JP5785973B2 - 新規出店候補地分析装置及び方法及びプログラム - Google Patents

Description

本発明は、新規出店候補地分析装置及び方法及びプログラムに係り、特に、競合施設（店舗）へ目的を持って来店する可能性の高い来店客の居住範囲である目的来店商圏を用いて、目的来店客の数を予測して、新たに出店する候補地を分析するための新規出店候補地分析装置及び方法及びプログラムに関する。

携帯電話のGPS機能等を用いてユーザの位置情報を把握し、場所に応じた情報提供を行おうというサービスが広まりつつある。ユーザにとっては、自分の状況に合った情報を得ることができ、また、情報提供者にとっては、自社のサービスを効果的なユーザに提供できることが期待できる。

このようなサービスを行うために、先ず必要となる情報は、各施設（店舗）にどのような地域の人たちが来ているかという商圏である。特に、施設に目的を持ってわざわざ訪れる可能性の高い来店客の居住範囲である「目的来店商圏」を求めることによって、様々な応用が考えられる。

例えば、ある地域を選択した利用者は、その付近から人がよく行く施設情報を得ることができる。また、現在地や訪問予定地のおすすめ施設だけでなく、ある地域の人が行く施設情報など他者の動向を知ることもできるため、探索興味が湧き、情報提供サイトの利用が増えることも考えられる。

また、各施設の運営等を行っている情報提供者は、得られた商圏をマーケティングに活用することができる。例えば、広告配信・配布エリアの参考にすることができる。より実態に近い詳細な商圏を知ることができれば、今までの手法だとわからなかった来店者の居住範囲や、有効なターゲットの絞り込みなどができることも期待できる。また、売上予測などに利用することも考えられる。また、町の各施設の商圏を地図上で重ね合わせれば、町などの広範囲の商圏を把握することもできる。そして、例えば、観光で有名な京都であれば、地理的に離れたエリアからも人が来るように、商圏の大きさによって人を呼び寄せる町の魅力度を測ることや、商圏の形によってどういったエリアからその町に来ているかという町の特徴を把握することも期待できる。こういった情報は、例えば、引越しや店舗の新規出店等を検討している人、さらには都市改革を行う行政側にとって有益な情報となることが予想される。

新規出店を検討する際の手法としては以下のようなものがある。

店舗からの距離で商圏範囲を設定し、範囲内居住者数を出店候補地の商圏人口として予測する方法がある（例えば、非特許文献１参照）。

また、GPSから得られる人の移動履歴に基づいて、集客数を予測するシステムがある（例えば、非特許文献２参照）。

「Earth Finder」商圏余力地域の自動抽出 http://www.earthfinder.net/feature/solution/trading/trading.html 「Draffic」マーケティング支援サービス http://itpro.nikkeibp.co.jp/article/NEWS/20121015/429871/

しかしながら、上記の非特許文献１の技術では、実際の商圏は、施設の魅力度や交通網などが考慮され、複雑な形態をとるので、距離のみで指定できるものではない。

また、同一地域であっても、ある店舗に来店する人、来店しない人が存在しているので、商圏内の居住者数をそのまま来店者数とすると予測精度が悪くなるという問題がある。

上記の非特許文献２の技術では、人の移動履歴すべてを用いているので、例えば仕事中等、目的来店する可能性の低いタイミングの移動履歴も多く含まれており、予測精度が低い。

本発明は、上記の点に鑑みなされたもので、人口分布などの統計データやGPSで取得できる人の導線を利用することなく、精度よく目的来店者数が最も多い候補地を有力候補地として提案することが可能な新規出店候補地分析装置及び方法及びプログラムを提供することを目的とする。

上記の課題を解決するため、本発明（請求項１）は、目的来店客の居住範囲である目的来店商圏を用いて、新規出店の候補地を分析するための新規出店候補地分析装置であって、
施設名、施設カテゴリ、所在地情報を格納した施設記憶手段と、
ある施設に目的を持って訪れる目的来店客と衝動的に訪れる衝動来店客の居住範囲から判定された目的来店商圏として、施設名と、目的来店商圏に対応する地図中の範囲を所定のサイズで区切ったメッシュ毎に付与されたメッシュIDと、該当範囲から目的来店する可能性の高い目的来店者数と、を格納した目的来店商圏記憶手段と、
ユーザから入力された出店候補地及び施設カテゴリに基づいて、前記施設記憶手段を参照し、該出店候補地周辺の競合施設を特定する競合施設特定手段と、
前記目的来店商圏記憶手段の目的来店商圏のメッシュID毎に、該メッシュIDと前記競合施設とを結ぶ導線を作成する導線作成手段と、
前記導線上に前記出店候補地があれば、該メッシュIDに対応する目的来店者数を前記目的来店商圏記憶手段から取得し、該目的来店者数に応じたスコアを与え、該出店候補地毎にスコアを合計する予想目的来店者スコア計算手段と、
最もスコアが高い出店候補地を新規出店の有力候補地として選択する有力出店候補地算出手段と、を有する。

また、本発明（請求項２）は、ユーザの居住地情報を格納したユーザ居住地記憶手段と、
施設毎の知名度を格納した施設知名度記憶手段と、
施設名が入力されると該施設名に基づいて前記施設名記憶手段を参照し、施設名または略称を取得し、該施設名または該略称に基づいてWeb文書から文脈判定処理により実際に施設を訪れた投稿者を抽出する投稿者検索手段と、
抽出された前記投稿者に基づいて前記ユーザ居住地記憶手段を参照して、各当後者の居住地を取得する居住地割当手段と、
前記施設名に基づいて前記施設知名度記憶手段から施設の知名度を取得し、該施設の知名度に対する距離の閾値を求め、前記居住地と前記施設の距離を求め、該距離が該閾値より短い居住地のみを目的来店商圏とし、該目的来店商圏を所定のサイズのメッシュに区切り、該メッシュ毎にメッシュIDを付与し、該メッシュ内に住む目的来店者数を該施設名に対応付けて前記目的来店商圏記憶手段に格納する目的来店商圏計算手段と、を更に有する。

上述のように本発明によれば、競合施設へ実際に目的来店する可能性の高い人の導線を用いて集客数を予測するため、人口分布など統計データのみから予測したり、GPSなどで取得できる人の全動線を用いたりするよりも予測精度が高い。

本発明の一実施の形態における新規出店候補地分析装置である。 本発明の一実施の形態における施設名データベースの例である。 本発明の一実施の形態におけるユーザ居住地データベースの例である。 本発明の一実施の形態における施設知名度データベースの例である。 本発明の一実施の形態における目的来店商圏データベースの例である。 本発明の一実施の形態における商圏判定部の処理のフローチャートである。 本発明の一実施の形態における出店候補地判定部のフローチャートである。 本発明の一実施の形態における導線上にあるか否かの判定例である。 本発明の一実施の形態における複数経路を考慮したコスト算出例である。 本発明の一実施の形態における出力例である。

以下、図面と共に本発明の実施の形態を説明する。

以下に記載における「目的来店客」とは、その施設に目的を持ってわざわざ訪れた来店客である。本発明では、目的来店客の居住範囲と、目的来店に発展する可能性のある衝動来店客の居住範囲を合わせて「目的来店商圏」と定義する。

最初にシステム構成について説明する。

図１は、本発明の一実施の形態における新規出店候補地分析装置の構成を示す。

新規出店候補地分析装置１０は、目的来店商圏判定部１００と出店候補地判定部２００を有する。

目的来店商圏判定部１００は、施設名データベース１１０、検索部１２０、ユーザ居住地データベース１３０、居住地割当部１４０、施設知名度データベース１５０、目的来店商圏計算部１６０、目的来店商圏データベース１７０を有し、外部のネットワーク、またはネットワークから収集されたWeb文書を格納した記憶手段と接続されている。

出店候補地判定部２００は、競合施設特定部２１０、予想目的来店者スコア計算部２２０、有力出店候補地算出部２３０を有する。

目的来店商圏判定部１００は、出店候補地判定部２００の処理を行う前に予め起動され、目的来店商圏データベース１７０を生成する。

最初に、目的来店商圏判定部１００における事前処理について説明する。

施設名データベース１１０は、各施設（店舗）の情報を記録しておくデータベースであり、例えば、図２に示すように各施設の施設名、略称、施設カテゴリ、住所等を記録しておく。ここで施設カテゴリとは、スーパーマーケット、ファミリーレストラン、商業施設等を指す。

ユーザ居住地データベース１３０は、Twitter(登録商標)ユーザの居住地を記録しておくデータベースである。なお、本実施の形態では、Twitter（登録商標）というマイクロブログの一つを用いた方法を説明するが、他のWeb文書にも同じ手法が適用できる。過去の投稿やプロフィールからユーザの居住地を推定し、図３のように記録しておく。居住地を取得する手法としては、例えば、非特許文献２（Zhiyuan cheng, James Caverlee, Kyumin Lee, "You are where you tweet: a content-based approach to geo-locating twitter users", Proceedings of the 19^th ACM international conference on Information and knowledge management, pp. 759-768 (2010)）のように、過去の投稿から居住地を推定する技術等が利用できる。

施設知名度データベース１５０は、施設の知名度を格納しておくデータベースである。当該施設知名度データベース１５０は、例えば、全Twitter（登録商標）内である店舗名をつぶやいたユーザ数を使って、表１のように計算され、図４に示すようにつぶやいたユーザ数の段階に応じて知名度が設定される。表１の例では、知名度は１〜５までのランクがあり、つぶやいたユーザ数が多ければ多いほど知名度が高くなる。

検索部１２０は、入力された施設名に関してWeb文書２０を検索し、実際にその施設を訪問した投稿者を検索し、取得する。実際にその施設を訪問したか否かについては、文書を形態素解析し、文脈判定する。具体的には、施設名が含まれ、かつ、経験を示す語（例えば、「○○に行きました」、「○○に行ってみた」、「○○に行ったとき」「○○なう」等）を含む文章を投稿した投稿者を抽出する。

居住地割当部１４０は、検索部１２０から取得した各投稿者に基づいて、ユーザ居住地データベース１３０から当該投稿者の居住地を取得し、居住地と施設間の距離を算出し、目的来店商圏計算部１６０に渡す。

目的来店商圏計算部１６０は、施設名に基づいて、施設知名度データベース１５０から知名度を取得し、居住地と施設間の距離及び知名度に基づいて商圏を決定し、当該商圏を所定のサイズのメッシュに区切り、メッシュ毎に付与したメッシュＩＤと当該メッシュ内に住む目的来店者数（目的来店する可能性が高い人の数）を目的来店商圏データベース１７０に格納する。

施設来店商圏データベース１７０は、図５に示すように、施設名、メッシュID、目的来店者数を格納する。

以下に、上記の構成における目的来店商圏判定部１００の動作を説明する。

図６は、本発明の一実施の形態における目的来店商圏部の処理のフローチャートである。

ステップ１１０） 検索部１２０は、オペレータから施設名を受け付ける。

ステップ１２０） 検索部１２０は、入力された施設名が施設名データベース１１０にあるかを判定し、ある場合には、当該施設名に基づいてWeb文書２０を検索する。

ステップ１３０） 検索部１２０において、Web文書２０から得られた記事の文脈判定を行い、実際に施設に出向いた投稿者を判別し、当該記事の投稿者を判別する。実際に施設に出向いたかどうかの判断方法としては、例えば、「○○に行った」「○○なう」等の表現を抜き出すことが考えられる。

ステップ１４０） 居住地割当部１４０は、ユーザ居住地データベース１３０に居住地が存在する投稿者のみを抽出する。

ステップ１５０） 居住地割当部１４０は、Web文書２０から取得した投稿者のユーザ名に基づいて、ユーザ居住地データベース１３０から各投稿者の居住地を取得する。居住地としては、居住地の住所といった点データを用いてもよいし、市町村名などある程度の大きさを持った生活エリアなどを使用しても良い。

ステップ１６０） さらに、居住地割当部１４０は、各居住地から施設までの距離を計算しておく。

ステップ１７０） 目的来店商圏計算部１６０は、各施設名に基づいて施設知名度データベース１５０から施設の知名度を取得する。

ステップ１８０） 目的来店商圏計算部１６０は、ステップ１５０で求められた距離について、表２のような閾値に変換する。

ステップ１９０） 目的来店商圏計算部１６０は、居住範囲の絞り込みを行うために、知名度に基づいて、当該目的来店商圏計算部１６０内のメモリに格納されている表２に示す施設と居住者の距離による知名度のテーブルを参照し、距離の閾値を取得する。

ステップ２００） 目的来店商圏計算部１６０は、所定の閾値よりも距離が短い居住地のみを居住地データとして残し、当該居住地データの範囲を所定のサイズのメッシュに区切り、該メッシュ毎にIDを付与して、施設名に対応するメッシュIDと当該メッシュ内に住む目的来店者数を目的来店商圏データベース１７０に格納する。

次に、出店候補地判定部２００の処理について説明する。

図７は、本発明の一実施の形態における出店候補地判定部のフローチャートである。

ステップ７１０） 出店候補地判定部２００の競合施設特定部２１０は、ユーザから出店候補地（複数）、施設カテゴリを受け付ける。

ステップ７２０） 競合施設特定部２１０は、ステップ７１０で入力された施設カテゴリに基づいて、施設名データベース１１０を参照し、当該カテゴリに対応し、かつ、出店候補地周辺にある施設情報を競合施設として抽出する。

ステップ７３０） 予想目的来店者スコア計算部２２０は、メッシュID毎に、ステップ７２０で抽出された競合施設への目的来店者の居住地と競合施設とを結ぶ導線を作成する。導線は、例えば、単純に競合施設と居住地の２点間を直線で結んで導線としてもよいし、または、MapFan（登録商標）などのルート検索サービスの結果を導線としてもよい。また、導線には、徒歩ルート、路線バスルート、自動車ルート、電車ルート、または、それらの組み合わせがあるが、これらは任意に選択できるものとする。

ステップ７４０） 予想目的来店者スコア計算部２２０は、入力された出店候補地がステップ７３０で作成された導線上にあるか否かを判定する。以下に判定方法について、図８に基づいて説明する。

cost(居住地⇒候補地⇒競合店舗)≦cost（居住地⇒競合店舗）＋α（交通手段等により異なる）
が成り立てば導線上と判断する。ここで、cost（経路）はある地点からある地点までの経路が与えられると移動にかかるコストを返すコスト関数であり、移動時間や距離などを用いる。αは許容できる導線からの外れ具合を表し、交通手段などによって異なる値を設定できる。図８（ａ）の場合は、
cost(居住地⇒候補地⇒競合店舗）＞cost（居住地⇒競合店舗）＋α
であり、αの誤差に治まらないぐらい左辺が大きいので、導線上にないと判断する。

図８（ｂ）の場合は、
cost(居住地⇒候補地⇒競合店舗）≦cost（居住地⇒競合店舗）＋α
であり、導線からの少しのずれは、αで表した許容誤差に含まれ右辺が大きくなるので、導線上と判断する。

図８（ｃ）は、居住地、競合店舗、候補地の順で直線上に並んでいる場合を示しており、競合店舗と候補地との距離が大きくなりすぎると、
(居住地⇒候補地⇒競合店舗）＞cost（居住地⇒競合店舗）＋α
となり、導線上にないと判断する。

図８（ｄ）は、（ｃ）と同様の並び方であるが、競合店舗と候補地の距離が所定の値より小さい場合であり、
(居住地⇒候補地⇒競合店舗）≦cost（居住地⇒競合店舗）＋α
となり、導線上と判断する。

図８（ｅ）は、cost(居住地⇒競合店舗)と等しくなる場合であり、
(居住地⇒候補地⇒競合店舗）≦cost（居住地⇒競合店舗）＋α
であり、導線上と判断する。

ステップ７５０） 上記のステップ７４０で導線上にあると判断された場合はステップ７６０に移行し、そうでない場合はステップ７７０に移行する。

ステップ７６０） 予想目的来店者スコア計算部２２０は、新規出店候補地に目的来店者数に応じたスコアを与える。以下にスコアの付与の方法について説明する。

第１の方法として、
スコア＝目的来店者数（居住地）
のように目的来店者数をそのままスコアとする方法がある。

また、第２の方法として、

のように所要時間の短縮率などをスコアに加える方法がある。上記の例は、新規出店候補地へのcost（所要時間など）が小さいほどスコアが高くなる。

ステップ７７０） 予想目的来店者スコア計算部２２０は、メモリ（図示せず）に格納されたスコアを出店候補地毎に合計する。

ステップ７８０） 有力出店候補地算出部２３０は、予想目的来店者スコアが最も大きい候補地を有力候補地として表示装置やメモリ等の記憶媒体等に出力する。出力例を図１０に示す。同図に示すように、例えば、出店候補地として「候補地１：神奈川県○○」、「候補２：神奈川県△△」など、カテゴリとして「ファミリーレストラン」が入力された場合、予想目的来店者スコアの最も大きい候補地の住所を出力する。なお、複数のカテゴリが指定されている場合も同様に、各カテゴリ毎に予想目的来店者スコアの最も大きい候補地の住所を結果として出力する。なお、目的来店者スコアに基づいて、ランキング形式で表示することも可能である。

本発明では、移動した全ての導線を用いるのではなく、上記のステップ７３０の処理により競合施設への目的来店時の導線のみを用いて集客数を予測するため、目的来店者数の予測精度が高い。

上記の図７のステップ７３０〜７７０の処理を実行することにより、以下のような候補地毎のスコアが計算できる。

ここで、Areaは目的来店商圏を構成する居住地の集合を表し、f(x)は、ある候補地が競合店舗より低コストで移動できる度合いを示す関数であり、以下のように求められる。αは許容できる導線からのはずれ具合を表し、交通手段などによって異なる値を設定できる。

また、交通手段が複数考えられるため、下記のように複数の手段で経路を算出し、スコアの計算を行い、合計してもよい。

ここで、Areaは目的来店商圏を構成する居住地の集合であり、Transportは交通手段の集合である。f_t(居住地，候補地，競合店舗)は、ある候補地が競合店舗への導線上にある場合に、候補地が競合店舗より、交通手段tを利用して低コストで移動できる度合いを示す関数である。交通手段tを使ったときの移動コストを表現する関数cost_t（経路）と、交通手段tを使ったときの許容できる導線から外れ具合を表すα(t)、を利用して以下のように求められる。

店舗の種類によって、各交通手段の重みを変えることも考えられる。cost_tの計算は、以下の方法で求めることができる。

第１の方法として、最短経路の距離や時間をcostとして採用し、
cost(A→B)=AからBへの最短経路の所要時間
より求める。なお、最短経路の所要時間や距離は、例えば、google map（登録商標）等の経路探索サービスを用いることができる。

第２の方法として、図９に示すような複数経路を考慮してcostを計算する方法がある。

ここで、pathcost(A→B, path i)は、ＡからＢにpath iを通っていくときの、所要時間や距離などである。所要時間や距離等はgoogle map(登録商標)等の経路探索サービスを用い算出することができる。

P(path i)はpath iを通る確率であり、交通量などをもとに決定する。

なお、上記の図１の新規出店候補地分析装置の構成要素をプログラムとして構築し、新規出店候補地分析装置として利用されるコンピュータにインストールして実行させる、または、ネットワークを介して流通させることが可能である。

本発明は、上記の実施の形態に限定されることなく、特許請求の範囲内において、種々変更・応用が可能である。

１０ 新規出店候補地分析装置
２０ Web文書
３０ 表示装置
１００ 目的来店商圏判定部
１１０ 施設名データベース
１２０ 検索部
１３０ ユーザ居住地データベース
１４０ 居住地割当部
１５０ 施設知名度データベース
１６０ 目的来店商圏計算部
１７０ 目的来店商圏データベース
２００ 出店候補地判定部
２１０ 競合施設特定部
２２０ 予想目的来店者スコア計算部
２３０ 有力出店候補地算出部

Claims (5)

1. 施設名、施設カテゴリ、所在地情報を格納した施設記憶手段と、
   ある施設に訪れる来店者の居住範囲から判定された当該施設の商圏に対応する地図中の範囲を所定のサイズで区切ったメッシュを対象に、当該施設の施設名と、メッシュIDと、当該メッシュ内に居住地が含まれる来店者の数とを組にして格納した商圏記憶手段と、
   ユーザから入力された出店候補地及び施設カテゴリに基づいて、前記施設記憶手段を参照し、該出店候補地周辺の競合施設の施設名を特定する競合施設特定手段と、
   前記特定された競合施設単位に、競合施設の施設名に関して前記商圏記憶手段に格納されているメッシュIDと当該競合施設とを結ぶ導線を作成する導線作成手段と、
   前記導線上に前記出店候補地があれば、当該導線に対応するメッシュIDとその競合施設の施設名に関して前記商圏記憶手段に格納されている来店者の数に応じたスコアを与え、該出店候補地毎にスコアを合計するスコア計算手段と、
   最もスコアが高い出店候補地を新規出店の有力候補地として選択する有力出店候補地算出手段と、
   を有することを特徴とする新規出店候補地分析装置。
2. ユーザの居住地情報を格納したユーザ居住地記憶手段と、
   施設毎の知名度を格納した施設知名度記憶手段と、
   施設名が入力されると、該施設名に基づいてWeb文書から文脈判定処理により当該施設名に係る施設を訪れた投稿者を抽出する投稿者検索手段と、
   抽出された前記投稿者に基づいて前記ユーザ居住地記憶手段を参照して、各投稿者の居住地を取得する居住地割当手段と、
   前記施設名に基づいて前記施設知名度記憶手段から施設の知名度を取得し、該施設の知名度に対する距離の閾値を求め、前記居住地と前記施設の距離を求め、該距離が該閾値より短い居住地のみを商圏とし、該商圏を所定のサイズのメッシュに区切り、該メッシュ毎にメッシュIDを付与し、該メッシュ内に居住地が含まれる投稿者の数を前記来店者の数として該施設名に対応付けて前記商圏記憶手段に格納する商圏計算手段と、
   を更に有する請求項１記載の新規出店候補地分析装置。
3. 施設名、施設カテゴリ、所在地情報を格納した施設記憶手段と、
   ある施設に訪れる来店者の居住範囲から判定された当該施設の商圏に対応する地図中の範囲を所定のサイズで区切ったメッシュを対象に、当該施設の施設名と、メッシュIDと、当該メッシュ内に居住地が含まれる来店者の数とを組にして格納した商圏記憶手段と、
   競合施設特定手段、導線作成手段、スコア計算手段、有力出店候補地算出手段と、を有する装置において、
   前記競合施設特定手段が、ユーザから入力された出店候補地及び施設カテゴリに基づいて、前記施設記憶手段を参照し、該出店候補地周辺の競合施設の施設名を特定する競合施設特定ステップと、
   前記導線作成手段が、前記特定された競合施設単位に、競合施設の施設名に関して前記商圏記憶手段に格納されているメッシュIDと当該競合施設とを結ぶ導線を作成する導線作成ステップと、
   前記スコア計算手段が、前記導線上に前記出店候補地があれば、当該導線に対応するメッシュIDとその競合施設の施設名に関して前記商圏記憶手段に格納されている来店者の数に応じたスコアを与え、該出店候補地毎にスコアを合計するスコア計算ステップと、
   前記有力出店候補地算出手段が、最もスコアが高い出店候補地を新規出店の有力候補地として選択する有力出店候補地算出ステップと、
   を行うことを特徴とする新規出店候補地分析方法。
4. ユーザの居住地情報を格納したユーザ居住地記憶手段と、
   施設毎の知名度を格納した施設知名度記憶手段と、
   投稿者検索手段と、居住地割当手段と、商圏計算手段と、を更に有する装置において、
   前記投稿者検索手段が、施設名が入力されると、該施設名に基づいてWeb文書から文脈判定処理により当該施設名に係る施設を訪れた投稿者を抽出する投稿者検索ステップと、
   前記居住地割当手段が、抽出された前記投稿者に基づいて前記ユーザ居住地記憶手段を参照して、各投稿者の居住地を取得する居住地割当ステップと、
   商圏計算手段が、前記施設名に基づいて前記施設知名度記憶手段から施設の知名度を取得し、該施設の知名度に対する距離の閾値を求め、前記居住地と前記施設の距離を求め、該距離が該閾値より短い居住地のみを商圏とし、該商圏を所定のサイズのメッシュに区切り、該メッシュ毎にメッシュIDを付与し、該メッシュ内に居住地が含まれる投稿者の数を前記来店者の数として該施設名に対応付けて前記商圏記憶手段に格納する商圏計算ステップと、
   を更に行う請求項３記載の新規出店候補地分析方法。
5. コンピュータを、
   請求項１または２に記載の新規出店候補地分析装置の各手段として機能させるための新規出店候補地分析プログラム。

Images