WO2005111880A1

WO2005111880A1 - 行動解析装置

Info

Publication number: WO2005111880A1
Application number: PCT/JP2005/008809
Authority: WO
Inventors: Takuya Sakuma
Original assignee: Supreme System Consulting Corporation
Priority date: 2004-05-14
Filing date: 2005-05-13
Publication date: 2005-11-24
Also published as: JPWO2005111880A1; JP4728229B2

Abstract

　商品の購買履歴からは売れ行き自体は把握できても売れ行きの原因までは特定困難である。　顧客行動解析装置２０において、位置取得部３０は、店舗内における顧客の位置情報と時間情報を取得する。空間取得部３６は、店舗内の空間を仮想空間上の位置で表した空間情報を取得する。経路取得部３４は、位置情報、時間情報、空間情報に基づき、店舗内の空間における顧客の移動経路を仮想空間上の位置で示した経路情報を生成する。速度取得部３２は、位置情報および時間情報に基づき、顧客の速度情報を生成する。パターン判定部４２は、購買行動の類型である行動パターンデータ、経路情報、速度情報に基づき、顧客の購買行動が行動パターンの類型のいずれに一致するかを判定する。出力処理部４８は、判定の結果を出力する。

Description

明細書

行動解析装置

技術分野

[0001] 本発明は、行動解析装置に関し、特に無線通信などの技術を用いた位置検出により空間内における移動体の行動を解析する技術に関する。

背景技術

[0002] 近年、大型店舗を中心とした小売業界において熾烈なサービス競争が繰り広げられている。各小売業者は商品の売価を下げるためにあらゆる角度力もコストダウンを図るのはもちろんのこと、 V、かに他店にな、付加価値を顧客へ提供できるかと!/、う課題に取り組んでいる。顧客のニーズは多様化しており、いかにそうしたニーズに応え、的確なタイミングで的確な商品の情報を提供したり、顧客のニーズに適合した売場配置や品揃えにしていくことが販売促進と業務の効率ィ匕に直結する。

特許文献 1：特開 2003 - 223548号公報

発明の開示

発明が解決しょうとする課題

[0003] 顧客の多様化したニーズを捉えるツールのひとつに POS (Point Of Sales,販売時点管理）システムがある。 POSシステムは、小売店のキャッシュレジスターへの入力データをもとに、商品の売れ行きや購入者層に関する統計をとることができる。しかしながら、 POSデータでは「売れる商品」と「売れない商品」は判明するものの、「なぜ売れるのか」「なぜ売れないの力」といった顧客の行動とも関連する原因までは特定困難である。したがって、売れない商品はその商品自体に問題があるのか、単に陳列方法に問題があるの力判別できず、適切な対策を講ずるのも困難であった。

[0004] 一方、販売促進を推進するためには、店舗における顧客の行動分析のみならず従業員の能率を向上させることも必要であり、 IT技術を用いた従業員の行動分析が高い精度にて実現されればあらゆる業種にわたって有効なツールとなり得る。その他の業務や用途においても人の行動を分析することでマーケティングに活用できる様々なデータが得られる。 [0005] 本発明は上記背景の下でなされたものであり、本発明の目的は、空間内における移動体の行動を解析して有用な情報を提供することにある。課題を解決するための手段

[0006] 上記課題を解決するために、本発明のある態様の行動解析装置は、所定の実空間内にお、て時間経過とともに変化する移動体の位置を示す位置情報とその測位タイミングを示す時間情報を取得する位置取得部と、実空間を仮想空間上の位置で表した空間情報を取得する空間取得部と、位置情報、時間情報、および空間情報に基づき、実空間における移動体の移動経路を仮想空間上の位置で示した経路情報を生成する経路取得部と、位置情報および時間情報に基づき、移動体の移動速度を示した速度情報を生成する速度取得部と、移動体の移動経路と移動速度の関係に基づく行動の類型として異なる行動パターンがそれぞれ定義された複数の行動バターンデータを記憶するパターン記憶部と、経路情報、速度情報、および複数の行動パターンデータに基づき、移動体の行動が行動パターンの類型の、ずれに一致するかを判定するパターン判定部と、判定の結果を出力する出力処理部と、を備える。

[0007] ここで「移動体」は、例えば店舗へ来店した顧客、その顧客の買い物カートや買い物かご、店舗の従業員、テーマパークなどの娯楽施設内の来場者や従業員、競技スペース内の選手など、空間内を移動する人またはその付属物を示す。「行動パターンデータ」は、所定の空間全体における移動体の行動パターンの類型が定義されている場合と、所定の空間に含まれる複数の領域のそれぞれにおける移動体の行動パターンの類型が定義されている場合のいずれであってもよい。この態様によると、空間内における移動体の移動経路だけでなくその移動速度も取得するので、同じ移動経路であっても例えば店舗空間であれば単なる売場の通過と商品購入検討に時間を要したかの違いを区別することができる。したがって、顧客の購買行動や従業員の行動といった人物の行動、およびそうした行動の要因を精度よく推測することができる。

[0008] 空間取得部は、実空間に含まれる複数の領域の配置を仮想空間上で特定するためのそれぞれの座標を空間情報として取得し、経路取得部は、実空間における移動体の移動経路を仮想空間上の位置で示した経路情報を、移動体が複数の領域のうちいずれを通行したかに関する情報とともに生成し、速度取得部は、速度情報として、複数の領域のすべてにおける移動体の平均速度、複数の領域のそれぞれにおける移動体の平均速度、および移動体の瞬間速度のうち少なくとも 1ヽずれかを示した情報を生成し、パターン判定部は、移動体が複数の領域のうちいずれを通行したかに関する情報を含んだ経路情報と速度情報および複数の行動パターンデータとに基づ、て行動パターンの一致を判定してもよ!/、。

[0009] 位置取得部は、実空間として所定の店舗内の空間における移動体の位置を示す位置情報とその時間情報を取得し、空間取得部は、店舗に含まれる複数の売場の配置を仮想空間上で特定するためのそれぞれの座標を空間情報として取得し、経路取得部は、店舗内の空間における移動体の移動経路を仮想空間上の位置で示した経路情報を、移動体が複数の売場のうちいずれを通行したかに関する情報とともに生成し、速度取得部は、速度情報として、複数の売場領域のすべてにおける移動体の平均速度、複数の売場領域のそれぞれにおける移動体の平均速度、および移動体の瞬間速度のうち少なくともいずれかを示した情報を生成し、パターン判定部は、移動体が複数の売場のうちいずれを通行したかに関する情報を含んだ経路情報と速度情報および複数の行動パターンデータとに基づいて行動パターンの一致を判定してもよい。この場合、売場ごとに顧客の行動を解析できるので、販売促進につながる的確な有用情報を売場または商品ごとに得ることができる。

[0010] この行動解析装置は、移動体によって所持された通信機が送信または受信する無線波の強度を示す強度情報を、実空間においてそれぞれ異なる位置に設置された複数の無線通信装置のうち少なくともいずれかを介して取得する強度取得部と、強度情報に基づいて移動体の位置を示す位置情報および時間情報を生成する位置認識部と、をさらに備えてもよい。ここで「無線通信装置」は、いわゆるアクセスポイントとも呼ばれる無線基地局であってもよい。この場合、ハードウェアとしては広く普及してヽる無線 LAN技術を用いて位置情報および時間情報を取得でき、来店した顧客といった移動体の行動を比較的低コストにて解析できる。なお、「移動体によって所持された通信機」は、主に無線 LAN端末が想定されるが、無線機能を内蔵した ICタグ (RFID)でこれを実現してもよ!/ヽ。 [0011] この行動解析装置は、実空間においてそれぞれ異なる位置に設置された複数の無線通信装置のうち少なくともいずれかと移動体によって所持された無線通信媒体の間において、一方が無線電波を発信して力その無線電波を受信した他方による返信としての無線電波を一方が受信するまでの時間の長さに基づいて移動体の位置を示す位置情報および時間情報を生成する位置認識部をさらに備えてもょ、。ここでいう「無線通信装置」や「移動体によって所持された無線通信媒体」もまた上記と同様であり、無線 LANであってもよいし、 ICタグであってもよい。

[0012] この行動解析装置は、移動体によって所持された ICタグまたは無線通信装置が、実空間においてそれぞれ異なる位置に設置された複数の無線通信装置または複数の ICタグのうち!、ずれの装置との間で通信して!/、るかに基づ、て移動体の位置を示す位置情報および時間情報を生成する位置認識部をさらに備えてもよい。

[0013] この行動解析装置は、実空間において所定の角度力撮像された画像を取得する画像取得部と、画像取得部により取得された複数の画像間において動きのある物体を移動体として特定し、画像内の空間における物体の位置を認識することにより移動体の位置情報および時間情報を生成する位置認識部と、をさらに備えてもよい。ここでいう「撮像」は、 CCDセンサや CMOSセンサを用いた撮像の他、超音波、マイクロ波、赤外線、電磁波などを対象物に当てたときの反射波を利用した特殊撮影であつてもよい。

[0014] パターン判定部は、移動体である顧客の購買内容を示すデータを取得するとともに、その購買内容を示すデータおよび一致する行動パターンの類型に基づいて購買良否の要因を推定してもよい。例えば、 POSデータを用いて顧客の購買内容を示すデータを取得してもよい。商品の売れ行きの度合いと顧客の行動パターンには相関性があると考えられるため、両者を合わせることによって売れ行きがよい原因や売れ行きが悪、原因を比較的容易に把握することができる。

[0015] パターン判定部は、顧客が商品購入のために滞在した精算領域の位置と商品購入の日時を経路情報に基づいて判定し、精算領域の位置および商品購入の日時に対応する購買内容を示すデータを取得し、取得したデータと経路情報とを対応付けてもよい。 [0016] パターン判定部は、経路情報、速度情報、および一致する行動パターンの類型と、顧客の属性ごとに経路情報、速度情報、および行動パターンの類型の条件が定義された属性パターンデータと、に基づ!/、て移動体である顧客の属性を推定してもよ、。顧客の属性と行動パターンには高い相関性が見られる場合があり、そうした関係性をあら力じめ属性パターンデータとしてデータ化しておくことにより、行動パターンに応じて顧客の属性を比較的容易に推定することができる。

[0017] パターン判定部は、移動体である顧客の属性を取得し、判定された行動パターンを属性と対応付けた属性パターンデータとしてパターン記憶部にあら力じめ格納しておき、パターン記憶部に格納された属性パターンデータを参照することにより、その属性が判明して!/、な!/、顧客の属性を推定してもよ、。

[0018] 販売する商品に関して顧客に提供可能な情報をその商品の売場および行動バターンの類型と対応させて記憶する商品情報記憶部と、一致する行動パターンの類型に応じて移動体である顧客に提供可能な情報を顧客が保持する通信機へ送信する情報配信部と、をさらに備えてもよい。顧客の現在位置や顧客の行動パターン力現在の状態を推定することができるので、その位置や状態に適合した情報を積極的に配信することによって商品の販売促進と販売効率ィ匕に繋げることができる。

[0019] パターン記憶部に記憶される複数の行動パターンデータには、判定対象の売場領域における移動体である顧客の購買行動の類型として、売場領域を素通りした場合を示す第 1パターン、売場領域内に比較的短時間停留した上で商品購入または購入検討した場合を示す第 2パターン、一つの売場領域で長時間滞留した場合を示す第 3パターン、のそれぞれについて売場領域ごとに滞在時間、停止有無、およびカロ減速度のうち少なくともいずれかに関する基準があら力じめ定められており、パターン判定部は、移動体である顧客の行動が、第 1パターン、第 2パターン、および第 3バターンのうちいずれに一致するかを判定してもよい。ここでいう「停止」には、実質的に停止とみなされる程度に滞留した場合や、通行速度が平均速度より大きく下回るような低速の場合が含まれてもよい。「加減速度」に関する基準としては、例えば急な減速の有無が定められてもよい。これにより、顧客の購買行動を精度よく推定することができる。 [0020] パターン判定部は、複数の売場領域のそれぞれについて移動体が進入するたびにその進入力退出までの滞在時間を算出し、経路情報および購買内容を示すデータに基づいて商品の購入があった移動体および購入された商品の売場領域を特定するとともにその売場領域における移動体の滞在時間を商品購入時の滞在時間として特定し、複数の売場領域のそれぞれについて商品購入時の滞在時間のうち日ごとまたは時間帯ごとの実質的な最短時間と最長時間を特定し、売場領域ごとに複数の日または複数の時間帯にわたる実質的な最短時間を平均化した平均最短時間を算出してこれを第 1パターンと第 2パターンを区別するための第 1のしきい値として売場領域と対応させる形でパターン記憶部に格納し、売場領域ごとに複数の日または複数の時間帯にわたる実質的な最長時間を平均化した平均最長時間を算出してこれを第 2パターンと第 3パターンを区別するための第 2のしきい値としてパターン記憶部に格納し、行動パターンの判定対象となる移動体についてある売場領域における滞在時間がその売場領域に対応付けられた第 1のしきい値を下回った場合はその売場領域に関して移動体の行動パターンは第 1パターンに一致すると判定し、行動パターンの判定対象となる移動体についてある売場領域における滞在時間がその売場領域に対応付けられた第 1のしきい値以上であって第 2のしきい値を下回った場合はその売場領域に関して移動体の行動パターンは第 2パターンに一致すると判定し、行動パターンの判定対象となる移動体についてある売場領域における滞在時間がその売場領域に対応付けられた第 2のしきい値以上であった場合はその売場領域に関して移動体の行動パターンは第 3パターンに一致すると判定してもよい。

[0021] ここで、第 1パターンの判定基準としての「第 1のしきい値を下回った場合」は、第 1 のしきい値近辺の値を厳密に区別する趣旨ではなぐたとえば第 1のしきい値と同値の場合や第 1のしきい値と所定範囲内の値であった場合もまた第 1パターンに一致すると判定してもよい。同様に、第 2パターンの判定基準である「第 1のしきい値以上であって第 2のしき、値を下回った場合」や第 3パターンの判定基準である「第 2のしきい値を下回った場合」に関しても各しきい値近辺の値を厳密に区別する趣旨ではない。また、「実質的な最短時間」と「実質的な最長時間」は、極端に短時間または長時間である異常値を排除する趣旨であり、 1日に特定された滞在時間に関する複数の値のうち、たとえば上下 10%の範囲内にある値を除外したうちの最短時間と最長時間をそれぞれ実質的な最短時間および最長時間としてもよい。

[0022] また、「複数の日」は、たとえば曜日で指定されてもよ!、し、月と曜日の組合せで指定されてもょ、し、平日と休日の分け方で指定されてもょ、。「複数の時間帯」は、たとえば時間帯だけで指定されてもよいし、曜日と時間帯の組合せで指定されてもよいし、月と曜日と時間帯の組合せで指定されてもよいし、平日と休日の分け方と時間帯の組合せで指定されてもよ!、。

[0023] パターン判定部は、売場領域ごとにその領域における滞在時間と滞在した顧客数の関係を表したとき、第 1の時間値より滞在時間が短い顧客のうち売場領域での商品購入があった顧客の総和と売場領域での商品購入がな力つた顧客の総和との割合が所定の割合となるような時間値を第 1の時間値として日ごとまたは時間帯ごとに特定し、売場領域ごとに複数の日または複数の時間帯にわたる第 1の時間値の平均値を算出してこれを第 1パターンと第 2パターンを区別するための第 1のしきい値としてノターン記憶部に格納し、売場領域ごとにその領域における滞在時間と滞在した顧客数の関係を表したとき、第 2の時間値より滞在時間が長い顧客のうち売場領域での商品購入があった顧客の総和と売場領域での商品購入がな力つた顧客の総和との割合が所定の割合となるような時間値を第 2の時間値として日ごとまたは時間帯ごとに特定し、売場領域ごとに複数の日または複数の時間帯にわたる第 2の時間値の平均値を算出してこれを第 2パターンと第 3パターンを区別するための第 2のしきい値としてパターン記憶部に格納し、行動パターンの判定対象となる移動体についてある売場領域における滞在時間がその売場領域に対応付けられた第 1のしきい値を下回つた場合はその売場領域に関して移動体の行動パターンは第 1パターンに一致すると判定し、行動パターンの判定対象となる移動体にっ、てある売場領域における滞在時間がその売場領域に対応付けられた第 1のしきい値以上であって第 2のしきい値を下回った場合はその売場領域に関して移動体の行動パターンは第 2パターンに一致すると判定し、行動パターンの判定対象となる移動体についてある売場領域における滞在時間がその売場領域に対応付けられた第 2のしきい値以上であった場合はその売場領域に関して移動体の行動パターンは第 3パターンに一致すると判定してもよい。

[0024] ノターン判定部は、移動体である顧客を店舗内の空間全体における入店力も退店までの動線距離、入店時間、滞在時間、平均速度、停止回数合計のうち少なくともいずれかの態様に応じて複数のセグメントに分類し、セグメントごとに第 1のしき、値および第 2のしきい値を算出してパターン記憶部に格納し、行動パターンの判定対象となる移動体については、複数のセグメントのいずれに該当するかを店舗内の空間全体における入店から退店までの動線距離、入店時間、滞在時間、平均速度、停止回数合計のうち少なくともいずれかの態様に基づいて判定した後、該当するセグメントに対応する第 1のしき、値および第 2のしき、値に基づ、て第 1のパターン、第 2のパターン、および第 3のパターンの、ずれに一致するかを判定してもよ!/、。

[0025] パターン判定部は、移動体である顧客の行動が第 1パターンに一致した場合と第 2 ノターンおよび第 3パターンに一致した場合とで分類し、それぞれのパターンにおける商品購入の割合を算出することにより、商品購入有無の要因を推定するための参照値を決定してもよい。

[0026] この場合、どのパターンと一致するかに基づいて売場領域ごとに商品に対する顧客の興味の有無を推定できる。例えば、第丄パターンに一致した場合はその売場領域の商品に対する興味がないと推定でき、第 2パターンまたは第 3パターンに一致した場合はその売場領域の商品に対する興味があると推定できる。そうした興味の有無により、商品を購入しな力つた要因として興味がなくて購入しな力つたの力あるいは、興味があるにもかかわらず購入しな力つたのかについて推定したり、商品購入がもともとの興味に基づ、たの力衝動買いであったのかと!/、つた要因を推定することができ、有用なマーケティング情報を得ることができる。

[0027] パターン判定部は、移動体である顧客による購買良否の要因として、売場領域ごとに第 1のパターン、第 2のパターン、および第 3のパターンのうちいずれかの回数に対する商品の購入回数または購入額、または、第 1のパターン、第 2のパターン、および第 3のパターンの回数を算出してもよい。これにより、顧客の購買良否の要因を精度よく推定することができる。

[0028] なお、以上の構成要素の任意の組合せや、本発明の構成要素や表現を方法、装置、システムなどの間で相互に置換したものもまた、本発明の態様として有効である。発明の効果

[0029] 本発明によれば、空間内における移動体の行動を解析することによって有用な情報を提供することができる。

図面の簡単な説明

[0030] [図 1]顧客行動解析システムの構成を示す機能ブロック図である。

[図 2]顧客の状態に基づく分類と購入者数の関係を模式的に示す図である。

[図 3]買い物カートの外観を示す図である。

[図 4]空間情報に定められた仮想空間上における店舗内の売場配置を模式的に示す図である。

[図 5]階層化された売場領域を模式的に示す図である。

[図 6]売場領域における買い物カートの移動経路の例を模式的に示す図である。

[図 7]実施例 2における顧客行動解析システムの構成を示す機能ブロック図である。

[図 8]実施例 3における顧客行動解析システムの構成を示す機能ブロック図である。

[図 9]実施例 4における顧客行動解析システムの構成を示す機能ブロック図である。

[図 10]ある売場領域を俯瞰カゝら撮影した画像を例示する。

[図 11]図 10における売場画像の撮影状況を側方から模式的に示す図である。

[図 12]図 10の売場画像に円柱体モデルを適用した図である。

[図 13]重複する撮影範囲において同一移動体を検出する手法を模式的に示す図である。

[図 14]店舗内における各カメラの撮影範囲の例を模式的に示す図である。

[図 15]実施例 5における顧客行動解析システムの構成を示す機能ブロック図である。

[図 16]実施例 6における顧客行動解析システムの構成を示す機能ブロック図である。

[図 17]売場領域における滞在時間と顧客数の関係を示す図である。

[図 18]従業員の行動状態ごとの時間の長さを一覧表示する画面例を示す図である。符号の説明

[0031] 10 顧客行動解析システム、 20 顧客行動解析装置、 22 通信部、 24 強度取得部、 26 位置認識部、 28 位置情報記憶部、 30 位置取得部、 32 速度取得部、 34 経路取得部、 36 空間取得部、 38 空間情報記憶部、 40 データ設定部、 42 パターン判定部、 44 行動パターンデータ記憶部、 46 判定結果記憶部、 48 出力処理部、 50 情報配信部、 56 表示部、 58 商品情報記憶部、 60 買い物カート、 62 カート用液晶表示装置。

発明を実施するための最良の形態

[0032] (実施例 1)

POSデータのような購買内容を示すデータを参照することにより「売れる商品」と「売れない商品」を把握することができても、「なぜ売れるの力」「なぜ売れないのか」といった購買要因までは特定困難である。本実施例のシステムによれば、顧客が売場に行った意図や商品購入に至る経緯が統計的なデータに基づいて把握でき、その売場の商品に対するひとりひとりの顧客の興味や関心を客観的に推測することができ、有用なマーケティング情報を得ることができる。

[0033] 図 1は、顧客行動解析システムの構成を示す機能ブロック図である。顧客行動解析システム 10は、複数の無線 LAN基地局である第 1アクセスポイント 12、第 2アクセスポイント 14、第 3アクセスポイント 16と、顧客行動解析装置 20を含む。「複数の無線 L AN基地局」は、移動体と各基地局との間で無線電波の強度を用いて測位するため少なくとも 3個のアクセスポイントが設けられる。本実施例では第 1アクセスポイント 12 、第 2アクセスポイント 14、第 3アクセスポイント 16からなる 3個のアクセスポイントを例示するが、実際には店舗の広さや売場領域の広さに応じて 4個以上のアクセスポイントを用いてもよい。

[0034] ここで無線 LAN方式は、例えば IEEE802. llaZbZgが用いられる。第 1ァクセスポイント 12、第 2アクセスポイント 14、第 3アクセスポイント 16は、それぞれアンテナを介して顧客の買い物カートに備えられた通信機との間で無線 LANにより通信するとともに、 LAN 18を介して顧客行動解析装置 20との間でデータを送受信する。顧客行動解析装置 20は、 LAN 18を介して POSサーバ 19から購買内容を示すデータとして POSデータを取得する。 POSデータには、顧客の購買に関する情報が含まれる。 POSサーバ 19は、図示しない複数のキャッシュレジスターと接続され、各キャッシュレジスターから販売した商品名または商品 ID、個数、販売金額、販売日時、顧客 ID 等の顧客の購買に関する情報を取得する。顧客 IDは、たとえば顧客に発行された会員カードの IDであってもよぐその場合、 POSサーバ 19は会員カードを所有しない顧客からは顧客 IDを取得しな、。

[0035] 顧客行動解析装置 20は、通信部 22、強度取得部 24、位置認識部 26、位置情報記憶部 28、位置取得部 30、速度取得部 32、経路取得部 34、空間取得部 36、空間情報記憶部 38、データ設定部 40、パターン判定部 42、行動パターンデータ記憶部 44、判定結果記憶部 46、出力処理部 48、情報配信部 50、操作入力部 52、制御部 54、表示部 56、商品情報記憶部 58を備える。通信部 22は、 LAN18を介して第 1ァクセスポイント 12、第 2アクセスポイント 14、第 3アクセスポイント 16、 POSサーバ 19との間でデータを送受信する。

[0036] 強度取得部 24は、通信部 22を介して第 1アクセスポイント 12、第 2アクセスポイント 14、第 3アクセスポイント 16から電波強度を示すデータを受信する。この電波強度は、顧客が使用する買い物カートに備えられた通信機との間で送受信される無線波の強度である。各買い物カートの通信機は、第 1アクセスポイント 12、第 2アクセスポイント 14、第 3アクセスポイント 16のそれぞれとの間で送受信される無線波の強度を示すデータを第 1アクセスポイント 12、第 2アクセスポイント 14、第 3アクセスポイント 16のうち少なくともいずれかへ送信し、これを第 1アクセスポイント 12、第 2アクセスポイント 1 4、第 3アクセスポイント 16のいずれかを介して強度取得部 24が取得する。位置認識部 26は、強度取得部 24が第 1アクセスポイント 12、第 2アクセスポイント 14、第 3ァクセスポイント 16から受け取った同じ買い物カートからの電波強度の差異から、その買い物カートの位置を認識する。すなわち、位置認識部 26は、各アクセスポイントから受け取る電波強度に基づ、て各アクセスポイントから買い物カートまでの距離を求め、その距離が交わる地点を買い物カートの現在位置と認識する。位置認識部 26は、店舗内において時間経過とともに変化する顧客の現在位置である位置情報と、その位置情報を測位したタイミングを示す時間情報を随時生成して位置情報記憶部 28 へ格納する。この位置情報は、三つのアクセスポイントに対する買い物カートの相対的な位置を示し、例えば (X, y, z)の 3次元座標で表される。また、時間情報とともに（ X, y, z, t)と表されてもよいし、（X, y)や (X, y, t)の 2次元座標で表されてもよい。三つのアクセスポイントの位置情報は管理者力も入力された情報に基づいてあら力じめ設定される。すなわち、各アクセスポイントの設置時にそれぞれの概略位置を管理者が操作入力部 52を介して入力し、位置認識部 26が各アクセスポイント同士の電波強度に基づ、て入力値を補正してそれぞれの正確な位置を認識し、その位置情報を位置情報記憶部 28へ格納する。

[0037] 位置取得部 30は、店舗内で買い物をした、または買い物をしている顧客が使用する買い物カートの位置情報と時間情報を位置情報記憶部 28から取得する。すなわち、顧客が入店して買い物カートを使用開始して力その買い物カートを使用終了するまで連続的に測定された位置情報と時間情報が位置取得部 30により取得される。

[0038] 速度取得部 32は、位置情報および時間情報に基づき、顧客の移動速度を示した速度情報を生成する。例えば速度取得部 32は、全買い物カートの平均速度、最大速度、および平均停止回数、買い物カートごとに使用開始力使用終了までの平均速度、最大速度、および停止回数、売場領域ごとの平均速度、最大速度、および平均停止回数、買い物カートごとに売場領域ごとの平均速度、最大速度、および停止回数、現在使用中である買い物カートの速度をそれぞれ算出する。店舗全体にわたる買い物カートの使用開始力使用終了までの動線距離、入店時間、滞在時間、平均速度または第 3パターンを除いた平均速度、停止回数合計、第 1パターンに一致すると判定された売場領域の組合せまたは順列、第 2パターンに一致すると判定された売場領域の組合せまたは順列、第 3パターンに一致すると判定された売場領域の組合せまたは順列、のうち少なくともいずれかの態様に応じて、その顧客を複数の顧客セグメントに分類する。たとえば、任意の速度を基準として高速、中速、低速に分類してもよい。この場合、たとえばお年寄りや体の不自由な顧客のように平均的に低速である顧客と若年層のように平均的に高速である顧客などがデータ的に分離されるので、データ分析精度を高めることができる。後述する最小値、最大値、平均値、しきい値などのパラメータは、顧客セグメントごとに算出し、顧客セグメントごとに行動パターンの判定や顧客属性の推定を処理する。ただし、変形例としては、顧客セグメントごとではなぐ顧客全体で最小値、最大値、平均値、しきい値などのパラメータを算出し、そのパラメータに基づ、て行動パターンの判定や顧客属性の推定を処理してもよい。また、ここでいう「平均速度」として、後述する「フリーズ」の状態を除いた期間における平均速度をあわせて算出する。

[0039] 空間取得部 36は、店舗内の空間を仮想空間上の位置で表した空間情報を取得する。空間情報には、店舗の全体的な領域を示す座標と、その中に含まれる複数の売場の配置を仮想空間上で特定するための座標が定められている。また、第 1アクセスポイント 12、第 2アクセスポイント 14、第 3アクセスポイント 16の位置もまた空間情報に定められる。経路取得部 34は、位置情報、時間情報、および空間情報に基づき、店舗内の空間における顧客の移動経路を仮想空間上の位置で示した経路情報を生成する。経路取得部 34は、顧客が複数の売場領域のうちいずれを通過したかに関する情報とともに経路情報を生成する。このように、経路情報は売場領域単位で生成され、一つの買い物カートにっ、ての経路情報を時系列的に連結すれば使用開始から使用終了までの全経路が認識される。

[0040] 行動パターンデータ記憶部 44は、顧客の移動経路と移動速度の関係に基づく購買行動の類型として異なる行動パターンがそれぞれ定義された複数の行動パターンデータを記憶する。複数の行動パターンデータに定義される購買行動の類型は、例えば停止や急な減速と!/ヽつた購入検討の振る舞ヽも見せずに売場領域を素通りする第 1パターンである「パッシング」、売場領域内に比較的短時間停留して商品を買い物カートへ入れるカゝ少なくとも商品購入を検討する第 2パターンである「アクティブ」、一つの売場領域に長時間滞留する第 3パターンである「フリーズ」がある。複数の行動パターンデータには、各種の購買行動について売場領域ごとに平均的な滞在時間や平均的な通行速度、カート停止の有無、急な減速の有無、があらかじめ定められている。複数の行動パターンデータは売場領域ごとに定められるとともに、パターン判定部 42は、各売場領域における平均的な滞在時間や平均的な通行速度を定期的または非定期的に算出し、その平均値に基づいて行動パターンデータ記憶部 4 4に格納された複数の行動パターンデータを更新する。行動パターンを区別するための基準は売場領域ごとにその商品構成や配置に応じて異なるので、売場領域ごとにたびたび基準を更新することにより商品構成や配置の変化を行動パターンの区別に反映させる。パターン判定部 42は、顧客の行動がパッシング、アクティブ、およびフリーズのうちいずれに一致するかの判定結果を売場領域と対応させて判定結果記憶部 46に格納する。パターン判定部 42は、顧客の行動がパッシングに一致した売場領域の組合せまたは順列、アクティブに一致した売場領域の組合せまたは順列、フリーズに一致した売場領域の組合せまたは順列を、判定結果記憶部 46に格納する。

[0041] パターン判定部 42は、経路情報、速度情報、および複数の行動パターンデータに基づき、顧客の購買行動が行動パターンの類型の!/、ずれに一致するかを判定する。ノターン判定部 42は、通信部 22を介して POSサーバ 19から購買内容を示すデータとして POSデータを取得し、顧客の購買行動の判断材料として用いる。 POSデータには、商品名または商品 ID、購入個数、購入金額、購入日時、顧客、精算領域 IDなど顧客の購買に関する情報や顧客自身に関する情報が含まれる。顧客 IDは、顧客を識別するために付与される識別情報であり、たとえば会員カードに登録され、その IDが精算時にキャッシュレジスターを介して入力される。なお、会員カードを所有しない顧客に関する POSデータには顧客 IDが含まれない。精算領域 IDは、複数のキャッシュレジスターを区別するためにあらかじめキャッシュレジスターごとに付与された識別情報である。各キャッシュレジスターが設置された複数の精算領域の位置座標は空間情報に定められ、それぞれがあらかじめ精算領域 IDと対応付けられている。パターン判定部 42は、購入日時、精算領域 ID、および経路情報に基づいて PO Sデータと経路情報を対応付ける。すなわち、経路情報にはいずれの精算領域をいつ通行したかが記録されており、 POSデータに含まれる購入日時と精算領域 IDを参照して経路情報に POSデータを対応付ける。

[0042] ノターン判定部 42は、 POSデータ力も顧客 IDを抽出し、その顧客 IDをもとに顧客の属性を POSサーバ 19から取得する。変形例としては、 POSデータに顧客の属性データ自体が含まれていてもよい。顧客の属性は、たとえば性別や年齢層など、顧客の種類を区別することができる要素であって、その行動に影響を与えうる要素である。パターン判定部 42は、一致すると判定した行動パターンを顧客の属性の種類と対応付けた形で行動パターンデータ記憶部 44に格納する。その上で、パターン判定部 42は、行動パターンデータ記憶部 44に格納された行動パターンと属性の対応関係を参照することによりその属性が判明していない顧客の属性を推定する。パターン判定部 42は、顧客が複数の売場のうちいずれを通過したかに関する情報および一致する行動パターンの類型に基づいて顧客の購買行動を推定する。パターン判定部 4 2による判定方法および推定方法の詳細については後述する。パターン判定部 42の判定結果および推定結果は判定結果記憶部 46に格納される。

[0043] 出力処理部 48は、判定結果記憶部 46に格納された判定結果を表示部 56または通信部 22を通じて出力する。すなわち、出力処理部 48は、表示部 56の画面に判定結果を表示するとともに、通信部 22を介して外部へ判定結果を送信する。商品情報記憶部 58は、販売する商品に関して顧客に提供可能な情報をその商品の売場および行動パターンの類型と対応させて記憶する。情報配信部 50は、パターン判定部 4 2により判定された顧客の行動パターンの類型に応じて顧客に提供可能な情報を出力処理部 48へ送り、出力処理部 48はその情報を顧客の買い物カートに備えられた液晶表示装置や POSサーバ 19へ送信する。操作入力部 52は、顧客行動解析システム 10の管理者による操作を受け付け、その操作に基づいて制御部 54が顧客行動解析装置 20の各部を制御する。

[0044] 以下、パターン判定部 42による行動パターンの判定方法と購買行動の推定方法を説明する。行動パターンの判定方法として、二つの例を挙げる。一つは、（A)売場領域への進入力退出までの時間とその売場領域にて停止または急な減速をしたかに応じて判定する方法と、もう一つは、（B)売場領域への進入から退出までの滞在時間だけで判定する方法である。

(A)の場合において、複数の行動パターンデータは、以下の 5通りのパターンが定義される。

(1)パッシング · · ·売場領域への進入から退出までの滞在時間が X秒未満で停止または急な減速がなし

(2)アクティブ · · ·売場領域への進入から退出までの滞在時間が X秒以上 Y秒未満、または、売場領域への進入から退出までの滞在時間が X秒未満で停止または急な減速があり

(3)フリーズ · · ·売場領域への進入から退出までの滞在時間が Y秒以上 (4)再フリーズ · · ·同じ売場領域でのフリーズを繰り返す

(5)再パッシング' · ·同じ売場領域のパッシングを繰り返す

ここで、パターン判定部 42は、売場領域への進入力も退出までに力かった滞在時間を売場領域ごとに算出し、その日またはその時間帯の実質的な最小値を XX [秒] とし、その日またはその時間帯の実質的な最大値を YY [秒]とする。ここで、その売場領域において商品を購入したカートについての実質的な最小値、その売場領域にぉ、て停止または急な減速をしたカートにっ、ての実質的な最小値、その売場領域にお、て停止または急な減速をした上で商品を購入したカートにっ、ての実質的な最小値、システムの管理者により設定された値、のいずれかを管理者が選択し、選択された値をその日またはその時間帯の XX [秒]とする。また、その売場領域において商品を購入したカートについての実質的な最大値、その売場領域において停止または急な減速をしたカートにっ、ての実質的な最大値、その売場領域にぉ、て停止または急な減速をした上で商品を購入したカートにっ、ての実質的な最大値、システムの管理者により設定された値、のいずれかを管理者が選択し、選択された値をその日またはその時間帯の YY [秒]とする。パターン判定部 42は、複数の日または複数の時間帯にわたって実質的な最小値 XXと実質的な最大値 YYをそれぞれ平均し、平均値 X [秒]と平均値 Y [秒]を求める。これら平均値 Xと Y力パッシング、ァクティブ、フリーズを区別するための基準としてのしきい値となる。なお、 XX、 YY、 X、 Υは日ごとまたは時間帯ごとに算出する場合の他、曜日ごとに算出してもよい。

(Β)の場合において、複数の行動パターンデータは、以下の 5通りのパターンが定義される。

(1)パッシング · · ·売場領域への進入から退出までの滞在時間が X秒未満

(2)アクティブ · · ·売場領域への進入から退出までの滞在時間が X秒以上 Υ秒未満

(3)フリーズ · · ·売場領域への進入から退出までの滞在時間が Υ秒以上

(4)再フリーズ · · ·同じ売場領域でのフリーズを繰り返す

(5)再パッシング' · ·同じ売場領域のパッシングを繰り返す

ここで、パターン判定部 42は、売場領域への進入力も退出までに力かった滞在時間を売場領域ごとに算出し、その日またはその時間帯の実質的な最小値を XX [秒] とし、その日またはその時間帯の実質的な最大値を YY [秒]とする。ここで、その売場領域において商品を購入したカートについての実質的な最小値、その売場領域にぉ、て停止または急な減速をしたカートにっ、ての実質的な最小値、その売場領域にお、て停止または急な減速をした上で商品を購入したカートにっ、ての実質的な最小値、システムの管理者により設定された値、のいずれかを管理者が選択し、選択された値をその日またはその時間帯の XX [秒]とする。また、その売場領域において商品を購入したカートについての実質的な最大値、その売場領域において停止または急な減速をしたカートにっ、ての実質的な最大値、その売場領域にぉ、て停止または急な減速をした上で商品を購入したカートにっ、ての実質的な最大値、システムの管理者により設定された値、のいずれかを管理者が選択し、選択された値をその日またはその時間帯の YY [秒]とする。パターン判定部 42は、複数の日または複数の時間帯にわたって実質的な最小値 XXと実質的な最大値 YYをそれぞれ平均し、平均値 X [秒]と平均値 Y [秒]を求める。これら平均値 Xと Y力パッシング、ァクティブ、フリーズを区別するための基準としてのしきい値となる。

[0046] パターン判定部 42は、買い物カートの移動が（1)〜（5)のいずれに合致するかを売場領域ごとに判定する。（1)の場合はその売場領域を単に通過したと推定し、 (2) の場合はその売場領域の商品を購入し、または少なくとも購入検討したと推定する。 (3)の場合、その売場領域の商品に強い関心があるものの商品が見つ力もないまたは購入に迷っていると推定する。（4)の場合、フリーズを繰り返して購入に迷っていると推定する。（5)の場合、ノッシングの繰り返しが多いほど道に迷っている、または商品が見つからない、と推定する。以上のように、パターン判定部 42は、行動パターンの類型が判明すれば顧客の購買行動を推定することができる。

[0047] パターン判定部 42は、買い物カートごとに進行方向、移動速度、停止の有無を位置情報および時間情報に基づいて判定する。パターン判定部 42は、進行方向に基づいて売場領域へ順方向で進入したか逆方向で進入したかを判別できる。また、パターン判定部 42は、買い物カートの移動速度に基づ、てその顧客が急、で、るかどうかを判別できる。また、パターン判定部 42は、買い物カートの速度、急な減速の有無、停止有無に基づいてその顧客が商品を品定めしている力、あるいは買い物をしているかを判別できる。

[0048] パターン判定部 42は、顧客の行動パターンまたは購買行動に基づいて、その顧客の属性を推定する。例えば、土曜日、日曜日、祝日の場合に、移動速度が遅ぐ各売場領域での平均滞留時間が比較的長い顧客を抽出してその顧客を「家族連れ」と推定する。また、衣料品や雑貨といった食料品以外の商品を扱う店舗においては、さらに男性用、女性用、子供用の各売場領域のうちの多くまたはすベてを通行した顧客を「家族連れ」と推定する。このように、パターン判定部 42は、曜日や時間帯、売場に応じて異なる判定をしてもよい。パターン判定部 42は、ノッシングゃフリーズの回数、割合、時間が所定の異常値の基準を超える移動体、たとえば入店力退店までに通行した売場領域数に対してノッシングまたはフリーズの売場領域数の比率が所定基準より高い移動体を不審者であると判定してもよい。また、特定の売場領域でのフリーズ時間が所定の異常値より長い移動体やフリーズ回数が所定の異常値より多い移動体を不審者であると判定してもよい。また、入店から退店までの動線距離、入店時間、滞在時間、平均速度または第 3パターンを除いた平均速度、停止回数合計、ノッシングに一致すると判定された売場領域の組合せまたは順列、アクティブに一致すると判定された売場領域の組合せまたは順列、フリーズに一致すると判定された売場領域の組合せまたは順列のうち少なくともいずれかの態様が所定の異常態様に該当する場合に、パターン判定部 42はその移動体を不審者であると判定する。たとえば店舗内の滞在時間が数時間にも達するような非常に長時間である移動体、店舗内の動線距離が通常時を遙かに超える程度の長距離である移動体を不審者であると判定してもよい。また、平均速度が所定の異常値より遅い移動体や平均速度が所定の異常値より速い移動体を不審者であると判定してもよい。出力処理部 48は、不審者の判定結果をたとえば警備員が携帯する端末へ送信してもよい。

[0049] 次に、パターン判定部 42は、顧客の行動パターンの累計や購買行動に関する判定結果を用いて商品の売れ行き良否の要因を推定する。例えば、パターン判定部 4 2は、各売場領域の商品販売能力を複数の切り口力も比較することができる。各売場領域で顧客がどのような行動をとる力どのような過程で商品購入に至つたかを、売場領域ごとに「パフォーマンス指標」として集計し、過去の集計と比較したり、異なる売場同士で集計を比較する。比較結果は出力処理部 48に格納される。例えば、各売場領域での売上や購入回数を、売場領域の面積、ノッシングの通行カート数、ァクティブの通行カート数、フリーズの通行カート数、カートの総滞在時間、カートの総停止回数、カートの密度などで割った数値を集計し、比較する。出力処理部 48は、比較結果を判定結果記憶部 46から読み出して表示部 56に表示させる。

[0050] 以下、詳細な分析内容を説明する。ノターン判定部 42は、まず売場領域ごとに入店力退店までの（1— 1)購入回数、（1— 2)購入金額、（1— 3)パッシング数、ァクティブ数、フリーズ数のそれぞれに対する購入回数の割合としての購入確率、（1—4 )停止回数に対する購入回数の割合としての購入確率、（1 5)平均速度、 (1 -6) 滞在時間、（1 7)入店力退店までの動線距離、（1 8)顧客の属性、（1 9)停止回数、（1— 10)パッシング比率、アクティブ比率、フリーズ比率、の各情報を算出する。ここで「パッシング比率」とは、たとえばパッシング回数、アクティブ回数、およびフリーズ回数の和に対するパッシング回数の割合である。同様に、「アクティブ比率」とは、たとえばパッシング回数、アクティブ回数、およびフリーズ回数の和に対するァクティブ回数の割合であり、「フリーズ比率」とは、たとえばパッシング回数、アクティブ回数、およびフリーズ回数の和に対するフリーズ回数の割合である。

[0051] パターン判定部 42は、買い物カートごとの（1 1)〜（1 10)の各情報を全顧客で集計し、ユーザの要求に応じて以下の要素を切り口として分類または比較する。分類の要素は、例えば（1—A)売場領域、（1— B)時間や曜日、（1— C)平均速度、 (1 - D)滞在時間、（1—E)動線距離、（1—F)顧客の属性、（1— G)停止回数、（1—H) 購入金額、購入回数、である。出力処理部 48は、（1— A)〜（l— H)のうちいずれかを X軸にとり、（1 1)〜（1 10)のうちいずれかの情報を y軸にとったグラフを表示部 56などに出力する。 X軸および y軸にとる要素はユーザが選択する。

[0052] また、パターン判定部 42は、売場領域ごとに（2—1)通行数、すなわち顧客数、（2

2)購入回数、（2— 3)購入金額、（2— 4)パッシング比率、アクティブ比率、フリーズ比率、（2— 5)パッシング数、アクティブ数、フリーズ数のそれぞれに対する購入回数の割合としての購入確率、（2— 6)停止回数に対する購入回数の割合としての購入確率、（2— 7)平均速度、（2— 8)平均滞在時間、（2— 9)入店からその売場領域までの平均動線距離、（2— 10)顧客の属性、（2— 11)平均停止回数、（2— 12)売場領域の面積、（2— 13)売場領域における買い物カート密度、（2— 14)購入商品、の各情報を算出する。

[0053] パターン判定部 42は、売場領域ごとの（2— 1)〜（2—14)の各情報を、ユーザの要求に応じて以下の要素を切り口として分類または比較する。分類の要素は、例えば（2— A)パッシング、アクティブ、フリーズで分けられる顧客の状態、（2— B)売場領域、（2— C)時間や曜日、（2— D)入店から退店までの平均速度、（2— E)入店から退店までの滞在時間、（2— F)入店から売場領域までの動線距離、（2— G)顧客の属性、（2— H)停止回数、（2—1)購入金額、購入回数、（2-J)購入商品、である。出力処理部 48は、（2— A)〜（2— J)のうちいずれかを X軸にとり、（2— 1)〜（2— 14 )のうちいずれかの情報を y軸にとったグラフを表示部 56などに出力する。 X軸および y軸にとる要素はユーザが選択する。

[0054] 図 2は、顧客の状態に基づく分類と購入者数の関係を模式的に示す。パターン判定部 42は、売場領域ごとに顧客が商品購入を即断することが多いの力あるいはじつくりと検討して商品を購入することが多、のか、 t 、つた商品購入の傾向にっ、て、ノッシング回数、アクティブ回数、フリーズ回数をもとに判断する。一例として、売場領域ごとに商品が購入された回数、ノッシング数、アクティブ回数、フリーズ回数を顧客全体で集計する。図において、購入見込者数 130は、ある売場領域におけるァクティブ回数とフリーズ回数の和であり、少なくともその売場領域の商品に興味があって進入した顧客の数と位置づける。実購入者数 132は、 POSデータに基づいて算出される実際にその売場領域にて商品を購入した顧客の数である。購入見込者数 130の円と実購入者数 132の円が重複した部分である顧客数 136は、その売場領域に興味があって進入した顧客のうち実際に購入した顧客の数である。顧客数 134は、その売場領域に興味があって進入したものの実際には購入には至らなかった顧客の数であり、その数が多い場合は品切れ、品質の悪さ、商品力の低さ、商品価格が高い、といったマイナス要因がその売場に存在するものと推定できる。一方、顧客数 13 8は、当所は購入予定のな力つたパッシングの状態であった顧客の数であり、衝動買いやその場で商品の必要性に気づくといったプラス要因がその売場に存在すると推定できる。このように、売場領域ごとにマイナス要因やプラス要因の存在を顕在化させることができ、その結果に応じてマイナス要因を減らす対策やプラス要因を増やす対策を講じることができる。

[0055] パターン判定部 42は、次のようなパフォーマンス指標を算出してもよい。例えば、売場に興味があるにもかかわらず購入に至らな力つた顧客数 134を aとし、売場に興味があって購入に至った顧客数 136を bとし、売場に興味がないにもかかわらず購入に至った顧客数 138を cとし、売場に興味がなく購入に至らな力つた顧客数 139を dとした場合、 b/ (a + b)は、興味があった顧客（a + b)のうち購入に結びついた率であり、この率が高ければ商品の質や価格等を高評価することができる。 c/ (b + c)は購入した顧客 (b + c)のうちもともと売場に興味がなかった顧客の率であり、この率が高ければ店内広告や商品配置、キャンペーン等を高評価することができる。 c/ (c + d) は売場に興味がな力つた顧客 (c + d)のうち購入に至った率であり、この率が高ければ店内広告や商品配置等を高評価することができる。 a/ (a + d)は、その売場で購入しなかった顧客のうち、もともとその売場に興味を持っていた顧客の率であり、この率が高ければその売場の潜在的な顧客ニーズを高評価することができる。

[0056] パターン判定部 42は、売れ行きの悪い商品についてその原因を推定する。例えば、ノターン判定部 42は、売れ行きの悪い商品が陳列された売場領域において、パッシング回数が比較的多い場合は棚割りや配置方法に問題があると推定し、その旨を示す情報を判定結果として判定結果記憶部 46に格納する。パターン判定部 42は、例えばアクティブ回数やフリーズ回数に対して購入回数が比較的少ない場合は品揃えや商品力や商品価格に問題があると推定し、その旨を示す情報を判定結果として判定結果記憶部 46に格納する。なお、売り上げや購入回数といった購買履歴の代わりに、各売場領域における買い物カートの停止回数に基づ、て購買良否の要因を判定してもよい。買い物カートの停止には、商品の購入があった場合だけでなぐ実際には購入されていないものの少なくとも購入の検討がなされた場合までその回数に含まれるので、マーケティング情報として有用なデータが得られる。

[0057] パターン判定部 42は、特定の商品や特定の売場領域について行った特売キャンぺーンゃチラシの効果を分析することもできる。売上の良否自体に関しては POSデータから判明するが、売上良否の要因までは POSデータからは判別困難である。本実施例によれば、顧客の行動パターンに基づいて売上良否の要因を推定することができる。例えば、パターン判定部 42は、キャンペーンゃチラシの前後で、キャンべ一ンゃチラシで宣伝した売場への来場者数や興味をもった顧客数 (a+b)があまり増加しなかったり、 cの値があまり増加しない場合は、キャンペーンゃチラシの効果があまりな力つたと判断できる。また、売場への来場者数や興味をもった顧客数 (a + b)が増えたのに、興味をもった顧客数 (a + b)に対する購入確率が下がってあまり販売増につながらない場合は、キャンペーンゃチラシの効果はあったが、商品力や商品価格の問題で販売増につながらな力つたと判断できる。以上のように、パターン判定部 42 は、特売品またはチラシで広告した商品の売場領域におけるパッシング回数、ァクテイブ回数、フリーズ回数とそれぞれの回数に対する購入回数や購入額に基づいて、キャンペーンゃチラシの効果とその要因を判定することができる。

[0058] 次に、パターン判定部 42は、現在買い物の最中である顧客についてその買い物力ートの行動をリアルタイムで監視する。各パフォーマンス指標は出力処理部 48により表示部 56に表示される。管理者は表示部 56の画面を見ながら売場領域ごとのパフオーマンス指標をリアルタイムに把握してパフォーマンスの悪い売り場を見つけ出し、すぐに対応することができる。例えば、ある売場領域について「アクティブ」のカート数の平均値が通常と変らないものの売上の伸びが通常より悪いことが表示部 56へ示されたような場合に、その売場領域の商品に新鮮でない、または商品価格が高い、などの問題があると推測することができる。

[0059] 情報配信部 50は、買い物カートが現在位置する売場領域に応じてその売場領域に陳列された商品を紹介するための情報を出力処理部 48へ送る。出力処理部 48は、情報配信部 50から受け取った情報を無線 LAN経由で買い物カートへ送信し、 LA N18経由で POSサーバ 19へ送信する。情報配信部 50は、顧客の行動パターンの類型に応じた商品情報を商品情報記憶部 58から取得して出力処理部 48へ送る。例えば、フリーズの状態にある顧客に対する情報やパッシングしつつある顧客に対する情報として商品を紹介する情報を送ってもよいし、道に迷った状態の顧客に対する情報として店舗案内図のデータを送ってもよい。

[0060] 商品を紹介する情報を顧客へ提供する他の方法として、パターン判定部 42は PO Sデータや顧客の購買履歴を参照して顧客の経路情報、速度情報、および行動バターンの類型と購買内容の対応を判定し、その対応に基づ、て情報配信部 50が情報内容や提供方法を決定してもよい。ノターン判定部 42は、 POSサーバ 19から受け取る POSデータに基づき、精算領域に滞在する顧客の顧客 IDおよび購買内容を取得し、その顧客の経路情報と対応付けて判定結果記憶部 46へ購買履歴として格納する。判定結果記憶部 46への格納後は、再び同じ顧客が来店したときにパターン判定部 42が顧客 IDに基づいてその顧客の購買履歴を判定結果記憶部 46から読み出し、その顧客の行動を分析する。顧客 IDは、たとえば買い物開始時に会員カードから買い物カートへ読み込ませる形で取得してもよいし、精算時に精算領域にて会員カードから読み取る形で取得してもよい。これらの場合、情報配信部 50は、精算領域のキャッシュレジスターへ情報を送信して顧客のレシートへ印刷させてもょ、し、顧客の電子メールアドレスがあら力じめ登録されている場合は電子メールにて配信してもよい。

[0061] レシートへ印刷させる情報や電子メールで配信する情報を以下例示する。たとえば、来店頻度が比較的高い顧客に関し特定の売場領域への来場頻度が急に減少したことをパターン判定部 42が判定した場合、その売場領域の商品を他店で購入して!/ヽると推測することができる。その場合、情報配信部 50はその売場領域の商品に関する割引券のデータまたはその売場領域の商品に関する販売促進広告のデータをその顧客へ配信する。同じ売場領域に比較的長時間滞在した顧客、すなわちァクティブまたはフリーズに該当した顧客が、結局その売場領域の商品を購入しな力つたことをパターン判定部 42が判定した場合、その売場領域の商品またはその値段に納得しな力つたと推測することができる。その場合、情報配信部 50はその売場領域の商品に関する割引券のデータまたはその売場領域の商品に関する販売促進広告のデータをその顧客へ提供する。動線距離が比較的長ぐまたは店内滞在時間が比較的長いにもかかわらず購入品数が少なかったことをパターン判定部 42が判定した場合、情報配信部 50はその店舗の商品全体に関する割引券のデータまたは店舗の商品全体に関する販売促進広告のデータをその顧客へ提供する。特定の売場領域で滞在時間が比較的長いにもかかわらず、その売場領域の商品の購入品数が少なかつたことをパターン判定部 42が判定した場合、情報配信部 50はその売場領域の商品に関する割引券のデータまたはその売場領域の商品に関する販売促進広告のデータをその顧客へ提供する。会員カードが発行されてから日が浅いために動線距離が短、顧客であるとパターン判定部 42が判定した場合、情報配信部 50はその顧客に対して店舗全体の商品に関する割引券のデータまたは店舗の商品全体に関する販売促進広告のデータを提供する。販売促進キャンペーンが催されて！/ヽる特設売場でアクティブまたはフリーズとなった顧客は、キャンペーンのテーマに興味をもった顧客であると推測される。そのような顧客に対して情報配信部 50は、同様のキャンペーンの対象商品に関する割引券のデータまたはその商品に関する販売促進広告のデータを提供する。

[0062] 情報配信部 50は、電子メールで配信する情報として、たとえば特定の販売促進キヤンぺーン中にキャンペーン対象の商品を購入した顧客に対して、他の商品または関連する商品の販売促進キャンペーンに関する情報を提供してもよ、。情報配信部 50は、買い物カートの液晶表示装置に情報を表示させる方法として、たとえば同じ売場領域に滞在する時間が所定時間を経過したときに、直ちにその売場領域の商品に関する販売促進の情報を提供してもよ、し、同じ売場領域を所定回数以上通過する顧客に対してその売場領域の商品に関する販売促進の情報を提供してもよい。顧客へ送信する販売促進のための情報は、その顧客が通行しな力つた売場の商品やその顧客が素通りした売場の商品に関する情報であってもよい。

[0063] 図 3は、買い物カートの外観を示す。買い物カート 60にはカート用液晶表示装置 6 2が備えられて、る。このカート用液晶表示装置 62は無線 LAN通信機能を内蔵し、カート用アンテナ 64を介して店舗内の第 1アクセスポイント 12、第 2アクセスポイント 1 4、第 3アクセスポイント 16と無線通信する。カート用液晶表示装置 62は、第 1ァクセスポイント 12、第 2アクセスポイント 14、第 3アクセスポイント 16との間で送受信される無線波の強度を取得する。カート用液晶表示装置 62は液晶表示部を有し、顧客行動解析装置 20から受信した商品に関する情報を液晶表示部に表示させる。 [0064] 図 4は、空間情報に定められた仮想空間上における店舗内の売場配置を模式的に示す。この店舗内には、「野菜」「果物」「精肉」「鮮魚」「菓子'乾物」「レトルト '調味料」「乳製品」「飲料」で分類される商品の売場が設けられている。顧客が通行可能な領域は、入口領域 70、第 1売場領域 72〜第 11売場領域 92、第 1精算領域 94〜第 6 精算領域 104、出口領域 106で構成され、これら各領域の配置および座標は空間情報に定められている。

[0065] 入口領域 70は、顧客がこの店舗での買い物を開始するときに通行する領域であり、買い物カートはあらかじめこの領域に用意され、移動開始地点となる。第 1売場領域 72および第 2売場領域 74は入口領域 70に隣接する領域であり、第 1売場領域 72 は「野菜」の売場と対応付けられ、第 2売場領域 74および第 4売場領域 78は「果物」の売場と対応付けられる。第 3売場領域 76は「精肉」の売場と対応付けられ、第 5売場領域 80および第 6売場領域 82は「菓子 ·乾物」の売場と対応付けられる。第 9売場領域 88は「鮮魚」の売場と対応付けられ、第 7売場領域 84および第 8売場領域 86は「レトルト '調味料」の売場と対応付けられる。第 10売場領域 90は「乳製品」の売場と対応付けられ、第 11売場領域 92は「飲料」の売場と対応付けられる。

[0066] 第 1精算領域 94、第 2精算領域 96、第 3精算領域 98、第 4精算領域 100、第 5精算領域 102、第 6精算領域 104はそれぞれ第 1レジ、第 2レジ、第 3レジ、第 4レジ、第 5レジ、第 6レジと対応付けられる。例えば、第 1精算領域 94を通行した買い物カートについての経路情報は、その通行時間に第 1レジにより記録された POSデータと対応付けられる。出口領域 106は、顧客がこの店舗での買い物を終了するときに通行する領域であり、買い物カートの移動終了地点となる。なお、入口領域 70および出口領域 106のいずれにおいても、店舗外力も店舗内へ向力方向で通行したときは入店とみなし、店舗内から店舗外へ向力う方向で通行したときは退店とみなす。

[0067] 図 5は、階層化された売場領域を模式的に示す。図 4においては売場領域が階層化されて!/ヽな、例を示した力本図にお、てはひとつの売場領域が複数のサブ売場領域に細分化され、売場領域同士の関係が階層化されている。例えば、売場領域 1 20が衣料品の売場であり複数のブランドに区画されているような場合に、「衣料品売場」である売場領域 120を「Aブランド」「Bブランド」「Cブランド」「Dブランド」という複数のサブ売場領域 122、 124、 126、 128に区画する。パターン判定部 42は、売場領域 120についての行動パターンを集計するだけでなぐ複数のサブ売場領域 122 、 124、 126、 128についても行動パターンを集計するので、顧客の好みや興味の度合いをより詳細に推定することができる。

[0068] 一方、複数の売場領域を包含する形で上位の領域となる区画を設定することにより、図 5の例と同様に売場領域同士の関係を階層化してもよい。この場合、各売場領域における行動パターンの判定結果だけでなぐ上位階層の区画における行動パターンの判定結果が得られるので、全体的な結果と部分的な結果など、より多角的な判定結果や推定結果を得ることができる。

[0069] 図 6は、売場領域における買い物カートの移動経路の例を模式的に示す。本図の売場領域 110は横長四辺形の領域であり、買い物カートは左側の辺力売場領域 1 10に入り、売場領域 110内を何度か右往左往して、右側の辺からいったん売場領域 110外へ出る。その後、売場領域 110の右側の辺から再び売場領域 110に入り、しばらくした後でまた右側の辺力も売場領域 110外へ出る、といった移動経路が示されている。

[0070] 売場領域によっては、その配置に応じてあら力じめ正しい進行方向が定められる場合もあり、経路取得部 34によって生成される経路情報には買い物カートが順方向にて進入したか逆方向から進入したかがその売場領域との対応で記録される。また、入店力ある売場領域へ到達するまでに通過する売場領域で一度もアクティブまたはフリーズにならずに進入し、その売場領域にてアクティブまたはフリーズとなった後、通過する売場領域で一度もアクティブまたはフリーズにならずに精算領域に向力つた場合、ノターン判定部 42による判定結果には買い物カートがその売場領域へ「直行」したと記録される。

[0071] 次に、パターン判定部 42が生成する各テーブルの内容を説明する。まず、パターン判定部 42は、入店から退店までの顧客の行動を表す位置情報および時間情報を位置属性テーブルとして買い物カートごとに記録する。位置属性テーブルには、全体に関するパラメータとして入店日時、入店コース [順コース、逆コース、直行]、精算方法 [あり、なし]、退店コース [順コース、逆コース]、精算レジ番号、精算日時、入店力退店までの通行距離の合計である動線距離が記録され、速度に関するパラメ一タとして平均速度、フリーズ状態を除いた期間の平均速度、最高速度、停止有無に関するパラメータとしてカート停止回数、カート停止平均時間、カート停止最長時間が記録される。なお、パターン判定部 42は、買い物カートの動きが所定の半径範囲内である場合にこれを停止と判断する。例えば、ある測位地点からの移動範囲が継続的に所定半径の範囲内に収まっている場合に、パターン判定部 42はこれを「停止している」とみなす。また、たとえば 1秒前などに計測された前の測位地点力も所定半径の範囲内に留まっている状態が所定時間以上継続する場合に、パターン判定部 4 2はこれを「停止して!/、る」とみなしてもよ!、。

[0072] 位置属性テーブルには、ノッシングに関するパラメータとして、ノッシング回数、パッシング平均時間、パッシング最短時間、パッシング最長時間、パッシング売場領域数がさらに記録される。

[0073] 位置属性テーブルには、アクティブに関するパラメータとして、アクティブ回数、ァクティブ平均時間、アクティブ最短時間、アクティブ最長時間、アクティブ売場領域数がさらに記録される。位置属性テーブルには、フリーズに関するパラメータとして、フリーズ回数、フリーズ平均時間、フリーズ最短時間、フリーズ最長時間、フリーズ売場領域数がさらに記録される。

[0074] ノターン判定部 42は、通行した売場領域における行動の履歴をカート行動履歴テ一ブルとして買い物カートごとに記録する。カート行動履歴テーブルには、売場領域名、進入日時、退出日時、状態名（パッシング、アクティブ、フリーズ)、入店から売場までの動線距離、平均速度、最高速度、停止回数、停止平均時間、停止最長時間、購入商品個数、購入額合計が記録される。なお、ある買い物カートが同じ売場領域を複数回通行した場合は、通行のたびに個別のカート行動履歴のレコードが生成される。

[0075] ノターン判定部 42は、各売場領域における状態を売場領域位置属性テーブルとして売場領域ごとおよび時間帯ごとに記録する。売場領域位置属性テーブルには、ひとつの売場領域および時間帯におけるパッシング状態の回数、ノッシング状態の平均時間、パッシング状態の最短時間、パッシング状態の最長時間、パッシング状態の平均停止回数、パッシング状態の平均購入額、パッシング状態の平均購入回数が記録される。売場領域位置属性テーブルには、ひとつの売場領域および時間帯におけるアクティブ状態の回数、アクティブ状態の平均時間、アクティブ状態の最短時間、アクティブ状態の最長時間、アクティブ状態の平均停止回数、アクティブ状態の平均購入額、アクティブ状態の平均購入回数、フリーズ状態の回数、フリーズ状態の平均時間、フリーズ状態の最短時間、フリーズ状態の最長時間、フリーズ状態の平均停止回数、フリーズ状態の平均購入額、フリーズ状態の平均購入回数がさらに記録される。また、時間帯ごとに、その売場領域を通行した全顧客について入店力その売場領域までの動線平均距離、動線最小距離、および動線最大距離、その売場領域で商品購入した全顧客についての入店力退店までの動線平均距離、動線最小距離、および動線最大距離、その売場領域で停止をした全顧客についての入店から退店までの動線平均距離、動線最小距離、および動線最大距離、がさらに記録される。

[0076] 売場領域位置属性テーブルには、その売場領域にて商品を購入した顧客の平均通行時間、最短通行時間、最長通行時間、その売場領域にて停止した顧客の平均通行時間、最短通行時間、最長通行時間、その売場領域にて停止して商品を購入した平均通行時間、最短通行時間、最長通行時間がさらに記録される。その日または時間帯の XX、 YYと、その日または時間帯に適用される X、 Yも記録される。

[0077] パターン判定部 42は、 POSデータによる購買履歴と顧客の行動パターンを合わせることにより、以下の各項目について推定することができる。

(1)パターン判定部 42は、売場領域ごとの停止 1回あたりの購入回数を (購入回数 Z停止回数)の式から算出する。買い物カートの停止と商品の購入有無は強い相関性があると考えられるので、停止 1回あたりの購入回数が比較的小さければ品揃えや商品力に問題があると推定できる。

(2)パターン判定部 42は、売場領域ごとの買い物カートの通行 (パッシング、ァクテイブ、フリーズ） 1回あたりの購入回数を算出する。通行 1回あたりの購入回数が比較的小さければ、商品配置が不適切であったり、商品の魅力が低力つたり、売場の広告内容や広告の配置が不適切などの要因が推定される。 ) (3)パターン判定部 42は、売場領域ごとに「パッシング」とされた買い物カート 1台あたりの購入回数や購入額を算出する。購入回数や購入額が多ければ、魅力ある商品が手にとりやすく配置されていると推定できる。

(4)パターン判定部 42は、売場領域ごとに「アクティブ」とされた買い物カート 1台あたりの購入回数や購入額を算出する。購入回数や購入額が低ければ、商品配置が不適切であったり商品魅力が低い、商品価格が高い、などの要因が推定される。

(5)パターン判定部 42は、売場領域ごとに「フリーズ」とされた買い物カート 1台あたりの購入回数や購入額を算出する。購入回数や購入額が低ければ、需要が高いにもかかわらず商品配置が不適切であったり品切れなどによって商品販売の機を逸した可能性が推定される。

(6)パターン判定部 42は、売場領域ごとに「再フリーズ」とされた買い物カート 1台あたりの購入回数や購入額を算出する。購入回数や購入額が低ければ、商品配置が不適切であったり品切れなどの問題が生じていると推定される。

(7)パターン判定部 42は、「直行」であるにもかかわらず「アクティブ」で何も購入しないで退店した買い物カート数を算出する。この場合、品切れが生じていたと推定される。

(8)パターン判定部 42は、「直行」であって「フリーズ」をしたにもかかわらず何も購入せずに退店した買い物カート数を算出する。この場合、品揃えが不十分であつたと推定される。

(9)パターン判定部 42は、「順方向」に移動した上で何も購入せずに退店した買い物カート数を算出する。この場合、店全体における品揃えや商品の品質、商品配置などの問題が推定される。

(10)パターン判定部 42は、ある売場領域で一度「フリーズ」となった後、再度同じ売場領域に進入して「アクティブ」または「フリーズ」となったものの、商品購入がなかつた場合、その顧客は商品を戻したか、購入の踏ん切りが付かな力つたものと推定する。

次に、パターン判定部 42は、顧客の行動パターンや購買行動に基づき、顧客の属性や状態を推定する。具体的には、（1)曜日と時間帯 [平日、休日、 11時〜 17時、など]、（2)入店コース [順コース、逆コース、直行]、（3)精算有無 [あり、なし]、（4) 退店コース [順コース、逆コース]、（5)店舗滞在時間 [High、 Middle, Low] , (6) 平均速度またはフリーズ状態を除いた期間の平均速度 [High、 Middle, Low] , (7) カート停止頻度 [High、 Middle, Low] , (8)カート停止平均時間 [High、 Middle, Low] , (9)パッシング頻度、（10)アクティブ頻度 [High、 Middle, Low] , (11)フリーズ頻度 [High、 Middle, Low] , (12)再フリーズ確率 [High、 Middle, Low] , (1 3)再パッシング確率 [High、 Middle, Low] , (14)アクティブまたはフリーズとなった売場領域の組合せまたは順列に [食品、菓子、精肉、鮮魚、野菜、乳製品、乾物、調味料のうち少なくとも 6つが含まれるか]、（15)入店から退店までの動線距離合計、といった各項目について属性別にあら力じめ条件が属性パターンデータとして定義され、行動パターンデータ記憶部 44に格納される。パターン判定部 42は、属性パターンデータを参照して以下の通り顧客の属性を推定する。ここで、（2)入店コースと (4) 退店コースは、あらかじめ想定される入店のコースと退店のコースをその通りに迪った力否かが定められる。（12)再フリーズ確率は、（フリーズ回数) Z (フリーズとなった売場領域の数)で求まる。（13)再パッシング確率は、（パッシング回数) Z (パッシングとなった売場領域の数)で求まる。ここで「パッシング頻度」とは、時間あたりのパッシング回数であり、ノッシング頻度 X店内滞在時間 =パッシング回数である。

[0079] 例えば「休日に家族連れで買い物」という属性の場合、（1)として「休日、 11時〜 17 時」、（2)として「順コース」、（3)として「精算あり」、（4)として「順コース」、（5)として「 High」、 (6)として「Low、 Middle] , (7)として「High」、（10)として「High」、（11)として「High」、（12)として「Middle、 High」、（13)として「Middle、 High」、（14)として「アクティブであった売場に、食品、菓子、精肉、鮮魚、野菜、乳製品、乾物、調味料などのうち少なくとも 6領域が含まれる」、（15)として¾1₈11」、と定められる。顧客の行動パターンや購買行動が上記の条件に当てはまる場合、パターン判定部 42は顧客の属性を「休日に家族連れで買い物」であると推定する。なお、「High」「Middl ej「Low」とは、たとえば、顧客の分布を 3等分した場合に相当する。

[0080] (実施例 2)

本実施例においては、移動体である顧客と複数の無線 LAN基地局との間で、一方が無線電波を発信してから、他方からの返信電波を受信するまでの時間を測定し、各基地局で測定された時間の長さの差に基づいて測位する。この点、各基地局における電波強度の差を用いて移動体の位置を検出する実施例 1と異なる。以下、実施例 1との相違点を中心に説明し、共通点の説明を省略する。

[0081] 図 7は、実施例 2における顧客行動解析システムの構成を示す機能ブロック図である。顧客行動解析システム 10は時間値取得部 140を備える点で、強度取得部 24を備える実施例 1における顧客行動解析システム 10と異なる。まず、買い物カートに備えられた通信機の無線通信圏内にある複数の無線 LAN基地局、たとえば第 1ァクセスポイント 12、第 2アクセスポイント 14、第 3アクセスポイント 16が無線信号を発信して力その返信としての無線信号を通信機力も受信するまでの時間を計測し、その時間値を顧客行動解析システム 10へ送信する。本実施例で用いられる無線通信方式は UWB (Ultra Wide Band:超広帯域無線）であってもよい。時間値取得部 140 は、買い物カートとの送受信に要した時間の時間値を各基地局力取得する。位置認識部 26は、各基地局と買い物カートとの距離を時間値力も算出し、少なくとも三つの基地局力の距離をもとに買い物カートの位置を算出して位置情報を生成するとともに、位置を算出した時刻を示す時間情報を生成する。なお、位置検出方式は、 TO A (Time of Arrival)方式であってもよいし、 TDOA (Time Difference of Ar rival)方式であってもよヽ。位置情報および時間情報は位置情報記憶部 28に格納される。以上の方法によっても実施例 1と同様に買い物カートの位置情報と時間情報を検出でき、これをもとに実施例 1と同様の解析を実施することができる。なお、顧客の買い物カートに備えられた無線 LAN通信機の IDを検出することにより、どの買い物カートが使用されて、るかを検出してもよ、。

[0082] (実施例 3)

本実施例においては、顧客により所持される買い物カート、買い物かご、会員カード、携帯電話、携帯端末などに ICタグが埋め込まれ、その ICタグと無線通信できる無線通信装置として複数のリーダライタが用いられる。顧客の位置は、 ICタグがどのリ一ダライタと無線通信したかを示す情報によって検出される。たとえば店舗内において多数のリーダライタが設置され、それぞれが固有の通信エリアをもち、顧客が保持する ICタグがいずれのリーダライタの通信エリア内を通行しているかを検出することによって顧客の位置を判定する。この点、各基地局における電波強度の差を用いて移動体の位置を検出する実施例 1と異なる。以下、実施例 1との相違点を中心に説明し

、共通点の説明を省略する。

[0083] 図 8は、実施例 3における顧客行動解析システムの構成を示す機能ブロック図である。第 1リーダライタ 142、第 2リーダライタ 144、第 3リーダライタ 146は、それぞれの通信エリア内に ICタグを所持する顧客が通行した場合にその旨を示す受信情報を顧客行動解析システム 10へ送信する。受信情報取得部 148は、第 1リーダライタ 14 2、第 2リーダライタ 144、第 3リーダライタ 146から受信情報を取得する。位置認識部 26は、どのリーダライタ力も受信情報が取得されたかによって ICタグを所持する顧客の位置を示す位置情報を生成するとともに、そのタイミングを示す時間情報を生成し、位置情報記憶部 28へ格納する。以上の方法によっても実施例 1と同様に顧客の位置情報と時間情報を検出でき、これをもとに実施例 1と同様の解析を実施することができる。なお、顧客の買い物カートなどの所持品に埋め込まれた ICタグの IDを検出することにより、どの買い物カートなどが使用されて、るかを検出してもよ、。

[0084] (実施例 4)

本実施例における顧客行動解析システム 10は第 1カメラ 152、第 2カメラ 154、第 3 カメラ 156に接続されるとともに、受信情報取得部 148を備える。本実施例においては、対象となる空間に含まれる複数のエリアを複数のカメラで俯瞰などの所定の角度力連続的に撮影し、得られた複数の連続的な画像における色の変化力動く物体を検出し、その物体の位置を認識する。この点、各基地局における電波強度の差を用いて移動体の位置を検出する実施例 1と異なる。以下、実施例 1との相違点を中心に説明し、共通点の説明を省略する。

[0085] 図 9は、実施例 4における顧客行動解析システムの構成を示す機能ブロック図である。店舗内の各売場領域には、それぞれ少なくとも 1台のカメラが俯瞰などの所定の角度力撮影できるように設置される。第 1カメラ 152、第 2カメラ 154、第 3カメラ 156 は、それぞれ俯瞰力も撮影できるカメラの例である。第 1カメラ 152、第 2カメラ 154、第 3カメラ 156は、それぞれの撮影エリアである売場領域を俯瞰から連続的に撮影する。第 1カメラ 152、第 2カメラ 154、第 3カメラ 156が撮影した複数の連続的な画像は顧客行動解析システム 10へ随時送信される。画像取得部 150は、第 1カメラ 152、第 2カメラ 154、第 3カメラ 156から連続的な画像を取得する。位置認識部 26は、連続的な画像から動体を検出するとともに、その動体の位置を認識して位置情報を生成するとともに、その時刻を示す時間情報を生成してそれぞれを位置情報記憶部 28へ格納する。以上の方法によっても実施例 1と同様に顧客の位置情報と時間情報を検出でき、これをもとに実施例 1と同様の解析を実施することができる。

[0086] 図 10は、ある売場領域を俯瞰カゝら撮影した画像を例示する。本図の売場画像 180 を平面的に捉えてしまうと、移動体である顧客の画像は、カメラの直下にいるとき以外は斜めに写ってしまう。その結果、カメラ直下にいる顧客は頭と肩以外の部位が写らないのに対し、斜めに写る顧客は頭と肩だけでなく全身が写ってしまう。顧客の位置によって見え方がまったく異なるだけでなぐ足下より頭の方がカメラに近いために大きく写ってしまい、顧客の位置を正確に把握することが難しい。ここで、従来の位置検出技術によれば、まず移動体 182が内接するような四角形枠 183を売場画像 180上に設定し、その四角形枠 183の枠中心点 184を移動体 182の位置とみなす。しかし、図にも示されるとおり、移動体 182の実際の位置は本来その足下位置 186のはずであり、枠中心点 184は足下位置 186からずれた位置にある。

[0087] 図 11は、図 10における売場画像 180の撮影状況を側方から模式的に示す。カメラ 204が天井 200に設置され、そのカメラ 204が床面 202の方向を撮影する。床面 20 2の上を歩行する移動体 182は、画像中心点 188から端の方向へ移動しており、その姿をカメラ 204が撮影すると、図のとおり移動体 182の撮影角度は垂直ではなく斜めとなるので、床面 202を売場画像 180と仮定すると、移動体 182は領域 206へ斜めに投射されることとなる。したがって、移動体 182はその直上力も垂直に撮影するよりも幅が大きく写り、その幅の中心点は移動体 182の実際の位置よりも遠くの位置になってしまう。しかも、カメラ 204に近い部位ほど大きく写るので、移動体 182である顧客の頭の方が足下より大きく写ってしまう。

[0088] 図 12は、図 10の売場画像に円柱体モデルを適用した図である。本図の売場画像 180では、図 10の売場画像 180に写っていた移動体 182を円柱体 192に置き換えられている。以下、移動体の画像を円柱体オブジェクトに置き換えて移動体の位置を検出する位置認識部 26の処理を説明する。位置認識部 26は、画像中心点 188と四角形枠 183の枠中心点 184を結ぶ直線である円柱軸 194を設定し、その円柱軸 19 4を軸とする円柱体 192を設定する。円柱体 192の底面 196は、実世界における半径としてたとえば 50cmが設定される。円柱体 192は、距離によって見え方やサイズが変わるので、売場画像 180の中では 50cmに相当する長軸半径の楕円で底面 19 6が描かれるよう計算される。楕円の半径は任意の値が設定可能である。底面 196は、底面中心点 190が円柱軸 194上に置かれるとともに、その円周線が四角形枠 183 に当接するような位置に設定される。円柱体 192の上面 198は、その中心点が円柱軸 194上に置かれるとともに、その円周線が四角形枠 183に当接するような大きさの楕円で描かれる。図 11に示されるとおり、移動体 182は頭の方が足下よりも大きく写るので、図 12のように円柱体 192は上面 198の方が底面 196より大きくなる形で設定される。底面中心点 190は、移動体 182の足下位置とみなされる。これにより、移動体が斜めに撮影される場合であっても、位置認識部 26はより正確な位置情報を取得することができる。なお、本図では特に画像補正をせずに足下の位置を検出する処理を説明した力あら力じめ売場画像 180の収差や遠近による大きさの違いを補正して力も足下の位置を検出してもよい。その場合、特に底面 196が楕円から真円に変化するよう売場画像 180が補正されてもよい。なお、収差補正の方法は既知であるため、その説明を省略する。

位置認識部 26は、検出した移動体に対して IDを付与し、その IDと関連づけて位置情報および位置検出時間を認識する。位置認識部 26は、同じ売場領域の画像から同じ移動体を連続的に認識する限り、その移動体に対して同じ IDを付与しつづける。初期的に認識される位置情報は、図 10にいう四角形枠 183の枠中心点 184の位置座標であり、その座標は売場画像 180内における相対座標にすぎない。画像中心点 188と枠中心点 184を結ぶ直線を円柱軸 194として想定する。その円柱軸 194上で四角形枠 183に当接する半径 50cmに相当する底面 196を枠中心点 184より画像中心点 188側にもち、反対側にて四角形枠 183に当接する上面 198をもつ円柱体 1 92を設定する。このときの底面 196の底面中心点 190の相対座標を移動体の位置情報として検出する。

[0090] 位置認識部 26は、カメラごとにその画像内の移動体を検出する。同一の移動体であってもカメラごとに異なる IDが付与されるので、位置認識部 26は各カメラからの画像の配置関係に基づき、同一の移動体に関して IDの対応関係を判定する。これにより、位置認識部 26は各移動体の店舗内における動線を認識する。

[0091] ここで、隣接するカメラ同士で撮影範囲が一部重複する場合、その重複領域に進入した移動体が二つの画像へ同時に映し出される可能性がある。その場合、重複領域力も発生する IDの個数は 2の倍数となる。重複領域に映し出されたすべての IDをペアに分けてそのペアにおける移動体間の距離を算出し、各ペアの距離を合計する。次いで、ペアの組合せを変えて同じように各ペアの距離を合計する。そのようなぺァの組合せとして考えられるすべての組合せを想定した中で最も距離の合計が小さ V、組合せが最適な組合せとなり、各ペアの移動体を同一の移動体であると判定する

[0092] 図 13は、重複する撮影範囲において同一移動体を検出する手法を模式的に示す。第 1の画像 262と第 2の画像 264は、撮影範囲が一部重複するため、重複領域 26 0をそれぞれ有する。本図の例では、第 1の画像 262の重複領域 260以外の領域に一つの移動体が写っているのに対し、重複領域 260には 4つの移動体 252〜258力 S 写っている。重複領域 260は二つの画像の撮影範囲が重複する部分であるため、この領域に写る移動体の個数は 2の倍数となる。したがって、重複領域 260に写る第 2 移動体 252、第 3移動体 254、第 4移動体 256、第 5移動体 258は、実際には 2つの移動体がそれぞれ二重に写って 4つと認識されて、るにすぎな、。

[0093] ここで、位置認識部 26は、重複領域 260に写る移動体を複数のペアに分け、各ぺァに関してその距離の合計値を算出したときに最も小さな値となるペアの分け方を判定する。本図の例では、第 2移動体 252、第 3移動体 254、第 4移動体 256、第 5移動体 258の順でこれらの移動体がほぼ等間隔に並んでいる。したがって、ペアの分け方としては、第 2移動体 252と第 3移動体 254のペア、第 4移動体 256と第 5移動体 258のペアに分ければ、距離の合計値が最小となる。なお、同じ画像に写る移動体はそれぞれ別個の移動体であることがあら力じめ把握されているので、たとえば本図では第 2移動体 252と第 4移動体 256はペアとされず、第 3移動体 254と第 5移動体 258もペアとされない。

[0094] 補足の判定手法として、位置認識部 26が第 1移動体 250の位置力も第 2〜5移動体 252〜258の位置への速度、移動方向のいずれかと、第 1移動体 250の位置までの速度、移動方向のいずれかの差を算出し、複数のペアに関して差の合計値を算出したときに最も小さな合計値となるペアの分け方をさらに判定する。また、位置認識部 26は、移動体間の距離、移動体の速度、移動方向といった各パラメータのうちいくつかを任意に組合せた値の合計値を算出し、その合計値が最小となるようなペアの分け方を判定してもよい。

[0095] なお、上記の計算による移動体の比較は、撮影範囲が一部重複する画像同士で処理されることを前提に説明したが、位置認識部 26は上記計算および比較を撮影範囲が重複せずに隣接するカメラの画像同士で処理してもよい。その場合、位置認識部 26は、得られる移動体の動線力も移動体の移動方向を認識し、その移動方向に隣接する撮影範囲の画像同士で移動体の IDの対応関係を認識する。これにより、力メラ同士が多少離れていても移動体の対応関係を維持することができ、カメラの設置台数を減らしてコストを低く抑えることができる。また、複数の移動体の位置関係が画像間で入れ替わるような場合でも、速度や移動方向の違いによって対応する移動体を正確に認識することができる。

[0096] 図 14は、店舗内における各カメラの撮影範囲の例を模式的に示す。ここでは、 3箇所の撮影範囲を例示する。第 1撮影範囲 320と第 2撮影範囲 322は、図 13の第 1の画像 262と第 2の画像 264に対応する撮影範囲である。第 1撮影範囲 320と第 2撮影範囲 322は、互いに整列された位置関係をもち、それぞれの座標軸は平行である。一方、第 2撮影範囲 322と第 3撮影範囲 324は、それぞれの座標軸が平行ではなぐ第 3撮影範囲 324は第 2撮影範囲 322に対して斜めに傾いている。このように撮影範囲同士の座標軸が平行でなくとも、位置認識部 26が各撮影範囲の画像内の座標を店舗全体の空間座標である絶対座標へ変換することにより、各移動体の店舗内における位置を認識することができる。

[0097] (実施例 5) 本実施例における顧客行動解析システム 10は、第 1超音波取得装置 270、第 2超音波取得装置 272、第 3超音波取得装置 274に接続されるとともに、受信情報取得部 148を備える。第 1超音波取得装置 270、第 2超音波取得装置 272、第 3超音波取得装置 274は、対象となる空間に含まれる複数のエリアにおいて移動体力も送られる超音波を取得し、その超音波の受信角度によって移動体の位置を検出する。各移動体は、超音波の送信機を備えることが前提となる。たとえば、移動体は店舗内における顧客の買い物カートであり、その買い物カートが超音波送信機を備える。このように、本実施例における顧客行動解析システム 10は、各基地局における電波強度の差を用いて移動体の位置を検出する実施例 1の顧客行動解析システム 10と異なる。以下、実施例 1との相違点を中心に説明し、共通点の説明を省略する。

[0098] 図 15は、実施例 5における顧客行動解析システムの構成を示す機能ブロック図である。店舗内の複数の売場領域のそれぞれには、超音波取得装置が少なくとも 1台ずつ天井などの高所に設置される。本図の第 1超音波取得装置 270、第 2超音波取得装置 272、第 3超音波取得装置 274は、それぞれ天井に設置された超音波取得装置の例であり、売場領域からの超音波を連続的に受信する。第 1超音波取得装置 270、第 2超音波取得装置 272、第 3超音波取得装置 274は、受信した超音波の受信角度を受信情報取得部 148へ送信する。位置認識部 26は、超音波の受信角度から移動体を検出するとともに、その移動体の位置を認識して位置情報を生成するとともに、その時刻を示す時間情報を生成してそれぞれを位置情報記憶部 28へ格納する。超音波の受信角度を検出する方法や受信角度に基づ、て移動体の位置を検出する方法は既知であるため説明を省略する。

[0099] (実施例 6)

本実施例においては、移動体である顧客の買い物カートに地磁気センサと加速度センサが搭載されており、店舗の入口近辺力の動線を地磁気センサおよび加速度センサの追跡により認識することができる。地磁気センサによる進行方向の検出結果である方角情報と、加速度センサによる加速度の検出結果である加速度情報が、買い物カートに搭載された無線通信機により顧客行動解析システム 10へ送信される。顧客行動解析システム 10は、買い物カートから受信した方角情報および加速度情報に基づき、店舗の入口力ゝら迪つた顧客の動線を認識する。顧客行動解析システム 10 は、買い物カートから方角情報および加速度情報を常時受信する必要はなぐ買い物カートが精算領域へ到達したときに入口力精算領域までの動線を示すすべての方角情報および加速度情報をまとめて受信する。したがって、買い物カートから無線通信で情報を受信する基地局は、店舗内に少なくとも 1台あれば足りる。このように、本実施例における顧客行動解析システム 10は、移動体側のセンサでその位置に関する情報を検出するので、各基地局における電波強度の差を用いて移動体の位置を検出する実施例 1の顧客行動解析システム 10と異なる。以下、実施例 1との相違点を中心に説明し、共通点の説明を省略する。

[0100] 店舗内の複数箇所に補正ポイントを設けてもよい。各補正ポイントには、 ICタグが設置されている。位置認識部 26は、各 ICタグの通信圏内に移動体が到達したとき、その移動体のその時点における位置情報を、補正ポイントの位置を示す所定の値で書き換える。これにより、方角情報と加速度情報に基づく位置認識の基点が非定期的に補正されるので、誤差の少なヽ位置認識が実現される。

[0101] 図 16は、実施例 6における顧客行動解析システムの構成を示す機能ブロック図である。店舗内には、基地局が少なくとも 1台設置される。本図のアクセスポイント 280 は、店舗内に設置された基地局の例であり、売場領域または精算領域から方角情報および加速度情報を受信し、これらを受信情報取得部 148へ送信する。位置認識部 26は、方角情報および加速度情報に基づき、検出の開始ポイントである店舗入口の位置を基準とした移動体の動線を認識して位置情報を生成するとともに、その時刻を示す時間情報を生成してそれぞれを位置情報記憶部 28へ格納する。位置認識部 2 6は、受信情報取得部 148から受け取る方角情報と加速度情報を位置情報記憶部 2 8へさらに格納してもよい。速度取得部 32は、位置情報記憶部 28へ格納された加速度情報を積分して移動体の速度を算出してもよい。

[0102] (実施例 7)

本実施例においては、パターン判定部 42による行動パターンの具体的な判定方法を説明し、実施例 1〜6との共通の説明を省略する。

[0103] 図 17は、売場領域における滞在時間と顧客数の関係を示す。本図に示される売場領域における滞在時間と顧客数の関係は一例にすぎないが、概ね本図のような関係になるものと推測される。横軸はある売場領域における顧客の滞在時間を示し、縦軸は顧客数を示す。滞在顧客数 160は、ある売場領域の 1日における滞在時間ごとの顧客数を示し、購入顧客数 162は、滞在時間ごとの顧客数のうちその売場領域で実際に商品を購入した顧客数を示す。図示する通り、全体の顧客数としては滞在時間が比較的短い顧客ほど多ぐ滞在時間が長い顧客ほど少ない。商品を購入した顧客数としては滞在時間が比較的短い顧客ほど少ないが、滞在時間が長くなるにつれて顧客数が増加し、さらに滞在時間が長くなると顧客数は減少に転ずる。

[0104] 第 1範囲 164の面積は、第 1の時間値 XX [秒]より滞在時間が短い顧客のうちその売場領域の商品を購入しなカゝつた顧客数の総和を示す。第 2範囲 166の面積は、第 1の時間値 XXより滞在時間が短い顧客のうちその売場領域の商品を購入した顧客数の総和を示す。第 3範囲 168の面積は、第 2の時間値 YY [秒]より滞在時間が長い顧客のうちその売場領域の商品を購入しな力つた顧客数の総和を示す。第 4範囲 170の面積は、第 2の時間値 YYより滞在時間が長い顧客のうちその売場領域の商品を購入した顧客数の総和を示す。

[0105] 第 1の時間値 XXは、第 1範囲 164と第 2範囲 166との面積比が所定の比になるような値である。すなわち、第 1の時間値 XXは、その値より滞在時間が短い顧客のうち商品購入がな力つた顧客と商品購入があった顧客の割合が所定の割合となるような値である。第 1範囲 164と第 2範囲 166の面積比は、たとえば 10 : 1であり、実験や検証に基づ!/、て最適な値に設定される。

[0106] 第 2の時間値 YYは、第 3範囲 168と第 4範囲 170との面積比が所定の比になるような値である。すなわち、第 2の時間値 YYは、その値より滞在時間が長い顧客のうち商品購入がな力つた顧客と商品購入があった顧客の割合が所定の割合となるような値である。第 3範囲 168と第 4範囲 170との面積比は、たとえば 1 : 1であり、実験ゃ検証に基づ、て最適な値に設定される。

[0107] (実施例 8)

本実施例における顧客行動解析システム 10は、基本的な構成として実施例 1〜6 における位置検出方法のいずれかを採用する点で他の実施例と共通するが、店舗などの施設において顧客以外に従業員の行動を解析する点で他の実施例と異なる

。たとえば実施例 1〜3の位置検出方法を採用する場合、各従業員は無線通信機または ICタグを携帯し、顧客行動解析システム 10側の基地局またはリーダライタとの通信により、その位置が認識される。実施例 4の位置検出方法を採用する場合、従業員の位置はカメラで撮影された画像を通じて認識される。実施例 5の位置検出方法を採用する場合、従業員の位置は超音波の送受信を通じて認識される。実施例 6の位置検出方法を採用する場合、従業員の位置は地磁気センサおよび加速度センサの検出結果を通じて認識される。なお、従業員を識別するためには、特に実施例 1〜3 、 5、 6の位置検出方法を採用するのが好適である。以下、実施例 1〜6との相違点を中心に説明し、共通点の説明を省略する。

[0108] 本実施例においては、ノターン判定部 42が経路情報に基づき、以下のパラメータの値を算出して画面に表示させることができる。たとえば、パターン判定部 42は、従業員ごとに、入店時間、退店時間、入店力退店までの動線距離、入店から退店までの停止回数、入店力も退店までの停止時間を算出する。ノターン判定部 42は、従業員ごとに、売場領域別の滞在時間、停止回数、停止時間を算出することもできる。これらのパラメータの値は、管理者の操作を通じて画面に表示される。

[0109] パターン判定部 42は、従業員と顧客の間における位置、距離、速度、向きなどの関係から、従業員の状態を「待ち」「売場外」「顧客からアプローチ」「従業員からァプローチ」「商談」「精算」「売場領域外へ移動」のいずれであるかを判定する。ノターン判定部 42は、判定した状態の時間を、従業員ごと、月ごと、曜日ごと、日ごと、時間帯ごとに算出する。「待ち」は、担当する売場領域に留まっている状態をいう。「売場外」は、担当する売場領域力外に出ている状態のうち、「顧客力アプローチ」「従業員からアプローチ」「商談」「精算」を除いた状態をいう。「顧客力もアプローチ」は、「待ち」または「売場外」の従業員に対してたとえば 60cm以内といった所定の接近距離へ顧客が近づき、その距離が所定時間継続する状態をいう。「従業員からアプローチ」は、「待ち」または「売場外」の従業員が顧客から 60cm以内といった所定の接近距離まで近づき、その接近距離が所定時間継続する状態をいう。パターン判定部 42は、顧客と従業員のどちらが近づいたかを、両者の動きベクトルに基づく算出値を比較すること〖こより判定してもよい。たとえば、従業員のベクトルを Vとし、顧客のベクトルを V

a b とする。従業員の位置と顧客の位置を結ぶ直線を想定し、その直線とベクトル Vとが

a なす角を 0 とし、直線とベクトル Vとがなす角を 0 とする。 V cos 0 が V cos 0 より

a b b a a b b 大きければ従業員が顧客に近づいたと判定し、 V cos 0 tV cos Θ が等しい場合も

a a b b

従業員が顧客に近づいたと判定し、 V cos 0 が V _cos e より小さければ顧客が従業

a a b b

員に近づいたと判定する。なお、 V cos Θ と V cos Θ は、それぞれ互いに近づく方

a a b b

向の値を正の値とする。パターン判定部 42は、従業員と顧客の接近が所定時間経過してもなお継続する場合は「商談」の状態へ移行したと判定し、継続しなヽ場合は「待ち」または「売場外」の状態へ移行したと判定する。「商談」の状態へ移行した後、その従業員および顧客のうち少なくともいずれかが精算領域へ移動し、そのときに精算がなされたことが POSデータ力も認識された場合、その時点で「商談」が終了して「精算」の状態と判定される。また、パターン判定部 42は「商談」の状態にあった従業員と顧客が所定距離以上まで離れ、その状態が所定時間経過した場合は「商談」が終了したと判定し、「待ち」または「売場外」の状態へ移行したと判定する。したがって、「商談」の状態にある従業員は、その次に「精算」「待ち」「売場外」の状態にし力移行しない。パターン判定部 42は、「精算」の状態の後、顧客と従業員の距離が所定距離以上まで離れ、その状態が所定時間継続すれば「精算」が終了したと判定する。ノターン判定部 42は、従業員ごとに、「待ち」「顧客からアプローチ」「従業員からァブローチ」「商談」「精算」といった従業員の行動状態に関して、それぞれの回数、最短時間、最長時間、平均時間、全勤務時間における各状態の時間割合を算出する。パターン判定部 42は、従業員ごとに商談回数に対する成約確率を算出する。商談回数は従業員の経路情報や、従業員と顧客の間における位置、距離、速度、向きなどの関係から認識し、成約数は従業員または顧客の経路情報と商談相手の顧客の P OSデータ力も認識する。ノターン判定部 42は、顧客ごとの各売場領域での滞在時間を、（1)従業員が不在のとき、（2)従業員が全員接客中のとき、（3)接客中でない従業員が一人以上存在するとき、の 3パターンで分けてそれぞれ計算する。（1)〜（3 )のそれぞれをその売場領域を通行したアクティブまたはフリーズの顧客で合計する。ノターン判定部 42は、売場領域ごとに、その売場領域における滞在時間のすべて力または（2)に該当した顧客の数およびその滞在時間の合計値を、従業員が売場領域で応対できな力つた数および時間として算出する。この値は、販売機会損失を表す一つの指標として用いられる。これにより、売場領域において従業員がいつまで経っても不在または接客中であるといった状況を把握することができる。

[0111] 顧客行動解析システム 10は店舗全体の管理にも応用できる。ノターン判定部 42 は、たとえば入場者数、入店から退店までの平均滞在時間、売上、平均速度またはフリーズを除いた平均速度、平均動線距離、平均停止回数、パッシング比率、ァクテイブ比率、フリーズ比率、精算領域の顧客密度、精算領域の最長待ち時間、精算領域の平均待ち時間、アクティブでの購入確率と平均購入金額、パッシングでの購入確率と平均購入金額、フリーズでの購入確率と平均購入金額、などのパラメータを店舗ごとに算出することもできる。単位面積あたりの顧客数と従業員数の比率の最小値、平均値、最大値などのパラメータを店舗ごとに算出してもよい。

[0112] 図 18は、従業員の行動状態ごとの時間の長さを一覧表示する画面例を示す。画面 400には、「待ち」「売場外」「顧客からアプローチ」「従業員からアプローチ」「商談」「精算」「売場領域外へ移動」といった従業員の行動状態ごとに、それぞれの状態に該当した時間の長さが棒グラフの長さによって示される。出力処理部 48は、これら各状態の時間長さを、たとえば従業員ごとに表示することもできる。

[0113] 本図の表示内容の他にも、出力処理部 48は、従業員が各売場領域に滞在した時間を、月ごと、週ごと、曜日ごと、日ごと、時間帯ごとに表示部 56へ表示させる。出力処理部 48は、管理者の操作に基づき、たとえば売場領域ごとの滞在時間を横軸にとり、売場領域の種類を縦軸にとった表を表示部 56へ表示する。

[0114] 以上、本発明を実施例をもとに説明した。この実施例は例示であり、その各構成要素や各処理プロセスの糸且合せに、ろ、ろな変形例が可能なこと、またそうした変形例も本発明の範囲にあることは当業者に理解されるところである。以下、変形例を挙げる。

[0115] 実施例においては、「移動体」として顧客が使用する買い物カートを主に例示した。

変形例における「移動体」は、顧客が使用する買い物かごであってもよいし、顧客や従業員が所持する携帯電話や携帯端末などの通信機器であってもよ、し、 ICカードや ICチップ付きチケットなどの通信機能付き媒体であってもよ、。 ICカードや ICチップといった ICタグの場合、電源を内蔵するアクティブ ICタグであってもよいし、電源を外部から供給されるノッシブ ICタグであってもよい。

[0116] 実施例においては、店舗内の空間における移動体である顧客や従業員の行動を解析するためにその位置と速度を算出するシステムを例示した。変形例にぉ、ては、商店街、遊園地、テーマパーク、動物園といった娯楽施設内の空間を移動する来場者の行動を解析するシステムとして構成してもよい。さらには、野球場、サッカー場、ラグビー場などの運動施設において選手の動きを解析するシステムとして構成してもよい。

[0117] 実施例 3においては、顧客により所持される買い物カート、買い物かご、会員カード、携帯電話、携帯端末などに ICタグが埋め込まれ、店舗内に多数のリーダライタが設置され、これらが通信する構成を説明した。変形例においては、顧客により所持される買い物カート、買い物かご、携帯電話などにリーダライタが内蔵され、店舗内に多数の ICタグが設置され、これらが互いに通信することにより顧客の位置を検出する構成であってもよい。

[0118] 実施例 4で説明したカメラによる撮像は、 CCDセンサや CMOSセンサを用いた撮像の他、超音波、マイクロ波、赤外線、電磁波などのセンサを利用した特殊撮影であつてもよい。実施例 5では、超音波の送信機と受信機の間の通信における電波の角度で位置を検出する手法を説明したが、移動体と受信機の間で超音波の送受信に力かる時間に応じて移動体の位置を検出する構成であってもよい。

産業上の利用可能性

[0119] 本発明によれば、空間内における移動体の行動を解析することによって有用な情報を提供することができる。

Claims

請求の範囲

[1] 所定の実空間内にお、て時間経過とともに変化する移動体の位置を示す位置情報とその測位タイミングを示す時間情報を取得する位置取得部と、

前記実空間を仮想空間上の位置で表した空間情報を取得する空間取得部と、前記位置情報、前記時間情報、および前記空間情報に基づき、前記実空間における前記移動体の移動経路を前記仮想空間上の位置で示した経路情報を生成する経路取得部と、

前記位置情報および前記時間情報に基づき、前記移動体の移動速度を示した速度情報を生成する速度取得部と、

移動体の移動経路と移動速度の関係に基づく行動の類型として異なる行動パターンがそれぞれ定義された複数の行動パターンデータを記憶するパターン記憶部と、前記経路情報、前記速度情報、および前記複数の行動パターンデータに基づき、前記移動体の行動が前記行動パターンの類型のいずれに一致するかを判定するパターン判定部と、

前記判定の結果を出力する出力処理部と、

を備えることを特徴とする行動解析装置。

[2] 前記空間取得部は、前記実空間に含まれる複数の領域の配置を前記仮想空間上で特定するためのそれぞれの座標を前記空間情報として取得し、

前記経路取得部は、前記実空間における前記移動体の移動経路を前記仮想空間上の位置で示した経路情報を、前記移動体が前記複数の領域のうち、ずれを通行したかに関する情報とともに生成し、

前記速度取得部は、前記速度情報として、前記複数の領域のすべてにおける前記移動体の平均速度、前記複数の領域のそれぞれにおける前記移動体の平均速度、および前記移動体の瞬間速度のうち少なくともいずれかを示した情報を生成し、前記パターン判定部は、前記移動体が前記複数の領域のうち、ずれを通行したかに関する情報を含んだ前記経路情報と前記速度情報および複数の行動パターンデータとに基づいて前記行動パターンの一致を判定することを特徴とする請求項 1に記載の行動解析装置。 [3] 前記位置取得部は、前記実空間として所定の店舗内の空間における前記移動体の位置を示す位置情報とその時間情報を取得し、

前記空間取得部は、前記店舗に含まれる複数の売場の配置を前記仮想空間上で特定するためのそれぞれの座標を前記空間情報として取得し、

前記経路取得部は、前記店舗内の空間における前記移動体の移動経路を前記仮想空間上の位置で示した経路情報を、前記移動体が前記複数の売場のうち!、ずれを通行したかに関する情報とともに生成し、

前記速度取得部は、前記速度情報として、前記複数の売場領域のすべてにおける前記移動体の平均速度、前記複数の売場領域のそれぞれにおける前記移動体の平均速度、および前記移動体の瞬間速度のうち少なくともいずれかを示した情報を生成し、

前記パターン判定部は、前記移動体が前記複数の売場のうち、ずれを通行したかに関する情報を含んだ前記経路情報と前記速度情報および複数の行動パターンデータとに基づいて前記行動パターンの一致を判定することを特徴とする請求項 1または 2に記載の行動解析装置。

[4] 前記移動体によって所持された通信機が送信または受信する無線波の強度を示す強度情報を前記実空間においてそれぞれ異なる位置に設置された複数の無線通信装置のうち少なくともいずれかを介して取得する強度取得部と、

前記強度情報に基づいて前記移動体の位置を示す前記位置情報および時間情報を生成する位置認識部と、

をさらに備えることを特徴とする請求項 1から 3のいずれかに記載の行動解析装置。

[5] 前記実空間においてそれぞれ異なる位置に設置された複数の無線通信装置のうち少なくともいずれかと前記移動体によって所持された無線通信媒体の間において、一方が無線電波を発信して力その無線電波を受信した他方による返信としての無線電波を前記一方が受信するまでの時間の長さに基づいて前記移動体の位置を示す前記位置情報および時間情報を生成する位置認識部をさらに備えることを特徴とする請求項 1から 3のいずれかに記載の行動解析装置。

[6] 前記移動体によって所持された ICタグまたは無線通信装置が、前記実空間においてそれぞれ異なる位置に設置された複数の無線通信装置または複数の ICタグのうち V

、て前記移動体の位置を示す前記位置情報および時間情報を生成する位置認識部をさらに備えることを特徴とする請求項 1から 3のいずれかに記載の行動解析装置。

[7] 前記実空間において所定の角度から撮像された画像を取得する画像取得部と、前記画像取得部により取得された複数の画像間において動きのある物体を前記移動体として特定し、前記画像内の空間における前記物体の位置を認識することにより前記移動体の位置情報および前記時間情報を生成する位置認識部と、

[8] 前記位置認識部は、前記移動体を円柱体で置き換えた状態として、前記移動体の位置にその移動体が内接する円柱体オブジェクトがその底面を地面に当接させる形で存在すると仮定し、前記底面の中心座標およびその座標取得時間を前記移動体の位置情報および時間情報に設定することを特徴とする請求項 7に記載の行動解析装置。

[9] 前記位置認識部は、隣り合う撮影範囲に対応して同一または前後するタイミングで撮影された複数の画像のそれぞれに一つ以上の移動体が認識される場合に、それら複数の画像力認識される複数の移動体の位置座標に基づいて定まる距離、速度差、方向差のうち少なくともいずれかを組合せ、その組合せの結果に応じてどの移動体同士が同一の移動体であるかを判定することを特徴とする請求項 7または 8に記載の行動解析装置。

[10] 前記移動体の位置からの超音波を受信する超音波取得装置と、

前記移動体の位置から受信する超音波に基づいて前記移動体の位置情報と前記時間情報を生成する位置認識部と、

[11] 地磁気センサにより検出される前記移動体の移動の方角を示す方角情報と加速度センサが検出する前記移動体の移動の加速度を示す加速度情報とを無線通信により受信する受信装置と、

前記方角情報と前記加速度情報に基づき、前記地磁気センサおよび前記加速度センサによる検出の開始ポイントの位置を基準とした前記移動体の位置情報と前記時間情報を生成する位置認識部と、

[12] 前記パターン判定部は、前記移動体である顧客の購買内容を示すデータを取得するとともに、その購買内容を示すデータおよび前記一致する行動パターンの類型に基づ!/、て購買良否の要因を推定することを特徴とする請求項 3から 11の、ずれかに記載の行動解析装置。

[13] 前記パターン判定部は、前記顧客が商品購入のために滞在した精算領域の位置と前記商品購入の日時を前記経路情報に基づいて判定し、前記精算領域の位置および前記商品購入の日時に対応する前記購買内容を示すデータを取得し、前記取得したデータと前記経路情報とを対応付けることを特徴とする請求項 12に記載の行動解析装置。

[14] 前記パターン判定部は、前記経路情報、前記速度情報、および前記一致する行動パターンの類型と、顧客の属性ごとに前記経路情報、前記速度情報、および前記行動パターンの類型の条件が定義された属性パターンデータと、に基づ、て前記移動体である顧客の属性を推定することを特徴とする請求項 3から 13のいずれかに記載の行動解析装置。

[15] 前記パターン判定部は、前記移動体である顧客の属性を取得し、前記判定された行動パターンを前記属性と対応付けた前記属性パターンデータとして前記パターン記憶部にあら力じめ格納しておき、前記パターン記憶部に格納された前記属性バターンデータを参照することにより、属性が判明していない顧客の属性を推定することを特徴とする請求項 14に記載の行動解析装置。

[16] 前記パターン記憶部に記憶される複数の行動パターンデータには、前記移動体である顧客の購買行動の類型として、売場領域を素通りした場合を示す第 1パターン、売場領域内に比較的短時間停留した上で商品購入または購入検討した場合を示す第 2パターン、一つの売場領域で長時間滞留した場合を示す第 3パターン、のそれぞれについて売場領域ごとに滞在時間、停止有無、および加減速度のうち少なくともいずれかに関する基準があら力じめ定められており、前記パターン判定部は、判定対象の売場領域における前記移動体である顧客の行動が、前記第 1パターン、前記第 2パターン、および前記第 3パターンのうちいずれに一致するかを判定することを特徴とする請求項 3から 15のいずれかに記載の行動解析装置。

[17] 前記パターン判定部は、判定対象の売場領域における前記移動体である顧客の行動が前記第 1パターン、前記第 2パターン、および前記第 3パターンのうちいずれに一致するかの判定結果を前記判定対象の売場領域と対応させて所定の記憶領域に格納することを特徴とする請求項 16に記載の行動解析装置。

[18] 前記パターン判定部は、前記移動体である顧客の行動が前記第 1パターンに一致した売場領域の組合せまたは順列、前記第 2パターンに一致した売場領域の組合せまたは順列、前記第 3パターンに一致した売場領域の組合せまたは順列、のうち少なくともいずれかを所定の記憶領域に格納することを特徴とする請求項 16に記載の行動解析装置。

[19] 前記パターン判定部は、

複数の売場領域のそれぞれについて前記移動体が進入するたびにその進入から退出までの滞在時間を算出し、

前記経路情報および前記購買内容を示すデータに基づいて商品の購入があった移動体および購入された商品の売場領域を特定するとともにその売場領域における前記移動体の滞在時間を商品購入時の滞在時間として特定し、

複数の売場領域のそれぞれについて前記商品購入時の滞在時間のうち日ごとまたは時間帯ごとの実質的な最短時間と最長時間を特定し、

売場領域ごとに複数の日または複数の時間帯にわたる前記実質的な最短時間を平均化した平均最短時間を算出してこれを前記第 1パターンと前記第 2パターンを区別するための第 1のしきい値として売場領域と対応させる形で前記パターン記憶部に格納し、

売場領域ごとに複数の日または複数の時間帯にわたる前記実質的な最長時間を平均化した平均最長時間を算出してこれを前記第 2パターンと前記第 3パターンを区別するための第 2のしきい値として前記パターン記憶部に格納し、行動パターンの判定対象となる移動体についてある売場領域における滞在時間がその売場領域に対応付けられた前記第 1のしきい値を下回った場合はその売場領域に関して前記移動体の行動パターンは第 1パターンに一致すると判定し、行動パターンの判定対象となる移動体についてある売場領域における滞在時間がその売場領域に対応付けられた前記第 1のしきい値以上であって前記第 2のしきい値を下回った場合はその売場領域に関して前記移動体の行動パターンは第 2バターンに一致すると判定し、

行動パターンの判定対象となる移動体についてある売場領域における滞在時間がその売場領域に対応付けられた前記第 2のしきい値以上であった場合はその売場領域に関して前記移動体の行動パターンは第 3パターンに一致すると判定することを特徴とする請求項 16から 18のいずれかに記載の行動解析装置。

前記パターン判定部は、

売場領域ごとにその領域における滞在時間と滞在した顧客数の関係を表したとき、第 1の時間値より滞在時間が短い顧客のうち前記売場領域での商品購入があった顧客の総和と前記売場領域での商品購入がな力つた顧客の総和との割合が所定の割合となるような時間値を前記第 1の時間値として日ごとまたは時間帯ごとに特定し、売場領域ごとに複数の日または複数の時間帯にわたる前記第 1の時間値の平均値を算出してこれを前記第 1パターンと前記第 2パターンを区別するための第 1のしきい値として前記パターン記憶部に格納し、

売場領域ごとにその領域における滞在時間と滞在した顧客数の関係を表したとき、第 2の時間値より滞在時間が長い顧客のうち前記売場領域での商品購入があった顧客の総和と前記売場領域での商品購入がな力つた顧客の総和との割合が所定の割合となるような時間値を前記第 2の時間値として日ごとまたは時間帯ごとに特定し、売場領域ごとに複数の日または複数の時間帯にわたる前記第 2の時間値の平均値を算出してこれを前記第 2パターンと前記第 3パターンを区別するための第 2のしきい値として前記パターン記憶部に格納し、

行動パターンの判定対象となる移動体についてある売場領域における滞在時間がその売場領域に対応付けられた前記第 1のしきい値を下回った場合はその売場領域に関して前記移動体の行動パターンは第 1パターンに一致すると判定し、行動パターンの判定対象となる移動体についてある売場領域における滞在時間がその売場領域に対応付けられた前記第 1のしきい値以上であって前記第 2のしきい値を下回った場合はその売場領域に関して前記移動体の行動パターンは第 2バターンに一致すると判定し、

[21] 前記パターン判定部は、

前記移動体である顧客を前記店舗内の空間全体における入店力退店までの動線距離、入店時間、滞在時間、平均速度、停止回数合計のうち少なくともいずれカゝの態様に応じて複数のセグメントに分類し、前記セグメントごとに前記第 1のしきい値および第 2のしきい値を算出して前記パターン記憶部に格納し、

行動パターンの判定対象となる移動体については、前記複数のセグメントのいずれに該当する力を前記店舗内の空間全体における入店力退店までの動線距離、入店時間、滞在時間、平均速度、停止回数合計のうち少なくともいずれかの態様に基づいて判定した後、該当するセグメントに対応する前記第 1のしきい値および第 2のしきい値に基づいて前記第 1のパターン、第 2のパターン、および第 3のパターンのいずれに一致するかを判定することを特徴とする請求項 19または 20に記載の行動解析装置。

[22] 前記パターン判定部は、前記移動体である顧客の行動が前記第 1パターンに一致した場合は前記顧客がその売場に興味がな力つたと位置づけ、前記第 2パターンおよび第 3パターンに一致した場合は前記顧客がその売場に興味があつたと位置づけることにより顧客を分類し、それぞれにおける商品購入の割合を算出し、その売場への興味の有無と商品購入の割合の関係性に応じて、商品の品質、商品の価格、商品の広告、商品の配置、商品販売促進の方法、および潜在的な需要のうち少なくともいずれかを含む商品購入有無の要因を推定することを特徴とする請求項 16から 2 1のいずれかに記載の行動解析装置。

[23] 前記パターン判定部は、前記移動体である顧客による購買良否の要因として、前記売場領域ごとに前記第 1のパターン、第 2のパターン、および第 3のパターンのうちいずれかの回数に対する商品の購入回数または購入額、または、前記第 1のパターン、第 2のパターン、および第 3のノターンの回数を算出することを特徴とする請求項 16から 22の、ずれかに記載の行動解析装置。

[24] 前記パターン判定部は、第 1パターンまたは第 3パターンの回数、第 1パターンまたは第 3パターンの割合、第 1パターンまたは第 3パターンの時間、入店から退店までの動線距離、入店時間、滞在時間、平均速度または前記第 3パターンを除いた平均速度、停止回数合計、前記第 1パターンに一致すると判定された売場領域の組合せまたは順列、前記第 2パターンに一致すると判定された売場領域の組合せまたは順列、前記第 3パターンに一致すると判定された売場領域の組合せまたは順列のうち少なくともいずれ力の態様が所定の異常態様に該当する移動体を不審者であると判定することを特徴とする請求項 16に記載の行動解析装置。

[25] 販売する商品に関して顧客に提供可能な情報をその商品の売場および前記行動パターンの類型と対応させて記憶する商品情報記憶部と、

前記一致する行動パターンの類型に応じて前記移動体である顧客に提供可能な情報を前記顧客が保持する通信機、顧客側の端末、店側の端末、および店側のダイレクトメールシステムのうち少なくともいずれかへ送信する情報配信部と、をさらに備えることを特徴とする請求項 3から 24のいずれかに記載の行動解析装置

[26] 前記情報配信部は、入店から退店までの動線距離、入店時間、滞在時間、平均速度または前記第 3パターンを除いた平均速度、停止回数合計、前記第 1パターンに一致すると判定された売場領域の組合せまたは順列、前記第 2パターンに一致すると判定された売場領域の組合せまたは順列、前記第 3パターンに一致すると判定された売場領域の組合せまたは順列、顧客の識別情報、および購買履歴のうち少なくともいずれかの態様が所定の基準に該当する顧客に関し、その顧客が保持する通信機、その顧客側の端末、その顧客に対応する店側の端末、および店側のダイレクトメールシステムのうち少なくともいずれかへ前記提供可能な情報を送信することを特徴とする請求項 25に記載の行動解析装置。

[27] 前記情報配信部は、前記移動体である顧客の行動が前記第 2パターンおよび前記第 3パターンのいずれかに一致したにもかかわらずその顧客がその売場の商品を購入しなかったと前記パターン判定部が判定した場合、その売場の商品に関する販売促進のための情報を送信することを特徴とする請求項 25または 26に記載の行動解析装置。

[28] 前記情報配信部は、前記移動体である顧客の経路情報、前記速度情報、および前記行動パターンの類型を参照し、その顧客が通行して、な、売場領域または前記第 1パターンに一致した売場領域の商品に関する販売促進のための情報を送信することを特徴とする請求項 25または 26に記載の行動解析装置。

[29] 前記パターン記憶部に記憶される複数の行動パターンデータには、前記移動体である従業員の行動の類型について位置、顧客との距離、顧客との相対速度、状態の継続時間のうち少なくともいずれかに関する基準があら力じめ定められており、前記パターン判定部は、前記移動体である従業員の行動が、その位置、顧客との距離、顧客との相対速度、状態の継続時間に応じて、前記複数の行動パターンデータのうち、ヽずれに一致するかを判定することを特徴とする請求項 3から 28のヽずれかに記載の行動解析装置。

[30] 前記パターン記憶部に記憶される複数の行動パターンデータには、前記移動体である従業員の行動の類型として、顧客を待っている状態、売場の外にいる状態、顧客が近づいてきた状態、顧客へ近づいた状態、商談をしている状態、精算をしている状態、売場領域の外へ移動する状態、のうち少なくともいずれかの類型について前記基準が定められており、

前記パターン判定部は、前記移動体である従業員の行動が、顧客を待っている状態、売場の外にいる状態、顧客が近づいてきた状態、顧客へ近づいた状態、商談をしている状態、精算をしている状態、売場領域の外へ移動する状態、のうちいずれの類型に一致するかを判定することを特徴とする請求項 29に記載の行動解析装置。

[31] 前記パターン判定部は、前記移動体である従業員の行動が、顧客を待っている状態、売場の外にいる状態、顧客が近づいてきた状態、顧客へ近づいた状態、商談をしている状態、精算をしている状態、売場領域の外へ移動する状態、のうち少なくともいずれかの類型について、その類型に該当する時間の合計を従業員ごとに算出することを特徴とする請求項 30に記載の行動解析装置。

[32] 前記パターン判定部は、各売場領域において前記第 2パターンおよび第 3パターンに該当した顧客の滞在時間を、その売場領域に従業員が不在であった場合、その売場領域の従業員が全員接客中であった場合、その売場領域に接客中でない従業員が一人以上存在した場合、の各場合で分け、それぞれの場合ごとに合計した時間およびそれぞれの場合の割合を算出することを特徴とする請求項 29から 31のいずれかに記載の行動解析装置。

[33] 前記パターン判定部は、各売場領域において前記第 2パターンおよび第 3パターンに該当した顧客の滞在時間を、その売場領域に従業員が不在であった場合、その売場領域の従業員が全員接客中であった場合、その売場領域に接客中でない従業員が一人以上存在した場合、の各場合で分け、前記売場領域ごとに、その売場領域における滞在時間のすべてが前記従業員が不在であった場合または前記従業員が全員接客中であった場合に該当した顧客の数とその合計滞在時間を、従業員がその売場領域で応対できずに販売機会を逸した数および時間として算出することを特徴とする請求項 29から 31のいずれかに記載の行動解析装置。

[34] 所定の実空間内にお、て時間経過とともに変化する移動体の位置を示す位置情報とその測位タイミングを示す時間情報を記憶部力読み出す機能と、

前記実空間を仮想空間上の位置で表した空間情報を記憶部から読み出す機能と前記位置情報、前記時間情報、および前記空間情報に基づき、前記実空間における前記移動体の移動経路を前記仮想空間上の位置で示した経路情報を生成する機能と、

前記位置情報および前記時間情報に基づき、前記移動体の移動速度を示した速度情報を生成する機能と、

移動体の移動経路と移動速度の関係に基づく行動の類型として異なる行動パターンがそれぞれ定義された複数の行動パターンデータを記憶する機能と、

前記経路情報、前記速度情報、および前記複数の行動パターンデータに基づき、前記移動体の行動が前記行動パターンの類型のいずれに一致するかを判定する機能と、

前記判定の結果を出力する機能と、

をコンピュータに発揮させることを特徴とするコンピュータプログラム。