JPWO2018008203A1 - シミュレーション装置、シミュレーションシステム、及びシミュレーション方法 - Google Patents

シミュレーション装置、シミュレーションシステム、及びシミュレーション方法 Download PDF

Info

Publication number
JPWO2018008203A1
JPWO2018008203A1 JP2018525933A JP2018525933A JPWO2018008203A1 JP WO2018008203 A1 JPWO2018008203 A1 JP WO2018008203A1 JP 2018525933 A JP2018525933 A JP 2018525933A JP 2018525933 A JP2018525933 A JP 2018525933A JP WO2018008203 A1 JPWO2018008203 A1 JP WO2018008203A1
Authority
JP
Japan
Prior art keywords
purchase
information
simulation
price
facility
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
JP2018525933A
Other languages
English (en)
Other versions
JP6575833B2 (ja
Inventor
伊藤 智祥
智祥 伊藤
秦 秀彦
秀彦 秦
純幸 沖本
純幸 沖本
崇之 福井
崇之 福井
山口 晃一郎
晃一郎 山口
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.)
Panasonic Intellectual Property Management Co Ltd
Original Assignee
Panasonic Intellectual Property Management Co 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 Panasonic Intellectual Property Management Co Ltd filed Critical Panasonic Intellectual Property Management Co Ltd
Publication of JPWO2018008203A1 publication Critical patent/JPWO2018008203A1/ja
Application granted granted Critical
Publication of JP6575833B2 publication Critical patent/JP6575833B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00Commerce
    • G06Q30/02Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201Market modelling; Market analysis; Collecting market data
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/18Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00Commerce
    • G06Q30/02Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201Market modelling; Market analysis; Collecting market data
    • G06Q30/0202Market predictions or forecasting for commercial activities
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/52Surveillance or monitoring of activities, e.g. for recognising suspicious objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

シミュレーション装置は、店舗等の施設内を移動する人の流れを示す人流情報と、施設で購入された商品またはサービスを示す購入データと、施設内に配置された商品またはサービスの価格を示す価格情報とを取得する取得部と、人流情報に基づいて、人流モデルを生成する人流モデル生成部と、購入データと人流情報とに基づいて、購入モデルを生成する購入モデル生成部と、価格情報と人流モデルと購入モデルとに基づいて、施設内を移動する人の商品またはサービスの購入額の予測値を算出するシミュレーション実行部と、を備える。

Description

本開示は、店舗等の施設の売り上げをシミュレーションする、シミュレーション装置、シミュレーションシステム、及びシミュレーション方法に関する。
特許文献1は、監視カメラから得られるデータとPOSデータとを利用して、販売機会損失の指標を算出する分析システムを開示している。
特許第5731766号公報
本開示は、店舗等の施設の売り上げをシミュレーションするのに有効なシミュレーション装置、シミュレーションシステム、及びシミュレーション方法を提供する。
本開示にかかるシミュレーション装置は、店舗等の施設内の商品またはサービスの購入額をシミュレーションするシミュレーション装置であって、施設内を移動する人の流れを示す人流情報と、施設で購入された商品またはサービスを示す購入データと、施設内に配置された商品またはサービスの価格を示す価格情報とを取得する取得部と、人流情報に基づいて、人流モデルを生成する人流モデル生成部と、購入データと人流情報とに基づいて、購入モデルを生成する購入モデル生成部と、価格情報と人流モデルと購入モデルとに基づいて、施設内を移動する人の商品またはサービスの購入額の予測値を算出するシミュレーション実行部と、を備える。
本開示にかかるシミュレーションシステムは、店舗等の施設内の商品またはサービスの購入額をシミュレーションするシミュレーションシステムであって、施設内を撮影した映像を出力する監視カメラと、施設で購入された商品またはサービスを示す購入データを生成して出力する購入端末装置と、映像及び購入データを使用して商品またはサービスの購入額の予測値を算出する、上記シミュレーション装置と、を含む。
本開示にかかるシミュレーション方法は、店舗等の施設内の商品またはサービスの購入額をシミュレーションするシミュレーション方法であって、取得部により、施設内を移動する人の流れを示す人流情報と、施設で購入された商品またはサービスを示す購入データと、施設内に配置された商品またはサービスの価格を示す価格情報とを取得するステップと、制御部により、人流情報に基づいて、人流モデルを生成するステップと、制御部により、購入データと人流情報とに基づいて、購入モデルを生成するステップと、制御部により、価格情報と人流モデルと購入モデルとに基づいて、施設内を移動する人の商品またはサービスの購入額の予測値を算出するステップと、を含む。
本開示のシミュレーション装置、シミュレーションシステム、及びシミュレーション方法は、店舗等の施設の売り上げをシミュレーションするのに有効である。
図1は、実施形態1のシミュレーションシステムの構成を示すブロック図である。 図2は、実施形態1のシミュレーション装置の制御部の内部構成を示すブロック図である。 図3は、実施形態1における店舗内のエリア分割と店舗内を移動する人の流れを説明するための図である。 図4は、図3の複数のエリアの一部の拡大図である。 図5Aは、動線情報の一例を示す図である。 図5Bは、エリア情報の一例を示す図である。 図5Cは、遷移確率情報の一例を示す図である。 図6は、実施形態1における遷移確率を算出する動作を説明するためのフローチャートである。 図7Aは、POSデータの一例を示す図である。 図7Bは、商品情報の一例を示す図である。 図7Cは、購入率情報の一例を示す図である。 図8は、実施形態1における購入率を算出する動作を説明するためのフローチャートである。 図9は、実施形態1における購入額の予測値を算出する動作を説明するためのフローチャートである。 図10は、実施形態1における購入額の予測値を算出する動作を説明するための図である。 図11は、実施形態1における表示部の画面表示の一例を示す図である。 図12は、実施形態2のシミュレーション装置の制御部の内部構成を示すブロック図である。 図13は、実施形態2における遷移確率を説明するための図である。 図14Aは、流出入情報の一例を示す図である。 図14Bは、遷移確率情報の一例を示す図である。 図15は、実施形態2における遷移確率を算出する動作を説明するためのフローチャートである。 図16は、実施形態3における購入額の予測値を算出する動作を説明するためのフローチャートである。 図17は、実施形態4のシミュレーション装置の制御部の内部構成を示すブロック図である。 図18は、実施形態4におけるシミュレーションによりパラメータの最適値を算出する動作を説明するためのフローチャートである。
以下、適宜図面を参照しながら、実施形態を詳細に説明する。但し、必要以上に詳細な説明は省略する場合がある。例えば、既によく知られた事項の詳細説明や実質的に同一の構成に対する重複説明を省略する場合がある。これは、以下の説明が不必要に冗長になるのを避け、当業者の理解を容易にするためである。なお、発明者らは、当業者が本開示を十分に理解するために添付図面および以下の説明を提供するのであって、これらによって特許請求の範囲に記載の主題を限定することを意図するものではない。
(実施形態1)
本実施形態においては、店舗内を移動する人の流れ、店舗のレイアウト、又は店舗に配置された商品の位置を変更したと想定したときの、店舗の売り上げのシミュレーションを可能にするシミュレーションシステムを提供する。具体的には、本実施形態のシミュレーションシステムは、監視カメラの映像から得られる人の流れの情報と、POS端末装置から得られるPOSデータと、複数のエリアに分割された店舗内の各エリアの範囲を示す情報と、店舗内に配置された商品の位置の情報とから、現在の買い回りパターン(遷移確率及び購入率)をモデル化して、シミュレーションにおける人の流れに関する人流モデル及び商品の購入に関する購入モデルを生成する。そして、モデル上で、人の流れ、店舗のレイアウト(エリア分割)、又は商品の位置を変更したときの商品購入額(店舗の売上金額)の予測値を算出する。これにより、人の流れ、店舗のレイアウト、又は商品の位置を変更したときの効果を事前に推定することを可能にする。
1.構成
図1は、実施形態1のシミュレーションシステムの構成を示している。シミュレーションシステム1は、店舗内を撮影した映像を出力する1つ以上の監視カメラ100と、店舗で購入された商品を示すPOSデータを生成して出力する1つ以上のPOS端末装置200と、監視カメラ100の映像とPOS端末装置200のPOSデータとを使用して、人の流れ、店舗のレイアウト、又は商品の位置を変更したときの商品購入額(売上金額)をシミュレーションするシミュレーション装置300と、を含む。
監視カメラ100は、CCDイメージセンサ、CMOSイメージセンサ、又はNMOSイメージセンサなどの撮像部を備え、店舗内を撮影する。また、監視カメラ100は、所定の通信規格(例えばLAN、WiFi)に準拠して外部機器との通信を行うためのインタフェース回路を備え、撮影した店舗内の映像を出力する。
POS端末装置200は、スキャナ、CCD、又はレーザなどを使用したバーコードリーダを備え、店舗内の人が購入した商品を表すPOSデータ34を生成する。また、POS端末装置200は、所定の通信規格(例えばLAN、WiFi)に準拠して外部機器との通信を行うためのインタフェース回路を備え、生成したPOSデータ34を出力する。
シミュレーション装置300は、入出力部10と、シミュレーション装置300全体を制御する制御部20と、入力した種々の情報を格納する記憶部30とを含む。
入出力部10は、監視カメラ100の映像とPOS端末装置200のPOSデータ34とを受信する受信部11と、ユーザからの入力を受け付ける入力部12と、シミュレーション結果を表示する表示部13とを含む。受信部11は、所定の通信規格(例えばLAN、WiFi)に準拠して外部機器との通信を行うためのインタフェース回路を備える。入力部12は、キーボード、マウス、又はタッチパネル等である。受信部11及び入力部12は外部から情報を取得する取得部に相当する。表示部13は、液晶ディスプレイなどである。
記憶部30は、受信部11が受信した情報又は制御部20が生成した情報を格納する。例えば、店舗内を移動する人の流れを示す動線情報(人流情報)31、複数のエリアで構成される店舗内の各エリアの範囲を示すエリア情報32、人が店舗内の隣接するエリア間を移動する確率を示す遷移確率情報33、POS端末装置200から送信されたPOSデータ34、店舗内に配置された商品の位置と価格を示す商品情報35、商品の購入率を示す購入率情報36、及び平均客単価情報37を格納する。記憶部30は、例えば、RAM、DRAM、強誘電体メモリ、フラッシュメモリ、又は磁気ディスク、又はこれらの組み合わせによって実現できる。
図2は、制御部20の内部構成を具体的に示している。図2において、制御部20で取得して記憶部30に格納する情報を点線で示している。制御部20は、記憶部30に格納されている情報を取得する取得部に相当する。制御部20は、監視カメラ100の映像に映っている人を識別して識別した人の位置を時系列で示す動線情報31を生成する動線情報生成部21と、動線情報31とエリア情報32とを使用して遷移確率情報33を生成する遷移確率情報生成部(人流モデル生成部)22と、商品情報35とPOSデータ34とエリア情報32と動線情報31とに基づいて購入率情報36を生成する購入率情報生成部(購入モデル生成部)23と、を含む。なお、図2では、動線情報生成部21は制御部20に含まれているが、制御部20の外で構成されてもよい。
制御部20は、さらに、入力部12を介して入力された、商品の位置の変更、遷移確率の変更、又は購入率の変更に基づいて、パラメータ(商品情報35に含まれる商品の位置、遷移確率情報33に含まれる遷移確率、又は購入率情報36に含まれる購入率)を設定するパラメータ設定部24と、設定されたパラメータに基づいて、1人当たりの商品購入額の予測値を算出するシミュレーション実行部25とを含む。シミュレーション実行部25は、1人当たりの商品購入額の予測値を示す平均客単価情報37を生成する。1人当たりの商品購入額の予測値により、店舗全体の売上金額を予測することができる。表示部13は、平均客単価情報37に基づいて、平均客単価を表示する。
制御部20は、半導体素子などで実現可能である。制御部20の機能は、ハードウェアのみで構成してもよいし、ハードウェアとソフトウェアとを組み合わせることにより実現してもよい。制御部20は、例えば、マイコン、CPU、MPU、DSP、FPGA、ASICで構成することができる。
2.動作
2.1 人の動きモデルの作成(遷移確率の算出)
図3は、店舗内を複数のエリア(例えば、エリア「A−01」、「A−02」、「A−03」・・・)に分割した例を示している。図3の矢印H1、H2、H3は、店舗の入口から出口(レジ)に向かって移動した人の軌跡を示している。各エリアには商品が配置されている。本実施形態のシミュレーション装置300は、人がどのエリアを通過するか(遷移確率)と、エリア内に配置されている商品を買うかどうか(購入率)と、に基づいて、店舗の売り上げをシミュレーションする。
図4は、図3の店舗内の一部を拡大した図である。図4では、映像の中で人物ID「0001」として識別される人が、エリア「A−01」からエリア「A−02」に移動し、人物ID「0002」として識別される人がエリア「A−01」からエリア「A−03」に移動し、エリア「A−01」からエリア「A−04」には誰も移動していないことを表している。また、エリア「A−01」には、商品Aを含む商品棚S1が配置されていて、エリア「A−02」には、商品Bと商品Cを含む商品棚S2が配置されていることを示している。
図5Aは、図3及び図4に示すような店舗内を移動する人を映像の中から識別して生成した動線情報31の一例を示している。動線情報31は、映像の中で識別した人物の識別情報(ID)と、その人物が存在する位置(X座標及びY座標)とを時系列で表した情報を含む。図5Bは、図3及び図4に示すような各エリアの範囲を示すエリア情報32の一例を示している。エリア情報32は、店舗内の各エリアの識別情報(ID)と範囲(X座標、Y座標、幅、及び高さ)の情報を含む。図5Cは、動線情報31とエリア情報32とに基づいて算出される遷移確率を示す遷移確率情報33の一例を示している。
図6に、遷移確率情報生成部22による遷移確率の算出の動作を示す。遷移確率情報生成部22は、所定期間(例えば、1日分)の動線情報31を使用して、所定期間(例えば、1日分)の遷移確率を算出することによって遷移確率情報33を生成する。遷移確率情報生成部22が生成する遷移確率情報33は、シミュレーションにおける、人の動きモデル(人流モデル)に相当する。また、遷移確率情報生成部22は、人流モデルを生成する人流モデル生成部に相当する。
遷移確率情報生成部22は、最初に、店舗内のエリアを一つ選択し(S601)、選択したエリア(移動元エリア)から移動可能なエリアをエリア情報32に基づいて検索する(S602)。例えば、図4の移動元エリア「A−01」については、移動可能なエリア「A−02」、「A−03」、「A−04」が探し出される。遷移確率情報生成部22は、動線情報31とエリア情報32とに基づいて、移動元エリアに存在していた全ての人物を抽出する(S603)。動線情報31に示される人物の位置(X座標及びY座標)と、エリア情報32に示されるエリアの範囲(X座標、Y座標、幅、及び高さ)とから、各エリア内に存在する人物を抽出できる。例えば、移動元エリア「A−01」にいた人物を2人(人数N=2)抽出する。遷移確率情報生成部22は、動線情報31とエリア情報32とに基づいて、移動元エリア「A−01」にいた人物が移動した移動先エリアを検索する(S604)。動線情報31に示される人物の位置(X座標及びY座標)と、エリア情報32に示されるエリアの範囲(X座標、Y座標、幅、及び高さ)とから、人物が移動した移動先エリアを検索できる。図4の例では、移動先エリアとして「A−02」と「A−03」が探し出される。遷移確率情報生成部22は、「遷移確率P=移動可能先エリアに移動した人数/移動元エリアにいた人数N」によって、移動可能先エリア毎に遷移確率を算出する(S605)。図4においては、移動元エリア「A−01」から移動可能先エリア「A−02」の遷移確率P=1人/2人=50%、移動元エリア「A−01」から移動可能先エリア「A−03」の遷移確率P=1人/2人=50%、移動元エリア「A−01」から移動可能先エリア「A−04」の遷移確率P=0人/2人=0%となる。遷移確率情報生成部22は、店舗内の全ての移動元エリアからの遷移確率の算出が完了したか否かを判断し(S606)、未だであれば、ステップS601に戻り、遷移確率の算出処理を繰り返す。
なお、遷移確率を計算するステップS605では、カウントした人数から直接求めた遷移確率を利用する例を示した。実際のエリア間の人の移動は、離散的な現象であり、その人数をカウントした数値も確率的に変動する。従って直接求めた遷移確率も、時間的に大幅な変化をすることがある。そこで、エリア間の遷移確率は時間的に滑らかに変化するものであるとの仮定の下、計算された遷移確率を時間的に平滑化することも有効である。平滑化する方法としては、連続する複数の時間の遷移確率を平均化する移動平均を使う方法や、ガウス関数などを用いたカーネル確率密度推定、遷移確率がディレクレ分布に従うと仮定したパーティクルフィルタなどを利用することができる。このようにすれば、遷移確率の時間的な変化を考慮したシミュレーションを行うことも可能になる。
また、遷移確率は移動元エリアに存在した全人数に基づいて計算する例を示した。これは移動元エリアからの遷移確率は全来店客で一定とみなすことを意味する。より詳細なシミュレーションを行うため、特定の顧客グループごとの遷移確率を求めることも有効である。この場合、顧客グループごとにエリアの人数を求めて、それぞれで遷移確率を計算する。顧客グループとしては、性別・年齢や、服装などから推測される客層(主婦、サラリーマン、ブルーカラーなど)を利用することが有効である。あるいは、POSデータや入店からレジで精算までの動線に基づいて、購入品や店内行動などが類似する顧客グループを、KMEANSなどクラスタリングの手法で自動的にグルーピングすることも有効である。
2.2 購入モデルの作成(購入率の算出)
図7Aは、POS端末装置200が生成し出力したPOSデータ34の一例を示している。POSデータ34は、購入された商品の識別情報(ID)と個数と価格と、購入された日時に関する情報を含む。図7Bは、商品情報35の一例を示している。商品情報35は、商品の識別情報(ID)と名称と価格(例えば、商品の単価)と、商品の位置として商品が配置されているエリアのIDとを含む。なお、商品情報35は、商品が配置されている棚のIDを含んでも良い。図7Cは、POSデータ34と商品情報35と動線情報31とエリア情報32とから生成される購入率情報36を示している。購入率情報36は、商品の識別情報(ID)と購入率とを含む。
図8に、購入率情報生成部23が商品の購入率を算出する動作を示す。購入率情報生成部23は、所定期間(例えば、1日分)のPOSデータ34と動線情報31とを使用して、所定期間(例えば、1日分)の購入率を算出することによって、購入率情報36を生成する。購入率情報生成部23が生成する購入率情報36は、シミュレーションにおける、購入モデルに相当する。また、購入率情報生成部23は、購入モデルを生成する購入モデル生成部に相当する。
購入率情報生成部23は、最初に、店舗内のエリアを一つ選択し(S801)、選択したエリアを通過した人物を全て、動線情報31とエリア情報32とに基づいて、抽出する(S802)。図4の例では、移動元エリア「A−01」を通過した人物を2人(通過人数N=2)抽出する。購入率情報生成部23は、選択したエリア内の棚にある商品のリストを商品情報35から取得する(S803)。例えば、商品情報35から、エリア「A−01」内の棚S1にある「商品A」を取得する。購入率情報生成部23は、選択したエリア内の棚にある商品の購入数をPOSデータ34から取得して、「商品の購入率=購入数/通過人数N」から、その商品の購入率を算出する(S804)。例えば、POSデータ34から商品ID「000A」の購入数「1」を取得し、「商品Aの購入率=1/2=50%」を算出する。購入率情報生成部23は、店舗内の全てのエリア内の商品の購入率の算出が完了したか否かを判断し(S805)、未だであれば、ステップS801に戻り、購入率の算出処理を繰り返す。例えば、図4の例では、エリア「A−02」を通過した人数「1」とエリア「A−02」内の棚S2にある「商品B」の購入数「1」とから、「商品Bの購入率=1/1=100%」を算出する。また、エリア「A−02」を通過した人数「1」とエリア「A−02」内の棚S2にある「商品C」の購入数「0」とから、「商品Cの購入率=0/1=0%」を算出する。
なお、遷移確率の算出で述べたことと同様に、購入率を算出するステップS804も、時間的に過剰に変動することがある。ここでも商品ごとの購入率は時間的に滑らかに変化すると仮定して、時間的に平滑化することも有効である。このようにすれば、時間帯ごとの購入率の変化を考慮したシミュレーションを行うことも可能になる。
また、顧客グループごとに購入率を求めることも、遷移確率の場合と同様に有効である。この場合顧客のグループ分けは、遷移確率で利用したグループ分けと同一であることが望ましい。
2.3 シミュレーションの実行(平均客単価の算出)
図9に、シミュレーション実行部25による、購入額の予測値(1人当たりの商品購入額を示す平均客単価)を算出する動作を示す。図10に、購入額の予測値を算出する際の各種情報の使用例を示す。
シミュレーション実行部25は、入力部12を介して、ユーザから指定された試行回数を入力すると(S901)、シミュレーションを開始するために、まず、人物の位置を入口エリア(店舗の入口を含むエリア又は入口に最も近いエリア)に設定する(S902)。シミュレーション実行部25は、購入率情報36に基づいて、人物が入口エリアで商品を購入したか否かを判定し、購入したと判定した場合はその商品の金額を購入金額に加算する(S903)。例えば、シミュレーション実行部25は、商品を購入したか否かの判定において、第1の値(例えば、1)から第2の値(例えば、100)の乱数を発生させると共に、購入率に基づいて購入したか否かの判断となる閾値を設定する。図10の例において、入口エリアが「A−01」の場合、商品ID「000A」の購入率「50%」に基づいて、購入したと判断する閾値を「50」に設定し、「1」から「50」までの数値が出た場合は商品Aを購入したと判断し、「51」から「100」までの数値が出た場合は商品Aを購入しなかったと判断する。これにより、購入したと判断した場合は、商品Aの価格200円を購入金額に加える。
シミュレーション実行部25は、遷移確率情報33に基づいて、人物の移動先エリアを決定する(S904)。例えば、シミュレーション実行部25は、人物がどのエリアに移動するかの判定において、第3の値(例えば、1)から第4の値(例えば、100)の乱数を発生させると共に、遷移確率に基づいてどのエリアに移動するかの判断となる閾値を設定する。図10の例では、エリア「A−01」からエリア「A−02」への遷移確率「50%」と、エリア「A−01」からエリア「A−03」への遷移確率「50%」と、エリア「A−01」からエリア「A−04」への遷移確率「0%」とに基づいて、閾値を「50」と「100」に設定する。そして、「1」から「50」までの数値が出た場合はエリア「A−02」に移動したと判断し、「51」から「100」までの数値が出た場合はエリア「A−03」に移動したと判断する。シミュレーション実行部25は、決定した移動先エリアが出口エリア(店舗の出口を含むエリア又は出口に最も近いエリア)であるか否かを判断する(S905)。出口エリアでなければ(S905でNo)、ステップS903に戻り、移動先エリアにおいて人物が商品を購入したか否かを判定し、購入したと判定した場合は購入金額に加算する。このようにして、移動先エリアが出口エリアになるまで、購入金額を加算していく。
移動先エリアが出口エリアになると(S905でYes)、シミュレーション実行部25は、それまで加算した購入金額(入口エリアから出口エリアまで移動した人の全購入金額)の情報を記憶部30に記録する(S906)。シミュレーション実行部25は、試行回数に達するまでの間(S907でNo)、人物が入口エリアから出口エリアまで移動したと想定してその人物が購入する商品の金額を算出する処理を繰り返す。計算する度に乱数の値が変わるため、入口エリアから出口エリアまで移動する人物が通過するエリアと通過したエリア内の商品を購入するかどうかが変化し、試行回数のそれぞれにおいて、異なる購入金額が算出される。試行回数に達すると(S907でYes)、シミュレーション実行部25は、ステップS901で入力した試行回数と、ステップS906で記録した購入金額の合計とにより、「平均客単価=全試行回数の購入金額の合計/試行回数」を計算して、平均客単価を算出する(S908)。シミュレーション実行部25は、算出した平均客単価を示す平均客単価情報37を記憶部30に記録する。
図9に示すシミュレーションを行う際に、ユーザは、遷移確率情報33、購入率情報36、及び商品情報35を参照して、タッチパネル等の入力部12に、変更したいパラメータ(遷移確率、購入率、及び商品位置)について変更後の値を入力することによって、所望のシミュレーションを実行することができる。例えば、遷移確率情報33内の遷移確率(パラメータ)を変更することにより、人の流れを変えたシミュレーションを実行することができる。また、遷移確率情報33内の遷移確率(パラメータ)と購入率情報36内の購入率(パラメータ)とを変更することにより、店舗のレイアウトを変えたシミュレーションを実行することができる。さらに、商品情報35内の商品位置(パラメータ)を変更することにより、商品の位置を変更してシミュレーションを実行することができる。ユーザが、入力部12を介してパラメータを変更すると、パラメータ設定部24は、ユーザが設定した変更に応じて、他に変更が必要となるパラメータの値を変更する。シミュレーション実行部25は、パラメータ設定部24によって設定されたパラメータに基づいて、図9に示すシミュレーションを実行する。
なお、どの商品をどの位置に移動すべきかに関する候補群を、表示部13のパラメータ設定画面に表示すると、操作者にとって判りやすくなる。このため商品ごとに、当該商品が所定の位置に置かれることの効果を数値化した、商品位置評価値を求める。パラメータ設定画面では、商品の置き換えによって、商品位置評価値が向上する組合せを置き換え候補として表示する。商品位置評価値は、例えば、商品の購入率と商品棚前の遷移確率の積を利用することが有効である。この積は、より購入されやすい商品を買い物客の目により触れるようにすることを意味する評価値で、買い忘れ防止など気付きを与える指標となる。また、ここでも顧客をグルーピングすることが効果的で、グループごとの購入率や棚前遷移確率を用いて評価値を算出することで、より精度の高い評価値とすることができる。さらに、グループ単位で算出した評価値を、グループの人数比に基づいた重み付けで加算した値を、来店客全体の評価値とすることも有効である。
図11に、表示部13が表示する画面の一例を示す。表示部13は、平均客単価情報37に基づいて、例えば、図11に示すように、パラメータ変更前と変更後のシミュレーション結果(平均客単価)を表示する。なお、現在の平均客単価は、人の動きモデル(パラメータ変更前の遷移確率情報33)と購入モデル(パラメータ変更前の購入率情報36)とに基づいてシミュレーションにより算出しても良いし、動線情報31とPOSデータ34から得られる実際の値に基づいて算出しても良い。
なお、上述の通り遷移確率や商品の購入率を、時間帯ごとの変化や顧客グループに基づいて求めておくことで、シミュレーションをより高精度に行うことが可能になる。さらに、顧客グループの人数比率やさらにその時間帯ごとの変化も計測しておけば、例えば夕方前に主婦グループの割合が増加するなどの変化を、遷移確率や購入率の変化として表現できるようになるので、シミュレーションを高精度化できる。また、グループ比率を変化させるパラメータをパラメータ設定部24に設けることで、どのようなグループを増やすことができれば、特定商品や店舗全体の売上を伸ばすことができるかをシミュレーションすることも可能になる。
3.効果等
従来は、POP広告や呼込みなどによって人の流れを変える場合、又はレイアウトや商品の位置などを変更した場合に、どの程度の効果があるのかを事前に推定する方法がなかった。一方、本開示のシミュレーションシステム1は、監視カメラ100の映像から得られる動線情報31と、POS端末装置200から得られるPOSデータ34と、店舗内のエリア情報32と、商品情報35とから、現在の買い回りパターン(遷移確率及び購入率)をモデル化し、モデル上で、人の流れ、店舗のレイアウト、又は商品の位置を変更したときの店舗の売上金額(平均客単価)の予測値を算出するシミュレーションを行う。よって、人の流れ、店舗のレイアウト、又は商品の位置を変更したときの効果をシミュレーションにより事前に推定することが可能になる。これにより、施策実施の可否判断の指標を得ることができる。
なお、本実施形態においては、シミュレーション装置300は、シミュレーションにより得られる結果(平均客単価)を表示部13に表示したが、シミュレーション結果の出力は表示部13による表示に限らない。例えば、シミュレーション装置300は、平均客単価情報37をシミュレーション装置300に有線又は無線で接続された外部機器に送信しても良いし、記録媒体に記録しても良いし、又はプリンタに出力しても良い。
なお、本実施形態において、POS端末装置200によりPOSデータ34を出力するとしたが、その他の購入端末装置で購入データを出力するとしてもよい。
(実施形態2)
実施形態2のシミュレーション装置300は、動線情報31に代えて、店舗内の隣接するエリア間を移動した人数を示す流出入情報(人流情報)を生成する。図12に、本実施形態のシミュレーション装置300の制御部20の内部構成を示す。本実施形態において制御部20は、図2の動線情報生成部21に代えて、監視カメラ100の映像から店舗内の隣接するエリア間を移動した人数を示す流出入情報38を生成する流出入情報生成部26を備える。なお、図12において、流出入情報生成部26は制御部20に含まれているが、制御部20の外で構成されてもよい。
図13は、店舗内を複数のエリアに分割したときの複数のエリアの一部と、エリアを移動する人を表している。流出入情報生成部26は、例えばエリア情報32を参照して、隣接するエリア間の境界線を越えた人数をカウントする。図13の例では、エリア「A−01」から境界線L1を越えた人数を、エリア「A−01」からエリア「A−03」に移動した人数として計測し、エリア「A−01」から境界線L2を越えた人数を、エリア「A−01」からエリア「A−02」に移動した人数として計測する。
図14Aは、流出入情報生成部26によって生成される流出入情報38の一例を示している。流出入情報38は、移動元エリアのIDと、移動先エリアのIDと、移動元エリアから移動先エリアに移動した人数(流出入人数)と、移動した日時(移動人数をカウントした日時)とを含む。遷移確率情報生成部22は、この流出入情報38とエリア情報32とを使用して、図14Bに示すような遷移確率情報33を生成する。
図15に、遷移確率情報生成部22による遷移確率の算出の動作を示す。遷移確率情報生成部22は、所定期間(例えば、1日分)の流出入情報38を使用して、所定期間(例えば、1日分)の遷移確率を算出することによって遷移確率情報33を生成する。
遷移確率情報生成部22は、最初に、店舗内のエリアを一つ選択し(S1501)、選択したエリア(移動元エリア)から移動可能なエリアをエリア情報32に基づいて検索する(S1502)。例えば、図13の移動元エリア「A−01」については、移動可能なエリア「A−02」、「A−03」、「A−04」が探し出される。遷移確率情報生成部22は、流出入情報38に基づいて、選択した移動元エリアから流出した人数の合計値Nを取得する(S1503)。図13及び図14Aの例では、移動元エリア「A−01」から流出した人数として「2人」を取得する。遷移確率情報生成部22は、流出入情報38とエリア情報32とに基づいて、「遷移確率P=移動可能先エリアに流入した人数/移動元エリアから流出した人数N」によって、移動可能先エリア毎に遷移確率を算出する(S1504)。図13及び図14Aにおいては、エリア「A−01」からエリア「A−02」への遷移確率P=1人/2人=50%、エリア「A−01」からエリア「A−03」の遷移確率P=1人/2人=50%、エリア「A−01」からエリア「A−04」の遷移確率P=0人/2人=0%となる。遷移確率情報生成部22は、店舗内の全ての移動元エリアからの遷移確率の算出が完了したか否かを判断し(S1505)、未だであれば、ステップS1501に戻り、遷移確率の算出処理を繰り返す。
このように、本実施形態のシミュレーション装置300は、エリア間の境界線を越えた人数をカウントすることによって遷移確率を算出している。本実施形態によれば、実施形態1のように映像に映っている人物を追跡する必要がないため、遷移確率の算出に必要な処理が簡単になる。
(実施形態3)
実施形態3においては、入口から出口に移動するときに通過する確率の高いエリアを人が通過したときのシミュレーションを実行する。本実施形態のシミュレーションシステムの構成は、実施形態1又は実施形態2のシミュレーションシステム1と同一である。
図16に、本実施形態のシミュレーション実行部25が平均客単価を算出する動作を示す。シミュレーション実行部25は、入力部12を介して、ユーザが設定した抽出件数(件数=N)を入力する(S1601)。シミュレーション実行部25は、遷移確率情報33に基づいて、入口エリア(入口を含むエリア又は入口に最も近いエリア)から出口エリア(出口を含むエリア又は出口に最も近いエリア)に到達する経路の中で、人が通る確率である通過確率Pの高い経路を高い順にN件抽出する(S1602)。通過確率Pは、例えば、入口エリアから出口エリアまでの経路内に位置するエリア間の遷移確率を乗算することによって得られる。シミュレーション実行部25は、例えば、ダイクストラ法等の経路探索アルゴリズムを使用して、通過確率の高い経路を抽出しても良い。
シミュレーション実行部25は、商品情報35と購入率情報36とを参照し、抽出したN件の経路の各々について経路上に存在する商品の購入率と価格に基づいて、各経路の平均客単価Cを「平均客単価C=Σ(購入率×価格)」により算出する(S1603)。
その後、シミュレーション実行部25は、全体の平均客単価を「全体の平均客単価=Σ(通過確率P×平均客単価C)」により算出する(S1604)。
本実施形態によれば、入口エリアから出口エリアに到達する経路の中で、通過確率の高い経路に基づいた売り上げのシミュレーションを行うことができる。
(実施形態4)
実施形態4のシミュレーションシステム1は、パラメータ(商品情報35に含まれる商品の位置、遷移確率情報33に含まれる遷移確率、及び購入率情報36に含まれる購入率)の最適設定値を抽出する。
図17に、本実施形態のシミュレーション装置300の制御部20の内部構成を示す。本実施形態において制御部20は、売上金額(平均客単価)が最大となるパラメータセットを探し出す最適解探索部27を含む。パラメータセットは、商品情報35、遷移確率情報33、及び購入率情報36の組み合わせである。
図18に、制御部20による最適なパラメータセットの探索動作を示す。パラメータ設定部24は、入力部12を介して、ユーザが設定したパラメータの変化範囲を入力する(S1801)。パラメータの変化範囲は、例えば、商品の位置、遷移確率、又は購入率の値が変化する範囲である。パラメータ設定部24は、ユーザが設定したパラメータの変化範囲内で、遷移確率、商品の位置、及び購入率の値を設定することによって、複数のパラメータセットを生成する(S1802)。シミュレーション実行部25は、生成されたパラメータセットの中から一つを選択し(S1803)、図9のステップS901〜S908に示すシミュレーションを実行し、売上金額(平均客単価)を算出する(S1804)。
最適解探索部27は、その他のパラメータセットに基づいて既に算出済みの売上金額(平均客単価)があれば、その算出済み売上金額と比較して、今回のパラメータセットを使用したシミュレーションによって算出した売上金額が最大か否かを判断する(S1805)。今回のパラメータセットを使用したシミュレーションによって算出した売上金額が最大であれば、今回のパラメータセットを最適設定値として、記憶部30に記憶する(S1806)。シミュレーション実行部25は、ステップS1802で生成したパラメータセットの全てについてシミュレーションが完了したか否かを判断し(S1807)、未だであれば、ステップS1803に戻り、その他のパラメータセットに基づいてシミュレーションを実行する。このようにして、ステップS1802で生成した全てのパラメータセットの中から売上金額(平均客単価)が最大のパラメータセットを抽出する。
本実施形態によれば、売上金額(平均客単価)が最大となるパラメータセットを抽出することができる。
本開示のシミュレーションシステム1は、ハードウェア資源、例えば、プロセッサ、メモリ、及びプログラムとの協働などによって、実現可能である。
(他の実施形態)
実施形態1〜4では、店舗にて取り扱う対象は、商品であるとして説明した。しかしながら、顧客との取引対象となるものは、商品だけではなく、サービスにも当てはまる。店舗の中でも、理髪店やゲームセンターは、商品を販売するのではなく、整髪したり、ゲームを楽しんだりすることにより、顧客との取引を行う。これらの活動はサービスであり、このようなサービスによる売上金額(平均客単価)のシミュレーションも、本開示の内容を実施することにより、可能となる。
また、施設には、店舗だけでなく、複数の店舗が集まったショッピングモール(商店街)や様々な複数のアトラクションが集まったテーマパークなどが考えられる。そして、これらのショッピングモールやテーマパークに対しても、本開示に係るシミュレーション装置が適用できる。
たとえば、ショッピングモールに適用する場合、本開示に係るシミュレーション装置は、ショッピングモール内を移動する人の流れを示す人流情報と、ショッピングモールを構成する各店舗で購入された商品またはサービスを示すPOSデータ(購入データ)と、各店舗にて販売される商品またはサービスの価格を示す価格情報と、を取得する取得部と、人流情報に基づいて、人流モデルを生成する人流モデル生成部と、POSデータと人流情報とに基づいて、購入モデルを生成する購入モデル生成部と、価格情報と人流モデルと購入モデルとに基づいて、ショッピングモール内を移動する人の商品またはサービスの購入額の予測値を算出するシミュレーション実行部と、を備える。なお、店舗には一時的に設営される露店等も含まれる。
このようなシミュレーション装置を実施することにより、ショッピングモールにおける売上金額(平均客単価)のシミュレーションができる。
テーマパークに適用する場合、本開示に係るシミュレーション装置は、テーマパーク内を移動する人の流れを示す人流情報と、テーマパーク内に設けられた各アトラクション提供された商品またはサービスを示すPOSデータと、各アトラクションにて提供される商品またはサービスの価格を示す価格情報と、を取得する取得部と、人流情報に基づいて、人流モデルを生成する人流モデル生成部と、POSデータと人流情報に基づいて、購入モデルを生成する購入モデル生成部と、価格情報と人流モデルと購入モデルとに基づいて、テーマパーク内を移動する人のアトラクションを利用することによる商品またはサービスの購入額の予測値を算出するシミュレーション実行部と、を備える。
このようなシミュレーション装置を実施することにより、テーマパークにおけるアトラクション利用による売上金額(平均客単価)のシミュレーションができる。
さらに、インターネットを利用した商品またはサービスの取引を行う場合にも、本開示の内容を実施することができる。たとえば、IT(コンピュータ等)を使ったネット取引では、コンバージョン率を向上させることに、本開示の内容は貢献する。コンバージョンとは、ネットショッピング等での商品やサービスの購入をいう。そして、コンバージョン率とは、ある商品やサービスの販売サイトに訪問した人の数に対して、実際に商品やサービスを購入した人の数の割合をいう。本開示に係るシミュレーションシステムを実施することにより、コンバージョン率の向上を図ることが可能となる。なお、商品やサービスの購入にまで至らなくても、そのサイトでの会員登録や資料請求がなされた場合をコンバージョン率として設定し、本開示に係るシミュレーション装置を実施することも可能である。
以上のように、本出願において開示する技術の例示として、実施形態1〜4を説明した。しかしながら、本開示における技術は、これに限定されず、適宜、変更、置き換え、付加、省略などを行った実施形態にも適用可能である。また、上記実施形態1〜4で説明した各構成要素を組み合わせて、新たな実施形態とすることも可能である。
添付図面および詳細な説明に記載された構成要素の中には、課題解決のために必須な構成要素だけでなく、上記技術を例示するために、課題解決のためには必須でない構成要素も含まれ得る。そのため、それらの必須ではない構成要素が添付図面や詳細な説明に記載されていることをもって、直ちに、それらの必須ではない構成要素が必須であるとの認定をするべきではない。
また、上述の実施形態は、本開示における技術を例示するためのものであるから、特許請求の範囲またはその均等の範囲において種々の変更、置き換え、付加、省略などを行うことができる。
本開示は、店舗の売り上げをシミュレーションする、シミュレーション装置、シミュレーションシステム、及びシミュレーション方法に適用可能である。
1 シミュレーションシステム
10 入出力部
11 受信部
12 入力部
13 表示部
20 制御部
21 動線情報生成部
22 遷移確率情報生成部
23 購入率情報生成部
24 パラメータ設定部
25 シミュレーション実行部
26 流出入情報生成部
27 最適解探索部
30 記憶部
100 監視カメラ
200 POS端末装置
300 シミュレーション装置

Claims (15)

  1. 施設内の商品またはサービスの購入額をシミュレーションするシミュレーション装置であって、
    前記施設内を移動する人の流れを示す人流情報と、前記施設で購入された商品またはサービスを示す購入データと、前記施設内に配置された商品またはサービスの価格を示す価格情報と、を取得する取得部と、
    前記人流情報に基づいて、人流モデルを生成する人流モデル生成部と、
    前記購入データと前記人流情報とに基づいて、購入モデルを生成する購入モデル生成部と、
    前記価格情報と前記人流モデルと前記購入モデルとに基づいて、前記施設内を移動する人の商品またはサービスの購入額の予測値を算出するシミュレーション実行部と、を備える、
    シミュレーション装置。
  2. 前記取得部は、複数のエリアで構成される前記施設内の各エリアの範囲を示すエリア情報と、前記施設内に配置された商品またはサービスの位置を示す位置情報とをさらに取得し、
    前記人流モデル生成部は、前記エリア情報と前記人流情報とに基づいて、人が隣接するエリア間を移動する遷移確率を示す遷移確率情報を前記人流モデルとして生成し、
    前記購入モデル生成部は、前記位置情報と前記購入データと前記エリア情報と前記人流情報とに基づいて、商品またはサービスの購入率を示す購入率情報を前記購入モデルとして生成し、
    前記シミュレーション実行部は、前記価格情報と前記位置情報と前記遷移確率情報と前記購入率情報とに基づいて、前記施設内を移動する人の商品またはサービスの購入額の予測値を算出する、
    請求項1に記載のシミュレーション装置。
  3. 前記施設内を撮影した監視カメラの映像を受信する受信部と、
    前記映像に映っている人を識別し、識別した人の位置を時系列で抽出することによって前記人流情報を生成する動線情報生成部と、をさらに備える、
    請求項2に記載のシミュレーション装置。
  4. 前記施設内を撮影した監視カメラの映像を受信する受信部と、
    前記映像に映っている、隣接するエリア間を移動した人の数を計測して、前記隣接するエリア間を移動した人の数に基づいて前記人流情報を生成する流出入情報生成部と、をさらに備える、
    請求項2に記載のシミュレーション装置。
  5. 前記シミュレーション実行部は、
    前記遷移確率情報に基づいて、第1の所定エリアから第2の所定エリアに到達する複数の経路のそれぞれを人が通る確率である通過確率を算出し、
    前記通過確率が高い順に所定数の経路に配置されている商品またはサービスの購入率及び価格に基づいて、前記第1の所定エリアから前記第2の所定エリアに移動する人の商品またはサービスの購入額の予測値を算出する、
    請求項2から請求項4までのいずれか1項に記載のシミュレーション装置。
  6. ユーザ入力に基づいて、前記位置情報、前記遷移確率情報、及び前記購入率情報のうちの少なくとも1つを変更するパラメータ設定部をさらに有し、
    前記シミュレーション実行部は、前記パラメータ設定部の変更に基づいて、商品購入額の予測値を算出する、
    請求項2から請求項5までのいずれか1項に記載のシミュレーション装置。
  7. パラメータセットは、前記位置情報、前記遷移確率情報、及び前記購入率情報を含み、
    前記パラメータ設定部は、前記位置情報、前記遷移確率情報、及び前記購入率情報のうちの少なくとも1つを変更して、前記パラメータセットを複数個生成し、
    前記シミュレーション実行部が算出した商品またはサービスの購入額の予測値が最大となる前記パラメータセットを前記複数個のパラメータセットの中から抽出する最適解探索部をさらに備える、
    請求項6に記載のシミュレーション装置。
  8. 前記施設は、1つの店舗である、
    請求項1に記載のシミュレーション装置。
  9. 前記施設は、複数の店舗が集まったショッピングモールである、
    請求項1に記載のシミュレーション装置。
  10. 前記施設は、複数のアトラクションが集まったテーマパークである、
    請求項1に記載のシミュレーション装置。
  11. ショッピングモール内の商品またはサービスの購入額をシミュレーションするシミュレーション装置であって、
    前記ショッピングモール内を移動する人の流れを示す人流情報と、前記ショッピングモールを構成する複数の店舗で購入された商品またはサービスを示す購入データと、前記複数の店舗にて販売される商品またはサービスの価格を示す価格情報と、を取得する取得部と、
    前記人流情報に基づいて、人流モデルを生成する人流モデル生成部と、
    前記購入データと前記人流情報に基づいて、購入モデルを生成する購入モデル生成部と、
    前記価格情報と前記人流モデルと前記購入モデルとに基づいて、前記ショッピングモール内を移動する人の商品またはサービスの購入額の予測値を算出するシミュレーション実行部と、を備える、
    シミュレーション装置。
  12. テーマパーク内の複数のアトラクションにおいて提供される商品またはサービスの購入額をシミュレーションするシミュレーション装置であって、
    前記テーマパーク内を移動する人の流れを示す人流情報と、前記複数のアトラクションで提供された商品またはサービスを示す購入データと、前記複数のアトラクションで提供される商品またはサービスの価格を示す価格情報と、を取得する取得部と、
    前記人流情報に基づいて、人流モデルを生成する人流モデル生成部と、
    前記購入データと前記人流情報とに基づいて、購入モデルを生成する購入モデル生成部と、
    前記価格情報と前記人流モデルと前記購入モデルとに基づいて、前記テーマパーク内を移動する人の商品またはサービスの購入額の予測値を算出するシミュレーション実行部と、を備える、
    シミュレーション装置。
  13. 施設内の商品またはサービスの購入額をシミュレーションするシミュレーションシステムであって、
    施設内を撮影した映像を出力する監視カメラと、
    前記施設で購入された商品またはサービスを示す購入データを生成して出力する購入端末装置と、
    前記映像及び前記購入データを使用して商品またはサービスの前記購入額の予測値を算出する、
    請求項1から請求項12までのいずれか1項に記載のシミュレーション装置と、
    を含む、
    シミュレーションシステム。
  14. 施設内の商品またはサービスの購入額をシミュレーションするシミュレーション方法であって、
    取得部により、前記施設内を移動する人の流れを示す人流情報と、前記施設で購入された商品またはサービスを示す購入データと、前記施設内に配置された商品またはサービスの価格を示す価格情報とを取得するステップと、
    制御部により、前記人流情報に基づいて、人流モデルを生成するステップと、
    前記制御部により、前記購入データと前記人流情報とに基づいて、購入モデルを生成するステップと、
    前記制御部により、前記価格情報と前記人流モデルと前記購入モデルとに基づいて、前記施設内を移動する人の商品またはサービスの前記購入額の予測値を算出するステップと、
    を含む、シミュレーション方法。
  15. 前記取得するステップにおいて、複数のエリアで構成される施設内の各エリアの範囲を示すエリア情報と、前記施設内に配置された商品またはサービスの位置を示す位置情報とをさらに取得し、
    前記人流モデルを生成するステップにおいて、前記エリア情報と前記人流情報とに基づいて、人が隣接する前記エリア間を移動する遷移確率を示す遷移確率情報を前記人流モデルとして生成し、
    前記購入モデルを生成するステップにおいて、前記位置情報と前記購入データと前記エリア情報と前記人流情報とに基づいて、商品またはサービスの購入率を示す購入率情報を前記購入モデルとして生成し、
    前記商品またはサービスの購入額の予測値を算出するステップにおいて、前記価格情報と前記位置情報と前記遷移確率情報と前記購入率情報とに基づいて、前記施設内を移動する人の商品またはサービスの前記購入額の予測値を算出する、
    請求項14に記載のシミュレーション方法。
JP2018525933A 2016-07-05 2017-03-23 シミュレーション装置、シミュレーションシステム、及びシミュレーション方法 Active JP6575833B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2016133614 2016-07-05
JP2016133614 2016-07-05
PCT/JP2017/011669 WO2018008203A1 (ja) 2016-07-05 2017-03-23 シミュレーション装置、シミュレーションシステム、及びシミュレーション方法

Publications (2)

Publication Number Publication Date
JPWO2018008203A1 true JPWO2018008203A1 (ja) 2018-09-27
JP6575833B2 JP6575833B2 (ja) 2019-09-18

Family

ID=60912430

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018525933A Active JP6575833B2 (ja) 2016-07-05 2017-03-23 シミュレーション装置、シミュレーションシステム、及びシミュレーション方法

Country Status (4)

Country Link
US (1) US20190122233A1 (ja)
EP (1) EP3483820A4 (ja)
JP (1) JP6575833B2 (ja)
WO (1) WO2018008203A1 (ja)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7031503B2 (ja) * 2018-06-08 2022-03-08 富士通株式会社 シミュレーションプログラム、シミュレーション方法およびシミュレーション装置
CN113632127A (zh) * 2019-03-25 2021-11-09 日本电气株式会社 商品需求预测装置、商品需求预测系统、商品需求预测方法和记录介质
US11055861B2 (en) * 2019-07-01 2021-07-06 Sas Institute Inc. Discrete event simulation with sequential decision making
WO2021192190A1 (ja) 2020-03-27 2021-09-30 日本電気株式会社 人流予測システム、人流予測方法およびプログラム記録媒体
JPWO2023053775A1 (ja) * 2021-09-30 2023-04-06
JP7350953B1 (ja) 2022-08-22 2023-09-26 株式会社Nttドコモ 情報処理装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003100471A (ja) * 2001-09-26 2003-04-04 Toshiba Lighting & Technology Corp 照明制御システム
US20060010030A1 (en) * 2004-07-09 2006-01-12 Sorensen Associates Inc System and method for modeling shopping behavior
JP2007257335A (ja) * 2006-03-23 2007-10-04 Nec Corp 情報収集システム、情報収集方法
WO2014083656A1 (ja) * 2012-11-29 2014-06-05 株式会社日立製作所 店舗運営情報システム及びビジネスシステムの運営情報システム
WO2015033577A1 (ja) * 2013-09-06 2015-03-12 日本電気株式会社 顧客行動分析システム、顧客行動分析方法、非一時的なコンピュータ可読媒体及び棚システム
WO2015059807A1 (ja) * 2013-10-25 2015-04-30 株式会社日立製作所 情報処理システムおよび情報処理方法
JP2016004353A (ja) * 2014-06-16 2016-01-12 インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation 店舗内又は店舗間における顧客の購買行動を推定する方法、並びに、そのコンピュータ・システム及びコンピュータ・プログラム
JP2016105243A (ja) * 2014-12-01 2016-06-09 株式会社ギックス 人流分析システム、人流分析方法、プログラム及びコンピュータ記憶媒体

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS53104875A (en) 1977-02-24 1978-09-12 Hitachi Cable Ltd Production of electric wire with plastic coating
US7548879B2 (en) * 2002-07-18 2009-06-16 Ncr Corporation Convenience store effectiveness model (CSEM)
US20130226539A1 (en) * 2012-02-29 2013-08-29 BVI Networks, Inc. Method and system for statistical analysis of customer movement and integration with other data

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003100471A (ja) * 2001-09-26 2003-04-04 Toshiba Lighting & Technology Corp 照明制御システム
US20060010030A1 (en) * 2004-07-09 2006-01-12 Sorensen Associates Inc System and method for modeling shopping behavior
JP2007257335A (ja) * 2006-03-23 2007-10-04 Nec Corp 情報収集システム、情報収集方法
WO2014083656A1 (ja) * 2012-11-29 2014-06-05 株式会社日立製作所 店舗運営情報システム及びビジネスシステムの運営情報システム
WO2015033577A1 (ja) * 2013-09-06 2015-03-12 日本電気株式会社 顧客行動分析システム、顧客行動分析方法、非一時的なコンピュータ可読媒体及び棚システム
WO2015059807A1 (ja) * 2013-10-25 2015-04-30 株式会社日立製作所 情報処理システムおよび情報処理方法
JP2016004353A (ja) * 2014-06-16 2016-01-12 インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation 店舗内又は店舗間における顧客の購買行動を推定する方法、並びに、そのコンピュータ・システム及びコンピュータ・プログラム
JP2016105243A (ja) * 2014-12-01 2016-06-09 株式会社ギックス 人流分析システム、人流分析方法、プログラム及びコンピュータ記憶媒体

Also Published As

Publication number Publication date
JP6575833B2 (ja) 2019-09-18
US20190122233A1 (en) 2019-04-25
WO2018008203A1 (ja) 2018-01-11
EP3483820A1 (en) 2019-05-15
EP3483820A4 (en) 2019-05-22

Similar Documents

Publication Publication Date Title
JP6575833B2 (ja) シミュレーション装置、シミュレーションシステム、及びシミュレーション方法
Sorensen et al. Fundamental patterns of in-store shopper behavior
JP5666772B2 (ja) 情報提供装置、情報提供方法及びプログラム
US20210233103A1 (en) Sales promotion system and sales promotion method
JP6596899B2 (ja) 接客データ処理装置及び接客データ処理方法
WO2010053194A1 (ja) 顧客行動記録装置及び顧客行動記録方法並びに記録媒体
JP2016126654A (ja) 優待情報提供装置、優待情報提供システムおよびプログラム
JP2019109751A (ja) 情報処理装置、システム、情報処理装置の制御方法、及び、プログラム
JP7357244B2 (ja) 店舗利用情報配信装置及びこれを備えた店舗利用情報配信システム並びに店舗利用情報配信方法
US9311668B2 (en) Determining to audit a customer utilizing analytics
WO2011008793A1 (en) Systems and methods for generating bio-sensory metrics
JP2012088878A (ja) 顧客優待管理システム
JP5780348B1 (ja) 情報提示プログラム及び情報処理装置
KR20190004588A (ko) 리워드 마케팅 시스템 및 방법
JP2005309951A (ja) 販売促進支援システム
JP2017102846A (ja) 接客対応評価装置及び接客対応評価方法
JPWO2018061623A1 (ja) 評価装置及び評価方法
Pascucci et al. Combining sell-out data with shopper behaviour data for category performance measurement: The role of category conversion power
JP2018128895A (ja) 支援システム、支援装置、支援方法及びプログラム
JP2005031963A (ja) レイアウト評価・提案システム、その方法、そのプログラム及び該プログラムを記録した媒体
KR20200103144A (ko) 소비자의 소비 행태 및 비정형적 정보를 활용한 빅데이터 기반의 마케팅 캠페인 플랫폼
JP6519833B2 (ja) 情報提示装置、情報提示システム、及び情報提示方法
JP2016177539A (ja) 情報収集システム、情報処理システムおよびプログラム
JP2016062325A (ja) 情報処理装置、情報処理方法、および、プログラム
JP2016024601A (ja) 情報処理装置、情報処理システム、情報処理方法、商品推薦方法、およびプログラム

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20180607

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20180607

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20190423

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190612

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: 20190709

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20190807

R150 Certificate of patent or registration of utility model

Ref document number: 6575833

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150