JPH04596A - 来店客数予測方法及び装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 Ａ、産業上の利用分野 本発明は、店舗に来店する客数を予測するための来店客
数予測方法及び装置に関し、特に、統計学的な分析によ
り高い精度の予測が簡単に行えるような来店客数予測方
法及び装置に関する。

Ｂ１発明の概要 本発明は、店舗に来店する客数を予測するための来店客
数予測方法及び装置において、過去のＰＯＳデータに基
づいて得られる所要期間の来店客数データと、来店客数
の決定要因として予め設定された複数種類のコーザルに
ついての上記来店客数データにそれぞれ対応するコーザ
ルデータとに基づいて、いわゆる重回帰分析を行って来
店客数をコーザルによって説明する回帰式を作成し、得
られた回帰式に新たなコーザルデータを入力して来店客
数を予測することにより、来店客数の予測が簡単な操作
で高精度に行えるようにしたものである。ここで、複数
種類のコーザルデータには連続変数及び層別変数を含ま
せることにより、各種コーザルの内容に最適の数値化が
行え、重回帰分析に先立って各入力データの内の異常デ
ータを除去することにより、回帰式作成の際の悪影響を
防止できる。また、重回帰分析の際に変数増減法により
説明変数群を確定することにより、有意性の高いコーザ
ルのみを取り入れることができる。作成された回帰式に
ついては、来店客数の予測値と実際の値との誤差が大き
いとき再度重回帰分析を行って新たな回帰式を作成する
ことにより、環境変化にも対応可能となる。さらに、来
店客数予測装置としては、回帰式作成手段を、各店舗か
らの情報を一括管理するセンターや本社等に設置された
ホストコンピュータ側に設け、各店舗にはＰＯＳデータ
やコーザルデータの入力が可能な端末機を設置すること
により、全体のシステムを効率的にかつ経済的に構築す
ることが可能となる。

Ｃ６従来の技術 店舗を経営するために重要な情報として、来店客数が挙
げられる。この店舗に来店する客数は、商品の販売量や
店舗の運営要員のスケジュール等の決定に対して影響を
与え、来店客数の変動は、店舗の経営に大きな影響を及
ぼす。

そこで、店舗の店長や担当者等は、如何に明日の来店客
数さらには１週間光、１箇月先の来店客数を読むかに腐
心している。そして、この来店客数の予測あるいは予想
に基づき、例えば、明日の商品の陳列量や発注量等を決
定し、週間あるいは月間の店舗の要員配置計画等を策定
している。

すなわち、店舗に来店する客数をある程度の精度で予測
できると、作業計画の立案が比較的有効に行われるよう
になり、運営要員（社員、パートタイマー、アルハイｈ
ａ等）の配置や手配の計画が能率的に行われて、経費の
節減やサービスの向上に大きく寄与できる。また、商品
の品揃え計画等が正確さを増すことになり、品不足によ
る機会損失や過剰品揃えによる損失が減少する。

Ｄ１発明が解決しようとする課題 ところで現状において、各店舗の店長あるいは担当者が
行う来店客数の予想は、殆どの場合が経験的に、来店客
数に影響を与えるであろう各種要因、例えば曜日、催事
、天候、気温等を考慮して予想を立てているに過ぎず、
一般的に非科学的で不正確である。

しかしながら科学的に来店客数予測を行おうとすると、
高度な数理統計学上の知識や解析技術が必要とされる。

例えば既存のいわゆる統計ソフトウェアを用いようとし
ても、市販のコンピュータソフトウニアバ・７ケージは
、一般的に専門的ユーザを対象としたものであり、統計
パッケージや多変量解析パッケージ等のように個別に汎
用的な活用を前提としたソフトウェアとして販売されて
いる。このため、操作が専門的で難しく、汎用であるこ
とからいくつかのパッケージを組み合わせて活用するこ
とが必要とされる。このようなことから、店長等のよう
に必ずしも統計分野に専門的な知識を持たない素人が気
軽に使いこなすことは、非常に困難である。また、外部
コンサルタント等の専門家に来店客数予測のためのモデ
ル作成を依願するにしても、各店舗での条件の違いや、
同一店舗でも内外の環境変化に伴う修整等も考慮する必
要があり、モデル作成の段階で時間と費用がかかるのみ
ならず、モデルのメンテナンスが大変であり、これを怠
るとモデルが適応しなくなって予測精度が低下すること
にもなる。

ここで、特開平１−１４５７６５号公報には、ＰＯ５（
ポイントオブセールス）端末から得られたＰＯＳデータ
の来店客数に基づいて、過去の客数および売り上げ高の
実績データに基づいて、客数及び売り上げ高の曜日変動
および時間変動に関する基準データを更新するデータ更
新手段と、該基準データに基づき翌日もしくはそれ以陣
の時間帯別客数および売り上げ高を予測する予測手段を
設けたことを特徴とする客数および売り上げ高予測方式
が開示されているが、統計的分析を行っている訳ではな
く、予測式としても、曜日変動と時間変動を取り入れて
いるに過ぎないため、精度的に問題が残り、また他の要
因、例えば天候や催事の有無等に応じた客数や売り上げ
高の変動予測については店長等の判断を要し、予測を完
全に自動化することができない。

また、統計分野の知識を持たない素人においては、来店
客数に影響を与えるであろう要因を統計学的なコーザル
として取り扱うことに気付かないことが多く、次にコー
ザルの種類として何が考えられるかをもれなく列挙する
ことが困難である。

さらに、単に列挙された複数種類のコーザルの内、来店
客数に実際に影響を与えるコーザルがどれであるかの判
断、いわゆるコーザルの有意性の検定に至っては、素人
が正確な判断を下すことは極めて困難である。このため
、重要なコーザルが欠落してしまったり、予測値に不要
なコーザルによる影響が表れてしまったりして、これら
が予測精度劣化の大きな原因となっていることが多い。

本発明は、このような実情に鑑みてなされたものであり
、来店客数の自動予測が簡単な操作で行え、しかも店舗
毎の条件の違いや環境変化に伴う予測式の修整等にも応
じた高精度な来店客数予測が可能な来店客数予測方法及
び装置の提供を目的とするものである。

Ｅ１課題を解決するための手段 本発明に係る来店客数予測方法は、上述したような課題
を解決するために、過去のＰＯＳデータに基づいて得ら
れる所要期間の来店客数データを入力する工程と、来店
客数の決定要因として予め設定された複数種類のコーザ
ルについての上記来店客数データにそれぞれ対応するコ
ーザルデータを入力する工程と、上記来店客数を上記各
コーザルによって説明する回帰式を作るために、上記入
力された来店客数データ及び複数種類のコーザルデータ
に基づいて重回帰分析を行う工程と、上記重回帰分析に
よって得られた回帰式に上記複数種類の新たなコーザル
データを入力して来店客数を予測する工程とを少なくと
も存して成っている。

ここで、上記複数種類のコーザルデータには連続変数及
び層別変数を含んでおり、上記重回帰分析に先立ち、上
記入力された来店客数データ及び上記複数種類のコーザ
ルデータの内の異常データを除去することが好ましい。

また、上記重回帰分析の際には、変数増減法により説明
変数群を確定することが好ましい。この場合の変数増減
法とは最も広義のものを意味し、総当たり法、変数増加
法、変数減少法及び狭義の変数増減法を含むものである
。さらに上記予測された来店客数と、実際の来店客数と
の誤差を求め、この誤差が予め設定された許容範囲内に
ないとき、再度重回帰分析を行って新たな回帰式を作成
する。

次に、本発明に係る来店客数予測装置は、過去のＰＯＳ
データに基づいて得られる所要期間の来店客数データを
入力するＰＯＳデータ入力手段と、来店客数の決定要因
として予め設定された複数種類のコーザルについての上
記来店客数データにそれぞれ対応するコーザルデータを
入力するコーザルデータ入力手段と、上記入力された来
店客数データ及び複数種類のコーザルデータに基づいて
重回帰分析を行い、上記来店客数を上記各コーザルによ
って説明する回帰式を作る回帰式作成手段とを少なくと
も有し、上記回帰式作成手段によって得られた回帰式に
上記複数種類の新たなコーザルデータを入力して来店客
数を予測することにより、上述の課題を解決する。

この来店客数予測装置においても、上記複数種類のコー
ザルデータには連続変数及び層別変数を含ませたり、上
記重回帰分析に先立ち上記入力された来店客数データ及
び上記複数種類のコーザルデータの内の異常データを除
去したり、上記重回帰分析の際に変数増減法により説明
変数群を確定したり、上記予測された来店客数と実際の
来店客数との誤差を求め、この誤差が予め設定された許
容範囲内にないとき再度重回帰分析を行って新たな回帰
式を作成することができる。また、各店舗に上記ＰＯＳ
データ入力手段及びコーザルデータ入力手段を有するコ
ンピュータ端末機を設け、各店舗からの情報を一括管理
するポストコンピュータに上記回帰式作成手段を設けて
成るように構成してもよい。

Ｆ５作用 一般に既に店舗に導入されているＰＯ５端末からのデー
タを用い、予め設定されている複数種類のコーザルにつ
いての各コーザルデータを入力するだけの単純作業のみ
で、自動的に重回帰分析が行われ、これらのコーザルの
有意性検定を含む来店客数予測のための回帰式作成が行
われる。この作成された回帰式に対して、予測しようと
する日のコーザルデータを入力することにより、高精度
で来店客数予測値が得られる。ここで、上記複数種類の
コーザルデータには連続変数及び層別変数を含ませるこ
とにより、各種コーザルの内容に最適の数値化が行え、
上記入力された来店客数データ及びコーザルデータの内
の異常データを除去することにより、回帰式作成の際の
悪影響を防止できる。また、上記重回帰分析の際に変数
増減法により説明変数群を確定することにより、高い有
意性での採用コーザルの決定が可能となる。さらに、作
成された回帰式の運用に際しては、来店客数の予測値と
実際の値との誤差を求め、この誤差が大きいときには、
再度上記重回帰分析を行って新たな回帰式を作成するこ
とにより、環境変化にも対応可能となる。

これらの作用は、来店客数予測方法と装置とのいずれに
も機能するものであるが、さらに来店客数予測装置にお
いては、上記回帰式作成手段を、各店舗からの情報を一
括管理するセンターや本社等に設置されたホストコンピ
ュータ側に設け、各店舗には上記ＰＯＳデータやコーザ
ルデータの入力が可能な端末機を設置することにより、
全体のシステムを、より効率的にかつより経済的に構築
することが可能となる。

ては、予測精度にもよるが、最低でも直近の３力月分の
データを準備するのが望ましい。この来店客数データの
一具体例を第１表に示す。

第１表 Ｇ、実施例 以下、本発明の実施例について図面を参照しながら説明
する。

先ず第１図は、本発明の一実施例を説明するためのフロ
ーチャートである。

この第１図の第１のステップＳ１においては、来店客数
を予測しようとする店舗についてのいわゆるＰＯ３（ポ
イントオブセールス）データの収集、すなわちＰＯＳデ
ータに基づく所要期間の来店客数データの収集がなされ
る。この来店客数のデータは、原則として、〔日付（年
月日）、時刻、時刻側来店客数］の集合からなる。ただ
し、目的に応して、〔日付（年月日）、来店客数）の集
合を用いるようにしてもよい。上記所要期間についまた
、第１図のステップＳ２においては、各種コーザルデー
タの収集と分類が行われる。これは上記来店客数に影響
を与えると思われるコーザル（要因）が予め複数種類設
定されており、これらの各種コーザルについて、上記Ｐ
ＯＳデータ収集の来店客数データに応じた日付毎のそれ
ぞれ各種コーザルデータを収集する。このコーザルの種
類は、店長、担当者、経営者の経験等を考慮して予め設
定しであるものであり、コーザルの種類の具体的な例と
しては、月、曜日、季節、店舗の広告用のチラシを新聞
に入れたか否か、セールスキャンペーン等の催しく催事
）の有無、天気（例えば晴れ、曇り、雨）、月の旬（上
、中、下）、店体日の前後かそれ以外か、最高気温、最
高風速等が挙げられる。ここで、後の重回帰分析の際に
、各コーザルが来店客数に与える影響の有無（有意性）
の検定が行われることを考慮して、考え得る種類のコー
ザルを幅広く設定しておくことが好ましい。

ここでコーザルデータの分類について説明すると、コー
ザルの中には気温等のように連続的な数値で表されるも
のと、曜日等のようにカテゴリー的に区分して表される
ものとがある。前者を連続タイプ、後者を層別タイプと
称する。コーザルをこれらの２つのタイプに分類し、前
者については単位を明らかにし、後者についてはカテゴ
リーとその数を明確にする。具体的には、連続タイプの
例として、最高気温を摂氏度単位で、最高風速をｍ／秒
単位で表し、また層別タイプの例として、月を１月〜１
２月の１２のカテゴリーで表し、曜日を月〜日の７カテ
ゴリーで表し、上記チラシを有無の２カテゴリーで表す
ようなものである。

以上の２つのステップＳ１、Ｓ２の次には、第１図のス
テップＳ３に示すように、異常データの除去が行われる
。これは、例えば店の棚卸し等のために半日しか開店し
なかった日や台風等のために客数の傾向が通常日と異な
る日等のデータは、後の統計的分析により作成される回
帰式自体に悪影響を及ぼすことより、異常臼としてその
データを予め除去しておくものである。

このように異常データの除去が行われたデータに対して
、次のステップＳ４において重回帰分析を行い、上記来
店客数を上記各コーザルによって説明するための回帰式
を作成する。すなわち、来店客数を種々のコーザルによ
って説明するための数式を作るために重回帰分析の手法
が用いられており、この重回帰分析は、数理統計学にお
いて既に確立された分野である。以下に述べることは重
回帰分析の実現方法の一つである。本発明は、下記の方
法に限らず、他の有効な重回帰分析を用いることによっ
ても実現される。

この重回帰分析の基本的な考え方について説明する。先
ず、一般にある対象を説明するために用いる変数を説明
変数といい、対象となる変数を目的変数という。この目
的変数をｙとし、説明変数をχ１．Ｘ！＋・・・＋　Ｘ
　ｋ　とするとき、’ｊ　＝ｂｏ　＋ｂ＋　Ｘ　＋＋ｂ
ｚＸ２＋・・・＋ｂｈＸｈ　　−（１）という式によっ
て目的変数を説明変数の１次式として表現する方法を重
回帰分析という。具体的には過去のデータを用いて偏回
帰係数ｂｅ、ｂ＋、ｂｚ・・・、ｂｋを決定するもので
ある。本発明実施例においては、上記目的変数ｙが来店
客数に、上記説明変数Ｘ＋＋Ｘｚ＋”’＋Ｘ＊が複数種
１［（ｋ［！類）のコーザルデータに、それぞれ対応す
る。

いま、与えられた観測データとしての複数種類（ｋ種類
）のコーザルデータ（Ｘｉｌ＋Ｘｉ２＋”・＋Ｘ１ｋ）
を上記（１）式に代入して得られる値を２．とじ、これ
を回帰推定値と呼ぶ。この推定値２、と観測された来店
客数データｙ８との差ｅ、を ｅｉ＝３’ｉ　　Ｚｉ　　　　・・・（２）で表し、こ
れを残差という。この残差ｅ８が最も小さくなるように
、上記偏回帰係数１）Ｏ＋ｂ＋＋１）！・・・、ｂｋを
決定するわけである。具体的には、過去の所要期間のＰ
ＯＳデータやコーザルデータに基づいて与えられた複数
組（例えばｎ組）の観測データ（Ｖ　ｒ　、Ｘｉｌ＋Ｘ
ｉ２＋　”’１Ｘ１１１＋　　ｊ　””　Ｉ　Ａ＋ｎ　
）について、それぞれ上記残差ｅ、の平方和Ｓ、、すな
わち Ｓ８−Σ　０’；−ｚ；）２　　・・・（３）が最小に
なるように、上記係数ｂ０．ｂ、ｂ２．・・・ｂ、を決
める。この方法を最小２乗法という。

ただし、この偏回帰係数を決定する際に、予め設定され
た複数種Ｍ（ｋ種類）のコーザルの全てを用いるわけで
はなく、次に説明する変数選択法により最終的に取り入
れられた説明変数のみを用いて、上記最小２乗法により
残差平方和が最小になるように偏回帰係数を決定し、回
帰式を作成するわけである。

次に、変数選択法による重回帰分析について説明する。

説明変数の候補が多数あるとき、目的変数を説明する変
数としてどれを採用するかが問題となる。この問題を変
数選択問題という。この問題は、説明変数の全ての絃合
せによる回帰分析（これを総当たり法という）のなかか
ら最も説明力のあるモデルを選ぶことに帰着するが、現
実的には変数増減法等を用いて実行される。ここで、変
数増減法とは、変数増加法と変数減少法とが併合された
ものである。先ず変数増加法については、最も寄与の大
と判定される変数から順次説明変数を取り込んでいき、
次いで残りの変数について各々の追加的説明力を求め、
第２の変数を選択する。

こうした手続きを進めていき、残された全ての変数の説
明力が所定の水準以下となったところで停止して、有効
な説明変数群を確定する。逆に、全ての変数を含むモデ
ルから出発して説明力の小さい変数から順次除去してい
くものが変数減少法である。また、変数増減法では、各
変数の説明力の指標となるＦ値をもとに、上記変数増加
過程と変数減少過程との２段階で変数を制御する方法が
考えられる。このとき、最初の１段目では選択の基準を
ややゆるくしておき、２段目できつくして選択を厳しく
実行する方法がを効である。

ここで、上記変数増減法の具体的手順について説明する
。

先ず、どの変数も取り入れられてないという状態を考え
て、それぞれの変数を１つ取り入れ、他の変数は取り入
れないとき、上記残差の２乗和をどれ位減少させるかを
計算し、それをもとにＦ値という統計量を計算する。こ
の値が大きい変数はど説明力が強いことになる。ここで
、予めＦ値の最小値の基準値Ｆ８．．を設定しておき、
Ｆ値の最大の変数でＦ、、、を越える値を持つものを最
初の変数として取り入れる。次に、この変数が取り入れ
られたという条件の下で、他の変数のＦ値を再び計算し
、既に取り入れられた変数以外の変数でＦＭが最大とな
りかつＦ、７を越える値を持つものを次の変数として取
り入れる。このようにして取り入れる変数を決定してい
く。なお、変数除外のための基準値Ｆ。、を予め設定し
ておき、途中の計算過程において、既に取り入れられた
変数でも上記Ｆ０１、を下回った変数があれば、その変
数をモデルから追い出していくようにする。この過程を
第１段目という。

次の第２段目の過程では、先に実行された第１段目の変
数増減過程により取り入れられている変数の状態からス
タートし、変数選択の基準すなわちＦ３．、とＦ　６ａ
ｔをややきびしくした上でこれらの変数の有意性を再び
チエツクし、説明力の小さい変数をモデルから除去する
。

上述のような重回帰分析において、上記コーザルのなか
には曜日やチラシの有無等のように層別的に変化するも
のがある。このような変数を含む場合にも、変数選択法
を用いて適切な説明変数を確定することができる。

上記の説明においては、変数選択をＦ値を基準として行
う方法を述べたが、Ｆ値以外の基準（を値等）を用いて
行う方法もある。本発明においては、有効などの重回帰
分析をも手段として用いることができる。

ところで、店舗によっては平日と週末（土、日曜日）の
来客パターンが全く異なる場合がある。

例えば、平日は主婦が主であるのに対して、週末は家族
連れが客の主となっていることがある。このような場合
には、平日用のモデルと週末用のモデルを別々に作る方
が説明力が強いことがある。

また、説明変数間にいわゆる共線形性が存在することが
あり、このような場合には、モデルと構造が著しく垂離
することかあるので注意を要する。

具体的には、チラシを週末（土、日）に必ず入れていた
場合に、一方のコーザル、例えば曜日のみで説明されて
しまい、チラシによる影響が表れなくなるような現象で
ある。これは偏回帰係数の符号等を観察することにより
ある程度防止することができる。また共線形性のある変
数のうち、あるものを強制的にモデルに組入れ他を除去
することも有効である。しかし上記変数選択法を用いる
ならば共線形性の高い変数は一方が自動的に除去される
可能性が大きい。連続変数の場合には相関係数を計算す
ることによって、相関の強い変数を見つけて一方を除去
することができる。また層別タイプの変数についてはカ
テゴリー間のクロスタビュレーションを調べることによ
り、相関の強い変数を見つけることができる。

最終的に確定したモデル式の有効性については、様々な
観点から検討することが重要である。先ず、回帰式の寄
与率、自由度調整済み寄与率、自由度２重調整済み寄与
率等の値を検討する。また、残差の分布を調べその正規
性を検討する。残差をグラフ表示して差異の偏り等を調
べる。差異の偏差値の平均値を計算し、その値が所望の
誤差範囲内に入っているかどうかを検討する。もしモデ
ル式の有効性が不十分ならば、不良データの除去、コー
ザルの追加、データの追加、分離等を行って、検討を進
める。

次に、モデル式としての回帰式の作成が終了した後に、
この回帰式を用いて来店客数を予測するモデルの運用ス
テージに移る。

すなわち、第１図のステップＳ５においては、予測しよ
うとする日のコーザルデータを準備する。

ここで、各種コーザルの中には、「曜日」等のように既
定のものもあれば、「チラシ」等のように店舗側で制御
できるものもある。また、「天候」や「最高気温」等の
ように、予測値を外部情報として供給しなければならな
いものもある。ここで用意する必要のあるコーザルデー
タとしては、上記変数選択過程で取り入れられた説明変
数に対応するもののみで充分である。

次のステップｓ６においては、上記ステップ５１〜ステ
ツプＳ４にて説明したような工程を経て作成された回帰
式に対して、上記ステップＳ５で用意されたコーザルデ
ータを代入して計算を進めることにより、来店客数の予
測値を求める。

次のステップＳ７においては、当該日に実際に来店した
客数（実現値）と、上記回帰式により求められた予測値
との間の誤差の傾向を調べる。具体的には、残差のグラ
フ表示や偏差値（偏差値＝残差の絶対値／実現値）の動
向を調べる。

そして、次のステップＳ８において、残差が、予め設定
した許容範囲内に収まっているか否がを判別し、Ｙｅｓ
のときには、現在のモデルの回帰式をそのまま運用して
いく。すなわち、上記ステップＳ５に戻って、これから
予測しようとする新たな日のコーザルデータを準備する
。

ステップＳ８でＮＯと判別されたとき、すなわち誤差動
向が許容範囲を越えたと判断されるときには、ステップ
Ｓ９に示すように、上記ステ・ンプＳ１〜Ｓ４で説明し
たようなモデル作成ステージに戻り、例えばコーザルの
追加やデータの追加、あるいは分離等を行って、新しい
回帰式を作成する。なお、新しいモデル式を作る作業は
、定期的に、例えば月毎、半月毎、毎週、毎日等に、実
施するようにしてもよい。

ところで、以上のような工程より成る来店客数予測を、
現実にコンピュータにより実現する場合には、例えば第
２図に示すようなシステムフローに従って行われる。

この第２図の来店客数入力部１１及びコーザルデータ入
力部１２は、上記第１図のステ・ンプＳ１及びステップ
Ｓ２にそれぞれ対応している。すなわち来店客数人力部
１１において、過去の来店客数の実績データをＰＯＳレ
ジスタ等から直接的にあるいはプリントデータを介して
間接的に入力する。コーザルデータ入力部１２において
は、上述したような各種コーザルデータを入力する。そ
して分析用データ作成部１３において、これらの過去の
来店客数データ及びコーザルデータから成る分析用のデ
ータを作成する。この分析用データの一具体例を第２表
に示す。

第２表 この第２表の気温は最高気温を表す。

次に、補助データ入力部１４においては、これらのデー
タに関連する補助的な情報、例えば店舗の開店日数、分
析対象コーザル数等を入力する。

これらの入力が終了すると、来店客数予測モデル作成部
１５は、所定のルーチンに従ってモデル作成作業を実行
する。先ず最初の分析データセットルーチン１５１にお
いては、分析対象日数や、層別因子数等のコーザルの種
類等をセットする。

次の入力データチエツク・出力ルーチン１５２において
は、分析対象データであるコーザルデータや来店客数デ
ータの表示を行って、例えば半日しか開店していないと
きのような異常データをチェンジして除去する。この作
業は、分析対象期間の来店客数の平均と標準偏差を求め
、平均より標準偏差の例えば３倍以上の差異のあるデー
タを異常と判定することによって代えることもできる。

ただし、ここで用いる３という数字は一例であり、２．
５等を用いてもよい。このように分析対象として好適な
データの絞り込みを行った後、次の分析用変換ルーチン
１５３にて重回帰分析プログラムに適合したデータフォ
ーマットに変換し、テーブル等へのため込みを行う。そ
して、次のルーチン１５４にて、来店客数予測用の回帰
式作成プログラムを実行し、上述した変数選択法により
変数を選択し、最小２乗法により各偏回帰係数を算出し
て、回帰式を作成する。すなわち、上記第２表の具体例
において、目的変数である来店客数ｙを、説明変数であ
る各コーザルデータとしての曜日データＸＩ　、チラシ
データＸ２、催事データχ３、気温データＸ４の多項式
、 ｙ　＝ｂｏ＋ｂ＋　ｘ　＋＋ｂｚχｚ＋ｂ３　Ｘ　３＋
Ｌ　Ｘ　ａ　　・・・（４）で表すような回帰式の各偏
回帰係数ｂ０、ｂｌ、ｂ２、ｂｌ、ｂ４を求める。

ただし、予測する対象の日が上記の異常口でないことを
前提とする。

そして、分析結果出力部１６は、得られた回帰式の精度
や、途中経過、例えば上記変数選択法により選択されて
取り入れられたコーザルの種類等を出力する。回帰式出
力部１７は、上記（４）式の各偏回帰係数ｂ０、ｂｌ、
ｂ２、ｂｌ、ｂ４が具体的数値とされたモデル回帰式を
出力する。例えば、ｂ　ｏ＝２０１２．２　（定数項） ｂｌ＝０（月）、−５，７（火）、１５２．０（水）、
２２０．３（木）８２．６（金）、４７４．３（±）、
９００．１（日）ｂ、＝ｏ（チラシナシ）＋　　１３５
　　（チラシアリ）ｂｉ＝ｏ（存意でない） ｂｄ＝１３．４ 等のように決定された回帰式が得られる。また、差異出
力部１８は、過去の来店客数の実績値と、得られたモデ
ルの回帰式により計算された推定値との差、いわゆる残
差等を出力する。この推定値２や残差ｅ等は、上記第２
表の入力データに対して上記係数ｂ０、ｂｌ、ｂ２、ｂ
３、ｂｌの具体例の回帰式が得られた場合に、第３表の
ようになる。

第３表 ここで、上記第１図のステップＳ７及びステップＳ８に
相当する作業として、予め設定した予測誤差の範囲内に
偏差値の平均値がおさまっていれば、有効なモデルとし
て確定する。そうでなければ、コーザルの追加や日数の
追加を行ってモデルを作り直す。

再び第２図に戻って、予測用モデル式作成部１９におい
ては、コンピュータプログラムとしての予測用モデル式
を作成する。すなわち、回帰式出力部１７では、単に重
回帰分析結果のモデル式をプリントアウトや画面表示等
の形態で出力するのに対して、予測用モデル式作成部１
９では、予測当該口のコーザルデータ入力に応して式の
計算を実際に実行するためのソフトウェアプログラムを
作成して出力する。

そして、予測用コーザル作成部２０において、明日等の
ようにこれから来店客数を予測しようとする当該口につ
いてのコーザルデータを作成する。

これは、曜日等のように既定のデータは、その値を入力
したり、あるいは自動的に更新されて入力されるように
してもよい。チラシ等のように店舗側で決定できるもの
は、それを決めて入力する。

店舗地域の天気や気温等のような情報は、各地の天気予
報機関等から入手する。

次の予測実行部２１は、予測用モデル式作成部１９で作
成された予測用モデル式に、予測用コーザル作成部２０
から供給された予測当該口のコーザルデータを代入し、
計算を実行することにより、来店客数の予測値を求める
。

算出された来店客数予測値は、予測結果出力部２２から
出力される。

ここで、少なくとも上記来店客数予測モデル作成部１５
を、本社やコンピュータセンター等のような各店舗から
の情報を一括管理する場所に設けられたメインのホスト
コンピュータに対応させることで、重回帰分析を行うた
めの大規模なハードウェアが各店舗毎には不要となり、
各店舗には、来店客数の入力やコーザルデータの入力が
行える程度のコンピュータ端末があれば足りる。

なお、本発明は上記実施例のみに限定されるものではな
（、例えば、店舗毎に上記重回帰分析を行うようなコン
ピュータを設置したり、あるいは本社やコンピュータセ
ンター等に設置されたホストコンピュータ側で各店舗か
らの来店客数やコンピュ−タの入力も行って重回帰分析
するようにしてもよい。また、各店舗毎に設けられたコ
ンビエータ端末と情報−括管理用のホストコンピュータ
との間で常時データのやりとりを行わせ、毎日のＰＯＳ
データが自動的にホストコンピュータに入力されてチエ
ツクや分析に回され、モデル回帰式の更新等も自動的に
行われるシステムを構成するようにしてもよい。

Ｈ１発明の効果 以上の説明からも明らかなように、本発明に係る来店客
数予測方法によれば、過去のＰＯＳデータに基づいて得
られる来店客数データ、及び予め設定されている複数種
類のコーザルについての各コーザルデータを入力し、こ
れらのデータに基づいて重回帰分析を行うことにより、
上記各コーザルの有意性検定を含む来店客数予測のため
の回帰式作成が行われ、この作成された回帰式に、予測
しようとする日のコーザルデータを入力することにより
、来店客数予測値が高い精度で得られる。

従って、一般に店舗等に既に導入されているＰＯＳレジ
スタからのデータをそのまま用いることができ、またコ
ーザルデータについては、予め複数種類のコーザルが設
定されているため、使用者側で来店客数に影響を与える
であろう要因を検討する必要がなく、既に設定されてい
るコーザルの各データを収集するのみの単純作業でよい
。しかも重回帰分析の際に、入力されたコーザルデータ
に基づいて各コーザルの有意性が検定され、有意性のな
いコーザルの除去が行われるため、統計学の知識がない
使用者でも最適のモデル回帰式を得ることができる。得
られた回帰式の運用時には、各コーザルにそれぞれ具体
的な値を代入することにより、来店客数の予測値を高い
精度で得ることができる。このよう６ご、来店客数を高
い精度で予測できれば、店舗側で商品仕入れや人員の配
置、手配等の計画が能率的に行われ、販売実績の向上に
つながることは勿論である。

ここで、上記複数種類のコーザルデータには連続変数及
び層別変数を含ませることにより、各種コーザルの内容
に応じた最適の数値化が行える。

また、重回帰分析に先立って、上記入力された来店客数
データ及びコーザルデータの内の異常データを除去する
ことにより、回帰式作成の際の悪影響を防止できる。重
回帰分析の際には、各コーザルに相当する説明変数の存
意性を検定する方法の一種である変数増減法により説明
変数群を確定することにより、高い有意性での採用コー
ザルの決定が可能となる。さらに、作成された回帰式の
運用に際しては、来店客数の予測値と実際の値との誤差
を求め、この誤差が大きいときには、再度上記重回帰分
析を行って新たな回帰式を作成することにより、環境変
化にも対応可能となる。

これらの効果は、本発明に係る来店客数予測装置におい
ても同様に得られるものであるが、さらに来店客数予測
装置においては、上記回帰式作成手段を、各店舗からの
情報を一括管理するセンターや本社等に設置されたホス
トコンピュータ側に設け、各店舗には上記ＰＯＳデータ
やコーザルデータの入力が可能な端末機を設置すること
により、全体のシステムを、より効率的にかつより経済
的に構築することが可能となる。

【図面の簡単な説明】

第１図は本発明の一実施例を説明するためのフローチャ
ート、第２回は該実施例のシステムフローを示す図であ
る。 来店客数入力部 コーザルデータ入力部 分析データ作成部 来店客数予測モデル作成部 回帰式出力部 予測用モデル式作成部 予測用コーザル作成部 予測実行部

Claims (11)

【特許請求の範囲】
1. （１）過去のＰＯＳデータに基づいて得られる所要期間
   の来店客数データを入力する工程と、 来店客数の決定要因として予め設定された複数種類のコ
   ーザルについての上記来店客数データにそれぞれ対応す
   るコーザルデータを入力する工程と、 上記来店客数を上記各コーザルによって説明する回帰式
   を作るために、上記入力された来店客数データ及び複数
   種類のコーザルデータに基づいて重回帰分析を行う工程
   と、 上記重回帰分析によって得られた回帰式に上記複数種類
   の新たなコーザルデータを入力して来店客数を予測する
   工程と を少なくとも有して成ることを特徴とする来店客数予測
   方法。
2. （２）上記複数種類のコーザルデータには連続変数及び
   層別変数を含むことを特徴とする請求項（１）記載の来
   店客数予測方法。
3. （３）上記重回帰分析に先立ち、上記入力された来店客
   数データ及び上記複数種類のコーザルデータの内の異常
   データを除去することを特徴とする請求項（１）又は（
   ２）記載の来店客数予測方法。
4. （４）上記重回帰分析の際には、変数増減法により説明
   変数群を確定することを特徴とする請求項（１）、（２
   ）又は（３）記載の来店客数予測方法。
5. （５）上記予測された来店客数と、実際の来店客数との
   誤差を求め、この誤差が予め設定された許容範囲内にな
   いとき、再度重回帰分析を行って新たな回帰式を作成す
   ることを特徴とする請求項（１）、（２）、（３）又は
   （４）記載の来店客数予測方法。
6. （６）過去のＰＯＳデータに基づいて得られる所要期間
   の来店客数データ及び来店客数の決定要因として予め設
   定された複数種類のコーザルについての上記来店客数デ
   ータにそれぞれ対応するコーザルデータを入力するため
   のデータ入力手段と、上記入力された来店客数データ及
   び複数種類のコーザルデータに基づいて重回帰分析を行
   い、上記来店客数を上記各コーザルによって説明する回
   帰式を作る回帰式作成手段と を少なくとも有し、上記回帰式作成手段によって得られ
   た回帰式に上記複数種類の新たなコーザルデータを入力
   して来店客数を予測することを特徴とする来店客数予測
   装置。
7. （７）上記複数種類のコーザルデータには連続変数及び
   層別変数を含むことを特徴とする請求項（６）記載の来
   店客数予測装置。
8. （８）上記重回帰分析に先立ち、上記入力された来店客
   数データ及び上記複数種類のコーザルデータの内の異常
   データを除去することを特徴とする請求項（６）又は（
   ７）記載の来店客数予測装置。
9. （９）上記回帰式作成手段における重回帰分析の際には
   、変数増減法により説明変数群を確定することを特徴と
   する請求項（６）、（７）又は（８）記載の来店客数予
   測装置。
10. （１０）上記予測された来店客数と、実際の来店客数と
    の誤差を求め、この誤差が予め設定された許容範囲内に
    ないとき、上記回帰式作成手段により再度重回帰分析を
    行って新たな回帰式を作成することを特徴とする請求項
    （６）、（７）、（８）又は（９）記載の来店客数予測
    装置。
11. （１１）各店舗に上記ＰＯＳデータ及びコーザルデータ
    を入力するためのデータ入力手段を有するコンピュータ
    端末機を設け、 各店舗からの情報を一括管理するホストコンピュータに
    上記回帰式作成手段を設けることを特徴とする請求項（
    ６）、（７）、（８）、（９）又は（１０）の記載の来
    店客数予測装置。