JP2016167149A - 商圏に応じて店舗の期待成約人数を推定するプログラム、装置及び方法 - Google Patents
商圏に応じて店舗の期待成約人数を推定するプログラム、装置及び方法 Download PDFInfo
- Publication number
- JP2016167149A JP2016167149A JP2015046324A JP2015046324A JP2016167149A JP 2016167149 A JP2016167149 A JP 2016167149A JP 2015046324 A JP2015046324 A JP 2015046324A JP 2015046324 A JP2015046324 A JP 2015046324A JP 2016167149 A JP2016167149 A JP 2016167149A
- Authority
- JP
- Japan
- Prior art keywords
- store
- cluster
- contracts
- population
- expected
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 22
- 239000013598 vector Substances 0.000 claims abstract description 36
- 238000004364 calculation method Methods 0.000 claims abstract description 26
- 230000006870 function Effects 0.000 claims description 17
- 238000009825 accumulation Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 8
- 230000006399 behavior Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【解決手段】店舗の店舗識別子毎に、当該店舗の位置情報と、当該店舗の位置情報に基づく商圏人口と、所定の店舗特性情報と、当該店舗における成約人数とを対応付けて蓄積した店舗情報蓄積手段と、「商圏人口」及び「店舗特性情報」を要素とする店舗識別子毎のベクトルを、複数のクラスタに分類するクラスタリング手段と、クラスタ毎に、成約人数の基準値(平均値又は中央値)を算出する基準成約人数算出手段と、クエリとなる店舗における商圏人口及び店舗特性情報を要素とするベクトルに、最も類似するクラスタを選択するクラスタ選択手段と、選択されたクラスタにおける成約人数の基準値を、「期待成約人数」として導出する期待成約人数推定手段とを有する。
【選択図】図4
Description
店舗の店舗識別子毎に、当該店舗の位置情報と、当該店舗の位置情報に基づく商圏人口と、所定の店舗特性情報と、当該店舗における成約人数とを対応付けて蓄積した店舗情報蓄積手段と、
「商圏人口」及び「店舗特性情報」を要素とする店舗識別子毎のベクトルを、複数のクラスタに分類するクラスタリング手段と、
クラスタ毎に、成約人数の基準値(平均値又は中央値)を算出する基準成約人数算出手段と、
クエリとなる店舗における商圏人口及び店舗特性情報を要素とするベクトルに、最も類似するクラスタを選択するクラスタ選択手段と、
選択されたクラスタにおける成約人数の基準値を、「期待成約人数」として導出する期待成約人数推定手段と
してコンピュータを機能させることを特徴とする。
店舗特性情報は、近隣店舗影響度であり、
店舗の識別子毎に、商圏人口に対する成約人数の比となる「成約率」を算出する成約率算出手段と、
店舗の識別子毎に、当該店舗の位置に近い順に、当該店舗の成約率よりも高い成約率の近隣店舗を選択し、当該店舗の成約率に対する近隣店舗の成約率の比を「近隣店舗影響度」として算出する近隣店舗影響度算出手段と
してコンピュータを更に機能させることも好ましい。
ユーザによって所持される携帯端末から収集した位置情報を用いて、各ユーザの位置情報に最も近い位置にある店舗を選択し、選択された店舗毎に計数したユーザ数を「商圏人口」として算出する商圏人口算出手段と
してコンピュータを更に機能させることも好ましい。
商圏人口について、各ユーザから収集される位置情報は、少なくとも居住位置及び訪問位置に区分して収集され、
商圏人口は、ベクトルに対して、居住位置の人口と、訪問位置の人口とを異なる要素として表される
ようにコンピュータを更に機能させることも好ましい。
各ユーザから収集される位置情報が、「居住位置」か又は「訪問位置」かを、位置毎の滞在時間帯及び滞在時間を用いて推定する生活圏推定手段と
してコンピュータを更に機能させることも好ましい。
店舗の店舗識別子毎に、当該店舗の位置情報と、当該店舗の位置情報に基づく商圏人口と、所定の店舗特性情報と、当該店舗における成約人数とを対応付けて蓄積した店舗情報蓄積手段と、
「商圏人口」及び「店舗特性情報」を要素とする店舗識別子毎のベクトルを、複数のクラスタに分類するクラスタリング手段と、
クラスタ毎に、成約人数の基準値(平均値又は中央値)を算出する基準成約人数算出手段と、
クエリとなる店舗における商圏人口及び店舗特性情報を要素とするベクトルに、最も類似するクラスタを選択するクラスタ選択手段と、
選択されたクラスタにおける成約人数の基準値を、「期待成約人数」として導出する期待成約人数推定手段と
を有することを特徴とする。
装置は、
店舗の店舗識別子毎に、当該店舗の位置情報と、当該店舗の位置情報に基づく商圏人口と、所定の店舗特性情報と、当該店舗における成約人数とを対応付けて蓄積した店舗情報蓄積部を有し、
装置は、
学習フェーズとして、
「商圏人口」及び「店舗特性情報」を要素とする店舗識別子毎のベクトルを、複数のクラスタに分類する第1のステップと、
クラスタ毎に、成約人数の基準値(平均値又は中央値)を算出する第2のステップと
を有し、
次に、推定フェーズとして、
クエリとなる店舗における商圏人口及び店舗特性情報を要素とするベクトルに、最も類似するクラスタを選択する第3のステップと、
選択されたクラスタにおける成約人数の基準値を、「期待成約人数」として導出する第4のステップと
を有することを特徴とする。
例えばユーザa及びbは、店舗Aが近いにも拘わらず、店舗Bへ訪問している。ユーザcは、店舗Aが近いにも拘わらず、店舗Dへ訪問している。即ち、店舗Aにとっては、近い距離に位置するユーザa,b,cを、他の店舗に奪われていることを意味する。
また、ユーザd及びeは、店舗Cが近いにも拘わらず、店舗Bへ訪問している。即ち、店舗Cにとっては、近い距離に位置するユーザd,eを、他の店舗に奪われていることを意味する。
[店舗情報蓄積部11]
店舗情報蓄積部11は、店舗の「店舗識別子」毎に、当該店舗の「位置情報」と、当該店舗の位置情報に基づく「商圏人口」と、所定の「店舗特性情報」と、当該店舗における「成約人数」とを対応付けて蓄積する。
店舗識別子[位置情報、商圏人口、店舗特性情報、成約人数]
例えば都会であれば、徒歩移動圏内のように比較的狭い地図範囲で、商圏人口を見込む場合もある。一方で、田舎であれば、車両移動圏内のように比較的広い地図範囲で、商圏人口を見込む場合もある。
Pi:店舗iにおける商圏人口
Ci=店舗iにおける成約人数
成約人数は、例えばユーザがクレジットカードでの決済情報であってもよい。その決済時における位置が、店舗の位置と一致すれば、その店舗で成約したと判定することができる。クレジットカードの決済時におけるWi-Fiのアクセスポイントの位置を、その店舗の位置としてもよい。
クラスタリング部12は、店舗情報蓄積部11を用いて、「商圏人口」及び「店舗特性情報」を要素とする店舗識別子毎のベクトルを、複数のクラスタに分類する。即ち、同一クラスタには、「商圏人口」及び「店舗特性情報」の要素が類似する複数の店舗が含まれる。多数の店舗識別子をクラスタ毎に区分した情報は、基準成約人数算出部13へ出力される。
基準成約人数算出部13は、クラスタk毎に、成約人数の基準値(平均値又は中央値)を算出する。クラスタ毎の成約人数の基準値は、クラスタ選択部14へ出力される。
PKk:クラスタkにおける成約人数の基準値
[クラスタ選択部14]
クラスタ選択部14は、クエリとしての店舗情報を入力する。そして、クエリとなる店舗における商圏人口及び店舗特性情報を要素とするベクトルに、最も類似するクラスタを選択する。例えばクラスタ毎に、複数のベクトルに基づく「重心ベクトル」を算出しておくことも好ましい。クエリとなるベクトルと、各クラスタの重心ベクトルとを比較して、ベクトル間距離が最も短い(最も類似する)重心ベクトルを抽出する。これによって、クエリの店舗情報のベクトルに最も類似するクラスタが、選択される。即ち、商圏人口や店舗特性情報が近いほど、期待成約人数も近くなるという想定に基づくものである。
期待成約人数推定部15は、選択されたクラスタkにおける成約人数の基準値PKkを、「期待成約人数」として導出する。そして、クエリの店舗情報に対して、期待成約人数が回答として出力される。
これによって、クエリの店舗情報の店舗について、期待成約人数を基準として、現在の成約人数が上回っているか又は下回っているかによって、経営方針を検討することができる。
商圏人口算出部111は、ユーザによって所持される携帯端末から収集した位置情報を用いて、店舗毎の「商圏人口」を算出する。具体的には、各ユーザの位置情報に最も近い位置にある店舗を選択し、選択された店舗毎に計数したユーザ数を「商圏人口」とする(前述した図2参照)。
Pi:店舗iにおける商圏人口
全ての店舗iに対して、各ユーザが結び付けられる。
尚、商圏人口は、居住者数及び/又は訪問者数であってもよい。
生活圏推定部112は、各ユーザから収集される位置情報が、「居住位置」か又は「訪問位置」かを、位置毎の滞在時間帯及び滞在時間を用いて推定する。このような有意圏を推定する技術は、既存のものである(例えば特許文献3参照)。この技術によれば、携帯端末が配下に位置する基地局から、日時刻及び基地局識別子の多数のデータを含む接続履歴を収集する。次に、時間窓毎に、複数の基地局識別子を要素とし、出現数を値とするベクトルを生成し、当該ベクトルをクラスタに凝集する。そして、クラスタ毎に、当該クラスタに含まれるベクトルの各基地局識別子の出現数に基づいてユーザの有意圏を推定することができる。
例えば最左側ビットを午前1時とし、最も右側ビットを午後12時とする。
滞在時間帯:1、不在時間帯:0
居住位置:(1,1,1,1,1,1,1,0,0,0,0,0,0,0,0,0,0,0,0,0,1,1,1,1)
訪問位置:(0,0,0,0,0,0,0,0,0,1,1,1,1,1,1,1,1,1,1,0,0,0,0,0)
居住位置の場合、夜間に位置する場合が多く、訪問位置の場合、昼間に位置する場合が多い。このように、居住位置/訪問位置を大まかに判定することができる。
成約率算出部113は、店舗の識別子i毎に、商圏人口Piに対する成約人数Ciの比となる「成約率」Riを算出する。
Ri=Ci/Pi
近隣店舗影響度算出部114は、店舗の識別子i毎に、当該店舗の位置に近い順に、当該店舗の成約率Riよりも高い成約率Rjの近隣店舗を選択する。そして、当該店舗の成約率Riに対する近隣店舗の成約率Rjの比を「近隣店舗影響度」Eiとして算出する。
Ei=Rj/Ri
本発明によれば、商圏人口及び店舗特性情報をベクトル化することによって、他の店舗で類似する成約人数を基準とした「期待成約人数」を回答することができる。また、商圏人口に、居住者のみならず訪問者も考慮することによって、できる限り商取引の実態に応じた商圏を設定することができる。更に、商圏内の他店舗における影響を「店舗特性」として考慮することによって、その店舗の店舗特性に応じた期待成約人数を回答することができる。
11 店舗情報蓄積部
111 商圏人口算出部
112 生活圏推定部
113 成約率算出部
114 近隣店舗影響度算出部
12 クラスタリング部
13 基準成約人数算出部
14 クラスタ選択部
15 期待成約人数推定部
Claims (7)
- 装置に搭載されたコンピュータを、店舗の期待成約人数を推定するように機能させるプログラムであって、
店舗の店舗識別子毎に、当該店舗の位置情報と、当該店舗の位置情報に基づく商圏人口と、所定の店舗特性情報と、当該店舗における成約人数とを対応付けて蓄積した店舗情報蓄積手段と、
「商圏人口」及び「店舗特性情報」を要素とする店舗識別子毎のベクトルを、複数のクラスタに分類するクラスタリング手段と、
前記クラスタ毎に、前記成約人数の基準値(平均値又は中央値)を算出する基準成約人数算出手段と、
クエリとなる店舗における商圏人口及び店舗特性情報を要素とするベクトルに、最も類似するクラスタを選択するクラスタ選択手段と、
選択された前記クラスタにおける成約人数の基準値を、「期待成約人数」として導出する期待成約人数推定手段と
してコンピュータを機能させることを特徴とするプログラム。 - 前記店舗特性情報は、近隣店舗影響度であり、
店舗の識別子毎に、前記商圏人口に対する成約人数の比となる「成約率」を算出する成約率算出手段と、
店舗の識別子毎に、当該店舗の位置に近い順に、当該店舗の成約率よりも高い成約率の近隣店舗を選択し、当該店舗の成約率に対する近隣店舗の成約率の比を「近隣店舗影響度」として算出する近隣店舗影響度算出手段と
してコンピュータを更に機能させることを特徴とする請求項1に記載のプログラム。 - ユーザによって所持される携帯端末から収集した位置情報を用いて、各ユーザの位置情報に最も近い位置にある店舗を選択し、選択された店舗毎に計数したユーザ数を「商圏人口」として算出する商圏人口算出手段と
してコンピュータを更に機能させることを特徴とする請求項1又は2に記載のプログラム。 - 前記商圏人口について、各ユーザから収集される位置情報は、少なくとも居住位置及び訪問位置に区分して収集され、
前記商圏人口は、前記ベクトルに対して、居住位置の人口と、訪問位置の人口とを異なる要素として表される
ようにコンピュータを更に機能させることを特徴とする請求項3に記載のプログラム。 - 各ユーザから収集される位置情報が、「居住位置」か又は「訪問位置」かを、位置毎の滞在時間帯及び滞在時間を用いて推定する生活圏推定手段と
してコンピュータを更に機能させることを特徴とする請求項4に記載のプログラム。 - 店舗の期待成約人数を推定する装置であって、
店舗の店舗識別子毎に、当該店舗の位置情報と、当該店舗の位置情報に基づく商圏人口と、所定の店舗特性情報と、当該店舗における成約人数とを対応付けて蓄積した店舗情報蓄積手段と、
「商圏人口」及び「店舗特性情報」を要素とする店舗識別子毎のベクトルを、複数のクラスタに分類するクラスタリング手段と、
前記クラスタ毎に、前記成約人数の基準値(平均値又は中央値)を算出する基準成約人数算出手段と、
クエリとなる店舗における商圏人口及び店舗特性情報を要素とするベクトルに、最も類似するクラスタを選択するクラスタ選択手段と、
選択された前記クラスタにおける成約人数の基準値を、「期待成約人数」として導出する期待成約人数推定手段と
を有することを特徴とする装置。 - 装置を用いて、店舗の期待成約人数を推定する方法であって、
前記装置は、
店舗の店舗識別子毎に、当該店舗の位置情報と、当該店舗の位置情報に基づく商圏人口と、所定の店舗特性情報と、当該店舗における成約人数とを対応付けて蓄積した店舗情報蓄積部を有し、
前記装置は、
学習フェーズとして、
「商圏人口」及び「店舗特性情報」を要素とする店舗識別子毎のベクトルを、複数のクラスタに分類する第1のステップと、
前記クラスタ毎に、前記成約人数の基準値(平均値又は中央値)を算出する第2のステップと
を有し、
次に、推定フェーズとして、
クエリとなる店舗における商圏人口及び店舗特性情報を要素とするベクトルに、最も類似するクラスタを選択する第3のステップと、
選択された前記クラスタにおける成約人数の基準値を、「期待成約人数」として導出する第4のステップと
を有することを特徴とする方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015046324A JP6506572B2 (ja) | 2015-03-09 | 2015-03-09 | 商圏に応じて店舗の期待成約人数を推定するプログラム、装置及び方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015046324A JP6506572B2 (ja) | 2015-03-09 | 2015-03-09 | 商圏に応じて店舗の期待成約人数を推定するプログラム、装置及び方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016167149A true JP2016167149A (ja) | 2016-09-15 |
JP6506572B2 JP6506572B2 (ja) | 2019-04-24 |
Family
ID=56898613
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015046324A Expired - Fee Related JP6506572B2 (ja) | 2015-03-09 | 2015-03-09 | 商圏に応じて店舗の期待成約人数を推定するプログラム、装置及び方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6506572B2 (ja) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019016057A (ja) * | 2017-07-04 | 2019-01-31 | 株式会社マーチャンダイジング・オン | 売り上げ推計システム |
JP2019533842A (ja) * | 2017-09-30 | 2019-11-21 | 平安科技(深▲せん▼)有限公司Ping An Technology (Shenzhen) Co.,Ltd. | 電子装置、小売店舗評価モデルを構築する方法、システム及び記憶媒体 |
JP2020038493A (ja) * | 2018-09-04 | 2020-03-12 | 横浜ゴム株式会社 | 物性データ予測方法及び物性データ予測装置 |
JP2020038495A (ja) * | 2018-09-04 | 2020-03-12 | 横浜ゴム株式会社 | 物性データ予測方法及び物性データ予測装置 |
JP2020091681A (ja) * | 2018-12-06 | 2020-06-11 | クロスロケーションズ株式会社 | データ分析装置、データ分析システム、データ分析方法およびデータ分析プログラム |
CN111985576A (zh) * | 2020-09-02 | 2020-11-24 | 南宁师范大学 | 基于决策树的店铺选址方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001337957A (ja) * | 2000-05-29 | 2001-12-07 | Dainippon Printing Co Ltd | 顧客情報抽出システム |
JP2003006413A (ja) * | 2001-06-20 | 2003-01-10 | Nri & Ncc Co Ltd | 店舗目標自動設定システム |
JP2003122877A (ja) * | 2001-10-09 | 2003-04-25 | Oki Electric Ind Co Ltd | 地域内人口算出システム |
JP2003281348A (ja) * | 2002-03-25 | 2003-10-03 | Yunitekku:Kk | 商圏分析システム、方法、プログラム、及び記録媒体 |
JP2003288397A (ja) * | 2002-03-27 | 2003-10-10 | Japan Tobacco Inc | 効果算定方法および効果算定システム |
JP2004185539A (ja) * | 2002-12-06 | 2004-07-02 | Yunitekku:Kk | 商圏分析システム、方法、プログラム、及び記録媒体 |
JP2006146762A (ja) * | 2004-11-24 | 2006-06-08 | Shimizu Corp | 医療機関の患者数予測システム |
JP2008065607A (ja) * | 2006-09-07 | 2008-03-21 | Acom Co Ltd | 出店支援方法 |
WO2011102541A1 (ja) * | 2010-02-19 | 2011-08-25 | 日本電気株式会社 | 行動特徴抽出装置、行動特徴抽出システム、行動特徴抽出方法、及び行動特徴抽出プログラム |
US20120084118A1 (en) * | 2010-09-30 | 2012-04-05 | International Business Machines Corporation | Sales predication for a new store based on on-site market survey data and high resolution geographical information |
WO2012105516A1 (ja) * | 2011-01-31 | 2012-08-09 | 株式会社エヌ・ティ・ティ・ドコモ | 端末数推計装置及び端末数推計方法 |
JP2013029883A (ja) * | 2011-07-26 | 2013-02-07 | Giken Shoji International Co Ltd | 店舗プロファイリングシステム |
JP2014106663A (ja) * | 2012-11-27 | 2014-06-09 | Business Model Institute Corp | 処理プログラムおよび商圏決定装置 |
-
2015
- 2015-03-09 JP JP2015046324A patent/JP6506572B2/ja not_active Expired - Fee Related
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001337957A (ja) * | 2000-05-29 | 2001-12-07 | Dainippon Printing Co Ltd | 顧客情報抽出システム |
JP2003006413A (ja) * | 2001-06-20 | 2003-01-10 | Nri & Ncc Co Ltd | 店舗目標自動設定システム |
JP2003122877A (ja) * | 2001-10-09 | 2003-04-25 | Oki Electric Ind Co Ltd | 地域内人口算出システム |
JP2003281348A (ja) * | 2002-03-25 | 2003-10-03 | Yunitekku:Kk | 商圏分析システム、方法、プログラム、及び記録媒体 |
JP2003288397A (ja) * | 2002-03-27 | 2003-10-10 | Japan Tobacco Inc | 効果算定方法および効果算定システム |
JP2004185539A (ja) * | 2002-12-06 | 2004-07-02 | Yunitekku:Kk | 商圏分析システム、方法、プログラム、及び記録媒体 |
JP2006146762A (ja) * | 2004-11-24 | 2006-06-08 | Shimizu Corp | 医療機関の患者数予測システム |
JP2008065607A (ja) * | 2006-09-07 | 2008-03-21 | Acom Co Ltd | 出店支援方法 |
WO2011102541A1 (ja) * | 2010-02-19 | 2011-08-25 | 日本電気株式会社 | 行動特徴抽出装置、行動特徴抽出システム、行動特徴抽出方法、及び行動特徴抽出プログラム |
US20120084118A1 (en) * | 2010-09-30 | 2012-04-05 | International Business Machines Corporation | Sales predication for a new store based on on-site market survey data and high resolution geographical information |
WO2012105516A1 (ja) * | 2011-01-31 | 2012-08-09 | 株式会社エヌ・ティ・ティ・ドコモ | 端末数推計装置及び端末数推計方法 |
JP2013029883A (ja) * | 2011-07-26 | 2013-02-07 | Giken Shoji International Co Ltd | 店舗プロファイリングシステム |
JP2014106663A (ja) * | 2012-11-27 | 2014-06-09 | Business Model Institute Corp | 処理プログラムおよび商圏決定装置 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019016057A (ja) * | 2017-07-04 | 2019-01-31 | 株式会社マーチャンダイジング・オン | 売り上げ推計システム |
JP2019533842A (ja) * | 2017-09-30 | 2019-11-21 | 平安科技(深▲せん▼)有限公司Ping An Technology (Shenzhen) Co.,Ltd. | 電子装置、小売店舗評価モデルを構築する方法、システム及び記憶媒体 |
JP2020038493A (ja) * | 2018-09-04 | 2020-03-12 | 横浜ゴム株式会社 | 物性データ予測方法及び物性データ予測装置 |
JP2020038495A (ja) * | 2018-09-04 | 2020-03-12 | 横浜ゴム株式会社 | 物性データ予測方法及び物性データ予測装置 |
JP7139801B2 (ja) | 2018-09-04 | 2022-09-21 | 横浜ゴム株式会社 | 物性データ予測方法及び物性データ予測装置 |
JP7218519B2 (ja) | 2018-09-04 | 2023-02-07 | 横浜ゴム株式会社 | 物性データ予測方法及び物性データ予測装置 |
JP2020091681A (ja) * | 2018-12-06 | 2020-06-11 | クロスロケーションズ株式会社 | データ分析装置、データ分析システム、データ分析方法およびデータ分析プログラム |
JP7272522B2 (ja) | 2018-12-06 | 2023-05-12 | クロスロケーションズ株式会社 | データ分析装置、データ分析システム、データ分析方法およびデータ分析プログラム |
CN111985576A (zh) * | 2020-09-02 | 2020-11-24 | 南宁师范大学 | 基于决策树的店铺选址方法 |
CN111985576B (zh) * | 2020-09-02 | 2023-11-03 | 南宁师范大学 | 基于决策树的店铺选址方法 |
Also Published As
Publication number | Publication date |
---|---|
JP6506572B2 (ja) | 2019-04-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bachir et al. | Inferring dynamic origin-destination flows by transport mode using mobile phone data | |
JP6506572B2 (ja) | 商圏に応じて店舗の期待成約人数を推定するプログラム、装置及び方法 | |
US8996033B1 (en) | Systems and methods for statistically associating mobile devices to households | |
KR101810169B1 (ko) | 유동인구 패턴정보 기반의 미래입점객수 예측방법 및 장치 | |
Hanaoka | New insights on relationships between street crimes and ambient population: Use of hourly population data estimated from mobile phone users’ locations | |
Yabe et al. | Quantifying the economic impact of disasters on businesses using human mobility data: a Bayesian causal inference approach | |
US20200342474A1 (en) | Discovering neighborhood clusters and uses therefor | |
Tsai et al. | Customer segmentation issues and strategies for an automobile dealership with two clustering techniques | |
US20170364933A1 (en) | User maintenance system and method | |
Dai et al. | Short‐Term Origin‐Destination Based Metro Flow Prediction with Probabilistic Model Selection Approach | |
Kim | Exploring the difference between ridership patterns of subway and taxi: Case study in Seoul | |
Haenlein | A social network analysis of customer-level revenue distribution | |
CN105532030A (zh) | 用于分析目标实体的移动的装置、系统和方法 | |
D’Silva et al. | Predicting the temporal activity patterns of new venues | |
WO2019213426A1 (en) | Event monitoring and response system and method | |
CN109145707A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
Bi et al. | How built environment impacts online car-hailing ridership | |
US20230018382A1 (en) | Cluster generation apparatus, cluster generation method, and a non-transitory computer-readable storage medium | |
Qian et al. | Short-term demand forecasting for on-demand mobility service | |
Assemi et al. | On-street parking occupancy inference based on payment transactions | |
Chu et al. | Public transport waiting time estimation using semi-supervised graph convolutional networks | |
Katranji et al. | Mobility data disaggregation: A transfer learning approach | |
Baržić et al. | Forecasting sales in retail with xgboost and iterated multi-step ahead method | |
Cho et al. | Efficiency comparison of public bike-sharing repositioning strategies based on predicted demand patterns | |
Wei et al. | Data-driven energy and population estimation for real-time city-wide energy footprinting |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170812 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180718 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180814 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20181011 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190314 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190329 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6506572 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |