JPH06119309A - Purchase prospect degree predicting method and customer management system - Google Patents

Purchase prospect degree predicting method and customer management system

Info

Publication number
JPH06119309A
JPH06119309A JP28706492A JP28706492A JPH06119309A JP H06119309 A JPH06119309 A JP H06119309A JP 28706492 A JP28706492 A JP 28706492A JP 28706492 A JP28706492 A JP 28706492A JP H06119309 A JPH06119309 A JP H06119309A
Authority
JP
Japan
Prior art keywords
customer
data
purchase
attribute
degree
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.)
Pending
Application number
JP28706492A
Other languages
Japanese (ja)
Inventor
Akio Ishino
章夫 石野
Original Assignee
Intetsuku:Kk
株式会社インテック
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Intetsuku:Kk, 株式会社インテック filed Critical Intetsuku:Kk
Priority to JP28706492A priority Critical patent/JPH06119309A/en
Publication of JPH06119309A publication Critical patent/JPH06119309A/en
Application status is Pending legal-status Critical

Links

Abstract

PURPOSE: To calculate the purchase prospect degree even for a customer whose customer attribute is partly deficient by estimating a defective customer attribute from the customer attribute of a similar customer.
CONSTITUTION: First and second data files are stored within a memory 13. In the first data file, the attribute values of the customers who were made business objects in the past are stored without deficiency. In the second data file, the attribute values of the customers who will be made business objects are stored. The contents of the first data file is delivered to a predictive model preparing means 14 to which the data of object mechandise is imparted and a purchase prospect predictive model is prepared here. In an estimating means 15, defective attributes are estimated from customer attribute designation models, regarding the customers in the second data file to be a selection object. In a data processing means 16, the purchase prospect degree for every customer is calculated from the predictive models and the estimated attribute values and it is outputted.
COPYRIGHT: (C)1994,JPO&Japio

Description

【発明の詳細な説明】 DETAILED DESCRIPTION OF THE INVENTION

【0001】 [0001]

【産業上の利用分野】本発明は、購入見込み度合予測方法及び顧客管理システムに関するものである。 The present invention relates, is intended for the purchase prospects degree prediction method and customer management systems.

【0002】 [0002]

【従来の技術】従来より、各顧客についての、年齢、年収、業種、家族構成、貯金額、ローン残高などの商品の購買に寄与する情報群、すなわち顧客の属性をデータとしてファイルに蓄えておき、図13に示すように、対象商品の購買に寄与すると考えられる1つの顧客属性I Hitherto, for each customer, age, annual income, industry, family structure, savings amount, contributing information group to the purchase of goods, such as loan balance, ie keep stored in the file attributes of the customer as data as shown in FIG. 13, one customer attribute I thought to contribute to the purchase of Shipping
(例えば年収)を横軸にとり、別の顧客属性J(例えば年齢)を縦軸にとり、これらの2つの顧客属性による購入見込み適正範囲を過去の経験等からマップ化した予測モデルを作成しておき、ファイルに蓄積されている顧客の属性をこのモデルにあてはめることにより各顧客の購入見込みを推定し、この結果に基づいて顧客の管理を行なうシステムが公知である。 (For example, annual income) was taken in the horizontal axis, placed vertically another customer attributes J (for example age), leave to create a predictive model that the purchase prospects proper range by these two customer attributes were mapped from past experience, etc. to estimate the purchase likelihood of each customer by fitting the attributes of the customer are stored in a file in this model, system for customer management based on the result are known.

【0003】 [0003]

【発明が解決しようとする課題】しかしながら、上述の従来システムでは、顧客属性が一部欠損している場合にはその予測モデルにあてはめることができない場合が生じるという問題点を有している。 [SUMMARY OF THE INVENTION However, in the above conventional system has a problem that if the customer attribute that can not be extrapolated to the prediction model when you are partially deficient occur. また、従来のシステムでは、過去に商品を購入した顧客の特性を見込み予測モデル中に実現していないため、予測精度が低いという別の問題のほか、抽出した顧客ごとに購入見込み度合を決定していないため営業優先順位が決定できないという更に他の問題点をも有している。 In addition, in the conventional systems, because it does not achieve the characteristics of customers who have purchased the items in the past in the prospective prediction model, in addition to another problem that the low prediction accuracy, the purchase prospects degree was determined for each extracted customer Furthermore that business priorities for non can not be determined also have other problems. 本発明の目的は、従来のシステムにおける上述の問題点を解決することができる、改善された購入見込み予測方法及びこれを用いた顧客管理システムを提供することにある。 An object of the present invention can solve the above problems in the conventional system is to provide a customer management system using improved purchased estimated prediction method and the same.

【0004】 [0004]

【課題を解決するための手段】上記課題を達成するための本発明の方法の特徴は、商品の販売対象となる顧客の購入見込み度合を予測する際に、欠損している顧客属性を類似顧客の顧客属性から推測し、既購入顧客群の顧客属性から対象商品を購入する顧客の特性を抽出し、その顧客特性と対象顧客の属性との類似性を比較することによって購入見込み度合を予測するようにした点にある。 Means for Solving the Problems The feature of the process of the present invention for achieving the above object, in predicting purchase likelihood degree of customer going on sale of goods, similar customer attributes lacking customer of inferred from the customer attribute to purchase Shipping from customer attributes already purchased the customer group to extract the characteristics of the customer, to predict the purchase likelihood degree by comparing the similarity of the attributes of the customer characteristics and target customers as is the point you.

【0005】本発明の他の特徴は、顧客の属性に関するデータが蓄積されているデータファイルを備え、該データファイル中の顧客属性データに基づいて顧客の管理を行なうための顧客管理システムにおいて、所与の対象商品を購入する顧客特性データを同一商品を購入した顧客群データを用いて多変量解析により得るデータ作成手段と、前記データファイル中の欠損のない顧客属性データに基づいて多変量解析により所要の顧客についての欠損している顧客属性データについての推定データを得る手段と、前記顧客特性データに基づいて前記対象商品に関する購入見込み予測モデルを作成する手段と、前記推測データを含む顧客属性データを前記予測モデルと比較することによって前記所要の顧客の前記対象商品に対する購入見込み度合い [0005] Another feature of the present invention comprises a data file of attributes from the customer are stored in the customer management system for customer management based on the customer attribute data in the data file, where a data creation unit obtained by multivariate analysis using the customer group data customer characteristic data purchased by the same item to buy given of Shipping, by multivariate analysis based on the customer attribute data without missing in the data file means for obtaining an estimated data for customer attribute data deficient for the required customer, means for creating a purchase estimated prediction model related to the Shipping based on the customer characteristic data, customer attribute data including the inferred data purchase prospects degree with respect to the subject merchandise of the required of the customer by comparing it with the prediction model 関するデータを得るためのデータ処理手段と、該データ処理手段に応答して顧客管理のための顧客管理処理を行なう管理処理装置とを備えた点にある。 And data processing means for obtaining data about lies in that a management processor in response performs customer management process for customer management to the data processing means.

【0006】 [0006]

【作用】顧客属性が一部欠損している顧客の場合には欠損属性が推測され、過去に同一商品を購入した顧客群の顧客特性を考慮した商品の購入見込み予測モデルにより商品購入見込み度合が算出される。 [Action] in the case of a customer that the customer attribute is part deficient missing attribute is estimated, the purchase prospects degree by the purchase prospects prediction model of the product in consideration of the customer characteristics of the group of customers who purchased the same product in the past It is calculated. 顧客管理システムにあっては、この結果得られた商品購入見込み度合に従って所要の顧客の管理が行なわれる。 In the customer management system, the management of the required customer in accordance with the purchase expected degree to which the results obtained are carried out.

【0007】 [0007]

【実施例】以下、本発明の一実施例につき図面を参照しながら詳細に説明する。 EXAMPLES Hereinafter, will be described in detail with reference to the accompanying drawings an embodiment of the present invention.

【0008】図1は、本発明による顧客管理システムの一実施例を示す。 [0008] Figure 1 illustrates one embodiment of a customer management system according to the present invention. 図1の顧客管理システム1において、 In the customer management system 1 shown in FIG. 1,
2はコンピュータ、3は所要のデータをコンピュータ2 2 computer, 3 computer 2 the required data
に入力するための入力装置、4はCRT表示装置、5はプリンタ、6はコンピュータによって得られたデータに応答して作動する宛名印刷機である。 An input device for inputting a, 4 a CRT display device, 5 a printer, 6 is a mailing printing machine which operates in response to data obtained by a computer. コンピュータ2 Computer 2
は、中央演算処理装置(CPU)7、ランダムアクセスメモリ(RAM)8、読出し専用メモリ(ROM)9、 A central processing unit (CPU) 7, a random access memory (RAM) 8, a read only memory (ROM) 9,
通信制御部10、及び各種外部装置と接続されているI I to be connected to the communication control unit 10, and various external devices
/Oインターフェイス装置11がバス2Aを介し相互に接続されて成る公知の構成のコンピュータシステムとして構成されている。 / O interface device 11 is configured as a computer system known configuration comprising interconnected via a bus 2A.

【0009】RAM8内には、顧客の属性値が多数組ストアされているデータファイルが作られており、ROM [0009] In the RAM8, it has been made the data file attribute value of the customer has been a large number of sets store, ROM
9内には、該データファイル内のデータを処理して顧客の管理を行なうための顧客管理プログラムがストアされている。 In the 9, customer management program for customer management of processing data in the data file has been stored. このデータファイルの内容は、入力装置3により追加、更新、訂正することができ、図示の実施例では、過去に営業対象とした顧客の属性値を欠損なく蓄積してある第1データファイルと、今後営業対象とする顧客の属性値を蓄積してある第2データファイルとにわかれている。 The contents of this data file, add the input device 3, the update can be corrected, in the illustrated embodiment, a first data file that is stored without missing attribute values ​​for customers and sales target in the past, It has been divided into a second data file that is stored the attribute value of the customer to the future sales target. なお、このファイルは、RAM8内に作成するほか、例えば、外部メモリ装置として磁気テープリーダを設け、磁気テープに作成する構成でもよい。 Note that this file will only be created in the RAM 8, for example, a magnetic tape reader is provided, it may be configured to create a magnetic tape as an external memory device.

【0010】ROM9内にストアされている顧客管理プログラムはCPU7において実行され、RAM8内にストアされているデータファイルの内容を用いて入力装置3から入力される対象商品の購入見込み度合を本発明の方法によって各顧客について予測し、その結果を顧客管理のために処理するものである。 [0010] The customer management program that has been stored in the ROM9 is performed in CPU7, of the present invention the purchase prospects degree on the target product, which is input from the input device 3 by using the contents of the data files that are stored in the RAM8 predicts for each customer by the way, it is to process the results for customer management.

【0011】図2には、上述した顧客管理プログラムの実行内容を機能図として示すブロック図が示されている。 [0011] FIG. 2 is a block diagram showing an execution content of the customer management program described above as functional diagram is shown. メモリ13内には第1データファイルと第2データファイルとがストアされている。 The memory 13 is a first data file and a second data file and the store. 第1データファイルの内容は対象商品に関するデータが与えられている予測モデル作成手段14に送られ、ここで購入見込み予測モデルが作成される。 Contents of the first data file is sent to the prediction model generating means 14 have been given data about Shipping, wherein Buy prospective prediction model is created. 一方、推定手段15では、顧客属性推定モデルから欠損している属性が推定される。 On the other hand, the estimation unit 15, the attributes missing from the customer attribute estimation model is estimated. データ処理手段16では、予測モデルと推定された属性値とから顧客毎の購入見込み度合を計算するためのデータ処理が行なわれ、購入見込み度合を示すデータが出力される。 The data processing unit 16, data processing for calculating the purchase estimated degree of each customer from the estimated attribute value and prediction model is performed, data indicating the purchases likelihood degree is outputted.
この出力データは、出力制御部17で顧客管理のための処理が行なわれ、顧客管理のための外部機器、例えば、 The output data processing for customer management is performed by the output control unit 17, an external device for customer management, for example,
CRT表示装置4、プリンタ5、宛名印刷機6、公衆回線12に接続されている自動ダイヤル機能を有する通信制御部10のうちの所要のものに出力され、顧客管理のために使用される。 CRT display 4, a printer 5, address printer 6, is output to the required ones of the communication control unit 10 having an automatic dialing function, which is connected to the public line 12, is used for customer management.

【0012】次に、図2に示す機能を実現するためRO [0012] Then, for realizing the function shown in FIG. 2 RO
M9内にストアされている顧客管理プログラムのフローチャートについて図3乃至図7を参照しながら説明する。 The flowchart of customer management programs stored will be described with reference to FIGS. 3 to 7 in M9.

【0013】図3において、ステップ20で初期化が行なわれた後ステップ21に入り、ここで管理のために必要な対象商品を示すデータ等の所要のデータが入力され、RAM8内にストアされる。 [0013] In FIG. 3, control enters step 21 after the initialization is performed in step 20, where the required data such as data indicating the Shipping necessary for management are input and stored in the RAM8 . 次いで、ステップ22 Next, step 22
に入り、ここで、推定モデルが作成される。 Go to, here, the estimated model is created.

【0014】図4にはステップ22の詳細フローチャートが示されている。 [0014] Figure 4 there is shown a detailed flowchart of step 22. 先ずステップ221では、推定対象となる顧客属性項目が設定される。 First, at a step 221, customer attribute items are set to be the estimated target. 図示の例では、この項目として年収が設定される。 In the illustrated example, annual income is set as the item. 次のステップ222では、推定対象の顧客属性項目である年収を、100万円台、200万円台、. In the next step 222, the annual income is the customer attribute items to be estimated 100 million units to 200 million units,. . . の如くカテゴリー分けする。 It is categorized as.
そしてステップ223に入り、推定対象となっている年収以外の顧客属性を説明変数として、推定対象の顧客属性項目を判別分析する。 Then it goes to step 223, as an explanatory variable customer attribute other than annual income that is the estimation target and discriminant analysis customer attribute items to be estimated.

【0015】この判別分析は、図8に示すように、適宜の指標A、Bを各軸にとることによって、各カテゴリー(100万円台、200万円台、...)を最適に分離するためのものである。 [0015] The discriminant analysis, as shown in FIG. 8, by taking appropriate indicators A, B to each axis, each category (100 million units 200 million units, ...) an optimum separation it is meant to be. これらの指標A、Bとしては、 These indicators A, As B, a
図示の例では年齢と学歴とが使用されている(ステップ224)。 In the illustrated example is the age and education are used (step 224). このようにしてカテゴリーが最適に分離されたならば、各カテゴリーのサンプルデータの中心点a、 If categories in this way are optimally separated, the center point a of the sample data for each category,
b、c、. b, c ,. . . を決定する。 To determine. このようにして、指標A、 In this way, the index A,
Bから年収を推定するための推定モデル(図8参照)が作成されたならば、次のステップ23に入る。 If estimation model for estimating the annual income from B (see FIG. 8) is created, enter the next step 23.

【0016】ステップ23では、対象商品の購買についての過去のデータから購入見込み予測モデルの作成が行なわれる。 [0016] In step 23, the creation of past purchases expected predictive models from data about the purchase of the subject goods is carried out. この作成手順について、図5の詳細フローチャートを参照しながら説明すると、先ずステップ231 This creation procedure will be described with reference to the detailed flowchart of FIG. 5, first, in step 231
で第1データファイル中の顧客データに基づき、全ての顧客属性項目(年齢、年収、...)を所要のカテゴリーに分け、次のステップ232でカテゴリー分けした顧客属性を説明変数として、対象商品の購入、未購入を判別分析する。 In based on the customer data of the first in the data file, divided all of the customer attribute items (age, annual income, ...) to the desired category, as an explanatory variable customer attributes categorized in the next step 232, the subject merchandise purchase of, the discriminating analysis not yet purchased.

【0017】このため、図9に示すように、購入者、未購入者を最適に分離するための指標C、Dを適宜に定め(ステップ233)、且つ購入者、未購入者のサンプルデータの中心点α、βを決定する。 [0017] Therefore, as shown in FIG. 9, purchaser, indicators for optimally separating the non purchaser C, appropriately determines the D (step 233), and the purchaser, the sample data of non purchaser central point α, to determine the β. このようにして指標C、Dから購入、未購入の度合、すなわち購入見込みを予測するための予測モデルが作成されると、ステップ2 Indicator C in this manner, purchased from D, the degree of not purchased, ie the prediction model for predicting the purchase likelihood is created, Step 2
4に入る。 Enter 4.

【0018】ステップ24では、選別対象である第2データファイル中の顧客に関し、欠損している属性の値が推定される。 [0018] At step 24 relates to customer during the second data file is selected target value of the attribute lacking is estimated. この場合は年収が欠損している属性であり、図6のステップ241で欠損属性項目の抽出が行なわれる。 In this case an attribute that annual income is missing, the extraction of defect attribute items is performed in step 241 of FIG. 6. 次のステップ242では、対象となっている顧客の年収を、ステップ22で求めた推定モデルにあてはめて推定するため、この顧客に関する指標A(年齢)、 In the next step 242, the annual income of the customer of interest, to estimate by applying the estimation model determined in step 22, index A for this customer (age),
及び指標B(学歴)の各値を算出する。 And calculating each value of the index B (Education).

【0019】図10にはこの顧客の指標Aの値Ax及び指標Bの値Bxより推定点Xの求められる様子が図示されている。 The manner in which determined the estimate point X than the value Bx values ​​Ax and the index B of the index A of the customer is shown in FIG. 10.

【0020】この推定のための計算は、ステップ243 [0020] The calculation for this estimate, step 243
で次のようにして実行され、推定すべき属性である年収の各カテゴリー毎に確信度が得られる。 In runs as follows, confidence for each category of annual income, which is an attribute to be estimated is obtained. すなわち、推定点X(図10参照)と各カテゴリーの中心点a、b、 That is, the center point a of the estimate point X (see FIG. 10) and each category, b,
c. c. . . との距離をax、bx、cx. The distance between the ax, bx, cx. . . とすれば、 100万円台の確信度Z100は Z100=(ax/k)×100 (%) 200万円台の確信度Z200は Z200=(bx/k)×100 (%) 300万円台の確信度Z300は Z300=(cx/k)×100 (%) ・ ・ ・ 但し、K=ax+bx+cx+ ・・・ となる。 If, 100 million units of confidence Z100 Z100 = (ax / k) × 100 (%) 200 million units of confidence Z200 is Z200 = (bx / k) × 100 (%) 300 million units confidence Z300 is Z300 = (cx / k) × 100 (%) · · · However, the K = ax + bx + cx + ···.

【0021】これらの確信度は、したがって、例えば図11に示すように表すことができる。 [0021] These confidence may therefore be represented as shown in FIG. 11 for example. しかる後、ステップ25に入り、ここで、購入見込み度合いの計算が実行される。 Thereafter, it enters step 25, where the calculation of the purchase estimated degree is performed.

【0022】図7には、購入見込み度合いの計算ステップが示されている。 [0022] FIG. 7, the calculation step of the purchase prospects degree is shown. ステップ251では、ステップ23 At step 251, step 23
で得られた予測モデルを用いてその購入見込み度合いを計算するため、先ず、選別対象とする顧客の属性値より、指標C、Dの各値を算出する。 Using the prediction model obtained in order to calculate the purchase likelihood degree, first, from the attribute values ​​of the customers that sorting target, to calculate the values ​​of the index C, D. 次のステップ252 The next step 252
において、この算出された指標C、Dの各値を用いて、 In this calculated index C, and using the values ​​and D,
先ず、指標C、Dを各軸上に取ったC−D平面内での推定点Yを決定する(図12参照)。 First, the index C, and determining an estimated point Y in the C-D plane taken on each axis D (see Figure 12). しかる後、購入見込度合PROは PRO=αY×(αY+βY) -1 ×100 (%) として計算される。 Thereafter, purchase expected degree PRO is calculated as PRO = αY × (αY + βY ) -1 × 100 (%). ここで、αYはα−Y間の距離、β Here, αY is the distance between the αY, β
Yはβ−Y間の距離である。 Y is the distance between the beta-Y.

【0023】このようにして、選別対象となる全ての顧客に対して購入見込み度合PROの値が計算され、ステップ26に入る。 [0023] In this way, the value of the purchase is expected degree PRO for all customers as a selection target is calculated, it enters the step 26. ステップ26では、購入見込み度合P In step 26, the purchase is expected degree P
ROの値が所定値以上の顧客の氏名、住所、電話番号をCRT表示装置4で確認できるようにする、プリンタ5 The value of RO is a predetermined value or more customer's name, address, to be able to verify the phone number in the CRT display device 4, a printer 5
により出力する、氏名、住所を宛名印刷機でラベル印刷する、顧客の電話番号を順次自動的にダイヤルするなどの顧客管理のための出力処理が実行される。 Output by the, name, label printing at the address printing machine address, output processing for customer management, such as sequentially automatically dials the phone number of the customer is performed. どのような顧客管理処理を行なうかは、プログラムにおいて予め定めておいてもよいし、入力装置3によりその都度指令してもよい。 Is what the customer management processing performs, may be determined in advance in the program, each time may be commanded by the input device 3. 上記実施例で説明したダイレクトメールテレマーケッティングへの応用の場合には、顧客絞り込みにより営業優先順位の決定が、顧客属性が一部欠損している場合でも可能となるという格別の効果を有している。 In the case of application to direct mail telemarketing described in the above embodiment, the determination of the operating priority by the customer refine can have a significant effect that the customer attribute is possible even if partially deficient there.
なお、本発明による顧客管理の形態は、上述の例に限定されず、その他の適宜の管理のために本発明を適用してもよい。 Incidentally, the form of the customer management according to the present invention is not limited to the examples described above, the present invention may be applied for other appropriate management.

【0024】さらに、本発明は、上記のダイレクトメールテレマーケッティングへの応用のほか、その他の種々の営業活動等のために適用できることは勿論である。 [0024] In addition, the present invention, in addition to the application of the above-mentioned direct mail telemarketing, it is a matter of course that can be applied for, such as a variety of other operating activities. たとえば、営業圏内の見込顧客数から見た売れ筋商品の分析等の商品分析への応用、店内の見込み顧客売れ筋商品を分析することによって店の質を分析する等の店質分析への応用、複数商品の見込み状況からみた顧客層別を行なう顧客層別分析等の応用に最適である。 For example, application of the commodity analysis of analysis of selling items as seen from the expected number of customers operating within, its application to store quality analysis such as to analyze the quality of the store by analyzing the prospects selling items in the store, more it is best suited for the application of another customer layer analysis and the like to perform a different customer base, as seen from the expected situation of the goods. これらの応用においても、顧客属性のうちのいくつかに欠損があってもこれを推定しうるので、従来では利用が困難とされていた顧客属性欠損データをも有効に利用でき、各種分析を幅広く行なうことができる。 In these applications, since it even if there is defect in some of the customer attributes can estimate, also effectively available customer attribute missing data available has been considered difficult with conventional, widely various analysis it can be carried out.

【0025】 [0025]

【発明の効果】本発明によれば、上述の如く、顧客属性の一部が欠損している顧客に対しても購入見込み度合を計算することができるため、幅広く適用することができるほか、顧客の過去の購入状況を購入予測モデル中に実現しているので、より精度の高い購入見込み予測が可能であり、このようにして得られた購入見込み予測に基づいて顧客管理を行なうことにより、営業活動をより効率的に行なうことができる。 According to the present invention, as described above, it is possible that part of the customer attribute is also to calculate the purchase prospects degree to customers that are deficient, other that can be widely applied, customer the so past is realized purchase status during purchase prediction model, is capable of more accurate purchased prospective prediction by performing customer management based on the thus purchased estimated prediction obtained operating it can be performed activities more efficiently.

【図面の簡単な説明】 BRIEF DESCRIPTION OF THE DRAWINGS

【図1】本発明による顧客管理システムの一実施例を示す概略構成図。 Schematic diagram showing one embodiment of a customer management system according to the invention; FIG.

【図2】図1のコンピュータにより実行されるデータ処理内容を示す機能ブロック図。 Figure 2 is a functional block diagram of a data processing contents executed by the computer of FIG.

【図3】図1のコンピュータにより実行される顧客管理プログラムを示すフローチャート。 FIG. 3 is a flowchart showing a customer management program executed by the computer of FIG.

【図4】図3の推定モデル作成ステップの詳細フローチャート。 [4] detailed flowchart of estimation model generation step of FIG.

【図5】図3の予測モデル作成ステップの詳細フローチャート。 [5] detailed flowchart of the prediction model building step of Fig.

【図6】図3の欠損値の推定ステップの詳細フローチャート。 [6] detailed flowchart of step of estimating missing values ​​in FIG.

【図7】図3の購入見込み度合の計算ステップの詳細フローチャート。 [7] detailed flowchart of step of calculating purchase estimated degree of FIG.

【図8】図3の推定モデル作成ステップを説明するための説明図。 Figure 8 is an explanatory diagram for explaining the estimation model generation step of FIG.

【図9】図3の予測モデル作成ステップを説明するための説明図。 Figure 9 is an explanatory diagram for explaining a prediction model building step of Fig.

【図10】図3の欠損値の推定ステップを説明するための説明図。 Figure 10 is an explanatory diagram for explaining the step of estimating missing values ​​in FIG.

【図11】図3の欠損値の推定ステップにおいて得られる確信度を説明するための説明図。 Figure 11 is an explanatory diagram for explaining the confidence obtained in step of estimating missing values ​​in FIG.

【図12】図3の購入見込み度合の計算を説明するための説明図。 FIG. 12 is an explanatory diagram for explaining the calculation of the purchase is expected degree of Figure 3.

【図13】従来の購入予測の方法を説明する為の説明図。 FIG. 13 is an explanatory diagram for explaining a conventional method of purchase prediction.

【符号の説明】 DESCRIPTION OF SYMBOLS

1 顧客管理システム 2 コンピュータ 3 入力装置 4 CRT表示装置 5 プリンタ 6 宛名印刷機 10 通信制御部 13 メモリ 14 予測モデル作成手段 15 推定手段 16 データ処理手段 17 出力制御部 1 customer management system 2 computer 3 input device 4 CRT display device 5 printer 6 address printer 10 communication control unit 13 memory 14 prediction model generating means 15 estimating means 16 the data processing means 17 output control unit

Claims (2)

    【特許請求の範囲】 [The claims]
  1. 【請求項1】 商品の販売対象となる顧客の購入見込み度合を予測する方法において、欠損している顧客属性を類似顧客の顧客属性から推測し、既購入顧客群の顧客属性から対象商品を購入する顧客の特性を抽出し、その顧客特性と対象顧客の属性との類似性を比較することによって購入見込み度合を予測するようにしたことを特徴とする購入見込み度合予測方法。 1. A method for predicting the purchase prospects degree of customer as a sale of goods, the customer attributes that are deficient guess from the customer attribute of similar customers, purchase the subject goods from the customer attributes of existing purchase customer group purchase estimated degree prediction method for extracting the characteristics of the customer, characterized by being adapted to predict the purchase likelihood degree by comparing the similarity of the attributes of the customer characteristics and target customers.
  2. 【請求項2】 顧客の属性に関するデータが蓄積されているデータファイルを備え、該データファイル中の顧客属性データに基づいて顧客の管理を行なうための顧客管理システムにおいて、 所与の対象商品を購入する顧客特性データを同一商品を購入した顧客群データを用いて多変量解析により得るデータ作成手段と、 前記データファイル中の欠損のない顧客属性データに基づいて多変量解析により所要の顧客についての欠損している顧客属性データについての推定データを得る手段と、 前記顧客特性データに基づいて前記対象商品に関する購入見込み予測モデルを作成する手段と、 前記推測データを含む顧客属性データを前記予測モデルと比較することによって前記所要の顧客の前記対象商品に対する購入見込み度合いに関するデータを 2. A comprises a data file of attributes from the customer are stored in the customer management system for customer management based on the customer attribute data in the data file, purchase given Shipping deficient for the required customer data creation means for obtaining by multivariate analysis using the customer group data purchased the same item customer characteristic data, by a deficiency without multivariate analysis based on the customer attribute data in the data file to be and means for obtaining an estimated data for customer attribute data and, means for creating a purchase estimated prediction model related to the Shipping based on the customer characteristic data, the customer attribute data including the presumed data and the predictive model comparison the data for the purchase prospects degree with respect to the subject merchandise of the required of the customer by るためのデータ処理手段と、 該データ処理手段に応答して顧客管理のための顧客管理処理を行なう管理処理装置とを備えたことを特徴とする顧客管理システム。 Customer management system, wherein the order of the data processing means, further comprising a management processor which in response performs customer management process for customer management to the data processing means.
JP28706492A 1992-10-02 1992-10-02 Purchase prospect degree predicting method and customer management system Pending JPH06119309A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP28706492A JPH06119309A (en) 1992-10-02 1992-10-02 Purchase prospect degree predicting method and customer management system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP28706492A JPH06119309A (en) 1992-10-02 1992-10-02 Purchase prospect degree predicting method and customer management system

Publications (1)

Publication Number Publication Date
JPH06119309A true JPH06119309A (en) 1994-04-28

Family

ID=17712588

Family Applications (1)

Application Number Title Priority Date Filing Date
JP28706492A Pending JPH06119309A (en) 1992-10-02 1992-10-02 Purchase prospect degree predicting method and customer management system

Country Status (1)

Country Link
JP (1) JPH06119309A (en)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6009239A (en) * 1994-06-29 1999-12-28 Kabushiki Kaisha Toshiba Inference apparatus and method for processing instances using linear functions of each class
JP2002007836A (en) * 2000-06-23 2002-01-11 Mitsui Marine & Fire Insurance Co Ltd System and method for aiding commodity sales
US7047215B2 (en) 2000-12-06 2006-05-16 International Business Machines Corporation Parts requirement planning system and method across an extended supply chain
US7359874B2 (en) 2001-01-08 2008-04-15 International Business Machines Corporation Method and system for facilitating parts procurement and production planning across an extended supply chain
JP2014521147A (en) * 2011-07-01 2014-08-25 トゥルーカー インコーポレイテッド A method and system for the available dealer of selection, filtering, and / or presentation
JP2014225253A (en) * 2013-04-26 2014-12-04 スルガ銀行株式会社 Recommended credit frame calculation device
JP2015524129A (en) * 2012-06-18 2015-08-20 サービスソース・インターナショナル・インコーポレイテッドServiceSource International,Inc. Service asset management system and method
WO2017022207A1 (en) * 2015-08-06 2017-02-09 日本電気株式会社 User information estimation system, user information estimation method, and user information estimation program
US9811847B2 (en) 2012-12-21 2017-11-07 Truecar, Inc. System, method and computer program product for tracking and correlating online user activities with sales of physical goods
US9984342B2 (en) 2012-06-18 2018-05-29 ServiceSource International, Inc. Asset data model for recurring revenue asset management
US9984138B2 (en) 2012-06-18 2018-05-29 ServiceSource International, Inc. Visual representations of recurring revenue management system data and predictions

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6009239A (en) * 1994-06-29 1999-12-28 Kabushiki Kaisha Toshiba Inference apparatus and method for processing instances using linear functions of each class
JP2002007836A (en) * 2000-06-23 2002-01-11 Mitsui Marine & Fire Insurance Co Ltd System and method for aiding commodity sales
US7047215B2 (en) 2000-12-06 2006-05-16 International Business Machines Corporation Parts requirement planning system and method across an extended supply chain
US7395228B2 (en) 2000-12-06 2008-07-01 International Business Machines Corporation Parts requirement planning system across an extended supply chain
US7359874B2 (en) 2001-01-08 2008-04-15 International Business Machines Corporation Method and system for facilitating parts procurement and production planning across an extended supply chain
US7519550B2 (en) 2001-01-08 2009-04-14 International Business Machines Corporation Storage medium for facilitating parts procurement and production planning across an extended supply chain
JP2014521147A (en) * 2011-07-01 2014-08-25 トゥルーカー インコーポレイテッド A method and system for the available dealer of selection, filtering, and / or presentation
US10078677B2 (en) 2012-06-18 2018-09-18 ServiceSource International, Inc. Inbound and outbound data handling for recurring revenue asset management
JP2015524129A (en) * 2012-06-18 2015-08-20 サービスソース・インターナショナル・インコーポレイテッドServiceSource International,Inc. Service asset management system and method
US9984138B2 (en) 2012-06-18 2018-05-29 ServiceSource International, Inc. Visual representations of recurring revenue management system data and predictions
US9984342B2 (en) 2012-06-18 2018-05-29 ServiceSource International, Inc. Asset data model for recurring revenue asset management
US9811847B2 (en) 2012-12-21 2017-11-07 Truecar, Inc. System, method and computer program product for tracking and correlating online user activities with sales of physical goods
JP2014225253A (en) * 2013-04-26 2014-12-04 スルガ銀行株式会社 Recommended credit frame calculation device
WO2017022207A1 (en) * 2015-08-06 2017-02-09 日本電気株式会社 User information estimation system, user information estimation method, and user information estimation program

Similar Documents

Publication Publication Date Title
US6272478B1 (en) Data mining apparatus for discovering association rules existing between attributes of data
US6377937B1 (en) Method and system for more effective communication of characteristics data for products and services
US5041972A (en) Method of measuring and evaluating consumer response for the development of consumer products
US5737591A (en) Database view generation system
US8782076B2 (en) System and method for gathering and standardizing customer purchase information for target marketing
AU782052B2 (en) Method and system for researching sales effects of advertising using association analysis
US5946665A (en) On line shopping system using a communication system
US6236985B1 (en) System and method for searching databases with applications such as peer groups, collaborative filtering, and e-commerce
US6523025B1 (en) Document processing system and recording medium
KR101150760B1 (en) Method and system for automated comparison of items
US7246110B1 (en) Product feature and relation comparison system
US20030195791A1 (en) System, method and article of manufacture to determine and communicate redistributed product demand
KR101196314B1 (en) Computerized system for performing a retail sales analysis
US20020065762A1 (en) Method and visual interface for evaluating multi-attribute bids in a network environment
KR100834360B1 (en) Adaptive catalog page display
US20100228604A1 (en) System and Method for Generating Demand Groups
JP3581094B2 (en) Residual value predicting system and method, and recording medium which records a residual value predicting program running on a computer
US5231566A (en) Method and apparatus for producing a catalog
US20020174051A1 (en) Matching system
Ling X. Li Manufacturing capability development in a changing business environment
US7424440B1 (en) Sales optimization
US6397226B1 (en) System and method for inventory control based on inventory aging
EP1528498A2 (en) Method and device for calculating trust values on purchase
US6976000B1 (en) Method and system for researching product dynamics in market baskets in conjunction with aggregate market basket properties
JP2501115B2 (en) Electronic cash register