JP2021096744A - 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】実態を踏まえた顧客の来店継続率を、良好な精度で推定し、容易に視認可能な形態で提供可能とする。【解決手段】データ分析装置において、店舗及び顧客の各々の位置情報を格納する記憶部と、前記位置情報に基づき、対象時期に前記店舗を訪問した来店客のうち前記対象時期以外の特定期間に前記店舗を再訪した再訪客、及び前記来店客のうち前記対象時期以外の特定期間に所在確認できる生存客、の数をそれぞれ特定し、前記生存客における前記再訪客の割合を算定することで、前記店舗に関する顧客の継続率を算定する算定部を備える構成とする。【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、店舗等における顧客の訪問状況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各種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

ところで、或る店舗を顧客が継続的に訪れる率、すなわち継続率は、当該顧客が所持するモバイル端末の位置情報データに基づき推定されうる。また、この位置情報データは、当該モバイル端末における種々のアプリにて得られたもので、モバイル端末個々の識別情報（例えば広告ＩＤなど）と紐付けて管理されている。

つまり、上述の継続率を推定する場合、モバイル端末の識別情報をキーとして、一週間など一定期間ごとの位置情報データを継続的に収集し、この位置情報データに基づいて、分析対象店舗の所在地に顧客が継続的に訪問する率、を算定することになる。

ところが、キーとなる識別情報は、端末変更やユーザ操作に伴って変更されるケースもある。その場合、当該識別情報に対応する顧客に関しては、実態とは無関係に、訪問が途絶えたと認識されうる。実態とは異なる情報に基づく継続率の分析を行うとしても、その精度は不安定で期待しにくいものとなる。

また、分析対象となる位置情報データの母集団が小さい場合、それに基づく分析結果は、位置情報データのばらつき等を過度に反映してしまう恐れがある。例えば、ベースとなる顧客規模が小さい店舗で、通常時は一日あたり数人の来店者数のところ、或る時期のみ一日あたり十人以上の来店者数となったとする。

その場合、該当時期に得られた位置情報データに基づいて分析を行えば、例えば、通常時なら継続率が週当たり数％ずつ低下しがちな店舗に関して、或る週に関しては前週より継続率が５０％以上アップした、などと分析されうる。

ところが、こうした見かけ上は大きな継続率の変動が、単なる偶然のばらつきに起因したものか、或いは、販促等の施策に起因したものか、その判別は難しい。つまり、何らか施策を行っても、その効果を検証し、以後の戦略にフィードバックすることも困難と言える。

また、上述のように、実態とは異なった（端末変更やユーザ操作に伴った）変化及び偶然のばらつきに起因した変化による影響を含んだままの継続率を、所定のグラフやマトリクス等で表現するとしても、これを閲覧するユーザにおいて、施策等の確かな効果を検討、検証することは難しい。

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、実態を踏まえた顧客の来店継続率を、良好な精度で推定し、容易に視認可能な形態で提供可能とするデータ分析装置、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、店舗及び顧客の各々の位置情報を格納する記憶部と、前記位置情報に基づき、対象時期に前記店舗を訪問した来店客のうち前記対象時期以外の特定期間に前記店舗を再訪した再訪客、及び前記来店客のうち前記対象時期以外の特定期間に所在確認できる生存客、の数をそれぞれ特定し、前記生存客における前記再訪客の割合を算定することで、前記店舗に関する顧客の継続率を算定する算定部と、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、店舗及び顧客の各々の位置情報を格納する記憶部と、前記位置情報に基づき、対象時期に前記店舗を訪問した来店客のうち前記対象時期以外の特定期間に前記店舗を再訪した再訪客、及び前記来店客のうち前記対象時期以外の特定期間に所在確認できる生存客、の数をそれぞれ特定し、前記生存客における前記再訪客の割合を算定することで、前記店舗に関する顧客の継続率を算定する算定部と、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、情報処理装置が、店舗及び顧客の各々の位置情報を格納する記憶部を備えて、前記位置情報に基づき、対象時期に前記店舗を訪問した来店客のうち前記対象時期以外の特定期間に前記店舗を再訪した再訪客、及び前記来店客のうち前記対象時期以外の特定期間に所在確認できる生存客、の数をそれぞれ特定し、前記生存客における前記再訪客の割合を算定することで、前記店舗に関する顧客の継続率を算定する。

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、情報処理装置において、店舗及び顧客の各々の位置情報を格納する記憶部を備えて、前記位置情報に基づき、対象時期に前記店舗を訪問した来店客のうち前記対象時期以外の特定期間に前記店舗を再訪した再訪客、及び前記来店客のうち前記対象時期以外の特定期間に所在確認できる生存客、の数をそれぞれ特定し、前記生存客における前記再訪客の割合を算定することで、前記店舗に関する顧客の継続率を算定する処理を実行させるものである。

本開示によれば、実態を踏まえた顧客の来店継続率を、良好な精度で推定し、容易に視認可能な形態で提供可能となる。

本実施形態に係るデータ分析システムの構成図である。 本実施形態における顧客端末の機能構成例を示す図である。 本実施形態におけるサーバ装置の機能構成例を示す図である。 本実施形態における顧客情報の一例を示す図である。 本実施形態における位置情報の一例を示す図である。 本実施形態におけるサーバ装置の処理の流れを示すフローチャートである。 本実施形態における算定結果例を示す図である。 本実施形態における店舗別の平均継続率の一例を示す図である。 本実施形態における時期Ａ及び時期Ｂの継続率の一例を示す図である。 本実施形態における時期Ｃ及び時期Ｄの継続率の一例を示す図である。 本実施形態における算定結果例を示す図である。 本実施形態におけるサーバ装置の処理の流れを示すフローチャートである。 本実施形態における算定結果例を示す図である。 本実施形態におけるサーバ装置のハードウェア構成例を示す図である。

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、実態を踏まえた顧客の来店継続率を、良好な精度で推定し、容易に視認可能な形態で提供可能するためのシステムである。来店継続率とは、例えば、ある店舗に、ある時期に来店した顧客が、当該時期以外の特定期間ごとに再度来店した率であり、出店戦略や販売戦略を検討する際に利用されやすい。

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、顧客の来店継続率を、良好な精度で効率的に推定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。

このうちサーバ装置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、来店継続率の算定対象となる店舗は、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。

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のモバイル端末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指す。

ただし、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、来店継続率の算定、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、来店継続率の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（来店継続率の分析対象となる地点で、具体的には店舗の所在地）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。

一方、サーバ装置３００は、或る店舗における顧客の来店継続率を、良好な精度で効率的に推定するデータ分析装置に相当するサーバ装置である。こうしたサーバ装置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来店継続率を算出する。

サーバ装置３００は、この来店継続率の算定に際し、対象店舗を或る時期に訪れた顧客を起点に、当該顧客が、当該時期以外の特定期間（例えば、当該時期の後の一定期間）の当該店舗を再訪した率を算定することとなる。そして、こうして得られた、各時期に該当店舗を訪れた顧客が、例えば、その後の一定期間（例えば、１週間ごとといった再訪期間）ごとに再訪した割合、すなわち来店継続率を、時期と再訪期間のマトリクス中に設定し、これを情報処理端末２００へ送信する。本実施形態では、上述の「或る時期の後の一定期間」ごとに再訪した割合として来店継続率を特定する例を示すが、これに限定しない（以下同様）。

なお、この場合のサーバ装置３００は、来店継続率が全体平均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。

以上のように、各時期をスタート時点として、その後の再訪期間ごとにおける来店継続率を、対象店舗について特定し、これを出力することで、モバイル端末の位置データを用いたコホート分析に際し問題となりうる、広告ＩＤの継続性の問題、位置情報データのばらつきの問題を解決し、顧客の来店継続率を、良好な精度で効率的に推定できることとなる。特に、上述のばらつきの問題に対処すべく、特徴的な来店継続率を統計的な点から抽出、提示することで、施策を打つなどして来店継続率に関して効果があった日などを容易に見つけ出すことも可能となる。

図２は、顧客端末１００の機能構成の一例を示すブロック図である。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、上述と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の他に、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、上述の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（例：広告ＩＤ）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。

このうち地図情報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。また、この地図情報３２１は、緯度、経度により特定される位置に所在する店舗等の各種施設のＩＤを含んでいるとしてよい。

また、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（例えば、施設の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。

また、顧客情報３２３は、顧客に関する情報を記憶する。一方、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」、「年齢層」、「性別」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。

また、「住所」は顧客の自宅住所、「年齢層」は顧客の年齢層、「性別」は顧客の性別である。こうした顧客の属性情報は、当該店舗の会員情報などにより、ユーザから入力された情報、あるいは店舗スタッフにより入力された情報を想定できる。

なお、こうした顧客情報３２３は、上述の項目に限らず、この他にも、職業、勤務地、職業など、その他の情報を含むとしてもよい。

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。

このうち「端末ＩＤ」は、顧客端末１００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。

また、「取得日時」は、当該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、より詳細な間隔（例えば、５分間隔）で取得したものとしてもよい。

また、「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、算定部３３２と、出力部３３３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。

制御部３３０における取得部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。また取得部３３１は、例えば、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、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。

図６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６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：Ｙ）、ステップＳ１０２において、取得部３３１は、通信部３１０を介して、上述の顧客端末１００から位置情報を取得し、これを記憶部３２０の位置情報３２４に格納する。

ステップＳ１０３において、取得部３３１は、記憶部３２０の位置情報３２４における、上述の顧客端末１００に由来する位置情報が、予め定めた基準以上の規模になっているか判定する。この判定は、例えば、或る日を起点（起点時期）にして、予め定めた一定期間ごと（例：１週間ごとに最低２週間分）に、一定数以上の位置情報が記憶部３２０に格納されているか判定するものとなる。

上述の判定の結果、記憶部３２０の位置情報３２４の規模が基準以上となっていないことが判明した場合（ステップＳ１０３：Ｎ）、取得部３３１は、処理をステップＳ１０１に戻す。

一方、上述の判定の結果、記憶部３２０の位置情報３２４の規模が基準以上となっていることが判明した場合（ステップＳ１０３：Ｙ）、ステップＳ１０４において、算定部３３２は、情報処理端末２００から、処理対象となる、例えば店舗指定を受け付けたか判定する。この店舗指定は、例えば、当該店舗の位置情報（緯度、経度）を含むものとする。

上述の判定の結果、店舗指定を未受信であることが判明した場合（ステップＳ１０４：Ｎ）、算定部３３２は、処理をステップＳ１０４に戻す。他方、上述の判定の結果、店舗指定を受信していることが判明した場合（ステップＳ１０４：Ｙ）、ステップＳ１０５において、算定部３３２は、当該店舗に対する、顧客による訪問の継続率を算出する。

この場合の算定部３３２は、まず、記憶部３２０の位置情報３２４のうち、位置情報の値が、上述の店舗指定の値が示す店舗位置から所定範囲内の場所を示す、すなわち当該店舗の敷地内を示すレコードを抽出する。また、算定部３３２は、抽出したレコードを、その取得時期の値に基づき、例えば、情報処理端末２００が指定した時期（例：２０１９年第２６週）を起点に、一週間ごと（例：１週間後、２週間後、・・・）、すなわち再訪時期ごとに分類する。

また、算定部３３２は、上述のように分類したレコードのうち、起点の時期に関するものが示す顧客ＩＤを抽出する。ここで抽出した顧客ＩＤに対応する顧客を「来店客」とする。算定部３３２は、この顧客ＩＤの数を来店客の数として算定する。

また、算定部３３２は、上述の起点時期以後の１週間ごとの各時期（再訪時期）に関するレコードのうち、上述の来店客の顧客ＩＤを自身の顧客ＩＤとして含むものを、再訪客に関するレコードとして特定する。算定部３３２は、ここで特定したレコードの数を再訪客の数として算定する。

また、算定部３３２は、上述の来店客に関して、各再訪時期に所在確認できた者、を「生存客」として特定する。この場合、算定部３３２は、来店客の顧客ＩＤを含む位置情報（対象店舗を示すか否か限定しない）が、上述の起点時期以後の再訪時期それぞれに関して得られている場合、当該来店客は生存客と判定し、その数をカウントする。

既に述べたように、顧客らは、その顧客端末１００の機種交換を行う場合や、広告ＩＤを意図的に変更する場合もある。こうした状況を踏まえない場合、当該広告ＩＤ（顧客ＩＤ）に対応する顧客に関しては、実態とは無関係に、当該店舗への訪問が途絶えたと認識されうる。

そこで、上述のように、起点時期から各再訪時期に至るまで、位置情報３２４のレコードにて顧客ＩＤが一貫して存在している顧客すなわち生存客を、母集団とすることで、追跡困難な顧客の動向については予め影響を排除することができる。その場合、算定部３３２は、上述の再訪客の数を、上述の生存客の数で除算することで、対象店舗に対して顧客が訪問を継続する率である継続率を算定することとなる。

こうして得た算定結果６０の例を、図７に示す。この図７で示す算定結果６０は、対象店舗「Ａ」、「Ｂ」それぞれについて、起点時期「２０１９Ｗ２６」（２０１９年第２６週）から、１週間後、２週間後、・・・といった各再訪時期における継続率の値を格納したものとなっている。当然ながら、起点時期から０週間後の継続率は１．００、すなわち１００％であり、その後はその顧客が再訪／不再訪を繰り返し、継続率は上下する動向を示している。出力部３３３は、こうした算定結果６０を、情報処理端末２００に配信し、表示させるとしてもよい。

なお、算定部３３２は、図７に例でわかるように、複数の起点時期について、各再訪時期の継続率を同様に算定するものとする。また、情報処理端末２００が複数の対象店舗を指定している場合、図７の例のように、各店舗について上述と同様の処理をそれぞれ実行するものとする。

続いて、ステップＳ１０６において、算定部３３２は、例えば、対象店舗ごとに、各起点時期の各再訪時期における継続率について、その平均を平均継続率として算定する。例えば、図７の算定結果６０における各継続率の値のうち、再訪時期が第０週目のものを除く、各再訪時期における継続率の値を、対象店舗について合算し、その平均値を平均継続率として算定する。店舗「Ａ」、「Ｂ」のそれぞれについて、各再訪時期の継続率を算定した結果を、図８のグラフ６１で例示する。

また、ステップＳ１０７において、算定部３３２は、上述の平均継続率に対して、上述の各起点時期における各再訪時期のそれぞれに関する継続率の、所定の信頼度（例えば、９５％）の信頼区間を算定する。

また、ステップＳ１０８において、算定部３３２は、ステップＳ１０６で得た平均継続率が、ステップＳ１０７で得た信頼区間の下限を下回っている場合、当該起点時期における当該再訪時期の継続率を、信頼区間の下限と特定する。また、上述の平均継続率が信頼区間の上限を上回っている場合、当該起点時期における当該再訪時期の継続率を、信頼区間の上限と特定する。

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９は、再訪時期Ａ及びＢの継続率の一例を示す図である。図８において、再訪時期ＡおよびＢの継続率の信頼区間８１，８２（例えば、信頼度９５％）、および、平均継続率が示されている。

ここで、平均継続率は、再訪時期Ａの継続率の信頼区間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、再訪時期Ａの継続率は、有意な差がないと判断することとする。同様に、平均継続率は、再訪時期Ｂの継続率の信頼区間８２に含まれているため、再訪時期Ｂの訪問率は、有意な差がないと判断する。

図１０は、再訪時期Ｃ及びＤの継続率の一例を示す図である。図１０において、再訪時期Ｃ及びＤの継続率の信頼区間９１，９２（例えば、信頼度９５％）、および、平均継続率が示されている。

ここで、再訪時期Ｃの継続率の信頼区間９１および再訪時期Ｄの継続率の信頼区間９２は、ともに平均継続率から外れている。すなわち、信頼区間９１については、信頼下限が平均継続率を超えており、信頼区間９２については、信頼上限が平均継続率を超えていない。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、再訪時期ＣおよびＤの継続率は、有意な差があると判断する。信頼下限が平均継続率を超えている場合は、その再訪時期における再訪客が平均よりも多いことを意味している。また、信頼上限が平均継続率を超えていない場合は、その再訪時期における再訪客が平均よりも少ないことを意味している。

続いて、ステップＳ１０９において、算定部３３２は、上述のステップＳ１０８の結果を踏まえて算定結果６０を更新し、図１１の算定結果６２を生成し、これを情報処理端末２００にて表示させ、処理を終了する。図１１の算定結果６２では、各起点時期の各再訪時期における継続率の値が、上述の全体平均と信頼区間を踏まえた値に適宜修正されたものとなっており、本来的に、継続率の全体傾向から特異的な箇所を明示したものとなっている。

なお、算定部は３３２、上述の平均継続率が信頼区間から外れている度合いを示す特徴スコアとして、図１２に示すフロー（Ｓ２０１〜Ｓ２０３）のように、平均継続率における継続率の割合に関する対数を算定するとしてもよい。例えば、或る起点時期における、ある再訪時期の継続率と平均継続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）＝ｌｎ（堅牢な継続率／平均継続率）
・・・堅牢な継続率とは、ステップＳ１０８で得ているもの。

また、出力部３３３は、算定部３３２が算定した特徴スコアを、図１３の算定結果６３として情報処理端末２００に配信し、表示させる。図１３の算定結果６３は、基本的な構成は、図１１で説明した算定結果６２と同様であるが、特徴スコアが０以外の領域（ある起点時期のある再訪時期）については、所定のハッチング処理を施している。

例えば、対象店舗「Ａ］に関する起点時期「２０１９Ｗ２８」の再訪時期「２」、対象店舗「Ｂ」の起点時期「２０１９Ｗ２７」の再訪時期「３」、「４」、「６」、「７」、「９」、起点時期「２０１９Ｗ２８」の再訪時期「２」、「８」、起点時期「２０１９Ｗ２９」の再訪時期「２」、「８」には、濃いハッチング、対象店舗「Ｂ」の起点時期「２０１９Ｗ２６」の再訪時期「４」〜「６」、「８」〜「１０」には薄いハッチングがされている。

濃いハッチングは、信頼下限が平均継続率を超えている、すなわち、平均よりも多い顧客が再訪していることを意味している。薄いハッチングは、信頼上限が平均継続率を超えていない、すなわち、平均よりも少ない顧客しか再訪していないことを意味している。このような情報表示から、データ分析者は、販売戦略を考える際に、該当時期に先立ち実施した施策の良否について仮説を立てやすくなる。

上記で説明してきた実施形態は、換言すれば、継続率の一般的な変化について、対象時期からの相対的時間や対象時期の特徴（曜日など）をパラメータとする数理モデルを仮定して平均継続率として回帰（推定）するものと言える。また、それぞれの期間において、継続率の特別な変化のある期間であるかの判別と、その度合いを平均継続率からの統計学的な乖離（信頼区間）に基づき推定している。こうして、継続率の一般的な変化を基本として、特別な変化のある期間についてのみ、その度合いをその継続率の一般的な変化の上に反映した新しい継続率として表現することで継続率の視覚性の向上が可能となるのである。さらに、特別な変化のある期間の判別とその度合いのみを（特徴スコアとして）表現することで、変化のみを抽出することが可能となる。

（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、実態を踏まえた顧客の来店継続率を、良好な精度で推定し、容易に視認可能な形態で提供可能とする。これにより、モバイル端末の位置データを使ってコホート研究をするにあたって問題となる、広告ＩＤ等の継続性の問題、データのバラツキの問題を解決した。また、特に特徴的な継続率を統計的な点から抽出することで、施策を打つなどして継続率において効果があった日などを容易に見つけ出すことも可能となる。

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
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
２００ 情報処理端末
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 算定部
３３５ 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 (9)

1. 店舗及び顧客の各々の位置情報を格納する記憶部と、
   前記位置情報に基づき、対象時期に前記店舗を訪問した来店客のうち前記対象時期以外の特定期間に前記店舗を再訪した再訪客、及び前記来店客のうち前記対象時期以外の特定期間に所在確認できる生存客、の数をそれぞれ特定し、前記生存客における前記再訪客の割合を算定することで、前記店舗に関する顧客の継続率を算定する算定部と、
   を備えるデータ分析装置。
2. 前記算定部は、
   時系列上の一連の対象時期それぞれに関して、当該対象時期以外の特定期間ごとの再訪客、及び前記対象時期以後以外の特定期間ごとの生存客、の数をそれぞれ特定し、前記一連の対象時期それぞれの来店客の、前記特定期間ごとに関して前記継続率を算定する、請求項１に記載のデータ分析装置。
3. 前記算定の結果に基づき、前記一連の対象時期と前記特定期間それぞれとの組み合わせに関して、当該対象時期の来店客の、前記特定期間ごとの継続率の情報を表示する出力部をさらに備える、請求項２に記載のデータ分析装置。
4. 前記算定部は、
   前記対象時期における前記特定期間のそれぞれに関して算定した前記継続率の全体平均を平均継続率として算定する処理と、当該平均継続率に対して、前記対象時期における前記特定期間のそれぞれに関する継続率の信頼区間を算定する処理と、前記平均継続率が前記信頼区間内にある場合、当該対象時期における当該特定期間の継続率を、前記平均継続率と特定し、前記平均継続率が前記信頼区間の下限を下回っている場合、当該対象時期における当該特定期間の継続率を、前記信頼区間の下限と特定し、前記平均継続率が前記信頼区間の上限を上回っている場合、当該対象時期における当該特定期間の継続率を、前記信頼区間の上限と特定する処理とを実行する、請求項２に記載のデータ分析装置。
5. 前記算定部は、
   前記平均継続率が前記信頼区間から外れている度合いを示す特徴スコアとして、前記平均継続率における前記継続率の割合に関する対数を算定する処理をさらに実行する、請求項４に記載のデータ分析装置。
6. 前記出力部は前記特徴スコアを出力する、請求項５に記載のデータ分析装置。
7. 店舗及び顧客の各々の位置情報を格納する記憶部と、
   前記位置情報に基づき、対象時期に前記店舗を訪問した来店客のうち前記対象時期以外の特定期間に前記店舗を再訪した再訪客、及び前記来店客のうち前記対象時期以外の特定期間に所在確認できる生存客、の数をそれぞれ特定し、前記生存客における前記再訪客の割合を算定することで、前記店舗に関する顧客の継続率を算定する算定部と、
   を備えるデータ分析システム。
8. 情報処理装置が、
   店舗及び顧客の各々の位置情報を格納する記憶部を備えて、
   前記位置情報に基づき、対象時期に前記店舗を訪問した来店客のうち前記対象時期以外の特定期間に前記店舗を再訪した再訪客、及び前記来店客のうち前記対象時期以外の特定期間に所在確認できる生存客、の数をそれぞれ特定し、前記生存客における前記再訪客の割合を算定することで、前記店舗に関する顧客の継続率を算定する、データ分析方法。
9. 情報処理装置において、
   店舗及び顧客の各々の位置情報を格納する記憶部を備えて、
   前記位置情報に基づき、対象時期に前記店舗を訪問した来店客のうち前記対象時期以外の特定期間に前記店舗を再訪した再訪客、及び前記来店客のうち前記対象時期以外の特定期間に所在確認できる生存客、の数をそれぞれ特定し、前記生存客における前記再訪客の割合を算定することで、前記店舗に関する顧客の継続率を算定する処理を実行させるプログラム。

Images