CN104813315B - 顾客数据分析/验证系统 - Google Patents

Abstract

提供一种系统，该系统具有用各种各样的方法分析从顾客提供的数据，根据分析结果，给顾客提供促销、建议等的行动，给加盟企业提供数据提供等的行动，验证该行动是何种程度效果的数据存储、分析、行动及效果测量的周期。顾客数据分析/验证系统(1)，具有：收集单元，收集加盟企业内顾客的详细数据；存储单元，存储上述详细数据；分析单元，分析上述详细数据；分类单元，将顾客按区段进行分类；并且具有验证单元，根据被分类成一个区段的顾客的详细数据的项目和被分类成另一区段的顾客的详细数据的项目，判定给购买行为的差异带来影响的要件项目。

Description

顾客数据分析/验证系统

技术领域

本发明涉及一种可以收集/存储与顾客有关的数据，并且分析该数据，根据分析结果计划/执行促销、建议等的各种行动，进行所执行行动的效果验证的顾客数据分析/验证系统。

背景技术

在特定的企业，收集/存储从服务积分系统的加入者即顾客提供的数据，进行分析，将分析结果利用于该企业的商品及服务(下面称为商品等)的广告提供、供试用品提供等的促销以及优惠券发行等的建议中的技术，已为众所周知(引用文献1～5)。但是，此前这种顾客的数据分析和其利用曾是封闭在一家企业中的技术。另外，促销或建议曾是设想顾客形象，对不特定多数的顾客进行的。另外，详细验证促销或建议的效果实际上有没有的系统不存在，并且获知效果之程度的手段只是对象商品等的销售额增长了多少等金钱方面的现象的演进。

在先技术文献

专利文献

专利文献1：日本特开2010-211687号公报

专利文献2：日本特开2009-163533号公报

专利文献3：日本特开2012-247926号公报

专利文献4：日本特开2004-70504号公报

专利文献5：日本特开2012-190061号公报

发明内容

发明要解决的课题

因此，本发明的目的为，提供一种顾客数据的分析/验证系统，该系统具有以各种各样的方法分析从服务积分系统的加入者即顾客提供的数据，根据分析结果，针对顾客计划促销、建议等的行动，针对加盟企业计划数据提供等的行动，执行行动的提供，验证该行动是怎样的效果，进而改善行动这样的行动计划、行动执行、行动验证、行动改善的周期。

解决课题的手段

本发明的顾客数据分析/验证系统其特征为，具有：收集单元，收集加盟企业内顾客的详细数据；存储单元，存储上述详细数据；分析单元，分析上述详细数据；分类单元，将顾客按区段进行分类；并且具有验证单元，根据被分类成一个区段的顾客的详细数据的项目和被分类成另一区段的顾客的详细数据的项目，判定对购买行为的差异带来影响的要件项目。

根据本发明的其他方式，其特征为，验证单元将被分类成一个区段的顾客的详细数据的项目和被分类成另一区段的顾客的详细数据的项目之中非共同性高的项目，判定为对购买行为的差异带来影响的要件项目。

根据本发明的其他方式，其特征为，验证单元是从详细数据的项目之中履历类数据的项目判定要件项目的行为分析单元。

根据本发明的其他方式，其特征为，验证单元是从详细数据的项目之中调研类数据的项目判定要件项目的理解分析单元。

根据本发明的其他方式，其特征为，具有：行动制作单元，将由验证单元判定出的要件项目进行一览列表；行动执行单元，将该进行了一览列表后的要件项目提供给企业终端。

根据本发明的其他方式，其特征为，具有：行动制作单元，制作包含由验证单元判定出的要件项目在内的建议；行动执行单元，将该建议提供给店铺终端及/或顾客终端。

根据本发明的其他方式，其特征为，具有：行动制作单元，制作包含由验证单元判定出的要件项目在内的促销；行动执行单元，将该促销提供给店铺终端及/或顾客终端。

根据本发明的其他方式，其特征为，具有判定单元，比较行动执行前的详细数据和行动执行后的详细数据，判定在行动后发生了购买行为的顾客。

发明效果

根据本发明的顾客数据分析/验证系统，可以确切地分析从顾客提供的数据，根据分析结果制作行动，加以执行。

附图说明

图1是本发明的顾客数据分析/验证系统的框图。

图2是本发明的顾客数据分析/验证系统的框图。

图3是本发明的顾客数据分析/验证系统的框图。

图4是本发明的顾客数据分析/验证系统的框图。

图5是本发明的顾客数据分析/验证系统的框图。

图6是本发明的顾客数据分析/验证系统的框图。

图7是本发明的顾客数据分析/验证系统的流程图。

图8是本发明的顾客数据分析/验证系统的流程图。

图9是本发明的顾客数据分析/验证系统的流程图。

图10是本发明的顾客数据分析/验证系统的流程图。

图11是本发明的顾客数据分析/验证系统的模式图。

图12是本发明的顾客数据分析/验证系统的模式图。

图13是本发明的顾客数据分析/验证系统的模式图。

图14是本发明的顾客数据分析/验证系统的模式图。

图15是本发明的顾客数据分析/验证系统的模式图。

图16是本发明的顾客数据分析/验证系统的模式图。

图17是本发明的顾客数据分析/验证系统的模式图。

图18是本发明的顾客数据分析/验证系统的模式图。

图19是本发明的顾客数据分析/验证系统的模式图。

图20是本发明的顾客数据分析/验证系统的模式图。

图21是本发明的顾客数据分析/验证系统的模式图。

图22是顾客DNA分析的流程图。

图23是顾客DNA分析的框图。

图24是表示顾客DNA分析的预测处理之处理内容的模式图。

图25是表示顾客DNA分析的预测处理之处理内容的模式图。

图26是表示顾客DNA分析的预测处理之处理内容的模式图。

图27是表示顾客DNA分析的预测处理之处理内容的模式图。

图28是表示顾客DNA分析的预测处理之处理内容的模式图。

图29是表示顾客DNA分析的预测处理之处理内容的模式图。

图30是表示顾客DNA分析的预测处理之处理内容的模式图。

图31是顾客的实例数据加入后的状态的数据表的例子。

图32是概率推论后的概率值加入后的状态的数据表的例子。

图33是从概率推论后的概率值导出的映射估计值加入后的状态的数据表的例子。

符号说明

1 顾客数据分析/验证系统

2 运用公司系统

22 分析单元

23 问卷调查单元

24 建议单元

3 网上加盟系统

4 实际加盟系统

5 顾客终端

6 店铺终端

7 企业终端

具体实施方式

(系统的结构)

下面，参照附图来说明本发明的顾客数据分析/验证系统1。本发明的顾客数据分析/验证系统1(下面有时只称为系统1。)具有：运用公司系统2，由处于运用公司的管辖下的运算装置、数据库群等构成；网上加盟系统3，与运用公司系统2可传递信息地连接而成，由运算装置、多个加盟企业的EC站点和运用公司的运算装置等构成；实际加盟系统4，与运用公司系统2可传递信息地连接而成，由设置于多个加盟企业的各实体店铺内的店铺终端(POS)6和运用公司的运算装置等构成；问卷调查单元5。

参照图1、图2，对于系统1的结构概略进行说明。本发明的系统1用来对顾客给予能交换为商品或服务的服务积分，伴随使之利用服务积分，而通过网上加盟系统3、实际加盟系统4及问卷调查单元5等从顾客收集各种数据，存储于数据库中。然后，分析所存储的数据，如图2所示，进行将顾客分类为任意组的区段。然后，执行如图3、图4所示适于各顾客的POS优惠券或广告电子邮件的投递等建议、TV广告、报纸广告、前往社交网络及会员注册画面的广告显示、供试用品提供等促销，或如图5、图6所示面向企业的商品开发用数据或商品引进用数据提供等的数据提供等面向顾客或企业的各种行动，且验证这些行动的效果，改善行动的内容。

首先，参照图31，说明从顾客提供给运用系统2的数据的例子。在从顾客存储于运用系统2中的数据中，第1，有在系统1的利用登录时由顾客提供的性别、年龄等顾客的基本属性等的属性数据。第2，有详细数据，包括每次顾客在加盟企业购入商品等，都被收集并传递给运用系统2的商品等的品种或商品名、来店时间段、利用店铺等的履历类数据，和通过下述问卷调查、监控、面试等的调研收集并传递给运用系统2的已婚/未婚之别、有无子女、住房类型、年收入、有无驾驶证及顾客的意愿性等调研类的数据，上述问卷调查是按顾客的意思通过电子邮件的问卷调查和给顾客所提供的视听内容的通过双向通信等进行的问卷调查。还有，有时根据需要，包括网上用户的访问时间、利用媒体、利用站点的数据等网上行为数据。然后，第3，有与下述服务积分有关的积分类数据，该服务积分是针对加盟企业内顾客的商品等的购入而给予/利用、或者为了对问卷调查的回答的酬谢而给予等在各种各样的方面给予/利用的。

属性数据被存储于会员主数据库中，在顾客的属性数据中有变更的情况下进行更新。另外，详细数据随时传递给运用系统2，被存储于解析数据库中。积分类数据被存储于积分类系统的积分管理数据库中，服务积分加法/减法处理为，当由顾客做出的加盟企业内商品等的购入时，或每次借其他各种各样的机会利用/存储服务积分，也就是每次传递服务积分的加法/减法数据，服务积分加法/减法处理都要进行其与顾客的顾客ID对应的账户的服务积分的加法/减法处理。

这样被收集的各数据当顾客向系统1登录时，利用对顾客赋予的单独的顾客ID来管理。如果举出顾客ID的一例，就是按每名顾客不同的任意位数的数字及字符串为一例，在顾客拥有积分卡或带积分卡功能的信用卡的情况下，该顾客ID能够采用磁、电等各种各样的方式记录于该卡中，由实际加盟系统4的POS终端等的输入单元读取顾客ID，以顾客ID和顾客数据建立了关联的状态传递给运用公司系统2。另外，在通过网上加盟系统3进行传递的情况下，能够通过顾客拥有的顾客终端的输入单元，输入顾客ID，以顾客ID和顾客数据建立了关联的状态传递给运用公司系统2。

如图7的流程图所示，作为本发明的系统1基础的是，详细数据的收集处理、详细数据的存储处理、详细数据的分析处理、顾客的区段处理、要件项目的验证处理、用来给店铺终端6、顾客终端5或者企业终端7提供的建议/促销/商品开发用数据/商品引进用数据等的行动制作处理以及将行动提供给店铺终端6、顾客终端5或者企业终端7等的行动执行处理，重复它们的各步骤，来形成行动的计划、行动的执行、行动的验证及行动的改善这样的周期。

(详细数据收集/存储处理阶段)

通过详细数据的收集单元，在实际加盟系统4中，当顾客购入商品等时，从店铺终端6由履历类输入单元输入详细数据，以顾客ID与详细数据建立了关联的状态，经过因特网线路或者专用线路等的通信线路传递给运用公司系统2。另外，在网上加盟系统3中，当顾客通过EC站点等购入商品等时，从顾客终端5以详细数据和顾客ID建立了关联的状态经过因特网线路等的通信线路传递给动作公司系统2。

接下来，从详细数据存储单元，经过实际加盟系统4、网上加盟系统3传递到运用公司系统2的详细数据被存储于解析数据数据库中。这样，详细数据的收集存储每次传递详细数据都要进行。至此的详细数据的收集和存储每次顾客做出购买行为，并提供其数据都进行。

(详细数据的分析阶段)

下面，参照图7，对于本系统1的从详细数据分析到行动执行的基本流程进行说明。通过详细数据收集处理、详细数据存储处理被存储到解析数据库中的详细数据由详细数据分析单元进行分析。详细数据分析单元最简单的方法为，如图31所示，分析购买履历的实例值的有无或者实例值的购买次数。再者，作为其他的例子，还有根据如图32所示进行下述顾客DNA分析(顾客轮廓分析)后的结果的概率值，以及如图33所示从概率值计算出的映射估计值，分析购买履历的有无或购买次数的方法。

例如，详细数据分析单元从详细数据的项目，分析任意的商品等G1的履历有无。或者，通过分析任意商品等G1的购入履历在任意的期间有没有任意次数以上、虽然有购入履历但是任意期间的购买履历为任意次数以下的顾客，来分析详细数据。

(区段处理阶段)

顾客区段处理单元根据详细数据分析的结果，按购入用户(有购入履历的顾客)、未购入用户(无购入履历的顾客)将顾客分类。或者，按连续用户(购入履历在任意的期间有任意次数以上的顾客)、离开用户(虽然有购入履历但是任意期间的购买履历为任意次数以下的顾客)将顾客分类。此外，在利用顾客DNA分析后的详细数据的情况下，也可以按概率值为任意的阈值以上的顾客、概率值为任意的阈值以下的顾客将顾客分类。这样，就按照任意的设定，顾客被区段。

(验证阶段)

对于验证阶段内要件项目的验证处理，进行说明。要件项目的验证单元在由上述的顾客区段单元例如分类成连续用户的顾客群C1和分类成离开用户的顾客群C2之间，通过分析履历类数据的行为分析或者分析调研类数据的理解分析，来分析任意的详细数据的项目之中当前给顾客的购买行为的差异带来影响的可能性高的项目(例如非共同性高的项目)，判定并提取当前给两个顾客群的购买行为的差异带来明显影响的项目。在以数量的形式判定当前给顾客的购买行为的差异带来影响的可能性高的项目的单元中，其方法是各种各样，例如将作为有履历、无履历之差为任意的阈值以上的顾客数量的项目判定为当前给两个顾客群的购买行为的差异带来明显影响的项目，将购买次数之差为任意的阈值以上的项目判定为当前给两个顾客群的购买行为的差异带来明显影响的项目，等等。

例如，要分析虽然被分类成连续用户之顾客群C1的顾客在有的详细数据的项目中有履历被存储得较多，但是被分类成离开用户之顾客群C2的顾客当前在为顾客群C1的顾客大多数存储着有履历的该项目的大部分中存储着无履历的情况。这样，就提取给商品G1的购入者的履历有无和非购入者的履历有无明显带来影响的项目，来作为行动制作的要件项目。这里所谓的要件项目指的是，从“和商品G同时销售(在同一支付时机被购入)的商品G2的购入履历有无”、“来店时间”及“利用店铺”等的履历类数据明确的项目和从“与商品G1的特殊品质有关的认知度有无”、“顾客特殊的意愿性高低”等调研类数据明确的项目等的各种各样。还有，本发明的系统1因为已经收集到多个加盟企业的详细数据，所以在要件项目中，也可以提取“有和商品G1的提供者即企业A不同的企业B的商品G2的购买履历”这样的要件项目，或“有和商品G1的提供者即企业A不同的企业B的店铺利用履历”这样的要件项目，来作为要件项目。在判定要件项目的验证处理的分析单元中，有下述的RFM分析、同时销售(购物篮)分析、商圈分析、商品开发分析及购买者意识调查这样的现有的分析、本发明独特的顾客DNA分析等各种各样的分析单元。

(行动制作阶段/行动执行阶段)

行动制作单元用来制作与所提取的要件项目对应的行动(建议、促销、商品开发数据/商品引进数据)。例如，在判定出虽然连续用户的顾客群C1有，但是离开用户的顾客群C2没有的要件项目为特定的“来店时间”的情况下，要制作在被分类成顾客群C2的顾客的顾客ID通过店铺终端6传递到运用公司系统2中时在由该店铺终端6发行的收据上打印可在特定的“来店时间”利用的优惠券这样的行动。另外，在要件项目是“与商品G1的特殊品质有关的认知度有无”的情况下，要制作在全部顾客的网站的注册画面上显示与“商品G1的特殊品质”有关的一点式信息广告这样的行动。另外，作为针对加盟企业的行动的例子，可举出制作要件项目的列表，当作商品开发用数据或者商品引进用数据发送给企业终端这样的行动。还有，本发明的系统1因为是涉及多个加盟企业的系统，所以行动的制作和行动的执行能够以包含涉及多个加盟企业的要件项目的方式来制作并执行。上面是基本的流程。

(随后的详细数据分析阶段)

下面，根据图8，说明按照图7所示的基本流程来执行行动之后的随后的流程。首先，和基本流程相同，详细数据的收集/存储随时进行。在详细数据分析阶段，详细数据分析单元分析行动后的购买履历。例如，详细数据分析单元根据行动的执行对象的顾客的详细数据，比较行动执行前商品G1的项目和行动执行后商品G1的项目，在与被分类成“无购买履历”之顾客群C2的顾客的顾客ID对应的商品G1的项目中分派了“有购买履历”的实例值的情况下，对该顾客做出有行动的效果这样的分析。

(随后的区段处理阶段)

上述的详细数据分析虽然可以也针对作为行动目标的顾客进行，但是由于可以针对行动后的全部顾客进行，因而顾客群可以如同“在设想目标中买入的顾客”、“在设想外目标中购入的顾客”、“在现有用户中离开的顾客”、“在设想目标中未买入的顾客”那样，按新的区段进行顾客的重新分类。

(随后的验证阶段)

然后，验证单元通过各种的分析单元，再次按“在设想目标中买入的顾客”、“在设想外目标中购入的顾客”、“在现有用户中离开的顾客”、“在设想目标中未买入的顾客”的购买行为的差异，判定并提取明显的要件项目。

(随后的行动制作阶段/行动执行阶段)

然后，行动制作单元根据新判定并提取的要件项目，实施将行动的内容更换的改善处理。行动执行单元将改善处理后的行动提供给店铺终端6、顾客终端5及企业终端7等。这样，就重复初次的分析和行动的制作处理、行动的执行处理、行动的执行处理后的再次分析、行动的改善处理以及改善后的行动的执行处理，行动的内容其为了进一步提高购买效果而被改善的周期得以完成。

(具体例)

在此，参照图9及图10的流程图和图11～图12的模式图，以任意的商品(例如：胶原蛋白饮料)为例，划分为作为要件项目的验证单元分析履历类数据的行为分析和分析调研类数据的理解分析，来说明具体的流程。

在图11所示例的“胶原蛋白饮料”中假设为，具有在各种的“胶原蛋白饮料”之中相对的销售额名列前茅、有点被后发售的低价产品压制、胶原蛋白量和其他的商品没有明显差别以及维生素E的含量丰富这样的特性。

如图12所示，关于该“胶原蛋白饮料”，通过详细数据分析和区段处理，按该“胶原蛋白饮料”有购入履历的顾客和无购买履历的顾客将顾客分类。若通过第一层的区段处理，分析了按有购买履历的区段所分类的顾客的属性数据，则分析“女性”较多的情况，从履历类数据分析“夜间生活”的顾客较多的情况，并分析具有“低价意愿”及“健康意愿”这样的意愿性的顾客较多的情况。根据需要，区段单元对于有购买履历的顾客，以购买次数或购买期间为阈值，进行第二层的区段处理，将其分类为连续用户和离开用户。

接下来，若参照图13，就是作为验证处理单元的行为分析单元组合RFM分析、同时销售分析等各种各样的分析单元，判定连续用户和离开用户的履历类数据的项目之中当前使购买行为受到影响的项目(例如非共同性高的项目)。例如，这里项目“1个月内购入6次以上”及项目“在午餐时间有购入趋势”是偏重于连续用户来表现的项目，行为分析单元将这些项目判定为在双方中有明显的非共同性的项目，并且这些项目作为使该“胶原蛋白饮料”的购买行为受到影响的要件项目，进行提取。另一方面，履历类数据的项目之中例如“其他公司减价时购入其他公司的产品”这样的项目是不偏重于双方而表现的项目，行为分析单元将该项目判定为在双方中没有明显的非共同性(也就是有共同性)的项目，这些项目不进行作为使该“胶原蛋白饮料”的购买行为受到影响的要件项目进行提取。

接下来，若参照图14、图15，就是作为验证处理单元的理解分析单元组合购买者意识调查、商品开发分析等各种各样的分析单元，判定连续用户和离开用户的调研类数据的项目之中当前使购买行为受到影响的项目(例如非共同性高的项目)。例如，这里项目“对维生素E的知识的丰富程度(具有维生素E帮助胶原蛋白吸收这样的知识)”是偏重于连续用户来表现的项目，理解分析单元将该项目判定为在双方中有明显的非共同性的项目，提取该项目来作为使“胶原蛋白饮料”的购买行为受到影响的要件项目。另一方面，履历类数据的项目之中“品牌认知度”“品牌的印象”“对胶原蛋白的知识的丰富程度”这样的项目是不偏重于双方而表现的项目，理解分析单元将该项目判定为在双方中没有明显的非共同性(也就有共同性)的项目，这些项目不进行作为使该“胶原蛋白饮料”的购买行为受到影响的要件项目提取。

若参照图16，就是制作单元将通过上述分析所验证的要件项目“低价意愿”及“1个月内购入6次以上”“在午餐时间购入”“维生素E的对胶原蛋白辅助效果的理解的丰富程度”等列表，对将提供给企业终端7的商品开发数据或商品引进数据进行加工，或进行制作建议、促销以便满足要件项目要点这样的行动制作。

如果在图17中，表示出针对顾客的行动制作的例子，就是例如以满足要件项目“在午餐时间购入”的要件项目的方式，制作从店铺终端6发行将“胶原蛋白饮料”“和盒饭或三明治同时购入时进行套装减价的活动优惠券”的行动。另外，以满足“1个月内购入6次以上”的要件项目的方式，制作将下述广告邮件投递给顾客终端5这样的行动，该广告邮件为，将“胶原蛋白饮料”“若购入了6次以上则给予特殊礼物的认购券”。或者，以满足“维生素E的对胶原蛋白辅助效果的理解的丰富程度”的要件项目的方式，制作下述这样的行动，该行动为制作“添加了维生素E的效果诉求”媒体广告。

如图18所示，分析给连续用户和离开用户，或者有购买履历的用户和无购买履历的用户的购买行为带来的影响程度高的要件项目(例如非共同性高的项目)，通过各种的行动制作和执行，对连续用户及有购买履历的用户的详细数据的项目的状态，使离开用户及无购买履历的用户的详细数据的项目的状态尽可能地接近，以此使离开用户或无购买履历的用户变化为连续用户及有购买履历的用户。这里，通过进行分析履历类数据的行为分析和分析调研类数据的理解分析的双方，从根据履历类数据分析的顾客意识下的行为和根据调研类数据分析的顾客意识上的行为导出的要件项目被有效利用于填补双方的差别所用的行动制作。

如图19所示，通过在行动后由详细数据分析单元分析履历类数据，和行动前的履历类数据进行比较处理，并进行顾客的区段，顾客就可以重新分类为“在设想目标中买入的人”“在设想外目标买入的人”“在现有用户中离开的人”“在设想目标中未买入的人”。

如图20、图21所示，通过重复上述的详细数据收集/存储、详细数据分析、顾客的区段、要件项目的验证、行动的制作/改善以及行动，就可以验证按何种区段所分类的人为什么加入了购买行为，以及按何种区段所分类的人为什么没有加入购买行为，能够进行更好的建议、促销、数据提供等的行动。此时，在系统1中，由于还存储着网上行为数据，因而可以获取作为行动目标的顾客的浏览频率高的访问时间、利用媒体及利用站点，执行网络广告的行动。再者，由于还可以分析各个顾客的生活状况，因而可以获取作为目标的顾客的在家时间，执行TV广告的行动。进而，可以提供作为目标的顾客的对订阅杂志或订阅报纸的纸面广告的行动。

最后，对于分析详细数据的数个分析单元进行说明。详细数据分析阶段中的第1分析模型是RFM分析。所谓的RFM分析指的是，按照购买期间、购入次数及购入金额的切入点来分析详细数据的方法。如果表示出RFM分析单元的一例，就是根据详细数据的履历类数据分析最近在加盟企业所购入的年月日、一定期间内在加盟企业购入了几次商品等的购入次数以及一定期间内的购买金额，给各项目的各自附加按运用公司或者各加盟企业独自所设定的权重，计算其总计的评价点，进行对对象商品等的购入可能性进行评价的分析。本发明的系统1由于可以分析涉及多个加盟企业的详细数据，因而可以按照RFM的切入点分析1名顾客的涉及多个加盟企业的详细数据。从而，能够分析任意顾客的涉及加盟企业的购买行为的购买期间、购买次数及购买价格。据此，提供预测任意的顾客有下次前往的可能性的加盟企业或店铺、有购买的可能性的商品等所需的分析结果等。

第2分析模型是商圈分析。所谓的商圈分析指的是，按照地域性的切入点来分析详细数据的方法。如果表示出商圈分析单元的一例，就是给顾客的属性数据的居住地特性及/或工作就学区域特性赋予标志，以该标志为基础，根据具有共同的居住地特性及/或工作就学区域特性的顾客群的履历类数据分析购买次数、购买金额，给各自附加按运用公司或者各加盟企业独自所设定的权重，计算其总计的评价点，进行对对象商品、店铺、加盟企业内的购入可能性进行评价的分析。

从而，提供预测在任意的商圈有购买可能性的顾客所需的分析结果等。本发明的系统1由于可以分析涉及多个加盟企业的详细数据，因而能够通过商圈分析，分析1名顾客的涉及多个加盟企业的详细数据。从而，能够分析任意顾客在哪个商圈进行了购买行为等。另外，还提供将具有同一商圈的1个加盟企业内的履历类数据的顾客向同一商圈的例如没有履历类数据的其他加盟企业引诱所需的分析结果。

第3分析模型是同时销售分析(购物篮分析)。所谓的同时销售分析指的是，对于任意的顾客在同一时机购入了什么样的商品进行分析的方法。如果表示出同时销售分析单元的一例，就是通过将传递履历类数据时以1个收据单位所传递的履历类数据捆绑在一起，来分析顾客在一次的购买行为中所购入的商品等。本发明的系统1由于可以收集并存储涉及多个加盟企业的详细数据，因而能够通过同时销售分析，分析1名顾客的涉及多个加盟企业的详细数据。从而，提供预测任意的顾客要以1个购买单位购入的商品等的趋势所需的分析结果。

第4分析模型是商品开发分析。商品开发分析是综合性地组合利用上述第1～第3分析模型的RFM分析、商圈分析或者同时销售分析的分析结果，按照购买期间、购买次数、购买金额、商圈及同时销售单位等的切入点来分析更加易于被购入的新商品的方法。

第5分析模型是购买者意识调查。运用系统2是以使之回答任意的问卷调查的形式从顾客取得调研类数据，对其进行分析的方法。在问卷调查的方法中，存在针对顾客，使之简单地将任意的商品回答为“想要”“不想要”的情形，或者调查顾客的意愿性(高级意愿、传统意愿、健康意愿)的情形等。

第6分析模型是被称为顾客DNA分析(顾客轮廓分析)的新的详细数据解析。所谓的顾客DNA分析指的是，针对顾客的详细数据的全部项目预测概率值，包括顾客未提供详细数据的实例值的部分在内，给详细数据的各项目分派概率值的数据解析。也就是说，根据顾客DNA分析，顾客的详细数据通过更加正确地进行解析，并且和上述第1～第5分析方法进行组合，还可以进行没有详细数据实例值的顾客的详细数据的分析。下面，对于该数据解析，参照图22～图33进行详细说明。

参照图22、23，说明进行上述详细数据的收集(S1)、存储(S2)之后的顾客DNA分析中作为详细数据解析阶段起始步骤的数据汇总处理(S3)。数据汇总处理用来根据需要对属性数据及/或详细数据进行离散化处理，进而通过将该属性数据及/或详细数据，整理为类别数据、上位层或者大分类/中分类的项目群，来生成数据集市。通过生成数据集市，就可以将属性数据及/或详细数据整理为易于解析的数据项目。

下面，对于采样处理、制作模型处理(S5)、验证处理(S6)及评分处理(S7)进行说明。这里，说明下述作为制作模型处理(S5)、验证处理(S6)及评分处理(S7)之基础的本发明的预测处理。

预测处理用来利用例如以贝叶斯网络为代表的概率推论，以任意的详细数据的多个项目为目标变量，以其他的多个项目为说明变量，从项目间的相关度，通过概率推论计算多个项目的概率值。

下面，参照图24～图30所示的预测处理的模式图，说明本发明的预测处理。图24～图26所示的案例1的预测处理是预测处理为1层模型的情形。若对于任意顾客A的预测处理，将已婚/未婚之别的概率设为目标变量，则此时，在没有顾客A的详细数据的场合，也就是在说明变量中没有任何实例值的数据的状态下，已婚/未婚之别的概率值分派从提供了调研类数据的顾客们的数据得到的先验概率值(已婚约0.57，未婚0.43)。同样，在有关其他的说明变量(购入调料、购入副食及深夜时间利用比例)也没有任何数据的状态下，分派从提供了详细数据的顾客们的数据得到的购入调料的先验概率值(多0.2，少0.8)、购入副食的先验概率值(有购入0.35，无购入0.65)、深夜时间段的利用比例的先验概率值(多0.1，普通0.3，少0.6)。

根据图25，若接下来关于顾客A的说明变量之中的购入副食，获得了“有购入”的详细数据，则购入副食的概率值(1.0)加入，通过预测处理，目标变量即未婚的概率值从0.43上升为0.63。

根据图26，若再关于顾客A的说明变量之中深夜时间段的利用，获得了“多”的详细数据，则概率值(1.0)加入，目标变量即未婚的概率值进行从0.63进一步上升为0.90这样的预测处理。

下面，参照图27～图30所示的预测处理的模型，来说明2层模型时的预测处理。若对于任意顾客A的预测处理，将手工制作意愿的概率设为第2目标变量，则此时，在没有顾客A的详细数据的场合，也就是在说明变量中没有任何实例值的数据的状态下，手工制作意愿的概率值分派从提供了调研类数据的顾客们的数据得到的先验概率值(高约0.48，低约0.52)，第1目标变量的已婚/未婚之别的概率值分派从提供了调研类数据的顾客们的数据得到的先验概率值(已婚约0.57，未婚约0.43)。

接下来，若关于顾客A的说明变量之中的购入调料，得到了“有购入”的详细数据，则和上述1层模型的结构相同，购入调料的概率值(1.0)加入，通过预测处理，手工制作意愿的概率值从0.48上升为0.71。

再者，若关于顾客A的说明变量之中的购入副食，得到了“无购入”的详细数据，则购入副食的概率值(1.0)加入，第1目标变量即已婚/未婚之别的已婚的概率值从0.57上升为0.68。进而，第1目标变量即已婚/未婚之别因为也是相对于第2目标变量即手工制作意愿的说明变量，所以按照购入副食的概率值(1.0)的变动，第1目标变量已婚/未婚之别的概率值发生变动，该第1目标变量的变动传播为第2目标变量的变动，第2目标变量即亲手制作意愿的概率值进一步从0.71上升为0.74。

如图30所示，预测处理是说明变量(父)的概率值的变动使第1目标变量(子)的概率值产生变动的处理，用来在第1目标变量(子)进一步说明变量(父)时，使第2目标变量(子(相对于最开始的说明变量为孙))的概率值产生变动。也就是说，1个目标变量相对于下一代以后的目标变量也成为说明变量，可以根据需要设定到当前连接的全部目标变量(第n代的目标变量)中。也就是说，本发明的预测处理因任意的说明变量的实例值加入，给当前连接的全部目标变量的概率值带来影响，而进行计算各项目的概率值的预测处理。另外，在2层以上的预测处理中，因上一代的说明变量的实例值加入，而给当前连接的(子、孙、第n代的目标变量)变动传播影响，进行计算各项目的概率值的预测处理。

采样处理(S4)是当制作解析全部顾客部分的详细数据所需的预测处理的解析用暂用模型时，为了制作精度高的预测模型而提取任意顾客的动作。也就是说，为了预测处理的解析用试验模型，而进行提取任意数量的顾客(例如100万人量)的汇总后的数据集市(例如3000项目的数据集市)的处理。该采样处理是在制作模型处理的前阶段进行的处理。虽然在采样处理中用于解析试验模型而作为提取对象的顾客也可以随机提取，但是为了能在下述的验证处理中进行确切的验证，从具有对概率值的答案的顾客，也就是预定项目以上的实例值的详细数据已被存储的顾客之中，提取任意数量的顾客较为合适。

制作模型处理(S5)用来在对全部顾客部分的详细数据进行预测处理之前，对通过上述采样单元采样后的详细数据，利用解析用试验模型进行预测处理来计算概率值，验证其结果的概率值和从实际所收集并存储的详细数据得到的答案，也就是先验概率值，生成评分用的暂用模型。

制作模型处理针对被采样的顾客的数据，利用预测处理的解析用试验模型，针对要进行预测处理的各目标变量计算概率值。接下来，进行验证处理，该验证处理计算通过利用解析用试验模型的预测处理所得到的概率值和针对事先作为实例值所收集的各目标变量已经得到的先验概率值之间的差分。重复目标变量或说明变量的项目更换，或者变更对项目的离散化的方法等解析用试验模型校正处理，以便验证处理的结果为和先验概率值之间的差分小于等于任意的值，之后，确定和先验概率值之间的差分小于等于任意的值的状态的评分用试验模型。还有，该制作模型处理因为详细数据每次被收集并存储都将过期，所以要定期进行，每次都生成符合实际情况的预测处理的暂用模型。

评分处理用来将在上述制作模型处理中所生成的暂用模型，在全部顾客的数据集市中展开。因此，要针对全部顾客的数据集市的全部项目，计算概率值。

也就是说，在不进行评分的状态下如图31的实例表所示，有关顾客的数据是实际所收集的属性数据、详细数据。针对于此，若利用上述解析用模型进行了预测处理，则如同图32所示的被称为顾客DNA表的概率推论后的表那样，关于全部的项目获得概率值。再者，也能够根据需要，如图33所示，获得添加了以实例表的趋势为根据用阈值判定概率值等的处理后的映射估计值。

因为通过这样的处理来解析顾客数据，所以可以在短时间内正确地解析多位顾客的数据。还有，在顾客数量是绝对少数的情况下，也能够省略采样处理、制作模型处理及验证处理，对全部顾客部分的详细数据施以预测处理。

虽然如上也可以根据实例表的实例值进行详细数据分析、行为分析及理解分析，但是为了针对实例值的数据量少的顾客也提取精度更高的要件项目，制作行动，可以通过对顾客DNA分析后的概率值或者映射估计值进行详细数据分析，将顾客区段，对于顾客DNA分析后的概率值或者映射估计值，进行行为分析、理解分析，判定要件项目，来制作精度更高的行动。

这样，根据本发明的系统1，可以提供顾客数据的分析/验证系统，该系统具有用各种各样的方法分析从服务积分系统的加入者即顾客提供的数据，根据分析结果，对顾客计划促销、建议等的行动，对加盟企业计划数据的提供等行动，执行行动的提供，验证该行动有何种程度效果，进而改善行动这样的行动的计划、行动的执行、行动效果测量以及行动的改善的周期。

另外，本发明的系统1由于可以分析涉及多个加盟企业的顾客数据，因而顾客可以在多个企业的范围内加以利用，能够获取符合自己的生活状况或意愿的建议或促销，加盟企业可以在不由本公司保有顾客数据的状况下，针对作为目标适当的顾客发出建议、促销，并且能够获得在商品开发或商品引进中有用的数据。

产业上的可利用性

根据本发明的顾客数据分析/验证系统，可以确切地分析从顾客提供的数据，根据分析结果制作行动，加以执行。

Claims (5)

1.一种顾客数据分析/验证系统，其特征为，

具有属性数据和详细数据，所述属性数据是在与加盟企业的顾客的顾客ID建立了关联的状态下会员主数据库中存储的数据，所述详细数据由履历类数据和调研类数据组成，所述履历类数据包含每次顾客购入商品/服务在加盟企业的店铺终端在与顾客ID建立了关联的状态下被输入的向运用公司系统传递的品目、商品名、来店时间段、利用店铺构成的购买履历数据中的至少任一个，所述调研类数据包含由顾客在顾客终端在与顾客ID建立了关联的状态下被输入的向运用公司系统传递的调查项目的回答数据中的至少任一项，

具有：

存储单元，将运用公司系统通过店铺终端以及顾客终端接收的详细数据存储于分析数据库，

分类单元，在存储的详细数据，对特定的商品/用途的购买履历数据的存储次数进行阈值判断，将顾客按存储有购买履历数据为阈值次数以上的连续用户的顾客群和购买履历数据的存储为阈值次数以下的离开用户的顾客群进行分类；

验证单元，在对被分类成连续用户的顾客群及离开用户的顾客群的顾客ID建立了关联的履历类数据及/或调研类数据的项目中，判定并提取非共同性为阈值以上的项目，

行动执行单元，将对应于判定了非共同性为阈值以上的项目的促销显示、电子邮件广告、向注册画面的信息广告中的至少任一项组成的行动，通过至少对应于离开用户的顾客群所属的顾客ID的收据上打印促销显示的单元、向邮件地址发送电子邮件广告的单元、在注册画面显示一点式信息广告的单元来执行行动，

判定单元，在行动执行后，判定是否对行动执行目标的顾客ID存储了购买履历数据并对在行动执行后的顾客的购买行动的有无进行判定，

具有应用单元，该应用单元将履历类数据以及/或调研类数据的全部项目中店铺终端以及/或顾客终端传递来的实际值或者利用通过贝叶斯网络进行的概率推论而得到的概率值的至少任一项应用，

验证单元根据对被分类成连续用户的顾客群及离开用户的顾客群的顾客ID建立了关联的履历类数据及/或调研类数据的项目中的实际值或者概率值判定并提取非共同性为阈值以上的项目。

2.如权利要求1所述的顾客数据分析/验证系统，其特征为，

履历类数据包含商品的品种或商品名、来店时间段、利用店铺的履历数据中的至少任一项。

3.如权利要求1或2所述的顾客数据分析/验证系统，其特征为，

调研类数据包含与商品的特殊品质有关的认知度的有无、顾客特殊的意愿性高低中的至少任一项。

4.如权利要求1所述的顾客数据分析/验证系统，其特征为，

行动执行单元对于离开用户的顾客群或全部的顾客群执行行动。

5.如权利要求1所述的顾客数据分析/验证系统，其特征为，

具有将顾客再分类的顾客再分类单元，该顾客再分类单元在执行行动后判定属于行动执行的目标的顾客群且存储了购买履历数据的顾客群、属于行动执行的目标的顾客群且没有存储购买履历数据的顾客群，按行动执行的目标中购入了的顾客、行动执行的目标中没有购入的顾客进行分类。