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。