JP2009169699A - 販売情報分析装置 - Google Patents

Abstract

【課題】商品の購入者が居住するエリアクラスタに基づいて販売実績情報を分析することにより、商品の販売者にとって有用な販売活動支援情報を作成する。
【解決手段】販売情報分析装置１は、住民に関する属性が類似するエリアのグループであるエリアクラスタと各エリアとの対応関係を保持する。販売情報分析装置１は、商品販売情報保持部３０４にアクセスして、分析対象商品の各エリアクラスタにおける販売量を算出する。販売情報分析装置１は、店舗顧客情報保持部３０６にアクセスして、分析対象店舗の顧客について各エリアクラスタへの居住割合を算出する。販売情報分析装置１は、販売量と居住割合とに正相関する所定の評価関数により、分析対象店舗の顧客が分析対象商品をどれだけ支持するかを示す指標値を算出する。
【選択図】図１

Description

この発明は、データ処理技術に関し、特に、商品の販売情報を分析して、ユーザの販売活動を支援するための情報を作成する技術に関する。

コンピュータの普及に伴い、顧客に商品を販売した実績を示す販売実績情報をデータベース等に蓄積させている企業が増加している。この販売実績情報を活用して、ユーザの販売活動を支援するための情報（以下、「販売活動支援情報」と呼ぶ。）をコンピュータシステムにより作成する企業もある。例えば特許文献１では、商品を各種観点から分類し、この分類情報と販売実績情報とを対応づけることにより販売活動支援情報を作成する。

特許文献１とは別の方法として、商品を購入した顧客の属性と販売実績情報とを対応づけることにより販売活動支援情報が作成されることもある。この場合、ポイントカードやクレジットカードを利用して商品を購入した顧客について、それらのカード作成時に登録された顧客の属性情報が利用されることもある。
特開２００１−１６７２０３号公報

しかし、実際に商品を購入する購入者と、実際にその商品を消費する消費者とは異なることもある。例えば、ある世帯の主婦が購入した商品の消費者は、その世帯の夫であることもある。したがって、購入者の属性に基づいて作成された販売活動支援情報は、消費者の属性を反映しないものになりがちであり、商品の販売者にとって有用な情報とならない場合もあった。

このような背景を踏まえ、本発明者は、購入者が居住する地域（以下、「エリア」と呼ぶ。）に関し、住民の属性が類似する地域のグループ（以下、「エリアクラスタ」と呼ぶ。）に注目した。すなわち、商品の購入者の属性に基づくミクロな観点からではなく、購入者が居住するエリアクラスタの住民属性に基づくマクロな観点から販売実績情報を分析することにより、商品の販売者にとって有用な販売活動支援情報を作成できると考えた。

本発明は、本発明者の上記着目に基づいて完成された発明であり、その主たる目的は、商品の購入者が居住するエリアクラスタに基づいて販売実績情報を分析することにより、商品の販売者にとって有用な販売活動支援情報を作成する技術を提供することである。

上記課題を解決するために、本発明のある態様の販売情報分析装置は、地理的に区画された複数のエリアに関し、住民に関する属性が類似するエリアのグループであるエリアクラスタと各エリアとの対応関係を示すエリアクラスタ情報を保持するエリアクラスタ情報保持部と、エリアと商品との組み合わせごとに、エリアにおける商品の所定期間における販売量であるエリア販売量を取得するエリア販売量取得部と、エリアクラスタと商品との組み合わせごとにエリア販売量を集計して、エリアクラスタにおける商品の所定期間における販売量であるクラスタ販売量を算出するクラスタ販売量算出部と、店舗と、各エリアにおける店舗の顧客数を示すエリア顧客数とを対応づけた店舗情報を保持する店舗情報保持部と、店舗とエリアクラスタとの組み合わせごとにエリア顧客数を集計して、エリアクラスタにおける店舗の顧客数であるクラスタ顧客数を算出するクラスタ顧客数算出部と、店舗とエリアクラスタとの組み合わせごとに、店舗の総顧客数に対するエリアクラスタにおける店舗のクラスタ顧客数の比率をクラスタ顧客比率として算出するクラスタ顧客比率算出部と、店舗で販売される商品に対する顧客の支持を分析するために、分析の対象となる商品の入力を検出する分析要求検出部と、商品が販売された複数のエリアクラスタそれぞれにおける商品のクラスタ販売量を取得するクラスタ販売量取得部と、分析の対象となる店舗について、複数のエリアクラスタそれぞれにおける店舗のクラスタ顧客比率を取得するクラスタ顧客比率取得部と、分析の対象となるエリアクラスタの顧客による商品の購買実績を示す指標値として、エリアクラスタにおける商品のクラスタ販売量を特定する販売実績特定部と、顧客が店舗の全顧客に占める割合を示す、店舗のエリアクラスタについてのクラスタ顧客比率を特定する顧客比率特定部と、特定されたクラスタ販売量およびクラスタ顧客比率と正相関する所定の評価関数により、店舗で販売される商品に対する顧客の支持の大きさを示す指標値であるクラスタ指標値を算出するクラスタ指標値算出部と、エリアクラスタごとに算出されたクラスタ指標値を集計して、店舗の全顧客が店舗にて販売される商品をどれだけ支持するかを示す指標値である商品指標値を算出する商品指標値算出部と、算出された商品指標値を外部装置に出力する分析結果出力部と、を備える。

なお、以上の構成要素の任意の組合せ、本発明の表現を装置、方法、システム、プログラム、プログラムを格納した記録媒体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、商品の購入者が居住するエリアクラスタに基づいて販売実績情報を分析することにより、商品の販売者にとって有用な販売活動支援情報を作成できる。

本発明の実施の形態を説明する前に、まず、本発明の概要について説明する。
企業間競争が激化している現在、商品の販売者には、販売活動における適切な意思決定が求められる。この意思決定を支援するために、販売活動支援情報の活用が重要になっている。ここで、販売活動支援情報の例を以下に示す。

１．販売促進施策の効果情報。広告や店頭での値引きなどを含む販売促進施策の効果を示し、販売促進施策実施に対する販売者の意思決定を支援するための情報である。
２．商品シェア情報。同一の商品カテゴリにおける競合商品の占有率を示し、商品仕入れ・棚割等に対する販売者の意思決定を支援するための情報である。
３．購買要因情報。顧客の属性が商品の購入に及ぼす影響、言い換えれば、顧客の属性と商品の販売量との相関を示し、商品仕入れ・棚割等に対する販売者の意思決定を支援するための情報である。
４．店舗顧客層情報。店舗の顧客層がどのような構成になっているかを示し、顧客層の構成にあわせた販売者の意思決定を支援するための情報である。

５．販売条件影響情報。商品の販売条件がその商品の売れ行きに及ぼす影響を示し、商品の販売条件設定に関する販売者の意思決定を支援するための情報である。
６．リピート率情報。同一の顧客が同一の商品を繰り返して購入する割合を示し、商品仕入れ・棚割等に対する販売者の意思決定を支援するための情報である。
７．商品訴求度情報。ある店舗の商品が顧客にどれだけ支持されているかを示し、商品仕入れ・棚割等に対する販売者の意思決定を支援するための情報である。
８．店舗販売量予測情報。ある店舗の商品が顧客にどれだけ購入されるかの予測を示し、商品仕入れ・棚割等に対する販売者の意思決定を支援するための情報である。

これらの販売活動支援情報は、商品を実際に消費する消費者の属性と、商品の販売実績とを対応づけて作成されることが望ましい。言い換えれば、商品を実際に購入した購入者は、単に消費者の購入意思を代理で実行した者に過ぎない場合もあり、購入者の属性と、商品の販売実績を対応づけたとしても、有用な販売活動支援情報とはならない場合もある。

例えば、商品が男性用育毛剤の場合、購入者は世帯の主婦である一方で、消費者はその世帯の夫であることが多い。この場合、購入者である主婦の属性に基づき販売活動支援情報を作成したとしても、その販売活動支援情報は、主婦をターゲットとしたものになってしまう。したがって、消費者の属性が反映されない販売活動支援情報は、販売者にとって有用な情報とはならない場合もある。

顧客の属性を取得する従来の手段として、典型的には２つの方法がある。第１の方法は、ポイントカードやクレジットカードを利用して商品を購入した顧客について、カード作成時に登録された顧客の属性情報を利用する方法である。この第１の方法を、以下、「ＦＳＰ（Frequent Shoppers Program）手法」と呼ぶことにする。また、第２の方法は、少数のモニター顧客の属性情報や、アンケートに記入された顧客の属性情報を利用する方法（以下、「モニター顧客手法」と呼ぶ。）である。

しかし、ＦＳＰ手法では、取得できる属性情報は購入者の属性情報であり、消費者の属性情報は取得できない。また、カード作成時に登録された顧客の属性情報は、あくまで過去の情報であり、商品が購買された時点での属性情報とは異なる場合もある。モニター顧客手法の場合、モニター顧客やアンケートの回答者を選別することで、消費者の属性を取得できる。しかし、モニター顧客数やアンケート数は一般的に少数であり、少数のモニター顧客やアンケート結果から顧客の属性を決定した場合、少人数のみに該当する属性が消費者全体の属性とされる結果、販売活動支援情報の精度が低くなることもあった。また、モニター顧客手法は、人手を介するため、一般的に時間がかかるという問題があった。

本発明は、商品の購入者が居住するエリアクラスタごとの住民属性と販売実績とを対応づけて販売活動支援情報を作成する技術を提案するものである。エリアクラスタは、住民属性が類似する複数のエリア、典型的には町丁目レベルの地図上の領域をグループ化したものであり、各エリアクラスタにはこれら複数のエリアに共通する住民属性が対応づけられている。したがって、エリアクラスタにおける消費者像と販売実績とを対応づけできるとともに、人手を介さない自動での分析を実現する。これにより、商品の販売者にとって有用な販売活動支援情報の作成を短時間で実現する。

なお、上述した販売活動支援情報は、商品の製造者による商品開発や広告の効果測定等に対しても有用な情報となる。例えば、どのような消費者が商品を購入しているかを示す商品シェア情報や購買要因情報により、商品の製造者は、商品開発時に想定したターゲット顧客と商品の実際の消費者とが合致しているか否かをチェックできる。また、販売促進施策の効果情報により、商品の製造者は、テレビ等での商品広告や企業広告が反応を期待する消費者に影響を与えるものであったかを確認でき、莫大な広告費の費用対効果を検証する際の指標とすることができる。本実施の形態では、主に商品の販売者に対する支援情報を作成する観点から記載するが、本発明により作成される情報は、商品を製造し販売する一連のサプライチェーンに登場する様々な企業にとって有用な情報である。

以下、実施の形態を説明する。なお、実施の形態では、上述した８つの販売活動支援情報を作成するための販売情報分析システムについて説明する。

図１は、本実施の形態における販売情報分析システムの構成を示す。販売情報分析システム１０００において、販売情報分析装置１は、ＬＡＮ（Local Area Network）４００を介して、ユーザ端末５００で総称される第１のユーザ端末５００ａ、第２のユーザ端末５００ｂ、および第３のユーザ端末５００ｃに接続されている。ユーザ端末５００は、ウェブブラウザを搭載した一般的なウェブ端末である。販売情報分析装置１は、ウェブサーバとしての機能を有し、ユーザ端末５００にウェブページ、典型的にはＨＴＭＬ（HyperText Markup Language）ファイルを送信する。このウェブページがユーザ端末５００のウェブブラウザに表示されることにより、ユーザが販売情報分析装置１にアクセスするためのユーザインタフェースが提供される。

販売情報分析装置１は、ＬＡＮ４００を介して、販売情報保持装置３００にも接続されている。販売情報分析装置１は、販売情報保持装置３００から取得した販売情報を分析して、上述した販売活動支援情報を作成する。販売情報保持装置３００は、各種の販売情報を保持する装置であり、典型的にはＤＢＭＳ（DataBase Management System）ソフトウェアを搭載するデータベースサーバである。販売情報保持装置３００は、販促実績情報保持部３０２と、商品販売情報保持部３０４と、店舗顧客情報保持部３０６と、店舗販売情報保持部３０８とを備える。

販促実績情報保持部３０２は、商品に対する販売促進施策が実施された実績を示す販促実績情報を保持する。図２は、販促実績情報のデータ構造を示す。販促欄３１０には、販売促進施策の識別情報が記録される。この販売促進施策には、テレビＣＭや新聞広告から店舗での店頭大安売りまで様々な態様での販売促進施策が含まれる。対象商品欄３１２には、販売促進施策が対象とする商品（以下、「販促対象商品」と呼ぶ。）が記録される。販促対象商品には、複数の商品が記録されてもよく、例えば企業イメージＣＭの場合には、その企業が販売する多くの商品が販促対象商品となる。実施日欄３１４には、販売促進施策の実施日が記録される。なお、販促実績情報には、全国規模から地域規模まで様々な規模の販売促進施策が記録されてよく、この場合、販売促進施策の対象となったエリアを示す対象エリア欄がさらに設けられてもよい。図１に戻る。

商品販売情報保持部３０４は、各商品について、各エリアにおける単位期間あたりの販売量を示す商品販売情報を保持する。図３は、商品販売情報のデータ構造を示す。同図は、各商品のエリアごとの販売量が日時にて記録されている。商品欄３２０には、商品の識別情報が記録される。エリア欄３２２には、商品が販売されたエリアが記録される。単位期間販売量欄３２４には、１日単位や１週単位等の特定の単位期間における販売量が記録される。図１に戻る。

店舗顧客情報保持部３０６は、各店舗において商品を購入する顧客がどのエリアにどれだけ居住しているかを示す店舗顧客情報を保持する。図４は、店舗顧客情報のデータ構造を示す。店舗欄３３０には、店舗の識別情報が記録される。エリア欄３３２には、顧客が居住するエリアが記録される。エリア顧客数欄３３４には、各エリアに居住する顧客の数（以下、「エリア顧客数」と呼ぶ。）が記録される。なお、エリア顧客数は、エリアの人口そのものでもよいが、エリアの人口のうち、その店舗で実際に商品を購入する顧客数であってもよい。店舗の顧客数は、エリアの人口および店舗の属性情報から拡張ハフモデル等の既知の分析手法を用いることで算出されてもよい。実施の形態では説明の簡明化のため、エリアの人口を用いることとする。図１に戻る。

店舗販売情報保持部３０８は、各店舗にて販売される商品について、単位期間あたりの販売量を示す店舗販売情報を保持する。図５は、店舗販売情報のデータ構造を示す。店舗欄３４０には、店舗の識別情報が記録される。商品欄３４２には、各店舗において販売される商品が記録される。単位期間販売量欄３４４には、特定の単位期間における販売量が記録される。図１に戻る。

なお図１では、ＬＡＮ４００を介して各装置が接続された販売情報分析システムを示しているが、各装置が物理的に離れたロケーションに存在してもよく、また、各装置はＷＡＮ（Wide Area Network）やインターネットを介して接続されてもよい。また、販売情報分析装置１による分析サービスは、１企業内での提供に限定されず、ＡＳＰ（Application Service Provider）やＳａａＳ（Software as a Service）の形態にて、異なる企業に存在するユーザ端末５００に対して提供されてもよい。

図６は、図１の販売情報分析装置１の機能構成を示すブロック図である。本明細書のブロック図において示される各ブロックは、ハードウェア的には、コンピュータのＣＰＵをはじめとする素子や機械装置で実現でき、ソフトウェア的にはコンピュータプログラム等によって実現されるが、ここでは、それらの連携によって実現される機能ブロックを描いている。したがって、これらの機能ブロックはハードウェア、ソフトウェアの組合せによっていろいろなかたちで実現できることは、当業者には理解されるところであり、これらのいずれかに限定されるものではない。

また、販売情報分析装置１においては、当該装置を効率よく利用するための機能および環境を提供して当該装置の全体を統括的に制御するオペレーションシステム（以下、「ＯＳ」と呼ぶ。）が実行されている。かかるＯＳによってブロック図の各機能ブロックが動作させられることにより、複数のソフトウェアが実行される。

販売情報分析装置１は、ユーザインタフェース処理部１０と、データ保持部２０と、データ処理部４０とを備える。ユーザインタフェース処理部１０は、ユーザ端末５００とのユーザインタフェース処理を担当する。データ保持部２０は、各種データを保持するための記憶領域である。データ処理部４０は、ユーザインタフェース処理部１０やデータ保持部２０や販売情報保持装置３００から取得されたデータをもとにして各種のデータ処理を実行する。さらに、データ処理部４０は、ユーザインタフェース処理部１０とデータ保持部２０との間のインタフェースの役割も果たす。

ユーザインタフェース処理部１０：
ユーザインタフェース処理部１０は、分析要求検出部１２と、分析結果出力部１４とを有する。分析要求検出部１２は、ＬＡＮ４００を介して、ユーザ端末５００から送信されるデータを受信する。例えば、商品を指定してその商品が属する商品カテゴリについての商品シェアの分析を要求する分析要求データや、商品を指定してその商品が購買された要因の分析を要求する分析要求データを受信する。分析結果出力部１４は、ＬＡＮ４００を介して、ユーザ端末５００に対してデータを送信する。例えば、商品シェアを示す分析結果データや、商品が購買された要因を示す分析結果データを送信する。

データ保持部２０：
データ保持部２０は、エリアクラスタ情報保持部２２と、販促効果情報保持部２４と、商品カテゴリ情報保持部２６と、商品指標値情報保持部２８とを有する。

エリアクラスタ情報保持部２２は、エリアクラスタと各エリアと住民属性との対応関係を示すエリアクラスタ情報を保持する。図７は、エリアクラスタ情報のデータ構造を示す。エリアクラスタ欄２００には、エリアクラスタの識別情報が記録される。エリア欄２０２には、エリアクラスタに含まれる複数のエリアが記録される。人口欄２０４には、各エリアの人口が記録される。

住民属性欄２０６には、エリアクラスタの住民属性が記録される。エリアクラスタの住民属性とは、言い換えれば、エリア欄２０２の複数のエリアに共通して当てはまる住民属性である。この住民属性には、各エリアクラスタについての人口統計学的な属性データを示すデモグラフィック属性と、各エリアクラスタの住人が有する価値観やライフスタイルといった人間心理にかかわる属性データを示すサイコグラフィック属性が含まれる。

デモグラフィック属性の例としては、「３０〜４０代の比較的小さな子供がいる核家族」、「収入が平均よりもやや高く、大学卒以上の人が多い」などがある。一方で、サイコグラフィック属性の例としては、「女性２０代について、ブランド・安全性・経済性を非常に重視するが、環境指向はほとんどない」、「女性３０代について、ブランドをやや重視し、環境指向である」などがある。つまり、エリアクラスタ情報は、各エリアクラスタの消費者の生活環境や考え方、言い換えれば、消費者像を示す情報である。

住民指標値欄２０８には、エリアクラスタの住民属性を指標値化した住民指標値が記録される。住民指標値とは、エリアクラスタの住民属性が複数種類の評価基準と適合する度合いを所定の評価関数によりそれぞれ指標化した複数種類の適合値である。住民指標値の具体例としては、平均年収、平均世帯人数、世帯あたりの平均子供数、３０歳代割合、４０歳代割合等である。言い換えれば、住民指標値は、コンピュータによる計算のために、住民属性を複数の数値に変換したものである。

エリアクラスタ情報の作成方法の一例を説明する。エリアクラスタ情報の作成には、各エリアについての属性情報であって、公開された各種の統計情報と、独自の推計情報と、アンケートの結果情報を用いる。統計情報には、年代の比率、性別の比率、職業の比率、学歴比率等が含まれる。推計情報には、平均所得、平均資産、平均地価等が含まれる。アンケートの結果情報には、ライフスタイル、価値観、消費趣向等の回答結果が含まれる。定性的な情報は、所定の評価関数により指標値化する。図示しないエリアクラスタ情報作成部は、各エリアについて指標値化された各種属性情報を変量とするクラスタ分析により、各エリアをグループ分けする。なお、クラスタ分析に使用された各種指標値を住民指標値欄２０８の値としてもよく、住民指標値欄２０８の値に基づいて住民属性欄２０６に設定すべきデータを人間の判断により設定してもよい。また、各エリアにおける各種商品の販売実績についてもクラスタ分析の変量としてもよい。図６に戻る。

販促効果情報保持部２４は、販売促進施策が販促対象商品の販売量に及ぼす影響を示す販促効果情報を保持する。図８は、販促効果情報のデータ構造を示す。販促欄２１０には、販売促進施策の識別情報が記録される。対象商品欄２１２には、販促対象商品が記録される。エリアクラスタ欄２１４には、エリアクラスタの識別情報が記録される。販売量増加率欄２１６には、販促対象商品の販売量が販売促進施策により増加した割合（以下、「販売量増加率」と呼ぶ。）、言い換えれば、販売促進による効果が記録される。

商品カテゴリ情報保持部２６は、商品と商品カテゴリとの対応関係を示す商品カテゴリ情報を記録する。図９は、商品カテゴリ情報のデータ構造を示す。商品カテゴリ欄２２０には、商品カテゴリが記録される。商品欄２２２には、各商品カテゴリに対応づけられる商品が記録される。

商品指標値情報保持部２８は、複数の店舗と、各店舗において商品がどれだけ顧客に支持されているかを示す指標値（以下、「商品指標値」と呼ぶ。）とが対応づけられた商品指標値情報を保持する。図１０は、商品指標値情報のデータ構造を示す。店舗欄２３０には、店舗の識別情報が記録される。商品欄２３２には、各店舗にて販売される商品が記録される。商品指標値欄２３４には、各店舗における各商品の商品指標値が記録される。図６に戻る。

データ処理部４０：
データ処理部４０は、エリア販売量取得部４２と、クラスタ販売量算出部４４と、販促効果分析部５０と、販売量補正部６０と、商品シェア分析部７０と、購買要因分析部８０と、店舗顧客層分析部９０と、販売条件影響分析部１００と、リピート率分析部１１０と、商品訴求度分析部１２０と、商品訴求度補正部１３０と、店舗販売量予測部１４０とを有する。

エリア販売量取得部４２は、商品販売情報保持部３０４にアクセスして商品販売情報を参照し、エリアと商品との組み合わせごとに、エリアにおける商品の所定期間における販売量（以下、「エリア販売量」と呼ぶ。）を取得する。図１１は、エリア販売量取得部４２により取得されたエリア販売量を示す。同図のエリア販売量は、図３に示す商品販売情報の１０／３０から１１／３の販売量を集計したものである。図６に戻る。

クラスタ販売量算出部４４は、エリアクラスタ情報保持部２２にアクセスしてエリアクラスタ情報を参照する。そして、エリアクラスタと商品との組み合わせごとに、エリア販売量を集計して、エリアクラスタにおける商品の所定期間における販売量（以下、「クラスタ販売量」と呼ぶ。）を算出する。図１２は、クラスタ販売量算出部４４により算出されたクラスタ販売量を示す。同図のクラスタ販売量は、図１１に示すエリア販売量を商品ごとエリアクラスタごとに集計したものである。図６に戻る。

販促効果分析部５０：
販促効果分析部５０は、販売活動支援情報の１つである販売促進施策の効果情報を作成する。本実施の形態における販売促進施策の効果情報とは、販売促進施策による販促対象商品の販売量増加率をエリアクラスタごとに示す情報である。図１３は、販促効果分析部５０の機能構成を示すブロック図である。販促効果分析部５０は、販促販売量取得部５２と、販促販売量集計部５４と、販促効果算出部５６とを含む。

販促販売量取得部５２は、まず、販促実績情報保持部３０２にアクセスして販促実績情報を参照し、分析対象となる販売促進施策の販促対象商品と実施日とを特定する。例えば、図２の販売促進施策「テレビ広告α」が分析対象であるとき、販促対象商品を「○○コーヒー」、実施日を「１１月１日」として特定する。なお、販促販売量取得部５２は、分析要求検出部１２を介して、分析対象となる販売促進施策の指定データをユーザ端末５００から受信してもよい。また、ユーザ端末５００による指定にかかわらず、販促実績情報に記録された販売促進施策を、分析対象の販売促進施策として自動で取得してもよい。

販促販売量取得部５２は、次に、商品販売情報保持部３０４にアクセスして商品販売情報を参照し、各エリアにおける販促対象商品について、販売促進施策実施前の所定期間における販売量（以下、「販促前販売量」と呼ぶ。）を取得する。また、販売促進施策実施後の所定期間における販売量（以下、「販促後販売量」と呼ぶ。）を取得する。この期間については、企業の経験や実験により、販売促進施策の効果を見極めるのに適切と考えられる期間が設定されればよい。上の例では、販売促進施策「テレビ広告α」の実施前後２日の販売量を取得することとする。

図１４（ａ）は、販促販売量取得部５２により取得された販促前販売量と販促後販売量を示す。同図は、図３の「○○コーヒー」について、１０／３０〜１０／３１の販売量を合算して販促前販売量として、また、１１／１〜１１／２の販売量を合算して販促後販売量として取得されたことを示している。なお、上述したように販売促進施策が一部のエリアでのみ実施された場合には、販促販売量取得部５２は、当該エリアの情報を販促実績情報から取得して、商品販売情報から当該エリアについてのみ販促前販売量および販促後販売量を取得してもよい。図１３に戻る。

販促販売量集計部５４は、エリアクラスタ情報保持部２２にアクセスしてエリアクラスタ情報を参照し、販促前販売量と販促後販売量とをエリアクラスタごとに集計する。図１４（ｂ）は、販促販売量集計部５４により集計された販促前販売量および販促後販売量を示す。すなわち、エリアａ、エリアｂ、およびエリアｃの販促前販売量と販促後販売量とがそれぞれ集計されて、クラスタＡの販促前販売量と販促後販売量とが算出されている。エリアｄおよびエリアｅとクラスタＢとについても同様である。図１３に戻る

販促効果算出部５６は、各エリアクラスタについての販促前販売量の集計値と販促後販売量の集計値とを比較して、分析対象の販売促進施策による販促対象商品の販売量増加率をエリアクラスタごとに算出する。ここでは、販促効果算出部５６は、集計値の比率を算出することで販売量増加率を算出することとする。例えば、販促前販売量の集計値と販促後販売量の集計値とが図１４（ｂ）の状態であるとき、販促効果算出部５６は、クラスタＡについての販売量増加率を「１．１３」、クラスタＢについての販売量増加率を「１．６４」として算出する。

販促効果算出部５６は、販促効果情報保持部２４にアクセスして、分析対象の販売促進施策について、各エリアクラスタにおける販促対象商品の販売量増加率を販促効果情報に記録する。また、分析対象の販売促進施策の指定をユーザ端末５００から受け付けた場合には、分析結果出力部１４を介して、その販売促進施策について算出した各エリアクラスタにおける販売量増加率をユーザ端末５００に送信してもよい。

販売促進施策による効果を分析する従来の方法では、販促対象商品の販売量が総数として増加したことはわかるものの、どんな特徴を持つ消費者への販売量が増加したのかはわからなかった。したがって、販売促進施策が、そのターゲットとする顧客層に訴求するものであったか否かもわからなかった。販促効果分析部５０によれば、デモグラフィック属性やサイコグラフィック属性等の様々な観点からの顧客像と対応づけられたエリアクラスタごとに販売促進施策による効果を算出できる。

図１４（ｃ）は、販売促進施策による販促対象商品の各エリアクラスタにおける販売量増加率を示す。同図の内容が、販売促進施策の効果情報としてユーザ端末５００に表示されてもよい。商品販売者は各エリアクラスタにおける販売量増加率を確認することで、販売促進施策による効果を詳細に確認できる。例えば、図１４（ｃ）の結果から、クラスタＢの顧客に対し強く訴求するものであったこと、クラスタＣをターゲットにする場合には、異なる販売促進施策が必要であることを確認できる。

変形例として、販促効果分析部５０は、図示しない住民属性影響分析部を含んでもよい。住民属性影響分析部は、各エリアクラスタの住民属性を説明変数、特定の販売促進施策による各エリアクラスタにおける販売量増加率を目的変数とする回帰分析により、住民属性が販売量増加率に及ぼす影響の大きさを回帰係数として算出する。各住民属性について算出された回帰係数を比較することにより、販売量増加率に比較的大きな影響を及ぼす住民属性を特定できる。商品販売者は、その住民属性を有するエリアクラスタに限定して上述した特定の販売促進施策を実施することで、少ない費用で効果的な販売促進施策を実施できる。図６に戻る。

販売量補正部６０：
販売量補正部６０は、販促販売量集計部５４にて算出された販促後販売量から分析対象外の販売促進施策による販売量増加分を除去する。図１５は、販売量補正部６０の機能構成を示すブロック図である。販売量補正部６０は、販促効果取得部６２と、販促販売量補正部６４と、販促販売量特定部６６と、クラスタ販売量補正部６８とを含む。

販促効果取得部６２は、まず、販促実績情報保持部３０２にアクセスして販促実績情報を参照する。そして、販促対象商品が分析対象の販売促進施策と同一である販売促進施策であって、分析対象の販売促進施策が実施されてから所定期間内に実施された分析対象外の販売促進施策を除去対象の販売促進施策として特定する。この所定期間は、分析対象の販売促進施策についての販促後販売量を取得する期間でもよく、企業の経験や実験等に基づいて適宜決定されてよい。図１６は、販促実績情報のデータ構造を示す。同図は、図２の販促実績情報に加え、分析対象の販売促進施策「テレビ広告α」が実施された翌日に分析対象外の販売促進施策「新聞広告θ」が実施されたことを示している。この場合、「新聞広告θ」による「○○コーヒー」の販売量増加分を除去するために、販促効果取得部６２は、「新聞広告θ」を除去対象の販売促進施策として特定する。図１５に戻る。

販促効果取得部６２は、次に、販促効果情報保持部２４にアクセスして販促効果情報を参照し、除去対象の販売促進施策による販促対象商品の販売量増加率を取得する。販促効果情報が図８に示す状態であるとき、販促効果取得部６２は、「新聞広告θ」によるクラスタＡにおける「○○コーヒー」の販売量増加率「１．４」と、クラスタＢにおける「○○コーヒー」の販売量増加率「１．１」とを取得する。図１５に戻る。

販促販売量補正部６４は、除去対象の販売促進施策についての販売量増加率が大きいほど、分析対象の販売促進施策についての販促後販売量が小さくなるように、販促後販売量をエリアクラスタごとに補正する。具体的には、販促販売量補正部６４は、分析対象の販売促進施策についての販促後販売量を取得する期間と、除去対象の販売促進施策についての実施日からの所定期間とが重複する期間を特定する。この所定期間は、除去対象の販売促進施策の影響を強く受ける期間であり、企業の経験や実験等に基づいて適宜決定されてよい。販促販売量補正部６４は、その重複する期間の販促後販売量から除去対象の販売促進施策による販売量増加率を除去する。

図１７は、商品販売情報のデータ構造を示す。同図における「○○コーヒー」について１１／２および１１／３の単位期間販売量には、図３と異なり、分析対象の販売促進施策「テレビ広告α」だけでなく、分析対象外の販売促進施策「新聞広告θ」による販売量増加分が上乗せされている。

図１８（ａ）は、販促販売量取得部５２により取得された販促前販売量と販促後販売量を示す。同図のデータは、分析対象の販売促進施策「テレビ広告α」の実施前後２日、すなわち１０／３０から１１／２における「○○コーヒー」の販売量が、図１７の商品販売情報から取得されたものである。上述したように分析対象外の販売促進施策「新聞広告θ」による販売量増加分が上乗せされているため、販促後販売量が図１４（ａ）よりも大きくなっている。したがって、この状態では「テレビ広告α」による販売量増加率が大きく算出されることになる。

図１８（ｂ）は、販促販売量補正部６４により補正された販促後販売量を示す。同図の販促後販売量は、１１／２の各エリアにおける○○コーヒーの販売量から「新聞広告θ」による販売量増加量を除去したものである。具体的には、販促販売量補正部６４は、クラスタＡに属するエリアａ、ｂ、ｃにおける１１／２の販売量については、販売量増加率「１．４」で除算しており、クラスタＢに属するエリアｄ、ｅにおける１１／２の販売量については、販売量増加率「１．１」で除算している。

上述した販促販売量集計部５４は、販促販売量取得部５２により取得された販促前販売量と、販促販売量補正部６４により補正された販促後販売量とをエリアクラスタごとに集計する。販促効果算出部５６は、これらの集計値を比較して、分析対象の販売促進施策による販促対象商品の販売量増加率を算出する。

分析対象の販売促進施策と分析対象外の販売促進施策とが同時期に実施された場合、分析対象の販売促進施策についての販促後販売量に分析対象外の販売促進施策による販売量増加分が上乗せされてしまう。その結果、分析対象の販売促進施策の効果が実際よりも大きく算出されることになる。販売量補正部６０は、分析対象の販売促進施策についての販促後販売量から分析対象外の販売促進施策による上乗せ分を除去する。これにより、販促効果算出部５６は、分析対象の販売促進施策による販促対象商品の販売量増加率を正しく算出できる。

なお、販促販売量補正部６４は、除去対象の販売促進施策が実施されたエリアが限定されているときには、その実施されたエリアに限定して、分析対象の販売促進施策についての販促後販売量を補正してもよい。例えば、分析対象の販売促進施策が全国規模のテレビ広告で、除去対象の販売促進施策が地域限定の店頭大安売りであるときには、店頭大安売りが実施されたエリアに限定して、テレビ広告についての販促後販売量を補正する。これにより、販売促進施策の実施範囲も考慮して、分析対象の販売促進施策による販促対象商品の販売量増加率を正しく算出できる。

また、図１８（ａ）および（ｂ）に示す例では、販促販売量補正部６４は、各エリアについての販促後販売量を補正したが、各エリアクラスタについての販促後販売量の集計値を補正してもよい。販促販売量補正部６４は、販促後販売量の集計値のうち除去対象の販売促進施策による影響を強く受けた期間の値について、除去対象の販売促進施策による販売量増加率に応じて補正する。具体的には、除去対象の販売促進施策による販売量増加率が大きいほど、販促後販売量の集計値のうち除去対象の販売促進施策による影響を強く受けた期間についての値を小さくすることで、販促後販売量の集計値を小さくする。販促効果算出部５６は、販促販売量集計部５４により集計された販促前販売量の集計値と、販促後販売量の集計値であって、販促販売量補正部６４により補正された集計値とを比較して、分析対象の販売促進施策による販促対象商品の販売量増加率を算出する。図１５に戻る。

販売量補正部６０は、また、販促対象商品のクラスタ販売量がクラスタ販売量算出部４４にて算出されたとき、そのクラスタ販売量から販売促進施策による販売量増加分を除去する。図１９は、販売量補正部６０による補正後のクラスタ販売量を示す。同図のクラスタ販売量は、図１２のクラスタ販売量であり、これは販売促進施策「テレビ広告α」による販売量増加分を含む値である。以下の具体例では、図１９を参照して説明する。

販売促進施策による販売量増加分を除去するために、販促販売量取得部５２は、まず、販促対象商品の販促前購買量を取得する。ここでは、販促対象商品が図３の「○○コーヒー」で、販売促進施策の実施日が１１／１であるため、販促販売量取得部５２は、１０／３１の各エリアにおける「○○コーヒー」の販売量を取得することとする。次に、販促販売量集計部５４は、販促対象商品の販促前購買量をエリアクラスタごとに集計する。図３の「○○コーヒー」の場合、エリアａ、ｂ、ｃを含むクラスタＡについて１０／３１の集計値は２６５となり、エリアｄ、ｅを含むクラスタＢについて１０／３１の集計値は１５０となる。これを図１９の販促前販売量に示している。

販促販売量特定部６６は、クラスタ販売量算出部４４により算出されたクラスタ販売量の集計期間について、そのクラスタ販売量に対応づけられる商品を対象とした販売促進施策の実施日時が含まれるかを判定する。含まれると判定したときには、販売促進施策の実施日からその販売促進施策の影響が高いと想定される所定期間分のクラスタ販売量を特定する。この期間については、企業の経験や実験により適切な期間が設定されればよい。

例えば、「○○コーヒー」について１１／１に実施された販売促進施策「テレビ広告α」は、１１／１および１１／２における「○○コーヒー」の販売量に大きく影響することとする。このとき、販促販売量特定部６６は、「テレビ広告α」の影響を大きく受けたクラスタ販売量として、クラスタ販売量のうちから１１／１および１１／２のクラスタ販売量を特定する。これを図１９の販促影響分に示している。同図の販促影響分は、図３の１１／１および１１／２における「○○コーヒー」の販売量をエリアクラスタごとに集計したものである。図１５に戻る。

クラスタ販売量補正部６８は、販売促進施策の影響を受けていない販促前販売量に基づいて、クラスタ販売量を補正する。１つの方法としては、販売促進施策の影響を受けたクラスタ販売量を販促前販売量に置き換える。例えば、図１９の販促影響分の値、すなわち１１／１および１１／２の販売量の集計値を、販促前販売量欄の値、ここでは２日分とするために販促前販売量を２倍した値、と置き換える。そして、販売促進施策の影響を受けていないクラスタ販売量、すなわち１０／３０、１０／３１、１１／３の販売量と集計する。このように補正されたクラスタ販売量を図１９の補正後クラスタ販売量に示している。

クラスタ販売量を補正する別の方法では、除去対象の販売促進施策による販促対象商品の販売量増加率を上述した販促効果分析部５０に算出させる。クラスタ販売量補正部６８は、その販売量増加率の値に応じて販売促進施策の影響を受けたクラスタ販売量を補正する。例えば、販売促進施策の影響を受けたクラスタ販売量を販売量増加率で除算して、販売促進施策の影響を受けていないクラスタ販売量と集計してもよい。

クラスタ販売量を補正するさらに別の方法では、クラスタ販売量補正部６８が、販促効果情報保持部２４にアクセスして、除去対象の販売促進施策による販促対象商品の販売量増加率を取得する。クラスタ販売量補正部６８は、その販売量増加率の値に応じて販売促進施策の影響を受けたクラスタ販売量を補正する。例えば、販売促進施策の影響を受けたクラスタ販売量を販売量増加率で除算して、販売促進施策の影響を受けていないクラスタ販売量と集計してもよい。

販売量補正部６０によれば、販売促進施策の影響を受ける商品のクラスタ販売量から販売促進施策による販売量増加分を除去できる。販売促進施策による販売量の増加は一時的な状態であることも多く、その増加分を含む販売量は商品そのものの実力を反映したものではないことも多い。販売量補正部６０により販売促進施策による影響を除去できることで、商品そのものの実力を反映したクラスタ販売量を算出できる。

なお、販売促進施策による影響を除去すべき期間を適切に設定することにより、販売促進施策による急速かつ一時的な販売量増加分については除去できる一方で、商品そのものの実力向上による販売量増加分はクラスタ販売量に残存させられる。すなわち、販売促進施策により商品の知名度が高まることによる販売量増加分については、商品そのものの実力向上による販売量増加と考えられるため除去の対象とすべきではない。このような効果は販売促進施策による影響を除去すべき期間のあとも継続するため、商品そのものの実力向上による販売量増加についてはクラスタ販売量に反映できる。

クラスタ販売量補正部６８により補正されたクラスタ販売量は、後述する商品シェア分析部７０、購買要因分析部８０、販売条件影響分析部１００、リピート率分析部１１０、商品訴求度分析部１２０において使用できる。これにより、各機能ブロックにおいて作成される販売活動支援情報から販売促進施策による販売量増加の影響を除去でき、商品そのものの実力に基づいて販売活動支援情報を作成できる。後述する商品シェア分析部７０において、その具体例を詳述する。図６に戻る。

商品シェア分析部７０：
商品シェア分析部７０は、販売活動支援情報の１つである商品シェア情報を作成する。本実施の形態における商品シェア情報は、商品カテゴリにおいて、ある商品の販売量が占める割合をエリアクラスタごとに示す情報である。図２０は、商品シェア分析部７０の機能構成を示すブロック図である。商品シェア分析部７０は、カテゴリ販売量算出部７２と、占有率算出部７４とを含む。

カテゴリ販売量算出部７２は、商品カテゴリ情報保持部２６にアクセスして商品カテゴリ情報を参照する。そして、クラスタ販売量算出部４４により算出されたクラスタ販売量をエリアクラスタと商品カテゴリとの組み合わせごとに集計して、各エリアクラスタにおける特定の商品カテゴリについて所定期間における販売量（以下、「カテゴリ販売量」と呼ぶ。）を算出する。図２１（ａ）は、カテゴリ販売量算出部７２により算出されたカテゴリ販売量を示す。同図のカテゴリ販売量は、商品カテゴリ「コーヒー」に属する「○○コーヒー」、「△△珈琲」「□□ブレンド」について、図１２のクラスタ販売量をエリアクラスタごとに集計したものである。

また、カテゴリ販売量算出部７２は、上述したクラスタ販売量補正部６８により補正されたクラスタ販売量を集計して、カテゴリ販売量を算出してもよい。図２１（ｂ）は、カテゴリ販売量算出部７２により算出されたカテゴリ販売量を示す。同図のカテゴリ販売量は、「△△珈琲」および「□□ブレンド」については図１２に示すクラスタ販売量を、「○○コーヒー」については図１９の補正後クラスタ販売量をエリアクラスタごとに集計したものである。図２０に戻る。

占有率算出部７４は、各エリアクラスタについてのカテゴリ販売量と、各エリアクラスタにおける各商品のクラスタ販売量との比率を占有率として算出する。例えば、図２１（ａ）のクラスタＡのカテゴリ販売量は「２７９５」であり、図１２の「○○コーヒー」のクラスタ販売量は「１４７５」であるため、占有率は５３％として算出する。図２２（ａ）は、商品カテゴリ「コーヒー」についての各商品の占有率を示す。同図の内容がユーザ端末５００に表示されてもよい。

また、占有率算出部７４は、クラスタ販売量補正部６８により補正されたクラスタ販売量と、補正されたクラスタ販売量を集計したカテゴリ販売量との比率を占有率として算出してもよい。図２２（ｂ）は、商品カテゴリ「コーヒー」についての各商品の占有率を示す。同図では、販売促進施策「テレビ広告α」による販売量増加分を除去した「○○コーヒー」のクラスタ販売量と、それを集計したカテゴリ販売量との比率を示している。同図では、販売促進施策による「○○コーヒー」の販売量増加分が除去されているため、図２２（ａ）と比較すると、「△△珈琲」、「□□ブレンド」の占有率が大きくなっている。

なお、カテゴリ販売量算出部７２は、分析要求検出部１２を介して、ユーザ端末５００から分析対象となる商品の指定データを受信してもよい。このとき占有率算出部７４は、分析対象商品が属する商品カテゴリにおける分析対象商品の占有率を算出し、分析結果出力部１４を介して、ユーザ端末５００に商品シェア情報として送信する。同様に、カテゴリ販売量算出部７２は、ユーザ端末５００から分析対象となる商品カテゴリの指定データを受信してもよい。このとき占有率算出部７４は、分析対象の商品カテゴリにおける各商品の占有率を算出してユーザ端末５００に送信する。

商品シェア分析部７０によれば、商品販売者は商品カテゴリにおける各商品のシェアをエリアクラスタごとに確認できる。すなわち、詳細な競合商品分析を実現する。既述したようにエリアクラスタは消費者像と対応づけられているため、商品販売者は、商品カテゴリにおいて、どの商品がどの消費者に支持されているかを比較検討できる。これにより例えば、商品の仕入れや棚割等について適切な意思決定ができる。また、販売促進施策による販売量増加分が除外されたクラスタ販売量に基づいて占有率を算出することで、商品販売者は、商品そのものの実力による各商品のシェアについても確認できる。図６に戻る。

購買要因分析部８０：
購買要因分析部８０は、販売活動支援情報の１つである購買要因情報を作成する。本実施の形態における購買要因情報は、顧客による商品の購買に影響を及ぼす住民属性を示す情報である。図２３は、購買要因分析部８０の機能構成を示すブロック図である。購買要因分析部８０は、住民属性取得部８２と、住民属性評価部８４とを含む。

住民属性取得部８２は、分析要求検出部１２を介して、ユーザ端末５００から分析対象の商品の指定データを受信する。住民属性取得部８２は、まず、各エリアクラスタにおける分析対象商品の販売量であって、クラスタ販売量算出部４４により算出されたクラスタ販売量を取得する。住民属性取得部８２は、次に、それぞれのクラスタ販売量に対応づけられたエリアクラスタを特定する。住民属性取得部８２は、最後に、エリアクラスタ情報保持部２２にアクセスしてエリアクラスタ情報を参照し、特定したエリアクラスタの住民属性を取得して、それぞれのクラスタ販売量に対応づける。

例えば、分析対象商品「○○コーヒー」についてのクラスタ販売量が図１２で示す状態であるとする。このとき、住民属性取得部８２は、分析対象商品「○○コーヒー」について、クラスタＡにおけるクラスタ販売量「１４７５」と、クラスタＢにおけるクラスタ販売量「９６０」とを取得する。住民属性取得部８２は、図７のエリアクラスタ情報を参照して、クラスタＡの住民属性「３０歳代比率が高い」等をクラスタ販売量「１４７５」と、クラスタＢの住民属性「５０歳代比率が高い」等をクラスタ販売量「９６０」と対応づける。図２３に戻る。

住民属性評価部８４は、各エリアクラスタのクラスタ販売量を比較して、クラスタ販売量が比較的大きなエリアクラスタを特定する。そして、そのエリアクラスタの住民属性を分析対象商品の販売量との相関性が高い住民属性として決定する。例えば、「○○コーヒー」のクラスタ販売量はクラスタＢよりもクラスタＡの方が大きい。したがって、住民属性評価部８４は、クラスタＡの住民属性「３０歳代比率が高い」等を「○○コーヒー」の販売量と相関性が高い住民属性として決定する。住民属性評価部８４は、分析結果出力部１４を介して、分析対象商品の販売量と相関性が高いと決定した住民属性を示す購買要因情報をユーザ端末５００に送信する。

購買要因分析部８０によれば、顧客による商品の購買に影響を及ぼす住民属性を特定できる。すなわち、商品販売者は、購買要因分析部８０により作成される購買要因情報を確認することで、各店舗の顧客の属性に応じて商品の品揃えや棚割を意思決定することにより、商品の販売量を増加させることができる。

次に、分析対象商品と相関性が高い住民属性を決定する変形例を説明する。住民属性取得部８２は、エリアクラスタ情報を参照して、住民属性とともに住民指標値を取得する。住民属性評価部８４は、各エリアクラスタにおけるクラスタ販売量を目的変数とし、各エリアクラスタにおける住民指標値を説明変数とする回帰分析により、各住民指標値がクラスタ販売量に及ぼす影響を回帰係数として算出する。住民属性評価部８４は、ｔ検定やＦ検定等の既知の検定手法と、変数減少法や変数増加法等の既知の選択手法を用いて説明変数の選択をしてもよい。住民属性評価部８４は、回帰係数の絶対値が比較的大きな住民指標値に対応づけられた住民属性を、分析対象商品の販売量と相関性が高い住民属性として決定して、ユーザ端末５００に送信する。

図２４は、住民指標値とクラスタ販売量との関係を例示する。同図の内容が購買要因情報としてユーザ端末５００に表示されてもよい。同図の数値は、上述の回帰分析により算出された回帰係数を示しており、数値が空白の住民指標値は、クラスタ販売量に有意な影響を及ぼさないことを示している。商品販売者は、例えば、「△△珈琲」は所得が低い顧客が購入すること、「○○コーヒー」は子供人数が多い世帯にはあまり購入されない、その一方で「△△珈琲」は子供人数が多い世帯によく購入されていること等をこの結果から確認できる。

この変形例によれば、各商品の販売量と住民属性との相関を詳細に特定できる。すなわち、商品販売者は、各商品が顧客により購買される理由を把握できる。例えば、住民の平均所得が各商品の販売量に与える影響を把握できる。これにより、商品販売者は、主要顧客の平均所得に合致する商品を多く仕入れる等、各店舗における顧客の属性に応じて適切な商品の仕入れや棚割をすることにより、商品の販売量を増加させることができる。図６に戻る。

店舗顧客層分析部９０：
店舗顧客層分析部９０は、販売活動支援情報の１つである店舗顧客層情報を作成する。本実施の形態における店舗顧客層情報は、店舗とエリアクラスタとの組み合わせごとに、店舗の総顧客数に対する各エリアクラスタに居住する顧客数の比率を示す情報である。図２５は、店舗顧客層分析部９０の機能構成を示すブロック図である。店舗顧客層分析部９０は、クラスタ顧客数算出部９２と、クラスタ顧客比率算出部９４とを含む。

クラスタ顧客数算出部９２は、分析要求検出部１２を介して、ユーザ端末５００から分析対象の店舗の指定データを受信する。クラスタ顧客数算出部９２は、店舗顧客情報保持部３０６にアクセスして店舗顧客情報を参照し、店舗とエリアクラスタとの組み合わせごとにエリア顧客数を集計して、各エリアクラスタに居住する顧客数（以下、「クラスタ顧客数」と呼ぶ。）を算出する。例えば図４の「木場店」の場合、クラスタＡのクラスタ顧客数はエリアａの顧客数の「６００」となり、クラスタＣのクラスタ顧客数はエリアｆとエリアｉの顧客数の集計値である「１１５０」となる。なお、実際には、店舗の規模が大きいほど、店舗の顧客が居住するエリアも多数となるため、多数のエリアのエリア顧客数がエリアクラスタごとに集計されて、それぞれのクラスタ顧客数が算出される。

クラスタ顧客比率算出部９４は、店舗とエリアクラスタとの組み合わせごとに、店舗の総顧客数に対するクラスタ顧客数の比率（以下、「クラスタ顧客比率」と呼ぶ。）を算出する。例えば図４の木場店の場合、総顧客数はエリア顧客数欄３３４の値を集計した「２５５０」である。この総顧客数とクラスタＡのクラスタ顧客数「６００」との比率は「２３％」となり、総顧客数とクラスタＣのクラスタ顧客数「１１５０」との比率は「４５％」となる。

図２６（ａ）は、図４の「木場店」のクラスタ顧客比率を示す。図２６（ｂ）は、図４の「葛西店」のクラスタ顧客比率を示す。図２６（ｃ）は、図４の「船橋店」のクラスタ顧客比率を示す。クラスタ顧客比率算出部９４は、分析結果出力部１４を介して、分析対象店舗について、各エリアクラスタのクラスタ顧客比率を示す店舗顧客層情報をユーザ端末５００に送信する。

店舗顧客層分析部９０によれば、分析対象店舗の各エリアクラスタに居住する顧客の比率を算出できる。例えば、商品販売者は、図２６（ａ）から、「木場店」の顧客にはクラスタＣの住民が多いことを確認でき、クラスタＣの住民属性を重視した店舗戦略を「木場店」にて実行することができる。図６に戻る。

販売条件影響分析部１００：
販売条件影響分析部１００は、販売活動支援情報の１つである販売条件影響情報を作成する。本実施の形態における販売条件影響情報は、ある商品の販売条件の設定前後における販売量増加率をエリアクラスタごとに示す情報である。図２７は、販売条件影響分析部１００の機能構成を示すブロック図である。販売条件影響分析部１００は、比較販売量取得部１０２と、感応率評価部１０４とを含む。

比較販売量取得部１０２は、分析要求検出部１２を介して、ユーザ端末５００から分析対象となる商品の指定データを受信する。分析対象商品について、販売条件変更前の期間および販売条件変更後の期間の指定データをユーザ端末５００から受信してもよく、各商品の販売条件変更の日時について、図示しない記憶部に保持されていてもよい。比較販売量取得部１０２は、クラスタ販売量算出部４４により算出された分析対象商品のクラスタ販売量を参照して、販売条件変更前の所定期間のクラスタ販売量（以下、「変更前販売量」と呼ぶ。）と、販売条件変更後の所定期間のクラスタ販売量（以下、「変更後販売量」と呼ぶ。）とを取得する。

図２８（ａ）は、比較販売量取得部１０２により取得された変更前販売量および変更後販売量を示す。同図の変更前販売量および変更後販売量は、クラスタ販売量算出部４４により算出されたクラスタ販売量のうち、分析対象商品「□□ブレンド」の販売条件変更前のクラスタ販売量および販売条件変更後のクラスタ販売量を示している。以下の例では、同図に基づいて説明する。

感応率評価部１０４は、変更前販売量に対する変更後販売量の比率（以下、「販売条件感応率」と呼ぶ。）をエリアクラスタごとに算出する。例えば図２８（ａ）の場合には、クラスタＡからクラスタＤの販売条件感応率は、それぞれ、「１．４１」、「１．１３」、「１．４」、「１．２５」となる。図２８（ｂ）は、感応率評価部１０４により算出された販売条件感応率を示す。感応率評価部１０４は、分析結果出力部１４を介して、各エリアクラスタにおける分析対象商品の販売条件感応率を示す販売条件影響情報をユーザ端末５００に送信する。

感応率評価部１０４は、また、クラスタ顧客比率算出部９４により算出されたクラスタ顧客比率を参照して、販売条件感応率が所定の閾値以上であるエリアクラスタについてのクラスタ顧客比率が所定の閾値以上である店舗を特定する。そして、エリアクラスタと販売条件感応率と店舗とを対応づけて、ユーザ端末５００に送信する。

例えば、販売条件感応率の閾値が「１．４」、クラスタ顧客比率の閾値が「４０％」であるとする。このとき、感応率評価部１０４は、図２８（ｂ）からクラスタＡおよびＣを特定する。そして、図２６（ａ）から（ｃ）にて示すクラスタ顧客比率を参照して、クラスタＡのクラスタ顧客比率が高い店舗として「葛西店」を特定し、クラスタＣのクラスタ顧客比率が高い店舗として「木場店」を特定する。商品販売者は、この結果から、販売条件の変更が特に有効である店舗を確認できる。

販売条件影響分析部１００によれば、各エリアクラスタに居住する顧客について、商品の販売条件に対する感応率を算出できる。商品販売者は、この感応率を確認することで、商品の販売条件を適切に設定しやすくなる。販売条件設定の典型例は商品の価格設定であり、商品販売者は商品の価格戦略についての意思決定が容易になる。また、感応率が高いエリアクラスタとそのエリアクラスタの住人を主要な顧客とする店舗とが対応づけられることにより、商品販売者は、商品の販売条件設定について店舗ごとの戦略立案が容易になる。例えば、ある商品の価格に対する感応率が高いエリアクラスタの住民を主要顧客とする店舗についてのみ、その商品の価格を値下げする等の判断ができる。

リピート率分析部１１０：
リピート率分析部１１０は、販売活動支援情報の１つであるリピート率情報を作成する。本実施の形態のリピート率情報は、各エリアクラスタにおいて同一の顧客に同一の商品を繰り返して販売した割合を示す情報である。図２９は、リピート率分析部１１０の機能構成を示すブロック図である。リピート率分析部１１０は、エリアリピート数取得部１１２と、クラスタリピート数算出部１１４と、リピート率算出部１１６と、リピート率評価部１１８とを含む。

なお、図３で示す商品販売情報には、商品ごとエリアごとに図示しないエリアリピート数がさらに記録されており、所定期間において同一の顧客に商品を繰り返して販売した回数（以下、「エリアリピート数」と呼ぶ。）が記録されている。例えば、図３の１０／３０から１１／３の期間における「△△珈琲」について、エリアａにおけるエリアリピート数、エリアｂにおけるエリアリピート数、・・・が記録されている。なお、エリアリピート数は、同一の顧客であっても異なるタイミングに購入された場合には２回、３回、・・・とカウントされてもよく、同一の顧客であれば何回繰り返し購入されても１回のみカウントされてもよい。

エリアリピート数取得部１１２は、商品販売情報保持部３０４にアクセスして商品販売情報を参照し、エリアと商品との組み合わせごとに所定期間におけるエリアリピート数を取得する。

クラスタリピート数算出部１１４は、エリアクラスタ情報保持部２２にアクセスしてエリアクラスタ情報を参照し、エリアクラスタと商品との組み合わせごとにエリアリピート数を集計する。以下、この集計値を「クラスタリピート数」と呼ぶことにする。例えば、エリアａ、ｂ、ｃについてのエリアリピート数を集計して、クラスタＡについてのクラスタリピート数を算出する。図３０（ａ）は、クラスタリピート数算出部１１４により算出されたクラスタリピート数を示す。同図は、「△△珈琲」についてのクラスタリピート数を示しており、同図のクラスタ販売量は、クラスタ販売量算出部４４により算出されたクラスタ販売量を示している。

リピート率算出部１１６は、分析要求検出部１２を介して、ユーザ端末５００から分析対象の商品の指定データを受信する。リピート率算出部１１６は、分析対象商品についてのクラスタ販売量とクラスタリピート数との比率（以下、「リピート率」と呼ぶ。）を算出する。例えば、分析対象商品「△△珈琲」のクラスタリピート数が図３０（ａ）の状態であるとき、クラスタＡにおける「△△珈琲」のリピート率は「８％」であると算出する。図３０（ｂ）は、リピート率算出部１１６により算出された各エリアクラスタにおけるリピート率を示す。

リピート率評価部１１８は、リピート率算出部１１６により算出された各エリアクラスタにおけるリピート率について、リピート率が比較的大きいエリアクラスタを特定する。リピート率評価部１１８は、例えば、最もリピート率が高いエリアクラスタを特定してもよく、所定の閾値以上のリピート率が算出されたエリアクラスタを特定してもよい。後者の閾値が「２０％」の場合、リピート率評価部１１８は、図３０（ｂ）に示すリピート率からエリアクラスタＢおよびＣを特定する。リピート率評価部１１８は、分析結果出力部１４を介して、特定したエリアクラスタをユーザ端末５００に送信する。

リピート率分析部１１０によれば、エリアクラスタごとにリピート率を算出できる。商品販売者は、どのような属性を有する消費者が商品を繰り返し購入しているかを把握できる。また、主要な顧客の属性に応じて商品の販売戦略について意思決定できる。例えば、リピート率が高いエリアクラスタに居住する住民に対し、ダイレクトメールなどを送付することで、商品の販売量を効果的に増加させることができる。

第１の変形例では、リピート率評価部１１８は、複数のエリアクラスタそれぞれについて、エリアクラスタの人口に対するクラスタ販売量の比率を示す一人あたり販売量（以下、「単位人口販売量」と呼ぶ。）を算出して、リピート率と単位人口販売量とを対応づける。

具体的には、リピート率評価部１１８は、エリアクラスタ情報保持部２２にアクセスしてエリアクラスタ情報を参照し、リピート率が算出されたエリアクラスタの人口を取得する。例えばエリアクラスタ情報が図７で示す状態であるとき、クラスタＡの人口について、エリアａ、ｂ、ｃの人口を集計して「２１５０」を取得する。クラスタＢ、クラスタＣ、クラスタＤについても同様に、「１１５０」、「２０００」、「９００」を取得する。

リピート率評価部１１８は、エリアクラスタごとに単位人口販売量を算出する。例えば、クラスタＡについては、人口が「２１５０」であり、クラスタ販売量が「５０５」であるため、単位人口販売量「０．２３」を算出する。クラスタＢ、クラスタＣ、クラスタＤについても同様に、「０．２７」、「０．０９」、「０．０９」を算出する。リピート率評価部１１８は、リピート率と単位顧客販売量とを対応づけて、分析結果出力部１４を介して、ユーザ端末５００に送信する。

図３１は、リピート率と単位顧客販売量との対応付けを例示する。同図は、「△△珈琲」に対する顧客の購買傾向について、クラスタＡの顧客は単位顧客販売量は大きいもののリピート率は小さい、クラスタＣの顧客は単位顧客販売量は小さいもののリピート率は大きいことを示している。

第１の変形例によれば、商品販売者は、販売量とリピート率の観点から、詳細な販売戦略を意思決定できる。例えば、図３１の結果から、クラスタＡの顧客を主要顧客とする店舗については、「△△珈琲」を発売当初に多く仕入れておき、時間の経過に伴って仕入れ数を大幅に減らすべきであると意思決定できる。また、クラスタＣの顧客を主要顧客とする店舗については、「△△珈琲」の仕入れ量自体は少量でよいが、リピート顧客が多いため「△△珈琲」が品切れにならないように継続して仕入れるべきであると意思決定できる。

第２の変形例では、リピート率評価部１１８は、クラスタ顧客比率算出部９４により算出されたクラスタ顧客比率を参照して、リピート率が所定の閾値以上であるエリアクラスタについてのクラスタ顧客比率が所定の閾値以上である店舗を特定する。そして、リピート率が所定の閾値以上のエリアクラスタと、そのエリアクラスタの住人を主要顧客とする店舗とを対応づけて、ユーザ端末５００に送信する。

第２の変形例によれば、商品販売者は、ある商品のリピート率に応じて店舗ごとの販売戦略を意思決定できる。例えば、ある商品のリピート率が高いエリアクラスタの住人を主要顧客とする店舗については、その商品を現在販売していなければすぐに販売を開始させ、その後もその商品が品切れにならないように継続してチェックする等の意思決定ができる。図６に戻る。

商品訴求度分析部１２０：
商品訴求度分析部１２０は、販売活動情報の１つである商品訴求度情報を作成する。本実施の形態における商品訴求度情報は、ある店舗にて販売される商品と、その店舗の全顧客がその商品をどれだけ支持するかを示す指標値（以下、「商品指標値」と呼ぶ。）とが対応づけられた情報である。図３２は、商品訴求度分析部１２０の機能構成を示すブロック図である。商品訴求度分析部１２０は、分析情報取得部１２２と、分析対象特定部１２４と、クラスタ指標値算出部１２６と、商品指標値算出部１２８とを含む。

分析情報取得部１２２は、分析要求検出部１２を介して、分析対象となる商品および店舗の指定データをユーザ端末５００から受信する。分析情報取得部１２２は、クラスタ販売量算出部４４により算出された分析対象商品のクラスタ販売量と、クラスタ顧客比率算出部９４により算出された分析対象店舗のクラスタ顧客比率とを取得する。

図３３は、分析情報取得部１２２により取得された分析対象商品のクラスタ販売量を示す。同図では、分析対象商品「○○コーヒー」、「△△珈琲」、「□□ブレンド」について、直近の１２月のクラスタ販売量が取得された状態を示している。また、分析情報取得部１２２により取得された分析対象店舗、この例では「木場店」、「葛西店」、「船橋店」のクラスタ顧客比率については図２６（ａ）、図２６（ｂ）、図２６（ｃ）にて示す内容を以下の説明で用いることとする。

分析対象特定部１２４は、分析対象となるエリアクラスタ（以下、「分析対象クラスタ」と呼ぶ。）の顧客による商品の購買実績を示す指標値として、分析対象クラスタにおける分析対象商品のクラスタ販売量を特定する。例えば図３３において、分析対象クラスタ「クラスタＡ」における分析対象商品「○○コーヒー」のクラスタ販売量「１００」を特定する。

分析対象特定部１２４は、また、分析対象店舗の分析対象クラスタについてのクラスタ顧客比率を特定する。例えば、図２６（ａ）において、分析対象店舗「木場店」におけるクラスタＡについてのクラスタ顧客比率「２３％」を特定する。続いて、分析対象特定部１２４は、分析対象商品、分析対象クラスタ、および分析対象店舗の組み合わせごとに、クラスタ販売量とクラスタ顧客比率とを対応づける。上述の例では、分析対象特定部１２４は、特定したクラスタ販売量「１００」とクラスタ顧客比率「２３％」を対応づける。図３２に戻る。

クラスタ指標値算出部１２６は、クラスタ販売量およびクラスタ顧客比率に正相関する所定の評価関数により、分析対象店舗における特定のエリアクラスタに居住する顧客が分析対象商品をどれだけ支持するかを示す指標値（以下、「クラスタ指標値」と呼ぶ。）を算出する。具体的には、分析対象特定部１２４により特定されたクラスタ販売量とクラスタ顧客比率とを上述の評価関数に入力して得られる計算結果をクラスタ指標値とする。上述の評価関数は、既知の計算手法でよいが、以下の例では、クラスタ販売量とクラスタ顧客比率との積算の結果を出力する関数であることとする。

上の例では、「○○コーヒー」の「クラスタＡ」におけるクラスタ販売量「１００」と、分析対象店舗「木場店」における「クラスタＡ」についてのクラスタ顧客比率「２３％」とを評価関数により積算して、クラスタ指標値「２３」を算出する。同様に、クラスタ指標値算出部１２６は、分析対象商品、分析対象クラスタ、および分析対象店舗の組み合わせごとに、クラスタ指標値を算出する。図３４は、クラスタ指標値算出部１２６により算出されたクラスタ指標値を示す。同図において指標値が「−」の部分は、該当の店舗の顧客にそのエリアクラスタの住人がいないことを示している。図３２に戻る。

商品指標値算出部１２８は、クラスタ指標値算出部１２６によりエリアクラスタごとに算出されたクラスタ指標値を分析対象店舗ごとに集計して、分析対象店舗で販売される分析対象商品に対する商品指標値を算出する。例えば図３４では、木場店における「○○コーヒー」のクラスタＡ、Ｂ、Ｃにおけるクラスタ指標値がそれぞれ「２３」、「１６」、「２７０」、「４８」である。このとき、商品指標値算出部１２８はこれらのクラスタ指標値を集計して、木場店における「○○コーヒー」の商品指標値「３５７」を算出する。

商品指標値算出部１２８は、分析結果出力部１４を介して、分析対象商品について、分析対象店舗における商品指標値をユーザ端末５００に送信する。商品指標値算出部１２８は、また、商品指標値情報保持部２８にアクセスして、算出した商品指標値を商品指標値情報に記録する。図１０の商品指標値欄２３４には、上述の例において算出された商品指標値が記録されている。

なお、商品訴求度分析部１２０は、ユーザ端末５００からの要求にかかわらず、クラスタ販売量算出部４４によりクラスタ販売量が算出された商品について、店舗顧客層分析部９０によりクラスタ顧客比率が算出された店舗における商品指標値を算出してもよい。この場合も、商品指標値算出部１２８は、商品指標値情報保持部２８にアクセスして、算出した商品指標値を商品指標値情報に記録する。

商品訴求度分析部１２０により算出される商品指標値が、分析対象店舗の全顧客が分析対象商品をどれだけ支持するかを示す指標値となる理由を説明する。上述したように商品指標値を算出するための入力データは、分析対象商品のクラスタ販売量と、分析対象店舗のクラスタ顧客比率である。クラスタ販売量は、各エリアクラスタにおいて分析対象商品が販売された実績を示しており、分析対象商品に対する各エリアクラスタに居住する顧客の支持の大きさを示す指標値である。一方で、クラスタ顧客比率は、分析対象店舗の総顧客に占める各エリアクラスタに居住する顧客の割合を示しており、各エリアクラスタの顧客の購買行動が分析対象店舗に及ぼす影響の大きさを示す指標値である。

クラスタ販売量およびクラスタ顧客比率に正相関する評価関数により算出されたクラスタ指標値は、一のエリアクラスタについて、クラスタ販売量が大きいほど大きくなり、また、クラスタ顧客比率が大きいほど大きくなる。このことから、クラスタ指標値は、分析対象商品に対する一のエリアクラスタに居住する顧客の支持の大きさが分析対象店舗に及ぼす影響の大きさを示す指標値であるといえる。したがって、クラスタ指標値を集計した商品指標値は、分析対象店舗の全顧客が分析対象商品をどれだけ支持するかを示す指標値となる。

商品訴求度分析部１２０により算出される商品指標値により、商品販売者は、分析対象店舗における分析対象商品間について顧客の支持の大きさを比較でき、各商品の仕入れ量や棚割について適切な意思決定が可能となる。例えば、商品指標値が図１０の状態であるとき、商品販売者は「葛西店」について、仕入れ量や棚割で優先すべき順序は、「□□ブレンド」、「△△珈琲」、「○○コーヒー」の順であると意思決定できる。

また、商品指標値の入力であるクラスタ販売量は、各店舗における販売量がエリアクラスタごとに集計されたものであるため、分析対象店舗以外の店舗の販売実績から取得できるものである。したがって、分析対象商品を分析対象店舗にて販売していないときでも、商品指標値を算出できる。例えば、商品指標値が図１０の状態で、船橋店では「○○コーヒー」を販売していないとする。このとき、商品販売者は、船橋店で「○○コーヒー」を販売することで、「□□ブレンド」以上に顧客から支持される可能性が高いことを把握でき、「○○コーヒー」を仕入れる意思決定ができる。

店舗にて販売される商品がどれだけ顧客に指示されているかを特定する従来の方法は、顧客に対しアンケートを実施することであった。しかし、多数の顧客にアンケートを実施するのでは費用が高騰するため、アンケート数は少数となるのが一般的であり、アンケート結果は、少数の回答者の主観を強く反映したものになりがちであった。また、人手を介するため時間がかかってしまっていた。商品訴求度分析部１２０によれば、クラスタ販売量とクラスタ顧客比率という客観データに基づいて精度の高い商品指標値を短時間で算出できる。図６に戻る。

商品訴求度補正部１３０：
商品訴求度補正部１３０は、分析対象商品についてのクラスタ販売量の推移に基づいて、その商品の将来の販売傾向が反映された商品指標値が算出されるようにクラスタ指標値を補正する。図３５は、商品訴求度補正部１３０の機能構成を示すブロック図である。商品訴求度補正部１３０は、販売量傾向算出部１３２と、指標値補正部１３４とを含む。

販売量傾向算出部１３２は、分析対象商品についてのクラスタ販売量の推移に基づいて、その商品の発売日からの時間経過に伴うクラスタ販売量の変化率をエリアクラスタごとに算出する。具体的には、販売量傾向算出部１３２は、クラスタ販売量算出部４４により算出されたクラスタ販売量であって、分析対象商品の発売日から分析時点までの所定期間ごとのクラスタ販売量を取得する。図３６は、販売量傾向算出部１３２により取得されたクラスタ販売量の推移を示す。同図は、分析対象商品である「△△珈琲」、「□□ブレンド」について、クラスタ販売量算出部４４により算出された１０月から１２月までのクラスタ販売量の推移を示している。なお、どちらの分析対象商品についても１０月に発売を開始したものとする。

販売量傾向算出部１３２は、分析対象商品についてのクラスタ販売量の推移から、クラスタ販売量の変化率をエリアクラスタごとに算出する。変化率は既知の手法により求められてよいが、商品の販売量は時間の経過に伴って減少するのが一般的であるため、典型的には、０＜変化率＜１の値を取る。ここでは、販売量傾向算出部１３２は、図３６に示すクラスタ販売量の変化率を漸化式により算出することとする。図３６の場合、「△△珈琲」についてクラスタＡにおける漸化式は、公比が「０．９」の等比数列であるため、販売量傾向算出部１３２は、「△△珈琲」のクラスタＡにおける変化率を「０．９」として算出する。

図３７（ａ）は、クラスタ指標値とクラスタ販売量の変化率とを示す。同図の補正前クラスタ指標値は、クラスタ指標値算出部１２６により算出された「木場店」における分析対象商品のクラスタ指標値を示しており、図３４の木場店クラスタ指標値の値と同じである。図３７（ａ）の変化率は、図３６で示すクラスタ販売量の推移に基づいて、販売量傾向算出部１３２により算出されたクラスタ指標値の変化率を示している。図３５に戻る。

指標値補正部１３４は、分析対象商品について、販売量傾向算出部１３２により算出された変化率に応じて、クラスタ指標値算出部１２６により算出されたクラスタ指標値を調整する。ここでは、指標値補正部１３４は、クラスタ指標値とクラスタ販売量の変化率とを積算することにより、クラスタ指標値を補正することとする。例えば、「△△珈琲」のクラスタＡにおけるクラスタ指標値「４６」と、クラスタ販売量の変化率「０．９」とを積算して、クラスタ指標値を「４１」に補正する。

図３７（ａ）の補正後クラスタ指標値欄は、指標値補正部１３４により補正されたクラスタ指標値を示している。同図は、クラスタ販売量について時間経過に伴う減少が大きいエリアクラスタほど、そのエリアクラスタのクラスタ指標値が小さくなるように、クラスタ指標値が補正されていることを示している。

商品訴求度分析部１２０の商品指標値算出部１２８は、指標値補正部１３４により補正されたクラスタ指標値を集計することで、商品指標値を算出する。図３７（ｂ）は、補正前の商品指標値と、補正後の商品指標値とを示す。同図の補正前商品指標値は、図３７（ａ）の補正前クラスタ指標値を集計したものであり、補正後商品指標値は、図３７（ｂ）の補正後クラスタ指標値を集計したものである。

商品訴求度補正部１３０によれば、分析対象商品の将来の販売傾向が反映された商品指標値が商品指標値算出部１２８において算出されるように、クラスタ指標値を補正できる。これにより商品販売者は、商品の仕入れや棚割について、さらに適切な意思決定ができる。例えば、現時点において減少率が大きい商品は将来の減少傾向も比較的大きいと考えられる。商品訴求度補正部１３０は、減少傾向が大きい商品ほど商品指標値が小さくなるように補正することで、商品指標値を商品販売者にとってさらに有用な指標値とする。

図３７（ｂ）の補正前商品指標値が示された場合、商品販売者は、仕入れや棚割において「□□ブレンド」を優先するように意思決定しやすくなる。しかし、将来の販売傾向が反映された補正後商品指標値が示されることにより、商品販売者は、将来の販売傾向を踏まえた上で、「△△珈琲」を優先するように意思決定できる。図６に戻る。

店舗販売量予測部１４０：
店舗販売量予測部１４０は、販売活動支援情報の１つである店舗販売量予測情報を作成する。本実施の形態における店舗販売量予測情報は、ある店舗における商品について予測される販売量（以下、「見込み販売量」と呼ぶ。）を示す情報である。図３８は、店舗販売量予測部１４０の機能構成を示すブロック図である。店舗販売量予測部１４０は、単位販売量取得部１４２と、相関度分析部１４４と、見込み販売量算出部１４６とを含む。

図３９は、各店舗における見込み販売量を示す。同図は、各店舗における「○○コーヒー」の見込み販売量およびその算出に関連するデータを示しており、以下の例では同図を参照して説明する。

単位販売量取得部１４２は、複数の店舗それぞれにおける商品の販売量の指標値であり、各店舗の顧客一人あたりへの販売量（以下、「単位顧客販売量」と呼ぶ。）を取得する。具体的には、単位販売量取得部１４２は、まず、店舗顧客情報保持部３０６にアクセスして店舗顧客情報を参照し、各店舗についての総顧客数を取得する。店舗顧客情報が図４に示す状態であるとき、単位販売量取得部１４２は、店舗ごとにエリア顧客数欄３３４を合算して、各店舗の総顧客数を取得する。次に、単位販売量取得部１４２は、また、店舗販売情報保持部３０８にアクセスして店舗販売情報を参照し、所定期間における商品販売量を取得する。ここでは、図５の店舗販売情報について、各店舗における「○○コーヒー」について１２月の販売量を取得することとする。

単位販売量取得部１４２は、最後に、各店舗についての総顧客数と各店舗における商品販売量との比率を算出することにより、単位顧客販売量を算出する。例えば、「木場店」における総顧客数は「２５５０」であり、「○○コーヒー」の１２月の販売量は「２５５」であるため、この場合の単位顧客販売量は「０．１」となる。図３９の単位顧客販売量は、単位販売量取得部１４２により算出された各店舗における「○○コーヒー」の単位顧客販売量を示している。なお、単位顧客販売量に値がない「幕張店」および「秋田店」は、「○○コーヒー」を販売していないことを示している。図３８に戻る。

相関度分析部１４４は、商品指標値情報保持部２８にアクセスして商品指標値情報を参照し、各店舗における商品の商品指標値を取得し、また、各店舗における商品について単位販売量取得部１４２が算出した単位顧客販売量を取得する。図３９の商品指標値は、各店舗における「○○コーヒー」の商品指標値である。

相関度分析部１４４は、次に、商品の商品指標値と単位顧客販売量とをそれぞれ、説明変数、目的変数として、複数の店舗それぞれにおける商品指標値と単位顧客販売量とから回帰分析手法により、商品の商品指標値と単位顧客販売量との相関の大きさを示す回帰式を算出する。

例えば、相関度分析部１４４は、図３９の「木場店」、「葛西店」、「船橋店」における商品指標値と単位販売量とを回帰分析することで、以下の回帰式を算出する。
単位販売量 ＝ ０．０００２ × 商品指標値 ＋ ０．０２３１
この回帰式における回帰係数「０．０００２」は商品指標値が単位販売量に及ぼす影響の大きさを示している。なお、この例では、商品指標値のみを説明変数とする単回帰分析を示したが、相関度分析部１４４は、住民指標値やその他の統計情報等、複数の説明変数を加えて重回帰分析をしてもよく、既述した変数選択が実施されてもよい。図３８に戻る。

見込み販売量算出部１４６は、分析要求検出部１２を介して、特定の商品（以下、「予測対象商品」と呼ぶ。）の販売量を予測する対象となる店舗（以下、「予測対象店舗」と呼ぶ。）の指定データをユーザ端末５００から受信する。見込み販売量算出部１４６は、商品指標値情報保持部２８にアクセスして商品指標値情報を参照し、予測対象店舗における予測対象商品についての商品指標値を取得する。

見込み販売量算出部１４６は、次に、予測対象店舗における商品指標値を相関度分析部１４４により算出された回帰式に入力して、予測対象店舗における予測対象商品の単位顧客販売量（以下、「見込み単位販売量」と呼ぶ。）を算出する。図３９の見込み単位販売量は、各店舗における○○コーヒーの商品指標値を上述の回帰式に入力することにより得られた見込み単位販売量を示している。

見込み販売量算出部１４６は、見込み単位販売量を基に、予測対象店舗における予測対象商品の販売量（以下、「見込み販売量」と呼ぶ。）を算出する。ここでは、予測対象店舗の総顧客数と予測対象商品についての見込み単位販売量とを積算することにより、見込み販売量を算出することとする。図３９の見込み販売量は、各店舗における○○コーヒーの見込み単位販売量と、図４の各店舗における総顧客数との積算結果を示している。なお、「幕張店」の総顧客数は「５０００」、「秋田店」の総顧客数は「１０００」であるとしている。

見込み販売量算出部１４６は、分析結果出力部１４を介して、予測対象店舗における予測対象商品についての見込み販売量をユーザ端末５００に送信する。図４０は、各店舗における販売量の実績と見込みとを対応づけて示す。同図における無地の販売量は、各店舗における「○○コーヒー」の販売量実績を示し、斜線の販売量は、各店舗における「○○コーヒー」の見込み販売量を示している。

商品の販売量を予測する従来の方法は、サンプル店舗において予測対象商品を実際に販売して、その販売傾向から他店における販売量を予測するものであった。しかし、サンプル店舗を少数・販売期間を短期間にしたのでは分析の精度が低く、その精度を高めるためにサンプル店舗を多数・販売期間を長期間にしたのでは時間および調査費用が高騰してしまう問題があった。店舗販売量予測部１４０によれば、商品指標値に基づいて見込み販売量を算出することにより、妥当な販売予測を短時間で実現する。

店舗販売量予測部１４０により妥当な見込み販売量を算出できる理由を説明する。上述したように、店舗販売量予測部１４０は、まず、商品指標値と単位顧客販売量との相関を示す回帰式を算出する。商品指標値は、各店舗の顧客が予測対象商品をどれだけ支持するかを示す指標値である。一方で、単位顧客販売量は、各店舗の総顧客数に対する各店舗における予測対象商品の販売量の比率である。予測対象商品を販売した各店舗についての商品指標値および単位販売量の組はそれぞれ対等に扱えるため、回帰分析により、指標値としての商品指標値と、実績値としての単位顧客販売量との相関を示す回帰式が算出できる。

店舗販売量予測部１４０は、次に、予測対象商品について算出した回帰式に、予測対象店舗の商品指標値を入力することで、見込み単位販売量を算出する。見込み単位販売量は顧客一人あたりの値であるため、予測対象店舗の総顧客数と積算することで見込み販売量が算出できることになる。この見込み販売量は、他店での販売実績を示すクラスタ販売量を予測対象店舗のクラスタ顧客比率に基づき反映したものである。また、同一のエリアクラスタには同様の生活環境や考え方を有する住人が居住している。したがって、見込み販売量は、他店での販売実績を踏まえれば、予測対象店舗においても実現できる販売量であるといえる。

また、既述したように商品指標値は実績に基づく客観データから算出された指標値であり、単位顧客販売量も実績に基づく客観データである。したがって、複数の店舗での販売実績に基づくために精度が高く、また、短時間での算出が実現される。

さらに、店舗販売量予測部１４０によれば、商品販売者は、図４０の「木場店」、「葛西店」、「船橋店」で示すように、実際の販売実績と見込み販売量とを比較できる。これにより商品販売者は、「船橋店」における「○○コーヒー」の販売量を増加できることを把握でき、販売促進施策等の販売活動を「船橋店」に対して実行する意思決定ができる。

さらにまた、図４０で示すように、「○○コーヒー」を販売していない「幕張店」、「秋田店」についても見込み販売量を商品販売者に提供できる。これにより商品販売者は、例えば「幕張店」でも「○○コーヒー」を販売するように意思決定できる。すなわち、商品販売者は、商品を販売すべき適切な店舗を特定し、その店舗に適切な量だけ商品を仕入れることができる。

以上、本発明を実施の形態をもとに説明した。この実施の形態は例示であり、それらの各構成要素や各処理プロセスの組合せにいろいろな変形例が可能なこと、またそうした変形例も本発明の範囲にあることは当業者に理解されるところである。

請求項に記載の各構成要件が果たすべき機能は、本実施例において示された各機能ブロックの単体もしくはそれらの連係によって実現されることも当業者には理解されるところである。

本実施の形態における販売情報分析システムの構成を示す図である。 販促実績情報のデータ構造を示す図である。 商品販売情報のデータ構造を示す図である。 店舗顧客情報のデータ構造を示す図である。 店舗販売情報のデータ構造を示す図である。 図１の販売情報分析装置の機能構成を示すブロック図である。 エリアクラスタ情報のデータ構造を示す図である。 販促効果情報のデータ構造を示す図である。 商品カテゴリ情報のデータ構造を示す図である。 商品指標値情報のデータ構造を示す図である。 エリア販売量取得部により取得されたエリア販売量を示す図である。 クラスタ販売量算出部により算出されたクラスタ販売量を示す図である。 販促効果分析部の機能構成を示すブロック図である。 販促販売量取得部により取得された販促前販売量と販促後販売量を示す図である。 販促販売量集計部により集計された販促前販売量および販促後販売量を示す図である。 販売促進施策による販促対象商品の各エリアクラスタにおける販売量増加率を示す図である。 販売量補正部の機能構成を示すブロック図である。 販促実績情報のデータ構造を示す図である。 商品販売情報のデータ構造を示す図である。 販促販売量取得部により取得された販促前販売量と販促後販売量を示す図である。 販促販売量補正部により補正された販促後販売量を示す図である。 販売量補正部による補正後のクラスタ販売量を示す図である。 商品シェア分析部の機能構成を示すブロック図である。 カテゴリ販売量算出部により算出されたカテゴリ販売量を示す図である。 カテゴリ販売量算出部により算出されたカテゴリ販売量を示す図である。 商品カテゴリ「コーヒー」についての各商品の占有率を示す図である。 商品カテゴリ「コーヒー」についての各商品の占有率を示す図である。 購買要因分析部の機能構成を示すブロック図である。 住民指標値とクラスタ販売量との関係を例示する図である。 店舗顧客層分析部の機能構成を示すブロック図である。 図４の「木場店」のクラスタ顧客比率を示す図である。 図４の「葛西店」のクラスタ顧客比率を示す図である。 図４の「船橋店」のクラスタ顧客比率を示す図である。 販売条件影響分析部の機能構成を示すブロック図である。 比較販売量取得部により取得された変更前販売量および変更後販売量を示す図である。 感応率評価部により算出された販売条件感応率を示す図である。 リピート率分析部の機能構成を示すブロック図である。 クラスタリピート数算出部により算出されたクラスタリピート数を示す図である。 リピート率算出部により算出された各エリアクラスタにおけるリピート率を示す図である。 リピート率と単位顧客販売量との対応付けを例示する図である。 商品訴求度分析部の機能構成を示すブロック図である。 分析情報取得部により取得された分析対象商品のクラスタ販売量を示す。 クラスタ指標値算出部により算出されたクラスタ指標値を示す図である。 商品訴求度補正部の機能構成を示すブロック図である。 販売量傾向算出部により取得されたクラスタ販売量の推移を示す図である。 クラスタ指標値とクラスタ販売量の変化率とを示す図である。 補正前の商品指標値と、補正後の商品指標値とを示す図である。 店舗販売量予測部の機能構成を示すブロック図である。 各店舗における見込み販売量を示す。 各店舗における販売量の実績と見込みとを対応づけて示す図である。

符号の説明

１ 販売情報分析装置、 １０ ユーザインタフェース処理部、 １２ 分析要求検出部、 １４ 分析結果出力部、 ２０ データ保持部、 ２２ エリアクラスタ情報保持部、 ２４ 販促効果情報保持部、 ２６ 商品カテゴリ情報保持部、 ２８ 商品指標値情報保持部、 ４０ データ処理部、 ４２ エリア販売量取得部、 ４４ クラスタ販売量算出部、 ５０ 販促効果分析部、 ５２ 販促販売量取得部、 ５４ 販促販売量集計部、 ５６ 販促効果算出部、 ６０ 販売量補正部、 ６２ 販促効果取得部、 ６４ 販促販売量補正部、 ６６ 販促販売量特定部、 ６８ クラスタ販売量補正部、 ７０ 商品シェア分析部、 ７２ カテゴリ販売量算出部、 ７４ 占有率算出部、 ８０ 購買要因分析部、 ８２ 住民属性取得部、 ８４ 住民属性評価部、 ９０ 店舗顧客層分析部、 ９２ クラスタ顧客数算出部、 ９４ クラスタ顧客比率算出部、 １００ 販売条件影響分析部、 １０２ 比較販売量取得部、 １０４ 感応率評価部、 １１０ リピート率分析部、 １１２ エリアリピート数取得部、 １１４ クラスタリピート数算出部、 １１６ リピート率算出部、 １１８ リピート率評価部、 １２０ 商品訴求度分析部、 １２２ 分析情報取得部、 １２４ 分析対象特定部、 １２６ クラスタ指標値算出部、 １２８ 商品指標値算出部、 １３０ 商品訴求度補正部、 １３２ 販売量傾向算出部、 １３４ 指標値補正部、 １４０ 店舗販売量予測部、 １４２ 単位販売量取得部、 １４４ 相関度分析部、 １４６ 見込み販売量算出部、 ２００ エリアクラスタ欄、 ２０２ エリア欄、 ２０４ 人口欄、 ２０６ 住民属性欄、 ２０８ 住民指標値欄、 ２１０ 販促欄、 ２１２ 対象商品欄、 ２１４ エリアクラスタ欄、 ２１６ 販売量増加率欄、 ２２０ 商品カテゴリ欄、 ２２２ 商品欄、 ２３０ 店舗欄、 ２３２ 商品欄、 ２３４ 商品指標値欄、 ３００ 販売情報保持装置、 ３０２ 販促実績情報保持部、 ３０４ 商品販売情報保持部、 ３０６ 店舗顧客情報保持部、 ３０８ 店舗販売情報保持部、 ３１０ 販促欄、 ３１２ 対象商品欄、 ３１４ 実施日欄、 ３２０ 商品欄、 ３２２ エリア欄、 ３２４ 単位期間販売量欄、 ３３０ 店舗欄、 ３３２ エリア欄、 ３３４ エリア顧客数欄、 ３４０ 店舗欄、 ３４２ 商品欄、 ３４４ 単位期間販売量欄、 ４００ ＬＡＮ、 ５００ ユーザ端末、 ５００ａ 第１のユーザ端末、 ５００ｂ 第２のユーザ端末、 ５００ｃ 第３のユーザ端末、 １０００ 販売情報分析システム。

Claims (4)

1. 地理的に区画された複数のエリアに関し、住民に関する属性が類似するエリアのグループであるエリアクラスタと各エリアとの対応関係を示すエリアクラスタ情報を保持するエリアクラスタ情報保持部と、
   エリアと商品との組み合わせごとに、前記エリアにおける前記商品の所定期間における販売量であるエリア販売量を取得するエリア販売量取得部と、
   エリアクラスタと商品との組み合わせごとに前記エリア販売量を集計して、前記エリアクラスタにおける前記商品の所定期間における販売量であるクラスタ販売量を算出するクラスタ販売量算出部と、
   店舗と、各エリアにおける前記店舗の顧客数を示すエリア顧客数とを対応づけた店舗情報を保持する店舗情報保持部と、
   店舗とエリアクラスタとの組み合わせごとに前記エリア顧客数を集計して、前記エリアクラスタにおける前記店舗の顧客数であるクラスタ顧客数を算出するクラスタ顧客数算出部と、
   店舗とエリアクラスタとの組み合わせごとに、前記店舗の総顧客数に対する前記エリアクラスタにおける前記店舗のクラスタ顧客数の比率をクラスタ顧客比率として算出するクラスタ顧客比率算出部と、
   店舗で販売される商品に対する顧客の支持を分析するために、分析の対象となる商品の入力を検出する分析要求検出部と、
   前記商品が販売された複数のエリアクラスタそれぞれにおける前記商品のクラスタ販売量を取得するクラスタ販売量取得部と、
   分析の対象となる店舗について、前記複数のエリアクラスタそれぞれにおける前記店舗のクラスタ顧客比率を取得するクラスタ顧客比率取得部と、
   分析の対象となるエリアクラスタの顧客による前記商品の購買実績を示す指標値として、前記エリアクラスタにおける前記商品のクラスタ販売量を特定する販売実績特定部と、
   前記顧客が前記店舗の全顧客に占める割合を示す、前記店舗の前記エリアクラスタについてのクラスタ顧客比率を特定する顧客比率特定部と、
   前記特定されたクラスタ販売量およびクラスタ顧客比率と正相関する所定の評価関数により、前記店舗で販売される前記商品に対する前記顧客の支持の大きさを示す指標値であるクラスタ指標値を算出するクラスタ指標値算出部と、
   エリアクラスタごとに算出されたクラスタ指標値を集計して、前記店舗の全顧客が前記店舗にて販売される前記商品をどれだけ支持するかを示す指標値である商品指標値を算出する商品指標値算出部と、
   前記算出された商品指標値を外部装置に出力する分析結果出力部と、
   を備えることを特徴とする販売情報分析装置。
2. 販売促進施策の実施日時と、前記販売促進施策の対象となる商品とを対応づけた販促実績情報を保持する販促実績情報保持部と、
   前記販売促進施策の実施前の単位期間あたりにおける前記商品の販売量を販促前販売量として、複数のエリアそれぞれについて販促前販売量を取得する販促販売量取得部と、
   複数のエリアクラスタのそれぞれについて前記取得された販促前販売量を集計する販促販売量集計部と、
   前記クラスタ販売量算出部により算出されたクラスタ販売量に関し、前記クラスタ販売量の計測期間中に、前記クラスタ販売量に対応づけられるエリアクラスタを対象とした販売促進施策の実施日時が含まれるときには、前記クラスタ販売量のうち前記実施日時から前記販売促進施策の影響が高いと想定される所定の影響期間分のクラスタ販売量を特定する販促販売量特定部と、
   前記クラスタ販売量に対応づけられるエリアクラスタについての販促前販売量の集計値に基づいて前記影響期間分のクラスタ販売量を補正することにより、前記クラスタ販売量から前記販売促進施策の効果を除去したクラスタ販売量として新たなクラスタ販売量を算出するクラスタ販売量補正部と、
   をさらに備え、
   前記販売実績特定部は、前記分析の対象となるエリアクラスタにおける前記分析の対象となる商品についての新たなクラスタ販売量を前記購買実績を示す指標値として特定し、
   前記クラスタ指標値算出部は、前記新たなクラスタ販売量および前記クラスタ顧客比率と正相関する所定の評価関数により、クラスタ指標値を算出し、
   前記商品指標値算出部は、前記新たなクラスタ販売量に基づくクラスタ指標値を集計することにより、前記販売促進施策の効果を除去した商品指標値を算出することを特徴とする請求項１に記載の販売情報分析装置。
3. 前記分析の対象となる商品についてのクラスタ販売量の推移に基づいて、前記商品の発売日からの時間経過に伴う前記クラスタ販売量の変化率をエリアクラスタごとに算出する販売量傾向算出部と、
   前記商品の過去の販売傾向をもとに予測される将来の販売傾向を商品指標値に反映させるために、エリアクラスタごとに算出されたクラスタ指標値を前記変化率に応じて補正する指標値補正部と、
   をさらに備え、
   前記商品指標値算出部は、前記補正されたクラスタ指標値を集計することにより、将来の販売傾向が反映された商品指標値を算出することを特徴とする請求項１または２に記載の販売情報分析装置。
4. 複数の店舗と、各店舗における一の商品の商品指標値とが対応づけられた商品指標値情報を保持する商品指標値情報保持部と、
   前記複数の店舗それぞれにおける前記商品の販売量の指標値であり、各店舗の顧客一人あたりの前記商品の販売量を単位販売量として取得する単位販売量取得部と、
   前記商品の商品指標値と単位販売量とをそれぞれ説明変数、目的変数として、前記複数の店舗それぞれにおける商品指標値と単位販売量とから回帰分析手法により、前記商品の商品指標値と単位販売量との相関の大きさを示す回帰式を算出する相関度分析部と、
   一の店舗における前記商品の販売量を予測するために、分析の対象となる店舗の入力を検出する販売量予測要求検出部と、
   前記商品指標値情報を参照して、前記店舗における前記商品の商品指標値を取得し、この商品指標値を前記回帰式に入力することにより、前記店舗における前記商品の単位販売量を算出し、当該単位販売量を基に前記店舗における前記商品の販売量を見込み販売量として算出する見込み販売量算出部と、
   前記算出された見込み販売量を外部装置に出力する販売量予測結果出力部と、
   をさらに備えることを特徴とする請求項１から３のいずれかに記載の販売情報分析装置。

Images