CN112215388A - 请求信息群最优化方法 - Google Patents
请求信息群最优化方法 Download PDFInfo
- Publication number
- CN112215388A CN112215388A CN202010511878.7A CN202010511878A CN112215388A CN 112215388 A CN112215388 A CN 112215388A CN 202010511878 A CN202010511878 A CN 202010511878A CN 112215388 A CN112215388 A CN 112215388A
- Authority
- CN
- China
- Prior art keywords
- information
- information group
- customer
- product
- request information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 93
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000004458 analytical method Methods 0.000 claims abstract description 25
- 238000011156 evaluation Methods 0.000 claims description 31
- 238000012545 processing Methods 0.000 claims description 27
- 238000002360 preparation method Methods 0.000 claims 1
- 230000006399 behavior Effects 0.000 abstract description 10
- 230000008569 process Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 10
- 210000001747 pupil Anatomy 0.000 description 5
- 235000013361 beverage Nutrition 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 230000001364 causal effect Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0204—Market segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0639—Item locations
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种请求信息群最优化方法,使商品的销售方式和店铺的营业方式最优化,对于过去没有获取并积累/分析过的商品也可以普遍地进行顾客行为的推定。该请求信息群最优化方法进行请求信息群的最优化,输入外部信息,根据分析条件来分析上述外部信息,根据分析结果来推定顾客信息群,重新配置请求信息群直到推定出的顾客信息群满足最优化条件为止,由此进行请求信息群的最优化,将请求信息群中的商品ID与有记载义务的上述商品ID的现有信息建立关联,并使用现有信息来推定最优化所需要的信息。
Description
技术领域
本发明涉及一种使商品的销售方式和店铺的营业方式最优化的技术。
背景技术
近年来,通过积累分析店内顾客的移动路径和商品的购买行为等,以该结果为基础,预测顾客的喜好和动向,由此实施寻求提高服务质量的尝试。另外,实施无人店铺技术的实证实验,可以通过店内设置的传感器来获取充分的信息。
作为本技术领域的现有技术有专利文献1以及专利文献2。专利文献1中公开了一种推测店铺内或店铺间顾客的购买行为的方法,计算机系统执行以下步骤:(a)获取对象顾客在上述店铺内或上述店铺间已购买或要购买的商品的商品信息以及上述店铺的布局信息和上述店铺的货架分配信息的步骤、(b)读出(b-1)一个或多个顾客在上述店铺内或在上述店铺间移动的过去的路径信息或者被推定为移动的过去的路径信息以及(b-2)上述对象顾客在上述店铺内或在上述店铺间移动的过去的路径信息或者被推定为移动的过去的路径信息中至少一个路径信息的步骤、(c)按照在上述步骤(b)读出的路径信息得到的趋势,根据在上述步骤(a)获取的各信息,推定在上述店铺内或在上述店铺间的上述对象顾客的移动路线的步骤。
另外,在专利文献2中公开以下方案,通过设置在店铺内的多个无线标签读取器13定期地从与顾客一起移动的顾客用无线标签11以及安装在商品上的商品用无线标签12读取顾客ID以及商品ID,生成并收集由顾客ID、商品ID、读取器ID、时刻信息组成的标签信息,通过移动轨迹解析服务器15生成店铺内的各顾客以及各商品的移动路线数据,生成表示同一顾客同时购买的概率高的商品组合的商品间信息,在布局评价/提案服务器16中以商品间信息和商品的店铺内的配置为基础,评价店铺内的商品布局,来提出有效的商品布局。
专利文献
专利文献1:日本特开2016-4353号公报
专利文献2:日本特开2005-31963号公报
如果使用专利文献1以及2的现有技术,则获取商品陈列位置的管理和顾客的移动路径以及购买商品等,可以使用所积累/分析的信息推定店铺内店铺间的顾客的行为和评价/提案店铺内布局。
但是,现有技术所获取的商品信息是各自固有的信息,会有以下问题,即能够针对过去获取并进行累积/分析的商品信息的顾客行为进行推定,但是不能够针对过去没有获取的新商品进行推定。
发明内容
本发明如果鉴于上述背景技术以及课题举出其中一例,则是进行请求信息群的最优化的请求信息群最优化方法,输入外部信息,根据分析条件来分析上述外部信息,根据分析结果来推定顾客信息群,通过重新配置请求信息群直到推定出的顾客信息群满足最优化条件为止,从而进行请求信息群的最优化,将请求信息群中的商品ID与有记载义务的商品ID的现有信息建立关联,使用现有信息来推定最优化所需要的信息。
根据本发明,能够提供可以迅速对应短期化的商品生命周期的请求信息群最优化方法。
附图说明
图1是实施例1的商品陈列最优化系统的结构图。
图2是实施例1的时间戳信息赋予部和信息存储部的处理流程图。
图3A是表示实施例1的信息存储部中存储的外部信息群和内部信息群和商品信息以及顾客信息群的信息的图。
图3B是说明实施例1的商品要素信息以及针对信息存储部的商品ID的商品要素信息的关联处理的图。
图4是说明实施例1的商品陈列最优化部和顾客移动路线推定部以及顾客移动路线评价部的流程图。
图5是实施例2的商品ID最优化系统的结构图。
图6是实施例2的使商品ID最优化的处理流程图。
图7是实施例3的商品最优化系统的结构图。
图8是实施例3的使商品ID/陈列位置/形状/销售方式最优化的处理流程图。
附图标记的说明
101:商品陈列最优化系统、102:外部信息、103:分析条件、104:最优化条件、105:外部输出、111:时间戳信息赋予部、112:信息存储部、113:信息读入部、114:信息分析部、115:商品陈列最优化部、116:顾客移动路线推定部、117:顾客移动路线评价部、501:商品ID最优化系统、504:最优化条件、515:商品ID最优化部、517:按身高的顾客移动路线评价部、701:商品最优化系统、704:最优化条件、715:商品最优化部、716:顾客购买行为推定部、717:销售额计算部。
具体实施方式
以下,使用附图说明本发明的实施例。
[实施例1]
本实施例说明将要进行优化的请求信息群作为商品陈列位置的例子。另外,本实施例作为分析/存储所获取的店铺内外以及商品和顾客的信息并使店铺内的混杂度平滑化的系统来实施。
图1是本实施例中的商品陈列最优化系统的结构图。在图1中,商品陈列最优化系统101具有将时间戳信息赋予作为从外部输入的信息的外部信息102的时间戳信息赋予部111、存储信息的信息存储部112、读入从外部输入的分析条件103的信息读入部113、进行分析处理的信息分析部114、进行商品陈列的最优化处理的商品陈列最优化部115、进行顾客移动路线的推定处理的顾客移动路线推定部116、评价顾客移动路线的顾客移动路线评价部117。
另外,图1的商品陈列最优化系统101作为硬件图像,由一般信息处理装置即具有处理装置(CPU)、存储装置(存储器)和输入输出接口(I/F)的装置来实现。即,通过由CPU将存储在存储装置中的这些处理程序进行软件处理来执行除了商品陈列最优化系统101的信息存储部112以外的时间戳信息赋予部111、信息读入部113、信息分析部114、商品陈列最优化部115、顾客移动路线推定部116、顾客移动路线评价部117的处理。另外,信息存储部112对应于存储装置。另外,外部信息102、分析条件103、后述的最优化条件104、外部输出105通过输入输出I/F进行输入输出。
外部信息102是能够从传感器或信息终端等获取的对时间戳信息赋予部111的输入信息,是用于对针对天气、季节和有店铺的地区的店铺的外部信息(称为外部信息群)、针对人的成本和店铺内布局图(表示可配置商品的架子的位置等的图)的店铺的内部信息(称为内部信息群)、与商品ID(商品的种类)和陈列位置、形状和零售等销售方式等商品相关的信息(称为商品信息群)、与每个顾客的入店信息以及在店内的移动路径(移动路线)、身体信息、汇总的商品和离店信息相关的信息(称为顾客信息群)、以及商品陈列最优化系统101结束处理的结束代码。
这里,说明外部信息102的输入方法和输入时期的例子。外部信息群将店员定期观测到的天气等信息输入到商品陈列最优化系统101。内部信息群在店员变更店内的布局时输入到商品陈列最优化系统101。商品信息群在商品到货时通过条形码阅读器等信息终端读取来进行输入。顾客信息群通过设置在天花板上的摄像机或传感器以固定的时间间隔检测出的顾客的位置输入到商品陈列最优化系统101。结束代码是在店员结束商品陈列最优化系统101时输入的。
但是,外部信息102的输入方法和输入时期不限于此,例如也能够以通过传感器等定期获取的图像为基础来判别天气,输入到商品陈列最优化系统101。
时间戳信息赋予部111将输入外部信息102的时间和根据输入的时间而判别出的季节的信息作为时间戳信息,并将该时间戳信息赋予至外部信息102并输出到后述的信息存储部112。
信息存储部112接受并存储从时间戳信息赋予部111输入的信息。在存储时根据信息的种类改变存储方法。即,关于外部信息群,存储被赋予了时间戳信息的天气和季节的信息。关于内部信息群,存储被赋予时间戳信息的店铺内布局信息。关于顾客信息群,管理针对每个顾客从入店时间和入店时间到离店时间的移动路线和进行结算后的商品信息。因此,在定期输入的顾客信息中已经存在所存储的顾客信息的情况下,更新相应的顾客的移动路线信息。相反,在还不存在所存储的顾客信息的情况下,将时间戳信息作为入店时间,新追加移动路线信息和顾客信息。另外,在一旦出了店,再次入店的情况下,会追加新的信息。
另外,关于商品信息群,从时间戳信息赋予部111输入的商品信息已经被存储在信息存储部112中,在陈列位置也一致的情况下不存储,即使从时间戳信息赋予部111输入的商品信息已经被存储在信息存储部112中而陈列位置也不一致的情况下,作为新的信息保存。在从时间戳信息赋予部111输入的商品信息群中,在信息存储部112中没有存储商品信息的情况下,从后述的商品要素信息中新追加商品要素接近最类似的商品的陈列位置的场所作为陈列位置。另外,根据从后述的信息读取部113输入的将与指定期间对应的信息输出到信息存储部112中存储的信息的输出命令,使用与信息关联的时间戳信息,向信息读入部113输出信息。另外,在存储商品信息时,将后述的商品要素信息与商品ID关联起来。稍后将详细描述时间戳信息赋予部111和信息存储部112的动作。
分析条件103是系统使用者输入的对分析处理的约束条件,向后述的信息读入部113输出以下限制条件,即仅将与对信息存储部112中存储的信息进行了指定的期间对应的信息用于分析。
信息读入部113接受分析条件103的信息,向信息存储部112输出限制条件,从信息存储部112接受与以限制条件指定的期间对应的信息。另外,对后述的信息分析部114输出从信息存储部112接受的信息。
信息分析部114使用从信息读入部113输入的信息,分析顾客信息群相对于外部信息群和内部信息群以及商品信息群的时间系列的因果关系,计算所结算的商品和每个移动路线的相关信息,并输出到后述的商品陈列最优化部115。例如,伞的销售额在下雨天增加,这样根据天气和季节等外部信息群的不同,顾客希望购买的目的商品也不同。这样,顾客为了购买目的商品而在店内移动,所以移动路线是由外部信息群和商品信息群引起的。进一步,店铺方面也预先预测那样的需求来变更店铺内的布局,为了设计对雨天有效的商品以及商品的陈列位置,移动路线也起因于内部信息群。
因此,根据顾客信息群来计算由外部信息群以及内部信息群引起的结算后的商品和每个移动路线的相关性,由此能够分析由商品信息群引起的移动路线,并将该结果输出到商品陈列最优化部115。
最优化条件104是针对系统使用者输入的最优化处理的约束条件,最优化的信息是商品的陈列位置等处理条件、或评价顾客店铺内每单位时间在任意地点的通过频率[次/s]等最优化条件所必要的评价基准、如果店铺内布局中针对顾客能够通过的区域整体的通过频率的标准偏差低于固定值[次/s](整体一致时)则最优化完成的判断条件。将处理条件输出到后述的商品陈列最优化部115,将评价基准和判断条件输出到后述的顾客移动路线评价部117。
第一,商品陈列最优化部115根据从信息分析部114输入的由商品的陈列位置引起的移动路线结果,按照由最优化条件104输入的处理条件来变更商品的陈列位置,将变更后的商品的陈列位置输出到后述的顾客动路线推测部116。例如,在店内的通过频率高的位置,关于成为其原因的商品,输出作为通过频率低的位置附近的配置的商品陈列位置。在初次的最优化处理中,因为没有保持商品的陈列位置,所以随机生成并输出。第二,商品陈列最优化部115以从后述的顾客移动路线评价部117输入的评价结果为基础,按照从最优化条件104输入的处理条件来变更陈列位置,并将变更后的陈列位置输出到顾客移动路线推定部116。
顾客移动线推定部116根据从商品陈列最优化部115接受到的商品的陈列位置来推定顾客的移动路线,并将推定结果和陈列位置输出到后述的顾客移动路线评价部117。
顾客移动路线评价部117根据接受到的评价基准,对从顾客移动路线推定部116输入的外部信息来评价顾客店铺内的每单位时间的在任意地点的通过频率,如果满足从最优化条件104输入的判断条件,则将商品的陈列位置输出到外部输出105,如果不满足从最优化条件104输入的判断条件,则将评价结果输出到商品陈列最优化部115。
外部输出105接受来自顾客移动路线评价部117的被最优化的商品陈列位置。
图2是本实施例中的时间戳信息赋予部111和信息存储部112的处理流程图。在图2中,在步骤201开始处理。首先,观测外部信息102(步骤202),根据该类别进行独立的操作(步骤203)。如果存在空输入等异常输入时,则返回到步骤202之前(步骤214)。在步骤203中如果输入外部信息群,则通过时间戳信息赋予部111向外部信息群赋予时间戳信息(步骤204),并且外部信息群被追加到信息存储部112中的外部信息群的列表中(步骤205)。对于内部信息群和商品信息群以及顾客信息群也为同样的处理(步骤206-207和208-209以及210-211)。并且,确认是否输入了结束代码(步骤212),如果输入了结束代码,则结束处理(步骤213),如果没有输入,则返回到步骤202之前(步骤214)。
图3A表示本实施例中存储在信息存储部112中的外部信息群、内部信息群、商品信息群以及顾客信息群的信息。在图3A中,例如在从9点到18点营业的店铺中,存储了外部信息群301-306以及内部信息组311-312还有商品信息群321-324以及顾客信息群331-335的信息时的状况如下。每隔3个小时获取天气和季节(301-306),在3月29日上午9点店铺内的布局是311,商品分别是321和322的陈列位置,顾客是331和332这样的行为,在关门的时候下雨了(304),所以将第二天店铺内的布局变更为312,将商品分别设为323和324的陈列位置时,顾客的行为是333和334。另外,335是未结束结算的顾客信息。
图3B说明本实施例中的商品要素信息以及商品要素信息相对于信息存储部112中的商品ID的关联处理。在图3B中,商品要素信息是商品信息的内容中有记载义务的内容信息,即一般名称、价格、销售者、内容量等。这里一般名称是指根据规格规定的商品的总称名。例如,在以购买手表(一般名称)为目的的顾客中,希望特定品牌(销售者)的顾客的移动路线是由销售者引起的,或者希望价格便宜的商品的顾客的移动路线是由价格引起的,或者希望内容量大的商品的顾客的移动路线是由内容量引起的,在某个品牌(销售者)店以购买为目的的顾客中,如果对毛衣、围巾或钱包(一般名称)有需要就购买的顾客的活动路线是由一般名称引起的。因此,根据商品要素信息计算外部信息群以及内部信息群和每个商品的移动路线,由此能够分析由商品的陈列位置引起的移动路线。也就是说,作为商品信息使用商品要素信息而不是使用各自固有的信息,由此对于过去没有获取过的新商品也可以进行移动路线分析。
商品要素信息相对于商品ID的关联处理,例如如果通过条形码阅读器读取3个商品信息,则得到相对于3个商品ID的一般名称、价格、销售者以及内容量的信息,根据种类分别将这些商品要素信息如商品要素信息341-343那样与现有的商品ID关联起来。
另外,在本实施例中,对商品ID将一般名称、价格以及销售者、内容量的信息相对于商品ID关联起来,在信息存储部112中存储没有的商品时,将要素最类似的商品陈列位置作为商品信息进行追加,但不限于一般名称、价格、销售者以及内容量的信息,只要是有记载义务的现有信息的范围内就不特别限定。
接着,使用图4说明商品陈列最优化部115、顾客移动路线推定部116以及顾客移动路线评价部117的处理。在图4中,在步骤401,商品陈列最优化系统101开始使商品的陈列位置最优化的处理。并且,在步骤402中读入最优化条件104和从信息分析部114输出的分析结果。商品陈列最优化部115按照最优化条件104随机生成商品的陈列位置,并将商品的陈列位置输出到顾客移动路线推定部116(步骤403)。并且,顾客移动路线推定部116根据从商品陈列最优化部115接受到的商品的陈列位置来推定店铺内的顾客的移动路线,并将反映了推定结果的外部信息输出到顾客移动路线评价部117(步骤404)。例如,对商品的陈列位置推定几个顾客分别在店铺内怎样行走。顾客移动路线评价部117根据评价基准,根据从顾客移动路线推定部116接受到的移动路线的推定结果来评价顾客店铺内的每单位时间在任意地点的通过频率,并向商品陈列最优化部115输出评价结果(步骤405)。
并且,根据判断条件判断评价结果相对于店铺内布局中的顾客可通过的区域整体的通过频率的标准偏差是否低于固定值(步骤406)。在步骤406中,在判断为商品的陈列位置未被最优化的情况下,顾客移动路线评价部117向商品陈列最优化部115输出评价结果,商品陈列最优化部115根据评价结果,将按照最优化条件104重新配置了商品的陈列位置陈列位置输出到顾客移动路线推定部116(步骤407)。例如,再次调整通过频率的标准偏差大的区域附近的商品位置。在判断为商品的陈列位置被最优化了的情况下,向外部输出105输出被最优化后的商品的陈列位置(步骤408),并结束处理(步骤409)。
说明具体的例子。例如,在便利店入口附近放着伞的下雨天,认为顾客的活动路线中的只买伞而去收银台的比例会变高。这个时候的因果关系是,因为下雨(外部信息群),所以在店铺内的入口设置空间(内部信息群)并配置伞,从伞的陈列位置(商品信息群)到收银台的移动路线(顾客信息群)的比例较高。此时,一个或多个顾客的店铺内每单位时间的在任意地点的通过频率会产生偏差。因此,为了让顾客尽可能多地关注伞以外的商品,提出减少通过该频率的标准偏差的店铺内布局即可。但是,使设置在入口的空间返回原位,把伞放在远离入口的地方认为没有什么大的意义。也就是说,使用的信息在下雨天的限制条件下,进行雨和雨天的店铺内的布局以及伞位置的顾客活动路线的分析,将处理条件作为针对伞以外商品ID的商品陈列位置的最优化,根据分析结果推定并评价顾客活动路线来进行最优化即可。
说明其他的例子。一到冬季,服装店每年都会开始在店铺前摆放很多新的冬装,但是很多顾客会在开始眺望店铺前摆放的衣服接下来再进入店内。而且,也有很多店铺根据季节的不同而改变配置,为了不让顾客厌倦而下了很大功夫。这个时候的因果关系是,到了冬天(外部信息群)所以为了在店铺前配置新的冬装而改变布局图(内部信息群),进一步当在店铺前配置了冬装的时候,从新品的冬装的陈列位置(商品信息群)到店内和收银台的移动路线(顾客信息群)的比例较低。此时,在一个或多个顾客的店铺内每单位时间的任意地点的通过频率会产生偏差。因此,为了尽可能多地让顾客关注新品的冬装以外的商品,提出减少该通过频率的标准偏差的商品陈列。进一步,因为除了每年追加新作品,还有季节性的东西,所以考虑所陈列的服装的生命周期大概是3个月左右。也就是说,在一旦决定陈列并假设要修改陈列时,成本和损失就会变大。因此,使用的信息在冬季初期的限制条件下,进行冬季初期和店铺内的布局以及新装位置上的顾客活动路线的分析,将最优化条件下的处理条件作为对包含了新装在内的商品ID的商品陈列位置的最优化,并根据分析结果推定、评价顾客移动路线并进行最优化。此时,与新装相关的商品要素信息是品牌名、重量、价格和颜色等,因为具有与所有服装共同的信息,所以可以进行比较,能够立即进行最优化处理,能够抑制之前所述的成本和损失。
以上,根据本实施例,作为识别商品的识别符,处理有标记义务的现有信息的组合的系列表现,由此即使针对过去没有分析过的商品信息也能够普遍地推定顾客行为,能够迅速地应对短期化的商品生命周期。
另外,提高处理信息的复杂性,增加信息量,更加灵活地推定与顾客相关的信息,并且评价/提案的信息不仅限于店铺内的布局,还将包括考虑了从业人员的配置等的店铺的营业方式和商品的销售方式等成为顾客到店铺的主要原因的信息进行处理,进行店铺内布局的最优化以及店铺的营业方式和商品的销售方式等的最优化,由此可以促进布局决定的工时削减、顾客满意度提高以及至今为止没有出现过的问题等的发现。也就是说,可以使用复杂性高的信息灵活地推定店铺中顾客的移动路径,可以期待高精度地寻求不出现死区的最佳商品陈列,并且,还使用在某个区域的店铺中积累/分析的信息进行针对位于不同地区的店铺的推定处理。这在分析便利店和服装店等同业其他店铺间的销售要因的差异等时很有用。另外,还可以提出一种结合顾客以外的信息和店铺以外环境等影响进行分析和推定的方法。
[实施例2]
本实施例说明将要进行最优化的请求信息群作为商品ID的例子。
图5是本实施例中的商品ID最优化系统的结构图。图5中,与图1相同的功能标注相同的标记,并且省略其说明。在图5中,与图1的不同之处在于,相对于商品陈列最优化部115而具有使商品ID(商品的种类)最优化的商品ID最优化部515、对顾客移动路线评价部117评价按身高的的单位时间内在任意地点的通过频率的按身高的顾客移动路线评价部517、相对于最优化条件104的具体的最优化条件504。也就是说,最优化条件504是作为使商品ID最优化的处理条件、对在店铺内移动的顾客按身高的的每单位时间在任意地点的通过频率进行评价的评价基准、以及身高1.0-1.4米左右的顾客的数量和身高高于1.4m的顾客数量的比率如果达到50%左右则设为最优化完成的判断条件的最优化条件。
在销售面向小学生的商品的店铺中,孩子和父母来店,父母购买孩子喜欢的商品的情况比较多。但是,经营店铺的人是成年人,考虑针对不同年龄层的顾客的商品是不容易的。因此,在本实施例中,小学生为身高1.0-1.4米左右的顾客,父母为身高大于1.4m的身高,在店铺内移动的顾客中一半是父母,作为其父母全部带着孩子的商品ID的最优化,推定并评价顾客活动路线。
图6是使本实施例的商品ID最优化的处理流程图。图6中,步骤601-602与实施例1的图4相同,在步骤603随机生成商品ID,并对商品ID推定几个顾客分别在店铺内怎样行走(步骤604)。并且,在步骤605,评价每个顾客身高的每单位时间在任意地点的过度频率,并将评价结果输入到商品ID最优化部515。根据判断基准,计算小学生和父母的比率(步骤606),在判断为没有被最优化时重新配置商品ID(步骤607),在判断为被最优化时将商品ID输出到外部(步骤608)并结束处理(步骤609)。将商品ID重新配置时,例如小学生和父母的比率为小学生数量:父母数量=30%:70%时,变更针对父母的每单位时间在任意地点的通过频率偏差较多的区域的商品ID。
以上,根据本实施例,能够得到带孩子的顾客变多的商品是怎样的商品这样的结果。该处理通过用商品要素信息表现商品ID而成为可能。
[实施例3]
本实施例说明将要最优化的请求信息群作为商品的ID、陈列位置、形状、销售方式的例子。
图7是本实施例中的商品最优化系统的结构图。在图7中,与图1相同的功能的标注相同的标记,并且省略其说明。在图7中,与图1的不同之处在于,具有:相对于商品陈列最优化部115的使商品的ID、陈列位置、形状、销售方式最优化的商品最优化部715;相对于顾客移动路线推定部116的推定顾客的商品购买行为的顾客购买行为推定部716;销售计算部717,其根据推定出的顾客的商品购买行为来计算销售额;以及相对于最优化条件104的最优化条件704。也就是说,最优化条件704是使商品的ID、陈列位置、形状、销售方式最优化的处理条件以及评价每个商品的销售额的评价基准,或在销售额超过上月平均的120%时作为最优化完成的判断条件。
自动贩卖机内陈列的饮料根据设置场所的不同而不同,自动贩卖机持有者根据地域和季节进行商品调整。使用自动贩卖机的顾客有要求咖啡、水等特定饮料的顾客和没有特别规定饮料种类的顾客类型。但是,持有人并不是对上述两种类型的顾客中的某一种特别感兴趣,而是对单纯的销售额感兴趣。因此,将外部信息群作为季节及地区,将内部信息群作为自动贩卖机周围5m以内的圆形区域(自动贩卖机周边的布局),将商品信息群作为热或冷(贩卖方式)的罐或塑料瓶(形状)的陈列位置,将顾客信息群作为结算后的商品,将限制条件定为上个月。
图8是使本实施例中的商品ID、陈列位置、形状、销售方式最优化的处理流程图。在图8中,步骤801-802与实施例1的图4相同,在步骤803中,随机生成商品ID、陈列位置、形状、销售方式,推定顾客对于商品ID、陈列位置、形状、销售方式分别购买哪个商品(步骤804)。在步骤805,计算每个商品的销售额,并将计算结果输入到商品最优化部715。根据判断基准,判断一个月的销售额(步骤806),在判断为未被最优化的情况下,重新配置商品ID、陈列位置、形状、销售方式(步骤807),在判断为被最优化的情况下,将商品ID、陈列位置、形状、销售方式向外部输出(步骤808)并结束处理(步骤809)。在重新配置商品ID、陈列位置、形状、销售方式时,例如,变更销售额少的商品ID、陈列位置、形状、销售方式。
以上,根据本实施例,能够配置相对于上个月销售额为120%的饮料。
以上对实施例进行了说明,但本发明不限于上述实施例,包含各种变形例。例如,上述实施例是为了易于理解地说明本发明而详细说明的,不一定限定于具备所说明的全部结构的实施例。另外,可以将某个实施例的结构的一部分置换为其他实施例的结构,另外也可以在某个实施例的结构中加入其他实施例的结构。另外,对于各实施例的结构的一部分,可以追加、删除、置换其他结构。
Claims (6)
1.一种请求信息群最优化方法,该请求信息群最优化方法进行请求信息群的最优化,
其特征在于,
上述请求信息群最优化方法进行以下步骤:
输入外部信息;
根据分析条件来分析上述外部信息;
根据分析结果来推定顾客信息群;
重新配置上述请求信息群直到推定出的顾客信息群满足最优化条件为止,由此进行上述请求信息群的最优化;以及
将上述请求信息群中的商品ID与有记载义务的上述商品ID的现有信息建立关联,使用上述现有信息来推定最优化所需要的信息。
2.根据权利要求1所述的请求信息群最优化方法,其特征在于,
上述外部信息具有:
外部信息群,其具有相对于店铺的外部信息;
内部信息群,其具有相对于店铺的内部信息;
商品信息群,其具有商品相关的信息;以及
顾客信息群,其具有顾客相关的信息。
3.根据权利要求2所述的请求信息群最优化方法,其特征在于,
上述请求信息群最优化方法包括以下步骤:
初始状态生成步骤,在该初始状态生成步骤中,自动地随机初始配置上述外部信息中要进行最优化的上述请求信息群;
顾客信息推定步骤,在该顾客信息推定步骤中,根据分析反映了上述初始状态生成步骤的初始配置的反映后的外部信息而得到的特征信息群,推定相对于上述反映后的外部信息的顾客信息群;
顾客信息群评价步骤,在该顾客信息群评价步骤中,对反映了由上述顾客信息推定步骤推定出的顾客信息群的推定后顾客信息群进行评价;以及
最优化步骤,在该最优化步骤中,根据由上述顾客信息群评价步骤进行评价的评价结果,判定上述反映后的外部信息中的请求信息是否是被最优化后的请求信息,如果是被最优化后的请求信息,则将上述请求信息群输出到外部并结束处理,如果不是被最优化后的请求信息,则根据上述评价结果来重新配置上述请求信息群并进行上述顾客信息推定步骤。
4.根据权利要求3所述的请求信息群最优化方法,其特征在于,
上述请求信息群是商品陈列位置,
上述顾客信息群是顾客的移动路线。
5.根据权利要求3所述的请求信息群最优化方法,其特征在于,
上述请求信息群是商品ID,
上述顾客信息群是顾客的移动路线。
6.根据权利要求3所述的请求信息群最优化方法,其特征在于,
上述请求信息群是商品的ID、陈列位置、形状以及销售方式,
上述顾客信息群是顾客的购买行为。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019-130389 | 2019-07-12 | ||
JP2019130389A JP7383411B2 (ja) | 2019-07-12 | 2019-07-12 | 要求情報群最適化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112215388A true CN112215388A (zh) | 2021-01-12 |
Family
ID=74058687
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010511878.7A Pending CN112215388A (zh) | 2019-07-12 | 2020-06-08 | 请求信息群最优化方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20210012361A1 (zh) |
JP (1) | JP7383411B2 (zh) |
CN (1) | CN112215388A (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2024062782A (ja) | 2022-10-25 | 2024-05-10 | 富士通株式会社 | 商品購入支援プログラム、情報処理装置及び商品購入支援方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005031963A (ja) * | 2003-07-11 | 2005-02-03 | Nippon Telegr & Teleph Corp <Ntt> | レイアウト評価・提案システム、その方法、そのプログラム及び該プログラムを記録した媒体 |
CN108665338A (zh) * | 2017-03-27 | 2018-10-16 | 埃奴坎投株式会社 | 附带nfc标签销售促进辅助物以及销售促进系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6488214A (en) * | 1987-09-30 | 1989-04-03 | Otokogumi Kk | Shop system |
JP4442010B2 (ja) * | 2000-09-21 | 2010-03-31 | 富士電機リテイルシステムズ株式会社 | 自動販売機におけるコラムチェンジ方法 |
JP2009205365A (ja) * | 2008-02-27 | 2009-09-10 | Nec Corp | 商品の在庫管理および販売の最適化システム、その最適化方法、及びその最適化プログラム |
-
2019
- 2019-07-12 JP JP2019130389A patent/JP7383411B2/ja active Active
-
2020
- 2020-04-27 US US16/858,789 patent/US20210012361A1/en not_active Abandoned
- 2020-06-08 CN CN202010511878.7A patent/CN112215388A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005031963A (ja) * | 2003-07-11 | 2005-02-03 | Nippon Telegr & Teleph Corp <Ntt> | レイアウト評価・提案システム、その方法、そのプログラム及び該プログラムを記録した媒体 |
CN108665338A (zh) * | 2017-03-27 | 2018-10-16 | 埃奴坎投株式会社 | 附带nfc标签销售促进辅助物以及销售促进系统 |
Also Published As
Publication number | Publication date |
---|---|
JP2021015508A (ja) | 2021-02-12 |
US20210012361A1 (en) | 2021-01-14 |
JP7383411B2 (ja) | 2023-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10176494B2 (en) | System for individualized customer interaction | |
Chintagunta et al. | Balancing profitability and customer welfare in a supermarket chain | |
JP5216192B2 (ja) | 情報端末装置、情報端末装置の制御方法、情報端末プログラムおよび情報出力システム | |
US8650079B2 (en) | Promotion planning system | |
US20050049914A1 (en) | Systems and methods for a retail system | |
JP5337174B2 (ja) | 需要予測装置、及びそのプログラム | |
WO2015088912A2 (en) | System and method of predicting a location of a consumer within a retail establishment | |
Narayan et al. | Early adoption of modern grocery retail in an emerging market: Evidence from India | |
JP5088910B1 (ja) | 販売データ管理サーバ、販売データ管理システム、販売データ管理プログラム及び販売データの管理方法 | |
JP2006185293A (ja) | 顧客情報収集システム | |
Baron et al. | The challenges of scanner data | |
WO2019182068A1 (ja) | 情報処理装置、情報処理方法及び記録媒体 | |
JP2020060917A (ja) | 商品販売管理制御装置、商品販売管理制御プログラム | |
CN112215388A (zh) | 请求信息群最优化方法 | |
CN108062666A (zh) | 智能收银系统和方法 | |
JP5799829B2 (ja) | プログラム、方法、および情報処理装置 | |
US20220343322A1 (en) | Point of sale server, point of sale system, and method performed by point of sale server | |
JP3966378B2 (ja) | ポイント管理及び顧客管理用のコンピュータシステム、ポイント管理及び顧客管理方法、ポイント管理及び顧客管理方法用プログラム、及びポイント管理及び顧客管理方法用プログラムを記憶した記憶媒体 | |
JP6224310B2 (ja) | 販売価格表示装置および販売価格表示方法 | |
JP3377771B2 (ja) | 顧客分析システム及び顧客分析方法及び顧客分析プログラムを記録した記録媒体 | |
KR102446133B1 (ko) | 매장 방문고객의 음성정보와 구매이력을 연계하여 상품을 추천하는 인공지능 상품추천 시스템 | |
JPWO2004008355A1 (ja) | 商品の購入動向解析システム | |
JP2001297229A (ja) | 端末機初期画面自動更新システムおよび端末機初期画面自動更新方法 | |
Mazurowski et al. | Use of Data Science for Promotion Optimization in Convenience Chain | |
KR20220073325A (ko) | 매장 방문고객의 음성정보를 식별하고, 식별된 방문고객의 음성정보에 연계된 구매이력정보를 제공하는 인공지능 고객정보 제공시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |