JPH10307808A - 商品の流行予測を加味した売上予測装置及びその予測方法 - Google Patents

商品の流行予測を加味した売上予測装置及びその予測方法

Info

Publication number
JPH10307808A
JPH10307808A JP11679497A JP11679497A JPH10307808A JP H10307808 A JPH10307808 A JP H10307808A JP 11679497 A JP11679497 A JP 11679497A JP 11679497 A JP11679497 A JP 11679497A JP H10307808 A JPH10307808 A JP H10307808A
Authority
JP
Japan
Prior art keywords
customer
sales
product
purchase
data
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.)
Granted
Application number
JP11679497A
Other languages
English (en)
Other versions
JP3816185B2 (ja
Inventor
Masahiro Toriyama
山 正 博 鳥
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nomura Research Institute Ltd
Original Assignee
Nomura Research Institute Ltd
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 Nomura Research Institute Ltd filed Critical Nomura Research Institute Ltd
Priority to JP11679497A priority Critical patent/JP3816185B2/ja
Publication of JPH10307808A publication Critical patent/JPH10307808A/ja
Application granted granted Critical
Publication of JP3816185B2 publication Critical patent/JP3816185B2/ja
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

(57)【要約】 【課題】 商品の販売の初期段階でその商品を購買した
者の類型、構成、売上推移の動向から商品の流行予測を
加味した売上予測装置及びその予測方法を提供する。 【解決手段】 販売実績データ記憶手段2と、流行度指
標及び購買タイミング区分設定手段3と、顧客別購買履
歴作成手段4と、顧客別流行感度及び購買タイミングス
コア算出手段5と、一貫性欠如サンプル除外手段6と、
顧客類型化手段7と、顧客の類型から商品の売上予測モ
デルを算出する売上予測モデル算出手段8と、販売デー
タ入力手段9と、売上推移段階推定手段10と、顧客類
型特定手段11と、売上推移段階推定手段10が推定し
た売上推移段階と、顧客類型特定手段11が特定した顧
客類型と、売上予測モデル算出手段8が算出した売上予
測モデルとから商品の売上予測を出力する売上予測手段
12と、を備えた。

Description

【発明の詳細な説明】
【0001】
【発明の属する技術分野】本発明は、商品の売上予測を
行う装置と方法に係り、特に商品の流行性の予測を加味
した売上予測を行う装置と方法に関する。
【0002】
【従来の技術】従来から、商品の売上予測を行う種々の
装置や方法が知られている。食品や日用品のような、購
買頻度が高い商品については、予測精度がかなり高い売
上予測モデルが幾つか提案されている。
【0003】これに対して、本発明が対象とするような
流行性が高い商品については、従来は合理的な売上予測
モデルが提案されていなかった。
【0004】ここで、流行性が高い商品とは、購買頻度
が低く、他人の目を意識したり、他人の購買によって購
買行為が引き起こされたりする商品である。たとえば、
アパレル商品、レジャー用商品がこれに該当する。
【0005】この流行性が高い商品に対する従来の売上
予測方法は、一般的には、過去の同様の商品の販売実績
データを用いて推測するものであった。すなわち、過去
に販売した似通った商品の販売実績データを探し出し、
それに景気動向、季節ファクター、経験値等を加味し
て、所定の係数を乗じたり、加えたりするものがほとん
どであった。
【0006】
【発明が解決しようとする課題】しかし、上記流行性が
高い商品に対する従来の売上予測方法では、合理性を欠
いていた。これは、主に流行性という購買者が大きく関
与するものに対して販売者側の一方的な観測を基礎にし
てからである。
【0007】つまり、流行性が高い商品は、上述したよ
うに他人の目を意識したり、他人の購買によって購買行
為が引き起こされたりする購買者の購買行為が大きな要
素になっている。たとえば、一人の購買者が何らかの理
由である最初にある商品を購買することによって、それ
を引き金として流行に敏感な他の購買者が購買行為に走
ることがある。このことが連続的に雪崩現象的に起こる
ことによって、商品は当初の予想をはるかに超えて売上
を伸ばすことになる。これが流行、すなわちヒット商品
が生まれるメカニズムである。
【0008】この場合、最初の購買者が買うか否か、ま
た、後の購買者が追随するか否かは、商品に対する販売
者側の一方的な観測では測り知ることはできなかった。
【0009】言葉を変えれば、商品の流行は、流行に敏
感な購買者が商品の販売の初期段階で購買するか否かを
把握することによってはじめて合理的に予測可能にな
る。
【0010】しかし、従来の売上予測方法は、実際に商
品を販売した場合の購買者の類型と動向を加味していな
かった。これでは、商品の流行予測を加味した合理的な
商品の売上予測を行うことはできなかった。
【0011】これに対して部分的にではあるが、購買者
の類型と動向を売上予測に加味する方法として、いわゆ
るモニターやアンケートを利用する方法があった。これ
は、ある商品について購買者から商品に対する感想等の
情報をフィードバックさせ、このフィードバック情報を
基に商品の売上予測を行うものであった。
【0012】しかし、この方法では、購買者とのやり取
りに時間がかかってしまっていた。一般に、流行性が高
い商品は、ピークを迎える時間が短いため、このように
時間がかかる売上予測方法では商品の売上予測を生産販
売計画に反映させることはできなかった。
【0013】一方、最近では多数の企業の顧客カード戦
略によって、大量の顧客の購買実績データが蓄積されて
いる。しかし、これらの顧客購買実績データは、結局は
活用されないのが実状であった。
【0014】そこで、本発明が解決しようとする課題
は、商品の販売の初期段階でその商品を購買した者の類
型、構成、売上推移の動向を把握し、それによって迅速
にその商品の売上予測を行う「商品の流行予測を加味し
た売上予測装置及びその予測方法」を提供することにあ
る。
【0015】
【課題を解決するための手段】本願請求項1に係る「商
品の流行予測を加味した売上予測装置」は、商品の品
目、商品を購買した顧客、商品が販売された日時を含む
商品の販売実績データを格納する販売実績データ記憶手
段と、前記販売実績データ記憶手段から商品の販売実績
データを検索して入力し、商品ごとに流行度指標と購買
タイミング区分とを設定し、商品情報データベースに出
力する流行度指標及び購買タイミング区分設定手段と、
前記販売実績データ記憶手段から顧客の購買実績データ
を検索して入力し、顧客別に購買した商品の品目、購買
時点を整理し、顧客別購買履歴データベースに出力する
顧客別購買履歴作成手段と、前記顧客別購買履歴データ
ベースから顧客別の購買履歴データを入力し、各顧客が
購買した商品の全品目について前記商品情報データベー
スを参照し、各購買商品の流行度指標と購買時点が属す
る購買タイミング区分に応じてそれぞれ流行感度スコア
と購買タイミングスコアを付与し、前記流行感度スコア
と購買タイミングスコアの平均値またはモード値、標準
偏差値または分散値を算出し、顧客別流行感度及び購買
タイミングデータベースに出力する顧客別流行感度及び
購買タイミングスコア算出手段と、前記顧客別流行感度
及び購買タイミングデータベースから各顧客の流行感度
スコアと購買タイミングスコアの標準偏差値または分散
値を入力し、前記標準偏差値または分散値により、流行
感度及び購買タイミングに一貫性を欠く顧客のデータを
前記顧客別流行感度及び購買タイミングデータベースか
ら除外する一貫性欠如サンプル除外手段と、前記顧客別
流行感度及び購買タイミングデータベースから各顧客の
流行感度スコアと購買タイミングスコアの平均値または
モード値を入力し、流行感度スコアの平均値またはモー
ド値、購買タイミングスコアの平均値またはモード値の
組合せにより、流行に対する感度と商品の購買タイミン
グを因子とする複数の顧客類型に顧客を分類し、顧客類
型データベースに出力する顧客類型化手段と、過去の商
品の販売実績データを入力し、商品の売上推移の段階
と、商品の各売上推移段階中に商品を購買した顧客の類
型の構成比とを説明変数とし、その商品の売上げまたは
流行の度合いを被説明変数として、商品の売上予測モデ
ルを算出する売上予測モデル算出手段と、予測対象商品
について、その商品を購買をした顧客と、商品が販売さ
れた日時のデータを入力する販売データ入力手段と、前
記販売データ入力手段が入力した商品の販売データを入
力し、売上推移の傾斜から商品の売上推移段階を推定す
る売上推移段階推定手段と、前記販売データ入力手段が
入力した顧客データを入力し、これらの顧客データの各
顧客について前記顧客類型データベースを参照すること
により、各顧客の顧客類型を特定する顧客類型特定手段
と、前記売上推移段階推定手段が推定した売上推移段階
と、前記顧客類型特定手段が特定した顧客類型と、前記
売上予測モデル算出手段が算出した売上予測モデルとを
入力し、前記予測対象商品の売上げまたは流行の度合い
を予測して出力する売上予測手段と、を備えたことを特
徴とするものである。
【0016】本願請求項2に係る「商品の流行予測を加
味した売上予測装置」は、前記請求項1の装置におい
て、前記販売実績データ記憶手段は、商品のカテゴリー
のデータを格納しており、前記顧客別購買履歴作成手段
は、商品のカテゴリーごとに、各顧客が購買した商品の
品目、購買時点を整理し、顧客別購買履歴データベース
に出力し、前記顧客別流行感度及び購買タイミングスコ
ア算出手段は、各商品のカテゴリーごとに、前記流行感
度スコアと購買タイミングスコアの平均値またはモード
値、標準偏差値または分散値を算出し、顧客別流行感度
及び購買タイミングデータベースに出力し、前記一貫性
欠如サンプル除外手段は、各商品のカテゴリーごとに、
流行感度及び購買タイミングに一貫性を欠く顧客のデー
タを前記顧客別流行感度及び購買タイミングデータベー
スから除外し、前記顧客類型化手段は、各商品のカテゴ
リーごとに、流行に対する感度と商品の購買タイミング
を因子とする複数の顧客類型に顧客を分類し、顧客類型
データベースに出力し、前記売上予測モデル算出手段
は、各商品のカテゴリーごとに、商品の売上予測モデル
を算出し、前記売上予測手段は、商品カテゴリーに対応
する売上予測モデルを用いて前記予測対象商品の売上げ
または流行の度合いを予測する、ように構成されている
ことを特徴とするものである。
【0017】本願請求項3に係る「商品の流行予測を加
味した売上予測装置」は、前記請求項1または2の装置
において、前記販売データ入力手段は、商品を購買をし
た顧客と、商品が販売された日時のデータをリアルタイ
ムで入力し、前記売上予測手段は、前記販売データ入力
手段がリアルタイムで入力したデータを用いて商品の売
上げまたは流行の度合いを予測する、ように構成されて
いることを特徴とするものである。
【0018】本願請求項4に係る「商品の流行予測を加
味した売上予測方法」は、商品の品目、商品を購買した
顧客、商品が販売された日時を含む商品の販売実績デー
タを格納した販売実績データ記憶手段から商品の販売実
績データを検索して入力し、商品ごとに流行度指標と購
買タイミング区分とを設定し、商品情報データベースに
出力し、前記販売実績データ記憶手段から顧客の購買実
績データを検索して入力し、顧客別に購買した商品の品
目、購買時点を整理し、顧客別購買履歴データベースに
出力し、前記顧客別購買履歴データベースから顧客別の
購買履歴データを入力し、各顧客が購買した商品の全品
目について前記商品情報データベースを参照し、各購買
商品の流行度指標と購買時点が属する購買タイミング区
分に応じてそれぞれ流行感度スコアと購買タイミングス
コアを付与し、前記流行感度スコアと購買タイミングス
コアの平均値またはモード値、標準偏差値または分散値
を算出し、顧客別流行感度及び購買タイミングデータベ
ースに出力し、前記顧客別流行感度及び購買タイミング
データベースから各顧客の流行感度スコアと購買タイミ
ングスコアの標準偏差値または分散値を入力し、前記標
準偏差値または分散値により、流行感度及び購買タイミ
ングに一貫性を欠く顧客のデータを前記顧客別流行感度
及び購買タイミングデータベースから除外し、前記顧客
別流行感度及び購買タイミングデータベースから各顧客
の流行感度スコアと購買タイミングスコアの平均値また
はモード値を入力し、流行感度スコアの平均値またはモ
ード値、購買タイミングスコアの平均値またはモード値
の組合せにより、流行に対する感度と商品の購買タイミ
ングを因子とする複数の顧客類型に顧客を分類し、顧客
類型データベースに出力し、過去の商品の販売実績デー
タを入力し、商品の売上推移の段階と、商品の各売上推
移段階中に商品を購買した顧客の類型の構成比とを説明
変数とし、その商品の売上げまたは流行の度合いを被説
明変数として、商品の売上予測モデルを算出し、予測対
象商品の販売データを入力し、売上推移の傾斜から商品
の売上推移段階を推定し、予測対象商品の顧客データを
入力し、これらの顧客データの各顧客について前記顧客
類型データベースを参照することにより、各顧客の顧客
類型を特定し、前記推定した売上推移段階と、前記特定
した顧客類型と、前記算出した売上予測モデルとを入力
し、前記予測対象商品の売上げまたは流行の度合いを予
測する、ことを特徴とするものである。
【0019】本願請求項5に係る「商品の流行予測を加
味した売上予測方法」は、商品の品目、カテゴリー、商
品を購買した顧客、商品が販売された日時を含む商品の
販売実績データを格納した販売実績データ記憶手段から
商品の販売実績データを検索して入力し、商品ごとに流
行度指標と購買タイミング区分とを設定し、商品情報デ
ータベースに出力し、前記販売実績データ記憶手段から
顧客の購買実績データを検索して入力し、商品のカテゴ
リーごとに、顧客別に購買した商品の品目、購買時点を
整理し、顧客別購買履歴データベースに出力し、前記顧
客別購買履歴データベースから顧客別の購買履歴データ
を入力し、商品のカテゴリーごとに、各顧客が購買した
商品の全品目について前記商品情報データベースを参照
し、各購買商品の流行度指標と購買時点が属する購買タ
イミング区分に応じてそれぞれ流行感度スコアと購買タ
イミングスコアを付与し、前記流行感度スコアと購買タ
イミングスコアの平均値またはモード値、標準偏差値ま
たは分散値を算出し、顧客別流行感度及び購買タイミン
グデータベースに出力し、前記顧客別流行感度及び購買
タイミングデータベースから各顧客の流行感度スコアと
購買タイミングスコアの標準偏差値または分散値を入力
し、商品のカテゴリーごとに、前記標準偏差値または分
散値により、流行感度及び購買タイミングに一貫性を欠
く顧客のデータを前記顧客別流行感度及び購買タイミン
グデータベースから除外し、前記顧客別流行感度及び購
買タイミングデータベースから各顧客の流行感度スコア
と購買タイミングスコアの平均値またはモード値を入力
し、商品のカテゴリーごとに、流行感度スコアの平均値
またはモード値、購買タイミングスコアの平均値または
モード値の組合せにより、流行に対する感度と商品の購
買タイミングを因子とする複数の顧客類型に顧客を分類
し、顧客類型データベースに出力し、過去の商品の販売
実績データを入力し、商品の売上推移の段階と、商品の
各売上推移段階中に商品を購買した顧客の類型の構成比
とを説明変数とし、その商品の売上げまたは流行の度合
いを被説明変数として、商品のカテゴリーごとに、商品
の売上予測モデルを算出し、予測対象商品の販売データ
を入力し、売上推移の傾斜から商品の売上推移段階を推
定し、予測対象商品の顧客データを入力し、これらの顧
客データの各顧客について前記顧客類型データベースを
参照することにより、各顧客の顧客類型を特定し、前記
推定した売上推移段階と、前記特定した顧客類型と、商
品カテゴリーに対応する前記売上予測モデルとを入力
し、前記予測対象商品の売上げまたは流行の度合いを予
測する、ことを特徴とするものである。
【0020】本願請求項6に係る「商品の流行予測を加
味した売上予測方法」は、前記請求項4または5の予測
方法において、商品を購買をした顧客と、商品が販売さ
れた日時のデータをリアルタイムで入力し、リアルタイ
ムで商品の売上げまたは流行の度合いを予測する、こと
を特徴とするものである。
【0021】
【発明の実施の形態】本発明による「商品の流行予測を
加味した売上予測装置」は、過去の商品の販売実績デー
タと顧客の購買実績データとから、各顧客の流行感度と
購買タイミングを特定し、どの売上推移段階でどのよう
な流行指向と購買タイミングパターンの顧客が購買を行
ったかということと実際の商品の売上との相関関係を求
めておき、ある商品の売上を予測する場合に、その商品
を購買した顧客のデータを収集し、それら顧客の流行感
度と購買タイミングのパターンを分析することにより、
前記相関関係から商品の売上を予測しようとするもので
ある。
【0022】ここで、各顧客の「流行感度」とは、流行
に敏感か否かを示す指標、すなわち流行する商品を好む
度合いを示す指標である。本発明では、その顧客が過去
に購買した商品の流行の程度からその顧客の流行感度を
特定する。具体的な方法については後にさらに詳しく説
明する。
【0023】「購買タイミング」とは、商品の売上推移
において、販売の初期段階、成長段階、成熟段階、衰退
段階のいずれの段階で購買を行ったかということであ
る。いずれの段階で商品を購入するかは個人によってほ
ぼ一定していることが知られている。具体的な方法につ
いては後にさらに詳しく説明する。
【0024】次に、本発明の一実施形態について添付の
図面を参照して以下に説明する。
【0025】図1に本発明の一実施形態による売上予測
装置の構成と、それら構成要素間の処理の流れを示す。
【0026】図1に示すように、本実施形態による商品
の売上予測装置1は、販売実績データ記憶手段2、流行
度指標及び購買タイミング区分設定手段3、顧客別購買
履歴作成手段4、顧客別流行感度及び購買タイミングス
コア算出手段5、一貫性欠如サンプル除外手段6、顧客
類型化手段7、売上予測モデル算出手段8、販売データ
入力手段9、売上推移段階推定手段10、顧客類型特定
手段11、売上予測手段12を有している。
【0027】この他に本実施形態による商品の売上予測
装置1は、上記構成手段の出力したデータを格納管理す
る複数のデータベースを有している。商品情報データベ
ース13、顧客別購買履歴データベース14、顧客別流
行感度及び購買タイミングデータベース15、顧客類型
データベース16が、これに該当する。なお、データベ
ースとは、一般的には系統的に管理されたデータの集ま
りをいうが、ここではデータを格納管理するハードウェ
アを含めてデータベースということにする。
【0028】本明細書にいう売上予測装置1とその構成
手段は、固定的にそれぞれの処理を行うようにしたハー
ドウェアでもよい。しかし好ましくは、売上予測装置1
とその構成手段は、所定のソフトウェアによって制御さ
れ、ある処理段階で処理段階に応じた処理を行うコンピ
ュータからなる。また、売上予測装置1とその構成手段
の全体が1台のコンピュータでもよいし、それぞれが独
立のコンピュータからなり、それらがネットワークによ
って接続されて全体として売上予測装置1を構成するよ
うにしてもよい。
【0029】販売実績データ記憶手段2は、商品の販売
実績データを格納する記憶装置である。ここでいう「商
品の販売実績データ」とは、商品の品目、商品のカテゴ
リー、商品を購買した顧客、商品が販売された日時等の
データである。販売実績データ記憶手段2は、物理的に
は外部の記憶装置であることがあり得る。たとえば、顧
客情報や商品販売実績データを格納する外部のサーバー
であってもよい。商品の販売実績データは、データベー
ス化されているのが好ましいが、データベース化されて
いないデータを売上予測装置1が取得してデータベース
を構築することも可能である。従って、販売実績データ
記憶手段2は、複数個あって売上予測装置1が顧客情報
と商品販売情報を別々に得て、これらデータをリンクさ
せるようにしてもよい。
【0030】流行度指標及び購買タイミング区分設定手
段3は、商品の販売実績データを入力し、商品ごとに流
行度指標と購買タイミング区分とを設定する手段であ
る。ここで、流行度指標とは、流行の程度を示す指標で
ある。流行度指標はユーザーによって任意に定めること
ができる。本実施形態では、商品の(実際の売上)/
(予想売上)の値によって1〜5の数値を流行度指標と
している。この他、人間による評価を流行度指標とする
こともできる。
【0031】購買タイミング区分は、商品の売上の推移
により、商品の販売の開始から実質的な終了までの時間
帯を幾つかの段階に分け、そのどの段階で顧客が購買し
たかを特定するための区分である。商品の売上推移の段
階としては、概念的には販売の初期段階、成長段階、成
熟段階、衰退段階というようなものがある。具体的な、
購買タイミング区分の方法は、ユーザーによって任意に
定めることができる。本実施形態では、ある商品の売上
推移のデータを用いて、5分位の方法によって購買タイ
ミング区分を設定している。5分位の方法とは、購買の
度数を時間順に5等分した場合の各区分である。その
他、標準偏差を用いて〜2シグマ、2〜1シグマ、1〜
0シグマ、0〜−1シグマ、−1シグマを5つの購買タ
イミング区分とすることもできる。
【0032】流行度指標及び購買タイミング区分設定手
段3は、流行度指標及び購買タイミング区分設定のため
の入力手段を提供するものでもよいし、あるいは予め定
めた基準値によって自動的に流行度指標と購買タイミン
グの区分を設定するものでもよい。
【0033】顧客別購買履歴作成手段4は、顧客の購買
実績データを入力し、顧客別に購買した商品の品目、商
品のカテゴリー、購買時点を整理して出力するものであ
る。
【0034】顧客別流行感度及び購買タイミングスコア
算出手段5は、顧客別の購買履歴データを入力し、各顧
客が購買した商品の全品目について前記流行度指標と購
買タイミング区分を参照し、それぞれの流行度指標と購
買タイミング区分に応じて得点を付与し、それら得点の
平均値、モード値、標準偏差値、分散値等を算出する手
段である。
【0035】ここで、流行度指標と購買タイミング区分
に応じて付与する得点が、その顧客の「流行感度スコ
ア」と「購買タイミングスコア」である。つまり、「流
行感度スコア」と「購買タイミングスコア」は、購買し
た商品のデータに基づいて顧客の流行指向と購買タイミ
ングパターンを数値化したものである。
【0036】一貫性欠如サンプル除外手段6は、顧客の
流行感度スコアと購買タイミングスコアの標準偏差値ま
たは分散値を入力し、標準偏差値または分散値により、
流行感度及び購買タイミングに一貫性を欠く顧客のデー
タを売上予測用のデータから除外する手段である。これ
ら購買行動に一貫性を欠く顧客のデータは、商品の売上
予測をするための基礎データとしては不適だからであ
る。なお、標準偏差値や分散値の他にサンプルのばらつ
きを示す任意の指標を使用することができる。
【0037】顧客類型化手段7は、顧客の流行感度スコ
アと購買タイミングスコアの平均値またはモード値を入
力し、流行感度スコアの平均値またはモード値、購買タ
イミングスコアの平均値またはモード値の組合せによ
り、流行に対する感度と商品の購買タイミングを因子と
する複数の顧客類型に顧客を分類する手段である。具体
的な分類方法については後にさらに説明する。
【0038】売上予測モデル算出手段8は、過去の商品
の販売実績データを入力し、商品の売上推移の段階と、
商品の各売上推移段階中に商品を購買した顧客の類型の
構成比とを説明変数とし、その商品の売上げまたは流行
の度合いを被説明変数として、商品の売上予測モデルを
算出する手段である。なお、本実施形態による売上予測
モデルの算出は回帰分析の方法を採用しているが、売上
予測モデルの算出は、適当な関数を発見することによる
方法、関数の形を特定できなくても一定の入力に対して
一定の出力を得る方法(たとえばニューラルネットワー
ク)、その他任意の公知の方法を採用することができ
る。
【0039】販売データ入力手段9は、予測対象商品に
ついて、その商品を購買をした顧客と、商品が販売され
た日時のデータを入力する手段である。販売データ入力
手段9は、販売データをリアルタイムで収集することが
できる手段であることが好ましい。
【0040】売上推移段階推定手段10は、売上を予測
しようとする商品の販売データを入力し、その売上推移
の傾斜から商品の売上推移段階を推定する手段である。
【0041】顧客類型特定手段11は、売上を予測しよ
うとする商品を買った顧客のデータを入力し、各顧客に
ついて流行性指向と購買タイミングパターンの類型を特
定する手段である。流行性指向と購買タイミングパター
ンの類型の特定方法は後にさらに説明する。
【0042】売上予測手段12は、売上を予測しようと
する商品の売上推移段階と、それを購買した顧客の類型
と、売上予測モデルとを入力し、予測対象商品の売上げ
または流行の度合いを予測する手段である。
【0043】以上が本実施形態の売上予測装置1の各構
成手段についての説明を終了する。次に、上記構成手段
による売上予測装置1の「商品の流行予測を加味した売
上予測」の方法について図1に沿って説明する。
【0044】最初に、過去の販売実績データを用いて、
商品の売上予測を行うための基礎データの収集と作成を
行う。
【0045】まず、流行度指標及び購買タイミング区分
設定手段3により、販売実績データ記憶手段2から商品
の販売実績データを検索し、商品ごとに流行度指標と購
買タイミング区分とを設定する。図2に流行度指標と購
買タイミング区分の設定の方法を示す。
【0046】図2に示すように、販売実績データ記憶手
段2は、顧客、商品カテゴリー、商品品目、販売日時、
等のデータを有している。流行度指標及び購買タイミン
グ区分設定手段3は、販売実績データ記憶手段2から商
品の販売実績データを抽出する。商品の販売実績データ
は、時間を横軸、売上(度数でもよい)を縦軸とする
と、図2に示すような売上推移カーブで表わされる。こ
の売上推移カーブについて、図2に示すような購買タイ
ミング区分ta1,…,ta5を設定することができ
る。また、実際の売上)/(予想売上)の値を用いて流
行度指標(1〜5)を設定することができる。これによ
り、図2の下部にしめすような商品情報を作成すること
ができる。流行度指標及び購買タイミング区分設定手段
3により、商品情報を商品情報データベース13に出力
する。
【0047】次に、顧客別購買履歴作成手段4により、
顧客別購買履歴を作成する。
【0048】顧客別購買履歴作成手段4は、販売実績デ
ータ記憶手段2から顧客の購買実績データを検索し、顧
客別に購買した商品の品目、購買時点を整理して顧客別
の購買履歴を作成する。図3に販売実績データから顧客
別購買履歴データを作成する方法を示す。
【0049】既に説明したように、販売実績データ記憶
手段2は、顧客、商品カテゴリー、商品品目、販売日
時、等のデータを有している。顧客別購買履歴作成手段
4は、顧客の購買実績データを抽出し、図3に示すよう
に顧客CL1,CL2,CL3,…ごとに、かつ、商品
カテゴリーA,B,…ごとに、購買した商品品目と購買
した日時(図3においてタイミングの欄)をリストアッ
プする。これが「顧客別購買履歴データ」である。顧客
別購買履歴作成手段4は顧客別購買履歴データを顧客別
購買履歴データベース14に出力する。
【0050】次に、顧客別流行感度及び購買タイミング
スコア算出手段5により、顧客別の流行感度スコアと購
買タイミングスコアとを算出する。
【0051】顧客別流行感度及び購買タイミングスコア
算出手段5は、顧客別購買履歴データベース14から顧
客別の購買履歴データを入力し、各顧客が購買した商品
の全品目について商品情報データベース14を参照し、
各購買商品の流行度指標と購買時点が属する購買タイミ
ング区分に応じてそれぞれ流行感度スコアと購買タイミ
ングスコアを付与する。流行感度スコアと購買タイミン
グスコアの付与の方法を図4に示す。
【0052】図4に示すように、顧客別購買履歴データ
は、顧客が購買した商品と、各商品〇〇〇,□□□,…
を購買した日時d/m/yのデータを有している。顧客
別流行感度及び購買タイミングスコア算出手段5は、各
商品について、商品情報データベース13を検索し、該
当する商品の購買タイミング区分tn1,tn2,…
と、流行度指標(1〜5)を参照し、該当する購買タイ
ミング区分tn1,tn2,…と流行度指標(1〜5)
にそれぞれ対応した購買タイミングスコアと流行感度ス
コアを付与する。さらに、顧客別流行感度及び購買タイ
ミングスコア算出手段5は、商品カテゴリーA,B,…
ごとに、購買タイミングスコアと流行感度スコアの平均
値と標準偏差値を算出する。
【0053】なお、商品カテゴリーA,B,…ごとに購
買タイミングスコアと流行感度スコアを付与するのは、
一般に同一の顧客であっても、商品カテゴリーAについ
ては流行感度が高いが、商品カテゴリーBについては低
い、というようなことがしばしば起きるからである。こ
のように、商品カテゴリーA,B,…ごとに購買タイミ
ングスコアと流行感度スコアを付与することにより、よ
り正確な売上予測が可能になる。
【0054】顧客別流行感度及び購買タイミングスコア
算出手段5は、算出した「顧客別流行感度及び購買タイ
ミングデータ」を顧客別流行感度及び購買タイミングデ
ータベース15に出力する。
【0055】次に、一貫性欠如サンプル除外手段6によ
り、流行指向と購買タイミングパターンに一貫性がない
顧客データを顧客別流行感度及び購買タイミングデータ
ベース15から除外する。
【0056】一貫性がない顧客データを除外するには、
標準偏差値が一定の閾値より大きいものを除外する。一
貫性欠如サンプル除外手段6による一貫性がない顧客デ
ータの除外は、カテゴリーごとに、また、流行感度また
は購買タイミングごとに行うことができる。
【0057】次に、顧客類型化手段7により、顧客を流
行指向と購買タイミングパターンに応じて類型化する。
【0058】顧客類型化手段7は、一貫性のないデータ
を除外した顧客別流行感度及び購買タイミングデータベ
ース15から、各顧客の流行感度スコアと購買タイミン
グスコアの平均値を入力し、それらの組合せにより、流
行感度と商品の購買タイミングを因子とする複数の顧客
類型に顧客データを分類する。図5に類型分類の方法を
示す。
【0059】図5に示すように、顧客の類型分類を行う
には、類型表を使用する。この類型表は購買タイミング
スコア平均値(PTS)の所定の帯域と流行感度スコア
平均値(HTS)の所定の帯域とのマトリックスからな
る。この類型表を参照することにより、各顧客の商品カ
テゴリーごとの類型イ,ロ,ハ,ニ,ホ,…を特定する
ことができる。なお、図5の顧客類型データにおいて、
商品カテゴリーにより類型が特定されていないものがあ
るのは、その顧客がその商品カテゴリーについては流行
に関心がないか、あるいは購買に一貫性がないことを示
している。
【0060】顧客類型化手段7は、上記のように作成し
た顧客類型データを顧客類型データベース16に出力す
る。
【0061】次に、売上予測モデル算出手段8により売
上予測モデルを算出する。売上予測モデル算出手段8
は、過去の商品の販売実績データ(図2参照)を入力
し、商品の売上推移の段階と、商品の各売上推移段階中
にその商品を購買した顧客の類型の構成比とを説明変数
とし、その商品の売上げまたは流行の度合いを被説明変
数として、商品の売上予測モデルを算出する。商品の売
上予測モデルの算出は、すでに説明したように、重回帰
分析、所定の関数の設定、ニューラルネットワークのい
ずれの方法でもよい。
【0062】なお、商品の売上予測モデルは原則的には
商品カテゴリーごとに算出するが、これに限られず、各
商品ごとあるいは一定のカテゴリーを統合した商品群に
ついて算出してもよい。
【0063】以上が過去の販売実績データを用いて、商
品の売上予測を行うための基礎データの収集と作成であ
る。なお、上記説明では、平均値と標準偏差値を用いて
説明したが、平均値の代わりにモード値、標準偏差値の
代わりに分散を使用してもよいことは説明するまでもな
い。
【0064】次に、上記売上予測モデルを用いた商品の
売上予測について説明する。
【0065】本発明の方法によりある商品の売上予測を
行うには、その商品の販売データを収集しなければなら
ない。
【0066】販売データ入力手段9は、好ましくはリア
ルタイムで商品の販売データを売上予測装置1に送るも
のとする。
【0067】次に、売上推移段階推定手段10により、
その商品の売上推移段階を推定する。商品の売上推移段
階を推定するには、商品の販売データから売上推移の傾
斜を求め、傾斜の大きさ、あるいは傾斜の増減等により
売上推移段階を推定することができる。また、過去の販
売経験から判断して商品サイクルがほぼ固定的な特性を
示すものであると仮定できる場合は、その時点における
販売データから直ちに売上推移段階を決定することもで
きる。
【0068】次に、顧客類型特定手段11により、その
商品を購入している顧客の類型を特定する。顧客類型特
定手段11は、販売データ入力手段9が入力した顧客デ
ータを入力し、各顧客について顧客類型データベース1
6を検索し、該当する顧客データからその顧客類型を特
定する。
【0069】このように、売上を予測しようとする商品
の売上推移段階と購買している顧客の類型を特定できれ
ば、売上予測モデルを用いて売上または流行の度合いを
算出することができる。
【0070】売上予測手段12は、売上推移段階推定手
段10が推定した売上推移段階と、顧客類型特定手段1
1が特定した顧客類型と、売上予測モデル算出手段8が
算出した売上予測モデルとを入力し、それらのデータと
数式等を用いて予測対象商品の売上げまたは流行の度合
いを予測することができる。
【0071】このように、本発明の売上予測装置によれ
ば、過去の販売実績データから顧客の流行指向と購買タ
イミングパターンを特定し、商品のある販売推移段階に
おいて購買している者の流行指向と購買タイミングパタ
ーンと商品の売上の関係を売上予測モデル化している。
これにより、ヒット商品が生まれるメカニズムに沿った
商品の売上予測を行うことがてきる。
【0072】また、上記売上予測装置1によれば、売上
予測を行うコンピュータ(売上予測手段12)を常時起
動しておき、それに商品の販売データをリアルタイムで
フィードバックすれば、常にリアルタイムで商品の売上
予測を行うことができる。これにより、モニターやアン
ケートの場合ような通信のための時間が省かれ、迅速に
商品の流行を察知して生産販売計画に反映させることが
できる。
【0073】なお、上記実施形態は、商品カテゴリーご
とに、顧客の流行指向、購買タイミングパターン、売上
予測モデルを算出し、これに基づいて特定の商品の売上
を予測するものであった(本願請求項2,5に対応)。
しかし、商品カテゴリーごとに限られず、ある商品につ
いて販売実績データの蓄積があれば、同様に売上予測モ
デルを算出し、これに基づいて特定の商品の売上を予測
することもできる。本願請求項1,4はこれに対応する
ものである。
【0074】また、上記実施形態では、売上を予測しよ
うとする商品の販売データをリアルタイムで収集するよ
うにしていたが、リアルタイムで商品の売上予測を行う
ことが必要条件でないことは説明するまでもない。
【0075】
【発明の効果】以上の説明から明らかなように、本発明
による「商品の流行予測を加味した売上予測装置及びそ
の予測方法」によれば、売上を予測しようとする商品を
実際に購入している者の流行指向や購買タイミングパタ
ーンを分析し、これによって流行の現象に大きく関係す
る流行感度が高い購買層の動向を把握し、これによって
商品の流行を予測することができる。この予測方法は、
流行のメカニズムによく沿い、これによって合理的な商
品の流行予測を加味した売上予測装置及びその予測方法
を提供することができる。
【0076】また、本発明の予測装置及びその予測方法
によれば、商品の流行を販売極めて早い段階で予測で
き、商品の生産販売計画に迅速に予測結果を反映させる
ことができる予測装置及びその予測方法を提供すること
ができる。
【図面の簡単な説明】
【図1】本発明の一実施形態による「商品の流行予測を
加味した売上予測装置」の構成とその処理の流れを示し
たブロック図。
【図2】商品の販売実績データから流行度指標と販売タ
イミング区分を設定する方法を説明した図。
【図3】商品の販売実績データから顧客別の購買履歴デ
ータを作成する方法を説明した図。
【図4】顧客別購買履歴データと商品情報から顧客別の
流行感度スコア及び購買タイミングスコアを算出する方
法を説明した図。
【図5】顧客別の流行感度スコア及び購買タイミングス
コアから各顧客の流行指向と購買タイミングパターンの
類型を特定する方法を説明した図。
【符号の説明】
1 売上予測装置 2 販売実績データ記憶手段 3 流行度指標及び購買タイミング区分設定手段 4 顧客別購買履歴作成手段 5 顧客別流行感度及び購買タイミングスコア算出手段 6 一貫性欠如サンプル除外手段 7 顧客類型化手段 8 売上予測モデル算出手段 9 販売データ入力手段 10 売上推移段階推定手段 11 顧客類型特定手段 12 売上予測手段 13 商品情報データベース 14 顧客別購買履歴データベース 15 顧客別流行感度及び購買タイミングデータベース 16 顧客類型データベース

Claims (6)

    【特許請求の範囲】
  1. 【請求項1】商品の品目、商品を購買した顧客、商品が
    販売された日時を含む商品の販売実績データを格納する
    販売実績データ記憶手段と、 前記販売実績データ記憶手段から商品の販売実績データ
    を検索して入力し、商品ごとに流行度指標と購買タイミ
    ング区分とを設定し、商品情報データベースに出力する
    流行度指標及び購買タイミング区分設定手段と、 前記販売実績データ記憶手段から顧客の購買実績データ
    を検索して入力し、顧客別に購買した商品の品目、購買
    時点を整理し、顧客別購買履歴データベースに出力する
    顧客別購買履歴作成手段と、 前記顧客別購買履歴データベースから顧客別の購買履歴
    データを入力し、各顧客が購買した商品の全品目につい
    て前記商品情報データベースを参照し、各購買商品の流
    行度指標と購買時点が属する購買タイミング区分に応じ
    てそれぞれ流行感度スコアと購買タイミングスコアを付
    与し、前記流行感度スコアと購買タイミングスコアの平
    均値またはモード値、標準偏差値または分散値を算出
    し、顧客別流行感度及び購買タイミングデータベースに
    出力する顧客別流行感度及び購買タイミングスコア算出
    手段と、 前記顧客別流行感度及び購買タイミングデータベースか
    ら各顧客の流行感度スコアと購買タイミングスコアの標
    準偏差値または分散値を入力し、前記標準偏差値または
    分散値により、流行感度及び購買タイミングに一貫性を
    欠く顧客のデータを前記顧客別流行感度及び購買タイミ
    ングデータベースから除外する一貫性欠如サンプル除外
    手段と、 前記顧客別流行感度及び購買タイミングデータベースか
    ら各顧客の流行感度スコアと購買タイミングスコアの平
    均値またはモード値を入力し、流行感度スコアの平均値
    またはモード値、購買タイミングスコアの平均値または
    モード値の組合せにより、流行に対する感度と商品の購
    買タイミングを因子とする複数の顧客類型に顧客を分類
    し、顧客類型データベースに出力する顧客類型化手段
    と、 過去の商品の販売実績データを入力し、商品の売上推移
    の段階と、商品の各売上推移段階中に商品を購買した顧
    客の類型の構成比とを説明変数とし、その商品の売上げ
    または流行の度合いを被説明変数として、商品の売上予
    測モデルを算出する売上予測モデル算出手段と、 予測対象商品について、その商品を購買をした顧客と、
    商品が販売された日時のデータを入力する販売データ入
    力手段と、 前記販売データ入力手段が入力した商品の販売データを
    入力し、売上推移の傾斜から商品の売上推移段階を推定
    する売上推移段階推定手段と、 前記販売データ入力手段が入力した顧客データを入力
    し、これらの顧客データの各顧客について前記顧客類型
    データベースを参照することにより、各顧客の顧客類型
    を特定する顧客類型特定手段と、 前記売上推移段階推定手段が推定した売上推移段階と、
    前記顧客類型特定手段が特定した顧客類型と、前記売上
    予測モデル算出手段が算出した売上予測モデルとを入力
    し、前記予測対象商品の売上げまたは流行の度合いを予
    測して出力する売上予測手段と、を備えたことを特徴と
    する商品の流行予測を加味した売上予測装置。
  2. 【請求項2】前記販売実績データ記憶手段は、商品のカ
    テゴリーのデータを格納しており、 前記顧客別購買履歴作成手段は、商品のカテゴリーごと
    に、各顧客が購買した商品の品目、購買時点を整理し、
    顧客別購買履歴データベースに出力し、 前記顧客別流行感度及び購買タイミングスコア算出手段
    は、各商品のカテゴリーごとに、前記流行感度スコアと
    購買タイミングスコアの平均値またはモード値、標準偏
    差値または分散値を算出し、顧客別流行感度及び購買タ
    イミングデータベースに出力し、 前記一貫性欠如サンプル除外手段は、各商品のカテゴリ
    ーごとに、流行感度及び購買タイミングに一貫性を欠く
    顧客のデータを前記顧客別流行感度及び購買タイミング
    データベースから除外し、前記顧客類型化手段は、各商
    品のカテゴリーごとに、流行に対する感度と商品の購買
    タイミングを因子とする複数の顧客類型に顧客を分類
    し、顧客類型データベースに出力し、 前記売上予測モデル算出手段は、各商品のカテゴリーご
    とに、商品の売上予測モデルを算出し、 前記売上予測手段は、商品カテゴリーに対応する売上予
    測モデルを用いて前記予測対象商品の売上げまたは流行
    の度合いを予測する、ように構成されていることを特徴
    とする請求項1に記載の商品の流行予測を加味した売上
    予測装置。
  3. 【請求項3】前記販売データ入力手段は、商品を購買を
    した顧客と、商品が販売された日時のデータをリアルタ
    イムで入力し、 前記売上予測手段は、前記販売データ入力手段がリアル
    タイムで入力したデータを用いて商品の売上げまたは流
    行の度合いを予測する、ように構成されていることを特
    徴とする請求項1または2に記載の商品の流行予測を加
    味した売上予測装置。
  4. 【請求項4】商品の品目、商品を購買した顧客、商品が
    販売された日時を含む商品の販売実績データを格納した
    販売実績データ記憶手段から商品の販売実績データを検
    索して入力し、商品ごとに流行度指標と購買タイミング
    区分とを設定し、商品情報データベースに出力し、 前記販売実績データ記憶手段から顧客の購買実績データ
    を検索して入力し、顧客別に購買した商品の品目、購買
    時点を整理し、顧客別購買履歴データベースに出力し、 前記顧客別購買履歴データベースから顧客別の購買履歴
    データを入力し、各顧客が購買した商品の全品目につい
    て前記商品情報データベースを参照し、各購買商品の流
    行度指標と購買時点が属する購買タイミング区分に応じ
    てそれぞれ流行感度スコアと購買タイミングスコアを付
    与し、前記流行感度スコアと購買タイミングスコアの平
    均値またはモード値、標準偏差値または分散値を算出
    し、顧客別流行感度及び購買タイミングデータベースに
    出力し、 前記顧客別流行感度及び購買タイミングデータベースか
    ら各顧客の流行感度スコアと購買タイミングスコアの標
    準偏差値または分散値を入力し、前記標準偏差値または
    分散値により、流行感度及び購買タイミングに一貫性を
    欠く顧客のデータを前記顧客別流行感度及び購買タイミ
    ングデータベースから除外し、 前記顧客別流行感度及び購買タイミングデータベースか
    ら各顧客の流行感度スコアと購買タイミングスコアの平
    均値またはモード値を入力し、流行感度スコアの平均値
    またはモード値、購買タイミングスコアの平均値または
    モード値の組合せにより、流行に対する感度と商品の購
    買タイミングを因子とする複数の顧客類型に顧客を分類
    し、顧客類型データベースに出力し、 過去の商品の販売実績データを入力し、商品の売上推移
    の段階と、商品の各売上推移段階中に商品を購買した顧
    客の類型の構成比とを説明変数とし、その商品の売上げ
    または流行の度合いを被説明変数として、商品の売上予
    測モデルを算出し、 予測対象商品の販売データを入力し、売上推移の傾斜か
    ら商品の売上推移段階を推定し、 予測対象商品の顧客データを入力し、これらの顧客デー
    タの各顧客について前記顧客類型データベースを参照す
    ることにより、各顧客の顧客類型を特定し、 前記推定した売上推移段階と、前記特定した顧客類型
    と、前記算出した売上予測モデルとを入力し、前記予測
    対象商品の売上げまたは流行の度合いを予測する、こと
    を特徴とする商品の流行予測を加味した売上予測方法。
  5. 【請求項5】商品の品目、カテゴリー、商品を購買した
    顧客、商品が販売された日時を含む商品の販売実績デー
    タを格納した販売実績データ記憶手段から商品の販売実
    績データを検索して入力し、商品ごとに流行度指標と購
    買タイミング区分とを設定し、商品情報データベースに
    出力し、 前記販売実績データ記憶手段から顧客の購買実績データ
    を検索して入力し、商品のカテゴリーごとに、顧客別に
    購買した商品の品目、購買時点を整理し、顧客別購買履
    歴データベースに出力し、 前記顧客別購買履歴データベースから顧客別の購買履歴
    データを入力し、商品のカテゴリーごとに、各顧客が購
    買した商品の全品目について前記商品情報データベース
    を参照し、各購買商品の流行度指標と購買時点が属する
    購買タイミング区分に応じてそれぞれ流行感度スコアと
    購買タイミングスコアを付与し、前記流行感度スコアと
    購買タイミングスコアの平均値またはモード値、標準偏
    差値または分散値を算出し、顧客別流行感度及び購買タ
    イミングデータベースに出力し、 前記顧客別流行感度及び購買タイミングデータベースか
    ら各顧客の流行感度スコアと購買タイミングスコアの標
    準偏差値または分散値を入力し、商品のカテゴリーごと
    に、前記標準偏差値または分散値により、流行感度及び
    購買タイミングに一貫性を欠く顧客のデータを前記顧客
    別流行感度及び購買タイミングデータベースから除外
    し、 前記顧客別流行感度及び購買タイミングデータベースか
    ら各顧客の流行感度スコアと購買タイミングスコアの平
    均値またはモード値を入力し、商品のカテゴリーごと
    に、流行感度スコアの平均値またはモード値、購買タイ
    ミングスコアの平均値またはモード値の組合せにより、
    流行に対する感度と商品の購買タイミングを因子とする
    複数の顧客類型に顧客を分類し、顧客類型データベース
    に出力し、 過去の商品の販売実績データを入力し、商品の売上推移
    の段階と、商品の各売上推移段階中に商品を購買した顧
    客の類型の構成比とを説明変数とし、その商品の売上げ
    または流行の度合いを被説明変数として、商品のカテゴ
    リーごとに、商品の売上予測モデルを算出し、 予測対象商品の販売データを入力し、売上推移の傾斜か
    ら商品の売上推移段階を推定し、 予測対象商品の顧客データを入力し、これらの顧客デー
    タの各顧客について前記顧客類型データベースを参照す
    ることにより、各顧客の顧客類型を特定し、 前記推定した売上推移段階と、前記特定した顧客類型
    と、商品カテゴリーに対応する前記売上予測モデルとを
    入力し、前記予測対象商品の売上げまたは流行の度合い
    を予測する、ことを特徴とする商品の流行予測を加味し
    た売上予測方法。
  6. 【請求項6】商品を購買をした顧客と、商品が販売され
    た日時のデータをリアルタイムで入力し、 リアルタイムで商品の売上げまたは流行の度合いを予測
    する、ことを特徴とする請求項4または5に記載の商品
    の流行予測を加味した売上予測方法。
JP11679497A 1997-05-07 1997-05-07 商品の流行予測を加味した売上予測装置及びその予測方法 Expired - Lifetime JP3816185B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP11679497A JP3816185B2 (ja) 1997-05-07 1997-05-07 商品の流行予測を加味した売上予測装置及びその予測方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP11679497A JP3816185B2 (ja) 1997-05-07 1997-05-07 商品の流行予測を加味した売上予測装置及びその予測方法

Publications (2)

Publication Number Publication Date
JPH10307808A true JPH10307808A (ja) 1998-11-17
JP3816185B2 JP3816185B2 (ja) 2006-08-30

Family

ID=14695852

Family Applications (1)

Application Number Title Priority Date Filing Date
JP11679497A Expired - Lifetime JP3816185B2 (ja) 1997-05-07 1997-05-07 商品の流行予測を加味した売上予測装置及びその予測方法

Country Status (1)

Country Link
JP (1) JP3816185B2 (ja)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001022851A (ja) * 1999-07-09 2001-01-26 Hitachi Ltd スコアリング方法およびシステム
JP2001350875A (ja) * 2000-06-07 2001-12-21 Nippon Telegr & Teleph Corp <Ntt> 流行アイテム予測方法及びシステム装置
JP2002334379A (ja) * 2001-05-08 2002-11-22 Ntt Data Corp 商品評価システム及び方法
US6708156B1 (en) * 2000-04-17 2004-03-16 Michael Von Gonten, Inc. System and method for projecting market penetration
JP2005158019A (ja) * 2003-10-30 2005-06-16 Matsushita Electric Ind Co Ltd アンテナの設計方法及びこれを用いたアンテナ
WO2005086059A1 (en) * 2004-02-27 2005-09-15 Accenture Global Services Gmbh System for individualized customer interaction
JP2007272571A (ja) * 2006-03-31 2007-10-18 Nomura Research Institute Ltd マーケティングリサーチ支援サーバ及び方法
US7328168B2 (en) 2001-03-29 2008-02-05 Fujitsu Limited Daily delivered articles order optimization support system, method, and storage medium therefor
WO2008087960A1 (ja) * 2007-01-17 2008-07-24 Scigineer, Inc. サーバ装置、情報処理装置、および情報処理方法
JP2008198163A (ja) * 2007-01-17 2008-08-28 Scigineer Inc 情報処理システム、サーバ装置、レコメンド方法、およびプログラム
JP2008217320A (ja) * 2007-03-02 2008-09-18 Scigineer Inc 情報処理装置、情報処理方法、およびプログラム
JP2011158999A (ja) * 2010-01-29 2011-08-18 Brother Industries Ltd 情報処理装置
US8650079B2 (en) 2004-02-27 2014-02-11 Accenture Global Services Limited Promotion planning system
JP2019505914A (ja) * 2016-01-07 2019-02-28 オラクル・インターナショナル・コーポレイション コンピュータ化された販促および値引き価格スケジュール
WO2022014389A1 (ja) * 2020-07-15 2022-01-20 株式会社J-オイルミルズ リピート購買力の予測装置、リピート購買力の予測方法及びその改善方法
CN116862561A (zh) * 2023-07-10 2023-10-10 深圳爱巧网络有限公司 基于卷积神经网络的产品热度分析方法和系统

Cited By (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001022851A (ja) * 1999-07-09 2001-01-26 Hitachi Ltd スコアリング方法およびシステム
US6708156B1 (en) * 2000-04-17 2004-03-16 Michael Von Gonten, Inc. System and method for projecting market penetration
US7319972B2 (en) * 2000-04-17 2008-01-15 Michael Von Gonten, Inc. Systems and methods for modeling product penetration and repeat
JP2001350875A (ja) * 2000-06-07 2001-12-21 Nippon Telegr & Teleph Corp <Ntt> 流行アイテム予測方法及びシステム装置
US7328168B2 (en) 2001-03-29 2008-02-05 Fujitsu Limited Daily delivered articles order optimization support system, method, and storage medium therefor
JP2002334379A (ja) * 2001-05-08 2002-11-22 Ntt Data Corp 商品評価システム及び方法
JP2005158019A (ja) * 2003-10-30 2005-06-16 Matsushita Electric Ind Co Ltd アンテナの設計方法及びこれを用いたアンテナ
US7945473B2 (en) 2004-02-27 2011-05-17 Accenture Global Services Limited System for individualized customer interaction
WO2005086059A1 (en) * 2004-02-27 2005-09-15 Accenture Global Services Gmbh System for individualized customer interaction
US10176494B2 (en) 2004-02-27 2019-01-08 Accenture Global Services Limited System for individualized customer interaction
US8650079B2 (en) 2004-02-27 2014-02-11 Accenture Global Services Limited Promotion planning system
US8650075B2 (en) 2004-02-27 2014-02-11 Acenture Global Services Limited System for individualized customer interaction
JP2007272571A (ja) * 2006-03-31 2007-10-18 Nomura Research Institute Ltd マーケティングリサーチ支援サーバ及び方法
JP4671428B2 (ja) * 2006-03-31 2011-04-20 株式会社野村総合研究所 マーケティングリサーチ支援サーバ及び方法
JP2008198163A (ja) * 2007-01-17 2008-08-28 Scigineer Inc 情報処理システム、サーバ装置、レコメンド方法、およびプログラム
US8700489B2 (en) 2007-01-17 2014-04-15 Scigineer, Inc. Apparatuses and method for recommending items based on determined trend leaders and trend followers
WO2008087960A1 (ja) * 2007-01-17 2008-07-24 Scigineer, Inc. サーバ装置、情報処理装置、および情報処理方法
JP2008217320A (ja) * 2007-03-02 2008-09-18 Scigineer Inc 情報処理装置、情報処理方法、およびプログラム
JP2011158999A (ja) * 2010-01-29 2011-08-18 Brother Industries Ltd 情報処理装置
JP2019505914A (ja) * 2016-01-07 2019-02-28 オラクル・インターナショナル・コーポレイション コンピュータ化された販促および値引き価格スケジュール
WO2022014389A1 (ja) * 2020-07-15 2022-01-20 株式会社J-オイルミルズ リピート購買力の予測装置、リピート購買力の予測方法及びその改善方法
JPWO2022014389A1 (ja) * 2020-07-15 2022-01-20
CN116862561A (zh) * 2023-07-10 2023-10-10 深圳爱巧网络有限公司 基于卷积神经网络的产品热度分析方法和系统
CN116862561B (zh) * 2023-07-10 2024-01-26 深圳爱巧网络有限公司 基于卷积神经网络的产品热度分析方法和系统

Also Published As

Publication number Publication date
JP3816185B2 (ja) 2006-08-30

Similar Documents

Publication Publication Date Title
JP3816185B2 (ja) 商品の流行予測を加味した売上予測装置及びその予測方法
Hossain et al. Market basket analysis using apriori and FP growth algorithm
Brijs et al. Building an association rules framework to improve product assortment decisions
US7734495B2 (en) Methods and system for allocating shelf space
US9773250B2 (en) Product role analysis
Raorane et al. Data mining techniques: A source for consumer behavior analysis
KR100961783B1 (ko) 인공지능에 기반한 제품 및 제품 벤더 추천 장치 및 방법, 그 기록 매체
US20030055707A1 (en) Method and system for integrating spatial analysis and data mining analysis to ascertain favorable positioning of products in a retail environment
JP2002279279A (ja) 商品推薦装置、商品推薦方法、及び商品推薦プログラム
Gangurde et al. Building prediction model using market basket analysis
Venkatachari et al. Market basket analysis using fp growth and apriori algorithm: a case study of mumbai retail store
KR20000017788A (ko) 인공지능 감성 데이터베이스 구축 및 활용 방법
JP4386973B2 (ja) 階層的予測モデル構築装置及びその方法
JP2001216369A (ja) 商品購入データ処理システム及び商品購入データ処理方法
WO2023120126A1 (ja) 販売数量予測システム、販売数量予測方法
JP2000251001A (ja) 訪問スケジュールと連動した最適商品抽出方法
JP4280045B2 (ja) 生産量算定方法,生産量算定装置,生産量算定システム,生産量算定プログラムおよび記録媒体
Amrutkar et al. Sales prediction using machine learning techniques
Sani et al. Predicting the Success of Garment Sales on Transaction Data using the Classification Method with the Naïve Bayes Algorithm
da Silva Alves Predicting product sales in fashion retailing: a data analytics approach
JPH08212262A (ja) 多品種商品の発注管理システム
Wijaya et al. Optimizing New Product Development in The Hijab Industry: A House of Risk Analysis on Marketing and Design Process
Novian The Analysis of the Application of Customer Purchase Mining Data on Paint Sales Using Apriori Algorithm (Case Study: PT Indowarna Cemerlang Indonesia)
CN113538055B (zh) 用于亚马逊平台商品的销量预估方法、装置及处理器
Wang et al. Market Basket Analysis based on Apriori and CART

Legal Events

Date Code Title Description
A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20060210

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20060411

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: 20060512

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20060607

R150 Certificate of patent or registration of utility model

Free format text: JAPANESE INTERMEDIATE CODE: R150

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20100616

Year of fee payment: 4

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20100616

Year of fee payment: 4

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20110616

Year of fee payment: 5

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20110616

Year of fee payment: 5

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20120616

Year of fee payment: 6

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20130616

Year of fee payment: 7

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

EXPY Cancellation because of completion of term