JP2020060917A - 商品販売管理制御装置、商品販売管理制御プログラム - Google Patents

Abstract

【課題】過去の販売実績、将来に向けた需要予測、値付け、及び購買確率に基づいて、利益が高く、かつ在庫（廃棄処分対象）を最小限にするといった販売管理の最適化を図る。【解決手段】商品属性情報を読み出し、仮の販売時期制限チャートを作成する。商品販売履歴情報を読み出し、各パラメータを組み合わせて相関分析する。相関分析結果に基づいて、処理を予測し、販売価格−購買確率推移のシミュレーションを実行することによって、最大利益（又は最小損失）を期待できる販売価格−購買確率特性を抽出し、所定時間毎の販売価格を特定する。特定した販売価格を、仮の販売時期制限チャートに組み込み、値下げ計画を立案し、モニタに表示、或いは紙媒体にプリントする。これにより、店舗関係者に情報が伝わり、適正な値下げ時期を把握することができる。【選択図】図６

Description

本発明は、主として店員によって経験と勘で管理されている値引き販売計画に対して、ビックデータ、人工知能、及び数理計画法を活用し値引き販売計画を自動立案する商品販売管理制御装置、商品販売管理制御プログラムに関するものである。

商品を販売する店舗において、在庫を抱える場合、商品の販売の売り上げ、仕入れ原価、及び廃棄費用等を考慮して、利益を最大化（原価割れの場合は、損失を最小化）する必要がある。

特に、賞味期限（又は消費期限）のある生鮮食品等は、来店客の需要予測に基づいて、値引き（値下げ）販売のタイミング、値付け、廃棄費用、さらには、陳列棚占有費用等を考慮して、１品１品管理することが要求されるが、商品数が膨大（例えば、１００００点程度の商品数）になれば、人海戦術にも限度があり、煩雑な作業となる。

特許文献１には、商品、特に生鮮食品の値付け、値下げ、賞味期限のチェック、廃棄処理等の処理を効率化し、生産実績、値下げ実績、販売実績等のデータを自動的に集計することによって、小売り店舗における販売戦略立案および意志決定支援を可能とする商品販売管理方法が提案されている。

特許文献１には、ＰＯＳ（Point of Sales）システムにおいて、商品に付加されているバーコードを読み取ることによって、商品の登録生産処理を行うと共に、販売データの集計管理を行う。

売り場店員は、閉店時間が近づいた時（例えば、閉店の１時間前）に、本日が賞味期限日である商品を商品棚から探し出し、通常価格を含むデータが記録された第１のバーコードが印字された既存の第１ラベルの上に、賞味期限日の商品に、製造日時、値下げ方法および値下げデータを記録した第２バーコードが印字された第２ラベルを貼り付ける。

特許第３５７８０３３号公報

特許文献１では、値引き商品をバーコード（第２のバーコード）で一括管理することができるため、同一商品において、値引きしたものと、値引きしていないものとを区別するための作業効率が向上するが、値引きする時期が固定的（例えば、本日が賞味期限日の商品を対象として閉店の１時間前等）であるため、時々刻々と変化する販売利益の期待値が考慮されていない。

すなわち、過去の実績に基づき、値引き開始から廃棄処理までの環境（商品の購買確率、年月日、時刻、気象情報（天気、温度、湿度等）、及び来店者数）の下での購買確率が異なるにも関わらず、固定された時期に、一律に値下げをしているにすぎない。

本発明は、過去の販売実績、将来に向けた需要予測、値付け、及び購買確率に基づいて、利益が高く、かつ在庫（廃棄処分対象）を最小限にするといった販売管理の最適化を図ることができる商品販売管理制御装置、商品販売管理制御プログラムを得ることにある。

本発明に係る商品販売管理制御装置は、特定商品の入荷時に商品属性情報を登録し、かつ、前記特定商品の販売時に商品販売履歴情報を登録する登録部と、前記登録部に登録された前記商品属性情報に基づいて、販売時期と利益との関係を示す仮の販売時期制限チャートを作成する作成部と、前記登録部に登録された前記商品販売履歴情報を分析し、将来に向けての商品販売に影響を及ぼす前記商品販売履歴情報のパラメータを予測する予測部と、前記予測部での予測結果から、前記特定商品の販売価格と購買確率との関係を導出し、前記特定商品の販売による利益が最大となる販売価格推移を、前記作成部で作成した仮の販売時期制限チャートに組み込んで、前記特定商品の時系列の値下げ計画を立案する立案部と、前記立案部で立案した値下げ計画を報知する報知部と、を有している。

本発明によれば、登録部では、特定商品の入荷時に商品属性情報を登録し、かつ、特定商品の販売時に商品販売履歴情報を登録する。

登録部に登録された商品属性情報に基づいて、販売時期と利益との関係を示す仮の販売時期制限チャートを作成し、登録部に登録された商品販売履歴情報を分析し、将来に向けての商品販売に影響を及ぼす商品販売履歴情報のパラメータを予測する。

立案部では、予測結果から、将来における特定商品の販売価格と購買確率との関係を導出し、特定商品の販売による利益が最大となる販売価格推移を、仮の販売時期制限チャートに組み込んで、特定商品の時系列の値下げ計画を立案し、報知部で報知することで、過去の販売実績、将来需要予測、値付け、及び購買確率に基づいて、利益が高く、かつ在庫（廃棄処分対象）を最小限にするといった販売管理の最適化を図ることができる。

本発明において、前記商品属性情報が、前記特定商品の消費期限又は賞味期限、通常販売価格、仕入れ価格、廃棄費用、及び棚占有費用を含むことを特徴としている。

本発明において、前記商品販売履歴情報が、前記特定商品の販売実績価格、購買確率、日時情報、気象情報、及び来店者数を含み、前記予測部が、前記商品販売履歴情報同士を相関分析し、当該相関分析の結果から、少なくとも所定時間毎の来店者数を予測することを特徴としている。

本発明において、前記立案部が、様々な販売価格と購買確率との関係のシミュレーションによって、前記特定商品の販売による利益が最大となる販売価格推移を特定することを特徴としている。

例えば、特定商品が販売される利益の期待値は、（販売価格−仕入れ価格）×購買確率＋α＋βの計算によって得ることができる（αは廃棄コスト、βは棚占有費用であり、共にマイナス値である）。従って、様々な販売価格と購買確率との関係をシミュレーションすることで、特定商品の販売による利益が最大となる販売価格推移を特定することができる。

本発明に係る商品販売管理制御プログラムは、コンピュータを、上記の商品販売管理制御装置として動作させることを特徴としている。

以上説明したように本発明は、過去の販売実績、及び将来に向けた需要予測を考慮することができ、かつ現在の環境から将来の環境予測と過去の環境との照合によって、商品の購買確率を時刻毎に予測することができる。

本発明によれば、過去の販売実績、将来に向けた需要予測、値付け、及び購買確率に基づいて、利益が高く、かつ在庫（廃棄処分対象）を最小限にするといった販売管理の最適化を図ることができるという効果を奏する。

本実施の形態に係る商品販売管理制御装置として機能する管理制御装置を主体とした、商品販売管理システムの全体構成図である。 本実施の形態に係る管理制御装置の制御ブロック図である。 商品情報データベースとして機能する大規模記憶装置に格納される、商品属性情報の詳細を示す概念図である。 商品情報データベースとして機能する大規模記憶装置に格納される、商品販売履歴情報の詳細を示す概念図である。 本実施の形態に係る管理制御装置で実行される値下げ計画立案処理のための機能ブロック図である。 本実施の形態に係る仮の販売時期制限チャートである。 ニューラルネットワーク（ディープラーニング）を用いた学習により各パラメータの相関分析を示す概念図である。 本実施の形態に係る管理制御装置で実行される商品情報登録制御ルーチンを示すフローチャートである。 本実施の形態に係る管理制御装置で実行される値下げ計画立案制御ルーチンを示すフローチャートである。

図１には、本発明の商品販売管理制御装置として機能する管理制御装置１０を主体とした、商品販売管理システムの全体構成図が示されている。

例えば、店舗１２がスーパーマーケットの場合、店内の所定のエリアには、複数のＰＯＳレジ１４が配備されている。それぞれのＰＯＳレジ１４は、ＬＡＮ（ローカルエリアネットワーク）又はＷＡＮ（ワイドエリアネットワーク）等の施設内通信回線網１６を介して、管理制御装置１０に接続されている。

ＰＯＳレジ１４では、店舗１２に来店した顧客と金銭のやりとり（商品の販売）をした時点で、商品の販売実績情報（以下、商品販売実績情報という）を管理する。ＰＯＳレジ１４で得た商品販売実績情報は、適宜、施設内通信回線網１６を介して、管理制御装置１０に集約されるようになっている。

管理制御装置１０では、各ＰＯＳレジ１４から集約された商品販売実績情報と、商品の入荷時に登録した入荷情報（以下、商品属性情報という）とに基づいて、商品の販売状況を分析し、売上げ改善策等を立案するようになっている。

より具体的には、管理制御装置１０は、以下の機能を備える。

（機能１）売上機能

売上げ機能としては、ＰＯＳレジ１４との連携により、売上登録、釣り銭計算、レシート発行、決済、売上分析、売上ジャーナル作成等を実行する。

（機能２）商品管理機能

商品管理機能としては、商品情報の管理、発注依頼、及び在庫管理等を実行する。

（機能３）顧客管理機能

顧客管理機能としては、顧客情報の管理、ポイント管理、飲食店の場合テーブル予約等を実行する。

（機能４）人事機能

人事機能としては、出退勤管理、及びシフト管理等を実行する。

なお、例えば系列店を一括管理する場合、複数の同系列の複数の店舗１２のそれぞれの管理制御装置１０は、インターネット等の広域通信回線網１８を介して本部管理制御装置２０に接続され、本部管理制御装置２０で、上記機能１から機能４の一部又は全部を一括して管理し、実行する場合がある。

図２は、管理制御装置１０の制御ブロック図である。管理制御装置１０は、マイクロコンピュータ２２を備えている。マイクロコンピュータ２２は、ＣＰＵ２４、ＲＡＭ２６、ＲＯＭ２８、入出力部（Ｉ／Ｏ）３０、及びこれらを接続するデータバスやコントロールバス等のバス３２を有している。

Ｉ／Ｏ３０には、入力デバイス３４、出力デバイス３６、及び大規模記憶装置３８が接続されている。

入力デバイス３４としては、キーボード、マウス等が挙げられる。また、出力デバイス３６としては、モニタ、プリンタ等が挙げられる。

大規模記憶装置３８は、例えば、ハードディスクやＩＣメモリ等が適用可能である。本実施の形態の大規模記憶装置３８は、商品情報データベースとして機能する。

また、Ｉ／Ｏ３０には、Ｉ／Ｆ４０が接続されている。Ｉ／Ｆ４０は、施設内通信回線網１６（図１参照）を介して、複数のＰＯＳレジ１４と接続されている。

さらに、Ｉ／Ｏ３０には、Ｉ／Ｆ４２が接続されており、店舗１２が系列店の場合、広域通信回線網１８（図１参照）を介して、本部管理制御装置２０に接続されている。

図３及び図４は、商品情報データベースとして機能する大規模記憶装置３８に格納される、商品属性情報及び商品販売履歴情報の詳細が示されている。

図３に示される如く、商品属性情報は、商品を識別する商品識別情報と関連付けて格納されるようになっている。

商品識別情報としては、ＪＡＮコード（Japanese Article Number Code）、商品名、製造者、及び産地が格納される。なお、商品識別情報は、ここに列挙した情報に限定されるものではなく、一部又は全部の入れ替え、或いは情報を増減してもよい。

商品属性情報としては、消費期限、賞味期限、販売価格、仕入れ価格、廃棄費用、棚占有費用が格納される。

消費期限と賞味期限は何れか一方でもよい。加工食品の場合、商品の特性（品質の劣化が急速か否か）に応じて、消費期限又は賞味期限のどちらかを表示することが義務付けられている。

例えば、消費期限は、定められた方法で保存した場合において、腐敗等、品質劣化に伴い安全性を欠くおそれがないと認められる期限（年月日）を言う。また、賞味期限は、定められた方法で保存した場合において、期待される全ての品質の保持が十分に可能であると認められる期限（年月日）を言う。

販売価格は、販売当初の価格（通常販売価格）であり、仕入れ価格に対して所定の利率の利益分を加算したものである。

廃棄費用は、商品として販売できない時期（消費期限又は賞味期限）となった場合に廃棄することになるが、当該廃棄に必要な費用を言い、例えば、１ｋｇ当たりの廃棄費用を格納する。

ここで、コンビニエンスストアにおける商品（食品）の廃棄量を例にとり、商品の利益減少の推移を説明する。

１日当たり１０ｋｇの商品（食品）を仕入れ（１０ｋｇ／日）、当該商品（食品）は、１ｋｇ当たり２０円の廃棄費用がかかるものとする（２０円／ｋｇ）。

この場合、１０ｋｇの食品を全て廃棄すると、１日当たり２００円の廃棄費用（２００円／日）がかかる。

一方、店舗としては、商品（食品）が売れ残って廃棄する場合、仕入れ価格がそのまま仕入れ損となる。例えば、上記商品（食品）を、１ｋｇ当たり８００円で仕入れた場合、１０ｋｇだと、１日当たり８０００円の仕入れ損となる（８００円×１０ｋｇ＝８０００／日）。

仮に、廃棄が３０日間連続すると、２４６０００円の利益減少が発生する（利益減少＝（２００円＋８０００円）×３０日）。さらに、必要に応じて、棚占有費用を加算する必要がある。

図４に示される如く、商品販売履歴情報は、商品を識別する商品識別情報と関連付けて格納されるようになっている。

商品識別情報は、図３に示した商品識別情報と同一であるので、ここでの説明は省略する。

商品販売履歴情報としては、実販売価格、購買確率、日時情報、天気、温度、湿度、来店者数が格納される。

実販売価格は、商品属性情報として格納した販売価格の場合もあるし、値引きされた価格の場合もあり得る。

購買確率は、商品の購入当時の来店者数に対する、当該商品を購入した客数の比率である。

日時情報は、年月日及び時刻を格納する。必要に応じて、曜日や祝祭日を特定する情報を格納してもよい。

天気は、コンピュータで認識し易いように記号や数字の組み合わせ等で格納することが好ましい。例えば、晴れの場合は「ｓ」、曇りの場合は「ｃ」、雨の場合は「ｒ」、並びに、強さを１〜３で表現する（ｓ３は快晴、ｒ１は小雨等）。

温度、湿度、来店者数は、それぞれ数値入力すればよい。

ここで、本実施の形態では、前述した商品の廃棄を回避するべく、販売価格を下げてでも（値下げしてでも）、当該商品を販売することで、仕入れ損を軽減するため、商品情報データベース（大規模記憶装置３８）に格納されている、商品属性情報と商品販売履歴情報とを利用して、損失発生を抑制し、かつ利益が最大（又は損失が最小）となる値下げ計画を自動的に立案するようにした。

図５は、本実施の形態に係る管理制御装置１０で実行される値下げ計画立案処理のための機能ブロック図である。なお、図５で示す各ブロックは機能別に分類したものであり、一部又は全部を、図２に示すマイクロコンピュータ２２のＣＰＵ２４で実行させるソフトウェアプログラム（商品販売管理制御プログラム）としてもよい。

図５に示される如く、商品情報受付部５０では、入荷時及び販売時に、商品の識別情報として商品情報を受け付ける。商品情報受付部５０は、情報解析部５２に接続され、受け付けた商品情報を解析し、商品識別情報、商品属性情報、及び商品販売履歴情報に分類する。

情報解析部５２は、商品入荷情報格納部５４及び商品販売情報格納部５６に接続されている。

商品入荷情報格納部５４では、情報解析部５２で解析した商品識別情報と商品属性情報とを関連付けて、商品情報データベースである大規模記憶装置３８へ送出し、格納する（図３参照）。

また、商品販売情報格納部５６では、情報解析部５２で解析した商品識別情報と商品販売履歴情報とを関連付けて、商品情報データベースである大規模記憶装置３８へ送出し、格納する（図４参照）。

大規模記憶装置３８には、特定商品情報読出部５８が接続されている。特定商品情報読出部５８では、特定の商品に関する情報の読み出し指示があると、大規模記憶装置３８から、当該特定の商品に関する商品属性情報及び商品販売履歴情報を読み出す。なお、特定商品情報読出部５８での読出時期は、予め定めた手順で、一部又は全部の商品を順次、かつ、自動的に読み出すようにしてもよいし、利用者（店舗１２の関係者）が手動で特定の商品に関する情報の読み出しを指示するようにしてもよい。

特定商品情報読出部５８は、チャート作成部６０及び相関分析部６２に接続されている。

チャート作成部６０は、商品入荷情報格納部５４によって、大規模記憶装置３８に格納した商品属性情報に基づいて、図６に示すような仮の販売時期制限チャートを作成する。

図６に示される如く、仮の販売時期制限チャートは、横軸が入荷を起点（商品を店頭においた時期でもよい）として、経時的に消費期限（又は賞味期限）が迫る中、販売価格と仕入れ価格との差（すなわち、利益）、値下げ開始時期、及び仕入れ価格を下回り、仕入れ損となる時期の推移を示すものである。

この図６において、入荷時では、値下げ開始時期、並びに当該値下げ時期から商品の販売を終了する消費期限（又は賞味来期限）までの値下げ幅（変化度合い）が確定されていない。すなわち、将来に向けて、いつ頃値下げを開始するか、また、値下げ幅をどのような形態とするかは、一意的に決まるものではない。

そこで、図５に示される如く、チャート作成部６０では、仮の販売時期制限チャートを作成し、一時格納部６４に一時的に格納しておく。

一方、相関分析部６２は、商品販売情報格納部５６によって、大規模記憶装置３８に格納した商品販売履歴情報の様々な組み合わせにおいて、相関分析を実行する。

図７は、相関分析の一例として、ニューラルネットワーク（ディープラーニング）を用いた学習により各パラメータの相関分析例を示したものである。

ニューラルネットワークは、入力層８０から入った信号（ここでは、物理量）が伝搬線８２（シナプスに相当）により様々なノード８４（ニューロンに相当）を伝搬して出力層８６に伝わる仕組みであり、中間層８８を増やすことでディープラーニングが実行される。

ニューラルネットワークを用いることで、パラメータの様々な組み合わせ（例えば、２種類〜７種類の組み合わせ）の全てにおいて、相関分析が実行可能であり、例えば、将来に向けての来店者数等を、精度よく認識することが可能となる。

本実施の形態では、入力層８０として、商品販売履歴情報の各パラメータ（実販売価格、購買確率、日時情報、天気、温度、湿度、来店者数）を設定し、出力層８６からは、各パラメータ間の組み合わせによる相関分析結果を得ることができる。特にこのとき、天気、温度、湿度、及び来店者数を考慮した販売価格と購買確率との相関分析結果を得ることができる。

図５に示されるが如く、相関分析部６２で得た結果は、予測部６６に送出され、例えば、図６の値下げ開始時期よりも前の時点で、将来に向けた各パラメータの値を予測する（一例として、仮の特性となっている、図６の点線範囲の来店者数、購買確率等）。

予測部６６は、シミュレーション実行部６８に接続されており、シミュレーション実行部６８では、予測部６６で予想したパラメータの値に基づいて、様々な販売価格と購買確率との関係のシミュレーションを実行し、最大利益（最小損失）を期待できる販売価格−購買確率特性を取得し、所定時間（例えば、１５分）毎の販売価格を特定する。

シミュレーション実行部６８のシミュレーションの実行によって得た結果（所定時間毎の販売価格）は、値下げ計画立案部７０へ送出される。

値下げ計画立案部７０は、一時格納部６４に一時的に格納されている仮の販売時期制限チャート（図６参照）を読み出し、点線部分に所定時間毎の販売価格を当てはめて、値下げ計画を立案する。

値下げ計画立案部７０は、出力部７２を介して、立案した値下げ計画（例えば、図６の点線部分が確定した、販売時期制限チャート）を管理制御装置１０のモニタに表示、或いはプリンタによって紙媒体にプリントする。

以下に本実施の形態の作用を図８及び図９のフローチャートに従い説明する。

図８は、本実施の形態に係る管理制御装置１０で実行される商品情報登録制御ルーチンを示すフローチャートである。

ステップ１００では、商品が入荷したか否かを判断し、肯定判定されると、ステップ１０２へ移行して、商品入荷情報を、大規模記憶装置３８へ格納する。具体的に、商品入荷情報は、商品識別情報と商品属性情報である（図３参照）。

商品識別情報は、ＪＡＮコード、商品名、製造者、産地を含み、商品属性情報は、消費期限又は賞味期限、販売価格、仕入れ価格、廃棄費用、棚占有費用を含む。

ステップ１０２において、商品入荷情報を格納すると、ステップ１０４へ移行する。また、ステップ１００で否定判定された場合はステップ１０４へ移行する。

ステップ１０４では、商品が販売されたか否かを判断し、肯定判定されると、ステップ１０６へ移行して、商品販売情報を、大規模記憶装置３８に格納する。具体的に、商品販売情報は、商品識別情報と商品販売履歴情報である。

商品識別情報は、ＪＡＮコード、商品名、製造者、産地を含み、商品販売履歴情報は、実販売価格、購買確率、日時、天気、温度、湿度、販売時来店者数を含む。

ステップ１０６において、商品販売情報を格納すると、ステップ１００へ戻る。また、ステップ１０４で否定判定された場合は、ステップ１００へ戻る。

以上、図８は、商品が入荷又は販売される毎に実行され、大規模記憶装置３８には、商品に関する所謂ビッグデータが構築されることになる。なお、図８では、説明のため、独立して実行される無限ループ処理としたが、メインルーチンに組み込まれたサブルーチンの１つとして、定期的に実行するようにしてもよい。

図９は、本実施の形態に係る管理制御装置１０で実行される値下げ計画立案制御ルーチンを示すフローチャートである。

ステップ１１０では、商品識別情報に基づき、大規模記憶装置３８（商品情報データベース）から商品属性情報を読み出し、ステップ１１２へ移行する。

ステップ１１２では、読み出した商品属性情報に基づいて、仮の販売時期制限チャート（図６参照）を作成する。すなわち、時間−販売価格特定に、商品属性情報の各値を当てはめて、一部（図６の点線の範囲）が確定されていない仮の販売時期制限チャートを作成する。

次のステップ１１４では、商品識別情報に基づき、大規模記憶装置３８（商品情報データベース）から商品販売履歴情報を読み出し、ステップ１１６へ移行する。

ステップ１１６では、読み出した商品販売履歴情報の各パラメータを組み合わせて相関分析する。例えば、図７に示される如く、ニューラルネットワーク（ディープラーニング）を用いた学習によって処理され、様々なパラメータの組み合わせによる相関分析結果を得ることができる。

次のステップ１１８では、相関分析結果に基づいて、処理を予測する。すなわち、図６の点線の範囲における、来店者数や購買確率等を予測する。

次のステップ１２０では、販売価格−購買確率推移のシミュレーションを実行する。すなわち、様々な販売価格と購買確率との関係のシミュレーションを実行することによって、最大利益（又は最小損失）を期待できる販売価格−購買確率特性を抽出し、ステップ１２２へ移行する。

ステップ１２２では、ステップ１２０で抽出した販売価格−購買確率特性に基づいて、図６の点線の範囲における、所定時間（例えば、１５分）毎の販売価格を特定し、次いで、ステップ１２４へ移行して特定した販売価格を、ステップ１１２で作成した仮の販売時期制限チャートに組み込み、値下げ計画を立案する。

次のステップ１２６では、立案した値下げ計画を、管理制御装置の出力デバイス３６を用いて出力する。すなわち、値下げ計画は、モニタに表示される、或いは紙媒体にプリントされることで、店舗関係者に情報が伝わることになる。

店舗関係者は、この値下げ立案に従って、店舗に陳列している商品の値札を書き換える。

このように本実施の形態では、従来、賞味期限（又は消費期限）のある生鮮食品等を、来店客の需要予測に基づいて、値引き（値下げ）販売のタイミング、値付け、廃棄費用、さらには、陳列棚占有費用等を考慮して、１品１品管理するといった煩雑な作業を解消することができ、商品数が膨大（例えば、１万点程度の商品数）であっても、適正な時期に、適正な価格で販売することができ、結果として、最大利益（最小損失）を得ることができる。なお、膨大として例示した商品数（１万点）は平均的な数値例であり、店舗の規模によって膨大と定義する数値は様々である。すなわち、チェーン店のコンビニエンスストアでは４万点、スーパーマーケットを初めとする大規模商業施設では１０万点を超える商品を扱う場合もある。

なお、本実施の形態では、本発明の商品販売管理制御装置として、管理制御装置１０を適用したが、商品販売管理制御装置として本部管理制御装置２０を適用してもよい。また、商品販売管理システム（ＰＯＳシステム）とは別に、新たに、商品販売管理制御を実行するコンピュータ等のデバイスを設けてもよい。

また、本実施の形態において、商品販売履歴情報の各パラメータの相関分析をニューラルネットワーク（ディープラーニング）を用いた学習によって実行したが、処理時間に余裕があれば、他のデータ解析技術を用いて相関分析を行ってもよい。

さらに、本実施の形態では、値下げ計画を立案した結果を、商品の値札に反映させることになるが、この場合、タイムラグが発生することがある。そこで、タイムラグを解消するため、値引き後の販売価格をＪＡＮコードに反映させ、値札への販売価格の書き換え（取り替え）作業と共に、店舗内の電光掲示板等にメッセージ（「□△商品は、値札によらず、レジにて、○○円を××円に値引きします。」等）を表示したり、当該メッセージを音声案内するようにしてもよい。

また、本実施の形態では、値引きした商品の陳列場所を特に変更せず、値引きしない同一商品と混在させて販売するようにしたが、値引きした商品の陳列領域と値引きしていない商品の陳列領域とを区画するようにしてもよい。さらに、値引きした商品を、所謂「ワゴンセール」と称して、通常の陳列領域とは別に、例えば、店舗内の来店者移動通路上の適宜箇所に配置するようにしてもよい。この場合、来店者が移動する動線の軌跡の密度が高い位置を選ぶことが好ましい。

また、本実施の形態では、商品販売履歴情報として、実販売価格、購買確率、日時、天気、温度、湿度、及び販売時来店者数を例示したが、さらに、需要予測する情報として、イベント情報を加えてもよい。イベントは集客が期待されるため、その波及効果により、間接的に店舗の来店者数が増えることを予測することができる。

（本実施の形態の適用例）

例えば、本実施の形態の商品販売管理制御（値引き時期の管理による、在庫量削減）を適用する状況として、以下のように、商品の発注との関係が考えられる。

従来は、需要予測の精度を向上させることで、適切な発注量を実現していた。
ところが、商品の需要予測は、現実と一致しない場合がある。言い換えれば、精度向上に限界があり、結果として、商品の余剰、又は商品の不足が発生し得る。通常、±５％程度の誤差は、予測の許容範囲内とする場合がある。

商品の余剰の場合は、値引き時期の最適化を図って、売り切ることができる（本実施の形態の商品販売管理制御が適用可能）。すなわち、本実施の形態では、商品の余剰が発生した場合に、値引き販売を行うことで、仕入れ価格を下回らずに余剰分を売り切るという見込みがたつ。

一方、商品の不足の場合は、機会損失となり、リカバリー出来ない（本実施の形態の商品販売管理制御が適用不可能）。

そこで、商品の発注の際、商品不足とならないように、商品を余剰気味に発注する。具体的には、需要予測に基づく商品不足の概念をなくす。

この結果、従来よりも商品の余剰が増える場合もあるが、本実施の形態における商品販売管理制御により、余剰分の商品の値引き時期の管理を的確に行うことで、機会損失を防ぎ、かつ在庫量の減少を図ることでき、利益最大となる発注量の最適化につなげることができる。

１０ 管理制御装置
１２ 店舗
１４ ＰＯＳレジ
１６ 施設内通信回線網
１８ 広域通信回線網
２０ 本部管理制御装置
２２ マイクロコンピュータ
２４ ＣＰＵ
２６ ＲＡＭ
２８ ＲＯＭ
３０ 入出力部（Ｉ／Ｏ）
３２ バス
３４ 入力デバイス
３６ 出力デバイス（報知部）
３８ 大規模記憶装置
４０ Ｉ／Ｆ
４２ Ｉ／Ｆ
５０ 商品情報受付部
５２ 情報解析部
５４ 商品入荷情報格納部（登録部）
５６ 商品販売情報格納部（登録部）
５８ 特定商品情報読出部
６０ チャート作成部（作成部）
６２ 相関分析部
６４ 一時格納部
６６ 予測部
６８ シミュレーション実行部（立案部）
７０ 値下げ計画立案部（立案部）
７２ 出力部（報知部）
８０ 入力層
８２ 伝搬線
８４ ノード
８６ 出力層
８８ 中間層

Claims (5)

1. 特定商品の入荷時に商品属性情報を登録し、かつ、前記特定商品の販売時に商品販売履歴情報を登録する登録部と、
   前記登録部に登録された前記商品属性情報に基づいて、販売時期と利益との関係を示す仮の販売時期制限チャートを作成する作成部と、
   前記登録部に登録された前記商品販売履歴情報を分析し、将来に向けての商品販売に影響を及ぼす前記商品販売履歴情報のパラメータを予測する予測部と、
   前記予測部での予測結果から、前記特定商品の販売価格と購買確率との関係を導出し、前記特定商品の販売による利益が最大となる販売価格推移を、前記作成部で作成した仮の販売時期制限チャートに組み込んで、前記特定商品の時系列の値下げ計画を立案する立案部と、
   前記立案部で立案した値下げ計画を報知する報知部と、
   を有する商品販売管理制御装置。
2. 前記商品属性情報が、前記特定商品の消費期限又は賞味期限、通常販売価格、仕入れ価格、廃棄費用、及び棚占有費用を含むことを特徴とする請求項１記載の商品販売管理制御装置。
3. 前記商品販売履歴情報が、前記特定商品の販売実績価格、購買確率、日時情報、気象情報、及び来店者数を含み、
   前記予測部が、前記商品販売履歴情報同士を相関分析し、当該相関分析の結果から、少なくとも所定時間毎の来店者数を予測することを特徴とする請求項１又は請求項２記載の商品販売管理制御装置。
4. 前記立案部が、様々な販売価格と購買確率との関係のシミュレーションによって、前記特定商品の販売による利益が最大となる販売価格推移を特定することを特徴とする請求項１〜請求項３の何れか１項記載の商品販売管理制御装置。
5. コンピュータを、
   請求項１〜請求項４の何れか１項記載の商品販売管理制御装置として動作させる、
   商品販売管理制御プログラム。