JPWO2018056220A1 - 品揃推奨装置、品揃推奨方法および品揃推奨プログラム - Google Patents

Abstract

第一構成情報算出部６１は、予め定めた過去の期間における対象店舗の販売実績に基づいて、その対象店舗で販売実績がある商品の販売金額構成情報である第一構成情報を算出する。第二構成情報算出部６２は、上記期間において対象店舗で販売実績がない商品の販売金額構成情報である第二構成情報を、商品単品の販売金額構成情報を予測する予測モデルに基づいて算出する。商品選択部６３は、第一構成情報が算出された商品と第二構成情報が算出された商品の中から、販売金額構成情報が示す金額の高い順に、指定された数の商品を選択する。

Description

本発明は、推奨する品揃を決定する品揃推奨装置、品揃推奨方法および品揃推奨プログラムに関する。

本部側で多くの店舗を管理する業務形態では、適切な商品の在庫管理を通じて売上を増加させるために、店舗の規模に応じて、定期的に各店舗のＳＫＵ（Stock Keeping Unit：在庫保管単位）数を決定する運用が行われている。また、発注の指針として利用できるようにするため、各店舗に推奨する品揃えを本部側で決定する運用も行われている。

特許文献１には、販売実績のない商品などに対して基準値を算出し、適正な発注量で発注を行う商品自動発注装置が記載されている。特許文献１に記載された装置は、販売実績のない定番商品を新製品とみなし、その新製品に対応する基準値を在庫情報ファイルに格納した在庫情報に基づいて補正する。

特開２００６−１２７０６２号公報

店舗全体で売上を増加させるためには、品揃えに売上が期待される商品を推奨できることが好ましい。しかし、過去の販売実績だけで商品の品揃えを決定しようとすると、一時的に欠品している商品や入荷待ち商品、欠品が続く商品など、対象とする期間に販売実績がない商品が推奨品揃えから除かれてしまうという問題がある。

また、特許文献１に記載された装置は、基準値を採用することにより、販売実績のある商品と販売実績のない商品との発注量を決定する。しかし、販売実績のある商品と販売実績のない商品とで算出される基準値の関係が不明確であるため、その基準値を用いても、どの商品を優先して品揃えすべきか決定することが難しいという問題がある。

そこで、本発明は、売上実績の有無に関わらず、売上実績がない商品の優先順位をつけて品揃え対象を推奨できる品揃推奨装置、品揃推奨方法および品揃推奨プログラムを提供することを目的とする。

本発明による品揃推奨装置は、予め定めた過去の期間における対象店舗の販売実績に基づいて、その対象店舗で販売実績がある商品の販売金額構成情報である第一構成情報を算出する第一構成情報算出部と、上記期間において対象店舗で販売実績がない商品の販売金額構成情報である第二構成情報を、商品単品の販売金額構成情報を予測する予測モデルに基づいて算出する第二構成情報算出部と、第一構成情報が算出された商品と第二構成情報が算出された商品の中から、販売金額構成情報が示す金額の高い順に、指定された数の商品を選択する商品選択部とを備えたことを特徴とする。

本発明による品揃推奨方法は、予め定めた過去の期間における対象店舗の販売実績に基づいて、その対象店舗で販売実績がある商品の販売金額構成情報である第一構成情報を算出し、上記期間において対象店舗で販売実績がない商品の販売金額構成情報である第二構成情報を、商品単品の販売金額構成情報を予測する予測モデルに基づいて算出し、第一構成情報が算出された商品と第二構成情報が算出された商品の中から、販売金額構成情報が示す金額の高い順に、指定された数の商品を選択することを特徴とする。

本発明による品揃推奨プログラムは、コンピュータに、予め定めた過去の期間における対象店舗の販売実績に基づいて、その対象店舗で販売実績がある商品の販売金額構成情報である第一構成情報を算出する第一構成情報算出処理、上記期間において対象店舗で販売実績がない商品の販売金額構成情報である第二構成情報を、商品単品の販売金額構成情報を予測する予測モデルに基づいて算出する第二構成情報算出処理、および、第一構成情報が算出された商品と第二構成情報が算出された商品の中から、販売金額構成情報が示す金額の高い順に、指定された数の商品を選択する商品選択処理を実行させることを特徴とする。

本発明によれば、売上実績の有無に関わらず、売上実績がない商品の優先順位をつけて品揃え対象を推奨できる。

本発明による在庫管理システムの一実施形態を示すブロック図である。 品揃えの推奨処理が行われるタイミングの例を示す説明図である。 発注可能商品リストの例を示す説明図である。 推奨ＳＫＵ数を修正する処理の例を示す説明図である。 推奨ＳＫＵ数を修正する処理の他の例を示す説明図である。 品揃えの区分ごとに推奨ＳＫＵ数を算出する処理の例を示す説明図である。 新商品スコアを算出する処理の例を示す説明図である。 販売動向スコアの算出結果例を示す説明図である。 リピートユーザを決定する方法の例を示す説明図である。 リピートユーザを特定する処理の例を示す説明図である。 算出されたリピートスコアを既存商品の販売スコアと対応付けた例を示す説明図である。 販売順商品を選定する処理の例を示す説明図である。 リピート順商品を選定する処理の例を示す説明図である。 在庫管理システムの動作例を示すシーケンス図である。 需要予測の変動率に応じて算出したＳＫＵ数を修正する処理の例を示すフローチャートである。 推奨する品揃えを決定する動作例を示すフローチャートである。 本発明による品揃推奨装置の概要を示すブロック図である。

以下、本発明の実施形態を図面を参照して説明する。

図１は、本発明による在庫管理システムの一実施形態を示すブロック図である。本実施形態の在庫管理システム１００は、本部サーバ１０と、店舗端末２０とを備えている。本部サーバ１０は、各店舗を管理する本部側で用いられる装置である。また、店舗端末２０は、本部が管理する各店舗で用いられる装置である。図１では、店舗端末２０が２つ例示されているが、店舗端末２０の数は２つに限定されず、１つであってもよく、３つ以上であってもよい。

本部サーバ１０は、本部の指示に応じて、各店舗に推奨するカテゴリごとのＳＫＵ数（以下、推奨ＳＫＵ数と記す。）および、推奨品揃えを決定する。本実施形態では、本部サーバ１０は、カテゴリごとに推奨ＳＫＵ数および推奨品揃えを毎週決定して店舗端末２０に送信する。本部サーバ１０は、各店舗の在庫を管理することから、本部サーバ１０のことを在庫管理サーバと言うこともでき、また、品揃する商品を推奨することから、本部サーバ１０のことを品揃推奨装置と言うこともできる。

また、各店舗は、店舗端末２０を用いて、推奨ＳＫＵ数および推奨品揃えを考慮しながら、各店舗が最終的に採用するカテゴリごとの品揃えおよびＳＫＵ数（以下、採用ＳＫＵ数と記す。）を確定する。なお、品揃えの対象となる商品は、性質等により予め各カテゴリに分類される。

また、発注までの時間等を考慮し、品揃えの推奨処理は、推奨対象週の前の週に行われる。図２は、品揃えの推奨処理が行われるタイミングの例を示す説明図である。例えば、図２に例示するように、火曜日から月曜日を推奨対象週の単位とする場合、品揃えの推奨処理は、例えば、前の週の火曜日に行われる。以下の説明では、推奨対象週のことをＮ週と記す。また、推奨対象週の前の週のことをＮ−１週と記す。同様に、推奨対象週の翌週以降のことを、Ｎ＋１週、Ｎ＋２週、・・・と記す。

なお、以下の説明では、推奨するＳＫＵ数を算出する対象の期間（単位）を、１週間と想定して説明するが、期間（単位）は、１週間に限定されず、例えば、１日（２４時間）であってもよい。

図１を参照すると、本部サーバ１０は、推奨ＳＫＵ数算出部１１と、推奨品揃決定部１２と、送信部１３と、記憶部１４とを含む。

記憶部１４は、推奨ＳＫＵ数の算出および推奨品揃えの決定に用いる各種データを記憶する。記憶部１４は、例えば、商品の売上実績や商品マスタ、重点的に管理する商品や施策の情報などを記憶する。記憶部１４は、磁気ディスク等により実現される。なお、記憶部１４は、通信ネットワーク網を通じて接続された本部サーバ１０以外の装置（図示せず）に含まれていてもよい。

推奨ＳＫＵ数算出部１１は、推奨対象週における発注可能商品リストを作成する。発注可能商品リストの作成方法は任意である。推奨ＳＫＵ数算出部１１は、例えば、推奨対象週に発注可能な全ての商品をリスト化して発注可能商品リストを作成してもよいし、意図的に一部の商品を除外した発注可能商品リストを作成してもよい。

図３は、発注可能商品リストの例を示す説明図である。図３に示す例では、各店舗のカテゴリ（おにぎりカテゴリ、寿司カテゴリ）ごとに発注可能商品リストが生成されていることを示す。発注可能商品リストには、発注可能（品揃可能）な商品と共に、その商品に関する情報（例えば、新商品、既存商品、など）が含まれていてもよい。

推奨ＳＫＵ数算出部１１は、各店舗のカテゴリ別に推奨ＳＫＵ数を算出する。まず、推奨ＳＫＵ数算出部１１は、過去に推奨したＳＫＵ数に基づいて、推奨するＳＫＵ数を店舗ごとに算出する。具体的には、推奨ＳＫＵ数算出部１１は、記憶部１４に記憶されたＮ−１週の各店舗のカテゴリごとの推奨ＳＫＵ数を取得し、その数を推奨ＳＫＵ数の基準として設定する。なお、過去に推奨したＳＫＵ数が存在しない店舗の場合（例えば、Ｎ−１週の推奨ＳＫＵ数が存在しない場合）、推奨ＳＫＵ数算出部１１は、規模や立地条件などが類似する店舗のＮ−１週の推奨ＳＫＵ数を基準として決定してもよい。

規模が類似するか否か判断する観点として、例えば、店舗面積や取扱商品数、駐車場の面積、バックヤードの面積、従業員数などが挙げられる。推奨ＳＫＵ数算出部１１は、これらの内容が、予め定めた範囲内である場合に、類似する店舗と判断してもよい。

また、立地条件が類似するか否か判断する観点として、例えば、駅からの距離や面している道路の状況（車線数、通行量など）、オフィス街か住宅街か、駐車場の有無、近接する競合店舗数などが挙げられる。推奨ＳＫＵ数算出部１１は、これらの内容が、予め定めた条件に一致するか、また、一致する条件が所定の範囲内であるか否かを判断して、類似する店舗か否かを判断してもよい。

次に、推奨ＳＫＵ数算出部１１は、Ｎ−１週までの各店舗のカテゴリ別採用ＳＫＵ数の実績値を取得する。具体的には、推奨ＳＫＵ数算出部１１は、送信した推奨ＳＫＵ数に対して返信された採用ＳＫＵ数を取得する。各店舗のカテゴリ別採用ＳＫＵ数の実績値は、所定のタイミングで店舗端末２０から本部サーバ１０に送信され、記憶部１４に記憶される。

推奨ＳＫＵ数算出部１１は、送信した推奨ＳＫＵ数に対して返信された採用ＳＫＵ数が連続して同じ傾向で変化した場合、その傾向に応じて推奨ＳＫＵ数を変化させる。具体的には、推奨ＳＫＵ数算出部１１は、送信した推奨ＳＫＵ数に対して店舗端末から返信された採用ＳＫＵ数が少なくとも２回連続して増加した場合に、その店舗の推奨ＳＫＵ数を増加させる。一方、送信した推奨ＳＫＵ数に対して店舗端末から返信された採用ＳＫＵ数が少なくとも２回連続して減少した場合に、推奨ＳＫＵ数算出部１１は、その店舗の推奨ＳＫＵ数を減少させる。

例えば、カテゴリの採用ＳＫＵ数が推奨ＳＫＵ数に対して少なくとも２回連続して増やすように変更された場合に、推奨ＳＫＵ数算出部１１は、基準としたその店舗のカテゴリの推奨ＳＫＵ数を増加させるように修正する。一方、カテゴリの採用ＳＫＵ数が推奨ＳＫＵ数に対して少なくとも２回連続して減らすように変更された場合に、推奨ＳＫＵ数算出部１１は、基準としたその店舗のカテゴリの推奨ＳＫＵ数を減少させるように修正する。

増加または減少させる数の決定方法は任意である。推奨ＳＫＵ数算出部１１は、例えば、推奨ＳＫＵ数と採用ＳＫＵ数との差分に関わらず、予め定めた数または割合（増減率または減少率）に応じて推奨ＳＫＵ数を修正してもよい。また、連続して増加または減少したと判断する回数も２回に限定されず、３回以上であってもよい。

図４は、推奨ＳＫＵ数を修正する処理の例を示す説明図である。まず、推奨ＳＫＵ数算出部１１は、Ｎ−１週の店舗カテゴリ別推奨ＳＫＵ数から、Ｎ週の推奨ＳＫＵ数を決定する。図４に示す例では、Ｎ−１週の店舗カテゴリ別推奨ＳＫＵ数が１１のため、ベースとするＮ週の推奨ＳＫＵ数が１１に決定される。

次に、推奨ＳＫＵ数算出部１１は、店舗採用実績傾向により、推奨ＳＫＵ数を増減させる。図４に示す例では、Ｎ−２週およびＮ−１週の店舗カテゴリ別推奨ＳＫＵ数と比較して、採用ＳＫＵ数を増加させるように推奨ＳＫＵ数が変更されている。そこで、推奨ＳＫＵ数算出部１１は、Ｎ週の推奨ＳＫＵ数を増加させるように１加算する。

このように、推奨ＳＫＵ数算出部１１が店舗採用実績傾向に基づいて推奨ＳＫＵ数を修正するため、推奨ＳＫＵ数に基づいて店舗側が採用ＳＫＵを修正する操作を軽減できる。

また、推奨ＳＫＵ数算出部１１は、需要予測の変動の度合が所定の閾値を超える場合、その度合に応じて推奨ＳＫＵ数を修正する。具体的には、推奨ＳＫＵ数算出部１１は、Ｎ週の需要予測数（以下、第一の需要予測と記す。）とＮ＋１週の需要予測数（以下、第二の需要予測と記す。）とを比較したときの変動の度合が所定の閾値を超える場合、その変動方向（増加方向または減少方向）およびその度合に応じて、所定数推奨ＳＫＵ数を増加または減少させる。すなわち、推奨ＳＫＵ数算出部１１は、第一の需要予測に対する第二の需要予測の変動の度合が閾値を超える場合、算出したＳＫＵ数をその度合に応じて修正する。

なお、以下の説明では、変動の度合の一例として、変動率を説明する。ただし、本実施形態で用いられる変動の度合は、需要予測の変化の程度が測定できれば、その値は変動率に限定されない。例えば、第一の需要予測と第二の需要予測との差が、変動の度合として用いられてもよい。

具体的には、推奨ＳＫＵ数算出部１１は、第一の需要予測に対する第二の需要予測の増加の度合が閾値（以下、第一閾値と記す。）を超える場合、算出した推奨ＳＫＵ数を増加させるように補正する。一方、推奨ＳＫＵ数算出部１１は、第一の需要予測に対する第二の需要予測の減少の度合が閾値（以下、第二閾値と記す。）を超える場合、算出した推奨ＳＫＵ数を減少させるように補正する。

需要予測数は、店舗ごとおよびカテゴリごとに需要数を予測する予測モデルを用いて算出される。予測モデルの内容および学習方法は任意であり、例えば、売上実績や天気予報、客数予測などのデータが学習に用いられる。変動の度合の一例を示す変動率は、例えば、以下の式１で算出される。

変動率＝（Ｎ＋１週の需要予測数−Ｎ週の需要予測数）÷Ｎ週の需要予測数 （式１）

また、推奨ＳＫＵ数算出部１１は、算出した推奨ＳＫＵ数に対して店舗端末２０から返信された採用ＳＫＵ数を受信し、例えば、以下の式２で閾値を算出する。

閾値＝１÷採用ＳＫＵ数 （式２）

推奨ＳＫＵ数算出部１１は、上記式２で算出される閾値を変動率が超える場合、算出したＳＫＵ数を、その変動率に応じて修正する。具体的には、推奨ＳＫＵ数算出部１１は、推奨ＳＫＵ数の変動率が増加して第一閾値を超えた場合、推奨ＳＫＵ数を増加させ、変動率が減少して第二閾値を超えた場合、推奨ＳＫＵ数を減少させる。なお、第一閾値と第二閾値のいずれにも、上記式２で算出する閾値が設定されてもよい。

図５は、推奨ＳＫＵ数を修正する処理の他の例を示す説明図である。まず、推奨ＳＫＵ数算出部１１は、推奨ＳＫＵ数を決定する週（Ｎ週）の需要予測数を取得する。さらに、推奨ＳＫＵ数算出部１１は、Ｎ＋１週の需要予測数を取得する。次に、推奨ＳＫＵ数算出部１１は、Ｎ週とＮ＋１週との需要予測数の変動率を、例えば、上記式１を用いて算出する。

図５に示す例では、点線で示す需要傾向が予測されているため、推奨ＳＫＵ数算出部１１は、Ｎ週およびＮ＋１週の需要予測数を取得して、将来の需要予測傾向を算出してもよい。なお、推奨ＳＫＵ数が大きく修正されることを防ぐために、予め推奨ＳＫＵ数の上限値および下限値を設けておいてもよい。

このように、推奨ＳＫＵ数算出部１１が需要予測傾向に基づいて推奨ＳＫＵ数を修正するため、需要予測のトレンドを推奨ＳＫＵ数反映できる。それにより、店舗側が採用ＳＫＵを修正する操作を軽減できる。

例えば、季節性の商品などは、需要が急激に変化する可能性がある。本実施形態では、推奨ＳＫＵ数算出部１１が、需要予測に基づいて予め推奨ＳＫＵ数を修正できるため、各店舗側でもそのような変化に追従することが可能になる。

なお、推奨ＳＫＵ数算出部１１は、店舗採用実績傾向と需要予測傾向のいずれか一方にのみ基づいて推奨ＳＫＵ数を修正してもよく、両方の傾向に基づいて推奨ＳＫＵ数を修正してもよい。また、推奨ＳＫＵ数を修正する順序は任意である。すなわち、推奨ＳＫＵ数算出部１１は、店舗採用実績傾向に基づく修正をしたあとで需要予測傾向に基づく修正をしてもよく、需要予測傾向に基づく修正をしたあとで店舗採用実績傾向に基づく修正をしてもよい。

推奨ＳＫＵ数算出部１１は、推奨ＳＫＵ数を決定すると、品揃えの区分ごとに推奨ＳＫＵ数を按分する。按分する比率は、品揃えの区分ごとに予め定められる。本実施形態では、品揃えの区分を、「新商品」「販売順商品」および「リピート順商品」の３種類に設定する。ただし、品揃えの区分の分類方法は、この方法に限定されず、設定する区分も３種類に限定されない。

品揃えの区分における「新商品」とは、新しくＳＫＵに加える商品を示し、「販売順商品」とは、販売金額順に品揃えを決定する対象の商品を示す。なお、「販売順商品」には、過去に販売実績のある商品および販売実績のない商品のいずれも含まれる。品揃えの区分における「リピート順商品」とは、固定客（リピートユーザ）向けに品揃えが選択される商品である。

図６は、品揃えの区分ごとに推奨ＳＫＵ数を算出する処理の例を示す説明図である。例えば、Ａ店舗のおにぎりカテゴリの推奨ＳＫＵ数が１３と決定されたとする。また、「新商品」「販売順商品」および「リピート順商品」の按分比率が、それぞれ、２０％、６０％および２０％と予め定められているとする。

まず、推奨ＳＫＵ数算出部１１は、新商品の推奨ＳＫＵ数を算出する。具体的には、推奨ＳＫＵ数算出部１１は、「新商品」の按分比率を推奨ＳＫＵ数に乗じて、新商品の推奨ＳＫＵ数（以下、新商品選定ＳＫＵ数と記す。）を算出する。小数点以下の値の取り扱い（切り上げ、切り捨て、四捨五入のいずれか）は、予め定めておけばよい。

図６に示す例では、端数を切り上げて計算することが定められており、推奨ＳＫＵ数算出部１１は、１３×０．２＝２．６と算出し、新商品選定ＳＫＵ数を３と決定する。

ここで、推奨ＳＫＵ数算出部１１は、算出した新商品の推奨ＳＫＵ数αと、Ｎ週の新商品ＳＫＵ数とを比較する。算出した新商品の推奨ＳＫＵ数αがＮ週の新商品ＳＫＵ数よりも大きい場合（α＞新商品ＳＫＵ数）、推奨ＳＫＵ数算出部１１は、新商品ＳＫＵ数を、新商品選定ＳＫＵ数に決定する。一方、算出した新商品の推奨ＳＫＵ数αがＮ週の新商品ＳＫＵ数以下の場合（α≦新商品ＳＫＵ数）、推奨ＳＫＵ数算出部１１は、αを新商品選定ＳＫＵ数に決定する。

次に、推奨ＳＫＵ数算出部１１は、リピート順商品の推奨ＳＫＵ数を算出する。具体的には、推奨ＳＫＵ数算出部１１は、「新商品」の場合と同様、「リピート順商品」の按分比率を推奨ＳＫＵ数に乗じて、リピート順商品の推奨ＳＫＵ数（以下、リピート順選定ＳＫＵ数と記す。）を算出する。

図６に示す例では、推奨ＳＫＵ数算出部１１は、新商品と同様、１３×０．２＝２．６と算出し、リピート順商品選定ＳＫＵ数を３と決定する。

次に、推奨ＳＫＵ数算出部１１は、販売順商品の推奨ＳＫＵ数を算出する。推奨ＳＫＵ数算出部１１は、推奨ＳＫＵ数から、すでに求めた新商品選定ＳＫＵ数およびリピート順商品選定ＳＫＵ数を減算して、販売順商品の推奨ＳＫＵ数を算出する。

図６に示す例では、推奨ＳＫＵ数算出部１１は、推奨ＳＫＵ数である１３から、新商品選定ＳＫＵ数である３およびリピート順商品選定ＳＫＵ数である３を減算し、販売順商品の推奨ＳＫＵ数を７と算出する。

推奨品揃決定部１２は、品揃えの区分ごとに対象の商品を特定し、特定された商品のスコアを区分ごとに算出する。推奨品揃決定部１２は、品揃えの区分「新商品」、「販売順商品」および「リピート順商品」ごとに、それぞれ、新商品スコア、販売動向スコアおよびリピート度スコアを算出する。

まず、推奨品揃決定部１２は、新商品スコアを算出する。具体的には、推奨品揃決定部１２は、Ｎ週に発注可能な新商品を対象に単品の販売金額構成情報を算出し、算出した構成情報が示す金額に基づいて新商品スコアを算出する。

販売金額構成情報は、例えば、商品の売上金額そのものでもよく、商品の利益率を売上金額に乗じたものでもよい。他にも販売金額構成情報は、「商品の売上金額／対象とする商品群（例えば、同一カテゴリの商品群）の売上金額」で算出される販売金額構成比であってもよい。

以下の説明では、販売金額構成情報として、販売金額構成比を用いる場合を例示する。また、本実施形態では、予測モデル（単品販売金額構成比予測モデル）を用いて商品単品の販売金額構成比を予測する場合を例に説明する。ただし、用いる予測モデルは、単品販売金額構成比を予測するモデルに限定されず、上述する販売金額構成情報を予測するモデルが用いられればよい。単品販売金額構成比予測モデルは、売上実績、セール情報、商品特性、カレンダー、店舗情報、除外日情報、天気予報などのデータに基づいて予め学習され、準備される。予測モデルの学習は、任意の方法が用いられれば良い。

図７は、新商品スコアを算出する処理の例を示す説明図である。図７に示す例では、単品販売金額構成比予測モデルは、日ごとに単品販売金額構成比を予測するものとする。まず、推奨品揃決定部１２は、単品販売金額構成比予測モデルを用いて、Ｎ週分の日ごとの単品販売金額構成比を予測する。図７に示す例では、４種類のおにぎりの新商品「豚生姜焼き」、「日高昆布」、「明太子」および「とりそぼろ」が存在するものとし、「豚生姜焼き」は、金曜日から販売されることを示す。

次に、推奨品揃決定部１２は、Ｎ週の商品ごとの単品販売金額構成比の平均値を新商品スコアとして算出する。図７に示す例では、おにぎり「豚生姜焼き」、「日高昆布」、「明太子」および「とりそぼろ」の新商品スコアが、それぞれ、３５．５、１０．３、２９．６および１９．５と算出されたことを示す。

本実施形態では、推奨品揃決定部１２が販売金額の構成比に基づいてスコアを算出するため、安価な商品ばかり多く選択されることを防止できる。

次に、推奨品揃決定部１２は、販売動向スコアを算出する。具体的には、推奨品揃決定部１２は、店舗ごとに、自店で販売実績のある商品および自店で販売実績のない商品のそれぞれを対象に、販売金額構成比を算出し、算出した構成比に基づいて販売動向スコアを算出する。ここで、販売実績のない商品とは、対象とする期間に販売実績がない商品を意味する。また、販売動向スコアを算出する対象の店舗（すなわち、品揃えを推奨する店舗）のことを、対象店舗と記すこともある。

まず、推奨品揃決定部１２は、自店で販売実績がある商品の販売金額構成比を算出する。自店（対象店舗）で販売実績がある商品には、過去の販売実績（例えば、日別店舗別商品別販売金額実績）が存在する、そこで、推奨品揃決定部１２は、予め定めた過去の期間における対象店舗の販売実績に基づいて、その対象店舗で販売実績がある商品の販売金額構成比（以下、第一構成比と記す。）を販売動向スコアとして算出する。なお、第一構成比は、販売金額構成情報を示すものであることから、第一構成情報と言うことができる。具体的には、推奨品揃決定部１２は、直近の過去の実績値に基づいて、日ごと店舗ごとおよび商品ごとに販売金額構成比を算出し、日ごとの平均値を算出する。対象とする過去の実績値として、例えば、直近２週間（Ｎ−２週、Ｎ−１週）の販売金額が用いられてもよい。

次に、推奨品揃決定部１２は、自店で販売実績がない商品の販売金額構成比を算出する。自店（対象店舗）で販売実績がない商品には、過去の販売実績が存在しない。そこで、推奨品揃決定部１２は、販売動向スコアとして、予め定めた過去の期間において対象店舗で販売実績がない商品の販売金額構成比（以下、第二構成比と記す。）を、商品単品の販売金額構成比を予測する予測モデルに基づいて算出する。なお、第二構成比も、販売金額構成情報を示すものであることから、第二構成情報と言うことができる。本実施形態では、推奨品揃決定部１２は、新商品スコアの算出に用いた予測モデル（単品販売金額構成比予測モデル）を用いて、単品の販売金額構成比を予測する。具体的には、推奨品揃決定部１２は、日ごと店舗ごとおよび商品ごとに販売金額構成比を予測し、日ごとの平均値を算出する。

図８は、販売動向スコアの算出結果例を示す説明図である。図８に例示する上段の商品は、自店で実績がある商品であり、下段の商品は、自店で実績がない商品である。上段の商品は、過去の実績値に基づいて販売金額構成比が算出され、下段の商品は、予測モデルに基づいて販売金額構成比が算出されている。

自店で実績がある商品と自店で実績がない商品とで販売動向スコアの算出方法は異なるが、この販売動向スコアは、いずれも販売金額構成比を示すスコアである。また、一般に、新商品の予測モデルには、販売開始からの経過日数が含まれることが多い。そのため、この予測モデルを利用しても、新商品の発売開始当初から徐々に落ち着いた時期の販売金額を予測することが可能と言える。

このように、本実施形態では、推奨品揃決定部１２が、販売実績がある商品についてもない商品についても、販売金額構成比を算出するため、同じ尺度で推奨する商品を比較できる。

次に、推奨品揃決定部１２は、リピート度スコアを算出する。まず、推奨品揃決定部１２は、カテゴリごとにリピートユーザを決定する。本実施形態では、記憶部１４に、顧客が一意に識別可能な番号（以下、お客様番号と記す。）と販売商品とが対応付けられた実績データが記憶されているとする。

推奨品揃決定部１２は、各店舗における顧客の過去の所定期間の購入頻度から、固定客判定閾値を決定する。図９は、リピートユーザを決定する方法の例を示す説明図である。推奨品揃決定部１２は、固定客判定閾値を、例えば、以下に例示する式３に基づいて決定する。なお、ｎは、標準偏差の係数であり、予め定められる。

固定客判定閾値＝購入頻度の平均μ＋ｎ×購入頻度の標準偏差σ （式３）

図９に示す例では、推奨品揃決定部１２は、所定期間（過去４週間）の購入頻度から固定客判定閾値を決定し、閾値以上（例えば、１０回以上）購入した顧客をリピートユーザとして特定する。

そして、推奨品揃決定部１２は、決定されたリピートユーザの過去の所定期間の購入回数の合計をリピート度スコアとして算出する。図１０は、リピートユーザを特定する処理の例を示す説明図である。図１０に示す例では、購入頻度が１０回以上の顧客（ユーザ）がリピートユーザとして特定された場合に、そのユーザが購入した商品の購入回数がスコアの算出対象とされたことを示す。また、図１１は、算出されたリピートスコアを既存商品の販売スコアと対応付けた例を示す。

推奨品揃決定部１２は、算出されたスコア（新商品スコア、販売動向スコアおよびリピート度スコア）に基づいて、区分ごとに品揃えする商品を選定する。新商品が品揃えされないことを防ぐ場合、まず初めに、推奨品揃決定部１２は、新商品スコアの大きい順に新商品選定ＳＫＵ数の新商品を選定する。

なお、対象とする期間の途中に新商品が追加される予定となっており、その商品の新商品スコアが上位の場合、推奨品揃決定部１２は、新商品選定ＳＫＵ数を超えて、その追加される新商品を追加で選定してもよい。

次に、推奨品揃決定部１２は、販売動向スコアの順に販売順商品の推奨ＳＫＵ数の新商品を選定する。具体的には、推奨品揃決定部１２は、第一構成比が算出された商品（すなわち、所定の期間に販売実績がある商品）と第二構成比が算出された商品（すなわち、所定の期間に販売実績のない商品）の中から、販売金額構成比の高い順に、指定された数（すなわち、販売順商品の推奨ＳＫＵ数）の商品を選択する。言い換えると、推奨品揃決定部１２は、第一構成情報が算出された商品と第二構成情報が算出された商品の中から、販売金額構成情報が示す金額の高い順に、指定された数の商品を選択しているとも言える。

なお、販売動向スコアは、自店で実績がある商品と自店で実績がない商品とについてそれぞれ別々に算出されており、実績に基づく販売動向スコアの方がより信頼性が高いと言える。そこで、推奨品揃決定部１２は、まず、自店で販売実績がある商品の中から品揃えの対象を選定する。すなわち、推奨品揃決定部１２は、第一構成比が算出された商品の中から販売金額構成比の高い順に商品を選択する。

このとき、自店で実績がある商品だけが選定されないように、推奨品揃決定部１２は、一定の販売実績のある商品を、優先的に選定するようにしてもよい。推奨品揃決定部１２は、例えば、販売金額の構成比が平均以上（すなわち、１÷自店で販売実績のあるＳＫＵ数）の商品に限ってまずは選定してもよい。

図１２は、販売順商品を選定する処理の例を示す説明図である。例えば、自店で販売のあるＳＫＵ数が１４の場合、推奨品揃決定部１２は、１÷１４×１００≒７％の算出結果に基づいて、金額構成比７％以上の商品を上位商品として選定してもよい。このとき、図１２に示す例では、自店で販売実績がある商品の中から、販売スコアが５位までの商品が上位商品として選定される。

次に、推奨品揃決定部１２は、自店で販売実績がある商品が選択された後で、自店で販売実績がない商品の中から品揃えの対象を選定する。言い換えると、第一構成比が算出された商品のうち、対象店舗の販売金額構成比が平均以上の商品の数が指定された数に足りない場合に、推奨品揃決定部１２は、自店で販売実績がない商品の中から品揃えの対象を選定する。

このとき、販売実績が低すぎる商品が選定されないように、推奨品揃決定部１２は、一定の販売が予測される商品を、優先的に選定するようにしてもよい。推奨品揃決定部１２は、例えば、自店で販売実績がある商品と同様に、予測される販売金額の構成比が平均以上（すなわち、１÷自店で販売実績のあるＳＫＵ数）の商品に限って選定してもよい。図１２に示す例では、自店で販売実績がない商品の中から販売スコアが２位までの商品が選定される。

なお、選定した商品の数が販売順商品の推奨ＳＫＵ数に満たない場合も考えられる。ここで、上述するように、自店で実績がある商品と自店で実績がない商品とで販売動向スコアの算出方法は異なるが、販売スコアはいずれも販売金額構成比を示すスコアである。そこで、推奨品揃決定部１２は、販売順商品の推奨ＳＫＵ数になるまで、自店で販売実績がある商品と自店で販売実績がない商品のうち選定されていない商品の中から、販売スコアが上位の商品を選定する。言い換えると、推奨品揃決定部１２は、対象店舗の販売金額構成比が平均以上の商品の数が、指定された数に足りない場合、選択されていない商品のうち、第一構成比または第二構成比の高い順に商品を選択する。

例えば、図１２に示す例では、自店で販売実績がある商品のうち、販売スコアが６位以下の商品は選定されていない。同様に、自店で販売実績がない商品のうち、販売スコアが３位以下の商品は選定されていない。そこで、推奨品揃決定部１２は、選定されていない商品のうち、販売スコアが上位の商品を順に選択する。図１２に示す例では、初めに、自店で販売実績がある商品のうち、販売スコアが６位の商品（高菜おにぎり）が選択され、次に、自店で販売実績がない商品のうち、販売スコアが３位の商品（赤飯おにぎり）が選択される。以降も同様である。

次に、推奨品揃決定部１２は、リピート度スコアの順にリピート順商品の推奨ＳＫＵ数の商品を選定する。具体的には、推奨品揃決定部１２は、選定されていない商品の中からリピート度スコアの高い順に商品を選定する。区分の特性上、一般的には人気のない商品であっても固定客向けに商品を品揃えしたいことから、リピート順商品は最後に選定される。

図１３は、リピート順商品を選定する処理の例を示す説明図である。図１３に示す例では、選定されていない商品のうち、リピート度スコアが高い「高菜」、「のり」、「赤飯」の順に商品が選択されたことを示す。

なお、品揃え対象として含めたい商品が選定されていない場合、推奨品揃決定部１２は、ユーザ等の指示に応じて商品を意図的に追加し、推奨ＳＫＵ数を補正してもよい。同様に、品揃え対象として含めたくない商品が選定されている場合、推奨品揃決定部１２は、ユーザ等の指示に応じて商品を意図的に削除し、推奨ＳＫＵ数を補正してもよい。

送信部１３は、算出された各店舗の推奨ＳＫＵ数および選定した推奨品揃リストを、対応する店舗端末２０に送信する。

推奨ＳＫＵ数算出部１１と、推奨品揃決定部１２と、送信部１３とは、プログラム（在庫管理プログラム、品揃推奨プログラム）に従って動作するコンピュータのＣＰＵによって実現される。例えば、プログラムは、記憶部１４に記憶され、ＣＰＵは、そのプログラムを読み込み、プログラムに従って、推奨ＳＫＵ数算出部１１、推奨品揃決定部１２および送信部１３として動作してもよい。また、推奨ＳＫＵ数算出部１１と、推奨品揃決定部１２と、送信部１３とは、それぞれが専用のハードウェアで実現されていてもよい。

また、本実施形態では、推奨品揃決定部１２によって、第一構成比を算出する処理、第二構成比を算出する処理および商品を選択する処理が行われる場合について説明した。これらの処理が、それぞれ独立した手段（第一構成比算出部、第二構成比算出部および商品選択部）で実現されてもよい。

店舗端末２０は、品揃決定部２１と、送信部２２と、記憶部２３とを含む。記憶部２３は、例えば、磁気ディスク等により実現される。

品揃決定部２１は、送信された推奨ＳＫＵ数および推奨品揃リストに基づいて、採用する品揃えを決定し、併せて、推奨ＳＫＵ数を決定する。具体的には、品揃決定部２１は、各店舗の担当者等の指示によって採用する商品を決定し、最終的な採用ＳＫＵ数を決定する。また、品揃決定部２１は、決定した採用ＳＫＵ数や採用した商品の履歴を、記憶部２３に記憶してもよい。

送信部２２は、店舗側で決定された採用ＳＫＵ数を本部サーバ１０に送信する。すなわち、送信部２２は、送信された推奨ＳＫＵ数に対して各店舗で決定した採用ＳＫＵ数を本部サーバ１０に返信する。

品揃決定部２１と、送信部２２とは、プログラム（品揃決定プログラム）に従って動作するコンピュータのＣＰＵによって実現される。例えば、プログラムは、記憶部２３に記憶され、ＣＰＵは、そのプログラムを読み込み、プログラムに従って、品揃決定部２１および送信部２２として動作してもよい。また、品揃決定部２１と、送信部２２とは、それぞれが専用のハードウェアで実現されていてもよい。

次に、本実施形態の在庫管理システムの動作を説明する。図１４は、本実施形態の在庫管理システムの動作例を示すシーケンス図である。本部サーバ１０の推奨ＳＫＵ数算出部１１は、過去に推奨したＳＫＵ数に基づいて、推奨するＳＫＵ数を算出する（ステップＳ１１）。本部サーバ１０の送信部１３は、算出された推奨ＳＫＵ数を、対応する店舗端末２０に送信する（ステップＳ１２）。

店舗端末２０の送信部２２は、送信された推奨ＳＫＵ数に対して各店舗で決定した採用ＳＫＵ数を本部サーバ１０に返信する（ステップＳ１３）。本部サーバ１０の推奨ＳＫＵ数算出部１１は、送信した推奨ＳＫＵ数に対して返信された採用ＳＫＵ数が連続して同じ傾向で変化した場合、その傾向に応じて推奨ＳＫＵ数を変化させる（ステップＳ１４）。以降、ステップＳ１２以降の処理が繰り返される。

図１５は、需要予測の変動率に応じて算出したＳＫＵ数を修正する処理の例を示すフローチャートである。本部サーバ１０の推奨ＳＫＵ数算出部１１は、過去に推奨したＳＫＵ数に基づいて、推奨するＳＫＵ数を算出する（ステップＳ２１）。また、推奨ＳＫＵ数算出部１１は、Ｎ週の需要予測（第一の需要予測）と、Ｎ＋１週の需要予測（第二の需要予測）とを取得する（ステップＳ２２）。

そして、推奨ＳＫＵ数算出部１１は、第一の需要予測に対する第二の需要予測の変動率が閾値を超える場合、その変動率に応じて算出したＳＫＵ数を修正する（ステップＳ２３）。なお、ステップＳ２２およびステップＳ２３の処理が、図１４のステップＳ１４の前または後に行われてもよい。

図１６は、推奨する品揃えを決定する動作例を示すフローチャートである。推奨品揃決定部１２は、予め定めた過去の期間における対象店舗の販売実績に基づいて第一構成比を算出する（ステップＳ３１）。また、推奨品揃決定部１２は、商品単品の販売金額構成比を予測する予測モデルに基づいて第二構成比を算出する（ステップＳ３２）。そして、推奨品揃決定部１２は、第一構成比が算出された商品と第二構成比が算出された商品の中から、販売金額構成比の高い順に、指定された数の商品を選択する（ステップＳ３３）。

以上のように、本実施形態では、推奨ＳＫＵ数算出部１１が、過去に推奨したＳＫＵ数に基づいて推奨するＳＫＵ数を算出し、送信部１３が、算出された推奨ＳＫＵ数を店舗端末に送信する。そして、送信した推奨ＳＫＵ数に対して店舗から返信された採用ＳＫＵ数が連続して同じ傾向で変化した場合、推奨ＳＫＵ数算出部１１が、その傾向に応じて店舗の推奨ＳＫＵ数を変化させる。

そのような構成により、本部が各店舗を管理する業務形態において、各店舗で管理する適切な推奨するＳＫＵ数を決定できる。また、推奨ＳＫＵ数算出部１１が、連続した傾向に基づいて判断することにより、イレギュラーな変動による推奨ＳＫＵ数の決定を防止できる。

また、本実施形態では、推奨ＳＫＵ数算出部１１が、Ｎ週の第一の需要予測とＮ＋１週の第二の需要予測とを取得し、第一の需要予測に対する第二の需要予測の変動の度合（例えば、変動率）が閾値を超える場合、その度合に応じて算出したＳＫＵ数を修正する。

そのような構成によっても、本部が各店舗を管理する業務形態において、各店舗で管理する適切な推奨するＳＫＵ数を決定できる。

また、本実施形態では、推奨品揃決定部１２が、予め定めた過去の期間における対象店舗の販売実績に基づいて第一構成情報（第一構成比）を算出し、商品単品の販売金額構成比を予測する予測モデルに基づいて第二構成情報（第二構成比）を算出する。そして、推奨品揃決定部１２が、第一構成比が算出された商品と第二構成比が算出された商品の中から、販売金額構成情報が示す金額の高い順（具体的には、構成比の高い順）に、指定された数の商品を選択する。

そのような構成により、売上実績の有無に関わらず、売上実績がない商品の優先順位をつけて品揃え対象を推奨できる。

次に、本発明の概要を説明する。図１７は、本発明による品揃推奨装置の概要を示すブロック図である。本発明による品揃推奨装置６０は、予め定めた過去の期間（例えば、Ｎ−１週およびＮ−２週）における対象店舗の販売実績に基づいて、その対象店舗で販売実績がある商品の販売金額構成情報である第一構成情報を算出する第一構成情報算出部６１（例えば、推奨品揃決定部１２）と、上記期間において対象店舗で販売実績がない商品の販売金額構成情報である第二構成情報を、商品単品の販売金額構成情報を予測する予測モデルに基づいて算出する第二構成情報算出部６２（例えば、推奨品揃決定部１２）と、第一構成情報が算出された商品と第二構成情報が算出された商品の中から、販売金額構成情報が示す金額の高い順に、指定された数の商品を選択する商品選択部６３（例えば、推奨品揃決定部１２）とを備えている。

以上の構成により、売上実績の有無に関わらず、売上実績がない商品の優先順位をつけて品揃え対象を推奨できる。すなわち、販売実績がある商品についてもない商品についても販売金額構成比を算出するため、同じ尺度で推奨する商品を比較できる。また、販売金額の構成比の順に商品が選択されるため、安価な商品ばかり多く選択されることを防止できる。

また、商品選択部６３は、第一構成情報が算出された商品の中から販売金額構成情報が示す金額の高い順に商品を選択し、第一構成情報が算出された商品が選択された後で、第二構成情報が算出された商品の中から販売金額構成情報が示す金額の高い順に商品を選択してもよい。

また、商品選択部６３は、第一構成情報が算出された商品の中から、対象店舗の販売金額構成情報が示す金額が平均以上の商品を選択してもよい。このような構成によれば、自店で実績がある商品だけが選定されないようにすることができる。

また、商品選択部６３は、第一構成情報が算出された商品のうち、対象店舗の販売金額構成情報が示す金額が平均以上の商品の数が指定された数に足りない場合、第二構成情報が算出された商品の中から、対象店舗の販売金額構成情報が示す金額が平均以上の商品を選択してもよい。このような構成によれば、販売実績が低すぎる商品が選定されないようにすることができる。

また、商品選択部６３は、対象店舗の販売金額構成情報が示す金額が平均以上の商品の数が、指定された数に足りない場合、選択されていない商品のうち、第一構成情報または第二構成情報が示す金額の高い順に商品を選択してもよい。

具体的には、第一構成情報算出部６１は、商品の販売金額構成比を第一構成情報として算出し、第二構成情報算出部６２は、商品単品の販売金額構成比を予測する予測モデルに基づいて第二構成情報を算出してもよい。

以上、実施形態及び実施例を参照して本願発明を説明したが、本願発明は上記実施形態および実施例に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。

この出願は、２０１６年９月２１日に出願された日本特許出願２０１６−１８３７２５を基礎とする優先権を主張し、その開示の全てをここに取り込む。

１０ 本部サーバ
１１ 推奨ＳＫＵ数算出部
１２ 推奨品揃決定部
１３ 送信部
１４ 記憶部
２０ 店舗端末
２１ 品揃決定部
２２ 送信部
２３ 記憶部
１００ 在庫管理システム

本発明による品揃推奨装置は、予め定めた過去の期間における対象店舗の販売実績に基づいて、その対象店舗で販売実績がある商品の販売金額構成情報である第一構成情報を算出する第一構成情報算出部と、上記期間において対象店舗で販売実績がない商品の販売金額構成情報である第二構成情報を、商品単品の販売金額構成情報を予測する予測モデルに基づいて算出する第二構成情報算出部と、第一構成情報が算出された商品と第二構成情報が算出された商品とを含む商品群の中から、販売金額構成情報が示す金額に基づき、指定された数の商品を選択する商品選択部とを備えたことを特徴とする。

本発明による品揃推奨方法は、予め定めた過去の期間における対象店舗の販売実績に基づいて、その対象店舗で販売実績がある商品の販売金額構成情報である第一構成情報を算出し、上記期間において対象店舗で販売実績がない商品の販売金額構成情報である第二構成情報を、商品単品の販売金額構成情報を予測する予測モデルに基づいて算出し、第一構成情報が算出された商品と第二構成情報が算出された商品とを含む商品群の中から、販売金額構成情報が示す金額に基づき、指定された数の商品を選択することを特徴とする。

本発明による品揃推奨プログラムは、コンピュータに、予め定めた過去の期間における対象店舗の販売実績に基づいて、その対象店舗で販売実績がある商品の販売金額構成情報である第一構成情報を算出する第一構成情報算出処理、上記期間において対象店舗で販売実績がない商品の販売金額構成情報である第二構成情報を、商品単品の販売金額構成情報を予測する予測モデルに基づいて算出する第二構成情報算出処理、および、第一構成情報が算出された商品と第二構成情報が算出された商品とを含む商品群の中から、販売金額構成情報が示す金額に基づき、指定された数の商品を選択する商品選択処理を実行させることを特徴とする。

Claims (10)

1. 予め定めた過去の期間における対象店舗の販売実績に基づいて、当該対象店舗で販売実績がある商品の販売金額構成情報である第一構成情報を算出する第一構成情報算出部と、
   前記期間において前記対象店舗で販売実績がない商品の販売金額構成情報である第二構成情報を、商品単品の販売金額構成情報を予測する予測モデルに基づいて算出する第二構成情報算出部と、
   前記第一構成情報が算出された商品と前記第二構成情報が算出された商品の中から、販売金額構成情報が示す金額の高い順に、指定された数の商品を選択する商品選択部とを備えた
   ことを特徴とする品揃推奨装置。
2. 商品選択部は、第一構成情報が算出された商品の中から販売金額構成情報が示す金額の高い順に商品を選択し、前記第一構成情報が算出された商品が選択された後で、第二構成情報が算出された商品の中から販売金額構成情報が示す金額の高い順に商品を選択する
   請求項１記載の品揃推奨装置。
3. 商品選択部は、第一構成情報が算出された商品の中から、対象店舗の販売金額構成情報が示す金額が平均以上の商品を選択する
   請求項１または請求項２記載の品揃推奨装置。
4. 商品選択部は、第一構成情報が算出された商品のうち、対象店舗の販売金額構成情報が示す金額が平均以上の商品の数が指定された数に足りない場合、第二構成情報が算出された商品の中から、対象店舗の販売金額構成情報が示す金額が平均以上の商品を選択する
   請求項３記載の品揃推奨装置。
5. 商品選択部は、対象店舗の販売金額構成情報が示す金額が平均以上の商品の数が、指定された数に足りない場合、選択されていない商品のうち、第一構成情報または第二構成情報が示す金額の高い順に商品を選択する
   請求項４記載の品揃推奨装置。
6. 第一構成情報算出部は、商品の販売金額構成比を第一構成情報として算出し、
   第二構成情報算出部は、商品単品の販売金額構成比を予測する予測モデルに基づいて第二構成情報を算出する
   請求項１から請求項５のうちのいずれか１項に記載の品揃推奨装置。
7. 予め定めた過去の期間における対象店舗の販売実績に基づいて、当該対象店舗で販売実績がある商品の販売金額構成情報である第一構成情報を算出し、
   前記期間において前記対象店舗で販売実績がない商品の販売金額構成情報である第二構成情報を、商品単品の販売金額構成情報を予測する予測モデルに基づいて算出し、
   前記第一構成情報が算出された商品と前記第二構成情報が算出された商品の中から、販売金額構成情報が示す金額の高い順に、指定された数の商品を選択する
   ことを特徴とする品揃推奨方法。
8. 第一構成情報が算出された商品の中から販売金額構成情報が示す金額の高い順に商品を選択し、前記第一構成情報が算出された商品が選択された後で、第二構成情報が算出された商品の中から販売金額構成情報が示す金額の高い順に商品を選択する
   請求項７記載の品揃推奨方法。
9. コンピュータに、
   予め定めた過去の期間における対象店舗の販売実績に基づいて、当該対象店舗で販売実績がある商品の販売金額構成情報である第一構成情報を算出する第一構成情報算出処理、
   前記期間において前記対象店舗で販売実績がない商品の販売金額構成情報である第二構成情報を、商品単品の販売金額構成情報を予測する予測モデルに基づいて算出する第二構成情報算出処理、および、
   前記第一構成情報が算出された商品と前記第二構成情報が算出された商品の中から、販売金額構成情報が示す金額の高い順に、指定された数の商品を選択する商品選択処理
   を実行させるための品揃推奨プログラム。
10. コンピュータに、
    商品選択処理で、第一構成情報が算出された商品の中から販売金額構成情報が示す金額の高い順に商品を選択させ、前記第一構成情報が算出された商品が選択された後で、第二構成情報が算出された商品の中から販売金額構成情報が示す金額の高い順に商品を選択させる
    請求項９記載の品揃推奨プログラム。

Images