JP2015146126A - 顧客分析プログラム、顧客分析方法、及び顧客分析装置 - Google Patents

Abstract

【課題】 特徴的な顧客グループを分析する顧客分析プログラム、顧客分析方法、及び顧客分析装置を提供する。
【解決手段】 顧客分析プログラムは、購買履歴データに基づく複数の顧客グループの生成を複数の店それぞれの購買履歴データを用いて実行し、生成した前記複数の顧客グループのうち、所定の類似関係を有する顧客グループを含む、統合顧客グループを生成し、分析対象の店の購買履歴データに基づいて生成した該分析対象の店のある顧客グループが、前記統合顧客グループと所定の類似関係を有さないことを検出すると、該ある顧客グループを該分析対象の店の特徴的グループとして出力する、処理をコンピュータに実行させるプログラムである。
【選択図】図８

Description

本件は、顧客分析プログラム、顧客分析方法、及び顧客分析装置に関する。

例えば百貨店や量販店（以下、「販売店」と表記）は、来店した顧客を分析し、分析結果を、商品施策や売り場施策などの経営戦略に活用する。顧客分析は、例えば、顧客を年齢、性別、及び住所などに基づいて複数のグループに分類したり、顧客の購買情報（商品のブランド、金額、頻度など）などに基づいて複数のグループに分類することにより行われる。

分析手段に関し、例えば特許文献１には、文書を所定の属性に基づいて複数のカテゴリに分類し、ユーザにより指定された属性のカテゴリに対し相関が高い属性のカテゴリを提示する点が開示されている。

特開２０１２−１９８８０９号公報

しかし、顧客分析により得られた顧客グループの情報は、例えば、当該販売店が存在する地域の人口統計や商業関連の統計などの一般的な公開情報との比較分析に用いられることはあっても、複数の他の販売店に関する分析結果との比較分析に用いられることはない。

このような不十分な比較分析では、他の販売店とは異なる独自の顧客層、つまり当該販売店の特徴的な顧客グループを詳細に分析することが困難である。なお、この問題は、商品を販売する販売店に限られず、例えば飲食店のように特定のサービスを提供する店についても、同様に存在する。

一つの側面では、本発明は、特徴的な顧客グループを分析する顧客分析プログラム、顧客分析方法、及び顧客分析装置を提供することを目的とする。

一つの態様では、顧客分析プログラムは、購買履歴データに基づく複数の顧客グループの生成を複数の店それぞれの購買履歴データを用いて実行し、生成した前記複数の顧客グループのうち、所定の類似関係を有する顧客グループを含む、統合顧客グループを生成し、分析対象の店の購買履歴データに基づいて生成した該分析対象の店のある顧客グループが、前記統合顧客グループと所定の類似関係を有さないことを検出すると、該ある顧客グループを該分析対象の店の特徴的グループとして出力する、処理をコンピュータに実行させる。

一つの態様では、顧客分析方法は、購買履歴データに基づく複数の顧客グループの生成を複数の店それぞれの購買履歴データを用いて実行する工程と、生成した前記複数の顧客グループのうち、所定の類似関係を有する顧客グループを含む、統合顧客グループを生成する工程と、分析対象の店の購買履歴データに基づいて生成した該分析対象の店のある顧客グループが、前記統合顧客グループと所定の類似関係を有さないことを検出すると、該ある顧客グループを該分析対象の店の特徴的グループとして出力する工程とを、コンピュータが実行する。

一つの態様では、顧客分析装置は、購買履歴データに基づく複数の顧客グループの生成を複数の店それぞれの購買履歴データを用いて実行し、生成した前記複数の顧客グループのうち、所定の類似関係を有する顧客グループを含む、統合顧客グループを生成し、分析対象の店の購買履歴データに基づいて生成した該分析対象の店のある顧客グループが、前記統合顧客グループと所定の類似関係を有さないことを検出すると、該ある顧客グループを該分析対象の店の特徴的グループとして出力する処理を実行する制御部を有する。

特徴的な顧客グループを分析できる。

顧客分析システムの一例を示す構成図である。 端末装置の一例を示す構成図である。 購買履歴データ及び顧客データの一例を示す表である。 実施例に係る顧客分析装置を示す構成図である。 顧客分析装置の機能構成の一例を示す構成図である。 実施例に係る顧客分析プログラムのフローチャートである。 クラスタ生成用データ及びクラスタ生成用３次元座標の一例を示す図である。 クラスタの類似判定処理のフローチャートである。 類似判定処理に用いられる指標の例を示す表である。 指標の変化特性を示すグラフである。 クラスタの類似性の判定例を示す表である。 分析結果の出力例を示す図である。 個社クラスタとユニバーサルクラスタの差異の出力例を示す表である。 顧客分析の例における分析処理前のクラスタを示す図である。 顧客分析の例におけるクラスタの類似判定の結果を示す図である。 顧客分析の例におけるユニバーサルクラスタ及びユニバーサルクラスタ候補の変更処理を示す図である。 顧客分析の例における分析処理後のクラスタを示す図である。 ユニバーサルクラスタの更新の一例を示す表である。 新たなユニバーサルクラスタの生成の一例を示す表である。 分析対象の百貨店の個社クラスタの内容の一例を示す表である。

図１は、顧客分析システムの一例を示す構成図である。顧客分析システムは、顧客分析装置１と、百貨店Ａ〜Ｘにそれぞれ設置された端末装置２とを有する。端末装置２は、例えばパーソナルコンピュータなどのコンピュータ装置であり、インターネットなどのネットワークＮＷを介して、顧客分析装置１に接続されている。なお、顧客分析装置１は、ネットワークＮＷに接続されていない状態（オフライン状態）でも、格納済みのデータを用いて顧客分析処理を実行することは可能である。

顧客分析装置１は、例えば、サーバ装置などのコンピュータ装置であり、顧客分析サービスを提供する。顧客分析装置１は、端末装置２から各種のデータを取集することにより、各百貨店Ａ〜Ｘの顧客を分析し、各百貨店Ａ〜Ｘの顧客の分析結果を当該端末装置２に送信する。

より具体的には、顧客分析装置１は、分析対象の百貨店の顧客の購買履歴データに基づいて生成され、複数の百貨店の類似の顧客グループが属する統合顧客グループと類似しない顧客グループを、特徴的グループとして出力する。これにより、顧客分析装置１は、特徴的な顧客を分析する。

本実施例において、顧客分析装置１は、百貨店Ｘを分析対象とし、百貨店Ｘの顧客を、他の百貨店Ａ，Ｂ，Ｃ，・・・の分析結果に基づいて構築されたデータベースを用いて分析する。なお、顧客分析装置１の分析対象は、百貨店Ｘに限定されず、量販店、コンビニエンスストア、及び自動車のディーラーなどの他種の販売店や、例えば飲食店のように、顧客に特定のサービスを提供する店であってもよい。

図２は、端末装置２の一例を示す構成図である。端末装置２は、ＣＰＵ（Central Processing Unit）２０、ＲＯＭ（Read Only Memory）２１、ＲＡＭ（Random Access Memory）２２、ＨＤＤ（Hard Disk Drive）２３、及び通信処理部２４を備える。端末装置２は、さらに、可搬型記憶媒体用ドライブ２５、入力処理部２６、及び画像処理部２７などを備えている。

ＣＰＵ２０は、演算処理手段であり、顧客分析装置１とデータを送受信するための通信処理プログラム（ソフトウェア）に従って動作する。ＣＰＵ２０は、各部２１〜２７とバス２８を介して接続されている。なお、端末装置２は、ソフトウェアにより動作するものに限定されず、ＣＰＵ２０に代えて、特定用途向け集積回路などのハードウェアが用いられてもよい。

ＲＡＭ２２は、ＣＰＵ２０のワーキングメモリとして用いられる。また、ＲＯＭ２１及びＨＤＤ２３は、プログラムなどを記憶する記憶手段として用いられる。ＨＤＤ２３は、さらに、百貨店Ａ〜Ｘにおける顧客（当該百貨店に会員登録された客）の購買履歴を示す購買履歴データ２３０と、百貨店Ａ〜Ｘの顧客の属性を示す顧客データ２３１とを格納する。

図３には、購買履歴データ２３０（図３（ａ）参照）及び顧客データ２３１（図３（ｂ）参照）の一例が示されている。購買履歴データ２３０は、「店名」情報と、「部門」情報と、「ブランド名」情報と、「買上日」情報と、「買上時間」情報と、「顧客ＩＤ」とを含む。

「店名」情報は、百貨店Ａ〜Ｘの識別情報である。なお、「店名」情報は、百貨店Ａ〜Ｘごとに、各欄で共通であり、顧客分析装置１が百貨店Ａ〜Ｘを区別するために用いる。

「部門」情報は、購買が行われた商品の部門を示す。「ブランド名」情報は、購買された商品のブランド名（ブランドＡ，Ｂなど）を示す。「買上日」情報及び「買上時間」情報は、購買が行われた日付及び時刻をそれぞれ示す。「顧客ＩＤ」は、顧客の識別番号であり、例えば顧客の会員番号である。なお、「ブランド名」情報は、一例であり、これに代えて、購買された商品名を示す「商品名」情報、商品が購買されたフロア名を示す「フロア名」情報、または、商品以外のサービス名を示す「サービス名」情報などが用いられてもよい。

顧客データ２３１は、「顧客ＩＤ」、「年齢」情報、「性別」情報、及び「郵便番号」を含む。「顧客ＩＤ」は、上述した顧客ＩＤに対応する。「年齢」情報は、当該顧客の年齢を示す。なお、「年齢」情報は、図３（ｂ）に示されるような具体的な年齢ではなく、一定幅の年齢層（例えば、１０代、２０代、・・・など）として示されてもよい。

「性別」情報は、当該顧客の性別を示す。「郵便番号」は、当該顧客の居住地区の郵便番号を示す。なお、「郵便番号」に代えて、当該顧客の住所、または住所の一部が用いられてもよい。

ＣＰＵ２０は、購買履歴データ２３０及び顧客データ２３１をＨＤＤ２３から読み出して、通信処理部２４に出力する。通信処理部２４は、例えばネットワークカードであり、ネットワークＮＷを介して、顧客分析装置１などと通信する通信手段である。

可搬型記憶媒体用ドライブ２５は、可搬型記憶媒体２５０に対して、情報の書き込みや情報の読み出しを行う装置である。可搬型記憶媒体２５０の例としては、ＵＳＢメモリ（USB: Universal Serial Bus）、ＣＤ−Ｒ（Compact Disc Recordable）、及びメモリカードなどが挙げられる。なお、通信処理プログラムは、可搬型記憶媒体２５０に格納されてもよい。

端末装置２は、情報の入力操作を行うための入力デバイス２６０、及び、画像を表示するためのディスプレイ２７０を、さらに備える。入力デバイス２６０は、キーボード及びマウスなどの入力手段であり、入力された情報は、入力処理部２６を介してＣＰＵ２０に出力される。

ディスプレイ２７０は、液晶ディスプレイなどの画像表示手段であり、表示される画像データは、ＣＰＵ２０から画像処理部２７を介してディスプレイに出力される。なお、入力デバイス２６０及びディスプレイ２７０に代えて、これらの機能を備えるタッチパネルなどのデバイスを用いることもできる。

ＣＰＵ２０は、ＲＯＭ２１、またはＨＤＤ２３などに格納されているプログラム、または可搬型記憶媒体用ドライブ２５が可搬型記憶媒体２５０から読み取ったプログラムを実行する。このプログラムには、ＯＳ（Operating System）だけでなく、上記の通信処理プログラムも含まれる。なお、通信処理プログラムは、通信処理部２４を介してダウンロードされたものであってもよい。

ＣＰＵ２０は、通信処理プログラムが実行されると、例えば入力処理部２６を介して入力された購買履歴データ２３０及び顧客データ２３１をＨＤＤ２３に書き込む。なお、購買履歴データ２３０及び顧客データ２３１の入力手段は、入力処理部２６に限定されない。購買履歴データ２３０及び顧客データ２３１は、同一の百貨店Ａ〜Ｘ内の他のコンピュータ装置から通信処理部２４を介して入力されてもよいし、可搬型記憶媒体２５０から可搬型記憶媒体用ドライブ２５を介して入力されてもよい。

また、ＣＰＵ２０は、例えば、顧客分析装置１からの要求を受けたとき、または入力デバイス２６０で所定の入力操作が行われたとき、購買履歴データ２３０及び顧客データ２３１をＨＤＤ２３から読み出して、顧客分析装置１に送信する。さらに、ＣＰＵ２０は、顧客分析装置１から、顧客分析結果を示すデータを受信したとき、ＨＤＤ２３などの記憶手段に書き込み、ディスプレイ２７０に表示する。

図４は、実施例に係る顧客分析装置１を示す構成図である。顧客分析装置１は、ＣＰＵ（制御部）１０、ＲＯＭ１１、ＲＡＭ１２、ＨＤＤ１３、通信処理部１４、可搬型記憶媒体用ドライブ１５、入力処理部１６、及び画像処理部１７などを備えている。

ＣＰＵ１０は、演算処理手段であり、顧客分析プログラム（ソフトウェア）に従って、後述する顧客分析方法を実行する。ＣＰＵ１０は、各部１１〜１７とバス１８を介して接続されている。なお、顧客分析装置１は、ソフトウェアにより動作するものに限定されず、ＣＰＵ１０に代えて、特定用途向け集積回路などのハードウェアが用いられてもよい。

ＲＡＭ１２は、ＣＰＵ１０のワーキングメモリとして用いられる。また、ＲＯＭ１１及びＨＤＤ１３は、ＣＰＵ１０を動作させる顧客分析プログラムなどを記憶する記憶手段として用いられる。通信処理部１４は、例えばネットワークカードであり、ネットワークＮＷを介して、複数の端末装置２などと通信する通信手段である。

可搬型記憶媒体用ドライブ１５は、可搬型記憶媒体１５０に対して、情報の書き込みや情報の読み出しを行う装置である。可搬型記憶媒体１５０の例としては、ＵＳＢメモリ、ＣＤ−Ｒ、及びメモリカードなどが挙げられる。なお、顧客分析プログラムは、可搬型記憶媒体１５０に格納されてもよい。

顧客分析装置１は、情報の入力操作を行うための入力デバイス１６０、及び、画像を表示するためのディスプレイ１７０を、さらに備える。入力デバイス１６０は、キーボード及びマウスなどの入力手段であり、入力された情報は、入力処理部１６を介してＣＰＵ１０に出力される。

ディスプレイ１７０は、液晶ディスプレイなどの画像表示手段であり、表示される画像データは、ＣＰＵ１０から画像処理部１７を介してディスプレイに出力される。なお、入力デバイス１６０及びディスプレイ１７０に代えて、これらの機能を備えるタッチパネルなどのデバイスを用いることもできる。

ＣＰＵ１０は、ＲＯＭ１１、またはＨＤＤ１３などに格納されているプログラム、または可搬型記憶媒体用ドライブ１５が可搬型記憶媒体１５０から読み取ったプログラムを実行する。このプログラムには、ＯＳ（Operating System）だけでなく、上記の顧客分析プログラムも含まれる。なお、顧客分析プログラムは、通信処理部１４を介してダウンロードされたものであってもよい。

ＣＰＵ１０は、顧客分析プログラムを実行すると、複数の機能が形成される。図５は、顧客分析装置１の機能構成例を示す構成図である。図５には、ＣＰＵ１０に形成される機能及びＨＤＤ１３の格納情報の一例が示されている。

ＣＰＵ１０は、データクラスタリングにより顧客分析を行う。ＣＰＵ１０は、データ入力処理部１０１と、クラスタ生成部１０２と、クラスタ処理部１０３とを含む。クラスタ処理部１０３は、類似判定処理部１０３ａを有する。

ＨＤＤ１３は、クラスタ生成用データ１３１と、個社クラスタデータベース（ＤＢ：Data Base）１３２と、ユニバーサルクラスタデータベース（ＤＢ）１３３とを記憶する。また、ＨＤＤ１３は、ユニバーサルクラスタ候補データベース（ＤＢ）１３４と、分析結果データベース（ＤＢ）１３５とを記憶する。

データ入力処理部１０１には、端末装置２から通信処理部１４を介して購買履歴データ２３０及び顧客データ２３１が入力される。データ入力処理部１０１は、購買履歴データ２３０及び顧客データ２３１に基づいて、クラスタ生成用データ１３１を生成する。ここで、「クラスタ」とは、顧客を、各種の条件に従って、グループごとに分類することにより得られるデータの束、つまり、顧客のグループ情報を指す。

クラスタ生成部１０２は、クラスタ生成用データ１３１に基づいて、百貨店Ａ〜Ｘに関する個社クラスタを生成し、個社クラスタＤＢ１３２に格納する。個社クラスタは、百貨店Ａ〜Ｘごとに生成されたクラスタ、つまり、百貨店Ａ〜Ｘの個別のクラスタである。つまり、クラスタ生成部１０２は、購買履歴データ２３０に基づく複数の顧客グループ（個社クラスタ）の生成を複数の百貨店Ａ〜Ｘそれぞれの購買履歴データ２３０を用いて実行する。

クラスタ処理部１０３は、個社クラスタＤＢ１３２内の個社クラスタを、ユニバーサルクラスタＤＢ１３３内のユニバーサルクラスタと比較し、比較結果に応じて、ユニバーサルクラスタＤＢ１３３及びユニバーサルクラスタ候補ＤＢ１３４の少なくとも一方を更新する。ユニバーサルクラスタは、所定の条件に従って、類似性を有する複数の個社クラスタを束ねて得られる統合型クラスタである。また、ユニバーサルクラスタ候補は、既存のユニバーサルクラスタの何れとも類似性を有していない個社クラスタであって、新たなユニバーサルクラスタとなり得るユニバーサルクラスタの候補である。

クラスタ処理部１０３は、ユニバーサルクラスタ候補と類似性を有する個社クラスタを、当該ユニバーサルクラスタ候補に統合することにより、新たなユニバーサルクラスタを生成する。つまり、クラスタ処理部１０３は、クラスタ生成部１０２が生成した複数の顧客グループ（個社クラスタ）のうち、所定の類似関係を有する顧客グループを含む統合顧客グループ（ユニバーサルクラスタ）を生成する。

また、クラスタ処理部１０３は、ユニバーサルクラスタと類似性を有する個社クラスタを、当該ユニバーサルクラスタに含めることにより、当該ユニバーサルクラスタを更新する。つまり、クラスタ処理部１０３は、分析対象の百貨店Ｘの購買履歴データ２３０に基づいて生成した該分析対象の百貨店Ｘの顧客グループ（個社クラスタ）が、統合顧客グループ（ユニバーサルクラスタ）と所定の類似関係を有することを検出すると、該顧客グループを統合顧客グループに含めることで、統合顧客グループを更新する。ここで、クラスタ処理部１０３は、類似判定処理部１０３ａにより、クラスタ間の類似性を判定する。

このように、クラスタ処理部１０３は、個社クラスタに基づいてユニバーサルクラスタの更新を繰り返すことにより、ユニバーサルクラスタＤＢ１３３の内容を充実させ、更新されたユニバーサルクラスタを、さらなる百貨店の顧客分析に用いる。後述する顧客分析の例において、クラスタ処理部１０３は、百貨店Ａ，Ｂ，Ｃ，・・・の顧客分析処理により得られたユニバーサルクラスタを用いて、分析対象の百貨店Ｘの顧客分析を行う。

クラスタ処理部１０３は、分析結果を示す情報を、分析結果ＤＢ１３５に格納し、所定のタイミングで分析結果ＤＢ１３５から読み出して、端末装置２に送信する。分析結果を示す情報としては、ユニバーサルクラスタと非類似の個社クラスタ、及び、個社クラスタに類似するユニバーサルクラスタと当該個社クラスタの差異が挙げられる。ユニバーサルクラスタと非類似の個社クラスタは、分析対象の百貨店Ｘの特徴的な顧客グループとして処理される。

つまり、クラスタ処理部１０３は、分析対象の百貨店Ｘの購買履歴データ２３０に基づいて生成した該分析対象の百貨店Ｘのある顧客グループ（個社クラスタ）が、統合顧客グループ（ユニバーサルクラスタ）と所定の類似関係を有さないことを検出すると、該ある顧客グループを該分析対象の百貨店Ｘの特徴的グループとして出力する。また、クラスタ処理部１０３は、分析対象の百貨店Ｘの購買履歴データ２３０に基づいて生成した該分析対象の百貨店Ｘの顧客グループ（個社クラスタ）が、統合顧客グループ（ユニバーサルクラスタ）と所定の類似関係を有することを検出すると、該顧客グループと統合顧客グループとの間の差異を検出して、出力する。出力された分析結果の情報は、分析対象の百貨店Ｘにおいて、経営戦略の立案などに用いられる。以下に、上述した構成に基づく、顧客分析プログラムの詳細を述べる。

図６は、実施例に係る顧客分析プログラムのフローチャートである。図６は、１回の分析処理の流れを示す。

まず、データ入力処理部１０１は、端末装置２から購買履歴データ２３０及び顧客データ２３１を受信する（ステップＳｔ１）。次に、データ入力処理部１０１は、購買履歴データ２３０及び顧客データ２３１に基づいて、クラスタ生成用データ１３１を生成する（ステップＳｔ２）。

図７（ａ）は、クラスタ生成用データ１３１の一例を示す。クラスタ生成用データ１３１は、「顧客ＩＤ」及び「ブランド」情報を含む。「顧客ＩＤ」は、購買履歴データ２３０の顧客ＩＤに対応する。「ブランド」情報は、購買履歴データ２３０の「ブランド名」に対応し、一定期間内（例えば特定の年度内、特定の季節内など）におけるブランド種別（「Ａ」〜「Ｃ」）ごとの当該顧客の購買回数を示す。

例えば、顧客ＩＤ「０００１」について、ブランドＡ〜Ｃの各購買回数は、それぞれ、３回，２回，０回であり、顧客ＩＤ「０００２」について、ブランドＡ〜Ｃの各購買回数は、それぞれ、０回，１回，２回である。

次に、クラスタ生成部１０２は、クラスタ生成用データ１３１を読み出し、クラスタ生成用データ１３１に基づいて個社クラスタを生成する（ステップＳｔ３）。つまり、クラスタ生成部１０２は、購買履歴データ２３０及び顧客データ２３１に基づいて、データクラスタリングを行うことで、個社クラスタを生成する。生成された個社クラスタは、個社クラスタＤＢ１３２に格納される。

データクラスタリングの手法に限定はないが、一例として、図７（ａ）に示されたクラスタ生成用データ１３１に基づいて、顧客（顧客ＩＤ）を、３次元座標にマッピングする手法が挙げられる。

図７（ｂ）は、クラスタ生成用３次元座標の一例を示す。本例において、顧客（顧客ＩＤ）ごとの座標は、ブランドＡ〜Ｃの購入回数にそれぞれ対応する３つの座標軸Ａ〜Ｃにより規定される。

例えば、顧客ＩＤ「０００１」は、ブランドＡ〜Ｃの各購買回数が、それぞれ、３回，２回，０回であるため、当該座標は、（３，２，０）となる。また、顧客ＩＤ「０００２」は、ブランドＡ〜Ｃの各購買回数が、それぞれ、０回，１回，２回であるため、当該座標は、（０，１，２）となる。同様に、顧客ＩＤ「０００３」及び「０００４」の座標は、それぞれ、（２，２，１）及び（０，２，３）となる。

クラスタ生成部１０２は、マッピングされた座標が近い顧客ＩＤ同士を束ねることにより、顧客を複数のグループに分類することで、個社クラスタを生成する。例えば、顧客ＩＤ「０００１」及び「０００３」は、グループＧ１に分類され、顧客ＩＤ「０００２」及び「０００４」は、グループＧ２に分類される。グループＧ１に対応する個社クラスタＤＢ１３２は、ブランドＡ，Ｂの購買傾向が強い顧客グループを示し、グループＧ２に対応する個社クラスタＤＢ１３２は、ブランドＢ，Ｃの購買傾向が強い顧客グループを示す。

このように、クラスタ生成部１０２は、一例として、顧客ごとのブランドＡ〜Ｃの購買傾向に従って、個社クラスタを生成するため、購買傾向に従った顧客分析を可能とする。もっとも、個社クラスタを生成する基準は、ブランドＡ〜Ｃの購買傾向に限定されず、年齢層、居住地区、性別、及び購買の日付などの各種の情報（図３参照）であってもよい。

次に、クラスタ処理部１０３は、個社クラスタＤＢ１３２から、新たに生成された個社クラスタを読み出し、類似判定処理部１０３ａにより、当該個社クラスタと、ユニバーサルクラスタ及びユニバーサルクラスタ候補との類似判定処理を行う（ステップＳｔ４）。これにより、ユニバーサルクラスタＤＢ１３３及びユニバーサルクラスタ候補ＤＢ１３４の少なくとも一方が更新される。

図８は、クラスタの類似判定処理のフローチャートである。類似判定処理は、図６に示されたステップＳｔ４において実行される。

また、図８は、ステップＳｔ１１，Ｓｔ１４、Ｓｔ１７，Ｓｔ１９の処理の例を符号Ｃ１〜Ｃ４で示す。本例において、ユニバーサルクラスタＤＢ１３３には、ユニバーサルクラスタ「ＵＣ−１」〜「ＵＣ−３」が格納され、ユニバーサルクラスタ候補ＤＢ１３４には、ユニバーサルクラスタ候補「Ａ−２」、「Ｂ−３」、及び「Ｄ−４」が格納されている。また、個社クラスタＤＢ１３２には、分析対象の百貨店Ｘの個社クラスタ「Ｘ−１」〜「Ｘ−３」が格納されている。

まず、類似判定処理部１０３ａは、個社クラスタ「Ｘ−１」〜「Ｘ−３」とユニバーサルクラスタ「ＵＣ−１」〜「ＵＣ−３」を比較することで類似判定を行う（ステップＳｔ１１）。このとき、類似判定処理部１０３ａは、符号Ｃ１で示されるように、個社クラスタ「Ｘ−１」〜「Ｘ−３」とユニバーサルクラスタ「ＵＣ−１」〜「ＵＣ−３」の全ての組み合わせについて類似性の有無を判定する。クラスタ間の類似性の有無の判定手段は、限定されないが、例えば、以下に述べるように、各クラスタの１以上の指標を比較することで類似性を判定してもよい。

図９は、類似判定処理に用いられる指標の例を示す。指標としては、例えば、ＲＦＭ値と顧客の属性及び購買内容が挙げられる。

ＲＦＭ値は、「Recency」、「Frequency」、及び「Monetary」を含む。「Recency」は、顧客が最後に購買した日付からの経過日数を示す。「Frequency」は、顧客の購買の頻度を示す。「Monetary」は、顧客の購買の金額を示す。

「Recency」、「Frequency」、及び「Monetary」の３つの指標の値（以下、「指標値」と表記）ごとの顧客数の分布の中央値または平均値を、３次元座標を用いて比較することで、クラスタの類似性を判定することができる。

顧客の属性は、「年齢層」、「男女比」、及び「居住地区分布」を含む。「年齢層」、「性別」、及び「居住地区」は、顧客データ２３１の「年齢」情報、「性別」情報、及び「郵便番号」からそれぞれ取得される。

「年齢層」の指標値としては、例えば、顧客の年齢分布、中央値、及び平均値が用いられる。「性別」の指標値としては、例えば、男女比及び人数が挙げられる。「居住地区」の指標値としては、例えば、地区ごとの人数及び分布が挙げられる。

顧客の購買内容は、「ブランド」、「金額」、「来店頻度」、及び「来店人数」を含む。「ブランド」、「金額」、「来店頻度」、及び「来店人数」は、購買履歴データ２３０の「ブランド名」情報及び「買上日」情報などから取得される。

「ブランド」の指標値としては、例えば、顧客が購買した特徴的なブランド及びブランドのランキングが挙げられる。「金額」の指標値としては、例えば、顧客の年間の買上額、１回の来店ごとの買上額、及び曜日ごとの買上額が挙げられる。「来店頻度」の指標値としては、例えば、顧客の１週間内の来店日数及び１か月内の来店日数が挙げられる。「来店人数」の指標値としては、例えば、顧客の曜日ごとの来店人数が挙げられる。

このように、クラスタ間の類似性の判定には、各種の指標値を用いることができる。以下の例では、２つの指標値の変化特性を判定に用いる場合を例に挙げて説明する。

図１０は、指標の変化特性を示すグラフである。図１０は、期間がｔ１からｔ２に移行した場合における、クラスタ「Ａ−１」、「Ｂ−１」、「Ｃ−１」の指標値ｘ、ｙの変化特性を示す。なお、期間ｔ１、ｔ２は、特定の年度（例えば、２０１２年度、２０１３年度など）であってもよいし、百貨店Ａ〜Ｘの同一のイベント（販促、売場施策の実施など）を挟んだ前後の期間であってもよい。

「Ａ（ｔ１）−１」、「Ｂ（ｔ１）−１」、「Ｃ（ｔ１）−１」は、期間ｔ１における「Ａ−１」、「Ｂ−１」、「Ｃ−１」の指標値の座標（ｘ、ｙ）を示す。また、「Ａ（ｔ２）−１」、「Ｂ（ｔ２）−１」、「Ｃ（ｔ２）−１」は、期間ｔ２における「Ａ−１」、「Ｂ−１」、「Ｃ−１」の指標値の座標（ｘ、ｙ）を示す。例えば、「Ａ−１」の指標値（ｘ、ｙ）は、（ｘａ１、ｙａ１）から（ｘａ２、ｙａ２）に変化し、「Ｂ−１」の指標値（ｘ、ｙ）は、（ｘｂ１、ｙｂ１）から（ｘｂ２、ｙｂ２）に変化する。

類似判定処理部１０３ａは、各クラスタの指標値ｘ、ｙの変化特性を比較し、比較結果、同一の変化傾向を示すクラスタ同士を類似性有りと判定する。本例では、「Ａ−１」及び「Ｂ−１」の指標値ｘ、ｙが同一の変化傾向を示すため、「Ａ−１」及び「Ｂ−１」は類似性を有するクラスタであると判定される。以下に、類似性の判定手段（１）〜（３）について例を挙げて説明する。

（判定手段（１））
図１１（ａ）は、判定手段（１）によるクラスタの類似性の判定例を示す。判定手段（１）では、期間がｔ１からｔ２になったとき、各指標値ｘ、ｙの変化方向が、「増加」、「減少」、及び「変化なし」の何れであるかを検出し、両方の指標値ｘ、ｙの変化方向が一致した場合、当該クラスタ同士は類似性を有すると判定する。なお、図１１（ａ）〜図１１（ｃ）において、「Ｎｏ．」は判定例を区別するための番号を示す。

図１０の例の場合、「Ａ（ｔ２）−１」の指標値ｘａ２は、「Ａ（ｔ１）−１」の指標値ｘａ１より大きいため、「Ａ−１」の指標値ｘは「増加」を示す。また、「Ａ（ｔ２）−１」の指標値ｙａ２は、「Ａ（ｔ１）−１」の指標値ｙａ１より大きいため、「Ａ−１」の指標値ｙは「増加」を示す。一方、「Ｃ−１」の指標値ｘ、ｙは、ともに「減少」を示す。なお、指標値ｘ、ｙの変化率が、例えば５（％）未満である場合、指標値ｘ、ｙは、「変化なし」と判断される。

「Ｎｏ．１」は、クラスタ「Ａ−１」及び「Ｂ−１」の判定例を示す。「Ａ−１」の各指標値ｘ、ｙは、「増加」を示し、「Ｂ−１」の各指標値ｘ、ｙも、「増加」を示す。つまり、「Ａ−１」及び「Ｂ−１」の変化方向は一致する。このため、「Ａ−１」及び「Ｂ−１」の類似性は、「有」と判定される。

「Ｎｏ．２」は、クラスタ「Ａ−１」及び「Ｃ−１」の判定例を示す。「Ａ−１」の各指標値ｘ、ｙは、「増加」を示し、「Ｃ−１」の各指標値ｘ、ｙは、「減少」を示す。つまり、「Ａ−１」及び「Ｃ−１」の変化方向は一致しない。このため、「Ａ−１」及び「Ｃ−１」の類似性は、「無」と判定される。

「Ｎｏ．３」は、クラスタ「Ｄ−１」及び「Ｅ−１」の判定例を示す。「Ｄ−１」の各指標値ｘ、ｙは、「増加」及び「減少」をそれぞれ示し、「Ｅ−１」の各指標値ｘ、ｙは、「減少」及び「増加」をそれぞれ示す。つまり、「Ｄ−１」及び「Ｅ−１」の変化方向は一致しない。このため、「Ｄ−１」及び「Ｅ−１」の類似性は、「無」と判定される。

「Ｎｏ．４」は、クラスタ「ＵＣ−２」及び「Ｘ−１」の判定例を示す。「ＵＣ−２」の各指標値ｘ、ｙは、「増加」及び「変化なし」をそれぞれ示し、「Ｘ−１」の各指標値ｘ、ｙは、「増加」及び「変化なし」をそれぞれ示す。つまり、「ＵＣ−２」及び「Ｘ−１」の変化方向は一致する。このため、「ＵＣ−２」及び「Ｘ−１」の類似性は、「有」と判定される。

このように、判定手段（１）では、指標値ｘ、ｙの変化方向が、「増加」、「減少」、及び「変化なし」の何れかであるかを検出するだけで、類似性を容易に判定できる。

（判定手段（２））
図１１（ｂ）は、判定手段（２）によるクラスタの類似性の判定例を示す。判定手段（２）では、指標値ｘ、ｙの変化方向（増加または減少）が一致し、各期間ｔ１、ｔ２におけるクラスタ間の指標値ｘ、ｙの差分の比率Δｘ、Δｙが、それぞれ、所定の閾値ＴＨｘ、ＴＨｙ未満である場合、当該クラスタ同士は類似性を有すると判定する。ここで、比率Δｘ、Δｙは、比較されるクラスタの一方を基準として算出される。

図１０の例において、「Ａ−１」及び「Ｂ−１」を比較する場合、指標値ｘの期間ｔ１の差分の比率Δｘ（ｔ１）は、｜ｘｂ１−ｘａ１｜／ｘａ１×１００であり、指標値ｘの期間ｔ２の差分の比率Δｘ（ｔ２）は、｜ｘｂ２−ｘａ２｜／ｘａ２×１００である。また、指標値ｙの期間ｔ１の差分の比率Δｙ（ｔ１）は、｜ｙｂ１−ｙａ１｜／ｙａ１×１００であり、指標値ｙの期間ｔ２の差分の比率Δｙ（ｔ２）は、｜ｙｂ２−ｙａ２｜／ｙａ２×１００である。なお、指標値ｘ、ｙの変化特性（増加）は一致する。なお、比率Δｘ（ｔ１）、Δｘ（ｔ２）、Δｙ（ｔ１）、Δｙ（ｔ２）は、クラスタ「Ａ−１」を基準として算出されている。

Δｘ（ｔ１）＜ＴＨｘ ・・・式（１）
Δｘ（ｔ２）＜ＴＨｘ ・・・式（２）
Δｙ（ｔ１）＜ＴＨｙ ・・・式（３）
Δｙ（ｔ２）＜ＴＨｙ ・・・式（４）

したがって、上記の式（１）〜（４）の全てが成立すれば、「Ａ−１」及び「Ｂ−１」は、類似性を有すると判定される。なお、以下の判定例では、ＴＨｘ＝２０（％）及びＴＨｙ＝５（％）とする。

「Ｎｏ．５」は、クラスタ「Ａ−１」及び「Ｂ−１」の判定例を示す。「Ａ−１」の各指標値ｘ、ｙは、「増加」を示し、「Ｂ−１」の各指標値ｘ、ｙも、「増加」を示す。つまり、「Ａ−１」及び「Ｂ−１」の変化方向は一致する。

また、「Ａ−１」及び「Ｂ−１」の指標値ｘ、ｙの差分の比率Δｘ（ｔ１）、Δｘ（ｔ２）、Δｙ（ｔ１）、Δｙ（ｔ２）は、上記の式（１）〜（４）をそれぞれ満たす。このため、「Ａ−１」及び「Ｂ−１」の類似性は、「有」と判定される。

「Ｎｏ．６」は、クラスタ「Ｃ−１」及び「Ｄ−１」の判定例を示す。「Ｃ−１」の各指標値ｘ、ｙは、「増加」及び「減少」をそれぞれ示し、「Ｄ−１」の各指標値ｘ、ｙも、「増加」及び「減少」をそれぞれ示す。つまり、「Ｃ−１」及び「Ｄ−１」の変化方向は一致する。

また、「Ｃ−１」及び「Ｄ−１」の指標値ｘ、ｙの差分の比率Δｘ（ｔ１）、Δｙ（ｔ１）は、上記の式（１）、（３）をそれぞれ満たすが、差分の比率Δｘ（ｔ２）、Δｙ（ｔ２）は、上記の式（２）、（４）をそれぞれ満たさない。このため、「Ｃ−１」及び「Ｄ−１」の類似性は、「無」と判定される。

このように、判定手段（２）では、指標値ｘ、ｙの変化方向だけでなく、クラスタ間の指標値ｘ、ｙの差分の比率Δｘ、Δｙに基づいて、判定手段（１）より高精度に類似性を判定できる。

（判定手段（３））
図１１（ｃ）は、判定手段（３）によるクラスタの類似性の判定例を示す。判定手段（３）では、期間がｔ１からｔ２になったときの指標値ｘ、ｙの変化率Ｒｘ、Ｒｙのクラスタ間の差分ΔＲｘ、ΔＲｙが、それぞれ、所定の閾値ＴＨｒｘ、ＴＨｒｙ未満である場合、当該クラスタ同士は類似性を有すると判定する。なお、判定手段（３）においても、指標値ｘ、ｙの変化方向の一致は、類似性の条件とされる。

図１０の例において、「Ａ−１」及び「Ｂ−１」を比較する場合、「Ａ−１」の指標値ｘの変化率Ｒｘ（Ａ）は、（ｘａ２−ｘａ１）×１００／ｘａ１であり、「Ｂ−１」の指標値ｘの変化率Ｒｘ（Ｂ）は、（ｘｂ２−ｘｂ１）×１００／ｘｂ１である。また、「Ａ−１」の指標値ｙの変化率Ｒｙ（Ａ）は、（ｙａ２−ｙａ１）×１００／ｙａ１であり、「Ｂ−１」の指標値ｙの変化率Ｒｙ（Ｂ）は、（ｙｂ２−ｙｂ１）×１００／ｙｂ１である。

ΔＲｘ＝Ｒｘ（Ａ）−Ｒｘ（Ｂ）＜ＴＨｒｘ ・・・式（５）
ΔＲｙ＝Ｒｙ（Ａ）−Ｒｙ（Ｂ）＜ＴＨｒｙ ・・・式（６）

したがって、上記の式（５）、（６）の全てが成立すれば、「Ａ−１」及び「Ｂ−１」は、類似性を有すると判定される。なお、以下の判定例では、ＴＨｒｘ＝２０（％）及びＴＨｒｙ＝５（％）とする。

「Ｎｏ．７」は、クラスタ「Ａ−１」及び「Ｂ−１」の判定例を示す。「Ａ−１」の各指標値ｘ、ｙは、「増加」を示し、「Ｂ−１」の各指標値ｘ、ｙも、「増加」を示す。つまり、「Ａ−１」及び「Ｂ−１」の変化方向は一致する。

また、「Ａ−１」及び「Ｂ−１」の指標値ｘの変化率Ｒｘは、それぞれ、１０（％）及び２０（％）であるので、その差分ΔＲｘは、１０（％）である。一方、「Ａ−１」及び「Ｂ−１」の指標値ｙの変化率Ｒｙは、それぞれ、１０（％）及び１３（％）であるので、その差分ΔＲｙは、３（％）である。したがって、差分ΔＲｘ、ΔＲｙは、上記の式（５）、（６）をそれぞれ満たす。このため、「Ａ−１」及び「Ｂ−１」の類似性は、「有」と判定される。

「Ｎｏ．８」は、クラスタ「Ｃ−１」及び「Ｄ−１」の判定例を示す。「Ｃ−１」の各指標値ｘ、ｙは、「増加」を示し、「Ｄ−１」の各指標値ｘ、ｙも、「増加」を示す。つまり、「Ｃ−１」及び「Ｄ−１」の変化方向は一致する。

また、「Ｃ−１」及び「Ｄ−１」の指標値ｘの変化率Ｒｘは、ともに１０（％）であるので、その差分ΔＲｘは、０（％）である。一方、「Ｃ−１」及び「Ｄ−１」の指標値ｙの変化率Ｒｙは、それぞれ、３５（％）及び２０（％）であるので、その差分ΔＲｙは、１５（％）である。したがって、差分ΔＲｘは、上記の式（５）を満たすが、差分ΔＲｙは、上記の式（６）を満たさない。このため、「Ｃ−１」及び「Ｄ−１」の類似性は、「無」と判定される。

このように、判定手段（３）では、指標値ｘ、ｙの変化方向だけでなく、クラスタ間の指標値ｘ、ｙの変化率Ｒｘ，Ｒｙの差分ΔＲｘ、ΔＲｙに基づいて、判定手段（１）より高精度に類似性を判定できる。

再び図８を参照すると、クラスタ処理部１０３は、比較の結果、個社クラスタがユニバーサルクラスタの何れにも類似しない場合（ステップＳｔ１２のＮｏ）、当該個社クラスタを特徴的顧客グループとして、分析結果ＤＢ１３５に格納する（ステップＳｔ１３）。すなわち、クラスタ処理部１０３は、分析対象の百貨店Ｘの購買履歴データ２３０に基づいて生成した該分析対象の百貨店Ｘのある顧客グループが、統合顧客グループと所定の類似関係を有さないことを検出すると、該ある顧客グループを該分析対象の百貨店Ｘの特徴的グループとして出力する。

次に、類似判定処理部１０３ａは、当該個社クラスタとユニバーサルクラスタ候補と比較する（ステップＳｔ１４）。ここで、個社クラスタ「Ｘ−３」が「ＵＣ−１」〜「ＵＣ−３」と類似性がない場合、符号Ｃ２で示されるように、「Ｘ−３」は、ユニバーサルクラスタ候補ＤＢ１３４内の全てのユニバーサルクラスタ候補「Ａ−２」、「Ｂ−３」、及び「Ｄ−４」との間で類似性が判定される。なお、類似性の判定手段については、図１１を参照して述べた通りである。

クラスタ処理部１０３は、比較の結果、個社クラスタがユニバーサルクラスタ候補の何れにも類似しない場合（ステップＳｔ１５のＮｏ）、当該個社クラスタを、ユニバーサルクラスタ候補としてユニバーサルクラスタ候補ＤＢ１３４に追加し（ステップＳｔ１６）、処理を終了する。つまり、クラスタ処理部１０３は、ユニバーサルクラスタ候補の何れにも類似関係を有していない顧客グループを検出し、ユニバーサルクラスタ候補に含めることにより、ユニバーサルクラスタ候補ＤＢ１３４を更新する。これにより、新たな統合顧客グループ（ユニバーサルクラスタ）になり得る顧客グループのクラスタが、新たなユニバーサルクラスタ候補としてユニバーサルクラスタ候補ＤＢ１３４に追加される。

また、クラスタ処理部１０３は、比較の結果、個社クラスタがユニバーサルクラスタ候補の何れかに類似する場合（ステップＳｔ１５のＹｅｓ）、当該個社クラスタを、当該ユニバーサルクラスタ候補とマージすることで、新たなユニバーサルクラスタを生成する（ステップＳｔ１７）。例えば、個社クラスタ「Ｘ−３」とユニバーサルクラスタ候補「Ｂ−３」が類似する場合、符号Ｃ４で示されるように、「Ｘ−３」及び「Ｂ−３」は統合され、新たなユニバーサルクラスタ「ＵＣ−４」が生成される。クラスタ処理部１０３は、生成したユニバーサルクラスタをユニバーサルクラスタＤＢ１３３に追加して、処理を終了する。

このように、クラスタ処理部１０３は、統合顧客グループ（ユニバーサルクラスタ）の候補と所定の類似関係を有している顧客グループ（個社クラスタ）を検出する。クラスタ処理部１０３は、検出した顧客グループを、統合顧客グループの候補（ユニバーサルクラスタ候補）に含めることにより、新たな統合顧客グループを生成する。したがって、顧客分析が繰り返されるほど、ユニバーサルクラスタＤＢ１３３の内容が充実し、高精度な顧客分析が可能となる。

なお、ユニバーサルクラスタＤＢ１３３に格納済みの「ＵＣ−１」〜「ＵＣ−３」も、ステップＳｔ１７の処理を経て生成されたものである。つまり、ステップＳｔ１１において分析対象の百貨店Ｘの個社クラスタ「Ｘ−１」〜「Ｘ−３」と比較される「ＵＣ−１」〜「ＵＣ−３」は、過去の顧客分析において実行されたステップＳｔ１７の処理により生成されたものである。

また、個社クラスタが、ユニバーサルクラスタの何れかと類似する場合（ステップＳｔ１２のＹｅｓ）、クラスタ処理部１０３は、当該個社クラスタと当該ユニバーサルクラスタの差異を検出する（ステップＳｔ１８）。個社クラスタとユニバーサルクラスタの差異を示す情報は、分析結果ＤＢ１３５に格納される。つまり、クラスタ処理部１０３は、分析対象の百貨店Ｘの購買履歴データ２３０に基づいて生成された分析対象の百貨店Ｘの顧客グループ（個社クラスタ）が、統合顧客グループ（ユニバーサルクラスタ）と所定の類似関係を有することを検出すると、該顧客グループと統合顧客グループとの間の差異を検出して、出力する。

次に、クラスタ処理部１０３は、当該個社クラスタと当該ユニバーサルクラスタをマージすることにより、ユニバーサルクラスタＤＢ１３３を更新し（ステップＳｔ１９）、処理を終了する。例えば、個社クラスタ「Ｘ−１」とユニバーサルクラスタ「ＵＣ−１」が類似する場合、符号Ｃ３で示されるように、「Ｘ−１」及び「ＵＣ−１」は統合され、「ＵＣ−１’」が生成される。また、個社クラスタ「Ｘ−２」とユニバーサルクラスタ「ＵＣ−２」が類似する場合、「Ｘ−２」及び「ＵＣ−２」は統合され、「ＵＣ−２’」が生成される。なお、生成された「ＵＣ−１’」及び「ＵＣ−２’」は、ユニバーサルクラスタＤＢ１３３に格納される。

このように、クラスタ処理部１０３は、分析対象の百貨店Ｘの購買履歴データ２３０に基づいて生成された該分析対象の百貨店Ｘの顧客グループ（個社クラスタ）が、統合顧客グループ（ユニバーサルクラスタ）と所定の類似関係を有することを検出する。クラスタ処理部１０３は、該顧客グループを統合顧客グループに含めることにより、統合顧客グループを更新する。クラスタ処理部１０３は、更新された統合顧客グループを、さらなる百貨店の顧客分析に用いる。したがって、顧客分析が行われるほど、ユニバーサルクラスタＤＢ１３３の内容が充実し、高精度な顧客分析が可能となる。このようにして、クラスタ間の類似性の判定処理は行われる。

再び図６を参照すると、クラスタ処理部１０３は、上記のステップＳｔ１３，Ｓｔ１８で得た分析結果を、分析結果ＤＢ１３５から読み出して、通信処理部１４を介して端末装置２に出力（送信）する（ステップＳｔ５）。このようにして、顧客分析処理は行われる。

上述したように、顧客分析の結果は、分析結果ＤＢ１３５に一時的に格納された後、端末装置２に送信される。百貨店Ａ〜Ｘでは、端末装置２から分析結果が取り出され、経営戦略に活用される。

図１２は、分析結果の出力例を示す。本例において、ユニバーサルクラスタＤＢ１３３には、ユニバーサルクラスタ「ＵＣ−１」及び「ＵＣ−２」が格納され、個社クラスタＤＢ１３２には、分析対象の百貨店Ｘの個社クラスタ「Ｘ−１」〜「Ｘ−３」が格納されている。「Ｘ−１」及び「Ｘ−２」は、「ＵＣ−１」及び「ＵＣ−２」と類似性をそれぞれ有し、「Ｘ−３」は、「ＵＣ−１」及び「ＵＣ−２」の何れとも類似性を有していない。

このため、「Ｘ−３」は、分析対象の百貨店Ｘの特徴的顧客グループとして、分析結果ＤＢ１３５に格納される。また、「Ｘ−１」及び「ＵＣ−１」の差異を示す情報と、「Ｘ−２」及び「ＵＣ−２」の差異を示す情報も、分析結果ＤＢ１３５に格納される。

図１３は、個社クラスタとユニバーサルクラスタの差異の出力例を示す。本例は、ユニバーサルクラスタ「ＵＣ−１」と個社クラスタ「Ｘ−１」の差異の情報を「項目」ごとに示す。

差異の「項目」としては、例えば、顧客の「購買内容」（商品のカテゴリなど）、「金額／来店頻度」（年度ごと、月ごと、曜日ごとの数値など）、「年齢層」（年齢分布など）、「性別」（男女比など）、及び「居住地区」（居住地区分布など）が挙げられる。このように、個社クラスタと、当該個社クラスタと類似するユニバーサルクラスタとの差異を、分析結果として出力することにより、分析対象の百貨店Ｘの顧客に関し、他の顧客と比較した詳細な情報が得られる。以下に、分析結果の活用に関して、顧客分析の例を挙げて説明する。

（顧客分析の例）
図１４は、顧客分析の例における分析処理前のクラスタを示す。より具体的には、図１４（ａ）は、各クラスタＤＢ１３２〜１３４に格納済みのクラスタを示す。

ユニバーサルクラスタＤＢ１３３には、ユニバーサルクラスタ「ＵＣ−１」〜「ＵＣ−１０」が格納され、ユニバーサルクラスタ候補ＤＢ１３４には、ユニバーサルクラスタ候補「Ａ−４」（百貨店Ａの個社クラスタから生成）及び「Ｃ−５」（百貨店Ｃの個社クラスタから生成）が格納されている。個社クラスタＤＢ１３２には、百貨店Ａの個社クラスタ「Ａ−１」〜「Ａ−７」、百貨店Ｂの個社クラスタ「Ｂ−１」〜「Ｂ−５」、及び百貨店Ｃの個社クラスタ「Ｃ−１」〜「Ｃ−１０」が格納されている。なお、格納済みの「ＵＣ−１」〜「ＵＣ−１０」は、百貨店Ａ〜Ｃの個社クラスタから生成されたものである。

また、分析対象の百貨店Ｘの端末装置２からは、上述した購買履歴データ２３０及び顧客データ２３１が取得される。購買履歴データ２３０及び顧客データ２３１は、一例として、１年分のデータ量が分析に使用される。

図１４（ｂ）は、百貨店Ｘの個社クラスタ「Ｘ−１」〜「Ｘ−１２」を示す。「Ｘ−１」〜「Ｘ−１２」は、購買履歴データ２３０及び顧客データ２３１から生成され、個社クラスタＤＢ１３２に格納される。

「Ｘ−１」〜「Ｘ−１２」は、それぞれ、１万人の顧客の購買内容に基づいて生成される。なお、「Ｘ−１」〜「Ｘ−１２」の枠内には、当該顧客グループに属する顧客の顧客ＩＤが示されている。

図１５は、顧客分析の例におけるクラスタの類似判定の結果を示す。本例では、「Ｘ−３」〜「Ｘ−１２」は、「ＵＣ−１」〜「ＵＣ−１０」の何れかと類似性が有ると判定され（「類似性有」参照）、「Ｘ−１」及び「Ｘ−２」は、「ＵＣ−１」〜「ＵＣ−１０」の何れとも類似性を有していないと判定される（「類似性無」参照）。

「Ｘ−１」及び「Ｘ−２」は、ユニバーサルクラスタと類似性がない特徴的顧客グループとして、百貨店Ｘの端末装置２に送信される。百貨店Ｘにおいて、「Ｘ−１」及び「Ｘ−２」は、他の百貨店Ａ、Ｂ，Ｃ，・・・には存在しない独自の顧客グループとして分析され、例えば、当該顧客グループを維持しつつ、売上を向上させるための施策の検討に活用される。このような施策としては、例えば、当該顧客グループが頻繁に購入するブランド品を充実させること（商品施策）が挙げられる。

図１６は、顧客分析の例におけるユニバーサルクラスタ及びユニバーサルクラスタ候補の変更処理を示す。より具体的には、図１６（ａ）は、ユニバーサルクラスタの更新処理を示す。点線枠で囲まれたユニバーサルクラスタと個社クラスタは、互いに類似するため、統合されることにより、矢印で示されたユニバーサルクラスタに更新される。

例えば、「ＵＣ−１」及び「Ｘ−１１」は、「ＵＣ−１’」に統合され、「ＵＣ−２」及び「Ｘ−１２」は、「ＵＣ−２’」に統合（マージ）される。このとき、上述したように、互いに類似するユニバーサルクラスタと個社クラスタの差分を示す情報（図１３参照）が、分析対象の百貨店Ｘの端末装置２に送信される（「差異出力」参照）。

百貨店Ｘにおいて、「Ｘ−３」〜「Ｘ−１２」に関する差分を示す情報は、例えば、百貨店Ｘの顧客基盤の強弱の評価（いわゆるベンチマーク評価）に活用される。さらに、百貨店Ｘでは、当該評価の結果を分析し、「Ｘ−３」〜「Ｘ−１２」の顧客グループを独占的に確保することによる売上向上のための施策が検討される。このような施策としては、例えば、当該顧客グループが、他の百貨店Ａ、Ｂ，Ｃ，・・・で購入し、百貨店Ｘでは購入していないブランドの商品を見つけて、商品や売場の見直しを行うこと（商品施策／売場施策）が挙げられる。

また、図１６（ｂ）は、ユニバーサルクラスタの追加処理及びユニバーサルクラスタ候補の更新処理を示す。「Ａ−４」及び「Ｘ−１」は、互いに類似するため、統合されて、新たなユニバーサルクラスタ「ＵＣ−１１」が生成される。また、「Ｘ−２」は、ユニバーサルクラスタ及びユニバーサルクラスタ候補の何れにも類似しないため、新たなユニバーサルクラスタ候補としてユニバーサルクラスタ候補ＤＢ１３４に追加される。

図１７は、顧客分析の例における分析処理後のクラスタを示す。ユニバーサルクラスタＤＢ１３３には、更新されたユニバーサルクラスタ「ＵＣ−１’」〜「ＵＣ−１０’」、及び、追加されたユニバーサルクラスタ「ＵＣ−１１」が格納されている。ユニバーサルクラスタ候補ＤＢ１３４には、追加されたユニバーサルクラスタ候補「Ｘ−２」、及び、分析処理後も残留するユニバーサルクラスタ候補「Ｃ−５」が格納されている。なお、ユニバーサルクラスタ候補「Ａ−４」は、個社クラスタ「Ｘ−１」と統合され、ユニバーサルクラスタ「ＵＣ−１１」に変更されたため、ユニバーサルクラスタ候補ＤＢ１３４から削除される。

個社クラスタＤＢ１３２には、百貨店Ａの個社クラスタ「Ａ−１」〜「Ａ−７」、百貨店Ｂの個社クラスタ「Ｂ−１」〜「Ｂ−５」、及び百貨店Ｃの個社クラスタ「Ｃ−１」〜「Ｃ−１０」が格納されている。さらに、個社クラスタＤＢ１３２には、分析対象の百貨店Ｘの個社クラスタ「Ｘ−１」〜「Ｘ−１２」が追加され、格納されている。

このように、各クラスタＤＢ１３２〜１３５は、顧客分析が行われるたびに更新される。以下に、ユニバーサルクラスタ及びユニバーサルクラスタ候補の更新について、例を挙げて説明する。

図１８は、ユニバーサルクラスタの更新の一例を示す。図１８には、更新前のユニバーサルクラスタＤＢ１３３の内容と、更新前の個社クラスタＤＢ１３２の内容と、更新後のユニバーサルクラスタＤＢ１３３の内容とが示されている。本例では、ユニバーサルクラスタ「ＵＣ−２」及び個社クラスタ「Ｘ−１」を統合することで、「ＵＣ−２」を「ＵＣ−２’」に変更する場合を示す。

本例において、クラスタは、「人数」情報と、「年間購買金額」情報と、「年齢」情報と、「元クラスタ」情報とを含む。「人数」情報は、当該クラスタに属する顧客の人数を示す。例えば、「ＵＣ−１」及び「ＵＣ−２」には、１０００００人の顧客が属し、「Ｘ−１」及び「Ｘ−２」には、１００００人の顧客が属する。

「年間購買金額」情報は、金額の程度（「Ｌｏｗ」（少）、「Ｍｉｄｄｌｅ」（中）、「Ｈｉｇｈ」（多））ごとに顧客を分類したときの顧客の人数の比率を示す。例えば、「ＵＣ−２」の「年間購買金額」情報の「Ｌｏｗ」は、１０（％）であるので、当該顧客の人数は、１００００人（＝１０００００人（「人数」参照）×１０（％））である。「Ｘ−１」の「年間購買金額」情報の「Ｌｏｗ」は、１２（％）であるので、当該顧客の人数は、１２００人（＝１００００人（「人数」参照）×１２（％））である。

「年齢」情報は、性別（「男性」及び「女性」）ごとに、年齢層（「２０代」〜「８０代」）ごとの顧客の人数の比率を示す。「元クラスタ」情報は、ユニバーサルクラスタだけに設けられ、当該ユニバーサルクラスタの生成元となった個社クラスタを示す。例えば、「ＵＣ−２」は、「Ｂ−１」及び「Ａ−３」を統合することで生成されたため、「元クラスタ」情報は、「Ｂ−１」及び「Ａ−３」を示す。

本例において、互いに類似する「ＵＣ−２」及び「Ｘ−１」を統合することにより、「ＵＣ−２」を更新した場合、更新後の「ＵＣ−２’」の「人数」情報は、１１００００人を示す。これは、「ＵＣ−２」の「人数」（１０００００人）と「Ｘ−１」の「人数」（１００００人）を合計することにより算出される。

また、「ＵＣ−２’」の「年間購買金額」情報の「Ｌｏｗ」は、１０．１（％）を示す。これは、上記の「ＵＣ−２」の該当人数（１００００人）及び「Ｘ−１」の該当人数（１２００人）の合計を、「ＵＣ−２」の「人数」（１０００００人）と「Ｘ−１」の「人数」（１００００人）の合計（１１００００人）で除算することにより算出される。

また、「ＵＣ−２’」の「元クラスタ」情報には、統合対象の個社クラスタ「Ｘ−１」が追加される。この更新処理は、以下に述べるように、個社クラスタ及びユニバーサルクラスタ候補から新たなユニバーサルクラスタを生成し、ユニバーサルクラスタＤＢ１３３に追加する場合も同様である。

図１９は、新たなユニバーサルクラスタの生成の一例を示す。図１９には、更新前のユニバーサルクラスタ候補ＤＢ１３４の内容と、更新前の個社クラスタＤＢ１３２の内容と、更新後のユニバーサルクラスタＤＢ１３３の内容とが示されている。本例では、互いに類似するユニバーサルクラスタ候補「Ｂ−３」及び個社クラスタ「Ｘ−３」を統合することで、新たなユニバーサルクラスタ「ＵＣ−４」を生成し、追加する場合を示す。なお、クラスタに含まれる情報は、図１８を参照して述べた通りである。

更新前の「Ｂ−３」の「人数」は５０００人であり、更新前の「Ｘ−３」の「人数」は１００００人である。したがって、「ＵＣ−４」の「人数」は、５０００人と１００００人の合計から、１５０００人と算出される。

また、更新前の「Ｂ−３」の「年間購買金額」情報の「Ｌｏｗ」は、５（％）であるので、当該顧客の人数は、２５０人（＝５０００人（「人数」参照）×５（％））である。更新前の「Ｘ−３」の「年間購買金額」情報の「Ｌｏｗ」は、５（％）であるので、当該顧客の人数は、５００人（＝１００００人（「人数」参照）×５（％））である。

したがって、「ＵＣ−４」の「年間購買金額」情報の「Ｌｏｗ」は、「Ｂ−３」の該当人数（２５０人）及び「Ｘ−３」の該当人数（５００人）の合計を、「ＵＣ−４」の「人数」（１５０００人）で除算することにより、５（％）と算出される。また、「ＵＣ−４」の「元クラスタ」情報は、統合元の「Ｂ−３」及び「Ｘ−３」を示す。

このように、ユニバーサルクラスタＤＢ１３３の内容は、顧客分析が行われるたび、更新されるため、個社クラスタの比較対象のデータとしての精度が向上する。

図２０は、分析対象の百貨店Ｘの個社クラスタの内容の一例を示す。なお、個社クラスタに含まれる情報のうち、図１８と共通する情報に関しては、説明を省略する。

個社クラスタ「Ｘ−１」〜「Ｘ−１０」は、「人数」情報と、「年齢」情報と、「居住地区」情報と、「年間購買金額」情報と、「特徴的なブランド」情報と、「年間来店日数」情報と、「ＵＣとの類似性」情報とを含む。「居住地区」情報は、地区（「Ａ地区」〜「Ｃ地区」）ごとの顧客の人数の比率を示す。

「特徴的なブランド」情報は、顧客が購買するブランドのうち、代表的なブランドを示す。「年間来店日数」情報は、１年内の顧客の来店の日数を示す。

「ＵＣとの類似性」情報は、当該個社クラスタが、ユニバーサルクラスタの何れかと類似性を有する場合、「有」を示し、ユニバーサルクラスタの何れとも類似性を有していない場合、「無」を示す。本例において、「Ｘ−１０」は、「ＵＣとの類似性」情報が「無」を示すので、上述したように、百貨店Ｘの特徴的顧客グループとして、百貨店Ｘの端末装置２に送信される。

これまで述べたように、実施例に係る顧客分析プログラムは、以下の処理をコンピュータ（ＣＰＵ）１０に実行させるものである。
処理（１）：購買履歴データ２３０に基づく複数の顧客グループ（個社クラスタ）の生成を複数の店（百貨店Ａ，Ｂ，Ｃ，・・・）それぞれの購買履歴データ２３０を用いて実行する。
処理（２）：生成した複数の顧客グループのうち、所定の類似関係を有する顧客グループ（個社クラスタ）を含む、統合顧客グループ（ユニバーサルクラスタ）を生成する。
処理（３）：分析対象の店（百貨店Ｘ）の購買履歴データ２３０に基づいて生成した該分析対象の店のある顧客グループ（個社クラスタ）が、統合顧客グループと所定の類似関係を有さないことを検出すると、該ある顧客グループを該分析対象の店の特徴的グループとして出力する。

実施例に係る顧客分析プログラムによると、他の店の複数の顧客グループが含まれる統合顧客グループに類似しない顧客グループを検出し、分析対象の店の特徴的グループとして出力するため、当該特徴的グループを分析することができる。

また、実施例に係る顧客分析方法は、以下の工程をコンピュータ（ＣＰＵ）１０が実行するものである。
工程（１）：購買履歴データ２３０に基づく複数の顧客グループ（個社クラスタ）の生成を複数の店（百貨店Ａ，Ｂ，Ｃ，・・・）それぞれの購買履歴データ２３０を用いて実行する。
工程（２）：生成した複数の顧客グループのうち、所定の類似関係を有する顧客グループ（個社クラスタ）を含む、統合顧客グループ（ユニバーサルクラスタ）を生成する。
工程（３）：分析対象の店（百貨店Ｘ）の購買履歴データ２３０に基づいて生成した該分析対象の店のある顧客グループ（個社クラスタ）が、統合顧客グループと所定の類似関係を有さないことを検出すると、該ある顧客グループを該分析対象の店の特徴的グループとして出力する。

実施例に係る顧客分析方法は、上記の顧客分析プログラムと同様の構成を含むので、上述した内容と同様の作用効果を奏する。

また、実施例に係る顧客分析装置１は、購買履歴データ２３０に基づく複数の顧客グループ（個社クラスタ）の生成を複数の店それぞれの購買履歴データ２３０を用いて実行し、生成した複数の顧客グループのうち、所定の類似関係を有する顧客グループを含む、統合顧客グループ（ユニバーサルクラスタ）を生成し、分析対象の店の購買履歴データ２３０に基づいて生成した該分析対象の店のある顧客グループ（個社クラスタ）が、統合顧客グループと所定の類似関係を有さないことを検出すると、該ある顧客グループを該分析対象の店の特徴的グループとして出力する処理を実行する制御部を有する。

処理部１０３は、分析対象の店（百貨店Ｘ）の購買履歴データ２３０に基づいて生成され、統合顧客グループと所定の類似関係を有していない顧客グループ（個社クラスタ）を検出し、分析対象の店の特徴的顧客グループとして出力する。

実施例に係る顧客分析装置１は、上記の顧客分析プログラムと同様の構成を含むので、上述した内容と同様の作用効果を奏する。

なお、上記の処理機能は、コンピュータによって実現することができる。その場合、処理装置が有すべき機能の処理内容を記述したプログラムが提供される。そのプログラムをコンピュータで実行することにより、上記処理機能がコンピュータ上で実現される。処理内容を記述したプログラムは、コンピュータで読み取り可能な記録媒体（ただし、搬送波は除く）に記録しておくことができる。

プログラムを実行するコンピュータは、例えば、可搬型記録媒体に記録されたプログラムもしくはサーバコンピュータから転送されたプログラムを、自己の記憶装置に格納する。そして、コンピュータは、自己の記憶装置からプログラムを読み取り、プログラムに従った処理を実行する。なお、コンピュータは、可搬型記録媒体から直接プログラムを読み取り、そのプログラムに従った処理を実行することもできる。また、コンピュータは、サーバコンピュータからプログラムが転送されるごとに、逐次、受け取ったプログラムに従った処理を実行することもできる。

上述した実施形態は本発明の好適な実施の例である。但し、これに限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々変形実施可能である。

なお、以上の説明に関して更に以下の付記を開示する。
（付記１） 購買履歴データに基づく複数の顧客グループの生成を複数の店それぞれの購買履歴データを用いて実行し、
生成した前記複数の顧客グループのうち、所定の類似関係を有する顧客グループを含む、統合顧客グループを生成し、
分析対象の店の購買履歴データに基づいて生成した該分析対象の店のある顧客グループが、前記統合顧客グループと所定の類似関係を有さないことを検出すると、該ある顧客グループを該分析対象の店の特徴的グループとして出力する、処理をコンピュータに実行させることを特徴とする顧客分析プログラム。
（付記２） 分析対象の店の購買履歴データに基づいて生成した該分析対象の店の他の顧客グループが、前記統合顧客グループと所定の類似関係を有することを検出すると、該他の顧客グループと前記統合顧客グループとの間の差異を検出して、出力する処理を、さらに、コンピュータに実行させることを特徴とする付記１に記載の顧客分析プログラム。
（付記３） 分析対象の店の購買履歴データに基づいて生成した該分析対象の店の他の顧客グループが、前記統合顧客グループと所定の類似関係を有することを検出すると、該他の顧客グループを前記統合顧客グループに含めることで、前記統合顧客グループを更新し、
更新された前記統合顧客グループを、更なる店の顧客分析に用いる、処理を、さらに、コンピュータに実行させることを特徴とする付記１または２に記載の顧客分析プログラム。
（付記４） 購買履歴データに基づく複数の顧客グループの生成を複数の店それぞれの購買履歴データを用いて実行する工程と、
生成した前記複数の顧客グループのうち、所定の類似関係を有する顧客グループを含む、統合顧客グループを生成する工程と、
分析対象の店の購買履歴データに基づいて生成した該分析対象の店のある顧客グループが、前記統合顧客グループと所定の類似関係を有さないことを検出すると、該ある顧客グループを該分析対象の店の特徴的グループとして出力する工程とを、コンピュータが実行することを特徴とする顧客分析方法。
（付記５） 分析対象の店の購買履歴データに基づいて生成した該分析対象の店の他の顧客グループが、前記統合顧客グループと所定の類似関係を有することを検出すると、該他の顧客グループと前記統合顧客グループとの間の差異を検出して、出力する工程を、さらに、コンピュータが実行することを特徴とする付記４に記載の顧客分析方法。
（付記６） 分析対象の店の購買履歴データに基づいて生成した該分析対象の店の他の顧客グループが、前記統合顧客グループと所定の類似関係を有することを検出すると、該他の顧客グループを前記統合顧客グループに含めることで、前記統合顧客グループを更新し、
更新された前記統合顧客グループを、更なる店の顧客分析に用いる工程を、さらに、コンピュータが実行することを特徴とする付記４または５に記載の顧客分析方法。
（付記７） 購買履歴データに基づく複数の顧客グループの生成を複数の店それぞれの購買履歴データを用いて実行し、生成した前記複数の顧客グループのうち、所定の類似関係を有する顧客グループを含む、統合顧客グループを生成し、分析対象の店の購買履歴データに基づいて生成した該分析対象の店のある顧客グループが、前記統合顧客グループと所定の類似関係を有さないことを検出すると、該ある顧客グループを該分析対象の店の特徴的グループとして出力する処理を実行する制御部を有することを特徴とする顧客分析装置。
（付記８） 前記制御部は、分析対象の店の購買履歴データに基づいて生成した該分析対象の店の他の顧客グループが、前記統合顧客グループと所定の類似関係を有することを検出すると、該他の顧客グループと前記統合顧客グループとの間の差異を検出して、出力することを特徴とする付記７に記載の顧客分析装置。
（付記９） 前記制御部は、分析対象の店の購買履歴データに基づいて生成した該分析対象の店の他の顧客グループが、前記統合顧客グループと所定の類似関係を有することを検出すると、該他の顧客グループを前記統合顧客グループに含めることで、前記統合顧客グループを更新し、更新された前記統合顧客グループを、更なる店の顧客分析に用いることを特徴とする付記７または８に記載の顧客分析装置。

１ 顧客分析装置
２ 端末装置
１０ ＣＰＵ（制御部）
１３ ＨＤＤ
１０２ クラスタ生成部
１０３ クラスタ処理部
１３２ 個社クラスタデータベース
１３３ ユニバーサルクラスタデータベース

Claims (5)

1. 購買履歴データに基づく複数の顧客グループの生成を複数の店それぞれの購買履歴データを用いて実行し、
   生成した前記複数の顧客グループのうち、所定の類似関係を有する顧客グループを含む、統合顧客グループを生成し、
   分析対象の店の購買履歴データに基づいて生成した該分析対象の店のある顧客グループが、前記統合顧客グループと所定の類似関係を有さないことを検出すると、該ある顧客グループを該分析対象の店の特徴的グループとして出力する、処理をコンピュータに実行させることを特徴とする顧客分析プログラム。
2. 分析対象の店の購買履歴データに基づいて生成した該分析対象の店の他の顧客グループが、前記統合顧客グループと所定の類似関係を有することを検出すると、該他の顧客グループと前記統合顧客グループとの間の差異を検出して、出力する処理を、さらに、コンピュータに実行させることを特徴とする請求項１に記載の顧客分析プログラム。
3. 分析対象の店の購買履歴データに基づいて生成した該分析対象の店の他の顧客グループが、前記統合顧客グループと所定の類似関係を有することを検出すると、該他の顧客グループを前記統合顧客グループに含めることで、前記統合顧客グループを更新し、
   更新された前記統合顧客グループを、更なる店の顧客分析に用いる、処理を、さらに、コンピュータに実行させることを特徴とする請求項１または２に記載の顧客分析プログラム。
4. 購買履歴データに基づく複数の顧客グループの生成を複数の店それぞれの購買履歴データを用いて実行する工程と、
   生成した前記複数の顧客グループのうち、所定の類似関係を有する顧客グループを含む、統合顧客グループを生成する工程と、
   分析対象の店の購買履歴データに基づいて生成した該分析対象の店のある顧客グループが、前記統合顧客グループと所定の類似関係を有さないことを検出すると、該ある顧客グループを該分析対象の店の特徴的グループとして出力する工程とを、コンピュータが実行することを特徴とする顧客分析方法。
5. 購買履歴データに基づく複数の顧客グループの生成を複数の店それぞれの購買履歴データを用いて実行し、生成した前記複数の顧客グループのうち、所定の類似関係を有する顧客グループを含む、統合顧客グループを生成し、分析対象の店の購買履歴データに基づいて生成した該分析対象の店のある顧客グループが、前記統合顧客グループと所定の類似関係を有さないことを検出すると、該ある顧客グループを該分析対象の店の特徴的グループとして出力する処理を実行する制御部を有することを特徴とする顧客分析装置。

Images