JP7329885B2 - 情報可視化処理装置、情報可視化処理システム、情報可視化処理方法、及び情報可視化処理コンピュータプログラム - Google Patents
情報可視化処理装置、情報可視化処理システム、情報可視化処理方法、及び情報可視化処理コンピュータプログラム Download PDFInfo
- Publication number
- JP7329885B2 JP7329885B2 JP2022024170A JP2022024170A JP7329885B2 JP 7329885 B2 JP7329885 B2 JP 7329885B2 JP 2022024170 A JP2022024170 A JP 2022024170A JP 2022024170 A JP2022024170 A JP 2022024170A JP 7329885 B2 JP7329885 B2 JP 7329885B2
- Authority
- JP
- Japan
- Prior art keywords
- information
- store
- information indicating
- unit
- predetermined
- 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
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Cash Registers Or Receiving Machines (AREA)
Description
一実施形態に係る情報可視化処理システムの構成について、図1乃至図4を参照しつつ説明する。図1は、一実施形態に係る情報可視化処理装置10を含む情報可視化処理システム1の構成を示す概略図である。図2は、一実施形態に係る通行客数取得手段2の構成を示すブロック図である。図3は、一実施形態に係る入店客情報取得手段3の構成を示すブロック図である。図4は、一実施形態に係るPOS情報記憶手段4の構成を示すブロック図である。
通行客数取得手段2は、例えば飲食店、小売店、及び百貨店や複合型ショッピングモールの店舗等の所定店舗の前を通行する通行客数を取得するものである。通行客数取得手段2としては、主に、所定店舗の前を通行する通行客を撮像する撮像機能、撮像された画像等に基づいて通行客数をカウントするカウント機能、カウントされた通行客数に係る情報を時間単位又は日単位等に集計する集計処理機能、及び集計された情報をインターネット等を介して送信する送信機能が組み合わされた一般的な撮像器(ネットワークカメラと称することもある。)を用いることができる。
入店客情報取得手段3は、例えば飲食店、小売店、及び百貨店や複合型ショッピングモールの店舗等の所定店舗内に入店する入店客数を取得するものである。入店客情報取得手段3としては、主に、所定店舗内に入店する入店客を撮像して入店客数をカウントするカウント機能、カウントされた入店客数に係る情報を時間単位又は日単位等に集計する集計処理機能、及び集計された情報をインターネット等を介して送信する送信機能が組み合わされた一般的な撮像器(ネットワークカメラと称することもある。)を用いることができる。
POS情報記憶手段4は、例えば飲食店、小売店、及び百貨店や複合型ショッピングモールの店舗等の所定店舗内で取引(購入)される取引客や取引商品等に係るPOS情報を記憶するものである。ここでいうPOS情報とは、具体的には、所定店舗が提供する商品を取引する所定期間(例えば一日あたり)における取引客数(購買客数)、当該所定期間における取引商品種別毎の商品販売数(商品取引数)、及び当該所定期間における売上に係る、取引実績情報を少なくとも含む。なお、これらの情報以外にも、POS情報としては、例えば、所定期間における総売上を当該所定期間の取引客数で除算して得られる客単価等が含まれていてもよい。さらに、所定店舗の店員又は取引客自身が後述する第3端末装置4Aを操作することにより入手可能な、取引客の性別、年齢、居住地、及び取引客の構成(家族、友人、カップル、仕事関係)等に係る取引客属性に係る情報もPOS情報として記憶されてもよい。
情報可視化処理装置10は、図1に示すように、主に、通行客数情報取得部11、入店客数情報取得部12、POS情報取得部13、天気情報取得部14、アクセス数取得部15、情報格納部20、抽出部21、出力部22、及び計算部23を含み、宿泊者数取得部16等の他の構成要素を含んでいてもよい。また、POS情報取得部13、天気情報取得部14、情報格納部20、抽出部21、及び出力部22のみを構成要素としてもよい。
通行客数情報取得部11は、情報可視化処理装置10において、前述の通行客数取得手段2によって集計された通行客数に係る情報を、通信網50Aを通じて通行客数取得手段2の第1通信部2Dから取得する。この際、通信網50Aにおいて、通行客数情報取得部11と第1通信部2Dとの間の情報の送受信は、前述のとおり、FTPやHTTP等のプロトコルを介して実行される。したがって、通行客数情報取得部11は、第1通信部2Dから集計された通行客数に係る情報を受信する受信部(図示せず)と、後述する情報格納部20へと当該情報を伝達する伝達部(図示せず)から構成されるものということができる。なお、通行客数情報取得部11によって実行される通行客数に係る情報の取得は、通行客数情報取得ステップと捉えることができる。
入店客数情報取得部12は、情報可視化処理装置10において、前述の入店客情報取得手段3によって集計された入店客数に係る情報を、通信網50Aを通じて入店客情報取得手段3の第2通信部3Dから取得する。この際、通信網50Aにおいて、入店客数情報取得部12と第2通信部3Dとの間の情報の送受信は、前述のとおり、FTPやHTTP等のプロトコルを介して実行される。したがって、入店客数情報取得部12は、通行客数情報取得部11と同様、第2通信部3Dから集計された入店客数に係る情報を受信する受信部(図示せず)と、後述する情報格納部20へと当該情報を伝達する伝達部(図示せず)から構成されるものということができる。なお、前述のとおり、入店客情報取得手段3によって時間単位又は日単位での入店客数が集計されない場合には、入店客数情報取得部12又は情報格納部20によって、これらの集計が実行されてもよい。なお、入店客数情報取得部12によって実行される入店客数に係る情報の取得は、入店客数情報取得ステップと捉えることができる。
POS情報取得部13は、情報可視化処理装置10において、前述のPOS情報記憶手段4によって記憶されたPOS情報、とりわけ前述の取引客数(購買客数)、取引商品種別毎の商品販売数(商品取引数)、及び売上に係る情報を、通信網50Aを通じてPOS情報記憶手段4の第3通信部4Dから取得する。この際、通信網50Aにおいて、POS情報取得部13と第3通信部4D間の情報の送受信は、前述のとおり、一般的なFTPやHTTP、API又はスクレイピング処理を介して実行される。なお、POS情報取得部13によって実行されるPOS情報、とりわけ取引客数、商品販売数(商品取引数)、及び売上に係る情報の取得は、POS情報取得ステップと捉えることができる。
天気情報取得部14は、日付又は所定時間毎(例えば、1時間毎)に対応付けて天気情報を提供する天気情報サーバ100から、対象となる所定店舗が属する特定地域の天候及び気温に係る情報を、インターネット等を含む通信網50Bを通じて取得するコンピュータと捉えることができる。天気情報サーバ100は、任意のクライアントに対しウェブブラウザ又はアプリケーションを用いて、晴、雨、曇り、降水量、降水確率等の天候及び最低気温並びに最高気温に係る気温情報を提供するウェブサーバ又はアプリケーションサーバを含まれうる。また、特定地域とは、所定店舗が属する県、市、町、又は村を指すものである。
アクセス数取得部15は、任意店舗の商品、所在地、及び評価に係る情報を少なくとも提供する店舗情報提供サーバ200における対象となる所定店舗のウェブページ、及び当該所定店舗が自ら運営及び提供する所定店舗紹介サーバ201へのアクセス数に係る情報を、インターネット等を含む通信網50Bを通じて取得するコンピュータと捉えることができる。店舗情報提供サーバ200とは、具体的には、任意のクライアントに対しウェブブラウザ又はアプリケーションを用いて、例えば食べログ(登録商標)、ぐるなび(登録商標)、及びRetty(登録商標)等のサービスを提供するウェブサーバ又はアプリケーションサーバが含まれうる。所定店舗紹介サーバ201とは、所定店舗が管理するサーバであって、所定店舗自ら当該所定店舗の商品及び所在地に係る情報を紹介するサーバを指すものとする。
宿泊者数取得部16は、観光情報を提供する観光情報提供サーバ300から、対象となる所定店舗が属する特定地域の宿泊者数(実測の宿泊者数及び予想宿泊者数)に係る情報を、インターネット等を含む通信網50Bを通じて取得するコンピュータと捉えることができる。観光情報提供サーバ300とは、具体的には、任意のクライアントに対しウェブブラウザ又はアプリケーションを用いて、任意地域の実測の宿泊者数と予想宿泊者数、及び任意地域における祭事等のイベント情報等の情報提供を行うウェブサーバ又はアプリケーションサーバが含まれ、例えば公益社団法人日本観光振興協会(観光予報プラットフォーム推進協議会)が管理及び運営する「観光予報プラットフォーム」なる名称のウェブページを提供するウェブサーバ等が挙げられる。特定地域とは、所定店舗が属する県、市、町、又は村を指すものである。
情報格納部20は、図1に示すように、通行客数情報取得部11、入店客数情報取得部12、POS情報取得部13、天気情報取得部14、及びアクセス数取得部15と、ネットワーク上で接続されており、各部が取得した情報を当該各部からリアルタイム又は所定時間毎に取得する。情報格納部20は、例えば、データベース(図示せず)と当該データベースを管理する管理サーバ(図示せず)とを含む周知のデータベースに係るパブリッククラウドサービスを用いることができ、例えば、Microsoft社が提供するMicrosoft Azure(登録商標)上のSQLに係るリレーショナルデータベースサービスを用いることができる。
抽出部21は、後述する出力部22がクライアント端末装置(オペレータ)30a乃至30dのいずれかから受信する指定期間に基づいて、当該指定期間に対応するPOS情報及び所定店舗が属する特定地域の天候及び気温に係る抽出情報を入手すべく、情報格納部20に対してその旨のリクエストを送信する。なお、この場合において、抽出部21は、前述の情報に加えて、通行客数、入店客数、アクセス数、入店客属性、及び/又は取引客属性に係る抽出情報を入手すべく、情報格納部20に対してその旨のリクエストを送信するように構成してもよい。そして、抽出部21は、当該リクエストに対応して情報格納部20から送信される抽出情報を受信する。なお、情報可視化処理装置10に、宿泊者数取得部16が設けられる場合には、抽出部21は、前述の指定期間に対応する宿泊者数に係る抽出情報も、情報格納部20から受信する。
抽出部21が、POS情報としての取引客数に係る情報に加えて、通行客数及び入店客数に係る情報を情報格納部20から入手する場合に、計算部23は、これらの情報を抽出部21から入手して(受信して)、指定期間に対応する入店客数を指定期間に対応する通行客数で除算(入店客数/通行客数)して得られる第1入店率、指定期間に対応する取引客数を指定期間に対応する通行客数で除算(取引客数/通行客数)して得られる第1購買率、及び指定期間に対応する取引客数を指定期間に対応する入店客数で除算(取引客数/入店客数)して得られる第2購買率のうちの少なくともいずれか一つを算出する。なお、事業者の経営判断をより一層効率的に支援する観点でいえば、第1入店率、第1購買率、及び第2購買率の全てを計算部23が算出するようにプログラムすることが好ましい。計算部23によって実行される第1入店率、第1購買率、及び第2購買率の算出は、計算ステップと捉えることができる。
出力部22は、抽出部21が情報格納部20から受信した抽出情報(入店客属性及び取引客属性に係る情報を含む。)を抽出部21から、また、計算部23により算出された第1入店率、第1購買率、第2購買率、及び/又は第2入店率に係る情報を計算部23から各々受信して、これらの情報を、指定期間を指定したクライアント端末装置(クライアント端末装置30a乃至30dのいずれか)にインターネット等の通信回線を用いて出力(送信)する。他方、各クライアント端末装置30a乃至30dには、出力部22から送信される情報を受信(ダウンロードされる場合を含む)する受信部(図示せず)と、当該情報を表示させる表示部30a-1、30b-1、30c-1、及び30d-1が設けられている。したがって、各クライアント端末装置30a乃至30dは、出力部22から前述の抽出情報、及び計算部23により算出された第1入店率等の情報を受信すると、これらの情報がクライアント端末装置30a乃至30dの表示部30a-1、30b-1、30c-1、及び30d-1に表示されるように構成されている。このように、出力部22によってクライアント端末装置30a乃至30dの表示部に様々な情報を表示させることは、表示ステップと捉えることができる。
図1には、一例として4つのクライアント端末装置30a乃至30d(以下「クライアント端末装置30」と総称することがある。)が示されているが、4つに限定されるものではなく、任意の数のクライアント端末装置30を用いることができる。
次に、図5乃至図15を参照しつつ、出力部22から受信した抽出情報等が表示部30-1に表示される例について説明する。図5は、一実施形態に係るクライアント端末装置30の表示部30-1に表示される画面の一例を示す概略図である。図6乃至図10は、図5に示される画面から遷移された別の画面の一例を示す概略図である。図11乃至図15は、一実施形態に係るクライアント端末装置30の表示部30-1に表示される画面の別の例を示す概略図である。なお、図5乃至図15に係る概略図は、前述の抽出部21及び計算部23に公知のBIツールに係るプログラムが組み込まれ、抽出部21において抽出情報等が当該BIツールの形式に変換(加工)され、且つ計算部23において第1入店率等の情報が当該BIツールの形式に変換(加工)されて出力部22へ出力(送信)される場合の一例が示されている。なお、図5乃至図15に係る概略図は、クライアント端末30としてタブレット端末を用いた場合の一例が示されている。
次に、情報可視化処理装置10がサーバ装置として使用される場合における、当該サーバ装置のハードウェア構成について説明する。
情報可視化処理装置10においては、前述した機能に加えて、将来の所定日における所定店舗に入店する入店客数を予測する入店客数予測機能、当該所定日における商品毎の販売数量を予測する販売数量予測機能、及び当該所定日における材料毎の使用量を予測する材料使用量予測機能、を有していてもよい。
情報可視化処理装置10が入店客数予測機能を有する場合、情報可視化処理装置10内には、前述した各構成要素に加えて、例えば、入店客数予測部(図示せず)を有することができる。入店客数予測部は、情報格納部20とネットワーク上で接続されて、情報格納部20に格納された情報のうち、過去の日付毎の所定店舗内に入店する実測の入店客数に係る情報を、少なくとも情報格納部20から取得して、過去の日付毎の実測の入店客数に基づいて、将来の所定日に対応する入店客数を予測することができる。この場合、例えば、移動平均法を用いて将来の所定日に対応する予測入店客数を算出することができる。
情報可視化処理装置10が販売数量予測機能を有する場合、情報可視化処理装置10内には、前述した各構成要素に加えて、例えば、販売数量予測部(図示せず)を有することができる。販売数量予測部は、情報格納部20及び前述の入店客数予測部とネットワーク上で接続されて、情報格納部20に格納された情報のうち、過去の所定期間(例えば、基準日としての現在日から過去1週間又は10日間)に対応する商品毎の商品販売比率に係る情報を取得する。なお、情報格納部20は、当該商品販売比率に係る情報は、POS情報取得部13を介して、POS情報記憶手段4から入手して格納する。販売数量予測部は、取得した商品毎の商品販売比率の移動平均値を算出した上で、商品毎の当該移動平均値と入店客数予測部によって算出された予測入店客数とに基づいて、将来の所定日に対応する商品毎の予測販売数量を算出する。具体的には、例えば、将来の所定日に対応する予測入店客数がX人と算出されたとすると、各商品の予測販売数量は、Xに各商品の商品販売比率の移動平均値を乗じた値として演算される。
情報可視化処理装置10が材料使用量予測機能を有する場合、情報可視化処理装置10内には、前述した各構成要素に加えて、例えば、材料使用量予測部(図示せず)を有することができる。材料使用量予測部は、前述の販売数量予測部とネットワーク上で接続されて、販売数量予測部によって算出された各商品の予測販売数量に係る情報を取得する。また、材料使用量予測部には、各商品に使用される材料毎の材料使用量が予め設定(記憶)される。これにより、材料使用量予測部は、各商品の予測販売数量と予め設定された前述の材料使用量に基づいて、将来の所定日に対応する材料毎の予測材料使用量を算出することができる。
次に、図17乃至図19を参照しつつ、端末装置30の表示部30-1に表示される前述の各種予測内容について説明する。なお、図17乃至図19は、別の実施形態に係るクライアント端末装置30の表示部30-1に表示される画面の一例を示す概略図である。
2 通行客数取得手段
3 入店客情報取得手段
3A 第2撮像部
3E 推定部
4 POS情報記憶手段
10 情報可視化処理装置
11 通行客数情報取得部
12 入店客数情報取得部
13 POS情報取得部
14 天気情報取得部
15 アクセス数取得部
16 宿泊者数取得部
20 情報格納部
21 抽出部
22 出力部
23 計算部
30a、30b、30c、30d クライアント端末装置
30a-1、30b-1、30c-1、30d-1 表示部
100 天気情報サーバ
200 店舗情報提供サーバ
201 所定店舗紹介サーバ
300 観光情報提供サーバ
Claims (20)
- 少なくとも1つのプロセッサにより実行されることにより、
将来の所定日に対応する、所定店舗が属する地域の予想降水量を示す情報、該地域の予想気温を示す情報、曜日を示す情報、及び、休日を示す情報を、機械学習を実行することにより生成された学習済みのニューラルネットワークに入力することにより、前記将来の所定日に対応する前記所定店舗の予測入店客数を示す情報を前記学習済みのニューラルネットワークから出力させ、
過去の複数の日に対応する前記所定店舗の実測入店客数を、1日に含まれる複数の時間帯ごとに集計し、
移動平均法を用いて、各時間帯の入店客数比率を算出し、
前記将来の所定日に対応する前記所定店舗の予測入店客数を各時間帯に細分化する、
ように、前記少なくとも1つのプロセッサを機能させる、ことを特徴とするコンピュータプログラム。 - 前記所定店舗のPOS情報を記憶するPOS情報記憶部から、通信網を介して該POS情報を取得し、
日付又は所定時間毎に対応付けて天気情報を提供する天気情報サーバから、通信網を介して、前記地域の降水量を示す降水量情報及び該地域の気温を示す気温情報を取得し、
前記POS情報、前記降水量情報及び前記気温情報を、カレンダー情報に対応付けて格納部に格納し、
端末装置により指定される指定期間に対応する、前記POS情報、前記降水量情報及び前記気温情報を、前記格納部から抽出し、
抽出された前記POS情報、前記降水量情報及び前記気温情報を、通信網を介して前記端末装置に出力する、
ように、前記少なくとも1つのプロセッサを機能させる、請求項1に記載のコンピュータプログラム。 - 各々が、任意日に対応する、前記地域の実測降水量を示す情報、該地域の実測気温を示す情報、曜日を示す情報、及び、休日を示す情報を含む、第1データセットと、前記任意日に対応する前記所定店舗の実測入店客数を示す情報を含む第2データセットと、を含む複数の教師データを、取得し、
該複数の教師データをニューラルネットワークに入力して学習させることにより、前記学習済みのニューラルネットワークを取得する、
ように、前記少なくとも1つのプロセッサを機能させる、請求項2に記載のコンピュータプログラム。 - 前記複数の教師データを前記格納部から取得するように、前記少なくとも1つのプロセッサを機能させる、請求項3に記載のコンピュータプログラム。
- 任意日に対応する、前記地域の実測降水量を示す情報、該地域の実測気温を示す情報、曜日を示す情報、及び、休日を示す情報を説明変数とし、前記任意日に対応する前記所定店舗の実測入店客数を示す情報を目的変数とする、重回帰式を生成し、
前記将来の所定日に対応する、前記地域の予想降水量を示す情報、該地域の予想気温を示す情報、曜日を示す情報、及び、休日を示す情報を、前記重回帰式に入力することにより、前記将来の所定日に対応する前記所定店舗の予測入店客数を示す情報を取得する、
ように前記少なくとも1つのプロセッサを機能させる、請求項1から請求項4のいずれかに記載のコンピュータプログラム。 - 前記学習済みのニューラルネットワークが、入力層と、該入力層に接続された中間層と、該中間層に接続された出力層と、を含む、請求項1から請求項5のいずれかに記載のコンピュータプログラム。
- 前記学習済みのニューラルネットワークが機械学習を行うことにより生成されたものである、請求項1から請求項6のいずれかに記載のコンピュータプログラム。
- 前記少なくとも1つのプロセッサが、中央処理装置(CPU)、グラフィックスプロセッシングユニット(GPU)及び/又はマイクロプロセッサを含む、請求項1から請求項7のいずれかに記載のコンピュータプログラム。
- 少なくとも1つのプロセッサを具備し、
該少なくとも1つのプロセッサが、
将来の所定日に対応する、所定店舗が属する地域の予想降水量を示す情報、該地域の予想気温を示す情報、曜日を示す情報、及び、休日を示す情報を、機械学習を実行することにより生成された学習済みのニューラルネットワークに入力することにより、前記将来の所定日に対応する前記所定店舗の予測入店客数を示す情報を前記学習済みのニューラルネットワークから出力させ、
過去の複数の日に対応する前記所定店舗の実測入店客数を、1日に含まれる複数の時間帯ごとに集計し、
移動平均法を用いて、各時間帯の入店客数比率を算出し、
前記将来の所定日に対応する前記所定店舗の予測入店客数を各時間帯に細分化する、
ように構成される、ことを特徴とする処理装置。 - 前記学習済みのニューラルネットワークが、入力層と、該入力層に接続された中間層と、該中間層に接続された出力層と、を含む、請求項9に記載の処理装置。
- 前記学習済みのニューラルネットワークが機械学習を行うことにより生成されたものである、請求項9又は請求項10に記載の処理装置。
- 前記少なくとも1つのプロセッサが、中央処理装置(CPU)、グラフィックスプロセッシングユニット(GPU)及び/又はマイクロプロセッサを含む、請求項9から請求項11のいずれかに記載の処理装置。
- 少なくとも1つのプロセッサにより実行される方法であって、
該少なくとも1つのプロセッサが、
将来の所定日に対応する、所定店舗が属する地域の予想降水量を示す情報、該地域の予想気温を示す情報、曜日を示す情報、及び、休日を示す情報を、機械学習を実行することにより生成された学習済みのニューラルネットワークに入力することにより、前記将来の所定日に対応する前記所定店舗の予測入店客数を示す情報を前記学習済みのニューラルネットワークから出力させること、
過去の複数の日に対応する前記所定店舗の実測入店客数を、1日に含まれる複数の時間帯ごとに集計すること、
移動平均法を用いて、各時間帯の入店客数比率を算出すること、並びに、
前記将来の所定日に対応する前記所定店舗の予測入店客数を各時間帯に細分化すること、
を含むことを特徴とする方法。 - 前記学習済みのニューラルネットワークが、入力層と、該入力層に接続された中間層と、該中間層に接続された出力層と、を含む、請求項13に記載の方法。
- 前記学習済みのニューラルネットワークが機械学習を行うことにより生成されたものである、請求項13又は請求項14に記載の方法。
- 前記少なくとも1つのプロセッサが、中央処理装置(CPU)、グラフィックスプロセッシングユニット(GPU)及び/又はマイクロプロセッサを含む、請求項13から請求項15のいずれかに記載の方法。
- 将来の所定日に対応する、所定店舗が属する地域の予想降水量を示す情報、該地域の予想気温を示す情報、曜日を示す情報、及び、休日を示す情報を、機械学習を実行することにより生成された学習済みのニューラルネットワークに入力することにより、前記将来の所定日に対応する前記所定店舗の予測入店客数を示す情報を前記学習済みのニューラルネットワークから出力させ、
過去の複数の日に対応する前記所定店舗の実測入店客数を、1日に含まれる複数の時間帯ごとに集計し、
移動平均法を用いて、各時間帯の入店客数比率を算出し、
前記将来の所定日に対応する前記所定店舗の予測入店客数を各時間帯に細分化する、
ように構成される処理装置と、
前記予測入店客数を示す情報を前記処理装置から受信する、ように構成される端末装置と、
を具備することを特徴とするシステム。 - 前記学習済みのニューラルネットワークが、入力層と、該入力層に接続された中間層と、該中間層に接続された出力層と、を含む、請求項17に記載のシステム。
- 前記学習済みのニューラルネットワークが機械学習を行うことにより生成されたものである、請求項17又は請求項18に記載のシステム。
- 前記処理装置に搭載される少なくとも1つのプロセッサが、中央処理装置(CPU)、グラフィックスプロセッシングユニット(GPU)及び/又はマイクロプロセッサを含む、請求項17から請求項19のいずれかに記載のシステム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022024170A JP7329885B2 (ja) | 2019-09-25 | 2022-02-18 | 情報可視化処理装置、情報可視化処理システム、情報可視化処理方法、及び情報可視化処理コンピュータプログラム |
JP2023125531A JP2023133469A (ja) | 2019-09-25 | 2023-08-01 | 情報可視化処理装置、情報可視化処理システム、情報可視化処理方法、及び情報可視化処理コンピュータプログラム |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019173950A JP7033325B2 (ja) | 2019-09-25 | 2019-09-25 | 情報可視化処理装置、情報可視化処理システム、情報可視化処理方法、及び情報可視化処理コンピュータプログラム |
JP2022024170A JP7329885B2 (ja) | 2019-09-25 | 2022-02-18 | 情報可視化処理装置、情報可視化処理システム、情報可視化処理方法、及び情報可視化処理コンピュータプログラム |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019173950A Division JP7033325B2 (ja) | 2019-09-25 | 2019-09-25 | 情報可視化処理装置、情報可視化処理システム、情報可視化処理方法、及び情報可視化処理コンピュータプログラム |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023125531A Division JP2023133469A (ja) | 2019-09-25 | 2023-08-01 | 情報可視化処理装置、情報可視化処理システム、情報可視化処理方法、及び情報可視化処理コンピュータプログラム |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2022063338A JP2022063338A (ja) | 2022-04-21 |
JP2022063338A5 JP2022063338A5 (ja) | 2022-10-11 |
JP7329885B2 true JP7329885B2 (ja) | 2023-08-21 |
Family
ID=87577084
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022024170A Active JP7329885B2 (ja) | 2019-09-25 | 2022-02-18 | 情報可視化処理装置、情報可視化処理システム、情報可視化処理方法、及び情報可視化処理コンピュータプログラム |
JP2023125531A Pending JP2023133469A (ja) | 2019-09-25 | 2023-08-01 | 情報可視化処理装置、情報可視化処理システム、情報可視化処理方法、及び情報可視化処理コンピュータプログラム |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023125531A Pending JP2023133469A (ja) | 2019-09-25 | 2023-08-01 | 情報可視化処理装置、情報可視化処理システム、情報可視化処理方法、及び情報可視化処理コンピュータプログラム |
Country Status (1)
Country | Link |
---|---|
JP (2) | JP7329885B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230123686A1 (en) * | 2021-10-19 | 2023-04-20 | Target Brands, Inc. | Store traffic indicator |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005228014A (ja) | 2004-02-13 | 2005-08-25 | Inter Db:Kk | ベイジアンネットワークを用いた来客数予測システム |
JP2005242839A (ja) | 2004-02-27 | 2005-09-08 | Qualica Inc | 店舗管理システム、店舗管理方法及び店舗管理プログラム |
JP2007316746A (ja) | 2006-05-23 | 2007-12-06 | Toshiba Tec Corp | 来店客数予測サーバ及び来店客数予測プログラム |
JP2007316758A (ja) | 2006-05-23 | 2007-12-06 | Toshiba Tec Corp | 来店客数予測サーバ及び来店客数予測プログラム |
JP2007316757A (ja) | 2006-05-23 | 2007-12-06 | Toshiba Tec Corp | 来店客数予測サーバ及び来店客数予測プログラム |
JP2014182520A (ja) | 2013-03-18 | 2014-09-29 | Fujitsu Ltd | 情報処理プログラム、情報処理方法および情報処理装置 |
WO2016151637A1 (ja) | 2015-03-26 | 2016-09-29 | 日本電気株式会社 | 学習モデル生成システム、方法およびプログラム |
CN108664620A (zh) | 2018-05-14 | 2018-10-16 | 南京邮电大学 | 一种店铺客流量预测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04596A (ja) * | 1990-04-18 | 1992-01-06 | Kaoru Tone | 来店客数予測方法及び装置 |
-
2022
- 2022-02-18 JP JP2022024170A patent/JP7329885B2/ja active Active
-
2023
- 2023-08-01 JP JP2023125531A patent/JP2023133469A/ja active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005228014A (ja) | 2004-02-13 | 2005-08-25 | Inter Db:Kk | ベイジアンネットワークを用いた来客数予測システム |
JP2005242839A (ja) | 2004-02-27 | 2005-09-08 | Qualica Inc | 店舗管理システム、店舗管理方法及び店舗管理プログラム |
JP2007316746A (ja) | 2006-05-23 | 2007-12-06 | Toshiba Tec Corp | 来店客数予測サーバ及び来店客数予測プログラム |
JP2007316758A (ja) | 2006-05-23 | 2007-12-06 | Toshiba Tec Corp | 来店客数予測サーバ及び来店客数予測プログラム |
JP2007316757A (ja) | 2006-05-23 | 2007-12-06 | Toshiba Tec Corp | 来店客数予測サーバ及び来店客数予測プログラム |
JP2014182520A (ja) | 2013-03-18 | 2014-09-29 | Fujitsu Ltd | 情報処理プログラム、情報処理方法および情報処理装置 |
WO2016151637A1 (ja) | 2015-03-26 | 2016-09-29 | 日本電気株式会社 | 学習モデル生成システム、方法およびプログラム |
CN108664620A (zh) | 2018-05-14 | 2018-10-16 | 南京邮电大学 | 一种店铺客流量预测方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2023133469A (ja) | 2023-09-22 |
JP2022063338A (ja) | 2022-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hernant et al. | Now what? Evaluating the sales effects of introducing an online store | |
US8200549B1 (en) | Trip comparison system | |
Mantin et al. | Dynamic price dispersion in airline markets | |
JP2018136968A (ja) | マーケティング上のモバイル広告供給に関するシステムと方法 | |
Sana | Price sensitive demand with random sales price–a newsboy problem | |
Varella et al. | Dynamic pricing and market segmentation responses to low-cost carrier entry | |
Kim et al. | The effect of idiosyncratic price movements on short-and long-run performance of hotels | |
Wen et al. | Passenger booking timing for low-cost airlines: A continuous logit approach | |
Mantin et al. | Weekend effect in airfare pricing | |
JP2011164811A (ja) | 情報処理装置及び情報処理システム | |
Huang et al. | Applying a hybrid DEA model to evaluate the influence of marketing activities to operational efficiency on Taiwan’s international tourist hotels | |
CN108171530B (zh) | 一种用于客单价和复购率的提升方法及装置 | |
JP2023133469A (ja) | 情報可視化処理装置、情報可視化処理システム、情報可視化処理方法、及び情報可視化処理コンピュータプログラム | |
Graham et al. | Estimating the value of passing trade from pedestrian density | |
JP2018097628A (ja) | 店舗相関図表示装置および店舗相関図表示システム | |
JP2016212792A (ja) | 商品推薦装置、商品推薦方法及びプログラム | |
Anjos et al. | Maximizing revenue in the airline industry under one-way pricing | |
JP7033325B2 (ja) | 情報可視化処理装置、情報可視化処理システム、情報可視化処理方法、及び情報可視化処理コンピュータプログラム | |
JP2022066769A (ja) | 情報処理装置、情報処理方法、プログラム、アプリケーションプログラム、および情報処理システム | |
CN109949065B (zh) | 属性数据分析的方法和装置 | |
JP7247311B2 (ja) | 情報処理装置、方法、プログラム、プラットフォームを提供するコンピュータ実装方法 | |
US20220222689A1 (en) | Methods and apparatus for surge-adjusted forecasting | |
Epstein et al. | Dynamic effects of store promotions on purchase conversion: Expanding technology applications with innovative analytics | |
Roy et al. | Price expectations and purchase decisions: Evidence from an online store experiment | |
US20220335358A1 (en) | Store supporting system, learning device, store supporting method, generation method of learned model, and program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220921 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220921 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220929 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220929 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221213 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20230208 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230303 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230523 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230529 |
|
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: 20230725 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230801 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7329885 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |