JP2010282580A - ライフサイクル分析装置、ライフサイクル分析プログラム、ライフサイクル分析方法およびライフサイクル分析システム - Google Patents

Abstract

【課題】商品のライフサイクルの分析にかかる時間やコストを削減しつつ、商品のフェーズ判定を正確に実施することを課題とする。
【解決手段】ライフサイクル分析装置は、購買履歴データとプロファイルデータとに基づいて一日単位での初回購入ユーザ数を示す日単位採用者数データを生成し、ライフサイクル分析のための商品ＩＤに該当する商品について、生成された日単位採用者数データから、嗜好特性それぞれにおける期間別での初回購入ユーザの割合データを示す期間別対象商品採用者割合データを生成し、生成された期間別対象商品採用者数割合データに基づいて、期間別でのフェーズ判定データを生成して、生成されたこれらのデータをライフサイクルの分析結果として端末装置に送出する。
【選択図】図２

Description

本発明は、ライフサイクル分析装置、ライフサイクル分析プログラム、ライフサイクル分析方法およびライフサイクル分析システムに関する。

従来、サービスや商品などにおける市場では、購入者であるユーザの多種多様なニーズに応えるべく、当該サービスや購入可能な商品の多種多様性が増加傾向にある。そこで、商品の供給側である企業などでは、ユーザのニーズを的確に認識しつつ、商品の開発から販売に至るまでのマーケティングが重要となっている。

このマーケティングでは、商品のライフサイクルという概念がある。商品のライフサイクルとは、商品が市場に登場してから退場するまでのフェーズを指す。具体的に説明すると、商品のライフサイクルは、図１７に示すように、時系列において導入期、成長期、成熟期および衰退期という４つのフェーズを有する。また、図１７に示した採用者数とは、商品を初めて購入したユーザの数を示す。

これらにより、図１７では、商品の導入期から成長期に至る時系列で採用者数が増加し、商品の成熟期から衰退期に至る時系列で採用者数が減少していることがわかる。要するに、商品のライフサイクルを分析することは、商品にかかる開発コストの抑制、過剰に在庫を抱えることの抑止、または在庫不足の解消などを踏まえた商品のプロモーション活動において非常に重要な役割を果たすこととなる。なお、図１７は、商品のライフサイクルのフェーズにおける採用者数の推移の例を示す図である。

ところで、ユーザの多種多様なニーズ、すなわち嗜好特性の分類例としては、イノベータ理論に基づいた分類がある。このイノベータ理論は、ロジャースが１９６２年に提唱したイノベーション（技術革新）の普及に関する理論である。そして、イノベータ理論においてロジャースは、商品の新規性や話題性に対するユーザの特性（革新性）に基づいて、５つのグループにユーザを分類している。

具体的に説明すると、イノベータ理論では、図１８に示すように、ユーザの革新性に基づいて、イノベータ（Innovators：革新者）、アーリーアダプタ（Early Adopters：初期採用者）、アーリーマジョリティ（Early Majority：前期追随者）、レイトマジョリティ（Late Majority：後期追随者）およびラガード（Laggards：遅滞者）の５つのグループにユーザの嗜好特性を分類している。また、図１８に示した採用者数とは、商品を初めて購入したユーザの数を示す。

これらの５つのグループのうち、イノベータは、冒険心に溢れ、イノベーションを進んで採用するユーザである。また、アーリーアダプタは、流行に敏感で、情報収集を自ら行なってイノベーションを採用するか否かを判断するユーザである。また、アーリーマジョリティは、比較的慎重派であるものの、平均よりも早くイノベーションを取り入れるユーザである。

また、レイトマジョリティは、比較的懐疑的で、周囲の大多数が試している場面を見てから同じイノベーションを選択するユーザである。そして、ラガードは、最も保守的で、流行や世の中の動きに関心が薄く、イノベーションが伝統になるまで採用しないユーザである。なお、図１８は、イノベータ理論に基づくグループにおける採用者数の推移の例を示す図である。

すなわち、図１７と図１８とから、商品のライフサイクルのフェーズによって商品を採用するユーザの革新性が変化することがわかる（詳細は、参考文献「フィリップ・コトラー、ゲイリー・アームストロング著、“コトラーのマーケティング入門”、第４版 ｐ．３４４」を参照）。

そして、最近では、商品のライフサイクルを分析する手法として、販売実績などのデータに基づいて分析する手法や、商品を採用したユーザにかかるユーザプロファイルを分析する手法などがある。具体的には、過去における販売実績や、商品にかかる記事件数の時系列での推移や、需要量、供給量および参入サプライヤの数などの各種データに基づいて分析したり、ユーザに対するアンケート結果に基づいて分析したりするものがある。

特開２００６−３１１０５号公報 特開２００３−３０３２７７号公報

斉藤隆著 「食品市場の創造‐ヒット商品開発装置・Japan‐VALSの提案」，ｐ１９１〜ｐ１９６，株式会社東急エージェンシー出版部

しかしながら、上述した販売実績などのデータに基づいて商品のライフサイクルを分析する手法では、十分な期間の時系列データが得られない場合に、フェーズの判定が困難であるという課題がある。さらに、この手法では、取得された時系列データに基づいた商品のライフサイクルの曲線が標準的な曲線ではない場合に、フェーズの判定が困難であるという課題がある。

一方、上述したユーザプロファイルなどのデータに基づいて商品のライフサイクルを分析する手法では、ユーザが商品を採用した時期を特定するために、大量のアンケートデータを利用することになるので、当該アンケートデータの収集にかかる時間やコストが増大するという課題がある。

ここで、図１９を用いて、従来技術に係る短期間でのフェーズ判定について説明する。図１９は、従来技術に係る短期間でのフェーズ判定の例について説明するための図である。なお、図１９は、例えば、ＥＣ（Electronic Commerce）サイトにおける成長期にある商品の販売実績のグラフを示している。また、このＥＣサイトは、１期から商品の販売を開始しており、当該商品の発売日は、当該ＥＣサイトの販売開始以前とする。

例えば、図１９に示すように、１期から３期に至るまでに商品の売上げが増加しているものの、１期の時点では、１期の販売データしか存在しないため、該当する商品が成長期であるか否かを１期の時点で判定することができない。要するに、図１９に示した例において、該当する商品が成長期であることの判定は、２期、さらには３期での売上げが増加して、販売の増加傾向が顕著になることによってはじめて可能となる。

次に、図２０を用いて、従来技術に係る短期間でのフェーズ判定による誤判定について説明する。図２０は、従来技術に係る短期間でのフェーズ判定による誤判定の例について説明するための図である。なお、図２０は、例えば、ＥＣサイトにおける商品の販売実績のグラフを実線で示している。

例えば、図２０では、１期から３期に至るまでに商品の売上げが増加し、３期から４期に至るまでに商品の売上げが減少し、４期から５期に至るまでに商品の売上げが再度増加している。このため、該当する商品は、３期から４期に至るまでの商品の売上げから、４期の時点で当該商品のライフサイクルのフェーズが成熟期に入ったと判定される。ところが、図２０に示した例によれば、３期から４期に至るまでの商品の売上げの減少は、一時的なものであるため、成熟期であるという判定が誤判定となり得る。

これらの結果、１期分若しくは２期分のみによる短期間での時系列データに基づいた商品のライフサイクルの分析では、商品のフェーズ判定が困難である。

次に、図２１および図２２を用いて、商品のライフサイクルの曲線が標準的な曲線ではない場合について説明する。図２１および図２２は、商品のライフサイクルの曲線が標準的な曲線ではない場合の例について説明するための図である。なお、商品のライフサイクルの標準的な曲線の例は、例えば、図１７に示したものとなる。

例えば、図２１に示す例は、商品の採用者数が急激に増加および減少する「成長急落成熟パターン」であり、図２２に示す例は、商品の採用者数の急激な増減が複数存在する「サイクル・リサイクルパターン」である。これらのパターンは、標準的な商品のライフサイクルの曲線と比較して、商品のフェーズをどこで区切ることとするかの判定が困難となる。この結果、取得された時系列データに基づいた商品のライフサイクルの曲線が標準的な曲線ではない場合には、商品のフェーズ判定が困難である。

そこで、本願に開示する技術は、上記に鑑みてなされたものであって、商品のライフサイクルの分析にかかる時間やコストを削減しつつ、商品のフェーズ判定を正確に実施することが可能であるライフサイクル分析装置、ライフサイクル分析プログラム、ライフサイクル分析方法およびライフサイクル分析システムを提供することを目的とする。

上述した課題を解決し、目的を達成するため、本願に開示するライフサイクル分析装置は、ユーザを一意に識別するためのユーザ識別情報と、ユーザごとの嗜好特性とを保持するプロファイルデータ、および、前記ユーザ識別情報と、商品を一意に識別するための商品識別情報と、該当する商品の購買日時とを保持する購買履歴データを有するライフサイクル分析装置であって、前記購買履歴データから初回購入分の履歴データを抽出し、抽出された履歴データと、前記プロファイルデータとに基づいて、一日単位でユーザの嗜好特性ごとに初回購入ユーザ数を集計した日単位採用者数データを生成する日単位データ生成手段と、ライフサイクル分析のための商品識別情報に該当する商品について、前記日単位データ生成手段によって生成された日単位採用者数データから、嗜好特性それぞれにおける期間別での初回購入ユーザの割合データを示す期間別対象商品採用者数割合データを生成する割合データ生成手段と、前記割合データ生成手段によって生成された期間別対象商品採用者数割合データに基づいて、期間別でのフェーズ判定データを示す期間別対象商品フェーズ判定データを生成するフェーズ判定データ生成手段と、を有する。

本願に開示するライフサイクル分析装置、ライフサイクル分析プログラム、ライフサイクル分析方法およびライフサイクル分析システムの一つの様態によれば、商品のライフサイクルの分析にかかる時間やコストを削減しつつ、商品のフェーズ判定を正確に実施することができるという効果を奏する。

図１は、本発明に係るライフサイクル分析システムの構成例について説明するための図である。 図２は、実施例１に係るライフサイクル分析装置の構成例を示す図である。 図３−１は、プロファイルデータによって保持される情報の例を示す図である。 図３−２は、購買履歴データによって保持される情報の例を示す図である。 図４は、日単位採用者数データによって記憶される情報の例を示す図である。 図５は、期間別対象商品採用者数割合データによって記憶される情報の例を示す図である。 図６は、期間別対象商品フェーズ判定データによって記憶される情報の例を示す図である。 図７は、実施例１に係る端末装置の構成例を示す図である。 図８は、表示部によって表示出力される入力画面の例を示す図である。 図９は、表示部によって表示出力される出力画面の例を示す図である。 図１０は、実施例１に係るライフサイクル分析処理の流れを説明するためのフローチャートである。 図１１は、実施例１に係る日単位採用者数データ生成処理の流れを説明するためのフローチャートである。 図１２は、実施例１に係るフェーズ判定処理の流れを説明するためのフローチャートである。 図１３は、実施例１に係るライフサイクル分析処理のシーケンス図である。 図１４は、端末装置における入力画面の例を示す図である。 図１５は、商品リストデータの例を示す図である。 図１６は、端末装置における入力画面の例を示す図である。 図１７は、商品のライフサイクルのフェーズにおける採用者数の推移の例を示す図である。 図１８は、イノベータ理論に基づくグループにおける採用者数の推移の例を示す図である。 図１９は、従来技術に係る短期間でのフェーズ判定の例について説明するための図である。 図２０は、従来技術に係る短期間でのフェーズ判定による誤判定の例について説明するための図である。 図２１は、商品のライフサイクルの曲線が標準的な曲線ではない場合の例について説明するための図である。 図２２は、商品のライフサイクルの曲線が標準的な曲線ではない場合の例について説明するための図である。

以下に添付図面を参照して、本願に開示するライフサイクル分析装置、ライフサイクル分析プログラム、ライフサイクル分析方法およびライフサイクル分析システムの実施例を説明する。なお、以下の実施例により本発明が限定されるものではない。

［ライフサイクル分析システムの構成］
最初に、図１を用いて、本発明に係るライフサイクル分析システムの構成について説明する。図１は、本発明に係るライフサイクル分析システムの構成例について説明するための図である。

例えば、図１に示すように、ライフサイクル分析システムは、インターネットなどの通信ネットワークを介して相互に通信可能なユーザ端末とサーバとを有する。なお、ユーザ端末とサーバとの通信は、有線通信であっても無線通信であっても良い。以下では、ユーザ端末とサーバとの通信が、無線通信である場合を例に挙げて説明する。

このうち、サーバは、例えば、ユーザを一意に識別するためのユーザ識別情報とユーザごとの嗜好特性とを保持するプロファイルデータ、および、ユーザ識別情報と商品を一意に識別するための商品識別情報と該当する商品の購買日時とを保持する購買履歴データを有する。なお、プロファイルデータは、例えば、イノベータ理論による５つのグループ「イノベータ」、「アーリーアダプタ」、「アーリーマジョリティ」、「レイトマジョリティ」および「ラガード」を用いる。

また、プロファイルデータの取得については、ユーザへのアンケートに基づいて生成する方法や、商品へのアクセス履歴・購買履歴を用いて推定する方法などによって実現する（例えば、本出願人による出願「特願２００８−１４１５３２号」を参照）。例えば、特願２００８−１４１５３２号では、アンケートデータに基づいて教師ユーザの特性を特定し、教師ユーザのアクセス履歴から教師ユーザの行動データを生成し、教師ユーザの特性および行動データから特性推定モデルを生成し、特性の推定対象となる推定ユーザのアクセス履歴から推定ユーザの行動データを生成し、推定ユーザの行動データと特性推定モデルとから推定ユーザの特性を推定している。

上述した構成において、サーバは、購買履歴データからユーザにおける初回購入分の履歴データを抽出する。そして、サーバは、抽出された履歴データと、プロファイルデータとに基づいて、商品ごとの嗜好特性「イノベータ」、「アーリーアダプタ」、「アーリーマジョリティ」、「レイトマジョリティ」および「ラガード」それぞれにおける一日単位での採用ユーザ（初回購入ユーザ）数を示す日単位採用者数データを生成する。

一方、ユーザ端末は、商品のライフサイクルの分析にかかるパラメタである「商品ＩＤ」と、「対象期間」と、「分割数」との入力を受け付けて、これらのパラメタをサーバに対して送信する。商品ＩＤは、商品を一意に識別するための情報であり、対象期間は、ライフサイクルの分析対象となる期間であり、分割数は、対象期間を分割する、すなわち対象期間を分ける期を示す。

上記３つのパラメタの例を挙げると、商品ＩＤは、「ｉｔｅｍ００１」であり、対象期間は、「２００８．１．１〜２００８．６．２８」であり、分割数は、「６」である。要するに、ライフサイクルの分析結果は、対象期間「２００８．１．１〜２００８．６．２８」を３０日毎に分けた６期分のライフサイクルの分析結果となる。

なお、対象期間の日数が分割数で割り切れない場合には、対象期間の日数を分割数で割った余りの日数をライフサイクルの分析の対象外とする。例えば、対象期間の日数が分割数で割り切れない場合には、対象期間の先頭から対象期間の日数を分割数で割った余りの日数分をライフサイクルの分析の対象外とする。

そして、ユーザ端末から上記パラメタを受信したサーバは、商品ＩＤ「ｉｔｅｍ００１」に該当する商品について、生成された日単位採用者数データから、嗜好特性「イノベータ」、「アーリーアダプタ」、「アーリーマジョリティ」、「レイトマジョリティ」および「ラガード」それぞれにおける１期〜６期での採用ユーザの割合データを示す期間別対象商品採用者数割合データを生成する。

続いて、サーバは、生成された期間別対象商品採用者数割合データに基づいて、１期〜６期それぞれでのフェーズ「導入期」、「成長期」、「成熟期」および「衰退期」の判定データを示す期間別対象商品フェーズ判定データを生成する。

その後、サーバは、生成された期間別対象商品採用者数割合データと、期間別対象商品フェーズ判定データとに基づいて、ライフサイクル分析結果を生成して、生成されたライフサイクル分析結果をユーザ端末に対して送信する。そして、サーバからライフサイクル分析結果を受信したユーザ端末は、所定の表示装置に、受信されたライフサイクル分析結果を表示出力する。

つまり、ライフサイクル分析システムは、購買履歴データなどのログデータからユーザによって商品が採用された時期を特定しつつ、プロファイルデータのグループ毎でのユーザ数の割合を算出して、商品のライフサイクルの分析を実施するので、商品のライフサイクルの分析にかかる時間やコストを削減しつつ、商品のフェーズ判定を正確に実施することができる。

［ライフサイクル分析装置の構成］
次に、図２を用いて、実施例１に係るライフサイクル分析装置の構成について説明する。図２は、実施例１に係るライフサイクル分析装置の構成例を示す図である。

例えば、図２に示すように、ライフサイクル分析装置１００は、入力部１０１と、表示部１０２と、記憶部１１０と、制御部１２０とを有する。また、このライフサイクル分析装置１００は、例えば、通信ネットワークを介して少なくとも一つの端末装置と通信可能に接続されたサーバ装置である。

入力部１０１は、例えば、キーボードやマウスなどを有し、ライフサイクル分析装置１００における各種情報の入力を受け付ける。また、表示部１０２は、例えば、モニタ（若しくはディスプレイ、タッチパネルなど）やスピーカを有し、ライフサイクル分析装置１００における各種情報を出力する。

記憶部１１０は、制御部１２０による各種処理に要するデータや、制御部１２０による各種処理結果を記憶し、日単位採用者数データ１１１と、期間別対象商品採用者数割合データ１１２と、期間別対象商品フェーズ判定データ１１３とを有する。また、記憶部１１０は、図２に図示していないが、プロファイルデータと、購買履歴データとを有する。

このうち、プロファイルデータは、例えば、図３−１に示すように、ユーザを一意に識別するためのユーザＩＤと、ユーザごとの嗜好特性（革新性）とを保持する。プロファイルデータによって保持される情報の例としては、ユーザＩＤ「ｕ０００１」と、嗜好特性（革新性）「イノベータ」とである。なお、図３−１は、プロファイルデータによって保持される情報の例を示す図である。

購買履歴データは、例えば、図３−２に示すように、ユーザＩＤと、商品を一意に識別するための商品ＩＤと、該当する商品の購買日時とを保持する。購買履歴データによって保持される情報の例としては、日時「２００８／０１／０１ １２：３０：３０」と、ユーザＩＤ「ｕ０００１」と、商品ＩＤ「ｉｔｅｍ００１」とである。なお、図３−２は、購買履歴データによって保持される情報の例を示す図である。

日単位採用者数データ１１１は、例えば、図４に示すように、商品ごとの嗜好特性（革新性）それぞれにおける一日単位での採用ユーザ数を記憶する。日単位採用者数データ１１１によって記憶される情報の例としては、日付「２００８／０１／０１」と、商品ＩＤ「ｉｔｅｍ００１」と、イノベータ「４」およびアーリーアダプタ「３」とである。また、採用ユーザ数は、イノベータおよびアーリーアダプタだけでなく、アーリーマジョリティ、レイトマジョリティおよびラガードについても同様に記憶される。なお、図４は、日単位採用者数データ１１１によって記憶される情報の例を示す図である。

期間別対象商品採用者数割合データ１１２は、例えば、図５に示すように、嗜好特性（革新性）それぞれにおける期間別での採用ユーザ数の割合データを記憶する。期間別対象商品採用者数割合データ１１２によって記憶される情報の例としては、１期において、イノベータの割合「９０」、アーリーアダプタの割合「１０」、アーリーマジョリティの割合「０」、レイトマジョリティの割合「０」およびラガードの割合「０」である。なお、図５は、期間別対象商品採用者数割合データ１１２によって記憶される情報の例を示す図である。

期間別対象商品フェーズ判定データ１１３は、例えば、図６に示すように、期間別でのフェーズ判定結果を記憶する。期間別対象商品フェーズ判定データ１１３によって記憶される情報の例としては、１期「導入期」、２期「導入期」、３期「成長期」、４期「成長期」、５期「成長期」および６期「成熟期」である。なお、図６は、期間別対象商品フェーズ判定データ１１３によって記憶される情報の例を示す図である。

制御部１２０は、制御プログラム、各種の処理手順などを規定したプログラムおよび所要データを格納するための内部メモリを有するとともに、日単位データ生成部１２１と、パラメタ受付部１２２と、割合データ生成部１２３と、フェーズ判定データ生成部１２４と、データ送出部１２５とを有する。

日単位データ生成部１２１は、例えば、購買履歴データに保持される日時と、ユーザＩＤと、商品ＩＤとに基づいて、初回購入分の履歴データを抽出する。そして、日単位データ生成部１２１は、抽出された履歴データと、履歴データに含まれるユーザＩＤに該当するプロファイルデータの嗜好特性（革新性）とに基づいて、商品ごとの嗜好特性（革新性）それぞれにおける一日単位での採用ユーザ数を示す日単位採用者数データを生成する。なお、日単位データ生成部１２１は、生成された日単位採用者数データを日単位採用者数データ１１１に格納する。

パラメタ受付部１２２は、例えば、ライフサイクル分析装置１００と通信可能な端末装置から商品ＩＤを含むパラメタを受け付ける。パラメタ受付部１２２によって受け付けられるパラメタは、例えば、商品ＩＤ「ｉｔｅｍ００１」と、ライフサイクル分析の対象となる対象期間「２００８．１．１〜２００８．６．２８」と、対象期間のライフサイクルを分割する分割数「６」とである。

割合データ生成部１２３は、例えば、パラメタ受付部１２２によって受け付けられた商品ＩＤに該当する商品について、日単位データ生成部１２１によって生成された日単位採用者データから、嗜好特性「イノベータ」、「アーリーアダプタ」、「アーリーマジョリティ」、「レイトマジョリティ」および「ラガード」それぞれにおける１期〜６期での採用ユーザの割合データを示す期間別対象商品採用者数割合データを生成する。なお、割合データ生成部１２３は、生成された期間別対象商品採用者数割合データを期間別対象商品採用者数割合データ１１２に格納する。

フェーズ判定データ生成部１２４は、例えば、割合データ生成部１２３によって生成された期間別対象商品採用者数割合データに基づいて、１期〜６期それぞれでのフェーズ「導入期」、「成長期」、「成熟期」および「衰退期」の判定データを示す期間別対象商品フェーズ判定データを生成する。なお、フェーズ判定データ生成部１２４は、生成された期間別対象商品フェーズ判定データを期間別対象商品フェーズ判定データ１１３に格納する。また、フェーズ判定データ生成部１２４によるフェーズ判定の例については後述する。

データ送出部１２５は、割合データ生成部１２３によって生成された期間別対象商品採用者数割合データと、フェーズ判定データ生成部１２４によって生成された期間別対象商品フェーズ判定データとに基づいて、ライフサイクル分析結果を生成して、生成されたライフサイクル分析結果を端末装置に対して送出する。なお、データ送出部１２５によって生成されるライフサイクル分析結果の例については後述する。

［端末装置の構成］
次に、図７を用いて、実施例１に係る端末装置の構成について説明する。図７は、実施例１に係る端末装置の構成例を示す図である。

例えば、図７に示すように、端末装置１５０は、入力部１５１と、表示部１５２と、記憶部１６０と、制御部１７０とを有する。また、この端末装置１５０は、例えば、通信ネットワークを介してライフサイクル分析装置１００と通信可能に接続されたユーザ所有のＰＣ（Personal Computer）などの情報処理装置である。

入力部１５１は、例えば、キーボードやマウスなどを有し、端末装置１５０における各種情報の入力を受け付ける。入力部１５１で入力される情報は、例えば、商品ＩＤ「ｉｔｅｍ００１」と、対象期間「２００８．１．１〜２００８．６．２８」と、分割数「６」とである。

表示部１５２は、例えば、モニタ（若しくはディスプレイ、タッチパネルなど）やスピーカを有し、端末装置１５０における各種情報を出力する。表示部１５２で表示出力される情報は、例えば、ライフサイクルの分析に要するパラメタの入力画面と、ライフサイクルの分析結果を表す出力画面とである。

例えば、表示部１５２によって表示出力される入力画面は、図８に示すように、商品ＩＤと、対象期間と、分割数とを含んだパラメタの入力テキストである。また、図８に図示していないが、上記パラメタをライフサイクル分析装置１００に送出するための送信ボタンなどを有する。なお、図８は、表示部１５２によって表示出力される入力画面の例を示す図である。

また、例えば、表示部１５２によって表示出力される出力画面は、図９に示すように、期間別対象商品採用者数割合データをグラフ化したものと、期間別対象商品フェーズ判定データとである。なお、図９は、表示部１５２によって表示出力される出力画面の例を示す図である。

記憶部１６０は、制御部１７０による各種処理に要するデータや、制御部１７０による各種処理結果を記憶する。

制御部１７０は、制御プログラム、各種の処理手順などを規定したプログラムおよび所要データを格納するための内部メモリを有するとともに、パラメタ送出部１７１と、ライフサイクル分析結果出力部１７２とを有する。

パラメタ送出部１７１は、例えば、入力部１５１によって受け付けられた商品ＩＤ「ｉｔｅｍ００１」と、対象期間「２００８．１．１〜２００８．６．２８」と、分割数「６」とを含むパラメタをライフサイクル分析装置１００に対して送出する。なお、パラメタ送出部１７１によるパラメタ送出のトリガは、送信ボタンの押下などによるものである。

ライフサイクル分析結果出力部１７２は、例えば、ライフサイクル分析装置１００によって送出されたライフサイクルの分析結果を受信する。そして、ライフサイクル分析結果出力部１７２は、受信されたライフサイクルの分析結果を表示部１５２に表示出力する制御を実施する。

［ライフサイクル分析処理］
次に、図１０を用いて、実施例１に係るライフサイクル分析処理の流れを説明する。図１０は、実施例１に係るライフサイクル分析処理の流れを説明するためのフローチャートである。なお、以下では、日単位データ生成部１２１によって日単位採用者数データが予め生成されているものとして説明する。

例えば、図１０に示すように、パラメタ受付部１２２は、ライフサイクル分析装置１００と通信可能な端末装置１５０から商品ＩＤを含むパラメタを受け付ける（ステップＳ１０１肯定）。なお、パラメタ受付部１２２は、パラメタを受け付けていない場合に（ステップＳ１０１否定）、当該パラメタの受信待ちの状態となる。

そして、割合データ生成部１２３は、パラメタ受付部１２２によって受け付けられた商品ＩＤに該当する商品について、日単位データ生成部１２１によって生成された日単位採用者データから、嗜好特性それぞれにおける期間別での期間別対象商品採用者数割合データを生成する（ステップＳ１０２）。

続いて、フェーズ判定データ生成部１２４は、割合データ生成部１２３によって生成された期間別対象商品採用者数割合データに基づいて、期間別対象商品フェーズ判定データを生成する（ステップＳ１０３）。その後、データ送出部１２５は、割合データ生成部１２３によって生成された期間別対象商品採用者数割合データと、フェーズ判定データ生成部１２４によって生成された期間別対象商品フェーズ判定データとに基づいて、ライフサイクル分析結果を生成し、生成されたライフサイクル分析結果を端末装置１５０に対して送出する（ステップＳ１０４）。

［日単位採用者数データ生成処理］
次に、図１１を用いて、実施例１に係る日単位採用者数データ生成処理の流れを説明する。図１１は、実施例１に係る日単位採用者数データ生成処理の流れを説明するためのフローチャートである。

例えば、図１１に示すように、日単位データ生成部１２１は、購買履歴データに保持される日時と、ユーザＩＤと、商品ＩＤとに基づいて、ユーザにおける同一商品ＩＤの商品に対する２回目以降の購買履歴を除去することにより、初回購入分の履歴データを抽出する（ステップＳ２０１）。

そして、日単位データ生成部１２１は、抽出された履歴データと、履歴データに含まれるユーザＩＤに該当するプロファイルデータの嗜好特性とをつきあわせることにより、商品毎ごとの嗜好特性それぞれにおける一日単位での採用ユーザ数、すなわち日単位採用者数データを生成する（ステップＳ２０２）。

［フェーズ判定処理］
次に、図１２を用いて、実施例１に係るフェーズ判定処理の流れを説明する。図１２は、実施例１に係るフェーズ判定処理の流れを説明するためのフローチャートである。具体的には、期間別対象商品採用者数割合データにおける嗜好特性それぞれ、または嗜好特性の任意の組み合わせの割合が所定の割合以上であるか否かによってフェーズを判定する。このようなフェーズ判定処理の一例を、図１２を用いて説明する。

例えば、図１２に示すように、フェーズ判定データ生成部１２４は、割合データ生成部１２３によって生成された期間別対象商品採用者数割合データに基づいて、イノベータの割合が５０％以上であるか否かを判定する（ステップＳ３０１）。そして、フェーズ判定データ生成部１２４は、イノベータの割合が５０％以上である場合に（ステップＳ３０１肯定）、「導入期」であると判定する（ステップＳ３０２）。これにより、図５に示した期において、「導入期」であると判定される期は、１期と２期とになる。

また、フェーズ判定データ生成部１２４は、イノベータの割合が５０％未満である場合に（ステップＳ３０１否定）、アーリーアダプタとアーリーマジョリティとの合計割合が８０％以上であるか否かを判定する（ステップＳ３０３）。そして、フェーズ判定データ生成部１２４は、アーリーアダプタとアーリーマジョリティとの合計割合が８０％以上である場合に（ステップＳ３０３肯定）、「成長期」であると判定する（ステップＳ３０４）。これにより、図５に示した期において、「成長期」であると判定される期は、３期と４期と５期とになる。

また、フェーズ判定データ生成部１２４は、アーリーアダプタとアーリーマジョリティとの合計割合が８０％未満である場合に（ステップＳ３０３否定）、レイトマジョリティの割合が３０％以上であるか否かを判定する（ステップＳ３０５）。そして、フェーズ判定データ生成部１２４は、レイトマジョリティの割合が３０％以上である場合に（ステップＳ３０５肯定）、「成熟期」であると判定する（ステップＳ３０６）。これにより、図５に示した期について、「成熟期」であると判定される期は、６期となる。

また、フェーズ判定データ生成部１２４は、レイトマジョリティの割合が３０％未満である場合に（ステップＳ３０５否定）、レイトマジョリティとラガードとの合計割合が８０％以上であるか否かを判定する（ステップＳ３０７）。そして、フェーズ判定データ生成部１２４は、レイトマジョリティとラガードとの合計割合が８０％以上である場合に（ステップＳ３０７肯定）、「衰退期」であると判定する（ステップＳ３０８）。

また、フェーズ判定データ生成部１２４は、レイトマジョリティとラガードとの合計割合が８０％未満である場合に（ステップＳ３０７否定）、「その他」であると判定する（ステップＳ３０９）。なお、フェーズ判定データ生成部１２４による上記処理は、一例であり、嗜好特性（革新性）それぞれ、または、嗜好特性の任意の組み合わせが、任意の割合以上であるか否かによってフェーズが判定される。

［ライフサイクル分析処理シーケンス］
次に、図１３を用いて、実施例１に係るライフサイクル分析処理のシーケンスを説明する。図１３は、実施例１に係るライフサイクル分析処理のシーケンス図である。なお、以下では、日単位採用者数データが予め生成されているものとして説明する。

例えば、図１３に示すように、端末装置１５０は、商品ＩＤと、対象期間と、分割数とを含むパラメタの入力を受け付けて、受け付けられたパラメタをライフサイクル分析装置１００に対して送出する（ステップＳ４０１）。

一方、ライフサイクル分析装置１００は、商品ＩＤ、対象期間および分割数などのパラメタを受け付ける（ステップＳ４０２）。そして、ライフサイクル分析装置１００は、受け付けられた商品ＩＤに該当する商品について、日単位採用者データに基づき、期間別対象商品採用者数割合データを生成する（ステップＳ４０３）。

続いて、ライフサイクル分析装置１００は、生成された期間別対象商品採用者数割合データに基づいて、各期間別のフェーズを判定して、期間別対象商品フェーズ判定データを生成する（ステップＳ４０４）。その後、ライフサイクル分析装置１００は、生成された期間別対象商品採用者数割合データと、期間別対象商品フェーズ判定データとに基づいて、ライフサイクル分析結果を生成して、生成されたライフサイクル分析結果を端末装置１５０に対して送出する（ステップＳ４０５）。

また、端末装置１５０は、ライフサイクル分析装置１００によって送出されたライフサイクル分析結果を受信して、当該ライフサイクル分析結果を所定の表示部に表示出力する（ステップＳ４０６）。

［実施例１による効果］
上述したように、ライフサイクル分析装置は、購買履歴データとプロファイルデータとに基づいて日単位採用者数データを生成し、ライフサイクル分析のための商品ＩＤに該当する商品について、生成された日単位採用者数データから、期間別対象商品採用者数割合データを生成し、生成された期間別対象商品採用者数割合データに基づいて、期間別対象商品フェーズ判定データを生成するので、アンケートを利用してライフサイクルを分析する従来技術や、販売実績などのデータに基づいてライフサイクルを分析する従来技術などと比較して、商品のライフサイクルの分析にかかる時間やコストを削減しつつ、商品のフェーズ判定を正確に実施することができる。

さて、これまで本願に開示するライフサイクル分析装置、ライフサイクル分析方法およびライフサイクル分析システムの実施例について説明したが、上述した実施例以外にも種々の異なる形態にて実施されてよいものである。そこで、（１）パラメタ、（２）日単位採用者数データの生成、（３）ライフサイクル分析装置の構成、（４）プログラム、において異なる実施例を説明する。

（１）パラメタ
上記実施例１において、端末装置１５０における入力画面では、商品ＩＤと、対象期間と、分割数とのパラメタが入力される場合を説明したが、本発明はこれに限定されるものではなく、商品ＩＤと、対象期間と、単位期間であっても良い。

具体的に説明すると、端末装置１５０における入力画面は、図１４に示すように、商品ＩＤ「ｉｔｅｍ００１」と、対象期間「２００８．１．１〜２００８．６．２８」と、単位期間「３０」とになる。単位期間とは、１つの期の日数であり、３０日である場合には、３０日毎にライフサイクルが分析、すなわち２００８．１．１から２００８．６．２８までを６期に分けてライフサイクルが分析されることとなる。

また、対象期間の日数が単位期間で割り切れない場合には、対象期間の日数を単位期間で割った余りの日数をライフサイクルの分析の対象外とする。例えば、対象期間の日数が単位期間で割り切れない場合には、対象期間の先頭から対象期間の日数を単位期間で割った余りの日数分をライフサイクルの分析の対象外とする。なお、図１４は、端末装置１５０における入力画面の例を示す図である。

また、上記実施例１において、ライフサイクル分析装置１００は、購買履歴データとプロファイルデータとを有することとして説明したが、本発明はこれに限定されるものではなく、商品リストデータをさらに有していても良い。

具体的に説明すると、商品リストデータは、図１５に示すように、商品を一意に識別するための商品識別情報と、商品の商品名とを対応付けて保持する。商品ＩＤと商品名との例を挙げると、商品ＩＤ「ｉｔｅｍ００１」と商品名「商品００１」とである。なお、図１５は、商品リストデータの例を示す図である。

そして、このような商品リストデータを用いることにより、端末装置１５０におけるパラメタの入力は、例えば、図１６に示すように、商品名と、対象期間と、分割数（或いは単位期間）とであっても良い。一方、端末装置１５０から商品名を含むパラメタを受信したライフサイクル分析装置１００は、商品リストデータを用いて、対応する商品ＩＤを取得し、ライフサイクル分析処理を実施することとなる。なお、図１６は、端末装置１５０における入力画面の例を示す図である。

また、上記実施例１では、ライフサイクル分析処理に用いるパラメタが商品ＩＤと、対象期間と、分割数とである場合を説明したが、本発明はこれに限定されるものではなく、商品ＩＤのみを用いることとしても良い。

具体的に説明すると、ライフサイクル分析処理に商品ＩＤのみを用いる場合には、商品ＩＤに該当する商品の全ての期間に対してライフサイクルが分析されることとなる。また、このとき、分割数は、例えば、デフォルト値として「５」などを適用すれば良い。要するに、ライフサイクル分析処理に用いられるパラメタの必須項目は、商品ＩＤのみとなる。なお、上記商品リストデータを用いる場合には、商品名が必須項目となる。

（２）日単位採用者数データの生成
また、上記実施例１では、端末装置１５０からパラメタが入力されるよりも前に、日単位採用者数データが予め生成される場合を説明したが、本発明はこれに限定されるものではなく、端末装置１５０からパラメタが入力された後に日単位採用者数データを生成することとしても良い。

具体的に説明すると、端末装置１５０からパラメタを受信したライフサイクル分析装置１００は、購買履歴データを用いて、受信されたパラメタに含まれる対象期間に該当するデータに対して日単位採用者数データを生成する。

（３）ライフサイクル分析装置の構成
また、上記文書中や図面中などで示した処理手順、制御手順、具体的名称、各種のデータやパラメタなどを含む情報（例えば、生成されるライフサイクル分析結果の情報など）については、特記する場合を除いて任意に変更することができる。

また、図示した各装置の各構成要素は、機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は、図示のものに限られず、その全部または一部を各種の負担や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合することができる。さらに、各装置にて行われる各処理機能は、その全部または任意の一部が、ＣＰＵおよび当該ＣＰＵにて解析実行されるプログラムにて実現され、或いは、ワイヤードロジックによるハードウェアとして実現され得る。

（４）プログラム
ところで、上記実施例では、ハードウェアロジックによって各種の処理を実現する場合を説明したが、予め用意されたプログラムをパーソナルコンピュータやワークステーションなどのコンピュータで実行することによって実現するようにしても良い。このプログラムは、インターネットなどのネットワークを介して配布することができる。また、このプログラムは、ハードディスク、フレキシブルディスク（ＦＤ）、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤなどのコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行することもできる。

以上のように、本発明に係るライフサイクル分析装置、ライフサイクル分析プログラム、ライフサイクル分析方法およびライフサイクル分析システムは、商品のライフサイクルを分析する場合に有用であり、特に、商品のライフサイクルの分析にかかる時間やコストを削減しつつ、商品のフェーズ判定を正確に実施することに適する。

１００ ライフサイクル分析装置
１０１ 入力部
１０２ 表示部
１１０ 記憶部
１１１ 日単位採用者数データ
１１２ 期間別対象商品採用者数割合データ
１１３ 期間別対象商品フェーズ判定データ
１２０ 制御部
１２１ 日単位データ生成部
１２２ パラメタ受付部
１２３ 割合データ生成部
１２４ フェーズ判定データ生成部
１２５ データ送出部
１５０ 端末装置
１５１ 入力部
１５２ 表示部
１６０ 記憶部
１７０ 制御部
１７１ パラメタ送出部
１７２ ライフサイクル分析結果出力部

Claims (8)

1. ユーザを一意に識別するためのユーザ識別情報と、ユーザごとの嗜好特性とを保持するプロファイルデータ、および、前記ユーザ識別情報と、商品を一意に識別するための商品識別情報と、該当する商品の購買日時とを保持する購買履歴データを有するライフサイクル分析装置であって、
   前記購買履歴データから初回購入分の履歴データを抽出し、抽出された履歴データと、前記プロファイルデータとに基づいて、一日単位でユーザの嗜好特性ごとに初回購入ユーザ数を集計した日単位採用者数データを生成する日単位データ生成手段と、
   ライフサイクル分析のための商品識別情報に該当する商品について、前記日単位データ生成手段によって生成された日単位採用者数データから、嗜好特性それぞれにおける期間別での初回購入ユーザの割合データを示す期間別対象商品採用者数割合データを生成する割合データ生成手段と、
   前記割合データ生成手段によって生成された期間別対象商品採用者数割合データに基づいて、期間別でのフェーズ判定データを示す期間別対象商品フェーズ判定データを生成するフェーズ判定データ生成手段と、
   を有することを特徴とするライフサイクル分析装置。
2. 前記嗜好特性は、革新者、初期採用者、前期追随者、後期追随者および遅滞者を含む革新性のグループであることを特徴とする請求項１に記載のライフサイクル分析装置。
3. 前記フェーズ判定データ生成手段は、前記割合データ生成手段によって生成された期間別対象商品採用者数割合データにおける前記嗜好特性それぞれ、または前記嗜好特性の任意の組み合わせの割合が所定の割合以上であるか否かによってフェーズを判定し、期間別でのフェーズ判定データを示す期間別対象商品フェーズ判定データを生成することを特徴とする請求項１または２に記載のライフサイクル分析装置。
4. 自装置と通信可能な端末装置から前記商品識別情報を含むパラメタを受け付けるパラメタ受付手段と、
   前記割合データ生成手段によって生成された期間別対象商品採用者数割合データと、前記フェーズ判定データ生成手段によって生成された期間別対象商品フェーズ判定データとに基づいて、ライフサイクル分析結果を生成して、生成されたライフサイクル分析結果を前記端末装置に対して送出するデータ送出手段と、をさらに有し、
   前記割合データ生成手段は、前記パラメタ受付手段によって受け付けられた前記商品識別情報に該当する商品について、前記日単位データ生成手段によって生成された日単位採用者数データから、嗜好特性それぞれにおける期間別での初回購入ユーザの割合データを示す期間別対象商品採用者数割合データを生成することを特徴とする請求項１に記載のライフサイクル分析装置。
5. 前記パラメタ受付手段は、前記商品識別情報と、ライフサイクル分析の対象となる対象期間と、前記対象期間のライフサイクルを分割する分割数とを含むパラメタを受け付けることを特徴とする請求項４に記載のライフサイクル分析装置。
6. ユーザを一意に識別するためのユーザ識別情報と、ユーザごとの嗜好特性とを保持するプロファイルデータ、および、前記ユーザ識別情報と、商品を一意に識別するための商品識別情報と、該当する商品の購買日時とを保持する購買履歴データを有するライフサイクル分析装置としてのライフサイクル分析プログラムであって、
   前記購買履歴データから初回購入分の履歴データを抽出し、抽出された履歴データと、前記プロファイルデータとに基づいて、一日単位でユーザの嗜好特性ごとに初回購入ユーザ数を集計した日単位採用者数データを生成する日単位データ生成手順と、
   ライフサイクル分析のための商品識別情報に該当する商品について、前記日単位データ生成手順によって生成された日単位採用者数データから、嗜好特性それぞれにおける期間別での初回購入ユーザの割合データを示す期間別対象商品採用者数割合データを生成する割合データ生成手順と、
   前記割合データ生成手順によって生成された期間別対象商品採用者数割合データに基づいて、期間別でのフェーズ判定データを示す期間別対象商品フェーズ判定データを生成するフェーズ判定データ生成手順と、
   をコンピュータに実行させることを特徴とするライフサイクル分析プログラム。
7. ユーザを一意に識別するためのユーザ識別情報と、ユーザごとの嗜好特性とを保持するプロファイルデータ、および、前記ユーザ識別情報と、商品を一意に識別するための商品識別情報と、該当する商品の購買日時とを保持する購買履歴データを有するライフサイクル分析装置としてのライフサイクル分析方法であって、
   前記購買履歴データから初回購入分の履歴データを抽出し、抽出された履歴データと、前記プロファイルデータとに基づいて、一日単位でユーザの嗜好特性ごとに初回購入ユーザ数を集計した日単位採用者数データを生成する日単位データ生成工程と、
   ライフサイクル分析のための商品識別情報に該当する商品について、前記日単位データ生成工程によって生成された日単位採用者数データから、嗜好特性それぞれにおける期間別での初回購入ユーザの割合データを示す期間別対象商品採用者数割合データを生成する割合データ生成工程と、
   前記割合データ生成工程によって生成された期間別対象商品採用者数割合データに基づいて、期間別でのフェーズ判定データを示す期間別対象商品フェーズ判定データを生成するフェーズ判定データ生成工程と、
   を含んだことを特徴とするライフサイクル分析方法。
8. ユーザを一意に識別するためのユーザ識別情報と、ユーザごとの嗜好特性とを保持するプロファイルデータ、および、前記ユーザ識別情報と、商品を一意に識別するための商品識別情報と、該当する商品の購買日時とを保持する購買履歴データを有するライフサイクル分析装置と、当該ライフサイクル分析装置と通信可能な端末装置とを含んだライフサイクル分析システムであって、
   前記端末装置は、
   所定の入力装置によって受け付けられた商品識別情報を含むパラメタを前記ライフサイクル分析装置に対して送出するパラメタ送出手段と、
   前記ライフサイクル分析装置によって送出されたライフサイクルの分析結果を受信し、受信されたライフサイクルの分析結果を所定の表示装置に表示出力させるライフサイクル分析結果出力手段と、を有し、
   前記ライフサイクル分析装置は、
   前記購買履歴データから初回購入分の履歴データを抽出し、抽出された履歴データと、前記プロファイルデータとに基づいて、一日単位でユーザの嗜好特性ごとに初回購入ユーザ数を集計した日単位採用者数データを生成する日単位データ生成手段と、
   前記端末装置から送出されたパラメタに含まれるライフサイクル分析のための商品識別情報に該当する商品について、前記日単位データ生成手段によって生成された日単位採用者数データから、嗜好特性それぞれにおける期間別での初回購入ユーザの割合データを示す期間別対象商品採用者数割合データを生成する割合データ生成手段と、
   前記割合データ生成手段によって生成された期間別対象商品採用者数割合データに基づいて、期間別でのフェーズ判定データを示す期間別対象商品フェーズ判定データを生成するフェーズ判定データ生成手段と、
   前記割合データ生成手段によって生成された期間別対象商品採用者数割合データと、前記フェーズ判定データ生成手段によって生成された期間別対象商品フェーズ判定データとに基づいて、ライフサイクル分析結果を生成して、生成されたライフサイクル分析結果を前記端末装置に対して送出するデータ送出手段と、
   を有することを特徴とするライフサイクル分析システム。

Images