JP5571804B2 - 再購入傾向を予測する方法および装置 - Google Patents

Description

本開示は、データ処理技術に関し、より具体的には、顧客の再購入傾向を予測する方法および装置に関する。

（関連特許出願の相互参照）
本願は、２０１０年２月１１日に出願された「Ｍｅｔｈｏｄ ａｎｄ Ａｐｐａｒａｔｕｓ ｏｆ Ｆｏｒｅｃａｓｔｉｎｇ Ｒｅｐｕｒｃｈａｓｅ Ｉｎｃｌｉｎａｔｉｏｎ」と題する中国特許出願第２０１０１０１１１５２９．２号の優先権を主張し、これは、参照によりその全体が本明細書に援用される。

技術が進歩し、電子商取引が、企業運営に対して次第に重要な方法となるに伴い、企業は、顧客価値を促進するために、顧客の再購入（例えば、クロスセリング、アップセリング、および拡張マーケティングを含む）のために商品／サービスを利用している。さらにそれは、企業の能力を維持し、継続した利潤を獲得するために、使用されている。このいわゆる再購入とは、ある企業から商品／サービスを購入し、同一または類似の製品を継続して購入する行為である。さらに、クロスセリングとは、既存の顧客にさらなる商品またはサービスを販売する手法である。一方、アップセリングとは、既存の顧客により高価値の商品／サービスを販売する手法である。さらに、拡張販売とは、前のサービスを遂行した後に契約を延長する手法である。

現在、顧客の再購入行動の予測分析は、一般にデータマイニング予測分析法を採用している。この方法は、以前に再購入した顧客を、サンプル顧客として使用する。予測分析モデルを確立するために予測分析法を利用した後、決定木および論理を使用することによって、他の顧客の再購入傾向に対する予測に達することができる。しかしながら、サンプル顧客の影響の量、安定性、および因子を獲得したとしても、予測結果の妥当性を保証することは困難である場合がある。新製品も、コンサルテーションに対するサンプル顧客の不足のためほとんど発売されない。従来のデータマイニング予測法はまた、個々の問題点を実行することができない。

インターネット業界に応用される従来のデータマイニング予測分析法は、膨大な量のデータ（しばしば、１０００万または１億の顧客データ）を分析する。その結果、操作プロセスが複雑になりがちであり、システムリソースに負荷をかける。さらに、計算時間が長くなり、インターネット業界の迅速な事業需要を満たすことが困難になる。

本開示は、その精度を強化するために使用される、顧客の再購入傾向を予測するための方法および装置の例示的実装を提供する。

一態様において、１人以上の顧客の再購入傾向を予測する、コンピュータに実装される方法は、指定の記憶場所から、複数の対象顧客のリストであって、再購入傾向の分析が必要である１人以上の対象顧客を特定する、リストを検索することと、特定された１人以上の対象顧客のうちの少なくとも１人について、指定の時間範囲内のそれぞれの過去の利益に基づいて、過去の利益および過去の利益内の変動動向を決定することと、特定された１人以上の対象顧客のうちの少なくとも１人について、購買力パラメータおよび熟度を決定することと、特定された１人以上の対象顧客のうちの少なくとも１人について、それぞれの過去の動向、過去の利益内の変動動向、購買力パラメータ、および熟度に基づき、快適レベルスコアを計算することと、再購入傾向を有する顧客のリストであって、閾値条件を満たすそれぞれの快適レベルスコアを有する顧客を含む、リストを決定することと、を含んでもよい。顧客の過去の利益を決定する因子は、月間製品露出量、月間ウェブサイトクリック量、月間フィードバック量、月間発注量、またはそれらの組み合わせを含んでもよい。

過去の利益内の変動動向は、過去の利益の各因子における変化に追随してもよい。

（式）ＨＢＴ＝(ｎΣｘｙ−(Σｘ)(Σｙ))／(ｎΣｘ²−(Σｘ)²)は、過去の利益内の動向を算出するために使用されてもよく、式中、ｎは過去の利益データの数量を表し、ｘはデータ点通し番号を表し、ｙはデータ点の月間の過去の利益値を表す。

顧客の購買力パラメータは、期待年間契約価格、最高契約価格、業界の平均年間契約価格、またはそれらの組み合わせに関連してもよい。

特定された１人以上の対象顧客のうちの少なくとも１人の熟度は、顧客の会員レベル、ネットワーク精通度、活動度、またはそれらの組み合わせに関連してもよい。

特定された１人以上の対象顧客のうちの少なくとも１人の快適レベルスコアは、顧客の過去の利益、過去の利益内の変動動向、顧客の期待、またはそれらの組み合わせに関連してもよい。

方法はさらに、再購入傾向を有する顧客のリストに基づき、最終マーケティング顧客リストを生成することを含んでもよい。加えて、それぞれのマーケティング計画は、最終マーケティング顧客リスト上の各顧客のそれぞれの対象製品に対応する最終マーケティング顧客リスト上の各顧客について選択されてもよい。

別の態様において、評価装置は、指定の記憶場所から、対象顧客リストであって、再購入傾向の分析が必要である１人以上の対象顧客を特定する、リストを検索する、取得ユニットと、指定の時間範囲内のそれぞれの過去の利益に基づき、特定された１人以上の対象顧客のうちの少なくとも１人について、過去の利益および過去の利益内の変動動向を決定する、第１の計算ユニットであって、特定された１人以上の対象顧客のうちのそれぞれについて、購買力パラメータおよび熟度をさらに決定する、第１の計算ユニットと、それぞれの過去の動向、過去の利益内の変動動向、購買力パラメータ、および熟度に基づき、特定された１人以上の対象顧客のうちの少なくとも１人について、快適レベルスコアを計算する、第２の計算ユニットと、再購入傾向を有する顧客のリストであって、閾値条件を満たすそれぞれの快適レベルスコアを有する顧客を含む、リストを生成する、処理ユニットと、を備えてもよい。

処理ユニットは、再購入傾向を有する顧客のリストに基づき、最終マーケティング顧客リストをさらに生成してもよい。

評価装置は、再購入傾向を有するそれらの顧客の対象製品に対応するマーケティング計画を選択する、選択ユニットをさらに備えてもよい。

顧客の過去の利益を決定する因子は、月間製品露出量、月間ウェブサイトクリック量、月間フィードバック量、月間発注量、またはそれらの組み合わせを含んでもよい。

過去の利益内の変動動向は、過去の利益の各因子における変化に追随してもよい。

（式）ＨＢＴ＝(ｎΣｘｙ−(Σｘ)(Σｙ))／(ｎΣｘ²−(Σｘ)²)は、過去の利益内の動向を決定するために使用されてもよく、式中、ｎは過去の利益データの数量を表し、ｘはデータ点通し番号を表し、ｙはデータ点の月間の過去の利益値を表す。

顧客の購買力パラメータは、期待年間契約価格、最高契約価格、業界の平均年間契約価格、またはそれらの組み合わせに関連してもよい。

特定された１人以上の対象顧客のうちの少なくとも１人についての熟度は、顧客の会員レベル、ネットワーク精通度、活動度、またはそれらの組み合わせに関連してもよい。

特定された１人以上の対象顧客のうちの少なくとも１人の快適レベルスコアは、顧客の過去の利益、過去の利益内の変動動向、顧客の期待、またはそれらの組み合わせに関連してもよい。

本開示は、ユーザの快適レベルを獲得するために、顧客の過去の利益、過去の利益内の動向、顧客の購買力、および熟度等の、種々のパラメータの再定義の例示的実装を提供する。本技術を通じて、顧客の再購入傾向の予測は、最終マーケティング顧客リストの生成に対してより正確になる。したがって、ユーザ快適レベルを通して、製品の販売を促進し、より高いマーケティング成功率をもたらすための、より良い正確な製品マーケティング計画の実装を考案することができる。一方、既存の技術と比較して、本開示は、操作を最適化することができる最終マーケティング顧客リストを算出するための、プログラムを提供する。したがって、その技術は、実装に対して使用されるサーバ上への負荷を、効率的に減少させることができる。

本開示の実施形態に従う、３因子分析図を示す。 本開示の実施形態に従う、顧客の心理的快適さの図を示す。 本開示の実施形態に従う、心理的快適さの顧客分布曲線図を示す。 本開示の実施形態に従う、特性の判断を示す図である。 本開示の実施形態に従う、顧客の再購入傾向フローチャートの判断を示す図である。 本開示の実施形態に従う、顧客のマーケティング再購入傾向プログラムの図を示す。

本開示は、内的原動力理論、または誘発された力期待理論および購買動機付け理論に基づく、例示的実装を提供する。これらの理論は、顧客の再購入傾向に影響を与えるために使用され、主要な因子は、（１）過去の利益（電子商取引ではこれらは主に、露出、閲覧、フィードバック、および製品広告によって受ける取引量に関する）、（２）顧客の条件（主に、顧客の経済力、広告投資予算等に関する）、および（３）達成すべき目標（主に、広告投資への収益についての顧客の期待に関する）に起因する。これらの３つの側面において、自己分析を行った。

図１および２を参照すると、「過去の利益」の決定因子は、以前の購買レベル（獲得された広告フィードバックの測定）および以前の購買利益の変化動向を含む。「顧客の条件」の決定因子は、顧客の購買力、熟度、および価格レベルの受け入れを含む。「達成すべき目標」の決定因子は、楽観的期待または悲観的期待のいずれかを有する購入結果を含む。「達成すべき目標」の顧客の楽観的期待は、既得利益および他者の成功を通じて刺激されてもよい。

これら３つの主要属性のうち、過去の利益の因子が最も重要である。過去の利益におけるいかなる変化も、顧客の購入機会に直接影響を与える可能性がある。仮に、顧客の「過去の利益」が比較的良好であれば、過去の利益の動向内のさらなる変動は、良い展開に向かう傾向がある。かかる状況では、顧客に再購入を勧めることが好適である。しかしながら、過去の利益は、低下または悪化する可能性がある。悪変化の始めには、顧客の利益を改善させるための製品のクロスセリングにおける成功の可能性が、比較的高いことがある。それでもなお、悪変化が顧客にとって耐え難い場合は、それはマーケティング機会の損失と見なされる。加えて、顧客の「過去の利益」が不良であり、変化が悪化していれば、顧客はかかる時には再購入しないことを勧められる。一方、仮に変化が改善している場合、顧客がはっきりとその改善変化を認識していれば、顧客に再購入を勧めるのに適した時である。かかる勧告を行うには、「過去の利益」が実際に良好になるまで待つ必要はない。

要するに、顧客が、商品／サービスの過去の購入の利益をはっきりと認識していれば、顧客は心理的に快適状態にある可能性が高く、したがって、再購入についての顧客へのマーケティングの成功の可能性はより高い。さもなければ、マーケティング努力が、顧客に不快感を与える可能性がある。

一実施形態において、１人以上の顧客の再購入傾向を予測する、コンピュータに実装される方法は、指定の記憶場所から、複数の対象顧客リストであって、再購入傾向の分析が必要である１人以上の対象顧客を特定する、リストを検索することと、特定された１人以上の対象顧客のうちの少なくとも１人について、指定の時間範囲内のそれぞれの過去の利益に基づいて、過去の利益および過去の利益内の変動動向を決定することと、特定された１人以上の対象顧客のうちの少なくとも１人について、購買力パラメータおよび熟度を決定することと、特定された１人以上の対象顧客のうちの少なくとも１人について、それぞれの過去の動向、過去の利益内の変動動向、購買力パラメータ、および熟度に基づき、快適レベルスコアを計算することと、再購入傾向を有する顧客のリストであって、閾値条件を満たすそれぞれの快適レベルスコアを有する顧客を含む、リストに基づいて、最終マーケティング顧客リストを生成することと、を含む。以下の記載は、種々の実施形態の詳細な実装に関する。

図４は、取得ユニット１０、第１の計算ユニット１１、第２の計算ユニット１２、および処理ユニット１３を備える、顧客の再購入傾向に関する評価装置の例示的実装を説明する。

取得ユニット１０は、指定の記憶場所から対象顧客リストを検索する。対象顧客リストは、再購入傾向の分析が必要な１人以上の対象顧客を特定する。

第１の計算ユニット１１は、指定の時間範囲内のそれぞれの過去の利益に基づき、特定された１人以上の対象顧客のそれぞれについて、過去の利益および過去の利益内の変動動向を決定する。第１の計算ユニット１１は同様に、特定された１人以上の対象顧客のそれぞれについての購買力パラメータおよび熟度も決定する。

第２の計算ユニット１２は、それぞれの過去の動向、過去の利益内の変動動向、購買力パラメータ、および熟度に基づき、特定された１人以上の対象顧客について快適レベルスコアを計算する。

処理ユニット１３は、再購入傾向を有する顧客のリストに基づき、最終マーケティング顧客リストを生成する。再購入傾向を有する顧客のリストは、閾値条件を満たすそれぞれの快適レベルスコアを有する顧客を含む。

図４に示すように、評価装置は、再購入傾向を有するそれらの顧客の対象製品に対応するマーケティング計画を選択する、選択ユニット１４を、任意でさらに備えてもよい。

顧客の快適レベルスコアに影響を与える可能性のある因子は、過去の利益、顧客の過去の利益の変動動向、および顧客の期待を含む。顧客についての過去の利益の評価は、顧客の過去の利益を、１人以上の他の顧客（ピア顧客等）のものと比較することによって、行うことができる。さらに、顧客の期待は、顧客の購買力と相関している。通常、購買力が強ければ顧客の期待は低い傾向があり、逆もまた同様である。過去の利益が良好であるとき、過去の利益内の変動動向は上向きまたは改善する方向にあり、既得利益は顧客の期待を上回り、顧客の快適レベルは最高快適ゾーン内にあると期待される。

上述の因子に関して、全種類の影響を定量化するために使用する変数、重み、および関数を調査するために、統計的分析および総合的評価を使用することができる。以下では、企業間（Ｂ２Ｂ）電子商取引業界を例として使用する。

現在の顧客の過去の利益は、次のように表すことができる。
ＨＢ＝Σ（月間製品露出量×ａ１＋月間ウェブサイトクリック量×ａ２＋月間フィードバック量×ａ３＋月間発注量×ａ４）×ｆ（ｔ） （式１）
（式１）において、重みａ１、ａ２、ａ３、およびａ４間の関係は、次の通りである：ａ１＜ａ２＜ａ３＜ａ４。加えて、Σａｉ＝１，ｆ（ｔ）は、時間の割引関数、ｆ（ｔ）＝ｅｘｐ（−ｔ／１２）であり、ｔは現在の月への時間間隔を示す。

顧客の過去の利益内の変動動向は、次のように表すことができる。
ＨＢＴ＝(ｎΣｘｙ−(Σｘ)(Σｙ))／(ｎΣｘ²−(Σｘ)²) （式２）
（式２）において、ｎはＨＢ量（データ点数量とも見なされる）であり、ｘはデータ点通し番号であり（しかし、データが等距離で分布している場合は、連続の自然数１、２、３……を使用する）、ｙは月間ＨＢ値であるデータ点の値（時間についての割引は考慮しない）である。

顧客の購買力は、次のように表すことができる。
ＰＰ＝（期待される年間契約価格×ｂ１＋最高契約価格×ｂ２）＋業界の平均年間契約価格×（従業員数／業界の平均従業員数＋平均年間売上／業界の平均年間売上）／２×ｂ３ （式３）
（式３）において、重みｂ１、ｂ２、およびｂ３間の関係は、次の通りである：ｂ１＞ｂ２＞ｂ３。加えて、Σｂｉ＝１である。

顧客の熟度は、次のように表すことができる。
ＭＧ＝（会員レベル×ｃ１＋ネットワーク精通度×ｃ２＋活動度×ｃ３） （式４）
（式４）において、重みｃ１、ｃ２、およびｃ３間の関係は、次の通りである：ｃ１＞ｃ２＞ｃ３。加えて、Σｃｉ＝１である。

上述のパラメータから、以下の式を用いて顧客の快適レベルスコアを算出することができる。
ＣＧ＝（顧客の過去の利益および業界の平均の過去の利益率 ＨＢ／ＡＶＧ（ＨＢ）×ｄ１＋過去の利益内の変動動向／過去の利益内の全変動動向の業界平均の絶対値 ＨＢＴ／｜ＡＶＧ（ＨＢＴ）｜×ｄ２＋顧客の購買力／購買力の平均値 ＰＰ／ＡＶＧ（ＰＰ）×ｄ３＋顧客の熟度／熟度の平均値 ＭＧ／ＡＶＧ（ＭＧ）×ｄ４） （式５）
（式５）において、重みｄ１、ｄ２、ｄ３、およびｄ４間の関係は、次の通りである：ｄ１＞ｄ２＞ｄ３＞ｄ４。加えて、Σｄｉ＝１である。

上述の変数の重み、すなわち、ａｉ、ｂｉ、ｃｉ、およびｄｉは、システム管理者の経験（例えば、デルファイ法）または総合的な予め定められた評価方法に基づく所定の方法に従って、値を割り当ててもよい。以下の説明も、分析的階層方法、多変量統計方法（因子分析）、および人工神経的方法等の、複数の予め定められた方法に従ってもよい。

顧客のユーザ快適レベルを求める上述の方法に基づき、図３に示すように、ユーザ快適レベルスコアの別個の間隔がある。再購入した顧客の分布グラフを用いて、より高い購入傾向を有する顧客の固定条件を決定することができる。再購入した顧客の標本が無い場合は、評価は、ユーザ快適レベルの分布および平均に直接に基づいてよい。

上述の原理に基づき、図５に示すように、顧客による再購入を予想する方法を以下に記載する。

５００で、本方法は、指定の記憶場所から対象顧客リストを検索する。対象顧客リストは、再購入傾向の分析が必要な１人以上の対象顧客を特定する。

５１０で、本方法は、取得した対象顧客リスト内の顧客特定に基づき、各顧客の過去の利益に関連するデータを取得し、各顧客の過去の利益（ＨＢ）を決定する。

説明の目的のために、また例として、１月から６月までの６ヶ月間の顧客の実績データを、下の表１に示す。

（式１）中に示すように、重みａ１＜ａ２＜ａ３＜ａ４間の関係等、企業の重要性および顧客の心理的影響の重要性レベルに基づく全ての変数は、システム管理者によって経験に基づいて設定される。重みは、それぞれ次のように設定するものとする：０．０５、０．１、０．２５、および０．６。次に、（式１）に従って、顧客の過去の利益の現在の値（６ヶ月間の）を次のように求めることができる。
ＨＢ＝(200×0.05＋30×0.1＋5×0.25＋2×0.6)×EXP((1-6)/12)＋
(250×0.05＋50×0.1＋10×0.25＋3×0.6)×EXP((2-6)/12)＋
(300×0.05＋55×0.1＋12×0.25＋5×0.6)×EXP((3-6)/12)＋
(280×0.05＋60×0.1＋9×0.25＋4×0.6)×EXP((4-6)/12)＋
(400×0.05＋100×0.1＋20×0.25＋9×0.6)×EXP((5-6)/12)＋
(550×0.05＋160×0.1＋40×0.25＋10×0.6)×EXP((6-6)/12)
＝4.92

５２０で、本方法は、求められた過去の利益値（ＨＢ）に基づき、顧客の過去の利益内の変動動向（ＨＢＴ）を決定する。
y1＝HB1＝(200×0.05＋30×0.1＋5×0.25＋2×0.6)＝15.45
y2＝HB2＝(250×0.05＋50×0.1＋10×0.25＋3×0.6)＝21.8
y3＝HB3＝(300×0.05＋55×0.1＋12×0.25＋5×0.6)＝26.5
y4＝HB4＝(280×0.05＋60×0.1＋9×0.25＋4×0.6)＝24.65
y5＝HB5＝(400×0.05＋100×0.1＋20×0.25＋9×0.6)＝40.4
y6＝HB6＝(550×0.05＋160×0.1＋40×0.25＋10×0.6)＝59.5
x1＝1, x2＝2, x3＝3, x4＝4, x5＝5, x6＝6

（式２）に基づき、ＨＢＴ＝７．８３と求めることができる。

５３０で、本方法は、顧客の購入可能性に関連するデータに基づき、顧客の購買力パラメータ（ＰＰ）を決定する。

説明の目的のために、また例として、顧客の購入可能性は、下の表２に示すように表すことができるものとする。

（式３）に従って、顧客の購買力パラメータを次のように求めることができる。
PP＝3800×0.5＋5800×0.3＋3500×(15/10＋150/120)/2×0.2＝4602.5
５４０で、本方法は、顧客のネットワーク精通度、会員レベル、および活動度に従って、顧客の熟度（ＭＧ）を決定する。

会員レベルの値は、顧客が１年間以内会員であるときは１に設定し、顧客が２年間以内会員であるときは２に設定し、また顧客が３年間以内会員であるときは３に設定することができる。

ネットワーク精通度は、企業のウェブサイトが無い、または専門スタッフがいないときは１に設定し、企業のウェブサイトかあるか、または専門スタッフがいるかのどちらかであるが、他の電子商取引プラットフォームは使用していないときは２に設定し、また企業のウェブサイトがあるか、または専門スタッフがいるかのどちらかであり、かつ１つ以上の他の電子商取引プラットフォームを使用しているときは３に、設定することができる。

活動度は、顧客が平均で１日あたり２時間以内を費やしているときは１に設定し、顧客が平均で１日あたり４時間以内を費やしているときは２に設定し、また顧客が平均で１日あたり４時間より多く費やしているときは３に、設定することができる。

（式４）に従って、顧客の熟度（ＭＧ）は次のように求めることができる。
ＭＧ＝2×0.5＋3×0.3＋2×0.2＝2.3
５５０で、本方法は、顧客のＨＢ、ＨＢＴ、ＰＰ、およびＭＧに従って、顧客のユーザ快適レベル（ＣＧ）を算出する。

データ分析および調査により、顧客のＨＢ、ＨＢＴ、ＰＰ、およびＭＧは、ＣＧに関連していることが示されている。すなわち、過去の利益がより良くなればなるほど、ユーザ快適レベルはより高くなるであろう。利益内の動向が有意に上昇すれば、ユーザ快適レベルも同様に増加する。さらに、顧客の購買力がより強くなればなるほど、彼らの期待はより低くなり、またユーザ快適レベルはより高くなるであろう。加えて、顧客の熟度レベルがより高くなればなるほど、彼らの期待はより妥当なものになり、またより高いユーザ快適レベルも伴うであろう。

一実施形態では、ユーザ快適レベルを算出するときに、本方法はまず、求めたＨＢ、ＨＢＴ、ＰＰ、およびＭＧの平均値を次のように計算する：ＡＶＧ（ＨＢ）＝４、ＡＶＧ（ＨＢＴ）＝８、ＡＶＧ（ＰＰ）＝３８００、ＡＶＧ（ＭＧ）＝１．８。

（式５）に従って、またマーケット調査に基づいて、全ての因子の重みは、ユーザ快適レベルを算出するために次のように決定することができる。
CG＝4.92/4×0.5＋7.83/8×0.2＋4602.5/3800×0.2＋2.3/1.8×0.1＝1.18
５６０で、ユーザ快適レベルに基づき、本方法は、そのそれぞれのユーザ快適レベルが、再購入傾向を有する１組の顧客としての特定の条件に合致する、１組の顧客を特定する。

例えば、図３は、ユーザ快適レベルの分布図を示す。快適値が＞０．９であるとき、顧客の再購入傾向は相対的により高い。再購入傾向区間が全体のレベル（２０％）を上回るとき、上述の値は、ユーザ快適レベルで１．１８であり、したがって、顧客の再購入傾向を決定する。

５７０で、本方法は、再購入傾向を有する１組の顧客に基づき、最終マーケティング顧客リストを生成する。

実際上では、商品のクロスセリングおよびアップセリングは、生成された最終マーケティング顧客リストに基づいて行うことができる。

上述の例示的実装に基づき、顧客の過去の利益、過去の利益内の変動動向の分析、ならびに購買力、熟度、およびユーザ快適レベルの総合的な分析によって、顧客の再購入傾向の可能性を正確に予想することが可能である。その後に、例えば、０．９を超えるユーザ快適レベルを有する顧客等、高い再購入の可能性を有する顧客に、マーケティング努力を集中させることができる。

顧客の過去の利益内の変動動向ＨＢＴが否定的である場合、つまり、利益の値が下降し始めている場合、それは顧客のユーザ快適レベルが影響を受けている可能性があることを示唆しており、したがって、かかる顧客に対しては、できるだけ早く注意を払わなければならない。

再購入傾向の分析に基づき、マーケティング努力の対象顧客が特定されると、購入する可能性のある顧客を、その顧客の特徴に従って、対応する製品と合致させることができる。対応する製品と合致した顧客はさらに、購入傾向に従って分類することができる。図６に示すように、対応するマーケティング計画を考案することができ、その製品を使用する取引先の成功談を提供して、製品を購入したいという顧客の欲求を刺激することができる。

要約すると、本開示は、ユーザ快適レベルを求めるために、顧客の過去の利益、過去の利益内の動向、顧客の購買力、および熟度等の、種々のパラメータの再定義に関する例示的実装を提供する。この技術を通じて、顧客の再購入傾向の予測は、最終マーケティング顧客リストの生成についてより正確になる。したがって、ユーザ快適レベルを通して、製品の販売を促進し、より高いマーケティング成功率をもたらすために、より良い正確な製品マーケティング計画の実装を考案することができる。一方、既存の技術に比べ、本開示は、操作を最適化することができる、最終マーケティング顧客リストを算出するためのプログラムを提供する。したがって、本技術は、実装のために使用されるサーバへの負荷を、効率的に低減することができる。

一方、本開示は、従来のデータマイニングおよび予測技術が直面する、サンプル顧客の質および安定性における問題を解消する。従来の技術では、結果予測の妥当性は、その品質を保証することが困難なことが多く、また、相談するサンプル顧客の不足により、新製品がほとんど発売されない。

当業者が、本開示の精神および範囲から逸脱することなく、本開示を、多くの異なる方法で変更または修正できることは明らかである。したがって、本開示は、本開示の特許請求の範囲およびその均等物に包含される、全ての修正および変形を網羅することを意図する。

Claims (14)

1. １人以上の顧客の再購入傾向を予測する、コンピュータに実装される方法であって、
   指定の記憶場所から、対象顧客のリストであって、再購入傾向の分析が判断される１人以上の対象顧客を特定する、対象顧客のリストを検索することと、
   前記１人以上の対象顧客のうちの少なくとも１人の対象顧客について、指定の時間範囲内の過去の利益および前記過去の利益内の変動動向を決定することであって、前記過去の利益は、製品露出量、ウェブサイト閲覧量、フィードバック量を含み、
   前記少なくとも１人の対象顧客について、購買力パラメータおよび熟度を決定することと、
   前記少なくとも１人の対象顧客について、前記過去の利益、過去の利益内の変動動向、購買力パラメータ、および熟度に基づき、快適レベルスコアを計算することと、
   再購入傾向を有する前記対象顧客のリストであって、前記対象顧客のそれぞれの快適レベルスコアが閾値条件を満たす１人以上の前記対象顧客を含む、前記対象顧客のリストを決定することを含み、
   前記少なくとも１人の対象顧客の前記購買力パラメータは、期待年間契約価格、最高契約価格、業界の平均年間契約価格に基づき決定され、
   前記少なくとも１人の対象顧客の前記熟度は、会員レベル、ネットワーク精通度、活動度に基づき決定される
   ことを特徴とする方法。
2. 前記少なくとも１人の対象顧客の過去の利益を決定する因子は、月間製品露出量、月間ウェブサイトクリック量、月間フィードバック量、月間発注量、またはそれらの組み合わせを含む、
   ことを特徴とする請求項１に記載の方法。
3. 前記過去の利益内の変動動向は、前記過去の利益の各因子における変化に追随する、
   ことを特徴とする請求項２に記載の方法。
4. 前記過去の利益内の変動動向を算出するために、（式）ＨＢＴ＝(ｎΣｘｙ−(Σｘ)(Σｙ))／(ｎΣｘ²−(Σｘ)²)が使用され、式中、ｎは過去の利益データの数量を表し、ｘはデータ点通し番号を表し、ｙはデータ点の月間の過去の利益値を表す
   ことを特徴とする請求項１に記載の方法。
5. 前記少なくとも１人の対象顧客の前記快適レベルスコアは、前記少なくとも１人の対象顧客の過去の利益、過去の利益内の変動動向、顧客の期待、またはそれらの組み合わせに関連する
   ことを特徴とする請求項１に記載の方法。
6. 前記再購入傾向を有する顧客のリストに基づき、最終マーケティング顧客リストを生成することをさらに含む
   ことを特徴とする請求項１に記載の方法。
7. 前記最終マーケティング顧客リスト上の各顧客に対するそれぞれのマーケティング計画を選択することをさらに含む
   ことを特徴とする請求項６に記載の方法。
8. 評価装置であって、
   指定の記憶場所から、対象顧客リストであって、再購入傾向の分析が判断される１人以上の対象顧客を特定する、対象顧客リストを検索する、取得ユニットと、
   前記１人以上の対象顧客のうちの少なくとも１人の対象顧客について、指定の時間範囲内の過去の利益および前記過去の利益内の変動動向を決定する、第１の計算ユニットであって、前記少なくとも１人の対象顧客の購買力パラメータおよび熟度をさらに決定する、第１の計算ユニットと、
   前記過去の利益、前記過去の利益内の変動動向、前記購買力パラメータおよび前記熟度に基づき、前記少なくとも１人の対象顧客の快適レベルスコアを計算する、第２の計算ユニットと、
   再購入傾向を有する顧客のリストであって、それぞれの快適レベルスコアが閾値条件を満たす前記快適レベルスコアを有する少なくとも１人の対象顧客を含む顧客のリストを生成する、処理ユニットとを備え、
   前記少なくとも１人の対象顧客の前記過去の利益は、製品露出量、ウェブサイト閲覧量、およびフィードバック量を含み、
   前記少なくとも１人の対象顧客の前記購買力パラメータは、期待年間契約価格、最高契約価格、業界の平均年間契約価格に基づき決定され、
   前記少なくとも１人の対象顧客の前記熟度は、会員レベル、ネットワーク精通度、活動度に基づき決定される
   ことを特徴とする評価装置。
9. 前記処理ユニットは、前記再購入傾向を有する顧客のリストに基づき、最終マーケティング顧客リストをさらに生成する
   ことを特徴とする請求項８に記載の評価装置。
10. 再購入傾向を有する前記少なくとも１人の対象顧客の対象製品に対応するマーケティング計画を選択する、選択ユニットをさらに備える
    ことを特徴とする請求項８に記載の評価装置。
11. 前記対象顧客の過去の利益を決定する因子は、月間製品露出量、月間ウェブサイトクリック量、月間フィードバック量、月間発注量、またはそれらの組み合わせを含む
    ことを特徴とする請求項８に記載の評価装置。
12. 前記過去の利益内の変動動向は、前記過去の利益の各因子における変化に追随する
    ことを特徴とする請求項１１に記載の評価装置。
13. 前記過去の利益内の変動動向を決定するために、（式）ＨＢＴ＝(ｎΣｘｙ−(Σｘ)(Σｙ))／(ｎΣｘ²−(Σｘ)²)が使用され、式中、ｎは過去の利益データの数量を表し、ｘはデータ点通し番号を表し、ｙはデータ点の月間の過去の利益値を表す
    ことを特徴とする請求項８に記載の評価装置。
14. 前記少なくとも１人の対象顧客の前記快適レベルスコアは、前記少なくとも１人の対象顧客の過去の利益、過去の利益内の変動動向、顧客の期待、またはそれらの組み合わせに関連する
    ことを特徴とする請求項８に記載の評価装置。

Images