JP2014215761A - 商品カテゴリ間の階層的関係を用いた市場情勢変化分析方法および装置 - Google Patents

Abstract

【課題】 市場の情勢変化の構造と影響を定量的に分析でき、機会の損失や投資の失敗を減らす可能性が高くなり、経済に効率性をもたらすことを可能にする。
【解決手段】 本発明は、各時点での各競合要素の市場占有規模の増加ないしは減少の速度を特徴付ける数値からなる情勢ベクトルの時系列を算出し、与えられた時間区間に対して、情勢ベクトルの変化を検出する際に、サービスカテゴリ階層情報記憶手段の市場競合の階層的順序関係を参照して、最上位の階層にある競合要素から順に下位の階層に向かって、情勢ベクトルの時系列モデルを作成し、該情勢ベクトルの変化点を情勢変化として検出する。
【選択図】 図１

Description

本発明は、商品カテゴリ間の階層的関係を用いた市場情勢変化分析方法および装置に係り、特に、製品それ自体または同一規格または同様の規格の製品が、同一の個人に繰り返して、または継続的に利用される、消費者向けの製品、またはシステム、またはサービスなどの商品の市場において、商品、または商品カテゴリ、または商品を提供する事業者などの競合要素が、顧客の獲得を巡って競合する場合であって、それぞれの競合要素の市場占有規模が、継続的に増加または減少している活動的な市場に対して、あるカテゴリまたは事業者の占有する占有規模の増加または減少が、市場情勢の変化によって加速または減速する場合に、情勢の変化を検出する、市場情勢の分析、または、市場施策の有効性や効果の評価を行うための商品カテゴリ間の階層的関係を用いた市場情勢変化分析方法および装置に関する。

商品やサービスの市場では、複数のカテゴリや事業者の商品が競合し、それらが市場を占有するシェアを競い合うことが一般的である。このような市場では、あるカテゴリや事業者の市場占有の情勢に変化が生じたとき、これを検知し、各カテゴリや事業者の市場占有の間で、どのような相互作用や影響関係が生じたのかという情勢変化の構造を知り、また、生じた影響関係は、これまでの市場規模の占有状況にどのような変化をもたらしてきたのか、また、今後の市場の占有状況にどのような変化をもたらし得るのかという情勢変化の影響を分析し、評価することができれば、市場施策の実行や変更の判断をより的確にかつ迅速にできる。このように、市場の情勢変化の構造とこれまでと将来への影響を定量的に推定する方法があれば、機会の損失や投資の失敗を減らす可能性が高くなり、経済に効率性をもたらすため、有用性が大きい。

例えば、事業者は、しばしば自社の提供するカテゴリや自社のシェアの増加を狙って、市場に対する何らかの施策を実行する。そのとき、市場の情勢に変化があったのか、また、あったとすれば、各カテゴリや事業者の市場占有にどのような相互作用や影響関係が生じたのか、そして、当該相互作用や影響関係が、これまでの市場にどのような影響を与えてきたのかを分析し、さらに、今後の市場の占有状況をどのように変化させるのかを推定することで、当該施策の効果を客観的かつ早期に評価できる。その結果、施策の継続可否の判断を早めて投資や機会の損失を減らす、またその後の施策でより効果的なものを策定する、といった効率がもたらされる。

各カテゴリや事業者の市場占有規模は公開情報や事業者の経営情報等から時系列データとして知り得る、または、推定しうることが多い。しかし、市場占有規模を市場の情勢と見做して、占有規模の増加ないしは減少をもって情勢の変化と見做すことは、一般には正しくない。なぜなら、一般の市場は活動しており、各カテゴリ、事業者、市場外部等との間で顧客が絶えず流動し、各カテゴリや事業者の市場規模は、増加または縮小を続けていることが一般的である。そのため、占有規模の増加や減少を以って、市場の情勢が変化したとは見做し難い。

市場の情勢変化を捉えることは、活動的な市場において一定した情勢とは何かを正しく把握することが基盤となる。そのためには、一定の情勢の下での市場占有規模の継続的な変化に関する動学を理解することが必要である。しかしながら、情勢に変化が無い場合であっても、活動的な市場において、市場占有規模の動学を捉えることは長い間解決が困難な課題であった。最近になってようやく、基本問題であるところの市場の自然な成長の構造が解明され、予測の困難さを説明する理論が提出された（例えば、非特許文献１参照）。これを基に、市場成長の予測が開始された段階である（例えば、非特許文献１，特許文献１，２，３参照）。これらは、ある市場全体の成長について予測する方法（例えば、非特許文献１，特許文献１参照）や、カテゴリが競合する市場において、各カテゴリの力関係が一定し、情勢の変化が生じない前提の下で予測の方法を提案するものである（例えば、特許文献２，３参照）。

特許第４７７７９４１号公報 特許第５００１３４７号公報 特開２０１１−２１５９８９号公報

S. Shimogawa, M. Shinno, and H. Saito, Structure of S-shaped growth in innovation diffusion, Physical Review E 85, 056121 (2012).

上記の非特許文献１、特許文献１〜３では、時間の対数軸で各市場規模を記述すると、成長線がＳ字カーブの変曲点を越えたあとは直線により成長するという非特許文献１の理論を利用して、直線フィッティングを実施している。このとき、情勢変化が起こると、その時点から成長速度が変化するため、成長線が折れ線によってフィッティングできる。しかしながら、成長線を折れ線でフィッティングする際には、全探索のアルゴリズムが使われており、多数の競合要素があるだけでなく、一般的には多数の地域に分解して情勢分析を行うため、折れ線を構成する数が膨大になるため、効率的なアルゴリズムが必要となっている。また、実際の市場データは様々な要因によって変動を伴うため、情勢変化の構造を抽出するには、データの変動や揺れによる影響を回避する工夫が必須となる。

成長線を折れ線によりフィッティングする際の課題を詳しく述べると、以下の２点である。

１点目として、折れ線点数が未知の場合の折れ線フィッティングとして有効なアルゴリズムは現時点では考案されていないため、計算コストを節約できるアルゴリズムを探す必要がある。

２点目としては、実際の市場データは様々な要因によって変動を伴うが、情勢は速度で表される変化量であり、情勢変化とは更に変化量の変化であるため、データの変動や揺れに対して敏感であり、不安定になりやすいため、ロバストなアルゴリズムが必要となる。

本発明は、上記の点に鑑みなされたもので、市場の情勢変化の構造と影響を定量的に分析でき、機会の損失や投資の失敗を減らす可能性が高くなり、経済に効率性をもたらすことが可能な商品カテゴリ間の階層的関係を用いた市場情勢変化分析方法および装置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、製品それ自体または同一規格または同様の規格の製品が、同一の個人に繰り返し、または継続的に利用される、消費者向けの製品またはシステムまたはサービスを含む商品市場において、商品、または商品カテゴリ、または、商品を提供する事業者が、顧客の獲得を巡って競合する場合に、それぞれの競合要素の市場占有規模が継続的に増加または減少している活動的な市場の情勢変化を分析する商品カテゴリ間の階層的関係を用いた市場情勢変化分析装置であって、
各競合要素のサービスカテゴリと事業者の契約数の時系列データを格納した採用者数データ記憶手段と、
市場競合の階層的順序関係を格納したサービスカテゴリ階層情報記憶手段と、
前記採用者数データ記憶手段の各時点での各競合要素の市場占有規模の増加ないしは減少の速度を特徴付ける数値からなる情勢ベクトルの時系列を算出する情勢ベクトル算出手段と、
与えられた時間区間に対して、前記情勢ベクトルの変化を検出する際に、前記サービスカテゴリ階層情報記憶手段の前記市場競合の階層的順序関係を参照して、最上位の階層にある競合要素から順に下位の階層に向かって、情勢ベクトルの時系列モデルを作成し、該情勢ベクトルの変化点を情勢変化として検出する情勢変化検出手段と、を有する。

また、本発明（請求項２）は、前記情勢変化検出手段において、
前記サービスカテゴリ階層情報記憶手段の階層構造となっている商品カテゴリに対して、上位の階層の情勢変化点を、下位の階層の情勢変化の候補点として使用し、下位の階層の情勢ベクトルの時系列モデルを作成する手段を含む。

また、本発明（請求項３）は、前記情勢ベクトル算出手段において、
対数時間軸における単位時間当たりの各競合要素の市場占有規模の増加量ないしは減少量として定まる対数的速度として、各時点での情勢ベクトルの要素を算出する手段を含む。

また、本発明（請求項４）は、情勢変化の候補点で区切られる区間集合を初期区間集合として、該区間集合毎に折れ線による回帰を実施する回帰直線算出手段を更に有する。

商品やサービスの市場では、複数のカテゴリや事業者の商品が競合し、それらが市場を占有するシェアを競い合うことが一般的である。このような市場では、あるカテゴリや事業者の市場占有の情勢に変化が生じたとき、これを検知し、各カテゴリや事業者の市場占有の間で、どのような相互作用や影響関係が生じたのかという情勢変化の構造を知り、また、生じた影響関係は、今後市場の占有状況にどのような変化を齎しうるのかという情勢変化の影響を知ることができれば、市場施策の実行や変更の判断をより的確かつ迅速にできる。本発明によれば、情勢ベクトルの変化点を検出することによって、市場の情勢変化の構造と影響を定量的に分析でき、機会の損失や投資の失敗を減らす可能性が高くなり、経済に効率性を齎す。

例えば、事業者は、しばしば自社の提供するカテゴリや自社のシェアの増加を狙って、市場に対するなんらかの施策を実行する。その時、市場の情勢である対数的速度ベクトルに変化があったのか、また、あったときには、各カテゴリや事業者の市場占有規模の速度変化の間でどのような要因関係であったのか、そして、当該の速度変化の要因関係が、これまでにどのように変化させたかを推定することができる。これによって、当該施策の効果を客観的かつ早期に評価できる。その結果、施策の継続可否の判断を早めて投資や機会の損失を減らす、またその後の施策でより効果的なものを策定する、といった効率がもたらされ得る。

本発明の一実施の形態における市場情勢変化分析装置の構成図である。 本発明の一実施の形態における市場状況変化分析装置の動作の概要を示す図である。 本発明の一実施の形態における折れ線モデル集合作成制御ユニットのフローチャートである。

以下、図面と共に本発明の実施の形態を説明する。

本発明が対象とする市場は、製品それ自体または同一規格または同様の規格の製品が、同一の個人に繰り返して、または、継続的に利用される、消費者向けの製品、または、システム、またはサービスなどの商品を扱う市場を指す。

本発明では、複合的な市場における情勢変化の性質を用いることで、構造変化の候補点を予め取り出す。これにより、計算の手順を減らし、データの変動に対しても安定しやすいアルゴリズムとなる。市場は一般に商品やサービスとそのカテゴリによる階層を自然に成している。ある階層での情勢変化は、その下位に影響しやすいが、上位へは影響し難いという傾向がある。従って、複数の原因によって情勢変化が生じる場合、下位の競合要素の市場占有規模の時系列ほど複雑になりやすく、比較的多数の加速時点が生じることになる。従って、市場に対して、経験的に解る階層構造を指定し、最上位の階層に属する競合要素から、折れ線によるモデル化を実施し、順次下位の階層に属する競合要素に対して、折れ線モデル化を構成する手順を踏むことで、短時間で、より安定し誤りの少ない情勢ベクトル時系列が得られることになる。

つまり、最上位の階層は、通常は単純な折れ線によりモデル化できる。その後、最上位の階層から1つ下位の階層で折れ線フィッティングする際には、その階層は上位の階層の構造変化を受けている可能性が高いため、まずは最上位の折れ点を元に折れ線フィッティングを実施できるかを評価し、最上位の折れ点を用いて良い場合には、各折れ線の区間に対して、更に折れ線フィッティングを施す。この流れを最下位の階層に移るまで実施する。

固定系や無線系のブロードバンドサービスやスマートフォンによるインターネット利用などは今後も成長が見込まれる。

以下に、これらの競合性のある各サービスカテゴリや着目事業者の契約者数の継続的な記録が収集されている場合に、これを用いて市場の情勢変化や施策効果を分析するシステムの実施の形態を示す。

図１は、本発明の一実施の形態における市場情勢変化分析装置の構成例を示す。

同図に示す市場情勢変化分析装置１００は、ユーザインタフェース（ディスプレイ、キーボード、マウス）２００、採用者数データ記憶部３００、サービスカテゴリ階層情報記憶部４００、出力保存部５００と接続されている。

市場情勢変化分析装置１００は、ユーザインタフェース処理部１０１、表示制御部１０２、中央制御部１０３、主記憶１０４、基本設定実行部１１０、対数時間原点設定部１２０、対数時間変換部１３０、折れ線モデル集合作成部１４０を有する。

採用者数データ記憶部３００は、外部から入力された対象とするサービスカテゴリ（例えば、固定ブロードバンドサービス）と各事業者(NTTなど)の契約数の時系列データを格納するとともに、呼び出しに応じてデータを転送する。具体的に、採用者数データ記憶部３００に格納されるデータは、市場が競合する、耐久的もしくは契約的な形態（通信サービスのような契約で利用する形態）による商品カテゴリの下での各商品カテゴリC_i,ｉ=1,2,…,A,の採用者数NC_j, j=1,2,…,A,についての、現在または過去のある時期までの時間区間［T₀,T₁］の時系列データDC_j={(t_k,NC_j(t_k)),k=1,2,…,n},j=1,2,…,Aと、各商品カテゴリのいずれかに属する商品（例えば、フレッツ光（登録商標）など）E_jまたは事業者Ｅ_j, j=1,2,…,B,についての時間区間［T₀,T₁］の時系列データDE_j={(t_k,NEj(t_k)),k=1,2,…,n}, j=1,2,…,Bを格納する。

サービスカテゴリ階層情報記憶部４００は、外部から入力された各サービスカテゴリの階層関係の情報を格納するとともに、呼び出しに応じてデータを転送する。サービスカテゴリ階層情報記憶部４００には、例えば、
1.固定ブロードバンドサービス
2.ケーブルテレビ、WiMAX、光＆ADSL
3.光, ADSL
4.NTT(登録商標)の光, au(登録商標)の光
5.NTT(登録商標）の光の特定のプランA, プランB
のように上位から順にブレークダウンされた情報が格納される。

ユーザインタフェース処理部１０１は、本システムの利用者がシステムを制御して目標の解析を実行するための命令を受理し、中央制御部１０３に転送し、中央制御部１０３からの表示命令を実行する。

表示制御部１０２は、中央制御部１０３で処理された表示命令に基づいてデータを表示する。

中央制御部１０３は、各部からの命令、メッセージ、データの流れを制御する。

基本設定実行部１１０は、各部の様々なパラメータや指定要求に対するデフォルトや着目対象を設定する機能を提供し、デフォルトや基本設定の設定要求表を表示、入力、ファイル保存の機能を実行する。４半期やひと月などの最小時間単位、対数時間の原点、データ時間区間［T₀,T₁］、誤差の判定に利用する閾値１や区間分割限界の判定に利用する閾値２の設定、折れ線モデル作成における区分点候補作成時の刻み値δの設定、着目サービスカテゴリまたは着目事業者の設定、各サービスカテゴリに対する階層順の設定が実行される。

対数時間原点設定部１２０は、前述の特許文献１の技術を用いてデータから対数時間の原点を設定する。

対数時間変換部１３０は、採用者数データ記憶部３００の各契約者数時系列データの時間軸を対数に変換する処理を実行する。具体的には、基本設定実行部１１０で指定された商品カテゴリまたは指定された事業者の採用者数の時系列を、時間区間［T₀,T₁］に含まれる指定された時間区間において、対数時間log(t_i)に変更する。

折れ線モデル集合作成部１４０は、各契約者数の対数時間時系列データを指定の時間区間においてそれぞれを折れ線モデルで近似する処理を実行するものであり、回帰直線算出ユニット１４１、新区分点作成ユニット１４２、単一折れ線モデル作成制御ユニット１４３、折れ線モデル集合作成制御ユニット１４４からなる。

回帰直線算出ユニット１４１は、折れ線の一区間となる指定時間区間と指定された対数時間契約者数時系列データに対して、回帰直線と、その二乗誤差値を算出し、平均二乗誤差値の計算に利用するためのデータポイント数と共に、出力する。

新区分点作成ユニット１４２は、指定時間区間と指定の対数時間契約数時系列データに対して、指定時間区間内に刻み値δを利用して区分点候補群を作成し、回帰直線算出ユニット１４１を繰り返し利用して、各区分点候補で生じる２区間での各回帰直線の二乗誤差和が最小となる新区分点を導入する。

単一折れ線モデル作成制御ユニット１４３は、指定時間区間と指定の対数時間契約数時系列データに対して、指定の折れ点候補集合を初期区分として回帰直線算出ユニット１４１を呼び出して回帰直線群を作成し、折れ線モデルの平均二乗誤差を評価して、誤差閾値を下回るまで、二乗誤差の大きい回帰結果の区間に対して新区分点作成ユニット１４２を呼び出して、新区分点を作成する操作を繰り返す。誤差閾値が区分点による分割限界に至っても、閾値を下回らなければ、折れ線モデル作成の失敗を通知し、下回れば、区分点と区間順に並べた回帰直線群を出力する。

折れ線モデル集合作成制御ユニット１４４は、指定されたサービスカテゴリ階層に従って、上位階層のサービスカテゴリと事業者数の契約数から順に対数時間軸上の折れ線モデルを作成する。ここで、上位層のサービスカテゴリに対して得られた折れ線の折れ時点を下位の階層の折れ時点の候補として指定し、サービスカテゴリ階層情報記憶部４００を参照して、下位のサービスカテゴリまたは下位および当該のサービスカテゴリに属する事業者の採用者数に対する折れ線モデル作成を実行する。

以下に折れ線生成処理について説明する。

折れ線モデル集合作成制御ユニット１４４は、サービスカテゴリ階層情報記憶部４００の各商品カテゴリCi, i=1,2,…,Aのそれぞれに対して、商品カテゴリの階層を認識する番号j=(1,2,…,c)を与え、カテゴリ階層のデータを記録する。ここで上層の商品カテゴリが各分割L_iの認識番号iの小さい順であるとする。最上位層のカテゴリの採用者数の時系列に対して、上記の手段を用いて、規定のまたは操作者が指示する初期折れ位置候補を入力として、折れ線モデルの作成を実行する。上位層の折れ位置(情勢変化点)は、下位層の折れ位置候補(情勢変化点の候補点)として利用される。

折れ線モデル集合作成制御ユニット１４４は、サービスカテゴリ階層情報記憶部４００の各商品カテゴリCi, i=1,2,…,A,に指定されたカテゴリの階層の順に沿って、時間区間［T₀,T₁］に含まれる指定された時間区間において、採用者数データ記憶部３００から読み出された各カテゴリの採用者数の時系列と各カテゴリに属する事業者の採用者数の時系列に対して、単一折れ線モデル作成制御ユニット１４３を呼び出して、対数時間軸における折れ線モデルの作成を実行する。

折れ線モデル集合作成制御ユニット１４４は、各商品カテゴリと各事業者の採用者数の対数時間軸による折れ線モデルから、時間区間［T₀,T₁］に含まれる指定された時間区間に対して、情勢ベクトルの時系列及び情勢変化の基本要素を算出する。

折れ線モデル集合作成制御ユニット１４４は、例えば、上記の手段を実行することで得られた、各商品カテゴリと各事業者の折れ線モデルの集合から、与えられた時点に対して、折れ線の傾きを取り出して、ベクトル要素とすることで、情勢ベクトルの時系列を算出する。また、各折れ線の各折れの時点と、当該時点前後での情勢ベクトルの差の算出により、情勢変化の基本要素である、加速度時点と加速ベクトルの対が得られ、これを出力保存部５００に格納する。

図２は、本発明の一実施の形態における市場情報変化分析装置の動作の概要を示す。

ステップ１００） まず、基本設定実行部１１０が、
・処理対象とする最小時間単位；
・対数時間の原点
・データ時間区間［T₀,T₁］；
・閾値
・折れ線モデル作成における区分点候補作成時の刻み値δ；
・着目サービスカテゴリ／着目事業者の設定
・各サービスカテゴリに対する階層順序
の設定を行う。

ステップ２００） 対数時間原点設定部１２０が、基本設定実行部１１０で設定された対数時間の原点を用いて対数時間原点の設定を行う。

ステップ３００） 対数時間変換部１３０が、採用者数データ記憶部３００の商品カテゴリまたは指定された事業者の採用者数の時系列を、時間区間［T₀,T₁］に含まれる指定された時間区間において、対数時間log(t_i)に変更する。

ステップ４００） 折れ線モデル集合作成部１４０の折れ線モデル集合作成制御ユニット１４４が、基本設定実行部１１０から指定された折れ位置候補を利用して、折れ線による近似を実施し、指定された閾値２の範囲内で、折れ線により近似できたか否かを判定し、近似に成功した場合は折れ線の構成要素を主記憶１０４に返す。

以下に図３に沿って具体的に説明する。

例えば、当該採用者数の時系列データを
D={(N(t_i),t_i),i=1,2,…,n}
とすると、これに対して、対数時間変換部１３０において時間を対数化させたデータ
DL={(N(ti),log(ti)),i=1,2,…,n}
が算出されると、折れ線モデル集合作成制御ユニット１４４は、単一折れ線モデル作成制御ユニット１４３を呼び出して、以下に示すように、基本設定実行部１１０から指定された折れ位置候補で分割されるそれぞれの区間に対して直線による近似手順を実行する。

このとき、折れ位置候補で必ずしも折れるわけではないため、それぞれの折れ位置候補について、前後数点で傾きの差が所定の傾きの閾値以上に変化しているかを評価し、閾値以下であれば、その折れ位置候補は使用しない。閾値以上であればその折れ位置候補を折れ点とする（ステップ４０１）。

単一折れ線モデル作成制御ユニット１４３は、新区分点作成ユニット１４２を呼び出し、当該新区分点作成ユニット１４２では、上記で得られた折れ点を初期の折れ点とし、それぞれの折れ線に関して、回帰直線算出ユニット１４１を呼び出して、既存の線形回帰の方法を用いて、各区間で回帰直線を作成する(ステップ４０２)。

次に、単一折れ線モデル作成制御ユニット１４３では、得られた折れ線とデータグラフDLとの平均二乗誤差を算出し、その和を誤差とする(ステップ４０３)。当該誤差が予め設定された閾値１（Th1）を上回る場合は(ステップ４０４,Yes)、区間毎の平均二乗誤差が最大の区間について、新しい区分点を導入する(ステップ４０５)。これは、指定された刻み値δを使って、新区分点の候補を当該区間の開始点の隣から当該区間の終了点まで移動させつつ、回帰直線算出ユニット１４１において、分割した２区間でそれぞれ回帰直線の作成を実行し（ステップ４０６）、二乗誤差の和が最小となる点を新区分点として取り出し、折れ点に追加する（ステップ４０７）。折れ線の線分区間最小幅が所定の閾値２（Th２）より小さければ（ステップ４０８,Yes）、折れ線モデル失敗と判定し処理を終了する。そうでなければ（ステップ４０８,No）、ステップ４０２移行する(ステップ４０８,No)。

ステップ４０３で算出された誤差が閾値１(Th1)以下である場合には（ステップ４０４,No）、折れ線モデル集合作成制御ユニット１４４は各折れ点の座標と各区間の傾きをメモリ（図示せず）に出力する(ステップ４１０)。

なお、上記の図１に示す市場情勢変化分析装置の構成要素の動作をプログラムとして構築し、市場情勢変化分析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 市場情勢変化分析装置
１０１ ユーザインタフェース処理部
１０２ 表示制御部
１０３ 中央制御部
１０４ 主記憶
１１０ 基本設定実行部
１２０ 対数時間原点設定部
１３０ 対数時間変換部
１４０ 折れ線モデル集合作成部
１４１ 回帰直線算出ユニット
１４２ 新区分点作成ユニット
１４３ 単一折れ線モデル作成制御ユニット
１４４ 折れ線モデル集合作成制御ユニット
２００ ユーザインタフェース
３００ 採用者数データ記憶部
４００ サービスカテゴリ階層情報記憶部
５００ 出力保存部

Claims (8)

1. 製品それ自体または同一規格または同様の規格の製品が、同一の個人に繰り返し、または継続的に利用される、消費者向けの製品またはシステムまたはサービスを含む商品市場において、商品、または商品カテゴリ、または、商品を提供する事業者が、顧客の獲得を巡って競合する場合に、それぞれの競合要素の市場占有規模が継続的に増加または減少している活動的な市場の情勢変化を分析する商品カテゴリ間の階層的関係を用いた市場情勢変化分析装置であって、
   各競合要素のサービスカテゴリと事業者の契約数の時系列データを格納した採用者数データ記憶手段と、
   市場競合の階層的順序関係を格納したサービスカテゴリ階層情報記憶手段と、
   前記採用者数データ記憶手段の各時点での各競合要素の市場占有規模の増加ないしは減少の速度を特徴付ける数値からなる情勢ベクトルの時系列を算出する情勢ベクトル算出手段と、
   与えられた時間区間に対して、前記情勢ベクトルの変化を検出する際に、前記サービスカテゴリ階層情報記憶手段の前記市場競合の階層的順序関係を参照して、最上位の階層にある競合要素から順に下位の階層に向かって、情勢ベクトルの時系列モデルを作成し、該情勢ベクトルの変化点を情勢変化として検出する情勢変化検出手段と、
   を有することを特徴とする商品カテゴリ間の階層的関係を用いた市場情勢変化分析装置。
2. 前記情勢変化検出手段は、
   前記サービスカテゴリ階層情報記憶手段の階層構造となっている商品カテゴリに対して、上位の階層の情勢変化点を、下位の階層の情勢変化の候補点として使用し、下位の階層の情勢ベクトルの時系列モデルを作成する手段を含む
   請求項１記載の商品カテゴリ間の階層的関係を用いた市場情勢変化分析装置。
3. 前記情勢ベクトル算出手段は、
   対数時間軸における単位時間当たりの各競合要素の市場占有規模の増加量ないしは減少量として定まる対数的速度として、各時点での情勢ベクトルの要素を算出する手段を含む
   請求項１記載の商品カテゴリ間の階層的関係を用いた市場情勢変化分析装置。
4. 情勢変化の候補点で区切られる区間集合を初期区間集合として、該区間集合毎に折れ線による回帰を実施する回帰直線算出手段を更に有する
   請求項１乃至３のいずれか１項に記載の商品カテゴリ間の階層的関係を用いた市場情勢変化分析装置。
5. 製品それ自体または同一規格または同様の規格の製品が、同一の個人に繰り返し、または継続的に利用される、消費者向けの製品またはシステムまたはサービスを含む商品市場において、商品、または商品カテゴリ、または、商品を提供する事業者が、顧客の獲得を巡って競合する場合に、それぞれの競合要素の市場占有規模が継続的に増加または減少している活動的な市場の情勢変化を分析する商品カテゴリ間の階層的関係を用いた市場情勢変化分析方法であって、
   各競合要素のサービスカテゴリと事業者の契約数の時系列データを格納した採用者数データ記憶手段と、
   市場競合の階層的順序関係を格納したサービスカテゴリ階層情報記憶手段と、
   情勢ベクトル算出手段と、情勢変換検出手段と、
   を有する装置において、
   前記情勢ベクトル算出手段が、前記採用者数データ記憶手段の各時点での各競合要素の市場占有規模の増加ないしは減少の速度を特徴付ける数値からなる情勢ベクトルの時系列を算出する情勢ベクトル算出ステップと、
   前記情勢変換検出手段が、与えられた時間区間に対して、前記情勢ベクトルの変化を検出する際に、前記サービスカテゴリ階層情報記憶手段の前記市場競合の階層的順序関係を参照して、最上位の階層にある競合要素から順に下位の階層に向かって、情勢ベクトルの時系列モデルを作成し、該情勢ベクトルの変化点を情勢変化として検出する情勢変化検出ステップと、
   を行うことを特徴とする商品カテゴリ間の階層的関係を用いた市場情勢変化分析方法。
6. 前記情勢変化検出ステップにおいて、
   前記サービスカテゴリ階層情報記憶手段の階層構造となっている商品カテゴリに対して、上位の階層の情勢変化点を、下位の階層の情勢変化の候補点として使用し、下位の階層の情勢ベクトルの時系列モデルを作成する
   請求項５記載の商品カテゴリ間の階層的関係を用いた市場情勢変化分析方法。
7. 前記情勢ベクトル算出ステップにおいて、
   対数時間軸における単位時間当たりの各競合要素の市場占有規模の増加量ないしは減少量として定まる対数的速度として、各時点での情勢ベクトルの要素を算出する
   請求項５記載の商品カテゴリ間の階層的関係を用いた市場情勢変化分析方法。
8. 情勢変化の候補点で区切られる区間集合を初期区間集合として、該区間集合毎に折れ線による回帰を実施する回帰直線算出ステップを更に行う
   請求項５乃至７のいずれか１項に記載の商品カテゴリ間の階層的関係を用いた市場情勢変化分析方法。

Images