JP6287280B2 - 情報処理方法、プログラム、及び情報処理装置 - Google Patents

Description

本発明は、情報処理方法、プログラム、及び情報処理装置に関する。

従来、商品の購入者が居住するエリアクラスタに基づいて販売実績情報を分析することにより、商品の販売者にとって有用な販売活動支援情報を作成する販売情報分析装置が開示されている（例えば、特許文献１〜３参照）。

特開２００９−１６９６９９号公報 特開２００６−３３８５８１号公報 特開２０１０−１５５６５号公報

しかしながら、従来は特定の基準に従って分類したエリアクラスタに基づいて販売実績情報を分析しているに過ぎず、異なる基準で分類されている場合には販売実績情報を分析できないという問題がある。

一つの側面では、本発明は異なる分類を行っていた場合でも販売実績情報を適切に分析することが可能な情報処理方法等を提供することを目的とする。

本願に開示する情報処理方法は、第一の小売店の購買情報に基づいて、購入対象の組み合わせが共通する第１の顧客グループを形成し、第二の小売店の購買情報に基づいて、購入対象の組み合わせが共通する第２の顧客グループを形成し、購入対象とは異なる指標について、前記第１の顧客グループと前記第２の顧客グループの双方の分布を求め、求めた分布の類似の程度に応じて、前記第１の顧客グループと、前記第２の顧客グループとの類似度を評価する処理をコンピュータに実行させる。

一つの側面では、異なる分類を行っていた場合でも販売実績情報を適切に分析することが可能となる。

情報処理装置のハードウェア群を示すブロック図である。 Ａ購買ＤＢのレコードレイアウトを示す説明図である。 Ｂ購買ＤＢのレコードレイアウトを示す説明図である。 客ＤＢのレコードレイアウトを示す説明図である。 ブランドＤＢのレコードレイアウトを示す説明図である。 クラスタリングの概念を示す説明図である。 クラスタＤＢのレコードレイアウトを示す説明図である。 年齢ＤＢのレコードレイアウトを示す説明図である。 相関ＤＢのレコードレイアウトを示す説明図である。 購入回数の計数処理の手順を示すフローチャートである。 クラスタ処理の手順を示すフローチャートである。 年齢に基づく分類処理の手順を示すフローチャートである。 相関値の算出処理手順を示すフローチャートである。 クラスタの出力処理の手順を示すフローチャートである。 実施の形態２に係るコンピュータのハードウェア群を示すブロック図である。 金額ＤＢのレコードレイアウトを示す説明図である。 第２相関ＤＢのレコードレイアウトを示す説明図である。 金額に基づく分類処理の手順を示すフローチャートである。 相関値の算出処理手順を示すフローチャートである。 クラスタの出力処理の手順を示すフローチャートである。 クラスタの出力処理の手順を示すフローチャートである。 上述した形態のコンピュータの動作を示す機能ブロック図である。 実施の形態４に係るコンピュータのハードウェア群を示すブロック図である。

実施の形態１
以下実施の形態を、図面を参照して説明する。図１は情報処理装置１のハードウェア群を示すブロック図である。情報処理装置１は、サーバコンピュータ、パーソナルコンピュータ、携帯電話、スマートフォン、または、ＰＤＡ（Personal Digital Assistant）等である。以下では情報処理装置１をコンピュータ１であるものとして説明する。コンピュータ１は制御部としてのＣＰＵ（Central Processing Unit）１１、ＲＡＭ(Random Access Memory)１２、入力部１３、表示部１４、記憶部１５、通信部１６、及び時計部１８等を含む。ＣＰＵ１１は、バス１７を介してハードウェア各部と接続されている。ＣＰＵ１１は記憶部１５に記憶された制御プログラム１５Ｐに従いハードウェア各部を制御する。ＲＡＭ１２は例えばＳＲＡＭ（Static RAM）、ＤＲＡＭ(Dynamic RAM)、フラッシュメモリ等である。ＲＡＭ１２は、記憶部としても機能し、ＣＰＵ１１による各種プログラムの実行時に発生する種々のデータを一時的に記憶する。

入力部１３はマウスまたはキーボード、またはタッチパネル等の入力デバイスであり、受け付けた操作情報をＣＰＵ１１へ出力する。表示部１４は液晶ディスプレイまたは有機ＥＬ（electroluminescence）ディスプレイ等であり、ＣＰＵ１１の指示に従い各種情報を表示する。通信部１６は通信モジュールであり、インターネットまたは公衆回線網等の通信網Ｎを介して図示しない他のコンピュータとの間で情報の送受信を行う。

時計部１８は日時をＣＰＵ１１へ出力する。記憶部１５はハードディスクまたは大容量メモリであり、制御プログラム１５Ｐ、Ａ購買データベース（以下、ＤＢという）１５１、Ｂ購買ＤＢ１５２、客ＤＢ１５３、ブランドＤＢ１５４、クラスタＤＢ１５５、年齢ＤＢ１５６、相関ＤＢ１５７等を含む。なお、実施形態では各ＤＢを記憶部１５に記憶する例を挙げて説明するが、これに限るものではない。通信網Ｎを介して接続される他のＤＢサーバ（図示せず）に記憶しても良い。この場合、コンピュータ１は必要に応じて各ＤＢへアクセスし、情報の読み書きを行う。

図２はＡ購買ＤＢ１５１のレコードレイアウトを示す説明図である。コンピュータ１は異なる販売対象で分類した各店の購買履歴を記憶している。店は例えば、百貨店、小売店、またはインターネット上の仮想店舗等である。以下では店の例として百貨店を挙げて説明する。実施形態ではＡ百貨店及びＢ百貨店が存在するものとして説明する。また販売対象はブランド名、商品名、ブランド名及び商品名（例えば、○○屋の海苔）、商品コード、サービス名（例えば配送サービス、清掃サービス）、サービスコード等であり、Ａ百貨店、Ｂ百貨店は異なる基準で販売対象を分類している。なお、同一基準で分類された販売対象を一部に含んでいても良い。

以下では販売対象の例としてブランド名を挙げて説明する。Ａ百貨店、Ｂ百貨店は同一または異なるブランドを有する。同一ブランドが存在する場合、Ａ百貨店及びＢ百貨店はともに、同一ブランド名を使用して購買履歴を分類する。また、同一ブランド名が存在しても、異なるブランド名で購買履歴を分類する場合がある。例えばＡ百貨店はブランド名「ＸＹＺ」について「ＸＹＺ婦人服」、「ＸＹＺアクセサリー」、「ＸＹＺ靴」のように、さらに細分化して購買履歴を分類する場合がある。一方Ｂ百貨店は、婦人服、アクセサリー及び靴の全てをまとめてブランド名「ＸＹＺ」として分類する場合もある。本実施形態では説明を容易にするために、全てをまとめたブランド名を、分類する販売対象であるものとして説明する。

Ａ購買ＤＢ１５１は客ＩＤフィールド、ブランドフィールド、日時フィールド、及び金額フィールド等を含む。客ＩＤフィールドには百貨店Ａの客を特定するための固有の識別情報（以下、客ＩＤという）が記憶されている。ブランドフィールドには、客ＩＤに対応付けてブランド名が記憶されている。図２の例では、Ａ百貨店の客ＩＤ「Ａ０１」の客が、ブランドＡに係る商品を購入した履歴が記憶されている。日時フィールドには、客ＩＤ及びブランド名に対応付けて日時が記憶されている。金額フィールドには、客ＩＤ及びブランド名に対応付けて当該ブランドについて購入に要した金額を記憶している。Ａ購買ＤＢ１５１の情報は、定期的にＡ百貨店から提供される。ＣＰＵ１１は、提供された情報をＡ購買ＤＢ１５１に記憶する。

図３はＢ購買ＤＢ１５２のレコードレイアウトを示す説明図である。Ｂ購買ＤＢ１５２は客ＩＤフィールド、ブランドフィールド、日時フィールド、及び金額フィールド等を含む。客ＩＤフィールドには百貨店Ｂの客を特定するため客ＩＤが記憶されている。ブランドフィールドには、客ＩＤに対応付けてブランド名が記憶されている。図３の例では、Ｂ百貨店の客ＩＤ「Ｂ０１」の客が、ブランドＣに係る商品を購入した履歴が記憶されている。日時フィールドには、客ＩＤ及びブランド名に対応付けて日時が記憶されている。金額フィールドには、客ＩＤ及びブランド名に対応付けて当該ブランドについて購入に要した金額を記憶している。Ｂ購買ＤＢ１５２の情報は、定期的にＢ百貨店から提供される。ＣＰＵ１１は、提供された情報をＢ購買ＤＢ１５２に記憶する。

図４は客ＤＢ１５３のレコードレイアウトを示す説明図である。客ＤＢ１５３は百貨店フィールド、客ＩＤフィールド、年齢フィールド、住所フィールド及び性別フィールド等を含む。百貨店フィールドには、百貨店の名称が記憶されている。なお、客ＤＢ１５３は、百貨店毎にデータを分けて記憶しても良い。年齢フィールドには、客ＩＤに対応付けて年齢が記憶されている。

ＣＰＵ１１は、最初に記憶した年齢及び時計部１８から出力される日時に基づき、年齢を算出し、客ＤＢ１５３に記憶する。住所フィールドには、客ＩＤに対応付けて、客の住所が記憶されている。また性別フィールドには、客ＩＤに対応付けて男性または女性の情報が記憶されている。Ｂ百貨店の客に関しても同様に年齢等の情報が記憶されている。なお、本実施形態で示すレコードレイアウトはあくまで一例であり、データ間の関係が維持されていれば、他の記憶形態にて情報を記憶しても良い。

図５はブランドＤＢ１５４のレコードレイアウトを示す説明図である。ブランドＤＢ１５４は客ＩＤフィールド、ブランドフィールド、及び購入回数フィールド等を含む。購入回数フィールドには、客ＩＤ及びブランドに対応付けて購入回数が記憶されている。例えば客ＩＤ「Ａ０１」の客はブランド「Ａ」の商品を３回購入しており、またブランド「Ｂ」を２回購入していることが理解できる。ＣＰＵ１１は、Ａ購買ＤＢ１５１またはＢ購買ＤＢ１５２を参照し、客ＩＤ及びブランドに基づき、所定期間内（例えば１年間）の購入回数を計数する。ＣＰＵ１１は、計数した数を、客ＩＤ及びブランドに対応付けてブランドＤＢ１５４に記憶する。なお、ブランドＤＢ１５４は、百貨店毎にデータを分けて記憶しても良い。

図６はクラスタリングの概念を示す説明図である。ＣＰＵ１１は、ブランドＤＢ１５４を参照し、ブランド及び購入回数に基づき、各百貨店の客を複数のグループ（以下、クラスタという）に分類（以下、クラスタリングという）する。図６の例では、客ＩＤ「Ａ０１」の客は、３回ブランド「Ａ」を購入し、２回ブランド「Ｂ」を購入している。当該客の購買履歴はブランド「Ａ」、ブランド「Ｂ」及びブランド「Ｃ」を３軸とする座標系にプロットすることができる。図６の例では（Ａ、Ｂ、Ｃ）＝（３、２、０）にプロットされる。

ＣＰＵ１１は、百貨店毎に、ブランドＤＢ１５４の購買履歴から、客毎に座標値を求める。ＣＰＵ１１は、求めた座標値についてクラスタリングを行う。クラスタリングはK-means法または階層型クラスタリング法等公知の手法を用いればよい。ＣＰＵ１１は、百貨店毎に客をクラスタリングし、複数のクラスタを生成する。図６の例では、Ａ百貨店の客ＩＤ「Ａ０１」と「Ａ０３」の客のクラスタと、客ＩＤ「Ａ０２」と「Ａ０４」の客のクラスタが生成されている。なお、本実施形態では３つのブランド数としたが、ブランド数が増加した場合、次元数を増加させればよい。

図７はクラスタＤＢ１５５のレコードレイアウトを示す説明図である。クラスタＤＢ１５５は、クラスタＩＤフィールド、客ＩＤフィールド及びブランドフィールド等を含む。クラスタＩＤフィールドには、生成されたクラスタを特定するための固有の識別情報（以下、クラスタＩＤという）が記憶されている。客ＩＤフィールドには、クラスタに属する客ＩＤが、クラスタＩＤに対応付けて記憶されている。ブランドフィールドにはクラスタに属する客が購入したブランドが記憶されている。なお、クラスタＤＢ１５５は、百貨店毎にデータを分けて記憶しても良い。

図７の例では、クラスタＩＤ「ＧＡ０１」には、客ＩＤ「Ａ０１」及び「Ａ０２」が属しており、ブランド「Ａ」、「Ｂ」及び「Ｃ」を購入していることが示されている。ＣＰＵ１１は、ブランドＤＢ１５４に記憶した購買履歴に基づきクラスタリングを行う。ＣＰＵ１１は、クラスタを生成した場合、クラスタＩＤを生成し、クラスタＤＢ１５５に記憶する。ＣＰＵ１１は、クラスタに属するユーザＩＤを、クラスタＩＤに対応付けて、クラスタＤＢ１５５に記憶する。ＣＰＵ１１は、ブランドＤＢ１５４の客ＩＤを参照し、客ＩＤに対応するブランドを、クラスタＤＢ１５５に、客ＩＤに対応付けて記憶する。なお、ブランドフィールドに記憶するブランドは、客ＩＤに対応するブランドを全て記憶する例を示すが、これに限るものではない。客ＩＤに対応するブランドの数が多い所定数のブランド（例えば１０ブランド）を記憶するようにしても良い。

続いてＣＰＵ１１は、百貨店Ａ及び百貨店Ｂ間で共通する要素に基づく分布を生成する。図８は年齢ＤＢ１５６のレコードレイアウトを示す説明図である。年齢ＤＢ１５６は、年齢フィールド及び割合フィールド等を含む。年齢フィールドには、各店で共通する要素である客の年齢が記憶されている。本実施形態では、１０代毎に分類して記憶しているが、他の分類形態（例えば５才毎）であっても良い。割合フィールドには、年齢に対応付けてクラスタに属する客の割合が記憶されている。図８の例では、クラスタＩＤ「ＧＡ０１」に属する２０代の客の割合は２０％、３０代の客の割合は３０％と記憶されている。

ＣＰＵ１１は、クラスタＤＢ１５５の客ＩＤ及び客ＤＢ１５３の客の年齢を参照し、年齢分布を算出する。ＣＰＵ１１は、クラスタＩＤ及び年代に対応付けて算出した分布に基づく割合を記憶する。以上の処理は百貨店ＢのクラスタＩＤ「ＧＢ０１」等についても同様に行われる。なお、本実施形態では百貨店間で共通する要素として年齢を上げたがこれに限るものではない。その他、購入金額、性別、居住地区、来店頻度、来店日数、曜日別来店日数、または曜日別購入金額等であっても良い。

図９は相関ＤＢ１５７のレコードレイアウトを示す説明図である。相関ＤＢ１５７は、クラスタＩＤフィールド及び相関値フィールド等を含む。相関値フィールドには、異なる百貨店のクラスタ間の相関値が、クラスタＩＤに対応付けて記憶されている。図９の例では、Ａ百貨店のクラスタＩＤ「ＧＡ０１」で示すクラスタと、Ｂ百貨店のクラスタＩＤ「ＧＢ０１」、「ＧＢ０２」等で示すクラスタとの相関値が記憶されている。例えばＡ百貨店のクラスタＩＤ「ＧＡ０１」に係るクラスタと、Ｂ百貨店のクラスタＩＤ「ＧＢ０１」に係るクラスタの相関値は０．９９４となる。

ＣＰＵ１１は、年齢ＤＢ１５６からＡ百貨店の一のクラスタＩＤに係る年齢分布を読み出す。またＣＰＵ１１は、年齢ＤＢ１５６からＢ百貨店の全てのクラスタＩＤに係る年齢分布を読み出す。ＣＰＵ１１は、Ａ百貨店の一のクラスタＩＤに係る年齢分布と、Ｂ百貨店の一のクラスタＩＤに係る年齢分布を、記憶部１５に記憶した相関関数に代入することにより相関値を算出する。ＣＰＵ１１は、算出した相関値を、Ａ百貨店のクラスタＩＤ及びＢ百貨店のクラスタＩＤに対応付けて、相関ＤＢ１５７に記憶する。なお、ＣＰＵ１１は、算出した相関値の絶対値を用いても良い。

ＣＰＵ１１は、同様の処理を他のＢ百貨店のクラスタＩＤに対しても繰り返し行う。その後、ＣＰＵ１１は、Ａ百貨店の次のＩＤに係るクラスタＩＤについても総当たりで同様の処理を行う。ＣＰＵ１１は、相関値が記憶部１５に記憶した第１閾値（例えば０．９）以上のクラスタＩＤの組み合わせを、表示部１４または通信部１６を介して出力する。以下では表示部１４に出力する形態を説明する。なお、ＣＰＵ１１は、第１閾値が最高のクラスタＩＤの組み合わせを出力しても良い。以下では第１閾値以上のクラスタＩＤの組み合わせを表示する例を挙げて説明する。

以上のハードウェア群において、各種ソフトウェア処理を、フローチャートを用いて説明する。図１０は購入回数の計数処理の手順を示すフローチャートである。ＣＰＵ１１は、Ａ購買ＤＢ１５１を参照し、客ＩＤ及びブランドに基づき、客が特定のブランドを購入した購入回数を計数する（ステップＳ１０１）。ＣＰＵ１１は、客ＩＤ、ブランド及び計数した購入回数をブランドＤＢ１５４に記憶する（ステップＳ１０２）。ＣＰＵ１１は、同様に、Ｂ購買ＤＢ１５２を参照し、客ＩＤ及びブランドに基づき、客が特定のブランドを購入した購入回数を計数する（ステップＳ１０３）。ＣＰＵ１１は、客ＩＤ、ブランド及び計数した購入回数をブランドＤＢ１５４に記憶する（ステップＳ１０４）。

図１１はクラスタ処理の手順を示すフローチャートである。ＣＰＵ１１は、ブランドＤＢ１５４から客ＩＤに対応するブランド及び購入回数を読み出す（ステップＳ１１１）。ＣＰＵ１１は、ブランドを座標軸、購入回数を各軸に対する値として、ブランド及び購入回数に基づき座標を決定する（ステップＳ１１２）。ＣＰＵ１１は、客ＩＤ及び座標をＲＡＭ１２に記憶する（ステップＳ１１３）。ＣＰＵ１１は、同一百貨店の全ての客ＩＤに対して上述した処理を終了したか否かを判断する（ステップＳ１１４）。

ＣＰＵ１１は、処理を終了していないと判断した場合（ステップＳ１１４でＮＯ）、処理をステップＳ１１５へ移行させる。ＣＰＵ１１は、次の客ＩＤに対応するブランド及び購入回数を読み出す（ステップＳ１１５）。ＣＰＵ１１は、その後処理をステップＳ１１２へ移行させる。以上の処理を繰り返すことにより、同一百貨店の全ての客ＩＤに対応する座標が決定される。ＣＰＵ１１は、全ての客ＩＤについて処理を終了したと判断した場合（ステップＳ１１４でＹＥＳ）、処理をステップＳ１１６へ移行させる。

ＣＰＵ１１は、座標に基づきクラスタリングを行う（ステップＳ１１６）。ＣＰＵ１１は、生成された各クラスタにクラスタＩＤを生成する（ステップＳ１１７）。ＣＰＵ１１は、クラスタ内の座標に対応する客ＩＤと、クラスタＩＤとを対応付ける（ステップＳ１１８）。ＣＰＵ１１は、客ＩＤに対応するブランドをブランドＤＢ１５４から読み出す（ステップＳ１１９）。ＣＰＵ１１は、クラスタＩＤ、客ＩＤ及びブランドをクラスタＤＢ１５５に記憶する（ステップＳ１１１０）。なお、以上の処理を他の百貨店の客ＩＤに対しても同様に行う。これにより各百貨店の客のクラスタリングが完了する。

図１２は年齢に基づく分類処理の手順を示すフローチャートである。ＣＰＵ１１は、クラスタＩＤに対応する客ＩＤを、クラスタＤＢ１５５から読み出す（ステップＳ１２１）。ＣＰＵ１１は、客ＩＤに対応する年齢を客ＤＢ１５３から読み出す（ステップＳ１２２）。ＣＰＵ１１は、読み出した各客ＩＤの年齢に基づき、年代別の客ＩＤの数を計数する（ステップＳ１２３）。ＣＰＵ１１は、年代別に割合を算出する（ステップＳ１２４）。ＣＰＵ１１は、年代及び割合を年齢ＤＢ１５６に記憶する（ステップＳ１２５）。

ＣＰＵ１１は、全てのクラスタＩＤについて処理を終了したか否かを判断する（ステップＳ１２６）。ＣＰＵ１１は、処理を終了していないと判断した場合（ステップＳ１２６でＮＯ）、ステップＳ１２７へ移行する。ＣＰＵ１１は、次のクラスタＩＤに対応する客ＩＤを読み出す（ステップＳ１２７）。ＣＰＵ１１は、その後処理をステップＳ１２２へ移行させる。ＣＰＵ１１は、全てのクラスタＩＤについて処理を終了したと判断した場合（ステップＳ１２６でＹＥＳ）、処理を終了する。

図１３は相関値の算出処理手順を示すフローチャートである。ＣＰＵ１１は、Ａ百貨店のクラスタＩＤを読み出す（ステップＳ１３１）。ＣＰＵ１１は、読み出したクラスタＩＤに対応する年代及び割合を年齢ＤＢ１５６から読み出す（ステップＳ１３２）。ＣＰＵ１１は、Ｂ百貨店のクラスタＩＤを読み出す（ステップＳ１３３）。ＣＰＵ１１は、読み出したクラスタＩＤに対応する年代及び割合を年齢ＤＢ１５６から読み出す（ステップＳ１３４）。ＣＰＵ１１は、記憶部１５に記憶した相関関数に、ステップＳ１３２及び１３３で読み出した年代に対する割合を代入し、相関値を算出する（ステップＳ１３５）。

ＣＰＵ１１は、Ａ百貨店のクラスタＩＤ及びＢ百貨店のクラスタＩＤに対応付けて相関値を相関ＤＢ１５７に記憶する（ステップＳ１３６）。ＣＰＵ１１は、Ｂ百貨店の全てのクラスタＩＤに対する処理を終了したか否かを判断する（ステップＳ１３７）。ＣＰＵ１１は、処理を終了していないと判断した場合（ステップＳ１３７でＮＯ）、処理をステップＳ１３８へ移行させる。ＣＰＵ１１は、次のＢ百貨店のクラスタＩＤを読み出す（ステップＳ１３８）。ＣＰＵ１１は、その後処理をステップＳ１３４へ移行させる。ＣＰＵ１１は、処理を終了したと判断した場合（ステップＳ１３７でＹＥＳ）、ステップＳ１３９へ移行する。

ＣＰＵ１１は、Ａ百貨店の全てのクラスタＩＤに対する処理を終了したか否かを判断する（ステップＳ１３９）。ＣＰＵ１１は、処理を終了していないと判断した場合（ステップＳ１３９でＮＯ）、処理をステップＳ１３１０へ移行させる。ＣＰＵ１１は、次のＡ百貨店のクラスタＩＤを読み出す（ステップＳ１３１０）。ＣＰＵ１１は、その後処理をステップＳ１３２へ移行させる。以上の処理を繰り返すことにより、Ａ百貨店及びＢ百貨店のクラスタＩＤについて総当たりで相関値が算出されることとなる。ＣＰＵ１１は、Ａ百貨店の全てのクラスタＩＤに対する処理を終了したと判断した場合（ステップＳ１３９でＹＥＳ）、処理を終了する。なお、実施形態では２つの百貨店のクラスタについての相関値を求める例を示すがこれに限るものではない。３以上の百貨店のクラスタを同様に用意し、総当たりで相関値を求めても良い。

図１４はクラスタの出力処理の手順を示すフローチャートである。ＣＰＵ１１は、第１閾値を記憶部１５から読み出す（ステップＳ１４１）。ＣＰＵ１１は、第１閾値以上の相関値を相関ＤＢ１５７から読み出す（ステップＳ１４２）。ＣＰＵ１１は、読み出した相関値に対応するクラスタＩＤの組み合わせを、相関ＤＢ１５７から読み出す（ステップＳ１４３）。ＣＰＵ１１は、読み出したクラスタＩＤの組み合わせを表示部１４に出力する（ステップＳ１４４）。

ＣＰＵ１１は、組み合わせに係るクラスタＩＤの内、Ａ百貨店のクラスタＩＤ及び当該クラスタＩＤに対応するブランドを、クラスタＤＢ１５５から読み出す（ステップＳ１４５）。ＣＰＵ１１は、読み出したブランドを表示部１４に出力する（ステップＳ１４６）。これにより、Ａ百貨店及びＢ百貨店で相関の高いクラスタを抽出することが可能となる。また、Ａ百貨店に対し、異なる販売対象で分類を行うＢ百貨店に対し競合する顧客層または販売対象に関する情報を提供することが可能となる。

実施の形態２
実施の形態２は複数の要素を利用する形態に関する。図１５は実施の形態２に係るコンピュータ１のハードウェア群を示すブロック図である。金額ＤＢ１５８及び第２相関ＤＢ１５９が新たに設けられている。図１６は金額ＤＢ１５８のレコードレイアウトを示す説明図である。金額ＤＢ１５８は、金額フィールド及び割合フィールド等を含む。金額フィールドには、各店で共通する要素である客の購買金額（以下、場合により金額という）が記憶されている。本実施形態では、購買金額の幅を５万円毎に分類して記憶しているが、他の分類形態（例えば１万円毎）であっても良い。割合フィールドには、金額に対応付けてクラスタに属する客の割合が記憶されている。図１６の例では、クラスタＩＤ「ＧＡ０１」に属し、５万円以上１０万円未満の金額を使用した客の割合は３０％と記憶されている。

ＣＰＵ１１は、Ａ購買ＤＢ１５１の客ＩＤに対応する金額の合計値を算出する。ＣＰＵ１１は、クラスタＩＤに属する客ＩＤの合計金額に基づき、金額分布を算出する。ＣＰＵ１１は、クラスタＩＤ及び金額に対応付けて算出した分布に基づく割合を記憶する。以上の処理は百貨店ＢのクラスタＩＤ「ＧＢ０１」等についても同様に行われる。

図１７は第２相関ＤＢ１５９のレコードレイアウトを示す説明図である。第２相関ＤＢ１５９は、クラスタＩＤフィールド及び相関値フィールド等を含む。相関値フィールドには、異なる百貨店のクラスタ間の相関値が、クラスタＩＤに対応付けて記憶されている。図１７の例では、Ａ百貨店のクラスタＩＤ「ＧＡ０１」で示すクラスタと、Ｂ百貨店のクラスタＩＤ「ＧＢ０１」、「ＧＢ０２」等で示すクラスタとの相関値が記憶されている。例えばＡ百貨店のクラスタＩＤ「ＧＡ０１」に係るクラスタと、Ｂ百貨店のクラスタＩＤ「ＧＢ０１」に係るクラスタの相関値は０．９９５となる。

ＣＰＵ１１は、金額ＤＢ１５８からＡ百貨店の一のクラスタＩＤに係る金額分布を読み出す。またＣＰＵ１１は、金額ＤＢ１５８からＢ百貨店の全てのクラスタＩＤに係る金額分布を読み出す。ＣＰＵ１１は、Ａ百貨店の一のクラスタＩＤに係る金額分布と、Ｂ百貨店の一のクラスタＩＤに係る金額分布を、記憶部１５に記憶した相関関数に代入することにより相関値を算出する。ＣＰＵ１１は、算出した相関値を、Ａ百貨店のクラスタＩＤ及びＢ百貨店のクラスタＩＤに対応付けて、第２相関ＤＢ１５９に記憶する。
ＣＰＵ１１は、同様の処理を他のＢ百貨店のクラスタＩＤに対しても繰り返し行う。その後、ＣＰＵ１１は、Ａ百貨店の次のＩＤに係るクラスタＩＤについても総当たりで同様の処理を行う。

図１８は金額に基づく分類処理の手順を示すフローチャートである。ＣＰＵ１１は、クラスタＩＤに対応する客ＩＤを、クラスタＤＢ１５５から読み出す（ステップＳ１８１）。ＣＰＵ１１は、客ＩＤに対応する金額をＡ購買ＤＢ１５１またはＢ購買ＤＢ１５２から読み出し、各客の合計金額を算出する（ステップＳ１８２）。ＣＰＵ１１は、算出した各客ＩＤに対応する合計金額に基づき、金額帯別の客ＩＤの数を計数する（ステップＳ１８３）。ＣＰＵ１１は、金額帯別に割合を算出する（ステップＳ１８４）。ＣＰＵ１１は、金額帯及び割合を金額ＤＢ１５８に記憶する（ステップＳ１８５）。

ＣＰＵ１１は、全てのクラスタＩＤについて処理を終了したか否かを判断する（ステップＳ１８６）。ＣＰＵ１１は、処理を終了していないと判断した場合（ステップＳ１８６でＮＯ）、ステップＳ１８７へ移行する。ＣＰＵ１１は、次のクラスタＩＤに対応する客ＩＤを読み出す（ステップＳ１８７）。ＣＰＵ１１は、その後処理をステップＳ１８２へ移行させる。ＣＰＵ１１は、全てのクラスタＩＤについて処理を終了したと判断した場合（ステップＳ１８６でＹＥＳ）、処理を終了する。

図１９は相関値の算出処理手順を示すフローチャートである。ＣＰＵ１１は、Ａ百貨店のクラスタＩＤを読み出す（ステップＳ１９１）。ＣＰＵ１１は、読み出したクラスタＩＤに対応する金額帯及び割合を金額ＤＢ１５８から読み出す（ステップＳ１９２）。ＣＰＵ１１は、Ｂ百貨店のクラスタＩＤを読み出す（ステップＳ１９３）。ＣＰＵ１１は、読み出したクラスタＩＤに対応する金額帯及び割合を金額ＤＢ１５８から読み出す（ステップＳ１９４）。ＣＰＵ１１は、記憶部１５に記憶した相関関数に、ステップＳ１９２及び１９３で読み出した金額帯に対する割合を代入し、相関値を算出する（ステップＳ１９５）。

ＣＰＵ１１は、Ａ百貨店のクラスタＩＤ及びＢ百貨店のクラスタＩＤに対応付けて相関値を第２相関ＤＢ１５９に記憶する（ステップＳ１９６）。ＣＰＵ１１は、Ｂ百貨店の全てのクラスタＩＤに対する処理を終了したか否かを判断する（ステップＳ１９７）。ＣＰＵ１１は、処理を終了していないと判断した場合（ステップＳ１９７でＮＯ）、処理をステップＳ１９８へ移行させる。ＣＰＵ１１は、次のＢ百貨店のクラスタＩＤを読み出す（ステップＳ１９８）。ＣＰＵ１１は、その後処理をステップＳ１９４へ移行させる。ＣＰＵ１１は、Ｂ百貨店の全てのクラスタＩＤに対する処理を終了したと判断した場合（ステップＳ１９７でＹＥＳ）、ステップＳ１９９へ移行する。

ＣＰＵ１１は、Ａ百貨店の全てのクラスタＩＤに対する処理を終了したか否かを判断する（ステップＳ１９９）。ＣＰＵ１１は、処理を終了していないと判断した場合（ステップＳ１９９でＮＯ）、処理をステップＳ１９１０へ移行させる。ＣＰＵ１１は、次のＡ百貨店のクラスタＩＤを読み出す（ステップＳ１９１０）。ＣＰＵ１１は、その後処理をステップＳ１９２へ移行させる。以上の処理を繰り返すことにより、Ａ百貨店及びＢ百貨店のクラスタＩＤについて総当たりで相関値が算出されることとなる。ＣＰＵ１１は、Ａ百貨店の全てのクラスタＩＤに対する処理を終了したと判断した場合（ステップＳ１９９でＹＥＳ）、処理を終了する。

図２０はクラスタの出力処理の手順を示すフローチャートである。ＣＰＵ１１は、第１閾値を記憶部１５から読み出す（ステップＳ２０１）。ＣＰＵ１１は、相関ＤＢ１５７及び第２相関ＤＢ１５９の双方において、第１閾値以上の相関値を有するクラスタＩＤの組み合わせを、相関ＤＢ１５７及び第２相関ＤＢ１５９から読み出す（ステップＳ２０２）。すなわち、共通の要素である年齢及び購入金額の双方において相関の高いクラスタＩＤの組み合わせが抽出され、年齢または購入金額のいずれか一方だけが相関の高いクラスタＩＤの組み合わせは抽出されない。ＣＰＵ１１は、読み出したクラスタＩＤの組み合わせを表示部１４に出力する（ステップＳ２０３）。

ＣＰＵ１１は、組み合わせに係るクラスタＩＤの内、Ａ百貨店のクラスタＩＤ及び当該クラスタＩＤに対応するブランドを、クラスタＤＢ１５５から読み出す（ステップＳ２０４）。ＣＰＵ１１は、読み出したブランドを表示部１４に出力する（ステップＳ２０５）。これにより、Ａ百貨店及びＢ百貨店で複数の要素に基づき、相関の高いクラスタを抽出することが可能となる。なお、本実施形態では年齢及び金額の２つの共通要素に基づき、相関の高いクラスタＩＤの組み合わせを抽出する例を示したが、これに限るものではない。性別、居住地区、来店頻度、来店日数、曜日別来店日数、または曜日別購入金額等、３つ以上の共通要素を用いても良い。

本実施の形態２は以上の如きであり、その他は実施の形態１と同様であるので、対応する部分には同一の参照番号を付してその詳細な説明を省略する。

実施の形態３
実施の形態３は相関の低いグループの組み合わせを抽出する形態に関する。ＣＰＵ１１は、相関ＤＢ１５７及び第２相関ＤＢ１５９を参照し、相関値が記憶部１５に記憶した第２閾値（例えば０．１）以下のクラスタＩＤの組み合わせを抽出する。ＣＰＵ１１は、抽出したクラスタＩＤの組み合わせを表示部１４に出力する。この他、ＣＰＵ１１は、相関値が最小のクラスタＩＤの組み合わせ、または、相関値が０のクラスタＩＤの組み合わせを出力するようにしても良い。以下では第２閾値以下のクラスタＩＤの組み合わせを表示する例を挙げて説明する。また、本実施形態では相関ＤＢ１５７及び第２相関ＤＢ１５９の双方を用いる例を挙げるがいずれか一方であっても良い。

図２１はクラスタの出力処理の手順を示すフローチャートである。ＣＰＵ１１は、第２閾値を記憶部１５から読み出す（ステップＳ２１１）。ＣＰＵ１１は、相関ＤＢ１５７及び第２相関ＤＢ１５９の双方において、第２閾値以下の相関値を有するクラスタＩＤの組み合わせを、相関ＤＢ１５７及び第２相関ＤＢ１５９から読み出す（ステップＳ２１２）。ＣＰＵ１１は、読み出したクラスタＩＤの組み合わせを表示部１４に出力する（ステップＳ２１３）。

ＣＰＵ１１は、組み合わせに係るクラスタＩＤの内、Ａ百貨店のクラスタＩＤ及び当該クラスタＩＤに対応するブランドを、クラスタＤＢ１５５から読み出す（ステップＳ２１４）。ＣＰＵ１１は、読み出したブランドを表示部１４に出力する（ステップＳ２１５）。これにより、Ａ百貨店が他の百貨店が有さない独自性の強いクラスタを抽出でき、経営戦略に活用することが可能となる。

本実施の形態３は以上の如きであり、その他は実施の形態１及び実施の形態２と同様であるので、対応する部分には同一の参照番号を付してその詳細な説明を省略する。

実施の形態４
図２２は上述した形態のコンピュータ１の動作を示す機能ブロック図である。ＣＰＵ１１が制御プログラム１５Ｐを実行することにより、コンピュータ１は以下のように動作する。分類部２２１は店毎に異なる販売対象で分類した購入履歴に基づき、各店の顧客を複数のグループに分類する。生成部２２２は前記購入履歴に基づきグループ毎に、店間で共通する要素に基づく分布を生成する。算出部２２３は、異店間のグループ間の分布に基づき相関値を算出する。

図２３は実施の形態４に係るコンピュータ１のハードウェア群を示すブロック図である。コンピュータ１を動作させるためのプログラムは、ディスクドライブ等の読み取り部１０ＡにCD-ROM、DVD（Digital Versatile Disc）ディスク、メモリーカード、またはUSB(Universal Serial Bus)メモリ等の可搬型記録媒体１Ａを読み取らせて記憶部１５に記憶しても良い。また当該プログラムを記憶したフラッシュメモリ等の半導体メモリ１Ｂをコンピュータ１内に実装しても良い。さらに、当該プログラムは、インターネット等の通信網Ｎを介して接続される他のサーバコンピュータ（図示せず）からダウンロードすることも可能である。以下に、その内容を説明する。

図２３に示すコンピュータ１は、上述した各種ソフトウェア処理を実行するプログラムを、可搬型記録媒体１Ａまたは半導体メモリ１Ｂから読み取り、或いは、通信網Ｎを介して他のサーバコンピュータ（図示せず）からダウンロードする。当該プログラムは、制御プログラム１５Ｐとしてインストールされ、ＲＡＭ１２にロードして実行される。これにより、上述したコンピュータ１として機能する。

本実施の形態４は以上の如きであり、その他は実施の形態１から３と同様であるので、対応する部分には同一の参照番号を付してその詳細な説明を省略する。

以上の実施の形態１乃至４を含む実施形態に関し、さらに以下の付記を開示する。

（付記１）
コンピュータに、
店毎に異なる販売対象で分類した購入履歴に基づき、各店の顧客を複数のグループに分類し、
前記購入履歴に基づきグループ毎に、店間で共通する要素に基づく分布を生成し、
生成した分布に基づき異店間のグループ間の相関値を算出する
処理を実行させるプログラム。

（付記２）
前記要素は複数であり、前記購入履歴に基づきグループ毎に、店間で共通する要素に基づく複数の分布を生成し、
生成した複数の分布に基づき異店間のグループ間の相関値を算出する
付記１に記載のプログラム。

（付記３）
算出した相関値が第１閾値以上のグループの組み合わせを抽出する
付記１または２に記載のプログラム。

（付記４）
算出した相関値が第２閾値以下のグループの組み合わせを抽出する
付記１から３のいずれか一つに記載のプログラム。

（付記５）
前記販売対象は、各店が販売する商品またはサービスに基づく販売対象名である
付記１から４のいずれか一つに記載のプログラム。

（付記６）
前記要素は、店間で共通する顧客の年齢または購入金額である
付記１から５のいずれか一つに記載のプログラム。

（付記７）
前記店は百貨店であることを特徴とする
付記１から６のいずれか一つに記載のプログラム。

（付記８）
店毎に異なる販売対象で分類した購入履歴に基づき、各店の顧客を複数のグループに分類する分類部と、
前記購入履歴に基づきグループ毎に、店間で共通する要素に基づく分布を生成する生成部と、
生成した分布に基づき異店間のグループ間の相関値を算出する算出部と
を備える情報処理装置。

（付記９）
情報処理装置を用いた情報処理方法において、
店毎に異なる販売対象で分類した購入履歴に基づき、各店の顧客を複数のグループに分類し、
前記購入履歴に基づきグループ毎に、店間で共通する要素に基づく分布を生成し、
生成した分布に基づき異店間のグループ間の相関値を算出する
情報処理方法。

(付記１０)
第一の小売店の購買情報に基づいて、購入対象の組み合わせが共通する第１の顧客グループを形成し、
第二の小売店の購買情報に基づいて、購入対象の組み合わせが共通する第２の顧客グループを形成し、
購入対象とは異なる指標について、前記第１の顧客グループと前記第２の顧客グループの双方の分布を求め、求めた分布の類似の程度に応じて、前記第１の顧客グループと、前記第２の顧客グループとの類似度を評価する
処理をコンピュータに実行させる情報処理方法。

（付記１１）
コンピュータに、
第一の小売店の購買情報に基づいて、購入対象の組み合わせが共通する第１の顧客グループを形成し、
第二の小売店の購買情報に基づいて、購入対象の組み合わせが共通する第２の顧客グループを形成し、
購入対象とは異なる指標について、前記第１の顧客グループと前記第２の顧客グループの双方の分布を求め、求めた分布の類似の程度に応じて、前記第１の顧客グループと、前記第２の顧客グループとの類似度を評価する
処理を実行させるプログラム。

（付記１２）
第一の小売店の購買情報に基づいて、購入対象の組み合わせが共通する第１の顧客グループを形成する形成部と、
第二の小売店の購買情報に基づいて、購入対象の組み合わせが共通する第２の顧客グループを形成する形成部と、
購入対象とは異なる指標について、前記第１の顧客グループと前記第２の顧客グループの双方の分布を求め、求めた分布の類似の程度に応じて、前記第１の顧客グループと、前記第２の顧客グループとの類似度を評価する評価部と
を備える情報処理装置。

１ コンピュータ
１Ａ 可搬型記録媒体
１Ｂ 半導体メモリ
１０Ａ 読み取り部
１１ ＣＰＵ
１２ ＲＡＭ
１３ 入力部
１４ 表示部
１５ 記憶部
１５Ｐ 制御プログラム
１６ 通信部
１８ 時計部
１５１ Ａ購買ＤＢ
１５２ Ｂ購買ＤＢ
１５３ 客ＤＢ
１５４ ブランドＤＢ
１５５ クラスタＤＢ
１５６ 年齢ＤＢ
１５７ 相関ＤＢ
１５８ 金額ＤＢ
１５９ 第２相関ＤＢ
２２１ 分類部
２２２ 生成部
２２３ 算出部
Ｎ 通信網

Claims (9)

1. 第一の小売店の購買情報に基づいて、購入対象の組み合わせが共通する第１の顧客グループを形成し、
   第二の小売店の購買情報に基づいて、購入対象の組み合わせが共通する第２の顧客グループを形成し、
   購入対象とは異なる指標について、前記第１の顧客グループと前記第２の顧客グループの双方の分布を求め、求めた分布の類似の程度に応じて、前記第１の顧客グループと、前記第２の顧客グループとの類似度を評価する
   処理をコンピュータに実行させる情報処理方法。
2. コンピュータに、
   第一の小売店の購買情報に基づいて、購入対象の組み合わせが共通する第１の顧客グループを形成し、
   第二の小売店の購買情報に基づいて、購入対象の組み合わせが共通する第２の顧客グループを形成し、
   購入対象とは異なる指標について、前記第１の顧客グループと前記第２の顧客グループの双方の分布を求め、求めた分布の類似の程度に応じて、前記第１の顧客グループと、前記第２の顧客グループとの類似度を評価する
   処理を実行させるプログラム。
3. 第一の小売店の購買情報に基づいて、購入対象の組み合わせが共通する第１の顧客グループを形成する形成部と、
   第二の小売店の購買情報に基づいて、購入対象の組み合わせが共通する第２の顧客グループを形成する形成部と、
   購入対象とは異なる指標について、前記第１の顧客グループと前記第２の顧客グループの双方の分布を求め、求めた分布の類似の程度に応じて、前記第１の顧客グループと、前記第２の顧客グループとの類似度を評価する評価部と
   を備える情報処理装置。
4. コンピュータに、
   店毎に異なる販売対象で分類した購入履歴に基づき、各店の顧客を複数のグループに分類し、
   前記購入履歴に基づきグループ毎に、店間で共通する要素に基づく分布を生成し、
   生成した分布に基づき異店間のグループ間の相関値を算出する
   処理を実行させるプログラム。
5. 前記要素は複数であり、前記購入履歴に基づきグループ毎に、店間で共通する要素に基づく複数の分布を生成し、
   生成した複数の分布に基づき異店間のグループ間の相関値を算出する
   請求項４に記載のプログラム。
6. 算出した相関値が第１閾値以上のグループの組み合わせを抽出する
   請求項１または２に記載のプログラム。
7. 前記店は百貨店であることを特徴とする
   請求項４乃至請求項６のいずれかに記載のプログラム。
8. 店毎に異なる販売対象で分類した購入履歴に基づき、各店の顧客を複数のグループに分類する分類部と、
   前記購入履歴に基づきグループ毎に、店間で共通する要素に基づく分布を生成する生成部と、
   生成した分布に基づき異店間のグループ間の相関値を算出する算出部と
   を備える情報処理装置。
9. 情報処理装置を用いた情報処理方法において、
   前記情報処理装置が、店毎に異なる販売対象で分類した購入履歴に基づき、各店の顧客を複数のグループに分類し、
   前記情報処理装置が、前記購入履歴に基づきグループ毎に、店間で共通する要素に基づく分布を生成し、
   前記情報処理装置が、生成した分布に基づき異店間のグループ間の相関値を算出する
   情報処理方法。

Images