JP7171154B1 - 情報出力装置、情報出力方法及びプログラム - Google Patents

Abstract

【課題】どのくらいの人数を店舗に配置すれば、店舗の販売活動の成果がどの程度になるかをユーザが把握する。【解決手段】対象事業者の商品の対象施設における測定期間内の販売量と、少なくとも一つの別の事業者の商品の対象施設における測定期間内の販売量との関係を示すシェア情報を取得する取得部２４１と、対象事業者が対象施設において測定期間よりも後の予測期間内に実施する販売活動に割り当てるスタッフ数を特定する特定部２４２と、機械学習モデルに対し、取得部２４１が取得したシェア情報及び特定部２４２が特定したスタッフ数を示す情報をデータセットとして入力し、機械学習モデルが出力する対象事業者の商品の対象施設における予測期間内の予測販売量を取得することにより、対象事業者の商品の予測期間内の予測販売量を推定する推定部２４３と、予測販売量を出力する出力部２４４と、を備える。【選択図】図６

Description

本発明は、販売活動の成果を推定する情報出力装置、情報出力方法及びプログラムに関する。

人員の有効活用を目的として、店舗に配置する人員の人数をシミュレーションにより決定することが提案されている（例えば、特許文献１を参照）。

特開２０００－２４２６９０号公報

店舗においては、複数の業者により提供される同様の商品を販売していることが多い。このような場合、ある業者の商品の販売量を増やすために店舗に配置する人員の人数を増やすことにより他の業者の商品の販売量も変化することが想定される。したがって、店舗の管理者にとっては、店舗に配置する人員の人数を増やすことが販売量の増加にどのように影響するかを把握することが困難であった。

本発明は上記の事情に鑑みてなされたものであり、どの程度の人数を店舗に配置すれば、この店舗の販売活動の成果がどの程度になるかをユーザが把握することができるようにすることを目的とする。

本発明の第１の態様の情報出力装置は、対象事業者の商品の対象施設における測定期間内の販売量と、少なくとも一つの別の事業者の商品の当該対象施設における前記測定期間内の販売量との関係を示すシェア情報を取得する取得部と、前記対象事業者が前記対象施設において前記測定期間よりも後の予測期間内に実施する販売活動に割り当てるスタッフ数を特定する特定部と、所定事業者の商品を販売するスタッフ数と、前記所定事業者の商品の販売量と当該所定事業者とは異なる少なくとも一つの他事業者の商品の販売量との関係を示すシェア情報と、を少なくとも含むデータセットが入力されると前記所定事業者の商品の予測販売量を出力する機械学習モデルに対し、前記取得部が取得した前記シェア情報及び前記特定部が特定した前記スタッフ数を示す情報を前記データセットとして入力し、前記機械学習モデルが出力する前記対象事業者の商品の前記対象施設における前記予測期間内の予測販売量を取得することにより、当該予測販売量を推定する推定部と、前記予測販売量を出力する出力部と、を備える。

前記機械学習モデルは、所定事業者の商品を販売するスタッフ数と、前記所定事業者の商品の販売量と前記少なくとも一つの他事業者の商品の販売量との関係を示すシェア情報と、前記所定事業者の商品を購入したユーザの属性の統計情報と、を少なくとも含むデータセットが入力されると前記所定事業者の商品の予測販売量を出力し、前記取得部は、前記対象施設において前記測定期間内に前記対象事業者の商品を購入した複数のユーザの属性の統計量を示す属性統計情報をさらに取得し、前記推定部は、前記機械学習モデルに対し、前記取得部が取得した前記シェア情報と前記スタッフ数を示す情報とに加えて、前記属性統計情報を前記データセットとして入力することにより前記機械学習モデルが出力する前記予測販売量を取得してもよい。

前記取得部は、複数の事業者のうちのいずれか一つ以上の事業者の商品のユーザが当該複数の事業者のうちの別の事業者の商品のユーザに移行した数に対する、当該複数の事業者のうちのいずれか一つ以上の事業者の商品のユーザが前記対象事業者の商品のユーザに移行した数の割合を示す前記シェア情報を取得してもよい。

前記特定部は、前記対象事業者が前記予測期間内に実施する販売活動に割り当てるスタッフ数の候補である第１スタッフ数と、当該対象事業者が当該販売活動に割り当てるスタッフ数の別の候補である第２スタッフ数とを特定し、前記出力部は、前記第１スタッフ数に対応する前記予測販売量である第１予測販売量と、前記第２スタッフ数に対応する前記予測販売量である第２予測販売量とをそれぞれ出力してもよい。

前記出力部は、前記機械学習モデルが出力する前記対象事業者の商品の前記対象施設における前記予測販売量として、携帯電話機の販売数、携帯電話機の販売金額、携帯電話機の回線の契約数の少なくともいずれかを出力してもよい。

前記推定部は、前記所定事業者の複数の施設における第１期間内の販売量のそれぞれと、前記少なくとも一つの他事業者の同じ前記施設における同じ前記第１期間内の販売量との関係をそれぞれ示す基準シェアデータと、前記所定事業者が前記複数の施設において前記第１期間よりも後の第２期間において実施した販売活動に割り当てたスタッフ数を示す基準スタッフ数データと、前記所定事業者が前記複数の施設において前記第２期間内に販売した商品の販売量とを含む教師データを学習した前記機械学習モデルに対し、前記取得部が取得した前記シェア情報及び前記スタッフ数を示す情報を前記データセットとして入力し、前記機械学習モデルが出力する前記対象事業者の商品の前記対象施設における前記予測期間内の前記予測販売量を取得することにより、当該予測販売量を推定してもよい。

前記推定部は、前記所定事業者が前記第２期間において実施した販売活動に割り当てた所定期間ごとのスタッフ数を含む前記基準スタッフ数データを含む前記教師データを学習した前記機械学習モデルが出力する前記対象事業者の商品の前記対象施設における前記予測期間内の前記予測販売量を取得してもよい。

前記推定部は、前記少なくとも一つの他事業者が前記第２期間において実施した販売活動に割り当てた前記所定期間ごとのスタッフ数をさらに含む前記基準スタッフ数データをさらに含む前記教師データを学習した前記機械学習モデルが出力する前記対象事業者の商品の前記対象施設における前記予測期間内の前記予測販売量を取得してもよい。

前記推定部は、前記所定事業者の複数の施設における第１期間内の販売量のそれぞれと、前記少なくとも一つの他事業者の同じ前記施設における同じ前記第１期間内の販売量との関係を、当該第１期間を分割した所定の分割期間ごとに示す前記基準シェアデータを含む前記教師データを学習した前記機械学習モデルが出力した前記対象事業者の商品の前記対象施設における前記予測期間内の前記予測販売量を取得してもよい。

前記推定部は、前記複数の施設において前記所定事業者の商品を提供する代理店運営者を識別する代理店識別データをさらに含む前記教師データを学習した前記機械学習モデルが出力した前記対象事業者の商品の前記対象施設における前記予測期間内の前記予測販売量を取得してもよい。

本発明の第２の態様の情報出力方法は、コンピュータが実行する、対象事業者の商品の対象施設における測定期間内の販売量と、少なくとも一つの別の事業者の商品の当該対象施設における前記測定期間内の販売量との関係を示すシェア情報を取得するステップと、前記対象事業者が前記対象施設において前記測定期間よりも後の予測期間内に実施する販売活動に割り当てるスタッフ数を特定するステップと、所定事業者の商品を販売するスタッフ数と、前記所定事業者の商品の販売量と当該所定事業者とは異なる少なくとも一つの他事業者の商品の販売量との関係を示すシェア情報と、を含むデータセットが入力されると前記所定事業者の商品の予測販売量を出力する機械学習モデルに対し、取得した前記シェア情報と特定した前記スタッフ数を示す情報を前記データセットとして入力し、前記機械学習モデルが出力する前記対象事業者の商品の前記対象施設における前記予測期間内の予測販売量を取得することにより、前記対象事業者の商品の前記予測期間内の前記予測販売量を推定するステップと、前記予測販売量を出力するステップと、を備える。

本発明の第３の態様のプログラムは、コンピュータに、対象事業者の商品の対象施設における測定期間内の販売量と、少なくとも一つの別の事業者の商品の当該対象施設における前記測定期間内の販売量との関係を示すシェア情報を取得するステップと、前記対象事業者が前記対象施設において前記測定期間よりも後の予測期間内に実施する販売活動に割り当てるスタッフ数を特定するステップと、所定事業者の商品を販売するスタッフ数と、前記所定事業者の商品の販売量と当該所定事業者とは異なる少なくとも一つの他事業者の商品の販売量との関係を示すシェア情報と、を少なくとも含むデータセットが入力されると前記所定事業者の商品の予測販売量を出力する機械学習モデルに対し、取得した前記シェア情報及び特定した前記スタッフ数を示す情報を前記データセットとして入力し、前記機械学習モデルが出力する前記対象事業者の商品の前記対象施設における前記予測期間内の予測販売量を取得することにより、前記対象事業者の商品の前記予測期間内の前記予測販売量を推定するステップと、前記予測販売量を出力するステップと、を実行させる。

本発明によれば、どの程度の人数を店舗に配置すれば、この店舗の販売活動の成果がどの程度になるかをユーザが把握することができるようにするという効果を奏する。

第１の実施形態の情報出力システムの概要を説明するための図である。 情報端末の構成を示す。 操作受付部が受け付ける情報の例を示す。 管理者がスタッフ数を指定する例を示す図である。 シェア情報の一例を示す図である。 情報出力装置の構成を示す。 推定部による予測販売量の推定結果の例を示す。 推定部による予測販売量の推定結果の例を示す。 機械学習部の機械学習モデルの生成に用いられる教師データの例を示す。 機械学習部の機械学習モデルが推定した売上量の予測値と、売上量の真値との一致度を示す。 情報出力装置による予測販売量の推定の処理手順を示すフローチャートである。

＜第１の実施形態＞
［情報出力システムＳの概要］
図１は、第１の実施形態の情報出力システムＳの概要を説明するための図である。情報処理システムＳは、所定事業者の商品の予測販売量を推定する。情報処理システムＳは、複数の情報端末１００と、情報出力装置２００とを備える。情報端末１００は、情報処理システムＳが予測販売量を推定する対象となる商品を販売する店舗の管理者（例えば店員）が使用するコンピュータである。商品は任意であるが、例えば、通信機器及び通信回線を提供するサービスである。本明細書において、情報処理システムＳが予測販売量を推定する対象となる商品を販売する店舗等の施設を対象施設という。情報端末１００は、ネットワークを介して、情報出力装置２００と通信する。

情報端末１００は、対象施設における管理者から各種の操作を受け付ける。情報端末１００は、例えばシェア情報を入力する操作を受け付ける。シェア情報は、情報出力システムＳが予測販売量を推定する対象となる商品を提供する事業者である対象事業者の商品の対象施設における測定期間内の販売量と、少なくとも一つの別の事業者の商品のこの対象施設における測定期間内の販売量との関係を示す情報である。測定期間は、商品の予測販売量を推定するために用いられる販売量の実績を測定する対象の期間であり、例えば、数ヶ月である。

情報端末１００は、対象事業者が対象施設において測定期間よりも後の予測期間内に実施する販売活動に割り当てるスタッフ数を指定する管理者の操作を受け付ける。情報端末１００は、受け付けたシェア情報と、受け付けたスタッフ数を示すスタッフ数情報とを情報出力装置２００へ送信する（図１中の（１））。

情報出力装置２００は、ネットワークを介して、複数の情報端末１００と通信する。情報出力装置２００は、シェア情報及びスタッフ数情報を情報端末１００から取得する。情報出力装置２００は、取得したスタッフ数情報に基づいて、対象事業者が対象施設において測定期間よりも後の予測期間内に実施する販売活動に割り当てるスタッフ数を特定する。

情報出力装置２００は、機械学習モデルを用いて、対象施設において予測期間内に販売される対象事業者の商品の予測販売量を推定する。この機械学習モデルは、所定事業者の商品の販売量と当該所定事業者とは異なる少なくとも一つの他事業者の商品の販売量との関係を示すシェア情報と、所定事業者の商品を販売するスタッフ数と、を少なくとも含むデータセットが入力されると所定事業者の商品の予測販売量を出力するものとする。

情報出力装置２００は、情報端末１００から取得したシェア情報及び特定したスタッフ数を示すスタッフ数情報を少なくとも含むデータセットを機械学習モデルに入力し、対象施設において予測期間内に対象事業者が商品を販売する予測販売量を機械学習モデルに出力させる。情報出力装置２００は、この予測販売量を情報端末１００へ出力する（図１中の（２））。

このようにして、情報出力装置２００は、対象事業者の販売量と別の事業者の商品の販売量との関係を参照することにより、管理者が指定したスタッフ数に対応する予測販売量を推定する精度を向上させることができる。このため、管理者は、どの程度の人数を店舗に配置すれば、この店舗の予測販売量がどの程度になるかを予め把握することができる。

［情報端末１００の構成］
図２は、情報端末１００の構成を示す。情報端末１００は、操作部１１、通信部１２、表示部１３，記憶部１４及び制御部１５を備える。制御部１５は、操作受付部１５１、通信制御部１５２及び表示制御部１５３を備える。

操作部１１は、管理者が操作するための操作キー又はタッチパネルである。通信部１２は、情報出力装置２００と通信するためのインターフェースである。表示部１３は、文字又は画像等を表示するためのディスプレイである。

記憶部１４は、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、及びハードディスク等の記憶媒体を含む。記憶部１４は、制御部１５が実行するプログラムを記憶する。また、記憶部１４は、制御部１５が各種の演算を実行する際に必要な各種のデータを記憶する。制御部１５は、例えば、ＣＰＵ（Central Processing Unit）である。制御部１５は、記憶部１４に記憶されたプログラムを実行することにより、操作受付部１５１、通信制御部１５２及び表示制御部１５３として機能する。

操作受付部１５１は、操作部１１を介して、管理者の操作を受け付ける。操作受付部１５１は、対象施設において測定期間内に対象事業者の商品を購入した複数のユーザの属性の統計量の種別を指定するユーザの操作を受け付ける。ユーザの属性の統計量の種別は、対象施設において測定期間内に商品を購入したユーザの平均年齢若しくはこれらのユーザの年齢の標準偏差、又はこれらのユーザの男女比である。また、操作受付部１５１は、対象施設において測定期間内に対象事業者を含む複数の事業者の商品を購入した複数のユーザの属性の統計量の種別を指定するユーザの操作をそれぞれ受け付けてもよい。

図３は、操作受付部１５１が受け付ける情報の例を示す。図３は、操作受付部１５１が受け付けたスタッフ数等の各受付項目と、これらの項目に対応する期間をそれぞれ示す。操作受付部１５１は、図３の上から１段目に示すように、対象事業者が対象施設において測定期間よりも後の予測期間内に実施する販売活動に割り当てるスタッフ数を指定する管理者の操作を受け付ける。対称施設において複数の事業者の商品又はサービスが販売される場合、操作受付部１５１は、対象事業者を含む複数の事業者について、それぞれの事業者が対象施設において予測期間内に実施する販売活動に割り当てるスタッフ数をそれぞれ指定する管理者の操作を受け付ける。なお、操作受付部１５１は、測定期間を受け付けることなく、受け付けた予測期間に基づいて測定期間を決定してもよい。

図４は、管理者がスタッフ数を指定する例を示す図である。図４には、事業者名と、スタッフ数とを示す。事業者名の欄の括弧内には、販売期間を示す。図４の例では、複数の事業者について、全期間（７月第１週から第３週）におけるスタッフの延べ人数と、１週間ごとのスタッフ数とが示されている。例えば、図４の上から１段目に示すように、７月第１週から第３週において事業者Ａが対象施設の販売活動に割り当てるスタッフ数の延べ人数は１２人である。図４の上から２段目に示すように、７月第１週において事業者Ａが対象施設の販売活動に割り当てるスタッフ数は５人である。図４の上から７段目に示すように、７月第２週において事業者Ｂが対象施設の販売活動に割り当てるスタッフ数は、７人である。スタッフ数は、現在の販売活動に割り当てるスタッフ数に対する今後の販売活動に割り当てるスタッフ数の比率であってもよい。

図３の説明に戻る。操作受付部１５１は、図３中の上から２段目に示すように、シェア情報を入力する管理者の操作を受け付ける。操作受付部１５１は、測定期間に対応する１つのシェア情報の入力を受けてもよく、測定期間に含まれる複数の単位期間それぞれに対応する複数のシェア情報の入力を受けてもよい。

シェア情報は、総移行数に対する一つの移行先の事業者への個別移行数の割合であってもよい。総移行数は、複数の事業者のうちのいずれか一つ以上の事業者の商品のユーザが同じ複数の事業者のうちの別の事業者の商品のユーザに移行した数の合計である。個別移行数は、同じ複数の事業者のうちのいずれか一つ以上の事業者の商品のユーザが同じ複数の事業者のうちの特定の事業者の商品のユーザに移行した数である。

一例としては、総移行数は、複数の通信事業者のうちのいずれか一つ以上の通信事業者の通信サービスを利用するユーザがこれらの複数の通信事業者のうちの別の通信事業者の通信サービスのユーザに携帯電話番号ポータビリティ（Mobile Number Portability，ＭＮＰ）を利用して移行した契約数の合計である。個別移行数は、これらの複数の通信事業者のうちのいずれか一つ以上の通信事業者の通信サービスを利用するユーザが特定の事業者の通信サービスのユーザに携帯電話番号ポータビリティを利用して移行した契約数である。

図５は、シェア情報の一例を示す図である。図５の例では、事業者Ａ及び事業者Ｂについて、総移行数に対する個別移行数の割合を１週間ごとに示す。例えば、図５の上から１段目に示すように、７月第１週において総移行数に対する事業者Ａを移行先とする個別移行数の割合は、０．１である。図５の上から５段目に示すように、７月第２週において総移行数に対する事業者Ｂを移行先とする個別移行数の割合は、０．３である。

操作受付部１５１は、図３中の上から３段目及び４段目に示すように、施設の識別情報及び代理店運営者の識別情報を入力する管理者の操作を受け付ける。施設の識別情報は、例えば、通信サービスの販売活動を行う施設を特定するための情報である。代理店運営者の識別情報は、複数の施設において対象事業者の商品を提供する代理店運営者を識別するための情報である

操作受付部１５１は、図３中の上から５段目及び６段目に示すように、対象施設において測定期間内に対象事業者の商品を購入したユーザの平均年齢と、ユーザの年齢の標準偏差とを入力する管理者の操作を受け付ける。操作受付部１５１は、図３中の上から７段目に示すように、対象施設において測定期間内に対象事業者の商品を購入したユーザの男女比率を入力する管理者の操作を受け付ける。また、操作受付部１５１は、図３中に示す情報の一部を入力するユーザの操作を受け付けなくてもよい。

図２の通信制御部１５２は、通信部１２を介して、情報出力装置２００と通信する。通信制御部１５２は、操作受付部１５１が受け付けたスタッフ数を示すスタッフ数情報と、シェア情報と、施設の識別情報と、代理店運営者の識別情報とを情報出力装置２００に送信する。通信制御部１５２は、操作受付部１５１が受け付けた対象事業者の商品を購入した複数のユーザの属性の統計量を示す情報を送信する。例えば、通信制御部１５２は、ユーザの平均年齢を示す情報と、ユーザ年齢の標準偏差を示す情報とを送信する。通信制御部１５２は、ユーザ男女比率を示す情報を送信する。

また、通信制御部１５２は、情報出力装置２００が推定した対象事業者の商品の対象施設における予測期間内の予測販売量を示す情報を情報出力装置２００から受信する。通信制御部１５２は、受信した予測販売量を示す情報を表示制御部１５３へ出力する。

表示制御部１５３は、文字又は画像等を表示部１３に表示する。例えば、表示制御部１５３は、通信制御部１５２が受信した予測販売量を表示部１３に表示する。

［情報出力装置２００の構成］
図６は、情報出力装置２００の構成を示す。情報出力装置２００は、通信部２１、機械学習部２２、記憶部２３及び制御部２４を備える。制御部２４は、取得部２４１、特定部２４２、推定部２４３及び出力部２４４を備える。

通信部２１は、ネットワークを介して、複数の情報端末１００と通信するためのインターフェースである。機械学習部２２は、例えば、Ｌｉｇｈｔ ＧＢＭ法を用いて各種の演算を実行するプロセッサと、Ｌｉｇｈｔ ＧＢＭ法に用いる決定木の深さ等の各種のパラメータを記憶するメモリと、を含んでいる。Ｌｉｇｈｔ ＧＢＭ法は、値の予測が可能な決定木による分析手法であり、データセットのどの項目がどの程度予測に影響を与えているかが分かるという特徴がある。

機械学習部２２は、所定のデータセットが入力されると所定事業者の商品の予測販売量を出力することができる機械学習モデルとして機能する。所定のデータセットは、所定事業者の商品の販売量と当該所定事業者とは異なる少なくとも一つの他事業者の商品の販売量との関係を示すシェア情報、及び所定事業者の商品を販売するスタッフ数を少なくとも含む。

また、機械学習部２２は、シェア情報及びスタッフ数に加えて、所定事業者の商品を購入したユーザの属性の統計情報をさらに含むデータセットが入力されると所定事業者の商品の予測販売量を出力する機械学習モデルとして機能してもよい。

より詳しくは、機械学習部２２は、シェア情報、スタッフ数に加えて、図３に示す施設の識別情報、代理店運営者の識別情報、対象施設において対象事業者の商品を購入したユーザの平均年齢、これらのユーザの年齢の標準偏差及びユーザ男女比率のうちの全て又は一つ以上の情報をさらに含むデータセットが入力されると所定事業者の商品の予測販売量を出力する機械学習モデルとして機能してもよい。

記憶部２３は、ＲＯＭ、ＲＡＭ、及びハードディスク等の記憶媒体を含む。記憶部２３は、制御部２４が実行するプログラムを記憶する。また、記憶部２３は、制御部２４が各種の演算を実行する際に必要な各種のデータを記憶する。制御部２４は、例えば、ＣＰＵである。制御部２４は、記憶部２３に記憶されたプログラムを実行することにより、取得部２４１、特定部２４２、推定部２４３及び出力部２４４として機能する。

取得部２４１は、通信部２１を介して、情報端末１００から各種の情報を取得する。取得部２４１は、対象事業者の商品の対象施設における測定期間内の販売量と、少なくとも一つの別の事業者の商品の当該対象施設における測定期間内の販売量との関係を示すシェア情報を取得する。取得部２４１は、対象施設において測定期間内に対象事業者の商品を購入した複数のユーザの属性の統計量を示す属性統計情報を取得する。

取得部２４１は、対象事業者が対象施設において測定期間よりも後の予測期間内に実施する販売活動に割り当てるスタッフ数を示すスタッフ数情報を取得する。スタッフ数情報は、例えば、対象事業者を含む複数の事業者について、それぞれの事業者が対象施設において予測期間内に実施する販売活動に割り当てるスタッフ数を示す。取得部２４１は、取得したシェア情報及び属性統計情報を推定部２４３へ出力する。取得部２４１は、取得したスタッフ数情報を特定部２４２へ出力する。

［スタッフ数の特定］
特定部２４２は、対象事業者が対象施設において測定期間よりも後の予測期間内に実施する販売活動に割り当てるスタッフ数を特定する。例えば、特定部２４２は、取得部２４１が取得したスタッフ数情報に基づいて、スタッフ数を特定する。本明細書の例では、特定部２４２は、それぞれの事業者が対象施設において予測期間内に実施する販売活動に割り当てるスタッフ数をそれぞれ特定する。

特定部２４２は、対象事業者が予測期間内に実施する販売活動に割り当てるスタッフ数の複数の候補を特定してもよい。例えば、対象事業者が対象施設において予測期間内に実施する販売活動に割り当てるスタッフ数の候補として第１スタッフ数を示す第１スタッフ数情報を取得部２４１が取得し、対象事業者が同じ対象施設においてこの予測期間内に実施する販売活動に割り当てるスタッフ数の別の候補として第２スタッフ数を示す第２スタッフ数情報とを取得したものとする。この場合に、特定部２４２は、第１スタッフ数を販売活動に割り当てるスタッフ数の候補として特定し、第２スタッフ数を販売活動に割り当てるスタッフ数の別の候補として特定する。

また、特定部２４２は、対象事業者を含む複数の事業者が対象施設において予測期間内に実施する販売活動に割り当てる標準的なスタッフ数として記憶部２３に記憶されている値を読み出し、読み出した値を販売活動に割り当てるスタッフ数として特定してもよい。特定部２４２は、特定したスタッフ数を推定部２４３へ出力する。

［予測販売量の推定］
推定部２４３は、機械学習部２２を利用して、対象事業者の商品の予測期間内の予測販売量を推定する。推定部２４３は、機械学習部２２に対し、取得部２４１が取得したシェア情報及び特定部２４２が特定したスタッフ数を示すスタッフ数情報をデータセットとして入力する。推定部２４３は、このデータセットを入力した機械学習部２２が出力する対象事業者の商品の対象施設における予測期間内の予測販売量を取得することにより、当該予測販売量を推定する。

また、推定部２４３は、機械学習部２２に対し、取得部２４１が取得したシェア情報とスタッフ数情報とに加えて、取得した属性統計情報をさらに含むデータセットを入力することにより、機械学習部２２が出力する予測販売量を取得してもよい。

例えば、推定部２４３は、取得部２４１が取得したシェア情報とスタッフ数情報とに加えて、図３に示す施設の識別情報、代理店運営者の識別情報、対象施設において測定期間内に対象事業者の商品を購入したユーザの平均年齢又はこれらのユーザの年齢の標準偏差、あるいは、これらのユーザの男女比率のうちの全て又は一部の情報をさらに含むデータセットを機械学習部２２に入力し、機械学習部２２に対象事業者の商品の予測期間内の予測販売量を出力させることにより、予測販売量を取得してもよい。このようにして、推定部２４３は、ユーザの属性を参照することにより、予測販売量を推定する精度を向上させることができる。

推定部２４３は、特定部２４２が複数のスタッフ数の候補を特定した場合に、これらのスタッフ数の候補に対応する予測販売量をそれぞれ推定する。推定部２４３は、対象事業者が予測期間内に実施する販売活動に割り当てるスタッフ数の候補として第１スタッフ数を特定部２４２が特定した場合に、この第１スタッフ数に対応する予測販売量である第１予測販売量を推定する。推定部２４３は、対象事業者が予測期間内に実施する販売活動に割り当てるスタッフ数の候補として第２スタッフ数を特定部２４２が特定した場合に、この第２スタッフ数に対応する予測販売量である第２予測販売量を推定する。

図７及び図８は、推定部２４３による予測販売量の推定結果の例を示す。図７中の下側左奥から下側手前中央に延びる軸は、対象事業者が対象施設において現在の販売活動に割り当てているスタッフ数に対する対象事業者の今後の販売活動に割り当てるスタッフ数の比率を示す。例えば、スタッフ数の比率が１．０倍である場合、対象事業者が対象施設において今後の販売活動に割り当てるスタッフ数が現在のスタッフ数と同じであることを示している。図７中の下側手前中央から下側右奥に延びる軸は、他の事業者が対象施設において現在の販売活動に割り当てているスタッフ数に対する他の事業者の今後の販売活動に割り当てるスタッフ数の比率を示す。上下に延びる軸は、推定部２４３が推定した対象事業者の予測販売量を示す。図７に示すように、対象事業者が今後の販売活動に割り当てるスタッフ数の比率が大きいほど、推定部２４３が推定する対象事業者の予測販売量は増加する。

図８には、対象事業者が対象施設において販売活動に割り当てる現在のスタッフ数が図７に比べて多い場合の例を示す。図８の例では、現在のスタッフ数が比較的多いため、対象販売者が今後の販売活動に割り当てるスタッフ数が増加しても予測販売量はほとんど増加しない。図７及び図８に示すように、他の事業者が今後の販売活動に割り当てるスタッフ数が変化しても対象事業者の予測販売量はほとんど変化しない。

［予測販売量の出力］
出力部２４４は、通信部２１を介して、情報端末１００と通信する。出力部２４４は、機械学習部２２が出力する対象事業者の商品の対象施設における予測販売量を情報端末１００へ出力する。例えば、出力部２４４は、予測販売量として、携帯電話機の回線の契約数を出力するが、携帯電話機の販売数、携帯電話機の販売金額の少なくともいずれかを出力してもよい。

出力部２４４は、特定部２４２が特定した第１スタッフ数に対応する予測販売量である第１予測販売量と、第２スタッフ数に対応する予測販売量である第２予測販売量とをそれぞれ出力する。例えば、出力部２４４は、第１予測販売量と第２予測販売量とを比較可能なように情報端末１００の表示部１３に並べて表示する。

［機械学習モデルの生成時の処理］
以下、取得部２４１がスタッフ数情報及びシェア情報を情報端末１００から取得する前の処理として、機械学習部２２の機械学習モデルを生成するための機械学習時の処理について説明する。

機械学習部２２の機械学習モデルは、教師データを学習することにより生成される。この教師データは、基準スタッフ数データと、基準シェアデータと、販売量とを少なくとも含む。

基準シェアデータは、所定事業者の複数の施設における第１期間内の販売量のそれぞれと、少なくとも一つの他事業者の同じ施設における第１期間内の販売量との関係をそれぞれ示す。第１期間は、教師データにおいて商品の販売量の実績を測定する対象の期間である。第１期間は、学習済みの機械学習モデルに入力されるデータセットの測定期間に相当する。第１期間は、例えば数か月である。

第１期間を分割した所定の期間を分割期間とする。分割期間は、例えば、１週間である。本明細書の例では、基準シェアデータは、所定事業者の複数の施設における第１期間内の販売量のそれぞれと、少なくとも一つの他事業者の同じ施設における同じ第１期間内の販売量との関係を、分割期間ごとに示す。基準シェアデータは、シェア情報と同様に、複数の移行先の事業者について、第１期間における総移行数に対する個別移行数の割合を分割期間ごとに示す。販売量は、例えば、所定事業者が複数の施設において第１期間よりも後の第２期間内に商品を販売した個数であるが、販売金額又は販売契約の契約数であってもよい。第２期間は、学習済みの機械学習モデルに入力されるデータセットの予測期間に相当する。

基準スタッフ数データは、所定事業者が複数の施設において第２期間において実施した販売活動に割り当てたスタッフ数を含む。例えば、基準スタッフ数データは、所定事業者が第２期間において実施した販売活動に割り当てた所定時間ごとのスタッフ数を含む。基準スタッフ数データは、少なくとも一つの他事業者が第２期間において実施した販売活動に割り当てた所定時間ごとのスタッフ数をさらに含む。本明細書の例では、基準スタッフ数データは、図４に示すスタッフ数データと同様に、所定事業者を含む複数の事業者が第２期間において実施した販売活動に割り当てたスタッフの延べ人数と、これらの複数の事業者が第２期間において実施した販売活動に割り当てた分割期間ごとのスタッフ数とをそれぞれ含む。

また、基準スタッフ数データは、所定事業者を含む複数の事業者が第２期間において実施した販売活動に割り当てたスタッフの延べ人数と、これらの複数の事業者が第２期間において実施した販売活動に割り当てた分割期間ごとのスタッフ数とのいずれか一方を含むものであってもよい。

図９は、機械学習部２２の機械学習モデルの生成に用いられる教師データとして利用され得るデータの種別の例を示す。教師データに含まれるデータの項目と各データに対応する期間を示す。図９に示すように、教師データとして利用され得るデータの種別は、販売量を示すデータと、スタッフ数を示す基準スタッフ数データと、基準シェアデータと、施設の識別データと、代理店運営者の識別データと、ユーザ平均年齢を示すデータと、ユーザの年齢の標準偏差を示すデータと、ユーザの男女比率を示すデータとを含む。「施設の識別データ」は、例えば、通信サービスの販売活動を行う施設を特定するためのデータである。「代理店運営者の識別データ」は、複数の施設において所定事業者の商品を提供する代理店運営者を識別するためのデータである。

「ユーザの平均年齢」は、対象施設において第１期間内に対象事業者の商品を購入したユーザの年齢の平均値である。「ユーザの年齢の標準偏差」は、対象施設において第１期間内に対象事業者の商品を購入したユーザの年齢の標準偏差である。「ユーザ男女比率」は、対象施設において第１期間内に対象事業者の商品を購入したユーザの男女比率である。

教師データは、販売量を示すデータと、スタッフ数を示す基準スタッフ数データと、基準シェアデータと、施設の識別データと、代理店運営者の識別データと、ユーザ平均年齢を示すデータと、ユーザの年齢の標準偏差を示すデータと、ユーザの男女比率を示すデータとを全て含むものに限定されない。教師データは、販売量を示すデータと、スタッフ数を示す基準スタッフ数データとに加えて、基準シェアデータと、施設の識別データと、代理店運営者の識別データと、ユーザ平均年齢を示すデータと、ユーザの年齢の標準偏差を示すデータと、ユーザの男女比率を示すデータとのうちの一つ以上を含むものであってもよい。

［機械学習モデルによる売上量の予測値と真値との比較］
図１０は、機械学習部２２の機械学習モデルが推定した売上量の予測値と、売上量の真値との比較結果を示す。図１０の縦軸は、機械学習モデルが推定した売上量の予測値を示す。図１０の横軸は、売上量の真値を示す。図１０中の白い丸印は、学習時に使用した教師データと同じデータを機械学習モデルに入力した場合に、この機械学習モデルが出力した売上量の予測値と、入力したデータに対応する売上量の真値との関係をプロットした分布を示す。図１０中のハッチングを付した丸印は、テストデータを機械学習モデルに入力し、この機械学習モデルが出力した売上量の予測値と、テストデータに対応する売上量の真値との関係をプロットした分布を示す。

学習時に使用した教師データと同じデータを機械学習モデルに入力した場合の機械学習モデルによる売上量の予測の決定係数（Ｒ２）は、０．９９２であった。テストデータを機械学習モデルに入力した場合の機械学習モデルによる売上量の予測の決定係数は、０．９１７と比較的高い値を示した。

［情報出力装置２００による予測販売量の推定の処理手順］
図１１は、情報出力装置２００による予測販売量の推定の処理手順を示すフローチャートである。この処理手順は、情報端末１００の通信制御部１５２がスタッフ数情報及びシェア情報を情報出力装置２００へ送信したときに開始する。

まず、取得部２４１は、シェア情報を取得する（Ｓ１０１）。特定部２４２は、対象事業者が対象施設において予測期間内に実施する販売活動に割り当てるスタッフ数を特定する（Ｓ１０２）。推定部２４３は、機械学習部２２に対し、取得部２４１が取得したシェア情報及び特定部２４２が特定したスタッフ数を示す情報を含むデータセットを入力する（Ｓ１０３）。推定部２４３は、このデータセットを入力した機械学習部２２に、対象事業者の対象施設における予測期間内の予測販売量を出力させることにより、この予測販売量を推定する（Ｓ１０４）。出力部２４４は、推定部２４３が推定した対象事業者の商品の対象施設における予測販売量を情報端末１００へ出力する（Ｓ１０５）。

取得部２４１は、予測販売量の推定処理を終了させるユーザの指示を情報端末１００から取得したか否かを判定する（Ｓ１０６）。取得部２４１は、予測販売量の推定処理を終了するユーザの指示を情報端末１００から取得したと判定した場合に（Ｓ１０６のＹＥＳ）、処理を終了する。

取得部２４１は、Ｓ１０５の判定において予測販売量の推定処理を終了させるユーザの指示を情報端末１００から取得していないと判定した場合に（Ｓ１０６のＮＯ）、Ｓ１０１の処理に戻る。

＜第２の実施形態＞
第１の実施形態では、推定部２４３は、図３に示すように、特定部２４２が特定したスタッフ数に加えて、取得部２４１が情報端末１００から取得したシェア情報等を含むデータセットを機械学習部２２に入力し、対象施設において予測期間内に対象事業者が商品を販売する予測販売量を機械学習部２２に出力させる場合の例について説明した。

これに対し、第２の実施形態では、推定部２４３は、取得部２４１が取得したスタッフ数情報及びシェア情報等を機械学習部２２に入力する代わりに、特定部２４２が特定したスタッフ数を示すスタッフ数情報と、機械学習部２２の機械学習に用いた教師データに含まれる基準シェアデータ等とを用いて生成した新たなデータセットを機械学習部２２に入力する例について説明する。

記憶部２３は、基準シェアデータと、施設の識別データと、代理店運営者の識別データと、ユーザ平均年齢を示すデータと、ユーザの年齢の標準偏差を示すデータと、ユーザの男女比率を示すデータとを関連付けた教師データを記憶している。推定部２４３は、取得部２４１が施設の識別情報を情報端末１００から取得した場合に、教師データを記憶部２３から読み出す。推定部２４３は、読み出した教師データを参照して、取得部２４１が取得した施設の識別情報と同一の施設の識別データに関連付けて記憶されている基準シェアデータと、ユーザ平均年齢を示すデータと、ユーザの年齢の標準偏差を示すデータと、ユーザの男女比率とを示すデータとを読み出す。

推定部２４３は、特定部２４２が特定したスタッフ数を示すスタッフ数情報に加えて、読み出した基準シェアデータと、読み出したユーザ平均年齢を示すデータと、読み出したユーザの年齢の標準偏差を示すデータと、読み出したユーザの男女比率とを示すデータとを含むデータセットを生成する。推定部２４３は、生成したデータセットを機械学習部２２に入力し、対象施設において予測期間内に対象事業者が商品を販売する予測販売量を機械学習部２２に出力させてもよい。このようにして、推定部２４３は、情報端末１００の管理者がシェア情報等の入力を省略した場合においても予測販売量を推定することができる。

［本発明による効果］
第１の実施形態及び第２の実施形態の推定部２４３は、対象事業者の販売量と別の事業者の商品の販売量との関係を参照することにより、管理者が指定したスタッフ数に対応する予測販売量を推定する精度を向上させることができる。このため、管理者は、どの程度の人数を店舗に配置すれば、この店舗の予測販売量がどの程度になるかを予め把握することができる。

なお、本発明により、国連が主導する持続可能な開発目標（SDGs）の目標９「産業と技術革新の基盤をつくろう」に貢献することが可能となる。

以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されず、その要旨の範囲内で種々の変形及び変更が可能である。例えば、装置の全部又は一部は、任意の単位で機能的又は物理的に分散・統合して構成することができる。また、複数の実施の形態の任意の組み合わせによって生じる新たな実施の形態も、本発明の実施の形態に含まれる。組み合わせによって生じる新たな実施の形態の効果は、もとの実施の形態の効果を併せ持つ。

１１ 操作部
１２ 通信部
１３ 表示部
１４ 記憶部
１５ 制御部
２１ 通信部
２２ 機械学習部
２３ 記憶部
２４ 制御部
１００ 情報端末
１５１ 操作受付部
１５２ 通信制御部
１５３ 表示制御部
２００ 情報出力装置
２４１ 取得部
２４２ 特定部
２４３ 推定部
２４４ 出力部

Claims (12)

1. 対象事業者の商品の対象施設における測定期間内の販売量と、少なくとも一つの別の事業者の商品の当該対象施設における前記測定期間内の販売量との関係を示すシェア情報と、前記対象事業者が前記対象施設において前記測定期間よりも後の予測期間内に実施する販売活動に割り当てるスタッフ数として管理者により指定されたスタッフ数と、を取得する取得部と、
   所定事業者の商品を販売するスタッフ数と、前記所定事業者の商品の販売量と当該所定事業者とは異なる少なくとも一つの他事業者の商品の販売量との関係を示すシェア情報と、を少なくとも含むデータセットが入力されると前記所定事業者の商品の予測販売量を出力する機械学習モデルに対し、前記取得部が取得した前記シェア情報及び前記スタッフ数を示す情報を前記データセットとして入力し、前記機械学習モデルが出力する前記対象事業者の商品の前記対象施設における前記予測期間内の予測販売量を取得することにより、当該予測販売量を推定する推定部と、
   前記予測販売量を出力する出力部と、
   を備える、情報出力装置。
2. 前記機械学習モデルは、所定事業者の商品を販売するスタッフ数と、前記所定事業者の商品の販売量と前記少なくとも一つの他事業者の商品の販売量との関係を示すシェア情報と、前記所定事業者の商品を購入したユーザの属性の統計情報と、を少なくとも含むデータセットが入力されると前記所定事業者の商品の予測販売量を出力し、
   前記取得部は、前記対象施設において前記測定期間内に前記対象事業者の商品を購入した複数のユーザの属性の統計量を示す属性統計情報をさらに取得し、
   前記推定部は、前記機械学習モデルに対し、前記取得部が取得した前記シェア情報と前記スタッフ数を示す情報とに加えて、前記属性統計情報を前記データセットとして入力することにより前記機械学習モデルが出力する前記予測販売量を取得する、
   請求項１に記載の情報出力装置。
3. 前記取得部は、複数の事業者のうちのいずれか一つ以上の事業者の商品のユーザが当該複数の事業者のうちの別の事業者の商品のユーザに移行した数に対する、当該複数の事業者のうちのいずれか一つ以上の事業者の商品のユーザが前記対象事業者の商品のユーザに移行した数の割合を示す前記シェア情報を取得する、
   請求項１又は２に記載の情報出力装置。
4. 前記取得部は、前記対象事業者が前記予測期間内に実施する販売活動に割り当てるスタッフ数として前記管理者により指定されるスタッフ数の候補である第１スタッフ数と、当該対象事業者が当該販売活動に割り当てるスタッフ数として前記管理者により指定されるスタッフ数の別の候補である第２スタッフ数とを取得し、
   前記出力部は、前記第１スタッフ数に対応する前記予測販売量である第１予測販売量と、前記第２スタッフ数に対応する前記予測販売量である第２予測販売量とをそれぞれ出力する、
   請求項１から３のいずれか一項に記載の情報出力装置。
5. 前記出力部は、前記機械学習モデルが出力する前記対象事業者の商品の前記対象施設における前記予測販売量として、携帯電話機の販売数、携帯電話機の販売金額、携帯電話機の回線の契約数の少なくともいずれかを出力する、
   請求項１から４のいずれか一項に記載の情報出力装置。
6. 前記推定部は、前記所定事業者の複数の施設における第１期間内の販売量のそれぞれと、前記少なくとも一つの他事業者の同じ前記施設における同じ前記第１期間内の販売量との関係をそれぞれ示す基準シェアデータと、前記所定事業者が前記複数の施設において前記第１期間よりも後の第２期間において実施した販売活動に割り当てたスタッフ数を示す基準スタッフ数データと、前記所定事業者が前記複数の施設において前記第２期間内に販売した商品の販売量とを含む教師データを学習した前記機械学習モデルに対し、前記取得部が取得した前記シェア情報及び前記スタッフ数を示す情報を前記データセットとして入力し、前記機械学習モデルが出力する前記対象事業者の商品の前記対象施設における前記予測期間内の前記予測販売量を取得することにより、当該予測販売量を推定する、
   請求項１から５のいずれか一項に記載の情報出力装置。
7. 前記推定部は、前記所定事業者が前記第２期間において実施した販売活動に割り当てた所定期間ごとのスタッフ数を含む前記基準スタッフ数データを含む前記教師データを学習した前記機械学習モデルが出力する前記対象事業者の商品の前記対象施設における前記予測期間内の前記予測販売量を取得する、
   請求項６に記載の情報出力装置。
8. 前記推定部は、前記少なくとも一つの他事業者が前記第２期間において実施した販売活動に割り当てた前記所定期間ごとのスタッフ数をさらに含む前記基準スタッフ数データをさらに含む前記教師データを学習した前記機械学習モデルが出力する前記対象事業者の商品の前記対象施設における前記予測期間内の前記予測販売量を取得する、
   請求項７に記載の情報出力装置。
9. 前記推定部は、前記所定事業者の複数の施設における第１期間内の販売量のそれぞれと、前記少なくとも一つの他事業者の同じ前記施設における同じ前記第１期間内の販売量との関係を、当該第１期間を分割した所定の分割期間ごとに示す前記基準シェアデータを含む前記教師データを学習した前記機械学習モデルが出力した前記対象事業者の商品の前記対象施設における前記予測期間内の前記予測販売量を取得する、
   請求項６から８のいずれか一項に記載の情報出力装置。
10. 前記推定部は、前記複数の施設において前記所定事業者の商品を提供する代理店運営者を識別する代理店識別データをさらに含む前記教師データを学習した前記機械学習モデルが出力した前記対象事業者の商品の前記対象施設における前記予測期間内の前記予測販売量を取得する、
    請求項６から９のいずれか一項に記載の情報出力装置。
11. コンピュータが実行する、
    対象事業者の商品の対象施設における測定期間内の販売量と、少なくとも一つの別の事業者の商品の当該対象施設における前記測定期間内の販売量との関係を示すシェア情報と、前記対象事業者が前記対象施設において前記測定期間よりも後の予測期間内に実施する販売活動に割り当てるスタッフ数として管理者により指定されたスタッフ数と、を取得するステップと、
    所定事業者の商品を販売するスタッフ数と、前記所定事業者の商品の販売量と当該所定事業者とは異なる少なくとも一つの他事業者の商品の販売量との関係を示すシェア情報と、を含むデータセットが入力されると前記所定事業者の商品の予測販売量を出力する機械学習モデルに対し、取得した前記シェア情報と前記スタッフ数を示す情報を前記データセットとして入力し、前記機械学習モデルが出力する前記対象事業者の商品の前記対象施設における前記予測期間内の予測販売量を取得することにより、前記対象事業者の商品の前記予測期間内の前記予測販売量を推定するステップと、
    前記予測販売量を出力するステップと、
    を備える、情報出力方法。
12. コンピュータに、
    対象事業者の商品の対象施設における測定期間内の販売量と、少なくとも一つの別の事業者の商品の当該対象施設における前記測定期間内の販売量との関係を示すシェア情報と、前記対象事業者が前記対象施設において前記測定期間よりも後の予測期間内に実施する販売活動に割り当てるスタッフ数として管理者により指定されたスタッフ数と、を取得するステップと、
    所定事業者の商品を販売するスタッフ数と、前記所定事業者の商品の販売量と当該所定事業者とは異なる少なくとも一つの他事業者の商品の販売量との関係を示すシェア情報と、を少なくとも含むデータセットが入力されると前記所定事業者の商品の予測販売量を出力する機械学習モデルに対し、取得した前記シェア情報及び前記スタッフ数を示す情報を前記データセットとして入力し、前記機械学習モデルが出力する前記対象事業者の商品の前記対象施設における前記予測期間内の予測販売量を取得することにより、前記対象事業者の商品の前記予測期間内の前記予測販売量を推定するステップと、
    前記予測販売量を出力するステップと、
    を実行させる、プログラム。

Images