JP2022120816A

JP2022120816A - 新製品の販売量の予測方法

Info

Publication number: JP2022120816A
Application number: JP2022011919A
Authority: JP
Inventors: 戴芸; Yun Dai; 黄景浩; Jinghao Huang
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 2021-02-05
Filing date: 2022-01-28
Publication date: 2022-08-18
Anticipated expiration: 2042-01-28
Also published as: CN114881676A; JP7315733B2

Abstract

【課題】新製品の販売量の予測方法を提供する。【解決手段】新製品の販売量の予測方法は、新製品のあらゆる特徴を含む特徴集合を構築する特徴集合構築ステップと、特徴集合中の全部又は一部の特徴を有する市販製品の販売量を取得する販売量データ取得ステップと、特徴集合から一つの特徴部分集合を選び取って、類似性計量関数を使用することにより、市販製品から特徴部分集合中の特徴を有し、且つ特徴部分集合で新製品に類似する複数の類似製品を選び出す類似製品選別ステップと、複数の類似製品の販売量の差異度を算出し、もし差異度が予め所定した許容値よりも小さいと、複数の類似製品の販売量が一致性検査にパスしたと認定し、または、複数の類似製品の販売量が一致性検査にパスしていないと認定する販売量一致性検査ステップと、一致性検査にパスした複数の類似製品の販売量を使用して、新製品の販売量を予測する新製品の販売量予測ステップと、を含む。【選択図】図１

Description

本発明は新製品の販売量の予測方法に関する。

ビジネス経営において、製品ニーズの予測は１つ重要な課題であり、その中で、新製品の販売量の予測がそのうちの１つの難しいが、重要なサブ課題である。近代的な生産において、製品のライフサイクルは著しく短縮され、特に、携帯電話、自動車等の分野の製品は、新製品の発表が非常に頻繁である。企業はまもなく市販製品の販売量の見通しについて差し迫ったニーズを持っており、新製品の上場初期の販売量を正確に予測することで企業の生産、マーケティングの配置に意思決定の根拠を提供することができる。新製品の販売量の予測は一般製品の販売量の予測よりもさらに難しい。その主な原因は製品が上場前に如何なる履歴を示す販売量データもなく、この履歴を示す販売量データから販売量の規則を学ぶことができない。

現在、新製品の販売量への予測は主にエキスパート評価法により、即ち企業は複数名の当該分野のエキスパートからなる評価チームを設立し、エキスパートの経験及び過去製品への研究に基づいて、討論によってコンセンサスを達成し、新しい市販製品の市場に現れる初期の販売量の見通しをつける。しかし、当該方法はコストが高く、大きい主観性を有し、既にあった類似した市販製品の履歴データへの有効利用も足りない。

なお、販売についての履歴データを用いて、販売予測を行う技術については、特許文献１に記載されている。

特開２００３－１２２８９５号公報

これに対し、本発明の目的は、市販製品の販売量データを利用して、客観的、低コストで正確に新製品の販売量を予測できる新製品の販売量の予測方法を提供することにある。

上記の目的を達成するために、本発明の新製品の販売量の予測方法は、コンピュータにより、新製品のあらゆる特徴を含む特徴集合を構築する特徴集合構築ステップと、前記特徴集合中の全部又は一部の特徴を有する市販製品の販売量を取得する販売量データ取得ステップと、前記特徴集合から１つの特徴部分集合を抽出し、類似性計量関数を使用することにより、前記市販製品から特徴部分集合中の前記特徴を有し且つ前記特徴部分集合で前記新製品に類似する複数の類似製品を選別する類似製品選別ステップと、複数の前記類似製品の販売量の差異度を算出し、もし前記差異度が予め所定した許容値よりも小さいと、複数の前記類似製品の販売量が一致性検査にパスしたと認定し、さもなくば、複数の前記類似製品の販売量が一致性検査にパスしていないと認定する販売量一致性検査ステップと、前記一致性検査にパスした複数の前記類似製品の販売量を使用して、前記新製品の販売量を予測する新製品の販売量予測ステップと、を含み、複数の前記類似製品の販売量が一致性検査にパスしていない場合、前記特徴集合から抽出された前記特徴部分集合とは異なる特徴部分集合を抽出し、類似製品選別ステップで選別された前記類似製品の販売量が一致性検査にパスするまで、前記類似製品選別ステップ及び前記販売量一致性検査ステップを繰り返すことを特徴とする。

本発明によれば、市販製品の販売量データを利用して、客観的、低コストで正確に新製品の販売量を予測できる。

図１は、本発明の新製品の販売量の予測方法のフローチャートである。

以下、特定の具体的な実施例で本発明の実施形態を説明する。当業者は本明細書に開示された内容から本発明のその他の優れた点及び効能を容易に理解することができる。本発明の記述は好適な実施例を合わせて一緒に紹介するが、しかし、これは決して本発明の特徴が当該実施形態のみに限ることを表すものではない。まさしく逆であり、実施形態を合わせて本発明を紹介する目的は本発明の特許請求の範囲に基づいて延出し得るその他の選択又は改造を包むことである。本発明への理解を深めるために、以下の記述において、多くの具体的な細部を含む。本発明はこれらの細部を使用せずに実施することもできる。この他、本発明の重点を混乱又は混同させることを避けるために、ある具体的な細部は記述において省略される。なお、コンフリクトしない場合、本発明中の実施例及び実施例中の特徴を互いに組み合わせることができる。

図１は、本発明の新製品の販売量の予測方法のフローチャートである。本発明では、新製品は、市場に出されていない製品であり、如何なる販売量の履歴データもない製品であって、それは全く新しい製品であってもよく、旧製品の新型であってもよい。本発明は以上２種類の新製品の販売量を予測することができる。

本発明の発明者は、特徴が類似している製品の販売量が類似しているはずだと想到したため、新製品に類似している市販製品を探し、市販製品の過去の販売量を使用することにより、新製品の販売量を予測することができる。類似計量関数を構造することで、新製品と市販製品との類似性を比較し、市販製品から新製品に類似する複数の類似製品を探し出す。しかし、探し出した複数の類似製品の間の販売量が類似しない可能性があり、「特徴が類似している商品の販売量が類似するべきである」という仮定を満たさない。したがって、本発明は、特徴部分集合検索、販売量一致性検査をさらに取り入れることでこの問題を解決するのに用いられる。

したがって、図１に示すように、本発明のコンピュータにより実行される、新製品の販売量の予測方法は、主に特徴集合構築ステップ、販売量データ取得ステップ、類似製品選別ステップ、販売量一致性検査ステップ、及び新製品の販売量予測ステップを含む。以下、各ステップについて説明するが、これらはコンピュータで実行される。

特徴集合構築ステップでは、新製品のあらゆる特徴を含む特徴集合を構築する。特徴は使用者が販売量に対して影響を有すると思う特徴、例えば、外観、価格、性能等である。
販売量データ取得ステップでは、前記特徴集合中の全部又は一部の特徴を有する市販製品の販売量を取得する。ここで、本発明において、新製品の販売量を予測する時間粒度（時間単位）、例えば、月間予測、週間予測、及び予測しようとする時間長さを確認し、それから、上場商品に対応する粒度、対応した時間長さの販売量データ、例えば、月間販売量、週間販売量、及び何ヶ月の月間販売量、何週間の周間販売量を収集する。

この他、本発明では、収集した市販製品の特徴の特徴値に対してデータ処理をさらに行うことができる。例えば、欠損値を補完し、連続的な特徴（数値特徴）について、市販製品の当該特徴平均値を用いて補完を行うことができる。類別特徴について、１つの「未知」という類別を新規作成して補完を行う。予測の正確性を保証するために、市販製品の販売量に欠損を有することを許さない。連続的な特徴について、各サンプルの当該特徴における特徴値の単位の一致を保持することを確保する必要がある。類別特徴について、同一類別には異なる表現が存在する場合、当該表現を調整し、表現の一致を保持することを確保する。

類似製品選別ステップでは、前記特徴集合から１つの特徴部分集合を抽出し、類似性計量関数を使用することで、前記市販製品から前記特徴部分集合中の前記特徴を有し、且つ前記特徴部分集合で前記新製品に類似する複数の類似製品を選別する。

本発明では、類似性計量関数を構造し、２つの製品の類似性を測定する。本発明は重み付け余弦距離又は重み付けユークリッド距離を使用して新製品と市販製品との類似性を計量する。即ち、前記類似性計量関数は、（数１）に示す重み付け余弦距離関数であってもよい。

（数１）中、d(x_i,x_j)は前記新製品と第j個の前記市販製品との重み付け余弦距離、x_i,kは前記新製品の第k個の特徴の特徴値、x_j,kは第j個の前記市販製品の第k個の特徴の特徴値、Pは前記特徴部分集合中の前記特徴の数量、w_kは予め設定した第k個の特徴の重み、且つ（数２）である。

また、前記特徴が数値特徴である場合、前記特徴値として当該特徴の数値を用い、前記特徴が類別特徴である場合、前記新製品の特徴と前記市販製品の特徴とが同一であるとき、前記新製品と前記市販製品の当該特徴の特徴値をともに０とし、前記新製品と前記市販製品との特徴が異なるとき、前記新製品と前記市販製品の当該特徴の特徴値をともに１と記し、前記重み付け余弦距離が小さい所定数量の前記市販製品を前記類似製品とする。使用者はニーズ（予測精度、計算能力等）に応じて当該所定数量を決定することができ、即ち何個の市販製品を選んで類似製品とすることを決定することができる。

前記類似性計量関数は、（数３）に示す重み付けユークリッド距離関数であってもよい。

式中、d(x_i,x_j)は前記新製品と第j個の前記市販製品との重み付けユークリッド距離、x_i,kは前記新製品の第k個の特徴の特徴値、x_j,kは第j個の前記市販製品の第k個の特徴の特徴値、Pは前記特徴部分集合中の前記特徴の数量、w_kは予め設定した第k個の特徴の重み、且つ（数２）である。

また、前記特徴が数値特徴である場合、前記特徴値として当該特徴の数値を用い、前記特徴が類別特徴である場合、前記新製品と前記市販製品との特徴が同一である場合、x_i,k－x_j,kを０とし、前記新製品と前記市販製品との特徴が異なる場合、x_i,k- x_j,kを１とし、前記重み付けユークリッド距離が小さい所定数量の前記市販製品を前記類似製品とする。使用者はニーズ（予測精度、計算能力等）に応じて当該所定数量を決定することができ、即ち何個の市販製品を選んで類似製品とすることを決定することができる。

（数３）、重みw_kは特徴の重要性を表し、重みw_kは使用者の特徴への理解によって人で与えることができ、又は販売量と当該特徴の類似性を検査することで、相関性の大きい特徴により大きい重みを与えることができる。

販売量一致性検査ステップでは、複数の前記類似製品の販売量の差異度を算出し、もし前記差異度が予め所定した許容値より小さいと、複数の前記類似製品の販売量が一致性検査にパスしたと認定し、さもなくば、複数の前記類似製品の販売量が一致性検査にパスしなかったと認定する。

ここで、前記差異度は（数４）によって算出することができる。

（数４）中、εは前記差異度、y_inは第n個の前記類似製品の第iの時間単位における販売量、max y_inは前記y_in中の最大値、即ち複数の類似製品の第iの時間単位における販売量の最大値、min y_inは前記y_in中の最小値、即ち複数の類似製品の第iの時間単位における販売量の最小値、median y_inは前記y_in中の中位値、即ち複数の類似製品の第iの時間単位における販売量の中位値、Mは前記類似製品の販売量の期間中に含まれる時間単位の数量である。

前記差異度は（数５）によって算出することもできる。

（数５）中、εは前記差異度、sigma_iは複数の前記類似製品の第iの時間単位における販売量の平均値、mu_iは複数の前記類似製品の第iの時間単位の販売量の標準偏差である。

複数の前記類似製品の販売量が一致性検査にパスしなかった場合、即ち、前記差異度が所定の許容度以上の場合に、類似製品選別ステップで選別された前記類似製品の販売量が一致性検査にパスするまで、前記特徴集合から抽出された前記特徴部分集合とは異なる別の特徴部分集合を抽出し、前記類似製品選別ステップ及び前記販売量一致性検査ステップを繰り返す。

本発明では、ランダム法、減少法、又は増加法等を用いて前記特徴部分集合を抽出する。ランダム法とは、前記特徴集合中で任意数の特徴をランダムに抽出し、前記特徴部分集合を構成することを指す。具体的には、Ｓ個（あらゆる特徴数≧Ｓ、Ｓもランダム値）の特徴をランダムに抽出し、特徴集合を構成し、前記類似製品選別ステップ及び前記販売量一致性検査ステップを繰り返し、もし前記類似製品の販売量が一致性検査を満足すると、前記類似製品の販売量を使用して新製品の上場後の販売量を予測する。もし前記類似製品の販売量が一致性検査を満足していないと、前記類似製品の販売量が一致性検査を満足するまで、再びランダムに抽出することで新しい特徴部分集合を構成する。このほか、もし類似製品選別ステップ及び前記販売量一致性検査ステップの繰り返し回数が所定の閾値を超えると、繰り返しを停止させ、必要とするより多くの上場商品のデータを補充した後再度試してみる。このようにして、役に立たない計算量を減らし、新製品の販売量を予測する効率を高めることができる。

減少法とは、まず前記特徴集合を前記特徴部分集合として前記類似製品選別ステップ及び前記販売量一致性検査ステップを行い、複数の前記類似製品の販売量が一致性検査にパスしなかった場合、前記特徴部分集合から１つの特徴をランダムで削除してもう一つの前記特徴部分集合とし、再び前記類似製品選別ステップ及び前記販売量一致性検査ステップを行うことを指す。前記特徴部分集合が空になる又は複数の前記類似製品の販売量が一致性検査にパスするまで、このように繰り返す。

増加法とは、まず前記特徴集合から１つの特徴をランダムに抽出し、前記特徴部分集合として前記類似製品選別ステップ及び前記販売量一致性検査ステップを行い、複数の前記類似製品の販売量が一致性検査にパスしなかった場合、前記特徴部分集合に前記特徴集合中の、先に抽出された特徴とは異なる１つの特徴をランダムで増加してもう一つの前記特徴部分集合とし、再び前記類似製品選別ステップ及び前記販売量一致性検査ステップを行うことを指す。特徴部分集合が前記特徴集合中の全部特徴を含む又は複数の前記類似製品の販売量が一致性検査にパスするまで、このように繰り返す。

新製品の販売量予測ステップでは、前記一致性検査にパスした複数の前記類似製品の販売量を用いて、前記新製品の販売量を予測する。具体的には、本発明では、新製品の予測販売量は（数６）によって算出することができる。

（数６）中、y_iは新製品の第iの時間単位の予測販売量、Nは前記類似製品の数量、w_nは第n個の前記類似製品の重み、且つ（数７）である。y_inは第n個の前記類似製品の第iの時間単位における販売量である。

このように、本発明により、市販製品の販売量データを利用して、客観的に、低コストで、且つ正確に新製品の販売量を予測することができる。

この他、本発明では、原因分析ステップをさらに有しても良い。即ち、前記一致性検査にパスした複数の前記類似製品及び前記特徴部分集合について、前記特徴部分集合中の特徴の毎に対し、当該特徴において前記新製品に類似する前記類似製品の数量を算出し、算出した類似製品の数量が最も多い所定個数の前記特徴を最も類似特徴として前記販売量類似の原因とし、その中、前記特徴が数値特徴である場合、前記新製品と前記類似製品との前記特徴の特徴値の差を算出し、前記特徴値の差の絶対値が予め設定した閾値よりも小さいとき、前記新製品と前記類似製品とが当該特徴で類似すると判定し、前記特徴が類別特徴である場合、前記新製品と前記市販製品の特徴が同一であるとき、前記新製品と前記類似製品とが当該特徴で類似すると判定する。

これにより、新製品の販売量を予測した後、使用者に販売量に大きい影響を与える特徴を提供することができる。

また、本発明では、複数の類似製品の販売量が一致性検査にパスした場合、引き続き新しい特徴部分集合を抽出し、繰り返す回数が所定の回数に達するまで、類似製品選別ステップ及び販売量一致性検査ステップを繰り返すこともできる。この場合には、本発明により、複数の新製品の予測販売量と当該予測販売量に対向する最も類似特徴との組み合せを得、使用者の参考に供することができる。

以下、理解し易いために、具体的な事例を使って本発明について説明する。
２０１９年新たに上場３つの車種（Ｗ,Ｙ,Ｚ）について販売量を予測し、その中で、ＷとＹは年度モデルチェンジ車種であり、Ｚは全く新しい車種である。目標としては、新車種が上場後３ヵ月の販売量を予測する。

１.データの収集と処理
下記の（表１）に示す３種類のデータの収集
１つ目は、予測待ちの新製品の特徴データ、即ち特徴及び特徴値、部材特徴集合である。本例では、特徴は、具体的に、ブランド、価格、排出ガス量（電動の場合０と記する）、輸入車であるか、車両タイプ、座席数、車体タイプ、変速段数、トランスミッションタイプ、駆動方式、ＡＢＳアンチロック・ブレーキ・システム、サンルーフタイプ、コンソールカラービッグスクリーン、シリンダ数、最大馬力、燃費、最高車速、パワーウインドウ、排出ガス基準の計２０個の特徴を含む。

２つ目は、参考のための新製品の特徴を含む市販製品の特徴データ、即ち特徴及び特徴値である。

３つ目は、参考のための市販製品の販売量データである。本例では、目標は新車種が上場後３ヵ月の販売量を予測する。したがって、本例では、上場商品に対応して上場後３ヵ月の販売量を収集する必要がある。計３７種類（Ｏ１～Ｏ３７）の上場車種のデータを収集しており、５つの大手自動車ブランド（Ｂ１～Ｂ５）を含む。

収集した特徴データについて、データ処理を行う。まず、欠損値を補完する。連続的な特徴につき、データ中の当該特徴の平均数を用いて欠損値を補完する。類別特徴につき、１つの「未知」という類別を新築して補完することができる。また、予測の正確性を保証するために、市販製品の販売量データは欠損を許さない。連続的な特徴につき、各サンプルの当該特徴における特徴値の単位の一致を保持することを確保する必要がある。類別特徴につき、同一の類別に異なる表現が存在する場合、表現を調整し、表現の一致を保持することを確保する。

２.類似製品の選別
本例では、類似性計量関数として重み付け余弦距離を用い、市販製品から類似製品を選別し、重み付けの重みを人で与える。

３.販売量の一致性検査
本例では、（数８）を用いて類似製品の販売量の差異度を算出する。

本例では、予め所定した許容度は１.２であり、もし選別した類似製品の販売量の差異度εが許容度より小さいと、一致性検査にパスすることになる。

４.特徴部分集合の選び取り
本例では、類似製品を選別する場合、ランダム法で特徴部分集合を選び取った。具体的には、１５個の特徴をランダムで選び取って特徴部分集合を構成し、新製品とあらゆる市販製品とが当該特徴部分集合における距離を算出し、以下の結果を得た。Ｗに最も近い車種はＯ２、Ｏ９であった。Ｙに最も近い車種はＯ１１、Ｏ３２であった。Ｚに最も近い車種はＯ１６、Ｏ２９であった。

５.販売量の予測
それぞれ新製品に類似する２つの類似製品を得た後、類似製品の重み付け平均数を新製品の毎月の予測販売量として、重みは類似製品が新製品に類似すれば類似するほど、重みがますます大きくなって、正規化を行う。換言すれば、重みは類似製品と新製品との重み付け余弦距離の逆数であって、正規化を行って得た数値である。新製品の販売量を予測した結果は次の（表２）の通りであった。

本例では、根平均二乗パーセンテージ誤差ＲＭＳＰＥ（ＲｏｏｔＭｅａｎＳｑｕａｒｅＰｅｒｃｅｎｔａｇｅＥｒｒｏｒ）を用いて予測販売量について評価を行い、結果としてはＲＭＳＰＥ＝６.３であった。これで分かるように、本発明によれば、上場の前３ヵ月の販売量の変化傾向を捉えることができ、類似結果を取得することができ、即ち、本発明によれば、予測販売量を得ることができる。

６. 原因の分析
新製品が類似製品に最も類似した５つの特徴を算出し、原因分析を行い、新製品が上記５つの特徴において類似製品と最も類似するので、上場後の販売量も類似していることを表明している。例えば、Ｗの類似車種は「Ｏ２」と「Ｏ９」で、最も類似した５つの特徴は、価格、排量、輸入車であるか、車両タイプ、座席数であった。Ｙの類似車種は「Ｏ１１」と「Ｏ３２」で、最も類似した５つの特徴は、価格、輸入車であるか、車両タイプ、座席数、駆動方式であった。

以上、本発明の実施形態について説明したが、しかし、実施形態はただ例を挙げ説明しただけであって、本発明の範囲を限定する意図を有しない。これらの実施形態はその他の各種の態様で実施することができ、本発明の主旨を超えない範囲内に種々の省略、置換、変更、組合を行うことができる。これらの実施形態及びその変形が本発明の範囲と主旨に含まれると共に、特許請求の範囲に記載の発明及びそれと均等の範囲内にも含まれる。

Claims

新製品の販売量の予測方法において、
新製品のあらゆる特徴を含む特徴集合を構築する特徴集合構築ステップと、
前記特徴集合中の全部又は一部の特徴を有する市販製品の販売量を取得する販売量データ取得ステップと、
前記特徴集合から１つの特徴部分集合を抽出し、類似性計量関数を使用することにより、前記市販製品から前記特徴部分集合中の前記特徴を有し、且つ前記特徴部分集合で前記新製品に類似する複数の類似製品を選別する類似製品選別ステップと、
複数の前記類似製品の販売量の差異度を算出し、もし前記差異度が予め所定した許容値よりも小さいと、複数の前記類似製品の販売量が一致性検査にパスしたと認定し、さもなくば、複数の前記類似製品の販売量が一致性検査にパスしていないと認定する販売量一致性検査ステップと、
前記一致性検査にパスした複数の前記類似製品の販売量を使用して、前記新製品の販売量を予測する新製品の販売量予測ステップと、を含み、
複数の前記類似製品の販売量が一致性検査にパスしていない場合、前記特徴集合から抽出された前記特徴部分集合とは異なる特徴部分集合を抽出し、類似製品選別ステップで選別された前記類似製品の販売量が一致性検査にパスするまで、前記類似製品選別ステップ及び前記販売量一致性検査ステップを繰り返すことを特徴とする新製品の販売量の予測方法。
請求項１に記載の新製品の販売量の予測方法において、
前記類似性計量関数は、（数１）に示す重み付け余弦距離関数であり、

式中、d(x_i,x_j)は前記新製品と第j個の前記市販製品との重み付け余弦距離、x_i,kは前記新製品の第k個の特徴の特徴値、x_j,kは第j個の前記市販製品の第k個の特徴の特徴値、Pは前記特徴部分集合中の前記特徴の数量、w_kは予め設定した第k個の特徴の重み、且つ（数２）であり、

前記特徴が数値特徴である場合、前記特徴値として当該特徴の数値を用い、
前記特徴が類別特徴である場合、前記新製品と前記市販製品との特徴が同一であるとき、前記新製品と前記市販製品の当該特徴の特徴値をともに０と記し、前記新製品と前記市販製品との特徴が異なるとき、前記新製品と前記市販製品の当該特徴の特徴値をともに１と記し、
前記重み付け余弦距離が小さい所定数量の前記市販製品を前記類似製品とすることを特徴とする新製品の販売量の予測方法。
請求項１に記載の新製品の販売量の予測方法において、
前記類似性計量関数は、（数３）に示す重み付けユークリッド距離関数であり、

（数３）中、d(x_i,x_j)は前記新製品と第j個の前記市販製品との重み付けユークリッド距離、x_i,kは前記新製品の第k個の特徴の特徴値、x_j,kは第j個の前記市販製品の第k個の特徴の特徴値、Pは前記特徴部分集合中の前記特徴の数量、w_kは予め設定した第k個の特徴の重み、且つ（数２）であり、

前記特徴が数値特徴である場合、前記特徴値として当該特徴の数値を用い、
前記特徴が類別特徴である場合、前記新製品と前記市販製品との特徴が同一であるとき、x_i,k- x_j,kを０とし、前記新製品と前記市販製品との特徴が異なるとき、x_i,k- x_j,kを１とし、
前記重み付けユークリッド距離が小さい所定数量の前記市販製品を前記類似製品とすることを特徴とする新製品の販売量の予測方法。
請求項１に記載の新製品の販売量の予測方法において、
前記差異度は、（数４）によって算出され、

（数４）中、εは前記差異度、y_inは第n個の前記類似製品の第iの時間単位における販売量、max y_inは前記y_in中の最大値、min y_inは前記y_in中の最小値、median y_inは前記y_in中の中位値、Mは前記類似製品の販売量の期間中に含まれる時間単位の数量であることを特徴とする新製品の販売量の予測方法。
請求項１に記載の新製品の販売量の予測方法において、
前記差異度は、（数５）によって算出され、

（数５）中、εは前記差異度、sigma_iは複数の前記類似製品の第iの時間単位における販売量の平均値、mu_iは複数の前記類似製品の第iの時間単位の販売量の標準偏差であることを特徴とする新製品の販売量の予測方法。
請求項１に記載の新製品の販売量の予測方法において、
前記類似製品選別ステップでは、ランダム法を用いて前記特徴部分集合を抽出し、即ち、前記特徴集合から任意数の特徴をランダムに抽出し前記特徴部分集合を構成することを特徴とする新製品の販売量の予測方法。
請求項１に記載の新製品の販売量の予測方法において、
前記類似製品選別ステップでは、減少法を用いて前記特徴部分集合を抽出し、即ち、まず前記特徴集合を前記特徴部分集合として前記類似製品選別ステップ及び前記販売量一致性検査ステップを行い、
複数の前記類似製品の販売量が一致性検査にパスしなかった場合、前記特徴部分集合から１つの特徴をランダムで削除してもう一つの前記特徴部分集合とし、再び前記類似製品選別ステップ及び前記販売量一致性検査ステップを行い、
前記特徴部分集合が空になる又は複数の前記類似製品の販売量が一致性検査にパスするまでこのように繰り返すことを特徴とする新製品の販売量の予測方法。
請求項１に記載の新製品の販売量の予測方法において、
前記類似製品選別ステップでは、増加法を用いて前記特徴部分集合を抽出し、即ち、まず前記特徴集合から１つの特徴をランダムに抽出し前記特徴部分集合とし、前記類似製品選別ステップ及び前記販売量一致性検査ステップを行い、
複数の前記類似製品の販売量が一致性検査にパスしなかった場合、前記特徴部分集合に前記特徴集合中の、抽出された特徴とは異なる１つの特徴をランダムで増加してもう一つの前記特徴部分集合とし、再び前記類似製品選別ステップ及び前記販売量一致性検査ステップを行い、
特徴部分集合が前記特徴集合中の全部の特徴を含む又は複数の前記類似製品の販売量が一致性検査にパスするまでこのように繰り返すことを特徴とする新製品の販売量の予測方法。
請求項２又は３に記載の新製品の販売量の予測方法において、
新製品の販売量予測ステップでは、前記一致性検査にパスした複数の前記類似製品の販売量の重み付け平均数を用いて新製品の予測販売量とし、即ち、（数６）で予測し、

（数６）中、y_iは新製品の第iの時間単位の予測販売量、Nは前記類似製品の数量、w_nは第n個の前記類似製品の重み、且つ（数７）であり、

y_inは第n個の前記類似製品の第iの時間単位における販売量であることを特徴とする新製品の販売量の予測方法。
請求項１に記載の新製品の販売量の予測方法において、
原因分析ステップをさらに有し、即ち、前記一致性検査にパスした複数の前記類似製品及び前記特徴部分集合について、前記特徴部分集合中の特徴の毎に対し、当該特徴で前記新製品に類似する前記類似製品の数量を算出し、算出した類似製品の数量が最も多い所定個数の前記特徴を最も類似の特徴として前記販売量の類似の原因とし、
前記特徴が数値特徴である場合、前記新製品と前記類似製品との前記特徴の特徴値の差を算出し、前記特徴値の差の絶対値が予め設定した閾値よりも小さい時、前記新製品と前記類似製品とが当該特徴で類似すると判定し、
前記特徴が類別特徴である場合、前記新製品と前記市販製品との特徴が同一である時、前記新製品と前記類似製品とが当該特徴で類似すると判定することを特徴とする新製品の販売量の予測方法。