JP2008282269A - 増刷推奨処理システム - Google Patents

Abstract

【課題】書籍の返品・廃棄・売上機会損失による損失を最小にするように、増刷冊数の推奨をタイミングよく行う。
【解決手段】出版管理サーバ３００は、書籍の増刷が必要か否かを判断して増刷の推奨を行う増刷推奨処理システムとして機能する。出版管理サーバ３００は、現在から所定期間の間に売れる所定期間売上予測冊数に基づき、所定期間経過後の必要冊数を算出する必要冊数算出部３０６と、所定期間経過後の必要冊数から在庫冊数を引いた第１の増刷候補冊数がゼロより大きくかつ最終売上予測冊数から在庫冊数および累積売上冊数を引いた第２の増刷候補冊数以下の場合に、第１の増刷候補冊数を推奨増刷冊数として出力するとともに、第１の増刷候補冊数および第２の増刷候補冊数がそれぞれゼロより大きくかつ当該第２の増刷候補冊数が第１の増刷候補冊数より大きい場合に当該第２の増刷候補冊数を推奨増刷冊数として出力する推奨増刷冊数算出部３０８とを含む。
【選択図】図３

Description

本発明は、書籍の増刷が必要か否かを判断して増刷の推奨を行う増刷推奨処理システムに関する。

従来、出版業界では、以下のような問題があった。
（１）書籍の増刷するタイミングと冊数は、出版者や編集者の経験や勘に頼って決定することが多いために、書籍の実際の売上を考慮することなく印刷される。その結果、書店や取次に過剰な書籍が供給されることになり、返品冊数が多くなる。
（２）書店からの追加注文の増加を待って増刷の決定が行われ、決定を受けてからさらに印刷、製本を行う時間を要すことから、市場に供給する時間が大幅に遅れる。このため、売上機会損失と過剰在庫を招くとともに、結果として返品冊数が多くなる。
（３）書店は自己店舗の在庫の状況に基づいて発注を行うことが多く、周辺地域または全国規模の他の書店や取次店、あるいは出版社の在庫を考慮できない。また、自己店舗のデータでは、商品の実際の売れ行きが分からず、既に売れる時期が過ぎた書籍を注文し、過剰在庫を招くことがある。
（４）増刷の冊数を決めるに当たって、出版社の収益と関連付ける論理的な方法は存在していなかった。例えば、増刷冊数は製造原価を最小にするという観点から決められることもあり、実際の需要と比較すると過剰な増刷が行われることが多かった。このため、返品冊数が多くなり、増刷が必ずしも収益にはつながらなかった。
（５）書籍は、種類が非常に多い、新刊数が膨大、ライフサイクルが短い等の理由から、売上予測を立てるのが困難である。

特許文献１（特開２００２−７６６４号公報）には、上記（３）の問題を解決するための技術が記載されている。当該文献には、書店店頭における売れ行き情報、在庫情報、新刊重版（増刷）情報といった各種の情報を、書店、取次店、出版社がネットワークを介して共有することで、市場の販売実績及び在庫実績に基づいた増刷と出荷を実現し、売上機会損失の防止による売上増加と、返品冊数の減少を図ることを目的とした管理システムが記載されている。

また、本出願人は、上記（５）の問題を解決するための技術を開発した。本出願人は、多くの書籍（約７０％）が一定の販売ライフサイクルのパターン（初期売れ型）をとることを分析で発見し、それを活用したＮＭ予測法を開発した。ＮＭ予測法とは、発売後Ｎ日目までの累積売上冊数にＮＭ係数をかけて、Ｍ日目までの累積売上冊数を予測する方法である（特許文献２（特開２００７−５８８４８号公報））。これにより、書籍等の売上予測を精度よく行うことができる。とくに、ＮＭ係数を出版社等のジャンル毎の過去の売上データに基づき算出しておくことにより、予測精度が向上する。
特開２００２−７６６４号公報 特開２００７−５８８４８号公報

しかし、依然として、上記（１）、（２）、（４）の問題が解決されていなかった。

本発明は上記事情に鑑みてなされたものであり、その目的とするところは、書籍の増刷において、出版社の収益を最大とするように、冊数と時期を推奨する技術を提供することにある。

本発明によれば、
書籍の増刷が必要か否かを判断して増刷の推奨を行う増刷推奨処理システムであって、
前記書籍の現在の在庫冊数を取得する在庫冊数取得部と、
前記書籍の現在までの売上に基づき、当該書籍が現在から所定期間の間に売れる所定期間売上予測冊数、および前記書籍が最終的に売れる最終売上予測冊数をそれぞれ算出する売上予測冊数算出部と、
前記所定期間売上予測冊数に基づき、前記所定期間経過後の必要冊数を算出する必要冊数算出部と、
前記所定期間経過後の必要冊数から前記在庫冊数を引いた第１の増刷候補冊数Ｈ_ｎがゼロより大きくかつ前記最終売上予測冊数から前記在庫冊数および累積売上実績冊数を引いた第２の増刷候補冊数Ｈ_ｆ以下の場合に、前記第１の増刷候補冊数Ｈ_ｎを推奨増刷冊数として出力するとともに、前記第１の増刷候補冊数Ｈ_ｎおよび前記第２の増刷候補冊数Ｈ_ｆがそれぞれゼロより大きくかつ当該第２の増刷候補冊数Ｈ_ｆが前記第１の増刷候補冊数Ｈ_ｎより大きい場合に当該第２の増刷候補冊数Ｈ_ｆを推奨増刷冊数として出力する推奨増刷冊数算出部と、
を含む増刷推奨処理システムが提供される。

これにより、実際に書籍が必要になる前に、必要な冊数を見越して増刷の決定等を行うことができるので、書店での売上機会損失を防ぐことができる。ここで、前記所定期間は、増刷を行うことを決定してから実際に当該書籍の増刷が行われ、当該書籍が書店に展示されるまでにかかる時間以上とすることができる。

本発明の増刷推奨処理システムは、前記推奨増刷冊数算出部が出力した前記推奨増刷冊数および前記最終売上予測冊数に基づき、前記推奨増刷冊数の増刷を行った場合の当該書籍の売れ残り冊数を算出して当該売れ残り冊数に基づき増刷リスク値を算出するとともに、前記所定期間売上予測冊数に基づき前記増刷を行わない場合の売上機会損失冊数を算出して当該売上機会損失冊数に基づき不増刷リスク値を算出するリスク値算出部をさらに含むことができる。また、本発明の増刷推奨処理システムにおいて、前記増刷リスク値が前記不増刷リスク値よりも大きい場合、前記推奨増刷冊数算出部が前記推奨増刷冊数を減少して新たな推奨増刷冊数を算出するとともに前記リスク値算出部が前記推奨増刷冊数算出部が算出した前記新たな推奨増刷冊数に基づき前記増刷リスク値を算出する処理を、前記増刷リスク値が前記不増刷リスク値以下となるまで繰り返すことができ、前記推奨増刷冊数算出部は、前記増刷リスク値が前記不増刷リスク値以下となった場合の前記推奨増刷冊数を出力することができる。

本発明の増刷推奨処理システムにおいて、前記リスク値算出部は、前記最終売上予測冊数または、前期所定期間売上予測冊数を、過去の多数の書籍の売上データに基づき算出された売上予測冊数の誤差の分布関数を売上予測冊数が減少する方向に見たときに確率が所定の値となる負側の誤差に基づき補正して前記売れ残り冊数を算出して前記増刷リスク値を算出するとともに、前記最終売上予測冊数または、前記所定期間売上予測冊数を前記売上データに基づき算出された売上予測冊数の誤差の分布関数を売上予測冊数が増加する方向に見たときに確率が前記所定の値となる正側の誤差に基づき補正して前記売上機会損失冊数を算出して前記不増刷リスク値を算出することができる。

以上のように、増刷するリスク値が増刷しないリスク値を下回る範囲で増刷を行うことにより、利潤を増加させることができる。

本発明の増刷推奨処理システムにおいて、前記推奨増刷冊数算出部は、算出した前記推奨増刷冊数が、最小増刷単位よりも小さいか否かを判断し、前記推奨増刷冊数が、前記最小増刷単位よりも小さい場合、当該推奨増刷冊数を前記最小増刷単位に置き換えて当該最小増刷単位を新たな推奨増刷冊数とすることができ、前記リスク値算出部は、前記推奨増刷冊数算出部が置き換えた前記新たな推奨増刷冊数に基づき前記増刷リスク値を算出することができる。

本発明の増刷推奨処理システムにおいて、前記推奨増刷冊数算出部は、前記書籍の発売日から比較的長期の所定の期間が経過したか否かを判断し、前記長期の所定の期間が経過したと判断した場合、前記第１の増刷候補冊数Ｈ_ｎに関わらず前記第２の増刷候補冊数Ｈ_ｆがゼロより大きい場合に、当該第２の増刷候補冊数を推奨増刷冊数として出力することができる。

これにより、発売日からしばらくの期間は予測精度のよい所定期間売上予測を用い、最終予測の誤差が小さくなった時点で、最終売上予測を用いることもできる。所定期間売上予測のみを用いた場合は、発売日直後から高い精度を得られる反面、増刷回数は増加する。一方、最終売上予測を用いた場合には、発売日から所定期間を経るまで十分な精度が得られない半面、増刷回数を抑えることができる。従って、書籍の属性や出版社の販売戦略によって両手法を組み合わせることにより、望ましい精度と増刷回数を得ることができる。

なお、以上の構成要素の任意の組合せ、本発明の表現を方法、装置、システム、記録媒体、コンピュータプログラムなどの間で変換したものもまた、本発明の態様として有効である。

本発明によれば、書籍の増刷の推奨をタイミングよく行うことにより、売上機会損失を防ぐとともに、過剰在庫の発生を防ぐことができる増刷推奨処理システムが提供される。

リスク値は将来の販売における損失額を代表している。したがって、リスク値を最小化することにより、出版社の収益を改善することができる。

以下、本発明の実施の形態について、図面を用いて説明する。なお、すべての図面において、同様な構成要素には同様の符号を付し、適宜説明を省略する。

図１は、本実施の形態におけるネットワーク構造を示す模式図である。
本実施の形態において、出版にかかわる全てのプレイヤー、出版社（作家、編集者も含む）、取次店、書店、図書館、および読者が出版情報センターを介してネットワークで接続される。なお、ここで、出版情報センターを独立して示しているが、情報センターは、たとえば取次店、出版社、および書店のいずれかに含まれる構成とすることもできる。

出版情報センターには、出版社からは出版データ、在庫データ、出荷データを、取次店からは、送品データ、在庫データ、返品データを、書店からは売上データ、在庫データをネットワークを介して送信される。出版情報センターから取次店には、売上予測情報、その取次店配下の書店の発注展示返品推奨情報等が送信される。出版情報センターから出版社には増刷アラート情報、売上予測情報が送信され、加えて書店や取次店の在庫データ、返品データ、売上データ等が送信される。

図２は、図１に示したネットワーク構造を具体的に示すブロック図である。
出版情報センターサーバ１００は、書店管理サーバ２００および出版管理サーバ３００を含む。書店管理サーバ２００および出版管理サーバ３００は、一つのサーバにより構成することもでき、またネットワーク等を介して互いに接続された構成とすることもできる。

書店管理サーバ２００は、ネットワークを介して書店端末４０１、書店端末４０２、書店端末４０３等の書店端末や取次店端末５０１等の取次店端末と接続される。出版管理サーバ３００は、ネットワークを介して、取次店端末５０１等の取次店端末や出版社端末６０１等の出版社端末と接続される。出版情報センター端末１０２は、ネットワークを介して書店管理サーバ２００および出版管理サーバ３００とそれぞれ接続される。ここでは、取次店端末５０１および出版社端末６０１を一つしか示していないが、多数の取次店端末および出版社端末がネットワークを介して書店管理サーバ２００および出版管理サーバ３００に接続された構成とすることができる。

このようなネットワーク構造において、図１を参照して説明した各種情報が端末間でやり取りされる。書店管理サーバ２００は、各書店での発注推奨情報、返品推奨情報、展示推奨情報等を作成して出力する。

出版管理サーバ３００は、書店端末４０１〜４０３、取次店端末５０１、および出版社端末６０１等から、ネットワークを介して増刷の推奨を行う対象の書籍の在庫データや売上データを取得する。出版管理サーバ３００は、売上データに基づき対象の書籍の売上予測を行い、在庫データとその売上予測を基に増刷の必要性を判断する。本実施の形態において、増刷推奨処理システムの機能は、出版管理サーバ３００により実現される。出版管理サーバ３００は、増刷の要否を判断し、増刷が必要となった場合に、増刷アラート情報を出力する。本実施の形態においては、サイクリックに傾向が繰り返して現れる単位期間として週を用い、週単位で予測を行う場合を例として説明するが、本発明はこれに限定されるものではない。

図３は、本実施の形態における出版管理サーバ３００の構成を示すブロック図である。
出版管理サーバ３００は、売上予測冊数算出部３０２、必要冊数算出部３０６、推奨増刷冊数算出部３０８、オプション情報取得部３１２、リスク値算出部３１４、増刷アラート出力部３１６、戦略情報受付部３１８、売上データＤＢ３２０、在庫データＤＢ３２２、書籍情報記憶部３２４、流通バッファ量係数記憶部３２６、および誤差記憶部３２８を含む。

売上データＤＢ３２０には、書籍毎に、売上データが記憶される。売上データＤＢ３２０は、書籍毎に日毎の売上データを記憶してもよく、また週毎などの一定の期間毎の売上データを記憶してもよい。また、出版管理サーバ３００には、取次店を介して売上データが送信され、売上データＤＢ３２０にリアルタイムの売上データが更新されるようにしてもよい。売上データＤＢ３２０は、売上データを書店毎に当該書店を識別する情報に対応付けて記憶するとともに書店全店での売上データの総計を記憶するようにしてもよく、また前記書店全店での売上データのみを記憶するようにしてもよい。

在庫データＤＢ３２２には、書籍毎に、書店、取次店、および出版社等が保持する当該書籍の在庫データが記憶される。在庫データＤＢ３２２は、書籍毎に日毎の在庫データを記憶してもよく、また週毎の在庫データを記憶してもよい。また、出版管理サーバ３００には、各書店端末から取次店を介して売上データおよび送品データ、返品のデータが送信され、在庫データＤＢ３２２の在庫データがリアルタイムに更新されるようにしてもよい。さらに、出版管理サーバ３００は、出版社端末６０１等から、増刷データを取得することができ、在庫データＤＢ３２２には、増刷データも反映されるようにすることができる。すなわち、在庫データＤＢ３２２には、書籍毎に、その書籍が現在販売可能な冊数および増刷予定の冊数の合計冊数が記憶されている。現在販売可能な書籍の冊数は、書店端末４０１〜４０３や取次店端末５０１、出版社端末６０１から実際の在庫冊数を取得して合算することにより算出することもできる。在庫データＤＢ３２２は、在庫データを書店毎に当該書店を識別する情報に対応付けて記憶するとともに全店での在庫データの総計を記憶するようにしてもよく、また全店での在庫データのみを記憶するようにしてもよい。同様に、取次店、出版社毎に在庫データの帰属を識別する情報とともにもしくは在庫データのみを記憶する。

また、図３では、売上データＤＢ３２０と在庫データＤＢ３２２とを別々に示しているが、これらは統合して１つのデータベースにより構成することもできる。

売上予測冊数算出部３０２は、書籍が現在からｎ週間の間に売れるｎ週先売上予測冊数Ｅ_ｎ（所定期間売上予測冊数）、および当該書籍が発売日から最終的に売れる最終売上予測冊数Ｅ_ｆを算出する。ここで、ｎ週間とは、たとえば２週間〜１月程度の期間とすることができる。ｎ週間は、その書籍の増刷指示を出してから、実際に増刷が行われて書店に展示されるまでの期間(リードタイム)以上とすることが望まれる。このようにすることで、増刷に関わるリードタイムを最低限カバーすることができ、これにより、売上機会損失を防ぐとともに、過剰在庫を防ぎ、返品率を低くすることができる。

本実施の形態において、売上予測冊数算出部３０２は、たとえば、ＮＭ予測法、インクリメンタル予測法、またはＮＭ予測法およびインクリメンタル予測法を組み合わせたハイブリッド予測法により売上予測冊数を算出する。ＮＭ予測法は、発売後初期の予測および、長期の予測に適している。インクリメンタル予測法は、現在から２週間〜１月程度の間の短期の予測に適している。各予測法を以下に説明する。

（ＮＭ予測法）
ＮＭ予測法とは、発売後Ｎ日目までの累積売上実績冊数にＮＭ係数をかけて、Ｍ日目までの累積売上冊数を予測するものである。
ＮＭ予測法の予測式は以下の式で表される。
（Ｍ日目までの累積売上予測冊数）＝（ＮＭ係数）×（Ｎ日目までの累積売上実績冊数）

ＮＭ係数は、各ジャンル毎に、過去の売上データに基づき予め算出しておく。ＮＭ係数は、予測対象の書籍と同ジャンルの他の複数の書籍の売上データに基づいて、予測対象の書籍の初版発売日から第１基準日（Ｎ日目）までの累積売上冊数ｐに対する、第１基準日より後の任意に定められる予測日Ｍ日目までの累積売上冊数ｑとの比率（ｑ／ｐ）から算出することができる。ＮＭ予測法については、本出願人が先に出願した特開２００７−５８８４８号公報（特許文献２）に記載されており、この範囲で特開２００７−５８８４８号公報に記載された内容は、本出願の内容に含まれる。

このようなＮＭ予測法を用いた場合に、書籍が現在からｎ週間の間に売れる累積の売上予測冊数Ｅ_ｎ、および当該書籍が発売日から最終的に売れる累積の最終売上予測冊数Ｅ_ｆとは、以下の式に基づき算出される。ここでは、

売上予測冊数Ｅ_ｎ（ｔ+ｎ）＝ｆ_ｊ（ｔ，ｔ＋ｎ）×Ｎ（ｔ）−Ｎ（ｔ）
最終売上予測冊数Ｅ_ｆ＝ｆ_ｊ（ｔ，ｔ_ｆ）×Ｎ（ｔ）
ここで、
Ｎ（ｔ）はt週目までの累積売上実績冊数、
Ｅ_ｎ（ｔ+ｎ）はｔ週からｔ+ｎ週目までの累積の売上予測冊数、
ｆ_ｊ（ｔ，ｔ+ｎ）はジャンルｊのt週におけるｔ＋ｎ週を予測するために用いるＮＭ係数、
ｔ_ｆは売上飽和週である。ここで売上飽和週は、書籍の販売ライフサイクルで、売上が殆ど増加しなくなる週である。

ところで、上記のようにＮＭ係数は、予測対象の書籍と同ジャンルの他の複数の書籍の過去の売上データに基づき予め算出しておく。この場合、予測対象の書籍によっては、係数決定処理部が予め準備したＮＭ係数を用いた売上予測冊数から大きくはずれる場合がある。本実施の形態において、予め準備したＮＭ係数を用いるとともに、書籍毎にその書籍の売上データに基づいて、毎週ＮＭ予測法の係数を修正する。これにより、予測の精度を高めることができる。以下に、書籍毎のＮＭ係数修正処理の手順を説明する。書籍毎のＮＭ係数修正処理は、２週間前、１週間前、および現在でのその書籍の累積売上実績冊数に基づき行う。

（１）（Ｎ−２）週目の時点の累積売上実績冊数に基づき、Ｎ週目の売上予測冊数Ａを算出する。この売上予測冊数Ａと実際のＮ週目の累積売上冊数Ｂとの比Ｗ_２（＝Ｂ／Ａ）を求める。
（２）（Ｎ−１）週目の時点の累積売上冊数に基づき、Ｎ週目の売上予測冊数Ｃを算出する。この売上予測冊数Ｃと実際のＮ週目の累積売上実績冊数Ｂとの比Ｗ_１（＝Ｂ／Ｃ）を求める。
（３）（１）および（２）で求めた比Ｗ_２および比Ｗ_１を利用して、以下の式に基づき修正後のＮＭ係数を算出する。
（修正後ＮＭ係数）＝（修正前ＮＭ係数）×（１＋ａ×（Ｗ_１−１）＋ｂ×（Ｗ_２−１））

係数ａおよびｂは、過去のジャンル毎の売上データに基づき、準ニュートン法を用いて、予測と実績の誤差が最小となるようにして予め決定しておくことができる。係数はジャンル、予測時点（発売日からの経過週）、現在から何週先を予測するかによって異なっている。求めた係数の一覧を図８に示す。図８（ａ）は、現在から２週先の売上予測を行う際に用いる係数（２週先予測用）の一覧である。図８（ｂ）は、売上飽和週の売上予測を行う際に用いる係数である。

すなわち、本実施の形態において、売上予測冊数算出部３０２が売上予測冊数Ｅ_ｎ（ｎ＝２）を算出する場合は、図８（ａ）に示した係数を用いる。一方、売上予測冊数算出部３０２が最終売上予測冊数Ｅ_ｆを算出する場合には、図８（ｂ）に示した係数を用いる。たとえば、現在発売から５週目であって、現在から２週間後までの売上予測冊数を算出する場合は、図８（ａ）に示した係数の発売日からの経過週＝５のａ＝０．７２、ｂ＝０．１７が用いられる。

（インクリメンタル予測法）
インクリメンタル予測法とは、直近の売上変化傾向から近い将来の売上を予測する方法である。具体的には、直近３週間分の累積売上実績冊数を利用したもので、累積売上実績冊数の変化、および累積売上実績冊数の変化の変化度まで考慮したものとなる。インクリメンタル予測法の予測式は以下の式で表される。
Ｘ_(i+１)＝k(i,j)×Ｘ_(i)+l(i,j)×Ｘ_(i-1)+m(i,j)×Ｘ_(i-2)
ここで、Ｘ_(ｉ)は、第ｉ週目までの累積売上実績冊数、k(i,j)、l(i,j)、およびm(i,j)は、それぞれ第ｉ週の時点でジャンルｊに属する書籍の１週先を予測する場合のインクリメンタル係数である。

インクリメンタル係数k(i,j)、l(i,j)、およびm(i,j)は、ジャンルｊの過去の売上データに基づき、準ニュートン法を用いて、予測と実績の誤差が最小となるようにして予め決定しておくことができる。

具体的には、以下の式により行うことができる。まずジャンルjに属する書籍の第Ｎ週において１週間先の第Ｎ＋１週の売上予測冊数を求める。
Ｘ_Ｅ(Ｎ+１)＝k(Ｎ,j)×Ｘ_Ｒ(Ｎ)+l(Ｎ,j)×Ｘ_Ｒ(Ｎ-1)+m(Ｎ,j)×Ｘ_Ｒ(Ｎ-2)
ここで、Ｘ_Ｅ(Ｎ+１)は期間Ｎ＋１の売上予測冊数、Ｘ_Ｒ(Ｎ)は期間Ｎの累積売上実績冊数を表す。添え字Ｅは予測をＲは実績を表す。
ｍｉｎΣ（｜Ｘ_Ｅ(Ｎ+１)−Ｘ_{Ｒ(Ｎ＋１)}｜／｜Ｘ_{Ｒ（Ｎ＋１）}−Ｘ_Ｒ（Ｎ）｜）
ここで、｜Ｘ_Ｅ(Ｎ+１)−Ｘ_{Ｒ(Ｎ＋１)}｜は期間Ｎ＋１の累積売上予測誤差を表す。｜Ｘ_{Ｒ（Ｎ＋１）}−Ｘ_Ｒ（Ｎ）｜は期間Ｎ＋１の累積売上実績冊数を表す。Σはジャンルに含まれる各書籍の総和を示す。係数はジャンル、予測時点、何週先を予測するかによって異なっている。

たとえば、２週間先の売上予測を算出する場合、Ｘ_{Ｅ（ｉ＋２）}が２週先の売上予測冊数となる。仮想的にＸ_{Ｅ（ｉ＋１）}が現在での累積売上実績冊数、Ｘ_Ｒ（ｉ）が１週間前の累積売上実績冊数、Ｘ_{Ｒ（ｉ−１）}が２週間前の累積売上実績冊数となる。

同様に、４週先の売上予測冊数を算出する場合は、２週、３週先の売上予測冊数を求め、仮想的にその結果を累積売上実績冊数として利用することで４週先の売上予測冊数を算出することができる。

（ハイブリッド予測法）
ハイブリッド予測法では、以下の式に示すように、ＮＭ予測法で求めた予測値とインクリメンタル予測法で求めた予測値にそれぞれウェイト係数をかけて、それらを足し合わせた値を、ハイブリッド予測法の予測値とする。ＮＭ予測法とインクリメンタル予測法のいずれかだけでは予測の精度が保てない場合、ハイブリッド予測法を適用する。

（ハイブリッド予測法の予測冊数）
＝（ウェイト係数ｅ）×（ＮＭ予測法の売上予測冊数）＋（ウェイト係数ｆ）×（インクリメンタル予測法の売上予測冊数）
ここで、ウェイト係数ｅ＋ウェイト係数ｆ＝１である。

インクリメンタル予測法およびハイブリッド予測法については、本出願人が先に出願した特願２００７−１０７９５に記載されており、この範囲で特願２００７−１０７９５に記載された内容は、本出願の内容に含まれる。

売上予測冊数算出部３０２は、売上予測冊数を算出するために用いる、ＮＭ係数、係数ａおよびｂ、インクリメンタル係数、ウェイト係数ｅおよびウェイト係数ｆ等の係数を記憶した係数記憶部を含む。ＮＭ係数及びインクリメンタル係数は、あらかじめ長期の期間（たとえば１−３年）の特定の書籍のジャンル毎に、統計処理を行って求められたものである。また、係数ａ、ｂ、およびｅは利用者が戦略的に指定するか、過去の運用実績に基づいて定められたものである。ここでジャンルとは、売上の特性ごとの本の分類であり、たとえば、ビジネス書、新書などの分類だけでなく、出版社もジャンルに含まれる。

必要冊数算出部３０６は、売上予測冊数算出部３０２が算出したｎ週先売上予測冊数に基づき、ｎ週先に市場に流通する必要がある必要冊数を算出する。必要冊数算出部３０６は、売上予測冊数算出部３０２が算出したｎ週先売上予測冊数Ｅ_ｎに、その何倍の冊数の書籍を市場に流通させるかを決定する流通バッファ量係数ｇを乗じて、必要冊数を算出する。すなわち、売上予測冊数Ｅ_ｎで流通バッファ量係数がｇのとき、必要冊数Ｆ_ｎ＝Ｅ_ｎ×ｇとなる。

流通バッファ量係数は、過去の売上データに基づき売上機会損失冊数、利潤、および潜在返品率を算出し、算出した売上機会損失冊数、利潤、および潜在返品率に基づき決定することができる。流通バッファ量係数記憶部３２６は、各書籍毎に、ｎ週先に対応付けて、流通バッファ量係数を記憶する。流通バッファ量係数は、本の発売開始からの期間、出版社の流通戦略などにより変化するものであるが、流通させる書籍の冊数を変化させたときの出版社の出版社利潤をシミュレーションすることで、その時期の最適値を計算することが可能である。

評価式に必要な最終潜在返品冊数、最終潜在返品率、利潤、売上機会損失値を以下のように定義する。
最終潜在返品冊数＝売上飽和週での累積返品冊数−売上飽和週時点での累積売上冊数
最終潜在返品率＝（売上飽和週時点での累積返品冊数−売上飽和週時点での累積売上冊数）／売上飽和週時点での累積送品冊数
出版社利潤＝売上冊数×(出版社販売価格−製造原価)
売上機会損失値＝売上機会損失冊数×出版社利潤

流通バッファ量係数を大きく設定した場合、必要冊数が大きく算出されるために、最終的な累積潜在返品冊数も多くなるが、売上機会損失を減らすことが可能である。具体例的には、たとえば流通バッファ量係数を４倍にするということは、２週間先の売上予測の４倍の冊数の書籍を市場に流通させるということであり、売上機会損失をかなり抑えることが可能であるが、潜在返品率はバッファ量係数が２倍のときに比べて高くなる。

推奨増刷冊数算出部３０８は、売上予測冊数算出部３０２が算出したｎ週先売上予測冊数、および必要冊数算出部３０６が算出した必要冊数に基づき、増刷が必要か否かを判断するとともに、増刷する場合の推奨増刷冊数を算出する。

一例として、推奨増刷冊数算出部３０８は、ｎ週先売上予測冊数に基づいた必要冊数Ｆ_ｎから現在の在庫冊数Ｇを引いた増刷候補冊数Ｈ_ｎ（第１の増刷候補冊数）を推奨増刷冊数とすることができる。また、他の例として、最終売上予測冊数Ｅ_ｆに基づき、最終売上予測冊数Ｅ_ｆに基づいた必要冊数Ｆ_ｆから現在の在庫冊数Ｇおよび現在までの累積売上冊数Ｉを引いた増刷候補冊数Ｈ_ｆ（第２の増刷候補冊数）を推奨増刷冊数とすることができる。

ｎ週先売上予測を用いた場合は、最終売上予測と比較すると短い期間の売上予測に基づき推奨増刷冊数が決定されるため、一度に最終的に必要だと予測される冊数を増刷する最終売上予測よりも誤差が小さくなる。

このため、発売日からしばらくの期間は予測精度のよいｎ週先売上予測を用い、最終予測の誤差が小さくなった週で最終予測を用いることで、ｎ週先売上予測を用いた場合の高い精度という長所と、最終予測を用いた場合の増刷回数を抑えることができるという長所を組み合わせることができる。

本実施の形態において、推奨増刷冊数算出部３０８は、ｎ週先の必要冊数Ｆ_ｎから現在の在庫冊数Ｇを引いた増刷候補冊数Ｈ_ｎがゼロより大きい場合に、増刷を行うと判断するとともに、増刷候補冊数Ｈ_ｎを推奨増刷冊数とする。この場合、増刷候補冊数Ｈ_ｎがゼロ以下の場合は、増刷不要と判断することができる。

ただし、増刷候補冊数Ｈ_ｎが最終売上予測に基づく増刷候補冊数Ｈ_ｆよりも大きい場合は、増刷候補冊数Ｈ_ｎの予測に何らかの誤差がある可能性がある。そこで、増刷候補冊数Ｈ_ｆを上限として増刷候補冊数Ｈ_ｎが増刷候補冊数Ｈ_ｆよりも大きい場合には、増刷候補冊数Ｈ_ｆがゼロより大きいか否かを判断し、増刷候補冊数Ｈ_ｆがゼロより大きい場合に増刷を行うと判断するとともに、増刷候補冊数Ｈ_ｆを推奨増刷冊数とすることができる。増刷候補冊数Ｈ_ｎが増刷候補冊数Ｈ_ｆよりも大きく、増刷候補冊数Ｈ_ｆがゼロ以下の場合は、増刷不要と判断することができる。

図４は、この処理を示すフローチャートである。
まず、推奨増刷冊数算出部３０８は、現在からｎ週間までの間の売上予測冊数に基づく増刷候補冊数Ｈ_ｎがゼロより大きいか否かを判断する（Ｓ１０２）。増刷候補冊数Ｈ_ｎがゼロより大きい場合（Ｓ１０２のＹＥＳ）、推奨増刷冊数算出部３０８は、増刷候補冊数Ｈ_ｎが最終売上予測に基づく増刷候補冊数Ｈ_ｆ以下であるか否かを判断する（Ｓ１０４）。増刷候補冊数Ｈ_ｎが増刷候補冊数Ｈ_ｆ以下の場合（Ｓ１０４のＹＥＳ）、推奨増刷冊数算出部３０８は、推奨増刷冊数をＨ_ｎとして増刷アラート情報を出力する（Ｓ１１０）。一方、増刷候補冊数Ｈ_ｎが増刷候補冊数Ｈ_ｆより大きい場合（Ｓ１０４のＮＯ）、推奨増刷冊数算出部３０８は、増刷候補冊数Ｈ_ｆがゼロより大きいか否かを判断する（Ｓ１０６）。増刷候補冊数Ｈ_ｆがゼロより大きい場合（Ｓ１０６のＹＥＳ）、推奨増刷冊数算出部３０８は、推奨増刷冊数をＨ_ｆとして増刷アラート情報を出力する（Ｓ１０８）。また、ステップＳ１０２で増刷候補冊数Ｈ_ｎがゼロ以下の場合（Ｓ１０２のＮＯ）、またはステップＳ１０６で、増刷候補冊数Ｈ_ｆがゼロ以下の場合（Ｓ１０６のＮＯ）、推奨増刷冊数算出部３０８は、増刷不要と判断する（Ｓ１１２）。

ところで、最終売上予測を使用する場合は、一度に最終的に必要だと予測される冊数を増刷するため、書籍の製造単価を抑えることができる可能性がある。また、発売日から比較的長期の所定の期間が経過した後は、その書籍の売上データが蓄積されることになるので、最終売上予測の精度も高くなると考えられる。そのため、発売日から比較的長期の所定の期間が経過した後は、増刷候補冊数Ｈ_ｎに関わらず、最終売上予測に基づく増刷候補冊数Ｈ_ｆを使用することができる。

図５は、この処理を示すフローチャートである。
まず、推奨増刷冊数算出部３０８は、発売後比較的長期の所定の期間(発売後ｍ週間以上)が経過したか否かを判断する（Ｓ１２０）。ここで、ｍ週間とは、たとえば、ジャンル毎の過去の売上データに基づき、最終売上予測を使用した場合にたとえば８０％のタイトルが誤差２０％以内に収まる時期とすることができる。一例として、ｍ＝１３とすることができる。

ステップＳ１２０において、発売後比較的長期の所定の期間（発売後ｍ週間以上）が経過していない場合（Ｓ１２０のＮＯ）、図４のステップＳ１０２へ進み、上述したのと同様の処理が行われる。一方、ステップＳ１２０において、発売後比較的長期の所定の期間（発売後ｍ週間以上）が経過した場合（Ｓ１２０のＹＥＳの場合）、推奨増刷冊数算出部３０８は、増刷候補冊数Ｈ_ｆがゼロより大きいか否かを判断する（Ｓ１２２）。増刷候補冊数Ｈ_ｆがゼロより大きい場合（Ｓ１２２のＹＥＳ）、推奨増刷冊数算出部３０８は、推奨増刷冊数をＨ_ｆとして増刷アラート情報を出力する（Ｓ１２４）。また、ステップＳ１２２で増刷候補冊数Ｈ_ｆがゼロ以下の場合（Ｓ１２２のＮＯ）、推奨増刷冊数算出部３０８は、増刷不要と判断する（Ｓ１２６）。

図３に戻り、リスク値算出部３１４は、推奨増刷冊数算出部３０８が出力した推奨増刷冊数および最終売上予測冊数に基づき、増刷リスク値を算出するとともに、ｎ週先売上予測冊数に基づき、不増刷リスク値を算出する。

売上予測に基づき増刷を行う場合、予測には誤差が伴うため、損失が生じる。増刷する場合には、最終売上予測冊数が実際の最終売上冊数よりも多かったために、売れ残りにより損失が発生する。増刷を行わない場合には、最終売上予測冊数が実際の最終売上冊数よりも少なかったために、売上機会損失が発生する。

そこで、本実施の形態の他の例として、推奨増刷冊数算出部３０８は、増刷する場合の損失と、増刷しない場合の損失とを定量化した増刷リスク値と不増刷リスク値とを考慮して、増刷を行うか否か、および推奨増刷冊数を決定するようにすることができる。

最初に算出した推奨増刷冊数Ｎ_ｐ（Ｎ_ｐ＝Ｈ_ｆまたはＨ_ｎ）が増刷可能な最小増刷単位Ｎ_ｍよりも小さい場合、推奨増刷冊数算出部３０８は、推奨増刷冊数Ｎ_ｐを最小増刷単位Ｎ_ｍに置き換える。リスク値算出部３１４は、推奨増刷冊数算出部３０８が推奨増刷冊数を置き換えると、その推奨増刷冊数に基づき増刷リスク値を算出する。ここで、最小増刷単位とは、本の印刷、製本、それらの段取りを効率的に進め得る最小の冊数をいう。最小増刷単位は、出版社毎、または対象の書籍毎に決められた数字であり、製本技術の進歩により変化する。本実施の形態において、増刷リスク値と不増刷リスク値を算出するときに用いる各種コストデータは、この最小増刷単位を超えた範囲では、増刷のためのコストが大きく変動しないことを前提としている。

また、推奨増刷冊数算出部３０８は、増刷リスク値が不増刷リスク値より大きい場合、推奨増刷冊数を減少する処理を行う。推奨増刷冊数算出部３０８およびリスク値算出部３１４は、増刷リスク値が不増刷リスク値より小さくなるまでこの処理を繰り返す。推奨増刷冊数算出部３０８は、増刷リスク値が不増刷リスク値以下となった場合に推奨増刷冊数を決定する。推奨増刷冊数をどの程度ずつ減少するかは適宜設定することができる。たとえば、推奨増刷冊数算出部３０８は、推奨増刷冊数を１冊ずつ減少することもできる。

予測誤差は時間とともに減少するが、書籍の販売開始から早い時期においては誤差が大きいことがある。推奨増刷冊数算出部３０８が一旦増刷推奨冊数を算出した場合に、推奨冊数すべてを増刷するのではなく、増刷する場合のリスク値が増刷しない場合のリスク値を下回る範囲での最小増刷推奨冊数を求めて、その値で増刷することもできる。この場合、売上機会損失を避けながら、残りの冊数の増刷を後回しにすることで、売れ残りの損失を最小化することができる。

次に、増刷する場合の損失と増刷しない場合の損失の定量化方法を説明する。本実施の形態においては、増刷に伴う損失の算出をバリュー・アット・リスクの概念を用いて行った。バリュー・アット・リスクとは、現在保有している資産が、絶対金額としてどの程度、損失する可能性があるのかを過去の価格推移をもとに、統計的に測定する指標である。バリュー・アット・リスクの概念を増刷する場合の損失の算出に応用するために、所定の確率を決めてその範囲内で起こり得る最大の損失額を、増刷する場合としない場合で計算して用いた。ここでは、一例として、確率９５％の場合を説明する。

増刷する場合の最大損失額である増刷リスク値は以下で与えられる。
（増刷リスク値）
＝最大売れ残り冊数×製造原価
＝（累積送品冊数＋推奨増刷冊数−最終売上予測冊数×（１＋９５％負側誤差））×製造原価
ここで累積送品冊数とは取次店から配下の全ての書店に送品される書籍の冊数の累積冊数である。

増刷しない場合の最大損失額である不増刷リスク値は、以下の式に基づき算出することができる。
（不増刷リスク値）
＝今後ｎ週間での最大売上機会損失冊数×（出版社販売価格−製造原価）
＝（ｎ週先売上予測冊数×（１＋９５％正側誤差）＋累積売上冊数−累積送品冊数）×（出版社販売価格−製造原価）

確率９５％の範囲内で起こり得る最大の損失額を定量的に算出するためには、誤差の分布関数の形を求めることが必要である。そこで、過去の所定期間に発売された書籍をジャンル毎に複数書籍に関して、週毎に誤差の分布を分析し、最もフィッティングする分布関数を調べる。フィッティング対象とした分布はガンマ分布、最大極値分布、Ｓｔｕｄｅｎｔ ｔ分布、ロジスティック分布、ワイブル分布、正規分布、ベータ分布、最小極値分布、三角分布、一様分布、対数正規分布、パレート分布、指数分布等であり、適合検定手法としてはアンダーソン・ダーリング法を用いた。そして、予測誤差分布における確率95％の範囲内で起こり得る最大の正側の誤差と負側の誤差を算出する。

確率９５％負側の誤差は、売上予測冊数の誤差の分布関数を、売上予測冊数が小さく出る方向に見てゆき、確率が９５％となる負側の誤差により算出することができる。一方、確率９５％の正側の誤差は、売上予測冊数の誤差の分布関数を、売上予測冊数が大きく出る方向に見てゆき、確率が９５％となる正側の誤差により算出することができる。

誤差記憶部３２８は、このようにして求められた９５％負側誤差および９５％正側誤差を記憶する。図６に、誤差記憶部３２８に記憶されたデータの一例を示す。誤差記憶部３２８は、発売からの週毎に、それぞれ９５％負側誤差および９５％正側誤差を記憶する。

図３に戻り、書籍情報記憶部３２４は、書籍毎に、出版社販売価格、製造原価、当該書籍を増刷する際の最小増刷単位等を記憶する。

リスク値算出部３１４は、現在、予測対象の書籍が発売から何週目にあたるかに応じて、誤差記憶部３２８から対応する９５％負側誤差および９５％正側誤差を読み出すとともに、書籍情報記憶部３２４から必要な情報を読み出し、増刷リスク値および不増刷リスク値を算出する。

図７は、この処理を示すフローチャートである。
図４または図５に示したのと同様の処理により、増刷が必要と判断した場合（Ｓ１４０のＹＥＳ）、推奨増刷冊数算出部３０８は、算出した推奨増刷冊数Ｎ_ｐ（Ｎ_ｐ＝Ｈ_ｆまたはＨ_ｎ）が最小増刷単位Ｎ_ｍよりも小さいか否かを判断する（Ｓ１４１）。推奨増刷冊数Ｎ_ｐが最小増刷単位Ｎ_ｍよりも小さい場合（Ｓ１４１のＹＥＳ）、推奨増刷冊数算出部３０８は、推奨増刷冊数を最小増刷単位Ｎ_ｍに置き換える（Ｓ１４２）。リスク値算出部３１４は、推奨増刷冊数に基づき、増刷リスク値と不増刷リスク値とを算出する。増刷リスク値が不増刷リスク値より大きい場合（Ｓ１４３のＮＯ）、推奨増刷冊数算出部３０８は、増刷冊数を減少可能か否かを判断する（Ｓ１４６）。推奨増刷冊数が最小増刷単位Ｎ_ｍ以下の場合は、それ以上推奨増刷冊数を減少させることができない。推奨増刷冊数算出部３０８は、その書籍の最小増刷単位と、推奨増刷冊数とに基づき、増刷冊数を減少可能か否かを判断することができる。

ステップＳ１４６で増刷冊数を減少可能な場合（Ｓ１４６のＹＥＳの場合）、推奨増刷冊数算出部３０８は、推奨増刷冊数を適宜減少して新たな推奨増刷冊数を算出する（Ｓ１４８）。この後、ステップＳ１４３に進み、リスク値算出部３１４は、新たな推奨増刷冊数に基づき増刷リスク値および不増刷リスク値を算出する。この処理は、ステップＳ１４３で増刷リスク値が不増刷リスク値以下となるまで繰り返される。ステップＳ１４３で、増刷リスク値が不増刷リスク値以下となった場合（Ｓ１４３のＹＥＳの場合）、推奨増刷冊数算出部３０８はその推奨増刷冊数を決定する（Ｓ１４４）。ステップＳ１４６で増刷冊数を減少不可能な場合（Ｓ１４６のＮＯの場合）、増刷不要となる（Ｓ１５０）。

以上のように、増刷リスク値が不増刷リスク値を下回る範囲で増刷を行うことにより、利潤を増加させることができる。このように増刷リスク値と不増刷リスク値を評価した出版を行うことにより、利潤を減らすことなく増刷回数を減らすことが可能である。また、バリュー・アット・リスクの概念を導入し増刷リスク値と不増刷リスク値を評価することで、利潤を保ったまま増刷回数を抑制することができる

図３に戻り、オプション情報取得部３１２は、リスク値だけで評価できない特殊な事情を示すオプション情報を取得する。たとえば、ある書籍につき、販促キャンペーンなどで出版社が殆どの書店で平積みさせる戦略をとりたい場合は、推奨増刷冊数算出部３０８が算出した推奨増刷冊数より多くの増刷冊数が必要になる。このような場合、オプション情報取得部３１２から推奨増刷冊数の変更に関わる係数、冊数などを取得して推奨増刷冊数を決定することができる。

増刷アラート出力部３１６は、推奨増刷冊数算出部３０８が算出した結果を増刷情報として出版社端末６０１等の端末に出力する。たとえば、増刷アラート出力部３１６は、推奨増刷冊数算出部３０８により増刷が必要である旨および推奨増刷冊数を増刷アラート情報として、出版社端末６０１等の端末に出力することができる。また、増刷アラート出力部３１６は、出版社端末６０１等の端末から増刷の要否の問い合わせがあった場合に、増刷要否の結果に関わらず、推奨増刷冊数算出部３０８が算出した結果を出力することができる。

戦略情報受付部３１８は、増刷の戦略に関わる情報(予測期間、最小増刷冊数、予測誤差範囲、予測期間の選択等)を各出版社端末を介してユーザから受け付ける。

本実施の形態の出版管理サーバ３００によれば、ネットワーク化された書店、取次店、出版社等の将来的な（たとえば２週間〜１月程度先）市場在庫情報を用いて、増刷のタイミングと冊数を科学的に算出するので、従来の経験や勘に頼ることに比べて、格段に精度が向上する。

また、本実施の形態において、書店、取次店、出版社等がネットワークを介して接続されているので、売上データＤＢ３２０や在庫データＤＢ３２２等を最新の情報に更新することができる。これによっても、売上予測精度が高まる。売上予測精度が高まると、適切な推奨増刷冊数を算出できる可能性が高まり、売上機会損失を防ぐとともに、過剰在庫を防ぎ、返品率を低くすることができる。この結果、書店に対して過不足なく書籍を供給することができるようになるので、出版管理サーバ３００を利用したネットワークへ加入する書店も増加し、さらに売上予測精度が向上するという好循環を生むことができる。

さらに、本実施の形態における出版管理サーバ３００を用いて、効率よく増刷を行うようにすることにより、初版冊数を抑えることもでき、返品冊数や廃棄損失を減少することができ、出版社の収益の改善に繋がる。

また、実際に在庫が不足した時点で増刷決定を行うのではなく、将来の在庫不足を考慮して早めに増刷決定を行うことができるので、従来の大幅な見込み生産で書籍を市場に押し出す仕組みから、増刷と書店に展示されるまでの間のリードタイムを考慮してタイミングよく市場の需要に応える仕組みに変更することができる。

さらに、推奨増刷冊数が、売上機会損失と過剰在庫廃棄の損失の２つの面から経済計算をして決められており、出版社の収益に貢献できる。

以上、図面を参照して本発明の実施の形態について述べたが、これらは本発明の例示であり、上記以外の様々な構成を採用することもできる。

図９は、書店管理サーバ２００の構成を示すブロック図である。
書店管理サーバ２００は、売上データＤＢ２１１、売上データＤＢ２１２、在庫データＤＢ２１３、係数決定処理部２１４、全店売上予測処理部２１５、書店売上予測処理部２１６、書店展示推奨処理部２１７、および推奨リスト作成処理部２１８を含む。

全店売上予測処理部２１５および書店売上予測処理部２１６は、出版管理サーバ３００の売上予測冊数算出部３０２と同様の手順により、売上予測冊数を算出する。全店売上予測処理部２１５は、出版情報センターサーバ１００の配下にあるすべての書店の売上予測冊数を算出し、書店売上予測処理部２１６は、書店毎の売上予測冊数を算出する。なお、売上予測を行うための売上データＤＢ２１２、在庫データＤＢ２１３、全店売上予測処理部２１５、および書店売上予測処理部２１６は、出版管理サーバ３００の構成と重複しているため、これらは書店管理サーバ２００と出版管理サーバ３００とで共有する構成とすることもできる。

売上データＤＢ２１１は、種々の書籍の過去の売上データを記憶する。係数決定処理部２１４は、これらの売上データに基づき、上述した売上予測冊数を算出するために用いる、ＮＭ係数、係数ａおよびｂ、インクリメンタル係数、ウェイト係数ｅおよびウェイト係数ｆ等の係数を決定する処理を行う。

書店展示推奨処理部２１７は、全店売上予測処理部２１５や書店売上予測処理部２１６が算出した売上予測冊数に基づき、各書店で店頭に展示する各書籍の展示推奨冊数を計算する。推奨リスト作成処理部２１８は、書店展示推奨処理部２１７が作成した展示推奨冊数に基づいて発注推奨リストを作成する。書店管理サーバ２００は、各書店に発注推奨リストを発注展示推奨情報として提供する。書店管理サーバ２００の機能は、本出願人が先に出願した特願２００７−１０７９５に記載されており、この範囲で特願２００７−１０７９５に記載された内容は、本出願の内容に含まれる。

このように、書店管理サーバ２００が発注展示推奨情報を各書店に提供し、各書店でこの発注展示推奨情報に従った発注および展示を行うことにより、出版情報センターサーバ１００による売上予測精度がさらに高まる。売上予測精度が高まると、適切な推奨増刷冊数を算出できる可能性が高まり、売上機会損失を防ぐとともに、過剰在庫を防ぎ、返品率を低くすることができる。

以上の実施の形態において、予測冊数を算出するために用いる、ＮＭ係数、係数ａおよびｂ、インクリメンタル係数、ウェイト係数ｅおよびウェイト係数ｆ等の係数を算出する際に、ジャンル毎の書籍の過去の売上データを用いる例を説明した。しかし、予測精度を高めるために、ジャンル毎だけではなく、ジャンル（大ジャンル、中ジャンル、小ジャンル等）、著者、出版社、または書籍の見た目、書籍のタイトル（タイトルに含まれる文字列を含む）、発売前の話題性や宣伝方法等に基づき分類した各分類毎に上記係数を算出するようにすることができる。ここで、書籍の見た目とは、たとえば書籍のサイズやカラーか白黒か、写真やイラスト付きか、等とすることができる。

本発明の実施の形態におけるネットワーク構造を示す模式図である。 図１に示したネットワーク構造を具体的に示すブロック図である。 本発明の実施の形態における出版管理サーバの構成を示すブロック図である。 本実施の形態における出版管理サーバの処理手順を示すフローチャートである。 本実施の形態における出版管理サーバの処理手順を示すフローチャートである。 誤差記憶部に記憶されたデータの一例を示す図である。 本実施の形態における出版管理サーバの処理手順を示すフローチャートである。 ＮＭ予測法で用いられる係数の一例を示す図である。 書店管理サーバの構成を示すブロック図である。

符号の説明

１００ 出版情報センターサーバ
１０２ 出版情報センター端末
２００ 書店管理サーバ
２１４ 係数決定処理部
２１５ 全店売上予測処理部
２１６ 書店売上予測処理部
２１７ 書店展示推奨処理部
２１８ 推奨リスト作成処理部
３００ 出版管理サーバ
３０２ 売上予測冊数算出部
３０６ 必要冊数算出部
３０８ 推奨増刷冊数算出部
３１２ オプション情報取得部
３１４ リスク値算出部
３１６ 増刷アラート出力部
３２４ 書籍情報記憶部
３２６ 流通バッファ量係数記憶部
３２８ 誤差記憶部
４０１ 書店端末
４０２ 書店端末
４０３ 書店端末
５０１ 取次店端末
６０１ 出版社端末

Claims (7)

1. 書籍の増刷が必要か否かを判断して増刷の推奨を行う増刷推奨処理システムであって、
   前記書籍の現在の在庫冊数を取得する在庫冊数取得部と、
   前記書籍の現在までの売上に基づき、当該書籍が現在から所定期間の間に売れる所定期間売上予測冊数、および前記書籍が最終的に売れる最終売上予測冊数をそれぞれ算出する売上予測冊数算出部と、
   前記所定期間売上予測冊数に基づき、前記所定期間経過後の必要冊数を算出する必要冊数算出部と、
   前記所定期間経過後の必要冊数から前記在庫冊数を引いた第１の増刷候補冊数Ｈ_ｎがゼロより大きくかつ前記最終売上予測冊数から前記在庫冊数および累積売上実績冊数を引いた第２の増刷候補冊数Ｈ_ｆ以下の場合に、前記第１の増刷候補冊数Ｈ_ｎを推奨増刷冊数として出力するとともに、前記第１の増刷候補冊数Ｈ_ｎおよび前記第２の増刷候補冊数Ｈ_ｆがそれぞれゼロより大きくかつ当該第２の増刷候補冊数Ｈ_ｆが前記第１の増刷候補冊数Ｈ_ｎより大きい場合に当該第２の増刷候補冊数Ｈ_ｆを推奨増刷冊数として出力する推奨増刷冊数算出部と、
   を含む増刷推奨処理システム。
2. 請求項１に記載の増刷推奨処理システムにおいて、
   前記推奨増刷冊数算出部が出力した前記推奨増刷冊数および前記最終売上予測冊数に基づき、前記推奨増刷冊数の増刷を行った場合の当該書籍の売れ残り冊数を算出して当該売れ残り冊数に基づき増刷リスク値を算出するとともに、前記所定期間売上予測冊数に基づき前記増刷を行わない場合の売上機会損失冊数を算出して当該売上機会損失冊数に基づき不増刷リスク値を算出するリスク値算出部をさらに含む、増刷推奨処理システム。
3. 請求項２に記載の増刷推奨処理システムにおいて、
   前記増刷リスク値が前記不増刷リスク値よりも大きい場合、前記推奨増刷冊数算出部が前記推奨増刷冊数を減少して新たな推奨増刷冊数を算出するとともに前記リスク値算出部が前記推奨増刷冊数算出部が算出した前記新たな推奨増刷冊数に基づき前記増刷リスク値を算出する処理を、前記増刷リスク値が前記不増刷リスク値以下となるまで繰り返し、
   前記推奨増刷冊数算出部は、前記増刷リスク値が前記不増刷リスク値以下となった場合の前記推奨増刷冊数を出力する増刷推奨処理システム。
4. 請求項２または３に記載の増刷推奨処理システムにおいて、
   前記リスク値算出部は、前記最終売上予測冊数または前記所定期間売上予測冊数を、過去の多数の書籍の売上データに基づき算出された売上予測冊数の誤差の分布関数を売上予測冊数が減少する方向に見たときに確率が所定の値となる負側の誤差に基づき補正して前記売れ残り冊数を算出して前記増刷リスク値を算出するとともに、前記最終売上予測冊数または、前記所定期間売上予測冊数を前記売上データに基づき算出された売上予測冊数の誤差の分布関数を売上予測冊数が増加する方向に見たときに確率が前記所定の値となる正側の誤差に基づき補正して前記売上機会損失冊数を算出して前記不増刷リスク値を算出する増刷推奨処理システム。
5. 請求項２から４いずれかに記載の増刷推奨処理システムにおいて、
   前記推奨増刷冊数算出部は、算出した前記推奨増刷冊数が、最小増刷単位よりも小さいか否かを判断し、前記推奨増刷冊数が、前記最小増刷単位よりも小さい場合、当該推奨増刷冊数を前記最小増刷単位に置き換えて当該最小増刷単位を新たな推奨増刷冊数とし、
   前記リスク値算出部は、前記推奨増刷冊数算出部が置き換えた前記新たな推奨増刷冊数に基づき前記増刷リスク値を算出する増刷推奨処理システム。
6. 請求項１から５いずれかに記載の増刷推奨処理システムにおいて、
   前記推奨増刷冊数算出部は、前記書籍の発売日から比較的長期の所定の期間が経過したか否かを判断し、前記長期の所定の期間が経過したと判断した場合、前記第１の増刷候補冊数Ｈ_ｎに関わらず前記第２の増刷候補冊数Ｈ_ｆがゼロより大きい場合に、当該第２の増刷候補冊数を推奨増刷冊数として出力する増刷推奨処理システム。
7. 請求項１から６いずれかに記載の増刷推奨処理システムにおいて、
   前記所定期間は、増刷を行うことを決定してから実際に当該書籍の増刷が行われ、当該書籍が書店に展示されるまでにかかる時間以上である増刷推奨処理システム。

Images