JP4678943B2 - 新製品の初期投入量予測方法、新製品の初期投入量予測装置及び記録媒体 - Google Patents
新製品の初期投入量予測方法、新製品の初期投入量予測装置及び記録媒体 Download PDFInfo
- Publication number
- JP4678943B2 JP4678943B2 JP2000391514A JP2000391514A JP4678943B2 JP 4678943 B2 JP4678943 B2 JP 4678943B2 JP 2000391514 A JP2000391514 A JP 2000391514A JP 2000391514 A JP2000391514 A JP 2000391514A JP 4678943 B2 JP4678943 B2 JP 4678943B2
- Authority
- JP
- Japan
- Prior art keywords
- market share
- product
- new product
- sales volume
- actual
- 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
- 238000000034 method Methods 0.000 title claims description 47
- 238000011156 evaluation Methods 0.000 claims description 106
- 238000004364 calculation method Methods 0.000 claims description 76
- 238000013528 artificial neural network Methods 0.000 claims description 41
- 238000000513 principal component analysis Methods 0.000 claims description 30
- 238000000611 regression analysis Methods 0.000 claims description 3
- 210000002569 neuron Anatomy 0.000 description 18
- 238000010586 diagram Methods 0.000 description 9
- 238000013517 stratification Methods 0.000 description 4
- 206010053759 Growth retardation Diseases 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000035945 sensitivity 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Technology Law (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は、新製品の発売時における販売量又は市場占有率を予測する新製品の初期投入量予測方法、新製品の発売時における販売量又は市場占有率を予測する為の新製品の初期投入量予測装置、及びコンピュータに、新製品の発売時における販売量又は市場占有率を予測させる為のプログラムを記録したコンピュータ読み取り可能な記録媒体に関するものである。
【０００２】
【従来の技術】
商品を製造して販売する企業においては、良い製品を低価格で早く、市場に提供することが、企業競争を生き残る為に不可欠な戦略となっており、そのサイクルも短くなって来ている。しかし、新製品を市場に提供するには、どの位のシェア（市場占有率）が見込めるのか、また、どの位の数量を見込んで生産しておけば良いのかといった最初の投入量（初期投入量）が問題になる。
【０００３】
これ迄、将来の数量は過去の数量の延長上にあると仮定して予測を行う仕組みやシステムは存在しているが、新製品の初期投入量又はシェアを予測する方法は、過去の販売実績や出荷実績を参考にして、既存類似製品の傾向性の当てはめや、これ迄の経験や勘又は多種多様な統計手法等の技術を適用する方法が主流であった。
【０００４】
【発明が解決しようとする課題】
しかし、このような方法では、どの類似製品を当てはめるのかを決めること、また、ライフサイクルの変化が激しい中で、初期の投入量を予測することは困難である。
また、企業内では、同じような経験を繰り返しており、それらの経験が具体的に活かされていないという問題もある。また、マーケティングの専門家を育成するには時間を必要とするが、現在のような環境の下では全てを満足させることは難しいという問題もある。
【０００５】
新製品の初期投入量又は又はシェアを予測する技術としては、特開平９−１２０３９５号公報に開示された、回帰モデルをベースにした方法と、特開２０００−２００２６０号公報に開示された、製品を購入した顧客のアンケート結果と社内の人間の同様のアンケートによる評価結果とに基づく方法とがある。
本発明は、上述したような事情に鑑みてなされたものであり、第１〜６発明では、新製品を市場に投入する際に、その新製品の販売数量又は販売シェアを予測することが可能な新製品の初期投入量予測方法を提供することを目的とする。
【０００６】
第７発明では、新製品を市場に投入する際に、その新製品の販売数量又は販売シェアを予測することが可能な新製品の初期投入量予測装置を提供することを目的とする。第８〜１０発明では、第１〜６発明に係る新製品の初期投入量予測方法及び第７発明に係る新製品の初期投入量予測装置を実現する為のプログラムを記録したコンピュータ読み取り可能な記録媒体を提供することを目的とする。
【０００７】
【課題を解決するための手段】
第１発明に係る新製品の初期投入量予測方法は、新製品の発売時における販売量又は市場占有率をコンピュータを用いて予測する新製品の初期投入量予測方法であって、過去の複数の製品及び前記新製品について、販売量又は市場占有率に影響すべき複数の要因のそれぞれについて、複数の評価者毎に数値により評価されたデータの入力を入力部から受け付け、前記各評価者毎の前記製品及び新製品毎の総合評価を前記各要因の数値に基づき主成分分析部で算出し、前記各評価者毎の前記製品毎の総合評価と該製品毎の実績販売量又は実績市場占有率との相関係数を相関係数算出部で算出し、前記各評価者毎の前記製品毎の総合評価と該製品毎の実績販売量又は実績市場占有率との関係を回帰モデル作成部で求め、該関係及び前記新製品の総合評価に基づき、前記評価者毎の前記新製品の販売量又は市場占有率を、予測シェア算出部で算出し、算出した前記各評価者毎の前記新製品の販売量又は市場占有率を、前記各評価者の相関係数に基づいて階層化算出部で階層化し、階層毎の、前記新製品の販売量又は市場占有率の平均値及び信頼区間を前記階層化算出部で算出し、前記階層毎の平均値及び信頼区間を表示部で表示することを特徴とする。
【０００８】
第２発明に係る新製品の初期投入量予測方法は、新製品の発売時における販売量又は市場占有率をコンピュータを用いて予測する新製品の初期投入量予測方法であって、過去の複数の製品及び前記新製品について、販売量又は市場占有率に影響すべき複数の要因のそれぞれについて、複数の評価者毎に数値により評価されたデータの入力を入力部から受け付け、前記各評価者毎の前記各製品及び新製品の前記各要因の数値と該各製品の実績販売量又は実績市場占有率とに基づき、構造化ニューラルネットワークで、前記各評価者毎の前記新製品の販売量又は市場占有率を算出すると共に、該算出に寄与した前記要因及び該要因の大きさを求める一方、前記各評価者毎の前記製品及び新製品毎の総合評価を前記各要因の数値に基づき主成分分析部で算出し、前記各評価者毎の前記製品毎の総合評価と該製品毎の実績販売量又は実績市場占有率との相関係数を相関係数算出部で算出し、前記構造化ニューラルネットワークで算出した前記各評価者毎の前記新製品の販売量又は市場占有率を、階層化算出部で、前記各評価者の相関係数に基づいて階層化し、階層毎の、前記新製品の販売量又は市場占有率の平均値及び信頼区間を算出し、前記階層毎の平均値及び信頼区間、前記構造化ニューラルネットワークで算出した前記各評価者毎の販売量又は市場占有率、該算出に寄与した前記要因及び該要因の大きさを表示部で表示することを特徴とする。
【０００９】
第３発明に係る新製品の初期投入量予測方法は、新製品の発売時における販売量又は市場占有率をコンピュータを用いて予測する新製品の初期投入量予測方法であって、過去の複数の製品及び前記新製品について、販売量又は市場占有率に影響すべき複数の要因のそれぞれについて、複数の評価者毎に数値により評価されたデータの入力を入力部から受け付け、前記各評価者毎の前記各製品及び新製品の前記各要因の数値と該各製品の実績販売量又は実績市場占有率とに基づき、構造化ニューラルネットワークで、前記各評価者毎の前記新製品の販売量又は市場占有率を算出すると共に、該算出に寄与した前記要因及び該要因の大きさを求める一方、前記各評価者毎の前記製品及び新製品毎の総合評価を前記各要因の数値に基づき主成分分析部で算出し、前記各評価者毎の前記製品毎の総合評価と該製品毎の実績販売量又は実績市場占有率との関係を回帰モデル作成部で求め、該関係及び前記新製品の総合評価に基づき、前記評価者毎の前記新製品の販売量又は市場占有率を、予測シェア算出部で算出し、算出した前記各評価者毎の前記新製品の販売量又は市場占有率、前記構造化ニューラルネットワークで算出した前記各評価者毎の販売量又は市場占有率、該算出に寄与した前記要因及び該要因の大きさを表示部で表示することを特徴とする。
【００１０】
第４発明に係る新製品の初期投入量予測方法は、新製品の発売時における販売量又は市場占有率をコンピュータを用いて予測する新製品の初期投入量予測方法であって、過去の複数の製品及び前記新製品について、販売量又は市場占有率に影響すべき複数の要因のそれぞれについて、複数の評価者毎に数値により評価されたデータの入力を入力部から受け付け、前記各評価者毎の前記各製品及び新製品の前記各要因の数値と該各製品の実績販売量又は実績市場占有率とに基づき、構造化ニューラルネットワークで、前記各評価者毎の前記新製品の販売量又は市場占有率を算出すると共に、該算出に寄与した前記要因及び該要因の大きさを求める一方、前記各評価者毎の前記製品及び新製品毎の総合評価を前記各要因の数値に基づき主成分分析部で算出し、前記各評価者毎の前記製品毎の総合評価と該製品毎の実績販売量又は実績市場占有率との相関係数を相関係数算出部で算出し、前記各評価者毎の前記製品毎の総合評価と該製品毎の実績販売量又は実績市場占有率との関係を回帰モデル作成部で求め、該関係及び前記新製品の総合評価に基づき、前記評価者毎の前記新製品の販売量又は市場占有率を、予測シェア算出部で算出し、算出した前記各評価者毎の前記新製品の販売量又は市場占有率を、前記各評価者の相関係数に基づいて階層化算出部で階層化し、階層毎の、前記新製品の販売量又は市場占有率の平均値及び信頼区間を前記階層化算出部で算出し、前記階層毎の平均値及び信頼区間、前記構造化ニューラルネットワークで算出した前記各評価者毎の販売量又は市場占有率、該算出に寄与した前記要因及び該要因の大きさを表示部で表示することを特徴とする。
【００１１】
第５発明に係る新製品の初期投入量予測方法は、前記主成分分析部は、前記各要因の数値に基づく主成分分析により前記総合評価を算出するようにしてあることを特徴とする。
【００１２】
第６発明に係る新製品の初期投入量予測方法は、前記回帰モデル作成部は、前記総合評価を説明変量、前記実績販売量又は実績市場占有率を被説明変量とする回帰分析により、前記製品毎の総合評価と該製品毎の実績販売量又は実績市場占有率との関係を求めることを特徴とする。
【００１３】
第７発明に係る新製品の初期投入量予測装置は、新製品の発売時における販売量又は市場占有率を予測する新製品の初期投入量予測装置であって、過去の複数の製品及び前記新製品について、販売量又は市場占有率に影響すべき複数の要因のそれぞれについて、複数の評価者毎に数値により評価されたデータの入力を受け付ける入力部と、前記各評価者毎の前記製品及び新製品毎の総合評価を前記各要因の数値に基づき算出する主成分分析部と、前記各評価者毎の前記製品毎の総合評価と該製品毎の実績販売量又は実績市場占有率との相関係数を算出する相関係数算出部と、前記各評価者毎の前記製品毎の総合評価と該製品毎の実績販売量又は実績市場占有率との関係を求める回帰モデル作成部と、該関係及び前記新製品の総合評価に基づき、前記評価者毎の前記新製品の販売量又は市場占有率を算出する予測シェア算出部と、算出した前記各評価者毎の前記新製品の販売量又は市場占有率を、前記各評価者の相関係数に基づいて階層化し、階層化した階層毎の、前記新製品の販売量又は市場占有率の平均値及び信頼区間を算出する階層化算出部と、前記階層毎の平均値及び信頼区間を表示する表示部とを備えることを特徴とする。
【００１４】
本発明に係る新製品の初期投入量予測方法及び新製品の初期投入量予測装置は、構造化ニューラルネットワークのモデルに、例えば複数の既存製品の市場投入時の発売量又はシェアとそれら既存製品への、複数人の評価を入力し、これらの関係を学習させることにより、新製品の市場投入時の販売量又はシェアを予測させる。更に、前記評価の評価項目（要因）の内、前記発売量又はシェアとの関係が希薄なもの（ある一定値を超えない関係）については、構造化ニューラルネットワークの成長抑止特性により、評価項目と前記発売量又はシェアとの関係を抑止することにより、前記発売量又はシェアに与える影響が強い評価項目を選択することが可能となる。
【００１５】
また、統計手法を用いて、評価した各人の過去の実績（評価と実績販売量又はシェアとの関係）に基づき、新製品の市場投入時の販売量又はシェアを算出し、算出した市場投入時の販売量又はシェアを、前記関係の相関係数に基づき階層化し、その階層毎の販売量又はシェアの平均値と信頼区間を算出する。
更に、算出したその階層毎の販売量又はシェアの平均値及び信頼区間と、構造化ニューラルネットワークにより各人について算出した市場投入時の販売量又はシェアと比較出来るようにして、構造化ニューラルネットワークが算出した市場投入時の販売量又はシェアの信頼性を得る。
また、階層毎の販売量又はシェアを、構造化ニューラルネットワークが算出した市場投入時の販売量又はシェアとして、その平均値と信頼区間を算出しても良い。
【００１６】
これにより、新製品を市場に投入する際に、その新製品の販売数量又は販売シェアを予測することが可能であり、また、製品に対する曖昧な評価項目の絞り込み、及び市場投入時の販売量又はシェアに最も影響している評価項目の選定が可能となり、また、人間が行う曖昧な評価を定量化することが可能となり、将来のマーケティングへの活用も可能となる。
【００１７】
第８発明に係る記録媒体は、コンピュータに、新製品の発売時における販売量又は市場占有率を予測させる為のプログラムを記録したコンピュータ読み取り可能な記録媒体であって、コンピュータを、過去の複数の製品の実績販売量又は実績市場占有率を含み、該複数の製品及び前記新製品について、販売量又は市場占有率に影響すべき複数の要因のそれぞれについて、複数の評価者毎に数値により評価されたデータを入力する入力部、前記各評価者毎の前記各製品及び新製品の前記各要因の数値と該各製品の前記実績販売量又は実績市場占有率とに基づき、前記各評価者毎の前記新製品の販売量又は市場占有率を算出すると共に、該算出に寄与した前記要因及び該要因の大きさを求める構造化ニューラルネットワーク、前記各評価者毎の前記製品及び新製品毎の総合評価を前記各要因の数値に基づき算出する主成分分析部、前記各評価者毎の前記製品毎の総合評価と該製品毎の前記実績販売量又は実績市場占有率との相関係数を算出する相関係数算出部、前記構造化ニューラルネットワークが算出した前記各評価者毎の前記新製品の販売量又は市場占有率を、前記各評価者の相関係数に基づいて階層化し、階層化した階層毎の前記販売量又は市場占有率の平均値及び信頼区間を算出する階層化算出部、並びに、該階層化算出部が算出した階層毎の平均値及び信頼区間、前記構造化ニューラルネットワークが算出した前記各評価者毎の販売量又は市場占有率、該算出に寄与した前記要因及び該要因の大きさを出力する表示部として機能させる為のプログラムを記録したことを特徴とする。
【００１８】
第９発明に係る記録媒体は、コンピュータに、新製品の発売時における販売量又は市場占有率を予測させる為のプログラムを記録したコンピュータ読み取り可能な記録媒体であって、コンピュータを、過去の複数の製品の実績販売量又は実績市場占有率を含み、該複数の製品及び前記新製品について、販売量又は市場占有率に影響すべき複数の要因のそれぞれについて、複数の評価者毎に数値により評価されたデータを入力する入力部、前記各評価者毎の前記各製品及び新製品の前記各要因の数値と該各製品の前記実績販売量又は実績市場占有率とに基づき、前記各評価者毎の前記新製品の販売量又は市場占有率を算出すると共に、該算出に寄与した前記要因及び該要因の大きさを求める構造化ニューラルネットワーク、前記各評価者毎の前記製品及び新製品毎の総合評価を前記各要因の数値に基づき算出する主成分分析部、前記各評価者の前記製品毎の総合評価と該製品毎の前記実績販売量又は実績市場占有率との関係を求める回帰モデル作成部、該関係及び前記新製品の総合評価に基づき、前記各評価者毎の前記新製品の販売量又は市場占有率を算出する予測シェア算出部、並びに、該予測シェア算出部が算出した前記各評価者毎の前記新製品の販売量又は市場占有率、前記構造化ニューラルネットワークが算出した前記各評価者毎の販売量又は市場占有率、該算出に寄与した前記要因及び該要因の大きさを出力する表示部として機能させる為のプログラムを記録したことを特徴とする。
【００１９】
第１０発明に係る記録媒体は、コンピュータに、新製品の発売時における販売量又は市場占有率を予測させる為のプログラムを記録したコンピュータ読み取り可能な記録媒体であって、コンピュータを、過去の複数の製品の実績販売量又は実績市場占有率を含み、該複数の製品及び前記新製品について、販売量又は市場占有率に影響すべき複数の要因のそれぞれについて、複数の評価者毎に数値により評価されたデータを入力する入力部、前記各評価者毎の前記各製品及び新製品の前記各要因の数値と該各製品の前記実績販売量又は実績市場占有率とに基づき、前記各評価者毎の前記新製品の販売量又は市場占有率を算出すると共に、該算出に寄与した前記要因及び該要因の大きさを求める構造化ニューラルネットワーク、前記各評価者毎の前記製品及び新製品毎の総合評価を前記各要因の数値に基づき算出する主成分分析部、前記各評価者毎の前記製品毎の総合評価と該製品毎の前記実績販売量又は実績市場占有率との相関係数を算出する相関係数算出部、前記各評価者の前記製品毎の総合評価と該製品毎の前記実績販売量又は実績市場占有率との関係を求める回帰モデル作成部、該関係及び前記新製品の総合評価に基づき、前記各評価者毎の前記新製品の販売量又は市場占有率を算出する予測シェア算出部、該予測シェア算出部が算出した前記各評価者毎の前記新製品の販売量又は市場占有率を、前記各評価者の相関係数に基づいて階層化し、階層化した階層毎の前記販売量又は市場占有率の平均値及び信頼区間を算出する階層化算出部、並びに、該階層化算出部が算出した階層毎の平均値及び信頼区間、前記構造化ニューラルネットワークが算出した前記各評価者毎の販売量又は市場占有率、該算出に寄与した前記要因及び該要因の大きさを出力する表示部として機能させる為のプログラムを記録したことを特徴とする。
【００２０】
本発明に係る記録媒体を読み取ったコンピュータは、本発明に係る新製品の初期投入量予測装置として作動することが可能となり、本発明に係る初期投入量予測方法を実行することが可能となる。
【００２１】
【発明の実施の形態】
以下に、本発明の実施の形態を、それを示す図面を参照しながら説明する。
図１は、本発明に係る新製品の初期投入量予測方法及び新製品の初期投入量予測装置の実施の形態の要部構成を示す機能ブロック図である。この初期投入量予測装置は、パーソナルコンピュータからなっており、過去の複数の製品の実績シェア（実績市場占有率；販売量でも同様である）を含み、その過去の複数の製品及び新製品について、シェア（市場占有率）に影響するような複数の要因のそれぞれについて、複数の人が数値により評価したデータを入力する入力部１と、入力部１が入力したデータを後述する評価テーブルに作成する評価テーブル作成部２とを備えている。
【００２２】
この新製品の初期投入量予測装置は、また、評価テーブル作成部２が作成した評価テーブルに基づき、各人の新製品のシェアを算出すると共に、その算出に寄与した要因及びその要因の大きさを求める構造化ニューラルネットワーク３と、各人の過去の複数の製品及び新製品毎の総合評価を各要因の数値に基づく主成分分析により算出する主成分分析部４と、主成分分析部４が算出した、各人の過去の複数の製品毎の総合評価とその製品毎の実績シェアとの相関係数を算出する相関係数算出部５とを備えている。
【００２３】
この新製品の初期投入量予測装置は、また、主成分分析部４が算出した、過去の複数の製品毎の総合評価とその製品毎の実績シェアとの関係を、総合評価を説明変量、実績シェアを被説明変量とする回帰分析により求める回帰モデル作成部６と、回帰モデル作成部６が求めた関係（回帰モデル）及び新製品の総合評価に基づき、各人の新製品のシェアを算出する予測シェア算出部７と、予測シェア算出部７が算出した各人の新製品のシェアを、相関係数算出部５が算出した各人の相関係数に基づいて階層化し、階層毎の新製品の予測シェアの平均値及び信頼区間を算出する階層化・算出部８と、階層化・算出部８が階層化し算出した階層毎の予測シェアの平均値及び信頼区間、構造化ニューラルネットワーク３が算出した各人のシェア、その算出に寄与した要因及びその大きさを表示（出力）する表示部９とを備えている。
【００２４】
図２は、構造化ニューラルネットワーク３の構成を模式的に示す説明図である。構造化ニューラルネットワーク３は、図３に示すようなニューロンＮを、入力層のニューロンＮ１１〜Ｎ１３、中間層のニューロンＮ２１〜Ｎ２４、出力層のニューロンＮ３のように階層化してネットワークに構成してある。
入力層の各ニューロンＮ１１〜Ｎ１３は、中間層のニューロンＮ２１〜Ｎ２４全てと接続され、中間層の各ニューロンＮ２１〜Ｎ２４は出力層のニューロンＮ３に接続されている。
入力層のニューロンＮ１１〜Ｎ１３の個数は、入力信号数と同じであり、中間層のニューロンＮ２１〜Ｎ２４の個数は、演算に必要な個数が備えられ、経験則により定められる。
【００２５】
ニューロンＮは、入力ｘ１〜ｘｎに対してそれぞれ重みｗ１〜ｗｎにより重み付けし、重み付けした入力ｘ１・ｗ１〜ｘｎ・ｗｎを加算して得たｚを出力する。ここで、ニューロンＮは、成長抑止特性として、出力ｚについて所定の閾値を有しており、出力ｚが閾値以上でないときは出力しない。
【００２６】
構造化ニューラルネットワーク３は、例えば、ある人の、過去の製品のシェアに影響すべき複数の要因についての各評価点を、入力層のニューロンＮ１１〜Ｎ１３にそれぞれ入力し、教師信号としてその製品のシェアを与えると、出力層のニューロンＮ３の出力とそのシェアとの誤差を小さくするように、重みｗ１〜ｗｎを調整する。
構造化ニューラルネットワーク３は、これを複数の過去の製品について繰り返すことにより学習し、ある人についての上記各評価点に応じたシェアを出力するようになると共に、シェアの算出に寄与しない要因に関係する接続は、切断されて行き、結果として、各評価点が入力された新製品についての予測シェアと、予測シェアの算出に寄与する要因と、その度合いとしての重みとが残る。
【００２７】
例えば、過去の製品のシェアに影響すべき要因が７つある場合に、上記のように学習させると、図４に示すような結果となる。ここで、各線の太さは重みを示し、シェアを増加させる正の重みと、シェアを減少させる負の重みとがある。
学習初期には、各ニューロンは互いに接続関係にあるが、学習が進むにつれて、各接続関係が消えて行き、入力層のニューロン▲５▼，▲７▼の要因がシェア（出力）に関係するとして残る。但し、ニューロン▲７▼の要因はマイナス要因である。
【００２８】
以下に、このような構成の新製品の初期投入量予測装置の動作を、それを示す図５のフローチャートを参照しながら説明する。
この新製品の初期投入量予測装置の入力部１が、先ず、過去の複数の製品の実績シェアを含み、その過去の複数の製品及び新製品について、シェアに影響するような複数の要因のそれぞれについて、複数の人が数値により評価したデータを入力する（Ｓ２）。
【００２９】
人が数値により評価したデータは、例えば、図６に示すようなアンケート表であり、シェアに影響すると考えられる評価要因を販売チャネル、機能、デザイン、価格、品質、ブランド、販売時期として、各製品Ｆ１〜Ｆ５毎に、発売時、中間時、終息時の各時点において、各要因毎に１０点満点で評価させた点数と、その各時点における実績シェアと、新製品について各要因毎に１０点満点で評価させた点数とが記されている。
評価点が高ければ、消費者は買いたくなり、評価点が低ければ、消費者は買わないと考えられる。
【００３０】
ある製品に対する評価は評価者（評価した人）によって異なるが、結果としてのシェアは１つである。シェアは、その製品のステータス、位置を表現する値であると言うことが出来る。
評価者の中には、正しい（社会が決めるステータスに近い）評価をする人もいれば、そうでない人もいる。多くの評価者の中から、社会が決めるステータスに近い評価を行うことが出来る人を探し出して、その人の感性に基づき、新製品のシェアを予測する。
【００３１】
次に、評価テーブル作成部２が、図７に示すような、評価者毎の評価テーブルを作成する（Ｓ４）。評価テーブルは、評価する対象１〜ｎである各製品Ｆ１〜Ｆｎ毎の各評価特性（各評価要因）の、発売時、中間時、終息時の区別を付けない点数と、評価する対象Ｘである新製品の各評価特性の点数とをまとめたものである。
【００３２】
次に、構造化ニューラルネットワーク３が、評価テーブルのデータを使用して、上述したように、新製品についての予測シェアを算出し（Ｓ６）、予測シェアの算出に寄与する要因と、その度合いとしての重みとを抽出する（Ｓ８）。
【００３３】
次に、主成分分析部４が、各評価者の過去の複数の製品及び新製品毎の総合評価を各評価要因の点数に基づく主成分分析により算出し（Ｓ１０）、図８に示すように、過去の製品及び新製品毎に、各評価者の各評価要因の点数、各評価者の総合評価である主成分得点をまとめる。主成分分析では、主成分得点は複数得られるが、寄与率が最も大きい第１主成分による得点を使用する。
【００３４】
次に、相関係数算出部５が、主成分分析部４が算出した（Ｓ１０）、各評価者の過去の複数の製品毎の総合評価とその製品毎の実績シェアとの相関係数を算出し（Ｓ１２）、図９に示すように、各評価者毎に、その製品毎の実績シェアと、その製品毎の総合評価である主成分得点と、それらの相関係数とをまとめる。
相関係数は、−１．０〜＋１．０の値になり、＋１．０に近いほど正の相関が強いと言う。一般には、＋０．７以上であれば、相関が強いと言うことが出来る。正の相関が強い評価者ほど、シェアを予測するのに適した候補者であると考えられる。
【００３５】
次に、回帰モデル作成部６が、各評価者毎に、主成分分析部４が算出した（Ｓ１０）、過去の複数の製品毎の主成分得点とその製品毎の実績シェアとを使用して、過去の複数の製品毎の主成分得点を説明変量ｘ、実績シェアを被説明変量ｙとする回帰モデル ｙ＝ａｘ＋ｂ を演算により作成する（Ｓ１４）。
【００３６】
次に、予測シェア算出部７が、回帰モデル作成部６が作成した（Ｓ１４）各評価者の回帰モデル及び各評価者の新製品の主成分得点に基づき、各評価者についての新製品の予測シェアを算出し（Ｓ１６）、図１０に示すように、各評価者毎に、その製品毎の実績シェアと、その製品毎の主成分得点と、それらの相関係数と、新製品の予測シェアとをまとめる。
【００３７】
次に、階層化・算出部８が、予測シェア算出部７が算出した各評価者についての新製品の予測シェアを、相関係数算出部５が算出した（Ｓ１２）各評価者の相関係数に基づいて階層化し（Ｓ１８）、階層毎の新製品の予測シェアの平均値と信頼区間とを算出する（Ｓ２０）。
【００３８】
各評価者についての新製品の予測シェアを、各評価者の相関係数の大きさ別（＋０．６以上で０．０５刻み）に階層化し、階層毎の新製品の予測シェアの平均値と９５％信頼区間を算出し、図１１に示すような、階層毎の、評価者数、信頼区間下限、予測シェアの平均値及び信頼区間上限を表示した統計表を作成する。
図１１の統計表では、例えば、新製品のシェアは、８．０〜１２．２％にあって、特に１０．０〜１１．６％にあるのではないかと判断することも出来る。
尚、階層化・算出部８は、構造化ニューラルネットワーク３が算出した（Ｓ６）各評価者についての新製品の予測シェアを、相関係数算出部５が算出した（Ｓ１２）各評価者の相関係数に基づいて階層化し、階層毎の新製品の予測シェアの平均値と信頼区間とを算出するようにしても良い。
【００３９】
次に、表示部９が、階層化・算出部８が階層化し算出して（Ｓ２０）作成した統計表（図１１）を表示する他、各評価者毎の相関係数と新製品の予測シェアとの一覧表や、構造化ニューラルネットワーク３が算出した各評価者の予測シェア、その算出に寄与した要因及びその大きさ等の上述した各動作の結果を表示する（Ｓ２２）。また、表示部９は、各動作の結果をもたらした元データも必要に応じて表示する。
表示部９の表示内容により、評価者の相関係数が大きい階層の新製品の予測シェアほど信頼性が高いと判断して採用することが出来ると共に、製品に対する評価要因の絞り込み、及び最も市場投入時のシェアに影響している評価要因の選定等が可能となる。
【００４０】
尚、上述した実施の形態では、パーソナルコンピュータを想定しているが、上述した新製品の初期投入量予測装置と同様の動作をさせる為のコンピュータプログラムを、磁気ディスク及びＣＤ−ＲＯＭ等の可搬型記録媒体に記録する他、パーソナルコンピュータと無線又は有線によりコンピュータプログラムの通信が可能な、例えば、配信サーバのようなセンターに備えられた回線先メモリ等の記録媒体からダウンロードし、上述した実施の形態と同様に、パーソナルコンピュータに新製品の初期投入量予測画像処理方法を行わせることが可能である。
【００４１】
（付記）
コンピュータに、新製品の発売時における販売量又は市場占有率を予測させる為のプログラムを記録したコンピュータ読み取り可能な記録媒体であって、コンピュータに、過去の複数の製品の実績販売量又は実績市場占有率を含み、該複数の製品及び前記新製品について、販売量又は市場占有率に影響すべき複数の要因のそれぞれについて、複数人が数値により評価したデータを入力する手順、該複数人各人の前記製品及び新製品毎の総合評価を前記各要因の数値に基づき算出する手順、前記各人の前記製品毎の総合評価と該製品毎の前記実績販売量又は実績市場占有率との相関係数を算出する手順、前記各人の前記製品毎の総合評価と該製品毎の前記実績販売量又は実績市場占有率との関係を求める手順、該関係及び前記新製品の総合評価に基づき、前記各人の前記新製品の販売量又は市場占有率を算出する手順、該手順が算出した前記各人の前記新製品の販売量又は市場占有率を、前記各人の相関係数に基づいて階層化する手順、該手順が階層化した階層毎の前記販売量又は市場占有率の平均値及び信頼区間を算出する手順、並びに該手順が算出した階層毎の平均値及び信頼区間を出力する手順を、実行させる為のプログラムを記録したコンピュータ読み取り可能な記録媒体。
【００４２】
【発明の効果】
第１発明に係る新製品の初期投入量予測方法によれば、新製品を市場に投入する際に、その新製品の販売数量又は販売シェアを予測することが可能となる。
【００４３】
第２〜７発明に係る新製品の初期投入量予測方法及び新製品の初期投入量予測装置によれば、新製品を市場に投入する際に、その新製品の販売数量又は販売シェアを予測することが可能であり、また、製品に対する曖昧な評価項目の絞り込み、及び最も市場投入時の販売量又はシェアに影響している評価項目の選定が可能となり、また、人間が行う曖昧な評価を定量化することが可能となり、将来のマーケティングへの活用も可能となる。
【００４４】
第８〜１０発明に係る記録媒体を読み取ったコンピュータによれば、本発明に係る新製品の初期投入量予測装置として作動することが可能となり、本発明に係る初期投入量予測方法を実行することが可能となる。
【図面の簡単な説明】
【図１】 本発明に係る新製品の初期投入量予測方法及び新製品の初期投入量予測装置の実施の形態の要部構成を示す機能ブロック図である。
【図２】 構造化ニューラルネットワークの構成を模式的に示す説明図である。
【図３】 ニューロンを模式的に示す説明図である。
【図４】 構造化ニューラルネットワークの動作を模式的に示す説明図である。
【図５】 本発明に係る新製品の初期投入量予測装置の動作を示すフローチャートである。
【図６】 データを採るためのアンケート表の例を示す説明図である。
【図７】 評価テーブルの例を示す説明図である。
【図８】 本発明に係る新製品の初期投入量予測装置の動作を説明する為の説明図である。
【図９】 本発明に係る新製品の初期投入量予測装置の動作を説明する為の説明図である。
【図１０】 本発明に係る新製品の初期投入量予測装置の動作を説明する為の説明図である。
【図１１】 統計表の例を示す説明図である。
【発明の属する技術分野】
本発明は、新製品の発売時における販売量又は市場占有率を予測する新製品の初期投入量予測方法、新製品の発売時における販売量又は市場占有率を予測する為の新製品の初期投入量予測装置、及びコンピュータに、新製品の発売時における販売量又は市場占有率を予測させる為のプログラムを記録したコンピュータ読み取り可能な記録媒体に関するものである。
【０００２】
【従来の技術】
商品を製造して販売する企業においては、良い製品を低価格で早く、市場に提供することが、企業競争を生き残る為に不可欠な戦略となっており、そのサイクルも短くなって来ている。しかし、新製品を市場に提供するには、どの位のシェア（市場占有率）が見込めるのか、また、どの位の数量を見込んで生産しておけば良いのかといった最初の投入量（初期投入量）が問題になる。
【０００３】
これ迄、将来の数量は過去の数量の延長上にあると仮定して予測を行う仕組みやシステムは存在しているが、新製品の初期投入量又はシェアを予測する方法は、過去の販売実績や出荷実績を参考にして、既存類似製品の傾向性の当てはめや、これ迄の経験や勘又は多種多様な統計手法等の技術を適用する方法が主流であった。
【０００４】
【発明が解決しようとする課題】
しかし、このような方法では、どの類似製品を当てはめるのかを決めること、また、ライフサイクルの変化が激しい中で、初期の投入量を予測することは困難である。
また、企業内では、同じような経験を繰り返しており、それらの経験が具体的に活かされていないという問題もある。また、マーケティングの専門家を育成するには時間を必要とするが、現在のような環境の下では全てを満足させることは難しいという問題もある。
【０００５】
新製品の初期投入量又は又はシェアを予測する技術としては、特開平９−１２０３９５号公報に開示された、回帰モデルをベースにした方法と、特開２０００−２００２６０号公報に開示された、製品を購入した顧客のアンケート結果と社内の人間の同様のアンケートによる評価結果とに基づく方法とがある。
本発明は、上述したような事情に鑑みてなされたものであり、第１〜６発明では、新製品を市場に投入する際に、その新製品の販売数量又は販売シェアを予測することが可能な新製品の初期投入量予測方法を提供することを目的とする。
【０００６】
第７発明では、新製品を市場に投入する際に、その新製品の販売数量又は販売シェアを予測することが可能な新製品の初期投入量予測装置を提供することを目的とする。第８〜１０発明では、第１〜６発明に係る新製品の初期投入量予測方法及び第７発明に係る新製品の初期投入量予測装置を実現する為のプログラムを記録したコンピュータ読み取り可能な記録媒体を提供することを目的とする。
【０００７】
【課題を解決するための手段】
第１発明に係る新製品の初期投入量予測方法は、新製品の発売時における販売量又は市場占有率をコンピュータを用いて予測する新製品の初期投入量予測方法であって、過去の複数の製品及び前記新製品について、販売量又は市場占有率に影響すべき複数の要因のそれぞれについて、複数の評価者毎に数値により評価されたデータの入力を入力部から受け付け、前記各評価者毎の前記製品及び新製品毎の総合評価を前記各要因の数値に基づき主成分分析部で算出し、前記各評価者毎の前記製品毎の総合評価と該製品毎の実績販売量又は実績市場占有率との相関係数を相関係数算出部で算出し、前記各評価者毎の前記製品毎の総合評価と該製品毎の実績販売量又は実績市場占有率との関係を回帰モデル作成部で求め、該関係及び前記新製品の総合評価に基づき、前記評価者毎の前記新製品の販売量又は市場占有率を、予測シェア算出部で算出し、算出した前記各評価者毎の前記新製品の販売量又は市場占有率を、前記各評価者の相関係数に基づいて階層化算出部で階層化し、階層毎の、前記新製品の販売量又は市場占有率の平均値及び信頼区間を前記階層化算出部で算出し、前記階層毎の平均値及び信頼区間を表示部で表示することを特徴とする。
【０００８】
第２発明に係る新製品の初期投入量予測方法は、新製品の発売時における販売量又は市場占有率をコンピュータを用いて予測する新製品の初期投入量予測方法であって、過去の複数の製品及び前記新製品について、販売量又は市場占有率に影響すべき複数の要因のそれぞれについて、複数の評価者毎に数値により評価されたデータの入力を入力部から受け付け、前記各評価者毎の前記各製品及び新製品の前記各要因の数値と該各製品の実績販売量又は実績市場占有率とに基づき、構造化ニューラルネットワークで、前記各評価者毎の前記新製品の販売量又は市場占有率を算出すると共に、該算出に寄与した前記要因及び該要因の大きさを求める一方、前記各評価者毎の前記製品及び新製品毎の総合評価を前記各要因の数値に基づき主成分分析部で算出し、前記各評価者毎の前記製品毎の総合評価と該製品毎の実績販売量又は実績市場占有率との相関係数を相関係数算出部で算出し、前記構造化ニューラルネットワークで算出した前記各評価者毎の前記新製品の販売量又は市場占有率を、階層化算出部で、前記各評価者の相関係数に基づいて階層化し、階層毎の、前記新製品の販売量又は市場占有率の平均値及び信頼区間を算出し、前記階層毎の平均値及び信頼区間、前記構造化ニューラルネットワークで算出した前記各評価者毎の販売量又は市場占有率、該算出に寄与した前記要因及び該要因の大きさを表示部で表示することを特徴とする。
【０００９】
第３発明に係る新製品の初期投入量予測方法は、新製品の発売時における販売量又は市場占有率をコンピュータを用いて予測する新製品の初期投入量予測方法であって、過去の複数の製品及び前記新製品について、販売量又は市場占有率に影響すべき複数の要因のそれぞれについて、複数の評価者毎に数値により評価されたデータの入力を入力部から受け付け、前記各評価者毎の前記各製品及び新製品の前記各要因の数値と該各製品の実績販売量又は実績市場占有率とに基づき、構造化ニューラルネットワークで、前記各評価者毎の前記新製品の販売量又は市場占有率を算出すると共に、該算出に寄与した前記要因及び該要因の大きさを求める一方、前記各評価者毎の前記製品及び新製品毎の総合評価を前記各要因の数値に基づき主成分分析部で算出し、前記各評価者毎の前記製品毎の総合評価と該製品毎の実績販売量又は実績市場占有率との関係を回帰モデル作成部で求め、該関係及び前記新製品の総合評価に基づき、前記評価者毎の前記新製品の販売量又は市場占有率を、予測シェア算出部で算出し、算出した前記各評価者毎の前記新製品の販売量又は市場占有率、前記構造化ニューラルネットワークで算出した前記各評価者毎の販売量又は市場占有率、該算出に寄与した前記要因及び該要因の大きさを表示部で表示することを特徴とする。
【００１０】
第４発明に係る新製品の初期投入量予測方法は、新製品の発売時における販売量又は市場占有率をコンピュータを用いて予測する新製品の初期投入量予測方法であって、過去の複数の製品及び前記新製品について、販売量又は市場占有率に影響すべき複数の要因のそれぞれについて、複数の評価者毎に数値により評価されたデータの入力を入力部から受け付け、前記各評価者毎の前記各製品及び新製品の前記各要因の数値と該各製品の実績販売量又は実績市場占有率とに基づき、構造化ニューラルネットワークで、前記各評価者毎の前記新製品の販売量又は市場占有率を算出すると共に、該算出に寄与した前記要因及び該要因の大きさを求める一方、前記各評価者毎の前記製品及び新製品毎の総合評価を前記各要因の数値に基づき主成分分析部で算出し、前記各評価者毎の前記製品毎の総合評価と該製品毎の実績販売量又は実績市場占有率との相関係数を相関係数算出部で算出し、前記各評価者毎の前記製品毎の総合評価と該製品毎の実績販売量又は実績市場占有率との関係を回帰モデル作成部で求め、該関係及び前記新製品の総合評価に基づき、前記評価者毎の前記新製品の販売量又は市場占有率を、予測シェア算出部で算出し、算出した前記各評価者毎の前記新製品の販売量又は市場占有率を、前記各評価者の相関係数に基づいて階層化算出部で階層化し、階層毎の、前記新製品の販売量又は市場占有率の平均値及び信頼区間を前記階層化算出部で算出し、前記階層毎の平均値及び信頼区間、前記構造化ニューラルネットワークで算出した前記各評価者毎の販売量又は市場占有率、該算出に寄与した前記要因及び該要因の大きさを表示部で表示することを特徴とする。
【００１１】
第５発明に係る新製品の初期投入量予測方法は、前記主成分分析部は、前記各要因の数値に基づく主成分分析により前記総合評価を算出するようにしてあることを特徴とする。
【００１２】
第６発明に係る新製品の初期投入量予測方法は、前記回帰モデル作成部は、前記総合評価を説明変量、前記実績販売量又は実績市場占有率を被説明変量とする回帰分析により、前記製品毎の総合評価と該製品毎の実績販売量又は実績市場占有率との関係を求めることを特徴とする。
【００１３】
第７発明に係る新製品の初期投入量予測装置は、新製品の発売時における販売量又は市場占有率を予測する新製品の初期投入量予測装置であって、過去の複数の製品及び前記新製品について、販売量又は市場占有率に影響すべき複数の要因のそれぞれについて、複数の評価者毎に数値により評価されたデータの入力を受け付ける入力部と、前記各評価者毎の前記製品及び新製品毎の総合評価を前記各要因の数値に基づき算出する主成分分析部と、前記各評価者毎の前記製品毎の総合評価と該製品毎の実績販売量又は実績市場占有率との相関係数を算出する相関係数算出部と、前記各評価者毎の前記製品毎の総合評価と該製品毎の実績販売量又は実績市場占有率との関係を求める回帰モデル作成部と、該関係及び前記新製品の総合評価に基づき、前記評価者毎の前記新製品の販売量又は市場占有率を算出する予測シェア算出部と、算出した前記各評価者毎の前記新製品の販売量又は市場占有率を、前記各評価者の相関係数に基づいて階層化し、階層化した階層毎の、前記新製品の販売量又は市場占有率の平均値及び信頼区間を算出する階層化算出部と、前記階層毎の平均値及び信頼区間を表示する表示部とを備えることを特徴とする。
【００１４】
本発明に係る新製品の初期投入量予測方法及び新製品の初期投入量予測装置は、構造化ニューラルネットワークのモデルに、例えば複数の既存製品の市場投入時の発売量又はシェアとそれら既存製品への、複数人の評価を入力し、これらの関係を学習させることにより、新製品の市場投入時の販売量又はシェアを予測させる。更に、前記評価の評価項目（要因）の内、前記発売量又はシェアとの関係が希薄なもの（ある一定値を超えない関係）については、構造化ニューラルネットワークの成長抑止特性により、評価項目と前記発売量又はシェアとの関係を抑止することにより、前記発売量又はシェアに与える影響が強い評価項目を選択することが可能となる。
【００１５】
また、統計手法を用いて、評価した各人の過去の実績（評価と実績販売量又はシェアとの関係）に基づき、新製品の市場投入時の販売量又はシェアを算出し、算出した市場投入時の販売量又はシェアを、前記関係の相関係数に基づき階層化し、その階層毎の販売量又はシェアの平均値と信頼区間を算出する。
更に、算出したその階層毎の販売量又はシェアの平均値及び信頼区間と、構造化ニューラルネットワークにより各人について算出した市場投入時の販売量又はシェアと比較出来るようにして、構造化ニューラルネットワークが算出した市場投入時の販売量又はシェアの信頼性を得る。
また、階層毎の販売量又はシェアを、構造化ニューラルネットワークが算出した市場投入時の販売量又はシェアとして、その平均値と信頼区間を算出しても良い。
【００１６】
これにより、新製品を市場に投入する際に、その新製品の販売数量又は販売シェアを予測することが可能であり、また、製品に対する曖昧な評価項目の絞り込み、及び市場投入時の販売量又はシェアに最も影響している評価項目の選定が可能となり、また、人間が行う曖昧な評価を定量化することが可能となり、将来のマーケティングへの活用も可能となる。
【００１７】
第８発明に係る記録媒体は、コンピュータに、新製品の発売時における販売量又は市場占有率を予測させる為のプログラムを記録したコンピュータ読み取り可能な記録媒体であって、コンピュータを、過去の複数の製品の実績販売量又は実績市場占有率を含み、該複数の製品及び前記新製品について、販売量又は市場占有率に影響すべき複数の要因のそれぞれについて、複数の評価者毎に数値により評価されたデータを入力する入力部、前記各評価者毎の前記各製品及び新製品の前記各要因の数値と該各製品の前記実績販売量又は実績市場占有率とに基づき、前記各評価者毎の前記新製品の販売量又は市場占有率を算出すると共に、該算出に寄与した前記要因及び該要因の大きさを求める構造化ニューラルネットワーク、前記各評価者毎の前記製品及び新製品毎の総合評価を前記各要因の数値に基づき算出する主成分分析部、前記各評価者毎の前記製品毎の総合評価と該製品毎の前記実績販売量又は実績市場占有率との相関係数を算出する相関係数算出部、前記構造化ニューラルネットワークが算出した前記各評価者毎の前記新製品の販売量又は市場占有率を、前記各評価者の相関係数に基づいて階層化し、階層化した階層毎の前記販売量又は市場占有率の平均値及び信頼区間を算出する階層化算出部、並びに、該階層化算出部が算出した階層毎の平均値及び信頼区間、前記構造化ニューラルネットワークが算出した前記各評価者毎の販売量又は市場占有率、該算出に寄与した前記要因及び該要因の大きさを出力する表示部として機能させる為のプログラムを記録したことを特徴とする。
【００１８】
第９発明に係る記録媒体は、コンピュータに、新製品の発売時における販売量又は市場占有率を予測させる為のプログラムを記録したコンピュータ読み取り可能な記録媒体であって、コンピュータを、過去の複数の製品の実績販売量又は実績市場占有率を含み、該複数の製品及び前記新製品について、販売量又は市場占有率に影響すべき複数の要因のそれぞれについて、複数の評価者毎に数値により評価されたデータを入力する入力部、前記各評価者毎の前記各製品及び新製品の前記各要因の数値と該各製品の前記実績販売量又は実績市場占有率とに基づき、前記各評価者毎の前記新製品の販売量又は市場占有率を算出すると共に、該算出に寄与した前記要因及び該要因の大きさを求める構造化ニューラルネットワーク、前記各評価者毎の前記製品及び新製品毎の総合評価を前記各要因の数値に基づき算出する主成分分析部、前記各評価者の前記製品毎の総合評価と該製品毎の前記実績販売量又は実績市場占有率との関係を求める回帰モデル作成部、該関係及び前記新製品の総合評価に基づき、前記各評価者毎の前記新製品の販売量又は市場占有率を算出する予測シェア算出部、並びに、該予測シェア算出部が算出した前記各評価者毎の前記新製品の販売量又は市場占有率、前記構造化ニューラルネットワークが算出した前記各評価者毎の販売量又は市場占有率、該算出に寄与した前記要因及び該要因の大きさを出力する表示部として機能させる為のプログラムを記録したことを特徴とする。
【００１９】
第１０発明に係る記録媒体は、コンピュータに、新製品の発売時における販売量又は市場占有率を予測させる為のプログラムを記録したコンピュータ読み取り可能な記録媒体であって、コンピュータを、過去の複数の製品の実績販売量又は実績市場占有率を含み、該複数の製品及び前記新製品について、販売量又は市場占有率に影響すべき複数の要因のそれぞれについて、複数の評価者毎に数値により評価されたデータを入力する入力部、前記各評価者毎の前記各製品及び新製品の前記各要因の数値と該各製品の前記実績販売量又は実績市場占有率とに基づき、前記各評価者毎の前記新製品の販売量又は市場占有率を算出すると共に、該算出に寄与した前記要因及び該要因の大きさを求める構造化ニューラルネットワーク、前記各評価者毎の前記製品及び新製品毎の総合評価を前記各要因の数値に基づき算出する主成分分析部、前記各評価者毎の前記製品毎の総合評価と該製品毎の前記実績販売量又は実績市場占有率との相関係数を算出する相関係数算出部、前記各評価者の前記製品毎の総合評価と該製品毎の前記実績販売量又は実績市場占有率との関係を求める回帰モデル作成部、該関係及び前記新製品の総合評価に基づき、前記各評価者毎の前記新製品の販売量又は市場占有率を算出する予測シェア算出部、該予測シェア算出部が算出した前記各評価者毎の前記新製品の販売量又は市場占有率を、前記各評価者の相関係数に基づいて階層化し、階層化した階層毎の前記販売量又は市場占有率の平均値及び信頼区間を算出する階層化算出部、並びに、該階層化算出部が算出した階層毎の平均値及び信頼区間、前記構造化ニューラルネットワークが算出した前記各評価者毎の販売量又は市場占有率、該算出に寄与した前記要因及び該要因の大きさを出力する表示部として機能させる為のプログラムを記録したことを特徴とする。
【００２０】
本発明に係る記録媒体を読み取ったコンピュータは、本発明に係る新製品の初期投入量予測装置として作動することが可能となり、本発明に係る初期投入量予測方法を実行することが可能となる。
【００２１】
【発明の実施の形態】
以下に、本発明の実施の形態を、それを示す図面を参照しながら説明する。
図１は、本発明に係る新製品の初期投入量予測方法及び新製品の初期投入量予測装置の実施の形態の要部構成を示す機能ブロック図である。この初期投入量予測装置は、パーソナルコンピュータからなっており、過去の複数の製品の実績シェア（実績市場占有率；販売量でも同様である）を含み、その過去の複数の製品及び新製品について、シェア（市場占有率）に影響するような複数の要因のそれぞれについて、複数の人が数値により評価したデータを入力する入力部１と、入力部１が入力したデータを後述する評価テーブルに作成する評価テーブル作成部２とを備えている。
【００２２】
この新製品の初期投入量予測装置は、また、評価テーブル作成部２が作成した評価テーブルに基づき、各人の新製品のシェアを算出すると共に、その算出に寄与した要因及びその要因の大きさを求める構造化ニューラルネットワーク３と、各人の過去の複数の製品及び新製品毎の総合評価を各要因の数値に基づく主成分分析により算出する主成分分析部４と、主成分分析部４が算出した、各人の過去の複数の製品毎の総合評価とその製品毎の実績シェアとの相関係数を算出する相関係数算出部５とを備えている。
【００２３】
この新製品の初期投入量予測装置は、また、主成分分析部４が算出した、過去の複数の製品毎の総合評価とその製品毎の実績シェアとの関係を、総合評価を説明変量、実績シェアを被説明変量とする回帰分析により求める回帰モデル作成部６と、回帰モデル作成部６が求めた関係（回帰モデル）及び新製品の総合評価に基づき、各人の新製品のシェアを算出する予測シェア算出部７と、予測シェア算出部７が算出した各人の新製品のシェアを、相関係数算出部５が算出した各人の相関係数に基づいて階層化し、階層毎の新製品の予測シェアの平均値及び信頼区間を算出する階層化・算出部８と、階層化・算出部８が階層化し算出した階層毎の予測シェアの平均値及び信頼区間、構造化ニューラルネットワーク３が算出した各人のシェア、その算出に寄与した要因及びその大きさを表示（出力）する表示部９とを備えている。
【００２４】
図２は、構造化ニューラルネットワーク３の構成を模式的に示す説明図である。構造化ニューラルネットワーク３は、図３に示すようなニューロンＮを、入力層のニューロンＮ１１〜Ｎ１３、中間層のニューロンＮ２１〜Ｎ２４、出力層のニューロンＮ３のように階層化してネットワークに構成してある。
入力層の各ニューロンＮ１１〜Ｎ１３は、中間層のニューロンＮ２１〜Ｎ２４全てと接続され、中間層の各ニューロンＮ２１〜Ｎ２４は出力層のニューロンＮ３に接続されている。
入力層のニューロンＮ１１〜Ｎ１３の個数は、入力信号数と同じであり、中間層のニューロンＮ２１〜Ｎ２４の個数は、演算に必要な個数が備えられ、経験則により定められる。
【００２５】
ニューロンＮは、入力ｘ１〜ｘｎに対してそれぞれ重みｗ１〜ｗｎにより重み付けし、重み付けした入力ｘ１・ｗ１〜ｘｎ・ｗｎを加算して得たｚを出力する。ここで、ニューロンＮは、成長抑止特性として、出力ｚについて所定の閾値を有しており、出力ｚが閾値以上でないときは出力しない。
【００２６】
構造化ニューラルネットワーク３は、例えば、ある人の、過去の製品のシェアに影響すべき複数の要因についての各評価点を、入力層のニューロンＮ１１〜Ｎ１３にそれぞれ入力し、教師信号としてその製品のシェアを与えると、出力層のニューロンＮ３の出力とそのシェアとの誤差を小さくするように、重みｗ１〜ｗｎを調整する。
構造化ニューラルネットワーク３は、これを複数の過去の製品について繰り返すことにより学習し、ある人についての上記各評価点に応じたシェアを出力するようになると共に、シェアの算出に寄与しない要因に関係する接続は、切断されて行き、結果として、各評価点が入力された新製品についての予測シェアと、予測シェアの算出に寄与する要因と、その度合いとしての重みとが残る。
【００２７】
例えば、過去の製品のシェアに影響すべき要因が７つある場合に、上記のように学習させると、図４に示すような結果となる。ここで、各線の太さは重みを示し、シェアを増加させる正の重みと、シェアを減少させる負の重みとがある。
学習初期には、各ニューロンは互いに接続関係にあるが、学習が進むにつれて、各接続関係が消えて行き、入力層のニューロン▲５▼，▲７▼の要因がシェア（出力）に関係するとして残る。但し、ニューロン▲７▼の要因はマイナス要因である。
【００２８】
以下に、このような構成の新製品の初期投入量予測装置の動作を、それを示す図５のフローチャートを参照しながら説明する。
この新製品の初期投入量予測装置の入力部１が、先ず、過去の複数の製品の実績シェアを含み、その過去の複数の製品及び新製品について、シェアに影響するような複数の要因のそれぞれについて、複数の人が数値により評価したデータを入力する（Ｓ２）。
【００２９】
人が数値により評価したデータは、例えば、図６に示すようなアンケート表であり、シェアに影響すると考えられる評価要因を販売チャネル、機能、デザイン、価格、品質、ブランド、販売時期として、各製品Ｆ１〜Ｆ５毎に、発売時、中間時、終息時の各時点において、各要因毎に１０点満点で評価させた点数と、その各時点における実績シェアと、新製品について各要因毎に１０点満点で評価させた点数とが記されている。
評価点が高ければ、消費者は買いたくなり、評価点が低ければ、消費者は買わないと考えられる。
【００３０】
ある製品に対する評価は評価者（評価した人）によって異なるが、結果としてのシェアは１つである。シェアは、その製品のステータス、位置を表現する値であると言うことが出来る。
評価者の中には、正しい（社会が決めるステータスに近い）評価をする人もいれば、そうでない人もいる。多くの評価者の中から、社会が決めるステータスに近い評価を行うことが出来る人を探し出して、その人の感性に基づき、新製品のシェアを予測する。
【００３１】
次に、評価テーブル作成部２が、図７に示すような、評価者毎の評価テーブルを作成する（Ｓ４）。評価テーブルは、評価する対象１〜ｎである各製品Ｆ１〜Ｆｎ毎の各評価特性（各評価要因）の、発売時、中間時、終息時の区別を付けない点数と、評価する対象Ｘである新製品の各評価特性の点数とをまとめたものである。
【００３２】
次に、構造化ニューラルネットワーク３が、評価テーブルのデータを使用して、上述したように、新製品についての予測シェアを算出し（Ｓ６）、予測シェアの算出に寄与する要因と、その度合いとしての重みとを抽出する（Ｓ８）。
【００３３】
次に、主成分分析部４が、各評価者の過去の複数の製品及び新製品毎の総合評価を各評価要因の点数に基づく主成分分析により算出し（Ｓ１０）、図８に示すように、過去の製品及び新製品毎に、各評価者の各評価要因の点数、各評価者の総合評価である主成分得点をまとめる。主成分分析では、主成分得点は複数得られるが、寄与率が最も大きい第１主成分による得点を使用する。
【００３４】
次に、相関係数算出部５が、主成分分析部４が算出した（Ｓ１０）、各評価者の過去の複数の製品毎の総合評価とその製品毎の実績シェアとの相関係数を算出し（Ｓ１２）、図９に示すように、各評価者毎に、その製品毎の実績シェアと、その製品毎の総合評価である主成分得点と、それらの相関係数とをまとめる。
相関係数は、−１．０〜＋１．０の値になり、＋１．０に近いほど正の相関が強いと言う。一般には、＋０．７以上であれば、相関が強いと言うことが出来る。正の相関が強い評価者ほど、シェアを予測するのに適した候補者であると考えられる。
【００３５】
次に、回帰モデル作成部６が、各評価者毎に、主成分分析部４が算出した（Ｓ１０）、過去の複数の製品毎の主成分得点とその製品毎の実績シェアとを使用して、過去の複数の製品毎の主成分得点を説明変量ｘ、実績シェアを被説明変量ｙとする回帰モデル ｙ＝ａｘ＋ｂ を演算により作成する（Ｓ１４）。
【００３６】
次に、予測シェア算出部７が、回帰モデル作成部６が作成した（Ｓ１４）各評価者の回帰モデル及び各評価者の新製品の主成分得点に基づき、各評価者についての新製品の予測シェアを算出し（Ｓ１６）、図１０に示すように、各評価者毎に、その製品毎の実績シェアと、その製品毎の主成分得点と、それらの相関係数と、新製品の予測シェアとをまとめる。
【００３７】
次に、階層化・算出部８が、予測シェア算出部７が算出した各評価者についての新製品の予測シェアを、相関係数算出部５が算出した（Ｓ１２）各評価者の相関係数に基づいて階層化し（Ｓ１８）、階層毎の新製品の予測シェアの平均値と信頼区間とを算出する（Ｓ２０）。
【００３８】
各評価者についての新製品の予測シェアを、各評価者の相関係数の大きさ別（＋０．６以上で０．０５刻み）に階層化し、階層毎の新製品の予測シェアの平均値と９５％信頼区間を算出し、図１１に示すような、階層毎の、評価者数、信頼区間下限、予測シェアの平均値及び信頼区間上限を表示した統計表を作成する。
図１１の統計表では、例えば、新製品のシェアは、８．０〜１２．２％にあって、特に１０．０〜１１．６％にあるのではないかと判断することも出来る。
尚、階層化・算出部８は、構造化ニューラルネットワーク３が算出した（Ｓ６）各評価者についての新製品の予測シェアを、相関係数算出部５が算出した（Ｓ１２）各評価者の相関係数に基づいて階層化し、階層毎の新製品の予測シェアの平均値と信頼区間とを算出するようにしても良い。
【００３９】
次に、表示部９が、階層化・算出部８が階層化し算出して（Ｓ２０）作成した統計表（図１１）を表示する他、各評価者毎の相関係数と新製品の予測シェアとの一覧表や、構造化ニューラルネットワーク３が算出した各評価者の予測シェア、その算出に寄与した要因及びその大きさ等の上述した各動作の結果を表示する（Ｓ２２）。また、表示部９は、各動作の結果をもたらした元データも必要に応じて表示する。
表示部９の表示内容により、評価者の相関係数が大きい階層の新製品の予測シェアほど信頼性が高いと判断して採用することが出来ると共に、製品に対する評価要因の絞り込み、及び最も市場投入時のシェアに影響している評価要因の選定等が可能となる。
【００４０】
尚、上述した実施の形態では、パーソナルコンピュータを想定しているが、上述した新製品の初期投入量予測装置と同様の動作をさせる為のコンピュータプログラムを、磁気ディスク及びＣＤ−ＲＯＭ等の可搬型記録媒体に記録する他、パーソナルコンピュータと無線又は有線によりコンピュータプログラムの通信が可能な、例えば、配信サーバのようなセンターに備えられた回線先メモリ等の記録媒体からダウンロードし、上述した実施の形態と同様に、パーソナルコンピュータに新製品の初期投入量予測画像処理方法を行わせることが可能である。
【００４１】
（付記）
コンピュータに、新製品の発売時における販売量又は市場占有率を予測させる為のプログラムを記録したコンピュータ読み取り可能な記録媒体であって、コンピュータに、過去の複数の製品の実績販売量又は実績市場占有率を含み、該複数の製品及び前記新製品について、販売量又は市場占有率に影響すべき複数の要因のそれぞれについて、複数人が数値により評価したデータを入力する手順、該複数人各人の前記製品及び新製品毎の総合評価を前記各要因の数値に基づき算出する手順、前記各人の前記製品毎の総合評価と該製品毎の前記実績販売量又は実績市場占有率との相関係数を算出する手順、前記各人の前記製品毎の総合評価と該製品毎の前記実績販売量又は実績市場占有率との関係を求める手順、該関係及び前記新製品の総合評価に基づき、前記各人の前記新製品の販売量又は市場占有率を算出する手順、該手順が算出した前記各人の前記新製品の販売量又は市場占有率を、前記各人の相関係数に基づいて階層化する手順、該手順が階層化した階層毎の前記販売量又は市場占有率の平均値及び信頼区間を算出する手順、並びに該手順が算出した階層毎の平均値及び信頼区間を出力する手順を、実行させる為のプログラムを記録したコンピュータ読み取り可能な記録媒体。
【００４２】
【発明の効果】
第１発明に係る新製品の初期投入量予測方法によれば、新製品を市場に投入する際に、その新製品の販売数量又は販売シェアを予測することが可能となる。
【００４３】
第２〜７発明に係る新製品の初期投入量予測方法及び新製品の初期投入量予測装置によれば、新製品を市場に投入する際に、その新製品の販売数量又は販売シェアを予測することが可能であり、また、製品に対する曖昧な評価項目の絞り込み、及び最も市場投入時の販売量又はシェアに影響している評価項目の選定が可能となり、また、人間が行う曖昧な評価を定量化することが可能となり、将来のマーケティングへの活用も可能となる。
【００４４】
第８〜１０発明に係る記録媒体を読み取ったコンピュータによれば、本発明に係る新製品の初期投入量予測装置として作動することが可能となり、本発明に係る初期投入量予測方法を実行することが可能となる。
【図面の簡単な説明】
【図１】 本発明に係る新製品の初期投入量予測方法及び新製品の初期投入量予測装置の実施の形態の要部構成を示す機能ブロック図である。
【図２】 構造化ニューラルネットワークの構成を模式的に示す説明図である。
【図３】 ニューロンを模式的に示す説明図である。
【図４】 構造化ニューラルネットワークの動作を模式的に示す説明図である。
【図５】 本発明に係る新製品の初期投入量予測装置の動作を示すフローチャートである。
【図６】 データを採るためのアンケート表の例を示す説明図である。
【図７】 評価テーブルの例を示す説明図である。
【図８】 本発明に係る新製品の初期投入量予測装置の動作を説明する為の説明図である。
【図９】 本発明に係る新製品の初期投入量予測装置の動作を説明する為の説明図である。
【図１０】 本発明に係る新製品の初期投入量予測装置の動作を説明する為の説明図である。
【図１１】 統計表の例を示す説明図である。
Claims (10)
- 新製品の発売時における販売量又は市場占有率をコンピュータを用いて予測する新製品の初期投入量予測方法であって、
過去の複数の製品及び前記新製品について、販売量又は市場占有率に影響すべき複数の要因のそれぞれについて、複数の評価者毎に数値により評価されたデータの入力を入力部から受け付け、
前記各評価者毎の前記製品及び新製品毎の総合評価を前記各要因の数値に基づき主成分分析部で算出し、
前記各評価者毎の前記製品毎の総合評価と該製品毎の実績販売量又は実績市場占有率との相関係数を相関係数算出部で算出し、
前記各評価者毎の前記製品毎の総合評価と該製品毎の実績販売量又は実績市場占有率との関係を回帰モデル作成部で求め、
該関係及び前記新製品の総合評価に基づき、前記評価者毎の前記新製品の販売量又は市場占有率を、予測シェア算出部で算出し、
算出した前記各評価者毎の前記新製品の販売量又は市場占有率を、前記各評価者の相関係数に基づいて階層化算出部で階層化し、
階層毎の、前記新製品の販売量又は市場占有率の平均値及び信頼区間を前記階層化算出部で算出し、
前記階層毎の平均値及び信頼区間を表示部で表示する
ことを特徴とする新製品の初期投入量予測方法。 - 新製品の発売時における販売量又は市場占有率をコンピュータを用いて予測する新製品の初期投入量予測方法であって、
過去の複数の製品及び前記新製品について、販売量又は市場占有率に影響すべき複数の要因のそれぞれについて、複数の評価者毎に数値により評価されたデータの入力を入力部から受け付け、
前記各評価者毎の前記各製品及び新製品の前記各要因の数値と該各製品の実績販売量又は実績市場占有率とに基づき、構造化ニューラルネットワークで、前記各評価者毎の前記新製品の販売量又は市場占有率を算出すると共に、該算出に寄与した前記要因及び該要因の大きさを求める一方、
前記各評価者毎の前記製品及び新製品毎の総合評価を前記各要因の数値に基づき主成分分析部で算出し、
前記各評価者毎の前記製品毎の総合評価と該製品毎の実績販売量又は実績市場占有率との相関係数を相関係数算出部で算出し、
前記構造化ニューラルネットワークで算出した前記各評価者毎の前記新製品の販売量又は市場占有率を、階層化算出部で、前記各評価者の相関係数に基づいて階層化し、階層毎の、前記新製品の販売量又は市場占有率の平均値及び信頼区間を算出し、
前記階層毎の平均値及び信頼区間、前記構造化ニューラルネットワークで算出した前記各評価者毎の販売量又は市場占有率、該算出に寄与した前記要因及び該要因の大きさを表示部で表示する
ことを特徴とする新製品の初期投入量予測方法。 - 新製品の発売時における販売量又は市場占有率をコンピュータを用いて予測する新製品の初期投入量予測方法であって、
過去の複数の製品及び前記新製品について、販売量又は市場占有率に影響すべき複数の要因のそれぞれについて、複数の評価者毎に数値により評価されたデータの入力を入力部から受け付け、
前記各評価者毎の前記各製品及び新製品の前記各要因の数値と該各製品の実績販売量又は実績市場占有率とに基づき、構造化ニューラルネットワークで、前記各評価者毎の前記新製品の販売量又は市場占有率を算出すると共に、該算出に寄与した前記要因及び該要因の大きさを求める一方、
前記各評価者毎の前記製品及び新製品毎の総合評価を前記各要因の数値に基づき主成分分析部で算出し、
前記各評価者毎の前記製品毎の総合評価と該製品毎の実績販売量又は実績市場占有率との関係を回帰モデル作成部で求め、
該関係及び前記新製品の総合評価に基づき、前記評価者毎の前記新製品の販売量又は市場占有率を、予測シェア算出部で算出し、
算出した前記各評価者毎の前記新製品の販売量又は市場占有率、前記構造化ニューラルネットワークで算出した前記各評価者毎の販売量又は市場占有率、該算出に寄与した前記要因及び該要因の大きさを表示部で表示する
ことを特徴とする新製品の初期投入量予測方法。 - 新製品の発売時における販売量又は市場占有率をコンピュータを用いて予測する新製品の初期投入量予測方法であって、
過去の複数の製品及び前記新製品について、販売量又は市場占有率に影響すべき複数の要因のそれぞれについて、複数の評価者毎に数値により評価されたデータの入力を入力部から受け付け、
前記各評価者毎の前記各製品及び新製品の前記各要因の数値と該各製品の実績販売量又は実績市場占有率とに基づき、構造化ニューラルネットワークで、前記各評価者毎の前記新製品の販売量又は市場占有率を算出すると共に、該算出に寄与した前記要因及び該要因の大きさを求める一方、
前記各評価者毎の前記製品及び新製品毎の総合評価を前記各要因の数値に基づき主成分分析部で算出し、
前記各評価者毎の前記製品毎の総合評価と該製品毎の実績販売量又は実績市場占有率との相関係数を相関係数算出部で算出し、
前記各評価者毎の前記製品毎の総合評価と該製品毎の実績販売量又は実績市場占有率との関係を回帰モデル作成部で求め、
該関係及び前記新製品の総合評価に基づき、前記評価者毎の前記新製品の販売量又は市場占有率を、予測シェア算出部で算出し、
算出した前記各評価者毎の前記新製品の販売量又は市場占有率を、前記各評価者の相関係数に基づいて階層化算出部で階層化し、
階層毎の、前記新製品の販売量又は市場占有率の平均値及び信頼区間を前記階層化算出部で算出し、
前記階層毎の平均値及び信頼区間、前記構造化ニューラルネットワークで算出した前記各評価者毎の販売量又は市場占有率、該算出に寄与した前記要因及び該要因の大きさを表示部で表示する
ことを特徴とする新製品の初期投入量予測方法。 - 前記主成分分析部は、
前記各要因の数値に基づく主成分分析により前記総合評価を算出するようにしてある
請求項１〜４の何れかに記載の新製品の初期投入量予測方法。 - 前記回帰モデル作成部は、
前記総合評価を説明変量、前記実績販売量又は実績市場占有率を被説明変量とする回帰分析により、前記製品毎の総合評価と該製品毎の実績販売量又は実績市場占有率との関係を求める
請求項１、３〜５の何れかに記載の新製品の初期投入量予測方法。 - 新製品の発売時における販売量又は市場占有率を予測する新製品の初期投入量予測装置であって、
過去の複数の製品及び前記新製品について、販売量又は市場占有率に影響すべき複数の要因のそれぞれについて、複数の評価者毎に数値により評価されたデータの入力を受け付ける入力部と、
前記各評価者毎の前記製品及び新製品毎の総合評価を前記各要因の数値に基づき算出する主成分分析部と、
前記各評価者毎の前記製品毎の総合評価と該製品毎の実績販売量又は実績市場占有率との相関係数を算出する相関係数算出部と、
前記各評価者毎の前記製品毎の総合評価と該製品毎の実績販売量又は実績市場占有率との関係を求める回帰モデル作成部と、
該関係及び前記新製品の総合評価に基づき、前記評価者毎の前記新製品の販売量又は市場占有率を算出する予測シェア算出部と、
算出した前記各評価者毎の前記新製品の販売量又は市場占有率を、前記各評価者の相関係数に基づいて階層化し、階層化した階層毎の、前記新製品の販売量又は市場占有率の平均値及び信頼区間を算出する階層化算出部と、
前記階層毎の平均値及び信頼区間を表示する表示部と
を備えることを特徴とする新製品の初期投入量予測装置。 - コンピュータに、新製品の発売時における販売量又は市場占有率を予測させる為のプログラムを記録したコンピュータ読み取り可能な記録媒体であって、
コンピュータを、
過去の複数の製品の実績販売量又は実績市場占有率を含み、該複数の製品及び前記新製品について、販売量又は市場占有率に影響すべき複数の要因のそれぞれについて、複数の評価者毎に数値により評価されたデータを入力する入力部、
前記各評価者毎の前記各製品及び新製品の前記各要因の数値と該各製品の前記実績販売量又は実績市場占有率とに基づき、前記各評価者毎の前記新製品の販売量又は市場占有率を算出すると共に、該算出に寄与した前記要因及び該要因の大きさを求める構造化ニューラルネットワーク、
前記各評価者毎の前記製品及び新製品毎の総合評価を前記各要因の数値に基づき算出する主成分分析部、
前記各評価者毎の前記製品毎の総合評価と該製品毎の前記実績販売量又は実績市場占有率との相関係数を算出する相関係数算出部、
前記構造化ニューラルネットワークが算出した前記各評価者毎の前記新製品の販売量又は市場占有率を、前記各評価者の相関係数に基づいて階層化し、階層化した階層毎の前記販売量又は市場占有率の平均値及び信頼区間を算出する階層化算出部、並びに、
該階層化算出部が算出した階層毎の平均値及び信頼区間、前記構造化ニューラルネットワークが算出した前記各評価者毎の販売量又は市場占有率、該算出に寄与した前記要因及び該要因の大きさを出力する表示部として機能させる為のプログラムを記録したコンピュータ読み取り可能な記録媒体。 - コンピュータに、新製品の発売時における販売量又は市場占有率を予測させる為のプログラムを記録したコンピュータ読み取り可能な記録媒体であって、
コンピュータを、
過去の複数の製品の実績販売量又は実績市場占有率を含み、該複数の製品及び前記新製品について、販売量又は市場占有率に影響すべき複数の要因のそれぞれについて、複数の評価者毎に数値により評価されたデータを入力する入力部、
前記各評価者毎の前記各製品及び新製品の前記各要因の数値と該各製品の前記実績販売量又は実績市場占有率とに基づき、前記各評価者毎の前記新製品の販売量又は市場占有率を算出すると共に、該算出に寄与した前記要因及び該要因の大きさを求める構造化ニューラルネットワーク、
前記各評価者毎の前記製品及び新製品毎の総合評価を前記各要因の数値に基づき算出する主成分分析部、
前記各評価者毎の前記製品毎の総合評価と該製品毎の前記実績販売量又は実績市場占有率との関係を求める回帰モデル作成部、
該関係及び前記新製品の総合評価に基づき、前記各評価者毎の前記新製品の販売量又は市場占有率を算出する予測シェア算出部、並びに、
該予測シェア算出部が算出した前記各評価者毎の前記新製品の販売量又は市場占有率、前記構造化ニューラルネットワークが算出した前記各評価者毎の販売量又は市場占有率、該算出に寄与した前記要因及び該要因の大きさを出力する表示部
として機能させる為のプログラムを記録したコンピュータ読み取り可能な記録媒体。 - コンピュータに、新製品の発売時における販売量又は市場占有率を予測させる為のプログラムを記録したコンピュータ読み取り可能な記録媒体であって、
コンピュータを、
過去の複数の製品の実績販売量又は実績市場占有率を含み、該複数の製品及び前記新製品について、販売量又は市場占有率に影響すべき複数の要因のそれぞれについて、複数の評価者毎に数値により評価されたデータを入力する入力部、
前記各評価者毎の前記各製品及び新製品の前記各要因の数値と該各製品の前記実績販売量又は実績市場占有率とに基づき、前記各評価者毎の前記新製品の販売量又は市場占有率を算出すると共に、該算出に寄与した前記要因及び該要因の大きさを求める構造化ニューラルネットワーク、
前記各評価者毎の前記製品及び新製品毎の総合評価を前記各要因の数値に基づき算出する主成分分析部、
前記各評価者毎の前記製品毎の総合評価と該製品毎の前記実績販売量又は実績市場占有率との相関係数を算出する相関係数算出部、
前記各評価者毎の前記製品毎の総合評価と該製品毎の前記実績販売量又は実績市場占有率との関係を求める回帰モデル作成部、
該関係及び前記新製品の総合評価に基づき、前記各評価者毎の前記新製品の販売量又は市場占有率を算出する予測シェア算出部、
該予測シェア算出部が算出した前記各評価者毎の前記新製品の販売量又は市場占有率を、前記各評価者の相関係数に基づいて階層化し、階層化した階層毎の前記販売量又は市場占有率の平均値及び信頼区間を算出する階層化算出部、並びに、
該階層化算出部が算出した階層毎の平均値及び信頼区間、前記構造化ニューラルネットワークが算出した前記各評価者毎の販売量又は市場占有率、該算出に寄与した前記要因及び該要因の大きさを出力する表示部
として機能させる為のプログラムを記録したコンピュータ読み取り可能な記録媒体。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000391514A JP4678943B2 (ja) | 2000-12-22 | 2000-12-22 | 新製品の初期投入量予測方法、新製品の初期投入量予測装置及び記録媒体 |
| US09/870,021 US7246079B2 (en) | 2000-12-22 | 2001-05-31 | Method of predicting initial input of new product, system for predicting initial input of new product, and recording medium |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000391514A JP4678943B2 (ja) | 2000-12-22 | 2000-12-22 | 新製品の初期投入量予測方法、新製品の初期投入量予測装置及び記録媒体 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2002197400A JP2002197400A (ja) | 2002-07-12 |
| JP4678943B2 true JP4678943B2 (ja) | 2011-04-27 |
Family
ID=18857638
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2000391514A Expired - Lifetime JP4678943B2 (ja) | 2000-12-22 | 2000-12-22 | 新製品の初期投入量予測方法、新製品の初期投入量予測装置及び記録媒体 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US7246079B2 (ja) |
| JP (1) | JP4678943B2 (ja) |
Families Citing this family (35)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030101090A1 (en) * | 2001-11-13 | 2003-05-29 | Ford Motor Company | Method for determining a feature introduction timing plan for a product |
| US7324955B1 (en) * | 2002-02-11 | 2008-01-29 | I2 Technologies Us, Inc. | Generating a sales volume forecast |
| US7092844B1 (en) * | 2004-07-20 | 2006-08-15 | Trilogy Development Group. Inc. | Determining confidence intervals for weighted trial data |
| US7359758B2 (en) * | 2006-03-21 | 2008-04-15 | International Business Machines Corporation | Methods, systems, and computer program products for implementing a reusable new product planning model |
| AU2006202302B1 (en) * | 2006-05-30 | 2006-11-23 | Forethought Pty Ltd | Market research analysis method |
| US20070282619A1 (en) * | 2006-05-31 | 2007-12-06 | Caterpillar Inc. | Conjoint method for making decisions regarding patent assertion and patent licensing |
| EP2130146A4 (en) | 2007-03-29 | 2011-08-24 | Neurofocus Inc | ANALYSIS OF THE EFFECTIVENESS OF MARKETING AND ENTERTAINMENT CONTENTS |
| US8392253B2 (en) | 2007-05-16 | 2013-03-05 | The Nielsen Company (Us), Llc | Neuro-physiology and neuro-behavioral based stimulus targeting system |
| US20080294498A1 (en) * | 2007-05-24 | 2008-11-27 | Christopher Adrien | Methods and apparatus to improve market launch performance |
| US20090024446A1 (en) * | 2007-07-20 | 2009-01-22 | Shan Jerry Z | Providing a model of a life cycle of an enterprise offering |
| KR20100038107A (ko) | 2007-07-30 | 2010-04-12 | 뉴로포커스, 인크. | 신경-반응 자극 및 자극 속성 공명 추정기 |
| JP4860570B2 (ja) * | 2007-07-31 | 2012-01-25 | トヨタ自動車株式会社 | シェア予測装置及びシェア予測方法及びシェア予測用プログラム |
| US8386313B2 (en) | 2007-08-28 | 2013-02-26 | The Nielsen Company (Us), Llc | Stimulus placement system using subject neuro-response measurements |
| US8392255B2 (en) | 2007-08-29 | 2013-03-05 | The Nielsen Company (Us), Llc | Content based selection and meta tagging of advertisement breaks |
| US20090083129A1 (en) | 2007-09-20 | 2009-03-26 | Neurofocus, Inc. | Personalized content delivery using neuro-response priming data |
| US8332883B2 (en) | 2007-10-02 | 2012-12-11 | The Nielsen Company (Us), Llc | Providing actionable insights based on physiological responses from viewers of media |
| JP2011505175A (ja) | 2007-10-31 | 2011-02-24 | エムセンス コーポレイション | 視聴者からの生理的反応の分散収集および集中処理を提供するシステムおよび方法 |
| US8818838B1 (en) | 2009-03-12 | 2014-08-26 | Henry Rak Consulting Partners, LLC | System and method for efficiently developing a hypothesis regarding the structure of a market |
| US20100250325A1 (en) | 2009-03-24 | 2010-09-30 | Neurofocus, Inc. | Neurological profiles for market matching and stimulus presentation |
| US9727616B2 (en) * | 2009-07-06 | 2017-08-08 | Paypal, Inc. | Systems and methods for predicting sales of item listings |
| US8386406B2 (en) | 2009-07-08 | 2013-02-26 | Ebay Inc. | Systems and methods for making contextual recommendations |
| US10987015B2 (en) | 2009-08-24 | 2021-04-27 | Nielsen Consumer Llc | Dry electrodes for electroencephalography |
| US20110106750A1 (en) | 2009-10-29 | 2011-05-05 | Neurofocus, Inc. | Generating ratings predictions using neuro-response data |
| US9560984B2 (en) | 2009-10-29 | 2017-02-07 | The Nielsen Company (Us), Llc | Analysis of controlled and automatic attention for introduction of stimulus material |
| DE102010038930A1 (de) * | 2010-08-04 | 2012-02-09 | Christian Kayser | Verfahren und System zum Erzeugen eines Prognosenetzwerkes |
| US8543446B2 (en) * | 2011-02-28 | 2013-09-24 | The Nielsen Company (Us), Llc. | Methods and apparatus to predict new product performance metrics |
| US9569986B2 (en) | 2012-02-27 | 2017-02-14 | The Nielsen Company (Us), Llc | System and method for gathering and analyzing biometric user feedback for use in social media and advertising applications |
| US20130304567A1 (en) * | 2012-05-11 | 2013-11-14 | Christopher Adrien | Methods and appartus to assess marketing concepts prior to market participation |
| US9936250B2 (en) | 2015-05-19 | 2018-04-03 | The Nielsen Company (Us), Llc | Methods and apparatus to adjust content presented to an individual |
| JP6031210B1 (ja) * | 2016-07-12 | 2016-11-24 | サイジニア株式会社 | 販売予測装置、販売予測方法、およびプログラム |
| CN109948773A (zh) * | 2017-12-20 | 2019-06-28 | 北京京东尚科信息技术有限公司 | 生成信息的方法和装置 |
| JP7033490B2 (ja) * | 2018-04-26 | 2022-03-10 | 株式会社日立物流 | 在庫管理装置、在庫管理方法及びプログラム |
| CN108846690A (zh) * | 2018-05-31 | 2018-11-20 | 郑州云海信息技术有限公司 | 一种商品评价方法、系统、存储介质和计算机设备 |
| CN111008736A (zh) * | 2019-11-28 | 2020-04-14 | 海南太美航空股份有限公司 | 用于新航线的开通决策方法及系统 |
| CN115335844A (zh) * | 2020-03-31 | 2022-11-11 | 柯尼卡美能达株式会社 | 设计评价装置、学习装置、程序以及设计评价方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09120395A (ja) * | 1995-08-24 | 1997-05-06 | Toyota Motor Corp | 次期商品販売予測装置および次期商品販売予測方法 |
| JPH10143490A (ja) * | 1996-11-07 | 1998-05-29 | Fujitsu Ltd | 需要予測方法、需要予測システム及び記録媒体 |
| JP2000029950A (ja) * | 1998-07-14 | 2000-01-28 | Fujitsu Ltd | 投入計画作成システム及び投入計画作成方法並びにそのプログラムを格納した記憶媒体 |
| JP2000200260A (ja) * | 1998-07-21 | 2000-07-18 | Toyota Motor Corp | 商品販売数予測システム |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5402519A (en) * | 1990-11-26 | 1995-03-28 | Hitachi, Ltd. | Neural network system adapted for non-linear processing |
| CA2118885C (en) * | 1993-04-29 | 2005-05-24 | Conrad K. Teran | Process control system |
| JPH07175787A (ja) * | 1993-12-16 | 1995-07-14 | Kao Corp | 販売量予測装置 |
| US5774868A (en) * | 1994-12-23 | 1998-06-30 | International Business And Machines Corporation | Automatic sales promotion selection system and method |
| JPH09120935A (ja) | 1995-10-24 | 1997-05-06 | Hitachi Aic Inc | タンタル固体電解コンデンサ |
| US6029139A (en) * | 1998-01-28 | 2000-02-22 | Ncr Corporation | Method and apparatus for optimizing promotional sale of products based upon historical data |
| JP2000112914A (ja) * | 1998-10-09 | 2000-04-21 | Toshiba Corp | 神経回路網の学習方法 |
| US6978249B1 (en) * | 2000-07-28 | 2005-12-20 | Hewlett-Packard Development Company, L.P. | Profile-based product demand forecasting |
-
2000
- 2000-12-22 JP JP2000391514A patent/JP4678943B2/ja not_active Expired - Lifetime
-
2001
- 2001-05-31 US US09/870,021 patent/US7246079B2/en not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09120395A (ja) * | 1995-08-24 | 1997-05-06 | Toyota Motor Corp | 次期商品販売予測装置および次期商品販売予測方法 |
| JPH10143490A (ja) * | 1996-11-07 | 1998-05-29 | Fujitsu Ltd | 需要予測方法、需要予測システム及び記録媒体 |
| JP2000029950A (ja) * | 1998-07-14 | 2000-01-28 | Fujitsu Ltd | 投入計画作成システム及び投入計画作成方法並びにそのプログラムを格納した記憶媒体 |
| JP2000200260A (ja) * | 1998-07-21 | 2000-07-18 | Toyota Motor Corp | 商品販売数予測システム |
Also Published As
| Publication number | Publication date |
|---|---|
| US20020082902A1 (en) | 2002-06-27 |
| JP2002197400A (ja) | 2002-07-12 |
| US7246079B2 (en) | 2007-07-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4678943B2 (ja) | 新製品の初期投入量予測方法、新製品の初期投入量予測装置及び記録媒体 | |
| Wang et al. | A novel hybrid method of forecasting crude oil prices using complex network science and artificial intelligence algorithms | |
| CN110503531B (zh) | 时序感知的动态社交场景推荐方法 | |
| Sadaei et al. | Combining ARFIMA models and fuzzy time series for the forecast of long memory time series | |
| US10181138B2 (en) | System and method for determining retail-business-rule coefficients from current prices | |
| JPH05342191A (ja) | 経済時系列データ予測及び解析システム | |
| CN108052979A (zh) | 对模型预测值进行融合的方法、装置和设备 | |
| JP5251217B2 (ja) | 販売数予測システム、販売数予測システムの動作方法および販売数予測プログラム | |
| CN102165442A (zh) | 对用于市场份额预测的选择预测系统进行定标 | |
| JP2018005563A (ja) | 処理装置、処理方法及びプログラム | |
| Ravazzolo et al. | Oil-price density forecasts of US GDP | |
| Shi et al. | State dependent parallel neural Hawkes process for limit order book event stream prediction and simulation | |
| Zhang | Prediction of Purchase Volume of Cross‐Border e‐Commerce Platform Based on BP Neural Network | |
| Xie et al. | Forecasting RMB exchange rate based on a nonlinear combination model of ARFIMA, SVM, and BPNN | |
| Hyde et al. | Investigating concurrency in online auctions through visualization | |
| Chen et al. | Fuzzy-neural approaches with example post-classification for estimating job cycle time in a wafer fab | |
| Camelia et al. | A Computational Grey Based Model for Companies Risk Forecasting. | |
| Anish et al. | Development and evaluation of novel forecasting adaptive ensemble model | |
| WO2023120126A1 (ja) | 販売数量予測システム、販売数量予測方法 | |
| Jank et al. | Dynamic, real-time forecasting of online auctions via functional models | |
| Chan et al. | Forecasting online auctions via self‐exciting point processes | |
| Vroomen et al. | Modeling consideration sets and brand choice using artificial neural networks | |
| WO2013055257A1 (ru) | Способ прогноза целевого показателя событий по неограниченному количеству характеристик | |
| CN113240359A (zh) | 一种应对外界重大变动的需求预测方法 | |
| JPH08221384A (ja) | 販売量予測方法および装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20071120 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100330 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100521 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20101109 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20110111 |
|
| 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: 20110201 |
|
| 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: 20110201 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 Ref document number: 4678943 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140210 Year of fee payment: 3 |
|
| EXPY | Cancellation because of completion of term |