JP4357234B2 - 品揃え提案システム及び品揃え提案プログラム - Google Patents

Description

この発明は、品揃え提案システム及び品揃え提案プログラムに係り、特に、顧客を購買履歴情報及び静的属性情報に基づいて複数のセグメントに分類すると共に、セグメント別の来店顧客数及び売上実績を基に商品の品揃え数量や構成比率を算出する技術に関する。

スーパーマーケットや百貨店などの大規模小売店舗において売上や収益を向上させるためには、顧客の需要や購買行動を事前に予測することが極めて重要であるが、これまでは現場スタッフの経験や勘に頼っていたため、人によって精度にバラツキが生じていた。
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。
特開２００３−４４６５３号公報

この顧客分類方法及び顧客分類装置を用いて将来の売上を予測できるとすれば、発明の効果として謳っているように、確かに支出可能な販促費用の上限値等を判断することが可能となる。
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。

この発明は、従来技術の上記問題点を解決するためになされたものであり、顧客の商品選好パターンに大きな影響を与える家族構成や趣味嗜好といった動的属性を踏まえた上で、特定店舗における特定商品の最適な品揃え案を提示可能な技術の実現を目的としている。

上記の目的を達成するため、請求項１に記載した品揃え提案システムは、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している。
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。

従来の顧客分析手法は、顧客の年齢や性別といった静的属性のみに基づいて平均的なライフステージ（既婚／未婚の別や子供の有無等の家族構成）を推定するものであるため、価値観の多様化が進んだ現在の日本では、顧客の商品選好行動を的確に読み解くことができなかった。
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。

請求項２に記載した品揃え提案システムは、請求項１のシステムを前提とし、さらに、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している。
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。

請求項３に記載した品揃え提案システムは、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している。
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。

請求項４に記載した品揃え提案システムは、請求項３のシステムを前提とし、さらに、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している。
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。

この発明に係る品揃え提案システム及び品揃え提案プログラムにあっては、上記のように顧客の静的属性と、指標単品あるいは指標分類に該当する商品の購入履歴に基づいて推定される家族構成や趣味嗜好等の動的属性とを勘案し、商品選好傾向が類似するであろう顧客同士を同一の顧客セグメントに分類すると共に、同一の店舗クラスタに属する複数の店舗における顧客セグメント別の来店顧客数及び対象商品の売上個数に基づいて店舗クラスタ毎に顧客セグメント別PI値を算出し、これを特定店舗における顧客セグメント別の来店顧客数に掛け合わせて顧客セグメント別の品揃え個数を導き、全顧客セグメントの個数を積算することで当該店舗の品揃え総数を導く方式であるため、顧客のニーズに即した品揃え案を提示することが可能となり、当該店舗における売上の向上や在庫ロスの低減に資する。

図１は、この発明に係る品揃え提案システム10の機能構成を示すブロック図であり、顧客分類部12と、来店顧客数算出部14と、店舗別PI値算出部16と、店舗クラスタ別PI値算出部18と、品揃え提案部20と、指標単品・分類データベース22と、分類定義データベース24と、顧客属性データベース26と、購買履歴データベース28と、顧客分類データベース30と、期間指定データベース32と、来店顧客数データベース34と、店舗別PI値データベース36と、店舗分類データベース38と、店舗クラスタ別PI値データベース40と、提案対象単品データベース42と、品揃え提案データベース44とを備えている。

これらの中、顧客分類部12、来店顧客数算出部14、店舗別PI値算出部16、店舗クラスタ別PI値算出部18、及び品揃え提案部20は、コンピュータのCPUが専用のアプリケーションプログラム及びＯＳに従い、必要な処理を実行することによって実現される。
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。

以下、図２のフローチャートに従い、このシステム10を用いて特定店舗における品揃え案を得るまでのプロセスについて順に説明する。
(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。

まず、指標単品・分類データベース22には、顧客の家族構成を推定するのに有効な商品及び商品分類が予め登録されている。
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。

ここで「指標単品」とは、特定の家族構成員の存在を前提とした具体的商品を指し、「指標分類」とはこのような商品を包含する商品分類を指す。
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。

分類定義データベース24には、顧客をライフステージ別にセグメント化するための条件が設定されている。
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。

顧客属性データベース26には、顧客がカード会員に加入する際に収集した性別、年齢等の静的な属性情報が、顧客コードに関連付けて登録されている。
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。

顧客分類部12は、定期的に、あるいは必要に応じて、顧客属性データベース26、購買履歴データベース28、指標単品・分類データベース22、及び分類定義データベース24を参照し、各顧客をライフステージに対応したセグメントに分類し、顧客分類データベース30に分類結果を登録する（Ｓ10〜Ｓ18）。
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。

（ケース１）
○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。

（ケース２）
○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。

（ケース３）
○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。

（ケース４）
○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。

（ケース５）
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。

このシステム10は、同一のライフステージに属する顧客は類似の商品選好傾向を有していることを前提としている。
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。

また、上記の場合には、顧客が過去の一定期間内に１度でも指標単品・指標分類に該当する商品を購入していた場合には該当のセグメントに分類されることとなるが、所定の頻度を分類条件として分類定義データベース24に設定しておくこともできる。
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。

(2) 店舗別来店顧客数の算出
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

上記来店顧客数は期間内の延べ来店数を意味しており、レジにおいて顧客が会員カードを提示し、顧客コードがリーダによって読み取られた時点で１名としてカウントされる。
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。

(3) 店舗別PI値の算出
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

例えば、Ｘ店における「中年夫婦の家族」による商品αの期間内売上点数が８個であり、Ｘ店における「中年夫婦の家族」の期間内延べ来店顧客数が1,000名であった場合、PI値は８個／1,000人＝ 0.008となる。
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）。

このセグメント別PI値を分析することにより、同種商品間における顧客セグメント別の支持傾向を抽出することが可能となる。
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。

(4) 店舗クラスタ別PI値の算出
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）。

すなわち、スーパーマーケットチェーンに属する系列店舗は、その規模や立地条件などの観点から複数のクラスタに分類することができる。例えば、大規模駐車場を備えた郊外型の大型店舗と、ターミナル駅に併設された通勤客をターゲットとした小規模店舗、あるいは市街地に立地する比較的小規模の駐車場を備えた中型店舗とでは客層や売れ筋商品が異なる。
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

(5) 品揃え総数の算出
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

すなわち、Ｘ店において商品αは、過去３ヶ月の間に「中年夫婦の家族」に対し本来は10個売れた筈であるにもかかわらず、売上実績は８個にとどまっていた事実から、２個分の機会損失が生じていたことが判明する。
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）。

(6) 品揃え構成比率の算出
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。

例えば、スーパーマーケットの菓子コーナーにおいて、特定銘柄・特定サイズのチョコレートをどの程度の比率で陳列すべきかを決定するに際し、品揃え提案部20は提案対象単品データベース42を参照し、当該菓子コーナーに陳列すべき全商品のJANコードを取得すると共に、品揃え提案データベース44を参照し、(5)で算出した各商品の品揃え総数を取得する。
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。

以下に、品揃え提案データベース44の登録例を示す。
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％

上記にあっては特定のチョコレートが菓子コーナーの全商品中に占めるべき比率を算出する例を示したが、この発明はこれに限定されるものではない。
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。

ところで、指定期間中にある商品が特売の対象となっていた場合、その売上数量に基づいて上記(3)の店舗別PI値や(4)の店舗クラスタ別PI値を算出しても適切な品揃え提案結果が得られないため、特売時における売上数量を除外する仕組みを設けておくことが望ましい。
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。

上記にあっては、店舗クラスタ別に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算出する例を示したが、この発明はこれに限定されるものではない。
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。

このシステム10に「時間帯」という時間的な要素を導入することにより、さらに実用的な品揃え提案を行うことが可能となる。
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。

具体的には、時間帯を定義したデータベースをシステム10内に設置し、その中で設定されている定義パターンIDを提案対象単品データベース42に登録しておくことで実現される。
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。

品揃え提案システムの基本構成を示すブロック図である。 品揃え提案システムの処理手順を示すフローチャートである。 分類定義データベース内の設定例を示す図表である。

10 品揃え提案システム
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)

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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。
7. 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。
8. 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。

Images