JP2012008947A - 営業活動分析方法及び営業支援システム - Google Patents

Abstract

【課題】営業活動を分析して改善方針を提案するシステムを実現する。
【解決手段】営業支援システムが実行する営業活動分析方法であって、自然言語で記述された指導ルールが入力された場合、前記指導ルールに含まれる前記営業活動の特徴量を示す語、前記特徴量を示す語に係る修飾語、及び、前記修飾語を用いて記述された条件が満たされた場合に表示されるべき指導メッセージを抽出する手順と、既に前記複数の営業員から取得された、複数の顧客に対する前記営業活動の特徴量の統計情報に基づいて、前記入力された指導ルールを、前記修飾語に対応する前記特徴量の閾値を含む機械ルールに変換する手順と、前記営業員が行った営業活動の特徴量を新たに取得した場合、前記新たに取得した特徴量が前記機械ルールを満たすか否かを判定する手順と、前記機械ルールが満たされる場合、前記指導メッセージを表示する手順と、を含む。
【選択図】図１

Description

本発明は、人間の行動履歴を分析して有意義な情報を抽出する技術に関する。特に、本発明は、活動日報として記憶装置に格納された文書から、与えられたルールに基づいて改善計画を推薦する技術に関する。

近年の情報技術の進展によって、コンピュータを導入することで企業業務の効率化を図ることは、もはや一般的な話となった。しかし、自社が販売する物品又はサービスを顧客に対して売り込む、いわゆる営業活動に関しては、コンピュータ技術の活用が十分に進んでいない状況にある。

営業活動に対する指導内容は、大きく３つある。（１）時間配分：準備作業及び顧客先への訪問時間などの配分。但し、地域性（都会、地方）及び営業スタイルにより差がある。（２）過程指導：顧客への提案手順など活動の時間経過に関する指導。（３）資料指導：顧客に持ってゆく相応しい提案資料などの指導、などである。

従来の営業活動支援技術としては、当該営業部署全体の活動状況を、グラフ又は地図などで図示するものが提案されている。例えば特許文献１が開示されている。これは顧客情報を地図上に表示することで、訪問先の把握及び履歴の管理を視覚的に行うことを支援するシステムである。また、特許文献２に記載された営業支援システムは、営業の履歴を電子ペンで記入し、これを営業日報データとして管理する手法について述べている。なお、電子ペン及び電子ペンを利用した情報管理システムについては、例えば特許文献３及び４に記載されている。

特開２００５−２７６１３３公報 特開２００９−２１１２９０公報 国際公開第０１／７１４７３号公報 国際公開第０６／９５４４３号公報

営業活動に関しては、営業員個人のスタイルに合わせた指導が重要である。また、その指導は人間が豊富に持つノウハウに基づいて行われるが、そのようなノウハウをいかにコンピュータ上に載せるかという問題がある。本発明では、これらの課題に対処する。

本発明による営業支援システムでは、電子ペンを使って記した日報からデータを収集し、地図上に営業活動履歴を表示し、機械化した指導ルールを適用して課題の指摘を行うことで、営業活動の改善提案を行うとするアプローチを採用する。

しかし、一般に、過去の経験から得られた営業活動の指導ルールには、“初回の訪問時間は短くする”又は“営業員のタイプ別に指導する”など、曖昧な用語が多いことが問題となる。

本発明の代表的な一例を示せば、次の通りである。すなわち、営業支援システムが実行する営業活動分析方法であって、前記営業支援システムは、演算装置と、前記演算装置に接続されるメモリと、入力装置と、表示装置と、を備え、複数の営業員から取得した、前記複数の営業員が実際に行った営業活動の特徴量を保持し、前記営業活動分析方法は、自然言語で記述された指導ルールが入力された場合、前記指導ルールに含まれる前記営業活動の特徴量を示す語、前記特徴量を示す語に係る修飾語、及び、前記修飾語を用いて記述された条件が満たされた場合に表示されるべき指導メッセージを抽出する第１手順と、既に前記複数の営業員から取得された、複数の顧客に対する前記営業活動の特徴量の統計情報に基づいて、前記入力された指導ルールを、前記修飾語に対応する前記特徴量の閾値を含む機械ルールに変換する第２手順と、前記営業員が行った営業活動の特徴量を新たに取得した場合、前記新たに取得した特徴量が前記機械ルールを満たすか否かを判定する第３手順と、前記機械ルールが満たされる場合、前記指導メッセージを表示する第４手順と、を含むことを特徴とする。

本発明の一実施形態によれば、簡易な保守によって営業員を適切に指導する営業支援システムを構築できる。

本発明の実施形態における業務フローの説明図である。 本発明の実施形態の営業支援システムのハードウェア構成を示すブロック図である。 本発明の実施形態の営業支援システムが実行する処理の全体を示す説明図である。 本発明の実施形態の営業支援システムに入力される営業報告の説明図である。 本発明の実施形態の営業支援システムによって生成される営業報告データの説明図である。 本発明の実施形態の営業支援システムによって生成されるベクトル化データの説明図である。 本発明の実施形態の営業支援システムによって生成される、営業員の類型を示す情報が付与されたベクトル化データの説明図である。 本発明の実施形態の営業支援システムによって生成される分析結果データの説明図である。 本発明の実施形態において表示されるメッセージの第１の例を示す説明図である。 本発明の実施形態において表示されるメッセージの第２の例を示す説明図である。 本発明の実施形態におけるルールの記述の説明図である。 本発明の実施形態において、営業員の類型を指定するために表示される画面の説明図である。 本発明の実施形態において用いられる演算関数の例を示す説明図である。

本発明の実施形態では、人間が容易に解釈可能で、かつ、あいまいな表記が可能な中間言語を用いてルールを表記し、そのルールと当該地域の統計的な情報とを結びつけることで之を解釈し、指導のフィードバックを元に有効な分析・指導を営業員に合せて学習するシステムを構成することで、この課題を解消する。大まかには、以下の手順が実行される。
１）電子ペンを使って営業報告を記すと、営業履歴がデータベースに蓄積される。
２）営業履歴が地図上にマップされ、機械ルールエンジンを使って得られた改善点が表示される。
３）営業活動を総覧するエキスパートは、業務の更なる改善のためのルールを自然言語で記す。
４）自然言語ルール中に含まれる曖昧語を、統計データで解釈し、指導フィードバックにより機械ルールの重みや、有効性を学習し、辞書として記憶する。

以下、図面を用いて本発明の実施の形態を説明する。

図１は、本発明を適用した場合の業務形態（業務フロー）を示した図である。

まず、営業員は日々の営業状況及び提案活動を営業報告として記す（プロセス（１））。営業報告はコンピュータ（すなわちディスプレイによる表示と、マウス、キーボードによる入力）を使って行うことも可能であるが、図１には電子ペンと特殊な用紙を利用して営業報告０１０１を記す例を示す。入力された営業報告は、ネットワーク０１０２を通して営業支援システム０１０３に送られる。営業支援システム０１０３は、さまざまな地域、さまざまな営業員から集められた日々の営業報告からテキスト情報等を抽出し、抽出した情報を営業支援システム０１０３内のデータベース０１０４に記録する。

次に、営業支援システム０１０３は、この営業報告データに基づいて、営業員の活動分析と、その活動を改善して成績を向上するための指針などをコンピュータで分析・計算する（プロセス（２））。営業支援システム０１０３は、大きく３つの機能を持つ。第１が分析機能０１０５である。分析機能０１０５は、営業報告データに基づいて、個々の営業員の営業スタイルを類型化し、更に改善を要する状況を発見する。このときに、指導ルールや活動類型などのデータが辞書として用いられる。第２が可視化機能０１０６である。可視化機能０１０６は、営業員の日々の活動状況を地図上に表示し、この上で、活動上の問題点を指摘したり、改善方針を示す。第３が学習機能０１０７である。

学習機能０１０７は、以下のようなプロセスで処理される。まず、可視化機能０１０６によって、営業活動を分析した結果が、指導指針として管理者０１０８に示される（プロセス（３））。個々の営業員の上司にあたる管理者は、営業支援システム０１０３から示された分析結果及び改善提案を通して指導を行う（プロセス（４））。また、どのような改善提案を元に営業員に指導を行ったかなどの結果は、営業支援システム０１０３にフィードバックされる（プロセス（５））。

営業支援システム０１０３は、フィードバックされた結果を元に、指導上の有効なルール、及び、営業活動を分析するために使用するパラメータなどを学習し、これを学習辞書として更新する。これによって営業員の営業スタイル及び熟練度に沿った指導ができる。

また、ベテランの営業員であるエキスパート０１０９は、営業支援システム０１０３で使われる指導ルール及び営業スタイルの見本などのデータについて保守を行う（プロセス（６））。これによって、機械が自動的に計算するのみでなく、人間のノウハウを反映した、営業支援を行うことができる。

この本発明の実施形態は、図２に述べる装置で行われる。

図２は、本発明の実施形態の営業支援システム０１０３のハードウェア構成を示すブロック図である。営業支援装置０２００は、図１に示した本発明の営業支援システム０１０３を実現する装置の一例である。

本実施形態の営業支援装置０２００は、操作端末装置０２０１、表示端末装置０２０２、外部記憶装置０２０３、メモリ０２０４、中央演算装置０２０５、通信装置０２０７及びこれらを相互に接続する通信線０２０６を備える。営業支援装置０２００は、例えば一般的なパーソナルコンピュータであってもよい。

操作端末装置０２０１は、例えばキーボード又はマウス等であり、ユーザが指示又はデータ等を営業支援装置０１００に入力するために使用される。表示端末装置０２０２は、例えば液晶表示装置のような、テキスト及び画像等を表示する装置である。

外部記憶装置０２０３は、例えばハードディスク装置又はフラッシュメモリのような記憶装置であり、入力された営業報告（例えば営業報告のストロークデータ、テキストデータ又はデータベース）、営業報告を元に分析された結果、及び営業指導のルールを格納する。すなわち、図１に示したデータベース０１０４は、外部記憶装置０２０３に格納される。さらに、本実施形態を実現するために中央演算装置０２０５によって実行されるプログラム等が格納されてもよい。

メモリ０２０４は、例えば半導体メモリであり、中央演算装置０２０５によって実行されるプログラム及び参照されるデータ等を格納する。外部記憶装置０２０３に格納されたプログラム及びデータ等の少なくとも一部が必要に応じてメモリ０２０４にコピーされてもよい。

中央演算装置０２０５は、メモリ０２０４に格納されたプログラムを実行し、必要に応じて操作端末装置０２０１、表示端末装置０２０２、外部記憶装置０２０３及び通信装置０２０７を制御する。以下の説明において営業支援装置０２００が実行する処理（例えば、図１に示した営業報告の抽出・格納、分析機能０１０５、可視化機能０１０６及び学習機能０１０７等の処理）は、実際にはメモリ０２０４に格納されたプログラムに従う中央演算装置０２０５によって実行される。

通信装置０２０７は、ネットワーク（図示省略）に接続され、そのネットワークに接続された他の装置（図示省略）と通信するインターフェースである。例えば、通信装置０２０７は、営業員が電子ペンデバイス０２０９を使用して入力した営業報告０２０８を、無線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）などを介して入力データとして受信する（図２下段）。

本実施形態で使用される電子ペンデバイス０２０９は、営業員がそれを用いて手書きした文字及び記号等をデータに変換するものである限り、いかなるものであってもよい。電子ペンデバイス０２０９の一例は、特許文献３又は４に記載されている。

なお、営業員が電子ペンデバイス０２０９を使用して営業報告０２０８を入力する本実施形態は一例に過ぎず、電子ペンデバイス０２０９は、いかなる種類の入力デバイスによって置き換えられてもよい。例えば、電子ペンデバイス０２０９の代わりにペンタブレットが使用されてもよいし、キーボードのようなテキスト入力デバイス及びマウスのようなポインティングデバイスが併用されてもよい。

次には、本発明の処理がどのように行われるかについて、図３及び図４Ａ〜図４Ｅを参照して説明する。

図３は、本発明の実施形態の営業支援システム０１０３又は営業支援装置０２００が実行する処理の全体を示す説明図である。また、図３の処理によって、データがどのように変化するかを示したのが図４Ａ〜図４Ｅである。

入力される営業報告０３０１は、既に説明した営業報告の文書０１０１及び０２０８と同様のものであってよい。文書理解部０３０２は、入力された営業報告０３０１を読み取り、営業報告０３０１に含まれるテキスト情報及びチェックマーク情報などを抽出する。図４Ａに営業報告０４１０の文書形態が、図４Ｂに営業報告データ０４２０の例が示されている。文書理解部０３０２は、営業報告のデータ形式を図４Ａの形式から図４Ｂの形式に変換する。

図４Ａに示す営業報告０４１０は、図３の営業報告０３０１に相当する。図４Ａの例では、営業報告０４１０は、顧客０４１１、時間０４１２及び内容０４１３を含む。顧客０４１１は、顧客名のような、営業員が営業活動を行った対象の顧客を識別する情報を含む。時間０４１２は、営業員が営業活動（例えば顧客訪問）を行った日時等を示す情報を含む。内容０４１３は、営業員が行った営業活動の内容を示す情報を含む。この内容を示す情報は、例えば、どのような資料を用いてどのような提案を行ったか、契約に成功したか否か、顧客が他社と契約したか、等を示す情報を含んでもよい。

図４Ｂに示す営業報告データ０４２０は、営業報告０４１０から抽出されたテキスト情報等を含む。例えば、営業報告データ０４２０の１行目は、「営業員Ａ，001，3/1，1.0h，顧客Ａ，資料β，提案」である。この１行が１回の営業活動のイベント（例えば顧客訪問）に対応する。すなわち、この行は、営業員Ａが、３月１日に、顧客Ａを１時間にわたって訪問し、資料βを提示して提案を行ったことを示す。

この例において、「営業員Ａ」は、営業活動を行った営業員を識別する情報である。この情報は営業員自身によって入力されてもよいし、電子ペンデバイス０２０９又はそれによって書き込まれる用紙の識別子と、それを使用する営業員とを対応付ける情報に基づいて作成されてもよい。

「001」は、営業員Ａが行った営業活動のイベントの識別子である。自動的に一意な番号が識別子として付与されてもよい。

「3/1」（３月１日）及び「1.0h」（１時間）は、時間０４１２から抽出される。「顧客Ａ」は、顧客０４１１から抽出される。「資料β」及び「提案」は、内容０４１３から抽出される。

このようにして抽出された営業報告データ０４２０は、データベース０１０４に格納される。

次にベクトル処理部０３０３は、営業報告データ０４２０をベクトル化したデータに変換する。なお、ベクトル処理部０３０３は、分析機能０１０５の一部である。ベクトル化は、この後に実行される各種統計処理を容易にするために行われる。後処理に応じて、さまざまなベクトル化がありえるが、図４Ｃには、その典型例を示す。ここでは、営業員の１日の活動状況がベクトル化されている。

図４Ｂで示される営業報告データ０４２０は、顧客訪問などのイベント毎にまとめられたデータである。一方、図４Ｃに示すベクトル化データ０４３０は、ある営業員の、ある１日の営業活動状況を数値の組によって表現したものである。この中には、ある営業員の１日の顧客訪問回数、及び、その営業員の顧客との面談時間の１日分の合計値などの、営業活動の特徴を示す量（以下、営業活動の特徴量と記載）に関する情報が記録されている。このような営業活動の特徴量を要素として含むベクトルを、以下の説明において特徴量ベクトルとも記載する。また、顧客訪問時に持参した提案資料などは、各資料毎に利用した回数としてベクトル化されている。このベクトル化データ０４３０は、営業報告データ０４２０から各営業員の各日付に対応する営業活動の内容を集計することによって作成される。

具体的には、図４Ｃに示すベクトル化データ０４３０は、営業員０４３１、日付０４３２、面談時間０４３３、面談回数０４３４、資料１＿０４３５、資料２＿０４３６、契約０４３７、予約０４３８、予約０４３９等をベクトルの要素として含む。

営業員０４３１は、営業活動を行った営業員を識別する値である。日付０４３２は、営業員が営業活動を行った日付を示す値である。面談時間０４３３及び面談回数０４４４は、それぞれ、営業員が営業活動として１日に行った顧客との面談の合計時間及び面談の回数を示す。資料１＿０４３５及び資料２＿０４３６は、営業員が１日の営業活動においてどの資料を何回使用したかを示す。営業員は３種類以上の資料を使用してもよく、その場合は、ベクトル化データ０４３０は、資料３（図示省略）のような項目をさらに含む。契約０４３７は、営業員が１日の営業活動において契約に成功した件数を示す。予約０４３８及び予約０４３９は、まだ使用されていないが、将来項目が追加された場合に使用される領域である。

例えば、図４Ｃのベクトル化データ０４３０の先頭の一行は、営業員１の日付１における顧客の訪問回数が６回であり、それらの訪問における面談時間の合計が１８０分であり、それらの訪問において資料１を２回、資料２を３回使用して、その結果、１件も契約に至らなかったことを示す。

ベクトル化の際に注意するべきことは、数値データとカテゴリデータとを分けて扱うことである。数値データとは、訪問時間や訪問回数のような連続量であり、数値の大小が意味を持つ値である。一方のカテゴリデータとは、顧客に提示した資料を識別する情報のような離散的な量を示すデータである。数量化Ｉ類分析などでは、カテゴリデータに関して、すべて項目を分けて（すなわちベクトルの要素として資料１、資料２などの分類を設けて）、当該カテゴリの有無（例えば各資料を使用したか否か）を０又は１で表現し、それを集計することが一般的である。ここでは、数量化Ｉ類分析で使われる手法を踏襲する。このような数値データ、カテゴリデータ、及びそれらを集計した値を、営業活動の特徴量として扱うことができる。

なお、図４Ｃに示したベクトル化は一例に過ぎず、種々のベクトル化を本実施形態に適用することができる。例えば、図４Ｃは各営業員の各日の営業活動をベクトル化したものであるが、同様の方法によって各営業員の各月の営業活動をベクトル化してもよい。その場合、ベクトル化データ０４３０は日付０４３２の代わりに月を示す要素を含み、面談時間０４３３、面談回数０４３４等の各要素の値は、月ごとの集計値である。あるいは、各営業員の各顧客への所定の期間（例えば月）の営業活動を集計してベクトル化してもよい。この場合、ベクトル化データ０４３０は日付０４３２の代わりに期間を示す要素を含み、面談時間０４３３、面談回数０４３４等の各要素の値は、顧客ごとの集計値である。あるいは、各地区への各営業員の所定の期間の営業活動を集計してベクトル化してもよい。

また、上記の例では営業活動の特徴量として面談時間及び面談回数等を挙げたが、それ以外の量、例えば、新規顧客の訪問回数又は各顧客への初回の訪問時間等が使用されてもよい。さらに、各顧客を識別する情報が各顧客の種類（例えば個人又は法人）を示す情報を含み、顧客の訪問回数等が顧客の種類ごとに集計されてもよい。

次に分析処理（０３０４から０３０６まで）が実行される。分析処理としては、統計解析０３０４、類型判別０３０５、及びルール判定０３０６が実行される。これらは分析機能０１０５の一部である。

統計解析部０３０４では、当該営業員の属する地区、又は営業員のカテゴリ（営業員としてのレベル及び活動スタイルなど）に合わせた統計量が、ベクトル化データを元に集計される。ここで集計した統計量の一部は、後で述べる統計的ルール解釈部０３１６で利用される。

類型判別部０３０５では、ベクトル化データ、及び、営業員スタイルなど外部から与えられた事例ルール０３１０を元に、営業員の活動状況及び営業員の活動スタイルなどを分類する（０３１１）。これは、営業員をカテゴリに分ける処理である。カテゴリとしては、例えば、法人営業に向いている人、個人営業に向いている人、月初めに営業成績が良くなる人、などの分類がある。ここで判定した営業員のカテゴリは、ルールを営業員に合せて指導するために参照される。

営業員のカテゴリのデータを付与した結果は、図４Ｄに示されるようになる。幾つかの類型（法人営業向け、個人営業向け・・）などのカテゴリデータとして、それぞれの類型に該当する営業員に１、該当しない営業員に０というフラグが立っている。このカテゴリデータは営業員に対して割り当てられてもよいし、日々又は週毎、月毎の活動に対して割り当てられてもよい。

図４Ｄに示すカテゴリデータが付与されたベクトル化データ０４５０は、営業員０４５１、日付０４５２、面談時間０４５３、面談回数０４５４、資料１＿０４５５、資料２＿０５３６、契約０４５７、類型１＿０４５８、類型２＿０４５９等をベクトルの要素として含む。営業員０４５１、日付０４５２、面談時間０４５３、面談回数０４５４、資料１＿０４５５、資料２＿０５３６及び契約０４５７は、それぞれ、図４Ｃに示す営業員０４３１、日付０４３２、面談時間０４３３、面談回数０４３４、資料１＿０４３５、資料２＿０４３６及び契約０４３７と同等であるため説明を省略する。

類型１＿０４５８及び類型２＿０４５９は、各営業員がどの類型に該当するかを示す。図４Ｄの例では、営業員「１」が類型１に該当し、営業員「２」が類型２に該当する。

営業員の類型は、営業員の事例（例えば営業成績が上位の営業員の事例）を指定することによって与えられてもよい。あるいは、ｋ−ｍｅａｎｓなどのクラスタリングアルゴリズムを使うことによって、自動的に分類してもよい。ここで追加したカテゴリデータに基づいて、後述するルール判定が行われ、更に学習が行われる。これによって、営業員ごとに指導に有効なルールが抽出される。

前述したように、営業員には、法人顧客を対象とする営業に向く人、個人顧客を対象とする営業に向く人などの類型がある。例えば法人顧客に対して有効な営業活動が個人顧客に対しても有効であるとは限らない。このため、全ての営業員を一律の基準に基づいて指導するより、それぞれの類型に適合した指導をするほうが有効であると期待される。本実施形態では、類型判別部０３０５が営業員の類型を判別し、それぞれの類型に適合するルールがルール（機械化）０３１７として用意される。そして、次のルール判定部０３０６が類型に対応するルールに基づく判定を行う。

ここで、類型を指定する処理について図８を参照して説明する。

図８は、本発明の実施形態において、営業員の類型を指定するために表示される画面の説明図である。

図８には、例として、営業員を法人営業向けのグループ及び個人営業向けのグループに分類するために表示される画面を示す。図８の画面は、グラフ表示領域０８００、カテゴリ定義領域０８２０及びグラフ定義領域０８４０からなる。グラフ表示領域０８００には、複数の営業員の営業活動の特徴を示すグラフ（図８の例では散布図）が表示される。カテゴリ定義領域０８２０には、グラフ表示領域において指定されたカテゴリの名称が入力される。グラフ定義領域０８４０には、グラフ表示領域０８００のＸ軸及びＹ軸の定義が入力される。

図８の例では、グラフ定義領域０８４０のＸ軸（特徴軸Ｘ）の定義として「月平均個人訪問回数」が、Ｙ軸（特徴軸Ｙ）の定義として「月平均個人訪問回数」が入力されている。この場合、営業報告データから各営業員による個人顧客の訪問回数の１ヶ月の平均値、及び、各営業員による法人顧客の訪問回数の１ヶ月の平均値が算出され、それらの値が営業員ごとにグラフ表示領域０８００の散布図にプロットされる。

例えば管理者０１０８が法人顧客への営業活動を得意とする営業員の類型と、個人顧客への営業活動を特意図する営業員の類型とを定義したい場合、ポインタ０８０１を操作してカテゴリ１＿０８０２及びカテゴリ２＿０８０３を指定することができる。ここで、カテゴリ１＿０８０２は、法人顧客の訪問回数が比較的多いが、個人顧客の訪問回数が比較的少ない営業員のグループに相当する。一方、カテゴリ２＿０８０３は、個人顧客の訪問回数が比較的多いが、法人顧客の訪問回数が比較的少ない営業員のグループに相当する。そして、管理者０１０８がそれぞれのカテゴリの名称「法人営業向けグループ」及び個人営業向けグループ」をカテゴリ定義領域０８２０に入力した場合、指定された営業員の営業活動の特徴量のベクトルが類型としてルール（類型）０３１２に格納される。

図８の例では、カテゴリ１＿０８０２に３人の営業員が、カテゴリ２＿０８０３に二人の営業員がそれぞれ含まれる。例えば、カテゴリ１＿０８０２の３人の営業員の特徴量ベクトルのいずれか一つ、又はそれらの平均値を法人営業向けグループの類型として、ルール（類型）０３１２に格納してもよい。カテゴリ２＿０８０３の２人の営業員の特徴量ベクトルについても同様である。

同様の方法によって、管理者０１０８は、種々の類型を指定することができる。

類型判別部０３０５は、例えば、営業報告０３０１が入力された場合、それを報告した営業員（すなわち報告された営業活動を行った営業員）の営業活動の特徴量ベクトルを、ルール（類型）０３１２に格納された複数の特徴量ベクトルと比較し、最も類似度が高い特徴量ベクトルの類型を、その営業員の類型として特定する。この比較の際に、重み辞書０３１３に基づく重み付けがされてもよい。また、所定の閾値以上の類似度を有する特徴量ベクトルの類型の中から、営業員の類型を選択してもよい。

ルール判定部０３０６は、ユーザが指定したルール（機械化）０３１７、又は統計解析の結果として外れ値と看做される場合のルールに基づいて、営業員、及びその活動などに対して、チェックするべきポイントを発見する。具体的には、例えば、営業員から取得した営業活動の特徴量が、ルール（機械化）０３１７に記述された条件を満たすか否かが判定される。このルールの適用の際に、重み辞書０３１８に基づく重み付けがされてもよい。このルール（機械化）０３１７の生成及びルール判定部０３０６の処理については後述する。

ルールを適用した結果、システムからのメッセージが得られる。具体的には、営業員から取得した営業活動の特徴量が、ユーザによって指定されたルールに記述された条件を満たす場合、そのルールに含まれるメッセージが取得される。あるいは、営業員から取得した営業活動の特徴量が、統計上の外れ値と看做される場合、そのことを示すメッセージが取得される。その例を図４Ｅに示す。

図４Ｅに示す分析結果データ０４７０は、指導０４７１、分析０４７２、対象０４７３及びメッセージ０４７４を含む。

指導０４７１は、分析結果データ０４７０に含まれる指導を識別する番号である。

分析０４７２は、指導の根拠となったルール等を識別する情報である。例えば、営業員の営業活動の特徴量が、あるルールに記述された条件を満たした場合、そのルールを識別する情報（例えばルールの番号）が分析０４７２として保持される。あるいは、営業員の営業活動の特徴量が統計上の外れ値と看做された場合、そのことを示す値（例えば「統計分析」）が分析０４７２として保持される。

対象０４７３は、指導の対象を識別する情報である。例えば、ある営業員の営業活動の特徴量が、ルールに記述された条件を満たした場合、その営業員を識別する情報が対象０４７３として保持される。その営業員の特定の時期における営業活動の特徴量が条件を満たした場合、その時期を示す情報も併せて保持されてもよい。

メッセージ０４７４は、表示されるべきメッセージを示す。あるルールに記述された条件が満たされた場合、そのルールに含まれるメッセージがメッセージ０４７４として保持される。

図４Ｅの例では、指導０４７１の値「１」に対応する分析０４７２、対象０４７３及びメッセージ０４７４として、それぞれ、「ルール：Ｎｏ．２」、「営業員Ａ、３月」及び「初回訪問時間が長いよう」が保持されている。これは、営業員Ａの３月の営業活動の特徴量が、ルールＮｏ．２に記述された条件を満たし、そのルールＮｏ．２は、条件が満たされた場合に表示されるべきメッセージとして「初回訪問時間が長いよう」を含んでいることを意味する。

可視化部０３０７では、日々の営業活動、又は週毎、月毎の営業活動が地図上に表示され、それに合せてルール適用の結果が、システムからのメッセージとして表示される。表示されるメッセージの例を図５及び図６に示す。

図５は、本発明の実施形態において表示されるメッセージの第１の例を示す説明図である。

図５には、例として、ある営業員（営業員Ａ）のある一日（２０１０年４月１日）の営業活動に関して表示端末装置０２０２に表示されるメッセージを示す。この例において、営業員Ａは、２０１０年４月１日に、営業員Ａが所属する営業所の周辺地域の７箇所を訪問した。この場合、表示端末装置０２０２には、営業員Ａが営業活動を行った地域（少なくとも訪問先を含む地域）の地図が表示され、各訪問先の顧客の所在地に、その顧客への営業活動の状況を示す標識が表示される。この標識は例えば所定の図形又は記号（図５の例では円形の図形）である。

例えば、一重円の内側に数字が表示された標識は、顧客に商品を提案中であることを示し、数字はその顧客を訪問した回数を示す。二重円の内側に数字が表示された標識は、顧客から契約の内諾を得たことを示し、数字はその顧客を訪問した回数を示す。

なお、図５の例では、ある一日に営業員Ａが訪問した顧客に対応する標識が表示されるが、その標識に表示される訪問回数はその一日におけるものではなく、所定の期間（例えば１か月又は１年）の合計値又は現在までの累計値である。

二重円の内側に「カ」が表示された標識は、顧客との契約が継続していることを示す。一重円の内側に「Ｘ」が表示された標識は、顧客への営業活動が失敗した（すなわち破談となった）ことを示す。これらの標識に対応する情報は、営業報告に含まれる情報を集計することによって取得することができる。

さらに、図５の例では、営業員Ａが各顧客を訪問した順序が矢印によって示される。例えば、営業員Ａが顧客「ＮＧ様」を訪問し、その次に顧客「ＩＫ様」を訪問した場合、顧客「ＮＧ様」に対応する標識から顧客「ＩＫ様」に対応する標識に向かう矢印が表示される。この順序は、営業報告に含まれる各顧客を訪問した時刻に基づいて特定することができる。

さらに、図５の例では、営業員Ａの営業活動に関するメッセージが表示される。例えば、顧客「ＮＭ様」に対応するメッセージ「平均よりも訪問回数と時間が多いです。提案戦略を見直して」が表示されている。これは、例えば、その顧客に対する所定の期間内の（又は累計の）訪問回数及び訪問時間が、ルールとして記述された訪問回数及び訪問時間の閾値を超えた場合に表示される。表示されるメッセージもそのルールに含まれる。ルールについては図７を参照して後述する。

図５の例では、上記のメッセージが顧客「ＮＭ様」の標識と対応付けて表示される。具体的には、上記のメッセージのテキストが吹き出しの中に表示され、その吹き出しの先端が顧客「ＮＭ様」の標識を向いている。このような表示方法は一例であり、任意の方法で顧客の標識とメッセージとを対応付けることができる。

さらに、図５の例では、営業員Ａの４月１日の営業活動に関するメッセージとして、「移動距離の最小化は事前に計算できます」が表示されている。例えば、営業支援システム０１０３は、営業員Ａが顧客を訪問した順序が特定されると、それらの顧客の所在地の情報に基づいて、それらの顧客を訪問する最短経路を計算することができる。計算された最短経路に対する、実際の移動経路の比率が所定の閾値を超えた場合に、営業支援システム０１０３は、上記のようなメッセージを表示してもよい。なお、最短経路は公知の方法によって計算することができるため、それに関する詳細な説明は省略する。

なお、図５の表示を行うために、営業支援システム０１０３は、地図情報及び各顧客の所在地の位置情報を例えば外部記憶装置０２０３に保持する必要がある。このような情報の内容及びそれに基づく表示は従来の技術によって実現できるため、それらの詳細な説明は省略する。後述する図６についても同様である。

図６は、本発明の実施形態において表示されるメッセージの第２の例を示す説明図である。

図６には、例として、ある営業員（営業員Ａ）のある１ヶ月（２０１０年３月）の営業活動に関して表示端末装置０２０２に表示されるメッセージを示す。この例においても、図５の場合と同様に、営業員Ａが１ヶ月の間に営業活動を行った地域の地図が表示され、訪問した顧客（又はこれから訪問する予定の顧客）の所在地に、その顧客への営業活動の状況を示す標識が表示される。

例えば、星型の標識は、顧客が他社と契約したことを示す。一重円の内側が空白になっている標識は、その標識に対応する顧客を紹介されたが、まだ営業活動を行っていないことを示す。一重円の内側に数字が表示された標識は、顧客に商品を提案中であることを示し、数字は所定の期間（この例では２０１０年３月の１ヶ月間）にその顧客を訪問した回数を示す。二重円の内側に数字が表示された標識は、顧客が契約に内諾したことを示し、数字は１ヶ月間にその顧客を訪問した回数を示す。二重円の内側が空白になっている標識は、顧客との契約が継続していることを示す。一重円の内側に「Ｘ」が表示された標識は、顧客への営業活動が失敗した（すなわち破談となった）ことを示す。

さらに、図６の例では、営業員Ａの営業活動に関するメッセージが表示される。例えば、図６では、メッセージ０６０３「特定顧客への提案活動が集中しているようです。新規の顧客訪問が少ないです。顧客当たりの訪問時間が長いようです。来月は、新規訪問を増やすようにして下さい。」が表示されている。例えば、特定の顧客への提案活動が集中していることは、営業員Ａの３月における営業活動の特徴量を顧客ごとに集計し、それらをルールと比較することによって判定できる。新規の顧客訪問が少ないこと及び顧客当たりの訪問時間が長いことは、それぞれ、営業員Ａの３月における新規の顧客訪問回数及び顧客当たりの訪問回数を、ルールと比較することによって判定できる。表示されるメッセージは、それぞれのルールに含まれる。

さらに、図６の例では、メッセージ０６０１「他社の提案活動の集中地域かも知れません。情報収集をお願いします」及びメッセージ０６０２「地区への提案活動が停滞しているようです」が表示されている。例えば、地区ごとの他社の契約数を集計し、その値がルールと比較することによって、他社の提案活動が各地区に集中しているか否かを判定することができる。さらに、地区ごとの提案件数を集計し、その値をルールと比較することによって、地区への提案活動が活発であるか否かを判定することができる。

営業活動の分析結果は、推薦される指導ルールと合せて操作端末０３０８上に表示される。操作端末０３０８は、図２に示す操作端末装置０２０１及び表示端末装置０２０２に相当する。営業員の指導を担う管理者は、表示された分析結果を見ながら営業員の活動について指導を行う。実際の指導で用いたルール及び目標設定などは営業支援システムへとフィードバックされ、学習部０３０９に渡される。

学習部０３０９は、重回帰分析、構造方程式モデリング、更には自動微分などの手法を使って、営業員に合わせて、有効な指導ルールなどを学習する。

パラメータ学習においては，自動微分と回帰分析又は構造化モデリングとの組合せが有効であり、このようなパラメータ学習が本発明の特色の１つである。

学習において，自動微分機構と回帰分析とを併用するための仕組みについて詳しく述べる。自動微分では「数」と「演算」を独自に定義する。自動微分（Ａｕｔｏｍａｔｉｃ Ｄｉｆｆｅｒｅｎｔｉａｔｉｏｎ）で用いる演算関数例を図９に示す。ここで、プログラム中にある全変数の内、ｎ個の変数が偏微分の対象である場合、「数」の構造は次のベクトルで表される。

ここで、ｖは関数の値を保持する場所である。また、ｄ_k（ｋ＝１〜ｎ）は関数を第ｋ番目の変数で偏微分した時の値を保持する場所である。自動微分では上記構造を持つ数をＡＤ数として、これに基づいて各種の演算を行う。

このような機構を導入するのは、学習でのパラメータ調整を柔軟に構成するためである。後述するように、ルール計算を行う上では暗黙的なパラメータが利用される。例えば、“訪問回数が少ない”といった場合、当該営業員の属する地域にいる全営業員の訪問回数に関する統計分布から、分布の下位αパーセント点を元に閾値が決められる。例えば、閾値を表すパーセント値が下位５％である場合、ある営業員の訪問回数が全体的な分布の下位５％グループに入っていれば、その営業員の訪問回数が少ないと判定できる。しかし、５％という数値は、あくまで仮決めの値であり、これは本来、営業員のスタイルや、指導方針に従ってチューニングされるのが望ましい。そこで、勾配法によるパラメータ調整を行うことを考える。

例えば、特徴量の大小を表現する形容詞に対応する閾値の初期値を予め定めてもよい。具体的には、例えば、特徴量が小さいことを示す形容詞、例えば「短い」「少ない」及び「小さい」等に対応する閾値の初期値として下位５％、特徴量が大きいことを示す形容詞に対応する閾値の初期値として上位５％、特徴量が比較的小さいことを示す形容詞、例えば「比較的短い」「比較的少ない」及び「比較的小さい」等に対応する閾値の初期値として下位５０％、特徴量が比較的大きいことを示す形容詞に対応する閾値の初期値として上位５０％等を定めてもよい。このような初期値は、例えばエキスパート０１０９の経験等に基づいて定められてもよい。このような初期値を変更せずに使い続けた場合も、「短い」のような自然言語の曖昧な形容詞を、計算機が判定に使用する具体的な閾値に変換することができるため、本発明の効果は実現される。したがって、本実施形態は、初期値を変更せずに使い続ける実施形態も含む。しかし、売上げの最大化を目的として、より適切な判定を行うためには、例えば下記のような勾配法によって閾値を調整することが望ましい。

勾配法では目標関数の偏微分係数が必要になる。営業支援システムでは、目標の関数は売り上げ金額又は契約件数などである。教師信号として、指導の際に用いたルールと、用いなかったルールなどが与えられるとする。

まず、回帰分析において、売上げに有効なパラメータを推定する。

ここで、目標関数は“売上げ”をなるべく高くすることになる。実際の売上げ金額を“Ｙ売上げ”で表す。また、売上げに関係すると思われる項目として、前月の“訪問時間”及び前月の指導内容などが考えられる。そこでこれを、制御変数として“Ｘ訪問時間”及び“Ｘルール１指導”などで表す。ここで変数“Ｘルール１指導”は、指導ルール１を使ったか否かを１，０であらわしたもの、または指導ルールが使われた回数を表すものである。更に、この指導ルールには暗黙的パラメータが存在する。例えば、周辺の営業員の平均値に比べて訪問回数が２５％以下ならば少ないとみなす、というルールの場合は“２５％”が暗黙的パラメータとなる。第ｋ番目のルールが持つ暗黙的パラメータをｒｋで表すとする。ルールを使ったかどうかを、シグモイド関数によって表現する場合、上記の数式（２）は、更にパラメータの関数とみなすことができる。すなわち、

となる。

回帰分析のパラメータａ１〜は、線形方程式を解くことで容易に得られる。また、パラメータｒ１〜の学習は勾配法によって、徐々にパラメータを変化するように学習することができる。

一般に、勾配法による学習を実装する場合は、固定の関数の定義式(例えばニューロの中間層の計算式又は多項式識別関数のパラメータ重畳など)から、手計算によって偏微分方程式を導き、これを元に学習するプログラムを実装する。しかし、ルールの追加、削除は動的に行われ得る。さらに、目標関数についても売上げ重視か、件数重視かなど、時々の営業方針によって変わりえる。目標関数の計算式が動的に変更され得て、それに合せて勾配法によるパラメータ学習を行う必要がある場合は，偏微分方程式も動的に変更しなければならない。

目標関数を求めるプログラム(関数)は、if文、for文、数学関数・数学演算から成立する。これらの内、数学関数・数学演算部分を、自動微分の数構造を利用して記述する。自動微分を用いると定義した関数から値と微分値を同時に求める事ができるため、計算式の変更に対しても容易に微分値の導出が行える。かつ、回帰分析と組み合わせることで、売上げに有効と思われるルールに絞って、パラメータ調整を行うことができる。

図７を参照して、中間言語による指導ルール記述と、その解釈について述べる。

図７は、本発明の実施形態におけるルールの記述の説明図である。

営業活動の現場では、ベテランの営業員（すなわちエキスパート０１０９）が経験に基づいて蓄えた、さまざまな指導ルールが存在する。しかし、これを機械で置き換えようとした場合、ルールの曖昧性が問題となる。例えば、“移動に時間を掛けすぎない”又は“営業員のタイプ別に指導する”など、ルールが明記されていたとしても、その多くは曖昧な自然言語で記されている。これらは過去に蓄積されたデータを分析し、そこから得られた統計的な情報と、ルールとを結びつけて解釈しなければならない。

例えば、“多い”“少ない”は、営業員全体の傾向を基準として判断できる。そこで、自然言語で書かれたルールに対して形態素解析を適用して、“多い”、“少ない”といった形容詞と、形容詞が修飾している数量化可能な名詞“面談時間”、条件を表すことば“もしも”など、及び、“注意する”、“顧客への訪問回数を増やして”のような、ルールに記述された条件が満たされた場合に表示されるべきメッセージを抽出し、これを中間言語のルールに変更すれば、人間が理解し易く、かつ機械での解釈が可能なルールとすることができる。

図７の指導ルール（自然言語）０７０１は自然言語で書かれたルールの例であり、指導ルール（中間言語）０７０２は、それを中間言語に直したルールである。ルールの変換及び解釈計算は、図３の処理０３１４から０３１７において実行される。

図７の指導ルール（中間言語）０７０２は、人間が理解し易いものであり、かつ機械が解釈可能なルールへも変更しやすいものである。これを機械が解釈可能な擬似プログラムに直したものが図７の機械ルール（統計利用）０７０３である。ここでは、統計情報を利用してルール解釈を行う。

例えば、図７には、指導ルール（自然言語）０７０１に含まれるルールＮｏ．１として、「顧客との総面談時間が短いか、又は、顧客との総面談時間が比較的長いが、顧客への総訪問回数が少ない場合は、営業員に注意する」が記述されている。これは、図３のルール（自然言語）０３１４に相当する。この場合、営業支援システム０１０３は、上記の自然言語ルールから、形容詞「短い」、「比較的長い」、「少ない」、これらの形容詞が修飾する「総面談時間」、「総面談時間」、「総訪問回数」、条件を示す「又は」、「が」、「場合は」、及び、表示されるべきメッセージを示す「注意する」が抽出される。なお、形容詞が修飾する「総面談時間」等は、営業活動の特徴量に相当する。この抽出は、公知の形態素解析によって行われる。この抽出が図３の言語解析０３１５に相当する。

そして、営業支援システム０１０３は、これらの抽出された単語に基づいて、「総面談時間」が「短い」、「総面談時間」が「比較的長い」、「総訪問回数」が「少ない」、などの命題を、「かつ」「又は」「ならば」などの論理結合子によって結合した指導ルール（中間言語）０７０２を生成する。これが図３のルール（中間言語）０３１９に相当する。なお、自然言語で記述された「が」、「場合は」が、それぞれ、中間言語では「かつ」及び「ならば」に変換されている。このような変換は、営業支援システム０１０３が保持する辞書に基づいて行われてもよい。

このようにして生成された指導ルール（中間言語）０７０２は、一旦表示端末装置０２０２によって表示されてもよい。指導ルール（自然言語）０７０１を入力したエキスパート０１０９は、表示された指導ルール（中間言語）０７０２が意図したとおりに生成されているかどうかを判定し、意図に反する場合には修正をすることができる。

中間言語で記述されたルールは、命題及び論理結合子が自然言語の単語によって構成されている。このため、エキスパート０１０９は、後述する機械ルールの扱いに慣れていない場合であっても、中間言語で記述されたルールを理解し、修正が必要であるか否かを判断し、必要があれば修正することができる。

次に、営業支援システム０１０３は、生成された指導ルール（中間言語）０７０２（修正された場合には修正された指導ルール（中間言語）０７０２）を機械ルール（統計利用）０７０３に変換する。このとき、「総面談時間」等の特徴量はそれらに対応する変数に、「かつ」「又は」等はそれらに対応する論理演算子に、それぞれ一意に変換することができる。一方、「短い」「比較的長い」「少ない」のような形容詞は、統計情報を利用した閾値によって表現される。統計情報を利用した閾値は、例えば、特徴量の分布の上位又は下位の百分位数（パーセント点）によって表現される。なお、百分位数は一例であり、任意の分位数（例えば四分位数）が用いられてもよい。このように、統計情報を用いて修飾語（形容詞）から閾値を特定する処理が図３の統計的ルール解釈０３１６に相当する。

例えば、「総面談時間」が「短い」という命題は、

に変換される。これは、ある営業員の、ある月の総面談時間に着目して、真偽値（ＴＲＵＥまたはＦＡＬＳＥ）を返す関数である。数式（４）の「小，５％」は、総面談時間の下側５パーセント点が閾値であることを示す。なお、例えば上側５パーセント点は、「大，５％」のように表現される。ルール判定部０３０６は、統計解析部０３０４から得た、当該営業員が所属する地区の全営業員の総面談時間の分布を参照して、分布上で値（総面談時間）の小さいほうから人数比５％分のグループを与える面談時間（分布α点）よりも、当該営業員の総面談時間が短ければ、「総面談時間が短い」と判定してＴＲＵＥを返す。言い換えると、当該営業員の総面談時間と、全営業員の総面談時間の長さの分布とを比較した結果、当該営業員の総面談時間がその分布の下位５％に含まれる場合、「総面談時間が短い」と判定される。

営業支援システム０１０３は、自然言語で記述されたルールを直接機械ルールに変換することも可能であるが、そのような変換に誤りがある（すなわち変換後の機械ルールがエキスパート０１０９の意図を反映していない）可能性もある。しかし、エキスパート０１０９は、機械ルールの記述に慣れていない場合、そのような誤りを発見し、修正することは困難である。一方、上記のように、中間言語で記述されたルールは、ほぼ一意に機械ルールに変換できるものであるにもかかわらず、機械ルールの記述に慣れていないユーザにも理解しやすい。このため、指導ルールを一旦中間言語で記述してエキスパート０１０９に提示し、修正の機会を与えることによって、適切な機械ルールを生成することができる。

なお、エキスパート０１０９によって入力された指導ルール（自然言語）０７０１は、そのルールが適用されるべき営業員のカテゴリ（類型）を示す情報を含んでもよい。例えば、法人顧客向けの営業経験が豊富なエキスパート０１０９が法人営業向けグループに適用されるべき指導ルール（自然言語）０７０１を入力した場合、その指導ルール（自然言語）０７０１は、それが法人営業向けグループに適用されるべきものであることを示す情報を含んでもよい。その指導ルール（自然言語）０７０１を変換することによって取得されたルール（機械化）０３１７は、法人営業向けグループに対応するルールとして保持される。そして、類型判別部０３０５によって法人営業向けグループに分類された営業員の営業活動を示す特徴量は、ルール判定部０３０６によって、法人営業向けグループに対応するルールと比較され、そのルールに記述された条件が満たされるか否かが判定される。

以上の本発明の実施形態によれば、自然言語によって記述された指導ルールが統計情報を利用した機械ルールに自動的に変換されるため、簡易な保守によって適切な指導を行う営業支援システムを実現することができる。さらに、機械ルールに含まれる閾値を、自動微分を用いた学習によって調整することによって、簡易な保守によって営業支援システムの適応を実現することができる。さらに、営業員の類型を判定し、その類型に対応する指導ルールを適用することによって、営業員の類型に応じた適切な指導を行うことができる。

０１０１ 営業報告
０１０２ ネットワーク
０１０３ 営業支援システム
０１０４ データベース
０１０５ 分析機能
０１０６ 可視化機能
０１０７ 学習機能
０２００ 営業支援装置
０２０１ 操作端末装置
０２０２ 表示端末装置
０２０３ 外部記憶装置
０２０４ メモリ
０２０５ 中央演算装置
０２０６ 通信線
０２０７ 通信装置
０２０８ 営業報告
０２０９ 電子ペンデバイス

Claims (10)

1. 営業支援システムが実行する営業活動分析方法であって、
   前記営業支援システムは、
   演算装置と、前記演算装置に接続されるメモリと、入力装置と、表示装置と、を備え、
   複数の営業員から取得した、前記複数の営業員が実際に行った営業活動の特徴量を保持し、
   前記営業活動分析方法は、
   自然言語で記述された指導ルールが入力された場合、前記指導ルールに含まれる前記営業活動の特徴量を示す語、前記特徴量を示す語に係る修飾語、及び、前記修飾語を用いて記述された条件が満たされた場合に表示されるべき指導メッセージを抽出する第１手順と、
   既に前記複数の営業員から取得された、複数の顧客に対する前記営業活動の特徴量の統計情報に基づいて、前記入力された指導ルールを、前記修飾語に対応する前記特徴量の閾値を含む機械ルールに変換する第２手順と、
   前記営業員が行った営業活動の特徴量を新たに取得した場合、前記新たに取得した特徴量が前記機械ルールを満たすか否かを判定する第３手順と、
   前記機械ルールが満たされる場合、前記指導メッセージを表示する第４手順と、を含むことを特徴とする営業活動分析方法。
2. 前記営業活動の特徴量の閾値は、既に前記複数の営業員から取得された前記営業活動の特徴量の分布における上側分位数及び下側分位数の少なくとも一つであり、
   前記第３手順は、前記新たに取得した特徴量が、前記上側分位数より大きいか、又は、前記下側分位数より小さい場合に前記機械ルールが満たされると判定する手順を含むことを特徴とする請求項１に記載の営業活動分析方法。
3. 前記営業活動の特徴量は、前記各営業員による各顧客の訪問回数、訪問のための移動時間、及び面談時間の少なくとも一つであり、
   前記営業活動の特徴量を示す語に係る修飾語は、前記営業活動の特徴量の大小を表す形容詞であり、
   前記営業支援システムは、前記形容詞と、前記上側分位数又は下側分位数を表すパーセント値とを対応付ける情報を保持し、
   前記第２手順は、前記保持された情報に基づいて、前記抽出された形容詞をそれに対応する前記パーセント値に変換する手順を含むことを特徴とする請求項２に記載の営業活動分析方法。
4. 前記営業支援システムは、
   前記各営業員の前記営業活動の複数の特徴量を前記各営業員の営業活動の特徴量ベクトルとして保持し、
   複数の指定された特徴量ベクトルを含む類型情報を保持し、
   前記類型情報に含まれる前記各特徴量ベクトルに対応する前記機械ルールを保持し、
   前記営業活動分析方法は、前記営業員が行った営業活動の特徴量を新たに取得した場合、前記類型情報に含まれる前記複数の特徴量ベクトルのうち、前記営業員の前記特徴量ベクトルとの類似度が最も高いものを特定する手順をさらに含み、
   前記第３手順は、前記新たに取得した特徴量が、前記特定された特徴量ベクトルに対応する前記機械ルールを満たすか否かを判定する手順を含むことを特徴とする請求項１に記載の営業活動分析方法。
5. 前記営業支援システムは、地図情報及び各顧客の所在地の情報を保持し、
   前記第４手順は、前記機械ルールが満たされた営業活動の対象の顧客の所在地を含む地域の地図を表示し、前記地図上の前記顧客の所在地に前記顧客を示す標識を表示し、前記顧客の標識に対応付けられた前記指導メッセージを表示する手順を含むことを特徴とする請求項１に記載の営業活動分析方法。
6. 演算装置と、前記演算装置に接続されるメモリと、入力装置と、表示装置と、を備え、
   複数の営業員から取得した、前記複数の営業員が実際に行った営業活動の特徴量を保持し、
   自然言語で記述された指導ルールが入力された場合、前記指導ルールに含まれる前記営業活動の特徴量を示す語、前記特徴量を示す語に係る修飾語、及び、前記修飾語を用いて記述された条件が満たされた場合に表示されるべき指導メッセージを抽出し、
   既に前記複数の営業員から取得された、複数の顧客に対する前記営業活動の特徴量の統計情報に基づいて、前記入力された指導ルールを、前記修飾語に対応する前記特徴量の閾値を含む機械ルールに変換し、
   前記営業員が行った営業活動の特徴量を新たに取得した場合、前記新たに取得した特徴量が前記機械ルールを満たすか否かを判定し、
   前記機械ルールが満たされる場合、前記指導メッセージを表示することを特徴とする営業支援システム。
7. 前記営業活動の特徴量の閾値は、既に前記複数の営業員から取得された前記営業活動の特徴量の分布における上側分位数及び下側分位数の少なくとも一つであり、
   前記営業支援システムは、前記新たに取得した特徴量が、前記上側分位数より大きいか、又は、前記下側分位数より小さい場合に前記機械ルールが満たされると判定することを特徴とする請求項６に記載の営業支援システム。
8. 前記営業活動の特徴量は、前記各営業員による各顧客の訪問回数、訪問のための移動時間、及び面談時間の少なくとも一つであり、
   前記営業活動の特徴量を示す語に係る修飾語は、前記営業活動の特徴量の大小を表す形容詞であり、
   前記営業支援システムは、
   前記形容詞と、前記上側分位数又は下側分位数を表すパーセント値とを対応付ける情報を保持し、
   前記保持された情報に基づいて、前記抽出された形容詞をそれに対応する前記パーセント値に変換することを特徴とする請求項７に記載の営業支援システム。
9. 前記営業支援システムは、
   前記各営業員の前記営業活動の複数の特徴量を前記各営業員の営業活動の特徴量ベクトルとして保持し、
   複数の指定された特徴量ベクトルを含む類型情報を保持し、
   前記類型情報に含まれる前記各特徴量ベクトルに対応する前記機械ルールを保持し、
   前記営業員が行った営業活動の特徴量を新たに取得した場合、前記類型情報に含まれる前記複数の特徴量ベクトルのうち、前記営業員の前記特徴量ベクトルとの類似度が最も高いものを特定し、
   前記新たに取得した特徴量が、前記特定された特徴量ベクトルに対応する前記機械ルールを満たすか否かを判定することを特徴とする請求項６に記載の営業支援システム。
10. 前記営業支援システムは、
    地図情報及び各顧客の所在地の情報を保持し、
    前記機械ルールが満たされた営業活動の対象の顧客の所在地を含む地域の地図を表示し、前記地図上の前記顧客の所在地に前記顧客を示す標識を表示し、前記顧客の標識に対応付けられた前記指導メッセージを表示することを特徴とする請求項６に記載の営業支援システム。