JPWO2005024689A1 - 消費者の購買行動分析方法及び装置 - Google Patents

Abstract

複数の競合商品間における属性水準の変化が購入個数に与える影響を分析するための情報を取得する。コンピュータネットワークを介してサーバからクライアント端末の表示部に２以上の競合商品をそれぞれ商品属性の水準と共に表示するステップと、クライアント端末から該表示部に表示された各商品の購入個数を入力させるステップと、入力された各商品の購入個数情報をコンピュータネットワークを介して取得して各商品の商品属性の水準と共にサーバの記憶部に格納するステップを有し、該サーバは、商品属性の複数の水準を格納すると共に、商品属性の複数の水準から属性水準を抽出して各商品に割り当てる手段を有し、前記一連のステップを、同一のクライアント端末に対して、該割り当て手段を用いて商品と属性水準の組み合わせを変化させながら複数回行うことで各商品の購入個数情報を取得する。

Description

本発明は、コンピュータネットワークを用いた消費者の購買行動分析に用いる情報を取得するための方法及び該情報を用いた消費者の購買行動分析方法に関するものである。

従来、商品の価格等の属性が消費者行動に与える影響を分析する調査手法としては、ＰＳＭを含む直接質問法やコンジョイント分析が行なわれている。直接質問法は、「あなたが買いたいと思う価格はいくらですか」のように、価格を直接回答させる方法である。直接質問法の代表的な調査手法であるＰＳＭは、「安すぎて品質に不安がある価格」、「安いと感じ始める価格」、「高いと感じ始める価格」、「高すぎて買いたくなくなる価格」という４つの価格について質問し、消費者の価格に対する反応を分析するものである。

一方、コンジョイント分析は複数の要素の集合として商品を捉え、それらの要素の組み合わせに対する選好を回答者に回答させる調査方法である。コンジョイント分析は実際の購買状況に近い調査環境で商品の価格構造を分析できる点で有利な調査手法である。

従来の調査方法は、いずれも、回答者に商品を提示して購入の有無を聞くものであった。しかしながら、実際の消費者の購入行動を見ると、複数の同種の商品から単にいずれかの商品を選択するだけでなく、対象となる複数の商品間の属性の水準（例えば、価格）次第で、同じ商品を複数個購入する場合も多い。特に、競合商品間の価格等の属性水準の変化は、商品の購入の有無のみならず、商品の購入個数にも影響を与えるものと考えられる。従来の調査手法や分析において、この点に着目したものはない。
特開平９−１２０３９５号 特開平８−２１２１９１号 特開平１０−１３４０２７号

本発明は、かかる消費者の購入行動に鑑みて、実際の商品購入場面に即した消費者の購買行動分析に用いる情報を取得することを目的とするものである。本発明の他の目的は、実際の商品購入場面に近い条件で取得した情報を用いて、消費者の購買行動分析を行うことにある。

上記課題を解決するために本発明が採用した第１の技術手段は、消費者の購買行動分析に用いる情報の取得手段に関するものであり、情報取得手段は、情報の取得方法、情報を取得するサーバ、情報の取得装置、情報を取得するためにコンピュータを機能させるプログラムとして提供される。

情報の取得方法は、コンピュータネットワークを介してサーバからクライアント端末の表示部に２以上の競合商品をそれぞれ商品属性の水準と共に表示するステップと、クライアント端末から該表示部に表示された各商品の購入個数を入力させるステップと、入力された各商品の購入個数情報をコンピュータネットワークを介して取得して各商品の商品属性の水準と共にサーバの記憶部に格納するステップを有し、該サーバは、商品属性の複数の水準を格納すると共に、商品属性の複数の水準から属性水準を抽出して各商品に割り当てる手段を有し、前記一連のステップを、同一のクライアント端末に対して、該割り当て手段を用いて商品と属性水準の組み合わせを変化させながら複数回行うことで各商品の購入個数情報を取得するものである。

情報取得サーバは次のように構成される。クライアント端末とコンピュータネットワークを介して接続されるサーバであって、該サーバの記憶部には、競合商品を特定する情報、及び、商品属性に関する複数の属性水準が格納されており、該サーバは、属性水準をランダムに抽出して各商品に割り当てる手段を有しており、該ランダム割り当て手段によって複数の商品それぞれに属性水準を割り当てて、コンピュータネットワークを介して該サーバからクライアント端末の表示部に複数の商品をそれぞれ属性水準と共に表示し、該ランダム割り当て手段によって商品と属性水準の組み合わせを変化させながら各商品の購入個数を複数回入力させ、入力された購入個数情報をコンピュータネットワークを介して取得して該記憶部に格納する。

情報の取得装置は、複数の商品を特定する情報を記憶する手段と、商品属性に関する複数の属性水準を記憶する手段と、属性水準をランダムに抽出して各商品に割り当てる手段と、該割り当て手段によって複数の商品それぞれに属性水準を割り当てた商品と属性水準の組み合わせを表示する表示手段と、該表示手段に表示された購入個数入力部と、該購入個数入力部に購入個数を入力する手段と、該入力手段によって入力された購入個数をその時の商品と属性水準の組み合わせと共に記憶する手段とを備え、該割り当て手段によって商品と属性水準の組み合わせを変化させながら各商品の購入個数を入力させ、入力された購入個数情報を該組み合わせと共に該購入個数記憶手段に記憶することを特徴とする消費者の購買行動分析に用いる。

本発明に係るコンピュータプログラムは次のように構成される。消費者の購買行動分析に用いる情報を取得するためにコンピュータを、複数の商品を特定する情報を記憶する手段、商品属性に関する複数の属性水準を記憶する手段、属性水準をランダムに抽出して各商品に割り当てる手段、該割り当て手段によって複数の商品それぞれに属性水準を割り当てた商品と属性水準の組み合わせを表示する表示手段、該表示手段に表示された購入個数入力部、該購入個数入力部に購入個数を入力する手段、該入力手段によって入力された購入個数をその時の商品と属性水準の組み合わせと共に記憶する手段、として機能させ、該割り当て手段によって商品と属性水準の組み合わせを変化させながら各商品の購入個数を入力させ、入力された購入個数情報を該組み合わせと共に該購入個数記憶手段に記憶するように機能させる。コンピュータプログラムは、また、前述の情報の取得方法をコンピュータに実行させるものとして構成してもよい。

「属性」とは、商品が持つ特性のカテゴリー、すなわち、商品の価値を決定する要因である。「水準」とは、属性が採り得る候補であり、属性の条件を具体的に記述あるいは表現した内容である。商品の属性には、価格、デザイン、キャッチコピー、容量等が例示され、これらの各属性に対して複数の水準が記憶部に格納される。調査に用いる属性を選択すると共に、選択された属性の属性水準を変化させながらクライアント端末の表示部に表示させ、入力手段から購入数量を入力させて情報を取得することで、属性水準の変化が購買行動に与える効果を分析する。一つの好ましい態様では、属性は価格であり、サーバの記憶装置のデータテーブルには、複数の属性水準（例えば、８０円、９０円、１００円、１１０円、１２０円）が格納されており、複数の水準から１つずつ水準を抽出して各商品に割り当てる。

価格以外の属性を用いる場合においては、属性毎に複数の水準が用意され、サーバのデータテーブルに格納される。デザインやキャッチコピー等の数値化できない属性については、複数種類の異なるデザイン候補やキャッチコピー候補が属性水準となる。

属性水準は１つのデータテーブルを全ての競合商品に共通に対応させるものでも、あるいは、商品毎に異なる属性水準のデータテーブルを用意してもよい。例えば、図２のデータテーブルでは、競合商品Ａ，Ｂ，Ｃ毎に異なる価格水準が用意されている。後述の実施例では、１つの好適な例として、属性として価格のみを用いた調査について説明する。しかしながら、価格以外の属性を用いて調査を行っても良く、あるいは、複数の属性（例えば、価格と容量）を組み合わせて、これらの水準を変化させて調査してもよい。また、好ましくは、購入個数には０が含まれている。０が選択された場合には、商品を購入しないことを選択したことを意味する。

本発明が採用した第２の技術手段は、商品の購入量をその商品の購入に影響を与える要素とその要素の影響度を示す係数との線形和で表すモデル式を用いた消費者の購買行動分析手段に関するものであり、商品購入量に影響を与える要素には、該商品及び該商品の競合商品の商品属性が含まれている点に特徴を有する。消費者の購買行動分析は、商品購入量の予測、商品販売量の予測、商品売上高の予測、商品販売における利益の予測、最適価格の推定の少なくとも一つを含む。消費者購買行動分析手段は、消費者購買行動分析方法、消費者購買行動分析装置、消費者購買行動を分析するためにコンピュータを機能させるプログラムとして提供される。

消費者の購買行動の分析装置は次のように構成される。消費者の購買行動商品の購入量をその商品の購入に影響を与える要素とその要素の影響度を示す係数との線形和で表すモデル式を用いた消費者の購買行動分析装置であって、該要素には、該商品及び該商品の競合商品の商品属性が含まれる。一つの好ましい態様では、要素に回答者属性も含まれる。該装置は、複数の互いに競合する商品を特定する情報を記憶する手段と、商品属性に関する複数の属性水準を記憶する手段と、商品と属性水準の任意の組み合わせにおける、回答者の各商品の購入個数を記憶する手段と、該購入個数を用いて、該商品及び該商品の競合商品の商品属性の影響度を示す係数を推定することで該モデル式を求める手段と、該モデル式における変数である要素（商品属性）を選択して設定するための入力手段と、該選択した変数を設定することで商品の購入量を予測値として求めて出力する手段とを有する。

消費者購買行動分析方法は、商品及び該競合商品の商品属性の影響度を示す係数を請求項１乃至８に記載の方法によって取得した情報に基づいて推定することで該モデル式を求めるステップと、該モデル式における変数である要素（商品属性）を選択して設定し、該選択した変数を設定することで商品の購入量を予測値として求めるステップとを有する。

コンピュータプログラムは、次のように構成される。商品の購入量をその商品の購入に影響を与える要素とその要素の影響度を示す係数との線形和で表すモデル式において、該要素には、該商品及び該商品の競合商品の商品属性が含まれており、該モデル式を用いて消費者の購買行動を分析するためにコンピュータを、複数の互いに競合する商品を特定する情報を記憶する手段、商品属性に関する複数の属性水準を記憶する手段、商品と属性水準の任意の組み合わせにおける、回答者の各商品の購入個数を記憶する手段、該購入個数を用いて、該商品及び該商品の競合商品の商品属性の影響度を示す係数を推定することで該モデル式を求める手段、該モデル式における変数である要素（商品属性）を選択して設定するための入力手段、該選択した変数を設定することで商品の購入量を予測値として求めて出力する手段、として機能させる。コンピュータプログラムはまた、前記方法をコンピュータに実行させるためのコンピュータプログラムとしても提供される。

本発明によれば、複数の競合商品間における属性水準（例えば、価格）の変化が購入個数に与える情報を取得することができる。また、かかる情報を用いることで、実際の商品購入場面に即した消費者の購買行動分析を行うことができる。消費者の購買行動分析は、主として、商品購入量の予測を意味するが、本発明に購買行動分析は広義には、商品販売量の予測（商品購入量と裏腹）、商品売上高の予測（商品販売量に販売価格を乗算する）、商品販売における利益の予測（売上予測から原価を減算する）、最適価格の推定（売上高、あるいは利益を最大にする価格を目的変数として求める）、売上シェア予測をも含む。また、本発明は、いわばＷｅｂアンケートによる仮想店頭実験データに基づく予測である点において、従来技術に見られるような実際の販売データに基づく予測とは異なるものである。したがって、本発明は、新商品の価格を設定する場合、既存の商品の価格を変更した場合等のシミュレーションを良好に行うことができる。

本発明のシステムは、サーバとクライアント端末とを有しており、両者はコンピュータネットワークとして例示されるインターネットを介して接続されている。クライアント端末及びサーバは共にコンピュータとしての基本的構成（処理装置、記憶装置、表示装置、入力装置、出力装置、コンピュータを動作させる制御プログラム等）を備えている。また、クライアント端末及びサーバはコンピュータネットワークを介して相互に情報のやり取りを可能とする送受信手段を備えている。コンピュータが有するこれらの構成要素は周知である。

サーバについて説明する。サーバは、一つあるいは複数のコンピュータから構成されており、図１に示すように、処理装置、記憶装置、入力装置、出力装置を有している。各種情報を記憶する手段を構成するサーバの記憶装置には次のものが格納されている。先ず、比較対象となる複数の競合商品を特定する商品情報（商品名、商品画像、商品説明等）に関するデータファイル、商品の属性（価格）の複数の属性水準（価格水準）に関するデータテーブル（図２）が格納されている。記憶装置には、さらに、回答者の属性が記憶される。回答者の属性は、回答者が会員である場合にはサーバの記憶部に予め格納されており、回答者が会員でない場合には、回答時にクライアント端末から回答者の属性を入力させ、入力情報を回答者データベースとして格納してもよい。回答者属性としては、年齢、性別等が例示される。記憶装置には、さらに、クライアント端末から受信した回答結果が記憶される。

サーバには、複数の競合商品から構成される商品群の各商品に対して、価格水準をランダムに組み合わせる抽出手段を備えている。図２から明らかなように、Ｘ種類の商品とＹ個の価格水準がある場合には、ＸのＹ乗の価格水準の組み合わせが存在する。例えば、５種類の商品と５個の価格水準の場合、５の５乗である３，１２５の価格水準の組み合わせとなる。抽出手段によって、商品データベースから商品と価格水準の任意の組み合わせを抽出して、クライアント端末に送信する。例えば、Ａ２（１２０），Ｂ１（９０），Ｃ３（９０）…．．のように各商品に価格水準を割り当てて行く。価格水準のランダムな選択割り当ては、例えば、乱数（擬乱数）を用いることで可能となる。擬似乱数を生成させるプログラムは周知である。また、関係を分析する要素・属性があらかじめ決まっている場合は、適切な直交表を用いることにより効率的に調査を行うことができる。例えば、対象商品が５種類、それぞれ５個の価格水準の場合、直交表を用いれば、提示する価格水準の組み合わせは２５となる（図１３参照）。抽出手段を実行させる制御プログラムは記憶装置に格納されており、該制御プログラムの指令によって処理装置がデータテーブルから商品と価格水準の組み合わせを抽出して（例えば、乱数、あるいは直交表を用いて）、コンピュータネットワークを介してクライアント端末に送信してクライアント端末の表示部に表示させる。

クライアント端末から入力手段によって入力された購入個数情報は、回答結果として、コンピュータネットワークを介してサーバに送信され、サーバで取得された回答結果は記憶装置に格納され、後の分析に用いられる。

クライアント端末は、回答者側のコンピュータである。サーバは、多数の回答者のクライアント端末とコンピュータネットワークを介して相互通信可能に接続される。コンピュータネットワークがインターネットの場合には、クライアント端末においてブラウザを起動して、サーバのＷｅｂページのＵＲＬを指定して該ページを要求する。Ｗｅｂページを取得すると、該Ｗｅｂページはクライアント端末の画面に表示され、回答者が該Ｗｅｂページを閲覧することができ、マウス等の入力手段を用いて必要な情報入力作業を行なうことができる。クライアント端末から入力された情報は、コンピュータネットワークを介してサーバに送信され、サーバの記憶装置に記憶される。

本発明を表示画面を用いて具体的に説明する。図３、図４はクライアント端末の表示画面であり、インターネットを介して回答者の端末のディスプレイに表示される画面である。画面には、「以下のような価格で商品が売られているとしたら、あなたはそれぞれ何個買いたいと思いますか。」という質問が表示される。さらに、画面には、商品Ａ，商品Ｂ，商品Ｃ，商品Ｄを特定する情報（商品プロフィール）が表示される。商品特定情報は、典型的には商品の名称あるいは／および商品画像であり、また、商品説明を含んでいても良い。そして、商品Ａ，商品Ｂ，商品Ｃ，商品Ｄの各商品の価格水準が表示されている。商品と価格水準の組み合わせは、サーバ側でランダムに生成され、コンピュータネットワークを介してクライアント端末に送信されて表示される。さらに、各商品に対応して、購入個数入力部が設けてあり、購入個数入力部では、０〜９個（個数はこれに限定されない）の個数をマウス等の入力手段によって選択するようになっており、全ての商品について個数の選択が行なわれた後に、送信ボタンをクリックすることで、入力された購入個数情報がサーバに送信される。

商品は、スーパーマーケットやコンビニエンスストアで販売される比較的低価格の商品が例示され、カップ麺、お茶や健康飲料等のペットボトルが例示される。図示のものでは、商品特定情報として商品名と商品画像が表示されているが、商品名のみでもよく、あるいは商品画像中に商品名が載っている場合には、商品画像のみでもよい。要するに、回答者が各商品を認識できる程度に、商品情報が表示されていればよい。もっとも、実際の店頭では、競業商品が並んで陳列されていることが一般的であり、商品のパッケージやデザインも商品購入選択の一つの要因でもあるので、商品画像を表示することで実際の購入場面に近い条件をクライアント端末の表示部に表示し、回答者に提示することができる。また、商品特定情報と商品属性とは部分的に重複していてもよく、商品特定情報のいずれか１つ以上を商品属性とし、該属性の水準をデータファイルとして用意して、属性水準を変化させながらクライアント端末の表示部に表示させることもできる。

図３では、商品と価格水準の組み合わせ「商品Ａの価格が３００円、商品Ｂの価格が３００円、商品Ｃの価格が２００円、商品Ｄの価格が４００円」がサーバの属性水準割り当て手段で生成されて、クライアント端末に送信されて表示部に表示された場合に、回答者が、商品Ａを３個購入し、商品Ｂを２個購入し、商品Ｃを３個購入し、商品Ｄを１個購入する場合を示しており、商品Ａの購入個数入力欄に３、商品Ｂの購入個数入力欄に２、商品Ｃの購入個数入力欄に３、商品Ｄの購入個数入力欄に１がそれぞれ入力されている。マウス等の入力手段によって全ての購入個数入力欄に個数を入力した後に、入力手段によって送信ボタンをクリックすると、コンピュータネットワークを介して入力された購入個数情報がサーバに送信される。サーバは、受信した購入個数情報を回答結果として記憶装置に格納する。

次いで、サーバの属性水準割り当て手段によって任意の価格水準がランダムに抽出されて各商品に割り当てられ、商品と価格水準の異なる組み合わせが生成され、クライアント端末に送信されて、新しい画面がクライアント端末の表示部に表示される。図４は、それを示しており、商品Ａの価格が１００円、商品Ｂの価格が４００円、商品Ｃの価格が３００円、商品Ｄの価格が１００円の場合に、回答者が、商品Ａを８個購入し、商品Ｂを１個購入し、商品Ｃを３個購入し、商品Ｄを５個購入する場合を示しており、商品Ａの購入個数入力欄に８、商品Ｂの購入個数入力欄に１、商品Ｃの購入個数入力欄に３、商品Ｄの購入個数入力欄に５がそれぞれ入力されている。マウス等の入力手段によって全ての購入個数入力欄に個数を入力した後に、入力手段によって送信ボタンをクリックすると、購入個数情報がサーバに送信される。サーバは、受信した購入個数情報を回答結果として記憶装置に格納する。

購入個数としては、０個を選択することができる。０個が選択された場合には、当該商品を購入しないということを意味する。例えば、商品Ａの購入個数を１とし、商品Ｂ、商品Ｃ、商品Ｄの購入個数を０とすれば、商品Ａのみを購入し、他の商品については購入しないことを意味する。図示のものでは、マウスを用いて入力可能なプルダウン方式の入力部が示してあるが、クライアント端末のキーボードを用いて、任意の数字を入力するものであってもよい。

同じクライアント端末の表示部に、価格水準の組み合わせをランダムに複数回表示させて、同じ回答者から購入個数を複数回入力させる。さらに、同様のことを多数のクライアント端末に対して行う。各クライアント端末からコンピュータネットワークを介して取得した情報は、回答結果として、サーバの記憶装置に格納される。クライアント端末から受信した回答結果には、「クライアント端末に表示された商品と価格水準の組み合わせ」、「各組み合わせにおいて、各商品に対してクライアント端末から入力された購入個数」が含まれており、また、これらの情報は回答者の属性に関連付けられている。回答者の属性は、クライアント端末から送信された情報であっても、あるいは、予めサーバの記憶装置に格納されている情報（会員が回答者の場合等）であってもよい。

サーバの記憶装置に格納された複数のクライアント端末から取得した情報には、複数の商品間における価格水準の変化に伴う購入個数の変化の情報が含まれている。かかる情報を加工・分析することで、各商品の価格水準が購入個数（あるいは購入確率）に与える効果を推定することができる。例えば、横軸に商品Ａの価格、縦軸に商品Ａの購入個数をとってグラフを作成すると、価格が下がれば購入個数が増えるような右下がりの曲線が描かれる。この曲線から自己の価格の増減に伴う購入個数の増減を予測することができる。同様に、商品Ｂ，商品Ｃ，商品Ｄのそれぞれの価格の増減に伴う、商品Ａの購入個数の変化を予測することができる。これらの予測を統合することで、商品Ａの購入個数を全ての商品の価格水準から予測するモデルを構築することができる。また、回答者の属性を併せて分析することで、年齢別、性別等に基づくさらに詳細な分析を行なうことができる。本発明について、価格という属性を用いた場合について説明したが、本発明で用いられる属性は価格に限定されるものではない。

本発明の第２の実施例について図５乃至図１１を参照しながら説明する。第２の実施例では、入り数が設定されている点において第１の実施例と異なる。後の分析においては、入り数×セット数を購入個数として扱う。サーバの記憶部には、商品Ａ〜商品Ｅの商品情報が格納されている。各商品Ａ〜Ｅはさらに容量の異なる３つの種類を有しており、これらを大、中、小とする。商品特定情報には、各商品の容量毎の画像情報も含まれている。第２の実施例では、１５個の競合商品についての商品特定情報がサーバに格納されていることになる。したがって、同種の商品であっても、容量が異なる場合には、互いに異なる競合商品として扱う。

図１０は、サーバの記憶部に格納されているデータテーブルであり、大中小の容量毎に複数の属性水準（価格水準）が格納されている。具体的には、「大」の価格水準としては、１４８円、１５８円、１６８円、１７８円、１８８円、１９８円、２０８円、２１８円の８個の価格水準が格納されている。同様に、「中」の価格水準としては、１１８円、１２８円、１３８円、１４８円、１５８円、１６８円、１７８円、１８８円の８個の価格水準が格納されており、「小」の価格水準としては、７８円、８８円、９８円、１０８円、１１８円、１２８円、１３８円、１４８円の８個の価格水準が格納されている。大中小に対してそれぞれ用意された８個の水準から一つの水準を選択してそれぞれ大中小に割り当てる。

図１１は、入り数の設定水準を示すデータテーブルでる。「大」には「１個入り」と「２個入り」の２つの水準が格納されている。「中」には「１個入り」と「２個入り」の２つの水準が格納されている。「小」には「１個入り」、「２個入り」、「３個入り」、「４個入り」の４つの水準が格納されている。

価格水準のデータテーブル及び入り数のデータテーブルから、それぞれ、一つの価格設定水準、一つの入り数設定水準を抽出して、各商品に対して割り当てる。そうして得られた各商品と価格水準、入り数の組み合わせを商品画像と共にクライアント端末へ送信して、クライアント端末の表示部に表示する。以下、クライアント端末の表示画面に基づいて本発明を説明する。

図５は、クライアント端末の表示画面であって、画面の上方部位には「以下のような価格と入り数で売られているとしたら、それぞれ幾つずつ買いたいと思いますか。提示されている値段は上の入り数をセットにした値段です。買いたいと思うセット数をそれぞれについて選択し、「次へ進む」ボタンを押してください。」という質問が表示される。画面には、商品Ａ〜商品Ｅに関する情報（商品画像、大中小のいずれかの表示、入り数、価格）が提示されている。画面の下方部位には、「記入もれ等がないかどうかご確認の上「次に進む」ボタンを押してください」と記載されており、その下に「次に進む」ボタンが設けてある。

商品Ｃとしては、大：１個組・１４８円、中：２個組・２９６円、小：１個組・８８円が、商品Ｄとしては、大：２個組・４３６円、中：１個組・１１８円、小：４個組・５１２円が、商品Ｅとしては、大：１個組・１８８円、中：１個組・１７８円、小：１個組・５５２円が、商品Ａとしては、大：１個組・１６８円、中：２個組・３５６円、小：３個組・２６４円が、商品Ｂとしては、大：２個組・３３６円、中：２個組・２５６円、小：３個組・３５４円が表示されている。

大中小毎の各商品には「個数入力部」と「買わないを選択する選択部」が対応して設けてある。個数入力部は１〜１０のプルダウンメニューを有しており、購入したい個数をマウス等の入力手段によって選択して入力するようになっている。購入意志が無い場合には、「買わない」を選択してクリックするようになっている。買わないを選択させる代わりに、あるいはそれに加えて、第１の実施例のように、個数入力部のプルダウンメニューに個数０を設けてもよい。

図６は、クライアント端末からの入力が完了した状態を示す表示画面である。商品Ｃとしては、大：１個組・１４８円・３セット、中：２個組・２９６円・８セット、小：１個組・８８円・２セットが、商品Ｄとしては、大：２個組・４３６円・買わない、中：１個組・１１８円・買わない、小：４個組・５１２円・４セットが、商品Ｅとしては、大：１個組・１８８円・４セット、中：１個組・１７８円・１セット、小：１個組・５５２円・４セットが、商品Ａとしては、大：１個組・１６８円・買わない、中：２個組・３５６円・買わない、小：３個組・２６４円・１セットが、商品Ｂとしては、大：２個組・３３６円・買わない、中：２個組・２５６円・２セット、小：３個組・３５４円・２セットが入力されている。

全ての商品について購入個数の入力が行われた後で、マウス等の入力手段によって「次に進む」ボタンをクリックすると、入力された購入個数情報がサーバに送信される。サーバで受信された購入個数情報はサーバの記憶部に格納される。同時に、「次に進む」ボタンのクリックによって、サーバの価格抽出割り当て手段によって、各商品に対して新たに価格水準及び入り数が割り当てられて、新しい商品・価格の組み合わせが生成され、生成された組み合わせがクライアント端末に送信されて、クライアント端末の表示部に表示される。尚、クライアント端末から入力された購入個数情報の送信は、都度行わずに、一時的にクライアント端末側で記憶しておき、まとめてサーバに送信するようにしてもよい。

図７は、次のクライアント端末の表示画面を示しており、図８は入力後の表示画面を示している。上図において、商品Ａとしては、大：１個組・２０８円、中：１個組・１１８円、小：３個組・４４４円が、商品Ｃとしては、大：２個組・３１６円、中：２個組・３７６円、小：４個組・３５２円が、商品Ｂとしては、大：１個組・１４８円、中：１個組・２３６円、小：３個組・４４４円が、商品Ｄとしては、大：１個組・１６８円、中：２個組・２３６円、小：３個組・２１６円が、商品Ｅとしては、大：１個組・２１８円、中：１個組・１１８円、小：２個組・１７６円が表示されている。図の表示画面における商品・価格・入り数の組み合わせと比較すると明らかなように、価格と入り数が変化している。

図８において、商品Ａとしては、大：１個組・２０８円・買わない、中：１個組・１１８円・買わない、小：３個組・４４４円・買わないが、商品Ｃとしては、大：２個組・３１６円・１セット、中：２個組・３７６円・２セット、小：４個組・３５２円・１セットが、商品Ｂとしては、大：１個組・１４８円・買わない、中：１個組・２３６円・２セット、小：３個組・４４４円・買わないが、商品Ｄとしては、大：１個組・１６８円・買わない、中：２個組・２３６円・買わない、小：３個組・２１６円・１セットが、商品Ｅとしては、大：１個組・２１８円・５セット、中：１個組・１１８円・買わない、小：２個組・１７６円・買わないが入力されている。

購入個数の入力が行われた後で、マウス等の入力手段によって「次に進む」ボタンをクリックすると、入力された購入個数情報がサーバに送信される。サーバで受信された購入個数情報はサーバの記憶部に格納される。同時に、「次に進む」ボタンのクリックによって、サーバの価格抽出割り当て手段によって、各商品に対して新たに価格水準及び入り数が割り当てられて、新しい商品・価格の組み合わせが生成され、生成された組み合わせがクライアント端末に送信されて、クライアント端末の表示部に表示される。図９は次にクライアント端末に表示される表示画面であり、価格水準と入り数が異なっていることがわかる。尚、図示のものでは、表示毎に、商品Ａ〜商品Ｅの表示順序・レイアウトを変化させている。

クライアント端末から入力された購入個数情報は、ネットワークを介してサーバに送られ、サーバの記憶部に格納される。上述のステップを、多数のクライアント端末から取得することで、サーバの記憶部には、各商品と夫々の属性水準との組み合わせ、及び、各組み合わせにおける各商品の購入個数が格納される。これらの取得された情報を用いて各商品の販売予測を行うことができる。

ここで、以下のようなモデルを用いて購入数量を推定する。

かかるモデルは、購入数量を予測値、価格及び入り数を独立変数とした回帰式である。実施例２では商品数＝１５である。ε_ｉｊは誤差を表す。サーバの記憶部に格納された購入個数情報を重回帰分析することで、各係数α_ｊ、β_ｊｋ、γ_ｊｋ（ｋ＝１，２，…，商品数）がそれぞれ推定され、各商品に関する購入数量を求める式を得ることができる。これらの式は、各商品毎に得られ、実施例２では１５個の式が用意される。これらのパラメータを用いることで任意の価格と入り数の条件のもとでの購入個数の予測値が得られる。

消費者の購買行動分析方法について説明する。消費者の購買行動分析は、消費者購買行動分析装置によって行われる。分析装置は、処理装置、表示装置、入力装置、出力装置、各種データファイル、制御プログラム、分析結果等を格納する記憶装置を有しており、前記サーバが分析装置を兼ねても良く、あるいは、前記サーバとは別個のコンピュータから分析装置を構成してもよい。データファイルには、商品属性及びその水準、前述の情報取得方法によって取得した回答結果、回答者の属性等が格納されている。本発明に係る消費者の購買行動分析方法では、商品の購入量（販売量）を、その商品の購入（販売）に影響を与える要素とその要素の影響度を示す係数との線形和で表すモデル式を用いる。商品の購入（販売）に影響を与える要素には、商品属性及び回答者属性が含まれる。本発明では、商品の購入に影響を与える要素としての商品属性の中に、「競合商品の商品属性」に関する情報を含む点に特徴を有するものである。各要素の係数は、回答者から得た回答結果に基づいて、最小二乗法や最尤推定法等の公知の推定法によって推定される。

消費者の購買行動分析を行うためのモデル式は、より一般的に以下のように表される。

モデル式において、ｉは、回答者（１人の回答者に対して繰り返し商品を提示した場合、繰り返し提示数分だけ１人の回答者として数える）を表す。ｊは商品を表す。

モデル式において、Ｐ_ｇｋｉは、回答者ｉに対して提示された商品ｋのｇ番目の商品属性（価格など）を表す（ｇ＝１，２，…，ｒ）。質的な変数を用いる場合はダミー変数を用いる。また、商品の並べ方による順序効果を取り除くため、回答者に提示された際の商品ｋの位置などの情報も含むことが可能である（例えば、「左上であれば１」や「左から１番目であれば１、２番目であれば２」など）。

モデル式において、Ｘ_ｈｉは、回答者ｉのｈ番目の回答者属性を表す（ｈ＝１，２，…，ｓ）。性別など質的な変数を用いる場合はダミー変数を用いる。また、ここには１人の回答者に対して繰り返し商品を提示し、購入量を回答させた場合、提示された回数を示す情報を含むことが可能である（例えば、「１回目の提示であれば１、２回目の提示であれば２」など）。

モデル式において、Ｑ_ｉｊは、回答者ｉの商品ｊの購入量を表す。すなわち、モデル式において、購入量は、独立変数である商品属性及び回答者属性にそれぞれ係数を乗じたものの線型和によって求められる。各係数は、得られた購入量情報を用いて推定される。Ｐ_ｇｋｉ、Ｘ_ｈｉ、Ｑ_ｉｊはそれぞれ商品特性（価格など）、回答者属性（性別など）、購入量をあらわすデータを対数変換、指数変換したものでも構わない。

分析モデルについて簡単な例に基づいて具体的に説明する。
（１）基本モデル
商品数（ｍ）を２、商品属性を「価格（Ｑ_ｉ１、Ｑ_ｉ２の１単位あたりの単価）」のみ（ｒ＝１）とし、回答者属性数（ｓ）を１とする。

回答者ｉの商品１、商品２の購入量をそれぞれ以下のモデルで表す。

ここで、α_１、α_２は定数項である。β_１１、β_２１は商品１の商品属性（価格）が商品１、２の購入量にそれぞれ与える影響度である。β_１２、β_２２は商品２の商品属性（価格）が商品１、２の購入量にそれぞれ与える影響度である。γ_１、γ_２は回答者属性が商品１、２の購入量にそれぞれ与える影響度である。ε_ｉ１、ε_ｉ２は誤差項を表す。

（２）交差項を含む基本モデル
前記モデルと同様に、商品数（ｍ）を２、商品特性を価格のみ（ｒ＝１）とし、回答者属性数（ｓ）を１とする。

回答者ｉの商品１、商品２の購入量をそれぞれ以下のモデルで表す。

η_１１、η_１２は商品１の商品属性（価格）と回答者属性の交互作用（商品属性が購入量に与える効果の回答者属性による違い）の影響度を表す。η_２１、η_２２は商品１の商品属性（価格）と回答者属性の交互作用の影響度を表す。

上記（１）（２）のモデルにおけるα_１、α_２、β_１１、β_２１、β_１２、β_２２、γ_１、γ_２、η_１１、η_１２、η_２１、η_２２のパラメータを推定する。さらに、購入量Ｑ_ｉ１、Ｑ_ｉ２が（購入する、購入しないなど）離散的に変化する変数である場合、潜在変数の存在を仮定し、ロジスティックモデルやプロビットモデル、多項ロジットモデル、多項プロビットモデルなどを、また、購入量Ｑ_ｉ１、Ｑ_ｉ２に０の多い場合はトービットモデルなどを検討し、あてはまりの良いモデルを採用する。パラメータの推定方法としては、最小二乗法や最尤法を用いる。例えば、重回帰分析において、最小二乗法によって偏回帰係数を求めることが一般に行われる。

前述のように、アンケートのデータとモデルを用いて商品属性、回答者属性がそれぞれ回答された商品の購入量に与える影響度をあらわすパラメータを推定する。この推定されたパラメータを用いて予測を行う。

商品の購入量をその商品の購入に影響を与える要素とその要素の影響度を示す係数との線形和で表すモデル式において、商品の購入に影響を与える要素である商品属性、回答者属性に関する変数を設定項目として任意に設定することで、商品購入量（商品販売量）を予測する。設定項目（商品属性水準、回答者属性）は、キーボードやマウス等の入力装置によって分析装置に入力される。例えば、商品属性としての価格を設定する場合には、複数の価格水準から価格水準を選択する。入力情報をモデル式に代入することで、商品購入量（商品販売量）の予測値が演算されて求められる。予測値は出力装置（表示装置における表示を含む）に出力される。予測方法について以下に詳述する。

（１）回答者１人あたりの購入量の予測
まず、回答者１人あたりの１回の買い物（調査時においては商品提示）における商品ｊ（ｊ＝１，２，…，ｍ）の予測購入量を算出する。ここで、異なる商品属性や回答者属性をもつ複数の状況についてシミュレーションを行う場合は、下記、手順を繰り返すことによってそれぞれの状況における回答者１人あたりの１回の買い物（調査時においては商品提示）における予測購入量が算出できる。

ここでは上記（２）のモデル（２商品、１商品特性（価格）、１回答者属性、交互作用を含むモデル）に対応するα_１、α_２、β_１１、β_２１、β_１２、β_２２、γ_１、γ_２、η_１１、η_１２、η_２１、η_２２のパラメータを用いたシミュレーション結果の演算方法を説明する。

モデルの推定の結果、商品１および商品２の回答者１人あたりの予測購入量は以下の等式によって算出される。

ここで、設定項目Ｐ_１（商品属性）、Ｐ_２（商品属性）、Ｘ（回答者属性）に任意の数値を入力することによって回答者１人あたりの１回の買い物（調査時においては商品提示）における商品１および商品２の予測購入量Ｑ_１ ^ｅ，Ｑ_２ ^ｅが得られる。

（２）実際の店舗における販売量の予測
さらに、実際の店舗においては回答者属性の異なる消費者が来店することから、上記の予測購入量Ｑ_１ ^ｅ，Ｑ_２ ^ｅを用いて１店舗あたりの単位時間あたりの販売予測をおこなう。

ここでは、予測をおこなう単位時間を１日とする。また、消費者は２つのタイプに分けられると仮定し、１つのタイプはＸ＝０、もう１つのタイプはＸ＝１で特徴付けられているものとする（例えば、性別が男性ならＸ＝０、女性ならＸ＝１など）。

まず、Ｘ＝０である消費者とＸ＝１である消費者の１日（販売予測の対象期間）あたりの来店人数をそれぞれ実際の店舗の実情に合わせて測定する。ここでは測定の結果、Ｘ＝０（男性）の消費者が１００人、Ｘ＝１（女性）の消費者が２００人であったとする。

ここで、上記（１）の手順に基づき、Ｘ＝０、Ｘ＝１の場合のそれぞれについて回答者１人あたりの１回の買い物（調査時においては商品提示）における商品１および商品２の予測購入量Ｑ_１ ^ｅ，Ｑ_２ ^ｅを算出する。Ｘ＝０の消費者の商品１の予測購入量をＱ_１ ^ｅ _、ｘ＝０、商品２の予測購入量をＱ_２ ^ｅ _、ｘ＝０とおく。Ｘ＝１の消費者についても商品１、２の予測購入量をＱ_１ ^ｅ _、ｘ＝１、Ｑ_２ ^ｅ _、ｘ＝１とおく。

２タイプの消費者の商品１および商品２に対する予測購入量は以下の等式によって算出される。

以上のことから、１店舗あたりの１日（単位時間）あたりの商品１および商品２の販売予測結果はそれぞれ以下の等式によって算出される。

（３）売上高・利益の予測
次に、（２）で求めた予測販売量にもとづいて売上高、利益の予測をおこなう。
上記の例では、Ｐ_１，Ｐ_２はそれぞれ価格（１単位あたりの単価）をあらわしていたため、商品１と商品２の１店舗あたり１日あたりの予測売上高はそれぞれ以下のように算出される。

また、予測利益は商品１、商品２の販売量１単位あたりにかかる費用をそれぞれＺ_１，Ｚ_２とすると、以下のように算出される。（Ｚ_１，Ｚ_２は消費者アンケートとは別途調査する必要がある）

（４）最適価格の算出
（３）において導かれた売上高や利益の予測を行う等式を用いて、それらを最大化する価格を算出する。
ここでは、例として上記の予測例にしたがい商品１の予測売上高や予測利益を最大化する価格を求める。上記（１）〜（３）のシミュレーションの演算手順にしたがって商品１に関する以下の予測結果が得られているものとする。

ここで、１００・Ｑ_１ ^ｅ _、ｘ＝０＋２００・Ｑ_１ ^ｅ _、ｘ＝１は商品１の予測販売量をあらわし、Ｑ_１ ^ｅ _、ｘ＝０、Ｑ_１ ^ｅ _、ｘ＝１はそれぞれ消費者のタイプがＸ＝０、Ｘ＝１である消費者１人当たりの商品１の予測購入量をあらわしており以下の等式によって算出されるものである。

Ｐ_１は商品１の価格をあらわしていたから、商品１の予測販売量１００・Ｑ_１ ^ｅ _、ｘ＝０＋２００・Ｑ_１ ^ｅ _、ｘ＝１はＰ_１の水準によって決定される。ここで、Ｐ_１にさまざまな値を設定し計算を繰り返すことによってその商品１の価格の各水準に対応する売上高と利益の予測値が得られる。これら商品１の価格の各水準に対応する売上高・利益の予測値の中で最も大きいものに対応する商品１の価格Ｐ_１の水準をそれぞれの最適価格として算出する。

さらに他の実施例について説明する。先ず、データの取得方法において、実施例１，２における最初の画面の前段階として、図１２に示す画面をクライアント端末の表示部に表示して商品の絞り込みを行う。最初に、分析対象の商品を全て調査画面に提示し、回答者に購入可能性のある商品を選択させる第１ステップを設ける。次に、第１ステップで選択した商品のみを直交表に基づいて価格水準とともに調査画面に提示する第２ステップを設ける。第２ステップの画面を直交表の実験回数分（図１３参照）だけ繰り返す。なお、この方法の場合、直交表を用いた水準の選択・表示が望ましい。

取得情報としては、「各回答者が選択（絞込み）した商品群」、「各回答者×実験ごとに提示された（価格）水準」、「各回答者×実験×商品ごとに購入希望個数」が得られる。

分析・予測の方法について説明する。回答者ごとに各商品の購入個数や選択確率を目的変数、価格など提示された属性を説明変数とする回帰モデルを設定し、分析する（前回までの手法ではセグメントごとにモデルを設定）。その結果、回答者ごとに価格などの各商品の属性が変化したときの購入個数の変化をあらわす係数が推定される（反応係数β_ｈｊ ^（ｉ））。回答者ごとに推定されるモデル（商品属性が価格のみの場合）は以下のとおりである。

シミュレーションの方法について説明する。価格などの属性がある水準のときに回答者ごとに各商品の購入個数や選択確率の予測値を反応係数に基づいて計算する。回答者ごとに計算された各商品の購入個数や選択確率の予測値を集計し、全体の予測結果とする。

サーバの構成を示す図である。 サーバの商品・価格データテーブルを示す図である。 クライアント端末の表示部に表示される画面の例を示す。 クライアント端末の表示部に表示される画面の例を示す。 クライアント端末の表示部に表示される画面の例を示す。 クライアント端末の表示部に表示される画面の例を示す。 クライアント端末の表示部に表示される画面の例を示す。 クライアント端末の表示部に表示される画面の例を示す。 クライアント端末の表示部に表示される画面の例を示す。 価格水準を示すデータテーブルである。 入り数の水準を示すデータテーブルである。 他の実施例に係るクライアント端末の表示部に表示される画面の例を示す。 直交表を用いた商品と価格水準の組み合わせを示す図である。

Claims (19)

1. コンピュータネットワークを介してサーバからクライアント端末の表示部に２以上の競合商品をそれぞれ商品属性の水準と共に表示するステップと、
   クライアント端末から該表示部に表示された各商品の購入個数を入力させるステップと、
   入力された各商品の購入個数情報をコンピュータネットワークを介して取得して各商品の商品属性の水準と共にサーバの記憶部に格納するステップを有し、
   該サーバは、商品属性の複数の水準を格納すると共に、商品属性の複数の水準から属性水準を抽出して各商品に割り当てる手段を有し、
   前記一連のステップを、同一のクライアント端末に対して、該割り当て手段を用いて商品と属性水準の組み合わせを変化させながら複数回行うことで各商品の購入個数情報を取得することを特徴とする消費者の購買行動分析に用いる情報の取得方法。
2. 請求項１において、前記商品属性には価格、入り数、容量の少なくとも１つが含まれることを特徴とする情報の取得方法。
3. 請求項１，２いずれかにおいて、属性水準の組み合わせを変化させながらクライアント端末の表示部に表示させる属性は、１つあるいは複数の属性であることを特徴とする情報の取得方法。
4. 請求項１乃至３いずれかにおいて、該割り当て手段は、属性水準をランダムに抽出して各商品に割り当てる手段であることを特徴とする情報の取得方法。
5. 請求項４において、該属性水準をランダムに抽出して各商品に割り当てる手段は、乱数を用いるものであることを特徴とする情報の取得方法。
6. 請求項１乃至５いずれかに記載の方法を、複数のクライアント端末に対して行うことで、複数のクライアント端末から各商品の購入個数情報を取得することを特徴とする情報の取得方法。
7. 請求項１乃至６いずれかに記載の方法において、該サーバには、各商品を特定する商品特定情報が格納されており、該商品特定情報をクライアント端末の表示部に表示することを特徴とする情報の取得方法。
8. 請求項７において、該商品特定情報には、商品名、商品画像、商品説明の少なくとも一つが含まれることを特徴とする情報の取得方法。
9. 請求項１乃至８いずれかに記載した方法をコンピュータに実行させるためのコンピュータプログラム。
10. クライアント端末とコンピュータネットワークを介して接続されるサーバであって、該サーバの記憶部には、競合商品を特定する情報、及び、商品属性に関する複数の属性水準が格納されており、該サーバは、属性水準をランダムに抽出して各商品に割り当てる手段を有しており、
    該ランダム割り当て手段によって複数の商品それぞれに属性水準を割り当てて、コンピュータネットワークを介して該サーバからクライアント端末の表示部に複数の商品をそれぞれ属性水準と共に表示し、
    該ランダム割り当て手段によって商品と属性水準の組み合わせを変化させながら各商品の購入個数を複数回入力させ、入力された購入個数情報をコンピュータネットワークを介して取得して該記憶部に格納するように構成されているサーバ。
11. 複数の商品を特定する情報を記憶する手段と、
    商品属性に関する複数の属性水準を記憶する手段と、
    属性水準をランダムに抽出して各商品に割り当てる手段と、
    該割り当て手段によって複数の商品それぞれに属性水準を割り当てた商品と属性水準の組み合わせを表示する表示手段と、
    該表示手段に表示された購入個数入力部と、
    該購入個数入力部に購入個数を入力する手段と、
    該入力手段によって入力された購入個数をその時の商品と属性水準の組み合わせと共に記憶する手段とを備え、
    該割り当て手段によって商品と属性水準の組み合わせを変化させながら各商品の購入個数を入力させ、入力された購入個数情報を該組み合わせと共に該購入個数記憶手段に記憶することを特徴とする消費者の購買行動分析に用いる情報の取得装置。
12. 消費者の購買行動分析に用いる情報を取得するためにコンピュータを、
    複数の商品を特定する情報を記憶する手段、
    商品属性に関する複数の属性水準を記憶する手段、
    属性水準をランダムに抽出して各商品に割り当てる手段、
    該割り当て手段によって複数の商品それぞれに属性水準を割り当てた商品と属性水準の組み合わせを表示する表示手段、
    該表示手段に表示された購入個数入力部、
    該購入個数入力部に購入個数を入力する手段、
    該入力手段によって入力された購入個数をその時の商品と属性水準の組み合わせと共に記憶する手段、
    として機能させ、
    該割り当て手段によって商品と属性水準の組み合わせを変化させながら各商品の購入個数を入力させ、入力された購入個数情報を該組み合わせと共に該購入個数記憶手段に記憶するように機能させるためのコンピュータプログラム。
13. 商品の購入量をその商品の購入に影響を与える要素とその要素の影響度を示す係数との線形和で表すモデル式を用いた消費者の購買行動分析装置であって、該要素には、該商品及び該商品の競合商品の商品属性が含まれ、
    該装置は、
    複数の互いに競合する商品を特定する情報を記憶する手段と、
    商品属性に関する複数の属性水準を記憶する手段と、
    商品と属性水準の任意の組み合わせにおける、回答者の各商品の購入個数を記憶する手段と、
    該購入個数を用いて、該商品及び該商品の競合商品の商品属性の影響度を示す係数を推定することで該モデル式を求める手段と、
    該モデル式における変数である商品の属性水準を選択して設定するための入力手段と、
    該商品の属性水準を設定して入力することで商品購入量を予測値として求めて出力する手段と、
    を有することを特徴とする消費者の購買行動分析装置。
14. 請求項１３において、該購入個数は、請求項１乃至８に記載の方法によって取得されたものであることを特徴とする消費者の購買行動分析装置。
15. 請求項１３，１４いずれかにおいて、該要素には回答者属性が含まれ、該装置はさらに回答者属性を記憶する手段、及び回答者属性の影響度を示す係数を記憶する手段を有しており、該入力手段によって回答者属性を設定するように構成されていることを特徴とする消費者の購買行動分析装置。
16. 商品の購入量をその商品の購入に影響を与える要素とその要素の影響度を示す係数との線形和で表すモデル式において、該要素には、該商品及び該商品の競合商品の商品属性が含まれており、該モデル式を用いて消費者の購買行動を分析するためにコンピュータを、
    複数の互いに競合する商品を特定する情報を記憶する手段、
    商品属性に関する複数の属性水準を記憶する手段、
    商品と属性水準の任意の組み合わせにおける、回答者の各商品の購入個数を記憶する手段、
    該購入個数を用いて、該商品及び該商品の競合商品の商品属性の影響度を示す係数を推定することで該モデル式を求める手段、
    該モデル式における変数である商品の属性水準を選択して設定するための入力手段、
    該属性水準を設定することで商品購入量を予測値として求めて出力する手段、
    として機能させるためのコンピュータプログラム。
17. 商品の購入量をその商品の購入に影響を与える要素とその要素の影響度を示す係数との線形和で表すモデル式を用いた消費者の購買行動分析方法であって、
    該要素には、該商品及び該商品の競合商品の商品属性が含まれており、
    該商品及び該競合商品の商品属性の影響度を示す係数を請求項１乃至８に記載の方法によって取得した情報に基づいて推定することで該モデル式を求めるステップと、
    該モデル式における商品属性の水準を選択して設定し、該商品属性の水準を設定することで商品の購入量を予測値として求めるステップとを有することを特徴とする消費者の購買行動分析方法。
18. 請求項１７において、前記要素には回答者属性が含まれることを特徴とする消費者の購買行動分析方法。
19. 請求項１７，１８いずれかに記載した方法をコンピュータに実行させるためのコンピュータプログラム。

Images