JP2010237923A

JP2010237923A - 広告物作成支援装置、広告物作成支援方法、及びプログラム

Info

Publication number: JP2010237923A
Application number: JP2009084443A
Authority: JP
Inventors: Fumie Katsushima; 史恵勝島; Takao Inoue; 貴雄井上
Original assignee: Dai Nippon Printing Co Ltd
Current assignee: Dai Nippon Printing Co Ltd
Priority date: 2009-03-31
Filing date: 2009-03-31
Publication date: 2010-10-21

Abstract

【課題】商品の特徴と過去の販売実績との関係の分析に基づいて広告物の作成を支援する広告物作成支援装置を提供する。
【解決手段】広告物作成支援装置１のＣＰＵ３は、ユーザ操作により選択された商品データに対し、前年の商品の売上金額が上位２００位に入るか否かを目的変数、商品の各種属性を説明変数とした決定木分析を行う。続いてＣＰＵ３は、所定のルールに基づいて、ルートノードを始点として決定木をたどる経路を選択する。経路選択後、ＣＰＵ３は、選択した経路をなす決定木の分岐条件である商品の属性の値とその属性と、選択した経路に該当する商品データを取得し、商品データに含まれる前年度の広告面積をもとに今年度の広告面積を決定する。最後に、ＣＰＵ３は取得した商品の属性およびその値と、商品データと、今年度の広告面積を表示部７に表示する。
【選択図】図２

Description

本発明は、商品の特徴と過去の販売実績との関係の分析に基づいて広告物の作成を支援する広告物作成支援装置、広告物作成支援方法、及びプログラムに関する。

中元、歳暮など、贈答品を購入する際には、ギフト事業者のカタログを見て商品を選択することが多い。この種のカタログには、多種多様な商品が、様々な大きさのスペースに、文章や写真を用いて掲載されている。
このようなカタログを作成する際の、個々の商品の広告面積を決める、あるいは商品に添える文章を決定するなどの工程は、通常その多くを作成者の経験や勘に頼っており、効率が悪く、また消費者の嗜好性に沿うとは限らないという問題がある。

特許文献１には、商品マスターから、チラシ／カタログに掲載する商品を、過去の売り上げ実績を見ながら選んで掲載商品リストを作成する機能と、作成した掲載商品リストをデータベースに登録する機能とを有する掲載商品登録手段と、データベースから掲載商品リストを読み出す機能と、読み出した掲載商品リストから、計画数、目玉商品を決定し、計画数が追記され目玉商品が示された掲載商品リストを更新する機能とを有する目玉商品・計画数決定手段と、データベースから掲載商品リストを読み出す機能と、読み出した掲載商品リストにおける各商品の並び順を必要に応じて変更できる機能と、この並び順と、頁ブロック分けルールとに従って、自動的に、掲載商品リストに含まれる各商品を、チラシ／カタログの各頁の各ブロックに配置する機能とを有する頁レイアウト手段とを備えることを特徴とするチラシ／カタログ制作支援装置が示されている。
上記のチラシ／カタログ製作支援装置は、売れる商品が売れるように配置されたチラシあるいはカタログを短期間に制作できるようにすることを目的とするものである。

特開２００７−３１６７０８号公報

しかしながら、広告物の作成に関しては、作成効率を向上させ、売れる商品が売れるように配置するとともに、売れる商品の傾向を詳しく分析する、すなわち、どのような商品が売れるのかを分析し、積極的にこれを生かすことで効果的な広告物を作成したいという要求が存在する。
また、広告物の作成支援は、その効果を検証し、改善することでこれを発展させることが望ましい。そのためには、広告物の作成支援は、作成者によらず一定の、再現可能な方法・手順で行われる必要がある。

本発明は、前述した問題点に鑑みてなされたもので、その目的は、商品の特徴と過去の販売実績との関係の分析に基づいて広告物の作成を支援する広告物作成支援装置等を提供することである。
また、広告物作成の支援は作成者によらない一定の手順で行うものとし、その効果を検証可能なものにしておく。

前述した目的を達成するために第１の発明は、商品の過去の販売実績を目的変数、予め定めた商品の属性を説明変数とした決定木分析を商品データに対して適用することにより、商品データを販売実績別に分けるべく、属性の値を条件とする１または複数の段階の分類を行う決定木分析手段と、決定木分析手段で作成された、１または複数の段階の分類を木構造で表す決定木を用いて、根に相当するルートノードを始点とする経路を所定のルールに基づいて選択する経路選択手段と、を有することを特徴とする広告物作成支援装置である。

決定木分析は、データマイニングに用いられる公知の手法の一つである。簡単に説明すると、対象となるデータについて説明変数の値に基づく分類を繰り返し、最終的に目的変数の値が同じもの同士の集合にまとめる手法である。
決定木は、このようにして行った階層的な分類を根から枝葉にいたる分岐を有する木構造で表したものである。
商品の属性とは、価格や種類など商品の特徴をあらわすものである。各商品について、その属性における違いを表す属性値が割り当てられる。属性値は、カテゴリ変数でもよいし、間隔尺度の変数であってもよい。

ここで、販売実績は、所定の閾値に基づいて高いか否かの２値で表されるものであり、所定のルールは、分類後の商品データの集合における商品データの数と販売実績の高い商品データの数の比、または分類後の商品データの集合における販売実績の高い商品データの数、または分類前の商品データの集合における販売実績の高い商品データの数と分類後の商品データの集合における販売実績の高い商品データの数の比、に基づいて定められることが望ましい。

上記の構成によれば、商品の特徴と過去の販売実績との関係の分析に基づいて広告物の作成を支援する広告物作成支援装置を提供することができる。
また、広告物の作成支援が一定のフローに基づいて行われるため、有効性の検証や、手順の改善が可能である。

第１の発明の広告物作成支援装置は、経路選択手段で選択した経路をなす商品データの分類条件である属性の値を取得する属性値取得手段と、経路選択手段で選択した経路に該当する商品データについて、その商品の過去の広告面積をもとに新たな広告面積を決定する広告面積決定手段と、広告面積決定手段で決定した広告面積および属性値取得手段で取得した属性の値を表示する広告物作成支援データ表示手段と、をさらに有することが望ましい。

上記の構成によれば、決定木における経路選択を行った結果より、新たな広告面積とアピールポイントを広告物作成支援装置が表示するので、広告物作成作業の助けとなる。

前述した目的を達成するために第２の発明は、広告物作成支援装置が、商品の過去の販売実績を目的変数、予め定めた商品の属性を説明変数とした決定木分析を商品データに対して適用することにより、商品データを販売実績別に分けるべく、属性の値を条件とする１または複数の段階の分類を行う決定木分析ステップと、広告物作成支援装置が、決定木分析ステップで作成された、１または複数の段階の分類を木構造で表す決定木を用いて、根に相当するルートノードを始点とする経路を所定のルールに基づいて選択する経路選択ステップと、を有することを特徴とする広告物作成支援方法である。

上記の構成によれば、商品の特徴と過去の販売実績との関係の分析に基づいて広告物の作成を支援する広告物作成支援方法を提供することができる。
また、広告物の作成支援は一定のフローに基づいて行われるため、有効性の検証による作成ステップの改善が可能である。

第２の発明の広告物作成支援方法は、広告物作成支援装置が、経路選択ステップで選択した経路をなす商品データの分類条件である属性の値を取得する属性値取得ステップと、広告物作成支援装置が、経路選択ステップで選択した経路に該当する商品データについて、その商品の過去の広告面積をもとに新たな広告面積を決定する広告面積決定ステップと、広告物作成支援装置が、広告面積決定ステップで決定した広告面積および属性値取得ステップで取得した属性の値を表示する広告物作成支援データ表示ステップと、をさらに有することが望ましい。

前述した目的を達成するために第３の発明は、コンピュータを第１の発明の広告物作成支援装置として機能させるためのプログラムである。

上記の構成によれば、コンピュータを第１の発明の広告物作成支援装置として機能させるためのプログラムを提供することができる。

本発明により、商品の特徴と過去の販売実績との関係の分析に基づいて広告物の作成を支援する広告物作成支援装置等を提供することができる。

本発明の広告物作成支援装置１のハードウェア構成の一例を示す図本発明の広告物作成支援装置１の処理を示すフローチャートの一例を示す図本発明の広告物作成支援装置１に係る商品データ２３の一例を示す図本発明の広告物作成支援装置１が表示する決定木６３の一例を示す図本発明の広告物作成支援装置１を用いて広告物の作成を行う例を示す図

以下、図面に基づいて本発明の実施形態に係る広告物作成支援装置１について詳細に説明する。図１は、本発明の実施形態に係る広告物作成支援装置１のハードウェア構成図である。

広告物作成支援装置１は、ＣＰＵ（中央演算装置）３、メモリ５、表示部７、通信部９、記憶部１１、データベース１３、入力部１５、出力部１７等を有し、これらがバス１９等で接続される構成となっている。

ＣＰＵ３は、記憶部１１やデータベース１３等に保存されたデータやプログラム等をメモリ５に読み出して、各種の演算および制御を行う。これにより、後述の広告物作成支援装置１が行う処理を実現する。
メモリ５はＲＡＭ（ランダムアクセスメモリ）やＲＯＭ（リードオンリーメモリ）からなり、各種のデータやプログラム等を一時的に、あるいは恒久的に保存する。

記憶部１１はハードディスク等からなり、各種のデータやプログラムを保存する。また、記憶部１１はデータベース１３を保持している。
データベース１３は、後述の広告物作成支援装置１の行う処理に用いる各種のデータを読出し可能に保存しておくためのものである。
本実施形態では広告物作成支援装置１が記憶部１１を内蔵し、記憶部１１がデータベース１３を保持する構成となっている。しかし、広告物作成支援装置１と記憶部１１とデータベース１３の構成は様々な形態をとり得る。例えば、記憶部１１が広告物作成支援装置１とネットワークを介して接続する構成や、データベース１３が記憶部１１と独立して広告物作成支援装置１と接続する構成などが可能である。

表示部７は液晶パネル、ＣＲＴモニタなどのディスプレイ装置である。
通信部９は通信制御装置、通信ポート等を有する。ネットワーク２１に接続し、各種情報の送受信を行う。本実施形態では、広告物作成支援装置１をネットワーク２１に接続する構成となっているが、これをスタンドアローンとする構成でもよく、この場合通信部９は不要である。

入力部１５は例えばキーボードやマウス、ドライブ装置やスキャナなどであり、広告物作成支援装置１へデータ入力を行うための周辺装置である。また、広告物作成支援装置１と各装置を接続し、データ入力を行うためのインタフェースを備える。
出力部１７は例えばプリンタやドライブ装置など、広告物作成支援装置１からのデータ出力を行うための周辺装置である。また、広告物作成支援装置１と各装置を接続し、データ出力を行うためのインタフェースを備える。
バス１９は各装置間の制御信号やデータ信号等の授受を媒介する経路である。

つづいて、本発明の実施形態に係る広告物作成支援装置１の処理の流れについて説明する。本実施形態では、広告物の例として贈答品カタログをあげて説明を行う。
図２は、本発明の実施形態に係る広告物作成支援装置１の処理の流れを示すフローチャートである。

ユーザ（カタログ作成者）が広告物作成支援装置１の記憶部１１に保存されている広告物作成支援プログラムを起動させ、分析に使用する商品データを選択すると、ステップＳ２０１において、広告物作成支援装置１のＣＰＵ３は、ユーザ操作により選択された商品データをデータベース１３よりメモリ５に読み込む。
本実施形態では、商品データは予めデータベース１３に入力しておくが、分析時にデータ入力するようにしても構わない。
なお、本実施形態ではユーザ（カタログ作成者）は、ギフト事業者を兼ねるものとするが、ユーザとギフト事業者は異なるものであってよい。例えば、カタログ作成者はギフト事業者からの商品データの提供をうけてカタログを作成することができる。

ここで、図３を参照しながら、商品データについて説明する。
図３は、本発明の実施形態に係る商品データ２３を示す図である。

本実施形態では、商品データ２３は、ユーザが扱う商品の区分ごとに予め作成される。商品の区分には、「農産品」や「水産品」のような商品を大きく区分するものや、「水産品」をさらに区分する「生鮮魚介類」や「水産加工品」のように、商品を細かく区分するものなどがある。
本実施形態では、商品区分「水産加工品」の例を挙げて説明する。

図３の商品データ２３において、２５は注文番号である。注文番号２５は商品の注文作業を簡略化するためのもので、各商品に異なる番号が入力される。
２７は商品名である。商品名２７には「○△港鉄火丼セット」や「ほたて干貝柱」などユーザが扱う商品の名称が入力される。

２９は、販売実績であり、後述の決定木分析における目的変数となる。
本実施形態では、各商品の前年度の売上金額が、ユーザの扱う商品の売上金額上位２００品目に入っているかをＴ（ＴＲＵＥ、入っている）、Ｆ（ＦＡＬＳＥ、入っていない）の２値で入力する。
しかし、販売実績が高いか否かの２値で表すための閾値はこれに限らず、様々なものが考えられる。例えば、売上金額そのものを閾値としてもよい。

３１はカタログの頁であり、その商品の前年度のカタログ掲載頁が示される。
３３は販売価格であり、各商品の価格が入力される。価格は、税込み表示でも税抜き表示でも構わない。
３５は販売数量であり、本実施形態では、前年度の販売数量を入力する。
３７は売上金額であり、商品の前年度の売上金額が入力される。金額は、税込み表示でも、税抜き表示でも構わない。

３９は売上順位であり、前年度の売上金額により各商品の順位付けを行ったものである。

図３の商品データ２３において、４１から５９に示す項目はそれぞれ商品の属性を表す項目である。各商品について、それぞれの属性の値が入力される。これらは後述の決定木分析における説明変数となる。
以下、各項目について説明する。

４１は価格ポイント属性であり、商品の価格帯を値として入力する。例えば、価格帯によって「プレミアム」や「レギュラー」といった値を定める。
本実施形態では、８０００円（税込み、以下同）以上の商品を「スーパープレミアム」、５０００円以上８０００円未満の商品を「プレミアム」、３０００円以上５０００円未満の商品を「レギュラー」、３０００円未満の商品を「お買い得」などと入力する。

４３は産地属性であり、商品の産地を値として入力する。例えば、「全国有名産地」や「ご当地」などを値として入力する。

４５は製法属性であり、商品の製法を値として入力する。例えば、「トレーサビリティ」や「スタンダード」などを値として入力する。

４７はブランド属性であり、商品のブランドを値として入力する。例えば、ブランド価値を有する特定の品種であることを示す「特定品種ブランド」、特定のメーカーであることを示す「メーカーブランド」などを値として入力する。

４９は加工方法属性であり、商品の加工方法を値として入力する。例えば、「干物」や「寿司・押し寿司・丼」などを値として入力する。

５１は、風味・素材属性であり、商品の風味・素材を値として入力する。例えば、「粕漬け」「干し物」「味噌漬け」などを値として入力する。

５３は、気配り属性であり、消費者への配慮を値として入力する。例えば、「保存性」や「手間簡単」、「健康配慮」などを値として入力する。

５５は種類属性であり、商品の種類を値として入力する。例えば、「まぐろ」「貝類」「鮭」「うなぎ」などを値として入力する。

５７はフォーム属性であり、商品の組合せ、詰合せの状態を値として入力する。例えば、「同種類詰合せ」や「同種類多風味詰合せ」、「異種類詰合せ」などを値として入力する。

５９は容量属性であり、商品の数や量の大小を値として入力する。例えば「大量」や「少量」などと値を定め、大家族消費向けの品数、量がある商品には「大量」、小家族向けの品数、量の商品には「少量」と入力するようにしておく。

４１から５９は、商品データ２３に後述の決定木分析を適用する場合に説明変数として用いる商品の属性とその値の例を示したものである。
ただし、属性の選択は本実施形態に限定されること無く、別の属性を加えたり、あるいは属性を減じたりするなど自由に行って構わない。属性の値についても自由に定めてよい。

また、本実施形態では、属性とその値はユーザが専門家のインタビューなどを参考に予め定めておく。しかし、属性とその値の定め方は自由にしてよく、本実施形態以外のものでも構わない。

６１はスペース効率属性であり、各商品の過去の広告掲載面積を、カタログ１ページの面積に対する割合（パーセント表示）の形で数段階にあらわしたものである。
本実施形態では、１００％（１ページ全体）、５０％（１ページの１／２）、３３％（同１／３）、２５％（同１／４）、…など数段階で前年度の広告掲載面積を入力する。
また、大きさの表示はこれに限らない。例えばカタログ全ページの面積に対する割合でも良いし、絶対的な面積でも構わない。

以上説明した商品データ２３は、入力部１５を介したユーザ操作等により、予めデータベース１３に入力されている。

さて、ステップＳ２０１においてＣＰＵ３が商品データ２３をデータベース１３よりメモリ５に読込んだあと、ユーザは、ステップＳ２０２で分析パラメータをユーザ操作により入力する。

分析パラメータとは、例えば、決定木作成の停止条件に関して入力する数値など、決定木分析の際に用いるパラメータである。決定木作成の停止条件については後述する。

次に、ステップＳ２０３において、広告物作成支援装置１のＣＰＵ３は、Ｓ２０１でメモリ５に読み込んだ商品データ２３に対して、ステップＳ２０２で入力したパラメータ条件で決定木分析を行う。

決定木分析は公知の手法であるが、簡単に説明すると、対象となるデータについて説明変数の値を条件として効率よく分類することを繰り返し、最終的に目的変数の値が同じもの同士の集合にまとめる手法である。
決定木は、このようにして行った階層的な分類を根から枝葉にいたる分岐を有する木構造で表したものである。
本実施形態では、対象となるデータは商品データ２３であり、目的変数は販売実績２９であり、説明変数は価格ポイント属性４１から容量属性５９までの商品の各属性であり、説明変数の値とは、例えば価格ポイント属性４１では「レギュラー」や「プレミアム」などのカテゴリ変数である。

決定木分析のアルゴリズムとしては、ＣＨＡＩＤ（ＣｈｉｓｑｕａｒｅＡｕｔｏｍａｔｉｃＩｎｔｅｒａｃｔｉｏｎＤｅｔｅｃｔｉｏｎ）やＣＡＲＴ（ＣｌａｓｓｉｆｉｃａｔｉｏｎａｎｄＲｅｇｒｅｓｓｉｏｎＴｒｅｅｓ）やＱＵＥＳＴ（Ｑｕｉｃｋ，Ｕｎｂｉａｓｅｄ，Ｅｆｆｉｃｉｅｎｔ，ＳｔａｔｉｓｔｉｃａｌＴｒｅｅ）などの公知のものがある。詳細は省略するが、これらは用いる変数の尺度、分類効率の評価法、可能な分類先の数等において異なる。目的に応じて使用するアルゴリズムは適宜選択してよい。

ステップＳ２０３の決定木分析によって得られた決定木データは、メモリ５に保存する。また、作成された決定木を表示部７で表示する。

本実施形態において、決定木分析により作成される決定木の例を示したものが図４である。

図４に示す決定木６３は、属性の値に基づいて行った商品データの階層的な分類を根から枝葉にいたる分岐を有する木構造で表したものである。これにより、消費者の商品選択嗜好性を明らかにすることができる。

図４において、Ｎ１からＮ１９はノードとよばれる。また、決定木６３の最上位に位置するノード（ノードＮ１）はルートノード、これ以上分岐することができない決定木６３の末端に位置するノード（ノードＮ２、Ｎ８、Ｎ１０、Ｎ１１、Ｎ１３、Ｎ１４、Ｎ１６〜Ｎ１９）はリーフノードと呼ばれる。

決定木６３の分岐は、該当する分類条件により分岐元ノードに属する商品データが分岐先ノードに属する商品データに分類されることを示している。
例えば、ノードＮ１（水産加工品）に属する商品データは、（製法属性が）トレーサビリティかスタンダードかによってノードＮ２（水産加工品かつトレーサビリティ）もしくはノードＮ３（水産加工品かつスタンダード）に分類される。
ノードＮ２に分類される商品データは全て販売実績がＴで、ノードＮ３に分類される商品データの多くは販売実績がＦである。商品の属性の値を分類条件とした分類が効率よく行われ、販売実績が同じ商品データ同士がよくまとめられていることがわかる。

決定木６３の個々のノードには、各ノードに該当する商品データの販売実績（ＴまたはＦ）の内訳を示す販売実績データが表示される。
例えば、ノードＮ４には、ノードＮ４に該当する商品データが全部で１２６品（水産加工品全体の７８．７５％）あり、そのうち販売実績がＦであるものが１２０品（Ｎ４に該当する１２６商品の９５．２４％）あり、販売実績がＴであるものが６品（Ｎ４に該当する１２６商品の４．７６％）あることが表示されている。

前述の決定木作成の停止条件としては、決定木の分岐元ノードの最小商品数や分岐先ノードの最小商品数、決定木の最大階層数などがある。
これらの値を定めると、例えば、分岐元ノードの最小商品数を下回る商品データ数のノードからは分岐を行わない、あるいは分岐先ノードの最小商品数を下回る商品データ数の分岐先ノードを作成しない、もしくは決定木の最大階層数を超えては決定木を作成しない、などの停止条件を定めることができる。
本実施形態では、分岐先ノードの最小商品数を２、決定木の最大階層数を６と決定木作成の停止条件を定めたが、停止条件の定め方はこれに限定されること無く、本実施形態以外の定め方でも構わない。

前述した決定木データには、商品データの階層的な分類を表す決定木における分岐構造を示す構造データや分岐（分類）条件データ、また各ノードに該当する商品を示す商品データ、各ノードの販売実績を示す販売実績データ、および決定木の構成を示すその他のデータが含まれる。

さて、ステップＳ２０４において、ＣＰＵ３は、ユーザ操作に応じて、決定木の経路選択を実行する。

具体的には、ＣＰＵ３は、決定木６３において、ルートノード（Ｎ１）を始点とする経路を所定のルールに基づいて選択する。
本実施形態では、分岐元ノードから、ルールＩ；そのノードに該当する商品の集合において、販売実績がＴである商品の数の割合が５０％を上回る分岐先ノード、またはルールＩＩ；ルールＩを満たさない場合、そのノードのさらに分岐先のノードに該当する商品の集合において、販売実績がＴである商品の数の割合が３０％を上回るノードが存在する分岐先ノード、にたどることをルールとし、経路選択を行う。

上記のルールに基づき決定木をたどり、たどることができるノードがなくなると（ルールに基づいて選択できるノードがない、分岐先のノードそのものがない等）、ＣＰＵ３は、経路の選択を終了する。

図４において、６５はルートＡ、６７はルートＢであり、本実施形態において経路選択を行った例である。
選択されたルートＡやルートＢは、消費者が商品選択する際の嗜好性を表している。

例えば、決定木６３のルートＡは、水産加工品（ノードＮ１）から、前述のルールＩに基づいてトレーサビリティ（製法属性）の分岐（分類）条件（ノードＮ２）をたどり、ノードＮ２で終了する経路を表している。
ノードＮ２に属する商品は８品あるが、販売実績は８品全てがＴである。
これにより、消費者は水産加工品でトレーサビリティを有するものを好むということがわかる。広告物作成の際、水産加工品のトレーサビリティは、消費者に対し重要なアピールとなる。

ルートＢは、ノードＮ１から前述のルールＩＩに基づいてノードＮ３をたどり、ノードＮ３からルールＩＩに基づいてノードＮ５をたどり、ノードＮ５からルールＩに基づいてノードＮ８をたどり、ノードＮ８で終了する経路を表している。ルートＢも同様に消費者の嗜好性を表している。たどった経路の分岐（分類）条件を拾ってゆくと、スタンダード（製法属性）、ご当地（産地属性）、うなぎ（種類属性）となる。これにより、消費者は水産加工品で、製法属性がスタンダードで、産地がご当地で、種類がうなぎの商品を好むということがわかる。
これらは例えば、「ゴールデンルート」とカテゴライズしておく。また、該当する商品の全てがＴに分類されるルートＡについては、消費者の特に強い選択嗜好性をあらわしているとも考えられるので、別のカテゴリを設け、例えば「ディスティネーション」とカテゴライズするなどしても良い。

前述の経路選択のルールは、分岐先ノードに該当する商品データの集合における商品データの数と販売実績の高い商品データの数の比を用いたが、経路選択のルールは、前述のものに限られず、様々に定めることができる。
例えば、販売実績の高い商品データの数が最も多い分岐先ノードをたどる、もしくは販売実績の高い商品データの数が○個以上の分岐先ノードをたどる、など分岐先ノードに該当する商品データの集合における販売実績の高い商品データの数によって経路を選択してもよい。
また、分岐元の商品データの集合における販売実績が高い商品データの数と分岐先の商品データの集合における販売実績が高い商品データの数との比によって経路選択のルールを定めても良い。これは例えば、分岐元ノードに該当する商品データの集合における販売実績の高い商品データの数の○％以上の数の販売実績の高い商品データを有する分岐先ノードをたどる、などである。
また、このような各選択条件により選択したルートに対して、選択条件に応じたルートのカテゴライズを行うことができる。これらは、ユーザが適宜設定するものである。

この他、決定木４７からは様々な分析が可能である。例えば、販売実績で、Ｆの数が多く、Ｔの数が少ないノード、例えばノードＮ４やノードＮ７では、さらに属性あるいは属性値を元の商品データに追加した分析によって、消費者の嗜好性を示す新たな経路を発見する可能性がある。これらはユーザが適宜検討し、広告物作成支援装置１による広告物作成の支援方法の改善等行うものである。

ステップＳ２０５で、ＣＰＵ３はステップＳ２０４で選択した経路をなす決定木の分岐（分類）条件である商品の属性の値とその属性を決定木データより取得する。
例えば、図４のルートＡについては、トレーサビリティ；製法属性を取得する。図４のルートＢについては、スタンダード；製法属性、ご当地；産地属性、うなぎ；種類属性、を取得する。

加えて、ステップＳ２０６において、ＣＰＵ３は、ステップＳ２０４において選択した経路に該当するする商品データとして、経路の終点のノードに該当する商品データを決定木データより取得する。
例えば、図４のルートＡに該当する商品データとして、ノードＮ２に属する商品データを、図４のルートＢに該当する商品データとして、ノードＮ８に属する商品データを取得する。

続いて、ステップＳ２０７において、ＣＰＵ３は、ステップＳ２０６で取得した商品データの商品について、スペース効率属性６１の値（前年度の広告面積）に応じて、新しい広告面積を決定する。
本実施形態では、上述の「ゴールデンルート」に該当する商品の広告面積を、過去の広告面積より１段階大きくする。例えば、前年度の広告面積が２５％（１ページの１／４）であった商品の広告面積は、これを１段階大きくして３３％（同１／３）とするようにする。

これに限らず、例えば前述の「ディスティネーション」ルートに該当する商品であれば新たな広告面積を２段階大きくすることや、商品の利益率を商品データに加え、これを広告面積決定の際に加味するなど、広告面積、あるいは選択したルートに応じた新しい広告面積の決定方法は自由に定めてよい。

ステップＳ２０８で、ＣＰＵ３は、選択したルートごとに、ステップＳ２０５で取得した商品属性の値とその属性、ステップＳ２０６で取得した商品データ、これらの商品についてステップＳ２０７で決定した新しい広告面積を広告物作成支援データとして表示部７に表示する。
ユーザは、表示された商品および属性の値とその属性、新しい広告面積を参考に、新しい広告物の作成作業を行うことができる。

図５は、本発明の広告物作成支援装置１により得られた広告物作成支援データを参照して、ルートＢに該当する商品（「○▲湖産のうなぎ蒲焼」）の新しい今年度広告を作成した例を示すものである。

図５で、６９は前年度広告であり、７１は前年度広告に掲載されていた「○▲湖産のうなぎ蒲焼」の広告である。前年度の「○▲湖産のうなぎ蒲焼」の広告面積は３３％であり、他種の水産加工品とともに掲載されているものとする。
また、７３は今年度広告であり、７５は今年度の「○▲湖産のうなぎ蒲焼」の広告である。本発明の広告物作成支援装置１により得られた広告物作成支援データを参照して、新たに作成したものである。

「○▲湖産のうなぎ蒲焼」がゴールデンルートであるルートＢに該当しているため、今年度の「○▲湖産のうなぎ」の広告７５の広告面積は、本発明の広告物作成支援装置１により得られた広告物作成支援データによれば、前年度（３３％、１ページの１／３）よりも１段階大きい５０％（１ページの１／２）となる。

また、広告物作成支援データによれば、「ご当地」（産地属性）や「うなぎ」（種類属性）などが商品選択の鍵になっている。よって、今年度の「○▲湖産のうなぎ蒲焼」の広告７５には、これらをアピールするような写真や文章が添えられる。すなわち、「産地で選ぶうなぎ」などの文章や、産地風景等の写真が添えられる。
加えて、１ページに掲載する広告を「うなぎ」で統一している。

このように、広告物作成支援装置１は、商品の特徴と過去の販売実績との関係を分析し、これに基づく広告物作成の支援を、広告物作成支援データの表示により行うことができる。
ユーザは、広告物作成支援データに示される商品の広告面積を、新しい広告面積とし、属性の値に対応したアピールを文章や写真の形で行えばよい。

また、広告物作成支援装置１の各種処理条件等を定めると、広告物作成支援装置１による広告物の作成支援が作成者によらず一定の手順により行われる。
よって、広告物作成支援装置１による支援に基づいて広告面積を大きくする、あるいはアピール文を添えるなどした商品の売上がさらに上昇したかを検討するなど、売上に与える効果を検証することができる。
これにより、広告物作成支援装置１による広告物作成支援の手順（例えば、決定木をたどるルールなど）をさらに改善し、より効果的なものとすることができる。

また、上記の実施形態では、広告物の例としてカタログをあげたが、広告物とはこれに限定されることなく、ＷＥＢにて表示されるカタログでもよいし、チラシに適用することもできる。

以上説明したように、本発明の実施の形態によれば、商品の特徴と過去の販売実績との関係の分析に基づいて広告物の作成を支援する広告物作成支援装置を提供することができる。

以上、添付図面を参照しながら、本発明に係る広告物作成支援装置等の好適な実施形態について説明したが、本発明はかかる例に限定されない。当業者であれば、本願で開示した技術的思想の範疇内において、各種の変更例又は修正例に想到し得ることは明らかであり、それらについても当然に本発明の技術的範囲に属するものと了解される。

１………広告物作成支援装置
３………ＣＰＵ
５………メモリ
７………表示部
９………通信部
１１………記憶部
１３………データベース
１５………入力部
１７………出力部
１９………バス
２１………ネットワーク

Claims

商品の過去の販売実績を目的変数、予め定めた商品の属性を説明変数とした決定木分析を商品データに対して適用することにより、商品データを販売実績別に分けるべく、属性の値を条件とする１または複数の段階の分類を行う決定木分析手段と、
前記決定木分析手段で作成された、前記１または複数の段階の分類を木構造で表す決定木を用いて、根に相当するルートノードを始点とする経路を所定のルールに基づいて選択する経路選択手段と、
を有することを特徴とする広告物作成支援装置。
前記販売実績は、所定の閾値に基づいて高いか否かの２値で表されるものであり、
前記所定のルールは、分類後の商品データの集合における商品データの数と販売実績の高い商品データの数の比、または分類後の商品データの集合における販売実績の高い商品データの数、または分類前の商品データの集合における販売実績の高い商品データの数と分類後の商品データの集合における販売実績の高い商品データの数の比、に基づいて定められることを特徴とする請求項１に記載の広告物作成支援装置。
前記経路選択手段で選択した経路をなす商品データの分類条件である属性の値を取得する属性値取得手段と、
前記経路選択手段で選択した経路に該当する商品データについて、その商品の過去の広告面積をもとに新たな広告面積を決定する広告面積決定手段と、
前記広告面積決定手段で決定した広告面積および前記属性値取得手段で取得した属性の値を表示する広告物作成支援データ表示手段と、
をさらに有することを特徴とする、請求項１または請求項２に記載の広告物作成支援装置。
広告物作成支援装置が、商品の過去の販売実績を目的変数、予め定めた商品の属性を説明変数とした決定木分析を商品データに対して適用することにより、商品データを販売実績別に分けるべく、属性の値を条件とする１または複数の段階の分類を行う決定木分析ステップと、
広告物作成支援装置が、前記決定木分析ステップで作成された、前記１または複数の段階の分類を木構造で表す決定木を用いて、根に相当するルートノードを始点とする経路を所定のルールに基づいて選択する経路選択ステップと、
を有することを特徴とする広告物作成支援方法。
前記販売実績は、所定の閾値に基づいて高いか否かの２値で表されるものであり、
前記所定のルールは、分類後の商品データの集合における商品データの数と販売実績の高い商品データの数の比、または分類後の商品データの集合における販売実績の高い商品データの数、または分類前の商品データの集合における販売実績の高い商品データの数と分類後の商品データの集合における販売実績の高い商品データの数の比、に基づいて定められることを特徴とする請求項４に記載の広告物作成支援方法。
広告物作成支援装置が、前記経路選択ステップで選択した経路をなす商品データの分類条件である属性の値を取得する属性値取得ステップと、
広告物作成支援装置が、前記経路選択ステップで選択した経路に該当する商品データについて、その商品の過去の広告面積をもとに新たな広告面積を決定する広告面積決定ステップと、
広告物作成支援装置が、前記広告面積決定ステップで決定した広告面積および前記属性値取得ステップで取得した属性の値を表示する広告物作成支援データ表示ステップと、
をさらに有することを特徴とする、請求項４または請求項５に記載の広告物作成支援方法。
コンピュータを、請求項１から請求項３のいずれかに記載の広告物作成支援装置として機能させるためのプログラム。