JP7304587B2

JP7304587B2 - Information processing device and program

Info

Publication number: JP7304587B2
Application number: JP2021043429A
Authority: JP
Inventors: 睦高松; 求渡辺; 孝太郎高島
Original assignee: Ａｉｑ株式会社
Priority date: 2021-03-17
Filing date: 2021-03-17
Publication date: 2023-07-07
Anticipated expiration: 2041-03-17
Also published as: JP7503804B2; JP2022143090A; JP2023108060A

Description

本発明の実施形態は、販売員がインターネットを通じて販売する販売能力を予測するための情報処理装置及びプログラムに関する。 An embodiment of the present invention relates to an information processing device and a program for predicting the sales ability of a sales person to sell through the Internet.

最近、店舗において販売員が接客しながら商品を販売する販売形態（実店舗販売）が難しくなってきている。販売総売上に対する実店舗販売額の割合が下がり、インターネットを介した電子商取引（ＥＣ：Electronic Commerce）を利用した販売形態（ＥＣ販売）の割合が拡大しつつある。 Recently, it has become difficult to have a sales form (physical store sales) in which a salesperson sells merchandise while serving customers in a store. The ratio of actual store sales to total sales is decreasing, and the ratio of sales forms (EC sales) using electronic commerce (EC: Electronic Commerce) via the Internet is increasing.

さらに、ＥＣサイトへの集客にＳＮＳ（Social networking service）を活用すること、つまり実店舗の販売員（投稿者）が例えばインスタグラム（登録商標）に商品の画像等を投稿し、その投稿からＥＣサイトにユーザを誘導することが盛んになってきている。 Furthermore, SNS (Social networking service) can be used to attract customers to EC sites. It has become popular to guide users to sites.

しかし、店舗販売と異なり、ＳＮＳを活用した集客及び販売力の予測処理は手法が確立していない現状では非常に難しく、その精度は高くはない。またＳＮＳを活用して集客を増やし、売上を増大させるために、何が足りていないのか、どのような活動をすればよいのか、混沌としており、投稿者は勿論のこと、企業側にとってもＳＮＳ活用について教育できない状況にある。 However, unlike in-store sales, it is very difficult to predict customer attraction and sales force using SNS in the current situation where the technique has not been established, and the accuracy is not high. In order to increase the number of customers and increase sales using SNS, there is confusion about what is lacking and what activities should be done. It is in a situation where it is not possible to educate about utilization.

目的は、ＳＮＳ活動を経由したＥＣ販売の販売力の予測精度を向上すること、さらにＳＮＳ活動によりＥＣ販売の売上を増やすには何が足りていないのか、どのような活動をすれば良いのかについての提案を実現することにある。 The purpose is to improve the prediction accuracy of the sales force of EC sales via SNS activities, and furthermore, what is lacking in increasing sales of EC sales through SNS activities, and what kind of activities should be done. It is to realize the proposal of

本実施形態に係る情報処理装置は、複数の商品の売り上げを管理するための売上管理装置と、ＳＮＳを提供するＳＮＳサーバとに対してインターネット回線を介して接続され、売上管理装置から受信した複数の商品の販売者としての投稿者による売上実績情報に加えて、ＳＮＳサーバから受信した投稿者による投稿に関する情報に基づいて、ＳＮＳを通じて投稿者が商品を販売する能力を表す販売力スコアを推定する。 An information processing apparatus according to the present embodiment is connected to a sales management apparatus for managing sales of a plurality of products and a SNS server that provides SNS via an Internet line, and is connected to a plurality of sales information received from the sales management apparatus. In addition to the sales performance information by the contributor as the product seller of , based on the information on the contribution by the contributor received from the SNS server, a sales force score representing the ability of the contributor to sell the product through the SNS is estimated. .

図１はＳＮＳ画面の一例を示す図である。FIG. 1 is a diagram showing an example of an SNS screen. 図２は、本実施形態に係る販売力予測処理装置（情報処理装置）を含む全体システムの構成図である。FIG. 2 is a configuration diagram of an entire system including a sales force prediction processing device (information processing device) according to this embodiment. 図３は、図１の販売力予測処理装置のブロック図である。FIG. 3 is a block diagram of the sales force prediction processing device of FIG. 図４は、図３の記憶装置に記憶される各種データを示す図である。FIG. 4 is a diagram showing various data stored in the storage device of FIG. 図５は、図２のプロセッサで実現されるニューラルネットワークのデータの入出力を示す図である。FIG. 5 is a diagram showing data input/output of a neural network implemented by the processor of FIG. 図６は、本実施形態における情報処理の動作手順を示すフローチャートである。FIG. 6 is a flow chart showing the operation procedure of information processing in this embodiment. 図７は、図６の商品番号、投稿画像のカテゴリー、嗜好傾向の推定処理の手順を示す図である。FIG. 7 is a diagram showing a procedure for estimating product numbers, posted image categories, and preference tendencies in FIG. 6 .

以下、図面を参照して本発明の実施形態について説明する。本実施形態は、人と人とのつながりを促進・サポートするコミュニティ型のサービスとしてソーシャルネットワーキングサービス（以下「ＳＮＳ」という）、インターネットなどのネットワークを介して商品やサービスをウェブサイトで販売するサービスを展開するＥＣ（electronic commerce、電子商取引）サービス、YouTube（登録商標）等の動画投稿閲覧サービス等の画像（静止画、動画を含む）が投稿されるインターネットサービスに関連する。ここでは「フェイスブック（登録商標）」、「ツイッター（登録商標）」、「インスタグラム（登録商標）」を代表例とするＳＮＳを例に説明する。またここでは、洋服を店舗及びＷｅｂ経由で販売する場合を例に説明する。 Embodiments of the present invention will be described below with reference to the drawings. This embodiment provides a social networking service (hereinafter referred to as "SNS") as a community-type service that promotes and supports connections between people, and a service that sells products and services on websites via networks such as the Internet. It relates to Internet services in which images (including still images and videos) are posted, such as developing EC (electronic commerce) services and video posting and viewing services such as YouTube (registered trademark). Here, an example of SNS will be described, in which “Facebook (registered trademark)”, “Twitter (registered trademark)”, and “Instagram (registered trademark)” are representative examples. Also, here, a case where clothes are sold at stores and via the Web will be described as an example.

これらＳＮＳは自分のプロフィールや趣味等に関する画像を自身のコメントと共に投稿でき、またそれを閲覧するユーザからコメントの投稿、「いいね」や「やだね」等の好感、否定及び共感等の評価、投稿画像の保存等の反応（エンゲージメント）を返すことができるコミュニティ性の高いインターネット上のサービスである。またユーザは投稿者をフォローすることもできる。通常、投稿者は自身のプロフィール画面等から各エンゲージメントの数やエンゲージメントユーザ及びフォロワーのアカウントを視認することができる
まずＳＮＳ画面構成について簡単に説明する。図１にはインスタグラムのユーザの端末に表示される画面例を示している。図１（ａ）に例示するように当該画面には、投稿者が投稿した投稿画像の枚数、投稿者をフォローしているフォロワーの数、投稿者がフォローしているユーザの数（フォロー数）、投稿画像、投稿画像に対して投稿者が付帯させたコメント、「いいね」や「やだね」等の好感、否定及び共感等の評価ボタン、投稿画像に対して閲覧者がコメントを投稿するコメントボタン、閲覧者が投稿画像を保存する画像保存ボタン、投稿画像に対して閲覧者が投稿したコメントが表示される。 These SNS allow users to post images related to their profile, hobbies, etc. along with their own comments. , is a service on the Internet with a high degree of community that can return reactions (engagement) such as saving of posted images. Users can also follow posters. Generally, the contributor can view the number of engagements and the accounts of engaged users and followers from his or her own profile screen. First, the SNS screen configuration will be briefly described. FIG. 1 shows an example of a screen displayed on an Instagram user's terminal. As exemplified in FIG. 1(a), the screen displays the number of images posted by the poster, the number of followers following the poster, the number of users following the poster (number of followers). , Posted images, comments attached to posted images by posters, favorable impressions such as “Like” and “No”, evaluation buttons for negative and empathy, etc., comments posted by viewers on posted images A comment button to save the posted image by the viewer, an image save button for saving the posted image, and comments posted by the viewer on the posted image are displayed.

図２に示すように本実施形態に係る販売力予測装置１に対して、公衆通信回線網（インターネット回線）９を介して、店舗販売及びＷｅｂ販売による複数の商品の売り上げを管理するための売上管理装置２と、複数の商品をＷｅｂページを経由して販売する販売Ｗｅｂサーバ３と、ＳＮＳを提供するＳＮＳサーバ４とが接続される。またＳＮＳサーバ４にはインターネット回線９を介して投稿者や閲覧者などのＳＮＳユーザが所有するＰＣ、スマートフォン、ＰＨＳ、ＰＤＡ、タブレット端末などの端末（ユーザ端末）５－８が接続される。例えば、投稿者はユーザ端末５を介して画像やコメント等をＳＮＳサーバ４に投稿することができる。またエンゲージメントユーザは、投稿に対してコメント、「いいね」や「やだね」等の評価、画像保存等のエンゲージメントを発信することができ、また投稿者をフォローすることができる。なお、当該ＳＮＳアカウントにより当該ＳＮＳ上に構築された商品販売用ページのサイトは、販売Ｗｅｂサーバ３により提供される商品販売Ｗｅｂサイトと実質的に同一である。 As shown in FIG. 2, a sales force prediction apparatus 1 according to the present embodiment is provided with a sales force for managing sales of a plurality of products through store sales and Web sales via a public communication network (Internet line) 9. A management device 2, a sales web server 3 that sells a plurality of products via a web page, and an SNS server 4 that provides SNS are connected. Terminals (user terminals) 5 - 8 such as PCs, smartphones, PHS, PDA, tablet terminals, etc. owned by SNS users such as posters and viewers are connected to the SNS server 4 via the Internet line 9 . For example, a contributor can post images, comments, etc. to the SNS server 4 via the user terminal 5 . In addition, the engagement user can comment on the post, evaluate such as "like" or "dislike", send engagement such as image storage, and follow the poster. The site of the product sales page built on the SNS by the SNS account is substantially the same as the product sales website provided by the sales Web server 3 .

図３に示すように販売力予測装置１は、情報処理装置により実現されるもので、プロセッサ１１に対してシステムバス２０を介して、ＲＡＭ１２、ＲＯＭ１３、記憶装置１４、入力コントローラ１５、ビデオコントローラ１６、通信装置１７が接続される。入力コントローラ１５には入力デバイス１８が接続される。ビデオコントローラ１６にはディスプレイ１９が接続される。 As shown in FIG. 3, the sales force forecasting apparatus 1 is realized by an information processing apparatus, and has a RAM 12, a ROM 13, a storage device 14, an input controller 15, a video controller 16, and a processor 11 via a system bus 20. , the communication device 17 is connected. An input device 18 is connected to the input controller 15 . A display 19 is connected to the video controller 16 .

プロセッサ２０１は、例えばＣＰＵ（Central Processing Unit）、及びＧＰＵ（Graphics Processing Unit）により構成される。プロセッサ１１は、記憶装置１４及びＲＯＭ１３からＲＡＭ１２にロードされたプログラムを実行して、販売力予測処理を実行する。ＲＡＭ１２は、プロセッサ１１の主メモリ、ワークエリア等として機能する。ＲＯＭ１３あるいは記憶装置１４は、プロセッサ２０１により実行されるＢＩＯＳ（Basic Input Output System）、オペレーティングシステムプログラム（ＯＳ）、本実施形態に係る販売力予測処理プログラム、その他前処理等の各種機能を実現するためのプログラム、それら処理に必要とされる各種データ等が記憶される。 The processor 201 is composed of, for example, a CPU (Central Processing Unit) and a GPU (Graphics Processing Unit). The processor 11 executes a program loaded from the storage device 14 and the ROM 13 to the RAM 12 to execute sales force prediction processing. The RAM 12 functions as a main memory, work area, etc. of the processor 11 . The ROM 13 or the storage device 14 implements various functions such as a BIOS (Basic Input Output System), an operating system program (OS), a sales force prediction processing program according to the present embodiment, and other preprocessing executed by the processor 201. programs, various data required for these processes, and the like are stored.

入力コントローラ１５で、キーボード（ＫＢ）、マウスやタッチパネル等のポインティングデバイス等の入力デバイス１８からの入力を制御する。ビデオコントローラ１６は、プロセッサ１１の制御のもとで、ＬＣＤ（Liquid Crystal Display）などのディスプレイ１９の表示を制御する。 An input controller 15 controls input from an input device 18 such as a keyboard (KB), a pointing device such as a mouse or a touch panel. The video controller 16 controls display on a display 19 such as an LCD (Liquid Crystal Display) under the control of the processor 11 .

記憶装置１４には、販売力予測処理用プログラム及び前処理用プログラムの他に、販売力予測処理や前処理等に必要とされる各種データが予め記憶される。図４（ａ）に例示するように、商品属性に関するデータとして、商品を特定するための商品番号に、その商品の基本的な色調、商品がトップスであるのかアウターであるのか等のその種類（商品カテゴリー）、商品が新作であるのか旧作であるのかさらにセール品であるのか等を区別する販売区分を表す商品区分、デザインの基本的な分類などの属性が対応付けられている。図４（ｂ）に例示するように、商品ターゲット層に関するデータとして、商品番号に、商品がターゲットとする性別、年齢層などが対応付けられている。 In the storage device 14, in addition to the sales force prediction processing program and the preprocessing program, various data required for sales force prediction processing, preprocessing, etc. are stored in advance. As exemplified in FIG. 4(a), as data related to product attributes, the product number for specifying the product, the basic color tone of the product, and the type of product such as whether the product is a top or an outerwear. Attributes such as a product category), a product category indicating a sales category that distinguishes whether the product is a new product, an old product, or a sale product, etc., and a basic classification of the design are associated with each other. As exemplified in FIG. 4(b), as data relating to product target groups, product numbers are associated with gender, age groups, etc. targeted by products.

図４（ｃ）に例示するように、投稿画像カテゴリースコアに関するデータとして、投稿画像が商品単体の画像であるのか、商品を構図に含む画像であるのか、そのカテゴリーに対して個別にスコアが設定されている。さらに詳細に、商品を構図に含む画像として、他の商品（洋服）と組み合わせて着用したコーディネートの画像であるのか、商品を着用したモデル等を風景の中でリラックスした状態で写した画像であるのか、商品を着用したモデル等を仕事場等の中で写した画像であるのかが区別される。商品の売れ行きは、投稿画像が商品単体の画像である場合よりも、商品を構図に含む画像である場合が高いと想定され、さらに商品を構図に含む画像であっても、コーディネート画像よりも、風景画像や仕事場画像である場合が高いと想定されている。想定される売れ行きの増加に応じて投稿画像カテゴリースコアも高値が設定されるべきであり、これら売れ行きの想定に応じて投稿画像カテゴリースコアが予め個々に設定されている。 As exemplified in FIG. 4(c), as data related to the posted image category score, whether the posted image is an image of the product alone or an image including the product in the composition, the score is set individually for that category. It is In more detail, the image that includes the product in the composition is an image of a coordinated image worn in combination with other products (clothes), or an image of a model wearing the product in a relaxed state in the scenery. It is distinguished whether it is an image of a model or the like wearing the product in the workplace or the like. Product sales are assumed to be higher when the product is included in the composition than when the posted image is the image of the product alone, and even if the image includes the product in the composition, Landscape images and workplace images are assumed to be high. The posted image category score should be set to a high value in accordance with the expected increase in sales, and the posted image category score is individually set in advance according to the expected sales.

図４（ｄ）に例示するように、商品固有スコアに関するデータとして、商品番号に、商品に対して個別にスコアが設定されている。商品固有スコアとは、ブランド力、デザイン力、素材品質等によるその商品が内在している売れる力を総合的に既定したスコアであり、換言すると、商品ごとにその売れ行きが予想されており、その予想に応じて販売予定数が設定されることが多く、販売予定数に応じたスコアが既定されている。想定される売れ行きの増加に応じて商品固有スコアも高値が設定されるべきであり、その商品が内在する売れる力、売れ行きの想定に応じて商品固有スコアが予め個々に設定されている。なお、商品固有スコアは実際の販売数に応じて適宜更新されることが好ましい。 As exemplified in FIG. 4(d), a score is individually set for each product in the product number as data related to the product unique score. A product-specific score is a score that comprehensively defines the selling power inherent in the product, such as brand power, design power, and material quality. The number of planned sales is often set according to the forecast, and the score according to the planned number of sales is predetermined. A product-specific score should also be set at a high value in accordance with an expected increase in sales. In addition, it is preferable that the product-specific score is appropriately updated according to the actual number of sales.

なお、予測処理は例えば予測処理時点とそれより所定期間（１週間若しくは１か月等）前の時点との間の期間を“予測処理対象期間”として、この予測処理対象期間内に投稿された投稿画像が予測処理対象とされる。 In the prediction process, for example, the period between the time of the prediction process and the time point before a predetermined period (one week or one month, etc.) is set as the "prediction process target period", and the post was posted within this prediction process target period. The posted image is targeted for prediction processing.

販売力予測用プログラムはそれを実行するプロセッサ１１を、
ＳＮＳサーバ４に対して、商品の販売者としての投稿者が予測処理対象期間内に投稿した複数の投稿画像、投稿者をフォローするフォロワー各々のプロフィール、投稿画像各々に対する複数種類のエンゲージメント数（評価数、コメント数、投稿画像の保存数）、投稿画像各々に対する複数種類のエンゲージメント（評価、コメント、投稿画像の保存）を実行した複数のエンゲージメントユーザ各々のプロフィール、投稿画像各々に対するコメント及びその返信を要求し、受信する手段と、
売上管理装置２に対して、投稿者による商品の売上実績を要求し、受信する手段と、
販売Ｗｅｂサーバ３に対して、ＳＮＳを経由して販売Ｗｅｂページへ流入した流入数を要求し、受信する手段として機能させる。 The sales force forecasting program causes the processor 11 that executes it to
To the SNS server 4, multiple posted images posted by the contributor as the product seller within the prediction processing target period, the profile of each follower who follows the poster, and the number of multiple types of engagement (evaluation) for each posted image. number of posted images, number of comments, number of posted images saved), multiple engagement profiles of each user who performed multiple types of engagement (evaluation, comment, saved posted image) on each posted image, comments on each posted image and their replies means for requesting and receiving;
a means for requesting and receiving sales results of products by contributors from the sales management device 2;
The sales Web server 3 is made to function as means for requesting and receiving the number of inflows to the sales Web page via the SNS.

さらに、販売力予測用プログラムはプロセッサ１１を、
予測処理対象期間内に投稿された投稿画像に対するいいね数、やだね数等の評価数、コメント数及び保存数と、商品固有スコアとに基づいて投稿画像各々に関するユーザの反応程度を表す反応スコアを投稿画像ごとに計算する手段と（図５（ａ）参照）、
予測処理時点のフォロワーのプロフィールとエンゲージメントユーザのプロフィールとに基づいて、予測処理対象期間内の投稿画像の商品に対して事前設定されているターゲット層に対するフォロワー及びエンゲージメントユーザの整合度と、対象画像の商品の属性に対するフォロワー及びエンゲージメントユーザの嗜好傾向の整合度とに基づいて、対象画像の商品とフォロワー及びエンゲージメントユーザとの整合程度を表す整合度スコアを計算する手段と（図５（ｂ）参照）、
予測処理対象期間内に投稿者により投稿された全ての投稿画像の数と、それら投稿画像のページから販売Ｗｅｂページへ流入した流入数、さらに予測処理時点のフォロワー数、フォロー数、これら投稿画像に対して付けられたコメントの数、当該コメントに対する返信数、当該コメントに対する返信率、予測処理対象期間内に投稿者により投稿された全ての投稿画像各々のカテゴリースコアに基づいて、投稿者固有の接客能力を表す接客スコアを計算する手段と（図５（ｃ）参照）、
商品スコア、整合度スコア、接客スコアに基づいて、ＳＮＳを通じて投稿者が商品を販売する能力を表す販売力スコアを計算する手段と（図５（ｄ）参照）、
販売力スコアと売上実績と、さらに予測処理時点の季節とに基づいて、売上予測（週単位／月単位／年単位等の売上予測額）を計算する手段（図５（ｅ）参照）として機能させる。 Further, the sales force forecasting program causes the processor 11 to
Reaction that indicates the degree of user reaction to each posted image based on the number of likes, the number of likes, the number of comments, the number of saves, and the product-specific score for the posted image posted within the prediction processing target period means for calculating a score for each posted image (see FIG. 5(a));
Based on the follower's profile and the engagement user's profile at the time of prediction processing, the matching degree of followers and engagement users with the preset target group for the product of the posted image within the prediction processing target period, and the target image Means for calculating a matching degree score representing the degree of matching between the product of the target image and the follower or engagement user based on the degree of matching of the preference trends of the follower or engagement user with respect to the attributes of the product (see FIG. 5(b)); ,
The number of all posted images posted by posters within the prediction processing target period, the number of inflows from the page of these posted images to the sales web page, the number of followers and followings at the time of prediction processing, and the number of posts Based on the number of comments made on the post, the number of replies to the comment, the reply rate to the comment, and the category score of each post image posted by the post within the prediction processing period. means for calculating a customer service score representing ability (see FIG. 5(c));
Means for calculating a selling power score representing the ability of the contributor to sell the product through the SNS based on the product score, the consistency score, and the customer service score (see FIG. 5(d));
Functions as means for calculating sales forecast (sales forecast amount for weekly/monthly/yearly basis, etc.) based on the sales force score, actual sales, and season at the time of forecast processing (see FIG. 5(e)). Let

なお、これら処理手段は、プロセッサ１１におけるニューラルネットワークにより実現される。ニューラルネットワークは、週及び月に一回の頻度又は任意の頻度で定期的に、エンゲージメント数、整合度、流入数、フォロワー数、フォロー数、コメント数、コメントに対する返信数、コメントに対する返信率、および投稿画像のカテゴリースコア等とその週単位又は月単位の売上実績とを教師データとして取り込み、機械学習される。 These processing means are realized by a neural network in the processor 11. FIG. The neural network will measure the number of engagements, consistency, number of inflows, number of followers, number of followers, number of comments, number of replies to comments, reply rate to comments, and Machine learning is performed by importing category scores of posted images and their weekly or monthly sales results as teacher data.

またプログラムはプロセッサ１１を、
予測処理対象期間内に投稿者により投稿された全ての投稿画像各々を畳み込みニューラルネットワークに適用することにより投稿画像が商品単体カテゴリーと、商品を構図に含むカテゴリーとのいずれのカテゴリーに属する画像であるかを判定する手段と、
予測処理対象期間内に投稿者により投稿された全ての投稿画像各々を畳み込みニューラルネットワークに適用することにより当該投稿画像各々に写っている商品の商品番号を特定する手段と、
予測処理対象期間内に投稿者により投稿された全ての投稿画像各々から特定された商品の属性と、当該投稿画像各々に対して投稿されたコメントの言語処理結果（形容詞、副詞）とに基づいて、当該投稿画像各々に対してコメントを送信した閲覧者のうちフォロワー、エンゲージメントユーザの嗜好傾向を推定する手段として機能させる。 The program also causes the processor 11 to
Applying a convolutional neural network to all the posted images posted by the poster within the prediction processing target period, the posted image is an image that belongs to either the product single category or the category that includes the product in the composition. means for determining whether
means for identifying the product number of the product shown in each posted image by applying each posted image posted by a poster within a prediction processing target period to a convolutional neural network;
Based on the attribute of the product identified from each of the posted images posted by the contributor within the prediction processing target period and the language processing results (adjectives, adverbs) of the comments posted on each of the posted images. , and functions as means for estimating the preferences of followers and engagement users among viewers who have sent comments to each of the posted images.

なお、フォロワー、エンゲージメントユーザの嗜好傾向は、当以外投稿者による過去全ての投稿画像を対象として推定するものであってもよい。 Note that the preferences of followers and engagement users may be estimated for all past images posted by other contributors.

商品を特定する手段として、プログラムはプロセッサ１１を、
投稿者のコメントの言語処理結果（名詞）から商品の種類を特定する手段と、
複数の商品の種類にそれぞれ対応して用意されている複数の畳み込みニューラルネットワークから、特定された商品の種類に従って一の畳み込みニューラルネットワークを選択する手段と、
商品種類に応じて選択された一の畳み込みニューラルネットワークに投稿画像（対象画像）を適用することにより投稿画像に映っている商品を特定する手段として機能させる。 As a means of identifying the product, the program causes the processor 11 to
A means to identify the product type from the language processing result (noun) of the comment of the poster;
means for selecting one convolutional neural network according to a specified product type from a plurality of convolutional neural networks prepared for each of a plurality of product types;
By applying a posted image (target image) to one convolutional neural network selected according to the type of product, it functions as means for identifying the product shown in the posted image.

本実施形態では、反応スコア、整合度スコア及び接客スコアに基づいて、ＳＮＳを通じて投稿者が商品を販売する能力を数値化した販売力スコアが得られるので、当該能力を客観的に投稿者ごとに評価する基礎資料として活用できるとともに、販売力スコアを高めるために何が必要なのか、何が足りないのかを、反応スコア、整合度スコア、接客スコア、それぞれのスコアの基礎になった情報から具体的に把握することができ、どのようなＳＮＳ活動を増やすのか、より具体的に認識することができるようになる。さらには販売力スコアと売上実績とからＳＮＳ活動による売上を高精度で予測することができる。 In this embodiment, based on the response score, consistency score, and customer service score, a sales force score that quantifies the poster's ability to sell products through SNS is obtained. It can be used as a basic material for evaluation, and what is necessary and what is lacking in order to improve the sales force score is concretely based on the information that is the basis for each score, such as response score, consistency score, and customer service score. It will be possible to grasp more specifically what kind of SNS activities to increase. Furthermore, sales from SNS activities can be predicted with high accuracy from the sales force score and actual sales results.

次に本実施形態に係る販売力予測装置１の処理手順を説明する。
図６に示すように、例えば売上管理装置２又は他の端末から販売力予測装置１に、販売力予測依頼が予測対象の販売員（画像投稿者）のＳＮＳアカウントと共に送信される。販売力予測装置１は、売上管理装置２に対して売上実績データの提供を要求する。それに呼応して売上管理装置２は、販売力予測装置１に、予測対象の販売員の売上実績データを返信する。売上実績データとしては、予測処理対象期間内で販売した商品番号、その販売価格、販売日時等が含まれる。なお、売上実績データとしては、予測処理対象期間に制限することなく、当該投稿者が過去全ての販売した全ての商品に関するものであってもよい。 Next, a processing procedure of the sales force prediction device 1 according to this embodiment will be described.
As shown in FIG. 6, for example, a sales force prediction request is transmitted from the sales management device 2 or another terminal to the sales force prediction device 1 together with the SNS account of the target salesperson (image poster). The sales force prediction device 1 requests the sales management device 2 to provide sales record data. In response to this, the sales management device 2 sends back the actual sales data of the target salesperson to the sales force prediction device 1 . The actual sales data includes the numbers of the products sold during the target period of prediction processing, their sales prices, sales dates and times, and the like. The actual sales data may be related to all products sold by the contributor in the past, without being limited to the prediction processing target period.

また、販売力予測装置１は、販売Ｗｅｂサーバ３に対して、予測処理対象期間においてＳＮＳにおける当該販売員（画像投稿者）のＳＮＳアカウントのページを経由して販売Ｗｅｂページへ流入した流入数を要求する。それに呼応して、販売Ｗｅｂサーバ３は、販売力予測装置１に、当該流入数のデータを返信する。 In addition, the sales force prediction device 1 reports to the sales web server 3 the number of inflows to the sales web page via the SNS account page of the salesperson (image contributor) in the SNS during the prediction processing target period. demand. In response, the sales Web server 3 sends back the data of the number of inflows to the sales force prediction device 1 .

さらに、販売力予測装置１は、ＳＮＳサーバ４に対して、当該投稿者が予測処理対象期間に当該ＳＮＳアカウントを使用して投稿した複数の投稿画像、当該投稿者を予測処理時点においてフォローするフォロワー各々のプロフィール、投稿画像各々に対する複数種類のエンゲージメント数（評価数、コメント数、投稿画像の保存数）、投稿画像各々に対する複数種類のエンゲージメント（評価、コメント、投稿画像の保存）を実行した複数のエンゲージメントユーザ各々のプロフィール、投稿画像各々に対するコメント及びそのコメントに対して当該投稿者が返信した数及び返信内容を要求する。それに呼応して、ＳＮＳサーバ４は、販売力予測装置１に、予測処理対象期間内の全ての投稿画像、現時点のフォロワープロフィール、予測処理対象期間内の全ての投稿画像各々のエンゲージメント数（評価数、コメント数、投稿画像の保存数）、それらエンゲージメントユーザのプロフィール、コメント、返信数及び返信内容を返信する。 Furthermore, the sales force prediction device 1 sends to the SNS server 4 a plurality of posted images posted by the contributor using the SNS account during the prediction processing target period, followers who follow the contributor at the time of prediction processing, Each profile, multiple types of engagement counts for each posted image (number of ratings, comments, number of saved posted images), multiple types of engagement for each posted image (evaluations, comments, saved posted images) Request the profile of each engagement user, comments on each posted image, and the number and content of replies to those comments by the contributor. In response, the SNS server 4 provides the sales force prediction device 1 with all posted images within the prediction processing target period, the current follower profile, and the number of engagements (number of evaluations) for each of all posted images within the prediction processing target period. , the number of comments, the number of saved posted images), the profile of those engaged users, the number of comments, the number of replies, and the content of the replies.

次にプロセッサ１１は、コメントに対して言語解析処理を実行して、それに含まれる名詞、形容詞、副詞等を抽出する。プロセッサ１１は、言語解析結果の名詞から商品種類（トップス／ボトムス等）を推定して、その種類に応じた畳み込みニューラルネットワークを選択し、投稿画像に対して畳み込みニューラルネットワークを実行して投稿画像内の商品の商品番号を特定する。 Next, processor 11 performs language analysis processing on the comment to extract nouns, adjectives, adverbs, etc. contained therein. The processor 11 estimates the product type (tops/bottoms, etc.) from the noun of the language analysis result, selects a convolutional neural network according to the type, executes the convolutional neural network on the posted image, and performs Identifies the item number of the item in the

実際には、図７に示すように、セパレータ１１１は画像とコメントとを分離する、画像は、オブジェクト抽出処理部１１２と投稿カテゴリー解析部１１５に送られ、コメントは言語解析部１１３に送られる。 Actually, as shown in FIG. 7, the separator 111 separates the image and the comment.

言語解析部１１３は、投稿者や閲覧者のコメントをテキストマイニング処理にかけて、品詞として名詞、形容詞、副詞を抽出する。なお、コメントに絵文字やスタンプ等の絵柄、記号、シンボルが含まれる場合、それらは形容詞として抽出する。画像投稿者コメントから抽出された名詞はほとんどの場合、その画像内の注目オブジェクトの種類を表している。画像投稿者コメントから抽出された名詞（それを表すコード）は商品解析部１１４に供給され、形容詞及び副詞（それを表すコード）は嗜好解析部１１６に供給される。 The language analysis unit 113 applies text mining processing to the comments of posters and readers, and extracts nouns, adjectives, and adverbs as parts of speech. If a comment includes pictures, signs, or symbols such as pictograms or stamps, they are extracted as adjectives. Most of the nouns extracted from the image poster's comments represent the type of object of interest in the image. Nouns (codes representing them) extracted from the image poster comments are supplied to the product analysis unit 114 , and adjectives and adverbs (codes representing them) are supplied to the preference analysis unit 116 .

オブジェクト抽出処理部１１２は、供給された画像からオブジェクトを抽出し解析する。この処理は典型的には畳み込みニューラルネットワークが適用され、オブジェクトの種類（大分類）、オブジェクトの位置（フレーム内の区画）、オブジェクト領域の大きさ（フレームに対するオブジェクト領域のピクセル数の割合）が判断される。例えば図７の例では、画像内に２つのオブジェクトが含まれ、第１のオブジェクトとしては種類が「トップス」であり、それが中央上区画に位置し、サイズクラスが”中”である。同様に第２のオブジェクトは種類が「ボトムス」であり、中央下区画に位置し、サイズクラスが”中”である。これらオブジェクト情報に基づいて、部分画像が切り出される。切り出された部分画像は商品解析部１１４に供給される。 The object extraction processing unit 112 extracts and analyzes objects from the supplied image. This process typically applies a convolutional neural network to determine the type of object (major classification), the position of the object (partition within the frame), and the size of the object area (ratio of pixels in the object area to the frame). be done. For example, in the example of FIG. 7, there are two objects in the image, the first one being of type "tops", located in the upper middle compartment and of size class "medium". Similarly, the second object is of type "bottoms", is located in the lower middle compartment, and has a size class of "medium". A partial image is cut out based on the object information. The clipped partial image is supplied to the product analysis unit 114 .

商品解析部１１４では、部分画像を解像度正規化処理、コントラスト正規化処理等の前処理を実行した後に、画像投稿者コメントから抽出された名詞から推定される商品種類に応じて選択される畳み込みニューラルネットワークにより商品番号が特定される。なお、畳み込みニューラルネットワークを作成する際の機械学習には、膨大な実際の教師画像を用意し学習を繰り返される。周知の通り、畳み込みニューラルネットワークは、２次元画像に対してフィルタによる畳み込みを行うことで、画像から特徴量を抽出する。畳み込みニューラルネットワークは、畳み込みとプーリングとを繰り返す多層ネットワークからなる。畳み込みニューラルネットワークにおいて畳み込み層を構成する識別に有効なフィルタの係数（重み）を、大量の学習用画像などの大量のデータを用いて学習させる。当該係数（重み）は、大量のデータを用いて、フィルタによる畳み込みと、一定領域の反応をまとめるプーリングとを繰り返すことで多様な変形に対する不変性を獲得する学習を行うことにより得られる。なお、畳み込みニューラルネットワークの識別性能は、畳み込み層を構成するフィルタに依存する。フィルタは、オブジェクトの種類ごとに用意される。 In the product analysis unit 114, after performing preprocessing such as resolution normalization processing and contrast normalization processing on the partial image, a convolution neural network is selected according to the product type estimated from the noun extracted from the image poster comment. A product number is specified by the network. In machine learning for creating a convolutional neural network, a large number of actual teacher images are prepared and learning is repeated. As is well known, a convolutional neural network extracts a feature amount from an image by convolving a two-dimensional image with a filter. A convolutional neural network consists of a multilayer network that repeats convolution and pooling. Coefficients (weights) of filters effective for identification that constitute convolutional layers in a convolutional neural network are learned using a large amount of data such as a large amount of training images. The coefficients (weights) are obtained by learning to acquire invariance to various deformations by repeating convolution with a filter and pooling of responses in a certain region using a large amount of data. Note that the identification performance of the convolutional neural network depends on the filters that constitute the convolutional layers. A filter is prepared for each type of object.

投稿カテゴリー解析部１１５にでは、セパレータ１１１から供給された画像に対して、畳み込みニューラルネットワークを適用され、投稿画像が商品単体の画像であるのか、商品を構図に含む画像であるのか、さらに商品を構図に含む画像カテゴリーの中でもさらに詳細に他の商品（洋服）と組み合わせて着用したコーディネートの画像であるのか、商品を着用したモデル等を風景の中でリラックスした状態で写した画像であるのか、商品を着用したモデル等を仕事場等の中で写した画像であるのかが区別される。 The posted category analysis unit 115 applies a convolutional neural network to the image supplied from the separator 111 to determine whether the posted image is an image of the product alone or an image including the product in its composition, and further determines whether the product is included in the composition. Among the image categories included in the composition, further detail whether the image is a coordinated image worn in combination with other products (clothes), or whether it is an image of a model wearing the product in a relaxed state in the scenery. It is distinguished whether it is an image of a model or the like wearing the product in the workplace or the like.

嗜好解析部１１６は、商品解析部１１４で特定した商品番号に応じた商品属性データを記憶装置１７から読み取り、商品属性の各項目（色調、商品種類、商品区分、デザイン分類等）ごとに、嗜好極性（ポジティブ（プラス）／ネガティブ（マイナス））を対応付けて、ユーザの嗜好傾向を推定する。なお、商品区分は嗜好傾向の購入指向に対応付けられる。ユーザの嗜好傾向を推定するに際しては、形容詞から嗜好極性を判定するためのテーブルを世代ごと、さらに性別ごとに事前に作成して記憶装置１４に記憶しており、コメントを寄せたユーザプロフィール内の年齢、性別に従って選択したテーブルに言語解析部１１３で抽出した形容詞を照会することにより、ユーザの主観的な嗜好極性を推定する。 The preference analysis unit 116 reads product attribute data corresponding to the product number specified by the product analysis unit 114 from the storage device 17, and analyzes the product attribute data for each product attribute item (color tone, product type, product classification, design classification, etc.). A user's preference tendency is estimated by associating polarities (positive (plus)/negative (minus)). Note that the product category is associated with the purchase orientation of the preference tendency. When estimating the user's preference tendency, a table for judging the preference polarity from adjectives is created in advance for each generation and for each sex and stored in the storage device 14, and is stored in the storage device 14. By referencing the adjectives extracted by the language analysis unit 113 in a table selected according to age and sex, the user's subjective preference is estimated.

この嗜好傾向の推定処理は、対象の販売員（画像投稿者）に対する現在（予測処理時点）のフォロワー及びエンゲージメントユーザを対象とするものである。当該フォロワー及びエンゲージメントユーザの嗜好傾向の解析対象とする投稿としては対象の販売員（画像投稿者）の投稿に限定することなく、当該フォロワー及びエンゲージメントユーザがコメントを寄せている同じ店舗の他の販売員が投稿した他の投稿画像及びコメントも対象としてできるだけ多くの投稿に対して適用することが嗜好傾向の精度を高める点で好ましい。そして、多くの投稿やコメントから推定し、収集した商品属性項目ごとの嗜好極性に対して、ポジティブ（プラス）数とネガティブ（マイナス）数が計数され、その多寡に応じて総合的な嗜好極性が決まる。なお、総数に対するポジティブ（プラス）数又はネガティブ（マイナス）数の割合により嗜好程度をさらに決定しても良い。 This preference trend estimation processing is intended for the current (at the time of prediction processing) followers and engagement users of the target salesperson (image contributor). The posts to be analyzed for the preference trends of the followers and engagement users are not limited to the posts of the target salesperson (image poster), but other sales at the same store where the followers and engagement users have posted comments. It is preferable to apply this method to as many posts as possible, including other posted images and comments posted by members, in order to increase the accuracy of preference trends. Then, the positive (plus) number and the negative (minus) number are counted against the preference polarity for each product attribute item, which is estimated from many posts and comments, and the overall preference polarity is calculated according to the amount. Determined. The degree of preference may be further determined by the ratio of the positive (plus) number or the negative (minus) number to the total number.

次に販売力予測処理の対象である投稿画像（対象画像）の商品の属性に対して、フォロワーやエンゲージメントユーザの嗜好傾向がどの程度整合しているかを嗜好整合度が計算される。この処理は、例えば投稿画像の商品の属性に対して、フォロワーやエンゲージメントユーザの各属性項目に対する嗜好極性を照合し、合致が否かを判定する。例えば商品の属性の「色調項目が赤であり、色調“赤”に対する嗜好極性がポジティブであればカウンタを１つインクリメントする。商品の色調属性が赤であるのに対して、色調赤に対する嗜好極性がネガティブであったり、他の色調に対してポジティブであれば、カウンタのインクリメント処理は実行しない。この計数処理を全ての投稿画像の商品の全ての属性項目に対して、全てのフォロワーやエンゲージメントユーザの嗜好傾向を照合する。計数値を照合総数で除算することにより投稿画像の商品の属性に対するフォロワーやエンゲージメントユーザの嗜好傾向の整合度が計算される。 Next, the degree of preference matching is calculated as to how much the preference tendency of the follower or engagement user matches with the attribute of the product of the posted image (target image) that is the target of the sales force prediction process. For example, this process compares the preference polarities of each attribute item of followers and engagement users with respect to the attribute of the product of the posted image, and determines whether or not there is a match. For example, if the product attribute "color tone item" is red and the preference polarity for color tone "red" is positive, the counter is incremented by one. is negative or positive to other tones, the counter incrementing process is not executed.This counting process is applied to all attribute items of products in all posted images, all followers and engagement users By dividing the counted value by the total number of matches, the matching degree of the follower's or engagement user's preference tendency with respect to the attribute of the product of the posted image is calculated.

また対象の販売員（画像投稿者）に対する現在（予測処理時点）のフォロワー及びエンゲージメントユーザのプロフィール（年齢、性別）に対して、予測処理対象の投稿画像の商品に対して事前設定されているターゲット層の整合度、つまりフォロワー及びエンゲージメントユーザの総数に対するターゲット層に合致するフォロワー及びエンゲージメントユーザの数の割合が求められる。 Also, for the current (at the time of prediction processing) follower and engagement user profile (age, gender) for the target salesperson (image poster), the preset target for the product of the post image for prediction processing A stratum match, ie, the ratio of the number of followers and engaged users matching the target stratum to the total number of followers and engaged users, is determined.

このように求められた投稿画像の商品の属性に対するフォロワー及びエンゲージメントユーザの嗜好傾向の整合度と、投稿画像の商品のターゲット層に対するフォロワー及びエンゲージメントユーザの整合度とをニューラルネットワークに適用して、整合度スコアを計算する。 A neural network is applied to the degree of matching of the preferences of followers and engagement users with respect to the attribute of the product of the posted image and the degree of matching of the followers and engagement users with respect to the target layer of the product of the posted image, which is obtained in this way. Calculate degree score.

整合度スコアは、フォロワーやエンゲージメントユーザの嗜好傾向に応じた属性に沿った商品の画像を投稿することにより、またフォロワー及びエンゲージメントユーザのプロフィールに整合するターゲット層が設定されている商品の画像を投稿することにより、上昇する。 Consistency scores are obtained by posting images of products that match the attributes of the preferences of followers and engagement users, and by posting images of products that have a target group that matches the profiles of followers and engagement users. By doing so, it rises.

販売員（投稿者）やその投稿に対するフォロワー及びエンゲージメントユーザの嗜好傾向の集計結果、フォロワー及びエンゲージメントユーザの年齢や性別分布をとりまとめて、その分布を商品のターゲット層の一覧、さらに整合度スコアとともに、売上管理装置２及びユーザ端末５に送信して、販売店舗や販売員（投稿者）に参考資料としてフィードバックすることは好ましい。 Aggregated results of preference trends of salespeople (posters) and followers and engagement users for their posts, age and gender distribution of followers and engagement users It is preferable to send it to the sales management device 2 and the user terminal 5 and feed it back to the store or salesperson (contributor) as reference material.

また、販売力予測処理の対象である最新の１又は数枚の投稿画像に対して寄せられたエンゲージメント各々の数、つまり評価数（「いいね」数を原則とするが、「やだね」数を加えるものであってもよい）、コメント数、画像保存数に加えて、当該投稿画像の商品（商品番号）に対して既定されている商品固有スコアをニューラルネットワークに適用して、投稿画像各々に関するユーザの反応程度を表す反応スコアを投稿画像ごとに計算する。反応スコアは、「いいね」数、コメント数、画像保存数が増加するほど上昇する。また、反応スコアは商品固有スコアが高い商品の画像を投稿することにより、また投稿数を増やすことにより上昇する。 In addition, the number of engagements received for the latest one or several posted images that are the target of sales force prediction processing, that is, the number of evaluations (in principle, the number of “likes” is In addition to the number of comments and the number of saved images, the product-specific score set for the product (product number) of the posted image is applied to the neural network, and the posted image A reaction score representing the degree of user reaction to each posted image is calculated for each posted image. The reaction score increases as the number of likes, comments, and saved images increases. In addition, the response score increases by posting images of products with high product-specific scores and by increasing the number of posts.

「いいね」数、コメント数、画像保存数、商品固有スコアを、整合度スコアとともに、売上管理装置２及びユーザ端末５に送信して、販売店舗や販売員（投稿者）に参考資料としてフィードバックすることは好ましい。 The number of "likes", the number of comments, the number of saved images, and the product-specific score are sent to the sales management device 2 and the user terminal 5 together with the consistency score, and are fed back to the store or salesperson (contributor) as reference materials. It is preferable to

また、販売力予測処理の対象である販売員（画像投稿者）が予測処理対象期間内に投稿した全ての投稿画像の数、それら投稿からの流入数（流入総数）、さらに予測処理時点のフォロワー数、フォロー数、予測処理対象期間内の全ての投稿画像に対するコメント数、コメントに対する返信数、コメントに対する返信率、予測処理対象期間内の全ての投稿画像のカテゴリースコアをニューラルネットワークに適用して、投稿者の接客能力を表す接客スコアを計算する。接客スコアは、投稿画像の数、流入数、フォロワー数、フォロー数、コメント数、コメントに対する返信数、コメントに対する返信率が高くなるほど上昇し、また投稿画像が商品単体の画像である場合よりも、コーディネート画像であったり、商品を着用した画像である場合に上昇する。 In addition, the number of all posted images posted by salespersons (image posters) targeted for sales force prediction processing within the prediction processing target period, the number of inflows from those posts (total inflows), and followers at the time of prediction processing number, number of followers, number of comments on all posted images within the prediction processing period, number of replies to comments, reply rate to comments, category scores of all posted images within the prediction processing period are applied to the neural network, Calculate a customer service score that represents the customer service ability of the contributor. The customer service score increases as the number of posted images, the number of inflows, the number of followers, the number of followers, the number of comments, the number of replies to comments, and the reply rate to comments increases. It increases when the image is a coordinated image or an image in which a product is worn.

投稿画像の数、流入数、フォロワー数、フォロー数、コメント数、コメントに対する返信数、コメントに対する返信率、投稿画像カテゴリースコア一覧を売上管理装置２及びユーザ端末５に送信して、販売店舗や販売員（投稿者）に参考資料としてフィードバックすることは好ましい。 The number of posted images, the number of inflows, the number of followers, the number of followers, the number of comments, the number of replies to comments, the reply rate to comments, and a posted image category score list are transmitted to the sales management device 2 and the user terminal 5, and are used by sales stores and sales Feedback to members (contributors) as reference materials is preferable.

このように販売力予測処理の対象である販売員（画像投稿者）が投稿した予測処理対象期間内の全ての投稿画像毎に計算した反応スコア及び整合度スコアと、販売力予測処理の対象である販売員（画像投稿者）が予測処理対象期間内に投稿した投稿画像から総合的に計算した接客スコアとをニューラルネットワークに適用して、販売力予測処理の対象である販売員（画像投稿者）が予測処理時点で内在している、ＳＮＳを通じて商品を販売する能力を表す販売力スコアを計算する。 In this way, the response score and consistency score calculated for each posted image within the prediction processing target period posted by the salesperson (image contributor) who is the target of the sales force prediction processing, and the sales force prediction processing target A neural network is applied to the customer service score calculated comprehensively from the posted images posted by a certain salesperson (image poster) within the prediction processing period, and the salesperson (image poster) targeted for sales force prediction processing is calculated. ) to calculate a sales force score that represents the ability to sell products through SNS, which is inherent at the time of prediction processing.

販売力スコアは、それぞれの反応スコア、整合度スコア、接客スコアの各スコアの上昇に応じて上昇する。その店舗の販売員（投稿者）全員に関する販売力スコア、それぞれの反応スコア、整合度スコア、接客スコアの一覧を売上管理装置２及びユーザ端末５に送信して、販売店舗や販売員（投稿者）に参考資料としてフィードバックすることは好ましい。 The sales force score increases as each of the response score, matching score, and customer service score increases. A list of sales force scores, reaction scores, consistency scores, and customer service scores for all salespeople (posters) of the store is sent to the sales management device 2 and the user terminal 5, and the sales store and salespeople (posters) ) as reference material.

さらに、売上実績から、週単位の売上実績及びその経時的推移、月単位の売上実績及びその経時的推移、週単位の販売点数及びその経時的推移、月週単位の販売点数及びその経時的推移、販売商品の商品番号分布、販売した商品の種類の分布を集計し、さらに販売価格帯の特徴値（中央値、最大値、最小値等）を求め、こられ売上実績から導出される様々なパラメータに加えて、販売力スコアをニューラルネットワークに適用して、販売員（投稿者）がＳＮＳを通じて商品を今週、今月、さらに翌週、翌月、翌年等の売上を予測する。 In addition, based on sales results, weekly sales results and their changes over time, monthly sales results and their changes over time, weekly sales numbers and their changes over time, monthly sales numbers and their changes over time , the product number distribution of the products sold, the distribution of the product types sold, and the characteristic values of the sales price range (median, maximum, minimum, etc.) In addition to the parameters, the sales force score is applied to the neural network so that the salesperson (contributor) predicts the sales of the product for this week, this month, next week, next month, next year, etc. through the SNS.

これら売上予測のデータは、対象販売員の反応スコア、整合度スコア、接客スコアのデータと共に売上管理装置２に送信される。必要に応じて販売員の端末５にも送信される。 These sales forecast data are sent to the sales management device 2 together with data on the target salesperson's response score, consistency score, and customer service score. It is also transmitted to the terminal 5 of the salesperson as required.

このように本実施形態によると、ＳＮＳ情報を活用して、反応スコア、整合度スコア及び接客スコアを計算し、ＳＮＳを通じて投稿者が商品を販売する能力を数値化した販売力スコアを得て、その販売力スコアと売上実績とからＳＮＳ活動による売上を高精度で予測することができる。販売力スコアや売上予測は、ＳＮＳを通じて投稿者が商品を販売する能力を客観的に投稿者ごとに評価する基礎資料として活用できる。また販売力スコアを高めるために何が必要なのか、何が足りないのかを、反応スコア、整合度スコア、接客スコアから具体的に把握することができ、どのようなＳＮＳ活動を増やすのか、より具体的に認識することができるようになる。 Thus, according to the present embodiment, the SNS information is used to calculate the response score, the consistency score, and the customer service score. Sales from SNS activities can be predicted with high accuracy from the sales force score and actual sales results. The sales force score and sales forecast can be used as basic data for objectively evaluating the ability of each contributor to sell products through SNS. In addition, it is possible to concretely grasp what is necessary and what is lacking in order to increase the sales force score from the response score, consistency score, and customer service score, and what kind of SNS activities should be increased. be able to recognize it in detail.

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。 While several embodiments of the invention have been described, these embodiments have been presented by way of example and are not intended to limit the scope of the invention. These embodiments can be implemented in various other forms, and various omissions, replacements, and modifications can be made without departing from the scope of the invention. These embodiments and their modifications are included in the scope and spirit of the invention, as well as the scope of the invention described in the claims and equivalents thereof.

１…販売力予測装置、２…売上管理装置、３…販売Ｗｅｂサーバ、４…ＳＮＳサーバ、５－８…ユーザ端末。 DESCRIPTION OF SYMBOLS 1...Sales power prediction apparatus, 2...Sales management apparatus, 3...Sales Web server, 4...SNS server, 5-8...User terminal.

Claims

複数の商品の売り上げを管理するための売上管理装置と、前記商品をＷｅｂページを経由して販売する販売Ｗｅｂサーバと、ＳＮＳを提供するＳＮＳサーバとに対してインターネット回線を介して接続される販売力予測装置において、
前記ＳＮＳサーバに対して、前記商品の販売者としての投稿者が投稿した複数の投稿画像、前記投稿者をフォローするフォロワー各々のプロフィール、前記投稿画像各々に対する複数種類のエンゲージメント（評価、コメント、前記投稿画像の保存）を実行した複数のエンゲージメントユーザ各々のプロフィール、前記投稿画像各々に対するコメント及び前記コメントに対する前記投稿者による返信を要求し、受信する手段と、
前記売上管理装置に対して、前記投稿者による前記商品の売上実績を要求し、受信する手段と、
前記販売Ｗｅｂサーバに対して、前記ＳＮＳを経由して前記Ｗｅｂページへ流入した流入数を要求し、受信する手段と、
前記エンゲージメント各々の数に基づいて前記投稿画像各々に関するユーザの反応程度を表す反応スコアを前記投稿画像ごとに計算する手段と、
前記フォロワーのプロフィールと前記エンゲージメントユーザのプロフィールとに基づいて、前記投稿画像の中の特定の投稿画像の商品に対して事前設定されているターゲット層に対する前記フォロワー及び前記エンゲージメントユーザの整合度を表す整合度スコアを計算する手段と、
前記投稿画像の数と前記流入数とに基づいて、前記投稿者の接客能力を表す接客スコアを計算する手段と、
前記ＳＮＳを通じて前記投稿者が前記商品を販売する能力を表す販売力スコアを計算する手段と、を具備する販売力予測装置。 Sales connected via an Internet line to a sales management device for managing sales of a plurality of products, a sales web server for selling the products via a web page, and an SNS server for providing SNS. In the force predictor,
A plurality of posted images posted by a contributor as a seller of the product, profiles of followers following the contributor, and a plurality of types of engagement (evaluation, comment, and a means for requesting and receiving a profile of each of a plurality of engagement users who executed a post image storage), a comment on each of the posted images, and a reply to the comment by the poster ;
means for requesting and receiving the sales record of the product by the contributor from the sales management device;
means for requesting and receiving the number of inflows to the web page via the SNS from the sales web server;
means for calculating, for each of the posted images, a reaction score representing a degree of user reaction to each of the posted images based on the number of each of the engagements;
A match representing a degree of match of the follower and the engagement user to a preset target demographic for a product of a particular posted image among the posted images based on the profile of the follower and the profile of the engagement user. means for calculating a degree score;
means for calculating a customer service score representing the customer service ability of the poster based on the number of posted images and the number of inflows;
and means for calculating a sales force score representing the ability of the contributor to sell the product through the SNS.

前記販売力スコアと前記売上実績とに基づいて、売上予測を計算する手段をさらに備える、請求項１記載の販売力予測装置。 2. The sales force prediction apparatus according to claim 1, further comprising means for calculating a sales forecast based on said sales force score and said sales performance.

前記投稿画像各々の商品の属性と、前記投稿画像各々に対して投稿された前記コメントの言語処理結果とに基づいて、前記コメントを送信した前記フォロワー、前記エンゲージメントユーザの嗜好傾向を推定する手段と、
前記特定の投稿画像の商品の属性に対する前記フォロワー、前記エンゲージメントユーザの嗜好傾向の整合度を計算する手段とをさらに備え、
前記整合度スコアを計算する手段は、前記特定の投稿画像の商品に対して事前設定されているターゲット層に対する前記フォロワー及び前記エンゲージメントユーザの整合度に加えて、前記特定の投稿画像の商品の属性に対する前記フォロワー、前記エンゲージメントユーザの嗜好傾向の整合度に基づいて、前記整合度スコアを計算する、請求項１記載の販売力予測装置。 means for estimating preference tendencies of the followers and engagement users who have sent the comments, based on attributes of products of each of the posted images and language processing results of the comments posted to each of the posted images; ,
further comprising means for calculating the degree of consistency of the preference trends of the followers and the engagement users with respect to the attribute of the product of the specific posted image;
The means for calculating the consistency score includes, in addition to the degree of consistency of the followers and the engagement user with a preset target group for the product of the specific posted image, attributes of the product of the specific posted image 2. The sales force prediction device according to claim 1, wherein said matching degree score is calculated based on the degree of matching between said follower and said engagement user's preference tendency.

前記コメントの言語処理結果に基づいて、前記投稿画像内の商品の種類を特定する手段と、
前記特定した商品の種類に応じて選択された畳み込みニューラルネットワークに前記投稿画像を適用することにより前記投稿画像に映っている商品を特定する手段とをさらに備える、請求項３記載の販売力予測装置。 means for identifying the type of product in the posted image based on the result of language processing of the comment;
4. The sales force prediction device according to claim 3, further comprising means for specifying the product appearing in the posted image by applying the posted image to a convolutional neural network selected according to the type of the specified product. .

前記投稿画像を畳み込みニューラルネットワークに適用することにより前記投稿画像が商品単体カテゴリーと前記商品を構図に含むカテゴリーとのいずれのカテゴリーであるかを判定する手段とをさらに備え、
前記接客スコアを計算する手段は、前記投稿画像の数と前記流入数とに加えて、前記投稿画像のカテゴリーに割り当てられているスコアに基づいて、前記接客スコアを計算する、請求項１記載の販売力予測装置。 a means for determining whether the posted image belongs to a single product category or a category including the product in a composition by applying the posted image to a convolutional neural network;
2. The means for calculating the customer service score according to claim 1, wherein the customer service score is calculated based on a score assigned to a category of the posted image in addition to the number of posted images and the number of inflows. Sales force prediction device.

前記接客スコアを計算する手段は、前記投稿画像の数と前記流入数と前記投稿画像のカテゴリーに割り当てられているスコアとに加えて、前記フォロワーの数と前記コメントに対する返信率とに基づいて、前記接客スコアを計算する、請求項５記載の販売力予測装置。 The means for calculating the customer service score is based on the number of posted images, the number of inflows, a score assigned to a category of the posted images, the number of followers, and the response rate to the comments, 6. The sales force prediction device according to claim 5, which calculates said customer service score.

前記反応スコアを計算する手段、前記整合度スコアを計算する手段、前記接客スコアを計算する手段、前記販売力スコアを計算する手段はそれぞれニューラルネットワークにより構成される請求項１記載の販売力予測装置。 2. The sales force prediction apparatus according to claim 1, wherein said means for calculating reaction scores, means for calculating said consistency scores, means for calculating said customer service scores, and means for calculating said sales force scores each comprise a neural network. .

複数の商品の売り上げを管理するための売上管理装置と、前記複数の商品をＷｅｂページを経由して販売する販売Ｗｅｂサーバと、ＳＮＳを提供するＳＮＳサーバとに対してインターネット回線を介して接続される販売力予測装置において、
前記ＳＮＳサーバに対して、前記複数の商品の販売者としての投稿者が投稿した投稿画像の数、前記投稿画像各々に対する複数種類のエンゲージメント（評価、コメント、前記投稿画像の保存）の数を要求し、受信する手段と、
前記売上管理装置に対して、前記投稿者による売上実績を要求し、受信する手段と、
前記販売Ｗｅｂサーバに対して、前記ＳＮＳを経由して前記Ｗｅｂページへ流入した流入数を要求し、受信する手段と、
前記投稿画像の数と、前記エンゲージメントの数と、前記流入数とに基づいて、前記ＳＮＳを通じて前記投稿者が前記商品を販売する能力を表す販売力スコアを計算する手段と、
前記販売力スコアと前記売上実績とに基づいて、売上予測を計算する手段とを具備する販売力予測装置。 A sales management device for managing sales of a plurality of products, a sales web server for selling the plurality of products via a web page, and an SNS server for providing SNS are connected via an Internet line. In the sales force prediction device that
A request is made to the SNS server for the number of posted images posted by the contributor as the seller of the plurality of products, and the number of multiple types of engagements (evaluations, comments, and storage of the posted images) for each of the posted images. a means for receiving and
means for requesting and receiving the sales record by the contributor from the sales management device;
means for requesting and receiving the number of inflows to the web page via the SNS from the sales web server;
means for calculating a sales force score representing the poster's ability to sell the product through the SNS based on the number of posted images, the number of engagements, and the number of inflows;
and means for calculating a sales forecast based on the sales score and the actual sales.

複数の商品の売り上げを管理するための売上管理装置と、ＳＮＳを提供するＳＮＳサーバとに対してインターネット回線を介して接続される販売力予測装置において、
前記売上管理装置から受信した前記投稿者による売上実績情報に加えて、前記ＳＮＳサーバから受信した前記複数の商品の販売者としての投稿者による投稿に関する情報に基づいて、前記ＳＮＳを通じて前記投稿者が前記商品を販売する能力を表す販売力スコアを推定する、販売力予測装置。 In a sales force prediction device connected via an Internet line to a sales management device for managing sales of a plurality of products and a SNS server that provides SNS,
In addition to the sales performance information by the poster received from the sales management device, based on the information on the posting by the poster as a seller of the plurality of products received from the SNS server, the poster through the SNS A sales force prediction device for estimating a sales force score representing the ability to sell the product.

複数の商品の売り上げを管理するための売上管理装置と、前記商品をＷｅｂページを経由して販売する販売Ｗｅｂサーバと、ＳＮＳを提供するＳＮＳサーバとに対してインターネット回線を介して接続されるコンピュータを、
前記ＳＮＳサーバに対して、前記商品の販売者としての投稿者が投稿した複数の投稿画像、前記投稿者をフォローするフォロワー各々のプロフィール、前記投稿画像各々に対する複数種類のエンゲージメント（評価、コメント、前記投稿画像の保存）を実行した複数のエンゲージメントユーザ各々のプロフィール、前記投稿画像各々に対するコメント及び前記コメントに対する前記投稿者による返信を要求し、受信する手段と、
前記売上管理装置に対して、前記投稿者による前記商品の売上実績を要求し、受信する手段と、
前記販売Ｗｅｂサーバに対して、前記ＳＮＳを経由して前記Ｗｅｂページへ流入した流入数を要求し、受信する手段と、
前記エンゲージメント各々の数に基づいて前記投稿画像各々に関するユーザの反応程度を表す反応スコアを前記投稿画像ごとに計算する手段と、
前記フォロワーのプロフィールと前記エンゲージメントユーザのプロフィールとに基づいて、前記投稿画像の中の特定の投稿画像の商品に対して事前設定されているターゲット層に対する前記フォロワー及び前記エンゲージメントユーザの整合度を表す整合度スコアを計算する手段と、
前記投稿画像の数と前記流入数とに基づいて、前記投稿者の接客能力を表す接客スコアを計算する手段と、
前記ＳＮＳを通じて前記投稿者が前記商品を販売する能力を表す販売力スコアを計算する手段として機能させるためのプログラム。 A computer connected via an Internet line to a sales management device for managing sales of a plurality of products, a sales web server for selling the products via a web page, and an SNS server for providing SNS. of,
A plurality of posted images posted by a contributor as a seller of the product, profiles of followers following the contributor, and a plurality of types of engagement (evaluation, comment, and a means for requesting and receiving a profile of each of a plurality of engagement users who executed a post image storage), a comment on each of the posted images, and a reply to the comment by the poster ;
means for requesting and receiving the sales record of the product by the contributor from the sales management device;
means for requesting and receiving the number of inflows to the web page via the SNS from the sales web server;
means for calculating, for each of the posted images, a reaction score representing a degree of user reaction to each of the posted images based on the number of each of the engagements;
A match representing a degree of match of the follower and the engagement user to a preset target demographic for a product of a particular posted image among the posted images based on the profile of the follower and the profile of the engagement user. means for calculating a degree score;
means for calculating a customer service score representing the customer service ability of the poster based on the number of posted images and the number of inflows;
A program for functioning as means for calculating a sales force score representing the ability of the contributor to sell the product through the SNS.

複数の商品の売り上げを管理するための売上管理装置と、前記商品をＷｅｂページを経由して販売する販売Ｗｅｂサーバと、ＳＮＳを提供するＳＮＳサーバとに対してインターネット回線を介して接続されるコンピュータを、
複数の商品の売り上げを管理するための売上管理装置と、前記複数の商品をＷｅｂページを経由して販売する販売Ｗｅｂサーバと、ＳＮＳを提供するＳＮＳサーバとに対してインターネット回線を介して接続される販売力予測装置において、
前記ＳＮＳサーバに対して、前記複数の商品の販売者としての投稿者が投稿した投稿画像の数、前記投稿画像各々に対する複数種類のエンゲージメント（評価、コメント、前記投稿画像の保存）の数を要求し、受信する手段と、
前記売上管理装置に対して、前記投稿者による売上実績を要求し、受信する手段と、
前記販売Ｗｅｂサーバに対して、前記ＳＮＳを経由して前記Ｗｅｂページへ流入した流入数を要求し、受信する手段と、
前記投稿画像の数と、前記エンゲージメントの数と、前記流入数とに基づいて、前記ＳＮＳを通じて前記投稿者が前記商品を販売する能力を表す販売力スコアを計算する手段と、
前記販売力スコアと前記売上実績とに基づいて、売上予測を計算する手段として機能させるためのプログラム。 A computer connected via an Internet line to a sales management device for managing sales of a plurality of products, a sales web server for selling the products via a web page, and an SNS server for providing SNS. of,
A sales management device for managing sales of a plurality of products, a sales web server for selling the plurality of products via a web page, and an SNS server for providing SNS are connected via an Internet line. In the sales force prediction device that
A request is made to the SNS server for the number of posted images posted by the contributor as the seller of the plurality of products, and the number of multiple types of engagements (evaluations, comments, and storage of the posted images) for each of the posted images. a means for receiving and
means for requesting and receiving the sales record by the contributor from the sales management device;
means for requesting and receiving the number of inflows to the web page via the SNS from the sales web server;
means for calculating a sales force score representing the poster's ability to sell the product through the SNS based on the number of posted images, the number of engagements, and the number of inflows;
A program for functioning as means for calculating a sales forecast based on the sales force score and the sales performance.

複数の商品の売り上げを管理するための売上管理装置と、ＳＮＳを提供するＳＮＳサーバとに対してインターネット回線を介して接続されるコンピュータを、
前記売上管理装置から受信した前記投稿者による売上実績情報に加えて、前記ＳＮＳサーバから受信した前記複数の商品の販売者としての投稿者による投稿に関する情報に基づいて、前記ＳＮＳを通じて前記投稿者が前記商品を販売する能力を表す販売力スコアを推定する手段として機能させるためのプログラム。 A computer connected via an Internet line to a sales management device for managing sales of a plurality of products and a SNS server that provides SNS,
In addition to the sales performance information by the poster received from the sales management device, based on the information on the posting by the poster as a seller of the plurality of products received from the SNS server, the poster through the SNS A program for functioning as means for estimating a sales force score representing the ability to sell said product.