JP2018139036A - Analysis device - Google Patents

Analysis device Download PDF

Info

Publication number
JP2018139036A
JP2018139036A JP2017033209A JP2017033209A JP2018139036A JP 2018139036 A JP2018139036 A JP 2018139036A JP 2017033209 A JP2017033209 A JP 2017033209A JP 2017033209 A JP2017033209 A JP 2017033209A JP 2018139036 A JP2018139036 A JP 2018139036A
Authority
JP
Japan
Prior art keywords
sales
cluster
unit
analysis
area
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.)
Pending
Application number
JP2017033209A
Other languages
Japanese (ja)
Inventor
博一 武井
Hiroichi Takei
博一 武井
Original Assignee
株式会社野村総合研究所
Nomura Research Institute Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 株式会社野村総合研究所, Nomura Research Institute Ltd filed Critical 株式会社野村総合研究所
Priority to JP2017033209A priority Critical patent/JP2018139036A/en
Publication of JP2018139036A publication Critical patent/JP2018139036A/en
Pending legal-status Critical Current

Links

Images

Abstract

PROBLEM TO BE SOLVED: To support sale of a product or service efficiently.SOLUTION: An analysis device 606 acquires, from an area DB604, area types of data created by classifying a plurality of geographically divided areas into each group of areas similar in inhabitant attribute. The analysis device 606 acquires, from IDPOS-DB602, sale past record data which is data showing a past record of sale of a product or service to customers and which includes data of areas inhabited by the customers. The analysis device 606 totalizes the sale past record data for each of the area types and creates analysis information about the product or service on the basis of a totaling result for each of the area types.SELECTED DRAWING: Figure 41

Description

本発明はデータ処理技術に関し、特にデータを分析する技術に関する。   The present invention relates to a data processing technique, and more particularly to a technique for analyzing data.
コンピュータの普及に伴い、顧客に商品を販売した実績を示す販売実績情報をデータベース等に蓄積させている企業が増加している。この販売実績情報を活用して、ユーザの販売活動を支援するための情報(以下、「販売活動支援情報」と呼ぶ。)をコンピュータシステムにより作成する企業もある。例えば特許文献1では、商品を各種観点から分類し、この分類情報と販売実績情報とを対応づけることにより販売活動支援情報を作成する。   Along with the spread of computers, there are an increasing number of companies that store sales performance information indicating the results of selling products to customers in a database or the like. Some companies create information (hereinafter referred to as “sales activity support information”) for supporting a user's sales activities by using the sales performance information by a computer system. For example, in Patent Document 1, sales activity support information is created by classifying products from various viewpoints and associating the classification information with sales performance information.
特許文献1とは別の方法として、商品を購入した顧客の属性と販売実績情報とを対応づけることにより販売活動支援情報が作成されることもある。この場合、ポイントカードやクレジットカードを利用して商品を購入した顧客について、それらのカード作成時に登録された顧客の属性情報が利用されることもある。   As another method different from Patent Document 1, sales activity support information may be created by associating attributes of a customer who purchased a product with sales performance information. In this case, the customer attribute information registered at the time of card creation may be used for customers who purchased products using a point card or credit card.
特開2001−167203号公報JP 2001-167203 A
しかし、実際に商品を購入する購入者と、実際にその商品を消費する消費者とは異なることもある。例えば、ある世帯の主婦が購入した商品の消費者は、その世帯の夫であることもある。したがって、購入者の属性に基づいて作成された販売活動支援情報は、消費者の属性を反映しないものになりがちであり、商品の販売者にとって有用な情報とならない場合もあった。   However, the purchaser who actually purchases the product may be different from the consumer who actually consumes the product. For example, a consumer of goods purchased by a housewife in a household may be a husband in that household. Therefore, the sales activity support information created based on the purchaser's attributes tends to not reflect the consumer's attributes, and may not be useful information for the merchandise seller.
このような背景を踏まえ、本発明者は、購入者が居住する地域(以下、「エリア」と呼ぶ。)に関し、住民の属性が類似する地域のグループ(以下、「エリアクラスタ」または「エリアタイプ」とも呼ぶ。)に注目した。すなわち、商品の購入者の属性に基づくミクロな観点からではなく、購入者が居住するエリアクラスタの住民属性に基づくマクロな観点から販売実績情報を分析することにより、商品の販売者にとって有用な販売活動支援情報を作成できると考えた。   In light of such a background, the present inventor relates to a region (hereinafter referred to as “area cluster” or “area type”) in which the attributes of the residents are similar with respect to the region where the purchaser resides (hereinafter referred to as “area”). ")." In other words, sales information useful for merchandise sellers is analyzed by analyzing sales performance information from a macro perspective based on the resident attributes of the area cluster where the buyer resides, rather than from a micro perspective based on the attributes of the product buyer. I thought I could create activity support information.
本発明は、上記課題に鑑みてなされたものであり、1つの目的は、商品またはサービスの販売を効果的に支援することにある。   The present invention has been made in view of the above problems, and one object is to effectively support the sale of goods or services.
上記課題を解決するために、本発明のある態様の分析装置は、地理的に区画された複数のエリアを住民属性が類似するエリアごとにグループ化したエリアタイプのデータを取得する第1取得部と、商品またはサービスが顧客へ販売された実績を示すデータであり、顧客が居住するエリアのデータを含む販売実績データを取得する第2取得部と、商品またはサービスの販売実績データをエリアタイプごとに集計し、エリアタイプごとの集計結果に基づいて、商品またはサービスに関する分析情報を生成する分析部と、を備える。   In order to solve the above-described problem, an analysis device according to an aspect of the present invention provides a first acquisition unit that acquires data of an area type in which a plurality of geographically partitioned areas are grouped for each area having similar resident attributes. And a second acquisition unit that acquires sales performance data including data of an area where the customer resides, and sales results data of the product or service for each area type. And an analysis unit that generates analysis information related to the product or service based on the result of aggregation for each area type.
なお、以上の構成要素の任意の組合せ、本発明の表現を、方法、プログラム、プログラムを格納した記録媒体などの間で変換したものもまた、本発明の態様として有効である。   It should be noted that any combination of the above components and the expression of the present invention converted between a method, a program, a recording medium storing the program, and the like are also effective as an aspect of the present invention.
本発明によれば、商品またはサービスの販売を効果的に支援することができる。   According to the present invention, sales of goods or services can be effectively supported.
本実施の形態における販売情報分析システムの構成を示す図である。It is a figure which shows the structure of the sales information analysis system in this Embodiment. 販促実績情報のデータ構造を示す図である。It is a figure which shows the data structure of sales promotion performance information. 商品販売情報のデータ構造を示す図である。It is a figure which shows the data structure of merchandise sales information. 店舗顧客情報のデータ構造を示す図である。It is a figure which shows the data structure of shop customer information. 店舗販売情報のデータ構造を示す図である。It is a figure which shows the data structure of store sales information. 図1の販売情報分析装置の機能構成を示すブロック図である。It is a block diagram which shows the function structure of the sales information analysis apparatus of FIG. エリアクラスタ情報のデータ構造を示す図である。It is a figure which shows the data structure of area cluster information. 販促効果情報のデータ構造を示す図である。It is a figure which shows the data structure of sales promotion effect information. 商品カテゴリ情報のデータ構造を示す図である。It is a figure which shows the data structure of merchandise category information. 商品指標値情報のデータ構造を示す図である。It is a figure which shows the data structure of goods index value information. エリア販売量取得部により取得されたエリア販売量を示す図である。It is a figure which shows the area sales amount acquired by the area sales amount acquisition part. クラスタ販売量算出部により算出されたクラスタ販売量を示す図である。It is a figure which shows the cluster sales volume calculated by the cluster sales volume calculation part. 販促効果分析部の機能構成を示すブロック図である。It is a block diagram which shows the function structure of the sales promotion effect analysis part. 販促販売量取得部により取得された販促前販売量と販促後販売量を示す図である。It is a figure which shows the sales volume before sales promotion after the sales promotion volume acquisition part, and the sales volume after sales promotion. 販促販売量集計部により集計された販促前販売量および販促後販売量を示す図である。It is a figure which shows the sales volume before sales promotion after the sales promotion volume totaling part, and the sales volume after sales promotion. 販売促進施策による販促対象商品の各エリアクラスタにおける販売量増加率を示す図である。It is a figure which shows the sales volume increase rate in each area cluster of the sales promotion target product by a sales promotion measure. 販売量補正部の機能構成を示すブロック図である。It is a block diagram which shows the function structure of a sales amount correction | amendment part. 販促実績情報のデータ構造を示す図である。It is a figure which shows the data structure of sales promotion performance information. 商品販売情報のデータ構造を示す図である。It is a figure which shows the data structure of merchandise sales information. 販促販売量取得部により取得された販促前販売量と販促後販売量を示す図である。It is a figure which shows the sales volume before sales promotion after the sales promotion volume acquisition part, and the sales volume after sales promotion. 販促販売量補正部により補正された販促後販売量を示す図である。It is a figure which shows the sales amount after sales promotion correct | amended by the sales promotion sales amount correction | amendment part. 販売量補正部による補正後のクラスタ販売量を示す図である。It is a figure which shows the cluster sales amount after correction | amendment by a sales amount correction | amendment part. 商品シェア分析部の機能構成を示すブロック図である。It is a block diagram which shows the function structure of a goods share analysis part. カテゴリ販売量算出部により算出されたカテゴリ販売量を示す図である。It is a figure which shows the category sales volume calculated by the category sales volume calculation part. カテゴリ販売量算出部により算出されたカテゴリ販売量を示す図である。It is a figure which shows the category sales volume calculated by the category sales volume calculation part. 商品カテゴリ「コーヒー」についての各商品の占有率を示す図である。It is a figure which shows the occupation rate of each goods about goods category "coffee." 商品カテゴリ「コーヒー」についての各商品の占有率を示す図である。It is a figure which shows the occupation rate of each goods about goods category "coffee." 購買要因分析部の機能構成を示すブロック図である。It is a block diagram which shows the function structure of a purchase factor analysis part. 住民指標値とクラスタ販売量との関係を例示する図である。It is a figure which illustrates the relationship between a resident index value and cluster sales volume. 店舗顧客層分析部の機能構成を示すブロック図である。It is a block diagram which shows the function structure of a store customer layer analysis part. 図4の「木場店」のクラスタ顧客比率を示す図である。It is a figure which shows the cluster customer ratio of "Kiba store" of FIG. 図4の「葛西店」のクラスタ顧客比率を示す図である。It is a figure which shows the cluster customer ratio of "Kasai store" of FIG. 図4の「船橋店」のクラスタ顧客比率を示す図である。It is a figure which shows the cluster customer ratio of the "Funabashi store" of FIG. 販売条件影響分析部の機能構成を示すブロック図である。It is a block diagram which shows the function structure of a sales condition influence analysis part. 比較販売量取得部により取得された変更前販売量および変更後販売量を示す図である。It is a figure which shows the sales amount before a change acquired by the comparative sales amount acquisition part, and the sales amount after a change. 感応率評価部により算出された販売条件感応率を示す図である。It is a figure which shows the sales condition sensitivity calculated by the sensitivity evaluation part. リピート率分析部の機能構成を示すブロック図である。It is a block diagram which shows the function structure of a repeat rate analysis part. クラスタリピート数算出部により算出されたクラスタリピート数を示す図である。It is a figure which shows the number of cluster repeats calculated by the cluster repeat number calculation part. リピート率算出部により算出された各エリアクラスタにおけるリピート率を示す図である。It is a figure which shows the repeat rate in each area cluster calculated by the repeat rate calculation part. リピート率と単位顧客販売量との対応付けを例示する図である。It is a figure which illustrates matching with a repeat rate and a unit customer sales amount. 商品訴求度分析部の機能構成を示すブロック図である。It is a block diagram which shows the function structure of a goods appeal degree analysis part. 分析情報取得部により取得された分析対象商品のクラスタ販売量を示す。The cluster sales volume of the analysis target product acquired by the analysis information acquisition unit is shown. クラスタ指標値算出部により算出されたクラスタ指標値を示す図である。It is a figure which shows the cluster index value calculated by the cluster index value calculation part. 商品訴求度補正部の機能構成を示すブロック図である。It is a block diagram which shows the function structure of a goods appeal degree correction | amendment part. 販売量傾向算出部により取得されたクラスタ販売量の推移を示す図である。It is a figure which shows transition of the cluster sales volume acquired by the sales volume tendency calculation part. クラスタ指標値とクラスタ販売量の変化率とを示す図である。It is a figure which shows a cluster index value and the change rate of cluster sales volume. 補正前の商品指標値と、補正後の商品指標値とを示す図である。It is a figure which shows the goods index value before correction | amendment, and the goods index value after correction | amendment. 店舗販売量予測部の機能構成を示すブロック図である。It is a block diagram which shows the function structure of a store sales volume estimation part. 各店舗における見込み販売量を示す。Shows the estimated sales volume at each store. 各店舗における販売量の実績と見込みとを対応づけて示す図である。It is a figure which matches and shows the result and expectation of the sales amount in each store. 第2の実施の形態のIDPOS分析システムの構成を示す図である。It is a figure which shows the structure of the IDPOS analysis system of 2nd Embodiment. IDPOSデータの例を示す図である。It is a figure which shows the example of IDPOS data. エリアデータの例を示す図である。It is a figure which shows the example of area data. 図41の分析装置の機能構成を示すブロック図である。It is a block diagram which shows the function structure of the analyzer of FIG. エリアタイプ付加IDPOSデータの例を示す図である。It is a figure which shows the example of area type addition IDPOS data. 集計部による集計結果データの例を示す図である。It is a figure which shows the example of the total result data by a total part. 商品プロファイル情報の例を示す図であるIt is a figure which shows the example of goods profile information 商品プロファイル情報の例を示す図である。It is a figure which shows the example of goods profile information. 販売ポテンシャル情報の例を示す図である。It is a figure which shows the example of sales potential information. 販売ポテンシャル情報の例を示す図である。It is a figure which shows the example of sales potential information. 分析装置の動作を示すフローチャートである。It is a flowchart which shows operation | movement of an analyzer.
[第1の実施の形態]
第1の実施の形態の構成を詳細にを説明する前に、まず概要を説明する。
企業間競争が激化している現在、商品の販売者には、販売活動における適切な意思決定が求められる。この意思決定を支援するために、販売活動支援情報の活用が重要になっている。ここで、販売活動支援情報の例を以下に示す。
[First Embodiment]
Before describing the configuration of the first embodiment in detail, an outline is first described.
Now that competition between companies is intensifying, merchandise sellers are required to make appropriate decisions in sales activities. In order to support this decision making, it is important to use sales activity support information. Here, an example of sales activity support information is shown below.
1.販売促進施策の効果情報。広告や店頭での値引きなどを含む販売促進施策の効果を示し、販売促進施策実施に対する販売者の意思決定を支援するための情報である。
2.商品シェア情報。同一の商品カテゴリにおける競合商品の占有率を示し、商品仕入れ・棚割等に対する販売者の意思決定を支援するための情報である。
3.購買要因情報。顧客の属性が商品の購入に及ぼす影響、言い換えれば、顧客の属性と商品の販売量との相関を示し、商品仕入れ・棚割等に対する販売者の意思決定を支援するための情報である。
4.店舗顧客層情報。店舗の顧客層がどのような構成になっているかを示し、顧客層の構成にあわせた販売者の意思決定を支援するための情報である。
1. Information on the effects of sales promotion measures. This information shows the effect of sales promotion measures including advertisements and discounts at stores, and supports the decision-making of sellers regarding the implementation of sales promotion measures.
2. Product share information. This is information for indicating the occupancy rate of competing products in the same product category, and supporting the decision-making of the seller for product purchase, shelf allocation, and the like.
3. Purchase factor information. This is information for showing the influence of the customer attribute on the purchase of the product, in other words, the correlation between the customer attribute and the sales amount of the product, and for supporting the decision making of the seller with respect to the product purchase, shelf allocation and the like.
4). Store customer demographic information. This is information for showing the configuration of the customer segment of the store and for supporting the decision-making of the seller in accordance with the configuration of the customer segment.
5.販売条件影響情報。商品の販売条件がその商品の売れ行きに及ぼす影響を示し、商品の販売条件設定に関する販売者の意思決定を支援するための情報である。
6.リピート率情報。同一の顧客が同一の商品を繰り返して購入する割合を示し、商品仕入れ・棚割等に対する販売者の意思決定を支援するための情報である。
7.商品訴求度情報。ある店舗の商品が顧客にどれだけ支持されているかを示し、商品仕入れ・棚割等に対する販売者の意思決定を支援するための情報である。
8.店舗販売量予測情報。ある店舗の商品が顧客にどれだけ購入されるかの予測を示し、商品仕入れ・棚割等に対する販売者の意思決定を支援するための情報である。
5. Sales condition impact information. This is information for showing the influence of the sales condition of the product on the sales of the product and for supporting the decision making of the seller regarding the setting of the sales condition of the product.
6). Repeat rate information. This information indicates the ratio of the same customer repeatedly purchasing the same product, and is information for supporting the seller's decision making regarding product purchase, shelf allocation, and the like.
7). Product appeal information. This is information for showing how much the product of a certain store is supported by the customer, and for supporting the decision making of the seller with respect to product purchase, shelf allocation, and the like.
8). Store sales volume forecast information. This is information for showing the prediction of how much the product of a certain store is purchased by the customer, and for supporting the decision-making of the seller with respect to product purchase, shelf allocation, and the like.
これらの販売活動支援情報は、商品を実際に消費する消費者の属性と、商品の販売実績とを対応づけて作成されることが望ましい。言い換えれば、商品を実際に購入した購入者は、単に消費者の購入意思を代理で実行した者に過ぎない場合もあり、購入者の属性と、商品の販売実績を対応づけたとしても、有用な販売活動支援情報とはならない場合もある。   Such sales activity support information is preferably created by associating attributes of consumers who actually consume the product with sales results of the product. In other words, the purchaser who actually purchased the product may simply be the person who performed the purchase intention of the consumer on behalf of the purchaser. Even if the purchaser's attributes and the sales performance of the product are matched, it is useful. In some cases, it may not be useful sales activity support information.
例えば、商品が男性用育毛剤の場合、購入者は世帯の主婦である一方で、消費者はその世帯の夫であることが多い。この場合、購入者である主婦の属性に基づき販売活動支援情報を作成したとしても、その販売活動支援情報は、主婦をターゲットとしたものになってしまう。したがって、消費者の属性が反映されない販売活動支援情報は、販売者にとって有用な情報とはならない場合もある。   For example, if the product is a male hair restorer, the purchaser is often a housewife in the household while the consumer is a husband in that household. In this case, even if the sales activity support information is created based on the attributes of the housewife who is the purchaser, the sales activity support information is targeted at the housewife. Therefore, sales activity support information that does not reflect consumer attributes may not be useful information for the seller.
顧客の属性を取得する従来の手段として、典型的には2つの方法がある。第1の方法は、ポイントカードやクレジットカードを利用して商品を購入した顧客について、カード作成時に登録された顧客の属性情報を利用する方法である。この第1の方法を、以下、「FSP(Frequent Shoppers Program)手法」と呼ぶことにする。また、第2の方法は、少数のモニター顧客の属性情報や、アンケートに記入された顧客の属性情報を利用する方法(以下、「モニター顧客手法」と呼ぶ。)である。   There are typically two methods as conventional means for obtaining customer attributes. The first method is a method of using customer attribute information registered at the time of card creation for a customer who purchased a product using a point card or a credit card. This first method is hereinafter referred to as “FSP (Frequent Shoppers Program) method”. The second method is a method of using attribute information of a small number of monitor customers and customer attribute information entered in a questionnaire (hereinafter referred to as “monitor customer method”).
しかし、FSP手法では、取得できる属性情報は購入者の属性情報であり、消費者の属性情報は取得できない。また、カード作成時に登録された顧客の属性情報は、あくまで過去の情報であり、商品が購買された時点での属性情報とは異なる場合もある。モニター顧客手法の場合、モニター顧客やアンケートの回答者を選別することで、消費者の属性を取得できる。しかし、モニター顧客数やアンケート数は一般的に少数であり、少数のモニター顧客やアンケート結果から顧客の属性を決定した場合、少人数のみに該当する属性が消費者全体の属性とされる結果、販売活動支援情報の精度が低くなることもあった。また、モニター顧客手法は、人手を介するため、一般的に時間がかかるという問題があった。   However, in the FSP method, the attribute information that can be acquired is purchaser attribute information, and consumer attribute information cannot be acquired. The customer attribute information registered at the time of card creation is only past information, and may be different from the attribute information at the time when the product is purchased. In the case of the monitor customer method, consumer attributes can be acquired by selecting monitor customers and respondents to a questionnaire. However, the number of monitor customers and surveys is generally small, and when customer attributes are determined from a small number of monitor customers and survey results, attributes that correspond to only a small number of people are attributed to the entire consumer, In some cases, the accuracy of sales activity support information was lowered. In addition, the monitor customer method has a problem that it generally takes time because of manual intervention.
第1の実施の形態は、商品の購入者が居住するエリアクラスタごとの住民属性と販売実績とを対応づけて販売活動支援情報を作成する技術を提案するものである。エリアクラスタは、住民属性が類似する複数のエリア、典型的には町丁目レベルの地図上の領域をグループ化したものであり、各エリアクラスタにはこれら複数のエリアに共通する住民属性が対応づけられている。したがって、エリアクラスタにおける消費者像と販売実績とを対応づけできるとともに、人手を介さない自動での分析を実現する。これにより、商品の販売者にとって有用な販売活動支援情報の作成を短時間で実現する。   The first embodiment proposes a technique for creating sales activity support information by associating resident attributes and sales results for each area cluster in which a purchaser of goods resides. An area cluster is a group of multiple areas with similar inhabitant attributes, typically areas on the street level map, and each area cluster is associated with an inhabitant attribute common to these multiple areas. It has been. Therefore, it is possible to associate the consumer image with the sales performance in the area cluster, and realize automatic analysis without human intervention. Thereby, creation of sales activity support information useful for merchandise sellers is realized in a short time.
なお、上述した販売活動支援情報は、商品の製造者による商品開発や広告の効果測定等に対しても有用な情報となる。例えば、どのような消費者が商品を購入しているかを示す商品シェア情報や購買要因情報により、商品の製造者は、商品開発時に想定したターゲット顧客と商品の実際の消費者とが合致しているか否かをチェックできる。また、販売促進施策の効果情報により、商品の製造者は、テレビ等での商品広告や企業広告が反応を期待する消費者に影響を与えるものであったかを確認でき、莫大な広告費の費用対効果を検証する際の指標とすることができる。本実施の形態では、主に商品の販売者に対する支援情報を作成する観点から記載するが、第1の実施の形態で作成される情報は、商品を製造し販売する一連のサプライチェーンに登場する様々な企業にとって有用な情報である。   Note that the sales activity support information described above is useful information for product development by the product manufacturer, measurement of advertising effectiveness, and the like. For example, product manufacturer information that indicates which consumers are purchasing products, and purchase factor information, the product manufacturer matches the target customer assumed during product development with the actual consumer of the product. You can check whether or not. In addition, the information on the effectiveness of sales promotion measures enables product manufacturers to confirm whether product advertisements and corporate advertisements on TV etc. had an impact on consumers who are expected to respond, and the huge amount of advertising expenses was reduced. It can be used as an index for verifying the effect. In this embodiment, it is described mainly from the viewpoint of creating support information for merchandise sellers, but the information created in the first embodiment appears in a series of supply chains that manufacture and sell merchandise. It is useful information for various companies.
以下、実施の形態を説明する。なお、実施の形態では、上述した8つの販売活動支援情報を作成するための販売情報分析システムについて説明する。   Hereinafter, embodiments will be described. In the embodiment, a sales information analysis system for creating the above-described eight sales activity support information will be described.
図1は、本実施の形態における販売情報分析システムの構成を示す。販売情報分析システム1000において、販売情報分析装置1は、LAN(Local Area Network)400を介して、ユーザ端末500で総称される第1のユーザ端末500a、第2のユーザ端末500b、および第3のユーザ端末500cに接続されている。ユーザ端末500は、ウェブブラウザを搭載した一般的なウェブ端末である。販売情報分析装置1は、ウェブサーバとしての機能を有し、ユーザ端末500にウェブページ、典型的にはHTML(HyperText Markup Language)ファイルを送信する。このウェブページがユーザ端末500のウェブブラウザに表示されることにより、ユーザが販売情報分析装置1にアクセスするためのユーザインタフェースが提供される。   FIG. 1 shows a configuration of a sales information analysis system in the present embodiment. In the sales information analysis system 1000, the sales information analysis apparatus 1 includes a first user terminal 500a, a second user terminal 500b, and a third user terminal collectively referred to as a user terminal 500 via a LAN (Local Area Network) 400. It is connected to the user terminal 500c. The user terminal 500 is a general web terminal equipped with a web browser. The sales information analysis apparatus 1 has a function as a web server, and transmits a web page, typically an HTML (HyperText Markup Language) file, to the user terminal 500. By displaying this web page on the web browser of the user terminal 500, a user interface for the user to access the sales information analysis apparatus 1 is provided.
販売情報分析装置1は、LAN400を介して、販売情報保持装置300にも接続されている。販売情報分析装置1は、販売情報保持装置300から取得した販売情報を分析して、上述した販売活動支援情報を作成する。販売情報保持装置300は、各種の販売情報を保持する装置であり、典型的にはDBMS(DataBase Management System)ソフトウェアを搭載するデータベースサーバである。販売情報保持装置300は、販促実績情報保持部302と、商品販売情報保持部304と、店舗顧客情報保持部306と、店舗販売情報保持部308とを備える。   The sales information analysis device 1 is also connected to the sales information holding device 300 via the LAN 400. The sales information analysis device 1 analyzes the sales information acquired from the sales information holding device 300 and creates the sales activity support information described above. The sales information holding device 300 is a device that holds various types of sales information, and is typically a database server equipped with DBMS (DataBase Management System) software. The sales information holding device 300 includes a sales promotion result information holding unit 302, a product sales information holding unit 304, a store customer information holding unit 306, and a store sales information holding unit 308.
販促実績情報保持部302は、商品に対する販売促進施策が実施された実績を示す販促実績情報を保持する。図2は、販促実績情報のデータ構造を示す。販促欄310には、販売促進施策の識別情報が記録される。この販売促進施策には、テレビCMや新聞広告から店舗での店頭大安売りまで様々な態様での販売促進施策が含まれる。対象商品欄312には、販売促進施策が対象とする商品(以下、「販促対象商品」と呼ぶ。)が記録される。販促対象商品には、複数の商品が記録されてもよく、例えば企業イメージCMの場合には、その企業が販売する多くの商品が販促対象商品となる。実施日欄314には、販売促進施策の実施日が記録される。なお、販促実績情報には、全国規模から地域規模まで様々な規模の販売促進施策が記録されてよく、この場合、販売促進施策の対象となったエリアを示す対象エリア欄がさらに設けられてもよい。図1に戻る。   The sales promotion result information holding unit 302 holds sales promotion result information indicating a result of implementing a sales promotion measure for a product. FIG. 2 shows the data structure of sales promotion performance information. In the sales promotion column 310, identification information of the sales promotion measure is recorded. This sales promotion measure includes sales promotion measures in various modes from TV commercials and newspaper advertisements to over-the-counter sales at stores. In the target product column 312, a product targeted by the sales promotion measure (hereinafter referred to as “sales promotion target product”) is recorded. A plurality of products may be recorded in the sales promotion target product. For example, in the case of a company image CM, many products sold by the company are sales promotion target products. In the implementation date column 314, the implementation date of the sales promotion measure is recorded. Note that the sales promotion performance information may record sales promotion measures of various scales from the national scale to the regional scale. In this case, even if a target area column indicating the area targeted for the sales promotion measures is further provided. Good. Returning to FIG.
商品販売情報保持部304は、各商品について、各エリアにおける単位期間あたりの販売量を示す商品販売情報を保持する。図3は、商品販売情報のデータ構造を示す。同図は、各商品のエリアごとの販売量が日時にて記録されている。商品欄320には、商品の識別情報が記録される。エリア欄322には、商品が販売されたエリアが記録される。単位期間販売量欄324には、1日単位や1週単位等の特定の単位期間における販売量が記録される。図1に戻る。   The product sales information holding unit 304 holds product sales information indicating the sales amount per unit period in each area for each product. FIG. 3 shows the data structure of the merchandise sales information. In the figure, the sales volume for each area of each product is recorded by date and time. In the product column 320, product identification information is recorded. In the area column 322, an area where the product is sold is recorded. In the unit period sales volume column 324, the sales volume in a specific unit period such as a day unit or a week unit is recorded. Returning to FIG.
店舗顧客情報保持部306は、各店舗において商品を購入する顧客がどのエリアにどれだけ居住しているかを示す店舗顧客情報を保持する。図4は、店舗顧客情報のデータ構造を示す。店舗欄330には、店舗の識別情報が記録される。エリア欄332には、顧客が居住するエリアが記録される。エリア顧客数欄334には、各エリアに居住する顧客の数(以下、「エリア顧客数」と呼ぶ。)が記録される。なお、エリア顧客数は、エリアの人口そのものでもよいが、エリアの人口のうち、その店舗で実際に商品を購入する顧客数であってもよい。店舗の顧客数は、エリアの人口および店舗の属性情報から拡張ハフモデル等の既知の分析手法を用いることで算出されてもよい。実施の形態では説明の簡明化のため、エリアの人口を用いることとする。図1に戻る。   The store customer information holding unit 306 holds store customer information indicating in which area and how many customers who purchase products in each store live. FIG. 4 shows the data structure of store customer information. In the store column 330, store identification information is recorded. The area where the customer resides is recorded in the area column 332. In the area customer number column 334, the number of customers residing in each area (hereinafter referred to as "area customer number") is recorded. The number of area customers may be the population of the area itself, or may be the number of customers who actually purchase products at the store in the population of the area. The number of customers of the store may be calculated by using a known analysis method such as an extended Hough model from the population of the area and the attribute information of the store. In the embodiment, the area population is used for the sake of simplicity. Returning to FIG.
店舗販売情報保持部308は、各店舗にて販売される商品について、単位期間あたりの販売量を示す店舗販売情報を保持する。図5は、店舗販売情報のデータ構造を示す。店舗欄340には、店舗の識別情報が記録される。商品欄342には、各店舗において販売される商品が記録される。単位期間販売量欄344には、特定の単位期間における販売量が記録される。図1に戻る。   The store sales information holding unit 308 holds store sales information indicating the sales amount per unit period for products sold at each store. FIG. 5 shows the data structure of store sales information. In the store column 340, store identification information is recorded. In the product column 342, products sold at each store are recorded. In the unit period sales volume column 344, the sales volume in a specific unit period is recorded. Returning to FIG.
なお図1では、LAN400を介して各装置が接続された販売情報分析システムを示しているが、各装置が物理的に離れたロケーションに存在してもよく、また、各装置はWAN(Wide Area Network)やインターネットを介して接続されてもよい。また、販売情報分析装置1による分析サービスは、1企業内での提供に限定されず、ASP(Application Service Provider)やSaaS(Software as a Service)の形態にて、異なる企業に存在するユーザ端末500に対して提供されてもよい。   Although FIG. 1 shows a sales information analysis system in which each device is connected via the LAN 400, each device may exist in a physically separated location, and each device may be a WAN (Wide Area). Network) or the Internet. Further, the analysis service by the sales information analysis apparatus 1 is not limited to provision within one company, but in the form of ASP (Application Service Provider) or SaaS (Software as a Service), user terminals 500 existing in different companies. May be provided.
図6は、図1の販売情報分析装置1の機能構成を示すブロック図である。本明細書のブロック図において示される各ブロックは、ハードウェア的には、コンピュータのCPUをはじめとする素子や機械装置で実現でき、ソフトウェア的にはコンピュータプログラム等によって実現されるが、ここでは、それらの連携によって実現される機能ブロックを描いている。したがって、これらの機能ブロックはハードウェア、ソフトウェアの組合せによっていろいろなかたちで実現できることは、当業者には理解されるところであり、これらのいずれかに限定されるものではない。   FIG. 6 is a block diagram showing a functional configuration of the sales information analysis apparatus 1 of FIG. Each block shown in the block diagram of the present specification can be realized in terms of hardware by an element such as a CPU of a computer or a mechanical device, and in terms of software, it can be realized by a computer program or the like. The functional block realized by those cooperation is drawn. Therefore, it is understood by those skilled in the art that these functional blocks can be realized in various forms by a combination of hardware and software, and is not limited to any of these.
また、販売情報分析装置1においては、当該装置を効率よく利用するための機能および環境を提供して当該装置の全体を統括的に制御するオペレーションシステム(以下、「OS」と呼ぶ。)が実行されている。かかるOSによってブロック図の各機能ブロックが動作させられることにより、複数のソフトウェアが実行される。   In addition, in the sales information analysis apparatus 1, an operation system (hereinafter referred to as “OS”) that provides functions and an environment for efficiently using the apparatus and controls the entire apparatus in an integrated manner is executed. Has been. A plurality of software is executed by operating each functional block in the block diagram by the OS.
販売情報分析装置1は、ユーザインタフェース処理部10と、データ保持部20と、データ処理部40とを備える。ユーザインタフェース処理部10は、ユーザ端末500とのユーザインタフェース処理を担当する。データ保持部20は、各種データを保持するための記憶領域である。データ処理部40は、ユーザインタフェース処理部10やデータ保持部20や販売情報保持装置300から取得されたデータをもとにして各種のデータ処理を実行する。さらに、データ処理部40は、ユーザインタフェース処理部10とデータ保持部20との間のインタフェースの役割も果たす。   The sales information analysis apparatus 1 includes a user interface processing unit 10, a data holding unit 20, and a data processing unit 40. The user interface processing unit 10 is in charge of user interface processing with the user terminal 500. The data holding unit 20 is a storage area for holding various data. The data processing unit 40 executes various data processing based on data acquired from the user interface processing unit 10, the data holding unit 20, and the sales information holding device 300. Further, the data processing unit 40 also serves as an interface between the user interface processing unit 10 and the data holding unit 20.
ユーザインタフェース処理部10:
ユーザインタフェース処理部10は、分析要求検出部12と、分析結果出力部14とを有する。分析要求検出部12は、LAN400を介して、ユーザ端末500から送信されるデータを受信する。例えば、商品を指定してその商品が属する商品カテゴリについての商品シェアの分析を要求する分析要求データや、商品を指定してその商品が購買された要因の分析を要求する分析要求データを受信する。分析結果出力部14は、LAN400を介して、ユーザ端末500に対してデータを送信する。例えば、商品シェアを示す分析結果データや、商品が購買された要因を示す分析結果データを送信する。
User interface processing unit 10:
The user interface processing unit 10 includes an analysis request detection unit 12 and an analysis result output unit 14. The analysis request detection unit 12 receives data transmitted from the user terminal 500 via the LAN 400. For example, receiving analysis request data for requesting analysis of product share for a product category to which the product belongs and specifying the product, and requesting analysis for requesting analysis of the factor that the product was purchased . The analysis result output unit 14 transmits data to the user terminal 500 via the LAN 400. For example, analysis result data indicating a product share and analysis result data indicating a factor in which the product is purchased are transmitted.
データ保持部20:
データ保持部20は、エリアクラスタ情報保持部22と、販促効果情報保持部24と、商品カテゴリ情報保持部26と、商品指標値情報保持部28とを有する。
Data holding unit 20:
The data holding unit 20 includes an area cluster information holding unit 22, a sales promotion effect information holding unit 24, a product category information holding unit 26, and a product index value information holding unit 28.
エリアクラスタ情報保持部22は、エリアクラスタと各エリアと住民属性との対応関係を示すエリアクラスタ情報を保持する。図7は、エリアクラスタ情報のデータ構造を示す。エリアクラスタ欄200には、エリアクラスタの識別情報が記録される。エリア欄202には、エリアクラスタに含まれる複数のエリアが記録される。人口欄204には、各エリアの人口が記録される。   The area cluster information holding unit 22 holds area cluster information indicating a correspondence relationship between an area cluster, each area, and a resident attribute. FIG. 7 shows the data structure of area cluster information. In the area cluster column 200, area cluster identification information is recorded. In the area column 202, a plurality of areas included in the area cluster are recorded. The population column 204 records the population of each area.
住民属性欄206には、エリアクラスタの住民属性が記録される。エリアクラスタの住民属性とは、言い換えれば、エリア欄202の複数のエリアに共通して当てはまる住民属性である。この住民属性には、各エリアクラスタについての人口統計学的な属性データを示すデモグラフィック属性と、各エリアクラスタの住人が有する価値観やライフスタイルといった人間心理にかかわる属性データを示すサイコグラフィック属性が含まれる。   In the resident attribute column 206, the resident attribute of the area cluster is recorded. In other words, the resident attribute of the area cluster is a resident attribute that applies to a plurality of areas in the area column 202 in common. This inhabitant attribute includes a demographic attribute indicating demographic attribute data for each area cluster, and a psychographic attribute indicating attribute data relating to human psychology such as values and lifestyle of residents of each area cluster. included.
デモグラフィック属性の例としては、「30〜40代の比較的小さな子供がいる核家族」、「収入が平均よりもやや高く、大学卒以上の人が多い」などがある。一方で、サイコグラフィック属性の例としては、「女性20代について、ブランド・安全性・経済性を非常に重視するが、環境指向はほとんどない」、「女性30代について、ブランドをやや重視し、環境指向である」などがある。つまり、エリアクラスタ情報は、各エリアクラスタの消費者の生活環境や考え方、言い換えれば、消費者像を示す情報である。   Examples of demographic attributes include “a nuclear family with a relatively small child in their 30s and 40s” and “income is slightly higher than average and there are many people who have graduated from university”. On the other hand, as an example of psychographic attributes, “For women in their 20s, brand, safety and economy are very important, but there is little environmental orientation”, “For women in their 30s, the brand is slightly emphasized, It is environmentally oriented. In other words, the area cluster information is information indicating a consumer's living environment and concept of each area cluster, in other words, a consumer image.
住民指標値欄208には、エリアクラスタの住民属性を指標値化した住民指標値が記録される。住民指標値とは、エリアクラスタの住民属性が複数種類の評価基準と適合する度合いを所定の評価関数によりそれぞれ指標化した複数種類の適合値である。住民指標値の具体例としては、平均年収、平均世帯人数、世帯あたりの平均子供数、30歳代割合、40歳代割合等である。言い換えれば、住民指標値は、コンピュータによる計算のために、住民属性を複数の数値に変換したものである。   In the resident index value column 208, a resident index value obtained by converting the resident attribute of the area cluster into an index value is recorded. The resident index value is a plurality of types of conforming values obtained by indexing the degree to which the resident attributes of the area cluster match a plurality of types of evaluation criteria using a predetermined evaluation function. Specific examples of the inhabitant index values include average annual income, average number of households, average number of children per household, 30s ratio, 40s ratio, and the like. In other words, the resident index value is a resident attribute converted into a plurality of numerical values for calculation by a computer.
エリアクラスタ情報の作成方法の一例を説明する。エリアクラスタ情報の作成には、各エリアについての属性情報であって、公開された各種の統計情報と、独自の推計情報と、アンケートの結果情報を用いる。統計情報には、年代の比率、性別の比率、職業の比率、学歴比率等が含まれる。推計情報には、平均所得、平均資産、平均地価等が含まれる。アンケートの結果情報には、ライフスタイル、価値観、消費趣向等の回答結果が含まれる。定性的な情報は、所定の評価関数により指標値化する。図示しないエリアクラスタ情報作成部は、各エリアについて指標値化された各種属性情報を変量とするクラスタ分析により、各エリアをグループ分けする。なお、クラスタ分析に使用された各種指標値を住民指標値欄208の値としてもよく、住民指標値欄208の値に基づいて住民属性欄206に設定すべきデータを人間の判断により設定してもよい。また、各エリアにおける各種商品の販売実績についてもクラスタ分析の変量としてもよい。図6に戻る。   An example of a method for creating area cluster information will be described. The area cluster information is created using attribute information about each area, and various public statistical information, original estimation information, and questionnaire result information. The statistical information includes age ratio, gender ratio, occupation ratio, educational ratio, and the like. The estimation information includes average income, average asset, average land price, and the like. The questionnaire result information includes answer results such as lifestyle, values, and consumption preferences. The qualitative information is indexed by a predetermined evaluation function. An area cluster information creating unit (not shown) groups each area by cluster analysis using various attribute information converted into index values for each area as variables. The various index values used in the cluster analysis may be used as values in the resident index value column 208. Based on the values in the resident index value column 208, data to be set in the resident attribute column 206 is set by human judgment. Also good. Further, the sales results of various products in each area may be a variable of cluster analysis. Returning to FIG.
販促効果情報保持部24は、販売促進施策が販促対象商品の販売量に及ぼす影響を示す販促効果情報を保持する。図8は、販促効果情報のデータ構造を示す。販促欄210には、販売促進施策の識別情報が記録される。対象商品欄212には、販促対象商品が記録される。エリアクラスタ欄214には、エリアクラスタの識別情報が記録される。販売量増加率欄216には、販促対象商品の販売量が販売促進施策により増加した割合(以下、「販売量増加率」と呼ぶ。)、言い換えれば、販売促進による効果が記録される。   The sales promotion effect information holding unit 24 holds sales promotion effect information indicating the influence of the sales promotion measure on the sales volume of the sales promotion target product. FIG. 8 shows the data structure of the sales promotion effect information. In the sales promotion column 210, identification information of the sales promotion measure is recorded. In the target product column 212, sales target products are recorded. In the area cluster column 214, area cluster identification information is recorded. In the sales volume increase rate column 216, a rate at which the sales volume of the sales promotion target product is increased by the sales promotion measure (hereinafter referred to as “sales volume increase rate”), in other words, the effect of the sales promotion is recorded.
商品カテゴリ情報保持部26は、商品と商品カテゴリとの対応関係を示す商品カテゴリ情報を記録する。図9は、商品カテゴリ情報のデータ構造を示す。商品カテゴリ欄220には、商品カテゴリが記録される。商品欄222には、各商品カテゴリに対応づけられる商品が記録される。   The merchandise category information holding unit 26 records merchandise category information indicating the correspondence between the merchandise and the merchandise category. FIG. 9 shows the data structure of product category information. In the product category column 220, product categories are recorded. In the product column 222, products associated with each product category are recorded.
商品指標値情報保持部28は、複数の店舗と、各店舗において商品がどれだけ顧客に支持されているかを示す指標値(以下、「商品指標値」と呼ぶ。)とが対応づけられた商品指標値情報を保持する。図10は、商品指標値情報のデータ構造を示す。店舗欄230には、店舗の識別情報が記録される。商品欄232には、各店舗にて販売される商品が記録される。商品指標値欄234には、各店舗における各商品の商品指標値が記録される。図6に戻る。   The merchandise index value information holding unit 28 is associated with a plurality of stores and index values (hereinafter referred to as “product index values”) indicating how much the merchandise is supported by the customers at each store. Holds index value information. FIG. 10 shows the data structure of product index value information. In the store column 230, store identification information is recorded. In the product column 232, products sold at each store are recorded. In the product index value column 234, the product index value of each product at each store is recorded. Returning to FIG.
データ処理部40:
データ処理部40は、エリア販売量取得部42と、クラスタ販売量算出部44と、販促効果分析部50と、販売量補正部60と、商品シェア分析部70と、購買要因分析部80と、店舗顧客層分析部90と、販売条件影響分析部100と、リピート率分析部110と、商品訴求度分析部120と、商品訴求度補正部130と、店舗販売量予測部140とを有する。
Data processing unit 40:
The data processing unit 40 includes an area sales volume acquisition unit 42, a cluster sales volume calculation unit 44, a sales promotion effect analysis unit 50, a sales volume correction unit 60, a product share analysis unit 70, a purchase factor analysis unit 80, It has a store customer segment analysis unit 90, a sales condition influence analysis unit 100, a repeat rate analysis unit 110, a product appeal level analysis unit 120, a product appeal level correction unit 130, and a store sales volume prediction unit 140.
エリア販売量取得部42は、商品販売情報保持部304にアクセスして商品販売情報を参照し、エリアと商品との組み合わせごとに、エリアにおける商品の所定期間における販売量(以下、「エリア販売量」と呼ぶ。)を取得する。図11は、エリア販売量取得部42により取得されたエリア販売量を示す。同図のエリア販売量は、図3に示す商品販売情報の10/30から11/3の販売量を集計したものである。図6に戻る。   The area sales amount acquisition unit 42 accesses the product sales information holding unit 304 and refers to the product sales information, and for each combination of area and product, the sales amount of the product in the area for a predetermined period (hereinafter referred to as “area sales amount”). ").). FIG. 11 shows the area sales volume acquired by the area sales volume acquisition unit 42. The area sales volume in the figure is the total sales volume from 10/30 to 11/3 of the product sales information shown in FIG. Returning to FIG.
クラスタ販売量算出部44は、エリアクラスタ情報保持部22にアクセスしてエリアクラスタ情報を参照する。そして、エリアクラスタと商品との組み合わせごとに、エリア販売量を集計して、エリアクラスタにおける商品の所定期間における販売量(以下、「クラスタ販売量」と呼ぶ。)を算出する。図12は、クラスタ販売量算出部44により算出されたクラスタ販売量を示す。同図のクラスタ販売量は、図11に示すエリア販売量を商品ごとエリアクラスタごとに集計したものである。図6に戻る。   The cluster sales amount calculation unit 44 accesses the area cluster information holding unit 22 and refers to the area cluster information. Then, for each combination of the area cluster and the product, the area sales amount is totaled, and the sales amount of the product in the area cluster in a predetermined period (hereinafter referred to as “cluster sales amount”) is calculated. FIG. 12 shows the cluster sales volume calculated by the cluster sales volume calculation unit 44. The cluster sales volume in FIG. 11 is the total of the area sales volume shown in FIG. 11 for each area cluster for each product. Returning to FIG.
販促効果分析部50:
販促効果分析部50は、販売活動支援情報の1つである販売促進施策の効果情報を作成する。本実施の形態における販売促進施策の効果情報とは、販売促進施策による販促対象商品の販売量増加率をエリアクラスタごとに示す情報である。図13は、販促効果分析部50の機能構成を示すブロック図である。販促効果分析部50は、販促販売量取得部52と、販促販売量集計部54と、販促効果算出部56とを含む。
Promotion effect analysis unit 50:
The sales promotion effect analysis unit 50 creates sales promotion effect information that is one of sales activity support information. The effect information of the sales promotion measure in the present embodiment is information indicating the sales volume increase rate of the sales promotion target product by the sales promotion measure for each area cluster. FIG. 13 is a block diagram illustrating a functional configuration of the sales promotion effect analysis unit 50. The sales promotion effect analysis unit 50 includes a sales promotion sales amount acquisition unit 52, a sales promotion sales amount totaling unit 54, and a sales promotion effect calculation unit 56.
販促販売量取得部52は、まず、販促実績情報保持部302にアクセスして販促実績情報を参照し、分析対象となる販売促進施策の販促対象商品と実施日とを特定する。例えば、図2の販売促進施策「テレビ広告α」が分析対象であるとき、販促対象商品を「○○コーヒー」、実施日を「11月1日」として特定する。なお、販促販売量取得部52は、分析要求検出部12を介して、分析対象となる販売促進施策の指定データをユーザ端末500から受信してもよい。また、ユーザ端末500による指定にかかわらず、販促実績情報に記録された販売促進施策を、分析対象の販売促進施策として自動で取得してもよい。   The sales promotion sales amount acquisition unit 52 first accesses the sales promotion result information holding unit 302 and refers to the sales promotion result information, and specifies the sales promotion target product and the implementation date of the sales promotion measure to be analyzed. For example, when the sales promotion measure “TV advertisement α” in FIG. 2 is an analysis target, the sales promotion target product is specified as “XX coffee” and the implementation date is specified as “November 1”. Note that the sales promotion sales amount acquisition unit 52 may receive, from the user terminal 500, specified data of the sales promotion measure to be analyzed via the analysis request detection unit 12. Further, regardless of designation by the user terminal 500, the sales promotion measure recorded in the sales promotion performance information may be automatically acquired as the sales promotion measure to be analyzed.
販促販売量取得部52は、次に、商品販売情報保持部304にアクセスして商品販売情報を参照し、各エリアにおける販促対象商品について、販売促進施策実施前の所定期間における販売量(以下、「販促前販売量」と呼ぶ。)を取得する。また、販売促進施策実施後の所定期間における販売量(以下、「販促後販売量」と呼ぶ。)を取得する。この期間については、企業の経験や実験により、販売促進施策の効果を見極めるのに適切と考えられる期間が設定されればよい。上の例では、販売促進施策「テレビ広告α」の実施前後2日の販売量を取得することとする。   Next, the sales promotion sales amount acquisition unit 52 accesses the product sales information holding unit 304 to refer to the product sales information, and for the sales promotion products in each area, the sales amount in a predetermined period before the implementation of the sales promotion measures (hereinafter, This is called “sales volume before promotion”. Further, the sales amount for a predetermined period after the implementation of the sales promotion measure (hereinafter referred to as “sales amount after sales promotion”) is acquired. As for this period, a period considered to be appropriate for determining the effect of the sales promotion measure may be set based on the experience and experiment of the company. In the above example, the sales volume for two days before and after the implementation of the sales promotion measure “TV advertisement α” is acquired.
図14(a)は、販促販売量取得部52により取得された販促前販売量と販促後販売量を示す。同図は、図3の「○○コーヒー」について、10/30〜10/31の販売量を合算して販促前販売量として、また、11/1〜11/2の販売量を合算して販促後販売量として取得されたことを示している。なお、上述したように販売促進施策が一部のエリアでのみ実施された場合には、販促販売量取得部52は、当該エリアの情報を販促実績情報から取得して、商品販売情報から当該エリアについてのみ販促前販売量および販促後販売量を取得してもよい。図13に戻る。   FIG. 14A shows the sales volume before sales promotion and the sales volume after sales promotion acquired by the sales promotion sales volume acquisition unit 52. The figure shows the total sales volume of 10/30 to 10/31 for “XX Coffee” in FIG. 3 as the sales volume before promotion, and the sales volume of 11/1 to 11/2. It shows that it was acquired as sales volume after promotion. As described above, when the sales promotion measure is implemented only in a part of the area, the sales promotion sales amount acquisition unit 52 acquires the information of the area from the sales promotion performance information, and acquires the information from the product sales information. Only the sales amount before sales promotion and the sales volume after promotion may be acquired. Returning to FIG.
販促販売量集計部54は、エリアクラスタ情報保持部22にアクセスしてエリアクラスタ情報を参照し、販促前販売量と販促後販売量とをエリアクラスタごとに集計する。図14(b)は、販促販売量集計部54により集計された販促前販売量および販促後販売量を示す。すなわち、エリアa、エリアb、およびエリアcの販促前販売量と販促後販売量とがそれぞれ集計されて、クラスタAの販促前販売量と販促後販売量とが算出されている。エリアdおよびエリアeとクラスタBとについても同様である。図13に戻る。   The sales promotion sales amount totaling unit 54 accesses the area cluster information holding unit 22 and refers to the area cluster information, and totals the sales amount before sales promotion and the sales amount after sales promotion for each area cluster. FIG. 14B shows the pre-promotion sales volume and the post-sales sales volume aggregated by the promotional sales volume aggregation unit 54. That is, the pre-sales sales volume and the post-sales sales volume for area a, area b, and area c are totaled to calculate the pre-sales sales volume and post-sales sales volume for cluster A. The same applies to the areas d and e and the cluster B. Returning to FIG.
販促効果算出部56は、各エリアクラスタについての販促前販売量の集計値と販促後販売量の集計値とを比較して、分析対象の販売促進施策による販促対象商品の販売量増加率をエリアクラスタごとに算出する。ここでは、販促効果算出部56は、集計値の比率を算出することで販売量増加率を算出することとする。例えば、販促前販売量の集計値と販促後販売量の集計値とが図14(b)の状態であるとき、販促効果算出部56は、クラスタAについての販売量増加率を「1.13」、クラスタBについての販売量増加率を「1.64」として算出する。   The sales promotion effect calculation unit 56 compares the aggregate value of the sales volume before sales promotion with the aggregate value of the sales volume after sales promotion for each area cluster, and calculates the sales volume increase rate of the sales promotion target product by the sales promotion measure to be analyzed. Calculate for each cluster. Here, the sales promotion effect calculation unit 56 calculates the sales volume increase rate by calculating the ratio of the aggregate values. For example, when the aggregate value of the sales volume before sales promotion and the aggregate value of the sales volume after sales promotion are in the state of FIG. 14B, the sales promotion effect calculation unit 56 sets the sales volume increase rate for cluster A to “1.13. “, The sales volume increase rate for cluster B is calculated as“ 1.64 ”.
販促効果算出部56は、販促効果情報保持部24にアクセスして、分析対象の販売促進施策について、各エリアクラスタにおける販促対象商品の販売量増加率を販促効果情報に記録する。また、分析対象の販売促進施策の指定をユーザ端末500から受け付けた場合には、分析結果出力部14を介して、その販売促進施策について算出した各エリアクラスタにおける販売量増加率をユーザ端末500に送信してもよい。   The sales promotion effect calculation part 56 accesses the sales promotion effect information holding part 24, and records the sales volume increase rate of the sales promotion target product in each area cluster in the sales promotion effect information for the sales promotion measure to be analyzed. When the specification of the sales promotion measure to be analyzed is received from the user terminal 500, the sales amount increase rate in each area cluster calculated for the sales promotion measure is sent to the user terminal 500 via the analysis result output unit 14. You may send it.
販売促進施策による効果を分析する従来の方法では、販促対象商品の販売量が総数として増加したことはわかるものの、どんな特徴を持つ消費者への販売量が増加したのかはわからなかった。したがって、販売促進施策が、そのターゲットとする顧客層に訴求するものであったか否かもわからなかった。販促効果分析部50によれば、デモグラフィック属性やサイコグラフィック属性等の様々な観点からの顧客像と対応づけられたエリアクラスタごとに販売促進施策による効果を算出できる。   With the conventional method of analyzing the effects of sales promotion measures, we can see that the sales volume of products targeted for promotion has increased in total, but we have not been able to know what characteristics the sales volume to consumers has increased. Therefore, it was unclear whether the sales promotion measure appealed to the target customer group. According to the sales promotion effect analysis unit 50, the effect of the sales promotion measure can be calculated for each area cluster associated with the customer image from various viewpoints such as demographic attributes and psychographic attributes.
図14(c)は、販売促進施策による販促対象商品の各エリアクラスタにおける販売量増加率を示す。同図の内容が、販売促進施策の効果情報としてユーザ端末500に表示されてもよい。商品販売者は各エリアクラスタにおける販売量増加率を確認することで、販売促進施策による効果を詳細に確認できる。例えば、図14(c)の結果から、クラスタBの顧客に対し強く訴求するものであったこと、クラスタCをターゲットにする場合には、異なる販売促進施策が必要であることを確認できる。   FIG. 14C shows the sales volume increase rate in each area cluster of the sales promotion target product by the sales promotion measure. The content of the figure may be displayed on the user terminal 500 as the effect information of the sales promotion measure. The merchandise seller can confirm the effect of the sales promotion measure in detail by confirming the sales volume increase rate in each area cluster. For example, from the result of FIG. 14C, it can be confirmed that the customer of cluster B is strongly appealed and that when cluster C is targeted, different sales promotion measures are necessary.
変形例として、販促効果分析部50は、図示しない住民属性影響分析部を含んでもよい。住民属性影響分析部は、各エリアクラスタの住民属性を説明変数、特定の販売促進施策による各エリアクラスタにおける販売量増加率を目的変数とする回帰分析により、住民属性が販売量増加率に及ぼす影響の大きさを回帰係数として算出する。各住民属性について算出された回帰係数を比較することにより、販売量増加率に比較的大きな影響を及ぼす住民属性を特定できる。商品販売者は、その住民属性を有するエリアクラスタに限定して上述した特定の販売促進施策を実施することで、少ない費用で効果的な販売促進施策を実施できる。図6に戻る。   As a modification, the sales promotion effect analysis unit 50 may include a resident attribute influence analysis unit (not shown). The Resident Attribute Impact Analysis Department uses the regression analysis with the resident attributes of each area cluster as explanatory variables and the sales volume increase rate in each area cluster by specific sales promotion measures as the objective variable. Is calculated as a regression coefficient. By comparing the regression coefficients calculated for each resident attribute, it is possible to identify a resident attribute that has a relatively large influence on the sales volume increase rate. A merchandise seller can implement an effective sales promotion measure at a low cost by implementing the above-mentioned specific sales promotion measure limited to the area cluster having the resident attribute. Returning to FIG.
販売量補正部60:
販売量補正部60は、販促販売量集計部54にて算出された販促後販売量から分析対象外の販売促進施策による販売量増加分を除去する。図15は、販売量補正部60の機能構成を示すブロック図である。販売量補正部60は、販促効果取得部62と、販促販売量補正部64と、販促販売量特定部66と、クラスタ販売量補正部68とを含む。
Sales volume correction unit 60:
The sales volume correction unit 60 removes the increase in sales volume due to the sales promotion measures not analyzed from the sales volume after sales promotion calculated by the sales promotion sales volume totaling unit 54. FIG. 15 is a block diagram illustrating a functional configuration of the sales amount correction unit 60. The sales amount correction unit 60 includes a sales promotion effect acquisition unit 62, a sales promotion sales amount correction unit 64, a sales promotion sales amount identification unit 66, and a cluster sales amount correction unit 68.
販促効果取得部62は、まず、販促実績情報保持部302にアクセスして販促実績情報を参照する。そして、販促対象商品が分析対象の販売促進施策と同一である販売促進施策であって、分析対象の販売促進施策が実施されてから所定期間内に実施された分析対象外の販売促進施策を除去対象の販売促進施策として特定する。この所定期間は、分析対象の販売促進施策についての販促後販売量を取得する期間でもよく、企業の経験や実験等に基づいて適宜決定されてよい。図16は、販促実績情報のデータ構造を示す。同図は、図2の販促実績情報に加え、分析対象の販売促進施策「テレビ広告α」が実施された翌日に分析対象外の販売促進施策「新聞広告θ」が実施されたことを示している。この場合、「新聞広告θ」による「○○コーヒー」の販売量増加分を除去するために、販促効果取得部62は、「新聞広告θ」を除去対象の販売促進施策として特定する。図15に戻る。   First, the sales promotion effect acquisition unit 62 accesses the sales promotion result information holding unit 302 and refers to the sales promotion result information. Then, the sales promotion policy is the same as the sales promotion policy to be analyzed, and the non-analysis sales promotion policy implemented within the specified period after the sales promotion policy to be analyzed is removed. Identify the target sales promotion measures. This predetermined period may be a period for obtaining the post-sales sales volume for the sales promotion measure to be analyzed, and may be appropriately determined based on company experience, experiments, and the like. FIG. 16 shows the data structure of sales promotion performance information. This figure shows that in addition to the sales promotion performance information of FIG. 2, the non-analytical sales promotion measure “newspaper advertisement θ” was implemented the day after the sales promotion measure “TV advertisement α” was analyzed. Yes. In this case, the sales promotion effect acquisition unit 62 identifies “newspaper advertisement θ” as a sales promotion measure to be removed in order to remove the increase in the sales amount of “XX coffee” by “newspaper advertisement θ”. Returning to FIG.
販促効果取得部62は、次に、販促効果情報保持部24にアクセスして販促効果情報を参照し、除去対象の販売促進施策による販促対象商品の販売量増加率を取得する。販促効果情報が図8に示す状態であるとき、販促効果取得部62は、「新聞広告θ」によるクラスタAにおける「○○コーヒー」の販売量増加率「1.4」と、クラスタBにおける「○○コーヒー」の販売量増加率「1.1」とを取得する。図15に戻る。   Next, the sales promotion effect acquisition unit 62 accesses the sales promotion effect information holding unit 24, refers to the sales promotion effect information, and acquires the sales volume increase rate of the sales promotion target product by the sales promotion measure to be removed. When the sales promotion effect information is in the state shown in FIG. 8, the sales promotion effect acquisition unit 62 determines the sales volume increase rate “1.4” of “XX coffee” in cluster A by “newspaper advertisement θ” and “ Acquire the sales increase rate of “1.1” for XX coffee. Returning to FIG.
販促販売量補正部64は、除去対象の販売促進施策についての販売量増加率が大きいほど、分析対象の販売促進施策についての販促後販売量が小さくなるように、販促後販売量をエリアクラスタごとに補正する。具体的には、販促販売量補正部64は、分析対象の販売促進施策についての販促後販売量を取得する期間と、除去対象の販売促進施策についての実施日からの所定期間とが重複する期間を特定する。この所定期間は、除去対象の販売促進施策の影響を強く受ける期間であり、企業の経験や実験等に基づいて適宜決定されてよい。販促販売量補正部64は、その重複する期間の販促後販売量から除去対象の販売促進施策による販売量増加率を除去する。   The sales promotion volume correction unit 64 sets the sales volume after sales promotion for each area cluster so that the sales volume increase rate for the sales promotion policy to be removed increases, and the sales volume for the sales promotion policy to be analyzed decreases. To correct. Specifically, the sales promotion sales amount correction unit 64 is a period in which the period for acquiring the sales promotion amount for the sales promotion measure to be analyzed overlaps with the predetermined period from the implementation date for the sales promotion measure to be removed. Is identified. This predetermined period is a period that is strongly influenced by the sales promotion measure to be removed, and may be appropriately determined based on company experience, experiments, and the like. The sales promotion sales volume correction unit 64 removes the sales volume increase rate due to the sales promotion measures to be removed from the sales volume after sales promotion in the overlapping period.
図17は、商品販売情報のデータ構造を示す。同図における「○○コーヒー」について11/2および11/3の単位期間販売量には、図3と異なり、分析対象の販売促進施策「テレビ広告α」だけでなく、分析対象外の販売促進施策「新聞広告θ」による販売量増加分が上乗せされている。   FIG. 17 shows the data structure of product sales information. The unit period sales volume for “XX Coffee” in the figure is 11/2 and 11/3, unlike FIG. 3, not only the sales promotion measure “TV advertisement α”, but also sales promotions that are not analyzed The increase in sales volume by the measure “newspaper advertisement θ” is added.
図18(a)は、販促販売量取得部52により取得された販促前販売量と販促後販売量を示す。同図のデータは、分析対象の販売促進施策「テレビ広告α」の実施前後2日、すなわち10/30から11/2における「○○コーヒー」の販売量が、図17の商品販売情報から取得されたものである。上述したように分析対象外の販売促進施策「新聞広告θ」による販売量増加分が上乗せされているため、販促後販売量が図14(a)よりも大きくなっている。したがって、この状態では「テレビ広告α」による販売量増加率が大きく算出されることになる。   FIG. 18A shows the sales volume before sales promotion and the sales volume after sales promotion acquired by the sales promotion sales volume acquisition unit 52. The data in the figure is obtained from the product sales information of FIG. 17 on the two days before and after the implementation of the sales promotion measure “TV advertisement α”, that is, the sales volume of “XX coffee” from 10/30 to 11/2. It has been done. As described above, since the sales volume increase by the sales promotion measure “newspaper advertisement θ” that is not the object of analysis is added, the sales volume after the sales promotion is larger than that in FIG. Therefore, in this state, the sales volume increase rate due to “TV advertisement α” is largely calculated.
図18(b)は、販促販売量補正部64により補正された販促後販売量を示す。同図の販促後販売量は、11/2の各エリアにおける○○コーヒーの販売量から「新聞広告θ」による販売量増加量を除去したものである。具体的には、販促販売量補正部64は、クラスタAに属するエリアa、b、cにおける11/2の販売量については、販売量増加率「1.4」で除算しており、クラスタBに属するエリアd、eにおける11/2の販売量については、販売量増加率「1.1」で除算している。   FIG. 18B shows the post-sales sales volume corrected by the sales promotion sales volume correction unit 64. The sales volume after the sales promotion in the figure is obtained by removing the sales volume increase amount due to the “newspaper advertisement θ” from the sales volume of XX coffee in each area of 11/2. Specifically, the sales promotion sales amount correction unit 64 divides the sales volume of 11/2 in the areas a, b, and c belonging to the cluster A by the sales volume increase rate “1.4”. The sales volume of 11/2 in the areas d and e belonging to is divided by the sales volume increase rate “1.1”.
上述した販促販売量集計部54は、販促販売量取得部52により取得された販促前販売量と、販促販売量補正部64により補正された販促後販売量とをエリアクラスタごとに集計する。販促効果算出部56は、これらの集計値を比較して、分析対象の販売促進施策による販促対象商品の販売量増加率を算出する。   The sales promotion sales volume totaling unit 54 described above totals the sales volume before sales promotion acquired by the sales promotion sales volume acquisition unit 52 and the sales volume after sales promotion corrected by the sales promotion sales volume correction unit 64 for each area cluster. The sales promotion effect calculation unit 56 compares these total values and calculates the sales volume increase rate of the sales promotion target product by the sales promotion measure to be analyzed.
分析対象の販売促進施策と分析対象外の販売促進施策とが同時期に実施された場合、分析対象の販売促進施策についての販促後販売量に分析対象外の販売促進施策による販売量増加分が上乗せされてしまう。その結果、分析対象の販売促進施策の効果が実際よりも大きく算出されることになる。販売量補正部60は、分析対象の販売促進施策についての販促後販売量から分析対象外の販売促進施策による上乗せ分を除去する。これにより、販促効果算出部56は、分析対象の販売促進施策による販促対象商品の販売量増加率を正しく算出できる。   If the sales promotion measures that are subject to analysis and those that are not subject to analysis are implemented at the same time, the increase in sales volume due to the sales promotion measures that are not subject to analysis Will be added. As a result, the effect of the sales promotion measure to be analyzed is calculated to be greater than actual. The sales amount correction unit 60 removes the extra amount due to the sales promotion measure that is not the analysis target from the post-sales sales amount regarding the sales promotion measure that is the analysis target. Thereby, the sales promotion effect calculation part 56 can calculate correctly the sales volume increase rate of the sales promotion target product by the sales promotion measure to be analyzed.
なお、販促販売量補正部64は、除去対象の販売促進施策が実施されたエリアが限定されているときには、その実施されたエリアに限定して、分析対象の販売促進施策についての販促後販売量を補正してもよい。例えば、分析対象の販売促進施策が全国規模のテレビ広告で、除去対象の販売促進施策が地域限定の店頭大安売りであるときには、店頭大安売りが実施されたエリアに限定して、テレビ広告についての販促後販売量を補正する。これにより、販売促進施策の実施範囲も考慮して、分析対象の販売促進施策による販促対象商品の販売量増加率を正しく算出できる。   The sales promotion sales amount correction unit 64, when the area where the sales promotion measure to be removed is limited, is limited to the area where the sales promotion measure to be removed is applied, and the sales volume after sales promotion for the sales promotion measure to be analyzed is limited. May be corrected. For example, if the sales promotion measure to be analyzed is a nationwide TV advertisement and the sales promotion measure to be removed is an area-wide store sales discount, after the promotion for TV advertisements limited to the area where the store sales were conducted Correct sales volume. Accordingly, the sales volume increase rate of the sales promotion target product by the sales promotion measure to be analyzed can be correctly calculated in consideration of the scope of the sales promotion measure.
また、図18(a)および(b)に示す例では、販促販売量補正部64は、各エリアについての販促後販売量を補正したが、各エリアクラスタについての販促後販売量の集計値を補正してもよい。販促販売量補正部64は、販促後販売量の集計値のうち除去対象の販売促進施策による影響を強く受けた期間の値について、除去対象の販売促進施策による販売量増加率に応じて補正する。具体的には、除去対象の販売促進施策による販売量増加率が大きいほど、販促後販売量の集計値のうち除去対象の販売促進施策による影響を強く受けた期間についての値を小さくすることで、販促後販売量の集計値を小さくする。販促効果算出部56は、販促販売量集計部54により集計された販促前販売量の集計値と、販促後販売量の集計値であって、販促販売量補正部64により補正された集計値とを比較して、分析対象の販売促進施策による販促対象商品の販売量増加率を算出する。図15に戻る。   Further, in the example shown in FIGS. 18A and 18B, the sales promotion sales amount correction unit 64 corrects the sales promotion amount for each area. It may be corrected. The sales promotion sales amount correcting unit 64 corrects the value of the period strongly influenced by the sales promotion measure to be removed among the aggregated values of the sales amount after the sales promotion according to the sales volume increase rate by the sales promotion measure to be removed. . Specifically, the larger the sales volume increase rate due to sales promotion measures targeted for removal, the smaller the value of the aggregate sales value after sales promotion for the period strongly affected by the sales promotion measures targeted for removal. Reduce the aggregate sales volume after sales promotion. The sales promotion effect calculation unit 56 includes a total value of the sales amount before sales totaled by the sales promotion sales amount totaling unit 54, a total value of the sales amount after sales promotion, and the total value corrected by the sales promotion sales amount correction unit 64. Are compared, and the sales volume increase rate of the sales promotion product by the sales promotion measure to be analyzed is calculated. Returning to FIG.
販売量補正部60は、また、販促対象商品のクラスタ販売量がクラスタ販売量算出部44にて算出されたとき、そのクラスタ販売量から販売促進施策による販売量増加分を除去する。図19は、販売量補正部60による補正後のクラスタ販売量を示す。同図のクラスタ販売量は、図12のクラスタ販売量であり、これは販売促進施策「テレビ広告α」による販売量増加分を含む値である。以下の具体例では、図19を参照して説明する。   Further, when the cluster sales amount of the sales promotion target product is calculated by the cluster sales amount calculation unit 44, the sales amount correction unit 60 removes the increase in the sales amount due to the sales promotion measure from the cluster sales amount. FIG. 19 shows the cluster sales volume after correction by the sales volume correction unit 60. The cluster sales amount in FIG. 12 is the cluster sales amount in FIG. 12, which is a value including an increase in sales amount due to the sales promotion measure “TV advertisement α”. The following specific example will be described with reference to FIG.
販売促進施策による販売量増加分を除去するために、販促販売量取得部52は、まず、販促対象商品の販促前購買量を取得する。ここでは、販促対象商品が図3の「○○コーヒー」で、販売促進施策の実施日が11/1であるため、販促販売量取得部52は、10/31の各エリアにおける「○○コーヒー」の販売量を取得することとする。次に、販促販売量集計部54は、販促対象商品の販促前購買量をエリアクラスタごとに集計する。図3の「○○コーヒー」の場合、エリアa、b、cを含むクラスタAについて10/31の集計値は265となり、エリアd、eを含むクラスタBについて10/31の集計値は150となる。これを図19の販促前販売量に示している。   In order to remove the increase in sales volume due to the sales promotion measure, the sales promotion sales volume acquisition unit 52 first acquires the pre-sales purchase amount of the sales promotion target product. Here, since the promotion target product is “XX coffee” in FIG. 3 and the implementation date of the sales promotion measure is 11/1, the sales promotion sales amount acquisition unit 52 performs “XX coffee” in each area of 10/31. ”Will be acquired. Next, the sales promotion sales amount totaling unit 54 totals the purchase amount before sales promotion of the sales promotion target product for each area cluster. In the case of “XX coffee” in FIG. 3, the aggregate value of 10/31 is 265 for cluster A including areas a, b, and c, and the aggregate value of 10/31 is 150 for cluster B including areas d and e. Become. This is shown in the sales volume before sales promotion in FIG.
販促販売量特定部66は、クラスタ販売量算出部44により算出されたクラスタ販売量の集計期間について、そのクラスタ販売量に対応づけられる商品を対象とした販売促進施策の実施日時が含まれるかを判定する。含まれると判定したときには、販売促進施策の実施日からその販売促進施策の影響が高いと想定される所定期間分のクラスタ販売量を特定する。この期間については、企業の経験や実験により適切な期間が設定されればよい。   The sales promotion sales amount specifying unit 66 determines whether or not the cluster sales amount calculation period calculated by the cluster sales amount calculation unit 44 includes the implementation date of the sales promotion measure for the product associated with the cluster sales amount. judge. When it is determined that the sales promotion measure is included, the cluster sales amount for a predetermined period in which the influence of the sales promotion measure is assumed to be high from the implementation date of the sales promotion measure is specified. About this period, an appropriate period should just be set by a company's experience and experiment.
例えば、「○○コーヒー」について11/1に実施された販売促進施策「テレビ広告α」は、11/1および11/2における「○○コーヒー」の販売量に大きく影響することとする。このとき、販促販売量特定部66は、「テレビ広告α」の影響を大きく受けたクラスタ販売量として、クラスタ販売量のうちから11/1および11/2のクラスタ販売量を特定する。これを図19の販促影響分に示している。同図の販促影響分は、図3の11/1および11/2における「○○コーヒー」の販売量をエリアクラスタごとに集計したものである。図15に戻る。   For example, it is assumed that the sales promotion measure “TV advertisement α” implemented on 11/1 for “XX coffee” greatly affects the sales volume of “XX coffee” on 11/1 and 11/2. At this time, the sales promotion sales amount specifying unit 66 specifies the cluster sales amounts of 11/1 and 11/2 from the cluster sales amount as the cluster sales amount greatly influenced by the “TV advertisement α”. This is shown in the sales promotion influence part of FIG. The sales promotion influence amount in the figure is the sum of the sales volume of “XX coffee” in 11/1 and 11/2 in FIG. 3 for each area cluster. Returning to FIG.
クラスタ販売量補正部68は、販売促進施策の影響を受けていない販促前販売量に基づいて、クラスタ販売量を補正する。1つの方法としては、販売促進施策の影響を受けたクラスタ販売量を販促前販売量に置き換える。例えば、図19の販促影響分の値、すなわち11/1および11/2の販売量の集計値を、販促前販売量欄の値、ここでは2日分とするために販促前販売量を2倍した値、と置き換える。そして、販売促進施策の影響を受けていないクラスタ販売量、すなわち10/30、10/31、11/3の販売量と集計する。このように補正されたクラスタ販売量を図19の補正後クラスタ販売量に示している。   The cluster sales amount correction unit 68 corrects the cluster sales amount based on the pre-promotion sales amount that is not affected by the sales promotion measure. One method is to replace the cluster sales volume affected by the sales promotion measure with the sales volume before sales promotion. For example, the sales amount before sales promotion is set to 2 in order to set the value of the sales promotion influence amount in FIG. 19, that is, the total value of the sales volume of 11/1 and 11/2 to the value of the sales volume before sales promotion, here two days. Replace with the doubled value. Then, the cluster sales volume that is not affected by the sales promotion measure, that is, the sales volume of 10/30, 10/31, and 11/3 are tabulated. The corrected cluster sales volume is shown in FIG. 19 as the corrected cluster sales volume.
クラスタ販売量を補正する別の方法では、除去対象の販売促進施策による販促対象商品の販売量増加率を上述した販促効果分析部50に算出させる。クラスタ販売量補正部68は、その販売量増加率の値に応じて販売促進施策の影響を受けたクラスタ販売量を補正する。例えば、販売促進施策の影響を受けたクラスタ販売量を販売量増加率で除算して、販売促進施策の影響を受けていないクラスタ販売量と集計してもよい。   In another method of correcting the cluster sales volume, the sales promotion effect analysis unit 50 calculates the sales volume increase rate of the sales promotion target product by the sales promotion measure to be removed. The cluster sales volume correction unit 68 corrects the cluster sales volume affected by the sales promotion measure according to the value of the sales volume increase rate. For example, the cluster sales volume affected by the sales promotion measure may be divided by the sales volume increase rate and totaled with the cluster sales volume not affected by the sales promotion measure.
クラスタ販売量を補正するさらに別の方法では、クラスタ販売量補正部68が、販促効果情報保持部24にアクセスして、除去対象の販売促進施策による販促対象商品の販売量増加率を取得する。クラスタ販売量補正部68は、その販売量増加率の値に応じて販売促進施策の影響を受けたクラスタ販売量を補正する。例えば、販売促進施策の影響を受けたクラスタ販売量を販売量増加率で除算して、販売促進施策の影響を受けていないクラスタ販売量と集計してもよい。   In still another method of correcting the cluster sales volume, the cluster sales volume correction unit 68 accesses the sales promotion effect information holding unit 24 and acquires the sales volume increase rate of the sales promotion target product by the sales promotion measure to be removed. The cluster sales volume correction unit 68 corrects the cluster sales volume affected by the sales promotion measure according to the value of the sales volume increase rate. For example, the cluster sales volume affected by the sales promotion measure may be divided by the sales volume increase rate and totaled with the cluster sales volume not affected by the sales promotion measure.
販売量補正部60によれば、販売促進施策の影響を受ける商品のクラスタ販売量から販売促進施策による販売量増加分を除去できる。販売促進施策による販売量の増加は一時的な状態であることも多く、その増加分を含む販売量は商品そのものの実力を反映したものではないことも多い。販売量補正部60により販売促進施策による影響を除去できることで、商品そのものの実力を反映したクラスタ販売量を算出できる。   According to the sales amount correction unit 60, the increase in the sales amount due to the sales promotion measure can be removed from the cluster sales amount of the product affected by the sales promotion measure. The increase in sales volume due to sales promotion measures is often temporary, and the sales volume including the increase is often not a reflection of the ability of the product itself. Since the influence of the sales promotion measure can be removed by the sales amount correction unit 60, the cluster sales amount reflecting the ability of the product itself can be calculated.
なお、販売促進施策による影響を除去すべき期間を適切に設定することにより、販売促進施策による急速かつ一時的な販売量増加分については除去できる一方で、商品そのものの実力向上による販売量増加分はクラスタ販売量に残存させられる。すなわち、販売促進施策により商品の知名度が高まることによる販売量増加分については、商品そのものの実力向上による販売量増加と考えられるため除去の対象とすべきではない。このような効果は販売促進施策による影響を除去すべき期間のあとも継続するため、商品そのものの実力向上による販売量増加についてはクラスタ販売量に反映できる。   In addition, by setting an appropriate period for eliminating the impact of sales promotion measures, the rapid and temporary increase in sales volume due to sales promotion measures can be eliminated, while the increase in sales volume due to the improvement in the ability of the product itself. Is left in the cluster sales volume. That is, the increase in the sales volume due to the increase in the popularity of the product due to the sales promotion measure is considered to be an increase in the sales volume due to the improvement of the ability of the product itself, and should not be removed. Since these effects continue after the period when the influence of the sales promotion measure should be removed, the increase in the sales volume due to the improvement of the ability of the product itself can be reflected in the cluster sales volume.
クラスタ販売量補正部68により補正されたクラスタ販売量は、後述する商品シェア分析部70、購買要因分析部80、販売条件影響分析部100、リピート率分析部110、商品訴求度分析部120において使用できる。これにより、各機能ブロックにおいて作成される販売活動支援情報から販売促進施策による販売量増加の影響を除去でき、商品そのものの実力に基づいて販売活動支援情報を作成できる。後述する商品シェア分析部70において、その具体例を詳述する。図6に戻る。   The cluster sales volume corrected by the cluster sales volume correction unit 68 is used in a product share analysis unit 70, a purchase factor analysis unit 80, a sales condition influence analysis unit 100, a repeat rate analysis unit 110, and a product appeal analysis unit 120, which will be described later. it can. Thereby, it is possible to remove the influence of the increase in the sales volume due to the sales promotion measure from the sales activity support information created in each functional block, and it is possible to create the sales activity support information based on the ability of the product itself. A specific example will be described in detail in the product share analysis unit 70 described later. Returning to FIG.
商品シェア分析部70:
商品シェア分析部70は、販売活動支援情報の1つである商品シェア情報を作成する。本実施の形態における商品シェア情報は、商品カテゴリにおいて、ある商品の販売量が占める割合をエリアクラスタごとに示す情報である。図20は、商品シェア分析部70の機能構成を示すブロック図である。商品シェア分析部70は、カテゴリ販売量算出部72と、占有率算出部74とを含む。
Product share analysis unit 70:
The merchandise share analysis unit 70 creates merchandise share information which is one of sales activity support information. The product share information in the present embodiment is information indicating the proportion of the sales amount of a product for each area cluster in the product category. FIG. 20 is a block diagram illustrating a functional configuration of the product share analysis unit 70. The product share analysis unit 70 includes a category sales amount calculation unit 72 and an occupancy rate calculation unit 74.
カテゴリ販売量算出部72は、商品カテゴリ情報保持部26にアクセスして商品カテゴリ情報を参照する。そして、クラスタ販売量算出部44により算出されたクラスタ販売量をエリアクラスタと商品カテゴリとの組み合わせごとに集計して、各エリアクラスタにおける特定の商品カテゴリについて所定期間における販売量(以下、「カテゴリ販売量」と呼ぶ。)を算出する。図21(a)は、カテゴリ販売量算出部72により算出されたカテゴリ販売量を示す。同図のカテゴリ販売量は、商品カテゴリ「コーヒー」に属する「○○コーヒー」、「△△珈琲」「□□ブレンド」について、図12のクラスタ販売量をエリアクラスタごとに集計したものである。   The category sales amount calculation unit 72 accesses the product category information holding unit 26 and refers to the product category information. Then, the cluster sales volume calculated by the cluster sales volume calculation unit 44 is aggregated for each combination of the area cluster and the product category, and the sales volume (hereinafter referred to as “category sales”) for a specific product category in each area cluster. Called "quantity"). FIG. 21A shows the category sales volume calculated by the category sales volume calculation unit 72. The category sales volume of FIG. 12 is obtained by summing up the cluster sales volume of FIG. 12 for each area cluster for “XX coffee”, “ΔΔ 珈 琲”, and “□□ blend” belonging to the product category “coffee”.
また、カテゴリ販売量算出部72は、上述したクラスタ販売量補正部68により補正されたクラスタ販売量を集計して、カテゴリ販売量を算出してもよい。図21(b)は、カテゴリ販売量算出部72により算出されたカテゴリ販売量を示す。同図のカテゴリ販売量は、「△△珈琲」および「□□ブレンド」については図12に示すクラスタ販売量を、「○○コーヒー」については図19の補正後クラスタ販売量をエリアクラスタごとに集計したものである。図20に戻る。   Further, the category sales volume calculation unit 72 may calculate the category sales volume by totaling the cluster sales volume corrected by the cluster sales volume correction unit 68 described above. FIG. 21B shows the category sales volume calculated by the category sales volume calculation unit 72. The category sales volume of the figure shows the cluster sales volume shown in FIG. 12 for “△△ 珈 琲” and “□□ blend”, and the corrected cluster sales volume of FIG. It is the total. Returning to FIG.
占有率算出部74は、各エリアクラスタについてのカテゴリ販売量と、各エリアクラスタにおける各商品のクラスタ販売量との比率を占有率として算出する。例えば、図21(a)のクラスタAのカテゴリ販売量は「2795」であり、図12の「○○コーヒー」のクラスタ販売量は「1475」であるため、占有率は53%として算出する。図22(a)は、商品カテゴリ「コーヒー」についての各商品の占有率を示す。同図の内容がユーザ端末500に表示されてもよい。   The occupation rate calculation unit 74 calculates a ratio between the category sales amount for each area cluster and the cluster sales amount of each product in each area cluster as an occupation rate. For example, the category sales amount of cluster A in FIG. 21A is “2795”, and the cluster sales amount of “XX coffee” in FIG. 12 is “1475”, so the occupation rate is calculated as 53%. FIG. 22A shows the occupation ratio of each product for the product category “coffee”. The content of FIG. 5 may be displayed on the user terminal 500.
また、占有率算出部74は、クラスタ販売量補正部68により補正されたクラスタ販売量と、補正されたクラスタ販売量を集計したカテゴリ販売量との比率を占有率として算出してもよい。図22(b)は、商品カテゴリ「コーヒー」についての各商品の占有率を示す。同図では、販売促進施策「テレビ広告α」による販売量増加分を除去した「○○コーヒー」のクラスタ販売量と、それを集計したカテゴリ販売量との比率を示している。同図では、販売促進施策による「○○コーヒー」の販売量増加分が除去されているため、図22(a)と比較すると、「△△珈琲」、「□□ブレンド」の占有率が大きくなっている。   Further, the occupation rate calculation unit 74 may calculate the ratio between the cluster sales amount corrected by the cluster sales amount correction unit 68 and the category sales amount obtained by collecting the corrected cluster sales amount as the occupation rate. FIG. 22B shows the occupation rate of each product for the product category “coffee”. The figure shows the ratio between the cluster sales volume of “XX Coffee”, which has removed the increase in sales volume due to the sales promotion measure “TV advertisement α”, and the category sales volume that has been aggregated. In this figure, the increase in sales volume of “XX coffee” due to sales promotion measures has been eliminated, so the share of “△△ 珈 琲” and “□□ blend” is larger than in FIG. 22 (a). It has become.
なお、カテゴリ販売量算出部72は、分析要求検出部12を介して、ユーザ端末500から分析対象となる商品の指定データを受信してもよい。このとき占有率算出部74は、分析対象商品が属する商品カテゴリにおける分析対象商品の占有率を算出し、分析結果出力部14を介して、ユーザ端末500に商品シェア情報として送信する。同様に、カテゴリ販売量算出部72は、ユーザ端末500から分析対象となる商品カテゴリの指定データを受信してもよい。このとき占有率算出部74は、分析対象の商品カテゴリにおける各商品の占有率を算出してユーザ端末500に送信する。   Note that the category sales amount calculation unit 72 may receive specification data of a product to be analyzed from the user terminal 500 via the analysis request detection unit 12. At this time, the occupancy rate calculation unit 74 calculates the occupancy rate of the analysis target product in the product category to which the analysis target product belongs, and transmits it as the product share information to the user terminal 500 via the analysis result output unit 14. Similarly, the category sales amount calculation unit 72 may receive specification data for a product category to be analyzed from the user terminal 500. At this time, the occupancy rate calculation unit 74 calculates the occupancy rate of each product in the product category to be analyzed and transmits it to the user terminal 500.
商品シェア分析部70によれば、商品販売者は商品カテゴリにおける各商品のシェアをエリアクラスタごとに確認できる。すなわち、詳細な競合商品分析を実現する。既述したようにエリアクラスタは消費者像と対応づけられているため、商品販売者は、商品カテゴリにおいて、どの商品がどの消費者に支持されているかを比較検討できる。これにより例えば、商品の仕入れや棚割等について適切な意思決定ができる。また、販売促進施策による販売量増加分が除外されたクラスタ販売量に基づいて占有率を算出することで、商品販売者は、商品そのものの実力による各商品のシェアについても確認できる。図6に戻る。   According to the product share analysis unit 70, the product seller can confirm the share of each product in the product category for each area cluster. That is, a detailed competitive product analysis is realized. Since the area cluster is associated with the consumer image as described above, the merchandise seller can compare and examine which merchandise is supported by which consumer in the merchandise category. Thereby, for example, it is possible to make an appropriate decision regarding the purchase of goods, shelf allocation, and the like. Further, by calculating the occupation rate based on the cluster sales amount excluding the increase in the sales amount due to the sales promotion measure, the product seller can also confirm the share of each product based on the ability of the product itself. Returning to FIG.
購買要因分析部80:
購買要因分析部80は、販売活動支援情報の1つである購買要因情報を作成する。本実施の形態における購買要因情報は、顧客による商品の購買に影響を及ぼす住民属性を示す情報である。図23は、購買要因分析部80の機能構成を示すブロック図である。購買要因分析部80は、住民属性取得部82と、住民属性評価部84とを含む。
Purchasing factor analysis unit 80:
The purchase factor analysis unit 80 creates purchase factor information which is one of sales activity support information. The purchase factor information in the present embodiment is information indicating a resident attribute that affects the purchase of a product by a customer. FIG. 23 is a block diagram illustrating a functional configuration of the purchase factor analysis unit 80. The purchase factor analysis unit 80 includes a resident attribute acquisition unit 82 and a resident attribute evaluation unit 84.
住民属性取得部82は、分析要求検出部12を介して、ユーザ端末500から分析対象の商品の指定データを受信する。住民属性取得部82は、まず、各エリアクラスタにおける分析対象商品の販売量であって、クラスタ販売量算出部44により算出されたクラスタ販売量を取得する。住民属性取得部82は、次に、それぞれのクラスタ販売量に対応づけられたエリアクラスタを特定する。住民属性取得部82は、最後に、エリアクラスタ情報保持部22にアクセスしてエリアクラスタ情報を参照し、特定したエリアクラスタの住民属性を取得して、それぞれのクラスタ販売量に対応づける。   The resident attribute acquisition unit 82 receives the specification data of the product to be analyzed from the user terminal 500 via the analysis request detection unit 12. The inhabitant attribute acquisition unit 82 first acquires the sales amount of the analysis target product in each area cluster and the cluster sales amount calculated by the cluster sales amount calculation unit 44. Next, the resident attribute acquisition unit 82 specifies an area cluster associated with each cluster sales amount. The resident attribute acquisition unit 82 finally accesses the area cluster information holding unit 22 to refer to the area cluster information, acquires the resident attribute of the identified area cluster, and associates it with each cluster sales amount.
例えば、分析対象商品「○○コーヒー」についてのクラスタ販売量が図12で示す状態であるとする。このとき、住民属性取得部82は、分析対象商品「○○コーヒー」について、クラスタAにおけるクラスタ販売量「1475」と、クラスタBにおけるクラスタ販売量「960」とを取得する。住民属性取得部82は、図7のエリアクラスタ情報を参照して、クラスタAの住民属性「30歳代比率が高い」等をクラスタ販売量「1475」と、クラスタBの住民属性「50歳代比率が高い」等をクラスタ販売量「960」と対応づける。図23に戻る。   For example, it is assumed that the cluster sales amount for the analysis target product “XX coffee” is in the state shown in FIG. At this time, the resident attribute acquisition unit 82 acquires the cluster sales amount “1475” in the cluster A and the cluster sales amount “960” in the cluster B for the analysis target product “XX coffee”. The inhabitant attribute acquisition unit 82 refers to the area cluster information in FIG. 7 and sets the cluster sales amount “1475” and the inhabitant attribute “50 years old” “The ratio is high” is associated with the cluster sales amount “960”. Returning to FIG.
住民属性評価部84は、各エリアクラスタのクラスタ販売量を比較して、クラスタ販売量が比較的大きなエリアクラスタを特定する。そして、そのエリアクラスタの住民属性を分析対象商品の販売量との相関性が高い住民属性として決定する。例えば、「○○コーヒー」のクラスタ販売量はクラスタBよりもクラスタAの方が大きい。したがって、住民属性評価部84は、クラスタAの住民属性「30歳代比率が高い」等を「○○コーヒー」の販売量と相関性が高い住民属性として決定する。住民属性評価部84は、分析結果出力部14を介して、分析対象商品の販売量と相関性が高いと決定した住民属性を示す購買要因情報をユーザ端末500に送信する。   The resident attribute evaluation unit 84 compares the cluster sales volume of each area cluster to identify an area cluster having a relatively large cluster sales volume. Then, the resident attribute of the area cluster is determined as a resident attribute having a high correlation with the sales amount of the analysis target product. For example, the cluster sales amount of “XX coffee” is larger in the cluster A than in the cluster B. Therefore, the resident attribute evaluation unit 84 determines the resident attribute of cluster A “having a high 30s ratio” or the like as a resident attribute having a high correlation with the sales amount of “XX coffee”. The resident attribute evaluation unit 84 transmits purchase factor information indicating the resident attribute determined to be highly correlated with the sales amount of the analysis target product to the user terminal 500 via the analysis result output unit 14.
購買要因分析部80によれば、顧客による商品の購買に影響を及ぼす住民属性を特定できる。すなわち、商品販売者は、購買要因分析部80により作成される購買要因情報を確認することで、各店舗の顧客の属性に応じて商品の品揃えや棚割を意思決定することにより、商品の販売量を増加させることができる。   According to the purchase factor analysis unit 80, it is possible to specify a resident attribute that affects the purchase of a product by a customer. That is, by confirming the purchase factor information created by the purchase factor analysis unit 80, the merchandise seller makes a decision on the product assortment and shelf allocation according to the customer attributes of each store. Sales volume can be increased.
次に、分析対象商品と相関性が高い住民属性を決定する変形例を説明する。住民属性取得部82は、エリアクラスタ情報を参照して、住民属性とともに住民指標値を取得する。住民属性評価部84は、各エリアクラスタにおけるクラスタ販売量を目的変数とし、各エリアクラスタにおける住民指標値を説明変数とする回帰分析により、各住民指標値がクラスタ販売量に及ぼす影響を回帰係数として算出する。住民属性評価部84は、t検定やF検定等の既知の検定手法と、変数減少法や変数増加法等の既知の選択手法を用いて説明変数の選択をしてもよい。住民属性評価部84は、回帰係数の絶対値が比較的大きな住民指標値に対応づけられた住民属性を、分析対象商品の販売量と相関性が高い住民属性として決定して、ユーザ端末500に送信する。   Next, a modified example for determining a resident attribute having a high correlation with the analysis target product will be described. The resident attribute acquisition unit 82 refers to the area cluster information and acquires the resident index value together with the resident attribute. The resident attribute evaluation unit 84 uses the cluster sales volume in each area cluster as an objective variable and the regression analysis using the resident index value in each area cluster as an explanatory variable, and the effect of each resident index value on the cluster sales volume as a regression coefficient. calculate. The resident attribute evaluation unit 84 may select an explanatory variable by using a known test method such as a t test or an F test and a known selection method such as a variable reduction method or a variable increase method. The inhabitant attribute evaluation unit 84 determines the inhabitant attribute associated with the inhabitant index value having a relatively large absolute value of the regression coefficient as an inhabitant attribute having a high correlation with the sales amount of the analysis target product. Send.
図24は、住民指標値とクラスタ販売量との関係を例示する。同図の内容が購買要因情報としてユーザ端末500に表示されてもよい。同図の数値は、上述の回帰分析により算出された回帰係数を示しており、数値が空白の住民指標値は、クラスタ販売量に有意な影響を及ぼさないことを示している。商品販売者は、例えば、「△△珈琲」は所得が低い顧客が購入すること、「○○コーヒー」は子供人数が多い世帯にはあまり購入されない、その一方で「△△珈琲」は子供人数が多い世帯によく購入されていること等をこの結果から確認できる。   FIG. 24 illustrates the relationship between the resident index value and the cluster sales amount. The content of the figure may be displayed on the user terminal 500 as purchase factor information. The numerical values in the figure indicate the regression coefficients calculated by the above-described regression analysis, and the resident index values with blank numerical values do not significantly affect the cluster sales volume. Product sellers, for example, “△△ 珈 琲” is purchased by low-income customers, “XX coffee” is not purchased much by households with many children, while “△△ 珈 琲” is the number of children It can be confirmed from this result that households with a lot of purchases often purchase.
この変形例によれば、各商品の販売量と住民属性との相関を詳細に特定できる。すなわち、商品販売者は、各商品が顧客により購買される理由を把握できる。例えば、住民の平均所得が各商品の販売量に与える影響を把握できる。これにより、商品販売者は、主要顧客の平均所得に合致する商品を多く仕入れる等、各店舗における顧客の属性に応じて適切な商品の仕入れや棚割をすることにより、商品の販売量を増加させることができる。図6に戻る。   According to this modification, the correlation between the sales amount of each product and the resident attributes can be specified in detail. That is, the merchandise seller can grasp the reason why each merchandise is purchased by the customer. For example, it is possible to grasp the influence of the average income of residents on the sales volume of each product. As a result, merchandise sellers will increase the volume of merchandise purchased by purchasing and selling appropriate products according to the customer's attributes at each store, such as purchasing many products that match the average income of major customers. Can be made. Returning to FIG.
店舗顧客層分析部90:
店舗顧客層分析部90は、販売活動支援情報の1つである店舗顧客層情報を作成する。本実施の形態における店舗顧客層情報は、店舗とエリアクラスタとの組み合わせごとに、店舗の総顧客数に対する各エリアクラスタに居住する顧客数の比率を示す情報である。図25は、店舗顧客層分析部90の機能構成を示すブロック図である。店舗顧客層分析部90は、クラスタ顧客数算出部92と、クラスタ顧客比率算出部94とを含む。
Store customer segment analysis unit 90:
The store customer segment analysis unit 90 creates store customer segment information that is one type of sales activity support information. Store customer group information in the present embodiment is information indicating the ratio of the number of customers residing in each area cluster to the total number of customers in the store for each combination of store and area cluster. FIG. 25 is a block diagram illustrating a functional configuration of the store customer segment analysis unit 90. The store customer segment analysis unit 90 includes a cluster customer number calculation unit 92 and a cluster customer ratio calculation unit 94.
クラスタ顧客数算出部92は、分析要求検出部12を介して、ユーザ端末500から分析対象の店舗の指定データを受信する。クラスタ顧客数算出部92は、店舗顧客情報保持部306にアクセスして店舗顧客情報を参照し、店舗とエリアクラスタとの組み合わせごとにエリア顧客数を集計して、各エリアクラスタに居住する顧客数(以下、「クラスタ顧客数」と呼ぶ。)を算出する。例えば図4の「木場店」の場合、クラスタAのクラスタ顧客数はエリアaの顧客数の「600」となり、クラスタCのクラスタ顧客数はエリアfとエリアiの顧客数の集計値である「1150」となる。なお、実際には、店舗の規模が大きいほど、店舗の顧客が居住するエリアも多数となるため、多数のエリアのエリア顧客数がエリアクラスタごとに集計されて、それぞれのクラスタ顧客数が算出される。   The cluster customer number calculation unit 92 receives, from the user terminal 500, the designation data of the store to be analyzed via the analysis request detection unit 12. The cluster customer number calculation unit 92 accesses the store customer information holding unit 306, refers to store customer information, totals the number of area customers for each combination of store and area cluster, and the number of customers residing in each area cluster (Hereinafter referred to as “number of cluster customers”) is calculated. For example, in the case of “Kiba store” in FIG. 4, the number of cluster customers in cluster A is “600” which is the number of customers in area a, and the number of cluster customers in cluster C is an aggregate value of the number of customers in area f and area i. 1150 ". Actually, the larger the store size, the larger the number of areas where the customers of the store reside, so the number of area customers in many areas is aggregated for each area cluster to calculate the number of cluster customers. The
クラスタ顧客比率算出部94は、店舗とエリアクラスタとの組み合わせごとに、店舗の総顧客数に対するクラスタ顧客数の比率(以下、「クラスタ顧客比率」と呼ぶ。)を算出する。例えば図4の木場店の場合、総顧客数はエリア顧客数欄334の値を集計した「2550」である。この総顧客数とクラスタAのクラスタ顧客数「600」との比率は「23%」となり、総顧客数とクラスタCのクラスタ顧客数「1150」との比率は「45%」となる。   The cluster customer ratio calculation unit 94 calculates the ratio of the number of cluster customers to the total number of customers in the store (hereinafter referred to as “cluster customer ratio”) for each combination of store and area cluster. For example, in the case of the Kiba store in FIG. 4, the total number of customers is “2550” obtained by summing up the values in the area customer number column 334. The ratio between the total number of customers and the number of cluster customers “600” in cluster A is “23%”, and the ratio between the total number of customers and the number of cluster customers “1150” in cluster C is “45%”.
図26(a)は、図4の「木場店」のクラスタ顧客比率を示す。図26(b)は、図4の「葛西店」のクラスタ顧客比率を示す。図26(c)は、図4の「船橋店」のクラスタ顧客比率を示す。クラスタ顧客比率算出部94は、分析結果出力部14を介して、分析対象店舗について、各エリアクラスタのクラスタ顧客比率を示す店舗顧客層情報をユーザ端末500に送信する。   FIG. 26A shows the cluster customer ratio of “Kiba store” in FIG. FIG. 26B shows the cluster customer ratio of “Kasai store” in FIG. FIG. 26C shows the cluster customer ratio of “Funabashi store” in FIG. The cluster customer ratio calculation unit 94 transmits store customer group information indicating the cluster customer ratio of each area cluster to the user terminal 500 for the analysis target store via the analysis result output unit 14.
店舗顧客層分析部90によれば、分析対象店舗の各エリアクラスタに居住する顧客の比率を算出できる。例えば、商品販売者は、図26(a)から、「木場店」の顧客にはクラスタCの住民が多いことを確認でき、クラスタCの住民属性を重視した店舗戦略を「木場店」にて実行することができる。図6に戻る。   According to the store customer segment analysis unit 90, the ratio of customers residing in each area cluster of the analysis target store can be calculated. For example, from FIG. 26A, the merchandise seller can confirm that the customers of “Kiba store” have many residents of cluster C, and store strategy that emphasizes the residents attribute of cluster C is “Kiba store”. Can be executed. Returning to FIG.
販売条件影響分析部100:
販売条件影響分析部100は、販売活動支援情報の1つである販売条件影響情報を作成する。本実施の形態における販売条件影響情報は、ある商品の販売条件の設定前後における販売量増加率をエリアクラスタごとに示す情報である。図27は、販売条件影響分析部100の機能構成を示すブロック図である。販売条件影響分析部100は、比較販売量取得部102と、感応率評価部104とを含む。
Sales condition impact analysis unit 100:
The sales condition influence analysis unit 100 creates sales condition influence information which is one piece of sales activity support information. The sales condition influence information in the present embodiment is information indicating a sales volume increase rate for each area cluster before and after setting a sales condition for a certain product. FIG. 27 is a block diagram illustrating a functional configuration of the sales condition influence analysis unit 100. The sales condition influence analysis unit 100 includes a comparative sales volume acquisition unit 102 and a sensitivity rate evaluation unit 104.
比較販売量取得部102は、分析要求検出部12を介して、ユーザ端末500から分析対象となる商品の指定データを受信する。分析対象商品について、販売条件変更前の期間および販売条件変更後の期間の指定データをユーザ端末500から受信してもよく、各商品の販売条件変更の日時について、図示しない記憶部に保持されていてもよい。比較販売量取得部102は、クラスタ販売量算出部44により算出された分析対象商品のクラスタ販売量を参照して、販売条件変更前の所定期間のクラスタ販売量(以下、「変更前販売量」と呼ぶ。)と、販売条件変更後の所定期間のクラスタ販売量(以下、「変更後販売量」と呼ぶ。)とを取得する。   The comparative sales amount acquisition unit 102 receives specification data of a product to be analyzed from the user terminal 500 via the analysis request detection unit 12. For the analysis target product, designation data for the period before the sales condition change and the period after the sales condition change may be received from the user terminal 500, and the date and time of the sales condition change for each product is held in a storage unit (not shown). May be. The comparative sales volume acquisition unit 102 refers to the cluster sales volume of the analysis target product calculated by the cluster sales volume calculation unit 44 and refers to the cluster sales volume (hereinafter “sales volume before change”) for a predetermined period before the sales condition is changed. And the cluster sales volume for a predetermined period after the sales condition is changed (hereinafter referred to as “sales volume after change”).
図28(a)は、比較販売量取得部102により取得された変更前販売量および変更後販売量を示す。同図の変更前販売量および変更後販売量は、クラスタ販売量算出部44により算出されたクラスタ販売量のうち、分析対象商品「□□ブレンド」の販売条件変更前のクラスタ販売量および販売条件変更後のクラスタ販売量を示している。以下の例では、同図に基づいて説明する。   FIG. 28A shows the pre-change sales volume and the post-change sales volume acquired by the comparative sales volume acquisition unit 102. The sales volume before change and sales volume after change in the figure are the cluster sales volume and sales conditions before changing the sales conditions of the analyzed product “□ Blend” among the cluster sales volume calculated by the cluster sales volume calculation unit 44. It shows the cluster sales volume after the change. The following example will be described with reference to FIG.
感応率評価部104は、変更前販売量に対する変更後販売量の比率(以下、「販売条件感応率」と呼ぶ。)をエリアクラスタごとに算出する。例えば図28(a)の場合には、クラスタAからクラスタDの販売条件感応率は、それぞれ、「1.41」、「1.13」、「1.4」、「1.25」となる。図28(b)は、感応率評価部104により算出された販売条件感応率を示す。感応率評価部104は、分析結果出力部14を介して、各エリアクラスタにおける分析対象商品の販売条件感応率を示す販売条件影響情報をユーザ端末500に送信する。   Sensitivity rate evaluation unit 104 calculates the ratio of the sales amount after change to the sales amount before change (hereinafter referred to as “sales condition sensitivity rate”) for each area cluster. For example, in the case of FIG. 28A, the sales condition sensitivity rates from cluster A to cluster D are “1.41”, “1.13”, “1.4”, and “1.25”, respectively. . FIG. 28B shows the sales condition sensitivity calculated by the sensitivity evaluation unit 104. The sensitivity evaluation unit 104 transmits sales condition influence information indicating the sales condition sensitivity of the analysis target product in each area cluster to the user terminal 500 via the analysis result output unit 14.
感応率評価部104は、また、クラスタ顧客比率算出部94により算出されたクラスタ顧客比率を参照して、販売条件感応率が所定の閾値以上であるエリアクラスタについてのクラスタ顧客比率が所定の閾値以上である店舗を特定する。そして、エリアクラスタと販売条件感応率と店舗とを対応づけて、ユーザ端末500に送信する。   The sensitivity evaluation unit 104 also refers to the cluster customer ratio calculated by the cluster customer ratio calculation unit 94, and the cluster customer ratio for an area cluster whose sales condition sensitivity is equal to or greater than a predetermined threshold is greater than or equal to the predetermined threshold. Identify stores that are Then, the area cluster, the sales condition sensitivity rate, and the store are associated with each other and transmitted to the user terminal 500.
例えば、販売条件感応率の閾値が「1.4」、クラスタ顧客比率の閾値が「40%」であるとする。このとき、感応率評価部104は、図28(b)からクラスタAおよびCを特定する。そして、図26(a)から(c)にて示すクラスタ顧客比率を参照して、クラスタAのクラスタ顧客比率が高い店舗として「葛西店」を特定し、クラスタCのクラスタ顧客比率が高い店舗として「木場店」を特定する。商品販売者は、この結果から、販売条件の変更が特に有効である店舗を確認できる。   For example, assume that the sales condition sensitivity ratio threshold is “1.4” and the cluster customer ratio threshold is “40%”. At this time, the sensitivity evaluation unit 104 identifies clusters A and C from FIG. Then, referring to the cluster customer ratios shown in FIGS. 26A to 26C, “Kasai store” is identified as a store having a high cluster customer ratio in cluster A, and a store having a high cluster customer ratio in cluster C. Specify "Kiba store". From this result, the merchandise seller can confirm a store where the change of the sales conditions is particularly effective.
販売条件影響分析部100によれば、各エリアクラスタに居住する顧客について、商品の販売条件に対する感応率を算出できる。商品販売者は、この感応率を確認することで、商品の販売条件を適切に設定しやすくなる。販売条件設定の典型例は商品の価格設定であり、商品販売者は商品の価格戦略についての意思決定が容易になる。また、感応率が高いエリアクラスタとそのエリアクラスタの住人を主要な顧客とする店舗とが対応づけられることにより、商品販売者は、商品の販売条件設定について店舗ごとの戦略立案が容易になる。例えば、ある商品の価格に対する感応率が高いエリアクラスタの住民を主要顧客とする店舗についてのみ、その商品の価格を値下げする等の判断ができる。   According to the sales condition influence analysis unit 100, it is possible to calculate the sensitivity rate for the sales conditions of the products for the customers living in each area cluster. The merchandise seller can easily set the sales conditions for the merchandise by checking the sensitivity rate. A typical example of sales condition setting is price setting of a product, and a product seller can easily make a decision about a price strategy of the product. In addition, by associating an area cluster with a high sensitivity rate with a store whose main customer is a resident of the area cluster, a merchandise seller can easily make a strategy for each store for setting the sales conditions of the product. For example, it is possible to determine that the price of a product is to be reduced only for stores whose main customers are residents of an area cluster that has a high sensitivity to the price of a product.
リピート率分析部110:
リピート率分析部110は、販売活動支援情報の1つであるリピート率情報を作成する。本実施の形態のリピート率情報は、各エリアクラスタにおいて同一の顧客に同一の商品を繰り返して販売した割合を示す情報である。図29は、リピート率分析部110の機能構成を示すブロック図である。リピート率分析部110は、エリアリピート数取得部112と、クラスタリピート数算出部114と、リピート率算出部116と、リピート率評価部118とを含む。
Repeat rate analysis unit 110:
The repeat rate analysis unit 110 creates repeat rate information that is one type of sales activity support information. The repeat rate information of the present embodiment is information indicating the ratio of the same product repeatedly sold to the same customer in each area cluster. FIG. 29 is a block diagram illustrating a functional configuration of the repeat rate analysis unit 110. Repeat rate analysis unit 110 includes an area repeat number acquisition unit 112, a cluster repeat number calculation unit 114, a repeat rate calculation unit 116, and a repeat rate evaluation unit 118.
なお、図3で示す商品販売情報には、商品ごとエリアごとに図示しないエリアリピート数がさらに記録されており、所定期間において同一の顧客に商品を繰り返して販売した回数(以下、「エリアリピート数」と呼ぶ。)が記録されている。例えば、図3の10/30から11/3の期間における「△△珈琲」について、エリアaにおけるエリアリピート数、エリアbにおけるエリアリピート数、・・・が記録されている。なお、エリアリピート数は、同一の顧客であっても異なるタイミングに購入された場合には2回、3回、・・・とカウントされてもよく、同一の顧客であれば何回繰り返し購入されても1回のみカウントされてもよい。   The product sales information shown in FIG. 3 further records the number of area repeats (not shown) for each product area, and the number of times the product was repeatedly sold to the same customer in a predetermined period (hereinafter referred to as “area repeat number”). ") Is recorded. For example, for “ΔΔ 珈 琲” in the period from 10/30 to 11/3 in FIG. 3, the number of area repeats in area a, the number of area repeats in area b, and so on are recorded. The number of area repeats may be counted twice, three times, etc. when purchased at different times, even for the same customer. Alternatively, it may be counted only once.
エリアリピート数取得部112は、商品販売情報保持部304にアクセスして商品販売情報を参照し、エリアと商品との組み合わせごとに所定期間におけるエリアリピート数を取得する。   The area repeat number acquisition unit 112 accesses the product sales information holding unit 304, refers to the product sales information, and acquires the area repeat number for a predetermined period for each combination of area and product.
クラスタリピート数算出部114は、エリアクラスタ情報保持部22にアクセスしてエリアクラスタ情報を参照し、エリアクラスタと商品との組み合わせごとにエリアリピート数を集計する。以下、この集計値を「クラスタリピート数」と呼ぶことにする。例えば、エリアa、b、cについてのエリアリピート数を集計して、クラスタAについてのクラスタリピート数を算出する。図30(a)は、クラスタリピート数算出部114により算出されたクラスタリピート数を示す。同図は、「△△珈琲」についてのクラスタリピート数を示しており、同図のクラスタ販売量は、クラスタ販売量算出部44により算出されたクラスタ販売量を示している。   The cluster repeat number calculation unit 114 accesses the area cluster information holding unit 22, refers to the area cluster information, and totals the number of area repeats for each combination of area cluster and product. Hereinafter, this total value is referred to as “cluster repeat number”. For example, the number of area repeats for areas a, b, and c is totaled to calculate the number of cluster repeats for cluster A. FIG. 30A shows the number of cluster repeats calculated by the cluster repeat number calculation unit 114. The figure shows the number of cluster repeats for “ΔΔ 珈 琲”, and the cluster sales volume in the figure shows the cluster sales volume calculated by the cluster sales volume calculation unit 44.
リピート率算出部116は、分析要求検出部12を介して、ユーザ端末500から分析対象の商品の指定データを受信する。リピート率算出部116は、分析対象商品についてのクラスタ販売量とクラスタリピート数との比率(以下、「リピート率」と呼ぶ。)を算出する。例えば、分析対象商品「△△珈琲」のクラスタリピート数が図30(a)の状態であるとき、クラスタAにおける「△△珈琲」のリピート率は「8%」であると算出する。図30(b)は、リピート率算出部116により算出された各エリアクラスタにおけるリピート率を示す。   The repeat rate calculation unit 116 receives the specification data of the product to be analyzed from the user terminal 500 via the analysis request detection unit 12. The repeat rate calculation unit 116 calculates a ratio between the cluster sales amount and the number of cluster repeats for the analysis target product (hereinafter referred to as “repeat rate”). For example, when the number of cluster repeats of the analysis target product “ΔΔ 珈 琲” is in the state of FIG. 30A, the repeat rate of “ΔΔ 珈 琲” in cluster A is calculated to be “8%”. FIG. 30B shows the repeat rate in each area cluster calculated by the repeat rate calculator 116.
リピート率評価部118は、リピート率算出部116により算出された各エリアクラスタにおけるリピート率について、リピート率が比較的大きいエリアクラスタを特定する。リピート率評価部118は、例えば、最もリピート率が高いエリアクラスタを特定してもよく、所定の閾値以上のリピート率が算出されたエリアクラスタを特定してもよい。後者の閾値が「20%」の場合、リピート率評価部118は、図30(b)に示すリピート率からエリアクラスタBおよびCを特定する。リピート率評価部118は、分析結果出力部14を介して、特定したエリアクラスタをユーザ端末500に送信する。   The repeat rate evaluation unit 118 identifies an area cluster having a relatively high repeat rate for the repeat rate in each area cluster calculated by the repeat rate calculation unit 116. For example, the repeat rate evaluation unit 118 may identify an area cluster having the highest repeat rate, or may identify an area cluster for which a repeat rate equal to or greater than a predetermined threshold is calculated. When the latter threshold value is “20%”, the repeat rate evaluation unit 118 identifies the area clusters B and C from the repeat rate shown in FIG. The repeat rate evaluation unit 118 transmits the identified area cluster to the user terminal 500 via the analysis result output unit 14.
リピート率分析部110によれば、エリアクラスタごとにリピート率を算出できる。商品販売者は、どのような属性を有する消費者が商品を繰り返し購入しているかを把握できる。また、主要な顧客の属性に応じて商品の販売戦略について意思決定できる。例えば、リピート率が高いエリアクラスタに居住する住民に対し、ダイレクトメールなどを送付することで、商品の販売量を効果的に増加させることができる。   The repeat rate analysis unit 110 can calculate a repeat rate for each area cluster. The merchandise seller can grasp what attributes the consumer has repeatedly purchased the merchandise. You can also make decisions about product sales strategies according to the attributes of your key customers. For example, the amount of merchandise sold can be effectively increased by sending direct mail or the like to residents residing in an area cluster with a high repeat rate.
第1の変形例では、リピート率評価部118は、複数のエリアクラスタそれぞれについて、エリアクラスタの人口に対するクラスタ販売量の比率を示す一人あたり販売量(以下、「単位人口販売量」と呼ぶ。)を算出して、リピート率と単位人口販売量とを対応づける。   In the first modified example, the repeat rate evaluation unit 118 for each of a plurality of area clusters is a sales amount per person indicating the ratio of the cluster sales amount to the population of the area cluster (hereinafter referred to as “unit population sales amount”). And the repeat rate is associated with the unit population sales.
具体的には、リピート率評価部118は、エリアクラスタ情報保持部22にアクセスしてエリアクラスタ情報を参照し、リピート率が算出されたエリアクラスタの人口を取得する。例えばエリアクラスタ情報が図7で示す状態であるとき、クラスタAの人口について、エリアa、b、cの人口を集計して「2150」を取得する。クラスタB、クラスタC、クラスタDについても同様に、「1150」、「2000」、「900」を取得する。   Specifically, the repeat rate evaluation unit 118 accesses the area cluster information holding unit 22, refers to the area cluster information, and acquires the population of the area cluster for which the repeat rate is calculated. For example, when the area cluster information is in the state shown in FIG. 7, for the population of cluster A, the populations of areas a, b, and c are totaled to obtain “2150”. Similarly, “1150”, “2000”, and “900” are acquired for cluster B, cluster C, and cluster D.
リピート率評価部118は、エリアクラスタごとに単位人口販売量を算出する。例えば、クラスタAについては、人口が「2150」であり、クラスタ販売量が「505」であるため、単位人口販売量「0.23」を算出する。クラスタB、クラスタC、クラスタDについても同様に、「0.27」、「0.09」、「0.09」を算出する。リピート率評価部118は、リピート率と単位顧客販売量とを対応づけて、分析結果出力部14を介して、ユーザ端末500に送信する。   The repeat rate evaluation unit 118 calculates a unit population sales volume for each area cluster. For example, for cluster A, since the population is “2150” and the cluster sales volume is “505”, the unit population sales volume “0.23” is calculated. Similarly, “0.27”, “0.09”, and “0.09” are calculated for cluster B, cluster C, and cluster D. The repeat rate evaluation unit 118 associates the repeat rate with the unit customer sales amount, and transmits it to the user terminal 500 via the analysis result output unit 14.
図31は、リピート率と単位顧客販売量との対応付けを例示する。同図は、「△△珈琲」に対する顧客の購買傾向について、クラスタAの顧客は単位顧客販売量は大きいもののリピート率は小さい、クラスタCの顧客は単位顧客販売量は小さいもののリピート率は大きいことを示している。   FIG. 31 illustrates the association between the repeat rate and the unit customer sales volume. The figure shows that the customer's purchase tendency for “△△ 珈 琲” is that the customer of cluster A has a large unit customer sales volume, but the repeat rate is small, while the customer of cluster C has a small unit customer sales volume but a large repeat rate. Is shown.
第1の変形例によれば、商品販売者は、販売量とリピート率の観点から、詳細な販売戦略を意思決定できる。例えば、図31の結果から、クラスタAの顧客を主要顧客とする店舗については、「△△珈琲」を発売当初に多く仕入れておき、時間の経過に伴って仕入れ数を大幅に減らすべきであると意思決定できる。また、クラスタCの顧客を主要顧客とする店舗については、「△△珈琲」の仕入れ量自体は少量でよいが、リピート顧客が多いため「△△珈琲」が品切れにならないように継続して仕入れるべきであると意思決定できる。   According to the first modification, the merchandise seller can make a detailed sales strategy decision from the viewpoint of the sales volume and the repeat rate. For example, from the results shown in FIG. 31, for stores whose main customers are the customers of cluster A, “△△ 珈 琲” should be purchased a lot at the beginning of the sale, and the number of purchases should be greatly reduced over time. Can make decisions. In addition, for stores whose main customers are cluster C customers, the purchase amount of “△△△” may be small, but since there are many repeat customers, “△△ 珈 琲” is continuously purchased so that it will not run out of stock. It can be decided that it should be.
第2の変形例では、リピート率評価部118は、クラスタ顧客比率算出部94により算出されたクラスタ顧客比率を参照して、リピート率が所定の閾値以上であるエリアクラスタについてのクラスタ顧客比率が所定の閾値以上である店舗を特定する。そして、リピート率が所定の閾値以上のエリアクラスタと、そのエリアクラスタの住人を主要顧客とする店舗とを対応づけて、ユーザ端末500に送信する。   In the second modified example, the repeat rate evaluation unit 118 refers to the cluster customer rate calculated by the cluster customer rate calculation unit 94, and the cluster customer rate for an area cluster whose repeat rate is equal to or greater than a predetermined threshold is predetermined. Stores that are equal to or greater than the threshold. Then, an area cluster having a repeat rate equal to or higher than a predetermined threshold is associated with a store whose main customer is a resident of the area cluster, and is transmitted to the user terminal 500.
第2の変形例によれば、商品販売者は、ある商品のリピート率に応じて店舗ごとの販売戦略を意思決定できる。例えば、ある商品のリピート率が高いエリアクラスタの住人を主要顧客とする店舗については、その商品を現在販売していなければすぐに販売を開始させ、その後もその商品が品切れにならないように継続してチェックする等の意思決定ができる。図6に戻る。   According to the second modification, the merchandise seller can make a decision on a sales strategy for each store in accordance with the repeat rate of a certain merchandise. For example, a store whose main customer is an resident of an area cluster with a high repeat rate of a product will start selling immediately if the product is not currently sold, and will continue to keep the product from running out. Making decisions such as checking. Returning to FIG.
商品訴求度分析部120:
商品訴求度分析部120は、販売活動情報の1つである商品訴求度情報を作成する。本実施の形態における商品訴求度情報は、ある店舗にて販売される商品と、その店舗の全顧客がその商品をどれだけ支持するかを示す指標値(以下、「商品指標値」と呼ぶ。)とが対応づけられた情報である。図32は、商品訴求度分析部120の機能構成を示すブロック図である。商品訴求度分析部120は、分析情報取得部122と、分析対象特定部124と、クラスタ指標値算出部126と、商品指標値算出部128とを含む。
Product appeal analysis unit 120:
The product appeal level analysis unit 120 creates product appeal level information that is one of sales activity information. The product appeal level information in the present embodiment is referred to as a product sold at a certain store and an index value (hereinafter referred to as “product index value”) indicating how much the product is supported by all customers of the store. ) Is associated information. FIG. 32 is a block diagram illustrating a functional configuration of the product appeal degree analysis unit 120. The product appeal level analysis unit 120 includes an analysis information acquisition unit 122, an analysis target specifying unit 124, a cluster index value calculation unit 126, and a product index value calculation unit 128.
分析情報取得部122は、分析要求検出部12を介して、分析対象となる商品および店舗の指定データをユーザ端末500から受信する。分析情報取得部122は、クラスタ販売量算出部44により算出された分析対象商品のクラスタ販売量と、クラスタ顧客比率算出部94により算出された分析対象店舗のクラスタ顧客比率とを取得する。   The analysis information acquisition unit 122 receives, from the user terminal 500, the product to be analyzed and the designation data of the store via the analysis request detection unit 12. The analysis information acquisition unit 122 acquires the cluster sales amount of the analysis target product calculated by the cluster sales amount calculation unit 44 and the cluster customer ratio of the analysis target store calculated by the cluster customer ratio calculation unit 94.
図33は、分析情報取得部122により取得された分析対象商品のクラスタ販売量を示す。同図では、分析対象商品「○○コーヒー」、「△△珈琲」、「□□ブレンド」について、直近の12月のクラスタ販売量が取得された状態を示している。また、分析情報取得部122により取得された分析対象店舗、この例では「木場店」、「葛西店」、「船橋店」のクラスタ顧客比率については図26(a)、図26(b)、図26(c)にて示す内容を以下の説明で用いることとする。   FIG. 33 shows the cluster sales volume of the analysis target product acquired by the analysis information acquisition unit 122. This figure shows a state in which the cluster sales volume of the latest December is acquired for the analysis target products “XX coffee”, “ΔΔ 珈 琲”, and “□□ blend”. The cluster customer ratios of the analysis target stores acquired by the analysis information acquisition unit 122, in this example, “Kiba store”, “Kasai store”, and “Funabashi store” are shown in FIGS. 26 (a), 26 (b), The contents shown in FIG. 26C will be used in the following description.
分析対象特定部124は、分析対象となるエリアクラスタ(以下、「分析対象クラスタ」と呼ぶ。)の顧客による商品の購買実績を示す指標値として、分析対象クラスタにおける分析対象商品のクラスタ販売量を特定する。例えば図33において、分析対象クラスタ「クラスタA」における分析対象商品「○○コーヒー」のクラスタ販売量「100」を特定する。   The analysis target specifying unit 124 uses the cluster sales volume of the analysis target product in the analysis target cluster as an index value indicating the purchase performance of the product by the customers in the area cluster to be analyzed (hereinafter referred to as “analysis target cluster”). Identify. For example, in FIG. 33, the cluster sales amount “100” of the analysis target product “XX coffee” in the analysis target cluster “cluster A” is specified.
分析対象特定部124は、また、分析対象店舗の分析対象クラスタについてのクラスタ顧客比率を特定する。例えば、図26(a)において、分析対象店舗「木場店」におけるクラスタAについてのクラスタ顧客比率「23%」を特定する。続いて、分析対象特定部124は、分析対象商品、分析対象クラスタ、および分析対象店舗の組み合わせごとに、クラスタ販売量とクラスタ顧客比率とを対応づける。上述の例では、分析対象特定部124は、特定したクラスタ販売量「100」とクラスタ顧客比率「23%」を対応づける。図32に戻る。   The analysis target specifying unit 124 also specifies the cluster customer ratio for the analysis target cluster of the analysis target store. For example, in FIG. 26A, the cluster customer ratio “23%” for the cluster A in the analysis target store “Kiba store” is specified. Subsequently, the analysis target specifying unit 124 associates the cluster sales amount with the cluster customer ratio for each combination of the analysis target product, the analysis target cluster, and the analysis target store. In the above example, the analysis target specifying unit 124 associates the specified cluster sales amount “100” with the cluster customer ratio “23%”. Returning to FIG.
クラスタ指標値算出部126は、クラスタ販売量およびクラスタ顧客比率に正相関する所定の評価関数により、分析対象店舗における特定のエリアクラスタに居住する顧客が分析対象商品をどれだけ支持するかを示す指標値(以下、「クラスタ指標値」と呼ぶ。)を算出する。具体的には、分析対象特定部124により特定されたクラスタ販売量とクラスタ顧客比率とを上述の評価関数に入力して得られる計算結果をクラスタ指標値とする。上述の評価関数は、既知の計算手法でよいが、以下の例では、クラスタ販売量とクラスタ顧客比率との積算の結果を出力する関数であることとする。   The cluster index value calculation unit 126 is an index indicating how much the customer residing in a specific area cluster in the analysis target store supports the analysis target product by a predetermined evaluation function that is positively correlated with the cluster sales amount and the cluster customer ratio. A value (hereinafter referred to as “cluster index value”) is calculated. Specifically, a calculation result obtained by inputting the cluster sales amount and the cluster customer ratio specified by the analysis target specifying unit 124 into the above-described evaluation function is set as a cluster index value. The above-described evaluation function may be a known calculation method. In the following example, it is assumed that the evaluation function is a function that outputs a result of the integration of the cluster sales volume and the cluster customer ratio.
上の例では、「○○コーヒー」の「クラスタA」におけるクラスタ販売量「100」と、分析対象店舗「木場店」における「クラスタA」についてのクラスタ顧客比率「23%」とを評価関数により積算して、クラスタ指標値「23」を算出する。同様に、クラスタ指標値算出部126は、分析対象商品、分析対象クラスタ、および分析対象店舗の組み合わせごとに、クラスタ指標値を算出する。図34は、クラスタ指標値算出部126により算出されたクラスタ指標値を示す。同図において指標値が「−」の部分は、該当の店舗の顧客にそのエリアクラスタの住人がいないことを示している。図32に戻る。   In the above example, the cluster sales amount “100” in “Cluster A” of “XX Coffee” and the cluster customer ratio “23%” for “Cluster A” in the analysis target store “Kiba store” are evaluated using the evaluation function. The cluster index value “23” is calculated by integration. Similarly, the cluster index value calculation unit 126 calculates a cluster index value for each combination of the analysis target product, the analysis target cluster, and the analysis target store. FIG. 34 shows the cluster index value calculated by the cluster index value calculation unit 126. In the figure, the index value “−” indicates that the customer of the store does not have a resident in the area cluster. Returning to FIG.
商品指標値算出部128は、クラスタ指標値算出部126によりエリアクラスタごとに算出されたクラスタ指標値を分析対象店舗ごとに集計して、分析対象店舗で販売される分析対象商品に対する商品指標値を算出する。例えば図34では、木場店における「○○コーヒー」のクラスタA、B、Cにおけるクラスタ指標値がそれぞれ「23」、「16」、「270」、「48」である。このとき、商品指標値算出部128はこれらのクラスタ指標値を集計して、木場店における「○○コーヒー」の商品指標値「357」を算出する。   The product index value calculation unit 128 aggregates the cluster index values calculated for each area cluster by the cluster index value calculation unit 126 for each analysis target store, and obtains the product index value for the analysis target product sold at the analysis target store. calculate. For example, in FIG. 34, the cluster index values in the clusters A, B, and C of “XX coffee” at the Kiba store are “23”, “16”, “270”, and “48”, respectively. At this time, the merchandise index value calculation unit 128 aggregates these cluster index values and calculates the merchandise index value “357” of “XX coffee” in the Kiba store.
商品指標値算出部128は、分析結果出力部14を介して、分析対象商品について、分析対象店舗における商品指標値をユーザ端末500に送信する。商品指標値算出部128は、また、商品指標値情報保持部28にアクセスして、算出した商品指標値を商品指標値情報に記録する。図10の商品指標値欄234には、上述の例において算出された商品指標値が記録されている。   The product index value calculation unit 128 transmits the product index value in the analysis target store to the user terminal 500 for the analysis target product via the analysis result output unit 14. The product index value calculation unit 128 also accesses the product index value information holding unit 28 and records the calculated product index value in the product index value information. In the product index value column 234 of FIG. 10, the product index value calculated in the above example is recorded.
なお、商品訴求度分析部120は、ユーザ端末500からの要求にかかわらず、クラスタ販売量算出部44によりクラスタ販売量が算出された商品について、店舗顧客層分析部90によりクラスタ顧客比率が算出された店舗における商品指標値を算出してもよい。この場合も、商品指標値算出部128は、商品指標値情報保持部28にアクセスして、算出した商品指標値を商品指標値情報に記録する。   The merchandise appeal analysis unit 120 calculates the cluster customer ratio by the store customer segment analysis unit 90 for the products for which the cluster sales amount is calculated by the cluster sales amount calculation unit 44 regardless of the request from the user terminal 500. You may calculate the merchandise index value in a store. Also in this case, the product index value calculating unit 128 accesses the product index value information holding unit 28 and records the calculated product index value in the product index value information.
商品訴求度分析部120により算出される商品指標値が、分析対象店舗の全顧客が分析対象商品をどれだけ支持するかを示す指標値となる理由を説明する。上述したように商品指標値を算出するための入力データは、分析対象商品のクラスタ販売量と、分析対象店舗のクラスタ顧客比率である。クラスタ販売量は、各エリアクラスタにおいて分析対象商品が販売された実績を示しており、分析対象商品に対する各エリアクラスタに居住する顧客の支持の大きさを示す指標値である。一方で、クラスタ顧客比率は、分析対象店舗の総顧客に占める各エリアクラスタに居住する顧客の割合を示しており、各エリアクラスタの顧客の購買行動が分析対象店舗に及ぼす影響の大きさを示す指標値である。   The reason why the merchandise index value calculated by the merchandise appeal analysis unit 120 becomes an index value indicating how much all the customers of the analysis target store support the analysis target product will be described. As described above, the input data for calculating the product index value is the cluster sales volume of the analysis target product and the cluster customer ratio of the analysis target store. The cluster sales amount indicates a record of the sales of the analysis target product in each area cluster, and is an index value indicating the level of support of customers residing in each area cluster for the analysis target product. On the other hand, the cluster customer ratio indicates the ratio of customers residing in each area cluster to the total customers of the analysis target stores, and indicates the magnitude of the influence of the customer purchasing behavior of each area cluster on the analysis target stores. It is an index value.
クラスタ販売量およびクラスタ顧客比率に正相関する評価関数により算出されたクラスタ指標値は、一のエリアクラスタについて、クラスタ販売量が大きいほど大きくなり、また、クラスタ顧客比率が大きいほど大きくなる。このことから、クラスタ指標値は、分析対象商品に対する一のエリアクラスタに居住する顧客の支持の大きさが分析対象店舗に及ぼす影響の大きさを示す指標値であるといえる。したがって、クラスタ指標値を集計した商品指標値は、分析対象店舗の全顧客が分析対象商品をどれだけ支持するかを示す指標値となる。   The cluster index value calculated by the evaluation function that is positively correlated with the cluster sales volume and the cluster customer ratio increases as the cluster sales volume increases for one area cluster, and increases as the cluster customer ratio increases. From this, it can be said that the cluster index value is an index value indicating the magnitude of the influence of the customer's support in one area cluster for the analysis target product on the analysis target store. Therefore, the product index value obtained by collecting the cluster index values is an index value indicating how much the analysis target store supports all the customers of the analysis target store.
商品訴求度分析部120により算出される商品指標値により、商品販売者は、分析対象店舗における分析対象商品間について顧客の支持の大きさを比較でき、各商品の仕入れ量や棚割について適切な意思決定が可能となる。例えば、商品指標値が図10の状態であるとき、商品販売者は「葛西店」について、仕入れ量や棚割で優先すべき順序は、「□□ブレンド」、「△△珈琲」、「○○コーヒー」の順であると意思決定できる。   The merchandise index value calculated by the merchandise appeal analysis unit 120 enables the merchandise seller to compare the level of customer support between the analysis target products in the analysis target store, and the purchase amount and shelf allocation of each product are appropriate. Decision making is possible. For example, when the merchandise index value is in the state shown in FIG. 10, the merchandise seller has priority for “Kasai store” in terms of purchase amount and shelf allocation as “□□ blend”, “△△ 珈 琲”, “○ ○ Decision can be made in the order of “coffee”.
また、商品指標値の入力であるクラスタ販売量は、各店舗における販売量がエリアクラスタごとに集計されたものであるため、分析対象店舗以外の店舗の販売実績から取得できるものである。したがって、分析対象商品を分析対象店舗にて販売していないときでも、商品指標値を算出できる。例えば、商品指標値が図10の状態で、船橋店では「○○コーヒー」を販売していないとする。このとき、商品販売者は、船橋店で「○○コーヒー」を販売することで、「□□ブレンド」以上に顧客から支持される可能性が高いことを把握でき、「○○コーヒー」を仕入れる意思決定ができる。   Further, the cluster sales volume, which is an input of the product index value, can be obtained from the sales performance of stores other than the analysis target store because the sales volume at each store is aggregated for each area cluster. Therefore, even when the analysis target product is not sold at the analysis target store, the product index value can be calculated. For example, it is assumed that the merchandise index value is in the state of FIG. 10 and the Funabashi store does not sell “XX coffee”. At this time, merchandise sellers can understand that they are more likely to be supported by customers than “□□ Blend” by selling “XX Coffee” at Funabashi Store, and purchase “XX Coffee”. Make decisions.
店舗にて販売される商品がどれだけ顧客に指示されているかを特定する従来の方法は、顧客に対しアンケートを実施することであった。しかし、多数の顧客にアンケートを実施するのでは費用が高騰するため、アンケート数は少数となるのが一般的であり、アンケート結果は、少数の回答者の主観を強く反映したものになりがちであった。また、人手を介するため時間がかかってしまっていた。商品訴求度分析部120によれば、クラスタ販売量とクラスタ顧客比率という客観データに基づいて精度の高い商品指標値を短時間で算出できる。図6に戻る。   The conventional method for specifying how much the products sold at the store are instructed to the customer is to conduct a questionnaire for the customer. However, conducting surveys on a large number of customers increases costs, so the number of surveys is generally small, and the survey results tend to strongly reflect the subjectivity of a small number of respondents. there were. In addition, it took time because of human intervention. According to the product appeal analysis unit 120, a highly accurate product index value can be calculated in a short time based on objective data such as the cluster sales volume and the cluster customer ratio. Returning to FIG.
商品訴求度補正部130:
商品訴求度補正部130は、分析対象商品についてのクラスタ販売量の推移に基づいて、その商品の将来の販売傾向が反映された商品指標値が算出されるようにクラスタ指標値を補正する。図35は、商品訴求度補正部130の機能構成を示すブロック図である。商品訴求度補正部130は、販売量傾向算出部132と、指標値補正部134とを含む。
Product appeal correction unit 130:
The merchandise appeal correction unit 130 corrects the cluster index value so that a merchandise index value reflecting the future sales trend of the merchandise is calculated based on the transition of the cluster sales volume for the analysis target merchandise. FIG. 35 is a block diagram illustrating a functional configuration of the product appeal degree correction unit 130. The product appeal degree correction unit 130 includes a sales volume trend calculation unit 132 and an index value correction unit 134.
販売量傾向算出部132は、分析対象商品についてのクラスタ販売量の推移に基づいて、その商品の発売日からの時間経過に伴うクラスタ販売量の変化率をエリアクラスタごとに算出する。具体的には、販売量傾向算出部132は、クラスタ販売量算出部44により算出されたクラスタ販売量であって、分析対象商品の発売日から分析時点までの所定期間ごとのクラスタ販売量を取得する。図36は、販売量傾向算出部132により取得されたクラスタ販売量の推移を示す。同図は、分析対象商品である「△△珈琲」、「□□ブレンド」について、クラスタ販売量算出部44により算出された10月から12月までのクラスタ販売量の推移を示している。なお、どちらの分析対象商品についても10月に発売を開始したものとする。   The sales volume trend calculation unit 132 calculates, for each area cluster, the change rate of the cluster sales volume with the passage of time from the release date of the product based on the transition of the cluster sales volume for the analysis target product. Specifically, the sales volume trend calculation unit 132 acquires the cluster sales volume calculated by the cluster sales volume calculation unit 44 and for each predetermined period from the release date of the analysis target product to the time of analysis. To do. FIG. 36 shows the transition of the cluster sales volume acquired by the sales volume trend calculation unit 132. This figure shows the transition of the cluster sales volume from October to December calculated by the cluster sales volume calculation unit 44 for the analysis target products “ΔΔ 珈 琲” and “□□ blend”. It is assumed that both products to be analyzed have been released in October.
販売量傾向算出部132は、分析対象商品についてのクラスタ販売量の推移から、クラスタ販売量の変化率をエリアクラスタごとに算出する。変化率は既知の手法により求められてよいが、商品の販売量は時間の経過に伴って減少するのが一般的であるため、典型的には、0<変化率<1の値を取る。ここでは、販売量傾向算出部132は、図36に示すクラスタ販売量の変化率を漸化式により算出することとする。図36の場合、「△△珈琲」についてクラスタAにおける漸化式は、公比が「0.9」の等比数列であるため、販売量傾向算出部132は、「△△珈琲」のクラスタAにおける変化率を「0.9」として算出する。   The sales volume trend calculation unit 132 calculates the change rate of the cluster sales volume for each area cluster from the transition of the cluster sales volume for the analysis target product. Although the rate of change may be obtained by a known method, since the sales volume of the product generally decreases with the passage of time, typically, the value of 0 <change rate <1 is taken. Here, the sales volume trend calculation unit 132 calculates the change rate of the cluster sales volume shown in FIG. 36 by a recurrence formula. In the case of FIG. 36, since the recurrence formula in cluster A for “ΔΔ 珈 琲” is a geometric sequence with a common ratio of “0.9”, the sales volume trend calculation unit 132 determines that the cluster of “ΔΔ 珈 琲” The rate of change in A is calculated as “0.9”.
図37(a)は、クラスタ指標値とクラスタ販売量の変化率とを示す。同図の補正前クラスタ指標値は、クラスタ指標値算出部126により算出された「木場店」における分析対象商品のクラスタ指標値を示しており、図34の木場店クラスタ指標値の値と同じである。図37(a)の変化率は、図36で示すクラスタ販売量の推移に基づいて、販売量傾向算出部132により算出されたクラスタ指標値の変化率を示している。図35に戻る。   FIG. 37A shows the cluster index value and the rate of change in the cluster sales volume. The cluster index value before correction in the figure indicates the cluster index value of the analysis target product in “Kiba store” calculated by the cluster index value calculation unit 126, and is the same as the value of the Kiba store cluster index value in FIG. is there. The change rate in FIG. 37A indicates the change rate of the cluster index value calculated by the sales volume trend calculation unit 132 based on the transition of the cluster sales volume shown in FIG. Returning to FIG.
指標値補正部134は、分析対象商品について、販売量傾向算出部132により算出された変化率に応じて、クラスタ指標値算出部126により算出されたクラスタ指標値を調整する。ここでは、指標値補正部134は、クラスタ指標値とクラスタ販売量の変化率とを積算することにより、クラスタ指標値を補正することとする。例えば、「△△珈琲」のクラスタAにおけるクラスタ指標値「46」と、クラスタ販売量の変化率「0.9」とを積算して、クラスタ指標値を「41」に補正する。   The index value correction unit 134 adjusts the cluster index value calculated by the cluster index value calculation unit 126 according to the change rate calculated by the sales volume trend calculation unit 132 for the analysis target product. Here, the index value correction unit 134 corrects the cluster index value by integrating the cluster index value and the change rate of the cluster sales amount. For example, the cluster index value “46” in the cluster A of “ΔΔ 珈 琲” and the change rate “0.9” of the cluster sales amount are integrated to correct the cluster index value to “41”.
図37(a)の補正後クラスタ指標値欄は、指標値補正部134により補正されたクラスタ指標値を示している。同図は、クラスタ販売量について時間経過に伴う減少が大きいエリアクラスタほど、そのエリアクラスタのクラスタ指標値が小さくなるように、クラスタ指標値が補正されていることを示している。   The post-correction cluster index value column in FIG. 37A shows the cluster index value corrected by the index value correction unit 134. This figure shows that the cluster index value is corrected so that the cluster index value of the area cluster is smaller in the area cluster where the decrease with time of the cluster sales volume is larger.
商品訴求度分析部120の商品指標値算出部128は、指標値補正部134により補正されたクラスタ指標値を集計することで、商品指標値を算出する。図37(b)は、補正前の商品指標値と、補正後の商品指標値とを示す。同図の補正前商品指標値は、図37(a)の補正前クラスタ指標値を集計したものであり、補正後商品指標値は、図37(b)の補正後クラスタ指標値を集計したものである。   The product index value calculation unit 128 of the product appeal degree analysis unit 120 calculates the product index value by totaling the cluster index values corrected by the index value correction unit 134. FIG. 37B shows the product index value before correction and the product index value after correction. The product index values before correction in the figure are the sums of the cluster index values before correction in FIG. 37A, and the product index values after the correction are the sums of the cluster index values after correction in FIG. 37B. It is.
商品訴求度補正部130によれば、分析対象商品の将来の販売傾向が反映された商品指標値が商品指標値算出部128において算出されるように、クラスタ指標値を補正できる。これにより商品販売者は、商品の仕入れや棚割について、さらに適切な意思決定ができる。例えば、現時点において減少率が大きい商品は将来の減少傾向も比較的大きいと考えられる。商品訴求度補正部130は、減少傾向が大きい商品ほど商品指標値が小さくなるように補正することで、商品指標値を商品販売者にとってさらに有用な指標値とする。   According to the merchandise appeal correction unit 130, the cluster index value can be corrected so that the merchandise index value calculation unit 128 calculates a merchandise index value that reflects the future sales trend of the analysis target product. Thereby, the merchandise seller can make a more appropriate decision regarding the purchase of the merchandise and the shelf allocation. For example, products that have a large decrease rate at the present time are considered to have a relatively large downward trend in the future. The merchandise appeal correction unit 130 makes the merchandise index value more useful for merchandise sellers by correcting the merchandise index value so that the merchandise index value becomes smaller for products with a decreasing tendency.
図37(b)の補正前商品指標値が示された場合、商品販売者は、仕入れや棚割において「□□ブレンド」を優先するように意思決定しやすくなる。しかし、将来の販売傾向が反映された補正後商品指標値が示されることにより、商品販売者は、将来の販売傾向を踏まえた上で、「△△珈琲」を優先するように意思決定できる。図6に戻る。   When the pre-correction product index value shown in FIG. 37B is shown, the product seller can easily make a decision so as to give priority to “□□ blend” in purchasing and shelf allocation. However, by displaying the corrected product index value that reflects the future sales trend, the product seller can make a decision to give priority to “ΔΔ 珈 琲” based on the future sales trend. Returning to FIG.
店舗販売量予測部140:
店舗販売量予測部140は、販売活動支援情報の1つである店舗販売量予測情報を作成する。本実施の形態における店舗販売量予測情報は、ある店舗における商品について予測される販売量(以下、「見込み販売量」と呼ぶ。)を示す情報である。図38は、店舗販売量予測部140の機能構成を示すブロック図である。店舗販売量予測部140は、単位販売量取得部142と、相関度分析部144と、見込み販売量算出部146とを含む。
Store sales volume prediction unit 140:
The store sales amount prediction unit 140 creates store sales amount prediction information that is one of sales activity support information. Store sales amount prediction information in the present embodiment is information indicating a sales amount predicted for a product in a certain store (hereinafter referred to as “expected sales amount”). FIG. 38 is a block diagram illustrating a functional configuration of the store sales volume prediction unit 140. The store sales amount prediction unit 140 includes a unit sales amount acquisition unit 142, a correlation analysis unit 144, and an estimated sales amount calculation unit 146.
図39は、各店舗における見込み販売量を示す。同図は、各店舗における「○○コーヒー」の見込み販売量およびその算出に関連するデータを示しており、以下の例では同図を参照して説明する。   FIG. 39 shows the estimated sales volume at each store. The figure shows the estimated sales volume of “XX coffee” at each store and the data related to the calculation, and the following example will be described with reference to the figure.
単位販売量取得部142は、複数の店舗それぞれにおける商品の販売量の指標値であり、各店舗の顧客一人あたりへの販売量(以下、「単位顧客販売量」と呼ぶ。)を取得する。具体的には、単位販売量取得部142は、まず、店舗顧客情報保持部306にアクセスして店舗顧客情報を参照し、各店舗についての総顧客数を取得する。店舗顧客情報が図4に示す状態であるとき、単位販売量取得部142は、店舗ごとにエリア顧客数欄334を合算して、各店舗の総顧客数を取得する。次に、単位販売量取得部142は、また、店舗販売情報保持部308にアクセスして店舗販売情報を参照し、所定期間における商品販売量を取得する。ここでは、図5の店舗販売情報について、各店舗における「○○コーヒー」について12月の販売量を取得することとする。   The unit sales volume acquisition unit 142 is an index value of the sales volume of products in each of a plurality of stores, and acquires the sales volume per customer of each store (hereinafter referred to as “unit customer sales volume”). Specifically, the unit sales amount acquisition unit 142 first accesses the store customer information holding unit 306, refers to the store customer information, and acquires the total number of customers for each store. When the store customer information is in the state shown in FIG. 4, the unit sales amount acquisition unit 142 adds up the area customer number column 334 for each store, and acquires the total number of customers in each store. Next, the unit sales amount acquisition unit 142 also accesses the store sales information holding unit 308, refers to the store sales information, and acquires the product sales amount in a predetermined period. Here, with regard to the store sales information in FIG. 5, the December sales amount is acquired for “XX coffee” at each store.
単位販売量取得部142は、最後に、各店舗についての総顧客数と各店舗における商品販売量との比率を算出することにより、単位顧客販売量を算出する。例えば、「木場店」における総顧客数は「2550」であり、「○○コーヒー」の12月の販売量は「255」であるため、この場合の単位顧客販売量は「0.1」となる。図39の単位顧客販売量は、単位販売量取得部142により算出された各店舗における「○○コーヒー」の単位顧客販売量を示している。なお、単位顧客販売量に値がない「幕張店」および「秋田店」は、「○○コーヒー」を販売していないことを示している。図38に戻る。   Finally, the unit sales amount acquisition unit 142 calculates the unit customer sales amount by calculating the ratio between the total number of customers for each store and the product sales amount at each store. For example, since the total number of customers at “Kiba store” is “2550” and the sales volume of “XX coffee” in December is “255”, the unit customer sales volume in this case is “0.1”. Become. The unit customer sales amount in FIG. 39 indicates the unit customer sales amount of “XX coffee” at each store calculated by the unit sales amount acquisition unit 142. Note that “Makuhari store” and “Akita store”, which have no unit customer sales volume, indicate that “XX coffee” is not sold. Returning to FIG.
相関度分析部144は、商品指標値情報保持部28にアクセスして商品指標値情報を参照し、各店舗における商品の商品指標値を取得し、また、各店舗における商品について単位販売量取得部142が算出した単位顧客販売量を取得する。図39の商品指標値は、各店舗における「○○コーヒー」の商品指標値である。   The correlation analysis unit 144 accesses the product index value information holding unit 28, refers to the product index value information, acquires the product index value of the product at each store, and also obtains the unit sales amount acquisition unit for the product at each store The unit customer sales volume calculated by 142 is acquired. The product index value in FIG. 39 is the product index value of “XX coffee” at each store.
相関度分析部144は、次に、商品の商品指標値と単位顧客販売量とをそれぞれ、説明変数、目的変数として、複数の店舗それぞれにおける商品指標値と単位顧客販売量とから回帰分析手法により、商品の商品指標値と単位顧客販売量との相関の大きさを示す回帰式を算出する。   Next, the correlation analysis unit 144 uses a regression analysis method based on the product index value and the unit customer sales amount at each of a plurality of stores, using the product index value and the unit customer sales amount of the product as explanatory variables and objective variables, respectively. The regression equation indicating the magnitude of the correlation between the product index value of the product and the unit customer sales amount is calculated.
例えば、相関度分析部144は、図39の「木場店」、「葛西店」、「船橋店」における商品指標値と単位販売量とを回帰分析することで、以下の回帰式を算出する。
単位販売量 = 0.0002 × 商品指標値 + 0.0231
この回帰式における回帰係数「0.0002」は商品指標値が単位販売量に及ぼす影響の大きさを示している。なお、この例では、商品指標値のみを説明変数とする単回帰分析を示したが、相関度分析部144は、住民指標値やその他の統計情報等、複数の説明変数を加えて重回帰分析をしてもよく、既述した変数選択が実施されてもよい。図38に戻る。
For example, the correlation degree analysis unit 144 calculates the following regression equation by performing regression analysis on the product index value and the unit sales amount in “Kiba store”, “Kasai store”, and “Funabashi store” in FIG.
Unit sales volume = 0.0002 × commodity index value + 0.0231
The regression coefficient “0.0002” in this regression equation indicates the magnitude of the influence of the product index value on the unit sales volume. In this example, a single regression analysis using only the product index value as an explanatory variable is shown. However, the correlation analysis unit 144 adds a plurality of explanatory variables such as a resident index value and other statistical information to perform a multiple regression analysis. The above-described variable selection may be performed. Returning to FIG.
見込み販売量算出部146は、分析要求検出部12を介して、特定の商品(以下、「予測対象商品」と呼ぶ。)の販売量を予測する対象となる店舗(以下、「予測対象店舗」と呼ぶ。)の指定データをユーザ端末500から受信する。見込み販売量算出部146は、商品指標値情報保持部28にアクセスして商品指標値情報を参照し、予測対象店舗における予測対象商品についての商品指標値を取得する。   The expected sales amount calculation unit 146 is a store (hereinafter referred to as “prediction target store”) that predicts the sales amount of a specific product (hereinafter referred to as “prediction target product”) via the analysis request detection unit 12. Designation data) is received from the user terminal 500. The estimated sales volume calculation unit 146 accesses the product index value information holding unit 28, refers to the product index value information, and acquires the product index value for the prediction target product in the prediction target store.
見込み販売量算出部146は、次に、予測対象店舗における商品指標値を相関度分析部144により算出された回帰式に入力して、予測対象店舗における予測対象商品の単位顧客販売量(以下、「見込み単位販売量」と呼ぶ。)を算出する。図39の見込み単位販売量は、各店舗における○○コーヒーの商品指標値を上述の回帰式に入力することにより得られた見込み単位販売量を示している。   Next, the expected sales amount calculation unit 146 inputs the product index value in the prediction target store into the regression equation calculated by the correlation analysis unit 144, and the unit customer sales amount of the prediction target product in the prediction target store (hereinafter, Called “expected unit sales volume”). The expected unit sales amount in FIG. 39 indicates the expected unit sales amount obtained by inputting the product index value of XX coffee at each store into the above regression equation.
見込み販売量算出部146は、見込み単位販売量を基に、予測対象店舗における予測対象商品の販売量(以下、「見込み販売量」と呼ぶ。)を算出する。ここでは、予測対象店舗の総顧客数と予測対象商品についての見込み単位販売量とを積算することにより、見込み販売量を算出することとする。図39の見込み販売量は、各店舗における○○コーヒーの見込み単位販売量と、図4の各店舗における総顧客数との積算結果を示している。なお、「幕張店」の総顧客数は「5000」、「秋田店」の総顧客数は「1000」であるとしている。   The expected sales amount calculation unit 146 calculates the sales amount of the prediction target product in the prediction target store (hereinafter referred to as “expected sales amount”) based on the expected unit sales amount. Here, the estimated sales amount is calculated by integrating the total number of customers of the prediction target store and the expected unit sales amount of the prediction target product. The expected sales amount in FIG. 39 shows the integration result of the expected unit sales amount of XX coffee in each store and the total number of customers in each store in FIG. The total number of customers of “Makuhari store” is “5000”, and the total number of customers of “Akita store” is “1000”.
見込み販売量算出部146は、分析結果出力部14を介して、予測対象店舗における予測対象商品についての見込み販売量をユーザ端末500に送信する。図40は、各店舗における販売量の実績と見込みとを対応づけて示す。同図における無地の販売量は、各店舗における「○○コーヒー」の販売量実績を示し、斜線の販売量は、各店舗における「○○コーヒー」の見込み販売量を示している。   The estimated sales amount calculation unit 146 transmits the estimated sales amount of the prediction target product in the prediction target store to the user terminal 500 via the analysis result output unit 14. FIG. 40 shows the sales volume results and prospects in each store in association with each other. The solid sales volume in the figure indicates the sales volume of “XX coffee” at each store, and the diagonal sales volume indicates the estimated sales volume of “XX coffee” at each store.
商品の販売量を予測する従来の方法は、サンプル店舗において予測対象商品を実際に販売して、その販売傾向から他店における販売量を予測するものであった。しかし、サンプル店舗を少数・販売期間を短期間にしたのでは分析の精度が低く、その精度を高めるためにサンプル店舗を多数・販売期間を長期間にしたのでは時間および調査費用が高騰してしまう問題があった。店舗販売量予測部140によれば、商品指標値に基づいて見込み販売量を算出することにより、妥当な販売予測を短時間で実現する。   The conventional method for predicting the sales amount of a product is to actually sell a prediction target product at a sample store and predict the sales amount at another store from the sales trend. However, if the number of sample stores is small and the sales period is short, the accuracy of the analysis is low. To increase the accuracy, if the number of sample stores is long and the sales period is long, the time and research costs will rise. There was a problem. According to the store sales volume prediction unit 140, reasonable sales prediction is realized in a short time by calculating the expected sales volume based on the product index value.
店舗販売量予測部140により妥当な見込み販売量を算出できる理由を説明する。上述したように、店舗販売量予測部140は、まず、商品指標値と単位顧客販売量との相関を示す回帰式を算出する。商品指標値は、各店舗の顧客が予測対象商品をどれだけ支持するかを示す指標値である。一方で、単位顧客販売量は、各店舗の総顧客数に対する各店舗における予測対象商品の販売量の比率である。予測対象商品を販売した各店舗についての商品指標値および単位販売量の組はそれぞれ対等に扱えるため、回帰分析により、指標値としての商品指標値と、実績値としての単位顧客販売量との相関を示す回帰式が算出できる。   The reason why the store sales volume prediction unit 140 can calculate a reasonable expected sales volume will be described. As described above, the store sales volume prediction unit 140 first calculates a regression equation indicating the correlation between the product index value and the unit customer sales volume. The product index value is an index value indicating how much the customer of each store supports the prediction target product. On the other hand, the unit customer sales volume is the ratio of the sales volume of the prediction target product at each store to the total number of customers at each store. Since the pair of product index value and unit sales volume for each store that sells the forecasted product can be handled equally, the regression analysis correlates the product index value as the index value and the unit customer sales volume as the actual value. A regression equation can be calculated.
店舗販売量予測部140は、次に、予測対象商品について算出した回帰式に、予測対象店舗の商品指標値を入力することで、見込み単位販売量を算出する。見込み単位販売量は顧客一人あたりの値であるため、予測対象店舗の総顧客数と積算することで見込み販売量が算出できることになる。この見込み販売量は、他店での販売実績を示すクラスタ販売量を予測対象店舗のクラスタ顧客比率に基づき反映したものである。また、同一のエリアクラスタには同様の生活環境や考え方を有する住人が居住している。したがって、見込み販売量は、他店での販売実績を踏まえれば、予測対象店舗においても実現できる販売量であるといえる。   Next, the store sales amount prediction unit 140 calculates the expected unit sales amount by inputting the product index value of the prediction target store into the regression equation calculated for the prediction target product. Since the estimated unit sales amount is a value per customer, the estimated sales amount can be calculated by adding up with the total number of customers of the prediction target store. This estimated sales volume reflects the cluster sales volume indicating the sales performance at other stores based on the cluster customer ratio of the target store. In addition, residents who have the same living environment and way of thinking reside in the same area cluster. Therefore, it can be said that the estimated sales volume is a sales volume that can be realized also in the target store based on the sales performance at other stores.
また、既述したように商品指標値は実績に基づく客観データから算出された指標値であり、単位顧客販売量も実績に基づく客観データである。したがって、複数の店舗での販売実績に基づくために精度が高く、また、短時間での算出が実現される。   Further, as described above, the product index value is an index value calculated from objective data based on results, and the unit customer sales volume is also objective data based on results. Therefore, since it is based on sales results at a plurality of stores, the accuracy is high, and calculation in a short time is realized.
さらに、店舗販売量予測部140によれば、商品販売者は、図40の「木場店」、「葛西店」、「船橋店」で示すように、実際の販売実績と見込み販売量とを比較できる。これにより商品販売者は、「船橋店」における「○○コーヒー」の販売量を増加できることを把握でき、販売促進施策等の販売活動を「船橋店」に対して実行する意思決定ができる。   Further, according to the store sales volume prediction unit 140, the merchandise seller compares the actual sales performance with the estimated sales volume as shown in “Kiba store”, “Kasai store”, and “Funabashi store” in FIG. it can. As a result, the merchandise seller can grasp that the sales volume of “XX coffee” at the “Funabashi store” can be increased, and can make a decision to execute sales activities such as sales promotion measures on the “Funabashi store”.
さらにまた、図40で示すように、「○○コーヒー」を販売していない「幕張店」、「秋田店」についても見込み販売量を商品販売者に提供できる。これにより商品販売者は、例えば「幕張店」でも「○○コーヒー」を販売するように意思決定できる。すなわち、商品販売者は、商品を販売すべき適切な店舗を特定し、その店舗に適切な量だけ商品を仕入れることができる。   Furthermore, as shown in FIG. 40, the expected sales amount can be provided to the merchandise seller for “Makuhari store” and “Akita store” that do not sell “XX coffee”. Thereby, the merchandise seller can make a decision to sell “XX coffee” at the “Makuhari store”, for example. That is, the merchandise seller can specify an appropriate store where the merchandise should be sold and can purchase an appropriate amount of the merchandise at the store.
以上、本発明を第1の実施の形態をもとに説明した。この実施の形態は例示であり、それらの各構成要素や各処理プロセスの組合せにいろいろな変形例が可能なこと、またそうした変形例も本発明の範囲にあることは当業者に理解されるところである。   The present invention has been described based on the first embodiment. This embodiment is an exemplification, and it will be understood by those skilled in the art that various modifications can be made to combinations of the respective constituent elements and processing processes, and such modifications are also within the scope of the present invention. is there.
[第2の実施の形態]
第2の実施の形態でも、第1の実施の形態と同様に、店舗等における商品の販売を支援する情報を作成する技術を提案する。以下の「エリアタイプ」は、第1の実施の形態におけるエリアクラスタに対応する。
[Second Embodiment]
The second embodiment also proposes a technique for creating information that supports the sale of products in stores or the like, as in the first embodiment. The following “area type” corresponds to the area cluster in the first embodiment.
図41は、第2の実施の形態のIDPOS分析システム600の構成を示す。IDPOS分析システム600は、IDPOS−DB602、エリアDB604、分析装置606を備える情報処理システムである。IDPOS−DB602、エリアDB604、分析装置606は、LAN・WAN・インターネット等を含む通信網を介して接続される。   FIG. 41 shows a configuration of an IDPOS analysis system 600 according to the second embodiment. The IDPOS analysis system 600 is an information processing system including an IDPOS-DB 602, an area DB 604, and an analysis device 606. The IDPOS-DB 602, the area DB 604, and the analysis apparatus 606 are connected via a communication network including a LAN, a WAN, the Internet, and the like.
IDPOS−DB602は、IDPOSデータを保持し、またIDPOSデータを日々更新するデータベースである。IDPOSデータは、何を、いつ、いくつ、いくらで販売したかを示すPOS(Point of Sales)データに、顧客を識別するためのID情報を付加したデータであり、「販売実績データ」とも言える。図42は、IDPOSデータの例を示す。実施の形態のIDPOSデータは、一般的なPOSデータとしての日付・販売商品・販売価格を含み、顧客識別情報としての顧客ID・住所(例えば顧客の居住エリアを示す町丁目レベルの情報)をさらに含む。IDPOSデータは、販売数量の項目をさらに含んでもよい。   The IDPOS-DB 602 is a database that holds IDPOS data and updates IDPOS data every day. The IDPOS data is data obtained by adding ID information for identifying a customer to POS (Point of Sales) data indicating what, when, how much and how much, and can be said to be “sales result data”. FIG. 42 shows an example of IDPOS data. The IDPOS data of the embodiment includes date, sales product, and sales price as general POS data, and further includes a customer ID and address (for example, information on the street level indicating the customer's residence area) as customer identification information. Including. The IDPOS data may further include a sales quantity item.
図41に戻り、エリアDB604は、地理的に区画された複数のエリア(町丁目レベル)を住民属性が類似するエリアごとにグループ化したエリアタイプを定めたデータ(以下「エリアデータ」とも呼ぶ。)を保持する。図43は、エリアデータの例を示す。実施の形態のエリアデータは、複数の住所(例えば地図上での町丁目レベルのエリア)、エリアタイプ(例えば20個程度)、各住所(エリア)に存在する世帯数を含む。世帯数は、顧客IDが付与されていない住民(世帯)を含み、例えばポイントカードやクレジットカードを保持しない住民(世帯)を含む。世帯数は、国勢調査の結果等に基づいて設定されてもよい。   Returning to FIG. 41, the area DB 604 is data (hereinafter also referred to as “area data”) that defines an area type in which a plurality of geographically partitioned areas (town chome level) are grouped into areas with similar inhabitant attributes. ). FIG. 43 shows an example of area data. The area data of the embodiment includes a plurality of addresses (for example, areas on the street level on a map), area types (for example, about 20), and the number of households existing in each address (area). The number of households includes residents (households) to whom no customer ID is assigned, and includes, for example, residents (households) who do not hold a point card or credit card. The number of households may be set based on the results of the national census.
エリアDB604は、複数のエリアタイプと、各エリアタイプの住人に関する属性情報および指標値(例えば図7に記載の住民属性および住民指標値)とを対応付けたエリアタイプデータをさらに保持する。また、エリアタイプデータは、各エリアタイプにおける顧客ID総数を含む。顧客ID総数は、顧客IDを有する住民の数と言え、例えば、ポイントカードやクレジットカード等に基づいて顧客IDが付与された住民の数と言える。   The area DB 604 further holds area type data in which a plurality of area types are associated with attribute information and index values (for example, the resident attributes and resident index values described in FIG. 7) regarding residents of each area type. The area type data includes the total number of customer IDs in each area type. The total number of customer IDs can be said to be the number of inhabitants having a customer ID, for example, the number of inhabitants who have been given a customer ID based on a point card or a credit card.
図41に戻り、ユーザ端末608は、IDPOS分析システム600の利用者(ユーザ)により操作される情報端末である。ユーザ端末608は、例えば、PC・タブレット端末・スマートフォンでもよい。ユーザ端末608は、LAN・WAN・インターネット等を含む通信網610を介して、分析装置606と接続される。   Returning to FIG. 41, the user terminal 608 is an information terminal operated by a user (user) of the IDPOS analysis system 600. The user terminal 608 may be a PC / tablet terminal / smartphone, for example. The user terminal 608 is connected to the analysis device 606 via a communication network 610 including LAN, WAN, the Internet, and the like.
分析装置606は、IDPOSデータを分析し、分析結果をユーザ端末608へ提供する情報処理装置である。図44は、図41の分析装置606の機能構成を示すブロック図である。分析装置606は、エリアデータ取得部620、販売実績取得部622、分析部624、分析結果出力部626を備える。   The analysis device 606 is an information processing device that analyzes IDPOS data and provides the analysis result to the user terminal 608. FIG. 44 is a block diagram showing a functional configuration of the analyzer 606 of FIG. The analysis device 606 includes an area data acquisition unit 620, a sales performance acquisition unit 622, an analysis unit 624, and an analysis result output unit 626.
図44の複数の機能ブロックに対応する複数のモジュールを含むコンピュータプログラムが記録媒体に格納されて流通し、分析装置606にインストールされてもよい。また、分析装置606は、そのコンピュータプログラムを外部のサーバからダウンロードしてインストールしてもよい。分析装置606のCPUは、そのコンピュータプログラムを実行することにより、各機能ブロックの機能を発揮してもよい。また、分析装置606は、所定の通信プロトコルで外部装置と通信する通信部(不図示)を備えてもよく、図44の機能ブロックは通信部を介して外部装置とデータを送受信してもよい。   A computer program including a plurality of modules corresponding to the plurality of functional blocks in FIG. 44 may be stored and distributed in a recording medium and installed in the analysis apparatus 606. Further, the analysis device 606 may download and install the computer program from an external server. The CPU of the analyzer 606 may exhibit the function of each functional block by executing the computer program. The analysis device 606 may include a communication unit (not shown) that communicates with an external device using a predetermined communication protocol, and the functional blocks in FIG. 44 may transmit and receive data to and from the external device via the communication unit. .
エリアデータ取得部620は、エリアDB604からエリアデータおよびエリアタイプデータを取得する。販売実績取得部622は、IDPOS−DB602からIDPOSデータを取得する。なお、エリアデータ、エリアタイプデータ、IDPOSデータの少なくとも1つは、分析装置606の外部装置でなく、分析装置606内のストレージ(不図示)に格納されてもよい。エリアデータ取得部620と販売実績取得部622の少なくとも一方は、ローカルのストレージに格納されたエリアデータ、エリアタイプデータ、またはIDPOSデータをストレージからメインメモリに読み込んでもよい。   The area data acquisition unit 620 acquires area data and area type data from the area DB 604. The sales record acquisition unit 622 acquires IDPOS data from the IDPOS-DB 602. Note that at least one of area data, area type data, and IDPOS data may be stored in a storage (not shown) in the analysis device 606 instead of an external device of the analysis device 606. At least one of the area data acquisition unit 620 and the sales performance acquisition unit 622 may read area data, area type data, or IDPOS data stored in the local storage from the storage into the main memory.
分析部624は、販売実績取得部622により取得されたIDPOSデータが示す販売実績をエリアタイプごとに集計し、エリアタイプごとの集計結果に基づいて、商品に関する分析情報を販売活動支援情報として生成する。分析結果出力部626は、分析部624により生成された分析情報であり、実施例では商品プロファイル情報または販売ポテンシャル情報をユーザ端末608へ提供する。   The analysis unit 624 aggregates the sales results indicated by the IDPOS data acquired by the sales result acquisition unit 622 for each area type, and generates analysis information about the product as sales activity support information based on the total result for each area type. . The analysis result output unit 626 is analysis information generated by the analysis unit 624, and provides product profile information or sales potential information to the user terminal 608 in the embodiment.
分析部624は、エリアタイプ付与部628、エリアタイプ付加IDPOS保持部630、要求受付部632、集計部634、商品プロファイル生成部636、ポテンシャル情報生成部638を含む。   The analysis unit 624 includes an area type assigning unit 628, an area type addition IDPOS holding unit 630, a request receiving unit 632, a totaling unit 634, a product profile generating unit 636, and a potential information generating unit 638.
エリアタイプ付与部628は、販売実績取得部622が取得したIDPOSデータのレコードごとに住所に対応するエリアタイプを特定し、IDPOSデータの各レコードにエリアタイプを付加したデータを、エリアタイプ付加IDPOSデータとして生成する。エリアタイプ付与部628は、生成したエリアタイプ付加IDPOSデータをエリアタイプ付加IDPOS保持部630に格納する。   The area type assigning unit 628 specifies the area type corresponding to the address for each record of the IDPOS data acquired by the sales record acquisition unit 622, and adds the area type to each record of the IDPOS data, and adds the area type added IDPOS data. Generate as The area type adding unit 628 stores the generated area type additional IDPOS data in the area type additional IDPOS holding unit 630.
図45は、エリアタイプ付加IDPOS保持部630に保持されるエリアタイプ付加IDPOSデータの例を示す。同図のエリアタイプ付加IDPOSデータは、住所をキーとして、図42のIDPOSデータの各レコードに図43のエリアタイプを付加したものである。   FIG. 45 shows an example of area type additional IDPOS data held in the area type additional IDPOS holding unit 630. The area type addition IDPOS data in the figure is obtained by adding the area type in FIG. 43 to each record of the IDPOS data in FIG. 42 using the address as a key.
図44に戻り、要求受付部632は、ユーザ端末608から送信された、分析情報の作成を要求するデータ(以下「分析要求」と呼ぶ。)を受信する。分析要求は、分析の対象商品、分析の対象期間、および分析種別(実施の形態では商品プロファイル分析または販売ポテンシャル分析)の指定を含む。集計部634は、分析要求で指定された対象商品に関するエリアタイプ付加IDPOSデータであり、分析要求で指定された対象期間中の日付を含むエリアタイプ付加IDPOSデータをエリアタイプごとに集計する。   Returning to FIG. 44, the request receiving unit 632 receives data (hereinafter referred to as “analysis request”) transmitted from the user terminal 608 requesting creation of analysis information. The analysis request includes designation of an analysis target product, an analysis target period, and an analysis type (product profile analysis or sales potential analysis in the embodiment). The totaling unit 634 is area type additional IDPOS data related to the target product specified by the analysis request, and totals area type additional IDPOS data including the date in the target period specified by the analysis request for each area type.
図46は、集計部634による集計結果データの例を示す。集計結果データの各レコードは、エリアタイプ、顧客ID総数、販売数量、平均販売数量、平均販売価格、リピート率を含む。図46の「販売数量」と「販売価格」は、顧客の観点から「購買数量」と「購買価格」と言うこともできる。図46では、エリアタイプ10までを示しているが、実際には、エリアタイプの個数分(例えばエリアタイプ1〜20)のレコードを生成する。   FIG. 46 shows an example of count result data by the counting unit 634. Each record of the total result data includes an area type, a total number of customer IDs, a sales quantity, an average sales quantity, an average sales price, and a repeat rate. The “sales quantity” and “sales price” in FIG. 46 can also be called “purchase quantity” and “purchase price” from the viewpoint of the customer. In FIG. 46, up to area type 10 is shown, but in practice, records corresponding to the number of area types (for example, area types 1 to 20) are generated.
集計部634は、各エリアタイプの顧客ID総数を、販売実績取得部622により取得されたエリアタイプ情報に基づいて設定する。なお、集計部634は、商品の購入頻度が所定の閾値以上の顧客を顧客ID総数の対象としてカウントしてもよい。例えば、集計部634は、対象期間内(または対象期間外を含む一定期間内)で、何らかの商品を購買した回数が所定回数以上(例えば1回または2回以上)の顧客を顧客ID総数の対象としてカウントしてもよい。このように、商品購入頻度の下限を設けて、分析の母集団に含める顧客を制限することにより、より現実に即した指標値を得やすくなる。   The aggregation unit 634 sets the total number of customer IDs for each area type based on the area type information acquired by the sales record acquisition unit 622. Note that the totaling unit 634 may count customers whose product purchase frequency is equal to or higher than a predetermined threshold as a target of the total number of customer IDs. For example, the totaling unit 634 may target customers whose total number of customer IDs is a predetermined number of times (for example, once or twice or more) during the target period (or within a certain period including outside the target period). May be counted as In this way, by setting the lower limit of the product purchase frequency and limiting the customers included in the analysis population, it becomes easier to obtain a more realistic index value.
集計部634は、対象期間内のエリアタイプ付加IDPOSデータのレコードのうち対象商品の販売を示すレコード(以下「対象レコード」と呼ぶ。)を特定する。集計部634は、エリアタイプごとの対象レコード数(各レコードが販売数量を含む場合は販売数量の合計値)を販売数量として導出する。また、集計部634は、平均販売数量として、単位期間における1世帯あたりの販売数量(言い換えれば購買数量)の平均値を導出する。例えば、以下の式により平均販売数量を算出してもよい。
平均販売数量(個/世帯・月) = 販売数量(1年分)÷顧客ID総数÷12
The totaling unit 634 identifies a record (hereinafter referred to as “target record”) indicating the sale of the target product among the records of the area type additional IDPOS data within the target period. The totaling unit 634 derives the number of target records for each area type (the total value of the sales quantities when each record includes the sales quantity) as the sales quantity. Moreover, the totaling unit 634 derives an average value of the sales quantity per household (in other words, the purchase quantity) in the unit period as the average sales quantity. For example, the average sales quantity may be calculated by the following formula.
Average sales volume (individual / household / month) = Sales volume (1 year) ÷ total customer ID ÷ 12
集計部634は、エリアタイプごとの対象レコードが示す販売価格の平均値を導出し、その平均値を各エリアタイプの平均販売価格として設定する。平均販売価格は、例えば、販売価格を販売数量で重み付けした加重平均値でもよい。また、集計部634は、エリアタイプごとの対象レコードを参照し、同じ顧客(同じID)が、異なる日付で同じ商品を購入した場合にリピート数1回として、顧客(ID)ごとにリピート数をカウントする。集計部634は、顧客ごとのリピート数の平均値を算出し、その平均値をリピート率として設定する。なお、対象レコードの日付が時刻を含む場合、異なる時刻で同じ商品を購入した場合に、リピート数をインクリメントしてもよい。   The totaling unit 634 derives an average value of sales prices indicated by the target records for each area type, and sets the average value as an average sales price of each area type. The average selling price may be, for example, a weighted average value obtained by weighting the selling price by the sales quantity. Moreover, the totaling unit 634 refers to the target record for each area type, and when the same customer (same ID) purchases the same product on different dates, the repeat number is set for each customer (ID) as one repeat. Count. The totaling unit 634 calculates the average value of the number of repeats for each customer, and sets the average value as the repeat rate. When the date of the target record includes the time, the number of repeats may be incremented when the same product is purchased at a different time.
商品プロファイル生成部636は、分析要求で指定された分析種別が商品プロファイル分析である場合に、商品の購買者特性を可視化した情報である商品プロファイル情報を生成する。商品プロファイル生成部636は、生成した商品プロファイル情報を分析結果出力部626へ出力する。   When the analysis type specified in the analysis request is product profile analysis, the product profile generation unit 636 generates product profile information that is information visualizing the purchaser characteristics of the product. The product profile generation unit 636 outputs the generated product profile information to the analysis result output unit 626.
図47は、商品プロファイル情報の例を示す。同図の例では、横軸をエリアタイプとし、縦軸を図46の平均販売数量とした商品プロファイル情報を示している。商品プロファイル生成部636は、分析要求での指定に応じて、横軸をエリアタイプとし、縦軸を図46の平均販売価格またはリピート率とした商品プロファイル情報を生成してもよい。商品プロファイル情報により、クラスタタイプごとの商品購入量、クラスタタイプごとの購入価格、クラスタタイプごとのリピート率をユーザが把握しやすくなる。このように、分析装置606は、商品の仕入れ、価格設定、棚割等に有用な情報をユーザへ提供できる。   FIG. 47 shows an example of product profile information. In the example of the figure, product profile information is shown in which the horizontal axis is the area type and the vertical axis is the average sales quantity in FIG. The product profile generation unit 636 may generate product profile information with the horizontal axis as the area type and the vertical axis as the average sales price or repeat rate in FIG. 46 according to the designation in the analysis request. The product profile information makes it easier for the user to grasp the product purchase amount for each cluster type, the purchase price for each cluster type, and the repeat rate for each cluster type. As described above, the analysis device 606 can provide the user with useful information for purchase of goods, price setting, shelf allocation, and the like.
また、分析要求では、複数の対象商品が指定されてもよい。この場合、集計部634は、複数の対象商品のそれぞれを単位としてエリアタイプ付加IDPOSデータを集計し、複数の集計結果データを生成する。商品プロファイル生成部636は、複数の集計結果データに基づいて、複数の対象商品に対応する複数のグラフを含む商品プロファイル情報を生成する。例えば、ユーザは、互いに価格が異なる複数の対象商品を指定することで、商品の販売数量に対する価格の影響を把握でき、また、価格の影響が大きいクラスタタイプを把握できる。また、ユーザは、互いに容量が異なる複数の対象商品を指定することで、商品の販売数量に対する容量の影響を把握でき、また、容量の影響が大きいクラスタタイプを把握できる。   In the analysis request, a plurality of target products may be specified. In this case, the aggregation unit 634 aggregates the area type additional IDPOS data in units of each of the plurality of target products, and generates a plurality of aggregation result data. The product profile generation unit 636 generates product profile information including a plurality of graphs corresponding to a plurality of target products based on a plurality of tabulation result data. For example, by specifying a plurality of target products having different prices, the user can grasp the influence of the price on the sales volume of the commodity and can grasp the cluster type having a large influence of the price. In addition, the user can grasp the influence of the capacity on the sales volume of the commodity by specifying a plurality of target products having different capacities, and can grasp the cluster type having the large influence of the capacity.
また、分析要求では、複数の対象期間が指定されてもよい。この場合、集計部634は、複数の対象期間のそれぞれに対応するエリアタイプ付加IDPOSデータを集計し、複数の集計結果データを生成する。商品プロファイル生成部636は、複数の集計結果データに基づいて、複数の対象期間に対応する複数のグラフを含む商品プロファイル情報を生成する。これにより、商品プロファイルの時系列での変動を把握しやすくなる。このような時系列分析は、例えば、販売促進施策の効果分析や、商品ニーズが強い地域を初期段階で見極める際に有用である。   In the analysis request, a plurality of target periods may be specified. In this case, the aggregation unit 634 aggregates area type additional IDPOS data corresponding to each of a plurality of target periods, and generates a plurality of aggregation result data. The product profile generation unit 636 generates product profile information including a plurality of graphs corresponding to a plurality of target periods based on a plurality of total result data. Thereby, it becomes easy to grasp the time-series fluctuation of the product profile. Such time-series analysis is useful, for example, for analyzing the effects of sales promotion measures and identifying regions with strong product needs at an early stage.
図48は、商品プロファイル情報の例を示す。ここでは、10月に販売促進施策が実施されたこととし、ユーザは、第1対象期間として9月を指定し、第2対象期間として10月を指定し、第3対象期間として11月を指定したこととする。図48の商品プロファイル情報は、9月の平均販売数量グラフ(点線)と、10月の平均販売数量グラフ(実線)と、11月の平均販売数量グラフ(二点鎖線)を重畳して示している。図48の商品プロファイル情報によると、10月の販売促進施策(例えばマス広告や店舗でのキャンペーン等)がエリアタイプ4の消費者と、エリアタイプ8の消費者に強く訴求したことをユーザは容易に把握できる。   FIG. 48 shows an example of product profile information. Here, it is assumed that a sales promotion measure has been implemented in October, and the user specifies September as the first target period, specifies October as the second target period, and specifies November as the third target period. Suppose that The product profile information in FIG. 48 is shown by superimposing the September average sales quantity graph (dotted line), the October average sales quantity graph (solid line), and the November average sales quantity graph (two-dot chain line). Yes. According to the product profile information of FIG. 48, the user can easily appeal that the October sales promotion measures (for example, mass advertisements and store campaigns) strongly appealed to area type 4 and area type 8 consumers. Can grasp.
さらにまた、分析要求では、分析の対象地域がさらに指定されてもよい。例えば、国・都道府県・市区町村・町丁目等、様々な粒度で対象地域が指定されてもよい。また、特定の地点(例えば地図上の特定の地点)が指定され、さらに、その地点から対象地域とする範囲(半径1KMの円等)が指定されてもよい。この場合、集計部634は、対象地域内の住所を含むエリアタイプ付加IDPOSデータを集計し、集計結果データを生成する。これにより、販売地域が限定された商品についての商品プロファイル情報の精度を高めることができる。また、対象地域の指定は、上記の時系列分析による販売促進施策の効果判定に好適である。地域限定の販売促進施策(ローカルCMや店舗での特売等)が実施された場合、販売促進施策の実施地域を対象地域として指定し、販売促進施策の実施前後での商品プロファイル情報を比較することで、販売促進施策の効果を把握しやすくなる。   Furthermore, in the analysis request, an analysis target area may be further specified. For example, the target area may be designated with various granularities, such as a country, a prefecture, a city, a town, and a town. In addition, a specific point (for example, a specific point on the map) may be designated, and a range (such as a circle with a radius of 1 KM) from the point as a target area may be designated. In this case, the totaling unit 634 totals area type additional IDPOS data including addresses in the target area, and generates totaling result data. Thereby, the precision of the merchandise profile information for the merchandise for which the sales region is limited can be increased. Moreover, the designation of the target area is suitable for determining the effect of the sales promotion measure by the above time series analysis. When region-specific sales promotion measures (local commercials, special sales at stores, etc.) are implemented, specify the implementation region of the sales promotion measure as the target region and compare product profile information before and after the implementation of the sales promotion measure This makes it easier to understand the effects of sales promotion measures.
図44に戻り、ポテンシャル情報生成部638は、分析要求で指定された分析種別が販売ポテンシャル分析である場合に、商品の潜在的な販売ポテンシャルを可視化した情報である販売ポテンシャル情報を生成する。具体的には、ポテンシャル情報生成部638は、各エリアタイプの平均販売数量と、各エリアの世帯数とに基づいて、各エリアでの対象商品の販売数量予測値(推定値)を含む販売ポテンシャル情報を生成する。ポテンシャル情報生成部638は、生成した販売ポテンシャル情報を分析結果出力部626へ出力する。   Returning to FIG. 44, when the analysis type specified in the analysis request is sales potential analysis, the potential information generation unit 638 generates sales potential information that is information that visualizes the potential sales potential of the product. Specifically, the potential information generation unit 638 includes the sales potential including the sales quantity prediction value (estimated value) of the target product in each area based on the average sales quantity of each area type and the number of households in each area. Generate information. The potential information generation unit 638 outputs the generated sales potential information to the analysis result output unit 626.
図49は、販売ポテンシャル情報の例を示す。ここでは、分析要求において、対象商品として「ABCカレー甘口」が指定され、また、8つのエリア(町丁目レベル)が対象地域として指定されたこととする。この場合、ポテンシャル情報生成部638は、8つのエリアのそれぞれにおける販売ポテンシャル値を導出する。   FIG. 49 shows an example of sales potential information. Here, in the analysis request, “ABC curry sweet” is designated as the target product, and eight areas (town level) are designated as target areas. In this case, the potential information generation unit 638 derives sales potential values in each of the eight areas.
例えば、図43の「東京都千代田区富士見(1)(1丁目)」は、世帯数が100、エリアタイプが1である。また、図46では、エリアタイプ1での上記対象商品の平均販売数量は0.56である。この場合、ポテンシャル情報生成部638は、(エリアの世帯数×対応するエリアタイプでの平均販売数量)を計算することにより、「東京都千代田区富士見(1)」における対象商品の販売ポテンシャル値を「56」と推定する。他のエリアについても同様に販売ポテンシャル値を推定する。   For example, “Fujimi (1) (1 chome) in Chiyoda-ku, Tokyo” in FIG. 43 has 100 households and 1 area type. In FIG. 46, the average sales quantity of the target product in area type 1 is 0.56. In this case, the potential information generation unit 638 calculates the sales potential value of the target product in “Fujimi (1), Chiyoda-ku, Tokyo” by calculating (number of households in area × average sales quantity in the corresponding area type). Estimated as “56”. Sales potential values are similarly estimated for other areas.
販売ポテンシャル分析により、実際に商品を販売しているエリアか否かに関わらず、様々なエリアにおいて本来見込まれる販売数量の推定値を提供できる。これにより、店舗における品揃えや棚割の判断を支援できる。また、ユーザは、実際の販売数量と推定値とを比較することで、販売促進施策の必要性を適切に判断しやすくなる。なお、分析装置606が提供する販売数量の推定値は、当該エリアと住民属性が類似する他のエリアでの販売実績に基づいており、一定の精度が担保される。   The sales potential analysis can provide an estimate of the sales volume that is expected in various areas, regardless of whether the area is actually selling products. Thereby, it is possible to support the determination of the assortment of goods and the shelf allocation in the store. In addition, the user can easily determine the necessity of the sales promotion measure by comparing the actual sales quantity and the estimated value. Note that the estimated value of the sales quantity provided by the analysis device 606 is based on the sales performance in another area where the resident attribute is similar to the area, and certain accuracy is ensured.
また、商品プロファイル分析と同様に販売ポテンシャル分析でも、分析の対象地域は、国・都道府県・市区町村・町丁目等、様々な粒度で指定されてもよい。ポテンシャル情報生成部638は、対象地域に含まれる1つ以上のエリア(町丁目レベル)のそれぞれについて対象商品の販売ポテンシャル値を導出し、対象地域に含まれる各エリアの販売ポテンシャル値を合計することにより、対象地域の販売ポテンシャル値を導出してもよい。これにより、様々な粒度のエリアにおける販売ポテンシャル値を得ることができる。   Similarly to the product profile analysis, in the sales potential analysis, the analysis target area may be designated with various granularities such as a country, a prefecture, a municipality, and a town chome. The potential information generation unit 638 derives the sales potential value of the target product for each of one or more areas (town level) included in the target area, and totals the sales potential values of each area included in the target area. Thus, the sales potential value of the target area may be derived. Thereby, sales potential values in areas of various particle sizes can be obtained.
さらにまた、分析要求では、集計対象とする第1の地域と、分析対象とする第2の地域(第1の地域とは異なる)とが指定されてもよい。この場合、集計部634は、第1の地域に該当する住所が設定されたエリアタイプ付加IDPOSデータを集計して集計結果(例えば図46)を生成する。ポテンシャル情報生成部638は、第2の地域に該当する1つ以上のエリアについて対象商品の販売ポテンシャル値を導出してもよい。これにより、例えば、実際に商品を販売したエリアでの販売実績にもとづいて、その商品を未発売のエリアでの販売ポテンシャル値を得ることができる。例えば、関東圏でのみ販売した商品を新たに近畿圏で販売することとした場合の販売数量の推定値を得ることができる。   Furthermore, in the analysis request, a first area to be aggregated and a second area to be analyzed (different from the first area) may be specified. In this case, the totaling unit 634 generates the totaling result (for example, FIG. 46) by totaling the area type additional IDPOS data in which the address corresponding to the first region is set. The potential information generation unit 638 may derive the sales potential value of the target product for one or more areas corresponding to the second region. Thereby, for example, based on the sales performance in the area where the product is actually sold, the sales potential value in the area where the product has not been released can be obtained. For example, it is possible to obtain an estimated value of the sales quantity when a product sold only in the Kanto region is newly sold in the Kinki region.
さらにまた、分析要求では、分析対象とする店舗が指定されてもよい。この場合、分析装置606は、店舗と商圏(典型的には店舗周辺の1つ以上のエリア)との対応関係を含む店舗情報を保持する。例えば、第1の店舗「AAAマート富士見店」には、「東京都千代田区富士見(1)」「東京都千代田区富士見(2)」が商圏として対応付けられてもよい。また、第2の店舗「AAAマート一ツ橋店」には、「東京都千代田区一ツ橋(1)」「東京都千代田区一ツ橋(2)」が対応付けられてもよい。   Furthermore, a store to be analyzed may be specified in the analysis request. In this case, the analysis device 606 holds store information including a correspondence relationship between the store and the trade area (typically, one or more areas around the store). For example, the first store “AAA Mart Fujimi” may be associated with “Fujimi (1) in Chiyoda-ku, Tokyo (1)” and “Fujimi (2) in Chiyoda-ku, Tokyo” as a trade area. The second store “AAA Mart Hitotsubashi” may be associated with “Hitotsubashi (1), Chiyoda-ku, Tokyo” and “Hitotsuhashi (2), Chiyoda-ku, Tokyo”.
図50は、販売ポテンシャル情報の例を示す。ここでは、ポテンシャル情報生成部638は、「AAAマート富士見店」の「ABCカレー甘口」の販売ポテンシャル値として、図49の「東京都千代田区富士見(1)」と「東京都千代田区富士見(2)」の販売ポテンシャル値の合計である「123」を算出する。また、「AAAマート一ツ橋店」の「ABCカレー甘口」の販売ポテンシャル値として、図49の「東京都千代田区一ツ橋(1)」と「東京都千代田区一ツ橋(2)」の販売ポテンシャル値の合計である「94」を算出する。   FIG. 50 shows an example of sales potential information. Here, the potential information generation unit 638 sets “ABC curry sweet” sales potential values of “AAA Mart Fujimi store” as “Fujimi (1) in Chiyoda-ku, Tokyo” and “Fujimi (2) in Chiyoda-ku, Tokyo” in FIG. "123", which is the sum of the sales potential values of ")". In addition, as the sales potential value of “ABC Curry Sweet” at “AAA Mart Hitotsubashi”, the total sales potential value of “Hitotsubashi (1)” in Chiyoda-ku, Tokyo and “Hitotsuhashi (2), Chiyoda-ku, Tokyo” in FIG. "94" is calculated.
さらにまた、分析要求では、複数の対象商品が指定されてもよい。この場合、集計部634は、複数の対象商品のそれぞれを単位としてエリアタイプ付加IDPOSデータを集計し、複数の集計結果データを生成する。ポテンシャル情報生成部638は、複数の集計結果データに基づいて、複数の対象商品に対応する複数の販売ポテンシャル情報を生成する(例えば図50参照)。   Furthermore, a plurality of target products may be specified in the analysis request. In this case, the aggregation unit 634 aggregates the area type additional IDPOS data in units of each of the plurality of target products, and generates a plurality of aggregation result data. The potential information generation unit 638 generates a plurality of sales potential information corresponding to a plurality of target products based on a plurality of tabulation result data (see, for example, FIG. 50).
以上の構成による分析装置606の動作を説明する。
図51は、分析装置606の動作を示すフローチャートである。エリアデータ取得部620は、分析装置606の起動時等、定期的にエリアDB604からエリアデータおよびエリアタイプデータを読み込む(S10)。販売実績取得部622は、1日1回等、定期的にIDPOS−DB602からIDPOSデータを読み込む(S12)。エリアタイプ付与部628は、IDPOSデータの各レコードにエリアタイプを付加したエリアタイプ付加IDPOSデータを生成し、エリアタイプ付加IDPOS保持部630に格納する(S14)。
The operation of the analyzer 606 having the above configuration will be described.
FIG. 51 is a flowchart showing the operation of the analyzer 606. The area data acquisition unit 620 periodically reads area data and area type data from the area DB 604, such as when the analyzer 606 is activated (S10). The sales record acquisition unit 622 reads IDPOS data from the IDPOS-DB 602 periodically such as once a day (S12). The area type assigning unit 628 generates area type added IDPOS data in which the area type is added to each record of the IDPOS data, and stores it in the area type added IDPOS holding unit 630 (S14).
ユーザは、IDPOSデータの分析における分析種別、対象商品、対象期間、対象地域等をユーザ端末608へ入力する。ユーザ端末608は、分析種別、対象商品、対象期間、対象地域等の指定を含む分析要求を分析装置606へ送信する。分析装置606の要求受付部632が、ユーザ端末608から分析要求を受信すると(S16のY)、集計部634は、エリアタイプ付加IDPOS保持部630から、対象商品、対象期間、および対象地域に対応するエリアタイプ付加IDPOSデータを抽出し、抽出したデータをエリアタイプ別に集計する(S18)。   The user inputs the analysis type, target product, target period, target area, etc. in the analysis of IDPOS data to the user terminal 608. The user terminal 608 transmits an analysis request including designation of an analysis type, a target product, a target period, a target area, and the like to the analysis device 606. When the request reception unit 632 of the analysis device 606 receives an analysis request from the user terminal 608 (Y of S16), the aggregation unit 634 responds to the target product, the target period, and the target region from the area type additional IDPOS holding unit 630. Area type additional IDPOS data to be extracted is extracted, and the extracted data is tabulated by area type (S18).
分析種別が商品プロファイル分析の場合(S20のY)、商品プロファイル生成部636は、集計部634による集計結果に基づいて、商品プロファイル情報を生成する(S22)。分析結果出力部626は、商品プロファイル情報を分析要求の送信元のユーザ端末608へ送信する(S24)。分析種別が販売ポテンシャル分析の場合(S20のN、S26のY)、ポテンシャル情報生成部638は、集計部634による集計結果に基づいて、対象地域における対象商品の販売数量を推定し、その推定結果を含む販売ポテンシャル情報を生成する(S28)。分析結果出力部626は、販売ポテンシャル情報を分析要求の送信元のユーザ端末608へ送信する(S30)。   When the analysis type is product profile analysis (Y in S20), the product profile generation unit 636 generates product profile information based on the totaling result by the totaling unit 634 (S22). The analysis result output unit 626 transmits the product profile information to the user terminal 608 that is the source of the analysis request (S24). When the analysis type is sales potential analysis (N in S20, Y in S26), the potential information generation unit 638 estimates the sales quantity of the target product in the target area based on the aggregation result by the aggregation unit 634, and the estimation result Sales potential information including is generated (S28). The analysis result output unit 626 transmits the sales potential information to the user terminal 608 that is the transmission source of the analysis request (S30).
なお、商品プロファイル情報または販売ポテンシャル情報は、分析装置606の所定の記憶領域に保存されてもよい。ユーザ端末608は、通信網610を介して分析装置606にアクセスし、上記記憶領域に保存された商品プロファイル情報または販売ポテンシャル情報を閲覧してもよい。分析要求を未受信であり(S16のN)、または、分析種別が商品プロファイル分析と販売ポテンシャル分析のいずれでもなければ(S26のN)、以降の処理をスキップして本図のフローを終了する。   The product profile information or the sales potential information may be stored in a predetermined storage area of the analysis device 606. The user terminal 608 may access the analysis device 606 via the communication network 610 and browse the product profile information or sales potential information stored in the storage area. If no analysis request has been received (N in S16), or the analysis type is neither product profile analysis nor sales potential analysis (N in S26), the subsequent processing is skipped and the flow of this figure is terminated. .
以上、本発明を第2の実施の形態をもとに説明した。この実施の形態は例示であり、それらの各構成要素や各処理プロセスの組合せにいろいろな変形例が可能なこと、またそうした変形例も本発明の範囲にあることは当業者に理解されるところである。   The present invention has been described based on the second embodiment. This embodiment is an exemplification, and it will be understood by those skilled in the art that various modifications can be made to combinations of the respective constituent elements and processing processes, and such modifications are also within the scope of the present invention. is there.
上記分析装置606は商品の販売に関する分析情報を生成したが、分析装置606による分析対象は、販売対象になる様々な有体物および無体物を含み、例えばサービスを含む。また、商品またはサービスを販売する媒体は現実の店舗に制限されない。例えば、通信販売または電子商取引により販売された商品またはサービスも、分析装置606による分析対象となる。   The analysis device 606 generates analysis information related to the sale of products. The analysis object by the analysis device 606 includes various tangible and intangible objects to be sold, for example, services. Further, the medium for selling goods or services is not limited to an actual store. For example, goods or services sold by mail order or electronic commerce are also analyzed by the analysis device 606.
上述した実施の形態および変形例の任意の組み合わせもまた本発明の実施の形態として有用である。組み合わせによって生じる新たな実施の形態は、組み合わされる実施の形態および変形例それぞれの効果をあわせもつ。また、請求項に記載の各構成要件が果たすべき機能は、実施の形態および変形例において示された各構成要素の単体もしくはそれらの連携によって実現されることも当業者には理解されるところである。   Any combination of the above-described embodiments and modifications is also useful as an embodiment of the present invention. The new embodiment generated by the combination has the effects of the combined embodiment and the modified examples. In addition, it should be understood by those skilled in the art that the functions to be fulfilled by the constituent elements described in the claims are realized by the individual constituent elements shown in the embodiments and the modified examples or by their cooperation. .
600 IDPOS分析システム、 606 分析装置、 620 エリアデータ取得部、 622 販売実績取得部、 624 分析部、 626 分析結果出力部、 634 集計部、 636 商品プロファイル生成部、 638 ポテンシャル情報生成部。   600 IDPOS analysis system, 606 analysis device, 620 area data acquisition unit, 622 sales result acquisition unit, 624 analysis unit, 626 analysis result output unit, 634 aggregation unit, 636 product profile generation unit, 638 potential information generation unit.

Claims (1)

  1. 地理的に区画された複数のエリアを住民属性が類似するエリアごとにグループ化したエリアタイプのデータを取得する第1取得部と、
    商品またはサービスが顧客へ販売された実績を示すデータであり、前記顧客が居住するエリアのデータを含む販売実績データを取得する第2取得部と、
    前記商品またはサービスの販売実績データをエリアタイプごとに集計し、エリアタイプごとの集計結果に基づいて、前記商品またはサービスに関する分析情報を生成する分析部と、
    を備えることを特徴とする分析装置。
    A first acquisition unit that acquires area type data obtained by grouping a plurality of geographically divided areas into areas having similar inhabitant attributes;
    A second acquisition unit that obtains sales performance data including data on an area where the customer resides, the data indicating the result of sales of the product or service to the customer;
    An analysis unit that aggregates the sales results data of the product or service for each area type, and generates analysis information about the product or service based on the aggregation result for each area type;
    An analysis apparatus comprising:
JP2017033209A 2017-02-24 2017-02-24 Analysis device Pending JP2018139036A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2017033209A JP2018139036A (en) 2017-02-24 2017-02-24 Analysis device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2017033209A JP2018139036A (en) 2017-02-24 2017-02-24 Analysis device

Publications (1)

Publication Number Publication Date
JP2018139036A true JP2018139036A (en) 2018-09-06

Family

ID=63451408

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017033209A Pending JP2018139036A (en) 2017-02-24 2017-02-24 Analysis device

Country Status (1)

Country Link
JP (1) JP2018139036A (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020171249A1 (en) * 2019-02-19 2020-08-27 엘지전자 주식회사 Server and method for analyzing profit data in store

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020171249A1 (en) * 2019-02-19 2020-08-27 엘지전자 주식회사 Server and method for analyzing profit data in store

Similar Documents

Publication Publication Date Title
JP4897713B2 (en) Sales information analyzer
US11120345B2 (en) Method, apparatus, and computer program product for determining closing metrics
JP6049710B2 (en) Method and system for selection, filtering and / or presentation of available dealers
Beladev et al. Recommender systems for product bundling
JP2013502018A (en) A learning system for using competitive evaluation models for real-time advertising bidding
JP5337174B2 (en) Demand prediction device and program thereof
JP5571804B2 (en) Method and apparatus for predicting repurchase trends
US20030033190A1 (en) On-line shopping conversion simulation module
US20210342721A1 (en) Method, apparatus, and computer program product for determining closing metrics
US20190385213A1 (en) System for presenting items in online environment based on previous item selections
JP2002279279A (en) Commodity recommendation system, commodity recommendation method and commodity recommendation program
US20210334845A1 (en) Method and system for generation of at least one output analytic for a promotion
JP5039579B2 (en) Sales information analyzer
US10181138B2 (en) System and method for determining retail-business-rule coefficients from current prices
Kita et al. Recognition of business risks when purchasing goods on the Internet using GIS: experience from Slovakia
JP2018139036A (en) Analysis device
US20170178164A1 (en) Systems and Methods for Use in Processing Transaction Data
KR102045477B1 (en) System for evaluating platform of ecommerce
JP2016012223A (en) Demand prediction device and program
JP2004259126A (en) Product sales income and expenditure management device and program
JP2019016057A (en) Sales estimation system
JP6683550B2 (en) Information analysis device and information analysis method
US20140074752A1 (en) Commerce System and Method of Providing Access to an Investment Signal Based on Product Information
JP6756809B2 (en) Presentation device, presentation method and presentation program
US20210357993A9 (en) Method, apparatus, and computer program product for forecasting demand

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20191128

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20201208

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210114

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210803

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210907