JP2014038460A - 顧客抽出プログラム、顧客抽出装置、及び顧客抽出方法 - Google Patents

Abstract

【課題】特定の時期に特定の商品を購入する可能性の有る顧客の特定を支援すること。
【解決手段】顧客抽出プログラムは、複数の顧客識別情報のそれぞれに対応付けて記憶された、第一の商品が購入された時期と、前記第一の商品が消費されるまでの所要期間とに基づいて、前記顧客識別情報ごとに、前記第一の商品が購入される時期の予測値を算出し、前記予測値に係る期間の少なくとも一部が、所定の期間に重複する顧客識別情報を、前記複数の顧客識別情報の中から抽出する処理をコンピュータに実行させる。
【選択図】図５

Description

本発明は、顧客抽出プログラム、顧客抽出装置、及び顧客抽出方法に関する。

従来、顧客による商品の購入時期を推定し、当該購入時期に合わせて当該顧客に広告を送信する技術が有る（例えば、特許文献１）。

特開２００１−３５０９７４号公報

しかしながら、商品の特売期間等は、販売者側によって決定される。したがって、上記の技術では、或る商品の特売期間等、店側の事情によって定められる期間において、当該商品を購入する可能性の有る顧客を特定するのは困難であった。

そこで、一側面では、特定の時期に特定の商品を購入する可能性の有る顧客の特定を支援することを目的とする。

一つの案では、顧客抽出プログラムは、複数の顧客識別情報のそれぞれに対応付けて記憶された、第一の商品が購入された時期と、前記第一の商品が消費されるまでの所要期間とに基づいて、前記顧客識別情報ごとに、前記第一の商品が購入される時期の予測値を算出し、前記予測値に係る期間の少なくとも一部が、所定の期間に重複する顧客識別情報を、前記複数の顧客識別情報の中から抽出する処理をコンピュータに実行させる。

一態様によれば、特定の時期に特定の商品を購入する可能性の有る顧客の特定を支援することができる。

第一の実施の形態の概要を説明するための図である。 第一の実施の形態の概要を説明するための図である。 第一の実施の形態の概要を説明するための図である。 第一の実施の形態における情報処理装置のハードウェア構成例を示す図である。 第一の実施の形態における情報処理装置の機能構成例を示す図である。 商品情報記憶部の構成例を示す図である。 商品分類情報記憶部の構成例を示す図である。 顧客情報記憶部の構成例を示す図である。 購入消費履歴記憶部の構成例を示す図である。 顧客商品情報記憶部の構成例を示す図である。 顧客商品分類情報記憶部の構成例を示す図である。 消費予測日の算出処理の処理手順の一例を説明するためのフローチャートである。 購入情報の構成例を示す図である。 対象商品の購入回数が所定値に満たない場合の処理手順を説明するための各情報の具体例を示す図である。 買い溜めの場合の処理手順を説明するための各情報の具体例を示す図である。 補充の場合の処理手順を説明するための各情報の具体例を示す図である。 購入予測期間の算出処理の処理手順の一例を説明するためのフローチャートである。 顧客の抽出処理の処理手順の一例を説明するためのフローチャートである。 顧客の抽出処理を説明するための各情報の具体例を示す図である。 購入消費履歴記憶部に基づく商品分類情報記憶部の更新処理の処理手順の一例を説明するためのフローチャートである。 商品分類情報記憶部の更新処理を説明するための各情報の具体例を示す図である。 商品分類情報記憶部の更新処理における計算内容を説明するための図である。 購入消費履歴記憶部に基づく顧客商品分類情報記憶部の更新処理の処理手順の一例を説明するためのフローチャートである。 顧客商品分類情報記憶部の更新処理を説明するための各情報の具体例を示す図である。 顧客商品分類情報記憶部の更新処理における計算内容を説明するための図である。 第二の実施の形態における情報処理装置の機能構成例を示す図である。 特売情報の整列処理の処理手順の一例を説明するためのフローチャートである。 特売情報の整列処理を説明するための各情報の具体例を示す図である。

以下、図面に基づいて本発明の実施の形態を説明する。図１〜図３は、第一の実施の形態の概要を説明するための図である。

図１に示されるように、顧客によって商品Ａが購入されると、購入時期（購入日）と、予め算出されている消費予測日数とに基づいて、当該顧客による商品Ａの消費予測日の推定値が算出される。なお、消費予測日数とは、商品が消費されるまで（使い尽くされるまで）の所要日数の予測値をいう。消費予測日数は、顧客の商品の購入履歴等に基づいて算出される。また、消費予測日は、商品が消費される（使い尽くされる）日の予測値をいう。

続いて、図２に示されるように、購入日に基づいて、当該顧客が商品Ａを次に購入する時期（以下、「購入予測期間」という。）の予測値が算出される。すなわち、購入予測期間の開始日（以下、「購入予測開始日」という。）及び終了日（以下、「購入予測終了日」という。）が算出される。

図１及び図２において説明した処理は、各顧客及び各商品に関して実行される。

続いて、図３に示されるように、例えば、商品Ａの特売日又は特売期間（以下、「特売期間」で統一する。）が決定されると、購入予測期間の少なくとも一部が、当該特売期間に重なる顧客が抽出される。図３においては、顧客Ａ及び顧客Ｄが抽出される例が示されている。

その結果、販売者は、商品Ａを購入する可能性有る顧客（すなわち、商品Ａの見込み客）として、顧客Ａ及び顧客Ｄを特定することができる。例えば、販売者は、広告の提供先を顧客Ａ及び顧客Ｂに限定することで、広告の費用対効果の向上を期待することができる。広告の形態は、電子メール等の電子的な形態であってもよいし、ダイレクトメール等の物理的な形態であってもよい。また、顧客Ｂ及び顧客Ｃのように、商品Ａの購入を希望していない顧客に対して、不要な広告を送り付けることで悪印象又は不快感を与えてしまうといった事態の発生を回避することができる。

一方、顧客Ａ及び顧客Ｄは、商品Ａを購入したいと思っている時期に、特売情報を入手することができる。したがって、顧客Ａ及び顧客Ｄは、商品Ａを低価格等で購入することができる。

なお、特売期間とは、例えば、商品の価格が通常より低くなる期間、商品の購入に応じて付与されるポイントが通常より多くなる期間等、商品の購入によって、顧客が通常よりも多くの利益、又は通常受けることのできない利益等を享受できる期間をいう。

以下、上記の処理を実行する情報処理装置１０について、具体的に説明する。なお、情報処理装置１０は、例えば、特定の店舗（現実の店舗又は仮想的な店舗の別を問わない。）に関して、販売促進等を目的とする情報処理を実行するコンピュータである。または、情報処理装置１０は、例えば、クラウドサービスのような形態で、複数の販売者に対して、図Ｇ１〜図Ｇ３において説明したようなサービスを提供してもよい。

図４は、第一の実施の形態における情報処理装置のハードウェア構成例を示す図である。図４の情報処理装置１０は、それぞれバスＢで相互に接続されているドライブ装置１００、補助記憶装置１０２、メモリ装置１０３、ＣＰＵ１０４、及びインタフェース装置１０５等を有する。

情報処理装置１０での処理を実現するプログラムは、記録媒体１０１によって提供される。プログラムを記録した記録媒体１０１がドライブ装置１００にセットされると、プログラムが記録媒体１０１からドライブ装置１００を介して補助記憶装置１０２にインストールされる。但し、プログラムのインストールは必ずしも記録媒体１０１より行う必要はなく、ネットワークを介して他のコンピュータよりダウンロードするようにしてもよい。補助記憶装置１０２は、インストールされたプログラムを格納すると共に、必要なファイルやデータ等を格納する。

メモリ装置１０３は、プログラムの起動指示があった場合に、補助記憶装置１０２からプログラムを読み出して格納する。ＣＰＵ１０４は、メモリ装置１０３に格納されたプログラムに従って情報処理装置１０に係る機能を実行する。インタフェース装置１０５は、ネットワークに接続するためのインタフェースとして用いられる。

なお、記録媒体１０１の一例としては、ＣＤ−ＲＯＭ、ＤＶＤディスク、又はＵＳＢメモリ等の可搬型の記録媒体が挙げられる。また、補助記憶装置１０２の一例としては、ＨＤＤ（Hard Disk Drive）又はフラッシュメモリ等が挙げられる。記録媒体１０１及び補助記憶装置１０２のいずれについても、コンピュータ読み取り可能な記録媒体に相当する。

図５は、第一の実施の形態における情報処理装置の機能構成例を示す図である。図５において、情報処理装置１０は、商品情報記憶部１２１、商品分類情報記憶部１２２、顧客情報記憶部１２３、購入消費履歴記憶部１２４、顧客商品情報記憶部１２５、顧客商品分類情報記憶部１２６、及び特売情報記憶部１２７等を利用する。これら各記憶部は、補助記憶装置１０２、又は情報処理装置１０にネットワークを介して接続される記憶装置等を用いて実現可能である。

商品情報記憶部１２１は、商品ごとに、消費サイクル（消費周期）を示す情報等を記憶する。

図６は、商品情報記憶部の構成例を示す図である。図６において、商品情報記憶部１２１は、商品ごとに、商品名、分類名、商品容量、平均消費日数、最小消費日数、最大消費日数、消費許容率、上限偏差値、及び下限偏差値等を記憶する。

商品名は、商品の識別情報の一例であり、商品の名前である。名前の代わりに、商品に対して割り当てられる識別番号等が用いられてもよい。図６における、「シャンプーＡ」、「シャンプーＢ」、「シャンプーＣ」、「ティッシュＡ」、及び「ティッシュＢ」は、それぞれ、特定の商品の商品名を示す。

分類名は、例えば、商品を機能及び用途が共通するグループに分類した場合の各グループに付与された識別名である。すなわち、分類名は、同一の種類の商品ごとの識別名である。共通の又は同一の分類名を有する商品群は、当該分類名によって関連付けられた商品群であるといえる。商品容量は、商品名に係る商品の１つあたりの容量である。１つの商品とは、販売単位において１つの商品をいう。

平均消費日数は、当該商品１つを１人で使用した場合の、平均的な消費日数の推定値である。初期値は、例えば、商品容量等に基づいて予め設定される。その後、購入消費履歴記憶部１２４に蓄積された情報等に基づいて、更新される。

最小消費日数は、当該商品１つを１人で使用した場合の、最小の消費日数の推定値である。最大消費日数は、当該商品１つを１人で使用した場合の、最大の消費日数の推定値である。最小消費日数及び最大消費日数の初期値は、例えば、以下のような式に基づいて算出及び設定される。

最小消費日数の初期値＝平均消費日数×（１−消費許容率）
最大消費日数の初期値＝平均消費日数×（１＋消費許容率）
なお、消費日数とは、商品を消費するまで（使い切るまで）の所要期間（所要日数又は所要時間等）をいう。

消費許容率は、平均消費日数に対する、最小消費日数及び最大消費日数の減少幅又は増加幅を規定するパラメータであり、予め設定される。

上限偏差値及び下限偏差値は、最小消費日数及び最大消費日数を更新する際に、購入消費履歴記憶部１２４に記憶されたレコードの中で、最小消費日数及び最大消費日数の算出に使用するレコードを限定するためのパラメータである。

商品分類情報記憶部１２２は、例えば、用途及び機能が共通する商品の分類ごとに、当該分類に属する商品の消費サイクルを示す情報等を記憶する。

図７は、商品分類情報記憶部の構成例を示す図である。図７に示されるように、商品分類情報記憶部１２２は、商品の分類ごとに、分類名、消費区分、平均消費日数、最小消費日数、最大消費日数、消費許容率、上限偏差値、及び下限偏差値等を記憶する。

分類名は、上記した通りである。消費区分は、当該分類に属する商品が、嗜好品又は消耗品のいずれに属するかを示す項目であり、その値は、分類ごとに予め設定される。本実施の形態において、嗜好品とは、個人ごとに好みの商品名が異なる可能性が高い商品をいう。すなわち、嗜好品は、二人以上が同居している状況において、各個人が別々の商品を使用する可能性の高い商品をいう。または、嗜好品は、一つを一人で使用する可能性の高い商品であるともいえる。一方、本実施の形態において、消耗品は、二人以上が同居している状況において、複数人によって共同で使用される（共用される）可能性の高い商品をいう。

平均消費日数、最小消費日数、最大消費日数、消費許容率、上限偏差値、及び下限偏差値の意味は、商品情報記憶部１２１において同一名の項目と同じである。但し、商品分類情報記憶部１２２におけるこれら各項目の値は、商品名ごとではなく、分類名ごと、すなわち、同じ分類に属する商品群ごとに算出される。また、商品分類情報記憶部１２２において、これら各項目の値は、消耗品に関してのみ有効である。

なお、図６の商品情報記憶部１２１において、消耗品に属する商品のレコードの平均消費日数、最小消費日数、最大消費日数、消費許容率、上限偏差値、及び下限偏差値の値は、当該商品の属する分類名に対して、商品分類情報記憶部１２２に記憶されている値に一致する。換言すれば、消耗品であって、同一の分類名に属する商品について、これら各項目の値は同じである。したがって、消耗品に属する商品に関するこれら各項目の値は、商品情報記憶部１２１に記憶されなくてもよい。

顧客情報記憶部１２３は、各顧客の属性情報を記憶する。図８は、顧客情報記憶部の構成例を示す図である。図８に示されるように、顧客情報記憶部１２３は、顧客ごとに、顧客ＩＤ及び同居人数等を記憶する。顧客ＩＤは、顧客ごとの識別情報であり、例えば、顧客名、顧客のメールアドレス等であってもよい。顧客情報記憶部１２３が記憶する情報は、例えば、顧客登録時に顧客から提供される情報の一部であってもよい。顧客登録は、現実の店舗であれば、例えば、ポイントカードや会員カード等の申し込みに応じて行われる。仮想店舗であれば、ユーザ登録フォームに対する顧客による入力等に応じて行われる。

購入消費履歴記憶部１２４は、顧客による商品の購入の履歴ごとに、商品の消費に関する情報を記憶する。

図９は、購入消費履歴記憶部の構成例を示す図である。図９において、購入消費履歴記憶部１２４の各レコードは、顧客ＩＤ、同居人数、分類名、商品名、購入数量、商品容量、購入日、消費予測日数、消費予測日、及び消費実績日数等の項目を含む。

顧客ＩＤは、商品を購入した顧客の顧客ＩＤある。同居人数は、顧客ＩＤに係る顧客の同居人数である。分類名は、購入された商品が属する分類の分類名である。商品名は、購入された商品の商品名である。購入数量は、当該商品が購入された数量である。購入日は、当該商品が購入された日付である。消費予測日数及び消費予測日は、図１〜図３において説明した通りである。消費実績日数は、購入された商品が消費されるまでの実績日数である。本実施の形態では、今回の購入日から、次回の購入日までの経過日数が、消費実績日数とされる。すなわち、購入日の間隔が、消費実績日数とされる。

なお、図９では、顧客ＩＤが「顧客Ａ」であるレコードのみが示されているが、購入消費履歴記憶部１２４には、他の顧客ＩＤに係るレコードも記憶される。

顧客商品情報記憶部１２５は、顧客ごと及び商品ごとに、商品の消費サイクルを示す情報等を記憶する。

図１０は、顧客商品情報記憶部の構成例を示す図である。図１０に示されるように、顧客商品情報記憶部１２５の各レコードは、顧客ＩＤ、分類名、商品名、平均消費日数、最小消費日数、最大消費日数、消費残日数、購入開始予測日、及び購入終了予測日等の項目を含む。

平均消費日数、最小消費日数、及び最大消費日数には、商品情報記憶部１２１が記憶する各項目について、顧客別に算出される値が記憶される。消費残日数は、顧客ＩＤに係る顧客に関して、商品名に係る商品が最後に購入された日において算出される、当該商品を消費するまで（使い切るまで）の残日数の予測値である。購入開始予測日及び購入終了予測日は、当該顧客及び当該商品に関する、購入開始予測日又は購入終了予測日である。購入開始予測日及び購入終了予測日の意味については、図２において説明した通りである。なお、顧客商品情報記憶部１２５には、嗜好品に属する商品に関する情報が記憶される。

顧客商品分類情報記憶部１２６は、顧客ごと及び商品の分類ごとに、当該分類に属する商品の消費サイクルを示す情報等を記憶する。

図１１は、顧客商品分類情報記憶部の構成例を示す図である。図１１に示されるように、顧客商品分類情報記憶部１２６の各レコードは、顧客ＩＤ、分類名、平均消費日数、最小消費日数、最大消費日数、消費残日数、購入開始予測日、及び購入終了予測日等の項目を含む。

平均消費日数、最小消費日数、及び最大消費日数には、商品分類情報記憶部１２２が記憶する各項目について、顧客別に算出される値が記憶される。消費残日数は、顧客ＩＤに係る顧客に関して、分類名に係る分類に属する商品が最後に購入された日において算出される、当該商品を消費するまで（使い切るまで）の残日数の予測値である。購入開始予測日及び購入終了予測日は、当該顧客及び当該分類に属する商品に関する、購入開始予測日又は購入終了予測日である。

特売情報記憶部１２７は、特売対象の商品名や特売期間等、特売に関する情報を記憶する。

図５に示されるように、情報処理装置１０は、購入情報受信部１１１、消費予測日数算出部１１２、消費予測日算出部１１３、購入予測期間算出部１１４、顧客抽出部１１５、出力部１１６、及び消費日数更新部１１７等を有する。

購入情報受信部１１１は、顧客による商品の購入に関する情報（以下、「購入情報」という。）を、例えば、ネットワークを介して受信する。受信された購入情報は、購入消費履歴記憶部１２４に記憶される。

消費予測日数算出部１１２は、購入情報に含まれている購入日、及び商品分類情報記憶部１２２、商品情報記憶部１２１、顧客商品分類情報記憶部１２６、又は顧客商品情報記憶部１２５に記憶されている平均消費日数、及び顧客の同居人数等に基づいて、購入された商品に関して、消費予測日数を算出する。

消費予測日算出部１１３は、商品の購入日と、消費予測日数とに基づいて、当該商品の消費予測日を算出する。

購入予測期間算出部１１４は、購入日、及び商品分類情報記憶部１２２、商品情報記憶部１２１、顧客商品分類情報記憶部１２６、又は顧客商品情報記憶部１２５に記憶されている最小消費日数及び最大消費日数等に基づいて、購入予測期間（購入予測開始日及び購入予測終了日）を算出する。

顧客抽出部１１５は、特売情報記憶部１２７が記憶する特売情報において特売対象とされている商品について、顧客商品分類情報記憶部１２６又は顧客商品情報記憶部１２５に記憶されている購入予測期間の少なくとも一部が、特売期間に重複する顧客ＩＤ等を抽出する。

出力部１１６は、顧客抽出部１１５によって抽出された顧客ＩＤ等を出力する。

消費日数更新部１１７は、購入消費履歴聞く部１２４が記憶する情報に基づいて、商品分類情報記憶部１２２、商品情報記憶部１２１、顧客商品分類情報記憶部１２６、又は顧客商品情報記憶部１２５が記憶する消費日数に関する情報を更新する。すなわち、顧客消費履歴記憶部が記憶する情報が、消費日数に関する情報にフィードバックされる。消費日数に関する情報とは、平均消費日数、最小消費日数、及び最大消費日数である。

以下、第一の実施の形態における情報処理装置１０が実行する処理手順について説明する。まず、図１において説明した、消費予測日の算出に関する処理手順について説明する。

図１２は、消費予測日の算出処理の処理手順の一例を説明するためのフローチャートである。図１２の処理は、例えば、顧客による商品の購入に応じて実行される。

ステップＳ１０１において、購入情報受信部１１１は、顧客による商品の購入情報を受信する。

図１３は、購入情報の構成例を示す図である。図１３に示されるように、購入情報は、顧客ＩＤ、商品名、購入数量、及び購入日等の項目を含む。顧客ＩＤは、商品を購入した顧客の顧客ＩＤある。商品名は、購入された商品の商品名である。購入数量は、当該商品が購入された数量である。購入日は、当該商品が購入された日付である。

購入情報は、例えば、店舗のＰＯＳ（Point Of Sales system）システムから送信されてもよい。また、インターネット等における仮想店舗において商品が購入された場合、当該仮想店舗における販売システム等から送信されてもよい。また、オペレータによる手入力によって入力されてもよい。

なお、商品の購入に応じて購入情報が即時的に情報処理装置１０に送信されるのであれば、購入日は、購入情報に含まれていなくてもよい。購入情報受信部１１１が、購入情報が受信された日付を、購入日として特定することが可能であるからである。

購入情報受信部１１１は、受信された購入情報に対応するレコードを新たに購入消費履歴記憶部１２４に記憶する。

続いて、購入情報受信部１１１は、顧客商品情報記憶部１２５において、受信された購入情報に含まれる顧客ＩＤ及び商品名が一致するレコードの中で、購入日が最後のレコード（但し、ステップＳ１０１において新たに記憶されたレコードは除く）の消費実績日数を算出する（Ｓ１０２）。すなわち、同一の顧客による同一の商品の前回の購入に係るレコード（以下、「前回履歴レコード」という。）について、消費実績日数が算出される。当該消費実績日数は、前回履歴レコードの購入日から、今回受信された購入情報の購入日までの経過日数を算出することにより求められる。算出された値は、前回履歴レコードの消費実績日数として記憶される。

続いて、消費予測日数算出部１１２は、顧客商品情報記憶部１２５において、購入情報に含まれている顧客ＩＤ（以下、「対象顧客ＩＤ」という。）を含むレコードの数が、所定値Ｎ以上であるか否かを判定する（Ｓ１０３）。すなわち、当該顧客ＩＤに係る顧客（以下、「対象顧客」という。）の購入パターン及び消費パターンを推測するために十分な情報が蓄積されているか否かが判定される。

対象顧客ＩＤを含むレコードの数がＮ未満である場合（Ｓ１０３でＮｏ）、消費予測日数算出部１１２は、商品分類情報記憶部１２２（図７）又は商品情報記憶部１２１（図６）を参照して、対象顧客について、受信された購入情報に含まれている商品名に係る商品に関する消費予測日数の算出処理を実行する（Ｓ１０４）。なお、受信された購入情報に含まれている商品名に係る商品を、以下、「対象商品」という。

ステップＳ１０４では、以下の式に基づいて、消費予測日数が算出される。

消費予測日数＝購入数量×平均消費日数÷同居人数
ここで、平均消費日数の値は、対象商品が消耗品であれば、商品分類情報記憶部１２２において、対象商品が属する分類名のレコードの値が使用される。対象商品が嗜好品であれば、商品情報記憶部１２１において、対象商品の商品名のレコードの値が使用される。但し、図６に示されるように、本実施の形態においては、消耗品に属する商品についても、平均消費日数は、商品情報記憶部１２１に記憶されているため、対象商品が消耗品である場合でも、方品情報記憶部のレコードが使用されてもよい。

ここでは、図１４に示される具体例に基づいて、各ステップの処理内容を説明する。

図１４は、対象商品の購入回数が所定値に満たない場合の処理手順を説明するための各情報の具体例を示す図である。図１４の（１）に示されるレコードは、ステップＳ１０１において新たに購入消費履歴記憶部１２４に記憶されたレコードである。今回の購入に応じて購入消費履歴記憶部１２４に記憶されたレコードを、以下、「今回履歴レコード」という。今回履歴レコードの顧客ＩＤ、商品名、購入数量、及び購入日には、購入情報に含まれている値が記憶される。同居人数は、顧客ＩＤに係る顧客が同居している人数である。同居人数の値は、例えば、購入情報受信部１１１によって、顧客情報記憶部１２３（図８）より転記される。図１４の（１）では、顧客Ａの同居人数である「２」が、顧客情報記憶部１２３から転記された例が示されている。

また、図１４の（１）において、分類名及び商品容量の値は、例えば、購入情報受信部１１１によって、商品情報記憶部１２１（図６）より転記される。図１４の（１）では、ティッシュＡの分類名（「ティッシュ箱」）及び商品容量（「５００」）が商品情報記憶部１２１より転記された例が示されている。なお、ステップＳ１０１において受信される購入情報に、分類名及び商品容量が含まれていてもよい。

図１４の（１）において、今回履歴レコードの分類名は「ティッシュ箱」である。「ティッシュ箱」は、図７より消耗品である。したがって、平均消費日数は、商品分類情報記憶部１２２（図７）において、「ティッシュ箱」に対して記憶されている「３０」が使用される。また、購入数量及び同居人数は、今回履歴レコードの値が使用される。

したがって、図１４の具体例において、消費予測日数は、以下のように算出される。

消費予測日数＝１×３０÷２＝１５（日）
算出された消費予測日数は、今回履歴レコードの消費予測日数として記憶される。その結果、今回履歴レコードは、図１４の（２）に示されるように更新される。図１４の（２）では、消費予測日数に「１５」が記憶された状態が示されている。

続いて、消費予測日算出部１１３は、今回履歴レコードの購入日に消費予測日数を加算することにより、対象商品の消費予測日を算出する（Ｓ１０９）。算出された消費予測日は、今回履歴レコードの消費予測日として記憶される。その結果、今回履歴レコードは、図１４の（３）に示されるように更新される。図１４の（３）では、消費予測日に「１月１６日」が記憶された状態が示されている。

一方、ステップＳ１０３において、対象顧客ＩＤを含むレコードの数がＮ以上である場合（Ｓ１０３でＹｅｓ）、消費予測日数算出部１１２は、前回履歴レコードの消費実績日数が、対象商品の最小消費日数未満であるか否かを判定する（Ｓ１０５）。対象商品の最小消費日数は、商品情報記憶部１２１から取得することができる。対象商品が消耗品である場合、対象商品の最小消費日数は、商品分類情報記憶部１２２から取得されてもよい。

ステップＳ１０５の判定は、対象顧客が対象商品を使い切っている可能性の有無の判定に相当する。すなわち、前回履歴レコードの消費実績日数が、対象商品の最小消費日数未満であれば（Ｓ１０５でＹｅｓ）、対象顧客が対象商品を使い切っている可能性は低いと考えられる。すなわち、今回の対象商品の購入の目的は、対象商品の買い溜めであると考えられる。

そこで、前回履歴レコードの消費実績日数が、対象商品の最小消費日数未満で有る場合（Ｓ１０５でＹｅｓ）、消費予測日数算出部１１２は、対象商品の消費残日数を算出する（Ｓ１０６）。消費残日数は、以下の式（１）に基づいて、算出することができる。

消費残日数＝｛（平均消費日数−消費実績日数）×同居人数｝＋前回消費残日数・・・（１）
ここで、前回消費残日数とは、対象顧客による前回の対象商品の購入時のステップＳ１０６において算出された消費残日数である。平均消費日数及び消費残日数は、対象商品が嗜好品であれば、顧客商品情報記憶部１２５において、対象商品に関して記憶されている平均商品日数及び消費残日数が用いられる。対象商品が消耗品であれば、顧客商品分類情報記憶部１２６において、対象商品に関して記憶されている平均商品日数及び消費残日数が用いられる。同居人数及び前回消費残日数は、前回履歴レコードの同居人数及び消費残日数が用いられる。

ここでは、図１５に示される具体例に基づいて、処理内容を説明する。図１５は、買い溜めの場合の処理手順を説明するための各情報の具体例を示す図である。

図１５において、（１）は、今回履歴レコードの具体例である。（２）は、前回履歴レコードの具体例である。（１）又は（２）より明らかなように、対象商品の分類名は、「ティッシュ箱」である。したがって、図７の商品分類情報記憶部１２２に基づいて、対象商品は消耗品であることが特定される。よって、対象商品の消費残日数には、顧客商品分類情報記憶部１２６が参照される。（３）は、顧客商品分類情報記憶部１２６における、「顧客Ａ」及び「ティッシュ箱」に対するレコードの具体例である。

（３）より、対象商品に対する最小消費日数は２１日である。また、（２）より、前回履歴レコードの消費実績日数は、１２である。すなわち、前回履歴レコードの消費実績日数（「１２」）＜最小消費日数（「２１」）の関係が成立する。したがって、図１５の場合、ステップＳ１０６が実行される。

図１５において、上記の式（１）における、平均消費日数及び前回消費残日数は、それぞれ、（３）より、「２４」、「６」である。また、同居人数及び前回消費残日数は、それぞれ、（２）より、「２」、「１２」である。これらの値を式（１）に当てはめると、消費残日数は、次のように算出される。

消費残日数＝｛（２４−１２）×２｝＋６＝３０（日）
消費予測日数算出部１１２は、算出された消費残日数を、顧客商品分類情報記憶部１２６において、対象顧客及び対象商品に対応するレコードの消費残日数に記憶する。したがって、（３）のレコードは、（４）に示されるように更新される。（４）では、消費残日数の値が「６」から「３０」に更新されている。なお、前回消費残日数が加算されるのは、買い溜めの累積分を考慮して、消費残日数が算出されるようにするためである。

続いて、消費予測日数算出部１１２は、対象顧客及び対象商品に関する消費予測日数を算出する（Ｓ１０８）。なお、ステップＳ１０８が実行される場合、対象顧客については、購入パターン及び消費パターンを推測するために十分な情報が蓄積されているため、顧客商品情報記憶部１２５（図１０）又は顧客商品分類情報記憶部１２６（図１１）が参照される。

ステップＳ１０８では、以下の式に基づいて、消費予測日数が算出される。

消費予測日数＝（購入数量×平均消費日数＋消費残日数）÷同居人数
購入終了及び同居日数は、図１５（１）の今回履歴レコードより取得される。平均消費日数及び消費残日数は、図１５（４）に示されるレコードより取得される。

したがって、図１５の具体例において、消費予測日数は、次のように算出される。

消費予測日数＝｛（２×２４）＋３０｝÷３＝２６
消費予測日数算出部１１２は、算出された消費予測日数を、今回履歴レコードに記憶する。その結果、今回履歴レコードは、図１５の（５）に示されるように更新される。（５）では、消費予測日数が「２６」に更新されている。

続いて、消費予測日算出部１１３は、今回履歴レコードの購入日に消費予測日数を加算することにより、対象商品の消費予測日を算出する（Ｓ１０９）。算出された消費予測日は、今回履歴レコードの消費予測日として記憶される。したがって、図１５の場合、（５）のレコードが（６）に示されるように更新される。（６）では、購入日である６月１日に、消費予測日数である２６日が加算された６月２７日が、消費予測日として記憶されている。

一方、前回履歴レコードの消費実績日数が、対象商品の最小消費日数以上である場合（Ｓ１０５でＮｏ）、対象顧客は、対象商品を使い切っている可能性が高いと考えられる。すなわち、今回の対象商品の購入の目的は、対象商品の補充であると考えられる。なお、前回履歴レコードの消費実績日数が、対象商品の最大消費日数を超える場合、対象顧客において、対象商品が消費されてから数日経過している可能性が考えられる。このような状況においては、他店にて対象商品を購入し、改めて、当店で購入が行われたことも考えられる。但し、本実施の形態では、対象商品の最大消費日数を超える場合についても、対象顧客は、対象商品を使い切っているとして、消費予測日数等の算出が行われる。

対象顧客が対象商品を補充目的で購入したと考えられる場合（Ｓ１０５でＮｏ）、消費予測日数算出部１１２は、対象顧客及び対象商品に対する消費残日数に０を設定する（Ｓ１０７）。

ここでは、図１６に示される具体例に基づいて、処理内容を説明する。図１６は、補充の場合の処理手順を説明するための各情報の具体例を示す図である。

図１６において、（１）は、今回履歴レコードの具体例である。（２）は、前回履歴レコードの具体例である。（１）又は（２）より明らかなように、対象商品の分類名は、「ティッシュ箱」である。したがって、図７の商品分類情報記憶部１２２に基づいて、対象商品は消耗品であることが特定される。よって、ステップＳ１０７では、（３）に示されるように、顧客商品分類情報記憶部１２６において、「顧客Ａ」及び「ティッシュ箱」に対するレコードの消費残日数に０が設定される。

続いて、消費予測日数算出部１１２は、対象顧客及び対象商品に関する消費予測日数を算出する（Ｓ１０８）。上記したように、ステップＳ１０８では、以下の式に基づいて、消費予測日数が算出される。

消費予測日数＝（購入数量×平均消費日数＋消費残日数）÷同居人数
購入終了及び同居日数は、図１６（１）の今回履歴レコードより取得される。平均消費日数及び消費残日数は、図１６（３）に示されるレコードより取得される。

したがって、図１６の具体例において、消費予測日数は、次のように算出される。

消費予測日数＝｛（２×２４）＋０｝÷３＝１６
消費予測日数消費予測日数算出部１１２は、算出された消費予測日数を、今回履歴レコードに記憶する。その結果、今回履歴レコードは、図１５の（４）に示されるように更新される。（５）では、消費予測日数が「１６」に更新されている。

続いて、消費予測日算出部１１３は、今回履歴レコードの購入日に消費予測日数を加算することにより、対象商品の消費予測日を算出する（Ｓ１０９）。算出された消費予測日は、今回履歴レコードの消費予測日として記憶される。したがって、図１６の場合、（５）のレコードが（６）に示されるように更新される。（６）では、購入日である６月１日に、消費予測日数である１６日が加算された６月１７日が、消費予測日として記憶されている。

続いて、図２において説明した、購入予測期間の算出に関する処理手順について説明する。図１７は、購入予測期間の算出処理の処理手順の一例を説明するためのフローチャートである。図１７の処理は、図１２のステップＳ１０９に続けて実行されてもよい。図１７の説明における各用語は、図１２の説明における各用語と同義である。

ステップＳ２０１において、購入予測期間算出部１１４は、顧客商品情報記憶部１２５において、対象顧客ＩＤを含むレコードの数が、所定値Ｎ以上であるか否かを判定する。すなわち、図１２のステップＳ１０３と同趣旨の判定が行われる。

対象顧客ＩＤを含むレコードの数がＮ未満である場合（Ｓ２０１でＮｏ）、購入予測期間算出部１１４は、商品分類情報記憶部１２２（図７）又は商品情報記憶部１２１（図６）を参照して、対象顧客及び対象商品に関する購入予測期間（購入開始予測日及び購入終了予測日）を算出する（Ｓ２０２）。ステップＳ２０２では、以下の式に基づいて、購入開始予測日及び購入終了予測日が算出される。

購入開始予測日＝購入日＋最小消費日数×購入数量÷同居人数
購入開始予測日＝購入日＋最大消費日数×購入数量÷同居人数
ここで、購入日、購入数量、及び同居人数は、今回履歴レコードの値が使用される。最小消費日数及び最大消費日数は、対象商品が消耗品であれば、商品分類情報記憶部１２２において、対象商品が属する分類名のレコードの値が使用される。対象商品が嗜好品であれば、商品情報記憶部１２１において、対象商品の商品名のレコードの値が使用される。

例えば、今回履歴レコードが、図１４の（３）に示される通りであり、商品分類情報記憶部１２２において、対象商品が属する分類名のレコードが図１４の（４）に示される通りである場合、購入開始予測日及び購入終了予測日は、以下のように算出される。

購入開始予測日＝１月１日＋３１×２÷２＝２月１日
購入終了予測日＝１月１日＋３７×２÷２＝２月７日
購入予測期間算出部１１４は、算出結果を、顧客商品分類情報記憶部１２６において、対象顧客及び対象商品が属する分類名に対応するレコードに記憶する。例えば、図１４の（５）に示されるようなレコードに、購入開始予測日及び購入終了予測日が記憶される。なお、図１４（５）のレコードにおいて、平均消費日数、最小消費日数、及び最大消費日数の項目の値は空となっている。これは、これらの項目の値を算出するために十分なレコードが、対象顧客及び対象商品に関して購入消費履歴記憶部１２４に記憶されていないからである。

一方、ステップＳ２０２において、対象顧客ＩＤを含むレコードの数がＮ以上である場合（Ｓ２０１でＹｅｓ）、購入予測期間算出部１１４は、顧客商品分類情報記憶部１２６（図７）又は顧客商品情報記憶部１２５（図６）を参照して、対象顧客及び対象商品に関する購入予測期間（購入開始予測日及び購入終了予測日）を算出する（Ｓ２０３）。ステップＳ２０２では、以下の式に基づいて、購入開始予測日及び購入終了予測日が算出される。

購入開始予測日＝購入日＋｛最小消費日数×購入数量＋最小消費日数×消費残日数÷平均消費日数｝÷同居人数
購入終了予測日＝購入日＋｛最大消費日数×購入数量＋最大消費日数×消費残日数÷平均消費日数｝÷同居人数
これらの算出式は、ステップＳ２０２の算出式における（最小（又は最大）消費日数×購入数量）の部分に対して、（最小（又は最大）消費日数×消費残日数÷平均消費日数）を加算するものである。すなわち、消費残日数が平均消費日数に占める割合を、最小（又は最大）消費日数に乗じることで、消費残日数分の最小（又は最大）消費日数が算出さる。消費残日数分の最小（又は最大）消費日数が、（最小（又は最大）消費日数×購入数量）分の日数に加算されることにより、最小消費日数又は最大消費日数に対して、消費残日数分の補正が行われる。

なお、購入日、購入数量、及び同居人数は、今回履歴レコードの値が使用される。最小消費日数、最大消費日数、及び消費残日数は、対象商品が消耗品であれば、商品分類情報記憶部１２２において、対象商品が属する分類名のレコードの値が使用される。対象商品が嗜好品であれば、商品情報記憶部１２１において、対象商品の商品名のレコードの値が使用される。

例えば、今回履歴レコードが、図１５の（６）に示される通りであり、商品分類情報記憶部１２２において、対象商品が属する分類名のレコードが図１５の（４）に示される通りである場合、購入開始予測日及び購入終了予測日は、以下のように算出される。

購入開始予測日＝６月１日＋｛２１×２＋２１×３０÷２４｝÷３＝６月１日＋２２．７５＝６月２４日
購入開始予測日＝６月１日＋｛２７×２＋２７×３０÷２４｝÷３＝６月１日＋２９．２５＝７月１日
購入予測期間算出部１１４は、算出結果を、顧客商品分類情報記憶部１２６において、対象顧客及び対象商品が属する分類名に対応するレコードに記憶する。例えば、図１５の（４）のレコードは、（７）に示されるように更新される。

なお、図１６のケースでは、図１５のケースと同様の処理手順で、購入開始予測日及び購入開始予測日が算出される。但し、図１６のケースでは、消費残日数が０であるため、消費残日数による補正は行われない。

なお、図１２及び図１７の説明において、図１５及び図１６の具体例では、顧客商品分類情報記憶部１２６のレコードが参照されたが、対象商品が嗜好品である場合、顧客商品分類情報記憶部１２６の代わりに、顧客商品情報記憶部１２５のレコードが参照される。

続いて、図３において説明した、顧客の抽出処理に関する処理手順について説明する。図１８は、顧客の抽出処理の処理手順の一例を説明するためのフローチャートである。図１８の処理は、例えば、１日に１回等、定期的に行われてもよい。または、特売情報記憶部１２７に対する新たな特売情報の登録に応じて実行されてもよい。

ステップＳ３０１において、顧客抽出部１１５は、特売情報記憶部１２７より、特売情報を示すレコードを読み込む。

図１９は、顧客の抽出処理を説明するための各情報の具体例を示す図である。図１９において、（１）は、読み込まれた特売情報を示すレコードの具体例である。（１）に示されるように、特売情報は、商品名、分類名、特売開始日、特売終了日、及び特売価格等の項目を含む。商品名は、特売の対象となる商品（以下、「特売品」という。）の商品名である。分類名は、特売品が属する分類の分類名である。特売開始日及び特売終了日は、特売期間の開始日又は終了日である。特売価格は、特売品の価格である。

続いて、顧客抽出部１１５は、特売品が、消耗品であるか嗜好品であるかを判定する（Ｓ３０２）。当該判定は、特売品の分類名に対して、商品分類情報記憶部１２２（図７）の消費区分に記憶されている値に基づいて行うことができる。

特売品が消耗品である場合（Ｓ３０２でＹｅｓ）、顧客抽出部１１５は、顧客商品分類情報記憶部１２６に記憶されているレコードの中から、購入予測期間の少なくとも一部が特売期間に重複するレコードを抽出する（Ｓ３０３）。購入予測期間は、購入開始予測日を開始日とし、購入終了予測日を終了日とする期間である。特売期間とは、特売情報に含まれている特売開始日を開始日とし、特売終了日を終了日とする期間である。

図１９の（１）に示される特売情報において、特売期間は、４月２０日〜４月２７日である。例えば、顧客商品分類情報記憶部１２６の内容が、図１９の（２）に示される通りである場合、購入予測期間の少なくとも一部が４月２０日〜４月２７日の期間に重複するレコードは、顧客Ａ、Ｂ、及びＣに係るレコードである。したがって、図１９の例においては、これらのレコードが抽出される。

一方、特売品が嗜好品である場合（Ｓ３０２でＮｏ）、顧客抽出部１１５は、顧客商品情報記憶部１２５に記憶されているレコードの中から、購入予測期間の少なくとも一部が特売期間に重複するレコードを抽出する（Ｓ３０４）。顧客商品情報記憶部１２５からのレコードの抽出方法は、顧客商品分類情報記憶部１２６からのレコードの抽出方法から自明であるため、具体例については省略する。

ステップＳ３０３又はＳ３０４に続いて、出力部１１６は、抽出されたレコードに基づく情報を出力する（Ｓ３０５）。例えば、顧客ＩＤの一覧が出力される。出力形態は、所定のものに限定されない。非図示の表示装置に表示されてもよいし、補助記憶装置１０２に記憶されてもよい。または、非図示のプリンタに印刷されてもよい。

ユーザ（例えば、商品の販売者）は、出力結果を参照して、例えば、出力された顧客ＩＤに係る顧客を、特売情報の広告の送付先とすることができる。広告は、ダイレクトメールによって送付されてもよいし、電子メールによって送付されてもよい。電子メールの場合、ステップＳ３０５において、抽出された顧客ＩＤに係る顧客ＩＤ宛に、出力部１１６が自動的に送信を行ってもよい。この場合、例えば、顧客情報記憶部１２３等に、顧客ＩＤに対応付けてメールアドレスが記憶されていてもよい。また、Ｗｅｂサイト等における仮想店舗である場合、Ｗｅｂサイトへのアクセス元の顧客ＩＤが、抽出された顧客ＩＤに含まれていれば、当該アクセス元に対して返信されるＷｅｂページ等に、対象商品の特売情報が含まれるようにしてもよい。

続いて、購入消費履歴記憶部１２４が記憶する情報に基づく、商品分類情報記憶部１２２の平均消費日数、最小消費日数、及び最大消費日数の更新処理について説明する。すなわち、顧客による商品の消費実績を、購入消費履歴記憶部１２４にフィードバックするための処理について説明する。

図２０は、購入消費履歴記憶部に基づく商品分類情報記憶部の更新処理の処理手順の一例を説明するためのフローチャートである。なお、図２０の処理は、例えば、１日に１回等、定期的に行われてもよい。

ステップＳ４０１において、消費日数更新部１１７は、商品分類情報記憶部１２２に記憶されているレコードを順番に、メモリ装置１０３に一つ読み込む。読み込まれたレコードを、以下「対象商品分類レコード」という。読み込みに成功した場合（Ｓ４０２でＹｅｓ）、消費日数更新部１１７は、購入消費履歴記憶部１２４において、対象商品分類レコードの分類名を含むレコードであって、消費実績日数が記憶されているレコードを抽出する（Ｓ４０３）。

図２１は、商品分類情報記憶部の更新処理を説明するための各情報の具体例を示す図である。図２１において、（１）は、対象商品分類レコードの例である。（２）は、購入消費履歴記憶部１２４より抽出された、（１）に示される対象商品分類レコードの分類名（「ティッシュ箱」）を含む図２２レコードの抽出結果の例である。

続いて、消費日数更新部１１７は、抽出された（２）のレコードに関して、消費実績日数の加重平均を算出する（Ｓ４０４）。加重平均の算出において、一人当たりの購入数量が重み付けとして用いられる。図２１の（２）のレコードの消費実績日数の加重平均の算出例について、図を用いて説明する。

図２２は、商品分類情報記憶部の更新処理における計算内容を説明するための図である。図２２において、（１）は、図２１の（２）の各レコードの消費実績日数と、一人当たりの購入数量の算出結果とを示す。一人当たりの購入数量は、購入数量を同居人数によって除することにより求められる。（２）は、加重平均の算出過程及び算出結果を示す。すなわち、消費実績日数ごとに、重み付けである一人当たりの購入数量が乗じられた結果が算出され、当該算出結果の合計が算出されている。（２）において、当該合計は、「５１１．５」である。当該合計が、重み付けの合計である１５によって除されることにより、加重平均として「３４．１」が算出される。

続いて、消費日数更新部１１７は、対象商品分類レコードの平均消費日数を、加重平均によって更新する（Ｓ４０５）。図２２の（５）には、対象商品分類レコードについて、平均消費日数の値が「３４．１」に更新された例が示されている。

続いて、消費日数更新部１１７は、加重平均に基づいて、消費実績日数の標準偏差を算出する（Ｓ４０６）。消費実績日数の標準偏差は、以下の演算を行うことにより算出される。

標準偏差σ＝（（Σ（（消費実績日数−加重平均）^２×重み付け））÷重み付けの合計）^１／２
図２２の（３）の各行には、消費実績日数ごとに、（（消費実績日数−加重平均）^２×重み付け）の算出結果が示されている。合計の行には、重み付けである一人当たりの購入数量の合計（「１５」）と、（（消費実績日数−加重平均）^２×重み付け）の合計（「４４．３５」）とが示されている。したがって、標準偏差σは、（４４．３５×１５）^１／２を演算することにより、「１．７」として得られる。

続いて、消費日数更新部１１７は、加重平均及び標準偏差σに基づいて、各消費実績日数の偏差値を算出する（Ｓ４０７）。消費実績日数の偏差値は、以下の演算を行うことにより算出される。

消費実績日数の偏差値＝１０×（消費実績日数−加重平均）÷標準偏差σ＋５０
図２２の（４）の各行には、消費実績日数ごとに偏差値の算出結果が示されている。

続いて、消費日数更新部１１７は、対象商品分類レコードの下限偏差値以上の偏差値の中で最小の偏差値を有する消費実績日数によって、対象商品分類レコードの最小消費日数の値を更新する（Ｓ４０８）。図２２（５）に示される対象商品分類レコードの下限偏差値は、「３０」である。図２２（４）に示される消費実績日数の中で、３０以上の最小の偏差値を有する消費実績日数は、３１日である。したがって、図２２（５）に示される対象商品分類レコードの最小消費日数には、「３１」が記憶されている。

続いて、消費日数更新部１１７は、対象商品分類レコードの上限偏差値以下の偏差値の中で最大の偏差値を有する消費実績日数によって、対象商品分類レコードの最大消費日数の値を更新する（Ｓ４０９）。図２２（５）に示される対象商品分類レコードの上限偏差値は、「７０」である。図２２（４）に示される消費実績日数の中で、７０以下の最大の偏差値を有する消費実績日数は、３７日である。したがって、図２２（５）に示される対象商品分類レコードの最大消費日数には、「３７」が記憶されている。

なお、下限偏差値未満又は上限偏差値を超える偏差値を有する消費実績日数が除去されるのは、当該消費実績日数が、極端な使用状況下における消費実績日数であると考えられるからである。極端な使用状況下における消費実績日数を除去することにより、正常な使用状況下における最小消費日数及び最大消費日数を算出するためである。

続いて、消費日数更新部１１７は、対象商品分類レコードを、商品分類情報記憶部１２２に書き戻す（Ｓ４１０）。

ステップＳ４０１〜Ｓ４１０は、商品分類情報記憶部１２２に記憶されている全てのレコードについて実行される。全てのレコードに関して処理が完了すると（Ｓ４０２でＮｏ）、図２０の処理は、終了する。

なお、図２０においては、商品分類情報記憶部１２２の更新処理の一例について説明したが、商品情報記憶部１２１の更新処理についても同様の手順で行われてもよい。この場合、ステップＳ４０１においては、商品情報記憶部１２１のレコードが読み込まれればよい。また、ステップＳ４０３においては、ステップＳ４０１において読み込まれたレコードの商品名を含むレコードが、購入消費履歴記憶部１２４より抽出されればよい。

続いて、購入消費履歴記憶部１２４が記憶する情報に基づく、顧客商品分類情報記憶部１２６の平均消費日数、最小消費日数、及び最大消費日数の更新処理について説明する。

図２３は、購入消費履歴記憶部に基づく顧客商品分類情報記憶部の更新処理の処理手順の一例を説明するためのフローチャートである。なお、図２３の処理は、例えば、１日に１回等、定期的に行われてもよい。また、図２３の処理は、一人の顧客（顧客ＩＤ）に対する処理である。したがって、全ての顧客に対して処理を行う場合、例えば、顧客情報記憶部１２３に記憶されている顧客ＩＤごとに、図２３の処理が実行されればよい。図２３の説明において、処理対象とされている顧客を「対象顧客」といい、対象顧客の顧客ＩＤを「対象顧客ＩＤ」という。

ステップＳ５０１〜Ｓ５０９では、基本的に、図２０のステップＳ４０１〜Ｓ４０９のうち、下一桁が共通するステップに同一又は対応する処理が実行される。したがって、図２０のステップと同一の処理が実行されるステップの説明については適宜省略する。

ステップＳ５０３において、消費日数更新部１１７は、対象顧客ＩＤ及び対象商品分類レコードの分類名を含むレコードであって、消費実績日数が記憶されているレコードを、購入消費履歴記憶部１２４より抽出する。対象商品分類レコードは、ステップＳ５０１において、商品分類情報記憶部１２２より読み込まれたレコードをいう。以下、対象分類レコードの分類名を、「対象分類名」という。

図２４は、顧客商品分類情報記憶部の更新処理を説明するための各情報の具体例を示す図である。図２４において、（１）は、対象商品分類レコードの例である。（２）は、購入消費履歴記憶部１２４より抽出された、（１）に示される対象分類名（「ティッシュ箱」）と、対象顧客ＩＤ（「顧客Ａ」）とを含むレコードの抽出結果の例である。

続いて、消費日数更新部１１７は、抽出された（２）のレコードに関して、消費実績日数の加重平均を算出する（Ｓ４０４）。

図２５は、顧客商品分類情報記憶部の更新処理における計算内容を説明するための図である。図２５の（１）は、図２４（２）の各レコードの、消費実績日数と、一人当たりの購入数量の算出結果とを示す。（２）は、加重平均の算出過程及び算出結果を示す。（２）の見方は、図２２の（２）において説明した通りである。なお、図２５の（２）において、加重平均の算出結果は、「２４．１」である。

続いて、消費日数更新部１１７は、顧客商品分類情報記憶部１２６において、対象顧客ＩＤ及び対象分類名を含むレコード（以下、「対象顧客商品分類レコード」という。）の平均消費日数を、算出された加重平均によって更新する（Ｓ５０５）。顧客商品分類情報記憶部１２６に該当するレコードが無い場合、消費日数更新部１１７は、対象顧客ＩＤ、対象分類名を、顧客ＩＤ、分類名とするレコードを顧客商品分類情報記憶部１２６に生成し、当該レコードの平均消費日数に、算出された加重平均を記憶する。図２５の（５）には、対象顧客商品分類レコードの例が示されている。（５）では、平均消費日数が「２４．１」に更新された例が示されている。

続いて、消費日数更新部１１７は、加重平均に基づいて、消費実績日数の標準偏差σを算出する（Ｓ５０６）。消費実績日数の標準偏差σの演算方法は、図２０のステップＳ４０６において説明した通りである。図２５の（３）には、図２２の（３）と同じ形式で、標準偏差σの算出結果の例が示されている。図２５の（３）において、標準偏差σの算出結果は、「１．７」である。

続いて、消費日数更新部１１７は、加重平均及び標準偏差σに基づいて、各消費実績日数の偏差値を算出する（Ｓ５０７）。消費実績日数の偏差値の演算方法は、図２０のステップＳ４０７において説明した通りである。また、図２５の（４）には、図２２の（４）と同じ形式で、消費実績日数ごとに偏差値の算出結果が示されている。

続いて、消費日数更新部１１７は、対象商品分類レコードの下限偏差値以上の偏差値の中で最小の偏差値を有する消費実績日数によって、対象顧客商品分類レコードの最小消費日数の値を更新する（Ｓ５０８）。図２４（１）に示される対象顧客商品分類レコードの下限偏差値は、「３０」である。図２５（４）に示される消費実績日数の中で、３０以上の最小の偏差値を有する消費実績日数は、２１日である。したがって、図２５（５）に示される対象顧客商品分類レコードの最小消費日数には、「２１」が記憶されている。

続いて、消費日数更新部１１７は、対象商品分類レコードの上限偏差値以下の偏差値の中で最大の偏差値を有する消費実績日数によって、対象顧客商品分類レコードの最大消費日数の値を更新する（Ｓ５０９）。図２４（１）に示される対象商品分類レコードの上限偏差値は、「７０」である。図２５（４）に示される消費実績日数の中で、７０以下の最大の偏差値を有する消費実績日数は、２７日である。したがって、図２５（５）に示される対象顧客商品分類レコードの最大消費日数には、「２７」が記憶されている。

ステップＳ５０１〜Ｓ５０９は、顧客商品分類情報記憶部１２６に記憶されている全てのレコードについて実行される。全てのレコードに関して処理が完了すると（Ｓ５０２でＮｏ）、図２３の処理は、終了する。

なお、図２３においては、顧客商品分類情報記憶部１２６の更新処理の一例について説明したが、顧客商品情報記憶部１２５の更新処理についても同様の手順で行われてもよい。この場合、ステップＳ５０１においては、商品情報記憶部１２１のレコードが読み込まれればよい。また、ステップＳ５０３においては、ステップＳ５０１において読み込まれたレコードの商品名（以下、「対象商品名」という。）と、対象顧客ＩＤとを含むレコードが、購入消費履歴記憶部１２４より抽出されればよい。また、ステップＳ５０５、Ｓ５０８、及びＳ５０９では、顧客商品情報記憶部１２５において、対象顧客ＩＤ及び対象商品名を含むレコードの平均消費日数、最小消費日数、及び最大消費日数が更新されればよい。

上述したように、第一の実施の形態によれば、顧客ごとに商品の購入予測期間が算出され、購入予測期間の少なくとも一部が当該商品の特売期間に重複する顧客が抽出される。したがって、特売期間等の特定の時期に特定の商品を購入する可能性の有る顧客の特定を支援することができる。

また、第一の実施の形態では、嗜好品については、商品ごと（商品名ごと）に平均消費日数、最小消費日数、及び最大消費日数等が算出され、消耗品については、分類名ごとに、平均消費日数、最小消費日数、及び最大消費日数等が算出される。したがって、商品の性質に合わせて、平均消費日数、最小消費日数、及び最大消費日数等を算出することができ、その結果、これらのパラメータの精度の向上を期待することができる。特に、最小消費日数及び最大消費日数は、購入予測期間の算出に利用されるパラメータである。したがって、最小消費日数及び最大消費日数の精度の向上は、購入予測期間の精度の向上にももつながる。ひいては、抽出される顧客の精度の向上にもつながる。

次に、第二の実施の形態について説明する。第二の実施の形態では第一の実施の形態と異なる点について説明する。したがって、特に言及されない点については、第一の実施の形態と同様でもよい。

図２６は、第二の実施の形態における情報処理装置の機能構成例を示す図である。図２６中、図５と同一部分には同一符号を付し、その説明は省略する。図２６では、顧客抽出部１１５が、特売情報整列部１１８によって置き換えられている。

特売情報整列部１１８は、顧客ごとに、当該顧客の購入履歴等に応じた順番で、特売情報を整列する（ソート）する。

以下、第二の実施の形態における情報処理装置１０が実行する処理手順について説明する。第二の実施の形態では、図１８の顧客の抽出処理が、図２７に示される特売情報の整列処理に置き換わる。図２７は、特売情報の整列処理の処理手順の一例を説明するためのフローチャートである。

ステップＳ６０１において、特売情報整列部１１８は、特売情報記憶部１２７より、特売情報を示すレコードを読み込む。

図２８は、特売情報の整列処理を説明するための各情報の具体例を示す図である。図２８において、（１）は、読み込まれた特売情報を示すレコード群の具体例である。なお、特売情報を構成する項目については、図１９の（１）と同様である。

続いて、特売情報整列部１１８は、顧客情報記憶部１２３より、順番に一つのレコードの顧客ＩＤを読み込む（Ｓ６０２）。以下、読み込まれた顧客ＩＤを、「対象顧客ＩＤ」という。対象顧客ＩＤの読み込みに成功した場合（Ｓ６０３でＹｅｓ）、特売情報整列部１１８は、顧客商品分類情報記憶部１２６及び顧客商品情報記憶部１２５より、対象顧客ＩＤを含むレコードを抽出する（Ｓ６０４）。

図２８の（２）には、抽出されたレコードの例が示されている。なお、（２）では、顧客商品分類情報記憶部１２６のレコードのみが示されているが、該当するレコードが有れば、顧客商品情報記憶部１２５のレコードも抽出される。また、（２）では、便宜上、消費残日数の項目は省略されている。

続いて、特売情報整列部１１８は、（１）の特売情報の中で、以下の二つの条件の双方を満たす特売情報を特定する（Ｓ６０５）。第一の条件として、（２）のレコードのいずれかの商品名又は分類名を含むこと。第二の条件として、第一の条件を満たす（２）のレコードの購入予測期間の少なくとも一部が、特売期間に重複すること。なお、第一の条件に関して、嗜好品の特売情報については、（２）のレコードのいずれかの商品名を含むことが条件となり、消耗品の特売情報については、（２）のレコードのいずれかの分類名を含むことが条件となる。

図２８の例では、（１）の特売情報のうち、上位３つの特売情報が、ステップＳ６０５の条件を満たす。すなわち、１番目のティッシュＡの特売情報については、（２）の１番目のレコードとの間で当該条件を満たす。２番目の洗剤Ａの特売情報については、（２）の２番目のレコードとの間で当該条件を満たす。３番目のティッシュＢの特売情報については、（２）の３番目のレコードとの間で当該条件を満たす。したがって、ステップＳ６０５では、（１）の上位３つの特売情報が特定される。

続いて、特売情報整列部１１８は、以下の基準で、特売情報を整列する（Ｓ６０６）。第一に、ステップＳ６０５において特定された特売情報を上位とする。第二に、ステップＳ６０５において特定された特売情報の中で、特売終了日の早いものを上位とする。

このような基準で整列が行われた場合、図２８の（１）の特売情報は、図２８の（３）に示されるように整列される。

（３）において、飲料水Ａの特売情報は、ステップ６０５において特定されていないため、最下位とされている。その他の３つの特売情報については、特売終了日の昇順に整列されている。特売終了日の昇順とするのは、例えば、特売期間の終了が早い特売情報の視認性を高めることで、残り期間がわずかである特売情報を顧客にアピールするためである。

なお、特売情報の整列の基準は、上記のものに限られない。例えば、顧客の購入終了予測日の昇順に並べられてもよい、顧客の購入開始予測日の昇順に並べられてもよい。

続いて、出力部１１６は、処理結果を出力する（Ｓ６０７）。例えば、対象顧客の顧客ＩＤに、整列された特売情報が対応付けられて出力される。出力形態は、図１８のステップＳ３０５と同様に所定の形態に限定されない。

ユーザ（例えば、販売者）は、出力された処理結果を参照して、例えば、顧客ごとに、特売情報の並び順の異なる広告を作成することができる。なお、電子メールやＷｅｂページ等、電子的な広告によって特売情報が顧客に通知される場合、出力部１１６によって自動的に広告の生成が行われてもよい。

上述したように、第二の実施の形態によれば、顧客の商品の消費状況に合わせて、特売情報の並び順が整列される。したがって、顧客ごとに、当該顧客が購入する可能性の有る商品の視認性が高められた広告を作成することができる。

なお、第一の実施の形態と、第二の実施の形態とが組み合わされてもよい。例えば、顧客抽出部１１５によって抽出された顧客に対して、特売情報整列部１１８による処理が実行されてもよい。この場合、顧客抽出部１１５によって抽出された顧客に関して、特売情報の整列結果が出力されることになる。

なお、上記各実施の形態において、購入予測期間算出部１１４は、算出部の一例である。顧客抽出部１１５は、抽出部の一例である。

以上、本発明の実施例について詳述したが、本発明は斯かる特定の実施形態に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内において、種々の変形・変更が可能である。

以上の説明に関し、更に以下の項を開示する。
（付記１）
複数の顧客識別情報のそれぞれに対応付けて記憶された、第一の商品が購入された時期と、前記第一の商品が消費されるまでの所要期間とに基づいて、前記顧客識別情報ごとに、前記第一の商品が購入される時期の予測値を算出し、
前記予測値に係る期間の少なくとも一部が、所定の期間に重複する顧客識別情報を、前記複数の顧客識別情報の中から抽出する処理をコンピュータに実行させる顧客抽出プログラム。
（付記２）
前記第一の商品に関連付けられた商品群の中のいずれかの商品が購入された時期の間隔に基づいて、前記所要期間を算出する処理を前記コンピュータに実行させる付記１記載の顧客抽出プログラム。
（付記３）
前記算出する処理は、前記第一の商品に関して、複数人によって共用されることを示す情報が記憶されている場合に、前記第一の商品に関連付けられた商品群の中のいずれかの商品が購入された時期の間隔に基づいて前記所要期間を算出し、複数人によって共用されることを示す情報が記憶されていない場合に、前記第一の商品が購入された時期の間隔に基づいて前記所要時間を算出する付記１又は２記載の顧客抽出プログラム。
（付記４）
複数の商品の識別情報のそれぞれに対応付けられて記憶された所定の期間を参照して、前記予測値に係る期間の少なくとも一部と当該所定の期間とが重複するか否かに基づいて、前記複数の商品の識別情報を整列する処理を前記コンピュータに実行させる付記１乃至３いずれか一項記載の顧客抽出プログラム。
（付記５）
複数の顧客識別情報のそれぞれに対応付けて記憶された、第一の商品が購入された時期と、前記第一の商品が消費されるまでの所要期間とに基づいて、前記顧客識別情報ごとに、前記第一の商品が購入される時期の予測値を算出する算出部と、
前記予測値に係る期間の少なくとも一部が、所定の期間に重複する顧客識別情報を、前記複数の顧客識別情報の中から抽出する抽出部とを有する顧客抽出装置。
（付記６）
前記第一の商品に関連付けられた商品群の中のいずれかの商品が購入された時期の間隔に基づいて、前記所要期間を算出する第二の算出部を有する付記５記載の顧客抽出装置。
（付記７）
前記第二の算出部は、前記第一の商品に関して、複数人によって共用されることを示す情報が記憶されている場合に、前記第一の商品に関連付けられた商品群の中のいずれかの商品が購入された時期の間隔に基づいて前記所要期間を算出し、複数人によって共用されることを示す情報が記憶されていない場合に、前記第一の商品が購入された時期の間隔に基づいて前記所要時間を算出する付記５又は６記載の顧客抽出装置。
（付記８）
複数の商品の識別情報のそれぞれに対応付けられて記憶された所定の期間を参照して、前記予測値に係る期間の少なくとも一部と当該所定の期間とが重複するか否かに基づいて、前記複数の商品の識別情報を整列する整列部を有する付記５乃至７いずれか一項記載の顧客抽出プログラム。
（付記９）
複数の顧客識別情報のそれぞれに対応付けて記憶された、第一の商品が購入された時期と、前記第一の商品が消費されるまでの所要期間とに基づいて、前記顧客識別情報ごとに、前記第一の商品が購入される時期の予測値を算出し、
前記予測値に係る期間の少なくとも一部が、所定の期間に重複する顧客識別情報を、前記複数の顧客識別情報の中から抽出する処理をコンピュータに実行させる顧客抽出方法。
（付記１０）
前記第一の商品に関連付けられた商品群の中のいずれかの商品が購入された時期の間隔に基づいて、前記所要期間を算出する処理を前記コンピュータに実行させる付記９記載の顧客抽出方法。
（付記１１）
前記算出する処理は、前記第一の商品に関して、複数人によって共用されることを示す情報が記憶されている場合に、前記第一の商品に関連付けられた商品群の中のいずれかの商品が購入された時期の間隔に基づいて前記所要期間を算出し、複数人によって共用されることを示す情報が記憶されていない場合に、前記第一の商品が購入された時期の間隔に基づいて前記所要時間を算出する付記９又は１０記載の顧客抽出方法。
（付記１２）
複数の商品の識別情報のそれぞれに対応付けられて記憶された所定の期間を参照して、前記予測値に係る期間の少なくとも一部と当該所定の期間とが重複するか否かに基づいて、前記複数の商品の識別情報を整列する処理を前記コンピュータに実行させる付記１乃至３いずれか一項記載の顧客抽出方法。

１０ 情報処理装置
１００ ドライブ装置
１０１ 記録媒体
１０２ 補助記憶装置
１０３ メモリ装置
１０４ ＣＰＵ
１０５ インタフェース装置
１１１ 購入情報受信部
１１２ 消費予測日数算出部
１１３ 消費予測日算出部
１１４ 購入予測期間算出部
１１５ 顧客抽出部
１１６ 出力部
１１７ 消費日数更新部
１１８ 特売情報整列部
１２１ 商品情報記憶部
１２２ 商品分類情報記憶部
１２３ 顧客情報記憶部
１２４ 購入消費履歴記憶部
１２５ 顧客商品情報記憶部
１２６ 顧客商品分類情報記憶部
１２７ 特売情報記憶部
Ｂ バス

Claims (6)

1. 複数の顧客識別情報のそれぞれに対応付けて記憶された、第一の商品が購入された時期と、前記第一の商品が消費されるまでの所要期間とに基づいて、前記顧客識別情報ごとに、前記第一の商品が購入される時期の予測値を算出し、
   前記予測値に係る期間の少なくとも一部が、所定の期間に重複する顧客識別情報を、前記複数の顧客識別情報の中から抽出する処理をコンピュータに実行させる顧客抽出プログラム。
2. 前記第一の商品に関連付けられた商品群の中のいずれかの商品が購入された時期の間隔に基づいて、前記所要期間を算出する処理を前記コンピュータに実行させる請求項１記載の顧客抽出プログラム。
3. 前記算出する処理は、前記第一の商品に関して、複数人によって共用されることを示す情報が記憶されている場合に、前記第一の商品に関連付けられた商品群の中のいずれかの商品が購入された時期の間隔に基づいて前記所要期間を算出し、複数人によって共用されることを示す情報が記憶されていない場合に、前記第一の商品が購入された時期の間隔に基づいて前記所要時間を算出する請求項１又は２記載の顧客抽出プログラム。
4. 複数の商品の識別情報のそれぞれに対応付けられて記憶された所定の期間を参照して、前記予測値に係る期間の少なくとも一部と当該所定の期間とが重複するか否かに基づいて、前記複数の商品の識別情報を整列する処理を前記コンピュータに実行させる請求項１乃至３いずれか一項記載の顧客抽出プログラム。
5. 複数の顧客識別情報のそれぞれに対応付けて記憶された、第一の商品が購入された時期と、前記第一の商品が消費されるまでの所要期間とに基づいて、前記顧客識別情報ごとに、前記第一の商品が購入される時期の予測値を算出する算出部と、
   前記予測値に係る期間の少なくとも一部が、所定の期間に重複する顧客識別情報を、前記複数の顧客識別情報の中から抽出する抽出部とを有する顧客抽出装置。
6. 複数の顧客識別情報のそれぞれに対応付けて記憶された、第一の商品が購入された時期と、前記第一の商品が消費されるまでの所要期間とに基づいて、前記顧客識別情報ごとに、前記第一の商品が購入される時期の予測値を算出し、
   前記予測値に係る期間の少なくとも一部が、所定の期間に重複する顧客識別情報を、前記複数の顧客識別情報の中から抽出する処理をコンピュータが実行する顧客抽出方法。

Images