JP2021015508A

JP2021015508A - 要求情報群最適化方法

Info

Publication number: JP2021015508A
Application number: JP2019130389A
Authority: JP
Inventors: 佳一三谷; Yoshikazu Mitani; 昭信渡邊; Akinobu Watanabe; 敦根尾; Atsushi Neo
Original assignee: Hitachi LG Data Storage Inc
Current assignee: Hitachi LG Data Storage Inc
Priority date: 2019-07-12
Filing date: 2019-07-12
Publication date: 2021-02-12
Anticipated expiration: 2039-07-12
Also published as: JP7383411B2; CN112215388A; US20210012361A1

Abstract

【課題】商品の販売形態や店舗の営業形態を最適化する方法であって、過去に取得し蓄積・分析したことのない商品に対しても汎用的に顧客行動の推定を可能にする。【解決手段】要求情報群の最適化を行う要求情報群最適化方法であって、外部情報を入力し、分析条件により前記外部情報を分析し、分析結果に基づいて顧客情報群を推定し、推定された顧客情報群が最適化条件を満たすまで要求情報群を再配置することで要求情報群の最適化を行ない、要求情報群に於ける商品ＩＤが記載義務のある商品ＩＤの既存情報と紐づけられ、既存情報を用いて最適化に必要な情報を推定する。【選択図】図１

Description

本発明は、商品の販売形態や店舗の営業形態を最適化する技術に関する。

近年、店内に於ける顧客の移動経路や商品の購買行動などを蓄積・分析し、その結果を基に、顧客の嗜好や動向を予測することで、サービスの向上を図る試みが実施されている。また、無人店舗技術の実証実験が実施されており、店内に設置されたセンサによって十分な情報を取得することが可能である。

本技術分野における従来技術として特許文献１及び特許文献２がある。特許文献１には、店舗内又は店舗間における顧客の購買行動を推定する方法であって、コンピュータ・システムが、（ａ）対象顧客が前記店舗内又は前記店舗間で購入した又は購入しようとした商品の商品情報、並びに、前記店舗のレイアウト情報及び前記店舗の棚割情報を取得するステップと、（ｂ）（ｂ−１）１又は複数の顧客が前記店舗内又は前記店舗間で移動した過去の経路情報又は移動したと推定される過去の経路情報、及び（ｂ−２）前記対象顧客が前記店舗内又は前記店舗間で移動した過去の経路情報又は移動したと推定される過去の経路情報のうちの少なくとも一方の経路情報を読み出すステップと、（ｃ）前記ステップ（ｂ）で読み出した経路情報から得られる傾向に従って、前記ステップ（ａ）で取得した各情報に基づいて、前記店舗内又は前記店舗間での前記対象顧客の動線を推定するステップと、を実行することが開示されている。

また、特許文献２には、顧客とともに移動する顧客用無線タグ１１及び商品に取り付けられた商品用無線タグ１２から顧客ＩＤ及び商品ＩＤを、店舗内に設置された複数の無線タグリーダ１３により定期的に読み取り、顧客ＩＤ、商品ＩＤ、リーダＩＤ、時刻情報からなるタグ情報を生成し、収集し、移動軌跡解析サーバ１５で店舗内における各顧客及び各商品の動線データを作成し、同一顧客が同時に購入する確率の高い商品の組み合わせを表す商品間情報を作成し、レイアウト評価・提案サーバ１６で商品間情報と商品の店舗内における配置とを基に、店舗内における商品レイアウトを評価し、効果的な商品レイアウトを提案することが開示されている。

特開２０１６−４３５３号公報特開２００５−３１９６３号公報

特許文献１及び２の従来技術を用いると、商品陳列位置の管理や顧客の移動経路や購買商品などを取得し、蓄積・分析した情報を用いて店舗内店舗間に於ける顧客の行動推定や店舗内レイアウト評価・提案が可能となる。

しかしながら、従来技術が取得する商品情報は各々固有の情報であり、過去に取得し蓄積・分析したことのある商品情報に対する顧客行動の推定はできるが、過去に取得したことのない新商品に対しては推定ができないという課題がある。

本発明は、上記背景技術及び課題に鑑み、その一例を挙げるならば、要求情報群の最適化を行う要求情報群最適化方法であって、外部情報を入力し、分析条件により前記外部情報を分析し、分析結果に基づいて顧客情報群を推定し、推定された顧客情報群が最適化条件を満たすまで要求情報群を再配置することで要求情報群の最適化を行ない、要求情報群に於ける商品ＩＤが記載義務のある商品ＩＤの既存情報と紐づけられ、既存情報を用いて最適化に必要な情報を推定する。

本発明によれば、短期化する商品ライフサイクルにも迅速に対応することができる要求情報群最適化方法を提供できる。

実施例１における商品陳列最適化システムの構成図である。実施例１におけるタイムスタンプ情報付与部と情報格納部の処理フローチャートである。実施例１における情報格納部に格納される外部情報群と内部情報群と商品情報群および顧客情報群の情報を示す図である。実施例１における商品要素情報および、情報格納部に於ける商品ＩＤに対する商品要素情報の紐づけ処理を説明する図である。実施例１における商品陳列最適化部と顧客動線推定部および顧客動線評価部のフローチャートである。実施例２における商品ＩＤ最適化システムの構成図である。実施例２における商品ＩＤを最適化する処理フローチャートである。実施例３における商品最適化システムの構成図である。実施例３における商品ＩＤ・陳列位置・形状・販売形態を最適化する処理フローチャートである。

以下、本発明の実施例について図面を用いて説明する。

本実施例は、最適化を行いたい要求情報群を商品陳列位置とした例について説明する。なお、本実施例は、取得した店舗内外および商品や顧客の情報を分析・格納し、店舗内の混雑度を平滑化するシステムとして実施可能である。

図１は、本実施例における商品陳列最適化システムの構成図である。図１において、商品陳列最適化システム１０１は、外部から入力される情報である外部情報１０２にタイムスタンプ情報を付与するタイムスタンプ情報付与部１１１と、情報を格納する情報格納部１１２と、外部から入力される分析条件１０３を読み込む情報読込部１１３と、分析処理を行う情報分析部１１４と、商品陳列の最適化処理を行う商品陳列最適化部１１５と、顧客動線の推定処理を行う顧客動線推定部１１６と、顧客動線を評価する顧客動線評価部１１７を有する。

なお、図１の商品陳列最適化システム１０１は、ハードウェアイメージとしては、一般的な情報処理装置である、処理装置（ＣＰＵ）と記憶装置（メモリ）と入出力インターフェース（Ｉ／Ｆ）を有する装置によって実現される。すなわち、商品陳列最適化システム１０１の情報格納部１１２以外の、タイムスタンプ情報付与部１１１、情報読込部１１３、情報分析部１１４、商品陳列最適化部１１５、顧客動線推定部１１６、顧客動線評価部１１７の処理は、記憶装置に格納されたそれらの処理プログラムをＣＰＵがソフトウェア処理することにより実行される。また、情報格納部１１２は記憶装置に対応する。また、外部情報１０２、分析条件１０３、後述する、最適化条件１０４、外部出力１０５が入出力Ｉ／Ｆを介して入出力される。

外部情報１０２は、センサや情報端末などから取得できる、タイムスタンプ情報付与部１１１への入力情報であり、天候や季節や店舗がある地域といった店舗に対する外的な情報（外部情報群と称する）や、人的コストや店舗内レイアウト図（商品を配置することが可能な棚の位置などが示された図）といった店舗に対する内的な情報（内部情報群と称する）や、商品ＩＤ（商品の種類）や陳列位置、形状や、ばら売りといった販売形態等の商品に関する情報（商品情報群と称する）や、顧客ごとの入店情報および店内での移動経路（動線）や、身体情報、会計した商品と退店情報に関する情報（顧客情報群と称する）や、商品陳列最適化システム１０１に対して処理を終了するための終了コードである。

ここで、外部情報１０２の入力方法と入力時期の例について説明する。外部情報群は店員が定期的に観測した天候などの情報を商品陳列最適化システム１０１に入力する。内部情報群は店員が店内のレイアウトを変更した際に商品陳列最適化システム１０１に入力する。商品情報群は商品入荷時にバーコードリーダなどの情報端末で読みとることで入力する。顧客情報群は天井に設置したカメラやセンサで一定の時間間隔で検出した顧客の位置を商品陳列最適化システム１０１に入力する。終了コードは店員が商品陳列最適化システム１０１を終了させるときに入力する。

しかしながら、外部情報１０２の入力方法や入力時期は、これらに限定されるものではなく、例えばセンサなどにより定期的に取得した画像を元に天候を判別し、商品陳列最適化システム１０１に入力しても良い。

タイムスタンプ情報付与部１１１は、外部情報１０２が入力された時刻と、入力された時刻から判別される季節の情報をタイムスタンプ情報として、外部情報１０２に付与して後述する情報格納部１１２へ出力する。

情報格納部１１２は、タイムスタンプ情報付与部１１１から入力される情報を受け取り格納する。格納する際には情報の種類によって格納方法を変える。すなわち、外部情報群に関しては、タイムスタンプ情報の付与された天候と季節の情報を格納する。内部情報群に関しては、タイムスタンプ情報の付与された店舗内レイアウト情報を格納する。顧客情報群に関しては、顧客ごとに入店時刻と入店時刻から退店時刻までの動線と会計した商品情報を管理する。このため、定期的に入力される顧客情報に於いて、格納される顧客情報が既に存在している場合は、該当する顧客の動線情報を更新する。逆に、まだ存在しない場合は、タイムスタンプ情報を入店時刻として、顧客情報と共に動線情報を新たに追加する。なお、一度店を出て、再度店に入店した場合は、新たに情報を追加する。

また、商品情報群に関しては、タイムスタンプ情報付与部１１１から入力される商品情報が既に情報格納部１１２に格納され、陳列位置も一致する場合は格納せず、タイムスタンプ情報付与部１１１から入力される商品情報が既に情報格納部１１２に格納されていても陳列位置が一致しない場合は、新たな情報として格納する。タイムスタンプ情報付与部１１１から入力される商品情報群に於いて、情報格納部１１２に商品情報が格納されていない場合は、後述する商品要素情報から商品要素が最も類似する商品の陳列位置に近い場所を陳列位置として、新たに追加する。また、後述する情報読込部１１３から入力される、情報格納部１１２に格納されている情報に対して指定期間に対応した情報を出力する出力命令に従って、情報に紐づいているタイムスタンプ情報を用いて、情報読込部１１３へ情報を出力する。また、商品情報を格納する際、商品ＩＤに対して後述する商品要素情報を紐づける。タイムスタンプ情報付与部１１１と情報格納部１１２の動作の詳細は後述する。

分析条件１０３は、システム使用者が入力する、分析処理に対する拘束条件であり、情報格納部１１２で格納されている情報に対して指定した期間に対応する情報のみを分析に使用する、といった制限条件を後述する情報読込部１１３へ出力する。

情報読込部１１３は、分析条件１０３の情報を受け取り、情報格納部１１２に制限条件を出力し、情報格納部１１２から制限条件で指定した期間に対応する情報を受け取る。また、後述する情報分析部１１４に対して情報格納部１１２から受け取った情報を出力する。

情報分析部１１４は、情報読込部１１３から入力された情報を用いて、外部情報群および内部情報群ならびに商品情報群に対する顧客情報群の時系列的な因果関係を分析し、会計された商品と動線ごとの相関情報を算出して後述する商品陳列最適化部１１５へ出力する。例えば、雨の日に傘の売り上げが増すといったように、天候や季節などの外部情報群によって顧客が購入を希望する目的の商品は異なる。このように、顧客は目的の商品を購入するために店内を動くため、動線は外部情報群と商品情報群に起因する。さらに、店側も予めそういった需要を予測して店舗内レイアウトを変更し、雨の日に対して効果的な商品および商品の陳列位置を考案するため、動線は内部情報群にも起因する。

このため、顧客情報群から外部情報群および内部情報群に起因する会計された商品と動線ごとの相関を算出することで、商品情報群に起因した動線を分析することができ、この結果を商品陳列最適化部１１５へ出力する。

最適化条件１０４は、システム使用者が入力する最適化処理に対する拘束条件であり、最適化する情報は商品の陳列位置である、といった処理条件や、顧客の店舗内に於ける単位時間あたりに於ける任意地点での通過頻度 [回/s] を評価する、といった最適化に必要な評価基準や、店舗内レイアウトに於ける顧客の通過可能な領域全体に対する通過頻度の標準偏差が一定値 [回/s] を下回ると（全体的に一様になると）最適化完了、といった判断条件である。処理条件を後述する商品陳列最適化部１１５へ出力し、評価基準と判断条件を後述する顧客動線評価部１１７へ出力する。

商品陳列最適化部１１５は、第１に、情報分析部１１４から入力された、商品の陳列位置に起因した動線結果に基づいて、最適化条件１０４より入力された処理条件に従って商品の陳列位置を変更し、変更した商品の陳列位置を後述する顧客動線推定部１１６へ出力する。例えば、店内の通過頻度が高い位置において、その原因となる商品について、通過頻度が低い位置付近の配置とする商品の陳列位置を出力する。初回の最適化処理に於いては、商品の陳列位置を保有していないのでランダムに生成し出力する。第２に、後述する顧客動線評価部１１７から入力された評価結果を元に、最適化条件１０４より入力された処理条件に従って陳列位置を変更し、変更した陳列位置を顧客動線推定部１１６へ出力する。

顧客動線推定部１１６は、商品陳列最適化部１１５から受け取った商品の陳列位置に基づき顧客の動線を推定し、推定結果と陳列位置を後述する顧客動線評価部１１７へ出力する。

顧客動線評価部１１７は、受け取った評価基準に準じて、顧客動線推定部１１６から入力された外部情報に対して顧客の店舗内に於ける単位時間あたりに於ける任意地点での通過頻度を評価し、最適化条件１０４から入力される判断条件を満たしていたら、商品の陳列位置を外部出力１０５に出力し、最適化条件１０４から入力される判断条件を満たしていなかったら、評価結果を商品陳列最適化部１１５に出力する。

外部出力１０５は、顧客動線評価部１１７からの最適化された商品陳列位置を受け取る。

図２は、本実施例における、タイムスタンプ情報付与部１１１と情報格納部１１２の処理フローチャートである。図２において、ステップ２０１で処理が開始される。まず、外部情報１０２を観測し（ステップ２０２）、その種別に応じて別々の操作を行う（ステップ２０３）。空入力などの異常入力があった場合はステップ２０２の直前まで戻る（ステップ２１４）。ステップ２０３で、外部情報群が入力されると、タイムスタンプ情報付与部１１１によって外部情報群にタイムスタンプ情報が付与され（ステップ２０４）、情報格納部１１２に於ける外部情報群のリストに外部情報群が追加される（ステップ２０５）。内部情報群および商品情報群ならびに顧客情報群に対しても同様な処理（ステップ２０６−２０７および２０８−２０９ならびに２１０−２１１）となる。そして、終了コードが入力されたかどうかを確認し（ステップ２１２）、入力されていれば処理を終了し（ステップ２１３）、入力されていなければステップ２０２の直前まで戻る（ステップ２１４）。

図３Ａは、本実施例における情報格納部１１２に格納される外部情報群と内部情報群と商品情報群および顧客情報群の情報を示す図である。図３Ａにおいて、例えば、９時から18時まで営業している店舗に於いて、外部情報群３０１−３０６および内部情報群３１１−３１２ならびに商品情報群３２１−３２４および顧客情報群３３１−３３５の情報が格納されたときの状況は次のとおりである。３時間おきに天候と季節を取得し（３０１−３０６）、３月29日午前９時に於いて店舗内レイアウトが３１１で商品が各々３２１および３２２の陳列位置であり、顧客が３３１および３３２のような行動であったところ、閉店頃に雨となっていた（３０４）ので翌日の店舗内レイアウトを３１２に変更して商品を各々３２３および３２４の陳列位置としたとき、顧客の行動が３３３および３３４であった。なお、３３５は会計を終えていない顧客情報である。

図３Ｂは、本実施例における商品要素情報および、情報格納部１１２に於ける商品ＩＤに対する商品要素情報の紐づけ処理を説明する図である。図３Ｂにおいて、商品要素情報とは、商品情報の内容に於いて、記載義務のある内容情報である、一般名称、価格、販売者、内容量などである。ここで一般名称とは、規格によって規定された商品の総称名である。例えば、時計（一般名称）の購入を目的とする顧客に於いて、特定のブランド（販売者）を所望する顧客の動線は販売者に起因し、あるいは価格の安い商品を所望する顧客の動線は価格に起因し、あるいは内容量の多い商品を所望する顧客の動線は内容量に起因し、あるブランド（販売者）店での購入を目的とする顧客に於いて、セーターやマフラーまたは財布（一般名称）に対して欲しいものがあれば購入するといった顧客の動線は一般名称に起因する。このため、商品要素情報から外部情報群および内部情報群と商品ごとの動線を算出することで、商品の陳列位置に起因した動線を分析することができる。すなわち、商品情報として各々固有の情報ではなく商品要素情報を用いることで、過去に取得したことのない新商品に対しても動線分析が可能となる。

商品ＩＤに対する商品要素情報の紐づけ処理は、例えば、バーコードリーダで３つの商品情報を読み取ると、３つの商品ＩＤに対して一般名称および価格並びに販売者および内容量の情報が得られ、これら商品要素情報を種類に応じてそれぞれ商品要素情報３４１−３４３のようにして既存の商品ＩＤと紐づける。

なお、本実施例では、商品ＩＤに対して一般名称および価格並びに販売者および内容量の情報を紐づけて、情報格納部１１２にない商品が格納される際に要素の最も類似する商品陳列位置を商品情報として追加しているが、一般名称および価格並びに販売者および内容量の情報に限定されるものではなく、記載義務のある既存情報の範囲内であれば特に限定はされない。

次に、図４を用いて商品陳列最適化部１１５と顧客動線推定部１１６および顧客動線評価部１１７の処理を説明する。図４において、ステップ４０１で、商品陳列最適化システム１０１は、商品の陳列位置を最適化する処理を開始する。そして、ステップ４０２に於いて、情報分析部１１４から出力される分析結果と、最適化条件１０４が読み込まれる。商品陳列最適化部１１５が商品の陳列位置を最適化条件１０４に従ってランダムに生成し、商品の陳列位置を顧客動線推定部１１６へ出力する（ステップ４０３）。そして、顧客動線推定部１１６が商品陳列最適化部１１５から受け取った商品の陳列位置から店舗内に於ける顧客の動線を推定し、推定結果を反映させた外部情報を顧客動線評価部１１７に出力する（ステップ４０４）。例えば、商品の陳列位置に対して何人の顧客がそれぞれ店舗内をどのように歩くかを推定する。顧客動線評価部１１７は、評価基準に基づき、顧客動線推定部１１６から受け取った動線の推定結果から顧客の店舗内に於ける単位時間あたりに於ける任意地点での通過頻度を評価し商品陳列最適化部１１５へ評価結果を出力する（ステップ４０５）。

そして、判断条件に基づいて、評価結果が店舗内レイアウトに於ける顧客の通過可能な領域全体に対する通過頻度の標準偏差が一定値を下回っているかどうかを判断する（ステップ４０６）。ステップ４０６に於いて、商品の陳列位置が最適化されていないと判断された場合、顧客動線評価部１１７は商品陳列最適化部１１５に評価結果を出力し、商品陳列最適化部１１５は評価結果に基づいて商品の陳列情位置を最適化条件１０４に従って再配置した陳列位置を顧客動線推定部１１６へ出力する（ステップ４０７）。例えば、通過頻度の標準偏差の大きい領域近傍の商品の位置を再度調整する。商品の陳列位置が最適化されたと判断された場合、外部出力１０５へ最適化された商品の陳列位置を出力し（ステップ４０８）、処理を終了する（ステップ４０９）。

具体的な例について説明する。例えば、コンビニの入り口付近に傘を置いてある雨の日に於ける顧客の動線は、傘のみを買ってレジへ歩むといった割合が高くなると思われる。この時の因果関係は、雨（外部情報群）なので店舗内の入り口にスペースを作り（内部情報群）傘を配置したところ、傘の陳列位置（商品情報群）からレジまでの動線（顧客情報群）の割合が高い、といったものである。このとき、1人又は複数人の顧客の店舗内に於ける単位時間あたりに於ける任意地点での通過頻度には偏りが生じている。そこで、傘以外の商品に対してもできるだけ多く注目してもらうためには、この通過頻度の標準偏差を少なくするような店舗内レイアウトを提案すればよい。ただし、入口に設けたスペースを元に戻して傘を入口から遠くへ置いたところで大きな意味はないと考えられる。つまり、用いる情報は雨の日という制限条件の下、雨と雨の日の店舗内レイアウトおよび傘位置に於ける顧客動線の分析を行い、処理条件を傘以外の商品ＩＤに対する商品陳列位置の最適化として、分析結果に基づいて顧客動線を推定・評価し最適化を行えば良い。

他の例について説明する。冬の季節になると、服屋では毎年新作の冬物洋服が店頭に多く置かれ始めるが、序盤は店頭に並んだ洋服を眺めて次の店に足を運ぶ顧客が多い。さらに、季節ごとに配置を変えたりして、顧客を飽きさせないための工夫をしている店舗が多い。このときの因果関係は、冬になった（外部情報群）ので店頭に新作の冬物洋服を配置するためにレイアウト図を変え（内部情報群）、さらに店頭に冬物洋服を配置したところ、新作の冬物洋服の陳列位置（商品情報群）から店内やレジに至るまでの動線（顧客情報群）の割合が低かった、といったものである。このとき、1人又は複数人の顧客の店舗内に於ける単位時間あたりに於ける任意地点での通過頻度には偏りが生じている。そこで、新作の冬物洋服以外の商品に対してもできるだけ多く注目してもらうためには、この通過頻度の標準偏差を少なくするような商品陳列を提案すればよい。さらに、毎年新作を追加していることに加え季節ものであるということから、陳列する洋服のライフサイクルは３ヶ月程度であると考えられる。つまり、一度陳列を決定し仮に陳列を修正することになった場合、コストおよび損失が大きくなる。そこで、用いる情報は冬の序盤という制限条件の下、冬の序盤と店舗内レイアウトおよび新作洋服の位置に於ける顧客動線の分析を行い、最適化条件に於ける処理条件を、新作洋服を含めた商品ＩＤに対する商品陳列位置の最適化として、分析結果に基づいて顧客動線を推定・評価し最適化を行えば良い。このとき、新作洋服に関する商品要素情報は、ブランド名や重さ、価格や色などであり、全ての洋服と共通の情報を持っていることから比較が可能となり、即座に最適化処理が可能であり、先程述べたコストおよび損失を抑えることができる。

以上、本実施例によれば、商品を識別する識別子として、表記義務のある既存情報の組み合わせによる系列表現を扱うことで、過去に分析したことのない商品の情報に対しても汎用的に顧客行動の推定を可能にでき、短期化する商品ライフサイクルにも迅速に対応することができる。

また、扱う情報の複雑性を高くし情報量を増やして、顧客に関する情報をより柔軟に推定し、さらに、評価・提案する情報も店舗内レイアウトのみに限らず、従業員の配置なども考慮した店舗の営業形態や商品の販売形態なども含めた顧客が店舗に至るまでの要因となる情報を扱い、店舗内レイアウトの最適化ならびに店舗の営業形態および商品の販売形態等の最適化を行うことで、レイアウト決定の工数削減や顧客満足度向上およびこれまでに挙がらなかったような問題などの発見を促すことが出来る。すなわち、複雑性の高い情報を用いて店舗に於ける顧客の移動経路を柔軟に推定でき、デッドスペースの現れない最適な商品陳列を高精度に求められることが期待でき、さらに、また、或る地域の店舗に於いて蓄積・分析された情報を用いて異なる地域にある店舗に対する推定処理ができる。これは、コンビニや服屋などの同業他店舗間に於ける売り上げ要因の差異などを解析する際に有用となる。また、顧客以外の情報や店舗以外における環境などの影響も加味した分析・推定を行う方法を提案することができる。

本実施例は、最適化を行いたい要求情報群を商品ＩＤとした例について説明する。

図５は、本実施例における商品ＩＤ最適化システムの構成図である。図５において図１と同じ機能は同じ符号を付し、その説明は省略する。図５において、図１と異なる点は、商品陳列最適化部１１５に対して商品ＩＤ（商品の種類）を最適化する商品ＩＤ最適化部５１５、顧客動線評価部１１７に対して身長ごとの単位時間あたりに於ける任意地点での通過頻度を評価する身長毎顧客動線評価部５１７、最適化条件１０４に対して具体的な最適化条件５０４を有する点である。すなわち、最適化条件５０４は、商品ＩＤを最適化する処理条件、店舗内を移動する顧客の身長ごとの単位時間あたりに於ける任意地点での通過頻度を評価する評価基準、及び、身長１．０−１．４ｍ程度の顧客の数と身長が１．４ｍより大の顧客の数の比率が５０％程度になると最適化完了とする判断条件、としたものである。

小学生向けの商品を販売する店舗では、子どもとその親が来店し、子どもの気に入った商品を親が購入する場合が多い。しかし、店舗を経営する人は大人であり、世代の異なる顧客に対する商品を考えることは容易ではない。そこで、本実施例では、小学生を身長１．０−１．４ｍ程度の顧客とし、親を身長１．４ｍより大の身長とし、店舗内を移動する顧客に於いて半分は親であり、その親が全て子どもを連れているような商品ＩＤの最適化として、顧客動線を推定・評価する。

図６は、本実施例における商品ＩＤを最適化する処理フローチャートである。図６において、ステップ６０１−６０２については実施例１の図４と同様であり、ステップ６０３で商品ＩＤをランダムに生成し、商品ＩＤに対して何人の顧客がそれぞれ店舗内をどのように歩くかを推定（ステップ６０４）する。そして、ステップ６０５に於いて、顧客の身長ごとの単位時間あたりに於ける任意地点での通過頻度が評価され、評価結果が商品ＩＤ最適化部５１５へ入力される。判断基準に準じて、小学生と親の比率を計算して判断し（ステップ６０６）、最適化されていないと判断した場合は商品ＩＤを再配置し（ステップ６０７）、最適化されたと判断した場合は商品ＩＤを外部へ出力して（ステップ６０８）処理を終了する（ステップ６０９）。商品ＩＤを再配置するときは、例えば、小学生と親の比率が小学生数：親数＝３０％：７０％のとき、親に対する単位時間あたりに於ける任意地点での通過頻度のばらつきの多い領域にある商品ＩＤを変更する。

以上、本実施例によれば、子連れの顧客が多くなるような商品はどのようなものか、という結果を得ることができる。この処理は、商品ＩＤを商品要素情報で表現していることによって可能となる。

本実施例は、最適化を行いたい要求情報群を商品のＩＤ・陳列位置・形状・販売形態とした例について説明する。

図７は、本実施例における商品最適化システムの構成図である。図７において図１と同じ機能は同じ符号を付し、その説明は省略する。図７において、図１と異なる点は、商品陳列最適化部１１５に対して商品のＩＤ・陳列位置・形状・販売形態を最適化する商品最適化部７１５、顧客動線推定部１１６に対して顧客の商品購買行動を推定する顧客購買行動推定部７１６、推定された顧客の商品購買行動から売り上げを算出する売上算出部７１７、最適化条件１０４に対して最適化条件７０４を有する点である。すなわち、最適化条件７０４は、商品のＩＤ・陳列位置・形状・販売形態を最適化する処理条件および商品ごとの売り上げを評価する評価基準、また、売り上げが先月平均の１２０％を上回ると最適化完了とする判断条件、としたものである。

自動販売機内に陳列されている飲料は設置場所毎に異なり、地域や季節に応じた商品調整を自動販売機保有者が各々行っている。自動販売機を使用する顧客には、コーヒーや水など特定の飲料を求めて使用する顧客と、特に飲料の種類を定めていない顧客のタイプがある。しかし、保有者は、先述の２タイプの顧客のどちらかに対して特に興味を持っているわけではなく、単純な売り上げに興味を持っているものと思われる。そこで、外部情報群を季節および地域、内部情報群を自動販売機周囲5m以内の円領域（自動販売機周辺のレイアウト）、商品情報群をホットあるいはコールド（販売形態）の缶あるいはペットボトル（形状）の陳列位置、顧客情報群を会計した商品とし、制限条件を先月とする。

図８は、本実施例における商品を最適化する処理フローチャートである。図８において、ステップ８０１−８０２については実施例１の図４と同様であり、ステップ８０３で、商品ＩＤ・陳列位置・形状・販売形態をランダムに生成し、商品ＩＤ・陳列位置・形状・販売形態に対して顧客がそれぞれどの商品を購入するかを推定（ステップ８０４）する。ステップ８０５に於いて、商品ごとの売り上げが算出され、算出結果が商品最適化部７１５へ入力される。判断基準に準じて、一ヶ月の売り上げを判断し（ステップ８０６）、最適化されていないと判断した場合は商品ＩＤ・陳列位置・形状・販売形態を再配置し（ステップ８０７）、最適化されたと判断した場合は商品ＩＤ・陳列位置・形状・販売形態を外部へ出力して（ステップ８０８）処理を終了する（ステップ８０９）。商品ＩＤ・陳列位置・形状・販売形態を再配置するときは、例えば、売り上げの少ない商品ＩＤ・陳列位置・形状・販売形態を変更する。

以上、本実施例によれば、先月に対して売り上げが１２０％となるような飲料配置をすることができる。

以上実施例について説明したが、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。また、各実施例の構成の一部について、他の構成の追加、削除、置換をすることが可能である。

１０１：商品陳列最適化システム、１０２：外部入力、１０３：分析条件、１０４：最適化条件、１０５：外部出力、１１１：タイムスタンプ情報付与部、１１２：情報格納部、１１３：情報読込部、１１４：情報分析部、１１５：商品陳列最適化部、１１６：顧客動線推定部、１１７：顧客動線評価部、５０１：商品ＩＤ最適化システム、５０４：最適化条件、５１５：商品ＩＤ最適化部、５１７：身長毎顧客動線評価部、７０１：商品最適化システム、７０４：最適化条件、７１５：商品最適化部、７１６：顧客購買行動推定部、７１７：売上算出部。

Claims

要求情報群の最適化を行う要求情報群最適化方法であって、
外部情報を入力し、
分析条件により前記外部情報を分析し、
分析結果に基づいて顧客情報群を推定し、
推定された顧客情報群が最適化条件を満たすまで前記要求情報群を再配置することで前記要求情報群の最適化を行ない、
前記要求情報群に於ける商品ＩＤが記載義務のある前記商品ＩＤの既存情報と紐づけられ、前記既存情報を用いて最適化に必要な情報を推定することを特徴とする要求情報群最適化方法。
請求項１に記載の要求情報群最適化方法であって、
前記外部情報は、
店舗に対する外的な情報を持つ外部情報群と、
店舗に対する内的な情報を持つ内部情報群と、
商品に関する情報を持つ商品情報群と、
顧客に関する情報を持つ顧客情報群
を有することを特徴とする要求情報群最適化方法。
請求項２に記載の要求情報群最適化方法であって、
前記外部情報の内、最適化を行いたい前記要求情報群を自動的にランダム初期配置する初期状態生成ステップと、
前記初期状態生成ステップによる初期配置を反映させた反映後の外部情報を、外部情報を分析して得られた特徴情報群に基づき前記反映後の外部情報に対する顧客情報群を推定する顧客情報推定ステップと、
前記顧客情報推定ステップによって推定された顧客情報群を反映させた推定後顧客情報群を評価する顧客情報群評価ステップと、
前記顧客情報群評価ステップにより評価された評価結果に基づいて、前記反映後の外部情報に於ける要求情報群が最適化されたものであるかどうかを判定し、然ならば前記要求情報群を外部へ出力して処理を終了し、否ならば前記評価結果に基づいて前記要求情報群を再配置し前記顧客情報推定ステップを行う最適化ステップを有することを特徴とする要求情報群最適化方法。
請求項３に記載の要求情報群最適化方法であって、
前記要求情報群は商品陳列位置であり、
前記顧客情報群は顧客の動線であることを特徴とする要求情報群最適化方法。
請求項３に記載の要求情報群最適化方法であって、
前記要求情報群は商品ＩＤであり、
前記顧客情報群は顧客の動線であることを特徴とする要求情報群最適化方法。
請求項３に記載の要求情報群最適化方法であって、
前記要求情報群は商品のＩＤと陳列位置と形状と販売形態であり、
前記顧客情報群は顧客の購買行動であることを特徴とする要求情報群最適化方法。