JP6848230B2 - 処理装置、処理方法及びプログラム - Google Patents

Description

本発明は、処理装置、処理方法及びプログラムに関する。

特許文献１には、曜日、催事、天候、特売情報（売価等）等から特売期間の予測販売数を算出し、当該結果から適切な発注数を決定する技術が開示されている。

特許文献２には、特売期間後に、特売価格設定の企画が周辺商品に及ぼした影響度を定量的に分析するための技術が開示されている。

非特許文献１には、データを決定木形式のルールによって場合分けし、各場合で異なる説明変数を組み合わせた線形モデルで予測するモデル（異種混合予測モデル）に関する技術（異種混合学習技術）が開示されている。

特開２００２−２４３５０号公報 特開２０１５−９５０６２号公報

藤巻遼平、他４名、"異種混合学習技術とビッグデータ分析ソリューションの研究開発"、［online］、第２９回（２０１５年度）独創性を拓く 先端技術大賞 受賞者紹介ページ、［平成２８年６月１０日検索］、インターネット＜URL, http://www.fbi-award.jp/sentan/jusyou/2015/7.pdf＞

特売の内容（例：特売商品や特売価格等）を適切に計画することで、特売期間中における売上増等の効果が期待される。特許文献１及び２はいずれも、特売の内容を適切に計画するための技術でない。本発明は、特売の内容を計画するための技術を提供することを課題とする。

本発明によれば、
商品の売上データ及び販売時の条件を示す販売時条件データに基づき得られた推定モデルを用いて、一の商品の販売価格の最適解、複数の商品の販売価格の組み合わせの最適解、通常価格と異なる価格で販売する商品の最適解、及び、通常価格と異なる価格で販売する商品の販売価格の最適解の中の少なくとも１つを算出する算出手段と、
前記算出手段の算出結果を出力する出力手段と、
を有し、
前記算出手段は、
店舗で販売される一部の商品群全体での売上及び／又は利益に基づき算出される第２の評価値、又は、店舗全体での売上及び／又は利益に基づき示される第１の評価値と前記第２の評価値とに基づき算出される第３の評価値を最大化する前記最適解を算出し、
予め登録された商品の関連性を示す情報に基づき、ユーザが選択した商品に関連する商品を抽出し、ユーザが選択した商品と、当該抽出した商品とを前記一部の商品群として前記第２の評価値を算出する処理装置が提供される。

また、本発明によれば、
コンピュータが、
商品の売上データ及び販売時の条件を示す販売時条件データに基づき得られた推定モデルを用いて、一の商品の販売価格の最適解、複数の商品の販売価格の組み合わせの最適解、通常価格と異なる価格で販売する商品の最適解、及び、通常価格と異なる価格で販売する商品の販売価格の最適解の中の少なくとも１つを算出する算出工程と、
前記算出工程での算出結果を出力する出力工程と、
を実行し、
前記算出工程では、
店舗で販売される一部の商品群全体での売上及び／又は利益に基づき算出される第２の評価値、又は、店舗全体での売上及び／又は利益に基づき示される第１の評価値と前記第２の評価値とに基づき算出される第３の評価値を最大化する前記最適解を算出し、
予め登録された商品の関連性を示す情報に基づき、ユーザが選択した商品に関連する商品を抽出し、ユーザが選択した商品と、当該抽出した商品とを前記一部の商品群として前記第２の評価値を算出する処理方法が提供される。

また、本発明によれば、
コンピュータを、
商品の売上データ及び販売時の条件を示す販売時条件データに基づき得られた推定モデルを用いて、一の商品の販売価格の最適解、複数の商品の販売価格の組み合わせの最適解、通常価格と異なる価格で販売する商品の最適解、及び、通常価格と異なる価格で販売する商品の販売価格の最適解の中の少なくとも１つを算出する算出手段、
前記算出手段の算出結果を出力する出力手段、
として機能させ、
前記算出手段は、
店舗で販売される一部の商品群全体での売上及び／又は利益に基づき算出される第２の評価値、又は、店舗全体での売上及び／又は利益に基づき示される第１の評価値と前記第２の評価値とに基づき算出される第３の評価値を最大化する前記最適解を算出し、
予め登録された商品の関連性を示す情報に基づき、ユーザが選択した商品に関連する商品を抽出し、ユーザが選択した商品と、当該抽出した商品とを前記一部の商品群として前記第２の評価値を算出するプログラムが提供される。

本発明によれば、特売の内容を計画するための技術が実現される。

本実施形態の装置のハードウエア構成の一例を概念的に示す図である。 本実施形態の処理装置の機能ブロック図の一例である。 本実施形態の推定モデルの一例を説明するための図である。 本実施形態の予測式の一例を説明するための図である。 本実施形態の処理装置の処理の流れの一例を示すフローチャートである。

まず、本実施形態の装置（処理装置）のハードウエア構成の一例について説明する。本実施形態の装置が備える各部は、任意のコンピュータのＣＰＵ（Central Processing Unit）、メモリ、メモリにロードされるプログラム、そのプログラムを格納するハードディスク等の記憶ユニット（あらかじめ装置を出荷する段階から格納されているプログラムのほか、ＣＤ（Compact Disc）等の記録媒体やインターネット上のサーバ等からダウンロードされたプログラムをも格納できる）、ネットワーク接続用インターフェイスを中心にハードウエアとソフトウエアの任意の組合せによって実現される。そして、その実現方法、装置にはいろいろな変形例があることは、当業者には理解されるところである。

図１は、本実施形態の装置のハードウエア構成を例示するブロック図である。図１に示すように、装置は、プロセッサ１Ａ、メモリ２Ａ、入出力インターフェイス３Ａ、周辺回路４Ａ、バス５Ａを有する。周辺回路４Ａには、様々なモジュールが含まれる。なお、装置は、周辺回路４Ａを有さなくてもよい。

バス５Ａは、プロセッサ１Ａ、メモリ２Ａ、周辺回路４Ａ及び入出力インターフェイス３Ａが相互にデータを送受信するためのデータ伝送路である。プロセッサ１Ａは、例えばＣＰＵ（Central Processing Unit） やＧＰＵ（Graphics Processing Unit）などの演算処理装置である。メモリ２Ａは、例えばＲＡＭ（Random Access Memory）やＲＯＭ（Read Only Memory）などのメモリである。入出力インターフェイス３Ａは、入力装置（例：キーボード、マウス、マイク等）、外部装置、外部サーバ、外部センサ等から情報を取得するためのインターフェイスや、出力装置（例：ディスプレイ、スピーカ、プリンター、メーラ等）、外部装置、外部サーバ等に情報を出力するためのインターフェイスなどを含む。プロセッサ１Ａは、各モジュールに指令を出し、それらの演算結果をもとに演算を行うことができる。

以下、本実施の形態について説明する。なお、以下の実施形態の説明において利用する機能ブロック図は、ハードウエア単位の構成ではなく、機能単位のブロックを示している。これらの図においては、各装置は１つの機器により実現されるよう記載されているが、その実現手段はこれに限定されない。すなわち、物理的に分かれた構成であっても、論理的に分かれた構成であっても構わない。なお、同一の構成要素には同一の符号を付し、適宜説明を省略する。

まず、本実施形態の処理装置の概要を説明する。本実施形態の処理装置は、商品の売上データ及び販売時の条件（例：販売価格、気候等）を示す販売時条件データに基づく機械学習で得られた推定モデルを用いて、所定の評価値を最大化する最適解を算出し、出力する。販売時条件データについては、本実施形態において詳細に後述する。

評価値は、商品を販売する店舗全体での売上及び／又は利益に基づき示される第１の評価値、店舗で販売される一部の商品群（例：あるメーカーの商品群）全体での売上及び／又は利益に基づき示される第２の評価値、又は、第１の評価値及び第２の評価値に基づき算出される第３の評価値等が例示される。

算出される最適解は、一の商品の販売価格の最適解、複数の商品の販売価格の組み合わせの最適解、通常価格と異なる価格で販売する商品の最適解、及び、通常価格と異なる価格で販売する商品の販売価格の最適解等が例示される。

オペレータは、処理装置から出力された最適解の内容に基づき、特売する商品の選択や特売価格の設定等を行うことができる。

次に、本実施形態の処理装置の構成を詳細に説明する。図２に、本実施形態の処理装置１０の機能ブロック図の一例を示す。図示するように、処理装置１０は、算出部１１と、出力部１２と、入力受付部１３とを有する。

入力受付部１３は、各種入力を受付ける。入力受付部１３は、外部装置に記憶されているデータの入力や、オペレータが各種入力装置（例：キーボード、マウス、マイク、タッチパネルディスプレイ、操作ボタン等）を操作することでなされた値の入力等を受付ける。入力受付部１３が受付ける入力の詳細は、以下で適宜説明する。

算出部１１は、商品の売上データ及び販売時の条件を示す販売時条件データに基づく機械学習で得られた推定モデルと、対象期間における販売時条件データ及び／又は販売時条件データの予測値とを用いて、所定の評価値を最大化する最適解を算出する。以下、詳細に説明する。

まず、「評価値」について説明する。評価値は、商品を販売する店舗全体での売上及び／又は利益（例：粗利益）に基づき示される第１の評価値、店舗で販売される一部の商品群全体での売上及び／又は利益（例：粗利益）に基づき示される第２の評価値、又は、第１の評価値及び第２の評価値に基づき算出される第３の評価値が例示される。

第１の評価値は、商品を販売する店舗全体での売れ行きを示す指標である。値が大きい程売れ行きが良いことを示す。第１の評価値は、商品を販売する店舗全体での売上及び／又は利益に基づき算出される。第１の評価値は、例えば、対象期間中の店舗全体での売上又は利益そのものであってもよい。又は、第１の評価値は、対象期間中の店舗全体での売上及び利益各々を、各々の値に応じて所定の基準でポイント化し、それらを統合（例：足し合わせる）した値であってもよい。又は、第１の評価値は、比較対象期間（例：対象期間の直前の１週間、直前の１カ月、前年の対象期間に対応する月日の期間等）中の店舗全体での売上又は利益（例：１日の平均値）からの対象期間中の店舗全体での売上又は利益（例：１日の平均値）の増加率や、上記統合した値（例：１日の平均値）の増加率であってもよい。なお、ここで例示した第１の評価値の具体例はあくまで一例であり、これらに限定されない。

第２の評価値は、店舗で販売される一部の商品群全体での売れ行きを示す指標である。値が大きい程売れ行きが良いことを示す。第２の評価値は、店舗で販売される一部の商品群全体での売上及び／又は利益に基づき算出される。第２の評価値は、例えば、対象期間中の「一部の商品群全体」での売上又は利益そのものであってもよい。又は、第２の評価値は、対象期間中の「一部の商品群全体」での売上及び利益各々を、各々の値に応じて所定の基準でポイント化し、それらを統合（例：足し合わせる）した値であってもよい。又は、第２の評価値は、比較対象期間（例：対象期間の直前の１週間、直前の１カ月、前年の対象期間に対応する月日の期間等）中の「一部の商品群全体」での売上又は利益（例：１日の平均値）からの対象期間中の「一部の商品群全体」での売上又は利益（例：１日の平均値）の増加率や、上記統合した値（例：１日の平均値）の増加率であってもよい。なお、ここで例示した第２の評価値の具体例はあくまで一例であり、これらに限定されない。

第３の評価値は、商品を販売する店舗全体での売れ行き、及び、店舗で販売される一部の商品群全体での売れ行きを示す指標である。値が大きい程売れ行きが良いことを示す。第３の評価値は、第１の評価値及び第２の評価値に基づき算出される。第１の評価値が大きい程、第３の評価値は大きくなる。また、第２の評価値が大きい程、第３の評価値は大きくなる。

例えば、第１の評価値及び第２の評価値各々を、その値に応じて０〜５のポイントに換算し（値が大きい程ポイントが大きくなる）、第１の評価値及び第２の評価値各々のポイントを足し合わせた合計ポイントを、第３の評価値としてもよい。その他、第１の評価値のポイントに第１の評価値の重み係数を掛けた値と、第２の評価値のポイントに第２の評価値の重み係数を掛けた値とを足し合わせた合計ポイントを、第３の評価値としてもよい。

第１の評価値及び第２の評価値各々の重み係数は、予め定められていてもよいし、又は、ユーザが決定できてもよい。第１の評価値をポイントに換算する換算ルールと、第２の評価値をポイントに換算する換算ルールとは、同じであってもよいし、異なっていてもよい。上述した０〜５の６段階のポイントはあくまで一例であり、これに限定されない。また、ここで例示した第３の評価値の具体例はあくまで一例であり、これらに限定されない。

例えば、入力受付部１３は、第１乃至第３の評価値のいずれを最大化する最適解を算出するかの選択を、ユーザから受付けてもよい。そして、算出部１１は、ユーザが選択した評価値を最大化する最適解を算出してもよい。

また、入力受付部１３は、第２の評価値を選択する入力を受付けた場合、さらに、店舗で販売される商品群の中から一部の商品群を選択する入力（第２の入力）を受付けてもよい。そして、算出部１１は、第２の入力で選択された一部の商品群全体での売上及び／又は利益に基づき示される第２の評価値を最大化する最適解を算出してもよい。あるいは、入力受付部１３は、さらに、店舗で販売される商品群の中から、特定の商品を選択する入力を受付けてもよい。より具体的に、算出部１１は、入力受付部１３が受付けた特定の商品に関連する商品全体での売上及び／又は利益に基づき示される第２の評価値を最大化する最適解を算出してもよい。係る特定の商品に関連する商品とは、例えば、特定の商品が属する商品カテゴリに含まれる（商品カテゴリに属する）特定の商品と異なる他の商品や、特定の商品に関連のある商品（特定の商品と類似する商品、特定の商品を販売する（製造する）メーカーが取り扱う他の商品、特定の商品と共に購入される商品など）などを表すこととする。その場合には、算出部１１は、一例として、商品カテゴリ、その商品カテゴリに属する商品に関する情報など上述した情報を、予め保持しておいてもよい。

また、入力受付部１３は、第３の評価値を選択する入力を受付けた場合、さらに、第１の評価値及び第２の評価値のうち、重視する評価値を選択する、又は、第１の評価値及び第２の評価値における重視する比率を指定する入力（第３の入力）を受付けてもよい。そして、算出部１１は、第３の入力で選択又は指定された内容に基づき、第３の評価値を算出してもよい。その場合に、例えば、算出部１１は、第１の評価値及び第２の評価値各々に対応して指定された上記重視する比率を、上記第１の評価値の重み係数、及び、第２の評価値の重み係数として、第３の評価値を算出してもよい。

その他、算出部１１は、予め、重視する方の重み係数、及び、重視されない方の重み係数を保持しておいてもよい。そして、算出部１１は、重視すると選択された方（第１の評価値又は第２の評価値）の重み係数として、予め保持している重視する方の重み係数を適用し、重視すると選択されなかった方（第１の評価値又は第２の評価値）の重み係数として、予め保持している重視されない方の重み係数を適用して、第３の評価値を算出してもよい。

次に、「最適解」について説明する。最適解は、上述した評価値を最大化する解である。算出部１１が算出する最適解は、一の商品の販売価格の最適解、複数の商品の販売価格の組み合わせの最適解、通常価格と異なる価格で販売する商品の最適解、及び、通常価格と異なる価格で販売する商品の販売価格の最適解等が例示される。

例えば、入力受付部１３は、店舗で販売される商品群の中から、一部（１つ又は複数）又は全部を指定する入力（第４の入力）を受付けてもよい。そして、算出部１１は、第４の入力で指定された１つの商品の販売価格の最適解を算出してもよい。その他、算出部１１は、第４の入力で指定された複数の商品の販売価格の組み合わせの最適解を算出してもよい。その他、算出部１１は、第４の入力で指定された複数の商品の中から、通常価格と異なる価格で販売する商品の最適解を決定してもよい。その他、算出部１１は、第４の入力で指定された複数の商品の中から、通常価格と異なる価格で販売する商品を決定し、決定した商品の販売価格の最適解を算出してもよい。

次に、「販売時条件データ」について説明する。販売時条件データは、商品の売上データ（販売日時、販売個数、販売価格等の情報を含む。）に紐付けられるデータであり、販売時の条件を示す。販売時条件データは、例えば、商品情報、カレンダデータ、気象データ、過去の売上げ傾向を示す情報、商品を販売する店舗のイベント情報、店舗周辺において開催されるイベント情報、及び、競合店に関する競合店情報の中の少なくとも１つを含む。しかしながら、販売時条件データは、上述した例に限定されない。販売時条件データは、例えば、係る評価値、あるいは係る最適解に影響を及ぼす情報であれば様々な情報を含んでいてもよい。

商品情報は、例えば、販売時の販売価格及び仕入価格、メーカー、商品カテゴリ、通常価格（通常時の販売価格）、通常仕入価格（通常時の仕入価格）等を含む。カレンダデータは、例えば、販売日の曜日、祝祭日に該当するか否か等の情報を含む。気象データは、例えば、販売日の気温（平均気温、最高気温、最低気温等）、天候（晴れ、雨、曇り、雪等）、湿度、降水確率等を含む。過去の売上げ傾向を示す情報は、例えば、季節変動に伴う売上げ傾向等の情報を含む。店舗のイベント情報は、例えば、販売日に店舗で行われるイベント（例：「ワイン解禁フェアー」、「冬・鍋祭り」等）の情報等を含む。競合店に関する競合店情報は、例えば、販売日における競合店の商品の販売価格、広告情報（広告商品及びその価格）、イベント情報等を含む。店舗周辺において開催されるイベント情報は、例えば、販売日に店舗周辺で行われるイベント（例：「コンサート」、「運動会」等）の情報等を含む。なお、ここで例示した商品情報、カレンダデータ、気象データ、過去の売上げ傾向を示す情報、イベント情報及び競合店情報の具体例はあくまで一例であり、これらに限定されない。

次に、「推定モデル」について説明する。推定モデルは、商品の売上データ及び販売時条件データに基づく機械学習で得られた所定の値を推定するモデルである。推定対象（推定する所定の値）は、上述した第１乃至第３の評価値のいずれかであってもよいし、又は、第１乃至第３の評価値を算出するための値であってもよい。第１乃至第３の評価値を算出するための値の一例として、例えば、対象期間中における各商品の販売個数等が挙げられる。推定した各商品の販売個数に基づき、第１乃至第３の評価値を算出することができる。

例えば、売上データから得られる推定対象の値（過去実績）を目的変数とし、当該値が得られた日の販売時条件データ（店舗で販売されている商品及び販売価格、カレンダデータ、気象データ、過去の売上げ傾向を示す情報、イベント情報、競合店情報等）を説明変数とした機械学習により、推定モデルを生成することができる。

機械学習の詳細は設計的事項であるが、非特許文献１に開示されている異種混合学習技術を用いて異種混合予測モデル（推定モデル）を生成するのが好ましい。異種混合学習技術によれば、データの場合分けと説明変数の組み合わせの膨大なパターンの中から、各条件に合ったシンプルかつ高精度な推定モデルを生成することができる。

図３に、異種混合学習技術により得られる推定モデルの概念を示す。図示するように、販売時条件データの値に基づき場合分けし、各々に対応して、最適な説明変数を組み合わせて所定の値を推定する予測式を生成する。説明変数の組み合わせは、各場合で異なり得る。

図４に、異種混合学習技術により得られる予測式の一例を示す。図示するように、予測式は、各種販売時条件データの値と各種販売時条件データの係数との積を足し合わせたものとして表される。

当該予測式によれば、推定対象（例：第１乃至第３の評価値、第１乃至第３の評価値を算出するための値）の値に影響する販売時条件データを把握することができる。すなわち、予測式に含まれる販売時条件データ（図４の例の場合、気温、降水量等）は、推定対象の値に影響することが分かる。

また、当該予測式によれば、販売時条件データの影響内容を把握することができる。すなわち、係数が正の値の販売時条件データは、その値が大きくなるほど推定対象の値が大きくなることが分かる。また、係数が負の値の販売時条件データは、その値が大きくなるほど推定対象の値が小さくなることが分かる。

算出部１１が推定モデルを生成してもよい。その他、算出部１１は、外部システムが生成した推定モデルを取得してもよい。

次に、「対象期間における販売時条件データ及び／又は販売時条件データの予測値」について説明する。対象期間は、例えば、商品の特売を行う期間である。対象期間は、例えば将来の期間となる。入力受付部１３は、ユーザから、対象期間（開始日及び終了日）を指定する入力を受付けることができる。但し、入力受付部１３は、ユーザから、対象期間として、特定の日を指定する入力を受付けてもよい。

また、入力受付部１３は、対象期間における販売時条件データ及び／又は販売時条件データの予測値の入力を受付けることができる。

例えば、入力受付部１３は、気象情報を提供する所定のサーバに、対象期間における気象データの予測値を要求し、それに応じて送信されてきたデータを取得してもよい。その他、ユーザが、対象期間における気象データの予測値を処理装置１０に入力してもよい。

その他、入力受付部１３は、所定のサーバに、対象期間におけるカレンダデータを要求し、それに応じて送信されてきたデータを取得してもよい。その他、ユーザが、対象期間におけるカレンダデータを処理装置１０に入力してもよい。

その他、入力受付部１３は、所定のサーバ（例：イベント情報を記憶する管理サーバ）に、対象期間における店舗のイベント情報を要求し、それに応じて送信されてきたデータを取得してもよい。その他、ユーザが、対象期間における店舗のイベント情報を処理装置１０に入力してもよい。

その他、入力受付部１３は、所定のサーバ（例：競合店情報を記憶する管理サーバ）に、対象期間における競合店情報を要求し、それに応じて送信されてきたデータを取得してもよい。その他、ユーザが、対象期間における競合店情報を処理装置１０に入力してもよい。

その他、入力受付部１３は、所定のサーバ（例：店舗周辺において開催されるイベント情報を記憶する管理サーバ）に、対象期間におけるイベント情報を要求し、それに応じて送信されてきたデータを取得してもよい。その他、ユーザが、対象期間における店舗周辺のイベント情報を処理装置１０に入力してもよい。

その他、入力受付部１３は、対象期間における複数の商品各々の販売価格の候補を指定する入力（第１の入力）をユーザから受付けてもよい。例えば、「９０円、９５円、１００円」等のように複数の値を指定する入力を受付けてもよいし、「９０円以上９５円以下」のように値の範囲を指定する入力を受付けてもよい。後者の場合、その範囲に含まれるすべての整数が指定されたこととなる。すなわち、「９０円以上９５円以下」が指定された場合、「９０円、９１円、９２円、９３円、９４円、９５円」が指定されたこととなる。

なお、入力受付部１３は、店舗で販売される複数の商品すべてに対応して販売価格の候補を指定する入力を受付けてもよいし、一部商品に対応して販売価格の候補を指定する入力を受付けてもよい。後者の場合、算出部１１は、販売価格の候補を指定されなかった商品は通常価格で販売するものとして、最適解を算出する処理を行う。例えば、入力受付部１３は、所定のサーバ（例：商品の通常価格を含む商品情報を記憶する管理サーバ）に、商品の通常価格を含む商品情報を要求し、それに応じて送信されてきたデータを取得してもよい。

次に、「算出部１１が最適解を算出する処理」について説明する。まず、算出部１１は、対象期間の販売時条件データ及び／又は販売時条件データの予測値が互いに異なる複数の条件パターンを生成する。具体的には、算出部１１は、第１の入力で指定された１つ又は複数の商品の販売価格の候補に基づき、少なくとも１つの商品の販売価格が互いに異なる複数の条件パターンを生成する。例えば、１つの商品のみに対応して５つの販売価格の候補が指定されている場合、５つの条件パターンが生成されることとなる。また、２つの商品各々に対応して５つと３つの販売価格の候補が指定されている場合、１５個の条件パターンが生成されることとなる。なお、複数の販売価格の候補を指定された商品の販売価格以外の販売時条件データ及び／又は販売時条件データの予測値は同じであってもよい。

そして、算出部１１は、推定モデルと、複数の条件パターン各々とを用いて、対象期間における推定対象（例：第１乃至第３の評価値、第１乃至第３の評価値を算出するための値）の推定値を算出する。その後、算出部１１は、推定値に基づき特定される評価値（例：第１乃至第３の評価値）が最大となる条件パターンを特定し、特定した条件パターン（以下、最適条件パターン）に基づき最適解を決定する。

例えば、算出部１１は、最適条件パターンで示される所定の商品（例：第１の入力で複数の販売価格の候補を指定されていた商品）の販売価格、又は、所定の複数の商品（例：第１の入力で複数の販売価格の候補を指定されていた複数の商品）の販売価格の組み合わせを、最適解として決定してもよい。または、算出部１１は、最適条件パターンで示される販売価格が、通常価格と異なる１つまたは複数の商品を、通常価格と異なる価格で販売する商品の最適解として決定してもよい。または、算出部１１は、通常価格と異なる価格で販売する商品の最適条件パターンで示される販売価格を、その商品の販売価格の最適解として決定してもよい。

図２に戻り、出力部１２は、算出部１１の算出結果を出力する。具体的には、出力部１２は、算出部１１が算出した最適解を出力する。その他、出力部１２は、上記最適条件パターンに基づき算出された第１の評価値、第２の評価値又は第３の評価値をさらに出力してもよい。また、上述した異種混合予測モデルを推定モデルとして用いた場合、出力部１２は、予測式（図４参照）に基づき把握される内容をさらに出力してもよい。予測式（図４参照）に基づき把握される内容は、上述の通りである。

出力部１２による出力方法は制限されず、ディスプレイ、投影装置、プリンター、メーラ等のあらゆる出力装置を介して実現される。

なお、上述した第１の入力と上述した第４の入力は同じ入力であってもよい。すなわち、入力受付部１３は、一部または全部の商品に対応して販売価格の候補を指定する入力を、第１の入力及び第４の入力として受付けてもよい。入力受付部１３は、販売価格の候補を指定された商品を、第４の入力で指定された商品として受付ける。

また、上述した第１の入力と上述した第２の入力は同じ入力であってもよい。すなわち、入力受付部１３は、一部の商品に対応して販売価格の候補を指定する入力を、第１の入力及び第２の入力として受付けてもよい。入力受付部１３は、販売価格の候補を指定された商品を、第２の入力で指定された商品として受付ける。

また、上述した第２の入力と上述した第４の入力は同じ入力であってもよい。すなわち、入力受付部１３は、店舗で販売される商品の中から一部を指定する入力を、第２の入力及び第４の入力として受付けてもよい。

次に、図５のフローチャートを用いて、本実施形態の処理装置１０の処理の流れの一例を説明する。

入力受付工程Ｓ１０では、入力受付部１３が各種入力を受付ける。例えば、入力受付部１３は、対象期間の販売時条件データ及び／又は販売時条件データの予測値の入力を受付ける。入力受付部１３は、上述した第１乃至第４の入力の中の少なくとも１つを受付けてもよい。

算出工程Ｓ１１では、算出部１１が、上述した推定モデル、及び、対象期間の販売時条件データ及び／又は販売時条件データの予測値を用いて、所定の評価値を最大化する最適解を算出する。

出力工程Ｓ１２では、出力部１２が、算出部１１の算出結果を出力する。

次に、本実施形態の作用効果について説明する。本実施形態の処理装置１０は、所定の評価値を最大化する最適解を算出し、出力することができる。

例えば、本実施形態の処理装置１０は、商品を販売する店舗全体での売上及び／又は利益に基づき示される第１の評価値を最大化する最適解を算出し、出力することができる。店舗での特売を計画する店舗の担当者は、第１の評価値を最大化する最適解に基づき特売する商品の選択や特売価格の設定等を行うことで、特売により店舗全体での売上及び／又は利益を向上させることができる。

その他、本実施形態の処理装置１０は、店舗で販売される一部の商品群全体での売上及び／又は利益に基づき示される第２の評価値を最大化する最適解を算出し、出力することができる。店舗での特売を提案するメーカーの担当者は、自社商品群に関する第２の評価値を最大化する最適解に基づき特売する商品の選択や特売価格の設定等を店舗に提案することで、特売により自社商品全体での売上及び／又は利益を向上させることができる。また、店舗で扱う商品の中の一部の商品群（例：あるカテゴリーの商品群）の売上を戦略的に伸ばしたい店舗の担当者は、その一部の商品群に関する第２の評価値を最大化する最適解に基づき特売する商品の選択や特売価格の設定等を行うことで、特売によりその一部の商品群全体での売上及び／又は利益を向上させることができる。

その他、本実施形態の処理装置１０は、上記第１の評価値及び第２の評価値に基づき算出される第３の評価値を最大化する最適解を算出し、出力することができる。店舗での特売を提案するメーカーの担当者は、第１の評価値及び自社商品群に関する第２の評価値に基づく第３の評価値を最大化する最適解に基づき特売する商品の選択や特売価格の設定等を店舗に提案することで、特売により、店舗全体での売上及び／又は利益、及び、自社商品全体での売上及び／又は利益をバランスよく向上させることができる。

このように、本実施形態の処理装置１０によれば、最適な特売内容を決定することが可能となる。

また、本実施形態の処理装置１０によれば、複数の商品各々の販売価格の候補を指定する第１の入力を受付けることができる。特売候補の商品群に対してのみ、複数の販売価格の候補を指定することで、特売候補の商品群の中から、特売する商品を絞り込むことが可能となる。すなわち、特売候補以外の商品を特売するという好ましくない解を得る不都合を回避できる。また、販売価格の候補を予め指定することで、実現困難な販売価格（例：仕入価格よりも安い）が最適解として算出される不都合を回避できる。

また、本実施形態の処理装置１０によれば、店舗で販売される商品の中から一部を指定する第２の入力を受付けることができる。そして、第２の入力で指定された一部の商品群全体での売上及び／又は利益に基づき、第２の評価値を示すことができる。このように、第２の評価値に関する商品群をユーザが指定できる本実施形態によれば、シミュレーションできる内容の幅が広がり好ましい。

また、本実施形態の処理装置１０によれば、第３の評価値を最大化する最適解を算出する処理に関連して、第１の評価値及び第２の評価値のうち、重視する評価値を選択する、又は、第１の評価値及び第２の評価値における重視する比率を指定する第３の入力を受付けることができる。そして、第３の入力で選択又は指定された内容に基づき、第３の評価値を算出することができる。このように、第３の評価値における設計内容をユーザが指定できる本実施形態によれば、シミュレーションできる内容の幅が広がり好ましい。

また、本実施形態の処理装置１０によれば、店舗で販売される商品の中から一部又は全部を指定する第４の入力を受付けることができる。そして、第４の入力で指定された一の商品の販売価格の最適解、第４の入力で指定された複数の商品の販売価格の組み合わせの最適解、第４の入力で指定された複数の商品の中から通常価格と異なる価格で販売する商品を選択する処理の最適解、及び、第４の入力で指定された複数の商品の中から選択された通常価格と異なる価格で販売する商品の販売価格の最適解の中の少なくとも１つを算出することができる。例えば、ユーザは、特売候補を第４の入力で指定することで、特売候補に関する最適解を得ることができる。すなわち、特売候補以外の商品を特売するという好ましくない解を得る不都合を回避できる。

また、本実施形態の処理装置１０によれば、さらに、店舗における機会損失を低減することができる。その理由は、処理装置１０は、販売すべき商品と、その商品の販売個数とを、ユーザに提示することができる。そのため、ユーザは、当該商品と販売個数とに基づいて、メーカーへ商品を発注することができる。即ち、ユーザは、与えられた情報に基づいて、商品を予め準備することができるからである。

１Ａ プロセッサ
２Ａ メモリ
３Ａ 入出力Ｉ／Ｆ
４Ａ 周辺回路
５Ａ バス
１０ 処理装置
１１ 算出部
１２ 出力部
１３ 入力受付部

Claims (11)

1. 商品の売上データ及び販売時の条件を示す販売時条件データに基づき得られた推定モデルを用いて、一の商品の販売価格の最適解、複数の商品の販売価格の組み合わせの最適解、通常価格と異なる価格で販売する商品の最適解、及び、通常価格と異なる価格で販売する商品の販売価格の最適解の中の少なくとも１つを算出する算出手段と、
   前記算出手段の算出結果を出力する出力手段と、
   を有し、
   前記算出手段は、
   店舗で販売される一部の商品群全体での売上及び／又は利益に基づき算出される第２の評価値、又は、店舗全体での売上及び／又は利益に基づき示される第１の評価値と前記第２の評価値とに基づき算出される第３の評価値を最大化する前記最適解を算出し、
   予め登録された商品の関連性を示す情報に基づき、ユーザが選択した商品に関連する商品を抽出し、ユーザが選択した商品と、当該抽出した商品とを前記一部の商品群として前記第２の評価値を算出する処理装置。
2. 請求項１に記載の処理装置において、
   前記算出手段は、対象期間の前記販売時条件データ及び／又は前記販売時条件データの予測値をさらに用いて、前記最適解を算出する処理装置。
3. 請求項１又は２に記載の処理装置において、
   複数の商品各々の販売価格の候補を指定する第１の入力を受付ける入力受付手段をさらに有し、
   前記算出手段は、前記第１の入力で指定された販売価格をさらに用いて、前記最適解を算出する処理装置。
4. 請求項１から３のいずれか１項に記載の処理装置において、
   前記算出手段は、商品を販売する店舗全体での売上及び／又は利益に基づき示される第１の評価値、前記店舗で販売される一部の商品群全体での売上及び／又は利益に基づき示される第２の評価値、又は、前記第１の評価値及び前記第２の評価値に基づき算出される第３の評価値を最大化する前記最適解を算出する処理装置。
5. 請求項４に記載の処理装置において、
   店舗で販売される商品の中から一部を指定する第２の入力を受付ける入力受付手段をさらに有し、
   前記第２の評価値は、前記第２の入力で指定された一部の商品群全体での売上及び／又は利益に基づき示される処理装置。
6. 請求項４に記載の処理装置において、
   前記算出手段は、前記第３の評価値を最大化する前記最適解を算出し、
   前記第１の評価値及び前記第２の評価値のうち、重視する評価値を選択する、又は、前記第１の評価値及び前記第２の評価値における重視する比率を指定する第３の入力を受付ける入力受付手段をさらに有し、
   前記算出手段は、前記第３の入力で選択又は指定された内容に基づき、前記第３の評価値を算出する処理装置。
7. 請求項１から６のいずれか１項に記載の処理装置において、
   店舗で販売される商品の中から一部又は全部を指定する第４の入力を受付ける入力受付手段をさらに有し、
   前記算出手段は、前記第４の入力で指定された一の商品の販売価格の最適解、前記第４の入力で指定された複数の商品の販売価格の組み合わせの最適解、前記第４の入力で指定された複数の商品の中から通常価格と異なる価格で販売する商品を選択する処理の最適解、及び、前記第４の入力で指定された複数の商品の中から選択された通常価格と異なる価格で販売する商品の販売価格の最適解の中の少なくとも１つを算出する処理装置。
8. 請求項１から７のいずれか１項に記載の処理装置において、
   前記販売時条件データは、商品情報、カレンダデータ、気象データ、過去の売上げ傾向を示す情報、商品を販売する店舗のイベント情報、店舗周辺において開催されるイベント情報、及び、競合店に関する競合店情報の中の少なくとも１つを含む処理装置。
9. 請求項１から８のいずれか１項に記載の処理装置において、
   前記算出手段は、ユーザが選択した商品と同じ商品カテゴリに属する商品、ユーザが選択した商品と類似する商品、ユーザが選択した商品のメーカーが取り扱う商品、又は、ユーザが選択した商品と共に購入される傾向がある商品を、ユーザが選択した商品に関連する商品として抽出する処理装置。
10. コンピュータが、
    商品の売上データ及び販売時の条件を示す販売時条件データに基づき得られた推定モデルを用いて、一の商品の販売価格の最適解、複数の商品の販売価格の組み合わせの最適解、通常価格と異なる価格で販売する商品の最適解、及び、通常価格と異なる価格で販売する商品の販売価格の最適解の中の少なくとも１つを算出する算出工程と、
    前記算出工程での算出結果を出力する出力工程と、
    を実行し、
    前記算出工程では、
    店舗で販売される一部の商品群全体での売上及び／又は利益に基づき算出される第２の評価値、又は、店舗全体での売上及び／又は利益に基づき示される第１の評価値と前記第２の評価値とに基づき算出される第３の評価値を最大化する前記最適解を算出し、
    予め登録された商品の関連性を示す情報に基づき、ユーザが選択した商品に関連する商品を抽出し、ユーザが選択した商品と、当該抽出した商品とを前記一部の商品群として前記第２の評価値を算出する処理方法。
11. コンピュータを、
    商品の売上データ及び販売時の条件を示す販売時条件データに基づき得られた推定モデルを用いて、一の商品の販売価格の最適解、複数の商品の販売価格の組み合わせの最適解、通常価格と異なる価格で販売する商品の最適解、及び、通常価格と異なる価格で販売する商品の販売価格の最適解の中の少なくとも１つを算出する算出手段、
    前記算出手段の算出結果を出力する出力手段、
    として機能させ、
    前記算出手段は、
    店舗で販売される一部の商品群全体での売上及び／又は利益に基づき算出される第２の評価値、又は、店舗全体での売上及び／又は利益に基づき示される第１の評価値と前記第２の評価値とに基づき算出される第３の評価値を最大化する前記最適解を算出し、
    予め登録された商品の関連性を示す情報に基づき、ユーザが選択した商品に関連する商品を抽出し、ユーザが選択した商品と、当該抽出した商品とを前記一部の商品群として前記第２の評価値を算出するプログラム。

Images