JP2020035035A - データ分析装置、データ分析システム、データ分析方法およびプログラム - Google Patents

Abstract

【課題】地図上に設定された地点に対する訪問率が特徴的なエリアを特定することができるデータ分析装置、データ分析システム、データ分析方法およびプログラムを提供する。【解決手段】地図上に設定された地点の商圏を分析するデータ分析装置は、地図上の所定の領域ごとに、当該領域において活動する顧客の地点に対する訪問率を算出する訪問率算出部と、地点からの距離ごとに、当該距離において活動する顧客の地点に対する平均訪問率を算出する平均算出部と、訪問率算出部が算出した地図上の所定の領域ごとの訪問率、および平均算出部が算出した平均訪問率に基づいて、地図上の所定の領域ごとに推定される地点に対する訪問率を評価する評価部と、評価した結果を出力する出力部と、を備える。【選択図】図１

Description

本開示は、データ分析装置、データ分析システム、データ分析方法およびプログラムに関する。

近年、通信ネットワークを介して得られる多量の商品やサービスの売上、顧客の訪問率に関する情報などを利用して、販売戦略や出店戦略を立てるための商圏分析が行われている。例えば、特許文献１には、インターネットを通じて提供される地図アプリケーションを利用して、ユーザにとってより分かりやすい商圏分析を可能にするシステムが開示されている。

特開平１０−３０７８６８号公報

しかしながら、特許文献１に記載されたシステムでは、地図データ上で対象地域を選択し、選択した対象地域ごとに、店舗における売り上げの状況を示しているだけであって、売り上げに影響を与えている特徴的な地域に焦点を当てるような商圏分析を行うことは困難である。

そこで、本開示は、上記課題を解決すべくなされたものであって、その目的は、地図上に設定された地点に対する訪問率が特徴的なエリアを特定することができるデータ分析装置、データ分析システム、データ分析方法およびプログラムを提供することである。

上記目的を達成するため、本開示の第１の観点に係るデータ分析装置は、地図上に設定された地点の商圏を分析する装置であって、地図上の所定の領域ごとに、当該領域において活動する顧客の地点に対する訪問率を算出する訪問率算出部と、地点からの距離ごとに、当該距離において活動する顧客の地点に対する平均訪問率を算出する平均算出部と、訪問率算出部が算出した地図上の所定の領域ごとの訪問率、および平均算出部が算出した平均訪問率に基づいて、地図上の所定の領域ごとに推定される地点に対する訪問率を評価する評価部と、評価した結果を出力する出力部と、を備える。

また、上記目的を達成するため、本開示の第２の観点に係るデータ分析システムは、地図上に設定された地点の商圏を分析するシステムであって、地図上の所定の領域ごとに、当該領域において活動する顧客の地点に対する訪問率を算出する訪問率算出部と、地点からの距離ごとに、当該距離において活動する顧客の地点に対する平均訪問率を算出する平均算出部と、訪問率算出部が算出した地図上の所定の領域ごとの訪問率、および平均算出部が算出した平均訪問率に基づいて、地図上の所定の領域ごとに推定される地点に対する訪問率を評価する評価部と、評価した結果を出力する出力部と、を備える。

また、上記目的を達成するため、本開示の第３の観点に係るデータ分析方法は、地図上に設定された地点の商圏を分析する方法であって、地図上の所定の領域ごとに、当該領域において活動する顧客の地点に対する訪問率を算出するステップと、地点からの距離ごとに、当該距離において活動する顧客の地点に対する平均訪問率を算出するステップと、訪問率算出部が算出した地図上の所定の領域ごとの訪問率、および平均算出部が算出した平均訪問率に基づいて、地図上の所定の領域ごとに推定される地点に対する訪問率を評価するステップと、評価した結果を出力するステップと、を備える。

また、上記目的を達成するため、本開示の第４の観点に係るプログラムは、上述のデータ分析方法をコンピュータに実行させる。

本開示によれば、地図上に設定された訪問地に対する特徴的な地域を分析することができる。

本実施形態に係るデータ分析システム１の構成図である。 顧客端末１００の機能構成の一例を示す機能ブロック図である。 サーバ装置３００の機能構成の一例を示すブロック図である。 顧客情報３２３の一例を示す図である。 位置情報３２４の一例を示す図である。 住所の推定の一例を示す図である。 訪問地が設定された地図を示す図である。 領域Ａ１及びＡ２の訪問率の一例を示す図である。 領域Ａ３及びＡ４の訪問率の一例を示す図である。 出力結果の一例を示す図である。 サーバ装置３００の処理の流れを示すフローチャートである。 訪問地からの距離と訪問率とを示したグラフの具体例である。 特徴領域について、訪問地からの距離と訪問率とを示したグラフの具体例である。 サーバ装置３００のハードウェア構成を示すブロック図である。

以下、本開示の実施形態について図面を参照して説明する。実施形態を説明する全図において、共通の構成要素には同一の符号を付し、繰り返しの説明を省略する。なお、以下に説明する実施形態は、特許請求の範囲に記載された本開示の内容を不当に限定するものではない。また、実施形態に示される構成要素のすべてが、本開示の必須の構成要素であるとは限らない。

＜実施の形態＞
本実施形態に係るデータ分析システム１は、地図上に設定された訪問地の商圏を分析するためのシステムである。商圏分析とは、例えば、ある店舗にどの地域から顧客が来ているのか、ある地域でどのような商品やサービスが売れるのかといったことを分析することであり、出店戦略や販売戦略を検討する際に行われる。

本実施形態では、ある地点（例えば、店舗）に対する訪問率が特徴的なエリアを特定する。一般的に、店舗からの距離と訪問率とは相関があり、店舗から離れたエリアの住民ほど訪問率が下がることが知られている。しかしながら、実際には、地域の交通事情（例えば、高速道路へのアクセスの良さ）や、周辺施設等の状況（例えば、競合店舗の存在）により、このような相関関係にない訪問率を示すエリアがある。そこで、本実施形態では、このような訪問率を示す特徴的なエリアを、平均訪問率との関係に基づいて特定する。これにより、データ分析者に当該エリアを特に分析が必要なエリアとして提示し、出店戦略や販売戦略のための戦略マップとして利用させることができる。

図１は、本実施形態に係るデータ分析システム１の構成図である。図１を参照して、データ分析システム１の構成およびその概要について説明する。

図１において、データ分析システム１は、地図上に設定された地点の商圏を分析するためのシステムであって、複数の顧客端末１００と、情報処理端末２００と、サーバ装置３００と、を備える。サーバ装置３００は、ネットワークＮＷを介して、複数の顧客端末１００及び情報処理端末２００と通信可能に接続される。ネットワークＮＷは、例えばＷＡＮ（World Area Network）である。ここで、地図上に設定される地点とは、例えば、ショッピングセンターや、スーパーマーケット、百貨店等の店舗などであるが、これに限られず、観光地や、図書館や病院などの公共施設、または駅などの交通機関であってもよい。なお、以下の説明では、商圏分析の対象となる地点を、訪問地と言い換えて記載する場合がある。

顧客端末１００は、顧客によって利用される情報処理端末であって、顧客端末１００は、例えば、スマートフォンやタブレット端末等によって実現される。なお、本実施形態では、顧客とは、データ分析システム１において利用する位置情報をサーバ装置３００に取得させるプログラム（例えば、スマートフォン専用のアプリ）をインストールした情報処理端末を保有する者のことをいうが、これに限られず、サーバ装置３００が端末自体の位置情報を取得できるのであれば、どのような形態であってもよく、上述のような店舗等の会員や常連客、一度しか訪れていない客、サービスや商取引は行わず立ち寄っただけの客なども含めて良い。

顧客端末１００は、顧客端末１００にインストールされたプログラム（例えば、スマートフォン専用のアプリ）を介して、位置情報を継続的に取得する。例えば、ＧＰＳ（Global Positioning System）を利用して、自装置が存在する位置を示す情報である位置情報を検知する。そして、顧客端末１００は、例えば、サーバ装置３００の要求に従い、検知した位置情報をサーバ装置３００に継続的に送信する。

情報処理端末２００は、商圏分析を行うユーザによって利用される情報処理端末であって、例えば、スマートフォンやタブレット端末、ＰＣ（Personal Computer）等によって実現される。情報処理端末２００は、商圏分析を行うユーザの操作を受けて、例えば、ブラウザのアプリケーションプログラムを起動し、当該ユーザにより設定される訪問地（商圏分析の対象となる地点）を示す情報を、サーバ装置３００に送信する。なお、情報処理端末２００は、図１に図示した数に限られず、複数台であってもよい。

サーバ装置３００は、地図上に設定された地点に対する訪問率が特徴的なエリアを特定するデータ分析装置に相当するサーバ装置である。サーバ装置３００は、情報処理端末２００から、訪問地を示す情報を取得すると、顧客端末１００から受信した位置情報に基づいて訪問率を算出する。そして、訪問率が特徴的なエリア（特徴領域）を特定し、地図上に特徴領域を重ねて出力して情報処理端末２００へ送信する。この際、訪問率が平均訪問率を外れている度合いをスコアなどで評価し、当該スコアを出力してもよい。特徴領域の特定方法については後述する。

以上のように、訪問率が特徴的なエリアを地図上に重ねて表示することで、商圏分析を行うユーザは、当該エリアを、特に分析が必要なエリアとして容易に把握することができる。

図２は、顧客端末１００の機能構成の一例を示す機能ブロック図である。図２を参照して、顧客端末１００の機能構成について説明する。なお、本実施形態の顧客端末１００は、図２の構成要素（各部）の一部を省略した構成としてもよい。また、本実施形態の情報処理端末２００を、顧客端末１００と同様の機能構成としてもよく、情報処理端末２００の機能構成については説明を省略する。

顧客端末１００は、例えば、スマートフォンを含む携帯電話機や、タブレット端末や、ノート型ＰＣや、ＰＤＡ（Personal Digital Assistant）等の携帯端末である。また、顧客端末１００には、眼鏡型や時計型の情報処理端末であるウェアラブルデバイス（wearable device）も含まれる。さらに、顧客端末１００には、位置情報を取得するための情報処理機能を有する種々のスマート機器が含まれてもよい。例えば、顧客端末１００には、自動車などのスマートビークル（Smart vehicle）などが含まれてもよい。

図２において、顧客端末１００は、通信部１１０と、入力部１２０と、表示部１３０と、検知部１４０と、制御部１５０とを有する。

通信部１１０は、サーバ装置３００と、ネットワークＮＷを介した通信を行うための各種制御を行うものであり、その機能は、各種プロセッサ又は通信用ＡＳＩＣなどのハードウェアや、プログラムなどにより実現できる。

入力部１２０は、ユーザから各種操作を受け付ける入力インターフェイスである。例えば、入力部１２０は、顧客端末１００に備えられた操作キーやボタン、タッチパネル、音声入力のためのマイク等によって実現される。

表示部１３０は、各種情報を表示するための表示装置であって、例えば、液晶ディスプレイ等によって実現される。なお、顧客端末１００にタッチパネルが採用される場合には、入力部１２０の一部と表示部１３０とは一体化される。

検知部１４０は、顧客端末１００に関する各種情報を検知する。具体的には、検知部１４０は、顧客端末１００の物理的な状態を検知する。図２に示した例では、検知部１４０は、位置検知部１４１を有する。

位置検知部１４１は、顧客端末１００の現在位置を検知する。具体的には、位置検知部１４１は、衛星測位システムから送出される電波を受信し、受信した電波に基づいて顧客端末１００の現在位置を示す位置情報（例えば、緯度及び経度）を検知する。なお、位置検知部１４１は、異なる手法により位置情報を取得してもよい。例えば、顧客端末１００が駅改札や商店等で使用される非接触型ＩＣカードと同等の機能を備えている場合（もしくは、顧客端末１００が非接触型ＩＣカードの履歴を読み取る機能を備えている場合）、顧客端末１００によって駅での乗車料金の決済等が行われた情報とともに、使用された位置が記録される。位置検知部１４１は、この情報を検知し、位置情報として取得する。また、位置検知部１４１は、顧客端末１００が特定のアクセスポイントと通信を行う際に、アクセスポイントから取得可能な位置情報を検知してもよい。また、位置検知部１４１は、顧客端末１００がインターネットに接続された際の識別情報（ＩＰアドレス等）に基づいて、顧客端末１００が所在すると推定される位置を検知してもよい。

なお、検知部１４０は、位置検知部１４１に限られず、顧客端末１００の種々の状態を検知する各種機器を有してもよい。例えば、検知部１４０は、顧客端末１００の周囲の音を収集するマイクロフォンや、顧客端末１００の周囲の照度を検知する照度センサや、顧客端末１００の物理的な動きを検知する加速度センサ（又は、ジャイロセンサなど）や、顧客端末１００の周囲の湿度を検知する湿度センサや、顧客端末１００の所在位置における磁場を検知する地磁気センサ等を有してもよい。また、検知部１４０は、センサの機能を用いて、種々の情報を検知するようにしてもよい。例えば、検知部１４０は、加速度センサの機能を用いて、顧客端末１００を利用する顧客の歩行数を検知してもよい。また、検知部１４０は、加速度センサの機能を用いて、顧客端末１００が動作しているか、静止しているか、などを示す動作情報を一定時間ごとや、顧客端末１００が動作したタイミングごとに検知してもよい。

制御部１５０は、例えば、コントローラ（controller）であり、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、顧客端末１００内部の記憶装置に記憶されている各種プログラムがＲＡＭ（Random Access Memory)を作業領域として実行されることにより実現される。また、制御部１５０は、コントローラであり、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現される。

制御部１５０は、サーバ装置３００に顧客端末１００の位置情報を提供する処理を制御する。例えば、制御部１５０は、顧客端末１００の位置情報の提供処理を実現するためのプログラム（例えば、スマートフォン専用アプリ）を実行制御する。プログラムは、予め顧客端末１００にインストールされていてもよいし、顧客端末１００を保有する顧客による操作に従ってサーバ装置３００（または、各種プログラムを提供する外部サーバ）からダウンロードされ、顧客端末１００にインストールされてもよい。

制御部１５０は、以下に説明する情報処理の機能や作用を、ＲＡＭを作業領域として上述したプログラムを実行することにより、実現または実行する。

制御部１５０は、検知部１４０を制御することにより、検知部１４０によって検知される各種情報を位置情報として取得する。例えば、制御部１５０は、位置検知部１４１を制御することにより、位置情報として、顧客端末１００の位置情報と、位置情報が検知された時間に対応する時間情報を取得する。

また、制御部１５０は、位置情報として、通信部１１０が行う通信の状況に関する情報を取得してもよい。例えば、制御部１５０は、顧客端末１００と所定のアクセスポイントにおける相互の通信状況を取得してもよい。また、制御部１５０は、顧客端末１００が通話機能を有する場合には、通話が行われた時間や、通話先や、通話時間などの情報を取得してもよい。また、制御部１５０は、顧客端末１００が撮影機能を有する場合には、撮影が行われた時間や、撮影が行われた位置情報や、撮影時間などの情報を取得してもよい。そして、制御部１５０は、これらの情報に基づいて、顧客端末１００の位置情報を取得してもよい。

また、制御部１５０は、例えば、定期的（１分毎、３分毎、５分毎、１時間毎など）に位置情報を取得するようにしてもよい。また、制御部１５０が位置情報を取得するタイミングは、サーバ装置３００によって設定されてもよい。また、制御部１５０は、所定のイベントが発生するタイミングで位置情報を取得するようにしてもよい。例えば、制御部１５０は、所定のイベントとして、上述した非接触型ＩＣカード機能が利用されたときや、カメラ撮影が行われたときなどに応じて、位置情報を取得する。

また、制御部１５０は、通信部１１０に対し、取得した位置情報をサーバ装置３００に送信するよう制御する。例えば、通信部１１０は、制御部１５０の制御により、顧客端末１００を識別するための識別情報と、検知部１４０によって検知された位置情報と、かかる位置情報が検知された日時とをサーバ装置３００に送信する。このとき、制御部１５０は、位置情報を取得するたびに位置情報等をサーバ装置３００に送信してもよいし、所定の期間毎に位置情報等をサーバ装置３００に送信してもよい。例えば、制御部１５０は、通信部１１０に対し、定期的（１分毎、３分毎、５分毎、１時間毎など）に、位置情報をサーバ装置１００に送信するよう制御する。

図３は、サーバ装置３００の機能構成の一例を示すブロック図である。図３を参照して、サーバ装置３００の機能構成について説明する。

サーバ装置３００は、通信部３１０と、記憶部３２０と、制御部３３０とを有する。なお、サーバ装置３００は、サーバ装置３００を利用する管理者等から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示するための表示部（例えば、液晶ディスプレイ等）を有してもよい。

通信部３１０は、顧客端末１００や情報処理端末２００と、ネットワークＮＷを介した通信を行うための各種制御を行うものであり、その機能は、各種プロセッサ又は通信用ＡＳＩＣなどのハードウェアや、プログラムなどにより実現できる。

記憶部３２０は、例えば、ＲＡＭ、フラッシュメモリ等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。記憶部３２０は、地図情報３２１と、訪問地情報３２２と、顧客情報３２３と、位置情報３２４と、を有する。

地図情報３２１は、地図データを記憶する。地図データは、例えば、緯度と経度によって位置を特定することができる。また、地図データをメッシュ状に分割し、分割された各領域を識別する識別情報によって位置を特定してもよい。

訪問地情報３２２は、情報処理端末２００から送信された訪問地の情報を記憶する。訪問地の情報は、例えば、住所、訪問地を識別するＩＤ、緯度や経度などの訪問地の位置を示す位置情報である。また、地図情報３２１が記憶する地図データにおいて、メッシュ状に分割された各領域を識別する識別情報を位置情報として記憶してもよい。

顧客情報３２３は、顧客に関する情報を記憶する。位置情報３２４は、顧客の位置情報を記憶する。ここで、図４および図５を用いて、顧客情報３２３および位置情報３２４の一例について説明する。

図４は、顧客情報３２３の一例を示す図である。図４に示すように、顧客情報３２３は、「顧客ＩＤ」、「住所」等の項目を有する。

「顧客ＩＤ」は、顧客を識別する識別情報を示す。なお、本実施形態において、識別情報は、説明に用いる参照符号と一致するものとする。例えば、顧客ＩＤ「Ｃ１」で識別される顧客は、顧客Ｃ１を示す。

「住所」は顧客の自宅の住所であり、後述する推定部３３２によって推定される。なお、店舗の会員情報などにより、ユーザから入力された情報を用いてもよい。また、顧客情報は、住所に限らず、この他にも、年齢や勤務地、職業など、顧客に関する情報を含ませてもよい。すなわち、顧客に関する情報は、顧客が活動する領域を示す情報であって、例えば、顧客の住所（居住する領域）や、勤務先、休日によく行く場所など、顧客の出現率が高い場所、顧客のライフスタイルを表す場所であってもよい。なお、本実施形態では、顧客が居住する領域を、顧客が活動する領域として説明する。

図４において、顧客情報の住所は、「Ａ０１」のような概念で示しているが、実際には、具体的な情報によって示される。例えば、住所の項目は、地図データにおいて、メッシュ状に分割された領域を示す識別情報や、都道府県名や区市町村名等によって示される。

すなわち、図４では、顧客ＩＤ「Ｃ１」によって示される顧客Ｃ１の住所は「Ａ０１」であることを示している。

図５は、位置情報３２４の一例を示す図である。図５に示すように、位置情報３２４は、「端末ＩＤ」、「顧客ＩＤ」、「取得日時」、「位置情報」等の項目を有する。

「端末ＩＤ」は、顧客端末を識別する識別情報を示す。例えば、端末ＩＤ「１００−１」で識別される端末は、顧客端末１００−１を示す。

「取得日時」は、位置情報が顧客端末１００又はサーバ装置３００によって取得された日時を示す。なお、図５では、位置情報を２時間ごとや一日ごとに記憶している例を示しているが、実際には、より詳細な間隔（例えば、５分間隔）で位置情報が取得されてもよい。「位置情報」は、顧客端末１００の位置情報を示す。図５では、「位置情報」は、「ＡＡ０１」のような概念で示しているが、実際には、経度及び緯度などの実測値や、アクセスポイントの位置情報や、駅改札の位置などによって示されてもよい。また、地図データにおいて、分割された領域を示す識別情報でもよい。

すなわち、図５では、端末ＩＤ「１００−１」で識別される顧客端末１００−１は、顧客ＩＤ「Ｃ１」で識別される顧客Ｃ１に利用される端末であることを示している。また、位置情報の一例として、「２０１８年８月１日 ８：００」に取得された位置情報は、位置情報「ＡＡ０１」が示す位置に顧客端末１００−１が所在することを示している。また、位置情報の他の一例として、「２０１８年８月１日 １０：００」に取得された位置情報は、位置情報「ＡＡ０２」が示す位置に顧客端末１００−１が所在することを示している。

図３に戻って、制御部３３０について説明する。制御部３３０は、例えば、コントローラであり、ＣＰＵやＭＰＵ等によって、サーバ装置３００内部の記憶装置に記憶されている各種プログラム（判定プログラムの一例に相当）がＲＡＭを作業領域として実行されることにより実現される。また、制御部３３０は、コントローラであり、例えば、ＡＳＩＣやＦＰＧＡ等の集積回路により実現される。

制御部３３０は、取得部３３１と、推定部３３２と、訪問率算出部３３３と、平均算出部３３４と、特定部３３５と、出力部３３６と、を有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部３３０の内部構成は、図３に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。

取得部３３１は、各種情報を取得する。例えば、取得部３３１は、情報処理端末２００から訪問地の情報を取得し、訪問地情報３２２へ記憶させる。また、例えば、取得部３３１は、顧客端末１００が専用のアプリケーションやウェブサイトを利用した際の情報等によって顧客端末１００を特定し、特定した顧客端末１００から、顧客端末１００の位置情報を継続的に取得する。具体的には、取得部３３１は、位置情報として、顧客端末１００によって検知されたり、取得されたりした各種情報を取得する。取得部３３１は、所定の時間間隔で顧客端末１００から位置情報を取得し、取得した位置情報を記憶部３２０の位置情報３２４に記憶させる。

なお、取得部３３１は、後述する各処理部が利用する位置情報そのものを取得することを要しない。例えば、取得部３３１は、顧客端末１００から検出される情報に基づいて、顧客端末１００の位置情報を取得するようにしてもよい。具体的には、後述する訪問率算出部３３３が訪問率を算出する際に、顧客の居住する領域を示す情報を利用する場合であっても、取得部３３１は、顧客端末１００から顧客の居住する領域そのものを取得することを要しない。すなわち、取得部３３１は、顧客端末１００からは経度及び緯度によって示される位置情報を取得し、取得した経度及び緯度から検出される情報を、地図上の分割された領域を識別する識別情報に変換し、変換した情報を位置情報３２４に格納するようにしてもよい。

また、取得部３３１は、曜日情報を含めた日時情報とともに位置情報を取得するようにしてもよい。顧客の自宅を推定するには、例えば、顧客が平日の早朝に所在する位置や、平日の昼間に所在する位置や、休日に所在する位置など、日時や曜日との関係性が有用であると考えられる。このため、取得部３３１は、曜日情報を含めた日時情報とともに位置情報を取得することで取得する位置情報の情報量を高め、より精度の高い推定が行われるようにしてもよい。

また、取得部３３１は、必ずしも顧客端末１００が位置情報を取得した時間と同じ時間に位置情報を取得しなくてもよい。すなわち、取得部３３１は、リアルタイムに位置情報を取得するのではなく、処理に利用する際に、顧客端末１００の記憶部に記憶されている位置情報を取得するようにしてもよい。これにより、サーバ装置３００は、通信のための処理量を削減することができる。

また、取得部３３１は、位置情報として、顧客端末１００と他の装置における通信の状況を取得してもよい。具体的には、取得部３３１は、顧客端末１００がアクセスポイントを介してインターネットなどにアクセスしている通信状況を取得する。この場合、取得部３３１は、アクセスポイントとの通信状況から検出される情報を位置情報として取得する。具体的には、取得部３３１は、顧客端末１００と通信中のアクセスポイントの設置位置を割り出し、割り出したアクセスポイントの設置位置を、顧客端末１００の位置情報として取得するようにしてもよい。また、取得部３３１は、上述のように、駅改札の装置と顧客端末１００との通信を検出することで顧客端末１００の位置情報を取得したり、顧客端末１００のＩＰアドレスに基づいて位置情報を取得したりしてもよい。また、取得部３３１は、顧客のＳＮＳ（Social Networking Service）等により、位置情報を取得してもよい。

推定部３３２は、顧客の居住する領域を推定する。例えば、推定部３３２は、平日の早朝や夜における顧客端末１００の位置情報に基づいて、顧客端末１００を保有する顧客の自宅があると推定される地域を推定する。ここで、図６を用いて、顧客端末１００−１を保有する顧客Ｃ１の住所の推定の例について説明する。

図６は、住所の推定の一例を示す図である。図６において、地図６０は、メッシュ状に分割されている。地図６０の左上を原点として、縦に１、横に１の座標によって示される範囲を領域Ａ１１とする。同様に、地図６０の原点から数えて縦に２、横に１の座標によって示される範囲を領域Ａ１２、地図６０の原点から数えて縦に３、横に１の座標によって示される範囲を領域Ａ１３とする。

推定部３３２は、例えば図６に示すように、位置情報と照らして、顧客端末１００−１が存在する所定範囲を座標にマッピングする。地図６０では、顧客端末１００−１から取得される位置情報において、顧客端末１００−１が所在する確率の高い（すなわち、確率分布の高い）範囲をハッチングで示すものとする。なお、確率分布は、顧客に関して取得された位置情報の全情報における確率を示すものであってもよいし、特定の時間帯や曜日に絞った場合に、顧客が所定範囲に所在する確率を示すものであってもよい。

図６に示す例では、領域Ａ５５が、ハッチングで示される。これは、顧客端末１００−１が、領域Ａ５５が示す範囲内に比較的長い時間所在していることを示す。例えば、領域Ａ５５は、地図６０に示される範囲における顧客端末１００−１が所在する確率を示す確率分布において、所定の閾値を超える分布の値を示す範囲に対応する位置情報であることを示す。

さらに、推定部３３２は、位置情報３２４に格納された顧客端末１００−１の位置情報から、顧客端末１００−１が平日の早朝や夜、休日等に、領域Ａ５５が示す範囲に比較的多く所在すると判断する。この場合、推定部３３２は、領域Ａ５５が示す範囲が、顧客端末１００−１を保有する顧客Ｃ１の自宅住所が存在する範囲、すなわち、顧客が居住する領域であると推定する。

例えば、推定部３３２は、このような推定を行うための設定を予め受け付けておき、受け付けた設定と位置情報とを照合することにより、上記の推定処理を実行する。具体的には、推定部３３２は、所定範囲の確率分布が所定の閾値を超える場合に、当該範囲に顧客Ｃ１の住所が存在すると推定する。一例としては、推定部３３２は、取得した顧客端末１００−１の位置情報（例えば、期間を１週間として、朝６時から朝８時までの時間帯に絞って取得された顧客Ｃ１の位置情報）のうち、所定範囲に顧客Ｃ１が所在する確率を示す確率分布が「０．５（５０％）」を超える場合に、当該範囲に顧客Ｃ１の住所が存在すると推定する。

推定部３３２は、以上のようにして推定した顧客が居住する領域を顧客の住所として記憶部３２０の顧客情報３２３に記憶させる。上記では、推定部３３２によって推定される顧客が活動する領域の例として、顧客の住所を挙げたが、同様にして、顧客の勤務先等も推定することができる。すなわち、推定部３３２は、顧客が所定範囲に所在する確率に基づいて、顧客の頻出出現パターンを算出し、顧客のライフスタイルを表す場所を推定することができる。

なお、上述したように、本実施形態では、顧客が居住する領域を、顧客が活動する領域として記載する。

図３に戻って、訪問率算出部３３３は、地図上の所定の領域ごとに、情報処理端末２００から送信された地点（訪問地）に対する顧客の訪問率を算出する。

具体的には、訪問率算出部３３３は、顧客情報３２３に記憶された顧客の住所に基づいて、地図データの所定の領域に居住する顧客を抽出し、当該領域内に居住する顧客のうち、訪問地を訪れた顧客の割合を算出する。なお、所定の領域は、メッシュ状に分割した領域や、行政区画であってもよく、商圏分析を行うユーザが自由に設定することができる。

すなわち、商圏分析の対象地域を所定の領域で分割した領域Ａｉ（ｉ＝１〜ｎ：ｎは自然数）の顧客の訪問率は、次の式（１）で表すことができる。

（領域Ａｉの顧客の訪問率）＝（訪問地を訪れた、領域Ａｉに居住する顧客の数）／（領域Ａｉに居住する顧客の数） … 式（１）

ここで、ある顧客が訪問地を訪れたか否かは、取得した当該顧客の位置情報から判断する。例えば、訪問率算出部３３３は、位置情報３２４に基づいて、当該顧客の位置情報が示す位置が、訪問地の存在する領域に含まれているかを判断する。この際、位置情報が検知された日時に基づいて、所定時間以上（例えば、３０分以上など）、顧客の位置が訪問地の存在する領域に含まれている場合を、顧客が訪問地を訪れたと判断してもよい。また、ある顧客について取得した位置情報の全データに対する、訪問地の存在する領域に含まれている位置情報のデータ数の割合が所定の閾値以上である場合を、顧客が訪問地を訪れたと判断してもよい。

平均算出部３３４は、訪問地からの距離ごとの顧客の平均訪問率を算出する。具体的には、平均算出部３３４は、顧客情報３２３に記憶された顧客の住所に基づいて、訪問地から所定の距離に居住する顧客を抽出し、当該顧客のうち訪問地を訪れた顧客の割合を、当該距離における平均訪問率として算出する。

すなわち、商圏分析の対象地域において、訪問地からの距離Ｒｉ（ｉ＝１〜ｍ：ｍは自然数）の平均訪問率は、次の式（２）で表すことができる。

（距離Ｒｉの顧客の平均訪問率）＝（訪問地を訪れた、訪問地から距離Ｒｉに居住する顧客の数）／（距離Ｒｉに居住する顧客の数） … 式（２）

ここで、図７を用いて、訪問率算出部３３３が算出する領域ごとの顧客の訪問率および平均算出部３３４が算出する距離ごとの顧客の平均訪問率について具体的に説明する。

図７は、訪問地が設定された地図を示す図である。図７において示される地図６０は、図６で説明した地図６０と同じであるため、繰り返しの説明は省略する。

図７に示すように地図６０において訪問地Ｐが設定されると、訪問率算出部３３３は、各領域Ａ１１，Ａ１２，…，Ａ３１，…，Ａ６５，…に居住する顧客のうち、訪問地Ｐを訪れた顧客の割合を訪問率として算出する。すなわち、訪問率算出部３３３は、顧客情報３２３に記憶された顧客の住所に基づいて、各領域に居住する顧客を抽出し、当該顧客の位置情報から、訪問地Ｐを訪れた顧客の割合を算出する。

また、平均算出部３３４は、訪問地Ｐから距離ｒ１，ｒ２，ｒ３，…の位置にある同心円Ｒ１，Ｒ２，Ｒ３，…上に居住する顧客のうち、訪問地Ｐを訪れた顧客の割合を、その距離における平均訪問率として算出する。

本実施形態では、以上のようにして算出された訪問率に基づいて、後述する特定部３３５が、特徴領域を特定する。具体的には、ある領域における訪問率が、訪問地からその領域までの距離における訪問率（平均訪問率）と比較し、有意な差があれば、その領域を特徴領域として特定する。図７の例では、領域Ａ３１（訪問地Ｐからの距離がｒ３）の訪問率と、同心円Ｒ３（訪問地Ｐから距離がｒ３）上の訪問率（平均訪問率）とを比較する。また、図７の他の例では、領域Ａ６５（訪問地Ｐからの距離がｒ２）の訪問率と、同心円Ｒ２（訪問地Ｐからの距離がｒ２）上の訪問率（平均訪問率）とを比較する。すなわち、ある領域の訪問率は、当該領域に含まれる同心円上の平均訪問率と比較される。

図３に戻って、特定部３３５は、訪問率を評価する評価部（不図示）の一機能に相当する。具体的には、特定部３３５は、上述したように算出された訪問率に基づいて、地図上の所定の領域ごとに所定の信頼度（例えば、９５％）の信頼区間で訪問率を推定する。そして、推定された訪問率の信頼区間に基づいて、特徴領域を特定する。具体的には、各領域において推定される訪問率の信頼区間が、訪問地から当該領域までの距離における平均訪問率を外れている特徴領域を特定する。

信頼区間に基づいた特徴領域の特定を行うのは、以下の理由による。すなわち、商圏分析において、ある領域の全住民を対象として訪問率の調査を行うことは現実的ではないため、一般的には標本調査が行われる。しかしながら、標本としてどの住民を抽出したかによって訪問率は異なるため、上述のように訪問率算出部３３３が算出した、ある領域における顧客の訪問率の値のみから、ある領域における全住民の訪問率であると断定することは、正確さに欠ける。そこで、本実施形態では、ある幅（信頼区間）をもった訪問率を算出する。すなわち、「ある信頼度（例えば、９５％）で訪問率がその区間に存在する」として訪問率を推定する。（区間の小さい方の端点を「信頼下限」、大きい方の端点を「信頼上限」と呼ぶ。）このように、算出した訪問率に精度を与えることで、算出結果を的確に評価することができるようになる。

なお、本実施形態では、信頼区間を求める手法として、Wilsonのスコア法を用いるが、この他にも、Wald法（正規分布）、Clopper-Pearsonの正確法（Ｆ分布）、Agresti-Coull法（調整Wald法）、Jeffeys法などを用いることができる。なお、これらは公知の手法であるから、詳細な説明は省略する。

図８および図９を用いて、特徴領域の特定についてさらに説明する。

図８は、領域Ａ１及びＡ２の訪問率の一例を示す図である。図８において、領域Ａ１およびＡ２は、訪問地から同じ距離ｒにある領域であり、領域Ａ１，Ａ２の訪問率の信頼区間８１，８２（例えば、信頼度９５％）、および、距離ｒにおける平均訪問率が示されている。

ここで、平均訪問率は、領域Ａ１の訪問率の信頼区間８１に含まれている。この場合、推定結果と一致しているため、本実施形態では、領域Ａ１の訪問率は、有意な差がないと判断することとする。同様に、平均訪問率は、領域Ａ２の訪問率の信頼区間８２に含まれているため、領域Ａ２の訪問率は、有意な差がないと判断する。

すなわち、領域Ａ１およびＡ２は、訪問率に有意な差がなく、特徴領域ではないと判断する。

図９は、領域Ａ３及びＡ４の訪問率の一例を示す図である。図９において、領域Ａ３およびＡ４は、訪問地から同じ距離ｒにある領域であり、領域Ａ３，Ａ４の訪問率の信頼区間９１，９２（例えば、信頼度９５％）、および、距離ｒにおける平均訪問率が示されている。

ここで、領域Ａ３の訪問率の信頼区間９１および領域Ａ４の訪問率の信頼区間９２は、ともに平均訪問率から外れている。すなわち、信頼区間９１については、信頼下限が平均訪問率を超えており、信頼区間９２については、信頼上限が平均訪問率を超えていない。この場合、推定結果と一致していないため、本実施形態では、領域Ａ３およびＡ４の訪問率は、有意な差があると判断し、領域Ａ３およびＡ４を、特徴領域とする。なお、信頼下限が平均訪問率を超えている場合は、その領域から訪問地を訪れる人が平均よりも多いことを意味している。また、信頼上限が平均訪問率を超えていない場合は、その領域から訪問地を訪れる人が平均よりも少ないことを意味している。

上述のように、特定部３３５は、所定の領域ごとに推定される訪問率の信頼区間が、訪問地から当該領域までの距離における平均訪問率を外れているか否かで特徴領域を特定する。

また、特定部３３５は、平均訪問率が信頼区間から外れている度合いを示す特徴スコアを計算する計算部（不図示）を含んでもよい。そして、特徴スコアに基づいて、特徴領域を特定する。

例えば、訪問地から距離Ｒにある領域Ａの訪問率と、距離Ｒの平均訪問率についての特徴スコアは、次の式で表すことができる。

（特徴スコア）＝
（領域Ａの訪問率の信頼下限）／（距離Ｒの顧客の平均訪問率）…（信頼下限＞平均訪問率の場合）
（領域Ａの訪問率の信頼上限）／（距離Ｒの顧客の平均訪問率）…（信頼上限＜平均訪問率の場合）
１…（上記いずれでもない場合）

例えば、平均訪問率が０．５０、信頼度９５％で推定された訪問率が０．３５（信頼下限）＜（訪問率）＜０．４２（信頼上限）の場合、信頼上限は平均訪問率未満であるから、特徴スコアは、０．８４（＝０．４２／０．５０）である。また、平均訪問率が０．２８、０．２４（信頼下限）＜（訪問率）＜０．３２（信頼上限）の場合は、特徴スコアは１である。

なお、特徴スコアは、上記の算出方法に限られず、次のように算出してもよい。
（特徴スコア）＝
（領域Ａの訪問率の信頼下限）／（距離Ｒの顧客の平均訪問率）の対数…（信頼下限＞平均訪問率の場合）
（領域Ａの訪問率の信頼上限）／（距離Ｒの顧客の平均訪問率）の対数…（信頼上限＜平均訪問率の場合）
０…（上記いずれでもない場合）

特定部３３５は、上述のように算出された特徴スコアにより有意差を判定し、特徴スコアの値に基づいて、特徴領域を特定してもよい。

図３に戻って、出力部３３６は、以上のように特定された特徴領域および／または特徴スコアを出力する。例えば、出力部３３６は、記憶部３２０に記憶された地図情報３２１の地図データに特徴領域を重ね合わせ、通信部３１０を介して、情報処理端末２００に送信する。情報処理端末２００のユーザは、送信された地図データに重ね合わされた特徴領域や特徴スコアにより、特に分析が必要なエリアがどこかを容易に把握することができる。

図１０は、出力結果の一例を示す図である。図１０の地図６０は、図７で説明した図と同じものであり、特徴領域には、ハッチングがされている。例えば、領域Ａ４１，５１，２６，３６には、薄いハッチング、領域Ａ１３，Ａ７４には濃いハッチングがされている。薄いハッチングは、信頼下限が平均訪問率を超えている、すなわち、平均よりも多い人数が訪問地Ｐを訪れていることを意味している。濃いハッチングは、信頼上限が平均訪問率を超えていない、すなわち、平均よりも少ない人数しか訪問地Ｐを訪れていないことを意味している。このような特徴領域の提示から、データ分析者は、販売戦略を考える際に、領域Ａ２６，Ａ３６や領域Ａ４１，５１は駅に近いのが要因ではないか、領域Ａ１３やＡ７４は競合店が存在するのではないか、などの仮説を立てやすくなる。

このように、特徴領域を提示することにより、訪問率に影響を与える何らかの要因が存在するとの仮説を立てやすくなる。例えば、そのような特徴領域には、競合する店舗が存在するため、訪問率が低かったり、高速道路へのアクセスがよいため、遠方の店舗であっても訪問率が高かったり、などの要因が存在すると考えられる。商圏分析の際、ユーザは特徴領域が提示されることにより、その領域特有の事情についてより注意深く分析するきっかけを得ることができる。

図１１は、サーバ装置３００の処理の流れを示すフローチャートである。図１１を参照して、サーバ装置３００における処理の流れを説明する。なお、図１１で示す処理は、サーバ装置３００の処理の一例である。サーバ装置３００の処理として、この他にも、上述したサーバ装置３００の各機能構成の処理を組み合わせてもよい。

ステップＳ１０１において、取得部３３１は、通信部３１０が、顧客端末１００から位置情報を受信したかを判断する。位置情報を受信していないと判断した場合（ステップＳ１０１において、Ｎ）、処理はステップＳ１０１に戻る。

一方、位置情報を受信したと判断した場合（ステップＳ１０１において、Ｙ）、ステップＳ１０２において、取得部３３１は、通信部３１０から位置情報を取得し、記憶部３２０の位置情報３２４に記憶させる。

ステップＳ１０３において、取得部３３１は、通信部３１０が、情報処理端末２００から商圏分析の対象である訪問地の情報を受信したかを判断する。訪問地の情報を受信していないと判断した場合（ステップＳ１０３において、Ｎ）、処理はステップＳ１０１に戻る。

一方、訪問地の情報を受信したと判断した場合（ステップＳ１０３において、Ｎ）、ステップＳ１０４において、訪問率算出部３３３は、地図上の所定の領域ごとに、訪問地に対する、当該領域に居住する顧客の訪問率を算出する。なお、推定部３３２は、訪問率を算出する際に顧客の居住する領域を推定してもよいし、所定期間において取得した位置情報に基づいて予め顧客の居住する領域を推定し、顧客情報３２３に記憶させておいてもよい。また、当該領域に居住する顧客ではなく、当該領域に勤務する顧客や、休日によく滞在する顧客など、顧客情報３２３に記憶された顧客に関する情報（顧客の活動する領域）に基づいて、顧客の属性によって訪問率を算出することもできる。

ステップＳ１０５において、平均算出部３３４は、訪問地からの距離ごとに、当該距離における顧客の訪問地に対する平均訪問率を算出する。

ステップＳ１０６において、特定部３３５は、特徴領域を特定する。すなわち、所定の領域ごとに算出した顧客の訪問率に基づいて、当該領域において所定の信頼度で訪問率を推定する。そして、推定した訪問率の信頼区間が、訪問地から当該領域までの距離における平均訪問率を外れている場合、特徴領域として特定する。

ステップＳ１０７において、出力部３３６は、ステップＳ１０６において特定された特徴領域を出力する。例えば、出力部３３６は、地図情報３２１に記憶された地図データに特定領域を重ね合わせ、通信部３１０を介して、情報処理端末２００に送信する。

図１２は、訪問地からの距離と訪問率とを示したグラフの具体例である。図１２において、縦軸は訪問率、横軸は訪問地からの距離を示し、符号１０は、各距離における平均訪問率を示している。また、符号１１が示す「▲」は、ある領域における訪問率の信頼上限、符号１２が示す「▼」は、ある領域における訪問率の信頼下限を示している。

すなわち、図１２に示すグラフにおいて、信頼上限「▲」および信頼下限「▼」は、領域ごとにペアとなって表示される。平均訪問率が信頼区間に含まれているものもあれば、平均訪問率が信頼区間から外れているものもあることが分かる。

図１３は、特徴領域について、訪問地からの距離と訪問率とを示したグラフの具体例である。図１３において、縦軸は訪問率、横軸は訪問地からの距離を示し、符号２０は、各距離における平均訪問率を示している。また、符号２１が示す「▲」は、ある特徴領域における訪問率の信頼上限、符号２２が示す「▼」は、ある特徴領域における訪問率の信頼下限を示している。

図１３に示すグラフは、特徴領域について示したものであるから、図１２に示したグラフと異なり、信頼上限「▲」が平均訪問率を超えない、または、信頼下限「▼」が平均訪問率を超えているものが示されている。

なお、図１３では、所定の信頼度で推定した平均訪問率を示している。すなわち、符号３０は平均訪問率の信頼上限、符号４０は平均訪問率の信頼下限を示している。例えば、訪問率の信頼上限が、平均訪問率の信頼下限を超えない場合に有意な差が存在する、と判断するようにしてもよい。平均訪問率にも精度を与えることで、より正確な推定結果を提示することができる。

（ハードウェア構成図）
図１４は、サーバ装置３００のハードウェア構成を示すブロック図である。サーバ装置３００は、コンピュータ４０１に実装される。コンピュータ４０１は、ＣＰＵ４０２と、主記憶装置４０３と、補助記憶装置４０４と、インターフェイス４０５と、を備える。

サーバ装置３００の各構成要素の動作は、プログラムの形式で補助記憶装置４０４に記憶されている。ＣＰＵ４０２は、プログラムを補助記憶装置４０４から読み出して主記憶装置４０３に展開し、当該プログラムに従って上記処理を実行する。また、ＣＰＵ４０２は、プログラムに従って、記憶領域を主記憶装置４０３に確保する。当該プログラムは、具体的には、コンピュータ４０１に、地図上に設定された地点の商圏を分析させるデータ分析プログラムである。

なお、補助記憶装置４０４は、一時的でない有形の媒体の一例である。一時的でない有形の媒体の他の例としては、インターフェイス４０５を介して接続される磁気ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、半導体メモリ等が挙げられる。また、このプログラムがネットワークを介してコンピュータ４０１に配信される場合、配信を受けたコンピュータ４０１が当該プログラムを主記憶装置４０３に展開し、処理を実行しても良い。

また、当該プログラムは、前述した機能の一部を実現するためのものであっても良い。さらに、当該プログラムは、前述した機能を補助記憶装置４０４に既に記憶されている他のプログラムとの組み合わせで実現するもの、いわゆる差分ファイル（差分プログラム）であっても良い。なお、図１４に示したハードウェア構成は、顧客端末１００、および情報処理端末２００も同様の構成としてもよい。これらの装置における各構成要素の動作も、上述のサーバ装置３００と同様に、補助記憶装置に記憶されたプログラムに従ったＣＰＵにより実現する。

（効果の説明）
上述したように、本実施形態に係るデータ分析システムは、地図上に設定された訪問地に対する訪問率を評価し、訪問率が特徴的なエリアを特定する。一般的に、店舗からの距離と訪問率とは相関があり、店舗から離れたエリアの住民ほど訪問率が下がることが知られている。しかしながら、実際には、地域の交通事情や、周辺施設等の状況により、このような相関関係にない訪問率を示すエリアがある。そこで、本実施形態では、このような訪問率を示す特徴的なエリアを、平均訪問率との関係に基づいて特定する。

これにより、データ分析者に当該エリアを特に分析が必要なエリアとして提示し、出店戦略や販売戦略のための戦略マップとして利用させることができる。また、データ分析者は、特に分析が必要なエリアを容易に把握することができるため、単に訪問率の状況が提示されるよりも、出店戦略などを立てやすくなる。

本実施形態では、信頼区間に基づいた特徴領域の特定を行う。すなわち、商圏分析において、ある領域の全住民を対象として訪問率の調査を行うことは現実的ではないため、一般的には標本調査が行われる。しかしながら、標本としてどの住民を抽出したかによって訪問率は異なるため、ある領域における顧客の訪問率の値のみから、ある領域における全住民の訪問率であると断定することは、正確さに欠ける。そこで、本実施形態では、所定の信頼度で訪問率を算出し、算出した訪問率に精度を与えることで、算出結果を的確に評価することができるようになる。したがって、精度保証された商圏分析によって、ユーザはより有用な出店戦略、販売戦略を立てることができる。

また、本実施形態では、特徴スコアに基づいて特徴領域の特定を行う。特徴スコアにより、どの程度有意差があるのか判断することができ、より精度の高い商圏分析を実行することが可能である。

本実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものとする。

１ データ分析システム、１００ 顧客端末、２００ 情報処理端末、１１０ 通信部、１２０ 入力部、１３０ 表示部、１４０ 検知部、１４１ 位置検知部、１５０ 制御部、３００ サーバ装置、３１０ 通信部、３２０ 記憶部、３２１ 地図情報、３２２ 訪問地情報、３２３ 顧客情報、３２４ 位置情報、３３０ 制御部、３３１ 取得部、３３２ 推定部、３３３ 訪問率算出部、３３４ 平均算出部、３３５ 特定部、３３６ 出力部、４０１ コンピュータ、４０２ ＣＰＵ、４０３ 主記憶装置、４０４ 補助記憶装置、４０５ インターフェイス

Claims (13)

1. 地図上に設定された地点の商圏を分析するデータ分析装置であって、
   前記地図上の所定の領域ごとに、当該領域において活動する顧客の前記地点に対する訪問率を算出する訪問率算出部と、
   前記地点からの距離ごとに、当該距離において前記活動する顧客の前記地点に対する平均訪問率を算出する平均算出部と、
   前記訪問率算出部が算出した前記地図上の所定の領域ごとの前記訪問率、および前記平均算出部が算出した前記平均訪問率に基づいて、前記地図上の前記所定の領域ごとに推定される前記地点に対する訪問率を評価する評価部と、
   前記評価した結果を出力する出力部と、
   を備えるデータ分析装置。
2. 前記評価部は、前記地図上の前記所定の領域において推定される訪問率が、前記地点から当該領域までの距離における前記平均訪問率を外れている度合いを評価する、請求項１に記載のデータ分析装置。
3. 前記評価部は、前記度合いに基づいて、前記地図上の前記所定の領域において推定される訪問率が特徴的な特徴領域を特定する特定部を含む、請求項２に記載のデータ分析装置。
4. 前記特定部は、前記地図上の前記所定の領域において推定される訪問率の所定の信頼度の信頼区間が、前記地点から当該領域までの距離における前記平均訪問率を外れている領域を前記特徴領域として特定する、請求項３に記載のデータ分析装置。
5. 前記特定部は、前記地図上の前記所定の領域において前記推定される訪問率の信頼区間の上限が前記平均訪問率を超えていない、もしくは、当該訪問率の信頼区間の下限が前記平均訪問率を超えている場合に、当該領域を前記特徴領域として特定する、請求項４に記載のデータ分析装置。
6. 前記評価部は、前記平均訪問率が前記信頼区間から外れている前記度合いを示す特徴スコアを計算する計算部を含み、
   前記特定部は、前記特徴スコアに基づいて前記特徴領域を特定する、請求項４に記載のデータ分析装置。
7. 前記出力部は、前記特徴スコアおよび／または前記特徴領域を、前記評価した結果として出力する、請求項６に記載のデータ分析装置。
8. 地図情報を記憶する記憶部をさらに備え、
   前記出力部は、前記特徴領域を前記記憶部が記憶する地図情報に重ねて出力する、請求項３から請求項７のいずれか一項に記載のデータ分析装置。
9. 前記地点を訪問した顧客の前記活動する領域を推定する推定部をさらに備え、
   前記訪問率算出部は、前記推定部が推定した前記顧客の活動する領域に基づいて、前記訪問率を算出する、請求項１から請求項８のいずれか一項に記載のデータ分析装置。
10. 前記顧客の位置情報を取得する取得部をさらに備え、
    前記推定部は、前記顧客の位置情報に基づいて、前記顧客の前記活動する領域を推定する、請求項９に記載のデータ分析装置。
11. 地図上に設定された地点の商圏を分析するデータ分析システムであって、
    前記地図上の所定の領域ごとに、当該領域において活動する顧客の前記地点に対する訪問率を算出する訪問率算出部と、
    前記地点からの距離ごとに、当該距離において前記活動する顧客の前記地点に対する平均訪問率を算出する平均算出部と、
    前記訪問率算出部が算出した前記地図上の所定の領域ごとの前記訪問率、および前記平均算出部が算出した前記平均訪問率に基づいて、前記地図上の前記所定の領域ごとに推定される前記地点に対する訪問率を評価する評価部と、
    前記評価した結果を出力する出力部と、
    を備えるデータ分析システム。
12. 地図上に設定された地点の商圏を分析するデータ分析方法であって、
    前記地図上の所定の領域ごとに、当該領域において活動する顧客の前記地点に対する訪問率を算出する訪問率算出部と、
    前記地点からの距離ごとに、当該距離において前記活動する顧客の前記地点に対する平均訪問率を算出する平均算出部と、
    前記訪問率算出部が算出した前記地図上の所定の領域ごとの前記訪問率、および前記平均算出部が算出した前記平均訪問率に基づいて、前記地図上の前記所定の領域ごとに推定される前記地点に対する訪問率を評価する評価部と、
    前記評価した結果を出力する出力部と、
    を備えるデータ分析方法。
13. 請求項１２に記載のデータ分析方法をコンピュータに実行させるためのプログラム。