JP2023054378A - Customer Referral Effect Calculator - Google Patents
Customer Referral Effect Calculator Download PDFInfo
- Publication number
- JP2023054378A JP2023054378A JP2021067188A JP2021067188A JP2023054378A JP 2023054378 A JP2023054378 A JP 2023054378A JP 2021067188 A JP2021067188 A JP 2021067188A JP 2021067188 A JP2021067188 A JP 2021067188A JP 2023054378 A JP2023054378 A JP 2023054378A
- Authority
- JP
- Japan
- Prior art keywords
- user
- attribute
- attributes
- store
- calculation
- 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
- 230000000694 effects Effects 0.000 title claims abstract description 57
- 230000008859 change Effects 0.000 claims abstract description 39
- 230000004931 aggregating effect Effects 0.000 claims description 2
- 238000000034 method Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 7
- 239000000284 extract Substances 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本開示は、対象の店舗における訪問者数の増加量を送客効果として算出する送客効果算出装置に関する。 The present disclosure relates to a customer referral effect calculation device that calculates an increase in the number of visitors to a target store as a customer referral effect.
観光促進などを目的として、あるエリアへの人の流れを促進するような交通費補助等の施策が行われることがある。その際に、多くの場合、施策を行った者(施策実行のためのコストを負担した者)は、送客対象である小売店舗等から送客料を受け取る。その際の送客料は、(1)固定料金であるケース、(2)小売店舗等からの自己申告によって変動させた料金であるケース、(3)キャッシュレス支払い又はポイントカード利用による利用者識別および購買内容の把握・分析を行って購買額に応じて変動させた料金であるケースなどが考えられる。特に、キャッシュレス支払い又はポイントカード利用による利用者識別および購買内容の把握・分析については、さまざまな技術が提案されている(特許文献1参照)。 For the purpose of promoting tourism, measures such as transportation subsidies may be implemented to promote the flow of people to a certain area. At that time, in many cases, the person who implemented the policy (the person who bears the cost of implementing the policy) receives the customer referral fee from the retail store or the like that is the customer referral target. At that time, the customer referral fee is (1) fixed fee, (2) variable fee based on self-declaration from retail store, (3) user identification by cashless payment or point card use. Also, it is possible to think of a case where the price is changed according to the purchase amount by grasping and analyzing the purchase details. In particular, various techniques have been proposed for user identification and understanding/analysis of purchase details through cashless payment or point card use (see Patent Literature 1).
ところが、従来の送客料の設定については、以下のような課題があった。送客料を固定料金とする場合は、送客効果が予期せずに大きいとき又は小さいときに、施策を行った者と小売店舗等のうち何れかの経済的負担が大きくなり適正さを欠く事態になりうるという懸念があった。また、小売店舗等からの自己申告によって送客料を変動させる場合は、第三者視点からの適正な送客効果の把握ができないおそれがあった。さらに、キャッシュレス支払い又はポイントカード利用による利用者識別および購買内容の把握・分析結果に基づき送客料を変動させる場合は、小売店舗等での導入コストが大きくなるおそれがあった。 However, there were the following problems with the setting of the conventional customer transfer fee. If the customer referral fee is set as a fixed fee, when the customer referral effect is unexpectedly large or small, the economic burden on either the person who implemented the measure or the retail store, etc. will increase and it will not be appropriate. I was worried that something might happen. In addition, when the customer referral fee is changed by self-declaration from the retail store, etc., there is a possibility that the appropriate customer referral effect cannot be grasped from a third party's point of view. Furthermore, if the customer referral fee is changed based on the identification and analysis results of the user identification and purchase details by cashless payment or point card use, there is a risk that introduction costs at retail stores and the like will increase.
本開示は、上記課題を解消するために成されたものであり、小売店舗等での導入コストを抑えつつ、第三者視点から適正に送客効果を算出することを目的とする。 The present disclosure has been made to solve the above problems, and aims to appropriately calculate the customer referral effect from a third party's point of view while suppressing the introduction cost in retail stores and the like.
本開示に係る送客効果算出装置は、利用者の位置を示す位置情報、利用者の属性を示す第1の利用者属性情報、並びに、店舗を訪問した利用者である店舗訪問者の属性および訪問履歴を示す店舗訪問者属性ログを取得する取得部と、前記位置情報および前記第1の利用者属性情報に基づいて取得される、算出対象とされる算出対象時間に算出対象エリアに位置した利用者の属性を示す第2の利用者属性情報と、前記位置情報および前記第1の利用者属性情報に基づいて取得される、比較対象とされる比較対象時間に前記算出対象エリアに位置した利用者の属性を示す第3の利用者属性情報と、の差分から、複数の属性の組合せそれぞれについての属性分布変化量を算出する属性分布変化量算出部と、前記位置情報および前記第1の利用者属性情報に基づいて取得される、前記複数の属性の組合せそれぞれについての前記算出対象時間に前記算出対象エリアに位置したユニーク利用者人数、に対する、算出対象の店舗カテゴリ、前記算出対象時間および前記算出対象エリアに該当する訪問履歴の数として前記店舗訪問者属性ログから得られる延べ訪問者数、の比率を、前記複数の属性の組合せそれぞれについての前記店舗カテゴリごとの訪問確率として算出する訪問確率算出部と、前記複数の属性の組合せそれぞれについての、前記属性分布変化量算出部により算出された属性分布変化量、および、前記複数の属性の組合せそれぞれについての、前記訪問確率算出部により算出された前記店舗カテゴリごとの訪問確率に基づいて、前記複数の属性の組合せそれぞれについての前記店舗カテゴリごとの訪問者数期待値を算出し、算出された前記複数の属性の組合せそれぞれについての前記店舗カテゴリごとの訪問者数期待値を前記店舗カテゴリごとに合計し、得られた前記店舗カテゴリごとの合計値を前記算出対象エリアにおける前記店舗カテゴリごとの店舗数で当分した値を、前記店舗カテゴリの店舗についての送客効果として算出する送客効果算出部と、を備える。 The customer referral effect calculation device according to the present disclosure includes position information indicating the position of the user, first user attribute information indicating the attribute of the user, and attributes of the store visitor who is the user who visited the store and an acquisition unit that acquires a store visitor attribute log indicating a visit history; Positioned in the calculation target area at a comparison target time to be compared, which is acquired based on the second user attribute information indicating the user attribute, the position information, and the first user attribute information third user attribute information indicating attributes of a user; and an attribute distribution change amount calculation unit for calculating an attribute distribution change amount for each combination of a plurality of attributes from the difference between the position information and the first user attribute information; store category to be calculated, the time to be calculated, and A visit that calculates the ratio of the total number of visitors obtained from the store visitor attribute log as the number of visit histories corresponding to the calculation target area as the visit probability for each of the store categories for each combination of the plurality of attributes. a probability calculation unit; an attribute distribution change amount calculated by the attribute distribution change amount calculation unit for each combination of the plurality of attributes; and a visit probability calculation unit for each combination of the plurality of attributes. Based on the calculated visit probability for each store category, an expected value of the number of visitors for each store category for each combination of the plurality of attributes is calculated, and the store for each of the calculated combinations of the plurality of attributes is calculated. The expected number of visitors for each category is totaled for each store category, and the obtained total value for each store category is divided by the number of stores for each store category in the calculation target area, and the value of the store category is calculated. and a customer referral effect calculation unit that calculates the customer referral effect of the store.
上記の送客効果算出装置では、取得部が、上記の利用者の位置情報、第1の利用者属性情報、および店舗訪問者属性ログを取得すると、属性分布変化量算出部が、上記の位置情報および第1の利用者属性情報に基づいて取得される、算出対象時間に算出対象エリアに位置した利用者の属性を示す第2の利用者属性情報と、上記の位置情報および第1の利用者属性情報に基づいて取得される、比較対象時間に算出対象エリアに位置した利用者の属性を示す第3の利用者属性情報と、の差分から、複数の属性の組合せそれぞれについての属性分布変化量を算出するとともに、訪問確率算出部が、上記の位置情報および第1の利用者属性情報に基づいて取得される、複数の属性の組合せそれぞれについての算出対象時間に算出対象エリアに位置したユニーク利用者人数、に対する、算出対象の店舗カテゴリ、算出対象時間および算出対象エリアに該当する訪問履歴の数として店舗訪問者属性ログから得られる延べ訪問者数、の比率を、複数の属性の組合せそれぞれについての店舗カテゴリごとの訪問確率として算出する。さらに、送客効果算出部が、(1)複数の属性の組合せそれぞれについての属性分布変化量および(2)複数の属性の組合せそれぞれについての店舗カテゴリごとの訪問確率に基づいて、複数の属性の組合せそれぞれについての店舗カテゴリごとの訪問者数期待値を算出し、算出された複数の属性の組合せそれぞれについての店舗カテゴリごとの訪問者数期待値を店舗カテゴリごとに合計し、得られた店舗カテゴリごとの合計値を算出対象エリアにおける店舗カテゴリごとの店舗数で当分した値を「当該店舗カテゴリの店舗についての送客効果」として算出する。これにより、キャッシュレス支払い又はポイントカード利用のための新たな設備を小売店舗等に設置することなく導入コストを抑えつつ、位置情報、第1の利用者属性情報および店舗訪問者属性ログに基づき得られる算出対象エリアにおける複数の属性の組合せそれぞれについての「属性分布変化量」と「店舗カテゴリごとの訪問確率」から、客観的に第三者視点から適正に送客効果を算出することができる。 In the customer referral effect calculation device, when the acquisition unit acquires the location information of the user, the first user attribute information, and the store visitor attribute log, the attribute distribution change amount calculation unit calculates the position second user attribute information indicating the attribute of a user located in the calculation target area at the calculation target time, which is acquired based on the information and the first user attribute information; Change in attribute distribution for each combination of a plurality of attributes from the difference between third user attribute information indicating the attributes of users located in the calculation target area at the time to be compared, which is acquired based on the user attribute information In addition to calculating the amount, the visit probability calculation unit obtains based on the position information and the first user attribute information, unique visitor located in the calculation target area at the calculation target time for each combination of a plurality of attributes The ratio of the total number of visitors obtained from the store visitor attribute log as the number of visit histories corresponding to the calculation target store category, calculation target time and calculation target area to the number of users, each combination of multiple attributes is calculated as the visit probability for each store category. In addition, the customer referral effect calculation unit calculates the number of attributes based on (1) the attribute distribution change amount for each combination of multiple attributes and (2) the visit probability for each store category for each combination of multiple attributes. Calculate the expected number of visitors for each store category for each combination, sum up the expected number of visitors for each store category for each combination of multiple attributes calculated, and obtain the store category The value obtained by dividing the total value for each by the number of stores for each store category in the calculation target area for the time being is calculated as the "customer referral effect for stores in the store category." As a result, new equipment for cashless payment or point card use can be obtained based on the location information, the first user attribute information and the store visitor attribute log while suppressing the introduction cost without installing new equipment at the retail store etc. From the "attribute distribution change" and "visit probability for each store category" for each combination of multiple attributes in the calculation target area, it is possible to objectively and appropriately calculate the customer referral effect from a third party's point of view.
本開示によれば、小売店舗等での導入コストを抑えつつ、第三者視点から適正に送客効果を算出することができる。 According to the present disclosure, it is possible to appropriately calculate the customer referral effect from a third party's point of view while suppressing introduction costs in retail stores and the like.
以下、図面を参照しながら、発明の実施形態に係る送客効果算出装置について説明する。 Hereinafter, a customer referral effect calculation device according to an embodiment of the invention will be described with reference to the drawings.
図1に示すように、本実施形態に係る送客効果算出装置10には、周辺装置として、店舗訪問者属性ログ管理サーバ20、位置情報管理サーバ30、および、利用者属性情報管理サーバ40が存在する。このうち、店舗訪問者属性ログ管理サーバ20は、店舗訪問者属性ログを格納する店舗訪問者属性ログDB22と、図示しない外部装置(例えば店舗側のサーバ、POS端末など)から店舗訪問者属性ログを取得して店舗訪問者属性ログDB22に記録する店舗訪問者属性ログ記録部21とを備える。位置情報管理サーバ30は、さまざまな利用者の位置情報を格納する位置情報DB32と、図示しない外部装置(例えば利用者端末、無線アクセスポイントなど)から上記位置情報を取得して位置情報DB32に記録する位置情報記録部31とを備える。利用者属性情報管理サーバ40は、さまざまな利用者の属性情報である第1の利用者属性情報を格納する利用者属性情報DB42と、図示しない外部装置から上記第1の利用者属性情報を取得して利用者属性情報DB42に記録する利用者属性情報記録部41とを備える。
As shown in FIG. 1, the customer referral
送客効果算出装置10は、取得部11、属性分布変化量算出部12、訪問確率算出部13、送客効果算出部14、および出力部15を備える。以下、各機能部について説明する。
The customer referral
取得部11は、利用者の位置を示す位置情報を位置情報DB32から、利用者の属性を示す第1の利用者属性情報を利用者属性情報DB42から、店舗を訪問した利用者である店舗訪問者の属性および訪問履歴を示す店舗訪問者属性ログを店舗訪問者属性ログDB22から、それぞれ取得する機能部である。
The
属性分布変化量算出部12は、位置情報および第1の利用者属性情報に基づいて取得される、算出対象とされる算出対象時間に算出対象エリアに位置した利用者の属性を示す第2の利用者属性情報と、位置情報および第1の利用者属性情報に基づいて取得される、比較対象とされる比較対象時間に算出対象エリアに位置した利用者の属性を示す第3の利用者属性情報と、の差分から、複数の属性の組合せそれぞれについての属性分布変化量を算出する機能部である。
The attribute distribution change
訪問確率算出部13は、位置情報および第1の利用者属性情報に基づいて取得される、複数の属性の組合せそれぞれについての算出対象時間に算出対象エリアに位置した「ユニーク利用者人数」に対する、算出対象の店舗カテゴリ、算出対象時間および算出対象エリアに該当する訪問履歴の数として店舗訪問者属性ログから得られる「延べ訪問者数」の比率を、複数の属性の組合せそれぞれについての店舗カテゴリごとの訪問確率として算出する機能部である。
The visit
送客効果算出部14は、複数の属性の組合せそれぞれについての、属性分布変化量算出部12により算出された属性分布変化量、および、複数の属性の組合せそれぞれについての、訪問確率算出部13により算出された店舗カテゴリごとの訪問確率に基づいて、複数の属性の組合せそれぞれについての前記店舗カテゴリごとの訪問者数期待値を算出し、算出された複数の属性の組合せそれぞれについての店舗カテゴリごとの訪問者数期待値を店舗カテゴリごとに合計し、得られた店舗カテゴリごとの合計値を算出対象エリアにおける店舗カテゴリごとの店舗数で当分した値を、店舗カテゴリの店舗についての送客効果として算出する機能部である。
The customer referral
出力部15は、送客効果算出部14により算出された店舗カテゴリの店舗についての送客効果を出力する機能部である。ここでの「出力」は、送客効果算出装置10のユーザのディスプレイ等への表示出力、プリンタ等への印刷出力、外部装置への送客効果に係るデータの転送など、さまざまな態様に該当する。
The
図2に示すように、店舗訪問者属性ログDB22には、店舗訪問者による店舗訪問ごとに店舗訪問者属性ログが記録されていき、店舗訪問者属性ログには、訪問した店舗の店舗カテゴリ、店舗所在地(緯度・経度)、店舗訪問者の属性情報(性別、年代、居住地など)、訪問時刻などの情報が含まれる。
As shown in FIG. 2, in the store visitor
図3に示すように、位置情報DB32には、利用者の位置を示す位置情報が、当該利用者が位置登録したタイミング又は予め定められた周期で記録されていき、位置情報には、レコードID、利用者の利用者ID、位置登録時刻、利用者の位置情報(緯度・経度)などの情報が含まれる。このうち、利用者の位置情報(緯度・経度)は、アクセスポイントにおける電波を出力している向き、利用者端末の伝送遅延量、3点測位等を用いて求められる。
As shown in FIG. 3, the location information indicating the location of the user is recorded in the
図4に示すように、利用者属性情報DB42には、利用者の属性を示す第1の利用者属性情報が、利用者による利用開始タイミングで新規登録され、その後、利用者からの修正依頼があったタイミング等で更新されていき、第1の利用者属性情報には、利用者の利用者ID、属性情報(性別、年代、居住地など)などの情報が含まれる。
As shown in FIG. 4, in the user
以下、図5を用いて、本実施形態に係る送客効果算出装置10において実行される処理について説明する。図5の処理は、例えば、ユーザからの実行開始指示、予め定められた処理スケジュールに基づく実行開始指示などをトリガーにして実行開始される。
Processing executed in the customer referral
図5のステップS1において、取得部11は、利用者の位置を示す位置情報を位置情報DB32から、利用者の属性を示す第1の利用者属性情報を利用者属性情報DB42から、店舗を訪問した利用者である店舗訪問者の属性および訪問履歴を示す店舗訪問者属性ログを店舗訪問者属性ログDB22から、それぞれ取得する。
In step S1 of FIG. 5, the
次に、ステップS2において、属性分布変化量算出部12は、以下の手順で、複数の属性の組合せそれぞれについての属性分布変化量を算出する。即ち、属性分布変化量算出部12は、算出対象時間に算出対象エリアに位置した利用者を位置情報から抽出し、抽出された利用者の属性を示す第2の利用者属性情報を第1の利用者属性情報から取得し、取得された第2の利用者属性情報における複数の属性の組合せそれぞれについての該当人数を集計する。また、属性分布変化量算出部12は、比較対象時間に算出対象エリアに位置した利用者を位置情報から抽出し、抽出された利用者の属性を示す第3の利用者属性情報を第1の利用者属性情報から取得し、取得された第3の利用者属性情報における複数の属性の組合せそれぞれについての該当人数を集計する。そして、属性分布変化量算出部12は、複数の属性の組合せそれぞれについて、算出対象時間における該当人数と比較対象時間における該当人数との差分を、属性分布変化量として算出する。なお、上記の該当人数の集計においては、必要に応じ、移動体通信サービス提供会社(キャリア)の利用者シェア率を考慮した全人口推定処理を実施してもよい。この場合、特定の移動体通信サービス提供会社によって集計で得られた該当人数を、移動体通信サービス業界における当該通信サービス提供会社の利用者シェア率で割り算することで、全人口レベルでの属性分布変化量を算出できる。
Next, in step S2, the attribute distribution change
次に、ステップS3において、訪問確率算出部13は、以下のようにして、属性組合せと店舗カテゴリごとの訪問確率を算出する。まず、訪問確率算出部13は、算出対象時間に算出対象エリアに位置した利用者を位置情報から抽出し、抽出された利用者の属性を示す第2の利用者属性情報を第1の利用者属性情報から取得し、取得された第2の利用者属性情報における複数の属性の組合せそれぞれについての該当人数を集計する。これにより、複数の属性の組合せそれぞれについての算出対象時間に算出対象エリアに位置したユニーク利用者人数SNが取得される。次に、訪問確率算出部13は、店舗訪問者属性ログにおいて、算出対象の店舗カテゴリ、算出対象時間および算出対象エリアに該当するレコードを抽出し、得られたレコード数を延べ訪問者数SMとする。そして、訪問確率算出部13は、ユニーク利用者人数SNに対する延べ訪問者数SMの比率を、複数の属性の組合せそれぞれについての店舗カテゴリごとの訪問確率として算出する。
Next, in step S3, the visit
例えば、店舗カテゴリ「カフェ」に関し、「性別が男性」と「年代が40代以下」という属性の組合せについてのユニーク利用者人数SNが1000人で、同じ属性の組合せ(男性且つ40代以下)についての延べ訪問者数SMが120人である場合、上記属性の組合せ(男性且つ40代以下)についての店舗カテゴリ「カフェ」の訪問確率として、0.12(=120/1000)が算出される。 For example, regarding the store category “Cafe”, the number of unique users SN for the combination of attributes “male gender” and “age under 40” is 1000, and the combination of the same attributes (male and under 40) is 120, 0.12 (=120/1000) is calculated as the probability of visiting the store category "café" for the above attribute combination (male and under 40's).
次に、ステップS4において、送客効果算出部14は、複数の属性の組合せそれぞれについての、属性分布変化量算出部12により算出された属性分布変化量、および、訪問確率算出部13により算出された店舗カテゴリごとの訪問確率に基づいて、店舗カテゴリごとの訪問確率と属性分布変化量とを乗算することで、複数の属性の組合せそれぞれについての店舗カテゴリごとの訪問者数期待値を算出し、算出された複数の属性の組合せそれぞれについての店舗カテゴリごとの訪問者数期待値を店舗カテゴリごとに合計し、さらに、得られた店舗カテゴリごとの合計値を算出対象エリアにおける店舗カテゴリごとの店舗数で当分した値を、店舗カテゴリの店舗についての送客効果として算出する。
Next, in step S4, the customer referral
例えば、「性別が男性」と「年代が40代以下」という属性の組合せについての対象エリアの属性分布変化量(人数増加量)が100人であり、上記属性の組合せ(男性且つ40代以下)についての店舗カテゴリ「カフェ」の訪問確率が0.12である場合、対象エリアに位置する店舗カテゴリ「カフェ」への訪問者数期待値は12人(=100×0.12)となる。そして、この値を、対象エリア内の「カフェ」の既知の店舗数で当分した値が、店舗カテゴリ「カフェ」の送客効果として算出される。 For example, the attribute distribution change amount (increase in the number of people) in the target area for the attribute combination of "gender is male" and "age is under 40" is 100 people, and the combination of the above attributes (male and under 40) is 0.12, the expected number of visitors to the store category "cafe" located in the target area is 12 (=100×0.12). Then, a value obtained by dividing this value by the known number of "cafe" shops in the target area for the time being is calculated as the customer referral effect of the shop category "cafe".
さらに、ステップS5において、出力部15は、送客効果算出部14により算出された店舗カテゴリの店舗についての送客効果を、例えば送客効果算出装置10のユーザのディスプレイ等へ表示出力する。なお、前述したように、「出力」は、表示出力、印刷出力、外部へのデータ転送など、さまざまな態様を採りうる。
Further, in step S5, the
以上説明した発明の実施形態によれば、キャッシュレス支払い又はポイントカード利用のための新たな設備を小売店舗等に設置することなく導入コストを抑えつつ、位置情報、第1の利用者属性情報および店舗訪問者属性ログに基づき得られる算出対象エリアにおける複数の属性の組合せそれぞれについての「属性分布変化量」と「店舗カテゴリごとの訪問確率」から、客観的に第三者視点から適正に送客効果を算出することができる。 According to the embodiments of the invention described above, location information, first user attribute information and Appropriate referral of customers from an objective, third-party perspective based on the "attribute distribution variation" and "visit probability for each store category" for each combination of multiple attributes in the calculation target area obtained based on store visitor attribute logs The effect can be calculated.
また、属性分布変化量算出部12は、「属性分布変化量」については、複数の属性の組合せそれぞれについて、算出対象時間における該当人数と比較対象時間における該当人数との差分を、属性分布変化量として算出することで、属性分布変化量を適切に算出できる。
In addition, the attribute distribution change
また、訪問確率算出のための「ユニーク利用者人数」について、訪問確率算出部13は、算出対象時間に算出対象エリアに位置した利用者を位置情報から抽出し、抽出された利用者の属性を示す第2の利用者属性情報を第1の利用者属性情報から取得し、取得された第2の利用者属性情報における複数の属性の組合せそれぞれについての該当人数を集計することで、複数の属性の組合せそれぞれについての算出対象時間に算出対象エリアに位置したユニーク利用者人数を取得する。このようにして、算出対象時間に算出対象エリアに位置した適切なユニーク利用者人数を取得できる。
In addition, regarding the “number of unique users” for calculating the visit probability, the visit
また、送客効果算出のための「店舗カテゴリごとの訪問者数期待値」について、送客効果算出部14は、複数の属性の組合せそれぞれについての、店舗カテゴリごとの訪問確率と属性分布変化量とを乗算することで、複数の属性の組合せそれぞれについての店舗カテゴリごとの訪問者数期待値を算出する。このようにして、利用者個人が特定されることを回避しつつ、簡易な手法で店舗カテゴリごとの適切な訪問者数期待値を算出できる。
In addition, regarding the "expected number of visitors for each store category" for calculating the customer referral effect, the customer referral
(変形例)
なお、図1には、店舗訪問者属性ログ管理サーバ20、位置情報管理サーバ30、および、利用者属性情報管理サーバ40が、送客効果算出装置10の外部に、周辺装置として存在する構成例を示したが、送客効果算出装置10が、上記3つのサーバのうち少なくとも1つの機能を兼ね備えた構成を採用してもよい。
(Modification)
Note that FIG. 1 shows a configuration example in which the store visitor attribute
また、図1の構成例で、送客効果算出装置10が備える、取得部11、属性分布変化量算出部12、訪問確率算出部13、送客効果算出部14、および出力部15の計5つの機能部は、物理的に分離された複数の装置に分散して配置された構成を採用してもよく、その場合、当該物理的に分離された複数の装置の全体が「送客効果算出装置10」に相当するものと把握される。
In addition, in the configuration example of FIG. The two functional units may adopt a configuration in which they are distributed and arranged in a plurality of physically separated devices.
また、上記実施形態の説明に用いたブロック図は、機能単位のブロックを示している。これらの機能ブロック(構成部)は、ハードウェア及びソフトウェアの少なくとも一方の任意の組み合わせによって実現される。また、各機能ブロックの実現方法は特に限定されない。すなわち、各機能ブロックは、物理的又は論理的に結合した1つの装置を用いて実現されてもよいし、物理的又は論理的に分離した2つ以上の装置を直接的又は間接的に(例えば、有線、無線などを用いて)接続し、これら複数の装置を用いて実現されてもよい。機能ブロックは、上記1つの装置又は上記複数の装置にソフトウェアを組み合わせて実現されてもよい。 Also, the block diagrams used in the description of the above embodiments show blocks for each function. These functional blocks (components) are realized by any combination of at least one of hardware and software. Also, the method of implementing each functional block is not particularly limited. That is, each functional block may be implemented using one device that is physically or logically coupled, or directly or indirectly using two or more devices that are physically or logically separated (e.g. , wired, wireless, etc.) and may be implemented using these multiple devices. A functional block may be implemented by combining software in the one device or the plurality of devices.
機能には、判断、決定、判定、計算、算出、処理、導出、調査、探索、確認、受信、送信、出力、アクセス、解決、選択、選定、確立、比較、想定、期待、見做し、報知(broadcasting)、通知(notifying)、通信(communicating)、転送(forwarding)、構成(configuring)、再構成(reconfiguring)、割り当て(allocating、mapping)、割り振り(assigning)などがあるが、これらに限られない。たとえば、送信を機能させる機能ブロック(構成部)は、送信部(transmitting unit)、送信機(transmitter)と呼称される。いずれも、上述したとおり、実現方法は特に限定されない。 Functions include judging, determining, determining, calculating, calculating, processing, deriving, investigating, searching, checking, receiving, transmitting, outputting, accessing, resolving, selecting, choosing, establishing, comparing, assuming, expecting, assuming, Broadcasting, notifying, communicating, forwarding, configuring, reconfiguring, allocating, mapping, assigning, etc. can't For example, a functional block (component) that makes transmission work is called a transmitting unit, transmitter. In either case, as described above, the implementation method is not particularly limited.
例えば、本開示の一実施の形態における送客効果算出装置は、本実施形態における処理を行うコンピュータとして機能してもよい。図6は、本開示の一実施の形態に係る送客効果算出装置10のハードウェア構成例を示す図である。上述の送客効果算出装置10は、物理的には、プロセッサ1001、メモリ1002、ストレージ1003、通信装置1004、入力装置1005、出力装置1006、バス1007などを含むコンピュータ装置として構成されてもよい。
For example, a customer referral effect calculation device according to an embodiment of the present disclosure may function as a computer that performs processing according to the present embodiment. FIG. 6 is a diagram showing a hardware configuration example of the customer referral
なお、以下の説明では、「装置」という文言は、回路、デバイス、ユニットなどに読み替えることができる。送客効果算出装置10のハードウェア構成は、図に示した各装置を1つ又は複数含むように構成されてもよいし、一部の装置を含まずに構成されてもよい。
Note that in the following description, the term "apparatus" can be read as a circuit, device, unit, or the like. The hardware configuration of the customer referral
送客効果算出装置10における各機能は、プロセッサ1001、メモリ1002などのハードウェア上に所定のソフトウェア(プログラム)を読み込ませることによって、プロセッサ1001が演算を行い、通信装置1004による通信を制御したり、メモリ1002及びストレージ1003におけるデータの読み出し及び書き込みの少なくとも一方を制御したりすることによって実現される。
Each function in the customer referral
プロセッサ1001は、例えば、オペレーティングシステムを動作させてコンピュータ全体を制御する。プロセッサ1001は、周辺装置とのインターフェース、端末、演算装置、レジスタなどを含む中央処理装置(CPU:Central Processing Unit)によって構成されてもよい。
The
また、プロセッサ1001は、プログラム(プログラムコード)、ソフトウェアモジュール、データなどを、ストレージ1003及び通信装置1004の少なくとも一方からメモリ1002に読み出し、これらに従って各種の処理を実行する。プログラムとしては、上述の実施の形態において説明した動作の少なくとも一部をコンピュータに実行させるプログラムが用いられる。上述の各種処理は、1つのプロセッサ1001によって実行される旨を説明してきたが、2以上のプロセッサ1001により同時又は逐次に実行されてもよい。プロセッサ1001は、1以上のチップによって実装されてもよい。なお、プログラムは、電気通信回線を介してネットワークから送信されても良い。
The
メモリ1002は、コンピュータ読み取り可能な記録媒体であり、例えば、ROM(Read Only Memory)、EPROM(Erasable Programmable ROM)、EEPROM(Electrically Erasable Programmable ROM)、RAM(Random Access Memory)などの少なくとも1つによって構成されてもよい。メモリ1002は、レジスタ、キャッシュ、メインメモリ(主記憶装置)などと呼ばれてもよい。メモリ1002は、本開示の一実施の形態に係る無線通信方法を実施するために実行可能なプログラム(プログラムコード)、ソフトウェアモジュールなどを保存することができる。
The
ストレージ1003は、コンピュータ読み取り可能な記録媒体であり、例えば、CD-ROM(Compact Disc ROM)などの光ディスク、ハードディスクドライブ、フレキシブルディスク、光磁気ディスク(例えば、コンパクトディスク、デジタル多用途ディスク、Blu-ray(登録商標)ディスク)、スマートカード、フラッシュメモリ(例えば、カード、スティック、キードライブ)、フロッピー(登録商標)ディスク、磁気ストリップなどの少なくとも1つによって構成されてもよい。ストレージ1003は、補助記憶装置と呼ばれてもよい。上述の記憶媒体は、例えば、メモリ1002及びストレージ1003の少なくとも一方を含むデータベース、サーバその他の適切な媒体であってもよい。
The
通信装置1004は、有線ネットワーク及び無線ネットワークの少なくとも一方を介してコンピュータ間の通信を行うためのハードウェア(送受信デバイス)であり、例えばネットワークデバイス、ネットワークコントローラ、ネットワークカード、通信モジュールなどともいう。
The
入力装置1005は、外部からの入力を受け付ける入力デバイス(例えば、キーボード、マウス、マイクロフォン、スイッチ、ボタン、センサなど)である。出力装置1006は、外部への出力を実施する出力デバイス(例えば、ディスプレイ、スピーカー、LEDランプなど)である。なお、入力装置1005及び出力装置1006は、一体となった構成(例えば、タッチパネル)であってもよい。 また、プロセッサ1001、メモリ1002などの各装置は、情報を通信するためのバス1007によって接続される。バス1007は、単一のバスを用いて構成されてもよいし、装置間ごとに異なるバスを用いて構成されてもよい。
The
本開示において説明した各態様/実施形態は単独で用いてもよいし、組み合わせて用いてもよいし、実行に伴って切り替えて用いてもよい。また、所定の情報の通知(例えば、「Xであること」の通知)は、明示的に行うものに限られず、暗黙的(例えば、当該所定の情報の通知を行わない)ことによって行われてもよい。 Each aspect/embodiment described in the present disclosure may be used alone, may be used in combination, or may be used by switching according to execution. In addition, the notification of predetermined information (for example, notification of “being X”) is not limited to being performed explicitly, but may be performed implicitly (for example, not notifying the predetermined information). good too.
以上、本開示について詳細に説明したが、当業者にとっては、本開示が本開示中に説明した実施形態に限定されるものではないということは明らかである。本開示は、請求の範囲の記載により定まる本開示の趣旨及び範囲を逸脱することなく修正及び変更態様として実施することができる。したがって、本開示の記載は、例示説明を目的とするものであり、本開示に対して何ら制限的な意味を有するものではない。 Although the present disclosure has been described in detail above, it should be apparent to those skilled in the art that the present disclosure is not limited to the embodiments described in this disclosure. The present disclosure can be practiced with modifications and variations without departing from the spirit and scope of the present disclosure as defined by the claims. Accordingly, the description of the present disclosure is for illustrative purposes and is not meant to be limiting in any way.
本開示において説明した各態様/実施形態の処理手順、シーケンス、フローチャートなどは、矛盾の無い限り、順序を入れ替えてもよい。例えば、本開示において説明した方法については、例示的な順序を用いて様々なステップの要素を提示しており、提示した特定の順序に限定されない。 The processing procedures, sequences, flowcharts, etc. of each aspect/embodiment described in this disclosure may be rearranged as long as there is no contradiction. For example, the methods described in this disclosure present elements of the various steps using a sample order, and are not limited to the specific order presented.
入出力された情報等は特定の場所(例えば、メモリ)に保存されてもよいし、管理テーブルを用いて管理してもよい。入出力される情報等は、上書き、更新、又は追記され得る。出力された情報等は削除されてもよい。入力された情報等は他の装置へ送信されてもよい。 Input/output information and the like may be stored in a specific location (for example, memory), or may be managed using a management table. Input/output information and the like can be overwritten, updated, or appended. The output information and the like may be deleted. The entered information and the like may be transmitted to another device.
本開示において使用する「に基づいて」という記載は、別段に明記されていない限り、「のみに基づいて」を意味しない。言い換えれば、「に基づいて」という記載は、「のみに基づいて」と「に少なくとも基づいて」の両方を意味する。 As used in this disclosure, the phrase "based on" does not mean "based only on," unless expressly specified otherwise. In other words, the phrase "based on" means both "based only on" and "based at least on."
本開示において、「含む(include)」、「含んでいる(including)」及びそれらの変形が使用されている場合、これらの用語は、用語「備える(comprising)」と同様に、包括的であることが意図される。さらに、本開示において使用されている用語「又は(or)」は、排他的論理和ではないことが意図される。 Where "include," "including," and variations thereof are used in this disclosure, these terms are inclusive, as is the term "comprising." is intended. Furthermore, the term "or" as used in this disclosure is not intended to be an exclusive OR.
本開示において、例えば、英語でのa, an及びtheのように、翻訳により冠詞が追加された場合、本開示は、これらの冠詞の後に続く名詞が複数形であることを含んでもよい。 In this disclosure, where articles have been added by translation, such as a, an, and the in English, the disclosure may include the plural nouns following these articles.
本開示において、「AとBが異なる」という用語は、「AとBが互いに異なる」ことを意味してもよい。なお、当該用語は、「AとBがそれぞれCと異なる」ことを意味してもよい。「離れる」、「結合される」などの用語も、「異なる」と同様に解釈されてもよい。 In the present disclosure, the term "A and B are different" may mean "A and B are different from each other." The term may also mean that "A and B are different from C". Terms such as "separate," "coupled," etc. may also be interpreted in the same manner as "different."
10…送客効果算出装置、11…取得部、12…属性分布変化量算出部、13…訪問確率算出部、14…送客効果算出部、15…出力部、20…店舗訪問者属性ログ管理サーバ、21…店舗訪問者属性ログ記録部、22…店舗訪問者属性ログDB、30…位置情報管理サーバ、31…位置情報記録部、32…位置情報DB、40…利用者属性情報管理サーバ、41…利用者属性情報記録部、42…利用者属性情報DB、1001…プロセッサ、1002…メモリ、1003…ストレージ、1004…通信装置、1005…入力装置、1006…出力装置、1007…バス。
DESCRIPTION OF
Claims (4)
前記位置情報および前記第1の利用者属性情報に基づいて取得される、算出対象とされる算出対象時間に算出対象エリアに位置した利用者の属性を示す第2の利用者属性情報と、前記位置情報および前記第1の利用者属性情報に基づいて取得される、比較対象とされる比較対象時間に前記算出対象エリアに位置した利用者の属性を示す第3の利用者属性情報と、の差分から、複数の属性の組合せそれぞれについての属性分布変化量を算出する属性分布変化量算出部と、
前記位置情報および前記第1の利用者属性情報に基づいて取得される、前記複数の属性の組合せそれぞれについての前記算出対象時間に前記算出対象エリアに位置したユニーク利用者人数、に対する、算出対象の店舗カテゴリ、前記算出対象時間および前記算出対象エリアに該当する訪問履歴の数として前記店舗訪問者属性ログから得られる延べ訪問者数、の比率を、前記複数の属性の組合せそれぞれについての前記店舗カテゴリごとの訪問確率として算出する訪問確率算出部と、
前記複数の属性の組合せそれぞれについての、前記属性分布変化量算出部により算出された属性分布変化量、および、前記複数の属性の組合せそれぞれについての、前記訪問確率算出部により算出された前記店舗カテゴリごとの訪問確率に基づいて、前記複数の属性の組合せそれぞれについての前記店舗カテゴリごとの訪問者数期待値を算出し、算出された前記複数の属性の組合せそれぞれについての前記店舗カテゴリごとの訪問者数期待値を前記店舗カテゴリごとに合計し、得られた前記店舗カテゴリごとの合計値を前記算出対象エリアにおける前記店舗カテゴリごとの店舗数で当分した値を、前記店舗カテゴリの店舗についての送客効果として算出する送客効果算出部と、
を備える送客効果算出装置。 Acquisition of location information indicating the location of the user, first user attribute information indicating the attributes of the user, and a store visitor attribute log indicating the attributes and visit history of the store visitor who is the user who visited the store an acquisition unit that
second user attribute information indicating an attribute of a user located in the calculation target area at the calculation target time, which is acquired based on the position information and the first user attribute information; third user attribute information indicating an attribute of a user located in the calculation target area at a comparison target time to be compared, which is acquired based on the position information and the first user attribute information; an attribute distribution change amount calculation unit that calculates an attribute distribution change amount for each combination of a plurality of attributes from the difference;
Number of unique users located in the calculation target area at the calculation target time for each combination of the plurality of attributes, acquired based on the location information and the first user attribute information The ratio of the total number of visitors obtained from the store visitor attribute log as the number of visit histories corresponding to the store category, the calculation target time, and the calculation target area is calculated as the store category for each combination of the plurality of attributes. A visit probability calculation unit that calculates the visit probability for each
The attribute distribution change amount calculated by the attribute distribution change amount calculation unit for each combination of the plurality of attributes, and the store category calculated by the visit probability calculation unit for each combination of the plurality of attributes Calculate the expected number of visitors for each of the store categories for each of the plurality of attribute combinations based on the visit probability for each of the plurality of attribute combinations, and calculate the number of visitors for each of the store categories for each of the plurality of attribute combinations The value obtained by summing the number expected value for each store category, and dividing the obtained total value for each store category by the number of stores for each store category in the calculation target area, is the customer referral for the stores of the store category. a customer referral effect calculation unit that calculates the effect;
A customer referral effect calculation device comprising:
前記算出対象時間に前記算出対象エリアに位置した利用者を前記位置情報から抽出し、抽出された利用者の属性を示す前記第2の利用者属性情報を前記第1の利用者属性情報から取得し、取得された前記第2の利用者属性情報における複数の属性の組合せそれぞれについての該当人数を集計するとともに、前記比較対象時間に前記算出対象エリアに位置した利用者を前記位置情報から抽出し、抽出された利用者の属性を示す前記第3の利用者属性情報を前記第1の利用者属性情報から取得し、取得された前記第3の利用者属性情報における複数の属性の組合せそれぞれについての該当人数を集計し、
前記複数の属性の組合せそれぞれについて、前記算出対象時間における該当人数と前記比較対象時間における該当人数との差分を、前記属性分布変化量として算出する、
請求項1に記載の送客効果算出装置。 The attribute distribution change amount calculation unit,
A user located in the calculation target area at the calculation target time is extracted from the position information, and the second user attribute information indicating the extracted user attribute is acquired from the first user attribute information. and counting the number of users for each combination of a plurality of attributes in the obtained second user attribute information, and extracting users located in the calculation target area at the comparison target time from the position information. , acquiring the third user attribute information indicating the extracted user attribute from the first user attribute information, and for each combination of a plurality of attributes in the acquired third user attribute information Aggregate the corresponding number of people in
For each combination of the plurality of attributes, calculating a difference between the corresponding number of people at the calculation target time and the corresponding number of people at the comparison target time as the attribute distribution change amount.
The customer referral effect calculation device according to claim 1 .
前記算出対象時間に前記算出対象エリアに位置した利用者を前記位置情報から抽出し、抽出された利用者の属性を示す前記第2の利用者属性情報を前記第1の利用者属性情報から取得し、取得された前記第2の利用者属性情報における複数の属性の組合せそれぞれについての該当人数を集計することで、前記複数の属性の組合せそれぞれについての前記算出対象時間に前記算出対象エリアに位置したユニーク利用者人数を取得する、
請求項1又は2に記載の送客効果算出装置。 The visit probability calculation unit
A user located in the calculation target area at the calculation target time is extracted from the position information, and the second user attribute information indicating the extracted user attribute is acquired from the first user attribute information. Then, by aggregating the number of people corresponding to each combination of a plurality of attributes in the acquired second user attribute information, the number of persons located in the calculation target area at the calculation target time for each of the plurality of attribute combinations Get the number of unique users who have
The customer referral effect calculation device according to claim 1 or 2.
前記複数の属性の組合せそれぞれについての、前記店舗カテゴリごとの訪問確率と前記属性分布変化量とを乗算することで、前記複数の属性の組合せそれぞれについての前記店舗カテゴリごとの訪問者数期待値を算出する、
請求項1~3の何れか一項に記載の送客効果算出装置。 The customer referral effect calculation unit
By multiplying the visit probability for each store category and the attribute distribution change amount for each combination of the plurality of attributes, the expected number of visitors for each store category for each combination of the plurality of attributes is calculated. calculate,
The customer referral effect calculation device according to any one of claims 1 to 3.
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021067188A JP2023054378A (en) | 2021-04-12 | 2021-04-12 | Customer Referral Effect Calculator |
PCT/JP2022/006220 WO2022219916A1 (en) | 2021-04-12 | 2022-02-16 | Customer transfer effect calculation device |
JP2023532522A JP7430847B2 (en) | 2021-04-12 | 2022-02-16 | Customer referral effect calculation device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021067188A JP2023054378A (en) | 2021-04-12 | 2021-04-12 | Customer Referral Effect Calculator |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023054378A true JP2023054378A (en) | 2023-04-14 |
Family
ID=83639596
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021067188A Pending JP2023054378A (en) | 2021-04-12 | 2021-04-12 | Customer Referral Effect Calculator |
JP2023532522A Active JP7430847B2 (en) | 2021-04-12 | 2022-02-16 | Customer referral effect calculation device |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023532522A Active JP7430847B2 (en) | 2021-04-12 | 2022-02-16 | Customer referral effect calculation device |
Country Status (2)
Country | Link |
---|---|
JP (2) | JP2023054378A (en) |
WO (1) | WO2022219916A1 (en) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5119130B2 (en) * | 2008-11-14 | 2013-01-16 | 株式会社日立製作所 | Point management method and point management system |
JP2013246747A (en) * | 2012-05-29 | 2013-12-09 | Fuji Xerox Co Ltd | Program and campaign management device |
JP7144788B2 (en) * | 2018-10-30 | 2022-09-30 | クロスロケーションズ株式会社 | Data analysis device, data analysis system, data analysis method and program |
-
2021
- 2021-04-12 JP JP2021067188A patent/JP2023054378A/en active Pending
-
2022
- 2022-02-16 JP JP2023532522A patent/JP7430847B2/en active Active
- 2022-02-16 WO PCT/JP2022/006220 patent/WO2022219916A1/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
JP7430847B2 (en) | 2024-02-13 |
JPWO2022219916A1 (en) | 2022-10-20 |
WO2022219916A1 (en) | 2022-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5481242B2 (en) | User characteristics and usage trend analysis system, and processing method and program thereof | |
WO2021151305A1 (en) | Sample analysis method, apparatus, electronic device, and medium based on missing data | |
CN111242709A (en) | Message pushing method and device, equipment and storage medium thereof | |
US20080147427A1 (en) | Complaint processing method and apparatus | |
US20180181972A1 (en) | Information Management Apparatus and Information Management Method | |
WO2022219916A1 (en) | Customer transfer effect calculation device | |
CN113393295A (en) | Service data pushing method and device, electronic equipment and storage medium | |
JP2023113860A (en) | Information processing device, user terminal, information processing method, and program | |
CN111091416A (en) | Method and device for predicting probability of hotel purchase robot | |
JP6022904B2 (en) | Visit authentication system | |
CN113408817B (en) | Traffic distribution method, device, equipment and storage medium | |
JP5318173B2 (en) | Interval prediction device, waiting time prediction device, interval prediction method, waiting time prediction method, and program | |
JP2023104132A (en) | Social participation status analyzer and program | |
US20220156295A1 (en) | Profile generation device | |
WO2023037766A1 (en) | Service demand potential prediction device | |
WO2016021039A1 (en) | k-ANONYMIZATION PROCESSING SYSTEM AND k-ANONYMIZATION PROCESSING METHOD | |
WO2022215362A1 (en) | Transportation fee discount calculation device | |
JP7241739B2 (en) | Hobbies/Preferences Estimation Device and Hobbies/Preferences Estimation Method | |
JP7470569B2 (en) | Estimation model construction device | |
JP2019168760A (en) | Access method estimation system, and access method estimation method | |
JP7423405B2 (en) | information processing equipment | |
US20240029089A1 (en) | Information processing apparatus and information processing method | |
US20230046797A1 (en) | Required time prediction apparatus, control method, and non-transitory storage medium | |
JP7514727B2 (en) | Judging device | |
WO2024070126A1 (en) | Demand forecasting model generation device |