WO2018061249A1 - マーケティング支援システム - Google Patents

マーケティング支援システム Download PDF

Info

Publication number
WO2018061249A1
WO2018061249A1 PCT/JP2017/010294 JP2017010294W WO2018061249A1 WO 2018061249 A1 WO2018061249 A1 WO 2018061249A1 JP 2017010294 W JP2017010294 W JP 2017010294W WO 2018061249 A1 WO2018061249 A1 WO 2018061249A1
Authority
WO
WIPO (PCT)
Prior art keywords
composite variable
measure
variable
restriction
purchase data
Prior art date
Application number
PCT/JP2017/010294
Other languages
English (en)
French (fr)
Inventor
敏子 相薗
文鵬 魏
拓矢 茂川
徳永　和朗
難波　康晴
Original Assignee
株式会社日立製作所
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 株式会社日立製作所 filed Critical 株式会社日立製作所
Priority to US16/081,155 priority Critical patent/US10909558B2/en
Publication of WO2018061249A1 publication Critical patent/WO2018061249A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/045—Explanation of inference; Explainable artificial intelligence [XAI]; Interpretable artificial intelligence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data

Definitions

  • the present invention relates to a marketing support system.
  • Patent Document 1 can automatically generate a large number of explanatory variables that contribute to the improvement of KPI as suggestions, and can support effective measure introduction activities.
  • the amount of suggestions to be output is enormous, it is difficult for analysts to eliminate suggestions with low feasibility and select highly effective suggestions, which is difficult for the analyst.
  • a representative example of the means for solving the problems according to the present invention is a marketing support system that accepts purchase data and analyzes a correlation between the purchase data to output a suggestion extraction that outputs a composite variable. And the composite variable and the restriction table are received, and based on the restriction condition defined in the restriction table, the restriction filtering part that excludes the composite variable, and the past result of the measure defined in the past, the composite variable And a performance filtering unit that estimates a prediction effect when a measure based on the above is performed and selects the plurality of explanatory variables.
  • the present invention can reduce the burden on the analyst.
  • FIG. 1 shows the overall configuration of the first embodiment of the present invention.
  • the first embodiment of the present invention includes a suggestion extraction unit 1, a restriction filtering unit 2, a results filtering unit 3, a proposed measure construction / implementation measure selection unit 4, and a measure effect as a processing unit.
  • the calculation unit 5 includes purchase data 6 and a knowledge base 7 as data.
  • FIG. 2 shows an example of the purchase data 6.
  • the purchase data 6 is composed of records holding a customer ID, a product ID, a date and time, a quantity, an amount, and a receipt ID.
  • the knowledge base 7 includes a composite variable table 201, a restriction table 202, a performance table 203, a composite variable item table 201, a KPI item table 204, a measure variable table 205, a value type table 206, And the target person table 207.
  • the suggestion extraction unit 1 receives the purchase data 101, analyzes the correlation between the data, and outputs a composite variable 102 describing the target state.
  • the suggestion extraction unit 1 stores, from the purchase data 101, a composite variable 102 that holds the characteristics of excellent customers in the form of variable names and variable conditions, and the characteristics of each customer in the form of values of each variable.
  • the microtable 103 is extracted.
  • the restriction filtering unit 2 accepts the composite variable 102, the composite variable item table 201, and the restriction table 202. From the composite variable item table 201, each of the same restriction IDs defined by the restriction table 202 and the composite variable item table 201 is received. The records that satisfy all the restriction conditions are deleted, and the composite variable 301 that has undergone restriction filtering is output.
  • FIG. 6 An example of the processing of the restriction filtering unit 2 is shown in FIG. As shown in FIG. 6, the restriction filtering unit 2 reads a restriction whose ID defined by the restriction table 202 and the composite variable item table 201 is “7”, and the restriction condition “the beer purchase point” is “0” or more, and , The record whose ID is 12 that satisfies “age” of “20” or less is deleted from the composite variable 102.
  • the result filtering unit 3 receives the composite variable 301 that has been subjected to the restriction filter, the result table 203, the composite variable item table 201, the KPI item table 204, the measure variable table 205, and the value type table 206.
  • For each record of composite variable 301 that has been subjected to restriction filtering refer to all the results of measures previously defined in the result table 203 and estimate the measure results in the same state as defined by the composite variable as the expected effect. . If there is a track record, the average value of the actual measured KPI is set as the expected KPI of the corresponding composite variable.
  • the slope of the composite variable, the correlation coefficient, and the normalized average of the number of hits are scored. Sort compound variables with results in descending order of expected KPI and output as compound variable 401 with results. Sort the compound variables without results in descending order and output them as a compound variable 402 without results.
  • FIG. 7 An example of the process of the results filtering unit 3 is shown in FIG. As shown in FIG. 7, the result filtering unit 3 reads the result whose ID defined in the result table 203 is 1, and in that state, the “number of stores” is “0” to “2” and “meat”
  • the record with ID 8 satisfying from “7” to “34” and “Soft drink purchase score” from “13” to “28” is extracted from the composite variable 301 that has been filtered, and the ID “5”, which is the KPI value of the actual result of 1, is set as the predicted KPI, stored in the composite variable 401 with actual result, and sorted in the descending order of the predicted KPI.
  • the record with the ID of 9 remaining in the composite variable 301 that has been subjected to the restriction filter is calculated, stored in the composite variable 402 without results, and sorted in descending order.
  • the proposed measure construction / implementation measure selection unit 4 includes a composite variable 401 with a result, a composite variable 402 without a result, a result table 203, a composite variable item table 201, a KPI item table 204, a measure variable table 205, The value type table 206, the subject person table 207, and the micro table 103 are received. Records of a composite variable 401 with a record and a composite variable 402 without a record are displayed from the top, and an ID of a composite variable to be taken as a measure is received from a user.
  • the compound variable 401 with a track record and the compound variable 402 without a track record are searched with the ID of the compound variable that is to be used as a measure, and the consumer that is close to this state is selected from the microtable 103 and the target of the measure. I will be a person.
  • the measure target person and the measure contents recorded in the result table 203 are combined and output as a measure proposal 501.
  • the contents of the measure proposal 501 are recorded in the result table 203 and the target person table 207.
  • Fig. 8 shows an example of the processing of the proposal measure construction / implementation measure selection unit 4.
  • the proposed measure construction / implementation measure selection unit 4 reads the record with ID 11 from the composite variable 401 with a track record, and the “number of store visits” in that state changes from “0” to “2”.
  • a record with a “customer ID” of “1001” satisfying “7” to “34” of “meat purchase point” and “13 to 28” of “soft drink purchase point” is a microtable Extracted from 103 and stored in the target person table 207.
  • the above-described state is stored in the result table 203 as the state of measure results.
  • the above-mentioned state is set as the content of the measure, and is output as a measure proposal 501 together with the target person.
  • the measure effect calculation unit 5 includes purchase data 101, a result table 203, a composite variable item table 201, a KPI item table 204, a measure variable table 205, a value type table 206, a target person table 207, Accept. For each measure result unevaluated record recorded in the result table 203 and the target person table 207, the data of the target person for the measure during the measure period is extracted from the purchase data 101, the KPI is calculated, and the result table 203 Update.
  • the measure calculation unit 5 of the measure extracts the customer ID record recorded in the target person table 207 from the purchase data 101, totals the number of orders as KPI, and calculates the average value of the record. Add to 203.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Medical Informatics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

多数の説明変数を自動で生成した際に、出力される示唆の量が膨大であるため、示唆の選別の負担が大きい。　マーケティング支援システムを、購買データを受け付け、前記購買データ間の相関を分析することで、複合変数を出力する示唆抽出部と、前記複合変数および制限テーブルを受け付け、前記制限テーブルで定義される制限条件に基づいて、前記複合変数を排除する制限フィルタリング部と、過去に定義した施策の実績を用いて、前記複合変数に基づいた施策を行った場合の予想効果を推定し、前記複数の説明変数を選別する実績フィルタリング部と、を有する構成とする。

Description

マーケティング支援システム
　本発明は、マーケティング支援システムに関する。
　流通・小売業ではPOSシステムが普及し、また近年ではポイントカードや電子マネーの利用が爆発的に増加していることから、業務システム内には顧客の属性情報や購買履歴が膨大に蓄積されている。流通・小売業では、売上などのKPIを向上させるためこれらデータを活用したいというニーズがあり、これに対してKPI向上のための施策の示唆をデータから抽出する技術がある（特許文献１）
特開2014-81750
　特許文献１に記載の技術は、KPIの向上に寄与する多数の説明変数を示唆として自動で生成することができ、効果的な施策導入活動をサポートすることが可能である。しかし、出力される示唆の量が膨大であるため、実現性の低い示唆を排除し、効果の高い示唆を選定することは、分析者にとって負担が大きくかつ作業が難しいという問題点がある。
　本願発明による課題を解決する手段のうち代表的なものを例示すれば、マーケティング支援システムであって、購買データを受け付け、前記購買データ間の相関を分析することで、複合変数を出力する示唆抽出部と、前記複合変数および制限テーブルを受け付け、前記制限テーブルで定義される制限条件に基づいて、前記複合変数を排除する制限フィルタリング部と、過去に定義した施策の実績を用いて、前記複合変数に基づいた施策を行った場合の予想効果を推定し、前記複数の説明変数を選別する実績フィルタリング部と、を有する構成とする。
　本発明により、分析者の負担を低減できる。
本発明の第一の実施例の全体構成を示す図である。 本発明の第一の実施例における購買データ６の一例を示す図である。 本発明の第一の実施例における知識ベース７の一例を示す図である。 本発明の第一の実施例における知識ベース７の一例を示す図であり、テーブルの関連を示すER図である。 本発明の第一の実施例における示唆抽出部１が出力する示唆の一例を示す図である。 本発明の第一の実施例における制限フィルタリング部２の処理の一例を示す図である。 本発明の第一の実施例における実績フィルタリング部３の処理の一例を示す図である。 本発明の第一の実施例における提案施策の構築・実施施策の選出部４の処理の一例を示す図である。 本発明の第一の実施例における施策の効果の算出部５の処理の一例を示す図である。
　本発明の第一の実施例における全体構成を図１に示す。図１に示すように本発明の第一の実施例は、処理部として示唆抽出部１、制限フィルタリング部２、実績フィルタリング部３、提案施策の構築・実施施策の選出部４、施策の効果の算出部５、およびデータとして購買データ６および知識ベース７から構成される。
　＜購買データ６の説明＞
図２に購買データ６の一例を示す。図２に示すように購買データ６は顧客IDと、商品IDと、日時と、数量と、金額と、レシートIDとを保持するレコードで構成される。
　＜知識ベース７の説明＞
図３及び図４に知識ベース７の一例を示す。図４に示すように知識ベース７は複合変数テーブル201と、制限テーブル202と、実績テーブル203と、複合変数項目テーブル201と、KPI項目テーブル204と、施策変数テーブル205と、値タイプテーブル206と、対象者テーブル207とで構成される。
　＜示唆抽出部１の処理の説明＞
示唆抽出部１は、購買データ101を受け付け、データ間の相関を分析して、目標状態を記す複合変数102を出力する。
　示唆抽出部１の処理の一例を図５に示す。図５に示すように示唆抽出部１は購買データ101から、優良顧客の特徴を変数名と変数条件の形で保持する複合変数102と、各顧客の特徴を各変数の値の形で保持するミクロテーブル103を抽出する。
　＜制限フィルタリング部２の処理の説明＞
制限フィルタリング部２は、複合変数102と、複合変数項目テーブル201と、制限テーブル202とを受け付け、複合変数項目テーブル201から、制限テーブル202と複合変数項目テーブル201とで定義する同じ制限IDの各制限条件を全部満たすレコードを削除し、制限フィルター掛け済みの複合変数301を出力する。
　制限フィルタリング部２の処理の一例を図６に示す。図６に示すように制限フィルタリング部２は制限テーブル202と複合変数項目テーブル201とで定義するIDが7の制限を読み込み、その制限条件である「ビールの購買点数」が「0」以上、かつ、「年齢」が「20」以下、を満たすIDが12のレコードを複合変数102から削除する。
　＜実績フィルタリング部３の処理の説明＞
実績フィルタリング部３は、制限フィルター掛け済みの複合変数301と、実績テーブル203と、複合変数項目テーブル201と、KPI項目テーブル204と、施策変数テーブル205と、値タイプテーブル206とを受け付ける。制限フィルター掛け済みの複合変数301の各レコードに対して、実績テーブル203で過去に定義した施策の実績を全て参照し、複合変数で定義した状態と同じ状態での施策実績を予想効果として推定する。実績がある場合、実績の実測KPIの平均値を該当複合変数の予想KPIとする。実績がない場合、複合変数の傾き、相関係数、該当数の正規化平均値を点数とする。実績あり複合変数を予想KPI降順でソートし、実績あり複合変数401として出力する。実績なし複合変数を点数降順でソートし、実績なし複合変数402として出力する。
　実績フィルタリング部３の処理の一例を図７に示す。図７に示すように実績フィルタリング部３は実績テーブル203で定義するIDが1の実績を読み込み、その状態である、「来店店舗数」が「0」から「2」まで、かつ、「肉類」が「7」から「34」まで、かつ、「ソフトドリンクの購買点数」が「13」から「28」まで、を満たすIDが8のレコードを制限フィルター掛け済みの複合変数301から抽出し、IDが1の実績のKPIの値である「5」を予想KPIとし、実績あり複合変数401に保存し、予想KPI降順でソートする。制限フィルター掛け済みの複合変数301に残るIDが9のレコードを、点数を算出し、実績なし複合変数402に保存し、点数降順でソートする。
　＜提案施策の構築・実施施策の選出部４の処理の説明＞
提案施策の構築・実施施策の選出部４は、実績あり複合変数401と、実績なし複合変数402と、実績テーブル203と、複合変数項目テーブル201と、KPI項目テーブル204と、施策変数テーブル205と、値タイプテーブル206と、対象者テーブル207と、ミクロテーブル103を受け付ける。実績あり複合変数401と、実績なし複合変数402とのレコードを上位から表示し、ユーザーから施策にしたい複合変数のIDを受け付ける。
　実績あり複合変数401と、実績なし複合変数402とから、施策にしたい複合変数のIDで施策にしたい状態を検索し、この状態に近い状態の消費者をミクロテーブル103から選別し、施策の対象者とする。施策の対象者と、実績テーブル203で記録した施策内容を合わせて、施策提案501として出力する。実績テーブル203と、対象者テーブル207に、施策提案501の内容を記録する。
　提案施策の構築・実施施策の選出部４の処理の一例を図８に示す。図８に示すように提案施策の構築・実施施策の選出部４は実績あり複合変数401から、IDが11のレコードを読み込み、その状態である「来店店舗数」が「0」から「2」、かつ、「肉類の購買点数」が「7」から「34」、かつ「ソフトドリンクの購買点数」が「13」から「28」、を満たす「顧客ID」が「1001」のレコードをミクロテーブル103から抽出し、対象者テーブル207に保存する。また、実績テーブル203に、上記の状態を施策実績の状態として保存する。また、上記の状態を施策内容とし、上記対象者と合わせて、施策提案501として出力する。
　＜施策の効果の算出部５の処理の説明＞
施策の効果の算出部５は、購買データ101と、実績テーブル203と、複合変数項目テーブル201と、KPI項目テーブル204と、施策変数テーブル205と、値タイプテーブル206と、対象者テーブル207と、を受け付ける。実績テーブル203と、対象者テーブル207とで記録した各施策実績の未評価レコードに対して、施策期間中の施策対象者のデータを、購買データ101から抽出し、KPIを計算し、実績テーブル203を更新する。
　施策の効果の算出部５の処理の一例を図９に示す。図９に示すように施策の効果の算出部５は購買データ101から、対象者テーブル207記録される顧客IDのレコードを、抽出し、KPIである注文回数を集計し、その平均値を実績テーブル203に追加する。
　１：示唆抽出部、２：制限フィルタリング部、３：実績フィルタリング部、４：選出部、５：算出部、６：購買データ、７：知識ベース。

Claims (1)

  1. 　購買データを受け付け、前記購買データ間の相関を分析することで、複合変数を出力する示唆抽出部と、
    　前記複合変数および制限テーブルを受け付け、前記制限テーブルで定義される制限条件に基づいて、前記複合変数を排除する制限フィルタリング部と、
    　過去に定義した施策の実績を用いて、前記複合変数に基づいた施策を行った場合の予想効果を推定し、前記複数の説明変数を選別する実績フィルタリング部と、
    　を有する、マーケティング支援システム。
PCT/JP2017/010294 2016-09-30 2017-03-15 マーケティング支援システム WO2018061249A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US16/081,155 US10909558B2 (en) 2016-09-30 2017-03-15 Marketing support system

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2016192550A JP6727089B2 (ja) 2016-09-30 2016-09-30 マーケティング支援システム
JP2016-192550 2016-09-30

Publications (1)

Publication Number Publication Date
WO2018061249A1 true WO2018061249A1 (ja) 2018-04-05

Family

ID=61760529

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2017/010294 WO2018061249A1 (ja) 2016-09-30 2017-03-15 マーケティング支援システム

Country Status (3)

Country Link
US (1) US10909558B2 (ja)
JP (1) JP6727089B2 (ja)
WO (1) WO2018061249A1 (ja)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3704592A4 (en) * 2017-10-26 2022-03-16 Magic Leap, Inc. GRADIENT NORMALIZATION SYSTEMS AND METHODS FOR ADAPTIVE LOSS COMPENSATION IN DEEP MULTITASK NETWORKS
JP6962888B2 (ja) * 2018-09-05 2021-11-05 株式会社日立製作所 特徴抽出装置
JP7194132B2 (ja) * 2020-02-18 2022-12-21 株式会社日立製作所 特徴抽出装置および特徴抽出方法
WO2021207797A1 (en) * 2020-04-16 2021-10-21 Australia And New Zealand Banking Group Limited Method and system for conditioning data sets for efficient computational

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003122572A (ja) * 2001-10-18 2003-04-25 Fujitsu Ltd データ分析装置及び記録媒体
JP2005202515A (ja) * 2004-01-13 2005-07-28 Toshiba Corp 信頼性解析装置、信頼性解析方法及び信頼性解析プログラム
JP2007329415A (ja) * 2006-06-09 2007-12-20 Fujitsu Ltd データ処理方法、データ処理プログラム、該プログラムを記録した記録媒体およびデータ処理装置
JP2008052444A (ja) * 2006-08-23 2008-03-06 Nomura Research Institute Ltd マーケティング支援システム
JP2008299684A (ja) * 2007-06-01 2008-12-11 Hitachi Ltd 顧客購買心理要因の定量分析を支援するシステム
US20130304567A1 (en) * 2012-05-11 2013-11-14 Christopher Adrien Methods and appartus to assess marketing concepts prior to market participation
JP2014081750A (ja) * 2012-10-16 2014-05-08 Hitachi Ltd データ統合分析システム
JP2015166989A (ja) * 2014-03-04 2015-09-24 株式会社野村総合研究所 情報処理装置および情報分析方法
WO2017037768A1 (ja) * 2015-08-28 2017-03-09 株式会社日立製作所 評価システム、評価方法およびデータ解析システム

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5966695A (en) * 1995-10-17 1999-10-12 Citibank, N.A. Sales and marketing support system using a graphical query prospect database
JP2000020583A (ja) * 1998-06-30 2000-01-21 Fujitsu Ltd 営業支援システム
JP2000242694A (ja) * 1999-02-18 2000-09-08 Pioneer Electronic Corp 営業戦略支援システム及びプログラムを記録した機械読み取り可能な媒体
JP2002083189A (ja) * 2000-09-08 2002-03-22 Ntn Corp 機械部品の販売支援システム
WO2002056224A1 (fr) * 2001-01-05 2002-07-18 Yasufumi Utsumi Systeme de soutien a l'amelioration des affaires et procede associe
JP5056160B2 (ja) * 2007-05-23 2012-10-24 富士通株式会社 マーケティング支援処理方法、装置及びプログラム
US8423449B2 (en) * 2008-06-20 2013-04-16 Salient Partners, L.P. Consolidated sales, marketing, and customer support system for financial products
JP2010055320A (ja) * 2008-08-27 2010-03-11 Shogyo Kaihatsu Kenkyusho:Kk 購買管理予測装置及びその方法
US20100262464A1 (en) * 2009-04-09 2010-10-14 Access Mobility, Inc. Active learning and advanced relationship marketing
US20110258016A1 (en) * 2010-04-14 2011-10-20 Optify, Inc. Systems and methods for generating lead intelligence
JP6059123B2 (ja) * 2013-10-16 2017-01-11 カルチュア・コンビニエンス・クラブ株式会社 顧客データ分析・検証システム

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003122572A (ja) * 2001-10-18 2003-04-25 Fujitsu Ltd データ分析装置及び記録媒体
JP2005202515A (ja) * 2004-01-13 2005-07-28 Toshiba Corp 信頼性解析装置、信頼性解析方法及び信頼性解析プログラム
JP2007329415A (ja) * 2006-06-09 2007-12-20 Fujitsu Ltd データ処理方法、データ処理プログラム、該プログラムを記録した記録媒体およびデータ処理装置
JP2008052444A (ja) * 2006-08-23 2008-03-06 Nomura Research Institute Ltd マーケティング支援システム
JP2008299684A (ja) * 2007-06-01 2008-12-11 Hitachi Ltd 顧客購買心理要因の定量分析を支援するシステム
US20130304567A1 (en) * 2012-05-11 2013-11-14 Christopher Adrien Methods and appartus to assess marketing concepts prior to market participation
JP2014081750A (ja) * 2012-10-16 2014-05-08 Hitachi Ltd データ統合分析システム
JP2015166989A (ja) * 2014-03-04 2015-09-24 株式会社野村総合研究所 情報処理装置および情報分析方法
WO2017037768A1 (ja) * 2015-08-28 2017-03-09 株式会社日立製作所 評価システム、評価方法およびデータ解析システム

Also Published As

Publication number Publication date
US10909558B2 (en) 2021-02-02
JP2018055519A (ja) 2018-04-05
US20190066131A1 (en) 2019-02-28
JP6727089B2 (ja) 2020-07-22

Similar Documents

Publication Publication Date Title
Hortaçsu et al. The ongoing evolution of US retail: A format tug-of-war
WO2018061249A1 (ja) マーケティング支援システム
JP3699807B2 (ja) 相関関係抽出装置
JP4218099B2 (ja) データベース、顧客情報検索方法及び顧客情報検索装置
JP6059122B2 (ja) 顧客データ解析システム
CN106611344A (zh) 挖掘潜在客户的方法及装置
Kamakura Sequential market basket analysis
CN109741082A (zh) 一种基于时间序列分解的季节性商品需求预测方法
JP2016118975A (ja) マーケティング施策最適化装置、方法、及びプログラム
Basker Change at the checkout: Tracing the impact of a process innovation
JP2012517632A (ja) 変換係数を用いたオンライン上における販売手当算出方法、販売手当算出システム、及びその記録媒体
JP2016071586A (ja) 家計簿管理装置、家計簿管理方法及び家計簿管理プログラム
CN107515942A (zh) 非频繁序列中挖掘可决策负序列模式的购买行为分析方法
JP6932919B2 (ja) プログラムおよび商品抽出システム
JP2016133816A (ja) 商品需要予測システム
JP3349033B2 (ja) 購買行動予測装置
JPH09305571A (ja) 時系列データ処理方法
Nassibi et al. Demand Forecasting Models for Food Industry by Utilizing Machine Learning Approaches
JP2018136819A (ja) 商品・サービス評価システム
Kolyshkina et al. Retail analytics in the context of “Segmentation, Targeting, Optimisation” of the operations of convenience store franchises
JP2005135042A (ja) 情報処理装置、情報処理装置の制御方法、プログラムおよび記録媒体
Tadić et al. Home delivery: concept and characteristics
Nakahara et al. Extracting promising sequential patterns from RFID data using the LCM sequence
Čater et al. Brick-and-mortar vs online retail
JP5466097B2 (ja) 消費者属性情報取得システム及び消費者属性情報取得方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17855208

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 17855208

Country of ref document: EP

Kind code of ref document: A1