JP7127763B2 - 解析装置 - Google Patents

Description

本発明は、解析装置に関する。

コンビニエンスストアやスーパーマーケットなどの小売店における販売管理において、ＰＯＳ（Point Of Sale）情報は重要なインプットである。ただし、ＰＯＳ情報だけだと、ある商品がどの程度売れたかは分かっても、その商品がなぜ売れたかについての知見を得ることは難しい。そこで、特許文献１には、商品棚を撮影し、撮影した画像を解析することで商品が商品棚のどの位置に配置されているかを識別し、識別結果と売上データとをマージする技術が開示されている。

特開２０１６－０４８４０９号公報

特許文献１に記載の技術を用いると、商品棚における位置と売り上げとを紐付けることができ、例えば売り上げが最も高い位置を特定することができる。しかしながら、特許文献１に記載の技術では、商品自体の魅力による売り上げへの寄与を無視しているので、導出される棚内の位置と売り上げとの関係は正確さに欠ける。特に、他の商品よりもよく売れる商品が配置された位置が、売り上げの高い位置であると誤って判断される虞がある。

本発明はこうした課題に鑑みてなされたものであり、その目的は、商品の売れ行きを、商品自体の魅力による寄与と商品が配置された棚内の位置の魅力による寄与とに分けて説明することで、商品の売れ行きのより正確な把握を可能とする技術の提供にある。

本発明のある態様は、解析装置に関する。この解析装置は、あるデータ収集期間内の店舗の棚における複数の商品の各々の配置と該店舗の売り上げ情報とを突合することによって得られるデータベースに保持される情報から、該店舗の棚内の位置における商品の売れ行きの度合いにより表される、各商品自体の魅力および棚における位置の魅力の双方が寄与する指標である購買ポテンシャルを算出する第１算出手段と、前記複数の商品の各々について、各商品の配置によらない商品自体の魅力の指標である商品ポテンシャルを取得する取得手段と、前記店舗の棚内の各位置について、前記第１算出手段により算出された前記購買ポテンシャルから、前記取得手段により取得された対応する商品の前記商品ポテンシャルの寄与を除くことで、当該位置の魅力の指標である棚ポテンシャルを算出する第２算出手段と、を備える。

なお、以上の構成要素の任意の組み合わせや、本発明の構成要素や表現を装置、方法、システム、コンピュータプログラム、コンピュータプログラムを格納した記録媒体などの間で相互に置換したものもまた、本発明の態様として有効である。

本発明によれば、商品の売れ行きを、商品自体の魅力による寄与と商品が配置された棚内の位置の魅力による寄与とに分けて説明することで、商品の売れ行きをより正確に把握できる。

第１の実施の形態に係る提案サービスの説明図である。 棚ポテンシャルの算出方法の一例を示す説明図である。 棚ポテンシャルの算出方法の別の例を示す説明図である。 第１の実施の形態に係る提案システムの構成を示す模式図である。 図４の解析サーバのハードウエア構成図である。 図４の解析サーバの機能および構成を示すブロック図である。 図６のマスタデータベースの一例を示すデータ構造図である。 図６の商品ポテンシャル保持部の一例を示すデータ構造図である。 図６の棚ポテンシャル保持部の一例を示すデータ構造図である。 陳列位置提案画面の代表画面図である。 図４の解析サーバにおける一連の処理の流れを示すフローチャートである。 第２の実施の形態に係る提案サービスの説明図である。 第２の実施の形態に係る解析サーバの機能および構成を示すブロック図である。 棚配置提案画面の代表画面図である。 商品配置提案画面の代表画面図である。 発注許否画面の代表画面図である。 自動発注管理画面の代表画面図である。 項目管理画面の代表画面図である。 第１変形例に係る解析サーバにおける一連の処理の流れを示すフローチャートである。 第２変形例に係る解析サーバにおける一連の処理の流れを示すフローチャートである。

以下、各図面に示される同一または同等の構成要素、部材、処理には、同一の符号を付するものとし、適宜重複した説明は省略する。また、各図面において説明上重要ではない部材の一部は省略して表示する。

（第１の実施の形態）
図１は、第１の実施の形態に係る提案サービスの説明図である。本提案サービスでは、コンビニエンスストアやスーパーマーケットなどの小売店の店舗における購買ポテンシャルを、商品ポテンシャルと棚ポテンシャルとの和により求めるモデルを提唱する。
・購買ポテンシャル：ある店舗のある棚内のある位置に陳列（または配置）したある商品の売れ行きの度合いを示す指標。販売個数や売り上げ額や売れ残り数や廃棄数や（売れた数）／（陳列数）などにより表す。
・商品ポテンシャル：ある商品自体の売れ行きの度合いを示す指標。その商品がどの棚のどの位置に陳列されるかに実質的に依らないか、依存性が低い。商品本来の魅力を表す。
・棚ポテンシャル：ある棚内のある位置における売れ行きの度合いを示す指標。その位置にどの商品が陳列されるかに実質的に依らないか、依存性が低い。棚（のなかの各位置）の魅力を表す。

なお、セール（販促）や売り場や店舗自体や店舗周辺のイベントなどによる寄与を考慮してもよい。

本提案サービスでは、商品ポテンシャルと棚ポテンシャルとを分離して分析・評価できる仕組みを画像解析等のデジタル技術を用いて実現する。本提案サービスは、分析した棚内の位置ごとの棚ポテンシャルをメーカや取引先へ開示し、棚ポテンシャルが高い棚へ陳列してもらえる権利を、より低い仕入原価を提示したメーカや取引先に優先的に与える入札制を提供する。これにより、仕入原価を削減することができる。

店舗２ａ、２ｂ、２ｃには監視カメラや店員の携帯端末などの撮像装置２０ａ、２０ｂ、２０ｃが備えられている。本提案サービスを実現する解析サーバ（図１では不図示）は、ネットワークを介して撮像装置２０ａ、２０ｂ、２０ｃから、店舗２ａ、２ｂ、２ｃの棚の画像を収集する。併せて解析サーバは、ネットワークを介して店舗２ａ、２ｂ、２ｃのＰＯＳ装置からＰＯＳデータを収集する。解析サーバは店舗における単位時間ごとの棚の画像を解析することで、棚のどの位置にどの商品が陳列されているかを示す陳列状態情報を生成する。解析サーバは、陳列状態情報とＰＯＳデータとを突合することで、棚のどの位置に陳列されたどの商品がどの程度売れたかを示す突合データを生成し、マスタデータベース（図１では不図示）に格納する。解析サーバは、マスタデータベースに保持される突合データをＡＩ（Artificial Intelligence）等を用いて解析し、どの条件下でどのカテゴリの商品がどの棚内のどの位置でどの程度売れるかを計測し、棚ポテンシャルを算出する。

算出された棚ポテンシャルを参照することで、例えば図１の店舗２ａの棚２２ａについて、棚２２ａ内の各位置に棚ポテンシャル「高い」、「普通」、「低い」のいずれかが設定される。本提案サービスを利用する小売店は、商品の仕入れ先のメーカ３０ａ、３０ｂ、３０ｃとの商談において、店舗２ａの棚２２ａの棚ポテンシャルを開示する。小売店は、「ポテンシャルの高い棚内の位置に優先的に商品を陳列する権利」をレバレッジとする仕入原価の割引交渉を行う。小売店は、最も大きな割引額または割引率を提示したメーカ３０ｃから仕入れた商品（図１ではドリンクＣ）３２ｃを、店舗２ａの棚２２ａ内の位置のうち最も棚ポテンシャルが高い位置２４ａに陳列する。

このように、本提案サービスを利用する小売店は、棚ポテンシャルを利用することで、メーカの協賛金等を原資として商品の仕入原価を低減することができる。メーカは、棚ポテンシャルの高い位置に自社の商品を陳列してもらうことで、競合の商品との差別化を図り、売り上げを伸ばすことができる。

図２は、棚ポテンシャルの算出方法の一例を示す説明図である。本算出方法では、ある特定の商品４２に着目し、棚４０内の様々な位置に陳列されたその商品４２の売れ行きを追跡することで棚ポテンシャルを算出する。店舗の棚４０には、上段左（１）、上段右（２）、下段左（３）、下段右（４）の四つの陳列位置がある。１日目、上段左（１）には商品４２が、上段右（２）には商品４４が、下段左（３）には商品４６が、下段右（４）には商品４８が、それぞれ陳列された。この日の販売個数は、商品４２（上段左（１））が５０個、商品４４（上段右（２））が６０個、商品４６（下段左（３））が１５個、商品４８（下段右（４））が１０個であった。２日目、商品４２は下段左（３）に陳列され、棚４０の他の位置には図２の通りに商品が陳列され、商品４２（下段左（３））の販売個数は２０個であった。３日目、商品４２は上段右（２）に陳列され、棚４０の他の位置には図２の通りに商品が陳列され、商品４２（上段右（２））の販売個数は７０個であった。４日目、商品４２は下段右（４）に陳列され、棚４０の他の位置には図２の通りに商品が陳列され、商品４２（下段右（４））の販売個数は１０個であった。

この結果から、棚４０の棚ポテンシャルは、上段左（１）：５０、上段右（２）：７０、下段左（３）：２０、下段右（４）：１０、と算出される。このように、本算出方法では、棚４０の各位置に同じ商品４２が陳列されたときの売れ行きの度合いを比較することで、棚ポテンシャルを算出する。この場合、同じ商品４２の売れ行きに着目するので、商品間の売れ行きの差による寄与は低減または除去される。

図３は、棚ポテンシャルの算出方法の別の例を示す説明図である。本算出方法では、棚４０の各位置に陳列された各商品の実際の売れ行きから各商品の商品ポテンシャルによる寄与分を除くことで、棚ポテンシャルを算出する。店舗の棚４０には、上段左（１）、上段右（２）、下段左（３）、下段右（４）の四つの陳列位置がある。ある日、上段左（１）には商品４２が、上段右（２）には商品４４が、下段左（３）には商品４６が、下段右（４）には商品４８が、それぞれ陳列された。この日の販売個数は、商品４２（上段左（１））が５０個、商品４４（上段右（２））が７０個、商品４６（下段左（３））が３０個、商品４８（下段右（４））が８０個であった。この販売個数には商品自体の魅力による寄与分が入っているので、この販売個数をそのまま棚ポテンシャルとすることはできない。

そこで、ＰＯＳデータから商品４２、４４、４６、４８の商品ポテンシャルを算出する。図３の例では、商品４４の商品ポテンシャルは商品４２の商品ポテンシャルと同じであり、商品４６の商品ポテンシャルは商品４２の商品ポテンシャルの１．５倍（１．５倍売れる）であり、商品４８の商品ポテンシャルは商品４２の商品ポテンシャルの８倍（８倍売れる）であることが分かった。この商品ポテンシャルと実際の販売個数とを併せて解析する。図３の例では、商品４４、４６、４８のそれぞれの販売個数を、商品４２の販売個数に変換する。商品４４の商品ポテンシャルは商品４２の商品ポテンシャルと同じであるから、商品４４の販売個数「７０」に変換係数「１／１」を乗じることで商品４２の販売個数「７０」が得られる。商品４６の商品ポテンシャルは商品４２の商品ポテンシャルの１．５倍であるから、商品４６の販売個数「３０」に変換係数「１／１．５」を乗じることで商品４２の販売個数「２０」が得られる。商品４８の商品ポテンシャルは商品４２の商品ポテンシャルの８倍であるから、商品４８の販売個数「８０」に変換係数「１／８」を乗じることで商品４２の販売個数「１０」が得られる。このように棚４０の各位置における販売個数を同じ商品４２の販売個数に揃える。

この結果から、棚４０の棚ポテンシャルは、上段左（１）：５０、上段右（２）：７０、下段左（３）：２０、下段右（４）：１０、と算出される。このように、本算出方法では、棚４０の各位置に同じ商品４２が陳列されたと仮定したときの売れ行きの度合いを比較することで、棚ポテンシャルを算出する。この場合、商品ポテンシャルによる寄与分が低減または除去されるので、商品間の売れ行きの差による影響は低減または除去される。

図２および図３を参照して説明される棚ポテンシャルの算出方法は一例であって、他の算出方法が用いられてもよい。例えば、棚の位置と気象・販促条件とをある程度固定した中での商品間の売り上げの差を解析することで商品ポテンシャルを算出し、商品のカテゴリと気象・販促条件とをある程度固定した上で棚の位置ごとの売り上げの差を解析することで棚ポテンシャルを算出してもよい。解析には公知の統計的手法が用いられてもよい。購買ポテンシャルを商品ポテンシャルと棚ポテンシャルとの和としたモデルも一例であって、他のモデルが用いられてもよい。例えば、和ではなく積としてもよく、上述のように販促ポテンシャルなどの他のファクタを導入してもよい。あるいはまた、商品自体の魅力が支配的な商品ポテンシャルと、棚の位置の魅力が支配的な棚ポテンシャルと、を用いる任意のモデルに、本実施の形態の技術的思想を適用することができる。

上記で気象条件（季節含む）を固定する理由は、気象条件が売り上げを左右する大きなファクタのひとつだからである。例えば、同じスキー場の近くのコンビニエンスストアでも、冬と夏とでは棚の売り上げは大きく異なる。また、同じオフィス街にあるコンビニエンスストアでも、雨天のときと晴天のときとでは、おにぎりの棚の売り上げは大きく異なる。

図４は、第１の実施の形態に係る提案システム１０の構成を示す模式図である。提案システム１０は、解析サーバ１２と、ＰＯＳシステム１６と、撮像装置１４と、ＰＯＳ（Point Of Sale）端末１５と、を備える。解析サーバ１２、ＰＯＳシステム１６、撮像装置１４およびＰＯＳ端末１５は、ネットワーク１１を介して互いに通信可能に接続されている。撮像装置１４およびＰＯＳ端末１５は店舗１３に設けられている。撮像装置１４は、店舗に設置された監視カメラや、店舗の店員が所持する携帯端末（スマートフォン等）を含む。

店舗１３には、商品を陳列するひとつ以上の棚が設置されている。撮像装置１４は、この棚を撮影する。撮像装置１４は、撮影した画像のデータを、解析サーバ１２にネットワーク１１を介して送信する。この画像データには、どの棚を撮影した画像であるかを示す棚情報と、撮影時刻を示す時刻情報と、が含まれる。棚情報は、例えば、棚が設置された店舗１３を示す情報および棚の位置を示す情報を含む。あるいはまた、棚情報は、例えば、撮像装置１４を示す情報と該撮像装置１４の向きを示す情報とを含んでもよいし、例えばＧＰＳ等を用いて測位される、撮像装置１４の位置を示す情報を含んでもよい。棚情報は、どの店舗のどの棚かが判別可能な情報であればよい。

ＰＯＳシステム１６は、店舗１３に設置されたＰＯＳ端末１５と通信し、該ＰＯＳ端末１５から、該ＰＯＳ端末１５が設置されている店舗１３における、例えば、商品ごとの売り上げおよび販売個数を示すＰＯＳデータを受信する。ＰＯＳシステム１６は、この受信したＰＯＳデータを商品ごと、店舗ごとに管理するシステムである。ＰＯＳデータは、例えば、ある商品の売上高や売上数などを示す一般的なＰＯＳデータであってもよい。ＰＯＳ端末１５からＰＯＳシステム１６に送られるＰＯＳデータには、例えば、商品のカテゴリなどの情報が含まれてもよい。

なお、図４の例では、ＰＯＳシステム１６は、ＰＯＳ端末１５が設置されている店舗１３とは別個に設けられているが、これに限られず、ＰＯＳシステム１６を店舗１３に設けてもよい。あるいはまた、ＰＯＳシステム１６は、ＰＯＳ端末１５と一体となったものであってもよい。

ＰＯＳシステム１６は、管理するＰＯＳデータを、解析サーバ１２に送信する。
解析サーバ１２は、撮像装置１４から画像データを受信し、ＰＯＳシステム１６からＰＯＳデータを受信する。解析サーバ１２は、受信した画像データおよびＰＯＳデータを用いて、データ解析を行う。

図５は、図４の解析サーバ１２のハードウエア構成図である。ＰＯＳ端末１５、ＰＯＳシステム１６はそれぞれ図５に示される解析サーバ１２のハードウエア構成と同様のハードウエア構成を有してもよい。解析サーバ１２は、メモリ１２１と、プロセッサ１２２と、通信インタフェース１２３と、ディスプレイ１２４と、入力インタフェース１２５と、を含む。これらの要素はそれぞれバス１２６に接続され、バス１２６を介して互いに通信する。

メモリ１２１は、データやプログラムを記憶するための記憶領域である。データやプログラムは、メモリ１２１に恒久的に記憶されてもよいし、一時的に記憶されてもよい。プロセッサ１２２は、メモリ１２１に記憶されているプログラムを実行することにより、解析サーバ１２における各種機能を実現する。通信インタフェース１２３は、解析サーバ１２の外部との間でデータの送受信を行うためのインタフェースである。例えば、通信インタフェース１２３は、無線通信網にアクセスするためのインタフェースや、無線ＬＡＮ（Local Area Network）にアクセスするためのインタフェース等を含む。また、通信インタフェース１２３は、例えば、ＵＳＢ（Universal Serial Bus）等の有線ネットワークのインタフェースを含んでいてもよい。ディスプレイ１２４は、各種情報を表示するためのデバイスであり、例えば、液晶ディスプレイや有機ＥＬ（Electroluminescence）ディスプレイなどである。入力インタフェース１２５は、ユーザからの入力を受け付けるためのデバイスである。入力インタフェース１２５は、例えば、ディスプレイ１２４上に設けられたタッチパネルや、各種入力キー等を含む。

図６は、図４の解析サーバ１２の機能および構成を示すブロック図である。ここに示す各ブロックは、ハードウエア的には、コンピュータのＣＰＵをはじめとする素子や機械装置で実現でき、ソフトウエア的にはコンピュータプログラム等によって実現されるが、ここでは、それらの連携によって実現される機能ブロックを描いている。したがって、これらの機能ブロックはハードウエア、ソフトウエアの組合せによっていろいろなかたちで実現できることは、本明細書に触れた当業者には理解されるところである。

解析サーバ１２は、画像処理部１３１と、ＰＯＳデータ取得部１３２と、突合部１３３と、商品ポテンシャル算出部１３４と、棚ポテンシャル算出部１３５と、表示制御部１３６と、マスタデータベース１３７と、商品ポテンシャル保持部１３８と、棚ポテンシャル保持部１３９と、を備える。

画像処理部１３１は、ネットワーク１１を介して撮像装置１４から、店舗１３の所定の棚の画像を示す画像データを取得する。画像処理部１３１は、取得された画像を解析し、棚のどの位置にどの商品が陳列されているかを示す陳列状態情報を生成する。画像処理部１３１により生成される陳列状態情報は、店舗１３の棚における商品の配置を示す。画像処理部１３１における画像の解析は、公知の画像解析技術により実現されてもよい。

ＰＯＳデータ取得部１３２は、ネットワーク１１を介してＰＯＳシステム１６から、店舗１３における売り上げを示すＰＯＳデータを取得する。

突合部１３３は、画像処理部１３１によって生成された陳列状態情報とＰＯＳデータ取得部１３２によって取得されたＰＯＳデータとを突合することで、棚のどの位置に陳列されたどの商品がどの程度売れたかを示す突合データを生成する。この突合は、例えば陳列状態情報に対応する撮影時刻と、ＰＯＳデータに対応するデータ収集期間と、をマッチングすることにより行われる。例えば、陳列状態情報が５月２１日朝８時に撮影された棚の画像に基づくものである場合、この陳列状態情報は５月２１日の売り上げを示すＰＯＳデータと突合される。突合部１３３は、突合データをマスタデータベース１３７に格納する。

図７は、図６のマスタデータベース１３７の一例を示すデータ構造図である。マスタデータベース１３７は、日付と、その日の天気、温度などの気象条件と、その日に行われたセールやイベントを示す販促条件と、棚を特定する棚ＩＤと、その棚における位置を特定する位置ＩＤと、その棚のその位置に陳列された商品を特定する陳列商品ＩＤと、陳列された商品のカテゴリと、陳列された商品のその日の販売個数と、陳列された商品のその日の廃棄個数と、を対応付けて保持する。

図６に戻り、商品ポテンシャル算出部１３４は、マスタデータベース１３７に保持される情報から、商品自体の売れ行きの度合いを示す商品ポテンシャルを算出する。商品ポテンシャル算出部１３４は、気象条件および販促条件を固定した上である棚のある位置に陳列された商品の販売個数を比較することで、商品の商品ポテンシャルを算出してもよい。例えば、図７の例では、気象条件を「晴れ、２４度」に固定し、販促条件を「なし」に固定すると、棚「Ａ００１」の位置「（１）」に商品「ＸＸ１」が陳列されたときの販売個数が「５０」であり、同じ位置に商品「ＹＹ１」が陳列されたときの販売個数が「７５」であることが分かる。商品ポテンシャル算出部１３４は、この結果から、商品「ＹＹ１」の商品ポテンシャルを商品「ＸＸ１」の商品ポテンシャルの１．５倍と算出する。あるいはまた、商品ポテンシャル算出部１３４は、マスタデータベース１３７に保持されるデータ全体に亘る平均を求めることで、各商品の商品ポテンシャルを算出してもよい。

商品ポテンシャル算出部１３４は、商品ごとに算出された商品ポテンシャルを商品ポテンシャル保持部１３８に格納する。

図８は、図６の商品ポテンシャル保持部１３８の一例を示すデータ構造図である。商品ポテンシャル保持部１３８は、気象条件ごと、カテゴリごとに、各商品の商品ポテンシャルを保持する。具体的には、商品ポテンシャル保持部１３８は、商品のカテゴリと、商品ＩＤと、気象条件と、商品ポテンシャルと、を対応付けて保持する。図８の例では、商品カテゴリ「コールドドリンク」の商品ポテンシャルと商品カテゴリ「おにぎり」の商品ポテンシャルとは独立して設定されるが、両者の間に換算式が設定されてもよい。

図６に戻り、棚ポテンシャル算出部１３５は、マスタデータベース１３７に保持される情報から、店舗１３の棚内の位置における商品の売れ行きの度合いすなわち販売個数を算出する。棚ポテンシャル算出部１３５は、算出された販売個数に対する陳列商品自体の売れ行きによる寄与が抑えられるよう、算出された販売個数を調整することで、店舗１３の棚の棚ポテンシャルを算出する。棚ポテンシャル算出部１３５は、例えば図２や図３を参照して説明された算出方法を用いて棚ポテンシャルを算出する。棚ポテンシャル算出部１３５は、棚内の位置ごとに算出された棚ポテンシャルを棚ポテンシャル保持部１３９に格納する。

一例では、商品ポテンシャル算出部１３４によって算出される商品ポテンシャルと、棚ポテンシャル算出部１３５によって算出される棚ポテンシャルとは互いに独立となる。他の例では、独立とはならないまでも、商品ポテンシャルに対する陳列位置の寄与は抑えられ、棚ポテンシャルに対する商品自体の寄与は抑えられる。

図９は、図６の棚ポテンシャル保持部１３９の一例を示すデータ構造図である。棚ポテンシャル保持部１３９は、気象条件ごと、カテゴリごとに、棚の各位置における棚ポテンシャルを保持する。具体的には、棚ポテンシャル保持部１３９は、棚の棚ＩＤと、その棚の位置の位置ＩＤと、気象条件と、商品のカテゴリと、棚ポテンシャルと、を対応付けて保持する。図９の例では、同じ棚「Ａ００１」の同じ位置「（１）」であっても、商品カテゴリ「コールドドリンク」の棚ポテンシャルと商品カテゴリ「ホットドリンク」の棚ポテンシャルとは独立して設定される。両者の間に換算式が設定されてもよい。同様に、同じ棚の同じ位置であっても、気象条件ごとに異なる棚ポテンシャルが設定される。

図６に戻り、表示制御部１３６は、棚ポテンシャル算出部１３５によって算出された棚ポテンシャルを視覚的に表す画面を生成し、解析サーバ１２のディスプレイや他の装置のディスプレイに表示させる。表示制御部１３６は、例えば陳列位置提案画面２００を生成し、ディスプレイに表示させる。

図１０は、陳列位置提案画面２００の代表画面図である。陳列位置提案画面２００は、表示制御部１３６が棚ポテンシャル保持部１３９を参照することで生成され、棚ポテンシャル算出部１３５によって算出された棚ポテンシャルを視覚的に表す。陳列位置提案画面２００は、店舗の名前を表示する店舗名表示領域２０２と、対象となっている棚の位置を表示する棚位置表示領域２０４と、棚イメージ２０６と、第１提案領域２０８と、第２提案領域２１０と、を有する。第１提案領域２０８および第２提案領域２１０は着色やぼかしや装飾などの視覚的効果により、他の領域と視覚的に区別可能に表示される。第１提案領域２０８および第２提案領域２１０は強調表示されてもよい。第１提案領域２０８は、第２提案領域２１０とは異なる態様で表示されてもよい。

第１提案領域２０８は、棚において棚ポテンシャルが最も高い位置範囲に対応する。第１提案領域２０８は、棚ポテンシャルの数値と、そこに商品を陳列する権利を得るために必要な仕入額および値引き額と、を表示する。第２提案領域２１０は、棚において棚ポテンシャルが二番目に高い位置範囲に対応する。第２提案領域２１０は、棚ポテンシャルの数値と、そこに商品を陳列する権利を得るために必要な仕入額および値引き額と、を表示する。小売店の担当者は、図１０に示される陳列位置提案画面２００を仕入れ先の担当者に見せながら、交渉を行ってもよい。あるいはまた、解析サーバ１２は陳列位置提案画面２００の画面データを、ネットワーク１１を介して仕入れ先の担当者の端末に送信し、該端末のディスプレイに陳列位置提案画面２００が表示されるようにしてもよい。

以上の構成による解析サーバ１２の動作を説明する。
図１１は、図４の解析サーバ１２における一連の処理の流れを示すフローチャートである。解析サーバ１２は、店舗１３の撮像装置１４からネットワーク１１を介して棚の画像を取得する（Ｓ３０２）。解析サーバ１２は、取得された画像を解析することで、画像を取得したときの棚における商品の配置を特定する（Ｓ３０４）。解析サーバ１２は、同じ店舗１３のＰＯＳ端末１５またはＰＯＳシステム１６から、ＰＯＳデータを取得する（Ｓ３０６）。解析サーバ１２は、ステップＳ３０４で特定された棚における商品の配置と、ステップＳ３０６で取得されたＰＯＳデータと、を突合し、結果をマスタデータベース１３７に登録する（Ｓ３０８）。解析サーバ１２は、ポテンシャルを算出するタイミングが到来したか否かを判定する（Ｓ３１０）。該タイミングは、例えば一日の内の決まった時刻や、一週間に一度や、ユーザによる指示の存在であってもよい。解析サーバ１２は、タイミングが到来していない場合（Ｓ３１０のＮＯ）、処理をステップＳ３０２に戻す。解析サーバ１２は、タイミングが到来した場合（Ｓ３１０のＹＥＳ）、マスタデータベース１３７を参照して商品ポテンシャルを算出し、商品ポテンシャル保持部１３８に登録する（Ｓ３１２）。解析サーバ１２は、マスタデータベース１３７およびステップＳ３１２で算出された商品ポテンシャルを参照して棚ポテンシャルを算出し、棚ポテンシャル保持部１３９に登録する（Ｓ３１４）。

上述の実施の形態において、保持部の例は、ハードディスクや半導体メモリである。また、本明細書の記載に基づき、各部を、図示しないＣＰＵや、インストールされたアプリケーションプログラムのモジュールや、システムプログラムのモジュールや、ハードディスクから読み出したデータの内容を一時的に記憶する半導体メモリなどにより実現できることは本明細書に触れた当業者には理解される。

本実施の形態に係る解析サーバ１２によると、棚における陳列位置の魅力を表す棚ポテンシャルを算出することができる。この棚ポテンシャルを様々な場面で利用することができる。例えば、ＡＩ等のインプットとすることで、より正確な需給予測や商品配置の最適化が可能となる。また、棚ポテンシャルは、店舗の経営者がより良い商品配置を考える際の一助となる。

また、図１や図１０を参照して説明した通り、棚ポテンシャルを可視化することで、仕入れ交渉時のレバレッジとして利用することができる。これにより、店舗の経営者にとっては棚の魅力を上げるほど利益が増えるメリットがあり、店舗の運営に関するモチベーションを向上させる効果もある。

（第２の実施の形態）
第１の実施の形態では、棚ポテンシャルを用いて動的に仕入れ値を競売にかける場合を説明した。第２の実施の形態では、棚ポテンシャルを用いて未来のある時点の棚の最適状態を予測する。予測する棚の状態は、どの棚にどのカテゴリの商品をどの程度配置すべきかというレベルとする。ここで、商品までは特定しない。特定しようとするとノイズが増えるからである。その予測を前提に、次は商品ポテンシャルを用いて、どの商品で棚を埋めていくべきかを予測する。

図１２は、第２の実施の形態に係る提案サービスの説明図である。第１の実施の形態で説明された方法により、棚ポテンシャルが商品のカテゴリごとに算出され、棚ポテンシャル保持部１３９に保持される。特に、商品のカテゴリ「コールドドリンク」について、棚５０の棚ポテンシャルは、上段左（１）：５０、上段右（２）：７０、下段左（３）：２０、下段右（４）：１０、と算出される。一方、商品のカテゴリ「ホットドリンク」について、棚５０の棚ポテンシャルは、上段左（１）：６８、上段右（２）：４５、下段左（３）：１５、下段右（４）：１７、と算出される。

第２の実施の形態に係る提案サービスの解析サーバは、カテゴリ「コールドドリンク」の棚ポテンシャルとカテゴリ「ホットドリンク」の棚ポテンシャルとを参照し、棚５０へのその二つのカテゴリの配置を最適化する。例えば、上段左（１）にカテゴリ「ホットドリンク」を、上段右（２）にカテゴリ「コールドドリンク」を、下段左（３）にカテゴリ「コールドドリンク」を、下段右（４）にカテゴリ「ホットドリンク」を、それぞれ割り当てると、棚５０全体の棚ポテンシャルを最大化することができる。解析サーバは、最適化の結果得られた、棚５０へのカテゴリの配置をユーザに提案する。

図１３は、第２の実施の形態に係る解析サーバ５２の機能および構成を示すブロック図である。ここに示す各ブロックは、ハードウエア的には、コンピュータのＣＰＵをはじめとする素子や機械装置で実現でき、ソフトウエア的にはコンピュータプログラム等によって実現されるが、ここでは、それらの連携によって実現される機能ブロックを描いている。したがって、これらの機能ブロックはハードウエア、ソフトウエアの組合せによっていろいろなかたちで実現できることは、本明細書に触れた当業者には理解されるところである。

解析サーバ５２は、画像処理部１３１と、ＰＯＳデータ取得部１３２と、突合部１３３と、商品ポテンシャル算出部１３４と、棚ポテンシャル算出部１３５と、表示制御部１３６と、マスタデータベース１３７と、商品ポテンシャル保持部１３８と、棚ポテンシャル保持部１３９と、提案生成部１５２と、発注部１５４と、を備える。

提案生成部１５２は、商品のカテゴリごとに算出された棚ポテンシャルに基づいて、棚のどの位置にどのカテゴリの商品を配置すべきかを示す提案情報を生成する。提案生成部１５２は、例えば図１２を参照して説明された方法を用いて棚配置提案画面２２０を生成する。表示制御部１３６は、生成された棚配置提案画面２２０をディスプレイに表示させる。

図１４は、棚配置提案画面２２０の代表画面図である。棚配置提案画面２２０は、未来の日付けを表す日付け表示領域２２２と、その日の天気予報を表示する天気予報表示領域２２４と、その日のセール情報を表示するセール情報表示領域２２６と、その日のイベント情報を表示するイベント情報表示領域２２８と、対象の棚への商品カテゴリ配置を提案するための提案配置表示領域２３０と、ＯＫボタン２３２と、を有する。

提案配置表示領域２３０には対象の棚のイメージと共に、どこにどのカテゴリを配置すべきかを視覚的に示す複数のカテゴリオブジェクト２４０、２４２、２４４、２４６、２４８、２５０が配置される。例えば、棚の上から二段目は「おにぎり」オブジェクト２４４で占められ、これは棚の上から二段目は全てカテゴリ「おにぎり」の商品で埋めることを提案する。また、棚の一番下の段は左が「弁当」オブジェクト２４８で、右が「麺類」オブジェクト２５０で占められ、これは棚の一番下の段は左側にカテゴリ「弁当」の商品を、右側にカテゴリ「麺類」の商品を、それぞれ配置することを提案する。なお、各カテゴリオブジェクトは他のカテゴリオブジェクトとは異なる態様で表示されてもよい。あるいはまた、同じカテゴリに対応するカテゴリオブジェクト（図１４の例では、最上段の「おにぎり」オブジェクト２４２と上から二段目の「おにぎり」オブジェクト２４４）は同じ態様で表示されてもよい。

ユーザは、棚配置提案画面２２０で提案されるカテゴリ配置に満足しない場合、カテゴリオブジェクトをドラッグ＆ドロップすることによりカテゴリを再配置してもよい。各カテゴリオブジェクトは拡大・縮小が可能なように構成されてもよい。新たなカテゴリの配置を可能とするインタフェースが提供されてもよい。棚配置提案画面２２０において必要に応じてカテゴリ配置をカスタマイズした後、ユーザがＯＫボタン２３２を指定すると、提案生成部１５２はそのときの提案配置表示領域２３０におけるカテゴリ配置を取得する。

図１３に戻り、発注部１５４は、提案生成部１５２で生成された提案情報と商品ポテンシャル保持部１３８に保持される商品ポテンシャルとに基づいて棚のどの位置にどの商品を配置すべきかを決定し、該決定の結果に基づいて商品を発注するための処理を行う。図１４の例でユーザがＯＫボタン２３２を指定すると、提案生成部１５２はそのときの提案配置表示領域２３０におけるカテゴリ配置を取得する。発注部１５４は、取得されたカテゴリ配置の各カテゴリに適切な商品を割り当てる。例えば発注部１５４は、商品ポテンシャルと在庫数と仕入れ値とを考慮して各カテゴリへの商品の割り当てを決定する。発注部１５４は、図１４の棚配置提案画面２２０を介して指定されたカテゴリに商品を割り当てた状態を示す商品配置提案画面２３４を生成し、生成された商品配置提案画面２３４をディスプレイに表示させる。

図１５は、商品配置提案画面２３４の代表画面図である。商品配置提案画面２３４は、日付け表示領域２２２と、天気予報表示領域２２４と、セール情報表示領域２２６と、イベント情報表示領域２２８と、対象の棚への商品配置を提案するための商品配置表示領域２３６と、ＯＫボタン２３８と、を有する。

商品配置表示領域２３６には対象の棚のイメージおよびカテゴリオブジェクトと共に、どこにどの商品を配置すべきかを視覚的に示す複数の商品オブジェクト２５２が配置される。各商品オブジェクトは他の商品オブジェクトとは異なる態様で表示されてもよい。あるいはまた、同じ商品に対応する商品オブジェクトは同じ態様で表示されてもよい。商品オブジェクト２５２の操作については、カテゴリオブジェクトの操作と同様である。

図１５の例でユーザがＯＫボタン２３８を指定すると、発注部１５４はそのときの商品配置表示領域２３６における商品配置を取得する。発注部１５４は、取得した商品配置を実現するために必要な商品数と、不図示の在庫データベースに保持される商品の在庫数とを比較する。発注部１５４は、在庫が不足すると予測される場合、在庫の不足を解消するような商品の発注数を決定する。発注部１５４は、決定された発注数分の商品の発注の許可をユーザに求めるための発注許否画面２６０を生成し、生成された発注許否画面２６０をディスプレイに表示させる。

図１６は、発注許否画面２６０の代表画面図である。発注許否画面２６０は、日付け表示領域２２２と、天気予報表示領域２２４と、セール情報表示領域２２６と、イベント情報表示領域２２８と、発注内容を表示する発注内容表示領域２６２と、ＯＫボタン２６４と、後でボタン２６６と、を有する。ユーザがＯＫボタン２６４を指定すると、発注部１５４は、決定された商品の発注数を含む発注データを生成し、ネットワーク１１を介して仕入れ先のメーカのサーバ（不図示）に送信する。ユーザが後でボタン２６６を指定すると、発注部１５４は発注を保留するための処理を行う。

発注部１５４は、ユーザへの発注の問い合わせを行わずに自動で発注処理を行ってもよい。その場合、発注部１５４は、自動発注管理画面４００を介して予め自動発注の諸条件をユーザから取得する。

図１７は、自動発注管理画面４００の代表画面図である。自動発注管理画面４００は、自動発注を適用するか否かの指定が可能な適用トグルスイッチ４０２と、店舗名の入力を受け付けるかデフォルトで店舗名が表示される店舗名入力領域４０４と、担当者名の入力を受け付けるかデフォルトで担当者名が表示される担当者名入力領域４０６と、ユーザによる発注タイミングの指定が可能な発注タイミング指定領域４０８と、営業時間の入力を受け付けるかデフォルトで営業時間が表示される営業時間入力領域４１０と、店舗が実施するキャンペーンの情報が表示される店舗実施キャンペーン表示領域４１２と、店舗個別の施策を指定可能な個別施策指定領域４１４と、後述の項目管理画面へのリンクである項目管理画面リンク４１６と、を有する。

ユーザは、発注タイミング指定領域４０８において、所望の自動発注のタイミングに対応するチェックボックスにチェックを入れる。店舗実施キャンペーン表示領域４１２には、年間、当月および期間指定のうちユーザが指定した期間内に、当該店舗で実施されるキャンペーンの情報が表示される。店舗実施キャンペーン表示領域４１２は、店舗がチェーン店やフランチャイズである場合、本部のデータとの連携が可能なように構成される。図１７の例では、店舗実施キャンペーン表示領域４１２内の「本部データ連携」リンクが指定されると、本部のサーバに保持されるキャンペーン情報のなかから当該店舗に関係のあるものが店舗実施キャンペーン表示領域４１２に表示される。

ユーザは、個別施策指定領域４１４で、当該店舗における個別的な施策を選択することができる。例えば、ユーザは、個別施策の有無、廃棄率の許容度の設定、販売強化商品の設定、販売抑制商品の設定、運営方針の設定、を行うことができる。

図１７の自動発注管理画面４００において項目管理画面リンク４１６が指定されると、発注部１５４は、項目管理画面４２０を生成し、生成された項目管理画面４２０をディスプレイに表示させる。

図１８は、項目管理画面４２０の代表画面図である。項目管理画面４２０には需要予測および自動発注を行う際に考慮することができる項目（変数）のリストが表示される。項目管理画面４２０は、各項目について、それを予測に使うか、使わないかを指定可能に構成される。特に項目管理画面４２０では、棚ポテンシャルを使用するか否か、および商品ポテンシャルを使用するか否かを指定することができる。

本実施の形態に係る解析サーバ５２によると、棚ポテンシャルに基づいて最適な棚内の商品のカテゴリ配置を提案することができ、さらに、商品ポテンシャルを元に精度の高い自動発注をすることが可能となる。したがって、店舗における発注作業を効率化しつつ、店舗の売り上げを高めることができる。

また、本実施の形態に係る解析サーバ５２によると、棚ポテンシャルに基づいて棚へのカテゴリ配置を提案することができる。棚ポテンシャルは商品自体の魅力による寄与が抑えられたパラメータであるから、提案されるカテゴリ配置も商品自体の魅力による影響が小さいものとなる。したがって、ユーザ（店舗の経営者）は提案されたカテゴリ配置を見ることで、棚の魅力を引き出すカテゴリ配置を知ることができる。

以上、実施の形態に係る解析サーバの構成と動作について説明した。これらの実施の形態は例示であり、各構成要素や各処理の組み合わせにいろいろな変形例が可能なこと、またそうした変形例も本発明の範囲にあることは当業者に理解される。

第１および第２の実施の形態では、棚の画像を解析することにより棚における商品の配置を取得する場合を説明したが、これに限られず、例えば、店舗の店員が手動で商品配置を入力してもよいし、棚の各位置にバーコードを添付する、商品／棚の各位置にＩＣタグを添付して読み取る等の自動化手段により商品の配置を取得してもよい。

第１および第２の実施の形態において、マスタデータベース１３７は店舗ごとに作成、維持される。したがって、マスタデータベース１３７に保持される情報は対応する店舗の特性、くせ、傾向等が反映されたデータとなる。第２の実施の形態では、そのようなマスタデータベース１３７に保持される情報に基づいて最適なカテゴリ配置の提案および自動発注処理が行われるので、そのような提案内容は店舗の特性等を反映したより精度の高いものとなる。

あるいはまた、第１の実施の形態において、本部の傘下にある全ての店舗のマスタデータベース１３７を統合して統合データベースを作成し、該統合データベースに基づいて商品ポテンシャルおよび棚ポテンシャルを算出してもよい。また、立地環境が似ている店舗のグループについて、マスタデータベース１３７を統合して統合データベースを作成し、該統合データベースに基づいて商品ポテンシャルおよび棚ポテンシャルを算出してもよい。この場合、図１０の陳列位置提案画面２００に表示される棚への陳列位置の提案は、店舗ごとではなく店舗のグループごとになる。

第２の実施の形態において、商品が足りなくなることが予測される場合、仕入れ先に発注する代わりに同じ系統または同じブランドの他店舗から在庫を融通してもらってもよい。

第２の実施の形態において、品だし時に店員の携帯端末またはＰＯＳ端末１５のディスプレイに商品配置提案画面２３４の商品配置表示領域２３６を表示させてもよい。この場合、品だしを効率化することができる。

第１の実施の形態では、画像処理部１３１が、ネットワーク１１を介して撮像装置１４から、店舗１３の所定の棚の画像を示す画像データを取得し、取得された画像を解析し、棚のどの位置にどの商品が陳列されているかを示す陳列状態情報を生成する場合を説明したが、これに限られない。例えば、生成される陳列状態情報の精度をより向上させるために、第１変形例に係る画像処理部は、ＰＯＳデータ取得部１３２が取得するＰＯＳデータを補助データとして用いて陳列状態情報を生成してもよい。例えば、画像処理部は、店舗１３の所定の棚の画像を示す画像データの撮影時刻にマッチするデータ収集期間を有するＰＯＳデータを補助データとして用いることができる。これにより、公知の画像解析技術のみを適用する場合よりも、その時間に売れた商品の情報があるため、精度の高い解析結果が得られることが期待できる。

図１９は、第１変形例に係る解析サーバにおける一連の処理の流れを示すフローチャートである。解析サーバは、店舗１３の撮像装置１４からネットワーク１１を介して棚の画像を取得する（Ｓ３０２）。解析サーバは、同じ店舗１３のＰＯＳ端末１５またはＰＯＳシステム１６から、ＰＯＳデータを取得する（Ｓ３２２）。解析サーバは、ステップＳ３０２で取得された棚の画像とステップＳ３２２で取得されたＰＯＳデータとに基づいて、画像を取得したときの棚における商品の配置を特定し、陳列状態情報を生成する（Ｓ３２４）。解析サーバは、ステップＳ３２４で生成された陳列状態情報と、ステップＳ３２２で取得されたＰＯＳデータと、を突合し、その結果得られる突合データをマスタデータベース１３７に登録する（Ｓ３２６）。以降のステップＳ３１０、Ｓ３１２、Ｓ３１４は図１１のものと同様である。

なお、陳列状態情報の生成と突合処理とを統合してもよい。図２０は、第２変形例に係る解析サーバにおける一連の処理の流れを示すフローチャートである。解析サーバは、店舗１３の撮像装置１４からネットワーク１１を介して棚の画像を取得する（Ｓ３０２）。解析サーバは、同じ店舗１３のＰＯＳ端末１５またはＰＯＳシステム１６から、ＰＯＳデータを取得する（Ｓ３２２）。解析サーバは、ステップＳ３０２で取得された棚の画像とステップＳ３２２で取得されたＰＯＳデータとに基づいて、画像を取得したときの棚における商品の配置を特定し、棚のどの位置に陳列されたどの商品がどの程度売れたかを示す突合データを生成する（Ｓ３２８）。突合データはマスタデータベース１３７に登録される。以降のステップＳ３１０、Ｓ３１２、Ｓ３１４は図１１のものと同様である。

１０ 提案システム、 １１ ネットワーク、 １２ 解析サーバ、 １３ 店舗、 １４ 撮像装置、 １５ ＰＯＳ端末、 １６ ＰＯＳシステム。

Claims (5)

1. あるデータ収集期間内の店舗の棚における複数の商品の各々の配置と該店舗の売り上げ情報とを突合することによって得られるデータベースに保持される情報から、該店舗の棚内の位置における商品の売れ行きの度合いにより表される、各商品自体の魅力および棚における位置の魅力の双方が寄与する指標である購買ポテンシャルを算出する第１算出手段と、
   前記複数の商品の各々について、各商品の配置によらない商品自体の魅力の指標である商品ポテンシャルを取得する取得手段と、
   前記店舗の棚内の各位置について、前記第１算出手段により算出された前記購買ポテンシャルから、前記取得手段により取得された対応する商品の前記商品ポテンシャルの寄与を除くことで、当該位置の魅力の指標である棚ポテンシャルを算出する第２算出手段と、
   を備える解析装置。
2. 前記商品ポテンシャルは、前記複数の商品のうち基準とされる商品と他の商品との間のポテンシャルの比を表す、請求項１に記載の解析装置。
3. 前記解析装置はさらに、
   前記店舗の棚内の少なくとも２つの位置について、それぞれ算出された前記棚ポテンシャルと、それぞれの位置に商品を陳列する権利を取引先に与えるための、商品の仕入れまたは割引きに関する値とを視覚的に表す画面を生成する第１生成手段、
   を備える、請求項１または２に記載の解析装置。
4. 前記第２算出手段は、前記棚ポテンシャルを商品のカテゴリごとに算出し、
   前記解析装置はさらに、
   算出された前記カテゴリごとの前記棚ポテンシャルに基づいて、棚のどの位置にどのカテゴリの商品を配置すべきかを示す提案情報を生成する第２生成手段、
   を備える、請求項１から３のいずれか一項に記載の解析装置。
5. 前記提案情報と前記商品ポテンシャルとに基づいて棚のどの位置にどの商品を配置すべきかを決定し、該決定の結果に基づいて商品を発注するための処理を行う処理手段、
   をさらに備える、請求項２に従属する請求項４に記載の解析装置。

Images