CN113632127A - 商品需求预测装置、商品需求预测系统、商品需求预测方法和记录介质 - Google Patents

Abstract

本发明准确地预测商店的商品需求。商店服务器(520B)(商品需求预测装置)被设置有：获取单元(526)，其获取与在对商品的需求被预测的时间带的至少一部分中被预期在定位有商店的区域中存在的人员有关的信息；以及预测单元(527)，其基于与人员有关的信息以及所述人员的商品购买倾向来预测在时间带中在商店的商品需求。

Description

商品需求预测装置、商品需求预测系统、商品需求预测方法和 记录介质

技术领域

本公开涉及一种商品需求预测装置、商品需求预测系统、商品需求预测方法和记录介质。

背景技术

为了提高零售店(便利店、超市等)的销售额，预测商店中的商品需求是重要的。

在例如专利文献1、2和3中公开用于预测商店中的商品需求的技术。在专利文献1中描述的技术中，针对交易区中长期顾客和流动顾客的每个市场计算销售商品数量，并且预测商店中的销售额。在专利文献2中描述的技术中，基于事件的日程以及事件与商品销售业绩的增加或减少之间的相关性来调整商品的库存量。在专利文献3中描述的技术中，基于影响商店的销售额的影响信息(关于要举办的活动的信息等)来调整库存计划。

作为相关技术，专利文献4公开一种用于基于行为日程推荐商品或服务的技术。

[引用文件列表]

[专利文献]

[专利文献1]JP 2002-324160 A

[专利文献2]JP 2011-145960 A

[专利文献3]JP 2002-288496 A

[专利文献4]JP 2002-259800 A

发明内容

[技术问题]

在上述专利文献中，因为未能考虑与在预测目标时间在交易区存在的人员有关的信息以及这些人员的需求的信息，因此存在无法准确地预测商品需求的可能性。

本公开的目标是提供一种能够解决上述问题并且准确地预测商店中的商品需求的商品需求预测装置、商品需求预测系统、商品需求预测方法和记录介质。

[问题的解决方案]

在本公开的方面中，商品需求预测设备包括：获取装置，其用于获取与在对商品的需求进行预测的时间带的至少一部分中被预期在安置有商店的区域中存在的人员有关的信息；以及预测装置，其用于基于与人员有关的信息以及人员对商品的购买倾向来预测在时间带中对商店中的商品的需求。

在本公开的方面中，第一商品需求预测系统包括：商品需求预测设备，其包括获取装置，该获取装置用于获取与在对商品的需求进行预测的时间带的至少一部分中被预期在安置有商店的区域中存在的人员有关的信息；以及预测装置，其用于基于与人员有关的信息以及人员对商品的购买倾向来预测在时间带中对商店中的商品的需求；以及检测信息管理设备，其存储区域中的人员的检测信息，其中，获取装置通过使用区域中的人员的检测信息来获取与人员有关的信息，检测信息是从检测信息管理设备中获取的。

在本公开的方面中，第二商品需求预测系统包括：商品需求预测设备，其包括获取装置，该获取装置用于获取与在对商品的需求被预测的时间带的至少一部分中被预期在安置有商店的区域中存在的人员有关的信息，以及预测装置，其用于基于与人员有关的信息以及人员对商品的购买倾向来预测在所述时间带中对商店中的商品的需求；以及日程信息管理设备，其存储与区域相关的人员的日程信息，其中，获取装置通过使用与区域相关的人员的日程信息来获取与人员有关的信息，该日程信息是从日程信息管理设备中获取的。

在本公开的方面中，商品需求预测方法包括：获取与在对商品的需求被预测的时间带的至少一部分中被预期在安置有商店的区域中存在的人员有关的信息；以及基于与人员有关的信息以及人员对商品的购买倾向来预测在时间带中对商店中的商品的需求。

在本公开的方面中，计算机可读记录介质存储程序，该程序使计算机执行以下处理，所述处理包括：获取与在对商品的需求被预测的时间带的至少一部分中被预期在安置有商店的区域中存在的人员有关的信息；以及基于与人员有关的信息以及人员对商品的购买倾向来预测在时间带中对商店中的商品的需求。

[本发明的有益效果]

本公开的效果是准确地预测商店中的商品需求。

附图说明

图1是图示第一示例实施例中的商品需求预测系统10的总体配置的框图。

图2是图示第一示例实施例中的检测信息的示例的示意图。

图3是图示第一示例实施例中的检测信息的另一示例的示意图。

图4是图示第一示例实施例中的日程信息的示例的示意图。

图5是图示第一示例实施例中的POS设备510的配置的细节的框图。

图6是图示第一示例实施例中的购买数据的示例的示意图。

图7是图示第一示例实施例中的商店服务器520A的配置的细节的框图。

图8是图示第一示例实施例中的商店服务器520B的配置的细节的框图。

图9是图示第一示例实施例中的购买历史的示例的示意图。

图10是图示第一示例实施例中的购买倾向信息的示例的示意图。

图11是图示第一示例实施例中的购买倾向信息的另一示例的示意图。

图12是图示第一示例实施例中的预期停留信息的示例的示意图。

图13是图示第一示例实施例中的预期停留信息的另一示例的示意图。

图14是图示第一示例实施例中的购买倾向生成处理的流程图。

图15是图示第一示例实施例中的商品需求预测处理的流程图。

图16是图示第一示例实施例中的商品需求预测结果的示例的示意图。

图17是图示第一示例实施例中的预测结果画面的示例的示意图。

图18是图示第一示例实施例的第四修改示例中的购买倾向信息的示例的示意图。

图19是图示第二示例实施例中的商店服务器520B和总部服务器610的配置的细节的框图。

图20是图示第二示例实施例中的商品需求预测处理的流程图。

图21是图示第二示例实施例中的预测结果画面的实例的示意图。

图22是图示第三示例实施例中的商店服务器520B和总部服务器610的配置的细节的框图。

图23是图示第四示例实施例中的商店服务器520B和总部服务器610的配置的细节的框图。

图24是图示第五示例实施例中的商店服务器520A和520B的配置的细节的框图。

图25是图示第六示例实施例中的商店服务器520B和总部服务器610的配置的细节的框图。

图26是图示示例实施例中的计算机900的硬件配置的示例的框图。

图27是图示第七示例实施例中的商店服务器520B的配置的框图。

具体实施方式

将参考附图详细地描述示例实施例。在附图和说明书中描述的示例实施例中，相同的附图标记被赋予相似的组件并且将适当地省略其描述。

(第一示例实施例)

将描述第一示例实施例。

首先，将描述第一示例实施例中的商品需求预测系统10的配置。图1是图示第一示例实施例中的商品需求预测系统10的总体配置的框图。商品需求预测系统10是预测商店中的商品需求的系统。预测目标商店向在特定区域中存在的人员出售商品。该区域指示与其它地方相区别的地方的范围，例如，其包括诸如建筑物中的楼层的建筑物中的区域、诸如房屋的建筑物、诸如相邻或接近的房屋的建筑物组，以及包括这种建筑物或建筑物组的场地。

这里，利用其中上述区域是公司的办公楼并且商店向办公楼内的公司员工销售商品的示例描述示例实施例。另外，员工的员工ID用作用于识别出现在所述区域中的人员的标识符(下文还称为标识符(ID))。

参考图1，第一示例实施例中的商品需求预测系统10包括管理系统100、商店系统500A和500B(下文中，也被统称为商店系统500)，以及总部系统600。

管理系统100被安置在管理中心1中。管理中心1是管理办公楼2的各种设施、公司员工等的管理部门。

商店系统500A和500B分别被安置在商店5A和5B(下文中，也被统称为商店5)中。商店5A和5B是诸如连锁便利店或超市的商店。

在商店5A和5B之中，例如，商店5A被安置在办公楼2外部且接近办公楼2，并且商店5B被安置在办公楼2中。商店5A是商店5B的母商店并且管理商店5B。商店5B是商店5A的子商店。

此外，商店5A例如是上述连锁店中的普通商店，并且商店5B是省工商店或无人工商店。省工商店和无人工商店中的每一个是小店铺，其中，出于提高工作效率以及将业务扩展到小交易区的目的，通过使用计算机系统来减少店员的工作，店员的工作涉及要购买商品的登记和结账、客户服务支持、商店内监控、库存管理、设施管理等，使得驻店店员的数量与普通商店相比减少或减少至零。从商店5A或商店5B向总部6订购要在商店5B中销售的商品，并且基于来自总部6的配送指令从配送中心7与商店5A的商品一起配送到商店5A。商店5B的商品例如由商店5A的店员等从商店5A进一步被配送到商店5B，并且被堆叠(陈列)在商店5B的陈列搁板等上。

注意，商店5A和5B都可以是普通商店，或商店5A和5B都可以是省工商店或无人工商店。另外，要在商店5B中销售的商品也可以从配送中心7直接被配送到商店5A。

商店系统500A包括销售点(POS)设备510、商店服务器520A以及商店终端580A。

商店系统500B包括POS设备510、商店服务器520B以及商店终端580B。下文中，商店服务器520A和520B也被统称为商店服务器520，并且商店终端580A和580B也被统称为商店终端580。

在每个商店系统500中，POS设备510、商店服务器520和商店终端580例如通过商店内网络被连接。

在办公楼2中，进一步安置了门3和办公室4。门3是办公楼2的门口。办公室4是公司员工进行工作的地方。

总部系统600被安置在上述连锁店的总部6中。总部6是管理连锁店中的商店5的部门。

管理系统100、商店系统500和总部系统600通过通信网络700被连接。

安置在门3中的读卡器/写卡器310、条形码阅读器320和相机330通过公司中的通信网络800被连接到管理系统100。读卡器/写卡器310是从磁卡或非接触式集成电路(IC)卡读取信息以及将信息写入磁卡或非接触式集成电路(IC)卡的设备。条形码阅读器320是读取条形码的装置。相机330是获取员工等的图像的成像设备。

另外，安置在办公室4中的员工终端400a、400b等(下文中，也被统称为员工终端400)可以通过通信网络800被连接到管理系统100。员工终端400是每个员工在工作中使用的终端设备。

管理系统100包括检测信息管理设备110以及日程信息管理设备120。

检测信息管理设备110存储办公楼2(区域)中的员工(人员)的检测信息。检测信息是指示在办公楼2中检测到(在办公楼2中存在)的员工的信息。

检测信息是例如指示办公楼2(区域)中的员工(人员)的进入/离开状态的信息。图2是图示第一示例实施例中的检测信息的示例的示意图。在这种情况下，如图2中所图示，在检测信息中彼此相关联地设置员工ID、进入时间和离开时间。进入时间指示由员工ID指示的员工进入办公楼2的时间。离开时间指示员工从办公楼2离开的时间。当检测到员工的进入时设置进入时间。当检测到员工进入时初始化离开时间并且当检测到离开时设置离开时间。

检测信息管理设备110使用读卡器/写卡器310、条形码阅读器320和相机330来获取通过门3进入办公楼2或从办公楼2离开的员工的员工ID。例如，检测信息管理设备110从读卡器/写卡器310获取员工ID，所述员工ID从员工拥有的磁卡或非接触式IC卡格式的员工ID卡中读取。另外，检测信息管理设备110可以从条形码阅读器320或相机330获取指示从员工ID卡读取的员工ID的条形码或二维条形码的信息。另外，检测信息管理设备110可以从相机330获取员工的面部图像并且通过面部图像认证来指定员工ID。类似地，检测信息管理设备110可以使用安置在门3中的另一传感器通过除了面部图像认证之外的另一生物特征认证方式，诸如虹膜认证、指纹认证，或静脉认证来指定员工ID。

注意，只要能够检测到出现在办公楼2中的员工，读卡器/写卡器310、条形码阅读器320、相机330以及另一传感器就可以被安置在除了门3之外的任何地方，例如，办公楼2中的通道或每个办公室4的门口。

此外，检测信息可以是指示办公楼2(区域)中的员工的员工终端400(人员的终端设备)的操作状态的信息。图3是图示第一示例实施例中的检测信息的另一示例的示意图。在这种情况下，如图3中所图示，在检测信息中彼此相关联地设置员工ID、操作开始时间和操作结束时间。操作开始时间指示由员工开始由员工ID指示的员工的员工终端400的操作的时间。操作结束时间指示由员工结束员工终端400的操作的时间。当检测到员工终端400的操作开始时设置操作开始时间。当检测到员工终端400的操作开始时初始化操作结束时间并且当检测到操作结束时设置操作结束时间。

操作开始时间和操作结束时间分别是例如员工激活员工终端400的时间以及员工停止员工终端400的时间。操作开始时间和操作结束时间可以分别是员工登录员工终端400的时间以及员工注销员工终端400的时间，或者可以分别是员工登录经由员工终端400连接到通信网络800的服务器设备(未图示)以用于工作的时间，以及员工注销服务器设备的时间。

日程信息管理设备120存储与办公楼2(区域)相关的员工(人员)的日程信息。日程信息是指示在办公楼2中工作的员工的日程的信息。图4是图示第一示例实施例中的日程信息的示例的示意图。如图4中所图示，在日程信息中彼此相关联地设置员工ID、每天的预定进入时间和每天的预定离开时间。员工ID指示在办公楼2中工作的员工的员工ID。预定的进入时间指示员工进入办公楼2的预定时间。预定的进入时间可以是员工到达办公楼2的预定时间，或可以是员工外出返回到办公楼2的时间。预定的离开时间指示员工从办公楼2离开的预定时间。预定的离开时间可以是员工离开办公楼2的预定的时间，或可以是员工离开办公楼2外出的时间。例如，日程信息中的每个员工的日程由每个员工经由员工终端400等登记。

注意，日程信息可以包括在除了办公楼2之外的地方工作的员工的日程。在这种情况下，在日程信息中，例如，员工开始访问办公楼2的预定时间被设置为预定的进入时间，并且员工结束访问办公楼2的预定的时间被设置为预定的离开时间。

图5是图示第一示例实施例中的POS设备510的配置的细节的框图。如图5中所图示，读卡器/写卡器540、条形码阅读器550、相机560和标签读取器/写入器570可以被连接到POS设备510。读卡器/写卡器540、条形码阅读器550、相机560和标签读取器/写入器570被安置在例如POS设备510附近。读卡器/写卡器540是从磁卡或非接触式IC卡读取信息以及将信息写入到磁卡或非接触式IC卡的设备。条形码阅读器550是读取条形码的装置。相机560是获取商品、员工等的图像的成像设备。标签读取器/写入器570是从射频标识符(RFID)标签读取信息以及将信息写入到射频标识符(RFID)标签的设备。

参考图5，POS设备510包括客户指定单元511、登记单元512、结账单元513以及购买数据生成单元514。

客户指定单元511指定作为购买商店5中的商品的顾客的员工(人员)的员工ID(人员ID)。类似于上述检测信息管理设备110，客户指定单元511使用读卡器/写卡器540、条形码阅读器550或相机560来通过员工ID卡或面部认证获取(指定)员工的员工ID。

客户指定单元511将获取员工ID输出到购买数据生成单元514。

登记单元512登记作为商店5中的顾客的员工要购买的商品。登记单元512使用条形码阅读器550、相机560或标签读取器/写入器570来获取员工要购买的商品的商品ID。商品ID是用于识别商品的标识符。例如，，商品名称或商品代码被使用作为商品ID。例如，登记单元512可以从条形码阅读器550或相机560获取指示从商品读取的商品ID的条形码或二维条形码的信息。此外，登记单元512可以从相机560获取商品的图像并且通过图像识别指定商品ID。另外，登记单元512可以从标签读取器/写入器570获取从商品的RFID标签读取的商品ID。

登记单元512将员工要购买的商品的获取商品ID输出到结账单元513。

结账单元513对作为客户的员工要购买的商品(具有通过登记单元512获取的商品ID的商品)进行结账(进行支付)。结账单元513使用读卡器/写卡器540、条形码阅读器550，或相机560来获取结账(支付)所需的信息并且进行结账(进行支付)。例如，结账单元513从读卡器/写卡器540获取从员工所出示的磁性形式或非接触式IC卡形式的信用卡或电子货币卡读取的支付所需的信息。另外，结账单元513从条形码阅读器550或相机560获取从在员工的终端上操作的支付应用程序读取的用于支付的条形码或二维条形码的信息。另外，结账单元513可以从相机560获取员工的面部图像，通过面部图像认证指定员工ID，并且获取与员工ID相关联的预先注册的信用卡、电子货币、银行账户等的信息。类似地，结账单元513可以使用另一传感器通过除了面部图像认证之外的另一生物特征认证方式来指定员工ID，诸如虹膜认证、指纹认证，或静脉认证。另外，结账单元513可以通过店员兑换现金或使用连接到POS设备510的自动找零机(未图示)兑换现金来结账。

注意，商品的登记和结账可以通过例如商品5的店员的操作执行，或可以通过作为顾客的员工的操作执行。另外，商品的登记可以通过商品5的店员的操作执行，并且结账可以通过作为顾客的员工的操作执行。

当完成结账时，结账单元513将对其结帐完成的商品(由员工购买的商品)的商品ID和结帐被完成的时间(购买时间)输出到购买数据生成单元514。

购买数据生成单元514通过使用从登记单元512输入的员工ID以及从结账单元513输入的商品ID和购买时间来生成购买数据，并且将购买数据发送到自己商店的商店服务器520。图6是图示第一示例实施例中的购买数据的示例的示意图。如图6中所图示，在购买数据中彼此相关联地设置购买时间、员工ID和商品ID。购买时间指示已经被购买商品的时间。员工ID指示已经购买商品的员工的员工ID。商品ID指示购买的商品的商品ID。

图7是图示第一示例实施例中的商店服务器520A的配置的细节的框图。参考图7，商店服务器520A包括购买历史存储单元521以及购买历史更新单元522。

图8是图示第一示例实施例中的商店服务器520B的配置的细节的框图。参考图8，除了与商店系统500A类似的购买历史存储单元521和购买历史更新单元522之外，商店服务器520B还包括购买倾向存储单元523、购买倾向生成单元524、获取单元526以及预测单元527。

购买历史存储单元521存储购买历史。购买历史指示员工对自己商店5中的商品的购买历史。

图9是图示第一示例实施例中的购买历史的示例的示意图。如图9中所图示，在购买历史中，按照购买时间的顺序设置从自己商店5的POS设备510接收的购买数据。

购买历史更新单元522用从自己商店5的POS设备510接收的购买数据更新购买历史存储单元521中的购买历史。

购买倾向存储单元523存储指示员工(人员)对商品的购买倾向的购买倾向信息。购买倾向指示商品的购买可能性。

购买倾向生成单元524基于购买历史存储单元521中的购买历史生成购买倾向信息，并且将购买倾向信息存储在购买倾向存储单元523中。例如，通过以下购买比率指示购买倾向。

图10是图示第一示例实施例中的购买倾向信息的示例的示意图。在图10的示例中，在购买倾向信息中彼此相关联地设置时间带、商品ID、员工ID和购买比率。例如，时间带指示通过预定方法(例如，每几个小时)划分一天获得的每个时间区间。注意，时间带可以是通过预定方法(例如，每个季节、每个月等)划分一年获得的每一段、通过预定方法(每一天等)划分一个月获得的每一段、或通过预定方法(一周中的每一天等)划分一周获得的每一段。这里，购买比率指示，对于每个时间带，在该时间带中员工已经购买由商品ID指示的商品的次数与通过对在时间带的至少一部分中由员工ID指示的员工在办公楼2中存在的情况进行计数作为一次而获得的次数的比率。购买倾向生成单元524基于预定时间区间(例如，最近一年、一个月，或一周)内的购买历史计算时间带、商品和员工的每个组合的购买比率。

图11是图示第一示例实施例中的购买倾向信息的另一示例的示意图。在图11的示例中，在购买倾向信息中彼此相关联地设置时间带、商品ID和购买比率。这里，购买比率指示，对于每个时间带，已经购买由商品ID指示的商品的员工的数量与在该时间带中在办公楼2中存在的员工的数量的比率。购买倾向生成单元524基于预定时间区间内的购买历史计算时间带和商品的每个组合的购买比率。

获取单元526获取预期停留信息。预期停留信息是与在预测商品需求的时间带的至少一部分(下文中，也被称为目标时间带)中被预期在办公楼2(区域)中存在的职员(人员)有关的信息。

例如，获取单元526从检测信息管理设备110获取上述检测信息，并且从检测信息生成(获取)预期停留信息。此外，获取单元526可以从日程信息管理设备120获取上述日程信息，并且从日程信息生成(获取)预期停留信息。

图12是图示第一示例实施例中的预期停留信息的示例的示意图。预期停留信息中与员工(人员)有关的信息指示，例如，预期在办公楼2中存在的员工的员工ID(人员的标识符)。在这种情况下，如图12中所图示，在预期停留信息中彼此相关联地设置目标时间带和员工ID。员工ID指示预期在目标时间带的至少一部分中在办公楼2中存在的员工的员工ID。

获取单元526例如在目标时间带中或之前执行商品需求的预测时(下文中，还被称为执行时间)获取如图2中所图示的检测信息并且提取其进入时间被设置但其离开时间没有被设置的员工的员工ID。另外，获取单元526可以获取如图3中所图示的检测信息，并且提取其操作开始时间被设置但其操作结束时间没有被设置的员工的员工ID。获取单元526将提取的员工ID设置为预期在办公楼2中存在的员工的员工ID。例如，在外出较少的公司中，截止打卡上班时间已经进入办公楼2的员工预期一直停留在办公楼2中，直到打卡下班时间。在这种情况下，执行时间被设置为在打卡上班时间或之后并且在目标时间带中或之前的时间，并且将目标时间带设置为在执行时间或之后并且在打卡上班时间或之前的时间，使得能够通过以上方法预测员工ID。

另外，获取单元526可以在执行时间获取如图4中所图示的日程信息，并且提取其工作时间作为预定进入时间与预定离开时间之间的时间带与目标时间带重叠的员工的员工ID。获取单元526将提取的员工的员工ID设置为预期在办公楼2中存在的员工的员工ID。

图13是图示第一示例实施例中的预期停留信息的另一示例的图式。预期停留信息中与员工(人员)有关的信息可以指示预期在办公楼2中存在的员工的数量(人员数)。在这种情况下，如图13中所图示，在预期停留信息中彼此相关联地设置目标时间带和员工数。员工数指示预期在目标时间带的至少一部分中在办公楼2中存在的员工的数量。

例如，获取单元526将在上述执行时间从如图2或3中所图示的检测信息提取的员工的数量设置为预期在办公楼2中存在的员工的数量。

此外，获取单元526可以将在上述执行时间从如图4中所图示的日程信息提取的员工的数量设置为预期在办公楼2中存在的员工的数量。

获取单元526可以进一步将通过将从检测信息提取的员工的数量乘以与执行时间、目标时间带、执行时间与目标时间带之间的时间差等相关联的预定系数获得的数量设置为员工的数量。例如，基于过去的检测信息预先确定预定系数。

注意，代替获取单元526，检测信息管理设备110可以从检测信息生成预期停留信息，并且获取单元526可以从检测信息管理设备110获取预期停留信息(员工ID或员工的数量)。类似地，日程信息管理设备120可以从日程信息生成预期停留信息，并且获取单元526可以从日程信息管理设备120获取预期停留信息(员工ID或员工的数量)。

在这种情况下，预期停留信息可以是出勤率(已经进入办公楼2的员工与办公楼2中的员工的总数量的比率)。获取单元526能够通过将出勤率乘以员工的总数量来计算员工的数量。

获取单元526将获取的预期停留信息输出到预测单元527。

预测单元527基于与在目标时间带的至少一部分中被预期在办公楼2中存在的员工(人员)有关的信息以及员工(人员)对商品的购买倾向来预测在目标时间带中对商店5B中的商品的需求(下文中，还被称为商品需求)。商品需求是员工所需要的(预期由员工购买的)商品的数量或量(下文中，还被称为需求数量或需求量)。另外，商品需求可以是指示需求数量或需求量的量级的水平(下文中，还被称为需求水平)。这里，预测单元527基于购买倾向存储单元523中的购买倾向信息以及获取单元526所获取的预期停留信息来预测商品需求。稍后将描述用于预测商品需求的方法的细节。

预测单元527进一步将预测的商品需求(需求预测结果)发送(输出)到商店终端580。

商店终端580是商店5的店员所使用的终端。商店5A的商店终端580A请求商店5B的商店服务器520B预测商品需求(发送需求预测请求)。另外，商店终端580A显示从商店服务器520B接收的需求预测结果。

响应于从商店系统500A或500B接收的订购请求，总部服务器610指示配送中心7等向商店5A配送商品。

第一示例实施例中的商店服务器520B、获取单元526和预测单元527分别是本公开中的商品需求预测设备、获取装置和预测装置的示例实施例。

接下来，将描述第一示例实施例的操作。

首先，将描述购买倾向生成处理。

图14是图示第一示例实施例中的购买倾向生成处理的流程图。购买倾向生成处理在预定定时被执行，例如，每天、一周中的预定日、每月的预定日的预定时间等。

这里，假设商店服务器520B的购买历史存储单元521基于商店5B的购买数据存储如图9中所图示的购买历史。

商店服务器520B的购买倾向生成单元524从购买历史存储单元521获取预定时间区间的购买历史(步骤S101)。

购买倾向生成单元524基于获取的购买历史生成购买倾向信息(步骤S102)。购买倾向生成单元524将生成的购买倾向信息存储在购买倾向存储单元523中。

例如，商店服务器520B的购买倾向生成单元524基于图9中所图示的购买历史生成图10或图11中所图示的购买倾向信息。

接下来，将描述商品需求预测处理。

图15是说明第一示例实施例中的商品需求预测处理的流程图。例如，当商店5A的店员执行将商品需求的预测显示在商店终端580A上的操作时，商品需求预测处理被执行。

这里，假设商店服务器520B的购买倾向存储单元523存储如图10或图11中所图示的购买倾向信息。

商店终端580A将需求预测请求发送到商店5B的商店服务器520B(步骤S201)。这里，商店终端580A从店员接受目标时间带的指定以及对其需求被预测的商品的商品ID，并且发送包括该指定的需求预测请求。

例如，商店终端580A在当前时间“2019/03/01 10:00”将包括目标时间带“2019/03/01 11:00-14:00”以及商品ID“X001”和“X002”的需求预测请求发送到商店服务器520B。

商店服务器520B的获取单元526从检测信息管理设备110或日程信息管理设备120获取检测信息(步骤S202)。

获取单元526从在步骤S202中获取的检测信息生成预期停留信息(步骤S203)。获取单元526生成在需求预测请求中包括的目标时间带的预期停留信息。

预测单元527从购买倾向存储单元523获取购买倾向信息。预测单元527然后从购买倾向信息获取与目标时间带组相关联的购买倾向、包括在需求预测请求中的商品ID，以及包括在预期停留信息中的员工ID(步骤S204)。

预测单元527基于在步骤S204中获取的购买倾向以及在步骤S203中生成的预期停留信息来预测在目标时间带中对商品的需求(步骤S205)。

图16是图示第一示例实施例中的商品需求结果的示例的示意图。例如，获取单元526从检测信息管理设备110获取如图2或图3中所图示的在当前时间“2019/03/01 10:00”的检测信息。针对如图12中所图示的目标时间带“2019/03/01 11:00-14:00”，获取单元526基于图2或图3中的检测信息生成包括员工ID“M001”、“M003”等的预期停留信息。预测单元527从图10中的购买倾向信息获取与目标时间带“2019/03/01 11:00-14:00”组、商品ID“X001”和“X002”中的每一个以及员工ID“M001”和“M003”相关联的购买比率。预测单元527通过对为商品ID获取的购买比率求和来计算具有如图16中所图示的商品ID“X001”和“X002”的商品的预测需求数量。

此外，例如，获取单元526从日程信息管理设备120获取如图4中所图示在当前时间“2019/03/01 10:00”的日程信息。针对如图13中所图示的目标时间带“2019/03/01 11:00-14:00”，获取单元526基于图4中的日程信息生成指示员工的数量“100”的预期停留信息。预测单元527从图11中的购买倾向信息获取与目标时间带“2019/03/01 11:00-14:00”组以及商品ID“X001”和“X002”中的每一个相关联的购买比率。预测单元527通过将员工数“100”乘以针对商品获取的购买比率来计算具有如图16中所图示的商品ID“X001”和“X002”的商品的预测需求数。

预测单元527将需求预测结果发送到商店终端580A(步骤S206)。这里预测单元527发送对其需求已经被预测的商品的商品ID，以及商品的需求数量、需求量或需求水平。

例如，预测单元527传输如图16中所说明的需求预测结果。

商店5A的商店终端580A显示从商店服务器520B接收的需求预测结果(步骤S207)。

图17是说明第一示例实施例中的预测结果屏幕的示例的图式。在图17的示例中，针对具有商品ID“X001”和“X002”的商品设置预测需求数。例如，商店终端580A向店员显示图17中的预测结果屏幕。

商店5A的店员能够参考显示在预测结果屏幕上的商品的需求，确定要被配送到商店5B的商品的数量或量，将商品配送到商店5B，并且堆叠(陈列)商品。

因此，第一示例实施例的操作被完成。

根据第一示例实施例，能够准确地预测商店中的商品需求。这是因为商店服务器520B的获取单元526获取与在对商品的需求被预测的时间带的至少一部分中被预期在商店5B被安置的区域中存在的人员有关的信息，并且预测单元527基于与人员有关的信息以及人员对商品的购买倾向来预测在时间带中对商店5B中的商品的需求。

(第一示例实施例的修改示例)

能够以多种方式修改第一示例实施例的商品需求预测系统10。下文中，将描述修改示例。

(第一修改示例)

在第一示例实施例中，商店5A的商店终端580A将需求预测请求发送到商店5B的商店服务器520B，并且显示从商店服务器520B接收的需求预测结果。然而，本公开不限于此，并且商店5B的商店终端580B可以将需求预测请求发送到商店服务器520B，并且显示从商店服务器520B接收的需求预测结果。因此，商店5B的店员能够根据需求预测结果在商店5B中堆叠(陈列)库存商品，或请求商店5A配送商品。

(第二修改示例)

在第一示例实施例中，商店服务器520B的预测单元527将需求预测结果发送到商店终端580A。然而，本公开不限于此，并且预测单元527可以将需求预测结果发送(输出)到员工终端400或员工所拥有的另一终端设备(未图示)。在这种情况下，例如，预测单元527将由获取单元526获取的需求预测结果发送到预期在目标时间带的至少一部分中在办公楼2中存在的员工的员工终端400。因此，员工能够知道对商品的需求，这能够有助于例如确定高需求商品的购买时间。

此外，预测单元527可以将需求预测结果发送(输出)到总部系统600的总部服务器610或总部系统600中的终端设备(未图示)。因此，总部6的连锁店经理能够知道商店5B中的商品需求，这能够有助于例如确定配送中心7要准备的商品的数量或量。

(第三修改示例)

在第一示例实施例中，区域是公司的办公楼2，并且商店5B是安置在办公楼2中的商店。然而，区域可以是除了办公楼2之外的区域，只要能够获取与在目标时间带中被预期在区域中存在的人员有关的信息。例如，区域可以是由多个相邻或相近办公楼构成的建筑群，并且商店5B可以是安置在多个办公楼中的任一个中的商店。在这种情况下，获取单元526通过使用办公楼的员工的检测信息或日程信息来获取与预期在区域(建筑群)中存在的人员有关的信息。

此外，区域可以是诸如学校、医院、旅馆、礼堂、体育场或公共设施的设施，或包括设施的场地，并且商店5B可以被安置在这种设施或场地中。在这种情况下，获取单元526通过使用设施或场地中的人员的检测信息或与设施或场地相关的人员的日程信息来获取与预期在这种设施或场地中存在的人员有关的信息。在这种情况下，人员的检测信息可以是与进入设施或场地和离开该设施或场地有关的信息中获得的检测信息。另外，日程信息可以是互联网上提供的调度器服务中登记的日程信息。

(第四修改示例)

在第一示例实施例中，员工ID被用作用于识别在区域中存在的人员的人员ID。然而，本公开不限于此，并且另一ID可以被用作人员ID，只要能够识别在区域中存在的人员。例如，学校的学号、医院的患者号或使用设施的会员号可以被用作人员ID。另外，用于使用设施或商店5B的信用卡或电子货币的会员号可以被用作人员ID。

(第五修改示例)

在第一示例实施例的商品需求预测系统10中，已经购买商品的员工的比率或员工所购买商品的比率被用作对商品的购买倾向。然而，只要能够指示商品的购买可能性，其它信息也可以被用作购买倾向。例如，由员工登记的购买倾向可以被用作对商品的购买倾向。

图18是图示第一示例实施例的第五修改示例中的购买倾向信息的示例的示意图。在这种情况下，如图18中所图示，在购买倾向信息中彼此相关联地设置时间带、商品ID、员工ID和登记的购买倾向。登记的购买倾向指示由办公楼2中的员工ID指示的员工是否在时间带中正常购买由商品ID指示的商品。登记的购买倾向可以指示员工是否希望(是)购买商品或不希望(否)购买商品。员工的购买倾向例如从员工终端400发送到商店服务器520B，并且由购买倾向生成单元524登记在购买倾向信息中。

例如，针对如图12中所说明的目标时间带“2019/03/01 11:00-14:00”，获取单元526基于图2或图3中的检测信息生成包括员工ID“M001”、“M003”等的预期停留信息。预测单元527从图18中的购买倾向信息提取与目标时间带“2019/03/01 11:00-14:00”组、商品ID“X001”和“X002”中的每一个以及员工ID“M001”和“M003”中的每一个相关联的行，并且其中购买希望为“是”。预测单元527通过对为商品ID提取的行的数量求和来计算具有如图16中所图示的商品ID“X001”和“X002”的商品的预测需求数量。

因此，能够预测反映由每个员工登记的购买倾向(购买希望)的商品需求。

(第二示例实施例)

接下来，将描述第二示例实施例。

第二示例实施例与第一示例实施例的不同之处在于，商店服务器520B基于预测的商品需求订购商品。

图19是图示第二示例实施例中的商店服务器520B和总部服务器610的配置的细节的框图。参考图19，除了第一示例实施例的商店服务器520B的组件(图8)之外，第二示例实施例的商店服务器520B包括订购单元530。订购单元530基于预测的对商品的需求来执行商品的订购处理。订购处理是例如将商品的订购信息发送到总部服务器610并请求将商品配送到商店5的处理。

商店终端580A将订购商品的请求发送到商店服务器520B。

另外，第二示例实施例的总部服务器610包括配送指令单元611。配送指令单元611基于从商店服务器520B接收的订购数据指示配送中心7将订购的商品配送到商店5A。

第二示例实施例中的商店服务器520B、获取单元526、预测单元527和订购单元530分别是本公开中的商品需求预测设备、获取装置、预测装置和订购装置的示例实施例。

接下来，将描述第二示例实施例的操作。第二示例实施例中的购买倾向生成处理类似于第一示例实施例中的购买倾向生成处理(图14)。

图20是图示第二示例实施例中的商品需求预测处理的流程图。这里，从由商店终端580A的需求预测请求的传输到从商店服务器520接收的需求预测结果的显示的处理(步骤S301到S307)类似于第一示例实施例中的处理(图15中的步骤S201到S207)。

图21是图示第二示例实施例中的预测结果画面的示例的示意图。在图21的示例中，除了预测的商品的需求数量之外，还提供订购数量的输入字段。例如，商店终端580A向店员显示图21中的预测结果画面。

商店5A的店员参考显示在预测结果画面上的商品需求，并且确定商店5B中的商品订购数量或订购量。

商店终端580A将订购请求发送到商店5B的商店服务器520B(步骤S308)。这里，商店终端580A从店员接受对其需求已经被预测的商品的订购数量或订购量的指定，并且发送包括该指定的订购请求。注意，当店员不指定订购数量或订购量时，商店终端580A可以指定预测需求数量或预测需求量作为订购数量或订购量。

例如，商店终端580A发送订购请求，该订购请求包括具有商品ID“X001”和“X002”的商品的订购量。

商店服务器520B的订购单元530从商店终端580A接受订购请求(步骤S309)。

订购单元530执行对从商店终端580A接收到的订购请求中包括的商品的订购处理(步骤S310)。订购单元530将订购数据发送到总部服务器610，该订购数据包括商品ID以及包括在订购请求中的商品的订购数量或订购量。

例如，商店服务器520B的订购单元129发送包括商品ID“X001”和“X002”的订购数据。

总部服务器610的送货指令单元611基于从商店系统500接收的订购数据指示配送中心7将商品配送到商店5A(步骤S311)。因此，商品经由商店5A被配送到作为订购源的商店5B。

例如，配送指令单元214指示将具有商品ID“X001”和“X002”的商品配送到商店5A。

因此，第二示例实施例的操作被完成。

注意，订购单元530可以通过将由预测单元527预测的预测需求数量或预测需求量用作订购数量或订购量来自动地执行订购处理，而不使用来自商店终端580的订购请求。在这种情况下，商品需求预测处理(通过预测单元527的需求预测以及通过订购单元530的订购)可以在预定定时，例如，在每天的预定时间等被执行。

根据第二示例实施例，可以订购很有可能在商店中购买的商品。这是因为订购单元530基于由预测单元527预测的商品需求来执行商品的订购处理。

(第三示例实施例)

接下来，将描述第三示例实施例。

第三示例实施例与第一示例实施例的不同之处在于，代替商店服务器520B，总部服务器610生成购买倾向信息。

图22是图示第三示例实施例中的商店服务器520B和总部服务器610的配置的细节的框图。参考图22，商店服务器520B包括与第一示例实施例中类似的获取单元526和预测单元527。总部服务器610包括购买历史存储单元621、购买历史更新单元622、购买倾向存储单元623以及购买倾向生成单元624。购买历史存储单元621、购买历史更新单元622、购买倾向存储单元623和购买倾向生成单元624具有与第一示例实施例中的商店服务器520B的购买历史存储单元521、购买历史更新单元522、购买倾向存储单元523和购买倾向生成单元524类似的功能。

购买历史存储单元621存储员工对商店5B中的商品的购买历史。

购买历史更新单元622利用从商店5B的POS设备510接收的购买数据更新存储在购买历史存储单元621中的购买历史。

购买倾向存储单元623存储购买倾向信息。

购买倾向生成单元624基于购买历史存储单元621中的购买历史生成购买倾向信息，并且将购买倾向信息存储在购买倾向存储单元623中。

第三示例实施例中的商店服务器520B、获取单元526和预测单元527分别是本公开中的商品需求预测设备、获取装置和预测装置的示例实施例。

当商店服务器520B从商店终端580A接收需求预测请求时，获取单元526通过使用从检测信息管理设备110获取的检测信息或从日程信息管理设备120获取的日程信息来生成(获取)预期停留信息。

预测单元527基于从总部服务器610的购买倾向存储单元623获取的购买倾向信息以及由获取单元526获取的预期停留信息来预测在目标时间带中对商店5B中的商品的需求，并且将需求发送到商店终端580A。

根据第三示例实施例，类似于第一示例实施例，能够准确地预测商店中的商品需求。这是因为商店服务器520B的获取单元526获取与在对商品需求被预测的时间带的至少一部分中被预期在商店5B被安置的区域中存在的人员有关的信息，并且预测单元527基于与人员有关的信息以及人员对商品的购买倾向来预测在时间带中对商店5B中的商品的需求。

(第四示例实施例)

接下来，将描述第四示例实施例。

第四示例实施例与第三示例实施例的不同之处在于，类似于第二示例实施例，商店服务器520B基于预测的商品需求订购商品。

图23是图示第四示例实施例中的商店服务器520B和总部服务器610的配置的细节的框图。参考图23，除了第三示例实施例的商店服务器520B的组件(图22)之外，第四示例实施例的商店服务器520B包括订购单元530。另外，除了第三示例实施例的总部服务器610的组件(图22)之外，第四示例实施例的总部服务器610包括配送指令单元611。

第四示例实施例中的商店服务器520B、获取单元526、预测单元527和订购单元530分别是本公开中的商品需求预测设备、获取装置、预测装置和订购装置的示例实施例。

根据第四示例实施例，类似于第二示例实施例，可能订购很有可能在商店中购买的商品。这是因为订购单元530基于由预测单元527预测的对商品的需求来执行商品的订购处理。

(第五示例实施例)

接下来，将描述第五示例实施例。

第五示例实施例与第一示例实施例的不同之处在于，商店服务器520A预测商品需求。

图24是图示第五示例实施例中的商店服务器520A和商店服务器520B的配置的细节的框图。参考图24，商店服务器520A包括与第一示例实施例中类似的获取单元526以及预测单元527。商店服务器520B包括与第一示例实施例中的那些类似的购买历史存储单元521、购买历史更新单元522、购买倾向存储单元523以及购买倾向生成单元524。

第五示例实施例中的商店服务器520A、获取单元526和预测单元527分别是本公开中的商品需求预测设备、获取装置和预测装置的示例实施例。

商店终端580A将需求预测请求发送到商店服务器520A。

当商店服务器520A接收需求预测请求时，获取单元526通过使用从检测信息管理设备110获取的检测信息或从日程信息管理设备120获取的日程信息来生成(获取)预期停留信息。

预测单元527基于从商店服务器520B的购买倾向存储单元523获取的购买倾向信息以及由获取单元526获取的预期停留信息来预测在目标时间带中对商店5B中的商品的需求，并且将需求发送到商店终端580A。

根据第五示例实施例，类似于第一示例实施例，能够准确地预测商店中的商品需求。这是因为商店服务器520A的获取单元526获取与在对商品的需求被预测的时间带的至少一部分中被预期在商店5B被安置的区域中存在的人员有关的信息，并且预测单元527基于与人员有关的信息以及人员对商品的购买倾向来预测在时间带中对商店5B中的商品的需求。

注意，商店服务器520A可以进一步包括类似于第二示例实施例的订购单元530。

(第六示例实施例)

接下来，将描述第六示例实施例。

第六示例实施例与第一示例实施例的不同之处在于，总部系统600预测商品需求。

图25是图示第六示例实施例中的商店服务器520B和总部服务器610的配置的细节的框图。参考图25，商店服务器520B包括与第一示例实施例中的那些类似的购买历史存储单元521、购买历史更新单元522、购买倾向存储单元523以及购买倾向生成单元524。总部服务器610包括获取单元626和预测单元627。获取单元626和预测单元627具有与第一示例实施例中的商店服务器520B的获取单元526和预测单元527的功能类似的功能。

第六示例实施例中的总部服务器610、获取单元626和预测单元627分别是本公开中的商品需求预测设备、获取装置和预测装置的示例实施例。

商店终端580A将需求预测请求发送到总部服务器610。

当总部服务器610接收需求预测请求时，获取单元626通过使用从检测信息管理设备110获取的检测信息或从日程信息管理设备120获取的日程信息来生成(获取)预期停留信息。

预测单元627基于从商店服务器520B的购买倾向存储单元523获取的购买倾向信息以及由获取单元626获取的预期停留信息来预测在目标时间带中对商店5B中的商品的需求，并且将需求发送到商店终端580A。

根据第六示例实施例，类似于第一示例实施例，能够准确地预测商店中的商品需求。这是因为总部服务器610的获取单元626获取与在对商品的需求被预测的时间带的至少一部分中被预期在商店5B被安置的区域中存在的人员有关的信息，并且预测单元627基于与人员有关的信息以及人员对商品的购买倾向来预测在时间带中对商店5B中的商品的需求。

(第七示例实施例)

接下来，将描述第七示例实施例。

图27是图示第七示例实施例中的商店服务器520B的配置的框图。

参考图27，商店服务器520B包括获取单元526以及预测单元527。获取单元526获取与在对商品的需求被预测的时间带的至少一部分中被预期在安置有商店的区域中存在的人员有关的信息。预测单元527基于与人员有关的信息以及人员对商品的购买倾向来预测在时间带中对商店中的商品的需求。

根据第七示例实施例，类似于第一示例实施例，能够准确地预测商店中的商品需求。这是因为商店服务器520B的获取单元526获取与在对商品的需求被预测的时间带的至少一部分中被预期在安置有商店的区域中存在的人员有关的信息，并且预测单元527基于与人员有关的信息以及人员对商品的购买倾向来预测在时间带中对商店中的商品的需求。

(硬件配置)

在上述示例实施例中，每个装置(POS设备510、商店服务器520、商店终端580、总部服务器610等)的组件均指示功能单元的块。每个设备的部分或全部组件可以由计算机900和程序的任何组合实现。

图26是图示示例实施例中的计算机900的硬件配置的示例的框图。参考图26，计算机900包括，例如，中央处理单元(CPU)901、只读存储器(ROM)902、随机存取存储器(RAM)903、程序904、存储设备905、驱动设备907、通信接口908、输入设备909、输出设备910、输入/输出接口911以及总线912。

程序904包括用于实施每个设备的功能的命令(指令)。程序904被预先存储在RAM903或存储设备905中。CPU 901通过执行包括在程序904中的命令来实现功能。驱动设备907读取并写入记录介质906。通信接口908提供与通信网络的接口。输入设备909是，例如，鼠标、键盘等，并且从管理器等接收信息的输入。输出设备910是，例如，显示器，并且向管理器等输出(显示)信息。输入/输出接口911提供与外围设备的接口。在POS设备510的情况下，外围设备是上文描述的读卡器/写卡器540、条形码阅读器550、相机560和标签读取器/写入器570。总线912连接硬件的组件。程序904可以经由通信网络被供应到CPU 901，或可以预先被存储在记录介质906中、由驱动设备907读取并且供应到CPU 901。

注意，图26中所图示的硬件配置是示例，并且可以添加另一组件，并且组件的一部分不必被包括。

存在用于实现每个设备的方法的各种修改示例。例如，每个装置可以由对每个组件不同的计算机和程序的任何组合实现。另外，包括在每个设备中的多个组件可以由一个计算机和程序的任何组合实现。

另外，每个设备的部分或全部组件可以由包括处理器等的通用或专用电路(电路系统)、或它们的组合实现。这些电路可以由单个芯片配置或可以由经由总线连接的多个芯片配置。每个设备的部分或全部组件可以由上述电路等以及程序的组合实现。

另外，在每个设备的部分或全部组件由多个计算机、电路等实现的情况下，多个计算机、电路等可以以集中方式或分布方式被布置。

商店服务器520A和520B可以分别被布置在商店5A和5B中，或可以被布置在不同于商店5A和5B的地点中并且经由通信网络700连接到PO设备510以及商店终端580A和580B。即，商店服务器520A和520B可以由云计算系统实现。类似地，总部服务器610也可以由云计算系统实现。

尽管已经参考其实施实施例具体地示出和描述了本公开，但是本公开不限于这些实施例。本领域普通技术人员应理解，在不脱离如权利要求书所定义的本公开的精神和范围的情况下，可以在其中进行形式和细节上的各种改变。另外，在不脱离本公开的范围的情况下，示例实施例中的配置能够被彼此组合。

上述示例实施例的部分或全部可以被描述作为以下附记，但不限于以下附记。

(附记1)

一种商品需求预测设备，包括：

获取装置，其用于获取与在对商品的需求被预测的时间带的至少一部分中被预期在安置有商店的区域中存在的人员有关的信息；以及

预测构件，其用于基于与人员有关的信息以及人员对商品的购买倾向来预测在时间带中对商店中的商品的需求。

(附记2)

根据附记1的商品需求预测设备，其中

获取装置获取预期在时间带的至少一部分中在区域中存在的人员的数量作为与人员有关的信息，以及

预测装置基于获取的人员的数量以及人员对商品的购买倾向来预测在时间带中对商店中的商品的需求。

(附记3)

根据附记1的商品需求预测设备，其中

获取装置获取预期在时间带的至少一部分中在区域中存在的人员的标识符作为与人员有关的信息，以及

预测装置基于具有获取的标识符的人员对商品的购买倾向来预测在时间带中对商店中的商品的需求。

(附记4)

根据附记1至3中的任一项的商品需求预测设备，其中

获取装置通过使用区域中的人员的检测信息来获取与人员有关的信息。

(附记5)

根据附记4的商品需求预测设备，其中

获取装置通过使用指示区域中的人员的进入/离开状态的检测信息来获取与人员有关的信息。

(附记6)

根据附记4所述的商品需求预测设备，其中

获取装置通过使用指示区域中的人员的终端设备的操作状态的检测信息来获取与人员有关的信息。

(附记7)

根据附记1至3中的任一项的商品需求预测设备，其中

获取装置通过使用与区域相关的人员的日程信息来获取与人员有关的信息。

(附记8)

根据附记3的商品需求预测设备，其中

预测装置基于商品的购买倾向来预测在时间带中对商店中的商品的需求，购买倾向由具有获取的标识符的人员登记。

(附记9)

根据附记1至8中的任一项的商品需求预测设备，其中

预测设备进一步将商品的预测需求输出到终端设备。

(附记10)

根据附记1至9中的任一项的商品需求预测设备，其进一步包括订购装置，其用于基于商品的预测需求来执行商品的订购处理。

(附记11)

一种商品需求预测系统，包括：

商品需求预测设备，包括：

获取装置，其用于获取与在对商品的需求被预测的时间带的至少一部分中被预期在安置有商店的区域中存在的人员有关的信息，以及

预测装置，其用于基于与人员有关的信息以及人员对商品的购买倾向来预测在时间带中对商店中的商品的需求；以及

检测信息管理设备，其存储区域中的人员的检测信息，其中

获取装置通过使用区域中的人员的检测信息来获取与人员有关的信息，检测信息从检测信息管理设备获取。

(附记12)

一种商品需求预测系统，包括：

商品需求预测设备，包括：

获取装置，其用于获取与在对商品的需求被预测的时间带的至少一部分中被预期在安置有商店的区域中存在的人员有关的信息，以及

预测装置，其用于基于与人员有关的信息以及人员对商品的购买倾向来预测在时间带中对商店中的商品的需求；以及

日程信息管理设备，其存储与区域相关的人员的日程信息，其中

获取装置通过使用与区域相关的人员的日程信息来获取与人员有关的信息，日程信息从日程信息管理设备获取。

(附记13)

一种商品需求预测方法，包括：

获取与在对商品的需求被预测的时间带的至少一部分中被预期在安置有商店的区域中存在的人员有关的信息；以及

基于与人员有关的信息以及人员对商品的购买倾向来预测在时间带中对商店中的商品的需求。

(附记14)

一种程序，该程序使计算机执行处理，包括：

获取与在对商品的需求被预测的时间带的至少一部分中被预期在安置有商店的区域中存在的人员有关的信息；以及

基于与人员有关的信息以及人员对商品的购买倾向来预测在时间带中对商店中的商品的需求。

本申请基于并要求2019年3月25日提交的No.2019-055919日本专利申请的优先权的权益，其公开内容通过引用方式整体并入本文中。

[附图标记列表]

1 管理中心

100 管理系统

110 检测信息管理设备

120 日程信息管理设备

2 办公楼

3 门

310 读卡器/写卡器

320 条形码阅读器

330 相机

4 办公室

400a、400b、400c 员工终端

5A、5B 商店

500A、500B 商店系统

510 POS设备

511 顾客指定单元

512 登记单元

513 结账单元

514 购买数据生成单元

520 商店服务器

521 购买历史存储单元

522 购买历史更新单元

523 购买倾向存储单元

524 购买倾向生成单元

526 获取单元

527 预测单元

530 订购单元

540 读卡器/写卡器

550 条形码阅读器

560 相机

570 标签读取器/写入器

580A、580B 商店终端

6 总部

600 总部系统

611 配送指令单元

610 总部服务器

621 购买历史存储单元

622 购买历史更新单元

623 购买倾向存储单元

624 购买倾向生成单元

626 获取单元

627 预测单元

7 配送中心

700、800 通信网络

900 计算机

901 CPU

902 ROM

903 RAM

904 程序

905 存储设备

906 记录介质

907 驱动设备

908 通信接口

909 输入设备

910 输出设备

911 输入/输出接口

912 总线

10 商品需求预测系统。

Claims (14)

1.一种商品需求预测设备，包括：

获取装置，所述获取装置用于：获取与在对商品的需求进行预测的时间带的至少一部分中被预期在安置有商店的区域中存在的人员有关的信息；以及

预测装置，所述预测装置用于：基于与所述人员有关的所述信息以及所述人员对所述商品的购买倾向，来预测在所述时间带中对在所述商店中的所述商品的所述需求。

2.根据权利要求1所述的商品需求预测设备，其中，

所述获取装置获取在所述时间带的至少一部分中被预期在所述区域中存在的人员的数量，作为与所述人员有关的所述信息，以及

所述预测装置基于所获取的人员的数量以及所述人员对所述商品的购买倾向，来预测在所述时间带中对在所述商店中的所述商品的所述需求。

3.根据权利要求1所述的商品需求预测设备，其中，

所述获取装置获取在所述时间带的至少一部分中被预期在所述区域中存在的人员的标识符，作为与所述人员有关的所述信息，以及

所述预测装置基于具有所获取的标识符的所述人员对所述商品的购买倾向，来预测在所述时间带中对在所述商店中的所述商品的所述需求。

4.根据权利要求1至3中的任一项所述的商品需求预测设备，其中，

所述获取装置通过使用在所述区域中的人员的检测信息，来获取与所述人员有关的所述信息。

5.根据权利要求4所述的商品需求预测设备，其中，

所述获取装置通过使用指示出在所述区域中的所述人员的进入/离开状态的所述检测信息，来获取与所述人员有关的所述信息。

6.根据权利要求4所述的商品需求预测设备，其中，

所述获取装置通过使用指示出在所述区域中的所述人员的终端装置的操作状态的所述检测信息，来获取与所述人员有关的所述信息。

7.根据权利要求1至3中的任一项所述的商品需求预测设备，其中，

所述获取装置通过使用与所述区域相关的人员的日程信息，来获取与所述人员有关的所述信息。

8.根据权利要求3所述的商品需求预测设备，其中，

所述预测装置基于对所述商品的所述购买倾向，来预测在所述时间带中对在所述商店中的所述商品的所述需求，所述购买倾向是由具有所获取的标识符的人员所登记的。

9.根据权利要求1至8中的任一项所述的商品需求预测设备，其中，

所述预测装置进一步将对所述商品的所述预测需求输出到终端装置。

10.根据权利要求1至9中的任一项所述的商品需求预测设备，其进一步包括：

订购装置，所述订购装置用于：基于对所述商品的所述预测需求，来执行所述商品的订购处理。

11.一种商品需求预测系统，包括：

商品需求预测装置，其包括：

获取装置，所述获取装置用于：获取与在对商品的需求进行预测的时间带的至少一部分中被预期在安置有商店的区域中存在的人员有关的信息，以及

预测装置，所述预测装置用于：基于与所述人员有关的所述信息以及所述人员对所述商品的购买倾向，来预测在所述时间带中对在所述商店中的所述商品的所述需求；以及

检测信息管理设备，所述检测信息管理设备存储在所述区域中的人员的检测信息，

其中，

所述获取装置通过使用在所述区域中的所述人员的所述检测信息来获取与所述人员有关的所述信息，所述检测信息是从所述检测信息管理设备获取的。

12.一种商品需求预测系统，包括：

商品需求预测设备，其包括：

获取装置，所述获取装置用于：获取与在对商品的需求进行预测的时间带的至少一部分中被预期在安置有商店的区域中存在的人员有关的信息，以及

预测装置，所述预测装置用于：基于与所述人员有关的所述信息以及所述人员对所述商品的购买倾向，来预测在所述时间带中对在所述商店中的所述商品的所述需求；以及

日程信息管理设备，所述日程信息管理设备存储与所述区域相关的人员的日程信息，

其中，

所述获取装置通过使用与所述区域相关的所述人员的所述日程信息来获取与所述人员有关的所述信息，所述日程信息是从所述日程信息管理设备获取的。

13.一种商品需求预测方法，包括：

获取与在对商品的需求进行预测的时间带的至少一部分中被预期在安置有商店的区域中存在的人员有关的信息；以及

基于与所述人员有关的所述信息以及所述人员对所述商品的购买倾向，来预测在所述时间带中对在所述商店中的所述商品的所述需求。

14.一种计算机可读记录介质，所述计算机可读记录介质存储有程序，所述程序使计算机执行以下处理，所述处理包括：

获取与在对商品的需求进行预测的时间带的至少一部分中被预期在安置有商店的区域中存在的人员有关的信息；以及

基于与所述人员有关的所述信息以及所述人员对所述商品的购买倾向，来预测在所述时间带中对在所述商店中的所述商品的所述需求。

Images