JPH09120395A - Device and method for predicting article sale in next term - Google Patents
Device and method for predicting article sale in next termInfo
- Publication number
- JPH09120395A JPH09120395A JP21757496A JP21757496A JPH09120395A JP H09120395 A JPH09120395 A JP H09120395A JP 21757496 A JP21757496 A JP 21757496A JP 21757496 A JP21757496 A JP 21757496A JP H09120395 A JPH09120395 A JP H09120395A
- Authority
- JP
- Japan
- Prior art keywords
- sales
- product
- purchaser
- model formula
- coefficient
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title abstract description 12
- 238000003860 storage Methods 0.000 claims description 45
- 238000013277 forecasting method Methods 0.000 claims description 15
- 239000000047 product Substances 0.000 description 281
- 238000010606 normalization Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 16
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000006467 substitution reaction Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012261 overproduction Methods 0.000 description 2
- 230000037303 wrinkles Effects 0.000 description 2
- 239000006227 byproduct Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
【０００１】[0001]
【発明の属する技術分野】本発明は、現実に販売されて
いる商品の販売実績から次期販売予定の新企画商品の販
売見込み量を予測することのできる次期商品販売予測装
置および次期商品販売予測方法に関する。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a next-generation product sales forecasting apparatus and a next-generation product sales forecasting method capable of predicting the expected sales volume of a new planned product scheduled to be sold in the next fiscal year based on the sales record of the products actually sold. Regarding
【０００２】[0002]
【従来の技術】従来、新商品を企画するに際しては、次
の２通りの方法が考えられていた。その１つは、顧客が
商品購入代金の支払いの際に利用するクレジットカード
から得られるその顧客の年令や年収等に関する情報、あ
るいは商品販売店の営業スタッフから得られる顧客の購
買動向に関する情報等から商品の販売情報に関するデー
タベースを作成し、これを利用して新商品の仕様を決定
する方法である。2. Description of the Related Art Conventionally, the following two methods have been considered when planning a new product. One is information about the customer's age, annual income, etc., obtained from the credit card used by the customer when paying for the purchase price of the customer, or information on the customer's purchasing trends obtained from the sales staff of the product store. This is a method of creating a database of product sales information from and using it to determine the specifications of a new product.
【０００３】他の１つは、その商品の製造メーカーであ
るメーカーサイドから販売店に新商品の仕様を打診し、
これを販売店側で検討して仕様の変更を希望するならば
その仕様変更をメーカーサイドへ要望（フィードバッ
ク）し、再びメーカーサイドで商品仕様を検討するとい
うように、試行錯誤の繰り返しによって商品仕様を決定
する方法である。The other one is that the manufacturer, who is the manufacturer of the product, consults the dealer with the specifications of the new product,
If the retailer considers this and wishes to change the specifications, the manufacturer changes the specifications by requesting (feedback) the specifications changes, and then the manufacturers again consider the product specifications. Is the method of determining.
【０００４】[0004]
【発明が解決しようとする課題】しかしながら、前者の
クレジットカードや営業スタッフから得られる顧客情報
から商品仕様を決定する方法では、顧客から直接得られ
た情報ではないため、クレジットカードに係わる情報が
直接商品の仕様を決定することになりにくいこと、営業
スタッフの思惑や意図が入り誤った情報となるおそれが
あること等が懸念される。However, in the former method of determining the product specifications from the credit card or the customer information obtained from the sales staff, the information related to the credit card is not directly obtained because the information is not directly obtained from the customer. There is concern that it will be difficult to determine the product specifications and that the sales staff's intentions and intentions may be misinterpreted.
【０００５】また、後者のメーカーサイドと販売店側と
の間の試行錯誤による商品仕様の決定方法では、顧客と
直接商品デザインの企画を行うわけではないので、販売
店が真の顧客ニーズを捉えていないと売れない商品とな
る可能性があること、商品ごとに試行錯誤でデザイン
し、その市場性に対して何ら科学的な根拠がないこと等
が懸念される。Further, in the latter method of determining product specifications by trial and error between the manufacturer side and the store side, the product design is not directly planned with the customer, so the store grasps the true customer needs. There is concern that it may not be sold unless it is sold, that each product is designed by trial and error, and there is no scientific basis for its marketability.
【０００６】本発明の目的とするところは、現実に販売
されている現行商品の販売実績から次期販売予定の新企
画商品の販売見込み量を精度良く予測することのできる
次期商品販売予測装置および次期商品販売予測方法を提
供することにある。これにより新企画商品のデザイン企
画・仕様の決定を顧客のニーズにマッチングさせて適確
に行い、顧客ニーズに合ったデザイン仕様の商品が市場
に提供されることにより顧客に満足感が得られるように
するものである。さらに新企画商品の販売量の的確な予
測によりその商品の作り過ぎや商品在庫の増加を回避
し、商品生産のための過剰設備やそれへの投資も回避さ
れて企業収益の改善が達成されるものである。An object of the present invention is to provide a next-generation product sales forecasting apparatus and a next-generation product sales forecasting apparatus capable of accurately predicting the expected sales amount of a new planned product to be sold in the next period from the sales record of the current product actually sold. It is to provide a product sales forecasting method. As a result, the design plan / specification of the newly planned product will be appropriately matched with the customer's needs, and the products with the design specifications that meet the customer's needs will be provided to the market so that the customer can be satisfied. It is something to do. Furthermore, by accurately forecasting the sales volume of newly planned products, we will avoid overproduction of products and increase in product inventory, and we will avoid excess equipment and investment in product production to improve corporate profits. It is a thing.
【０００７】[0007]
【課題を解決するための手段】この目的を達成するため
になされた請求項１の発明は、商品の販売量をその商品
の販売に影響を与える要素（ｘi）とその要素の影響度
を示す係数（ａi）との線形和で表す販売モデル式の各
係数（ａi ）を現実の商品の販売実績情報に基づいて決
定する第１の演算手段と、この第１の演算手段により決
定された各係数（ａi ）を前記の販売モデル式に代入す
ると共に次期販売予定の商品の特徴をその各係数
（ａi）が代入された販売モデル式の各要素（ｘi）とし
て与えてその次期販売予定の商品の販売予測量を算出す
る第２の演算手段とを備える次期商品販売予測装置であ
ることを特徴として特定される。The invention of claim 1 made in order to achieve this object, the element (x i ) that influences the sales amount of a product to the sales of the product and the degree of influence of the element. First calculation means for determining each coefficient (a i ) of the sales model formula represented by a linear sum with the coefficient (a i ) shown, based on the actual sales record information of the product, and the first calculation means. Substituting each coefficient (a i ) into the above sales model formula, and giving the characteristics of the product to be sold in the next period as each element (x i ) of the sales model formula into which each coefficient (a i ) is substituted. It is specified by being a next product sales forecasting device comprising a second calculation means for calculating a sales forecast quantity of a product scheduled to be sold next time.
【０００８】この請求項１の発明に係る次期商品販売予
測装置によれば、商品の販売量をその商品の販売に影響
を与える要素（ｘi）とその要素の影響度を示す係数
（ａi）との線形和で表す販売モデル式の各係数（ａ
i ）が現実の商品の販売実績情報に基づいて決定され、
その決定された各係数（ａi ）は前記販売モデル式に代
入されて次期販売予定の商品の特徴がその各係数（ａ
i ）が代入された販売モデル式の各要素（ｘi ）として
与えられると次期販売予定の商品の販売予測量が演算に
より求められる。According to the next-generation merchandise sales forecasting apparatus of the first aspect of the present invention, the factor (x i ) that influences the sales amount of the merchandise to the sale of the merchandise and the coefficient (a i ) indicating the degree of influence of the factor. ) And each coefficient of the sales model formula (a
i ) is decided based on the sales performance information of the actual product,
The determined respective coefficients (a i ) are substituted into the sales model formula, and the characteristics of the product to be sold in the next period are calculated by the respective coefficients (a i ).
When i ) is given as each element (x i ) of the substituted sales model formula, the sales forecast quantity of the product scheduled to be sold in the next period is calculated.
【０００９】そしてこのように請求項１の発明に係る次
期商品販売予測装置によれば、販売モデル式に表される
商品販売への各影響要素（ｘi）の係数（ａi）が現実の
商品の販売実績に基づいて決定されるものであるから、
新規商品の販売予測がこの販売モデル式を用いて精度良
く立てられることになる。As described above, according to the next-generation product sales forecasting apparatus of the first aspect of the present invention, the coefficient (a i ) of each influencing factor (x i ) on the product sales represented by the sales model formula is actual. Since it is decided based on the sales record of the product,
The sales forecast of a new product can be accurately established using this sales model formula.
【００１０】また、請求項２の発明は、現実の商品の販
売実績情報からその商品の販売量とその商品の販売に影
響を与える要素（ｘi ）としての商品の特徴と商品の購
入者に関する項目とを分類関係づけて格納する格納手段
と、商品の販売量をその商品の販売に影響を与える要素
（ｘi）とその要素の影響度を示す係数（ａi）との線形
和で表す販売モデル式の各係数（ａi ）を前記格納手段
に格納された商品販売量とその商品販売に影響を与える
要素（ｘi ）としての各項目に基づいて決定する第１の
演算手段と、この第１の演算手段により決定された各係
数（ａi ）を前記の販売モデル式に代入すると共に次期
販売予定の商品の特徴と諸品購入者に関する項目とをそ
の各係数（ａi）が代入された販売モデル式の各要素
（ｘi）として与えてその次期販売予定の商品の販売予
測量を算出する第２の演算手段とを備える次期商品販売
予測装置であることを特徴として特定される。Further, the invention of claim 2 relates to the feature of the product and the purchaser of the product as an element (x i ) that affects the sales amount of the product and the sales of the product from the actual sales record information of the product. The storage means for storing items in a categorized relationship and the product sales amount are represented by a linear sum of an element (x i ) that influences the sale of the product and a coefficient (a i ) indicating the degree of influence of the element. First computing means for determining each coefficient (a i ) of the sales model formula based on the item sales amount stored in the storage means and each item as an element (x i ) affecting the item sales; Substituting each coefficient (a i ) determined by the first calculation means into the above-mentioned sales model formula, the coefficient (a i ) indicates the characteristics of the product to be sold in the next period and items related to various purchasers. assignment has been sold model equation of each element given as (x i) Is specified as the feature that the, the next merchandise sales prediction apparatus and a second calculating means for calculating a sales forecast of items of the next sale will Te.
【００１１】この請求項２の発明に係る次期商品販売予
測装置によれば、格納手段に分類関係づけて格納される
現実の商品の販売量とその商品の販売に影響を与える要
素（ｘi ）としての商品の特徴とその商品の購入者に関
する項目とに基づいて請求項１に記載される販売モデル
式の各係数（ａi ）が決定されその決定された各係数
（ａi ）は前記の販売モデル式に代入されて次期販売予
定の商品の特徴と商品購入者に関する項目とがその各係
数（ａi ）が代入された販売モデル式の各要素（ｘi ）
として与えられるとその次期販売予定の商品の販売予測
量が演算により求められる。According to the next-generation product sales forecasting apparatus of the second aspect of the present invention, the actual sales amount of the products stored in the storage means in a classification relationship and the factor (x i ) affecting the sales of the products. Each coefficient (a i ) of the sales model formula described in claim 1 is determined based on the feature of the product as described above and the item related to the purchaser of the product, and each determined coefficient (a i ) is as described above. Each element (x i ) of the sales model formula in which the coefficient (a i ) of the characteristic of the product to be sold next time and the item related to the product purchaser are substituted into the sales model formula
Is calculated, the sales forecast quantity of the product scheduled to be sold in the next period is calculated.
【００１２】したがってこの請求項２の発明によれば、
現実の商品の販売によって得られる種々の情報が予め分
類整理された状態で格納手段に格納されることにより販
売モデル式における係数（ａi ）の算出が行いやすくな
り、それだけ新企画商品の販売予測が立てやすくなる。Therefore, according to the invention of claim 2,
By storing in the storage means various kinds of information obtained by selling the actual products in advance in a sorted state, it becomes easier to calculate the coefficient (a i ) in the sales model formula, and the sales forecast of the new planned product is correspondingly increased. Is easier to stand.
【００１３】そして、請求項３の発明は、商品の販売量
をその商品の販売に影響を与える購入者要素（ｘ1j）お
よび商品要素（ｘ3j）とそれらの要素の影響度を示す係
数（ａ1j、ａ3j）との線形和で表す販売モデル式の各係
数（ａ1j、ａ3j）を現実の商品の販売実績情報に基づい
て決定し、決定された各係数（ａ1j、ａ3j）を前記販売
モデル式に代入し、この販売モデル式にて購入者要素
（ｘ1j）をある購入者層に対応する値に特定し、その購
入者要素（ｘ1j）の特定がなされた販売モデル式にて次
期販売予定の商品の仕様ごとの特徴を商品要素（ｘ3j）
として与えることによりその次期販売予定の商品のその
購入者層に対する仕様ごとの予測販売傾向を算出する次
期商品販売予測方法であることを特徴として特定され
る。According to the third aspect of the invention, the purchaser element (x 1j ) and the product element (x 3j ) that affect the sales volume of the product and the sales of the product and the coefficient ( a 1j , a 3j ) and the coefficients (a 1j , a 3j ) of the sales model formula represented by a linear sum with the actual product sales record information, and the determined coefficients (a 1j , a 3j) ) Is substituted into the sales model formula, the purchaser element (x 1j ) is specified as a value corresponding to a certain purchaser class in the sales model formula, and the purchaser element (x 1j ) is specified for sale. Characteristic for each specification of the product to be sold in the next term by model formula is a product element ( x3j )
Is specified as the next product sales forecasting method for calculating the forecasted sales tendency for each specification of the purchaser class of the product scheduled to be sold next time.
【００１４】この請求項３の発明に係る次期商品販売予
測方法によれば、商品の販売量は、その商品の販売に影
響を与える購入者要素（ｘ1j）および商品要素（ｘ3j）
とそれらの要素の影響度を示す係数（ａ1j、ａ3j）との
線形和で表される販売モデル式により与えられ、その販
売モデル式の各係数（ａ1j、ａ3j）は現実の商品の販売
実績情報に基づいて決定される。この販売モデル式は、
請求項１に記載される販売モデル式の要素（ｘi）およ
びその係数（ａi）を、購入者に関するもの（ｘ1j、ａ
1j）と商品の仕様ごとの特徴に関するもの（ｘ3j、
ａ3j）とに区別したものである。購入者要素（ｘ1j）と
は、例えば年齢層や性別、職業等、購入者を特徴づける
ものであって販売情報として役立ちうるものである。商
品要素（ｘ3j）とは、例えば付属機能や色彩等、商品の
仕様を特徴づけるものである。これら以外に、例えば店
舗に関するものも含めることもできる。According to the next-generation product sales forecasting method of the third aspect of the present invention, the sales volume of the product affects the sales of the product by the purchaser element (x 1j ) and the product element (x 3j ).
And a coefficient (a 1j , a 3j ) indicating the degree of influence of those elements are given by a sales model formula, and each coefficient (a 1j , a 3j ) in the sales model formula is an actual product. It is decided based on the sales performance information of. This sales model formula is
The element (x i ) and its coefficient (a i ) of the sales model formula described in claim 1 are those related to the purchaser (x 1j , a
1j ) and the characteristics of each product specification (x 3j ,
a 3j ). The purchaser element (x 1j ) characterizes the purchaser, such as age group, sex, occupation, etc., and can be useful as sales information. The product element (x 3j ) is a feature of the product specification such as an accessory function and color. Other than these, for example, items related to stores can be included.
【００１５】決定された各係数（ａ1j、ａ3j）は販売モ
デル式に代入される。そして、この各係数（ａ1j、
ａ3j）の代入がなされた販売モデル式について、購入者
要素（ｘ1j）がある購入者層（２０才代の男性とか３０
才代の女性など）に対応する値に特定される。この、購
入者要素（ｘ1j）の特定をした販売モデル式は、その購
入者層における、商品の仕様と販売しやすさとの関係を
表している。したがって、この状態の販売モデル式に、
次期販売予定の商品の仕様ごとの特徴を商品要素
（ｘ3j）として与えると、その次期販売予定の商品のそ
の購入者層に対する仕様ごとの予測販売傾向（販売量の
仕様ごとの割合）が算出されるのである。The determined coefficients (a 1j , a 3j ) are substituted into the sales model formula. Then, each of these coefficients (a 1j ,
a 3j ). In the sales model formula in which the substitution of (a 3j ), there are buyer elements (x 1j ) in the buyer group (such as men in their 20s or 30
Is specified in the value corresponding to women in their teens). The sales model formula that specifies the purchaser element (x 1j ) represents the relationship between the specifications of the product and the ease of sale in the purchaser layer. Therefore, in the sales model formula of this state,
Given the characteristics of each product to be sold in the next period as the product element (x 3j ), the forecasted sales tendency (percentage of the sales volume in each product) of the product to be sold in the next period will be calculated. Is done.
【００１６】このように請求項３の発明に係る次期商品
販売予測方法によれば、現実の商品の販売実績に基づい
て商品販売への各影響要素（ｘ1j、ｘ3j）の係数
（ａ1j、ａ3j）が決定された販売モデル式により、新規
商品のある購入者層における仕様ごとの販売傾向が予測
されるものである。また、この予測を各購入者層につい
て行えば、市場全体におけるその商品の仕様ごとの販売
傾向が予測される。As described above, according to the next-generation product sales forecasting method of the invention of claim 3, the coefficient (a 1j ) of each influencing factor (x 1j , x 3j ) on the product sales is based on the actual sales result of the product. , A 3j ), the sales tendency for each specification in the purchaser class having a new product is predicted by the sales model formula. Further, if this prediction is performed for each purchaser layer, the sales tendency for each specification of the product in the entire market is predicted.
【００１７】また、請求項４の発明は、商品の販売量を
その商品の販売に影響を与える購入者要素（ｘ1j）およ
び商品要素（ｘ3j）とそれらの要素の影響度を示す係数
（ａ1j、ａ3j）との線形和で表す販売モデル式の各係数
（ａ1j、ａ3j）を現実の商品の販売実績情報に基づいて
決定し、決定された各係数（ａ1j、ａ3j）を前記販売モ
デル式に代入し、この販売モデル式にて商品要素
（ｘ3j）をその商品のある仕様に対応する値に特定し、
その商品要素（ｘ3j）の特定がなされた販売モデル式に
て購入者層ごとの特徴を購入者要素（ｘ1j）として与え
ることにより次期販売予定のその仕様の商品の購入者層
ごとの予測販売傾向を算出する次期商品販売予測方法で
あることを特徴として特定される。The invention according to claim 4 is the purchaser element (x 1j ), the product element (x 3j ), which affects the sales volume of the product, and the coefficient (indicating the degree of influence of these elements). a 1j , a 3j ) and the coefficients (a 1j , a 3j ) of the sales model formula represented by a linear sum with the actual product sales record information, and the determined coefficients (a 1j , a 3j) ) Is substituted into the sales model formula, and the product element (x 3j ) is specified by the sales model formula as a value corresponding to a certain specification of the product,
Prediction by purchaser class of the product of the specification to be sold in the next period by giving the characteristics of each purchaser class as the purchaser element (x 1j ) in the sales model formula in which the product element (x 3j ) is specified It is specified as a feature that it is a next-generation product sales forecasting method for calculating a sales tendency.
【００１８】この請求項４の発明に係る次期商品販売予
測方法によれば、商品の販売に影響を与える購入者要素
（ｘ1j）および商品要素（ｘ3j）とそれらの要素の影響
度を示す係数（ａ1j、ａ3j）との線形和で表される商品
の販売量の販売モデル式について、請求項３の発明の場
合と同様に、現実の商品の販売実績情報に基づいて各係
数（ａ1j、ａ3j）の決定がなされ、決定された各係数
（ａ1j、ａ3j）は販売モデル式に代入される。According to the next-generation commodity sales forecasting method of the fourth aspect of the present invention, the purchaser element (x 1j ) and the commodity element (x 3j ) which influence the sale of the commodity and the degree of influence of those elements are indicated. As for the sales model formula of the sales volume of the product represented by the linear sum of the coefficients (a 1j , a 3j ), each coefficient (based on the actual sales record information of the product) as in the case of the invention of claim 3. a 1j , a 3j ) is determined, and the determined coefficients (a 1j , a 3j ) are substituted into the sales model formula.
【００１９】そして、この各係数（ａ1j、ａ3j）の代入
がなされた販売モデル式について、商品要素（ｘ3j）が
その商品のある仕様（例えば自動車であればエンジン排
気量やボディカラーなど）に対応する値に特定される。
この、商品要素（ｘ3j）の特定をした販売モデル式は、
その商品のその仕様における、購入者層と販売しやすさ
との関係を表している。したがって、この状態の販売モ
デル式に、購入者層ごとの特徴を購入者要素（ｘ1j）と
して与えると、次期販売予定のその仕様の商品の購入者
層ごとの予測販売傾向（販売量の購入者層ごとの割合）
が算出されるのである。Then, in the sales model formula in which the respective coefficients (a 1j , a 3j ) are substituted, the product element (x 3j ) is a specification with the product (for example, engine displacement or body color in the case of an automobile). ) Is specified by the value corresponding to.
This sales model formula that specifies the product element (x 3j ) is
It represents the relationship between the purchaser class and the ease of sale in the specification of the product. Therefore, if the characteristics of each purchaser class are given as the purchaser element (x 1j ) to the sales model formula in this state, the predicted sales tendency (purchases of sales volume) Percentage by person)
Is calculated.
【００２０】このように請求項４の発明に係る次期商品
販売予測方法によれば、現実の商品の販売実績に基づい
て商品販売への各影響要素（ｘ1j、ｘ3j）の係数
（ａ1j、ａ3j）が決定された販売モデル式により、新規
商品のある仕様における購入者層ごとの販売傾向が予測
されるものである。また、この予測を各仕様について行
えば、市場全体におけるその商品の購入者層ごとの販売
傾向が予測される。As described above, according to the next-generation product sales forecasting method of the invention of claim 4, the coefficient (a 1j ) of each influencing factor (x 1j , x 3j ) on the product sales is based on the actual sales result of the product. , A 3j ), the sales tendency for each purchaser class in a certain specification of a new product is predicted. Further, if this prediction is performed for each specification, the sales tendency for each buyer group of the product in the entire market is predicted.
【００２１】そして、請求項５の発明は、商品の販売量
をその商品の販売に影響を与える購入者要素（ｘ1j）お
よび商品要素（ｘ3j）とそれらの要素の影響度を示す係
数（ａ1j、ａ3j）との線形和で表す販売モデル式の各係
数（ａ1j、ａ3j）を現実の商品の販売実績情報に基づい
て決定する第１の演算手段と、この第１の演算手段によ
り決定された各係数（ａ1j、ａ3j）を前記販売モデル式
に代入すると共にその販売モデル式にある購入者層に対
応する値の購入者要素（ｘ1j）を入力する入力手段と、
この入力手段により購入者要素（ｘ1j）が入力された販
売モデル式に次期販売予定の商品の仕様ごとの特徴を商
品要素（ｘ3j）として与えることによりその次期販売予
定の商品のその購入者層に対する仕様ごとの予測販売傾
向を算出する第２の演算手段とを備える次期商品販売予
測装置であることを特徴として特定される。[0021] In the invention of claim 5, the purchaser element (x 1j ) and the product element (x 3j ) that influence the sales volume of the product and the sale of the product, and a coefficient ( a 1j , a 3j ) and a first calculation means for determining each coefficient (a 1j , a 3j ) of the sales model formula represented by a linear sum with a first product and the first calculation. Input means for substituting each coefficient (a 1j , a 3j ) determined by the means into the sales model formula and inputting a purchaser element (x 1j ) having a value corresponding to the purchaser class in the sales model formula ,
The purchaser element (x 1j ) input by this input means is added to the sales model formula as a product element (x 3j ) for each specification of the product to be sold in the next period. It is specified by being a next-generation product sales forecasting device including a second calculation means for calculating a forecasted sales tendency for each specification for each layer.
【００２２】この請求項５の発明に係る次期商品販売予
測装置は、請求項３に記載した次期商品販売予測方法を
実施する装置である。この次期商品販売予測装置によれ
ば、販売モデル式の各係数（ａ1j、ａ3j）は現実の商品
の販売実績情報に基づいて、第１の演算手段により決定
される。そして、決定された各係数（ａ1j、ａ3j）の販
売モデル式への代入およびある購入者層に対応する値の
購入者要素（ｘ1j）のその販売モデル式への入力が、入
力手段により行われる。この「入力」が、請求項３にい
う「特定」に相当する。そしてこの状態の販売モデル式
に、第２の演算手段により、次期販売予定の商品の仕様
ごとの特徴が商品要素（ｘ3j）として与えられ、その次
期販売予定の商品のその購入者層に対する仕様ごとの予
測販売傾向が算出される。The next-generation product sales forecasting apparatus according to the invention of claim 5 is an apparatus for carrying out the next-generation product sales forecasting method according to claim 3. According to this next-generation product sales forecasting apparatus, each coefficient (a 1j , a 3j ) of the sales model formula is determined by the first calculation means based on the actual sales record information of the product. Then, the substitution of each determined coefficient (a 1j , a 3j ) into the sales model formula and the input of the purchaser element (x 1j ) of the value corresponding to a certain purchaser group to the sales model formula are input means. Done by. This "input" corresponds to the "specification" in claim 3. Then, the characteristic of each specification of the product to be sold in the next period is given to the sales model formula in this state as a product element (x 3j ) by the second calculating means, and the specification of the product to be sold in the next period to the purchaser layer is specified. The forecast sales tendency for each is calculated.
【００２３】また、請求項６の発明は、商品の販売量を
その商品の販売に影響を与える購入者要素（ｘ1j）およ
び商品要素（ｘ3j）とそれらの要素の影響度を示す係数
（ａ1j、ａ3j）との線形和で表す販売モデル式の各係数
（ａ1j、ａ3j）を現実の商品の販売実績情報に基づいて
決定する第１の演算手段と、この第１の演算手段により
決定された各係数（ａ1j、ａ3j）を前記販売モデル式に
代入すると共にその販売モデル式にその商品のある仕様
に対応する値の商品要素（ｘ3j）を入力する入力手段
と、この入力手段により商品要素（ｘ3j）が入力された
販売モデル式に購入者層ごとの特徴を購入者要素
（ｘ1j）として与えることにより次期販売予定のその仕
様の商品の購入者層ごとの予測販売傾向を算出する第２
の演算手段とを備える次期商品販売予測装置であること
を特徴として特定される。Further, in the invention of claim 6, the purchaser element (x 1j ) and the product element (x 3j ) which influence the sales volume of the product and the sale of the product, and the coefficient ( a 1j , a 3j ) and a first calculation means for determining each coefficient (a 1j , a 3j ) of the sales model formula represented by a linear sum with a first product and the first calculation. An input means for substituting each coefficient (a 1j , a 3j ) determined by the means into the sales model expression and inputting a product element (x 3j ) having a value corresponding to a certain specification of the product into the sales model expression; , By giving the characteristics of each purchaser class as the purchaser element (x 1j ) to the sales model formula in which the product element (x 3j ) is input by this input means, for each purchaser class of the product of the specification to be sold in the next period Second to calculate the forecast sales trend of
It is specified by being a next-generation commodity sales forecasting apparatus including the calculating means.
【００２４】この請求項６の発明に係る次期商品販売予
測装置は、請求項４に記載した次期商品販売予測方法を
実施する装置である。この次期商品販売予測装置によれ
ば、販売モデル式の各係数（ａ1j、ａ3j）は現実の商品
の販売実績情報に基づいて、第１の演算手段により決定
される。そして、決定された各係数（ａ1j、ａ3j）の販
売モデル式への代入およびある購入者層に対応する値の
購入者要素（ｘ1j）のその販売モデル式への入力が、入
力手段により行われる。この「入力」が、請求項４にい
う「特定」に相当する。そしてこの状態の販売モデル式
に、第２の演算手段により、購入者層ごとの特徴が購入
者要素（ｘ1j）として与えられ、次期販売予定のその仕
様の商品の購入者層ごとの予測販売傾向が算出される。The next-generation product sales forecasting apparatus according to the invention of claim 6 is an apparatus for carrying out the next-generation product sales forecasting method described in claim 4. According to this next-generation product sales forecasting apparatus, each coefficient (a 1j , a 3j ) of the sales model formula is determined by the first calculation means based on the actual sales record information of the product. Then, the substitution of each determined coefficient (a 1j , a 3j ) into the sales model formula and the input of the purchaser element (x 1j ) of the value corresponding to a certain purchaser group to the sales model formula are input means. Done by. This “input” corresponds to the “specification” in claim 4. Then, the characteristics of each purchaser class are given as the purchaser element (x 1j ) to the sales model formula in this state by the second calculating means, and the predicted sales of the purchaser class of the product of the specification to be sold in the next period The trend is calculated.
【００２５】[0025]
【発明の実施の形態】以下に本発明の望ましい実施の形
態を図面を参照して詳細に説明する。BEST MODE FOR CARRYING OUT THE INVENTION Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the drawings.
【００２６】図１は、本発明の一つの実施形態としての
次期商品販売予測装置に、販売店へ商品を購入するため
に来た顧客から直接得られる顧客情報を如何に取り込む
かを概念的に示した図である。この図示の例では、ある
商品の販売店１１で顧客１２と店員１４とが商品１６を
前にして、あるいは商品カタログ１８を前にして商談を
行なっている状況が、その販売店に据え付けられるカメ
ラ２０によってその映像情報としてこの次期商品販売予
測装置１０に取り込まれる。また顧客１２と店員１４と
が取り交わしている会話の内容はその販売店に備え付け
のマイク２２によって音声情報としてこの販売予測装置
１０に取り込まれ、さらにその顧客１２が購入すること
に決めた商品とその価格等の情報は商品カタログから、
あるいは取引書類（受注伝票など）を販売店に備え付け
のスキャナ２４により読み取ることによりやはりこの販
売予測装置１０に取り込まれる。FIG. 1 is a conceptual diagram showing how to incorporate customer information directly obtained from a customer who has come to a store to purchase a product into the next product sales forecasting apparatus as one embodiment of the present invention. It is the figure shown. In the illustrated example, a situation in which a customer 12 and a salesclerk 14 have a business negotiation in front of a product 16 or a product catalog 18 at a store 11 of a certain product is a camera installed in that store. The image information is taken into the next product sales forecasting device 10 by 20. Further, the contents of the conversation exchanged between the customer 12 and the clerk 14 are taken into the sales forecasting device 10 as voice information by the microphone 22 provided in the store, and the product that the customer 12 decides to purchase and the product. For information such as prices from the product catalog,
Alternatively, transaction documents (such as an order slip) are read by the scanner 24 provided in the store, and are also taken into the sales forecasting device 10.
【００２７】そしてこの販売予測装置１０は、これらの
カメラ２０やマイク２２、あるいはスキャナ２４からの
情報を入出力するＩ／Ｏポート２６と、このＩ／Ｏポー
ト２６を介して入力された情報の処理等を行う中央演算
装置（ＣＰＵ）２８と、Ｉ／Ｏポート２６を介して入力
された情報を格納し、あるいはＣＰＵ２８で演算処理し
た結果をデータとして格納するディスク３０とを備え、
またＣＰＵ２８を介してこのディスク３０に格納された
顧客情報や演算処理の結果得られたデータがペーパー３
２やビデオ３４あるいはフロッピィディスク３６に出力
できるようになっている。The sales forecasting apparatus 10 has an I / O port 26 for inputting / outputting information from the camera 20, the microphone 22, or the scanner 24, and the information input via the I / O port 26. A central processing unit (CPU) 28 that performs processing and the like, and a disk 30 that stores information input via the I / O port 26 or that stores the result of arithmetic processing by the CPU 28 as data are provided.
Further, the customer information stored in the disk 30 via the CPU 28 and the data obtained as a result of the arithmetic processing are the paper 3
2, a video 34, or a floppy disk 36 can be output.
【００２８】図２は、図１に示した販売予測装置１０の
システムブロック図である。この装置１０は、基本的に
は販売情報入力手段４０と、販売情報格納手段４２と、
基本パターン格納手段４４と、販売情報正規化手段４６
と、正規化情報格納手段４８と、販売モデル作成手段５
０と、販売モデル格納手段５２と、新商品仕様入力手段
５４と、新商品売上げ予測手段５６とから構成されてい
る。FIG. 2 is a system block diagram of the sales forecasting apparatus 10 shown in FIG. This device 10 basically comprises a sales information input means 40, a sales information storage means 42,
Basic pattern storage means 44 and sales information normalization means 46
, Normalization information storage means 48, and sales model creation means 5
0, a sales model storage means 52, a new product specification input means 54, and a new product sales forecasting means 56.
【００２９】販売情報入力手段４０は、上述の図１にお
けるカメラ２０、マイク２２、スキャナ２４などを指
し、既述のように、店で顧客１２と店員１４とが商品１
６や商品カタログ１８を前にして取り交わした販売活動
状況や注文書の内容などが、商品の販売情報としてこれ
らのカメラ２０やマイク２２やスキャナ２４を介してこ
のコンピュータシステムに取り込まれることは前述した
通りである。The sales information input means 40 refers to the camera 20, the microphone 22, the scanner 24, etc. in FIG. 1 described above, and as described above, the customer 12 and the clerk 14 have the product 1 at the store.
As described above, the sales activity status and the contents of the order form exchanged in front of the item 6 and the product catalog 18 are taken into the computer system via the camera 20, the microphone 22 and the scanner 24 as the product sales information. On the street.
【００３０】販売情報格納手段４２は、図１におけるデ
ィスク３０に相当し、販売情報入力手段４０によりこの
コンピュータシステムに入力された、顧客から直接得ら
れる商品販売情報がこの販売情報格納手段４２に格納さ
れることになる。The sales information storage means 42 corresponds to the disk 30 in FIG. 1, and the sales information storage means 42 stores the product sales information directly input from the customer, which is input to the computer system by the sales information input means 40. Will be done.
【００３１】基本パターン格納手段４４は、図示しない
がこの次期商品販売予測装置１０のＣＰＵ２８に接続さ
れるＲＡＭに相当するもので、ここにはたとえば基本パ
ターンとしていろいろな容姿・年齢・ヘアスタイル・服
装をした男女の顔写真や上半身写真などのイメージ情報
が格納されている。たとえば５０才代の、スーツ、ネク
タイというフォーマルな服装を着た、ストレートのショ
ートヘアのスタイルをしている男性の写真、あるいは２
０才代の、Ｔシャツ、フレアスカートというカジュアル
な服装を着たウェーブのロングヘアをしている女性の写
真など、各種の年齢層の服装やヘアースタイルもいろい
ろなものを組み合わせた容姿の男女の写真などが基本パ
ターンとして用意されている。Although not shown, the basic pattern storage means 44 corresponds to a RAM connected to the CPU 28 of the next product sales forecasting apparatus 10, and here, for example, various appearances, ages, hairstyles, clothes are used as basic patterns. It stores image information such as facial photographs and upper body photographs of men and women who have taken photographs. For example, a picture of a man in his 50s, wearing a formal outfit with a suit and tie, and having a style of straight short hair, or 2
Photographs of men and women in various ages wearing various clothes and hairstyles, such as a photograph of a woman in her 0's with long wave hair wearing casual clothes such as T-shirts and flared skirts. Are prepared as basic patterns.
【００３２】販売情報正規化手段４６は上述の販売情報
格納手段４２に格納された情報と基本パターン格納手段
４４に格納された情報とを比較し、販売モデルとなり得
る情報に正規化するためのものである。たとえば、販売
情報格納手段４２に格納された情報のうちカメラ２０に
よる顧客の映像情報と基本パターン格納手段４４に格納
される各種の男女の写真の映像情報とを重ね合わせ、パ
ターンマッチングを行うことによりその顧客の性別や年
齢、服装の傾向等を判定または推定するものである。こ
のうち年齢の推定は図９に示すように、顔写真のうち眼
Ｅの外側の俗にいう「カラスの足跡」の部分の四辺形３
６の画像データを用い、しわＳの基本パターンとマッチ
ングすることにより行われる。一般的にしわＳの数は年
齢との相関性が強いからである。The sales information normalizing means 46 compares the information stored in the above-mentioned sales information storing means 42 with the information stored in the basic pattern storing means 44, and normalizes the information into a sales model. Is. For example, among the information stored in the sales information storage means 42, the video information of the customer captured by the camera 20 and the video information of various male and female photographs stored in the basic pattern storage means 44 are overlapped to perform pattern matching. It determines or estimates the gender, age, clothing tendency, etc. of the customer. Of these, as shown in FIG. 9, the estimation of age is the quadrangle 3 of the so-called "crow's footprints" on the outside of the eye E in the facial photograph.
This is performed by using the image data of No. 6 and matching with the basic pattern of wrinkles S. This is because the number of wrinkles S generally has a strong correlation with age.
【００３３】正規化情報格納手段４８にはこの販売情報
正規化手段４６において正規化された情報が格納され
る。たとえば販売情報正規化手段４６において顧客の性
別が判定されると、その判定結果が男性キャラクタデー
タあるいは女性キャラクタデータに置き換えられて格納
される。年齢や服装の傾向等についても同様である。図
３〜図５は、この正規化情報格納手段４８に格納される
情報の具体的な内容を明らかにしたものである。The normalized information storage means 48 stores the information normalized by the sales information normalization means 46. For example, when the sales information normalizing means 46 determines the sex of the customer, the determination result is replaced with male character data or female character data and stored. The same applies to age and clothing trends. 3 to 5 clarify the specific contents of the information stored in the normalized information storage means 48.
【００３４】初めに図３は、この正規化情報格納手段４
８に格納される顧客に関する正規化情報を示したもので
あり、顧客を性別により男性と女性に分け、年齢により
１０才未満、１０才代、…、５０才代、６０才以上とい
うように分け、服装によりカジュアル、フォーマルに分
けられる。ここで、カジュアルの具象化はＴシャツ、ジ
ーパン等であり、フォーマルの具象化はスーツ、ネクタ
イ等である。また、さらに髪型はストレートショート、
ウェービーショート、ストレートロングのように分けら
れる。First, FIG. 3 shows the normalized information storage means 4
It shows the normalized information about the customers stored in 8, and divides the customers into males and females according to gender, under ages 10 years, 10s, ..., 50s, 60s or older. It is divided into casual and formal depending on the clothes. Here, the reification of casual is T-shirt, jeans, etc., and the reification of formal is suit, tie, etc. In addition, the hairstyle is straight short,
It can be divided into wavy short and straight long.
【００３５】図４は、この正規化情報格納手段４８に格
納される販売店に関する正規化情報を示したものであ
り、販売店を店舗タイプによりブティック、デパート、
スーパーに分け、店員が商品を奬めたか、奬めないかに
分けられる。FIG. 4 shows the normalization information about the stores stored in the normalization information storage means 48. The stores are boutiques, department stores,
It is divided into supermarkets, and it can be divided into whether the clerk is cheering on the product or not.
【００３６】図５は、この正規化情報格納手段４８に格
納される商品に関する正規化情報を示したものであり、
商品が商品タイプにより食料品、衣料品、住居品、車両
に分けられている。そのうち例えば車両についてはさら
に、形（型式）によりセダン、クーペ、ワゴン、ハード
トップ等に分けられ、またボディ外装色により金、銀、
白、黒、赤、緑、青のように分けられる。そして以上の
図３〜図５の説明で述べたすべての分類の組み合せ（こ
れを以後「カテゴリー」と呼ぶ）ごとに売上げ数が図１
の正規化情報格納手段４８に格納される訳である。FIG. 5 shows the normalization information on the products stored in the normalization information storage means 48.
Products are divided into food items, clothing items, household items, and vehicles by product type. Among them, for example, vehicles are further divided into sedans, coupes, wagons, hard tops, etc. according to the type (model), and gold, silver, and
It is divided into white, black, red, green and blue. The number of sales is shown in FIG. 1 for each combination of all the categories described in the explanation of FIGS. 3 to 5 (hereinafter referred to as “category”).
It is stored in the normalization information storage means 48.
【００３７】次に販売モデル作成手段５０は、この正規
化情報格納手段４８に格納された正規化情報を基に次の
数１に示した販売モデル式（１）に従って次期販売予定
の新企画仕様商品の販売モデル式を作成するためのもの
である。Next, the sales model creating means 50, based on the normalized information stored in the normalized information storage means 48, according to the sales model formula (1) shown in the following mathematical formula 1, the new plan specification for the next sales plan. It is for creating a sales model formula for a product.
【００３８】[0038]
【数１】 (Equation 1)
【００３９】この数１に示した販売モデル式（１）につ
いて説明すると、この販売モデル式（１）は、商品の販
売量（売上げ数）「ｙ」が、商品の販売に影響を与える
要素「ｘij」とその要素「ｘij」の影響度を示す係数
「ａij」との線形和で表されている。そして上述の正規
化情報格納手段４８に格納される顧客、販売店及び商品
に関する各正規化情報を基に各カテゴリーごとに数値を
代入し、その連立方程式を解くことにより各係数
「ａi」が演算により求められることになる。The sales model formula (1) shown in the equation 1 will be explained. In this sales model formula (1), the sales quantity (the number of sales) "y" of the product is an element "" which affects the sales of the product. x ij ”and a coefficient“ a ij ”indicating the degree of influence of the element“ x ij ”are represented by a linear sum. Then, by substituting a numerical value for each category on the basis of the normalized information on the customer, the store, and the product stored in the above-mentioned normalized information storage means 48 and solving the simultaneous equations, each coefficient “a i ” is obtained. It will be calculated.
【００４０】ここで販売モデル式（１）で表現される全
ての販売ケースが、販売モデルとして販売モデル格納手
段５２に格納される。たとえば、ある赤色の商品をある
年齢の男性が店員の奬めによって買った数量がいくつ
で、別の条件で買った数量がいくつで…云々というよう
な販売ケースがその商品の販売特徴や購入者に関する項
目で分類整理されて販売モデル格納手段５２に格納され
る。Here, all the sales cases represented by the sales model formula (1) are stored in the sales model storage means 52 as sales models. For example, what is the quantity of a red product bought by a clerk of a certain age by the clerk's jealousy, what is the purchase quantity under another condition, and so on? Items are sorted and sorted into items and stored in the sales model storage unit 52.
【００４１】次に新商品の仕様が新商品仕様入力手段５
４により入力されると販売モデル格納手段５２に格納さ
れる販売モデルとの比較演算により次期の新商品の売上
げ予測が新商品売上げ予測手段５６より出力される。こ
れは、たとえば新商品仕様入力手段５４により今回の新
商品の色は赤で、店には店員をおき、２０才代の男を顧
客として抽出するというように入力すると、この入力に
対して新商品売上げ予測手段５６においてその仕様の新
商品の売上げが予測される。Next, the specifications of the new product are the new product specification input means 5
4 is input, the sales forecast of the new product for the next period is output from the new product sales forecasting unit 56 by comparison calculation with the sales model stored in the sales model storing unit 52. This is because, for example, when the color of the new product this time is red by the new product specification input means 54, a store clerk is placed in the store, and a man in his twenties is extracted as a customer, the new product is input. The product sales predicting means 56 predicts sales of a new product having the specifications.
【００４２】これは販売モデル式（１）のある商品の販
売数量「ｙ」と販売に影響を与える要素「ｘij」に前述
で入手した販売情報を当てはめ、各要素の係数「ａij」
のみの連立方程式で表現し、これを解いて各要素
「ｘij」の係数「ａij」の値を求め、その後今回の新商
品仕様を要素「ｘij」に当てはめて既知となった各係数
「ａij」を使って新商品の販売数量「ｙ」を求めること
となる。以上によりその新商品がいかなる仕様をとる
時、どの程度の売上げが期待できるかが予測できる。This is because the sales information obtained above is applied to the sales quantity “y” of a certain product of the sales model formula (1) and the element “x ij ” which affects sales, and the coefficient “a ij ” of each element is applied.
Is expressed as a simultaneous equation, and the value is calculated for the coefficient “a ij ” of each element “x ij ”. Then, the new product specifications are applied to the element “x ij ” and each coefficient is known. The sales quantity “y” of the new product is obtained using “a ij ”. From the above, it is possible to predict what kind of specifications the new product will take and how much sales can be expected.
【００４３】たとえば具体的には次のようになる。すな
わち、ある商品の販売モデル式（１）において顧客が男
性であり、年齢は２０才代、そして店員の奬めにより購
入し、その商品の色（カラー）は赤色であるというよう
な要素（ｘij）のカテゴリーでの販売数量が１０個であ
れば次の数２に示した販売モデル式（１１）が作成され
る。For example, specifically, it is as follows. That is, in the sales model formula (1) of a certain product, the customer is a male, the age is in his twenties, and the product is purchased by the clerk's jealousy, and the color of the product is red (x If the sales quantity in the category of ij ) is 10, the sales model formula (11) shown in the following Expression 2 is created.
【００４４】[0044]
【数２】 (Equation 2)
【００４５】そしてまた顧客が男性ではなく（女性であ
る）、あとの要素は同じとしたときのその商品の販売数
量が２０個であったとすれば、数２の販売モデル式（１
２）が作成される。このようにしてすべてのカテゴリー
について販売モデル式が作成されれば、このモデル式の
数はその商品の販売に影響を与える要素（ｘij）の数だ
けの連続方程式ができ上がるのでこれを解くことにより
各要素（ｘ11、ｘ12、…、ｘ31、…）の係数（ａ11、ａ
12、…、ａ21、…、ａ31、…）の値が決定されることに
なる。If the customer is not a male (female) and the other elements are the same and the sales quantity of the product is 20, the sales model formula (1
2) is created. If sales model formulas are created for all categories in this way, the number of these model formulas will be as many continuous equations as there are factors (x ij ) that affect the sale of the product. Coefficients (a 11 , a) of each element (x 11 , x 12 , ..., X 31 , ...)
The values of 12 , ..., A 21 , ..., A 31 ,.
【００４６】そこで前述の販売モデル式の各係数
（ａij）にその決定された値を代入することにより次期
販売予定の新企画商品の販売予測を立てるための新しい
モデル式ができ上がるので、この新しいモデル式にその
新企画商品の各要素（ｘij）を与えてやればその要素の
組み合せからなる新企画商品の販売見込み量が演算によ
り求められるものである。Then, by substituting the determined values for the respective coefficients (a ij ) of the above-mentioned sales model formula, a new model formula for making a sales forecast of a new planned product to be sold in the next period is created. If each element (x ij ) of the new planned product is given to the model formula, the expected sales amount of the new planned product composed of the combination of the elements is calculated.
【００４７】図６は、顧客の来店があったときにこの顧
客に関する販売がこのコンピュータシステムにどのよう
に取り込まれるかを示したフローチャートである。この
フローチャートでは、顧客の来店は図示しないが店に備
え付けのセンサにより検知され、このセンサからの検知
信号により顧客の来店が検知される（Ｓ１、「ＹＥ
Ｓ」）と自動的に前述のカメラ２０、マイク２２、スキ
ャナ２４が起動する（Ｓ２）。そしてその後顧客が帰っ
たかどうかは上述のセンサで検知され、帰ったと判断さ
れれば（Ｓ３、「ＹＥＳ」）カメラ２０、マイク２２、
スキャナ２４はすべて自動的に停止する（Ｓ４）。かく
してカメラ２０、マイク２２、スキャナ２４が駆動して
いる間は、その来客に関する販売情報がこのシステムに
取り込まれ続けることになる。FIG. 6 is a flow chart showing how the sales relating to this customer are incorporated into this computer system when the customer comes to the store. In this flowchart, the customer's store visit is detected by a sensor provided in the store (not shown), and the customer's store visit is detected by the detection signal from this sensor (S1, “YE”).
"S"), the camera 20, the microphone 22 and the scanner 24 are automatically activated (S2). Then, whether or not the customer has returned is detected by the above-described sensor, and if it is determined that the customer has returned (S3, "YES"), the camera 20, the microphone 22,
All the scanners 24 are automatically stopped (S4). Thus, while the camera 20, the microphone 22 and the scanner 24 are being driven, sales information regarding the visitor will continue to be taken into the system.
【００４８】そして図２に示したシステムブロック図に
おいてカメラ２０、マイク２２、スキャナ２４等を通じ
ての販売情報入力手段４０により入力された情報のうち
カメラ２０を通じて入力される映像情報は各ドットをビ
ットデータに変え、フレームメモリーとして販売情報格
納手段４２に格納され、マイク２２を通じての音声情報
に、サンプリング量子化して販売情報格納手段４２に格
納される。In the system block diagram shown in FIG. 2, of the information input by the sales information input means 40 through the camera 20, microphone 22, scanner 24, etc., the video information input through the camera 20 is bit data for each dot. Instead, it is stored in the sales information storage means 42 as a frame memory, and the voice information from the microphone 22 is sampled and quantized and stored in the sales information storage means 42.
【００４９】そしてカメラ２０を通じて入力される映像
情報は基本パターン格納手段４４に格納される男性・女
性に関するイメージ情報と重ね合わせによるパターンマ
ッチング方式の比較により販売情報正規化手段４６によ
ってこれがキャラクター情報に置き換えられ、正規化情
報格納手段４８に格納される。The image information input through the camera 20 is replaced with the character information by the sales information normalizing means 46 by comparing the image information about the male and female stored in the basic pattern storing means 44 with the pattern matching method by superposition. And is stored in the normalized information storage means 48.
【００５０】図７は、図２に示したシステムブロック図
において販売情報正規化手段４６により行なわれるパタ
ーンマッチング処理のフローチャートを示したものであ
る。このフローチャートのプログラムが起動されると初
めに、前述の販売モデル式（１）に用いられる商品の販
売に影響を与える要素「ｘij」の「ｉ」と「ｊ」のカウ
ンタ値が順次初期化される（Ｓ１１、Ｓ１２）。ここに
「ｉ=１」が顧客情報、「ｉ＝２」が店舗情報、「ｉ＝
３」が商品情報に関するもので、「ｊ」はその各情報
「ｉ＝１」、「ｉ＝２」、および「ｉ＝３」における細
部にわたる情報を表す。FIG. 7 is a flow chart of the pattern matching process performed by the sales information normalizing means 46 in the system block diagram shown in FIG. When the program of this flowchart is started, first, the counter values of “i” and “j” of the element “x ij ” which influences the sale of the product used in the above-mentioned sales model formula (1) are sequentially initialized. (S11, S12). Here, “i = 1” is customer information, “i = 2” is store information, and “i =
"3" relates to product information, and "j" represents detailed information in each of the information "i = 1", "i = 2", and "i = 3".
【００５１】たとえば顧客情報「ｉ＝１」における「ｊ
＝１」は男性か女性かの情報を示し、「ｊ＝２」は２０
才代か否かの情報を示す。また店舗情報「ｉ＝２」にお
ける「ｊ＝１」は店員が商品を顧客に奬めたかどうかの
情報を示し、商品情報「ｉ＝３」における「ｊ＝１」は
商品が赤色かどうかの情報を示すもので、顧客情報、店
舗情報、商品情報のいずれの場合もそれぞれ複数の細か
いパターン情報に分かれている。For example, "j" in the customer information "i = 1"
= 1 ”indicates information of male or female, and“ j = 2 ”indicates 20.
This section gives information on whether or not you are a talented person. Further, “j = 1” in the store information “i = 2” indicates information on whether or not the store clerk gives the product to the customer, and “j = 1” in the product information “i = 3” indicates whether or not the product is red. This is information, and each of customer information, store information, and product information is divided into a plurality of fine pattern information.
【００５２】そして最初の基本パターンが基本パターン
格納手段４４により取り出される（Ｓ１３）。この例で
は商品の販売に影響を与える要素「ｘ1j」の基本パター
ン、その中でも具体的には要素「ｘ11」の基本パターン
が最初に取り出される。この要素「ｘ1j」の基本パター
ンは、男性か女性か（？）、顧客の年齢層はいくつ位か
（？）等の顧客に関する販売情報を判別するためのもの
であるが、今、この「ｘ11」の基本パターンは、５０才
代の男性でスーツ、ネクタイというフォーマルな服装で
あり、ストレートのショートヘアをしているとすれば、
この基本パターンと前述のカメラ２０を通じて得られた
映像情報である販売シーンとの重ね合わせ（パターンマ
ッチング）が行なわれる（Ｓ１４）。Then, the first basic pattern is retrieved by the basic pattern storage means 44 (S13). In this example, the basic pattern of the element “x 1j ”, which affects the sale of the product, specifically, the basic pattern of the element “x 11 ”, is extracted first. The basic pattern of this element “x 1j ” is to determine sales information about a customer such as male or female (?) And the age group of the customer (?). The basic pattern of "x 11 " is a man in his 50s with formal clothes such as a suit and tie, and if he has straight short hair,
Superimposition (pattern matching) of this basic pattern and the sales scene which is the video information obtained through the camera 20 is performed (S14).
【００５３】そしてこのパターンマッチングにより「ｘ
11」の基本パターンとカメラ２０を通じての映像情報と
が一致していないと判断されれば（Ｓ１５、「Ｎ
Ｏ」）、「ｊ」のカウント値が１つインクリメントされ
（Ｓ１６）、次の基本パターン、たとえばこの例では
「ｘ12」の基本パターンが基本パターン格納手段４４よ
り取り出され、この「ｘ12」の基本パターンと前述のカ
メラ２０を通じての映像情報とのパターンマッチングが
次に行なわれる（Ｓ１４）。By this pattern matching, "x
If it is determined that the basic pattern of " 11 " does not match the image information from the camera 20 (S15, "N").
O ”) and“ j ”are incremented by one (S16), and the next basic pattern, for example, the basic pattern of“ x 12 ”in this example, is taken out from the basic pattern storing means 44 and this“ x 12 ”is obtained. Then, pattern matching between the basic pattern of 1) and the image information from the camera 20 is performed (S14).
【００５４】この「ｘ12」の基本パターンとしてはたと
えば、２０才代の女性でＴシャツ、フレアスカートとい
うカジュアルな服装でウェーブのロングヘアをしている
といったものが挙げられる。そして順次各年齢層、各種
の装い、ヘアースタイル等を組み合わせた容姿の男性あ
るいは女性の写真とのパターンマッチングが行なわれい
ずれかの基本パターンと一致すれば、Ｓ１５の判断にお
いて「ＹＥＳ」と判定され、その基本パターン「ｘ1j」
が正規化情報格納手段４８に格納される（Ｓ１８）。こ
のパターンマッチングは基本パターンと販売シーンとの
重ね合わせにより一致しない限り、基本パターンの数
（Ｎ）だけ行なわれる（Ｓ１７）ことになる。As a basic pattern of this "x 12 ", for example, a woman in her twenties wearing T-shirts and flared skirts and wearing wavy long hair can be mentioned. Then, pattern matching is performed sequentially with photographs of men or women who are dressed in different age groups, various costumes, hairstyles, etc., and if any of the basic patterns is matched, it is determined to be “YES” in S15. , Its basic pattern "x 1j "
Is stored in the normalized information storage means 48 (S18). This pattern matching is performed for the number of basic patterns (N) unless the basic patterns and the sales scenes overlap each other (S17).
【００５５】そして「ｉ＝１」についてのパターンマッ
チングが終了すると次に「ｉ」のカウント値が１つイン
クリメントされて（Ｓ１９）カウント値「２」となり、
「ｊ」のカウント値は初期化されて（Ｓ１２）、今度は
店舗に関する販売情報についての商品の販売に影響を与
える要素「ｘ2J」の基本パターン、具体的には要素「ｘ
21」の基本パターンが基本パターン格納手段４４により
最初に取り出される（Ｓ１３）。When the pattern matching for "i = 1" is completed, the count value of "i" is then incremented by 1 (S19) to become the count value "2",
The count value of “j” is initialized (S12), and this time, the basic pattern of the element “x 2J ”, which specifically affects the sale of the product regarding the sales information regarding the store, specifically, the element “x”.
The basic pattern " 21 " is first retrieved by the basic pattern storage means 44 (S13).
【００５６】この要素「ｘ2J」の基本パターンは店員が
顧客にその商品を奬めたかどうか、店員がその商品を奬
めた結果においてその顧客がその商品を購入することに
決めたのかどうか等の店舗に関する販売情報を判別する
ためのものであるが、今、この最初に取り出された要素
「ｘ21」の基本パターンが店員が商品を奬めているパタ
ーン情報であるとすれば、これと前述のカメラ２０を通
じての映像情報とのパターンマッチングが行なわれる
（Ｓ１４）。The basic pattern of this element "x 2J " is whether the store clerk gives the customer the product, whether the customer decides to purchase the product as a result of the customer giving the product, etc. This is for determining the sales information about the store, but if the basic pattern of the element “x 21 ” taken out first is the pattern information that the clerk is cheering for the product, Pattern matching with the video information through the camera 20 is performed (S14).
【００５７】このパターンマッチングにより「ｘ21」の
基本パターンとカメラ２０を通じての映像情報とが一致
していないと判断されれば（Ｓ１５、「ＮＯ」）、
「ｊ」のカウント値が１つインクリメントされて（Ｓ１
６）、次の基本パターン、たとえば店員が顧客に商品を
奬めていないパターン情報である要素「ｘ22」の基本パ
ターンが基本パターン格納手段４４より取り出されて今
度はこれとの比較により顧客が店員に奬めない状態でそ
の商品を購入することを決めたのかどうかが判断され
る。Ｓ１５において映像情報が一致すればその基本パタ
ーン「ｘ2j」が正規化情報格納手段４８に格納される
（Ｓ１８）。If it is determined by this pattern matching that the basic pattern of "x 21 " and the image information from the camera 20 do not match (S15, "NO"),
The count value of "j" is incremented by 1 (S1
6) The next basic pattern, for example, the basic pattern of the element “x 22 ”, which is pattern information in which the store clerk does not give the customer the product, is retrieved from the basic pattern storage means 44, and this time the customer is compared. It is determined whether or not the store clerk has decided to purchase the product without embarrassment. If the video information matches in S15, the basic pattern "x 2j " is stored in the normalized information storage means 48 (S18).
【００５８】そしてさらに「ｉ」のカウント値が１つイ
ンクリメントされて（Ｓ１４）カウント値「３」とな
り、「ｊ」のカウント値は前回と同様に初期化されて
（Ｓ１２）、商品に関する販売情報についての商品の販
売に影響を与える要素「ｘ3J」のうちの最初の「ｘ31」
の基本パターンが基本パターン格納手段４４より取り出
される（Ｓ１３）。Then, the count value of "i" is further incremented by 1 (S14) to become the count value "3", and the count value of "j" is initialized in the same manner as the previous time (S12). The first "x 31 " of the "x 3J " that affects the sale of the product
Is retrieved from the basic pattern storage means 44 (S13).
【００５９】この商品の販売に影響を与える要素
「ｘ3j」は商品の色「カラー」が赤色かどうか等の商品
に関する販売情報を判別するためのものであるが、い
ま、この要素「ｘ31」のカラー情報が商品の色（カラ
ー）が赤色であるということであれば、これと前述のス
キャナ２４を通じての商品や商品カタログ等からの商品
のカラー情報とのマッチングが行われる（Ｓ１４）。The element "x 3j " which influences the sale of this commodity is for discriminating sales information about the commodity such as whether the color "color" of the commodity is red or the like. Now, this element "x 31 " If the color information of "is that the color of the product is red, this is matched with the color information of the product through the scanner 24 and the product color information from the product catalog or the like (S14).
【００６０】そしてこのマッチングにより要素「ｘ31」
のカラー情報とスキャナ２４を通じてのカラー情報とが
一致していないと判断されれば（Ｓ１５、「ＮＯ」）、
「ｊ」のカウント値が１つインクリメントされて（Ｓ１
６）、次の基本パターン、たとえば商品の色（カラー）
は青色であるとのカラー情報の要素「ｘ32」が基本パタ
ーン格納手段４４より取り出される。By this matching, the element "x 31 "
If it is determined that the color information of No. and the color information obtained through the scanner 24 do not match (S15, “NO”),
The count value of "j" is incremented by 1 (S1
6), the following basic pattern, for example, product color
The element “x 32 ” of the color information indicating that is blue is retrieved from the basic pattern storage means 44.
【００６１】そしてこれとの比較によりその商品の色が
判断され、Ｓ１５において商品に関する情報が一致すれ
ばその要素「ｘ3j」が正規化情報格納手段４８に格納さ
れる（Ｓ１８）。そして「ｉ」のカウント値が１つイン
クリメントされてカウント値「４」となるためＳ２０に
おいて「ＮＯ」と判断されることによりこのプログラム
が終了することになる。Then, the color of the product is judged by comparison with this, and if the information on the product matches in S15, the element "x 3j " is stored in the normalized information storage means 48 (S18). Then, the count value of "i" is incremented by 1 and becomes the count value "4", so that the program is ended by determining "NO" in S20.
【００６２】このようにして商品の販売に影響を与える
要素「ｘij」のすべてについてこのプログラムが実行さ
れて前述のように各カテゴリー毎に販売数量とともに分
類整理された状態で正規化情報格納手段４８に格納され
るものである。In this way, this program is executed for all of the elements "x ij " that affect the sale of goods, and the normalized information storage means is arranged in a state where the sales quantity is classified and sorted for each category as described above. It is stored in 48.
【００６３】図８は、図２に示したシステムブロック図
において販売モデル作成手段５０により行われる販売モ
デル式の演算処理のフローチャートを示したものであ
る。このフローチャートのプログラムが起動されると初
めに、前述の販売モデル式（１）に用いられる総売上げ
数「Ｙ」のカウント値が初期化され（Ｓ３１）、次いで
標本数「ｋ」のカウント値が初期化される（Ｓ３２）。
次に前述の図３〜図５に述べた各分類の組合せからなる
各カテゴリーの売上げ数「ｙk 」がセットされ（Ｓ３
３）、次いでこの売上げ数「ｙk 」が上述の総売上げ数
「Ｙ」のカウント値に加算される（Ｓ３４）。今ここで
は「Ｙ＝０」であるからＳ３４においては「Ｙ＝ｙk」
となる。FIG. 8 shows a flowchart of the sales model formula calculation processing performed by the sales model creating means 50 in the system block diagram shown in FIG. When the program of this flowchart is started, first, the count value of the total sales number "Y" used in the sales model formula (1) is initialized (S31), and then the count value of the sample number "k" is changed. It is initialized (S32).
Next, the number of sales “y k ” in each category, which is a combination of the categories described in FIGS. 3 to 5 described above, is set (S3
3) Then, the number of sales "y k " is added to the count value of the total number of sales "Y" (S34). Since “Y = 0” here, “Y = y k ” in S34.
Becomes
【００６４】そして次に各カテゴリーの第１分類値
「ｉ」が初期化され（Ｓ３５）、さらに各カテゴリーの
第２分類値「ｊ」が初期化され（Ｓ３６）、回帰モデル
の変数「ｘij」にカテゴリーがセットされる（Ｓ３
７）。今この段階では回帰モデルの乗数「ｘ11」にカテ
ゴリーがセットされていることになる。このようにして
次に各カテゴリーの第２分類値「ｊ」のカウント値が１
つインクリメント（Ｓ３８）、これが再び上述のＳ３７
において回帰モデルの乗数「ｘ1j」にセットされ、この
場合には乗数「ｘ12」にセットされることになるが、こ
の操作が規定回数「Ｎ」、具体的には第１分類値「ｉ＝
１」における要素の数だけ（ｘ11、ｘ12、…、ｘ1N）繰
り返された後、「ｊ」のカウント値が「Ｎ」の値を超え
たと判断された時点（Ｓ３９、「ＹＥＳ」）で次のステ
ップ（Ｓ４０）へ進む。Then, the first classification value "i" of each category is initialized (S35), the second classification value "j" of each category is initialized (S36), and the variable "x ij " of the regression model is initialized. The category is set to "(S3
7). At this stage, the category is set in the regression model multiplier “x 11 ”. Thus, next, the count value of the second classification value “j” of each category is 1
One increment (S38), which is again the above-mentioned S37.
In this case, the multiplier "x 1j " of the regression model is set, and in this case, the multiplier "x 12 " is set, but this operation is performed the specified number of times "N", specifically, the first classification value "i". =
The number of elements in 1 "(x 11, x 12, ... , x 1N) after repeated" when the count value of j "is judged to exceed the value of" N "(S39," YES ") Then, the process proceeds to the next step (S40).
【００６５】そして次のステップ（Ｓ４０）では各カテ
ゴリーの第１分類値「ｉ」のカウント値が１つインクリ
メントされ（Ｓ４０）、この場合には「ｉ＝２」となる
が、これが再び上述のＳ３７において回帰モデルの乗数
「ｘ2j」にセットされる。この場合には乗数「ｘ21」に
セットされることになり、各カテゴリーの第２分類値
「ｊ」のカウント値が１つインクリメントされるたびに
乗数「ｘ2j」にセットされ、この操作がやはり規定回数
「Ｎ」、具体的には第２分類値「ｉ＝２」における要素
の数だけ（ｘ21、ｘ22、…、ｘ2N）繰り返されることに
なる。Then, in the next step (S40), the count value of the first classification value "i" of each category is incremented by 1 (S40). In this case, "i = 2", which is again the above-mentioned value. In S37, the regression model multiplier "x 2j " is set. In this case, the multiplier is set to "x 21 ", and the multiplier "x 2j " is set each time the count value of the second classification value "j" of each category is incremented by 1. This operation again prescribed number of times "N", in particular by the number of elements in the second classification value "i = 2" becomes (x 21, x 22, ... , x 2N) repeated it.
【００６６】そしてこの第１分類値「ｉ」のカウント値
が「２」の値においてすべてのカテゴリーのセットが終
了すれば、次に再びＳ４０において各カテゴリーの第１
分類値「ｉ」のカウント値が１つインクリメントされ、
この段階では「ｉ＝３」となり、この場合には上述のＳ
３７において回帰モデルの乗数「ｘ3j」にセットされる
ことになる。そしてこの場合にも各カテゴリーの第２分
類値「ｊ」のカウント値が１つインクリメントされるた
びに乗数「ｘ3j」にセットされこの操作が規定回数
「Ｎ」、具体的には第３分類値「ｉ＝３」における要素
の数だけ（ｘ31、ｘ32、…、ｘ3N）繰り返しされるもの
である。When the setting of all categories is completed when the count value of the first classification value "i" is "2", the first category of each category is again determined in S40.
The count value of the classification value “i” is incremented by 1,
At this stage, “i = 3”, and in this case, the above S
At 37, the multiplier "x 3j " of the regression model will be set. In this case as well, each time the count value of the second classification value “j” of each category is incremented by 1, the multiplier “x 3j ” is set, and this operation is performed the specified number of times “N”, specifically, the third classification. the number of elements in the value "i = 3" (x 31, x 32, ... , x 3N) it is repeatedly.
【００６７】このようにしてすべてのカテゴリーについ
て乗数「ｘij」のセットが完了すれば、次にＳ４０にお
いて「ｉ」のカウント値がインクリメントされて「４」
となったときにＳ４１において「ｉ」の値が「３」を超
えた（Ｓ４１、「ＹＥＳ」）と判断される。そこで次に
標本数「ｋ」のカウント値が１つインクリメントされ
（Ｓ４２）、次いでこのインクリメントされた標本数
「ｋ」のカウント値が全標本数「ｋ」になったか否かが
判断される（Ｓ４３）。この段階ではまだ「ｋ＝２」と
なった段階であるので前述のＳ３３において「ｙk 」に
売上げがセットされる。この場合には売上げ数「ｙ2 」
に売上げがセットされることとなり、この売上げ数「ｙ
2」について「ｙ1」の場合と同様、順次Ｓ３３〜Ｓ４３
までのプログラムが繰り返し実行されることになる。When the setting of the multiplier "x ij " is completed for all the categories in this way, the count value of "i" is then incremented to "4" in S40.
When it becomes, it is determined that the value of "i" exceeds "3" in S41 (S41, "YES"). Then, the count value of the sample number "k" is then incremented by 1 (S42), and then it is determined whether or not the count value of the incremented sample number "k" has reached the total sample number "k" ( S43). At this stage, since "k = 2" is still reached, the sales is set to "y k " in the above S33. In this case, the number of sales "y 2 "
This means that the sales will be set in the
2 ”in the same manner as in the case of“ y 1 ”sequentially S33 to S43
The programs up to will be repeatedly executed.
【００６８】そしてこのプログラムは全標本数「ｋ」に
なるまで繰り返し実行されるものである。すなわちＳ４
２で標本数「ｋ」のカウント値が１つづつインクリメン
トされてその都度Ｓ３３〜Ｓ４３までのプログラムが実
行され、全ての標本について売上げがセットされ、かつ
カテゴリーがセットされれば、Ｓ４３において「ＹＥ
Ｓ」と判断されることにより最後のステップ（Ｓ４４）
へ進む。Then, this program is repeatedly executed until the total number of samples becomes "k". That is, S4
If the count value of the sample number "k" is incremented by 1 in 2 and the programs of S33 to S43 are executed each time, and the sales are set for all the samples and the categories are set, "YE" is set in S43.
The final step (S44) when judged as "S"
Proceed to.
【００６９】ここまでの段階でどのようなことが行われ
たかといえば、これまで述べてきたようにある商品の販
売に影響を与える各要素（ｘij）の組合せであるカテゴ
リー毎にこのプログラムの実行によって数１に示した販
売モデル式（１）の販売数量（ｙ）と要素（ｘij）の値
を明らかにし、数２に示したような全標本数「ｋ」にわ
たる販売モデル式（１１）、（１２）…が作成されたの
である。そして次のステップＳ４４では、販売モデル式
（１）における平均売上げ数量「ＣO 」が総売上げ数
「Ｙ」を全標本数「ｋ」で除することにより求められる
（Ｓ４４）ことになり、これによりこのプログラムは終
了する。What has been done in the steps so far is, as described above, the program of each category, which is a combination of the elements (x ij ) that influence the sale of a certain product. The values of the sales quantity (y) and the element (x ij ) of the sales model formula (1) shown in Formula 1 are clarified by execution, and the sales model formula (11) over all sample numbers “k” as shown in Formula 2 ), (12) ... Are created. Then, in the next step S44, the average sales quantity " CO " in the sales model formula (1) is obtained by dividing the total sales quantity "Y" by the total sample quantity "k" (S44). This ends the program.
【００７０】そしてこのプログラムの実行により全標本
数「ｋ」の数（商品の販売に影響を与える要素（ｘij）
の数）の連立方程式が立てられるので、これを解くこと
により数１に示した販売モデル式（１）の各係数
（ａij）の値がすべて求められる。そして前述のプログ
ラムの実行により求められた平均販売数量（Ｃo ）と上
述の各係数（ａij）の値が数１に示した販売モデル式
（１）に代入され、次期商品の販売予測のための販売モ
デル式が得られることになる。By executing this program, the total number of samples "k" (the factor affecting the sale of the product (x ij ))
Since the simultaneous equations of (number of) are established, all the values of each coefficient (a ij ) of the sales model equation (1) shown in Equation 1 can be obtained by solving this. Then, the average sales quantity ( Co ) obtained by executing the above-mentioned program and the values of the above-mentioned coefficients (a ij ) are substituted into the sales model formula (1) shown in Expression 1 to calculate the sales forecast of the next product. The sales model formula for
【００７１】このようにして正規化情報格納手段４８で
作成された次期商品の販売予測のための販売モデル式は
新商品仕様入力手段５４に格納されるものであるが、販
売モデル作成手段５０は新規の企画商品の仕様を入力す
るためのもので、この販売モデル作成手段５０によりあ
る新規企画商品の仕様が入力されると、新商品仕様入力
手段５４に格納される販売モデル式にその仕様の要素
（ｘij）がすべて代入されることによって新規格商品の
売上げ予測値（「ｙ」の値）が新商品売上げ予測手段５
６における演算により求められることになる。The sales model formula for the sales forecast of the next product created by the normalization information storage means 48 in this way is stored in the new product specification input means 54. This is for inputting the specifications of a new planned product. When a specification of a certain new planned product is input by the sales model creating means 50, the specifications of the specifications are added to the sales model formula stored in the new product specification input means 54. By substituting all the elements (x ij ), the sales forecast value (value of “y”) of the new standard product becomes the new product sales forecasting means 5
6 will be obtained.
【００７２】たとえば、ある商品を対象は男性、４０才
代、商品のカラーは赤色で店員を配置し商品の購入を奨
めるとすれば、どのくらいの数量の販売が見込めるかが
実際に商品の販売に影響を与える各要素（ｘij）を推定
し、販売モデル式に代入してやれば求められるものであ
る。For example, if a target product is a male, a person in their 40s, and the product color is red, and a clerk is recommended to purchase the product, the actual quantity of the product to be sold depends on how much sales can be expected. It can be obtained by estimating each influencing element (x ij ) and substituting it into the sales model formula.
【００７３】これを自動車（車両）に当てはめて説明す
ると次のようになる。すなわち、次期販売予定の新企画
車両の売上げを予測しようとした場合、その車両の販売
に影響を与える要素としては、車両名、車両型式、グレ
ード、ボディ外装色（カラー）、内張材（材料×色）、
オプション仕様としてタイヤ、サンルーフ、ラジオ（Ａ
Ｍ／ＦＭ）など表１に例示したように多岐にわたる。The following description will be made by applying this to an automobile (vehicle). That is, when trying to predict the sales of a newly planned vehicle to be sold in the next period, the factors that affect the sales of that vehicle are the vehicle name, vehicle model, grade, body exterior color (color), and lining material (material). × color),
As an optional specification, tire, sunroof, radio (A
M / FM) and so on, as illustrated in Table 1.
【００７４】[0074]
【表１】 [Table 1]
【００７５】そこでたとえば、ある車名の車両が何台売
れたというように販売実績が得られたときに、前述の数
１に示した販売モデル式（１）に相当する販売モデル式
を作成する。そしてその販売モデル式にその車両の販売
に影響を与える要素「ｘij」を前述のようにカテゴリー
毎に代入した連立方程式をつくり、その連立方程式を解
くことにより各要素「ｘij」の係数「ａij」が求められ
る。たとえば次の数３に示したような販売モデル式
（２）を作り、これにたとえば、ある型式の車両で外装
色（カラー）は何色、内装材は何といった車両販売に影
響を与える要素（ｘij）の組合せによるカテゴリーで何
台の車両が売れたという情報をその販売モデル式（２）
に代入する。Therefore, for example, when a sales record is obtained such as how many vehicles with a certain vehicle name have been sold, a sales model formula corresponding to the sales model formula (1) shown in the above-mentioned formula 1 is created. . Then, a simultaneous equation is created by substituting the element "x ij " that influences the sale of the vehicle into the sales model equation for each category as described above, and by solving the simultaneous equation, the coefficient of each element "x ij " a ij ”is required. For example, a sales model formula (2) as shown in the following formula 3 is created, and for this, for example, in a certain type of vehicle, what is the exterior color (color) and what is the interior material that affect the vehicle sales ( x ij ) The number of vehicles sold in the combination category is the sales model formula (2).
Substitute for
【００７６】[0076]
【数３】 (Equation 3)
【００７７】そしてこの代入式をこの車両の販売に影響
を与える要素（ｘij）の数だけ作成し、この連立方程式
を解くことにより各要素（ｘij）の係数（ａij）がすべ
て求められる。またそのときの販売モデル式中の平均販
売台数（ＣO ）も前述の図８に示したようなプログラム
の実行により求められることになる。All the coefficients (a ij ) of each element (x ij ) are obtained by creating this substitution formula by the number of elements (x ij ) that influence the sales of this vehicle and solving this simultaneous equation. . Further, the average number of sold vehicles ( CO ) in the sales model formula at that time is also obtained by executing the program shown in FIG.
【００７８】そしてこの係数「ａij」と平均販売台数
（Ｃo ）とを販売モデル式（２）に代入して次期販売予
定の車両の販売予測モデル式を作成し、新たな仕様の車
両を企画する際にはその仕様を前述の要素「ｘij」とし
てその販売予測モデル式に与えることによりその新しい
仕様での販売見込み量「ｙ」が求められることになる。
たとえば車名は何々、車両型式は「セダン」、グレード
は「スタンダード」、外装は「赤」、云々と仕様条件を
決めていけば、自ずとその仕様の車両が何台売れそうか
の予測が立つことになる。Then, by substituting the coefficient “a ij ” and the average sales volume (C o ) into the sales model formula (2), a sales forecast model formula of a vehicle to be sold in the next period is created, and a vehicle having a new specification is obtained. At the time of planning, by giving the specification as the above-mentioned element “x ij ” to the sales forecasting model formula, the expected sales amount “y” in the new specification is obtained.
For example, if you decide the specification name such as what the car name is, the vehicle model is "sedan", the grade is "standard", the exterior is "red", it will naturally predict how many vehicles with that specification will sell. It will be.
【００７９】かかる次期商品販売予測装置１０におい
て、販売モデル作成手段５０が、請求項１および請求項
２にいう「第１の演算手段」に該当する。すなわち、販
売モデル作成手段５０は、販売情報入力手段４０により
入力された「現実の商品の販売実績情報」に基づいて、
数１の販売モデル式（１）の各係数（ａi ）を決定する
のである。そして、販売予測装置１０の新商品売上げ予
測手段５６が、請求項１および請求項２にいう「第２の
演算手段」に該当する。すなわち、販売モデル作成手段
５０が決定した各係数（ａi ）を代入した販売モデル式
に、新商品仕様入力手段５４から入力された「次期販売
予定の商品の特徴」を各要素（ｘi ）として与えて次期
商品の販売予測量を算出するのである。また、販売予測
装置１０の販売情報格納手段４２が、請求項２にいう
「格納手段」に該当する。In the next-generation commodity sales forecasting apparatus 10, the sales model creating means 50 corresponds to the "first computing means" in claims 1 and 2. That is, the sales model creating means 50, based on the “actual product sales record information” input by the sales information input means 40,
Each coefficient (a i ) of the sales model formula (1) of the equation 1 is determined. The new product sales forecasting means 56 of the sales forecasting device 10 corresponds to the “second computing means” in claims 1 and 2. That is, in the sales model formula in which the respective coefficients (a i ) determined by the sales model creating means 50 are substituted, the “characteristics of the product to be sold in the next period” input from the new product specification input means 54 is each element (x i ). Then, the sales forecast quantity of the next product is calculated. Further, the sales information storage means 42 of the sales prediction device 10 corresponds to the “storage means” in claim 2.
【００８０】さらに、この次期商品販売予測装置１０
は、第２の実施の形態として、次期商品についての仕様
ごとあるいは客層ごとの販売量の割合（販売傾向）を予
測することもできる。Further, the next-generation product sales forecasting device 10
In the second embodiment, the ratio of sales volume (sales tendency) for each specification or customer segment for the next product can be predicted.
【００８１】この場合には、前記数１のような販売モデ
ル式（１）の各項（ａij・ｘij）のうち、顧客に関する
項目「ｉ＝１」と、商品自体の仕様に関する項目「ｉ＝
３」とに着目して各処理がなされる。すなわち、販売モ
デル作成手段５０により、正規化情報格納手段４８に格
納された顧客及び商品に関する各正規化情報を基に各カ
テゴリーごとに数値を代入し、その連立方程式を解くこ
とにより、顧客に関する各要素「ｘ1j」の係数「ａ1j」
と商品自体の仕様に関する各要素「ｘ3j」の係数
「ａ3j」とが演算により求められる。In this case, in each item (a ij · x ij ) of the sales model formula (1) such as the above-mentioned expression 1, the item “i = 1” regarding the customer and the item “i = 1” regarding the specification of the product itself. i =
Each process is performed by paying attention to "3". That is, the sales model creating means 50 substitutes numerical values for each category based on the respective normalized information on the customer and the product stored in the normalized information storage means 48, and solves the simultaneous equations to obtain each of the customers. coefficient of the element "x 1j," "a 1j"
And the coefficient of each element of the specification of the product itself "x 3j" "a 3j" is obtained by calculation.
【００８２】そして新商品売上げ予測手段５６では、求
められた各係数「ａ1j」および「ａ3j」が代入された販
売モデル式（数４の（３）参照）において、顧客に関す
る各要素「ｘ1j」と商品自体の仕様に関する各要素「ｘ
3j」とのいずれか一方を特定の値に固定することによ
り、特定の顧客層に対する商品の仕様ごとの販売傾向ま
たは、特定の仕様の商品の顧客層ごとの販売傾向を算出
する。Then, in the new product sales forecasting means 56, in the sales model formula (see (3) of the equation 4) in which the obtained coefficients "a 1j " and "a 3j " are substituted, each element "x" regarding the customer 1j ”and each element“ x ”related to the specifications of the product itself
3j "is fixed to a specific value to calculate a sales tendency of a product to a specific customer group for each specification or a sales tendency of a product of a specific specification for each customer group.
【００８３】[0083]
【数４】 (Equation 4)
【００８４】まず、特定の顧客層に対する商品の仕様ご
との販売傾向を算出するケースを説明する。このケース
では、数４の販売モデル式（３）の顧客に関する各要素
「ｘ1j」として、ある特定の顧客層に対応する値を代入
する。例えば顧客層を「２０才代の男性」に特定しよう
とする場合、要素「ｘ11（顧客が男なら「１」、女なら
「０」、数１参照）」と要素「ｘ12（顧客が２０才代な
ら「１」、それ以外なら「０」、数１参照）」とに
「１」を代入し、他の要素「ｘ1j」にはすべて「０」を
代入する。このとき販売モデル式（３）の「顧客に関す
る部分」は完全に既知となる。First, a case will be described in which a sales tendency for each product specification for a specific customer segment is calculated. In this case, a value corresponding to a certain customer class is substituted as each element “x 1j ” for the customer in the sales model formula (3) of Expression 4. For example, when trying to specify the customer segment to be “a man in his twenties”, the element “x 11 (“ 1 ”if the customer is a man,“ 0 ”if the woman is a customer, see formula 1)” and the element “x 12 (the customer is Substitute "1" for "1" if you are in your twenties , "0" for all other cases , and refer to formula 1), and substitute "0" for all other elements "x 1j ". At this time, the “part relating to the customer” of the sales model formula (3) is completely known.
【００８５】この状態の販売モデル式（３）において、
商品の仕様ごとに販売量を左辺ｙに代入すれば、商品の
仕様に関する各要素「ｘ3j」を変数とする連立方程式が
得られることになる。したがって、新商品仕様入力手段
５４から入力される次期商品の設定仕様に基づいて連立
方程式を立ててこれを解けば、当該顧客層に対する商品
の仕様ごとの販売分布（シェア）の予測値が得られる。
表２は自動車の商品について、顧客層を「２０才代の男
性」に特定してかかる予測を行った例である。さらに、
このような予測を各顧客層について行いその結果を集計
すれば、商品全体での予測販売傾向が得られるものであ
る。In the sales model formula (3) in this state,
By substituting the sales amount on the left side y for each product specification, a simultaneous equation with each element “x 3j ” related to the product specification as a variable can be obtained. Therefore, if a simultaneous equation is set up and solved based on the setting specifications of the next product input from the new product specification input means 54, a predicted value of the sales distribution (share) for each product specification for the customer segment can be obtained. .
Table 2 shows an example in which the customer segment of automobile products is specified as "male in his twenties" and the prediction is performed. further,
If such a prediction is made for each customer segment and the results are aggregated, the predicted sales tendency for the entire product can be obtained.
【００８６】[0086]
【表２】 [Table 2]
【００８７】次に、特定の仕様の商品の顧客層ごとの販
売傾向を算出するケースを説明する。このケースでは、
数４の販売モデル式（３）の商品の仕様に関する各要素
「ｘ3j」として、ある特定の仕様に対応する値を代入す
る。例えば自動車の商品については、オーディオシステ
ムの内容や安全装備、エンジンの種類など、各要素「ｘ
3j」であって該当する仕様に対応するものに「１」を代
入し、それ以外の要素には「０」を代入する。ここで用
いられる仕様は、新商品仕様入力手段５４から入力され
る次期商品の設定仕様の中にあるものでなければならな
いことはもちろんである。このとき販売モデル式（３）
の「商品の仕様に関する部分」は完全に既知となる。Next, a case will be described in which the sales tendency of each customer segment of a product having a specific specification is calculated. In this case,
A value corresponding to a specific specification is substituted as each element “x 3j ” for the specification of the product of the sales model formula (3) of Expression 4. For example, in the case of automobile products, each element “x” such as audio system content, safety equipment, engine type, etc.
Substitute "1" for " 3j " that corresponds to the relevant specification, and substitute "0" for the other elements. It goes without saying that the specifications used here must be in the setting specifications of the next product input from the new product specification input means 54. Sales model formula (3) at this time
“Parts related to product specifications” will be completely known.
【００８８】この状態の販売モデル式（３）において、
顧客層ごとに販売量を左辺ｙに代入すれば、その仕様の
商品の顧客層ごとの販売分布（シェア）の予測値が得ら
れる。表３は自動車の商品について、仕様を「高級タイ
プのオーディオシステム装着」に特定したときと「低燃
費タイプのエンジン搭載」に特定したときとについての
予測例である。さらに、このような予測を各種の仕様に
ついて行いその結果を集計すれば、商品全体での予測販
売傾向が得られるものである。In the sales model formula (3) in this state,
By substituting the sales amount on the left side y for each customer segment, a predicted value of the sales distribution (share) of the product of the specification for each customer segment can be obtained. Table 3 is a prediction example regarding the specification of the automobile product when the specification is specified as "installation of high-class type audio system" and when the specification is specified as "installation of low fuel consumption type engine". Furthermore, if such a prediction is performed for various specifications and the results are aggregated, a predicted sales tendency for the entire product can be obtained.
【００８９】[0089]
【表３】 [Table 3]
【００９０】このように、数４の販売モデル式（３）に
おいて、商品の販売に影響を与える各要素「ｘij」のう
ち顧客に関する各要素「ｘ1j」と商品自体の仕様に関す
る各要素「ｘ3j」とのいずれか一方を、特定の顧客に対
応する値または特定の仕様に対応する値に固定すること
により、特定の顧客層に対する商品の仕様ごとの販売傾
向または、特定の仕様の商品の顧客層ごとの販売傾向を
算出するものであるから、正規化情報格納手段４８に格
納された顧客及び商品に関する各正規化情報に基づい
て、新商品仕様入力手段５４から入力される特性の次期
商品についての的確な予測販売傾向が得られる。As described above, in the sales model formula (3) of the equation 4, among the respective elements “x ij ” which influence the sale of the product, the respective elements “x 1j ” for the customer and the respective elements “x 1j ” for the specifications of the product itself. x 3j ”is fixed to a value corresponding to a specific customer or a value corresponding to a specific specification, so that the sales tendency for each specification of the product to a specific customer segment or the product of the specific specification Since the sales tendency for each customer segment is calculated, the next period of the characteristics input from the new product specification input unit 54 is based on the respective normalized information regarding the customer and the product stored in the normalized information storage unit 48. An accurate forecasted sales tendency for a product can be obtained.
【００９１】そしてこれにより、特定の顧客層に対する
商品の仕様ごとの販売傾向を予測すれば、当該顧客層に
対してはどのような仕様の商品が売りやすいかがわかる
ので、次期商品に関する企画・仕様決定を市場の直接情
報に基づいて行うことができ、また生産計画を需要にマ
ッチさせることも可能となる。また、商品の特定の仕様
についての顧客層ごとの販売傾向を予測すれば、当該仕
様の商品をどのような顧客がよく買ってくれるかがわか
るので、商品の仕様ごとの販売戦略を適切に立てること
に役立つものである。Then, by predicting the sales tendency of each product specification for a specific customer segment, it is possible to know what kind of product the specification is easy to sell to the customer segment. Specifications can be determined based on direct market information, and production plans can be matched to demand. Also, by predicting the sales tendency for each customer class for a particular specification of a product, it will be possible to know what kind of customers will buy the product of the specification, so make an appropriate sales strategy for each specification of the product. It helps.
【００９２】かかる次期商品販売予測装置１０による販
売傾向の予測において、販売モデル作成手段５０が、請
求項５および請求項６にいう「第１の演算手段」に該当
する。すなわち、販売モデル作成手段５０は、販売情報
入力手段４０により入力された「現実の商品の販売実績
情報」に基づいて、販売モデル式の各係数（ａ1j、
ａ3j）を決定するのである。そして、販売予測装置１０
の新商品売上げ予測手段５６が、請求項５および請求項
６にいう「入力手段」および「第２の演算手段」に該当
する。In the forecast of the sales tendency by the next-generation commodity sales forecasting apparatus 10, the sales model creating means 50 corresponds to the "first computing means" in claims 5 and 6. That is, the sales model creating means 50, based on the “actual product sales record information” inputted by the sales information input means 40, each coefficient (a 1j ,
a 3j ). And the sales forecasting device 10
The new product sales forecasting means 56 corresponds to the “inputting means” and the “second computing means” in claims 5 and 6.
【００９３】すなわち請求項５の場合については、販売
モデル作成手段５０が決定した各係数（ａ1j、ａ3j）を
代入した販売モデル式に、ある購入者層に対応する値の
購入者要素（ｘ1j）を入力し、そして新商品仕様入力手
段５４から入力された「次期販売予定の商品の特徴」を
商品の仕様に関する各要素（ｘ3j）として与えて、次期
商品の当該購入者層に対する仕様ごとの予測販売傾向を
算出するのである。かくして実施される次期商品販売予
測方法が請求項３に対応する。That is, in the case of claim 5, in the sales model formula in which the respective coefficients (a 1j , a 3j ) determined by the sales model creating means 50 are substituted, a purchaser element (a value corresponding to a certain purchaser class ( x 1j ), and the “characteristics of the product to be sold in the next period” input from the new product specification input means 54 is given as each element (x 3j ) related to the product specification to the purchaser layer of the next product. The forecast sales tendency for each specification is calculated. The next-generation commodity sales forecasting method thus implemented corresponds to claim 3.
【００９４】そして請求項６の場合については、販売モ
デル作成手段５０が決定した各係数（ａ1j、ａ3j）を代
入した販売モデル式に、新商品仕様入力手段５４から入
力された次期商品のある仕様に対応する値の商品要素
（ｘ3j）を入力し、そして購入者層ごとの特徴を購入者
要素（ｘ1j）として与えて、その仕様の次期商品の購入
者層ごとの予測販売傾向を算出するのである。かくして
実施される次期商品販売予測方法が請求項４に対応す
る。Further, in the case of claim 6, the sales model formula substituting the coefficients (a 1j , a 3j ) determined by the sales model creating means 50 for the next product input from the new product specification input means 54. Enter the product element (x 3j ) of the value corresponding to a certain specification, and give the characteristics of each purchaser as the purchaser element (x 1j ), and forecast the sales tendency of each product for the next generation of that specification. Is calculated. The next-generation commodity sales forecasting method thus implemented corresponds to claim 4.
【００９５】本発明は上記した実施の形態に何ら限定さ
れるものではなく、本発明の趣旨を逸脱しない範囲で種
々の改変が可能である。たとえば商品の販売に影響を与
える要素はその商品によっていろいろと選定できること
は言うまでもないことであり、商品の種類も特に限定さ
れるものでもないことは明らかである。The present invention is not limited to the above-described embodiments, and various modifications can be made without departing from the spirit of the present invention. For example, it goes without saying that the factors that affect the sale of a product can be selected in various ways depending on the product, and the type of product is obviously not particularly limited.
【００９６】[0096]
【発明の効果】本発明の次期商品販売予測装置または次
期商品販売予測方法によれば、顧客が実際に販売店に商
品を買いに来たシーンを映像、音声等で直接入手するこ
とにより、従来のクレジットカードや営業スタッフの意
見といった間接的なものでない直接的な生の顧客情報に
基づく販売予測が得られるものであるから、中間的な思
惑や直接商品仕様に反映できない情報が排除され、販売
シーンの事象に基づいた新商品の企画・仕様決定、さら
には生産計画が可能となる。この結果、市場に出した商
品が顧客のニーズにマッチングするばかりでなく、その
商品売上げが増大するとともに、作り過ぎの無駄による
在庫保管費用や商品を生産するときの過剰な設備投資を
低減でき、また製造原価の低減による企業収益の増大効
果が期待されるものである。According to the next-generation product sales forecasting apparatus or the next-generation product sales forecasting method of the present invention, by directly obtaining the scene where the customer actually came to the store to buy the product by video, audio, etc., Since it is possible to obtain sales forecasts based on direct raw customer information that is not indirect such as credit card and sales staff opinions, intermediate speculation and information that cannot be directly reflected in product specifications are excluded, and sales are eliminated. It enables planning and specification of new products based on scene events, as well as production planning. As a result, not only the products put on the market match the needs of customers, but also the sales of the products increase, and it is possible to reduce the inventory storage cost due to waste of overproduction and excessive capital investment when producing the products, In addition, the effect of increasing corporate profits by reducing manufacturing costs is expected.
【図１】本発明の一実施形態としての次期商品販売予測
装置において顧客情報を如何に取り込むかを概念的に示
した図である。FIG. 1 is a diagram conceptually showing how to take in customer information in a next-generation product sales forecasting apparatus as one embodiment of the present invention.
【図２】この一実施形態としての次期商品販売予測装置
のシステムブロック図である。FIG. 2 is a system block diagram of a next-generation product sales forecasting apparatus as one embodiment of the present invention.
【図３】図２に示したシステムブロック図における正規
化情報格納手段４８に格納される顧客に関する正規化情
報の内容を示した図である。3 is a diagram showing the contents of normalization information regarding a customer stored in a normalization information storage means 48 in the system block diagram shown in FIG.
【図４】同じく図２に示したシステムブロック図におけ
る正規化情報格納手段４８に格納される販売店に関する
正規化情報の内容を示した図である。FIG. 4 is a diagram showing the contents of normalization information regarding a store stored in the normalization information storage means 48 in the system block diagram shown in FIG.
【図５】同じく図２に示したシステムブロック図におけ
る正規化情報格納手段４８に格納される商品に関する正
規化情報の内容を示した図である。FIG. 5 is a diagram showing the contents of normalization information regarding products stored in the normalization information storage means 48 in the system block diagram shown in FIG.
【図６】図１に示した実施形態において顧客の来店があ
ったときに実際のこの顧客に関する販売情報のこのシス
テムへの取り込みがどのように行われるのかを示したフ
ローチャートである。FIG. 6 is a flow chart showing how the system actually incorporates sales information relating to a customer when the customer visits the shop in the embodiment shown in FIG.
【図７】図２に示したシステムブロック図における販売
情報正規化手段４６によりパターンマッチング処理がど
のように行われるかを示したフローチャートである。7 is a flowchart showing how pattern matching processing is performed by the sales information normalizing means 46 in the system block diagram shown in FIG.
【図８】図２に示したシステムブロック図における販売
モデル作成手段５０によりどのような処理が行われるか
を示したフローチャートである。8 is a flowchart showing what processing is performed by the sales model creating means 50 in the system block diagram shown in FIG.
【図９】年齢推定のための画像処理の例を説明する図で
ある。FIG. 9 is a diagram illustrating an example of image processing for age estimation.
１０ 次期商品販売予測装置 ４０ 販売情報入力手段 ４２ 販売情報格納手段 ４４ 基本パターン格納手段 ４６ 販売情報正規化手段 ４８ 正規化情報格納手段 ５０ 販売モデル作成手段 ５２ 販売モデル格納手段 ５４ 新商品仕様入力手段 ５６ 新商品売上げ予測手段 10 Next Product Sales Forecasting Device 40 Sales Information Input Means 42 Sales Information Storage Means 44 Basic Pattern Storage Means 46 Sales Information Normalization Means 48 Normalization Information Storage Means 50 Sales Model Creation Means 52 Sales Model Storage Means 54 New Product Specification Input Means 56 New product sales forecast method
Claims (6)
与える要素（ｘi ）とその要素の影響度を示す係数（ａ
i ）との線形和で表す販売モデル式の各係数（ａi ）を
現実の商品の販売実績情報に基づいて決定する第１の演
算手段と、 この第１の演算手段により決定された各係数（ａi ）を
前記の販売モデル式に代入すると共に次期販売予定の商
品の特徴をその各係数（ａi ）が代入された販売モデル
式の各要素（ｘi ）として与えてその次期販売予定の商
品の販売予測量を算出する第２の演算手段とを備えるこ
とを特徴とする次期商品販売予測装置。1. An element (x i ) that influences the sales volume of a product to the sales of the product and a coefficient (a) that indicates the degree of influence of the element.
(i ) and a first calculation means for determining each coefficient (a i ) of the sales model expression represented by a linear sum based on the actual sales record information of the actual product, and each coefficient determined by the first calculation means Substituting (a i ) into the above-mentioned sales model formula and giving the characteristics of the product to be sold in the next period as each element (x i ) of the sales model formula into which the respective coefficients (a i ) are substituted, the next sales plan The second-generation product sales forecasting apparatus, comprising:
の販売量とその商品の販売に影響を与える要素（ｘi ）
としての商品の特徴と商品の購入者に関する項目とを分
類関係づけて格納する格納手段と、 商品の販売量をその商品の販売に影響を与える要素（ｘ
i ）とその要素の影響度を示す係数（ａi）との線形和
で表す販売モデル式の各係数（ａi）を前記格納手段に
格納された商品販売量とその商品販売に影響を与える要
素（ｘi ）としての各項目に基づいて決定する第１の演
算手段と、 この第１の演算手段により決定された各係数（ａi ）を
前記の販売モデル式に代入すると共に次期販売予定の商
品の特徴と商品購入者に関する項目とをその各係数（ａ
i）が代入された販売モデル式の各要素（ｘi）として与
えてその次期販売予定の商品の販売予測量を算出する第
２の演算手段とを備えることを特徴とする次期商品販売
予測装置。2. A factor (x i ) that affects the sales volume of the product and the sales of the product from the actual sales record information of the product.
Means for storing the characteristics of the product as an item and the items related to the purchaser of the product in a categorized relationship, and an element that affects the sales amount of the product (x
i ) and each coefficient (a i ) of the sales model formula represented by the linear sum of the coefficient (a i ) indicating the degree of influence of the element affect the sales volume of the product stored in the storage means and the sales of the product. First calculation means determined based on each item as the element (x i ), and each coefficient (a i ) determined by the first calculation means is substituted into the above-mentioned sales model formula and the next sales plan is planned. Of the product characteristics and items related to the product purchaser
i ) is given as each element (x i ) of the substituted sales model formula, and second calculation means is provided for calculating the sales forecast quantity of the product scheduled to be sold in the next period. .
与える購入者要素（ｘ1j）および商品要素（ｘ3j）とそ
れらの要素の影響度を示す係数（ａ1j、ａ3j）との線形
和で表す販売モデル式の各係数（ａ1j、ａ3j）を現実の
商品の販売実績情報に基づいて決定し、 決定された各係数（ａ1j、ａ3j）を前記販売モデル式に
代入し、 この販売モデル式にて購入者要素（ｘ1j）をある購入者
層に対応する値に特定し、 その購入者要素（ｘ1j）の特定がなされた販売モデル式
にて次期販売予定の商品の仕様ごとの特徴を商品要素
（ｘ3j）として与えることによりその次期販売予定の商
品のその購入者層に対する仕様ごとの予測販売傾向を算
出することを特徴とする次期商品販売予測方法。3. A purchaser element (x 1j ), a product element (x 3j ), and coefficients (a 1j , a 3j ) indicating the degree of influence of those elements, which influence the sales volume of the product on the sale of the product. Each coefficient (a 1j , a 3j ) of the sales model formula represented by the linear sum of is determined based on the actual sales record information of the actual product, and each determined coefficient (a 1j , a 3j ) is used as the sales model formula. assignment, and next plans to sell at this in the sales model equation there is a purchaser element (x 1j) and specific to a value corresponding to the purchaser layer, sales model equation particular the purchaser element (x 1j) has been made The product sales forecasting method for the next period, which is characterized by calculating the predicted sales tendency for each product of the product scheduled to be sold in the next period to the purchaser group by giving the characteristics of the product in each item as the product element (x 3j ).
与える購入者要素（ｘ1j）および商品要素（ｘ3j）とそ
れらの要素の影響度を示す係数（ａ1j、ａ3j）との線形
和で表す販売モデル式の各係数（ａ1j、ａ3j）を現実の
商品の販売実績情報に基づいて決定し、 決定された各係数（ａ1j、ａ3j）を前記販売モデル式に
代入し、 この販売モデル式にて商品要素（ｘ3j）をその商品のあ
る仕様に対応する値に特定し、 その商品要素（ｘ3j）の特定がなされた販売モデル式に
て購入者層ごとの特徴を購入者要素（ｘ1j）として与え
ることにより次期販売予定のその仕様の商品の購入者層
ごとの予測販売傾向を算出することを特徴とする次期商
品販売予測方法。4. A purchaser element (x 1j ), a product element (x 3j ), and coefficients (a 1j , a 3j ) indicating the degree of influence of those elements, which influence the sales volume of the product, on the sale of the product. Each coefficient (a 1j , a 3j ) of the sales model formula represented by the linear sum of is determined based on the actual sales record information of the actual product, and each determined coefficient (a 1j , a 3j ) is used as the sales model formula. Substituting, the product element (x 3j ) is specified to a value corresponding to a certain specification of the product by this sales model formula, and the purchaser class is specified by the sales model formula in which the product element (x 3j ) is specified The product sales forecasting method for the next period, characterized in that the forecasted sales tendency for each buyer segment of the product of the specification scheduled to be sold in the next period is calculated by giving the characteristics of the above as a purchaser element (x 1j ).
与える購入者要素（ｘ1j）および商品要素（ｘ3j）とそ
れらの要素の影響度を示す係数（ａ1j、ａ3j）との線形
和で表す販売モデル式の各係数（ａ1j、ａ3j）を現実の
商品の販売実績情報に基づいて決定する第１の演算手段
と、 この第１の演算手段により決定された各係数（ａ1j、ａ
3j）を前記販売モデル式に代入すると共にその販売モデ
ル式にある購入者層に対応する値の購入者要素（ｘ1j）
を入力する入力手段と、 この入力手段により購入者要素（ｘ1j）が入力された販
売モデル式に次期販売予定の商品の仕様ごとの特徴を商
品要素（ｘ3j）として与えることによりその次期販売予
定の商品のその購入者層に対する仕様ごとの予測販売傾
向を算出する第２の演算手段とを備えることを特徴とす
る次期商品販売予測装置。5. A purchaser element (x 1j ), a product element (x 3j ), and coefficients (a 1j , a 3j ) indicating the degree of influence of those elements, which influence the sales volume of the product, on the sale of the product. First calculation means for determining each coefficient (a 1j , a 3j ) of the sales model expression represented by the linear sum of the above based on the actual sales record information of the product, and each coefficient determined by the first calculation means (A 1j , a
3j ) is substituted into the sales model formula and a purchaser element (x 1j ) having a value corresponding to the purchaser class in the sales model formula
And the purchaser element (x 1j ) input by this input means are added to the sales model formula, and the characteristics for each specification of the product to be sold next time are given as the product element (x 3j ) A second product sales forecasting apparatus, comprising: a second calculation means for calculating a forecasted sales tendency of a planned product for each purchaser layer for each specification.
与える購入者要素（ｘ1j）および商品要素（ｘ3j）とそ
れらの要素の影響度を示す係数（ａ1j、ａ3j）との線形
和で表す販売モデル式の各係数（ａ1j、ａ3j）を現実の
商品の販売実績情報に基づいて決定する第１の演算手段
と、 この第１の演算手段により決定された各係数（ａ1j、ａ
3j）を前記販売モデル式に代入すると共にその販売モデ
ル式にその商品のある仕様に対応する値の商品要素（ｘ
3j）を入力する入力手段と、 この入力手段により商品要素（ｘ3j）が入力された販売
モデル式に購入者層ごとの特徴を購入者要素（ｘ1j）と
して与えることにより次期販売予定のその仕様の商品の
購入者層ごとの予測販売傾向を算出する第２の演算手段
とを備えることを特徴とする次期商品販売予測装置。6. A purchaser element (x 1j ), a product element (x 3j ), and coefficients (a 1j , a 3j ) indicating the degree of influence of those elements, which influence the sales volume of the product, on the sale of the product. First calculation means for determining each coefficient (a 1j , a 3j ) of the sales model expression represented by the linear sum of the above based on the actual sales record information of the product, and each coefficient determined by the first calculation means (A 1j , a
3j ) is substituted into the sales model formula and the sales model formula has a value corresponding to a certain specification of the product (x)
3j ) and the sales model formula in which the product element (x 3j ) is input by this input means, the characteristics of each purchaser group are given as the purchaser element (x 1j ). A second product sales forecasting device, comprising: a second calculation means for calculating a forecasted sales tendency for each purchaser class of products of specifications.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP21757496A JPH09120395A (en) | 1995-08-24 | 1996-08-19 | Device and method for predicting article sale in next term |
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7-240689 | 1995-08-24 | ||
| JP24068995 | 1995-08-24 | ||
| JP21757496A JPH09120395A (en) | 1995-08-24 | 1996-08-19 | Device and method for predicting article sale in next term |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH09120395A true JPH09120395A (en) | 1997-05-06 |
Family
ID=26522099
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP21757496A Pending JPH09120395A (en) | 1995-08-24 | 1996-08-19 | Device and method for predicting article sale in next term |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH09120395A (en) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001357389A (en) * | 2000-06-12 | 2001-12-26 | Topcon Corp | Spectacles frame selection service system and its program recording medium |
| JP2002197400A (en) * | 2000-12-22 | 2002-07-12 | Fujitsu Ltd | Method for estimating initial input amount of new products, system for estimating initial input amount of new products and record medium |
| JP2008152810A (en) * | 2008-03-17 | 2008-07-03 | Nec Soft Ltd | Customer information collection and management system |
| JP2009037315A (en) * | 2007-07-31 | 2009-02-19 | Toyota Motor Corp | Share prediction device, share prediction method and share-prediction program |
| JP2015041121A (en) * | 2013-08-20 | 2015-03-02 | 株式会社日立製作所 | Sales forecast system and sales forecast method |
| JP6031210B1 (en) * | 2016-07-12 | 2016-11-24 | サイジニア株式会社 | Sales prediction device, sales prediction method, and program |
-
1996
- 1996-08-19 JP JP21757496A patent/JPH09120395A/en active Pending
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001357389A (en) * | 2000-06-12 | 2001-12-26 | Topcon Corp | Spectacles frame selection service system and its program recording medium |
| JP2002197400A (en) * | 2000-12-22 | 2002-07-12 | Fujitsu Ltd | Method for estimating initial input amount of new products, system for estimating initial input amount of new products and record medium |
| JP4678943B2 (en) * | 2000-12-22 | 2011-04-27 | 富士通株式会社 | New product initial input amount prediction method, new product initial input amount prediction device, and recording medium |
| JP2009037315A (en) * | 2007-07-31 | 2009-02-19 | Toyota Motor Corp | Share prediction device, share prediction method and share-prediction program |
| JP2008152810A (en) * | 2008-03-17 | 2008-07-03 | Nec Soft Ltd | Customer information collection and management system |
| JP2015041121A (en) * | 2013-08-20 | 2015-03-02 | 株式会社日立製作所 | Sales forecast system and sales forecast method |
| JP6031210B1 (en) * | 2016-07-12 | 2016-11-24 | サイジニア株式会社 | Sales prediction device, sales prediction method, and program |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220318858A1 (en) | Systems and methods for transformation of raw data to actionable data | |
| Wong et al. | Intelligent product cross-selling system with radio frequency identification technology for retailing | |
| KR100929897B1 (en) | Method and apparatus for providing seller recommendation information for comparison shopping | |
| CN107862566A (en) | A kind of Method of Commodity Recommendation and system | |
| US20030149504A1 (en) | Personal color ordering system and personal color ordering method | |
| CN106980999A (en) | The method and apparatus that a kind of user recommends | |
| US20150363855A1 (en) | Systems and Methods for Automatic Popular Configuration Generation | |
| Quan et al. | Game-theoretic analysis of trade-in services in closed-loop supply chains | |
| US7200570B1 (en) | Multi-attribute auction methodology and system | |
| KR20200096182A (en) | Methods for Fishing Goods Recommendation Based on Big Data | |
| CN113344676A (en) | Electronic commerce big data information management system | |
| CN111445133B (en) | Material management method and device, computer equipment and storage medium | |
| JPH09120395A (en) | Device and method for predicting article sale in next term | |
| Wiradinata et al. | Online Measuring Feature for Batik Size Prediction using Mobile Device: A Potential Application for a Novelty Technology | |
| US11636528B2 (en) | Methods and apparatuses for recommending seasonal items | |
| US11321887B2 (en) | Article design | |
| US20030033219A1 (en) | Method for supporting to select products and server for supporting to select products | |
| JP2000200260A (en) | Commodity sales quantity prediction system | |
| CN114202369A (en) | Sales prediction method and device | |
| WO2019075526A1 (en) | System and method for eyewear recommendation | |
| JPH0728902A (en) | Analysis system for good seller commodity | |
| CN114493415A (en) | Commodity platform control method, system and readable storage medium | |
| CN111160981B (en) | Method and device for optimizing user preference information based on off-line shop | |
| Payanti et al. | How Shopping Lifestyle Moderates the Effect of Product Variety and Store Atmosphere on Impulse Buying | |
| Comlan et al. | Sales Forecast and Design Generation for Textile Products Using Machine Learning |