JP2019016057A - Sales estimation system - Google Patents

Sales estimation system Download PDF

Info

Publication number
JP2019016057A
JP2019016057A JP2017131300A JP2017131300A JP2019016057A JP 2019016057 A JP2019016057 A JP 2019016057A JP 2017131300 A JP2017131300 A JP 2017131300A JP 2017131300 A JP2017131300 A JP 2017131300A JP 2019016057 A JP2019016057 A JP 2019016057A
Authority
JP
Japan
Prior art keywords
sales
store
target
category
classification
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2017131300A
Other languages
Japanese (ja)
Other versions
JP6473194B2 (en
Inventor
中山 博文
Hirobumi Nakayama
博文 中山
天 吉田
Ten Yoshida
天 吉田
Original Assignee
株式会社マーチャンダイジング・オン
Merchandising On:Kk
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 株式会社マーチャンダイジング・オン, Merchandising On:Kk filed Critical 株式会社マーチャンダイジング・オン
Priority to JP2017131300A priority Critical patent/JP6473194B2/en
Publication of JP2019016057A publication Critical patent/JP2019016057A/en
Application granted granted Critical
Publication of JP6473194B2 publication Critical patent/JP6473194B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Abstract

To increase accuracy of predicting sales in a relevant area by using real data of shop sales.SOLUTION: A sales estimation system comprises: a market POS database 320; a trade area POS database 330; a classification calculating unit 340 for obtaining a classification based index which is a relative value with respect to total sales for each classification item; a target input unit 350 for selecting a target shop and inputting the classification item for each shop characteristic about the target shop; a target calculating unit 360 for acquiring the classification based index for each input classification item and calculating a merchandise based index of the target shop on the basis of the classification based index acquired for each of the plurality of shop characteristics; and an estimating unit 370 for calculating estimated merchandise based sales by specifying merchandise based sales of market POS data for a division of the area to which the target shop belongs and by multiplying the merchandise based sales by the merchandise based index of the target shop.SELECTED DRAWING: Figure 2

Description

本発明は、POSデータに基づいて売り上げを推計する売り上げ推計システムに関する。   The present invention relates to a sales estimation system that estimates sales based on POS data.
従来から、Point Of Sale システム(以下POSシステムと称す) は、小売り店などで利用されている。POSシステムを導入する場合、通常は複数店舗を管理しているフランチャイズ等に対して導入するのが一般的である。このようなフランチャイズ店舗では、新規出店の場合の新規店舗での売り上げを予測する必要がある。また出店した後でも、近隣店舗の売り上げを予測することにより、地域でのシェアを予測したり、競合分析を進めていく必要がある。   Conventionally, the Point Of Sale system (hereinafter referred to as POS system) has been used in retail stores. When a POS system is introduced, it is generally introduced for a franchise or the like that manages a plurality of stores. In such a franchise store, it is necessary to predict sales at a new store in the case of a new store opening. In addition, even after opening a store, it is necessary to predict market share in the region and advance competitive analysis by predicting sales at nearby stores.
売り上げ予測については様々な方法が挙げられる。例えば特許文献1では、指定した地域の客数を予測し、店舗において販売される商品の商品分類毎の販売個数を算出した後に、その販売個数に商品分類毎の商品平均単価を乗算することに
より商品分類毎の売上を算出し、商品分類毎の売上に基づいて売上予測対象店舗の店舗売上を予測している。
There are various methods for forecasting sales. For example, in Patent Document 1, after predicting the number of customers in a specified area, calculating the number of products sold for each product category of products sold in a store, the product is multiplied by the product average unit price for each product category. The sales for each category are calculated, and the store sales of the sales prediction target store are predicted based on the sales for each product category.
特開2003−167880号公報JP 2003-167880 A
特許文献1に代表されるように、過去の売り上げ予測は、出店候補地を対象とするものであることから、売上の実データに基づくものではなく、地域の人口や売り場面積などの地理的データに基づいて算出していた。したがって、精度はあまり高くなかったが、未出店の場合はそれでも実データを用いることなく算出しなければならなかった。一方で、既に出店している店舗の近隣での競合店舗の売り上げを調べたい場合は、競合店舗の売り上げ自体を知ることはできないが、自らの店舗での売り上げは最も参考となるデータとなるが、これを活用することは進んでいなかった。本発明は、店舗売り上げの実データを用いることにより、該当する地域の売り上げ予測の精度を上げることを目的としている。   As represented by Patent Document 1, since past sales forecasts are for candidate store openings, they are not based on actual sales data, but are geographical data such as local population and sales floor area. It was calculated based on. Therefore, the accuracy was not so high, but if it was not yet opened, it had to be calculated without using actual data. On the other hand, if you want to examine the sales of competing stores in the vicinity of stores that have already opened, you cannot know the sales of competing stores themselves, but sales at your own store are the most useful data. The use of this was not progressing. An object of the present invention is to improve the accuracy of sales prediction in a corresponding region by using actual data of store sales.
本発明に係る売り上げ推計システムは、POSシステムに基づいて生成された加入店舗毎の商品別売り上げを示す市場POSデータを格納し、前記加入店舗についてそれぞれ地域の区分を対応付けた市場POSデータベースと、前記加入店舗ごとに、店舗の性質についての複数の分類項目から1つをそれぞれ特定した複数の店舗特性を設定し、前記分類項目ごとに前記加入店舗をグループ化し、グループごとの商品別売り上げを集計した商圏POSデータを格納した商圏POSデータベースと、前記分類項目ごとに、前記グループごとの商品別売り上げについて、全体売り上げに対する相対的な値である分類別指数を求める分類算出手段と、ターゲット店舗を選択し、当該ターゲット店舗について店舗特性ごとに分類項目を入力するターゲット入力手段と、前記ターゲット入力手段によって入力された分類項目についての、前記分類算出手段によって算出された分類別指数を取得し、複数の店舗特性についてそれぞれ取得された分類別指数に基づいて、前記ターゲット店舗の商品別指数を算出するターゲット算出手段と、前記ターゲット店舗の属する地域の区分について、前記市場POSデータの商品別売り上げを特定し、当該商品別売り上げに前記ターゲット店舗の商品別指数を乗算することにより、商品別の推計売り上げを算出する推計手段を、備える。   The sales estimation system according to the present invention stores the market POS data indicating the sales by product for each participating store generated based on the POS system, and the market POS database that associates the division of each region for the participating stores, For each of the participating stores, a plurality of store characteristics each specifying one of a plurality of classification items regarding the properties of the store are set, the participating stores are grouped for each of the classification items, and sales by product for each group are aggregated The business area POS database storing the trade area POS data, the category calculation means for obtaining the index by classification, which is a relative value with respect to the overall sales, for each category and the sales by product for each group, and the target store is selected Target input means for inputting classification items for each store characteristic for the target store, For each classification item input by the get input means, an index by classification calculated by the classification calculation means is obtained, and an index by product of the target store is obtained based on the index by classification acquired for each of a plurality of store characteristics. For the target calculation means for calculating the area and the classification of the region to which the target store belongs, the sales by product of the market POS data are specified, and the sales by product are multiplied by the product index of the target store, An estimation means for calculating the estimated sales of is provided.
本発明によれば、分析対象となる地域や店舗の特性を反映する一方で、POSシステムによって入手した加入店舗ごとのPOSデータを利用することで、ターゲット店舗での商品別売り上げの算出を高い精度で実現することができる。   According to the present invention, while reflecting the characteristics of the area to be analyzed and the store, it is possible to calculate the sales by product at the target store with high accuracy by using the POS data for each participating store obtained by the POS system. Can be realized.
本実施の形態に係る売り上げ推計システムのシステム構成図。The system block diagram of the sales estimation system which concerns on this Embodiment. 本実施の形態に係る売り上げ推計装置の機能的構成図。The functional block diagram of the sales estimation apparatus which concerns on this Embodiment. 商品ごとの分類項目別売り上げ動向の集計結果の一覧。A summary of sales trends by category for each product. 分類項目ごとの指数一覧。Index list for each category. 本実施の形態に係るPOSデータ蓄積処理を示すフローチャート。The flowchart which shows the POS data storage process which concerns on this Embodiment. 分析対象店舗の選択画面。Analysis target store selection screen. 競合店分析の対象及び分析条件の入力画面。Input screen for competitor analysis and analysis conditions. 競合店舗の商品別売り上げの推計処理を示すフローチャート。The flowchart which shows the estimation process of the sales according to goods of a competitive store. 競合店舗のカテゴリー別売上の推計処理を示すフローチャート。The flowchart which shows the estimation process of the sales according to category of a competition store. 売り上げ順位及びシェアを含む帳票作成処理を示すフローチャート。The flowchart which shows the form creation process including a sales order and a share.
図1は、本実施の形態に係る売り上げ推計システムのシステム構成図を示す。POS端末10、20、30が、POS管理サーバ100に接続される。POS端末10、20、30の3つを例にして示すが、さらに多く接続してもよい。POS管理サーバ100は、POS端末10、20、30からのPOSデータの出力を取得し、売り上げ推計装置300に送信する。POS端末10、20、30から、POS管理サーバ100を経由して売上推計装置300に送られるPOSデータ150は、一例としてRDS(流通POSデータベースサービス)形式のデータとして作成され、やり取りされる。その他のデータ形式を用いてもよい。   FIG. 1 shows a system configuration diagram of a sales estimation system according to the present embodiment. The POS terminals 10, 20, 30 are connected to the POS management server 100. Although three POS terminals 10, 20, and 30 are shown as examples, more terminals may be connected. The POS management server 100 acquires the output of POS data from the POS terminals 10, 20, and 30 and transmits it to the sales estimation device 300. The POS data 150 sent from the POS terminals 10, 20, and 30 to the sales estimation device 300 via the POS management server 100 is created and exchanged as RDS (distributed POS database service) format data as an example. Other data formats may be used.
GISサーバ200は、地理情報システム(Geographic Information system(s) :GIS)による地理情報および付加情報(以下GISデータ)を管理するサーバである。GISサーバ200によって取得された地理情報を、売上推計装置300が取得する。   The GIS server 200 is a server that manages geographic information and additional information (hereinafter referred to as GIS data) by a geographic information system (Geographic Information System (s): GIS). The sales estimation device 300 acquires the geographical information acquired by the GIS server 200.
売上推計装置300では、POS管理サーバ100から受け取ったPOSデータ150及びGISサーバ200から受け取ったGISデータ250に基づいて、売り上げの推計処理を行う。売上推計装置300で作成した売り上げの推計データを、クライアント410、420、430との間の通信により送る。   The sales estimation device 300 performs sales estimation processing based on the POS data 150 received from the POS management server 100 and the GIS data 250 received from the GIS server 200. The sales estimation data created by the sales estimation device 300 is sent by communication with the clients 410, 420, and 430.
本実施の形態では、POS管理サーバ100と売上推計装置300、及びGISサーバ200と売上推計装置300との間で通信処理する場合を想定して説明するが、必ずしも通信によってデータのやり取りをする必要はなく、POS管理サーバ100に接続されるPOSシステム、GISサーバ200によって接続されるGISシステムは、売上推計装置300との間で接続されない独立したシステムとしてもよい。   In the present embodiment, a case where communication processing is performed between the POS management server 100 and the sales estimation device 300 and between the GIS server 200 and the sales estimation device 300 will be described. However, it is necessary to exchange data by communication. However, the POS system connected to the POS management server 100 and the GIS system connected by the GIS server 200 may be independent systems that are not connected to the sales estimation device 300.
(本システムのハードウェア構成について)
POS管理サーバ100、GISサーバ200、売上推計装置300は、それぞれCPU(Central Processing Unit)と,ROM(Read Only Memory)と,RAM(Random Access Memory)と,画像処理部と,メモリを備えている。CPU,ROM,RAM,画像処理部及びメモリは,バスを介して相互に接続されている。
(About the hardware configuration of this system)
Each of the POS management server 100, the GIS server 200, and the sales estimation device 300 includes a CPU (Central Processing Unit), a ROM (Read Only Memory), a RAM (Random Access Memory), an image processing unit, and a memory. . The CPU, ROM, RAM, image processing unit, and memory are connected to each other via a bus.
CPUは,ROMに記録されているプログラム,又はメモリからRAMにロードされたプログラムに従って各種の処理を実行する。RAMには,CPUが各種の処理を実行する上において必要なデータ等も適宜記憶される。   The CPU executes various processes according to a program recorded in the ROM or a program loaded from the memory to the RAM. The RAM appropriately stores data necessary for the CPU to execute various processes.
画像処理部は,DSP(Digital Signal Processor)や,VRAM(Video Random Access Memory)等から構成されており,CPUと協働して,画像データに対して各種画像処理を施す。   The image processing unit is configured by a DSP (Digital Signal Processor), a VRAM (Video Random Access Memory), and the like, and performs various image processing on image data in cooperation with the CPU.
メモリは,DRAMやキャッシュメモリ,磁気ディスク,光ディスク,光磁気ディスク,或いは半導体メモリ等何らかの記憶媒体が挙げられる。メモリは,バスにより接続されるもののみならず,ドライブを介して読み書きされるものも含まれる。本実施形態で記憶されたデータは,一時的記憶も不揮発性メモリによる長期記憶の場合も,このメモリにいったん記憶するものとして説明する。   The memory may be any storage medium such as DRAM, cache memory, magnetic disk, optical disk, magneto-optical disk, or semiconductor memory. The memory includes not only those connected by a bus but also those read and written via a drive. The data stored in this embodiment will be described as being temporarily stored in this memory, both in the case of temporary storage and in the case of long-term storage using a nonvolatile memory.
POS管理サーバ100、GISサーバ200、売上推計装置300のそれぞれには入出力インターフェースが接続されている。入出力インターフェースを介して,表示部,撮像部,入力部,通信部が接続されている。入力部は,各種ボタンにより構成され,ユーザの指示操作を受け付ける。通信部は,インターネットを含むネットワークを介して他の装置との間で行う通信を制御する。   An input / output interface is connected to each of the POS management server 100, the GIS server 200, and the sales estimation device 300. A display unit, an imaging unit, an input unit, and a communication unit are connected via an input / output interface. The input unit includes various buttons and accepts user instruction operations. The communication unit controls communication performed with other devices via a network including the Internet.
表示部は表示画面を有し、画像処理部によって形成された画像または映像を表示し、再生するディスプレイ装置を有する。ディスプレイ装置は、モニタや液晶ディスプレイなどの各種ディスプレイ装置が想定される。本実施形態では、CPU等で画像表示すべき画像データを生成し、画像処理部を介して表示画面上に画像表示処理を行う。以降、単に「表示する」と説明をするときは、以上の機能を含めて表示処理を実行することを含む。   The display unit has a display screen, and has a display device that displays and reproduces the image or video formed by the image processing unit. As the display device, various display devices such as a monitor and a liquid crystal display are assumed. In the present embodiment, image data to be displayed by a CPU or the like is generated, and image display processing is performed on the display screen via the image processing unit. Henceforth, when only “display” is described, it includes executing display processing including the above functions.
POS管理サーバ100、GISサーバ200、売上推計装置300は、それぞれ以上の各構成を備えるが,機能的構成についてはそれぞれ後述する。各機能的構成は,CPU,ROM,RAM,画像処理部及びメモリの協働動作により機能的に実現される。これらの各部の機能は電子回路又はプログラムによって提供されるモジュール構成であり,プログラムについてはROMに格納され,CPUにより適宜読み出しながら各部と協働することで実行される。   The POS management server 100, the GIS server 200, and the sales estimation device 300 each have the above-described configurations, and functional configurations will be described later. Each functional configuration is functionally realized by the cooperative operation of the CPU, ROM, RAM, image processing unit, and memory. The function of each of these units is a module configuration provided by an electronic circuit or a program. The program is stored in the ROM, and is executed by cooperating with each unit while being appropriately read out by the CPU.
(売上推計装置の機能的構成について)
図2は、本実施の形態に係る売り上げ推計装置の機能的構成を示す。売上推計部300は、POS管理サーバ100から受け取ったPOSデータ150、及びGISデータ250に基づいて、売上推計データ390を生成する。そのために売上推計部300は、POSデータ処理部310、市場POSデータベース320、商圏POSデータベース330、分類算出部340、ターゲット入力部350、ターゲット算出部360、推計部370を備える。
(Functional configuration of sales estimation device)
FIG. 2 shows a functional configuration of the sales estimation device according to the present embodiment. The sales estimation unit 300 generates sales estimation data 390 based on the POS data 150 and the GIS data 250 received from the POS management server 100. For this purpose, the sales estimation unit 300 includes a POS data processing unit 310, a market POS database 320, a trade area POS database 330, a classification calculation unit 340, a target input unit 350, a target calculation unit 360, and an estimation unit 370.
POSデータ処理部310は、POS管理サーバ100から受け取ったPOSデータ150を市場POSデータとして市場POSデータベース320に蓄積していく。市場POSデータベース320に蓄積される市場POSデータとは、特定の地域、業態の店舗の売り上げを集計し、その地域でどの商品がどれだけ売れているかを数値化したデータである。市場POSデータも引き続きPOSデータ150と同じデータ形式であるRDSデータを使用する例を想定して説明するが、他のデータ形式でもよい。   The POS data processing unit 310 accumulates the POS data 150 received from the POS management server 100 in the market POS database 320 as market POS data. The market POS data stored in the market POS database 320 is data obtained by counting the sales of stores in a specific region and business category and quantifying which products are sold in that region. The market POS data will also be described assuming an example in which RDS data having the same data format as the POS data 150 is used, but other data formats may be used.
市場POSデータベース320は、POSデータ150と同様に店舗ごとの商品別売り上げを1つ1つ記述したデータを蓄積する一方で、業態別、地域別の売り上げを集計する。例えばスーパーマーケットという業態について、北海道、東北、京浜、京浜以外の関東、北陸、東海、近畿、中四国、九州などの地域別に集計した売り上げデータを蓄積する。   Like the POS data 150, the market POS database 320 accumulates data describing sales by product for each store one by one, while totaling sales by business category and region. For example, sales data for the supermarket business category is accumulated by region such as Kanto, Hokuriku, Tokai, Kinki, Chu-Shikoku, and Kyushu other than Hokkaido, Tohoku, Keihin, and Keihin.
また、加入店舗数が少ない業態についてがある程度集約し、例えばドラッグストアという業態については全国の売り上げデータを蓄積する。業態については、この他にもコンビニエンスストアや、100円ショップなど様々な店舗の業態ごとに集計を行い、地域についても、ある程度地域性が出てくる場合もあるので、さらに細分化してもよい。このように市場POSデータベース320は、POSシステムに基づいて生成された加入店舗毎の商品別売り上げを示す市場POSデータを格納し、加入店舗についてそれぞれ地域の区分を対応付けたデータベースである。   In addition, business forms with a small number of participating stores are gathered to some extent, and for example, sales data for nations is accumulated for a business form called a drug store. In addition to the above, the business types of various stores such as convenience stores and 100-yen stores are aggregated, and the region may have a certain degree of regionality, so it may be further subdivided. As described above, the market POS database 320 is a database that stores the market POS data indicating the sales by product for each participating store generated based on the POS system, and associates the regional divisions with each of the participating stores.
このように市場POSデータは、計算基礎としての売り上げデータとして用いる。すなわち市場POSデータとは、競合調査を行う地域売り上げについての実データをベースにした商品ごとの売り上げ数値を示すデータである。例えば京浜地区を選択した場合、京浜地区に該当する店舗の各商品の売り上げ数値が市場POSデータとして集計されている。   Thus, the market POS data is used as sales data as a calculation basis. That is, the market POS data is data indicating the sales value for each product based on the actual data on the regional sales for which the competitive research is conducted. For example, when the Keihin area is selected, the sales figures of each product of the store corresponding to the Keihin area are tabulated as market POS data.
POSデータ処理部310は、GISサーバ200から受け取ったGISデータ250に基づいて、POSデータ150を商圏POSデータとして商圏POSデータベース330に蓄積していく。商圏POSデータベース330に蓄積される商圏POSデータとは、店舗の特性ごとに店舗をグループ化し、店舗特性の各分類ごとに売り上げを数値化したものである。   Based on the GIS data 250 received from the GIS server 200, the POS data processing unit 310 accumulates the POS data 150 in the commercial area POS database 330 as the commercial area POS data. The commercial area POS data stored in the commercial area POS database 330 is obtained by grouping stores according to the characteristics of the stores and quantifying the sales for each classification of the store characteristics.
店舗特性とは、店舗がある地域の売り上げに関する地域データである。POSデータ処理部310は、GISデータ250から地域に関する地理的データを取得することができるので、POSデータとして集計される対象の店舗について、立地や店舗面積についてもGISデータ250から取得する。立地については、店舗特性のデータとして、駅前(駅から200m以内)、駅前以外、というそれぞれの分類項目ごとに分類する。店舗規模についても、同様に店舗特性のデータとして分類項目ごとに分類する。例えば、0−150平方メートル、150−500平方メートル、500−1500平方メートル、1500−3000平方メートル、3000平方メートル、というように、店舗面積の規模ごとに各店舗を分類する。   Store characteristics are regional data relating to sales in a region where stores are located. Since the POS data processing unit 310 can acquire geographical data related to the area from the GIS data 250, the POS data processing unit 310 also acquires the location and the store area from the GIS data 250 for the target stores to be tabulated as POS data. The location is classified according to the respective classification items such as in front of the station (within 200 m from the station) and other than in front of the station as data on store characteristics. Similarly, the store size is classified for each classification item as store characteristic data. For example, each store is classified according to the size of the store area, such as 0-150 square meters, 150-500 square meters, 500-1500 square meters, 1500-3000 square meters, and 3000 square meters.
GISデータ250は、さらに国勢調査を基にした世帯の状況に関するデータを蓄積している。POSデータ処理部310は、GISデータ250に基づき、世帯の状況から分かる、地域世帯の年収、世帯ごとの年齢などのデータを集計し、それぞれ店舗特性のデータを算出する。
地域世帯の年収については、その店舗が該当する地域について、その店舗が属する都道府県に対して突出した分布が生じる分類を、その地域の店舗特性とする。つまり、特定の年収区分の世帯数が、平均的な地域よりも最も偏って多い場合、その偏って多い分類を、その店舗の属する地域世帯の年収とする。例えば、
0万円世帯数|300万円世帯数 |500万円世帯数 |700万円世帯数 |1000万円世帯数
と分類して、東京都ではそれぞれ
東京都 |1000 |2000 |3000 |2500 |500
A店周辺 |20 |30 |50 |20 |30
という世帯数分布であったとする。世帯構成比に変換すると、
東京都 |11.11111 |22.22222 |33.33333 |27.77778 |5.55556
A店周辺 |13.33333 |20 |33.33333 |13.33333 |20
となる。両者の世帯構成比の差分をとると、
差 |2.22222 |-2.22222 |0 |-14.44444 |14.44444
として求められる。この中で、A店周辺については、プラスの方向にもっともぶれているのは14.44444の1000万円世帯数であるため、A店の年収特性は1000万円となる。
The GIS data 250 further accumulates data relating to household conditions based on the national census. Based on the GIS data 250, the POS data processing unit 310 aggregates data such as the annual income of the local household and the age of each household, which is known from the situation of the household, and calculates store characteristic data.
Regarding the annual income of a local household, the classification that produces a prominent distribution with respect to the prefecture to which the store belongs is set as the store characteristic of the region. In other words, when the number of households in a specific annual income category is the most biased than the average region, the biased category is set as the annual income of the regional household to which the store belongs. For example,
0 million yen households | 3 million yen households | 5 million yen households | 7 million yen households | 10 million yen classified as households in Tokyo, respectively in Tokyo | 1000 | 2000 | 3000 | 2500 | 500
Around store A | 20 | 30 | 50 | 20 | 30
Suppose that the number of households is distributed. Converting to household composition,
Tokyo | 11.11111 | 22.22222 | 33.33333 | 27.77778 | 5.55556
Around store A | 13.33333 | 20 | 33.33333 | 13.33333 | 20
It becomes. Taking the difference in the household composition ratio between the two,
Difference | 2.22222 | -2.22222 | 0 | -14.44444 | 14.44444
As required. In this area, around A store, the biggest difference in the positive direction is the number of 10 million yen households at 14.44444, so the annual income characteristic of A store is 10 million yen.
地域世帯の年収を特定する他の方法として、世帯ごとの年収の合計値を世帯ごとに求め、該当する地域の世帯数で割った年収の平均値から求める方法がある。ここで、求めた平均値ごとに、対象とする店舗について、平均年収ごとに分類し、店舗特性のデータとする。例えば該当する地域の年収について、300万円未満、300万円以上500万円未満、500万円以上700万円未満、700万円以上1000万円未満、1000万円以上、というクラスタごとに分類項目とする。   As another method for specifying the annual income of a regional household, there is a method of obtaining a total value of annual income for each household and obtaining it from an average value of annual income divided by the number of households in the corresponding region. Here, for each average value obtained, the target stores are classified by average annual income, and used as store characteristic data. For example, the annual income of the corresponding area is classified into clusters of less than 3 million yen, 3 million yen to less than 5 million yen, 5 million yen to less than 7 million yen, 7 million yen to less than 10 million yen, 10 million yen or more. Item.
世帯ごとの年齢については、世帯ごとに特徴が分かれやすく、例えば若年層の単身世帯、老齢者のみのシルバー世帯、ファミリー世帯、に分けることができる。各分類の世帯数をそれぞれ集計し、その地域でどの分類の世帯数が平均に対して多いかを判定して、例えばその地域は単身世帯型の地域、シルバー世帯型の地域、ファミリー世帯型の地域、というように分類項目を設け、店舗特性を割り当てていく。   As for the age of each household, the characteristics of each household can be easily divided, and for example, it can be divided into a single household of young people, a silver household of elderly people only, and a family household. Count the number of households in each category and determine which category has more households than the average in that region. For example, the region is a single household type, a silver household type, or a family household type. Classification items such as regions are provided, and store characteristics are assigned.
このように、店舗ごとに複数の店舗特性により分類されることになる。例えば、ある店舗については、店舗特性「年収」については「500万円から700万円」という分類項目に属し、店舗特性「年齢世帯」については「ファミリー世帯」という分類項目に属し、店舗特性「立地」については「駅前以外」という分類項目に属し、店舗特性「店舗規模」については「500−1500平方メートル」という分類項目に属する、というように区分する。   In this way, each store is classified by a plurality of store characteristics. For example, for a certain store, the store characteristic “annual income” belongs to the classification item “5 million yen to 7 million yen”, the store characteristic “age household” belongs to the classification item “family household”, and the store characteristic “ “Location” belongs to the classification item “other than the station”, and the store characteristic “store size” belongs to the classification item “500-1500 square meters”.
以上のように区分した上で、POSデータ処理部310は、各分類項目ごとに売り上げを集計していく。例えばある商品ABCについて、年齢世帯ごとに集計すると、売上の店舗当たり日額平均で、単身若年世帯型店舗では15000円、ファミリー世帯型店舗では20000円、シルバー世帯型店舗では25000円、というように、店舗特性ごと、特にその分類項目ごとに、商品の売り上げ動向を集計する。図3に、商品ごとの分類項目ごとの売り上げ動向の集計結果を示す。この売り上げ動向を、商圏POSデータとして商圏POSデータベース330に蓄積していく。   After sorting as described above, the POS data processing unit 310 counts the sales for each classification item. For example, for a product ABC, the average daily sales per store is 15000 yen for a single young household store, 20000 yen for a family household store, 25000 yen for a silver household store, and so on. The sales trends of products are tabulated for each store characteristic, particularly for each category. FIG. 3 shows the result of counting sales trends for each category item for each product. This sales trend is accumulated in the trade area POS database 330 as trade area POS data.
商圏POSデータベース330は、このように加入店舗ごとに、店舗の性質についての複数の分類項目から1つをそれぞれ特定した複数の店舗特性を設定し、分類項目ごとに前記加入店舗をグループ化し、グループごとの商品別売り上げを集計した商圏POSデータを格納したものである。   The commercial area POS database 330 thus sets a plurality of store characteristics each specifying one of a plurality of classification items regarding the properties of the store for each participating store, and groups the participating stores for each classification item. Stores trade area POS data that totals sales by product.
図4は、分類項目ごとの商品指数一覧を示す。図3に示したように、商圏POSデータとして分類項目ごとの売り上げデータを蓄積したので、これを今度は指数化する。分類算出部340は、分類項目ごとに、分類項目のグループごとの商品別売り上げについて、全体売り上げに対する相対的な値である分類別指数を求める。図3の例では店舗ごとの平均売り上げは2万円なので、この2万という数字で割ることで指数化する。指数化した結果が図4に示す通りである。以上のように、POSデータ150に基づいてデータベース化を進め、商圏POSデータベース330に蓄積する。   FIG. 4 shows a list of commodity indices for each classification item. As shown in FIG. 3, since sales data for each classification item is stored as the trade area POS data, this is indexed this time. The classification calculation unit 340 obtains, for each classification item, a classification-specific index that is a relative value with respect to the overall sales for the sales by product for each group of classification items. In the example of FIG. 3, since the average sales for each store is 20,000 yen, it is indexed by dividing by the number of 20,000. The indexed result is as shown in FIG. As described above, the database is advanced based on the POS data 150 and accumulated in the trade area POS database 330.
(フローチャート)
図5は、本実施の形態に係るPOSデータ蓄積処理を示すフローチャートである。図5では、取得したPOSデータ150から逐次市場POSデータ及び商圏POSデータを生成して蓄積していく場合を例に挙げて説明するが、図5に示す処理に限られず、例えばまとまったPOSデータをネットワーク内外の何らかの手段で取得して、これをもとに一括して市場POSデータ及び商圏POSデータを生成して蓄積するという流れにしてもよい。
(flowchart)
FIG. 5 is a flowchart showing POS data storage processing according to the present embodiment. In FIG. 5, a case where the market POS data and the commercial area POS data are sequentially generated and stored from the acquired POS data 150 is described as an example. However, the processing is not limited to the processing shown in FIG. May be acquired by some means inside or outside the network, and market POS data and commercial area POS data may be generated and stored collectively based on this.
まず、入力部により加入店舗ごとに、店舗特性ごとの分類項目を入力する(ステップS100)。これにより、加入店舗ごとの店舗情報が蓄積される。そして次に、POSデータ150を取得する(ステップS110)。取得手段は、ネットワークを介しても、ネットワーク外でもいずれでもよい。   First, a classification item for each store characteristic is input for each participating store by the input unit (step S100). Thereby, store information for each participating store is accumulated. Then, POS data 150 is acquired (step S110). The acquisition means may be either via the network or outside the network.
次に、POSデータ150を市場POSデータとして市場POSデータベース320に蓄積する(ステップS120)。そして、図3に示した店舗特性の分類項目のグループごとに売り上げを合算して平均を出すことにより、集計処理を行う(ステップS130)。そしてさらに、図4に示したように、分類算出部340は、商品ごとに分類別指数を算出する(ステップS140)。次に、商圏POSデータ250を商圏POSデータベース330に蓄積し(ステップS150)、一連の処理を終了する。   Next, the POS data 150 is stored in the market POS database 320 as market POS data (step S120). Then, a totaling process is performed by adding up the sales for each group of the store characteristic classification items shown in FIG. 3 and calculating an average (step S130). Furthermore, as shown in FIG. 4, the classification calculation unit 340 calculates a classification index for each product (step S140). Next, the trade area POS data 250 is stored in the trade area POS database 330 (step S150), and a series of processing ends.
(ターゲット店舗分析処理)
図6は、分析対象店舗の選択画面を示す。次に、ユーザ操作により、分析対象の特定の店舗を選択する。分析対象の店舗は、POSデータをすでに取得している加入店舗である。分析対象の店舗については、地図以外の方法により、例えば店舗名を入力したり、あらかじめ並んでいる複数の項目としての店舗からいずれかを選ぶ形式を取ってもよいが、ここでは地図上から分析対象となる店舗を選択する。図6の例では、カーソル500を選択することにより、店舗を特定する。又はマウス操作によって位置を特定し、確認表示としてカーソル500を表示してもよい。
(Target store analysis processing)
FIG. 6 shows an analysis target store selection screen. Next, a specific store to be analyzed is selected by a user operation. The store to be analyzed is a participating store that has already acquired POS data. For the store to be analyzed, for example, the store name may be input by using a method other than the map, or one of a plurality of stores arranged in advance may be selected. Select the target store. In the example of FIG. 6, the store is specified by selecting the cursor 500. Alternatively, the position may be specified by operating the mouse, and the cursor 500 may be displayed as a confirmation display.
図7は、競合店分析の対象及び分析条件を入力するための入力画面を示す。分析対象となる競合店の選択については、図6に示した加盟店の選択と同様に直接選択してもよいが、実際は商圏内の複数店舗を対象として分析をすることが多いので、エリア単位で選択する。例えば町村単位で特定してもよいが、図6で特定した加盟店の位置を中心として、商圏距離の範囲を入力することにより、その中に含まれるすべての店舗を分析対象とする例について説明する。   FIG. 7 shows an input screen for inputting the target of the competitor store analysis and the analysis conditions. The selection of competing stores to be analyzed may be directly selected in the same manner as the member store selection shown in FIG. 6, but in actuality, since analysis is often performed for a plurality of stores in the business area, Select with. For example, although it may be specified in units of towns and villages, an example will be described in which all stores included therein are analyzed by inputting the range of the commercial area centered on the position of the member store specified in FIG. To do.
さらに、分析対象については、業態についてもチェックボックスに入力する。図7の例では、スーパーマーケット、ディスカウントストア、ドラッグストアをチェックボックスから選択するように項目を設けており、該当する店舗を分析対象とする。ターゲット入力部350は、以上のように加入店舗の地理的位置及び商圏距離等の分析条件を入力することにより、ターゲット店舗の地理的位置を選択する。   In addition, regarding the analysis target, the business type is also input into the check box. In the example of FIG. 7, items are provided so that a supermarket, a discount store, and a drug store are selected from check boxes, and the corresponding store is set as an analysis target. The target input unit 350 selects the geographical location of the target store by inputting the analysis conditions such as the geographical location of the participating store and the trade area distance as described above.
また、本実施の形態ではここまで及び以降も、1日単位の売り上げを金額単位で表示する場合について説明してきたが、図7に示すように売り上げ期間として入力することにより特定期間の売り上げ数値を集計対象としてもよく、さらに金額単位に限らず、数量単位での表示としてもよい。店舗によっては割引販売することも多いため、個数ベースでの競合評価が必要なこともあるからである。   In the present embodiment, the case where the daily sales are displayed in monetary units has been described so far and the following. However, as shown in FIG. It may be a target of aggregation and may be displayed not only in monetary units but also in quantity units. This is because some stores often sell at a discount, which may require competitive evaluation on a quantity basis.
さらに、集計対象を、店舗の総売り上げについて行ってもよいが、商品単位でPOSデータ150を蓄積しているので、商品単位で選択してもよい、さらに図6に示す通り、カテゴリー単位で選択することも可能である。例えば大きなカテゴリーとして、食品、日用品、文化用品、等から選択し、その下位項目として、食品類の中でも飲料などの選択肢を設け、さらに飲料についても、図7の右下に示すように、嗜好飲料、果実飲料、清涼飲料・・・などの各カテゴリーごとに分析対象を入力することもできる。   Furthermore, although the aggregation target may be performed for the total sales of the store, since the POS data 150 is accumulated for each product, it may be selected for each product. Further, as shown in FIG. 6, it is selected for each category. It is also possible to do. For example, a large category is selected from foods, daily necessities, cultural supplies, etc., and subordinate items include options such as beverages among foods, and also beverages, as shown in the lower right of FIG. , Fruit drinks, soft drinks, etc., and an analysis target can be input for each category.
ターゲット入力部350は、図6及び図7に示した表示画面から分析対象を入力すると、分析処理を実行する。ターゲット入力部350による絞り込み条件には複数の競合店舗が含まれるので、そのうちの各競合店舗ごとに分析を行い、その後、集計を行う。まず、集計対象となる競合店舗について各分類項目を特定する。図4の例では、加入店舗について各分類項目を特定して集計したが、同様に競合店舗ごとに分類する。   When the analysis target is input from the display screen shown in FIGS. 6 and 7, the target input unit 350 executes an analysis process. Since the narrowing-down conditions by the target input unit 350 include a plurality of competing stores, analysis is performed for each of the competing stores, and then aggregation is performed. First, each classification item is specified about the competition store used as a total object. In the example of FIG. 4, each classification item is specified and aggregated for the participating stores, but similarly classified for each competing store.
例えばある競合店舗について、ターゲット入力部350は、店舗特性「年収」については「300万円から500万円」という分類項目に属し、店舗特性「年齢世帯」については「単身若年世帯」という分類項目に属し、店舗特性「立地」については「駅前」という分類項目に属し、店舗特性「店舗規模」については「150−500平方メートル」という分類項目に属する、と区分する。   For example, for a competing store, the target input unit 350 belongs to the classification item “3 million to 5 million yen” for the store characteristic “annual income” and the classification item “single young household” for the store characteristic “age household”. The store characteristic “location” belongs to the classification item “station square”, and the store characteristic “store size” belongs to the classification item “150-500 square meters”.
このようにターゲット入力部350は、ターゲット店舗の地理的位置に基づく商圏情報を求め、商圏情報に基づいて、ターゲット店舗の店舗特性について分類項目を判定入力する。ここで商圏情報は、前記地理的位置を基準にした周辺住民に関する統計値の集計値である。   In this way, the target input unit 350 obtains commercial area information based on the geographical position of the target store, and determines and inputs classification items for the store characteristics of the target store based on the commercial area information. Here, the trade area information is an aggregate value of statistical values related to neighboring residents based on the geographical position.
ターゲット算出部360は、集計対象とする競合店舗の各分類項目について、該当する指数情報を商圏POSデータベース330から取得する。競合店舗の属するエリアについては、図4に示す指数一覧によると、店舗特性「年収」については「0.9」、店舗特性「年齢世帯」については「0.75」、店舗特性「立地」については「1.25」、店舗特性「店舗規模」については「0.7」、が対応する。   The target calculation unit 360 acquires corresponding index information from the trade area POS database 330 for each classification item of the competing store to be counted. Regarding the area to which the competing stores belong, according to the index list shown in FIG. 4, the store characteristic “annual income” is “0.9”, the store characteristic “age household” is “0.75”, and the store characteristic “location” Corresponds to “1.25”, and the store characteristic “store size” corresponds to “0.7”.
次にターゲット算出部360は、ターゲット入力部350によって入力された分類項目についての、上記算出された分類別指数を取得する。そして複数の店舗特性についてそれぞれ取得された分類別指数に基づいて、ターゲット店舗の商品別指数を算出する。商品別指数の算出については、具体的には単純に合計して平均値により求める。すなわち、商品別指数=(年収指数+年齢世帯指数+立地指数+店舗規模指数)/4によって求める。   Next, the target calculation unit 360 acquires the calculated classification index for the classification item input by the target input unit 350. Then, the product-specific index of the target store is calculated based on the classification-specific indexes acquired for the plurality of store characteristics. For the calculation of the product-specific index, specifically, the total is simply obtained by an average value. In other words, the index by product = (annual income index + age household index + location index + store size index) / 4.
なお、各指数によっては重要度の重みは異なるので、それぞれ重み付けした平均値を求めてもよい。例えば、商品別指数=(1.1x年収指数+0.7x年齢世帯指数+1.8x立地指数+1.4x店舗規模指数)/5によって求める。重み値の合計がこの場合は5になるので、分母は4に替えて5とする。   Since the importance weight varies depending on each index, a weighted average value may be obtained. For example, the product index = (1.1 × annual income index + 0.7 × age household index + 1.8 × location index + 1.4 × store size index) / 5. Since the sum of the weight values is 5 in this case, the denominator is 5 instead of 4.
上記の例を重み付けせず単純平均とすると、商品別指数=(0.9+0.75+1.25+0.7)/4によって求められ、商品別指数は0.9と求まることになる。このようにターゲット算出部360は、複数の店舗特性についてそれぞれ取得された分類別指数の平均値、又は当該分類別指数について重み付けした値の平均値を、ターゲット店舗の商品別指数として算出する。   Assuming that the above example is a simple average without weighting, the product index is obtained by (0.9 + 0.75 + 1.25 + 0.7) / 4, and the product index is 0.9. As described above, the target calculation unit 360 calculates the average value of the index by classification obtained for each of the plurality of store characteristics or the average value of the values weighted for the index by classification as the index by product of the target store.
次に推計部370は、ターゲット店舗の属する地域の区分について、市場POSデータの商品別売り上げを特定し、商品別売り上げに前記ターゲット店舗の商品別指数を乗算することにより、商品別の推計売り上げを算出する。具体的には、図5にて既に加入店舗を指定しているので、その加入店舗の属するエリアの売り上げの平均値などの基準値を、市場POSデータベース320から取得する。又は、指定した加入店舗の売り上げ数値をそのまま使用してもよい。   Next, the estimation unit 370 identifies the sales by product of the market POS data for the division of the region to which the target store belongs, and multiplies the sales by product by the product index of the target store, thereby calculating the estimated sales by product. calculate. Specifically, since the affiliated store has already been designated in FIG. 5, a reference value such as an average value of sales in the area to which the affiliated store belongs is acquired from the market POS database 320. Or you may use the sales numerical value of the designated participating store as it is.
推計部370は、市場POSデータベース320から取得した基準値を、ターゲット算出部360が算出したターゲット店舗の商品別指数と掛け合わせる。例えば、ある商品についての基準となる売上額が33000円であり、商品別指数が上記の通り0.9であるとすると、33000x0.9=29700円が、商品ABCの該当する競合店舗での売上の推計値ということになる。   The estimation unit 370 multiplies the reference value acquired from the market POS database 320 by the product index of the target store calculated by the target calculation unit 360. For example, if the standard sales amount for a certain product is 33000 yen and the product index is 0.9 as described above, 33000 x 0.9 = 29700 yen is the sales at the competing store corresponding to the product ABC. This is the estimated value.
以上の説明は、単一の競合店舗での、単一の商品についての、1日分の売り上げの推計値として算出したが、単一商品単位ではなく、その商品が含まれるカテゴリー単位や、最終的にはその店舗の総売り上げとして集計していく。さらに、一日分だけでなく、例えば週単位、月単位であったり、過去の特定の時期を選択してもよい。例えばイベント開催時期の売り上げ予測であれば、過去に同じイベントが開催された時期の売り上げデータを参照するのがより有効である。   The above explanation was calculated as an estimate of sales for a single product at a single competing store, but it is not a single product unit, Actually, the total sales of the store will be counted. Further, not only for one day, but also for example, weekly or monthly, or a specific past time may be selected. For example, for sales prediction at the event holding time, it is more effective to refer to the sales data at the time when the same event was held in the past.
そして、同一商圏内に含まれる各競合店について推計を繰り返すことにより、同一商圏内の競合店ごとの売り上げ推計値を求めることができる。その結果として、商品ごとの各店舗での売り上げの推計値を求めることができるので、同一商圏内での順位や、同一商圏内の所定商品の売り上げの合算値を求めることにより、そこからのシェアを算出することができる。   Then, by repeating the estimation for each competitor store included in the same business area, it is possible to obtain an estimated sales value for each competitor shop in the same business area. As a result, it is possible to obtain an estimated value of sales at each store for each product, so by calculating the rank within the same business area and the total value of sales of a predetermined product within the same business area, share from there Can be calculated.
このようにして競合店舗の売り上げ推計値を算出することにより、エリア内での競合分析を、実データに基づき進めることができる。例えば販売すべき商品の選択や、店舗の改装の判断に用いることができる。または、同一地域で多店舗展開を予測する場合に、競合店舗の売上推計から、競合店舗近くでの新規出店を判断する材料とすることができる。   Thus, by calculating the sales estimate value of the competing store, it is possible to proceed with the competition analysis in the area based on the actual data. For example, it can be used for selection of products to be sold and judgment of store renovation. Alternatively, when multiple store development is predicted in the same region, it can be used as a material for determining a new store opening near a competitor store from the sales estimate of the competitor store.
また、地理的要因と実データから求めた推計値であるので、この推計値をベースにして、例えばスタッフなどの属人的要素や、キャンペーンの効果などを推測することに利用することもできる。例えばキャンペーンがあったときに、売上の数値が思いのほか低すぎた、又は売り上げの数値がかなり高かった、というときに、ベースの数値を求めることができるので、的確な予測を実現できる。   Moreover, since it is an estimated value obtained from geographical factors and actual data, it can also be used to estimate personal factors such as staff, campaign effects, etc., based on this estimated value. For example, when there is a campaign, when the sales figures are unexpectedly too low or the sales figures are quite high, the base figures can be obtained, so an accurate prediction can be realized.
(フローチャート)
図8は、競合店舗の商品別売り上げの推計処理を示すフローチャートである。まずターゲット入力部350は、図6に示したように、例えば地図上から、分析対象となる加入店舗を選択する(ステップS200)。次に、図7に示したように、ユーザ操作により競合店についての分析条件を入力する。(ステップS210)。以上は図6及び図7に関連して既に説明した通りである。
(flowchart)
FIG. 8 is a flowchart showing an estimation process of sales by product of competing stores. First, as illustrated in FIG. 6, the target input unit 350 selects a participating store to be analyzed from, for example, a map (step S200). Next, as shown in FIG. 7, the analysis conditions for the competitor store are input by the user operation. (Step S210). The above is as already described with reference to FIGS.
次に、ターゲット入力部350は、競合店についての店舗特性を抽出する(ステップS220)。入力した競合店の分析条件として、分析対象となる商圏に関するデータを入力しているので、これに基づいて、例えば加入店舗の半径2km以内というような商圏範囲を特定し、そこに該当する競合店を抽出する。そして各競合店について、GISデータ250に基づいて、店舗特性を抽出する。次に、ターゲット算出部360は、抽出した店舗特性に該当する分類別指数を取得し(ステップS230)、取得した分類別指数の単純平均又は重みづけ平均により、競合店についての商品別指数を算出する(ステップS240)。   Next, the target input unit 350 extracts store characteristics for the competing store (step S220). Since the data regarding the trade area to be analyzed is input as the analysis condition of the entered competitive store, based on this, for example, a trade area range within a radius of 2 km of the affiliated store is specified, and the corresponding competitive store To extract. Then, store characteristics are extracted for each competing store based on the GIS data 250. Next, the target calculation unit 360 acquires an index by category corresponding to the extracted store characteristic (step S230), and calculates an index by product for the competitors based on a simple average or a weighted average of the acquired index by category. (Step S240).
一方で推計部370は、市場POSデータベース320から、ステップS200で入力した加入店舗自身又は加入店舗の属するエリアの売り上げのPOSデータ150を取得することにより、ターゲット店舗の属する地域の区分について、市場POSデータの商品別売り上げを特定する(ステップS250)。次に推計部370は、商品別売り上げに、ターゲット店舗について算出された商品別の商品別指数を乗算することにより、商品別の推計売り上げを算出し(ステップS260)、一連の処理を終了する。以上の一連の処理により、商品単品についての商品別の売り上げの推計データ、推計POSデータを算出することができた。   On the other hand, the estimation unit 370 acquires, from the market POS database 320, the POS data 150 of the sales of the subscribing store itself or the area to which the subscribing store is input in step S200, so that the market POS The sales for each product of the data is specified (step S250). Next, the estimation unit 370 calculates product-specific estimated sales by multiplying the product-specific sales by the product-specific product index calculated for the target store (step S260), and ends the series of processing. Through the series of processes described above, it was possible to calculate the estimated sales data and estimated POS data for each product for each product.
(カテゴリー別の算出処理について)
以上、商品単品についての推計POSデータを求めたのに対して、今度はカテゴリー単位で推計POSデータを求める。商品別売り上げの推計データも重要ではあるが、商品単位では小規模店舗でも点数が膨大であり、もう少し大まかなデータを取得することが求められることが多く、実際は商品の属するカテゴリー単位で推計POSデータを算出したいことが多い。
(About calculation processing by category)
As described above, the estimated POS data for a single product is obtained, but this time, estimated POS data is obtained for each category. Estimated data for sales by product is also important, but in terms of product units, the number of points is enormous even for small stores, and it is often required to obtain a little rougher data. Actually, POS data is estimated by the category unit to which the product belongs. I often want to calculate
一方で、各商品の売り上げを単純に合計すると、実際に想定されるよりも売り上げの数値が大きくなりすぎる場合がある。また、店舗による取扱商品数の違いにより売り上げが上下することから、カテゴリー及び店舗規模に基づいて対象商品数を設定し、売上の高い順に集計対象の商品として扱う場合を説明する。   On the other hand, if the sales of each product are simply summed, the numerical value of the sales may be too large than expected. In addition, since sales increase and decrease depending on the number of products handled by stores, a case will be described in which the number of target products is set based on the category and store size, and handled as products to be counted in descending order of sales.
図9は、競合店舗のカテゴリー別売上の推計処理を示すフローチャートを示す。まず、競合店舗とその規模を入力する(ステップS300)。入力画面については、図7を参照して説明した通りである。次に、商品のカテゴリーを入力する(ステップS310)。カテゴリーの入力画面についても図7を参照して説明した通りである。   FIG. 9 is a flowchart showing a process for estimating sales by category of competing stores. First, a competitor store and its scale are input (step S300). The input screen is as described with reference to FIG. Next, the product category is input (step S310). The category input screen is also as described with reference to FIG.
カテゴリーは多段階に分かれており、一番大きな大カテゴリーは、食品、日用品、衣料品、…という各項目からなる。大カテゴリーの下に、例えば食品の場合、生鮮食料品、飲料、菓子、パン、等の項目からなる中カテゴリーが用意されており、図7の左下に示す大カテゴリに該当する項目として表示された部分をさらに展開すると、図示していないが、下位に存在する中カテゴリーに該当する項目がそれぞれ表示される。   The categories are divided into multiple stages, and the largest category consists of items such as food, daily necessities, clothing, and so on. Under the major category, for example, in the case of food, a middle category comprising items such as fresh food, beverages, confectionery, bread, etc. is prepared and displayed as items corresponding to the major category shown in the lower left of FIG. When the portion is further expanded, although not shown, items corresponding to the middle category existing below are displayed.
ここで中カテゴリーの項目から、飲料を選択した場合、そこからさらに小カテゴリーが用意されている。小カテゴリーに該当する項目は、図7の右下に表示されている通りであり、嗜好飲料、果実飲料、清涼飲料、…と列挙される。さらに、大・中・小の他に、さらに小さいカテゴリー項目「細」も設ける。例えば果実飲料について、「オレンジ」「りんご」などである。カテゴリーの入力画面では、この大、中、小、細カテゴリーのいずれかに該当する、いずれかのカテゴリー項目を選択入力する。   Here, when a beverage is selected from the items in the middle category, a smaller category is prepared from there. The items corresponding to the small category are as shown in the lower right of FIG. 7 and are listed as a preference drink, a fruit drink, a soft drink, and so on. In addition to the large, medium, and small items, a smaller category item “Fine” is also provided. For example, for fruit drinks, there are “orange” and “apple”. On the category input screen, any category item corresponding to one of the large, medium, small, and fine categories is selected and input.
次に、選択されたカテゴリー項目について、集計すべき商品数を決定する(ステップS320)。カテゴリー別の商品数は、店舗規模が大きくなるごとに、取扱点数も増えるという計算方法を用いる。細カテゴリーについて、例えばコーラを選択した場合、0−150平方メートルの店舗は2商品、150−500平方メートルの店舗は3商品、500−1500平方メートルの店舗は6商品、1500−3000平方メートルの店舗は10商品、3000平方メートルの店舗は全商品、というように、店舗面積の規模ごとに取扱商品点数を決定する。   Next, the number of products to be tabulated for the selected category item is determined (step S320). The number of products by category uses a calculation method in which the number of handling points increases as the store size increases. For the subcategory, for example, if you choose cola, 2 items for stores with 0-150 square meters, 3 items for stores with 150-500 square meters, 6 items for stores with 500-1500 square meters, 10 items for stores with 1500-3000 square meters The number of products handled is determined for each store area size, for example, a 3000 square meter store is a full product.
一方でカテゴリー選択として、中カテゴリーを選択した場合は、さらに商品数は増える。ただし、中カテゴリーごとに商品点数を決めるのではなく、中カテゴリに含まれる最下層の細カテゴリーについてそれぞれ与えられている商品点数の合計を、中カテゴリーについての商品点数とする。中カテゴリーを例として説明するが、大カテゴリー、小カテゴリーについても同様である。中カテゴリーとして「日本茶・麦茶ドリンク」を選択した場合、「日本茶・麦茶ドリンク」に含まれる細カテゴリー「日本茶」「麦茶」等について、店舗規模に基づく商品点数を求める。例えば0−150平方メートルの店舗は日本茶について3商品、麦茶について3商品、と定められているので、これらの数値を合算する。そのけっかとして、0−150平方メートルの店舗は10商品、150−500平方メートルの店舗は20商品、500−1500平方メートルの店舗は40商品、1500−3000平方メートルの店舗は50商品、3000平方メートルの店舗は全商品、というように、店舗面積の規模ごとに取扱商品点数が決まる。   On the other hand, when the middle category is selected as the category selection, the number of products further increases. However, instead of determining the product score for each middle category, the total of the product scores given to the lowermost subcategories included in the middle category is used as the product score for the middle category. The middle category will be described as an example, but the same applies to the large category and the small category. When “Japanese tea / barley tea drink” is selected as the middle category, the product score based on the store size is obtained for the fine categories “Japanese tea”, “barley tea”, etc. included in “Japanese tea / barley tea drink”. For example, a store of 0-150 square meters is determined to have 3 products for Japanese tea and 3 products for barley tea. In the meantime, there are 10 products in the 0-150 square meter store, 20 products in the 150-500 square meter store, 40 products in the 500-1500 square meter store, 50 products in the 1500-3000 square meter store, and all stores in the 3000 square meter The number of products handled depends on the size of the store area.
次に、カテゴリーに対して決定された商品数分の商品を抽出する(ステップS330)。例えば上述の例で、店舗面積が1000平方メートルの場合、コーラを選択した場合で6商品なので、コーラの売り上げ上位商品から6つを抽出する。また、日本茶・麦茶ドリンクを選択した場合は40商品なので、日本茶・麦茶ドリンクの売り上げ上位商品から40商品を抽出する。   Next, the products for the number of products determined for the category are extracted (step S330). For example, in the above example, when the store area is 1000 square meters, if cola is selected, there are 6 products, so 6 are extracted from the top sales products of cola. In addition, when Japanese tea / barley tea drink is selected, 40 products are extracted, so 40 products are extracted from the top selling products of Japanese tea / barley tea drink.
最後に、図8のフローチャートに示す処理で求められた推定売上を、抽出された各商品について取得し、合算する(ステップS340)。合算した値を選択したカテゴリーについての推定売上とする。複数のカテゴリーを選択した場合は、各カテゴリーについて、上記処理を実行し、一連の処理を終了する。   Finally, the estimated sales obtained by the processing shown in the flowchart of FIG. 8 is acquired for each extracted product and added together (step S340). The total value is the estimated sales for the selected category. When a plurality of categories are selected, the above process is executed for each category, and the series of processes is terminated.
図10は、売り上げ順位及びシェアを含む帳票作成処理を示すフローチャートを示す。まずターゲット入力部350は、図8に示したステップS200及びS210と同様、例えば地図上から、分析対象となる加入店舗を選択する(ステップS400)。次に、図7に示したように、ユーザ操作により競合店についての分析条件を入力する。(ステップS410)。   FIG. 10 is a flowchart showing a form creation process including a sales order and a share. First, the target input unit 350 selects a participating store to be analyzed from, for example, a map as in steps S200 and S210 illustrated in FIG. 8 (step S400). Next, as shown in FIG. 7, the analysis conditions for the competitor store are input by the user operation. (Step S410).
次に、選択された競合店について売り上げを算出する(ステップS420)。ここで算出する売り上げは後述する順位及びシェア算出のための売り上げの値であるので、例えば商品別の順位・シェア分析を行う場合は、図8にて算出した該当商品の売り上げの値を取得する。カテゴリーごとの場合は図9にて算出した該当カテゴリーの売り上げの値を取得する。全体売り上げについて比較検討する場合は、図9で算出したカテゴリー別売上を大カテゴリーについて取得して、各大カテゴリーの売り上げ数値を合算する。   Next, sales are calculated for the selected competitor store (step S420). Since the sales calculated here are sales values for rank and share calculation described later, for example, when performing rank / share analysis for each product, the sales value of the corresponding product calculated in FIG. 8 is acquired. . In the case of each category, the sales value of the corresponding category calculated in FIG. 9 is acquired. When comparing the overall sales, the category-specific sales calculated in FIG. 9 are acquired for the large categories, and the sales figures for each large category are added together.
以上は競合店1つについての比較データの抽出であるので、分析条件に合致するすべての競合店について処理を実行し、終了しない場合はステップS420をループする(ステップS430)。終了した場合は次に進む。   The above is the extraction of the comparison data for one competing store, so the processing is executed for all competing stores that match the analysis conditions, and if not finished, step S420 is looped (step S430). If finished, continue.
以上の処理により、分析対象となるすべての競合店舗についての売り上げデータが抽出されたので、該当する売り上げ項目について、加入店舗を含む分析対象エリア内の売り上げ順位とシェアを算出する(ステップS440)。例えば売り上げ項目について、細カテゴリー「コーラ」を対象とした場合、細カテゴリー「コーラ」の店舗ごとの売り上げの数値が得られているので、売り上げ順位については、売上の数値ごとに、店舗ごとの順位を集計する。一方で、単純に合算することにより、エリア内の「コーラ」の総売り上げの数値が出るので、総売り上げの数値で割ることにより、各店舗の「コーラ」の地域内シェアを算出することができる。   As a result of the above processing, sales data for all competing stores to be analyzed is extracted, and sales ranks and shares in the analysis target area including the participating stores are calculated for the corresponding sales items (step S440). For example, for sales items, if the subcategory “Cola” is targeted, the sales figures for each store in the subcategory “Cola” are obtained, so the sales order is for each store and for each store. Are counted. On the other hand, the total sales figure of “Coke” in the area is obtained simply by adding up. By dividing by the total sales figure, the “Cola” share of each store in the region can be calculated. .
そして最後に帳票を作成出力する(ステップS450)。特定の商品又はカテゴリーについて、加入店舗及び競合店舗について、それぞれ売り上げ数値、売り上げ順位、シェアが算出されているので、これを一覧表として集計する。帳票を作成出力することにより、一連の処理を終了する。   Finally, a form is created and output (step S450). For a specific product or category, sales numbers, sales ranks, and shares are calculated for each of the participating stores and competing stores, and these are tabulated. A series of processing is completed by creating and outputting a form.
以上,本発明について実施例を用いて説明したが,本発明の技術的範囲は上記実施例に記載の範囲には限定されない。上記実施例に,多様な変更又は改良を加えることが可能であることが当業者に明らかである。その様な変更又は改良を加えた形態も本発明の技術的範囲に含まれ得ることが,特許請求の範囲の記載から明らかである。   As mentioned above, although this invention was demonstrated using the Example, the technical scope of this invention is not limited to the range as described in the said Example. It will be apparent to those skilled in the art that various modifications or improvements can be made to the above-described embodiments. It is apparent from the scope of the claims that the embodiments added with such changes or improvements can be included in the technical scope of the present invention.
POS端末10、20、30、POS管理サーバ100、POSデータ150、GISサーバ200、GISデータ250、売り上げ推計装置300、POSデータ処理部310、市場POSデータベース320、商圏POSデータベース330、分類算出部340、ターゲット入力部350、ターゲット算出部360、推計部370、売上推計データ390、クライアント410、420、430、
POS terminal 10, 20, 30, POS management server 100, POS data 150, GIS server 200, GIS data 250, sales estimation device 300, POS data processing unit 310, market POS database 320, trade area POS database 330, classification calculation unit 340 , Target input unit 350, target calculation unit 360, estimation unit 370, sales estimation data 390, clients 410, 420, 430,

Claims (5)

  1. POSシステムに基づいて生成された加入店舗毎の商品別売り上げを示す市場POSデータを格納し、前記加入店舗についてそれぞれ地域の区分を対応付けた市場POSデータベースと、
    前記加入店舗ごとに、店舗の性質についての複数の分類項目から1つをそれぞれ特定した複数の店舗特性を設定し、前記分類項目ごとに前記加入店舗をグループ化し、グループごとの商品別売り上げを集計した商圏POSデータを格納した商圏POSデータベースと、
    前記分類項目ごとに、前記グループごとの商品別売り上げについて、全体売り上げに対する相対的な値である分類別指数を求める分類算出手段と、
    ターゲット店舗を選択し、当該ターゲット店舗について店舗特性ごとに分類項目を入力するターゲット入力手段と、
    前記ターゲット入力手段によって入力された分類項目についての、前記分類算出手段によって算出された分類別指数を取得し、複数の店舗特性についてそれぞれ取得された分類別指数に基づいて、前記ターゲット店舗の商品別指数を算出するターゲット算出手段と、
    前記ターゲット店舗の属する地域の区分について、前記市場POSデータの商品別売り上げを特定し、当該商品別売り上げに前記ターゲット店舗の商品別指数を乗算することにより、商品別の推計売り上げを算出する推計手段を、
    備える売り上げ推計システム。
    Stores the market POS data indicating the sales by product for each participating store generated based on the POS system, and a market POS database that associates each of the participating stores with a region classification,
    For each of the participating stores, a plurality of store characteristics each specifying one of a plurality of classification items regarding the properties of the store are set, the participating stores are grouped for each of the classification items, and sales by product for each group are aggregated A trade area POS database storing stored trade area POS data;
    For each of the classification items, for the sales by product for each group, classification calculation means for obtaining an index by classification that is a relative value to the overall sales;
    A target input means for selecting a target store and inputting a classification item for each store characteristic for the target store;
    For each classification item input by the target input unit, the index for each category calculated by the category calculation unit is acquired, and based on the index for each category acquired for each of a plurality of store characteristics, A target calculation means for calculating an index;
    Estimating means for determining the sales by product of the market POS data for the division of the area to which the target store belongs, and calculating the estimated sales by product by multiplying the sales by product with the product index of the target store The
    A sales estimation system.
  2. 前記ターゲット算出手段は、複数の店舗特性についてそれぞれ取得された分類別指数の平均値、又は当該分類別指数について重み付けした値の平均値を、前記ターゲット店舗の商品別指数として算出する、請求項1に記載の売り上げ推計システム。   The target calculation means calculates an average value of classification indexes acquired for each of a plurality of store characteristics or an average value of values weighted for the classification indexes as the product index of the target store. The sales estimation system described in 1.
  3. 前記ターゲット入力手段は、前記ターゲット店舗の地理的位置を選択し、当該地理的位置に基づく商圏情報を求め、当該商圏情報に基づいて、前記ターゲット店舗の店舗特性について分類項目を判定入力する、請求項1に記載の売り上げ推計システム。   The target input means selects a geographical location of the target store, obtains commercial area information based on the geographical location, and determines and inputs classification items for store characteristics of the target store based on the commercial area information. Item 2. The sales estimation system according to item 1.
  4. 前記商圏情報は、前記地理的位置を基準にした周辺住民に関する統計値の集計値である、請求項3に記載の売り上げ推計システム。   The sales estimation system according to claim 3, wherein the trade area information is an aggregate value of statistical values related to neighboring residents based on the geographical position.
  5. 複数の商品ごとに区分されたカテゴリー別の売り上げの推定が指定された場合に、当該カテゴリー別の売り上げを算出するカテゴリー算出手段をさらに備え、
    前記カテゴリー算出手段は、
    前記ターゲット入力手段によって入力された前記ターゲット店舗の規模に基づいて、
    前記カテゴリーについて集計すべき商品数を決定し、
    当該カテゴリーに属する商品から、売り上げ状況別に順位づけられたデータから、前記決定された商品の数だけ集計用商品を決定し、
    当該集計用商品ごとの前記推定手段によって算出された推定売上を合算することにより、
    前記カテゴリー別の売り上げを算出する、請求項1に記載の売り上げ推計システム。


    When the estimation of sales by category divided by a plurality of products is designated, it further comprises a category calculating means for calculating the sales by category,
    The category calculating means includes
    Based on the scale of the target store input by the target input means,
    Determine the number of products to be aggregated for the category,
    From the products that belong to the category, from the data ranked by sales situation, determine the products for aggregation by the number of the determined products,
    By adding the estimated sales calculated by the estimation means for each product for aggregation,
    The sales estimation system according to claim 1, wherein the sales for each category are calculated.


JP2017131300A 2017-07-04 2017-07-04 Sales estimation system Active JP6473194B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2017131300A JP6473194B2 (en) 2017-07-04 2017-07-04 Sales estimation system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2017131300A JP6473194B2 (en) 2017-07-04 2017-07-04 Sales estimation system

Publications (2)

Publication Number Publication Date
JP2019016057A true JP2019016057A (en) 2019-01-31
JP6473194B2 JP6473194B2 (en) 2019-02-20

Family

ID=65357867

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017131300A Active JP6473194B2 (en) 2017-07-04 2017-07-04 Sales estimation system

Country Status (1)

Country Link
JP (1) JP6473194B2 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020158475A1 (en) 2019-01-31 2020-08-06 三菱ケミカル株式会社 (meth)acrylic copolymer, pressure-sensitive adhesive composition, pressure-sensitive adhesive, and pressure-sensitive adhesive sheet

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07253964A (en) * 1994-03-16 1995-10-03 Hitachi Ltd Method and system for estimating market demand
JPH10240799A (en) * 1997-02-27 1998-09-11 Nri & Ncc Co Ltd Support device for new store opening evaluation
JP2016167149A (en) * 2015-03-09 2016-09-15 Kddi株式会社 Program, equipment, and method that estimate number of persons with which contract is expected to be made at shop according to market area

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07253964A (en) * 1994-03-16 1995-10-03 Hitachi Ltd Method and system for estimating market demand
JPH10240799A (en) * 1997-02-27 1998-09-11 Nri & Ncc Co Ltd Support device for new store opening evaluation
JP2016167149A (en) * 2015-03-09 2016-09-15 Kddi株式会社 Program, equipment, and method that estimate number of persons with which contract is expected to be made at shop according to market area

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020158475A1 (en) 2019-01-31 2020-08-06 三菱ケミカル株式会社 (meth)acrylic copolymer, pressure-sensitive adhesive composition, pressure-sensitive adhesive, and pressure-sensitive adhesive sheet

Also Published As

Publication number Publication date
JP6473194B2 (en) 2019-02-20

Similar Documents

Publication Publication Date Title
JP5337174B2 (en) Demand prediction device and program thereof
JP5414562B2 (en) Information processing apparatus and information processing system
US20190385213A1 (en) System for presenting items in online environment based on previous item selections
JP2013012168A (en) Sales promoting plan support system and its program
JPWO2017163277A1 (en) Information processing system, information processing method, and information processing program
WO2018207259A1 (en) Information processing system, information processing device, prediction model extraction method, and prediction model extraction program
JP2002279279A (en) Commodity recommendation system, commodity recommendation method and commodity recommendation program
CN106104611A (en) Buy information application system and buy information application method and program
KR20170118297A (en) Method for recommending product based on weather information
JP2017102859A (en) Information provision device, client for management, information provision method, and program
Pernot Internet shopping for Everyday Consumer Goods: An examination of the purchasing and travel practices of click and pickup outlet customers
JP6473194B2 (en) Sales estimation system
CN110570233A (en) User buyback time prediction method and device for e-commerce platform
JP2009205365A (en) System, method and program for optimizing inventory management and sales of merchandise
JP2009169698A (en) Sales information analysis device
Mamiya et al. Susceptibility to price discounting of soda by neighbourhood educational status: an ecological analysis of disparities in soda consumption using point-of-purchase transaction data in Montreal, Canada
JP2016177583A (en) Traffic line processing system and traffic line processing method
Schön et al. Market-oriented service network design when demand is sensitive to congestion
JP2018139036A (en) Analysis device
WO2015159409A1 (en) Information delivery device and information delivery method
CN110570271A (en) information recommendation method and device, electronic equipment and readable storage medium
WO2019169050A1 (en) Inventory placement recommendation system
WO2021065291A1 (en) Product recommendation system, product recommendation method, and program
JP2013246503A (en) Merchandise recommendation method and server device
JP5638115B2 (en) User behavior analysis device

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20170906

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20180913

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20181011

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20181204

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20190107

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20190124

R150 Certificate of patent or registration of utility model

Ref document number: 6473194

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150