JP6003586B2 - クラスタリングプログラム、クラスタリング方法、およびクラスタリング装置 - Google Patents

Description

本発明は、クラスタリングプログラム、クラスタリング方法、およびクラスタリング装置に関する。

従来、データをいくつかのグループに分類するクラスタリング技術がある。たとえば、クラスタリングを用いて、店舗での購買における消費者の購買行動を調査する技術が知られている（たとえば、下記特許文献１〜５を参照。）。

特表２００２−５３１８９７号公報 特開２０１１−１３３９４５号公報 特開平１１−２５１６９号公報 特開２００２−２５９６６７号公報 特開２００９−１６９６９８号公報

しかしながら、従来では、消費者の購買行動は様々であるため、消費者の購買行動の傾向を分析することが困難である。

１つの側面では、本発明は、消費者の購買行動の傾向の分析を容易にすることを可能とするクラスタリングプログラム、クラスタリング方法、およびクラスタリング装置を提供することを目的とする。

本発明の一側面によれば、第１の期間と前記第１の期間より時間的に後の第２の期間における複数の消費者のそれぞれの購買履歴情報を取得し、前記第１の期間における前記複数の消費者のそれぞれの購買履歴情報と、前記第２の期間における該複数の消費者のそれぞれの購買履歴情報とを比較して、前記第１の期間では購入されていたが、前記第２の期間では購入されなくなった商品又はサービスと、前記第１の期間では購入されていなかったが、前記第２の期間では購入されるようになった商品又はサービスとを該複数の消費者のそれぞれの特徴情報として特定し、特定した特徴情報の共通性に基づいて、クラスタリング処理を行って、複数の購買グループを生成するクラスタリングプログラム、クラスタリング方法、およびクラスタリング装置が提案される。

本発明の一態様によれば、消費者の購買行動の傾向の分析を容易にすることを可能とする。

図１は、クラスタリング装置による一動作例を示す説明図である。 図２は、クラスタリング装置の適用例を示す説明図である。 図３は、クラスタリング装置のハードウェア構成例を示すブロック図である。 図４は、購買履歴情報例を示す説明図である。 図５は、クラスタリング装置の機能的構成を示すブロック図である。 図６は、特定例を示す説明図である。 図７は、生成された購買グループの出力例を示す説明図である。 図８は、クラスタリング装置によるクラスタリング処理手順例を示すフローチャートである。

以下に添付図面を参照して、本発明にかかるクラスタリングプログラム、クラスタリング方法、およびクラスタリング装置の実施の形態を詳細に説明する。

図１は、クラスタリング装置による一動作例を示す説明図である。クラスタリング装置１００は、購入商品又は購入サービスの変化の共通性に基づき複数の消費者をクラスタリングするコンピュータである。ここで消費者が購入するものは、商品であっても、サービスであってもよい。購買履歴情報には、消費者を示す識別情報と、当該消費者が購入した商品又はサービスを示す識別情報と、が関連付けられて記憶される。購買履歴情報は、ディスクなどの記憶装置によって実現される。

商品の場合、購買履歴情報には、製品単位で製品の名称などの製品を示す識別情報が消費者の購入履歴として登録されてもよいし、製品の総称が消費者の購入履歴として登録されてもよい。製品の総称は、たとえば、スーパーマーケットにおける消費者の購買履歴情報であれば、生鮮食品、加工食品や日販品などが挙げられる。また、サービスの場合、購買履歴情報には、具体的なサービス単位でサービスを示す識別情報が消費者の購入履歴として登録されてもよいし、サービスの総称が登録されてもよい。サービスの総称は、たとえば、国内旅行関連のサービスに関する購買履歴情報であれば、九州や関東などの地域名、県名、や温泉地名などが挙げられる。ここでは、商品を例に挙げて説明する。購買履歴情報の具体例は、後述する図４に示す。

たとえば、消費者のライフスタイルの変化に伴って、ある時期を境にして消費者の購買行動が変化する場合がある。具体的に消費者の購買行動の変化とは、たとえば、商品Ａ，Ｂ，Ｃを多く購入していた消費者が、１年後に商品Ｂ，Ｃ，Ｄを多く購入するようになる場合などである。図１に示すように、２０１０年中や２０１１年中などの年単位で消費者が購入した商品の識別情報によって複数の消費者の識別情報がクラスタリングされると、２０１０年中については購買グループＧｘ１〜Ｇｘｍ（ｍ≧２）が生成される。２０１１年中については、購買グループＧｙ１〜Ｇｙｌ（ｌ≧２）が生成される。購買グループＧｘ１〜Ｇｘｍや購買グループＧｙ１〜Ｇｙｌのように、年ごとに同様の商品を購入している消費者の識別情報が同一の購買グループにグルーピングされるが、購買行動は種々あるため、消費者の購買行動の傾向が不明確である。

そこで、クラスタリング装置１００は、第１の期間では購入されていたが、第２の期間では購入されなくなった商品と、第１の期間では購入されていなかったが、第２の期間では購入されるようになった商品とを複数の消費者のそれぞれの特徴情報として特定する。ここでは、第１の期間および第２の期間を年単位として、たとえば、第１の期間を２０１０年中とし、第２の期間を２０１１年中とする。

そして、クラスタリング装置１００は、各消費者の識別情報について特定された特定結果を特徴情報としてクラスタリング処理を行うことにより、複数の購買グループＧｚ１〜Ｇｚｎ（ｎ≧２）を生成する。クラスタリング処理の詳細な方法については、特に限定しない。

これにより、購買行動の変化が同様である消費者が同一の購買グループに分類される。また、購買行動に変化がない消費者が同一の購買グループに分類される。したがって、消費者の購買行動の変化の分析の容易化を図ることができる。

また、クラスタリング装置１００は、２つの期間の少なくともいずれかの期間で購入された各商品について、第１の期間と第２の期間との当該商品の購入数の相違を示す情報を消費者の識別情報ごとに特定してもよい。そして、クラスタリング装置１００は、消費者の識別情報ごとに特定された相違を示す情報を特徴情報としてクラスタリング処理を行うことにより、複数の購買グループを生成してもよい。

図１の例では、購買グループＧｚ１には、商品Ａ，Ｂ，Ｃについては増加傾向にあり、商品Ｄについては減少傾向にある消費者が分類される。購買グループＧｚ２には、商品Ａ，Ｂ，Ｃについては減少傾向にあり、商品Ｄについては増加傾向にある消費者が分類される。購買グループＧｚ３には、商品Ａ，Ｂ，Ｃ，Ｄのすべてについて増加傾向にある消費者が分類される。購買グループＧｚ４には、商品Ａ，Ｂ，Ｃ，Ｄのすべてについて減少傾向にある消費者が分類される。

このように、クラスタリング装置１００によれば、購買行動の変化が似ている消費者を同一のグループとすることが可能となる。購買行動の変化が似ている消費者はライフスタイルの変化が同様である可能性が高い。購買行動の分析者は、生成された購買グループを参照するだけで、どのような消費者に同様の購買行動の変化が発生したかを判別することができる。したがって、各消費者のライフスタイルの変化の違いを考慮した購買状況の分析が可能となる。

図１の例では、分析者は、購買グループＧｚ１や購買グループＧｚ２には買い回りが変化している消費者が属していると判別することができる。たとえば、分析者は、購買グループＧｚ３には購買が増加している消費者が属していると判別することができ、購買グループＧｚ４には購買が減少している消費者が属していると判別することができる。

また、分析者は、各購買グループについて、どのような消費者が分類されているかを詳細に分析してもよい。また、分析者は、購買グループ間を比較することにより、消費者全体の購買行動の分析を行ってもよい。

また、第１の期間と第２の期間とを年単位の期間としているが、年単位に限らず、時間単位、日単位、月単位、季節単位などであってもよく、第１の期間と第２の期間とについては特に限定しない。

以降、クラスタリング装置１００による動作について、図２から図８を用いて詳細に説明する。

図２は、クラスタリング装置の適用例を示す説明図である。インターネットやテレビなどを利用した販売や実際の店舗を利用した販売などによって消費者の購買履歴を示す購買履歴情報が得られる。本実施の形態では、第１の期間についての第１の購買履歴情報４０１と、第２の期間についての第２の購買履歴情報４０２と、が利用される。第１の購買履歴情報４０１と第２の購買履歴情報４０２の詳細例は、図４に示す。クラスタリング装置１００は、異なる２つの購入期間における各消費者の第１の購買履歴情報４０１と第２の購買履歴情報４０２とを取得すると、購入商品の変化の共通性に基づき複数の消費者をクラスタリングすることにより、購買グループを生成する。たとえば、クラスタリング装置１００は、分析者が操作可能な装置２００にクラスタリング結果を出力してもよい。分析者は、クラスタリング結果に基づいて、各消費者の購買行動の傾向を分析することができる。

（クラスタリング装置１００のハードウェア構成例）
図３は、クラスタリング装置のハードウェア構成例を示すブロック図である。図３において、クラスタリング装置１００は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）３０１と、ＲＯＭ（Ｒｅａｄ−Ｏｎｌｙ Ｍｅｍｏｒｙ）３０２と、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）３０３と、ディスクドライブ３０４と、ディスク３０５と、ネットワークＩ／Ｆ（ＩｎｔｅｒＦａｃｅ）３０６と、を有する。また、各部はバス３００によってそれぞれ接続される。

ここで、ＣＰＵ３０１は、クラスタリング装置１００の全体の制御を司る。ＲＯＭ３０２は、ブートプログラムなどのプログラムを記憶する。ＲＡＭ３０３は、ＣＰＵ３０１のワークエリアとして使用される。ディスクドライブ３０４は、ＣＰＵ３０１の制御にしたがってディスク３０５に対するデータのリード／ライトを制御する。ディスク３０５は、ディスクドライブ３０４の制御で書き込まれたデータを記憶する。

ネットワークＩ／Ｆ３０６は、通信回線を通じてＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）、インターネットなどのネットワークＮＥＴに接続され、このネットワークＮＥＴを介して装置２００などの他の装置に接続される。そして、ネットワークＩ／Ｆ３０６は、ネットワークＮＥＴと内部のインターフェースを司り、外部装置からのデータの入出力を制御する。ネットワークＩ／Ｆ３０６には、たとえば、モデムやＬＡＮアダプタなどを採用することができる。

また、図２および図３で示すように、クラスタリング装置１００がサーバのようなプロセッサの性能が高い例を挙げているが、これに限らず、ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）などであってもよい。そのため、クラスタリング装置１００は、キーボードやマウスなどの入力装置やディスプレイなどの出力装置を有していてもよい。

（購買履歴情報例）
図４は、購買履歴情報例を示す説明図である。第１の購買履歴情報４０１は、第１の期間における複数の消費者の各々が購入した購買履歴を示す情報である。第２の購買履歴情報４０２は、第２の期間における複数の消費者の各々が購入した購買履歴を示す情報である。

たとえば、第１の購買履歴情報４０１と第２の購買履歴情報４０２は、商品名、会員番号、その他などのフィールドを有する。各フィールドに情報が設定されることにより、レコードが記憶される。第１の購買履歴情報４０１と第２の購買履歴情報４０２は、ＲＯＭ３０２、ディスク３０５などの記憶装置によって実現される。

商品名のフィールドには、消費者によって購入された商品の識別情報として商品名が登録される。ここでは、商品の識別情報を商品名としているが、これに限らず、商品に付された番号などであってもよい。会員番号のフィールドには、消費者の識別情報として、分析対象となる店舗の会員番号が登録される。ここでは、消費者の識別情報を会員番号としているが、これに限らず、たとえば、消費者の氏名などであってもよい。その他のフィールドには、商品の購入に関する商品名と会員番号以外のその他の情報が登録される。たとえば、その他の情報は、商品の購入日時、商品の分類などの商品の属性情報、消費者の性別や年齢などの消費者の属性情報などが挙げられるが、ここでは、特に限定しない。

また、ここでは、第１の期間を２０１０年中とし、第１の期間より時間的に後の第２の期間を２０１１年中として、２０１０年中の第１の購買履歴情報４０１と、２０１１年中の第２の購買履歴情報４０２と、がある。

（クラスタリング装置１００の機能的構成例）
図５は、クラスタリング装置の機能的構成を示すブロック図である。クラスタリング装置１００は、取得部５０１と、特定部５０２と、生成部５０３と、出力部５０４と、を有する。各部の処理は、たとえば、ＣＰＵ３０１がアクセス可能な記憶装置に記憶されたクラスタリングプログラムにコーディングされる。そして、ＣＰＵ３０１が記憶装置から情報処理プログラムを読み出して、クラスタリングプログラムにコーディングされている処理を実行する。これにより、各部の処理が実現される。また、各部の処理結果は、たとえば、ＲＡＭ３０３、ディスク３０５などの記憶装置に記憶される。

取得部５０１は、第１の購買履歴情報４０１と第２の購買履歴情報４０２とを取得する。具体的には、たとえば、取得部５０１は、ネットワークＩ／Ｆ３０６によって、ネットワークＮＥＴを介して、他の装置から取得してもよいし、ＲＡＭ３０３、ディスク３０５などの記憶装置から取得してもよい。

特定部５０２は、第１の購買履歴情報４０１と、第２の購買履歴情報４０２と、を比較して、第１の期間では購入されていたが、第２の期間では購入されなくなった商品またはサービスを複数の消費者のそれぞれの特徴情報として特定する。また、特定部５０２は、第１の購買履歴情報４０１と、第２の購買履歴情報４０２と、を比較して、第１の期間では購入されていなかったが、第２の期間では購入されるようになった商品またはサービスを複数の消費者のそれぞれの特徴情報として特定する。

また、特定部５０２は、第１の期間および第２の期間の少なくともいずれかに購入された商品の各々について、第１の期間と第２の期間とにおける購入数の相違を示す情報を特定する。本実施の形態では、第１の期間と第２の期間とにおける購入数の相違を示す情報は、たとえば、第１の期間に対する第２の期間における購入数の増減を示す情報とするが、これに限らず、購入数の相違を示していればよい。ここでは、購入数の増減を示す情報は、増または減のいずれか一方を示している情報としているが、これに限らず、たとえば、どの程度増または減したかを示す増減の割合を示す情報などであってもよいため、特に限定しない。つぎに、図６を用いて特定の具体例を説明する。

図６は、特定例を示す説明図である。たとえば、特定部５０２は、第１の購買履歴情報４０１と第２の購買履歴情報４０２とのいずれにも含まれる会員番号を特定する。たとえば、会員番号“１００３５５ｘｘｘｘ”を含むレコードは、第１の購買履歴情報４０１のみにある。一方、会員番号“１００３５４ｘｘｘｘ”，“１００３５６ｘｘｘｘ”を含むレコードは、第１の購買履歴情報４０１と第２の購買履歴情報４０２とのいずれにもあるため、会員番号“１００３５４ｘｘｘｘ”，“１００３５６ｘｘｘｘ”が特定される。

つぎに、たとえば、特定部５０２は、特定された会員番号のうちの未選択の会員番号から１つの会員番号を選択する。図６の例では、まず、会員番号“１００３５４ｘｘｘｘ”が選択される。特定部５０２は、第１の購買履歴情報４０１から選択した会員番号を含むレコードを抽出し、特定部５０２は、第２の購買履歴情報４０２から選択した会員番号を含むレコードを抽出する。そして、特定部５０２は、第１の期間と第２の期間との各々について、抽出したレコードから各商品名を取得する。図６の例では、商品名の順に並び替えてある。

つぎに、特定部５０２は、第１の期間について取得した商品名と、第２の期間について取得した商品名と、を比較する。これにより、特定部５０２は、第１の期間および第２の期間の少なくともいずれかに購入された商品の各々について、第１の期間に対する第２の期間における購入数の増減を示す情報をクラスタリングの特徴情報６００として特定する。

図６では、商品１の購入は２０１０年中に対して２０１１年中に増加し、商品２の購入は２０１０年中に対して２０１１年中に減少し、商品３の購入は２０１０年中に対して２０１１年中に増加する例を示す。そのため、特定部５０２は、たとえば、商品１および商品３については、増加を示す“上向きの三角印”を付し、商品２については、減少を示す“下向きの黒塗り三角印”を付した情報をクラスタリングの特徴情報６００とする。特徴情報６００は、ＲＡＭ３０３、ディスク３０５などの記憶装置に記憶される。また、上述したように、各商品について購入数の増減を示す情報が生成される例を示しているが、各商品について購入数が何［％］増減したかなどの購入数の増減の程度を示す情報が生成されてもよい。

生成部５０３は、特定部５０２によって特定された特徴情報６００の共通性に基づいて、クラスタリング処理を行って、複数の購買グループを生成する。クラスタリング処理の詳細については、特に限定しないが、たとえば、生成部５０３は、特徴情報６００が同一である消費者の識別情報を同一の購買グループにクラスタリングしてもよい。または、たとえば、生成部５０３は、特徴情報６００の一部が共通している消費者の識別情報を同一の購買グループにクラスタリングしてもよい。または、たとえば、生成部５０３は、特徴情報６００の共通性を示す値を導出して、導出した値の近さによってクラスタリングしてもよい。

出力部５０４は、生成結果を出力する。出力形式としては、たとえば、ＲＡＭ３０３、ディスク３０５などの記憶装置に記憶させてもよいし、ネットワークＮＥＴを介して装置２００などの他の装置の記憶装置に記憶させてもよい。または、出力形式としては、ネットワークＮＥＴを介して他の装置のディスプレイに表示させてもよい。

図７は、生成された購買グループの出力例を示す説明図である。図７には、食品を扱う店舗の消費者の購買行動の変化が分析される例を示し、購買グループごとに消費者の人数をグラフにした例を示す。たとえば、分析者は、購買グループＧ１〜Ｇ５の各々について、より詳細に購買行動を分析してもよい。

たとえば、購買グループＧ１には、弁当や総菜の購入が増加傾向にあり、食材の購入が減少傾向にある消費者を示す識別情報が分類される。たとえば、分析者によって、購買グループＧ１に識別情報が分類された消費者は「料理する時間がなくなった人」、または「調理する必要がなくなった人」などであるため、ライフスタイルに変化が発生した可能性が高い人というような分析が行われてもよい。

たとえば、購買グループＧ２には、食材の購入が増加傾向にあり、弁当や総菜の購入が減少傾向にある消費者を示す識別情報が分類される。たとえば、分析者によって、購買グループＧ２に識別情報が分類された消費者は「料理する時間が増えた人」や「調理する必要が発生した人」などと推測できるため、ライフスタイルに変化が発生した可能性が高い人というような分析が行われてもよい。

たとえば、購買グループＧ３には、パン・乳製品というような日配品の購入が増加傾向にある消費者を示す識別情報が分類される。たとえば、分析者によって、購買グループＧ３に識別情報が分類された消費者はお店の定期利用を始めた可能性が高い人というような分析が行われてもよい。

たとえば、購買グループＧ４には、食材、弁当や総菜の購入が減少傾向であり、日配品の購入が増加傾向である消費者を示す識別情報が分類される。たとえば、分析者によって、購買グループＧ４に識別情報が分類された消費者はお店の定期利用を始めた可能性が高い人というような分析が行われてもよい。

たとえば、購買グループＧ５には、お料理セット・冷食の購入が増加傾向にある消費者を示す識別情報が分類される。たとえば、分析者によって、購買グループＧ５に識別情報が分類された消費者は調理を行うが調理時間を短縮したいような人であるというような分析が行われてもよい。

また、たとえば、分析者によって、購買グループ間を比較することにより、消費者全体の購買行動の分析が行われてもよい。たとえば、分析者によって、購買グループＧ２に属する識別情報を示す消費者が他の購買グループＧ１，Ｇ３〜Ｇ５と比較して多いため、店舗を利用する消費者に料理を行うような変化が発生した消費者が増加しているというような分析が行われてもよい。また、たとえば、分析者によって、購買グループＧ３，Ｇ４に属する識別情報を示す消費者が他の購買グループＧ１，Ｇ２，Ｇ５と比較して少ないため、この店舗では、２０１１年中に新規に定着した消費者が少なかったというような分析が行われてもよい。

（クラスタリング処理手順例）
図８は、クラスタリング装置によるクラスタリング処理手順例を示すフローチャートである。クラスタリング装置１００は、第１の期間についての購買履歴情報と、第２の期間についての購買履歴情報と、を取得する（ステップＳ８０１）。クラスタリング装置１００は、２期間の購買履歴情報から、２期間のいずれにも登録された消費者の識別情報を含むレコードを抽出する（ステップＳ８０２）。クラスタリング装置１００は、２期間のいずれにも登録された消費者の識別情報のうち、未選択な消費者の識別情報があるか否かを判断する（ステップＳ８０３）。

未選択な消費者の識別情報がある場合（ステップＳ８０３：Ｙｅｓ）、クラスタリング装置１００は、未選択な消費者の識別情報から１つの消費者の識別情報を選択する（ステップＳ８０４）。クラスタリング装置１００は、抽出したレコードから、選択した消費者の識別情報を含むレコードを期間ごとに選択する（ステップＳ８０５）。クラスタリング装置１００は、選択したレコードから、期間ごとに“消費者の識別情報”と“商品名”を取得する（ステップＳ８０６）。

クラスタリング装置１００は、第１および第２の期間で購入された各商品について、第１の期間と第２の期間との購入数の相違を示す情報を特徴情報として特定する（ステップＳ８０７）。クラスタリング装置１００は、選択した消費者の識別情報と特徴情報とを関連付けて出力する（ステップＳ８０８）。

未選択な消費者の識別情報がない場合（ステップＳ８０３：Ｎｏ）、クラスタリング装置１００は、特徴情報に基づいてクラスタリングし（ステップＳ８０９）、クラスタリング結果を出力し（ステップＳ８１０）、一連の処理を終了する。

以上説明したように、クラスタリング装置は、２つの異なる期間についての各消費者が購入した商品の差分を特定し、商品の差分に基づいて複数の消費者をクラスタリングする。これにより、購買行動の変化が似ている消費者を同一のグループとすることが可能となる。したがって、消費者の購買行動の傾向の分析を容易化することができる。たとえば、購買行動の傾向が似ている消費者同士は、ライフスタイルの変化が似ている可能性が高い。したがって、購買行動の変化が似ている消費者を同一のグループとすることにより、消費者の購買行動は様々であっても、各消費者のライフスタイルの変化の違いを考慮した購買状況の分析を可能にする。

また、クラスタリング装置は、２つの異なる期間の少なくともいずれかで購買された商品の各々についての第１の期間と第２の期間との購入数の相違を示す情報を特徴情報としてクラスタリング処理を行う。これにより、購入商品の増加傾向と購入商品の減少傾向とが同様である消費者を同一の購買グループに分類させることができる。

なお、本実施の形態で説明したクラスタリング方法は、予め用意されたクラスタリングプログラムをＰＣやワークステーション等のコンピュータで実行することにより実現することができる。本クラスタリングプログラムは、フラッシュメモリやディスク等のコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行される。また、本クラスタリングプログラムは、インターネット等のネットワークＮＥＴを介して配布されてもよい。

１００ クラスタリング装置
４０１，４０２ 購買履歴情報
５０１ 取得部
５０２ 特定部
５０３ 生成部
５０４ 出力部
Ｇｚ１〜Ｇｚｎ，Ｇ１〜Ｇ５ 購買グループ

Claims (3)

1. 第１の期間と前記第１の期間より時間的に後の第２の期間における複数の消費者のそれぞれの購買履歴情報を取得し、
   前記第１の期間における前記複数の消費者のそれぞれの購買履歴情報と、前記第２の期間における該複数の消費者のそれぞれの購買履歴情報とを比較して、前記第１の期間では購入されていたが、前記第２の期間では購入されなくなった商品又はサービスと、前記第１の期間では購入されていなかったが、前記第２の期間では購入されるようになった商品又はサービスと、前記第１の期間と前記第２の期間との少なくともいずれかの期間において購入された商品又はサービスの各々について前記第１の期間に対する前記第２の期間における購入数の増減の度合いを示す情報と、を該複数の消費者のそれぞれの特徴情報として特定し、
   特定した特徴情報の共通性に基づいて、クラスタリング処理を行って、複数の購買グループを生成する、
   処理をコンピュータに実行させるクラスタリングプログラム。
2. 第１の期間と前記第１の期間より時間的に後の第２の期間における複数の消費者のそれぞれの購買履歴情報を取得し、
   前記第１の期間における前記複数の消費者のそれぞれの購買履歴情報と、前記第２の期間における該複数の消費者のそれぞれの購買履歴情報とを比較して、前記第１の期間では購入されていたが、前記第２の期間では購入されなくなった商品又はサービスと、前記第１の期間では購入されていなかったが、前記第２の期間では購入されるようになった商品又はサービスと、前記第１の期間と前記第２の期間との少なくともいずれかの期間において購入された商品又はサービスの各々について前記第１の期間に対する前記第２の期間における購入数の増減の度合いを示す情報と、を該複数の消費者のそれぞれの特徴情報として特定し、
   特定した特徴情報の共通性に基づいて、クラスタリング処理を行って、複数の購買グループを生成する、
   処理をコンピュータが実行するクラスタリング方法。
3. 第１の期間と前記第１の期間より時間的に後の第２の期間における複数の消費者のそれぞれの購買履歴情報を取得する取得部と、
   前記取得部によって取得された前記第１の期間における前記複数の消費者のそれぞれの購買履歴情報と、前記取得部によって取得された前記第２の期間における該複数の消費者のそれぞれの購買履歴情報とを比較して、前記第１の期間では購入されていたが、前記第２の期間では購入されなくなった商品又はサービスと、前記第１の期間では購入されていなかったが、前記第２の期間では購入されるようになった商品又はサービスと、前記第１の期間と前記第２の期間との少なくともいずれかの期間において購入された商品又はサービスの各々について前記第１の期間に対する前記第２の期間における購入数の増減の度合いを示す情報と、を該複数の消費者のそれぞれの特徴情報として特定する特定部と、
   前記特定部によって特定された特徴情報の共通性に基づいて、クラスタリング処理を行って、複数の購買グループを生成する生成部と、
   を有するクラスタリング装置。
   
   

Images