JP2014203269A - 目的来店商圏判定装置及び方法及びプログラム - Google Patents

Abstract

【課題】 周囲にある魅力的な施設の影響を受けずに、当該施設自身に目的をもって訪れてくれる適切な商圏を、アンケート調査などを行うことなく、自動的に判定する。
【解決手段】 本発明は、施設名が入力されると該施設名に基づいて施設名記憶手段を参照し、施設名または略称を取得し、該施設名または該略称に基づいてWeb文書から文脈判定処理により実際に施設を訪れた投稿者を抽出し、抽出された投稿者に基づいてユーザ居住地記憶手段を参照して、各投稿者の居住地を取得し、施設名に基づいて施設知名度記憶手段から施設の知名度を取得し、該知名度が大きいほど大きくなる閾値を求め、居住地と施設の距離を求め、該距離が該閾値より短い居住地のみを商圏とする。
【選択図】 図１

Description

本発明は、目的来店商圏判定装置及び方法及びプログラムに係り、特に、その施設（例えば店舗）に興味を持って来場（来店）する目的来店客の居住範囲と、目的来店に発展する可能性のある衝動来店客の居住範囲を目的来店商圏として、その範囲を判定するための目的来店商圏判定装置及び方法及びプログラムに関する。

携帯電話のGPS機能等を用いてユーザの位置情報を把握し、場所に応じた情報提供を行おうというサービスが広まりつつある。ユーザにとっては、自分の状況に合った情報を得ることができ、また、情報提供者にとっては、自社のサービスを効果的なユーザに提供できることが期待できる。

このようなサービスを行うために、先ず必要となる情報は、各施設にどのような地域の人たちが来ているかという商圏である。特にその施設に目的を持ってわざわざ訪れる可能性の高い来店客の居住範囲である「目的来店商圏」を求めることによって、様々な応用が考えられる。

例えば、ある地域を選択した利用者は、その付近から人がよく行く施設情報を得ることができる。また、現在地や訪問予定地のおすすめ施設だけでなく、ある地域の人が行く施設情報など他者の動向を知ることもできるため、探索興味が湧き、情報提供サイトの利用が増えることも考えられる。

また、各施設の運営等を行っている情報提供者は、得られた商圏をマーケティングに活用することができる。例えば、広告配信・配布エリアの参考にすることができる。より実態に近い詳細な商圏を知ることができれば、今までの手法だとわからなかった来店者の居住範囲や、有効なターゲットの絞り込みなどができることも期待できる。また、売上予測などに利用することも考えられる。また、町の各施設の商圏を地図上で重ね合わせれば、町などの広範囲の商圏を把握することもできる。そして、例えば、観光で有名な京都であれば、地理的に離れたエリアからも人が来るように、商圏の大きさによって人を呼び寄せる町の魅力度を測ることや、商圏の形によってどういったエリアからその町に来ているかという町の特徴を把握することも期待できる。こういった情報は、例えば、引越しや店舗の新規出店等を検討している人、さらには都市改革を行う行政側にとって有益な情報となることが予想される。

このように様々な応用が考えられるが、従来、目的来店商圏は、施設からの移動時間等によって、近似的に設定されることが多かった。また、実際の目的来店商圏を求めようとすると、来店者に来店理由等を問うアンケート調査をする必要があった。そこで、各施設の目的来店商圏を自動的に判定する技術が望まれている。

従来の商圏判定方法としては、地図をメッシュ状に区切り、そのエリア毎に顧客居住者数を計算し、居住者の多いエリアを商圏範囲とする技術がある（例えば、特許文献1参照）。

また、アンケートなどで顧客情報を取得する必要がない方法として、各キーワードの地理的範囲をブログ内でキーワードと共起する地名の重ね合わせによって計算する技術（例えば、非特許文献1参照）を応用し、ブログ内である場所を訪れた記事を書いている人の居住地をプロフィール等を参考に取得し、それを重ね合わせることによって、web情報から自動で各施設の商圏を得ることが考えられる。

特許第3934361号公報

藤田尚樹，数原義彦，片岡良治，"地域特有の話題発見につながるスマートフォン向け検索サービス：発見探地図エリアダス"，DEIM Forum 2012 F8-2.

しかしながら、上記の特許文献１の技術を用いて目的来店商圏を求めようとすると、例えば、他県からも人が集まる魅力的な施設が近くにある場合、マイナーな施設の目的来店商圏が大きな範囲で予想されすぎてしまうという問題が生じる。

また、非特許文献１を応用する技術においても、上記と同様の問題が生じる。

本発明は、上記の点に鑑みなされたもので、周囲にある魅力的な施設の影響を受けずに、当該施設自身に目的をもって訪れてくれる適切な商圏を、アンケート調査などを行うことなく、自動的に判定することが可能な目的来店商圏判定装置及び方法及びプログラムを提供することを目的とする。

上記の課題を解決するため、本発明（請求項１）は、ある施設に目的を持って訪れる目的来店客と衝動的に訪れる衝動来店客の居住範囲から目的来店商圏を判定する商圏判定装置であって、
略称を含む施設名、所在地情報を格納した施設名記憶手段と、
ユーザの居住地情報を格納したユーザ居住地記憶手段と、
施設毎の知名度を格納した施設知名度記憶手段と、
施設名が入力されると該施設名に基づいて前記施設名記憶手段を参照し、施設名または略称を取得し、該施設名または該略称に基づいてWeb文書から文脈判定処理により実際に施設を訪れた投稿者を抽出する検索手段と、
抽出された前記投稿者に基づいて前記ユーザ居住地記憶手段を参照して、各投稿者の居住地を取得する居住地割当手段と、
前記施設名に基づいて前記施設知名度記憶手段から施設の知名度を取得し、該知名度が大きいほど大きくなる閾値を求め、前記居住地と前記施設の距離を求め、該距離が該閾値より短い居住地のみを商圏とする目的来店商圏計算手段と、を有する。

また、本発明（請求項２）は、ある施設に目的を持って訪れる目的来店客と衝動的に訪れる衝動来店客の居住範囲から目的来店商圏を判定する商圏判定装置であって、
略称を含む施設名、所在地情報を格納した施設名記憶手段と、
ユーザの居住地情報を格納したユーザ居住地記憶手段と、
施設毎の知名度を格納した施設知名度記憶手段と、
施設名が入力されると該施設名に基づいて前記施設名記憶手段を参照し、施設名または略称を取得し、該施設名または該略称に基づいてWeb文書から文脈判定処理により実際に施設を訪れた投稿者を抽出する検索手段と、
抽出された前記投稿者に基づいて前記ユーザ居住地記憶手段を参照して、各投稿者の居住地を取得し、所定のグループ単位に投稿者数を計数する居住地割当手段と、
前記施設名に基づいて前記施設知名度記憶手段から施設の知名度を取得し、該知名度が大きいほど大きくなる閾値を求め、前記グループを投稿者数の降順に並べた際に、累積構成比が該閾値を越える上位Ｎグループに対応する地域を商圏とする目的来店商圏計算手段と、を有する。

上述のように本発明によれば、他県からも人が集まる魅力的な施設が近くにある場合でも、商圏が大きな範囲で予想されすぎてしまうことなく、その施設自身に目的を持って訪れる人、今後も訪れてくれる人などが多く集まる居住範囲を、目的来店商圏として自動で算出することができる。

また、実際にその場所に行った人の情報を用いるため、行き易さや魅力度などを考慮した、複雑な商圏の実態を知ることができ、例えば、離れたある領域に居る、従来の手法だと把握できなかった来店者の居住範囲の発見などが期待できる。

また、Twitter（登録商標）などのWeb情報を用いることで、たくさんの情報を手軽に取得することができるため、従来のアンケートをとる方法に比べ、多くの費用や手間を省くことができ、また、情報をリアルタイムに更新することができる。

本発明の第１の実施の形態における商圏判定装置の構成図である。 本発明の第１の実施の形態における施設名データベースの例である。 本発明の第１の実施の形態におけるユーザ居住地データベースの例である。 本発明の第１の実施の形態における施設知名度データベースの例である。 本発明の第１の実施の形態における施設知名度データベース作成処理のフローチャートである。 本発明の第１の実施の形態における商圏判定装置の処理のフローチャートである。 本発明の第１の実施の形態における居住地を取得する際に用いる点データの例である。 本発明の第１の実施の形態における来場者の居住地のマッピングの例である。 本発明の第１の実施の形態における100km圏内にある居住地データの例である。 本発明の第１の実施の形態における商圏表示の例である。 本発明の第１の実施の形態におけるコンビニエンスストアの商圏表示の例である。 本発明の第２の実施の形態における商圏判定装置の構成図である。 本発明の第２の実施の形態における商圏判定装置の処理のフローチャートである。 本発明の第２の実施の形態における新宿のコーヒーショップを対象としたパレート図である。 本発明の第２の実施の形態における『マミー牧場』のパレート図である。 本発明の第２の実施の形態における商圏表示の例である。

以下、図面と共に本発明の実施の形態を説明する。

以下では、施設の例として、「店舗」を例として説明するが、店舗の他にレジャー施設、レストラン、ホテル等であってもよく、店舗に限定されるものではない。また、以下では、「店舗」を例とするため「来店」「来店客」と記載するが、他の施設である場合は「来場」「来場者」を意味する。

以下に記載における「目的来店客」とは、その店舗に目的を持ってわざわざ訪れた来店客であり、「衝動来店客」とは、他に目的があってそのついでに来店した来店客である。本発明では、目的来店客の居住範囲と、目的来店に発展する可能性のある衝動来店客の居住範囲を合わせて「目的来店商圏」と定義する。

本発明では、特に近くに他県からも人が集まる魅力的な店舗がある場合でも、マイナーな店舗の目的来店商圏が大きな範囲で予想されすぎてしまうことなく、わざわざその店舗に来店してくれる目的来店客と、目的来店客に発展する可能性の高い人が多く集まる居住範囲を、目的来店商圏として算出するものである。

有名な店舗であれば、遠くからたまたまその店舗に訪れた衝動来店客も、目的来店に発展する可能性があるが、無名な店舗であれば、遠くからわざわざ目的来店してくれることも、目的来店に発展する可能性もないと考えられる。よって、表１に示すように、{[2],[6],[8]}と{[1],[5],[7]}の６つの項目が本発明で求めたい目的来店商圏である。

[第1の実施の形態]
本実施の形態では、知名度に比例した店舗からの距離によって、商圏の絞り込みを行う場合を説明する。居住地のマッピングに用いるデータとしては、点データを用いている。

本実施の形態では、Twitter（登録商標）というマイクロブログの一つを用いた方法を説明するが、他のWeb文書にも同じ手法が適用できる。

図１は、本発明の第1の実施の形態における商圏判定装置の構成を示す。

商圏判定装置１００は、施設名データベース１１０、検索部１２０、ユーザ居住地データベース１３０、居住地割当部１４０、施設知名度データベース１５０、目的来店商圏計算部１６０、施設知名度計算部１７０、表示部１８０を有する。

Web文書１０１は、当該商圏判定装置１００の外部から直接取得してもよいし、取得後にWeb文書ファイルとして内部に保持してもよい。

本実施の形態では、Web文書取得後にWeb文書ファイルとして保持するものとして説明する。

施設名データベース１１０は、各施設（店舗）の情報を記録しておくデータベースであり、図２に示すように各施設の施設名、略称、電話番号、住所等を記録しておく。

ユーザ居住地データベース１３０は、Twitter(登録商標)ユーザの居住地を記録しておくデータベースである。過去の投稿やプロフィールからユーザの居住地を推定し、図３のように記録しておく。居住地を取得する手法としては、例えば、非特許文献２（Zhiyuan cheng, James Caverlee, Kyumin Lee, "You are where you tweet: a content-based approach to geo-locating twitter users", Proceedings of the 19^th ACM international conference on Information and knowledge management, pp. 759-768 (2010)）のように、過去の投稿から居住地を推定する技術等が利用できる。

施設知名度データベース１５０は、施設知名度計算部１７０によって生成される施設の知名度を格納しておくデータベースである。

施設知名度計算部１７０は、施設の知名度を、例えば、全Twitter（登録商標）内である店舗名をつぶやいたユーザ数を使って、表２のように計算して、施設知名度データベース１５０に格納する。施設知名度計算部１７０は、つぶやいたユーザ数の段階に応じて知名度を設定する。表２の例では、知名度は１〜５までのランクがあり、つぶやいたユーザ数が多ければ多いほど知名度が高くなる。

図５に施設知名度計算部１７０の処理を示す。

施設名データベース１１０から店舗名を抽出し（ステップ５０１）、店舗名に基づいてWeb文書１０１を検索する（ステップ５０２）。店舗情報をつぶやいた投稿者数を判別し（ステップ５０３）、投稿者数をカウントする（ステップ５０４）。得られた投稿者数を対数変換等を用いて施設知名度に変換し（ステップ５０５）、施設知名度データベース１５０に登録する（ステップ５０６）。

なお、上記の例に限定されることなく、この他、知名度に関しては、店舗の売上規模や来場者数から算出することも考えられる。

検索部１２０は、入力された店舗名に関してWeb文書１０１を検索し、実際にその店舗を訪問した投稿者を検索し、取得する。実際にその店舗を訪問したか否かについては、文書を形態素解析し、文脈判定する。具体的には、店舗名が含まれ、かつ、経験を示す語（例えば、「○○に行きました」、「○○に行ってみた」、「○○に行ったとき」「○○なう」等）を含む文章を投稿した投稿者を抽出する。

居住地割当部１４０は、検索部１２０から取得した各投稿者に基づいて、ユーザ居住地データベース１３０から当該投稿者の居住地を取得し、居住地と店舗間の距離を算出し、目的来店商圏計算部１６０に渡す。

目的来店商圏計算部１６０は、店舗名に基づいて、施設知名度データベース１５０から知名度を取得し、居住地と店舗間の距離及び知名度に基づいて商圏を決定し、目的来店商圏データベース１７０に格納する。

表示部１８０は、目的来店商圏計算部１６０から入力された商圏データに基づいて表示手段に表示する。

以下に、上記の構成における動作を説明する。

図６は、本発明の第１の実施の形態における商圏判定装置の処理のフローチャートである。

ステップ５１０） 検索部１２０は、オペレータから店舗名を受け付ける。

ステップ５２０） 検索部１２０は、入力された店舗名が施設名データベース１１０にあるかを判定し、ある場合には、当該店舗名に基づいてWeb文書１０１を検索する。

ステップ５３０） 検索部１２０において、Web文書１０１から得られた記事の文脈判定を行い、実際に店舗に出向いた投稿者を判別し、当該記事の投稿者を判別する。実際に店舗に出向いたかどうかの判断方法としては、例えば、「○○に行った」「○○なう」等の表現を抜き出すことが考えられる。

ステップ５３５） 居住地割当部１４０は、Web文書１０１から取得した投稿者のユーザ名に基づいて、ユーザ居住地データベース１３０に居住地が存在する投稿者のみを抽出する。

ステップ５４０） ユーザ居住地データベース１３０から各投稿者の居住地を取得する。居住地としては図７のように居住地の住所といった点データを用いてもよいし、市町村名などある程度の大きさを持った生活エリアなどを使用しても良い。

ステップ５５０） 居住地割当部１４０は、各居住地から店舗までの距離を計算しておく。

ステップ５６０） 目的来店商圏計算部１６０は、施設知名度データベース１５０から店舗の知名度を取得する。

ステップ５７０） 目的来店商圏計算部１６０は、居住範囲の絞り込みを行うために、知名度に基づいて、当該目的来店商圏計算部１６０内のメモリに格納されている表３に示す店舗と居住者の距離による知名度テーブルを参照し、距離の閾値を取得する。

ステップ５８０） 目的来店商圏計算部１６０は、所定の閾値よりも距離が短い居住地のみを居住地データとして残す。

ステップ５９０） 目的来店商圏計算部１６０は、残った居住地データを商圏とし、表示部１８０に出力する。表示部１８０による商圏の描き方としては、地図をメッシュや地域に区切り、データが存在する領域を商圏として採用しても良いし、領域毎に居住地データ数の累計をとって色分けするなどして、ディスプレイ等の表示手段に出力することが可能である。また、商圏を表示手段に出力する他、記憶手段に格納するようにしてもよい。

以下に、上記の一連の処理を具体的に説明する。

居住地割当部１４０でマッピングされた例を図８に示す。目的来店商圏計算部１６０は、Web文書１０１中で施設名『マミー牧場』という名詞をつぶやいたユーザ数が「４１８８」である場合、表２の知名度テーブル（ユーザ数）より知名度は「４」となる。この場合、表３の知名度テーブル（距離）より施設からの距離が100km以内となるので、図９のように100km圏内にある居住地データを採用する。当該居住地データを表示部１８０に出力することにより、表示部１８０では、例えば、図１０に示すような商圏を描くことができる。表示部１８０における商圏の表示方法としては、図１０に示すように商圏を枠線で囲む方法に加えて、居住者数に応じてヒートマップのように色分けして表示する、または、グラフィックではなく、文字列で表示することも可能である。例えば、
『目的来店商圏：千葉県、東京都、神奈川県、埼玉県、茨城県、静岡県、山梨県』
のような出力も可能である。

一方、東京にあるコンビニエンスストアを考えた場合、『マミー牧場』と同じように100km圏内に範囲を採用してしまうと、たまたま訪れた人を含めてしまうことになる。知名度に応じて算出した10km圏内の範囲を採用すれば、図１１のように新宿近辺のみが商圏として算出される。

[第２の実施の形態]
本実施の形態でも第１の実施の形態と同様に、Twitter（登録商標）というマイクロブログの一つを用いた方法を説明するが、他のWeb文書にも同じ手法が適用できる。

図１２は、本発明の第２の実施の形態における商圏判定装置の構成図である。

商圏判定装置１０００は、施設名データベース１１１０、検索部１１２０、ユーザ居住地データベース１１３０、居住地割当部１１４０、施設知名度データベース１１５０、目的来店商圏計算部１１６０、施設知名度計算部１１７０、表示部１１８０、パレート図作成部１１９０を有する。

Web文書１０１は、当該商圏判定装置１０００の外部から直接取得してもよいし、取得後にWeb文書ファイルとして内部に保持してもよい。

本実施の形態においても、Web文書取得後にWeb文書ファイルとして保持するものとして説明する。

施設名データベース１１１０は、各施設の情報を記録しておくデータベースであり、前述の図２と同様であるので、その説明を省略する。

ユーザ居住地データベース１１３０は、第１の実施の形態の図３と同様の構成であるのでその説明を省略する。

施設知名度データベース１１５０は、施設知名度計算部１１７０によって生成され、その構成は第１の実施の形態の図４と同様であるのでその説明を省略する。

検索部１１２０は、入力された施設名に関してWeb文書１０１（Twitter(登録商標)）を検索し、実際にその施設を訪問した投稿者を検索し、取得する。

居住地割当部１１４０は、検索部１１２０が取得した各投稿者の居住地を取得する。

パレート図作成部１１９０は、居住地の地域毎にグルーピングし、パレート図を作成する。

目的来店商圏計算部１１６０は、居住地割当部１１４０が取得した居住地データを知名度に応じて絞り込み、商圏を得る。

施設知名度計算部１１７０は、第１の実施の形態と同様の方法で施設知名度データベース１１５０を生成する。

パレート図作成部１１９０は、居住地割当部１１４０から取得した居住地の地域毎にグルーピングし、パレート図を作成する。

以下に、上記の構成における処理を説明する。

図１３は、本発明の第２の実施の形態における商圏判定装置の処理のフローチャートである。

ステップ１３１０） 検索部１１２０は、店舗名を受け付ける。

ステップ１３２０） 検索部１１２０は、入力された店舗名が施設名データベース１１１０にあるかを判定し、ある場合には、当該店舗名に基づいてWeb文書１０１を検索する。

ステップ１３３０） 検索部１１２０において、Web文書から得られた記事の文脈判定を行い、実際に店舗に出向いた投稿者を判別し、当該記事の投稿者を判別する。判別の方法は第１の実施の形態と同様であるのでその説明を省略する。

ステップ１３３５） 居住地割当部１１４０は、ユーザ居住地データベース１１３０に居住地が存在する投稿者のみを抽出する。

ステップ１３４０） 居住地割当部１１４０は、ユーザ居住地データベース１１３０の情報に基づいて、各投稿者の居住地を県単位で取得する。なお、どのような広さの単位とするかは、例えば、市区町村のいずれかの単位または、所定の大きさのメッシュに区切る等のように任意に設定可能である。

ステップ１３５０） パレート図作成部１１９０は、県単位の居住地データのパレート図を作成する。

ステップ１３６０） 目的来店商圏計算部１１６０は、店舗名に基づいて、施設知名度データベース１１５０を参照し、当該店舗の知名度を取得する。

ステップ１３７０） 目的来店商圏計算部１１６０は、居住範囲の絞り込みを行うために、店舗の知名度に応じて、式（１）のように累計構成比の閾値αを設定する。この累積構成比の閾値の算出式は式（１）に限定されるものではなく、知名度が大きければその場所を目的として行く人が多いと考えられるので、αの値を大きくし、逆にコンビニエンスストアのように知名度が低い場合は目的もって来てくれる人は近隣の少数と考えてαの値を小さくするような計算方法であればよい。

α[%]＝40＋知名度×10 式（１）
上記の「40」、「10」という値は、1〜5までの知名度に対応した閾値αのとる値が、50%から90%の範囲になるように適宜定めた値であり、任意に設定可能である。

ステップ１３８０） 目的来店商圏計算部１１６０は、累積構成比が閾値αを超える地域までのデータを居住地データとして採用する。

ステップ１３９０） 目的来店商圏計算部１１６０は、採用した居住地データに基づいて、商圏を決定し、表示部１１８０に出力する。商圏の表示方法としては、採用された県をそのまま商圏として表示してもよいし、採用された各県の投稿者数の累計値に応じて色分けする等してもよい。

図１４は、本発明の第２の実施の形態における新宿のコーヒーショップに関して作成したパレート図である。地名「新宿」、店舗名「スタブ」という２つの名詞をぶつやいたユーザ数は一店舗あたり「１０４」であるので、表２の知名度テーブル（ユーザ数）より知名度は「１」となる。αが50%と計算できるので、図１４の場合には、累計構成比50%を超える東京都のみが商圏に用いるデータとして採用され、「東京都」が商圏として判定される。

また、第１の実施の形態で示した『マミー牧場』を用いると、上記のパレート図が図１５のように作成できる。知名度は「４」よりαが80%と計算できるので、図１５の場合には、累計構成比80%を超える千葉県、東京都、神奈川県、埼玉県の４つの県のデータが、商圏に用いるデータとして採用される。そして、表示部１１８０では、その４県をそのまま商圏として表示することもできるし、または、各県の累計値に応じてヒートマップのように色分けする方法や、図１６に示すように該当する商圏を枠線で表現することも可能である。

なお、上記の第１、第２の実施の形態における図１、図１２に示す商圏判定装置の構成要素の動作をプログラムとして構築し、商圏判定装置として利用されるコンピュータにインストールして実行させる、または、ネットワークを介して流通させることが可能である。

本発明は、上記の実施の形態に限定されることなく、特許請求の範囲内において、種々変更・応用が可能である。

１００，１０００ 商圏判定装置
１０１ Web文書
１１０，１１１０ 施設名データベース
１２０，１１２０ 検索部
１３０，１１３０ ユーザ居住地データベース
１４０，１１４０ 居住地割当部
１５０，１１５０ 施設知名度データベース
１６０，１１６０ 目的来店商圏計算部
１７０，１１７０ 施設知名度計算部
１８０，１１８０ 表示部
１１９０ パレート図作成部

Claims (8)

1. ある施設に目的を持って訪れる目的来店客と衝動的に訪れる衝動来店客の居住範囲から目的来店商圏を判定する商圏判定装置であって、
   略称を含む施設名、所在地情報を格納した施設名記憶手段と、
   ユーザの居住地情報を格納したユーザ居住地記憶手段と、
   施設毎の知名度を格納した施設知名度記憶手段と、
   施設名が入力されると該施設名に基づいて前記施設名記憶手段を参照し、施設名または略称を取得し、該施設名または該略称に基づいてWeb文書から文脈判定処理により実際に施設を訪れた投稿者を抽出する検索手段と、
   抽出された前記投稿者に基づいて前記ユーザ居住地記憶手段を参照して、各投稿者の居住地を取得する居住地割当手段と、
   前記施設名に基づいて前記施設知名度記憶手段から施設の知名度を取得し、該知名度が大きいほど大きくなる閾値を求め、前記居住地と前記施設距離を求め、該距離が該閾値より短い居住地のみを商圏とする目的来店商圏計算手段と、
   を有することを特徴とする商圏判定装置。
2. ある施設に目的を持って訪れる目的来店客と衝動的に訪れる衝動来店客の居住範囲から目的来店商圏を判定する商圏判定装置であって、
   略称を含む施設名、所在地情報を格納した施設名記憶手段と、
   ユーザの居住地情報を格納したユーザ居住地記憶手段と、
   施設毎の知名度を格納した施設知名度記憶手段と、
   施設名が入力されると該施設名に基づいて前記施設名記憶手段を参照し、施設名または略称を取得し、該施設名または該略称に基づいてWeb文書から文脈判定処理により実際に施設を訪れた投稿者を抽出する検索手段と、
   抽出された前記投稿者に基づいて前記ユーザ居住地記憶手段を参照して、各投稿者の居住地を取得し、所定のグループ単位に投稿者数を計数する居住地割当手段と、
   前記施設名に基づいて前記施設知名度記憶手段から施設の知名度を取得し、該知名度が大きいほど大きくなる閾値を求め、前記グループを投稿者数の降順に並べた際に、累積構成比が該閾値を越える上位Ｎグループに対応する地域を商圏とする目的来店商圏計算手段と、
   を有することを特徴とする商圏判定装置。
3. 前記居住地割当手段は、
   都道府県単位、市町村、所定のサイズで領域を分割したメッシュ単位を前記グループ単位とする
   請求項２記載の商圏判定装置。
4. 前記目的来店商圏計算手段で求められた商圏をパレート図に変換するパレート図作成手段を更に有する
   請求項２記載の商圏判定装置
5. 前記目的来店商圏計算手段で求められた商圏を、地図上にマッピングして表示する表示手段を更に有する
   請求項１または２記載の商圏判定装置。
6. ある施設に目的を持って訪れる目的来店客と衝動的に訪れる衝動来店客の居住範囲から目的来店商圏を判定する商圏判定方法であって、
   略称を含む施設名、所在地情報を格納した施設名記憶手段と、
   ユーザの居住地情報を格納したユーザ居住地記憶手段と、
   施設毎の知名度を格納した施設知名度記憶手段と、
   検索手段と、居住地割当手段と、目的来店商圏計算手段と、を有する装置において、
   前記検索手段が、施設名が入力されると該施設名に基づいて前記施設名記憶手段を参照し、施設名または略称を取得し、該施設名または該略称に基づいてWeb文書から文脈判定処理により実際に施設を訪れた投稿者を抽出する検索ステップと、
   前記居住地割当手段が、抽出された前記投稿者に基づいて前記ユーザ居住地記憶手段を参照して、各投稿者の居住地を取得する居住地割当ステップと、
   前記目的来店商圏計算手段が、前記施設名に基づいて前記施設知名度記憶手段から施設の知名度を取得し、該知名度が大きいほど大きくなる閾値を求め、前記居住地と前記施設の距離を求め、該距離が該閾値より短い居住地のみを商圏とする目的来店商圏計算ステップと、
   を行うことを特徴とする商圏判定方法。
7. ある施設に目的を持って訪れる目的来店客と衝動的に訪れる衝動来店客の居住範囲から目的来店商圏を判定する商圏判定方法であって、
   略称を含む施設名、所在地情報を格納した施設名記憶手段と、
   ユーザの居住地情報を格納したユーザ居住地記憶手段と、
   施設毎の知名度を格納した施設知名度記憶手段と、
   検索手段と、居住地割当手段と、目的来店商圏計算手段と、を有する装置において、
   前記検索手段が、施設名が入力されると該施設名に基づいて前記施設名記憶手段を参照し、施設名または略称を取得し、該施設名または該略称に基づいてWeb文書から文脈判定処理により実際に施設を訪れた投稿者を抽出する検索ステップと、
   前記居住地割当手段が、抽出された前記投稿者に基づいて前記ユーザ居住地記憶手段を参照して、各投稿者の居住地を取得し、所定のグループ単位に投稿者数を計数する居住地割当ステップと、
   前記目的来店商圏計算手段が、前記施設名に基づいて前記施設知名度記憶手段から施設の知名度を取得し、該知名度が大きいほど大きくなる閾値を求め、前記グループを投稿者数の降順に並べた際に、累積構成比が該閾値を越える上位Ｎグループに対応する地域を商圏とする目的来店商圏計算ステップと、
   を行うことを特徴とする商圏判定方法。
8. コンピュータを、
   請求項１乃至５のいずれか１項に記載の商圏判定装置の各手段として機能させるための商圏判定プログラム。

Images