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

Description

特許法第３０条第２項適用 １．公開の事実 （１）公開１ ▲１▼ウェブサイトの掲載日 平成３０年１１月２７日 ▲２▼ウェブサイトのアドレス ｈｔｔｐｓ：／／ｗｗｗ．ｔｏｋｙｏ－ｎｐ．ｃｏ．ｊｐ／ａｒｔｉｃｌｅ／ｎａｔｉｏｎａｌ／ｌｉｓｔ／２０１８１１／ＣＫ２０１８１１２７０２０００２４９．ｈｔｍｌ ▲３▼公開者 株式会社中日新聞社 ▲４▼公開された発明の内容 株式会社中日新聞社が、上記アドレスにより特定される株式会社中日新聞社が管理する東京新聞のウェブサイトにて、本願発明に関連した株式会社ＥＢＩＬＡＢによるサービスの概要と、当該サービスの全国販売が開始された旨を公開した。 （２）公開２ ▲１▼発行日 平成３０年１１月２７日 ▲２▼刊行物 東京新聞 平成３０年１１月２７日付夕刊 ▲３▼公開者 株式会社中日新聞社 ▲４▼公開された発明の内容 株式会社中日新聞社が、東京新聞の平成３０年１１月２７日夕刊にて、本願発明に関連した株式会社ＥＢＩＬＡＢによるサービスの概要と、当該サービスの全国販売が開始された旨を公開した。 （３）公開３ ▲１▼ウェブサイトの掲載日 平成３０年１１月２８日 ▲２▼ウェブサイトのアドレス ｈｔｔｐｓ：／／ｅｂｉｌａｂ．ｊｐ／ｎｅｗｓ／１５５／ ▲３▼公開者 株式会社ＥＢＩＬＡＢ ▲４▼公開された発明の内容 株式会社ＥＢＩＬＡＢが、上記アドレスにより特定される株式会社ＥＢＩＬＡＢのウェブサイトにて、本願発明に関連したサービス（ＴＯＵＣＨ ＰＯＩＮＴ ＢＩ）の販売を開始するとともに、当該サービスの概要説明を行った。 （４）公開４ ▲１▼放送日 平成３０年１２月１２日 ▲２▼放送番組 株式会社ＴＢＳラジオ 森本毅郎・スタンバイ！ ▲３▼公開者 株式会社ＴＢＳラジオ ▲４▼公開された発明の内容 株式会社ＴＢＳラジオ、平成３０年１２月１２日６時３０分から放送した森本毅郎・スタンバイ！という番組にて、本願発明に関連した株式会社ＥＢＩＬＡＢによるサービス（ＴＯＵＣＨ ＰＯＩＮＴ ＢＩ）について公開した。

特許法第３０条第２項適用 （５）公開５ ▲１▼開催日 平成３１年１月３０日 ▲２▼集会名、開催場所 産学官連携シンポジウム「ＩｏＴ・ＡＩ第４次産業革命への挑戦」 ＪＲホテルクレメント高松（香川県高松市浜ノ町１－１） ▲３▼公開者 株式会社ＥＢＩＬＡＢ ▲４▼公開された発明の内容 株式会社ＥＢＩＬＡＢが、平成３１年１月３０日に開催された産学官連携シンポジウムにて、本願発明に関連したサービス（ＴＯＵＣＨ ＰＯＩＮＴ ＢＩ）の概要について説明を行った。 （６）公開６▲１▼開催日 平成３１年２月１日 ▲２▼集会名、開催場所店舗販促ＥＸＰＯ 幕張メッセ（千葉県千葉市美浜区中瀬２丁目１） ▲３▼公開者 株式会社ＥＢＩＬＡＢ ▲４▼公開された発明の内容 株式会社ＥＢＩＬＡＢが、平成３１年２月１日に開催された店舗販促ＥＸＰＯにて、本願発明に関連したサービス（ＴＯＵＣＨ ＰＯＩＮＴ ＢＩ）の概要について説明を行った。 （７）公開７ ▲１▼開催日 平成３１年２月７日 ▲２▼集会名、開催場所 那覇市地域未来投資事業セミナー 沖縄県立図書館３Ｆホール（沖縄県那覇市泉崎１－２０－１） ▲３▼公開者 株式会社ＥＢＩＬＡＢ ▲４▼公開された発明の内容 株式会社ＥＢＩＬＡＢが、平成３１年２月７日に開催された地域未来投資事業セミナーにて、本願発明に関連したサービス（ＴＯＵＣＨ ＰＯＩＮＴ ＢＩ）の概要について説明を行った。 （８）公開８ ▲１▼開催日 平成３１年２月１８日 ▲２▼集会名、開催場所 働き方改革セミナー 鳥取商工会議所（鳥取県本町３－２０１） ▲３▼公開者 株式会社ＥＢＩＬＡＢ ▲４▼公開された発明の内容 株式会社ＥＢＩＬＡＢが、平成３１年２月７日に開催された働き方改革セミナーにて、本願発明に関連したサービス（ＴＯＵＣＨ ＰＯＩＮＴ ＢＩ）の概要について説明を行った。

特許法第３０条第２項適用 （９）公開９ ▲１▼開催日 平成３１年３月４日▲２▼集会名、開催場所 伊予銀行創業１４０周年記念・ＩＲＣ創立１３０周年記念シンポジウム ＡＮＡクラウンプラザホテル松山（愛媛県松山市一番町３－２－１） ▲３▼公開者 株式会社ＥＢＩＬＡＢ ▲４▼公開された発明の内容 株式会社ＥＢＩＬＡＢが、平成３１年３月４日に開催された伊予銀行創業１４０周年記念・ＩＲＣ創立１３０周年記念シンポジウムにて、本願発明に関連したサービス（ＴＯＵＣＨ ＰＯＩＮＴ ＢＩ）の概要について説明を行った。 （１０）公開１０ ▲１▼ウェブサイトの掲載日 平成３１年３月１４日 ▲２▼ウェブサイトのアドレス ｈｔｔｐｓ：／／ｅｂｉｌａｂ．ｊｐ／ ｈｔｔｐｓ：／／ｅｂｉｌａｂ．ｊｐ／ｓｅｒｖｉｃｅ／ ▲３▼公開者 株式会社ＥＢＩＬＡＢ ▲４▼公開された発明の内容 株式会社ＥＢＩＬＡＢが、上記アドレスにより特定される株式会社ＥＢＩＬＡＢのウェブサイトにて、本願発明に関連したサービス（ＴＯＵＣＨ ＰＯＩＮＴ ＢＩ）の提供を開始するとともに、当該サービスの説明を行った。 （１１）公開１１ ▲１▼ウェブサイトの掲載日 令和１年６月１９日 ▲２▼ウェブサイトのアドレスｈｔｔｐｓ：／／ｒ．ｎｉｋｋｅｉ．ｃｏｍ／ａｒｔｉｃｌｅ／ＤＧＸＭＺＯ４５５２８６００Ｒ３０Ｃ１９Ａ５００００００？ｓ＝３ ▲３▼公開者 株式会社日本経済新聞社 ▲４▼公開された発明の内容 株式会社日本経済新聞社が、上記アドレスにより特定される株式会社日本経済新聞社が管理する日経電子版のウェブサイトにて、本願発明に関連した株式会社ＥＢＩＬＡＢによるサービスの概要と、当該サービスの全国販売が開始された旨を公開した。 （１２）公開１２ ▲１▼開催日 令和１年６月２１日 ▲２▼集会名、開催場所 鳥取県地域活性化雇用創造プロジェクト推進協議会 ホテルセントパレス倉吉（鳥取県倉吉市上井１－９－２） ▲３▼公開者 株式会社ＥＢＩＬＡＢ ▲４▼公開された発明の内容 株式会社ＥＢＩＬＡＢが、令和１年６月２１日に開催された鳥取県地域活性化雇用創造プロジェクト推進協議会にて、本願発明に関連したサービス（ＴＯＵＣＨ ＰＯＩＮＴ ＢＩ）の概要について説明を行った。

本出願において開示された技術は、サービス等を提供する店舗に係る様々な情報を可視化する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に関する。

近年、企業等の事業に係る様々な蓄積データ（ビッグデータ）を用いて、当該企業の経営に係る意思決定を支援するＢＩ（Ｂｕｓｉｎｅｓｓ Ｉｎｔｅｌｌｉｇｅｎｃｅ）ツールの重要性が高まっている。ＢＩツールは、主に、膨大なデータを収集し、当該膨大なデータから目的に沿った必要な情報を抽出し、その抽出結果や将来予測等をグラフ等の態様で表示することで、経営判断を支援するものである。

一方、このようなＢＩツールの重要性が高まる以前から、飲食店や小売店等における購買予測や来客予測に係る技術が知られている。例えば、特許文献１には、複数の商品の過去の購買情報から今後売れ筋となる商品を予測する商品需要予測システムが開示されている。また、特許文献２には、電子商取引プラットフォームの商品の予測数量を、商品の評価データに基づいて予測する商品販売予測システムが開示されている。

特開２０１６－１３３８１６号公報 特開２０１６－９９９９５号公報

しかしながら、上記のようなＢＩツールの出現が進む昨今においても、飲食店や小売店等のサービス事業に関しては、未だ有効なＢＩツールは存在しておらず、当該サービス事業の事業者は、勘や経験、もしくはせいぜいＰＯＳ（Ｐｏｉｎｔ Ｏｆ Ｓａｌｅｓ）情報といった限られた情報に頼った経営が成されているのが実状である。一方、特許文献１や特許文献２に記載の予測システムは、基本的に、実際に商品を購入した顧客数に基づいて算出されているため、その確実性はサービス事業者にとって満足いくものに達していない。

そこで、様々な実施態様により、サービス事業、特に飲食店や小売店等の経営支援に有用なＢＩツールとして利用可能な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プログラムを提供する。

一態様に係る情報可視化処理装置は、所定店舗のＰＯＳ情報が記憶されるＰＯＳ情報記憶手段から、前記ＰＯＳ情報を取得するＰＯＳ情報取得部と、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前記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少なくとも取得する天気情報取得部と、前記第ＰＯＳ情報取得部及び前記天気情報取得部から、前記ＰＯＳ情報並びに前記特定地域の天候及び気温に係る情報を取得して、取得した情報をカレンダー情報に対応付けて統合及び格納する情報格納部と、クライアント端末装置から指定される指定期間に基づいて、前記指定期間に対応する前記ＰＯＳ情報、並びに前記特定地域の天候及び気温に係る情報を前記情報格納部から抽出する抽出部と、前記抽出部によって抽出された情報を前記抽出部から取得して前記クライアント端末装置へ出力する出力部と、を具備するものである。

この構成の情報可視化処理装置においては、所定のＰＯＳ情報と前記天候及び前記気温に係る情報が収集された上で、これらの情報は前記カレンダー情報に対応付けられつつ統合されて前記情報格納部に格納されているため、クライアント（利用者又はオペレータ）にとっては、広範且つ網羅的に様々な情報を、所定時間毎又は日毎等所望の指定期間毎に入手することが可能となり、また、事業者は経営判断を効率的に実行することが可能となる。

また、一態様に係る前記情報可視化処理装置において、前記ＰＯＳ情報は、商品を取引する取引客数、取引商品種別毎の商品販売数、及び売上に係る情報を少なくとも含むことが好ましい。

また、一態様に係る前記情報可視化処理装置は、前記所定店舗の前を通行する通行客数を取得する通行客数取得手段から前記通行客数に係る情報を取得する通行客数情報取得部をさらに具備し、前記情報格納部は、前記通行客数情報取得部から、前記通行客数に係る情報をさらに取得して、取得した当該情報を前記カレンダー情報に対応付けて統合及び格納し、前記抽出部は、前記指定期間に対応する前記通行客数に係る情報を前記情報格納部からさらに抽出することが好ましい。

また、一態様に係る前記情報可視化処理装置は、前記所定店舗内に入店する入店客数を少なくとも取得する入店客情報取得手段から、前記入店客数に係る情報を取得する入店客数情報取得部をさらに具備し、前記情報格納部は、前記入店客数情報取得部から、前記入店客数に係る情報をさらに取得して、取得した当該情報を前記カレンダー情報に対応付けて統合及び格納し、前記抽出部は、前記指定期間に対応する前記入店客数に係る情報を前記情報格納部からさらに抽出することが好ましい。

また、一態様に係る前記情報可視化処理装置は、前記指定期間に対応する前記入店客数を前記指定期間に対応する前記通行客数で除算して得られる第１入店率、前記指定期間に対応する前記取引客数を前記指定期間に対応する前記通行客数で除算して得られる第１購買率、及び前記指定期間に対応する前記取引客数を前記指定期間に対応する前記入店客数で除算して得られる第２購買率の少なくともいずれか一つを算出する計算部をさらに具備し、前記出力部は、前記計算部によって算出された前記第１入店率、前記第１購買率、及び前記第２購買率の少なくともいずれか一つを前記演算部から取得して前記クライアント端末装置へ出力することが好ましい。

また、一態様に係る前記情報可視化処理装置は、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における前記所定店舗のウェブページ、及び前記所定店舗が提供する所定店舗紹介サーバへのアクセス数に係る情報を取得するアクセス数取得部をさらに具備し、前記情報格納部は、前記アクセス数取得部から、前記アクセス数に係る情報をさらに取得して、取得した当該情報を前記カレンダー情報に対応付けて統合及び格納し、前記抽出部は、前記指定期間に対応する前記アクセス数に係る情報を前記情報格納部からさらに抽出することが好ましい。

また、一態様に係る前記情報可視化処理装置において、前記ＰＯＳ情報取得部、前記天気情報取得部、前記通行客数情報取得部、前記入店客数情報取得部、前記アクセス数取得部、前記情報格納部、前記抽出部、前記計算部、及び前記出力部はクラウドサーバ上に配されることが好ましい。

また、一態様に係る前記情報可視化処理装置において、前記出力部は、前記抽出部及び前記演算部から取得した情報を、通信回線を介して前記クライアント端末装置に設けられる表示部に対して送信可能であることが好ましい。

また、一態様に係る前記情報可視化処理装置において、前記出力部は、通信回線を介して前記指定期間に係る要求信号を前記クライアント端末装置から受信し、且つ受信した前記要求信号を前記抽出部へと伝達することが好ましい。

また、一態様に係る前記情報可視化処理装置において、観光情報を提供する観光情報提供サーバから前記特定地域の宿泊者数を取得する宿泊者数取得部をさらに備え、前記情報格納部は、さらに前記宿泊者数取得部から前記宿泊者数に係る情報を取得して、取得した情報を前記カレンダー情報に対応付けて統合及び格納し、前記抽出部は、前記指定期間における前記宿泊者数を抽出し、前記計算部は、前記指定期間における前記入店客数を前記指定期間における前記宿泊者数で除算して得られる第２入店率をさらに算出することが好ましい。

また、一態様に係る前記情報可視化処理装置において、前記宿泊者数取得部は、クラウドサーバ上に配されることが好ましい。

また、一態様に係る前記情報可視化処理装置において、前記ＰＯＳ情報取得部は、前記ＰＯＳ情報記憶手段から、取引客属性に係る情報をさらに取得し、前記入店客情報取得手段は、入店客を撮像する撮像部と、前記撮像部によって撮像された前記入店客の複数の特定部分の特徴量に基づいて、前記入店客の少なくとも性別及び年齢を含む入店客属性を推定する推定部と、を有し、前記入店客数情報取得部は、前記入店客情報取得手段から前記入店客属性に係る情報をさらに取得し、前記情報格納部は、前記取引客属性及び前記入店客属性に係る情報をさらに前記カレンダー情報に対応付けて統合及び格納し、前記抽出部は、前記指定期間における前記取引客属性及び前記入店客属性に係る情報をさらに抽出することが好ましい。

また、一態様に係る前記情報可視化処理装置において、前記カレンダー情報は、少なくとも曜日、祝日、及び暦に係る情報を含むことが好ましい。

また、一態様に係る前記情報可視化処理装置において、前記カレンダー情報は、前記所定店舗が提供するイベント、又は前記特定地域で開催されるイベントに係る情報をさらに含むことが好ましい。

また、一態様に係る前記情報可視化処理装置において、前記所定店舗は、飲食店又は小売店であることが好ましい。

一態様に係る情報可視化処理システムは、所定店舗におけるＰＯＳ情報が記憶されるＰＯＳ情報記憶手段、クライアント端末装置、及び前記ＰＯＳ情報記憶手段から前記ＰＯＳ情報を取得するＰＯＳ情報取得部と、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前記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取得する天気情報取得部と、前記ＰＯＳ情報取得部及び前記天気情報取得部から、前記ＰＯＳ情報並びに前記特定地域の天候及び気温に係る情報を取得して、取得した情報をカレンダー情報に対応付けて統合及び格納する情報格納部と、前記クライアント端末装置から指定される指定期間に基づいて、前記指定期間に対応する前記ＰＯＳ情報並びに前記特定地域の天候及び気温に係る情報を前記情報格納部から抽出する抽出部と、前記抽出部によって抽出された情報を前記抽出部から取得して前記クライアント端末装置へ出力する出力部と、を具備する情報可視化処理装置、を含むものである。

また、一態様に係る前記情報可視化処理システムにおいて、前記ＰＯＳ情報は、商品を取引する取引客数、取引商品種別毎の商品販売数、及び売上に係る情報を少なくとも含むことが好ましい。

また、一態様に係る前記情報可視化処理システムは、前記所定店舗の前を通行する通行客数を取得する通行客数取得手段をさらに含み、前記情報可視化処理装置は、前記通行客数取得手段から前記通行客数に係る情報を取得する通行客数情報取得部をさらに具備し、前記情報格納部は、前記通行客数情報取得部から、前記通行客数に係る情報をさらに取得して、取得した当該情報を前記カレンダー情報に対応付けて統合及び格納し、前記抽出部は、前記指定期間に対応する前記通行客数に係る情報を前記情報格納部からさらに抽出することが好ましい。

また、一態様に係る前記情報可視化処理システムは、前記所定店舗内に入店する入店客数を少なくとも取得する入店客情報取得手段をさらに含み、前記情報可視化処理装置は、前記入店客情報取得手段から、前記入店客数に係る情報を取得する入店客数情報取得部をさらに具備し、前記情報格納部は、前記入店客数情報取得部から、前記入店客数に係る情報をさらに取得して、取得した当該情報を前記カレンダー情報に対応付けて統合及び格納し、前記抽出部は、前記指定期間に対応する前記入店客数に係る情報を前記情報格納部からさらに抽出することが好ましい。

また、一態様に係る前記情報可視化処理システムにおいて、前記情報可視化処理装置は、前記指定期間に対応する前記入店客数を前記指定期間に対応する前記通行客数で除算して得られる第１入店率、前記指定期間に対応する前記取引客数を前記指定期間に対応する前記通行客数で除算して得られる第１購買率、及び前記指定期間に対応する前記取引客数を前記指定期間に対応する前記入店客数で除算して得られる第２購買率の少なくともいずれか一つを算出する計算部をさらに具備し、前記出力部は、前記計算部によって算出された前記第１入店率、前記第１購買率、及び前記第２購買率の少なくともいずれか一つを前記計算部から取得して前記クライアント端末装置へ出力することが好ましい。

また、一態様に係る前記情報可視化処理システムにおいて、前記情報可視化処理装置は、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における前記所定店舗のウェブページ、及び前記所定店舗が提供する所定店舗紹介サーバへのアクセス数に係る情報を取得するアクセス数取得部をさらに具備し、前記情報格納部は、前記アクセス数取得部から、前記アクセス数に係る情報をさらに取得して、取得した当該情報を前記カレンダー情報に対応付けて統合及び格納し、前記抽出部は、前記指定期間に対応する前記アクセス数に係る情報を前記情報格納部からさらに抽出することが好ましい。

また、一態様に係る前記情報可視化処理システムにおいて、前記ＰＯＳ情報取得部、前記天気情報取得部、前記通行客数情報取得部、前記入店客数情報取得部、前記アクセス数取得部、前記情報格納部、前記抽出部、前記計算部、及び前記出力部は、クラウドサーバ上に配されることが好ましい。

また、一態様に係る前記情報可視化処理システムにおいて、前記出力部は、前記抽出部及び前記計算部から取得した情報を、通信回線を介して前記クライアント端末装置に設けられる表示部に対して送信可能であることが好ましい。

また、一態様に係る前記情報可視化処理システムにおいて、前記出力部は、通信回線を介して前記指定期間に係る要求信号を前記クライアント端末装置から受信し、且つ受信した前記要求信号を前記抽出部へと伝達することが好ましい。

また、一態様に係る前記情報可視化処理システムにおいて、前記入店客情報取得手段は、入店客を撮像する撮像部と、前記撮像部によって撮像された前記入店客の複数の特定部分の特徴量に基づいて、前記入店客の少なくとも性別及び年齢を含む入店客属性を推定する推定部と、を有し、前記入店客数情報取得部は、前記入店客情報取得手段から前記入店客属性に係る情報をさらに取得し、前記ＰＯＳ情報取得部は、前記ＰＯＳ情報記憶手段から、取引客属性に係る情報をさらに取得し、前記情報格納部は、前記入店客属性及び前記取引客属性に係る情報をさらに前記カレンダー情報に対応付けて統合及び格納し、前記抽出部は、前記指定期間における前記入店客属性及び前記取引客属性に係る情報をさらに抽出することが好ましい。

また、一態様に係る前記情報可視化処理システムにおいて、前記カレンダー情報は、少なくとも曜日、祝日、及び暦に係る情報を含むことが好ましい。

また、一態様に係る前記情報可視化処理システムにおいて、前記カレンダー情報は、前記所定店舗が提供するイベント、又は前記特定地域で開催されるイベントに係る情報をさらに含むことが好ましい。

また、一態様に係る前記情報可視化処理システムにおいて、前記所定店舗は、飲食店又は小売店であることが好ましい。

一態様に係る情報可視化処理方法は、コンピュータによって実行される情報可視化処理方法であって、所定店舗におけるＰＯＳ情報が記憶されるＰＯＳ情報記憶手段から、前記ＰＯＳ情報を取得するＰＯＳ情報取得ステップと、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前記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取得する天気情報取得ステップと、取得した前記ＰＯＳ情報並びに前記特定地域の天候及び気温に係る情報を、カレンダー情報に対応付けて情報格納部に統合及び格納する情報格納ステップと、クライアント端末装置から指定される指定期間に基づいて、前記指定期間に対応する前記ＰＯＳ情報並びに前記特定地域の天候及び気温に係る情報を前記情報格納部から抽出する抽出ステップと、抽出された情報を前記クライアント端末装置へ出力する出力ステップと、を含むものである。

また、一態様に係る前記情報可視化処理方法において、前記ＰＯＳ情報は、商品を取引する取引客数、取引商品種別毎の商品販売数、及び売上に係る情報を少なくとも含むことが好ましい。

また、一態様に係る前記情報可視化処理方法は、前記所定店舗の前を通行する通行客数を取得する通行客数取得手段から、前記通行客数に係る情報を取得する通行客数情報取得ステップをさらに含み、前記情報格納ステップは、前記通行客数に係る情報をさらに前記カレンダー情報に対応付けて前記情報格納部に統合及び格納し、前記抽出ステップは、前記指定期間に対応する前記通行客数に係る情報を前記情報格納部からさらに抽出することが好ましい。

また、一態様に係る前記情報可視化処理方法は、前記所定店舗内に入店する入店客数を少なくとも取得する入店客情報取得手段から、前記入店客数に係る情報を取得する入店客数情報取得ステップをさらに含み、前記情報格納ステップは、前記入店客数に係る情報をさらに前記カレンダー情報に対応付けて前記情報格納部に統合及び格納し、前記抽出ステップは、前記指定期間に対応する前記入店客数に係る情報を前記情報格納部からさらに抽出することが好ましい。

また、一態様に係る前記情報可視化処理方法は、前記指定期間に対応する前記入店客数を前記指定期間に対応する前記通行客数で除算して得られる第１入店率、前記指定期間に対応する前記取引客数を前記指定期間に対応する前記通行客数で除算して得られる第１購買率、及び前記指定期間に対応する前記取引客数を前記指定期間に対応する前記入店客数で除算して得られる第２購買率の少なくともいずれか一つを算出する計算ステップをさらに含み、前記出力ステップは、前記計算ステップによって算出された前記第１入店率、前記第１購買率、及び前記第２購買率の少なくともいずれか一つを前記クライアント端末装置へさらに出力することが好ましい。

また、一態様に係る前記情報可視化処理方法は、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における前記所定店舗のウェブページ、及び前記所定店舗が提供する所定店舗紹介サーバへのアクセス数に係る情報を取得するアクセス数取得ステップをさらに含み、前記情報格納ステップは、前記アクセス数に係る情報をさらに前記カレンダー情報に対応付けて前記情報格納部に統合及び格納し、前記抽出ステップは、前記指定期間に対応する前記アクセス数に係る情報を前記情報格納部からさらに抽出することが好ましい。

一態様に係る情報可視化処理コンピュータプログラムは、コンピュータを、所定店舗におけるＰＯＳ情報が記憶されるＰＯＳ情報記憶手段から、前記ＰＯＳ情報を少なくとも取得するＰＯＳ情報取得部、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前記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取得する天気情報取得部、前記ＰＯＳ情報取得部及び前記天気情報取得部から、前記ＰＯＳ情報並びに前記特定地域の天候及び気温に係る情報を取得して、取得した情報をカレンダー情報に対応付けて統合及び格納する情報格納部、クライアント端末装置から指定される指定期間に基づいて、前記指定期間に対応する前記ＰＯＳ情報並びに前記特定地域の天候及び気温に係る情報を前記情報格納部から抽出する抽出部、及び前記抽出部によって抽出された情報を前記抽出部から取得して前記クライアント端末装置へ出力する出力部、として機能させるものである。

また、一態様に係る前記情報可視化処理コンピュータプログラムにおいて、前記ＰＯＳ情報は、商品を取引する取引客数、取引商品種別毎の商品販売数、及び売上に係る情報を少なくとも含むことが好ましい。

また、一態様に係る前記情報可視化処理コンピュータプログラムは、前記コンピュータを、前記所定店舗の前を通行する通行客数を取得する通行客数取得手段から前記通行客数に係る情報を取得する通行客数情報取得部としてさらに機能させ、前記情報格納部は、前記通行客数情報取得部から、前記通行客数に係る情報をさらに取得して、取得した当該情報を前記カレンダー情報に対応付けて統合及び格納し、前記抽出部は、前記指定期間に対応する前記通行客数に係る情報を前記情報格納部からさらに抽出することが好ましい。

また、一態様に係る前記情報可視化処理コンピュータプログラムは、前記コンピュータを、前記所定店舗内に入店する入店客数を少なくとも取得する入店客情報取得手段から、前記入店客数に係る情報を取得する入店客数情報取得部としてさらに機能させ、前記情報格納部は、前記入店客数情報取得部から、前記入店客数に係る情報をさらに取得して、取得した当該情報を前記カレンダー情報に対応付けて統合及び格納し、前記抽出部は、前記指定期間に対応する前記入店客数に係る情報を前記情報格納部からさらに抽出することが好ましい。

また、一態様に係る前記情報可視化処理コンピュータプログラムは、前記コンピュータを、前記指定期間に対応する前記入店客数を前記指定期間に対応する前記通行客数で除算して得られる第１入店率、前記指定期間に対応する前記取引客数を前記指定期間に対応する前記通行客数で除算して得られる第１購買率、及び前記指定期間に対応する前記取引客数を前記指定期間に対応する前記入店客数で除算して得られる第２購買率の少なくともいずれか一つを算出する計算部としてさらに機能させ、前記出力部は、前記計算部によって算出された前記第１入店率、前記第１購買率、及び前記第２購買率の少なくともいずれか一つを前記計算部から取得して前記クライアント端末装置へ出力することが好ましい。

また、一態様に係る前記情報可視化処理コンピュータプログラムは、前記コンピュータを、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における前記所定店舗のウェブページ、及び前記所定店舗が提供する所定店舗紹介サーバへのアクセス数に係る情報を取得するアクセス数取得部としてさらに機能させ、前記情報格納部は、前記アクセス数取得部から、前記アクセス数に係る情報をさらに取得して、取得した当該情報を前記カレンダー情報に対応付けて統合及び格納し、前記抽出部は、前記指定期間に対応する前記アクセス数に係る情報を前記情報格納部からさらに抽出することが好ましい。

様々な実施態様により、サービス事業、特に飲食店や小売店等の経営支援に有用なＢＩツールとして利用可能な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を提供することができる。

一実施形態に係る情報可視化処理装置を含む情報可視化処理システムの構成を示す概略図である。 一実施形態に係る通行客数取得手段の構成を示すブロック図である。 一実施形態に係る入店客情報取得手段の構成を示すブロック図である。 一実施形態に係るＰＯＳ情報記憶手段の構成を示すブロック図である。 一実施形態に係るクライアント端末装置の表示部に表示される画面の一例を示す概略図である。 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。 一実施形態に係るクライアント端末装置の表示部に表示される画面の別の例を示す概略図である。 一実施形態に係るクライアント端末装置の表示部に表示される画面の別の例を示す概略図である。 一実施形態に係るクライアント端末装置の表示部に表示される画面の別の例を示す概略図である。 一実施形態に係るクライアント端末装置の表示部に表示される画面のさらに別の例を示す概略図である。 一実施形態に係るクライアント端末装置の表示部に表示される画面のさらに別の例を示す概略図である。 別の実施形態に係る情報可視化処理装置に含まれる入店客数予測部の一機能（機械学習機能）の構成を示す概略図である。 別の実施形態に係るクライアント端末装置の表示部に表示される画面の一例を示す概略図である。 別の実施形態に係るクライアント端末装置の表示部に表示される画面の一例を示す概略図である。 別の実施形態に係るクライアント端末装置の表示部に表示される画面の一例を示す概略図である。

以下、添付図面を参照して本出願の様々な実施形態を説明する。なお、図面において共通した構成要素には同一の参照符号が付されている。また、或る図面に表現された構成要素が、説明の便宜上、別の図面においては省略されていることがある点に留意されたい。さらにまた、添付した図面が必ずしも正確な縮尺で記載されている訳ではないということに注意されたい。

１．情報可視化処理装置及び情報可視化処理システムの構成
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。

図１に示すように、情報可視化処理システム１は、主に、通行客数取得手段２、入店客情報取得手段３、ＰＯＳ情報記憶手段４、情報可視化処理装置１０、及びクライアント端末装置３０ａ乃至３０ｄから構成される。以下、情報可視化処理システム１及び情報可視化処理装置１０を構成する各要素の詳細を説明する。

１－１．通行客数取得手段２
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。

さらに詳細には、通行客数取得手段２としての撮像器は、例えば図２に示すように、第１撮像部２Ａと、第１端末装置２Ｂとから構成され、第１端末装置２Ｂ内には、第１演算部２Ｃと第１通信部２Ｄが配されている。第１撮像部２Ａは、所定店舗の軒下や天井付近に設置されて、所定店舗の前を通行する通行客を撮像する。第１撮像部２Ａによって撮像された通行客の画像や動画は、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）又は無線通信回線等を介して第１撮像部２Ａから第１端末装置２Ｂへと伝送される。当該第１端末装置２Ｂにおける第１演算部２Ｃは、撮像された画像や動画に基づいて通行客数をカウントし、さらに時間単位又は日単位で通行客数を集計する。なお、通行客数のカウントは、第１撮像部２Ａが実行し、カウントされた通行客数が第１撮像部２Ａから第１端末装置２Ｂへと伝送されるように構成されていてもよい。

集計された通行客数に係る情報は、第１演算部２Ｃからインターネット等を含む通信網５０Ａに接続される第１通信部２Ｄへと伝達され、第１通信部２ＤがＦＴＰ（Ｆｉｌｅ Ｔｒａｎｓｆｅｒ Ｐｒｏｔｏｃｏｌ）やＨＴＴＰ（Ｈｙｐｅｒｔｅｘｔ Ｔｒａｎｓｆｅｒ Ｐｒｏｔｏｃｏｌ）等のプロトコルを介して、後述する第１取得部に対して当該通行客数に係る情報を送信可能となっている。

１－２．入店客情報取得手段３
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。

さらに詳細には、入店客情報取得手段３としての撮像器は、例えば図３に示すように、第２撮像部３Ａと、第２端末装置３Ｂとから構成され、第２端末装置３Ｂ内には、第２演算部３Ｃと第２通信部３Ｄが配されている。第２撮像部３Ａは、所定店舗の入口付近に設置されて、所定店舗内に入店する入店客を撮像する。第２撮像部３Ａによって撮像された入店客の画像や動画は、例えば、当該撮像器とＬＡＮ又は無線通信回線等を介して第２端末装置３Ｂへと伝送される。当該第２端末装置３Ｂにおける第２演算部３Ｃは、撮像された画像や動画に基づいて入店客数をカウントし、さらに時間単位又は日単位で入店客数を集計する。なお、集計された入店客数に係る情報は、第２演算部３Ｃからインターネット等を含む通信網５０Ａに接続される第２通信部３Ｄへと伝達され、第２通信部３ＤがＦＴＰ、ＨＴＴＰ等のプロトコルを介して、後述する入店客数情報取得部１２に対して当該入店客数に係る情報を送信可能となっている。なお、入店客数に係る時間単位又は日単位の集計は、後述する入店客数情報取得部１２又は情報格納部２０によって実行されてもよく、この場合において第２演算部３Ｃは、例えば所定時間における入店客数のカウントのみを実行し、当該所定時間おきに、対応する入店客数を、通信網５０Ａを介して入店客数情報取得部１２（及び情報格納部２０）へと伝達するように構成してもよい。

なお、第２端末装置３Ｂ内には、撮像された入店客の画像を解析して入店客属性を推定し、第２通信部３Ｄに電子的に接続する推定部３Ｅを有することがさらに好ましい。入店客属性とは、例えば、入店客の性別及び年齢を含む。推定部３Ｅは、大量の画像と各画像に描写される人物の性別及び年齢とを関連付けたものを教師データとして機械学習させた一般的な画像解析用のコンピュータプログラム等を用いることが可能である。なお、一般的な画像解析用のコンピュータプログラムとは、例えば、入店客が撮像された画像が入力されると、当該画像に描写される入店客の目、眉、頬、耳、顎、及び髪等の任意の複数の特定部分における特徴（髪の色、肌の色、髭の有無、等）の程度（特徴量）を数値化することで、当該画像に描写される入店客の性別及び年齢が出力されるように構成されるものをいう。

なお、推定部３Ｅは、第２端末装置３Ｂ内ではなく、第２端末装置３Ｂと通信回線を通じて情報通信可能な別途のサーバ（図示せず）内に設けられてもよい。この場合、第２通信部３Ｄと当該サーバ内に設けられる推定部３Ｅとが常時（又は所定時間間隔で）で通信回線を介して接続され、第２通信部３Ｄからは撮像された入店客の画像や動画が推定部３Ｅへと常時伝送され、当該入店客の画像や動画を受信した推定部３Ｅは、これらの画像や動画から、入店客属性の結果を第２通信部３Ｄへと送信する。

ところで、推定部３Ｅが、入店客の性別及び年齢だけでなく、入店客の表情をも推定することができるように、前述の教師データにおいて、大量の画像と各画像に描写される人物の表情（怒り、喜び、等）とを関連付けたものをさらに教師データとして用いてもよい。このように機械学習された推定部３Ｅは、第２撮像部３Ａによって撮像された入店客の画像が入力されると、当該入店客の性別及び年齢に加え、当該入店客の表情をも推定（出力）することが可能となる。

１－３．ＰＯＳ情報記憶手段４
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。

ＰＯＳ情報記憶手段４は、例えば図４に示すように、所定店舗内において店員又は取引客自身が直接操作可能な複数の第３端末装置４Ａ－１、４Ａ－２、・・・、４Ａ－Ｎ（以下「第３端末装置４Ａ」と総称することがある。）と、各第３端末装置４Ａと通信網６０を介して接続され各第３端末装置４Ａから伝送される様々なＰＯＳ情報を記憶するサーバ装置４Ｂとから構成される。なお、サーバ装置４Ｂは、各第３端末装置４Ａから伝送される情報を統合して記憶する記憶部４Ｃと、通信網５０Ａに接続して、記憶部４Ｃに記憶された情報を後述するＰＯＳ情報取得部１３に対して送信する第３通信部４Ｄを含む。これらの構成要素を含むＰＯＳ情報記憶手段４は、従来から公知のＰＯＳシステムを用いることができる。

ここで、ＰＯＳ情報記憶手段４におけるサーバ装置４Ｂがネットワーク上（クラウド上）に配される場合を例に挙げて、第３通信部４Ｄと後述するＰＯＳ情報取得部１３との間の通信網５０Ａ上における情報の送受信について、さらに説明する。まず、ＰＯＳ情報記憶手段４において、外部のコンピュータプログラムと連携することができるようにＦＴＰやＨＴＴＰ、ＡＰＩ（Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍｍｉｎｇ Ｉｎｔｅｒｆａｃｅ）が設定されている場合には、これらを利用して、第３通信部４ＤとＰＯＳ情報取得部１３との間において、前述の情報に係る送受信が実行される。他方、ＰＯＳ情報記憶手段４において、ＡＰＩ等が設定されていない場合には、一般に知られたスクレイピングに基づいて、第３通信部４ＤとＰＯＳ情報取得部１３との間において、前述の情報に係る送受信が実行されうる。

なお、第３端末装置４Ａとしては、例えば、スマートフォン、タブレット端末、デスクトップ型コンピュータ、ノートブック型コンピュータ、携帯電話機等を、これらに限定することなく用いることができる。

また、サーバ装置４Ｂは、及びサーバ装置４Ｂ内に含まれる記憶部４Ｃ及び第３通信部４Ｄは、クラウド上に配されるように構成されてもよい。

１－４．情報可視化処理装置１０
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。

情報可視化処理装置１０は、後述する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、宿泊者数取得部１６、情報格納部２０、抽出部２１、出力部２２、及び計算部２３を含むコンピュータ（サーバ装置）として使用されうる。また、情報可視化処理装置１０をクラウドサーバとして使用することも可能である。したがって、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、宿泊者数取得部１６、情報格納部２０、抽出部２１、出力部２２、及び計算部２３は、クラウドサーバとしての情報可視化処理装置１０内に配され、且つこれらの構成要素がインターネット等を含む通信回線を通じて相互に通信可能に構成される。

なお、以下説明する一実施形態は、情報可視化処理装置１０たるコンピュータ（サーバ装置）を、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、宿泊者数取得部１６、情報格納部２０、抽出部２１、出力部２２、及び計算部２３として機能させる情報可視化処理用のコンピュータプログラムとして利用することもできる。以下、情報可視化処理装置１０（又はコンピュータプログラムの機能として）の各構成要素の詳細について説明する。

１－４－１．通行客数情報取得部１１
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。

１－４－２．入店客数情報取得部１２
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。

なお、入店客数情報取得部１２は、前述のとおり入店客情報取得手段３に推定部３Ｅが設けられる場合においては、集計された入店客数に係る情報に加えて入店客属性に係る情報も、第２通信部３Ｄから取得する。

１－４－３．ＰＯＳ情報取得部１３
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。

なお、ＰＯＳ情報取得部１３は、前述のとおりＰＯＳ情報記憶手段４が、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情報として記憶している場合においては、当該取引客属性に係る情報も第３通信部４Ｄから取得する。

１－４－４．天気情報取得部１４
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。

通信網５０Ｂにおける、天気情報取得部１４と天気情報サーバ１００との間の情報の送受信について、さらに説明する。まず、天気情報サーバ１００が、外部のコンピュータプログラムと連携することができるようにＡＰＩを設定（外部に提供）している場合には、当該ＡＰＩを利用して、天気情報取得部１４は天気情報サーバ１００から前述した情報のみを抽出（受信）する。他方、天気情報サーバ１００において、ＡＰＩが設定されていない場合には、一般的に知られたスクレイピングに基づいて、天気情報取得部１４は天気情報サーバ１００から前述した情報のみを抽出する。なお、天気情報取得部１４によって実行される天候及び気温に係る情報の取得は、天気情報取得ステップと捉えることができる。

１－４－５．アクセス数取得部１５
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。

通信網５０Ｂにおける、アクセス数取得部１５と店舗情報提供サーバ２００及び所定店舗紹介サーバ２０１との間の情報の送受信について、さらに説明する。まず、アクセス数取得部１５としては、例えば、Ｇｏｏｇｌｅ社によりオンラインで提供されているＧｏｏｇｌｅ（登録商標）Ａｎａｌｙｔｉｃｓ（グーグルアナリティクス）と呼ばれる解析サービスを経由してアクセス数に係る情報を取得することができる。このグーグルアナリティクスは、所定のページに所定のタグ（トラッキングコード）を埋め込むことで、当該所定のページへのアクセス数をカウントし、且つカウントされた蓄積データを利用者が閲覧することを可能とする機能を持ち合わせている。なお、アクセス数取得部１５としては、グーグルアナリティクスに限られず、これと同様の機能を有するサービスであればよい。そして、アクセス数取得部１５は、グーグルアナリティクスのような解析サービスが提供するＡＰＩ等を利用して、店舗情報提供サーバ２００及び所定店舗紹介サーバ２０１へのアクセス数に係る情報を取得することができる。

１－４－６．宿泊者数取得部１６
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。

通信網５０Ｂにおける、宿泊者数取得部１６と観光情報提供サーバ３００との間の情報の送受信について、さらに説明する。まず、観光情報提供サーバ３００が、外部のコンピュータプログラムと連携することができるようにＡＰＩを設定（外部に提供）している場合には、当該ＡＰＩを利用して、宿泊者数取得部１６は観光情報提供サーバ３００から前述した宿泊者数（実測の宿泊者数及び予想宿泊者数）の情報のみを取得（受信）する。他方、観光情報提供サーバ３００において、ＡＰＩが設定されていない場合には、一般的に知られたスクレイピングに基づいて、宿泊者数取得部１６は観光情報提供サーバ３００から前述した情報のみを抽出する。なお、宿泊者数取得部１６によって実行される宿泊者数に係る情報の取得は、宿泊者数取得ステップと捉えることができる。

１－４－７．情報格納部２０
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。

さらに詳細には、情報格納部２０における前述の管理サーバは、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から受信した各情報（通行客数、入店客数、取引客数、商品販売数、売上、天候及び気温、並びにアクセス数に係る情報を含み、さらに入店客属性及び取引客属性に係る情報も含みうる）に係るファイルを統合して（連携させて）格納する統合サーバの役割も有する。なお、管理サーバには、予めカレンダー情報がプログラムされており、各部から取得した情報は、当該カレンダー情報に対応付けて格納される。情報格納部２０によって実行される各情報をカレンダー情報に対応付けて統合及び格納することは、情報格納ステップと捉えることができる。

なお、カレンダー情報とは、日付、曜日、暦、祝日、及び時間（時間帯）を含むことができる。なお、カレンダー情報は、管理サーバを介して常に更新することができるように構成されており、例えば、所定店舗が提供する特有のイベントに係る特筆情報（例えば、「２０１９年Ｘ月Ｙ日は、特定の商品が販売開始される」や「２０２９年Ｗ月Ｚ日は、Ｒｅｔｔｙ（登録商標）において所定店舗に関する情報提供が開始される」という情報）や所定店舗が属する特定地域で開催されるイベント情報（例えば、花火大会やお祭り等の催事情報）を、カレンダー情報の一つとして適時に追加できるように構成されている。

また、情報格納部２０は、後述する抽出部２１と接続可能に構成されており、出力部２２に対してクライアント（利用者端末装置３０ａ乃至３０ｅ）からの指定期間に係る要求信号（問合せ）が抽出部２１に送信されると、当該抽出部２１からのリクエストに対応して、当該指定期間に対応する通行客数、入店客数、取引客数、商品販売数、売上、天候及び気温、並びにアクセス数に係る情報を、抽出部２１に送信する機能も有する。また、情報格納部２０が、入店客数情報取得部１２から入店客属性に係る情報、及びＰＯＳ情報取得部１３から取引客属性に係る情報を格納している場合においては、情報格納部２０は、これらの情報も、抽出部２１に送信する。

１－４－８．抽出部２１
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。

そして、情報可視化処理装置１０をＢＩツールとして利用する場合、抽出部２１には公知のＢＩツールに係るプログラムが組み込まれ、抽出部２１が受信した抽出情報は、当該ＢＩツールの形式に変換（加工）されて後述の出力部２２へ出力（送信）される。なお、公知のＢＩツールとしては、例えば、Ｍｉｃｒｏｓｏｆｔ社が提供するＰｏｗｅｒ ＢＩを用いることができる。

また、抽出部２１にＢＩツールに係るプログラムが組み込まれない場合には、抽出部２１は、情報格納部２０から受信した抽出情報を、ＥｘｃｅｌやＣＳＶ等のファイル形式に変換して出力部２２へ出力することも可能となっている。

１－４－９．計算部２３
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。

なお、抽出部２１が、情報格納部２０から宿泊者数に係る情報も入手する場合においては、計算部２３は当該宿泊者数に係る情報を抽出部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宿泊者数で除算（入店客数／宿泊者数）して得られる第２入店率をさらに算出するように構成してもよい。

前述のように算出された第１入店率、第１購買率、第２購買率、及び第２入店率は、計算部２３にＢＩツールに係るプログラムが組み込まれる場合においては、当該ＢＩツールの形式に変換（加工）されて、計算部２３から後述の出力部２２へと出力（送信）される。また、計算部２３にＢＩツールに係るプログラムが組み込まれない場合においては、第１入店率、第１購買率、第２購買率、及び第２入店率はＥｘｃｅｌやＣＳＶ等のファイル形式に変換されて、計算部２３から出力部２２へと出力される。

１－４－１０．出力部２２
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。

なお、図１に示すように、クライアント端末装置３０ａ乃至３０ｄは、出力部２２に対して各々別個にインターネット等の通信回線を用いて、所定のログイン情報やパスワード情報を基に接続可能である。各クライアント端末装置３０ａ乃至３０ｄには送信部（図示せず）が設けられ、例えばクライアント端末装置３０ａにおいてオペレータが所望の指定期間を指定すると、当該指定期間に係る要求信号（問合せ）が、クライアント端末装置３０ａの送信部から出力部２２に対して送信される。

出力部２２は、クライアント端末装置（例えば、クライアント端末装置３０ａ）からの指定期間に係る要求信号（問合せ）を受信すると、当該要求信号を抽出部２１に伝達（送信）するように構成される。このように、当該要求信号が抽出部２１に送信されると、当該要求信号に基づく当該抽出部２１からのリクエストに対応して、情報格納部２０が当該指定期間に対応するＰＯＳ情報（取引客数、商品販売数、及び売上に係る情報）及び天候及び気温に係る情報、場合によっては、さらに通行客数、入店客数、及びアクセス数に係る情報（さらに入店客属性及び取引客属性に係る情報）を抽出部２１に送信することが可能となる。

１－５．クライアント端末装置３０ａ乃至３０ｄ
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。

クライアント端末装置３０としては、例えば、スマートフォン、タブレット端末、デスクトップ型コンピュータ、ノートブック型コンピュータ、携帯電話機等を、これらに限定することなく用いることができる。

クライアント端末装置３０は、様々な処理や演算を実行するＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等の一般的な構成要素に加えて、出力部２２との間でインターネット等の通信回線を用いて各種情報及び要求信号の送受信を実行する送受信部（図示なし）と、出力部２２から受信した抽出情報等を表示する表示部（表示部３０ａ－１、３０ｂ－１、３０ｃ－１、及び３０ｄ－１をいい、以下「表示部３０－１」と総称することがある。）と、前述の指定期間等に係るオペレータの入力を受け付けて当該指定期間を表示部３０－１に表示させるユーザインターフェース（図示せず）と、を少なくとも含む。

２．クライアント端末装置３０に表示される内容
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。

まず、クライアント端末装置３０においては、オペレータによるユーザインターフェースとしてのキーボード操作やタッチ操作を通して、指定期間が指定される。図５においては、一例として、２０１９年１月１日乃至２０１９年３月２６日までの期間を指定期間とする場合が示されている（表示領域３１Ａ）。この指定期間に対応する通行客数（表示領域３１Ｂ）、入店客数（表示領域３１Ｃ_１及び３１Ｃ_２）、及び取引客数（表示領域３１Ｄ）が表示部３０－１に表示される。

なお、図５に示される対象の所定店舗は、飲食（食堂）及び小売（屋台を含む）の両方のサービスを提供していることから、図５には、食堂（飲食店）への入店客数（表示領域３１Ｃ_１）と商店（小売）への入店客数（表示領域３１Ｃ_２）の両方が示され、さらに、屋台での取引客数（屋台取引客数）についても示されている（表示領域３１Ｅ_１）。さらにまた、図５においては、対象の所定店舗が属する特定地域（例えば、三重県伊勢市）における、前述の指定期間中の宿泊者数（実測値及び予測値）の累計が表示されている（表示領域３１Ｅ_２）。

さらに、図５に示すように、表示部３０－１には、２０１９年１月１日乃至２０１９年３月２６日までの指定期間に対応する、通行客数の日毎の推移が過去（昨年）との比較とともに表示される（表示領域３１Ｆ）。

さらに、図５に示すように、表示部３０－１には、２０１９年１月１日乃至２０１９年３月２６日までの指定期間に対応する食堂入店客数を通行客数で除算して得られる食堂入店率（第１入店率）の指定期間中の平均値（２．８７％）と、日毎の食堂入店率の推移が表示される（表示領域３１Ｇ及び３１Ｈ）。また、前述のとおり、図５に示される対象の所定店舗は、飲食だけでなく小売のサービスも提供していることから、表示部３０－１には、２０１９年１月１日乃至２０１９年３月２６日までの指定期間に対応する商店入店客数を通行客数で除算して得られる商店入店率（第１入店率）の指定期間中の平均値（７．６３％）と、日毎の商店入店率の推移が表示される（表示領域３１Ｉ及び３１Ｊ）。

なお、食堂入店率の推移（表示領域３１Ｈ）及び商店入店率の推移（３１Ｊ）においては、カレンダー情報に追加された所定店舗特有のイベントに係る特筆情報（図５においては、「看板変更」、「Ｒｅｔｔｙ有料版利用開始」、「商品Ｘ試食開始」、及び「販促イベント開始」等の情報）も表示されるように構成されている。これにより、当該イベントと食堂入店率又は商店入店率との間の相関関係等を一目で確認でき、当該所定店舗の事業に係る経営を、効率的にサポートすることができる。

さらに、図５に示すように、表示部３０－１には、２０１９年１月１日乃至２０１９年３月２６日までの指定期間に対応する商店取引客数を通行客数で除算して得られる商店購買率対通行（第１購買率）の指定期間中の平均値（１．３３％）と、当該指定期間に対応する商店取引客数を商店入店客数で除算して得られる商店購買率対入店（第２購買率）の指定期間中の平均値（１８．２８％）と、日毎の商店購買率対入店の推移が表示される（表示領域３１Ｋ、３１Ｌ、及び３１Ｍ）。

さらに、図５に示すように、表示部３０－１には、２０１９年１月１日乃至２０１９年３月２６日までの指定期間に対応する屋台取引客数を通行客数で除算して得られる屋台購買率の指定期間中の平均値（１．８４％）と、日毎の屋台購買率の推移が表示されるように構成してもよい（表示領域３１Ｎ及び３１Ｐ）。

なお、図５には示されていないが、表示領域３１Ｅ_２に表示される宿泊者数を用いて、指定期間（２０１９年１月１日乃至２０１９年３月２６日）における食堂入店客数（表示領域３１Ｃ_１を当該宿泊者数で除算して得られる対宿泊者入店率（第２入店率）、又は商店入店客数（表示領域３１Ｃ_２）を当該宿泊者数で除算して得られる対宿泊者入店率（第２入店率）を、さらに図５に表示させるように構成してもよい。

さらに、図５に示すように、表示部３０－１には、所定店舗が属する特定地域（例えば、三重県伊勢市）における指定期間中の天候及び気温（平均気温）、さらに曜日も表示される（表示領域３１Ｘ、３１Ｙ、及び３１Ｚ）。より具体的には、図５においては、指定期間中（２０１９年１月１日乃至２０１９年３月２６日）、曇り、雨、晴れ全ての天気が観測されたという意味で、これら全てのタブが表示されている。他方、例えば、当該指摘期間中、雨と晴れのみしか観測されなかった場合には、表示領域３１Ｘには雨と晴れのタグのみが表示され、曇りのタグは表示されない。また、指定期間中においては、全ての曜日が含まれるため、日曜日乃至土曜日の全てのタブが表示されている。したがって、例えば、指定期間が２０１９年１月１日乃至２０１９年１月３日と指定された場合においては、火曜、水曜、及び木曜のタブのみ表示されることとなる。

さらに、図５に示すように、表示部３０－１には、当該表示部３０－１に表示される表示画面の種類を、クライアント端末３０のオペレータが選択可能なスクロール部３１Ｗ（スクロール部３１Ｗは、図５においては、紙面上上下方向にスクロール可能に構成されている）が設けられている。例えば、図５においては、スクロール部３１Ｗのうち、「入店率・購買率」のタブ（３１Ｗ_１）が選択されている（図５においては、当該タブ３１Ｗ_１が選択された旨が、網掛けの態様によって表現されている）。これにより、前述のような詳細な項目が、表示部３０－１に表示される。

次に、図５に示された画面から、さらに情報がソートされた画面について図６乃至図１０を参照しつつ説明する。図６は、図５の画面において、表示領域３１Ｘにおける「晴れ」のタブ３１Ｘａが選択された場合に（図６においては、「晴れ」のタブ３１Ｘａが選択された旨が、網掛けの態様によって表現されている）、図５から遷移した画面の一例である。

つまり、図６は、図５における指定期間中（２０１９年１月１日乃至２０１９年３月２６日）の「晴れ」の日だけを抽出した画面である（なお、図６乃至図１０においては、宿泊者数のタブは便宜上省略されている）。これにより、当該指定期間中の「晴れ」の日において、商店入店率（３１Ｉ及び３１Ｊ）や食堂入店率（表示領域３１Ｇ及び３１Ｈ）等が、指定期間中の全体平均（図５）と比較してどのように推移しているかを把握することが可能となる。具体的には、例えば、食堂入店率は全体平均と比較すると増加する（全体平均は２．８７％であるのに対し、「晴れ」の日は２．９５％）一方、商店入店率は全体平均と比較すると減少する（全体平均は７．６３％であるのに対し、「晴れ」の日は７．４６％）。

次に、図７は、図５の画面において、表示領域３１Ｘにおける「雨」のタブ３１Ｘｂが選択された場合に（図７においては、「雨」のタブ３１Ｘｂが選択された旨が、網掛けの態様によって表現されている）、図５から遷移した画面の一例である。

つまり、図７は、図５における指定期間中（２０１９年１月１日乃至２０１９年３月２６日）の「雨」の日だけを抽出した画面である。これにより、当該指定期間中の「雨」の日において、図６の場合と同様、商店入店率（３１Ｉ及び３１Ｊ）や食堂入店率（表示領域３１Ｇ及び３１Ｈ）等が、指定期間中の全体平均（図５）と比較してどのように推移しているかを把握することが可能となる。

次に、図８は、図５の画面において、表示領域３１Ｘにおける「曇り」のタブ３１Ｘｃが選択された場合に（図８においては、「曇り」のタブ３１Ｘｃが選択された旨が、網掛けの態様によって表現されている）、図５から遷移した画面の一例である。

つまり、図８は、図５における指定期間中（２０１９年１月１日乃至２０１９年３月２６日）の「曇り」の日だけを抽出した画面である。これにより、当該指定期間中の「曇り」の日において、図６及び図７の場合と同様、商店入店率（３１Ｉ及び３１Ｊ）や食堂入店率（表示領域３１Ｇ及び３１Ｈ）等が、指定期間中の全体平均（図５）と比較してどのように推移しているかを把握することが可能となる。

次に、図９は、図５の画面において、表示領域３１Ｚにおける「日曜」のタブ３１Ｚａが選択された場合に（図９においては、「日曜」のタブ３１Ｚａが選択された旨が、網掛けの態様によって表現されている）、図５から遷移した画面の一例である。

つまり、図９は、図５における指定期間中（２０１９年１月１日乃至２０１９年３月２６日）の「日曜」だけを抽出した画面である。これにより、当該指定期間中の「日曜」において、図６乃至図８の場合と同様、商店入店率（３１Ｉ及び３１Ｊ）や食堂入店率（表示領域３１Ｇ及び３１Ｈ）等が、指定期間中の全体平均（図５）と比較してどのように推移しているかを把握することが可能となる。

次に、図１０は、図５の画面において、表示領域３１Ｚにおける「月曜」、「火曜」、「水曜」、「木曜」、及び「金曜」のタブ３１Ｚｂが選択された場合に（図９においては、「月曜」乃至「金曜」のタブ３１Ｚｂが選択された旨が、網掛けの態様によって表現されている）、図５から遷移した画面の一例である。

つまり、図１０は、図５における指定期間中（２０１９年１月１日乃至２０１９年３月２６日）の「月曜」乃至「金曜」だけを抽出した画面である。これにより、当該指定期間中の「月曜」乃至「金曜」において、図９の場合と同様、商店入店率（３１Ｉ及び３１Ｊ）や食堂入店率（表示領域３１Ｇ及び３１Ｈ）等が、指定期間中の全体平均（図５）と比較してどのように推移しているかを把握することが可能となる。

次に、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、図１１を参照しつつ説明する。図１１は、スクロール部３２Ｗにおいて、「食堂入店率」のタブ３２Ｗ_１が選択された状態を示している（図１１においては、当該タブ３２Ｗ_１が選択された旨が、網掛けの態様によって表現されている）。

図１１においては、図５と同様、指定期間（表示領域３２Ａ）、当該指定期間に対応する通行客数とその推移（表示領域３２Ｂ及び３２Ｅ）、食堂入店客数（表示領域３２Ｃ）、食堂入店率とその推移（表示領域３２Ｄ及び３２Ｆ）、指定期間の西暦（表示領域３２Ｘ）、及び指定期間の月（表示領域３２Ｙ）が表示される。さらに、図１１においては、入店客属性として、入店客の年代比率（表示領域３２Ｇ）、入店客のグループ比率（表示領域３２Ｈ）、及び入店客の居住地域比率（表示領域３２Ｉ）も表示される。また、食堂入店率の推移（表示領域３２Ｆ）においては、カレンダー情報に追加された所定店舗特有のイベントに係る特筆情報（図１１においては、「看板変更」、「ＴＶ放映」、及び「学生１０％ＯＦＦ」等の情報）も表示されるように構成されている。これらの情報を可視化することにより、所定店舗の事業に係る経営を効率的にサポートすることが可能となっている。

次に、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さらに別の例を、図１２を参照しつつ説明する。図１２は、スクロール部３３Ｗにおいて、「画像解析」のタブ３３Ｗ_１が選択された状態を示しており（図１２においては、当該タブ３３Ｗ_１が選択された旨が、網掛けの態様によって表現されている）、主に、入店客属性と取引客属性とを対比する目的で設定される画面となる。

まず、図１２においては、一例として、指定期間（２０１９年１月１日乃至２０１９年３月２６日、表示領域３３Ａ）に対応する通行客数（表示領域３３Ｂ）、入店客数（表示領域３３Ｃ）、及び取引客数（表示領域３３Ｄ）が表示部３０－１に表示される。

さらに、図１２に示すように、表示部３０－１には、指定期間に対応する入店客数（食堂入店客数）を通行客数で除算して得られる入店率（第１入店率であって、８．０４％）が表示される（表示領域３３Ｅ）。また、同様に、取引客数を入店客数で除算して得られる購入率（第２購入率であって、１８．４５％）も表示される（表示領域３３Ｆ）。

さらに、図１２に示すように、表示部３０－１には、指定期間に対応する入店客属性及び取引客属性が対比されて表示される。より具体的には、指定期間に対応する入店客の年齢層データ（表示領域３３Ｇ）、男女比データ（表示領域３３Ｈ）、表情データ（表示領域３３Ｉ）、及び入店客が入店した時間帯（表示領域３３Ｊ）に関する情報が一例として表示される。

他方、図１２に示すように、表示部３０－１における入店客属性の表示のすぐ下側には、指定期間に対応する取引客の年齢層データ（表示領域３３Ｋ）、男女比データ（表示領域３３Ｌ）、商品販売比率（表示領域３３Ｍ）、及び取引客が取引した時間帯（表示領域３３Ｎ）に関する情報が一例として表示される。

このように、入店客属性と取引客属性とを比較することで、クライアントである事業者は、将来のマーケティング戦略や商品開発、販売促進方法等を効率的に検討することが可能となる。

次に、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さらに別の例を、図１３を参照しつつ説明する。図１３は、スクロール部３４Ｗにおいて、「顧客分析」のタブ３４Ｗ_１が選択された状態を示しており（図１３においては、当該タブ３４Ｗ_１が選択された旨が、網掛けの態様によって表現されている）、主に、入店客属性、取引された商品販売数（商品販売比率）等が表示される画面となる。

図１３においては、一例として、指定期間（２０１９年１月１日乃至２０１９年３月２６日、表示領域３４Ａ）に対応する取引客数（表示領域３４Ｂ）、売上（表示領域３４Ｃ）、客単価（表示領域３４Ｄ）、取引客数を入店客数で除算して得られる購入率（表示領域３４Ｅ）が表示部３０－１に表示される。

さらに、図１３に示すように、表示部３０－１には、入店客の入店時間比率（表示領域３４Ｆ）、滞在時間比率（表示領域３４Ｇ）、商品販売数（表示領域３４Ｈ）、入店客の年齢層、グループ構成、及び居住地に係る入店客属性（表示領域３４Ｉ、３４Ｊ、及び３４Ｋ）、並びに商品カテゴリー比率（表示領域３４Ｌ）に関する情報が一例として表示される。

次に、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さらに別の例を、図１４を参照しつつ説明する。図１４は、スクロール部３５Ｗにおいて、「ｗｅｂアクセス数」のタブ３５Ｗ_１が選択された状態を示しており（図１４においては、当該タブ３５Ｗ_１が選択された旨が、網掛けの態様によって表現されている）、主に、アクセス数と口コミが表示される画面となる。

図１４においては、一例として、指定期間（２０１９年１月１日乃至２０１９年３月２６日、表示領域３５Ａ）において、所定店舗に対応するＧｏｏｇｌｅアクセス数（表示領域３５Ｂ）、一例として食べログサービスを提供する店舗情報提供サーバにおける所定店舗に対応するアクセス数（表示領域３５Ｄ）、及びこれらの推移（表示領域３５Ｆ）が表示される。また、Ｇｏｏｇｌｅ上での所定店舗への評価点の指定期間中の平均点（表示領域３５Ｃ）、食べログサービス上の所定店舗への評価点の指定期間中の平均点（表示領域３５Ｅ）、及びこれらの推移（表示領域３５Ｇ）も表示される。

このように、アクセス数に係る情報や口コミ情報を可視化することによって、クライアントである事業者は、将来のマーケティング戦略や商品開発、販売促進方法等を効率的に検討することが可能となる。

次に、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さらに別の例を、図１５を参照しつつ説明する。図１５は、スクロール部３６Ｗにおいて、「テーブル分析」のタブ３６Ｗ_１が選択された状態を示している（図１５においては、当該タブ３６Ｗ_１が選択された旨が、網掛けの態様によって表現されている）。

図１５は、図５乃至図１４と異なり、指定期間が一日に限定されており、一例として２０１９年３月２３日が指定されている（表示領域３６Ａ）。つまり、図１５は、２０１９年３月２３日の一日における各種情報が表示されており、具体的には、２０１９年３月２３日の取引客数（表示領域３６Ｂ）、売上（表示領域３６Ｃ）、客単価（表示領域３６Ｄ）、テーブル回転数（表示領域３６Ｅ）、取引客の平均滞在時間（表示領域３６Ｆ）等が表示される。さらに、取引客の滞在時間比率（表示領域３６Ｇ）も併せて表示される。つまり、対象の所定店舗が飲食店である場合、当該飲食店に配置される各座席（テーブル席又は座敷席）において、取引客の入れ替りがどの程度の頻度で発生したかを可視化させている。

以上説明した図５乃至図１５は、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にすぎず、また一画面中に表示される各種情報の組合せや表示形態（数量表示又は比率表示）は、クライアント端末装置３０による設定操作によって適宜変更することができる。また、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内容は、オペレータによって指定期間が一旦指定された後には、所定時間毎に自動的に最新情報（図５乃至図１５に係る最新情報）に更新される（当該最新情報が出力部２２からクライアント端末装置３０の送受信部に送信される）ように設定してもよい。また、出力部２２からクライアント端末装置３０の送受信部への各種情報の送信とは、指定期間が指定された時点の最新情報が、クライアント端末装置３０（送受信部）によってダウンロードさせてもよい。

一実施形態に係る情報可視化処理システム１又は情報可視化処理装置１０を用いることにより、図５乃至図１５に示すような、広範且つ網羅的に様々な情報、特に、前記第１入店率、前記第１購買率、及び前記第２購買率を、所定時間毎又は日毎等所望の指定期間毎に入手することが可能となるため、事業者は経営判断を効率的に実行することが可能となる。

３．情報可視化処理装置１０のハードウェア構成
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としてのサーバ装置は、主に、中央処理装置（図示せず）、主記憶装置（図示せず）、入出力インターフェイス（図示せず）、入力装置（図示せず）、補助記憶装置（図示せず）、及び出力装置（図示せず）等を含むことができる。これら装置同士は、データバス及び／又は制御バスにより接続されている。なお、中央処理装置、主記憶装置、入出力インターフェイス、入力装置、補助記憶装置、及び出力装置は、前述の端末装置３０にも同様に組み込まれていてもよい。

このようなハードウェア構成にあっては、中央処理装置が、補助記憶装置に記憶された特定のアプリケーションを構成する命令及びデータ（コンピュータプログラム）を順次主記憶装置にロードし、ロードした命令及びデータを演算することにより、入出力インターフェイス装置を介して出力装置を制御し、或いはまた、入出力インターフェイス装置及び通信回線を介して、他の装置との間で様々な情報の送受信を行うことができる。

これにより、情報可視化処理装置１０たるサーバ装置は、前述した様々な機能（様々な情報を格納、等）を実行することができる。

なお、情報可視化処理装置１０たるサーバ装置は、中央処理装置に代えて又は中央処理装置とともに、１又は複数のマイクロプロセッサ、及び／又は、グラフィックスプロセッシングユニット（ＧＰＵ）を含むものであってもよい。

４．別の実施形態（情報可視化処理装置１０のその他の機能）
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。

４－１．入店客数予測機能
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。

また、入店客数予測部は、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加えて、所定店舗が属する特定地域の実測降水量、予想降水量、実測気温、及び予想気温に係る情報を情報格納部２０から取得した上で、取得したこれらの情報に基づく重回帰式を生成し、当該重回帰式に基づいて将来の所定日に対応する予測入店客数を算出するような構成としてもよい。なお、実測降水量、予想降水量、実測気温、及び予想気温に係る情報については、前述の天気情報サーバ１００から天気情報取得部１４を介して情報格納部２０に格納される。

また、入店客数予測部は、重回帰式に代えて又は重回帰式とともに、前述に係る各種情報を用いてニューラルネットワークを機械学習させて、機械学習されたニューラルネットワークに基づいて将来の所定日に対応する予測入店客数を算出するような構成としてもよい。

ここで、前述の重回帰式について説明する。入店客数予測部は、前述の各種情報に基づいて、任意日（例えば、２０１９年１月１日等の過去の日付をいう。）に対応する実測降水量、実測気温、曜日、及び休日に係る情報を少なくとも説明変数とし、当該任意日に対応する実測の入店客数を目的変数とする重回帰式を生成する。より具体的には、入店客数予測部は、前述の情報に基づいて以下の式１をリアルタイム又は所定時間毎に生成する。

式１中、Ａは重回帰式中の切片であって、Ｂ乃至Ｇは各説明変数の係数である（Ｂ乃至Ｇに係る係数は、後述するとおり、最終的には式３のように算出される）。また、式１中、火曜、水曜、金曜等は、月曜、木曜に適宜修正してもよい。入店客数予測部は、ある任意日、例えば２０１９年１月１日に対応する実測降水量、実測気温、曜日（土曜）、休日の情報を説明変数とし、同日の実測の入店客数を目的変数とする重回帰式を生成する。次に、別の任意日、例えば２０１９年１月２日に対応する同様の情報を説明変数及び目的変数として、これを加味して重回帰式を再度生成（更新）する。このように、情報格納部２０から入手する過去の膨大な日付の情報に基づいて、入店客数予測部は、最新の重回帰式を生成する。

入店客数予測部は、式１において、予測を実行する将来の所定日に対応する予想降水量、予想気温（予想最低気温及び予想最高気温）、曜日、及び休日に係る情報を情報格納部２０から取得して、これらの情報を重回帰式に代入することで、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。

次に、前述の機械学習について説明する。入店客数予測部は、前述の各種情報に基づいて、任意日（例えば、２０１９年１月１日等の過去の日付をいう。）に対応する実測降水量、実測気温、曜日、及び休日に係る情報を一塊とする第１データセットと、当該任意日に対応する実測の入店客数に関する第２データセットとを生成する。より具体的には、例えば、２０１９年１月１に対応する実測降水量、実測気温、曜日、及び休日に係る情報を１つ目の第１データセットとし、同日に対応する実測の入店客数を１つ目の第２データセットとして生成する。同様に、例えば、２０１９年１月２日に対応する実測降水量、実測気温、曜日、及び休日に係る情報を２つ目の第１データセットとし、同日に対応する実測の入店客数を２つ目の第２データセットとして生成する。同様にして、膨大な過去の任意日毎の第１データセット及び第２データセットを生成する。

そして、入店客数予測部は、前述のとおり生成した第１データセットと第２データセットを、対応する任意日毎に関連付けることで、当該任意日毎の教師データ（例えば、２０１９年１月１日に対応する１つ目の第１データセット及び１つ目の第２データセットから構成される教師データ）を生成する。そして、入店客数予測部は、任意日毎の膨大な教師データを、ニューラルネットワークに入力することで、当該ニューラルネットワークを機械学習させる。

ところで、機械学習の対象となるニューラルネットワークとしては、図１６に示すように、複数のニューロンを組み合せた３層の重みを有するものを用いることができる。なお、図１６は、別の実施形態に係る情報可視化処理装置１０に含まれる入店客数予測部の一機能（機械学習機能）の構成を示す概略図である。

図１６に示すように、ニューラルネットワークは、複数のデータが入力される入力層Ｌ１、出力結果を出力する出力層Ｌ３と、入力層Ｌ１と出力層Ｌ３との間に設けられる中間層Ｌ２とから構成される。つまり、図４に関していえば、ニューラルネットワークの左側から、例えば、曜日、休日、降水量、気温、及び予想宿泊者数等の複数のデータが入力層Ｌ１に入力されると、最終的に右側の出力層Ｌ３から予測入店客数が出力される。

より具体的には、図１６に示すように、曜日、休日、実測降水量、実測気温、及び実測宿泊者数等の各入力データが対応する各ニューロンＮ_１－１、Ｎ_１－２・・・、Ｎ_１－１９に入力される。各ニューロンＮ_１－１、Ｎ_１－２・・・、Ｎ_１－１９は、入力されたデータを所定の重みＷ_１を掛けて２つのニューロンＮ_２－１及びＮ_２－２へと出力する。各ニューロンＮ_２－１及びＮ_２－２は、重みＷ_１が掛けられたデータが入力されると、当該データを所定の重みＷ_２を掛けてニューロンＮ_３へと出力して、ニューロンＮ_３が最終的な出力結果としての入店客数を出力する。

ところで、重みＷ_１とは、各ニューロンＮ_１－１、Ｎ_１－２・・・、Ｎ_１－１９がニューロンＮ_２－１対して出力する各特徴ベクトルＺ_１－１、Ｚ_１－２、・・・Ｚ_１－１９に対して個別に掛けられる重み、及び各ニューロンＮ_１－１、Ｎ_１－２・・・、Ｎ_１－１９がニューロンＮ_２－２に対して出力する各特徴ベクトルＺ_２－１、Ｚ_２－２、・・・Ｚ_２－１９に対して個別に掛けられる重みをまとめて表現するものである。

同様に、重みＷ_２とは、各ニューロンＮ_２－１及びＮ_２－２がニューロンＮ３に対して出力する各特徴ベクトルＺ_３－１及びＺ_３－２に対して個別に掛けられる重みをまとめて表現するものである。

重みＷ_１及びＷ_２は、誤差逆伝搬法（バックプロパゲーション）による学習可能なものである。誤差逆伝搬法は、各ニューロンについて、曜日、休日、降水量、気温、及び予想宿泊者数等の各入力データが入力されたときの出力（予想入店客数の値）と真の出力値（第１データセットと第２データセットとから構成される教師データに係る実測の値）との差分を小さくするように、重みＷ_１及びＷ_２を調整（学習）する手法である。

入店客数予測部は、前述のとおり機械学習されたニューラルネットワークに、予測を実行する将来の所定日に対応する予想降水量、予想気温（予想最低気温及び予想最高気温）、曜日、及び休日に係る情報を情報格納部２０から取得して、これらの情報を当該ニューラルネットワークに入力することで、将来の所定日に対応する予測入店客数を出力させることができる。

４－２．販売数量予測機能
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。

４－３．材料使用量予測機能
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。

以上説明した、予測入店客数、各商品の予測販売数量、及び材料毎の予測材料使用量に係る情報は、前述の出力部２２を介して、クライアント端末装置３０へと送信される。

４－４．端末装置３０に表示される各種予測内容
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。

まず、端末装置３０の表示部３０－１においては、図１７に示すように、予測入店客数等に対応する日付（図１７においては、２０１９年３月２３日）が表示される（表示領域３７Ａ）。当該日付は、初期設定として、現在日が表示されるようにしてもよいし、クライアントによる端末装置３０のユーザインターフェイスとしてのキーボード操作やタッチ装置等を通じて将来の所定日が別途特定された場合においては、当該特定された日が表示されるようにしてもよい。

また、端末装置３０は、表示領域３７Ａに表示された日付（図１７においては、２０１９年３月２３日）に対応する予測入店客数を出力部２２から受信して、受信した予測入店客数は表示部３０－１の表示領域３７Ｂに表示される。

なお、表示領域３７Ｂに表示された予測入店客数を、当該日付（２０１９年３月２３日）の時間帯ごと、つまり、「１１時まで」、「１１時乃至１２時」、「１２時乃至１３時」、「１３時乃至１４時」、及び「１５時以降」に細分化して表示してもよい（表示領域３７Ｃ）。なお、予測入店客数を各時間帯に細分化する方法としては、例えば、情報格納部２０によって格納された過去の膨大な日付に対応する実測の入店客数を、前述の時間帯毎に集計した上で、移動平均法を用いて各時間帯の入店客数比率を算出しておき、最終決定された予測入店客数を各時間帯に細分化する処理を実行するようにすればよい。なお、この演算処理は、情報格納部２０で実行されてもよいし、他の構成要素で実行されてもよい。

また、端末装置３０は、情報格納部２０に格納された当該日付（２０１９年３月２３日）における実測の入店客数に係る情報を出力部２２から受信して、当該情報を表示部３０－１に表示させることもできる（表示領域３７Ｄ）。また、前述の予測入店客数と同様に、端末装置３０は、前述の各時間帯に細分化した実測の入店客数に係る情報を、出力部２２を介して情報格納部２０から受信して、この情報を表示部３０－１に表示することもできる（表示領域３７Ｅ）。

さらにまた、端末装置３０は、上記に加えて、当該日付（２０１９年３月２３日）における各時間帯の予測入店客数及び実測の入店客数の推移に係るグラフ（表示領域３７Ｆ）、当該日付における予測入店客数と実測の入店客数との誤差（表示領域３７Ｇ）、及び予測的中率（表示領域３７Ｈ）、等も表示部３０－１に表示させることができる。なお、当該日付における予測入店客数と実測の入店客数との誤差及び予測的中率は、情報格納部２０又は情報可視化処理装置１０に別途設けられる記憶部（図示せず）や処理部（図示せず）等によって演算されてもよいし、端末装置３０内に設けられる記憶部（図示せず）等によって演算されてもよい。

さらにまた、端末装置３０は、上記に加えて、当該日付（２０１９年３月２３日）における売上金額及び客単価を、情報格納部２０から出力部２２を介して受信して、当該売上金額及び客単価に係る情報を、表示部３０－１に表示させることもできる（表示領域３７Ｉ及び３７Ｊ）。

さらにまた、端末装置３０は、上記に加えて、図１７に示すように、当該日付（２０１９年３月２３日）以降１週間の各日付に対応する予測入店客数を、表示部３０－１に表示させることもできる（表示領域３７Ｋ）。なお、この表示は、当該日付以降５日後までというように、適宜に変更してもよい。

なお、表示部３０－１においては、図１７に示すように、当該表示部３０－１に表示される表示画面の種類を、端末装置３０を操作するクライアントが適宜に選択することができるように、スクロール部３７Ｗ（スクロール部３７Ｗは、図１７においては、紙面上下方向にスクロール可能に構成されている）が設けられている。例えば、図１７においては、スクロール部３７Ｗのうち、「来客予測」のタブ（３７Ｗ_１）が選択されている（図１７においては、当該タブ３７Ｗ_１が選択された旨が、網掛けの態様によって表現されている）。

次に、図１７に示された画面におけるスクロール部３７Ｗにおいて、「販売予測」のタブが選択された場合の表示画面について、図１８を参照しつつ説明する。

この場合、図１８に示された画面におけるスクロール部３８Ｗ（スクロール部３８Ｗは、スクロール部３７Ｗと同様に、紙面上下方向にスクロール可能に構成されている）においては、「販売予測」のタブ（３８Ｗ_１）が選択されている（図１８においては、当該タブ３８Ｗ_１が選択された旨が、網掛けの態様によって表現されている）。そして、この画面においても、図１７と同様に、対応する日付（２０１９年３月２３日）が表示される（表示領域３８Ａ）。

そして、図１８に示された画面においては、図１７で示されていた予測入店客数に係る情報、及び当該日付における実測の入店客数に係る情報が表示される（表示領域３８Ｂ及び３８Ｄ）。

さらに、端末装置３０は、情報格納部２０に随時格納される当該日付の商品毎の商品販売数（販売数量）に係る情報を出力部２２から受信して、当該情報は表示部３０－１に表示される（表示領域３８Ｅ）。

さらにまた、端末装置３０は、当該日付に対応する商品毎の予測販売数量に係る情報を出力部２２から受信して、当該情報は表示部３０－１に表示される（表示領域３８Ｆ及び３８Ｇ）。なお、表示領域３８Ｆに表示される予測１と、表示領域３８Ｇに表示される予測２との違いは、販売数量予測部が各商品の商品販売比率の移動平均値を算出する際に根拠とした過去の所定期間の違いに依拠する。つまり、販売数量予測部が商品毎の商品販売比率の移動平均値を算出するにあたり、過去２日間の商品毎の商品販売比率に基づいて当該商品販売比率の第１の移動平均値を算出し、且つ先週の同曜日とその翌日（例えば、現在が金曜日であれば、先週の金曜日と先週の土曜日）の商品毎の商品販売比率に基づいて当該商品販売比率の第２の移動平均値を算出するように設定しておくことで、前述の予測１（過去２日間の商品毎の商品販売比率に基づく予測）及び予測２（先週の同曜日とその翌日の商品毎の商品販売比率に基づく予測）の両方を、販売数量予測部が出力することが可能となる。なお、予測１及び予測２を算出するベースとなる過去の所定期間については適宜に変更・設定すればよい。

次に、図１７に示された画面におけるスクロール部３７Ｗにおいて、「材料予測」のタブが選択された場合の表示画面について、図１９を参照しつつ説明する。

この場合、図１９に示された画面におけるスクロール部３９Ｗ（スクロール部３９Ｗは、スクロール部３７Ｗと同様に、紙面上下方向にスクロール可能に構成されている）においては、「材料予測」のタブ（３９Ｗ_１）が選択されている（図１９においては、当該タブ３９Ｗ_１が選択された旨が、網掛けの態様によって表現されている）。そして、この画面においても、図１７と同様に、対応する日付（２０１９年３月２３日）が表示される（表示領域３９Ａ）。

さらに、端末装置３０は、予測材料使用量に係る情報を出力部２２から受信して、当該情報は表示部３０－１に表示される（表示領域３９Ｂ及び３９Ｃ）。なお、図１９に示された画面において、「前２日間からの予測材料使用量」とは、図１８を参照しつつ説明した予測１に係る商品毎の予測販売数量に基づいて算出されたものであり、「先週同曜日と翌日からの予測材料使用量」とは、図１８を参照しつつ説明した予測２に係る商品毎の予測販売数量に基づいて算出されたものである。

以上、前述の通り、様々な実施形態を例示したが、上記実施形態はあくまで一例であって、発明の範囲を限定することは意図していない。上記実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置換、変更を行うことができる。

また、本明細書で説明される情報可視化処理は、実施形態において明示的に説明されたものによってのみならず、ソフトウェア、ハードウェア又はこれらの組み合わせによっても実現可能なものである。具体的には、本明細書で説明された処理は、各種集積回路及び各種メモリ等の媒体に、当該処理に相当するロジックを実装することによって実現される。

１ 情報可視化処理システム
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)

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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。
7. 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。
8. 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。
9. 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。
10. 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。
11. 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。
12. 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。
13. 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。
14. 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。
15. 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。
16. 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。
17. 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。
18. 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。
19. 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。
20. 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。

Images