JP2024006242A - 価格最適化装置、価格最適化方法、及びコンピュータプログラム - Google Patents

Abstract

【課題】最適な価格を容易に設定可能な価格最適化装置、価格最適化方法及びコンピュータプログラムを提供する。
【解決手段】ネットワークを通じ、本部において商品の価格を管理する管理者が所持する管理者端末２００に対して、各商品の推奨価格を送信可能な価格最適化装置１００は、受付部１０１と、算出部１０２と、出力部１０３と、決定部１０４と、を備える。受付部１０１は、価格を最適化する商品の商品情報及び販売期間を含む商品販売情報の入力を受付る。算出部１０２は、価格分析のための学習済モデルを用いて、商品販売情報に基づき、商品の推奨価格を算出する。
【選択図】図１

Description

本開示は、価格最適化装置、価格最適化方法、及びコンピュータプログラムに関する。

店舗において、ＢＩ（Business Intelligence）ツールを利用し、過去の商品の販売実績を分析することで、商品の価格を設定していた。

ＢＩツールでは、過去の販売実績の分析結果に基づき、従業員が商品の価格を判断しなければならない。このため、最適な価格を設定するために、個人の経験による判断に頼らざるを得ない。

ところで、特許文献１には、過去の販売実績データにより生成した学習済モデルを用いて、商品の最適な割引率を予測することが開示されている。

特開２０２１－１４９４４５号公報

しかしながら、上述した特許文献１に開示された方法では、あくまでも、学習済モデルを用いて商品の最適な割引率を予測することが開示されているに過ぎない。よって、最適な価格を容易に設定可能なツールが求められている。

本開示の目的の一例は、最適な価格を容易に設定可能な価格最適化装置を提供することにある。

本開示の一態様における価格最適化装置は、価格を最適化する商品の商品情報及び販売期間を含む商品販売情報の入力を受付する、受付手段と、価格分析のための学習済モデルを用いて、商品販売情報に基づき、商品の推奨価格を算出する、算出手段と、算出した商品の推奨価格を出力する、出力手段を備える。

本開示の一態様における価格最適化方法は、価格を最適化する商品の商品情報及び販売期間を含む商品販売情報の入力を受付し、価格分析のための学習済モデルを用いて、商品販売情報に基づき、商品の推奨価格を算出し、算出した商品の推奨価格を出力する。

本開示の一態様におけるプログラムは、価格を最適化する商品の商品情報及び販売期間を含む商品販売情報の入力を受付し、価格分析のための学習済モデルを用いて、商品販売情報に基づき、商品の推奨価格を算出し、算出した商品の推奨価格を出力することをコンピュータに実行させる。

本発明による効果の一例は、最適な価格を容易に設定可能な価格最適化装置を提供することにある。

図１は、第一の実施形態における価格最適化装置の構成を示すブロック図である。 図２は、第一の実施形態における価格最適化装置をコンピュータ装置とその周辺装置で実現したハードウェア構成を示す図である。 図３は、第一の実施形態において、商品販売情報を受付する表示画面の例である。 図４は、第一の実施形態において、出力部による推奨価格を表示する画面の例である。 図５は、第一の実施形態において、出力部による推奨価格を表示する画面の他の例である。 図６は、第一の実施形態における価格最適化の動作を示すフローチャートである。 図７は、第二の実施形態における価格最適化装置の構成を示すブロック図である。 図８は、第二の実施形態における価格最適化の動作を示すフローチャートである。

次に、実施形態について図面を参照して詳細に説明する。

図１は、第一の実施形態における価格最適化装置１００の構成を示すブロック図である。図１に示すように、本実施形態における価格最適化装置１００は、受付部１０１と、算出部１０２と、出力部１０３と、決定部１０４と、を備える。

本実施形態における価格最適化装置１００は、例えば、複数の店舗における同一商品の販売価格について、複数の店舗を管理する本部に対して、商品毎の最適な推奨価格を提案するためのシステムである。店舗とは、顧客が棚に陳列された商品を購入する店舗であり、小売業又は卸売業を含む。小売業としては、百貨店・スーパー、コンビニ、家電、ホームセンター、ドラッグストアなどの専門量販店等を含み業態は問わない。

図１に示すように、価格最適化装置１００は、ネットワークを通じ、本部において商品の価格を管理する管理者が所持する管理者端末２００に対して、各商品の推奨価格を送信可能とする。本実施形態における対象商品は、家電量販店において、ドライヤー、及び、髭剃り等の本部が一律で価格を管理する小物商品である。

図２は、本開示の第一の実施形態における価格最適化装置１００を、プロセッサを含むコンピュータ装置５００で実現したハードウェア構成の一例を示す図である。図２に示されるように、価格最適化装置１００は、ＣＰＵ（Central Processing Unit)５０１、ＲＯＭ（Read Only Memory）５０２、ＲＡＭ（Random Access Memory）５０３等のメモリ、プログラム５０４を格納するハードディスク等の記憶装置５０５、ネットワーク接続用の通信インタフェース５０８、データの入出力を行う入出力インタフェース５０９を含む。

第一の実施形態において、価格最適化装置１００における各構成部は、例えば、バス５１０を介してそれぞれ接続される。また、図１に示す第一の実施形態における価格最適化装置１００は、クラウドコンピューティング等で構成することもできる。

ＣＰＵ５０１は、オペレーティングシステムを動作させて本発明の第一の実施形態に係る価格最適化装置１００の全体を制御する。また、ＣＰＵ５０１は、例えばドライブ装置５０７などに装着された記録媒体５０６からメモリにプログラムやデータを読み出す。また、ＣＰＵ５０１は、第一の実施の形態における受付部１０１と、算出部１０２と、出力部１０３と、決定部１０４及びこの一部として機能し、プログラムに基づいて後述する図６に示すフローチャートにおける処理又は命令を実行する。

記録媒体５０６は、例えば光ディスク、フレキシブルディスク、磁気光ディスク、外付けハードディスク、又は半導体メモリ等である。記録媒体の一部である半導体メモリ等は、不揮発性記憶装置であり、そこにプログラムを記録する。また、プログラムは、通信網に接続されている図示しない外部コンピュータからダウンロードされてもよい。

以上のように、図１に示す第一の実施形態は、図２に示されるコンピュータ・ハードウェアによって実現される。但し、図１の価格最適化装置１００が備える各部の実現手段は、以上説明した構成に限定されない。また価格最適化装置１００は、物理的に結合した一つの装置により実現されてもよいし、物理的に分離した二つ以上の装置を有線又は無線で接続し、これら複数の装置により実現されてもよい。また、価格最適化装置１００は、ディスプレイ等の表示装置を更に備えても構わない。また、価格最適化装置１００と、表示装置とが別々の装置により実現されたシステムとして構成されていてもよい。

受付部１０１は、価格を最適化する商品の商品情報及び販売期間を含む商品販売情報の入力を受付する手段である。受付部１０１は、管理者により管理者端末２００に入力された商品販売情報を受付する。

受付部１０１は、商品情報として、商品名、商品ジャンルや商品名を含むキーワード、ＪＡＮ（Japanese Article Number）コード等の商品を特定する情報を受付する。受付部１０１は、文字入力以外に、商品の外観を撮影した画像や音声入力により商品情報を受付しても構わない。また、受付部１０１は、該当する商品が複数あった場合は、管理者に対して商品を選択させるための画面を表示させ、推奨価格を算出する対象の商品を特定しても構わない。

受付部１０１は、販売期間として、例えば、対象商品の販売完了日、又は、対象の商品の最適化価格を算出するための時期の条件を受付する。

受付部１０１は、更に、商品販売情報として、販売完了日における商品の適正在庫数を受付しても構わない。適正在庫数とは、例えば、店舗において、欠品を出さない最小限の在庫数である。また、受付部１０１は、更に、推奨価格の制約条件を受付しても構わない。受付部１０１は、例えば、制約条件として、推奨価格の上限値又は下限値を受付しても構わない。受付部１０１は、例えば、推奨価格の下限値として、商品の仕入価格を受付する。受付部１０１は、例えば、推奨価格の上限値として、同じ商品の他社での販売価格を受付する。受付部１０１は、管理者が入力したこれらの情報を算出部１０２に出力する。

算出部１０２は、価格の分析のための学習済モデルを用いて、商品の推奨価格を算出する手段である。推奨価格とは、例えば、制約条件を満たしながら、商品の販売期間における商品の売上金額、粗利又は利益のいずれかが最大となるような価格である。また、推奨価格は、これから決定する商品の販売価格であり、推奨価格を算出する時点の現行価格、又は、それ以前の販売価格よりも価格が高くなることも安くなることもある。

本実施形態における学習済モデルは、本部にて、例えば、過去の店舗における販売価格及び売上データを用いて、最適な販売価格を出力するために機械学習により予め決定されたモデルである。算出部１０２が、例えば、学習済モデルに商品情報及び販売期間を含む商品販売情報を少なくとも入力すると、商品の推奨価格が自動的に出力される。学習済モデルは、決定木モデル、線形回帰モデル、ロジスティック回帰（Ｌｏｇｉｓｔｉｃ ｒｅｇｒｅｓｓｉｏｎ）モデル、ニューラルネットワーク（Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ）等により生成されたモデルを含むが、これらに限らない。

対象商品の適正在庫数及び制約条件の設定値は、記憶装置５０５に記憶されている。受付部１０１が対象商品の適正在庫数及び制約条件を受付しなかった場合、算出部１０２は、記憶装置５０５内に記憶された適正在庫数及び制約条件を用いて推奨価格を算出してもよい。算出部１０２は、推奨価格を算出すると、算出した推奨価格を出力部１０３に出力する。

また、算出部１０２は、更に、算出した商品の推奨価格で販売した際における売上予測又は粗利予測を算出してもよい。算出部１０２は、商品の売上数量や仕入価格を用いて公知の方法により売上予測又は粗利予測を算出する。算出部１０２は、売上予測又は粗利予測を算出した場合はそれらの情報も出力部１０３に出力する。

出力部１０３は、算出した商品の推奨価格を出力する手段である。出力部１０３は、例えば、管理者端末２００に推奨価格を出力する。また、出力部１０３は、推奨価格で販売した際の売上予測又は粗利予測と売上又は粗利の実績値について、比較可能な態様で出力しても構わない。

出力部１０３は、特定の商品の価格を決定するタイミングが決まっている場合、価格を決定するタイミング（例えば、営業時間前）で対象商品の推奨価格を管理者端末２００宛にメールやメッセージとして出力してもよい。また、出力部１０３は、定期的に推奨価格を出力し、管理者が専用サイトやアプリケーションにアクセスして閲覧するようになってもよい。また、出力部１０３は、管理者が専用サイトやアプリケーション上で商品の推奨価格の算出ボタンを押下操作されたことをトリガーとして推奨価格を出力してもよい。

また、本実施形態において、出力部１０３が商品の推奨価格を出力した後、受付部１０１は、ユーザである管理者からの商品の推奨価格の変更を受付してもよい。この場合、算出部１０２は、変更後の価格で、販売した際における売上予測又は粗利予測を算出し、出力部１０３は、売上予測又は粗利予測を更新して出力する。

決定部１０４は、ユーザからの操作入力により推奨価格を決定する手段である。ユーザは、例えば、推奨価格が表示された画面を操作することによって推奨価格を確定することができ、決定部１０４は、ユーザによる推奨価格の確定操作を検知すると、推奨価格を決定する。

ここで、図面を用いて本実施形態における推奨価格の表示画面を説明する。図３は、商品販売情報を受付する表示画面の例である。図３に示されるように、受付部１０１は、商品情報として、商品名や商品名を含むキーワード、ＪＡＮコード等の商品コード及び販売完了日を受付する。図３の例では、商品情報として「Ａドライヤー」、及び、販売完了日として「２０２２年５月」を受付している。また、図３の例では、受付部１０１は、適正在庫数を受付してもよい。図３の例では、適正在庫数として５０個を受付している。

また、図３の例では、画面の下部に、推奨価格出力と表示された領域がある。受付部１０１は、この領域が押下操作されたことを検知すると、画面上で受付した情報を算出部１０２に出力し、算出部１０２が推奨価格を算出する。次いで、出力部１０３は、算出された推奨価格を出力する。

図４は、出力部１０３による推奨価格を表示する画面の例である。図４のａには、推奨価格を算出した商品情報、現行価格、販売完了日、前月末在庫数が表示されている。ここで、現行価格とは、推奨価格を算出する時点において各店舗で販売している価格を示す。前月末在庫数とは、前月末時点での各店舗のバックヤード及び倉庫にあり、各店舗に品出し可能な個数を示す。

図４のｂには、これまでの粗利及び売上の推移と、算出部１０２が算出した推奨価格に基づき、算出した粗利予測及び売上予測の推移が示されている。

図４のｃは、算出部１０２が算出した推奨価格「４９，８００円」が表示されている。ユーザである管理者は、表示された推奨価格を変更したい場合、画面上で推奨価格を上書きすることにより変更することができる。また、図４のｃには、「推奨価格変更」及び「推奨価格確定」と表示されている領域がある。決定部１０４は、「推奨価格確定」が押下操作されたことを検知すると、表示された推奨価格を実際に各店舗で販売する価格として決定する。決定部１０４は、出力部１０３を通じて各店舗の端末に決定した販売価格を送信してもよい。また、受付部１０１は、「推奨価格変更」が押下操作されたことを検知すると、算出部１０２が変更された推奨価格に基づいて売上予測及び粗利予測を算出し、出力部１０３が図４のｂに表示された売上予測及び粗利予測を更新する。

図５は、出力部１０３よる表示価格情報を表示する画面の別の例である。図５は、図４のｃにおいて、推奨価格がユーザによって「４７，８００円」に変更され、売上予測及び粗利予測が更新された例である。また、出力部１０３は、図５に示すように、推奨価格で販売した際の粗利予測と実際の粗利の実績値について、同じグラフ上で表示され、比較可能な態様で出力している。

以上のように構成された価格最適化装置１００の動作について、図６のフローチャートを参照して説明する。

図６は、第一の実施形態における価格最適化装置１００の動作の概要を示すフローチャートである。尚、このフローチャートによる処理は、前述したプロセッサによるプログラム制御に基づいて、実行されてもよい。また、本実施形態において、ステップＳ１０１～Ｓ１０３が必須の処理である。

図６に示すように、まず、受付部１０１は、価格を最適化する商品の商品情報及び販売期間を含む商品販売情報の入力を受付する（ステップＳ１０１）。次に、算出部１０２は、価格の分析のための学習済モデルを用いて、商品の推奨価格を算出する（ステップＳ１０２）。出力部１０３は、算出した商品の推奨価格を出力する（ステップＳ１０３）。次いで、受付部１０１がユーザからの商品の推奨価格の変更を受付した場合（Ｓ１０４；ＹＥＳ）、変更を受付した推奨価格で、ステップＳ１０２～Ｓ１０３を繰り返す。一方、決定部１０４は、出力された推奨価格の確定する操作を検知した場合（Ｓ１０４；ＮＯ）、推奨価格を確定する（ステップＳ１０５）。以上で、価格最適化装置１００は、動作を終了する。

本実施形態において、出力部１０３は、価格の分析のための学習済モデルを用いて算出された、推奨価格を出力する。これにより、管理者が商品の価格を判断して、商品の価格を下げ過ぎたことにより、売上が減少するといったことを防ぐことができる。よって、本実施形態によれば、最適な価格を容易に設定可能である。

また、本実施形態において、出力部１０３が、推奨価格に基づく売上予測又は粗利予測を出力した場合、管理者は、売上予測又は粗利予測に基づいて、推奨価格の適否を判断することができる。

また、本実施形態において、受付部１０１がユーザからの商品の推奨価格の変更を受付する。これにより、管理者が、学習済モデルを用いて算出された推奨価格に対して、これまでの経験や勘に基づいて商品の価格を修正することができる。

［第二の実施形態］
次に、本開示の第二の実施形態について図面を参照して詳細に説明する。以下、本実施形態の説明が不明確にならない範囲で、前述の説明と重複する内容については説明を省略する。本開示の各実施形態における各構成要素は、図２に示すコンピュータ装置と同様に、その機能をハードウェア的に実現することはもちろん、プログラム制御に基づくコンピュータ装置、ソフトウェアで実現することができる。

図７は、第二の実施形態における価格最適化装置１１０の一例を示す機能ブロック図である。図７を参照して、第一の実施形態に係る価格最適化装置１００と異なる部分を中心に、第二の実施形態に係る価格最適化装置１１０を説明する。

価格最適化装置１１０は、受付部１１１と、情報取得部１１２と、算出部１１３と、出力部１１４と、決定部１１５を備える。受付部１１１は、第一の実施形態における受付部と１０１と構成及び機能が同じである。

情報取得部１１２は、価格を最適化する商品に関して投稿された投稿状況を取得する手段である。本実施形態における投稿状況には、インターネット上に投稿された対象商品についての投稿情報の内容と投稿回数を含む。本実施形態における投稿情報としては、対象商品に関する何らかの情報が投稿したこと、及び、投稿された情報に対して何らかの操作がされたことを検知できれば、一般的に広く知られているＳＮＳ（Ｓｏｃｉａｌ Ｎｅｔｗｏｒｋ Ｓｙｓｔｅｍ）に投稿された情報に限られない。

情報取得部１１２は、例えば、以下の手順により、対象商品の投稿状況を取得する。すなわち、情報取得部１１２は、投稿情報に含まれる文書中のキーワード、画像、又は投稿情報に付与されたハッシュタグに基づき、対象商品と関連する投稿情報を特定する。次いで、情報取得部１１２は、特定された投稿情報の内容の文字データを自然言語処理（公知の方法でよい）その他の機械的処理を行うことにより分析して、投稿情報が肯定的又は否定的か判定する。また、情報取得部１１２は、肯定的な内容が投稿された回数及び否定的な内容が投稿された回数をカウントする。

情報取得部１１２は、投稿状況として、更に、投稿情報を閲覧した閲覧者が残した何らかの反応情報を取得しても構わない。反応情報としては、投稿情報へのクリック、投稿情報のリツイート、投稿情報への返信、投稿者へのフォロー、投稿情報への「いいね」ボタンを押す等が挙げられる。情報取得部１１２は、投稿情報に対する反応情報（リツイート、返信、フォロー又はいいねの数）の回数についてアクセス解析ツール等を利用して取得する。情報取得部１１２は、肯定的な投稿情報に対して同意する反応情報の回数は、肯定的な投稿情報の回数として加算し、否定的な投稿に対して同意する反応情報の回数は、否定的な投稿情報の回数として加算する。但し、情報取得部１１２による投稿状況の取得方法は、対象商品に対する肯定的な投稿情報と否定的な投稿情報の統計データが取得できるのであればこれに限られない。

算出部１１３は、投稿状況に基づいて推奨価格を算出する。算出部１１３は、例えば、第一の実施形態で用いた学習済モデルに、投稿状況と売上との関係性を更に学習させた学習済モデルに対して、商品販売情報を入力して推奨価格を算出する。投稿状況と売上との関係性とは、例えば、過去における同一又は関連商品の投稿状況と、その商品の売上の伸び率等の影響との定量的な関係である。関連商品とは、例えば、テレビ、冷蔵庫といった同じ商品、又は、ＡＶ家電、情報家電、通信家電、カメラ類、生活家電等といったカテゴリが同じ商品等であるが、これらに限られない。算出部１１３は、肯定的な投稿情報又は否定的な投稿情報の投稿回数が特定の閾値以上なった場合に予め決められたルールに基づいて推奨価格を算出しても構わない。

また、算出部１１３は、第一の実施形態と同様に、算出した推奨価格に基づいて、売上予測又は粗利予測を算出してもよい。算出部１１３は、算出した推奨価格を出力部１１４に出力する。また、算出部１１３は、売上予測又は粗利予測を算出した場合はそれらの情報も出力部１１４に出力する。

本実施形態において、出力部１１４及び決定部１１５による推奨価格の出力方法及び確定方法は、第一の実施形態と同様である。

図８は、第二の実施形態における価格最適化装置１１０の動作の概要を示すフローチャートである。尚、このフローチャートによる処理は、前述したプロセッサによるプログラム制御に基づいて、実行されてもよい。

図８に示すように、まず、受付部１１１は、価格を最適化する商品の商品情報及び販売期間を含む商品販売情報の入力を受付する（ステップＳ１１１）。次に、情報取得部１１２は、価格を最適化する商品に関して投稿された投稿状況を取得する（ステップＳ１１２）。次に、算出部１１３は、投稿状況と売上との関係性を更に学習させた学習済モデルを用いて、商品の推奨価格を算出する（ステップＳ１１３）。出力部１１４は、算出した商品の推奨価格を出力する（ステップＳ１１４）。次いで、受付部１１１がユーザからの商品の推奨価格の変更を受付した場合（Ｓ１１５；ＹＥＳ）、変更を受付した推奨価格で、ステップＳ１１３～Ｓ１１４を繰り返す。一方、決定部１１５は、出力された推奨価格の確定する操作を検知した場合（Ｓ１１５；ＮＯ）、推奨価格を確定する（ステップＳ１１６）。以上で、価格最適化装置１１０は、動作を終了する。

本実施形態において、算出部１１３は、学習済モデルとして、過去の店舗における価格及び売上データに加え、投稿状況と売上との関係性を学習した学習済モデルを用いて、商品の推奨価格を算出する。これにより、対象商品に対する世間の評判を加味して推奨価格を算出することができる。

以上、各実施の形態を参照して本発明を説明したが、本発明は上記実施の形態に限定されるものではない。本発明の構成や詳細には、本発明のスコープ内で当業者が理解しえる様々な変更をすることができる。

例えば、複数の動作をフローチャートの形式で順番に記載してあるが、その記載の順番は複数の動作を実行する順番を限定するものではない。このため、各実施形態を実施するときには、その複数の動作の順番は内容的に支障しない範囲で変更することができる。また、各実施形態における商品対象は、家電量販店において、ドライヤー、又は、髭剃り等の本部が一律で価格を管理する小物商品として説明したが、本実施形態における対象商品は、これらに限らない。例えば、店舗毎に価格を設定する商品に対しても適用しても構わない。この場合、出力部１０３，１１４は、各店舗における商品の管理者の端末に対して推奨価格を出力する。

１００、１１０ 価格最適化装置
１０１、１１１ 受付部
１０２、１１３ 算出部
１０３、１１４ 出力部
１０４、１１５ 決定部
１１２ 情報取得部
２００、２１０ 管理者端末
５００ コンピュータ装置
５０１ ＣＰＵ
５０２ ＲＯＭ
５０３ ＲＡＭ
５０４ プログラム
５０５ 記憶装置
５０６ 記録媒体
５０７ ドライブ装置
５０８ 通信インタフェース
５０９ 入出力インタフェース
５１０ バス

Claims (8)

1. 価格を最適化する商品の商品情報及び販売期間を含む商品販売情報の入力を受付する、受付手段と、
   価格分析のための学習済モデルを用いて、前記商品販売情報に基づき、前記商品の推奨価格を算出する、算出手段と、
   算出した前記商品の推奨価格を出力する、出力手段を備える、価格最適化装置。
2. 前記算出手段は、更に、算出した前記商品の推奨価格で販売した際における売上予測又は粗利予測を算出し、
   前記出力手段は、前記売上予測又は前記粗利予測を出力する、
   請求項１に記載の価格最適化装置。
3. 前記受付手段は、ユーザからの商品の推奨価格の変更を受付し、
   前記算出手段は、変更後の前記推奨価格で販売した際における売上予測又は粗利予測を算出し、
   前記出力手段は、前記売上予測又は前記粗利予測を出力する、
   請求項２に記載の価格最適化装置。
4. 前記受付手段は、更に、販売完了日における商品の適正在庫数を受付し、
   前記算出手段は、受付した前記適正在庫数を満たすように、前記推奨価格を算出する、
   請求項１に記載の価格最適化装置。
5. 前記受付手段は、更に、推奨価格の制約条件の入力を受付し、
   前記算出手段は、受付した前記制約条件を満たすように、前記推奨価格を算出する、
   請求項１に記載の価格最適化装置。
6. 価格を最適化する商品に関して投稿された投稿状況を取得する情報取得手段を更に備え、
   前記算出手段は、前記投稿状況に基づいて、前記推奨価格を算出する、
   請求項１に記載の価格最適化装置。
7. 価格を最適化する商品の商品情報及び販売期間を含む商品販売情報の入力を受付し、
   価格分析のための学習済モデルを用いて、前記商品販売情報に基づき、前記商品の推奨価格を算出し、
   算出した前記商品の推奨価格を出力する、価格最適化方法。
8. 価格を最適化する商品の商品情報及び販売期間を含む商品販売情報の入力を受付し、
   価格分析のための学習済モデルを用いて、前記商品販売情報に基づき、前記商品の推奨価格を算出し、
   算出した前記商品の推奨価格を出力することをコンピュータに実行させるプログラム。

Images