一組自然軌道組合成一個單電子基函式，並由此基函式構成N粒子體系的電子組態，這樣就能實現在ci展開時用相對於正則Hartree-Fock軌道基更少的組態.Weinhold和Reed等人的研究小組則在此基礎上加以擴展，比較系統地提出了自然自旋軌道、自然鍵軌道和自然雜化軌道等概念，並發展成為一套理論，即NBO理論。通過軌道的類型、NBO分析我們很容易找出所計算分子中的原子集居數，各種分子構成及分子內、分子間超共軛相互作用。
自然鍵軌道理論(NBO),下一個最佳購物建議（Next Best Offer）,確定目標,採集數據,分析與實施,學習與發展,
自然鍵軌道理論(NBO)
概述：1955 年 Lowdin首次提出自然軌道的概念。他提出一組自然軌道組合成一個單電子基函式，並由此基函式構成N粒子體系的電子組態，這樣就能實現在ci展開時用相對於正則Hartree-Fock軌道基更少的組態.Weinhold和Reed等人的研究小組則在此基礎上加以擴展，比較系統地提出了自然自旋軌道、自然鍵軌道和自然雜化軌道等概念，並發展成為一套理論，即NBO理論。通過軌道的類型、NBO分析我們很容易找出所計算分子中的原子集居數，各種分子構成及分子內、分子間超共軛相互作用。
NBO(Natural Bond Orbital)，自然鍵軌道分析程式，在量化軟體ADF，Jaguar，Q-Chem，PQS， NWChem， GAMESS-US（含PC GAMESS）和Gaussian 98/03 中都包含了此程式(NBO3.0)。目前獨立版本商業軟體已經做到NBO6.0。
功能
1. 規範分子軌道分析。提供占據軌道和空軌道的NBO成分，以及非鍵和反鍵的百分比；
2. 自然化學禁止分析。給出NMR化學禁止張量的順磁和反磁性的局域化NBO/NLMO分析；
3. 自然J-耦合分析。對標量J-耦合（即NMR的自旋-自旋耦合）給出Fermi-接觸型貢獻的NBO/NLMO分析。
4. 3-c, 4-e超鍵搜尋；
5. 可用於大的體系，最多999個原子，9999個基函式。默認200個原子2000個基函式；
6. 改進的自然共振理論；
7. 改進的自然局域化分子軌道；
8. 新的檢查點選項可用於不同軌道不同自旋的開殼層計算，可以對激發態和基態存儲特殊的局域化PNBO電子組態，用於後SCF計算或用作SCF改善的猜測軌道；
9. 新的矩陣輸出；
10. 增強的混合方向性方法，可以計算過渡金屬的混合方向性；
11. 基組線性依賴關係；
12. 在Windows 95/98/Me/NT/2K/XP作業系統提供GENNBO 5.0W工具，可以在PC桌面下研究NBO。
操作平台:Unix/Linux/Windows
下一個最佳購物建議（Next Best Offer）
隨著信息技術、數據蒐集和分析學方面的進展，公司可以獲得從人口統計特徵到消費心態，再到消費者網上點擊量等日益精細化的數據，並根據這些信息向顧客提供類似於甚至優於店主推薦的購物建議，在合適的時刻以合適的價格，通過合適的渠道，引導顧客購買“合適”的商品或服務，稱之為下一個最佳購物建議。
制定一個完善的NBO包括以下四個步驟。
確定目標
許多公司在NBO行動上栽了大跟頭，不是由於缺乏分析能力，而是由於缺乏清晰的目標。因此，第一個問題是：你想達到什麼目的?增加收入?提高顧客忠誠度?擴大錢包份額?還是吸引新顧客?你要隨時準備根據不斷變化的形勢修正你的目標。
採集數據
接下來，你需要採集和整合關於顧客、產品和購物背景的詳細數據。除了掌握一些基本顧客信息，比如年齡、性別、子女數目、住址、收入或資產、消費心態、生活方式等，你還可以追蹤消費者的歷史購買記錄和社交本地化移動信息(SoLoMo)。此外，你必須有一個對產品特性進行詳細分類的系統，這有助於你確定哪種產品對消費者最有吸引力。最後，你還必須考慮下列因素：顧客接觸業務的渠道(面對面、電話、電子郵件、網路)、接觸的原因及環境，甚至能反映出顧客心情是平靜還是難過的音量和語調。在某些情況下，購買背景因素可能還包括天氣、一天中的哪一時段或一周中的哪一天，以及顧客是孤身一人還是結伴同行，等等。
分析與實施
利用統計分析、預測模型和其他工具，先產生出大量可能有效的購物建議，然後根據商業法則來甄選建議，並為每個建議確定合適的遞交渠道。一般而言，與顧客接觸的渠道，就是遞交NBO的合適渠道。例如，CVS連鎖藥店的顧客只要在店內的服務終端上刷ExtraCare積分卡，立刻就能獲得定製化的優惠券。
公司可以通過多種渠道對購物建議進行測試以確定最有效的渠道。在CVS連鎖藥店，ExtraCare卡的購物建議不僅通過服務終端，也通過收銀條、電子郵件和定向傳單送達，最近還通過直接發到顧客手機上的優惠券方式遞交。
購物建議要有節制，公司需認真思量提出建議的時機，並且監控顧客接觸頻率，避免過多推薦引起顧客反感。
學習與發展
公司必須衡量每個購物建議的表現，吸取經驗教訓，從中總結出經驗法則，以指導未來購物建議的設計，直到新數據顯示這些法則需要重新修正為止。
任何一家公司要把每種可能的顧客、產品和背景變數都納入NBO模型中是相當困難的，但沒有一家零售商可以不用蒐集人口統計特徵、消費心態和歷史購買記錄等基本數據。隨著可採集的數據量和互動渠道數的增加，那些不能迅速改進購物建議的公司，將被對手遠遠甩開。
