JP2006079298A - 販売量予測システム - Google Patents
販売量予測システム Download PDFInfo
- Publication number
- JP2006079298A JP2006079298A JP2004261755A JP2004261755A JP2006079298A JP 2006079298 A JP2006079298 A JP 2006079298A JP 2004261755 A JP2004261755 A JP 2004261755A JP 2004261755 A JP2004261755 A JP 2004261755A JP 2006079298 A JP2006079298 A JP 2006079298A
- Authority
- JP
- Japan
- Prior art keywords
- sales
- product
- amount
- products
- 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.)
- Pending
Links
Images
Abstract
【課題】その販売実績から将来の販売量を予測し難い商品についても、将来の販売量を精度良く予測する。
【解決手段】評価用予測処理部11は、対象商品以外の複数の商品の各々について、所定期間Taにおける販売実績量に基づき、期間Ta後の期間Tbにおける販売予測量を算出する。他商品抽出処理部12は、複数の商品の中から、期間Tbにおける販売予測量と販売実績量との誤差が所定基準より小さい一以上の商品を抽出する。相関関係算出処理部13は、抽出された各商品の販売実績量と、対象商品の販売実績量とに基づいて、抽出された商品と対象商品との間の販売量の相関関係を求める。他商品予測処理部14は、抽出された商品の各々について、販売実績量に基づき、将来の販売予測量を算出する。対象商品予測処理部15は、算出された各商品の将来の販売予測量に基づき、上記相関関係を用いて対象商品の将来の販売予測量を算出する。
【選択図】図1
【解決手段】評価用予測処理部11は、対象商品以外の複数の商品の各々について、所定期間Taにおける販売実績量に基づき、期間Ta後の期間Tbにおける販売予測量を算出する。他商品抽出処理部12は、複数の商品の中から、期間Tbにおける販売予測量と販売実績量との誤差が所定基準より小さい一以上の商品を抽出する。相関関係算出処理部13は、抽出された各商品の販売実績量と、対象商品の販売実績量とに基づいて、抽出された商品と対象商品との間の販売量の相関関係を求める。他商品予測処理部14は、抽出された商品の各々について、販売実績量に基づき、将来の販売予測量を算出する。対象商品予測処理部15は、算出された各商品の将来の販売予測量に基づき、上記相関関係を用いて対象商品の将来の販売予測量を算出する。
【選択図】図1
Description
本発明は、商品の将来の販売量を予測する販売量予測システムに関する。
商品の販売量を正確に予測することは、生産計画、販売戦略等を決定する上で極めて重要なことである。このような商品の販売量を予測する方法としては、予測対象商品自体の過去の販売実績量に基づき、時系列予測を用いて予測を行うものが知られている(例えば、非特許文献1参照)。この他にも、販売量予測方法として様々なものが提案されている(例えば、特許文献1〜3参照)。
上記の時系列予測を用いる方法においては、精度良く予測を行うためには、ある程度長い期間にわたる販売実績量(時系列データ)が必要となる。例えば、ある商品の将来の月別販売量を予測する場合、過去3年(36ヶ月)程度の月別販売量の時系列データが必要とされる。
このため、ライフサイクルが比較的短い商品については、その商品の過去の販売実績から将来の販売量を予測することは困難である。例えば、自動車の場合、およそ2年毎にモデルチェンジが行われるため、3年分の月別販売実績量を用意することができず、過去の販売実績から将来の売れ行きを精度良く予測することができない。
そこで、本発明は、その販売実績から将来の販売量を予測し難い商品についても、将来の販売量を精度良く予測することができる販売量予測システムを提供する。
本発明に係る販売量予測システムは、対象商品の販売量を予測する販売量予測システムであって、対象商品以外の複数の商品の各々について、当該商品の所定期間Taにおける販売実績量に基づき、所定の予測方式により、期間Ta後の期間Tbにおける販売予測量を算出する手段と、前記複数の商品の中から、期間Tbにおける販売予測量と販売実績量との誤差が所定基準より小さい一以上の商品を抽出する手段と、抽出された各商品の販売実績量と、対象商品の販売実績量とに基づいて、抽出された一以上の商品と対象商品との間の販売量の相関関係を求める手段と、抽出された商品の各々について、当該商品の販売実績量に基づき、前記所定の予測方式により、将来の販売予測量を算出する手段と、算出された各商品の将来の販売予測量に基づき、前記相関関係を用いて、対象商品の将来の販売予測量を算出する手段と、を有することを特徴とする。
また、本発明の販売量予測システムは、対象商品の販売量を予測する販売量予測システムであって、対象商品以外の複数の商品の各々について、当該商品の所定期間Taにおける販売実績量に基づき、所定の予測方式により、期間Ta後の期間Tbにおける販売予測量を算出する手段と、前記複数の商品の中から、期間Tbにおける販売予測量と販売実績量との誤差が所定基準より小さい一以上の商品を抽出する手段と、抽出された各商品の販売実績量と、対象商品の販売実績量とに基づいて、抽出された一以上の商品と対象商品との間の販売量の相関関係を求める手段と、求められた相関関係に基づいて、抽出された一以上の商品の中から、対象商品との間の販売量の相関が所定基準より高い一以上の商品を選択する手段と、選択された商品の各々について、当該商品の販売実績量に基づき、前記所定の予測方式により、将来の販売予測量を算出する手段と、算出された各商品の将来の販売予測量に基づき、前記相関関係を用いて、対象商品の将来の販売予測量を算出する手段と、を有することを特徴とする。
本発明によれば、その販売実績から将来の販売量を予測し難い商品についても、将来の販売量を精度良く予測することができる。
以下、本発明の実施の形態について、第1〜2の実施の形態に分けて、図面に従って詳細に説明する。
[第1の実施の形態]
図1は、本実施の形態に係る販売量予測システム1の機能構成を示すブロック図である。この販売量予測システム1は、予測対象となる対象商品Aの販売量を、対象商品Aの過去の販売実績量と、対象商品以外の複数の商品B1〜Bm(以下、「他商品」と称す)の過去の販売実績量とに基づいて予測するものである。ここで、他商品B1〜Bmは、対象商品Aと同じ種類の商品であってもよいし、全く異なる種類の商品であってもよい。
図1は、本実施の形態に係る販売量予測システム1の機能構成を示すブロック図である。この販売量予測システム1は、予測対象となる対象商品Aの販売量を、対象商品Aの過去の販売実績量と、対象商品以外の複数の商品B1〜Bm(以下、「他商品」と称す)の過去の販売実績量とに基づいて予測するものである。ここで、他商品B1〜Bmは、対象商品Aと同じ種類の商品であってもよいし、全く異なる種類の商品であってもよい。
図2は、対象商品Aおよび他商品B1〜Bmの販売量の時系列を模式的に示す図である。図2において、●印は対象商品Aの月別の販売実績量、△黒三角印は他商品の月別の販売実績量、○印は対象商品Aの月別の販売予測量、△印は他商品の月別の販売予測量を表す。なお、ここでは時系列データは月別の販売量であるが、日別や週別等であっても構わない。
以下、図1,2を参照して、販売量予測システム1の構成について説明する。図1において、販売量予測システム1は、評価用予測処理部11、他商品抽出処理部12、相関関係算出処理部13、他商品予測処理部14、および対象商品予測処理部15を有する。ここでは、販売量予測システム1はコンピュータによって構成され、上記各部11〜15は、記憶媒体に格納された販売量予測プログラムがCPUによって実行されることにより実現される。ただし、販売量予測システム1の具体的な実現態様は、特に限定されない。
評価用予測処理部11は、複数の他商品B1〜Bmの各々について、当該他商品の所定期間Taにおける販売実績量(図2中△黒三角印)に基づき、所定の予測方式に従って、所定期間Ta後の期間Tbにおける販売予測量(図2中△印)を算出する。ここで、所定の予測方式は好ましくは時系列予測であり、時系列予測としては例えばセンサス局法が挙げられる。所定期間Taは、予測精度の観点より36ヶ月以上であることが好ましい。なお、複数の他商品B1〜Bmの販売実績量は、図1において他商品販売実績ファイル16に予め格納されている。
他商品抽出処理部12は、複数の他商品B1〜Bmの中から、期間Tbにおける販売予測量(図2中△印)と販売実績量(図2中△黒三角印)との誤差が所定基準より小さい一以上の他商品を抽出する。すなわち、複数の他商品B1〜Bmの中から、その過去の販売実績から将来の販売量を予測した場合における予測精度が所定基準より高い一以上の他商品を選出する。ここで、誤差が所定基準より小さい他商品を抽出する態様としては、全他商品のうち誤差の小ささが所定順位以上である他商品を抽出する態様や、誤差が所定の閾値より小さい他商品を抽出する態様が挙げられる。期間Tbは、予測精度の評価を良好に行える期間であることが好ましく、例えば12ヶ月である。なお、ここでは、図2に示されるとおり、4つの他商品B1,B5,B8,B21が抽出されたものとする。
相関関係算出処理部13は、他商品抽出処理部12により抽出された各他商品の販売実績量と、対象商品Aの販売実績量とに基づいて、抽出された一以上の他商品と対象商品Aとの間の販売量の相関関係を求める。例えば、抽出された各他商品の所定期間Tcにおける販売実績量(図2中△黒三角印)と、対象商品Aの所定期間Tcにおける販売実績量(図2中●印)とに基づいて、重回帰分析を用いて下記式(1)で表される予測モデル式を生成する。
上記式(1)において、D* A,jは、対象商品Aのj月の販売予測量である。D* x,j(x=1,5,8,21)は、他商品Bxのj月の販売予測量である。ax(x=1,5,8,21)は、重回帰分析により求められる係数(偏回帰係数)である。eは、重回帰分析により求められる定数である。
なお、所定期間Tcは、予測精度の観点より12ヶ月以上であることが好ましい。対象商品Aの販売実績量は、図1において対象商品販売実績ファイル17に予め格納されている。
他商品予測処理部14は、他商品抽出処理部12により抽出された他商品の各々について、当該他商品の販売実績量に基づき、評価用予測処理部11と同様の予測方式に従って、将来の販売予測量を算出する。例えば、上記式(1)の予測モデル式を用いる場合には、他商品B1,B5,B8,B21の各々について、当該他商品の所定期間Tdにおける販売実績量(図2中△黒三角印)に基づき、時系列予測を用いて、予測対象期間Teにおける販売予測量(図2中△印)を算出する。ここで、所定期間Tdは、予測精度の観点より直近の36ヶ月以上の期間であることが好ましい。
対象商品予測処理部15は、他商品予測処理部14により算出された各他商品の将来の販売予測量に基づき、相関関係算出処理部13により求められた相関関係を用いて、対象商品Aの将来の販売予測量を算出する。例えば、他商品B1,B5,B8,B21の予測対象期間Teにおける販売予測量(図2中△印)を、上記式(1)の予測モデル式に代入することにより、対象商品Aの予測対象期間Teにおける販売予測量(図2中○印)を算出する。図1において、対象商品予測処理部15は、算出された対象商品Aの販売予測量を予測結果ファイル18に格納する。
以上のとおり、本実施の形態では、他商品B1〜Bmについては、期間(Ta+Tb)(約48ヶ月以上)といった比較的長い期間における販売実績量の時系列データが必要とされるが、対象商品Aについては、期間Tc(約12ヶ月以上)といった比較的短い期間における販売実績量の時系列データで足りる。すなわち、本実施の形態によれば、ある程度長い期間の販売実績を用意することができず、過去の販売実績から将来の販売量を予測し難い商品についても、将来の販売量を予測することが可能となる。
以下、本実施の形態に係る販売量予測システム1の動作、すなわち本実施の形態における販売量予測処理の手順について、ある車両の将来の販売量を予測する場合を例にとって、より具体的に説明する。なお、以下の説明では、現在の月(当月)は2004年6月であるとする。
図3は、本実施の形態における対象商品販売実績ファイル17のデータ構成例を示す図である。この対象商品販売実績ファイル17には、2003年6月から2004年5月までの期間(12ヶ月)における、対象商品Aの月別の販売実績量が格納されている。また、対象商品販売実績ファイル17には、対象商品Aの各種の属性データも格納されている。ここでは、対象商品Aは、カテゴリーが「車両」、メーカが「自社」、商品名が「セダン○○」である。
図4は、本実施の形態における他商品販売実績ファイル16のデータ構成例を示す図である。この他商品販売実績ファイル16には、2000年1月から2004年5月までの期間(53ヶ月)における、他商品B1〜Bmの月別の販売実績量が格納されている。また、他商品販売実績ファイル16には、他商品B1〜Bmの各種の属性データ(カテゴリー、メーカ、商品名)も格納されている。ここでは、図4に示されるとおり、他商品として、対象商品Aの種類と全く異なる商品(音響装置、飲料、家、・・・)が採用されている。
図5は、本実施の形態に係る販売量予測システム1の動作手順を示すフローチャートである。以下、図5に従って、図1〜4を適宜参照しながら、本実施の形態における販売量予測処理の手順について説明する。なお、以下の説明では当月をN月とする。
<ステップS11:評価用予測処理>
まず、評価用予測処理部11は、他商品B1〜Bmの各々について、(N−53)〜(N−13)月の販売実績量を入力データとして、時系列予測を用いて、(N−12)〜(N−1)月の販売予測量を算出する。
まず、評価用予測処理部11は、他商品B1〜Bmの各々について、(N−53)〜(N−13)月の販売実績量を入力データとして、時系列予測を用いて、(N−12)〜(N−1)月の販売予測量を算出する。
具体的には、図6に示されるとおり、評価用予測処理部11は、他商品販売実績ファイル16から、他商品B1の(N−53)〜(N−13)月の販売実績量D1,N-53〜D1,N-13を取り出す。ついで、取り出した販売実績量D1,N-53〜D1,N-13に基づいて予測モデル式を作成し、この予測モデル式を用いて他商品B1の(N−12)〜(N−1)月の販売予測量D* 1,N-12〜D* 1,N-1を算出する。そして、同様の計算を繰り返すことにより、他商品B2〜Bmについても、(N−12)〜(N−1)月の販売予測量D* x,N-12〜D* x,N-1(x=2〜m)を算出する。
なお、時系列予測については、広く知られている技術であるので、ここでは詳しい説明は省略することとする。
<ステップS12:他商品抽出処理>
ついで、他商品抽出処理部12は、評価用予測処理部11により算出された予測結果を用いて、どの他商品が予測に適しているかを評価し、予測精度の高い他商品を抽出する。具体的には、次の処理を実行する。
ついで、他商品抽出処理部12は、評価用予測処理部11により算出された予測結果を用いて、どの他商品が予測に適しているかを評価し、予測精度の高い他商品を抽出する。具体的には、次の処理を実行する。
まず、他商品抽出処理部12は、他商品B1からBmまで順に、評価用予測処理部11により算出された(N−12)〜(N−1)月の販売予測量と、(N−12)〜(N−1)月の販売実績量との誤差を算出する。ここでは、他商品Bx(x=1〜m)について、販売予測量D* x,N-12〜D* x,N-1と販売実績量Dx,N-12〜Dx,N-1との乖離度Exを、下記式(2)を用いて算出する。
そして、他商品抽出処理部12は、他商品B1〜Bmの中から、乖離度Exが小さいものから順に所定数(ここでは4つ)の他商品を選ぶ。すなわち、他商品B1〜Bmの中から、乖離度Exの小ささに関して上位4つの他商品を抽出する。ここでは、他商品B1,B5,B8,B21が抽出されたものとする。
なお、販売予測量と販売実績量との誤差は、上記式(2)により算出される乖離度Exに限られず、他の値であってもよい。また、他商品を抽出するための基準は、上記に限られず、「乖離度Exが所定閾値以下であること」など、適宜に設定されればよい。
<ステップS13:相関関係算出処理>
ついで、相関関係算出処理部13は、他商品抽出処理部12により抽出された他商品B1,B5,B8,B21と、対象商品Aとの販売量の関係を回帰式にてモデル化する。具体的には、対象商品Aの(N−12)〜(N−1)月の販売実績量DA,N-12〜DA,N-1と、抽出された他商品Bx(x=1,5,8,21)の(N−12)〜(N−1)月の販売実績量Dx,N-12〜Dx,N-1とに基づいて、重回帰分析により上記(1)式の係数a1,a5,a8,a21および定数eを求め、例えば下記式(4)のような予測モデル式を生成する。
ついで、相関関係算出処理部13は、他商品抽出処理部12により抽出された他商品B1,B5,B8,B21と、対象商品Aとの販売量の関係を回帰式にてモデル化する。具体的には、対象商品Aの(N−12)〜(N−1)月の販売実績量DA,N-12〜DA,N-1と、抽出された他商品Bx(x=1,5,8,21)の(N−12)〜(N−1)月の販売実績量Dx,N-12〜Dx,N-1とに基づいて、重回帰分析により上記(1)式の係数a1,a5,a8,a21および定数eを求め、例えば下記式(4)のような予測モデル式を生成する。
なお、重回帰分析については、広く知られている技術であるので、ここでは詳しい説明は省略することとする。
<ステップS14:他商品予測処理>
ついで、他商品予測処理部14は、次ステップの対象商品予測処理の前準備として、上記式(4)の右辺に代入されるべき値を求める。すなわち、他商品抽出処理部12により抽出された他商品B1,B5,B8,B21について、予測対象となる月kの販売予測量D* 1,k,D* 5,k,D* 8,k,D* 21,kを求める。ここでは、予測対象期間はN〜(N+P)月であるものとし、他商品予測処理部14は、抽出された他商品B1,B5,B8,B21の各々について、(N−53)〜(N−1)月の販売実績量を入力データとして、評価用予測処理部11と同様の時系列予測を用いて、N〜(N+P)月の販売予測量を算出する。
ついで、他商品予測処理部14は、次ステップの対象商品予測処理の前準備として、上記式(4)の右辺に代入されるべき値を求める。すなわち、他商品抽出処理部12により抽出された他商品B1,B5,B8,B21について、予測対象となる月kの販売予測量D* 1,k,D* 5,k,D* 8,k,D* 21,kを求める。ここでは、予測対象期間はN〜(N+P)月であるものとし、他商品予測処理部14は、抽出された他商品B1,B5,B8,B21の各々について、(N−53)〜(N−1)月の販売実績量を入力データとして、評価用予測処理部11と同様の時系列予測を用いて、N〜(N+P)月の販売予測量を算出する。
具体的には、他商品予測処理部14は、他商品販売実績ファイル16から、他商品B1の(N−53)〜(N−1)月の販売実績量D1,N-53〜D1,N-1を取り出す。ついで、取り出した販売実績量D1,N-53〜D1,N-1に基づいて予測モデル式を作成し、この予測モデル式を用いて他商品B1のN〜(N+P)月の販売予測量D* 1,N〜D* 1,N+Pを算出する。そして、同様の計算を繰り返すことにより、他商品B5,B8,B21についても、N〜(N+P)月の販売予測量D* x,N〜D* x,N+P(x=5,8,21)を算出する。
<ステップS15:対象商品予測処理>
ついで、対象商品予測処理部15は、ステップS14で算出された他商品の販売予測量D* x,N〜D* x,N+P(x=1,5,8,21)を、上記式(4)で表される予測モデル式へ代入して、対象商品AのN月から(N+P)月までの販売予測量D* A,N〜D* A,N+Pを算出する。
ついで、対象商品予測処理部15は、ステップS14で算出された他商品の販売予測量D* x,N〜D* x,N+P(x=1,5,8,21)を、上記式(4)で表される予測モデル式へ代入して、対象商品AのN月から(N+P)月までの販売予測量D* A,N〜D* A,N+Pを算出する。
すなわち、上記式(4)に示される予測モデル式の右辺に、N月の販売予測量D* 1,N,D* 5,N,D* 8,N,D* 21,Nを代入して、対象商品AのN月の販売予測量D* A,Nを求める。同様に、(N+1)月から(N+P)月までについても、予測モデル式の右辺に他商品予測処理で得られた販売予測量D* 1,i,D* 5,i,D* 8,i,D* 21,i(i=(N+1)〜(N+P))を代入して、対象商品Aの販売予測量D* A,N+1〜D* A,N+Pを求める。そして、得られた販売予測量D* A,N〜D* A,N+Pを予測結果ファイル18に格納する。図7に、本実施の形態における予測結果ファイル18のデータ構成例を示す。
以上のとおり、本実施の形態では、対象商品A以外の複数の他商品B1〜Bmの中から、その過去の販売実績から将来の販売量を予測した場合における予測精度が高い他商品を抽出し、抽出された他商品と対象商品Aとの間の販売量の相関関係を求める。そして、この相関関係を利用して、抽出された他商品の販売予測量から対象商品Aの将来の販売量を予測する。ここで、上記の相関関係は、時系列予測と比べて、比較的短い期間の販売実績により求めることができる。このため、本実施の形態によれば、比較的長い期間の販売実績を用意することができず、時系列予測による販売量の予測が困難な商品についても、将来の販売量を予測することができる。また、予測精度が高い他商品を抽出し、抽出された他商品の販売予測量に基づいて対象商品Aの販売量を予測するので、予測精度の高い販売予測量のみから対象商品Aの販売量を予測することができる。言い換えると、予測精度の低い販売予測量が対象商品Aの販売予測量に作用してしまうことを回避することができる。このように、本実施の形態によれば、予測精度の高い他商品の予測結果を利用して対象商品Aの販売量の予測を行うので、過去の販売実績から将来の販売量を予測し難い商品であっても、精度の良い予測結果を得ることができる。具体的には、2年毎にモデルチェンジされる車両のような商品であっても、車両以外の商品の予測結果を利用することにより、将来の販売量を精度良く予測することができる。
[第2の実施の形態]
図8は、本実施の形態に係る販売量予測システム2の機能構成を示すブロック図である。この販売量予測システム2は、上記第1の実施の形態に係る販売量予測システム1と殆ど同じであるが、抽出された他商品の中から、対象商品Aとの間の販売量の相関が所定基準より高い他商品を選択し、選択された他商品の販売予測量に基づいて対象商品の販売予測量を算出することを特徴とするものである。以下、本実施の形態について説明するが、上記第1の実施の形態と共通する部分については、同一の符号を用い、説明を省略することとする。
図8は、本実施の形態に係る販売量予測システム2の機能構成を示すブロック図である。この販売量予測システム2は、上記第1の実施の形態に係る販売量予測システム1と殆ど同じであるが、抽出された他商品の中から、対象商品Aとの間の販売量の相関が所定基準より高い他商品を選択し、選択された他商品の販売予測量に基づいて対象商品の販売予測量を算出することを特徴とするものである。以下、本実施の形態について説明するが、上記第1の実施の形態と共通する部分については、同一の符号を用い、説明を省略することとする。
図8において、販売量予測システム2は、評価用予測処理部11、他商品抽出処理部12、相関関係算出処理部13、他商品選択処理部24、他商品予測処理部25、および対象商品予測処理部26を有する。これら各処理部24〜26の機能は、以下の動作説明により明らかとなる。
図9は、本実施の形態に係る販売量予測システム2の動作手順を示すフローチャートである。以下、図9に従って、販売量予測システム2の動作、すなわち本実施の形態における販売量予測処理の手順について説明する。
図9において、評価用予測処理(S21)、他商品抽出処理(S22)、および相関関係算出処理(S23)は、図5のステップS11〜S13と同じである。本実施の形態においても、ステップS22の他商品抽出処理により、他商品B1,B5,B8,B21が抽出されたものとする。
<ステップS24:他商品選択処理>
他商品選択処理部24は、相関関係算出処理部13により求められた相関関係に基づいて、他商品抽出処理部12により抽出された一以上の他商品の中から、対象商品Aとの間の販売量の相関が所定基準より高い一以上の他商品を選択する。
他商品選択処理部24は、相関関係算出処理部13により求められた相関関係に基づいて、他商品抽出処理部12により抽出された一以上の他商品の中から、対象商品Aとの間の販売量の相関が所定基準より高い一以上の他商品を選択する。
上記式(5)において、axは、予測モデル式における他商品Bxに対応する係数である。Davexは、期間Tcすなわち(N−12)〜(N−1)月における他商品Bxの販売実績量の平均値である。
そして、他商品選択処理部24は、算出された相関値Cxが所定閾値以上である他商品を選択する。ただし、選択の方法はこれに限られず、相関値Cxが大きいものから順に所定数の他商品を選択することとしてもよい。ここでは、他商品B5,B8が選択されたものとする。
<ステップS25:他商品予測処理>
ついで、他商品予測処理部25は、他商品選択処理部24により選択された他商品の各々について、当該他商品の販売実績量に基づき、評価用予測処理と同様の予測方式により、将来の販売予測量を算出する。具体的には、他商品予測処理部25は、他商品選択処理部24により選択された他商品B5,B8について、予測対象となる月kの販売予測量D* 5,k,D* 8,kを求める。ここでは、予測対象期間はN〜(N+P)月であるものとし、他商品予測処理部25は、選択された他商品B5,B8の各々について、(N−53)〜(N−1)月の販売実績量を入力データとして、評価用予測処理部11と同様の時系列予測を用いて、N〜(N+P)月の販売予測量D* x,N〜D* x,N+P(x=5,8)を算出する。
ついで、他商品予測処理部25は、他商品選択処理部24により選択された他商品の各々について、当該他商品の販売実績量に基づき、評価用予測処理と同様の予測方式により、将来の販売予測量を算出する。具体的には、他商品予測処理部25は、他商品選択処理部24により選択された他商品B5,B8について、予測対象となる月kの販売予測量D* 5,k,D* 8,kを求める。ここでは、予測対象期間はN〜(N+P)月であるものとし、他商品予測処理部25は、選択された他商品B5,B8の各々について、(N−53)〜(N−1)月の販売実績量を入力データとして、評価用予測処理部11と同様の時系列予測を用いて、N〜(N+P)月の販売予測量D* x,N〜D* x,N+P(x=5,8)を算出する。
このように、本実施の形態では、他商品予測処理部25は、他商品抽出処理で抽出された他商品について販売予測量を算出するのではなく、他商品選択処理で選択された他商品、すなわち対象商品Aとの間の販売量の相関が所定基準より高い他商品について販売予測量を算出する。
<ステップS26:対象商品予測処理>
ついで、対象商品予測処理部26は、他商品予測処理部25により算出された各他商品の将来の販売予測量に基づき、相関関係算出部13により求められた相関関係を用いて、対象商品Aの将来の販売予測量を算出する。ここでは、上記式(4)で表される予測モデル式の右辺に、他商品予測処理で算出された他商品B5,B8のN月の販売予測量D* 5,N,D* 8,Nを代入するとともに、D* 1,N=0,D* 21,N=0を代入して、対象商品AのN月の販売予測量D* A,Nを求める。同様に、(N+1)月から(N+P)月までについても、予測モデル式の右辺に他商品予測処理で得られた販売予測量D* 5,i,D* 8,i(i=(N+1)〜(N+P))を代入するとともに、D* 1,i=0,D* 21,i=0(i=(N+1)〜(N+P))を代入して、対象商品Aの販売予測量D* A,N+1〜D* A,N+Pを求める。そして、得られた販売予測量D* A,N〜D* A,N+Pを予測結果ファイル18に格納する。
ついで、対象商品予測処理部26は、他商品予測処理部25により算出された各他商品の将来の販売予測量に基づき、相関関係算出部13により求められた相関関係を用いて、対象商品Aの将来の販売予測量を算出する。ここでは、上記式(4)で表される予測モデル式の右辺に、他商品予測処理で算出された他商品B5,B8のN月の販売予測量D* 5,N,D* 8,Nを代入するとともに、D* 1,N=0,D* 21,N=0を代入して、対象商品AのN月の販売予測量D* A,Nを求める。同様に、(N+1)月から(N+P)月までについても、予測モデル式の右辺に他商品予測処理で得られた販売予測量D* 5,i,D* 8,i(i=(N+1)〜(N+P))を代入するとともに、D* 1,i=0,D* 21,i=0(i=(N+1)〜(N+P))を代入して、対象商品Aの販売予測量D* A,N+1〜D* A,N+Pを求める。そして、得られた販売予測量D* A,N〜D* A,N+Pを予測結果ファイル18に格納する。
このように、本実施の形態では、他商品B1,B21については対象商品Aとの販売量の相関が低いため、式(4)における「a1・D* 1,i」および「a21・D* 21,i」は無視し得ると考え、D* 1,i=0,D* 21,i=0(i=N〜(N+P))を代入する。なお、D* 1,i=Dave1,D* 21,i=Dave21など、他の値を代入することも可能である。
以上のとおり、本実施の形態では、相関関係算出処理で求められた相関関係に基づいて、他商品抽出処理で抽出された一以上の他商品の中から、対象商品Aとの間の販売量の相関が所定基準より高い一以上の他商品を選択する。そして、選択された他商品の販売予測量に基づき、上記相関関係を用いて対象商品Aの販売予測量を算出する。このため、本実施の形態によれば、対象商品Aとの間の販売量の相関が低い他商品についての販売予測量の算出を省略することができ、演算量の削減や処理の高速化を図ることができる。
以上、本発明の実施の形態について説明したが、本発明が上記の実施の形態に限定されないことは言うまでもない。例えば、相関関係算出処理で生成される予測モデル式は、上記式(1)で表されるものに限られない。例えば、販売台数ではなく、前月からの変化率を変数として採用し、下記式(6)を予測モデル式とすることができる。
1,2 販売量予測システム、11 評価用予測処理部、12 他商品抽出処理部、13 相関関係算出処理部、14,25 他商品予測処理部、15,26 対象商品予測処理部、16 他商品販売実績ファイル、17 対象商品販売実績ファイル、18 予測結果ファイル、24 他商品選択処理部。
Claims (2)
- 対象商品の販売量を予測する販売量予測システムであって、
対象商品以外の複数の商品の各々について、当該商品の所定期間Taにおける販売実績量に基づき、所定の予測方式により、期間Ta後の期間Tbにおける販売予測量を算出する手段と、
前記複数の商品の中から、期間Tbにおける販売予測量と販売実績量との誤差が所定基準より小さい一以上の商品を抽出する手段と、
抽出された各商品の販売実績量と、対象商品の販売実績量とに基づいて、抽出された一以上の商品と対象商品との間の販売量の相関関係を求める手段と、
抽出された商品の各々について、当該商品の販売実績量に基づき、前記所定の予測方式により、将来の販売予測量を算出する手段と、
算出された各商品の将来の販売予測量に基づき、前記相関関係を用いて、対象商品の将来の販売予測量を算出する手段と、
を有することを特徴とする販売量予測システム。 - 対象商品の販売量を予測する販売量予測システムであって、
対象商品以外の複数の商品の各々について、当該商品の所定期間Taにおける販売実績量に基づき、所定の予測方式により、期間Ta後の期間Tbにおける販売予測量を算出する手段と、
前記複数の商品の中から、期間Tbにおける販売予測量と販売実績量との誤差が所定基準より小さい一以上の商品を抽出する手段と、
抽出された各商品の販売実績量と、対象商品の販売実績量とに基づいて、抽出された一以上の商品と対象商品との間の販売量の相関関係を求める手段と、
求められた相関関係に基づいて、抽出された一以上の商品の中から、対象商品との間の販売量の相関が所定基準より高い一以上の商品を選択する手段と、
選択された商品の各々について、当該商品の販売実績量に基づき、前記所定の予測方式により、将来の販売予測量を算出する手段と、
算出された各商品の将来の販売予測量に基づき、前記相関関係を用いて、対象商品の将来の販売予測量を算出する手段と、
を有することを特徴とする販売量予測システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004261755A JP2006079298A (ja) | 2004-09-09 | 2004-09-09 | 販売量予測システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004261755A JP2006079298A (ja) | 2004-09-09 | 2004-09-09 | 販売量予測システム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2006079298A true JP2006079298A (ja) | 2006-03-23 |
Family
ID=36158713
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004261755A Pending JP2006079298A (ja) | 2004-09-09 | 2004-09-09 | 販売量予測システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2006079298A (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010027046A1 (ja) * | 2008-09-04 | 2010-03-11 | 国立大学法人東京大学 | 情報処理装置、情報処理方法、情報記憶媒体及びプログラム |
JP5600782B1 (ja) * | 2013-07-25 | 2014-10-01 | 株式会社ビデオリサーチ | 調査結果解析用の装置及び調査結果解析方法 |
WO2016120918A1 (ja) * | 2015-01-27 | 2016-08-04 | 日本電気株式会社 | 予測システム、予測方法及びコンピュータ読み取り可能記録媒体 |
JP2021022220A (ja) * | 2019-07-29 | 2021-02-18 | 株式会社プロフィールド | 情報処理装置、情報処理方法、およびプログラム |
CN112446530A (zh) * | 2019-09-03 | 2021-03-05 | 丰田自动车株式会社 | 信息处理方法以及信息处理装置 |
-
2004
- 2004-09-09 JP JP2004261755A patent/JP2006079298A/ja active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010027046A1 (ja) * | 2008-09-04 | 2010-03-11 | 国立大学法人東京大学 | 情報処理装置、情報処理方法、情報記憶媒体及びプログラム |
JP5600782B1 (ja) * | 2013-07-25 | 2014-10-01 | 株式会社ビデオリサーチ | 調査結果解析用の装置及び調査結果解析方法 |
WO2016120918A1 (ja) * | 2015-01-27 | 2016-08-04 | 日本電気株式会社 | 予測システム、予測方法及びコンピュータ読み取り可能記録媒体 |
JPWO2016120918A1 (ja) * | 2015-01-27 | 2017-11-02 | 日本電気株式会社 | 予測システム、予測方法及びコンピュータ読み取り可能記録媒体 |
JP2021022220A (ja) * | 2019-07-29 | 2021-02-18 | 株式会社プロフィールド | 情報処理装置、情報処理方法、およびプログラム |
CN112446530A (zh) * | 2019-09-03 | 2021-03-05 | 丰田自动车株式会社 | 信息处理方法以及信息处理装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8849738B2 (en) | Predicting a user behavior number of a word | |
US9043645B2 (en) | Malfunction analysis apparatus, malfunction analysis method, and recording medium | |
EP3371764A1 (en) | Systems and methods for pricing optimization with competitive influence effects | |
JP2008003920A (ja) | 時系列データの予測・診断装置およびそのプログラム | |
WO2017070558A1 (en) | Systems and methods for analytics based pricing optimization with competitive influence effects | |
US20200176074A1 (en) | Method and device for searching structure of cyclic molecule, and non-transitory recording medium | |
US20070233532A1 (en) | Business process analysis apparatus | |
US11126695B2 (en) | Polymer design device, polymer design method, and non-transitory recording medium | |
JP2005004658A (ja) | 変化点検出装置,変化点検出方法および変化点検出用プログラム | |
CN111445021B (zh) | 学习方法、学习设备和计算机可读记录介质 | |
JP5803469B2 (ja) | 予測方法及び予測プログラム | |
JP2007323315A (ja) | 協調フィルタリング方法、協調フィルタリング装置、および協調フィルタリングプログラムならびにそのプログラムを記録した記録媒体 | |
CN114207729A (zh) | 材料特性预测系统以及材料特性预测方法 | |
US20110208752A1 (en) | Method and Apparatus for Default Rating Estimation | |
JP6012860B2 (ja) | 作業時間推定装置 | |
JP2006079298A (ja) | 販売量予測システム | |
JPH09167152A (ja) | 対話的モデル作成方法 | |
US20170046726A1 (en) | Information processing device, information processing method, and program | |
Kulkarni et al. | Identification of coding and non-coding sequences using local Hölder exponent formalism | |
JP5963493B2 (ja) | コスト推定システム、方法及びプログラム | |
JP2016045692A (ja) | 欠陥数予測装置及び欠陥数予測プログラム | |
JP2008171282A (ja) | 最適パラメータ探索プログラム、最適パラメータ探索装置および最適パラメータ探索方法 | |
US20190266548A1 (en) | Project Progress Prediction Device and Project Progress Prediction System | |
WO2017219317A1 (zh) | 一种基于搜索内容的信息推送方法及装置 | |
CN109477140A (zh) | 一种数据处理方法、装置及计算节点 |