JP2009205365A - 商品の在庫管理および販売の最適化システム、その最適化方法、及びその最適化プログラム - Google Patents

商品の在庫管理および販売の最適化システム、その最適化方法、及びその最適化プログラム Download PDF

Info

Publication number
JP2009205365A
JP2009205365A JP2008046098A JP2008046098A JP2009205365A JP 2009205365 A JP2009205365 A JP 2009205365A JP 2008046098 A JP2008046098 A JP 2008046098A JP 2008046098 A JP2008046098 A JP 2008046098A JP 2009205365 A JP2009205365 A JP 2009205365A
Authority
JP
Japan
Prior art keywords
product
sales
information
classification
impression
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.)
Pending
Application number
JP2008046098A
Other languages
English (en)
Inventor
Eiji Hirao
英司 平尾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC Corp
Original Assignee
NEC Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by NEC Corp filed Critical NEC Corp
Priority to JP2008046098A priority Critical patent/JP2009205365A/ja
Publication of JP2009205365A publication Critical patent/JP2009205365A/ja
Pending legal-status Critical Current

Links

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

【課題】品揃えの際に顧客の商品への印象の相違による商品の分類に基づき、印象の異なる商品分類のそれぞれから品揃えする商品を選択し、店舗に用意する商品の種類の数を増加させずに主観的な品揃え感を醸成することで、新たな陳列スペースを要求せずに商品の購買意欲を向上させる商品販売を可能にする、商品の在庫管理および販売の最適化システム、その最適化方法及びその最適化プログラムを提供する。
【解決手段】商品印象分析部３０は、任意の商品カテゴリに属する複数の商品のそれぞれに対する複数の顧客の印象を質問項目毎の評点データで表す商品印象情報を参照し、各商品の質問項目毎の評点データの構成が類似している商品同士を同じ商品分類とするようにクラスタリングすることで各商品の所属を示す商品分類情報を抽出する。販売管理最適化部４０は、商品分類情報に基づき各商品分類からそれぞれ商品を選出することで、品揃えする商品の組み合わせの選出を行なう。
【選択図】図１４

Description

本発明は、商品の在庫管理および販売の最適化システム、その最適化方法、及びその最適化プログラムに関する。
マーケティングの分野などでは、店舗における品揃えの良い状況の方が集客力および客の購買意欲が高まるとされており、多くの小売にとって、客に品揃えの充実感を与えることが重要な販売手段となっている。このため、多くの小売では店舗の棚に可能な限り多くの種類の商品を陳列し、またサプライチェーンマネジメントの導入などにより棚に欠品が発生させないような対策が行なわれている。
関連する商品の在庫管理および販売を最適化する方法及びシステムの一例が、特許文献１に記載されている。この公報には、陳列棚の背板を下段になるに従って前面側に張り出すようにし、また棚本体を設置した際、角度を調整可能になるように適宜の角度を付けたフックを設け、さらに端部にストッパを設けた棚を階段状に複数段棚板を設けることで、上段から下段まで、多品種、多数の商品を目線に従った陳列角度の理想的な陳列形態にでき、さらに従来の１段で奥にいくつも並べる陳列とは違って、２段以上に並べられる棚板になったことにより、商品の豊実感が得られるようにする陳列棚が記載されている。
また、関連する商品の在庫管理および販売を最適化する方法及びシステムの別の例が、特許文献２に記載されている。この公報には、自動車の販売予測において、顧客の購入動機及び趣味等の嗜好性を加味した情報を含む購入アンケートに基づく顧客分類と、販売中もしくは販売を予定している車両の仕様、諸元に基づく車両分類と、過去の販売実績を利用することで、顧客分類と車両分類の組み合わせ毎の嗜好の強弱である購入実現率を算出し、さらに販売を予定している車両が属する車両分類の各車両への評価に基づくシェア予測と組み合わせることで、新車の販売台数の予測を可能にする商品販売数予測システムが記載されている。
また、関連する商品の在庫管理および販売を最適化する方法及びシステムの別の例が、特許文献３に記載されている。この公報には、多数の種類の商品に関する商品情報と、それら商品の購入者から収集した商品評価情報とを、アクセスしてきた利用者のさまざまな立場に合せて合理的に検索閲覧してもらえるようにする、商品情報サービスシステムが記載されている。
また、関連する商品の在庫管理および販売を最適化する方法及びシステムの別の例が、特許文献４に記載されている。この公報には、商品注文時に、販売管理装置の操作者は、第１入力装置を用いて販売するべき単品商品またはセットを選択し、販売管理装置の処理装置は、選択されたセットを構成する商品のうちのいずれか１つまたは選択された商品を付帯情報の判断対象として選択し、判断対象の商品に対する付帯情報の選択肢のうちのいずれか１つを、第１または第２入力装置を用いて操作者に選択させ、選択された選択肢を、判断対象の商品の識別子に対応付けて、ＲＡＭのワークメモリに記憶させ、商品の販売個数は、選択された付帯情報に基づいて分類されて、ＲＡＭ３２の販売実績メモリに記憶される、販売管理装置が記載されている。
また、関連する商品の在庫管理および販売を最適化する方法及びシステムの別の例が、特許文献５に記載されている。この公報には、販売店とアパレル企業とメーカーに等にクライアントコンピュータを設置して、販売商品の売れ筋化及び商品在庫の最適化等の実現に有効な情報をそれらの企業のクライアントコンピュータを通じてサーバーに送信してサーバー集中処理して、得られる情報をそれらの企業の活動に有効利用している、アパレル商品の電子取引システムが記載されている。
特開平６−１９７８２８号公報 特開２０００−２００２６０号公報 特開２０００−２０７３８３号公報 特開２００１−０６７５５３号公報 特開平１０−２３２８９８号公報
上述した特許文献１に記載の陳列棚においては、商品の品種を増加させるための新たな陳列スペースの確保が負担となりやすく、また実際の店舗の場合は商品の種類の数を増加させると、売れ残りや過剰在庫を増加させることがあるということである。その理由は、実際の店舗では商品の陳列スペースは限られており、またＷｅｂ上の販売サイトの様な物理的な空間の制約が無い場合でも、一つの画面上に大量の商品情報を提示することは見やすさを損ない、複数の画面に商品情報を分散させると目的の商品を探す労力や画面切り替えの手間などが増加してしまう結果となり、いずれも閲覧意欲を削ぐ原因となることから、スペースの制約は存在するためである。また、商品を多品種にすると商品毎の販売量減少とこれに伴う各商品の販売量のバラつきの増大が起こりやすくなるため、販売量の予測が難しく、それぞれの品種について欠品を生まないようにするためには在庫率を少品種の場合より高める必要があるためである。
上述した特許文献２に記載の商品販売数予測システムにおいては、購入アンケート結果に基づく顧客分類と、販売中もしくは販売を予定している車両の仕様、諸元に基づく車両分類を利用し、過去の各顧客分類の車両分類毎の購入実現率から車両分類毎の予測販売台数を求めている。しかし、この商品の分類は客観的な情報（仕様、諸元）に基づくとされており、主観的な分類ではない。客観的な特徴による分類に基づく品揃えは、非常に一般的なアプローチである。この商品の分類は、品揃え感といった主観的な分類ではなく、品揃え感を醸成するためには、アンケートなどによる顧客の主観的な印象の類似性を抽出することが必須であるが、そのような構成はない。すなわち、特許文献２に記載の商品販売数予測システムの課題としては、品揃え感といった主観的な要因を定量的に考慮した管理が行なえないことがあるということである。その理由は、商品の販売戦略を考える上での分類基準が現行商品の仕様、諸元及び新商品の仕様、諸元など定量化しやすい商品の客観的な特徴情報に基づいており、分類基準が顧客から見た主観に基づいていないためである。
上述した特許文献３に記載の商品情報サービスシステムにおいては、商品の購入者から収集した商品評価情報は、単に、アンケートで商品の評価を抽出した情報にすぎない。この商品情報サービスシステムは、商品に対する顧客の印象情報を収集する手段は備えているものの、顧客の商品に対する類似性から商品分類を行なう手段と、最適な品揃えとなる商品の組み合わせの選出を行なう手段とは、備えていないため、品揃え感といった主観的な要因を定量的に考慮した管理が行なえないという課題がある。
上述した特許文献４に記載の販売管理装置においては、複数種類の各商品の販売状況を収集し、同時購入される頻度の高い商品同士の組合せを把握することで、販売時に最適な商品の組合せ（セット）の分析を意図している。しかし、特定商品への印象を抽出する処理ではないため、品揃え感といった主観的な要因を定量的に考慮した管理が行なえないという課題がある。
上述した特許文献５に記載のアパレル商品の電子取引システムにおいては、品揃えを他の販売店での在庫及び取引の実情を参考にして決定している。よって、この電子取引システムでの最適な品揃えは在庫や販売実績のバランスを想定しており、品揃え感の醸成は考慮されていない。従って、品揃え感といった主観的な要因を定量的に考慮した管理が行なえないという課題がある。
本発明の目的は、品揃えの際に顧客の商品への印象の相違による商品の分類に基づき、印象の異なる商品分類のそれぞれから品揃えする商品を選択し、店舗に用意する商品の種類の数を増加させずに主観的な品揃え感を醸成することで、新たな陳列スペースを要求せずに商品の購買意欲を向上させる商品販売を可能にし、また商品当たりの販売量増加による販売量の平準化に伴う売れ残り率の削減や過剰在庫抑制を可能にする、商品の在庫管理および販売の最適化システム、その最適化方法、及びその最適化プログラムを提供することにある。
本発明の第一の商品の在庫管理および販売の最適化システムは、任意の商品カテゴリに属する複数の商品のそれぞれに対する複数の顧客の印象を質問項目毎の評点データで表す商品印象情報を参照し、各商品の質問項目毎の評点データの構成が類似している商品同士を同じ商品分類とするようにクラスタリングすることで各商品の所属を示す商品分類情報を抽出する商品印象分析部と、商品分類情報に基づき、各商品分類からそれぞれ商品を選出することで、品揃えする商品の組み合わせの選出を行なう販売管理最適化部と、を備える。
本発明によれば、品揃えの際に顧客の商品への印象の相違による商品の分類に基づき、印象の異なる商品分類のそれぞれから品揃えする商品を選択し、店舗に用意する商品の種類の数を増加させずに主観的な品揃え感を醸成することで、新たな陳列スペースを要求せずに商品の購買意欲を向上させる商品販売を可能にし、また商品当たりの販売量増加による販売量の平準化に伴う売れ残り率の削減や過剰在庫抑制を可能にする。
（本発明の第一の実施の形態）
次に、本発明を実施するための第一の最良の形態について図面を参照して詳細に説明する。図１を参照すると、本発明を実施するための最良の形態は、基本的に電子機器内もしくはサーバと電子機器およびこれらを相互に接続するインターネット等の情報通信ネットワークからなるシステム内に、少なくとも、販売情報調査部１０と、商品印象分析部３０と、商品情報データベース２０と、販売管理最適化部４０、を含む。販売情報調査部１０は必ずしも前記システム内に含まれる必要は無く、紙などの媒体を利用しても良い。なお、本発明では弁当や冬物婦人服といった同一の陳列空間をシェアする可能性の有る商品の集合を商品カテゴリ、商品カテゴリに含まれる商品群を何らかの基準に基づき分類した小商品群を商品分類、個別の商品の種類を商品と定義する。
販売情報調査部１０は、商品印象情報調査部１０１と販売履歴情報取得部１０２とを構成要素に含み、商品印象情報調査部１０１と販売履歴情報取得部１０２とは、販売を予定している商品カテゴリに属する複数の異なる商品の候補に対する顧客の印象を表す商品印象情報と、各商品の時系列の販売状況などの販売履歴情報とを、それぞれ抽出して、結果を商品情報データベース２０に出力する。
商品印象情報調査部１０１は、販売を予定している複数の異なる商品の候補についてそれぞれの商品に関する外観や値段、性能、特徴といった商品情報を顧客となる可能性の有る任意の被験者に提示し、それぞれの商品に対して複数の質問項目からなる同じアンケートを行なうことで顧客がそれぞれの商品をどのように評価しているかという商品印象情報を評点データの形式で抽出し、結果を商品情報データベース２０に出力する。アンケートは尺度の形で定量的な評点を得られる方法であればいずれの方法でも活用可能だが、分析者の主観によるバイアスを少なくするためには、商品の特徴と質問項目が直接関係しないＳＤ（Semantic Differential）法などの利用が有効である。
販売履歴情報取得部１０２は、レジなどの商品の販売時点での履歴情報などを利用して、すでに販売した各商品に関して販売時の日付、時刻、金額、重量、陳列棚の位置もしくはＷｅｂサイトの画面上の位置といった販売履歴情報を取得し、前記販売履歴情報を商品情報データベース２０に出力する。
商品情報データベース２０は、前記商品印象情報調査部１０１から出力された各商品の前記商品印象情報と、前記販売履歴情報取得部１０２から出力された各商品の前記商品印象情報および前記販売履歴情報を収集し、商品毎に対応させて蓄積して抽出可能にする。さらに商品情報データベース２０は、類似評価商品分類部３０１から出力された商品分類情報と、商品分類特徴抽出部３０２から出力された商品毎および商品分類毎の商品特徴と商品分類特徴を収集し、それぞれの情報を商品毎に対応させて蓄積し、抽出可能にする。さらに商品情報データベース２０は、販売履歴情報を指定した期間に含まれる時刻の任意の商品の販売量を累積することで、任意の期間や時刻帯の販売量や、それを同商品カテゴリに含まれる全ての商品の販売量で除した販売率を算出する機能を持ち、また商品分類情報から各商品分類に含まれる商品群の販売量の代表値として平均値などを算出することで、任意の商品分類に属する商品群を代表する販売量や、それを同商品カテゴリに含まれる全ての商品の販売量で除した販売率を算出する機能を持つ。なお、販売量としては販売個数、販売額、販売重量などが考えられる。
商品印象分析部３０は、類似評価商品分類部３０１と、商品分類特徴抽出部３０２を構成要素に含み、前記商品印象情報に基づく複数の商品への評価の類似性によって任意の数の分類へのクラスタリングにより各商品の所属を示す商品分類情報を得て、各商品および商品分類の商品印象情報の差異から商品毎の商品特徴および商品分類毎の商品分類特徴を抽出し、結果を商品情報データベース２０、および販売管理最適化部４０に出力する。
類似評価商品分類部３０１は、商品情報データベース２０から各商品の商品印象情報を参照し、各商品の質問項目毎の評点データの構成が類似している商品同士を同じ商品分類とするようにクラスタリングすることで各商品の所属を示す商品分類情報を得て、前記商品分類情報を商品情報データベース２０、および販売管理最適化部４０に出力する。ここで、類似性を表す指標としては、質問項目毎の評点データの代表値として被験者間の平均値などを算出し、代表値間のユークリッド距離の近さを類似性の指標とする方法や、各商品同士の評点データについて被験者全体で算出した相関係数を類似性の指標とする方法などが考えられる。また、クラスタリング方法としては一般的な手法を活用して良く、例えばｋ−means法などが考えられる。クラスタリングにおけるクラスタの数は店舗やＷｅｂサイト上で陳列したい商品の種類数に応じて任意に設定して良い。
商品分類特徴抽出部３０２は、前記商品分類情報の商品分類に属する各商品の商品印象情報を商品情報データベース２０から参照し、商品毎の特徴を示す商品特徴および商品分類毎の特徴を示す商品分類特徴を抽出し、結果を商品情報データベース２０、および販売管理最適化部４０に出力する。商品特徴の具体的な例としては、質問項目毎の被験者間の評点データの平均値に関して、分類前の全商品の評点データに基づく平均評点と、各商品の評点データの平均評点とを比較することで算出される質問項目毎の平均評点の差分もしくは比率の組み合わせであるデータセットなどが考えられる。商品分類特徴の具体的な例としては、質問項目毎の被験者間の評点データの平均値に関して、分類前の全商品の評点データに基づく平均評点と、前記商品分類情報に含まれる全商品の評点データの平均評点とを比較することで算出される質問項目毎の平均評点の差分もしくは比率の組み合わせであるデータセットなどが考えられる。
販売管理最適化部４０は、最適品揃え選定部４０１と、最適在庫量推算部４０２と、最適陳列推定部４０３を構成要素に含み、前記商品分類情報に基づき、顧客の印象の異なる各商品分類からそれぞれ商品を選出することで、最適な品揃えとなる商品の組み合わせの選出や、前記販売履歴情報を利用した各商品の販売量や販売率に基づく最適な在庫量の推算、および各商品の最適な配置ルールの推定を行なう。
最適品揃え選定部４０１は、類似評価商品分類部３０１での前記商品分類情報に基づき、顧客の印象の異なる各商品分類からそれぞれ商品を選出することで、品揃え数に対する品揃えの充実感を最大にするような品揃えとなる商品の組み合わせを選定する。商品の選出は各商品分類から1品ずつ選出しても良いし、前記商品情報データベース２０から各商品分類と商品分類特徴が相対的に近い商品分類もしくは商品の販売量や販売率を抽出して、販売量や商品販売率の比率に応じて各クラスタから選出する商品の数を重み付けしても良い。
最適在庫量推算部４０２は、前記商品情報データベース２０から、選定した各商品に関する任意の期間の販売量や販売率を、対応する商品が無い場合は当該商品の商品分類特徴と相対的に近い商品分類特徴を持つ商品もしくは商品分類の任意の期間の販売量や販売率を抽出し、次の仕入れまでの期間の販売量を予測し、最適な在庫量を推算する。
最適陳列推定部４０３は、前記商品情報データベース２０から、選定した各商品に関する任意の期間の販売量や販売率と陳列棚もしくはＷｅｂサイトの画面上の位置履歴を、対応する商品が無い場合は当該商品の商品分類特徴と相対的に近い商品分類特徴を持つ商品もしくは商品分類の任意の期間の商品販売量や商品販売率と陳列棚の位置履歴もしくはＷｅｂサイトの画面上の位置履歴を抽出し、それぞれの相関に基づいて、各商品の最適な配置ルールを推定する。
次に、図１及び図２を参照して本発明の第一の実施の形態の全体の動作について詳細に説明する。
販売情報調査部１０は、販売を予定している複数の異なる商品の候補についてそれぞれの商品に関する外観や値段、性能、特徴といった商品情報を顧客となる可能性の有る任意の被験者に提示し、それぞれの商品に対して複数の質問項目からなる同じアンケートを行なうことで顧客がそれぞれの商品をどのように評価しているかという商品印象情報を評点データの形式で取得する（ステップＡ１）。さらに、販売情報調査部１０は、レジなどの商品の販売時点での履歴情報などを利用して、すでに販売した各商品に関して販売時の日付、時刻、金額、重量、陳列棚の位置もしくはＷｅｂサイトの画面上の位置といった販売履歴情報を取得する（ステップＡ２）。さらに、販売情報調査部１０は、前記商品印象情報と前記販売履歴情報を商品情報データベース２０に出力する（ステップＡ３）。
商品情報データベース２０は、販売情報調査部１０から出力された各商品の前記商品印象情報および前記販売履歴情報を収集し、商品毎に対応させて蓄積する（ステップＡ４）。さらに、商品情報データベース２０は、ステップＡ４で収集した各商品の前記商品印象情報および前記販売履歴情報の参照を受け付ける（ステップＡ５）。
商品印象分析部３０は、商品情報データベース２０から商品印象情報を参照し、各商品の質問項目毎の評点データの構成が類似している商品同士を同じ商品分類とするようにクラスタリングすることで各商品の所属を示す商品分類情報を得る（ステップＡ６）。さらに、商品印象分析部３０は、前記商品分類情報の商品分類に属する各商品の商品印象情報を商品情報データベース２０から参照し、商品毎の特徴を示す商品特徴および商品分類毎の特徴を示す商品分類特徴を抽出する（ステップＡ７）。さらに、商品印象分析部３０は、前記商品分類情報と前記商品特徴と前記商品分類特徴を商品情報データベース２０、および販売管理最適化部４０に出力する（ステップＡ８）。
商品情報データベース２０は、前記販売履歴情報を指定した期間に含まれる時刻の任意の商品の販売量を累積することで、任意の期間や時刻帯の販売量や、それを同商品カテゴリに含まれる全ての商品の販売量で除した販売率を算出する（ステップＡ９）。さらに、商品情報データベース２０は、商品印象分析部３０から出力された前記商品分類情報と商品毎および商品分類毎の前記商品特徴と前記商品分類特徴を収集し、商品毎に対応させて蓄積する（ステップＡ１０）。さらに、商品情報データベース２０は、前記商品分類情報から各商品分類に含まれる商品群の販売量の代表値として平均値などを算出することで、任意の商品分類に属する商品群を代表する販売量や、それを同商品カテゴリに含まれる全ての商品の販売量で除した販売率を算出する（ステップＡ１１）。商品情報データベース２０は、ステップＡ９、Ａ１１で算出した各商品の販売量・販売率および各商品分類の販売量・販売率を商品毎に対応させて蓄積し、抽出可能にする（ステップＡ１２）。
販売管理最適化部４０は、商品印象分析部３０から出力された前記商品分類情報に基づき、顧客の印象の異なる各商品分類からそれぞれ商品を選出することで、品揃え数に対する品揃えの充実感を最大にするような品揃えとなる商品の組み合わせを選定する（ステップＡ１３）。さらに、販売管理最適化部４０は、前記商品情報データベース２０から、選定した各商品に関する任意の期間の販売量や販売率を、対応する商品が無い場合は当該商品の商品分類特徴と相対的に近い商品分類特徴を持つ商品もしくは商品分類の任意の期間の販売量や販売率を抽出し、次の仕入れまでの期間の販売量を予測し、最適な在庫量を推算する（ステップＡ１４）。さらに、販売管理最適化部４０は、前記商品情報データベース２０から、販売量と設置棚の位置履歴を、対応する商品が無い場合は当該商品の商品分類特徴と相対的に近い商品分類特徴を持つ商品もしくは商品分類の任意の期間の商品販売量や商品販売率と陳列棚の位置履歴もしくはＷｅｂサイトの画面上の位置履歴を抽出し、それぞれの相関に基づいて、各商品の最適な配置ルールを推定する（ステップＡ１５）。
（本発明の第一の実施例）
次に、本発明の第一の実施の形態の実施例について詳細に説明する。本実施例では、実際の小売店舗における弁当の販売に関して、アンケートによる各種の弁当の印象の把握と過去の販売履歴に基づき、限られた陳列スペースに陳列する商品群の選択、適正な在庫量の推測、および最適な陳列位置の推定を行い、在庫管理と販売を最適化することを目的としている。また、アンケートにより商品への印象を抽出する装置として、インターネットを介して一般の人々の持つＰＣ端末や携帯端末と接続されており、Ｗｅｂ上でアンケートの募集、情報の提示、アンケート質問の提示、回答の入力、集計などを実現するＷｅｂアンケートシステムＷを、商品の販売履歴を取得するシステムとして、物品販売の売上実績をレジにおける会計時に商品単位で集計するＰＯＳシステムＰ、データの蓄積と解析を行なう装置としてコンピュータＳを備えている。販売情報調査部１０の商品印象情報調査部１０１はＷｅｂアンケートシステムＷ内に、販売履歴情報取得部１０２はＰＯＳシステムＰ内に、商品印象分析部３０と、商品情報データベース２０と、販売管理最適化部４０はコンピュータＳ内に含まれている。この様な手段を備えたＷｅｂアンケートシステムＷ、ＰＯＳシステムＰ、コンピュータＳは以下のような動作をする。
ＷｅｂアンケートシステムＷは、回答者に換金性の有るポイントなどのインセンティブ付与と引き換えに不特定多数の被験者に対してアンケートへの回答の募集を行う。募集内容に賛同し、回答への承諾の意思表示が得られたｍ人の被験者には、販売を予定しているｎ個の異なる弁当の候補について、それぞれの弁当に関する外観や値段、性能、特徴といった図３に示すような商品情報を各被験者のＰＣ端末や携帯端末に提示する。本実施例では商品情報を図と表の形式で例示しているが、これに換えて写真、映像、音声およびそれぞれを組み合わせた複合情報などを利用しても良い。次に、ＷｅｂアンケートシステムＷは、商品情報を提示したそれぞれの弁当に関して、図４に示すようなｐ個の質問項目の尺度法アンケートを各被験者のＰＣ端末や携帯端末に表示し、回答として評点データｘの入力を受け付ける。なお、図４のアンケートの場合、チェックされた箇所が一番左の場合は「１」、一番右の場合は「５」として「１」〜「５」の整数でチェックを評点データに変換する。入力を受け付けるデータは評点データに加え、必要に応じて各被験者の年齢、性別、所属などの属性情報も含む。また、質問項目は分析者の主観によるバイアスを少なくするために、商品の特徴と直接関係しない項目で構成される方が良い。次に、ＷｅｂアンケートシステムＷは、受け付けたそれぞれの弁当に関する評点データｘを集計し、ｍ（被験者数）×ｎ（弁当の種類）×ｐ（質問数）のデータセットとしてコンピュータＳ内のデータベースに送信し、格納する。
ＰＯＳシステムＰは、レジでの会計時に記録されている弁当の販売履歴の内、商品毎の販売時の日時、時刻、設置棚での陳列位置を取得する。次に、ＰＯＳシステムＰは、受け付けたそれぞれの弁当に関する販売時の日付、時刻、金額、重量、設置棚での陳列位置を集計し、弁当毎のデータとしてコンピュータＳ内のデータベースに送信し、格納する。
コンピュータＳは、ＷｅｂアンケートシステムＷで収集されたｎ個の弁当に関するｍ×ｐ個の行列として表される評点データｘのデータセットをデータベースから参照し、ｎ個の弁当それぞれについて質問項目毎の評点データの被験者間の平均値を算出することで、代表値となる１×ｐ個の弁当印象行列Ｘを作成する。例えば、弁当ｉの質問項目ｋへの評点データｘｉｋの代表値Ｘｉｋは以下の（１）式で算出され、弁当ｉの弁当印象行列Ｘｉは以下の（２）式で算出される。
次に、コンピュータＳは店舗で陳列可能な弁当の種類数に応じて設定したクラスタ数Ｃの登録を受け付け、弁当印象行列Ｘｉの類似性に基づきｎ個の弁当をＣ個のクラスタにクラスタリングする。ｋ-means法を利用して調査したｎ個の弁当をＣ個のクラスタにクラスタリングする方法を説明する。コンピュータＳは、全弁当の弁当印象行列ＸをランダムにＣ個のクラスタのいずれかに割り振り、以下の式（３）に示したように各クラスタｃに属する弁当の集合Ｇｃを構成する各弁当の弁当印象行列Ｘｉの平均行列を算出することにより、Ｃ個の中心行列Ｂｃを算出する。
さらにコンピュータＳは、各クラスタに属する弁当の弁当印象行列Ｘｉと中心行列Ｂｃとの距離を示す指標として、各弁当の弁当印象行列Ｘｉ間のユークリッド距離ｄを非類似性指標として算出し、非類似性指標ｄを最小化するクラスタｃに各弁当の再割り振りを行なう。弁当印象行列Ｘｉと中心行列Ｂｃの非類似性の指標となるユークリッド距離ｄｉｃは以下の（４）式で算出される。
さらにコンピュータＳは、式（３）に従って再割り振りされた各クラスタｃに属する弁当の集合Ｇｃを構成する各弁当の弁当印象行列Ｘｉの弁当間の平均を取った平均印象行列を算出することにより、Ｃ個の中心行列Ｂｃを更新し、各中心行列Ｂｃの更新による変化が一定の閾値以下になるまで、各弁当の再割り振りとＣ個の中心行列Ｂｃの更新を繰り返す。各中心行列Ｂｃの更新による変化が一定の閾値以下になった時点で収束したとみなし、その時の弁当の集合Ｇｃから各クラスタと属する弁当の組み合わせを抽出して、データベースに格納する。なおクラスタリング方法は、ＦＣＭ（Fuzzy c−Means）法や、被験者間のデータを平均化せず２次元的なデータ構造の一致度や各点の距離の近さを非類似性の指標として利用する方法なども考えられる。また、本実施例では実店舗での販売を想定しているがＷｅｂサイトを利用した販売の場合は、クラスタ数の決定は想定される表示画面サイズと一般的な人間の知覚許容サイズの比などで、自動的に算出する方法などが考えられる。
次に、コンピュータＳはクラスタリングによって得られた弁当の分類を表す各クラスタについて、（５）式に示すように調査した全弁当の弁当印象行列Ｘｉの弁当間の平均を算出した平均印象行列と各中心行列Ｂｃとの差分であるクラスタ差分行列Ｄｃを算出し、各クラスタのクラスタ特徴として、データベースに格納する。同様に（６）式に示すように調査した全弁当の弁当印象行列Ｘｉの弁当間の平均を算出した平均印象行列と各弁当の弁当印象行列Ｘｉとの差分である弁当差分行列Ｄｉを算出し、各弁当の弁当特徴として、データベースに格納する。
次に、コンピュータＳはデータベースから過去に累積しているクラスタ差分行列Ｄｃと弁当差分行列Ｄｉの履歴を参照し、今回算出した各クラスタのクラスタ差分行列Ｄｃと類似性が最も高いクラスタ差分行列Ｄｃを持つクラスタを印象類似クラスタとして、もしくは弁当差分行列Ｄｉを持つ弁当を印象類似弁当として抽出する。類似性の評価方法は（４）式に準じて差分行列間のユークリッド距離を非類似性指標として、非類似性指標を最小化するクラスタもしくは弁当を抽出することで実現可能である。さらにコンピュータＳは抽出した各クラスタに対する印象類似クラスタもしくは印象類似弁当に関する販売時の日付、時刻、個数をデータベースから参照し、弁当の入荷サイクルなど任意に設定した参照期間に含まれる時刻の販売個数を累積することで、その期間の印象類似クラスタもしくは印象類似弁当の販売個数を算出する。ここで、各クラスタに対応する印象類似クラスタもしくは印象類似弁当は販売時期が異なるなどの理由で前記参照期間が異なる可能性があり、それぞれの販売個数は比較しにくいため、それぞれ前記販売個数の参照期間について弁当カテゴリに含まれる全ての商品のカテゴリ販売個数を累積し、対応する期間のカテゴリ販売個数で前記販売個数を除することで販売率を算出し、各クラスタの前記販売率の比率に合わせて選出する商品の種類の数を重み付けして品揃えする弁当を選択する。なお、本システムの運用初期などの理由でデータベース内にクラスタ差分行列Ｄｃと弁当差分行列Ｄｉの履歴が存在しない場合は、各クラスタから1種ずつ弁当を選択しても良い。各クラスタ内で選択される弁当の決定方法に関しては、（４）式に準じてそれぞれの弁当の弁当印象行列Ｘｉの相互距離をユークリッド距離で算出し、選択した各弁当間の相互距離の総和が最大となる組み合わせを抽出することで最も印象が異なる弁当の組み合わせを決定可能だが、他の要因なども勘案して変更しても良い。
次にコンピュータＳは、選択した各弁当に関して、その弁当自体もしくは対応するデータが無い場合は各弁当の弁当差分行列Ｄｉと類似性が最も高いクラスタ差分行列Ｄｃを持つ印象類似クラスタもしくは弁当差分行列Ｄｉを持つ印象類似弁当の販売時の日付、時刻、個数をデータベースから参照し、弁当の入荷サイクルなど任意に設定した参照期間に含まれる時刻の販売個数を累積することで、その期間の印象類似クラスタもしくは印象類似弁当の販売個数を算出する。類似性の評価方法は（４）式に準じて差分行列間のユークリッド距離を非類似性指標として、非類似性指標を最小化するクラスタもしくは弁当を抽出する。さらにコンピュータＳは、それぞれの前記販売個数の参照期間について弁当カテゴリに含まれる全ての商品のカテゴリ販売個数を累積し、対応する期間のカテゴリ販売個数で前記販売個数を除することで印象類似クラスタもしくは印象類似弁当の販売率を算出し、これを選択した各弁当の販売率予想値とする。さらにデータベースから直近の入荷サイクルの弁当の総販売個数を抽出し、これと選択した各弁当の販売率予想値を掛け合わせることで、各弁当の次の仕入れまでの販売量を予測し、最適な在庫量を推算する。
次に、コンピュータＳは選択した各弁当に関して、その弁当自体もしくは対応するデータが無い場合は各弁当の弁当差分行列Ｄｉと類似性が最も高いクラスタ差分行列Ｄｃを持つ印象類似クラスタもしくは弁当差分行列Ｄｉを持つ印象類似弁当の販売時の日付、時刻、個数、陳列棚の位置をデータベースから参照し、各弁当の前記販売率予想値と陳列棚の位置の相関を分析することで、各弁当に関して最も高い販売率が見込まれる陳列棚の位置を抽出し、配置ルールを決定する。なお、最も高い販売率が見込まれる陳列棚が複数の弁当で同一で有る場合、見込まれる販売率が最も高い弁当を優先する。
（本発明の第一の実施の形態の効果）
次に、本発明の第一の実施の形態の効果について説明する。本実施の形態では、品揃えの際に顧客の商品への印象の相違による商品の分類に基づき、印象の異なる商品分類のそれぞれから品揃えする商品を選択し、店舗に用意する商品の種類の数を増加させずに主観的な品揃え感を醸成することで、新たな陳列スペースを要求せずに商品の購買意欲を向上させる商品販売を可能にし、また商品当たりの販売量増加による販売量の平準化に伴う売れ残り率の削減や過剰在庫抑制を可能にする。さらに、顧客の商品への印象の特徴が類似する商品に関する販売履歴などを利用して販売量の予測や商品の陳列位置を決定することで、商品入れ替えが激しく同一製品の販売履歴が参照しにくい衣類や、保存期間が短く在庫の調整が難しい食品などの商品についても過去の実績を参考にした販売予測が可能になり、欠品や過剰在庫を抱える頻度の低下や、販売の機会損失や売れ残りによるコスト・廃棄物の削減を可能にする。
（本発明の第二の実施の形態）
次に、図５を参照して本発明の第二の発明を実施するための最良の形態について説明する。第一の実施の形態と比較すると、本実施の形態は、商品印象分析部３０が商品分類空間補正部３０３を含み、対象とした商品カテゴリに含まれる複数の商品に関する商品印象情報および各商品の販売量・販売率を商品情報データベース２０から参照し、任意の期間の販売量と各質問項目の評点データの代表値との関係を分析し、得られた前記販売量への寄与が大きい質問項目ほど評点のレンジが小さくなるように評点データを補正し、補正評点データとして算出する点で異なる。また、商品印象分析部３０の類似評価商品分類部３０１が、各商品の質問項目毎の評点データの組み合わせが類似している商品同士を同じ商品分類とするようにクラスタリングする際に、前記評点データに替えて前記補正評点データを利用する点で異なる。さらに、商品情報データベース２０が各商品の任意の期間の販売量や販売率を商品毎に蓄積し、抽出可能にする機能を持つ点で異なる。他の構成およびその機能は、第一の実施の形態と同一である。
次に、図５及び図６を参照して本発明の第二の実施の形態の全体の動作について説明する。第一の実施の形態の動作と比較すると、本実施の形態の動作は、商品印象分析部３０が、対象とした商品カテゴリに含まれる複数の商品に関する商品印象情報およびステップＡ９で算出された各商品の販売量・販売率を商品情報データベース２０から参照し、任意の期間の販売量と各質問項目への評点データの代表値との関係を分析し、得られた前記販売量への寄与が大きい質問項目ほど評点のレンジが小さくなるように評点データを補正し、補正評点データとして算出する動作（ステップＢ１）を加える点で異なる。また、ステップＡ６の動作が変更され、各商品の質問項目毎の評点データの組み合わせが類似している商品同士を同じ商品分類とするようにクラスタリングする際に、前記評点データに替えて前記補正評点データを利用する動作（ステップＡ６'）となる点で異なる。さらに、商品情報データベース２０がステップＡ９で算出された各商品の任意の期間の販売量や販売率を商品毎に蓄積し、抽出可能にする動作（ステップＢ２）を加える点で異なる。他のステップの動作は、第一の実施の形態における動作と同一である。
（本発明の第二の実施例）
次に、本発明の第二の実施の形態の実施例について詳細に説明する。本実施例では、第一の実施の形態の実施例と比較して、コンピュータＳが、弁当の商品カテゴリに含まれる複数の弁当群Ｌに関する評点データｘのデータセット、および販売量をデータベースから参照し、任意の期間の販売量ＶＬを目的変数、参照した弁当群の各質問項目ｋの評点データの代表値ＸＬｋを説明変数とする重回帰分析を実施し、得られた各質問項目に関する偏回帰係数ａＬｋが大きい質問項目ほど評点のレンジが小さくなるようにデータセットを補正し、補正弁当印象行列Ｘｉ'を算出する点が異なる。例えば、重回帰分析の結果が式（７）の様で有った場合、補正弁当印象行列Ｘｉ'を算出する方法としては式（８）の利用などが考えられる。なお、ｅＬは切片である。
さらに第一の実施の形態の実施例と比較して、コンピュータＳは店舗で陳列可能な弁当の種類数に応じて設定したクラスタ数Ｃの登録を受け付け、弁当印象行列Ｘｉではなく補正弁当印象行列Ｘｉ'の類似性に基づき、ｎ個の弁当をＣ個のクラスタにクラスタリングする点が異なる。例えば、図７に示したようにＡ〜Ｆの６つの弁当候補から４種類の弁当を選択する場合、補正弁当印象行列Ｘｉ'の類似性に基づくクラスタリングを行なうことで、類似性を評価する空間が販売量への寄与が小さい特徴を拡張するように歪み、非類似性の指標とするユークリッド距離の大小関係が変化するため、販売量への寄与が大きい質問項目３に関して高い評価を持つ弁当Ｂ、弁当Ｄを異なる商品分類として考慮でき、高い販売量が見込める商品群の品揃えを手薄にすることなく、他の特徴の違いによって品揃え感を醸成することができる。
（本発明の第二の実施の形態の効果）
次に、本発明の第二の実施の形態の効果について説明する。
特許文献２に記載の商品販売数予測システムにおいては、販売量と質問項目への評価点データとの関係を分析する手段を備えているものの、販売量の寄与が大きい質問項目ほど評価点レンジが小さくなるように評価点データを補正する手段を備えていない。従って、特許文献２に記載の商品販売数予測システムは、品揃え感を醸成するために特徴の異なる商品を取り揃える戦略と、多くの販売量が見込める共通の特徴を持つ商品を取り揃えるという戦略の間にはトレードオフの関係があるにもかかわらず、これらの条件を統一的に最適化する方法がないため、品揃え感といった主観的な要因と販売量との関係を統一的に考慮した管理が行なえないことがあるという課題があった。
本実施の形態では、第一の実施の形態の効果に加え、前記特徴の相違による商品分類を行なう際に、商品毎の販売量実績から販売量への寄与が小さい特徴を拡張するように商品間の類似性を評価する空間を歪ませることで、高い販売量が見込める商品群の品揃えを手薄にすることなく、他の特徴の違いによって品揃え感を醸成することを可能にしているため、品揃え感を醸成する戦略と販売量への寄与の大きい特徴を持つ商品を取り揃える戦略とのトレードオフを統一的に考慮した管理を可能にする。
（本発明の第三の実施の形態）
次に、図８を参照して本発明の第三の発明を実施するための最良の形態について説明する。第一の実施の形態と比較すると、本実施の形態は、販売情報調査部１０に商品印象情報調査部１０１の代わりに同時購入品調査部１０３と商品印象情報推算部１０４を含み、同時購入品調査部１０３がレジなどの商品の販売時点での履歴情報などを利用して、目的の商品カテゴリに含まれる商品の販売時に同時に購入された別の商品カテゴリに含まれる商品である同時購入品の種類などの同時購入品情報を抽出して商品情報データベース２０に蓄積し、商品印象情報推算部１０４が商品情報データベース２０の任意の期間の商品毎の同時購入品情報を参照し、顧客の商品への印象を反映しているデータとして、同時購入品の種類をアンケートにおける質問項目に対応させ、各同時購入品の有無に基づくダミー変数を評点とした販売時点毎のデータセットを、被験者毎の擬似的な商品印象情報として抽出し、結果を商品情報データベース２０に出力する点で異なる。さらに、商品情報データベース２０は、第一の実施の形態の機能に加え、同時購入品調査部１０３から出力された各商品の同時購入品情報を収集し、商品毎に蓄積し、抽出可能にする機能を持つ点で異なる。なお、同時購入の有無に基づくダミー変数の設定は、各同時購入品をそれぞれ別々に質問項目に対応させ、同時購入が有った場合は１点、無い場合は０点のように評点化するだけでも良いが、それぞれの各同時購入品間の類似性に基づく定量的な値を設定して、各同時購入品の商品カテゴリ毎に集約しても良い。各同時購入品間の類似性に基づく定量的の設定は、経験などに基づき任意に設定する方法や、アンケートなどでそれぞれの同時購入品となりうる各商品の類似性を抽出した結果を利用する方法や、目的の各商品を外的基準、各同時購入品の商品カテゴリをアイテム、各同時購入品の有無をカテゴリデータとして数量化ＩＩ類を適用することで得られるカテゴリ数量を用いる方法などが考えられる。他の構成およびその機能は、第一の実施の形態と同一である。
次に、図８及び図９を参照して本発明の第三の実施の形態の全体の動作について説明する。第一の実施の形態の動作と比較すると、本実施の形態の動作は、販売情報調査部１０がステップＡ１に変えて、レジなどの商品の販売時点での履歴情報などを利用して、目的の商品カテゴリに含まれる商品の販売時に同時に購入された別の商品カテゴリに含まれる商品である同時購入品の種類などの同時購入品情報を抽出して商品情報データベース２０に蓄積する動作（ステップＣ１）を加える点で異なる。さらに、販売情報調査部１０が、商品情報データベース２０の任意の期間の商品毎の同時購入品情報を参照し、顧客の商品への印象を反映しているデータとして、同時購入品の種類をアンケートにおける質問項目に対応させ、各同時購入品の有無に基づくダミー変数を評点とした販売時点毎のデータセットを、被験者毎の擬似的な商品印象情報として抽出し、結果を商品情報データベース２０に出力する動作（ステップＣ２）を加える点で異なる。さらに、商品情報データベース２０が販売情報調査部１０から出力された各商品の同時購入品情報を収集し、商品毎に蓄積し、抽出可能にする動作（ステップＣ３）を加える点で異なる。他のステップの動作は、第一の実施の形態における動作と同一である。
（本発明の第三の実施例）
次に、本発明の第三の実施の形態の実施例について詳細に説明する。本実施例では、同時購入品調査部１０３がＰＯＳシステムＰ内に、商品印象情報推算部１０４はコンピュータＳ内に含まれており、第一の実施の形態の実施例と比較して、ＰＯＳシステムＰがレジでの会計時に記録されている弁当の販売履歴の内、商品毎の販売時の日付、時刻、同時に購入された商品の種類を取得して弁当毎のデータとしてコンピュータＳ内のデータベースに送信し、格納する点で異なる。さらに第一の実施の形態の実施例と比較して、コンピュータＳが、任意の期間の弁当毎の各同時購入品の種類をデータベースから参照して日本茶、紅茶、サイダー、ガムといった各同時購入品の有無を弁当毎に整理した図１０のような表を作成する点で異なる。さらに第一の実施の形態の実施例と比較して、各弁当を外的基準、各種飲料とし、嗜好品・雑誌などの各同時購入品の商品カテゴリをアイテムとし、各同時購入品の有無を同時購入が有った場合は１点、無い場合は０点のようにダミー変数化したものをカテゴリデータとして、数量化ＩＩ類を適用し、図１１のように同時購入品毎のカテゴリ数量を算出し、図１０の表において同時購入が有るとされた箇所に対応する同時購入品のカテゴリ数量を図１２のように当てはめることで、図１０の表を変換する点で異なる。ここで、図１１で算出されたカテゴリ数量は数量化ＩＩ類の特徴により、同時購入品の商品カテゴリ内での類似性を表現しており、例えば、飲料の商品カテゴリでは水と日本茶、もしくはサイダーとコーラが購入行動として類似した商品であるといえる。また、図１１で算出されたカテゴリ数量は数量化ＩＩ類の特徴により、外的基準である各弁当の判別への同時購入品の商品カテゴリ毎の寄与の大きさも反映しているが、商品カテゴリ間の重み付けは本目的の達成には重要ではないので、商品カテゴリ毎のカテゴリ数量の平均値でカテゴリ数量を除して正規化しても良い。なお、同一時点の購入履歴に同じ商品カテゴリ内で複数の同時購入品が有る場合は数量化ＩＩ類の適用が適切でないため、事前により購入頻度の低い同時購入品のみを残すなど、同一時点の購入履歴の各商品カテゴリ内には同時購入品は１種類ずつになるように前処理を行っておく必要が有る。さらに第一の実施の形態の実施例と比較して、図１３のように図１２の表の各同時購入品のカテゴリ数量を商品カテゴリ毎に集約し、商品カテゴリをアンケートにおける質問項目、各購入弁当でのカテゴリ数量のセットを購入した顧客の当該弁当への評点データと考え、得られたデータセットを擬似的な商品印象情報とする点で異なる。
（本発明の第三の実施の形態の効果）
次に、本実施の第三の実施の形態の効果について説明する。
特許文献４に記載の販売管理装置においては、複数種類の各商品の販売状況を収集し、同時購入される頻度の高い商品同士の組合せを把握することで、販売時に最適な商品の組合せ（セット）の分析を意図している。しかし、特定商品への印象を抽出する処理ではないため、評点化や数量化ＩＩ類の適用による商品毎の重み付けや商品カテゴリ毎の集約などは記載されていない。従って、商品の販売時点で同時に購入される購入品情報を収集し、商品の印象情報として評点化する手段は備えていないという課題がある。
本実施の形態では、第一の実施の形態の効果と同様に、品揃えの際に顧客の商品への印象の相違による商品の分類に基づき、印象の異なる商品分類のそれぞれから品揃えする商品を選択し、店舗に用意する商品の種類の数を増加させずに主観的な品揃え感を醸成することで、新たな陳列スペースを要求せずに商品の購買意欲を向上させる商品販売を可能にする。さらに、被験者毎の擬似的な商品印象情報として抽出するために、同時購入品の種類をアンケートにおける質問項目に対応させ、各同時購入品の有無に基づくダミー変数を評点とした販売時点毎のデータセットを抽出し、顧客の商品への印象をアンケートではなく同時購入品のパターンから抽出することで、アンケート調査の負担が軽減され、データの収集の簡易化を可能にするだけでなく、情報の収集が継続的に行なえるようになり、顧客の変化に素早く対応したより的確な品揃えを可能にする。
（本発明の最小構成の実施の形態）
次に、図１４を参照して本発明の最小構成の実施の形態について説明する。図１４を参照すると、本発明を実施するための最良の形態は、基本的に電子機器内もしくはサーバと電子機器およびこれらを相互に接続するインターネット等の情報通信ネットワークからなるシステム内に、少なくとも、商品印象分析部３０と、販売管理最適化部４０、を含む。
商品印象分析部３０は、任意の商品カテゴリに属する複数の商品のそれぞれに対する複数の顧客の印象を質問項目毎の評点データで表す商品印象情報を参照し、各商品の質問項目毎の評点データの構成が類似している商品同士を同じ商品分類とするようにクラスタリングすることで各商品の所属を示す商品分類情報を抽出する。販売管理最適化部４０は、商品分類情報に基づき各商品分類からそれぞれ商品を選出することで、品揃えする商品の組み合わせの選出を行なう。
本発明の実施の形態により、品揃えの際に商品の特徴の相違による商品分類を行ない、異なる商品分類のそれぞれから品揃えする商品を選択することで、店舗に用意する商品の種類の数を増加させずに品揃え感を醸成する品揃えの把握を可能にしていることと、および用意する商品の種類の数を増加させないことで商品当たりの販売量の増加とばらつき減少を促進し、販売量の予測精度の向上を可能にしているため、新たな陳列スペースを要求せずに商品の購買意欲を向上させる商品販売および売れ残り率の削減や過剰在庫の抑制が可能になる。
さらに、前記商品分類の際に商品に固有の特徴ではなく、顧客から見た商品への印象を抽出し、抽出した商品への印象の相違によって分類した商品分類に基づき、品揃えする商品を選択することで、品揃えに主観を反映させることを可能にしているため、品揃え感といった主観的な要因の考慮が可能になる。
様々な商品について顧客に提示する商品の種類を増やさずに、品揃えの充実感の維持や売れ筋商品の充実などを最適化することができるため、店舗面積の制約が大きいコンビニなどの小売店での品揃えや在庫管理の最適化、Ｗｅｂサイトを利用した商品販売における提示情報や画面設計の最適化といった用途に適用できる。
本発明を実施するための第一の実施の形態の構成を示すブロック図である。 本発明を実施するための第一の実施の形態の動作を示す流れ図である。 アンケートの際に被験者に提示する弁当の情報の例である。 被験者に質問するSD法アンケートの例である。 本発明を実施するための第二の実施の形態の構成を示すブロック図である。 本発明を実施するための第二の実施の形態の動作を示す流れ図である。 類似性を評価する空間を歪めたことで、クラスタリング結果が変化する例である。 本発明を実施するための第三の実施の形態の構成を示すブロック図である。 本発明を実施するための第三の実施の形態の動作を示す流れ図である。 各同時購入品の有無を弁当毎に整理した結果の例である。 数量化ＩＩ類を適用して各同時購入品のカテゴリ数量を算出した結果の例である。 カテゴリ数量を用いた同時購入品データの数値化の例である。 数値化した同時購入品データに基づき作成した擬似的な商品印象情報の例である。 本発明を実施するための最小構成の実施の形態の構成を示すブロック図である。
符号の説明
１０ 販売情報調査部
１０１ 商品印象情報調査部
１０２ 販売履歴情報取得部
１０３ 同時購入品調査部
１０４ 商品印象情報推算部
２０ 商品情報データベース
３０ 商品印象分析部
３０１ 類似評価商品分類部
３０２ 商品分類特徴抽出部
３０３ 商品分類空間補正部
４０ 販売管理最適化部
４０１ 最適品揃え選定部
４０２ 最適在庫量推算部
４０３ 最適陳列推定部

Claims (21)

  1. 任意の商品カテゴリに属する複数の商品のそれぞれに対する複数の顧客の印象を質問項目毎の評点データで表す商品印象情報を参照し、各商品の質問項目毎の評点データの構成が類似している商品同士を同じ商品分類とするようにクラスタリングすることで各商品の所属を示す商品分類情報を抽出する商品印象分析部と、
    前記商品分類情報に基づき、各商品分類からそれぞれ商品を選出することで、品揃えする商品の組み合わせの選出を行なう販売管理最適化部と、を備えた、商品の在庫管理および販売の最適化システム。
  2. 請求項１記載の商品の在庫管理および販売の最適化システムであって、
    任意の商品カテゴリに属する複数の商品のそれぞれに対する複数の顧客の印象を質問項目毎の評点データで表す商品印象情報を取得する販売情報調査部と、
    前記販売情報調査部が取得した各商品の前記商品印象情報を収集し蓄積する商品情報データベースと、を具備し、
    前記商品印象分析部は、前記商品情報データベースに蓄積されている各商品の前記商品印象情報を参照し、各商品の質問項目毎の評点データの構成が類似している商品同士を同じ商品分類とするようにクラスタリングすることで各商品の所属を示す商品分類情報を抽出する商品の在庫管理および販売の最適化システム。
  3. 請求項１または２に記載の商品の在庫管理および販売の最適化システムであって、
    販売情報調査部が前記商品印象情報に加えて各商品の販売履歴情報を取得して商品情報データベースへ出力する機能を備え、
    前記商品印象分析部が各商品および各商品分類の前記商品印象情報の前記質問項目毎の評点データの構成の差異から商品毎の特徴を示す商品特徴および商品分類毎の特徴を示す商品分類特徴を抽出して前記商品情報データベースへ出力する機能を備え、
    前記商品特徴は、質問項目毎の複数の顧客間の評点データの平均値に関して、分類前の全商品の評点データに基づく平均評点と、各商品の評点データの平均評点とを比較することで算出される質問項目毎の平均評点の差分もしくは比率の組み合わせであるデータセットであり、
    前記商品分類特徴は、質問項目毎の複数の顧客間の評点データの平均値に関して、分類前の全商品の評点データに基づく平均評点と、前記商品分類情報に含まれる全商品の評点データの平均評点とを比較することで算出される質問項目毎の平均評点の差分もしくは比率の組み合わせであるデータセットであり、
    前記商品情報データベースが前記商品印象情報に加え前記各商品の販売履歴情報を収集し、さらに前記商品印象分析部から出力された前記商品分類情報、商品毎の前記商品特徴および商品分類毎の前記商品分類特徴を収集し、それぞれの情報を商品毎に対応させて蓄積する機能を備え、さらに前記商品情報データベースが前記各商品の販売履歴情報から任意の商品の任意の期間の販売量や販売率を算出し、任意の商品分類に属する各商品の前記販売量や販売率から商品分類を代表する任意の期間の販売量や販売率を算出する機能を備え、
    前記販売管理最適化部が品揃えとして選出した各商品に関する任意の期間の販売量や販売率を、対応する商品が無い場合は当該商品の前記商品分類特徴と相対的に近い前記商品分類特徴を持つ商品もしくは商品分類の任意の期間の販売量や販売率を抽出し、任意の期間の販売量や販売率を予測し、在庫量を推算する機能を備えた、商品の在庫管理および販売の最適化システム。
  4. 請求項１から３のいずれか１項に記載の商品の在庫管理および販売の最適化システムであって、
    販売情報調査部が前記商品印象情報に加えて各商品の陳列棚もしくはＷｅｂサイトの画面上の位置履歴を含む販売履歴情報を取得して商品情報データベースへ出力する機能を備え、
    前記商品印象分析部が各商品および各商品分類の前記商品印象情報の前記質問項目毎の評点データの構成の差異から商品毎の特徴を示す商品特徴および商品分類毎の特徴を示す商品分類特徴を抽出し前記商品情報データベースへ出力する機能を備え、
    前記商品特徴は、質問項目毎の複数の顧客間の評点データの平均値に関して、分類前の全商品の評点データに基づく平均評点と、各商品の評点データの平均評点とを比較することで算出される質問項目毎の平均評点の差分もしくは比率の組み合わせであるデータセットであり、
    前記商品分類特徴は、質問項目毎の複数の顧客間の評点データの平均値に関して、分類前の全商品の評点データに基づく平均評点と、前記商品分類情報に含まれる全商品の評点データの平均評点とを比較することで算出される質問項目毎の平均評点の差分もしくは比率の組み合わせであるデータセットであり、
    前記商品情報データベースが前記商品印象情報に加え前記各商品の販売履歴情報を収集し、さらに前記商品印象分析部から出力された前記商品分類情報、商品毎の前記商品特徴および商品分類毎の前記商品分類特徴を収集し、それぞれの情報を商品毎に対応させて蓄積する機能を備え、さらに前記商品情報データベースが前記各商品の販売履歴情報から任意の商品の任意の期間の販売量や販売率を算出し、任意の商品分類に属する各商品の前記販売量や販売率から商品分類を代表する任意の期間の販売量や販売率を算出する機能を備え、
    前記販売管理最適化部が品揃えとして選出した各商品に関する任意の期間の販売量や販売率と陳列棚もしくはＷｅｂサイトの画面上の位置履歴を、対応する商品が無い場合は当該商品の前記商品分類特徴と相対的に近い前記商品分類特徴を持つ商品もしくは商品分類の任意の期間の販売量や販売率と陳列棚もしくはＷｅｂサイトの画面上の位置履歴を取得し、それぞれの相関に基づいて、各商品の配置ルールを推定する機能を備えた、商品の在庫管理および販売の最適化システム。
  5. 請求項１から４のいずれか１項に記載の商品の在庫管理および販売の最適化システムであって、
    販売情報調査部が前記商品印象情報に加えて各商品の販売履歴情報を取得して商品情報データベースへ出力する機能を備え、
    前記商品情報データベースが前記商品印象情報に加え前記各商品の販売履歴情報と前記商品分類情報を収集し、それぞれの情報を商品毎に対応させて蓄積する機能を備え、さらに前記商品情報データベースが前記各商品の販売履歴情報から任意の商品の任意の期間の販売量や販売率を算出する機能を備え、
    前記商品印象分析部が、対象とした商品カテゴリに含まれる複数の商品に関する前記商品印象情報および任意の期間の販売量を前記商品情報データベースから参照し、任意の期間の販売量と各質問項目の評点データの代表値との関係から、販売量への寄与が大きい質問項目ほど評点データのレンジが小さくなるように評点データを補正し、補正評点データとして算出する機能を備え、前記商品印象分析部が商品を分類する際に、前記評点データに替えて前記補正評点データを利用する機能を備え、
    前記商品情報データベースが各商品の任意の期間の販売量や販売率を商品毎に蓄積する機能を備えた、商品の在庫管理および販売の最適化システム。
  6. 請求項１から５のいずれか１項に記載の商品の在庫管理および販売の最適化システムであって、
    販売情報調査部が目的の商品カテゴリに含まれる商品の販売時に同時に購入された別の商品カテゴリに含まれる同時購入品の種類の同時購入品情報を取得して前記商品情報データベースに蓄積する機能を備え、さらに前記販売情報調査部が前記商品情報データベースから任意の期間の商品毎の同時購入品情報の履歴を参照し、同時購入品の種類をアンケートにおける質問項目に対応させ、各同時購入品の有無に基づくダミー変数を評点とした販売時点毎のデータセットを、顧客毎の擬似的な商品印象情報として取得して前記商品情報データベースへ出力する機能を備え、
    前記商品情報データベースは出力された各商品の同時購入品情報を収集し、商品毎に蓄積する機能を備えた、商品の在庫管理および販売の最適化システム。
  7. 請求項１から６のいずれか１項に記載の商品の在庫管理および販売の最適化システムであって、
    販売情報調査部が目的の商品カテゴリに含まれる商品の販売時に同時に購入された別の商品カテゴリに含まれる同時購入品の種類の同時購入品情報を取得して前記商品情報データベースに蓄積する機能を備え、さらに前記販売情報調査部が前記商品情報データベースから任意の期間の商品毎の同時購入品情報の履歴を参照し、同時購入品の種類をアンケートにおける質問項目に対応させ、各同時購入品の有無に基づくダミー変数を評点とした販売時点毎のデータセットを、顧客毎の擬似的な商品印象情報として取得して前記商品情報データベースへ出力する機能を備え、
    前記商品情報データベースは出力された各商品の同時購入品情報を収集し、商品毎に蓄積する機能を備え、
    前記ダミー変数の設定は、数量化ＩＩ類の適用によるカテゴリ数量を用い、商品毎の重み付け又は商品カテゴリ毎の集約をする、商品の在庫管理および販売の最適化システム。
  8. 任意の商品カテゴリに属する複数の商品のそれぞれに対する複数の顧客の印象を質問項目毎の評点データで表す商品印象情報を参照し、各商品の質問項目毎の評点データの構成が類似している商品同士を同じ商品分類とするようにクラスタリングすることで各商品の所属を示す商品分類情報を抽出する商品印象分析手順と、
    前記商品分類情報に基づき、各商品分類からそれぞれ商品を選出することで、品揃えする商品の組み合わせの選出を行なう販売管理最適化手順と、を含む、商品の在庫管理および販売の最適化方法。
  9. 請求項８記載の商品の在庫管理および販売の最適化方法であって、
    任意の商品カテゴリに属する複数の商品のそれぞれに対する複数の顧客の印象を質問項目毎の評点データで表す商品印象情報を取得する販売情報調査手順と、
    前記販売情報調査手順により取得した各商品の前記商品印象情報を収集し蓄積する商品情報データベースに蓄積されている各商品の前記商品印象情報を参照し、各商品の質問項目毎の評点データの構成が類似している商品同士を同じ商品分類とするようにクラスタリングすることで各商品の所属を示す商品分類情報を抽出する商品印象分析手順と、を含む、商品の在庫管理および販売の最適化方法。
  10. 請求項８または９に記載の商品の在庫管理および販売の最適化方法であって、
    販売情報調査手順が前記商品印象情報に加えて各商品の販売履歴情報を取得して商品情報データベースへ出力するステップを含み、
    前記商品印象分析手順が各商品および各商品分類の前記商品印象情報の前記質問項目毎の評点データの構成の差異から商品毎の特徴を示す商品特徴および商品分類毎の特徴を示す商品分類特徴を抽出して前記商品情報データベースへ出力するステップを含み、
    前記商品特徴は、質問項目毎の複数の顧客間の評点データの平均値に関して、分類前の全商品の評点データに基づく平均評点と、各商品の評点データの平均評点とを比較することで算出される質問項目毎の平均評点の差分もしくは比率の組み合わせであるデータセットであり、
    前記商品分類特徴は、質問項目毎の複数の顧客間の評点データの平均値に関して、分類前の全商品の評点データに基づく平均評点と、前記商品分類情報に含まれる全商品の評点データの平均評点とを比較することで算出される質問項目毎の平均評点の差分もしくは比率の組み合わせであるデータセットであり、
    前記商品情報データベースが前記商品印象情報に加え前記各商品の販売履歴情報を収集し、さらに前記商品印象分析部から出力された前記商品分類情報、商品毎の前記商品特徴および商品分類毎の前記商品分類特徴を収集し、それぞれの情報を商品毎に対応させて蓄積するステップを含み、さらに前記商品情報データベースが前記各商品の販売履歴情報から任意の商品の任意の期間の販売量や販売率を算出し、任意の商品分類に属する各商品の前記販売量や販売率から商品分類を代表する任意の期間の販売量や販売率を算出するステップを含み、
    前記販売管理最適化手順が品揃えとして選出した各商品に関する任意の期間の販売量や販売率を、対応する商品が無い場合は当該商品の前記商品分類特徴と相対的に近い前記商品分類特徴を持つ商品もしくは商品分類の任意の期間の販売量や販売率を抽出し、任意の期間の販売量や販売率を予測し、在庫量を推算するステップを含む、商品の在庫管理および販売の最適化方法。
  11. 請求項８から１０のいずれか１項に記載の商品の在庫管理および販売の最適化方法であって、
    販売情報調査手順が前記商品印象情報に加えて各商品の陳列棚もしくはＷｅｂサイトの画面上の位置履歴を含む販売履歴情報を取得して商品情報データベースへ出力するステップを含み、
    前記商品印象分析手順が各商品および各商品分類の前記商品印象情報の前記質問項目毎の評点データの構成の差異から商品毎の特徴を示す商品特徴および商品分類毎の特徴を示す商品分類特徴を抽出し前記商品情報データベースへ出力するステップを含み、
    前記商品特徴は、質問項目毎の複数の顧客間の評点データの平均値に関して、分類前の全商品の評点データに基づく平均評点と、各商品の評点データの平均評点とを比較することで算出される質問項目毎の平均評点の差分もしくは比率の組み合わせであるデータセットであり、
    前記商品分類特徴は、質問項目毎の複数の顧客間の評点データの平均値に関して、分類前の全商品の評点データに基づく平均評点と、前記商品分類情報に含まれる全商品の評点データの平均評点とを比較することで算出される質問項目毎の平均評点の差分もしくは比率の組み合わせであるデータセットであり、
    前記商品情報データベースが前記商品印象情報に加え前記各商品の販売履歴情報を収集し、さらに前記商品印象分析部から出力された前記商品分類情報、商品毎の前記商品特徴および商品分類毎の前記商品分類特徴を収集し、それぞれの情報を商品毎に対応させて蓄積するステップを含み、さらに前記商品情報データベースが前記各商品の販売履歴情報から任意の商品の任意の期間の販売量や販売率を算出し、任意の商品分類に属する各商品の前記販売量や販売率から商品分類を代表する任意の期間の販売量や販売率を算出するステップを含み、
    前記販売管理最適化手順が品揃えとして選出した各商品に関する任意の期間の販売量や販売率と陳列棚もしくはＷｅｂサイトの画面上の位置履歴を、対応する商品が無い場合は当該商品の前記商品分類特徴と相対的に近い前記商品分類特徴を持つ商品もしくは商品分類の任意の期間の販売量や販売率と陳列棚もしくはＷｅｂサイトの画面上の位置履歴を取得し、それぞれの相関に基づいて、各商品の配置ルールを推定するステップを含む、商品の在庫管理および販売の最適化方法。
  12. 請求項８から１１のいずれか１項に記載の商品の在庫管理および販売の最適化方法であって、
    販売情報調査手順が前記商品印象情報に加えて各商品の販売履歴情報を取得して商品情報データベースへ出力するステップを含み、
    前記商品情報データベースが前記商品印象情報に加え前記各商品の販売履歴情報と前記商品分類情報を収集し、それぞれの情報を商品毎に対応させて蓄積するステップを含み、さらに前記商品情報データベースが前記各商品の販売履歴情報から任意の商品の任意の期間の販売量や販売率を算出するステップを含み、
    前記商品印象分析手順が、対象とした商品カテゴリに含まれる複数の商品に関する前記商品印象情報および任意の期間の販売量を前記商品情報データベースから参照し、任意の期間の販売量と各質問項目の評点データの代表値との関係から、販売量への寄与が大きい質問項目ほど評点データのレンジが小さくなるように評点データを補正し、補正評点データとして算出するステップを含み、前記商品印象分析手順が商品を分類する際に、前記評点データに替えて前記補正評点データを利用するステップを含み、
    前記商品情報データベースが各商品の任意の期間の販売量や販売率を商品毎に蓄積するステップを含む、商品の在庫管理および販売の最適化方法。
  13. 請求項８から１２のいずれか１項に記載の商品の在庫管理および販売の最適化方法であって、
    販売情報調査手順が目的の商品カテゴリに含まれる商品の販売時に同時に購入された別の商品カテゴリに含まれる同時購入品の種類の同時購入品情報を取得して商品情報データベースに蓄積するステップを含み、さらに前記販売情報調査手順が前記商品情報データベースから任意の期間の商品毎の同時購入品情報の履歴を参照し、同時購入品の種類をアンケートにおける質問項目に対応させ、各同時購入品の有無に基づくダミー変数を評点とした販売時点毎のデータセットを、顧客毎の擬似的な商品印象情報として取得して前記商品情報データベースへ出力するステップを含み、
    前記商品情報データベースは出力された各商品の同時購入品情報を収集し、商品毎に蓄積するステップを含む、商品の在庫管理および販売の最適化方法。
  14. 請求項８から１３のいずれか１項に記載の商品の在庫管理および販売の最適化方法であって、
    販売情報調査手順が目的の商品カテゴリに含まれる商品の販売時に同時に購入された別の商品カテゴリに含まれる同時購入品の種類の同時購入品情報を取得して商品情報データベースに蓄積するステップを含み、さらに前記販売情報調査手順が前記商品情報データベースから任意の期間の商品毎の同時購入品情報の履歴を参照し、同時購入品の種類をアンケートにおける質問項目に対応させ、各同時購入品の有無に基づくダミー変数を評点とした販売時点毎のデータセットを、顧客毎の擬似的な商品印象情報として取得して前記商品情報データベースへ出力するステップを含み、
    前記商品情報データベースは出力された各商品の同時購入品情報を収集し、商品毎に蓄積するステップを含み、
    前記ダミー変数の設定は、数量化ＩＩ類の適用によるカテゴリ数量を用い、商品毎の重み付け又は商品カテゴリ毎の集約をする、商品の在庫管理および販売の最適化方法。
  15. コンピュータに、
    任意の商品カテゴリに属する複数の商品のそれぞれに対する複数の顧客の印象を質問項目毎の評点データで表す商品印象情報を参照し、各商品の質問項目毎の評点データの構成が類似している商品同士を同じ商品分類とするようにクラスタリングすることで各商品の所属を示す商品分類情報を抽出する商品印象分析処理と、
    前記商品分類情報に基づき、各商品分類からそれぞれ商品を選出することで、品揃えする商品の組み合わせの選出を行なう販売管理最適化処理と、を実行させるための商品の在庫管理および販売の最適化プログラム。
  16. 請求項１５記載の商品の在庫管理および販売の最適化プログラムであって、
    コンピュータに、更に、
    任意の商品カテゴリに属する複数の商品のそれぞれに対する複数の顧客の印象を質問項目毎の評点データで表す商品印象情報を取得する販売情報調査処理と、
    前記販売情報調査手順により取得した各商品の前記商品印象情報を収集し蓄積する商品情報データベースに蓄積されている各商品の前記商品印象情報を参照し、各商品の質問項目毎の評点データの構成が類似している商品同士を同じ商品分類とするようにクラスタリングすることで各商品の所属を示す商品分類情報を抽出する商品印象分析処理と、を実行させるための商品の在庫管理および販売の最適化プログラム。
  17. 請求項１５または１６に記載の商品の在庫管理および販売の最適化プログラムであって、
    販売情報調査処理が前記商品印象情報に加えて各商品の販売履歴情報を取得して商品情報データベースへ出力する処理を含み、
    前記商品印象分析処理が各商品および各商品分類の前記商品印象情報の前記質問項目毎の評点データの構成の差異から商品毎の特徴を示す商品特徴および商品分類毎の特徴を示す商品分類特徴を抽出して前記商品情報データベースへ出力する処理を含み、
    前記商品特徴は、質問項目毎の複数の顧客間の評点データの平均値に関して、分類前の全商品の評点データに基づく平均評点と、各商品の評点データの平均評点とを比較することで算出される質問項目毎の平均評点の差分もしくは比率の組み合わせであるデータセットであり、
    前記商品分類特徴は、質問項目毎の複数の顧客間の評点データの平均値に関して、分類前の全商品の評点データに基づく平均評点と、前記商品分類情報に含まれる全商品の評点データの平均評点とを比較することで算出される質問項目毎の平均評点の差分もしくは比率の組み合わせであるデータセットであり、
    前記商品情報データベースが前記商品印象情報に加え前記各商品の販売履歴情報を収集し、さらに前記商品印象分析部から出力された前記商品分類情報、商品毎の前記商品特徴および商品分類毎の前記商品分類特徴を収集し、それぞれの情報を商品毎に対応させて蓄積する処理を含み、さらに前記商品情報データベースが前記各商品の販売履歴情報から任意の商品の任意の期間の販売量や販売率を算出し、任意の商品分類に属する各商品の前記販売量や販売率から商品分類を代表する任意の期間の販売量や販売率を算出する処理を含み、
    前記販売管理最適化処理が品揃えとして選出した各商品に関する任意の期間の販売量や販売率を、対応する商品が無い場合は当該商品の前記商品分類特徴と相対的に近い前記商品分類特徴を持つ商品もしくは商品分類の任意の期間の販売量や販売率を抽出し、任意の期間の販売量や販売率を予測し、在庫量を推算する処理を含む、商品の在庫管理および販売の最適化プログラム。
  18. 請求項１５から１７のいずれか１項に記載の商品の在庫管理および販売の最適化プログラムであって、
    販売情報調査処理が前記商品印象情報に加えて各商品の陳列棚もしくはＷｅｂサイトの画面上の位置履歴を含む販売履歴情報を取得して商品情報データベースへ出力する処理を含み、
    前記商品印象分析処理が各商品および各商品分類の前記商品印象情報の前記質問項目毎の評点データの構成の差異から商品毎の特徴を示す商品特徴および商品分類毎の特徴を示す商品分類特徴を抽出し前記商品情報データベースへ出力する処理を含み、
    前記商品特徴は、質問項目毎の複数の顧客間の評点データの平均値に関して、分類前の全商品の評点データに基づく平均評点と、各商品の評点データの平均評点とを比較することで算出される質問項目毎の平均評点の差分もしくは比率の組み合わせであるデータセットであり、
    前記商品分類特徴は、質問項目毎の複数の顧客間の評点データの平均値に関して、分類前の全商品の評点データに基づく平均評点と、前記商品分類情報に含まれる全商品の評点データの平均評点とを比較することで算出される質問項目毎の平均評点の差分もしくは比率の組み合わせであるデータセットであり、
    前記商品情報データベースが前記商品印象情報に加え前記各商品の販売履歴情報を収集し、さらに前記商品印象分析部から出力された前記商品分類情報、商品毎の前記商品特徴および商品分類毎の前記商品分類特徴を収集し、それぞれの情報を商品毎に対応させて蓄積する処理を含み、さらに前記商品情報データベースが前記各商品の販売履歴情報から任意の商品の任意の期間の販売量や販売率を算出し、任意の商品分類に属する各商品の前記販売量や販売率から商品分類を代表する任意の期間の販売量や販売率を算出する処理を含み、
    前記販売管理最適化処理が品揃えとして選出した各商品に関する任意の期間の販売量や販売率と陳列棚もしくはＷｅｂサイトの画面上の位置履歴を、対応する商品が無い場合は当該商品の前記商品分類特徴と相対的に近い前記商品分類特徴を持つ商品もしくは商品分類の任意の期間の販売量や販売率と陳列棚もしくはＷｅｂサイトの画面上の位置履歴を取得し、それぞれの相関に基づいて、各商品の配置ルールを推定する処理を含む、商品の在庫管理および販売の最適化プログラム。
  19. 請求項１５から１８のいずれか１項に記載の商品の在庫管理および販売の最適化プログラムであって、
    販売情報調査処理が前記商品印象情報に加えて各商品の販売履歴情報を取得して商品情報データベースへ出力する処理を含み、
    前記商品情報データベースが前記商品印象情報に加え前記各商品の販売履歴情報と前記商品分類情報を収集し、それぞれの情報を商品毎に対応させて蓄積するステップを含み、さらに前記商品情報データベースが前記各商品の販売履歴情報から任意の商品の任意の期間の販売量や販売率を算出する処理を含み、
    前記商品印象分析処理が、対象とした商品カテゴリに含まれる複数の商品に関する前記商品印象情報および任意の期間の販売量を前記商品情報データベースから参照し、任意の期間の販売量と各質問項目の評点データの代表値との関係から、販売量への寄与が大きい質問項目ほど評点データのレンジが小さくなるように評点データを補正し、補正評点データとして算出する処理を含み、前記商品印象分析処理が商品を分類する際に、前記評点データに替えて前記補正評点データを利用する処理を含み、
    前記商品情報データベースが各商品の任意の期間の販売量や販売率を商品毎に蓄積する処理を含む、商品の在庫管理および販売の最適化プログラム。
  20. 請求項１５から１９のいずれか１項に記載の商品の在庫管理および販売の最適化プログラムであって、
    販売情報調査処理が目的の商品カテゴリに含まれる商品の販売時に同時に購入された別の商品カテゴリに含まれる同時購入品の種類の同時購入品情報を取得して商品情報データベースに蓄積する処理を含み、さらに前記販売情報調査処理が前記商品情報データベースから任意の期間の商品毎の同時購入品情報の履歴を参照し、同時購入品の種類をアンケートにおける質問項目に対応させ、各同時購入品の有無に基づくダミー変数を評点とした販売時点毎のデータセットを、顧客毎の擬似的な商品印象情報として取得して前記商品情報データベースへ出力する処理を含み、
    前記商品情報データベースは出力された各商品の同時購入品情報を収集し、商品毎に蓄積する処理を含む、商品の在庫管理および販売の最適化プログラム。
  21. 請求項１５から２０のいずれか１項に記載の商品の在庫管理および販売の最適化プログラムであって、
    販売情報調査処理が目的の商品カテゴリに含まれる商品の販売時に同時に購入された別の商品カテゴリに含まれる同時購入品の種類の同時購入品情報を取得して商品情報データベースに蓄積する処理を含み、さらに前記販売情報調査処理が前記商品情報データベースから任意の期間の商品毎の同時購入品情報の履歴を参照し、同時購入品の種類をアンケートにおける質問項目に対応させ、各同時購入品の有無に基づくダミー変数を評点とした販売時点毎のデータセットを、顧客毎の擬似的な商品印象情報として取得して前記商品情報データベースへ出力する処理を含み、
    前記商品情報データベースは出力された各商品の同時購入品情報を収集し、商品毎に蓄積する処理を含み、
    前記ダミー変数の設定は、数量化ＩＩ類の適用によるカテゴリ数量を用い、商品毎の重み付け又は商品カテゴリ毎の集約をする、商品の在庫管理および販売の最適化プログラム。
JP2008046098A 2008-02-27 2008-02-27 商品の在庫管理および販売の最適化システム、その最適化方法、及びその最適化プログラム Pending JP2009205365A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2008046098A JP2009205365A (ja) 2008-02-27 2008-02-27 商品の在庫管理および販売の最適化システム、その最適化方法、及びその最適化プログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2008046098A JP2009205365A (ja) 2008-02-27 2008-02-27 商品の在庫管理および販売の最適化システム、その最適化方法、及びその最適化プログラム

Publications (1)

Publication Number Publication Date
JP2009205365A true JP2009205365A (ja) 2009-09-10

Family

ID=41147566

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2008046098A Pending JP2009205365A (ja) 2008-02-27 2008-02-27 商品の在庫管理および販売の最適化システム、その最適化方法、及びその最適化プログラム

Country Status (1)

Country Link
JP (1) JP2009205365A (ja)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010084656A1 (ja) * 2009-01-26 2010-07-29 株式会社日立製作所 優先度算出装置、プログラム、優先度算出システム及び優先度算出方法
JP2017107338A (ja) * 2015-12-08 2017-06-15 凸版印刷株式会社 調査装置、及び調査方法
CN106971348A (zh) * 2016-01-14 2017-07-21 阿里巴巴集团控股有限公司 一种基于时间序列的数据预测方法和装置
CN111126910A (zh) * 2019-12-20 2020-05-08 贵州黔岸科技有限公司 基于物联网的运输全程管控系统及方法
CN111523918A (zh) * 2019-02-02 2020-08-11 北京极智嘉科技有限公司 商品聚类的方法、装置、设备和存储介质
CN111832795A (zh) * 2019-04-17 2020-10-27 株式会社日立制作所 物品配置优化系统、方法及计算机可读记录介质
JP2021015508A (ja) * 2019-07-12 2021-02-12 株式会社日立エルジーデータストレージ 要求情報群最適化方法
CN113077070A (zh) * 2020-01-03 2021-07-06 中国科学技术大学 基于属性预测的动态abc分类仓储策略优化方法及实现系统
US11097898B1 (en) 2020-02-17 2021-08-24 Coupang Corp. Appratus for conveying product and operating method thereof
US11182740B2 (en) 2016-09-21 2021-11-23 Nec Corporation SKU number determination server, system, method, and program
KR102392212B1 (ko) * 2021-07-26 2022-04-27 조은영 마트 운영을 위한 매출 분석 및 재고 관리 방법, 장치 및 시스템
CN114707771A (zh) * 2022-06-06 2022-07-05 南京易联阳光信息技术股份有限公司 基于大数据的医药供应链管理方法及平台
CN117371826A (zh) * 2023-12-07 2024-01-09 福建科德信息技术服务有限公司 一种基于大数据的企业管理方法及系统

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8825190B2 (en) 2009-01-26 2014-09-02 Hitachi, Ltd. Priority calculation device, program, priority calculation system, and priority calculation method
WO2010084656A1 (ja) * 2009-01-26 2010-07-29 株式会社日立製作所 優先度算出装置、プログラム、優先度算出システム及び優先度算出方法
JP2017107338A (ja) * 2015-12-08 2017-06-15 凸版印刷株式会社 調査装置、及び調査方法
CN106971348A (zh) * 2016-01-14 2017-07-21 阿里巴巴集团控股有限公司 一种基于时间序列的数据预测方法和装置
JP2019502213A (ja) * 2016-01-14 2019-01-24 アリババ・グループ・ホールディング・リミテッドＡｌｉｂａｂａ Ｇｒｏｕｐ Ｈｏｌｄｉｎｇ Ｌｉｍｉｔｅｄ 時系列に基づいたデータ予測方法及び装置
US11182740B2 (en) 2016-09-21 2021-11-23 Nec Corporation SKU number determination server, system, method, and program
CN111523918A (zh) * 2019-02-02 2020-08-11 北京极智嘉科技有限公司 商品聚类的方法、装置、设备和存储介质
CN111523918B (zh) * 2019-02-02 2023-09-19 北京极智嘉科技股份有限公司 商品聚类的方法、装置、设备和存储介质
CN111832795A (zh) * 2019-04-17 2020-10-27 株式会社日立制作所 物品配置优化系统、方法及计算机可读记录介质
JP2021015508A (ja) * 2019-07-12 2021-02-12 株式会社日立エルジーデータストレージ 要求情報群最適化方法
JP7383411B2 (ja) 2019-07-12 2023-11-20 株式会社日立エルジーデータストレージ 要求情報群最適化方法
CN111126910A (zh) * 2019-12-20 2020-05-08 贵州黔岸科技有限公司 基于物联网的运输全程管控系统及方法
CN113077070A (zh) * 2020-01-03 2021-07-06 中国科学技术大学 基于属性预测的动态abc分类仓储策略优化方法及实现系统
CN113077070B (zh) * 2020-01-03 2024-02-23 中国科学技术大学 基于属性预测的动态abc分类仓储策略优化方法及实现系统
US11097898B1 (en) 2020-02-17 2021-08-24 Coupang Corp. Appratus for conveying product and operating method thereof
US11760572B2 (en) 2020-02-17 2023-09-19 Coupang Corp. Apparatus for conveying product and operating method thereof
KR102392212B1 (ko) * 2021-07-26 2022-04-27 조은영 마트 운영을 위한 매출 분석 및 재고 관리 방법, 장치 및 시스템
CN114707771A (zh) * 2022-06-06 2022-07-05 南京易联阳光信息技术股份有限公司 基于大数据的医药供应链管理方法及平台
CN114707771B (zh) * 2022-06-06 2022-09-27 南京易联阳光信息技术股份有限公司 基于大数据的医药供应链管理方法及平台
CN117371826A (zh) * 2023-12-07 2024-01-09 福建科德信息技术服务有限公司 一种基于大数据的企业管理方法及系统
CN117371826B (zh) * 2023-12-07 2024-03-15 福建科德信息技术服务有限公司 一种基于大数据的企业管理方法及系统

Similar Documents

Publication Publication Date Title
JP2009205365A (ja) 商品の在庫管理および販売の最適化システム、その最適化方法、及びその最適化プログラム
Chintagunta et al. Balancing profitability and customer welfare in a supermarket chain
US7734495B2 (en) Methods and system for allocating shelf space
US8650184B2 (en) System and method for identifying a targeted consumer
JP5401261B2 (ja) 情報推薦方法及び装置
US20080288327A1 (en) Store management system and program
Vaz et al. Performance comparison of retailing stores using a Malmquist-type index
KR20160071990A (ko) 고객 데이터 분석·검증 시스템
US20100228595A1 (en) System and method for scoring target lists for advertising
JP2022086981A (ja) 推定システム及び推定方法
KR20190086173A (ko) 온라인 쇼핑몰의 판매 상품 분석 및 판매 촉진 시스템
JP4765581B2 (ja) 商品評価者の選出要件抽出システムおよび方法
US20170169447A1 (en) System and method for segmenting customers with mixed attribute types using a targeted clustering approach
Goic et al. Detecting inefficiently managed categories in a retail store
JP6160165B2 (ja) 評価支援プログラム、評価支援装置及び評価支援方法
US7360698B1 (en) Method for determining relevance to customers of an advertisement for retail grocery items offered by a retailer
Pradhan et al. Measuring customer lifetime value: application of analytic hierarchy process in determining relative weights of ‘lrfm’
KR102452485B1 (ko) 판매 데이터 분석 방법 및 장치
US20220335358A1 (en) Store supporting system, learning device, store supporting method, generation method of learned model, and program
WO2016092767A1 (ja) グルーピングシステム、グルーピング方法およびグルーピングプログラム
Chen et al. Inventory based recommendation algorithms
Tripathi et al. A study of inventory management techniques applied by organized retailers' and its effect on customer satisfaction and retailer's financial performance with special reference to Bhopal and Indore City
JP2001134648A (ja) 顧客維持育成のための顧客データ分析方法
JP4928101B2 (ja) メディア・プランニング・システム
Peker et al. A methodology for product segmentation using sale transactions