JP3816185B2 - 商品の流行予測を加味した売上予測装置及びその予測方法 - Google Patents
商品の流行予測を加味した売上予測装置及びその予測方法 Download PDFInfo
- Publication number
- JP3816185B2 JP3816185B2 JP11679497A JP11679497A JP3816185B2 JP 3816185 B2 JP3816185 B2 JP 3816185B2 JP 11679497 A JP11679497 A JP 11679497A JP 11679497 A JP11679497 A JP 11679497A JP 3816185 B2 JP3816185 B2 JP 3816185B2
- Authority
- JP
- Japan
- Prior art keywords
- customer
- sales
- product
- purchase
- data
- 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.)
- Expired - Lifetime
Links
- 238000013277 forecasting method Methods 0.000 title description 8
- 230000035945 sensitivity Effects 0.000 claims description 79
- 230000007704 transition Effects 0.000 claims description 40
- 238000013500 data storage Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000007717 exclusion Effects 0.000 claims description 10
- 238000012821 model calculation Methods 0.000 claims description 7
- 239000000203 mixture Substances 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 2
- 238000000034 method Methods 0.000 description 31
- 238000010586 diagram Methods 0.000 description 4
- 239000000470 constituent Substances 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
【発明の属する技術分野】
本発明は、商品の売上予測を行う装置と方法に係り、特に商品の流行性の予測を加味した売上予測を行う装置と方法に関する。
【0002】
【従来の技術】
従来から、商品の売上予測を行う種々の装置や方法が知られている。食品や日用品のような、購買頻度が高い商品については、予測精度がかなり高い売上予測モデルが幾つか提案されている。
【0003】
これに対して、本発明が対象とするような流行性が高い商品については、従来は合理的な売上予測モデルが提案されていなかった。
【0004】
ここで、流行性が高い商品とは、購買頻度が低く、他人の目を意識したり、他人の購買によって購買行為が引き起こされたりする商品である。たとえば、アパレル商品、レジャー用商品がこれに該当する。
【0005】
この流行性が高い商品に対する従来の売上予測方法は、一般的には、過去の同様の商品の販売実績データを用いて推測するものであった。すなわち、過去に販売した似通った商品の販売実績データを探し出し、それに景気動向、季節ファクター、経験値等を加味して、所定の係数を乗じたり、加えたりするものがほとんどであった。
【0006】
【発明が解決しようとする課題】
しかし、上記流行性が高い商品に対する従来の売上予測方法では、合理性を欠いていた。これは、主に流行性という購買者が大きく関与するものに対して販売者側の一方的な観測を基礎にしてからである。
【0007】
つまり、流行性が高い商品は、上述したように他人の目を意識したり、他人の購買によって購買行為が引き起こされたりする購買者の購買行為が大きな要素になっている。たとえば、一人の購買者が何らかの理由である最初にある商品を購買することによって、それを引き金として流行に敏感な他の購買者が購買行為に走ることがある。このことが連続的に雪崩現象的に起こることによって、商品は当初の予想をはるかに超えて売上を伸ばすことになる。これが流行、すなわちヒット商品が生まれるメカニズムである。
【0008】
この場合、最初の購買者が買うか否か、また、後の購買者が追随するか否かは、商品に対する販売者側の一方的な観測では測り知ることはできなかった。
【0009】
言葉を変えれば、商品の流行は、流行に敏感な購買者が商品の販売の初期段階で購買するか否かを把握することによってはじめて合理的に予測可能になる。
【0010】
しかし、従来の売上予測方法は、実際に商品を販売した場合の購買者の類型と動向を加味していなかった。これでは、商品の流行予測を加味した合理的な商品の売上予測を行うことはできなかった。
【0011】
これに対して部分的にではあるが、購買者の類型と動向を売上予測に加味する方法として、いわゆるモニターやアンケートを利用する方法があった。これは、ある商品について購買者から商品に対する感想等の情報をフィードバックさせ、このフィードバック情報を基に商品の売上予測を行うものであった。
【0012】
しかし、この方法では、購買者とのやり取りに時間がかかってしまっていた。一般に、流行性が高い商品は、ピークを迎える時間が短いため、このように時間がかかる売上予測方法では商品の売上予測を生産販売計画に反映させることはできなかった。
【0013】
一方、最近では多数の企業の顧客カード戦略によって、大量の顧客の購買実績データが蓄積されている。しかし、これらの顧客購買実績データは、結局は活用されないのが実状であった。
【0014】
そこで、本発明が解決しようとする課題は、商品の販売の初期段階でその商品を購買した者の類型、構成、売上推移の動向を把握し、それによって迅速にその商品の売上予測を行う「商品の流行予測を加味した売上予測装置及びその予測方法」を提供することにある。
【0015】
【課題を解決するための手段】
本願請求項1に係る「商品の流行予測を加味した売上予測装置」は、
商品の品目、商品を購買した顧客、商品が販売された日時を含む商品の販売実績データを格納する販売実績データ記憶手段と、
商品ごとに設定された流行度指標と購買タイミング区分とを含む商品情報を格納する商品情報データベースと、
顧客別に整理された購買した商品品目及び購買時点を含む購買履歴を格納する顧客別購買履歴データベースと、
流行感度スコアと購買タイミングスコアの平均値またはモード値、標準偏差値または分散値を含む顧客別の流行感度及び購買タイミングデータを格納する顧客別流行感度及び購買タイミングデータベースと、
顧客を流行に対する感度と商品の購買タイミングを因子とする複数の顧客類型に分類した顧客累計データを格納する顧客類型データベースと、
前記販売実績データ記憶手段から商品の販売実績データを商品ごとに検索して入力し、あらかじめ定めた基準値によって流行度指標と購買タイミング区分とを商品ごとに設定し、商品情報データベースに出力する流行度指標及び購買タイミング区分設定手段と、
前記販売実績データ記憶手段から顧客の購買実績データを検索して入力し、顧客別に購買した商品の品目、購買時点を整理し、顧客別購買履歴データベースに出力する顧客別購買履歴作成手段と、
前記顧客別購買履歴データベースから顧客別の購買履歴データを入力し、各顧客が購買した各商品について前記商品情報データベースを検索して該当する流行度指標と購買タイミング区分とを参照し、参照した流行度指標と購買タイミング区分に応じてそれぞれ流行感度スコアと購買タイミングスコアを付与し、前記流行感度スコアと購買タイミングスコアの平均値またはモード値、標準偏差値または分散値を算出し、顧客別流行感度及び購買タイミングデータベースに出力する顧客別流行感度及び購買タイミングスコア算出手段と、
前記顧客別流行感度及び購買タイミングデータベースから各顧客の流行感度スコアと購買タイミングスコアの標準偏差値または分散値を入力し、前記標準偏差値または分散値と一定の閾値とを比較することにより、流行感度及び購買タイミングに一貫性を欠く顧客のデータを前記顧客別流行感度及び購買タイミングデータベースから除外する一貫性欠如サンプル除外手段と、
前記顧客別流行感度及び購買タイミングデータベースから各顧客の流行感度スコアと購買タイミングスコアの平均値またはモード値を入力し、流行感度スコアの平均値またはモード値、購買タイミングスコアの平均値またはモード値の組合せに応じて、流行に対する感度と商品の購買タイミングを因子とする複数の顧客類型に顧客を分類し、顧客類型データベースに出力する顧客類型化手段と、
過去の商品の販売実績データを入力し、商品の売上推移の段階と、商品の各売上推移段階中に商品を購買した顧客の類型の構成比とを説明変数とし、その商品の売上げまたは流行の度合いを被説明変数として、商品の売上予測モデルを算出する売上予測モデル算出手段と、
予測対象商品について、その商品を購買した顧客と、商品が販売された日時のデータを入力する販売データ入力手段と、
前記販売データ入力手段が入力した商品の販売データを入力し、売上推移の傾斜から商品の売上推移段階を推定する売上推移段階推定手段と、
前記販売データ入力手段が入力した顧客データを入力し、これらの顧客データの各顧客について前記顧客類型データベースを参照することにより、各顧客の顧客類型を特定する顧客類型特定手段と、
前記売上推移段階推定手段が推定した売上推移段階と、前記顧客類型特定手段が特定した顧客類型と、前記売上予測モデル算出手段が算出した売上予測モデルとを入力し、前記予測対象商品の売上げまたは流行の度合いを予測して出力する売上予測手段と、を備えたことを特徴とするものである。
【0016】
本願請求項2に係る「商品の流行予測を加味した売上予測装置」は、前記請求項1の装置において、
前記販売実績データ記憶手段は、商品のカテゴリーのデータを格納しており、
前記顧客別購買履歴作成手段は、商品のカテゴリーごとに、各顧客が購買した商品の品目、購買時点を整理し、顧客別購買履歴データベースに出力し、
前記顧客別流行感度及び購買タイミングスコア算出手段は、各商品のカテゴリーごとに、前記流行感度スコアと購買タイミングスコアの平均値またはモード値、標準偏差値または分散値を算出し、顧客別流行感度及び購買タイミングデータベースに出力し、
前記一貫性欠如サンプル除外手段は、各商品のカテゴリーごとに、流行感度及び購買タイミングに一貫性を欠く顧客のデータを前記顧客別流行感度及び購買タイミングデータベースから除外し、
前記顧客類型化手段は、各商品のカテゴリーごとに、流行に対する感度と商品の購買タイミングを因子とする複数の顧客類型に顧客を分類し、顧客類型データベースに出力し、
前記売上予測モデル算出手段は、各商品のカテゴリーごとに、商品の売上予測モデルを算出し、
前記売上予測手段は、商品カテゴリーに対応する売上予測モデルを用いて前記予測対象商品の売上げまたは流行の度合いを予測する、ように構成されていることを特徴とするものである。
【0017】
本願請求項3に係る「商品の流行予測を加味した売上予測装置」は、前記請求項1または2の装置において、
前記販売データ入力手段は、商品を購買をした顧客と、商品が販売された日時のデータをリアルタイムで入力し、
前記売上予測手段は、前記販売データ入力手段がリアルタイムで入力したデータを用いて商品の売上げまたは流行の度合いを予測する、ように構成されていることを特徴とするものである。
【0021】
【発明の実施の形態】
本発明による「商品の流行予測を加味した売上予測装置」は、過去の商品の販売実績データと顧客の購買実績データとから、各顧客の流行感度と購買タイミングを特定し、どの売上推移段階でどのような流行指向と購買タイミングパターンの顧客が購買を行ったかということと実際の商品の売上との相関関係を求めておき、ある商品の売上を予測する場合に、その商品を購買した顧客のデータを収集し、それら顧客の流行感度と購買タイミングのパターンを分析することにより、前記相関関係から商品の売上を予測しようとするものである。
【0022】
ここで、各顧客の「流行感度」とは、流行に敏感か否かを示す指標、すなわち流行する商品を好む度合いを示す指標である。本発明では、その顧客が過去に購買した商品の流行の程度からその顧客の流行感度を特定する。具体的な方法については後にさらに詳しく説明する。
【0023】
「購買タイミング」とは、商品の売上推移において、販売の初期段階、成長段階、成熟段階、衰退段階のいずれの段階で購買を行ったかということである。いずれの段階で商品を購入するかは個人によってほぼ一定していることが知られている。具体的な方法については後にさらに詳しく説明する。
【0024】
次に、本発明の一実施形態について添付の図面を参照して以下に説明する。
【0025】
図1に本発明の一実施形態による売上予測装置の構成と、それら構成要素間の処理の流れを示す。
【0026】
図1に示すように、本実施形態による商品の売上予測装置1は、販売実績データ記憶手段2、流行度指標及び購買タイミング区分設定手段3、顧客別購買履歴作成手段4、顧客別流行感度及び購買タイミングスコア算出手段5、一貫性欠如サンプル除外手段6、顧客類型化手段7、売上予測モデル算出手段8、販売データ入力手段9、売上推移段階推定手段10、顧客類型特定手段11、売上予測手段12を有している。
【0027】
この他に本実施形態による商品の売上予測装置1は、上記構成手段の出力したデータを格納管理する複数のデータベースを有している。商品情報データベース13、顧客別購買履歴データベース14、顧客別流行感度及び購買タイミングデータベース15、顧客類型データベース16が、これに該当する。なお、データベースとは、一般的には系統的に管理されたデータの集まりをいうが、ここではデータを格納管理するハードウェアを含めてデータベースということにする。
【0028】
本明細書にいう売上予測装置1とその構成手段は、固定的にそれぞれの処理を行うようにしたハードウェアでもよい。しかし好ましくは、売上予測装置1とその構成手段は、所定のソフトウェアによって制御され、ある処理段階で処理段階に応じた処理を行うコンピュータからなる。また、売上予測装置1とその構成手段の全体が1台のコンピュータでもよいし、それぞれが独立のコンピュータからなり、それらがネットワークによって接続されて全体として売上予測装置1を構成するようにしてもよい。
【0029】
販売実績データ記憶手段2は、商品の販売実績データを格納する記憶装置である。ここでいう「商品の販売実績データ」とは、商品の品目、商品のカテゴリー、商品を購買した顧客、商品が販売された日時等のデータである。販売実績データ記憶手段2は、物理的には外部の記憶装置であることがあり得る。たとえば、顧客情報や商品販売実績データを格納する外部のサーバーであってもよい。商品の販売実績データは、データベース化されているのが好ましいが、データベース化されていないデータを売上予測装置1が取得してデータベースを構築することも可能である。従って、販売実績データ記憶手段2は、複数個あって売上予測装置1が顧客情報と商品販売情報を別々に得て、これらデータをリンクさせるようにしてもよい。
【0030】
流行度指標及び購買タイミング区分設定手段3は、商品の販売実績データを入力し、商品ごとに流行度指標と購買タイミング区分とを設定する手段である。ここで、流行度指標とは、流行の程度を示す指標である。流行度指標はユーザーによって任意に定めることができる。本実施形態では、商品の(実際の売上)/(予想売上)の値によって1〜5の数値を流行度指標としている。この他、人間による評価を流行度指標とすることもできる。
【0031】
購買タイミング区分は、商品の売上の推移により、商品の販売の開始から実質的な終了までの時間帯を幾つかの段階に分け、そのどの段階で顧客が購買したかを特定するための区分である。商品の売上推移の段階としては、概念的には販売の初期段階、成長段階、成熟段階、衰退段階というようなものがある。具体的な、購買タイミング区分の方法は、ユーザーによって任意に定めることができる。本実施形態では、ある商品の売上推移のデータを用いて、5分位の方法によって購買タイミング区分を設定している。5分位の方法とは、購買の度数を時間順に5等分した場合の各区分である。その他、標準偏差を用いて〜2シグマ、2〜1シグマ、1〜0シグマ、0〜−1シグマ、−1シグマを5つの購買タイミング区分とすることもできる。
【0032】
流行度指標及び購買タイミング区分設定手段3は、流行度指標及び購買タイミング区分設定のための入力手段を提供するものでもよいし、あるいは予め定めた基準値によって自動的に流行度指標と購買タイミングの区分を設定するものでもよい。
【0033】
顧客別購買履歴作成手段4は、顧客の購買実績データを入力し、顧客別に購買した商品の品目、商品のカテゴリー、購買時点を整理して出力するものである。
【0034】
顧客別流行感度及び購買タイミングスコア算出手段5は、顧客別の購買履歴データを入力し、各顧客が購買した商品の全品目について前記流行度指標と購買タイミング区分を参照し、それぞれの流行度指標と購買タイミング区分に応じて得点を付与し、それら得点の平均値、モード値、標準偏差値、分散値等を算出する手段である。
【0035】
ここで、流行度指標と購買タイミング区分に応じて付与する得点が、その顧客の「流行感度スコア」と「購買タイミングスコア」である。つまり、「流行感度スコア」と「購買タイミングスコア」は、購買した商品のデータに基づいて顧客の流行指向と購買タイミングパターンを数値化したものである。
【0036】
一貫性欠如サンプル除外手段6は、顧客の流行感度スコアと購買タイミングスコアの標準偏差値または分散値を入力し、標準偏差値または分散値により、流行感度及び購買タイミングに一貫性を欠く顧客のデータを売上予測用のデータから除外する手段である。これら購買行動に一貫性を欠く顧客のデータは、商品の売上予測をするための基礎データとしては不適だからである。なお、標準偏差値や分散値の他にサンプルのばらつきを示す任意の指標を使用することができる。
【0037】
顧客類型化手段7は、顧客の流行感度スコアと購買タイミングスコアの平均値またはモード値を入力し、流行感度スコアの平均値またはモード値、購買タイミングスコアの平均値またはモード値の組合せにより、流行に対する感度と商品の購買タイミングを因子とする複数の顧客類型に顧客を分類する手段である。具体的な分類方法については後にさらに説明する。
【0038】
売上予測モデル算出手段8は、過去の商品の販売実績データを入力し、商品の売上推移の段階と、商品の各売上推移段階中に商品を購買した顧客の類型の構成比とを説明変数とし、その商品の売上げまたは流行の度合いを被説明変数として、商品の売上予測モデルを算出する手段である。なお、本実施形態による売上予測モデルの算出は回帰分析の方法を採用しているが、売上予測モデルの算出は、適当な関数を発見することによる方法、関数の形を特定できなくても一定の入力に対して一定の出力を得る方法(たとえばニューラルネットワーク)、その他任意の公知の方法を採用することができる。
【0039】
販売データ入力手段9は、予測対象商品について、その商品を購買をした顧客と、商品が販売された日時のデータを入力する手段である。販売データ入力手段9は、販売データをリアルタイムで収集することができる手段であることが好ましい。
【0040】
売上推移段階推定手段10は、売上を予測しようとする商品の販売データを入力し、その売上推移の傾斜から商品の売上推移段階を推定する手段である。
【0041】
顧客類型特定手段11は、売上を予測しようとする商品を買った顧客のデータを入力し、各顧客について流行性指向と購買タイミングパターンの類型を特定する手段である。流行性指向と購買タイミングパターンの類型の特定方法は後にさらに説明する。
【0042】
売上予測手段12は、売上を予測しようとする商品の売上推移段階と、それを購買した顧客の類型と、売上予測モデルとを入力し、予測対象商品の売上げまたは流行の度合いを予測する手段である。
【0043】
以上が本実施形態の売上予測装置1の各構成手段についての説明を終了する。次に、上記構成手段による売上予測装置1の「商品の流行予測を加味した売上予測」の方法について図1に沿って説明する。
【0044】
最初に、過去の販売実績データを用いて、商品の売上予測を行うための基礎データの収集と作成を行う。
【0045】
まず、流行度指標及び購買タイミング区分設定手段3により、販売実績データ記憶手段2から商品の販売実績データを検索し、商品ごとに流行度指標と購買タイミング区分とを設定する。図2に流行度指標と購買タイミング区分の設定の方法を示す。
【0046】
図2に示すように、販売実績データ記憶手段2は、顧客、商品カテゴリー、商品品目、販売日時、等のデータを有している。流行度指標及び購買タイミング区分設定手段3は、販売実績データ記憶手段2から商品の販売実績データを抽出する。商品の販売実績データは、時間を横軸、売上(度数でもよい)を縦軸とすると、図2に示すような売上推移カーブで表わされる。この売上推移カーブについて、図2に示すような購買タイミング区分ta1,…,ta5を設定することができる。また、実際の売上)/(予想売上)の値を用いて流行度指標(1〜5)を設定することができる。これにより、図2の下部にしめすような商品情報を作成することができる。流行度指標及び購買タイミング区分設定手段3により、商品情報を商品情報データベース13に出力する。
【0047】
次に、顧客別購買履歴作成手段4により、顧客別購買履歴を作成する。
【0048】
顧客別購買履歴作成手段4は、販売実績データ記憶手段2から顧客の購買実績データを検索し、顧客別に購買した商品の品目、購買時点を整理して顧客別の購買履歴を作成する。図3に販売実績データから顧客別購買履歴データを作成する方法を示す。
【0049】
既に説明したように、販売実績データ記憶手段2は、顧客、商品カテゴリー、商品品目、販売日時、等のデータを有している。顧客別購買履歴作成手段4は、顧客の購買実績データを抽出し、図3に示すように顧客CL1,CL2,CL3,…ごとに、かつ、商品カテゴリーA,B,…ごとに、購買した商品品目と購買した日時(図3においてタイミングの欄)をリストアップする。これが「顧客別購買履歴データ」である。顧客別購買履歴作成手段4は顧客別購買履歴データを顧客別購買履歴データベース14に出力する。
【0050】
次に、顧客別流行感度及び購買タイミングスコア算出手段5により、顧客別の流行感度スコアと購買タイミングスコアとを算出する。
【0051】
顧客別流行感度及び購買タイミングスコア算出手段5は、顧客別購買履歴データベース14から顧客別の購買履歴データを入力し、各顧客が購買した商品の全品目について商品情報データベース14を参照し、各購買商品の流行度指標と購買時点が属する購買タイミング区分に応じてそれぞれ流行感度スコアと購買タイミングスコアを付与する。流行感度スコアと購買タイミングスコアの付与の方法を図4に示す。
【0052】
図4に示すように、顧客別購買履歴データは、顧客が購買した商品と、各商品〇〇〇,□□□,…を購買した日時d/m/yのデータを有している。顧客別流行感度及び購買タイミングスコア算出手段5は、各商品について、商品情報データベース13を検索し、該当する商品の購買タイミング区分tn1,tn2,…と、流行度指標(1〜5)を参照し、該当する購買タイミング区分tn1,tn2,…と流行度指標(1〜5)にそれぞれ対応した購買タイミングスコアと流行感度スコアを付与する。さらに、顧客別流行感度及び購買タイミングスコア算出手段5は、商品カテゴリーA,B,…ごとに、購買タイミングスコアと流行感度スコアの平均値と標準偏差値を算出する。
【0053】
なお、商品カテゴリーA,B,…ごとに購買タイミングスコアと流行感度スコアを付与するのは、一般に同一の顧客であっても、商品カテゴリーAについては流行感度が高いが、商品カテゴリーBについては低い、というようなことがしばしば起きるからである。このように、商品カテゴリーA,B,…ごとに購買タイミングスコアと流行感度スコアを付与することにより、より正確な売上予測が可能になる。
【0054】
顧客別流行感度及び購買タイミングスコア算出手段5は、算出した「顧客別流行感度及び購買タイミングデータ」を顧客別流行感度及び購買タイミングデータベース15に出力する。
【0055】
次に、一貫性欠如サンプル除外手段6により、流行指向と購買タイミングパターンに一貫性がない顧客データを顧客別流行感度及び購買タイミングデータベース15から除外する。
【0056】
一貫性がない顧客データを除外するには、標準偏差値が一定の閾値より大きいものを除外する。一貫性欠如サンプル除外手段6による一貫性がない顧客データの除外は、カテゴリーごとに、また、流行感度または購買タイミングごとに行うことができる。
【0057】
次に、顧客類型化手段7により、顧客を流行指向と購買タイミングパターンに応じて類型化する。
【0058】
顧客類型化手段7は、一貫性のないデータを除外した顧客別流行感度及び購買タイミングデータベース15から、各顧客の流行感度スコアと購買タイミングスコアの平均値を入力し、それらの組合せにより、流行感度と商品の購買タイミングを因子とする複数の顧客類型に顧客データを分類する。図5に類型分類の方法を示す。
【0059】
図5に示すように、顧客の類型分類を行うには、類型表を使用する。この類型表は購買タイミングスコア平均値(PTS)の所定の帯域と流行感度スコア平均値(HTS)の所定の帯域とのマトリックスからなる。この類型表を参照することにより、各顧客の商品カテゴリーごとの類型イ,ロ,ハ,ニ,ホ,…を特定することができる。なお、図5の顧客類型データにおいて、商品カテゴリーにより類型が特定されていないものがあるのは、その顧客がその商品カテゴリーについては流行に関心がないか、あるいは購買に一貫性がないことを示している。
【0060】
顧客類型化手段7は、上記のように作成した顧客類型データを顧客類型データベース16に出力する。
【0061】
次に、売上予測モデル算出手段8により売上予測モデルを算出する。売上予測モデル算出手段8は、過去の商品の販売実績データ(図2参照)を入力し、商品の売上推移の段階と、商品の各売上推移段階中にその商品を購買した顧客の類型の構成比とを説明変数とし、その商品の売上げまたは流行の度合いを被説明変数として、商品の売上予測モデルを算出する。商品の売上予測モデルの算出は、すでに説明したように、重回帰分析、所定の関数の設定、ニューラルネットワークのいずれの方法でもよい。
【0062】
なお、商品の売上予測モデルは原則的には商品カテゴリーごとに算出するが、これに限られず、各商品ごとあるいは一定のカテゴリーを統合した商品群について算出してもよい。
【0063】
以上が過去の販売実績データを用いて、商品の売上予測を行うための基礎データの収集と作成である。なお、上記説明では、平均値と標準偏差値を用いて説明したが、平均値の代わりにモード値、標準偏差値の代わりに分散を使用してもよいことは説明するまでもない。
【0064】
次に、上記売上予測モデルを用いた商品の売上予測について説明する。
【0065】
本発明の方法によりある商品の売上予測を行うには、その商品の販売データを収集しなければならない。
【0066】
販売データ入力手段9は、好ましくはリアルタイムで商品の販売データを売上予測装置1に送るものとする。
【0067】
次に、売上推移段階推定手段10により、その商品の売上推移段階を推定する。商品の売上推移段階を推定するには、商品の販売データから売上推移の傾斜を求め、傾斜の大きさ、あるいは傾斜の増減等により売上推移段階を推定することができる。また、過去の販売経験から判断して商品サイクルがほぼ固定的な特性を示すものであると仮定できる場合は、その時点における販売データから直ちに売上推移段階を決定することもできる。
【0068】
次に、顧客類型特定手段11により、その商品を購入している顧客の類型を特定する。顧客類型特定手段11は、販売データ入力手段9が入力した顧客データを入力し、各顧客について顧客類型データベース16を検索し、該当する顧客データからその顧客類型を特定する。
【0069】
このように、売上を予測しようとする商品の売上推移段階と購買している顧客の類型を特定できれば、売上予測モデルを用いて売上または流行の度合いを算出することができる。
【0070】
売上予測手段12は、売上推移段階推定手段10が推定した売上推移段階と、顧客類型特定手段11が特定した顧客類型と、売上予測モデル算出手段8が算出した売上予測モデルとを入力し、それらのデータと数式等を用いて予測対象商品の売上げまたは流行の度合いを予測することができる。
【0071】
このように、本発明の売上予測装置によれば、過去の販売実績データから顧客の流行指向と購買タイミングパターンを特定し、商品のある販売推移段階において購買している者の流行指向と購買タイミングパターンと商品の売上の関係を売上予測モデル化している。これにより、ヒット商品が生まれるメカニズムに沿った商品の売上予測を行うことがてきる。
【0072】
また、上記売上予測装置1によれば、売上予測を行うコンピュータ(売上予測手段12)を常時起動しておき、それに商品の販売データをリアルタイムでフィードバックすれば、常にリアルタイムで商品の売上予測を行うことができる。これにより、モニターやアンケートの場合ような通信のための時間が省かれ、迅速に商品の流行を察知して生産販売計画に反映させることができる。
【0073】
なお、上記実施形態は、商品カテゴリーごとに、顧客の流行指向、購買タイミングパターン、売上予測モデルを算出し、これに基づいて特定の商品の売上を予測するものであった(本願請求項2,5に対応)。しかし、商品カテゴリーごとに限られず、ある商品について販売実績データの蓄積があれば、同様に売上予測モデルを算出し、これに基づいて特定の商品の売上を予測することもできる。本願請求項1,4はこれに対応するものである。
【0074】
また、上記実施形態では、売上を予測しようとする商品の販売データをリアルタイムで収集するようにしていたが、リアルタイムで商品の売上予測を行うことが必要条件でないことは説明するまでもない。
【0075】
【発明の効果】
以上の説明から明らかなように、本発明による「商品の流行予測を加味した売上予測装置及びその予測方法」によれば、売上を予測しようとする商品を実際に購入している者の流行指向や購買タイミングパターンを分析し、これによって流行の現象に大きく関係する流行感度が高い購買層の動向を把握し、これによって商品の流行を予測することができる。この予測方法は、流行のメカニズムによく沿い、これによって合理的な商品の流行予測を加味した売上予測装置及びその予測方法を提供することができる。
【0076】
また、本発明の予測装置及びその予測方法によれば、商品の流行を販売極めて早い段階で予測でき、商品の生産販売計画に迅速に予測結果を反映させることができる予測装置及びその予測方法を提供することができる。
【図面の簡単な説明】
【図1】本発明の一実施形態による「商品の流行予測を加味した売上予測装置」の構成とその処理の流れを示したブロック図。
【図2】商品の販売実績データから流行度指標と販売タイミング区分を設定する方法を説明した図。
【図3】商品の販売実績データから顧客別の購買履歴データを作成する方法を説明した図。
【図4】顧客別購買履歴データと商品情報から顧客別の流行感度スコア及び購買タイミングスコアを算出する方法を説明した図。
【図5】顧客別の流行感度スコア及び購買タイミングスコアから各顧客の流行指向と購買タイミングパターンの類型を特定する方法を説明した図。
【符号の説明】
1 売上予測装置
2 販売実績データ記憶手段
3 流行度指標及び購買タイミング区分設定手段
4 顧客別購買履歴作成手段
5 顧客別流行感度及び購買タイミングスコア算出手段
6 一貫性欠如サンプル除外手段
7 顧客類型化手段
8 売上予測モデル算出手段
9 販売データ入力手段
10 売上推移段階推定手段
11 顧客類型特定手段
12 売上予測手段
13 商品情報データベース
14 顧客別購買履歴データベース
15 顧客別流行感度及び購買タイミングデータベース
16 顧客類型データベース
Claims (3)
- 商品の品目、商品を購買した顧客、商品が販売された日時を含む商品の販売実績データを格納する販売実績データ記憶手段と、
商品ごとに設定された流行度指標と購買タイミング区分とを含む商品情報を格納する商品情報データベースと、
顧客別に整理された購買した商品品目及び購買時点を含む購買履歴を格納する顧客別購買履歴データベースと、
流行感度スコアと購買タイミングスコアの平均値またはモード値、標準偏差値または分散値を含む顧客別の流行感度及び購買タイミングデータを格納する顧客別流行感度及び購買タイミングデータベースと、
顧客を流行に対する感度と商品の購買タイミングを因子とする複数の顧客類型に分類した顧客累計データを格納する顧客類型データベースと、
前記販売実績データ記憶手段から商品の販売実績データを商品ごとに検索して入力し、あらかじめ定めた基準値によって流行度指標と購買タイミング区分とを商品ごとに設定し、商品情報データベースに出力する流行度指標及び購買タイミング区分設定手段と、
前記販売実績データ記憶手段から顧客の購買実績データを検索して入力し、顧客別に購買した商品の品目、購買時点を整理し、顧客別購買履歴データベースに出力する顧客別購買履歴作成手段と、
前記顧客別購買履歴データベースから顧客別の購買履歴データを入力し、各顧客が購買した各商品について前記商品情報データベースを検索して該当する流行度指標と購買タイミング区分とを参照し、参照した流行度指標と購買タイミング区分に応じてそれぞれ流行感度スコアと購買タイミングスコアを付与し、前記流行感度スコアと購買タイミングスコアの平均値またはモード値、標準偏差値または分散値を算出し、顧客別流行感度及び購買タイミングデータベースに出力する顧客別流行感度及び購買タイミングスコア算出手段と、
前記顧客別流行感度及び購買タイミングデータベースから各顧客の流行感度スコアと購買タイミングスコアの標準偏差値または分散値を入力し、前記標準偏差値または分散値と一定の閾値とを比較することにより、流行感度及び購買タイミングに一貫性を欠く顧客のデータを前記顧客別流行感度及び購買タイミングデータベースから除外する一貫性欠如サンプル除外手段と、
前記顧客別流行感度及び購買タイミングデータベースから各顧客の流行感度スコアと購買タイミングスコアの平均値またはモード値を入力し、流行感度スコアの平均値またはモード値、購買タイミングスコアの平均値またはモード値の組合せに応じて、流行に対する感度と商品の購買タイミングを因子とする複数の顧客類型に顧客を分類し、顧客類型データベースに出力する顧客類型化手段と、
過去の商品の販売実績データを入力し、商品の売上推移の段階と、商品の各売上推移段階中に商品を購買した顧客の類型の構成比とを説明変数とし、その商品の売上げまたは流行の度合いを被説明変数として、商品の売上予測モデルを算出する売上予測モデル算出手段と、
予測対象商品について、その商品を購買した顧客と、商品が販売された日時のデータを入力する販売データ入力手段と、
前記販売データ入力手段が入力した商品の販売データを入力し、売上推移の傾斜から商品の売上推移段階を推定する売上推移段階推定手段と、
前記販売データ入力手段が入力した顧客データを入力し、これらの顧客データの各顧客について前記顧客類型データベースを参照することにより、各顧客の顧客類型を特定する顧客類型特定手段と、
前記売上推移段階推定手段が推定した売上推移段階と、前記顧客類型特定手段が特定した顧客類型と、前記売上予測モデル算出手段が算出した売上予測モデルとを入力し、前記予測対象商品の売上げまたは流行の度合いを予測して出力する売上予測手段と、を備えたことを特徴とする商品の流行予測を加味した売上予測装置。 - 前記販売実績データ記憶手段は、商品のカテゴリーのデータを格納しており、
前記顧客別購買履歴作成手段は、商品のカテゴリーごとに、各顧客が購買した商品の品目、購買時点を整理し、
顧客別購買履歴データベースに出力し、
前記顧客別流行感度及び購買タイミングスコア算出手段は、各商品のカテゴリーごとに、前記流行感度スコアと購買タイミングスコアの平均値またはモード値、標準偏差値または分散値を算出し、顧客別流行感度及び購買タイミングデータベースに出力し、
前記一貫性欠如サンプル除外手段は、各商品のカテゴリーごとに、流行感度及び購買タイミングに一貫性を欠く顧客のデータを前記顧客別流行感度及び購買タイミングデータベースから除外し、前記顧客類型化手段は、各商品のカテゴリーごとに、流行に対する感度と商品の購買タイミングを因子とする複数の顧客類型に顧客を分類し、顧客類型データベースに出力し、
前記売上予測モデル算出手段は、各商品のカテゴリーごとに、商品の売上予測モデルを算出し、
前記売上予測手段は、商品カテゴリーに対応する売上予測モデルを用いて前記予測対象商品の売上げまたは流行の度合いを予測する、ように構成されていることを特徴とする請求項1に記載の商品の流行予測を加味した売上予測装置。 - 前記販売データ入力手段は、商品を購買した顧客と、商品が販売された日時のデータをリアルタイムで入力し、
前記売上予測手段は、前記販売データ入力手段がリアルタイムで入力したデータを用いて商品の売上げまたは流行の度合いを予測する、ように構成されていることを特徴とする請求項1または2に記載の商品の流行予測を加味した売上予測装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP11679497A JP3816185B2 (ja) | 1997-05-07 | 1997-05-07 | 商品の流行予測を加味した売上予測装置及びその予測方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP11679497A JP3816185B2 (ja) | 1997-05-07 | 1997-05-07 | 商品の流行予測を加味した売上予測装置及びその予測方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH10307808A JPH10307808A (ja) | 1998-11-17 |
JP3816185B2 true JP3816185B2 (ja) | 2006-08-30 |
Family
ID=14695852
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP11679497A Expired - Lifetime JP3816185B2 (ja) | 1997-05-07 | 1997-05-07 | 商品の流行予測を加味した売上予測装置及びその予測方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3816185B2 (ja) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001022851A (ja) * | 1999-07-09 | 2001-01-26 | Hitachi Ltd | スコアリング方法およびシステム |
US6708156B1 (en) * | 2000-04-17 | 2004-03-16 | Michael Von Gonten, Inc. | System and method for projecting market penetration |
JP2001350875A (ja) * | 2000-06-07 | 2001-12-21 | Nippon Telegr & Teleph Corp <Ntt> | 流行アイテム予測方法及びシステム装置 |
JP4388713B2 (ja) | 2001-03-29 | 2009-12-24 | 富士通株式会社 | 日配品発注最適化支援システム、その方法、及びプログラム |
JP2002334379A (ja) * | 2001-05-08 | 2002-11-22 | Ntt Data Corp | 商品評価システム及び方法 |
JP2005158019A (ja) * | 2003-10-30 | 2005-06-16 | Matsushita Electric Ind Co Ltd | アンテナの設計方法及びこれを用いたアンテナ |
US8650079B2 (en) | 2004-02-27 | 2014-02-11 | Accenture Global Services Limited | Promotion planning system |
EP1723596A1 (en) | 2004-02-27 | 2006-11-22 | Accenture Global Services GmbH | System for individualized customer interaction |
JP4671428B2 (ja) * | 2006-03-31 | 2011-04-20 | 株式会社野村総合研究所 | マーケティングリサーチ支援サーバ及び方法 |
WO2008087960A1 (ja) | 2007-01-17 | 2008-07-24 | Scigineer, Inc. | サーバ装置、情報処理装置、および情報処理方法 |
JP5064063B2 (ja) * | 2007-03-02 | 2012-10-31 | サイジニア株式会社 | 情報処理装置、情報処理方法、およびプログラム |
JP5140289B2 (ja) * | 2007-01-17 | 2013-02-06 | サイジニア株式会社 | 情報処理システム、サーバ装置、レコメンド方法、およびプログラム |
JP5483179B2 (ja) * | 2010-01-29 | 2014-05-07 | ブラザー工業株式会社 | 楽曲データ用情報処理装置 |
US10528903B2 (en) * | 2016-01-07 | 2020-01-07 | Oracle International Corporation | Computerized promotion and markdown price scheduling |
WO2022014389A1 (ja) * | 2020-07-15 | 2022-01-20 | 株式会社J-オイルミルズ | リピート購買力の予測装置、リピート購買力の予測方法及びその改善方法 |
CN116862561B (zh) * | 2023-07-10 | 2024-01-26 | 深圳爱巧网络有限公司 | 基于卷积神经网络的产品热度分析方法和系统 |
-
1997
- 1997-05-07 JP JP11679497A patent/JP3816185B2/ja not_active Expired - Lifetime
Also Published As
Publication number | Publication date |
---|---|
JPH10307808A (ja) | 1998-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP3816185B2 (ja) | 商品の流行予測を加味した売上予測装置及びその予測方法 | |
Hossain et al. | Market basket analysis using apriori and FP growth algorithm | |
US11769194B2 (en) | Method and system for presenting items in online environment based on previous item selections | |
Brijs et al. | Building an association rules framework to improve product assortment decisions | |
Raorane et al. | Data mining techniques: A source for consumer behavior analysis | |
US20030055707A1 (en) | Method and system for integrating spatial analysis and data mining analysis to ascertain favorable positioning of products in a retail environment | |
JP2002279279A (ja) | 商品推薦装置、商品推薦方法、及び商品推薦プログラム | |
KR20090130774A (ko) | 사용자 추천 방법 및 이를 위한 프로그램이 기록된 기록매체 | |
KR102321987B1 (ko) | 온라인 쇼핑몰 관리 시스템 및 방법 | |
Gangurde et al. | Building prediction model using market basket analysis | |
Zuo et al. | Consumer purchasing behavior extraction using statistical learning theory | |
KR20000017788A (ko) | 인공지능 감성 데이터베이스 구축 및 활용 방법 | |
JP2001216369A (ja) | 商品購入データ処理システム及び商品購入データ処理方法 | |
WO2023120126A1 (ja) | 販売数量予測システム、販売数量予測方法 | |
Wibowo et al. | A Pattern Analysis on Goods Purchase Relationship for Minimarket’s Customers by Using Association Rule-Market Basket Analysis Method (AR-MBA) | |
Olson et al. | Market basket analysis | |
Suhanda et al. | Predictive analysis of customer retention using the Random Forest algorithm | |
Singh et al. | Study on market basket analysis with apriori algorithm approach | |
JP2022077860A (ja) | 分析プログラム、分析方法及び分析装置 | |
Amrutkar et al. | Sales prediction using machine learning techniques | |
Sani et al. | Predicting the Success of Garment Sales on Transaction Data using the Classification Method with the Naïve Bayes Algorithm | |
da Silva Alves | Predicting product sales in fashion retailing: a data analytics approach | |
Prastiwi | Online shopping website analysis for marketing strategy using clickstream data and extra trees classifier algorithm | |
Howard et al. | Using transactions data to enhance the Australian CPI | |
Sudirman et al. | Using Association Rule to Analyze Hypermarket Customer Purchase Patterns |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060210 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060411 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20060512 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20060607 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100616 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100616 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110616 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110616 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120616 Year of fee payment: 6 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130616 Year of fee payment: 7 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
EXPY | Cancellation because of completion of term |