JP2008204370A - Customer inducing method - Google Patents
Customer inducing method Download PDFInfo
- Publication number
- JP2008204370A JP2008204370A JP2007042495A JP2007042495A JP2008204370A JP 2008204370 A JP2008204370 A JP 2008204370A JP 2007042495 A JP2007042495 A JP 2007042495A JP 2007042495 A JP2007042495 A JP 2007042495A JP 2008204370 A JP2008204370 A JP 2008204370A
- Authority
- JP
- Japan
- Prior art keywords
- store
- customer
- information
- visit
- procedure
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 230000001939 inductive effect Effects 0.000 title claims abstract description 8
- 238000012545 processing Methods 0.000 claims description 79
- 230000007812 deficiency Effects 0.000 claims description 7
- 230000001737 promoting effect Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 abstract 2
- 230000008569 process Effects 0.000 description 18
- 230000011218 segmentation Effects 0.000 description 15
- 230000035945 sensitivity Effects 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000012356 Product development Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本発明は、顧客の来店傾向を誘導する顧客誘導方法に関する。 The present invention relates to a customer guidance method for guiding customer visit tendency.
従来より、顧客の購入履歴を用いて購入動向を解析して商品販売を促進したり、市場での商品の売れ行きを解析して商品開発の方向性を研究したり、店舗への来客数の動向を解析して効率的に店舗を運営したりすることが行われている。 Traditionally, using customer purchase history to analyze purchase trends to promote product sales, analyzing product sales in the market to study product development directions, and trends in store visits It is performed to analyze the store and operate the store efficiently.
特許文献1では、確率変数をノードで表し、因果関係や相関関係のような依存関係を示す変数の間にリンクを張ったグラフ構造による確率モデルを示すベイジアンネットワークを利用して、店舗への来客予測を行うことが提案されている。
In
特許文献2では、顧客の現在の動向を来店日時と来店頻度と利用額から正確に把握できるようにセルグループに区分けして、顧客の現在あるセルグループの位置を把握し、またはセルグループを移動する実態を把握することにより、優良客の特定と顧客離れの予知と効果的な宣伝対象の特定に資するデータが得られる数値による顧客管理システムが提案されている。
In
特許文献3では、顧客に関する情報を用いて顧客の分析を行い、分析結果を用いて顧客毎に適切なアクションを策定する処理を容易にするためのワントゥワンビジネス支援システムが提案されている。
小売店舗において、店舗内で対応可能な状態(レジで所定人数以上の待ち行列が発生しない状態/売場店員が対応できない顧客が発生しない状態)の顧客人数を超えた来客があると、顧客に対するサービスが著しく低下し、売上機会の損失につながっている。このような混雑によるチャンスロスを抑止するためには、レジ台数を増やしたり販売員の数を増やしたりする方法も考えられるが、多額の投資が必要になるという問題がある。 In a retail store, if there are customers exceeding the number of customers that can be handled in the store (a state in which there is no queue at the cash register more than a predetermined number of people / a customer who cannot be handled by the sales clerk), the customer service Has declined significantly, leading to lost sales opportunities. In order to prevent such a chance loss due to congestion, there may be a method of increasing the number of cash registers or the number of sales staff, but there is a problem that a large amount of investment is required.
本発明の目的は、予測される混雑発生状況に基づいて、来店傾向を変更可能な顧客を選択し、その顧客にのみ通知することによって効率よく顧客を誘導するための顧客誘導方法を提供することである。 An object of the present invention is to provide a customer guidance method for efficiently guiding a customer by selecting a customer whose store visit tendency can be changed based on a predicted congestion occurrence situation and notifying only that customer. It is.
上記課題を解決するため、本発明は、顧客の来店傾向を誘導する顧客誘導方法での処理をコンピュータ装置に行わせるためのプログラムであって、該コンピュータ装置に、店舗を識別する店舗識別子と対応付けて、該店舗で時間あたりに対応できる人数である所定処理人数に対する来店予測数の過不足人数を来店予測情報として格納する来店予測データベースから、該来店予測数が該所定処理人数を超えるレコードを参照する手順と、顧客識別子と対応付けて過去の購入実績に関する情報を格納するPOS情報データベースから、前記参照したレコードに示される店舗識別子と一致する該購入実績と対応付けられている顧客識別子を抽出する手順と、前記抽出した顧客識別子の来店傾向の一部が異なる所定候補検索順で、前記来店予測データベースのうち前記来店予測数が前記所定処理人数を超えないレコードを検索する手順と、前記検索する手順によって検索されたレコードを用いて推奨来店情報を生成し、前記顧客の顧客端末へ送信する手順とを実行させるように構成される。 In order to solve the above-mentioned problem, the present invention is a program for causing a computer device to perform processing in a customer guidance method for guiding the customer's store visit tendency, which corresponds to a store identifier for identifying a store. In addition, from the store prediction database storing store prediction information as the store visit prediction information for the predetermined process number that is the number of people that can be handled per hour in the store, records with the predicted store visit number exceeding the predetermined process number are stored. The customer identifier associated with the purchase record that matches the store identifier indicated in the referenced record is extracted from the POS information database that stores information related to the purchase procedure and the past purchase record in association with the customer identifier. The store visit prediction data in a predetermined candidate search order in which a part of the store visit tendency of the extracted customer identifier differs. The recommended store visit information is generated using a procedure for searching for a record in which the predicted number of store visits does not exceed the predetermined number of processing persons and a record searched by the search procedure, and is transmitted to the customer terminal of the customer Configured to execute the procedure.
このようなプログラムによって動作するコンピュータ装置では、混雑が予測される店舗で商品を購入する傾向にある顧客に対して、その顧客の来店傾向を一部変更した推奨来店情報を提供することによって、来店集中度が平準化されるように顧客を誘導することができる。来店傾向を一部変更するのみであるので、顧客に不快感を与えない(すなわち、顧客が来店しやすい)推奨来店情報を提供できる。 In a computer device that operates according to such a program, a store visit is provided by providing recommended store visit information to a customer who tends to purchase a product at a store that is expected to be crowded, in which the store visit tendency is partially changed. Customers can be guided so that the level of concentration is leveled. Since only a part of the store visit tendency is changed, it is possible to provide recommended store visit information that does not cause discomfort to the customer (that is, the customer can easily visit the store).
上記課題を解決するための手段として、本発明は、上記顧客誘導方法による処理手順をコンピュータ装置に実行させる顧客誘導プログラム、該顧客誘導プログラムを記憶した記憶媒体とすることもできる。 As means for solving the above-described problems, the present invention may be a customer guidance program that causes a computer device to execute the processing procedure according to the customer guidance method, and a storage medium that stores the customer guidance program.
本願発明は、混雑が予測される店舗で商品を購入する傾向にある顧客に対して、その顧客の来店傾向を一部変更した推奨来店情報を提供することによって、来店集中度が平準化されるように顧客を誘導することができる。来店傾向を一部変更するのみであるので、顧客に不快感を与えない推奨来店情報を提供できる。 In the present invention, the concentration of store visits is leveled by providing recommended store visit information in which the customer's store visit tendency is partially changed to customers who tend to purchase products at stores where congestion is expected. So that customers can be guided. Since only part of the store visit tendency is changed, it is possible to provide recommended store visit information that does not cause discomfort to the customer.
以下、本発明の実施の形態を図面に基づいて説明する。 Hereinafter, embodiments of the present invention will be described with reference to the drawings.
図1は、本発明の一実施例に係る顧客誘導システムの構成を示す図である。図1において、顧客誘導システム100は、主に、オーバーキャパシティ計算部20と、セグメンテーション処理部30と、顧客誘導処理部40とを備え、ネットワーク2を介して顧客のパーソナルコンピュータ、携帯端末等の顧客端末3に接続される。
FIG. 1 is a diagram showing a configuration of a customer guidance system according to an embodiment of the present invention. In FIG. 1, a
オーバーキャパシティ計算部20は、来店する顧客数を予測して、店舗毎の顧客対応可能な最大顧客数との差分を算出する処理部であって、来店予測処理部21と、POS情報DB22と、店舗マスターDB23と、予測パラメータテーブル24と、来店予測DB25とを有する。
The
セグメンテーション処理部30は、購入時間帯及び購入価格の傾向に基づいて顧客をセグメントして顧客属性を求める処理部であって、顧客属性判定部31と、会員情報DB32と、セグメンテーションDB33とを有する。
The
顧客誘導処理部40は、最大顧客数を超える店舗へと顧客を誘導するための誘導情報を誘導対象となった顧客へとネットワーク2を介して送信する処理部であって、プロモーション実行部41と、商品マスターDB42と、プロモーション情報DB43とを有する。
The customer
顧客誘導システム100は、1つのコンピュータ装置で実現されてもよいし、オーバーキャパシティ計算部20と、セグメンテーション処理部30と、顧客誘導処理部40とがそれぞれ別のコンピュータ装置で実現されネットワークで接続される構成としても良い。
The
顧客誘導システム100を実現するコンピュータ装置は、図2に示すようなハードウェア構成を有する。図2は、本発明の一実施例に係る顧客誘導システムを実現するコンピュータ装置のハードウェア構成を示す図である。
The computer device that implements the
図2において、顧客誘導システム100を実現するコンピュータ装置100aは、コンピュータによって制御される装置であって、CPU(Central Processing Unit)11と、メモリユニット12と、表示ユニット13と、出力ユニット14と、入力ユニット15と、通信ユニット16と、記憶装置17と、ドライバ18とで構成され、システムバスBに接続される。
In FIG. 2, a computer device 100 a that implements the
CPU11は、メモリユニット12に格納されたプログラムに従ってコンピュータ装置100aを制御する。メモリユニット12は、RAM(Random Access Memory)及びROM(Read-Only Memory)等にて構成され、CPU11にて実行されるプログラム、CPU11での処理に必要なデータ、CPU11での処理にて得られたデータ等を格納する。また、メモリユニット12の一部の領域が、CPU11での処理に利用されるワークエリアとして割り付けられている。
The CPU 11 controls the computer device 100 a according to a program stored in the
表示ユニット13は、CPU11の制御のもとに必要な各種情報を表示する。出力ユニット14は、プリンタ等を有し、利用者からの指示に応じて各種情報を出力するために用いられる。入力ユニット15は、マウス、キーボード等を有し、シミュレーションシステム100が処理を行なうための必要な各種情報を利用者が入力するために用いられる。
The display unit 13 displays various information required under the control of the CPU 11. The
通信ユニット16は、コンピュータ装置100aが例えばインターネット、LAN(Local Area Network)等のネットワークを介する通信の制御をするための装置である。
The
記憶装置17は、例えば、ハードディスクユニットにて構成され、各種処理を実行するプログラム等のデータを格納する。
The
コンピュータ装置100aよって行われる処理を実現するプログラムは、例えば、CD−ROM(Compact Disk Read-Only Memory)等の記憶媒体19によってコンピュータ装置100aに提供される。即ち、プログラムが保存された記憶媒体19がドライバ18にセットされると、ドライバ18が記憶媒体19からプログラムを読み出し、その読み出されたプログラムがシステムバスBを介して記憶装置17にインストールされる。そして、プログラムが起動されると、記憶装置17にインストールされたプログラムに従ってCPU11がその処理を開始する。
A program that realizes processing performed by the computer apparatus 100a is provided to the computer apparatus 100a by a
尚、プログラムを格納する媒体としてCD−ROMに限定するものではなく、コンピュータが読み取り可能な媒体であればよい。本発明に係る処理を実現するプログラムは、通信ユニット16によってネットワークを介してダウンロードし、記憶装置17にインストールするようにしても良い。また、コンピュータ装置100aが外部との接続を行うUSB(Universal Serial Bus)等のインタフェースを有する場合には、USB接続によって外部記憶媒体からプログラムを読み込んでもよい。
The medium for storing the program is not limited to a CD-ROM, and any medium that can be read by a computer is acceptable. The program for realizing the processing according to the present invention may be downloaded via the network by the
オーバーキャパシティ計算部20の来店予測処理部21による処理について図3及び図4で説明する。図3は、来店予測処理部での処理を説明するための図である。図3において、来店予測処理部21は、POS情報DB22を読み込み(ステップS201)、顧客が商品を購入する際にレジで記録されたレジ処理開始時間とレジ処理終了時間とを取得して、1日のレジ処理件数(つまり顧客数)を算出する(ステップS202)。
Processing by the store visit
来店予測処理部21は、店舗マスターDB23から店舗レジ台数を取得して(ステップS203)、平均レジ処理時間と、1時間当りのレジ処理人数と、処理中店舗の1時間当りの最大処理人数(所定処理人数)とを算出する(ステップS204)。例えば、顧客1人につき平均レジ処理時間「60秒」と、店舗レジ1台につき1時間当りのレジ処理人数「120人」と、処理中店舗の1時間当りの最大処理人数「360人」(=120人×3台)とが算出される。店舗毎にステップS201からS204が実行される。
The store visit
一方で、来店予測処理部21は、POS情報DB22から読み込んだ過去実績データから、各曜日の1時間毎の来店した顧客数を算出する(ステップS211)。また、来店予測処理部21は、天気予報、立地条件、シーズン、イベント、曜日、時間帯を含むパラメータ情報を読み込んで(ステップS212)、予測パラメータテーブル24を参照して各曜日の1時間毎の重み付け係数を算出する(ステップS213)。
On the other hand, the store visit
図4を参照すると、予測パラメータテーブル24は、パラメータ項目、パラメータ値、条件、パラメータ指数で構成される。パラメータ項目として、天気予報、立地条件、シーズン、イベント、曜日、時間帯が示され、これら項目毎に対応する条件の値とパラメータ値とを乗算してパラメータ指数が求められる。全てのパラメータ項目に対してパラメータ指数を算出した後、合計したパラメータ指数が来店顧客数を予測する重み付け係数となる。 Referring to FIG. 4, the prediction parameter table 24 includes parameter items, parameter values, conditions, and parameter indices. As the parameter items, weather forecast, location conditions, season, event, day of the week, and time zone are shown, and the parameter index is obtained by multiplying the value of the condition corresponding to each item and the parameter value. After calculating the parameter index for all the parameter items, the total parameter index becomes a weighting coefficient for predicting the number of customers visiting the store.
パラメータ情報によって、ある店舗の金曜日の夜の時間帯で、天気が「晴れ」、立地条件が「駅前(オープン型)」、シーズンが「夏」、イベントが「有り」の場合、曜日のパラメータ指数はパラメータ値「0.2」に条件「金曜日」の値「2」を乗算して「0.4」となる。同様の計算によって、時間帯のパラメータ指数は「0.16」、天気のパラメータ指数は「0.3」、立地条件のパラメータ指数は「0.07」、シーズンのパラメータ指数は「0.15」、イベントのパラメータ指数は「0.36」を得る。そして、これらパラメータ指数を合計した重み付け係数「1.44」を取得する。 According to the parameter information, if the weather is “Sunny”, the location condition is “In front of the station (open type)”, the season is “Summer”, and the event is “Yes”, the parameter index for the day of the week at a certain store on Friday night Becomes “0.4” by multiplying the parameter value “0.2” by the value “2” of the condition “Friday”. By the same calculation, the time zone parameter index is “0.16”, the weather parameter index is “0.3”, the location condition parameter index is “0.07”, and the season parameter index is “0.15”. The event parameter index is “0.36”. Then, a weighting coefficient “1.44” obtained by adding these parameter indexes is acquired.
図3に戻り、来店予測処理部21は、1週間単位で各曜日の1時間毎の来店顧客数を予測する(ステップS214)。過去実績データを用いて所定アルゴリズムによって予測された来店顧客数に重み付け係数を乗算した値(来店顧客数)を予測結果として得る。所定アルゴリズムによって予測された来店顧客数が「300」であった場合、予測結果は「432」(=300×1.44)となる。
Returning to FIG. 3, the store visit
更に、来店予測処理部21は、ステップS204で算出しておいた1時間当りの最大処理人数を用いて、各曜日の1時間毎について1時間当りのオーバーキャパシティを計算する(ステップS220)。
Further, the store visit
ステップS214で算出した予測結果から最大処理人数を減算した値(過不足人数)がゼロ以下(ゼロ又は負)である場合、来店予測顧客数は処理可能な範囲であると判断し、処理中の曜日のその時間を誘導対象としない(ステップS221)。来店予測処理部21は、処理中の店舗ID、日付、曜日及び時間帯毎に対応させて、ステップS214で算出した予測結果と、過不足人数と、誘導対象フラグとを設定して来店予測DB25へ格納する。この場合、来店予測処理部21は、誘導対象フラグをオフにして最大処理人数を下回っていることを示す。
If the value obtained by subtracting the maximum processing number from the prediction result calculated in step S214 (over or shortage number) is less than or equal to zero (zero or negative), it is determined that the predicted number of customers visiting the store is within the processable range, The time of day of the week is not targeted for guidance (step S221). The store visit
一方、ステップS214で算出した予測結果から最大処理人数を減算した値(過不足人数)が正である場合、来店予測顧客数が処理可能な範囲を超える、すなわち顧客に対して例えばレジ待ちや営業担当者不足などの問題が発生する可能性があると推測できるので、そのような状況を緩和させるために、処理中の曜日のその時間で過剰となった顧客数を他店舗への誘導対象人数とする(ステップS222)。来店予測処理部21は、処理中の店舗ID、日付、曜日及び時間帯毎に対応させて、ステップS214で算出した予測結果と、過不足人数と、誘導対象フラグとを設定して来店予測DB25へ格納する。この場合、来店予測処理部21は、誘導対象フラグをオンにして最大処理人数以上であることを示す。
On the other hand, when the value obtained by subtracting the maximum number of processed persons from the prediction result calculated in step S214 (the number of excess / deficient persons) is positive, the predicted number of customers visiting the store exceeds the processable range, that is, for example, waiting for cashiers or sales to customers. Since it can be inferred that there may be a problem such as a shortage of staff, in order to alleviate such a situation, the excess number of customers on that day of the processing day is the number of customers who are guided to other stores (Step S222). The store visit
セグメンテーション処理部30の顧客属性判定部31による処理について図5、図6及び図7で説明する。図5は、顧客属性判定部での処理を説明するための図である。図5において、顧客属性判定部31は、POS情報DB22から過去実績データ22dを読み込み(ステップS301)、会員情報DB32から会員情報データ32dを読み込む(ステップS302)。 POS情報DB22から読み込んだ過去実績データ22dは、例えば、図6に示すように、顧客としての会員が購入した商品の商品名、その商品の商品コード、その商品の価格帯を示す商品カテゴリー、購入した商品の個数、購入した日付、曜日、その会員を識別するための顧客ID、購入した時間、購入時の値引きの程度(%)、プレミアム商品などの項目を含む。顧客誘導処理部40の商品マスターDB42で、商品カテゴリー毎に属する商品名とその商品の価格が定義されている。
Processing performed by the customer
また、会員情報DB32から読み込んだ会員情報データ32dは、例えば、図7に示すように、会員として登録された顧客の氏名、顧客ID、会員として登録された会員登録日、性別、年齢、住所、メールアドレス、電話番号などの項目を含む。
The member information data 32d read from the
顧客属性判定部31は、過去実績データ22dと会員情報データ32dとを顧客IDで関連付けて、各会員の価格センシティビティーを決定する(ステップS303)。すなわち、顧客属性判定部31は、会員が購入した商品の商品カテゴリーを用いて、会員が購入する傾向にある価格帯を決定する。また、値引き商品に対する購入傾向を解析する。
The customer
価格センシティビティーとは、購入者(会員)の価格に対する重視度を示し、低価格商品を購入する傾向にあるのか、中間価格商品を購入する傾向にあるのか、高価格商品を(つまり、品質重視で)購入する傾向にあるのかを示すセグメントで構成される。 Price sensitivity refers to the importance of the purchaser (member) on the price, whether it tends to buy low-priced products, intermediate-priced products, or high-priced products (that is, quality-oriented) It is made up of segments that indicate the tendency to purchase.
続けて、顧客属性判定部31は、各会員の購入時間に関するタイムセンシティビティーを決定する(ステップS304)。すなわち、顧客属性判定部31は、過去実績データ22dから曜日及び時間を読み出して、購入の際の曜日及び時間の集中度合いを判断する。また、顧客属性判定部31は、その曜日及び時間の集中度合いから、夕方以降(例えば18時以降)に購入時間が集中しているか、又は、週末(土曜日又は日曜日)に購入時間が集中しているかを判断し、会員のタイプを判断する。例えば、夕方以降又は週末に購入時間が集中している場合、その会員は就業者であると判断する。
Subsequently, the customer
タイムセンシティビティーとは、顧客が来店する時間帯の度合いを示し、時間帯が固定的であるか(例えば、同様の時間帯に9割以上で固定的に来店する)、来店する時間帯がやや散在するか(例えば、同様の時間帯に6割以上9割未満で来店する)、来店する時間帯が特定されないか(例えば、同様の時間帯に6割未満で来店する)を示すセグメントで構成される。価格センシティビティーとタイムセンシティビティーとの組み合わせによって、セグメンテーション38は9セグメントの構成となる。
Time sensitivity indicates the degree of time the customer visits the store. Is the time zone fixed (for example, the customer visits the store at 90% or more in the same time zone)? Consists of segments that indicate whether they are scattered (for example, visiting 60% or more and less than 90% in the same time zone), or whether the time zone to visit is not specified (for example, coming in less than 60% in the same time zone) Is done. Due to the combination of price sensitivity and time sensitivity, the
更に、顧客属性判定部31は、夫々の所定範囲毎に分割した価格センシティビティーとタイムセンシティビティーとによって複数のセグメントを表すセグメンテーション38を用いて、ステップS303で求めた価格センシティビティーと、ステップS304で求めたタイムセンシティビティーとによって、会員毎にプロットされるセグメントを決定する(ステップS305)。顧客属性判定部31は、セグメンテーションDB33に顧客ID毎にセグメントを対応させた顧客セグメント情報33dを格納する。
Further, the customer
顧客誘導処理部40のプロモーション実行部41による処理について図8で説明する。図8は、プロモーション実行部での処理を説明するための図である。図8において、プロモーション実行部41は、POS情報DB22と、来店予測DB25と、会員情報DB32と、セグメンテーションDB33とを読み込む(ステップS401)。
Processing performed by the
そして、プロモーション実行部41は、最大処理人数を超える店舗の曜日及び時間帯に過去に購入したことのある顧客の中からセグメントD、E、G、Hのいずれかに属する顧客を抽出する(ステップS402)。抽出された顧客の情報を想定顧客DB41cに格納する。
And the
セグメンテーション38に示すように、セグメントD、E、G、Hに属する顧客は、タイムセンシティビティおよび価格センシティビティが高くない顧客である。このような顧客は、来店する時間帯に融通が利きやすく、また価格重視の傾向が強いので、通常買物を行っている時間帯とは異なる時間帯への誘導がしやすい顧客であると考えることができる。
As shown in the
ステップS402での処理について図9で説明する。図9において、先ず、プロモーション実行部41は、来店予測DB25の誘導対象フラグがオン(最大処理人数が超過)のレコードの店舗ID、日付及び曜日の組み合わせの値が一致するレコードをPOS情報DB22から抽出して、抽出した各レコードから顧客ID、店舗ID、日付、曜日、時間帯を読み出して第一作業テーブル47aを作成する。
The process in step S402 will be described with reference to FIG. In FIG. 9, first, the
次に、プロモーション実行部41は、第一作業テーブル47aを用いて、顧客ID毎に、商品を購入する頻度の多い順に3店舗の店舗IDを取得し、また、各店舗での商品を購入する頻度の高い曜日及び時間帯を取得する。そして、顧客ID毎に、店舗ID1、傾向1、店舗ID2、傾向2、店舗ID3、傾向3で構成される第二作業テーブル47bを作成する。例えば、傾向1、傾向2及び傾向3は、それぞれの店舗での購入頻度の高い曜日と時間帯を組み合わせた情報で示される。
Next,
そして、プロモーション実行部41は、セグメンテーションDB33から第二作業テーブル47bに格納されている顧客IDに一致するセグメントを取得して、第二作業テーブル47bにその値を顧客IDに対応させて記録する。その後、セグメントが付加された第二作業テーブル47bからセグメントがD、E、G、Hのレコードのみを抽出して想定顧客DB41cを作成する。
Then, the
図8に戻り、プロモーション実行部41は、最大処理人数を超える店舗の中から、顧客の来店傾向に応じて、(1)異なる曜日、(2)異なる時間帯、(3)異なる店舗の順に誘導先を検索して、誘導対象となった顧客毎に誘導先候補を作成する(ステップS403)。この場合、誘導先候補が検索されなかった場合、プロモーション実行部41による処理を終了する。
Returning to FIG. 8, the
ステップS403での処理について図10及び図11で説明する。図10において、プロモーション実行部41は、来客予測DB25から店舗ID、日付、曜日、時間帯、過不足人数の項目でレコードを抽出して、図11に示すような第三作業テーブル47cを作成する(ステップS431)。そして、プロモーション実行部41は、想定顧客DB41cから最初の顧客IDのレコードを読み出す(ステップS432)。
The processing in step S403 will be described with reference to FIGS. In FIG. 10, the
プロモーション実行部41は、想定顧客DB41cにおいて購入頻度の高い店舗及び傾向毎に、(1)異なる曜日、(2)異なる時間帯、(3)異なる店舗の候補検索順に、第三作業テーブル47cから過不足人数が負の値を示す誘導先候補を検索する(ステップS433)。
For each store and trend with a high purchase frequency in the assumed
想定顧客DB41cの店舗ID1及び傾向1の組み合わせにて、(1)の候補検索順で第三作業テーブル47cを検索し、誘導先候補がなければ(2)の候補検索順で検索し、誘導先候補がなければ、更に(3)の候補検索順で検索する。(1)の候補検索順で誘導先候補が検索されれば(2)及び(3)の候補検索順による検索を不要とし、想定顧客DB41cの店舗ID2及び傾向2の組み合わせにて、同様に検索する。(1)の候補検索順で誘導先候補が検索されなくても(2)の候補検索順で誘導先候補が検索されれば(3)の候補検索順による検索は不要となる。店舗ID1及び傾向1の組み合わせに対して(1)から(3)の候補検索順で誘導先候補が検索されなかった場合、店舗ID2及び傾向2の組み合わせにて、同様に検索する。或いは、想定顧客DB41cの店舗ID1及び傾向1の組み合わせで、(1)から(3)の候補検索順で検索して所定候補数(例えば、3候補)が検索できたら、次の店舗ID2及び傾向2の組み合わせによる検索をすることなく終了するようにしてもよい。
The third work table 47c is searched in the candidate search order of (1) using the combination of the
プロモーション実行部41は、誘導先候補を1つ以上検索できたか否かを判断する(ステップS434)。全く誘導先候補を検索できなかった場合、プロモーション実行部41は、ステップS437へ進む。
The
誘導先候補を1つ以上検索できた場合、プロモーション実行部41は、顧客IDに対応させて候補店舗及び候補日時を設定した誘導先候補を示す第四作業テーブル47dを作成する(ステップS435)。3候補を検索した場合、候補店舗ID1及び候補日時1、候補店舗ID2及び候補日時2、候補店舗ID3及び候補日時3にそれぞれの候補店舗及び候補日時を設定する。また、セグメントも併せて設定する。その後、プロモーション実行部41は、候補店舗及び候補日時のレコードの過不足人数を1減算する(ステップS436)。
When one or more guide destination candidates can be searched, the
そして、プロモーション実行部41は、想定顧客DB41cの全顧客IDについて処理を終了したか否かを判断する(ステップS437)。終了していない場合、プロモーション実行部41は、想定顧客DB41cから次の顧客IDのレコードを読み出して(ステップS438)、ステップS433へ戻り、上記同様の処理を繰り返す。一方、終了している場合、プロモーション実行部41は、図8のステップS403での処理を終了する。
And the
図8に戻り、プロモーション実行部41は、誘導先候補を示す第四作業テーブル47dが作成されたか否かを判断する(ステップS404)。作成されなかった場合、プロモーション実行部41による処理は終了する。作成された場合、商品マスターDB42とプロモーションDB43とを用いて、顧客のセグメントD、E、G、H毎に当月のプロモーション対象商品を決定する(ステップS405)。プロモーション実行部41は、決定したプロモーション商品に関する情報を誘導顧客DB41dに追加して設定する。
Returning to FIG. 8, the
ステップS405での処理を図12及び図13で説明する。図12に示すように、本願実施例では、3つに分割された価格カテゴリーと商品鮮度とによって形成される9つのセグメントで、プロモーション対象の各商品がグループ化される。価格カテゴリーは、低価格から高価格までを3分割し、商品鮮度は、定番商品から新商品までを3分割する。 The processing in step S405 will be described with reference to FIGS. As shown in FIG. 12, in the embodiment of the present application, each promotion target product is grouped into nine segments formed by three price categories and product freshness. The price category is divided into 3 from low price to high price, and the product freshness is divided into 3 from standard products to new products.
このようなプロモーション商品用のセグメンテーションにプロットされた各商品は、プロモーションの対象となる月毎に、その商品を識別する商品コード、その商品を購入する際のクーポン情報を示すクーポンなどの項目によってプロモーション情報DB43に記録され管理される。
Each product plotted in the segmentation for such promotional products is promoted by items such as a product code identifying the product and a coupon indicating coupon information when purchasing the product for each month targeted for promotion. It is recorded and managed in the
本実施例では、顧客がプロットされたセグメントがGの場合、セグメントD'、E'、G'、H'の商品が特にプロモーション対象商品として選別し、顧客がプロットされたセグメントがDの場合、セグメントA'、B'、D'、E'の商品が特にプロモーション対象商品として選別し、顧客がプロットされたセグメントがEの場合、セグメントB'、C'、E'、F'の商品が特にプロモーション対象商品として選別し、顧客がプロットされたセグメントがHの場合、セグメントE'、F'、H'、I'の商品が特にプロモーション対象商品として選別する。 In this embodiment, when the segment on which the customer is plotted is G, the products of the segments D ′, E ′, G ′, and H ′ are specifically selected as the promotion target products, and when the segment on which the customer is plotted is D, When the products of segments A ′, B ′, D ′, E ′ are selected as the products to be promoted in particular and the segment on which the customer is plotted is E, the products of segments B ′, C ′, E ′, F ′ are particularly When the segment in which the customer is plotted is H and the segment on which the customer is plotted is H, the products in the segments E ′, F ′, H ′, and I ′ are specifically selected as the promotion target products.
図13に示すように、プロモーション実行部41は、顧客のセグメントD、E、G、H毎にプロモーション対象商品の商品コードとクーポンとをプロモーション情報DB42から取得して、プロモーション情報として必要な商品名、価格などを商品コードを用いて取得する。
As shown in FIG. 13, the
プロモーション実行部41は、商品名、価格、クーポンを用いて所定処理によってプロモーション情報を作成し、顧客のセグメントに対応するプロモーション情報を誘導顧客DB41dのプロモーションの値として設定する。ここで価格は標準価格を示すが、例えば、クーポンの値に割引率などの情報が含まれていることにより、割安感を顧客に与えることができる。
The
図8に戻り、次に、プロモーション実行部41は、誘導顧客DB41dに格納されている顧客IDで識別される顧客に対してプロモーション情報をネットワーク2を介して送信する(ステップS405)。図13に示すように、プロモーション実行部41は、誘導顧客DB41dから順に1レコードずつ読み出して、会員情報DB32から顧客IDが一致するレコードを検索し、氏名、メールアドレスを取得する。そして、プロモーション実行部41は、会員情報DB32から取得した顧客の氏名を用いて所定の挨拶文を作成する。
Returning to FIG. 8, next, the
また、プロモーション実行部41は、候補店舗ID1及び傾向1、候補店舗ID2及び傾向2、候補店舗ID3及び傾向3のそれぞれに対して、店舗情報DB44から店舗名、住所、電話番号を取得して、店舗の所在地に関する情報と、推奨される曜日及び時間帯とによって推奨来店情報を作成する。更に、プロモーション実行部41は、プロモーションの値からお買い得商品としての宣伝情報を作成する。
Moreover, the
プロモーション実行部41は、このようにして作成した挨拶文、推奨来店情報、宣伝情報とで構成された電子メールの内容を会員情報DB32から取得したメールアドレスへと送信する。
The
上述したように最大処理人数を超えると予測される店舗で商品を購入する傾向が強い顧客に対して、別の曜日、別の時間帯、別の店舗へと顧客の来店傾向を誘導するためのプロモーション情報を提供することによって、例えば、図14に示すように顧客の来店集中度を緩和させるように調整することができる。図14は、誘導前後の来店顧客数の状態例を示す図である。図14中、x軸方向に時間帯又は曜日別を示し、y軸方向に誘導前の来店顧客数を示している。 As described above, for customers who have a strong tendency to purchase products at stores that are predicted to exceed the maximum processing capacity, to induce customers to visit other stores on different days of the week, at different times, and at different stores By providing the promotion information, for example, as shown in FIG. 14, it is possible to adjust so as to relax the customer's visit concentration. FIG. 14 is a diagram illustrating a state example of the number of customers visiting the store before and after guidance. In FIG. 14, the time axis or day of the week is shown in the x-axis direction, and the number of customers visiting the store before guidance is shown in the y-axis direction.
図14(A)では、誘導前の来店顧客数が、ある時間帯又は曜日に最大処理人数を超えて顧客が集中して来店している状態が示されている。また、図14(B)では、顧客が推奨来店情報の電子メールを受信した顧客が時間帯又は曜日を変更して来店した場合の来店数の推移が示されている。この場合、顧客の来店集中度は緩やかに推移していることが分かる。このように緩やかに混雑の程度が推移する状態にすることによって、店舗の販売員は顧客へ商品説明を時間帯又は曜日に関わらず一様に行うことができ、商品への信頼又は店舗への信頼感を高めることができる。それにより、混雑による販売ロスを削減することができる。 FIG. 14 (A) shows a state in which the number of customers visiting the store before guidance exceeds the maximum number of customers in a certain time zone or day of the week and the customers are concentrated. FIG. 14B shows the transition of the number of store visits when a customer who has received an e-mail with recommended store visit information visits the store after changing the time zone or day of the week. In this case, it can be seen that the concentration of customer visits has been moderate. By making the degree of congestion gradually change in this way, store salespersons can uniformly explain products to customers regardless of time of day or day of the week. A sense of trust can be enhanced. Thereby, sales loss due to congestion can be reduced.
上述したように、本願発明では、顧客を別の時間帯、別の曜日、別の店舗などへと誘導することによって、混雑による販売ロスを削減することができるため、販売員の増員、設備投資などを行うことなく売上げの拡大を期待することができる。 As described above, in the invention of the present application, it is possible to reduce sales loss due to congestion by guiding customers to different time zones, different days of the week, different stores, etc. We can expect sales to increase without doing so.
また、顧客は、指定の時間帯、曜日、又は別の店舗で、電子メールで受信したクーポンを用いて商品を購入することで、価格の割引、よりよいサービスなどのインセンティブを店舗側から受けることができる。 In addition, customers can receive incentives such as discounts on prices and better services from the store by purchasing products using coupons received by e-mail at specified times, days of the week, or at other stores. Can do.
更に、時間に融通が利き価格に敏感な傾向を示す顧客を誘導対象とすることによって、混雑緩和の調整を効果的に行うことができる。また、誘導対象を特定することによって、誘導するための電子メールによる不快感を顧客に与えないようにすることができる。通常、顧客は混雑を嫌うものの、どの時間帯、どの曜日、どの店舗が利用しやすいかを知るすべがない。時間に融通が利きかつ価格に敏感な(低価格な商品を購入する)傾向を示す顧客であれば、誘導するための電子メールの内容によって不快感を覚え難く、電子メールの内容を利用する傾向にあると判断される。 Furthermore, the congestion mitigation can be adjusted effectively by targeting customers who tend to be flexible in time and tend to be sensitive to prices. Further, by specifying the guidance target, it is possible to prevent the customer from feeling uncomfortable due to the e-mail for guidance. Normally, customers hate crowds, but they have no way of knowing which hours, which days of the week, and which stores are easy to use. Customers who tend to be flexible in time and price-sensitive (buy low-priced products) have a tendency to use the contents of e-mails because they are less likely to feel uncomfortable with the contents of e-mails to guide It is judged that
また、混雑が予測される店舗で商品を購入する傾向にある顧客に対して、その顧客の来店傾向を一部変更した推奨来店情報を提供するため、来店集中度が平準化されるように顧客を誘導することができる。来店傾向を一部変更するのみであるので、顧客に不快感を与えない推奨来店情報を提供できる。 In addition, in order to provide recommended store visit information that changes the customer's store visit tendency to customers who tend to purchase products at stores that are expected to be crowded, the customer visit level is leveled out. Can be induced. Since only part of the store visit tendency is changed, it is possible to provide recommended store visit information that does not cause discomfort to the customer.
以上の説明に関し、更に以下の項を開示する。
(付記1)
顧客の来店傾向を誘導する顧客誘導方法での処理をコンピュータ装置に行わせるためのプログラムであって、該コンピュータ装置に、
店舗を識別する店舗識別子と対応付けて、該店舗で時間あたりに対応できる人数である所定処理人数に対する来店予測数の過不足人数を来店予測情報として格納する来店予測データベースから、該来店予測数が該所定処理人数を超えるレコードを参照する手順と、
顧客識別子と対応付けて過去の購入実績に関する情報を格納するPOS情報データベースから、前記参照したレコードに示される店舗識別子と一致する該購入実績と対応付けられている顧客識別子を抽出する手順と、
前記抽出した顧客識別子の来店傾向の一部が異なる所定候補検索順で、前記来店予測データベースのうち前記来店予測数が前記所定処理人数を超えないレコードを検索する手順と、
前記検索する手順によって検索されたレコードを用いて推奨来店情報を生成し、前記顧客の顧客端末へ送信する手順とを実行させるようにしたプログラム。
(付記2)
前記来店予測情報は、店舗識別子と曜日と時間帯とを示す情報を含み、
前記所定候補検索順は、異なる時間帯、異なる曜日、異なる店舗識別子の順であるようにした付記1記載のプログラム。
(付記3)
前記コンピュータ装置に、更に、
販売された商品の商品名と、その商品の価格と、購入した時間帯と、購入した顧客の顧客識別子とを対応付けて記録した過去実績データを用いて、該顧客識別子毎に価格に対する重視度と来店する時間帯に対する固定度との組み合わせによるセグメントを決定する手順を実行させ、
前記送信する手順は、前記推奨来店情報と、前記セグメントに応じてプロモーションされる商品に関するプロモーション商品情報とを前記顧客端末へ送信させるようにした付記1又は2記載のプログラム。
(付記4)
前記コンピュータ装置に、更に、
前記過去実績データを用いて曜日毎及び時間帯毎に予測した来店顧客数に複数のパラメータを用いて算出された重み付け係数を乗算した値を予測結果とする手順と、
前記予測結果から前記所定処理人数を減算した値を過不足人数とし、少なくとも曜日と、時間帯と、前記予測結果と、該過不足人数とを含む前記来店予測情報を来店予測データベースに記録して管理する手順とを実行させるようにした付記3記載のプログラム。
(付記5)
顧客の来店傾向を誘導する顧客誘導方法であって、コンピュータ装置が、
店舗を識別する店舗識別子と対応付けて、該店舗で時間あたりに対応できる人数である所定処理人数に対する来店予測数の過不足人数を来店予測情報として格納する来店予測データベースから、該来店予測数が該所定処理人数を超えるレコードを参照する手順と、
顧客識別子と対応付けて過去の購入実績に関する情報を格納するPOS情報データベースから、前記参照したレコードに示される店舗識別子と一致する該購入実績と対応付けられている顧客識別子を抽出する手順と、
前記抽出した顧客識別子の来店傾向の一部が異なる所定候補検索順で、前記来店予測データベースのうち前記来店予測数が前記所定処理人数を超えないレコードを検索する手順と、
前記候補検索手順によって検索されたレコードを用いて推奨来店情報を生成し、前記顧客の顧客端末へ送信する手順とを実行する顧客誘導方法。
(付記6)
顧客の来店傾向を誘導するための情報を生成する顧客誘導装置であって、
店舗を識別する店舗識別子と対応付けて、該店舗で時間あたりに対応できる人数である所定処理人数に対する来店予測数の過不足人数を来店予測情報として格納する来店予測データベースから、該来店予測数が該所定処理人数を超えるレコードを参照する手段と、
顧客識別子と対応付けて過去の購入実績に関する情報を格納するPOS情報データベースから、前記参照したレコードに示される店舗識別子と一致する該購入実績と対応付けられている顧客識別子を抽出する手段と、
前記抽出した顧客識別子の来店傾向の一部が異なる所定候補検索順で、前記来店予測データベースのうち前記来店予測数が前記所定処理人数を超えないレコードを検索する手段と、
前記検索する手段によって検索されたレコードを用いて推奨来店情報を生成し、前記顧客の顧客端末へ送信する手段とを実行する顧客誘導装置。
Regarding the above description, the following items are further disclosed.
(Appendix 1)
A program for causing a computer device to perform processing in a customer guidance method for inducing customer visit tendency,
Corresponding to the store identifier that identifies the store, the predicted number of store visits is calculated from the store prediction database that stores the number of store visit predictions with respect to the predetermined processing number of people that can be handled per hour at the store as store visit prediction information. A procedure for referring to a record exceeding the predetermined processing number;
A procedure for extracting a customer identifier associated with the purchase record that matches the store identifier indicated in the referenced record from a POS information database that stores information on the past purchase record associated with the customer identifier;
In a predetermined candidate search order in which a part of the store visit tendency of the extracted customer identifier is different, a procedure for searching for records in which the predicted number of store visits does not exceed the predetermined processing number in the store visit prediction database;
A program for generating recommended store visit information using a record searched by the searching procedure and transmitting the information to the customer terminal of the customer.
(Appendix 2)
The store visit prediction information includes information indicating a store identifier, a day of the week, and a time zone,
The program according to
(Appendix 3)
In addition to the computer device,
Using past performance data in which the product name of the product sold, the price of the product, the time of purchase, and the customer identifier of the customer who has purchased are recorded in association with each other, the degree of importance for the price for each customer identifier And a procedure to determine the segment by the combination with the fixed degree for the time zone to visit,
The program according to
(Appendix 4)
In addition to the computer device,
A procedure for making a prediction result a value obtained by multiplying the number of customers visiting the store predicted for each day of the week and each time zone using the past performance data by a weighting coefficient calculated using a plurality of parameters;
A value obtained by subtracting the predetermined processing number from the prediction result is set as the excess / deficiency number, and the store visit prediction information including at least a day of the week, a time zone, the prediction result, and the excess / deficiency number is recorded in the store visit prediction database. The program according to
(Appendix 5)
A customer guidance method for guiding customer visit tendency, wherein a computer device is
Corresponding to the store identifier that identifies the store, the predicted number of store visits is calculated from the store prediction database that stores the number of store visit predictions with respect to the predetermined processing number of people that can be handled per hour at the store as store visit prediction information. A procedure for referring to a record exceeding the predetermined processing number;
A procedure for extracting a customer identifier associated with the purchase record that matches the store identifier indicated in the referenced record from a POS information database that stores information on the past purchase record associated with the customer identifier;
In a predetermined candidate search order in which a part of the store visit tendency of the extracted customer identifier is different, a procedure for searching for records in which the predicted number of store visits does not exceed the predetermined processing number in the store visit prediction database;
A customer guidance method for executing a procedure of generating recommended store visit information using a record searched by the candidate search procedure and transmitting the information to the customer terminal of the customer.
(Appendix 6)
A customer guidance device for generating information for inducing customer visit tendency,
Corresponding to the store identifier that identifies the store, the predicted number of store visits is calculated from the store prediction database that stores the number of store visit predictions with respect to the predetermined processing number of people that can be handled per hour at the store as store visit prediction information. Means for referring to a record exceeding the predetermined processing number;
Means for extracting a customer identifier associated with the purchase record that matches the store identifier indicated in the referenced record from a POS information database that stores information on the past purchase record in association with the customer identifier;
Means for searching for records in which the predicted number of store visits does not exceed the predetermined processing number in the store prediction database in a predetermined candidate search order in which a part of the store visit tendency of the extracted customer identifier is different;
A customer guidance device that executes means for generating recommended store visit information using a record searched by the searching means and transmitting the information to the customer terminal of the customer.
本発明は、具体的に開示された実施例に限定されるものではなく、特許請求の範囲から逸脱することなく、種々の変形や変更が可能である。 The present invention is not limited to the specifically disclosed embodiments, and various modifications and changes can be made without departing from the scope of the claims.
2 ネットワーク
3 顧客端末
11 CPU
12 メモリユニット
13 表示ユニット
14 出力ユニット
15 入力ユニット
16 通信ユニット
17 記憶装置
18 ドライバ
19 記憶媒体
20 オーバーキャパシティ計算部
21 来店予測処理部
22 POS情報DB
22d 過去実績データ
23 店舗マスターDB
24 予測パラメータテーブル
25 来店予測DB
30 セグメンテーション処理部
31 顧客属性判定部
32 会員情報DB
32d 会員情報データ
33 セグメンテーションDB
33d 顧客セグメント情報
38 セグメンテーション
40 顧客誘導処理部
41 プロモーション実行部
42 商品マスターDB
43 プロモーション情報DB
100 顧客誘導システム
100a コンピュータ装置
2
DESCRIPTION OF
22d
24 Prediction parameter table 25 Store visit prediction DB
30
32d
33d
43 Promotion Information DB
100 Customer Guidance System 100a Computer Device
Claims (4)
店舗を識別する店舗識別子と対応付けて、該店舗で時間あたりに対応できる人数である所定処理人数に対する来店予測数の過不足人数を来店予測情報として格納する来店予測データベースから、該来店予測数が該所定処理人数を超えるレコードを参照する手順と、
顧客識別子と対応付けて過去の購入実績に関する情報を格納するPOS情報データベースから、前記参照したレコードに示される店舗識別子と一致する該購入実績と対応付けられている顧客識別子を抽出する手順と、
前記抽出した顧客識別子の来店傾向の一部が異なる所定候補検索順で、前記来店予測データベースのうち前記来店予測数が前記所定処理人数を超えないレコードを検索する手順と、
前記検索する手順によって検索されたレコードを用いて推奨来店情報を生成し、前記顧客の顧客端末へ送信する手順とを実行させるようにしたプログラム。 A program for causing a computer device to perform processing in a customer guidance method for inducing customer visit tendency,
Corresponding to the store identifier that identifies the store, the predicted number of store visits is calculated from the store prediction database that stores the number of store visit predictions with respect to the predetermined processing number of people that can be handled per hour at the store as store visit prediction information. A procedure for referring to a record exceeding the predetermined processing number;
A procedure for extracting a customer identifier associated with the purchase record that matches the store identifier indicated in the referenced record from a POS information database that stores information on the past purchase record associated with the customer identifier;
In a predetermined candidate search order in which a part of the store visit tendency of the extracted customer identifier is different, a procedure for searching for records in which the predicted number of store visits does not exceed the predetermined processing number in the store visit prediction database;
A program for generating recommended store visit information using a record searched by the searching procedure and transmitting the information to the customer terminal of the customer.
前記所定候補検索順は、異なる時間帯、異なる曜日、異なる店舗識別子の順であるようにした請求項1記載のプログラム。 The store visit prediction information includes information indicating a store identifier, a day of the week, and a time zone,
The program according to claim 1, wherein the predetermined candidate search order is an order of different time zones, different days of the week, and different store identifiers.
販売された商品の商品名と、その商品の価格と、購入した時間帯と、購入した顧客の顧客識別子とを対応付けて記録した過去実績データを用いて、該顧客識別子毎に価格に対する重視度と来店する時間帯に対する固定度との組み合わせによるセグメントを決定する手順を実行させ、
前記送信する手順は、前記推奨来店情報と、前記セグメントに応じてプロモーションされる商品に関するプロモーション商品情報とを前記顧客端末へ送信させるようにした請求項1又は2記載のプログラム。 In addition to the computer device,
Using past performance data in which the product name of the product sold, the price of the product, the time of purchase, and the customer identifier of the customer who has purchased are recorded in association with each other, the degree of importance for the price for each customer identifier And a procedure to determine the segment by the combination with the fixed degree for the time zone to visit,
The program according to claim 1, wherein the transmitting procedure causes the recommended terminal visit information and promotional product information relating to a product to be promoted according to the segment to be transmitted to the customer terminal.
前記過去実績データを用いて曜日毎及び時間帯毎に予測した来店顧客数に複数のパラメータを用いて算出された重み付け係数を乗算した値を予測結果とする手順と、
前記予測結果から前記所定処理人数を減算した値を過不足人数とし、少なくとも曜日と、時間帯と、前記予測結果と、該過不足人数とを含む前記来店予測情報を来店予測データベースに記録して管理する手順とを実行させるようにした請求項3記載のプログラム。 In addition to the computer device,
A procedure for making a prediction result a value obtained by multiplying the number of customers visiting the store predicted for each day of the week and each time zone using the past performance data by a weighting coefficient calculated using a plurality of parameters;
A value obtained by subtracting the predetermined processing number from the prediction result is set as the excess / deficiency number, and the store visit prediction information including at least a day of the week, a time zone, the prediction result, and the excess / deficiency number is recorded in the store visit prediction database. The program according to claim 3, wherein a management procedure is executed.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007042495A JP2008204370A (en) | 2007-02-22 | 2007-02-22 | Customer inducing method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007042495A JP2008204370A (en) | 2007-02-22 | 2007-02-22 | Customer inducing method |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2008204370A true JP2008204370A (en) | 2008-09-04 |
Family
ID=39781779
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007042495A Withdrawn JP2008204370A (en) | 2007-02-22 | 2007-02-22 | Customer inducing method |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2008204370A (en) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011013943A (en) * | 2009-07-02 | 2011-01-20 | Chugoku Electric Power Co Inc:The | Method and device for setting number of reserved persons |
JP2011243041A (en) * | 2010-05-19 | 2011-12-01 | Sony Corp | Coupon selection support device, coupon selection support system, coupon selection support method and program |
JP2014109898A (en) * | 2012-11-30 | 2014-06-12 | Fujitsu Ltd | Analysis program, analysis method, and analysis device |
WO2015072191A1 (en) * | 2013-11-14 | 2015-05-21 | 日本電気株式会社 | Customer information management device, storefront terminal, customer information management method, and program |
JP2015103221A (en) * | 2013-11-28 | 2015-06-04 | オムロン株式会社 | Visitor attribute distribution information estimation device and program |
JP2015108913A (en) * | 2013-12-04 | 2015-06-11 | 株式会社日立製作所 | Human flow guidance system and method |
JP2016173649A (en) * | 2015-03-16 | 2016-09-29 | カシオ計算機株式会社 | Customer behavior control system and customer behavior control method |
JP2018132826A (en) * | 2017-02-13 | 2018-08-23 | カタリナ マーケティング ジャパン株式会社 | Coupon issuance system |
JP2019169052A (en) * | 2018-03-26 | 2019-10-03 | 株式会社タイトー | Character presentation system and character presentation program |
KR20200025068A (en) | 2018-08-29 | 2020-03-10 | 주식회사 케이티 | Appratus, method and computer program for providing payment service |
CN111340565A (en) * | 2020-03-20 | 2020-06-26 | 北京爱笔科技有限公司 | Information recommendation method, device, equipment and storage medium |
JP7038447B1 (en) | 2021-05-19 | 2022-03-18 | 株式会社刀 | Visitor number prediction device |
CN114549033A (en) * | 2020-11-25 | 2022-05-27 | 东芝泰格有限公司 | Server and storage medium |
CN114862173A (en) * | 2022-04-28 | 2022-08-05 | 北京爱笔科技有限公司 | Shop data processing method and device, computer equipment and storage medium |
WO2023053775A1 (en) * | 2021-09-30 | 2023-04-06 | 株式会社Nttドコモ | Behavior predicting device |
WO2024116418A1 (en) * | 2022-12-02 | 2024-06-06 | 日本電信電話株式会社 | Customer count prediction device, training device, customer count prediction method, training method, and program |
-
2007
- 2007-02-22 JP JP2007042495A patent/JP2008204370A/en not_active Withdrawn
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011013943A (en) * | 2009-07-02 | 2011-01-20 | Chugoku Electric Power Co Inc:The | Method and device for setting number of reserved persons |
JP2011243041A (en) * | 2010-05-19 | 2011-12-01 | Sony Corp | Coupon selection support device, coupon selection support system, coupon selection support method and program |
JP2014109898A (en) * | 2012-11-30 | 2014-06-12 | Fujitsu Ltd | Analysis program, analysis method, and analysis device |
WO2015072191A1 (en) * | 2013-11-14 | 2015-05-21 | 日本電気株式会社 | Customer information management device, storefront terminal, customer information management method, and program |
JPWO2015072191A1 (en) * | 2013-11-14 | 2017-03-16 | 日本電気株式会社 | Customer information management device, store terminal, customer information management method, and program |
JP2015103221A (en) * | 2013-11-28 | 2015-06-04 | オムロン株式会社 | Visitor attribute distribution information estimation device and program |
JP2015108913A (en) * | 2013-12-04 | 2015-06-11 | 株式会社日立製作所 | Human flow guidance system and method |
JP2016173649A (en) * | 2015-03-16 | 2016-09-29 | カシオ計算機株式会社 | Customer behavior control system and customer behavior control method |
JP2018132826A (en) * | 2017-02-13 | 2018-08-23 | カタリナ マーケティング ジャパン株式会社 | Coupon issuance system |
JP2019169052A (en) * | 2018-03-26 | 2019-10-03 | 株式会社タイトー | Character presentation system and character presentation program |
KR20200025068A (en) | 2018-08-29 | 2020-03-10 | 주식회사 케이티 | Appratus, method and computer program for providing payment service |
CN111340565A (en) * | 2020-03-20 | 2020-06-26 | 北京爱笔科技有限公司 | Information recommendation method, device, equipment and storage medium |
CN114549033A (en) * | 2020-11-25 | 2022-05-27 | 东芝泰格有限公司 | Server and storage medium |
JP7038447B1 (en) | 2021-05-19 | 2022-03-18 | 株式会社刀 | Visitor number prediction device |
JP2022178021A (en) * | 2021-05-19 | 2022-12-02 | 株式会社刀 | Visitor number prediction apparatus |
WO2023053775A1 (en) * | 2021-09-30 | 2023-04-06 | 株式会社Nttドコモ | Behavior predicting device |
CN114862173A (en) * | 2022-04-28 | 2022-08-05 | 北京爱笔科技有限公司 | Shop data processing method and device, computer equipment and storage medium |
WO2024116418A1 (en) * | 2022-12-02 | 2024-06-06 | 日本電信電話株式会社 | Customer count prediction device, training device, customer count prediction method, training method, and program |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2008204370A (en) | Customer inducing method | |
JP6885356B2 (en) | Recommended information identification device, recommended information identification system, recommended information identification method, and program | |
JP5231995B2 (en) | Information management system and method employing personal computer device | |
US20170278173A1 (en) | Personalized bundle recommendation system and method | |
JP2011210263A (en) | Real-time keyword interlock type advertisement display system and method | |
JP2002334201A (en) | Business support system and business support method | |
US11093980B2 (en) | Fine print builder | |
JP5693649B2 (en) | Market research and analysis system | |
KR101775995B1 (en) | Apparatus and method for analyzing infromation | |
JP2018169646A (en) | Integrated sales management system | |
JP2013084151A (en) | Cross selling promotion system and cross selling promotion method | |
JP2015114809A (en) | Method for presenting incentive by visit to actual store and visiting date/time, together with sale price by electronic commerce of commodity, to electronic device correlated with customer, and computer system and computer program thereof | |
JP2021099718A (en) | Information processing device and program | |
JP4127844B1 (en) | Terminal, method and computer program | |
CN113228084A (en) | Salesman evaluation system, salesman evaluation device, salesman evaluation method, and salesman evaluation program | |
JP3667726B2 (en) | Sales management apparatus and method | |
JP2018097628A (en) | Shop correlation diagram display device and shop correlation diagram display system | |
JP2018129048A (en) | Target selection method and system thereof, advertisement content provision method to target and system thereof, and content provision method to target | |
JP2005322094A (en) | Business support method and business support system | |
KR101614954B1 (en) | Advertisement system and advertisement method for controling exposure frequency and exposure interval of advertisement to manage inventory | |
JP2007048324A (en) | Vending machine system | |
JP5000348B2 (en) | Sales promotion system | |
JP2012221360A (en) | System capable of providing information deliverer (influencer) influential for purchasing behavior with advertisement information | |
JP6809148B2 (en) | Program and combination extraction system | |
KR20190007088A (en) | Advertising offering method and system for selected target candidate |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20100511 |