JP2014109899A

JP2014109899A - クラスタリングプログラム、クラスタリング方法、およびクラスタリング装置

Info

Publication number: JP2014109899A
Application number: JP2012263726A
Authority: JP
Inventors: Ryuichi Okubo; 龍一大久保; Masaki Fujinaka; 正樹藤中; Kayoko Hosobe; 佳代子細部; Hiryu Suzuki; 飛龍鈴木; Toshihito Nakano; 利仁中野; Hayato Yoshikawa; 勇人吉川; Hiroshi Sasaki; 博佐々木
Original assignee: Fujitsu Ltd
Current assignee: Fujitsu Ltd
Priority date: 2012-11-30
Filing date: 2012-11-30
Publication date: 2014-06-12
Anticipated expiration: 2032-11-30
Also published as: JP5974868B2

Abstract

【課題】より多くの消費者を特徴ごとに分類することを可能とすること。
【解決手段】クラスタリング装置１００は、複数の消費者のそれぞれの購買履歴に基づいて、該複数の消費者のそれぞれが購入した商品と購入商品の購買数の多少と、に応じて第１のクラスタリング処理を行う。第１のクラスタリング処理により複数の購買グループが生成されるが、複数の購買グループの中に、その他グループのような特徴不明瞭な購買グループが含まれる場合がある。特徴不明瞭な購買グループは、消費者の購買行動の傾向が不明確である購買グループを示す。クラスタリング装置１００は、特徴不明瞭な購買グループについて、購買回数を考慮せずに、購買の有無に応じた第２のクラスタリング処理を行って、該少なくとも１つの購買グループに含まれる要素について複数の購買グループを生成する。
【選択図】図１

Description

本発明は、クラスタリングプログラム、クラスタリング方法、およびクラスタリング装置に関する。

従来、店舗での購買における消費者の購買行動を調査する技術が知られている（たとえば、下記特許文献１〜５を参照。）。具体的には、たとえば、クラスタリングを用いて、消費者や商品をいくつかのグループに分類するクラスタリング技術がある。

特開２００９−１６９６９８号公報特開２００８−１５２３２１号公報特開２００２−１４０５０２号公報特開２００２−１１７２１２号公報特開２００１−１４２９０２号公報

しかしながら、従来では、クラスタリングの結果、一部の消費者について特徴のあるグループに分類できない場合がある。

１つの側面では、本発明は、より多くの消費者を特徴ごとに分類することを可能とすることを目的とする。

本発明の一側面によれば、複数の消費者のそれぞれの購買履歴に基づいて、該複数の消費者のそれぞれの購買回数の多少を反映させた第１のクラスタリング処理を行って生成した複数の購買グループのうち、少なくとも１つの購買グループについて、購買の有無に応じた第２のクラスタリング処理を行って、該少なくとも１つの購買グループに含まれる要素について複数の購買グループを生成するクラスタリングプログラム、クラスタリング方法、およびクラスタリング装置が提案される。

本発明の一態様によれば、より多くの消費者を特徴ごとに分類することを可能とする。

図１は、クラスタリング装置による一動作例を示す説明図である。図２は、クラスタリング装置の適用例を示す説明図である。図３は、クラスタリング装置のハードウェア構成例を示すブロック図である。図４は、購買履歴情報の一例を示す説明図である。図５は、クラスタリング装置の機能的構成を示すブロック図である。図６は、実施の形態１におけるクラスタリング装置の一処理例を示す説明図である。図７は、特徴不明瞭な購買グループの判断例１を示す説明図である。図８は、特徴不明瞭な購買グループの判断例２を示す説明図である。図９は、特徴不明瞭な購買グループの判断例３を示す説明図である。図１０は、第２のクラスタリング処理によって生成される購買グループ例を示す説明図である。図１１は、実施の形態１にかかるクラスタリング装置が行う処理手順例を示すフローチャートである。図１２は、クラスタリング装置が行う特徴不明瞭な購買グループの判断処理手順例を示すフローチャートである。図１３は、実施の形態２におけるクラスタリング装置の一処理例を示す説明図である。図１４は、実施の形態２にかかるクラスタリング装置が行う処理手順例を示すフローチャートである。図１５は、実施の形態３におけるクラスタリング装置の一処理例を示す説明図である。図１６は、実施の形態３にかかるクラスタリング装置が行う処理手順例を示すフローチャートである。

以下に添付図面を参照して、本発明にかかるクラスタリングプログラム、クラスタリング方法、およびクラスタリング装置の実施の形態を詳細に説明する。

図１は、クラスタリング装置による一動作例を示す説明図である。クラスタリング装置１００は、複数の消費者の購買履歴に基づいて、複数の購買グループを生成するコンピュータである。

まず、クラスタリング装置１００は、複数の消費者のそれぞれの購買履歴に基づいて、該複数の消費者のそれぞれが購買した商品の購買回数の多少を反映させた第１のクラスタリング処理を行う。第１のクラスタリング処理では、商品の識別情報と、商品の購買数と、の組みをクラスタリングの特徴情報として、複数の消費者をクラスタリングする。これにより、同一商品を購買した消費者同士であっても、その商品の購買数の相違が大きければ、別の購買グループに分類される。たとえば、第１のクラスタリング処理は、消費者ｘと消費者ｙが商品Ａと商品Ｂを購買していても、消費者ｘと消費者ｙとの間で商品Ａの購買数と商品Ｂの購買数の少なくともいずれかが所定数以上異なれば、異なる購買グループに分類されるような処理である。これにより、複数の購買グループが生成されるが、複数の購買グループの中に特徴不明瞭な購買グループＧｍが含まれる場合がある。特徴不明瞭な購買グループＧｍは、「その他グループ」のような消費者の購買行動の傾向が不明瞭である購買グループを示す。

そこで、クラスタリング装置１００は、特徴不明瞭な購買グループＧｍに属する消費者について、購買の有無に応じた第２のクラスタリング処理を行うことにより、複数の購買グループＧｍ−１〜Ｇｍ−３を生成する。第２のクラスタリング処理では、特徴不明瞭な購買グループＧｍに属する複数の消費者の各々が購買した商品の識別情報をクラスタリングの特徴情報として、特徴不明瞭な購買グループＧｍに属する複数の消費者をクラスタリングする。これにより、同一商品を購買した消費者同士が同一の購買グループに分類される。たとえば、第２のクラスタリング処理は、消費者ｘと消費者ｙとがいずれも商品Ａと商品Ｂとを購買しているため、同一の購買グループに分類されるような処理である。そのため、第２のクラスタリング処理では、消費者ｘと消費者ｙとの間における商品Ａや商品Ｂの購買数の相違については考慮されない。

第２のクラスタリング処理は第１のクラスタリング処理よりも特徴情報の条件が少ない。そのため、購買商品と商品購買数を含めた第１のクラスタリング処理では、特徴のあるグループに分類できなかった消費者群であっても、商品購買数を含めない第２のクラスタリング処理によって特徴のあるグループに分類できる場合がある。これにより、より多くの消費者を特徴ごとに分類することを可能とし、消費者の購買行動の傾向の分析の容易化を図ることができる。

また、分析者は、購買グループ間の属する人数を比較してもよいし、各購買グループについて詳細に分析を行ってもよい。

図２は、クラスタリング装置の適用例を示す説明図である。インターネットやテレビなどを利用した販売や実際の店舗を利用した販売などによって消費者の購買履歴情報４００が得られる。クラスタリング装置１００は、購買履歴情報４００に基づいて複数の消費者をクラスタリングする。そして、たとえば、クラスタリング装置１００は、分析者が操作可能な装置２００にクラスタリング結果を出力してもよい。分析者は、クラスタリング結果に基づいて、各消費者の購買行動の傾向を分析することができる。

（クラスタリング装置１００のハードウェア構成例）
図３は、クラスタリング装置のハードウェア構成例を示すブロック図である。図３において、クラスタリング装置１００は、ＣＰＵ（ＣｅｎｔｒａｌＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）３０１と、ＲＯＭ（Ｒｅａｄ−ＯｎｌｙＭｅｍｏｒｙ）３０２と、ＲＡＭ（ＲａｎｄｏｍＡｃｃｅｓｓＭｅｍｏｒｙ）３０３と、ディスクドライブ３０４と、ディスク３０５と、ネットワークＩ／Ｆ（ＩｎｔｅｒＦａｃｅ）３０６と、を有する。また、各部はバス３００によってそれぞれ接続されている。

ここで、ＣＰＵ３０１は、クラスタリング装置１００の全体の制御を司る。ＲＯＭ３０２は、ブートプログラムなどのプログラムを記憶する。ＲＡＭ３０３は、ＣＰＵ３０１のワークエリアとして使用される。ディスクドライブ３０４は、ＣＰＵ３０１の制御にしたがってディスク３０５に対するデータのリード／ライトを制御する。ディスク３０５は、ディスクドライブ３０４の制御で書き込まれたデータを記憶する。

ネットワークＩ／Ｆ３０６は、通信回線を通じてＬＡＮ（ＬｏｃａｌＡｒｅａＮｅｔｗｏｒｋ）、ＷＡＮ（ＷｉｄｅＡｒｅａＮｅｔｗｏｒｋ）、インターネットなどのネットワークＮＥＴに接続され、このネットワークＮＥＴを介して分析者が操作可能な装置２００などの他の装置に接続される。そして、ネットワークＩ／Ｆ３０６は、ネットワークＮＥＴと内部のインターフェースを司り、外部装置からのデータの入出力を制御する。ネットワークＩ／Ｆ３０６は、たとえば、モデムやＬＡＮアダプタなどを採用することができる。

また、クラスタリング装置１００がサーバのようなプロセッサの性能が高い例を挙げているが、これに限らず、ＰＣ（ＰｅｒｓｏｎａｌＣｏｍｐｕｔｅｒ）などであってもよい。そのため、クラスタリング装置１００は、キーボードやマウスなどの入力装置やディスプレイなどの出力装置を有していてもよい。

図４は、購買履歴情報の一例を示す説明図である。購買履歴情報４００は、たとえば、会員番号、商品名、年齢、その他のフィールドを有する。各フィールドに情報が設定されることにより、レコードが記憶される。購買履歴情報４００は、ＲＡＭ３０３、ディスク３０５などの記憶装置によって実現される。

会員番号のフィールドには、消費者の識別情報として分析対象となる店舗の会員番号が登録される。ここでは、消費者の識別情報を会員番号としているが、これに限らず、たとえば、消費者の氏名などであってもよい。商品名のフィールドには、購買された商品の識別情報として商品名が登録される。ここでは、商品の識別情報を商品名としているが、これに限らず、たとえば、商品に付された番号などであってもよい。年齢のフィールドには、会員番号が示す消費者の年齢が登録される。その他のフィールドには、会員番号が示す消費者についての性別や職業などの消費者を示すその他の情報が登録される。

（クラスタリング装置１００の機能的構成例）
図５は、クラスタリング装置の機能的構成を示すブロック図である。クラスタリング装置１００は、第１の生成部５０１と、判断部５０２と、第２の生成部５０３と、を有する。各部の処理は、たとえば、ＣＰＵ３０１がアクセス可能なＲＡＭ３０３、ディスク３０５などの記憶装置に記憶されたクラスタリングプログラムにコーディングされている。そして、ＣＰＵ３０１が記憶装置からクラスタリングプログラムを読み出して、クラスタリングプログラムにコーディングされている処理を実行する。これにより、各部の処理が実現される。また、各部の処理結果は、たとえば、ＲＡＭ３０３、ディスク３０５などの記憶装置に記憶される。

ここで、本実施の形態では、各部について実施の形態１から実施の形態３を用いて詳細に説明する。実施の形態１では、購買商品と商品購買数によるクラスタリングでは特徴のある購買グループに分類できなかった消費者群を購買商品だけで再クラスタリングする。実施の形態２では、特徴のある購買グループに分類できなかった消費者群を除いて、特徴のある購買グループに分類できた消費者群だけで再度クラスタリングを行う。実施の形態３では、特徴のある購買グループに分類できなかった消費者群を特徴明瞭な購買グループに振り分ける。

（実施の形態１）
実施の形態１では、購買商品と商品購買数によるクラスタリングでは特徴のあるグループに分類できなかった消費者群を購買商品だけで再クラスタリングする。購買数を含めた場合には特徴情報の条件が多いために分類できなくとも、特徴情報の条件を減らすことにより、消費者を特徴に応じて分類できる場合がある。これにより、より多くの消費者を特徴に応じて分類でき、消費者の購買行動の傾向の分析の容易化を図ることができる。

図６は、実施の形態１におけるクラスタリング装置の一処理例を示す説明図である。第１の生成部５０１は、複数の消費者のそれぞれの購買履歴に基づいて、該複数の消費者のそれぞれの購買回数の多少を反映させた第１のクラスタリング処理を行う。これにより、図６に示すように購買グループＧ１〜Ｇ４が生成される。

第２の生成部５０３は、第１の生成部５０１によって複数の購買グループのうち、少なくとも１つの購買グループについて、購買の有無に応じた第２のクラスタリング処理を行う。これにより、第２の生成部５０３は、該少なくとも１つの購買グループに含まれる要素について複数の購買グループを生成する。

また、第１の生成部５０１によって複数の購買グループのうちの少なくとも１つの購買グループについては、特徴不明瞭な購買グループであると判断部５０２によって判断される購買グループとする。判断部５０２による判断例を図７から図９を用いて説明する。判断部５０２は、図７から図９に示す判断について、いずれかを行う、または判断を組み合わせてもよい。

図７は、特徴不明瞭な購買グループの判断例１を示す説明図である。判断部５０２は、第１の生成部５０１によって生成された購買グループについて、共通する特徴を有する購買グループとしての他の購買グループのいずれにも属さない要素を構成要素としているか否かを判断する。構成要素とは、商品名である。具体的には、判断部５０２は、各購買グループについて、購買グループに属する会員番号の間に、購買商品の共通性があるか否かを判断する。

図７では、購買グループＧ４に属する会員番号「００１」，「００２」がいずれも商品Ａと商品Ｂを購買し、購買グループＧ４に属する会員番号「００３」，「００４」がいずれも商品Ｃと商品Ｄを購買した例である。そのため、会員番号「００１」，「００２」と、会員番号「００３」，「００４」との間では、購買商品に共通性がないと判断される。したがって、判断部５０２は、購買グループＧ４を特徴不明瞭な購買グループであると判断する。

図８は、特徴不明瞭な購買グループの判断例２を示す説明図である。判断部５０２は、第１の生成部５０１によって生成された購買グループの各々について、該購買グループに会員番号が属する消費者の数が閾値を超える購買グループであるか否かを判断する。閾値については、たとえば、予め利用者によって定義され、ＲＡＭ３０３やディスク３０５などの記憶装置に記憶されることとする。

また、判断部５０２は、第１の生成部５０１によって生成された購買グループの各々について、他の購買グループと比較して相対的に属する消費者の識別情報の数が大きい購買グループであるか否かを判断する。相対的な数については、たとえば、全体の消費者の人数と購買グループに識別情報が属する消費者の人数との比率が所定比率以上であるか否かが判断されてもよい。所定比率については、たとえば、予め利用者によって定義され、ＲＡＭ３０３やディスク３０５などの記憶装置に記憶されることとする。

たとえば、所定比率が５０［％］とすると、購買グループＧ４に属する会員番号の数は、全体の会員番号の数の５０［％］以上であるため、判断部５０２は、購買グループＧ４を特徴不明瞭な購買グループであると判断する。

図９は、特徴不明瞭な購買グループの判断例３を示す説明図である。判断部５０２は、第１の生成部５０１によって生成された複数の購買グループの各々について、購買グループに属する消費者間の非共通性を表す指標が所定条件を満たすか否かを判断する。図９の例では、購買グループに属する消費者間の非共通性を表す指標を、各会員番号が示す消費者の年齢層の分布としているが、これに限らず、性別の割合や職業分類などであってもよい。また、所定条件については、利用者によって予め定められＲＡＭ３０３、ディスク３０５などの記憶装置に記憶されていることとする。たとえば、判断部５０２が、購買履歴情報４００に含まれる各消費者の年齢から年齢層を特定し、特定した各消費者の年齢層に基づいて年齢層の分布を生成する。

たとえば、判断部５０２は、第１の生成部５０１によって生成された複数の購買グループの各々について、購買グループに属する各会員番号が示す消費者の年齢の分布の中にピークが２以上あるか否かを判断する。たとえば、判断部５０２は、２以上ある場合、特徴不明瞭な購買グループであると判断し、２未満である場合、特徴明瞭な購買グループであると判断する。図９の左側が特徴明瞭な分布ｄ１であり、図９の右側が特徴不明瞭な分布ｄ２である。

第２の生成部５０３は、購買の有無に応じた第２のクラスタリング処理を行って、少なくとも１つの購買グループに含まれる要素について複数の購買グループを生成する。第２の生成部５０３は、生成した複数の購買グループをＲＡＭ３０３、ディスク３０５などの記憶装置に記憶する。

図１０は、第２のクラスタリング処理によって生成される購買グループ例を示す説明図である。図１０の上部分では、購買グループＧ４に属する会員番号が示す消費者が購買した商品の商品名と、商品名を囲う円の大きさによって購買回数と、を表す。図１０の中央部分では、再度、特徴が不明瞭な購買グループＧ４について、第１のクラスタリング処理のように、購買回数に基づくクラスタリングが行われた場合の例を示す。この場合、商品Ａを多く購買した消費者が属する購買グループ、商品Ｂを多く購買した消費者が属する購買グループや商品Ａと商品Ｂとを同程度の購買数である消費者が属する購買グループなどでグループ化される。このグループ化であると、購買グループに属する消費者の人数が極端に少なくなってしまうなどが発生する可能性がある。

そこで、第２の生成部５０３は、各商品の購買回数については考慮せずに、購買グループＧ４に属する会員番号について、各商品の購買の有無に基づき第２のクラスタリング処理を行う。図１０の下部分では、購買グループＧ４−１〜Ｇ４−３が生成される。たとえば、購買グループＧ４−１には、購買グループＧ４に属する消費者のうち、商品Ａ，Ｂを購買した消費者が分類される。購買グループＧ４−２には、購買グループＧ４に属する消費者のうち、商品Ｃ，Ｄを購買した消費者が分類される。購買グループＧ４−３には、購買グループＧ４に属する消費者のうち、商品Ｅ，Ｆを購買した消費者が分類される。これにより、各購買グループに属する消費者が購買した商品の繋がりが明確となる。

また、クラスタリング装置１００は、第１の生成部５０１によって生成された特徴明瞭な購買グループと、第２の生成部５０３によって生成された購買グループと、を併せて出力してもよい。出力形式としては、ＲＡＭ３０３、ディスク３０５などの記憶装置への出力や、ネットワークＮＥＴを介して分析者が操作可能な装置２００などのディスプレイへの表示などが挙げられる。

（実施の形態１にかかるクラスタリング装置１００が行う処理手順例）
図１１は、実施の形態１にかかるクラスタリング装置が行う処理手順例を示すフローチャートである。まず、クラスタリング装置１００は、購買履歴情報４００を取得し（ステップＳ１１０１）、購買履歴情報４００に含まれる複数の会員番号について、購買商品名と購入商品の購買数とに応じて第１のクラスタリング処理を行う（ステップＳ１１０２）。

クラスタリング装置１００は、特徴不明瞭な購買グループが存在するか否かを判断する（ステップＳ１１０３）。特徴不明瞭な購買グループが存在する場合（ステップＳ１１０３：Ｙｅｓ）、クラスタリング装置１００は、特徴不明瞭な購買グループのうち、未選択な購買グループがあるか否かを判断する（ステップＳ１１０４）。ステップＳ１１０４の詳細な判断処理手順については、図１２を用いて説明する。特徴不明瞭な購買グループのうち、未選択な購買グループがある場合（ステップＳ１１０４：Ｙｅｓ）、クラスタリング装置１００は、未選択な購買グループから１つの購買グループを選択する（ステップＳ１１０５）。

クラスタリング装置１００は、購買履歴情報４００から、選択した購買グループに属する会員番号のレコードを取得する（ステップＳ１１０６）。クラスタリング装置１００は、選択した購買グループに属する会員番号を含む取得したレコードに基づき、購買商品名に応じた第２のクラスタリング処理を行う（ステップＳ１１０７）。

特徴不明瞭な購買グループのうち、未選択な購買グループがない場合（ステップＳ１１０４：Ｎｏ）、クラスタリング装置１００は、第１および第２のクラスタリング結果を併せて出力し（ステップＳ１１０８）、一連の処理を終了する。特徴不明瞭な購買グループが存在しない場合（ステップＳ１１０３：Ｎｏ）、クラスタリング装置１００は、第１のクラスタリング結果を出力し（ステップＳ１１０９）、一連の処理を終了する。

図１２は、クラスタリング装置が行う特徴不明瞭な購買グループの判断処理手順例を示すフローチャートである。クラスタリング装置１００は、未選択な購買グループがあるか否かを判断する（ステップＳ１２０１）。未選択な購買グループがある場合（ステップＳ１２０１：Ｙｅｓ）、クラスタリング装置１００は、未選択の購買グループから１つの購買グループを選択する（ステップＳ１２０２）。

クラスタリング装置１００は、選択した購買グループに会員番号が属する消費者の購買商品の間に共通性があるか否かを判断する（ステップＳ１２０３）。選択した購買グループに識別情報が属する消費者の間に購買商品に共通性がない場合（ステップＳ１２０３：Ｎｏ）、ステップＳ１２０８へ移行する。

選択した購買グループに識別情報が属する消費者の間に購買商品に共通性がある場合（ステップＳ１２０３：Ｙｅｓ）、クラスタリング装置１００は、全体の人数と選択した購買グループの人数との比率が所定比率以上か否かを判断する（ステップＳ１２０４）。所定比率以上である場合（ステップＳ１２０４：Ｙｅｓ）、ステップＳ１２０８へ移行する。

所定比率以上でない場合（ステップＳ１２０４：Ｎｏ）、クラスタリング装置１００は、選択した購買グループに属する会員番号が示す消費者の属性分布を特定し（ステップＳ１２０５）、属性分布のピークの数が所定数以上であるか否かを判断する（ステップＳ１２０６）。属性分布とは、上述した非共通性を示す指標である。属性分布のピークの数が所定数以上である場合（ステップＳ１２０６：Ｙｅｓ）、ステップＳ１２０８へ移行する。

属性分布のピークの数が所定数未満である場合（ステップＳ１２０６：Ｎｏ）、クラスタリング装置１００は、選択した購買グループは特徴明瞭な購買グループと判断し（ステップＳ１２０７）、ステップＳ１２０１へ戻る。ステップＳ１２０３のＮｏの場合、ステップＳ１２０４のＹｅｓの場合、またはステップＳ１２０６のＹｅｓの場合のつぎに、クラスタリング装置１００は、選択した購買グループは特徴不明瞭な購買グループと判断し（ステップＳ１２０８）、ステップＳ１２０１へ戻る。

ステップＳ１２０１において、未選択な購買グループがない場合（ステップＳ１２０１：Ｎｏ）、一連の処理を終了する。

また、ステップＳ１２０３と、ステップＳ１２０４と、ステップＳ１２０５およびステップＳ１２０６と、の判断順序については、特に定まっていない。また、ここでは、クラスタリング装置１００は、ステップＳ１２０３と、ステップＳ１２０４と、ステップＳ１２０５およびステップＳ１２０６とのすべてを判断しているが、いずれか一つを判断してもよい。

以上実施の形態１で説明したように、クラスタリング装置１００は、購買商品と商品購買数によるクラスタリングでは特徴のあるグループに分類できなかった消費者群を購買商品だけで再クラスタリングする。購買数を含めた場合には特徴情報の条件が多いために分類できなくとも、特徴情報の条件を減らすことにより、消費者を特徴に応じて分類できる場合がある。これにより、より多くの消費者を特徴に応じて分類でき、消費者の購買行動の傾向の分析の容易化を図ることができる。

また、クラスタリング装置１００は、消費者の購買商品に共通性がない購買グループを特徴不明瞭な購買グループとする。

また、クラスタリング装置１００は、閾値以上の消費者が属する購買グループまたは他の購買グループと比較して相対的に人数の多い購買グループを特徴不明瞭な購買グループとする。

また、クラスタリング装置１００は、購買グループに属する要素間の共通性を表す指標が所定条件を満たす購買グループを特徴不明瞭な購買グループとする。たとえば、クラスタリング装置１００は、購買グループに属する消費者に基づいて年齢層の分布を特定した場合に、分布のピークが複数あると、年齢層が複数に跨っているため、特徴不明瞭であると判断することができる。

（実施の形態２）
実施の形態２では、特徴のある購買グループに分類できなかった消費者群を除いて、特徴のある購買グループに分類できた消費者群だけで再度クラスタリングを行う。これにより、消費者の購買行動の傾向を分析する際に、他の消費者と比較して不明瞭な購買行動である消費者を除いて分析を行うことができる。したがって、消費者の購買行動の傾向の分析の容易化を図ることができる。

図１３は、実施の形態２におけるクラスタリング装置の一処理例を示す説明図である。第１の生成部５０１は、複数の消費者のそれぞれの購買履歴に基づいて、第１のクラスタリング処理を行う。たとえば、第１の生成部５０１は、購買履歴情報４００に基づいて、複数の消費者の各々が購買した商品の識別情報と、商品の購買数と、を特徴情報として第１のクラスタリング処理を行う。ここでは、商品の識別情報と、商品の購買数と、を特徴情報としているが、これに限定しない。

第２の生成部５０３は、生成された複数の購買グループのうち、少なくとも１つの購買グループを除く１又は複数の購買グループに含まれる要素をクラスタリング対象の全要素として第２のクラスタリング処理を行って複数の購買グループを生成する。たとえば、第２の生成部５０３は、購買履歴情報４００から、購買グループＧ４に属する会員番号以外の会員番号を含むレコードを取得する。そして、第２の生成部５０３は、取得したレコードに基づいて、購買グループＧ４に属する会員番号以外の会員番号について第２のクラスタリング処理を行う。ここでの第２のクラスタリング処理は、商品の識別情報と、商品の購買数と、を特徴情報としてもよいが、特に限定しない。

また、クラスタリング装置１００は、第２の生成部５０３によって生成された購買グループを出力してもよい。出力形式としては、ＲＡＭ３０３、ディスク３０５などの記憶装置への出力や、ネットワークＮＥＴを介して分析者が操作可能な装置２００などのディスプレイへの表示などが挙げられる。

（実施の形態２にかかるクラスタリング装置１００が行う処理手順例）
図１４は、実施の形態２にかかるクラスタリング装置が行う処理手順例を示すフローチャートである。まず、クラスタリング装置１００は、購買履歴情報４００を取得し（ステップＳ１４０１）、購買履歴情報４００に含まれる複数の会員番号について、購買商品名と購入商品の購買数とに応じて第１のクラスタリング処理を行う（ステップＳ１４０２）。

クラスタリング装置１００は、特徴不明瞭な購買グループが存在するか否かを判断する（ステップＳ１４０３）。特徴不明瞭な購買グループが存在する場合（ステップＳ１４０３：Ｙｅｓ）、クラスタリング装置１００は、購買履歴情報４００から、特徴不明瞭な購買グループに属する会員番号以外のレコードを取得する（ステップＳ１４０４）。クラスタリング装置１００は、選択した購買グループに属する会員番号以外の会員番号を特徴明瞭な購買グループに振り分ける第２のクラスタリング処理を行う（ステップＳ１４０５）。クラスタリング装置１００は、第２のクラスタリング結果を出力し（ステップＳ１４０６）、一連の処理を終了する。

ステップＳ１４０３において、特徴不明瞭な購買グループが存在しない場合（ステップＳ１４０３：Ｎｏ）、クラスタリング装置１００は、第１のクラスタリング結果を出力し（ステップＳ１４０７）、一連の処理を終了する。

以上実施の形態２で説明したように、クラスタリング装置１００は、特徴不明瞭な購買グループに属する消費者を除いて、特徴明瞭な購買グループに属する消費者でクラスタリングを行う。これにより、消費者の購買行動の傾向を分析する際に、他の消費者と比較して不明瞭な購買行動である消費者を除いて分析を行うことができる。したがって、消費者の購買行動の傾向の分析の容易化を図ることができる。

（実施の形態３）
実施の形態３では、特徴のある購買グループに分類できなかった消費者群を特徴明瞭な購買グループに振り分ける。これにより、特徴不明瞭な購買グループそのものを無くすことができ、より多くの消費者を特徴ごとに分類することを可能とする。したがって、消費者の購買行動の傾向の分析の容易化を図ることができる。

図１５は、実施の形態３におけるクラスタリング装置の一処理例を示す説明図である。第１の生成部５０１は、複数の消費者のそれぞれの購買履歴に基づいて、第１のクラスタリング処理を行う。たとえば、第１の生成部５０１は、購買履歴情報４００に基づいて、複数の消費者の各々が購買した商品の識別情報と、商品の購買数と、を特徴情報として第１のクラスタリング処理を行う。ここでは、商品の識別情報と、商品の購買数と、を特徴情報としているが、これに限定しない。

そして、第２の生成部５０３は、生成された複数の購買グループのうち、少なくとも１つの購買グループに属する消費者を、該少なくとも１つの購買グループ以外の他の購買グループのいずれかに振り分ける第２のクラスタリング処理を行う。少なくとも１つの購買グループは、実施の形態１と同様に、判断部５０２によって特徴不明瞭な購買グループであると判断された購買グループである。判断部５０２による処理は、実施の形態１と同様であるため、ここでは詳細な説明を省略する。

また、たとえば、第２のクラスタリング処理では、商品の識別情報だけを特徴情報としてもよいが、特に限定しない。具体的に、たとえば、第２のクラスタリング処理では、特徴不明瞭なグループに属する消費者を同一の商品名を特徴情報としてより多く含む購買グループに分類させるようにクラスタリングしてもよい。

図１５の例では、第２の生成部５０３は、購買グループＧ４に属する会員番号をあらたに購買グループＧ１〜Ｇ３のいずれかに振り分ける。

（実施の形態３にかかるクラスタリング装置１００が行う処理手順例）
図１６は、実施の形態３にかかるクラスタリング装置が行う処理手順例を示すフローチャートである。まず、クラスタリング装置１００は、購買履歴情報４００を取得し（ステップＳ１６０１）、購買履歴情報４００に含まれる複数の会員番号について、購買商品名と購入商品の購買数とに応じて第１のクラスタリング処理を行う（ステップＳ１６０２）。

クラスタリング装置１００は、特徴不明瞭な購買グループが存在するか否かを判断する（ステップＳ１６０３）。特徴不明瞭な購買グループが存在する場合（ステップＳ１６０３：Ｙｅｓ）、クラスタリング装置１００は、購買履歴情報４００から、特徴不明瞭な購買グループに属する会員番号のレコードを取得する（ステップＳ１６０４）。クラスタリング装置１００は、選択した購買グループに属する会員番号の取得したレコードに基づき、選択した購買グループに属する会員番号を特徴明瞭な購買グループに振り分ける第２のクラスタリング処理を行う（ステップＳ１６０５）。クラスタリング装置１００は、第２のクラスタリング結果を出力し（ステップＳ１６０６）、一連の処理を終了する。

ステップＳ１６０３において、特徴不明瞭な購買グループが存在しない場合（ステップＳ１６０３：Ｎｏ）、第１のクラスタリング結果を出力し（ステップＳ１６０７）、一連の処理を終了する。

以上実施の形態３で説明したように、クラスタリング装置は、特徴不明瞭なグループに属する消費者を、特徴明瞭なグループに振り分ける。これにより、特徴不明瞭な購買グループそのものを無くすことができ、より多くの消費者を特徴ごとに分類することを可能とする。したがって、消費者の購買行動の傾向の分析の容易化を図ることができる。

なお、本実施の形態で説明したクラスタリング方法は、予め用意されたクラスタリングプログラムをＰＣやワークステーション等のコンピュータで実行することにより実現することができる。本クラスタリングプログラムは、フラッシュメモリやディスク等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される。また、本クラスタリングプログラムは、インターネット等のネットワークＮＥＴを介して配布されてもよい。

１００クラスタリング装置
３０１ＣＰＵ
４００購買履歴情報
５０１第１の生成部
５０２判断部
５０３第２の生成部
Ｇ１〜Ｇ４，Ｇｍ購買グループ

Claims

複数の消費者の購買履歴に基づいて、複数の購買グループを生成するクラスタリングプログラムにおいて、
前記複数の消費者のそれぞれの購買履歴に基づいて、該複数の消費者のそれぞれの購買回数の多少を反映させた第１のクラスタリング処理を行って生成した複数の購買グループのうち、少なくとも１つの購買グループについて、購買の有無に応じた第２のクラスタリング処理を行って、該少なくとも１つの購買グループに含まれる要素について複数の購買グループを生成する、
処理をコンピュータに実行させることを特徴とするクラスタリングプログラム。
前記少なくとも１つの購買グループは、前記第１のクラスタリング処理によって生成された前記複数の購買グループのうち、購買グループ内に含まれる要素の数が閾値を超えるか又は他の購買グループと比較して相対的に数が大きい購買グループである、
ことを特徴とする請求項１に記載のクラスタリングプログラム。
前記少なくとも１つの購買グループは、前記第１のクラスタリング処理により、共通する特徴を有する購買グループとしての他の購買グループのいずれにも属さない要素を構成要素とする、
ことを特徴とする請求項１または２に記載のクラスタリングプログラム。
前記少なくとも１つの購買グループは、前記第１のクラスタリング処理によって生成された前記複数の購買グループのうち、前記購買グループに属する消費者間の非共通性を表す指標が所定条件を満たす購買グループである、
ことを特徴とする請求項１〜３のいずれか一つに記載のクラスタリングプログラム。
複数の購買グループを生成するクラスタリングプログラムにおいて、
複数の消費者のそれぞれの購買履歴に基づいて、第１のクラスタリング処理を行って生成した複数の購買グループのうち、少なくとも１つの購買グループを除く１又は複数の購買グループに含まれる要素をクラスタリング対象の全要素として第２のクラスタリング処理を行って複数の購買グループを生成する、
処理をコンピュータに実行させることを特徴とするクラスタリングプログラム。
複数の購買グループを生成するクラスタリングプログラムにおいて、
複数の消費者のそれぞれの購買履歴に基づいて、第１のクラスタリング処理を行って生成した複数の購買グループのうち、少なくとも１つの購買グループに含まれる要素を、該少なくとも１つの購買グループ以外の他の購買グループのいずれかに振り分ける第２のクラスタリング処理を行う、
処理をコンピュータに実行させることを特徴とするクラスタリングプログラム。
複数の消費者の購買履歴に基づいて、複数の購買グループを生成するクラスタリング方法において、
前記複数の消費者のそれぞれの購買履歴に基づいて、該複数の消費者のそれぞれの購買回数の多少を反映させた第１のクラスタリング処理を行って生成した複数の購買グループのうち、少なくとも１つの購買グループについて、購買の有無に応じた第２のクラスタリング処理を行って、該少なくとも１つの購買グループに含まれる要素について複数の購買グループを生成する、
処理をコンピュータが実行することを特徴とするクラスタリング方法。
複数の購買グループを生成するクラスタリング方法において、
複数の消費者のそれぞれの購買履歴に基づいて、第１のクラスタリング処理を行って生成した複数の購買グループのうち、少なくとも１つの購買グループを除く１又は複数の購買グループに含まれる要素をクラスタリング対象の全要素として第２のクラスタリング処理を行って複数の購買グループを生成する、
処理をコンピュータが実行することを特徴とするクラスタリング方法。
複数の購買グループを生成するクラスタリング方法において、
複数の消費者のそれぞれの購買履歴に基づいて、第１のクラスタリング処理を行って生成した複数の購買グループのうち、少なくとも１つの購買グループに含まれる要素を、該少なくとも１つの購買グループ以外の他の購買グループのいずれかに振り分ける第２のクラスタリング処理を行う、
処理をコンピュータが実行することを特徴とするクラスタリング方法。
複数の消費者の購買履歴に基づいて、複数の購買グループを生成するクラスタリング装置において、
前記複数の消費者のそれぞれの購買履歴に基づいて、該複数の消費者のそれぞれの購買回数の多少を反映させた第１のクラスタリング処理を行って生成した複数の購買グループのうち、少なくとも１つの購買グループについて、購買の有無に応じた第２のクラスタリング処理を行って、該少なくとも１つの購買グループに含まれる要素について複数の購買グループを生成する生成部を有することを特徴とするクラスタリング装置。
複数の購買グループを生成するクラスタリング装置において、
複数の消費者のそれぞれの購買履歴に基づいて、第１のクラスタリング処理を行って生成した複数の購買グループのうち、少なくとも１つの購買グループを除く１又は複数の購買グループに含まれる要素をクラスタリング対象の全要素として第２のクラスタリング処理を行って複数の購買グループを生成する生成部を有することを特徴とするクラスタリング装置。
複数の購買グループを生成するクラスタリング装置において、
複数の消費者のそれぞれの購買履歴に基づいて、第１のクラスタリング処理を行って生成した複数の購買グループのうち、少なくとも１つの購買グループに含まれる要素を、該少なくとも１つの購買グループ以外の他の購買グループのいずれかに振り分ける第２のクラスタリング処理を行う生成部を有することを特徴とするクラスタリング装置。