JP6449578B2 - 購買予測分析システム及びそのプログラム - Google Patents
購買予測分析システム及びそのプログラム Download PDFInfo
- Publication number
- JP6449578B2 JP6449578B2 JP2014151426A JP2014151426A JP6449578B2 JP 6449578 B2 JP6449578 B2 JP 6449578B2 JP 2014151426 A JP2014151426 A JP 2014151426A JP 2014151426 A JP2014151426 A JP 2014151426A JP 6449578 B2 JP6449578 B2 JP 6449578B2
- Authority
- JP
- Japan
- Prior art keywords
- product purchase
- product
- cluster
- rate
- purchase rate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims description 124
- 238000004364 calculation method Methods 0.000 claims description 47
- 230000010365 information processing Effects 0.000 claims description 30
- 238000007621 cluster analysis Methods 0.000 claims description 27
- 238000000611 regression analysis Methods 0.000 claims description 27
- 230000006870 function Effects 0.000 claims description 20
- 238000012821 model calculation Methods 0.000 claims 2
- 238000000034 method Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 241000239290 Araneae Species 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000006399 behavior Effects 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本発明は、購買予測を分析するシステムに係り、特に、商品購入率が得られない地域を含めて商品購入率を予測できる購買予測分析システム及びそのプログラムに関する。
［従来の技術］
従来の購買予測を分析する関連技術文献として、特開平１０−２０７９５８号公報「売上分析装置及びプログラム記録媒体」（翼システム株式会社）［特許文献１］、特開２００２−２５９６７２号公報「ハイブリッド型需要および／または収益予測方法」（日本電信電話株式会社）［特許文献２］、特開２００２−３５８３９８号公報「消費動向分析システムおよび消費動向分析方法」（株式会社ビジネスブレイン大田昭和）［特許文献３］、特開２０１３−２３９１６０号公報「情報提供システム、情報提供方法、及び情報提供プログラム」（株式会社資生堂）［特許文献４］がある。
従来の購買予測を分析する関連技術文献として、特開平１０−２０７９５８号公報「売上分析装置及びプログラム記録媒体」（翼システム株式会社）［特許文献１］、特開２００２−２５９６７２号公報「ハイブリッド型需要および／または収益予測方法」（日本電信電話株式会社）［特許文献２］、特開２００２−３５８３９８号公報「消費動向分析システムおよび消費動向分析方法」（株式会社ビジネスブレイン大田昭和）［特許文献３］、特開２０１３−２３９１６０号公報「情報提供システム、情報提供方法、及び情報提供プログラム」（株式会社資生堂）［特許文献４］がある。
特許文献１には、売上分析装置において、自店舗が位置する地域を住所ブロックに分割し、居住所の他店舗への移動時間より自店舗への移動時間が短い住所ブロック群を識別し、各住所ブロックにおける売上の多寡が識別できる地図を表示することが記載されている。
特許文献２には、需要と収益を予測する方法において、予測シナリオの枠組を決定し、それに従い選択行動モデルを構築し、その選択行動モデルを用いて選択行動を予測集計し、商品の需要を予測することが記載されている。
特許文献３には、消費動向分析システムにおいて、顧客マスタデータベースと注文明細データベースに基づき、任意の地域を１グループとしたグループ別注文データを生成し、それに基づいて消費動向の分析を実行可能にすることが記載されている。
特許文献４には、情報提供システムにおいて、店舗端末及びＷｅｂサーバから得られる情報に基づき、複数の階層又は複数群のデータベースに統合し、それらから得られる情報を組み合わせて分析を行い、顧客提供の商品を決定することが記載されている。
尚、購買予測に関する発明ではないが、地域特性について主成分分析を行い、その地域のクラスタ分析を行う発明が特許第５２８４５４８号公報「地域特性を利用したプロファイリングシステム」（技研商事インターナショナル株式会社）［特許文献５］に記載されている。
しかしながら、上記従来の購買予測等を行うシステムでは、特定地域における店舗が管理する顧客数（ＩＤ ＰＯＳ［顧客ＩＤ付きＰＯＳ（Point of Sales）］の客数）と特定商品を購入した顧客数（商品購入客数）から商品購入率（商品購入客数／ＩＤ ＰＯＳ客数）を計算できるが、全ての地域でＩＤ ＰＯＳ客数と商品購入客数が得られるとは限らず、得られたとしても、サンプルとして適さない場合には、そのまま商品購入率として用いることができないという問題点があった。
また、上記従来の購買予測等を行うシステムで商品購入率が得られたとしても、地域毎の特性に適合した商品購入率を予測できるものにはならないとう問題点があった。
本発明は上記実状に鑑みて為されたもので、商品購入率を適正に得られない地域を含めて地域毎に商品購入率を予測できる購買予測分析システム及びそのプログラムを提供することを目的とする。
（商品購入率を予測する購買予測分析システム）
上記従来例の問題点を解決するための本発明は、地域の商品購入率を予測する情報処理装置を有する購買予測分析システムであって、地域についてクラスタ分析され、クラスタ分類されたクラスタ情報を記憶するクラスタ情報記憶部と、分析対象の領域内の特定地域における店舗に対する顧客の情報を記憶する顧客情報記憶部と、特定地域の商品購入率を記憶する商品購入率記憶部とを備え、情報処理装置の制御部で処理プログラムが実行されて実現される機能実現手段として、クラスタ情報記憶部に記憶されたクラスタ情報に基づいて顧客情報記憶部から顧客の数又は当該顧客の総購入金額と特定商品の商品購入客の数又は当該商品購入客の合計購入金額を読み込み、クラスタ毎の商品購入率を演算し、商品購入率記憶部に記憶する商品購入率演算手段と、演算された商品購入率について特定のしきい値を用いてクラスタ毎の商品購入率の採用又は不採用を決定し、商品購入率が採用されたクラスタに対応する地域について、地域毎の商品購入率を目的変数とし、クラスタ分析に用いられた因子得点を説明変数として、重回帰分析の予測モデルの計算式を生成し、商品購入率が採用又は不採用となったクラスタに対応する地域について、当該地域の因子得点と計算式を用いて商品購入率を演算して予測し、商品購入率記憶部に記憶する商品購入率予測手段とを有することを特徴とする。
上記従来例の問題点を解決するための本発明は、地域の商品購入率を予測する情報処理装置を有する購買予測分析システムであって、地域についてクラスタ分析され、クラスタ分類されたクラスタ情報を記憶するクラスタ情報記憶部と、分析対象の領域内の特定地域における店舗に対する顧客の情報を記憶する顧客情報記憶部と、特定地域の商品購入率を記憶する商品購入率記憶部とを備え、情報処理装置の制御部で処理プログラムが実行されて実現される機能実現手段として、クラスタ情報記憶部に記憶されたクラスタ情報に基づいて顧客情報記憶部から顧客の数又は当該顧客の総購入金額と特定商品の商品購入客の数又は当該商品購入客の合計購入金額を読み込み、クラスタ毎の商品購入率を演算し、商品購入率記憶部に記憶する商品購入率演算手段と、演算された商品購入率について特定のしきい値を用いてクラスタ毎の商品購入率の採用又は不採用を決定し、商品購入率が採用されたクラスタに対応する地域について、地域毎の商品購入率を目的変数とし、クラスタ分析に用いられた因子得点を説明変数として、重回帰分析の予測モデルの計算式を生成し、商品購入率が採用又は不採用となったクラスタに対応する地域について、当該地域の因子得点と計算式を用いて商品購入率を演算して予測し、商品購入率記憶部に記憶する商品購入率予測手段とを有することを特徴とする。
（購買予測分析システムのサーバ）
本発明は、地域の商品購入率を予測する情報処理サーバを有する購買予測分析システムであって、地域についてクラスタ分析され、クラスタ分類されたクラスタ情報を記憶するクラスタ情報記憶部と、分析対象の領域内の特定地域における商品購入率を記憶する商品購入率記憶部とを備え、情報処理サーバの制御部で処理プログラムが実行されて実現される機能実現手段として、ネットワークを介してクライアントから分析対象の領域内の特定地域における店舗に対する顧客の情報を受信し、前記クラスタ情報記憶部に記憶されたクラスタ情報に基づいて顧客の情報からクラスタ毎に顧客の数又は当該顧客の総購入金額と特定商品の商品購入客の数又は当該商品購入客の合計購入金額を読み込み、クラスタ毎の商品購入率を演算し、商品購入率記憶部に記憶する商品購入率演算手段と、演算された商品購入率について特定のしきい値を用いてクラスタ毎の商品購入率の採用又は不採用を決定し、商品購入率が採用されたクラスタに対応する地域について、地域毎の商品購入率を目的変数とし、クラスタ分析に用いられた因子得点を説明変数として、重回帰分析の予測モデルの計算式を生成し、商品購入率が採用又は不採用となったクラスタに対応する地域について、当該地域の因子得点と計算式を用いて商品購入率を演算して予測し、商品購入率記憶部に記憶する商品購入率予測手段とを有することを特徴とする。
本発明は、地域の商品購入率を予測する情報処理サーバを有する購買予測分析システムであって、地域についてクラスタ分析され、クラスタ分類されたクラスタ情報を記憶するクラスタ情報記憶部と、分析対象の領域内の特定地域における商品購入率を記憶する商品購入率記憶部とを備え、情報処理サーバの制御部で処理プログラムが実行されて実現される機能実現手段として、ネットワークを介してクライアントから分析対象の領域内の特定地域における店舗に対する顧客の情報を受信し、前記クラスタ情報記憶部に記憶されたクラスタ情報に基づいて顧客の情報からクラスタ毎に顧客の数又は当該顧客の総購入金額と特定商品の商品購入客の数又は当該商品購入客の合計購入金額を読み込み、クラスタ毎の商品購入率を演算し、商品購入率記憶部に記憶する商品購入率演算手段と、演算された商品購入率について特定のしきい値を用いてクラスタ毎の商品購入率の採用又は不採用を決定し、商品購入率が採用されたクラスタに対応する地域について、地域毎の商品購入率を目的変数とし、クラスタ分析に用いられた因子得点を説明変数として、重回帰分析の予測モデルの計算式を生成し、商品購入率が採用又は不採用となったクラスタに対応する地域について、当該地域の因子得点と計算式を用いて商品購入率を演算して予測し、商品購入率記憶部に記憶する商品購入率予測手段とを有することを特徴とする。
（商品購入率の採用・不採用の決定内容）
本発明は、上記購買予測分析システムにおいて、商品購入率演算手段が、顧客の情報からクラスタ毎に顧客の数又は当該顧客の総購入金額と特定商品の商品購入客の数又は当該商品購入客の合計購入金額を読み込み、商品購入客の数を顧客の数で除算して、又は合計購入金額を総購入金額で除算してクラスタ毎の商品購入率を演算し、商品購入率予測手段が、商品購入客の数又は合計購入金額と商品購入率を乗算してクラスタ毎の商品購入実効値を求め、商品購入実効値が特定のしきい値以上の場合、商品購入率を採用とし、商品購入実効値が特定のしきい値未満の場合、商品購入率を不採用とすることを特徴とする。
本発明は、上記購買予測分析システムにおいて、商品購入率演算手段が、顧客の情報からクラスタ毎に顧客の数又は当該顧客の総購入金額と特定商品の商品購入客の数又は当該商品購入客の合計購入金額を読み込み、商品購入客の数を顧客の数で除算して、又は合計購入金額を総購入金額で除算してクラスタ毎の商品購入率を演算し、商品購入率予測手段が、商品購入客の数又は合計購入金額と商品購入率を乗算してクラスタ毎の商品購入実効値を求め、商品購入実効値が特定のしきい値以上の場合、商品購入率を採用とし、商品購入実効値が特定のしきい値未満の場合、商品購入率を不採用とすることを特徴とする。
（分析対象領域以外の地域でも購買予測分析を行う）
本発明は、上記購買予測分析システムにおいて、商品購入率記憶部が、分析対象の領域以外の地域における商品購入率も記憶するものであり、商品購入率予測手段が、クラスタ情報記憶部に記憶された分析対象の領域以外における地域についてクラスタ情報を読み込み、当該地域の因子得点と生成した重回帰分析の予測モデルの計算式を用いて商品購入率を演算して予測し、分析対象の領域以外の地域における商品購入率として商品購入率記憶部に記憶することを特徴とする。
本発明は、上記購買予測分析システムにおいて、商品購入率記憶部が、分析対象の領域以外の地域における商品購入率も記憶するものであり、商品購入率予測手段が、クラスタ情報記憶部に記憶された分析対象の領域以外における地域についてクラスタ情報を読み込み、当該地域の因子得点と生成した重回帰分析の予測モデルの計算式を用いて商品購入率を演算して予測し、分析対象の領域以外の地域における商品購入率として商品購入率記憶部に記憶することを特徴とする。
（分析結果表示手段の内容／地図不使用）
本発明は、上記購買予測分析システムにおいて、情報処理装置の制御部で処理プログラムが実行されて実現される機能実現手段として、商品購入率記憶部から地域の予測された商品購入率を読み込み、条件を異にする商品について商品購入率又はクラスタ分析に用いられた因子の特性を比較する形態で表示する分析結果表示手段を有することを特徴とする。
本発明は、上記購買予測分析システムにおいて、情報処理装置の制御部で処理プログラムが実行されて実現される機能実現手段として、商品購入率記憶部から地域の予測された商品購入率を読み込み、条件を異にする商品について商品購入率又はクラスタ分析に用いられた因子の特性を比較する形態で表示する分析結果表示手段を有することを特徴とする。
（分析結果表示手段の内容／地図使用）
本発明は、上記購買予測分析システムにおいて、地域に関する地図情報を記憶する地図情報記憶部を備え、情報処理装置の制御部で処理プログラムが実行されて実現される機能実現手段として、商品購入率記憶部から地域の予測された商品購入率を読み込み、地図情報記憶部から対応する地域の地図情報を読み込み、地域毎の商品購入率に応じて地図情報における対応する地域の表示形態を変更させる分析結果表示手段を有することを特徴とする。
本発明は、上記購買予測分析システムにおいて、地域に関する地図情報を記憶する地図情報記憶部を備え、情報処理装置の制御部で処理プログラムが実行されて実現される機能実現手段として、商品購入率記憶部から地域の予測された商品購入率を読み込み、地図情報記憶部から対応する地域の地図情報を読み込み、地域毎の商品購入率に応じて地図情報における対応する地域の表示形態を変更させる分析結果表示手段を有することを特徴とする。
（分析結果表示手段の表示色又は濃淡変更）
本発明は、上記購買予測分析システムにおいて、分析結果表示手段が、商品購入率に応じて地図情報における対応する地域の表示色又は表示色の濃淡を変更させることを特徴とする。
本発明は、上記購買予測分析システムにおいて、分析結果表示手段が、商品購入率に応じて地図情報における対応する地域の表示色又は表示色の濃淡を変更させることを特徴とする。
（分析結果表示手段の商品購入率が特定値以上を表示）
本発明は、上記購買予測分析システムにおいて、分析結果表示手段が、商品購入率が特定の値以上の地域について地図情報における対応する地域を特殊な形態で表示させることを特徴とする。
本発明は、上記購買予測分析システムにおいて、分析結果表示手段が、商品購入率が特定の値以上の地域について地図情報における対応する地域を特殊な形態で表示させることを特徴とする。
（分析結果表示手段で店舗位置を表示）
本発明は、上記購買予測分析システムにおいて、分析結果表示手段が、地図情報における対応する地域に店舗の位置情報を表示することを特徴とする。
本発明は、上記購買予測分析システムにおいて、分析結果表示手段が、地図情報における対応する地域に店舗の位置情報を表示することを特徴とする。
（商品購入率を予測する購買予測分析プログラム）
本発明は、地域の商品購入率を予測する情報処理装置で動作する購買予測分析プログラムであって、情報処理装置を、クラスタ情報記憶部に記憶された地域についてクラスタ分析され、クラスタ分類されたクラスタ情報に基づいて顧客情報記憶部からクラスタ毎に分析対象の領域内の特定地域における店舗に対する顧客の数又は当該顧客の総購入金額と特定商品の商品購入客の数又は当該商品購入客の合計購入金額を読み込み、クラスタ毎の商品購入率を演算し、商品購入率記憶部に記憶する商品購入率演算手段と、演算された商品購入率について特定のしきい値を用いてクラスタ毎の商品購入率の採用又は不採用を決定し、商品購入率が採用されたクラスタに対応する地域について、地域毎の商品購入率を目的変数とし、クラスタ分析に用いられた因子得点を説明変数として、重回帰分析の予測モデルの計算式を生成し、商品購入率が採用又は不採用となったクラスタに対応する地域について、当該地域の因子得点と計算式を用いて商品購入率を演算して予測し、商品購入率記憶部に記憶する商品購入率予測手段として、機能させることを特徴とする。
本発明は、地域の商品購入率を予測する情報処理装置で動作する購買予測分析プログラムであって、情報処理装置を、クラスタ情報記憶部に記憶された地域についてクラスタ分析され、クラスタ分類されたクラスタ情報に基づいて顧客情報記憶部からクラスタ毎に分析対象の領域内の特定地域における店舗に対する顧客の数又は当該顧客の総購入金額と特定商品の商品購入客の数又は当該商品購入客の合計購入金額を読み込み、クラスタ毎の商品購入率を演算し、商品購入率記憶部に記憶する商品購入率演算手段と、演算された商品購入率について特定のしきい値を用いてクラスタ毎の商品購入率の採用又は不採用を決定し、商品購入率が採用されたクラスタに対応する地域について、地域毎の商品購入率を目的変数とし、クラスタ分析に用いられた因子得点を説明変数として、重回帰分析の予測モデルの計算式を生成し、商品購入率が採用又は不採用となったクラスタに対応する地域について、当該地域の因子得点と計算式を用いて商品購入率を演算して予測し、商品購入率記憶部に記憶する商品購入率予測手段として、機能させることを特徴とする。
（購買予測分析システムのサーバのプログラム）
本発明は、地域の商品購入率を予測する情報処理サーバで動作する購買予測分析プログラムであって、情報処理サーバを、ネットワークを介してクライアントから分析対象の領域内の特定地域における店舗に対する顧客の情報を受信し、クラスタ情報記憶部に記憶された地域についてクラスタ分析され、クラスタ分類されたクラスタ情報に基づいて顧客の情報からクラスタ毎に分析対象の領域内の特定地域における店舗に対する顧客の数又は当該顧客の総購入金額と特定商品の商品購入客の数又は当該商品購入客の合計購入金額を読み込み、クラスタ毎の商品購入率を演算し、商品購入率記憶部に記憶する商品購入率演算手段と、演算された商品購入率について特定のしきい値を用いてクラスタ毎の商品購入率の採用又は不採用を決定し、商品購入率が採用されたクラスタに対応する地域について、地域毎の商品購入率を目的変数とし、クラスタ分析に用いられた因子得点を説明変数として、重回帰分析の予測モデルの計算式を生成し、商品購入率が採用又は不採用となったクラスタに対応する地域について、当該地域の因子得点と計算式を用いて商品購入率を演算して予測し、商品購入率記憶部に記憶する商品購入率予測手段として、機能させることを特徴とする。
本発明は、地域の商品購入率を予測する情報処理サーバで動作する購買予測分析プログラムであって、情報処理サーバを、ネットワークを介してクライアントから分析対象の領域内の特定地域における店舗に対する顧客の情報を受信し、クラスタ情報記憶部に記憶された地域についてクラスタ分析され、クラスタ分類されたクラスタ情報に基づいて顧客の情報からクラスタ毎に分析対象の領域内の特定地域における店舗に対する顧客の数又は当該顧客の総購入金額と特定商品の商品購入客の数又は当該商品購入客の合計購入金額を読み込み、クラスタ毎の商品購入率を演算し、商品購入率記憶部に記憶する商品購入率演算手段と、演算された商品購入率について特定のしきい値を用いてクラスタ毎の商品購入率の採用又は不採用を決定し、商品購入率が採用されたクラスタに対応する地域について、地域毎の商品購入率を目的変数とし、クラスタ分析に用いられた因子得点を説明変数として、重回帰分析の予測モデルの計算式を生成し、商品購入率が採用又は不採用となったクラスタに対応する地域について、当該地域の因子得点と計算式を用いて商品購入率を演算して予測し、商品購入率記憶部に記憶する商品購入率予測手段として、機能させることを特徴とする。
（商品購入率の採用・不採用の決定のプログラム）
本発明は、上記購買予測分析プログラムにおいて、商品購入率演算手段が、顧客の情報からクラスタ毎に顧客の数又は当該顧客の総購入金額と特定商品の商品購入客の数又は当該商品購入客の合計購入金額を読み込み、商品購入客の数を顧客の数で除算して、又は合計購入金額を総購入金額で除算してクラスタ毎の商品購入率を演算し、商品購入率予測手段が、商品購入客の数又は合計購入金額と商品購入率を乗算してクラスタ毎の商品購入実効値を求め、商品購入実効値が特定のしきい値以上の場合、商品購入率を採用とし、商品購入実効値が特定のしきい値未満の場合、商品購入率を不採用とすることを特徴とする。
本発明は、上記購買予測分析プログラムにおいて、商品購入率演算手段が、顧客の情報からクラスタ毎に顧客の数又は当該顧客の総購入金額と特定商品の商品購入客の数又は当該商品購入客の合計購入金額を読み込み、商品購入客の数を顧客の数で除算して、又は合計購入金額を総購入金額で除算してクラスタ毎の商品購入率を演算し、商品購入率予測手段が、商品購入客の数又は合計購入金額と商品購入率を乗算してクラスタ毎の商品購入実効値を求め、商品購入実効値が特定のしきい値以上の場合、商品購入率を採用とし、商品購入実効値が特定のしきい値未満の場合、商品購入率を不採用とすることを特徴とする。
（分析対象領域以外の地域でも購買予測分析を行うプログラム）
本発明は、上記購買予測分析プログラムにおいて、商品購入率予測手段が、クラスタ情報記憶部に記憶された分析対象の領域以外における地域についてクラスタ情報を読み込み、当該地域の因子得点と生成した重回帰分析の予測モデルの計算式を用いて商品購入率を演算して予測し、分析対象の領域以外の地域における商品購入率として商品購入率記憶部に記憶することを特徴とする。
本発明は、上記購買予測分析プログラムにおいて、商品購入率予測手段が、クラスタ情報記憶部に記憶された分析対象の領域以外における地域についてクラスタ情報を読み込み、当該地域の因子得点と生成した重回帰分析の予測モデルの計算式を用いて商品購入率を演算して予測し、分析対象の領域以外の地域における商品購入率として商品購入率記憶部に記憶することを特徴とする。
（分析結果表示手段を機能させるプログラム／地図不使用）
本発明は、上記購買予測分析プログラムにおいて、情報処理装置又は情報処理サーバを、商品購入率記憶部から地域の予測された商品購入率を読み込み、条件を異にする商品について商品購入率又はクラスタ分析に用いられた因子の特性を比較する形態で表示する分析結果表示手段として機能させることを特徴とする。
本発明は、上記購買予測分析プログラムにおいて、情報処理装置又は情報処理サーバを、商品購入率記憶部から地域の予測された商品購入率を読み込み、条件を異にする商品について商品購入率又はクラスタ分析に用いられた因子の特性を比較する形態で表示する分析結果表示手段として機能させることを特徴とする。
（分析結果表示手段を機能させるプログラム／地図使用）
本発明は、上記購買予測分析プログラムにおいて、情報処理装置又は情報処理サーバを、商品購入率記憶部から地域の予測された商品購入率を読み込み、地図情報記憶部から対応する地域の地図情報を読み込み、地域毎の商品購入率に応じて地図情報における対応する地域の表示形態を変更させる分析結果表示手段として機能させることを特徴とする。
本発明は、上記購買予測分析プログラムにおいて、情報処理装置又は情報処理サーバを、商品購入率記憶部から地域の予測された商品購入率を読み込み、地図情報記憶部から対応する地域の地図情報を読み込み、地域毎の商品購入率に応じて地図情報における対応する地域の表示形態を変更させる分析結果表示手段として機能させることを特徴とする。
（分析結果表示手段の表示色又は濃淡変更）
本発明は、上記購買予測分析プログラムにおいて、分析結果表示手段が、商品購入率に応じて地図情報における対応する地域の表示色又は表示色の濃淡を変更させることを特徴とする。
本発明は、上記購買予測分析プログラムにおいて、分析結果表示手段が、商品購入率に応じて地図情報における対応する地域の表示色又は表示色の濃淡を変更させることを特徴とする。
（分析結果表示手段の商品購入率が特定値以上を表示）
本発明は、上記購買予測分析プログラムにおいて、分析結果表示手段が、商品購入率が特定の値以上の地域について地図情報における対応する地域を特殊な形態で表示させることを特徴とする。
本発明は、上記購買予測分析プログラムにおいて、分析結果表示手段が、商品購入率が特定の値以上の地域について地図情報における対応する地域を特殊な形態で表示させることを特徴とする。
（分析結果表示手段で店舗位置を表示）
本発明は、上記購買予測分析プログラムにおいて、分析結果表示手段が、地図情報における対応する地域に店舗の位置情報を表示することを特徴とする。
本発明は、上記購買予測分析プログラムにおいて、分析結果表示手段が、地図情報における対応する地域に店舗の位置情報を表示することを特徴とする。
（商品購入率を予測する購買予測分析システム）
本発明によれば、商品購入率演算手段が、クラスタ情報記憶部に記憶されたクラスタ情報に基づいて顧客情報記憶部からクラスタ毎に顧客の数又は当該顧客の総購入金額と特定商品の商品購入客の数又は当該商品購入客の合計購入金額を読み込み、クラスタ毎の商品購入率を演算し、商品購入率記憶部に記憶し、商品購入率予測手段が、演算された商品購入率について特定のしきい値を用いてクラスタ毎の商品購入率の採用又は不採用を決定し、商品購入率が採用されたクラスタに対応する地域について、地域毎の商品購入率を目的変数とし、クラスタ分析に用いられた因子得点を説明変数として、重回帰分析の予測モデルの計算式を生成し、商品購入率が採用又は不採用となったクラスタに対応する地域について、当該地域の因子得点と計算式を用いて商品購入率を演算して予測し、商品購入率記憶部に記憶する購買予測分析システムとしているので、商品購入率を適正に得られない地域を含めて、商品購入率を適正に予測できる効果がある。
本発明によれば、商品購入率演算手段が、クラスタ情報記憶部に記憶されたクラスタ情報に基づいて顧客情報記憶部からクラスタ毎に顧客の数又は当該顧客の総購入金額と特定商品の商品購入客の数又は当該商品購入客の合計購入金額を読み込み、クラスタ毎の商品購入率を演算し、商品購入率記憶部に記憶し、商品購入率予測手段が、演算された商品購入率について特定のしきい値を用いてクラスタ毎の商品購入率の採用又は不採用を決定し、商品購入率が採用されたクラスタに対応する地域について、地域毎の商品購入率を目的変数とし、クラスタ分析に用いられた因子得点を説明変数として、重回帰分析の予測モデルの計算式を生成し、商品購入率が採用又は不採用となったクラスタに対応する地域について、当該地域の因子得点と計算式を用いて商品購入率を演算して予測し、商品購入率記憶部に記憶する購買予測分析システムとしているので、商品購入率を適正に得られない地域を含めて、商品購入率を適正に予測できる効果がある。
本発明の実施の形態について図面を参照しながら説明する。
［実施の形態の概要］
本発明の実施の形態に係る購買予測分析システムは、地域を因子１〜９の説明変数でクラスタ分析を行い、クラスタ毎に商品購入率（実数値）を算出し、算出した商品購入率の採用／不採用を決定して、商品購入率が採用となったクラスタの地域には当該採用された商品購入率を設定し、当該地域の商品購入率を目的変数とし、当該地域の因子１〜９の因子得点を説明変数として重回帰分析の計算式（予測モデル）を生成し、生成された計算式を用いて全ての地域について、当該地域の説明変数から商品購入率（理論値）を演算して予測するものであり、商品購入率を適正に得られない地域を含めてすべての地域で、クラスタ分析と重回帰の計算式を適用することで、商品購入率を適正に予測できるものである。
［実施の形態の概要］
本発明の実施の形態に係る購買予測分析システムは、地域を因子１〜９の説明変数でクラスタ分析を行い、クラスタ毎に商品購入率（実数値）を算出し、算出した商品購入率の採用／不採用を決定して、商品購入率が採用となったクラスタの地域には当該採用された商品購入率を設定し、当該地域の商品購入率を目的変数とし、当該地域の因子１〜９の因子得点を説明変数として重回帰分析の計算式（予測モデル）を生成し、生成された計算式を用いて全ての地域について、当該地域の説明変数から商品購入率（理論値）を演算して予測するものであり、商品購入率を適正に得られない地域を含めてすべての地域で、クラスタ分析と重回帰の計算式を適用することで、商品購入率を適正に予測できるものである。
［本システム：図１］
本発明の実施の形態に係る購買予測分析システム（本システム）について図１を参照しながら説明する。図１は、本システムの概略構成図である。
本システムは、図１に示すように、情報処理装置内に、制御部１と、記憶部２と、インタフェース部３とを備え、インタフェース部３には、表示装置４と、入力装置５と、ネットワークが接続されている。
本システムにおける情報処理装置は、一般的なコンピュータを使用しており、処理プログラムを動作させて機能を実現させている。
本発明の実施の形態に係る購買予測分析システム（本システム）について図１を参照しながら説明する。図１は、本システムの概略構成図である。
本システムは、図１に示すように、情報処理装置内に、制御部１と、記憶部２と、インタフェース部３とを備え、インタフェース部３には、表示装置４と、入力装置５と、ネットワークが接続されている。
本システムにおける情報処理装置は、一般的なコンピュータを使用しており、処理プログラムを動作させて機能を実現させている。
［本システムの各部］
本システムの各部について具体的に説明する。
［制御部１，記憶部２：図２］
本システムにおける制御部１と記憶部２の具体的構成について図２を参照しながら説明する。図２は、本システムにおける処理手段と記憶部の構成を示す概略図である。
本システムの各部について具体的に説明する。
［制御部１，記憶部２：図２］
本システムにおける制御部１と記憶部２の具体的構成について図２を参照しながら説明する。図２は、本システムにおける処理手段と記憶部の構成を示す概略図である。
［記憶部２］
記憶部２には、処理プログラムの他に、クラスタ情報記憶部２１、ＩＤ ＰＯＳ情報記憶部２２、商品購入率等記憶部２３、地図情報記憶部２４を備えている。
記憶部２には、処理プログラムの他に、クラスタ情報記憶部２１、ＩＤ ＰＯＳ情報記憶部２２、商品購入率等記憶部２３、地図情報記憶部２４を備えている。
［クラスタ情報記憶部２１］
クラスタ情報記憶部２１は、行政界又はメッシュ等に分割された地域についてのクラスタ分析され、クラスタ分類されたクラスタ情報を記憶している。クラスタ情報は、例えば、特許文献５に示す技術によって得られるものであり、クラスタ分類された特性についてクラスタコードが付与される。尚、特許文献５と同様の処理を制御部１に行わせて、クラスタ情報を生成して記憶部２に記憶するようにしてもよい。
クラスタ情報記憶部２１は、行政界又はメッシュ等に分割された地域についてのクラスタ分析され、クラスタ分類されたクラスタ情報を記憶している。クラスタ情報は、例えば、特許文献５に示す技術によって得られるものであり、クラスタ分類された特性についてクラスタコードが付与される。尚、特許文献５と同様の処理を制御部１に行わせて、クラスタ情報を生成して記憶部２に記憶するようにしてもよい。
［ＩＤ ＰＯＳ情報記憶部２２］
ＩＤ ＰＯＳ情報記憶部２２は、特定の店舗における顧客情報を記憶するものであり、上記行政界又はメッシュにおける顧客の数（ＩＤ ＰＯＳ客数）と特定の商品を購入した購入客の数（商品購入客数）を記憶している。特定の店舗は、複数の店舗あってもよい。
また、ＩＤ ＰＯＳ情報記憶部２２に、行政界又はメッシュにおける顧客の総購入金額（ＩＤ ＰＯＳ総購入金額）と特定の商品を購入した商品購入客の合計購入金額（合計購入金額）を記憶して、商品購入率を求めるようにしてもよい。総購入金額とは、ＩＤ ＰＯＳ客数全体で購入した合計金額であり、合計購入金額は、商品購入客数全体で特定商品を購入した合計金額である。
ＩＤ ＰＯＳ情報記憶部２２は、特定の店舗における顧客情報を記憶するものであり、上記行政界又はメッシュにおける顧客の数（ＩＤ ＰＯＳ客数）と特定の商品を購入した購入客の数（商品購入客数）を記憶している。特定の店舗は、複数の店舗あってもよい。
また、ＩＤ ＰＯＳ情報記憶部２２に、行政界又はメッシュにおける顧客の総購入金額（ＩＤ ＰＯＳ総購入金額）と特定の商品を購入した商品購入客の合計購入金額（合計購入金額）を記憶して、商品購入率を求めるようにしてもよい。総購入金額とは、ＩＤ ＰＯＳ客数全体で購入した合計金額であり、合計購入金額は、商品購入客数全体で特定商品を購入した合計金額である。
［商品購入率等記憶部２３］
商品購入率等記憶部２３は、クラスタコード毎に集計されたＩＤ ＰＯＳ客数と商品購入客数又はＩＤ ＰＯＳ総購入金額と合計購入金額が記憶され、演算された商品購入率（実数値）が記憶されると共に、予測された商品購入率（理論値）も記憶している。
商品購入率等記憶部２３は、クラスタコード毎に集計されたＩＤ ＰＯＳ客数と商品購入客数又はＩＤ ＰＯＳ総購入金額と合計購入金額が記憶され、演算された商品購入率（実数値）が記憶されると共に、予測された商品購入率（理論値）も記憶している。
［地図情報記憶部２４］
地図情報記憶部２４は、クラスタ情報に対応する地域の地図情報を記憶しており、当該地図情報を利用して分析結果の表示がなされる。
地図情報記憶部２４は、クラスタ情報に対応する地域の地図情報を記憶しており、当該地図情報を利用して分析結果の表示がなされる。
［制御部１］
制御部１は、図２に示すように、記憶部２に記憶された処理プログラムを読み込んで、商品購入率演算手段１１、商品購入率予測手段１２、分析結果表示手段１３等の機能実現手段を実行する。
［商品購入率演算手段１１］
商品購入率演算手段１１は、クラスタ情報記憶部２１に記憶されたクラスタ分析されたクラスタ情報のクラスタコードについて、ＩＤ ＰＯＳ情報記憶部２２からクラスタコードが対応するＩＤ ＰＯＳ客数又はＩＤ ＰＯＳ総購入金額と特定商品の商品購入客数又は合計購入金額を読み込み、クラスタコード毎（クラスタ毎）に集計し、クラスタコード毎に商品購入率（商品購入客数／ＩＤ ＰＯＳ客数又は合計購入金額／ＩＤ ＰＯＳ総購入金額）を演算し、商品購入率等記憶部２３に商品購入率の実数値として記憶する。商品購入率の演算方法は、後述する。
制御部１は、図２に示すように、記憶部２に記憶された処理プログラムを読み込んで、商品購入率演算手段１１、商品購入率予測手段１２、分析結果表示手段１３等の機能実現手段を実行する。
［商品購入率演算手段１１］
商品購入率演算手段１１は、クラスタ情報記憶部２１に記憶されたクラスタ分析されたクラスタ情報のクラスタコードについて、ＩＤ ＰＯＳ情報記憶部２２からクラスタコードが対応するＩＤ ＰＯＳ客数又はＩＤ ＰＯＳ総購入金額と特定商品の商品購入客数又は合計購入金額を読み込み、クラスタコード毎（クラスタ毎）に集計し、クラスタコード毎に商品購入率（商品購入客数／ＩＤ ＰＯＳ客数又は合計購入金額／ＩＤ ＰＯＳ総購入金額）を演算し、商品購入率等記憶部２３に商品購入率の実数値として記憶する。商品購入率の演算方法は、後述する。
［商品購入率予測手段１２］
商品購入率予測手段１２は、演算された商品購入率（実数値）に対して特定の採用基準に従い、クラスタコード毎に商品購入率を採用するか不採用にするかを決定し、商品購入率が採用となったクラスタの地域について、クラスタ分析に用いた因子の因子得点を説明変数とし、採用になった商品購入率を目的変数として重回帰分析の計算式（予測モデル）を生成し、商品購入率が不採用となったクラスタコードに対応する地域も含めて全ての地域について商品購入率（理論値）の予測を行う。商品購入率の予測方法は、後述する。
商品購入率予測手段１２は、演算された商品購入率（実数値）に対して特定の採用基準に従い、クラスタコード毎に商品購入率を採用するか不採用にするかを決定し、商品購入率が採用となったクラスタの地域について、クラスタ分析に用いた因子の因子得点を説明変数とし、採用になった商品購入率を目的変数として重回帰分析の計算式（予測モデル）を生成し、商品購入率が不採用となったクラスタコードに対応する地域も含めて全ての地域について商品購入率（理論値）の予測を行う。商品購入率の予測方法は、後述する。
［分析結果表示手段１３］
分析結果表示手段１３は、予測された地域の商品購入率（理論値）を用い、地図情報記憶部２４に記憶された地図情報を読み込んで、当該地図情報上に商品購入率（理論値）を表示する。分析結果表示方法は、後述する。
分析結果表示手段１３は、予測された地域の商品購入率（理論値）を用い、地図情報記憶部２４に記憶された地図情報を読み込んで、当該地図情報上に商品購入率（理論値）を表示する。分析結果表示方法は、後述する。
［インタフェース部３］
インタフェース部３は、表示装置４、入力装置５に接続するインタフェース部であり、ネットワークにも接続するインタフェース部である。
ネットワークからインタフェース部３を介して、制御部１は、必要な情報を読み込み、記憶部２に記憶するようになっている。
インタフェース部３は、表示装置４、入力装置５に接続するインタフェース部であり、ネットワークにも接続するインタフェース部である。
ネットワークからインタフェース部３を介して、制御部１は、必要な情報を読み込み、記憶部２に記憶するようになっている。
［表示装置４］
表示装置４は、分析結果表示手段１３で生成された情報を表示する。尚、表示装置４に、クラスタ情報、顧客情報、商品購入率等に関する情報を表示させてもよい。
［入力装置５］
入力装置５は、制御部１に必要の指示を入力する装置である。
表示装置４は、分析結果表示手段１３で生成された情報を表示する。尚、表示装置４に、クラスタ情報、顧客情報、商品購入率等に関する情報を表示させてもよい。
［入力装置５］
入力装置５は、制御部１に必要の指示を入力する装置である。
［本システムの処理内容］
次に、本システムにおける商品購入率の演算処理、商品購入率の予測処理、分析結果表示処理について図３〜７を参照しながら説明する。図３は、行政界毎のクラスタコード付与の表を示す図であり、図４は、商品購入率の表を示す図であり、図５は、行政界毎のクラスタコードと商品購入率の表を示す図であり、図６は、行政界毎の商品購入率を予測した表を示す図であり、図７は、分析結果の表示例を示す図である。
次に、本システムにおける商品購入率の演算処理、商品購入率の予測処理、分析結果表示処理について図３〜７を参照しながら説明する。図３は、行政界毎のクラスタコード付与の表を示す図であり、図４は、商品購入率の表を示す図であり、図５は、行政界毎のクラスタコードと商品購入率の表を示す図であり、図６は、行政界毎の商品購入率を予測した表を示す図であり、図７は、分析結果の表示例を示す図である。
［商品購入率の演算処理：図３，図４］
制御部１で実現される商品購入率演算手段１１は、商品購入率を求める領域（エリア）について、当該エリアに含まれる行政界の地域（例えば、町丁目１、町丁目２、・・）を選択し、クラスタ情報記憶部２１から当該地域がクラスタ分析された場合の因子１〜９の数値（因子得点）を取得し、更に対応するクラスタコードを地域毎に付与して図３の表を生成する。
次に、商品購入率演算手段１１は、図３のクラスタコード毎に地域のＩＤ ＰＯＳ客数と商品購入客数を集計し、商品購入率（％）を演算し、図４に設定する。
また、商品購入率演算手段１１は、クラスタコード毎に地域のＩＤ ＰＯＳ総購入金額と合計購入金額を集計し、商品購入率（％）を演算してもよい。
制御部１で実現される商品購入率演算手段１１は、商品購入率を求める領域（エリア）について、当該エリアに含まれる行政界の地域（例えば、町丁目１、町丁目２、・・）を選択し、クラスタ情報記憶部２１から当該地域がクラスタ分析された場合の因子１〜９の数値（因子得点）を取得し、更に対応するクラスタコードを地域毎に付与して図３の表を生成する。
次に、商品購入率演算手段１１は、図３のクラスタコード毎に地域のＩＤ ＰＯＳ客数と商品購入客数を集計し、商品購入率（％）を演算し、図４に設定する。
また、商品購入率演算手段１１は、クラスタコード毎に地域のＩＤ ＰＯＳ総購入金額と合計購入金額を集計し、商品購入率（％）を演算してもよい。
［商品購入率の予測処理：図４，図５，図６］
商品購入率予測手段１２は、商品購入実効値（商品購入客数×実数値の商品購入率（％））を演算し、図４の表に設定し、商品購入実効値が特定のしきい値以上のものについて商品購入率を採用し、しきい値未満のものについて商品購入率を不採用とする。尚、図４では、しきい値を「５００」としている。
商品購入実効値は、合計購入金額×実数値の商品購入率（％）で演算してもよい。
商品購入率予測手段１２は、商品購入実効値（商品購入客数×実数値の商品購入率（％））を演算し、図４の表に設定し、商品購入実効値が特定のしきい値以上のものについて商品購入率を採用し、しきい値未満のものについて商品購入率を不採用とする。尚、図４では、しきい値を「５００」としている。
商品購入実効値は、合計購入金額×実数値の商品購入率（％）で演算してもよい。
商品購入率予測手段１２は、図５に示すように、行政界毎にクラスタコードを付与し、付与したクラスタコードに対して採用された商品購入率（実数値）を設定し、更に、図３に示した行政界毎の因子１〜９も設定する。不採用になったクラスタコードに対応する商品購入率は空白とする。
そして、商品購入率予測手段１２は、採用したクラスタコードの商品購入率（実数値）を目的変数とし、因子１〜９を説明変数として、重回帰分析により予測モデルの計算式を生成し、当該重回帰の計算式により、商品購入率が不採用になった地域を含めて全ての行政界の地域について、商品購入率を演算して予測する。この予測された商品購入率が図５の商品購入率（理論値）として設定される。
従って、商品購入率（実数値）は、クラスタ毎に算出されるもので、商品購入率（理論値）は、地域毎の説明変数（因子得点）を用いて予測モデルの計算式で算出されるもので、理論値の方がより予測モデルに合った値となり、実数値とは必ずしも一致しない場合がある。
従って、商品購入率（実数値）は、クラスタ毎に算出されるもので、商品購入率（理論値）は、地域毎の説明変数（因子得点）を用いて予測モデルの計算式で算出されるもので、理論値の方がより予測モデルに合った値となり、実数値とは必ずしも一致しない場合がある。
［重回帰分析の計算式］
重回帰分析の計算式（予測モデル）の求め方について説明する。
重回帰分析処理によって生成される重回帰分析の計算式は、簡単にすると、例えば、以下の式で表現される。
ｙ＝ｂ0 ＋ｂ1 ・ｘ1 ＋ｂ2 ・ｘ2 ＋ｂ3 ・ｘ3 ＋・・・＋ｂ9 ・ｘ9
重回帰分析の計算式（予測モデル）の求め方について説明する。
重回帰分析処理によって生成される重回帰分析の計算式は、簡単にすると、例えば、以下の式で表現される。
ｙ＝ｂ0 ＋ｂ1 ・ｘ1 ＋ｂ2 ・ｘ2 ＋ｂ3 ・ｘ3 ＋・・・＋ｂ9 ・ｘ9
ここで、「ｙ」は予測値等のポテンシャルを示し、「ｂ0 〜ｂ9 」は係数であり、「ｘ1 〜ｘ9 」は因子１〜９の因子得点である。そして、「ｙ」が目的変数であり、「ｘ1 〜ｘ9 」が説明変数となる。「ｂ0 」は、計算式において「切片」と呼ばれ、ｘｙ軸のｙ軸との接点となる。「ｂ1 〜ｂ9 」は各因子に対する係数となる。
商品購入率が採用されたクラスタの地域について、採用された商品購入率を目的変数とし、地域毎の因子１〜９の因子得点をｘ1 〜ｘ9 に説明変数として、商品購入率が採用されたクラスタの全地域に対する係数ｂ0 〜ｂ9 を重回帰分析により求め、予測モデルの計算式を生成する。
そして、商品購入率が採用及び不採用になったクラスタの地域（全ての地域）について、当該地域の因子得点を上記計算式に代入して当該地域の商品購入率「ｙ」を算出する。
以上のように予測された商品購入率を図６の表に設定して、記憶部２の商品購入率等記憶部２３に記憶する。
そして、商品購入率が採用及び不採用になったクラスタの地域（全ての地域）について、当該地域の因子得点を上記計算式に代入して当該地域の商品購入率「ｙ」を算出する。
以上のように予測された商品購入率を図６の表に設定して、記憶部２の商品購入率等記憶部２３に記憶する。
尚、上記全ての地域は、図３の商品購入率を求める領域（エリア）内の全ての地域であるが、例えば、そのエリアを「東京」とした場合に、「札幌」のエリアについて、クラスタ分析・分類されていれば、上記重回帰分析の計算式を用いて因子得点の説明変数を用い、商品購入率を演算して予測するようにしてもよい。
つまり、特定のエリアで重回帰分析の計算式（予測モデル）を求めることができたのであれば、その予測モデルを用いて、全国の地域における商品購入率を予測できることになる。
つまり、特定のエリアで重回帰分析の計算式（予測モデル）を求めることができたのであれば、その予測モデルを用いて、全国の地域における商品購入率を予測できることになる。
［分析結果表示処理：図７］
分析結果表示手段１３は、商品購入率等記憶部２３から図６の商品購入率（理論値）を予測した表を読み込み、地図情報記憶部２４から地域が含まれるエリアの地図情報を読み込み、当該地図情報上に地域毎の商品購入率を（理論値）表示する。図７では、商品購入率が特定値以上の地域を色づけ又は網掛け表示している例である。尚、図７では、顧客情報を取得した店舗の位置情報を表示するようにしている。
分析結果表示手段１３は、商品購入率等記憶部２３から図６の商品購入率（理論値）を予測した表を読み込み、地図情報記憶部２４から地域が含まれるエリアの地図情報を読み込み、当該地図情報上に地域毎の商品購入率を（理論値）表示する。図７では、商品購入率が特定値以上の地域を色づけ又は網掛け表示している例である。尚、図７では、顧客情報を取得した店舗の位置情報を表示するようにしている。
本システムでは、クラスタ分析に用いた因子得点を使用して地域毎に特定商品の商品購入率を求めるようにしているので、地域における特定商品の購入率をインデックス（特定商品の指数）として利用できる。
また、本システムでは、店舗の種類、形態によって、例えば、コンビニエンスストア、スーパーマーケット、ドラッグストア、ホームセンター、家電量販店等によって分析結果が異なるものとなるので、結果の解釈を考慮する必要がある。そのためには、分析レポートには店舗の業務形態が記載されるようにした方がよい。
［実施の形態の効果］
本システムによれば、地域の特定の商品購入率をクラスタ分析してクラスタ毎にＩＤ ＰＯＳ客数と商品購入客数又はＩＤ ＰＯＳ総購入金額と合計購入金額を集計し、クラスタ毎に商品購入率を求め、特定の基準以上のものを採用し、採用となった商品購入率のクラスタにおける地域について、商品購入率を目的変数とし、因子得点を説明変数として重回帰分析の計算式（予測モデル）を求め、分析対象となった全ての地域について、地域毎の因子得点を用いて重回帰分析の計算式により当該地域の商品購入率を演算して予測するようにしているので、クラスタ分析を用いた商品購入率が得られなかった地域を含めて全ての地域について商品購入率を適正に予測できる効果がある。
本システムによれば、地域の特定の商品購入率をクラスタ分析してクラスタ毎にＩＤ ＰＯＳ客数と商品購入客数又はＩＤ ＰＯＳ総購入金額と合計購入金額を集計し、クラスタ毎に商品購入率を求め、特定の基準以上のものを採用し、採用となった商品購入率のクラスタにおける地域について、商品購入率を目的変数とし、因子得点を説明変数として重回帰分析の計算式（予測モデル）を求め、分析対象となった全ての地域について、地域毎の因子得点を用いて重回帰分析の計算式により当該地域の商品購入率を演算して予測するようにしているので、クラスタ分析を用いた商品購入率が得られなかった地域を含めて全ての地域について商品購入率を適正に予測できる効果がある。
また、本システムによれば、分析対象となった領域（エリア）において求めた重回帰分析の計算式に基づいて、そのエリア以外のエリアにおける地域について、クラスタ分析に用いられた因子得点を用いて特定商品の商品購入率を演算して予測するようにしているので、店舗における顧客情報が得られない地域でも商品納入率を予測できる効果がある。
［応用例１］
本システムでは、ネットワークに接続するコンピュータを想定したが、指示を入力し、処理結果を表示するクライアント装置と、本システムの主要な処理を実現するサーバ装置とがネットワークを介して接続するシステムであってもよい。
この場合、クラスタ情報記憶部２１、ＩＤ ＰＯＳ情報記憶部２２、商品購入率等記憶部２３、地図情報記憶部２４をデータベース（ＤＢ）化して、各ＤＢをネットワークに接続してサーバ装置とデータのやり取りを行うことで処理を実現してもよい。
本システムでは、ネットワークに接続するコンピュータを想定したが、指示を入力し、処理結果を表示するクライアント装置と、本システムの主要な処理を実現するサーバ装置とがネットワークを介して接続するシステムであってもよい。
この場合、クラスタ情報記憶部２１、ＩＤ ＰＯＳ情報記憶部２２、商品購入率等記憶部２３、地図情報記憶部２４をデータベース（ＤＢ）化して、各ＤＢをネットワークに接続してサーバ装置とデータのやり取りを行うことで処理を実現してもよい。
上記の応用例１の場合、サーバ装置がＷｅｂサーバの機能を備えていて、ユーザがパーソナルコンピュータをネットワークに接続して、データベース化された商品購入率等に基づき、分析結果のレポートを提供するサービスをサーバ装置が行うようにしてもよい。
［応用例２］
本システムでは、地域を行政界やメッシュで分類したが、郵便番号界、医療圏、学校区、その他等の地域による分析単位を想定してもよい。
本システムでは、地域を行政界やメッシュで分類したが、郵便番号界、医療圏、学校区、その他等の地域による分析単位を想定してもよい。
［応用例３／ネットワーク利用の購買予測分析システム：図８］
次に、ネットワーク利用の購買予測分析システムについて図８を参照しながら説明する。図８は、ネットワーク利用の購買予測分析システムの概略図である。
図８のシステムは、購買予測分析サーバ３０が、ネットワーク５０を介して店舗センタサーバ４１に接続されている。
次に、ネットワーク利用の購買予測分析システムについて図８を参照しながら説明する。図８は、ネットワーク利用の購買予測分析システムの概略図である。
図８のシステムは、購買予測分析サーバ３０が、ネットワーク５０を介して店舗センタサーバ４１に接続されている。
購買予測分析サーバ３０には、クラスタ情報記憶部３１と、商品購入率等記憶部３３と、地図情報記憶部３４が接続されている。ここで、クラスタ情報記憶部３１、商品購入率等記憶部３３、地図情報記憶部３４は、図２で説明したクラスタ情報記憶部２１、商品購入率等記憶部２３、地図情報記憶部２４に相当し、同様のデータが記憶される。
店舗センタサーバ４１には、ＩＤ ＰＯＳ情報記憶部４２が接続され、更に、ネットワーク４３を介してクライアント端末（クライアントＰＣ）４０が接続されている。
店舗センタサーバ４１は、店舗のＩＤ ＰＯＳ情報を収集し、ＩＤ ＰＯＳ情報記憶部４２に記憶し、クライアントＰＣ４０からの指示によりＩＤ ＰＯＳ情報記憶部４２からＩＤ ＰＯＳ情報を読み出して購買予測分析サーバ３０に送信する。
ここで、ＩＤ ＰＯＳ情報記憶部４２は、図２で説明したＩＤ ＰＯＳ情報記憶部２２に相当し、同様のデータが記憶される。
クライアントＰＣ４０は、店舗センタサーバ４１に接続し、ＩＤ ＰＯＳ情報を購買予測分析サーバ３０に送信するよう指示し、購買予測分析サーバ３０から送信された分析結果のレポートを表示する。
店舗センタサーバ４１は、店舗のＩＤ ＰＯＳ情報を収集し、ＩＤ ＰＯＳ情報記憶部４２に記憶し、クライアントＰＣ４０からの指示によりＩＤ ＰＯＳ情報記憶部４２からＩＤ ＰＯＳ情報を読み出して購買予測分析サーバ３０に送信する。
ここで、ＩＤ ＰＯＳ情報記憶部４２は、図２で説明したＩＤ ＰＯＳ情報記憶部２２に相当し、同様のデータが記憶される。
クライアントＰＣ４０は、店舗センタサーバ４１に接続し、ＩＤ ＰＯＳ情報を購買予測分析サーバ３０に送信するよう指示し、購買予測分析サーバ３０から送信された分析結果のレポートを表示する。
［図８のシステムの動作］
図８のシステムでは、クライアントＰＣ４０が、店舗センタサーバ４１に商品購入率を求めるエリアを指定し、商品購入率を予測する商品についてのＩＤ ＰＯＳ情報（ＩＤ ＰＯＳ客数、商品購入客数又はＩＤ ＰＯＳ総購入金額、合計購入金額）をＩＤ ＰＯＳ情報記憶部４２から読み出して、購買予測分析サーバ３０に送信するよう指示する。
店舗センタサーバ４１は、ＩＤ ＰＯＳ情報をＩＤ ＰＯＳ情報記憶部４２から読み出して、指定したエリアの情報と共に購買予測分析サーバ３０に送信する。
図８のシステムでは、クライアントＰＣ４０が、店舗センタサーバ４１に商品購入率を求めるエリアを指定し、商品購入率を予測する商品についてのＩＤ ＰＯＳ情報（ＩＤ ＰＯＳ客数、商品購入客数又はＩＤ ＰＯＳ総購入金額、合計購入金額）をＩＤ ＰＯＳ情報記憶部４２から読み出して、購買予測分析サーバ３０に送信するよう指示する。
店舗センタサーバ４１は、ＩＤ ＰＯＳ情報をＩＤ ＰＯＳ情報記憶部４２から読み出して、指定したエリアの情報と共に購買予測分析サーバ３０に送信する。
購買予測分析サーバ３０は、店舗センタサーバ４１からのＩＤ ＰＯＳ情報を顧客の居住する行政界又はメッシュが対応するクラスタについて、クラスタ毎に集計して商品購入率（実数値）を演算し、更に商品購入実効値を演算し、商品購入率（実数値）の採用又は不採用を決定する。
そして、購買予測分析サーバ３０は、採用したクラスタの商品購入率（実数値）を目的変数とし、因子１〜９を説明変数として、重回帰分析により予測モデルの計算式を生成し、当該重回帰の計算式により、商品購入率が不採用になった地域を含めて全ての行政界又はメッシュの地域について、商品購入率を演算して予測し、商品購入率（理論値）として求める。
そして、購買予測分析サーバ３０は、採用したクラスタの商品購入率（実数値）を目的変数とし、因子１〜９を説明変数として、重回帰分析により予測モデルの計算式を生成し、当該重回帰の計算式により、商品購入率が不採用になった地域を含めて全ての行政界又はメッシュの地域について、商品購入率を演算して予測し、商品購入率（理論値）として求める。
更に、購買予測分析サーバ３０は、クライアントＰＣ４０から指定されたエリア（例えば、郵便番号リストで特定されるエリア）について、図６に示すような行政界毎に商品購入率を予測した表を生成し、店舗センタサーバ４１を介してクライアントＰＣ４０に送信する。
郵便番号リストは、複数の郵便番号を記載したリストで、それら郵便番号によって複数の行政界のエリアが特定されるものである。
郵便番号リストは、複数の郵便番号を記載したリストで、それら郵便番号によって複数の行政界のエリアが特定されるものである。
クライアントＰＣ４０は、ＩＤ ＰＯＳ情報記憶部４２に記憶するＩＤ ＰＯＳ情報と商品購入予測のエリアを郵便番号リストで指定するだけで、当該エリアにおける商品購入率を適正に予測できる効果がある。
ここで、店舗センタサーバ４１は、ＩＤ ＰＯＳ情報を管理しているので、それに接続するクライアントＰＣ４０は、店舗用のコンピュータ若しくは店舗用のコンピュータに接続するコンピュータ（端末装置）が想定され、購買予測分析サーバ３０が、アプリケーションサービスプロバイダー（ＡＳＰ）として動作する。
ここで、店舗センタサーバ４１は、ＩＤ ＰＯＳ情報を管理しているので、それに接続するクライアントＰＣ４０は、店舗用のコンピュータ若しくは店舗用のコンピュータに接続するコンピュータ（端末装置）が想定され、購買予測分析サーバ３０が、アプリケーションサービスプロバイダー（ＡＳＰ）として動作する。
また、図８のシステムでは、購買予測分析サーバ３０が、重回帰分析の予測モデルの計算式（重回帰モデル式）に対して、エリア内の各地域の適合度合を計る指標を求め、店舗センタサーバ４１を介してクライアントＰＣ４０に送信するようにしてもよい。
ここで、重回帰モデル式への適合の度合とは、重相関係数：Ｒ、それを調整した修正Ｒ、決定係数：Ｒ２乗、それを修正した修正Ｒ２乗、ダービン・ワトソン比、ＡＩＣ（赤池情報量基準）、偏回帰係数、標準誤差、標準偏回帰係数、偏回帰係数の有意性の検定：Ｆ値、偏回帰係数の有意性の検定：ｔ値、偏回帰係数の有意性の検定：Ｐ値、偏回帰係数の９５%信頼区間：下限値、偏回帰係数の９５%信頼区間：上限値、目的変数との相関：単相関、目的変数との相関：偏相関、多重共線性の統計量：トレランス、多重共線性の統計量：ＶＩＦ（分散拡大要因）等であり、これらの値が適合の度合の指標となる。
［応用例４／商品購入率の比較：図９〜１１］
次に、商品購入率の比較を行うことができるレポート例について図９〜１１を参照しながら説明する。
［商品購入率比較表：図９］
上記の手法を用いて、２つの商品Ａ，Ｂについて行政界毎の比較を行った商品購入率比較表を図９に示す。図９は、商品購入率比較表を示す図である。
図９の例では、同じエリア内において、商品Ａと商品Ｂの商品購入率を行政界毎に比較したものである。
次に、商品購入率の比較を行うことができるレポート例について図９〜１１を参照しながら説明する。
［商品購入率比較表：図９］
上記の手法を用いて、２つの商品Ａ，Ｂについて行政界毎の比較を行った商品購入率比較表を図９に示す。図９は、商品購入率比較表を示す図である。
図９の例では、同じエリア内において、商品Ａと商品Ｂの商品購入率を行政界毎に比較したものである。
ここで、商品Ａと商品Ｂは、競合する商品（競合する会社の商品）であってもよいし、販売促進のイベントを開催した前後の同じ商品であってもよいし、同期比（平成２４年度と平成２５年度）の同じ商品の商品購入率であってもよい。
更に、異なる郵便番号リストで指定される、異なるエリアについて同じ商品又は異なる商品の商品購入率を比較する表をレポートとして作成してもよい。この場合、同一店舗のＩＤ ＰＯＳ情報だけでなく、異なる店舗のＩＤ ＰＯＳ情報を用いて作成することも可能である。
つまり、商品Ａ，Ｂは、種類、期間、エリア等の条件の異にする商品である。
更に、異なる郵便番号リストで指定される、異なるエリアについて同じ商品又は異なる商品の商品購入率を比較する表をレポートとして作成してもよい。この場合、同一店舗のＩＤ ＰＯＳ情報だけでなく、異なる店舗のＩＤ ＰＯＳ情報を用いて作成することも可能である。
つまり、商品Ａ，Ｂは、種類、期間、エリア等の条件の異にする商品である。
［商品購入の因子特性比較のスパイダーチャート：図１０］
次に、商品購入の因子特性を比較するスパイダーチャートのレポート例について図１０を参照しながら説明する。図１０は、商品購入の因子特性比較のスパイダーチャートである。
図１０は、商品Ａ，Ｂについてそれぞれ作成した図６の表を基にして、因子１〜９の因子毎に商品Ａ，Ｂの因子特性が比較可能なスパイダーチャートとなっている。
尚、商品Ａ，Ｂは、時期を異にする同一商品、異なるエリアの同一又は異なる商品（条件を異にする商品）を含むものである。
次に、商品購入の因子特性を比較するスパイダーチャートのレポート例について図１０を参照しながら説明する。図１０は、商品購入の因子特性比較のスパイダーチャートである。
図１０は、商品Ａ，Ｂについてそれぞれ作成した図６の表を基にして、因子１〜９の因子毎に商品Ａ，Ｂの因子特性が比較可能なスパイダーチャートとなっている。
尚、商品Ａ，Ｂは、時期を異にする同一商品、異なるエリアの同一又は異なる商品（条件を異にする商品）を含むものである。
［上位・下位エリアの比較表：図１１］
また、本システムでは、重回帰モデル式が生成されると、クラスタ情報によって全国のエリアについて商品購入率を求めることができる。よって、全国又は指定されたエリア（領域）内で、商品の購入率の高い上位１０の地域（Ｔｏｐ１０）と低い下位１０の地域（Ｂｏｔｔｏｍ１０）を商品Ａ，Ｂについて演算して求め、並べて表示したのが図１１のレポート例である。図１１は、上位・下位エリアの比較表を示す図である。
商品Ａ，Ｂについて、指定されたエリア内で、上位１０と下位１０の地域（例えば、エリアｂ，ｄ，ｃ等）が示されている。求められた地域の欄に、商品購入率を含めるようにしてもよい。
また、本システムでは、重回帰モデル式が生成されると、クラスタ情報によって全国のエリアについて商品購入率を求めることができる。よって、全国又は指定されたエリア（領域）内で、商品の購入率の高い上位１０の地域（Ｔｏｐ１０）と低い下位１０の地域（Ｂｏｔｔｏｍ１０）を商品Ａ，Ｂについて演算して求め、並べて表示したのが図１１のレポート例である。図１１は、上位・下位エリアの比較表を示す図である。
商品Ａ，Ｂについて、指定されたエリア内で、上位１０と下位１０の地域（例えば、エリアｂ，ｄ，ｃ等）が示されている。求められた地域の欄に、商品購入率を含めるようにしてもよい。
本発明は、商品購入率を適正に得られない地域を含めて地域毎に商品購入率を予測できる購買予測分析システム及びそのプログラムに好適である。
１...制御部、 ２...記憶部、 ３...インタフェース部、 ４...表示装置、 ５...入力装置、 １１...商品購入率演算手段、 １２...商品購入率予測手段、 １３...分析結果表示手段、 ２１...クラスタ情報記憶部、 ２２...ＩＤ ＰＯＳ情報記憶部、 ２３...商品購入率等記憶部、 ２４...地図情報記憶部、 ３０...購買予測分析サーバ、 ３１...クラスタ情報記憶部、 ３３...商品購入率等記憶部、 ３４...地図情報記憶部、 ４０...クライアント端末（クライアントＰＣ）、 ４１...店舗センタサーバ、 ４２...ＩＤ ＰＯＳ情報記憶部、 ４３...ネットワーク、 ５０...ネットワーク
Claims (18)
- 地域の商品購入率を予測する情報処理装置を有する購買予測分析システムであって、
前記地域についてクラスタ分析され、クラスタ分類されたクラスタ情報を記憶するクラスタ情報記憶部と、
分析対象の領域内の特定地域における店舗に対する顧客の情報を記憶する顧客情報記憶部と、
前記特定地域の商品購入率を記憶する商品購入率記憶部とを備え、
前記情報処理装置の制御部で処理プログラムが実行されて実現される機能実現手段として、
前記クラスタ情報記憶部に記憶されたクラスタ情報に基づいて前記顧客情報記憶部からクラスタ毎に顧客の数又は当該顧客の総購入金額と特定商品の商品購入客の数又は当該商品購入客の合計購入金額を読み込み、クラスタ毎の商品購入率を演算し、前記商品購入率記憶部に記憶する商品購入率演算手段と、
前記演算された商品購入率について特定のしきい値を用いてクラスタ毎の商品購入率の採用又は不採用を決定し、商品購入率が採用されたクラスタに対応する地域について、地域毎の商品購入率を目的変数とし、クラスタ分析に用いられた因子得点を説明変数として、重回帰分析の予測モデルの計算式を生成し、商品購入率が採用又は不採用となったクラスタに対応する地域について、当該地域の因子得点と前記計算式を用いて商品購入率を演算して予測し、前記商品購入率記憶部に記憶する商品購入率予測手段とを有することを特徴とする購買予測分析システム。 - 地域の商品購入率を予測する情報処理サーバを有する購買予測分析システムであって、
前記地域についてクラスタ分析され、クラスタ分類されたクラスタ情報を記憶するクラスタ情報記憶部と、
分析対象の領域内の特定地域における商品購入率を記憶する商品購入率記憶部とを備え、
前記情報処理サーバの制御部で処理プログラムが実行されて実現される機能実現手段として、
ネットワークを介してクライアントから前記分析対象の領域内の特定地域における店舗に対する顧客の情報を受信し、前記クラスタ情報記憶部に記憶されたクラスタ情報に基づいて前記顧客の情報からクラスタ毎に顧客の数又は当該顧客の総購入金額と特定商品の商品購入客の数又は当該商品購入客の合計購入金額を読み込み、クラスタ毎の商品購入率を演算し、前記商品購入率記憶部に記憶する商品購入率演算手段と、
前記演算された商品購入率について特定のしきい値を用いてクラスタ毎の商品購入率の採用又は不採用を決定し、商品購入率が採用されたクラスタに対応する地域について、地域毎の商品購入率を目的変数とし、クラスタ分析に用いられた因子得点を説明変数として、重回帰分析の予測モデルの計算式を生成し、商品購入率が採用又は不採用となったクラスタに対応する地域について、当該地域の因子得点と前記計算式を用いて商品購入率を演算して予測し、前記商品購入率記憶部に記憶する商品購入率予測手段とを有することを特徴とする購買予測分析システム。 - 商品購入率演算手段は、顧客の情報からクラスタ毎に顧客の数又は当該顧客の総購入金額と特定商品の商品購入客の数又は当該商品購入客の合計購入金額を読み込み、前記商品購入客の数を前記顧客の数で除算して、又は前記合計購入金額を前記総購入金額で除算してクラスタ毎の商品購入率を演算し、
商品購入率予測手段は、前記商品購入客の数又は前記合計購入金額と前記商品購入率を乗算してクラスタ毎の商品購入実効値を求め、前記商品購入実効値が特定のしきい値以上の場合、商品購入率を採用とし、前記商品購入実効値が特定のしきい値未満の場合、商品購入率を不採用とすることを特徴とする請求項１又は２記載の購買予測分析システム。 - 商品購入率記憶部は、分析対象の領域以外の地域における商品購入率も記憶するものであり、
商品購入率予測手段は、クラスタ情報記憶部に記憶された分析対象の領域以外における地域についてクラスタ情報を読み込み、当該地域の因子得点と生成した重回帰分析の予測モデルの計算式を用いて商品購入率を演算して予測し、前記商品購入率記憶部に記憶することを特徴とする請求項１乃至３のいずれか記載の購買予測分析システム。 - 情報処理装置の制御部で処理プログラムが実行されて実現される機能実現手段として、
商品購入率記憶部から地域の予測された商品購入率を読み込み、条件を異にする商品について商品購入率又はクラスタ分析に用いられた因子の特性を比較する形態で表示する分析結果表示手段を有することを特徴とする請求項１乃至４のいずれか記載の購買予測分析システム。 - 地域に関する地図情報を記憶する地図情報記憶部を備え、
情報処理装置の制御部で処理プログラムが実行されて実現される機能実現手段として、
商品購入率記憶部から地域の予測された商品購入率を読み込み、前記地図情報記憶部から対応する地域の地図情報を読み込み、地域毎の前記商品購入率に応じて地図情報における対応する地域の表示形態を変更させる分析結果表示手段を有することを特徴とする請求項１乃至４のいずれか記載の購買予測分析システム。 - 分析結果表示手段は、商品購入率に応じて地図情報における対応する地域の表示色又は表示色の濃淡を変更させることを特徴とする請求項６記載の購買予測分析システム。
- 分析結果表示手段は、商品購入率が特定の値以上の地域について地図情報における対応する地域を特殊な形態で表示させることを特徴とする請求項６記載の購買予測分析システム。
- 分析結果表示手段は、地図情報における対応する地域に店舗の位置情報を表示することを特徴とする請求項６乃至８のいずれか記載の購買予測分析システム。
- 地域の商品購入率を予測する情報処理装置で動作する購買予測分析プログラムであって、
前記情報処理装置を、
クラスタ情報記憶部に記憶された前記地域についてクラスタ分析され、クラスタ分類されたクラスタ情報に基づいて顧客情報記憶部からクラスタ毎に分析対象の領域内の特定地域における店舗に対する顧客の数又は当該顧客の総購入金額と特定商品の商品購入客の数又は当該商品購入客の合計購入金額を読み込み、クラスタ毎の商品購入率を演算し、商品購入率記憶部に記憶する商品購入率演算手段と、
前記演算された商品購入率について特定のしきい値を用いてクラスタ毎の商品購入率の採用又は不採用を決定し、商品購入率が採用されたクラスタに対応する地域について、地域毎の商品購入率を目的変数とし、クラスタ分析に用いられた因子得点を説明変数として、重回帰分析の予測モデルの計算式を生成し、商品購入率が採用又は不採用となったクラスタに対応する地域について、当該地域の因子得点と前記計算式を用いて商品購入率を演算して予測し、前記商品購入率記憶部に記憶する商品購入率予測手段として、機能させることを特徴とする購買予測分析プログラム。 - 地域の商品購入率を予測する情報処理サーバで動作する購買予測分析プログラムであって、
前記情報処理サーバを、
ネットワークを介してクライアントから分析対象の領域内の特定地域における店舗に対する顧客の情報を受信し、クラスタ情報記憶部に記憶された前記地域についてクラスタ分析され、クラスタ分類されたクラスタ情報に基づいて前記顧客の情報からクラスタ毎に前記分析対象の領域内の特定地域における店舗に対する顧客の数又は当該顧客の総購入金額と特定商品の商品購入客の数又は当該商品購入客の合計購入金額を読み込み、クラスタ毎の商品購入率を演算し、商品購入率記憶部に記憶する商品購入率演算手段と、
前記演算された商品購入率について特定のしきい値を用いてクラスタ毎の商品購入率の採用又は不採用を決定し、商品購入率が採用されたクラスタに対応する地域について、地域毎の商品購入率を目的変数とし、クラスタ分析に用いられた因子得点を説明変数として、重回帰分析の予測モデルの計算式を生成し、商品購入率が採用又は不採用となったクラスタに対応する地域について、当該地域の因子得点と前記計算式を用いて商品購入率を演算して予測し、前記商品購入率記憶部に記憶する商品購入率予測手段として、機能させることを特徴とする購買予測分析プログラム。 - 商品購入率演算手段は、顧客の情報からクラスタ毎に顧客の数又は当該顧客の総購入金額と特定商品の商品購入客の数又は当該商品購入客の合計購入金額を読み込み、前記商品購入客の数を前記顧客の数で除算して、又は前記合計購入金額を前記総購入金額で除算してクラスタ毎の商品購入率を演算し、
商品購入率予測手段は、前記商品購入客の数又は前記合計購入金額と前記商品購入率を乗算してクラスタ毎の商品購入実効値を求め、前記商品購入実効値が特定のしきい値以上の場合、商品購入率を採用とし、前記商品購入実効値が特定のしきい値未満の場合、商品購入率を不採用とすることを特徴とする請求項１０又は１１記載の購買予測分析プログラム。 - 商品購入率予測手段は、クラスタ情報記憶部に記憶された分析対象の領域以外における地域についてクラスタ情報を読み込み、当該地域の因子得点と生成した重回帰分析の予測モデルの計算式を用いて商品購入率を演算して予測し、分析対象の領域以外の地域における商品購入率として前記商品購入率記憶部に記憶することを特徴とする請求項１０乃至１２のいずれか記載の購買予測分析プログラム。
- 情報処理装置又は情報処理サーバを、
商品購入率記憶部から地域の予測された商品購入率を読み込み、条件を異にする商品について商品購入率又はクラスタ分析に用いられた因子の特性を比較する形態で表示する分析結果表示手段として機能させることを特徴とする請求項１０乃至１３のいずれか記載の購買予測分析プログラム。 - 情報処理装置又は情報処理サーバを、
商品購入率記憶部から地域の予測された商品購入率を読み込み、地図情報記憶部から対応する地域の地図情報を読み込み、地域毎の前記商品購入率に応じて地図情報における対応する地域の表示形態を変更させる分析結果表示手段として機能させることを特徴とする請求項１０乃至１３のいずれか記載の購買予測分析プログラム。 - 分析結果表示手段は、商品購入率に応じて地図情報における対応する地域の表示色又は表示色の濃淡を変更させることを特徴とする請求項１５記載の購買予測分析プログラム。
- 分析結果表示手段は、商品購入率が特定の値以上の地域について地図情報における対応する地域を特殊な形態で表示させることを特徴とする請求項１５記載の購買予測分析プログラム。
- 分析結果表示手段は、地図情報における対応する地域に店舗の位置情報を表示することを特徴とする請求項１５乃至１７のいずれか記載の購買予測分析プログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014151426A JP6449578B2 (ja) | 2014-05-28 | 2014-07-25 | 購買予測分析システム及びそのプログラム |
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014110291 | 2014-05-28 | ||
| JP2014110291 | 2014-05-28 | ||
| JP2014151426A JP6449578B2 (ja) | 2014-05-28 | 2014-07-25 | 購買予測分析システム及びそのプログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2016006621A JP2016006621A (ja) | 2016-01-14 |
| JP6449578B2 true JP6449578B2 (ja) | 2019-01-09 |
Family
ID=55225016
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2014151426A Active JP6449578B2 (ja) | 2014-05-28 | 2014-07-25 | 購買予測分析システム及びそのプログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6449578B2 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019208319A1 (ja) | 2018-04-27 | 2019-10-31 | パナソニックＩｐマネジメント株式会社 | 予測装置、予測方法、及びプログラム |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11296539A (ja) * | 1998-04-13 | 1999-10-29 | Omron Corp | データ処理装置 |
| JP2000200260A (ja) * | 1998-07-21 | 2000-07-18 | Toyota Motor Corp | 商品販売数予測システム |
| JP2001357313A (ja) * | 2000-04-13 | 2001-12-26 | Sony Corp | 商品販売用サーバ、商品販売システム及びその販売方法 |
| JP3934361B2 (ja) * | 2001-05-11 | 2007-06-20 | 株式会社野村総合研究所 | 商圏自動設定システム |
| JP4897713B2 (ja) * | 2008-01-16 | 2012-03-14 | 株式会社野村総合研究所 | 販売情報分析装置 |
| JP5123422B2 (ja) * | 2010-12-28 | 2013-01-23 | 技研商事インターナショナル株式会社 | 地域特性を利用したプロファイリングシステム |
| JP6181360B2 (ja) * | 2012-08-30 | 2017-08-16 | アクセンチュア グローバル サービシズ リミテッド | マーケティング装置、マーケティング方法、プログラム、及び記録媒体 |
| JP2014170417A (ja) * | 2013-03-04 | 2014-09-18 | Nec Casio Mobile Communications Ltd | 管理装置、管理制御方法とそのプログラム |
-
2014
- 2014-07-25 JP JP2014151426A patent/JP6449578B2/ja active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2016006621A (ja) | 2016-01-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7120649B2 (ja) | 情報処理システム、情報処理装置、予測モデル抽出方法および予測モデル抽出プログラム | |
| JP6604431B2 (ja) | 情報処理システム、情報処理方法および情報処理プログラム | |
| US20130238399A1 (en) | Computer-Implemented Systems and Methods for Scenario Analysis | |
| US20200234218A1 (en) | Systems and methods for entity performance and risk scoring | |
| US9940649B2 (en) | System and method for integrating retail price optimization for revenue and profit with business rules | |
| JP2016118975A (ja) | マーケティング施策最適化装置、方法、及びプログラム | |
| JPWO2005024689A1 (ja) | 消費者の購買行動分析方法及び装置 | |
| WO2018079367A1 (ja) | 商品需要予測システム、商品需要予測方法および商品需要予測プログラム | |
| JP2018005563A (ja) | 処理装置、処理方法及びプログラム | |
| JP6683550B2 (ja) | 情報分析装置および情報分析方法 | |
| Kleinert et al. | Production versus distribution-oriented FDI | |
| Kim et al. | What to sell and how to sell matters: Focusing on luxury hotel properties’ business performance and efficiency | |
| Lowrey et al. | Food banks and retail markups | |
| Ratten et al. | Big data and business intelligence in sport | |
| JP6449578B2 (ja) | 購買予測分析システム及びそのプログラム | |
| JP6360625B2 (ja) | 検証支援システム及び方法 | |
| Mahdiloo et al. | Suppliers ranking by cross-efficiency evaluation in the presence of volume discount offers | |
| WO2020150597A1 (en) | Systems and methods for entity performance and risk scoring | |
| Pande et al. | Assessing cost efficiency of pharmacy retail stores and identification of efficiency drivers | |
| Hemalatha et al. | The antecedents of store patronage behaviour in Indian kirana store | |
| JP2023091669A (ja) | 販売数量予測システム、販売数量予測方法 | |
| US11587024B2 (en) | Supply chain model generation system | |
| JP6274471B1 (ja) | 情報処理システム、情報処理装置、情報処理方法および情報処理プログラム | |
| Jayasundara | Prediction of Marketing by the Consumer Analytics | |
| JP6937359B2 (ja) | クラスタ分割評価装置、クラスタ分割評価方法及びクラスタ分割評価プログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170704 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180606 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180703 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180723 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20181113 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20181206 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6449578 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |