JP4987499B2 - 需要予測装置、需要予測方法、及び、需要予測プログラム - Google Patents

Description

本発明は、主に需要予測装置、需要予測方法、及び、需要予測プログラムに関する。

製造業や、流通業などにおいて、消費者の需要量に対して商品の在庫が不足したり、在庫が過剰になることなく、商品の供給や、入荷の計画をたてることにより、在庫を保管する費用や、過剰な在庫を在庫不足の拠点に搬送する費用などを抑えることができる。したがって、商品の販売価格を抑え、かつ、利益率の向上に繋げるために、高精度な需要予測を行い、消費者の需要動向に応じた供給、入荷、販売等の計画を行いたいというニーズが高まっている。
このようなニーズに対し、例えば、特許文献１に示すように、需要予測対象の新商品の販売実績に応じて、この新商品に類似する既存商品と同じ需要の挙動を示す需要パターンを選択し、類似の既存商品の過去の販売実績と同様の需要曲線と、実際に新商品を販売した直後の販売情報とによって新商品の需要予測を行う方法などが提案されている。
特願平３−２６３０７５号公報

しかしながら、発売前、又は、発売直後において新商品の需要の予測を行う場合、需要予測対象の商品の実際の販売実績の蓄積が十分ではないため、単純に販売実績データを用いて予測モデルのパラメータを算出するような、統計的予測モデル式の適用では、低い予測精度しか得られない場合が多い。
また、類似の既存商品の過去の販売実績と同様の需要曲線によって新商品の需要予測を行う方法の場合、既存商品と、需要予測対象の新商品とでは、発売時期が異なるため、市場の様子が急速に変化していることがある。さらに、単純に既存商品と同様の需要の挙動を示すと仮定することは、他の商品とのシェアの奪い合いなど、他商品との関係が考慮されない。したがって、これらの要因により、高い予測精度が得られないことが多いという問題がある。
また、楽曲が記録されているＣＤ（compact disk）や、映像が記録されているＤＶＤ（digital versatile disk）など、発売直後に需要が急激に増加するが、すぐに需要が減少するような商品の需要予測を行う場合、時間に対するｎ次多項式関数や、折れ線関数のような数学モデルでは、数学モデルに当てはまらない場合が多く、高い予測精度が得られない場合が多いという問題がある。

本発明は、このような事情を考慮し、上記の問題を解決すべくなされたもので、その目的は、商品の需要を予測する需要予測装置において、短期間で売上が急激に変化するような商品に対しても、商品の発売前に、発売時期に精度が左右されることなく高精度な新商品の需要予測値を算出することができる需要予測装置、需要予測方法、及び、需要予測プログラムを提供することにある。

上記問題を解決するために、本発明の需要予測装置は、商品種別ごとに予め定められる商品種別識別情報が付与される商品のうち、需要予測対象である予測対象商品の売上の予測値を算出する需要予測装置であって、既存商品ごとに、当該既存商品の商品種別識別情報と、当該既存商品の特性を示す属性情報とを含む既存商品情報を記憶する既存商品属性情報記憶部と、既存商品ごとに、時系列に応じた当該既存商品の売上情報を含む既存商品販売実績情報を記憶する既存商品販売実績情報記憶部と、新商品である予測対象商品の商品種別識別情報と、当該予測対象商品の特性を示す属性情報とを含む予測対象商品情報を記憶する予測対象商品情報記憶部と、前記予測対象商品の商品種別識別情報と一致する商品種別識別情報を含む既存商品情報を前記既存商品属性情報記憶部から読み出し、読み出した既存商品情報の属性情報と前記予測対象商品情報の属性情報とに基づいて、当該既存商品情報が前記予測対象商品情報と類似するか否かを判定し、類似すると判定した既存商品情報を類似既存商品情報とする類似既存商品判定部と、前記既存商品販売実績情報に基づき、前記予測対象商品の商品種別識別情報と一致する前記商品種別識別情報が付与される全ての前記既存商品の商品種別全体需要値を、前記時系列に応じて算出する商品種別全体需要値算出部と、前記類似既存商品の既存商品情報である類似既存商品情報に含まれる売上情報に基づき、前記予測対象商品の商品種別に属する全ての前記既存商品の売上に対する類似既存商品の売上比率を、前記時系列に応じて算出し、算出した売上比率の時間推移における売上傾向を算出する売上傾向算出部と、前記商品種別全体需要値算出部が算出する前記商品種別全体需要値と、前記売上傾向算出部が算出する前記売上傾向とに基づき、時系列に応じた前記予測対象商品の売上予測値を算出する需要値算出部とを有することを特徴とする需要予測装置である。

また、本発明の需要予測装置の前記売上傾向算出部が、前記類似既存商品の類似既存商品情報に対応する前記売上情報に基づき、前記商品種別に属する全ての売上に対する前記類似既存商品の売上比率を時系列ごとに算出し、前記類似既存商品の売上傾向を得るとともに、少なくとも最大シェア値、シェア推移のピーク位置、シェア推移の減衰速度を表す値を前記売上傾向を表す変数として算出することを特徴とする。

また、本発明の需要予測装置の前記需要値算出部が、前記予測対象商品の売上予測対象日時をｄとし、前記予測対象商品の識別情報をｊとし、前記商品種別全体需要値算出部が算出する前記商品種別全体需要値をλ_dとし、前記最大シェア値をａ_k1とし、シェア推移のピーク位置をａ_k2とし、シェア推移の減衰速度をａ_k3として、下記式（１）に基づき、前記予測対象商品の前記売上予測値λ _ｊdを算出することを特徴とする。

また、本発明の需要予測方法は、商品種別ごとに予め定められる商品種別識別情報が付与される商品のうち、需要予測対象である予測対象商品の売上の予測値を算出する需要予測装置の需要予測方法であって、既存商品ごとに、当該既存商品の商品種別識別情報と、当該既存商品の特性を示す属性情報とを含む既存商品情報を既存商品属性情報記憶部に記憶する既存商品属性情報記憶過程と、既存商品ごとに、時系列に応じた当該既存商品の売上情報を含む既存商品販売実績情報を既存商品販売実績情報記憶部に記憶する既存商品販売実績情報記憶過程と、新商品である予測対象商品の商品種別識別情報と、当該予測対象商品の特性を示す属性情報とを含む予測対象商品情報を予測対象商品情報記憶部に記憶する予測対象商品情報記憶過程と、前記予測対象商品の商品種別識別情報と一致する商品種別識別情報を含む既存商品情報を前記既存商品属性情報記憶部から読み出し、読み出した既存商品情報の属性情報と前記予測対象商品情報の属性情報とに基づいて、当該既存商品情報が前記予測対象商品情報と類似するか否かを判定し、類似すると判定した既存商品情報を類似既存商品情報とする類似既存商品判定過程と、前記既存商品販売実績情報に基づき、前記予測対象商品の商品種別識別情報と一致する前記商品種別識別情報が付与される全ての前記既存商品の商品種別全体需要値を、前記時系列に応じて算出する商品種別全体需要値算出過程と、前記類似既存商品の既存商品情報である類似既存商品情報に含まれる売上情報に基づき、前記予測対象商品の商品種別に属する全ての前記既存商品の売上に対する類似既存商品の売上比率を、前記時系列に応じて算出し、算出した売上比率の時間推移における売上傾向を算出する売上傾向算出過程と、算出した前記商品種別全体需要値と、算出した前記売上傾向とに基づき、時系列に応じた前記予測対象商品の売上予測値を算出する需要値算出過程とを有することを特徴とする。

また、本発明の需要予測プログラムは、商品種別ごとに予め定められる商品種別識別情報が付与される商品のうち、需要予測対象である予測対象商品の売上の予測値を算出する需要予測装置のコンピュータに、既存商品ごとに、当該既存商品の商品種別識別情報と、当該既存商品の特性を示す属性情報とを含む既存商品情報を既存商品属性情報記憶部に記憶する既存商品属性情報記憶手順と、既存商品ごとに、時系列に応じた当該既存商品の売上情報を含む既存商品販売実績情報を既存商品販売実績情報記憶部に記憶する既存商品販売実績情報記憶手順と、新商品である予測対象商品の商品種別識別情報と、当該予測対象商品の特性を示す属性情報とを含む予測対象商品情報を予測対象商品情報記憶部に記憶する予測対象商品情報記憶手順と、前記予測対象商品の商品種別識別情報と一致する商品種別識別情報を含む既存商品情報を前記既存商品属性情報記憶部から読み出し、読み出した既存商品情報の属性情報と前記予測対象商品情報の属性情報とに基づいて、当該既存商品情報が前記予測対象商品情報と類似するか否かを判定し、類似すると判定した既存商品情報を類似既存商品情報とする類似既存商品判定手順と、前記既存商品販売実績情報に基づき、前記予測対象商品の商品種別識別情報と一致する前記商品種別識別情報が付与される全ての前記既存商品の商品種別全体需要値を、前記時系列に応じて算出する商品種別全体需要値算出手順と、前記類似既存商品の既存商品情報である類似既存商品情報に含まれる売上情報に基づき、前記予測対象商品の商品種別に属する全ての前記既存商品の売上に対する類似既存商品の売上比率を、前記時系列に応じて算出し、算出した売上比率の時間推移における売上傾向を算出する売上傾向算出手順と、算出した前記商品種別全体需要値と、算出した前記売上傾向とに基づき、時系列に応じた前記予測対象商品の売上予測値を算出する需要値算出手順とを実行させることを特徴とする。

本発明によれば、商品種別ごとに予め定められる商品種別識別情報が付与される商品のうち、需要予測対象である予測対象商品の売上の予測値を算出する需要予測装置であって、商品種別識別情報、及び、時系列ごとの売上情報を含む、既存商品情報を記憶する既存商品情報記憶部と、予測対象商品の商品種別識別情報である予測対象商品種別識別情報を含む予測対象商品の予測対象商品情報を入力する予測対象商品情報入力部と、予測対象商品種別識別情報と一致する商品種別識別情報を含む既存商品情報を既存商品情報記憶部から読み出し、読み出した既存商品情報が、予測対象商品情報と類似するか否かを判定し、類似すると判定した既存商品情報を類似既存商品情報とする類似既存商品判定部と、既存商品情報に含まれる前記売上情報に基づき、予測対象商品種別識別情報と一致する商品種別識別情報が付与される全ての既存商品の商品種別全体需要値を算出する商品種別全体需要値算出部と、類似既存商品の既存商品情報である類似既存商品情報に含まれる売上情報に基づき、商品種別に属する全ての既存商品の売上に対する類似既存商品の売上比率を算出し、算出した売上比率の時間推移における売上傾向を算出する売上傾向算出部と、商品種別需要値算出部が算出する商品種別需要値と、売上傾向算出部が算出する売上傾向とに基づき、需要予測対象商品の売上予測値を算出する需要値算出部とを有することとした。
これにより、類似既存商品の売上傾向と、同じ商品種別に属する他の商品との比率とを売上予測計算に用いることにより、時系列的に予測対象商品の売上予測値を算出することが可能となる効果がある。また、予測対象商品の売上実績の情報を用いずに売上予測値を算出することができるため、急激に売上が変化する商品に対しても、商品発売前に予測値を算出することが可能となる効果がある。

また、本発明によれば、需要予測装置において、既存商品情報が、時系列ごとの売上を示す売上情報と、当該時系列における発売日からの経過日数である発売後経過日数情報とを含み、売上傾向算出部が、類似既存商品の商品種別に属する全ての売上に対する類似既存商品の売上比率を時系列ごとに算出し、類似既存商品の売上傾向を得るとともに、少なくとも最大シェア値、シェア推移のピーク位置、シェア推移の減衰速度を表す値を売上傾向を表す変数として算出することとした。
これにより、既存商品の発売後経過日数に基づく売上傾向を算出することができるため、発売後経過日数に基づく売上傾向に基づいて需要予測値を算出することが可能となる効果がある。

また、本発明によれば、需要予測装置において、需要値算出部が、需要予測対象商品の売上予測対象日時をｄとし、需要予測対象商品の識別情報をｊとし、売上傾向算出部が算出する類似既存商品の売上傾向をλ_dとし、最大シェア値をａ_k1とし、シェア推移のピーク位置をａ_k2とし、シェア推移の減衰速度をａ_k3として、式（１）に基づき、需要予測対象商品の売上予測値λ_idを算出することとした。
これにより、指数関数を含む式（１）を用いて、類似既存商品における売上傾向、最大シェア値、シェア推移のピーク位置、シェア推移の減衰速度を示す値を考慮して、需要予測対象商品の売上予測値を算出できるという効果がある。

以下、本発明の一実施形態による既に過去に販売された商品、すなわち、既存商品の販売実績等を含む情報に基づき、販売前、若しくは販売直後の商品、すなわち、新商品の需要の予測値を算出する需要予測装置１を図面を参照して説明する。
ここで、既存商品の販売実績の情報とは、既存商品の売上数の情報であり、本実施形態において、新商品の需要の予測値とは、購入されるであろう新商品の予測売上数として説明する。また、需要予測対象となる、急激に売上が変化する商品の一例として、楽曲が記録されているＣＤ（compact disk）を例に説明する。また、需要予測対象の新商品の売上の予測値は、後述する「商品種別全体需要値」と、「セグメント代表商品シェア」との要素に分けた予測モデル式を用いて算出する。

図１は、需要予測装置１の構成を示すブロック図である。需要予測装置１は、例えば、パーソナルコンピュータ、ＰＤＡ（Personal Digital Assistants：情報携帯端末）、携帯電話などのコンピュータ端末であり、既存商品情報ＤＢ（データベース）１００、新商品情報ＤＢ２００、既存商品分類部３００、新商品所属セグメント判定部４００、セグメント代表商品シェア波形パラメータ算出部５００、商品種別全体需要値算出部６００、新商品需要値算出部７００、出力部８００、入力部９００を備える。

既存商品情報ＤＢ１００は、既存商品属性情報テーブルＤＢ１０１、既存商品販売実績情報テーブルＤＢ１０２、気象情報テーブルＤＢ１０３を備えており、過去に販売した商品に関する情報を記憶する。
既存商品属性情報テーブルＤＢ１０１は、図２に示すように、既存商品に関する既存商品情報を商品種別ごとのテーブルとして記憶する。ここで、商品種別とは、例えば、ＣＤ、ＤＶＤ、書籍、ゲーム、ビデオ、食品などの、商品の種類を示す。

既存商品情報は、例えば商品種別がＣＤの場合、既存商品のＣＤに予め付与された商品識別情報である商品ＪＡＮ（Japanese Article Number）コードと、楽曲のアーティスト名情報と、シングルＣＤ又はマキシシングルＣＤ又はアルバムのいずれであるかを示すＣＤ種別情報と、販売価格と、発売日情報と、生産国識別情報と、大ジャンル識別情報と、中ジャンル識別情報と、小ジャンル識別情報と、曲数と、当該ＣＤのアーティストによる通算発売ＣＤの枚数と、当該ＣＤのアーティストのデビュー後の経過年数と、当該ＣＤに含まれる楽曲がテレビやラジオ等のＣＭ（commercial message）に用いられたか否かを示すＣＭソング該当有無情報と、当該ＣＤに含まれる楽曲がテレビドラマ等の主題歌に用いられたか否かを示すドラマ主題歌該当有無情報と、当該ＣＤに含まれる楽曲が過去に発売した楽曲を再編集した楽曲であるか否かを示すリメイク該当有無情報とが対応付られた情報である。

なお、図２に示す既存商品属性情報テーブルＤＢ１０１のテーブル例は、商品種別がＣＤである場合についての一例であり、他の商品種別においては、商品種別が有する特性に応じて異なるデータ構成として、既存商品属性情報テーブルＤＢ１０１に予め記憶されている。
また、大ジャンル識別情報とは、例えば、商品の楽曲をＰＯＰＳ（ポピュラー音楽）、ＪＡＺＺ、クラシック音楽、演歌などに分類した場合に、該当楽曲が属する楽曲の種類を識別する情報である。また、中ジャンル識別情報とは、大ジャンルにおける分類よりもさらに細分化した分類方法、例えば、発表年代などによる商品の楽曲の分類方法により分類した場合に、該当楽曲が属する楽曲の種類を識別する情報である。同様に、小ジャンル識別情報とは、中ジャンルにおける分類よりもさらに細分化した分類方法による商品の楽曲の分類方法により分類した場合に、該当楽曲が属する楽曲の種類を識別する情報である。

既存商品販売実績情報テーブルＤＢ１０２は、図３に示すように、既存商品ごとに、既存商品に付与される商品ＪＡＮコードと、当該既存商品の売上日情報と、当該売上日が既存商品の発売日から何日経過しているかを示す発売後経過日数と、当該売上日に購入された既存商品の数量を示す売上数量と、既存商品がいずれの商品種別であるかを示す商品種別識別情報とを対応付けて既存商品の販売実績情報として、テーブルとして記憶する。
気象情報テーブルＤＢ１０３は、気象情報を記憶しており、例えば、図４に示すように、日時ごとに、降水の有無を示す降水有無情報と、気温情報とを対応付けてテーブルとして記憶する。

既存商品分類部３００は、予め既存商品属性情報テーブルＤＢ１０１に記憶されている既存商品情報と、既存商品販売実績情報テーブルＤＢ１０２に記憶されている既存商品の販売実績情報とを読み出し、複数の既存商品のセグメント化、すなわち、クラスタリングを行い、クラスタリングによって、セグメント化されたセグメントごとにセグメント識別情報を付与し、既存商品セグメント情報テーブルＤＢ３０１にクラスタリングの結果を書き込む。

ここで、セグメントとは、クラスタリングによって、グループ化された複数の既存商品のグループであり、同一のセグメントに属する既存商品同士の既存商品情報は類似する性質をもつ。図６は、既存商品属性情報テーブルＤＢ１０１の大ジャンルごとにクラスタリングを行う場合の概念図である。図６において、クラスタリングに用いるデータは、例えば、図６（ａ）のテーブルに示すように、既存商品属性情報テーブルＤＢ１０１が記憶する既存商品ごとの、大ジャンル識別情報、デビュー後経過年数、ＣＭソング該当有無情報、及び、既存商品販売実績情報テーブルＤＢ１０２の販売実績情報から算出する全販売枚数情報とする。
また、全販売枚数情報は、既存商品分類部３００が、既存商品販売実績情報テーブルＤＢ１０２から、既存商品ごとに、既存商品の商品ＪＡＮコードを検索キーとして、該当する全ての売上数量を読み出し、読み出した売上数量を加算することによって算出される。

既存商品分類部３００は、例えば、既存商品属性情報テーブルＤＢ１０１から、読み出す大ジャンル識別情報ごとに、同一の大ジャンル識別情報を有する商品の情報を抽出し、商品ごとのデビュー後経過年数、ＣＭソング該当有無情報、全販売枚数情報を、図６に示すように３次元空間座標として、プロットすると、図６（ｂ）及び（ｃ）の３次元グラフ例に示すように、複数の商品のプロット点が集合する。このとき、商品のプロット点の集合範囲を、例えば、Ｋ−ｍｅａｎｓ法などのクラスタリング手法によってクラスタ解析することにより、商品の分類を行い、セグメント化されたセグメントごとにセグメント識別情報を付与して既存商品セグメント情報テーブルＤＢ３０１に、商品ＪＡＮコードと、セグメント識別情報とを対応付けて書き込む。なお、本実施形態においては、予めユーザに入力される所定のセグメント数に分類することとする。
既存商品セグメント情報テーブルＤＢ３０１は、図７に示すように、商品ＪＡＮコードと、その商品ＪＡＮコードに対応する既存商品がいずれのセグメントに所属するかを示すセグメント識別情報とを対応付けて、テーブルとして記憶する。

新商品情報ＤＢ２００は、新商品属性情報テーブルＤＢ２０１を備えており、需要予測対象の新商品に関する新商品情報を記憶する。新商品属性情報テーブルＤＢ２０１は、図５に示すように、新商品情報を商品種別ごとのテーブルとして記憶する。新商品情報は、既存商品属性情報テーブルＤＢ１０１と同様に、例えば、需要予測対象の新商品の商品種別がＣＤの場合、新商品のＣＤに予め付与された商品識別情報である商品ＪＡＮコードと、楽曲のアーティスト名情報と、シングルＣＤ又はマキシシングルＣＤ又はアルバムのいずれであるかを示すＣＤ種別情報と、販売価格と、発売日情報と、生産国識別情報と、大ジャンル識別情報と、中ジャンル識別情報と、小ジャンル識別情報と、曲数と、当該ＣＤのアーティストによる通算発売ＣＤの枚数と、当該ＣＤのアーティストのデビュー後の経過年数と、ＣＭソング該当有無情報と、ドラマ主題歌該当有無情報と、リメイク該当有無情報とが対応付けられた情報である。
なお、新商品属性情報テーブルＤＢ２０１が記憶する新商品情報は、複数の新商品情報であってもよいし、１つの新商品のみの情報であってもよい。

新商品所属セグメント判定部４００は、新商品属性情報テーブルＤＢ２０１が記憶する新商品情報に基づき、既存商品分類部３００により分類されたセグメントのうち、最も新商品情報に類似する既存商品情報を有するセグメントを判定する。新商品所属セグメント判定部４００は、判定した新商品の所属セグメントのセグメント識別情報と、新商品の商品ＪＡＮコードとを対応付けて、新商品セグメント情報テーブルＤＢ４０１に書き込む。

ここで、新商品所属セグメント判定部４００における新商品情報に類似する既存商品情報を有するセグメントのセグメント判定方法は、例えば、以下の手順によって行う。
新商品所属セグメント判定部４００は、セグメント識別情報が「ｋ」である既存商品の座標の平均値を算出することにより、セグメント識別情報「ｋ」におけるセグメントの重心座標Ｇ（ｋ）を算出する。新商品所属セグメント判定部４００は、算出したセグメントの重心座標と、需要予測値算出対象の新商品情報における座標との座標間の距離を、セグメントごとに算出し、最も距離が近いセグメントを新商品に類似する既存商品情報を有するセグメントとして判定し、判定したセグメントを新商品情報が属するセグメントとする。

新商品セグメント情報テーブルＤＢ４０１は、図８に示すように、商品ＪＡＮコードと、その商品ＪＡＮコードに対応する新商品がいずれのセグメントに所属するかを示すセグメント識別情報とを対応付けて、テーブルとして記憶する。

セグメント代表商品シェア波形パラメータ算出部５００は、セグメント「ｋ」に所属する既存商品の売上数量の、ＣＤ全体の売上数に対する割合、すなわち、セグメント「ｋ」に所属する既存商品のＣＤの全体の売上数に対するシェアと、発売後経過日数との指数関数「exp」を含む関係式である式（２）を算出する。

この算出は、以下の手順によって行われる。既存商品情報ＤＢ１００から、セグメント「ｋ」に所属する商品の既存商品情報を読み出し、セグメント代表商品シェア波形パラメータ算出部５００は、算出したセグメント「ｋ」に所属する全既存商品のシェア「Ｓ_ｋ」を算出する。次に、算出したシェア「Ｓ_ｋ」と、発売後経過日数「ｔ」とに基づき、式（２）のパラメータ「ａ_k1」、パラメータ「ａ_k2」、パラメータ「ａ_k3」を、例えば最小二乗法などの推定手法を用いて算出する。

ここで、図９（ａ）、及び、（ｂ）は、図９（ｃ）の式（２）をグラフとしてプロットした例である。図９のグラフにおいて、パラメータ「ａ_k1」は、セグメント「ｋ」の最大シェア値に比例し、パラメータ「ａ_k2」は、発売後経過日数ｔにおける波形のピークの位置に反比例し、パラメータ「ａ_k3」は、波形の減衰速度に比例する。
なお、この算出方法は、最小二乗法に限られず、式（２）のパラメータ「ａ_k1」、パラメータ「ａ_k2」、パラメータ「ａ_k3」が、実際のシェアＳ_ｋと、発売後経過日数ｔとの関係式における誤差を最小とする算出方法であれば、いずれの算出方法を用いることも可能である。

セグメント代表シェア情報テーブルＤＢ５０１は、図１０に示すように、セグメント識別情報ごとに、セグメント代表商品シェア波形パラメータ算出部５００が算出し、セグメント識別情報に対応するセグメントのパラメータ「ａ_k1」、パラメータ「ａ_k2」、パラメータ「ａ_k3」を対応付けて、テーブルとして記憶する。

商品種別全体需要値算出部６００は、既存商品属性情報テーブルＤＢ１０１と、既存商品販売実績情報テーブルＤＢ１０２とから、商品種別識別情報ごとに日付別の商品種別全体における売上数量である商品種別全体需要値λ_dを算出する。
この算出方法は、既存商品販売実績情報テーブルＤＢ１０２、及び、気象情報テーブルＤＢ１０３、及び、日付情報を用いた、式（３）による重回帰モデルによって算出する。

式（３）において、ｄは、日付を示し、Ｘ_ｉは、説明変数を示し、ｂ_ｉは、説明変数Ｘ_ｉの係数を示す。図１１は、説明変数Ｘ_ｉとして用いるデータ例である。説明変数Ｘ_ｉは、例えば、日付（ｄ−１）、日付（ｄ−２）、日付（ｄ−３）における商品種別全体の売上数量や、トレンド（傾向）をあらわすためのタイムインデックス項、曜日ごとの売上傾向を表すための曜日項、月ごとの売上傾向を表すための月次項、天候による売上傾向を表す天候情報項などを用いる。なお、説明変数Ｘ_ｉは、図１１に示す項に限られず、例えば、湿度など、商品種別全体の売上傾向にかかわる項目であれば、いずれの項目を用いてもよい。

また、曜日項、月次項は、曜日、月ごとに２値化した値を用いる。例えば、曜日項において、月曜〜日曜までの説明変数が、それぞれ、Ｘ₅〜Ｘ₁₁に対応する場合、日付「ｄ」が月曜に相当する場合は、Ｘ₅が１、Ｘ₆〜Ｘ₁₁が０となる。
また、天候情報項は、予測値を用いる場合、例えば、気象情報テーブルＤＢ１０３が記憶する日付「ｄ」と同じ日付の過去の平均天候情報とする。
商品種別需要情報テーブルＤＢ６０１は、図１２に示すように、商品種別識別情報と、その商品種別識別情報に対応する商品種別全体需要値とを日付別にテーブルとして記憶する。

新商品需要値算出部７００は、セグメント代表シェア情報テーブルＤＢ５０１と、新商品セグメント情報テーブルＤＢ４０１と、商品種別需要情報テーブルＤＢ６０１と、式（４）とに基づき、新商品の予測売上数量、すなわち、新商品需要値を算出する。

式（４）において、ｊは、新商品の識別情報（例えば、商品ＪＡＮコード）であり、ｔは、日付「ｄ」における、その新商品の発売後経過日数を示す。

出力部８００は、ＣＲＴ（cathode ray tube）やＬＣＤ（liquid crystal display）などのディスプレイに画像や情報を表示したり、プリンタなどにより情報を印刷する機能を有する。あるいは、記憶手段へ情報を書き込んだり、ネットワークを介して接続されるコンピュータ装置へ情報を出力することでもよい。また、スピーカーに音声を出力する機能を有する。
入力部９００は、キーボード、マウス、タッチパネル、ボタンやキーなどであり、ユーザに操作され、当該操作により入力された設定情報を需要予測装置１に入力する。

なお、例えば、既存商品属性情報テーブルＤＢ１０１が記憶するアーティスト名情報など、数値ではない情報は、アーティストごとに固有の識別番号を付与するＩＤ化を施し、アーティスト名と、アーティストに付与されている識別番号とを対応付けて、需要予測装置１が備える記憶媒体に予め記憶しておく。

次に、本発明の一実施形態による需要予測装置１の動作について、図を用いて説明する。図１３は、本実施形態の需要予測装置１における動作処理の流れを示すフローチャートである。
まず、入力部９００が、ユーザによる入力操作を受けて、当該入力操作によって入力される商品種別識別情報「ＣＤ」と、需要予測対象の新商品の商品ＪＡＮコードとを含む需要予測値算出の開始命令信号を既存商品分類部３００に入力する（ステップＳ１）。

既存商品分類部３００は、入力された需要予測値算出開始命令に基づき、商品種別識別情報「ＣＤ」の既存商品情報を既存商品情報ＤＢ１００の既存商品属性情報テーブルＤＢ１０１から読み出し、既存商品販売実績情報テーブルＤＢ１０２から商品種別識別情報「ＣＤ」の既存商品の販売実績情報を読み出す（ステップＳ２）。
既存商品分類部３００は、読み出した商品種別識別情報「ＣＤ」の既存商品情報と、販売実績情報とに基づき、上述したように、既存商品のクラスタリングを行う（ステップＳ３）。

既存商品分類部３００は、既存商品ごとに商品ＪＡＮコードと、その商品ＪＡＮコードに対応するセグメント識別情報とを対応付けて既存商品セグメント情報テーブルＤＢ３０１に書き込む。また、既存商品分類部３００は、需要予測値算出開始命令信号の商品ＪＡＮコードを含む新商品所属セグメント判定開始命令信号を新商品所属セグメント判定部４００に出力する（ステップＳ４）。

次に、新商品所属セグメント判定部４００は、新商品所属セグメント判定開始命令信号の商品ＪＡＮコードに基づき、新商品属性情報テーブルＤＢ２０１から需要予測対象の新商品情報を読み出す（ステップＳ５）。
また、新商品所属セグメント判定部４００は、既存商品セグメント情報テーブルＤＢ３０１から、セグメントごとに商品ＪＡＮコードを読み出す。新商品所属セグメント判定部４００は、読み出した商品ＪＡＮコードを検索キーとして、この商品ＪＡＮコードに対応する既存商品情報を既存商品属性情報テーブルＤＢ１０１から読み出す。新商品所属セグメント判定部４００は、読み出した既存商品情報に基づき、上述したように、新商品情報に最も類似する既存商品情報を有するセグメント「ｋ」を特定する（ステップＳ６）。

新商品所属セグメント判定部４００は、特定したセグメントのセグメント識別情報「ｋ」と、新商品の商品ＪＡＮコードとを対応付けて新商品セグメント情報テーブルＤＢ４０１に書き込む。また、新商品所属セグメント判定部４００は、セグメント代表商品シェア波形パラメータ算出部５００に、新商品が所属するセグメントのセグメント識別情報「ｋ」を出力する（ステップＳ７）。

セグメント代表商品シェア波形パラメータ算出部５００は、新商品のセグメント識別情報「ｋ」が入力されると、このセグメント識別情報「ｋ」に対応するセグメントのシェア波形のパラメータを算出する。この算出方法は、セグメント代表商品シェア波形パラメータ算出部５００が、このセグメント識別情報「ｋ」に対応する既存商品の商品ＪＡＮコードを既存商品セグメント情報テーブルＤＢ３０１から読み出し、読み出した商品ＪＡＮコードに基づき、既存商品販売実績情報テーブルＤＢ１０２が記憶する販売実績情報を読み出すことで行われる。

また、セグメント代表商品シェア波形パラメータ算出部５００は、日付ごとに商品種別識別情報「ＣＤ」の総売上数を算出し、算出した日付別のＣＤの商品種別全体の売上数に対する、個別の既存商品の売上比率を日付ごとに算出する。そして、セグメント代表商品シェア波形パラメータ算出部５００は、セグメント識別情報「ｋ」に所属する全ての既存商品の売上比率を日付ごとに算出すると、算出した売上比率を、既存商品の発売後経過日数順に並べ替える。

これにより、セグメント識別情報「ｋ」に所属する既存商品について、ＣＤ全体の売上に対する売上比率を、発売後経過日数順として正規化することになり、上述した商品種別全体需要値算出手順により、発売後経過日数に応じて、どのように売上比率が推移しているかを示す売上比率と、発売後経過日数とを含む座標点を算出することが可能となる。算出した座標点の座標を用いて、セグメント代表商品シェア波形パラメータ算出部５００は、式（２）のパラメータ「ａ_k1」、パラメータ「ａ_k2」、パラメータ「ａ_k3」を最小二乗法を用いて算出する（ステップＳ８）。

セグメント代表商品シェア波形パラメータ算出部５００は、算出したパラメータ「ａ_k1」、パラメータ「ａ_k2」、パラメータ「ａ_k3」を、セグメント識別情報「ｋ」と対応付けてセグメント代表シェア情報テーブルＤＢ５０１に書き込み、商品種別全体需要値算出部６００に対し、商品種別識別情報「ＣＤ」と、セグメント識別情報「ｋ」とを含む商品種別全体需要値算出命令信号を出力する（ステップＳ９）。

商品種別全体需要値算出部６００は、商品種別全体需要値算出命令信号が入力されると、上述したように、商品種別全体需要値算出命令信号の商品種別識別情報「ＣＤ」に基づき、ＣＤの商品種別全体需要値を日付ごとに算出する（ステップＳ１０）。商品種別全体需要値算出部６００は、算出したＣＤの商品種別全体需要値を商品種別識別情報「ＣＤ」と日付情報とに対応付けて、商品種別需要情報テーブルＤＢ６０１に書き込み、新商品需要値算出部７００に、商品種別識別情報「ＣＤ」と、セグメント識別情報「ｋ」を含む新商品需要値算出命令信号を出力する（ステップＳ１１）。

新商品需要値算出部７００は、新商品需要値算出命令信号が入力されると、新商品需要値の算出対象の日付の入力をユーザに促す算出対象日付入力要求を出力部８００に出力し、入力部９００は、ユーザに操作され、当該操作によって入力される算出対象日付情報を新商品需要値算出部７００に入力する（ステップＳ１２）。

新商品需要値算出部７００は、算出対象日付情報が入力されると、新商品需要値算出命令信号のセグメント識別情報「ｋ」に対応するパラメータ「ａ_k1」、パラメータ「ａ_k2」、パラメータ「ａ_k3」をセグメント代表シェア情報テーブルＤＢ５０１から読み出し、新商品需要値算出命令信号の商品種別識別情報「ＣＤ」と日付情報とに基づき、商品種別需要情報テーブルＤＢ６０１から式（４）に用いる商品種別需要情報「ＣＤ」を読み出す。新商品需要値算出部７００は、上述した新商品需要値の算出手順にしたがって、式（４）に基づき、算出対象日付情報に対応する日付における新商品需要値を算出する（ステップＳ１３）。
新商品需要値算出部７００は、算出した新商品需要値を出力部８００に出力し、出力部８００は、入力された新商品需要値を出力する（ステップＳ１４）。

上記の実施形態によれば、商品種別需要情報テーブルＤＢ６０１が、販売時の時期や、季節、天候を考慮した商品種別全体の商品種別全体需要値を算出し、また、予測対象の新商品の新商品情報に類似する既存商品情報を有するセグメントにおいて、既存商品の販売傾向となる商品種別全体の売上に対する売上比率と発売後経過日数との関係式を、セグメント代表シェア情報テーブルＤＢ５０１が、図６に示すようなシェア波形のモデル式である式（３）として算出する。さらに新商品需要値算出部７００が、商品種別全体の商品種別全体需要値と、式（３）とを乗算することとした。これにより、新商品の発売時の時期や、季節、天候を考慮し、さらに、シェア比率の波形を用いることにより、他の商品の影響、予測対象商品の売上傾向も考慮した新商品の予測需要値を算出することが可能となるという効果がある。

また従来、売上傾向の予測値算出に用いられた折れ線グラフなどによる販売傾向のグラフに比して、本実施形態によれば、式（４）において、パラメータ「ａ_k1」、パラメータ「ａ_k2」、パラメータ「ａ_k3」を用いることにより、複雑な売上傾向の商品についても、表現することが可能となり、また、売上傾向としてより自然な曲線によって販売傾向を表すことができるという効果がある。

また、本実施形態によれば、例えば、需要予測装置１が、商品の小売店舗において、この小売店舗において販売する新商品の需要予測値を算出することにより、新商品の需要予測値に応じた新商品の入荷数を計画することができ、在庫が過剰に余ったり、不足したりすることを軽減することが可能となる効果がある。
また、本実施形態を、例えば製造業者などにおいて適用することにより、製造する商品の属する商品種別に対応する既存商品情報を用いて、新たに出荷する新商品の受注数である需要予測値を算出することで、予め新商品の生産量を需要予測値に応じて計画することができ、製造した商品が過剰に余ったり、不足したりすることを軽減することが可能となる効果がある。

なお、本実施形態において、新商品の需要予測値を予測売上数として説明したが、売上数に限られず、過去に販売された既存商品の売上価格に基づき、新商品の需要予測値を予測売上価格として算出する構成でもよい。

また、本実施形態の動作例として、１つの新商品について算出する場合について説明したが、同時に複数の新商品に関して算出することも可能である。この場合、図１３のステップＳ５において、新商品所属セグメント判定部４００が、全ての新商品に関して、新商品情報を読み出し、ステップＳ６において、新商品所属セグメント判定部４００が、読み出した新商品情報ごとに所属セグメントを特定する。また、ステップＳ８において、セグメント代表商品シェア波形パラメータ算出部５００が、全てのセグメントについて、シェア波形のパラメータ「ａ_k1」、パラメータ「ａ_k2」、パラメータ「ａ_k3」を算出し、ステップＳ９において、セグメント代表商品シェア波形パラメータ算出部５００が、セグメント代表シェア情報テーブルＤＢ５０１に算出したパラメータ「ａ_k1」、パラメータ「ａ_k2」、パラメータ「ａ_k3」を書き込む。ステップＳ１０において、商品種別全体需要値算出部６００が、全ての商品種別ごとに商品種別全体需要値を算出し、ステップＳ１１において、商品種別全体需要値算出部６００が、全ての商品種別の商品種別全体需要値を書き込む。ステップＳ１２において入力される算出対象日付情報に基づき、新商品需要値算出部７００が、新商品ごとにステップＳ１３の新商品需要値の算出を行い、ステップＳ１４において、新商品需要値算出部７００が算出した新商品需要値を出力部８００が出力する。

なお、本発明に記載の予測対象商品は、新商品に対応する。また、本発明に記載の時系列ごとの売上情報は、既存商品販売実績情報テーブルＤＢ１０２が記憶する販売実績情報に対応し、予測対象商品に類似する類似既存商品は、新商品が属するセグメントと同一のセグメントに属する既存商品に対応し、本発明に記載の予測対象商品情報は、新商品情報に対応し、本発明に記載の売上比率は、既存商品のシェアに対応し、本発明に記載の類似既存商品の売上傾向は、新商品が属するセグメントに所属する既存商品のシェア波形に対応し、本発明に記載の売上予測値は、新商品需要値に対応し、本発明に記載の類似する既存商品情報をグループとして分類することは、クラスタリングによって既存商品情報をセグメントに分類することに対応する。

なお、上述の需要予測装置１は、内部にコンピュータシステムを有している。そして、装置１の既存商品分類部３００、新商品所属セグメント判定部４００、セグメント代表商品シェア波形パラメータ算出部５００、商品種別全体需要値算出部６００、新商品需要値算出部７００出力部８００、入力部９００の動作の過程は、プログラムの形式でコンピュータ読み取り可能な記録媒体に記憶されており、このプログラムをコンピュータシステムが読み出して実行することによって、上記処理が行われる。ここでいうコンピュータシステムとは、ＣＰＵ及び各種メモリやＯＳ、周辺機器等のハードウェアを含むものである。

また、図１３に示す各ステップを実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、また、図１に示す需要予測装置１の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより、新商品の需要予測値の算出処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものであってもよい。

また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、フラッシュメモリ等の書き込み可能な不揮発性メモリ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。

さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（例えばＤＲＡＭ（Dynamic Random Access Memory））のように、一定時間プログラムを保持しているものも含むものとする。
また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。
また、上記プログラムは、前述した機能の一部を実現するためのものであっても良い。さらに、前述した機能をコンピュータシステムに既に記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であっても良い。

本発明の一実施形態による需要予測装置１の全体構成を示すブロック図である。 同実施形態による既存商品属性情報テーブルＤＢ１０１が記憶するテーブルの例である。 同実施形態による既存商品販売実績情報テーブルＤＢ１０２が記憶するテーブルの例である。 同実施形態による気象情報テーブルＤＢ１０３が記憶するテーブルの例である。 同実施形態による新商品属性情報テーブルＤＢ２０１が記憶するテーブルの例である。 同実施形態による既存商品属性情報テーブルＤＢ１０１の大ジャンルごとにクラスタリングを行う場合の概念図である。 同実施形態による既存商品セグメント情報テーブルＤＢ３０１が記憶するテーブルの例である。 同実施形態による新商品セグメント情報テーブルＤＢ４０１が記憶するテーブルの例である。 同実施形態による図９は、セグメント代表シェアの波形をグラフとしてプロットした図である。 同実施形態によるセグメント代表シェア情報テーブルＤＢ５０１が記憶するテーブルの例である。 同実施形態による商品種別需要λ_ｄの算出に用いる説明変数Ｘ_ｉの例を示すテーブルである。 同実施形態による商品種別需要情報テーブルＤＢ６０１が記憶するテーブルの例である。 同実施形態による需要予測装置１の動作フローを示す図である。

符号の説明

１ 需要予測装置
１００ 既存商品情報ＤＢ（既存商品情報記憶部）
１０１ 既存商品属性情報テーブルＤＢ
１０２ 既存商品販売実績情報テーブルＤＢ
１０３ 気象情報テーブルＤＢ
３００ 既存商品分類部
３０１ 既存商品セグメント情報テーブルＤＢ
２００ 新商品情報ＤＢ
２０１ 新商品属性情報テーブルＤＢ
４００ 新商品所属セグメント判定部
４０１ 新商品セグメント情報テーブルＤＢ
５００ セグメント代表商品シェア波形パラメータ算出部（売上傾向算出部）
５０１ セグメント代表シェア情報テーブルＤＢ
６００ 商品種別全体需要値算出部
６０１ 商品種別需要情報テーブルＤＢ
７００ 新商品需要値算出部（需要値算出部）
８００ 出力部
９００ 入力部（予測対象商品情報入力部）

Claims (5)

1. 商品種別ごとに予め定められる商品種別識別情報が付与される商品のうち、需要予測対象である予測対象商品の売上の予測値を算出する需要予測装置であって、
   既存商品ごとに、当該既存商品の商品種別識別情報と、当該既存商品の特性を示す属性情報とを含む既存商品情報を記憶する既存商品属性情報記憶部と、
   既存商品ごとに、時系列に応じた当該既存商品の売上情報を含む既存商品販売実績情報を記憶する既存商品販売実績情報記憶部と、
   新商品である予測対象商品の商品種別識別情報と、当該予測対象商品の特性を示す属性情報とを含む予測対象商品情報を記憶する予測対象商品情報記憶部と、
   前記予測対象商品の商品種別識別情報と一致する商品種別識別情報を含む既存商品情報を前記既存商品属性情報記憶部から読み出し、読み出した既存商品情報の属性情報と前記予測対象商品情報の属性情報とに基づいて、当該既存商品情報が前記予測対象商品情報と類似するか否かを判定し、類似すると判定した既存商品情報を類似既存商品情報とする類似既存商品判定部と、
   前記既存商品販売実績情報に基づき、前記予測対象商品の商品種別識別情報と一致する前記商品種別識別情報が付与される全ての前記既存商品の商品種別全体需要値を、前記時系列に応じて算出する商品種別全体需要値算出部と、
   前記類似既存商品の既存商品情報である類似既存商品情報に含まれる売上情報に基づき、前記予測対象商品の商品種別に属する全ての前記既存商品の売上に対する類似既存商品の売上比率を、前記時系列に応じて算出し、算出した売上比率の時間推移における売上傾向を算出する売上傾向算出部と、
   前記商品種別全体需要値算出部が算出する前記商品種別全体需要値と、前記売上傾向算出部が算出する前記売上傾向とに基づき、時系列に応じた前記予測対象商品の売上予測値を算出する需要値算出部と
   を有することを特徴とする需要予測装置。
2. 前記売上傾向算出部は、
   前記類似既存商品の類似既存商品情報に対応する前記売上情報に基づき、前記商品種別に属する全ての売上に対する前記類似既存商品の売上比率を時系列ごとに算出し、前記類似既存商品の売上傾向を得るとともに、少なくとも最大シェア値、シェア推移のピーク位置、シェア推移の減衰速度を表す値を前記売上傾向を表す変数として算出する
   ことを特徴とする請求項１に記載の需要予測装置。
3. 前記需要値算出部は、前記予測対象商品の売上予測対象日時をｄとし、前記予測対象商品の識別情報をｊとし、前記商品種別全体需要値算出部が算出する前記商品種別全体需要値をλ_dとし、前記最大シェア値をａ_k1とし、シェア推移のピーク位置をａ_k2とし、シェア推移の減衰速度をａ_k3として、下記式（１）に基づき、前記予測対象商品の前記売上予測値λ _ｊdを算出する
   ことを特徴とする請求項２に記載の需要予測装置。
   

   
4. 商品種別ごとに予め定められる商品種別識別情報が付与される商品のうち、需要予測対象である予測対象商品の売上の予測値を算出する需要予測装置の需要予測方法であって、
   既存商品ごとに、当該既存商品の商品種別識別情報と、当該既存商品の特性を示す属性情報とを含む既存商品情報を既存商品属性情報記憶部に記憶する既存商品属性情報記憶過程と、
   既存商品ごとに、時系列に応じた当該既存商品の売上情報を含む既存商品販売実績情報を既存商品販売実績情報記憶部に記憶する既存商品販売実績情報記憶過程と、
   新商品である予測対象商品の商品種別識別情報と、当該予測対象商品の特性を示す属性情報とを含む予測対象商品情報を予測対象商品情報記憶部に記憶する予測対象商品情報記憶過程と、
   前記予測対象商品の商品種別識別情報と一致する商品種別識別情報を含む既存商品情報を前記既存商品属性情報記憶部から読み出し、読み出した既存商品情報の属性情報と前記予測対象商品情報の属性情報とに基づいて、当該既存商品情報が前記予測対象商品情報と類似するか否かを判定し、類似すると判定した既存商品情報を類似既存商品情報とする類似既存商品判定過程と、
   前記既存商品販売実績情報に基づき、前記予測対象商品の商品種別識別情報と一致する前記商品種別識別情報が付与される全ての前記既存商品の商品種別全体需要値を、前記時系列に応じて算出する商品種別全体需要値算出過程と、
   前記類似既存商品の既存商品情報である類似既存商品情報に含まれる売上情報に基づき、前記予測対象商品の商品種別に属する全ての前記既存商品の売上に対する類似既存商品の売上比率を、前記時系列に応じて算出し、算出した売上比率の時間推移における売上傾向を算出する売上傾向算出過程と、
   算出した前記商品種別全体需要値と、算出した前記売上傾向とに基づき、時系列に応じた前記予測対象商品の売上予測値を算出する需要値算出過程と
   を有することを特徴とする需要予測方法。
5. 商品種別ごとに予め定められる商品種別識別情報が付与される商品のうち、需要予測対象である予測対象商品の売上の予測値を算出する需要予測装置のコンピュータに、
   既存商品ごとに、当該既存商品の商品種別識別情報と、当該既存商品の特性を示す属性情報とを含む既存商品情報を既存商品属性情報記憶部に記憶する既存商品属性情報記憶手順と、
   既存商品ごとに、時系列に応じた当該既存商品の売上情報を含む既存商品販売実績情報を既存商品販売実績情報記憶部に記憶する既存商品販売実績情報記憶手順と、
   新商品である予測対象商品の商品種別識別情報と、当該予測対象商品の特性を示す属性情報とを含む予測対象商品情報を予測対象商品情報記憶部に記憶する予測対象商品情報記憶手順と、
   前記予測対象商品の商品種別識別情報と一致する商品種別識別情報を含む既存商品情報を前記既存商品属性情報記憶部から読み出し、読み出した既存商品情報の属性情報と前記予測対象商品情報の属性情報とに基づいて、当該既存商品情報が前記予測対象商品情報と類似するか否かを判定し、類似すると判定した既存商品情報を類似既存商品情報とする類似既存商品判定手順と、
   前記既存商品販売実績情報に基づき、前記予測対象商品の商品種別識別情報と一致する前記商品種別識別情報が付与される全ての前記既存商品の商品種別全体需要値を、前記時系列に応じて算出する商品種別全体需要値算出手順と、
   前記類似既存商品の既存商品情報である類似既存商品情報に含まれる売上情報に基づき、前記予測対象商品の商品種別に属する全ての前記既存商品の売上に対する類似既存商品の売上比率を、前記時系列に応じて算出し、算出した売上比率の時間推移における売上傾向を算出する売上傾向算出手順と、
   算出した前記商品種別全体需要値と、算出した前記売上傾向とに基づき、時系列に応じた前記予測対象商品の売上予測値を算出する需要値算出手順と
   を実行させることを特徴とする需要予測プログラム。

Images