JP6837411B2 - 販売促進装置、販売促進方法及び販売促進プログラム - Google Patents

Description

本発明は、販売促進装置、販売促進方法及び販売促進プログラムに関する。

大規模小売店、コンビニエンスストア等の商業施設は、それらの商業施設において取得された販売実績情報に基づいて、さらなる販売促進を行う。例えば、ＲＦＭ分析は、最終購買日(Recency)、購買頻度(Frequency)及び一定期間の累計購買金額(Monetary)という３つの指標で顧客を分類し、販売促進のための施策をセグメントごとに決定する。つまり、まず顧客が“マス”として把握され、そのマスのうちからターゲットとなるセグメントが抽出される。そして次段階においては、セグメントに属する顧客は“個”として把握され、個である顧客に対して個別に販売促進のアプローチが実行される。このような近時の潮流は、“Ｏ２Ｏマーケッティング”又は“０２０マーケッティング”とも呼ばれる。“Ｏ２Ｏ”又は“０２０”は、“One to One”を意味している。

特許文献１のレコメンドリスト生成装置は、まず、“メイン商品”（例えば、パソコン）と、メイン商品が購買される際に同時に購買された“ついで買い商品”（例えば、マウス）との組合せを取得する。当該レコメンドリスト生成装置は、次に、Ｗｅｂにおいて“パソコン”が出現する件数ａ、“マウス”が出現する件数ｂ、並びに、“パソコン”及び“マウス”が同時に出現する件数ｃを数える。当該レコメンドリスト生成装置は、さらに、共起率を算出する。なお、共起率＝ｃ／（ａ＋ｂ−ｃ）が成立する。当該レコメンドリスト生成装置は、最後に、組合せのうち、共起率が所定の閾値よりも小さいものを削除し、削除されずに残った組合せの“ついで買い商品”を販売促進の対象とする。

特許第５２５５６６７号明細書

しかしながら、ＲＦＭ分析においては、３つの指標のうちどの指標のどの閾値で顧客を分類するかは業種によって異なり、企業内で展開できないまま属人化することが多い。特許文献１においては、顧客層及び推奨商品が過去の例に沿って固定されてしまい、顧客層又は推奨商品を拡張的に決定することは期待できない。さらに、ＲＦＭ分析においても特許文献１においても、ＫＰＩ（Key Performance Indicator：重要業績評価指標）に対する影響、及び、カニバリゼーション（共食い）に対する配慮が欠落している。
そこで、本発明は、属人的ノウハウを用いることなく、販売促進のための効果的な施策を決定することを目的とする。

本発明の販売促進装置は、商品の取引情報を含む販売実績情報を記憶する記憶装置と、販売実績情報に基づいて、商品の販売促進のための施策を決定する制御装置と、を備え、制御装置は、商品の販売に関する複数の項目のそれぞれについて項目の値の変化が経営指標の変化に及ぼす影響度を算出し、複数の項目から、算出した影響度が所定の基準より大きい項目を抽出し、抽出した項目が、商品の属性に関する情報である商品情報、及び、顧客の性別、年齢、住所、趣味又は購買行動の少なくとも一つの情報である顧客情報である場合、商品の属性のうち、所定の基準より大きい経営指標に対応する属性を特定し、当該特定した属性の商品を購買した顧客の顧客情報の値のうち、所定の基準より大きい経営指標に対応する値を特定し、特定した顧客情報の値を有する顧客に対し、特定した商品の属性が示す商品を推奨することを特徴とする。
その他の手段については、発明を実施するための形態のなかで説明する。

本発明によれば、属人的ノウハウを用いることなく、販売促進のための効果的な施策を決定することができる。

各情報の構成及び関連を説明する図である。 （ａ）、（ｂ）及び（ｃ）は、因果関係を説明する図である。 影響度を説明する図である。 （ａ）及び（ｂ）は、クラスタリングを説明する図である。 販売促進装置の構成を説明する図である。 処理手順のフローチャートである。 （ａ）、（ｂ）及び（ｃ）は、販売実績情報の遷移例を示す図である。 （ａ）及び（ｂ）は、影響度情報の遷移例を示す図である。

以降、本発明を実施するための形態（“本実施形態”という）を、図等を参照しながら詳細に説明する。本実施形態は、コンビニエンスストアが販売促進を行う例である。しかしながら、本発明は、それ以外の商業施設、インターネット上の仮想店舗等にも適用可能である。

（用語）
ＫＰＩ（重要業績評価指標）とは、企業経営者が判断をする基準となる経営指標であり、本実施形態においては、売上、利益、販売数量、ＬＴＶ（ライフタイムバリュー）、ロイヤリティ向上、コンバージョン率(訪問したうちどれ程が購入するのか)、ＲＯＩ（リターンオンインベストメント）、クーポン回収率、クーポン発券率、施策反応率、施策対象購買率及び来店客数のうちの何れかである。
事象とは、商品の購買に関連して発生するできごとである。例えば、“顧客Ａが商品Ｂを購買したこと”は、事象となりうる。“２０歳の顧客Ａが商品Ｂを購買したこと”及び“雨が降っている日に顧客Ａが商品Ｂを購買したこと”もまた事象となり得る。
因果関係とは、２つの事象の間に認められる原因及び結果の関係である。

（各情報の構成及び関連）
図１に沿って、各情報の構成及び関連を説明する。後記する本実施形態の販売促進装置１(図５参照)は、販売実績情報３１を記憶している。販売実績情報３１とは、いわゆる“ＰＯＳ（Point of Sales）”情報であり、店舗（実店舗又は仮想店舗）における取引内容の時系列情報である。具体的には、販売実績情報３１は、商品が購買された時点、商品を購買した顧客を特定する情報、店舗を特定する情報、商品を特定する情報、購買された商品の数量等が相互に関連付けられた複数のレコード（行）からなる情報である。

販売促進装置１は、外部情報３２にアクセス可能である。外部情報３２とは、官公庁、マスコミ等が運営する外部サーバ２（図５参照）から通信ネットワーク３（図５参照）経由で取得することが可能な情報である。具体的には、外部情報３２は、ある時点、当該時点の気温、当該時点の天候、当該時点に発生したニュース（イベント等の時事）等が相互に関連付けられた複数のレコードからなる情報である。

販売促進装置１は、顧客情報３３を記憶している。顧客情報とは、顧客の属性に関する情報である。具体的には、顧客情報３３は、顧客を特定する情報、性別、年齢、住所、趣味、購買行動等が相互に関連付けられた複数のレコードからなる情報である。購買行動とは、顧客が購買に至るまでの行動であり、例えば、実店舗におけるクーポンの受け取り、景品の受け取り、仮想店舗のＷｅｂサイトにおける閲覧回数等である。

販売促進装置１は、ＫＰＩ情報３４を記憶している。ＫＰＩ情報３４とは、複数のコンビニエンスストアを経営する企業の複数種類のＫＰＩの時系列情報である。具体的には、ＫＰＩ情報３４は、時点（日、月又は年単位）、店舗を特定する情報、売上、利益、販売数量、来店客数（Ｗｅｂサイト訪問件数）等が相互に関連付けられた複数のレコードからなる情報である。

販売促進装置１は、商品情報３５を記憶している。商品情報３５とは、商品の属性に関する情報である。具体的には、商品情報３５は、商品を特定する情報、メーカー名、販売単価、仕様（内容量等）等が相互に関連付けられた複数のレコードからなる情報である。

前記で明らかなように、販売実績情報３１が“要（かなめ）”となって、外部情報３２、顧客情報３３、ＫＰＩ情報３４及び商品情報３５を結合している。なお、本実施形態における“項目”とは、各情報の横の並び（レコードの各列）を意味する。例えば、顧客情報３３は６種類の項目“顧客”、“性別”、“年齢”、“住所”、“趣味”及び“購買行動”を有する。同様に、販売実績情報３１、外部情報３２、ＫＰＩ情報３４及び商品情報３５は、それぞれ、５種類、４種類、６種類及び４種類の項目を有する。

販売促進装置１は、これらの項目から任意の数の項目を選択し、選択した項目を軸（変数）とする多次元空間を生成することができる。多次元空間の次数は、最大で５＋３＋５＋４＋３＝２０次元である。この次元数は、重複分（太線の長方形）を除く項目の数の和に一致する。なお、各項目の具体的な値、例えば商品ＩＤ、年齢、店舗ＩＤ、気温等を“項目の値”と呼ぶ。

（施策）
施策とは、商品の販売促進のための具体的な手段であり、「“誰”に“何”を推奨する”」という型式を有する。例えば、施策は、次のようなものであり得る。
〈例１〉商品○○を購買した顧客に、商品◎◎を推奨する。
〈例２〉○○市に住む顧客に、商品◎◎を推奨する。
〈例３〉○○店で購買した顧客に、商品◎◎を推奨する。
〈例４〉○○歳以上の顧客に、商品◎◎を推奨する。
〈例５〉気温が○以上である日に購買した顧客に、商品◎◎を推奨する。
販売促進装置１は、多次元空間を解析し、事象を抽出し、因果関係を生成することによって、施策を決定する。

（因果関係）
図２に沿って、因果関係３６を説明する。本実施形態の因果関係３６は、ベイジアンネットワークで表現される。よって、本実施形態では、因果関係及びベイジアンネットワークの両者に同じ符号“３６”が付される。図２（ａ）のベイジアンネットワーク３６は、ノードＡ、ノードＢ及びノードＣを有する。販売促進装置１は、図１の各情報を参照し、複数のノードを生成する。ノードＡは、ある顧客が“屋外テントを購買する”という事象を示す。ノードＢは、当該顧客が“バーベキューセットを購買する”という事象を示す。ノードＣは、当該顧客が“虫よけスプレーを購買する”という事象を示す。

販売促進装置１は、２つの事象間に互いに方向が異なる２本のリンクを定義する。例えば、販売促進装置１は、ノードＡ及びノードＣの間に、ノードＡを起点としノードＣを終点とするリンクＡＣと、ノードＣを起点としノードＡを終点とするリンクＣＡとを定義する。あるリンクに注目したとき、その起点となるノードは、“原因”を示し、その終点となるノードは、“結果”を示している。それぞれのリンクは、太さを有し、その太さは、起点の事象が発生したときに終点の事象が発生する条件付確率を示している。条件付確率が大きいほどリンクは太い。

販売促進装置１は、図１の各情報を参照した結果、次の情報を取得したとする。
・所定の期間に、１００人の来店客があった。
・そのうち、屋外テントを買った人は１０人であった。
・屋外テントと虫よけスプレーを同時に買った人は３人であった。なお、“同時”とは、２つの購買実績の発生時点が、所定の基準を満たす程度（例えば、２４時間以内）に近接していることを示す。

すると、販売促進装置１は、“Ｐ（Ｃ｜Ａ）”の値を算出する。“Ｐ（Ｃ｜Ａ）”は、ある顧客が屋外テントを購買したとき当該顧客が虫よけスプレーも購買する条件付確率である。なお、周知のようにベイズの定理として、“Ｐ（Ｃ｜Ａ）＝Ｐ（Ｃ∩Ａ）／Ｐ（Ａ）”が成立する。よって、販売促進装置１は、“Ｐ（Ｃ｜Ａ）＝（３／１００）／（１０／１００）＝０.３”を算出することができる。 この“０.３”は、リンクＡＣの太さに対応している。同様にして、販売促進装置１は、反対方向のリンクＣＡの太さを算出することができる。さらに、販売促進装置１は、リンクＡＢ、リンクＢＡ、リンクＢＣ及びリンクＣＢの太さを算出することができる。リンクＡＢは、条件付確率Ｐ（Ｂ｜Ａ）に対応しており、その太さは、条件付確率Ｐ（Ｂ｜Ａ）そのものである。他のリンクについても同様である。

販売促進装置１は、太さが所定の閾値を超えるリンクを残し他のリンクを削除する。すると、例えば、図２（ｂ）のように、リンクＡＣ及びリンクＢＣが残る。なお、リンクＡＣは、リンクＢＣよりも太い。つまり、Ｐ（Ｃ｜Ａ）＞Ｐ（Ｃ｜Ｂ）が成立している。このようにして販売促進装置１が作成した図２（ｂ）のベイジアンネットワーク３６は、複数の事象及び１又は複数の因果関係を表現している。因みに、図２（ｂ）の場合、販売促進装置１は、次の施策を決定する。なお、例１１の方が、例１２よりも優先順位が高い。
〈例１１〉屋外テントを購買した顧客に、虫よけスプレーを推奨する。
〈例１２〉バーベキューセットを購買した顧客に、虫よけスプレーを推奨する。

販売促進装置１は、因果関係を決定するに際し、条件付確率以外の他の統計的手法を用いてもよい。他の統計的手法の例としては、決定木等が挙げられる。なお、図２（ａ）及び図２（ｂ）のベイジアンネットワーク３６は、３個のノードしか持たない。これは、あくまでも説明の簡略化のためである。実際のベイジアンネットワークは、数百〜数千のノードを有することも珍しくない。

販売促進装置１は、ある１つのノードを“原因”とした場合、他のノードが“結果”となる条件付確率を、他のすべてのノードについて算出する。図２（ｃ）は、より現実に近いベイジアンネットワーク３６の例である。１つのノードが複数のリンクの起点となる場合もある（ノードＡ等）。１つのノードが他のノードの原因となると同時に、別の他のノードの結果となる場合もある（ノードＥ）。１つのノードが他のノードの原因となると同時に、当該他のノードの結果となることもある（ノードＦ及びノードＧ）。因果関係を有さないノードもある（ノードＢ）。図２（ｃ）において、１本のリンクが１つの施策に対応している。

販売促進装置１は、処理負担を軽減するために公知の“Ｋ２アルゴリズム”を用いることができる。Ｋ２アルゴリズムは、例えば時間的に先に発生した事象のノードを、時間的に後に発生した事象のノードの結果とすることはない。

図２（ａ）〜（ｃ）の因果関係３６に基づく施策は、それのみである程度の販促効果を生じさせる。しかしながら、販売促進装置１は、このような施策を決定するに際し、ＫＰＩを特に考慮していないし、カニバリゼーションも考慮していない。そこで、“影響度”という概念を導入する必要が生じる。

（影響度）
図３に沿って、影響度を説明する。前記した項目のうちには、その項目の値の変化がＫＰＩ（例えば売上）に対し決定的な影響を及ぼすものが存在する。また、その項目の値の変化がＫＰＩに対し殆ど影響を及ぼさないものも存在する。いま、各項目の値を入力とし、ＫＰＩを出力とする関数Ｆを想定する。
ＫＰＩ＝Ｆ（ｘ_１,ｘ_２,ｘ_３,・・・）

関数Ｆは、多種類の変数ｘ_１,ｘ_２,ｘ_３,・・・を入力変数とする関数であり、ｘ_１,ｘ_２,ｘ_３,・・・は、年齢、商品、店舗等の項目に相当する。例えば年齢“ｘ_１”の値が変化するとき、出力変数としてのＫＰＩも充分大きく変化すれば、“ｘ_１”がＫＰＩに及ぼす影響度は大きいといえる。販売促進装置１は、このような影響度の定義を任意に決定することができる。具体的な影響度の例としては、次の５種類の統計値が挙げられる。なお、“｜ ｜”は、絶対値を示す。

・｜δＦ／δｘ_ｉ｜ すなわち、回帰直線の傾きの絶対値
・｜ＫＰＩとｘ_ｉとの相関係数｜
・ＫＰＩの分散
・ＫＰＩ最大値−ＫＰＩの最小値
・ＫＰＩの確率分布 すなわち、項目がある範囲の値を取る確率
ここでは、ＫＰＩに対する影響度が項目ごとに定義される。なお、後記するように、ＫＰＩに対する影響度が、項目の値ごとに定義されることも可能である。

前記５種類の例は、何れも本質的には類似している。図３は、ＫＰＩと項目“ｘ_ｉ”との関係を図示したものであるが、これら５種類の例に共通する特徴を図示している。図３のケース１では、当該項目“ｘ_ｉ”は、無視される。ケース２及びケース３では、当該項目“ｘ_ｉ”は、施策を決定するために用いられる。いま、販売促進装置１は、ＫＰＩに対する影響度が大きい項目として、例えば“年齢”を抽出したとする。すると、販売促進装置１は、図１の各情報から“年齢”に関する情報を抽出したうえで“年齢”に関する因果関係３６を作成し、前記した“〈例４〉○○歳以上の顧客に、商品◎◎を推奨する”という施策を作成することもできる。

そこで、次に販売促進装置１は、“○○歳以上の顧客に、商品◎◎を推奨する”の“○○”の部分及び“◎◎”の部分を具体的に決定することになる。つまり、販売促進装置１は、クラスタリングを行うことによって、施策を絞り込む（販売促進の対象となる項目の値を限定する）ことになる。

（クラスタリング）
図４に沿って、クラスタリングを説明する。販売促進装置１は、任意の項目を軸に有する多次元空間において、販売実績を示す点“●”を描画することができる。個々の●は、複数の項目の値を有しており、各項目の値が、多次元空間の軸の目盛に相当する。説明の簡略化のために、以降では３次元空間の例を採用する。なお、図４（ａ）及び図４（ｂ）に記載された破線の直方体は、その図が３次元空間であることを明らかにするためのものであり、それ以上の意味を有しない。

図４（ａ）及び図４（ｂ）の３次元空間の軸は、“ＫＰＩ（例えば売上）”、“影響度”、及び、それ以外の“注目項目”である。いま、多くの項目のうち、ＫＰＩに対する影響度は、“商品”が最も大きく、その次に“年齢”が大きいとする。そこで、販売促進装置１は、まず、“商品”を“注目項目”とする（図４（ａ））。例えば、すべての商品に商品ＩＤ（４桁の数字）が付されているとすると、販売促進装置１は、商品ＩＤ“０００１”を“商品”軸の原点の最も近い位置に置き、商品ＩＤ“９９９９”を“商品”軸の原点から最も離れた位置におく。

販売促進装置１は、次の処理を順に実行する。
〈処理１〉販売促進装置１は、図１の各情報から“商品ＩＤ，売上”の組合せを任意の数だけ取得する。図４（ａ）では、その数は“４”であるとする。ここでの４つの商品ＩＤが、“商品ａ”、“商品ｂ”、“商品ｃ”及び“商品ｄ”に相当する。

〈処理２〉販売促進装置１は、４つの商品がＫＰＩに及ぼす影響度を取得する。ここでの影響度は、項目（商品）の値ごとに定義される。販売促進装置１は、ある特定の商品が購買された時点の売上を時系列で取得することによって、例えば直近の１年間の売上の変化を知ることができる。販売促進装置１は、この売上の時系列変化に基づいて、前記した影響度を商品の値ごとに定義することが可能である。

〈処理３〉販売促進装置１は、“商品ＩＤ，売上，影響度”の組合せを示す４つの●を、３次元空間内に描画する。
〈処理４〉販売促進装置１は、“ＫＰＩ”の値が最も大きく、かつ、“影響度”の値が所定の閾値以上である●を特定する。いま、販売促進装置１は、このような条件を満たす●として、“●ｃ”（商品ｃに対応）を特定したとする。
以上の処理によって、販売促進装置１は、商品ｃが販売促進の対象として相応しいことを明らかにした。次に、販売促進装置１は、どのような年齢層に商品ｃを推奨するかを決定する。なお、ここで、販売促進装置１は、ＫＰＩの値が最も大きい●以外にも、所定の基準を満たす程度に大きい●を特定してもよい。

販売促進装置１は、次に、“年齢”を“注目項目”とする（図４（ｂ））。“年齢”軸の目盛は、顧客の年齢そのものである。販売促進装置１は、次の処理を順に実行する。
〈処理１１〉販売促進装置１は、図１の各情報から“年齢，売上”の組合せを任意の数だけ取得する。このとき、販売促進装置１は、商品ｃを購買した顧客の年齢を取得している。図４（ｂ）では、その数は“４”であるとする。ここでの４つの年齢が、“商品ｃを購買した年齢ａ”、“商品ｃを購買した年齢ｂ”、“商品ｃを購買した年齢ｃ”及び“商品ｃを購買した年齢ｄ”に相当する。

〈処理１２〉販売促進装置１は、４つの年齢がＫＰＩに及ぼす影響度を取得する。ここでの影響度は、項目（年齢）の値ごとに定義される。販売促進装置１は、ある特定の年齢の顧客が商品ｃを購買した時点の売上を時系列で取得することによって、例えば直近の１年間の売上の変化を知ることができる。販売促進装置１は、この売上の時系列変化に基づいて、前記した影響度を年齢の値ごとに定義することが可能である。

〈処理１３〉販売促進装置１は、“年齢，売上，影響度”の組合せを示す４つの●を、３次元空間内に描画する。
〈処理１４〉販売促進装置１は、“ＫＰＩ”の値が最も大きく、かつ、“影響度”軸の値が所定の閾値以上である●を特定する。いま、販売促進装置１は、このような条件を満たす●として、“●ａ”（年齢ａに対応）を特定したとする。なお、ここで、販売促進装置１は、ＫＰＩの値が最も大きい●以外にも、所定の基準を満たす程度に大きい●を特定してもよい。

その後、販売促進装置１は、最終的な施策として“年齢ａの顧客に対し商品ｃを推奨する”を決定する。

（販売促進装置の構成）
図５に沿って、販売促進装置１の構成を説明する。販売促進装置１は、一般的なコンピュータであり、中央制御装置１１、入力装置１２、出力装置１３、主記憶装置１４、補助記憶装置１５及び通信装置１６を備える。補助記憶装置１５は、販売実績情報３１、顧客情報３３、ＫＰＩ情報３４及び商品情報３５を格納している。これらは、図１における同名の各情報と同じものである。

補助記憶装置１５は、前記した因果関係（ベイジアンネットワーク）３６及び施策３８を記憶している。補助記憶装置１５は、影響度情報３７を格納しているが、これについては後記する。主記憶装置１４における、データ準備装置２１、項目抽出部２２、因果関決定部２３、クラスタリング部２４及び施策決定部２５は、プログラムである。以降において、“○○部は”と動作主体を記した場合、それは、中央制御部１１が補助記憶装置１５から“○○部”を読み出して主記憶装置１４にロードしたうえで、後記する処理を実行することを意味する。なお、図５において補助記憶装置１５内に記憶されている販売実績情報３１等は、販売促進装置１以外の外部の装置に記憶されていてもよい。

販売促進装置１は、通信ネットワーク３を介して、前記した外部サーバ２と通信可能である。外部サーバ２は、外部情報３２を格納している。ここでの外部情報３２は、図１における外部情報３２と同じものである。なお、販売実績情報３１、外部情報３２、顧客情報３３、ＫＰＩ情報３４及び商品情報３５を含む概念を、広義の“販売実績情報”と呼ぶ。請求項の“販売実績情報”は、広義の販売実績情報である。

（処理手順）
図６に沿って、処理手順を説明する。説明の途中で、適宜図７及び図８を参照する。
ステップＳ２０１において、販売促進装置１のデータ準備部２１は、販売実績情報３１を取得する。具体的には、第１に、データ準備部２１は、補助記憶装置１に記憶されている販売実績情報３１のうち、項目“店舗”を除いたうえで、所定の期間に係る部分を取得する。所定の期間とは、例えば、現在日を含む暦年の１月１日から、現在日までの期間である。

第２に、データ準備部２１は、ステップＳ２０１の“第１”において取得した販売実績情報３１に対して新たに購買金額欄１０５を設け、購買金額欄１０５に、販売単価（商品情報３５の項目である）に対して数量を乗算した結果を記憶する。この段階で、販売実績情報３１は、図７（ａ）に示す状態になっている。図７（ａ）の時点欄１０１、顧客欄１０２、商品欄１０３及び数量欄１０４は、図１における同名の各欄に対応している。

ステップＳ２０２において、データ準備部２１は、顧客ごとに集計する。具体的には、データ準備部２１は、販売実績情報３１（図７（ａ））のレコードを顧客ごとに集計する。この段階で、販売実績情報３１は、図７（ｂ）に示す状態になっている。図７（ｂ）において、データ準備部２１は、時点欄１０１に２０１７年１月１日から現在日までに経過した週の数を記憶する。データ準備部２１は、商品欄１０３にすべての商品ＩＤを記憶してもよいが、商品ＩＤの数が多い場合、当該欄を省略してもよい。

ステップＳ２０３において、データ準備部２１は、顧客を並び替える。具体的には、データ準備部２１は、購買金額の大きい順に、図７（ｂ）のレコードを並び替える。

ステップＳ２０４において、データ準備部２１は、顧客層を分割する。具体的には、第１に、データ準備部２１は、販売実績情報３１のレコードを上から順（購買金額が多い順）に所定の本数ごとに分割する。
第２に、データ準備部２１は、販売実績情報３１に対して新たに分割番号欄１０６を設け、分割番号欄１０６に分割番号を記憶する。分割番号は、分割された顧客層の上から順に、“１”、“２”、“３”、・・・である。この段階で、販売実績情報３１は、図７（ｃ）に示す状態になっている。図７（ｃ）では、レコードが４本ごとに分割されている。ここでは説明の簡略化のために４本ごとに分割しているが、実際には、データ準備部２１は、例えば数百本ごとに分割する場合もある。

その後、販売促進装置１は、繰り返し処理に入る。具体的には、販売促進装置１は、ステップＳ２０５〜Ｓ２０８の処理を分割番号（図７（ｃ）の欄１０６）ごとに繰り返す。

ステップＳ２０５において、販売促進装置１の項目抽出部２２は、項目を抽出する。具体的には、第１に、項目抽出部２２は、出力装置１３にＫＰＩの候補（売上、利益、販売数量及び来店客数等）を表示し、ユーザが入力装置１２を介して候補のうちの１つを選択するのを受け付ける。
第２に、項目抽出部２２は、前記した方法で図１の各情報のすべての項目について、ＫＰＩに対する影響度を算出する。
第３に、項目抽出部２２は、影響度情報３７（図８（ａ））を作成し、その分割番号欄１１１、影響度欄１１２、及び、項目欄１１３に、それぞれ、処理中の分割番号、ステップＳ２０５の“第２”において算出した影響度、及び、項目名を記憶する。項目抽出部２２は、繰り返し処理におけるステップＳ２０５を経由する都度、処理中の分割番号のレコードを、項目の数だけ作成して行くことになる。そして、項目抽出部２２は、影響度情報３７（図８（ａ））を最新の状態で補助記憶装置１５に記憶する。

第４に、項目抽出部２２は、影響度情報３７から、影響度が所定の基準を満たす程度に大きい項目を抽出する。ここでは、影響度情報３７は、影響度が最大である項目を抽出したとする。項目抽出部２２は、所定の基準に従っておれば、必ずしも影響度が最大である項目を抽出しなければならないわけではない。

ステップＳ２０６において、販売促進装置１の因果関係決定部２３は、因果関係を決定する。具体的には、第１に、因果関係決定部２３は、ステップＳ２０５の“第４”において抽出された影響度が最も大きい項目を取得する。ここでは、項目“商品”が取得されたとする。

第２に、因果関係決定部２３は、前記した方法で因果関係（ベイジアンネットワーク）３６を決定する。このとき、因果関係決定部２３は、ステップＳ２０６の“第１”において取得した項目を検索キーとして、図１の各情報のうち“商品”に関する情報を取得し、商品についての因果関係３６（図２（ｂ））を決定する。すると施策決定部２５は、例えば、“屋外テントを購買した顧客に、虫よけスプレーを推奨する”のような施策３８を決定する。

ステップＳ２０７において、販売促進装置１のクラスタリング部２４は、クラスタリングを行う。具体的には、第１に、クラスタリング部２４は、ステップＳ２０５の“第３”において記憶した影響度情報３７のレコードから、影響度が最も大きい項目を特定する。項目“商品”が特定されたとする。すると、クラスタリング部２４は、“注目項目”を“商品”としたうえで、前記した図４（ａ）の処理を行う。このとき、商品ＩＤごとにＫＰＩ（売上）が取得される。

第２に、クラスタリング部２４は、ステップＳ２０５の“第３”において記憶した影響度情報３７のレコードから、影響度が２番目に大きい項目を特定する。項目“年齢”が特定されたとする。すると、クラスタリング部２４は、“注目項目”を“年齢”としたうえで、前記した図４（ｂ）の処理を行う。このとき、年齢ごとにＫＰＩ（売上）が取得される。
第３に、クラスタリング部２４は、ステップＳ２０７の“第１”及び“第２”において取得されたＫＰＩが大きい順に、項目に対して順番を付す。

第４に、クラスタリング部２４は、影響度情報３７（図８（ａ））に対して新たにクラスタ番号欄１１４を設け、クラスタ番号欄１１４に、ステップＳ２０７の“第３”において付した順番を記憶する。前記の例では、項目“商品”のレコードに“１”が記憶され、項目“年齢”のレコードに“２”が記憶されることになる。クラスタリング部２４は、図４（ｂ）の処理を２回以上繰り返すことも可能である。この場合、クラスタ番号欄１１４に、“３”、“４”、・・・が記憶されることになる。この段階で、影響度情報３７は、図８（ｂ）の状態になっている。

第５に、クラスタリング部２４は、ステップＳ２０７の“第１”及び“第２”の結果を施策決定部２５に渡す。すると、施策決定部２５は、当該結果に基づき、例えば、“年齢ａの顧客に商品ｃを推奨する”という施策を決定することになる。

ステップＳ２０８において、施策決定部２５は、施策を決定する。具体的には、第１に、施策決定部２５は、年齢ａの顧客に商品ｃを推奨するという施策を決定する。
第２に、施策決定部２５は、次の情報を出力装置１３又は他の任意の装置に表示する。
・ステップＳ２０５の“第３”において作成された影響度情報３７
・ステップＳ２０６の“第２”で決定された因果関係３６及び施策３８
・ステップＳ２０７の“第１”及び“第２”においてクラスタリングが行われた際の３次元図形（図４（ａ）及び図４（ｂ））
・ステップＳ２０８の“第１”において決定された施策３８
なお、施策決定部２５は、施策３８を文字又は音声で出力してもよい。
その後、繰り返し処理が終了した段階で、処理手順を終了する。

（本実施形態の効果）
本実施形態の販売促進装置１の効果は以下の通りである。
（１）ユーザは、属人的ノウハウを有さなくても、過去の販売実績情報から、販売促進のための具体的な施策を決定することができる。そして、その施策は、因果関係及び影響度から導出されるので、客観的かつ経営的に裏付けられている。
（２）ユーザは、優先的に注目すべき項目を知ることができる。
（３）ユーザは、具体的なターゲット顧客に対し具体的な商品を推奨することができる。
（４）ユーザは、因果関係の決定及び影響度の算出に際し、条件付確率、回帰分析等を行うための既存のアプリケーションを活用できる。
（５）ユーザは、例えば購買力等の顧客層ごとに施策を決定することができる。
（６）ユーザは、施策に反映させるべき経営指標を選択することができる。

なお、本発明は前記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、前記した実施例は、本発明を分かり易く説明するために詳細に説明したものであり、必ずしも説明したすべての構成を備えるものに限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。また、各実施例の構成の一部について、他の構成の追加・削除・置換をすることが可能である。

１ 販売促進装置
２ 外部サーバ
３ 通信ネットワーク
１１ 中央制御装置
１２ 入力装置
１３ 出力装置
１４ 主記憶装置
１５ 補助記憶装置
１６ 通信装置
２１ データ準備部
２２ 項目抽出部
２３ 因果関係決定部
２４ クラスタリング部
２５ 施策決定部
３１ 販売実績情報
３２ 外部情報
３３ 顧客情報
３４ ＫＰＩ情報
３５ 商品情報
３６ 因果関係（ベイジアンネットワーク）
３７ 影響度情報
３８ 施策

Claims (8)

1. 商品の取引情報を含む販売実績情報を記憶する記憶装置と、
   前記販売実績情報に基づいて、商品の販売促進のための施策を決定する制御装置と、を備え、
   前記制御装置は、
   商品の販売に関する複数の項目のそれぞれについて前記項目の値の変化が経営指標の変化に及ぼす影響度を算出し、前記複数の項目から、前記算出した影響度が所定の基準より大きい項目を抽出し、
   前記抽出した項目が、商品の属性に関する情報である商品情報、及び、顧客の性別、年齢、住所、趣味又は購買行動の少なくとも一つの情報である顧客情報である場合、前記商品の属性のうち、所定の基準より大きい前記経営指標に対応する属性を特定し、
   当該特定した属性の商品を購買した顧客の前記顧客情報の値のうち、所定の基準より大きい前記経営指標に対応する値を特定し、
   前記特定した顧客情報の値を有する顧客に対し、前記特定した商品の属性が示す商品を推奨する
   ことを特徴とする販売促進装置。
2. 前記影響度は、
   前記項目の値と前記経営指標との間の統計値であること、
   を特徴とする請求項１に記載の販売促進装置。
3. 前記影響度は、
   回帰直線の傾き、相関係数、分散、又は、確率分布のうちの何れかであること、
   を特徴とする請求項２に記載の販売促進装置。
4. 前記制御装置は、
   前記決定した施策を任意の装置に対し出力すること、
   を特徴とする請求項３に記載の販売促進装置。
5. 前記制御装置は、
   前記項目を抽出するのに先立ち、前記商品の購買金額に基づき、前記販売実績情報を複数の群に分割すること、
   を特徴とする請求項４に記載の販売促進装置。
6. 前記経営指標は、
   売上、利益、販売数量又は来店客数のうちの何れかであり、
   前記制御装置は、
   ユーザが何れかの経営指標を入力するのを受け付けること、
   を特徴とする請求項５に記載の販売促進装置。
7. 販売促進装置の記憶装置は、
   商品の取引情報を含む販売実績情報を記憶しており、
   前記販売促進装置の制御装置は、
   前記販売実績情報に基づいて、商品の販売促進のための施策を決定し、
   前記制御装置は、前記施策を決定するに際し、
   商品の販売に関する複数の項目のそれぞれについて前記項目の値の変化が経営指標の変化に及ぼす影響度を算出し、前記複数の項目から、前記算出した影響度が所定の基準より大きい項目を抽出し、
   前記抽出した項目が、商品の属性に関する情報である商品情報、及び、顧客の性別、年齢、住所、趣味又は購買行動の少なくとも一つの情報である顧客情報である場合、前記商品の属性のうち、所定の基準より大きい前記経営指標に対応する属性を特定し、
   当該特定した属性の商品を購買した顧客の前記顧客情報の値のうち、所定の基準より大きい前記経営指標に対応する値を特定し、
   前記特定した顧客情報の値を有する顧客に対し、前記特定した商品の属性が示す商品を推奨する
   ことを特徴とする、販売促進装置の販売促進方法。
8. コンピュータを、
   商品の取引情報を含む販売実績情報を記憶する記憶装置と、
   前記販売実績情報に基づいて、商品の販売促進のための施策を決定する制御装置と、
   して機能させる販売促進プログラムであって、
   前記制御装置に対して、
   商品の販売に関する複数の項目のそれぞれについて前記項目の値の変化が経営指標の変化に及ぼす影響度を算出し、前記複数の項目から、前記算出した影響度が所定の基準より大きい項目を抽出し、
   前記抽出した項目が、商品の属性に関する情報である商品情報、及び、顧客の性別、年齢、住所、趣味又は購買行動の少なくとも一つの情報である顧客情報である場合、前記商品の属性のうち、所定の基準より大きい前記経営指標に対応する属性を特定し、
   当該特定した属性の商品を購買した顧客の前記顧客情報の値のうち、所定の基準より大きい前記経営指標に対応する値を特定し、
   前記特定した顧客情報の値を有する顧客に対し、前記特定した商品の属性が示す商品を推奨する処理を実行させること、
   を特徴とする、販売促進プログラム。

Images