JP6676206B1 - 情報処理システム、情報処理方法、及びコンピュータプログラム。 - Google Patents

Abstract

【課題】業績評価指標の予測に関する新規技術を提供する。【解決手段】本開示の一側面に係る方法によれば、少なくとも一人の行為者による営業行為の履歴データが取得される。更に、営業行為の目的である商品及び役務の少なくとも一方に関する業績評価指標の実測データを取得される。更に、履歴データ及び実測データに基づき、営業行為に関する複数の変数から業績評価指標に関する予測値を算出するための予測モデルが構築される（Ｓ３７０）。【選択図】図９

Description

本開示は、情報処理システム、情報処理方法、及びコンピュータプログラムに関する。

従来、顧客の属性と、商品の特性と、過去の販売実績とに基づき、商品の販売数を予測する予測システムが知られている（例えば特許文献１参照）。企業活動の改善のために、コールオペレータの顧客との間の会話を評価するシステムもまた知られている（例えば特許文献２参照）。

特開２０００−２００２６０号公報 特開２０１４−１２３８１３号公報

ところで、企業と顧客との間の商品の取引量は、その商品の特性だけではなく、企業の顧客に対する営業行為も関係する。しかしながら、営業行為を考慮して、商品の取引量等の業績評価指標を予測する技術は、まだ知られていない。このことは、役務についても同様である。

そこで、本開示の一側面によれば、業績評価指標の予測に関する新規技術を提供できることが望ましい。

本開示の一側面によれば、業績評価指標に関する予測値を算出するための情報処理システムが提供される。情報処理システムは、第一取得部と、第二取得部と、構築部と、を備える。第一取得部は、少なくとも一人の行為者による営業行為に関する履歴データを取得するように構成される。

第二取得部は、営業行為の目的である商品及び役務の少なくとも一方に関する業績評価指標の実測データを取得するように構成される。構築部は、取得した履歴データ及び実測データに基づき、営業行為に関する複数の変数から業績評価指標に関する予測値を算出するための予測モデルを構築するように構成される。

この情報処理システムによれば、営業行為の特徴から、予測モデルを用いて、商品又は役務の業績評価指標を予測することができ、予測結果に基づき、営業行為の改善等を行うことができる。従って、上述の情報処理システムは、企業活動の改善に大変有効である。

本開示の一側面によれば、業績評価指標は、行為者に対応する商品及び役務の少なくとも一方の提供者と需要者との間の取引量、又は、取引量に関する評価指標であり得る。

本開示の一側面によれば、情報処理システムは、構築された予測モデルに基づき、営業計画を作成する計画作成部を更に備えていてもよい。例えば、営業計画は、営業行為の時期及び相手の少なくとも一方を提示する情報を含み得る。計画作成部を備える情報処理システムは、企業活動の改善に大変役立つ。

本開示の一側面によれば、情報処理システムは、構築された予測モデルに基づき、業績評価指標を説明する上記複数の変数のそれぞれの寄与度を判別し、寄与度に関する情報を出力する出力部を更に備えていてもよい。寄与度に関する情報は、ユーザが企業活動の改善を検討するのに大変役立つ。

本開示の一側面によれば、上記複数の変数は、行為者の属性に関する第一のパラメータ、営業先の属性に関する第二のパラメータ、行為者から営業先に対する営業方法に関する第三のパラメータ、及び、行為者から営業先への営業行為の実行頻度又は回数に関する第四のパラメータの少なくとも一つによって定義され得る。

本開示の一側面によれば、第一及び第二のパラメータは、対応する人物のジオグラフィック属性、対応する人物のデモグラフィック属性、対応する人物のサイコグラフィック属性、及び、対応する人物が所属する組織の属性の少なくとも一つに関するパラメータであってもよい。

本開示の一側面によれば、上記履歴データは、営業行為の各実行時の時間情報を、行為者、営業先、及び営業方法の識別情報と共に備えるデータであってもよい。本開示の一側面によれば、実測データは、例えば業績評価指標の時系列データ等の、業績評価指標の時間変化を示すデータであってもよい。

本開示の一側面によれば、上記実測データは、営業先に対応する組織と、営業行為の目的としての商品又は役務との組み合わせ毎に、行為者に対応する商品又は役務の提供者と組織との間の取引に関する期間単位の業績評価指標を含むデータであってもよい。上記実測データは、上記組み合わせ毎に、初回取引時の時間情報を更に含んでいてもよい。

本開示の一側面によれば、構築部は、第一の企業の、第一の営業行為に関する履歴データ及び第一の業績評価指標の実測データと、第二の企業の、第二の営業行為及び第二の業績評価指標の少なくとも一方に関するデータと、に基づき、上記予測モデルとして、第一の営業行為に関する上記複数の変数から、第一の業績評価指標に関する予測値を算出するための予測モデルを構築するように構成されてもよい。

ここでいう第一の営業行為は、第一の企業が提供する上記商品及び役務の少なくとも一方の営業行為を意味し、第一の業績評価指標は、第一の企業が提供する上記商品及び役務の少なくとも一方に関する業績評価指標を意味する。第二の営業行為は、第一の企業が提供する商品及び役務の少なくとも一方に関連する商品及び役務の少なくとも一方を提供する第二の企業の、当該関連する商品及び役務の少なくとも一方の営業行為を意味する。第二の業績評価指標は、第二の企業が提供する当該関連する商品及び役務の少なくとも一方に関する業績評価指標を意味する。

本開示の一側面によれば、営業行為には、行為者と営業先応対者との間の商談が含まれていてもよい。履歴データには、商談時の音声から抽出された商談時の会話に関する特徴データが含まれていてもよい。

本開示の一側面によれば、上述した情報処理システムが有する機能をコンピュータに実現させるためのコンピュータプログラムが提供されてもよい。上述した第一取得部、第二取得部、及び構築部として、コンピュータを機能させるためのコンピュータプログラムが提供されてもよい。

本開示の一側面によれば、上述した情報処理システムに対応する情報処理方法が提供されてもよい。本開示の一側面によれば、コンピュータが実行する情報処理方法であって、少なくとも一人の行為者による営業行為の履歴データを取得することと、営業行為の目的である商品及び役務の少なくとも一方に関する業績評価指標の実測データを取得することと、履歴データ及び実測データに基づき、営業行為に関する複数の変数から業績評価指標に関する予測値を算出するための予測モデルを構築することと、を含む情報処理方法が提供されてもよい。

本開示の例示実施形態に係るシステムの概略構成を表すブロック図である。 解析システムの概略構成を表すブロック図である。 プロセッサが実行する履歴記録処理を表すフローチャートである。 営業員から提供される営業報告データの概略構成を表す図である。 営業履歴データベースの構成を表す図である。 図６Ａは、参加履歴データの構成を表す図であり、図６Ｂは、閲覧履歴データの構成を表す図である。 プロセッサが実行する取引ＤＢ更新処理を表すフローチャートである。 取引データベースの構成を表す図である。 プロセッサが実行するモデル構築処理を表すフローチャートである。 図１０Ａは、営業員属性データベースの構成を表す図であり、図１０Ｂは、顧客属性データベースの構成を表す図である。 予測モデルの構築方法を説明した図である。 プロセッサが実行する営業計画作成処理を表すフローチャートである。 プロセッサが実行する寄与度出力処理を表すフローチャートである。 第一変形例のモデル構築処理を表すフローチャートである。 第二変形例における説明変数及び目的変数の標本データ群の作成方法を説明した図である。 第二変形例のモデル構築処理を表すフローチャートである。 第三変形による予測モデルの構築方法を説明した図である。

以下に本開示の例示的実施形態を、図面を参照しながら説明する。
図１に示す本実施形態の営業支援システム１は、製薬会社の医療情報担当者、所謂ＭＲの営業行為を支援するためのシステムである。

医療情報担当者の仕事の一つは、製薬会社が販売する商品である医薬品に関する営業行為である。この営業行為には、医薬品に関する情報を医師に提供することで、医師による医薬品の処方を促して、医薬品の取引、すなわち販売に結び付ける行為が含まれる。本実施形態の営業支援システム１は、この営業行為を支援するための情報を、製薬会社に提供するように構成される。

以下では、営業支援対象の製薬会社のことを対象企業と表現する。医療情報担当者のことを、営業員と表現し、営業員による営業行為の相手、具体的には医師を、顧客と表現する。顧客は、営業先に対応する。更には、顧客が所属する組織のことを顧客組織又は取引先と表現する。顧客組織の例には、病院、病院（特には大規模施設）内の一部門、及び診療所が含まれる。

本実施形態の営業支援システム１は、図１に示すように、データ解析用の情報処理システムである解析システム１０と、一つ以上のモバイル端末３０、特には営業員のそれぞれが所持する複数のモバイル端末３０とを備える。解析システム１０は、各営業員のモバイル端末３０から提供される営業行為に関する報告データである営業報告データＤＲを収集し、これらを解析するように構成される。

顧客に対する営業行為と、顧客組織に対する医薬品販売との関係を分析するために、解析システム１０は更に、対象企業の販売データ管理システム５０から医薬品の販売データを取得するように構成される。

更に、解析システム１０は、市場データ管理システム６０から、医薬品に関する市場調査データを取得するように構成される。解析システム１０は更に、医師データ管理システム７０から、医師データを取得するように構成される。

図２に示すように、解析システム１０は、プロセッサ１１、メモリ１２、ストレージ１３、及び、通信インタフェース１９を備える。プロセッサ１１は、ストレージ１３に記録されたコンピュータプログラムに従う処理を実行するように構成される。

メモリ１２は、プロセッサ１１によるコンピュータプログラムに従う処理実行時に、作業用メモリとして機能する。ストレージ１３は、補助記憶装置であり、例えばハードディスクドライブにより構成される。通信インタフェース１９は、モバイル端末３０、販売データ管理システム５０、市場データ管理システム６０、及び、医師データ管理システム７０と通信可能に構成される。

プロセッサ１１は、コンピュータプログラムに従って図３に示す履歴記録処理を繰返し実行することにより、モバイル端末３０から受信した営業報告データＤＲに基づいて、ストレージ１３内の営業履歴データベース１３１を更新するように動作する。

図３に示す履歴記録処理を開始すると、プロセッサ１１は、モバイル端末３０から営業員の営業行為に関する営業報告データＤＲを、通信インタフェース１９を通じて受信するまで待機する（Ｓ１１０）。

モバイル端末３０のそれぞれは、営業員の操作に基づき、営業報告データＤＲを作成し、解析システム１０に送信するように構成される。営業報告データＤＲは、営業行為毎に作成され、解析システム１０に送信される。

図４に示すように、モバイル端末３０から送信される営業報告データＤＲは、営業員情報と、顧客情報と、顧客組織情報と、営業日時情報と、営業手段情報と、営業内容データとを備える。

営業報告データＤＲに含まれる営業員情報は、営業行為を行った営業員の識別情報である。顧客情報は、営業行為を受けた顧客の識別情報である。顧客組織情報は、営業行為を受けた顧客の所属組織の識別情報である。医師は、複数の病院に所属していることも多い。この顧客組織情報は、顧客が、どの組織の応対者として営業行為を受けたかを示す。

営業日時情報は、営業行為が行われた日時を示す。営業手段情報は、営業手段の種類を示す。営業手段の例には、「訪問」「電話」「Ｅメール」が含まれる。「訪問」は、営業員が顧客を訪問して営業行為を行ったことを示す。「電話」は、営業員が電話を通じて顧客に営業行為を行ったことを示す。「Ｅメール」は、営業員が電子メールを通じて顧客に営業行為を行ったことを示す。

営業内容データは、営業行為の内容に関する記録データを含む。営業手段が「訪問」であるとき、営業内容データは、営業員が顧客を訪問したときの営業員と顧客との間の会話（すなわち商談）を記録した録音データを含む。営業手段が「電話」であるとき、営業内容データは、電話による営業員と顧客との間の会話を記録した録音データを含む。営業手段が「メール」であるとき、営業内容データは、営業員が顧客に送信した電子メールのデータを含む。

営業内容データには、上述した会話の記録データだけではなく、営業行為の環境及び／又は状況を説明した補足データが含まれていてもよい。補足データの例には、商談時に使用した資料の種類、訪問目的、訪問フェーズ、及び、同行者の有無が含まれる。商談時に使用される資料の例には、商談において商品又は役務の説明に用いられる資料が含まれ、この資料には、営業員のモバイル端末３０を通じて表示されるディジタル資料が含まれる。訪問フェーズは、取引成立までの過程における訪問の段階を意味する。

プロセッサ１１は、モバイル端末３０から営業報告データＤＲを受信すると（Ｓ１１０でＹｅｓ）、受信した営業報告データＤＲを解析し（Ｓ１２０）、この営業報告データＤＲに対応する営業履歴データ１３１Ａを、営業履歴データベース１３１に登録する（Ｓ１３０）。

営業履歴データ１３１Ａは、図５に示すように、営業報告データＤＲと同じ営業員情報と、顧客情報と、顧客組織情報と、営業日時情報と、営業手段情報とを備える。更に、営業履歴データ１３１Ａは、トピック情報と、営業評価情報とを備える。

トピック情報は、プロセッサ１１が、営業内容データから判別した会話トピックを表す情報である。具体的に、トピック情報は、会話で言及された商品、換言すれば営業行為の対象となった商品を識別可能な情報を含む。

営業評価情報は、営業員の営業行為に対する評価を、例えば評価点などで示す情報である。評価点は、例えば、推定される営業効果を数値化したものであり得る。営業評価情報は、商談時の話速などの情動に関する評価情報や、会話のキャッチボール率などの顧客の反応及び／又は関心度に関係する評価情報を含んでいてもよい。

プロセッサ１１は、Ｓ１２０において、営業内容データを解析し、営業員と顧客との間の会話トピックを判別して、トピック情報を生成することができる。同様に、プロセッサ１１は、営業内容データを解析して、営業評価情報を生成することができる。

このように、プロセッサ１１は、営業報告データＤＲを受信する度、対応する営業履歴データ１３１Ａを、営業履歴データベース１３１に登録して、複数の営業員の個別の営業行為に関する履歴情報を、ストレージ１３内の営業履歴データベース１３１に蓄積するように動作する。

本実施形態において、ストレージ１３には更に、複数の顧客を対象とした商品説明会等の集会における顧客の参加状況を表す参加履歴データ１３３が格納される。図６Ａに示すように、参加履歴データ１３３は、対象企業が開催した集会毎に、対応する集会の開催日時及び各顧客の参加状況を表すデータである。図６Ａでは、参加／不参加が、１／０で表現される。

ストレージ１３には更に、ウェブサイトから顧客に提供される対象企業の商品に関するウェブコンテンツの閲覧状況を表す閲覧履歴データ１３４が格納される。図６Ｂに示すように、閲覧履歴データ１３４は、期間毎に、対象企業がウェブサイトを通じて提供する各ウェブコンテンツに対する顧客毎の閲覧状況を表すデータを有する。各顧客のウェブコンテンツへのアクセスは、ウェブサイトにおけるログイン手続により、あるいは、クッキー技術を利用して判別可能である。

この他、プロセッサ１１は、図７に示す取引ＤＢ更新処理を周期的に繰り返し実行することにより、販売データ管理システム５０から対象企業の販売データを取得し、対象企業から顧客組織への医薬品の販売に関する解析用の取引データベース１３６を更新するように構成される。取引データベース１３６の例は、図８に示される。この取引データベース１３６は、取引実績を表すデータベースであり、ストレージ１３に格納される。

図７に示す取引ＤＢ更新処理を開始すると、プロセッサ１１は、通信インタフェース１９を通じて、最新の所定期間の販売データを販売データ管理システム５０から取得する（Ｓ２１０）。販売データは、対応する期間における対象企業から顧客への販売行為毎の商品の販売量（具体的には、販売数及び売上高）を表す。

更に、プロセッサ１１は、同一期間の市場調査データを、市場データ管理システム６０から取得する（Ｓ２２０）。市場調査データは、対象企業が取り扱う商品と同一カテゴリの医薬品の市場全体における売上高を表す。

その後、プロセッサ１１は、Ｓ２１０，Ｓ２２０で取得した販売データ及び市場調査データに基づき、対象企業から各取引先への、対象企業が取り扱う各商品の、最新の所定期間における販売量を表すデータを追加するように、取引データベース１３６を更新する（Ｓ２３０）。

図８に示すように取引データベース１３６は、対象企業の取引先毎の取引データ１３６Ａを有する。各取引先の取引データ１３６Ａは、対象企業が取り扱う商品毎に、対応する商品の取引データである商品取引データ１３６Ｂを備える。各商品の商品取引データ１３６Ｂは、期間毎の取引データである期間取引データ１３６Ｄを備える。

期間取引データ１３６Ｄは、対応する期間における、対応する取引先への、対応する商品の販売数、売上高、及び市場シェアを示す。期間毎の販売数及び売上高により、期間取引データ１３６Ｄの一群は、対応する商品の取引量の時間変化を示す。

市場シェアは、対応する商品の対応する取引先に対する売上高の、当該商品に対応する商品カテゴリの市場全体の売上高に対する割合を示す。プロセッサ１１は、Ｓ２２０で取得した市場調査データから特定される市場全体の売上高に基づいて、市場シェアを算出することができる。

各商品取引データ１３６Ｂは、期間取引データ１３６Ｄの一群に加えて更に、対応する取引先に、対応する商品を初めて販売した日を示す初回取引データ１３６Ｃを備える。初回取引データ１３６Ｃは、プロセッサ１１が、その日以前の、対応する商品の取引が、取引先との間で存在しないことを判別するのに用いられる。

本実施形態において、プロセッサ１１は更に、図９に示すモデル構築処理を実行することにより、営業行為から商品の取引量Ｙを予測するための予測モデルを、営業履歴データベース１３１及び取引データベース１３６に基づき構築するように動作する。

図９に示すモデル構築処理を開始すると、プロセッサ１１は、まず取引量Ｙの算出対象期間を選択する（Ｓ３１０）。期間の長さは、取引データベース１３６における期間取引データ１３６Ｄのそれぞれが取り扱う期間の長さに対応する。期間の長さは、例えば、一か月であり得る。

その後、プロセッサ１１は、選択した算出対象期間に対応する期間取引データ１３６Ｄの一群を参照し、算出対象期間における取引量Ｙの実績値（すなわち実測値）を算出する（Ｓ３２０）。ここでいう取引量Ｙの例には、対象企業の複数の取引先に対する複数の商品についての売上総計としての売上高Ｙ１、又は、当該売上高Ｙ１の、市場全体におけるシェアＹ２が含まれる。

取引量Ｙの実績値を算出後、プロセッサ１１は、取引量Ｙを説明する期間の営業履歴データ１３１Ａの一群を読み出す（Ｓ３３０）。以下では、この期間のことを営業行為期間と表現する。営業履歴データ１３１Ａの一群を読み出す対象の営業行為期間は、取引量Ｙの算出対象期間と同一期間、又は、営業行為が取引量Ｙに反映されるまでのタイムラグに対応する時間前の期間であり得る。

Ｓ３３０での処理後、プロセッサ１１は、読み出した営業履歴データ１３１Ａの一群から対象企業の複数の営業員の営業行為に関する変数であって、取引量Ｙを説明する複数の説明変数Ｘ１，Ｘ２，…のそれぞれの、営業行為期間における観測値を算出する（Ｓ３４０）。

説明変数Ｘ１，Ｘ２，…は、例えば、営業員属性、顧客属性、及び営業行為属性の組み合わせ毎の営業量を表す変数であり得る。あるいは、説明変数Ｘ１，Ｘ２，…は、営業員属性、顧客属性、顧客組織属性、及び営業行為属性の組み合わせ毎の営業量を表す変数であり得る。

ここでいう営業量は、対応する組み合わせでの営業行為の量を所定の定義に従って数値化した値であり得る。営業量の単純な例は、営業回数、すなわち営業行為の実行回数である。一つの営業履歴データ１３１Ａで、一つの営業行為を記録する本実施形態によれば、営業回数は、営業履歴データ１３１Ａをカウントして特定され得る。別例として、営業量は、営業履歴データ１３１Ａが有する営業評価情報に基づき、営業効果を加味して所定規則で、営業回数を補正した値であってもよい。

営業員属性は、営業員のジオグラフィック属性、デモグラフィック属性、サイコグラフィック属性、及び社会属性の少なくとも一つに基づき定義される営業員の属性である。営業員のジオグラフィック属性は、営業員の勤務地域、居住地域、及び出身地域の少なくとも一つで定義され得る。営業員のデモグラフィック属性は、性別、年齢、職位、職種、経歴、家族構成、所得、及び資産の少なくとも一つで定義され得る。

営業員のサイコグラフィック属性は、営業員の、性格、習慣、趣味、思考、及び生活上の価値観の少なくとも一つで定義され得る。営業員の社会属性は、例えば、営業員の親族、営業員の現在及び／又は過去の友人、営業員の現在及び／又は過去の所属組織における先輩、後輩、上司、部下、同僚、所属派閥（学閥を含む）、及び師弟関係、並びに、営業員に精神的又は心理的な影響を与える権威者を加味した、営業員の人間関係に関する属性として定義され得る。

解析システム１０は、各営業員の属性を判別するために、ストレージ１３に営業員属性データベース１３８を有することができる。図１０Ａに示す営業員属性データベース１３８は、営業員毎に、対応する営業員の属性を表す営業員属性データとして、対応する営業員のジオグラフィック属性、デモグラフィック属性、サイコグラフィック属性、及び社会属性を記述したデータを有する。

同様に、解析システム１０は、各顧客の属性を判別するために、ストレージ１３に顧客属性データベース１３９を有することができる。図１０Ｂに示す顧客属性データベース１３９は、顧客毎に、対応する顧客の属性を表す顧客属性データとして、対応する顧客のジオグラフィック属性、デモグラフィック属性、サイコグラフィック属性、及び社会属性を記述したデータを有する。これらの顧客の属性は、上述した営業員の属性と同様に定義され得る。顧客属性データベース１３９は、プロセッサ１１が、医師データ管理システム７０から取得した医師データに基づいてストレージ１３内に作成することができる。

すなわち、顧客属性は、顧客（医師）のジオグラフィック属性、デモグラフィック属性、サイコグラフィック属性、及び社会属性の少なくとも一つに基づき定義される顧客の属性である。顧客組織属性は、顧客組織の種別（総合病院、開業医等）、病床数、医師数、及びロケーション等によって定義され得る。

営業行為属性は、上述した「訪問」「電話」「メール」等の営業手段の属性で定義され得る。営業行為属性は更に、営業行為の対象となった商品の属性、営業行為に用いられた説明資材の属性、営業行為の評価点、商談でのトピックの属性などの、営業内容に関する複数の属性によって定義されてもよい。

本実施形態によれば、説明変数の数を抑制するために、例えば、所定の範囲によって定義される営業員属性、顧客属性、及び営業行為属性の組み合わせ毎に、営業量を値とする一つの説明変数を定義することができる。これにより複数の説明変数Ｘ１，Ｘ２，…を定義することができる。

上述した説明変数Ｘ１，Ｘ２，…に関する定義は、営業員の属性に関する第一のパラメータ、顧客の属性に関する第二のパラメータ、営業員から顧客に対する営業方法に関する第三のパラメータ、及び、営業員から顧客への営業行為の実行頻度又は回数に関する第四のパラメータによって、説明変数Ｘ１，Ｘ２，…を少なくとも部分的に定義する思想を含む。

上述した説明変数Ｘ１，Ｘ２，…には更に、対応する期間における顧客毎又は顧客組織毎の集会参加回数に関する説明変数Ｘｖが含まれていてもよい。同様に、説明変数Ｘ１，Ｘ２，…には、対応する期間における顧客毎又は顧客組織毎のコンテンツ閲覧回数に対応する説明変数Ｘｗが含まれていてもよい。プロセッサ１１は、ストレージ１３が記憶する参加履歴データ１３３及び閲覧履歴データ１３４を参照して、集会参加回数に関する説明変数Ｘｖ、コンテンツ閲覧回数に対応する説明変数Ｘｗの観測値を算出することができる。

プロセッサ１１は、算出対象期間の取引量Ｙの実績値、及び、対応する営業行為期間の説明変数Ｘ１，Ｘ２，…の観測値を算出すると（Ｓ３２０〜Ｓ３４０）、Ｓ３５０に移行して、解析対象の全期間に関して、取引量Ｙの実績値、及び、説明変数Ｘ１，Ｘ２，…の観測値を算出したか否かを判断する。

プロセッサ１１は、Ｓ３５０で否定判断すると、Ｓ３１０に移行し、算出対象期間を代えて、更にＳ３２０〜Ｓ３４０の処理を実行する。このようにして、プロセッサ１１は、期間毎に、目的変数に対応する取引量Ｙの実績値、及び、説明変数Ｘ１，Ｘ２，…の観測値を算出する。

Ｓ３５０で肯定判断すると、プロセッサ１１は、期間毎の取引量Ｙの実績値及び説明変数Ｘ１，Ｘ２，…の観測値の組み合わせに基づき、回帰分析に用いる、期間毎の目的変数及び説明変数の標本データを生成する（Ｓ３６０）。

例えば、プロセッサ１１は、期間毎の取引量Ｙの実績値を、移動平均値に変換し、この移動平均値を、目的変数Ｙの標本値に設定することができる。同様に、プロセッサ１１は、期間毎の説明変数Ｘ１，Ｘ２，…の観測値を、移動平均値に変換し、この移動平均値を、説明変数Ｘ１，Ｘ２，…の標本値に設定することができる。

すなわち、プロセッサ１１は、期間毎の取引量Ｙの実績値及び説明変数Ｘ１，Ｘ２，…の観測値を移動平均値に変換して、期間毎に、対応する期間の標本データとして、対応する期間における取引量Ｙの移動平均値、及び、対応する期間における説明変数Ｘ１，Ｘ２，…の移動平均値の組み合わせからなる標本データを生成することができる。

別例として、プロセッサ１１は、Ｓ３２０〜Ｓ３４０で算出した期間毎の取引量Ｙの実績値及び説明変数Ｘ１，Ｘ２，…の観測値の組み合わせを、移動平均値に変換せずに、そのまま標本値として用いて、標本データを生成してもよい。

その後、プロセッサ１１は、これらの標本データ群に基づき、回帰分析により、予測モデルを構築する（Ｓ３７０）。例えば、プロセッサ１１は、回帰式Ｙ＝ｆ（Ｘ１，Ｘ２，…）における回帰係数Ｂ１，Ｂ２，…の適値を、標本データ群に基づき算出することにより、予測モデルＹ＝ｆ（Ｘ１，Ｘ２，…）を構築することができる。プロセッサ１１は、構築した予測モデルＹ＝ｆ（Ｘ１，Ｘ２，…）を、ストレージ１３に保存する（Ｓ３８０）。その後、図９に示すモデル構築処理を終了する。

図１１には、Ｓ３７０における予測モデルの構築手法を概念的に示す。図１１に示す例によれば、営業員の年齢層及び性別と、顧客（医師）の年齢層及び性別と、営業手段との組み合わせ毎に、その組み合わせでの営業回数を示す説明変数Ｘ１，Ｘ２，…，ＸＮの標本値が用意され、更には、対応する売上高を示す目的変数Ｙの標本値が用意される。そして、これらの標本値から予測モデルが構築されることで、営業員と顧客と営業手段との組み合わせで定義される営業計画から、売上高を予測可能な予測モデルが構築される。

続いて、プロセッサ１１が、構築した予測モデルに基づいて実行する営業計画作成処理の詳細を、図１２を用いて説明する。この営業計画作成処理では、予測モデルに基づき、対象企業の営業計画が作成され、対象企業に提示される。

図１２に示す営業計画作成処理を開始すると、プロセッサ１１は、まず営業員リスト及び顧客リストを読み出す（Ｓ４１０，Ｓ４２０）。営業員リストは、顧客リストに列挙された顧客に対して営業行為を行う営業員のリストである。

その後、プロセッサ１１は、取引量Ｙに関する制約条件を設定する（Ｓ４３０）。制約条件は、例えば、期間あたりの取引量Ｙの下限Ｄの指定を、対象企業から受けて、条件式ｆ（Ｘ１，Ｘ２，…）＞Ｄに設定される。

下限Ｄは、取引量Ｙの実績値に基づき、所定規則で、プロセッサ１１により定められてもよい。例えば、下限Ｄは、前月の取引量Ｙの実績値よりも所定割合高い値に定められ得る。この制約条件は、予測モデルｆ（Ｘ１，Ｘ２，…）から予測される取引量Ｙが下限Ｄより大きい営業活動の範囲内で、営業コストが最小の営業計画を探索するために設定される。

Ｓ４３０での処理を終えると、プロセッサ１１は、各説明変数Ｘ１，Ｘ２，…に対応する営業行為を行うのに必要なコストＣ１，Ｃ２，…を読み出す（Ｓ４４０）。コストＣｉは、説明変数Ｘｉに対応する営業行為を行うのに必要なコストである。コストは、１単位当たりの営業行為によって消費される金銭的コスト若しくは時間的コスト、又は、それらを統合したコストを例に含む。変数ｉは、説明変数Ｘ１，Ｘ２，…，ＸＮの個数Ｎに対応して、値１から値Ｎまでの整数値を採る。

Ｓ４４０での処理を終えると、プロセッサ１１は、変数ｉ＝１からｉ＝Ｎまでの範囲についてのコストＣｉと説明変数Ｘｉとの積（Ｃｉ×Ｘｉ）の総和として定義される評価関数Ｊ（Ｘ）＝Σ（Ｃｉ×Ｘｉ）を用いて、制約条件付き最適化問題を解くことにより、説明変数Ｘ１，Ｘ２，…の最適値を算出する（Ｓ４５０）。すなわち、プロセッサ１１は、評価関数Ｊ（Ｘ）を、Ｓ４３０で設定された制約条件を満足する範囲内で最小化する説明変数Ｘ１，Ｘ２，…の値を、説明変数Ｘ１，Ｘ２，…の最適値として探索する。

その後、プロセッサ１１は、算出された説明変数Ｘ１，Ｘ２，…の最適値に基づき、営業員リストに列挙された営業員のそれぞれについて、対応する営業員が担当すべき顧客、顧客に対する期間当たりの営業回数（すなわち営業頻度）、及び、営業手段を提案する営業計画を作成し（Ｓ４６０）、作成した営業計画を、対象企業に向けて出力する（Ｓ４７０）。出力後、プロセッサ１１は、図１２に示す営業計画作成処理を終了する。

営業計画の出力は、例えば、解析システム１０から対象企業のコンピュータシステムに、営業計画を説明したディジタルデータを送信することにより実現され得る。営業計画を説明したディジタルデータは、例えば、電子メールの形態で、対象企業のコンピュータシステムに送信され得る。

営業支援サービスがウェブサービスとして提供される場合、図１２に示す営業計画作成処理は、対象企業のコンピュータシステムからのウェブアクセスに基づき実行され、ウェブデータとして、対象企業のコンピュータシステムに提供されてもよい。

以上に本実施形態の解析システム１０の構成について説明したが、この解析システム１０によれば、営業員と顧客と営業手段との関係に基づき、営業行為に基づく取引量Ｙを予測することができる。そして、この予測モデルを利用して、対象企業に効果的な営業活動を実現可能な営業計画を提示することができる。

続いて、上述した実施形態の変形例を説明する。本開示は、上述した実施形態に限定されることなく、種々の態様を採り得る。例えば、図９に示すモデル構築処理は、取引先別に、又は、商品別に、又は、取引先と商品との組合せ別に実行されてもよい。

例えば、プロセッサ１１は、取引先毎に、図９に示すモデル構築処理を実行することができる。この場合、プロセッサ１１は、Ｓ３２０において、取引データベース１３６が有する、対応する取引先の取引データ１３６Ａに基づき、目的変数Ｙとして、対応する取引先との取引量Ｙの実績値を算出することができる。

更に、プロセッサ１１は、対応する取引先の顧客に対する営業行為を説明する営業履歴データ１３１Ａの一群の中から、取引量Ｙを説明する営業行為期間の営業履歴データ１３１Ａの一群を読み出す（Ｓ３３０）ことができる。

この際、プロセッサ１１は、営業行為が取引量Ｙに反映されるまでのタイムラグを、対応する取引先の初回取引データ１３６Ｃが示す初回取引日と、対応する商品についての取引先に対する営業行為の開始時期との対応関係に基づき、推定することができる。そして、推定したタイムラグに対応する時間だけ、取引量Ｙの算出対象期間からさかのぼった期間に、営業行為期間を設定することができる。

更に、プロセッサ１１は、読み出した営業履歴データ１３１Ａの一群から、対象企業の複数の営業員による、対応する取引先に対する営業行為に関する説明変数Ｘ１，Ｘ２，…のそれぞれの観測値を算出することができる。

プロセッサ１１は、これら取引量Ｙの実績値及び説明変数Ｘ１，Ｘ２，…の観測値に基づいて、営業員による特定取引先に対する営業行為の特徴から、対象企業と特定取引先との間の取引量Ｙの予測値を算出するための予測モデルを構築することができる（Ｓ３７０）。

同様に、プロセッサ１１は、商品毎に、モデル構築処理を実行することができる。すなわち、プロセッサ１１は、対応する商品の商品取引データ１３６Ｂの一群に基づき、対応する商品の取引量Ｙの実績値を算出し（Ｓ３２０）、更には、対応する商品の営業履歴データ１３１Ａの一群に基づき、対応する商品の営業行為に関する説明変数Ｘ１，Ｘ２，…のそれぞれの観測値を算出することができる。そして、これら取引量Ｙの実績値及び説明変数Ｘ１，Ｘ２，…の観測値に基づいて、営業員による特定商品の営業行為の特徴から、特定商品に関する取引量Ｙの予測値を算出するための予測モデルを構築することができる（Ｓ３７０）。

この他、プロセッサ１１は、営業計画作成処理に加えて、又は、代えて、図１３に示す寄与度出力処理を実行することにより、説明変数Ｘ１，Ｘ２，…のそれぞれの取引量Ｙに対する寄与度Ｂ１，Ｂ２，…を示した営業支援データを、対象企業に提供してもよい。

図１３に示す寄与度出力処理において、プロセッサ１１は、取引先を選択し、対応する取引先の予測モデルを構築する処理（Ｓ５１０，Ｓ５２０）を、取引先毎に実行する。

プロセッサ１１は、取引先毎に、モデル構築処理（図９参照）を実行することにより、上述した手法で、取引先毎の予測モデルを構築することができる。すなわち、取引先毎に、営業員による取引先顧客に対する営業行為の特徴（説明変数Ｘ１，Ｘ２，…，ＸＮ）から、取引先との取引量Ｙの予測値を算出するための予測モデルＹ＝ｆ（Ｘ１，Ｘ２，…，ＸＮ）を構築することができる。

プロセッサ１１は、全取引先について個別にモデル構築処理を実行し、取引先毎の予測モデルＹ＝ｆ（Ｘ１，Ｘ２，…，ＸＮ）を構築すると（Ｓ５３０でＹｅｓ）、取引先毎に、説明変数Ｘ１，Ｘ２，…，ＸＮの取引量Ｙに対する寄与度Ｂ１，Ｂ２，…，ＢＮを求め、取引先毎の寄与度Ｂ１，Ｂ２，…，ＢＮを説明した営業支援データを、対象企業のコンピュータシステムに向けて送信する（Ｓ５４０）。

変数ｉ＝１からＮに関して、説明変数Ｘｉの取引量Ｙに対する寄与度Ｂｉは、対応する取引先の予測モデルｆ（Ｘ１，Ｘ２，…，ＸＮ）を、説明変数Ｘｉで偏微分して求めることができる（Ｂｉ＝∂ｆ（Ｘ１，Ｘ２，…，ＸＮ）／∂Ｘｉ）。別例として、寄与度Ｂｉの算出は、寄与度に関する推定技術であるＳＨＡＰ（ＳＨａｐｌｅｙ Ａｄｄｉｔｉｖｅ ｅｘＰｌａｎａｔｉｏｎｓ）又はＬＩＭＥ（Ｌｏｃａｌ Ｉｎｔｅｒｐｒｅｔａｂｌｅ Ｍｏｄｅｌ−ａｇｎｏｓｔｉｃ Ｅｘｐｌａｎａｔｉｏｎｓ）技術を用いて行われてもよい。この技術によれば、学習済機械学習モデルを、局所的に単純なモデルで近似し、その近似モデルの係数を寄与度として算出することができる。

対象企業の担当者は、コンピュータシステムを通じて受信した営業支援データが示す取引先毎の寄与度Ｂ１，Ｂ２，…，ＢＮに基づき、売上に結び付く顧客や、営業員と顧客との相性を推定し、それに基づく営業計画を策定することができる。従って、寄与度の情報を提供する営業支援形態は、営業計画を提案する上述した実施形態と同様に、企業活動の質を向上させるのに役立つ。

更に別の変形例として、プロセッサ１１は、図１４に示す変形例のモデル構築処理を実行するように構成されてもよい。このモデル構築処理によれば、プロセッサ１１は、外部のデータ管理システムから、競合会社の活動データを取得し（Ｓ６１０）、取得した競合会社の活動データに基づき、説明変数Ｘ１，Ｘ２，…に、競合会社の営業活動に関するパラメータＸｃを含ませた形で、対象企業の取引量Ｙを予測する予測モデルを構築する（Ｓ６２０）。プロセッサ１１は、この予測モデルをストレージ１３に保存する（Ｓ６３０）。

競合会社は、対象企業が提供する商品に関連する商品、具体的には、対象企業が提供する商品と同種の医薬品を提供する企業である。上記活動データは、競合会社の、上記関連する医薬品に関する営業行為及び取引量の少なくとも一方を表すデータである。

説明変数Ｘ１，Ｘ２，…の一つとして定義されるパラメータＸｃは、対応する期間における競合会社の営業活動量を点数化した値であり得る。パラメータＸｃは、競合会社それぞれの営業活動量を個別に表す複数のパラメータにより構成されてもよい。

プロセッサ１１は、説明変数Ｘ１，Ｘ２，…に、競合会社の取引量、具体的には売上又は市場シェアに関するパラメータＸｄを含ませた形で、対象企業の取引量Ｙを予測する予測モデルを構築し（Ｓ６２０）、この予測モデルを保存してもよい（Ｓ６３０）。説明変数Ｘ１，Ｘ２，…の一つとして定義されるパラメータＸｄは、対応する期間における各競合会社の市場シェアを示した値であり得る。

これらの例によれば、Ｓ６２０では、対象企業の営業行為に関する説明変数と競合会社の営業活動量及び／又は取引量に関する説明変数とから、対象企業の取引量Ｙの予測値を算出可能な予測モデルが構築される。従って、競業会社の活動を考慮して対象企業の取引量（例えば売上高）Ｙの予測値を算出することができる。この変形例により構築される予測モデルに基づく営業計画作成処理によれば、競合会社の活動を考慮した対象企業の営業計画を提示することができ、対象企業の営業活動改善に大変役立つ。

この他、上述した解析システム１０は、競合会社の営業履歴データベース及び取引データベースを、対象企業と同様に用意して、これらのデータベースに基づく標本データ群から予測モデルを構築してもよい。

但し、競合会社について、対象企業と同レベルの営業履歴データベース及び取引データベースを用意するのは現実的ではない。従って、競合会社に関する調査パネルデータを用いて、競合会社の活動を考慮した対象企業の予測モデルを構築してもよい。

具体的には、解析システム１０は、複数企業の調査パネルデータを取得し、この調査パネルデータと、対象企業の営業履歴データベース１３１及び取引データベース１３６とに基づき、予測モデルに対する標本データ群を作成し、予測モデルを構築するように構成され得る。

調査パネルデータは、複数企業として、対象企業に対する複数の競業会社のそれぞれの期間毎の営業行為の特徴及び取引先との取引量を特定可能な活動データであり得る。調査パネルデータは、複数企業として、競合会社だけではなく、対象企業の活動データを含んでいてもよい。調査パネルデータは、解析システム１０の運営者により用意されて、ストレージ１３に格納され得る。

具体的に、調査パネルデータは、対象企業の営業履歴データベース１３１及び取引データベース１３６から算出可能な営業行為に関する説明変数Ｘ１，Ｘ２，…及び取引に関する目的変数Ｙと、類似する説明変数Ｖ１，Ｖ２，…及び目的変数Ｗの標本値を算出可能なデータであり得る。説明変数Ｖ１，Ｖ２，…は、営業行為に関する特徴を、説明変数Ｘ１，Ｘ２，…とは別の側面で表現する変数であり得る。目的変数Ｗは、取引に関する特徴を、目的変数Ｙとは別の側面で表現する変数であり得る。

この場合、プロセッサ１１は、対象企業の営業履歴データベース１３１及び取引データベース１３６から算出された対象企業の説明変数Ｘ１，Ｘ２，…及び目的変数Ｙの標本値と、調査パネルデータから算出される複数企業の説明変数Ｖ１，Ｖ２，…及び目的変数Ｗの標本値とに基づき、これらを統合した標本データ群を作成することができる。

調査パネルデータに、対象企業の活動データも含まれる場合には、データマッチング技術及び機械学習技術を用いて、説明変数Ｘ１，Ｘ２，…及び目的変数Ｙと、説明変数Ｖ１，Ｖ２，…及び目的変数Ｗと、の対応関係を推定することができる。

この対応関係に基づき、プロセッサ１１は、図１５に示すように、対象企業の営業履歴データベース１３１及び取引データベース１３６に基づく説明変数Ｘ１，Ｘ２，…及び目的変数Ｙの標本データ群を、新しい説明変数Ｘ^＊１，Ｘ^＊２，…及び目的変数Ｙ^＊の標本データ群に変換することができる。また、調査パネルデータに基づく説明変数Ｖ１，Ｖ２，…及び目的変数Ｗの標本データ群を、説明変数Ｘ^＊１，Ｘ^＊２，…及び目的変数Ｙ^＊の標本データ群に変換することができる。説明変数Ｘ^＊１，Ｘ^＊２，…及び目的変数Ｙ^＊は、説明変数Ｖ１，Ｖ２，…及び目的変数Ｗと同一変数であってもよい。

このようにして、プロセッサ１１は、調査パネルデータを利用し、対象企業及び競合会社の営業行為に関する説明変数Ｘ^＊１，Ｘ^＊２，…及び取引に関する目的変数Ｙ^＊の標本データ群を作成することができる。

そして、プロセッサ１１は、作成した説明変数Ｘ^＊１，Ｘ^＊２，…及び取引に関する目的変数Ｙ^＊の標本データ群に基づき、説明変数Ｘ^＊１，Ｘ^＊２，…から、取引に関する目的変数Ｙ^＊を予測するための予測モデルを構築することができる。

すなわち、プロセッサ１１は、図１６に示す変形例のモデル構築処理を実行することができる。図１６に示すモデル構築処理によれば、プロセッサ１１は、上述した手法で、対象企業及び競合会社の営業行為に関する説明変数Ｘ^＊１，Ｘ^＊２，…及び取引に関する目的変数Ｙ^＊の標本データ群を作成する（Ｓ７１０）。

プロセッサ１１は、Ｓ７１０で作成した標本データ群に基づき、説明変数Ｘ^＊１，Ｘ^＊２，…から、取引に関する目的変数Ｙ^＊を予測するための予測モデルを構築及び保存する（Ｓ７２０，Ｓ７３０）。この予測モデルは、営業行為に関する説明変数Ｘ^＊１，Ｘ^＊２，…から、目的変数Ｙ^＊としての、取引量、具体的には、売上高を予測するモデルであり得る。

プロセッサ１１は、ストレージ１３に保存した、この予測モデルを用いて、例えば図１２に示す営業計画作成処理を実行することができる。

更なる変形例として、プロセッサ１１は、予測モデルが時変であるとの仮定の下で、過去の予測モデルの情報を加味しながら、最新データに基づく新たな予測モデルを構築するように動作してもよい（Ｓ３７０，Ｓ５２０，Ｓ６２０，Ｓ７２０）。

具体的には、プロセッサ１１は、図１７に示す例に従って、予測モデルを構築することができる。図１７によれば、時刻ｔにおける予測モデルｆ（Ｘ＿ｔ，φ＿ｔ）は、時刻ｔにおける説明変数Ｘ＿ｔ及びパラメータφ＿ｔを入力変数に含む関数ｆ（Ｘ＿ｔ，φ＿ｔ）で定義される。

ここで用いられる説明変数Ｘ＿ｔは、時刻ｔにおける上記説明変数Ｘ＝｛Ｘ１，Ｘ２，…ＸＮ｝を意味する。パラメータφ＿ｔは、時刻ｔにおけるパラメータφを意味する。パラメータφ＿ｔは、過去の時刻ｔ−１の説明変数Ｘ＿ｔ−１及びパラメータφ＿ｔ−１を入力変数として有する関数ｇ（Ｘ＿ｔ−１，φ＿ｔ−１）を用いて、式φ＿ｔ＝ｇ（Ｘ＿ｔ−１，φ＿ｔ−１）＋ｗで定義される。ｗは、正規分布に従うノイズ項である。説明変数Ｘ＿ｔ−１は、時刻ｔより前の時刻ｔ−１における説明変数Ｘを意味し、パラメータφ＿ｔ−１は、時刻ｔ−１におけるパラメータφを意味する。

例えば、関数ｇ（Ｘ＿ｔ−１，φ＿ｔ−１）は、時刻ｔ−１の予測モデルに従う関数であり得る。この例によれば、予測モデルは、上述の関数ｇ（）及び目的変数Ｙを用いて複数時点の予測モデルの誤差ｇ（）−Ｙの重み付け和を最小化するように学習され得る。より一般的には、予測モデルは、ｇ（）及びＹで規定される誤差等のコスト関数を最小化するように学習され得る。

この変形例によれば、時刻ｔにおける目的変数Ｙ＿ｔが、予測モデルｆ（Ｘ＿ｔ，φ＿ｔ）を用いて、時刻ｔの説明変数Ｘ＿ｔだけでなく、それより時間的に前の説明変数Ｘ＿ｔ＿１も考慮した値として算出される。従って、この変形例によれば、予測モデルが時変である環境においても、精度よく取引量Ｙに関する予測値を算出することができる。

以上に説明した変形例を含む本開示の例示的実施形態は、営業員と営業を受ける顧客との相性や、営業行為の頻度、競合会社の活動等を考慮して、営業行為から売上高等の取引量Ｙを予測するための予測モデルを構築し、営業支援に役立てるものである。従って、データベースの構成、説明変数及び目的変数は、上述した例に限定されず、本開示の技術的思想を含む範囲で、種々の態様を採り得る。

例えば、本開示の技術は、製薬会社の営業支援への適用に限定されない。例えば、本開示の技術は、自動車販売、不動産販売、又は金融サービスなどの、顧客との面会商談が重要な種々の業界における営業支援に役立てることができる。上記実施形態では、企業が提供する「商品」の営業活動を支援する例を説明したが、企業が提供する「役務」の営業活動を支援するために、本開示の技術は利用されてもよい。

また、目的変数には、取引量Ｙに限定されず、営業行為の目的である商品及び役務の少なくとも一方に関する様々な業績評価指標が採用され得る。薬剤に関する営業行為に対しては、業績評価指標として、処方量が採用されてもよい。処方量は、広義には取引量Ｙに含まれるが、取引量Ｙに連動する量であり、取引量Ｙに準じた、取引量Ｙに関連する評価指標であるとも言える。

この他、商品又は役務の種類に対応して、目的変数には様々な業績評価指標が採用され得る。業績評価指標の例には、来客数、来場組数、及び、ウェブサイトへの流入／誘導量が含まれ得る。

業績評価指標は、例えば商品又は役務の認知率、商品又は役務に対する需要者の評価、及び、購買時の検討候補率等の、市場調査により得られる指標であってもよい。更なる別例として、業績評価指標は、面会者との親密度に関する指標であってもよく、例えば、面会時間又は面会確率で表される指標であってもよい。

営業計画の提示も、上述した簡単な例に限定されない。提示される営業計画は、営業員による営業行為の時期及び相手の少なくとも一方を提示する情報を含んでいてもよい。例えば、営業計画は、複数の営業員のそれぞれに関して、対応する営業員の営業行為の時期及び相手を提示する情報を含んでいてもよい。例えば、営業計画は、複数の営業員のそれぞれに関して、営業行為に関する行動スケジュールを提示する情報を含んでいてもよい。

例えば、プロセッサ１１は、営業員が、いつ、どこに移動して、だれに営業すればよいかを詳細に決定して、その営業計画を、対象企業に提示してもよい。この場合には、営業員の移動コストも考慮して、最適な営業員の行動スケジュールを提示することができる。

プロセッサ１１は、複数時点での予測モデルＹ＝ｆ（Ｘ）の総和を最適化する説明変数Ｘの値を求めて、営業計画を作成してもよい。予測モデルが時変であるときには、一時点の予測モデルＹ＿ｔ＝ｆ＿ｔ（Ｘ）に関する最適化だけではなく、複数時点ｔ，…，ｔ＋Ｔの予測モデルの総和ｆ＿ｔ（Ｘ）＋…＋ｆ＿｛ｔ＋Ｔ｝（Ｘ）を最適化する説明変数Ｘの値を求めて、営業計画を作成することが考えられる。総和は、重み付け和であってもよい。すなわち、プロセッサ１１は、複数時点での予測モデルＹ＝ｆ（Ｘ）の重み付け和を最適化する説明変数Ｘの値を求めて、営業計画を作成してもよい。例えば、プロセッサ１１は、Ｓ４３０において、上記総和及び重み付け和に関する制約条件を設けることができる。

この他、上述した種々の実施形態の構成の一部は、省略されてもよい。上記実施形態の構成の少なくとも一部は、他の上記実施形態の構成に対して付加又は置換されてもよい。特許請求の範囲に記載の文言から特定される技術思想に含まれるあらゆる態様が本開示の実施形態である。

１…営業支援システム、１０…解析システム、１１…プロセッサ、１２…メモリ、１３…ストレージ、１９…通信インタフェース、３０…モバイル端末、５０…販売データ管理システム、６０…市場データ管理システム、７０…医師データ管理システム、１３１…営業履歴データベース、１３１Ａ…営業履歴データ、１３３…参加履歴データ、１３４…閲覧履歴データ、１３６…取引データベース、１３６Ａ…取引データ、１３６Ｂ…商品取引データ、１３６Ｃ…初回取引データ、１３６Ｄ…期間取引データ、１３８…営業員属性データベース、１３９…顧客属性データベース、ＤＲ…営業報告データ。

Claims (15)

1. 少なくとも一人の行為者による営業行為に関する履歴データであって、各営業行為の営業方式を識別可能な情報を含む履歴データを取得する第一取得部と、
   前記営業行為の目的である商品及び役務の少なくとも一方に関する業績評価指標の実測データを取得する第二取得部と、
   取得された前記履歴データ及び前記実測データに基づき、前記営業行為に関する複数の変数から前記業績評価指標に関する予測値を算出するための予測モデルを構築する構築部と、
   を備え、
   前記複数の変数には、営業先との直接の面会を通じた第一の営業方式、及び、前記第一の営業方式とは異なる前記営業先との前記直接の面会を伴わない第二の営業方式を含む複数の営業方式のそれぞれに関する、対応する営業方式での営業行為の実行頻度又は回数に関する変数が含まれる情報処理システム。
2. 前記複数の営業方式には、前記第二の営業方式として、前記営業先に対する通信網を通じた口頭による営業方式、及び、前記営業先に対する通信網を通じた文章による営業方式が含まれ、
   前記複数の変数には、前記口頭による営業方式、及び、前記文章による営業方式のそれぞれに関する、対応する営業方式での営業行為の実行頻度又は回数に関する変数が含まれる請求項１記載の情報処理システム。
3. 前記複数の変数には、前記営業行為を伴う集会に対する前記営業先の参加頻度又は回数に関する変数、及び、前記営業行為を伴うウェブコンテンツに対する前記営業先の閲覧頻度又は回数に関する変数の少なくとも一方が含まれる請求項１又は請求項２記載の情報処理システム。
4. 請求項１〜請求項３のいずれか一項記載の情報処理システムであって、
   前記業績評価指標は、前記行為者に対応する前記商品及び役務の少なくとも一方の提供者と、需要者との間の取引量、又は、前記取引量に関する評価指標である情報処理システム。
5. 請求項１〜請求項４のいずれか一項記載の情報処理システムであって、
   構築された前記予測モデルに基づいて、営業計画を作成する計画作成部
   を更に備える情報処理システム。
6. 請求項５記載の情報処理システムであって、
   前記営業計画は、前記営業行為の時期及び相手の少なくとも一方を提示する情報を含む情報処理システム。
7. 請求項１〜請求項６のいずれか一項記載の情報処理システムであって、
   構築された前記予測モデルに基づいて、前記業績評価指標を説明する前記複数の変数のそれぞれの寄与度を判別し、前記寄与度に関する情報を出力する出力部
   を更に備える情報処理システム。
8. 請求項１〜請求項７のいずれか一項記載の情報処理システムであって、
   前記複数の変数には、前記行為者の属性と前記営業先の属性と前記営業方式との組み合わせ毎の、前記営業行為の実行頻度又は回数に関する変数が含まれる情報処理システム。
9. 請求項８記載の情報処理システムであって、
   前記行為者及び前記営業先の属性は、対応する人物のジオグラフィック属性、対応する人物のデモグラフィック属性、対応する人物のサイコグラフィック属性、対応する人物の現在及び過去の人間関係に関する属性、及び、対応する人物が所属する組織の属性の少なくとも一つを含む情報処理システム。
10. 請求項１〜請求項９のいずれか一項記載の情報処理システムであって、
    前記履歴データは、前記営業行為の各実行時の時間情報を、行為者、営業先、及び営業方式の識別情報と共に備えるデータであり、
    前記実測データは、前記業績評価指標の時間変化を示す情報処理システム。
11. 請求項１〜請求項１０のいずれか一項記載の情報処理システムであって、
    前記実測データは、営業先に対応する組織と、前記営業行為の目的としての商品又は役務との組み合わせ毎に、前記業績評価指標として、前記行為者に対応する前記商品又は役務の提供者と、前記組織との間の取引に関する期間単位の業績評価指標、及び、初回取引時の時間情報を含む情報処理システム。
12. 請求項１〜請求項１１のいずれか一項記載の情報処理システムであって、
    前記構築部は、前記履歴データとしての、第一の企業が提供する商品及び役務の少なくとも一方の営業行為である第一の営業行為に関する履歴データ、及び、前記業績評価指標としての、前記第一の企業が提供する商品及び役務の少なくとも一方に関する第一の業績評価指標の前記実測データと、前記第一の企業が提供する商品及び役務の少なくとも一方に関連する商品及び役務の少なくとも一方を提供する第二の企業の、前記関連する商品及び役務の少なくとも一方の営業行為である第二の営業行為、及び、前記第二の企業が提供する前記関連する商品及び役務の少なくとも一方に関する第二の業績評価指標の少なくとも一方に関するデータと、に基づき、前記予測モデルとして、前記第一の営業行為に関する前記複数の変数から前記第一の業績評価指標に関する予測値を算出するための予測モデルを構築する情報処理システム。
13. 請求項１〜請求項１２のいずれか一項記載の情報処理システムであって、
    前記営業行為には、前記行為者と営業先応対者との間の商談が含まれ、前記履歴データには、前記商談時の音声から抽出された前記商談時の会話に関する特徴データが含まれる情報処理システム。
14. 請求項１〜請求項１３のいずれか一項記載の情報処理システムにおける、第一取得部、第二取得部、及び構築部として、コンピュータを機能させるためのコンピュータプログラム。
15. コンピュータが実行する情報処理方法であって、
    少なくとも一人の行為者による営業行為の履歴データであって、各営業行為の営業方式を識別可能な情報を含む履歴データを取得することと、
    前記営業行為の目的である商品及び役務の少なくとも一方に関する業績評価指標の実測データを取得することと、
    前記履歴データ及び前記実測データに基づき、前記営業行為に関する複数の変数から前記業績評価指標に関する予測値を算出するための予測モデルを構築することと、
    を含み、
    前記複数の変数には、営業先との直接の面会を通じた第一の営業方式、及び、前記第一の営業方式とは異なる前記営業先との前記直接の面会を伴わない第二の営業方式を含む複数の営業方式のそれぞれに関する、対応する営業方式での営業行為の実行頻度又は回数に関する変数が含まれる情報処理方法。

Images