WO2021024882A1 - 商品売上予測に用いる複数の商品情報を対応付ける判定サーバ及び判定方法 - Google Patents

商品売上予測に用いる複数の商品情報を対応付ける判定サーバ及び判定方法 Download PDF

Info

Publication number
WO2021024882A1
WO2021024882A1 PCT/JP2020/029090 JP2020029090W WO2021024882A1 WO 2021024882 A1 WO2021024882 A1 WO 2021024882A1 JP 2020029090 W JP2020029090 W JP 2020029090W WO 2021024882 A1 WO2021024882 A1 WO 2021024882A1
Authority
WO
WIPO (PCT)
Prior art keywords
product
sales
information
products
period
Prior art date
Application number
PCT/JP2020/029090
Other languages
English (en)
French (fr)
Inventor
曽根岡侑也
垣内弘太
Original Assignee
株式会社Ｅｌｙｚａ
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 株式会社Ｅｌｙｚａ filed Critical 株式会社Ｅｌｙｚａ
Publication of WO2021024882A1 publication Critical patent/WO2021024882A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising

Definitions

  • Patent Document 1 Japanese Patent Application Laid-Open No. 2016-115157
  • the method of providing the sales forecast program of the embodiment is such that the computer has different sales for each of a plurality of products.
  • the sales forecast program corresponding to each of the plurality of products generated by using the prediction model generation algorithm is displayed in a state in which it is possible to identify which of the plurality of products corresponds to and in a selectable state. The process is executed.
  • Patent Document 1 there is no consideration for improving the accuracy of sales forecast by associating a plurality of products with different product identification numbers, which are substantially the same.
  • the present invention provides a mechanism capable of improving the accuracy of sales forecast by associating a plurality of products having different product identification numbers but substantially the same.
  • the present application includes a plurality of means for solving the above problems, to give an example. It is a judgment server that associates multiple product information.
  • An information acquisition means for acquiring information on a first product, which is a criterion for judgment, and information on a plurality of second products.
  • An extraction means for extracting the second product satisfying a predetermined condition from the plurality of the second products as a corresponding product, and
  • An output means for outputting the extracted corresponding product as a corresponding product corresponding to the first product, and To prepare It is characterized by that.
  • This is an example of the hardware configuration of the determination server 101.
  • This is an example of the hardware configuration of the user terminal 102.
  • This is an example of the hardware configuration of the administrator terminal 103.
  • This is an example of the product management table 500.
  • This is an example of the product sales table 600.
  • This is an example of the corresponding product table 700.
  • This is an example of the corresponding new product extraction flow 800 implemented by the corresponding product determination module 211.
  • This is an example of the corresponding old product extraction flow 900 implemented by the corresponding product determination module 211.
  • This is an example of the corresponding new product evaluation flow 1000 implemented by the corresponding product determination module 211.
  • This is an example of the corresponding old product evaluation flow 1100 carried out by the corresponding product determination module 211.
  • This is an example of the screen 1700 that displays the conditions for extracting the corresponding products based on the product management information.
  • the sales (demand) of the product is forecast at the time of ordering the product.
  • future sales are forecasted from past time-series sales record data and various product data (for example, price, product category, promotion, or number of stores) using a computer. By forecasting future sales, it is possible to optimize the quantity of goods ordered.
  • the product identification number for example, Japanese Article Number, hereinafter referred to as JAN code
  • JAN code Japanese Article Number
  • Products with different JAN codes are treated as different products in the above-mentioned sales forecast. Therefore, even if both products are substantially the same product, the sales performance data of the old product before the change is not used in forecasting the sales of the new product after the change, and the sales forecast of the new product is performed. The accuracy could not be improved.
  • the present embodiment adopts the system or method described below. As a result, the accuracy of sales forecast can be improved.
  • the present embodiment is not limited to JAN, and can be applied to various product identification numbers for identifying products, and can be applied to, for example, an EAN code (European Article Number). All JANs in this embodiment can be replaced with EANs.
  • EAN code European Article Number
  • FIG. 1 is an example of a configuration diagram of the entire determination system 1.
  • the determination system 1 includes a plurality of user terminals 102 and a plurality of administrator terminals 103, each of which is connected to the determination server 101 via a network.
  • the network may be wired or wireless, and each terminal can send and receive information via the network.
  • Each terminal of the determination system 1 and the determination server 101 may be, for example, a mobile terminal such as a smartphone, a tablet, a mobile phone, or a personal digital assistant (PDA), or may be a wearable terminal such as a glasses type, a wristwatch type, or a clothing type. .. It may also be a stationary or portable computer, or a server located in the cloud or on a network. Alternatively, it may be a combination of these plurality of terminals. For example, a combination of one smartphone and one wearable terminal can logically function as one terminal. Further, an information processing terminal other than these may be used.
  • a mobile terminal such as a smartphone, a tablet, a mobile phone, or a personal digital assistant (PDA)
  • PDA personal digital assistant
  • a wearable terminal such as a glasses type, a wristwatch type, or a clothing type. .. It may also be a stationary or portable computer, or a server located in the cloud or on a network. Alternatively, it may be
  • Each terminal and judgment server 101 of the judgment system 1 has a processor that executes an operating system, an application, a program, and the like, a main storage device such as a RAM (Random Access Memory), an IC card, a hard disk drive, and an SSD (Solid State). Inputs such as auxiliary storage devices such as Drive) and flash memory, communication control units such as network cards, wireless communication modules, and mobile communication modules, touch panel, keyboard, mouse, voice input, and motion detection input by imaging the camera unit. It includes a device and an output device such as a monitor or a display. The output device may be a device or a terminal for transmitting information for output to an external monitor, display, printer, device, or the like.
  • a main storage device such as a RAM (Random Access Memory), an IC card, a hard disk drive, and an SSD (Solid State).
  • Inputs such as auxiliary storage devices such as Drive) and flash memory
  • communication control units such as network cards, wireless communication modules, and mobile communication modules, touch panel, keyboard
  • each module is stored in the main memory, and each functional element of the entire system is realized by executing these programs and applications by the processor.
  • each of these modules may be implemented by hardware by integrating them.
  • each module may be an independent program or application, but may be implemented in the form of a part of a subprogram or a function in one integrated program or application.
  • each module is described as a subject (subject) that performs processing, but in reality, a processor that processes various programs, applications, and the like (module) executes processing.
  • DBs databases
  • a "database” is a functional element (storage unit) that stores a data set so that it can handle arbitrary data operations (for example, extraction, addition, deletion, overwriting, etc.) from a processor or an external computer.
  • the method of implementing the database is not limited, and may be, for example, a database management system, spreadsheet software, or a text file such as XML or JSON.
  • the user terminal 102 is a terminal used by a person who uses the sales forecast information.
  • the users include not only those who use the sales forecast information by themselves but also those who provide the information to other companies.
  • the administrator terminal 103 is a terminal used by the administrator of the determination system 1.
  • the determination server 101 receives input of various information necessary for performing determination from each of the above terminals and the like, and stores these in the product information DB 207.
  • FIG. 2 is an example of the hardware configuration of the determination server 101.
  • the determination server 101 is composed of, for example, a server arranged on the cloud.
  • the main storage device 201 stores the programs and applications of the corresponding product determination module 211, the product group display module 212, the management module 213, and the sales forecast module 214, and the processor 203 executes these programs and applications. Each functional element of the determination server 101 is realized.
  • the corresponding product determination module 211 determines whether or not there are corresponding products based on various information received from the user terminal 102. Details will be described later, but for example, after identifying a reference product (which may be the first product) when determining a corresponding product, a product candidate having a high possibility of corresponding to the first product is determined. ..
  • the product group display module 212 displays information on a product group composed of a plurality of corresponding products on the user terminal 102 and the administrator terminal 103.
  • the management module 213 manages the determination system 1. Specifically, the management module 213 manages the operation information of the determination server, the user information that uses the determination system 1, and the like.
  • the sales forecast module 214 predicts the sales of the product based on the information stored in the product information DB 207 of the auxiliary storage device 202 of the determination server 101.
  • the specific method of sales forecast is to forecast future sales from past time-series sales performance data and various product data (for example, price, product category, promotion or number of stores) by a computer-based sales forecasting means. To do.
  • the auxiliary storage device 202 includes a product information database 207.
  • the database is provided with at least one table that stores at least one piece of information.
  • the product information DB 207 includes a product management table 500, a product sales table 600, and a corresponding product table 700.
  • FIG. 3 is an example of the hardware configuration of the user terminal 102.
  • the user terminal 102 is composed of, for example, a stationary computer.
  • the corresponding product determination module 311 and the product group display module 312 are stored in the main storage device 301, and each functional element of the user terminal 102 is realized by executing these programs and applications by the processor 303. ..
  • the user terminal data 321 of the auxiliary storage device 302 stores information related to the user.
  • FIG. 4 is an example of the hardware configuration of the administrator terminal 103.
  • the administrator terminal 103 is composed of, for example, a stationary computer.
  • the management module 411 is stored in the main storage device 401, and each functional element of the administrator terminal 103 is realized by executing these programs and applications by the processor.
  • the management module 411 manages the determination system 1.
  • the administrator terminal data 421 of the auxiliary storage device 402 stores information for managing the determination system 1.
  • FIG. 5 is an example of the product management table 500.
  • the product management table 500 stores information for managing products.
  • the product management table 500 has information such as product ID 501, group ID 502, product name 503, JAN code 504, category 505, and price 506.
  • the product ID is a unique ID that is automatically generated for each product.
  • the group ID is an ID generated for each group composed of a plurality of products (corresponding) that are substantially the same product but have different product identification numbers.
  • the product name is the name of the product.
  • the JAN code is one of the product identification numbers that identify which product of which business operator.
  • a category is product classification information.
  • FIG. 6 is an example of the product sales table 600.
  • the product sales table 600 stores product sales information.
  • the product sales table 600 has information such as product ID 601, group ID 602, product name 603, and sales data 604.
  • the sales data stores information on weekly sales in a period from, for example, 4/8 to 6/23.
  • FIG. 7 is an example of the corresponding product table 700.
  • the corresponding product table 700 has information such as product ID 701, group ID 702, time series ID 703, product name 704, corresponding old product determination result 705, and corresponding new product determination result 706.
  • the time series ID 703 is time series information of the products included in the product group. The smaller the time series ID 703, the older the product is sold.
  • FIG. 8 is an example of the corresponding new product extraction flow 800 implemented by the corresponding product determination module 211.
  • the corresponding new product extraction flow 800 is a flow for extracting new corresponding new products in chronological order from the first product, which is highly likely to correspond to the first product which is a reference when determining the corresponding product.
  • the corresponding product determination module 211 receives information on the old product, which is the first product (step 801).
  • FIG. 14 is an example of a screen 1400 for selecting whether to specify a range that can include one first product or a plurality of first products.
  • the corresponding product determination module 211 transitions the screen to FIG. 15 when "Next” 1403 is selected while "Specify product” 1401 is selected.
  • the corresponding product determination module 211 displays FIG. 30 when “Next” is selected while “Specify a range” 1402 is selected (the description related to FIG. 30 will be described later).
  • FIG. 15 is an example of a screen 1500 for inputting necessary information for specifying one first product. More specifically, FIG. 15 is an example of a screen for causing the user to input various information for identifying the first product from all the products recorded in the product information DB 207.
  • the user can enter the product name or a part of the product name in the product name field 1501. In the present embodiment, a "ruler" which is a part of the product name is input. In addition, a JAN code, price, sales time, etc. may be entered.
  • the corresponding product determination module 211 executes the search for the first product when "search" 1505 is selected with the information for identifying the product input.
  • the corresponding product determination module 211 collates the information for identifying the product with the information stored in the product management table 500 or the product sales table 600, and extracts the product having the information for specifying the product. .. When the search process is completed, the corresponding product determination module 211 shifts the screen to FIG.
  • FIG. 16 is an example of the screen 1600 for selecting any one of the plurality of first product candidates.
  • a product including "ruler" 1601 in the product name is displayed.
  • information on the presence / absence of the corresponding old product 1602 and the presence / absence of the corresponding new product 1603 is also displayed, and the user can pay attention to the product for which the corresponding product is not yet stored. It makes it easier to decide whether to judge the corresponding product in the product.
  • the corresponding product determination module 211 determines the corresponding product when "determine the corresponding old product" 1605 or "determine the corresponding new product” 1606 is selected while any of the products is selected. Process is executed.
  • the corresponding product is determined.
  • Module 211 has received the information on the selected old product (step 801).
  • the corresponding product determination module 211 confirms whether or not the extraction condition setting information has been received according to the corresponding new product extraction flow 800 (step 802).
  • the setting of the extraction condition is automatically determined (the specific setting method will be described later). After that, the screen transitions from FIG. 16 to FIG. 20. Details will be described later, but FIG. 20 is an example of a screen for displaying a list of products that are likely to correspond to the old products.
  • the corresponding product determination module 211 can also display the set extraction conditions. 17 to 19 are diagrams for displaying the set extraction conditions, and the extraction conditions will be described with reference to the diagrams.
  • FIG. 17 is an example of the screen 1700 that displays the conditions for extracting the corresponding products based on the product management information. Specifically, the corresponding product determination module 211 displays the category extraction condition 1703, the product name extraction condition 1704, and the price extraction condition 1705.
  • the corresponding product determination module 211 sets, as the category extraction condition 1703, either only products in the same category as the first product category, or products in the same or similar category as the first product category. In the present embodiment, the corresponding product determination module 211 is set only for products in the same category as the first product category.
  • the same category may include not only the case of being completely the same but also the case of being substantially the same.
  • “toys” and “toys”, “writing instruments” and “stationery” are substantially the same, and the same range can be arbitrarily set in advance.
  • Similar categories are products that have much in common with each other.
  • “smartphone” and “tablet terminal” may be similar. The similar range can be arbitrarily preset.
  • the corresponding product determination module 211 sets a predetermined condition for determining that the degree of similarity with the product name of the first product is high as the product name extraction condition 1704.
  • the number of corresponding product determination modules 211 is set to 50.
  • the corresponding product determination module 211 sets, as the price extraction condition 1705, a predetermined condition for determining that the price difference from the price of the first product is small.
  • the corresponding product determination module 211 has a price difference of 30% or less.
  • the price is not a selling price that is relatively variable, but a fixed price that is a predetermined price, but may be a selling price.
  • FIG. 18 is an example of the screen 1800 displaying the first condition for extracting new product sales.
  • the corresponding product determination module 211 sets the first condition (new product sales extraction first condition) 1820 for extracting the corresponding new product based on the product sales information. More specifically, FIG. 18 is an example of a screen for displaying conditions for extracting a product whose sales have increased during the period when the sales of the old product, which is the first product, has decreased.
  • the screen example of FIG. 18 is on the same page as the screen example of FIG. 17, and is an example of a screen scrolled downward from the screen example of FIG.
  • the first condition for extracting new product sales is the decrease reference time specific condition 1830, which is necessary to specify when the sales of the old product to be judged decrease (reference time T), and the sales in the period before and after the reference time T.
  • the corresponding new product candidate determination condition 1840 which is necessary for determining that the product has increased.
  • the specific condition 1830 at the time of the decrease reference is a condition for how long the sales should be, and the standard sales before the decrease in the sales of the old products, which is necessary to judge that the sales of the old products have decreased (hereinafter, the standard before the decrease). Includes the condition of (sales) and the condition of the sales decrease rate that the sales are recognized as decreased with respect to the standard sales.
  • Corresponding product determination module 211 sets either day, week, or month as a condition for how long the sales should be. In the present embodiment, the corresponding product determination module 211 is set to weekly sales.
  • the corresponding product determination module 211 sets the average sales 1802 or the predicted sales 1804 as the condition of the standard sales before the decrease. In the present embodiment, the corresponding product determination module 211 sets "within one month (from the average weekly sales (of the old product from February to one month ago)" as the average sales 1802.
  • the corresponding product determination module 211 is set by inputting a number in the input field 1805 as a condition for the sales decrease rate. In the present embodiment, the corresponding product determination module 211 is set to "when the value is reduced by 50% or more" 1805.
  • the user sets the reduction reference time specific condition including each of the conditions again with reference to the graph 1702 of the sales transition of the product group including the old product generated by the corresponding new product extraction flow 800 shown in FIG. You can also do it. This makes it possible to set the optimum extraction conditions.
  • Corresponding new product candidate judgment condition 1840 is a condition of the old new product replacement period (hereinafter, may be referred to as a product replacement period) before and after the reference time T, and is necessary for judging that the sales of the new product candidate has increased.
  • a product replacement period a condition of the old new product replacement period before and after the reference time T.
  • the corresponding product determination module 211 sets "weekly sales within one month before and after” as the condition 1806 of the product replacement period.
  • the corresponding product determination module 211 sets "from the average weekly sales amount from February to January” as the average sales of 1808 as a condition of the standard sales before increase.
  • the predicted sales 1809 is selected, it is necessary to further set the information of "weekly sales of new product candidates predicted a month ago ".
  • the condition 1810 of the sales increase rate is set as "a product increased by ⁇ 40% of the decrease amount of the old product" in the present embodiment.
  • the "forecast sales" is calculated by the sales forecast module 214.
  • FIG. 19 is an example of the screen 1900 displaying the second condition for extracting sales.
  • the corresponding product determination module 211 is a second condition (sales extraction second condition) 1920 for extracting a corresponding new product based on the product sales information.
  • FIG. 19 is a screen for displaying conditions for extracting products that are likely to correspond to the old products from among the products whose sales increased during the period when the sales of the old product, which is the first product, decreased. Is an example of.
  • the screen example of FIG. 19 is on the same page as the screen example of FIGS. 17 and 18, and is an example of a screen scrolled downward from the screen example of FIG.
  • the corresponding product determination module 211 sets the sales extraction second condition 1920 as one of the four conditions (first condition 1901, second condition 1904, third condition 1906, fourth condition 1909) described below. Set by selecting one. The details of the four conditions will be described later.
  • Corresponding product determination module 211 sets a condition regarding the difference between the sales of the old product in the first half of the product replacement period and the sales of the new product in the latter half of the product replacement period as the second condition (first condition) of sales extraction 1901.
  • the corresponding product determination module 211 is set as "a product within 50%”. Since the product replacement period has already been set, it is automatically entered (“one month before the reference time T” and “one month after the reference time T”).
  • the corresponding product determination module 211 is a change in sales calculated based on a plurality of total sales of the old product and the new product candidate in a predetermined period as the second condition (second condition) of sales extraction (in the present embodiment). Sets the conditions for (standard deviation).
  • Corresponding product determination module 211 sets the condition regarding the difference between the decrease sales of the old product and the increase sales of the new product in the first half of the product replacement period as the second condition (third condition) of sales extraction 1906.
  • Corresponding product determination module 211 sets a condition related to the difference between the predicted sales transition of the predicted old product and the total sales transition as the second condition (fourth condition) of sales extraction 1909.
  • step 802 If “determine” 1912 is selected with all the extraction conditions selected, the corresponding product determination module 211 has received the extraction condition setting information (step 802), and the process proceeds to the next step.
  • the setting of extraction conditions is automatically determined.
  • the corresponding product determination module 211 sets the extraction conditions by acquiring the extraction conditions stored in advance.
  • the extraction condition stored in advance may be an extraction condition used in the latest extraction process, or may be an extraction condition linked to each product category of the first product.
  • the corresponding product determination module 211 sets the extraction conditions based on the preset conditions so that the number of the corresponding product candidates is extracted up to the output number of the corresponding product candidates set in advance. It may be updated and the extraction process may be executed repeatedly. In other words, the corresponding product determination module 211 executes the extraction process multiple times so as to gradually reduce the number of products to be extracted (to reduce the number of new product candidates to be output), and updates the extraction conditions each time. be able to.
  • the corresponding product determination module 211 may, for example, update the price extraction conditions in the following procedure and repeatedly execute the extraction process.
  • Corresponding product determination module 211 sets the extraction condition in the first extraction process as the price difference within 40%, sets the extraction condition in the second extraction process as the price difference within 30%, and sets the extraction condition in the third extraction process.
  • the extraction condition in may be set so that the price difference is within 20%.
  • the corresponding product determination module 211 may, for example, update the corresponding product candidate determination condition of the new product sales extraction first condition by the following procedure and repeatedly execute the extraction process.
  • the corresponding product determination module 211 sets the extraction condition in the first extraction process as "... a product reduced by ⁇ 50% of the increase in the new product", and sets the second extraction condition as "... new". You may set "a product that has decreased by ⁇ 40% of the increase in the product” and set the third extraction condition as "... a product that has decreased by ⁇ 30% of the increase in the new product”.
  • the extraction conditions may be set by the user. Further, whether or not the product corresponding to the corresponding product candidate is already stored may be used as an extraction condition. Specifically, when extracting a new product candidate corresponding to the old product, it can be said that the product for which the corresponding old product is already stored does not satisfy the extraction condition.
  • the corresponding product determination module 211 confirms whether or not it has received the extraction condition setting information for extracting the new product corresponding to the old product, which is the first product, according to the corresponding new product extraction flow 800 (step 802), after that, The process of extracting the corresponding new product candidate described in the above is executed (steps 803 to 807). When all the extraction processes are completed, the corresponding product determination module 211 transitions to the screen for displaying the extraction result of FIG. 20 (step 808).
  • various extraction processes steps 803 to 807) will be described with reference to FIGS. 20 to 27 that display the extraction results.
  • FIG. 20 is an example of the screen 2000 that displays a list of products that are likely to correspond to the old product, which is the first product.
  • the corresponding product determination module 211 has three products (corresponding new product candidates) that are likely to correspond to the old product (plastic ruler size) (plastic ruler L, plastic ruler LL, and ultra ruler L). Is extracted (steps 803 to 807), and then the screen of FIG. 20 is displayed (step 808).
  • the corresponding product determination module 211 does not display the reason that is likely to correspond to the old product, but the reason is displayed by selecting "View detailed information" 2001.
  • FIG. 21 is an example of the screen 2100 displaying the reason why the extraction conditions are satisfied.
  • the selection 2101 to display the plastic ruler L among the three corresponding new product candidates is made, and the information about the plastic ruler L is displayed.
  • information on the other new product candidate is displayed.
  • the corresponding product determination module 211 first extracts products in the same category as the old product category (hereinafter, may be referred to as products in the same category) from all products (step 803). Specifically, the category information of the old product and the category information of all the products stored in the product management table 500 are collated to extract products in the same category as the old product category.
  • the corresponding product determination module 211 is classified into the category (stationery) of the old product (plastic ruler size) which is the first product (including the plastic ruler L, the plastic ruler LL, and the ultra ruler L). Is extracted (step 803).
  • FIG. 21 shows that the plastic ruler L is 2102, which is the same as the category of the old product.
  • the corresponding product determination module 211 displays on the user terminal 102 that there is no new product corresponding to the old product and that there is no product in the same category (step 812).
  • the corresponding product determination module 211 extracts a product having a high degree of similarity to the product name of the old product from the products in the same category (step 804). For example, products with the highest similarity are extracted.
  • the degree of similarity between the product name of the first product and the product name of the corresponding product can be calculated by performing natural language processing. For example, word2vec can be used to analyze text data and vectorize each word to calculate cosine similarity. It is also possible to calculate the Levenshtein distance of the product name for which the similarity is to be calculated, and to determine that the closer the distance is, the higher the similarity is. Specifically, the corresponding product determination module 211 collates the product name of the old product and the product name of the product in the same category stored in the product management table 500, and resembles the product name by the method as described above. The degree is judged and the top 50 products are extracted. In the present embodiment, the corresponding product determination module 211 calculates the similarity based on the Levenshtein distance, ranks the products based on the calculated values, and extracts the top 50 products.
  • the Levenshtein distances of the plastic ruler L, the plastic ruler LL, and the ultra ruler L with respect to the plastic ruler size of the old product are as follows.
  • the plastic ruler L, the plastic ruler LL, and the ultra ruler L are in the top 50 in terms of trade name similarity.
  • the plastic ruler L is 1.
  • the plastic ruler LL is 2.
  • the ultra ruler L is 8.
  • the corresponding product determination module 211 uses the plastic ruler L as the product name. It is determined that the similarity is the highest, and the product is extracted. Further, the corresponding product determination module 211 also determines that the similarity of the product names is the top 50 for the plastic ruler LL and the ultra ruler L, and extracts the products. In FIG. 21, 2103 indicating that the degree of similarity of the product name between the plastic ruler L and the old product is the first is displayed.
  • the extraction based on the product name similarity in the present embodiment is a process of extracting products having a relatively (relatively) high product name similarity, the number of products (corresponding new product candidates) after extraction is large. It will never be 0.
  • the corresponding product determination module 211 may extract products having a high degree of product name similarity (specific calculation method will be described later) based on an absolute evaluation.
  • the corresponding product determination module 211 extracts a product having a small price difference from the old product (step 805). For example, a product having a price difference of 30% or less from the old product is extracted. Specifically, the corresponding product determination module 211 stores in the product management table 500, collates the price of the old product with the price of the new product candidate, calculates the price difference as described above, and the price difference is 30. Extract products within%.
  • the price difference between the old product, which is the first product, and the corresponding new product candidate is the absolute value (expressed as a percentage) of the value obtained by dividing the price of the corresponding new product candidate by the price of the old product and subtracting it from 1.
  • the price difference between the plastic ruler L, the plastic ruler LL, and the ultra ruler L from the old products is as follows.
  • the plastic ruler L is 0%.
  • the plastic ruler LL is 17%.
  • the ultra ruler L is 17%.
  • the corresponding product determination module 211 determines that the price difference between the plastic ruler L and the old product is 0%, and extracts the product. Further, the corresponding product determination module 211 also determines that the price difference between the plastic ruler LL and the ultra ruler L is within 30%, and extracts the product.
  • FIG. 21 shows 2104 that the price difference between the plastic ruler L and the old product is 0%.
  • the corresponding product judgment module 211 indicates that there is no new product corresponding to the old product to be judged, and the price difference from the old product is within 30%. The fact that there is no product is displayed on the user terminal 102 (step 812).
  • the corresponding product determination module 211 extracts the product that has increased by the corresponding amount with the decrease amount of the old product (step 806). For example, a product that has increased by ⁇ 40% of the decrease in the old product is extracted. In other words, the corresponding product determination module 211 determines whether or not the sales information of the extracted product satisfies the above-mentioned new product sales extraction first condition.
  • the corresponding product judgment module 211 indicates that there is no new product corresponding to the old product to be judged, and ⁇ 40% of the decrease in the old product. It is displayed on the user terminal 102 that there is no product that has increased by the amount (step 812).
  • FIG. 22 is an example of the screen 2200 displaying the reason why the corresponding new product candidate satisfies the new product sales extraction first condition.
  • the screen example of FIG. 22 is on the same page as the screen example of FIG. 21, and is an example of a screen scrolled downward from the screen example of FIG. 21.
  • a graph 2201 showing the sales transition of the old product as the first product and the three corresponding new product candidates generated by the corresponding product determination module 211 is displayed.
  • the user can visually recognize which corresponding new product candidate has a high possibility of corresponding to the sales transition of the old product.
  • the corresponding product determination module 211 displays "the weekly sales of the old product (plastic ruler size) from 2 months ago to 1 month ago (3 /) as shown in the screen example of FIG. 22. 6-4 / 14) 50% or more decrease (110,000 yen decrease) from the average weekly sales of old products (200,000 yen) to 5 / 6-5 / 12 within one month. "2202 (Base time T is 5/6) -It is 5/12) is determined.
  • the corresponding product judgment module 211 "... within one month from the average weekly sales (200,000 yen) of the old product (3 / 6-4 / 14) from February to January Obviously, 4 The period is from / 15 to 5/14.
  • the corresponding product determination module 211 further indicates that the plastic ruler L is "from the reference time T (5 / 6-5 / 12) to January before and after," as shown in the screen example of FIG.
  • the weekly sales amount of 5 / 6-5 / 12 which is within the range, is less than the average weekly sales amount (0 yen) from February to January (3 / 6-4 / 14) of the old product (110,000 yen).
  • -It has increased by 5% (105,000 yen) "2203.
  • the corresponding product determination module 211 has a period of 4/6 to 6/12 "within one month before and after the reference time T (5 / 6-5 / 12) whose. In the following, the relevant period may be referred to as the product replacement period.
  • the corresponding product judgment module 211 has a weekly sales amount of 5 / 13-5 / 19 within one month before and after the reference time T (5 / 6-5 / 12) for the plastic ruler LL from two months ago to one month ago. It is determined that the average weekly sales amount (0 yen) of (3 / 13-4 / 19) is increased by + 9% (120,000 yen) of the old product decrease amount (110,000 yen).
  • the corresponding product judgment module 211 has a weekly sales amount of 5 / 6-5 / 12, which is within one month before and after the reference time T (5 / 6-5 / 12) for the ultra ruler L, from two months ago to one month ago.
  • the corresponding product determination module 211 extracts at least the plastic ruler L, the plastic ruler LL, and the ultra ruler L, assuming that the product is an increase of ⁇ 40% of the sales decrease of the old product (plastic ruler size) (step 806). )
  • the corresponding product determination module 211 extracts the product with a small sales difference from the old product (step 807). For example, a product having a sales difference of 50% or less from the old product is extracted. Specifically, the corresponding product determination module 211 determines whether or not the sales information of each product stored in the product sales table 600 satisfies the above-mentioned second sales extraction condition.
  • the corresponding product judgment module 211 indicates that there is no new product corresponding to the old product to be judged, and the sales difference from the old product is within 50%.
  • the fact that there is no product is displayed on the user terminal 102 (step 812).
  • the corresponding product determination module 211 displays the extraction result (extracted corresponding new product candidate) on the user terminal 102 as described above (transition to FIG. 20). (Step 808).
  • FIG. 23 is an example of the screen 2300 for displaying the sales information of the product (plastic ruler L) satisfying the second condition (first condition) for extracting sales. That is, FIG. 23 is an example of a screen for displaying the calculation result of the difference between the sales of the old product (plastic ruler size) in the first half of the product replacement period and the sales of the new product candidate (plastic ruler L) in the latter half of the product replacement period.
  • the screen example of FIG. 23 is on the same page as the screen example of FIG. 22, and is an example of a screen scrolled downward from the screen example of FIG. 22.
  • a graph 2301 showing the sales transition of the old product and one corresponding new product candidate selected by the corresponding product determination module 211 is displayed. By referring to the graph 2301, the user can visually recognize the sales transition of the old product to be determined and the sales transition of one selected new product candidate.
  • the corresponding product determination module 211 displays "sales of the old product (plastic ruler size) in the first half of the product replacement period and new product candidates in the latter half of the product replacement period" as displayed in the screen example of FIG. It is determined that the difference from the sales of (plastic ruler L) is 2.9% ”2302.
  • the sales referred to here may be total sales or average sales in a predetermined period.
  • the corresponding product determination module 211 is the sales of the old product (plastic ruler size) in the first half of the product replacement period from 4/6 to 5/12 including the period of the reference time T which is the first half of the product replacement period. , Calculate the average amount A1 of a plurality of weekly sales calculated within the first half of the product replacement period.
  • the corresponding product determination module 211 is the product replacement as sales of a new product (plastic ruler L) in the latter half of the product replacement period from 5/6 to 6/12 including the period of the reference time T which is the latter half of the product replacement period.
  • the average amount A2 of a plurality of weekly sales calculated within the latter half of the period is calculated.
  • the corresponding product determination module 211 displays the calculation result 2303 in FIG. 23.
  • the corresponding product determination module 211 is an absolute value obtained by subtracting the difference between the old product sales amount in the first half of the product replacement period and the new product sales amount in the second half by the average amount A2 divided by the average amount A1 (1). Calculated as (displayed as a percentage) (2.9%).
  • the reference time T is when the sales of the old product decrease by 50% or more, but the graph of FIG. 23 It is not necessary that the point where the sales transitions of the old product and the new product shown in 2301 intersect is the reference time T.
  • FIG. 24 is an example of a screen 2400 that displays sales information of a product (plastic ruler LL) that satisfies the second condition (first condition) for extracting sales.
  • FIG. 24 shows the difference between the sales of the old product (plastic ruler size) in the first half of the product replacement period and the sales of the new product candidate (plastic ruler LL) in the latter half of the product replacement period calculated by the corresponding product determination module 211.
  • the corresponding product determination module 211 displays the example of the screen of FIG. 24 on the user terminal when it is selected to display the plastic ruler LL among the three new product candidates in the example of the screen of FIG. 21. ..
  • the corresponding product determination module 211 may highlight and display the sales transition of the selected product (plastic ruler LL) from the sales transition of the graph 2201 displayed in FIG. 22.
  • the user can finally memorize one corresponding new product candidate as a new product corresponding to the old product by referring to the information on the reason for passing the extraction in the plurality of corresponding new product candidates.
  • the differences are as follows.
  • Plastic ruler L is 2.9%
  • Plastic ruler LL is 15.6%
  • Ultra ruler L is 48.6%
  • the corresponding product determination module 211 extracts products (at least plastic ruler L, plastic ruler LL, and ultra ruler L) whose sales difference from the old product is within 50% (step 807).
  • the corresponding product determination module 211 is displayed as having received the corresponding new product information (step 809) when the selection is made. It is output that the existing product is a new product corresponding to the old product which is the first product (step 810).
  • the output referred to here is to record the information of the determination result in the auxiliary storage device 202 (corresponding product table 700 in this embodiment), and to transfer the associated products to the output device 305 of the user terminal 102 or the like. At least one of displaying.
  • the corresponding product determination module 211 of the old product is based on the value calculated in determining whether the second sales extraction condition is satisfied even if the “corresponding product storage” 2305 of FIG. 23 is not selected.
  • the new product candidate judged to be the closest to the sales is output as a new product corresponding to the old product.
  • the corresponding product determination module 211 can extract the corresponding product corresponding to the first product.
  • the corresponding product determination module 211 calculates a value (product replacement) in determining whether the second condition for sales extraction (first condition) satisfies the second condition for sales extraction (first condition). The difference between the sales of the old product in the first half of the period and the sales of the corresponding new product candidates in the second half of the product replacement period) is the smallest (2.9%).
  • the plastic ruler L is the new product corresponding to the old product (plastic ruler size). Output as.
  • the corresponding product determination module 211 also stores information on the reason why the extraction conditions are satisfied. In the present embodiment, information on the fact that the plastic ruler L is a product corresponding to the size of the plastic ruler and the reason why the extraction conditions are satisfied is stored (step 810).
  • step 1202 the information used in step 1202 for determining the corresponding product executed by the corresponding product determination module 211 in the corresponding product prediction flow 1200 described later is labeled (stored as teacher data) (step 811).
  • teacher data refers to information on corresponding products, information on the degree of similarity between product categories between products, degree of similarity between product names between products, degree of price similarity between products, and between products. Information such as the sales period.
  • the corresponding new product extraction flow 800 executed by the corresponding product determination module 211 ends.
  • the corresponding product determination module 211 sets the second condition, the third condition or the fourth condition as the sales extraction second condition, the second condition, the third condition or the fourth condition Extract corresponding new product candidates that satisfy the conditions. That is, the following processing is executed at the stage of step 807 in the corresponding new product extraction flow 800.
  • An example of a screen for displaying information about a product satisfying the second condition, the third condition, or the fourth condition will be described with reference to FIGS. 25 to 27.
  • FIG. 25 is an example of a screen 2500 for displaying sales information of products that satisfy the second condition for extracting sales (second condition).
  • the corresponding product determination module 211 has a small change in sales calculated based on a plurality of sales extraction second conditions (second conditions), which are the total sales of the old product and the new product candidate in a predetermined period (variation). (Small) Set as the top 3 products.
  • the change in sales is calculated by calculating the standard deviation of the total sales of the old product and the new product candidate in a predetermined period.
  • the corresponding new product extraction flow 800 includes a plastic ruler size and each corresponding new product candidate (plastic ruler L, plastic ruler LL or) during the product replacement period (4/6 to 6/12).
  • the transition graph 2501 of the total sales of the ultra ruler L) is generated.
  • the corresponding product determination module 211 displays the results ordered based on the calculated standard deviations. When the value variation is large (standard deviation is large), it is presumed that the two products in total are not substantially the same. Therefore, the corresponding product determination module 211 has a small value variation (standard deviation is large).
  • (Small) Compatible new product candidates are ranked higher in 2502. By referring to the ranking, the user can easily make a decision when memorizing the new product corresponding to the old product.
  • the corresponding product determination module 211 calculates the top three products (plastic ruler L, plastic ruler LL) with a small standard deviation (small variation) calculated based on the total sales of a plurality of old products and new product candidates in a predetermined period. Or the ultra ruler L) is extracted.
  • FIG. 26 is an example of the screen 2600 for displaying the sales information of the product satisfying the second condition (third condition) for extracting sales.
  • the corresponding product determination module 211 sets the second condition (third condition) of sales extraction, that the difference between the decrease sales of the old product and the increase sales of the new product in the first half of the product replacement period is within ⁇ 40%.
  • the decreased sales may be the average decreased sales in a predetermined period or the total decreased sales.
  • the increased sales may be the average increased sales in a predetermined period or the total increased sales.
  • the corresponding product determination module 211 shows the sales transition of the plastic ruler size (old product) and the plastic ruler L (corresponding new product candidate) and the product replacement period (4/6 to 6/12). Generate a graph 2601 containing the previously predicted plastic ruler size (old product) sales trends. Instead of the predicted sales transition, the average sales may be based on the sales data of the period before the product replacement period (4/6 to 6/12).
  • the corresponding product determination module 211 is shown in the graph 2601 as a reduced sales area B1 representing a decreased sales of the plastic ruler size, which is an old product, and a corresponding new product candidate in the first half of the product replacement period (4/6 to 5/12).
  • the increased sales area B2 representing the increased sales of the plastic ruler L is displayed respectively.
  • the corresponding product determination module 211 has a decrease sales B1 (corresponding to the area of the decrease sales area B1) of the old product plastic ruler size of 218,500 yen, and an increase sales B2 (increase sales area B2) of the new product plastic ruler L. (Equivalent to the area of) is calculated to be 185,000 yen.
  • the corresponding product determination module 211 calculates the difference between the decrease sales of the old product and the increase sales of the new product as the absolute value (displayed as a percentage) of the value obtained by dividing the increase sales B2 by the decrease sales B1 and subtracting it from 1.
  • the plastic ruler L it is 18.1%. The closer the value is to 0%, the more complementary the sales trends of both products are, and the more likely it is that the product corresponds to the product.
  • the user remembers the new product corresponding to the old product by referring to the value. It makes it easier to make decisions.
  • the corresponding product determination module 211 extracts at least the plastic ruler L satisfying the third condition.
  • FIG. 27 is an example of the screen 2700 for displaying the sales information of the product satisfying the second condition (fourth condition) for extracting sales.
  • the corresponding product determination module 211 sets, as the second condition (fourth condition) for sales extraction, a product in which the difference between the predicted sales transition of the predicted old product and the total sales transition is within 30%.
  • the corresponding product determination module 211 includes the sales transition of the plastic ruler size (old product), the sales transition of the plastic ruler L (new product candidate), and the product replacement period (4/6 to 6).
  • a graph 2701 showing the sales transition of the plastic ruler size (old product) predicted before 6/12) and the total sales transition of the plastic ruler size and the plastic ruler L is generated.
  • the corresponding product determination module 211 has an average weekly sales amount C1 of the plastic ruler size (old product) predicted before the product replacement period (4/6 to 6/12). Is 204071 yen, and the average weekly sales C2 of the plastic ruler size and the plastic ruler L is 195287 yen. As shown in FIG. 27, the corresponding product determination module 211 divides the difference between the estimated sales of the old product and the total sales of the old product and the new product by the average amount C2 by the average amount C1 from 1. It is calculated as the absolute value (expressed as a percentage) of the subtracted value, and in the case of the plastic ruler L, it is 4.3%.
  • the corresponding product determination module 211 extracts at least the plastic ruler L satisfying the fourth condition.
  • the corresponding product determination module 211 receives a command to memorize that there is no corresponding new product (step 813). It is memorized that there is no product corresponding to the old product to be determined (step 814). Specifically, it is recorded that there is no product corresponding to the corresponding product table 700 (step 814).
  • the information used in the process of determining the corresponding product executed by the corresponding product determination module 211 in the corresponding product prediction flow 1200 described later is labeled (stored as teacher data) (step 815).
  • teacher data refers to information on products that do not correspond to each other, information on the degree of similarity between product categories between products, degree of similarity between product names between products, degree of price similarity between products, and between products. Information such as the sales period.
  • the corresponding new product extraction flow 800 executed by the corresponding product determination module 211 ends.
  • the screen for displaying that there is no new product corresponding to the old product also displays "Remember that there is no compatible product" that can be selected in the same manner.
  • FIG. 13 is a product group display flow 1300 implemented by the product group display module 212.
  • the sales forecast module 214 determines the future sales of the specified product group. Predict (step 1302).
  • the command to display the product group may be received (step 1301), and the corresponding product determination module 211 may be used.
  • the command to display the product group may be received (step 1301).
  • the sales forecast module 214 forecasts the sales of the product group based on the information stored in the product information DB 207 of the auxiliary storage device 202 of the determination server 101 (step 1302).
  • the product group display module 212 displays information related to the product group (step 1303).
  • the information related to the product group includes the total sales transition of a plurality of products constituting the product group and the forecast sales transition predicted by the sales forecast module 214.
  • FIG. 28 is an example of a screen 2800 displaying a product group composed of a plurality of corresponding products.
  • the information of the plastic ruler L group is displayed.
  • basic information 2801 of a plurality of corresponding products is displayed.
  • a graph 2802 including the sales transition and the forecast sales transition of the product group generated by the product group display module 212 is displayed.
  • the product group display module 212 displays the sales transition as a single line graph in the product group by displaying the total value of the sales of a plurality of products at the time when a plurality of products are sold at the same time. Can be done.
  • the sales forecast module 214 has information (sales data, price, etc.) related to the plastic ruler L group (clear ruler size, plastic ruler size, and plastic ruler L) stored in the product information DB 207 of the auxiliary storage device 202 of the determination server 101. Predict sales of the plastic ruler L group based on product categories, etc.) and other information (promotion, number of stores, etc.) (step 1302).
  • the sales forecast module 214 may perform learning processing for forecasting future sales. For example, the sales forecast module 214 performs learning processing using various information stored in the product information DB.
  • the learning process (machine learning) is a process for realizing a function similar to the learning ability that human beings naturally perform on a computer.
  • the learning process is supervised learning in which a pair of a problematic input and a label (hereinafter referred to as teacher data) that is an answer to the problem is given and learning is performed based on the pair.
  • teacher data a pair of a problematic input and a label that is an answer to the problem is given and learning is performed based on the pair.
  • the sales forecast module 214 performs learning processing using the sales forecast model.
  • the sales forecast model when a pair of input (input data) and label (teacher data) is given to the sales forecast model, the sales forecast model performs a process of finding common features (rules) from these pairs.
  • the learning process may be a deep learning process using a neural network.
  • the sales forecast module 214 inputs information about the product (at least one of sales data, product name information, price information, product category information, and other information such as promotion and the number of stores) to generate a sales forecast model. Use to output future sales of goods.
  • information about the product group (clear ruler size, plastic ruler size, and plastic ruler L) can be processed as input.
  • the information to be input may be one or a plurality of the above-mentioned information.
  • the teacher data used in the learning process executed by the sales forecast module 214 using the sales forecast model in the present embodiment includes sales data for other products, product name information, price information, product category information, and the number of promotions and sales stores. At least one of other information such as.
  • the information stored as the teacher data may be one or a plurality of the above-mentioned information.
  • the determination server 101 can generate a sales forecast model by machine learning using a machine learning algorithm such as a neural network based on the above-mentioned teacher data.
  • FIG. 9 is an example of the corresponding old product extraction flow 900 implemented by the corresponding product determination module 211.
  • the corresponding old product extraction flow 900 is a flow for determining by extracting the old product corresponding to the new product which is the first product. Below, only the points different from the corresponding new product extraction flow 800 will be described.
  • the corresponding product determination module 211 determines the old product that is likely to correspond to the new product after receiving the information of the specified new product that is the determination target (step 901).
  • the corresponding product determination module 211 is the information of the specified new product to be determined.
  • the first-stage sales extraction condition in the corresponding old product extraction flow 900 is a condition for extracting the product whose sales decreased during the period when the sales of the new product of the first product increased, so the corresponding new product This is different from the first condition for extracting new product sales in the extraction flow 800.
  • FIG. 29 is an example of the screen 2900 for setting the first condition for extracting old product sales.
  • the corresponding product determination module 211 sets a first condition (old product sales extraction first condition 2920) for extracting the corresponding old product based on the product sales information.
  • the example of the screen is an example of a screen for displaying the conditions for extracting the old product whose sales decreased during the period when the sales of the new product which is the first product increased.
  • the screen example of FIG. 29 is on the same page as the screen example of FIG. 17, and is an example of a screen scrolled downward from the screen example of FIG.
  • the first condition 2920 for extracting old product sales is the increase reference time specific condition 2930 required to specify when the sales of the new product to be judged increases (reference time T), and the period before and after the reference time T. Includes the corresponding old product candidate determination condition 2940, which is necessary for determining that the product has decreased sales.
  • the specific condition 2930 at the time of the increase base is the condition for how long the sales should be, and the standard sales after the increase in the sales of the new products required to judge that the sales of the new products have increased (hereinafter, the standard after the increase). Includes the condition of (sales) and the condition of the sales increase rate that the sales are recognized as increased with respect to the standard sales.
  • Corresponding product determination module 211 sets either day, week, or month as a condition for how long the sales should be. In the present embodiment, the corresponding product determination module 211 is set to weekly sales.
  • the corresponding product determination module 211 sets "new product within one month " as a condition for the standard sales after the increase.
  • the corresponding product determination module 211 is set as a condition of the sales increase rate as "when the average weekly sales of new products increase by 50% or more from January to February".
  • Corresponding product candidate judgment condition 2940 is a condition of the product replacement period, and the standard sales before the decrease in the sales of the old product (hereinafter, may be referred to as the standard sales before the decrease) required to judge that the sales of the old product candidate have decreased. ), And the condition of the sales decrease rate that the sales of the old product are judged to have decreased with respect to the standard sales before the decrease.
  • the corresponding product determination module 211 sets "within one month before and after the reference time T " as a condition of the product replacement period.
  • the corresponding product determination module 211 selects the predicted sales 2909 as the condition of the pre-decrease standard sales, and further selects "weekly sales of the old product candidate predicted one month ago ".
  • the corresponding product determination module 211 sets "a product decreased by ⁇ 40% of the increase amount of the new product” as a condition of the sales decrease rate.
  • the corresponding product determination module 211 sets the corresponding old product candidate determination conditions including each of the conditions and extracts the product, so that the product whose sales decreased during the period when the sales of the new product, which is the first product, increased. Can be extracted.
  • FIG. 30 is an example of the screen 3000 for inputting necessary information for specifying the determination range.
  • the screen example of FIG. 30 is an example of the screen after "Specify a range" is selected and transitioned in the screen example of FIG.
  • FIG. 10 is an example of the corresponding new product evaluation flow 1000 implemented by the corresponding product determination module 211.
  • the corresponding new product evaluation flow 1000 is a flow for evaluating a new product that is likely to correspond to the old product which is the first product. This will be described below with reference to FIGS. 30 and 31.
  • the corresponding product determination module 211 has received the information of the old product (step 1001 in FIG. 10). After that, various evaluations described below are executed (steps 1002 to 1006), and the results are displayed (step 1007). That is, when the evaluation is completed, the transition from FIG. 30 to FIG. 31 occurs.
  • FIG. 31 is an example of the screen 3100 that displays a list of products that are likely to correspond to the old product to be determined.
  • the corresponding product determination module 211 displays the top three products of the products that are likely to correspond to the old products (plastic ruler size, hyper pencil HB) which are the first products.
  • each of the top three products is displayed, but the number of displayed products can be arbitrarily set.
  • information on evaluation results (similarity ranking, total score, category score, product name score, sales score) is also displayed.
  • evaluation results similarity ranking, total score, category score, product name score, sales score
  • the example of the screen when "See detailed information of new product candidates corresponding to the selected old product" 3102 is selected, detailed information on the evaluation result of the selected product 3101 (plastic ruler size) is selected. Is displayed.
  • the example of the screen of the detailed information of the evaluation result is the same as that of FIGS. 21 to 27 and is omitted, but the scores of various evaluations may be displayed in addition to FIGS. 21 to 27.
  • the corresponding product determination module 211 After the corresponding product determination module 211 receives the information of the old product (step 1001), the corresponding product determination module 211 gives a score (sometimes referred to as a category score) given to the product in the same category as the old product to be determined. Calculate (step 1002). For example, the corresponding product determination module 211 may give 5 points for products in the same category as the old product and 0 points for other products. Further, when the categories of the old product and the new product candidate are categories that are stored in advance as similar categories, a predetermined score may be given.
  • a score sometimes referred to as a category score
  • a new product candidate (plastic ruler L, plastic ruler LL, ultra ruler L) that may correspond to the size of the plastic ruler at the top of FIG. 31 will be described as an example. Since the category (stationery) is the same category as the category (stationery) of the old product (plastic ruler size), the corresponding product determination module 211 gives 5 points to each new product candidate category score. The score is displayed in the category score column of FIG.
  • the corresponding product determination module 211 gives a score (sometimes referred to as a product name score) given to a product having a product name similar to the product name of the old product, which is the first product, according to the degree of similarity (step 1003). ..
  • the corresponding product determination module 211 calculates the similarity between the product name of the old product and the product name of the new product candidate, and obtains a predetermined score linked to the calculated similarity as the product name of the new product candidate. It can be a score.
  • the corresponding product determination module 211 calculates the similarity based on the Levenshtein distance, and sets a predetermined score linked to the calculated value as the product name score of the new product candidate.
  • the corresponding product determination module 211 calculates the Levenshtein distance to the plastic ruler size of the old product as follows.
  • the plastic ruler L is 1.
  • the plastic ruler LL is 2.
  • the ultra ruler L is 8.
  • the corresponding product determination module 211 has the following predetermined points to be given in association with the Levenshtein distance. If the Levenshtein distance is 0, the score is 5. If the Levenshtein distance is 1, the score is 4. If the Levenshtein distance is 2-4, the score is 3. If the Levenshtein distance is 5-8, the score is 2. If the Levenshtein distance is 9 to 15, the score is 1. If the Levenshtein distance is 16 or later, the score is 0.
  • the corresponding product determination module 211 gives the product name score of the new product candidate as follows.
  • the product name score of the plastic ruler L is 4.
  • the product name score of the plastic ruler LL is 3.
  • the product name score of the Ultra Ruler L is 2.
  • the corresponding product determination module 211 displays the score in the product name score column of FIG.
  • the corresponding product determination module 211 calculates the similarity between the product name of the old product and the product name of the new product candidate, ranks them based on the calculated similarity, and determines in advance linked to each rank.
  • the score may be used as the product name score of the new product candidate.
  • the corresponding product determination module 211 gives a score (sometimes referred to as a price score) given to a product that is close to the price of the old product according to the degree of approximation (step 1004). For example, the corresponding product determination module 211 calculates the absolute value (sometimes called the price evaluation value) of the value obtained by dividing the price of the new product candidate by the price of the old product and subtracting it from 1, and the calculated value. The predetermined score linked to is used as the price score of the new product candidate.
  • Step 1004 in which the corresponding product determination module 211 gives a price score in the present embodiment will be described by taking as an example a new product candidate that may correspond to the size of the plastic ruler at the top of FIG. 31.
  • the corresponding product determination module 211 calculates the price evaluation value (value expressed as a percentage) as follows.
  • the plastic ruler L is 0%.
  • the plastic ruler LL is 17%.
  • the ultra ruler L is 17%.
  • the corresponding product determination module 211 gives a predetermined score linked to the price evaluation value (value expressed as a percentage) as follows. If the price evaluation value is 0%, the score is 5. If the absolute value of the price evaluation value is greater than 0% and less than 5%, the score is 4. When the absolute value of the price evaluation value is 5% or more and less than 10%, the score is 3. When the absolute value of the price evaluation value is 10% or more and less than 20%, the score is 2. When the absolute value of the price evaluation value is 20% or more and less than 30%, the score is 1. When the absolute value of the price evaluation value is 30% or more, the score is 0.
  • the corresponding product determination module 211 gives the product name score of the new product candidate as follows.
  • the price score of the plastic ruler L is 5.
  • the price score of the plastic ruler LL is 2.
  • the price score of the Ultra Ruler L is 2.
  • the corresponding product determination module 211 displays the score in the price score column of FIG.
  • the corresponding product determination module 211 calculates a value obtained by dividing the price of the old product by the price of the new product candidate and subtracting it from 1, and ranks it based on the calculated value (the smaller the absolute value, the higher the ranking). ), And a predetermined score linked for each rank may be given as the product name score of the new product candidate.
  • the first stage sales extraction condition (step 1005) is the same as the new product extraction flow 800 supported by the new product sales extraction first condition. If there is no product that satisfies the new product sales extraction first condition, the following description will be given.
  • the calculation result is displayed without performing the step of performing (step 1007).
  • the corresponding product determination module 211 When there is a product that satisfies the first condition of new product sales extraction, the corresponding product determination module 211 gives a score (sometimes referred to as a sales score) given to a product that approximates the sales transition of the old product according to the degree of approximation. Grant (step 1006).
  • the corresponding product determination module 211 has a predetermined score associated with a value (sales evaluation value) calculated in determining whether the above-mentioned first condition, third condition, or fourth condition is satisfied. Can be given as a sales score of a new product candidate.
  • the price score in the present embodiment is given by taking as an example a new product candidate that may correspond to the size of the plastic ruler at the top of FIG. 31.
  • the corresponding product determination module 211 calculates the sales evaluation value (value expressed as a percentage) calculated in determining whether the fourth condition is satisfied as follows.
  • the plastic ruler L is 4.3%.
  • the plastic ruler LL is 14.9%.
  • the ultra ruler L is 23.6%.
  • the corresponding product determination module 211 assigns a predetermined score linked to the sales evaluation value (value expressed as a percentage) as follows. If the absolute value of the sales evaluation value is greater than 0% and less than 5%, the score is 5. When the absolute value of the sales evaluation value is 5% or more and less than 10%, the score is 4. When the absolute value of the sales evaluation value is 10% or more and less than 20%, the score is 3. When the absolute value of the sales evaluation value is 20% or more and less than 30%, the score is 2. When the absolute value of the sales evaluation value is 30% or more and less than 40%, the score is 1. When the absolute value of the sales evaluation value is 40% or more, the score is 0.
  • the corresponding product determination module 211 gives the sales score as follows.
  • the sales score of the plastic ruler L is 5.
  • the sales score of the plastic ruler LL is 3.
  • the sales score of the Ultra Ruler L is 2.
  • the corresponding product determination module 211 displays the score in the sales score column of FIG.
  • the corresponding product determination module 211 ranks each of the above-mentioned first condition, second condition, third condition, or fourth condition based on the calculated value.
  • a predetermined score linked to may be given.
  • the corresponding product determination module 211 confirms whether or not the information on the corresponding new product has been received (step 1008). As another embodiment, the corresponding product determination module 211 outputs the new product candidate having the highest similarity ranking (highest overall score) as a new product corresponding to the old product. In other words, the corresponding product determination module 211 can extract the corresponding product corresponding to the first product.
  • the corresponding product determination module 211 uses the plastic ruler L, which has the highest degree of similarity with the old product (plastic ruler size), as the old product (plastic ruler size). ) And output as a new product.
  • the corresponding product determination module 211 confirms whether or not it has received the command for storing that there is no corresponding new product (step 1011). The other steps are the same as the corresponding new product extraction flow 800 described above.
  • FIG. 11 is an example of the corresponding old product evaluation flow 1100 implemented by the corresponding product determination module 211.
  • the corresponding old product evaluation flow 1100 is a flow for determining the evaluation of an old product that is likely to correspond to the old product that is the first product. Below, only the points different from the corresponding new product evaluation flow 1000 will be described. This will be described below with reference to FIG.
  • the corresponding product determination module 211 has received the information of the old product (step 1101 in FIG. 11). After that, various evaluations described below are executed (step 1102 to step 1106).
  • the first stage sales extraction condition (step 1105) in the old product evaluation flow 1100 is a condition for extracting the product whose sales decreased during the period when the sales of the new product to be judged increased, it corresponds. It is different from the step in the new product evaluation flow 1000. Since the first-stage sales extraction condition (step 1105) in the corresponding old product evaluation flow 1100 is the same as the old product sales extraction first condition of the corresponding old product extraction flow 900, the description thereof will be omitted.
  • Corresponding product determination module 211 performs learning processing for determining whether the first product and the second product correspond to each other. For example, the corresponding product determination module 211 performs learning processing using various information stored in the product information DB.
  • the learning process (machine learning) is a process for realizing a function similar to the learning ability that human beings naturally perform on a computer.
  • the learning process is supervised learning in which a pair of a problematic input and a label (hereinafter referred to as teacher data) that is an answer to the problem is given and learning is performed based on the pair.
  • the corresponding product determination module 211 performs learning processing (determines whether the first product and the second product correspond to each other) using the determination model.
  • the judgment model when a pair of an input (input data) and a label (teacher data) is given to the judgment model, the judgment model performs a process of finding a common feature (rule) from these pairs.
  • the learning process may be a deep learning process using a neural network.
  • FIG. 12 is an example of the corresponding product prediction flow 1200 implemented by the corresponding product determination module 211.
  • the corresponding product determination module 211 has information on the first product and the second product that is determined to correspond to the first product (each product related to the first product and the second product). There is a possibility that the first product and the second product correspond to each other using the judgment model by inputting name information, each sales data, each price information, and at least one of each product category information). Is output (judgment).
  • the information to be input may be one or a plurality of the above-mentioned information.
  • the teacher data used in the learning process executed by the corresponding product determination module 211 using the determination model in the present embodiment is information on the corresponding products and the similarity between the corresponding products in the product category (similarity when the categories are different). Is low, the similarity is standard when they are similar, and the similarity is high when they are the same), information on the degree of similarity of product names between corresponding products, information on the degree of price similarity between corresponding products, and correspondence. Includes at least one of the sales period information between the products to be sold.
  • teacher data information on non-corresponding products, information on the similarity of product categories between non-corresponding products, product name similarity between non-corresponding products, price similarity between non-corresponding products, or non-corresponding products It may include information on the sales period of.
  • the information stored as the teacher data may be one or a plurality of the above-mentioned information.
  • the determination server 101 can generate a determination model by machine learning using a machine learning algorithm such as a neural network based on the above-mentioned teacher data.
  • the information between the corresponding products includes at least one of the product category information between the corresponding products, the product name information between the corresponding products, the price information between the corresponding products, and the sales data between the corresponding products. ..
  • the information between non-corresponding products includes at least one of a product category between non-corresponding products, a product name between non-corresponding products, a price between non-corresponding products, and sales data between non-corresponding products.
  • the products referred to here are the first product and the products other than the first product, and the products other than the first product may be randomly selected or specified by the user.
  • Information on the sales period between products is the end of sales of one of the corresponding products from the start of sales of one product (when the time-series sales data becomes a value from 0 to greater than 0).
  • the corresponding product determination module 211 performs processing according to the corresponding new product extraction flow 800, the corresponding old product extraction flow 900, the corresponding new product evaluation flow 1000, the corresponding old product evaluation flow 1100, or the corresponding product prediction flow 1200.
  • the above-mentioned teacher data is stored in the product information DB 207. That is, the more the corresponding product determination module 211 executes the corresponding new product extraction flow 800, the corresponding old product extraction flow 900, the corresponding new product evaluation flow 1000, the corresponding old product evaluation flow 1100, or the corresponding product prediction flow 1200, the more the teacher data Accumulation amount increases.
  • the corresponding product prediction flow 1200 shown in FIG. 12 includes step 1202 of determining the possibility that the first product and the second product correspond to each other by using the determination model. That is, the corresponding product determination module 211 can accept information on the first product and the second product (product name, category, price, and sales data in each product) as input, and the accepted first product and second product. Using the judgment model as input, the possibility that the second product corresponds to the first product is determined (the higher the possibility of correspondence, the closer the value is to "1" and the possibility of correspondence.
  • the teacher data is the product category information of the corresponding products, the product name information of the corresponding products, the price information of the corresponding products, the sales data of the corresponding products, and the product category of the corresponding products.
  • the corresponding product determination module 211 calculates the similarity between the input product categories of the first product and the second product, calculates the similarity between the input product names of the first product and the second product, and inputs the product. The degree of similarity between the prices of the first product and the second product is calculated.
  • the input is the sales data of the first product and the second product
  • the teacher data is the sales data of the corresponding products
  • the corresponding product judgment module 211 uses the judgment model to judge the possibility that both products correspond.
  • the sales data of the first product and the second product are in a complementary relationship (the relationship in which the sales of one product are decreasing and the sales of the other product are increasing), there is a possibility that both products will correspond. Is determined to be high (outputs a value close to "1").
  • the input is the sales data of the first product and the second product
  • the teacher data is used as the information of the sales period between the corresponding products
  • the judgment model is used to indicate the possibility that both products correspond to each other in the corresponding product judgment module 211.
  • the corresponding product determination module 211 uses the determination model with the information of the first product and the second product (product name, category, price and sales data in each product) as input, and the second product
  • the possibility of corresponding to the first product may be determined.
  • the teacher data is product category information between corresponding products, product name information between corresponding products, price information between corresponding products, and sales data between corresponding products.
  • the corresponding product determination module 211 uses the determination model with the information of the first product and the second product (product name, price, and sales data in each product) as input, and the second product is the first.
  • the possibility of corresponding to the product may be determined.
  • the teacher data is product name information between corresponding products, price information between corresponding products, and sales data between corresponding products.
  • the corresponding product determination module 211 uses the determination model with the respective product name information and the respective sales data of the first product and the second product as inputs, and the second product is the first product. You may determine the possibility of corresponding to.
  • the teacher data is product names of corresponding products, information on the degree of similarity of product names between corresponding products, and sales data of corresponding products.
  • the corresponding product determination module 211 determines the possibility that the second product corresponds to the first product by using the determination model with the sales data of the first product and the second product as inputs. You may.
  • the teacher data is information on the sales period between the corresponding products.
  • the corresponding product determination module 211 is likely to correspond in the product group. You can judge each other.
  • the corresponding product determination module 211 When the corresponding product determination module 211 receives the information on the first product and the second product (step 1201), the corresponding product determination module 211 executes the determination step 1202 described above. After executing the determination (step 1202), the corresponding product determination module 211 displays the determination result on the user terminal (step 1203). When displaying the determination result, the corresponding product determination module 211 may display only the products whose value output by the determination model is closer to "1" than the predetermined value, and the value output by the determination model is ". Products that are close to "1" may be displayed in order.
  • the corresponding product determination module 211 outputs the new product candidate whose value output by the determination model is closest to "1" as a new product corresponding to the old product. In other words, the corresponding product determination module 211 can extract the corresponding product corresponding to the first product. Since step 1203 and subsequent steps of displaying the determination result on the user terminal 102 are the same as the corresponding new product evaluation flow 1000, the description thereof will be omitted.
  • the present invention is not limited to the above-mentioned examples, and includes various modifications.
  • the above-described embodiment has been described in detail in order to explain the present invention in an easy-to-understand manner, and is not necessarily limited to those having all the described configurations.
  • it is possible to replace a part of the configuration of one embodiment with the configuration of another embodiment and it is also possible to add the configuration of another embodiment to the configuration of one embodiment.
  • each of the above configurations, functions, processing units, processing means and the like may be realized by hardware by designing a part or all of them by, for example, an integrated circuit. Further, each of the above configurations, functions, and the like may be realized by software by the processor interpreting and executing a program that realizes each function. Information such as programs, tables, and files that realize each function can be stored in a memory, a hard disk, a recording device such as an SSD (Solid State Drive), or a recording medium such as an IC card, an SD card, or a DVD.
  • the control lines and information lines indicate those that are considered necessary for explanation, and do not necessarily indicate all the control lines and information lines in the product. In practice, it can be considered that almost all configurations are interconnected.
  • Judgment system 101 ... Judgment server, 102 ... User terminal, 103 ... Administrator terminal, 211 ... Compatible product judgment module, 212 ... Product group display module, 213 ... Management module, 214 ... Sales forecast module, 207 ... Product Information DB

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

商品売上予測に用いる複数の商品情報を対応付ける判定サーバ及び判定方法を提供する。複数の商品情報を対応付ける判定サーバであって、判定の基準となる第１の商品に関する情報と、複数の第２の商品に関する情報と、を取得する情報取得手段と、複数の前記第２の商品のうち予め定められた条件を満たす前記第２の商品を対応商品として抽出する抽出手段と、抽出された前記対応商品を前記第１の商品と対応する対応商品として出力する出力手段と、を備える、ことを特徴とする。

Description

商品売上予測に用いる複数の商品情報を対応付ける判定サーバ及び判定方法
　[関連出願]
　本出願は、２０１９年８月８日に出願された「商品売上予測に用いる複数の商品情報を対応付ける判定サーバ及び判定方法」と題する日本国特許出願２０１９－１４６３１３号の優先権を主張し、その開示はその全体が参照により本明細書に取り込まれる。
　本発明は、商品売上予測に用いる複数の商品情報を対応付ける判定サーバ及び判定方法に関する。
　本技術分野の背景技術として、特開２０１６－１１５１５７号公報（特許文献１）がある。この公報には、「商品ごとに精度の高い売上予測を提供する場合の負荷が増大することを抑止するために、実施形態の売上予測プログラム提供方法は、コンピュータが、複数の商品ごとに異なる売上予測モデル生成アルゴリズムを用いて生成された該複数の商品それぞれに対応する売上予測プログラムを、該複数の商品のうちのいずれに対応するかを識別可能な状態で、かつ選択可能な状態で表示する処理を実行する。」ことが記載されている。
特開２０１６－１１５１５７号公報
　しかし、特許文献１では、異なる商品識別番号が付されているが実質的には同じ複数の商品に対して、それぞれを対応付けて売上予測の精度を向上させることについては何ら考慮されていない。
　そこで、本発明は、異なる商品識別番号が付されているが実質的には同じ複数の商品に対して、それぞれを対応付けて売上予測の精度を向上させることができる仕組みを提供する。
　上記課題を解決するために、例えば特許請求の範囲に記載の構成を採用する。本願は上記課題を解決する手段を複数含んでいるが、その一例を挙げるならば、
　複数の商品情報を対応付ける判定サーバであって、
　判定の基準となる第１の商品に関する情報と、複数の第２の商品に関する情報と、を取得する情報取得手段と、
　複数の前記第２の商品のうち予め定められた条件を満たす前記第２の商品を対応商品として抽出する抽出手段と、
　抽出された前記対応商品を前記第１の商品と対応する対応商品として出力する出力手段と、
を備える、
ことを特徴とする。
　本発明によれば、売上予測の精度を向上させることができる。
　上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。
全体の判定システム１の構成図の例である。 判定サーバ１０１のハードウェア構成の例である。 利用者端末１０２のハードウェア構成の例である。 管理者端末１０３のハードウェア構成の例である。 商品管理テーブル５００の例である。 商品売上テーブル６００の例である。 対応商品テーブル７００の例である。 対応商品判定モジュール２１１が実施する対応新商品抽出フロー８００の例である。 対応商品判定モジュール２１１が実施する対応旧商品抽出フロー９００の例である。 対応商品判定モジュール２１１が実施する対応新商品評価フロー１０００の例である。 対応商品判定モジュール２１１が実施する対応旧商品評価フロー１１００の例である。 対応商品判定モジュール２１１が実施する対応商品予測フロー１２００の例である。 商品グループ表示モジュール２１２が実施する商品グループ表示フロー１３００である。 １つの第１商品又は複数の第１商品を含みえる範囲を特定するかを選択する画面１４００の例である。 １つの第１商品を特定するために必要情報を入力する画面１５００の例である。 複数の第１商品の候補のうちいずれか１つを選択するための画面１６００の例である。 商品管理情報によって対応商品を抽出するための条件を表示する画面１７００の例である。 新商品売上抽出第１条件を表示する画面１８００の例である。 売上抽出第２条件を表示する画面１９００の例である。 第１商品である旧商品に対応する可能性が高い商品の一覧を表示する画面２０００の例である。 抽出条件を満足した理由を表示する画面２１００の例である。 対応新商品候補が新商品売上抽出第１条件を満足した理由を表示する画面２２００の例である。 売上抽出第２条件（第１の条件）を満たした商品（プラスチック定規Ｌ）の売上情報を表示する画面２３００の例である。 売上抽出第２条件（第１の条件）を満たした商品（プラスチック定規ＬＬ）の売上情報を表示する画面２４００の例である。 売上抽出第２条件（第２の条件）を満たした商品の売上情報を表示する画面２５００の例である。 売上抽出第２条件（第３の条件）を満たした商品の売上情報を表示する画面２６００の例である。 売上抽出第２条件（第４の条件）を満たした商品の売上情報を表示する画面２７００の例である。 複数の対応する商品から構成される商品グループを表示する画面２８００の例である。 旧商品売上抽出第１条件を設定するための画面２９００の例である。 判定する範囲を特定するために必要情報を入力するための画面３０００の例である。 判定対象の旧商品に対応する可能性が高い商品の一覧を表示する画面３１００の例である。
　商品販売店では、商品の発注時においてその商品の売上（需要）予測が行われている。この売上予測では、コンピュータを利用して過去の時系列の売上実績データ及び各種商品データ（例えば、価格、商品カテゴリ、プロモーション又は販売店舗数）から将来の売上を予測する。将来の売上を予測することで、商品発注量を最適化できる。
　しかしながら、商品の規格が変わると、たとえ実質的に同じ商品であったとしても、どの商品かを識別する商品識別番号（例えば、Japanese Article Numberであり、以下ではＪＡＮコードとする。）も切り替わる。例えば、商品の名称、材料又はサイズなどを若干変更した場合であって、変更前と変更後とで実質的な変わりがない場合においても、変更前と変更後とで商品に付されるＪＡＮコードも切り替わることとなる。
　ＪＡＮコードが異なる商品同士は、上述する売上予測においては異なる商品として取り扱われる。故に、両商品が実質的に同じ商品であったとしても変更後の新商品の売上予測を行ううえでは、変更前の旧商品の売上実績データが用いられることはなく、新商品の売上予測の精度を高めることができなかった。
　そこで、当該課題を解決するために、本実施形態は以下で説明するシステム又は方法を採用した。これにより、売上予測の精度を向上させることができる。なお、本実施形態はＪＡＮに限られず、商品を識別する様々な商品識別番号に適用でき、例えばＥＡＮコード（European Article Number）にも適用できる。本実施形態におけるＪＡＮは全てＥＡＮに置き換えることが可能である。
　以下、実施形態を説明する。
　本実施形態では、複数の商品のうち、商品識別番号が異なるが実質的に同じ（以下、対応する、という場合がある。）商品を判定する判定システム１の例を説明する。
　図１は、全体の判定システム１の構成図の例である。
　判定システム１は、複数の利用者端末１０２、複数の管理者端末１０３、を備え、それぞれがネットワークを介して判定サーバ１０１に接続されている。なお、ネットワークは有線、無線を問わず、それぞれの端末はネットワークを介して情報を送受信することができる。
　判定システム１のそれぞれの端末や判定サーバ１０１は、例えば、スマートフォン、タブレット、携帯電話機、携帯情報端末（ＰＤＡ）などの携帯端末でもよいし、メガネ型や腕時計型、着衣型などのウェアラブル端末でもよい。また、据置型または携帯型のコンピュータや、クラウドやネットワーク上に配置されるサーバでもよい。あるいは、これらの複数の端末の組合せであってもよい。例えば、１台のスマートフォンと１台のウェアラブル端末との組合せが論理的に一つの端末として機能し得る。またこれら以外の情報処理端末であってもよい。
　判定システム１のそれぞれの端末や判定サーバ１０１は、それぞれオペレーティングシステムやアプリケーション、プログラムなどを実行するプロセッサと、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等の主記憶装置と、ＩＣカードやハードディスクドライブ、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、フラッシュメモリ等の補助記憶装置と、ネットワークカードや無線通信モジュール、モバイル通信モジュール等の通信制御部と、タッチパネルやキーボード、マウス、音声入力、カメラ部の撮像による動き検知による入力などの入力装置と、モニタやディスプレイ等の出力装置とを備える。なお、出力装置は、外部のモニタやディスプレイ、プリンタ、機器などに、出力するための情報を送信する装置や端子であってもよい。
　主記憶装置には、各種プログラムやアプリケーションなど（モジュール）が記憶されており、これらのプログラムやアプリケーションをプロセッサが実行することで全体システムの各機能要素が実現される。なお、これらの各モジュールは集積化する等によりハードウェアで実装してもよい。また、各モジュールはそれぞれ独立したプログラムやアプリケーションでもよいが、１つの統合プログラムやアプリケーションの中の一部のサブプログラムや関数などの形で実装されていてもよい。
　本明細書では、各モジュールが、処理を行う主体（主語）として記載をしているが、実際には各種プログラムやアプリケーションなど（モジュール）を処理するプロセッサが処理を実行する。
　補助記憶装置には、各種データベース（ＤＢ）が記憶されている。「データベース」とは、プロセッサまたは外部のコンピュータからの任意のデータ操作（例えば、抽出、追加、削除、上書きなど）に対応できるようにデータ集合を記憶する機能要素（記憶部）である。データベースの実装方法は限定されず、例えばデータベース管理システムでもよいし、表計算ソフトウェアでもよいし、ＸＭＬ、ＪＳＯＮなどのテキストファイルでもよい。
　利用者端末１０２は、売上予測情報を利用する者が使用する端末である。利用する者とは自ら売上予測情報を利用する者だけでなく、当該情報を他社に提供する者も含む。
　管理者端末１０３は、判定システム１の管理者などが使用する端末である。
　判定サーバ１０１は、上記それぞれの端末などから、判定を行うにあたって必要となる様々な情報の入力を受け付け、これらを商品情報ＤＢ２０７の中に記憶する。
　図２は、判定サーバ１０１のハードウェア構成の例である。
　判定サーバ１０１は、例えばクラウド上に配置されたサーバで構成される。
　主記憶装置２０１には、対応商品判定モジュール２１１、商品グループ表示モジュール２１２、管理モジュール２１３、売上予測モジュール２１４のプログラムやアプリケーションが記憶されており、これらのプログラムやアプリケーションをプロセッサ２０３が実行することで判定サーバ１０１の各機能要素が実現される。
　対応商品判定モジュール２１１は、利用者端末１０２から受信した各種情報に基づき、対応する商品同士があるかを判定する。詳細は後述するが、例えば、対応する商品を判定するに際して基準となる商品（第１商品とする場合がある）を特定した後、当該第１商品と対応する可能性が高い商品候補を判定する。
　商品グループ表示モジュール２１２は、複数の対応する商品から構成される商品グループの情報を利用者端末１０２や管理者端末１０３に表示する。
　管理モジュール２１３は、判定システム１の管理を行う。具体的には、管理モジュール２１３は判定サーバの稼働情報や、判定システム１を利用する利用者情報などを管理することなどを行う。
　売上予測モジュール２１４は、判定サーバ１０１の補助記憶装置２０２の商品情報ＤＢ２０７に記憶された情報などに基づき商品の売上を予測する。売上予測の具体的な方法は、コンピュータを利用した売上予測手段により、過去の時系列の売上実績データ及び各種商品データ（例えば、価格、商品カテゴリ、プロモーション又は販売店舗数）から将来の売上を予測する。
　補助記憶装置２０２は、商品情報データベース２０７を備える。本実施形態においては少なくとも１つの情報を格納する少なくとも１つのテーブルをデータベースに備える。
　商品情報ＤＢ２０７は、商品管理テーブル５００、商品売上テーブル６００及び対応商品テーブル７００を備える。
　図３は、利用者端末１０２のハードウェア構成の例である。
　利用者端末１０２は、例えば据置型コンピュータで構成される。
　主記憶装置３０１には、対応商品判定モジュール３１１、及び商品グループ表示モジュール３１２が記憶されており、これらのプログラムやアプリケーションをプロセッサ３０３が実行することで利用者端末１０２の各機能要素が実現される。
　補助記憶装置３０２の利用者端末データ３２１は、利用者に関連する情報を記憶する。
　図４は、管理者端末１０３のハードウェア構成の例である。
　管理者端末１０３は、例えば据置型コンピュータで構成される。
　主記憶装置４０１には、管理モジュール４１１が記憶されており、これらのプログラムやアプリケーションをプロセッサが実行することで管理者端末１０３の各機能要素が実現される。
　管理モジュール４１１は、判定システム１の管理を行う。
　補助記憶装置４０２の管理者端末データ４２１は、判定システム１を管理するための情報を記憶する。
　図５、図６及び図７は判定サーバ１０１の補助記憶装置２０２の商品情報ＤＢ２０７に記憶される各テーブルの例である。
　図５は、商品管理テーブル５００の例である。
　商品管理テーブル５００は商品を管理するための情報を記憶している。
　商品管理テーブル５００は、商品ＩＤ５０１、グループＩＤ５０２、商品名５０３、ＪＡＮコード５０４、カテゴリ５０５及び価格５０６などの情報を有する。
　商品ＩＤは、商品毎に自動的に生成されるユニークなＩＤである。
　グループＩＤは、異なる商品識別番号が付されているが実質的に同じ商品である（対応する）複数の商品から構成されるグループごとに生成されるＩＤである。
　商品名は、商品の名称である。
　ＪＡＮコードは、どの事業者のどの商品かを識別する商品識別番号の１つである。
　カテゴリは、商品の分類情報である。
　図６は、商品売上テーブル６００の例である。
　商品売上テーブル６００は商品の売上情報を記憶している。
　商品売上テーブル６００は商品ＩＤ６０１、グループＩＤ６０２、商品名６０３及び売上データ６０４などの情報を有する。
　売上データは、例えば４/８から６/２３までの期間における週間売上の情報を記憶している。
　図７は、対応商品テーブル７００の例である。
　対応商品テーブル７００は商品ＩＤ７０１、グループＩＤ７０２、時系列ＩＤ７０３、商品名７０４、対応旧商品判定結果７０５、対応新商品判定結果７０６などの情報を有する。
　時系列ＩＤ７０３は商品グループに含まれる商品の時系列情報である。時系列ＩＤ７０３が小さいほど販売時期が過去の商品である。
　図８～図１３は判定システム１で実施される各種処理のフローを示す。
　図８は、対応商品判定モジュール２１１が実施する対応新商品抽出フロー８００の例である。
　対応新商品抽出フロー８００は、対応する商品を判定するに際して基準となる第１商品に対応する可能性が高い、第１商品より時系列で新しい対応新商品を抽出するフローである。
　対応商品判定モジュール２１１は第１商品である旧商品の情報を受信する（ステップ８０１）
　ここで、第１商品を特定する仕組みを説明する。
　第１商品を特定するための画面の例を示す図１４～図１６を用いて説明する。本実施形態における画面の例は利用者端末１０２の出力装置３０５に表示される。
　図１４は、１つの第１商品又は複数の第１商品を含みえる範囲を特定するかを選択する画面１４００の例である。対応商品判定モジュール２１１は「商品を特定する」１４０１が選択された状態で「次へ」１４０３が選択されると画面を図１５に遷移する。一方、対応商品判定モジュール２１１は「範囲を特定する」１４０２が選択された状態で「次へ」が選択されると図３０を表示する（図３０に関連する説明は後述する）。
　図１５は、１つの第１商品を特定するために必要情報を入力する画面１５００の例である。より具体的には、図１５は商品情報ＤＢ２０７に記録された全商品の中から、第１商品を特定するための各種情報を利用者に入力させる画面の例である。利用者は、商品名の欄１５０１に商品名又は商品名の一部を入力することができる。本実施形態においては、商品名の一部である「定規」が入力されている。その他、ＪＡＮコード、価格、販売時期などが入力されてもよい。対応商品判定モジュール２１１は、商品を特定する情報が入力された状態で「検索」１５０５が選択されると、第１商品の検索を実行する。具体的には、対応商品判定モジュール２１１は、商品を特定する情報と、商品管理テーブル５００又は商品売上テーブル６００に記憶された情報と、を突合させ、商品を特定する情報を有する商品を抽出する。検索の処理が終了すると、対応商品判定モジュール２１１は、画面を図１６に遷移させる。
　図１６は、複数の第１商品の候補のうちいずれか１つを選択するための画面１６００の例である。当該画面の例では、商品名に「定規」１６０１を含む商品が表示されている。当該画面の例では、商品の対応旧商品の有無１６０２及び対応新商品の有無１６０３の情報も表示されており、利用者は未だ対応商品が記憶されていない商品を注目すればよいため、いずれの商品における対応する商品を判定すべきかの意思決定を行いやすくなる。
　対応商品判定モジュール２１１は、いずれかの商品が選択された状態で「対応する旧商品を判定する」１６０５又は「対応する新商品を判定する」１６０６が選択されると、対応商品を判定するための処理が実行する。
　本実施形態においては、図８における対応新商品抽出フロー８００において、１つの商品（プラスチック定規大）が選択された状態で「対応する新商品を判定する」１６０６が選択されると、対応商品判定モジュール２１１は選択された旧商品の情報を受信した（ステップ８０１）こととなる。
　対応商品判定モジュール２１１は、対応新商品抽出フロー８００に従って、抽出条件の設定情報を受信したかを確認する（ステップ８０２）
　本実施形態においては、抽出条件の設定は自動的に決定される（具体的な設定方法は後述する）。その後、図１６から図２０の画面に遷移する。詳細は後述するが、図２０は旧商品に対応する可能性が高い商品の一覧を表示する画面の例である。
　なお、他の実施形態として、対応商品判定モジュール２１１は、設定した抽出条件を表示することもできる。図１７～図１９は設定した抽出条件を表示する図であり、当該図を用いて抽出条件を説明する。
　図１７は、商品管理情報によって対応商品を抽出するための条件を表示する画面１７００の例である。具体的には、対応商品判定モジュール２１１はカテゴリ抽出条件１７０３、商品名抽出条件１７０４及び価格抽出条件１７０５を表示する。
　対応商品判定モジュール２１１は、カテゴリ抽出条件１７０３として、第１商品のカテゴリと同一カテゴリの商品のみ、又は第１商品のカテゴリと同一又は類似のカテゴリの商品のいずれかを設定する。本実施形態においては、対応商品判定モジュール２１１は、第１商品のカテゴリと同一カテゴリの商品のみと設定している。
　カテゴリが同一であるとは、完全に同一である場合のみならず、実質的に同一である場合を含んでいてもよい。例えば、「玩具」と「おもちゃ」や、「筆記用具」と「文房具」などが実質同一であり、同一の範囲は任意に予め設定することができる。
　カテゴリが類似であるとは、互いに共通点が多い商品同士である。例えば、「スマートフォン」と「タブレット端末」などを類似としてもよい。類似の範囲は任意に予め設定することができる。
　対応商品判定モジュール２１１は、商品名抽出条件１７０４として、第１商品の商品名と類似度が高いと判定する所定の条件を設定する。本実施形態においては、対応商品判定モジュール２１１は５０件と設定している。
　対応商品判定モジュール２１１は、価格抽出条件１７０５として、第１商品の価格との価格差が小さいと判定する所定の条件を設定する。本実施形態においては、対応商品判定モジュール２１１は、価格差が３０％以内と設定している。
　本実施形態において、価格とは、比較的変動しやすい売値ではなく、前もって決められた価格である定価とするが、売値でもよい。
　図１８は、新商品売上抽出第１条件を表示する画面１８００の例である。対応商品判定モジュール２１１は、商品売上情報によって対応新商品を抽出するための第１の条件（新商品売上抽出第１条件）１８２０を設定する。より具体的には図１８は第１商品である旧商品の売上が減少した期間中に売上が増加した商品を抽出するための条件を表示する画面の例である。図１８の画面の例は図１７の画面の例と同一ページ内であり、図１７の画面の例の下方にスクロールした画面の例である。
　新商品売上抽出第１条件は、判定対象旧商品の売上が減少したとき（基準時Ｔ）を特定するために必要となる減少基準時特定条件１８３０と、基準時Ｔの前後の期間で売上が増加した商品であると判定するために必要となる対応新商品候補判定条件１８４０と、を含む。
　減少基準時特定条件１８３０は、どの程度の期間における売上とするかの条件、旧商品の売上が減少したと判定するために必要となる旧商品の売上減少前の基準売上（以下、減少前基準売上）の条件、及び基準売上に対して売上が減少したと認定する売上減少割合の条件を含む。
　対応商品判定モジュール２１１は、どの程度の期間における売上とするかの条件として、日間、週間、又は月間のいずれかを設定する。本実施形態においては、対応商品判定モジュール２１１は、週間売上と設定する。
　対応商品判定モジュール２１１は、減少前基準売上の条件として、平均売上１８０２か、又は予測された売上１８０４かを設定する。本実施形態においては、対応商品判定モジュール２１１は、平均売上１８０２として「１月以内に（２月前から１月前の旧商品の）平均週間売上より」を設定する。
　対応商品判定モジュール２１１は、売上減少割合の条件として、入力欄１８０５に数字を入力して設定する。本実施形態においては、対応商品判定モジュール２１１は「５０％以上減少した時点」１８０５と設定する。
　利用者は、当該各条件を含む減少基準時特定条件を、図１７で示した、対応新商品抽出フロー８００が生成する旧商品を含む商品グループの売上推移のグラフ１７０２を参照して、再度設定することもできる。これにより、最適な抽出条件を設定できる。
　対応新商品候補判定条件１８４０は、基準時Ｔの前後の旧新商品入替期間（以下、商品入替期間という場合がある。）の条件、新商品候補の売上が増加したと判定するために必要となる新商品の売上増加前の基準売上（以下、増加前基準売上という場合がある。）の条件、及び基準売上に対して売上が増加したと認定する売上増加割合の条件を含む。
　対応商品判定モジュール２１１は、商品入替期間の条件１８０６として、本実施形態においては「前後１月以内に週間売上」を設定する。
　対応商品判定モジュール２１１は、増加前基準売上の条件として、平均売上１８０８として「２月前から１月前の平均週間売上額より」を設定する。予測された売上１８０９が選択された場合には、さらに「　月前に予測された新商品候補の週間売上・・・」の情報を設定する必要がある。
　対応商品判定モジュール２１１は、売上増加割合の条件１８１０は、本実施形態においては、「旧商品の減少額の±４０％額分増加した商品」と設定されている。
　なお、本実施形態において「予測された売上」は売上予測モジュール２１４によって算出する。
　図１９は、売上抽出第２条件を表示する画面１９００の例である。対応商品判定モジュール２１１は、商品売上情報によって対応新商品を抽出するための第２の条件（売上抽出第２条件）１９２０である。具体的には図１９は第１商品である旧商品の売上が減少した期間中に売上が増加した商品のうち、旧商品と対応する可能性が高い商品を抽出するための条件を表示する画面の例である。図１９の画面の例は図１７及び図１８の画面の例と同一ページ内であり、図１８の画面の例の下方にスクロールした画面の例である。
　対応商品判定モジュール２１１は、売上抽出第２条件１９２０を、以下で説明する４つの条件（第１の条件１９０１、第２の条件１９０４、第３の条件１９０６、第４の条件１９０９）のうち１つを選択することで設定する。なお、４つの条件の詳細は後述する。
　対応商品判定モジュール２１１は、売上抽出第２条件（第１の条件）１９０１として、商品入替期間前半の旧商品の売上と商品入替期間後半の新商品の売上との差に関する条件を設定する。対応商品判定モジュール２１１は、本実施形態においては「５０％以内の商品」と設定している。なお、商品入替期間はすでに設定されているため自動で入力（「基準時Ｔの前１月間」及び「基準時Ｔの後１月間」）する。
　対応商品判定モジュール２１１は、売上抽出第２条件（第２の条件）１９０４として、複数の、旧商品と新商品候補との所定期間における合算売上、に基づき算出する売上の変化（本実施形態においては標準偏差）に関する条件を設定する。
　対応商品判定モジュール２１１は、売上抽出第２条件（第３の条件）１９０６として、商品入替期間前半における旧商品の減少売上と新商品の増加売上の差に関する条件を設定する。
　対応商品判定モジュール２１１は、売上抽出第２条件（第４の条件）１９０９として、予測された旧商品の予測売上推移と合算売上推移との差に関する条件を設定する。
　なお、抽出条件が全て選択された状態で「判定する」１９１２が選択されると対応商品判定モジュール２１１は、抽出条件の設定情報を受信した（ステップ８０２）こととなり次のステップに遷移する。
　本実施形態においては、抽出条件の設定は自動的に決定される。対応商品判定モジュール２１１は、予め記憶された抽出条件を取得することで、抽出条件を設定する。なお、予め記憶された抽出条件とは、直近の抽出処理において利用された抽出条件であってもよく、第１商品の商品カテゴリ毎に紐づいた抽出条件であってもよい。
　また他の実施形態として、対応商品判定モジュール２１１は、予め設定された対応商品候補の出力件数まで対応商品候補の数を抽出するように、各抽出条件を予め設定した条件に基づいて抽出条件を更新して繰り返し抽出処理を実行してもよい。言い換えれば、対応商品判定モジュール２１１は、徐々に抽出する商品の件数を少なくするように（出力する新商品候補の数を少なくするように）複数回抽出処理を実行し、都度抽出条件を更新することができる。
　対応商品判定モジュール２１１は、例えば、価格抽出条件を次の手順で更新して繰り返し抽出処理を実行してもよい。対応商品判定モジュール２１１は、１回目の抽出処理における抽出条件を価格差が４０％以内と設定し、２回目の抽出処理における抽出条件を価格差が３０％以内と設定し、３回目の抽出処理における抽出条件を価格差が２０％以内と設定してもよい。
　対応商品判定モジュール２１１は、例えば、新商品売上抽出第１条件の対応商品候補判定条件を次の手順で更新して繰り返し抽出処理を実行してもよい。対応商品判定モジュール２１１は、１回目の抽出処理における抽出条件を「・・・新商品の増加額の±５０％額分減少した商品」と設定し、２回目の抽出条件を「・・・新商品の増加額の±４０％額分減少した商品」と設定し、３回目の抽出条件を「・・・新商品の増加額の±３０％額分減少した商品」と設定してもよい。
　なお、抽出条件は利用者により設定されてもよい。
　また、対応商品候補に既に対応する商品が記憶されているか否かを抽出条件としてもよい。具体的には、旧商品と対応する新商品候補を抽出する場合に、既に対応する旧商品が記憶されている商品は当該抽出条件を満たさないとすることができる。
　対応商品判定モジュール２１１は、対応新商品抽出フロー８００に従って、第１商品である旧商品に対応する新商品を抽出するための抽出条件の設定情報を受信したかを確認（ステップ８０２）すると、以降で説明する、対応する新商品の候補を抽出する処理を実行する（ステップ８０３～８０７）。全ての抽出処理が完了すると対応商品判定モジュール２１１は、図２０の抽出結果を表示する画面に遷移させる（ステップ８０８）。
　以降で各種抽出処理（ステップ８０３～８０７）の説明を、抽出結果を表示する図２０～図２７を用いて行う。
　図２０は、第１商品である旧商品に対応する可能性が高い商品の一覧を表示する画面２０００の例である。本実施形態においては、対応商品判定モジュール２１１は、旧商品（プラスチック定規大）に対応する可能性が高い商品（対応新商品候補）は３つ（プラスチック定規Ｌ、プラスチック定規ＬＬ及びウルトラ定規Ｌ）を抽出（ステップ８０３～８０７）した後に、図２０の画面を表示（ステップ８０８）する。当該画面の例において、対応商品判定モジュール２１１は、旧商品に対応する可能性が高い理由が表示されていないが、「詳細情報を見る」２００１が選択されることで当該理由が表示される画面（図２１～図２７）に遷移させる。
　図２１は、抽出条件を満足した理由を表示する画面２１００の例である。当該画面の例においては、３つの対応新商品候補のうちのプラスチック定規Ｌを表示する旨の選択２１０１がされており、当該プラスチック定規Ｌに関する情報が表示されている。当該画面において他の対応新商品候補が選択されると当該他の新商品候補に関する情報が表示される。
　対応商品判定モジュール２１１は、初めに、全商品のうち旧商品のカテゴリと同一カテゴリの商品（以下、同一カテゴリ商品という場合がある。）を抽出する（ステップ８０３）。具体的には、商品管理テーブル５００に記憶された、旧商品のカテゴリ情報と、全商品のカテゴリ情報と、を突合させ旧商品カテゴリと同一カテゴリの商品を抽出する。
　本実施形態においては、対応商品判定モジュール２１１は、第１商品である旧商品（プラスチック定規大）のカテゴリ（文房具）に分類される（プラスチック定規Ｌ、プラスチック定規ＬＬ及びウルトラ定規Ｌを含む）商品を抽出する（ステップ８０３）。
　図２１には、プラスチック定規Ｌは旧商品のカテゴリと同一２１０２である旨が表示されている。
　一方、同一カテゴリ商品がない場合には、対応商品判定モジュール２１１は、旧商品と対応する新商品がない旨、及び同一カテゴリ商品がない旨を利用者端末１０２に表示する（ステップ８１２）。
　次いで、同一カテゴリ商品がある場合には、対応商品判定モジュール２１１は、同一カテゴリ商品のうち旧商品の商品名と類似度が高い商品を抽出する（ステップ８０４）。例えば、類似度が上位５０の商品を抽出する。
　第１商品の商品名と対応商品の商品名との類似度の算出は自然言語処理を行うことにより算出することができる。例えば、ｗｏｒｄ２ｖｅｃにより、テキストデータを解析し各単語をベクトル表現化することでコサイン類似度を算出することができる。また類似度を算出したい商品名のレーベンシュタイン距離を算出し、当該距離が近い程類似度が高いと判定することもできる。
　具体的には、対応商品判定モジュール２１１は、商品管理テーブル５００に記憶された、旧商品の商品名と、同一カテゴリ商品の商品名と、を突合させ、上述したとおりの方法で商品名の類似度を判定して、上位５０の商品を抽出する。本実施形態において、対応商品判定モジュール２１１はレーベンシュタイン距離に基づき類似度を算出し、算出された値を基に序列付けを行い、上位５０の商品まで抽出を行う。
　旧商品のプラスチック定規大に対するプラスチック定規Ｌ、プラスチック定規ＬＬ及びウルトラ定規Ｌのレーベンシュタイン距離は次のとおりである。プラスチック定規Ｌ、プラスチック定規ＬＬ及びウルトラ定規Ｌは商品名類似度が上位５０位以内である。
　　プラスチック定規Ｌは１である。
　　プラスチック定規ＬＬは２である。
　　ウルトラ定規Ｌは８である。
　本実施形態においては、旧商品（プラスチック定規大）の商品名と同一の商品名の商品（レーベンシュタイン距離の値が０）が存在しないことから、対応商品判定モジュール２１１はプラスチック定規Ｌを商品名類似度１位であると判定して、当該商品を抽出する。また、対応商品判定モジュール２１１は、プラスチック定規ＬＬ及びウルトラ定規Ｌについても商品名の類似度が上位５０と判定して当該商品を抽出する。
　図２１には、プラスチック定規Ｌと旧商品との商品名類似度は第１位である旨２１０３が表示されている。
　なお、本実施形態における商品名類似度による抽出は、比較的（相対的）に商品名類似度が高い商品を抽出する処理であるため、抽出した後の商品（対応新商品候補）の件数が０件になることはない。他の実施形態として、対応商品判定モジュール２１１は絶対的な評価に基づき高い商品名類似度（具体的な算出方法は後述する。）を有する商品を抽出してもよい。
　次いで、対応商品判定モジュール２１１は、旧商品との価格差が小さい商品を抽出する（ステップ８０５）。例えば、旧商品との価格差が３０％以内の商品を抽出する。
具体的には、対応商品判定モジュール２１１は、商品管理テーブル５００に記憶し、旧商品の価格と、新商品候補の価格と、を突合させ、上述したとおり価格差を算出して価格差が３０％以内の商品を抽出する。
　第１商品である旧商品と対応新商品候補との価格差は、対応新商品候補の価格を旧商品の価格で除した値を１から引いた値の絶対値（パーセントで表示）である。プラスチック定規Ｌ、プラスチック定規ＬＬ、ウルトラ定規Ｌの旧商品との価格差は次のとおりである。
　　プラスチック定規Ｌは０％である。
　　プラスチック定規ＬＬは１７％である。
　　ウルトラ定規Ｌは１７％である。
　対応商品判定モジュール２１１は、プラスチック定規Ｌと旧商品との価格差が０％であると判定して、当該商品を抽出する。また、対応商品判定モジュール２１１は、プラスチック定規ＬＬ及びウルトラ定規Ｌについても価格差が３０％以内である判定して、当該商品を抽出する。
　図２１には、プラスチック定規Ｌと旧商品との価格差が０％である旨２１０４が表示されている。
　旧商品との価格差が３０％以内の商品がない場合には、対応商品判定モジュール２１１は、判定対象旧商品と対応する新商品がない旨、及び旧商品との価格差が３０％以内の商品がない旨を利用者端末１０２に表示する（ステップ８１２）。
　次いで、旧商品との価格差が３０％以内の商品がある場合には、対応商品判定モジュール２１１は、旧商品の減少額と対応する量分増加した商品を抽出する（ステップ８０６）。例えば、旧商品の減少額の±４０％額分増加した商品を抽出する。言い換えれば、対応商品判定モジュール２１１は、抽出した商品の売上情報が上述した新商品売上抽出第１条件を満たすか否かを判定する。
　旧商品の減少額の±４０％額分増加した商品がない場合には、対応商品判定モジュール２１１は、判定対象旧商品と対応する新商品がない旨、及び旧商品の減少額の±４０％額分増加した商品がない旨を利用者端末１０２に表示する（ステップ８１２）。
　図２２は、対応新商品候補が新商品売上抽出第１条件を満足した理由を表示する画面２２００の例である。なお、図２２の画面の例は図２１の画面の例と同一ページ内であり、図２１の画面の例の下方にスクロールした画面の例である。
　図２２の画面の例の上方には、対応商品判定モジュール２１１が生成する、第１商品である旧商品及び３つの対応新商品候補の売上推移が示されたグラフ２２０１が表示されている。利用者は当該グラフ２２０１を参照することで、いずれの対応新商品候補の売上推移が旧商品の売上推移と対応する可能性が高いかを視覚的に認識できる。
　抽出処理（ステップ８０６）として、まず対応商品判定モジュール２１１は、図２２の画面の例で表示するように「旧商品（プラスチック定規大）の週間売上が２月前から１月前の（３/６-４/１４）旧商品の平均週間売上（２０００００円）より１月以内の５/６-５/１２に５０％以上減少（１１００００円減少）した」２２０２こと（基準時Ｔは５/６-５/１２であること）を判定する。
　なお対応商品判定モジュール２１１は、「・・・２月前から１月前の（３/６-４/１４）旧商品の平均週間売上（２０００００円）より１月以内・・・」を、４/１５～５/１４の期間としている。
　抽出処理（ステップ８０６）としてさらに、対応商品判定モジュール２１１は、図２２の画面の例で表示するように、プラスチック定規Ｌについては「基準時Ｔ（５/６-５/１２）から前後１月以内である５/６-５/１２の週間売上額が２月前から１月前（３/６-４/１４）の平均週間売上額（０円）より旧商品減少額（１１００００円）の-５％額分（１０５０００円）増加している」２２０３ことを判定する。
　対応商品判定モジュール２１１は、「基準時Ｔ（５/６-５/１２）から前後１月以内・・・」を４/６～６/１２の期間としている。以下で当該期間を商品入替期間とする場合がある。
　対応商品判定モジュール２１１は、プラスチック定規ＬＬについて、基準時Ｔ（５/６-５/１２）から前後１月以内である５/１３-５/１９の週間売上額が２月前から１月前（３/１３-４/１９）の平均週間売上額（０円）より旧商品減少額（１１００００円）の+９％額分（１２００００円）増加したことを判定する。
　対応商品判定モジュール２１１は、ウルトラ定規Ｌについて、基準時Ｔ（５/６-５/１２）から前後１月以内である５/６-５/１２の週間売上額が２月前から１月前（３/６-４/１４）の平均週間売上額（１００００円）より旧商品減少額（１１００００円）の-３６％額分（７００００円）増加したことを判定する。
　すなわち、対応商品判定モジュール２１１は、旧商品（プラスチック定規大）売上減少額の±４０％額分増加した商品であるとして、少なくともプラスチック定規Ｌ、プラスチック定規ＬＬ及びウルトラ定規Ｌを抽出する（ステップ８０６）
　次いで、旧商品の減少額の±４０％額分増加した商品がある場合には、対応商品判定モジュール２１１は、旧商品との売上差が小さい商品を抽出する（ステップ８０７）。例えば、旧商品との売上差が５０％以内の商品を抽出する。具体的には、対応商品判定モジュール２１１は、商品売上テーブル６００に記憶された各商品の売上情報が上述した売上抽出第２条件を満たすか否かを判定する。
　旧商品との売上差が５０％以内の商品がない場合には、対応商品判定モジュール２１１は、判定対象旧商品と対応する新商品がない旨、及び旧商品との売上差が５０％以内の商品がない旨を利用者端末１０２に表示する（ステップ８１２）。
　旧商品との売上差が５０％以内の商品がある場合には、対応商品判定モジュール２１１は、上述したとおり抽出結果（抽出した対応新商品候補）を利用者端末１０２に表示（図２０に遷移する）する（ステップ８０８）。
　図２３は、売上抽出第２条件（第１の条件）を満たした商品（プラスチック定規Ｌ）の売上情報を表示する画面２３００の例である。すなわち、図２３は商品入替期間前半の旧商品（プラスチック定規大）の売上と商品入替期間後半の新商品候補（プラスチック定規Ｌ）の売上との差の算出結果を表示する画面の例である。なお、図２３の画面の例は図２２の画面の例と同一ページ内であり、図２２の画面の例の下方にスクロールした画面の例である。
　図２３の画面の例には、対応商品判定モジュール２１１が生成する、旧商品と選択された１つの対応新商品候補の売上推移が示されたグラフ２３０１が表示されている。利用者は、当該グラフ２３０１を参照することで、判定対象の旧商品の売上推移と、選択された１つの新商品候補の売上推移を視覚的に認識できる。
　抽出処理（ステップ８０７）として、対応商品判定モジュール２１１は、図２３の画面の例で表示するように「商品入替期間前半の旧商品（プラスチック定規大）の売上と商品入替期間後半の新商品候補（プラスチック定規Ｌ）の売上との差が２.９％」２３０２であると判定する。ここでいう、売上とは所定期間における合計売上でも平均売上でもよい。
　本実施形態において、対応商品判定モジュール２１１は、商品入替期間前半である基準時Ｔの期間を含む４/６～５/１２で、商品入替期間前半の旧商品（プラスチック定規大）の売上としての、商品入替期間前半の期間内で算出した複数の週間売上の平均額Ａ１を算出する。また、対応商品判定モジュール２１１は、商品入替期間後半である基準時Ｔの期間を含む５/６～６/１２で、商品入替期間後半の新商品（プラスチック定規Ｌ）の売上としての、商品入替期間後半の期間内で算出した複数の週間売上の平均額Ａ２を算出する。対応商品判定モジュール２１１は、図２３において、当該算出結果２３０３を表示する。さらに、対応商品判定モジュール２１１は、商品入替期間前半の旧商品売上額と後半の新商品売上額の差を、平均額Ａ２を平均額Ａ１で除した値を１から引いた値の絶対値（パーセントで表示）として算出（２.９％）する。
　なお、対応商品判定モジュール２１１は、当該第１の条件において商品を抽出する場合には、基準時Ｔは旧商品の売上が５０％以上減少したときと設定することが好ましいが、図２３のグラフ２３０１で示す旧商品と新商品の売上推移が交差する点が基準時Ｔとなっている必要はない。
　図２４は、売上抽出第２条件（第１の条件）を満たした商品（プラスチック定規ＬＬ）の売上情報を表示する画面２４００の例である。言い換えれば、図２４は、対応商品判定モジュール２１１が算出した、商品入替期間前半の旧商品（プラスチック定規大）の売上と商品入替期間後半の新商品候補（プラスチック定規ＬＬ）の売上との差を表示する画面の例である。
　対応商品判定モジュール２１１は、図２４の画面の例を、図２１の画面の例において３つの新商品候補のうちのプラスチック定規ＬＬを表示する旨の選択がされた場合に利用者端末に表示する。また、対応商品判定モジュール２１１は、図２２で表示するグラフ２２０１の売上推移のうち選択された商品（プラスチック定規ＬＬ）の売上推移をハイライトして表示してもよい。利用者は、複数の対応新商品候補における抽出通過理由の情報を参考にして最終的に一つの対応新商品候補を旧商品に対応する新商品であると記憶することができる。
　対応商品判定モジュール２１１が算出した、商品入替期間前半の旧商品（プラスチック定規大）の売上と商品入替期間後半の対応新商品候補（プラスチック定規Ｌ、プラスチック定規ＬＬ又はウルトラ定規Ｌ）の売上との差は其々次のとおりである。
　　プラスチック定規Ｌは２．９％
　　プラスチック定規ＬＬは１５．６％
　　ウルトラ定規Ｌは４８．６％
　すなわち、対応商品判定モジュール２１１は、旧商品との売上差が５０％以内の商品（少なくともプラスチック定規Ｌ、プラスチック定規ＬＬ及びウルトラ定規Ｌ）を抽出する（ステップ８０７）。
　図２３の下方の選択可能な「対応商品記憶」２３０５が選択されると、対応商品判定モジュール２１１は対応する新商品の情報を受信した（ステップ８０９）として、当該選択されたときに表示されている商品が第１商品である旧商品と対応する新商品であると出力する（ステップ８１０）。ここでいう出力とは、補助記憶装置２０２（本実施形態においては対応商品テーブル７００）に判定結果の情報を記録すること、及び対応付けられた商品同士を利用者端末１０２の出力装置３０５などに表示すること、のうち少なくとも１つをいう。
　他の実施形態として、対応商品判定モジュール２１１は、図２３の「対応商品記憶」２３０５が選択されなくとも、売上抽出第２条件を満たすかを判定するにあたり算出した値に基づいて、旧商品の売上と最も近似すると判定した新商品候補を旧商品と対応する新商品であるとして出力する。言い換えれば、対応商品判定モジュール２１１は第１商品に対応する対応商品を抽出することができる。
　具体的には、対応商品判定モジュール２１１は、売上抽出第２条件（第１の条件）においては、売上抽出第２条件（第１の条件）を満たすかを判定するにあたり算出した値（商品入替期間前半の旧商品の売上と商品入替期間後半の対応新商品候補の売上との差）が最も小さい（２．９%）プラスチック定規Ｌを旧商品（プラスチック定規大）と対応する新商品であるとして出力する。
　さらに、対応商品判定モジュール２１１は、抽出条件を満足した理由の情報もあわせてと記憶する。本実施形態においては、プラスチック定規Ｌがプラスチック定規大に対応する商品である旨及び抽出条件を満足した理由の情報を記憶する（ステップ８１０）。
　次いで、後述する対応商品予測フロー１２００において対応商品判定モジュール２１１が実行する対応商品を判定するステップ１２０２で用いる情報にラベル付けする（教師データとして記憶する）（ステップ８１１）。詳細は後述するが、ここでいう教師データとは、対応する商品同士の情報、商品同士の商品カテゴリの類似度の情報、商品同士の商品名類似度、商品同士の価格近似度、商品同士の売上期間の情報などである。これにより、対応商品判定モジュール２１１が実行する対応新商品抽出フロー８００は終了する。
　なお、対応商品判定モジュール２１１は、売上抽出第２条件として第２の条件、第３の条件又は第４の条件を設定した場合には、第２の条件、第３の条件又は第４の条件を満たす対応新商品候補を抽出する。すなわち、対応新商品抽出フロー８００におけるステップ８０７の段階において以下の処理が実行される。
　図２５～図２７を用いて第２の条件、第３の条件又は第４の条件を満たした商品に関する情報を表示する画面の例の説明をする。
　図２５は、売上抽出第２条件（第２の条件）を満たした商品の売上情報を表示する画面２５００の例である。例えば、対応商品判定モジュール２１１は、売上抽出第２条件（第２の条件）は、複数の、旧商品と新商品候補との所定期間における合算売上、に基づき算出する売上の変化が小さい（ばらつきが小さい）上位３件の商品として設定する。本実施形態においては、旧商品と新商品候補との所定期間における合算売上の標準偏差を算出することで、売上の変化を算出する。
　図２５に表示されているように、対応新商品抽出フロー８００は、商品入替期間（４/６～６/１２）における、プラスチック定規大と各対応新商品候補（プラスチック定規Ｌ、プラスチック定規ＬＬ又はウルトラ定規Ｌ）の合算売上の推移グラフ２５０１を生成する。また、図２５には、対応商品判定モジュール２１１は、算出した其々の標準偏差を基に序列付けされた結果を表示する。値のばらつきが大きい（標準偏差が大きい）場合には合算した２つの商品が実質的に同一ではないことが推認されるため、対応商品判定モジュール２１１はは、値のばらつきが小さい（標準偏差が小さい）対応新商品候補ほど高順位に位置付ける２５０２。利用者は当該順位を参考にすることで旧商品に対応する新商品を記憶する際の意思決定を行いやすくなる。
　対応商品判定モジュール２１１は、複数の、旧商品と新商品候補との所定期間における合算売上、に基づき算出する標準偏差が小さい（ばらつきが小さい）上位３件の商品（プラスチック定規Ｌ、プラスチック定規ＬＬ又はウルトラ定規Ｌ）を抽出する。
　図２６は、売上抽出第２条件（第３の条件）を満たした商品の売上情報を表示する画面２６００の例である。例えば、対応商品判定モジュール２１１は、売上抽出第２条件（第３の条件）、商品入替期間前半における旧商品の減少売上と新商品の増加売上の差が±４０％以内の商品と設定する。減少売上とは、所定期間における平均の減少売上でもよく、合計の減少売上でもよい。増加売上とは、所定期間における平均の増加売上でもよく、合計の増加売上でもよい。
　図２６に表示されているように、対応商品判定モジュール２１１は、プラスチック定規大（旧商品）とプラスチック定規Ｌ（対応新商品候補）の売上推移及び商品入替期間（４/６～６/１２）より前に予測されたプラスチック定規大（旧商品）の売上推移を含むグラフ２６０１を生成する。なお、予測された売上推移の代わりに、商品入替期間（４/６～６/１２）より前の期間の売上データに基づく平均売上としてもよい。
　対応商品判定モジュール２１１は、当該グラフ２６０１に、商品入替期間前半（４/６～５/１２）における、旧商品であるプラスチック定規大の減少売上を表す減少売上領域Ｂ１と対応新商品候補であるプラスチック定規Ｌの増加売上を表す増加売上領域Ｂ２を其々表示する。
　対応商品判定モジュール２１１は、旧商品であるプラスチック定規大の減少売上Ｂ１（減少売上領域Ｂ１の面積に相当）は２１８５００円であり、新商品であるプラスチック定規Ｌの増加売上Ｂ２（増加売上領域Ｂ２の面積に相当）は１８５０００円であると算出する。
　対応商品判定モジュール２１１は、旧商品の減少売上と新商品の増加売上との差を、増加売上Ｂ２を減少売上Ｂ1で除した値を１から引いた値の絶対値（パーセントで表示）として算出し、プラスチック定規Ｌの場合は１８．１％である。当該値が０％に近いほど両商品の売上推移が補完関係にあり、対応する商品である可能性が高く、利用者は当該値を参考にすることで旧商品に対応する新商品を記憶する際の意思決定を行いやすくなる。
　対応商品判定モジュール２１１は、上記第３の条件を満たすプラスチック定規Ｌを少なくとも抽出する。
　図２７は、売上抽出第２条件（第４の条件）を満たした商品の売上情報を表示する画面２７００の例である。例えば、対応商品判定モジュール２１１は、売上抽出第２条件（第４の条件）として、予測された旧商品の予測売上推移と合算売上推移との差が、３０％以内の商品と設定する。
　図２７に表示されているように、対応商品判定モジュール２１１は、プラスチック定規大（旧商品）の売上推移と、プラスチック定規Ｌ（新商品候補）の売上推移と、商品入替期間（４/６～６/１２）より前に予測されたプラスチック定規大（旧商品）の売上推移と、プラスチック定規大とプラスチック定規Ｌとの合算売上推移と、が表示されたグラフ２７０１を生成する。
　図２７に表示２７０３されているように、対応商品判定モジュール２１１は、商品入替期間（４/６～６/１２）より前に予測されたプラスチック定規大（旧商品）の週間売上の平均額Ｃ１が２０４０７１円であり、プラスチック定規大とプラスチック定規Ｌとの合算週間売上の平均額Ｃ２が１９５２８７円である。
　図２７に表示２７０２されているように、対応商品判定モジュール２１１は、旧商品の予測売上と旧商品及び新商品の合算売上の差を、平均額Ｃ２を平均額Ｃ１で除した値を１から引いた値の絶対値（パーセントで表示）として算出し、プラスチック定規Ｌの場合は４．３％である。当該値が０％に近いほど対応する商品である可能性が高く、利用者は当該値を参考にすることで旧商品に対応する新商品を記憶する際の意思決定を行いやすくなる。
　対応商品判定モジュール２１１は、上記第４の条件を満たすプラスチック定規Ｌを少なくとも抽出する。
　図２３に表示されている「対応商品はないことを記憶」２３０４が選択されると、対応商品判定モジュール２１１は、対応する新商品がないことを記憶する指令を受信した（ステップ８１３）として、判定対象の旧商品と対応する商品はない旨を記憶する（ステップ８１４）。具体的には、対応商品テーブル７００に対応する商品が無い旨を記録する（ステップ８１４）。
　次いで、後述する対応商品予測フロー１２００において対応商品判定モジュール２１１が実行する対応商品を判定する処理で用いる情報にラベル付けする（教師データとして記憶する）（ステップ８１５）。詳細は後述するが、ここでいう教師データとは、対応しない商品同士の情報、商品同士の商品カテゴリの類似度の情報、商品同士の商品名類似度、商品同士の価格近似度、商品同士の売上期間の情報などである。これにより、対応商品判定モジュール２１１が実行する対応新商品抽出フロー８００は終了する。
　なお、図示していないが、旧商品と対応する新商品がないことを表示する画面にも同様に選択可能な「対応商品はないことを記憶」の表示がされている。
　図１３は、商品グループ表示モジュール２１２が実施する商品グループ表示フロー１３００である。
　商品グループ表示モジュール２１２は、対応する複数の商品から構成される特定の商品グループを表示する旨の指令を受信（ステップ１３０１）すると、売上予測モジュール２１４が、特定された商品グループの将来の売上を予測する（ステップ１３０２）。
　なお、利用者端末１０２から特定の商品グループの情報を表示する旨の指令を受信した場合に、商品グループを表示する旨の指令を受信した（ステップ１３０１）としてもよく、対応商品判定モジュール２１１により対応する商品同士の判定結果が記憶されたときをもって、商品グループを表示する旨の指令を受信した（ステップ１３０１）としてもよい。
　売上予測モジュール２１４は、判定サーバ１０１の補助記憶装置２０２の商品情報ＤＢ２０７に記憶された情報などに基づき商品グループの売上を予測する（ステップ１３０２）。
　次いで、商品グループ表示モジュール２１２が、当該商品グループに関連する情報を表示する（ステップ１３０３）。商品グループに関連する情報とは、商品グループを構成する複数の商品の合算売上推移及び売上予測モジュール２１４により予測された予測売上推移を含む。
　図２８は、複数の対応する商品から構成される商品グループを表示する画面２８００の例である。本実施形態においては、プラスチック定規Ｌグループの情報を表示している。図２８の画面の例の上方には、複数の対応する商品の基本情報２８０１を表示する。また、図２８の画面の例の下方には、商品グループ表示モジュール２１２が生成する当該商品グループの売上推移及び予測売上推移を含むグラフ２８０２を表示する。商品グループ表示モジュール２１２は、売上推移を、同時期に複数の商品が販売されている時期においては複数の商品の売上の合算値を表示することで、商品グループで一つの折れ線グラフで表示することができる。
　売上予測モジュール２１４は、判定サーバ１０１の補助記憶装置２０２の商品情報ＤＢ２０７に記憶された、プラスチック定規Ｌグループ（クリア定規大、プラスチック定規大及びプラスチック定規Ｌ）に関連する情報（売上データ、価格、商品カテゴリなど）やその他の情報（プロモーション、販売店舗数など）に基づきプラスチック定規Ｌグループの売上を予測する（ステップ１３０２）。
　なお、商品グループを構成する複数の商品が対応すると判定された結果の情報は商品情報ＤＢ２０７の対応商品テーブル７００の対応旧商品判定結果７０５又は対応新商品判定結果７０６に記憶されている。
　売上予測モジュール２１４は、将来の売上を予測するための学習処理を行ってもよい。例えば売上予測モジュール２１４は、商品情報ＤＢに記憶される各種の情報を用いて学習処理を行う。学習処理（機械学習）は、人間が自然に行っている学習能力と同様の機能をコンピュータで実現するための処理である。学習処理としては、問題である入力とそれに対する解答であるラベル（以下、教師データとする）のペアを与えて、それに基づき学習する教師あり学習である。例えば売上予測モジュール２１４は売上予測モデルを用いて学習処理を行う。例えば入力（入力データ）とラベル（教師データ）のペアを売上予測モデルに与えると、売上予測モデルは、これらのペアから共通する特徴（ルール）を見つけ出す処理を行う。学習処理は、ニューラルネットワークを用いたディープラーニング処理であってもよい。
　売上予測モジュール２１４は、商品に関するの情報（売上データ、商品名情報、価格情報、商品カテゴリ情報、及びプロモーションや販売店舗数などのその他の情報のうち少なくとも１つ）を入力として、売上予測モデルを用いて、商品の将来の売上を出力する。本実施形態のように、商品グループ（クリア定規大、プラスチック定規大及びプラスチック定規Ｌ）に関する情報を入力として処理することもできる。なお、入力する情報は、上述する情報のうちの１つでもよく、複数でもよい。
　本実施形態における、売上予測モジュール２１４が売上予測モデルを用いて実行する学習処理で用いる教師データは、他の商品における売上データ、商品名情報、価格情報、商品カテゴリ情報、及びプロモーションや販売店舗数などのその他の情報のうち少なくとも１つである。なお、教師データとして記憶する情報は、上述する情報のうち１つでもよく、複数でもよい。
　なお、判定サーバ１０１は売上予測モデルを、上述した教師データに基づき、ニューラルネットワークなどの機械学習アルゴリズムを用いた機械学習によって生成できる。
　図９は、対応商品判定モジュール２１１が実施する対応旧商品抽出フロー９００の例である。
　対応旧商品抽出フロー９００は、第１商品である新商品に対応する旧商品を抽出することで判定するフローである。以下で、対応新商品抽出フロー８００と異なる点のみ説明する。
　対応商品判定モジュール２１１は、判定対象である特定された新商品の情報を受信した（ステップ９０１）後に当該新商品に対応する可能性が高い旧商品を判定する。
　図１６の画面の例において、１つの商品が選択された状態で「対応する旧商品を判定する」１６０５が選択されると、対応商品判定モジュール２１１は判定対象である特定された新商品の情報を受信した（図９におけるステップ９０１）こととなる。
　対応旧商品抽出フロー９００における一段階目の売上抽出条件については、第１商品の新商品の売上が増加した期間中に、売上が減少した商品を抽出するための条件であるため、対応新商品抽出フロー８００における新商品売上抽出第１条件と異なる。
　図２９は、旧商品売上抽出第１条件を設定するための画面２９００の例である。対応商品判定モジュール２１１は商品売上情報によって対応旧商品を抽出するための第１条件（旧商品売上抽出第１条件２９２０）を設定する。言い換えれば当該画面の例は、第１商品である新商品の売上が増加した期間中に売上が減少した旧商品を抽出するための条件を表示する画面の例である。図２９の画面の例は図１７の画面の例と同一ページ内であり、図１７の画面の例の下方にスクロールした画面の例である。
　旧商品売上抽出第１条件２９２０は、判定対象の新商品の売上が増加したとき（基準時Ｔ）を特定するために必要となる増加基準時特定条件２９３０と、基準時Ｔの前後の期間で売上が減少した商品であると判定するために必要となる対応旧商品候補判定条件２９４０と、を含む。
　増加基準時特定条件２９３０は、どの程度の期間における売上とするかの条件、新商品の売上が増加したと判定するために必要となる新商品の売上増加後の基準売上（以下、増加後基準売上）の条件、及び基準売上に対して売上が増加したと認定する売上増加割合の条件を含む。
　対応商品判定モジュール２１１は、どの程度の期間における売上とするかの条件として日間、週間、又は月間のいずれかを設定する。本実施形態においては、対応商品判定モジュール２１１は、週間売上と設定する。
　対応商品判定モジュール２１１は、増加後基準売上の条件として、「１月以内に新商品の・・・」と設定する。
　対応商品判定モジュール２１１は、売上増加割合の条件として、「１月後から２月後の新商品の平均週間売上の５０％以上増加した時点」として設定する。
　対応商品候補判定条件２９４０は、商品入替期間の条件、旧商品候補の売上が減少したと判定するために必要となる旧商品の売上減少前の基準売上（以下、減少前基準売上という場合がある。）の条件、及び減少前基準売上に対して旧商品の売上が減少したと認定する売上減少割合の条件を含む。
　対応商品判定モジュール２１１は、商品入替期間の条件として、「基準時Ｔの前後１月以内に・・・」と設定する。
　対応商品判定モジュール２１１は、減少前基準売上の条件として、予測された売上２９０９を選択し、さらに「１月前に予測された旧商品候補の週間売上・・・」を選択する。
　対応商品判定モジュール２１１は、売上減少割合の条件として、「新商品の増加額の±４０％額分減少した商品」と設定する。
　対応商品判定モジュール２１１は、当該各条件を含む対応旧商品候補判定条件を設定して商品の抽出を行うことで、第１商品である新商品の売上が増加した期間中に売上が減少した商品を抽出できる。
　図３０は、判定する範囲を特定するために必要情報を入力するための画面３０００の例である。図３０の画面の例は、図１４の画面の例における「範囲を特定する」が選択されて遷移した後の画面の例である。
　図３０の画面の例の上方に、判定する範囲を特定するための情報を入力する領域３００１があり、当該領域に商品に関連する情報を入力することで、利用者は対応する商品があるかを判定する判定範囲を特定できる。
　図３０の画面の例の下方に、判定範囲中の、全ての商品を判定対象とするか、又は未だに対応する商品が記憶されていない商品のみを判定対象とするか、を選択する領域が表示されている。既に対応する商品が記憶されており、改めて対応する商品があるかを判定する必要がない場合には、利用者は「範囲中の対応記憶がされていない商品のみ」３００３を選択する。
　判定範囲を特定する情報の入力がされ、かつ「範囲中のいずれの商品を対象とするか」が選択された状態で、当該画面の例の最下方の「対応する旧商品を判定する」３００４又は「対応する新商品を判定する」３００５のいずれかが選択されると、対応商品判定モジュール２１１が対応商品の判定を実行する。
　図１０は、対応商品判定モジュール２１１が実施する対応新商品評価フロー１０００の例である。
　対応新商品評価フロー１０００は、第１商品である旧商品に対応する可能性が高い新商品を評価するフローである。以下で図３０及び図３１を用いて説明する。
　図３０の画面の例における「対応する新商品を判定する」が選択されると対応商品判定モジュール２１１は旧商品の情報を受信した（図１０におけるステップ１００１）こととなる。その後、以降で説明する各種評価を実行（ステップ１００２～ステップ１００６）した後その結果を表示する（ステップ１００７）。すなわち、評価が終了すると図３０から図３１に遷移する。
　図３１は、判定対象の旧商品に対応する可能性が高い商品の一覧を表示する画面３１００の例である。本実施形態において、対応商品判定モジュール２１１は、第１商品である旧商品（プラスチック定規大、ハイパー鉛筆ＨＢ）に対応する可能性が高い商品の其々上位３つの商品を表示する。本実施形態においては、各上位３商品を表示しているが、表示商品件数は任意に設定することができる。また、評価結果（類似度順位、総合得点、カテゴリ得点、商品名得点、売上得点）の情報も表示する。
　なお、当該画面の例においては、「選択した旧商品に対応する新商品候補の詳細情報をみる」３１０２が選択されることで、選択された商品３１０１（プラスチック定規大）における評価結果の詳細情報が表示される。評価結果の詳細情報の画面の例は、図２１～図２７と同様であり省略するが、図２１～図２７に加えて各種評価の得点が表示されていてもよい。
　対応商品判定モジュール２１１が旧商品の情報を受信した（ステップ１００１）後、対応商品判定モジュール２１１は判定対象の旧商品と同一カテゴリである商品に付与する得点（カテゴリ得点という場合がある。）を算出する（ステップ１００２）。例えば、対応商品判定モジュール２１１は、旧商品と同一カテゴリ商品は５点とし、その他の商品は０点としてもよい。また、旧商品と新商品候補のカテゴリが、類似するカテゴリであると予め記憶されたカテゴリ同士である場合には予め決められた得点を付与してもよい。
　本実施形態においては、図３１の最上段のプラスチック定規大に対応する可能性がある新商品候補を例に挙げて説明すると、新商品候補（プラスチック定規Ｌ、プラスチック定規ＬＬ、ウルトラ定規Ｌ）のカテゴリ（文房具）は旧商品（プラスチック定規大）のカテゴリ（文房具）と同一のカテゴリであるため、対応商品判定モジュール２１１はいずれの新商品候補のカテゴリ得点も５点を付与する。当該得点を図３１のカテゴリ得点の欄に表示する。
　対応商品判定モジュール２１１は、第１商品である旧商品の商品名と類似する商品名の商品にその類似度に応じて与える得点（商品名得点という場合がある。）を付与する（ステップ１００３）。
　例えば、対応商品判定モジュール２１１は、旧商品の商品名と新商品候補の商品名との類似度を算出し、算出された類似度に紐づいた予め決められた得点を新商品候補の商品名得点とすることができる。
　本実施形態において対応商品判定モジュール２１１は、例えば、レーベンシュタイン距離に基づき類似度を算出し、算出された値に紐づいた予め決められた得点を新商品候補の商品名得点とする。
　具体的に、図３１の最上段のプラスチック定規大に対応する可能性がある新商品候補を例に挙げて説明する。
　対応商品判定モジュール２１１は、旧商品のプラスチック定規大に対するレーベンシュタイン距離を次のとおり算出する。
　　プラスチック定規Ｌは１である。
　　プラスチック定規ＬＬは２である。
　　ウルトラ定規Ｌは８である。
　対応商品判定モジュール２１１は、レーベンシュタイン距離に紐づいた予め決められた付与する得点は次のとおりである。
　　レーベンシュタイン距離が０である場合には得点は５である。
　　レーベンシュタイン距離が１である場合には得点は４である。
　　レーベンシュタイン距離が２～４である場合には得点は３である。
　　レーベンシュタイン距離が５～８である場合には得点は２である。
　　レーベンシュタイン距離が９～１５である場合には得点は１である。
　　レーベンシュタイン距離が１６以降である場合には得点は０である。
　故に、本実施形態において、対応商品判定モジュール２１１は、新商品候補の商品名得点を次のとおり付与する。
　　プラスチック定規Ｌの商品名得点は４である。
　　プラスチック定規ＬＬの商品名得点は３である。
　　ウルトラ定規Ｌの商品名得点は２である。
　対応商品判定モジュール２１１は、当該得点を図３１の商品名得点の欄に表示する。
　なお、対応商品判定モジュール２１１は、旧商品の商品名と新商品候補の商品名との類似度を算出し、算出された類似度に基づき序列付けを行い、序列ごとに紐づいた予め決められた得点を新商品候補の商品名得点としてもよい。
　対応商品判定モジュール２１１は、旧商品の価格と近似する商品に近似度に応じて与える得点（価格得点という場合がある。）を付与する（ステップ１００４）。
　例えば、対応商品判定モジュール２１１は、新商品候補の価格を旧商品の価格で除した値を１から引いた値の絶対値（価格評価値という場合がある。）を算出し、算出された値に紐づいた予め決められた得点を新商品候補の価格得点とする。
　図３１の最上段のプラスチック定規大に対応する可能性がある新商品候補を例に挙げて本実施形態において対応商品判定モジュール２１１が価格得点を付与するステップ１００４を説明する。
　対応商品判定モジュール２１１は、価格評価値（パーセントで表した値）は次のとおり算出する。
　　プラスチック定規Ｌは０％である。
　　プラスチック定規ＬＬは１７％である。
　　ウルトラ定規Ｌは１７％である。
　対応商品判定モジュール２１１は、価格評価値（パーセントで表した値）に紐づいた予め決められた得点を次のとおり付与する。
　　価格評価値が０％である場合には得点は５である。
　　価格評価値の絶対値が０％より大きく５％未満の場合には得点は４である。
　　価格評価値の絶対値が５％以上１０％未満の場合には得点は３である。
　　価格評価値の絶対値が１０％以上２０％未満の場合には得点は２である。
　　価格評価値の絶対値が２０％以上３０％未満の場合には得点は１である。
　　価格評価値の絶対値が３０％以上である場合には得点は０である。
　故に、本実施形態において、対応商品判定モジュール２１１は、新商品候補の商品名得点を次のとおり付与する。
　　プラスチック定規Ｌの価格得点は５である。
　　プラスチック定規ＬＬの価格得点は２である。
　　ウルトラ定規Ｌの価格得点は２である。
　対応商品判定モジュール２１１は、当該得点が図３１の価格得点の欄に表示する。
　なお、対応商品判定モジュール２１１は、旧商品の価格を新商品候補の価格で除して１から引いた値を算出し、算出された値に基づき序列付け（絶対値が小さいほど高順位とする）を行い、序列ごとに紐づいた予め決められた得点を新商品候補の商品名得点として付与してもよい。
　一段階目の売上抽出条件（ステップ１００５）は新商品売上抽出第１条件が対応新商品抽出フロー８００と同様であり、新商品売上抽出第１条件を満たす商品が無い場合には、次に説明するステップを行わずに計算結果を表示する（ステップ１００７）。
　新商品売上抽出第１条件を満たす商品がある場合には、対応商品判定モジュール２１１は、旧商品の売上推移と近似する商品に近似度に応じて与える得点（売上得点という場合がある。）を付与する（ステップ１００６）。
　例えば、対応商品判定モジュール２１１は、上述する第１の条件、第３の条件又は第４の条件を満たすかを判定するにあたり算出される値（売上評価値）に紐づいた予め決められた得点を新商品候補の売上得点として付与することができる。
　図３１の最上段のプラスチック定規大に対応する可能性がある新商品候補を例に挙げて本実施形態における価格得点を付与する。
　対応商品判定モジュール２１１は、第４の条件を満たすかを判定するにあたり算出される売上評価値（パーセントで表した値）を次のとおり算出する。
　　プラスチック定規Ｌは４．３％である。
　　プラスチック定規ＬＬは１４．９％である。
　　ウルトラ定規Ｌは２３．６％である。
　対応商品判定モジュール２１１は、売上評価値（パーセントで表した値）に紐づいた予め決められた得点を次のとおり付与する。
　　売上評価値の絶対値が０％より大きく５％未満の場合には得点は５である。
　　売上評価値の絶対値が５％以上１０％未満の場合には得点は４である。
　　売上評価値の絶対値が１０％以上２０％未満の場合には得点は３である。
　　売上評価値の絶対値が２０％以上３０％未満の場合には得点は２である。
　　売上評価値の絶対値が３０％以上４０％未満の場合には得点は１である。
　　売上評価値の絶対値が４０％以上である場合には得点は０である。
　故に、本実施形態において、対応商品判定モジュール２１１は、売上得点を次のとおり付与する。
　　プラスチック定規Ｌの売上得点は５である。
　　プラスチック定規ＬＬの売上得点は３である。
　　ウルトラ定規Ｌの売上得点は２である。
　対応商品判定モジュール２１１は、当該得点を図３１の売上得点の欄に表示する。
　なお、対応商品判定モジュール２１１は、上述する第１の条件、第２の条件、第３の条件又は第４の条件を満たすかを判定するにあたり算出される値に基づき序列付けを行い、序列ごとに紐づいた予め決められた得点を付与してもよい。
　対応商品判定モジュール２１１は対応する新商品の情報を受信したかを確認する（ステップ１００８）。
　他の実施形態として、対応商品判定モジュール２１１は、類似度順位が最も高い（総合得点が最も高い）新商品候補を旧商品と対応する新商品であるとして出力する。言い換えれば、対応商品判定モジュール２１１は第１商品に対応する対応商品を抽出することができる。
　具体的には、対応商品判定モジュール２１１は、図３１で示す例においては、旧商品（プラスチック定規大）に対して最も類似度順位が高い（１位）プラスチック定規Ｌを旧商品（プラスチック定規大）と対応する新商品であるとして出力する。
　対応する新商品の情報を受信しない場合には、対応商品判定モジュール２１１は対応する新商品がないことを記憶する指令を受信したかを確認する（ステップ１０１１）。その他のステップについては上述する対応新商品抽出フロー８００と同じである。
　図１１は、対応商品判定モジュール２１１が実施する対応旧商品評価フロー１１００の例である。
　対応旧商品評価フロー１１００は、第１商品である旧商品に対応する可能性が高い旧商品の評価を判定するフローである。以下で、対応新商品評価フロー１０００と異なる点のみ説明する。以下で図３０を用いて説明する。
　図３０の画面の例における「対応する新商品を判定する」が選択されると対応商品判定モジュール２１１は旧商品の情報を受信した（図１１におけるステップ１１０１）こととなる。その後、以降で説明する各種評価を実行（ステップ１１０２～ステップ１１０６）する。
　対応旧商品評価フロー１１００における一段階目の売上抽出条件（ステップ１１０５）は、判定対象の新商品の売上が増加した期間中に、売上が減少した商品を抽出するための条件であるため、対応新商品評価フロー１０００におけるステップと異なる。
　対応旧商品評価フロー１１００における一段階目の売上抽出条件（ステップ１１０５）は、対応旧商品抽出フロー９００の旧商品売上抽出第１条件と同じであるため説明を省略する。
　対応商品判定モジュール２１１は、第１商品と第２商品が対応するかを判定するための学習処理を行う。例えば対応商品判定モジュール２１１は、商品情報ＤＢに記憶される各種の情報を用いて学習処理を行う。学習処理（機械学習）は、人間が自然に行っている学習能力と同様の機能をコンピュータで実現するための処理である。学習処理としては、問題である入力とそれに対する解答であるラベル（以下、教師データとする）のペアを与えて、それに基づき学習する教師あり学習である。例えば対応商品判定モジュール２１１は判定モデルを用いて学習処理（第１商品と第２商品が対応するかを判定する）を行う。例えば入力（入力データ）とラベル（教師データ）のペアを判定モデルに与えると、判定モデルは、これらのペアから共通する特徴（ルール）を見つけ出す処理を行う。学習処理は、ニューラルネットワークを用いたディープラーニング処理であってもよい。
　図１２は、対応商品判定モジュール２１１が実施する対応商品予測フロー１２００の例である。以下で、対応新商品評価フロー１０００と異なる点のみ説明する。
　対応商品予測フロー１２００によると対応商品判定モジュール２１１は、第１商品と、第１商品と対応するか判定される第２商品と、の情報（第１商品及び第２商品に関する、其々の商品名情報、其々の売上データ、其々の価格情報、其々の商品カテゴリ情報のうち少なくとも１つ）を入力として、判定モデルを用いて、第１商品と第２商品とが対応する可能性を出力（判定）する。なお、入力する情報は、上述する情報のうちの１つでもよく、複数でもよい。
　本実施形態における、対応商品判定モジュール２１１が判定モデルを用いて実行する学習処理で用いる教師データは、対応する商品同士の情報、対応する商品同士の商品カテゴリの類似度（カテゴリが異なると類似度は低く、類似であると類似度は標準であり、同一であると類似度は高い）の情報、対応する商品同士の商品名類似度の情報、対応する商品同士の価格近似度の情報及び対応する商品同士の売上期間の情報のうちの少なくとも１つを含む。また、教師データとして、対応しない商品同士の情報、対応しない商品同士の商品カテゴリの類似度の情報、対応しない商品同士の商品名類似度、対応しない商品同士の価格近似度、又は対応しない商品同士の売上期間の情報を含んでいてもよい。なお、教師データとして記憶する情報は、上述する情報のうち１つでもよく、複数でもよい。
　なお、判定サーバ１０１は判定モデルを、上述した教師データに基づき、ニューラルネットワークなどの機械学習アルゴリズムを用いた機械学習によって生成できる。
　対応する商品同士の情報とは、対応する商品同士の商品カテゴリ情報、対応する商品同士の商品名情報、対応する商品同士の価格情報、及び対応する商品同士の売上データのうち少なくとも１つを含む。
　対応しない商品同士の情報とは、対応しない商品同士の商品カテゴリ、対応しない商品同士の商品名、対応しない商品同士の価格、及び対応しない商品同士の売上データのうち少なくとも１つを含む。ここでいう、商品同士とは、第１商品と第１商品以外の商品であり、第１商品以外の商品はランダムに選定されてもよく、利用者に特定されてもよい。
　商品同士の売上期間の情報とは、対応する商品同士のうちの、一方の商品の販売開始時（時系列の売上データが０から０より大きい値となったとき）から他方の商品の販売終了時（時系列の売上データが０より大きい値から０となったとき）までの期間、及び当該一方の商品の販売終了時から当該他方の商品の販売開始時までの期間、のうちの短い方の期間である。
　本実施形態においては、対応商品判定モジュール２１１が対応新商品抽出フロー８００、対応旧商品抽出フロー９００、対応新商品評価フロー１０００、対応旧商品評価フロー１１００又は対応商品予測フロー１２００に沿って処理を実行することで、上述した教師データが商品情報ＤＢ２０７に記憶される。
　すなわち、対応商品判定モジュール２１１が対応新商品抽出フロー８００、対応旧商品抽出フロー９００、対応新商品評価フロー１０００、対応旧商品評価フロー１１００又は対応商品予測フロー１２００を実行すればするほど、教師データの蓄積量が増大する。
　図１２で示す対応商品予測フロー１２００において、判定モデルを用いて第１商品と第２商品とが対応する可能性を判定するステップ１２０２を含む。すなわち、対応商品判定モジュール２１１は、第１商品と第２商品の情報（各商品における、商品名、カテゴリ、価格及び売上データ）を入力として受け付けることができ、受け付けた第１商品と第２商品の当該情報を入力として、判定モデルを用いて、第２商品が第１商品に対応する可能性を判定する（対応する可能性が高いほど「１」に近い値を出力し、対応する可能性が高いほど「０」に近い値を出力する。）。この場合における、教師データは、対応する商品同士の商品カテゴリ情報、対応する商品同士の商品名情報、対応する商品同士の価格情報、対応する商品同士の売上データ、対応する商品同士の商品カテゴリの類似度の情報、対応する商品同士の商品名類似度の情報、対応する商品同士の価格近似度の情報及び対応する商品同士の売上期間の情報である。
　なお、対応商品判定モジュール２１１は、入力された第１商品と第２商品の商品カテゴリの類似度を算出し、入力された第１商品と第２商品の商品名の類似度を算出し、入力された第１商品と第２商品の価格の近似度を算出する。
　なお、入力を第１商品と第２商品の売上データとし、教師データを対応する商品同士の売上データとして、判定モデルを用いて対応商品判定モジュール２１１で、両商品が対応する可能性を判定する場合、第１商品と第２商品の其々の売上データが補完関係（一方の売上が減少している場合に他方の売上が増加している関係）にあると、両商品が対応する可能性は高いと判定される（「１」に近い値を出力する）。
　また、入力を第１商品と第２商品の売上データとし、教師データを対応する商品同士の売上期間の情報として、判定モデルを用いて対応商品判定モジュール２１１で、両商品が対応する可能性を判定する場合、第１商品（販売開始時期が第２商品より過去の場合）の販売終了時期と、第２商品の販売開始時期と、が近いほど両商品が対応する可能性は高いと判定される（「１」に近い値を出力する）。
　他の例として、対応商品判定モジュール２１１は、第１商品と第２商品の情報（各商品における、商品名、カテゴリ、価格及び売上データ）を入力として、判定モデルを用いて、第２商品が第１商品に対応する可能性を判定してもよい。この場合における、教師データは、対応する商品同士の商品カテゴリ情報、対応する商品同士の商品名情報、対応する商品同士の価格情報、及び対応する商品同士の売上データである。
　他の例として、対応商品判定モジュール２１１は、第１商品と第２商品の情報（各商品における、商品名、価格及び売上データ）を入力として、判定モデルを用いて、第２商品が第１商品に対応する可能性を判定してもよい。この場合における、教師データは、対応する商品同士の商品名情報、対応する商品同士の価格情報、及び対応する商品同士の売上データである。
　他の例として、対応商品判定モジュール２１１は、第１商品と第２商品における、其々の商品名情報、其々の売上データを入力として、判定モデルを用いて、第２商品が第１商品に対応する可能性を判定してもよい。この場合における、教師データは、対応する商品同士の商品名、対応する商品同士の商品名類似度の情報、及び対応する商品同士の売上データである。
　他の例として、対応商品判定モジュール２１１は、第１商品と第２商品における其々の売上データを入力として、判定モデルを用いて、第２商品が第１商品に対応する可能性を判定してもよい。この場合における、教師データは、対応する商品同士の売上期間の情報である。
　なお、第１商品を複数の商品を含む商品群と設定し、かつ第２商品も当該商品群と設定することで、対応商品判定モジュール２１１は当該商品群の中で対応する可能性が高い商品同士を判定できる。
　対応商品判定モジュール２１１は、第１商品及び第２商品の情報を受信（ステップ１２０１）すると、上述した判定ステップ１２０２を実行する。
　対応商品判定モジュール２１１は判定（ステップ１２０２）を実行した後、判定結果を利用者端末に表示する（ステップ１２０３）。対応商品判定モジュール２１１は、判定結果を表示するに際し、判定モデルが出力した値が予め定められた値より「１」に近い商品同士のみを表示してもよく、判定モデルが出力した値が「１」に近い商品同士から順に表示してもよい。
　なお。対応商品判定モジュール２１１は、判定モデルが出力した値が「１」に最も近い新商品候補を旧商品と対応する新商品であるとして出力する。言い換えれば、対応商品判定モジュール２１１は第１商品に対応する対応商品を抽出できる。
　判定結果を利用者端末１０２に表示するステップ１２０３以降は対応新商品評価フロー１０００と同様のため説明を省略する。
　なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。また、各実施例の構成の一部について、他の構成の追加・削除・置換をすることが可能である。
　また、上記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によりハードウェアで実現してもよい。また、上記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリや、ハードディスク、ＳＳＤ（Solid State Drive）等の記録装置、または、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に置くことができる。
　また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。実際には殆ど全ての構成が相互に接続されていると考えてもよい。
１…判定システム、１０１…判定サーバ、１０２…利用者端末、１０３…管理者端末、２１１…対応商品判定モジュール、２１２…商品グループ表示モジュール、２１３…管理モジュール、２１４…売上予測モジュール、２０７…商品情報ＤＢ

 

Claims (22)

  1. 　複数の商品情報を対応付ける判定サーバであって、
    　判定の基準となる第１の商品に関する情報と、複数の第２の商品に関する情報と、を取得する情報取得手段と、
    　複数の前記第２の商品のうち予め定められた条件を満たす前記第２の商品を対応商品として抽出する抽出手段と、
    　抽出された前記対応商品を前記第１の商品と対応する対応商品として出力する出力手段と、
    を備える、
    ことを特徴とする判定サーバ。
  2. 　前記第１の商品に関する情報及び前記対応商品に関する情報に基づき、前記第１の商品の将来の売上を予測する売上予測手段と、を備える、
    ことを特徴とする請求項１に記載の判定サーバ。
  3. 　前記抽出手段は、
    　前記第１の商品と複数の前記第２の商品に関する、商品名情報、商品カテゴリ情報、価格情報、及び売上データのうちの少なくとも１つを用いて、
    複数の前記第２の商品のうち予め定められた条件を満たす前記第２の商品を対応商品として抽出する、
    ことを特徴とする請求項１又は２に記載の判定サーバ。
  4. 　前記抽出手段は、
    　複数の前記第２の商品のうち、
    　商品カテゴリが前記第１の商品の商品カテゴリと対応する少なくとも１つの前記第２の商品、
    　前記第１の商品の商品名と前記第２の商品の商品名との自然言語処理により算出する類似度が所定の条件を満たす少なくとも１つの前記第２の商品、及び
    　前記第１の商品の価格と前記第２の商品の価格との近似度が所定の条件を満たす少なくとも１つの前記第２の商品、
    のうち少なくとも１つを前記対応商品として抽出する、
    ことを特徴とする請求項３に記載の判定サーバ。
  5. 　前記抽出手段は、
    　前記第１の商品の売上が減少した所定期間内において売上が所定割合で増加した少なくとも１つの前記第２の商品を前記対応商品として抽出する、
    ことを特徴とする請求項３又は４に記載の判定サーバ。
  6. 　前記所定期間は、前記第１の商品の売上が所定の条件で減少したときである基準時から所定期間過去に遡った期間及び前記基準時から所定期間将来に渡った期間を合算した期間である、
    ことを特徴とする請求項５に記載の判定サーバ。
  7. 　前記抽出手段は、
    　前記第１の商品の売上が増加した所定期間内において売上が所定割合で減少した少なくとも１つの前記第２の商品を前記対応商品として抽出する、
    ことを特徴とする請求項３又は４に記載の判定サーバ。
  8. 　前記所定期間は、前記第１の商品の売上が所定の条件で増加したときである基準時から所定期間過去に遡った期間及び前記基準時から所定期間将来に渡った期間を合算した期間である、
    ことを特徴とする請求項７に記載の判定サーバ。
  9. 　前記抽出手段は、
    　前記第１の商品の売上が所定の条件で減少又は増加したときである基準時から所定期間過去に遡った期間における前記第１の商品の売上と、前記基準時から所定期間将来に渡った期間における前記第２の商品の売上と、の差が所定の条件を満たす少なくとも１つの前記第２の商品を前記対応商品として抽出する、
    ことを特徴とする請求項５～８のうちのいずれか１つに記載の判定サーバ。
  10. 　前記抽出手段は、
    　前記基準時から所定期間過去に遡った期間における前記第１の商品の合計売上と前記基準時から所定期間将来に渡った期間における前記第２の商品の合計売上との割合が所定の値より小さい、少なくとも１つの前記第２の商品を前記対応商品として抽出する、
    ことを特徴とする請求項９に記載の判定サーバ。
  11. 　前記抽出手段は、
    　複数の、前記第１の商品と前記第２の商品との所定期間における合算売上に基づき算出する売上の変化が予め定められた条件を満たす少なくとも１つの前記第２の商品を前記対応商品として抽出する、
    ことを特徴とする請求項５～８のうちのいずれか１つに記載の判定サーバ。
  12. 　前記抽出手段は、
    　前記第２の商品に関する前記売上の変化が小さい順から所定の順位以内の少なくとも１つの前記第２の商品を前記対応商品として抽出する、
    ことを特徴とする請求項１１に記載の判定サーバ。
  13. 　前記抽出手段は、
    　前記第１商品及び前記第２の商品の売上を合算して算出する合算売上推移と、前記第１の商品の前記売上予測手段により予測した予測売上推移と、の差が所定の条件を満たす前記第２の商品を前記対応商品として抽出する、
    ことを特徴とする請求項５又は６に記載の判定サーバ。
  14. 　前記抽出手段は、
    　前記第２の商品の其々に、抽出過程において算出された所定の情報又は値に基づく評価点を付与し、
    　前記抽出手段は、
    　付与された前記評価点が最も高い前記第２の商品を前記対応商品として抽出する、
    ことを特徴とする請求項１～１３のうちのいずれか１つに記載の判定サーバ。
  15. 　前記出力手段は、前記第１の商品及び前記対応商品の売上を合算した合算売上推移を出力する、
    ことを特徴とする請求項１～１４のうちのいずれか１つに記載の判定サーバ。
  16. 　対応する商品同士の商品名情報、対応する商品同士の商品カテゴリ情報、対応する商品同士の価格情報及び対応する商品同士の売上データのうちの少なくとも１つを教師データとして用い、
    　入力を前記第１の商品と前記第２の商品に関する、其々の商品名情報、其々の商品カテゴリ情報、其々の価格情報、及び其々の売上データのうちの少なくとも１つとし、出力を前記第１の商品と前記第２の商品とが対応する可能性とする、判定モデルを機械学習により生成するモデル生成手段と、
    　前記其々の商品名情報、前記其々の商品カテゴリ情報、前記其々の価格情報、及び前記其々の売上データのうちの少なくとも１つの入力を受け付ける受付手段と、
    　前記モデル生成手段により生成された判定モデルを用いて、前記受付手段に入力された前記其々の商品名情報、前記其々の商品カテゴリ情報、前記其々の価格情報、及び前記其々の売上データのうちの少なくとも１つから判定される前記第１の商品と前記第２の商品とが対応する可能性を出力する処理手段と、をさらに備える、
    ことを特徴とする請求項３～１５のうちのいずれか１つに記載の判定サーバ。
  17. 　対応する商品同士の商品名情報、対応する商品同士の商品カテゴリ情報、対応する商品同士の価格情報及び対応する商品同士の売上データを教師データとして用い、
    　入力を前記第１の商品と前記第２の商品に関する、其々の商品名情報、其々の商品カテゴリ情報、其々の価格情報、及び其々の売上データとし、出力を前記第１の商品と前記第２の商品とが対応する可能性とする、判定モデルを機械学習により生成するモデル生成手段と、
    　前記其々の商品名情報、前記其々の商品カテゴリ情報、前記其々の価格情報、及び前記其々の売上データの入力を受け付ける受付手段と、
    　前記モデル生成手段により生成された判定モデルを用いて、前記受付手段に入力された前記其々の商品名情報、前記其々の商品カテゴリ情報、前記其々の価格情報、及び前記其々の売上データから判定される前記第１の商品と前記第２の商品とが対応する可能性を出力する処理手段と、をさらに備える、
    ことを特徴とする請求項３～１５に記載の判定サーバ。
  18. 　前記教師データとして、対応する商品同士の商品名類似度の情報、対応する商品同士の商品カテゴリの類似度の情報、及び対応する商品同士の価格近似度の情報のうちの少なくとも１つを含む、
    ことを特徴とする請求項１６又は１７に記載の判定サーバ。
  19. 　対応する商品同士の商品名情報、対応する商品同士の商品名類似度の情報、及び対応する商品同士の売上データを教師データとして用い、
    　入力を前記第１の商品と前記第２の商品に関する、其々の商品名情報、及び其々の売上データとし、出力を前記第１の商品と前記第２の商品とが対応する可能性とする、判定モデルを機械学習により生成するモデル生成手段と、
    　前記其々の商品名情報、及び前記其々の売上データの入力を受け付ける受付手段と、
    　前記モデル生成手段により生成された判定モデルを用いて、前記受付手段に入力された前記其々の商品名情報、及び前記其々の売上データから判定される前記第１の商品と前記第２の商品とが対応する可能性を出力する処理手段と、をさらに備える、
    ことを特徴とする請求項３～１５のうちのいずれか１つに記載の判定サーバ。
  20. 　対応する商品同士のうちの、一方の商品の販売開始時から他方の商品の販売終了時までの期間、及び前記一方の商品の販売終了時から前記他方の商品の販売開始時までの期間、のうちの短い方の期間の情報である売上期間情報を教師データとして用い、
    　入力を、前記第１の商品と前記第２の商品に関する、其々の売上データとし、出力を前記第１の商品と前記第２の商品とが対応する可能性とする、判定モデルを機械学習により生成するモデル生成手段と、
    　前記其々の売上データの入力を受け付ける受付手段と、
    　前記モデル生成手段により生成された判定モデルを用いて、前記受付手段に入力された前記其々の売上データから判定される前記第１の商品と前記第２の商品とが対応する可能性を出力する処理手段と、をさらに備える、
    ことを特徴とする請求項３～１５のうちのいずれか１つに記載の判定サーバ。
  21. 　複数の商品情報を対応付ける判定サーバにおける判定方法であって、
    前記判定サーバは、
    　判定の基準となる第１の商品に関する情報と、前記第１の商品と対応するかの判定がされる複数の第２の商品に関する情報と、を取得し、
    　複数の前記第２の商品のうち予め定められた条件を満たす前記第２の商品を対応商品として抽出し、
    　前記対応商品を前記第１の商品と対応する対応商品として出力する、
    ことを特徴とする判定方法。
  22. 　審査サーバに請求項２１に記載の審査実行方法の各ステップを実行させるためのプログラム。

     
PCT/JP2020/029090 2019-08-08 2020-07-29 商品売上予測に用いる複数の商品情報を対応付ける判定サーバ及び判定方法 WO2021024882A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019-146313 2019-08-08
JP2019146313A JP2021026666A (ja) 2019-08-08 2019-08-08 商品売上予測に用いる複数の商品情報を対応付ける判定サーバ及び判定方法

Publications (1)

Publication Number Publication Date
WO2021024882A1 true WO2021024882A1 (ja) 2021-02-11

Family

ID=74503531

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/029090 WO2021024882A1 (ja) 2019-08-08 2020-07-29 商品売上予測に用いる複数の商品情報を対応付ける判定サーバ及び判定方法

Country Status (2)

Country Link
JP (1) JP2021026666A (ja)
WO (1) WO2021024882A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007272571A (ja) * 2006-03-31 2007-10-18 Nomura Research Institute Ltd マーケティングリサーチ支援サーバ及び方法
JP2015032034A (ja) * 2013-07-31 2015-02-16 キヤノンマーケティングジャパン株式会社 需要予測装置、需要予測システム、制御方法、及びプログラム
WO2016139939A1 (ja) * 2015-03-03 2016-09-09 日本電気株式会社 分析装置、分析方法及びコンピュータ読み取り可能記録媒体

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007272571A (ja) * 2006-03-31 2007-10-18 Nomura Research Institute Ltd マーケティングリサーチ支援サーバ及び方法
JP2015032034A (ja) * 2013-07-31 2015-02-16 キヤノンマーケティングジャパン株式会社 需要予測装置、需要予測システム、制御方法、及びプログラム
WO2016139939A1 (ja) * 2015-03-03 2016-09-09 日本電気株式会社 分析装置、分析方法及びコンピュータ読み取り可能記録媒体

Also Published As

Publication number Publication date
JP2021026666A (ja) 2021-02-22

Similar Documents

Publication Publication Date Title
AU2019261735A1 (en) System and method for recommending automation solutions for technology infrastructure issues
US11551818B2 (en) Computer system and method of presenting information related to basis of predicted value output by predictor
CN109840730B (zh) 用于数据预测的方法及装置
US20140019207A1 (en) Interactive in-memory based sales forecasting
JPWO2020040253A1 (ja) 予測解釈装置、及び予測解釈方法
CN111754278A (zh) 物品推荐方法、装置、计算机存储介质和电子设备
CN110858219A (zh) 物流对象信息处理方法、装置及计算机***
US20180075494A1 (en) Sales promotion processing system and sales promotion processing program
JP2019211974A (ja) 企業分析装置
JP2019145043A (ja) データ管理装置およびデータ管理システム
US20220351051A1 (en) Analysis system, apparatus, control method, and program
KR102119083B1 (ko) 사용자 리뷰 기반 평점 재산정 장치 및 방법, 이를 기록한 기록매체
US20200364537A1 (en) Systems and methods for training and executing a recurrent neural network to determine resolutions
WO2021024882A1 (ja) 商品売上予測に用いる複数の商品情報を対応付ける判定サーバ及び判定方法
JP6489340B1 (ja) 比較対象企業選定システム
JP2010198448A (ja) 金融商品販売支援装置および金融商品販売支援方法
WO2020250810A1 (ja) 情報処理装置、情報処理方法およびプログラム
AU2020201689A1 (en) Cognitive forecasting
JP6861176B2 (ja) プロジェクト見積り支援方法およびプロジェクト見積り支援装置
CN112328899A (zh) 信息处理方法、信息处理装置、存储介质与电子设备
Dey et al. Applying Text Mining to Understand Customer Perception of Mobile Banking App
Al Dakhil et al. Reviews Analysis of Apple Store Applications Using Supervised Machine Learning
JP2021068035A (ja) 営業支援装置
CN112950392A (zh) 信息展示方法、后验信息确定方法及装置及相关设备
US20240242237A1 (en) Customer classification device, customer classification system, customer classification method, and recording medium storing customer classification program

Legal Events

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

Ref document number: 20850691

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20850691

Country of ref document: EP

Kind code of ref document: A1