特表 2023-524537 製造業者、供給業者及び購入者のための人工知能ベースのＥコマースシステム及び方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公表特許公報(A)

(11)【公表番号】

(43)【公表日】2023-06-12

(54)【発明の名称】製造業者、供給業者及び購入者のための人工知能ベースのＥコマースシステム及び方法

(51)【国際特許分類】

   G06Q 30/0601 20230101AFI20230605BHJP

【ＦＩ】

G06Q30/0601 308

【審査請求】未請求

【予備審査請求】未請求

(21)【出願番号】P 2022567315

(86)(22)【出願日】2021-05-04

(85)【翻訳文提出日】2022-12-19

(86)【国際出願番号】 CA2021050626

(87)【国際公開番号】W WO2021223025

(87)【国際公開日】2021-11-11

(31)【優先権主張番号】63/019,854

(32)【優先日】2020-05-04

(33)【優先権主張国・地域又は機関】US

(81)【指定国・地域】

【公序良俗違反の表示】

（特許庁注：以下のものは登録商標）

１．Ｌｉｎｕｘ

２．イーサネット

(71)【出願人】

【識別番号】519339998

【氏名又は名称】１０６４４１３７ カナダ インコーポレイテッド

(74)【代理人】

【識別番号】100079108

【弁理士】

【氏名又は名称】稲葉 良幸

(74)【代理人】

【識別番号】100109346

【弁理士】

【氏名又は名称】大貫 敏史

(74)【代理人】

【識別番号】100117189

【弁理士】

【氏名又は名称】江口 昭彦

(74)【代理人】

【識別番号】100134120

【弁理士】

【氏名又は名称】内藤 和彦

(72)【発明者】

【氏名】シェルヴィッツ，サム

【テーマコード（参考）】

5L049

【Ｆターム（参考）】

5L049BB22

(57)【要約】

複数のユーザに対してｅコマースを促進するためのコンピュータ化されたネットワークシステム。システムは、少なくとも１つのサーバコンピュータと、ユーザによって使用される複数のクライアントコンピューティングデバイスと、サーバコンピュータをクライアントコンピューティングデバイスと結合させるネットワークとを有する。サーバコンピュータは、互いに結合されたデータベース及び人工知能（ＡＩ）モジュールを有し、両方とも、クライアントコンピューティングデバイスと連通するデータ入力／出力インタフェースに結合され、複数のデータソースからｅコマース関連データを繰り返し収集することと、データソースからのデータ収集の頻度に基づいて、各データソースからの収集データを重み付けすることと、１つ又は複数のデータ分析モデルを最適化するために、収集データを使用して、ＡＩモジュールを繰り返し訓練することと、１つ又は複数のデータ分析モデルを使用して、収集データを分析することと、予測を生成することと、事前検証済みのユーザを識別することと、生成された予測及び／又は事前検証済みのユーザをグラフィックユーザインタフェース（ＧＵＩ）に出力することとを行う。

【特許請求の範囲】

【請求項1】

ｅコマースにおいて複数のユーザを手助けするためのコンピュータ化されたネットワークシステムであって、
少なくとも１つのサーバコンピュータと、
前記複数のユーザによって使用される複数のクライアントコンピューティングデバイスと、
前記少なくとも１つのサーバコンピュータを前記複数のクライアントコンピューティングデバイスと機能的に結合させるネットワークと
を含み、
前記少なくとも１つのサーバコンピュータが、
データベースと、
前記データベースに機能的に結合された人工知能（ＡＩ）モジュールであって、ニューラルネットワークを含む人工知能（ＡＩ）モジュールと、
前記ＡＩモジュール及び前記データベースに結合され、前記複数のクライアントコンピューティングデバイスと通信するように構成されたデータ入力／出力インタフェースと
を含み、
前記データベース、前記ＡＩモジュール及び前記データ入力／出力インタフェースが、
複数のデータソースから前記複数のユーザに関連するデータを繰り返し収集することであって、前記データが、経歴、規制順守、証明書、公式財務記録、価格記録、出荷記録、輸入＆輸出記録、購入記録、評判、顧客の声、法的履歴、信用性、保証及びサービス規約のうちの１つ又は複数を含む、繰り返し収集することと、
前記データソースからの前記データ収集の頻度に基づいて、各データソースからの前記収集データを重み付けすることと、
１つ又は複数のデータ分析モデルを確立して最適化するために、前記収集データを使用して、前記ＡＩモジュールの前記ニューラルネットワークを繰り返し訓練することと、
前記１つ又は複数のデータ分析モデルを使用して、前記収集データを分析することと、
供給業者、製造業者並びに製品及びサービスプロバイダとしての前記複数のユーザの事前承認のための前記収集データの前記分析に基づいて、その検証情報及びレーティングを用いて、予測を生成することと、
前記複数のユーザから事前検証済みのユーザを識別することと、
前記生成された予測及び／又は前記事前検証済みのユーザをグラフィックユーザインタフェース（ＧＵＩ）に出力することと
を行うように構成される、システム。

【請求項2】

前記１つ又は複数のデータ分析モデルの各々が、
予測を演算するための構造と、
各データソースからの前記収集データを前記重み付けするための、各データソースからの前記収集データの重みと、
各データソースからの前記収集データのバイアスと
を含む、請求項１に記載のコンピュータ化されたネットワークシステム。

【請求項3】

前記データベース、前記ＡＩモジュール及び前記データ入力／出力インタフェースが、
デモグラフィック市場及びオンラインマーケティングベッセルを識別することと、
マーケティング戦略及びキャンペーン計画を提供することと、
前記収集データに基づいて、前記１つ又は複数のデータ分析モデルを使用して、マーケティングソリューションを生成することと
を行うように構成される、請求項１又は２に記載のコンピュータ化されたネットワークシステム。

【請求項4】

前記データベース、前記ＡＩモジュール及び前記データ入力／出力インタフェースが、
購買時点及び／又はオンライン注文フォームへのリンクを提供する
ように構成される、請求項１～３のいずれか一項に記載のコンピュータ化されたネットワークシステム。

【請求項5】

前記データベース、前記ＡＩモジュール及び前記データ入力／出力インタフェースが、
前記収集データを前記分析することに基づいて、ターゲットコンテンツ及びターゲットユーザを自動的に識別することと、
前記識別されたターゲットユーザに前記識別されたターゲットコンテンツを自動的に送信することと
を行うように構成される、請求項１～４のいずれか一項に記載のコンピュータ化されたネットワークシステム。

【請求項6】

前記識別されたターゲットユーザに前記識別されたターゲットコンテンツを前記自動的に送信することが、
事前に定義された頻度又は前記収集データを前記分析することに基づいて適応的に決定された頻度で、前記識別されたターゲットユーザに前記識別されたターゲットコンテンツを自動的に送信すること
を含む、請求項５に記載のコンピュータ化されたネットワークシステム。

【請求項7】

前記データベース、前記ＡＩモジュール及び前記データ入力／出力インタフェースが、
ブランディング、製品管理、ロジスティクス及び契約価格に対するオンラインディレクトリ又はオンラインストアを前記事前検証済みのユーザのうちの１人又は複数に提供することと、
前記事前検証済みのユーザのうちの前記１人又は複数をランク付けすることと、
ｅコマース取引を完了するために前記事前検証済みのユーザを機能的に接続することと
を行うように構成される、請求項１～６のいずれか一項に記載のコンピュータ化されたネットワークシステム。

【請求項8】

データベース、ＡＩモジュール及びデータ入力／出力インタフェースを使用して、ｅコマースにおいて複数のユーザを手助けするためのコンピュータ化された方法であって、
複数のデータソースから前記複数のユーザに関連するデータを繰り返し収集することであって、前記データが、経歴、規制順守、証明書、公式財務記録、価格記録、出荷記録、輸入＆輸出記録、購入記録、評判、顧客の声、法的履歴、信用性、保証及びサービス規約のうちの１つ又は複数を含む、繰り返し収集することと、
前記データソースからの前記データ収集の頻度に基づいて、各データソースからの前記収集データを重み付けすることと、
１つ又は複数のデータ分析モデルを確立して最適化するために、前記収集データを使用して、前記ＡＩモジュールのニューラルネットワークを繰り返し訓練することと、
前記１つ又は複数のデータ分析モデルを使用して、前記収集データを分析することと、
供給業者、製造業者並びに製品及びサービスプロバイダとしての前記複数のユーザの事前承認のための前記収集データの前記分析に基づいて、その検証情報及びレーティングを用いて、予測を生成することと、
前記複数のユーザから事前検証済みのユーザを識別することと、
前記生成された予測及び／又は前記事前検証済みのユーザをグラフィックユーザインタフェース（ＧＵＩ）に出力することと
を含む、コンピュータ化された方法。

【請求項9】

前記１つ又は複数のデータ分析モデルの各々が、
予測を演算するための構造と、
各データソースからの前記収集データを前記重み付けするための、各データソースからの前記収集データの重みと、
各データソースからの前記収集データのバイアスと
を含む、請求項８に記載のコンピュータ化された方法。

【請求項10】

デモグラフィック市場及びオンラインマーケティングベッセルを識別することと、
マーケティング戦略及びキャンペーン計画を提供することと、
前記収集データに基づいて、前記１つ又は複数のデータ分析モデルを使用して、マーケティングソリューションを生成することと
をさらに含む、請求項８又は９に記載のコンピュータ化された方法。

【請求項11】

購買時点及び／又はオンライン注文フォームへのリンクを提供すること
をさらに含む、請求項８～１０のいずれか一項に記載のコンピュータ化された方法。

【請求項12】

前記収集データを前記分析することに基づいて、ターゲットコンテンツ及びターゲットユーザを自動的に識別することと、
前記識別されたターゲットユーザに前記識別されたターゲットコンテンツを自動的に送信することと
をさらに含む、請求項８～１１のいずれか一項に記載のコンピュータ化された方法。

【請求項13】

前記識別されたターゲットユーザに前記識別されたターゲットコンテンツを前記自動的に送信することが、
事前に定義された頻度又は前記収集データを前記分析することに基づいて適応的に決定された頻度で、前記識別されたターゲットユーザに前記識別されたターゲットコンテンツを自動的に送信すること
を含む、請求項１２に記載のコンピュータ化された方法。

【請求項14】

ブランディング、製品管理、ロジスティクス及び契約価格に対するオンラインディレクトリ又はオンラインストアを前記事前検証済みのユーザのうちの１人又は複数に提供することと、
前記事前検証済みのユーザのうちの前記１人又は複数をランク付けすることと、
ｅコマース取引を完了するために前記事前検証済みのユーザを機能的に接続することと
をさらに含む、請求項８～１３のいずれか一項に記載のコンピュータ化された方法。

【請求項15】

データベース、ＡＩモジュール及びデータ入力／出力インタフェースを使用して、ｅコマースにおいて複数のユーザを手助けするためのコンピュータ実行可能命令を含む１つ又は複数の非一時的なコンピュータ可読記憶装置であって、前記命令が、実行されると、
複数のデータソースから前記複数のユーザに関連するデータを繰り返し収集することであって、前記データが、経歴、規制順守、証明書、公式財務記録、価格記録、出荷記録、輸入＆輸出記録、購入記録、評判、顧客の声、法的履歴、信用性、保証及びサービス規約のうちの１つ又は複数を含む、繰り返し収集することと、
前記データソースからの前記データ収集の頻度に基づいて、各データソースからの前記収集データを重み付けすることと、
１つ又は複数のデータ分析モデルを確立して最適化するために、前記収集データを使用して、前記ＡＩモジュールのニューラルネットワークを繰り返し訓練することと、
前記１つ又は複数のデータ分析モデルを使用して、前記収集データを分析することと、
供給業者、製造業者並びに製品及びサービスプロバイダとしての前記複数のユーザの事前承認のための前記収集データの前記分析に基づいて、その検証情報及びレーティングを用いて、予測を生成することと、
前記複数のユーザから事前検証済みのユーザを識別することと、
前記生成された予測及び／又は前記事前検証済みのユーザをグラフィックユーザインタフェース（ＧＵＩ）に出力することと
を含む動作を処理構造に実行させる、１つ又は複数の非一時的なコンピュータ可読記憶装置。

【請求項16】

前記１つ又は複数のデータ分析モデルの各々が、
予測を演算するための構造と、
各データソースからの前記収集データを前記重み付けするための、各データソースからの前記収集データの重みと、
各データソースからの前記収集データのバイアスと
を含む、請求項１５に記載の１つ又は複数の非一時的なコンピュータ可読記憶装置。

【請求項17】

前記命令が、実行されると、
デモグラフィック市場及びオンラインマーケティングベッセルを識別することと、
マーケティング戦略及びキャンペーン計画を提供することと、
前記収集データに基づいて、前記１つ又は複数のデータ分析モデルを使用して、マーケティングソリューションを生成することと
を含むさらなる動作を前記処理構造に実行させる、請求項１５又は１６に記載の１つ又は複数の非一時的なコンピュータ可読記憶装置。

【請求項18】

前記命令が、実行されると、
購買時点及び／又はオンライン注文フォームへのリンクを提供すること
を含むさらなる動作を前記処理構造に実行させる、請求項１５～１７のいずれか一項に記載の１つ又は複数の非一時的なコンピュータ可読記憶装置。

【請求項19】

前記命令が、実行されると、
前記収集データを前記分析することに基づいて、ターゲットコンテンツ及びターゲットユーザを自動的に識別することと、
前記識別されたターゲットユーザに前記識別されたターゲットコンテンツを自動的に送信することと
を含むさらなる動作を前記処理構造に実行させる、請求項１５～１８のいずれか一項に記載の１つ又は複数の非一時的なコンピュータ可読記憶装置。

【請求項20】

前記識別されたターゲットユーザに前記識別されたターゲットコンテンツを前記自動的に送信することが、
事前に定義された頻度又は前記収集データを前記分析することに基づいて適応的に決定された頻度で、前記識別されたターゲットユーザに前記識別されたターゲットコンテンツを自動的に送信すること
を含む、請求項１９に記載の１つ又は複数の非一時的なコンピュータ可読記憶装置。

【請求項21】

前記命令が、実行されると、
ブランディング、製品管理、ロジスティクス及び契約価格に対するオンラインディレクトリ又はオンラインストアを前記事前検証済みのユーザのうちの１人又は複数に提供することと、
前記事前検証済みのユーザのうちの前記１人又は複数をランク付けすることと、
ｅコマース取引を完了するために前記事前検証済みのユーザを機能的に接続することと
を含むさらなる動作を前記処理構造に実行させる、請求項１５～２０のいずれか一項に記載の１つ又は複数の非一時的なコンピュータ可読記憶装置。

【発明の詳細な説明】

【技術分野】

【0001】

関連出願の相互参照
この出願は、２０２０年５月４日に出願された米国仮特許出願第６３／０１９８５４号の利益を主張し、同特許の内容は、その全体が参照により本明細書に組み込まれる。

【0002】

開示の分野
本開示は、概して、製造業者、供給業者及び購入者間のｅコマースのためのコンピュータ化されたネットワークシステム及び方法に関し、具体的には、製造業者、供給業者及び購入者のための人工知能ベースのｅコマースシステム及び方法に関する。

【背景技術】

【0003】

背景
インターネット技術の高速進化と共に、電子商取引（「ｅコマース」とも呼ばれる）は、世界中で人気が高まり、人々は、インターネット上においてオンラインでの製品及び／又はサービスの売買を行えるようになった。一般に、２つのタイプのｅコマースシステムがある。ｅコマースシステムの第１のタイプは、会社や個人によってそれら自身の製品及びサービスを売るために運用されるものを含む。

【0004】

ｅコマースシステムの第２のタイプは、売り手と買い手が取引を行うための、第三者会社によって運用される取引プラットホームを含む。一部のｅコマースプラットホームでは、その運用会社は、それら自身の製品を売ることもできる。そのようなｅコマースシステムの例は、Amazon、eBay、Alibaba及び同様のものを含む。

【0005】

既存のｅコマースシステム、具体的には、様々な買い手と売り手が存在する取引プラットホームは、いくつかの取引上の課題及び意思決定問題に直面している。

【発明の概要】

【0006】

例えば、買い手企業、販売業者、卸売業者及びエンドユーザ消費者にとって、製造業者及び／又は供給業者のそれらの会社のクレデンシャルを事前承認することや、経歴調査、調達（健康、安全性、環境、合法性及び同様のものを考慮して）プロセス並びに取引関係者のクレデンシャルの検証を実施するための単調で退屈且つ高価な方法なしに、製品及び／又はサービスを調達することは難しい。買い手は、通常、売り手の信用性及び／又は信頼性を評価するために、他の買い手又はその代替としてビジネスレーティング組織／事務局によって付けられるレーティングに依拠する。しかし、レーティングは、不完全である及び／又はバイアスがかかる場合が多く、詐欺及び不正を防ぐには十分ではない可能性がある。他方では、売り手は、通常、買い手の信用性を確かめるために支払証明に依拠するが、これは、論争及び不正を防ぐには十分ではない可能性がある。

【0007】

買い手と売り手が利用できる情報の不足に加えて、製造業者によって提供される、それらの会社のクレデンシャル及び／又は製品情報、仕様及び／又は証明書に関する、大量の虚偽表示、不正な及び／又は誤解を招く情報も世界中に存在する。

【0008】

その上、必ずしもとは限らないが、多くの場合、売り手にとって、それらの製品及びサービスに対して善意の及び信頼できる顧客を見つけることは難しい。見込み顧客の質は、すべての売り手の最優先事項であろう。毎年、ターゲット製品のデモグラフィックス内に収まらない及び／又は信用できない顧客によって、数十億ドルものマーケティング費用が浪費されている。何千もの「リード生成」ツールが市場に出ているが、それらは、オンラインの見込み顧客の約１０％～４０％を占める、役に立たない、不正確な及び／又は不正なデータである。オンラインリードは、大量の質の悪いリードを生み出す。売り手は、数十億ドルを費やして、信用できる、承認を得た及び善意の潜在的な顧客を含まない見込み顧客リストを買っている。コールドコーリング、メールキャンペーン、インサイドセールス担当者及び他のそのようなマーケティング手法は、現在成長しているグローバルデジタルマーケットプレイスにおいて、それらの製品及びサービスのオンライン販売を通じて生き残るために必要な競争上の優位性を売り手に提供しない。

【0009】

従って、依然として、ビジネスオーナーにとって、世界中から、承認を得た及び信頼に値する供給業者、並びに、善意の、信用できる及び信頼に値する顧客をうまく識別し、それらとオンラインで関わることが論点である。

【0010】

概要
この開示の一態様によれば、ｅコマースにおいて複数のユーザを手助けするためのコンピュータ化されたネットワークシステムであって、少なくとも１つのサーバコンピュータと、複数のユーザによって使用される複数のクライアントコンピューティングデバイスと、少なくとも１つのサーバコンピュータを複数のクライアントコンピューティングデバイスと機能的に結合させるネットワークとを含む、システムであり、少なくとも１つのサーバコンピュータが、データベースと、データベースに機能的に結合された人工知能（ＡＩ）モジュールであって、ニューラルネットワークを含む人工知能（ＡＩ）モジュールと、ＡＩモジュール及びデータベースに結合され、複数のクライアントコンピューティングデバイスと通信するように構成されたデータ入力／出力インタフェースとを含み、データベース、ＡＩモジュール及びデータ入力／出力インタフェースが、複数のデータソースから複数のユーザに関連するデータを繰り返し収集することであって、データが、経歴、規制順守、証明書、公式財務記録、価格記録、出荷記録、輸入＆輸出記録、購入記録、評判、顧客の声、法的履歴、信用性、保証及びサービス規約のうちの１つ又は複数を含む、繰り返し収集することと、データソースからのデータ収集の頻度に基づいて、各データソースからの収集データを重み付けすることと、１つ又は複数のデータ分析モデルを確立して最適化するために、収集データを使用して、ＡＩモジュールのニューラルネットワークを繰り返し訓練することと、１つ又は複数のデータ分析モデルを使用して、収集データを分析することと、供給業者、製造業者並びに製品及びサービスプロバイダとしての複数のユーザの事前承認のための収集データの分析に基づいて、その検証情報及びレーティングを用いて、予測を生成することと、複数のユーザから事前検証済みのユーザを識別することと、生成された予測及び／又は事前検証済みのユーザをグラフィックユーザインタフェース（ＧＵＩ）に出力することとを行うように構成される、システムが提供される。

【0011】

いくつかの実施形態では、１つ又は複数のデータ分析モデルの各々は、予測を演算するための構造と、各データソースからの収集データを上記重み付けするための、各データソースからの収集データの重みと、各データソースからの収集データのバイアスとを含む。

【0012】

いくつかの実施形態では、データベース、ＡＩモジュール及びデータ入力／出力インタフェースは、デモグラフィック市場及びオンラインマーケティングベッセルを識別することと、マーケティング戦略及びキャンペーン計画を提供することと、収集データに基づいて、１つ又は複数のデータ分析モデルを使用して、マーケティングソリューションを生成することとを行うように構成される。

【0013】

いくつかの実施形態では、データベース、ＡＩモジュール及びデータ入力／出力インタフェースは、購買時点及び／又はオンライン注文フォームへのリンクを提供するように構成される。

【0014】

いくつかの実施形態では、データベース、ＡＩモジュール及びデータ入力／出力インタフェースは、収集データを上記分析することに基づいて、ターゲットコンテンツ及びターゲットユーザを自動的に識別することと、識別されたターゲットユーザに識別されたターゲットコンテンツを自動的に送信することとを行うように構成される。

【0015】

いくつかの実施形態では、識別されたターゲットユーザに識別されたターゲットコンテンツを上記自動的に送信することは、事前に定義された頻度又は収集データを上記分析することに基づいて適応的に決定された頻度で、識別されたターゲットユーザに識別されたターゲットコンテンツを自動的に送信することを含む。

【0016】

いくつかの実施形態では、データベース、ＡＩモジュール及びデータ入力／出力インタフェースは、ブランディング、製品管理、ロジスティクス及び契約価格に対するオンラインディレクトリ又はオンラインストアを事前検証済みのユーザのうちの１人又は複数に提供することと、事前検証済みのユーザのうちの１人又は複数をランク付けすることと、ｅコマース取引を完了するために事前検証済みのユーザを機能的に接続することとを行うように構成される。

【0017】

この開示の一態様によれば、データベース、ＡＩモジュール及びデータ入力／出力インタフェースを使用して、ｅコマースにおいて複数のユーザを手助けするためのコンピュータ化された方法であって、複数のデータソースから複数のユーザに関連するデータを繰り返し収集することであって、データが、経歴、規制順守、証明書、公式財務記録、価格記録、出荷記録、輸入＆輸出記録、購入記録、評判、顧客の声、法的履歴、信用性、保証及びサービス規約のうちの１つ又は複数を含む、繰り返し収集することと、データソースからのデータ収集の頻度に基づいて、各データソースからの収集データを重み付けすることと、１つ又は複数のデータ分析モデルを確立して最適化するために、収集データを使用して、ＡＩモジュールのニューラルネットワークを繰り返し訓練することと、１つ又は複数のデータ分析モデルを使用して、収集データを分析することと、供給業者、製造業者並びに製品及びサービスプロバイダとしての複数のユーザの事前承認のための収集データの分析に基づいて、その検証情報及びレーティングを用いて、予測を生成することと、複数のユーザから事前検証済みのユーザを識別することと、生成された予測及び／又は事前検証済みのユーザをグラフィックユーザインタフェース（ＧＵＩ）に出力することとを含む、コンピュータ化された方法が提供される。

【0018】

いくつかの実施形態では、１つ又は複数のデータ分析モデルの各々は、予測を演算するための構造と、各データソースからの収集データを上記重み付けするための、各データソースからの収集データの重みと、各データソースからの収集データのバイアスとを含む。

【0019】

いくつかの実施形態では、コンピュータ化された方法は、デモグラフィック市場及びオンラインマーケティングベッセルを識別することと、マーケティング戦略及びキャンペーン計画を提供することと、収集データに基づいて、１つ又は複数のデータ分析モデルを使用して、マーケティングソリューションを生成することとをさらに含む。

【0020】

いくつかの実施形態では、コンピュータ化された方法は、購買時点及び／又はオンライン注文フォームへのリンクを提供することをさらに含む。

【0021】

いくつかの実施形態では、コンピュータ化された方法は、収集データを上記分析することに基づいて、ターゲットコンテンツ及びターゲットユーザを自動的に識別することと、識別されたターゲットユーザに識別されたターゲットコンテンツを自動的に送信することとをさらに含む。

【0022】

いくつかの実施形態では、識別されたターゲットユーザに識別されたターゲットコンテンツを上記自動的に送信することは、事前に定義された頻度又は収集データを上記分析することに基づいて適応的に決定された頻度で、識別されたターゲットユーザに識別されたターゲットコンテンツを自動的に送信することを含む。

【0023】

いくつかの実施形態では、コンピュータ化された方法は、ブランディング、製品管理、ロジスティクス及び契約価格に対するオンラインディレクトリ又はオンラインストアを事前検証済みのユーザのうちの１人又は複数に提供することと、事前検証済みのユーザのうちの１人又は複数をランク付けすることと、ｅコマース取引を完了するために事前検証済みのユーザを機能的に接続することとをさらに含む。

【0024】

この開示の一態様によれば、データベース、ＡＩモジュール及びデータ入力／出力インタフェースを使用して、ｅコマースにおいて複数のユーザを手助けするためのコンピュータ実行可能命令を含む１つ又は複数の非一時的なコンピュータ可読記憶装置であって、命令が、実行されると、複数のデータソースから複数のユーザに関連するデータを繰り返し収集することであって、データが、経歴、規制順守、証明書、公式財務記録、価格記録、出荷記録、輸入＆輸出記録、購入記録、評判、顧客の声、法的履歴、信用性、保証及びサービス規約のうちの１つ又は複数を含む、繰り返し収集することと、データソースからのデータ収集の頻度に基づいて、各データソースからの収集データを重み付けすることと、１つ又は複数のデータ分析モデルを確立して最適化するために、収集データを使用して、ＡＩモジュールのニューラルネットワークを繰り返し訓練することと、１つ又は複数のデータ分析モデルを使用して、収集データを分析することと、供給業者、製造業者並びに製品及びサービスプロバイダとしての複数のユーザの事前承認のための収集データの分析に基づいて、その検証情報及びレーティングを用いて、予測を生成することと、複数のユーザから事前検証済みのユーザを識別することと、生成された予測及び／又は事前検証済みのユーザをグラフィックユーザインタフェース（ＧＵＩ）に出力することとを含む動作を処理構造に実行させる、１つ又は複数の非一時的なコンピュータ可読記憶装置が提供される。

【0025】

いくつかの実施形態では、１つ又は複数のデータ分析モデルの各々は、予測を演算するための構造と、各データソースからの収集データを上記重み付けするための、各データソースからの収集データの重みと、各データソースからの収集データのバイアスとを含む。

【0026】

いくつかの実施形態では、命令は、実行されると、デモグラフィック市場及びオンラインマーケティングベッセルを識別することと、マーケティング戦略及びキャンペーン計画を提供することと、収集データに基づいて、１つ又は複数のデータ分析モデルを使用して、マーケティングソリューションを生成することとを含むさらなる動作を処理構造に実行させる。

【0027】

いくつかの実施形態では、命令は、実行されると、購買時点及び／又はオンライン注文フォームへのリンクを提供することを含むさらなる動作を処理構造に実行させる。

【0028】

いくつかの実施形態では、命令は、実行されると、収集データを上記分析することに基づいて、ターゲットコンテンツ及びターゲットユーザを自動的に識別することと、識別されたターゲットユーザに識別されたターゲットコンテンツを自動的に送信することとを含むさらなる動作を処理構造に実行させる。

【0029】

いくつかの実施形態では、識別されたターゲットユーザに識別されたターゲットコンテンツを上記自動的に送信することは、事前に定義された頻度又は収集データを上記分析することに基づいて適応的に決定された頻度で、識別されたターゲットユーザに識別されたターゲットコンテンツを自動的に送信することを含む。

【0030】

いくつかの実施形態では、命令は、実行されると、ブランディング、製品管理、ロジスティクス及び契約価格に対するオンラインディレクトリ又はオンラインストアを事前検証済みのユーザのうちの１人又は複数に提供することと、事前検証済みのユーザのうちの１人又は複数をランク付けすることと、ｅコマース取引を完了するために事前検証済みのユーザを機能的に接続することとを含むさらなる動作を処理構造に実行させる。

【図面の簡単な説明】

【0031】

図面の簡単な説明

【図1】本開示のいくつかの実施形態による、ｅコマースシステムの概略図である。

【図2】図１に示されるｅコマースシステムのコンピューティングデバイスの簡略化したハードウェア構造を示す概略図である。

【図3】図１に示されるｅコマースシステムのコンピューティングデバイスの簡略化したソフトウェアアーキテクチャを示す概略図である。

【図4】図１に示されるｅコマースシステムの機能構造を示すブロック図である。

【図5】図１に示されるｅコマースシステムによって実行される、オンラインコマースを促進するために様々なソースから収集されたデータを分析するためのステップを示すフローチャートである。

【図6】図１に示されるｅコマースシステムによって使用されるニューラルネットワークの概略図である。

【図7】この開示のいくつかの実施形態による、図１に示されるｅコマースシステムのセキュリティアーキテクチャを示す。

【発明を実施するための形態】

【0032】

詳細な説明
システム概観
上記で説明されるように、既存のｅコマースシステム、具体的には、様々な買い手と売り手（「当事者」と総称される）が存在する取引プラットホームは、多くの不利点及び／又は問題を有し、例えば、当事者及び／又は製品を評価するために利用できる情報は、通常、様々なフォーマット（大量の非構造化情報を含む）及び様々なコンテキストであり、それにより、既存のｅコマースシステムの分析における困難が生じることが挙げられる。また、様々な当事者及び／又は製品の大量の虚偽表示、不正な及び／又は誤解を招く情報も存在し、既存のｅコマースシステム及び知識の豊富な人間でさえ、真正の情報を正しく識別し、誤解を招く情報から分離する上で、課題が持ち上がる。そのような問題により、一般に、承認を得た当事者及び／又は製品を確実に識別するための「高質の」情報の不十分性が生じる。

【0033】

その上、既存のｅコマースシステムでさえ及び知識の豊富な人間でさえ、様々な当事者及び／又は製品を評価するためのいくつかの真正の情報を正しく識別することができる可能性があり、ｅコマースのスケール及び時間依存性が増すにつれて、既存のｅコマースシステム及び知識の豊富な人間でさえ、必要に応じてｅコマースをサポートするために、迅速な及び時間依存性を有する分析を提供する上で、重大な課題に直面する。

【0034】

本明細書で開示される実施形態は、上記で説明される問題の少なくともいくつかを解決するためのコンピュータ化されたネットワークシステムに関する。具体的には、コンピュータ化されたネットワークシステムは、人工知能（ＡＩ）を使用して、
・ 製造業者、製品プロバイダ及びサービスプロバイダの検証及び事前承認、
・ マーケティング及び販売の自動化、及び／又は、
・ 様々な製造業者、供給業者及び購入者の事前検証済みの会社のｅコマースコミュニティのためのビジネスショッピング及び供給センタの提供
を行うように構成される。

【0035】

ここで図１に移ると、コンピュータ化されたネットワークシステムの形態のｅコマースシステムが示されており、一般に、参照番号１００を使用して識別される。ｅコマースシステム１００には、商品及び／又はサービスの買い手と売り手を含む少なくとも２つのタイプのユーザが存在する。図１に示されるように、ｅコマースシステム１００は、１つ又は複数のサーバコンピュータ１０２と、買い手と売り手によって使用される複数のクライアントコンピューティングデバイス１０４とを含み、すべてが、適切な有線及び無線ネットワーク接続を介して、インターネット、ローカルエリアネットワーク（ＬＡＮ）、ワイドエリアネットワーク（ＷＡＮ）、メトロポリタンエリアネットワーク（ＭＡＮ）及び／又は同様のものなどのネットワーク１０８によって、機能的に相互接続される。

【0036】

サーバコンピュータ１０２は、１つ又は複数のサーバプログラムを実行する。実装形態に応じて、サーバコンピュータ１０２は、サーバコンピューティングデバイス及び／又はユーザによって使用されると同時にサーバコンピュータの働きもする汎用コンピューティングデバイスであり得る。

【0037】

各クライアントコンピューティングデバイス１０４は、ユーザが使用するための１つ又は複数のクライアントアプリケーションプログラム（又はいわゆる「アプリ」）を実行する。クライアントコンピューティングデバイス１０４は、デスクトップコンピュータ、ラップトップコンピュータ、タブレット、スマートフォン、携帯情報端末（ＰＤＡ）及び／又は同様のものであり得る。

【0038】

一般に、コンピューティングデバイス１０２、１０４は、図２に示されるハードウェア構造１２０など、同様のハードウェア構造を有する。示されるように、コンピューティングデバイス１０２／１０４は、処理構造１２２、制御構造１２４、１つ又は複数の非一時的なコンピュータ可読メモリ又は記憶装置１２６、ネットワークインタフェース１２８、座標入力１３０、ディスプレイ出力１３２並びに他の入力及び出力モジュール１３４、１３６を含み、すべてが、システムバス１３８によって機能的に相互接続される。

【0039】

処理構造１２２は、INTEL（登録商標）マイクロプロセッサ（INTELは、Santa Clara、ＣＡ、ＵＳＡを拠点とするIntel Corp.の登録商標である）、AMD（登録商標）マイクロプロセッサ（AMDは、Sunnyvale、ＣＡ、ＵＳＡを拠点とするAdvanced Micro Devices Inc.の登録商標である）、ARM（登録商標）アーキテクチャの下でSan Diego California、ＵＳＡを拠点とするQualcommなどのいろいろな製造物によって製造されたARM（登録商標）マイクロプロセッサ（ARMは、Cambridge、ＵＫを拠点とするArm Ltd.の登録商標である）及び同様のものなど、１つ又は複数のシングルコア又はマルチコアコンピューティングプロセッサであり得る。

【0040】

制御構造１２４は、コンピューティングデバイス１０２／１０４の様々なハードウェアコンポーネント及びモジュールの動作を調整するための、グラフィックコントローラ、入力／出力チップセット及び同様のものなどの１つ又は複数の制御回路を含む。

【0041】

メモリ１２６は、データの読み取り及び／又は格納のために処理構造１２２及び制御構造１２４によるアクセスが可能な複数のメモリユニットを含み、データは、入力データ並びに処理構造１２２及び制御構造１２４によって生成されたデータを含む。メモリ１２６は、ＲＡＭ、ＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭ、ソリッドステートメモリ、ハードディスク、ＣＤ、ＤＶＤ、フラッシュメモリ及び同様のものなど、揮発性及び／又は不揮発性の取り外し不可能又は取り外し可能なメモリであり得る。使用の際、メモリ１２６は、一般に、異なる使用目的のための複数の部分に分割される。例えば、メモリ１２６の一部分（本明細書では記憶メモリと示される）は、例えば、ファイル又はデータベースを格納するための、長期データ格納のために使用することができる。メモリ１２６の別の部分（本明細書ではワーキングメモリと示される）は、処理の間にデータを格納するためのシステムメモリとして使用することができる。

【0042】

ネットワークインタフェース１２８は、イーサネット、WI-FI（登録商標）（WI-FIは、Austin、ＴＸ、ＵＳＡを拠点とするWi-Fi Allianceの登録商標である）、BLUETOOTH（登録商標）（BLUETOOTHは、Kirkland、ＷＡ、ＵＳＡを拠点とするBluetooth Sig Inc.の登録商標である）、ZIGBEE（登録商標）（ZIGBEEは、San Ramon、ＣＡ、ＵＳＡを拠点とするZigBee Alliance Corp.の登録商標である）、３Ｇ、４Ｇ及び／又は５Ｇ移動無線電気通信技術及び／又は同様のものなどの適切な有線又は無線通信技術を使用することによって、ネットワーク１０８を通じて他のコンピューティングデバイス又はネットワークに接続するための１つ又は複数のネットワークモジュールを含む。いくつかの実施形態では、他のコンピューティングデバイス又はネットワークを接続するために、パラレルケーブル（例えば、ＤＢ－２５コネクタ付きパラレルケーブル）、シリアルケーブル（例えば、ＲＳ２３２ケーブル）、ＵＳＢ接続、光学的接続及び同様のものを使用することもできるが、それらは、通常、入力／出力デバイスを接続するための入力／出力インタフェースと見なされる。

【0043】

ディスプレイ出力１３２は、モニタ、ＬＣＤディスプレイ、ＬＥＤディスプレイ、プロジェクタ及び同様のものなど、画像を表示するための１つ又は複数のディスプレイモジュールを含む。ディスプレイ出力１３２は、コンピューティングデバイス１０２／１０４の物理的に統合された部分（例えば、ラップトップコンピュータ又はタブレットのディスプレイ）でも、コンピューティングデバイス１０２／１０４の他のコンポーネントから物理的に分離されるが、機能的に結合されるディスプレイデバイス（例えば、デスクトップコンピュータのモニタ）でもあり得る。

【0044】

座標入力１３０は、タッチセンサ式スクリーン、タッチセンサ式ホワイトボード、トラックボール、コンピュータマウス、タッチパッド又は他のヒューマンインタフェースデバイス（ＨＩＤ）及び同様のものなど、１人又は複数のユーザが座標データを入力するための１つ又は複数の入力モジュールを含む。座標入力１３０は、コンピューティングデバイス１０２／１０４の物理的に統合された部分（例えば、ラップトップコンピュータのタッチパッド又はタブレットのタッチセンサ式スクリーン）でも、コンピューティングデバイス１０２／１０４の他のコンポーネントから物理的に分離されるが、機能的に結合されるデバイス（例えば、コンピュータマウス）でもあり得る。座標入力１３０は、いくつかの実装形態では、タッチセンサ式スクリーン又はタッチセンサ式ホワイトボードを形成するために、ディスプレイ出力１３２と統合することができる。

【0045】

また、コンピューティングデバイス１０２／１０４は、キーボード、マイク、スキャナ、カメラ、全地球測位システム（ＧＰＳ）コンポーネント及び／又は同様のものなど、他の入力１３４も含み得る。コンピューティングデバイス１０２／１０４は、スピーカ、プリンタ及び／又は同様のものなど、他の出力１３６をさらに含み得る。

【0046】

システムバス１３８は、様々なコンポーネント１２２～１３６を相互接続し、それらが互いにデータ及び制御信号の送受信を行えるようにする。

【0047】

図３は、コンピューティングデバイス１０２又は１０４の簡略化したソフトウェアアーキテクチャ１６０を示す。ソフトウェアアーキテクチャ１６０は、アプリケーション層１６２、オペレーティングシステム１６６、入力インタフェース１６８、出力インタフェース１７２及び論理メモリ１８０を含む。アプリケーション層３３２、オペレーティングシステム３３６、入力インタフェース３３８及び出力インタフェース３４２は、一般に、論理メモリ３５０に格納されたソフトウェアコード又はファームウェアコードの形態のコンピュータ実行可能命令又はコードとして実装され、処理構造３０２によって実行することができる。

【0048】

アプリケーション層１６２は、様々なタスクを実行するために処理構造１２２が実行するか又は走らせる１つ又は複数のアプリケーションプログラム１６４を含む。オペレーティングシステム１６６は、入力インタフェース１６８及び出力インタフェース１７２を介してコンピューティングデバイス１０２又は１０４の様々なハードウェアコンポーネントを管理し、論理メモリ１８０を管理し、アプリケーションプログラム１６４の管理及びサポートを行う。また、オペレーティングシステム１６６は、アプリケーションプログラム１６４が他のコンピューティングデバイス上で走っているプログラムと通信できるように、ネットワーク１０８を介して、他のコンピューティングデバイス（図示せず）とも連通する。当業者に理解されるように、オペレーティングシステム１６６は、MICROSOFT（登録商標）WINDOWS（登録商標）（MICROSOFT及びWINDOWSは、Redmond、ＷＡ、ＵＳＡを拠点とするMicrosoft Corp.の登録商標である）、APPLE（登録商標）OS X及びAPPLE（登録商標）iOS（APPLEは、Cupertino、ＣＡ、ＵＳＡを拠点とするApple Inc.の登録商標である）、Linux、ANDROID（登録商標）（ANDROIDは、Mountain View、ＣＡ、ＵＳＡを拠点とするGoogle Inc.の登録商標である）並びに同様のものなど、任意の適切なオペレーティングシステムであり得る。ｅコマースシステム１００のコンピューティングデバイス１０２、１０４は、すべてが同じオペレーティングシステムを有しても、又は異なるオペレーティングシステムを有してもよい。

【0049】

入力インタフェース１６８は、座標入力１３０を含むそれぞれの入力デバイスと通信するための１つ又は複数の入力デバイスドライバ１７０を含む。出力インタフェース１７２は、ディスプレイ出力１３２を含むそれぞれの出力デバイスと通信するためにオペレーティングシステム１６６によって管理される１つ又は複数の出力デバイスドライバ１７４を含む。入力インタフェース１６８を介して入力デバイスから受信される入力データは、アプリケーション層１６２に送信され、１つ又は複数のアプリケーションプログラム１６４によって処理される。アプリケーションプログラム１６４によって生成された出力は、出力インタフェース１７２を介してそれぞれの出力デバイスに送信される。

【0050】

論理メモリ１８０は、アプリケーションプログラム１６４によるアクセスを促進するための物理メモリ１２６の論理的マッピングである。この実施形態では、論理メモリ１８０は、一般に、長期データ格納のための、ハードディスク、ソリッドステートディスク、フラッシュドライブ及び同様のものなどの不揮発性物理メモリにマッピングすることができる記憶メモリエリア（１８０Ｓ）を含む。また、論理メモリ１８０は、一般に、アプリケーションプログラム１６４がプログラム実行の間にデータを一時的に格納するための、一般に、ＲＡＭなどの高速の及びいくつかの実装形態では揮発性の物理メモリにマッピングされるワーキングメモリエリア（１８０Ｗ）も含む。例えば、アプリケーションプログラム１６４は、記憶メモリエリア１８０Ｓからワーキングメモリエリア１８０Ｗにデータをロードすることや、その実行の間に生成されたデータをワーキングメモリエリア１８０Ｗに格納することができる。また、アプリケーションプログラム１６４は、必要に応じて又はユーザのコマンドに応じて、いくつかのデータを記憶メモリエリア１８０Ｓに格納することもできる。

【0051】

サーバコンピュータ１０２では、アプリケーション層１６２は、一般に、１つ又は複数のサーバ側アプリケーションプログラム１６４を含み、サーバ側アプリケーションプログラム１６４は、クライアントコンピューティングデバイス１０４とのネットワーク通信を管理するため及びサーバコンピュータ１０２とクライアントコンピューティングデバイス１０４との間の協調を促進するためのサーバ機能を提供する。本明細書では、「サーバ」という用語は、文脈に応じて、ハードウェアの観点ではサーバコンピュータ１０２を指し得るか、又は、ソフトウェアの観点では論理サーバを指し得る。

【0052】

図４は、ｅコマースシステム１００の機能性構造を示す概略図である。示されるように、ｅコマースシステム１００のサーバコンピュータ１０２は、ＡＩベースのデータ処理モジュール２０４に機能的に結合されたデータベース２０２を含む。

【0053】

本明細書では、ＡＩベースのデータ処理モジュール２０４は、１つ又は複数のデータ分析モデルを含み、各データ分析モデルは、セールスリード、買い手／売り手検証及び同様のものなどの特定のｅコマースプロセス向けに構成される。ＡＩベースのデータ処理モジュール２０４は、データ分析モデルの訓練又は最適化のために様々なソースから収集されたデータを使用することができ、収集データを分析するため及び予測を行うために訓練済みのデータ分析モデルを支払い使用する。

【0054】

データベース２０２及びＡＩベースのデータ処理モジュール２０４は、クライアントアプリケーション２０８から入力されたデータを受信するためにクライアントコンピューティングデバイス１０４Ａ上で実行されるクライアントアプリケーション２０８と通信するために、データ入力／出力インタフェース２０６に機能的に結合される。受信されたデータ入力は、ＡＩベースのデータ処理モジュール２０４によって処理し、データベース２０２に格納することができる。また、データ入力／出力インタフェース２０６は、クライアントアプリケーション２０８からクエリを受信することもでき、クエリに応答して、ＡＩベースのデータ処理モジュール２０４（クエリ結果が容易に利用可能ではない場合）から又はデータベース２０２（クエリ結果が以前に決定されており、データベース２０２に格納されている場合）からクエリ結果を得て、得られたクエリ結果をクライアントアプリケーション２０８に返すことができる。

【0055】

また、ｅコマースシステム１００のサーバコンピュータ１０２は、データベース２０２及びＡＩベースのデータ処理モジュール２０４に機能的に結合されたアプリケーションプログラミングインタフェース（ＡＰＩ）２１０も含む。これらの実施形態では、ＡＰＩ ２１０は、第三者コンピューティングデバイス（本明細書では、一般に、クライアントコンピューティングデバイス１０４Ｂと考えられる）上の１つ又は複数の第三者アプリケーション２１２上で実行される１つ又は複数の第三者アプリケーション２１２との通信のために必要なプログラミングインタフェースを提供することができる。ＡＰＩ ２１０を使用することにより、サーバコンピュータ１０２は、第三者アプリケーション２１２から第三者データを受信することができる。受信された第三者データは、ＡＩベースのデータ処理モジュール２０４によって進められ、データベース２０２に格納される。また、サーバコンピュータ１０２は、ＡＰＩ ２１０を介して第三者アプリケーション２１２からクエリを受信することもでき、ＡＩベースのデータ処理モジュール２０４又はデータベース２０２から第三者アプリケーション２１２にクエリ結果を提供することができる。

【0056】

ｅコマースシステム１００を構築するため、様々なハードウェア及びソフトウェアツールを使用することができる。例えば、いくつかの実施形態では、ｅコマースシステム１００は、プログラミング言語Pythonを使用して、以下のような複数のライブラリの使用と併せて、構築することができる。
・ オープンソース機械学習プラットホームTENSORFLOW（登録商標）2.0（TENSORFLOWは、Menlo Park、ＣＡ、ＵＳＡを拠点とするGoogle LLCの登録商標である）
・ オープンソースニューラルネットワークライブラリKeras
・ データセットの処理及びグラフィカルなデータ消費を可能にするANACONDA（登録商標）エコシステム（ANACONDAは、Austin、ＴＸ、ＵＳＡを拠点とするAnaconda Inc.の登録商標である）
・ グラフィカルユーザインタフェース（ＧＵＩ）用のサービス及びマイクロサービスを構築するためのGO（登録商標）言語（GOは、Menlo Park、ＣＡ、ＵＳＡを拠点とするGoogle LLCの登録商標である）

【0057】

図５は、ｅコマースシステム１００によって実行される、オンラインコマースを促進するために様々なソースから収集されたデータを分析するためのステップを示すフローチャート３００である。これらの実施形態では、ｅコマースシステム１００は、サービスとしてのソフトウェア（ＳａａＳ）プラットホームとして実装され、展開される。

【0058】

図５に示されるように、ｅコマースシステム１００は、データ入力／出力インタフェース２０６及びクライアントアプリケーション２０８を介してユーザから関連データを収集することができる（ステップ３０２Ａ）。また、ｅコマースシステム１００は、ＡＰＩ ２１０及び第三者アプリケーション２１２を介して第三者からリアルタイムで関連データを収集することもできる（ステップ３０２Ｂ）。データ収集ステップ３０２Ａ、３０２Ｂでは、ｅコマースシステム１００は、定期利用料金を支払って得ることができるビッグデータサービス及び／又はデータソースを含む公的に利用可能なデータソースなど、無限のデータソースからのデータ収集を可能にすることができる。

【0059】

いろいろなｅコマース関連データは、ステップ３０２Ａ、３０２Ｂにおいて収集することができる。例えば、実体（例えば、買い手又は売り手）のデータ、すなわち、経歴、規制順守、証明書、公式財務記録、価格記録、出荷記録、輸入＆輸出記録、購入記録、評判、顧客の声、法的履歴、信用性、保証及びサービス規約並びに他の関連データのうちの１つ又は複数を収集することができる。

【0060】

ｅコマースシステム１００は、様々なデータソースのデータ更新頻度に適応した頻度でなど、必要に応じて漸進的なデータ更新の頻度を変えて、繰り返し又は定期的に、データ収集ステップ３０２Ａ、３０２Ｂを実行することができる。例えば、ｅコマースシステム１００は、高い頻度で、又は、データ更新をリアルタイムで提供するいくつかのデータソースに対してはリアルタイムで、データ収集ステップ３０２Ａ、３０２Ｂを実行することができる。１日に１回又は週に１回など、低い頻度でデータ更新を提供するいくつかのデータソースの場合、ｅコマースシステム１００は、同じ頻度でデータ収集ステップ３０２Ａ、３０２Ｂを実行することができる。

【0061】

いくつかの実施形態では、収集データは、正確な分析結果を保証するために、対応するデータソースのデータ更新頻度に基づく重み因子と関連付けることができる。

【0062】

ステップ３０４では、収集データは、前処理サブプロセスを経ることによって、ｅコマースシステム１００において「インジェストする」ことができる。データ注入は、ＡＰＩを介して、マイクロサービスアーキテクチャによって管理される。インジェストする変数は、最適化予定のデータ分析モデルに基づいて決定することができる。ステップ３０４では、すべてのデータがインジェストされる。次いで、データの準備及び変換が行われ（ステップ３０６）、データ分析モデルによる後続の消費のためにデータセット３０８が生成される。

【0063】

次いで、機械学習エンジンなどの適切なＡＩエンジンを使用して、データセット３０８が分析される（ステップ３１０）。

【0064】

具体的には、最初のデータ分析モデル３１２が作成され、最初のデータ分析モデル３１２及びデータセット３０８に基づいて、機械学習エンジンが訓練される（ステップ３１４）。

【0065】

訓練後、機械学習エンジンによって、データ分析モデルを使用して、前処理済みのデータが分析される（ステップ３１６）。ステップ３１６で得られた分析結果は、機械学習エンジンのさらなる訓練又は再訓練のために使用され（ステップ３１８）、また、買い手及び／又は売り手のレーティングを有するレートレポートなどのレポートを生成するためにも使用される（ステップ３２０）。ステップ３２２では、データ分析モデルが更新される。次いで、データ分析ステップ３１０が完了する。

【0066】

ステップ３２４では、ＳａａＳプラットホーム１００上で使用するために、更新されたデータ分析モデルがデータベース２０２において展開される。ステップ３２６では、実行エンジンは、データ分析モデルを使用して、データのさらなる処理及びアーチファクトの生成を行い、アーチファクトは、データベース２０２のメタデータストアに格納される。次いで、予測が生成され（ステップ３２８）、ＳａａＳプラットホームのウェブポータルなどの出力に発行される（ステップ３３０）。

【0067】

これらの実施形態では、ＡＩベースのデータ処理モジュール２０４は、ＡＩベースのデータ処理モジュール２０４が訓練データから学習したものを表したものであるデータ分析モデルの確立及び更新を行うために、畳み込みニューラルネットワーク（ＣＮＮ）などのニューラルネットワークを使用する。データ分析モデルは、一般に、以下の少なくとも１つを含む。
・ 予測がどのように演算されるかを示す構造、
・ データの特定の重み及びバイアス（訓練によって決定される）。本明細書では、「バイアス」は、データ片が真正の情報であるという可能性（又は同等に、データ片が誤解を招く情報であるという可能性）である。

【0068】

ＡＩベースのデータ処理モジュール２０４は、複雑な問題の学習及び取扱いのために高いモデル能力を達成するように、データ分析モデルの複数のパラメータを制御することができる。当業者に理解されるように、ｅコマースシステム１００は、データ分析及び予測のために、データ分析モデルを使用して収集データを処理するが、ｅコマースシステム１００は、収集データを使用してデータ分析モデルを訓練するか又は更新及び最適化を行うこともできる。機械学習エンジン及びデータ分析モデルを使用することにより、ｅコマースシステム１００は、様々な当事者及び／又は製品を評価するために、光学文字認識（ＯＣＲ）、画像認識、音声認識、パターン認識及び／又は同様のものなどの様々な技術を使用して、様々な当事者及び／又は製品の真正の情報を識別し、その偽りの、不正な及び／又は誤解を招く情報から分離することができる。

【0069】

図６は、ニューラルネットワーク４００の概略図である。示されるように、ニューラルネットワーク４００は、訓練のための関連特徴を有するデータを受信するための入力層４０２と、複数の隠れ層４０４と、データ分析モデルの更新された又は最適化されたパラメータを出力するための出力層４０６とを含む。各隠れ層４０４は、複数のノード（「ニューロン」とも呼ばれる）を含む。

【0070】

各ノードは、複数の入力及び出力を含み、活性化関数（例えば、非線形変換）を重み付けされた入力値の総和に適用することによって、出力値を計算する。ノードの各入力は、先行する近隣の層（ノードの場所に応じて、入力層でも、先行する近隣の隠れ層でもあり得る）の複数のノードの出力に接続され、ノードの出力は、後行する近隣の層（後行する近隣の隠れ層でも、出力層でもあり得る）の複数のノードの入力に接続され、それにより、複雑な非線形性が生まれる。

【0071】

上記で説明されるように、ＡＩベースのデータ処理モジュール２０４は、データ分析モデルの訓練又は最適化のために様々なソースから収集されたデータを使用することができ、収集データを分析するため及び予測を行うために訓練済みのデータ分析モデルを使用することができる。訓練は、最初に、データ品質を保証するために、信頼されているデータソースからの小さなデータセットから始めることができる。データ分析モデルの変数セットは、データセットを使用して最適化される。当業者に理解されるように、最適化予定の変数は、データ分析モデルの鍵であり、慎重に選択する必要がある。各データ分析モデルを訓練するためのデータセットは、好ましくは、その特定の及び独自のものであり得る。その上、データの量は、データ分析モデルの複雑性に依存し得る。

【0072】

処理データセットの数の増加に伴って、データ分析モデルの訓練又は最適化は繰り返し行われ、結果的に、データ分析モデルに基づいて行われる予測の正確度が向上する。

【0073】

当業者に理解されるように、機械学習は、完全自律型ではない場合がある。いくつかの実施形態では、ｅコマースシステム１００は、システム設計者及び／又はシステム管理者などの認可ユーザが機械学習プロセスの改良及び調節を行うための命令を入力できるようにすることができる。

【0074】

システムセキュリティアーキテクチャ
当業者であれば、ｅコマースシステム１００がユーザ及びその取引を保護するための強化されたセキュリティアーキテクチャを必要とし得ることが理解されよう。

【0075】

図７は、いくつかの実施形態における、ｅコマースシステム１００のセキュリティアーキテクチャ５００を示す。示されるように、外部のＡＰＩ ５０２（ＡＰＩ ２１０の一部である）を通じて接続される第三者システム、外部のユーザデバイス５０４（クライアントコンピューティングデバイス１０４の一部である）及び様々な外部のデータソース５０６などの外部のソースは、ハイパーテキスト転送プロトコルセキュア（ＨＴＴＰＳ）などの１つ又は複数の暗号化された又は安全保障されたプロトコルを使用して、ネットワーク１０８を介してｅコマースシステム１００に接続される。

【0076】

外部のソースの各々は、システムに命令（例えば、クエリ）及びデータを送信するため並びにシステムから命令及びデータを受信するために、システムに接続される。以下では、外部のソースとｅコマースシステム１００との間で交換される命令及びデータは、説明を容易にするために、「接続」と示される。

【0077】

各インバウンド外部接続（すなわち、外部のソースを起点とする外部の接続は、最初に、ユーザ名／パスワード、トークン（例えば、Fremont、California、ＵＳＡを拠点とするInternet Engineering Task Forceによって発行されたOAuth 2.0）、ＡＰＩ鍵及び／又は同様のものなどの適切な認証メカニズムを使用して認証を行うために、第１のファイアウォール５１０（「外部のファイアウォール」とも示される）を通過する。認証後、インバウンド外部接続は、非武装地帯（ＤＭＺ）ネットワーク５１４のウェブサーバ５１２に渡される。当業者に理解されるように、ＤＭＺネットワーク（「ＤＭＺゾーン」とも呼ばれる）は、ｅコマースシステム１００の外部のネットワーク１０８と内部のネットワーク５１８との間のバッファゾーンの働きをし、外部のネットワーク１０８とのインタフェースを提供し且つ内部のデバイス５１２分離及び隔離された形態外部のネットワーク１０８を維持することによって、その中のウェブサーバ５１２などのデバイスを保護する。ＤＭＺネットワーク５１４は、セキュリティ侵害が内部のネットワークインフラストラクチャに到達する前に、その検出及び軽減を行う。

【0078】

インバウンド外部接続の性質に応じて、ウェブサーバ５１２は、ファイアウォール５１０及びネットワーク１０８を介して応答を送信することによって応答することができる。

【0079】

ウェブサーバ５１２がインバウンド外部接続に応答できない場合は、ウェブサーバ５１２は、第２のファイアウォール５１６（「内部のファイアウォール」とも示される）を通じて、インバウンド外部接続を内部のネットワーク５１８に渡すことができる。

【0080】

具体的には、インバウンド外部接続は、最初に、例えば、関連セキュリティプロファイル、ユーザ及び／又はユーザグループアクセス権、OAuth 2.0トークンなどの適用可能なトークン及び／又は同様のものを使用してさらなるセキュリティチェックを行うために、認証／認可サブシステム５２２に渡される。インバウンド外部接続が認証／認可を得て、認可接続５２４となった場合は、認可接続５２４は、ＡＰＩ／マイクロサービスサブシステム５２６に渡され、ＡＰＩ／マイクロサービスサブシステム５２６は、必要に応じてデータベース２０２にアクセスして、その中の命令及びデータを処理する。処理結果は、データベース２０２に格納することも、又は適切な手段によって外部のソースに報告するために、Ｅメールサーバ５３２、メッセージブローカ５３４、レポートサーバ５３８及び／又は同様のものなどの１つ又は複数のサブシステムに送信することもできる。

【0081】

セキュリティアーキテクチャ５００は、例えば、公開鍵暗号法、クラウド暗号化、ブロックチェーン及び／又は同様のものなど、セキュリティ、暗号化、認証及び認可のための任意の適切な技術を使用することができる。従って、ｅコマースシステム１００は、内部及び外部のユーザ及びデータソースに強化されたセキュリティを提供することができる。

【0082】

ここでは、ｅコマースシステム１００の様々な例を説明する。

【0083】

例１－製造業者、製品及びサービスプロバイダを事前承認するための高度なＡＩベースの検証システム
ｅコマースシステム１００は、製造業者、製品及びサービスプロバイダを事前承認するための高度なＡＩベースの検証システムとして使用することができる。高度なＡＩベースの検証システム１００は、供給業者、製造業者並びに製品及びサービスプロバイダの事前承認プロセスを自動化し、事前検証情報を提供し、次いで、バイアスなしのスケールでそれらにレーティングを付けることができる。ＡＩベースの検証システム１００の使用により、買い手、販売業者、卸売業者及びエンドユーザ消費者は、検証済みの製造業者及びそれらの製品／サービス提供品を素早く検索し、ＡＩベースの検証プラットホームによって集められた情報をそれらの競争相手と比較することができる。

【0084】

この例では、ｅコマースシステム１００は、供給業者、製造業者及び製品のための複数のデータソースからの公的に利用可能なすべてのモデル関連データの自動ソーシング、追跡、検証、コンパイルを行うように構成される。データは、経歴、規制順守、健康、安全性、環境証明書、公式財務記録、財務リスク、価格、保証及びサービス規約、評判、顧客の声、照会先、法的履歴並びに全般的な信用性を含み得る。

【0085】

次いで、ユーザのクエリに応答して、製造業者、供給業者、販売業者及び／又は製品及び／又はサービスを対照比較し、肯定的な見解及び／又は否定的な見解に基づいて１％～１００％のスケールでレーティングを付けることができる。ＡＩベースのｅコマースシステム１００は、潜在的な不正事業を検出してユーザに警告することができ、また、それらのサーチ基準で識別された最も評判の良い事業のリスト作成、要約及び／又は推奨を行うこともできる。

【0086】

この例では、データへのアクセスは、地理的規制及び公的に利用可能なデータに制限され得る。データの消費は、ＡＰＩを介して取り扱うことができる。上記で説明されるように、データフィードの頻度は、データソースに応じて異なり得る。

【0087】

この例では、情報は、以下のような第三者事業、政府又は法人組織と協調してソーシングすることができる。
・ 認定会社（例えば、Energy Star、ＵＬ、ＣＳＡ、ＩＳＯ９０００、ＣＥＥ及び／又は同様のもの）
・ 事業会社（例えば、Bloomberg、Ceder、Business Insider及び／又は同様のもの）
・ ソーシャルサイト（例えば、LinkedIn、Facebook、twitter、Instagram及び／又は同様のもの）
・ 批評会社（例えば、Better Business Bureau (ＢＢＢ)、Trustpilot、Rippoff Report及び／又は同様のもの）
・ 法人組織（例えば、連邦及び地方警察、ＦＢＩ、国土安全保障、公式法定記録及び／又は同様のもの）
・ 授賞組織（例えば、Ernst & Young Entrepreneur of the Year、SCORE Awards及び／又は同様のもの）

【0088】

その上、データ転送は、ＡＰＩを介して管理すること及び／又は様々な第三者ｅコマースプラットホーム（Amazon、Alibaba、EBay及び／又は同様のものなど）とライセンス締結することができる。

【0089】

従って、ＳａａＳプラットホームのようなｅコマースシステム１００は、製造業者、供給業者及びサービスプロバイダがアプリケーション事前承認情報をアップロードするために使用可能であり得る。

【0090】

この例では、そのＧＵＩなどのｅコマースシステム１００のいろいろな態様及び、登録目的で捕捉されている情報は、特定の産業、製品タイプ及び地域に適応するようにカスタマイズすることができる。

【0091】

その上、ｅコマースシステム１００は、製造業者、供給業者及びサービスプロバイダがシステム１００上に表示された否定的な情報の修正、操作又は削除を行えないようにするためのアクセス制御メカニズムを含み得、それにより、十分な信頼性及び信用性を潜在的な顧客に提供することができる。

【0092】

地域別にデータプライバシ規制を厳守するため、プライバシ及びデータの使用に関する明白な同意が必要であり得る。例えば、識別可能な情報（例えば、生年月日、社会保険番号及び／又は同様のもの）は、できれば不要であるか又は捕捉されない。

【0093】

登録されている会社は、それらの定期利用料金の支払いが確認され次第、リストに載せ、ユーザに対して事前承認することができる。買い手並びに企業間（Ｂ２Ｂ）消費者及び／又は企業対消費者間（Ｂ２Ｃ）会社は、ｅコマースシステム１００に加入して、定期利用料金の支払いと引き換えに、登録されている及び事前承認を得た会社へのアクセスを得ることができる。

【0094】

買い手企業／販売業者及び卸売業者は、第三者からの入札のために、プロジェクト／製品をｅコマースシステム１００にアップロードすることができる。いくつかの実施形態では、ｅコマースシステムは、事前承認を得た加入者が競って商品及び／又はサービスを購入するためのＳａａＳリアルタイム競争入札プラットホームを含み得る。ＡＩベースのｅコマースシステム１００は、購入者の調達ニーズの基準に基づいて、取るべき選択肢を推奨することができる。システム１００がそれらの事業の売り上げを推進しようとすることを理由に、供給業者、製造業者及びサービスプロバイダは、各落札に対する手数料が請求され得る。

【0095】

ｅコマースシステム１００の使用で捕捉されたデータは、購入傾向、デモグラフィ、ジオグラフィ及び／又は同様のものに関連するため、収益化することができ、それは、供給業者、製造業者及びサービスプロバイダにとって大きな価値があり得る。

【0096】

従って、ＡＩベースのｅコマースシステム１００は、売り手と買い手をつなげることができ、すべての産業、すべての製品及びすべての地域においてグローバルに使用することができる。

【0097】

例２－高度なＡＩベースのマーケティング及び販売自動化ソリューション
また、ｅコマースシステム１００は、売り手が、それらの製品及びサービスの販売促進を行うために極めて効率の高い、有意義なターゲットキャンペーンを作成できるようにするための、高度なＡＩベースのマーケティング及び販売自動化ソリューションとして使用することもできる。

【0098】

この例では、ｅコマースシステム１００は、ＡＩベースの製品デモグラフィック分析及び顧客検証ツールを含み得る。製造業者、製品及びサービスプロバイダを事前承認するためのＡＩベースの検証システムの上記で説明される例と同様に、Ｂ２Ｃ及びＢ２Ｂ顧客を両方とも検証することができる。Ｂ２Ｃ消費者は、ソーシャルメディアプレゼンス及び同様のものなどのビッグデータを活用することによって、その正当性を立証することができ、Ｂ２Ｂ企業は、複数のデータソース及び第三者加入サービスに基づいて、その正当性を立証することができる。

【0099】

この例では、ｅコマースシステム１００は、デモグラフィック市場及びオンラインマーケティングベッセル（例えば、流通チャネル）を識別するためのデータソリューションを提供することもできる。ｅコマースシステム１００は、さらに、定期利用料金の支払いと引き換えに、低価のマーケティング戦略及びキャンペーン計画を提供することができる。それに加えて、ｅコマースシステム１００は、代替として、無料の、低価の又は費用効率の高いマーケティングソリューションをターゲットオーディエンスに提供することができる。

【0100】

この例では、ｅコマースシステム１００は、加入者がＧＵＩを介してパラメータセットを入力し、マーケティング予算の生成及びコンバージョンに基づく投資利益率（ＲＯＩ）の推定を行えるような、データ／システムソリューションを提供することができる。

【0101】

この例では、ｅコマースシステム１００は、様々なツール（Ｅメール、コンテンツ管理ビルダツール、ウェブベースのｅコマースサイト及び／又は同様のものなど）を使用することによってターゲットオーディエンスへの特定の製品及びサービスのマーケティング及び販売促進を行うためのＳａａＳシステムであり得る。ｅコマースシステム１００は、ウェブサイト（例えば、ＡＩ商業センタ）を介して購買時点へのリンクを提供すること及び／又はオンライン注文フォームへのリンクを提供することができる。また、ｅコマースシステム１００は、データの送信及び／又はデータの受信を行うために、エンタープライズリソースプランニング（ＥＲＰ）システム及び他の第三者システム（物流会社及び／又は同様のものなど）と統合することもできる。

【0102】

この例では、ｅコマースシステム１００は、製品又はサービスの購入などの提携又は取引を始める過程には至っていない場合でさえ、クライアントなどの潜在的な提携者との関係を自動的に構築するためのリード育成自動化を可能にすることができる。当業者に理解されるように、少な過ぎる、多過ぎる又は誤った情報でのコミュニケーションは自動的にデッドリードを招くため、リード育成自動化は、当事者の認知度を高める上で及び当事者間の提携又は取引を奨励する上で重要であり、販売サイクルの最も重要なステップであり得る。

【0103】

具体的には、ｅコマースシステム１００は、上記で説明される分析に基づいてターゲットコンテンツ及びターゲット当事者又はユーザを自動的に識別し、テキスト、画像、ビデオクリップ、音声クリップ及び／又は同様のものなどの様々なフォーマットで、Ｅメール、手紙及び／又は同様のものなどの様々な通信方法を介して、識別されたターゲット当事者又はユーザに識別されたターゲットコンテンツを自動的に送信することができる。ｅコマースシステム１００は、時間的に制約を受ける形で、事前に定義された頻度又は上記で説明される分析に基づいて適応的に決定された頻度で、識別されたターゲット当事者又はユーザと自動的に通信することができる。

【0104】

ＳａａＳシステムとして、ｅコマースシステム１００は、顧客フィードバック収集、顧客対話（例えば、販売）並びにリードフォローアップ及び照会先提出要求を自動化することができる。ｅコマースシステム１００は、顧客についての価値ある情報や、提供された製品及びサービスについて顧客がどう思うかを学習するために、顧客フィードバックを分析することができる。当業者に理解されるように、顧客を知ることにより、どのように顧客と効果的にコミュニケーションを取るか及び顧客にとって価値あるものは何かについての有意義な情報を提供することができる。

【0105】

この例では、ｅコマースシステム１００は、「顧客との話し方」、すべきこと・してはいけないこと、頻度、スケジュール及び／又は同様のものなど、顧客とコミュニケーションを取るための最も効果的な方法に関するカスタマイズされた特定の提案をユーザに提供するためにＡＩ機能性をうまく利用する。

【0106】

例３－事業のための高度なＡＩショッピング及び供給センタ
ｅコマースシステム１００は、上記で説明される高度なＡＩソフトウェア検証ツールを使用した、様々な製造業者、供給業者及び購入者の事前検証済みの会社のｅコマースＳａａＳコミュニティである、事業のための高度なＡＩベースのショッピング及び供給センタとしてさらに使用することができる。サービスは、Ｂ２Ｂ及びＢ２Ｃ取引向けのものであり得る。

【0107】

ＳａａＳプラットホームとして、ＡＩベースのショッピング及び供給センタ１００は、売り手が、評判の良い及び信頼に値するソースとしてそれらの製品のプレスクリーニング及び承認を進められるようにする。事前承認は、製造業者、製品、サービスプロバイダ及び顧客を事前承認するための上記で説明される高度なＡＩベースの検証システムによって推進される。

【0108】

この例では、ＡＩベースのショッピング及び供給センタ１００は、何百万もの事前承認を得た供給業者、製品及びサービスにアクセスするための買い手に対する加入サービスとして提供することができる。システムがそれらの販売チャネルになることを理由に、買い手は、定期利用料金が請求され、売り手は、潜在的な手数料が請求され得る。

【0109】

ＡＩベースのショッピング及び供給センタ１００は、以下を含むいろいろな特徴を用いて、売り手、買い手及び製品の正確度及び質を絶えず検証する。
・ 検証済みの買い手と売り手
・ 各メンバーは、ブランディング、製品管理、ロジスティクス、契約価格（例えば、私的価格及び公的価格）並びに同様のものを可能にするオンラインディレクトリ又はオンラインストアを有し得る
・ 各ユーザ又は会社は、顧客フィードバック及び上記で説明されるＡＩベースの検証システムの分析結果に基づくランキングを有し得る
・ 広告収益化
・ 製品／サービスデモグラフィックスの収益化
・ 会社は、製品及びサービスの案内広告及び／又は提案依頼書（ＲＦＰ）を掲示することができ、システム１００は、システムの関連ユーザ及び会社に、推奨と共に、広告及び／又はＲＦＰを送信することができる
・ 会社は、複数の支払いゲートウェイを利用してオンラインｅコマース購入を完了することができる
・ 会社は、上記で説明される高度なＡＩベースのマーケティング及び販売自動化ソリューションを利用することができる（例えば、追加料金で）
・ ＡＩベースのショッピング及び供給センタ１００は、上記で説明される高度なＡＩベースのマーケティング及び販売自動化ソリューションを利用して、ＡＩベースのショッピング及び供給センタ１００への会社の事前承認及びソーシングを行うことができる

【0110】

上記では、添付の図面を参照して実施形態を説明してきたが、当業者であれば、添付の特許請求の範囲によって定義されるようなその範囲から逸脱しない範囲で、変形形態及び変更形態が可能であることが理解されよう。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【国際調査報告】