JP4357234B2 - 品揃え提案システム及び品揃え提案プログラム - Google Patents
品揃え提案システム及び品揃え提案プログラム Download PDFInfo
- Publication number
- JP4357234B2 JP4357234B2 JP2003293682A JP2003293682A JP4357234B2 JP 4357234 B2 JP4357234 B2 JP 4357234B2 JP 2003293682 A JP2003293682 A JP 2003293682A JP 2003293682 A JP2003293682 A JP 2003293682A JP 4357234 B2 JP4357234 B2 JP 4357234B2
- Authority
- JP
- Japan
- Prior art keywords
- store
- customer
- storage means
- cluster
- assortment
- 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 - Fee Related
Links
Images
Description
このため、客観的・定量的な予測を支援するためのシステムがこれまでも幾つか提案されてきている。
例えば、特許文献1に記載の「顧客分類方法及び顧客分類装置」にあっては、顧客の平均来店間隔、平均利用単価、最終利用日からの経過日数の3軸によって各顧客をセグメント化することにより、将来における見込み来店者数及び見込み利用金額の予測を企図している。
しかしながら、この従来技術の場合、過去の実績に基づいて将来を占っているに過ぎず、現状に対する改善策を提起して積極的に売上を向上させることまでは期待できない。
小売店舗における売上を現状以上に伸ばすためには、黙っていても売れるいわゆる「定番」以外の商品に関する品揃え政策が最も重要であり、そのためには各店舗における顧客の来店数や利用単価ばかりでなく、顧客の商品選好パターンを踏まえた上で各商品の仕入数や構成比率を導く必要がある。
ところが、上記特許文献1を含め、顧客の商品選好パターンを考慮した上で具体的な店舗に対する品揃え案を提示できるような支援システムはこれまで存在しなかった。
そもそも、上記従来技術の場合、顧客をセグメント化する際の基準として平均来店間隔や平均利用単価、最終利用日を用いており、これでは商品の選好に大きく影響する顧客の家族構成や趣味嗜好等の動的属性を汲み取ることができず、したがって商品の適切な品揃え案を提示することなどできない。
また、請求項5に記載した品揃え提案プログラムは、コンピュータを、顧客の家族構成や趣味嗜好等の動的属性を判定するための指標となる商品及び商品分類を、指標単品及び指標分類として定義しておく指標単品・分類記憶手段、各顧客の年齢や性別等の静的属性を登録しておく顧客情報記憶手段、各顧客の購入商品、購入日時等を店舗毎に登録しておく購買履歴記憶手段、顧客の購入した指標単品及び指標分類に該当する商品と当該顧客の静的属性との組合せに基づいて、各顧客を複数の顧客セグメントに分類するための条件を設定しておく分類定義記憶手段、上記の各記憶手段を参照し、顧客をそれぞれの静的属性及び購買履歴に基づいて複数の顧客セグメントに分類する手段、上記購買履歴記憶手段を参照し、設定期間内における各店舗の顧客セグメント別来店顧客数を集計する手段、上記購買履歴記憶手段を参照し、予め設定された対象商品に関して、各店舗における設定期間内の売上個数を各顧客セグメント別に集計する手段、店舗の規模や立地などの条件に基づき、各店舗を複数の店舗クラスタに分類した結果を登録しておく店舗分類記憶手段、この店舗分類記憶手段に登録された各店舗の店舗クラスタと、上記の設定期間内における各店舗の顧客セグメント別来店顧客数に基づき、同一の店舗クラスタに属する複数の店舗における設定期間内の顧客セグメント別来店顧客数を、店舗クラスタ毎に集計する手段、上記の店舗分類記憶手段に登録された各店舗の店舗クラスタと、上記対象商品の各店舗における設定期間内の顧客セグメント別売上個数に基づき、同一の店舗クラスタに属する複数の店舗における設定期間内の当該対象商品の顧客セグメント別売り上げ個数を、店舗クラスタ毎に集計する手段、上記店舗クラスタ毎の顧客セグメント別来店顧客数で、上記店舗クラスタ毎の顧客セグメント別売上個数を除算することにより、設定期間内における対象商品の顧客セグメント別PI値を店舗クラスタ毎に算出する手段、特定店舗における設定期間内の顧客セグメント別来店顧客数と、当該店舗が属する店舗クラスタの上記対象商品の顧客セグメント別PI値を乗算することにより、当該店舗の設定期間内における対象商品の品揃え個数を顧客セグメント毎に算出する手段、上記対象商品に関する全顧客セグメントの品揃え個数を積算することにより、特定店舗における当該商品の設定期間内の品揃え総数を導く手段として機能させることを特徴としている。
これに対し、この品揃え提案システム及びプログラムは、顧客の静的属性のみならず、顧客が実際に購入した商品に基づいて現在の家族構成や趣味嗜好を推定し、これらに基づいて類似の商品選好傾向を示すと考えられる顧客同士を共通の顧客セグメントに分類する仕組みであるため、顧客セグメント毎の過去の購買実績を分析することにより、将来の購買行動をより的確に予測することが可能となる。
具体的には、同一の店舗クラスタに属する複数の店舗における対象商品の売上個数と来店顧客数を顧客セグメント別に集計し、これらに基づいて店舗クラスタ毎に顧客セグメント別PI値を算出すると共に、これを基に特定店舗における顧客セグメント毎の品揃え個数を導き、全顧客セグメントの品揃え個数を積算することで当該店舗の理想的な品揃え総数を得ることができる。
また、請求項6に記載した品揃え提案プログラムは、請求項5のプログラムを前提とし、さらにコンピュータを、対象商品の品揃え総数を当該対象商品を含めた複数商品の品揃え総数の合計値で除算することにより、当該商品の品揃え構成比率を算出する手段として機能させることを特徴としている。
この結果、特定店舗における対象商品の理想的な品揃え構成比率が得られ、品揃え政策の立案が容易となる。
また、請求項7に記載した品揃え提案プログラムは、コンピュータを、顧客の家族構成や趣味嗜好等の動的属性を判定するための指標となる商品及び分類を、指標単品及び指標分類として定義しておく指標単品・分類記憶手段、各顧客の年齢や性別等の静的属性を登録しておく顧客記憶手段、各顧客の購入商品、購入日時等を店舗毎に登録しておく購買履歴記憶手段、顧客の購入した指標単品及び指標分類に該当する商品と当該顧客の静的属性との組合せに基づいて、各顧客を複数の顧客セグメントに分類するための条件を設定しておく分類定義記憶手段、上記の各記憶手段を参照し、顧客をそれぞれの静的属性及び購買履歴に基づいて複数の顧客セグメントに分類する手段、上記購買履歴記憶手段を参照し、設定期間内における各店舗の顧客セグメント別・時間帯別来店顧客数を集計する手段、上記購買履歴記憶手段を参照し、予め設定された対象商品に関して、各店舗における設定期間内の売上個数を各顧客セグメント別・時間帯別に集計する手段、店舗の規模や立地などの条件に基づき、各店舗を複数の店舗クラスタに分類した結果を登録しておく店舗分類記憶手段、この店舗分類記憶手段に登録された各店舗の店舗クラスタと、上記の設定期間内における各店舗の顧客セグメント別・時間帯別来店顧客数に基づき、同一の店舗クラスタに属する複数の店舗における設定期間内の顧客セグメント別・時間帯別来店顧客数を、店舗クラスタ毎に集計する手段、上記の店舗分類記憶手段に登録された各店舗の店舗クラスタと、上記対象商品の各店舗における設定期間内の顧客セグメント別・時間帯別売上個数に基づき、同一の店舗クラスタに属する複数の店舗における設定期間内の当該対象商品の顧客セグメント別・時間帯別売り上げ個数を、店舗クラスタ毎に集計する手段、上記店舗クラスタ毎の顧客セグメント別・時間帯別来店顧客数で、上記店舗クラスタ毎の顧客セグメント別・時間帯別売上個数を除算することにより、設定期間内における対象商品の顧客セグメント別・時間帯別PI値を店舗クラスタ毎に算出する手段、特定店舗における設定期間内の顧客セグメント別・時間帯別来店顧客数と、当該店舗が属する店舗クラスタの上記対象商品の顧客セグメント別・時間帯別PI値を乗算することにより、当該店舗の設定期間内における対象商品の品揃え個数を顧客セグメント別・時間帯別に算出する手段、上記対象商品に関する全顧客セグメントの品揃え個数を時間帯別に積算することにより、特定店舗における当該商品の設定期間内の時間帯別品揃え総数を導く手段として機能させることを特徴としている。
この結果、特定店舗における特定商品の時間帯別(例えば3時間毎、午前/午後/夜間別)の品揃え総数が得られるため、総菜商品のように時間帯によって売れ筋が変わる商品の品揃え政策の立案に効果的である。
また、請求項8に記載した品揃え提案プログラムは、請求項7のプログラムを前提とし、さらにコンピュータを、対象商品の時間帯別品揃え総数を当該対象商品を含めた複数商品の時間帯別品揃え総数の合計値で除算することにより、当該商品の時間帯別品揃え構成比率を算出する手段として機能させることを特徴としている。
この結果、特定店舗における対象商品の理想的な品揃え構成比率が時間帯別に得られる。
また、指標単品・分類データベース22、分類定義データベース24、顧客属性データベース26、購買履歴データベース28、顧客分類データベース30、期間指定データベース32、来店顧客数データベース34、店舗別PI値データベース36、店舗分類データベース38、店舗クラスタ別PI値データベース40、提案対象単品データベース42、及び品揃え提案データベース44は、コンピュータのハードディスク内に格納されている。
(1) 顧客の分類
このシステム10にあっては、最初に顧客の購買履歴及び静的属性に基づいて、会員登録済みの顧客をライフステージに応じた複数のセグメントに分類する処理が、顧客分類部12によって実行される。
以下は、その一例を示す。
(想定する家族構成員) (指標単品・分類)
◆乳幼児・・・・・粉ミルク、ベビー用品、離乳食、
乳児用歯ブラシA、…
◆児童・・・・・・女児衣料品、男児衣料品、キャラクター文具、
小学生用学習机B、…
◆男性・・・・・・紳士衣料、メンズ化粧品、紳士用腕時計C、…
◆女性・・・・・・婦人衣料、化粧品、婦人体温計D、…
この結果、ある顧客が過去に「ベビー用品」に属する特定のベビーパウダーを購入した事実が購買履歴データベース28の記録から判明した場合、あるいは過去に乳児用歯ブラシAを購入した事実が同様に判明した場合、顧客分類部12は当該顧客について「乳幼児が家族構成員に含まれる」と判断することができる。
例えば、男性用の下着は元々「紳士衣料」という個人属性(男性)に直結する商品分類に関連付けられているため、指標単品・分類データベース22には分類単位で登録されているが、乳児用歯ブラシは一般的な「歯ブラシ」という分類に属しているため、具体的な商品単位で指標単品・分類データベース22に登録されている。
図3はその設定内容を示す図表であり、各顧客のライフステージを1〜14のセグメントに分類することを前提としている。
この図表における「購買履歴」の欄に記載された「紳士用品」とは、家族に男性が存在することを示す指標単品、指標分類のことであり、したがって「紳士用品のみの購買履歴あり」は、家族に男性のみが存在するものと推定できる購買履歴を有していることを意味する。
同様に、「婦人用品」は家族に女性が存在することを示す指標単品、指標分類のことであり、「婦人用品のみの購買履歴あり」は、家族に女性のみが存在すると推定できる購買履歴を有していることを意味する。
また、「乳幼児用品」は家族に乳幼児が存在することを示す指標単品、指標分類のことであり、「乳幼児用品の購買履歴あり」は、家族に少なくとも乳幼児が存在するものと推定できる購買履歴を有していることを意味する。
同様に、「児童用品」は家族に児童が存在することを示す指標単品、指標分類のことであり、「児童用品の購買履歴あり」は、家族に少なくとも児童が存在するものと推定できる購買履歴を有していることを意味する。
また、購買履歴データベース28には、顧客が系列店舗においてカードを提示して買い物をした際の明細情報が格納されている。購買履歴データベース28に登録された明細情報の一例として、店舗コード、顧客コード、JANコード、売上日時、売上数量、売上金額等が挙げられる。
以下、顧客分類部12による顧客セグメント化の具体例を説明する。
○顧客Aの静的属性:
28歳、男性
○顧客Aの購買履歴:
乳幼児用品の購入履歴:なし
児童用品の購入履歴:なし
紳士用品の購入履歴:あり
婦人用品の購入履歴:なし
この場合、顧客分類部12は図3の分類定義に従い、当該顧客AをセグメントID:1の「若年独身男性」に分類し、顧客分類データベース30に分類結果(セグメントID:1)を顧客コードに関連付けて登録する。
○顧客Bの静的属性:
32歳、女性
○顧客Bの購買履歴:
乳幼児用品の購入履歴:なし
児童用品の購入履歴:なし
紳士用品の購入履歴:あり
婦人用品の購入履歴:なし
この場合、顧客分類部12は図3の分類定義に従い、当該顧客BをセグメントID:4の「若年夫婦の家族」に分類し、顧客分類データベース30に分類結果(セグメントID:4)を顧客コードに関連付けて登録する。
因みに、このセグメントID:4、及びID:10、ID:14においては、女性であるにもかかわらず紳士用品を購入している者、あるいは男性であるにもかかわらず婦人用品を購入している者には配偶者が存在しているものと推定されるため、「夫婦の家族」という名称が付されている。もちろん、紳士用品、婦人用品双方の購入履歴がある場合には、男女を問わず「夫婦の家族」に分類される。
○顧客Cの静的属性:
42歳、男性
○顧客Cの購買履歴:
乳幼児用品の購入履歴:あり
児童用品の購入履歴:なし
紳士用品の購入履歴:あり
婦人用品の購入履歴:あり
この場合、顧客分類部12は図3の分類定義に従い、当該顧客CをセグメントID:5の「一番小さな子供が乳幼児の家族」に分類し、顧客分類データベース30に分類結果(セグメントID:5)を顧客コードに関連付けて登録する。
この顧客Cの場合、静的属性及び購買履歴からすればセグメントID:10の「中年夫婦の家族」にも該当することになるが、セグメントID:5の優先順位が「1」であり、セグメントID:10の優先順位「3」に勝るため、顧客Cは「一番小さな子供が乳幼児の家族」に分類されている。
○顧客Dの静的属性:
26歳、男性
○顧客Dの購買履歴:
乳幼児用品の購入履歴:なし
児童用品の購入履歴:あり
紳士用品の購入履歴:あり
婦人用品の購入履歴:なし
この場合、顧客分類部12は図3の分類定義に従い、当該顧客DをセグメントID:6の「一番小さな子供が児童の家族」に分類し、顧客分類データベース30に分類結果(セグメントID:6)を顧客コードに関連付けて登録する。
この顧客Dの場合、静的属性及び購買履歴からすればセグメントID:1の「若年独身男性」にも該当することになるが、セグメントID:6の優先順位が「2」であり、セグメントID:1の優先順位「3」に勝るため、顧客Dは「一番小さな子供が児童の家族」に分類されている。
顧客Eの静的属性:
72歳、女性
顧客Eの購買履歴:
乳幼児用品の購入履歴:なし
児童用品の購入履歴:なし
紳士用品の購入履歴:なし
婦人用品の購入履歴:なし
この場合、顧客分類部12は図3の分類定義に従い、当該顧客EをセグメントID:13の「シニア女性(その他)」に分類し、顧客分類データベース30に分類結果(セグメントID:13)を顧客コードに関連付けて登録する。
この顧客Eの場合、指標単品・指標分類に該当する商品の購入履歴が一切なく、それ以外の食料品等を購入しているため独身者とも既婚者とも判別できず、性別と年齢しかわからないため「シニア女性(その他)」に分類されている。
なお、図3に示した分類定義はあくまでも一例であり、他の観点から顧客のライフステージを分類することは当然に可能であり、その場合には該当の分類条件を分類定義データベース24内に設定しておけばよい。
また、ライフステージ以外の尺度、例えば趣味嗜好及び年齢・性別に基づくライフスタイルによって顧客を複数のセグメントに分類することも可能であり、その場合には指標単品・分類データベース22内に特定の商品・分類と趣味嗜好の内容とを関連付けて登録しておくと共に、分類定義データベース24内に顧客の静的属性と指標単品・指標分類の購入履歴との組合せに基づく分類条件を設定しておけばよい。
例えば、独身の男性が子供のいる姉に頼まれて1度だけ紙おむつを購入した場合であっても、上記の分類処理では「一番小さな子供が乳幼児の家族」に当該顧客が分類されてしまうこととなるが、セグメントID:5に関しては「3ヶ月間に2回以上乳幼児用品を購入していること」という条件を設定しておくことで、顧客分類部12は実態に即した顧客のセグメント化が可能となる。
以上のようにして、顧客分類部12による全登録顧客のセグメント化が終了すると、来店顧客数算出部14が起動し、顧客分類データベース30、購買履歴データベース28、及び期間指定データベース32を参照する(S20)。
そして、来店顧客数算出部14は、期間指定データベース32内に設定された期間内に系列の各店舗を訪れた顧客数をセグメント別に集計し(S22)、来店顧客数データベース34に格納する(S24)。
以下に、その登録例を示す。
店コード:001
対象開始年月日:2003/01/01
対象終了年月日:2003/03/31
対象セグメント:中年夫婦の家族
来店顧客数:1,000
また、同一顧客が指定期間内の異なった日に複数回来店した場合には、それぞれ1名としてカウントされる。
これに対し、同一顧客が同一日に当該店舗において商品を複数回購入した場合には、例え購買履歴データベース28に複数の記録が残されていても1名とカウントされる。
各店舗における来店顧客数が算出された段階で店舗別PI値算出部16が起動し、来店顧客数データベース34、提案対象単品データベース42、顧客分類データベース30、及び購買履歴データベース28を参照する(S26)。
そして、各店舗におけるセグメント別のPI値を、提案対象単品データベース42に登録された対象商品毎に算出する(S28)。
ここで「PI(Purchase Index)値」とは、以下に定義される。
PI値=期間内における対象商品の売上点数/期間内延べ来店顧客数
店舗別PI値算出部16は、各店舗毎に提案対象単品データベース24に設定された各商品についてセグメント別のPI値を算出し、セグメント別の売上点数情報と共に店舗別PI値データベース36に格納する(S30)。
例えば同じスポーツ飲料であっても、P飲料は家族に児童のいる顧客から比較的強い支持を受けているのに対し、A飲料はそれ以外の若年層から支持を受けているといった傾向を読み取ることができ、商品企画や広告戦略にフィードバックさせることが可能となる。
各店舗におけるPI値が算出された時点で、店舗クラスタ別PI値算出部18が起動し、店舗別PI値データベース36、店舗分類データベース38、及び店舗別の来店顧客数データベース34を参照する(S32)。
そして、店舗クラスタ別PI値算出部18は、各店舗が属する店舗クラスタ毎のPI値を顧客セグメント別、対象商品別に算出し(S34)、算出結果を店舗クラスタ別PI値データベース40に登録する(S36)。
このシステム10では、予め系列店舗の諸条件をクラスタ分析用のプログラムに入力して複数のクラスタに分類した上で、その結果を店舗分類データベース38に登録している。
このため、店舗クラスタ別PI値算出部18は、店舗分類データベース38を参照し、同一クラスタに属する複数店舗間の顧客セグメント別来店数と、対象商品の売り上げ個数を集計し、店舗クラスタ別のPI値を算出している。
例えば、X店の属するクラスタ全体の期間中における「中年夫婦の家族」の来店数が40,000人で、商品αの売上個数が400個であったとすると、店舗クラスタ別PI値は以下の通りとなる。
400個/40,000人=0.01
以上のようにして店舗クラスタ別のPI値が算出された時点で、品揃え提案部20が起動し、各店舗における対象商品の品揃え個数を算出する(S38)。
例えば、X店の属する店舗クラスタの「中年夫婦の家族」による商品αに関する店舗クラスタ別PI値が0.01であり、X店における同期間中の「中年夫婦の家族」の来店顧客数が1,000人である場合、以下の式により理想的な品揃え数量が算出される。
1,000人×0.01=10個
この計算を全ての顧客セグメントについて実行し、その集計値を求めることにより、X店における当該商品の3ヶ月間における売上予測数量=品揃え総数が導き出される(S40)。
この算出結果(品揃え総数)は、品揃え提案部20によって品揃え提案データベース44内に登録される(S42)。
つぎに品揃え提案部20は、各店舗における対象商品の理想的な品揃え構成比率を算出する。
ここで「品揃え構成比率」とは、特定店舗における同種の商品カテゴリ内において当該商品が占めるべき比率を意味する。
すなわち、上記(5)の品揃え総数の算出処理により、ある商品の3ヶ月間における売上総数を予測することができるが、一歩進めて当該商品の売場における理想的な占有率を導くことができれば、当該店舗における品揃え政策の立案を強力に支援することが可能となる。
つぎに品揃え提案部20は、各商品の品揃え総数を集計し、この合計値(期間内総売上予測数)で上記チョコレートの品揃え総数を割ることにより、その構成比率を算出する(S44)。
ここで、菓子コーナーに属する全商品の期間内総売上予測数が2,000個であり、上記チョコレートの品揃え総数が82個である場合、82÷2,000×100=4.1%となり、当該チョコレートの菓子コーナーにおける適正な構成比率が求められる。
この算出結果(品揃え構成比率)は、品揃え提案部20によって品揃え提案データベース44内に登録される(S46)。
店舗側では、商品の仕入れ時にこの構成比率を参考にすることにより、在庫ロスや機会ロスの発生を低減することが可能となる。また、多種の商品を店頭に陳列するに際してこの構成比率を参考にすれば、限られた棚スペースの有効利用が可能となる。
品揃え提案パターンID:001
店コード:001
JANコード:4900000000001
対象開始年月日:03年01月01日
対象終了年月日:03年03月31日
品揃え提案数:82
品揃え提案数(カテゴリ全体):2,000
品揃え構成比:4.1%
すなわち、商品にはどの店舗においても必ず一定数以上売れる「売れ筋商品」が存在し、これらに関しては品揃えを工夫する余地が少ないといえる。
同じく、如何に工夫してもほとんど売れない「死に筋商品」も存在し、これらに関しても品揃えを工夫する余地はほとんどない。
そこで、例えば売上個数が全体の上位4%以内に属する売れ筋商品、及び売上個数が全体の21%以下の死に筋商品を除いた、上位5〜20%の商品に関してのみ品揃え構成比を算出するように運用することができる。
具体的には、提案対象単品データベース42に売上個数が上位5〜20%の範囲に属する商品のみを登録しておけばよい。
具体的には、特売の対象となる商品のJANコード、及び特売期間を登録したデータベースを設けておき、店舗別PI値算出部16が店舗別PI値を算出する際には当該データベースを参照し、特売期間中における商品の売上個数を除外してPI値を算出するようにすればよい。
例えば、系列店舗のタイプが共通している場合には、全系列店舗におけるPI値を算出し、これに基づいて各店舗の品揃え総数及び品揃え構成比率を導くこともできる。
例えば、総菜商品の場合、昼食時にはサラリーマンやOL向けに一人前の小型パックが良く売れるのに対し、夕食時には主婦が家族用の大型パックを購入するパターンが多いというように、時間帯によって売れ筋が変化する傾向がみられる。
このため、対象商品によっては時間帯別のPI値を算出し、これを基に品揃え提案数及び品揃え提案比率をきめ細かく導くことが有効となる。
以下に、定義パターンの一例を示す。
パターン1:開店から閉店まで3時間単位で算出する
パターン2:午前/午後/夜間別に算出する
例えば、ポテトサラダ(大)の商品にパターン1が設定されていた場合、店舗別PI値算出部16は、購買履歴データベース28内のデータを3時間単位で集計し、時間帯別のPI値を算出する。同様に、店舗クラスタ別PI値算出部18も、店舗クラスタ別PI値を時間帯別に算出する。
さらに、品揃え提案部20は、当該商品については時間帯別の品揃え総数を算出すると共に、時間帯別の品揃え構成比率を算出する。
12 顧客分類部
14 来店顧客数算出部
16 店舗別PI値算出部
18 店舗クラスタ別PI値算出部
20 品揃え提案部
22 指標単品・分類データベース
24 分類定義データベース
26 顧客属性データベース
28 購買履歴データベース
30 顧客分類データベース
32 期間指定データベース
34 来店顧客数データベース
36 店舗別PI値データベース
38 店舗分類データベース
40 店舗クラスタ別PI値データベース
42 提案対象単品データベース
44 品揃え提案データベース
Claims (8)
- 顧客の家族構成や趣味嗜好等の動的属性を判定するための指標となる商品及び商品分類を、指標単品及び指標分類として定義しておく指標単品・分類記憶手段と、
各顧客の年齢や性別等の静的属性を登録しておく顧客情報記憶手段と、
各顧客の購入商品、購入日時等を店舗毎に登録しておく購買履歴記憶手段と、
顧客の購入した指標単品及び指標分類に該当する商品と当該顧客の静的属性との組合せに基づいて、各顧客を複数の顧客セグメントに分類するための条件を設定しておく分類定義記憶手段と、
上記の各記憶手段を参照し、顧客をそれぞれの静的属性及び購買履歴に基づいて複数の顧客セグメントに分類する手段と、
上記購買履歴記憶手段を参照し、設定期間内における各店舗の顧客セグメント別来店顧客数を集計する手段と、
上記購買履歴記憶手段を参照し、予め設定された対象商品に関して、各店舗における設定期間内の売上個数を各顧客セグメント別に集計する手段と、
店舗の規模や立地などの条件に基づき、各店舗を複数の店舗クラスタに分類した結果を登録しておく店舗分類記憶手段と、
この店舗分類記憶手段に登録された各店舗の店舗クラスタと、上記の設定期間内における各店舗の顧客セグメント別来店顧客数に基づき、同一の店舗クラスタに属する複数の店舗における設定期間内の顧客セグメント別来店顧客数を、店舗クラスタ毎に集計する手段と、
上記の店舗分類記憶手段に登録された各店舗の店舗クラスタと、上記対象商品の各店舗における設定期間内の顧客セグメント別売上個数に基づき、同一の店舗クラスタに属する複数の店舗における設定期間内の当該対象商品の顧客セグメント別売り上げ個数を、店舗クラスタ毎に集計する手段と、
上記店舗クラスタ毎の顧客セグメント別来店顧客数で、上記店舗クラスタ毎の顧客セグメント別売上個数を除算することにより、設定期間内における対象商品の顧客セグメント別PI値を店舗クラスタ毎に算出する手段と、
特定店舗における設定期間内の顧客セグメント別来店顧客数と、当該店舗が属する店舗クラスタの上記対象商品の顧客セグメント別PI値を乗算することにより、当該店舗の設定期間内における対象商品の品揃え個数を顧客セグメント毎に算出する手段と、
上記対象商品に関する全顧客セグメントの品揃え個数を積算することにより、特定店舗における当該商品の設定期間内の品揃え総数を導く手段とを備えたことを特徴とする品揃え提案システム。 - 上記対象商品の品揃え総数を、当該対象商品を含めた複数商品の品揃え総数の合計値で除算することにより、当該商品の品揃え構成比率を算出する手段を備えたことを特徴とする請求項1に記載の品揃え提案システム。
- 顧客の家族構成や趣味嗜好等の動的属性を判定するための指標となる商品及び分類を、指標単品及び指標分類として定義しておく指標単品・分類記憶手段と、
各顧客の年齢や性別等の静的属性を登録しておく顧客記憶手段と、
各顧客の購入商品、購入日時等を店舗毎に登録しておく購買履歴記憶手段と、
顧客の購入した指標単品及び指標分類に該当する商品と当該顧客の静的属性との組合せに基づいて、各顧客を複数の顧客セグメントに分類するための条件を設定しておく分類定義記憶手段と、
上記の各記憶手段を参照し、顧客をそれぞれの静的属性及び購買履歴に基づいて複数の顧客セグメントに分類する手段と、
上記購買履歴記憶手段を参照し、設定期間内における各店舗の顧客セグメント別・時間帯別来店顧客数を集計する手段と、
上記購買履歴記憶手段を参照し、予め設定された対象商品に関して、各店舗における設定期間内の売上個数を各顧客セグメント別・時間帯別に集計する手段と、
店舗の規模や立地などの条件に基づき、各店舗を複数の店舗クラスタに分類した結果を登録しておく店舗分類記憶手段と、
この店舗分類記憶手段に登録された各店舗の店舗クラスタと、上記の設定期間内における各店舗の顧客セグメント別・時間帯別来店顧客数に基づき、同一の店舗クラスタに属する複数の店舗における設定期間内の顧客セグメント別・時間帯別来店顧客数を、店舗クラスタ毎に集計する手段と、
上記の店舗分類記憶手段に登録された各店舗の店舗クラスタと、上記対象商品の各店舗における設定期間内の顧客セグメント別・時間帯別売上個数に基づき、同一の店舗クラスタに属する複数の店舗における設定期間内の当該対象商品の顧客セグメント別・時間帯別売り上げ個数を、店舗クラスタ毎に集計する手段と、
上記店舗クラスタ毎の顧客セグメント別・時間帯別来店顧客数で、上記店舗クラスタ毎の顧客セグメント別・時間帯別売上個数を除算することにより、設定期間内における対象商品の顧客セグメント別・時間帯別PI値を店舗クラスタ毎に算出する手段と、
特定店舗における設定期間内の顧客セグメント別・時間帯別来店顧客数と、当該店舗が属する店舗クラスタの上記対象商品の顧客セグメント別・時間帯別PI値を乗算することにより、当該店舗の設定期間内における対象商品の品揃え個数を顧客セグメント別・時間帯別に算出する手段と、
上記対象商品に関する全顧客セグメントの品揃え個数を時間帯別に積算することにより、特定店舗における当該商品の設定期間内の時間帯別品揃え総数を導く手段とを備えたことを特徴とする品揃え提案システム。 - 上記対象商品の時間帯別品揃え総数を、当該対象商品を含めた複数商品の時間帯別品揃え総数の合計値で除算することにより、当該商品の時間帯別品揃え構成比率を算出する手段を備えたことを特徴とする請求項3に記載の品揃え提案システム。
- コンピュータを、顧客の家族構成や趣味嗜好等の動的属性を判定するための指標となる商品及び商品分類を、指標単品及び指標分類として定義しておく指標単品・分類記憶手段、
各顧客の年齢や性別等の静的属性を登録しておく顧客情報記憶手段、
各顧客の購入商品、購入日時等を店舗毎に登録しておく購買履歴記憶手段、
顧客の購入した指標単品及び指標分類に該当する商品と当該顧客の静的属性との組合せに基づいて、各顧客を複数の顧客セグメントに分類するための条件を設定しておく分類定義記憶手段、
上記の各記憶手段を参照し、顧客をそれぞれの静的属性及び購買履歴に基づいて複数の顧客セグメントに分類する手段、
上記購買履歴記憶手段を参照し、設定期間内における各店舗の顧客セグメント別来店顧客数を集計する手段、
上記購買履歴記憶手段を参照し、予め設定された対象商品に関して、各店舗における設定期間内の売上個数を各顧客セグメント別に集計する手段、
店舗の規模や立地などの条件に基づき、各店舗を複数の店舗クラスタに分類した結果を登録しておく店舗分類記憶手段、
この店舗分類記憶手段に登録された各店舗の店舗クラスタと、上記の設定期間内における各店舗の顧客セグメント別来店顧客数に基づき、同一の店舗クラスタに属する複数の店舗における設定期間内の顧客セグメント別来店顧客数を、店舗クラスタ毎に集計する手段、
上記の店舗分類記憶手段に登録された各店舗の店舗クラスタと、上記対象商品の各店舗における設定期間内の顧客セグメント別売上個数に基づき、同一の店舗クラスタに属する複数の店舗における設定期間内の当該対象商品の顧客セグメント別売り上げ個数を、店舗クラスタ毎に集計する手段、
上記店舗クラスタ毎の顧客セグメント別来店顧客数で、上記店舗クラスタ毎の顧客セグメント別売上個数を除算することにより、設定期間内における対象商品の顧客セグメント別PI値を店舗クラスタ毎に算出する手段、
特定店舗における設定期間内の顧客セグメント別来店顧客数と、当該店舗が属する店舗クラスタの上記対象商品の顧客セグメント別PI値を乗算することにより、当該店舗の設定期間内における対象商品の品揃え個数を顧客セグメント毎に算出する手段、
上記対象商品に関する全顧客セグメントの品揃え個数を積算することにより、特定店舗における当該商品の設定期間内の品揃え総数を導く手段として機能させることを特徴とする品揃え提案プログラム。 - コンピュータを、対象商品の品揃え総数を当該対象商品を含めた複数商品の品揃え総数の合計値で除算することにより、当該商品の品揃え構成比率を算出する手段として機能させることを特徴とする請求項5に記載の品揃え提案プログラム。
- コンピュータを、顧客の家族構成や趣味嗜好等の動的属性を判定するための指標となる商品及び分類を、指標単品及び指標分類として定義しておく指標単品・分類記憶手段、
各顧客の年齢や性別等の静的属性を登録しておく顧客記憶手段、
各顧客の購入商品、購入日時等を店舗毎に登録しておく購買履歴記憶手段、
顧客の購入した指標単品及び指標分類に該当する商品と当該顧客の静的属性との組合せに基づいて、各顧客を複数の顧客セグメントに分類するための条件を設定しておく分類定義記憶手段、
上記の各記憶手段を参照し、顧客をそれぞれの静的属性及び購買履歴に基づいて複数の顧客セグメントに分類する手段、
上記購買履歴記憶手段を参照し、設定期間内における各店舗の顧客セグメント別・時間帯別来店顧客数を集計する手段、
上記購買履歴記憶手段を参照し、予め設定された対象商品に関して、各店舗における設定期間内の売上個数を各顧客セグメント別・時間帯別に集計する手段、
店舗の規模や立地などの条件に基づき、各店舗を複数の店舗クラスタに分類した結果を登録しておく店舗分類記憶手段、
この店舗分類記憶手段に登録された各店舗の店舗クラスタと、上記の設定期間内における各店舗の顧客セグメント別・時間帯別来店顧客数に基づき、同一の店舗クラスタに属する複数の店舗における設定期間内の顧客セグメント別・時間帯別来店顧客数を、店舗クラスタ毎に集計する手段、
上記の店舗分類記憶手段に登録された各店舗の店舗クラスタと、上記対象商品の各店舗における設定期間内の顧客セグメント別・時間帯別売上個数に基づき、同一の店舗クラスタに属する複数の店舗における設定期間内の当該対象商品の顧客セグメント別・時間帯別売り上げ個数を、店舗クラスタ毎に集計する手段、
上記店舗クラスタ毎の顧客セグメント別・時間帯別来店顧客数で、上記店舗クラスタ毎の顧客セグメント別・時間帯別売上個数を除算することにより、設定期間内における対象商品の顧客セグメント別・時間帯別PI値を店舗クラスタ毎に算出する手段、
特定店舗における設定期間内の顧客セグメント別・時間帯別来店顧客数と、当該店舗が属する店舗クラスタの上記対象商品の顧客セグメント別・時間帯別PI値を乗算することにより、当該店舗の設定期間内における対象商品の品揃え個数を顧客セグメント別・時間帯別に算出する手段、
上記対象商品に関する全顧客セグメントの品揃え個数を時間帯別に積算することにより、特定店舗における当該商品の設定期間内の時間帯別品揃え総数を導く手段として機能させることを特徴とする品揃え提案プログラム。 - コンピュータを、対象商品の時間帯別品揃え総数を当該対象商品を含めた複数商品の時間帯別品揃え総数の合計値で除算することにより、当該商品の時間帯別品揃え構成比率を算出する手段として機能させることを特徴とする請求項7に記載の品揃え提案プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2003293682A JP4357234B2 (ja) | 2003-08-15 | 2003-08-15 | 品揃え提案システム及び品揃え提案プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2003293682A JP4357234B2 (ja) | 2003-08-15 | 2003-08-15 | 品揃え提案システム及び品揃え提案プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2005063215A JP2005063215A (ja) | 2005-03-10 |
JP4357234B2 true JP4357234B2 (ja) | 2009-11-04 |
Family
ID=34370511
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2003293682A Expired - Fee Related JP4357234B2 (ja) | 2003-08-15 | 2003-08-15 | 品揃え提案システム及び品揃え提案プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4357234B2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5902325B1 (ja) * | 2015-01-07 | 2016-04-13 | 株式会社日立製作所 | 嗜好分析システム、嗜好分析方法 |
JP2016136410A (ja) * | 2016-03-09 | 2016-07-28 | 株式会社日立製作所 | 顧客分析システム |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5192255B2 (ja) * | 2008-02-13 | 2013-05-08 | 株式会社三共 | 景品交換システム及び管理装置 |
JP5294052B2 (ja) * | 2008-03-31 | 2013-09-18 | 裕 佐々木 | 商品発注装置、プログラムおよび商品発注方法 |
US8332255B2 (en) * | 2009-11-09 | 2012-12-11 | Palo Alto Research Center Incorporated | Sensor-integrated mirror for determining consumer shopping behavior |
KR101597247B1 (ko) * | 2010-03-29 | 2016-02-25 | 네이버 주식회사 | 실시간 키워드 연동형 광고 노출 시스템 및 방법 |
JP6181360B2 (ja) * | 2012-08-30 | 2017-08-16 | アクセンチュア グローバル サービシズ リミテッド | マーケティング装置、マーケティング方法、プログラム、及び記録媒体 |
CN105580044A (zh) * | 2013-09-20 | 2016-05-11 | 日本电气株式会社 | 产品推荐设备、产品推荐方法和记录介质 |
JP6153476B2 (ja) * | 2014-01-21 | 2017-06-28 | 株式会社日立ソリューションズ | 情報処理装置及びプログラム |
JP2016071671A (ja) * | 2014-09-30 | 2016-05-09 | 凸版印刷株式会社 | ユーザ分析装置、及びユーザ分析方法 |
US20160275424A1 (en) * | 2015-03-18 | 2016-09-22 | Quidsi, Inc. | Dynamically adjustable subscription renewal rate - product consumption input |
US10817885B2 (en) | 2015-03-18 | 2020-10-27 | Quidsi, Inc. | Dynamically adjusted automated item replenishment |
WO2018055710A1 (ja) * | 2016-09-21 | 2018-03-29 | 株式会社日立製作所 | 分析方法、分析システム及び分析プログラム |
JP2018092267A (ja) * | 2016-11-30 | 2018-06-14 | パナソニックIpマネジメント株式会社 | 需要予測システムおよび需要予測方法 |
JP6812268B2 (ja) * | 2017-02-21 | 2021-01-13 | 東芝テック株式会社 | 情報処理装置およびプログラム |
JP6807105B2 (ja) * | 2017-06-06 | 2021-01-06 | eBASE株式会社 | 情報処理装置、情報処理方法、情報処理システム、およびプログラム |
JP6633156B2 (ja) * | 2018-08-27 | 2020-01-22 | 東芝テック株式会社 | サーバおよびプログラム |
JP7041733B2 (ja) * | 2020-12-15 | 2022-03-24 | 東芝テック株式会社 | 情報処理装置およびプログラム |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03102496A (ja) * | 1989-09-18 | 1991-04-26 | Hitachi Ltd | ワークスケジューリングシステム |
JP2002024350A (ja) * | 2000-07-03 | 2002-01-25 | Kasumi Co Ltd | 小売店舗管理システム |
-
2003
- 2003-08-15 JP JP2003293682A patent/JP4357234B2/ja not_active Expired - Fee Related
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5902325B1 (ja) * | 2015-01-07 | 2016-04-13 | 株式会社日立製作所 | 嗜好分析システム、嗜好分析方法 |
JP2016136410A (ja) * | 2016-03-09 | 2016-07-28 | 株式会社日立製作所 | 顧客分析システム |
Also Published As
Publication number | Publication date |
---|---|
JP2005063215A (ja) | 2005-03-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4357234B2 (ja) | 品揃え提案システム及び品揃え提案プログラム | |
Hosken et al. | Patterns of retail price variation | |
Shi et al. | Behavioural response to sales promotion tools: a Hong Kong study | |
Fox et al. | Cherry-picking | |
Sloot et al. | The impact of brand equity and the hedonic level of products on consumer stock-out reactions | |
Zameer et al. | Food and grocery retail: patronage behavior of Indian urban consumers | |
Simanjuntak et al. | A general structural equation model of the emotions and repurchase intention in modern retail | |
Teller et al. | The relevance of shopper logistics for consumers of store-based retail formats | |
Ullal et al. | Influence of advertisement on customers based on AIDA model | |
Jhamb et al. | Emerging trends of organized retailing in India: a shared vision of consumers and retailers perspective | |
US8255265B2 (en) | System and method of model forecasting based on supply and demand | |
JP2007317209A (ja) | 小売業者のための店内広告の計画及び評価方法 | |
Hosken et al. | Demand system estimation and its application to horizontal merger analysis | |
Klein et al. | Main-format dominance in consumers’ FMCG cross-format shopping patterns | |
Pak et al. | Optimizing stock‐keeping unit selection for promotional display space at grocery retailers | |
Cox | Retail Analytics: The Secret Weapon | |
WO2015159409A1 (ja) | 情報配信装置及び情報配信方法 | |
Ismail et al. | Impact of sales promotion on consumer impulse purchases in Karachi, Pakistan | |
Li | A facility layout design methodology for retail environments | |
Suwarno | An empirical examination of price discount, bonus pack, and instore display on consumers’ purchase intention | |
Urban | The effect of one-way aisles on retail layout | |
Gupta | Customer loyalty towards kiranas in competitive environment; A case study | |
CN112215388A (zh) | 请求信息群最优化方法 | |
WO2021065291A1 (ja) | 商品推奨システム、商品推奨方法、及びプログラム | |
Jauch | Uniform Across-the-Board Promotions |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060621 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20081217 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090113 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090316 |
|
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: 20090728 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20090804 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120814 Year of fee payment: 3 |
|
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: 20130814 Year of fee payment: 4 |
|
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 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |