JP5837781B2 - 対照比較法を用いたキャンペーン効果算出システム及びそのキャンペーン効果算出方法 - Google Patents

Description

本発明は、販売を促進するための宣伝活動（以下、キャンペーンという）において、キャンペーンに掛かる費用（以下、投資という）に対するキャンペーンにより得られる利益（以下、効果という）を算出する対照比較法を用いたキャンペーン効果算出システム及びそのキャンペーン効果算出方法に関する。

小売業やメーカーなど各企業は顧客の獲得や顧客による購買を増進させるために、商品の値引きや顧客に特典を与えるキャンペーンを実施することがある。しかし、キャンペーンを実施するためにはキャンペーンの内容、キャンペーンを実施している店舗、及びキャンペーン実施期間などを顧客に知らせなければならない。このため、商品の値引きや特典を与えるための費用の他に、このキャンペーンの広告や宣伝などの費用も必要となる。このようにキャンペーンを実施するには色々な費用が掛かるので、この投資に対するキャンペーンの効果を正確に把握し、次のキャンペーンをより良く改善していく必要があった。このキャンペーンの投資に対する効果を把握するために、従来は単なるキャンペーン期間中の売上増を測定する、施策前中比較法によるｍＲＯＩモデル（ｍＲＯＩ＝マーケティング投資対効果）が使われていた。キャンペーン期間中にキャンペーンの対象となる商品（以下、対象商品という）がどれだけ買われ、それが普段（測定方法の比較時期の定義はそれぞれで異なる）より、どの程度上がったか測定し、効果としているものである。より詳細に説明すると、施策前中比較法は、キャンペーンを実施している期間と、キャンペーンを実施していない期間（キャンペーン実施前）において、対象商品を含む商品カテゴリの売上の差分を算出することで売上押上効果を推定する方法である。

キャンペーンに関する技術として下記特許文献１がある。特許文献１では、生活者の消費行動に対する影響に基づいて、展開中の広告キャンペーンの適否を分析し、そのキャンペーン計画を自動的に修正できるキャンペーン動的適正化システム及びその方法を提供している。

特開２０１１−１３４３５６号公報

従来の単純な増分比較であるｍＲＯＩモデルには、２つの大きな課題があった。ひとつは、キャンペーンを実施している期間とキャンペーンを実施していない期間の季節や天候、景況が異なる場合には、それらの売上に対する影響を除くことが出来ず、正確なキャンペーンの効果を把握することができなかった。もうひとつは、商品カテゴリの売上変化のみを見ているため、キャンペーン期間中に対象商品を購入した顧客の正確な把握が出来ず、顧客単位でキャンペーンによる効果を測定することが出来ていなかった。このように、投資をしてキャンペーンを実施しているにも係わらず、キャンペーンの効果を正確に把握することができておらず、最適な投資配分の実現はもとより、キャンペーンの正確な効果を誰も把握できていなかった。

本発明はこのような状況に鑑みてなされたものであり、上記課題を解決できる対照比較法を用いたキャンペーン効果算出システム及びそのキャンペーン効果算出方法を提供することを目的とする。

本発明の対照比較法を用いたキャンペーン効果算出システムは、ネットワークを介して接続されたファイルサーバと分析プラットホームを備えたキャンペーン効果算出システムであって、前記ファイルサーバは、各種マスタデータとトランザクションデータが記憶されている記憶手段を有し、前記分析プラットホームは、前記各種マスタデータと前記トランザクションデータを用いて施策情報のｍＲＯＩ分析を行うｍＲＯＩ分析処理手段を有し、前記ｍＲＯＩ分析処理手段は、キャンペーンの期間中に対象商品を購入した顧客グループと、それ以外の顧客グループを識別し、これらの識別された顧客グループによる販促期間における売上増加率の差から全体値入高（＝利益高）押上高を算出する全体利益押上効果算出手段を備えていることを特徴としている。
また、本発明の対照比較法を用いたキャンペーン効果算出システムの前記ｍＲＯＩ分析処理手段は、前記全体値入高押上高を客単価値入高押上高と客数値入高押上高に分解して全体客単価値入高押上高と全体客数値入高押上高を算出する客単価・客数効果算出手段を備えていることを特徴としている。
また、本発明の対照比較法を用いたキャンペーン効果算出システムの前記ｍＲＯＩ分析処理手段は、商品クラス毎（ここでいう商品クラスとは、「分類」と「クラス」からなる商品カテゴリにおける「クラス」を指し、例えば、「分類」が「米飯」で「クラス」は「弁当」や「おにぎり」など）に客単価値入高押上高を分解し、キャンペーン対象商品による客単価値入高押上高、対象商品と一緒に買い合わされた商品による客単価値入高押上高、対象商品により元々購買していたものからキャンペーン対象商品へと購買がスイッチし客単価値入高を押し下げる効果を算出する買い合わせ・カニバリ効果算出手段を備えていることを特徴としている。
また、本発明の対照比較法を用いたキャンペーン効果算出システムは、ネットワークに接続される広告・販促企画担当部署利用端末を備え、前記広告・販促企画担当部署利用端末に前記施策情報が登録されることを特徴としている。
また、本発明の対照比較法を用いたキャンペーン効果算出システムは、ネットワークに接続されるマーケティング担当部署利用端末を備え、前記マーケティング担当部署利用端末は、前記広告・販促企画担当部署利用端末から前記施策情報を受信し、前記施策情報とｍＲＯＩ分析要求を前記分析プラットホームに送信し、前記分析プラットホームの前記ｍＲＯＩ分析処理手段から出力されるｍＲＯＩ分析結果を受信することを特徴としている。
また、本発明の対照比較法を用いたキャンペーン効果算出システムの前記ｍＲＯＩ分析処理手段は、前記ｍＲＯＩ分析要求を受信するとｍＲＯＩ分析を開始することを特徴としている。
また、本発明の対照比較法を用いたキャンペーン効果算出システムの前記ｍＲＯＩ分析処理手段は、設定された時刻にｍＲＯＩ分析を開始することを特徴としている。
本発明の対照比較法を用いたキャンペーン効果算出システムのキャンペーン効果算出方法は、ネットワークを介して接続されたファイルサーバと分析プラットホームを備えた対照比較法を用いたキャンペーン効果算出システムのキャンペーン効果算出方法であって、前記ファイルサーバは、各種マスタデータとトランザクションデータが記憶されている記憶工程を有し、前記分析プラットホームは、前記各種マスタデータと前記トランザクションデータを用いて施策情報のｍＲＯＩ分析を行うｍＲＯＩ分析処理工程を有し、前記ｍＲＯＩ分析処理工程は、キャンペーンの期間に対象商品を購入した顧客グループと、それ以外の顧客グループを識別し、これらの識別された顧客グループによる販促期間における売上増加率の差から全体値入高押上高を算出する全体利益押上効果算出工程と、前記全体値入高押上高を客単価値入高押上高と客数値入高押上高に分解して全体客単価値入高押上高と全体客数値入高押上高を算出する客単価・客数効果算出工程と、を備えていることを特徴とする対照比較法を用いたキャンペーン効果算出システムのキャンペーン効果算出方法。

本発明の対照比較法を用いたキャンペーン効果算出システムによれば、対照比較法という新しいｍＲＯＩモデルを用いてキャンペーンの投資に対する効果を正確に算出することができるので、キャンペーン効果が期待できないキャンペーンを実施しないことで無駄な投資を回避することができる。さらに、その投資をキャンペーン効果が高いキャンペーンに投資することで、投資対効果が最も大きくなる最適な投資配分を提案することができる。よって、対照比較法を用いたキャンペーン効果算出システムを採用すると、投資対効果が大幅に改善することが可能となる。

本発明の実施形態に係る対照比較法を用いたキャンペーン効果算出システムの概要を示す図である。 本発明の実施形態に係る対照比較法を用いたキャンペーン効果算出システムを用いたキャンペーン効果を算出する手順を示すフローチャートである。 本発明の実施形態に係る対照比較法を用いたキャンペーン効果算出システムの機能構成を示す図である。 本発明の実施形態に係るｍＲＯＩモデルのｍＲＯＩ分析処理の概要を示す図である。 図４における全体利益押上効果算出の概要を説明する図である。 図４における全体利益押上効果算出の手順を説明する図である。 図４における客単価・客数効果算出の概要を説明する図である。 図４における客単価・客数効果算出の手順を説明する図である。 図４における買い合わせ・カニバリ効果算出の概要を説明する図である。 図４における買い合わせ・カニバリ効果算出の手順を説明する図である。

本発明を実施するための形態(以下、実施形態という)は、顧客の購買データを有する企業（小売業・サービス業・メーカー等）において、対照比較法を用いたキャンペーン効果算出システムを適用する実施形態である。対照比較法を用いたキャンペーン効果算出システム１０の概要について、図１を用いて説明する。対照比較法を用いたキャンペーン効果算出システム１０は、図１に示すようにファイルサーバ１００分析プラットホーム２００、広告・販促企画担当部署利用端末３００、及びマーケティング担当部署利用端末（分析端末）４００から構成され、これらの装置は企業本部により管理されている。ファイルサーバ１００は、ネットワークに接続されている大容量のディスクを備えたファイルサーバであり、会員マスタデータ、商品マスタデータ、店舗マスタデータ、及び値入率マスタデータ（以下、各種マスタデータという）とＰＯＳ（Point of sale system）データであるトランザクションデータのファィルが保存されている。各種マスタデータとＰＯＳデータについては、後述する。分析プラットホーム２００は、ファイルサーバ１００から各種マスタデータとＰＯＳデータを受信し、キャンペーン計画の施策について新しいｍＲＯＩモデルによる分析処理（以下、ｍＲＯＩ分析処理という）を行うサーバである。広告・販促企画担当部署利用端末３００は、企業の広告・販促企画担当部署などに設置される操作端末であり、広告・販促企画の担当（以下、広告販促企画担当という）によりキャンペーンの施策番号、施策名、施策区分、開始日、終了日、対象商品クラス、及び実施するエリアなどの情報（以下、施策情報という）が登録される端末である。マーケティング担当部署利用端末４００は、企業のマーケティング担当部署などに設置されている操作端末であり、マーケティングの担当（以下、マーケティング担当という）により、広告・販促企画担当部署利用端末３００から受信する施策情報を分析プラットホーム２００に送信し、その施策情報のｍＲＯＩ分析処理を要求し、また分析プラットホーム２００からｍＲＯＩ分析結果を受信すると、ｍＲＯＩ分析結果を表示する端末である。

次に、図１に示す対照比較法を用いたキャンペーン効果算出システム１０を用いたキャンペーン効果を算出する手順について、図２のフローチャートを用いて説明する。図２に示すように、データ準備・加工は、施策情報登録（ステップＳ１０）、施策情報確認（ステップＳ２０）、施策情報取込（ステップＳ３０）、及び各種マスタデータ・トランザクション自動抽出（ステップＳ４０）から構成されている。データ分析は、ｍＲＯＩ分析処理実行（ステップＳ５０）から構成されている。アウトプットは、ｍＲＯＩ分析結果表示（ステップＳ６０）、ｍＲＯＩ分析結果確認（ステップＳ７０）、エラー判定（ステップＳ８０）、及び資料作成（ステップＳ９０）から構成されている。

まず、ステップＳ１０において、広告販促企画担当は広告・販促企画担当部署利用端末３００を用いてキャンペーンの施策情報を作成し、広告・販促企画担当部署利用端末３００に登録する。次いで、ステップＳ２０において、マーケティング担当は、マーケティング担当部署利用端末４００を用いて広告・販促企画担当部署利用端末３００に登録されている施策情報を取り出し、施策情報に不備がないかの確認を行う。次いで、ステップＳ３０において、施策情報に不備がないことを確認すると、マーケティング担当部署利用端末４００から分析プラットホーム２００にｍＲＯＩ分析要求を行うと、分析プラットホーム２００は施策情報を取り込む。次いで、ステップＳ４０において、分析プラットホーム２００はファイルサーバ１００からｍＲＯＩ分析で必要な各種マスタデータとトランザクションデータを自動的に抽出する。次いで、ステップＳ５０において、分析プラットホーム２００はｍＲＯＩ分析処理を実行する。ｍＲＯＩ分析処理については、後述する。次いで、ステップＳ６０において、分析プラットホーム２００がｍＲＯＩ分析処理を終了すると、マーケティング担当部署利用端末４００は分析プラットホーム２００からｍＲＯＩ分析結果を取り出し表示する。次いで、ステップＳ７０において、マーケティング担当は、マーケティング担当部署利用端末４００に表示されるｍＲＯＩ分析結果を確認する。次いで、ステップＳ８０において、マーケティング担当は、ｍＲＯＩ分析結果についてエラーの有無を判定し、ｍＲＯＩ分析結果にエラーが無いときにはステップＳ９０に進む。また、ｍＲＯＩ分析結果にエラーが有るときにはステップＳ２０に戻る。次いで、ステップＳ９０において、マーケティング担当は、必要に応じてｍＲＯＩ分析結果に基づいて施策情報のキャンペーンにおける投資に対する効果を分析した資料を作成する。

次に、対照比較法を用いたキャンペーン効果算出システム１０の機能構成について、図３を用いて説明する。図３に示すように対照比較法を用いたキャンペーン効果算出システム１０は、ファイルサーバ１００、分析プラットホーム２００、広告・販促企画担当部署利用端末３００、及びマーケティング担当部署利用端末４００から構成され、ネットワーク５００で接続されている。ファイルサーバ１００、分析プラットホーム２００、広告・販促企画担当部署利用端末３００、及びマーケティング担当部署利用端末４００は、図１に示すファイルサーバ１００、分析プラットホーム２００、広告・販促企画担当部署利用端末３００、及びマーケティング担当部署利用端末４００に同じである。

ファイルサーバ１００の機能構成について説明する。ファイルサーバ１００は、マスタＤＢ１１０とトランザクションＤＢ１２０により構成されている。また、マスタＤＢ１１０には、会員マスタＤＢ１１０ａ、商品マスタＤＢ１１０ｂ、店舗マスタＤＢ１１０ｃ、及び値入率マスタＤＢ１１０ｄを備えている。会員マスタＤＢ１１０ａは、企業において会員として登録されている顧客の住所、氏名、年齢、性別などの情報である会員マスタデータが保存されているデータベースである。商品マスタＤＢ１１０ｂは、企業において販売されている商品の仕入先、及び商品クラスなどの情報である商品マスタデータが保存されているデータベースである。店舗マスタＤＢ１１０ｃは、店舗毎に付けられている店舗コード、店舗のエリアなどの情報である店舗マスタデータが保存されているデータベースである。値入率マスタＤＢ１１０ｄは、商品毎の値入率、商品の販売価格、商品の仕入れ原価などの情報である値入率マスタデータが保存されているデータベースである。また、トランザクションＤＢ１２０はＰＯＳシステムより収集される販売情報である顧客番号、売上日付、売上商品の商品コードと商品クラス、売上店舗の店舗コードなどの情報であるトランザクションデータが保存されているデータベースである。

分析プラットホーム２００の機能構成について説明する。分析プラットホーム２００は、通信処理部２１０、記憶部２２０、及びｍＲＯＩ分析処理部２３０から構成されている。通信処理部２１０は、マーケティング担当部署利用端末４００から施策情報やｍＲＯＩ分析要求を受信するとｍＲＯＩ分析処理部２３０に出力する。また、通信処理部２１０は、ファイルサーバ１００から各種マスタデータやトランザクションデータを受信するとｍＲＯＩ分析処理部２３０に出力する。また、通信処理部２１０は、ｍＲＯＩ分析処理部２３０からｍＲＯＩ分析結果を入力すると、ネットワーク５００を経由してマーケティング担当部署利用端末４００に送信する。記憶部２２０は、フラッシュメモリ等からなる書き替え可能な記憶装置で、施策情報２２０ａ、各種マスタデータ２２０ｂ、トランザクションデータ２２０ｃ、及びｍＲＯＩ分析結果２２０ｄを備えている。施策情報２２０ａには、ｍＲＯＩ分析を行う施策情報がｍＲＯＩ分析処理部２３０により保存される。各種マスタデータ２２０ｂには、ｍＲＯＩ分析処理部２３０がファイルサーバ１００のマスタＤＢ１１０から自動的に抽出したｍＲＯＩ分析で必要な各種マスタデータが保存される。トランザクションデータ２２０ｃには、ｍＲＯＩ分析処理部２３０がフィルサーバ１００のトランザクションＤＢ１２０から自動的に抽出したｍＲＯＩ分析で必要なトランザクションデータが保存される。ｍＲＯＩ分析結果２２０ｄには、ｍＲＯＩ分析処理部２３０が施策情報についてｍＲＯＩ分析処理を実行することで作成されるｍＲＯＩ分析結果が保存される。ｍＲＯＩ分析処理部２３０は、通信処理部２１０から施策情報を入力すると記憶部２２０の施策情報２２０ａに保存する。また、ｍＲＯＩ分析処理部２３０は、通信処理部２１０からｍＲＯＩ分析要求を入力すると、ｍＲＯＩ分析要求された施策情報を施策情報２２０ａから取り出し、各種マスタデータ２２０ｂとトランザクションデータ２２０ｃを用いてｍＲＯＩ分析処理を実行する。ｍＲＯＩ分析処理部２３０がｍＲＯＩ分析処理を終了するとｍＲＯＩ分析結果をｍＲＯＩ分析結果２２０ｄに保存し、更にｍＲＯＩ分析結果を通信処理部２１０に出力する。

広告・販促企画担当部署利用端末３００の機能構成について説明する。広告・販促企画担当部署利用端末３００は、通信処理部３１０、記憶部３２０、施策情報登録処理部３３０、操作部３４０、及び表示部３５０から構成されている。操作部３４０は、操作を入力できるキーボート、マウスなどの操作を入力できる機器である。表示部３５０は、データの確認などのためにデータを表示する表示装置である。記憶部３２０は、フラッシュメモリ等からなる書き替え可能な記憶装置で、施策情報３２０ａを備えている。施策情報３２０ａには、販促企画担当により登録される施策情報が保存される。施策情報登録処理部３３０は、販促企画担当が操作部３４０及び表示部３５０を用いて登録した施策情報を施策情報３２０ａに保存する。また、施策情報登録処理部３３０は、マーケティング担当部署利用端末４００からの要求により指定された施策情報を施策情報３２０ａから取り出し、通信処理部３１０に出力する。通信処理部３１０は、施策情報登録処理部３３０から施策情報を入力すると、ネットワーク５００を経由してマーケティング担当部署利用端末４００に送信する。

マーケティング担当部署利用端末４００の機能構成について説明する。マーケティング担当部署利用端末４００は、通信処理部４１０、ｍＲＯＩ分析要求処理部４２０、操作部４３０、及び表示部４４０から構成されている。操作部４３０は、操作を入力できるキーボート、マウスなどの操作を入力できる機器である。表示部４４０は、データの確認などのためにデータを表示する表示装置である。通信処理部４１０は、広告・販促企画担当部署利用端末３００からネットワーク５００を経由して受信する施策情報をｍＲＯＩ分析要求処理部４２０に出力する。また、通信処理部４１０は、ｍＲＯＩ分析要求処理部４２０から施策情報とｍＲＯＩ分析要求を入力し、ネットワーク５００を経由して分析プラットホーム２００に送信する。更に、通信処理部４１０は、分析プラットホーム２００からネットワーク５００を経由して受信するｍＲＯＩ分析結果を受信するとｍＲＯＩ分析要求処理部４２０に出力する。ｍＲＯＩ分析要求処理部４２０は、広告・販促企画担当部署利用端末３００から通信処理部４１０を経由して施策情報を入力すると、表示部４４０に表示する。また、ｍＲＯＩ分析要求処理部４２０は、操作部４３０からｍＲＯＩ分析要求を入力すると、通信処理部４１０を経由して分析プラットホーム２００にｍＲＯＩ分析要求を送信する。更に、ｍＲＯＩ分析要求処理部４２０は、分析プラットホーム２００から通信処理部４１０を経由してｍＲＯＩ分析結果を入力すると、表示部４４０に表示する。

次に、分析プラットホーム２００のｍＲＯＩ分析処理部２３０により実行されるｍＲＯＩモデルのｍＲＯＩ分析処理の概要について、図４を用いて説明する。図４に示すように、ｍＲＯＩモデルのｍＲＯＩ分析処理は、全体利益押上効果算出（ステップＳ１００）、客単価・客数効果算出（ステップＳ２００）、買い合わせ・カニバリ効果算出（ステップＳ３００）の順に処理が行われる。ステップＳ１００における全体利益押上効果算出は、キャンペーンを実施して販売を促進する期間(以下、販促期間という)にキャンペーンを実施しているエリア（以下、対象エリアという）での対象商品の購入者（以下、利用者という）と販促期間に対象エリアでの対象商品以外の商品（以下、非対象商品という）のみの購入者（以下、非利用者という）を識別し、利用者と非利用者の販促期間における売上増加率の差から全体値入高押上高（全体利益押上効果）を算出するものである。ステップＳ２００における客単価・客数効果算出は、ステップＳ１００で算出された全体値入高押上高を客単価値入高押上高と客数値入高押上高に分解し、更に客単価値入高押上高から全体客単価値入高押上高（客単価効果）を算出し、客数値入高押上高から全体客数値入高押上高（客数効果）を算出するものである。ステップＳ３００における買い合わせ・カニバリ効果算出は、全体の客単価値入高押上高を商品クラス毎の客単価値入高押上高に分解し、キャンペーン対象商品による客単価値入高押上高、対象商品と一緒に買い合わされた商品による客単価値入高押上高、対象商品により元々購買していたものからキャンペーン対象商品へと購買がスイッチし客単価値入高を押し下げる効果となる買い合わせ・カニバリ効果を算出するものである。

次に、図４に示すｍＲＯＩモデルのｍＲＯＩ分析処理における全体利益押上効果算出（ステップＳ１００）の概要とその算出手順について、図５と図６を用いて説明する。図５に示すように、全体利益押上効果算出（ステップＳ１００）は、利用者識別ステップＳ１１０、購買活動の違いを利用した値入高押上効果算出ステップＳ１２０、及び全体利益変換ステップＳ１３０から構成されている。尚、全体利益押上効果算出において、算出されるデータ以外のデータはファイルサーバ１００のマスタＤＢ１１０及びトランザクションＤＢ１２０に保存されているデータを使用する。

まず、利用者識別ステップＳ１１０では、販促期間に対象エリアでの対象商品の購入の有無で利用者と非利用者を識別する。

利用者識別ステップＳ１１０の算出手順を図６のステップＳ１１１とステップＳ１１２に示す。
まず、ステップＳ１１１において、販促期間に対象エリアでの対象商品の購入者を利用者と定義し、販促期間に対象エリアでの対象商品を購入しなかった商品の購入者を非利用者と定義する。
次いで、ステップＳ１１２において、対象商品の購入者または対象商品を購入しなかった購入者における利用者及び非利用者のユニークな人数（以下、顧客数という）と、利用者及び非利用者の延べ人数（以下、客数という）を算出する。

次いで、購買活動の違いを利用した値入高押上効果算出ステップＳ１２０では、販促期間以外の期間（以下、参照期間という）における利用者グループ一人の一日あたり平均購入金額（以下、利用者参照値という）及び非利用者グループ一人の一日あたり平均購入金額（以下、非利用者参照値という）を算出し、また販促期間における利用者グループ一人の一日あたり平均購入金額（以下、利用者測定値という）及び非利用者グループ一人の一日あたり平均購入金額（以下、非利用者測定値という）を算出する。そして利用者測定値と利用者参照値の割合（Ａ％）及び非利用者測定値と非利用者参照値の割合（Ｂ％）を算出し、その差分（Ａ％−Ｂ％）を一人の一日あたりの販促効果、非利用者測定値と非利用者参照値の差の割合（Ｂ％）をその他効果とする。この一人の一日あたりの販促効果が一人の一日あたりの値入高押上効果（以下、値入高押上効果という）となる。

購買活動の違いを利用した値入高押上効果算出ステップＳ１２０の算出手順を図６のステップＳ１２１からステップＳ１２３に示す。
まず、ステップＳ１２１において、利用者の販促期間における合計値入高（円）、利用者の参照期間における合計値入高（円）、非利用者の販促期間における合計値入高（円）、及び非利用者の参照期間における合計値入高（円）を集計する。
次いで、ステップＳ１２２において、ステップＳ１２１で集計した各々の合計値入高（円）を、顧客数及び日数で除算し、一人一日あたり平均値入高（円）を算出する。利用者の販促期間における合計値入高であれば、下記（式１）により算出する。

利用者の販促期間における合計値入高÷利用者の顧客数÷販促期間の日数＝利用者の販促期間における一人一日あたり平均値入高（円）・・・（式１）

同様に利用者の参照期間における一人一日あたり平均値入高（円）、非利用者の販促期間における一人一日あたり平均値入高（円）、非利用者の参照期間における一人一日あたり平均値入高（円）を算出する。
次いで、ステップＳ１２３において、ステップＳ１２２で算出した各々の一人一日あたり平均値入高（円）から下記（式２）により値入高押上効果（％）を算出する。

（利用者の販促期間における一人一日あたり平均値入高／利用者の参照期間における一人一日あたり平均値入高）−（非利用者の販促期間における一人一日あたり平均値入高／非利用者の参照期間における一人一日あたり平均値入高）＝値入高押上効果（％）・・・（式２）

次いで、全体利益変換ステップＳ１３０では、購買活動の違いを利用した値入高押上効果算出ステップＳ１２０で算出された値入高押上効果を全体利益押上効果に換算する。

全体利益変換ステップＳ１３０の算出手順を図６のステップＳ１３１とステップＳ１３２に示す。
まず、ステップＳ１３１において、ステップＳ１２２で算出した利用者の参照期間における一人一日あたり平均値入高（円）と、ステップＳ１２３で算出した値入高押上効果（％）から下記（式３）により値入高押上高（円）を算出する。

利用者の参照期間における一人一日あたり平均値入高×値入高押上効果×利用者顧客数×販促期間の日数＝値入高押上高（円）・・・（式３）

次いで、ステップＳ１３２において、ステップＳ１３１で算出した値入高押上高（円）から登録されている会員数（以下、アクティブ会員数という）、今回のｍＲＯＩモデルのｍＲＯＩ分析処理において使用した会員数（以下、サンプル会員数という）、サンプル会員の全体に対する売上比率（以下、売上会員比率という）、及び当該キャンペーンを実施している時期と同時期に実施している同商品カテゴリの他キャンペーン重複比率（以下、施策カニバリ率という）から下記（式４）により全体値入高押上高（円）を算出する。

値入高押上高×アクティブ会員数÷サンプル会員数÷売上会員比率×施策カニバリ率＝全体値入高押上高（円）・・・（式４）

次に、図４に示すｍＲＯＩモデルのｍＲＯＩ分析処理における客単価・客数効果算出（ステップＳ２００）の概要とその算出手順について、図７と図８を用いて説明する。図７の左図に示すように、客単価押上高と客数押上高の合計がステップＳ１３１で算出した値入高押上高となる。このため、客単価・客数効果算出（ステップＳ２００）において、値入高押上高を客単価押上高と客数押上高に分解して、客単価・客数効果算出する。客単価・客数効果算出（ステップＳ２００）は、客単価押上高算出ステップＳ２１０、客数押上高算出ステップＳ２２０、及び全体拡大ステップＳ２３０から構成されている。

まず、客単価押上高算出ステップＳ２１０では、参照期間の客数を基準として、客単価の変化分を客単価押上高（以下、客単価値入高押上高という）として算出する。

客単価押上高算出ステップＳ２１０の算出手順を図８のステップＳ２１１からステップＳ２１３に示す。
まず、ステップＳ２１１において、ステップＳ１２１で集計した各々の合計値入高（円）を客数で除算し、一人あたり客単価値入高（円）を算出する。利用者の販促期間における合計値入高（円）であれば、下記（式５）により算出する。

利用者の販促期間における合計値入高÷販促期間の利用者数＝利用者の販促期間における一人あたり客単価値入高（円）・・・（式５）

同様に利用者の参照期間における一人あたり客単価値入高（円）、非利用者の販促期間における一人あたり客単価値入高（円）、及び非利用者の参照期間における一人あたり客単価値入高（円）を算出する。
次いで、ステップＳ２１２において、ステップＳ２１１で算出した各々の一人あたり客単価値入高（円）から下記（式６）により客単価値入高押上効果（％）を算出する。

（利用者の販促期間における一人あたり客単価値入高／利用者の参照期間における一人あたり客単価値入高）−（非利用者の販促期間における一人あたり客単価値入高／非利用者の参照期間における一人あたり客単価値入高）＝客単価値入高押上効果（％）・・・（式６）

次いで、ステップＳ２１３において、ステップＳ２１１で算出した利用者の参照期間における一人あたり客単価値入高と、ステップＳ２１２で算出した客単価値入高押上効果から下記（式７）により客単価値入高押上高（円）を算出する。

利用者の参照期間における一人あたり客単価値入高×客単価値入高押上効果×販促期間の日数×利用者の参照期間における一日あたり客数＝客単価値入高押上高（円）・・・（式７）

次に、客数押上高算出ステップＳ２２０では、販促期間の客単価を基準として、客数の変化分を客数押上高（以下、客数値入高押上高という）として算出する。

客単価押上高算出ステップＳ２２０の算出手順を図８のステップＳ２２１とステップＳ２２２に示す。
まず、ステップＳ２２１において、ステップＳ１２３で算出した値入高押上効果（％）とステップＳ２１２で算出した客単価値入高押上効果（％）から下記（式８）により客数値入高押上効果（％）を算出する。

（１００％＋値入高押上効果（％））／（１００％＋客単価値入高押上効果（％））−１００％＝客数値入高押上効果（％）・・・（式８）

次いで、ステップＳ２２２において、利用者の参照期間における一人あたりの客数、ステップＳ２２１で算出した客数値入高押上効果（％）、販促期間の日数、ステップＳ１２２で算出した利用者の参照期間における一人一日あたり平均値入高（円）、及びステップＳ２１３で算出した客単価値入高押上高（円）から下記（式９）により客数値入高押上高（円）を算出する。

利用者の参照期間における一人あたりの客数×客数値入高押上効果×販促期間の日数×（利用者の参照期間における一人一日あたり平均値入高＋客単価値入高押上高）＝客数値入高押上高（円）・・・（式９）

次いで、全体拡大ステップＳ２３０では、ステップ２１０で算出した客単価押上高とステップ２３０で算出した客数押上高を全体に拡大して、全体客単価押上高（全体客単価値入高押上高）と全体客数押上高（全体客数値入高押上高）を算出する。

全体拡大ステップＳ２３０の算出手順を図８のステップＳ２３１とステップＳ２３２に示す。
まず、ステップＳ２３１において、ステップＳ２１３で算出した客単価値入高押上高（円）、アクティブ会員数、サンプル会員数、売上会員比率（％）、及び施策カニバリ率（％）から下記（式１０）により全体客単価値入高押上高（円）を算出する。

客単価値入高押上高×アクティブ会員数÷サンプル会員数÷売上会員比率×施策カニバリ率＝全体客単価値入高押上高（円）・・・（式１０）

次いで、ステップＳ２３２において、ステップＳ２２２で算出した客数値入高押上高（円）、アクティブ会員数、サンプル会員数、売上会員比率（％）、及び施策カニバリ率（％）から下記（式１１）により全体客数値入高押上高（円）を算出する。

客数値入高押上高×アクティブ会員数÷サンプル会員数÷売上会員比率×施策カニバリ率＝全体客数値入高押上高（円）・・・（式１１）

次に、図４に示すｍＲＯＩモデルのｍＲＯＩ分析処理における買い合わせ・カニバリ効果算出（ステップＳ３００）の概要とその算出手順について、図９と図１０を用いて説明する。買い合わせ・カニバリ効果算出（ステップＳ３００）においては、ステップ２１３で算出した客単価値入高押上高を商品クラス毎に分解して、商品クラス毎の買い合わせ・カニバリ効果算出する。買い合わせ・カニバリ効果算出（ステップＳ３００）は、商品クラス毎の客単価算出ステップＳ３１０、商品クラス毎の客単価押上算出ステップＳ３２０、及び商品クラス毎の全体拡大ステップＳ３３０から構成されている。

まず、商品クラス毎の客単価算出ステップＳ３１０においては、ステップ２１３で算出した客単価値入高押上高を商品クラス毎に分解し、商品クラス毎の一人あたり客単価値入高を算出する。

商品クラス毎の客単価算出ステップＳ３１０の算出手順を図１０のステップＳ３１１とステップＳ３１２に示す。
まず、ステップＳ３１１において、利用者の販促期間における商品クラス毎の合計値入高、利用者の参照期間における商品クラス毎の合計値入高、非利用者の販促期間における商品クラス毎の合計値入高、非利用者の参照期間における商品クラス毎の合計値入高を集計する。次いで、
ステップＳ３１２において、ステップＳ３１１で算出した各々の商品クラス毎の合計値入高を利用者の販促期間、利用者の参照期間、非利用者の販促期間、及び非利用者の参照期間における該当商品を購入した客数で除算し、商品クラス毎の一人あたり客単価値入高（円）を算出する。利用者の販促期間における商品クラス毎の合計値入高であれば、下記（式１２）により算出する。

利用者の販促期間における商品クラス毎の合計値入高÷利用者の販促期間における対象商品を購入した客数＝利用者の販促期間における商品クラス毎の一人あたり客単価値入高（円）・・・（式１２）

同様に利用者の参照期間における商品クラス毎の一人あたり客単価値入高（円）、非利用者の販促期間における商品クラス毎の一人あたり客単価値入高（円）、非利用者の参照期間における商品クラス毎の一人あたり客単価値入高（円）を算出する。

次いで、商品クラス毎の客単価押上算出ステップＳ３２０では、商品クラス毎の客単価算出ステップＳ３１０で算出された各々の商品クラス毎の客単価値入高から商品クラス毎の客単価押上効果を算出し、更に商品クラス毎の客単価押上効果から商品クラス毎の客単価押上を算出する。

商品クラス毎の客単価押上算出ステップＳ３２０の算出手順を図１０のステップＳ３２１とステップＳ３２２に示す。
まず、ステップＳ３２１において、ステップＳ３１２で算出した各々の商品クラス毎の客単価値入高（円）から下記（式１３）により商品クラス毎の客単価値入高押上効果（％）を算出する。

（利用者の販促期間における商品クラス毎の一人あたり客単価値入高／利用者の参照期間における商品クラス毎の一人あたり客単価値入高）−（非利用者の販促期間における商品クラス毎の一人あたり客単価値入高／）＝商品クラス毎の客単価値入高押上効果（％）・・・（式１３）

次いで、ステップＳ３２２において、ステップＳ３１２で算出した利用者の参照期間における商品クラス毎の一人あたり客単価値入高、ステップＳ３２１で算出した商品クラス毎の客単価値入高押上効果、販促期間の日数、及び利用者の参照期間における一日あたり客数から下記（式１４）により商品クラス毎の客単価値入高押上高（円）を算出する。

利用者の参照期間における商品クラス毎の一人あたり客単価値入高×商品クラス毎の客単価値入高押上高×販促期間の日数×利用者の参照期間における一日あたり客数＝商品クラス毎の客単価値入高押上高（円）・・・（式１４）

次いで、商品クラス毎の全体拡大ステップＳ３３０では、ステップＳ３２２で算出された各々の商品クラス毎の客単価値入高押上高を合計することにより全体拡大率を算出し、全体拡大率から商品クラス毎の全体客単価押上を算出する。商品クラスの全体客単価押上がプラスであれば、その商品クラスの商品は買い合わせ商品となる。また、商品クラスの全体客単価押上がマイナスであれば、その商品クラスの商品は売上が減少したカニバリ商品となる。

商品クラス毎の全体拡大ステップＳ３３０の算出手順を図１０のステップＳ３３１とステップＳ３３２に示す。
まず、ステップＳ３３１において、ステップＳ３２２で算出した商品クラス毎の客単価値入高押上高の合計値（円）とステップＳ２３１で算出した全体客単価値入高押上高（円）から下記（式１５）により全体拡大率（％）を算出する。

商品クラス毎の客単価値入高押上高の合計値／全体客単価値入高押上高＝全体拡大率（％）・・・（式１５）

次いで、ステップＳ３３２において、ステップＳ３２２で算出した商品クラス毎の客単価値入高押上高（円）とステップＳ３３１で算出した全体拡大率（％）から下記（式１６）により商品クラス毎の全体客単価値入高押上高（円）を算出する。

商品クラス毎の客単価値入高押上高／全体拡大率＝商品クラス毎の全体客単価値入高押上高（円）・・・（式１６）

なお、以上のような対照比較法を用いたキャンペーン効果算出システム１０において、広告・販促企画担当部署利用端末３００とマーケティング担当部署利用端末４００を別の操作端末としたが、同じ操作端末とすることも可能である。例えば、広告・販促企画担当部署の広告・販促企画担当部署利用端末３００から施策情報を登録とｍＲＯＩ分析要求を行い、またマーケティング担当部署のマーケティング担当部署利用端末４００から施策情報を登録とｍＲＯＩ分析要求を行うようにすることも可能である。また、広告・販促企画担当部署利用端末３００を本部に設置するようにしたが、店舗に設置することも可能である。また、分析プラットホーム２００のｍＲＯＩ分析処理部２３０は、ｍＲＯＩ分析要求を受信するとｍＲＯＩ分析処理を開始するようにしたが、分析プラットホーム２００の記憶部２２０に予め施策情報を登録しておくことで、予め決めた日付の時刻にｍＲＯＩ分析処理を実行することも可能である。例えば、毎月１日の１３時にｍＲＯＩ分析処理を実行するのであれば、「１日１３時」をｍＲＯＩ分析処理部２３０に設定すると、自動的に毎月１日の１３時にｍＲＯＩ分析処理を開始することも可能である。

以上のように、このような実施形態によれば、分析プラットホーム２００は、各種マスタデータやトランザクションデータのファィルが保存されているファイルサーバ１００に直接アクセス可能であるので、分析プラットホーム２００にｍＲＯＩ分析処理部２３０を備えることで、ｍＲＯＩ分析処理部２３０は容易に各種マスタデータやトランザクションデータを取り出してｍＲＯＩ分析処理を実行することができる。

また、このような実施形態によれば、キャンペーンの期間に対象商品を購入した顧客グループと、それ以外の顧客グループを識別し、これらの識別された顧客グループによる販促期間における売上増加率の差から全体値入高押上高となる全体利益押上効果を算出するので、両方の顧客グループが同じように受ける季節や天候などの影響要素を除外することができる。従って、キャンペーンの投資に対する効果を正確に把握することで、キャンペーン効果が期待できないキャンペーンを実施することによる無駄な投資を回避することができる。

また、このような実施形態によれば、全体値入高押上高を客単価値入高押上高と客数値入高押上高に分解し、客単価値入高押上高から全体客単価値入高押上高と、客数値入高押上高から全体客数値入高押上高とを算出することができる。また、商品クラス毎の客単価値入高押上高を算出することで、買い合わせとカニバリ効果を算出することができる。このように、全体客単価値入高押上高、全体客数値入高押上高、買い合わせとカニバリ効果、及び算出過程の分析結果を確認することで、キャンペーンの投資に対する効果を詳細に把握することができる。

以上のように、本発明の対照比較法を用いたキャンペーン効果算出システム１０は、容易にｍＲＯＩモデルのｍＲＯＩ分析処理をおこなうことができ、季節変動や天候要因などの影響要素を排除した全体利益押上効果を算出することができ、及びキャンペーンの施策毎にｍＲＯＩ分析結果を得ることができる。

本発明は、対照比較法を用いたキャンペーン効果算出システムに好適であるが、これらに限られるものではなく、投資に対する効果の分析を行うシステム一般に適用可能である。

１０・・・・・対照比較法を用いたキャンペーン効果算出システム
１００・・・・・ファイルサーバ
１１０・・・・・マスタＤＢ
１１０ａ・・・・会員マスタＤＢ
１１０ｂ・・・・商品マスタＤＢ
１１０ｃ・・・・店舗マスタＤＢ
１１０ｄ・・・・値入率マスタＤＢ
１２０・・・・・トランザクションＤＢ
２００・・・・・分析プラットホーム
２１０・・・・・通信処理部
２２０・・・・・記憶部
２２０ａ・・・・施策情報
２２０ｂ・・・・各種マスタデータ
２２０ｃ・・・・トランザクションデータ
２２０ｄ・・・・ｍＲＯＩ分析結果
２３０・・・・・ｍＲＯＩ分析処理部
３００・・・・・広告・販促企画担当部署利用端末（分析端末）
３１０・・・・・通信処理部
３２０・・・・・記憶部
３２０ａ・・・・施策情報
３３０・・・・・施策情報登録処理部
３４０・・・・・操作部
３５０・・・・・表示部
４００・・・・・マーケティング担当部署利用端末
４１０・・・・・通信処理部
４２０・・・・・ｍＲＯＩ分析要求処理部
４３０・・・・・操作部
４４０・・・・・表示部
５００・・・・・ネットワーク

Claims (8)

1. ネットワークを介して接続されたファイルサーバと分析プラットホームを備えた対照比較法を用いたキャンペーン効果算出システムであって、
   前記ファイルサーバは、
   各種マスタデータとトランザクションデータが記憶されている記憶手段を有し、
   前記分析プラットホームは、
   前記各種マスタデータと前記トランザクションデータを用いて施策情報のｍＲＯＩ分析を行うｍＲＯＩ分析処理手段を有し、
   前記ｍＲＯＩ分析処理手段は、キャンペーンの期間に対象商品を購入した顧客グループと、それ以外の顧客グループを識別し、これらの識別された顧客グループによる販促期間における売上増加率の差から全体値入高押上高を算出する全体利益押上効果算出手段を備えていることを特徴とする対照比較法を用いたキャンペーン効果算出システム。
2. 前記ｍＲＯＩ分析処理手段は、
   前記全体値入高押上高を客単価値入高押上高と客数値入高押上高に分解して全体客単価値入高押上高と全体客数値入高押上高を算出する客単価・客数効果算出手段を備えていることを特徴とする請求項１に記載の対照比較法を用いたキャンペーン効果算出システム。
3. 前記ｍＲＯＩ分析処理手段は、
   商品クラス毎の客単価値入高押上高を算出する買い合わせ・カニバリ効果算出手段を備えていることを特徴とする請求項１または請求項２に記載の対照比較法を用いたキャンペーン効果算出システム。
4. ネットワークに接続される広告・販促企画担当部署利用端末を備え、
   前記広告・販促企画担当部署利用端末に前記施策情報が登録されることを特徴とする請求項１から請求項３のいずれか１項に記載の対照比較法を用いたキャンペーン効果算出システム。
5. ネットワークに接続されるマーケティング担当部署利用端末を備え、
   前記マーケティング担当部署利用端末は、前記広告・販促企画担当部署利用端末から前記施策情報を受信し、前記施策情報とｍＲＯＩ分析要求を前記分析プラットホームに送信し、前記分析プラットホームの前記ｍＲＯＩ分析処理手段から出力されるｍＲＯＩ分析結果を受信することを特徴とする請求項４に記載の対照比較法を用いたキャンペーン効果算出システム。
6. 前記ｍＲＯＩ分析処理手段は、前記ｍＲＯＩ分析要求を受信するとｍＲＯＩ分析を開始することを特徴とする請求項５に記載の対照比較法を用いたキャンペーン効果算出システム。
7. 前記ｍＲＯＩ分析処理手段は、設定された時刻にｍＲＯＩ分析を開始することを特徴とする請求項１から請求項３のいずれか１項に記載の対照比較法を用いたキャンペーン効果算出システム。
8. ネットワークを介して接続されたファイルサーバと分析プラットホームを備えた対照比較法を用いたキャンペーン効果算出システムのキャンペーン効果算出方法であって、
   前記ファイルサーバは、
   各種マスタデータとトランザクションデータが記憶されている記憶工程を有し、
   前記分析プラットホームは、
   前記各種マスタデータと前記トランザクションデータを用いて施策情報のｍＲＯＩ分析を行うｍＲＯＩ分析処理工程を有し、
   前記ｍＲＯＩ分析処理工程は、
   キャンペーンの期間に対象商品を購入した顧客グループと、それ以外の顧客グループを識別し、これらの識別された顧客グループによる販促期間における売上増加率の差から全体値入高押上高を算出する全体利益押上効果算出工程と、
   前記全体値入高押上高を客単価値入高押上高と客数値入高押上高に分解して全体客単価値入高押上高と全体客数値入高押上高を算出する客単価・客数効果算出工程と、
   を備えていることを特徴とする対照比較法を用いたキャンペーン効果算出システムのキャンペーン効果算出方法。

Images