JP2007122415A - 店舗支援システム - Google Patents

Abstract

【課題】人間の経験則に頼ることなく、商品をどのタイミングでどのくらい発注すれば良いかとかといったことの判断を誰もが容易に行えるようにする。
【解決手段】実績データ記憶部１に記憶されている商品の過去の販売実績データに基づいて、過去における商品の販売時期と売上とを関連付けて成る時系列の売上実績を分析し、当該分析した時系列の売上実績から売上の基本予測値を算出する基本予測値演算部３を設けることにより、将来の特定のタイミングにおいてその商品がどの程度売れそうかの客観的な予測値を得ることができるようにして、店舗内に経験を積んだいわゆるスペシャリストが居なくても、店員が、商品をどのタイミングでどのくらい発注すれば良いかを適切に判断することができるようにする。
【選択図】 図１

Description

本発明は店舗支援システムに関し、特に、過去における商品の販売実績データを分析してその結果を提示するシステムに用いて好適なものである。

従来、店舗による商品の発注や売場作りは、店舗内の店員が、その経験則で行ってきた。ここでいう経験則とは、具体的には「来週は○○がどのくらい売れるはず」「このイベントを実施すれば○○がより売れるはず」「こう並べればより売れるはず」といった、店員による長年の売場での経験から得られた勘のようなものである。何年も同じ地域の同じ店舗で働くことにより、この経験則も研ぎ澄まされ、目標の利益を達成することが可能となる。

ところが、実際には２、３年おきに人事異動があり、別の人間が売場を任されることが多い。そして、新しく任された売場の人間がまた一から経験を積んでいくこととなり、この繰り返しである。これでは、異動のたびに経験の積みなおしが発生するため、非効率的であった。また、経験則というのは人によって感じ方が異なり、常に一定の質を保つことができないという問題もあった。

本発明はこのような問題を解決するために成されたものであり、人間の経験則に頼ることなく、商品をどのタイミングでどのくらい発注すれば良いかとか、店舗内で商品をどのように並べたら良いかとか、どのようなイベントをするとどの程度売上が伸びるのかといったことの判断を誰もが容易に行えるようにすることを目的とする。

上記した課題を解決するために、本発明では、商品の過去の販売実績データに基づいて、過去における商品の販売時期と売上とを関連付けて成る時系列の売上実績を分析し、当該分析した時系列の売上実績から売上の基本予測値を算出する。また、商品の過去の販売実績データに基づいて、過去におけるイベントの実施時期と当該実施したイベントの内容とイベント実施に起因する売上の増減率とを分析し、当該分析したイベント関連の販売実績から売上の変動予測値を算出する。そして、算出した基本予測値と変動予測値とを掛けることによって、将来の売上予測値を算出する。

本発明の他の態様では、商品の過去の販売実績データに基づいて、一度にまとめて購入される可能性の高い複数の商品をグループ化するとともに、グループ毎の売上を求め、複数のグループに属する商品について最も高い売上を有するグループを分析し、当該分析したグループ内の商品を提示する。

上記のように構成した本発明によれば、ある商品に関して求められる売上の基本予測値から、将来の特定のタイミングにおいてその商品がどの程度売れそうかの予測を客観的に立てることが可能となる。これにより、店舗内に経験を積んだいわゆるスペシャリストが居なくても、店員は、商品をどのタイミングでどのくらい発注すれば良いかを適切に判断することができるようになる。

また、本発明によれば、ある商品に関して求められるイベント実施に関する変動予測値から、どのようなイベントをどのタイミングで実施するとどの程度売上が伸びるのかといった予測を客観的に立てることが可能となる。これにより、店舗内に経験を積んだいわゆるスペシャリストが居なくても、店員は、どのタイミングでどのようなイベントをするのが売上増大に貢献するのかを適切に判断することができるようになる。

また、本発明の他の特徴によれば、グループ化された商品群から、どの商品とどの商品とが一度にまとめて購入される可能性のある組合せとして有力なのかが分かる。しかも、ある商品ついて複数の組合せが考えられる場合に、過去に最も高い売上を有する商品の組合せ（グループ）が提示されることとなる。これにより、店舗内に経験を積んだいわゆるスペシャリストが居なくても、店員は、
どの商品とどの商品の組合せが最も売上に貢献できるのかを適切に判断することができ、商品の棚割りを適切に行うことができるようになる。

以下、本発明の一実施形態を図面に基づいて説明する。図１は、本実施形態による店舗支援システムの要部構成を示す機能ブロック図である。図１に示すように、本実施形態の店舗支援システムは、実績データ記憶部１、関連度データ記憶部２、基本予測値演算部３、変動予測値演算部４、売上予測値演算部５および商品グループ分析部６を備えて構成されている。このうち基本予測値演算部３、変動予測値演算部４、売上予測値演算部５および商品グループ分析部６は、実際にはＣＰＵ、ＲＯＭ、ＲＡＭなどから成るマイクロコンピュータにより構成されている。

実績データ記憶部１は、過去における商品の販売実績に関するデータを記憶するものであり、例えばハードディスク、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disk）などの記録媒体により構成されている。販売実績データは、例えば、店舗のＰＯＳ（Point Of Sale）システムより入力したＰＯＳデータである。

なお、ＰＯＳシステムでは、商品に付けられたバーコードや磁気記録などを読み取ることにより、それが売買された時点（キャッシュレジスタに記録された時点）で商品コード、販売価格などのデータを取得することが可能である。このようにして取得したデータをコンピュータに通知することにより、商品の販売数や販売時期、売上などを集計、分析することが可能である。本実施形態において利用するＰＯＳデータは公知のものであるので、ここでは詳細な説明を割愛する。

関連度データ記憶部２は、同じまたは異なる商品どうしの関連度、同じまたは異なるイベントどうしの関連度、同じまたは異なるイベント実施時期どうしの関連度に関するデータを記憶するものであり、例えばハードディスク、ＣＤ、ＤＶＤなどの記録媒体により構成されている。この関連度データは、後述する変動予測値を算出する際に使用する。

商品の関連度は、商品の類似の度合いに応じて定めたパラメータであり、０〜１（０％〜１００％）の値をとる。商品が完全に同一の場合の関連度が１００％である。異なる商品どうしの場合は、その商品の類似の度合いが高いほど、関連度の値も高くなるようにする。関連度データ記憶部２には、商品の関連度としてあらかじめ定めた値が、テーブルデータとして記憶されている。

イベントの関連度は、イベントの類似の度合いに応じて定めたパラメータであり、０〜１（０％〜１００％）の値をとる。イベントの内容が完全に同一の場合の関連度が１００％である。異なるイベントどうしの場合は、そのイベントの類似の度合いが高いほど、関連度の値も高くなるようにする。関連度データ記憶部２には、イベントの関連度としてあらかじめ定めた値が、テーブルデータとして記憶されている。

イベント実施時期の関連度は、イベント実施時期の近さに応じて定めたパラメータであり、０〜１（０％〜１００％）の値をとる。イベント実施時期の関連度は、２つの発想をもとに定める。１つは、実績が最近であればあるほどその実績が信頼できるという発想である。もう１つは、多少時期が離れていても、季節や祭事が重なる実績を信頼するという発想である。関連度データ記憶部２には、イベント実施時期の関連度としてあらかじめ定めた値が、テーブルデータとして記憶されている。

基本予測値演算部３は、実績データ記憶部１に記憶されている販売実績データに基づいて、過去における商品の販売時期と売上とを関連付けて成る時系列の売上実績を分析する。そして、当該分析した時系列の売上実績データに基づいて、過去の異なる時期を比較した場合の売上の増減率を求める。さらに、過去の一時期の売上実績に対して売上の増減率を掛けることにより、売上の基本予測値を算出する。

売上の基本予測値は、過去の売上実績と最近の傾向とを掛け合わせて算出したものである。平たく言えば、「去年は1,000円の売上があった」「最近の売上は、去年の売上に対して１０％の増加傾向にある」という分析結果から、「来週は1,000×1.1＝1,100円の売上があるはず」と予測するのが基本予測である。

図２は、ある商品に関する過去における時系列の売上実績の分析結果を示す図である。この図２は、ある月の昨年度売上実績と今年度売上実績とを比較したものであり、実線の折れ線Ａが昨年度売上実績の時系列データ、点線の折れ線Ｂが今年度売上実績の時系列データを示している。今年度売上実績に関しては、１１日までの実績がある状態である。このような過去の売上実績から今月１２日の売上を予測したものが、三角マークのポイントＣの箇所である。今年度の１１日までの売上実績が昨年度より若干増加傾向であるので、１２日の売上も昨年度に比べて同程度増加するであろうというが基本的な考え方である。

すなわち、基本予測値演算部３は、ある商品について実績データ記憶部１に記憶されている販売実績データに基づいて、折れ線Ａで示す時系列の昨年度売上実績と、折れ線Ｂで示す時系列の今年度売上実績とを分析する。そして、当該分析した昨年度売上実績の１１日までのデータと、今年度売上実績の１１日までのデータとを比較し、昨年度に対する今年度の売上の増減率を求める。この増減率は、例えば毎日の増減率を計算してそれらを平均化した値とする。さらに、昨年度売上実績の１２日のデータに対して、上述のようにして求めた売上の増減率を掛けることにより、今年度における１２日の売上に関する基本予測値を算出する。

このように基本予測値は、過去の傾向から、これからどれだけ売れるかを予測した値である。したがって、利用する過去の販売実績データは、特殊なイベント等を実施したときの販売実績データを排除した基本的な販売実績データのみを対象とする。また、「最近の傾向」は、昨年度の売上実績と今年度の売上実績とを比較した傾向を比率として導いたものであり、例えば自店と類似店のデータから導き出すことも可能である。

変動予測値演算部４は、実績データ記憶部１に記憶されている販売実績データに基づいて、過去におけるイベントの実施時期と当該実施したイベントの内容とイベント実施に起因する売上の増減率とを分析する。そして、当該分析した過去のイベント実施に対する売上の増減率に対して、関連度データ記憶部２に記憶されている各関連度のデータを掛けることにより、売上の変動予測値を算出する。

変動予測値とは、特定の販売促進イベント等を実施した際に、それが売上にどの程度影響するのかを統計的に算出したものであり、変動要素予測と呼ばれる予測技法に基づいている。変動要素予測とは、基本的な販売方法に対する付加的な要素のことであり、例えば、ＰＯＰの有無・マネキンの有無・販促イベント等のことである。これらの影響度は、過去の販売実績データから統計的に算出する。

すなわち、変動予測値演算部４は、実績データ記憶部１に記憶されている販売実績データに基づいて、過去にそのイベントを実施したときに売上に対して何％影響したかを示す売上の増減率を分析する。そして、当該分析した売上の増減率に対して、「イベント実施時期の関連度×商品の関連度×イベントの関連度」の値を掛けることにより、売上の変動予測値を算出する。

このように、変動予測値も基本予測値と同様に、過去の販売実績データから統計的に算出する。しかし、あるイベントを実施するときの変動予測値を算出する際に、都合よく昨年度の同じ時期に同じ商品について同じイベントを実施しているとは限らない。そこで、過去の近い時期に近い商品について実施した類似のイベントに関する複数の販売実績データを利用し、それらの統計をとることで変動予測値を算出する。

具体的には、関連度データ記憶部２に記憶されている各関連度のデータに基づいて、イベント実施時期の関連度と、商品の関連度と、イベントの関連度とを乗算する。そして、その掛け合わせの値が大きいものから順にｎ個（ｎは１以上の整数）の販売実績データを抽出し、これを変動予測値の計算に利用する。

例えば、ジョナゴールド（りんご）の売上を増やすためにマネキンを置くことを検討している場合、マネキンを置くことで得られる売上の変動率が変動予測値である。図３の例が示すように、１週間前と２週間前にそれぞれ、王林（りんご）と紀州みかんのマネキンイベントを実施した実績があり、これらが関連度の大きいｎ個の販売実績データとして抽出されたとする。また、図３の例では、それぞれの販売実績データを分析した結果、マネキンイベントを実施することによって、イベント実施前の前週比で売上が１．２倍と１．５倍となったことが示さている。

このときジョナゴールドの売上予測をするうえで、より信頼できるのは同じりんごである王林の販売実績だが、紀州みかんの販売実績も無視できない。本実施形態では、商品の関連度として、ジョナゴールドと王林との関連度を０．９５、ジョナゴールドと紀州みかんとの関連度を０．６として、商品の類似度に応じて関連度に重み付けをし、紀州みかんの販売実績も変動予測値の算出に反映させる。また、イベント実施時期の関連度に関しても、１週間前の実施と２週間前の実施とに重み付けをし、それぞれの関連度を０．９０と０．８５とする。なお、王林の販売実績も紀州みかんの販売実績も同じマネキンイベントなので、イベントの関連度は共に１．０である。

因みに、イベント実施による売上増減率の実績から単純に平均を取ると、（１．２＋１．５）／２＝１．３５となってしまい、商品の種類やイベント実施時期を無視してしまうこととなる。そこで、王林および紀州みかんに関するそれぞれの売上増減率の実績と、予測対象との関連度とを加味し、以下のように重み付き平均値をとる。その結果、来週ジョナゴールドの販売をする際に、マネキンを置くことで１．３２倍の売上を期待できることとなる。
王林：０．９５×０．８５≒０．８１
紀州みかん：０．６０×０．９０＝０．５４
重み合計：０．８１＋０．５４＝１．３５
重み付き平均値：１．２×０．８１／１．３５＋１．５×０．５４／１．３５≒１．３２

上述したように、実際の予測を行うときは、過去の大量の実績から重みの高いもの（関連度の大きいもの）をｎ個取り出し、重み付き平均値を計算することとなる。このｎの決め方は、関連度の合計が所定の閾値Ｘ（これは事前に準備しておく）以上になるように流動的に決めることが好ましい。つまり、関連度の高いものが多いときは少数の販売実績データから変動予測値を算出できるが、関連度の高いものが少ないときは大量の販売実績データから変動予測値を算出する。

売上予測値演算部５は、基本予測値演算部３により算出された基本予測値と、変動予測値演算部４により算出された変動予測値とを掛けることによって、将来の売上の予測値を算出する。

商品グループ分析部６は、実績データ記憶部１に記憶されている販売実績データに基づいて、一度にまとめて購入される可能性の高い複数の商品をグループ化するとともに、グループ毎の売上を求める。そして、複数のグループに属する商品について最も高い売上を有するグループを分析し、当該分析したグループ内の商品を提示する。提示された複数の商品は、顧客が一度にまとめて購入する可能性の高い商品群である。この計算は、店舗内における商品の売場提案のための行うものである。

例えば、スーパー等における青果の売場は、棚と平台の２つに集約される。この棚・平台内の商品の並べ方を棚割りといい、売上に影響する重要な因子である。従来、棚割りはスーパーの発注を行う人間が、感覚や経験で決めるのが一般的であったが、これを過去の販売実績データ（ＰＯＳデータ）から導こうとするのが、売場提案の発想である。ＰＯＳデータには、一人の客が同時に購入した商品のリストがあるので、これらを商品グループとして取り出し、どの商品とどの商品が組合せとして有力なのかを捕らえることができる。

図４は、商品のグループ化の例を示す図である。図４に示す例は、客がよく同時に購入する商品の間を線で結んだものである。これを見ると、サラダ菜を購入した客はきゅうり・にんじん・たまねぎも同時に購入することが多いことが分かる。また、たまねぎを見てみると、たまねぎを購入する客は鍋物系食材を同時に買う傾向があることが分かる。この場合、商品グループ分析部６は、売上が最も高い鍋物グループにある各商品を、例えば図示しない表示装置によって店員に提示する。これにより店員は、たまねぎを精力的に売りたいのであれば、提示された鍋物グループの商品の近くに配置して販売するのが最も合理的であろうことが予想できる。

以上詳しく説明したように、本実施形態によれば、商品の過去の販売実績データに基づいて、過去における商品の販売時期と売上とを関連付けて成る時系列の売上実績を分析し、当該分析した時系列の売上実績から売上の基本予測値を算出するようにしたので、将来の特定のタイミングにおいて商品がどの程度売れそうかの予測を客観的に立てることが可能となる。これにより、店舗内に経験を積んだいわゆるスペシャリストが居なくても、店員は、商品をどのタイミングでどのくらい発注すれば良いかを適切に判断することができるようになる。

また、本実施形態によれば、商品の過去の販売実績データに基づいて、過去におけるイベントの実施時期と当該実施したイベントの内容とイベント実施に起因する売上の増減率とを分析し、当該分析したイベント関連の販売実績から売上の変動予測値を算出するようにしたので、どのようなイベントをどのタイミングで実施するとどの程度売上が伸びるのかといった予測を客観的に立てることが可能となる。これにより、店舗内に経験を積んだいわゆるスペシャリストが居なくても、店員は、どのタイミングでどのようなイベントをするのが売上増大に貢献するのかを適切に判断することができるようになる。

また、本実施形態によれば、商品の過去の販売実績データに基づいて、一度にまとめて購入される可能性の高い複数の商品をグループ化するとともに、グループ毎の売上を求め、複数のグループに属する商品について最も高い売上を有するグループを分析し、当該分析したグループ内の商品を提示するようにしたので、店舗内に経験を積んだいわゆるスペシャリストが居なくても、店員は、どの商品とどの商品の組合せが最も売上に貢献できるのかを適切に判断することができ、商品の棚割りを適切に行うことができるようになる。

なお、上記実施形態は、何れも本発明を実施するにあたっての具体化の一例を示したものに過ぎず、これによって本発明の技術的範囲が限定的に解釈されてはならないものである。すなわち、本発明はその精神、またはその主要な特徴から逸脱することなく、様々な形で実施することができる。

本実施形態による店舗支援システムの要部構成を示す機能ブロック図である。 ある商品に関する売上実績の時系列データを示す図である。 ある商品に関するイベント実施関連の売上実績および関連度のデータを示す図である。 同時に購入される可能性の高い商品をグループ化した様子を示す図である。

符号の説明

１ 実績データ記憶部
２ 関連度データ記憶部
３ 基本予測値演算部
４ 変動予測値演算部
５ 売上予測値演算部
６ 商品グループ分析部

Claims (2)

1. 過去における商品の販売実績に関するデータを記憶する実績データ記憶部と、
   同じまたは異なる商品どうしの関連度、同じまたは異なるイベントどうしの関連度、同じまたは異なるイベント実施時期どうしの関連度に関するデータを記憶する関連度データ記憶部と、
   上記実績データ記憶部に記憶されている販売実績データに基づいて、過去における商品の販売時期と売上とを関連付けて成る時系列の売上実績を分析し、当該分析した時系列の売上実績データに基づいて、過去の異なる時期を比較した場合の売上の増減率を求め、過去の一時期の売上実績に対して上記売上の増減率を掛けることによって売上の基本予測値を算出する基本予測値演算部と、
   上記実績データ記憶部に記憶されている販売実績データに基づいて、過去におけるイベントの実施時期と当該実施したイベントの内容とイベント実施に起因する売上の増減率とを分析し、当該分析した売上の増減率に対して、上記関連度データ記憶部に記憶されている各関連度のデータを掛けることによって売上の変動予測値を算出する変動予測値演算部と、
   上記基本予測値演算部により算出された上記基本予測値と上記変動予測値演算部により算出された上記変動予測値とを掛けることによって将来の売上の予測値を算出する売上予測値演算部とを備えたことを特徴とする店舗支援システム。
2. 上記実績データ記憶部に記憶されている販売実績データに基づいて、一度にまとめて購入される可能性の高い複数の商品をグループ化するとともに、グループ毎の売上を求め、複数のグループに属する商品について最も高い売上を有するグループを分析し、当該分析したグループ内の商品を提示する商品グループ分析部を更に備えたことを特徴とする請求項１に記載の店舗支援システム。

Images