JP2021125073A - データ分析システム、データ分析方法、およびデータ分析プログラム - Google Patents
データ分析システム、データ分析方法、およびデータ分析プログラム Download PDFInfo
- Publication number
- JP2021125073A JP2021125073A JP2020019515A JP2020019515A JP2021125073A JP 2021125073 A JP2021125073 A JP 2021125073A JP 2020019515 A JP2020019515 A JP 2020019515A JP 2020019515 A JP2020019515 A JP 2020019515A JP 2021125073 A JP2021125073 A JP 2021125073A
- Authority
- JP
- Japan
- Prior art keywords
- data
- target
- sales
- store
- analysis
- 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.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Controls And Circuits For Display Device (AREA)
Abstract
【課題】店舗内で表示される広告コンテンツが該店舗での売上にどれだけ貢献したかをより詳しく把握するを提供する。
【解決手段】データ分析システムは、対象店舗に設置され且つ対象商品に関する広告コンテンツを表示するデジタルサイネージに対する顧客の行動を示す行動データと、対象店舗での売上を示す対象売上データとを取得し、対象売上データに基づいて、広告コンテンツが表示される対象期間とコンテンツが表示されない比較期間とのそれぞれにおける対象店舗での売上を示す対象分析データを生成し、行動データに基づいて、少なくとも対象期間における対象店舗での顧客の行動を示す行動分析データを生成し、対象分析データおよび行動分析データを含むレポートを生成および出力する。
【選択図】図1
【解決手段】データ分析システムは、対象店舗に設置され且つ対象商品に関する広告コンテンツを表示するデジタルサイネージに対する顧客の行動を示す行動データと、対象店舗での売上を示す対象売上データとを取得し、対象売上データに基づいて、広告コンテンツが表示される対象期間とコンテンツが表示されない比較期間とのそれぞれにおける対象店舗での売上を示す対象分析データを生成し、行動データに基づいて、少なくとも対象期間における対象店舗での顧客の行動を示す行動分析データを生成し、対象分析データおよび行動分析データを含むレポートを生成および出力する。
【選択図】図1
Description
本開示の一側面はデータ分析システム、データ分析方法、およびデータ分析プログラムに関する。
商品の販売促進のための広告コンテンツの効果を分析するコンピュータシステムが知られている。例えば、特許文献1には、店舗内で表示した広告コンテンツと、その広告コンテンツに係る商品に関する顧客の購買行動との関係を分析する購買行動分析装置が記載されている。
店舗内で表示される広告コンテンツが該店舗での売上にどれだけ貢献したかをより詳しく把握することが望まれている。
本開示の一側面に係るデータ分析システムは少なくとも一つのプロセッサを備える。少なくとも一つのプロセッサは、対象店舗に設置され且つ対象商品に関する広告コンテンツを表示するデジタルサイネージに対する顧客の行動を示す行動データと、対象店舗での売上を示す対象売上データとを取得し、対象売上データに基づいて、広告コンテンツが表示される対象期間とコンテンツが表示されない比較期間とのそれぞれにおける対象店舗での売上を示す対象分析データを生成し、行動データに基づいて、少なくとも対象期間における対象店舗での顧客の行動を示す行動分析データを生成し、対象分析データおよび行動分析データを含むレポートを生成および出力する。
本開示の一側面に係るデータ分析方法は、少なくとも一つのプロセッサを備えるデータ分析システムにより実行される。データ分析方法は、対象店舗に設置され且つ対象商品に関する広告コンテンツを表示するデジタルサイネージに対する顧客の行動を示す行動データと、対象店舗での売上を示す対象売上データとを取得するステップと、対象売上データに基づいて、広告コンテンツが表示される対象期間とコンテンツが表示されない比較期間とのそれぞれにおける対象店舗での売上を示す対象分析データを生成するステップと、行動データに基づいて、少なくとも対象期間における対象店舗での顧客の行動を示す行動分析データを生成するステップと、対象分析データおよび行動分析データを含むレポートを生成および出力するステップとを含む。
本開示の一側面に係るデータ分析プログラムは、対象店舗に設置され且つ対象商品に関する広告コンテンツを表示するデジタルサイネージに対する顧客の行動を示す行動データと、対象店舗での売上を示す対象売上データとを取得するステップと、対象売上データに基づいて、広告コンテンツが表示される対象期間とコンテンツが表示されない比較期間とのそれぞれにおける対象店舗での売上を示す対象分析データを生成するステップと、行動データに基づいて、少なくとも対象期間における対象店舗での顧客の行動を示す行動分析データを生成するステップと、対象分析データおよび行動分析データを含むレポートを生成および出力するステップとをコンピュータに実行させる。
このような側面においては、レポートが、対象期間および比較期間の間の対象店舗での売上の比較と、対象期間における対象店舗での顧客の行動という詳細な情報を示す。したがって、このレポートを用いることで、対象店舗内で表示される広告コンテンツが該対象店舗での売上にどれだけ貢献したかをより詳しく把握することができる。
本開示の一側面によれば、店舗内で表示される広告コンテンツが該店舗での売上にどれだけ貢献したかをより詳しく把握することができる。
以下、添付図面を参照しながら本開示での実施形態を詳細に説明する。なお、図面の説明において同一または同等の要素には同一の符号を付し、重複する説明を省略する。
[システムの概要]
実施形態に係るデータ分析システム10は、店舗内で表示される広告コンテンツが該店舗での売上にどれだけ貢献したかを分析し、その分析結果を示すレポートを出力するコンピュータシステムである。店舗とは、現実世界に物理的に存在する店舗、すなわち実店舗のことをいう。広告コンテンツとは、商品を宣伝するために作成される、人が視認可能なデジタル情報のことをいう。広告コンテンツの構成は限定されず、例えば広告コンテンツは動画、静止画、およびテキストのうちの少なくとも一つを含んで構成される。広告コンテンツは音声を含んでもよい。商品とは、有償または無償で取引される任意の有体物または無体物のことをいい、したがって、サービスの提供を含む概念である。商品の種類は何ら限定されない。本開示では、広告コンテンツに対応する商品、すなわち、広告コンテンツによって宣伝される商品のことを「対象商品」ともいう。レポートは、表示装置上に表示されたり印刷されたりすることで視認可能になるデータである。データ分析システム10のユーザはそのレポートを確認することで、広告コンテンツが売上にどれだけ貢献したかを把握することができる。
実施形態に係るデータ分析システム10は、店舗内で表示される広告コンテンツが該店舗での売上にどれだけ貢献したかを分析し、その分析結果を示すレポートを出力するコンピュータシステムである。店舗とは、現実世界に物理的に存在する店舗、すなわち実店舗のことをいう。広告コンテンツとは、商品を宣伝するために作成される、人が視認可能なデジタル情報のことをいう。広告コンテンツの構成は限定されず、例えば広告コンテンツは動画、静止画、およびテキストのうちの少なくとも一つを含んで構成される。広告コンテンツは音声を含んでもよい。商品とは、有償または無償で取引される任意の有体物または無体物のことをいい、したがって、サービスの提供を含む概念である。商品の種類は何ら限定されない。本開示では、広告コンテンツに対応する商品、すなわち、広告コンテンツによって宣伝される商品のことを「対象商品」ともいう。レポートは、表示装置上に表示されたり印刷されたりすることで視認可能になるデータである。データ分析システム10のユーザはそのレポートを確認することで、広告コンテンツが売上にどれだけ貢献したかを把握することができる。
一例では、データ分析システム10は、対象期間および比較期間のそれぞれにおける対象店舗での売上と、対象期間および比較期間のそれぞれにおける比較店舗での売上と、少なくとも対象期間における対象店舗での顧客の行動とを示すレポートを出力する。対象店舗とは、広告コンテンツ(より具体的には、対象商品の広告コンテンツ)の表示が実施される店舗のことをいい、比較店舗とは、その広告コンテンツの表示が実施されない店舗のことをいう。対象期間とは、対象店舗において広告コンテンツ(より具体的には、対象商品の広告コンテンツ)が表示される期間のことをいい、比較期間とは、対象店舗においてその広告コンテンツが表示されない期間のことをいう。顧客とは店舗を訪れた人のことをいい、当然ながら、その店舗での商品の購入者を含む概念である。
[システムの構成]
図1はデータ分析システム10の機能構成の一例を示す図である。データ分析システム10は機能要素として受付部11、データクリーニング部12、および集計部13を備える。受付部11は、レポートを作成するための条件を受け付ける機能要素である。データクリーニング部12は、分析しようとするデータから異常値を除外する処理(これを「データクリーニング」という)を実行する機能要素である。集計部13は、異常値が除外されたデータを用いてレポートを生成し、そのレポートを出力する機能要素である。
図1はデータ分析システム10の機能構成の一例を示す図である。データ分析システム10は機能要素として受付部11、データクリーニング部12、および集計部13を備える。受付部11は、レポートを作成するための条件を受け付ける機能要素である。データクリーニング部12は、分析しようとするデータから異常値を除外する処理(これを「データクリーニング」という)を実行する機能要素である。集計部13は、異常値が除外されたデータを用いてレポートを生成し、そのレポートを出力する機能要素である。
データ分析システム10は通信ネットワークを介してデータベース20と通信接続してデータを読み出したり書き出したりすることができる。通信ネットワークの構成および種類は何ら限定されず、任意の方針で設計されてよい。例えば、通信ネットワークはインターネット、イントラネット、またはこれらの組合せによって構築されてもよい。また、通信ネットワークは有線ネットワーク、無線ネットワーク、またはこれらの組合せによって構築されてもよい。
データベース20は分析のために用いられる各種のデータを記憶する装置(記憶部)である。データベース20は、データ分析システム10とは異なるコンピュータまたはコンピュータシステムに設けられてもよいし、データ分析システム10の一構成要素であってもよい。一例では、データベース20は、様々なコンピュータシステム、機器、または装置から提供されるデータを記憶する。本実施形態では、データベース20は期間マスタ201、店舗マスタ202、商品マスタ203、サイネージマスタ204、顧客数データ205、店内行動データ206、サイネージ行動データ207、商品売上データ208、レシートデータ209、売上データ210、および視聴データ211という様々なデータを記憶する。図2を参照しながらこれらのデータについて詳しく説明する。図2はデータベース20に記憶される各種のデータの一例を示す図である。
期間マスタ201は対象期間および比較期間を示すデータである。一例では、期間マスタ201の各レコードは、日付、曜日、週番号、および期間種別を含む。週番号はその日付が月の何番目の週であるかを示すデータ項目である。期間種別は、日付が対象期間および比較期間のうちのどちらであるかを示すデータ項目である。期間種別は、日付が対象期間および比較期間のいずれでもないことも示し得る。
店舗マスタ202は対象店舗および比較店舗を示すデータである。一例では、店舗マスタ202の各レコードは店舗ID、店舗名称、屋号、管轄支店、代表的な客層、および店舗種別を含む。店舗IDは個々の店舗を一意に特定するための識別子である。屋号は店舗が属する企業またはブランドの名称である。管轄支店は、店舗を管理する企業の支店である。代表的な客層は、性別、年齢層などのような顧客の属性で表されてもよいし、大学、オフィス、住宅地などのような、店舗付近の環境で表されてもよい。店舗種別は、店舗が対象店舗および比較店舗のうちのどちらであるかを示すデータ項目である。店舗種別は、店舗が対象店舗および比較店舗のいずれでもないことも示し得る。
商品マスタ203は商品に関する情報を示すデータである。一例では、商品マスタ203の各レコードは商品ID、商品名称、商品カテゴリ、商品ブランド、および売場IDを含む。商品IDは個々の商品を一意に特定するための識別子である。商品カテゴリとは何らかの属性に基づく商品の分類のことをいう。商品カテゴリは階層的に定義されてもよく、例えば大分類、中分類、および小分類によって定義されてもよい。商品ブランドとは商品が属するブランドのことをいう。売場IDは店舗内での商品の置き場所の分類を一意に特定するための識別子である。
サイネージマスタ204は対象店舗に設置されたデジタルサイネージに関する情報を示すデータである。デジタルサイネージとは広告コンテンツを表示する表示装置のことをいう。一例では、サイネージマスタ204の各レコードは装置ID、店舗ID、設置場所、および稼働状況を示す。装置IDは個々のデジタルサイネージを一意に特定するための識別子である。設置店舗はデジタルサイネージが設置された対象店舗の店舗IDである。設置場所は対象店舗内でのデジタルサイネージの具体的な位置を示す。デジタルサイネージの設置場所は限定されず、例えばレジスタの付近、対象商品が置かれる棚、対象商品とは異なる商品が置かれる棚、入口などの様々な場所でよい。一例では、一つの対象店舗内の複数の場所にデジタルサイネージが設置される。稼働状況はデジタルサイネージがいつ稼働するかを示す情報であり、例えば、稼働日および停止日によって表現されてよい。
顧客数データ205は店舗を訪れた顧客数を示すデータである。一例では、顧客数データ205の各レコードは店舗ID、時間帯、および顧客数を示す。時間帯は日付および時間幅で表現され、例えば、1時間ごとに区切られる。顧客数はその時間帯(例えば1時間)の間に店舗を訪れた顧客の数である。
店内行動データ206は対象店舗内における顧客の行動を示すデータであり、より具体的には、対象店舗内のどの売場を通過したかを示すデータである。一例では、店内行動データ206の各レコードは店舗ID、顧客ID、出現日時、売場ID、顧客行動、滞在時間、レシート番号、対象カテゴリフラグ、および対象ブランドフラグを含む。顧客IDは個々の顧客を一意に特定するための識別子である。出現日時は顧客が売場に現れた日時である。顧客行動はその売り場での顧客の行動を示し、例えば、通過したか立ち止まったか、および商品を手に取ったか否かを示す。滞在時間は顧客が売場で立ち止まった時間幅である。レシート番号は顧客が購入した際に発行されたレシートを一意に特定するための識別子である。対象カテゴリフラグは、対象商品と同じ商品カテゴリ(本開示ではこれを「対象カテゴリ」という)に属する商品を顧客が購入したか否かを示す。対象ブランドフラグは、対象商品と同じブランド(本開示ではこれを「対象ブランド」という)に属する商品を顧客が購入したか否かを示す。
サイネージ行動データ207はデジタルサイネージの前における顧客の行動を通過したかを示すデータである。一例では、サイネージ行動データ207の各レコードは店舗ID、顧客ID、出現日時、デジタルサイネージの設置場所、顧客行動、滞在時間、レシート番号、対象カテゴリフラグ、および対象ブランドフラグを含む。出現日時は顧客がデジタルサイネージの前に現れた日時である。顧客行動はデジタルサイネージの前での顧客の行動を示し、例えば、通過したか立ち止まったかを示す。滞在時間は顧客がデジタルサイネージの前で立ち止まった時間幅である。サイネージ行動データ207は、デジタルサイネージに対する顧客の行動を示す行動データの一例である。
商品売上データ208は商品毎の売上を示すデータである。一例では、商品売上データ208の各レコードは店舗ID、売上日、時間帯、商品ID、商品カテゴリ、売場ID、売上数、および売上金額を含む。売上数および売上金額はいずれも、対応する時間帯(例えば1時間)の間における合計値である。商品売上データ208は、対象店舗での売上を示す対象売上データの一例であり、比較店舗での売上を示す比較売上データの一例でもある。
レシートデータ209は売買時に発行されるレシートに関するデータである。一例では、レシートデータ209の各レコードは店舗ID、売上日、時間帯、レシート属性、およびレシート数を含む。レシート属性は顧客(購入者)の属性(例えば性別および年齢層)と、取引された商品の属性(例えば、対象商品を含むレシートか否か、対象カテゴリの商品を含むレシートか否か)とのうちの少なくとも一方を示してもよい。レシート数は、対応する時間帯(例えば1時間)の間における合計値である。レシートデータ209は対象売上データの一例であり、比較売上データの一例でもある。
売上データ210は個々の売買を示すデータである。一例では、売上データ210の各レコードは店舗ID、顧客ID、売上日時、レシート番号、対象カテゴリフラグ、および対象ブランドフラグを含む。売上日時は売買が成立した日時である。売上データ210は対象売上データの一例であり、比較売上データの一例でもある。
視聴データ211は広告コンテンツの視聴に関するデータである。一例では、視聴データ211の各レコードは装置ID、日付、コンテンツID、通過人数、視聴人数、および視聴時間を含む。コンテンツIDは個々の広告コンテンツを一意に特定する識別子である。通過人数は、そのコンテンツIDによって特定される広告コンテンツが配信されている間にデジタルサイネージの前を通過した顧客の数である。視聴人数はその広告コンテンツを視聴した顧客(言い換えると、その広告コンテンツが配信されている間にデジタルサイネージの前で立ち止まった顧客)の人数である。視聴時間は顧客がその広告コンテンツを視聴した時間(言い換えると、その広告コンテンツが配信されている間に顧客がデジタルサイネージの前で立ち止まった時間)の合計値である。視聴データ211は行動データの一例である。
それぞれのデータを用意する方法は限定されない。例えば、期間マスタ201、店舗マスタ202、商品マスタ203、およびサイネージマスタ204はデータ分析システム10の管理者によって入力されてデータベース20に格納されてよい。顧客の行動を示すデータ(顧客数データ205、店内行動データ206、サイネージ行動データ207、および視聴データ211)は、店舗内に設けられたカメラから得られる映像を人工知能(AI)によって解析することで生成されてよい。一例では、顧客の行動を示すデータはデータ分析システム10の管理者とは別の者(例えば、映像解析システムの管理者)によって生成されてデータベース20に格納されてよい。売上を示すデータ(商品売上データ208、レシートデータ209、および売上データ210)はPOS(販売時点情報管理)システムによって得られるデータに基づいて生成されてよい。これらの売上データはデータ分析システム10の管理者とは別の者(例えば、POSシステムの管理者)によって生成されてデータベース20に格納されてよい。
個々のデータのデータ構造は本実施形態での例(図2に示す例)に限定されず、任意の方針で設計されてよい。例えば、任意のデータが任意の方針で正規化または非正規化されて一または複数のデータテーブル上に記憶されてもよい。
図3は、データ分析システム10として機能し得るコンピュータ100の一般的なハードウェア構成を示す図である。例えば、コンピュータ100はプロセッサ101、主記憶部102、補助記憶部103、通信制御部104、入力装置105、および出力装置106を備える。プロセッサ101はオペレーティングシステムおよびアプリケーションプログラムを実行する。主記憶部102は例えばROMおよびRAMで構成される。補助記憶部103は例えばハードディスクまたはフラッシュメモリで構成され、一般に主記憶部102よりも大量のデータを記憶する。補助記憶部103は、少なくとも1台のコンピュータをデータ分析システム10として機能させるためのプログラム110を非一時的に記憶する。通信制御部104は例えばネットワークカードまたは無線通信モジュールで構成される。入力装置105は例えばキーボード、マウス、タッチパネルなどで構成される。出力装置106は例えばモニタおよびスピーカで構成される。
データ分析システム10の各機能要素は、プロセッサ101または主記憶部102の上にプログラム110を読み込ませてプロセッサ101にそのプログラムを実行させることで実現される。プログラム110は、データ分析システム10の各機能要素を実現するためのコードを含む。プロセッサ101はプログラム110に従って、通信制御部104、入力装置105、または出力装置106を動作させ、主記憶部102または補助記憶部103におけるデータの読み出しおよび書き込みを行う。この処理によりデータ分析システム10の各機能要素が実現される。処理に必要なデータまたはデータベースは主記憶部102または補助記憶部103内に格納されてもよい。
プログラム110はデータ分析プログラムに相当する。プログラム110は、例えば、CD−ROM、DVD−ROM、半導体メモリなどの有形の記録媒体に非一時的に記録された上で提供されてもよい。あるいは、プログラム110は、搬送波に重畳されたデータ信号として通信ネットワークを介して提供されてもよい。
データ分析システム10は一つまたは複数のコンピュータにより構成され得る。複数のコンピュータが用いられる場合には、通信ネットワークを介してこれらのコンピュータが互いに接続されることでデータ分析システム10が構成される。
[システムの動作]
次に、図4を参照しながら、データ分析システム10の動作を説明するとともに、本実施形態に係るデータ分析方法について説明する。図4はデータ分析システム10での処理の一例を処理フローS1として示すフローチャートである。
次に、図4を参照しながら、データ分析システム10の動作を説明するとともに、本実施形態に係るデータ分析方法について説明する。図4はデータ分析システム10での処理の一例を処理フローS1として示すフローチャートである。
ステップS11では、受付部11が、レポートを作成するための条件の入力を受け付ける。一例では、ユーザが期間マスタ201、店舗マスタ202、商品マスタ203、およびサイネージマスタ204のそれぞれに関する情報を入力し、受付部11はレポートを作成するための条件としてその情報を受け付ける。
期間マスタ201は任意に設定されてよい。一例では、比較期間は対象期間とは重ならない期間であり、対象期間と同じ曜日および同じ日数の日付で構成されてよい。「同じ曜日」とは、期間の最初および最後の曜日が対象期間と比較期間との間で同じことをいう。一例では、比較期間は対象期間の前の期間でもよい。例えば、比較期間が2019年9月30日(月)〜2019年10月13日(日)であり、対象期間が2019年9月16日(月)〜2019年9月29日(日)でもよく、これは、比較期間が対象期間の直前の例である。「比較期間が対象期間の直前である」とは、比較期間の終了日の翌日が対象期間の開始日であることを意味する。あるいは、比較期間は対象期間の後の期間でもよい。例えば、比較期間が2019年9月30日(月)〜2019年10月13日(日)であり、対象期間が2019年9月2日(月)〜2019年9月15日(日)でもよい。比較期間は対象期間の直後の期間でもよく、これは、対象期間の終了日の翌日が比較期間の開始日であることを意味する。受付部11は入力された対象期間および比較期間に関する情報を期間マスタ201としてデータベース20に登録する。
店舗マスタ202も任意に設定されてよい。一例では、或る一つの対象店舗に対応する比較店舗は、該対象店舗と屋号、管轄支店、および代表的な客層が同じ店舗であってよい。対象店舗および比較店舗の個数は限定されず、任意に選択されてよい。例えば、それぞれの対象店舗について5〜10個の比較店舗が選択されてもよい。受付部11は入力された対象店舗および比較店舗に関する情報を店舗マスタ202としてデータベース20に登録する。
商品マスタ203も任意に設定されてよい。受付部11は対象商品についてのデータを受け付ける。受付部11はさらに、対象カテゴリに属する他の商品、対象ブランドに属する他の商品、対象商品に関連する商品(本開示ではこれを「関連商品」という)、関連商品のカテゴリ(本開示ではこれを「関連カテゴリ」という)に属する他の商品のうちの少なくとも一つについてのデータを受け付けてもよい。受付部11は入力された商品に関する情報を商品マスタ203としてデータベース20に登録する。
サイネージマスタ204も任意に設定されてよい。例えば、受付部11は、対象店舗に設置された1以上のデジタルサイネージのすべての情報を受け付けてもよいし、該1以上のデジタルサイネージの一部についてのみ情報を受け付けてもよい。受付部11は入力されたデジタルサイネージに関する情報をサイネージマスタ204としてデータベース20に登録する。
ステップS12では、データクリーニング部12がデータベース20内のデータに対してデータクリーニングを実行する。データクリーニングの具体的な手法は限定されず、データクリーニング部12は任意の方針に従ってその処理を実行してよい。
第1の手法では、データクリーニング部12は商品売上データ208を店舗および売上日の組合せ毎に集計することで、該組合せ毎の売上数および売上金額を取得する。この処理の対象となる売上日は、対象期間内または比較期間内の日付である。データクリーニング部12は1以上の対象店舗および1以上の比較店舗のそれぞれについて売上数または売上金額が他の日付よりも極端に多い日付を特定する。例えば、データクリーニング部12は他の日付における売上数(または売上金額)の平均よりも所与の閾値以上である売上数(または売上金額)を達成している日付を特定する。そして、データクリーニング部12は期間マスタ201におけるその日付の期間種別を「集計外」に更新することで、その日付を対象期間または比較期間から除外する。この更新により、その日付に対応するデータが集計の対象から除外される。特定の地域で何らかのイベントが行われた場合には、通常よりも多い顧客が店舗を訪れ、売上が平常時から跳ね上がる可能性がある。第1の手法は、そのようなイベント開催に起因する売上の極端な増加を異常値として認定して、その異常値を集計の対象から除外することを目的とする。
第2の手法では、データクリーニング部12は対象期間における商品売上データ208を店舗および商品ブランドの組合せ毎に集計することで、対象期間における該組合せ毎の売上数および売上金額を取得する。商品ブランドは商品マスタ203を参照することで得られる。続いて、データクリーニング部12は1以上の対象店舗および1以上の比較店舗のそれぞれについて売上数または売上金額が他の商品ブランドよりも極端に多い商品ブランドを特定する。例えば、データクリーニング部12は他の商品ブランドの売上数(または売上金額)の平均よりも所与の閾値以上である売上数(または売上金額)を達成している店舗および商品ブランドの組合せを特定する。そして、データクリーニング部12は店舗マスタ202におけるその店舗の店舗種別を「集計外」に更新することで、その店舗を対象店舗または比較店舗から除外する。この更新により、その店舗に対応するデータが集計の対象から除外される。特定の店舗で特定の商品ブランドが多く売れた場合には、その店舗での販売方法が特定であった可能性がある。第2の手法は店舗によるそのような特殊行為に起因する売上の極端な増加を異常値として認定してその異常値を集計の対象から除外することを目的とする。
あるいは、データクリーニング部12は上述した第1の手法および第2の手法の両方を実行してもよい。データクリーニングの手法にかかわらず、データクリーニングが実行された結果、集計の対象から除外されるデータが抽出されない場合があり得る。
ステップS13では、集計部13が、データクリーニングが適用されたデータを集計してレポートを作成する。集計部13はデータベース20内のデータを所与のルールに基づいて関連付け、その関連付けされたデータを集計することでレポートを作成する。一例では、集計部13は、対象期間および比較期間のそれぞれにおける対象店舗での売上を示す対象分析データを生成する。また、集計部13は、対象期間および比較期間のそれぞれにおける比較店舗での売上を示す比較分析データを生成する。加えて、集計部13は、少なくとも対象期間における対象店舗での顧客の行動を示す行動分析データを生成する。そして、集計部13は対象分析データ、比較分析データ、および行動分析データを含むレポートを生成する。
ステップS14では、集計部13がレポートを出力する。レポートの出力方法は限定されない。例えば、集計部13はレポートを、所与のデータベースに格納してもよいし、他のコンピュータに送信してもよいし、モニタ上に表示してもよいし、印刷してもよい。レポートを構成する各種の分析データの表現方法も限定されず、例えば、分析データは表およびグラフの少なくとも一方によって表現されてもよい。いずれにしても、レポートは対象分析データ、比較分析データ、および行動分析データを含むので、ユーザは、対象店舗内で表示される広告コンテンツが該対象店舗での売上にどれだけ貢献したかをそのレポートから把握することができる。
[分析データ]
レポートに含まれる分析データの構成は何ら限定されず、任意に設計されてよい。対象分析データ、比較分析データ、および行動分析データは互いに独立であってもよいし、それら3種類のデータのうちの任意の2以上のデータが組み合わされて一つの分析データを構成してもよい。図5〜図13は、レポートに含まれる分析データの様々な例を示す図である。図5〜図13において、「Post」は対象期間を示し、「Pre」は、対象期間よりも前に設定された比較期間を示す。また、「PI」はレジを通過した顧客1000人当たりの購買指数(Purchase Index)である。図5〜図13では、特定の店舗のデータの例として対象店舗Taおよび比較店舗Caのみを示す。
レポートに含まれる分析データの構成は何ら限定されず、任意に設計されてよい。対象分析データ、比較分析データ、および行動分析データは互いに独立であってもよいし、それら3種類のデータのうちの任意の2以上のデータが組み合わされて一つの分析データを構成してもよい。図5〜図13は、レポートに含まれる分析データの様々な例を示す図である。図5〜図13において、「Post」は対象期間を示し、「Pre」は、対象期間よりも前に設定された比較期間を示す。また、「PI」はレジを通過した顧客1000人当たりの購買指数(Purchase Index)である。図5〜図13では、特定の店舗のデータの例として対象店舗Taおよび比較店舗Caのみを示す。
図5に示す分析データ31は、対象期間および比較期間のそれぞれにおける、対象店舗および比較店舗のそれぞれでの売上を示す。したがって、分析データ31は対象分析データおよび比較分析データに対応する。例えば、集計部13は期間マスタ201、店舗マスタ202、顧客数データ205、商品売上データ208、レシートデータ209、および売上データ210を互いに関連付け、その関連付けされたデータを集計することで分析データ31を生成する。
分析データ31のそれぞれの列について説明する。「対象店舗平均」列は、対象期間および比較期間のそれぞれにおける複数の対象店舗の平均値と伸長率(対象伸長率)とを示す。伸長率は比較期間での値に対する対象期間での値の比であり、したがって、伸長率が100%を超えるということは、対象期間での値が比較期間での値を上回ったことを意味する。「比較店舗平均」列は、対象期間および比較期間のそれぞれにおける複数の比較店舗の平均値と伸長率(比較伸長率)とを示す。「vs比較店舗」列は、比較店舗平均の伸長率に対する対象店舗平均の伸長率の比であり、したがって、この比が100%を超えるということは、対象店舗平均の伸長率が比較店舗平均の伸長率を上回ったことを意味する。「対象店舗Ta」列は、対象期間および比較期間のそれぞれにおける特定の対象店舗Taでの値と伸長率(対象伸長率)とを示す。「比較店舗Ca」列は、対象期間および比較期間のそれぞれにおける特定の比較店舗Caでの値と伸長率(比較伸長率)とを示す。「vs比較店舗Ca」列は、比較店舗Caでの伸長率に対する対象店舗Taの伸長率の比である。
分析データ31のそれぞれの行について説明する。「顧客数」行は期間内に店舗を訪れた顧客数を示す。「購入確率−カテゴリ」行は、期間内に店舗を訪れた顧客のうち対象カテゴリの商品を購入した顧客の割合を示す。「購入確率−商品」行は、期間内に店舗を訪れた顧客のうち対象商品を購入した顧客の割合を示す。「PI−カテゴリ金額」行は、期間内における対象カテゴリの商品の売上金額についてのPIを示す。「PI−商品金額」行は、期間内における対象商品の売上金額についてのPIを示す。「PI−カテゴリ個数」行は、期間内における対象カテゴリの商品の売上数についてのPIを示す。「PI−商品個数」行は、期間内における対象商品の売上数についてのPIを示す。「シェア−商品シェア金額」行は「PI−カテゴリ金額」に対する「PI−商品金額」の割合を示す。「シェア−商品シェア個数」行は「PI−カテゴリ個数」に対する「PI−商品個数」の割合を示す。
図6に示す分析データ32は、対象期間および比較期間のそれぞれにおける、対象店舗および比較店舗のそれぞれでの売上を示す。したがって、分析データ32は対象分析データおよび比較分析データに対応する。例えば、集計部13は期間マスタ201、店舗マスタ202、商品売上データ208、レシートデータ209、および売上データ210を互いに関連付け、その関連付けされたデータを集計することで分析データ32を生成する。
分析データ32の列は分析データ31と同じである。「PI−商品金額」行は、期間内における対象商品の売上金額についてのPIを示す。「PI−商品個数」行は、期間内における対象商品の売上数についてのPIを示す。「シェア−商品シェア金額」は、期間内における、全商品の売上金額に対する対象商品の売上金額の割合を示す。「シェア−商品シェア個数」行は、期間内における、全商品の売上数に対する対象商品の売上数の割合を示す。
図7に示す分析データ33は、対象期間および比較期間のそれぞれにおける対象店舗での顧客の行動を示す。より具体的には、分析データ33は、対象期間および比較期間のそれぞれにおける、対象店舗での顧客の行動と売上との関係を示す。したがって、分析データ33は行動分析データに対応する。例えば、集計部13は期間マスタ201、店舗マスタ202、顧客数データ205、店内行動データ206、商品売上データ208、レシートデータ209、および売上データ210を互いに関連付け、その関連付けされたデータを集計することで分析データ33を生成する。
分析データ33のそれぞれの列について説明する。「対象店舗平均」列は、対象期間および比較期間のそれぞれにおける複数の対象店舗の平均値と伸長率(対象伸長率)とを示す。「対象店舗Ta」列は、対象期間および比較期間のそれぞれにおける特定の対象店舗Taでの値と伸長率(対象伸長率)とを示す。
分析データ33のそれぞれの行について説明する。「PI−来店人数」行はPIの基準である1000人を示す。「PI−カテゴリ通過人数」行は、期間内において対象カテゴリの棚の前を通過した顧客数のPIを示す。「PI−カテゴリ立ち止まり人数」行は、期間内において対象カテゴリの棚の前で立ち止まった顧客数のPIを示す。「PI−購入者数」行は、期間内において対象カテゴリの商品を購入した顧客数のPIを示し、したがって、この行は売上を示すといえる。「コンバージョン−立ち止まり/来店」行は、来店者に対する立ち止まった人の割合を示す。「コンバージョン−通過/来店」行は、来店者に対する通過者の割合を示す。「コンバージョン−立ち止まり/通過」行は、通過者に対する立ち止まった人の割合を示す。「コンバージョン−購入/立ち止まり」行は、立ち止まった人に対する購入者の割合を示す。
図8に示す分析データ34は、対象期間および比較期間のそれぞれにおける対象店舗での顧客の行動を示す。したがって、分析データ34は行動分析データに対応する。例えば、集計部13は期間マスタ201、店舗マスタ202、および店内行動データ206を互いに関連付け、その関連付けされたデータを集計することで分析データ34を生成する。
分析データ34の列は分析データ33と同じである。「カテゴリ滞在時間」行は、顧客が対象カテゴリの棚の前で立ち止まった時間の平均値を示す。「(滞在時間の)構成比」行は、その立ち止まった時間を複数個の区分に分けた際の該区分毎の顧客数の割合を示す。「立ち止まり棚数」行は、顧客が立ち止まった対象カテゴリの棚の延べ数を示す。「(棚数の)構成比」行は、その延べ数を複数個の区分に分けた際の該区分毎の顧客数の割合を示す。
図9に示す分析データ35は、対象期間および比較期間のそれぞれにおける対象店舗での顧客の行動を示す。したがって、分析データ35は行動分析データに対応する。例えば、集計部13は期間マスタ201、店舗マスタ202、サイネージマスタ204、およびサイネージ行動データ207を互いに関連付け、その関連付けされたデータを集計することで分析データ35を生成する。
分析データ35の列は分析データ33と同じである。「PI」行はPIの基準である1000人を示す。「通過人数」行は、対象店舗内に設けられたデジタルサイネージ(例えば、場所Aに設けられたデジタルサイネージ、場所Bに設けられたデジタルサイネージなど)の前を通過した人数のPIと、その平均値とを示す。「立ち止まり人数」行は、デジタルサイネージの前で立ち止まった人数のPIと、その平均値とを示す。「滞在時間累計」行は、デジタルサイネージの前で顧客が立ち止まった時間の累計値のPIと、その平均値とを示す。「立ち止まり/通過」行は、通過者に対する立ち止まった人の割合と、その平均値とを示す。
図10に示す分析データ36は、対象期間における対象店舗での顧客の行動を示す。したがって、分析データ36は行動分析データに対応する。例えば、集計部13は期間マスタ201、店舗マスタ202、サイネージマスタ204、サイネージ行動データ207、および視聴データ211を互いに関連付け、その関連付けされたデータを集計することで分析データ36を生成する。
分析データ36のそれぞれの列について説明する。「配信時間シェア」列は、デジタルサイネージでのコンテンツ表示時間のうち、対象商品の広告コンテンツが表示される時間の割合を示す。「通過者」列は、対象商品の広告コンテンツが表示されている間にデジタルサイネージの前を通過した人数を示し、1日当たりの平均値で表される。「視聴者」列は、対象商品の広告コンテンツの視聴者数を示し、1日当たりの平均値で表される。「視聴率」列は通過者に対する視聴者の割合を示す。「視聴時間」列は対象商品の広告コンテンツが視聴された時間の累積値を示し、1日当たりの平均値で表される。「一人あたり視聴時間」列は、視聴時間を視聴者数で割った値を示す。
分析データ36のそれぞれの行について説明する。「対象コンテンツを表示した時間帯」行は、デジタルサイネージが対象商品の広告コンテンツを表示した時間帯に限って集計した値と、その集計値の平均とを示す。「全時間において対象コンテンツを表示した場合」行は、デジタルサイネージが対象商品の広告コンテンツのみを表示し続けたと仮定した場合の集計値と、その集計値の平均とを示す。
図11に示す分析データ37は、対象期間における対象店舗での顧客の行動を示す。より具体的には、分析データ37は、対象期間における対象店舗での顧客の行動と売上との関係を示す。したがって、分析データ37は行動分析データに対応する。例えば、集計部13は期間マスタ201、店舗マスタ202、サイネージマスタ204、店内行動データ206、サイネージ行動データ207、商品売上データ208、レシートデータ209、および売上データ210を互いに関連付け、その関連付けされたデータを集計することで分析データ37を生成する。
分析データ37のそれぞれの列について説明する。「非通過者−通過」列は、デジタルサイネージの前を通過せず且つ対象カテゴリの棚を通過した人の割合を示す。「非通過者−立ち止まり」列は、デジタルサイネージの前を通過せず且つ対象カテゴリの棚で立ち止まった人の割合を示す。「非通過者−購入」列は、デジタルサイネージの前を通過せず且つ対象カテゴリの商品を購入した人の割合を示す。「通過者−通過」列は、デジタルサイネージの前を通過し且つ対象カテゴリの棚を通過した人の割合を示す。「通過者−立ち止まり」列は、デジタルサイネージの前を通過し且つ対象カテゴリの棚で立ち止まった人の割合を示す。「通過者−購入」列は、デジタルサイネージの前を通過し且つ対象カテゴリの商品を購入した人の割合を示す。「vs非通過者」の3列はいずれも、「非通過者」列の値に対する「通過者」列の値の比を示す。「購入」に関する列は売上を示すということができる。
分析データ37のそれぞれの行について説明する。「来店者ベース」行は、それぞれのデジタルサイネージについての、来店者に対する該当者の割合と、その平均とを示す。「コンバージョン」行は、それぞれのデジタルサイネージについての、(A)来店者に対する、対象カテゴリの棚を通過した人の割合(「通過」列)と、(B)通過者に対する立ち止まった人の割合(「立ち止まり」列)と、(C)立ち止まった人に対する購入者の割合(「購入」列)と、これらの割合のそれぞれについての平均値とを示す。
図12に示す分析データ38は、対象期間および比較期間のそれぞれにおける、対象店舗および比較店舗のそれぞれでの売上を示す。したがって、分析データ38は対象分析データおよび比較分析データに対応する。例えば、集計部13は期間マスタ201、店舗マスタ202、商品売上データ208、レシートデータ209、および売上データ210を互いに関連付け、その関連付けされたデータを集計することで分析データ38を生成する。
分析データ38の列は分析データ31と同じである。「PI−関連カテゴリ購入者数」行は、関連カテゴリに属する商品を購入した人数についてのPIを示す。「PI−関連商品購入者数」行は、関連商品を購入した人数についてのPIを示す。「PI−関連カテゴリ金額」行は、関連カテゴリに属する商品の売上金額についてのPIを示す。「PI−関連商品金額」行は、関連商品の売上金額についてのPIを示す。「PI−関連カテゴリ個数」行は、関連カテゴリに属する商品の売上数についてのPIを示す。「PI−関連商品個数」行は、関連商品の売上数についてのPIを示す。
図13に示す分析データ39は、対象期間および比較期間のそれぞれにおける、対象店舗および比較店舗のそれぞれでの売上を示す。したがって、分析データ39は対象分析データおよび比較分析データに対応する。例えば、集計部13は期間マスタ201、店舗マスタ202、商品売上データ208、レシートデータ209、および売上データ210を互いに関連付け、その関連付けされたデータを集計することで分析データ39を生成する。
分析データ39の列は分析データ31と同じである。「同時購入率−対象商品&関連カテゴリ」行は、対象商品および関連カテゴリの商品の双方を購入した人数についてのPIを示す。「同時購入率−対象商品&関連商品」行は、対象商品および関連商品の双方を購入した人数ついてのPIを示す。「同時購入率−対象商品→関連カテゴリ」行は、対象商品の購入者のうち関連カテゴリの商品もさらに購入した人の割合を示す。「同時購入率−対象商品→関連商品」行は、対象商品の購入者のうち関連商品もさらに購入した人の割合を示す。「同時購入率−関連カテゴリ→対象商品」行は、関連カテゴリの商品の購入者のうち対象商品もさらに購入した人の割合を示す。「同時購入率−関連商品→対象商品」行は、関連商品の購入者のうち対象商品もさらに購入した人の割合を示す。
上述したように、レポートに含まれる分析データの構成は何ら限定されない。したがって、上記の分析データ31〜39はいずれもレポートの必須の構成要素ではない。
[効果]
以上説明したように、本開示の一側面に係るデータ分析システムは少なくとも一つのプロセッサを備える。少なくとも一つのプロセッサは、対象店舗に設置され且つ対象商品に関する広告コンテンツを表示するデジタルサイネージに対する顧客の行動を示す行動データと、対象店舗での売上を示す対象売上データとを取得し、対象売上データに基づいて、広告コンテンツが表示される対象期間とコンテンツが表示されない比較期間とのそれぞれにおける対象店舗での売上を示す対象分析データを生成し、行動データに基づいて、少なくとも対象期間における対象店舗での顧客の行動を示す行動分析データを生成し、対象分析データおよび行動分析データを含むレポートを生成および出力する。
以上説明したように、本開示の一側面に係るデータ分析システムは少なくとも一つのプロセッサを備える。少なくとも一つのプロセッサは、対象店舗に設置され且つ対象商品に関する広告コンテンツを表示するデジタルサイネージに対する顧客の行動を示す行動データと、対象店舗での売上を示す対象売上データとを取得し、対象売上データに基づいて、広告コンテンツが表示される対象期間とコンテンツが表示されない比較期間とのそれぞれにおける対象店舗での売上を示す対象分析データを生成し、行動データに基づいて、少なくとも対象期間における対象店舗での顧客の行動を示す行動分析データを生成し、対象分析データおよび行動分析データを含むレポートを生成および出力する。
本開示の一側面に係るデータ分析方法は、少なくとも一つのプロセッサを備えるデータ分析システムにより実行される。データ分析方法は、対象店舗に設置され且つ対象商品に関する広告コンテンツを表示するデジタルサイネージに対する顧客の行動を示す行動データと、対象店舗での売上を示す対象売上データとを取得するステップと、対象売上データに基づいて、広告コンテンツが表示される対象期間とコンテンツが表示されない比較期間とのそれぞれにおける対象店舗での売上を示す対象分析データを生成するステップと、行動データに基づいて、少なくとも対象期間における対象店舗での顧客の行動を示す行動分析データを生成するステップと、対象分析データおよび行動分析データを含むレポートを生成および出力するステップとを含む。
本開示の一側面に係るデータ分析プログラムは、対象店舗に設置され且つ対象商品に関する広告コンテンツを表示するデジタルサイネージに対する顧客の行動を示す行動データと、対象店舗での売上を示す対象売上データとを取得するステップと、対象売上データに基づいて、広告コンテンツが表示される対象期間とコンテンツが表示されない比較期間とのそれぞれにおける対象店舗での売上を示す対象分析データを生成するステップと、行動データに基づいて、少なくとも対象期間における対象店舗での顧客の行動を示す行動分析データを生成するステップと、対象分析データおよび行動分析データを含むレポートを生成および出力するステップとをコンピュータに実行させる。
このような側面においては、レポートが、対象期間および比較期間の間の対象店舗での売上の比較と、対象期間における対象店舗での顧客の行動という詳細な情報を示す。したがって、このレポートを用いることで、対象店舗内で表示される広告コンテンツが該対象店舗での売上にどれだけ貢献したかをより詳しく(例えば定量的に)把握することができる。
他の側面に係るデータ分析システムでは、対象分析データが、比較期間における対象店舗での売上に対する、対象期間における対象店舗での売上の比である対象伸長率を含んでもよい。このような伸長率をレポートに含めることで、対象期間において対象店舗で表示される広告コンテンツの貢献度または効果をわかりやすく示すことができる。
他の側面に係るデータ分析システムでは、行動分析データが、デジタルサイネージの前を通過した人数と、デジタルサイネージの前で立ち止まった人数と、デジタルサイネージの前で立ち止まった人の滞在時間とのうちの少なくとも一つを含んでもよい。レポートが、デジタルサイネージに対する顧客の行動を示すので、広告コンテンツの貢献度または効果をより具体的に推定することが可能になる。
他の側面に係るデータ分析システムでは、行動分析データが、広告コンテンツが表示されている間にデジタルサイネージの前を通過した人数と、広告コンテンツが表示されている間にデジタルサイネージの前で立ち止まった人数と、広告コンテンツが表示されている間にデジタルサイネージの前で立ち止まった人の滞在時間とのうちの少なくとも一つを含んでもよい。レポートが、デジタルサイネージが広告コンテンツを表示している間における、該デジタルサイネージに対する顧客の行動を示すので、広告コンテンツの貢献度または効果をより具体的に推定することが可能になる。
他の側面に係るデータ分析システムでは、少なくとも一つのプロセッサが、対象売上データおよび行動データに基づいて、少なくとも対象期間における対象店舗での顧客の行動と売上との関係を示す行動分析データを生成してもよい。レポートが顧客の行動と売上との関係を示すので、対象店舗内で表示される広告コンテンツが該対象店舗での売上にどれだけ貢献したかをより明確に把握することができる。
他の側面に係るデータ分析システムでは、行動分析データが、デジタルサイネージの前で立ち止まった人数に対する、対象商品を購入した人数の比を含んでもよい。レポートがその比率を示すことで、広告コンテンツの貢献度または効果をより明確に把握することができる。
他の側面に係るデータ分析システムでは、少なくとも一つのプロセッサが、対象売上データについて、対象期間内のそれぞれの日付と比較期間内のそれぞれの日付とについて、店舗および該日付の組合せ毎に売上を集計するステップと、集計された売上が所与の閾値以上である組合せを特定するステップと、特定された組合せに対応する日付に関するデータを対象売上データおよび行動データから除外するステップとを含むデータクリーニングを実行し、データクリーニングが適用された対象売上データに基づいて対象分析データを生成し、データクリーニングが適用された行動データに基づいて行動分析データを生成してもよい。売上が平均に比べて所与の基準以上である日付を除外することで、特殊要因が各種の分析データに埋め込まれてしまう事態が回避される。したがって、広告コンテンツの貢献度または効果をより正確に推定することが可能になる。
他の側面に係るデータ分析システムでは、対象売上データが複数の対象店舗のそれぞれでの売上を示し、少なくとも一つのプロセッサが、対象売上データについて、対象期間における、店舗および商品ブランドの組合せ毎に売上を集計するステップと、集計された売上が所与の閾値以上である組合せを特定するステップと、特定された組合せに対応する店舗に関するデータを対象売上データおよび行動データから除外するステップとを含むデータクリーニングを実行し、データクリーニングが適用された対象売上データに基づいて対象分析データを生成し、データクリーニングが適用された行動データに基づいて行動分析データを生成してもよい。特定の商品ブランドの売上が平均に比べて所与の基準以上である店舗を除外することで、特殊要因が各種の分析データに埋め込まれてしまう事態が回避される。したがって、広告コンテンツの貢献度または効果をより正確に推定することが可能になる。
他の側面に係るデータ分析システムでは、少なくとも一つのプロセッサが、広告コンテンツが表示されない比較店舗での売上を示す比較売上データをさらに取得し、比較売上データに基づいて、対象期間および比較期間のそれぞれにおける比較店舗での売上を示す比較分析データを生成し、比較分析データをさらに含むレポートを生成および出力してもよい。このレポートは対象店舗および比較店舗の間の売上の比較も示すので、対象店舗内で表示される広告コンテンツが該対象店舗での売上にどれだけ貢献したかをより詳しく把握することが可能になる。
他の側面に係るデータ分析システムでは、比較分析データが、比較期間における比較店舗での売上に対する、対象期間における比較店舗での売上の比である比較伸長率を含んでもよい。このような伸長率をレポートに含めることで、対象期間において対象店舗で表示される広告コンテンツの貢献度または効果を、比較店舗との比較を通して、わかりやすく示すことができる。
他の側面に係るデータ分析システムでは、少なくとも一つのプロセッサが、比較売上データについて、対象期間内のそれぞれの日付と比較期間内のそれぞれの日付とについて、店舗および該日付の組合せ毎に売上を集計するステップと、集計された売上が所与の閾値以上である組合せを特定するステップと、特定された組合せに対応する日付に関するデータを比較売上データから除外するステップとを含むデータクリーニングを実行し、データクリーニングが適用された比較売上データに基づいて比較分析データを生成してもよい。売上が平均に比べて所与の基準以上である日付を除外することで、特殊要因が各種の分析データに埋め込まれてしまう事態が回避される。したがって、広告コンテンツの貢献度または効果をより正確に推定することが可能になる。
他の側面に係るデータ分析システムでは、比較売上データが複数の比較店舗のそれぞれでの売上を示し、少なくとも一つのプロセッサが、比較売上データについて、対象期間における、店舗および商品ブランドの組合せ毎に売上を集計するステップと、集計された売上が所与の閾値以上である組合せを特定するステップと、特定された組合せに対応する店舗に関するデータを比較売上データから除外するステップとを含むデータクリーニングを実行し、データクリーニングが適用された比較売上データに基づいて比較分析データを生成してもよい。特定の商品ブランドの売上が平均に比べて所与の基準以上である店舗を除外することで、特殊要因が各種の分析データに埋め込まれてしまう事態が回避される。したがって、広告コンテンツの貢献度または効果をより正確に推定することが可能になる。
[変形例]
以上、本開示の実施形態に基づいて詳細に説明した。しかし、本開示は上記実施形態に限定されるものではない。本開示は、その要旨を逸脱しない範囲で様々な変形が可能である。
以上、本開示の実施形態に基づいて詳細に説明した。しかし、本開示は上記実施形態に限定されるものではない。本開示は、その要旨を逸脱しない範囲で様々な変形が可能である。
比較売上データの利用は必須ではなく、これに対応して、比較分析データを生成する処理も必須ではない。データ分析システムは、対象分析データと行動分析データとを含み且つ比較分析データを含まないレポートを生成および出力してもよい。
データクリーニングは必須の処理ではなく、したがって、データ分析システムは、データクリーニング部12に相当する機能を有しなくてもよい。
データ分析システム内で二つの数値の大小関係を比較する際には、「以上」および「よりも大きい」という二つの基準のどちらを用いてもよく、「以下」および「未満」という二つの基準のうちのどちらを用いてもよい。このような基準の選択は、二つの数値の大小関係を比較する処理についての技術的意義を変更するものではない。
本開示において、「少なくとも一つのプロセッサが、第1の処理を実行し、第2の処理を実行し、…第nの処理を実行する。」との表現、またはこれに対応する表現は、第1の処理から第nの処理までのn個の処理の実行主体(すなわちプロセッサ)が途中で変わる場合を含む概念である。すなわち、この表現は、n個の処理のすべてが同じプロセッサで実行される場合と、n個の処理においてプロセッサが任意の方針で変わる場合との双方を含む概念である。
少なくとも一つのプロセッサにより実行される方法の処理手順は上記実施形態での例に限定されない。例えば、上述したステップ(処理)の一部が省略されてもよいし、別の順序で各ステップが実行されてもよい。また、上述したステップのうちの任意の2以上のステップが組み合わされてもよいし、ステップの一部が修正又は削除されてもよい。あるいは、上記の各ステップに加えて他のステップが実行されてもよい。
10…データ分析システム、11…受付部、12…データクリーニング部、13…集計部、20…データベース、201…期間マスタ、202…店舗マスタ、203…商品マスタ、204…サイネージマスタ、205…顧客数データ、206…店内行動データ、207…サイネージ行動データ、208…商品売上データ、209…レシートデータ、210…売上データ、211…視聴データ。
Claims (14)
- 少なくとも一つのプロセッサを備え、
前記少なくとも一つのプロセッサが、
対象店舗に設置され且つ対象商品に関する広告コンテンツを表示するデジタルサイネージに対する顧客の行動を示す行動データと、前記対象店舗での売上を示す対象売上データとを取得し、
前記対象売上データに基づいて、前記広告コンテンツが表示される対象期間と前記コンテンツが表示されない比較期間とのそれぞれにおける前記対象店舗での売上を示す対象分析データを生成し、
前記行動データに基づいて、少なくとも前記対象期間における前記対象店舗での顧客の行動を示す行動分析データを生成し、
前記対象分析データおよび前記行動分析データを含むレポートを生成および出力する、
データ分析システム。 - 前記対象分析データが、前記比較期間における前記対象店舗での売上に対する、前記対象期間における前記対象店舗での売上の比である対象伸長率を含む、
請求項1に記載のデータ分析システム。 - 前記行動分析データが、前記デジタルサイネージの前を通過した人数と、前記デジタルサイネージの前で立ち止まった人数と、前記デジタルサイネージの前で立ち止まった人の滞在時間とのうちの少なくとも一つを含む、
請求項1または2に記載のデータ分析システム。 - 前記行動分析データが、前記広告コンテンツが表示されている間に前記デジタルサイネージの前を通過した人数と、前記広告コンテンツが表示されている間に前記デジタルサイネージの前で立ち止まった人数と、前記広告コンテンツが表示されている間に前記デジタルサイネージの前で立ち止まった人の滞在時間とのうちの少なくとも一つを含む、
請求項3に記載のデータ分析システム。 - 前記少なくとも一つのプロセッサが、前記対象売上データおよび前記行動データに基づいて、少なくとも前記対象期間における前記対象店舗での顧客の行動と売上との関係を示す前記行動分析データを生成する、
請求項1〜4のいずれか一項に記載のデータ分析システム。 - 前記行動分析データが、前記デジタルサイネージの前で立ち止まった人数に対する、前記対象商品を購入した人数の比を含む、
請求項5に記載のデータ分析システム。 - 前記少なくとも一つのプロセッサが、
前記対象売上データについて、
前記対象期間内のそれぞれの日付と前記比較期間内のそれぞれの日付とについて、店舗および該日付の組合せ毎に売上を集計するステップと、
前記集計された売上が所与の閾値以上である前記組合せを特定するステップと、
前記特定された組合せに対応する前記日付に関するデータを前記対象売上データおよび前記行動データから除外するステップとを含むデータクリーニングを実行し、
前記データクリーニングが適用された前記対象売上データに基づいて前記対象分析データを生成し、
前記データクリーニングが適用された前記行動データに基づいて前記行動分析データを生成する、
請求項1〜6のいずれか一項に記載のデータ分析システム。 - 前記対象売上データが複数の前記対象店舗のそれぞれでの売上を示し、
前記少なくとも一つのプロセッサが、
前記対象売上データについて、
前記対象期間における、店舗および商品ブランドの組合せ毎に売上を集計するステップと、
前記集計された売上が所与の閾値以上である前記組合せを特定するステップと、
前記特定された組合せに対応する前記店舗に関するデータを前記対象売上データおよび前記行動データから除外するステップとを含むデータクリーニングを実行し、
前記データクリーニングが適用された前記対象売上データに基づいて前記対象分析データを生成し、
前記データクリーニングが適用された前記行動データに基づいて前記行動分析データを生成する、
請求項1〜7のいずれか一項に記載のデータ分析システム。 - 前記少なくとも一つのプロセッサが、
前記広告コンテンツが表示されない比較店舗での売上を示す比較売上データをさらに取得し、
前記比較売上データに基づいて、前記対象期間および前記比較期間のそれぞれにおける前記比較店舗での売上を示す比較分析データを生成し、
前記比較分析データをさらに含むレポートを生成および出力する、
請求項1〜8のいずれか一項に記載のデータ分析システム。 - 前記比較分析データが、前記比較期間における前記比較店舗での売上に対する、前記対象期間における前記比較店舗での売上の比である比較伸長率を含む、
請求項9に記載のデータ分析システム。 - 前記少なくとも一つのプロセッサが、
前記比較売上データについて、
前記対象期間内のそれぞれの日付と前記比較期間内のそれぞれの日付とについて、店舗および該日付の組合せ毎に売上を集計するステップと、
前記集計された売上が所与の閾値以上である前記組合せを特定するステップと、
前記特定された組合せに対応する前記日付に関するデータを前記比較売上データから除外するステップとを含むデータクリーニングを実行し、
前記データクリーニングが適用された前記比較売上データに基づいて前記比較分析データを生成する、
請求項9または10に記載のデータ分析システム。 - 前記比較売上データが複数の前記比較店舗のそれぞれでの売上を示し、
前記少なくとも一つのプロセッサが、
前記比較売上データについて、
前記対象期間における、店舗および商品ブランドの組合せ毎に売上を集計するステップと、
前記集計された売上が所与の閾値以上である前記組合せを特定するステップと、
前記特定された組合せに対応する前記店舗に関するデータを前記比較売上データから除外するステップとを含むデータクリーニングを実行し、
前記データクリーニングが適用された前記比較売上データに基づいて前記比較分析データを生成する、
請求項9〜11のいずれか一項に記載のデータ分析システム。 - 少なくとも一つのプロセッサを備えるデータ分析システムにより実行されるデータ分析方法であって、
対象店舗に設置され且つ対象商品に関する広告コンテンツを表示するデジタルサイネージに対する顧客の行動を示す行動データと、前記対象店舗での売上を示す対象売上データとを取得するステップと、
前記対象売上データに基づいて、前記広告コンテンツが表示される対象期間と前記コンテンツが表示されない比較期間とのそれぞれにおける前記対象店舗での売上を示す対象分析データを生成するステップと、
前記行動データに基づいて、少なくとも前記対象期間における前記対象店舗での顧客の行動を示す行動分析データを生成するステップと、
前記対象分析データおよび前記行動分析データを含むレポートを生成および出力するステップと
を含むデータ分析方法。 - 対象店舗に設置され且つ対象商品に関する広告コンテンツを表示するデジタルサイネージに対する顧客の行動を示す行動データと、前記対象店舗での売上を示す対象売上データとを取得するステップと、
前記対象売上データに基づいて、前記広告コンテンツが表示される対象期間と前記コンテンツが表示されない比較期間とのそれぞれにおける前記対象店舗での売上を示す対象分析データを生成するステップと、
前記行動データに基づいて、少なくとも前記対象期間における前記対象店舗での顧客の行動を示す行動分析データを生成するステップと、
前記対象分析データおよび前記行動分析データを含むレポートを生成および出力するステップと
をコンピュータに実行させるデータ分析プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020019515A JP2021125073A (ja) | 2020-02-07 | 2020-02-07 | データ分析システム、データ分析方法、およびデータ分析プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020019515A JP2021125073A (ja) | 2020-02-07 | 2020-02-07 | データ分析システム、データ分析方法、およびデータ分析プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021125073A true JP2021125073A (ja) | 2021-08-30 |
Family
ID=77459603
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020019515A Pending JP2021125073A (ja) | 2020-02-07 | 2020-02-07 | データ分析システム、データ分析方法、およびデータ分析プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2021125073A (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001331626A (ja) * | 2000-05-19 | 2001-11-30 | Yoichi Uchida | 地域密着型マーケティング装置 |
JP2004178276A (ja) * | 2002-11-27 | 2004-06-24 | Toshiba Lighting & Technology Corp | 売場計画支援システム |
JP2010020666A (ja) * | 2008-07-14 | 2010-01-28 | Seiko Epson Corp | 広告効果計測システム、広告効果計測装置、広告効果計測装置の制御方法およびそのプログラム |
-
2020
- 2020-02-07 JP JP2020019515A patent/JP2021125073A/ja active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001331626A (ja) * | 2000-05-19 | 2001-11-30 | Yoichi Uchida | 地域密着型マーケティング装置 |
JP2004178276A (ja) * | 2002-11-27 | 2004-06-24 | Toshiba Lighting & Technology Corp | 売場計画支援システム |
JP2010020666A (ja) * | 2008-07-14 | 2010-01-28 | Seiko Epson Corp | 広告効果計測システム、広告効果計測装置、広告効果計測装置の制御方法およびそのプログラム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fisher et al. | The value of rapid delivery in omnichannel retailing | |
Chen et al. | All reviews are not created equal: The disaggregate impact of reviews and reviewers at amazon. com | |
Malkoc et al. | Deferring versus expediting consumption: The effect of outcome concreteness on sensitivity to time horizon | |
Fan et al. | Reputation premium and reputation management: Evidence from the largest e-commerce platform in China | |
Dinner et al. | Driving online and offline sales: The cross-channel effects of traditional, online display, and paid search advertising | |
Jolivet et al. | Reputation and prices on the e-market: Evidence from a major french platform | |
Bolton et al. | Consumer perceptions of price (un) fairness | |
Doyle et al. | The lead effect of marketing decisions | |
Stilley et al. | Planning to make unplanned purchases? The role of in-store slack in budget deviation | |
US20140244345A1 (en) | Measuring Effectiveness Of Marketing Campaigns Across Multiple Channels | |
Cui et al. | Sooner or later? Promising delivery speed in online retail | |
US20120284036A1 (en) | System and method for linking together an array of business programs | |
US20080126193A1 (en) | Ad delivery and implementation system | |
Aggarwal et al. | Asymmetric price competition and store vs national brand choice | |
Reimer et al. | How online consumer segments differ in long-term marketing effectiveness | |
US20090228360A1 (en) | Email advertisement system and method for online retail | |
US20100076830A1 (en) | Means for collecting, soliciting, and remunerating members of a multi-level marketing business structure | |
Villas‐Boas et al. | Consumer and strategic firm response to nutrition shelf labels | |
US20120284104A1 (en) | User customizable real-time online merchant event platform utilizing price variations and associated method for increasing web site visibility | |
Cruz | Monitoring the tobacco use epidemic IV. The vector: tobacco industry data sources and recommendations for research and evaluation | |
US20180253711A1 (en) | Inventory management system and method | |
US8370208B1 (en) | Determining whether to include items in a data feed | |
US20180165715A1 (en) | System and Method for Measuring Customer Behavior | |
JP7011552B2 (ja) | 広告管理システム、広告管理方法、および広告管理プログラム | |
JP2021125073A (ja) | データ分析システム、データ分析方法、およびデータ分析プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200207 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210413 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20211026 |