Wonder8.promotion營銷規則引擎，輕鬆搞掂千變萬化的營銷玩法

Think發表於2023-10-31

超過10年沒有更新過內容了，不知道現在園子的氛圍這類文章還適不適合放首頁

想著整點內容，也是支援園子！

概述

為了廣泛支援營銷活動的複雜與靈活，Wonder8.promotion（旺德發.營銷）引擎使用專門設計的表示式高度提煉資訊，可以輕鬆表達營銷活動與使用者選取的商品組合之間匹配範圍、要求、折扣方式，可以設定多條營銷規則的邏輯聯合、分組、優先順序，並且支援多種為使用者計算最優折扣的策略。

本引擎功能細節較多，建議用以下步驟來學習和應用：

先透過簡單需求場景來熟悉API，此時只需要用到表示式(Rule)，表示式直譯器(Interpreter)和優惠計算策略(Strategy)，大部分程式設計師掌握了表示式語法後，會嫌Builder麻煩而直接拼寫表示式字串，所以Builder都不一定要熟悉，比如：

定義規則：買兩臺512G的黑或白色iPhone15，折扣400元，三臺折扣700元：
- [#kiPhone15-black-512g#kiPhone15-white-512g].count(2)->-40000
- [#kiPhone15-black-512g#kiPhone15-white-512g].count(3)->-70000
然後呼叫Strategy.bestChoice(rules, items, MatchType.MultiRule)即可在使用者購買4臺iPhone時計算出折扣800元，購買5臺時折扣1100元，以及計算出應用折扣後如果還有餘出的物品，使用者如何拼單獲得更多的折扣。

嘗試編寫複雜的規則組合熟悉分組、商品組合、多種計算策略和計算範圍等概念。
嘗試為自己的業務場景擴充套件引擎功能，本引擎有清晰的結構，各部分相互獨立，往往能新增10來行程式碼即擴充套件新的功能。

功能特性：

支援針對使用者選定的一批商品，從一堆營銷規則中自動應用最大的優惠；
可以同時應用多個規則，規則之間可以是與和或的關係，可以限定規則組合的優先順序；
可以對規則分組，限定先應用一組，再應用另一組；
- 可以限定必須應用完一組優惠才能計算下一組優惠；
- 也可以把各組優惠方式交叉對比最優組合；
多種規則匹配方式求最佳優惠：
- 最優的只匹配一次規則；
- 最優的單規則多次匹配；
- 最優的多規則多次匹配；
可以支援類似於買12瓶水可以合成兩箱水（另一個SKU）,而兩箱水又可以應用另一種規則；
可以計算推薦使用者再新增什麼商品可以獲得下一個優惠；
同時提供服務端Java實現和客戶端JS實現，便於下放優惠規則後，客戶端實時得出優惠結果；
基於專門設計的字串表示式，各種變態組合玩法可以靈活直觀表達，並且提供Builder和Interpreter為字串和結構化物件間轉換；
程式碼結構清晰，進行功能擴充套件和各類規則組合場景擴充套件比較方便；

功能說明

所有想法源自於一個營銷折扣的規則可以抽象成三個部分：

規則適用的範圍(Range)
1. 我們暫且將範圍表達成三層：類目、SPU、SKU，不同場景可以擴充套件，由於字串可以自由串接，一般情況也不需要擴充套件，比如:大類目-小類目就相當於擴充套件了一層；
2. 一個規則可以有適用多個範圍，即範圍可以是一個組合；
規則的要求(Predict & Validate)
1. 規則的要求可以抽象出來，主要是：要求有多少個，要求達到多少總價值，要求含有多少種，必須搭售某個商品等；
2. 計算方式（Predict）可以擴充套件；
優惠方案（Promotion）
1. 優惠方案往往是：固定減多少錢，每滿多少錢減多少錢，按比例折扣，直接減到一個固定值（一口價）
  所以一條營銷規則就是：[range].predict(expectedValue)。

表示式語法

Wonder8.promotion使用表示式來表達和組合營銷規則，如表示當一組商品中包括食品-水果、食品-肉類、食品-蔬菜三大類中至少兩個時，優惠10%："[#cFOOD-FRUIT#cFOOD-MEAT#cFOOD-VEGETABLE].countCate(2)->-10%"：

一條營銷規則由三部分組成，規則適用的範圍，規則計算的方法，規則應用的優惠結果：
1. [range].predict(expectedVaue)是一條規則的格式
使用者當前選擇了10個物品，但是並不是每一個物品都符合這條規則的範圍，則它不應計算在內。所以適用範圍是首要設定的：
1. [#cCate1#cCate2#……]表示法中，#是一個範圍物件的表達開始，c是型別（可選c-類目，p-SPU，k-SKU，可以擴充套件），後面是ID，[]內可以放>=1個物件；
2. $表示全部：$.sum(20000)；
3. ~表示複用上一條規則的範圍：[#ccate01#ccate02#ccate03].countCate(2) & ~.countSPU(5) & $.countSKU(5) & ~.sum(10000))，意味著在類目cate01,cate02,cate03這個範圍內，物品組合需要滿足類目涵蓋2個，SPU涵蓋5個，SKU涵蓋5個，總價達到10000。
.predict()表示計算的方法，當前支援countCategory()計算範圍內含多少個類目，countSPU()計算範圍內含多少個SPU，countSKU()計算範圍內含多少個SKU，count（）計算多少個物品，oneSKU()計算某種SKU含多少個，sum()計算價格的合計。
expectedValue是一個int數字，表示計算結果要>=這個數，才能透過。
規則可以聯合，用&表示並且，用|表示或者，規則可以分組，用()，比如(rule1&rule2&rule3)|rule4，表示，1、2、3都要達成或者4達成，均可透過規則：
```
"([#pp01#pp02#pp03].countCate(2) & \$.countSPU(3) & \$.count(5) & \$.sum(10000)) | \$.sum(50000)"
```
每條規則由計算部分和一個規則優惠部分組成，中間用->連線；
優惠部分的語法是：
1. -1000 表示固定優惠10塊錢（所以錢相關的計算單位是分）
2. -1000/10000 表示每100塊錢優惠10塊錢
3. -10% 表示優惠10%，即打9折，新增了小數點支援比如-0.5%表示優惠95.5%
4. 8000 表示一口價，80塊錢
5. -0表示優惠0元，0表示優惠到0元

規則物件

對應表示式，有一系統的結構化物件：

Rule -- 對應一條完整的營銷規則，主要屬性是condition 表示條件規則，promotion表示優惠規則
1. 實際使用過程中，因為要對使用者提示，顯示標籤等，所以需要擴充套件Rule類，提供更多與計算無關的附加屬性，參見測試用例中的RuleImpl類。
SimplexRule -- 對應一條條件規則，主要屬性是range表示條件計算範圍，predict表示計算方法，expcteted表示達標的值。
SameRangeRule -- 與前一條條件規則範圍相同的規則，用~複用前述規則的範圍表示式。
AndCompositeRule -- 表示and邏輯的條件規則組，主要屬性是儲存子規則集合的components，可以addRule()新增子規則，子規則可以是Simplex/SameRange，也可以是AndComposite/OrComposite。
OrCompositeRule -- 表示or邏輯的條件規則組，其它同AndComposite
Rule的condition可以是Simplex/AndComposite/OrComposite，不能是SameRange,不然SameRange去哪裡複用範圍規則
Rule/Simplex/SameRange/AndComposite/OrComposite都有對應的builder,透過Builder.rule()/simplex()/and()/or()可以找到builder的快捷入口。見[規則的建立]
條件可以透過Rule.toString()方法和Interprecter.parseString()來實現強型別例項與字串表示式之間的互相轉換。

規則的建立

/model/builder/目錄下有一整套builder用於以結構化的方式建立規則，語法清晰。

public class ConditionBuilderTest {
    @Test
    public void testBuildRule(){
        //建立規則有三種方法：
        //一種是Builder.rule().xxx().xxx().build()
        //第二種是new RuleBuiler().xxx().xxx().build()
        //第三種是直接new Rule()，透過contructor和properties來完成設定
        RuleComponent rule1 = Builder.rule()//上下文是Rule
                .simplex().addRangeAll()//注意這裡上下文切換到了simplex條件的編寫
                .predict(P.SUM).expected(100)
                .end() //透過.end()結束當前物件編寫，返回到上一級，也就是Rule
                .endRule()//因為.end()方法返回的是基類，所以需要.backRule()切換回RuleBuilder才能直接呼叫.promotion()這樣特殊的方法，繼續編寫下去
                .promotion("-10")
                .build();

        System.out.println(rule1.toString());
    }

    @Test
    public void testBuildSimplexRule(){
        /*
          Builder除了能Builder.rule()來開始編排一個完整的營銷規則，
          也還有Builder.simplex()/.or()/.and()來開始編排一個單一/或組合/與組合
          但請注意，除.rule()是開始編寫一個完整的營銷規則，其它方法只是在開始編排規則中的條件部分
          最終.build()出來的一個是Rule，一個是Condition
        */
        SimplexRule rule1 = Builder.simplex() // same as => new SimplexRuleBuilder()
                .addRangeAll()
                .predict(P.SUM).expected(100)
                .build();
        System.out.println(rule1.toString());
    }

    @Test
    public void testParseRange(){
        SimplexRule rule1 = new SimplexRuleBuilder()
                .range("[#pSPU1#pSPU2]")
                .predict(P.SUM).expected(100)
                .build();
        System.out.println(rule1.toString());
    }


    @Test
    public void testBuildOrCompositeRule(){
        RuleComponent or =  new OrCompositeRuleBuilder()
                .simplex().addRangeAll().predict(P.SUM).expected(100).end()
                .simplex().addRange(R.SPU,"SPUID1").predict(P.COUNT).expected(5).end()
                .sameRange().predict(P.COUNT_SPU).expected(2).end()
                .build();
        System.out.println(or);
    }

    @Test
    public void testBuildAndCompositeRule(){
        RuleComponent and = new AndCompositeRuleBuilder()
                .simplex().addRanges(R.SPU, Arrays.asList("SPUID1","SPUID2")).predict(P.COUNT).expected(5).end()
                .simplex().addRangeAll().predict(P.COUNT_SPU).expected(5).end()
                .sameRange().predict(P.COUNT).expected(10).end()
                .build();
        System.out.println(and);
    }
}

具體用法可以參見test下的ConditionBuilderTest.java和RuleTest.java。

表示式的解析

Interprecter類實現對規則字串的解釋，可以將字串轉化成模型結構，Interprecter.parseString(ruleString)

public class InterpreterTest {

    @Test
    public void validateCondition() {
        String ruleStr = "($.count(5)&[#cCATEGORY1#cCATEGORY2].sum(10)&~.countSPU(2))|$.sum(100)";
        assertTrue(Interpreter.validateCondition(ruleStr));
    }

    @Test
    public void parseString() {
        String ruleStr = "($.count(5)&[#cCATEGORY1#cCATEGORY2].sum(10)&~.countSPU(2))|$.sum(100)";
        RuleComponent rule = Interpreter.parseString(ruleStr);
        System.out.println(rule);
        assertEquals(ruleStr,rule.toString());

        ruleStr = "($.count(5)|([#cCATEGORY1#cCATEGORY2].sum(10)&~.countSPU(2)))|$.sum(100)";
        rule = Interpreter.parseString(ruleStr);
        System.out.println(rule);
        assertEquals(ruleStr,rule.toString());

        ruleStr = "(($.count(5)&[#cCATEGORY1#cCATEGORY2].sum(10))|([#cCATEGORY1#cCATEGORY2].sum(10)&~.countSPU(2)))|$.sum(100)";
        rule = Interpreter.parseString(ruleStr);
        System.out.println(rule);
        assertEquals(ruleStr,rule.toString());

        ruleStr = "(($.count(5)&[#cCATEGORY1#cCATEGORY2].sum(10))|[#cCATEGORY1#cCATEGORY2].sum(10))|$.sum(100)";
        rule = Interpreter.parseString(ruleStr);
        System.out.println(rule);
        assertEquals(ruleStr,rule.toString());

        ruleStr = "(($.count(5)&[#cCATEGORY1#cCATEGORY2].sum(10))|[#cCATEGORY1#cCATEGORY2].sum(10))|($.sum(100)&~.countCate(2))";
        rule = Interpreter.parseString(ruleStr);
        System.out.println(rule);
        assertEquals(ruleStr,rule.toString());
    }

    @Test
    public void foldRuleString(){
        String rule = "[#c01#c02#c03].countCate(2)&[#c01#c02#c03].countSPU(5)|[#c01#c02#c03].count(10)&[#c01].sum(10)";
        String expected = "[#c01#c02#c03].countCate(2)&~.countSPU(5)|~.count(10)&[#c01].sum(10)";
        String actual = Interpreter.foldRuleString(rule);
        assertEquals(expected,actual);

        String rule2 = "[#c01#c02#c03].countCate(2)&[#c01#c02#c03].countSPU(5)|([#c01#c02#c03].count(10)&[#c01].sum(10))";
        String expected2 = "[#c01#c02#c03].countCate(2)&~.countSPU(5)|([#c01#c02#c03].count(10)&[#c01].sum(10))";
        String actual2 = Interpreter.foldRuleString(rule2);
        assertEquals(expected2,actual2);

    }

    @Test
    public void unfoldRuleString(){
        String rule = "[#c01#c02#c03].countCate(2)&~.countSPU(5)|~.count(10)&[#c01].sum(10)";
        String expected = "[#c01#c02#c03].countCate(2)&[#c01#c02#c03].countSPU(5)|[#c01#c02#c03].count(10)&[#c01].sum(10)";
        String actual = Interpreter.unfoldRuleString(rule);
        assertEquals(expected,actual);

        String expected2 = "[#c01#c02#c03].countCate(2)&[#c01#c02#c03].countSPU(5)|([#c01#c02#c03].count(10)&[#c01].sum(10))";
        String rule2 = "[#c01#c02#c03].countCate(2)&~.countSPU(5)|([#c01#c02#c03].count(10)&[#c01].sum(10))";
        String actual2 = Interpreter.unfoldRuleString(rule2);
        assertEquals(expected2,actual2);
    }
}

規則是否匹配

Rule.check(items);

規則匹配結果詳情

Rule.validate(tickets) -> RuleValidateResult物件
result.valid = result.expected vs. result.actual

優惠計算

Rule.discount(items) -> int. 返回一個負值，即優惠的數，注意一口價的規則，也是目標價格減去當前票價總和得出的優惠掉的值，比如當前所選票價總和是10000，一口價規則是8000，則返回-2000

result.isValid()?r.discount(selectedTickets):0

四種計算範圍

優惠計算有四種計算範圍：
假設總共9個物品，01號100塊的2個，02號121.2塊的6個，03號0.5塊的1個，規則是01，02號總共要6個，並且兩種都要有：

Strategy.bestMatch()的策略是求最低成本下達成最多優惠，如果是比率折扣，它會取高價票，否則取低價票，上例結果是計算1張01和5張02；
1. 如果規則A的promotion是滿折滿減(%,/)，則會同時計算將更多票匹配到A是否會帶來更多的優惠
Strategy.bestOfOnlyOnceDiscount()的策略是隻允許使用一次優惠規則，所以計算達成規則所需的最少張數，但是是最高價格的票，上例結果是計算1張01和5張02；
1. 如果規則A的promotion是滿折滿減(%,/)，則會同時計算將更多票匹配到A是否會帶來更多的優惠
Rule.discount()，會對所有票應用優惠，上例結果是計算所有9張票；
Rule.discountFilteredItems()，會對規則指定範圍內的所有票計算優惠，上例結果是計算2張01和6張02，不含03；
注意，Strategy支援單規則多次匹配應用和多條規則聯合多次應用，更符合“最優”的概念。

test("4 discounting algorithm", () => {

    const ruleString = "[#k02#k01].count(6)&~.countCate(2) -> -50%";
    const items = [
        { category: "01", SPU: "01", SKU: "01",price: 10000 },
        { category: "01", SPU: "01", SKU: "01",price: 10000 },
        { category: "02", SPU: "02", SKU: "02",price: 121200 },
        { category: "02", SPU: "02", SKU: "02",price: 121200 },
        { category: "02", SPU: "02", SKU: "02",price: 121200 },
        { category: "02", SPU: "02", SKU: "02",price: 121200 },
        { category: "02", SPU: "02", SKU: "02",price: 121200 },
        { category: "02", SPU: "02", SKU: "02",price: 121200 },
        { category: "02", SPU: "02", SKU: "03",price: 50 },
    ];

    const rule = Interpreter.parseString(ruleString);
    let expected = 0, actual = 0;
    //為了做規則推薦的運算，規則本身算折扣的方法裡，
    // 並沒有判定規則是否已達成，所以呼叫前需做check()
    if(rule.check(items)){
        //第1種，rule.discountFilteredItems(items)
        //計算的是規則範圍內的這部分商品的折扣
        expected = rule.filterItem(items).map(t=>t.price).reduce((p1,p2)=>p1+p2,0) * -0.5;
        actual = rule.discountFilteredItems(items);
        console.log(expected, actual)
        expect(actual).toEqual(expected);

        //第2種，rule.discount(items)
        //計算的是所有商品應用折扣
        expected = items.map(t=>t.price).reduce((p1,p2)=>p1+p2,0) * -0.5;
        actual = rule.discount(items);
        console.log(expected, actual)
        expect(actual).toEqual(expected);
    }

    //第3種，Strategy.bestMath()
    //計算的是用最低成本達成規則匹配所需要的商品
    expected = (items[0].price * 2 + items[2].price *6 ) * -0.5;
    actual = Strategy.bestMatch([rule],items).totalDiscount();
    console.log(expected, actual)
    expect(actual).toEqual(expected);

    //第4種，Strategy.bestOfOnlyOnceDiscount()
    //計算達成規則所需的最少張數，但是是最高價格的商品
    expected = (items[0].price * 2 + items[2].price * 6 ) * -0.5;
    const match = Strategy.bestOfOnlyOnceDiscount([rule],items)
    actual = match.totalDiscount();
    console.log(expected, actual)
    expect(actual).toEqual(expected);
    console.log(match.more);
});

策略！

Strategy.bestMatch(rules,items)/Strategy.bestOfOnlyOnceDiscount(rules, items) 均已廢棄，統一使用bestChoice(rules, items, MatchType type, MatchGroup groupSetting)。

public static BestMatch bestChoice(List<Rule> rules, List<Item> items, MatchType type, MatchGroup groupSetting) {
    //... ...
}

test('bestMatch',()=> {
    //#region prepare
    let r1 = Builder.rule().simplex()
        .range("[#cc01]")
        .predict(P.COUNT)
        .expected(2)
        .endRule()
        .promotion("-200")
        .build();
    let r2 = Builder.rule().simplex()
        .addRange(R.CATEGORY, "c01")
        .predict(P.COUNT)
        .expected(3)
        .endRule()
        .promotion("-300")
        .build();
    let r3 = Builder.rule().simplex()
        .addRangeAll()
        .predict(P.COUNT)
        .expected(6)
        .endRule()
        .promotion("-10%")
        .build();

    let items = _getSelectedItems();
    let rules = [r1, r2];
    //#endregion
    let bestMatch = Strategy.bestMatch(rules, items);
    expect(bestMatch.matches.length).toEqual(2);
    expect(bestMatch.matches[0].rule).toEqual(r1);
    let bestMatch1 = Strategy.bestChoice(rules,items,MatchType.OneRule);
    expect(bestMatch.matches[0].rule).toEqual(bestMatch1.matches[0].rule);
    expect(bestMatch.totalDiscount()).toEqual(bestMatch1.totalDiscount());

    let bestOfOnce = Strategy.bestOfOnlyOnceDiscount(rules, items);
    bestMatch1 = Strategy.bestChoice(rules,items,MatchType.OneTime);
    expect(bestOfOnce.matches[0].rule).toEqual(bestMatch1.matches[0].rule);
    expect(bestOfOnce.totalDiscount()).toEqual(bestMatch1.totalDiscount());

    // 5 items matched
    items.push(new Item("c01", "p02", "k03", 4000));
    let bestOfMulti = Strategy.bestChoice(rules, items, MatchType.MultiRule);
    expect(2).toEqual(bestOfMulti.matches.length);
    expect(5).toEqual(bestOfMulti.chosen().length);
    expect(-500).toEqual(bestOfMulti.totalDiscount());

    // 6 items matched
    items.push(new Item("c01", "p02", "k03", 4000));
    bestOfMulti = Strategy.bestChoice(rules,items,MatchType.MultiRule);
    expect(6).toEqual(bestOfMulti.chosen().length);
    expect(-600).toEqual(bestOfMulti.totalDiscount());

    // 7 items matched
    items.push(new Item("c01", "p02", "k03", 4000));
    bestOfMulti = Strategy.bestChoice(rules,items,MatchType.MultiRule);
    expect(3).toEqual(bestOfMulti.matches.length);
    expect(7).toEqual(bestOfMulti.chosen().length);
    expect(-700).toEqual(bestOfMulti.totalDiscount());

    // 7 items matched
    const r4 = Builder.rule().simplex().addRange(R.SPU,"p02")
        .predict(P.COUNT).expected(4).endRule()
        .promotion("-2000").build();
    rules = [r1,r2,r3,r4];
    bestOfMulti = Strategy.bestChoice(rules,items,MatchType.MultiRule);
    //expect(3).toEqual(bestOfMulti.matches.length);
    expect(14).toEqual(bestOfMulti.chosen().length);
    expect(-400-300-2000-500-600-700-800-900-200-300).toEqual(bestOfMulti.totalDiscount());

    r3.promotion = "-100";
    bestOfMulti = Strategy.bestChoice(rules,items,MatchType.MultiRule);
    expect(13).toEqual(bestOfMulti.chosen().length);
    expect(-2400).toEqual(bestOfMulti.totalDiscount());
});

商品組合

營銷活動中存在購買一定數量A物品，就轉換成另一個SKU，比如買12瓶水會變成買一箱水，或者買幾個SKU合成另一個SKU，比如買一件上裝加一件下裝變成一個套裝，這個時候如果規則引擎能自動完成合並，那麼在組合規則時會少去應用層很多程式碼，所以提供了一個實現這一功能的promotion語法：

y:new SKU id:new SKU price

以下規則表示VIP A區的1，2排三個相鄰座可以合併成一個VIP套票，賣300000

[#zVIP:A:1:1-VIP:A:2:10].adjacentSeat(3)->y:VipPackage3:300000

規則分組

規則可以分組計算，組別為1的規則可以疊加在組別為0的規則應用的結果上，依此類推
各組規則可以按組依次計算、疊加，再取最優，即MatchGroup.SequentialMath
各組規則可以交織在一起計算、疊加，取所有可能的最優，即MatchGroup.CrossedMatch
規則字串後加@0，表示規則為第0組，@1表示為第1組

//以下例子應用了擴充套件場景-劇院座位，多了一個座位的屬性，多張鄰座票可以組合成一個聯票，形成聯票後又可以應用聯票的優惠規則

function getSeatedItems () {
    return [
        new Item("01", "01", "02", 10000, "二樓:A:1:1"),
        new Item("01", "01", "02", 10000, "二樓:A:1:3"),
        new Item("01", "01", "02", 10000, "二樓:A:1:2"),
        new Item("01", "01", "02", 10000, "二樓:A:1:5"),
        new Item("01", "01", "02", 10000, "二樓:A:1:4"),
        new Item("02", "02", "03", 121200, "VIP:A:1:4"),
        new Item("02", "02", "03", 121200, "VIP:A:1:2"),
        new Item("02", "02", "03", 121200, "VIP:A:1:3"),
        new Item("02", "02", "03", 121200, ''),
        new Item("02", "02", "03", 121200, "")];
}

test('testPackage',()=>{
    let testItems = getSeatedItems();
    const rule1 = Interpreter.parseString("[#zVIP:A:1:1-VIP:A:2:10].adjacentSeat(3)->y:VipPackage3:300000");
    rule1.group = 0;
    const rule2 = Interpreter.parseString("[#kVipPackage3].count(1)->-10%");
    rule2.group = 1;
    const bestMatch1 = Strategy.bestChoice([rule1],testItems,MatchType.MultiRule,MatchGroup.CrossedMatch);
    expect(300000-121200*3 ).toEqual(bestMatch1.totalDiscount());
    const bestMatch2 = Strategy.bestChoice([rule1,rule2], testItems, MatchType.MultiRule, MatchGroup.CrossedMatch);
    expect((300000-121200*3) - 30000).toEqual( bestMatch2.totalDiscount());
});

test('testMatchGroup',()=>{
    let seatedItems = getSeatedItems();
    //二樓:A:1:1-5
    //rule1 -2000 rule2 -1800 rule1+rule2 -3800 rule3 -4000
    const rule1 = Interpreter.parseString("[#z二樓:A:1:1-二樓:A:1:5].adjacentSeat(2)->y:APackage2:18000");
    rule1.group=0;
    const rule2 = Interpreter.parseString("[#kAPackage2].count(1)->-10%@1");
    const rule3 = Interpreter.parseString("[#k02].count(3)->-4000@1");
    const rules = [rule1,rule2,rule3];

    const crossedGroupMatch = Strategy.bestChoice(rules,seatedItems,
        MatchType.MultiRule,MatchGroup.CrossedMatch);
    expect(crossedGroupMatch.totalDiscount()).toEqual(-3800 -4000);

    const sequentialGroupMatch = Strategy.bestChoice(rules,seatedItems,
        MatchType.MultiRule,MatchGroup.SequentialMatch);
    expect(sequentialGroupMatch.totalDiscount()).toEqual (-3800*2);
    console.log(rule1.toString());
    console.log(rule2.toRuleString());
    console.log(rule3.toString());
});

可以看到MatchGroup.SequntialMatch模式下，先用0組規則儘量找到了2組套票，然後分別為每張套票應用了一個9折的票面優惠；
在MatchGroup.CrossedMatch模式下，透過計算，3張票減4000比兩張票組成1個套票再應用9折減3800要更優惠，所以最終是3張票-4000，再加上兩張票形成一個套票再9折-3800

功能擴充套件

規則引擎的模組非常清楚，面對不同的任務，可以在相對明確的範圍做少量調整，並帶來全域性的收益：

Range相關的部分是用來表達規則的匹配範圍，如果有這方面的需求，應該只改動這一部分，比如“ID都太長了，希望相同範圍的子規則可以複用範圍設定，減少規則字串長度”，則我們增加一種Range:SameRange表達即可；
Predict謂詞是判斷動作，新增了一種判斷動作，只需要擴充套件這部分程式碼即可；
Rule、RuleComponent是規則本身的強型別表達，除了規則資料的表達，它們還承擔：
- 規則匹配
- 折扣計算
- 匹配範圍的票的篩選
Strategy和一套Match類是用來做多個規則和多張票的自動優選的，一般不會動到；
Interpreter是字串解析器，基本它的流程不會需要改動，對規則組合的分解，對單一規則的解釋；
Builder是一套強型別鏈式建立各種規則的輔助體系。

擴充套件oneSKU謂詞

我們看一下如何擴充套件一個oneSKU謂詞來實現至少有一單個SKU必須要達到多少數量的判斷。

java

P.java

//predict 判斷動詞
public enum P {
    
    //... ...

    /**
     * 某種SKU的數量
     */
    ONE_SKU;

    @Override
    public String toString() {
        switch (this){
            //... ...
            case ONE_SKU:return "oneSKU";
        }
    }

    public static P parseString(String s){
        switch (s){
            //... ...
            case "oneSKU": return P.ONE_SKU;
        }
    }
}

validator.java

public class Validator {
    //@1 有新的玩法只需在這裡加謂詞和對應的含義
    private static HashMap<P, Function<Stream<Ticket>, Integer>> validators
            = new HashMap<P, Function<Stream<Ticket>, Integer>>(){
        {
            // ... ...
            put(P.ONE_SKU,(items) -> {
                return items.collect(
                            Collectors.groupingBy(
                                    t->t.getSKU(),
                                    Collectors.counting()))
                        .values().stream()
                        .max(Long::compare)
                        .orElse(0L).intValue();
            });
        }
    };

javascript

enums.js

const P = Object.freeze({
    //... ...
    ONE_SKU: {
        name: "oneSKU",
        handler: function(items){
            if(items.length < 1){
                return 0;
            }
            let map = new Map();
            for (const item of items) {
                let count = map.get(item.SKU);
                if(count){
                    map.set(item.SKU,count + 1);
                }
                else{
                    map.set(item.SKU,1);
                }
            }
            return [...map.values()].sort().reverse()[0];
        },
        toString: function (){
            return this.name;
        }
    },
    parseString: function(s){
        switch (s){
            //... ...
            case this.ONE_SKU.name:
                return this.ONE_SKU;
            //... ...
        }
    }
});
//... ...

用法見單元測試中的strategyTest中的test_oneSKU()

場景擴充套件

不同的場景會有個性化的需求，原始碼中已經實現了對演示場景（票多了座位這一半鍵屬性），可以參考：

Range支援z表示座位
Predict增加adjancetSeat判斷商品組合中票是不是連座的
用TicketSeatComparator封裝根據座位資訊判斷不同座位位置關係的邏輯

程式碼結構

｜- /java -- 後端實現，暫時不考慮翻譯golang/.net語言版本，電商還是java多
｜- /java/.../Builder.java -- 表示式構造器入口 !important
｜- /java/.../Interpreter.java -- 表示式字串解析器 !important
｜- /java/.../Strategy.java -- 計算方法入口 !important
｜- /java/.../model -- 規則結構化類體系
｜- /java/.../model/builder -- 構造器的處理類
｜- /java/.../model/comparator -- Item比較邏輯
｜- /java/.../model/strategy -- 規則計算邏輯 !important
｜- /java/.../model/validate -- 規則驗證結果類
｜- /js -- 前端javascript實現，程式碼結構與功能與後端完全一致，暫時不考慮翻譯成typescript了

全渠道營銷規則引擎案例
2022-04-21
會員營銷系統-如何讓運營變得輕鬆？
2023-04-19
實時營銷引擎在vivo營銷自動化中的實踐 | 引擎篇04
2022-10-10
5個營銷自動化技巧幫您輕鬆提高轉化率
2020-05-15
營銷大集團營銷年底活動營銷盲盒經濟年輕人喜歡的
2021-11-01
符號營銷的規劃設計，那些應該被規避的營銷陷阱
2022-01-12
符號
PC 和主機：顛覆 "遊戲" 規則的營銷渠道
2023-10-11
遊戲
巨量引擎營銷科學：2021年巨量雲圖營銷通案（附下載）
2022-04-15
整合營銷下如何實現跨渠道自動化營銷
2019-12-11
營銷傳播案例：金龍魚社會化營銷方案
2018-07-27
全網整合營銷的實施原則
2022-01-30
「六一端午」雙節｜營銷人必看的新玩法
2022-06-01
簡訊營銷四大準則
2019-02-14
如何基於營銷自動化實現跨渠道整合營銷
2019-08-16
情感故事營銷對企業營銷的助力
2022-02-19
黑馬PM-營銷中心-營銷工具
2024-11-09
口碑營銷之網路問答營銷
2022-03-18
與傳統營銷相比，數字化營銷和他的區別是什麼？
2022-06-16
網際網路營銷只需做到這幾點輕鬆寫好軟文稿
2021-05-21
報告：巨量引擎教育行業營銷之道
2020-02-10
行業
小馬識途營銷顧問談如何系統規劃新聞營銷
2022-06-21
狀態機引擎在vivo營銷自動化中的深度實踐 | 引擎篇02
2022-04-11
跨境電商的營銷秘籍：如何智選營銷工具
2024-08-21
微播易：品牌年輕化營銷方法論（附下載）
2021-05-10
全網營銷運營的核心是流量和轉化
2022-05-12
通過打破常規思維提出營銷的目的不僅僅是“賣貨”的營銷理念
2022-03-17
工作流引擎在vivo營銷自動化中的應用實踐 | 引擎篇03
2022-07-18
全網營銷運營的核心是流量和轉化，小馬識途推薦的全網營銷方式
2022-06-09
報告：營銷決策者與營銷公司的關係
2020-10-16
2021快手磁力引擎營銷通案（附下載）
2021-06-18
微營銷平臺運營
2019-05-11
探秘近期技術化營銷案例
2023-04-20
數字化轉型營銷模式
2021-11-05
模式
私域數字化營銷，2022年企業數字化營銷破局的唯一機會
2022-05-15
Demandbase：2020年基於賬戶的營銷（ABM）營銷報告
2020-09-14
紐約美國營銷協會報告：營銷的未來
2021-12-07
內容營銷策略之影片營銷：你的影片應該多久
2021-05-07
營銷人必知的五大郵件營銷型別
2020-11-25
型別