JP2016115157A - 売上予測プログラム提供方法、売上予測プログラム提供プログラムおよび売上予測プログラム提供装置 - Google Patents

Abstract

【課題】商品ごとに精度の高い売上予測を提供する場合の負荷が増大することを抑止する。
【解決手段】実施形態の売上予測プログラム提供方法は、コンピュータが、複数の商品ごとに異なる売上予測モデル生成アルゴリズムを用いて生成された該複数の商品それぞれに対応する売上予測プログラムを、該複数の商品のうちのいずれに対応するかを識別可能な状態で、かつ選択可能な状態で表示する処理を実行する。また、売上予測プログラム提供方法は、コンピュータが、端末から選択指示を受信した商品に対応する売上予測プログラムを、該端末に送信して、該端末における該売上予測プログラムの実行を許容する処理を実行する。
【選択図】図１

Description

本発明の実施形態は、売上予測プログラム提供方法、売上予測プログラム提供プログラムおよび売上予測プログラム提供装置に関する。

従来、スーパー等の商品販売店では、商品の発注時においてその商品の売上（需要）予測が行われている。この売上予測では、コンピュータを利用して過去の時系列実績データから予測期の予測データを算出する。この予測データの算出では、実績データに周期性がある場合に適用される予測モデルと、実績データの周期性を否定する場合に適用される予測モデルとのいずれか一方を選択して予測期の予測に適用することで、精度の高い売上予測を実現している。

特開２００１−２２７２９号公報

しかしながら、上述した従来技術では、多くのユーザに対して商品ごとに精度の高い売上予測を提供しようとする場合に、コンピュータにおける負荷が大きくなるという問題がある。

例えば、売上予測の提供は、商品ごとの実績データを管理するセンターサーバがユーザからの要求に応じて行う。このセンターサーバでは、数万にのぼる商品ごとに、複数の予測モデルの中から１つの予測モデルを選択し、ユーザが望む商品についての予測データを算出して提供することになる。この予測データの提供を多くのユーザに対して行う場合には、センターサーバにおける処理負荷が大きくなることから、巨大な処理能力のサーバを用意する必要があり、初期投資および運用コストに多大な費用が生じることになる。

１つの側面では、商品ごとに精度の高い売上予測を提供する場合の負荷が増大することを抑止可能とする売上予測プログラム提供方法、売上予測プログラム提供プログラムおよび売上予測プログラム提供装置を提供することを目的とする。

第１の案では、売上予測プログラム提供方法は、コンピュータが、複数の商品ごとに異なる売上予測モデル生成アルゴリズムを用いて生成された該複数の商品それぞれに対応する売上予測プログラムを、該複数の商品のうちのいずれに対応するかを識別可能な状態で、かつ選択可能な状態で表示する処理を実行する。また、売上予測プログラム提供方法は、コンピュータが、端末から選択指示を受信した商品に対応する売上予測プログラムを、該端末に送信して、該端末における該売上予測プログラムの実行を許容する処理を実行する。

本発明の１実施態様によれば、商品ごとに精度の高い売上予測を提供する場合の負荷が増大することを抑止できる。

図１は、実施形態にかかる売上予測システムの構成を示すブロック図である。 図２は、売上予測プログラム生成にかかる動作例を示すフローチャートである。 図３は、モデルパラメータＤＢの一例を説明する説明図である。 図４は、売上予測の実行にかかる動作例を示すフローチャートである。 図５は、入力画面例を説明する説明図である。 図６は、商品選択例を説明する説明図である。 図７Ａは、地域選択例を説明する説明図である。 図７Ｂは、時間帯選択例を説明する説明図である。 図８は、出力画面例を説明する説明図である。 図９は、売上予測プログラム提供プログラムを実行するコンピュータの一例を示す説明図である。

以下、図面を参照して、実施形態にかかる売上予測プログラム提供方法、売上予測プログラム提供プログラムおよび売上予測プログラム提供装置を説明する。実施形態において同一の機能を有する構成には同一の符号を付し、重複する説明は省略する。なお、以下の実施形態で説明する売上予測プログラム提供方法、売上予測プログラム提供プログラムおよび売上予測プログラム提供装置は、一例を示すに過ぎず、実施形態を限定するものではない。また、以下の各実施形態は、矛盾しない範囲内で適宜組みあわせてもよい。

図１は、実施形態にかかる売上予測システム１００の構成を示すブロック図である。図１に示すように、売上予測システム１００は、センターサーバ１と、ユーザ端末２とを有する。このセンターサーバ１と、複数のユーザ端末２とは、例えばインターネット網などのネットワーク３を介して相互に通信可能に接続されている。

センターサーバ１は、ユーザ端末２からの要求に応じて商品の売上予測にかかる処理を実行するための売上予測プログラムを提供するサーバ装置である。具体的には、センターサーバ１は、制御部１０および記憶部２０を有する。

制御部１０は、各種の処理手順を規定したプログラムや制御データを格納するための内部メモリを有し、これらによって種々の処理を実行する。また、制御部１０は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路またはＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等の電子回路に対応する。さらに、制御部１０は、売上予測プログラム生成部１１と、表示部１２と、送信部１３とを有する。

売上予測プログラム生成部１１は、記憶部２０に記憶されたＰＯＳデータ２１（POS:Point Of Sale）および気象データ２２を参照し、商品ごとに異なる、売上予測モデル生成のアルゴリズムを用いて売上予測プログラムを生成する。売上予測プログラム生成部１１は、生成した売上予測プログラムにかかるデータを記憶部２０のモデルパラメータＤＢ２３（ＤＢ：データベース）に格納する。

売上予測プログラム生成部１１が生成する売上予測プログラムにかかる売上予測モデルには、重回帰モデル、状態空間モデル、局面転換モデル、混合分布モデル、自己回帰モデル、これらのモデルを組み合わせた組合せモデルが公知のモデルとしてある。売上予測プログラム生成部１１は、これらの売上予測モデルを、商品ごとに売上予測プログラムを生成する際の候補とする。

売上予測プログラム生成部１１は、各商品について、セグメント（層）ごとに所定の期間のＰＯＳデータ２１を集計し、候補とした売上予測モデルのパラメータを最大尤度原理に基づいて決定する。集計する期間については、パラメータを推定する期間（学習期間）と、モデル評価（予測）期間とに分ける。期間の分け方には、前半／後半分割、交差検証分割がある。集計するセグメントについては、店舗、地域（例えば、市、県、地方、東西、全国など）、時間帯（例えば、午前、午後、昼間、夜間、朝、昼、晩など）、これらを組み合わせたものがある。

売上予測プログラム生成部１１は、候補とする売上予測モデルから、各商品の売上予測プログラムにかかる売上予測モデルを２段階構成で選択（決定）する。第１段階は、同一モデル内におけるパラメータ数の選択である。パラメータを増やせば再現性を上げることができるが、増加に見合った再現性が得られなくなれば、パラメータを増やすことにより得られる効果は少なくなる。このため、売上予測プログラム生成部１１は、パラメータの増加に見合う残差減少が起きたか否かを判断してパラメータ数を決定する。このパラメータ数を決定する際に用いる指標としては、例えば、赤池情報量基準（ＡＩＣ）がある。売上予測プログラム生成部１１は、学習期間におけるＡＩＣ値が最小となるパラメータ数を選択する。

第２段階は、異なるモデル間の選択である。例えば、重回帰モデル、状態空間モデル、局面転換モデル、混合分布モデル、自己回帰モデルおよび組合せモデルにおいて、どのモデルを用いるかを選択する。売上予測プログラム生成部１１は、予測期間における標準誤差（例えば、残差の標準偏差）が最小のモデルを選択する。売上予測プログラム生成部１１は、上述した２段階構成により、商品の売上予測を行うための売上予測モデルと、その売上予測モデルで用いる説明変数とを決めて売上予測プログラムを生成する。例えば、売上予測プログラム生成部１１は、各モデルの雛形の中から選択された売上予測モデルの雛形を用いて、決められた説明変数等を引数をとして与える売上予測プログラムを生成する。

表示部１２は、売上予測プログラム生成部１１により生成された、複数の商品のそれぞれに対応する売上予測プログラムを、複数の商品のうちのいずれに対応するかを識別可能で、かつ選択可能な状態でユーザ端末２に表示させる。具体的には、表示部１２は、ユーザ端末２のアプリケーション３０における表示要求部３１からの要求に応じて、複数の商品のそれぞれに対応する売上予測プログラムをモデルパラメータＤＢ２３より読み出す。そして、表示部１２は、モデルパラメータＤＢ２３より読み出した売上予測プログラムについて、複数の商品のうちのいずれに対応するかを識別可能で、かつ選択可能とする表示画面のデータをユーザ端末２へ送信する。

送信部１３は、ユーザ端末２のアプリケーション３０における指示部３２からの選択指示を受信した商品に対応する売上予測プログラムと、このプログラムの実行に必要となるパラメータ値を、モデルパラメータＤＢ２３より読み出してユーザ端末２へ送信する。これにより、ユーザ端末２では、センターサーバ１より送信された売上予測プログラムによる売上予測が許容される。

記憶部２０は、例えばフラッシュメモリ（Flash Memory）やＦＲＡＭ（登録商標）（Ferroelectric Random Access Memory）等の不揮発性の半導体メモリ素子や磁気ディスク等の記憶装置に対応する。記憶部２０は、ＰＯＳデータ２１、気象データ２２およびモデルパラメータＤＢ２３を有する。

ＰＯＳデータ２１は、各店舗における商品ごとの売上を集計したデータであり、商品ごとの購買履歴である。ＰＯＳデータ２１は、ＰＯＳデータを提供する事業者などより入手する。センターサーバ１は、各店舗からの集計したＰＯＳデータ２１を記憶部２０に記憶する。

気象データ２２は、気象庁や気象情報を提供する事業者などから入手した気象要素のデータである。この気象要素は、例えば、平均気温、最高気温、最低気温、降水量、日照時間、全天日射量、降雪量、平均風速、湿度、雲量、天気、これらの誘導要素である体感気温、不快指数、冷房日温度、暖房日温度などがある。気象データ２２には、各地点における時刻ごとの気象要素が格納されている。

モデルパラメータＤＢ２３は、各商品について、地域、時間帯等のセグメントごとに生成された売上予測プログラムと、売上予測プログラムのパラメータとを格納する。

ユーザ端末２は、例えば、ネットワーク３を介した通信を行う通信装置、ユーザからの操作入力を受け付ける入力装置およびユーザへの情報を表示するディスプレイ等を備えたＰＣ（Personal Computer）である。ユーザ端末２は、ＣＰＵが実行するアプリケーション３０において、表示要求部３１、指示部３２および実行部３３を有する。

表示要求部３１は、センターサーバ１に対して、複数の商品のそれぞれに対応する売上予測プログラムを、複数の商品のうちのいずれに対応するかを識別可能で、かつ選択可能とする表示画面を要求し、得られた表示画面をディスプレイに表示する。具体的には、表示要求部３１は、入力装置より受け付けたユーザのアカウント情報（例えば、ユーザＩＤ（Identification Data）およびパスワード）をセンターサーバ１に送信し、センターサーバ１におけるログイン認証を受けて上記の表示画面を得る。センターサーバ１では、ユーザ端末２からの送信されたアカウント情報を、ユーザＤＢ（図示しない）に登録された情報と照合し、ログイン認証を行う。センターサーバ１の表示部１２は、このログイン認証を経たユーザ（ユーザ端末２）に対して、売上予測プログラムにかかる表示画面のデータを送信する。

指示部３２は、表示要求部３１により要求された表示画面における売上予測プログラムの選択指示を、入力装置により受け付けてセンターサーバ１へ送信する。センターサーバ１の送信部１３は、選択指示があった売上予測プログラムと、このプログラムの実行にかかるパラメータ値をモデルパラメータＤＢ２３より読み出してユーザ端末２へ送信する。このとき、送信部１３は、上述したログイン認証を経たユーザのユーザＤＢへ、売上予測プログラムを提供したことを記録してもよい。このユーザＤＢの記録をもとに、売上予測システム１００では、売上予測プログラムをセンターサーバ１よりユーザ端末２へ提供するサービスに対する課金を行ってもよい。

ユーザ端末２では、この指示部３２の選択指示をセンターサーバ１へ送信することによってセンターサーバ１より返信された売上予測プログラムと、その売上予測プログラムの実行にかかるパラメータとをメモリに記憶する。さらにハードディスク装置などの記憶装置に記憶してもよい。この記憶した売上予測プログラムとパラメータとは、センターサーバ１の売上予測プログラム生成部１１の次回処理が開始されるまでは、再びセンターサーバ１より送信されること無しに記憶装置より読み出されてユーザ端末２により再利用される。これにより、センターサーバ１の通信負荷を軽減する。実行部３３は、メモリに記憶された、センターサーバ１から送信された売上予測プログラムを、その売上予測プログラムのパラメータを参照して実行する。ユーザ端末２では、実行部３３で売上予測プログラムを実行し、商品の売上予測を算出して、その算出結果をディスプレイなどに表示する。

ここで、売上予測プログラム生成にかかる動作の詳細を説明する。図２は、売上予測プログラム生成にかかる動作例を示すフローチャートである。

図２に示すように、処理が開始されると、売上予測プログラム生成部１１は、商品、地域、時間帯で指定されたセグメントのデータをＰＯＳデータ２１および気象データ２２より読み込む（Ｓ１）。この売上予測プログラム生成部１１が処理を開始するタイミングについては、予め設定された期日（例えば、月末）となった場合や、前回の処理から所定の時間（例えば、１ヶ月）が経過した場合などであってもよい。また、セグメントについては、ＰＯＳデータ２１に記憶される商品ごとに、地域（ユーザ指定店舗群、全国、東北、関東…）、時間帯（全日、深夜、午前、午後…）を順次指定するものとする。

次いで、売上予測プログラム生成部１１は、セグメントのデータをもとに、重回帰モデル（Ｓ２ａ）、状態空間モデル（Ｓ２ｂ）、局面転換モデル（Ｓ２ｃ）、混合分布モデル（Ｓ２ｄ）、自己回帰モデル（Ｓ２ｅ）、組合せモデル（Ｓ２ｆ）のそれぞれにおいて、ＡＩＣを用いて最適な説明変数を選択する。次いで、それぞれのモデルにおいて、予測期間の残差の標準偏差を算出する（Ｓ３ａ、Ｓ３ｂ、Ｓ３ｃ、Ｓ３ｄ、Ｓ３ｅ、Ｓ３ｆ）。

次いで、売上予測プログラム生成部１１は、商品、地域、時間帯で指定されたセグメントにおける最適な売上予測モデルとして、算出された残差の標準偏差を最小とするモデルを選択する（Ｓ４）。次いで、売上予測プログラム生成部１１は、選択した売上予測モデルについてのＦ検定を実施し（Ｓ５）、選択した売上予測モデルが目的変数を有意に再現しているか否かを判定する（Ｓ６）。具体的には、Ｆ分布に従う量Ｆ＝（回帰平方和／パラメータ数自由度）／（残差平方和／データ数自由度）を算出して、この量が９５％の確率で有意であるか否かを判定する。

売上予測モデルが目的変数を有意に再現している場合（Ｓ６：ＹＥＳ）、売上予測プログラム生成部１１は、商品、地域、時間帯のセグメントの最適な売上予測モデルと、パラメータ値をモデルパラメータＤＢ２３に格納する（Ｓ７）。また、売上予測モデルが目的変数を有意に再現していない場合（Ｓ６：ＮＯ）、売上予測プログラム生成部１１は、商品、地域、時間帯のセグメントの売上予測モデルは「無し」とし、パラメータ値をモデルパラメータＤＢ２３に格納する（Ｓ８）。

図３は、モデルパラメータＤＢ２３の一例を説明する説明図である。図３に示すように、モデルパラメータＤＢ２３は、商品、店舗、地域、時間帯などのセグメントごとに、そのセグメントについて算出された売上予測モデル（モデルコード、モデル名、更新日など）と、そのモデルで用いるパラメータ（定数項、説明変数など）とを記憶する。具体的には、モデルパラメータＤＢ２３は、ログイン認証により識別可能な個別のユーザ用のデータテーブルＤ１と、ユーザ共通用のデータテーブルＤ２とを有する構成であってもよい。また、売上予測プログラム自身の参照先については、モデルコードをもとに参照されるデータテーブルＤ３に記述してもよい。

次いで、売上予測プログラム生成部１１は、すべてのセグメントに関する最適な売上予測モデルの選択が終了したか否かを判定する（Ｓ９）。すべてのセグメントに関する選択が終了していない場合（Ｓ９：ＮＯ）は、売上予測プログラム生成部１１はＳ１へ処理を戻す。すべてのセグメントに関する選択が終了している場合（Ｓ９：ＹＥＳ）、売上予測プログラム生成部１１は処理を終了する。

ここで、重回帰モデルを例にした売上予測プログラム生成を説明する。重回帰モデルは、目的変数ｙの値を、複数の説明変数ｘ_ｉに回帰係数ａ_ｉ（重回帰係数）を乗じた値の線形結合と、確率的に変動する残差項ｖとで再現する数理モデルである。具体的には次の式（１）のとおりである。なお、Ｎは、データ数を、Ｍは説明変数の数を表す。

ＰＯＳデータ２１に対する売上予測モデルでは、目的変数において、例えば、顧客の購買指数であるＰＩ（Purchase Index）値を用いる。また、説明変数には、例えば、商品価格Ｐに依存する項、曜日Ｘ_ｉに依存する項、気象要素Ｙ_ｉに依存する項、暦日ｔに依存するｔの多項式季節変動項、特売日情報Ｄに依存する項、広告宣伝効果Ｗに依存する項を用いる。なお、本実施形態では気象データ２２の気象要素を例示しているが、この気象要素の他の要素、例えば、広告費用、広告回数、広告時間などを追加採用してもよい。また、残差項ｖには、ある確率分布に従って変動する値を採用して次の式（２）のような回帰式を用いる。

ここで、定数項と、説明変数項とを纏めた値をｆ（ｔ，ｘ；θ）と表し、データがｔ_ｊ（ｊ＝１，…，Ｎ）点で得られているとすると、重回帰式に対する観測方程式は次の式（３）となる。ここで、ｘはすべての説明変数を纏めたベクトルを、θはすべての回帰係数を纏めたベクトルを表す。

季節変動項は、暦日ｔの多項式ばかりではなく、次の式（４）のように、フーリエ級数の仕様も可能とする。

暦日ｔの意味は、例えば、分析データの初出日を含む年の１月１日よりの経過日数である。なお、閏年の２月２９日のｔには２月２８日のｔを用い、閏日以後の経過日数は閏日２月２９日がなかったものとして求める。この経過日数の算出法では、閏年の場合でも年間日数は３６５日として計算する。

残差項ｖには、平均ゼロ、分散σ^２を持つ正規分布（Ｎ（０，σ^２））を採用することが多いが、残差分析の結果、正規性が成立しない場合は他の確率分布を採用してもよい。

曜日説明変数Ｘ_ｉ（ｔ）は、例えば、ｔがｉ曜日のときに１をとり、それ以外は０をとるダミー変数である。より具体的には、ｉ＝１＝月曜、ｉ＝２＝火曜、ｉ＝３＝水曜、ｉ＝４＝木曜、ｉ＝５＝金曜、ｉ＝６＝土曜、ｉ＝７＝日曜とする。また、ｉ＝８＝祝日、ｉ＝９＝｛土曜、日曜｝、ｉ＝１０＝｛土曜、日曜、祝日｝、ｉ＝１１＝｛日曜、祝日｝とする。

気象要素の説明変数Ｙ_ｉ（ｔ）には、気象データ２２より得られたデータである、平均気温、最高気温、最低気温、降水量、日照時間、全天日射量、降雪量、平均風速、湿度、雲量、天気、体感気温、不快指数、冷房日温度、暖房日温度などを採用する。

重回帰モデルにおける重回帰係数は、最大尤度法を用いて決定する。例えば、残差分布にＮ（０，σ^２）を仮定した場合、その尤度Ｌは次の式（５）で与えられる。

また、対数尤度は次の式（６）となる。

対数尤度を最大にすることは、残差２乗和を最小とするように重回帰係数を決定する最小２乗法と等価である。よって、既知の手法、例えば、次の式（７）より導出される正規方程式の求解や、式（３）の観測方程式で残差項ｖ（ｔ_ｊ）をゼロとおいた等式のＱＲ分解手法などで重回帰係数を求めることができる。

説明変数の選択には、ＡＩＣを利用したステップワイズ法や、ｌａｓｓｏ回帰を使用する。ＡＩＣには数種の異なる定義があるが、本実施形態では次の式（８）で算出するＡＩＣを用いるものとする。なお、式（８）におけるＬは尤度、Ｍは説明変数の個数を表す。

以上により、重回帰モデルでのパラメータ（重回帰係数、説明変数）が求まることとなる。なお、他の売上予測モデル（空間状態モデル、局面転換モデル、混合分布モデル、自己回帰モデル、組合せモデル）についても、それぞれのモデル式に基づいて最大尤度法推定を用いることでパラメータを求めることができる。

これらの異なる売上予測モデルの中から最適な売上予測モデルを選択するため、予測期間で算出した標準偏差が最小になる売上予測モデルを選択する。例えば、標準偏差は、式（７）のＳを用いると、次の式（９）で与えられる。

売上予測プログラム生成部１１は、各売上予測モデルについて、例えば、式（９）により標準偏差を求めることで、標準偏差が最小になる売上予測モデルを選択する。

なお、前述したＦ分布に従う量Ｆについては、次の式（１０）で与えられる。

また、式（１０）におけるＰＩは、次の式（１１）で与えられる。

次に、ユーザ端末２における売上予測の実行にかかる動作の詳細を説明する。図４は、売上予測の実行にかかる動作例を示すフローチャートである。

図４に示すように、処理が開始されると、ユーザ端末２の表示要求部３１は、センターサーバ１へ要求して、複数の商品のそれぞれに対応する売上予測プログラムを選択するための表示画面を表示する。ユーザ端末２の指示部３２は、ユーザ端末２の表示画面において、売上予測したい商品、地域、時間帯のセグメントの指定（指示）を受け付ける（Ｓ２０）。

図５は、売上予測したい商品、地域、時間帯のセグメントなどの入力を行う入力画面例を説明する説明図である。図５に示すように、表示画面Ｇは、商品、地域、時間帯などのセグメントを指示するボタンＧ１〜Ｇ３と、売上予測について付加する条件などの付加情報を受け付ける入力領域Ｇ４とを有する。また、表示画面Ｇは、ボタンＧ１〜Ｇ３で指示されたセグメントについて、センターサーバ１より売上予測プログラムのダウンロードを指示するボタンＧ５と、ダウンロードした売上予測プログラムの実行を指示するボタンＧ６とを有する。

図６は、商品選択例を説明する説明図である。ユーザ端末２では、商品の選択を指示するボタンＧ１の操作により、図６に示すように、売上予測を行う商品を選択するための表示画面Ｇが表示される。具体的には、表示画面Ｇには、商品における現在の選択条件を示すステータス表示領域Ｇ１０と、商品分類を選択する商品分類領域Ｇ１１と、商品細分類を選択する商品細分類領域Ｇ１２とが表示される。ユーザは、商品分類領域Ｇ１１および商品細分類領域Ｇ１２における項目を選択することで、売上予測にかかる商品の条件を選択できる。

同様に、地域選択、時間帯選択などのセグメントも表示画面Ｇ上で行う。図７Ａは地域選択例を説明する説明図であり、図７Ｂは、時間帯選択例を説明する説明図である。図７Ａに示すように、地域の選択を指示するボタンＧ２の操作により、表示画面Ｇには地域を選択する選択領域Ｇ２０が表示される。Ｇ２０の地域選択領域には各ユーザが定義したユーザ固有の店舗または店舗の集合である店舗群も表示されてもよい。さらに、Ｇ２０には、ユーザ独自の地域セグメント（各セグメントは１店舗もしくは複数の店舗を纏めたもの）を定義する画面を起動するボタンが表示されてもよい。また、図７Ｂに示すように、時間帯の選択を指示するボタンＧ３の操作により、表示画面Ｇには時間帯を選択する選択領域Ｇ３０が表示される。ユーザは、選択領域Ｇ２０、Ｇ３０における項目を選択することで、売上予測にかかる地域や時間帯の条件を選択できる。

次いで、ユーザ端末２の指示部３２は、売上予測について付加する条件などの付加情報の入力を受け付ける（Ｓ２１）。具体的には、指示部３２は、表示画面Ｇ上の入力領域Ｇ４より、付加情報の入力を受け付ける。この付加情報は、例えば、売上予測期間（開始日、終了日）の設定や、商品の特売を行う特売予定日などがある。

次いで、指示部３２は、売上予測したいセグメントとして受け付けた情報（商品、地域、時間帯など）をセンターサーバ１に通知し、そのセグメントについて最適な売上予測を行う売上予測プログラムと、そのプログラムの実行時に必要となる引数などのデータ（パラメータ値）とを要求する。センターサーバ１の送信部１３は、通知されたセグメントについての売上予測プログラムと、このプログラムの実行に必要となるパラメータ値を、モデルパラメータＤＢ２３より読み出してユーザ端末２へ送信する。これにより、ユーザ端末２は、売上予測したいセグメントについての売上予測プログラムと、このプログラムの実行に必要となるパラメータ値とを取得（ダウンロード）する（Ｓ２２）。

次いで、ユーザ端末２の実行部３３は、ボタンＧ６の操作により、ダウンロードした売上予測プログラムを、受け付けた付加情報の条件で実行し、例えば、予測期間中のＰＩ値および９５％信頼度の予測幅など、売上についての予測値を算出する（Ｓ２３）。次いで、ユーザ端末２の実行部３３は、算出した予測値を、例えば、表とグラフでディスプレイに表示する（Ｓ２４）。

図８は、出力画面例を説明する説明図である。図８に示すように、ユーザ端末２の実行部３３は、ダウンロードした売上予測プログラムを実行することで、セグメントについて算出された予測値のグラフＧ４１および表Ｇ４２を表示画面Ｇに表示する。これにより、ユーザは、ボタンＧ１〜Ｇ３によって選択した商品、地域、時間帯のセグメントにおける詳細な売上予測を確認できる。

以上のように、ユーザ端末２では、複数の商品ごとに異なる売上予測モデル生成アルゴリズムを用いてセンターサーバ１で生成された、該複数の商品それぞれに対応する売上予測プログラムを、該複数の商品のうちのいずれに対応するかを識別可能な状態で、かつ選択可能な状態で表示する。また、センターサーバ１では、ユーザ端末２から選択指示を受信した商品に対応する売上予測プログラムを、ユーザ端末２に送信して、ユーザ端末２における売上予測プログラムの実行を許容する。このように、売上予測システム１００では、複数の商品ごとに異なる売上予測モデル生成アルゴリズムを用いて売上予測プログラムを生成していることから、売上予測を精度よく行うことができる。また、センターサーバ１はユーザ端末２から選択指示を受信した商品に対応する売上予測プログラムをユーザ端末２に送信し、ユーザ端末２が売上予測プログラムを実行することから、売上予測プログラムの実行にかかるセンターサーバ１の負荷を抑えることができる。このため、多くのユーザが売上予測を実行する場合であっても、センターサーバ１の負荷が増大することを抑止できる。

また、センターサーバ１の売上予測プログラム生成部１１は、所定の売上予測モデル生成アルゴリズムに従って構築された売上予測モデルに基づいて複数の商品ごとに売上予測の評価を行う。そして、売上予測プログラム生成部１１は、この評価の結果に基づいて、複数の商品ごとに、所定の売上予測モデル生成アルゴリズムを選択するか、他の売上予測モデル生成アルゴリズムを選択するかを決定する。したがって、売上予測システム１００では、評価のよい売上予測モデル生成アルゴリズムに従って構築された売上予測モデルで売上予測を行うことができる。

また、センターサーバ１の売上予測プログラム生成部１１は、複数の商品ごとに生成された売上予測プログラムのうち、売上予測の評価が所定の基準を下回る売上予測プログラムに対応する特定の商品については、算出されたパラメータ値の更新を行うようにしている。したがって、売上予測プログラムを生成するタイミング（例えば、所定の期日となった場合や所定の時間が経過した場合）においてパラメータ値を更新し、現状に合わせた売上予測とすることができる。

また、図示した各部の各構成要素は、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各部の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況等に応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。例えば、上記の実施形態の売上予測プログラム生成部１１、表示部１２、送信部１３などのそれぞれを統合してもよい。

さらに、各装置で行われる各種処理機能は、ＣＰＵ（またはＭＰＵ、ＭＣＵ（Micro Controller Unit）等のマイクロ・コンピュータ）上で、その全部または任意の一部を実行するようにしてもよい。また、各種処理機能は、ＣＰＵ（またはＭＰＵ、ＭＣＵ等のマイクロ・コンピュータ）で解析実行されるプログラム上、またはワイヤードロジックによるハードウェア上で、その全部または任意の一部を実行するようにしてもよいことは言うまでもない。

ところで、上記の実施形態で説明した各種の処理は、予め用意されたプログラムをコンピュータで実行することで実現できる。そこで、以下では、上記の実施例と同様の機能を有するプログラムを実行するコンピュータの一例を説明する。図９は、売上予測プログラム提供プログラムを実行するコンピュータの一例を示す説明図である。

図９が示すように、コンピュータ３００は、各種演算処理を実行するＣＰＵ３０１と、データ入力を受け付ける入力装置３０２と、モニタ３０３とを有する。また、コンピュータ３００は、記憶媒体からプログラム等を読み取る媒体読取装置３０４と、各種装置と接続するためのインタフェース装置３０５と、他の装置と有線または無線により接続するための通信装置３０６とを有する。また、コンピュータ３００は、各種情報を一時記憶するＲＡＭ３０７と、ハードディスク装置３０８とを有する。また、各装置３０１〜３０８は、バス３０９に接続される。

ハードディスク装置３０８には、上記の実施形態で説明した各処理部と同様の機能を有する売上予測プログラム提供プログラムが記憶される。また、ハードディスク装置３０８には、売上予測プログラム提供プログラムを実現するための各種データが記憶される。入力装置３０２は、例えばユーザからパスワードの入力や、コンピュータ３００の管理者から管理情報の入力を受け付ける。モニタ３０３は、例えば認証のためのパスワード入力画面を表示し、コンピュータ３００の管理者がメンテナンス等を行う場合に各種情報を表示する。インタフェース装置３０５は、例えば印刷装置等が接続される。通信装置３０６は、例えばネットワーク３に接続される。

ＣＰＵ３０１は、ハードディスク装置３０８に記憶された各プログラムを読み出して、ＲＡＭ３０７に展開して実行することで、各種の処理を行う。また、これらのプログラムは、コンピュータ３００を上記の実施形態で説明した各処理部と同様に機能させることができる。

なお、上記の売上予測プログラム提供プログラムは、必ずしもハードディスク装置３０８に記憶されている必要はない。例えば、コンピュータ３００が読み取り可能な記憶媒体に記憶されたプログラムを、コンピュータ３００が読み出して実行するようにしてもよい。コンピュータ３００が読み取り可能な記憶媒体は、例えば、ＣＤ−ＲＯＭやＤＶＤディスク、ＵＳＢ（Universal Serial Bus）メモリ等の可搬型記録媒体、フラッシュメモリ等の半導体メモリ、ハードディスクドライブ等が対応する。また、公衆回線、インターネット、ＬＡＮ等に接続された装置にこの情報処理プログラムを記憶させておき、コンピュータ３００がこれらから売上予測プログラム提供プログラムを読み出して実行するようにしてもよい。

１…センターサーバ
２…ユーザ端末
３…ネットワーク
１０…制御部
１１…売上予測プログラム生成部
１２…表示部
１３…送信部
２０…記憶部
２１…ＰＯＳデータ
２２…気象データ
２３…モデルパラメータＤＢ
３０…アプリケーション
３１…表示要求部
３２…指示部
３３…実行部
１００…売上予測システム
３００…コンピュータ
Ｇ…表示画面
Ｇ１〜Ｇ３、Ｇ５、Ｇ６…ボタン
Ｇ４…入力領域
Ｇ１０…ステータス表示領域
Ｇ１１…商品分類領域
Ｇ１２…商品細分類領域
Ｇ２０、Ｇ３０…選択領域
Ｇ４１…グラフ
Ｇ４２…表

Claims (6)

1. コンピュータが、
   複数の商品ごとに異なる売上予測モデル生成アルゴリズムを用いて生成された該複数の商品それぞれに対応する売上予測プログラムを、該複数の商品のうちのいずれに対応するかを識別可能な状態で、かつ選択可能な状態で表示し、
   端末から選択指示を受信した商品に対応する売上予測プログラムを、該端末に送信して、該端末における該売上予測プログラムの実行を許容する
   処理を実行することを特徴とする売上予測プログラム提供方法。
2. コンピュータが、
   購買履歴に基づいて、複数の商品ごとに、複数の前記売上予測モデル生成アルゴリズムの中から適用する売上予測モデル生成アルゴリズムの選択を行い、
   前記複数の商品ごとに、前記選択が行われた売上予測モデル生成アルゴリズムに従って構築された売上予測モデルを用いて売上予測を行う前記売上予測プログラムを生成し、
   端末からのアクセスに応じて、前記複数の商品のそれぞれについての売上予測プログラムのダウンロードを選択的に許容する画面を提示し、
   前記端末により選択された商品に対応する売上予測プログラムを前記端末に送信して、前記端末における前記売上予測プログラムの実行による売上予測の実行を許容する
   処理を実行することを特徴とする売上予測プログラム提供方法。
3. 前記選択は、所定の売上予測モデル生成アルリズムに従って構築された売上予測モデルに基づいて前記複数の商品ごとに売上予測の評価を行い、前記評価の結果に基づいて、前記複数の商品ごとに、前記所定の売上予測モデル生成アルゴリズムを選択するか、他の売上予測モデル生成アルゴリズムを選択するかを決定する
   ことを特徴とする請求項２に記載の売上予測プログラム提供方法。
4. 前記複数の商品ごとに生成された売上予測プログラムのうち、売上予測の評価が所定の基準を下回る売上予測プログラムに対応する特定の商品について、前記選択と前記生成とを行なうことで売上予測プログラムを更新する
   ことを特徴とする請求項２に記載の売上予測プログラム提供方法。
5. コンピュータに、
   複数の商品ごとに異なる売上予測モデル生成アルゴリズムを用いて生成された該複数の商品それぞれに対応する売上予測プログラムを、該複数の商品のうちのいずれに対応するかを識別可能な状態で、かつ選択可能な状態で表示し、
   端末から選択指示を受信した商品に対応する売上予測プログラムを、該端末に送信して、該端末における該売上予測プログラムの実行を許容する
   処理を実行させることを特徴とする売上予測プログラム提供プログラム。
6. 複数の商品ごとに異なる売上予測モデル生成アルゴリズムを用いて生成された該複数の商品それぞれに対応する売上予測プログラムを、該複数の商品のうちのいずれに対応するかを識別可能な状態で、かつ選択可能な状態で表示する表示部と、
   端末から選択指示を受信した商品に対応する売上予測プログラムを、該端末に送信して、該端末における該売上予測プログラムの実行を許容する送信部と、
   を有することを特徴とする売上予測プログラム提供装置。

Images