特開 2024-118986 棚割最適化方法、プログラム、及び棚割最適化システム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2024118986

(43)【公開日】2024-09-02

(54)【発明の名称】棚割最適化方法、プログラム、及び棚割最適化システム

(51)【国際特許分類】

   G06Q 30/0201 20230101AFI20240826BHJP

【ＦＩ】

G06Q30/0201

【審査請求】未請求

【請求項の数】10

【出願形態】ＯＬ

(21)【出願番号】P 2023025634

(22)【出願日】2023-02-21

(71)【出願人】

【識別番号】517255566

【氏名又は名称】株式会社エクサウィザーズ

(72)【発明者】

【氏名】川畑 慧士郎

(72)【発明者】

【氏名】岩崎 哲

【テーマコード（参考）】

5L030

5L049

【Ｆターム（参考）】

5L030BB02

5L049BB02

(57)【要約】

【課題】本発明は、棚割最適化方法、プログラム、及び棚割最適化システムを提供する。
【解決手段】本実施形態に係る情報処理装置が実行する棚割最適化方法によれば、在庫管理における最小単位にて分けられた商品ごとの顧客に紐付けられた購買情報を取得し、当該購買情報を基に類似度が高い前記商品同士を組み合わせたクラスタを生成するクラスタリングステップと、前記購買情報を基に所定の前記顧客が前記クラスタにおける前記商品ごとの購入可能性を示す値を推定する推定ステップと、同一の前記クラスタ内の前記商品のうち、特定の前記商品を商品棚から削除するカット商品と仮定した場合に前記顧客の離脱が発生する割合を算出し、前記割合が所定の範囲内である場合に前記カット商品と仮定した特定の前記商品を前記カット商品の候補として決定する決定ステップと、を含む。
【選択図】図１２

【特許請求の範囲】

【請求項1】

情報処理装置が実行する棚割最適化方法であって、
在庫管理における最小単位にて分けられた商品ごとの顧客に紐付けられた購買情報を取得し、当該購買情報を基に類似度が高い前記商品同士を組み合わせたクラスタを生成するクラスタリングステップと、
前記購買情報を基に所定の前記顧客が前記クラスタにおける前記商品ごとの購入可能性を示す値を推定する推定ステップと、
同一の前記クラスタ内の前記商品のうち、特定の前記商品を商品棚から削除するカット商品と仮定した場合に前記顧客の離脱が発生する割合を算出し、前記割合が所定の範囲内である場合に前記カット商品と仮定した特定の前記商品を前記カット商品の候補として決定する決定ステップと、
を含む棚割最適化方法。

【請求項2】

前記情報処理装置は、前記クラスタリングステップにおいて、階層的な前記クラスタを生成する、
請求項１に記載の棚割最適化方法。

【請求項3】

前記情報処理装置は、前記推定ステップにおいて、前記購買情報の少なくとも一部を構成する購買実績から成る行列に対して行列分解して得られる前記顧客の特徴を表す行列と、在庫管理における最小単位にて分けられた前記商品ごとの特徴とを表す行列との積である再構成行列の要素を前記購入可能性を示す値と推定する、
請求項１に記載の棚割最適化方法。

【請求項4】

前記情報処理装置は、前記推定ステップにおいて、前記顧客を特定の集団に絞った上で絞った当該顧客における前記購買情報の少なくとも一部を構成する購買実績から成る行列に対して行列分解して得られる前記顧客の特徴を表す行列と、在庫管理における最小単位にて分けられた前記商品ごとの特徴とを表す行列との積である再構成行列の要素を前記購入可能性を示す値と推定する、
請求項１に記載の棚割最適化方法。

【請求項5】

前記情報処理装置は、前記クラスタリングステップにおいて複数の前記クラスタを生成すると共に、
前記決定ステップを複数の前記クラスタごとに実行し、前記カット商品を複数決定する、
請求項１に記載の棚割最適化方法。

【請求項6】

前記情報処理装置は、予め前記商品棚から削除しない前記商品に関する情報である非削除商品情報を取得し、
前記決定ステップにおいて、非削除商品情報に係る前記商品を除外した前記商品の中から前記カット商品を決定する、
請求項１に記載の棚割最適化方法。

【請求項7】

前記情報処理装置は、前記決定ステップにおいて、特定の前記商品を商品棚から削除するカット商品と仮定した場合に前記顧客の離脱が発生する前記割合を算出し、当該割合が最も低い前記商品と、当該割合が２番目に低い前記商品との当該割合の差が所定の閾値よりも小さい場合、所定の評価に基いて前記カット商品の候補を決定する、
請求項１に記載の棚割最適化方法。

【請求項8】

前記情報処理装置は、前記決定ステップにおいて、前記カット商品の候補ごとの前記割合の累計が所定の閾値以下である場合に、当該候補を前記カット商品として決定する、
請求項１に記載の棚割最適化方法。

【請求項9】

在庫管理における最小単位にて分けられた商品ごとの顧客に紐付けられた購買情報を取得し、当該購買情報を基に類似度が高い前記商品同士を組み合わせたクラスタを生成するクラスタリングステップと、
前記購買情報を基に所定の前記顧客が前記クラスタにおける前記商品ごとの購入可能性を示す値を推定する推定ステップと、
同一の前記クラスタ内の前記商品のうち、特定の前記商品を商品棚から削除するカット商品と仮定した場合に前記顧客の離脱が発生する割合を算出し、前記割合が所定の範囲内である場合に前記カット商品と仮定した特定の前記商品を前記カット商品の候補として決定する決定ステップと、
をコンピュータに実行させるプログラム。

【請求項10】

店舗での在庫管理における最小単位にて分けられた商品ごとの顧客に紐付けられた購買情報を取得する購買情報取得装置と、
前記購買情報を基に所定の前記顧客が類似度が高い前記商品同士を組み合わせたクラスタにおける前記商品ごとの購入可能性を示す値を推定し、特定の前記商品を商品棚から削除するカット商品の候補を決定する棚割制御装置と、
決定された前記カット商品の候補に関する情報を出力する出力装置と、
を備え、
前記購買情報を取得し、前記クラスタを生成するクラスタリングステップと、
前記購買情報を基に所定の前記顧客が前記クラスタにおける前記商品ごとの購入可能性を示す値を推定する推定ステップと、
同一の前記クラスタ内の前記商品のうち、特定の前記商品を前記カット商品と仮定した場合に前記顧客の離脱が発生する割合を算出し、前記割合が所定の範囲内である場合に前記カット商品と仮定した特定の前記商品を前記カット商品の候補として決定する決定ステップと、
決定された前記カット商品の候補に関する情報を出力する出力ステップと、
を実行させる棚割最適化システム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、棚割最適化方法、プログラム、及び棚割最適化システムに関する。

【背景技術】

【0002】

小売業における商品の陳列（レイアウト）は、販売に影響すると共に売上や在庫にも影響する。商品の売り上げや利益率情報を基に商品を商品棚に陳列するための棚割を支援するシステムが提案されている。なお、商品棚を単に棚ともいう。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特許第６０９２７５７号

【発明の概要】

【発明が解決しようとする課題】

【0004】

ところで、このような小売店における棚割管理において、利用や収益の向上のために、商品棚に陳列されるＳＫＵ（Stock Keeping Unit；在庫管理における最小単位）を適切に制御することが難しい。

【0005】

本発明は、上記の課題を鑑みてなされたものであり、棚割を適切に管理することを目的とする。

【課題を解決するための手段】

【0006】

一実施形態にかかる情報処理装置が実行する棚割最適化方法によれば、在庫管理における最小単位にて分けられた商品ごとの顧客に紐付けられた購買情報を取得し、当該購買情報を基に類似度が高い前記商品同士を組み合わせたクラスタを生成するクラスタリングステップと、前記購買情報を基に所定の前記顧客が前記クラスタにおける前記商品ごとの購入可能性を示す値を推定する推定ステップと、同一の前記クラスタ内の前記商品のうち、特定の前記商品を商品棚から削除するカット商品と仮定した場合に前記顧客の離脱が発生するか否かを判定し、前記顧客の離脱が発生しないと判定した際に前記カット商品と仮定した特定の前記商品を前記カット商品として決定する決定ステップと、を含む。

【発明の効果】

【0007】

一実施形態によれば、ＳＫＵを適切に制御することが期待できる。

【図面の簡単な説明】

【0008】

【図1】本実施形態に係る棚割最適化システムの概要を説明するための模式図である。

【図2】本実施形態に係る棚割最適化システムの構成の一例を示す図である。

【図3】情報処理装置のハードウェア構成の一例を示す図である。

【図4】端末装置のハードウェア構成の一例を示す図である。

【図5】情報処理装置の機能構成の一例を示す図である。

【図6】クラスタ情報の一構成例を示す模式図である。

【図7】デンドログラムの一例を示す図である。

【図8】購買情報の一構成例を示す模式図である。

【図9】再構成行列の一例を示す模式図である。

【図10】再構成行列の一例を示す模式図である。

【図11】端末装置の機能構成の一例を示す図である。

【図12】情報処理装置が実行する制御処理の一例を示すフローチャートである。

【発明を実施するための形態】

【0009】

以下、本発明の各実施形態について、添付の図面を参照しながら説明する。なお、各実施形態に係る明細書及び図面の記載に関して、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複した説明を省略する。

【0010】

＜システム概要＞
本実施形態に係る棚割最適化システムの概要について図１を用いて説明する。図１は、本実施形態に係る棚割最適化システムの概要を説明するための模式図である。

【0011】

本実施形態に係る棚割最適化システムは、商品棚の効率的な利用や収益の向上のために、商品棚に陳列されるＳＫＵを制御するためのシステムである。一例として、本システムは、商品棚の効率的な利用や収益の向上を目的とし、ＳＫＵ（請求項１に記載の「在庫管理における最小単位」に相当）の数（ＳＫＵ数）を削減（縮小）するための制御を行う（図１参照）。

【0012】

図１の左図、及び右図は、小売店Ａに設けられる商品棚Ａの棚割を例示する。図１の左図は、従来の商品棚Ａの棚割を例示したものである。また、図１の右図は、本実施形態に係る棚割最適化方法を用いて棚割を変更した後の商品棚Ａの棚割を例示したものである。

【0013】

本実施形態に係る商品棚は、図１に例示するように、商品が陳列される一以上の底板を備える。この底板は、棚段又は単に段ともいう。また、図１に例示する商品棚Ａは、５つ（５枚）の棚段を備え、各棚段を、下から順に、１段目、２段目、・・・、５段目と呼ぶ。また、本実施形態に係る商品棚には商品が陳列されるものとする。

【0014】

また、本実施例に係る小売店Ａは、複数のＳＫＵから構成される商品を顧客に販売し、同一ＳＫＵ（の商品）を同一の棚段に陳列するものとする。図１の左図に例示する点線は、同一ＳＫＵの商品が陳列される位置（領域）を例示したものであり、この位置は左下隅を原点とし、高さ（縦軸）、及び幅（横軸）とで指定される領域であってもよい。また、棚段のそれぞれに、１つ以上のＳＫＵの商品を陳列することも可能であり、棚段毎に陳列可能なＳＫＵの個数が異なってもよい。例えば、図１に例示する商品棚Ａの１段目、４段目、及び５段目は１つのＳＫＵを陳列し、２段目、及び３段目は２つのＳＫＵを陳列するものとする。

【0015】

また、後述するが、本実施形態に係る棚割最適化方法では、売り上げや購入者数をできる限り維持することを目的とする。例えば、図１の左図に例示するように５つの棚段すべてに商品を陳列する場合、小売店Ａの商品棚Ａに係る売り上げや購入者数は、これらの５つの棚段に陳列される商品全体に依存する。具体的に、小売店Ａの商品棚Ａに係る売り上げや購入者数を計上する場合には、これらの５つの棚段に陳列される各商品の購入者数の総和となる。

【0016】

本実施形態に係る棚割最適化方法を用い、小売店Ａの商品棚Ａに陳列されるＳＫＵを制御した場合を想定する。図１の左図には、本システムの所定の制御手法により、削減すべきと判断されたＳＫＵを太線で例示する。なお、この削減すべきと判断されたＳＫＵをカットＳＫＵ（すなわち、カット商品）という。これらのカットＳＫＵを商品棚Ａから取り除き、残りのＳＫＵを陳列すべく変更された棚割を図１の右図に例示する。この右図に例示するように、カットＳＫＵを商品棚から取り除くことにより、棚割変更後、従来５段目に陳列されていたＳＫＵが４段目に陳列されることになり、従来４段目に陳列されていたＳＫＵが３段目に陳列されることになり、従来３段目と２段目に陳列されていたＳＫＵが２段目に陳列されることになる。その結果、商品棚Ａの５段目が空くことになり、この５段目を、新商品や新たな販促施策に用いることにより新たな収益源とすることを目指す。

【0017】

このようにして、本システムは、カットＳＫＵを決定する処理等を通してＳＫＵを最適に制御することにより、商品棚の棚段を有効活用し、売り上げや購入者数をできる限り維持しながら新収益源を得ることを目指す。

【0018】

なお、上述した本棚割最適化システムは、一つの小売店等の店舗を対象とするものとしたが、これに限らず、例えば、フランチャイズに属する複数店舗を対象としてもよい。また、本棚割最適化システムは、イベント施設や宿泊施設を対象としてもよい。

【0019】

＜システム概要＞
図２は、本実施形態に係る棚割最適化システム１の構成の一例を示す図である。本実施形態に係る棚割最適化システム１は、購買情報取得装置及び棚割制御装置としての情報処理装置１０が、小売店Ａにおける商品棚Ａに関する棚割情報や購買情報等の情報を管理しており、この管理している情報を分析し、当該分析結果を小売店Ａの店員が利用する出力装置としての端末装置３０へ送信するシステムである。なお、図２では、商品棚Ａを例にとり本システムの構成を説明しているが、本システムでは１つの商品棚に限らず、複数の商品棚についての情報を受け取って分析してもよい。

【0020】

情報処理装置１０、及び端末装置３０は、ネットワークＮを介して相互に通信可能に接続される。ネットワークＮは、例えば、有線ＬＡＮ（Local Area Network）、無線ＬＡＮ、インターネット、公衆回線網、モバイルデータ通信網、又はこれらの組み合わせである。なお、図２の例では、棚割最適化システム１は、情報処理装置１０、及び端末装置３０をそれぞれ１つ備えるが、複数備えてもよい。

【0021】

情報処理装置１０は、小売店の店舗情報を管理しており、この管理している店舗情報を分析し、店員が使用する端末装置３０に対しネットワークＮを介して分析した結果を送信する装置（コンピュータ）である。店舗情報とは、小売店Ａにおける、商品棚毎の購買や棚割等の情報である。ここで、情報処理装置１０は、小売店Ａに設置され、店舗情報を蓄積するサーバ装置（図示省略）にアクセスして店舗情報を受信してもよいし、店員の端末装置３０から送信される店舗情報を随時受信してもよい。なお、この情報処理装置１０は、ＰＣ（Personal Computer）、スマートフォン、タブレット端末、サーバ、又はこれらの組み合わせである。情報処理装置１０について、詳しくは後述する。

【0022】

端末装置３０は、スマートフォン又はＰＣ（パーソナルコンピュータ）等の端末装置である。この端末装置３０は、一例として、小売店Ａの店員が所有するものとしたが、小売店Ａの店長や、小売店Ａを包括するフランチャイズの管理者が所有するものであってもよい。端末装置３０は、情報処理装置１０によって送信された情報をネットワークＮを介して取得し、画面上に表示させる。また、情報処理装置１０が管理する店舗情報を、ネットワークＮを介して情報処理装置１０から取得してもよい。これにより、例えば、小売店Ａの店員は、情報処理装置１０による分析結果を自身の端末装置３０にて閲覧することができる。

【0023】

＜ハードウェア構成＞
次に、情報処理装置１０のハードウェア構成について図３を用いて説明する図３に示すように、情報処理装置１０は、バスＢ１を介して相互に接続された、プロセッサ１０１と、メモリ１０２と、ストレージ１０３と、通信Ｉ／Ｆ１０４と、入出力Ｉ／Ｆ１０５と、ドライブ装置１０６と、を備える。さらに、情報処理装置１０は、入力装置１０７と、出力装置１０８と、を備える。

【0024】

プロセッサ１０１は、ストレージ１０３に記憶されたプログラムをメモリ１０２に展開して実行することにより、情報処理装置１０の各構成を制御し、情報処理装置１０の機能を実現する。プロセッサ１０１が実行するプログラムは、ＯＳ（Operating System）及び表示制御等を行うためのサーバプログラムを含むが、これに限られない。プロセッサ１０１がサーバプログラムを実行することにより、本実施形態に係る制御が実現される。プロセッサ１０１は、例えば、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）、ＧＰＵ（Graphics Processing Unit）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＤＳＰ（Digital Signal Processor）、又はこれらの組み合わせである。

【0025】

メモリ１０２は、例えば、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、又はこれらの組み合わせである。ＲＯＭは、例えば、ＰＲＯＭ（Programmable ROM）、ＥＰＲＯＭ（Erasable Programmable ROM）、ＥＥＰＲＯＭ（Electrically Erasable Programmable ROM）、又はこれらの組み合わせである。ＲＡＭは、例えば、ＤＲＡＭ（Dynamic RAM）、ＳＲＡＭ（Static RAM）、ＭＲＡＭ（Magnetoresistive RAM）、又はこれらの組み合わせである。

【0026】

ストレージ１０３は、ＯＳ、サーバプログラム、及び各種のデータを記憶する。ストレージ１０３は、例えば、フラッシュメモリ、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、ＳＣＭ（Storage Class Memories）、又はこれらの組み合わせである。

【0027】

通信Ｉ／Ｆ１０４は、情報処理装置１０をネットワークＮに接続させるためのインタフェースである。

【0028】

入出力Ｉ／Ｆ１０５は、情報処理装置１０に入力装置１０７及び出力装置１０８を接続するためのインタフェースである。

【0029】

ドライブ装置１０６は、ディスクメディア１０９のデータを読み書きする。ディスクメディア１０９は、例えば、磁気ディスクドライブ、光学ディスクドライブ、光磁気ディスクドライブ、又はこれらの組み合わせである。ディスクメディア１０９は、例えば、ＣＤ、ＤＶＤ、ＦＤ、ＭＯ、又はこれらの組み合わせである。

【0030】

入力装置１０７は、例えば、マウス、キーボード、タッチパネル、マイク、スキャナ、カメラ、各種センサ、又はこれらの組み合わせである。

【0031】

出力装置１０８は、例えば、ディスプレイ、プロジェクタ、プリンタ、スピーカ、又はこれらの組み合わせである。

【0032】

なお、本実施形態において、サーバプログラムは、情報処理装置１０の製造段階でメモリ１０２又はストレージ１０３に書き込まれてもよいし、ネットワークＮを介して情報処理装置１０に提供されてもよいし、非一時的でコンピュータ読み取り可能な記録媒体を介して情報処理装置１０に提供されてもよい。

【0033】

図４は、端末装置３０のハードウェア構成の一例を示す図である。図４に示すように、端末装置３０は、バスＢ３を介して相互に接続された、プロセッサ３０１と、メモリ３０２と、ストレージ３０３と、通信Ｉ／Ｆ３０４と、入出力Ｉ／Ｆ３０５と、を備える。さらに、端末装置３０は、入力装置３０７と、出力装置３０８と、を備える。

【0034】

プロセッサ３０１は、ストレージ３０３に記憶されたプログラムをメモリ３０２に展開して実行することにより、端末装置３０の各構成を制御し、端末装置３０の機能を実現する。プロセッサ３０１が実行するプログラムは、ＯＳ、及び表示制御プログラム等のサーバプログラムを含むが、これに限られない。プロセッサ３０１は、例えば、ＣＰＵ、ＭＰＵ、ＧＰＵ、ＡＳＩＣ、ＤＳＰ、又はこれらの組み合わせである。

【0035】

メモリ３０２は、例えば、ＲＯＭ、ＲＡＭ、又はこれらの組み合わせである。ＲＯＭは、例えば、ＰＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭ、又はこれらの組み合わせである。ＲＡＭは、例えば、ＤＲＡＭ、ＳＲＡＭ、ＭＲＡＭ、又はこれらの組み合わせである。

【0036】

ストレージ３０３は、ＯＳ、サーバプログラム、及び各種のデータを記憶する。ストレージ３０３は、例えば、フラッシュメモリ、ＨＤＤ、ＳＳＤ、ＳＣＭ、又はこれらの組み合わせである。

【0037】

通信Ｉ／Ｆ３０４は、端末装置３０をネットワークＮに接続させるためのインタフェースである。通信Ｉ／Ｆ３０４は、例えば、Ｂｌｕｅｔｏｏｔｈ（登録商標）、Ｗｉ－Ｆｉ（登録商標）、ＺｉｇＢｅｅ（登録商標）、又はこれらの組み合わせによる無線通信が可能である。

【0038】

入出力Ｉ／Ｆ３０５は、端末装置３０に入力装置３０７及び出力装置３０８を接続するためのインタフェースである。

【0039】

入力装置３０７は、例えば、マウス、キーボード、タッチパネル、マイク、スキャナ、カメラ、各種センサ、又はこれらの組み合わせである。

【0040】

出力装置３０８は、例えば、ディスプレイ、プロジェクタ、プリンタ、スピーカ、又はこれらの組み合わせである。

【0041】

なお、本実施形態において、サーバプログラムは、端末装置３０の製造段階でメモリ３０２又はストレージ３０３に書き込まれてもよいし、ネットワークＮを介して端末装置３０に提供されてもよいし、非一時的でコンピュータ読み取り可能な記録媒体を介して端末装置３０に提供されてもよい。

【0042】

＜機能構成＞
次に、情報処理装置１０、及び端末装置３０の機能構成についてそれぞれ説明する。上述したように、本実施形態では、書店Ａの商品棚ＡのカットＳＫＵを決定する手法を例に挙げて説明する。また、本実施形態では、後述する店舗情報のうち、購買に係る情報である購買情報（後に詳述する）を用いてカットＳＫＵを決定する手法について説明する

【0043】

図５は、情報処理装置１０の機能構成の一例を示す図である。図４に例示するように、情報処理装置１０は、通信部１１と、記憶部１２と、制御部１３と、を備える。

【0044】

通信部１１は、通信Ｉ／Ｆ１０４により実現される。通信部１１は、ネットワークＮを介して、種々の装置との間で通信を行う。本実施形態において、通信部１１は、端末装置３０に対して、ネットワークＮを介して店舗情報の分析結果を送信する。また、通信部１１は、制御部１３から与えられたデータを他の装置へ送信すると共に、他の装置から受信したデータを制御部１３へ与える。

【0045】

記憶部１２は、メモリ１０２、及びストレージ１０３により実現される。記憶部１２は、制御部１３が実行する各種のプログラム、及び、制御部１３の処理に必要な各種のデータを記憶する。記憶部１２には、クラスタ情報記憶部１２０、店舗情報記憶部１２１、カットＳＫＵ記憶部１２３、及びサーバプログラム１２４が格納される。また、店舗情報記憶部１２１には、購買情報１２５が格納される。なお、記憶部１２の上記各構成に格納される情報は、外部のサーバ装置等により随時更新されてもよい。

【0046】

クラスタ情報記憶部１２０は、クラスタ情報を格納する。クラスタとは、複数のＳＫＵの組み合わせであり、クラスタ情報とは、複数のＳＫＵ間の関係性（類似性）である。本実施形態におけるクラスタ情報とは、小売店Ａの商品棚Ａにおいて取り扱う複数のＳＫＵ間の類似度の大小を距離として表したものを含むものである。このクラスタ情報について、図６、及び図７を用いて説明する。

【0047】

図６は、クラスタ情報の一構成例を示す図である。図６に例示するクラスタ情報は、異なる２つのＳＫＵ間の距離をマトリックス上に格納したものである。クラスタ情報記憶部１２０は、図６に例示した２つのＳＫＵ（ペア）間の距離以外にも、３つ以上のＳＫＵ間の距離についても格納するが、これについては図示を省略する。また、図６では、クラスタ情報をテーブルの態様で表示したが、クラスタ情報に関する情報の格納形態はこれに限られない。

【0048】

この図６に例示するクラスタ情報の列「ＳＫＵ」には、書店Ａの商品棚Ａに陳列するＳＫＵを記憶する。この図６に例示するように、書店Ａの商品棚Ａには、“ミステリーＡ－１”、“ミステリーＡ－２”、“ミステリーＢ”、“ミステリーＣ”、“ミステリーＤ”、“ＳＦ－Ａ”、“ファンタジーＡ”、及び“歴史Ａ”が陳列されるものとする。ここで、図６は、これらＳＫＵ（ペア）間の距離をマトリックス上に示す。図６は、例えば、“ミステリーＡ－１”と“ミステリーＡ－２”との（ペアの）距離は、“0.42”（図中の“Ｄ１”参照）であることを示す。ここで、組み合わせとは、複数のＳＫＵから成るグループをいい、この組み合わせのうち、２つのＳＫＵから成るグループをペアともいう。なお、このＳＫＵ間の距離が小さいほど、組み合わせを成すＳＫＵは類似していると判断される。この距離の算出については後に詳述する。

【0049】

図７は、デンドログラムの一例である。この図７において、Ｃ１～Ｃ７はそれぞれクラスタを意味し、数値は各クラスタに含まれるＳＫＵ間の距離である。この図７に例示するデンドログラムは、後述するクラスタリング部１３０（図５参照）が、図６に例示した各組み合わせを成すＳＫＵ間の距離に基づき作成したものであり、階層的なクラスタ（後に詳述する）に関する情報を含む。この階層的なクラスタに関する情報もクラスタ情報記憶部１２０に格納される。図７では、階層的なクラスタに関する情報をデンドログラムの態様で表示したが、階層的なクラスタに関する情報の格納形態はこれに限られない。この図７に例示するデンドログラムについては後に詳述する。

【0050】

次に、図５に例示する記憶部１２に格納される、店舗情報記憶部１２１と、店舗情報記憶部１２１に格納される購買情報１２５について説明する。店舗情報記憶部１２１は、上述したとおり、小売店Ａにおける商品棚毎の購買や棚割等の店舗情報を格納する。また、購買情報１２５は、店舗情報のうち、当該小売店における顧客の購買に係る情報である。換言すると、商品ごとの顧客に紐付けられた購買に関する情報である。この購買情報１２５について、図８を用いて説明する。

【0051】

図８は、購買情報１２５の一構成例を示す図である。本実施形態に係る購買情報１２５は、顧客と、顧客による当該ＳＫＵの購買総数（なお、購買総数は０以上の整数）と、を記憶したものである。つまり、本実施形態における購買情報１２５は、購買された実績である購買実績である。なお、図８において、購入したＳＫＵの個数をテーブルの態様で表示したが、購買情報１２５に関する情報の格納形態はこれに限られない。

【0052】

図８に例示する購買情報１２５の「ＳＫＵ」の列には、小売店Ａの商品棚Ａに陳列するＳＫＵを記憶する。図８は、図６に例示したＳＫＵのうち、図７に例示したクラスタＣ６（図７の“Ｄ３”で示すクラスタを参照）に関する購買情報を記載したものである。また、図８に例示する購買情報１２５の「顧客」の列には、小売店Ａの顧客の一部である、顧客Ａ～顧客Ｄを抽出したものである。ここで、図８に例示する購買情報１２５のうち、いずれの顧客に関する購買情報を抽出するかは適宜設定し得るものであり、例えば、所定数以上（例えば、３個以上）のＳＫＵを購入したことがある顧客や、年齢や地域などに関する特定セグメントに属する顧客を抽出してもよい。換言すると、顧客を特定の集団に絞った上で、絞った当該顧客における購買情報を抽出してもよい。

【0053】

また、購買情報１２５には、小売店ＡにおけるＩＤ（個人識別番号）付きポス（ＰＯＳ）データを格納する外部のサーバから所定の条件に基づき購買情報１２５が抽出され格納されてもよい。この場合、単一商品のみではなく、例えば、図８に例示するＳＫＵのうち、複数商品を購入した顧客を対象として購買情報１２５を抽出して購買情報１２５に格納してもよい。また、例えば、抽出対象とする顧客を、２種類以上のＳＫＵを購入した顧客とするか、３種類以上のＳＫＵを購入した顧客とするか、又は４種類以上のＳＫＵを購入した顧客とするかは適宜変更し得るものであり、平均的な購入ＳＫＵ数や分布を基に決定してもよい。

【0054】

次に、図５に例示する記憶部１２に格納される、潜在因子行列記憶部１２２について説明する。潜在因子行列記憶部１２２は、後述する潜在因子行列学習部１３１が、図８に例示した購買情報に基づき潜在因子行列とこれに基く要素を生成して格納する。潜在因子行列とは、項目間の潜在的な特徴、すなわち、潜在因子（latent Factor）を表現する行列である。この潜在因子行列記憶部１２２に格納される潜在因子行列に基く要素について、図９を用いて説明する。

【0055】

図９は、潜在因子行列に基く要素として２つの潜在因子行列の積（以下、単に「再構成行列」と称する。）の一例を示す図である。具体的には、図８に例示したクラスタＣ６（図７の“Ｄ３”で示すクラスタを参照）における、顧客に関する潜在因子行列と、商品に関する潜在因子行列との積である。本実施形態に係る再構成行列は、図８に例示した購買情報１２５からなる行列に対して行列分解して得られる顧客に関する潜在因子行列と、商品に関する潜在因子行列との積に基づき生成されるものである。この再構成行列の要素は、顧客が商品を将来購入する可能性を含む潜在的な情報を示すものである。つまり、再構成行列の要素は、購入可能性を示す値として推定される。本実施形態において、この再構成行列の要素が大きい値であるほど顧客が当該ＳＫＵを購入する可能性が高いものとする。この再構成行列の要素が大きな値であるほど、当該ＳＫＵが小売店Ａにより販売されなくなった場合に、これまでこのＳＫＵを購入していた顧客が小売店Ａに足を運ばなくなる（離脱する）ことが考えられる。なお、全顧客数のうち離脱する顧客の数の割合を離脱率として算出する。つまり、再構成行列の要素から離脱率が算出可能とされている。なお、図９において、再構成行列をマトリックス状に表示したが、再構成行列の表示又は格納形態はこれに限られない。また、前述の離脱率が請求項１に記載の「割合」に相当する。

【0056】

具体的に、図９は、図８に例示した購買情報を基に、顧客Ａ～顧客Ｄに関する再構成行列（第１の再構成行列）を求めたものである。例えば、図８中の“Ｄ４”で示した購買総数を参照すると、顧客ＢがミステリーＢのＳＫＵを購入した履歴はない（購入数が0）が、再構成行列を求めると、顧客ＢがミステリーＢのＳＫＵを購入する再構成行列の要素が0.1であることがわかる（図９の“Ｄ５”参照）。このように、上述の行列分解にて求めた再構成行列行列は、将来的な購買の予測をも示す数値を含むことから、予測購買行列ともいう。

【0057】

次に、図５に例示する記憶部１２に格納される、カットＳＫＵ記憶部１２３について説明する。カットＳＫＵ記憶部１２３は、後述するカットＳＫＵ決定部１３２によりカットＳＫＵであると判断されたＳＫＵの情報を記憶する。上述したように、カットＳＫＵとは、カットＳＫＵ決定部１３２により、商品棚Ａ上の陳列から削減すべきと判断されたＳＫＵである。なお、このカットＳＫＵ記憶部１２３は、カットＳＫＵを、例えばカットＳＫＵリストとして格納してもよい。

【0058】

次に、図５に例示する記憶部１２に格納される、サーバプログラム１２４について説明する。本実施形態においてサーバプログラム１２４は、上述したように、プロセッサ１０１より実行されることにより、情報処理装置１０の各構成を制御し、情報処理装置１０の機能を実現するものである。サーバプログラム１２４は、メモリカード、又はディスクメディア１０９（図３参照）等の記録媒体に記録された態様で提供され、情報処理装置１０が、提供されたサーバプログラム１２４を取得して記憶部１２に記憶する。ただし、このサーバプログラム１２４は、例えば、情報処理装置１０の製造段階において記憶部１２に書き込まれてもよい。

【0059】

また、例えば、サーバプログラム１２４は、遠隔の他のサーバ装置等により配信されてもよく、この場合、情報処理装置１０は、配信されるサーバプログラム１２４をネットワークＮを介して取得してもよい。また、例えば、サーバプログラム１２４は、ディスクメディア１０９等の記録媒体に記録されたものをドライブ装置１０６等が読み出して情報処理装置１０の記憶部１２に書き込まれてもよい。

【0060】

次に、情報処理装置１０の制御部１３について説明する。この制御部１３は、データを処理して、その処理結果を通信部１１へ与える処理を行う。制御部１３は、クラスタリング部１３０、潜在因子行列学習部１３１、及びカットＳＫＵ決定部１３２を含む。本実施形態に係る制御部１３は、記憶部１２に記憶されたサーバプログラム１２４を読み出して実行することにより、上述のクラスタリング部１３０、潜在因子行列学習部１３１、及びカットＳＫＵ決定部１３２等が、ソフトウェア的な機能部として制御部１３に実現される。

【0061】

クラスタリング部１３０は、図６に例示したクラスタ情報に格納するＳＫＵの各ペアの距離や、３つ以上のＳＫＵ間の距離を算出する。この距離は、ウォード法、群平均法、最短距離法等の公知の距離測定法等を用いて算出されるため、詳細な説明は省略する。また、上述したとおり、クラスタリング部１３０は、算出した距離が小さいほど、組み合わせを成すＳＫＵは類似していると判断する。

【0062】

また、このクラスタリング部１３０は、図６に例示したＳＫＵのペアの距離や、３つ以上のＳＫＵを組み合わせた場合のＳＫＵ間の距離に基づき、クラスタを抽出していく。具体的に、本実施形態に係るクラスタリング部１３０は、距離が小さな（類似している）ＳＫＵの組み合わせから順番に抽出していき、図７に例示する階層的なクラスタを作成する。

【0063】

図７に例示したデンドログラムを参照しながら、クラスタリング部１３０による階層的なクラスタ抽出について説明する。クラスタリング部１３０は、ＳＫＵの組み合わせの中から、最小の距離“0.42”（図６の“Ｄ１”参照）を有する組み合わせである“ミステリーＡ－１”と“ミステリーＡ－２”とを、最も類似するクラスタＣ１（図７の“Ｄ１”参照）として最初に抽出する。次に、クラスタリング部１３０は、クラスタＣ１として選択したＳＫＵの組み合わせの次に、距離が小さい組み合わせである“ミステリーＢ”と“ミステリーＣ”（図６の“Ｄ２”参照）を、クラスタＣ１の次に類似するクラスタＣ２（図７の“Ｄ２”参照）として抽出する。このようにして、クラスタリング部１３０は、最も類似しているＳＫＵの組み合わせから順番にクラスタを抽出することにより、すべてのＳＫＵを網羅するデンドログラムを完成させる。図７に例示するデンドログラムでは、クラスタＣ１のクラスタが最も類似した組み合わせであり、クラスタＣ２～Ｃ７に移行するにつれ、クラスタを成すＳＫＵ間の類似度が低くなる。

【0064】

次に、潜在因子行列学習部１３１は、図８に例示した購買情報に基づき、以下の数式１に示す行列（因子）分解（Matrix Factorization）を用いて、顧客Ａ～顧客ＤとミステリーＡ－１～ミステリーＤとに関する潜在因子行列（第１の潜在因子行列）を求める。なお、この行列分解の手法については公知であるため詳しい説明を省略する。

【0065】

【数1】

【0066】

具体的には、顧客のセットＵと、ＳＫＵのセットＤがある場合、｜Ｕ｜×｜Ｄ｜から成る行列Ｒが、顧客がＳＫＵの購入可否を含むマトリックスとなる。そして、行列Ｒを、｜Ｕ｜×｜ｋ｜の行列Ｐと、｜Ｄ｜×｜ｋ｜の行列Ｑとに分割した後（なお、ｋは、ＵやＤよりも小さい）、行列Ｐと行列Ｑとの積からＲを近似する。したがって、行列Ｐの各行は顧客の特徴が重みとして表され、行列Ｑの各行はＳＫＵの特徴が重みとして表される。また、Ｐ、及びＱは、例えば、公知の勾配降下法等を用いて算出される。したがって、ここで算出されるＰは顧客Ａ～顧客Ｄの特徴を表し、Ｑの値は、ＳＫＵの特徴を表す（再現する）ように算出（学習）されたものである。

【0067】

このような行列分解を行うことにより次元削減が実現でき、潜在因子行列では元のマトリックスの値を近似することが可能となる。すなわち、図８に例示した既知のデータである購買情報から、２種類のデータ（図８に示す顧客とＳＫＵ）間にある潜在的な特徴、すなわち、潜在因子を学習することができる。また、未観測の情報についても（図８の“Ｄ４”参照）、再構成行列においては予測され得た潜在的な値が入力される（後述する図９の“Ｄ５”参照）。

【0068】

本実施形態では、潜在因子行列学習部１３１が、顧客について、前述の数式１を用いて再構成行列（すなわち、顧客に関する潜在因子行列Ｐと、商品に関する潜在因子行列Ｑの積）を求める。

【0069】

一方、顧客数が多すぎる場合など、計算時間を削減する必要がある場合には、潜在因子行列学習部１３１は、特定の顧客集団に絞った上で数式１を用いて顧客に関する潜在因子行列Ｐと、商品に関する潜在因子行列Ｑとを求める。そして、他の予測をしたい顧客（請求項４に記載の「予測を希望する前記顧客」に相当）の購買情報を用いて再度行列分解により、第２の顧客に関する潜在因子行列Ｐ’を求める。数式１にて求めた商品に関する潜在因子行列Ｑと第２の顧客に関する潜在因子行列Ｐ’とを基に、以下の数式２を用いて再構成行列（すなわち、第２の顧客に関する潜在因子行列Ｐ’と商品に関する潜在因子行列Ｑとの積）を求めてもよい。

【0070】

【数2】

【0071】

カットＳＫＵ決定部１３２は、削減すべきＳＫＵを決定（判断）する。本実施形態においては、カットＳＫＵ決定部１３２は、距離の小さなクラスタから、すなわち、図７に例示したクラスタＣ１～Ｃ７の順番に、カットＳＫＵ（及びカットＳＫＵの候補、以下省略）を決定する。このカットＳＫＵを決定する対象となるクラスタを対象クラスタという。カットＳＫＵ決定部１３２は、最も距離の小さなクラスタをまず対象クラスタとして決定し、この対象クラスタについてカットＳＫＵを決定した後に、次に距離の小さなクラスタを対象クラスタとして決定していく。換言すると、カットＳＫＵの決定を複数のクラスタごとに実行し、カットＳＫＵを複数決定する。

【0072】

このカットＳＫＵ決定部１３２は、１つのクラスタにつき１つのカットＳＫＵを決定可能とされている。なお、カットＳＫＵ決定部１３２は、１つのクラスタにつき複数のカットＳＫＵを決定してもよいし、所定の１つのクラスタにおいてはカットＳＫＵが無いと決定してもよいし、複数のクラスタにつき１つのカットＳＫＵを決定してもよい。

【0073】

本実施形態において、カットＳＫＵ決定部１３２は、１つの商品棚に対して１つのカットＳＫＵを決定するものとしたが、カットＳＫＵを決定した商品棚と同様の棚割パターン（商品構成）を備える商品棚が他にある場合、これら他の商品棚についても同一のＳＫＵをカットＳＫＵとして決定してもよい。また、同様の棚割パターンを備える商品棚が複数ある場合には、これらの商品棚に対して共通の潜在因子行列（詳しくは後述する）を生成して、共通のカットＳＫＵを決定してもよい。また、１つの商品棚に対して１つのカットＳＫＵを決定することに替えて、カットＳＫＵ決定部１３２は、１つ又は複数のＳＫＵに対して１つのカットＳＫＵを決定するようにしてもよい。また、フランチャイズのように系列の小売店が複数ある場合には、採用されている棚割パターンが多いものについてのみカットＳＫＵを決定するようにしてもよい。次に、カットＳＫＵ決定部１３２の処理について図１０を参照しながら説明する。

【0074】

図１０は、図９に例示した再構成行列と同様の値を備える再構成行列を例示している。この図１０に例示する再構成行列も、図７に例示したクラスタＣ４（図７中の“Ｄ３”参照）に関する再構成行列を例示したものである。

【0075】

上述したように、本実施形態に係るカットＳＫＵ決定部１３２は、クラスタＣ１について１つのカットＳＫＵを決定し、その後、クラスタＣ２について１つのカットＳＫＵを決定する。そして、カットＳＫＵ決定部１３２は、クラスタＣ３について１つのカットＳＫＵを決定した後、クラスタＣ４について１つのカットＳＫＵを決定することになる。そのため、クラスタＣ４についてカットＳＫＵを決定する前には、クラスタＣ４を成すクラスタＣ１とクラスタＣ２について、既に、それぞれ１つずつカットＳＫＵが決定されている場合がある。図１０では、クラスタＣ１については、既に、“ミステリーＡ－２”がカットＳＫＵ（図１０中のドットで示す範囲を参照）として決定されており、また、クラスタＣ２については、既に、“ミステリーＣ”がカットＳＫＵ（図１０中のドットで示す範囲を参照）として決定されているものとする。また、カットＳＫＵ決定部１３２は、カットＳＫＵを決定すると、当該決定したカットＳＫＵに関する情報をカットＳＫＵ記憶部１２３に記憶する。

【0076】

カットＳＫＵ決定部１３２が、クラスタＣ４（図７中の“Ｄ３”参照）についてカットＳＫＵを決定する際、カットＳＫＵ記憶部１２３に記憶されているカットＳＫＵ、すなわち、既にカットＳＫＵとして決定されているＳＫＵについてはもはやクラスタＣ４に含まれないものとして処理を行う。すなわち、カットＳＫＵ決定部１３２は、“ミステリーＡ－２”（クラスタＣ１のカットＳＫＵ）、及び“ミステリーＣ”（クラスタＣ２のカットＳＫＵ）は、もはやクラスタＣ４に含まれないＳＫＵとし、残りの“ミステリーＡ－１”、“ミステリーＢ”、及び“ミステリーＤ”の中からカットＳＫＵを１つ決定する。この３つのＳＫＵの中からカットＳＫＵを決定する場合を例にとり、図１０を参照しながら説明する。

【0077】

カットＳＫＵ決定部１３２は、例えば、ＳＫＵ毎に顧客Ａ～Ｄの再構成行列の要素（購入可能性）の平均値を算出し、この算出した値が最も小さいＳＫＵをカットＳＫＵとして決定してもよい。図１０を例にとると、“ミステリーＡ－１”に対する顧客Ａ～Ｄの再構成行列の要素（購入可能性）の平均値は（0.88+0.3+2.5+0.1）/4=0.945であり、“ミステリーＢ”に対する顧客Ａ～Ｄの再構成行列の要素（購入可能性）の平均値は（0.9+0.1+1.03+1.1）/4=0.7825であり、“ミステリーＤ”に対する顧客Ａ～Ｄの再構成行列の要素（購入可能性）の平均値は（1.96+1.5+0.8+4.89）/4=2.2875である。この場合、カットＳＫＵ決定部１３２は、平均値が最も小さい“ミステリーＢ”をカットＳＫＵとして決定してもよい。

【0078】

また、カットＳＫＵ決定部１３２は、再構成行列の要素（購入可能性）が例えば１以上の顧客は当該ＳＫＵを購入する可能性があると仮定し、仮に特定のＳＫＵをカットＳＫＵとした場合に他に購入するＳＫＵ（つまり購入可能性が１以上のＳＫＵ）が残っている場合には、顧客が離脱しない（換言すると顧客は購入可能性が１以上のＳＫＵへ購入対象を移行する）と予測する。一方、カットＳＫＵ決定部１３２は、仮に特定のＳＫＵをカットＳＫＵとした場合に他に購入するＳＫＵ（つまり購入可能性が１以上のＳＫＵ）が残っていない場合には、顧客が離脱する（換言すると顧客は購入可能性が１以上の他のＳＫＵが存在しないため購入を断念する）と予測する。これらの予測を基に、顧客の離脱が少なくなるようにカットＳＫＵを決定してもよい。

【0079】

すなわち、、カットＳＫＵ決定部１３２は、再構成行列の要素（購入可能性）図１０を例にとると、“ミステリーＡ－１”を購入する可能性がある顧客は１人（顧客Ｃのみ）であり、“ミステリーＢ”を購入する可能性がある顧客は２人（顧客Ｃ，顧客Ｄ）であり、“ミステリーＤ”を購入する可能性がある顧客は３人（顧客Ａ，顧客Ｂ，顧客Ｄ）である。この場合、カットＳＫＵ決定部１３２は、購入する可能性がある顧客の数が少ないＳＫＵである“ミステリーＡ”をカットＳＫＵとして決定してもよい。

【0080】

なお、本実施形態において、カットＳＫＵ決定部１３２は、上述のような処理を経て決定されたカットＳＫＵをカットＳＫＵの候補として決定する。すなわち、カットＳＫＵ決定部１３２は、再構成行列の要素（購入可能性）から算出される離脱率が最低となるＳＫＵと、離脱率が２番目に低いＳＫＵとの離脱率の差が閾値以下の場合には、カットＳＫＵを決定せずに処理を終了し、当該差が閾値を超えた場合には離脱率が最低となるＳＫＵをカットＳＫＵの候補として決定する。一方、前述した離脱率の差が所定の閾値以下である場合でも、所定の評価に基いてカットＳＫＵを決定してもよい。この場合の所定の評価は、一例として、例えば、カットＳＫＵ候補と第２カットＳＫＵ候補と、についてそれぞれ相対的な評価スコアを算出してカットＳＫＵ候補を決定してもよい。この評価スコアは、カットＳＫＵ候補となるＳＫＵに関する属性情報に基づき算出してもよく、例えば、ロイヤルカスタマーの継続購入率、非会員比率、当該店舗の購買人数、購入者あたりの金額、リピート率、当該店舗の利益、当該店舗の在庫数量、及び、売上減少率の少なくとも一以上の指標を基に算出してもよい。また、評価スコアは、上記各指標に対してそれぞれの重みを付加したうえで算出されてもよい。

【0081】

また、カットＳＫＵ決定部１３２は、カットＳＫＵの候補について、それぞれのクラスタ毎のカットＳＫＵの候補の離脱率を累計すると共に、当該累計値と新たにカットＳＫＵの候補の離脱率との和が所定の閾値（なおこの閾値は前述の最低離脱率と２番目に低い離脱率との差における閾値とは異なるものである）以下である場合にこれらのカットＳＫＵの候補を正式なカットＳＫＵとして決定してもよい。なお、これに限らず、カットＳＫＵ決定部１３２は、全てのクラスタにおけるカットＳＫＵの候補の離脱率の累計が所定の閾値以下である場合にすべてのカットＳＫＵの候補を正式なカットＳＫＵとして決定してもよい。また、離脱率を累計した際に所定の閾値以下である場合には離脱率が累計されたカットＳＫＵの候補を正式なカットＳＫＵとして決定し、その後に追加されるカットＳＫＵの候補の離脱率を当該累計に足した際に所定の閾値を超える場合には当該追加されるカットＳＫＵの候補を正式なカットＳＫＵとしないように決定してもよい。

【0082】

上述のようにして、カットＳＫＵ決定部１３２は、各クラスタについてカットＳＫＵを決定する処理を行う。これにより、カットＳＫＵを決定する処理を通してＳＫＵを最適に制御することが可能となり、その結果、商品棚の棚段を有効活用し、売り上げや購入者数をできる限り維持しながら新収益源を得ることが期待できる。

【0083】

次に、端末装置３０の機能構成について説明する。図１１は、端末装置３０の機能構成の一例を示す図である。図１１に例示するように、端末装置３０は、通信部３１と、記憶部３２と、制御部３３と、操作部３４と、表示部３５と、を備える。

【0084】

通信部３１は、通信Ｉ／Ｆ３０４により実現される。通信部３１は、ネットワークＮを介して、情報処理装置１０との間でデータの送受信を行う。

【0085】

記憶部３２は、メモリ３０２及びストレージ３０３により実現される。記憶部３２は、ユーザプログラム３２０を備え、選択した情報や受信したデータ等を含む各種の情報を記憶してもよい。本実施形態において、ユーザプログラム３２０は遠隔のサーバ装置等により配信され、これを端末装置３０が通信にて取得し、記憶部３２に記憶する。ただしユーザプログラム３２０は、例えば、端末装置３０の製造段階において記憶部３２に書き込まれてもよい。例えば、ユーザプログラム３２０は、メモリカード、又は光ディスク等の記録媒体に記録されたユーザプログラム３２０を端末装置３０が読み出して記憶部３２に記憶してもよい。例えば、ユーザプログラム３２０は、記録媒体に記録されたものを書込装置が読み出して端末装置３０の記憶部３２に書き込んでもよい。また、ユーザプログラム３２０は、ネットワークを介した配信の態様で提供されてもよく、記録媒体に記録された態様で提供されてもよい。

【0086】

制御部３３は、プロセッサ３０１がユーザプログラム３２０等のプログラムを実行し、他のハードウェア構成と協働することにより実現される。制御部３３は、端末装置３０の動作全体を制御する。この制御部３３は、表示制御部３３０と、条件取得部３３１と、を備える。

【0087】

表示制御部３３０は、表示部３５に対して種々の文字、又は画像等を表示するための制御を行う。

【0088】

条件取得部３３１は、操作部３４に対するユーザの操作に基づいて、表示部３５に表示する一又は複数の情報に関する条件等を取得する処理を行う。条件取得部３３１は、取得した条件を付した画像の送信要求を情報処理装置１０へ与える。この要求に応じて情報処理装置１０は条件に適合する情報を端末装置３０へ送信し、この情報を受信した端末装置３０の表示制御部３３０が表示する。

【0089】

操作部３４は、端末装置３０を使用するユーザからの入力（操作）を受け付け、受け付けた入力を示す操作情報を制御部３３に供給する。

【0090】

表示部３５は、上述の制御部３３による制御にしたがって種々の画面表示を行う。

【0091】

なお、図示を省略したが、端末装置３０は、撮影機能等の他の機能を備えてもよい。

【0092】

＜情報処理装置１０による制御処理＞
図１２は、本実施形態に係る情報処理装置１０の制御部１３が行う制御処理の手順を示すフローチャートである。この図１２を用いて、情報処理装置１０による制御処理について説明する。

【0093】

（ステップＳ１０１）
本実施形態に係る情報処理装置１０の制御部１３の潜在因子行列学習部１３１は、記憶部１２に格納された購買情報１２５を用いて、上記数式１に示す行列（因子）分解により、所定の顧客に関する潜在因子行列（第１の潜在因子行列）を求める。ここで、潜在因子行列学習部１３１は、例えば、３個以上のＳＫＵを購入した顧客に関する情報を抽出して、潜在因子行列を生成する。そして、潜在因子行列学習部１３１は、生成した潜在因子行列を記憶部１２の潜在因子行列記憶部１２２に格納してもよい。そして、処理はステップＳ１０２と、Ｓ１０５と、に進む。

【0094】

（ステップＳ１０２）
本実施形態に係る情報処理装置１０の制御部１３のクラスタリング部１３０は、ＳＫＵのペアの距離や、３つ以上のＳＫＵを組み合わせた場合のＳＫＵ間の距離を算出し、距離が小さな（類似している）ＳＫＵの組み合わせから順番に抽出していき、階層的なクラスタ（図７を参照）を作成する。そして、処理はステップＳ１０３に進む。

【0095】

（ステップＳ１０３）
本実施形態に係る情報処理装置１０の制御部１３のカットＳＫＵ決定部１３２は、まず最も距離の小さなクラスタを対象クラスタとして決定する。後の処理においてこの最も距離の小さなクラスタについてのカットＳＫＵを決定したら、次に距離の小さなクラスタを対象クラスタとして決定していく。そして、処理はステップＳ１０４に進む。

【0096】

（ステップＳ１０４）
本実施形態に係るカットＳＫＵ決定部１３２は、対象クラスタにおける複数のＳＫＵごとの購入可能性を示す値と当該値に基づく離脱率とを前述の手法により算出する。なお、ステップＳ１０４が請求項１に記載の「推定ステップ」に相当する。

【0097】

（ステップＳ１０５）
本実施形態に係る潜在因子行列学習部１３１は、すべての顧客について、上記数式２を用いて第２の潜在因子行列を生成する。また、潜在因子行列学習部１３１は、第２の潜在因子行列を求める際、数式２のＱについては、上述の第１の潜在因子行列にて求めたＱを用いる。そして、処理はステップＳ１０４に進む。なお、上述のステップＳ１０１～Ｓ１０３及びステップＳ１０５が請求項１に記載の「クラスタリングステップ」に相当する。

【0098】

（ステップＳ１０６）
本実施形態に係るカットＳＫＵ決定部１３２は、対象クラスタにおける複数の離脱率のうち最低のものと２番目に低いものの差が所定の閾値以下か否かを判定する。この差が所定の閾値以下ではない場合（ステップＳ１０６：ＮＯ）、処理はステップＳ１０８へと進む。一方、前述の差が所定の閾値以下である場合（ステップＳ１０６：ＹＥＳ）、処理はステップＳ１０７へと進む。

【0099】

（ステップＳ１０７）
本実施形態に係るカットＳＫＵ決定部１３２は、対象クラスタにおけるＳＫＵにおいて所定の評価に基いてカットＳＫＵを決定してもよい。この所定の評価は、前述のように例えば、カットＳＫＵ候補と第２カットＳＫＵ候補と、についてそれぞれ相対的な評価スコアを算出してカットＳＫＵ候補を決定する。

【0100】

（ステップＳ１０８）
本実施形態に係るカットＳＫＵ決定部１３２は、１つのクラスタにつき１つのカットＳＫＵ候補を決定する。このカットＳＫＵ決定部１３２は、前述のステップＳ１０６、ステップＳ１０７にて判定された結果に基づきカットＳＫＵ候補を決定する。そして、処理はステップＳ１０９に進む。なお、上述のステップＳ１０６、ステップＳ１０７及びステップＳ１０８が請求項１に記載の「決定ステップ」に相当する。

【0101】

（ステップＳ１０９）
本実施形態に係るカットＳＫＵ決定部１３２は、これまでに決定したカットＳＫＵの候補についての離脱率を累計した累計離脱率と、今回決定したカットＳＫＵの候補についての離脱率との和が所定の閾値以下であるか否かを判定する。この和が所定の閾値以下である場合（ステップＳ１０９：ＹＥＳ）、処理はステップＳ１１１へ進む。一方、前述の和が所定の閾値以上である場合（ステップＳ１０９：ＮＯ）、処理はステップＳ１１０へ進む。

【0102】

（ステップＳ１１１）
本実施形態に係るカットＳＫＵ決定部１３２は、ステップＳ１０８にて決定したカットＳＫＵ候補をカットＳＫＵとして決定する。また、カットＳＫＵ決定部１３２は、決定したカットＳＫＵに関する情報をカットＳＫＵ記憶部１２３に記憶する。そして、処理はステップＳ１１２に進む。

【0103】

（ステップＳ１１０）
本実施形態に係るカットＳＫＵ決定部１３２は、カットＳＫＵを決定しない。そして、処理はステップＳ１１２に進む。

【0104】

（ステップＳ１１２）
本実施形態に係るカットＳＫＵ決定部１３２は、次の対象クラスタに処理を移行する。

【0105】

このようにして、カットＳＫＵ決定部１３２は、次のクラスタがなくなるまでか、累計離脱率が所定の累計離脱率閾値を超えない範囲までステップＳ１０３～Ｓ１１２の処理を繰り返した後、処理を終了する。

【0106】

＜その他＞
上述の実施形態では、商品棚に陳列されているすべてのＳＫＵを対象としてカットＳＫＵを決定するものとしたが、カットすることが望ましくないＳＫＵがある場合には、これらのＳＫＵを例えば対象外ＳＫＵ（非削除商品情報）として登録しておき、対象外ＳＫＵを除くＳＫＵの中からカットＳＫＵを決定するものとしてもよい。例えば、対象外ＳＫＵに、主力商品（戦略商品）や、プライベートブランドの商品、新商品、及び、売れ筋の商品（Aランク商品）のＳＫＵを登録してもよい。また、同一ブランドの商品であって、本体商品と詰め替え商品の両方を提供している場合には、本体商品のうちの少なくとも１つのＳＫＵと、詰め替え商品のうちの少なくとも１つのＳＫＵと、を対象外ＳＫＵに登録してもよい。

【0107】

また、本実施形態では、これまでに決定したカットＳＫＵの候補についての離脱率を累計した累計離脱率と、今回決定したカットＳＫＵの候補についての離脱率との和が所定の閾値以下であるか否かを判定し、これに基づいてカットＳＫＵを決定したが、これに限らず、累計の離脱率に基くことなくカットＳＫＵを決定してもよい。

【0108】

＜まとめ＞
以上の構成の本実施形態に係る棚割最適化システム１では、カットＳＫＵを決定する処理を通してＳＫＵを最適に制御することにより、商品棚の棚段を有効活用し、売り上げや購入者数をできる限り維持しながら新収益源を得ることが期待できる。

【0109】

また、本実施形態に係る棚割最適化システム１では、店舗での在庫管理における最小単位にて分けられた商品（すなわち、ＳＫＵ）ごとの顧客に紐付けられた購買情報を取得し、当該購買情報を基に類似度が高い前記商品同士を組み合わせたクラスタを生成するクラスタリングステップと、前記購買情報を基に所定の前記顧客が前記クラスタにおける前記商品ごとの購入可能性を示す値を推定する推定ステップと、同一の前記クラスタ内の前記商品のうち、特定の前記商品を商品棚から削除するカット商品と仮定した場合に前記顧客の離脱が発生する割合を算出し、前記割合が所定の範囲内である場合に前記カット商品と仮定した特定の前記商品を前記カット商品の候補として決定する決定ステップと、を実行する。したがって、離脱率を抑えながら商品棚上のスペースを生み出して新商品や新たな販促施策を割り当てることが可能となる。このように、ＳＫＵを適切に制御することが期待できる。

【0110】

さらに、情報処理装置１０は、クラスタリングステップにおいて、階層的なクラスタを生成することから、距離が近い商品から順番にクラスタリングするため予めクラスタ数を決める必要がない。また、階層的なクラスタリングの結果として得られるデンドログラムから分類の過程でできるクラスターがどのように結合されていくかを一つひとつ確認できる。また、デンドログラム上で、どのクラスターを用いるかその数を後から決めることができる。これにより、状況に応じてクラスタリングを変更することができるので、ＳＫＵをより適切に制御することが期待できる。

【0111】

さらにまた、情報処理装置１０は、推定ステップにおいて、購買情報の少なくとも一部を構成する購買実績から成る行列に対して行列分解して得られる顧客の特徴を表す行列と、在庫管理における最小単位にて分けられた商品ごとの特徴とを表す行列との積である再構成行列の要素を購入可能性を示す値と推定する。したがって、顧客が現時点で購入していない場合でも商品を将来購入する可能性を含む潜在的な情報である購入可能性を基に推定することができる。これにより、ＳＫＵをさらに適切に制御することが期待できる。

【0112】

また、情報処理装置１０は、推定ステップにおいて、顧客を特定の集団に絞った上で絞った当該顧客における購買情報の少なくとも一部を構成する購買実績から成る行列に対して行列分解して得られる顧客の特徴を表す行列と、在庫管理における最小単位にて分けられた商品ごとの特徴とを表す行列との積である再構成行列の要素を購入可能性を示す値と推定する。したがって、全体の顧客数が多すぎる場合など計算処理量が多くなることが予測される場合において、顧客を特定の集団に絞った上で計算を行うことができる。これにより、効率良くＳＫＵを制御することができる。

【0113】

さらに、情報処理装置１０は、クラスタリングステップにおいて複数のクラスタを生成すると共に、決定ステップを複数のクラスタごとに実行し、カット商品を複数決定する。したがって、店舗における商品に対して網羅的に棚割を行う上での分析を行うことができる。これにより、ＳＫＵを一層適切に制御することが期待できる。

【0114】

さらにまた、情報処理装置１０は、予め商品棚から削除しない商品に関する情報である非削除商品情報を取得し、決定ステップにおいて、非削除商品情報に係る商品を除外した商品の中から前記カット商品を決定してもよい。これにより、販売戦略上重要な商品である戦略品や、プライベートブランド商品、新商品、売上高ランク品、用途漏れ品など、販売において必須となる商品については商品棚に残した上でＳＫＵを適切に制御することが期待できる。

【0115】

また、情報処理装置１０は、決定ステップにおいて、特定の前記商品を商品棚から削除するカット商品と仮定した場合に顧客の離脱が発生する割合である離脱率を算出し、当該離脱率が最も低い商品と、当該離脱率が２番目に低い商品との当該離脱率の差が所定の閾値よりも小さい場合、所定の評価に基いてカット商品の候補を決定する。これにより、離脱率の差が小さい商品同士の場合においては、離脱率だけでなく他の要素も考慮して決定することができるので、より実態に即したＳＫＵの制御を行うことが期待できる。

【0116】

さらに、情報処理装置１０は、決定ステップにおいて、カット商品の候補ごとの離脱率の累計が所定の閾値以下である場合に、当該候補をカット商品として決定する。したがって、商品棚全体の離脱率を考慮した上でカット商品を決定できるので、ＳＫＵをより一層適切に制御することが期待できる。

【0117】

今回開示された実施形態は例示であり、制限的なものではない。本発明の範囲は、上記した意味ではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味及び範囲内でのすべての変更が含まれることが意図される。

【0118】

また、本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。

【符号の説明】

【0119】

１ 棚割最適化システム
１０ 情報処理装置（購買情報取得装置及び棚割制御装置）
１１ 通信部
１２ 記憶部
１３ 制御部
３０ 端末装置（出力装置）
３１ 通信部
３２ 記憶部
３３ 制御部
３４ 操作部
３５ 表示部
１０１ プロセッサ
１０２ メモリ
１０３ ストレージ
１０４ 通信Ｉ／Ｆ
１０５ 入出力Ｉ／Ｆ
１０６ ドライブ装置
１０７ 入力装置
１０８ 出力装置
１２０ クラスタ情報記憶部
１２１ 店舗情報記憶部
１２２ 潜在因子行列記憶部
１２３ カットＳＫＵ記憶部
１２４ サーバプログラム
１２５ 購買情報
１３０ クラスタリング部
１３１ 潜在因子行列学習部
１３２ カットＳＫＵ決定部
３０１ プロセッサ
３０２ メモリ
３０３ ストレージ
３０４ 通信Ｉ／Ｆ
３０５ 入出力Ｉ／Ｆ
３０７ 入力装置
３０８ 出力装置
３２０ ユーザプログラム
３３０ 表示制御部
３３１ 条件取得部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】