获益”是指广告被展示产品可能对商店交易的不同经济 效果。“影响”是一种不仅吸引客户到特定商店，还吸引他们到商店内的一个或 多个特定位置的效果(影响可被计算为在特定客户类别中购买一个或多个被展 示产品的客户的百分比)；“均衡”是将不同客户类型的客户的最有效混合吸引到 产品的最有效混合的效果(客户个性类型例如价格敏感度、人口统计学类型或 者上述两种类型的组合，例如生活方式类型)；以及“获益”是最大化不仅被展示 产品而且是零售机构所提供的所有产品的百分比销售和美元销售的效果；或者 换句话说，是最大化投资获益的效果。如同此处用到的，术语“产品”不仅包括 在零售店中能够买到的客户产品，还包括其它产品、服务或可以由企业提供给 客户的有价值物。
在本发明的示例性实施例中，收集的公布数据包括“特征维度”，其可以是 有关特定被展示产品的商品(commodity)、次级商品(sub-commodity)、制造 商和/或尺寸的信息。在更加详细的实施例中，公布数据包括“广告维度”，其可 以是有关特定特征的基本价格(可以是MSRP，由零售机构收取的基本价格或 者近似于这种基本阶格的估计/计算的价格)、特征价格(被广告的价格)、广告 显示和/或广告执行的信息。广告执行可以包括特定广告的执行日期范围和/或执 行所述广告的独立商店位置的列表。由于零售机构的每一个零售商店都计划和 执行广告，公布数据可以被记录在中央数据库中，此中央数据库可以被一个或 者多个零售商店和/或零售机构的管理办公室访问。所述中央数据库为独立商店、 位于特定地理分区的一组商店、或者零售机构的所有商店提供对公布数据的访 问。这种在零售机构的不同组织级别观察和分析数据的能力被称为“粒度”。
“交易数据”指有关客户和企业之间的任何交易或者交互的数据。在示例性 实施例中，交易数据包括“购物买卖数据”，它可以是有关客户的购物历史的信 息，包括客户已购买产品的标识及其数量。如同此处用到的，术语“产品”不仅 包括可以在零售店购买的客户产品，而且还包括可由企业向客户提供的任何其 它产品、服务或者有价值物。可以利用附着在标签或者卡上的唯一识别码来收 集购物买卖数据，所述卡例如是由每个客户携带的(或者派发给客户的)已知 的“老顾客卡”或者“忠实卡”。这类卡或者标签包含通过条形码、磁介质或者其 它数据存储装置存储并且可以通过电子设备和本领域技术人员公知的变化方式 来读取的唯一识别码。这种唯一识别码当然也可以驻留在商品上而不在卡上。 例如，这种唯一识别码可以驻留在RFID机构、钥匙链等上。
当客户走过商店的收银台并且购买的产品被扫描时，客户的老顾客卡上的 唯一识别码例如可被电子设备读取。商店的计算机系统于是可以编译在此次特 定销售中被购买的产品的记录，并且将这个列表与客户的唯一识别码相关联。 通过每次客户来到商店并购买产品时都重复这个过程，商店可以建立特定客户 的购物历史的累积记录，包括客户已经购买的产品的标识及其数量。如这里所 述，编译的客户购买历史记录可存储在数据库中并被分析。被记录购买历史的 “客户”可以是个人也可以是一个家庭，因此，包括居住在同一个地址或者使用 同一个信用卡账户的一群人，或者甚至可以是企业或者政府实体。
在替换实施例中，可以使用其它客户识别信息(例如电话号码、商店信用 卡、银行信用卡、或者经常帐户号码)将客户的购物买卖数据与客户相关联而 不是来自老客户卡、RFID标签或者类似物品的号码。以这样的方式，特定交易 的细节可以与客户之前的交易相匹配，这样便于继续将交易信息添加到数据库 中的每个客户记录。
数据库中的每个客户记录可包括多个交易项或者记录，一个交易项或者记 录用于该客户的每一次交易。对于每个这些客户记录来说，在示例性实施例中 提供了：识别本次交易中客户购买的SKU/产品的代码；识别特定交易或“篮” 的代码；识别交易所属的特定客户或家庭的代码；识别交易发生的商店的代码； 有关购买的产品数量和花费总额的数据；有关购买日期、时间等的数据；以及 其它数据或者代码，例如为了本发明的目的指示地理分区的代码，可用于基于 这种交易数据来生成报告。
交易记录中识别SKU/产品的代码可用于对于每个产品，从包含多个“产品 记录”的单独数据库中检索与所述产品相关的细节。对于产品数据库中的每个 “产品记录”，在示例性实施例中提供了：产品分组或者分类数据或者代码；产 品UPC数据；制造商或者供应商数据或者代码；以及其它数据或者代码，例如 建议的零售价格数据，其可用于基于交易数据和产品数据的组合来生成报告。
交易记录中识别交易的客户或家庭的代码可用于从包含多个“家庭记录” (每一记录用于一个家庭)的单独数据库中检索与所述家庭有关的细节。对于 每一个“家庭记录”，在示例性实施例中，提供了与客户的人口、购物历史、购 物喜好有关的数据和/或代码，以及可用于基于交易数据和客户/家庭数据的组合 来生成报告的任何其它数据或代码。
交易记录中识别交易发生的商店的代码可用于从包含多个“商店记录”(每 一个商店记录用于一个商店)的单独数据库中检索与所述商店有关的细节。对 于每一个“商店记录”，在示例性环境中提供了：商店名称数据；商店位置数据 或代码；以及可用于基于交易数据和商店数据的组合来生成报告的任何其它数 据或者代码。
本领域普通技术人员将期望，上述数据库记录结构在本质上仅仅是示例性 的，并且可获得数据库记录和分层结构的无限组合，以便相互交叉引用交易信 息、产品信息、客户/家庭信息、商店信息、位置信息、时间信息和任何其它适 当信息。此外，本领域普通技术人员将期望，本发明不限于在零售商店交易中 使用，本发明可以用于大量的(如果不是全部的)交易类型(例如金融/银行交 易、保险交易、服务交易等等)，其中数据库结构和分层结构将适用于生成这种 交替交易数据的报告。
图1显示了描述本发明示例性方法的流程图。零售机构的独立零售商店12 被分组到地理分区14中。每一个分区不同地工作，因此每个分区分别向系统提 供产品表16形式的数据，该表列出该分区内的商店所提供的不同产品。这些产 品表16识别该地区内的商店所出售的每一种产品的产品标识、商品和次级商品。 系统然后根据客户中心部门18对每一个产品进行分类，所述每个部门表示产品 在商店内的特定空间位置。例如，沙拉吧、鲜肉、农产品、罐头食品、奶制品、 洗衣用品部门、纸制品、宠物食品、软饮料、袋装零食、冷冻菜品、冷冻点心、 谷物等都是可为典型超市定义的客户中心部门的例子。如同被本领域普通技术 人员所熟知的那样，这种“客户中心”的分类是基于客户如何看待零售机构，而 不是零售机构如何看待它本身。
除了提供产品表，每一个地理分区计划将由它的分区内的商店广告的被展 示产品。这些计划然后可被将代表最终计划的“每周广告编码”数据20输入系统 的独立商店重审和修正。这种修正可以在子区域级进行或者由监督体进行。系 统的特征分组引擎22获得独立商店的每周广告编码并相对于被展示产品、显示 信息、价格、交付方法等补充这种信息。从这里，补充的广告编码数据和客户 中心部门数据与分析规则(以下描述)综合，以生成原始发布数据23。
本系统还使用上述任何一种方法从每一个商店中收集交易数据24。如上面 介绍的那样，交易数据将包括有关多少客户购买了被展示产品、还有什么其它 产品被购买、何时购买所述产品等等的信息。原始发布数据23和原始交易数据 24然后被发送到度量引擎26，其建立由概括&分类引擎28用来根据公布数据 来分析交易数据的标准度量(根据其经济效果来分类每个被展示产品：即，被 展示产品如何促进影响、均衡和/或获益)。在一个更加详细的实施例中，系统使 用两种类型的度量——独立特征度量和累积度量。独立特征度量分析每个被展 示产品的原始数据，包括当被展示产品被展示以及未被展示时的价格，并计算 每个特征的相关“吸引力部分(appeal segment)”、“篮尺寸(basket size)”、“上 升”和“渗透”。累积度量分析有关任一或者全部被展示产品的累积统计，并且为 出售的所有产品提供基线分析。
“吸引力部分”指可被强调以便吸引部分客户，例如对价格敏感的客户来到 零售机构或者零售机构的一部分的任意客户属性部分。将由可从客户的购买历 史中确定的有关客户的特征来确定特定客户被归入的组。由于客户的购买历史 包括客户购买的产品的标识及其数量，其提供了对客户生活方式、理财方式和 其它重要特征的有价值的内在观察，这允许根据不同的选择标准将客户划分到 多个组中。特定客户被归入的组也可以根据人口统计数据和/或个性数据，上述 数据可能或者不能从客户的交易历史中确定。人口统计数据可能包括，但一定 不限于年龄数据、收入数据、地理数据、教育程度数据。个性数据(也指客户 的“交易个性”)可以包括，但一定不限于价格敏感度、议价倾向、赠券使用、 对推销的注意、忠实度、对产品位置或外形的注意等等。本领域普通技术人员 将期望这些人口统计数据和/或个性数据的多种来源。在一个更详细的实施例中， 产品被分类如下：“低端”产品是典型地被对价格非常敏感的客户购买的产品； “中间”或者“主要”产品是典型地被主流客户购买的产品；“高端”产品是典型地 被对价格不敏感的客户购买的产品；并且“主要”产品也会被价格敏感客户群中 的一部分客户购买。通过分析客户群之间在购买被展示产品以及未被展示产品 时的相似性或差异，系统能够分析每个特定特征的均衡效果。以这种方式来分 类客户的附加支持可以在共同待审专利申请序列第No.10/955,946号中找到， 其申请日为2004年9月30日；其公开的内容在这里通过引用而并入。
“篮尺寸”指在一个客户和一个商店之间的任何一个交易中购买的物品数 量。在更详细的实施例中，篮尺寸被分为三个类型：小、中和大。系统获取购 买了特征的每个交易的篮尺寸，并计算每个独立特征的中间篮尺寸。通过确定 每个特征的中间篮尺寸，所述方法能够确定所述特征如何适应于商店的广泛吸 引力——客户仅来到商店购买所述特定物品？还是客户也购买了其它产品？
“上升”是指由被展示的特定产品带来的收入增长。上升可以被描述为百分 比“销售额上升”，其显示了作为产品被展示的结果销售额的百分比增长(如果 有的话)，或者被描述为“美元上升”，其显示了作为产品被展示的结果收入的增 长(如果有的话)。销售额上升和美元上升的组合提供了产品特征的“获益”的度 量。
“渗透”指被特征“影响”的客户的数量。其可以被表达为“客户渗透”，其代 表了在商店的所有客户中在指定时期内购买了被展示物品的客户的百分比。
最后，“相关销售”是渗透的加权版本。例如，其可以代表购买了特征表示 的客户总体花费的百分比。在这一例中，如果特定商店的所有客户在一个时期 内总共花费了$100,000.00，而在这一时期内购买所述特征的所有客户花费了总 共$50,000.00，则该特征的相关销售为50％。所述权重也可以相对于其它属性 (而不是上面例子中的总销售额)来加权，例如可以根据下列属性来加权：篮 尺寸、人口统计状况、价格敏感度等等。这可以为单独商店、地理分区或者整 个零售机构来计算，并且是所述方法如何确定每个特征的影响效果。
尽管“独立度量”在独立特征级别上分析数据，“累积度量”分析来自更大产 品组的数据。本发明使用累积度量来生成在给定时期内展示的所有产品的广泛 数据，以及有关所有产品的基线数据。例如，累积度量可以包括购买任何被展 示产品的客户的数量、所有售出的被展示产品的销售总额、和/或所有售出的被 展示产品的总上升。作为基线，将另外计算购买任何产品的客户总数、购买的 所有产品的销售总额、和/或购买的所有产品的总上升。
概括&分类引擎28还将每个被展示产品分类为有目的的“类型”分类，以便 由零售机构的人员使用。在本发明的更详细实施例中，被展示产品被分为三个 一般“类型”分类——“支柱”、“辅助”和“未知”。“支柱”类被展示产品促进影响 和获益的经济效果，而“辅助”类被展示产品促进均衡和获益的经济效果。“未知” 类型被用于当系统未被提供足够的公布和/或交易数据时，对特定特征有意义地 分析其经济效果。支柱类基本上是特定零售机构具有高重买率的主要物品。例 如，食品店的支柱产品可以是面包、牛奶和/或可乐类饮料；而电子商店的支柱 产品可以是DVD、CD和电池。辅助类产品通过推动均衡来补充支柱类产品。 辅助类产品比支柱类产品将具有稍微更受限的影响；例如，那些常常被购买但 并不是每次去商店都会购买的产品。例如，在食品商店中，辅助类产品包括清 洁剂、纸制品、鱼类、冷冻食品；而在电子商店中，辅助类产品包括附件、DVD 播放器、CD播放器和扬声器。
在更加详细的实施例中，支柱类和辅助类被进一步划分为子类。例如，支 柱类被展示产品可被分为“回馈支柱”、“激励支柱”、“流量支柱”、“高价支柱”、 “低端支柱”或者其它支柱类型，例如依据人口统计学分类的支柱类型。回馈支 柱是回馈购买不考虑广告也将购买的主要物品的消费者的被展示产品。牛奶是 回馈支柱的一个例子。激励支柱当未被展示时是高端产品，但是当被展示时， 鼓励那些只购买主流产品或者低端产品的客户去“购买”。一贯购买被展示产品 导致所述产品当被展示时被重新指定为主流或者低端产品。流量支柱是吸引客 户为了购买被展示物品的特殊目的来到商店，因此驱使客户进入和穿过商店的 被展示产品。流量支柱的典型例子是可乐，因为很多客户趋向于“逛商店”寻找 每周特价软饮料。高价物品是具有较高的广告价格和较低的相关销售的产品， 所以高价支柱应当是被展示时成为支柱的高价物品。
辅助类产品也可以被分为相同类型的子类，例如“低端辅助类”、“高端辅助 类”和“店内辅助类”。低端和高端辅助类是分别帮助增加低端和高端产品的获益 的被展示产品；而店内辅助类产品是增加广泛和中间物品的获益的被展示产品。 在更加详细的实施例中，系统可根据所述特征在产生相关经济效果方面如何有 效来限定分类。例如，适度地增加广泛和中等物品的获益的特征被指定为“弱店 内辅助类”。尽管系统对每一个分类保持最小标准，特殊标准可基于销售的差异、 不同区域间的喜好和经济的差异、或者甚至不同独立商店的差异。
当系统概括了原始数据并且对每个特征进行了分类之后，系统使用“最终工 具”30将综合信息发送给每个用户。在本发明的详细实施例中，最终工具是图形 用户界面。其将以下详细说明并如图2—4中所示，图形用户界面组织所述信息 使其可以很容易被用户访问。
现重新参考图1，由系统的“基准跟踪”部件32来监视原始数据和分类。此 部件提供周期性分析，用于修改负责被展示产品的分组以及数据的概括以及被 展示产品的分类的规则。这种周期性修改非常重要，因为客户的行为例如随着 季节、随着特定地理分区的增长以及随着市场上新产品的引入而改变。在本发 明的更加详细实施例中，“基准跟踪”部件32生成“季度分析”33。该“季度分析” 用来每季度修改规则。在另一个更加详细实施例中，不断地产生分析并且根据 需要不断地修改规则。在本发明另一个可选的更详细的实施例中，用户可以在 任何时候观察基准跟踪并分析和触发规则的修改。
除了改变修改规则的周期以外，本发明还可以在不同粒度级别执行修改。 在本发明的更加详细实施例中，可以为零售商店的每个地理分区14独立地修改 规则。在另一个可选的更详细实施例中，独立地为每个零售商店修改规则。这 种商店专用规则被称为“商店专用度量查找”34。
图2-4提供了用于显示分析结果的图形用户界面的示例性实施例。用户可 选择观看特定地理分区和特定时期专用信息。在示例性实施例中，图形用户界 面允许以三种不同格式来显示分析结果：每周业绩格式、周期趋势格式、以及 特征数据库格式。可通过激活图形用户界面上的各相应按钮：每周业绩按钮36、 周期趋势按钮38或特征数据库按钮40来显示这些格式的每一个。
图2所示的显示是特征数据库显示。其显示了每个被展示产品在给定时期 内如何表现。第一栏“分区”42识别用户选择观看信息的地理分区。第二栏“周”44 显示了收集显示数据的时期。正如在不同地理分区广告相似产品会产生不同效 果，因此，在不同时期广告相似产品也是这样。
第三、四和五栏显示了被展示产品的标识“特征”46、特征所属的顾客中心 部门或者“忠实部门”48、以及由系统给予被展示产品的分类“类型”50。第三栏 46或特征栏识别被分析的特定特征。通过点击“观看特征名称”按钮，用户可以 触发在观看出现在广告中的特征名称和每个特征群的主要UPC(主要UPC是 说明被展示产品的最高销售额的UPC)之间来回。所述触发可允许显示特征的 所有UPC而不是仅仅一个主要UPC也在本发明的范围内。第四栏48识别被展 示产品所属的客户中心部门。例如，“Big K Diet Root啤酒”属于软饮料忠实部 门。在第五栏50中显示每个特征的分类类型。注意，在这个实施例中，如上所 述，分类类型由概括&分类引擎28生成，这个引擎将分类类型分成子类并提供 限定。例如，如果特征被分类为弱店内辅助类，则这将表示所述特征适度地增 加主流产品的销售。
图2中描述的其余栏显示了系统在分类每个特征时用到的处理数据。第六 栏“商店分布”52通知用户所述分区内的商店的多少百分比提供被展示产品；第 七栏到第九栏“价格点变化”54、“基本价格”56和“前端价格”58提供了在产品被 展示和没有被展示时的价格差异。第十栏和第十一栏“基本位置”60和“前端位 置”62提供了在基本价格购买产品的客户类型相对于在广告价格购买产品的客 户类型的分类；第十一栏“篮尺寸”64指示了与被展示产品一起购买的其它产品 的数量；第十四栏“Cust.Pen.”70列出了购买了被展示产品的客户的百分比；第 十五栏“Assoc.Sales”72列出了被展示产品表示的总销售额与其它产品相比的百 分比。第十二栏“销售上升”66和第十三栏“美元上升”68表明了当产品被展示和 没有被展示时销售的增长。销售上升66表示当产品被展示以及产品没有被展示 时特定产品销售数量的百分比增长。美元上升68表明了当产品被展示以及产品 没有被展示时特定产品的销售所产生的收入增长。
图形用户界面提供了基本价格(当产品没被展示时的价格)、前端价格(当 产品被展示时的价格)以及两种价格的百分比差异。还通过基本价格和前端价 格的价格敏感度来分类产品。这些栏允许用户查看相对于产品没有被展示时， 当产品被展示时，所述产品是否吸引了不同群体/类型的客户。例如，当没有被 展示时，一些产品吸引具有高端价格敏感度的客户，但当其被展示时，该产品 则吸引具有中等价格敏感度的客户。由于一些产品相对于没有被广告时当其被 广告时吸引不同的吸引力部分，这种信息对于分析特定特征的当前“均衡”效果 以及预测未来“均衡”效果是非常重要的。
图2示出的图形界面的另一个特征是其允许用户生成广告评价模板，所述 广告评价模板允许用户比较提议的特征与影响、均衡和获益的预期目标。通过 从以前被展示的产品中进行选择，通过点击相关特征的分区栏(或者通过将被 展示物品本身拖拽到评价表74中)，用户可以在表74中生成一个建议的广告计 划。例如，每个用户可提供目标或者标准，这些目标或者标准指定期望被包含 在特定每周广告计划中以实现期望的“影响”、“均衡”、“获益”效果的每个类型 50的大约数量。这种标准可以在不同级别的粒度提供。在本发明的更详细实施 例中，为每个地理分区14独立地提供这种标准。在可选地更详细的实施例中， 为每个单独的零售商店12独立地提供这种标准。通过参考这种标准，用户可评 价每个提议的广告计划，并且调整计划以满足“影响”、“均衡”和“获益”的需要。
一旦用户将提议的被展示产品的组合加入表74中，那么用户就可以点击生 成广告评价模板按钮75，以及存入表74中的被提议特征将被输出到被称为矩阵 模板的电子表格文件中，如图5所示。所述矩阵模板允许用户观察所有产品， 以查看提议的特征如何一起执行。所述矩阵模板包括行/空间以及列：所述行/ 空间用于提议的特征；所述列用于与提议的特征相关联的关键度量，其显示了 这种特征在过去如何执行。所述矩阵还包括用于可由用户添加的附加注释的区 域以及评价朝向影响、均衡和获益三个目标的全部活动的附加空间。该数据允 许零售机构观察哪些特征具有影响客户、产生附加销售额以及涵盖所有类型的 客户的最强潜力。该信息允许零售机构每周(或者在其它广告期间)均衡其投 资，以最大化满足预定目标所需的特征的混合。尽管本发明的示例性实施例在 计算机化电子表格工具的辅助下手动执行此矩阵模板评价步骤，显然在本发明 的范围内，允许软件自动化选择和进一步的评价处理(如果不是全部的话)。
图3显示了示例性图形用户界面的“每周业绩”屏幕。此屏幕为用户提供反 映在特定时期内特定地理分区(或者零售机构的任何其它选择或者组合)所经 历的影响、均衡和获益效果的原始数据、百分比数据和图形数据。在此示例性 实施例中，用户可以通过点击“选择分区”下拉框76和/或“选择周”下拉框78， 来选择观察不同地理分区的数据和/或不同周的数据。
“全面每周业绩”图形80为用户提供全面的“影响”、“渗透”和“上升”数据。 总百分比“影响”82与导出该百分比的数字数据—在选定星期78在选定地理分 区76内的任何零售商店购物的家庭的总数84以及购买在选定星期78被展示的 任何户品的那些家庭86的数量一起提供。也通过“相关商店销售”88的百分比从 收入透视图来表示影响。这个图代表所谓的“光圈效应”，并且通过找到销售给 购买一个或者多个特征的客户的“商店总销售额”90的百分比来计算(即“相关商 店总销售额”)92。影响被进一步细分，以便通过找到在选定周78内购买了一 个或者多个特征的“总VPS/PS家庭”96的百分比，来示出被每周特征吸引的价 格非常敏感客户(“VPS”)和价格敏感客户(“PS”)94的比例(即，“被首页 特征吸引的总VPS/PS”)98。“销售额渗透”百分比100代表“首页特征总销售 额”104占“商店总销售额”102的百分比。最后，“上升”代表作为广告结果经历 的被展示产品的收入增长。图3显示了百分比“销售额上升”106，以及提供了“首 页特征的基本销售额”108和“基本美元上的总上升美元”110的美元图。
图3还在其“我的特征如何被部分执行？”图形112中显示了被吸引力部分 细分的影响和上升数据。影响图116显示了购物的每一个吸引力部分中的家庭 总数、每个吸引力部分中被一个或者多个特征吸引的家庭总数、以及每个吸引 力部门中被特征“影响”的家庭的百分比。通过柱状图118还显示了与总百分比 影响相比每个吸引力部分的百分比影响数据。上升图120显示了基本销售额、 首页特征销售额和每个吸引力部分的百分比上升、以及总基本销售额、总首页 销售额和总上升百分比。还在柱状图122中比较了每个吸引力部分的基本销售 额和首页销售额。
图4显示了示例性图形用户界面的“业绩趋势”屏幕。影响周期趋势图123 允许用户确定特定地理分区126内的商店是否在其经历较高总影响的星期内也 经历了较高的总销售额。再次，示例性实施例的显示被地理分区细分，但是本 发明足够灵活使得该显示也可以被零售机构、周期、产品种类等的其它组合细 分。图形124描述了已报告数据的最近一个星期。图123的x轴132代表构成 分析周期的各星期。柱状图y轴128代表了商店总销售额，并且线图y轴130 代表了百分比影响。通过把总销售额与影响数据覆盖，此屏幕允许用户评价在 较长时期内在特定地理分区中对商店总销售额的影响效果。
通过参考示例性的实施例描述了本发明，应该知道本发明被权利要求定义 并且在前描述的示例性实施例的任何限制或者元素都不被解释为对权利要求的 限制，除非在权利要求里清楚列出了这些限制或者元素。同样地，也能够清楚， 由于本发明被权利要求定义并且由于相关和/或本发明固有的优点可能存在于此 处没有清楚讨论的内容之中，因此为了适应权利要求限定的范围，本发明此处 描述的一个或者全部优点和目标不是必须达到的。