JP2009048229A - 人物行動分析装置，方法及びプログラム - Google Patents

Abstract

【課題】店舗エリア内の特定のエリアにおける人物と商品との関連性について詳細な分析を容易に行えるようにする。
【解決手段】同一人物の動線データと商取引データとを関連付ける情報を記憶する関連付け情報記憶部と、店舗エリア内を細分化したサブエリアをそれぞれ特定する情報を記憶するサブエリア情報記憶部とを設ける。分析条件としてサブエリアの指定を受付けると、サブエリア情報記憶部内の当該指定サブエリアを特定する情報と動線データベース内の各動線データとから、当該指定サブエリアを通過した人物の動線データを抽出する。また、関連付け情報記憶部内のデータを参照して、抽出された動線データと関連付けられた商取引データを特定する。そして、抽出された動線データと商取引データとの関連性を示す情報を作成して、この作成された情報により店舗エリア内における人物の行動の特徴を分析する。
【選択図】 図１３

Description

本発明は、例えばコンビニエンスストア，スーパーマーケット等の店舗において、顧客の移動経路を示す動線データとその顧客との商取引内容を示す商取引データとから顧客の行動の特徴を分析する人物行動分析装置及びその方法、並びにコンピュータを当該人物行動分析装置として機能させるためのコンピュータ読取り可能な人物行動分析プログラムに関する。

従来、店舗内の商品棚の周辺とレジ通路を顧客が移動する映像をカメラで撮影し、顧客を特定することによりレジ通路にいる顧客とＰＯＳ端末装置から送られてくる商取引データを対応付けて記憶し、ある商品を購入した顧客が別の特定商品の前を通過したかどうか等を分析する技術が知られている（例えば、特許文献１参照）。

また、店舗内の顧客が移動した画像を撮影し記憶した映像データベースと、顧客の販売情報データベースとを、購入時刻をキーとして紐付けし、顧客が購入した商品名を指定して監視対象者を指定すると、監視対象者が店舗内を移動した経路を映像データベースから可視化処理された動線データとして表示し、商品と移動経路の分析を行う技術も知られている（例えば、特許文献２参照）。
特開２００５−３０９９５１号公報 特開２００６−３５０７５１号公報

しかしながら、いずれの先行技術も顧客が購入した商品と顧客の移動経路との分析であり、ある商品を購入した顧客が店舗内のどこを通過したか否か等の大まかな分析できるが、店舗エリア内の特定のエリアにおける人物と商品との関連性について詳細な分析を行うことは困難であった。

本発明はこのような事情に基づいてなされたもので、その目的とするところは、店舗エリア内の特定のエリアにおける人物と商品との関連性について詳細な分析を容易に行える人物行動分析技術を提供しようとするものである。

本発明は、店舗エリア内を移動した人物の経路を追跡した動線データを記憶する動線データベースと前記人物の商取引データを記憶する商取引データベースの各記憶データに基づいて、前記店舗エリア内における人物の行動の特徴を分析するものであって、同一人物の動線データと商取引データとを関連付ける情報を記憶する関連付け情報記憶部と、店舗エリア内を細分化して形成される複数のサブエリアをそれぞれ特定する情報を記憶するサブエリア情報記憶部とを設ける。そして、分析条件として少なくともサブエリアの指定を受付けると、サブエリア情報記憶部内の当該指定サブエリアを特定する情報と動線データベース内の各動線データとから、当該指定サブエリアを通過した人物の動線データを抽出する。また、関連付け情報記憶部内のデータを参照して、抽出された動線データと関連付けられた商取引データを特定する。そして、抽出された動線データと商取引データとの関連性を示す情報を作成して、この作成された情報により店舗エリア内における人物の行動の特徴を分析するようにしたものである。

かかる手段を講じた本発明によれば、店舗エリア内の特定のエリアにおける人物と商品との関連性について詳細な分析を容易に行えるようになる。

以下、本発明を実施するための最良の形態について、図面を用いて説明する。
なお、この実施の形態は、コンビニエンスストア，スーパーマーケット等の店舗エリアを移動する顧客の経路を示す動線データと、当該顧客との商取引内容を示すトランザクションデータ（商取引データ）とから、顧客の行動の特徴を分析する人物行動分析装置に、本発明を適用した場合である。

図１は本実施の形態のシステム構成図であり、本実施の形態は、前記トランザクションデータを記憶管理するための販売管理システム１と、前記動線データを作成するための動線管理システム２と、本発明に係る人物行動分析装置３とから構成されている。

販売管理システム１は、店の会計所にそれぞれ設置されている複数（ｍ）台のＰＯＳ端末１１（１１ａ，…，１１ｍ）と、その上位機として機能するＰＯＳサーバ１２とから構成されている。ＰＯＳサーバ１２と各ＰＯＳ端末１１とは、ＬＡＮ（Local Area Network）等の通信回線１３を介して接続されている。このような販売管理システム１は、ＰＯＳ（Point Of Sales）システムと称され、周知である。

各ＰＯＳ端末１１は、顧客が買上げる商品の販売データを処理して顧客との商取引を決済する決済端末として機能するもので、商取引を決済する毎に、その商取引の内容を示すトランザクションデータを生成する。各ＰＯＳ端末１１で生成されたトランザクションデータは、通信回線１３を介してＰＯＳサーバ１２に伝送され、商取引データベースであるトランザクションデータベース１４に蓄積記憶される。

上記トランザクションデータベース１４に記憶されるトランザクションデータのレコード構成例を図２に示す。図示するように、トランザクションデータの１レコードには、取引一連番号，レジ番号，取引日時データ、合計金額，支払区分，客層データ及び買上商品データが組み込まれている。

レジ番号は、当該トランザクションデータを生成したＰＯＳ端末１１に付されている端末固有の番号である。取引一連番号は、対応するレジ番号によって特定されるＰＯＳ端末１１で商取引が処理される毎に生成される取引固有の番号である。取引日時データは、対応するレジ番号によって特定されるＰＯＳ端末１１で商取引が処理された日付及び時刻のデータである。各ＰＯＳ端末１１には、時計用ＩＣが実装されており、トランザクションデータには、顧客の１品目の商品データが入力されたときに時計用ＩＣが計時している日時が取引日時データとしてセットされる。なお、取引日時データは、商取引が開始された時点でなく決済された時点、すなわち、預／現計キー等の締めキーが操作された時点であってもよい。

このように、各トランザクションデータは、レジ番号と取引日時と取引一連番号との組合せによって一意に識別される。すなわち、レジ番号、取引日時及び取引一連番号からなるデータは、トランザクションデータのＩＤとして機能する。以下、このＩＤとなるデータを総称してトランＩＤという。

買上商品データは、対応するトランＩＤによって特定される商取引で客が買上げた商品に関するデータであり、１商品あたり、アイテムＩＤ，商品名，分類ＩＤ，分類名，単価等の項目データで構成されている。アイテムＩＤは、商品名によって特定される商品を識別するためのコードである。例えば、商品コード，ＰＬＵコード，ＪＡＮコード等がこれに該当する。分類ＩＤは、分類名によって特定される商品分類を識別するためのコードである。例えば部門コード，グループコード等がこれに該当する。

動線管理システム２は、顧客の店舗エリアにおける移動状況を撮影するための複数（ｎ）台のカメラ２１（２１ａ，…，２１ｎ）と、各カメラ２１で撮影された映像から顧客を抽出し、その顧客の移動を追跡して、移動経路を示す動線データを作成する動線サーバ２２とから構成されている。動線データは、単位時間毎の日時データとその時点における顧客の位置座標とから構成されている。位置座標は、店舗エリアにおける所定位置を三次元の原点（０，０，０）とし、この原点に対する三次元方向のずれ量を三次元座標（ｘ，ｙ，ｚ）で示したものである。このような動線管理システム２も周知である。

動線サーバ２２は、各カメラ２１で撮影された映像データを入力し、この映像データに、内蔵の時計用ＩＣから取得した日時データを付して映像データベース２３に書込む機能と、この映像データベース２３に記録された映像データの画像処理により移動体である人物をターゲットとして抽出し、このターゲットである人物の店内における移動を追跡して、入店から出店までの人物の移動経路を示す動線データを人物毎に作成する機能と、各人物の動線データに、その動線データを特定する動線識別情報としての動線ＩＤをそれぞれ付すとともに、その動線データに相当する人物が商取引を実施した日時の取引日時データとその商取引の決済に立ち寄った会計所に設置されているＰＯＳ端末１１の端末識別情報であるレジ番号とを付して動線データベース２４に書き込む機能とを有している。

図示しないが、動線サーバ２２には、キーボード，マウス等の入力部と液晶ディスプレイ等の表示部とが少なくとも接続されており、動線サーバ２２で映像データから作成された動線が表示部に表示可能となっている。そこで、動線サーバ２２のオペレータは、映像データと動線の動きから顧客の移動した店内経路を確認し、その顧客が会計所にて商取引が開始されたと思われる時点で入力部を操作して、その会計所に設置されているＰＯＳ端末１１のレジ番号を入力する。そうすることにより、この動線データに、操作時点の日時データとレジ番号とが付加される。かくして、動線データベース２４には、図３に示すように、動線ＩＤ及びこのＩＤで特定される人物の動線データ（単位時間毎の日時とそれに対応する三次元座標との集合体）に、レジ番号と取引日時データとが付加された動線データレコードが蓄積記憶される。

人物行動分析装置３は、パーソナルコンピュータ等のコンピュータ機器によって構成されている。すなわち人物行動分析装置３は、入力部３１、表示部３２、通信部３３、プログラム記憶部３４、データ記憶部３５、出力ファイル３６及び制御部３７等を備えている。キーボード，マウス等の入力デバイスからなる入力部３１は、顧客行動の特徴分析に必要なデータの入力に供せられる。例えば液晶ディスプレイからなる表示部３２は、顧客行動の特徴分析結果を表示出力する。通信部３３は、前記販売管理システム１のＰＯＳサーバ１２及び動線管理システム２の動線サーバ２２とデータ通信を行う。

プログラム記憶部３４は、ＲＯＭ（Read Only Memory）で構成され、種々のプログラムデータが格納されている。データ記憶部３５は、ＲＡＭ（Random Access Memory）で構成され、各種のデータテーブルが形成されている。出力ファイル３６は、ハードディスクや光磁気ディスク等の記録媒体で構成され、顧客行動の特徴分析に使用されるデータが記録される。制御部３７は、ＣＰＵ（Central Processing Unit）を主体として構成され、プログラム記憶部３４に格納されたプログラムに従って各部を制御し、顧客行動の特徴分析に関わるデータ処理を実行する。

データ記憶部３５には、図４に示すように、トランＩＤリストテーブル４１、動線ＩＤリストテーブル４２、トラン・動線紐付けテーブル４３及びサブエリア設定テーブル４４が形成されている。

トランＩＤリストテーブル４１は、図５に示すように、トランザクションデータのトランＩＤ（レジ番号、取引日時、取引一連番号）を記憶するためのメモリ領域である。動線ＩＤリストテーブル４２は、図６に示すように、動線データに付加された動線ＩＤ，レジ番号及び取引日時の各データを記憶するためのメモリ領域である。これのデータは、取引日時の昇順に記憶される。トラン・動線紐付けテーブル４３は、図７に示すように、動線ＩＤリストテーブル４２に記憶された動線ＩＤ毎に、この動線ＩＤで特定される動線データに紐付けられたトランザクションデータのトランＩＤ（レジ番号，取引日時及び取引一連番号）を記憶するための領域である。

制御部３７は、プログラム記憶部３４に記憶されたトラン・動線紐付けプログラムが起動すると、紐付け対象期間が入力されるのを待機する。そして、入力部３１を介して紐付け対象期間が入力されると、販売管理システム１のＰＯＳサーバ１２にて記憶管理されているトランザクションデータベース１４から当該期間内を取引日時とするトランザクションデータレコードのレジ番号、取引日時及び取引一連番号からなるトランＩＤを収集する。そして、これらのトランＩＤを取引日時の昇順にトランＩＤリストテーブル４１にセットする。また、動線管理システム２の動線サーバ２２にて記憶管理されている動線データベース２４から当該指定期間内を取引日時とする動線データレコードの動線ＩＤ，レジ番号及び取引日時を収集する。そして、これらのデータを取引日時の昇順に動線ＩＤリストテーブル４２にセットする。

しかる後、制御部３７は、トランＩＤリストテーブル４１を参照して、動線ＩＤリストテーブル４２に記憶された動線ＩＤ毎に当該動線ＩＤに付加されたレジ番号と一致し、かつその動線ＩＤに付加された取引日時に最も近いトランＩＤを検索する。そして、該当するトランＩＤを検出したならば、この動線ＩＤとトランＩＤとを対にしてトラン・動線紐付けテーブル４３にセットする。

ここに、トラン・動線紐付けテーブル４３は、同一人物の動線データとトランザクションデータ（商取引データ）とを関連付ける情報を記憶する関連付け情報記憶部として機能する。

サブエリア設定テーブル４４は、図８に示すように、一意のサブエリアＩＤに対応して、サブエリア名、エリアコーナ座標及び滞在判定条件の各項目データを記憶するためのメモリ領域である。動線データの追跡範囲である店舗エリア内を、所定の定義によって細分化したときの１つの領域をサブエリアと称する。

店舗エリア内を細分化する定義の一例について、図９及び図１０を用いて説明する。図９は、店舗エリア５０におけるレイアウトの一例を示す図である。この例では、店舗エリア５０は、客が出入する入口部５１と、ＰＯＳ端末１１がそれぞれ設置される２つのレジ台５２，５３と、各商品が陳列される商品陳列部５４とからなる。商品陳列部５４は、飲料，弁当，菓子，雑誌，デザート，文具等の商品分類（商品群）毎に区分けされている。図では、同一分類に属する商品群を同一のアルファベット符号で示している。

このような店舗エリア５０に対しては、図１０の破線で示すように細分化する。すなわち入口部５１とレジ台５２，５３とは、それぞれ区分してサブエリアＳ１，Ｓ２，Ｓ３とする。商品陳列部５４は、商品分類（商品群Ａ〜Ｐ）別に区分してそれぞれサブエリアＳ４〜Ｓ１９とする。各サブエリアＳ１〜Ｓ１９の形状は矩形とし、それぞれその左上角の二次元座標（ｘｉ，ｙｉ）と右下角の二次元座標（ｘｊ，ｙｊ）とをそのサブエリアのエリアコーナ座標と定義する。

サブエリア設定テーブル４４において、滞在判定条件は、対応するサブエリアＩＤで特定されるサブエリア内に人物が滞在したのか通過しただけなのか判定するための閾値であり、本実施の形態では時間データを設定している。すなわち制御部３７は、滞在判定条件として設定された時間以上、動線データが対応するサブエリア内に留まっていた場合には、この動線データに該当する人物が当該サブエリア内に滞在していたと判定し、設定時間未満の時間で動線データが対応するサブエリア内から離脱した場合には、この動線データに該当する人物が当該サブエリア内を通過したと判定する。この滞在判定手段については後述する。

制御部３７は、プログラム記憶部３４に記憶されたサブエリア設定プログラムが起動すると、表示部３２に図９に示すような店舗エリアレイアウト画像を表示させる。この状態で、入力部３１の操作入力によりサブエリア名及び滞在判定条件が入力されるとともに、そのサブエリア範囲を示す矩形が描画されると、制御部３７は、描画された矩形の左上角と右下角のエリアコーナ座標を算出する。そして、このエリアコーナ座標を、入力されたサブエリア名及び滞在判定条件とともに、サブエリア設定テーブル４４にサブＩＤの昇順にセットする。ここに、サブエリア設定テーブル４４は、店舗エリア内を細分化して形成される複数のサブエリアをそれぞれ特定する情報、すなわちエリアコーナ座標を記憶するサブエリア情報記憶部として機能する。なお、サブエリアを特定する情報はエリアコーナ座標に限定されるものではなく、店舗エリアに対して各サブエリアの位置を特定できる情報であればよい。

上記サブエリア設定プログラムの実行により、店舗エリア５０が複数のサブエリアＳ１〜Ｓ１９に細分化され、各サブエリアＳ１〜Ｓ１９に関する情報がサブエリア設定テーブル４４に記憶されると、当該人物行動分析装置３においては、人物行動分析プログラムが起動可能となる。この人物行動分析プログラムは、プログラム記憶部３４に格納されている。

上記人物行動分析プログラムが起動すると、制御部３７は、図１１〜図１２の流れ図に示す手順の処理を開始する。先ず、ＳＴ（ステップ）１として表示部に分析条件の入力画面を表示させる。分析条件には、サブエリアを指定するサブエリアＩＤ、特定の商品または商品群を指定するアイテムＩＤまたは分類ＩＤ、取引期間，取引時間帯，客層等の項目がある。これらの項目のうち、サブエリアＩＤは必須である。他の項目は任意である。

例えば、２００７年７月１日から同年７月３１日の期間内において、午前１１時から午後１時の間に弁当エリアに滞在し、から揚げ弁当を購入した男性客の行動の特徴を分析する場合には、サブエリア名「弁当」のサブエリアＩＤ、商品名「から揚げ弁当」のアイテムＩＤ、期間「２００７０７０１〜２００７０７３１」、時間帯「１１：００〜１３：００」、客層「男性」を入力する。また、期間や時間帯に関わらず弁当エリアに滞在し、また飲料エリアにていずれかの飲料を購入した客の行動の特徴を分析する場合には、サブエリア名「弁当」のサブエリアＩＤと商品分類名「飲料」の分類ＩＤとを入力する。期間，時間帯及び客層は「−（未入力）」とする。なお、サブエリア，商品及び商品分類に関しては、それぞれＩＤを入力するのでなく名称を入力してもよい。

制御部３７は、ＳＴ２として分析条件入力画面から分析条件項目が入力されるのを待機する（分析条件受付手段）。そして、入力部３１を介して分析条件項目が入力されたならば、制御部３７は、ＳＴ３として分析条件として必須の入力項目であるサブエリアＩＤを取得する。そして、このサブエリアＩＤでサブエリア設定テーブル４４を検索して、対応するサブエリア名、エリアコーナ座標及び滞在判定条件データを読み出す。

次に、制御部３７は、ＳＴ４としてカウンタｎを“０”に初期化する。続いて、ＳＴ５としてこのカウンタｎを“１”だけカウントアップする。しかる後、制御部３７は、ＳＴ６として動線ＩＤリストテーブル４２からテーブル番号ｎ（ｎはカウンタｎの値）に記憶されている動線ＩＤを取り込む。

ここで、ＳＴ７として動線ＩＤリストテーブル４２からテーブル番号ｎの動線ＩＤを取り込めた場合には、制御部３７は、ＳＴ８としてデータ記憶部３５上に出力リストテーブル６０を作成する。

出力リストテーブル６０は、図１３に示すように、分析条件項目エリア６１、動線ＩＤエリア６２、トランＩＤエリア６３、サブエリア別行動データエリア６４、進入元サブエリアＩＤエリア６５及び離脱先サブエリアＩＤエリア６５によって構成されている。分析条件項目エリア６１は、サブエリアＩＤ、取引期間，取引時間帯，客層及びアイテムＩＤまたは商品分類ＩＤの各エリアに区分されている。サブエリア別行動データエリア６４は、各サブエリアＳ１〜Ｓ１９のサブエリアＩＤ毎に、滞在時間、動線長、平均移動速度及び滞在判定フラグの各エリアに区分されている。

出力リストテーブル６０を作成した後、制御部３７は、ＳＴ９としてこの出力リストテーブル６０の分析条件項目エリア６１に、分析条件入力画面を介して入力された分析条件項目のデータをセットする。

また、制御部３７は、ＳＴ１０として通信部３３を介して動線サーバ２２にアクセスする。そして、動線データベース２４を検索して、ＳＴ６の処理で動線ＩＤリストテーブル４２から取り込んだ動線ＩＤで特定される動線データレコードを読み込む。

次に、制御部３７は、ＳＴ１１として動線データベース２４から読み込んだ動線データレコードの動線データから、この動線データの人物が分析条件として指定されたサブエリアＩＤで特定される指定サブエリア内を通過したか否かを判断する。すなわち、指定サブエリアに対するエリアコーナ座標（ｘｉ，ｙｉ），（ｘｊ，ｙｊ）を、サブエリア設定テーブル４４から取得する。そして、当該動線データを構成する各３次元座標のうちのｘｙ座標に、このエリアコーナ座標によって特定される矩形領域、すなわち座標（ｘｉ，ｙｉ），（ｘｉ，ｙｊ），（ｘｊ，ｙｉ），（ｘｊ，ｙｊ）で囲われる領域内の座標（ｘｐ，ｙｐ）｛ｉ≦ｐ≦ｊかつｉ≦ｑ≦ｊ｝が存在するか調べる。１つも存在しない場合には、当該動線データの人物は指定サブエリア内を通過していないと判断する。この場合は、この動線データレコードを破棄する。そして、ＳＴ５の処理に戻って、カウンタｎをカウントアップし、動線データベース２４からテーブル番号ｎの動線データレコードを読み込む。

これに対し、動線データを構成する各３次元座標のうちのｘｙ座標に、当該エリアコーナ座標によって特定される矩形領域で囲われる領域内の座標が１つでも存在する場合には、当該動線データの人物は指定サブエリア内を通過したと判断する。この場合、制御部３７は、ＳＴ１２としてこの動線データレコードを分析対象候補としてデータ記憶部３５に保持する（分析対象動線抽出手段）。

次に、制御部３７は、ＳＴ１３としてトラン・動線紐付けテーブル４３を検索して、この動線データレコードの動線ＩＤに対してトランＩＤが紐付けされているか否かを判断する。

トランＩＤが紐付けされている場合には、制御部３７は、ＳＴ１４として通信部３３を介してＰＯＳサーバ１２にアクセスする。そして、トランザクションデータベース１４を検索して、このトランＩＤで特定されるトランザクションデータレコードを読み込む。これに対し、トランＩＤが紐付けされていない場合には、制御部３７は、ＳＴ１５として取引一連番号，レジ番号，取引日時，合計金額，支払区分及び買上商品データが全て「なし」で、客層データが「不明」のトランザクションデータを作成する。

その後、制御部３７は、ＳＴ１６としてトランザクションデータベース１４から読み込んだトランザクションデータまたは購入アイテム無しとして作成したトランザクションデータのレコードを分析対象候補としてデータ記憶部３５に保持する（商取引データ特定手段）。

次に、制御部３７は、ＳＴ１７として分析対象候補の動線データレコード及びトランザクションデータレコードが、サブエリア以外の分析条件も満足するか否かを判断する。

すなち、分析条件として特定の商品または商品群を指定するアイテムＩＤまたは分類ＩＤが指定されていた場合には、制御部３７は、分析対象候補のトランザクションデータレコードを検索して、指定されたアイテムＩＤまたは分類ＩＤを含む買上商品データが含まれているか否かを判断する。含まれている場合は分析条件を満足し、含まれていない場合には分析条件を満足しない。満足しない場合には、分析対象候補の動線データレコード及びトランザクションデータレコードを破棄する。そして、ＳＴ５の処理に戻って、動線データベース２４から次の動線データレコードを読み込む。

また、分析条件として取引期間または取引時間帯の少なくとも一方が指定されていた場合には、制御部３７は、分析対象候補の動線データレコードを検索して、レコード中の取引日時が、指定された取引期間内または時間帯内であるか否かを判断する。取引期間内または時間帯内である場合は分析条件を満足し、取引期間内または時間帯内でない場合は分析条件を満足しない。満足しない場合には、分割対象の動線データレコード及びトランザクションデータレコードを破棄する。そして、ＳＴ５の処理に戻って、動線データベース２４から次の動線データレコードを読み込む。

また、分析条件として客層が指定されていた場合には、分割対象のトランザクションデータレコードを検索して、レコード中の客層が、指定された客層条件に合致するか否かを判断する。合致する場合は分析条件を満足し、合致しない場合は分析条件を満足しない。満足しない場合には、分割対象のトランザクションデータレコード及び動線データレコードを破棄する。そして、ＳＴ５の処理に戻って、動線データベース２４から次の動線データレコードを読み込む。

このように、分析対象候補の動線データレコード及びトランザクションデータレコードがサブエリア以外の分析条件を１つでも満足しない場合には、制御部３７は、この動線データレコード及びトランザクションデータレコードを破棄する。そして、次の動線データレコードを読み込む。

一方、指定された分析条件を全て満足する場合には、制御部３７は、ＳＴ１８として分析対象候補の動線データレコードにおける動線ＩＤを、出力リストテーブル６０の動線ＩＤエリア６２にセットする。また、分析対象候補のトランザクションデータレコードにおけるトランＩＤを、出力リストテーブル６０のトランＩＤエリア６３にセットする（分析対象情報作成手段）。

次に、制御部３７は、ＳＴ１９として分析対象候補の動線データを基に、この動線データに該当する人物の各サブエリアにおける滞在時間、動線長及び平均移動速度を、人物行動データとして算出する（行動データ算出手段）。

人物行動データの算出方法について、図１４を用いて説明する。図１４は、エリアコーナ座標（ｘｉ，ｙｉ），（ｘｊ，ｙｊ）で特定される１つのサブエリアＳｋ内を通過した１本の動線データＤ１を示している。動線データ上の各点Ｐ１〜Ｐｎは、時刻ｔ（１≦ｔ≦ｎ）の時点で観測された人物の二次元空間座標（ｘｔ，ｙｔ）を示している。

初めに、滞在時間は、サブエリアＳｋに進入する直前の点Ｐ１の時刻ｔ１から離脱した最初の点Ｐｎの時刻ｔｎまでの時間差である。すなわち、滞在時間は、［ｔｎ−ｔ１］として算出される。

次に、動線データ上の２点Ｐｉ，Ｐi+1間の移動距離は、ユーグリッド距離関数で定義すると、下記（１）式で表わされる。

したがって、サブエリアＳｋ内の動線長は、サブエリアＳｋ内で時系列に観測された各２点間の移動距離の総和であるから、下記（２）で表わされる。

次に、サブエリアＳｋ内の平均移動速度は、このサブエリアＳｋ内の動線長を滞在時間で除算することによって算出される。すなわち、下記（３）式で表わされる。

ここで、右辺の［ｖi,i+1］は時系列に観測された２点間の移動速度である。速度ｖが区間Δｔ内で定速であると仮定すると、２点間の移動速度は、下記（４）式で表わされる。

したがって、サブエリアＳｋ内の平均移動速度は、下記（５）式によって算出される。

こうして、サブエリア毎に滞在時間、動線長及び平均移動速度の人物行動データが算出されると、制御部３７は、ＳＴ２０としてそのなかから分析条件として指定されたサブエリア内の人物行動データを検出する。そして、この人物行動データにより、この人物が当該指定サブエリア内に滞在したか否かを判定する。

先ず、指定サブエリア内の人物行動データのなかから滞在時間データを検出する。また、サブエリア設定テーブル４４を検索して、指定サブエリアＩＤに対応して記憶されている滞在判定条件データを取得する。そして、滞在時間データと滞在判定条件データとを比較し、滞在時間データが滞在判定条件データ以上の場合には、人物は指定サブエリア内に滞在していたと判定する。これに対し、滞在時間データが滞在判定条件データより小さい場合には、人物は指定サブエリア内を通過しただけであり滞在していないと判定する（滞在判定手段）。

人物が当該指定サブエリア内に滞在していないと判断した場合には、制御部３７は、ＳＴ５の処理に戻り、動線データベース２４から次の動線データレコードを読み込む。

人物が当該指定サブエリア内に滞在していたと判断した場合には、制御部３７は、ＳＴ２１としてＳＴ１９の処理で算出したサブエリア別人物行動データを出力リストテーブル６０のサブエリア別行動データエリア６４にセットする（分析対象情報作成手段）。また、サブエリア毎に同様の滞在判定を行い、滞在していたと判定されたサブエリアのサブエリアＩＤに対しては滞在判定フラグを“１”にセットし、滞在していないと判定されたサブエリアのサブエリアＩＤに対しては滞在判定フラグを“０”にリセットする。

次に、制御部３７は、ＳＴ２２として分析対象候補の動線データレコードに含まれる動線データから、当該動線データの人物が指定サブエリアに進入する手前のサブエリア、すなわち進入元サブエリアを特定する。具体的には、指定サブエリアに進入する直前の座標でサブエリア設定テーブル４４を検索し、この座標を内包するエリアコーナ座標が設定されたサブエリアＩＤを進入元サブエリアのＩＤとして特定する（進入元サブエリア特定手段）。そして、この進入元サブエリアＩＤを出力リストテーブル６０の進入元サブエリアＩＤエリア６５にセットする（分析対象情報作成手段）。

同様に、制御部３７は、ＳＴ２３として分析対象候補の動線データレコードに含まれる動線データから、当該動線データの人物が指定サブエリアより離脱した先のサブエリア、すなわち離脱先サブエリアを特定する。具体的には、指定サブエリアから離脱した直後の座標でサブエリア設定テーブル４４を検索し、この座標を内包するエリアコーナ座標が設定されたサブエリアＩＤを離脱先サブエリアのＩＤとして特定する（離脱先サブエリア特定手段）。そして、この離脱先サブエリアＩＤを出力リストテーブル６０の離脱先サブエリアＩＤエリア６６にセットする（分析対象情報作成手段）。

その後、ＳＴ５の処理に戻って、動線データベース２４から次の動線データレコードを読み込む。

以後、動線データベース２４から動線データレコードを読み込む毎に、ＳＴ８〜ＳＴ２８の各処理を繰返し実行する。そして、ＳＴ７にて動線ＩＤリストテーブル４２からテーブル番号ｎの動線ＩＤを取り込めなかった場合には、全ての動線データについてＳＴ８〜ＳＴ２８の処理を実行したので、制御部３７は、ＳＴ２４として出力リストテーブル６０を出力ファイル３６に書込み、保存する。

このように本実施の形態によれば、分析条件として少なくともサブエリアを指定することによって、動線データベース２４に記憶されている動線データの中から、この指定サブエリアにて滞在した人物の動線データを抽出することができる。また、この動線データの人物が商品を買上げた際に生成されるトランザクションデータがトランザクションデータベース１４に記憶されており、当該動線データと当該トランザクションデータのとの紐付けがトラン・動線紐付けテーブル４３上で設定されている場合には、当該トランザクションデータのトランＩＤが特定される。そして、当該動線データの動線ＩＤと当該トランザクションデータのトランＩＤとがセットされた出力リストテーブル６０が作成され、出力ファイル３６に保存される。

したがって、出力ファイル３６に保存された各出力リストテーブル６０の内容から、指定サブエリア内で滞在した人物の動線データと、この人物のトランザクションデータとを特定できるので、指定サブエリア内に滞在した人物はどのような商品を購入するのかというような分析を容易に行うことができる。

また、本実施の形態では、分析条件として特定の商品または商品群を指定できるようになっている。そして、特定の商品または商品群を指定した場合には、指定サブエリアにて滞在した人物のうち、指定商品または商品群を購入した人物の動線ＩＤとトランＩＤとがセットされた出力リストテーブル６０が作成される。

したがって、出力リストテーブル６０の内容から、指定サブエリア内で滞在し、かつ特定の商品または商品群を購入した客の行動の特徴を容易に分析することができる。

また、本実施の形態では、指定サブエリア内に滞在した人物の動線データから、その人物の各サブエリアにおける行動データとして、滞在時間，動線長及び平均移動速度をサブエリア毎に算出し、当該人物に対応した出力リストテーブル６０にセットするようにしている。

したがって、出力リストテーブル６０の内容から、指定サブエリア内で滞在した人物がその指定サブエリアや他のサブエリアでどのような行動をしたのかという詳細な分析を容易に行うことができる。

さらに、本実施の形態では、指定サブエリア内に滞在した人物の動線データから、その人物が指定サブエリアに進入する手前の進入元サブエリアと、指定サブエリアから離脱した離脱先サブエリアとを求め、当該人物に対応した出力リストテーブル６０にセットするようにしている。

したがって、出力リストテーブル６０の内容から、指定サブエリア内で滞在した人物がどのエリアから進入するのか、また、どのエリアへ離脱するのかといった詳細な分析も容易に行うことができる。

以下、分析の具体例について説明する。例えば、サブエリア「弁当」に、３分以上滞在した顧客が、その目的「弁当を買う」を遂行する過程において，どこかのサブエリアで滞在時間が長い場合は、そのサブエリアにも何らかの用件（少なくとも「興味がある」など）で立ち寄っている可能性がある。そこで、「ついで買い」の行動誘引のヒントにすることができる。また、サブエリアでの立ち止まりのパターンが数少ないパターンで分類できるのか、何ら傾向がなくバラバラなのか等も、いわゆるプロモーションの効果が出易いか否かを推測するヒントとなる。

具体的な例として、図１５，図１６，図１７を用いて説明する。先ず、図１５に示されているように、サブエリア「弁当」に３分以上滞在した顧客の動線データとして顧客１，顧客２，顧客３の３人分抽出されたとする。カラムは、滞在サブエリア名Ｃ１及びその滞在時間Ｃ２で構成されている。そして、ぞれぞれのサブエリアでの滞在時間に関する行動量を算出する。

次に、図１６に示すように、各サブエリアでの最長滞在時間を人物行動データとして採用する。さらに、分析対象であるサブエリア「弁当」（本例ではA7）以外のサブエリアについて、滞在時間に関する行動量から例えば平均及び分散を算出する。そして、その結果を、図１７に示すように、グラフ化して、目視判別できるようにする。

こうすることにより、例えば平均に対して閾値を用いて「ついで買い」が発生しそうなサブエリアと、それ以外のサブエリアを区分し、かつ分散の小さいものから順に順位づけすることで、本来目的を達成するためのサブエリア以外に、どのサブエリアに安定して滞在するかを見つけ出すヒントとなる情報を出力することが出来る。

例えば滞在時間平均に対する閾値を10秒とすると、対象となるサブエリアはA2、A4、A5で、分散による順位づけから、A5、A4、A2の順で、ついで買いが有望視されるサブエリアが求められる。

なお、これらの集計については、比較用に別途各サブエリアについて変数を用意し（初期値は０）、その変数と滞在時間を比較して現在の滞在時間が長い場合、その値を比較用の変数に格納し、処理終了後に各サブエリアについて保存された値として抽出することが出来る。

なお、本例では最長滞在時間としたが、例えばのべ滞在時間や、エリア訪問回数などを採用し、それらを変数とした関数として定義してもよい。

ところで、各サブエリアにおける顧客の利用形態の実態を把握するのは、店舗経営を検討する際に有用な情報である。その場合、例えば動線長、滞在時間、平均移動速度に着目することにより、それらの増加・減少傾向を見ることによって、その指定エリアが「素通りされている」のか、「じっくりと商品を検討している顧客が多い」のか、等の傾向をとらえるための知見として利用することが可能である。

すなわち、動線長、滞在時間、平均移動速度の増加・減少のパターンを総当たりで８パターン、典型例が表現可能なパターンとして６パターンを、下記［表１］のようなテーブルで表現することが可能である。

このように、例えば同一のサブエリアの領域で、かつ棚割を変更した場合に、いずれの傾向になりつつあるかを動線データから収集することによって、そのサブエリアでの顧客の利用形態の傾向を把握することが出来る。

また、特定の商品に対するレイアウト変更やＰＯＰ広告などの施策を打った際、特定の商品を含む商品ジャンルを購入した顧客グループと、それ以外でそのサブエリアに訪問した顧客グループでの比較を行うことにより、その商品ジャンルに関心のある顧客に対し、先の施策によって顧客の購買傾向が変化したかを動線データの傾向として把握することが出来る。

例えば、特定の商品が目立つようなＰＯＰ広告を設け、販売促進を狙った施策を試行した際、購買した顧客の行動パターンとして、［表１］のパターン１の傾向が強くなった場合、元々定番化しており目的買いのため、店頭で顧客が意思決定に時間を要さないことが推測される。また、同一ジャンルの商品を購入した顧客の行動パターンと、それ以外の顧客の行動パターン両方に影響があった場合は、その施策が当初の目的である「特定の商品が目立つ」以外の影響を顧客に及ぼしていることも考えられ、施策の適正に関する判断材料にもなる。例えば、同じく特定の商品が目立つように、特定の商品のフェイスを大きくした場合、そのサブエリアを訪問した顧客全体の傾向として［表１］パターン７が強くなった場合、そのフェイスを広げた際に撤去された商品が目当てだった顧客がその商品を探索したり、代替の商品を検討するなどしたケースが考えられる。

これらの推定は、顧客の行動パターンが多様なため、様々な行動が複合的にそのサブエリアで取られた結果であるため、画一的に多くの顧客の行動を同等に解釈するのは適当ではないが、多くの顧客の行動パターンが収集され、かつそこから店舗の各サブエリアの利用傾向を知る際、先の傾向を定量的かつ相対的につかめるということが、非常に有用である。

さらに、棚や商品アイテムのレイアウト変更や、特定商品のＰＯＰ広告を設置する際，それらの施策を検討しているサブエリアに対し、いずれかの通路から進入し、いずれの通路から離脱するのか、その割合によって効果の大小を検討することになり、各通路からの進入率や離脱率の割合が重要である。また、他のサブエリアで滞在した顧客が、立寄ったサブエリアによって進入率・離脱率の割合が異なる場合は、何らかの相関を有するものを考えられる。特に安定した関係を有する場合、先に滞在したサブエリアでＰＯＰを設置したり、特定のサブエリアで、次に訪れる可能性の高いエリアのＰＯＰを設置するなどの施策に有効と考えられる。この場合において、「他のサブエリアで滞在した顧客」とあるがこれを「ある特定のアイテムを購入した顧客」や、それらのアンド条件とした条件で顧客をグループ化して進入・離脱率を算出してもよい。

例えば、お弁当コーナーの進入・離脱率に注目している場合について考える。今、図１８に示すように、雑誌・飲料・化粧品のサブエリアに立寄っているとする。このとき、それらのサブエリアの滞在者と、進入率及び離脱率の関係性を発見するアルゴリズムの例を図１９に示す。

先ず、図１１〜図１２の流れ図に示す手順に従い，各動線データの行動量及び，特定のサブエリア（この場合サブエリア「弁当」）に滞在した動線を抽出する。さらに、それらの動線データのうち、特定のサブエリア以外に、滞在したと判定されるサブエリアを抽出し、それらのサブエリア毎に動線を分類する。１本の動線で２つ以上滞在している場合は、例えば、より長い滞在時間となったサブエリアのみを滞在したサブエリアとみなして分類したり、それぞれのサブエリアに登録したりしてもよい。そして、訪問人数の多さや、特定の進入経路に頻度が偏っているか否かを基準として、進入・離脱経路選択の偏りと、特定サブエリア滞在との相関について判定する。

なお、本例では「訪問人数が２５人以上」や、「頻度の最も高い比率が４０％以上か」などを基準としているが、その数字などは本来偏りの強さをどのように定義するかによって変わる値であるので、値そのものは変化しうる。その結果、偏りがあるものを「相関がある」ものとして、ユーザーに通知する。

なお、この発明は前記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。

例えば前記実施の形態では、人物行動データとして滞在時間を含み、この滞在時間により動線データの人物が指定サブエリア内に滞在したか否かを判定するようにしたが、滞在判定手段はこれに限定されるものではない。

例えば前記実施の形態では、人物行動データとして動線長を含んでいる。そこで、滞在判定条件としてサブエリア毎に動線長閾値を設定しておくことによって、指定サブエリア内の動線長がこの閾値以上であった場合には滞在と判定し、閾値未満であった場合には通過と判定するようにしてもよい。

また、前記実施の形態では、人物行動データとして平均移動速度を含んでいる。そこで、滞在判定条件としてサブエリア毎に平均移動速度閾値を設定しておくことによって、指定サブエリア内の平均移動速度がこの閾値未満であった場合には滞在と判定し、閾値以上であった場合には通過と判定するようにしてもよい。

また、単位時間当たりの移動距離によって、人物が停滞しているのか徐行しているのかを判定することもできる。この判定方法について、図２０，図２１を用いて説明する。図２０の（ａ）は、停滞しているときの動線例であり、同図（ｂ）は徐行しているときの動線例である。

例えば、単位時間当たりの移動距離が閾値以下の場合に停滞または徐行と定義すると、図２０の（ａ）及び（ｂ）はいずれも停滞または徐行と判定することができる。ただし、停滞なのか徐行なのかの識別は困難である。

そこで、図２１に示すように、直前の動線進行方向Ｘに対して徐行判定角θを設定し、直前の動線進行方向Ｘに対して次の動線進行方向の角度が徐行判定角θ以内であった場合は徐行と判定し、徐行判定角θより大きい場合には停滞と判定する。こうすることにより、人物が指定サブエリア内が立ち止まっているのかゆっくり歩いているのかを識別することができる。

また、前記実施の形態では、動線データベース２４及びトランザクションデータベース１４を人物行動分析装置３の外部に設けたが、これらのデータベース１４，２４を予め人物行動分析装置３のデータ記憶部にダウンロードしてもよい。こうすることにより、顧客行動の特徴分析を行う際に、販売管理システム１や動線管理システム２に影響を及ぼすことがない。

なお、本実施の形態では装置内部のプログラム記憶部３４に発明を実施する機能、すなわち人物行動分析プログラムが予め記録されている場合で説明をしたが、これに限らず同様の機能をネットワークから装置にダウンロードしても良いし、同様の機能を記録媒体に記憶させたものを装置にインストールしてもよい。記録媒体としては、ＣＤ−ＲＯＭ等プログラムを記憶でき、かつ装置が読み取り可能な記録媒体であれば、その形態は何れの形態であっても良い。またこのように予めインストールやダウンロードにより得る機能は装置内部のＯＳ（オペレーティング・システム）等と協働してその機能を実現させるものであってもよい。

この他、前記実施形態に開示されている複数の構成要素の適宜な組合せにより種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態に亘る構成要素を組合わせてもよい。

本発明の一実施の形態におけるシステム構成を示すブロック図。 同実施の形態において、トランザクションデータのレコード構成例を示す図。 同実施の形態において、動線データのレコード構成例を示す図。 同実施の形態における人物行動分析装置のデータ記憶部に形成される主要なメモリテーブルを示す模式図。 図４におけるトランＩＤリストテーブルのデータ例を示す図。 図４における動線ＩＤリストテーブルのデータ例を示す図。 図４におけるトラン・動線紐付けテーブルのデータ例を示す図。 図４におけるサブエリア設定テーブルのデータ例を示す模式図。 同実施の形態における店舗エリアのレイアウト例を示す図。 図９に示す店舗エリアを細分化する一例を示す図。 同実施の形態における人物行動分析装置において、人物行動分析プログラムが起動したときの制御部の主要な制御手順の前半部を示す流れ図。 同実施の形態における人物行動分析装置において、人物行動分析プログラムが起動したときの制御部の主要な制御手順の後半部を示す流れ図。 同実施の形態において、人物行動分析装置で作成される出力リストテーブルのエリア構成を示す図。 同実施の形態において、人物行動データの算出方法を説明するために用いる模式図。 本実施の形態の具体例として、指定サブエリアに滞在しかつ特定商品を購入した顧客３名のサブエリア別滞在時間を示す図。 同具体例として、指定サブエリアに滞在しかつ特定商品を購入した顧客３名のサブエリア別最長滞在時間を示す図。 同具体例として、図１６の結果をグラフ化した図。 本実施の形態の具体例として、指定サブエリアに滞在した客の進入元サブエリアと離脱先サブエリアの集計結果を示す図。 同具体例において、進入率及び離脱率の関係性を発見するアルゴリズムの一例を示す流れ図。 人物が停滞しているときと徐行しているときの動線例を示す模式図。 徐行判定角度の説明に用いる模式図。

符号の説明

１…販売管理システム、２…動線管理システム、３…人物行動分析装置、１１…ＰＯＳ端末、１２…ＰＯＳサーバ、２１…カメラ、２２…動線サーバ、１４…トランザクションデータベース、２４…動線データベース、３１…入力部、３２…表示部、３３…通信部、３４…プログラム記憶部、３５…データ記憶部、３６…出力ファイル、３７…制御部、４１…トランＩＤリストテーブル、４２…動線ＩＤリストテーブル、４３…トラン・動線紐付けテーブル、４４…サブエリア設定テーブル、６０…出力リストテーブル。

Claims (30)

1. 店舗エリア内を移動した人物の経路を追跡した動線データを記憶する動線データベースと前記人物の商取引データを記憶する商取引データベースの各記憶データに基づいて、前記店舗エリア内における人物の行動の特徴を分析する人物行動分析装置であって、
   同一人物の動線データと商取引データとを関連付ける情報を記憶する関連付け情報記憶部と、
   前記店舗エリア内を細分化して形成される複数のサブエリアをそれぞれ特定する情報を記憶するサブエリア情報記憶部と、
   分析条件として少なくとも前記サブエリアの指定を受付ける分析条件受付手段と、
   この分析条件受付手段によりいずれかのサブエリアの指定を受付けると、前記サブエリア情報記憶部内の当該指定サブエリアを特定する情報と前記動線データベース内の各動線データとから、当該指定サブエリアを通過した人物の動線データを抽出する分析対象動線抽出手段と、
   前記関連付け情報記憶部内のデータを参照して、前記分析対象動線抽出手段により抽出された動線データと関連付けられた商取引データを特定する商取引データ特定手段と、
   前記分析対象動線抽出手段により抽出された動線データと前記商取引データ特定手段により特定された商取引データとの関連性を示す情報を作成する分析対象情報作成手段と、
   を具備したことを特徴とする人物行動分析装置。
2. 前記分析条件受付手段は、特定の商品または商品群の指定を受付ける手段をさらに含み、
   前記商取引データ特定手段により特定された商取引データの中から前記分析条件受付手段により指定された特定の商品または商品群を購入した人物の商取引データを選択する商取引データ選択手段をさらに具備し、
   前記分析対象情報作成手段は、前記分析対象動線抽出手段により抽出された動線データのうち前記商取引データ選択手段により選択された商取引データに関連付けられた動線データとその商取引データとの関連性を示す情報を作成することを特徴とする請求項１記載の人物行動分析装置。
3. 前記分析対象動線抽出手段により抽出された動線データからサブエリア内の人物行動データを算出する行動データ算出手段をさらに具備し、
   前記分析対象情報作成手段は、前記分析対象動線抽出手段により抽出された動線データから算出された人物行動データを、前記動線データと商取引データとの関連性を示す情報に組み込むことを特徴とする請求項１または２記載の人物行動分析装置。
4. 人物行動データは、サブエリア内の滞在時間、動線長、平均移動速度のうち少なくとも１つであることを特徴とする請求項３記載の人物行動分析装置。
5. 人物行動データは、指定されたサブエリア内の滞在時間を含み、この滞在時間により前記分析対象動線抽出手段により抽出された動線データの人物が前記指定サブエリア内に滞在したか否かを判定する滞在判定手段をさらに具備したことを特徴とする請求項３記載の人物行動分析装置。
6. 人物行動データは、指定されたサブエリア内の動線長を含み、この動線長により前記分析対象動線抽出手段により抽出された動線データの人物が前記指定サブエリア内に滞在したか否かを判定する滞在判定手段をさらに具備したことを特徴とする請求項３記載の人物行動分析装置。
7. 人物行動データは、指定されたサブエリア内の平均移動速度を含み、この平均移動速度により前記分析対象動線抽出手段により抽出された動線データの人物が前記指定サブエリア内に滞在したか否かを判定する滞在判定手段をさらに具備したことを特徴とする請求項３記載の人物行動分析装置。
8. 前記商取引データ特定手段は、前記関連付け情報記憶部内のデータを参照して前記分析対象動線抽出手段により抽出された動線データと関連付けられた商取引データがないとき、購入商品がないことを示すデータを商取引データとして特定することを特徴とする請求項１乃至７のうちいずれか１記載の人物行動分析装置。
9. 前記分析対象動線抽出手段により抽出された動線データから当該動線データの人物が前記指定サブエリアに進入する手前の進入元サブエリアを特定する進入元サブエリア特定手段をさらに具備し、
   前記分析対象情報作成手段は、前記進入元サブエリア特定手段により特定された進入元サブエリアに関するデータを、前記動線データと商取引データとの関連性を示す情報に組み込むことを特徴とする請求項１または２記載の人物行動分析装置。
10. 前記分析対象動線抽出手段により抽出された動線データから当該動線データの人物が前記指定サブエリアから離脱した先の離脱先サブエリアを特定する離脱先サブエリア特定手段をさらに具備し、
    前記分析対象情報作成手段は、前記離脱先サブエリア特定手段により特定された離脱先サブエリアに関するデータを、前記動線データと商取引データとの関連性を示す情報に組み込むことを特徴とする請求項１または２記載の人物行動分析装置。
11. 店舗エリア内を移動した人物の経路を追跡した動線データを記憶する動線データベースと前記人物の商取引データを記憶する商取引データベースの各記憶データに基づいて、コンピュータにより前記店舗エリア内における人物の行動の特徴を分析する人物行動分析方法であって、
    前記コンピュータの記憶部にて、同一人物の動線データと商取引データとを関連付けるための関連付けデータを記憶するとともに、前記店舗エリア内を細分化して形成される複数のサブエリアをそれぞれ特定するためのサブエリア特定データを記憶し、
    分析条件として少なくとも前記サブエリアが前記コンピュータの入力部を介して指定されると、
    前記コンピュータの分析対象動線抽出手段が、前記記憶部内の当該指定サブエリア特定データと前記動線データベース内の各動線データとから、当該指定サブエリアを通過した人物の動線データを抽出し、
    前記コンピュータの商取引データ特定手段が、前記記憶部内の関連付けデータを参照して、前記分析対象動線抽出手段により抽出された動線データと関連付けられた商取引データを特定し、
    前記コンピュータの分析対象情報作成手段が、前記分析対象動線抽出手段により抽出された動線データと前記商取引データ特定手段により特定された商取引データとの関連性を示す情報を作成することを特徴とする人物行動分析方法。
12. 分析条件としてさらに特定の商品または商品群の指定を受付け、
    前記コンピュータの商取引データ選択手段が、前記商取引データ特定手段により特定された商取引データの中から指定された特定の商品または商品群を購入した人物の商取引データを選択し、
    前記分析対象情報作成手段は、前記分析対象動線抽出手段により抽出された動線データのうち前記商取引データ選択手段により選択された商取引データに関連付けられた動線データとその商取引データとの関連性を示す情報を作成することを特徴とする請求項１１記載の人物行動分析方法。
13. 前記コンピュータの行動データ算出手段が、前記分析対象動線抽出手段により抽出された動線データからサブエリア内の人物行動データを算出し、
    前記分析対象情報作成手段は、前記分析対象動線抽出手段により抽出された動線データから算出された人物行動データを、前記動線データと商取引データとの関連性を示す情報に組み込むことを特徴とする請求項１１または１２記載の人物行動分析方法。
14. 人物行動データは、サブエリア内の滞在時間、動線長、平均移動速度のうち少なくとも１つであることを特徴とする請求項１３記載の人物行動分析方法。
15. 人物行動データは、指定されたサブエリア内の滞在時間を含み、
    前記コンピュータの滞在判定手段が、前記滞在時間により前記分析対象動線抽出手段により抽出された動線データの人物が前記指定サブエリア内に滞在したか否かを判定することを特徴とする請求項１３記載の人物行動分析方法。
16. 人物行動データは、指定されたサブエリア内の動線長を含み、
    前記コンピュータの滞在判定手段が、前記動線長により前記分析対象動線抽出手段により抽出された動線データの人物が前記指定サブエリア内に滞在したか否かを判定することを特徴とする請求項１３記載の人物行動分析方法。
17. 人物行動データは、指定されたサブエリア内の平均移動速度を含み、
    前記コンピュータの滞在判定手段が、前記平均移動速度により前記分析対象動線抽出手段により抽出された動線データの人物が前記指定サブエリア内に滞在したか否かを判定することを特徴とする請求項１３記載の人物行動分析方法。
18. 前記商取引データ特定手段は、前記関連付け情報記憶部内のデータを参照して前記分析対象動線抽出手段により抽出された動線データと関連付けられた商取引データがないとき、購入商品がないことを示すデータを商取引データとして特定することを特徴とする請求項１１乃至１７のうちいずれか１記載の人物行動分析方法。
19. 前記コンピュータの進入元サブエリア特定手段が、前記分析対象動線抽出手段により抽出された動線データから当該動線データの人物が前記指定サブエリアに進入する手前の進入元サブエリアを特定し、
    前記分析対象情報作成手段は、前記進入元サブエリア特定手段により特定された進入元サブエリアに関するデータを、前記動線データと商取引データとの関連性を示す情報に組み込むことを特徴とする請求項１１または１２記載の人物行動分析方法。
20. 前記コンピュータの離脱先サブエリア特定手段が、前記分析対象動線抽出手段により抽出された動線データから当該動線データの人物が前記指定サブエリアから離脱した先の離脱先サブエリアを特定し、
    前記分析対象情報作成手段は、前記離脱先サブエリア特定手段により特定された離脱先サブエリアに関するデータを、前記動線データと商取引データとの関連性を示す情報に組み込むことを特徴とする請求項１１または１２記載の人物行動分析方法。
21. 店舗エリア内を移動した人物の経路を追跡した動線データを記憶する動線データベースと前記人物の商取引データを記憶する商取引データベースとにアクセス可能なコンピュータを、
    そのコンピュータの記憶部に、同一人物の動線データと商取引データとを関連付けるための関連付けデータと、前記店舗エリア内を細分化して形成される複数のサブエリアをそれぞれ特定するためのサブエリア特定データとを記憶させる手段と、
    分析条件として少なくとも前記サブエリアの指定を受付ける分析条件受付手段と、
    この分析条件受付手段によりいずれかのサブエリアの指定を受付けると、前記記憶部内の当該指定サブエリアを特定するデータと前記動線データベース内の各動線データとから、当該指定サブエリアを通過した人物の動線データを抽出する分析対象動線抽出手段と、
    前記記憶部内の関連付けデータを参照して、前記分析対象動線抽出手段により抽出された動線データと関連付けられた商取引データを特定する商取引データ特定手段と、
    前記分析対象動線抽出手段により抽出された動線データと前記商取引データ特定手段により特定された商取引データとの関連性を示す情報を作成する分析対象情報作成手段と、
    して機能させるための人物行動分析プログラム。
22. 前記分析条件受付手段は、特定の商品または商品群の指定を受付ける手段をさらに含み、
    前記コンピュータを、前記商取引データ特定手段により特定された商取引データの中から前記分析条件受付手段により指定された特定の商品または商品群を購入した人物の商取引データを選択する商取引データ選択手段としてさらに機能させ、
    前記分析対象情報作成手段は、前記分析対象動線抽出手段により抽出された動線データのうち前記商取引データ選択手段により選択された商取引データに関連付けられた動線データとその商取引データとの関連性を示す情報を作成することを特徴とする請求項２１記載の人物行動分析プログラム。
23. 前記コンピュータを、前記分析対象動線抽出手段により抽出された動線データからサブエリア内の人物行動データを算出する行動データ算出手段としてさらに機能させ、
    前記分析対象情報作成手段は、前記分析対象動線抽出手段により抽出された動線データから算出された人物行動データを、前記動線データと商取引データとの関連性を示す情報に組み込むことを特徴とする請求項２１または２２記載の人物行動分析プログラム。
24. 人物行動データは、サブエリア内の滞在時間、動線長、平均移動速度のうち少なくとも１つであることを特徴とする請求項２３記載の人物行動分析プログラム。
25. 人物行動データは、指定されたサブエリア内の滞在時間を含み、
    前記コンピュータを、前記滞在時間により前記分析対象動線抽出手段により抽出された動線データの人物が前記指定サブエリア内に滞在したか否かを判定する滞在判定手段としてさらに機能させることを特徴とする請求項２３記載の人物行動分析プログラム。
26. 人物行動データは、指定されたサブエリア内の動線長を含み、
    前記コンピュータを、前記動線長により前記分析対象動線抽出手段により抽出された動線データの人物が前記指定サブエリア内に滞在したか否かを判定する滞在判定手段としてさらに機能させることを特徴とする請求項２３記載の人物行動分析プログラム。
27. 人物行動データは、指定されたサブエリア内の平均移動速度を含み、
    前記コンピュータを、前記平均移動速度により前記分析対象動線抽出手段により抽出された動線データの人物が前記指定サブエリア内に滞在したか否かを判定する滞在判定手段としてさらに機能させることを特徴とする請求項２３記載の人物行動分析プログラム。
28. 前記商取引データ特定手段は、前記関連付け情報記憶部内のデータを参照して前記分析対象動線抽出手段により抽出された動線データと関連付けられた商取引データがないとき、購入商品がないことを示すデータを商取引データとして特定することを特徴とする請求項２１乃至２７のうちいずれか１記載の人物行動分析プログラム。
29. 前記コンピュータを、前記分析対象動線抽出手段により抽出された動線データから当該動線データの人物が前記指定サブエリアに進入する手前の進入元サブエリアを特定する進入元サブエリア特定手段としてさらに機能させ、
    前記分析対象情報作成手段は、前記進入元サブエリア特定手段により特定された進入元サブエリアに関するデータを、前記動線データと商取引データとの関連性を示す情報に組み込むことを特徴とする請求項２１または２２記載の人物行動分析プログラム。
30. 前記コンピュータを、前記分析対象動線抽出手段により抽出された動線データから当該動線データの人物が前記指定サブエリアから離脱した先の離脱先サブエリアを特定する離脱先サブエリア特定手段としてさらに機能させ、
    前記分析対象データ作成手段は、前記離脱先サブエリア特定手段により特定された離脱先サブエリアに関するデータを、前記動線データと商取引データとの関連性を示す情報に組み込むことを特徴とする請求項２１または２２記載の人物行動分析プログラム。

Images