JP2017016448A - 情報処理装置、および情報処理方法 - Google Patents

Abstract

【課題】来店者数のカウント精度の向上を可能とする。【解決手段】情報処理装置１００は、第一の来店者情報取得システムと、第一の来店者情報取得システムよりも情報の収集精度が高い第二の来店者情報取得システムとを導入した第一の店舗において、第一の来店者情報取得システムを利用してカウントされた低精度来店者数と、第二の来店者情報取得システムを利用してカウントされた高精度来店者数とを特定し、第一の来店者情報取得システムを導入した第二の店舗において、第一の来店者情報取得システムを利用してカウントされた低精度来店者数を特定し、特定された第一の店舗における低精度来店者数と高精度来店者数とに基づいて、第二の店舗における低精度来店者数を補正するための補正係数を算出し、補正係数算出手段によって算出された補正係数を用いて、第二の店舗における低精度来店者数を補正する。【選択図】図１

Description

本発明は、情報処理装置、および情報処理方法に関する。

次のような行動分析システムが知られている。この行動分析システムでは、撮影装置で撮影された画像内から人物の顔を特定し、特定した顔に基づいて、来店者の行動指標を集計する（例えば、特許文献１）。

特開２０１５−９０５７９号公報

しかしながら、店舗の来店者数をカウントするに当たり、従来の行動分析システムのように、来店者の画像を撮影するようにした場合には、店舗内に撮影装置を設置する必要があり、設備の導入費用が高額になってしまう可能性があった。このため、予算が限られた店舗では、来店者数をカウントするために、このような高価なシステムを導入することが困難であるという問題があった。一方、安価に来店者数をカウントできる仕組みとして、店舗内に、来店者が所持する携帯端末との間で無線通信を行う通信端末を設置しておき、通信端末による通信結果に基づいて、来店者を検出する技術も知られている。しかしながら、無線端末を利用したシステムにおいては、来店者だけでなく、店舗外にいる人物が所持する携帯端末との通信結果も含めて来店者数をカウントしてしまう可能性があり、カウント精度が低下するという問題があった。上記を踏まえ、全ての店舗に高価なシステムを導入しなくても、高価なシステムを導入した店舗での来店者数情報に基づいて、安価なシステムを導入した店舗の来店者数情報を補正することが望まれるが、従来、そのための技術は、何ら検討されていなかった。

本発明による情報処理装置は、第一の来店者情報取得システムと、第一の来店者情報取得システムよりも情報の収集精度が高い第二の来店者情報取得システムとを導入した第一の店舗において、第一の来店者情報取得システムを利用してカウントされた来店者数（以下、「低精度来店者数」と呼ぶ）と、第二の来店者情報取得システムを利用してカウントされた来店者数（以下、「高精度来店者数」と呼ぶ）とを特定する第一の来店者数特定手段と、第一の来店者情報取得システムを導入した第二の店舗において、第一の来店者情報取得システムを利用してカウントされた精度来店者数を特定する第二の来店者数特定手段と、第一の来店者数特定手段によって特定された第一の店舗における低精度来店者数と高精度来店者数とに基づいて、第二の店舗における低精度来店者数を補正するための補正係数を算出する補正係数算出手段と、補正係数算出手段によって算出された補正係数を用いて、第二の店舗における低精度来店者数を補正する補正手段とを備えることを特徴とする。
本発明による情報処理方法は、第一の来店者情報取得システムと、第一の来店者情報取得システムよりも情報の収集精度が高い第二の来店者情報取得システムとを導入した第一の店舗において、第一の来店者情報取得システムを利用してカウントされた来店者数（以下、「低精度来店者数」と呼ぶ）と、第二の来店者情報取得システムを利用してカウントされた来店者数（以下、「高精度来店者数」と呼ぶ）とを特定する第一の来店者数特定手順と、第一の来店者情報取得システムを導入した第二の店舗において、第一の来店者情報取得システムを利用してカウントされた精度来店者数を特定する第二の来店者数特定手順と、第一の来店者数特定手順で特定した第一の店舗における低精度来店者数と高精度来店者数とに基づいて、第二の店舗における低精度来店者数を補正するための補正係数を算出する補正係数算出手順と、補正係数算出手順で算出した補正係数を用いて、第二の店舗における低精度来店者数を補正する補正手順とをコンピュータに実行させるための方法である。

本発明によれば、第一の来店者情報取得システムと、第一の来店者情報取得システムよりも情報の収集精度が高い第二の来店者情報取得システムとを導入した第一の店舗でカウントされた低精度来店者数と高精度来店者数来店者数を用いて、低精度来店者数を補正するための補正係数を算出し、この補正係数を用いて、第一の来店者情報取得システムを導入した第二の店舗でカウントされた低精度来店者数を補正するようにした。これによって、第二の来店者情報取得システムよりも情報の収集精度が低い第一の来店者情報取得システムのみを導入している店舗においても、低精度来店者数を補正して、高精度来店者数に近づけることができる。

情報処理装置１００の一実施の形態の構成を示すブロック図である。 情報処理装置１００で実行される処理の流れを示すフローチャート図である。 情報処理装置１００を備えた情報処理システムの一実施の形態の構成を示す第１のブロック図である。 情報処理装置１００を備えた情報処理システムの一実施の形態の構成を示す第２のブロック図である。

図１は、本実施の形態における情報処理装置１００の一実施の形態の構成を示すブロック図である。情報処理装置１００としては、例えば、サーバ装置やパソコン等の情報処理装置が用いられ、図１は、情報処理装置１００としてサーバ装置を用いた場合の一実施の形態の構成を示している。情報処理装置１００は、接続インターフェース１０１と、制御装置１０２と、記録装置１０３とを備えている。

接続インターフェース１０１は、情報処理装置１００を他の装置や端末等の外部機器と接続するためのインターフェースである。例えば、情報処理装置１００は、ＬＡＮやインターネット等の通信回線を介して外部機器と接続され、この場合は、通信回線に有線で接続するための有線通信モジュールや、通信回線に無線で接続するための無線通信モジュールなどが用いられる。

制御装置１０２は、ＣＰＵ、メモリ、およびその他の周辺回路によって構成され、情報処理装置１００の全体を制御する。なお、制御装置１０２を構成するメモリは、例えばＳＤＲＡＭ等の揮発性のメモリである。このメモリは、ＣＰＵがプログラム実行時にプログラムを展開するためのワークメモリや、データを一時的に記録するためのバッファメモリとして使用される。

記録装置１０３は、情報処理装置１００が蓄える種々のデータや、制御装置１０２が実行するためのプログラムのデータ等を記録するための記録装置であり、例えばＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）やＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等が用いられる。なお、記録装置１０３に記録されるプログラムのデータは、ＣＤ−ＲＯＭやＤＶＤ−ＲＯＭなどの記録媒体に記録されて提供されたり、ネットワークを介して提供され、操作者が取得したプログラムのデータを記録装置１０３にインストールすることによって、制御装置１０２がプログラムを実行できるようになる。

本実施の形態における情報処理装置１００は、店舗への来店者数を収集するためのシステムを導入している店舗から、該システムにより収集された来店者情報を取得し、取得した来店者情報に対する処理を行う。

店舗の来店者数を収集するためのシステムにおいて、来店者を検出するための方法としては、以下のような方法が想定される。例えば、来店者を撮影するためのカメラを少なくとも１台設置し、カメラによって撮影された画像内から人物を認識して、認識した人物を来店者として検出する方法がある。このような撮影した画像を用いる方法では、来店者を確実に撮影できるようにするとともに、店舗の前を通過した人物等の来店者として検出することが好ましくない人物が撮影されないように、カメラの設置位置や向きを決めることで、来店者の検出精度を向上させることができる。この方法では、検出した人物の人数をカウントすることによって来店者数をカウントすることができる。また、検出した来店者の人数をカウントするに当たり、人物の顔などの特徴が一致する人物は、同一人物とみなして別人と検出しない等の工夫を凝らすことによって、来店者数のカウント精度を向上させることができる。

来店者を検出するための別の方法としては、来店者が所持する携帯端末との間で無線通信を行う通信端末を店内に設置しておき、通信端末が携帯端末との間で通信を行った結果に基づいて、来店者を検出する方法がある。例えば、店舗内には、Ｗｉ−Ｆｉ（登録商標）やＢｌｕｅｔｏｏｔｈ（登録商標）により来店者が所持するスマートフォンと通信を行うための無線端末が設置され、該無線端末がスマートフォンとの間で通信を行ったことを検出して、来店者を検出することができる。この方法では、該無線端末が通信を行ったスマートフォンの台数をカウントすることによって来店者数をカウントすることができる。このような無線通信の結果に基づいて来店者を検出する方法では、店舗に入店した来店者だけでなく、店舗の外にいる人物も来店者として誤って検出してしまう可能性があるため、一般的には、上記のカメラを利用した方法と比較すると、来店者の検出精度は低いと考えられる。なお、本実施の形態では、通信端末としてＷｉ−Ｆｉ（登録商標）のアクセスポイントを店内に設置し、来店者の携帯端末（以下「来店者端末」と呼ぶ）と無線通信する場合を想定する。

本実施の形態では、来店者の検出精度が高い方法を採用したシステムでカウントされた来店者数を高精度来店者数と呼ぶ。また、来店者の検出精度が低い方法を採用したシステムでカウントされた来店者数を低精度来店者数と呼ぶ。

一般的に、精度が低い検出方法を採用したシステムは、精度が高い検出方法を採用したシステムよりも、導入コストを低く抑えることができる。このため、小規模な店舗など、システムの導入にコストをかけられない店舗では、来店者の検出精度が低い検出方法を採用したシステムを導入することが考えられる。しかしながら、来店者の検出精度が低い検出方法を採用したシステムでは、文字通り来店者の検出精度が低くなってしまうという問題がある。

このような問題を解決するために、本実施の形態における情報処理装置１００では、精度が高い検出方法を採用したシステムと精度が低い検出方法を採用したシステムの両方を導入した店舗で収集された来店者情報を用いて、精度が低い検出方法を採用したシステムを導入した店舗で集計された低精度来店者数を補正するための処理を実行する。これにより、精度が低い検出方法を採用したシステムを導入した店舗においても、来店者数の精度を精度が高い検出方法を採用したシステムを導入した場合の精度に近づけることができる。以下、情報処理装置１００において実行される処理の詳細について説明する。なお、以下の説明においては、精度が高い検出方法を採用したシステムと精度が低い検出方法を採用したシステムの両方を導入した店舗を第一の店舗と呼び、精度が低い検出方法を採用したシステムのみを導入した店舗を第二の店舗と呼んで区別する。

情報処理装置１００の記録装置１０３には、あらかじめ取得された複数店舗の来店者情報が記録されている。例えば、精度が高い検出方法を採用したシステムで取得された来店者情報としては、店舗を特定するための情報、例えば店舗ＩＤと、高精度来店者数とが関連付けて記録されている。また、精度が低い検出方法を採用したシステムで取得された来店者情報としては、店舗を特定するための情報、例えば店舗ＩＤと、無線端末が他の機器と通信を行った結果を示す情報が含まれている。無線端末が通信相手の機器と通信を行った結果を示す情報は、例えば、通信相手の機器を特定するための情報、通信相手の機器からの電波の受信強度を示す情報、通信相手の機器へ信号を送信したことを示す情報、通信相手の機器から送信信号に対する応答信号を受信したことを示す情報、通信相手の機器からアクセスポイントをサーチするためのプルーブ要求を受信したことを示す情報などが、時系列で記録された情報である。

精度が低い検出方法を採用したシステムで取得された来店者情報では、ここに含まれる無線端末が通信相手の機器と通信を行った結果を示す情報に基づいて、単位時間当たりの通信相手の機器の台数をカウントすることにより、低精度来店者数を特定することが可能となる。例えば、１日単位で通信相手の機器の台数をカウントすれば、１日当たりの低精度来店者数を特定することができ、１時間単位で通信相手の機器の台数をカウントすれば、１時間当たりの低精度来店者数を特定することができる。

また、情報処理装置１００の記録装置１０３には、各店舗が第一の店舗であるか第二の店舗であるかを示す情報と、各店舗の属性を示す情報とを含んだ店舗情報が記録されている。各店舗は、対象とする客層、取り扱う商品、ロケーションなどに応じて分類され、分類結果に応じて少なくとも１つの属性が設定される。例えば、対象とする客層に応じた属性としては、子供、女性、男性、高齢者などがある。取り扱う商品に応じた属性としては、下着、玩具、衣服、貴金属、靴などがある。ロケーションに応じた属性としては、ショッピングモール、路面店、市場、都市などがある。本実施の形態では、例えば、客層が子供、取り扱う商品が靴、ロケーションがショッピングモール、東京である場合、その店舗の属性は［子供、靴、ショッピングモール、東京］と表す。

制御装置１０２は、記録装置１０３から処理対象とする第一の店舗で収集された来店者情報を読み出す。これによって、記録装置１０３に複数の第一の店舗で収集された来店者情報が記録されている場合には、処理対象とする１つの第一の店舗で収集された精度が高い来店者情報と精度が低い来店者情報とが読み出される。なお、処理対象とする第一の店舗は、操作者が選択してもよいし、制御装置１０２が選択してもよい。

制御装置１０２は、読み出した第一の店舗で収集された来店者情報に基づいて、第二の店舗で収集された来店者情報に基づいて特定される低精度来店者数を補正するための補正計数を算出する。以下、補正計数の算出方法について説明する。

制御装置１０２は、第一の店舗で収集された精度が低い来店者情報に基づいて、店舗内に設置された無線端末が通信を行った通信相手の機器ごとに、プルーブ要求の時間間隔を算出する。そして、制御装置１０２は、第一の店舗で収集された精度が低い来店者情報の中から、プルーブ要求の時間間隔が所定の範囲内に含まれる情報を特定する。

第一の店舗で収集された精度が低い来店者情報には、無線端末が、店舗内に設置された無線機器などの来店者が所持する携帯端末以外の通信機器と通信を行った結果の情報が含まれる可能性がある。一般的に、来店者が所持するスマートフォン等の携帯端末は、プルーブ要求を行う時間間隔が所定範囲内、例えば６０秒から１５０秒程度の間に収まっているため、来店者が所持する携帯端末として想定される機器の一般的なプルーブ要求の時間間隔に合わせて範囲を設定しておけば、プルーブ要求の時間間隔がその範囲内に含まれる情報は、来店者が所持する携帯端末との通信結果を示す情報である可能性が高い。よって、第一の店舗で収集された精度が低い来店者情報の中から、プルーブ要求の時間間隔があらかじめ設定された所定の範囲内に含まれる情報を特定すれば、来店者が所持する携帯端末との通信結果である可能性が高い情報を特定することが可能となる。

制御装置１０２は、第一の店舗で収集された精度が低い来店者情報の中から、プルーブ要求の時間間隔に基づいて特定した情報を対象情報とし、該対象情報の中から来店者端末との通信結果を示す情報以外を排除するためのフィルタリング処理を行う。

本実施の形態では、対象情報をフィルタリングするために、以下の値に対してフィルタリング用のパラメータを設定する。なお、フィルタリング用のパラメータの設定対象とする値は一例であって、以下の値に限定されるものではない。フィルタリング用のパラメータの設定対象とする値は、来店者情報を取得した店舗の業種、形態、来店者層などによって、適切なものが設定されることが好ましい。
Ｃｌｕｓｔｅｒ Ｌｅｎｇｔｈ
Ｒｅｃｅｉｖｅｄ Ｓｉｇｎａｌ Ｓｔｒｅｎｇｔｈ
Ｔｉｍｅ ｏｆ ｆｌｉｇｈｔ ｄｅｌａｙ
Ａｖｅｒａｇｅ Ｐｒｏｂｅ Ｉｎｔｅｒｖａｌ
Ａｖｅｒａｇｅ Ｐｒｏｂｅ Ｉｎｔｅｒｖａｌ Ｄｅｖｉａｔｉｏｎ
Ｎｕｍｂｅｒ ｏｆ ｒｅｃｅｉｖｅｄ ｐｒｏｂｅｓ
Ｄｅｖｉｃｅ ｒｅｃｕｒｒｅｎｃｅｓ

Ｃｌｕｓｔｅｒ Ｌｅｎｇｔｈは、通信相手の機器が店舗内に設置された無線端末の通信範囲内に存在していた時間を示す情報である。Ｒｅｃｅｉｖｅｄ Ｓｉｇｎａｌ Ｓｔｒｅｎｇｔｈは、無線端末が通信相手の機器と通信を行った際の電波の受信強度を示す値である。Ｔｉｍｅ ｏｆ ｆｌｉｇｈｔ ｄｅｌａｙは、無線端末が通信相手の機器へ信号を送ってから、通信相手の機器からの応答を受信するまでの時間を示す値である。Ａｖｅｒａｇｅ Ｐｒｏｂｅ Ｉｎｔｅｒｖａｌは、無線端末が通信相手の機器からアクセスポイントをサーチするためのプルーブ要求を受信した時間間隔の平均を示す値である。Ａｖｅｒａｇｅ Ｐｒｏｂｅ Ｉｎｔｅｒｖａｌ Ｄｅｖｉａｔｉｏｎは、全ての通信相手の機器におけるＡｖｅｒａｇｅ Ｐｒｏｂｅ Ｉｎｔｅｒｖａｌの平均と、Ａｖｅｒａｇｅ Ｐｒｏｂｅ Ｉｎｔｅｒｖａｌとの差を示す値である。Ｎｕｍｂｅｒ ｏｆ ｒｅｃｅｉｖｅｄ ｐｒｏｂｅｓは、無線端末が通信相手の機器からプルーブ要求を受信した回数を示す値である。Ｄｅｖｉｃｅ ｒｅｃｕｒｒｅｎｃｅｓは、無線端末が通信相手の機器との通信をどれくらいの間隔で繰り返し検出したかを示す値である。

本実施の形態では、これらの値に対してパラメータを設定し、該パラメータを用いて対象情報のフィルタリングを行う。パラメータは、１つの値を設定して、設定したパラメータを閾値以上、または以下の値を除外するようにフィルタリングを行っても良いし、上限パラメータと下限パラメータを設定して、下限から上限までのパラメータ範囲外を排除するようにフィルタリングを行ってもよい。パラメータをどのように設定するかは、パラメータによって異なり、情報処理装置１００の操作者が設定することができる。

例えば、来店者端末の場合、Ｃｌｕｓｔｅｒ Ｌｅｎｇｔｈは、来店者の滞在時間、すなわち店に入ってから出るまでの時間に相当し、この時間は、店舗によって幅があるとはいえ、所定の範囲に収まるのが一般的である。一方で、店舗の前を通り過ぎた人物が所持する携帯端末の場合は、仮に無線端末と通信を行ったとしても、Ｃｌｕｓｔｅｒ Ｌｅｎｇｔｈは短時間となる。また、店内に設置された通信機器や店員が所持する携帯端末の場合は、Ｃｌｕｓｔｅｒ Ｌｅｎｇｔｈが長時間に及ぶことが考えられる。このため、Ｃｌｕｓｔｅｒ Ｌｅｎｇｔｈに対して、来店者の滞在時間として適切と考えられる時間範囲を想定して上限パラメータと下限パラメータを設定し、下限から上限までのパラメータ範囲外の情報を除外するようにフィルタリングを行えば、対象情報から来店者端末との通信結果以外の情報を排除して、情報の精度を向上させることができる。

また、一般的に、来店者を検出するための無線端末は店内に設置されるため、該無線端末が、店内に滞在する来店者端末と通信を行なった場合の電波の受信強度は強くなる。一方、店外にいる人物が所持する携帯端末と通信を行なった場合の電波の受信強度は弱くなる。よって、Ｒｅｃｅｉｖｅｄ Ｓｉｇｎａｌ Ｓｔｒｅｎｇｔｈに対して、店内に位置する携帯端末の電波強度を想定してパラメータの値を設定し、電波強度がパラメータ値以下の情報を除外するようにフィルタリングを行えば、対象情報から来店者端末との通信結果以外の情報を排除して、情報の精度を向上させることができる。

また、Ｔｉｍｅ ｏｆ ｆｌｉｇｈｔ ｄｅｌａｙが一定時間より長い場合、無線端末からの応答に時間がかかっていることを意味するため、その端末は来店者端末ではない可能性がある。よって、Ｔｉｍｅ ｏｆ ｆｌｉｇｈｔ ｄｅｌａｙに対して、来店者が所持する携帯端末からの応答時間を想定して、パラメータの値を設定し、Ｔｉｍｅ ｏｆ ｆｌｉｇｈｔ ｄｅｌａｙがパラメータ値以上の情報を除外するようにフィルタリングを行えば、対象情報から来店者端末との通信結果以外の情報を排除して、情報の精度を向上させることができる。

また、Ａｖｅｒａｇｅ Ｐｒｏｂｅ Ｉｎｔｅｒｖａｌに対しては、プルーブ要求の時間間隔の平均値に対して、来店者端末である可能性が高い時間間隔を想定して上限パラメータと下限パラメータを設定し、下限から上限までのパラメータ範囲外の情報を除外するようにフィルタリングを行えば、対象情報から来店者端末との通信結果以外の情報を排除して、情報の精度を向上させることができる。

また、Ａｖｅｒａｇｅ Ｐｒｏｂｅ Ｉｎｔｅｒｖａｌ Ｄｅｖｉａｔｉｏｎに対しては、Ａｖｅｒａｇｅ Ｐｒｏｂｅ Ｉｎｔｅｒｖａが、全ての通信相手の機器におけるＡｖｅｒａｇｅ Ｐｒｏｂｅ Ｉｎｔｅｒｖａｌの平均から大きく離れている情報は、来店者端末ではなく特殊な機器である可能性があることを考慮して、パラメータの値を設定し、Ａｖｅｒａｇｅ Ｐｒｏｂｅ Ｉｎｔｅｒｖａｌ Ｄｅｖｉａｔｉｏｎがパラメータ値以上の情報を除外するようにフィルタリングを行えば、対象情報から来店者端末との通信結果以外の情報を排除して、情報の精度を向上させることができる。

また、プルーブ要求の受信回数が一般的に想定される来店者端末によるプルーブ要求の回数と比較して多い、または少ない場合は、通信相手の端末は来店者端末でない可能性が高い。このため、Ｎｕｍｂｅｒ ｏｆ ｒｅｃｅｉｖｅｄ ｐｒｏｂｅｓに対しては、来店者端末である可能性が高いプルーブ要求の回数を想定して上限パラメータと下限パラメータを設定し、下限から上限までのパラメータ範囲外の情報を除外するようにフィルタリングを行えば、対象情報から来店者端末との通信結果以外の情報を排除して、情報の精度を向上させることができる。

また、無線端末が短い日数間隔で通信を繰り返す通信相手は、店舗内に設置された機器や、店員が所持する携帯端末である可能性が高い。このため、Ｄｅｖｉｃｅ ｒｅｃｕｒｒｅｎｃｅｓに対しては、来店者端末である可能性が高い来店頻度を想定してパラメータ値を設定し、Ｄｅｖｉｃｅ ｒｅｃｕｒｒｅｎｃｅｓがパラメータ値以下の情報を除外するようにフィルタリングを行えば、対象情報から来店者端末との通信結果以外の情報を排除して、情報の精度を向上させることができる。

本実施の形態では、上記の各値に対して設定するパラメータ値として最適な値を決定するために、以下の処理を行う。まず、各パラメータに対しては、初期値が設定されているものとする。各パラメータ値の初期値は、情報処理装置１００の操作者があらかじめ設定してもよいし、制御装置１０２が自動的に設定してもよい。

制御装置１０２は、設定されている各パラメータ値に基づいて、対象情報のフィルタリングを行う。そして、制御装置１０２は、フィルタリング後の対象情報に基づいて、時刻ｔｊから時刻ｔｋの間における低精度来店者数ｅｎｔｅｒＬＡ（ｔｊ，ｔｋ）を特定する。また、制御装置１０２は、第一の店舗で収集された精度が高い来店者情報に含まれる高精度来店者数に基づいて、時刻ｔｊから時刻ｔｋの間における高精度来店者数ｅｎｔｅｒＨＡ（ｔｊ，ｔｋ）を特定する。そして、制御装置１０２は、低精度来店者数ｅｎｔｅｒＬＡ（ｔｊ，ｔｋ）と高精度来店者数ｅｎｔｅｒＨＡ（ｔｊ，ｔｋ）との比ｆａｃｔｏｒ（ｔｊ，ｔｋ）を次式（１）により算出する。
ｆａｃｔｏｒ（ｔｊ，ｔｋ）＝ｅｎｔｅｒＨＡ（ｔｊ，ｔｋ）／ｅｎｔｅｒＬＡ（ｔｊ，ｔｋ） ・・・（１）

式（１）において、時刻ｔｊと時刻ｔｋの間隔は、あらかじめ設定されているものとする。例えば、時刻ｔｊと時刻ｔｋの間隔が１分間ある場合に、１０：００から１０：０１の間において、ｅｎｔｅｒＬＡ（１０：００，１０：０１）が５人、ｅｎｔｅｒＨＡ（１０：００，１０：０１）が２人である場合は、式（１）は、ｆａｃｔｏｒ（１０：００，１０：０１）＝２／５となる。あるいは、時刻ｔｊと時刻ｔｋの間隔が１時間である場合に、１０：００から１１：００の間において、ｅｎｔｅｒＬＡ（１０：００，１１：００）が２００人、ｅｎｔｅｒＨＡ（１０：００，１０：０１）が１２０人である場合は、式（１）は、ｆａｃｔｏｒ（１０：００，１１：００）＝１２０／２００となる。

制御装置１０２は、対象情報に通信結果が含まれる全期間、または操作者によって指定された所定期間を対象期間Ｔとして、時刻ｔｊから時刻ｔｋの時間間隔ごとにｆａｃｔｏｒ（ｔｊ，ｔｋ）を算出する。例えば、対象とする期間が１０：００から１１：００の１時間で、時刻ｔｊと時刻ｔｋの間隔が１分間ある場合には、ｆａｃｔｏｒ（１０：００，１０：０１）からｆａｃｔｏｒ（１０：５９，１１：００）の６０件のｆａｃｔｏｒ（ｔｊ，ｔｋ）が算出される。

制御装置１０２は、式（１）により算出したｆａｃｔｏｒ（ｔｊ，ｔｋ）に対して、次式（２）を用いて、式（１）により算出したｆａｃｔｏｒ（ｔｊ，ｔｋ）の対象期間Ｔにおける平均値ｆａｃｔｏｒ（Ｔ）を算出する。
ｆａｃｔｏｒ（Ｔ）＝式（１）で算出したｆａｃｔｏｒ（ｔｊ，ｔｋ）の合計／式（１）により算出したｆａｃｔｏｒ（ｔｊ，ｔｋ）の件数 ・・・（２）

制御装置１０２は、式（１）で対象とした時刻ｔｊから時刻ｔｋの時間間隔ごとに、次式（３）を用いて、ｃｏｓｔ（ｔｊ，ｔｋ）を算出する。
ｃｏｓｔ（ｔｊ，ｔｋ）＝（ｆａｃｔｏｒ（Ｔ）×ｅｎｔｅｒＬＡ（ｔｊ，ｔｋ）−ｅｎｔｅｒＨＡ（ｔｊ，ｔｋ））^２ ・・・（３）

制御装置１０２は、式（３）で算出したｃｏｓｔ（ｔｊ，ｔｋ）を合計して、上記の対象期間Ｔにおけるｃｏｓｔ（Ｔ）を算出する。このｃｏｓｔ（Ｔ）は、その値が小さいほど、フィルタリングによって、対象情報に含まれる低精度来店者数を、第一の店舗で収集された精度が高い高精度来店者数に近づけることができたことを意味する。すなわち、ｃｏｓｔ（Ｔ）が小さいほど、フィルタリングに用いたパラメータの値が適切であることを意味する。

本実施の形態では、制御装置１０２は、ｃｏｓｔ（Ｔ）があらかじめ設定された所定値より大きい場合には、上記の各パラメータの値を変更して、式（１）〜（３）を用いた上記の処理を行う。このとき、制御装置１０２は、各パラメータの値をランダムに変更してもよいし、あらかじめ設定されているアルゴリズムに従って変更してもよい。その後、制御装置１０２は、ｃｏｓｔ（Ｔ）があらかじめ設定された所定値以下になるまで、パラメータを変更しながら処理を繰り返し、ｃｏｓｔ（Ｔ）があらかじめ設定された所定値以下になった時点でパラメータを決定するための処理を終了する。

制御装置１０２は、処理を終了した時点で設定されているパラメータを、上記のＣｌｕｓｔｅｒ Ｌｅｎｇｔｈ、Ｒｅｃｅｉｖｅｄ Ｓｉｇｎａｌ Ｓｔｒｅｎｇｔｈ、Ｔｉｍｅ ｏｆ ｆｌｉｇｈｔ ｄｅｌａｙ、Ａｖｅｒａｇｅ Ｐｒｏｂｅ Ｉｎｔｅｒｖａｌ、Ａｖｅｒａｇｅ Ｐｒｏｂｅ Ｉｎｔｅｒｖａｌ Ｄｅｖｉａｔｉｏｎ、Ｎｕｍｂｅｒ ｏｆ ｒｅｃｅｉｖｅｄ ｐｒｏｂｅｓ、Ｄｅｖｉｃｅ ｒｅｃｕｒｒｅｎｃｅｓに対するパラメータの値として決定する。また、制御装置１０２は、後述する処理において、ここで決定したパラメータ値でフィルタリングを行った結果を用いて（１）で算出されたｆａｃｔｏｒ（ｔｊ，ｔｋ）を、後述する対象店舗の低精度来店者数を補正するための処理で使用する。このため、本実施の形態では、ここで決定したパラメータ値でフィルタリングを行った結果を用いて算出されたｆａｃｔｏｒ（ｔｊ，ｔｋ）を補正用のｆａｃｔｏｒ（ｔｊ，ｔｋ）として特定する。

制御装置１０２は、記録装置１０３に複数の第一の店舗で収集された来店者情報が記録されている場合には、全ての第一の店舗に対して上記の処理を行って、各店舗ごとに補正用のｆａｃｔｏｒ（ｔｊ，ｔｋ）を特定する。

次に、制御装置１０２は、精度が低い検出方法を採用したシステムのみを導入した店舗、すなわち第二の店舗の中から、低精度来店者数の補正対象とする対象店舗を選択する。ここで対象店舗の選択は、制御装置１０２が自動的に選択してもよいし、操作者による選択を受け付けてもよい。

制御装置１０２は、選択した対象店舗に対して、該対象店舗と属性が類似する第一の店舗を特定するための処理を行う。制御装置１０２は、まず、記録装置１０３から対象店舗の店舗情報を読み出して、対象店舗の属性を特定する。また、制御装置１０２は、記録装置１０３から第一の店舗の店舗情報を読み出して、第一の店舗の属性を特定する。本実施の形態では、対象店舗の属性をＶｔａｒｇｅｔと表し、第一の店舗の属性をＶｓｔｏｒｅｉ（ｉは第一の店舗の識別子）と表すこととする。例えば、第一の店舗の店舗情報が３件読み出された場合には、Ｖｓｔｏｒｅｉは、Ｖｓｔｏｒｅ１、Ｖｓｔｏｒｅ２、Ｖｓｔｏｒｅ３となる。

制御装置１０２は、Ｖｔａｒｇｅｔ、Ｖｓｔｏｒｅｉを対象として、それぞれの属性内容に基づいて、次式（４）、（５）を用いた値の特定を行う。
｜Ａｉ｜＝ＶｔａｒｇｅｔとＶｓｔｏｒｅｉに共通する属性の数 ・・・（４）
｜Ｂｉ｜＝ＶｔａｒｇｅｔとＶｓｔｏｒｅｉの和集合に含まれる属性の数 ・・・（５）

そして、対象店舗と第一の店舗との属性の類似度を示す類似指標値Ｓｉを次式（６）により算出する。
Ｓｉ＝｜Ａｉ｜／｜Ｂｉ｜ ・・・（６）

式（４）〜（６）を用いた処理の具体例を示す。ここでは、対象店舗と属性が類似する第一の店舗の店舗情報が３件読み出された場合を想定し、各店舗の属性は以下の内容であるものとする。
Ｖｔａｒｇｅｔ：［子供、靴、ショッピングモール、大阪］
Ｖｓｔｏｒｅ１：［子供、玩具、ショッピングモール、大阪］
Ｖｓｔｏｒｅ２：［女性、下着、ショッピングモール、東京］
Ｖｓｔｏｒｅ３：［子供、衣服、ショッピングモール、東京］

この場合、制御装置１０２は、式（４）、（５）により、以下の値を算出する。
｜Ａ１｜＝ＶｔａｒｇｅｔとＶｓｔｏｒｅ１に共通する属性の数＝３
｜Ａ２｜＝ＶｔａｒｇｅｔとＶｓｔｏｒｅ２に共通する属性の数＝１
｜Ａ３｜＝ＶｔａｒｇｅｔとＶｓｔｏｒｅ３に共通する属性の数＝２
｜Ｂ１｜＝ＶｔａｒｇｅｔとＶｓｔｏｒｅｉの和集合に含まれる属性の数＝５
｜Ｂ２｜＝ＶｔａｒｇｅｔとＶｓｔｏｒｅｉの和集合に含まれる属性の数＝７
｜Ｂ３｜＝ＶｔａｒｇｅｔとＶｓｔｏｒｅｉの和集合に含まれる属性の数＝６

制御装置１０２は、式（６）により、以下の値を得る。
Ｓ１＝３／５＝０．６０００
Ｓ２＝１／７＝０．１４２８
Ｓ３＝２／６＝０．３３３３

制御装置１０２は、算出したＳｉが最も大きくなるＶｔａｒｇｅｔとＶｓｔｏｒｅｉの組を特定し、そのＶｓｔｏｒｅｉに対応する店舗を、対象店舗と属性が類似する第一の店舗として特定する。例えば、上記のＳ１、Ｓ２、Ｓ３の例では、Ｓ１の値が最も大きいため、Ｖｓｔｏｒｅ１に対応する第一の店舗を対象店舗と属性が最も類似する店舗として特定する。

制御装置１０２は、上記の処理で特定した対象店舗と属性が類似する第一の店舗の補正用のｆａｃｔｏｒ（ｔｊ，ｔｋ）を用いて、次式（７）により、対象店舗における低精度来店者数ｅｎｔｅｒＬＡ（ｔｊ，ｔｋ）を補正して、補正後の来店者数を算出する。
補正後の来店者数＝ｅｎｔｅｒＬＡ（ｔｊ，ｔｋ）×ｆａｃｔｏｒ（ｔｊ，ｔｋ）・・・（７）
これにより、対象店舗と属性が類似する第一の店舗で収集された来店者情報に基づいて、対象店舗として選択した第二の店舗の来店者数を補正して、精度が低い検出方法を採用したシステムのみを導入した第二の店舗における来店者数の精度を向上させることができる。

図２は、本実施の形態における情報処理装置１００で実行される処理の流れを示すフローチャートである。図２に示す処理は、情報処理装置１００の操作者によってプログラムの実行が指示されると起動するプログラムとして、制御装置１０２によって実行される。

ステップＳ１０において、制御装置１０２は、上述したように、第一の店舗で収集された精度が低い来店者情報の中から、プルーブ要求の時間間隔に基づいて対象情報を特定する。その後、ステップＳ２０へ進む。

ステップＳ２０では、制御装置１０２は、対象情報の中から来店者端末との通信結果を示す情報以外を排除するためのフィルタリング処理を行うために、上述したＣｌｕｓｔｅｒ Ｌｅｎｇｔｈ、Ｒｅｃｅｉｖｅｄ Ｓｉｇｎａｌ Ｓｔｒｅｎｇｔｈ、Ｔｉｍｅ ｏｆ ｆｌｉｇｈｔ ｄｅｌａｙ、Ａｖｅｒａｇｅ Ｐｒｏｂｅ Ｉｎｔｅｒｖａｌ、Ａｖｅｒａｇｅ Ｐｒｏｂｅ Ｉｎｔｅｒｖａｌ Ｄｅｖｉａｔｉｏｎ、Ｎｕｍｂｅｒ ｏｆ ｒｅｃｅｉｖｅｄ ｐｒｏｂｅｓ、Ｄｅｖｉｃｅ ｒｅｃｕｒｒｅｎｃｅｓの各値に対して、上述したように、パラメータ値を設定する。その後、ステップＳ３０へ進む。

ステップＳ３０では、制御装置１０２は、上述したように、ステップＳ２０で値を設定したパラメータを用いて対象情報のフィルタリングを行う。その後、ステップＳ４０へ進む。

ステップＳ４０では、制御装置１０２は、上述したように、式（１）〜（３）を用いた演算を行って、ｃｏｓｔ（ｔｊ，ｔｋ）を算出し、対象期間Ｔにおけるｃｏｓｔ（ｔｊ，ｔｋ）の合計ｃｏｓｔ（Ｔ）を算出する。その後、ステップＳ５０へ進む。

ステップＳ５０では、制御装置１０２は、ｃｏｓｔ（Ｔ）があらかじめ設定された所定値以下であるか否かを判断する。ステップＳ５０で否定判断した場合には、ステップＳ２０へ戻り、制御装置１０２は、各パラメータの値を変更する。これに対して、ステップＳ５０で肯定判断した場合には、ステップＳ６０へ進む。

ステップＳ６０では、制御装置１０２は、ｃｏｓｔ（Ｔ）があらかじめ設定された所定値以下になったときに算出されたｆａｃｔｏｒ（ｔｊ，ｔｋ）を補正用のｆａｃｔｏｒ（ｔｊ，ｔｋ）として特定する。その後、ステップＳ７０へ進む。

ステップＳ７０では、制御装置１０２は、上述したように、精度が低い検出方法を採用したシステムのみを導入した店舗、すなわち第二の店舗の中から、低精度来店者数の補正対象とする対象店舗を選択する。その後、ステップＳ８０へ進む。

ステップＳ８０では、制御装置１０２は、上述したように、記録装置１０３から対象店舗の属性Ｖｔａｒｇｅｔと第一の店舗の属性Ｖｓｔｏｒｅｉを読み出して特定する。その後、ステップＳ９０へ進む。

ステップＳ９０では、制御装置１０２は、式（４）〜（６）を用いた処理を行って、対象店舗と第一の店舗との属性の類似度を示す類似指標値Ｓｉを算出する。その後、ステップＳ１００へ進む。

ステップＳ１００では、制御装置１０２は、算出したＳｉが最も大きくなるＶｔａｒｇｅｔとＶｓｔｏｒｅｉの組を特定し、そのＶｓｔｏｒｅｉに対応する店舗を、対象店舗と属性が類似する第一の店舗として特定する。その後、ステップＳ１１０へ進む。

ステップＳ１１０では、制御装置１０２は、式（７）を用いて、対象店舗の低精度来店者数を補正する。その後、処理を終了する。

以上説明した本実施の形態によれば、以下のような作用効果を得ることができる。
（１）制御装置１０２は、第一の来店者情報取得システムと、第一の来店者情報取得システムよりも情報の収集精度が高い第二の来店者情報取得システムとを導入した第一の店舗において、第一の来店者情報取得システムを利用してカウントされた低精度来店者数と、第二の来店者情報取得システムを利用してカウントされた高精度来店者数とを特定し、第一の来店者情報取得システムを導入した第二の店舗において、第一の来店者情報取得システムを利用してカウントされた精度来店者数を特定し、第一の店舗における低精度来店者数と高精度来店者数とに基づいて、第二の店舗における低精度来店者数を補正するための補正係数を算出し、算出した補正係数を用いて、第二の店舗における低精度来店者数を補正するようにした。これによって、第二の来店者情報取得システムよりも情報の収集精度が低い第一の来店者情報取得システムのみを導入している店舗においても、低精度来店者数を補正して、高精度来店者数に近づけることができる。

（２）制御装置１０２は、第一の店舗において、第一の来店者情報取得システムを利用して収集された来店者情報に基づいて、第一の来店者情報取得システムを利用して収集された来店者情報をフィルタリングし、フィルタリングが行われた後の来店者情報に基づいて、第一の店舗における低精度来店者数を特定するようにした。これによって、店内に設置された通信端末と来店者が所持する携帯端末との通信結果を利用して来店者数をカウントする場合に、フィルタリングによって、来店者が所持する携帯端末との通信結果を排除することができる。

（３）制御装置１０２は、低精度来店者数を高精度来店者数に近づけることができたと判定するまで、すなわち、ｃｏｓｔ（Ｔ）があらかじめ設定された所定値以下になったと判定するまで、パラメータ値を変更しながらフィルタリングを繰り返し行うようにした。これによって、対象情報から来店者端末との通信結果以外の情報を十分に排除することができる。

（４）制御装置１０２は、低精度来店者数を高精度来店者数に近づけることができたと判定したときの、低精度来店者数と高精度来店者数との比で表されるｆａｃｔｏｒ（ｔｊ，ｔｋ）を補正係数として決定するようにした。これによって、第一の店舗で収集された低精度来店者数を高精度来店者数を用いて、補正係数を算出することができる。

（５）制御装置１０２は、低精度来店者数の補正対象とする対象店舗と、属性が類似する第一の店舗を特定し、特定した第一の店舗において算出された補正係数を用いて、対象店舗の低精度来店者数を補正するようにした。これによって、属性が類似する第一の店舗の情報に基づいて算出された補正係数を用いて、精度高く対象店舗の低精度来店者数を補正することができる。

―変形例―
なお、上述した実施の形態の情報処理装置１００は、以下のように変形することもできる。
（１）上述した実施の形態では、制御装置１０２は、Ｖｔａｒｇｅｔ、Ｖｓｔｏｒｅｉを対象として、それぞれの属性内容に基づいて、式（４）、（５）を用いた値の特定を行うようにした。しかしながら、店舗の属性に重みづけを行ってから式（４）、（５）を用いた値の特定を行ってもよい。例えば、上述した実施の形態においては、対象とする客層を示す属性に対して重み値２が設定され、取り扱う商品示す属性に対して重み値１が設定され、ロケーションを示す属性に対して重み値３が設定されているとする。この各属性に対する重み値は、あらかじめ設定され、記録装置１０３に記録されているものとする。

この場合、上述した実施の形態におけるＶｔａｒｇｅｔ、Ｖｓｔｏｒｅ１、Ｖｓｔｏｒｅ２、Ｖｓｔｏｒｅ３の属性を重み値を考慮して模式的に表すと次のようになる。
Ｖｔａｒｇｅｔ：［子供×２、靴×１、ショッピングモール×３、大阪×３］
Ｖｓｔｏｒｅ１：［子供×２、玩具×１、ショッピングモール×３、大阪×３］
Ｖｓｔｏｒｅ２：［女性×２、下着×１、ショッピングモール×３、東京×３］
Ｖｓｔｏｒｅ３：［子供×２、衣服×１、ショッピングモール×３、東京×３］

そうすると、式（４）、（５）の算出結果は、以下のように算出される。
｜Ａ１｜＝ＶｔａｒｇｅｔとＶｓｔｏｒｅ１に共通する属性の数＝８
｜Ａ２｜＝ＶｔａｒｇｅｔとＶｓｔｏｒｅ２に共通する属性の数＝３
｜Ａ３｜＝ＶｔａｒｇｅｔとＶｓｔｏｒｅ３に共通する属性の数＝５
｜Ｂ１｜＝ＶｔａｒｇｅｔとＶｓｔｏｒｅｉの和集合に含まれる属性の数＝１０
｜Ｂ２｜＝ＶｔａｒｇｅｔとＶｓｔｏｒｅｉの和集合に含まれる属性の数＝１５
｜Ｂ３｜＝ＶｔａｒｇｅｔとＶｓｔｏｒｅｉの和集合に含まれる属性の数＝１３

この場合、式（６）の計算結果は以下の通りとなり、制御装置１０２は、値が最も大きいＳ１に基づいて、Ｖｓｔｏｒｅ１に対応する第一の店舗を対象店舗と属性が最も類似する店舗として特定する。
Ｓ１＝８／１０＝０．８０００
Ｓ２＝３／１５＝０．２０００
Ｓ３＝５／１３＝０．２３０７

（２）上述した実施の形態では、式（６）により算出した類似指標値Ｓｉが最も大きいＶｔａｒｇｅｔとＶｓｔｏｒｅｉの組を特定し、そのＶｓｔｏｒｅｉに対応する店舗を、対象店舗と属性が類似する第一の店舗として特定し、特定した対象店舗と属性が類似する第一の店舗の補正用のｆａｃｔｏｒ（ｔｊ，ｔｋ）を補正係数として用いて、式（７）により、対象店舗における低精度来店者数ｅｎｔｅｒＬＡ（ｔｊ，ｔｋ）を補正する例について説明した。しかしながら、制御装置１０２は、以下のように補正係数を算出してもよい。

制御装置１０２は、式（６）により算出した類似指標値Ｓｉを、あらかじめ設定された所定の閾値を用いてクラスタリングする。例えば、制御装置１０２は、１つめの類似指標値Ｓ１に対して、類似指標値Ｓ１を含むクラスタを作成する。それ以降の類似指標値Ｓｉについては、以下のように判定を行って、各類似指標値ｉをいずれかのクラスタに含める。制御装置１０２は、作成済みの１つのクラスタを対象クラスタとして、そのクラスタに含まれる類似指標値ｉのそれぞれと、判定対象とする類似指標値ｉの差の平均値が、所定の閾値未満であれば、判定対象の類似指標値ｉを対象クラスタに含める。判定の結果、対象クラスタに含めることができない場合には、対象クラスタを変更して、同様の処理を行う。最終的に、判定対象とする類似指標値ｉがいずれのクラスタにも属さない場合には、新たにクラスタを作成し、作成したクラスタに判定対象とする類似指標値ｉを含める。これにより、全ての類似指標値ｉがいずれかのクラスタに属することになる。

制御装置１０２は、最も大きい類似指標値Ｓｉが含まれているクラスタを特定し、特定したクラスタ内に含まれるそれぞれの類似指標値Ｓｉを対象として、次式（８）による演算を行う。
Ｐｉ＝類似指標値Ｓｉ／クラスタ内の類似指標値Ｓｉの合計 ・・・（８）

そして、制御装置１０２は、次式（９）に示すように、式（８）で算出した値の平均値を補正係数ｆａｃｔｏｒとして算出する。
ｆａｃｔｏｒ＝Ｐｉ／クラスタ内の類似指標値Ｓｉの数 ・・・（９）

制御装置１０２は、次式（１０）に示すように、式（９）で算出した補正係数ｆａｃｔｏｒを補正係数として用いて、対象店舗における低精度来店者数ｅｎｔｅｒＬＡ（ｔｊ，ｔｋ）を補正する
補正後の来店者数＝ｅｎｔｅｒＬＡ（ｔｊ，ｔｋ）×ｆａｃｔｏｒ・・・（１０）

（３）上述した実施の形態では、制御装置１０２は、第一の店舗で収集された精度が低い来店者情報に基づいて、店舗内に設置された無線端末が通信を行った通信相手の機器ごとに、プルーブ要求の時間間隔を算出し、第一の店舗で収集された精度が低い来店者情報の中から、プルーブ要求の時間間隔が所定の範囲内に含まれる情報を特定するための処理を行う例について説明した。また、制御装置１０２は、第一の店舗で収集された精度が低い来店者情報の中から、プルーブ要求の時間間隔に基づいて特定した情報を対象情報とし、該対象情報の中から来店者端末との通信結果を示す情報以外を排除するためのフィルタリング処理を行う例について説明した。しかしながら、これらの処理は、事前に別の装置等で行っておき、これらの処理が完了した状態の情報を用いるようにすれば、必ずしも制御装置１０２が行わなくてもよい。

（４）上述した実施の形態では、情報処理装置１００としては、例えば、サーバ装置やパソコン等の情報処理装置が用いられる例について説明した。そして、図１では、情報処理装置１００としてサーバ装置を用いた場合の一実施の形態の構成を示し、情報処理装置１００は、接続インターフェース１０１と、制御装置１０２と、記録装置１０３とを備える例について説明した。しかしながら、情報処理装置１００の構成はこれに限定されるものではない。例えば、図３に示すように、情報処理装置１００は、記録装置１０３を備えず、ＬＡＮ等の通信回線を介してデータベースサーバ２００と通信可能な構成としてもよい。この場合、上述した実施の形態において、記録装置１０３に記録した種々のデータは、データベースサーバ２００に記録されることになる。そして、制御装置１０２は、接続インターフェース１０１を介してデータベースサーバ２００に接続して、データベースサーバ２００からデータを読み出すようにすればよい。

また、図４に示すように、複数の情報処理装置１００がデータベースサーバ２００にアクセスして、データベースサーバ２００に記録されたデータを共有できる構成としてもよい。この場合、それぞれの情報処理装置１００には、図２に示した処理を実行するためのプログラムデータを記録して実行できるようにすれば、複数の情報処理装置１００で処理を分散させることができる。

また、図３や図４に示した情報処理装置１００とデータベースサーバ２００とで構成される情報処理システムをインターネット上に配置してクラウド環境を構築し、各店舗に設置された来店者を検出するためのシステムは、インターネット経由でデータベースサーバ２００に来店者情報を送信するようにしてもよい。これによって、情報処理装置１００では、制御装置１０２は、データベースサーバ２００にアクセスして、各店舗から送信された来店者情報を取得し、取得した来店者情報に基づいて、上述した実施の形態における処理を実行することができる。

なお、本発明の特徴的な機能を損なわない限り、本発明は、上述した実施の形態における構成に何ら限定されない。また、上述の実施の形態と複数の変形例を組み合わせた構成としてもよい。

１００ 情報処理装置
１０１ 接続インターフェース
１０２ 制御装置
１０３ 記録装置
２００ データベースサーバ

本発明による情報処理装置は、第一の来店者情報取得システムと、第一の来店者情報取得システムよりも情報の収集精度が高い第二の来店者情報取得システムとを導入した第一の店舗において、第一の来店者情報取得システムを利用してカウントされた来店者数（以下、「低精度来店者数」と呼ぶ）と、第二の来店者情報取得システムを利用してカウントされた来店者数（以下、「高精度来店者数」と呼ぶ）とを特定する第一の来店者数特定手段と、第一の来店者情報取得システムと第二の来店者情報取得システムのうち、第一の来店者情報取得システムを導入した第二の店舗において、第一の来店者情報取得システムを利用してカウントされた低精度来店者数を特定する第二の来店者数特定手段と、第一の来店者数特定手段によって特定された第一の店舗における低精度来店者数と高精度来店者数とに基づいて、第二の店舗における低精度来店者数を補正するための補正係数を算出する補正係数算出手段と、補正係数算出手段によって算出された補正係数を用いて、第二の店舗における低精度来店者数を補正する補正手段とを備えることを特徴とする。
本発明による情報処理方法は、第一の来店者情報取得システムと、第一の来店者情報取得システムよりも情報の収集精度が高い第二の来店者情報取得システムとを導入した第一の店舗において、第一の来店者情報取得システムを利用してカウントされた来店者数（以下、「低精度来店者数」と呼ぶ）と、第二の来店者情報取得システムを利用してカウントされた来店者数（以下、「高精度来店者数」と呼ぶ）とを特定する第一の来店者数特定手順と、第一の来店者情報取得システムと第二の来店者情報取得システムのうち、第一の来店者情報取得システムを導入した第二の店舗において、第一の来店者情報取得システムを利用してカウントされた低精度来店者数を特定する第二の来店者数特定手順と、第一の来店者数特定手順で特定した第一の店舗における低精度来店者数と高精度来店者数とに基づいて、第二の店舗における低精度来店者数を補正するための補正係数を算出する補正係数算出手順と、補正係数算出手順で算出した補正係数を用いて、第二の店舗における低精度来店者数を補正する補正手順とをコンピュータに実行させるための方法である。

（２）制御装置１０２は、第一の店舗において、第一の来店者情報取得システムを利用して収集された来店者情報に基づいて、第一の来店者情報取得システムを利用して収集された来店者情報をフィルタリングし、フィルタリングが行われた後の来店者情報に基づいて、第一の店舗における低精度来店者数を特定するようにした。これによって、店内に設置された通信端末と来店者が所持する携帯端末との通信結果を利用して来店者数をカウントする場合に、フィルタリングによって、来店者が所持する携帯端末との通信結果以外の情報を排除することができる。

Claims (12)

1. 第一の来店者情報取得システムと、前記第一の来店者情報取得システムよりも情報の収集精度が高い第二の来店者情報取得システムとを導入した第一の店舗において、前記第一の来店者情報取得システムを利用してカウントされた来店者数（以下、「低精度来店者数」と呼ぶ）と、前記第二の来店者情報取得システムを利用してカウントされた来店者数（以下、「高精度来店者数」と呼ぶ）とを特定する第一の来店者数特定手段と、
   前記第一の来店者情報取得システムを導入した第二の店舗において、前記第一の来店者情報取得システムを利用してカウントされた前記精度来店者数を特定する第二の来店者数特定手段と、
   前記第一の来店者数特定手段によって特定された前記第一の店舗における前記低精度来店者数と前記高精度来店者数とに基づいて、前記第二の店舗における前記低精度来店者数を補正するための補正係数を算出する補正係数算出手段と、
   前記補正係数算出手段によって算出された前記補正係数を用いて、前記第二の店舗における前記低精度来店者数を補正する補正手段とを備えることを特徴とする情報処理装置。
2. 請求項１に記載の情報処理装置において、
   前記第一の店舗において、第一の来店者情報取得システムを利用して収集された来店者情報から、来店者に関する情報以外の情報を除外するように、フィルタリング処理を行うフィルタリング手段をさらに備え、
   前記第一の来店者数特定手段は、前記フィルタリング手段によって、フィルタリングが行われた後の前記来店者情報に基づいて、前記第一の店舗における前記低精度来店者数を特定することを特徴とする情報処理装置。
3. 請求項２に記載の情報処理装置において、
   前記フィルタリング手段は、前記低精度来店者数を前記高精度来店者数に近づけることができたと判定するまで、フィルタリングを繰り返し行うことを特徴とする情報処理装置。
4. 請求項３に記載の情報処理装置において、
   前記補正係数算出手段は、前記フィルタリング手段によって、前記低精度来店者数を前記高精度来店者数に近づけることができたと判定されたときの、前記低精度来店者数と前記高精度来店者数との比で表される係数を前記補正係数として決定することを特徴とする情報処理装置。
5. 請求項１〜４のいずれか一項に記載の情報処理装置において、
   店舗の属性に基づいて、前記低精度来店者数の補正対象とする前記第二の店舗と、属性が類似する前記第一の店舗を特定する類似店舗特定手段をさらに備え、
   前記補正手段は、前記類似店舗特定手段によって属性が類似すると判定された前記第一の店舗における前記低精度来店者数と前記高精度来店者数とに基づいて算出された前記補正係数を用いて、補正対象とする前記第二の店舗における前記低精度来店者数を補正することを特徴とする情報処理装置。
6. 請求項１〜３のいずれか一項に記載の情報処理装置において、
   店舗の属性に基づいて、前記低精度来店者数の補正対象とする前記第二の店舗と、属性が類似する前記第一の店舗を特定するための類似指標値を算出する類似指標値算出手段と、
   前記類似指標値算出手段によって算出された前記類似指標値を、閾値を用いてクラスタリングするクラスタリング手段と、
   前記類似指標値算出手段によって算出された前記類似指標値に基づいて、補正対象とする前記第二の店舗に類似する前記第一の店舗を特定する類似店舗特定手段と、
   前記類似店舗特定手段によって特定された前記第一の店舗と補正対象とする前記第二の店舗との類似指標値が属するクラスタを特定するクラスタ特定手段とをさらに備え、
   記補正係数算出手段は、前記クラスタ特定手段によって特定されたクラスタに含まれる前記類似指標値に基づいて、前記補正係数を算出することを特徴とする情報処理装置。
7. 第一の来店者情報取得システムと、前記第一の来店者情報取得システムよりも情報の収集精度が高い第二の来店者情報取得システムとを導入した第一の店舗において、前記第一の来店者情報取得システムを利用してカウントされた来店者数（以下、「低精度来店者数」と呼ぶ）と、前記第二の来店者情報取得システムを利用してカウントされた来店者数（以下、「高精度来店者数」と呼ぶ）とを特定する第一の来店者数特定手順と、
   前記第一の来店者情報取得システムを導入した第二の店舗において、前記第一の来店者情報取得システムを利用してカウントされた前記精度来店者数を特定する第二の来店者数特定手順と、
   前記第一の来店者数特定手順で特定した前記第一の店舗における前記低精度来店者数と前記高精度来店者数とに基づいて、前記第二の店舗における前記低精度来店者数を補正するための補正係数を算出する補正係数算出手順と、
   前記補正係数算出手順で算出した前記補正係数を用いて、前記第二の店舗における前記低精度来店者数を補正する補正手順とをコンピュータに実行させるための情報処理方法。
8. 請求項７に記載の情報処理方法において、
   前記第一の店舗において、第一の来店者情報取得システムを利用して収集された来店者情報から、来店者に関する情報以外の情報を除外するように、フィルタリング処理を行うフィルタリング手順をさらに有し、
   前記第一の来店者数特定手順は、前記フィルタリング手順でフィルタリングが行われた後の前記来店者情報に基づいて、前記第一の店舗における前記低精度来店者数を特定することを特徴とする情報処理方法。
9. 請求項８に記載の情報処理方法において、
   前記フィルタリング手順は、前記低精度来店者数を前記高精度来店者数に近づけることができたと判定するまで、フィルタリングを繰り返し行うことを特徴とする情報処理方法。
10. 請求項９に記載の情報処理方法において、
    前記補正係数算出手順は、前記フィルタリング手順で前記低精度来店者数を前記高精度来店者数に近づけることができたと判定したときの、前記低精度来店者数と前記高精度来店者数との比で表される係数を前記補正係数として決定することを特徴とする情報処理方法。
11. 請求項７〜１０のいずれか一項に記載の情報処理方法において、
    店舗の属性に基づいて、前記低精度来店者数の補正対象とする前記第二の店舗と、属性が類似する前記第一の店舗を特定する類似店舗特定手順をさらに有し、
    前記補正手順は、前記類似店舗特定手順で属性が類似すると判定した前記第一の店舗における前記低精度来店者数と前記高精度来店者数とに基づいて算出された前記補正係数を用いて、補正対象とする前記第二の店舗における前記低精度来店者数を補正することを特徴とする情報処理方法。
12. 請求項７〜９のいずれか一項に記載の情報処理方法において、
    店舗の属性に基づいて、前記低精度来店者数の補正対象とする前記第二の店舗と、属性が類似する前記第一の店舗を特定するための類似指標値を算出する類似指標値算出手順と、
    前記類似指標値算出手順で算出した前記類似指標値を、閾値を用いてクラスタリングするクラスタリング手順と、
    前記類似指標値算出手順で算出した前記類似指標値に基づいて、補正対象とする前記第二の店舗に類似する前記第一の店舗を特定する類似店舗特定手順と、
    前記類似店舗特定手順で特定した前記第一の店舗と補正対象とする前記第二の店舗との類似指標値が属するクラスタを特定するクラスタ特定手順とをさらに有し、
    記補正係数算出手順は、前記クラスタ特定手順で特定したクラスタに含まれる前記類似指標値に基づいて、前記補正係数を算出することを特徴とする情報処理方法。
    
    

Images