JP2002197400A - 新製品の初期投入量予測方法、新製品の初期投入量予測システム及び記録媒体 - Google Patents
新製品の初期投入量予測方法、新製品の初期投入量予測システム及び記録媒体Info
- Publication number
- JP2002197400A JP2002197400A JP2000391514A JP2000391514A JP2002197400A JP 2002197400 A JP2002197400 A JP 2002197400A JP 2000391514 A JP2000391514 A JP 2000391514A JP 2000391514 A JP2000391514 A JP 2000391514A JP 2002197400 A JP2002197400 A JP 2002197400A
- Authority
- JP
- Japan
- Prior art keywords
- market share
- new product
- product
- actual
- sales volume
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 93
- 238000011156 evaluation Methods 0.000 claims abstract description 102
- 238000013528 artificial neural network Methods 0.000 claims abstract description 47
- 238000004364 calculation method Methods 0.000 claims abstract description 45
- 238000000513 principal component analysis Methods 0.000 claims description 11
- 238000000611 regression analysis Methods 0.000 claims description 3
- 210000002569 neuron Anatomy 0.000 description 18
- 238000010586 diagram Methods 0.000 description 11
- 238000013517 stratification Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000009036 growth inhibition Effects 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Technology Law (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
(57)【要約】
【課題】 新製品を市場に投入する際に、その新製品の
販売数量又は販売シェアを予測することが可能な新製品
の初期投入量予測方法の提供。 【解決手段】 複数人が評価した既存製品及び新製品の
シェアに影響する要因の数値と各製品の実績シェアとに
基づき、構造化ニューラルネットワークに各人の新製品
の予測シェアを算出させ(S6)、各人の製品及び新製品毎
の総合評価を各要因の数値に基づき算出し(S10) 、各人
の製品毎の総合評価と実績シェアとの相関係数を算出し
(S12) 、各人の製品毎の総合評価と実績シェアとの関係
を求め(S12) 、その関係及び新製品の総合評価に基づ
き、各人の新製品の予測シェアを算出し(S16) 、その予
測シェアを各人の相関係数により階層化し(S18) 、階層
毎の予測シェアの平均値及び信頼区間を算出し(S20) 、
階層毎の平均値及び信頼区間、構造化ニューラルネット
ワークの算出結果に基づき新製品のシェアを予側する。
販売数量又は販売シェアを予測することが可能な新製品
の初期投入量予測方法の提供。 【解決手段】 複数人が評価した既存製品及び新製品の
シェアに影響する要因の数値と各製品の実績シェアとに
基づき、構造化ニューラルネットワークに各人の新製品
の予測シェアを算出させ(S6)、各人の製品及び新製品毎
の総合評価を各要因の数値に基づき算出し(S10) 、各人
の製品毎の総合評価と実績シェアとの相関係数を算出し
(S12) 、各人の製品毎の総合評価と実績シェアとの関係
を求め(S12) 、その関係及び新製品の総合評価に基づ
き、各人の新製品の予測シェアを算出し(S16) 、その予
測シェアを各人の相関係数により階層化し(S18) 、階層
毎の予測シェアの平均値及び信頼区間を算出し(S20) 、
階層毎の平均値及び信頼区間、構造化ニューラルネット
ワークの算出結果に基づき新製品のシェアを予側する。
Description
【０００１】
【発明の属する技術分野】本発明は、新製品の発売時に
おける販売量又は市場占有率を予測する新製品の初期投
入量予測方法、新製品の発売時における販売量又は市場
占有率を予測する為の新製品の初期投入量予測システ
ム、及びコンピュータに、新製品の発売時における販売
量又は市場占有率を予測させる為のプログラムを記録し
たコンピュータ読み取り可能な記録媒体に関するもので
ある。
おける販売量又は市場占有率を予測する新製品の初期投
入量予測方法、新製品の発売時における販売量又は市場
占有率を予測する為の新製品の初期投入量予測システ
ム、及びコンピュータに、新製品の発売時における販売
量又は市場占有率を予測させる為のプログラムを記録し
たコンピュータ読み取り可能な記録媒体に関するもので
ある。
【０００２】
【従来の技術】商品を製造して販売する企業において
は、良い製品を低価格で早く、市場に提供することが、
企業競争を生き残る為に不可欠な戦略となっており、そ
のサイクルも短くなって来ている。しかし、新製品を市
場に提供するには、どの位のシェア（市場占有率）が見
込めるのか、また、どの位の数量を見込んで生産してお
けば良いのかといった最初の投入量（初期投入量）が問
題になる。
は、良い製品を低価格で早く、市場に提供することが、
企業競争を生き残る為に不可欠な戦略となっており、そ
のサイクルも短くなって来ている。しかし、新製品を市
場に提供するには、どの位のシェア（市場占有率）が見
込めるのか、また、どの位の数量を見込んで生産してお
けば良いのかといった最初の投入量（初期投入量）が問
題になる。
【０００３】これ迄、将来の数量は過去の数量の延長上
にあると仮定して予測を行う仕組みやシステムは存在し
ているが、新製品の初期投入量又はシェアを予測する方
法は、過去の販売実績や出荷実績を参考にして、既存類
似製品の傾向性の当てはめや、これ迄の経験や勘又は多
種多様な統計手法等の技術を適用する方法が主流であっ
た。
にあると仮定して予測を行う仕組みやシステムは存在し
ているが、新製品の初期投入量又はシェアを予測する方
法は、過去の販売実績や出荷実績を参考にして、既存類
似製品の傾向性の当てはめや、これ迄の経験や勘又は多
種多様な統計手法等の技術を適用する方法が主流であっ
た。
【０００４】
【発明が解決しようとする課題】しかし、このような方
法では、どの類似製品を当てはめるのかを決めること、
また、ライフサイクルの変化が激しい中で、初期の投入
量を予測することは困難である。また、企業内では、同
じような経験を繰り返しており、それらの経験が具体的
に活かされていないという問題もある。また、マーケテ
ィングの専門家を育成するには時間を必要とするが、現
在のような環境の下では全てを満足させることは難しい
という問題もある。
法では、どの類似製品を当てはめるのかを決めること、
また、ライフサイクルの変化が激しい中で、初期の投入
量を予測することは困難である。また、企業内では、同
じような経験を繰り返しており、それらの経験が具体的
に活かされていないという問題もある。また、マーケテ
ィングの専門家を育成するには時間を必要とするが、現
在のような環境の下では全てを満足させることは難しい
という問題もある。
【０００５】新製品の初期投入量又は又はシェアを予測
する技術としては、特開平９−１２０３９５号公報に開
示された、回帰モデルをベースにした方法と、特開２０
００−２００２６０号公報に開示された、製品を購入し
た顧客のアンケート結果と社内の人間の同様のアンケー
トによる評価結果とに基づく方法とがある。本発明は、
上述したような事情に鑑みてなされたものであり、第１
〜６発明では、新製品を市場に投入する際に、その新製
品の販売数量又は販売シェアを予測することが可能な新
製品の初期投入量予測方法を提供することを目的とす
る。
する技術としては、特開平９−１２０３９５号公報に開
示された、回帰モデルをベースにした方法と、特開２０
００−２００２６０号公報に開示された、製品を購入し
た顧客のアンケート結果と社内の人間の同様のアンケー
トによる評価結果とに基づく方法とがある。本発明は、
上述したような事情に鑑みてなされたものであり、第１
〜６発明では、新製品を市場に投入する際に、その新製
品の販売数量又は販売シェアを予測することが可能な新
製品の初期投入量予測方法を提供することを目的とす
る。
【０００６】第７発明では、新製品を市場に投入する際
に、その新製品の販売数量又は販売シェアを予測するこ
とが可能な新製品の初期投入量予測システムを提供する
ことを目的とする。第８〜１０発明では、第１〜６発明
に係る新製品の初期投入量予測方法及び第７発明に係る
新製品の初期投入量予測システムを実現する為のプログ
ラムを記録したコンピュータ読み取り可能な記録媒体を
提供することを目的とする。
に、その新製品の販売数量又は販売シェアを予測するこ
とが可能な新製品の初期投入量予測システムを提供する
ことを目的とする。第８〜１０発明では、第１〜６発明
に係る新製品の初期投入量予測方法及び第７発明に係る
新製品の初期投入量予測システムを実現する為のプログ
ラムを記録したコンピュータ読み取り可能な記録媒体を
提供することを目的とする。
【０００７】
【課題を解決するための手段】第１発明に係る新製品の
初期投入量予測方法は、新製品の発売時における販売量
又は市場占有率を予測する新製品の初期投入量予測方法
であって、過去の複数の製品及び前記新製品について、
販売量又は市場占有率に影響すべき複数の要因のそれぞ
れについて、複数人に数値により評価させ、該複数人各
人の前記製品及び新製品毎の総合評価を前記各要因の数
値に基づき算出し、前記各人の前記製品毎の総合評価と
該製品毎の実績販売量又は実績市場占有率との相関係数
を算出し、前記各人の前記製品毎の総合評価と該製品毎
の実績販売量又は実績市場占有率との関係を求め、該関
係及び前記新製品の総合評価に基づき、前記各人の前記
新製品の販売量又は市場占有率を算出し、算出した前記
各人の前記新製品の販売量又は市場占有率を、前記各人
の相関係数に基づいて階層化し、階層毎の、前記新製品
の販売量又は市場占有率の平均値及び信頼区間を算出
し、前記階層毎の平均値及び信頼区間に基づき、前記新
製品の販売量又は市場占有率を予側することを特徴とす
る。
初期投入量予測方法は、新製品の発売時における販売量
又は市場占有率を予測する新製品の初期投入量予測方法
であって、過去の複数の製品及び前記新製品について、
販売量又は市場占有率に影響すべき複数の要因のそれぞ
れについて、複数人に数値により評価させ、該複数人各
人の前記製品及び新製品毎の総合評価を前記各要因の数
値に基づき算出し、前記各人の前記製品毎の総合評価と
該製品毎の実績販売量又は実績市場占有率との相関係数
を算出し、前記各人の前記製品毎の総合評価と該製品毎
の実績販売量又は実績市場占有率との関係を求め、該関
係及び前記新製品の総合評価に基づき、前記各人の前記
新製品の販売量又は市場占有率を算出し、算出した前記
各人の前記新製品の販売量又は市場占有率を、前記各人
の相関係数に基づいて階層化し、階層毎の、前記新製品
の販売量又は市場占有率の平均値及び信頼区間を算出
し、前記階層毎の平均値及び信頼区間に基づき、前記新
製品の販売量又は市場占有率を予側することを特徴とす
る。
【０００８】第２発明に係る新製品の初期投入量予測方
法は、新製品の発売時における販売量又は市場占有率を
予測する新製品の初期投入量予測方法であって、過去の
複数の製品及び前記新製品について、販売量又は市場占
有率に影響すべき複数の要因のそれぞれについて、複数
人に数値により評価させ、該複数人各人の前記各製品及
び新製品の前記各要因の数値と該各製品の実績販売量又
は実績市場占有率とに基づき、構造化ニューラルネット
ワークに前記各人の前記新製品の販売量又は市場占有率
を算出させると共に、該算出に寄与した前記要因及び該
要因の大きさを求める一方、前記各人の前記製品及び新
製品毎の総合評価を前記各要因の数値に基づき算出し、
前記各人の前記製品毎の総合評価と該製品毎の実績販売
量又は実績市場占有率との相関係数を算出し、前記構造
化ニューラルネットワークが算出した前記各人の前記新
製品の販売量又は市場占有率を、前記各人の相関係数に
基づいて階層化し、階層毎の、前記新製品の販売量又は
市場占有率の平均値及び信頼区間を算出し、前記階層毎
の平均値及び信頼区間、前記構造化ニューラルネットワ
ークが算出した前記各人の販売量又は市場占有率、該算
出に寄与した前記要因及び該要因の大きさに基づき、前
記新製品の販売量又は市場占有率を予側することを特徴
とする。
法は、新製品の発売時における販売量又は市場占有率を
予測する新製品の初期投入量予測方法であって、過去の
複数の製品及び前記新製品について、販売量又は市場占
有率に影響すべき複数の要因のそれぞれについて、複数
人に数値により評価させ、該複数人各人の前記各製品及
び新製品の前記各要因の数値と該各製品の実績販売量又
は実績市場占有率とに基づき、構造化ニューラルネット
ワークに前記各人の前記新製品の販売量又は市場占有率
を算出させると共に、該算出に寄与した前記要因及び該
要因の大きさを求める一方、前記各人の前記製品及び新
製品毎の総合評価を前記各要因の数値に基づき算出し、
前記各人の前記製品毎の総合評価と該製品毎の実績販売
量又は実績市場占有率との相関係数を算出し、前記構造
化ニューラルネットワークが算出した前記各人の前記新
製品の販売量又は市場占有率を、前記各人の相関係数に
基づいて階層化し、階層毎の、前記新製品の販売量又は
市場占有率の平均値及び信頼区間を算出し、前記階層毎
の平均値及び信頼区間、前記構造化ニューラルネットワ
ークが算出した前記各人の販売量又は市場占有率、該算
出に寄与した前記要因及び該要因の大きさに基づき、前
記新製品の販売量又は市場占有率を予側することを特徴
とする。
【０００９】第３発明に係る新製品の初期投入量予測方
法は、新製品の発売時における販売量又は市場占有率を
予測する新製品の初期投入量予測方法であって、過去の
複数の製品及び前記新製品について、販売量又は市場占
有率に影響すべき複数の要因のそれぞれについて、複数
人に数値により評価させ、該複数人各人の前記各製品及
び新製品の前記各要因の数値と該各製品の実績販売量又
は実績市場占有率とに基づき、構造化ニューラルネット
ワークに前記各人の前記新製品の販売量又は市場占有率
を算出させると共に、該算出に寄与した前記要因及び該
要因の大きさを求める一方、前記各人の前記製品及び新
製品毎の総合評価を前記各要因の数値に基づき算出し、
前記各人の前記製品毎の総合評価と該製品毎の実績販売
量又は実績市場占有率との関係を求め、該関係及び前記
新製品の総合評価に基づき、前記各人の前記新製品の販
売量又は市場占有率を算出し、算出した前記各人の前記
新製品の販売量又は市場占有率、前記構造化ニューラル
ネットワークが算出した前記各人の販売量又は市場占有
率、該算出に寄与した前記要因及び該要因の大きさに基
づき、前記新製品の販売量又は市場占有率を予側するこ
とを特徴とする。
法は、新製品の発売時における販売量又は市場占有率を
予測する新製品の初期投入量予測方法であって、過去の
複数の製品及び前記新製品について、販売量又は市場占
有率に影響すべき複数の要因のそれぞれについて、複数
人に数値により評価させ、該複数人各人の前記各製品及
び新製品の前記各要因の数値と該各製品の実績販売量又
は実績市場占有率とに基づき、構造化ニューラルネット
ワークに前記各人の前記新製品の販売量又は市場占有率
を算出させると共に、該算出に寄与した前記要因及び該
要因の大きさを求める一方、前記各人の前記製品及び新
製品毎の総合評価を前記各要因の数値に基づき算出し、
前記各人の前記製品毎の総合評価と該製品毎の実績販売
量又は実績市場占有率との関係を求め、該関係及び前記
新製品の総合評価に基づき、前記各人の前記新製品の販
売量又は市場占有率を算出し、算出した前記各人の前記
新製品の販売量又は市場占有率、前記構造化ニューラル
ネットワークが算出した前記各人の販売量又は市場占有
率、該算出に寄与した前記要因及び該要因の大きさに基
づき、前記新製品の販売量又は市場占有率を予側するこ
とを特徴とする。
【００１０】第４発明に係る新製品の初期投入量予測方
法は、新製品の発売時における販売量又は市場占有率を
予測する新製品の初期投入量予測方法であって、過去の
複数の製品及び前記新製品について、販売量又は市場占
有率に影響すべき複数の要因のそれぞれについて、複数
人に数値により評価させ、該複数人各人の前記各製品及
び新製品の前記各要因の数値と該各製品の実績販売量又
は実績市場占有率とに基づき、構造化ニューラルネット
ワークに前記各人の前記新製品の販売量又は市場占有率
を算出させると共に、該算出に寄与した前記要因及び該
要因の大きさを求める一方、前記各人の前記製品及び新
製品毎の総合評価を前記各要因の数値に基づき算出し、
前記各人の前記製品毎の総合評価と該製品毎の実績販売
量又は実績市場占有率との相関係数を算出し、前記各人
の前記製品毎の総合評価と該製品毎の実績販売量又は実
績市場占有率との関係を求め、該関係及び前記新製品の
総合評価に基づき、前記各人の前記新製品の販売量又は
市場占有率を算出し、算出した前記各人の前記新製品の
販売量又は市場占有率を、前記各人の相関係数に基づい
て階層化し、階層毎の、前記新製品の販売量又は市場占
有率の平均値及び信頼区間を算出し、前記階層毎の平均
値及び信頼区間、前記構造化ニューラルネットワークが
算出した前記各人の販売量又は市場占有率、該算出に寄
与した前記要因及び該要因の大きさに基づき、前記新製
品の販売量又は市場占有率を予側することを特徴とす
る。
法は、新製品の発売時における販売量又は市場占有率を
予測する新製品の初期投入量予測方法であって、過去の
複数の製品及び前記新製品について、販売量又は市場占
有率に影響すべき複数の要因のそれぞれについて、複数
人に数値により評価させ、該複数人各人の前記各製品及
び新製品の前記各要因の数値と該各製品の実績販売量又
は実績市場占有率とに基づき、構造化ニューラルネット
ワークに前記各人の前記新製品の販売量又は市場占有率
を算出させると共に、該算出に寄与した前記要因及び該
要因の大きさを求める一方、前記各人の前記製品及び新
製品毎の総合評価を前記各要因の数値に基づき算出し、
前記各人の前記製品毎の総合評価と該製品毎の実績販売
量又は実績市場占有率との相関係数を算出し、前記各人
の前記製品毎の総合評価と該製品毎の実績販売量又は実
績市場占有率との関係を求め、該関係及び前記新製品の
総合評価に基づき、前記各人の前記新製品の販売量又は
市場占有率を算出し、算出した前記各人の前記新製品の
販売量又は市場占有率を、前記各人の相関係数に基づい
て階層化し、階層毎の、前記新製品の販売量又は市場占
有率の平均値及び信頼区間を算出し、前記階層毎の平均
値及び信頼区間、前記構造化ニューラルネットワークが
算出した前記各人の販売量又は市場占有率、該算出に寄
与した前記要因及び該要因の大きさに基づき、前記新製
品の販売量又は市場占有率を予側することを特徴とす
る。
【００１１】第５発明に係る新製品の初期投入量予測方
法は、前記総合評価は、前記各要因の数値に基づく主成
分分析により算出することを特徴とする。
法は、前記総合評価は、前記各要因の数値に基づく主成
分分析により算出することを特徴とする。
【００１２】第６発明に係る新製品の初期投入量予測方
法は、前記製品毎の総合評価と該製品毎の実績販売量又
は実績市場占有率との関係は、前記総合評価を説明変
量、前記実績販売量又は実績市場占有率を被説明変量と
する回帰分析により求めることを特徴とする。
法は、前記製品毎の総合評価と該製品毎の実績販売量又
は実績市場占有率との関係は、前記総合評価を説明変
量、前記実績販売量又は実績市場占有率を被説明変量と
する回帰分析により求めることを特徴とする。
【００１３】第７発明に係る新製品の初期投入量予測シ
ステムは、請求項１〜６の何れかに記載された新製品の
初期投入量予測方法を用いてなることを特徴とする。
ステムは、請求項１〜６の何れかに記載された新製品の
初期投入量予測方法を用いてなることを特徴とする。
【００１４】本発明に係る新製品の初期投入量予測方法
及び新製品の初期投入量予測システムは、構造化ニュー
ラルネットワークのモデルに、例えば複数の既存製品の
市場投入時の発売量又はシェアとそれら既存製品への、
複数人の評価を入力し、これらの関係を学習させること
により、新製品の市場投入時の販売量又はシェアを予測
させる。更に、前記評価の評価項目（要因）の内、前記
発売量又はシェアとの関係が希薄なもの（ある一定値を
超えない関係）については、構造化ニューラルネットワ
ークの成長抑止特性により、評価項目と前記発売量又は
シェアとの関係を抑止することにより、前記発売量又は
シェアに与える影響が強い評価項目を選択することが可
能となる。
及び新製品の初期投入量予測システムは、構造化ニュー
ラルネットワークのモデルに、例えば複数の既存製品の
市場投入時の発売量又はシェアとそれら既存製品への、
複数人の評価を入力し、これらの関係を学習させること
により、新製品の市場投入時の販売量又はシェアを予測
させる。更に、前記評価の評価項目（要因）の内、前記
発売量又はシェアとの関係が希薄なもの（ある一定値を
超えない関係）については、構造化ニューラルネットワ
ークの成長抑止特性により、評価項目と前記発売量又は
シェアとの関係を抑止することにより、前記発売量又は
シェアに与える影響が強い評価項目を選択することが可
能となる。
【００１５】また、統計手法を用いて、評価した各人の
過去の実績（評価と実績販売量又はシェアとの関係）に
基づき、新製品の市場投入時の販売量又はシェアを算出
し、算出した市場投入時の販売量又はシェアを、前記関
係の相関係数に基づき階層化し、その階層毎の販売量又
はシェアの平均値と信頼区間を算出する。更に、算出し
たその階層毎の販売量又はシェアの平均値及び信頼区間
と、構造化ニューラルネットワークにより各人について
算出した市場投入時の販売量又はシェアと比較出来るよ
うにして、構造化ニューラルネットワークが算出した市
場投入時の販売量又はシェアの信頼性を得る。また、階
層毎の販売量又はシェアを、構造化ニューラルネットワ
ークが算出した市場投入時の販売量又はシェアとして、
その平均値と信頼区間を算出しても良い。
過去の実績（評価と実績販売量又はシェアとの関係）に
基づき、新製品の市場投入時の販売量又はシェアを算出
し、算出した市場投入時の販売量又はシェアを、前記関
係の相関係数に基づき階層化し、その階層毎の販売量又
はシェアの平均値と信頼区間を算出する。更に、算出し
たその階層毎の販売量又はシェアの平均値及び信頼区間
と、構造化ニューラルネットワークにより各人について
算出した市場投入時の販売量又はシェアと比較出来るよ
うにして、構造化ニューラルネットワークが算出した市
場投入時の販売量又はシェアの信頼性を得る。また、階
層毎の販売量又はシェアを、構造化ニューラルネットワ
ークが算出した市場投入時の販売量又はシェアとして、
その平均値と信頼区間を算出しても良い。
【００１６】これにより、新製品を市場に投入する際
に、その新製品の販売数量又は販売シェアを予測するこ
とが可能であり、また、製品に対する曖昧な評価項目の
絞り込み、及び市場投入時の販売量又はシェアに最も影
響している評価項目の選定が可能となり、また、人間が
行う曖昧な評価を定量化することが可能となり、将来の
マーケティングへの活用も可能となる。
に、その新製品の販売数量又は販売シェアを予測するこ
とが可能であり、また、製品に対する曖昧な評価項目の
絞り込み、及び市場投入時の販売量又はシェアに最も影
響している評価項目の選定が可能となり、また、人間が
行う曖昧な評価を定量化することが可能となり、将来の
マーケティングへの活用も可能となる。
【００１７】第８発明に係る記録媒体は、コンピュータ
に、新製品の発売時における販売量又は市場占有率を予
測させる為のプログラムを記録したコンピュータ読み取
り可能な記録媒体であって、コンピュータに、過去の複
数の製品の実績販売量又は実績市場占有率を含み、該複
数の製品及び前記新製品について、販売量又は市場占有
率に影響すべき複数の要因のそれぞれについて、複数人
が数値により評価したデータを入力する手順を実行させ
る為のプログラムと、前記複数人各人の前記各製品及び
新製品の前記各要因の数値と該各製品の前記実績販売量
又は実績市場占有率とに基づき、前記各人の前記新製品
の販売量又は市場占有率を算出すると共に、該算出に寄
与した前記要因及び該要因の大きさを求める構造化ニュ
ーラルネットワークと、コンピュータに、前記各人の前
記製品及び新製品毎の総合評価を前記各要因の数値に基
づき算出する手順、前記各人の前記製品毎の総合評価と
該製品毎の前記実績販売量又は実績市場占有率との相関
係数を算出する手順、前記構造化ニューラルネットワー
クが算出した前記各人の前記新製品の販売量又は市場占
有率を、前記各人の相関係数に基づいて階層化する手
順、該手順が階層化した階層毎の前記販売量又は市場占
有率の平均値及び信頼区間を算出する手順、並びに該手
順が算出した階層毎の平均値及び信頼区間、前記構造化
ニューラルネットワークが算出した前記各人の販売量又
は市場占有率、該算出に寄与した前記要因及び該要因の
大きさを出力する手順を、実行させる為のプログラムと
を記録したことを特徴とする。
に、新製品の発売時における販売量又は市場占有率を予
測させる為のプログラムを記録したコンピュータ読み取
り可能な記録媒体であって、コンピュータに、過去の複
数の製品の実績販売量又は実績市場占有率を含み、該複
数の製品及び前記新製品について、販売量又は市場占有
率に影響すべき複数の要因のそれぞれについて、複数人
が数値により評価したデータを入力する手順を実行させ
る為のプログラムと、前記複数人各人の前記各製品及び
新製品の前記各要因の数値と該各製品の前記実績販売量
又は実績市場占有率とに基づき、前記各人の前記新製品
の販売量又は市場占有率を算出すると共に、該算出に寄
与した前記要因及び該要因の大きさを求める構造化ニュ
ーラルネットワークと、コンピュータに、前記各人の前
記製品及び新製品毎の総合評価を前記各要因の数値に基
づき算出する手順、前記各人の前記製品毎の総合評価と
該製品毎の前記実績販売量又は実績市場占有率との相関
係数を算出する手順、前記構造化ニューラルネットワー
クが算出した前記各人の前記新製品の販売量又は市場占
有率を、前記各人の相関係数に基づいて階層化する手
順、該手順が階層化した階層毎の前記販売量又は市場占
有率の平均値及び信頼区間を算出する手順、並びに該手
順が算出した階層毎の平均値及び信頼区間、前記構造化
ニューラルネットワークが算出した前記各人の販売量又
は市場占有率、該算出に寄与した前記要因及び該要因の
大きさを出力する手順を、実行させる為のプログラムと
を記録したことを特徴とする。
【００１８】第９発明に係る記録媒体は、コンピュータ
に、新製品の発売時における販売量又は市場占有率を予
測させる為のプログラムを記録したコンピュータ読み取
り可能な記録媒体であって、コンピュータに、過去の複
数の製品の実績販売量又は実績市場占有率を含み、該複
数の製品及び前記新製品について、販売量又は市場占有
率に影響すべき複数の要因のそれぞれについて、複数人
が数値により評価したデータを入力する手順を実行させ
る為のプログラムと、前記複数人各人の前記各製品及び
新製品の前記各要因の数値と該各製品の前記実績販売量
又は実績市場占有率とに基づき、前記各人の前記新製品
の販売量又は市場占有率を算出すると共に、該算出に寄
与した前記要因及び該要因の大きさを求める構造化ニュ
ーラルネットワークと、コンピュータに、前記各人の前
記製品及び新製品毎の総合評価を前記各要因の数値に基
づき算出する手順、前記各人の前記製品毎の総合評価と
該製品毎の前記実績販売量又は実績市場占有率との関係
を求める手順、該関係及び前記新製品の総合評価に基づ
き、前記各人の前記新製品の販売量又は市場占有率を算
出する手順、並びに該手順が算出した前記各人の前記新
製品の販売量又は市場占有率、前記構造化ニューラルネ
ットワークが算出した前記各人の販売量又は市場占有
率、該算出に寄与した前記要因及び該要因の大きさを出
力する手順を、実行させる為のプログラムとを記録した
ことを特徴とする。
に、新製品の発売時における販売量又は市場占有率を予
測させる為のプログラムを記録したコンピュータ読み取
り可能な記録媒体であって、コンピュータに、過去の複
数の製品の実績販売量又は実績市場占有率を含み、該複
数の製品及び前記新製品について、販売量又は市場占有
率に影響すべき複数の要因のそれぞれについて、複数人
が数値により評価したデータを入力する手順を実行させ
る為のプログラムと、前記複数人各人の前記各製品及び
新製品の前記各要因の数値と該各製品の前記実績販売量
又は実績市場占有率とに基づき、前記各人の前記新製品
の販売量又は市場占有率を算出すると共に、該算出に寄
与した前記要因及び該要因の大きさを求める構造化ニュ
ーラルネットワークと、コンピュータに、前記各人の前
記製品及び新製品毎の総合評価を前記各要因の数値に基
づき算出する手順、前記各人の前記製品毎の総合評価と
該製品毎の前記実績販売量又は実績市場占有率との関係
を求める手順、該関係及び前記新製品の総合評価に基づ
き、前記各人の前記新製品の販売量又は市場占有率を算
出する手順、並びに該手順が算出した前記各人の前記新
製品の販売量又は市場占有率、前記構造化ニューラルネ
ットワークが算出した前記各人の販売量又は市場占有
率、該算出に寄与した前記要因及び該要因の大きさを出
力する手順を、実行させる為のプログラムとを記録した
ことを特徴とする。
【００１９】第１０発明に係る記録媒体は、コンピュー
タに、新製品の発売時における販売量又は市場占有率を
予測させる為のプログラムを記録したコンピュータ読み
取り可能な記録媒体であって、コンピュータに、過去の
複数の製品の実績販売量又は実績市場占有率を含み、該
複数の製品及び前記新製品について、販売量又は市場占
有率に影響すべき複数の要因のそれぞれについて、複数
人が数値により評価したデータを入力する手順を実行さ
せる為のプログラムと、前記複数人各人の前記各製品及
び新製品の前記各要因の数値と該各製品の前記実績販売
量又は実績市場占有率とに基づき、前記各人の前記新製
品の販売量又は市場占有率を算出すると共に、該算出に
寄与した前記要因及び該要因の大きさを求める構造化ニ
ューラルネットワークと、コンピュータに、前記各人の
前記製品及び新製品毎の総合評価を前記各要因の数値に
基づき算出する手順、前記各人の前記製品毎の総合評価
と該製品毎の前記実績販売量又は実績市場占有率との相
関係数を算出する手順、前記各人の前記製品毎の総合評
価と該製品毎の前記実績販売量又は実績市場占有率との
関係を求める手順、該関係及び前記新製品の総合評価に
基づき、前記各人の前記新製品の販売量又は市場占有率
を算出する手順、該手順が算出した前記各人の前記新製
品の販売量又は市場占有率を、前記各人の相関係数に基
づいて階層化する手順、該手順が階層化した階層毎の前
記販売量又は市場占有率の平均値及び信頼区間を算出す
る手順、並びに該手順が算出した階層毎の平均値及び信
頼区間、前記構造化ニューラルネットワークが算出した
前記各人の販売量又は市場占有率、該算出に寄与した前
記要因及び該要因の大きさを出力する手順を、実行させ
る為のプログラムとを記録したことを特徴とする。
タに、新製品の発売時における販売量又は市場占有率を
予測させる為のプログラムを記録したコンピュータ読み
取り可能な記録媒体であって、コンピュータに、過去の
複数の製品の実績販売量又は実績市場占有率を含み、該
複数の製品及び前記新製品について、販売量又は市場占
有率に影響すべき複数の要因のそれぞれについて、複数
人が数値により評価したデータを入力する手順を実行さ
せる為のプログラムと、前記複数人各人の前記各製品及
び新製品の前記各要因の数値と該各製品の前記実績販売
量又は実績市場占有率とに基づき、前記各人の前記新製
品の販売量又は市場占有率を算出すると共に、該算出に
寄与した前記要因及び該要因の大きさを求める構造化ニ
ューラルネットワークと、コンピュータに、前記各人の
前記製品及び新製品毎の総合評価を前記各要因の数値に
基づき算出する手順、前記各人の前記製品毎の総合評価
と該製品毎の前記実績販売量又は実績市場占有率との相
関係数を算出する手順、前記各人の前記製品毎の総合評
価と該製品毎の前記実績販売量又は実績市場占有率との
関係を求める手順、該関係及び前記新製品の総合評価に
基づき、前記各人の前記新製品の販売量又は市場占有率
を算出する手順、該手順が算出した前記各人の前記新製
品の販売量又は市場占有率を、前記各人の相関係数に基
づいて階層化する手順、該手順が階層化した階層毎の前
記販売量又は市場占有率の平均値及び信頼区間を算出す
る手順、並びに該手順が算出した階層毎の平均値及び信
頼区間、前記構造化ニューラルネットワークが算出した
前記各人の販売量又は市場占有率、該算出に寄与した前
記要因及び該要因の大きさを出力する手順を、実行させ
る為のプログラムとを記録したことを特徴とする。
【００２０】本発明に係る記録媒体を読み取ったコンピ
ュータは、本発明に係る新製品の初期投入量予測システ
ムとして作動することが可能となり、本発明に係る初期
投入量予測方法を実行することが可能となる。
ュータは、本発明に係る新製品の初期投入量予測システ
ムとして作動することが可能となり、本発明に係る初期
投入量予測方法を実行することが可能となる。
【００２１】
【発明の実施の形態】以下に、本発明の実施の形態を、
それを示す図面を参照しながら説明する。図１は、本発
明に係る新製品の初期投入量予測方法及び新製品の初期
投入量予測システムの実施の形態の要部構成を示す機能
ブロック図である。この初期投入量予測システムは、パ
ーソナルコンピュータからなっており、過去の複数の製
品の実績シェア（実績市場占有率；販売量でも同様であ
る）を含み、その過去の複数の製品及び新製品につい
て、シェア（市場占有率）に影響するような複数の要因
のそれぞれについて、複数の人が数値により評価したデ
ータを入力する入力部１と、入力部１が入力したデータ
を後述する評価テーブルに作成する評価テーブル作成部
２とを備えている。
それを示す図面を参照しながら説明する。図１は、本発
明に係る新製品の初期投入量予測方法及び新製品の初期
投入量予測システムの実施の形態の要部構成を示す機能
ブロック図である。この初期投入量予測システムは、パ
ーソナルコンピュータからなっており、過去の複数の製
品の実績シェア（実績市場占有率；販売量でも同様であ
る）を含み、その過去の複数の製品及び新製品につい
て、シェア（市場占有率）に影響するような複数の要因
のそれぞれについて、複数の人が数値により評価したデ
ータを入力する入力部１と、入力部１が入力したデータ
を後述する評価テーブルに作成する評価テーブル作成部
２とを備えている。
【００２２】この新製品の初期投入量予測システムは、
また、評価テーブル作成部２が作成した評価テーブルに
基づき、各人の新製品のシェアを算出すると共に、その
算出に寄与した要因及びその要因の大きさを求める構造
化ニューラルネットワーク３と、各人の過去の複数の製
品及び新製品毎の総合評価を各要因の数値に基づく主成
分分析により算出する主成分分析部４と、主成分分析部
４が算出した、各人の過去の複数の製品毎の総合評価と
その製品毎の実績シェアとの相関係数を算出する相関係
数算出部５とを備えている。
また、評価テーブル作成部２が作成した評価テーブルに
基づき、各人の新製品のシェアを算出すると共に、その
算出に寄与した要因及びその要因の大きさを求める構造
化ニューラルネットワーク３と、各人の過去の複数の製
品及び新製品毎の総合評価を各要因の数値に基づく主成
分分析により算出する主成分分析部４と、主成分分析部
４が算出した、各人の過去の複数の製品毎の総合評価と
その製品毎の実績シェアとの相関係数を算出する相関係
数算出部５とを備えている。
【００２３】この新製品の初期投入量予測システムは、
また、主成分分析部４が算出した、過去の複数の製品毎
の総合評価とその製品毎の実績シェアとの関係を、総合
評価を説明変量、実績シェアを被説明変量とする回帰分
析により求める回帰モデル作成部６と、回帰モデル作成
部６が求めた関係（回帰モデル）及び新製品の総合評価
に基づき、各人の新製品のシェアを算出する予測シェア
算出部７と、予測シェア算出部７が算出した各人の新製
品のシェアを、相関係数算出部５が算出した各人の相関
係数に基づいて階層化し、階層毎の新製品の予測シェア
の平均値及び信頼区間を算出する階層化・算出部８と、
階層化・算出部８が階層化し算出した階層毎の予測シェ
アの平均値及び信頼区間、構造化ニューラルネットワー
ク３が算出した各人のシェア、その算出に寄与した要因
及びその大きさを表示（出力）する表示部９とを備えて
いる。
また、主成分分析部４が算出した、過去の複数の製品毎
の総合評価とその製品毎の実績シェアとの関係を、総合
評価を説明変量、実績シェアを被説明変量とする回帰分
析により求める回帰モデル作成部６と、回帰モデル作成
部６が求めた関係（回帰モデル）及び新製品の総合評価
に基づき、各人の新製品のシェアを算出する予測シェア
算出部７と、予測シェア算出部７が算出した各人の新製
品のシェアを、相関係数算出部５が算出した各人の相関
係数に基づいて階層化し、階層毎の新製品の予測シェア
の平均値及び信頼区間を算出する階層化・算出部８と、
階層化・算出部８が階層化し算出した階層毎の予測シェ
アの平均値及び信頼区間、構造化ニューラルネットワー
ク３が算出した各人のシェア、その算出に寄与した要因
及びその大きさを表示（出力）する表示部９とを備えて
いる。
【００２４】図２は、構造化ニューラルネットワーク３
の構成を模式的に示す説明図である。構造化ニューラル
ネットワーク３は、図３に示すようなニューロンＮを、
入力層のニューロンＮ１１〜Ｎ１３、中間層のニューロ
ンＮ２１〜Ｎ２４、出力層のニューロンＮ３のように階
層化してネットワークに構成してある。入力層の各ニュ
ーロンＮ１１〜Ｎ１３は、中間層のニューロンＮ２１〜
Ｎ２４全てと接続され、中間層の各ニューロンＮ２１〜
Ｎ２４は出力層のニューロンＮ３に接続されている。入
力層のニューロンＮ１１〜Ｎ１３の個数は、入力信号数
と同じであり、中間層のニューロンＮ２１〜Ｎ２４の個
数は、演算に必要な個数が備えられ、経験則により定め
られる。
の構成を模式的に示す説明図である。構造化ニューラル
ネットワーク３は、図３に示すようなニューロンＮを、
入力層のニューロンＮ１１〜Ｎ１３、中間層のニューロ
ンＮ２１〜Ｎ２４、出力層のニューロンＮ３のように階
層化してネットワークに構成してある。入力層の各ニュ
ーロンＮ１１〜Ｎ１３は、中間層のニューロンＮ２１〜
Ｎ２４全てと接続され、中間層の各ニューロンＮ２１〜
Ｎ２４は出力層のニューロンＮ３に接続されている。入
力層のニューロンＮ１１〜Ｎ１３の個数は、入力信号数
と同じであり、中間層のニューロンＮ２１〜Ｎ２４の個
数は、演算に必要な個数が備えられ、経験則により定め
られる。
【００２５】ニューロンＮは、入力ｘ１〜ｘｎに対して
それぞれ重みｗ１〜ｗｎにより重み付けし、重み付けし
た入力ｘ１・ｗ１〜ｘｎ・ｗｎを加算して得たｚを出力
する。ここで、ニューロンＮは、成長抑止特性として、
出力ｚについて所定の閾値を有しており、出力ｚが閾値
以上でないときは出力しない。
それぞれ重みｗ１〜ｗｎにより重み付けし、重み付けし
た入力ｘ１・ｗ１〜ｘｎ・ｗｎを加算して得たｚを出力
する。ここで、ニューロンＮは、成長抑止特性として、
出力ｚについて所定の閾値を有しており、出力ｚが閾値
以上でないときは出力しない。
【００２６】構造化ニューラルネットワーク３は、例え
ば、ある人の、過去の製品のシェアに影響すべき複数の
要因についての各評価点を、入力層のニューロンＮ１１
〜Ｎ１３にそれぞれ入力し、教師信号としてその製品の
シェアを与えると、出力層のニューロンＮ３の出力とそ
のシェアとの誤差を小さくするように、重みｗ１〜ｗｎ
を調整する。構造化ニューラルネットワーク３は、これ
を複数の過去の製品について繰り返すことにより学習
し、ある人についての上記各評価点に応じたシェアを出
力するようになると共に、シェアの算出に寄与しない要
因に関係する接続は、切断されて行き、結果として、各
評価点が入力された新製品についての予測シェアと、予
測シェアの算出に寄与する要因と、その度合いとしての
重みとが残る。
ば、ある人の、過去の製品のシェアに影響すべき複数の
要因についての各評価点を、入力層のニューロンＮ１１
〜Ｎ１３にそれぞれ入力し、教師信号としてその製品の
シェアを与えると、出力層のニューロンＮ３の出力とそ
のシェアとの誤差を小さくするように、重みｗ１〜ｗｎ
を調整する。構造化ニューラルネットワーク３は、これ
を複数の過去の製品について繰り返すことにより学習
し、ある人についての上記各評価点に応じたシェアを出
力するようになると共に、シェアの算出に寄与しない要
因に関係する接続は、切断されて行き、結果として、各
評価点が入力された新製品についての予測シェアと、予
測シェアの算出に寄与する要因と、その度合いとしての
重みとが残る。
【００２７】例えば、過去の製品のシェアに影響すべき
要因が７つある場合に、上記のように学習させると、図
４に示すような結果となる。ここで、各線の太さは重み
を示し、シェアを増加させる正の重みと、シェアを減少
させる負の重みとがある。学習初期には、各ニューロン
は互いに接続関係にあるが、学習が進むにつれて、各接
続関係が消えて行き、入力層のニューロン，の要因
がシェア（出力）に関係するとして残る。但し、ニュー
ロンの要因はマイナス要因である。
要因が７つある場合に、上記のように学習させると、図
４に示すような結果となる。ここで、各線の太さは重み
を示し、シェアを増加させる正の重みと、シェアを減少
させる負の重みとがある。学習初期には、各ニューロン
は互いに接続関係にあるが、学習が進むにつれて、各接
続関係が消えて行き、入力層のニューロン，の要因
がシェア（出力）に関係するとして残る。但し、ニュー
ロンの要因はマイナス要因である。
【００２８】以下に、このような構成の新製品の初期投
入量予測システムの動作を、それを示す図５のフローチ
ャートを参照しながら説明する。この新製品の初期投入
量予測システムの入力部１が、先ず、過去の複数の製品
の実績シェアを含み、その過去の複数の製品及び新製品
について、シェアに影響するような複数の要因のそれぞ
れについて、複数の人が数値により評価したデータを入
力する（Ｓ２）。
入量予測システムの動作を、それを示す図５のフローチ
ャートを参照しながら説明する。この新製品の初期投入
量予測システムの入力部１が、先ず、過去の複数の製品
の実績シェアを含み、その過去の複数の製品及び新製品
について、シェアに影響するような複数の要因のそれぞ
れについて、複数の人が数値により評価したデータを入
力する（Ｓ２）。
【００２９】人が数値により評価したデータは、例え
ば、図６に示すようなアンケート表であり、シェアに影
響すると考えられる評価要因を販売チャネル、機能、デ
ザイン、価格、品質、ブランド、販売時期として、各製
品Ｆ１〜Ｆ５毎に、発売時、中間時、終息時の各時点に
おいて、各要因毎に１０点満点で評価させた点数と、そ
の各時点における実績シェアと、新製品について各要因
毎に１０点満点で評価させた点数とが記されている。評
価点が高ければ、消費者は買いたくなり、評価点が低け
れば、消費者は買わないと考えられる。
ば、図６に示すようなアンケート表であり、シェアに影
響すると考えられる評価要因を販売チャネル、機能、デ
ザイン、価格、品質、ブランド、販売時期として、各製
品Ｆ１〜Ｆ５毎に、発売時、中間時、終息時の各時点に
おいて、各要因毎に１０点満点で評価させた点数と、そ
の各時点における実績シェアと、新製品について各要因
毎に１０点満点で評価させた点数とが記されている。評
価点が高ければ、消費者は買いたくなり、評価点が低け
れば、消費者は買わないと考えられる。
【００３０】ある製品に対する評価は評価者（評価した
人）によって異なるが、結果としてのシェアは１つであ
る。シェアは、その製品のステータス、位置を表現する
値であると言うことが出来る。評価者の中には、正しい
（社会が決めるステータスに近い）評価をする人もいれ
ば、そうでない人もいる。多くの評価者の中から、社会
が決めるステータスに近い評価を行うことが出来る人を
探し出して、その人の感性に基づき、新製品のシェアを
予測する。
人）によって異なるが、結果としてのシェアは１つであ
る。シェアは、その製品のステータス、位置を表現する
値であると言うことが出来る。評価者の中には、正しい
（社会が決めるステータスに近い）評価をする人もいれ
ば、そうでない人もいる。多くの評価者の中から、社会
が決めるステータスに近い評価を行うことが出来る人を
探し出して、その人の感性に基づき、新製品のシェアを
予測する。
【００３１】次に、評価テーブル作成部２が、図７に示
すような、評価者毎の評価テーブルを作成する（Ｓ
４）。評価テーブルは、評価する対象１〜ｎである各製
品Ｆ１〜Ｆｎ毎の各評価特性（各評価要因）の、発売
時、中間時、終息時の区別を付けない点数と、評価する
対象Ｘである新製品の各評価特性の点数とをまとめたも
のである。
すような、評価者毎の評価テーブルを作成する（Ｓ
４）。評価テーブルは、評価する対象１〜ｎである各製
品Ｆ１〜Ｆｎ毎の各評価特性（各評価要因）の、発売
時、中間時、終息時の区別を付けない点数と、評価する
対象Ｘである新製品の各評価特性の点数とをまとめたも
のである。
【００３２】次に、構造化ニューラルネットワーク３
が、評価テーブルのデータを使用して、上述したよう
に、新製品についての予測シェアを算出し（Ｓ６）、予
測シェアの算出に寄与する要因と、その度合いとしての
重みとを抽出する（Ｓ８）。
が、評価テーブルのデータを使用して、上述したよう
に、新製品についての予測シェアを算出し（Ｓ６）、予
測シェアの算出に寄与する要因と、その度合いとしての
重みとを抽出する（Ｓ８）。
【００３３】次に、主成分分析部４が、各評価者の過去
の複数の製品及び新製品毎の総合評価を各評価要因の点
数に基づく主成分分析により算出し（Ｓ１０）、図８に
示すように、過去の製品及び新製品毎に、各評価者の各
評価要因の点数、各評価者の総合評価である主成分得点
をまとめる。主成分分析では、主成分得点は複数得られ
るが、寄与率が最も大きい第１主成分による得点を使用
する。
の複数の製品及び新製品毎の総合評価を各評価要因の点
数に基づく主成分分析により算出し（Ｓ１０）、図８に
示すように、過去の製品及び新製品毎に、各評価者の各
評価要因の点数、各評価者の総合評価である主成分得点
をまとめる。主成分分析では、主成分得点は複数得られ
るが、寄与率が最も大きい第１主成分による得点を使用
する。
【００３４】次に、相関係数算出部５が、主成分分析部
４が算出した（Ｓ１０）、各評価者の過去の複数の製品
毎の総合評価とその製品毎の実績シェアとの相関係数を
算出し（Ｓ１２）、図９に示すように、各評価者毎に、
その製品毎の実績シェアと、その製品毎の総合評価であ
る主成分得点と、それらの相関係数とをまとめる。相関
係数は、−１．０〜＋１．０の値になり、＋１．０に近
いほど正の相関が強いと言う。一般には、＋０．７以上
であれば、相関が強いと言うことが出来る。正の相関が
強い評価者ほど、シェアを予測するのに適した候補者で
あると考えられる。
４が算出した（Ｓ１０）、各評価者の過去の複数の製品
毎の総合評価とその製品毎の実績シェアとの相関係数を
算出し（Ｓ１２）、図９に示すように、各評価者毎に、
その製品毎の実績シェアと、その製品毎の総合評価であ
る主成分得点と、それらの相関係数とをまとめる。相関
係数は、−１．０〜＋１．０の値になり、＋１．０に近
いほど正の相関が強いと言う。一般には、＋０．７以上
であれば、相関が強いと言うことが出来る。正の相関が
強い評価者ほど、シェアを予測するのに適した候補者で
あると考えられる。
【００３５】次に、回帰モデル作成部６が、各評価者毎
に、主成分分析部４が算出した（Ｓ１０）、過去の複数
の製品毎の主成分得点とその製品毎の実績シェアとを使
用して、過去の複数の製品毎の主成分得点を説明変量
ｘ、実績シェアを被説明変量ｙとする回帰モデル ｙ＝
ａｘ＋ｂ を演算により作成する（Ｓ１４）。
に、主成分分析部４が算出した（Ｓ１０）、過去の複数
の製品毎の主成分得点とその製品毎の実績シェアとを使
用して、過去の複数の製品毎の主成分得点を説明変量
ｘ、実績シェアを被説明変量ｙとする回帰モデル ｙ＝
ａｘ＋ｂ を演算により作成する（Ｓ１４）。
【００３６】次に、予測シェア算出部７が、回帰モデル
作成部６が作成した（Ｓ１４）各評価者の回帰モデル及
び各評価者の新製品の主成分得点に基づき、各評価者に
ついての新製品の予測シェアを算出し（Ｓ１６）、図１
０に示すように、各評価者毎に、その製品毎の実績シェ
アと、その製品毎の主成分得点と、それらの相関係数
と、新製品の予測シェアとをまとめる。
作成部６が作成した（Ｓ１４）各評価者の回帰モデル及
び各評価者の新製品の主成分得点に基づき、各評価者に
ついての新製品の予測シェアを算出し（Ｓ１６）、図１
０に示すように、各評価者毎に、その製品毎の実績シェ
アと、その製品毎の主成分得点と、それらの相関係数
と、新製品の予測シェアとをまとめる。
【００３７】次に、階層化・算出部８が、予測シェア算
出部７が算出した各評価者についての新製品の予測シェ
アを、相関係数算出部５が算出した（Ｓ１２）各評価者
の相関係数に基づいて階層化し（Ｓ１８）、階層毎の新
製品の予測シェアの平均値と信頼区間とを算出する（Ｓ
２０）。
出部７が算出した各評価者についての新製品の予測シェ
アを、相関係数算出部５が算出した（Ｓ１２）各評価者
の相関係数に基づいて階層化し（Ｓ１８）、階層毎の新
製品の予測シェアの平均値と信頼区間とを算出する（Ｓ
２０）。
【００３８】各評価者についての新製品の予測シェア
を、各評価者の相関係数の大きさ別（＋０．６以上で
０．０５刻み）に階層化し、階層毎の新製品の予測シェ
アの平均値と９５％信頼区間を算出し、図１１に示すよ
うな、階層毎の、評価者数、信頼区間下限、予測シェア
の平均値及び信頼区間上限を表示した統計表を作成す
る。図１１の統計表では、例えば、新製品のシェアは、
８．０〜１２．２％にあって、特に１０．０〜１１．６
％にあるのではないかと判断することも出来る。尚、階
層化・算出部８は、構造化ニューラルネットワーク３が
算出した（Ｓ６）各評価者についての新製品の予測シェ
アを、相関係数算出部５が算出した（Ｓ１２）各評価者
の相関係数に基づいて階層化し、階層毎の新製品の予測
シェアの平均値と信頼区間とを算出するようにしても良
い。
を、各評価者の相関係数の大きさ別（＋０．６以上で
０．０５刻み）に階層化し、階層毎の新製品の予測シェ
アの平均値と９５％信頼区間を算出し、図１１に示すよ
うな、階層毎の、評価者数、信頼区間下限、予測シェア
の平均値及び信頼区間上限を表示した統計表を作成す
る。図１１の統計表では、例えば、新製品のシェアは、
８．０〜１２．２％にあって、特に１０．０〜１１．６
％にあるのではないかと判断することも出来る。尚、階
層化・算出部８は、構造化ニューラルネットワーク３が
算出した（Ｓ６）各評価者についての新製品の予測シェ
アを、相関係数算出部５が算出した（Ｓ１２）各評価者
の相関係数に基づいて階層化し、階層毎の新製品の予測
シェアの平均値と信頼区間とを算出するようにしても良
い。
【００３９】次に、表示部９が、階層化・算出部８が階
層化し算出して（Ｓ２０）作成した統計表（図１１）を
表示する他、各評価者毎の相関係数と新製品の予測シェ
アとの一覧表や、構造化ニューラルネットワーク３が算
出した各評価者の予測シェア、その算出に寄与した要因
及びその大きさ等の上述した各動作の結果を表示する
（Ｓ２２）。また、表示部９は、各動作の結果をもたら
した元データも必要に応じて表示する。表示部９の表示
内容により、評価者の相関係数が大きい階層の新製品の
予測シェアほど信頼性が高いと判断して採用することが
出来ると共に、製品に対する評価要因の絞り込み、及び
最も市場投入時のシェアに影響している評価要因の選定
等が可能となる。
層化し算出して（Ｓ２０）作成した統計表（図１１）を
表示する他、各評価者毎の相関係数と新製品の予測シェ
アとの一覧表や、構造化ニューラルネットワーク３が算
出した各評価者の予測シェア、その算出に寄与した要因
及びその大きさ等の上述した各動作の結果を表示する
（Ｓ２２）。また、表示部９は、各動作の結果をもたら
した元データも必要に応じて表示する。表示部９の表示
内容により、評価者の相関係数が大きい階層の新製品の
予測シェアほど信頼性が高いと判断して採用することが
出来ると共に、製品に対する評価要因の絞り込み、及び
最も市場投入時のシェアに影響している評価要因の選定
等が可能となる。
【００４０】尚、上述した実施の形態では、パーソナル
コンピュータを想定しているが、上述した新製品の初期
投入量予測システムと同様の動作をさせる為のコンピュ
ータプログラムを、磁気ディスク及びＣＤ−ＲＯＭ等の
可搬型記録媒体に記録する他、パーソナルコンピュータ
と無線又は有線によりコンピュータプログラムの通信が
可能な、例えば、配信サーバのようなセンターに備えら
れた回線先メモリ等の記録媒体からダウンロードし、上
述した実施の形態と同様に、パーソナルコンピュータに
新製品の初期投入量予測画像処理方法を行わせることが
可能である。
コンピュータを想定しているが、上述した新製品の初期
投入量予測システムと同様の動作をさせる為のコンピュ
ータプログラムを、磁気ディスク及びＣＤ−ＲＯＭ等の
可搬型記録媒体に記録する他、パーソナルコンピュータ
と無線又は有線によりコンピュータプログラムの通信が
可能な、例えば、配信サーバのようなセンターに備えら
れた回線先メモリ等の記録媒体からダウンロードし、上
述した実施の形態と同様に、パーソナルコンピュータに
新製品の初期投入量予測画像処理方法を行わせることが
可能である。
【００４１】（付記）コンピュータに、新製品の発売時
における販売量又は市場占有率を予測させる為のプログ
ラムを記録したコンピュータ読み取り可能な記録媒体で
あって、コンピュータに、過去の複数の製品の実績販売
量又は実績市場占有率を含み、該複数の製品及び前記新
製品について、販売量又は市場占有率に影響すべき複数
の要因のそれぞれについて、複数人が数値により評価し
たデータを入力する手順、該複数人各人の前記製品及び
新製品毎の総合評価を前記各要因の数値に基づき算出す
る手順、前記各人の前記製品毎の総合評価と該製品毎の
前記実績販売量又は実績市場占有率との相関係数を算出
する手順、前記各人の前記製品毎の総合評価と該製品毎
の前記実績販売量又は実績市場占有率との関係を求める
手順、該関係及び前記新製品の総合評価に基づき、前記
各人の前記新製品の販売量又は市場占有率を算出する手
順、該手順が算出した前記各人の前記新製品の販売量又
は市場占有率を、前記各人の相関係数に基づいて階層化
する手順、該手順が階層化した階層毎の前記販売量又は
市場占有率の平均値及び信頼区間を算出する手順、並び
に該手順が算出した階層毎の平均値及び信頼区間を出力
する手順を、実行させる為のプログラムを記録したコン
ピュータ読み取り可能な記録媒体。
における販売量又は市場占有率を予測させる為のプログ
ラムを記録したコンピュータ読み取り可能な記録媒体で
あって、コンピュータに、過去の複数の製品の実績販売
量又は実績市場占有率を含み、該複数の製品及び前記新
製品について、販売量又は市場占有率に影響すべき複数
の要因のそれぞれについて、複数人が数値により評価し
たデータを入力する手順、該複数人各人の前記製品及び
新製品毎の総合評価を前記各要因の数値に基づき算出す
る手順、前記各人の前記製品毎の総合評価と該製品毎の
前記実績販売量又は実績市場占有率との相関係数を算出
する手順、前記各人の前記製品毎の総合評価と該製品毎
の前記実績販売量又は実績市場占有率との関係を求める
手順、該関係及び前記新製品の総合評価に基づき、前記
各人の前記新製品の販売量又は市場占有率を算出する手
順、該手順が算出した前記各人の前記新製品の販売量又
は市場占有率を、前記各人の相関係数に基づいて階層化
する手順、該手順が階層化した階層毎の前記販売量又は
市場占有率の平均値及び信頼区間を算出する手順、並び
に該手順が算出した階層毎の平均値及び信頼区間を出力
する手順を、実行させる為のプログラムを記録したコン
ピュータ読み取り可能な記録媒体。
【００４２】
【発明の効果】第１発明に係る新製品の初期投入量予測
方法によれば、新製品を市場に投入する際に、その新製
品の販売数量又は販売シェアを予測することが可能とな
る。
方法によれば、新製品を市場に投入する際に、その新製
品の販売数量又は販売シェアを予測することが可能とな
る。
【００４３】第２〜７発明に係る新製品の初期投入量予
測方法及び新製品の初期投入量予測システムによれば、
新製品を市場に投入する際に、その新製品の販売数量又
は販売シェアを予測することが可能であり、また、製品
に対する曖昧な評価項目の絞り込み、及び最も市場投入
時の販売量又はシェアに影響している評価項目の選定が
可能となり、また、人間が行う曖昧な評価を定量化する
ことが可能となり、将来のマーケティングへの活用も可
能となる。
測方法及び新製品の初期投入量予測システムによれば、
新製品を市場に投入する際に、その新製品の販売数量又
は販売シェアを予測することが可能であり、また、製品
に対する曖昧な評価項目の絞り込み、及び最も市場投入
時の販売量又はシェアに影響している評価項目の選定が
可能となり、また、人間が行う曖昧な評価を定量化する
ことが可能となり、将来のマーケティングへの活用も可
能となる。
【００４４】第８〜１０発明に係る記録媒体を読み取っ
たコンピュータによれば、本発明に係る新製品の初期投
入量予測システムとして作動することが可能となり、本
発明に係る初期投入量予測方法を実行することが可能と
なる。
たコンピュータによれば、本発明に係る新製品の初期投
入量予測システムとして作動することが可能となり、本
発明に係る初期投入量予測方法を実行することが可能と
なる。
【図１】本発明に係る新製品の初期投入量予測方法及び
新製品の初期投入量予測システムの実施の形態の要部構
成を示す機能ブロック図である。
新製品の初期投入量予測システムの実施の形態の要部構
成を示す機能ブロック図である。
【図２】構造化ニューラルネットワークの構成を模式的
に示す説明図である。
に示す説明図である。
【図３】ニューロンを模式的に示す説明図である。
【図４】構造化ニューラルネットワークの動作を模式的
に示す説明図である。
に示す説明図である。
【図５】本発明に係る新製品の初期投入量予測システム
の動作を示すフローチャートである。
の動作を示すフローチャートである。
【図６】データを採るためのアンケート表の例を示す説
明図である。
明図である。
【図７】評価テーブルの例を示す説明図である。
【図８】本発明に係る新製品の初期投入量予測システム
の動作を説明する為の説明図である。
の動作を説明する為の説明図である。
【図９】本発明に係る新製品の初期投入量予測システム
の動作を説明する為の説明図である。
の動作を説明する為の説明図である。
【図１０】本発明に係る新製品の初期投入量予測システ
ムの動作を説明する為の説明図である。
ムの動作を説明する為の説明図である。
【図１１】統計表の例を示す説明図である。
１ 入力部 ２ 評価テーブル作成部 ３ 構造化ニューラルネットワーク ４ 主成分分析部 ５ 相関係数算出部 ６ 回帰モデル作成部 ７ 予測シェア算出部 ８ 階層化・算出部 ９ 表示部
───────────────────────────────────────────────────── フロントページの続き (72)発明者 宮下 直人 神奈川県川崎市中原区上小田中４丁目１番 １号 富士通株式会社内 (72)発明者 西本 浩二 大分県大分市東春日町17番58号 株式会社 富士通大分ソフトウェアラボラトリ内 Ｆターム(参考） 5B049 BB07 CC00 EE00 EE14
Claims (10)
- 【請求項１】 新製品の発売時における販売量又は市場
占有率を予測する新製品の初期投入量予測方法であっ
て、 過去の複数の製品及び前記新製品について、販売量又は
市場占有率に影響すべき複数の要因のそれぞれについ
て、複数人に数値により評価させ、 該記複数人各人の前記製品及び新製品毎の総合評価を前
記各要因の数値に基づき算出し、前記各人の前記製品毎
の総合評価と該製品毎の実績販売量又は実績市場占有率
との相関係数を算出し、前記各人の前記製品毎の総合評
価と該製品毎の実績販売量又は実績市場占有率との関係
を求め、該関係及び前記新製品の総合評価に基づき、前
記各人の前記新製品の販売量又は市場占有率を算出し、
算出した前記各人の前記新製品の販売量又は市場占有率
を、前記各人の相関係数に基づいて階層化し、階層毎
の、前記新製品の販売量又は市場占有率の平均値及び信
頼区間を算出し、 前記階層毎の平均値及び信頼区間に基づき、前記新製品
の販売量又は市場占有率を予側することを特徴とする新
製品の初期投入量予測方法。 - 【請求項２】 新製品の発売時における販売量又は市場
占有率を予測する新製品の初期投入量予測方法であっ
て、 過去の複数の製品及び前記新製品について、販売量又は
市場占有率に影響すべき複数の要因のそれぞれについ
て、複数人に数値により評価させ、 該複数人各人の前記各製品及び新製品の前記各要因の数
値と該各製品の実績販売量又は実績市場占有率とに基づ
き、構造化ニューラルネットワークに前記各人の前記新
製品の販売量又は市場占有率を算出させると共に、該算
出に寄与した前記要因及び該要因の大きさを求める一
方、 前記各人の前記製品及び新製品毎の総合評価を前記各要
因の数値に基づき算出し、前記各人の前記製品毎の総合
評価と該製品毎の実績販売量又は実績市場占有率との相
関係数を算出し、前記構造化ニューラルネットワークが
算出した前記各人の前記新製品の販売量又は市場占有率
を、前記各人の相関係数に基づいて階層化し、階層毎
の、前記新製品の販売量又は市場占有率の平均値及び信
頼区間を算出し、 前記階層毎の平均値及び信頼区間、前記構造化ニューラ
ルネットワークが算出した前記各人の販売量又は市場占
有率、該算出に寄与した前記要因及び該要因の大きさに
基づき、前記新製品の販売量又は市場占有率を予側する
ことを特徴とする新製品の初期投入量予測方法。 - 【請求項３】 新製品の発売時における販売量又は市場
占有率を予測する新製品の初期投入量予測方法であっ
て、 過去の複数の製品及び前記新製品について、販売量又は
市場占有率に影響すべき複数の要因のそれぞれについ
て、複数人に数値により評価させ、 該複数人各人の前記各製品及び新製品の前記各要因の数
値と該各製品の実績販売量又は実績市場占有率とに基づ
き、構造化ニューラルネットワークに前記各人の前記新
製品の販売量又は市場占有率を算出させると共に、該算
出に寄与した前記要因及び該要因の大きさを求める一
方、 前記各人の前記製品及び新製品毎の総合評価を前記各要
因の数値に基づき算出し、前記各人の前記製品毎の総合
評価と該製品毎の実績販売量又は実績市場占有率との関
係を求め、該関係及び前記新製品の総合評価に基づき、
前記各人の前記新製品の販売量又は市場占有率を算出
し、 算出した前記各人の前記新製品の販売量又は市場占有
率、前記構造化ニューラルネットワークが算出した前記
各人の販売量又は市場占有率、該算出に寄与した前記要
因及び該要因の大きさに基づき、前記新製品の販売量又
は市場占有率を予側することを特徴とする新製品の初期
投入量予測方法。 - 【請求項４】 新製品の発売時における販売量又は市場
占有率を予測する新製品の初期投入量予測方法であっ
て、 過去の複数の製品及び前記新製品について、販売量又は
市場占有率に影響すべき複数の要因のそれぞれについ
て、複数人に数値により評価させ、 該複数人各人の前記各製品及び新製品の前記各要因の数
値と該各製品の実績販売量又は実績市場占有率とに基づ
き、構造化ニューラルネットワークに前記各人の前記新
製品の販売量又は市場占有率を算出させると共に、該算
出に寄与した前記要因及び該要因の大きさを求める一
方、 前記各人の前記製品及び新製品毎の総合評価を前記各要
因の数値に基づき算出し、前記各人の前記製品毎の総合
評価と該製品毎の実績販売量又は実績市場占有率との相
関係数を算出し、前記各人の前記製品毎の総合評価と該
製品毎の実績販売量又は実績市場占有率との関係を求
め、該関係及び前記新製品の総合評価に基づき、前記各
人の前記新製品の販売量又は市場占有率を算出し、算出
した前記各人の前記新製品の販売量又は市場占有率を、
前記各人の相関係数に基づいて階層化し、階層毎の、前
記新製品の販売量又は市場占有率の平均値及び信頼区間
を算出し、 前記階層毎の平均値及び信頼区間、前記構造化ニューラ
ルネットワークが算出した前記各人の販売量又は市場占
有率、該算出に寄与した前記要因及び該要因の大きさに
基づき、前記新製品の販売量又は市場占有率を予側する
ことを特徴とする新製品の初期投入量予測方法。 - 【請求項５】 前記総合評価は、前記各要因の数値に基
づく主成分分析により算出する請求項１〜４の何れかに
記載の新製品の初期投入量予測方法。 - 【請求項６】 前記製品毎の総合評価と該製品毎の実績
販売量又は実績市場占有率との関係は、前記総合評価を
説明変量、前記実績販売量又は実績市場占有率を被説明
変量とする回帰分析により求める請求項１、３〜５の何
れかに記載の新製品の初期投入量予測方法。 - 【請求項７】 請求項１〜６の何れかに記載された新製
品の初期投入量予測方法を用いてなることを特徴とする
新製品の初期投入量予測システム。 - 【請求項８】 コンピュータに、新製品の発売時におけ
る販売量又は市場占有率を予測させる為のプログラムを
記録したコンピュータ読み取り可能な記録媒体であっ
て、 コンピュータに、過去の複数の製品の実績販売量又は実
績市場占有率を含み、該複数の製品及び前記新製品につ
いて、販売量又は市場占有率に影響すべき複数の要因の
それぞれについて、複数人が数値により評価したデータ
を入力する手順を実行させる為のプログラムと、 前記複数人各人の前記各製品及び新製品の前記各要因の
数値と該各製品の前記実績販売量又は実績市場占有率と
に基づき、前記各人の前記新製品の販売量又は市場占有
率を算出すると共に、該算出に寄与した前記要因及び該
要因の大きさを求める構造化ニューラルネットワーク
と、 コンピュータに、 前記各人の前記製品及び新製品毎の総合評価を前記各要
因の数値に基づき算出する手順、 前記各人の前記製品毎の総合評価と該製品毎の前記実績
販売量又は実績市場占有率との相関係数を算出する手
順、 前記構造化ニューラルネットワークが算出した前記各人
の前記新製品の販売量又は市場占有率を、前記各人の相
関係数に基づいて階層化する手順、 該手順が階層化した階層毎の前記販売量又は市場占有率
の平均値及び信頼区間を算出する手順、 並びに該手順が算出した階層毎の平均値及び信頼区間、
前記構造化ニューラルネットワークが算出した前記各人
の販売量又は市場占有率、該算出に寄与した前記要因及
び該要因の大きさを出力する手順を、 実行させる為のプログラムとを記録したコンピュータ読
み取り可能な記録媒体。 - 【請求項９】 コンピュータに、新製品の発売時におけ
る販売量又は市場占有率を予測させる為のプログラムを
記録したコンピュータ読み取り可能な記録媒体であっ
て、 コンピュータに、過去の複数の製品の実績販売量又は実
績市場占有率を含み、該複数の製品及び前記新製品につ
いて、販売量又は市場占有率に影響すべき複数の要因の
それぞれについて、複数人が数値により評価したデータ
を入力する手順を実行させる為のプログラムと、 前記複数人各人の前記各製品及び新製品の前記各要因の
数値と該各製品の前記実績販売量又は実績市場占有率と
に基づき、前記各人の前記新製品の販売量又は市場占有
率を算出すると共に、該算出に寄与した前記要因及び該
要因の大きさを求める構造化ニューラルネットワーク
と、 コンピュータに、 前記各人の前記製品及び新製品毎の総合評価を前記各要
因の数値に基づき算出する手順、 前記各人の前記製品毎の総合評価と該製品毎の前記実績
販売量又は実績市場占有率との関係を求める手順、 該関係及び前記新製品の総合評価に基づき、前記各人の
前記新製品の販売量又は市場占有率を算出する手順、 並びに該手順が算出した前記各人の前記新製品の販売量
又は市場占有率、前記構造化ニューラルネットワークが
算出した前記各人の販売量又は市場占有率、該算出に寄
与した前記要因及び該要因の大きさを出力する手順を、 実行させる為のプログラムとを記録したコンピュータ読
み取り可能な記録媒体。 - 【請求項１０】 コンピュータに、新製品の発売時にお
ける販売量又は市場占有率を予測させる為のプログラム
を記録したコンピュータ読み取り可能な記録媒体であっ
て、 コンピュータに、過去の複数の製品の実績販売量又は実
績市場占有率を含み、該複数の製品及び前記新製品につ
いて、販売量又は市場占有率に影響すべき複数の要因の
それぞれについて、複数人が数値により評価したデータ
を入力する手順を実行させる為のプログラムと、 前記複数人各人の前記各製品及び新製品の前記各要因の
数値と該各製品の前記実績販売量又は実績市場占有率と
に基づき、前記各人の前記新製品の販売量又は市場占有
率を算出すると共に、該算出に寄与した前記要因及び該
要因の大きさを求める構造化ニューラルネットワーク
と、 コンピュータに、 前記各人の前記製品及び新製品毎の総合評価を前記各要
因の数値に基づき算出する手順、 前記各人の前記製品毎の総合評価と該製品毎の前記実績
販売量又は実績市場占有率との相関係数を算出する手
順、 前記各人の前記製品毎の総合評価と該製品毎の前記実績
販売量又は実績市場占有率との関係を求める手順、 該関係及び前記新製品の総合評価に基づき、前記各人の
前記新製品の販売量又は市場占有率を算出する手順、 該手順が算出した前記各人の前記新製品の販売量又は市
場占有率を、前記各人の相関係数に基づいて階層化する
手順、 該手順が階層化した階層毎の前記販売量又は市場占有率
の平均値及び信頼区間を算出する手順、 並びに該手順が算出した階層毎の平均値及び信頼区間、
前記構造化ニューラルネットワークが算出した前記各人
の販売量又は市場占有率、該算出に寄与した前記要因及
び該要因の大きさを出力する手順を、 実行させる為のプログラムとを記録したコンピュータ読
み取り可能な記録媒体。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000391514A JP4678943B2 (ja) | 2000-12-22 | 2000-12-22 | 新製品の初期投入量予測方法、新製品の初期投入量予測装置及び記録媒体 |
| US09/870,021 US7246079B2 (en) | 2000-12-22 | 2001-05-31 | Method of predicting initial input of new product, system for predicting initial input of new product, and recording medium |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000391514A JP4678943B2 (ja) | 2000-12-22 | 2000-12-22 | 新製品の初期投入量予測方法、新製品の初期投入量予測装置及び記録媒体 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2002197400A true JP2002197400A (ja) | 2002-07-12 |
| JP4678943B2 JP4678943B2 (ja) | 2011-04-27 |
Family
ID=18857638
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2000391514A Expired - Lifetime JP4678943B2 (ja) | 2000-12-22 | 2000-12-22 | 新製品の初期投入量予測方法、新製品の初期投入量予測装置及び記録媒体 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US7246079B2 (ja) |
| JP (1) | JP4678943B2 (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009037315A (ja) * | 2007-07-31 | 2009-02-19 | Toyota Motor Corp | シェア予測装置及びシェア予測方法及びシェア予測用プログラム |
| JP6031210B1 (ja) * | 2016-07-12 | 2016-11-24 | サイジニア株式会社 | 販売予測装置、販売予測方法、およびプログラム |
| JP2019192002A (ja) * | 2018-04-26 | 2019-10-31 | 株式会社日立物流 | 在庫管理装置、在庫管理方法及びプログラム |
| WO2021199541A1 (ja) * | 2020-03-31 | 2021-10-07 | コニカミノルタ株式会社 | デザイン評価装置、学習装置、プログラムおよびデザイン評価方法 |
Families Citing this family (31)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030101090A1 (en) * | 2001-11-13 | 2003-05-29 | Ford Motor Company | Method for determining a feature introduction timing plan for a product |
| US7324955B1 (en) * | 2002-02-11 | 2008-01-29 | I2 Technologies Us, Inc. | Generating a sales volume forecast |
| US7092844B1 (en) * | 2004-07-20 | 2006-08-15 | Trilogy Development Group. Inc. | Determining confidence intervals for weighted trial data |
| US7359758B2 (en) * | 2006-03-21 | 2008-04-15 | International Business Machines Corporation | Methods, systems, and computer program products for implementing a reusable new product planning model |
| AU2006202302B1 (en) * | 2006-05-30 | 2006-11-23 | Forethought Pty Ltd | Market research analysis method |
| US20070282619A1 (en) * | 2006-05-31 | 2007-12-06 | Caterpillar Inc. | Conjoint method for making decisions regarding patent assertion and patent licensing |
| CN101711388B (zh) | 2007-03-29 | 2016-04-27 | 神经焦点公司 | 营销和娱乐的效果分析 |
| US8392253B2 (en) | 2007-05-16 | 2013-03-05 | The Nielsen Company (Us), Llc | Neuro-physiology and neuro-behavioral based stimulus targeting system |
| US20080294498A1 (en) * | 2007-05-24 | 2008-11-27 | Christopher Adrien | Methods and apparatus to improve market launch performance |
| US20090024446A1 (en) * | 2007-07-20 | 2009-01-22 | Shan Jerry Z | Providing a model of a life cycle of an enterprise offering |
| US8533042B2 (en) | 2007-07-30 | 2013-09-10 | The Nielsen Company (Us), Llc | Neuro-response stimulus and stimulus attribute resonance estimator |
| US8386313B2 (en) | 2007-08-28 | 2013-02-26 | The Nielsen Company (Us), Llc | Stimulus placement system using subject neuro-response measurements |
| US8392255B2 (en) | 2007-08-29 | 2013-03-05 | The Nielsen Company (Us), Llc | Content based selection and meta tagging of advertisement breaks |
| US20090083129A1 (en) | 2007-09-20 | 2009-03-26 | Neurofocus, Inc. | Personalized content delivery using neuro-response priming data |
| WO2009046224A1 (en) | 2007-10-02 | 2009-04-09 | Emsense Corporation | Providing remote access to media, and reaction and survey data from viewers of the media |
| WO2009059246A1 (en) | 2007-10-31 | 2009-05-07 | Emsense Corporation | Systems and methods providing en mass collection and centralized processing of physiological responses from viewers |
| US8818838B1 (en) | 2009-03-12 | 2014-08-26 | Henry Rak Consulting Partners, LLC | System and method for efficiently developing a hypothesis regarding the structure of a market |
| US20100250325A1 (en) | 2009-03-24 | 2010-09-30 | Neurofocus, Inc. | Neurological profiles for market matching and stimulus presentation |
| US9727616B2 (en) * | 2009-07-06 | 2017-08-08 | Paypal, Inc. | Systems and methods for predicting sales of item listings |
| US8386406B2 (en) | 2009-07-08 | 2013-02-26 | Ebay Inc. | Systems and methods for making contextual recommendations |
| US10987015B2 (en) | 2009-08-24 | 2021-04-27 | Nielsen Consumer Llc | Dry electrodes for electroencephalography |
| US9560984B2 (en) | 2009-10-29 | 2017-02-07 | The Nielsen Company (Us), Llc | Analysis of controlled and automatic attention for introduction of stimulus material |
| US20110106750A1 (en) | 2009-10-29 | 2011-05-05 | Neurofocus, Inc. | Generating ratings predictions using neuro-response data |
| DE102010038930A1 (de) * | 2010-08-04 | 2012-02-09 | Christian Kayser | Verfahren und System zum Erzeugen eines Prognosenetzwerkes |
| US8543446B2 (en) * | 2011-02-28 | 2013-09-24 | The Nielsen Company (Us), Llc. | Methods and apparatus to predict new product performance metrics |
| US9569986B2 (en) | 2012-02-27 | 2017-02-14 | The Nielsen Company (Us), Llc | System and method for gathering and analyzing biometric user feedback for use in social media and advertising applications |
| US20130304567A1 (en) * | 2012-05-11 | 2013-11-14 | Christopher Adrien | Methods and appartus to assess marketing concepts prior to market participation |
| US9936250B2 (en) | 2015-05-19 | 2018-04-03 | The Nielsen Company (Us), Llc | Methods and apparatus to adjust content presented to an individual |
| CN109948773A (zh) * | 2017-12-20 | 2019-06-28 | 北京京东尚科信息技术有限公司 | 生成信息的方法和装置 |
| CN108846690A (zh) * | 2018-05-31 | 2018-11-20 | 郑州云海信息技术有限公司 | 一种商品评价方法、系统、存储介质和计算机设备 |
| CN111008736A (zh) * | 2019-11-28 | 2020-04-14 | 海南太美航空股份有限公司 | 用于新航线的开通决策方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09120395A (ja) * | 1995-08-24 | 1997-05-06 | Toyota Motor Corp | 次期商品販売予測装置および次期商品販売予測方法 |
| JPH10143490A (ja) * | 1996-11-07 | 1998-05-29 | Fujitsu Ltd | 需要予測方法、需要予測システム及び記録媒体 |
| JP2000029950A (ja) * | 1998-07-14 | 2000-01-28 | Fujitsu Ltd | 投入計画作成システム及び投入計画作成方法並びにそのプログラムを格納した記憶媒体 |
| JP2000200260A (ja) * | 1998-07-21 | 2000-07-18 | Toyota Motor Corp | 商品販売数予測システム |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5402519A (en) * | 1990-11-26 | 1995-03-28 | Hitachi, Ltd. | Neural network system adapted for non-linear processing |
| CA2118885C (en) * | 1993-04-29 | 2005-05-24 | Conrad K. Teran | Process control system |
| JPH07175787A (ja) * | 1993-12-16 | 1995-07-14 | Kao Corp | 販売量予測装置 |
| US5774868A (en) * | 1994-12-23 | 1998-06-30 | International Business And Machines Corporation | Automatic sales promotion selection system and method |
| JPH09120935A (ja) | 1995-10-24 | 1997-05-06 | Hitachi Aic Inc | タンタル固体電解コンデンサ |
| US6029139A (en) * | 1998-01-28 | 2000-02-22 | Ncr Corporation | Method and apparatus for optimizing promotional sale of products based upon historical data |
| JP2000112914A (ja) * | 1998-10-09 | 2000-04-21 | Toshiba Corp | 神経回路網の学習方法 |
| US6978249B1 (en) * | 2000-07-28 | 2005-12-20 | Hewlett-Packard Development Company, L.P. | Profile-based product demand forecasting |
-
2000
- 2000-12-22 JP JP2000391514A patent/JP4678943B2/ja not_active Expired - Lifetime
-
2001
- 2001-05-31 US US09/870,021 patent/US7246079B2/en not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09120395A (ja) * | 1995-08-24 | 1997-05-06 | Toyota Motor Corp | 次期商品販売予測装置および次期商品販売予測方法 |
| JPH10143490A (ja) * | 1996-11-07 | 1998-05-29 | Fujitsu Ltd | 需要予測方法、需要予測システム及び記録媒体 |
| JP2000029950A (ja) * | 1998-07-14 | 2000-01-28 | Fujitsu Ltd | 投入計画作成システム及び投入計画作成方法並びにそのプログラムを格納した記憶媒体 |
| JP2000200260A (ja) * | 1998-07-21 | 2000-07-18 | Toyota Motor Corp | 商品販売数予測システム |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009037315A (ja) * | 2007-07-31 | 2009-02-19 | Toyota Motor Corp | シェア予測装置及びシェア予測方法及びシェア予測用プログラム |
| JP6031210B1 (ja) * | 2016-07-12 | 2016-11-24 | サイジニア株式会社 | 販売予測装置、販売予測方法、およびプログラム |
| JP2019192002A (ja) * | 2018-04-26 | 2019-10-31 | 株式会社日立物流 | 在庫管理装置、在庫管理方法及びプログラム |
| JP7033490B2 (ja) | 2018-04-26 | 2022-03-10 | 株式会社日立物流 | 在庫管理装置、在庫管理方法及びプログラム |
| WO2021199541A1 (ja) * | 2020-03-31 | 2021-10-07 | コニカミノルタ株式会社 | デザイン評価装置、学習装置、プログラムおよびデザイン評価方法 |
| JPWO2021199541A1 (ja) * | 2020-03-31 | 2021-10-07 | ||
| JP7255751B2 (ja) | 2020-03-31 | 2023-04-11 | コニカミノルタ株式会社 | デザイン評価装置、学習装置、プログラムおよびデザイン評価方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20020082902A1 (en) | 2002-06-27 |
| JP4678943B2 (ja) | 2011-04-27 |
| US7246079B2 (en) | 2007-07-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2002197400A (ja) | 新製品の初期投入量予測方法、新製品の初期投入量予測システム及び記録媒体 | |
| Hill et al. | Artificial neural network models for forecasting and decision making | |
| JPH05342191A (ja) | 経済時系列データ予測及び解析システム | |
| CN107808122A (zh) | 目标跟踪方法及装置 | |
| CN108364195A (zh) | 用户留存概率预测方法、装置、预测服务器及存储介质 | |
| CN108304440A (zh) | 游戏推送的方法、装置、计算机设备及存储介质 | |
| CN110390561B (zh) | 基于动量加速随机梯度下降的用户-金融产品选用倾向高速预测方法和装置 | |
| CN109816438B (zh) | 信息推送方法及装置 | |
| JPH10283414A (ja) | 消費者行動モデルを作成する方法 | |
| KR20220059287A (ko) | 시계열 예측을 위한 어텐션 기반 스태킹 방법 | |
| CN107679987A (zh) | 资产配置策略获取方法、装置、计算机设备和存储介质 | |
| CN113656691A (zh) | 数据预测方法、装置及存储介质 | |
| Dutta et al. | A data mining based target regression-oriented approach to modelling of health insurance claims | |
| JP5251217B2 (ja) | 販売数予測システム、販売数予測システムの動作方法および販売数予測プログラム | |
| Jaruszewicz et al. | One day prediction of NIKKEI index considering information from other stock markets | |
| CN115034426B (zh) | 一种基于相空间重构与多模型融合Stacking集成学习方式的滚动负荷预测方法 | |
| Al-Mudafer et al. | Stochastic loss reserving with mixture density neural networks | |
| Chen et al. | Fuzzy-neural approaches with example post-classification for estimating job cycle time in a wafer fab | |
| JPH105413A (ja) | パチンコ遊技店における入場者数および売上高の予測装置 | |
| WO2023120126A1 (ja) | 販売数量予測システム、販売数量予測方法 | |
| De Greene | Force fields and emergent phenomena in sociotechnical macrosystems: Theories and models | |
| CN115049458A (zh) | 基于用户人群建模的商品推送方法及装置、介质、设备 | |
| JP2005157836A (ja) | 商品販売量予測装置、商品販売量予測方法及びモデル学習方法 | |
| Dey et al. | AHP-neural network based player price estimation in IPL | |
| WO2013055257A1 (ru) | Способ прогноза целевого показателя событий по неограниченному количеству характеристик |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20071120 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100330 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100521 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20101109 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20110111 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20110201 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20110201 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 Ref document number: 4678943 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140210 Year of fee payment: 3 |
|
| EXPY | Cancellation because of completion of term |