(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B2)
(11)【特許番号】
(24)【登録日】2024-11-07
(45)【発行日】2024-11-15
(54)【発明の名称】商品推奨システム、商品推奨方法、及びプログラム
(51)【国際特許分類】
G06Q 30/0202 20230101AFI20241108BHJP
【ＦＩ】
G06Q30/0202
【請求項の数】
18
(21)【出願番号】P 2021550457
(86)(22)【出願日】2020-09-01
(86)【国際出願番号】 JP2020033051
(87)【国際公開番号】W WO2021065291
(87)【国際公開日】2021-04-08
【審査請求日】2023-08-07
(31)【優先権主張番号】P 2019183220
(32)【優先日】2019-10-03
(33)【優先権主張国・地域又は機関】JP
(73)【特許権者】
【識別番号】314012076
【氏名又は名称】パナソニックＩＰマネジメント株式会社
(74)【代理人】
【識別番号】110002527
【氏名又は名称】弁理士法人北斗特許事務所
(72)【発明者】
【氏名】江島 將高
(72)【発明者】
【氏名】田島 敬士
【審査官】上田 威
(56)【参考文献】
【文献】再公表特許第２０１６／１５１６７９（ＪＰ，Ａ１）
【文献】特開２００６－２８５６８１（ＪＰ，Ａ）
【文献】再公表特許第２０１５／０４０７８９（ＪＰ，Ａ１）
【文献】特開２０１５－１６２１８２（ＪＰ，Ａ）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０６Ｑ １０／００－９９／００
(57)【特許請求の範囲】
【請求項1】
商品群に属する商品の販売実績に関する実績情報と、第１店舗群に属する対象店舗における前記商品の取り扱いの有無に関する第１取り扱い情報と、前記第１店舗群と異なる店舗形態の第２店舗群に属する店舗における前記商品の取り扱いの有無に関する第２取り扱い情報と、を取得する取得部と、前記取得部で取得した前記実績情報、前記第１取り扱い情報及び前記第２取り扱い情報に基づいて、前記商品群から前記対象店舗にて取り扱うことを推奨する推奨商品を決定する推奨部と、を備える、
商品推奨システム。
【請求項2】
商品群に属する商品の販売実績に関する実績情報と、店舗群に属する対象店舗における前記商品の取り扱いの有無に関する取り扱い情報と、を取得する取得部と、
前記取得部で取得した前記実績情報及び前記取り扱い情報に基づいて、前記商品群から前記対象店舗にて取り扱うことを推奨する推奨商品を決定する推奨部と、を備え、
前記取得部は、前記商品群に属する商品について顧客の購入履歴に関する履歴情報を更に取得し、
前記取得部で取得した前記履歴情報に基づいて、前記商品が属する商品カテゴリにおいて前記商品への拘り度を算出する算出部を更に備え、
前記拘り度は、前記顧客の前記商品カテゴリに属する全商品の購入回数における、前記商品の購入回数の割合であり、
前記推奨部は、前記算出部で算出された前記拘り度を参照して、前記推奨商品を決定する、
商品推奨システム。
【請求項3】
前記推奨部は、前記対象店舗において取り扱われていない商品を前記推奨商品として決定する、
請求項１又は２記載の商品推奨システム。
【請求項4】
前記実績情報は、前記商品群のうち特定商品群の全体の売上に対する前記商品の売上の占有率を含み、
前記推奨部は、前記占有率に基づいて前記推奨商品を決定する、
請求項１～３のいずれか１項に記載の商品推奨システム。
【請求項5】
前記実績情報は、前記特定商品群における前記占有率の順位を含み、
前記推奨部は、前記占有率の順位に基づいて前記推奨商品を決定する、
請求項４記載の商品推奨システム。
【請求項6】
前記推奨部は、前記占有率が占有閾値よりも小さい商品を前記推奨商品から除外する、
請求項４又は５に記載の商品推奨システム。
【請求項7】
前記推奨部は、前記対象店舗にて過去に取り扱いがあった商品を前記推奨商品から除外する、
請求項１～６のいずれか１項に記載の商品推奨システム。
【請求項8】
前記第１店舗群の店舗形態はコンビニエンスストアであり、前記第２店舗群の店舗形態はスーパーマーケットである、
請求項１に記載の商品推奨システム。
【請求項9】
前記商品群は、前記第２店舗群が取り扱う商品のみを含む、
請求項１記載の商品推奨システム。
【請求項10】
前記推奨部は、前記商品群のうち、前記対象店舗の経営に関する指標である経営指標に基づいて特定された特定カテゴリに属する商品を、前記推奨商品として決定する、
請求項１に記載の商品推奨システム。
【請求項11】
前記特定カテゴリは、前記第１店舗群及び前記第２店舗群のいずれでも前記商品を購入する顧客であって、前記第１店舗群を利用する頻度が頻度閾値よりも大きい特定顧客が購入する商品が属するように決定される、
請求項１０記載の商品推奨システム。
【請求項12】
前記特定カテゴリは、前記特定カテゴリに属する前記商品の購入者のうち前記特定顧客の占める割合が割合閾値よりも大きい商品カテゴリとなるように決定される、
請求項１１記載の商品推奨システム。
【請求項13】
前記取得部は、前記商品群に属する商品について前記対象店舗にて取り扱われている商品との類似性に関する類似情報を更に取得し、
前記推奨部は、前記取得部で取得した前記類似情報を参照して前記推奨商品を決定する、
請求項１～１２のいずれか１項に記載の商品推奨システム。
【請求項14】
前記取得部は、前記商品群に属する商品について顧客の購入履歴に関する履歴情報を更に取得し、
前記取得部で取得した前記履歴情報に基づいて、前記商品が属する商品カテゴリにおいて当該商品が同じ顧客により再度購入された頻度を表すリピート率を算出する算出部を更に備え、
前記推奨部は、前記算出部で算出された前記リピート率を参照して、前記推奨商品を決定する、
請求項１に記載の商品推奨システム。
【請求項15】
前記取得部は、前記商品群に属する商品の発注に関する発注情報を更に取得し、
前記推奨部は、前記取得部で取得した前記発注情報を参照して前記推奨商品を決定する、
請求項１～１４のいずれか１項に記載の商品推奨システム。
【請求項16】
１以上のプロセッサが実行する商品推奨方法であって、
商品群に属する商品の販売実績に関する実績情報と、第１店舗群に属する対象店舗における前記商品の取り扱いの有無に関する第１取り扱い情報と、前記第１店舗群と異なる店舗形態の第２店舗群に属する店舗における前記商品の取り扱いの有無に関する第２取り扱い情報と、を取得する取得処理と、
前記取得処理で取得した前記実績情報、前記第１取り扱い情報及び前記第２取り扱い情報に基づいて、前記商品群から前記対象店舗にて取り扱うことを推奨する推奨商品を決定する推奨処理と、を有する、
商品推奨方法。
【請求項17】
１以上のプロセッサが実行する商品推奨方法であって、
商品群に属する商品の販売実績に関する実績情報と、店舗群に属する対象店舗における前記商品の取り扱いの有無に関する取り扱い情報と、を取得する取得処理と、
前記取得処理で取得した前記実績情報及び前記取り扱い情報に基づいて、前記商品群から前記対象店舗にて取り扱うことを推奨する推奨商品を決定する推奨処理と、を有し、
前記取得処理では、前記商品群に属する商品について顧客の購入履歴に関する履歴情報を更に取得し、
前記取得処理で取得した前記履歴情報に基づいて、前記商品が属する商品カテゴリにおいて前記商品への拘り度を算出する算出処理を更に有し、
前記拘り度は、前記顧客の前記商品カテゴリに属する全商品の購入回数における、前記商品の購入回数の割合であり、
前記推奨処理では、前記算出処理で算出された前記拘り度を参照して、前記推奨商品を決定する、
商品推奨方法。
【請求項18】
１以上のプロセッサに、
請求項１６又は１７記載の商品推奨方法を実行させる、
プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、一般に商品推奨システム、商品推奨方法、及びプログラムに関する。より詳細には、本開示は、対象店舗で取り扱うべき商品を推奨する商品推奨システム、商品推奨方法、及びプログラムに関する。
【背景技術】
【0002】
特許文献１には、本部側で多くの店舗を管理する業務形態において、適切な商品の在庫管理を通じて売上を増加させるために、推奨する品揃を決定する品揃推奨装置が記載されている。
【0003】
特許文献１に記載の品揃推奨装置では、予め定めた過去の期間における対象店舗の販売実績に基づいて、その対象店舗で販売実績がある商品の販売金額構成情報である第一構成情報を算出する。また、品揃推奨装置は、上記期間において対象店舗で販売実績がない商品の販売金額構成情報である第二構成情報を、商品単品の販売金額構成情報を予測する予測モデルに基づいて算出する。そして、品揃推奨装置は、第一構成情報が算出された商品と第二構成情報が算出された商品の中から、販売金額構成情報が示す金額の高い順に、指定された数の商品を選択する。
【先行技術文献】
【特許文献】
【0004】
【文献】ＷＯ２０１８／０５６２２０Ａ１
【発明の概要】
【0005】
本開示は、対象店舗の経営状況の改善に適した商品を推奨しやすい商品推奨システム、商品推奨方法、及びプログラムを提供することを目的とする。
【0006】
本開示の一態様に係る商品推奨システムは、取得部と、推奨部と、を備える。前記取得部は、商品群に属する商品の販売実績に関する実績情報と、第１店舗群に属する対象店舗における前記商品の取り扱いの有無に関する第１取り扱い情報と、前記第１店舗群と異なる店舗形態の第２店舗群に属する店舗における前記商品の取り扱いの有無に関する第２取り扱い情報と、を取得する。前記推奨部は、前記取得部で取得した前記実績情報、第１取り扱い情報及び前記第２取り扱い情報に基づいて、前記商品群から前記対象店舗にて取り扱うことを推奨する推奨商品を決定する。
本開示の一態様に係る商品推奨システムは、取得部と、推奨部と、を備える。前記取得部は、商品群に属する商品の販売実績に関する実績情報と、店舗群に属する対象店舗における前記商品の取り扱いの有無に関する取り扱い情報と、を取得する。前記推奨部は、前記取得部で取得した前記実績情報及び前記取り扱い情報に基づいて、前記商品群から前記対象店舗にて取り扱うことを推奨する推奨商品を決定する。前記商品推奨システムは、前記取得部で取得した前記履歴情報に基づいて、前記商品が属する商品カテゴリにおいて前記商品への拘り度を算出する算出部を更に備える。前記拘り度は、前記顧客の前記商品カテゴリに属する全商品の購入回数における、前記商品の購入回数の割合である。前記推奨部は、前記算出部で算出された前記拘り度を参照して、前記推奨商品を決定する。
本開示の一態様に係る商品推奨システムは、取得部と、推奨部と、を備える。前記取得部は、商品群に属する商品の販売実績に関する実績情報と、店舗群に属する対象店舗における前記商品の取り扱いの有無に関する取り扱い情報と、を取得する。前記推奨部は、前記取得部で取得した前記実績情報及び前記取り扱い情報に基づいて、前記商品群から前記対象店舗にて取り扱うことを推奨する推奨商品を決定する。前記商品推奨システムは、前記取得部で取得した前記履歴情報に基づいて、前記商品が属する商品カテゴリにおいて前記商品への拘り度を算出する算出部を更に備える。前記拘り度は、前記顧客の前記商品カテゴリに属する全商品の購入回数における、前記商品の購入回数の割合である。前記推奨部は、前記算出部で算出された前記拘り度を参照して、前記推奨商品を決定する。
【0007】
本開示の一態様に係る商品推奨方法は、１以上のプロセッサが実行する商品推奨方法である。前記商品推奨方法は、取得処理と、推奨処理と、を有する。前記取得処理は、商品群に属する商品の販売実績に関する実績情報と、第１店舗群に属する対象店舗における前記商品の取り扱いの有無に関する第１取り扱い情報と、前記第１店舗群と異なる店舗形態の第２店舗群に属する店舗における前記商品の取り扱いの有無に関する第２取り扱い情報と、を取得する処理である。前記推奨処理は、前記取得処理で取得した前記実績情報、前記第１取り扱い情報及び前記第２取り扱い情報に基づいて、前記商品群から前記対象店舗にて取り扱うことを推奨する推奨商品を決定する処理である。
本開示の一態様に係る商品推奨方法は、１以上のプロセッサが実行する商品推奨方法である。前記商品推奨方法は、取得処理と、推奨処理と、を有する。前記取得処理は、商品群に属する商品の販売実績に関する実績情報と、店舗群に属する対象店舗における前記商品の取り扱いの有無に関する取り扱い情報と、を取得する処理である。前記推奨処理は、前記取得処理で取得した前記実績情報及び前記取り扱い情報に基づいて、前記商品群から前記対象店舗にて取り扱うことを推奨する推奨商品を決定する処理である。前記取得処理では、前記商品群に属する商品について顧客の購入履歴に関する履歴情報を更に取得する。前記取得処理で取得した前記履歴情報に基づいて、前記商品が属する商品カテゴリにおいて前記商品への拘り度を算出する算出処理を更に有する。前記拘り度は、前記顧客の前記商品カテゴリに属する全商品の購入回数における、前記商品の購入回数の割合である。前記推奨処理では、前記算出処理で算出された前記拘り度を参照して、前記推奨商品を決定する。
本開示の一態様に係る商品推奨方法は、１以上のプロセッサが実行する商品推奨方法である。前記商品推奨方法は、取得処理と、推奨処理と、を有する。前記取得処理は、商品群に属する商品の販売実績に関する実績情報と、店舗群に属する対象店舗における前記商品の取り扱いの有無に関する取り扱い情報と、を取得する処理である。前記推奨処理は、前記取得処理で取得した前記実績情報及び前記取り扱い情報に基づいて、前記商品群から前記対象店舗にて取り扱うことを推奨する推奨商品を決定する処理である。前記取得処理では、前記商品群に属する商品について顧客の購入履歴に関する履歴情報を更に取得する。前記取得処理で取得した前記履歴情報に基づいて、前記商品が属する商品カテゴリにおいて前記商品への拘り度を算出する算出処理を更に有する。前記拘り度は、前記顧客の前記商品カテゴリに属する全商品の購入回数における、前記商品の購入回数の割合である。前記推奨処理では、前記算出処理で算出された前記拘り度を参照して、前記推奨商品を決定する。
【0008】
本開示の一態様に係るプログラムは、１以上のプロセッサに、上記の商品推奨方法を実行させる。
【図面の簡単な説明】
【0009】
【発明を実施するための形態】
【0010】
（１）概要
本実施形態に係る商品推奨システム１０（図１参照）は、対象店舗２０（図１参照）で取り扱うべき商品３（図４参照）を推奨するシステムである。ここでいう対象店舗２０は、店舗群２００（図４参照）に属する複数の店舗２（図１参照）のうち、商品推奨システム１０による支援の対象となる店舗である。対象店舗２０は、図２に示すように、複数の陳列棚２０１に複数種類の商品３を陳列して販売する店舗である。本実施形態では、商品推奨システム１０が、コンビニエンスストア、スーパーマーケット、百貨店、ドラッグストア、衣料品店、家電量販店又はホームセンター等の小売店の店舗２に導入される場合を例として説明する。
本実施形態に係る商品推奨システム１０（図１参照）は、対象店舗２０（図１参照）で取り扱うべき商品３（図４参照）を推奨するシステムである。ここでいう対象店舗２０は、店舗群２００（図４参照）に属する複数の店舗２（図１参照）のうち、商品推奨システム１０による支援の対象となる店舗である。対象店舗２０は、図２に示すように、複数の陳列棚２０１に複数種類の商品３を陳列して販売する店舗である。本実施形態では、商品推奨システム１０が、コンビニエンスストア、スーパーマーケット、百貨店、ドラッグストア、衣料品店、家電量販店又はホームセンター等の小売店の店舗２に導入される場合を例として説明する。
【0011】
店舗群２００には、対象店舗２０の他に、対象店舗２０と類似する店舗２が属している。ここで、対象店舗２０と類似する店舗２は、対象店舗２０との間で所定の類似条件を満たす店舗である。例えば、コーポレートチェーン（レギュラーチェーン）又はフランチャイズチェーンのようにチェーン展開されている複数の店舗２が存在する場合には、これら複数の店舗２は互いに類似条件を満たすこととする。類似条件には、国、地域、営業時間帯又は客層等に関する条件が含まれていてもよい。
【0012】
本実施形態に係る商品推奨システム１０は、対象店舗２０の売上高の向上を図ることにより、対象店舗２０の経営状況の改善を図るシステムである。より具体的には、商品推奨システム１０は、対象店舗２０における客単価、ＬＴＶ（Life Time Value）の平均値、又は利益（粗利及び営業利益等を含む）等の向上を図ることによって、対象店舗２０の売上高を向上させるシステムである。
【0013】
本開示でいう「ＬＴＶ（Life Time Value）」は、商品３の購入又はサービスの提供を受ける顧客が、商品３又はサービスに対する対価として所定期間（Life Time）に支払う対価を意味する。一例として、所定期間が１日（２４時間）であれば、ある顧客が１日に対象店舗で使用する金額が、この顧客のＬＴＶとなる。そのため、ある顧客が１日にＮ回（Ｎは２以上）、対象店舗で買物をするようなケースにおいては、この顧客が１回の買物で使用する金額ではなく、Ｎ回の買物で使用した合計金額が、この顧客のＬＴＶとなる。このように、ＬＴＶは、一見すると客単価に類似するものの、所定期間に使用した合計金額を表す点で、客単価とは相違する。
【0014】
本開示でいう「利益」は、対象店舗２０における売上高に関係する利益全般を意味し、例えば、粗利（売上総利益）、営業利益、経営利益、税引前当期純利益、及び税引後当期純利益等を含む。
【0015】
商品推奨システム１０は、上述したような対象店舗２０の売上高の向上を図るための手段として、対象店舗２０で取り扱うべき商品３、すなわち推奨商品３１（図４参照）を提案する。対象店舗２０においては、このような提案された推奨商品３１を取り扱うことにより、売上高の向上を図ることが可能となる。
【0016】
商品推奨システム１０は、図３に示すように、取得部１２１と、推奨部１２２と、を備えている。
【0017】
取得部１２１は、商品群３０に属する商品３の販売実績に関する実績情報と、店舗群２００に属する対象店舗２０における商品３の取り扱いの有無に関する取り扱い情報と、を取得する。つまり、取得部１２１は、商品群３０に属する複数の商品３の各々について、販売実績に関する実績情報と、取り扱いの有無に関する取り扱い情報と、を取得する。
【0018】
ここで、商品群３０には、対象店舗２０で既に取り扱っている商品３の他、店舗群２００に属する店舗２のうち対象店舗２０以外の店舗２で取り扱っている商品３を含み得る。また、商品群３０には、他店舗群６００（図４参照）に属する他店舗６（図４参照）で取り扱っている商品３を含み得る。本開示でいう「他店舗群」は、店舗群２００の店舗形態とは異なる店舗形態を有している。本実施形態では、他店舗群６００は、店舗群２００の業種とは異なる業種である。他店舗群６００の業種には、例えばインターネット等のネットワークを介して顧客に商品３を販売するネット販売業者を含み得る。一例として、店舗群２００がコンビニエンスストアの集合であれば、他店舗群６００は、スーパーマーケット（他店舗６）の集合、又はドラッグストア（他店舗６）の集合等である。なお、他店舗群６００に属する複数の他店舗６は、店舗群２００に属する複数の店舗２と同様に、互いに所定の類似条件を満たす店舗である。
【0019】
推奨部１２２は、取得部１２１で取得した実績情報及び取り扱い情報に基づいて、商品群３０から対象店舗２０にて取り扱うことを推奨する推奨商品３１を決定する。例えば、推奨部１２２は、商品群３０に属する複数の商品３のうち対象店舗２０で現在取り扱っていない１以上の商品３を抽出し、かつ、１以上の商品３の個々の販売実績を参照することで、１以上の商品３から推奨商品３１を決定する。
【0020】
上述のように、本実施形態の商品推奨システム１０は、対象店舗２０で取り扱っていない商品３であって、かつ、対象店舗２０以外の店舗での販売実績を考慮した商品３を、推奨商品３１として決定することが可能である。このため、本実施形態では、対象店舗２０以外の店舗での販売実績が良好な商品３、つまり対象店舗２０の経営状況の改善に適すると想定される商品３（推奨商品３１）を推奨しやすい、という利点がある。
【0021】
ところで、例えばコンビニエンスストアのように、対象店舗２０の参考となり得る店舗２及び他店舗６の数が、１００店以上、１０００店以上、又は１００００店以上といった多数になり得る場合、商品推奨システム１０は特に有用である。
【0022】
すなわち、通常、多数の店舗２は、所定の類似条件は満たしながらも、個々別々の条件の下で営業している。多数の他店舗６も同様である。このため、これら多数の店舗２及び他店舗６にわたる膨大な量の情報を、ある対象店舗２０向けに反映するには、人の処理能力を遥かに上回る演算等が必要となり、人では到底実現し得ない。しかも、これらの多数の店舗２及び他店舗６の運営及び経営に関する情報は、時間経過に伴って（例えば季節ごとに）随時変動するところ、多数の店舗２及び他店舗６の最新の情報を考慮して推奨商品３１をアップデートすることなど、人では到底なし得ない。
【0023】
これに対して、本実施形態に係る商品推奨システム１０は、例えば一般的な情報処理装置を用いることにより、上述したような膨大かつ変動する情報であっても処理し得る。このように、多数の店舗２及び他店舗６を参考にする業態においては、本実施形態に係る商品推奨システム１０は特に有用である。
【0024】
（２）詳細
以下、本実施形態に係る商品推奨システム１０について詳しく説明する。本実施形態では、商品推奨システム１０が導入される店舗２としてコンビニエンスストアを例に説明する。つまり、「店員」はコンビニエンスストアの店員（アルバイト及びパートタイマを含む）、「顧客」はコンビニエンスストアの来客である。本実施形態においては、店舗２の数が、１００００店以上である場合を想定する。以下では、これら複数（多数）の店舗２のうちの１つが、対象店舗２０である場合について説明するが、実際には、複数の店舗２がそれぞれ対象店舗２０となり得る。すなわち、商品推奨システム１０は、複数の店舗２のそれぞれを支援の対象とし得るが、以下では、説明を簡単にするため、対象店舗２０が１つである場合を例に説明する。
以下、本実施形態に係る商品推奨システム１０について詳しく説明する。本実施形態では、商品推奨システム１０が導入される店舗２としてコンビニエンスストアを例に説明する。つまり、「店員」はコンビニエンスストアの店員（アルバイト及びパートタイマを含む）、「顧客」はコンビニエンスストアの来客である。本実施形態においては、店舗２の数が、１００００店以上である場合を想定する。以下では、これら複数（多数）の店舗２のうちの１つが、対象店舗２０である場合について説明するが、実際には、複数の店舗２がそれぞれ対象店舗２０となり得る。すなわち、商品推奨システム１０は、複数の店舗２のそれぞれを支援の対象とし得るが、以下では、説明を簡単にするため、対象店舗２０が１つである場合を例に説明する。
【0025】
商品推奨システム１０は、サーバ装置１で構成されている。本実施形態では、商品推奨システム１０は、複数の店舗２（対象店舗２０を含む）にそれぞれ設置されている、ＰＯＳ（Point Of Sales）システム２１、及びストア端末２２に、インターネット等のネットワークＮＴ１を通じて接続されている。また、本実施形態では、商品推奨システム１０は、複数の店舗２を展開するチェーン本部５に設置されている本部端末５１に、ネットワークＮＴ１を通じて接続されている。
【0026】
ここで、商品推奨システム１０は、ＰＯＳシステム２１、ストア端末２２及び本部端末５１の各々と通信可能に構成されている。本開示でいう「通信可能」とは、有線通信又は無線通信の適宜の通信方式により、直接的、又はネットワークＮＴ１若しくは中継器等を介して間接的に、信号を授受できることを意味する。本実施形態では、商品推奨システム１０は、ＰＯＳシステム２１、ストア端末２２及び本部端末５１の各々と、双方向に通信可能である。さらに、本実施形態では、ＰＯＳシステム２１、ストア端末２２及び本部端末５１の間でも、相互に通信可能に構成されている。
【0027】
各店舗２（対象店舗２０を含む）には、上述したように、ＰＯＳシステム２１及びストア端末２２が、それぞれ１台以上設置されている。ＰＯＳシステム２１及びストア端末２２は、それぞれ１つの店舗２に複数台設けられていてもよい。図１においては、各店舗２がネットワークＮＴ１に接続されているかのように表記しているが、実際には、各店舗２に設置されているＰＯＳシステム２１及びストア端末２２等の機器が、ゲートウェイ等を介してネットワークＮＴ１に接続される。
【0028】
ＰＯＳシステム２１及びストア端末２２の各々は、１以上のプロセッサ及びメモリを有するコンピュータシステムを主構成とする。そのため、１以上のプロセッサがメモリに記録されているプログラムを実行することにより、ＰＯＳシステム２１及びストア端末２２の各々として機能する。プログラムはメモリに予め記録されていてもよいし、インターネット等の電気通信回線を通して提供されてもよく、メモリカード等の非一時的記録媒体に記録されて提供されてもよい。
【0029】
本実施形態では特に、ＰＯＳシステム２１は、ＩＤ－ＰＯＳデータを取り扱うことが可能な、いわゆる「ＩＤ－ＰＯＳ」である。ここでいう「ＩＤ－ＰＯＳデータ」は、ＰＯＳデータに顧客の識別情報（ＩＤ：identification）としての「顧客ＩＤ」が付加されたデータである。この種のＰＯＳシステム２１（ＩＤ－ＰＯＳ）は、顧客が買物を行う際に顧客の認証を行うことで、顧客の識別情報（顧客ＩＤ）を取得する。顧客の認証は、一例として、会員カード、ポイントカード又はクレジットカード等の各種カード等で実現されてもよいし、顧客の携帯情報端末との通信、又は生体認証（顔認証を含む）等によって実現されてもよい。なお、ＰＯＳシステム２１は、ＩＤ－ＰＯＳに限らず、ＩＤ－ＰＯＳデータを取り扱わない単なるＰＯＳであってもよい。
【0030】
ストア端末２２は、店舗２の店員又はオーナ等が所有する情報端末である。ストア端末２２は、ユーザインタフェースとしてタッチパネルディスプレイを有しており、ユーザの操作の受け付けと、ユーザへの情報の提示（表示）を行う。
【0031】
このようなＰＯＳシステム２１及びストア端末２２によれば、少なくとも店舗２における商品３の購買履歴をデータとして、ネットワークＮＴ１経由で、サーバ装置１（商品推奨システム１０）に送信することが可能である。特に、本実施形態では、ＰＯＳシステム２１は、ＩＤ－ＰＯＳデータを取り扱うことが可能であるため、例えば、会計が行われる度に、購入された商品３の情報を、顧客の識別情報（顧客ＩＤ）と対応付けた状態で購買履歴として出力できる。
【0032】
また、各店舗２には、ＰＯＳシステム２１及びストア端末２２以外にも、ネットワークＮＴ１に接続される機器があってもよい。一例として、ストアコンピュータ、又は各店員が所持する携帯端末（スマートフォン及びウェアラブル端末等を含む）等のコンピュータシステムを主構成とする機器が、各店舗２に設けられ、ネットワークＮＴ１に接続されていてもよい。
【0033】
本部端末５１は、上述したように、複数の店舗２を展開するチェーン本部５に設置されている。本部端末５１は、１以上のプロセッサ及びメモリを有するコンピュータシステムを主構成とする。そのため、１以上のプロセッサがメモリに記録されているプログラムを実行することにより、本部端末５１として機能する。プログラムはメモリに予め記録されていてもよいし、インターネット等の電気通信回線を通して提供されてもよく、メモリカード等の非一時的記録媒体に記録されて提供されてもよい。
【0034】
本部端末５１は、例えば、ユーザインタフェースとしてタッチパネルディスプレイを有しており、ユーザの操作の受け付けと、ユーザへの情報の提示（表示）を行う。本部端末５１のユーザは、主としてチェーン本部５のオペレータ等である。
【0035】
商品推奨システム１０は、図３に示すように、通信部１１と、処理部１２とを備える。商品推奨システム１０は、例えば、商品推奨システム１０を提供するサービス会社、又は店舗２の運営会社等に設置される。商品推奨システム１０は、Ｐａａｓ（Platform as a Service）環境を用い、ＯＳ、ランタイム及びミドルウェアの管理が無いパブリッククラウド環境であることが好ましい。
【0036】
通信部１１は、通信インタフェースである。特に、通信部１１は、ネットワークＮＴ１に接続可能な通信インタフェースであり、ネットワークＮＴ１を通じた通信を行う機能を有する。これにより、商品推奨システム１０は、ネットワークＮＴ１を通じて、ＰＯＳシステム２１、ストア端末２２及び本部端末５１の各々と通信可能である。なお、通信部１１の通信プロトコルは、周知の様々な有線及び無線通信規格から選択され得る。
【0037】
処理部１２は、商品推奨システム１０の全体的な制御をするように構成される。処理部１２は、例えば、１以上のプロセッサ（マイクロプロセッサ）と１以上のメモリとを含むコンピュータシステムにより実現され得る。つまり、１以上のプロセッサが１以上のメモリに記憶された１以上のプログラム（アプリケーション）を実行することで、処理部１２として機能する。プログラムは、ここでは処理部１２のメモリに予め記録されているが、インターネット等の電気通信回線を通じて、又はメモリカード等の非一時的な記録媒体に記録されて提供されてもよい。
【0038】
処理部１２は、図３に示すように、取得部１２１と、推奨部１２２と、算出部１２３と、を備える。図３において、取得部１２１と、推奨部１２２と、算出部１２３とは実体のある構成を示しているわけではなく、処理部１２によって実現される機能を示している。
【0039】
取得部１２１は、実績情報と、取り扱い情報と、を取得する。具体的には、取得部１２１は、ネットワークＮＴ１を通じて、例えば商品３の購入履歴を含む購買データを提供するサービス事業者のサーバ装置又はクラウド（クラウドコンピューティング）上のストレージ等から、実績情報を取得する。また、取得部１２１は、ネットワークＮＴ１を通じて、例えば対象店舗２０のＰＯＳシステム２１、ストア端末２２及び本部端末５１の少なくともいずれかと通信して、取り扱い情報を取得する。
【0040】
本実施形態では、取得部１２１は、購買データに対して適宜の統計処理を施すことにより、実績情報を取得する。また、本実施形態では、取得部１２１は、所定期間（例えば、数年間）においてサービス事業者のサーバ装置又はクラウド上のストレージ等に収集された購買データに基づいて、実績情報を取得する。
【0041】
ここで、購買データは、一例として、サービス事業者がユーザ（顧客）に対して提供するアプリケーションをユーザが使用することにより、サービス事業者のサーバ装置又はクラウド上のストレージ等に収集される。例えば、上記アプリケーションが顧客の所持するスマートフォン等の情報端末にインストールされている、と仮定する。この場合、顧客が、店舗２又は他店舗６で商品３を購入した際に手渡されるレシートを、上記アプリケーションを介して情報端末に備え付けのカメラで撮像する。すると、上記アプリケーションにより、カメラにて撮像された画像に適宜の画像処理が施され、レシートに記載された商品３の購買履歴等の情報が購買データとして顧客のＩＤ等の顧客情報と紐付けられる。そして、上記アプリケーションにて取得された購買データは、サービス事業者のサーバ装置又はクラウド上のストレージ等に送信される。
【0042】
購買データには、購買履歴として、例えば商品３の名称、商品３の商品カテゴリ、商品３の売上高（例えば、価格及び個数を含む）、商品３の購入日（例えば、平日又は休日）、及び商品３の購入された時間帯等の情報が含まれ得る。また、購買データには、購買履歴として、商品３が購入された店舗２（又は他店舗６）の所在地（例えば、都道府県、及び／又は市区町村）、及び店舗２（又は他店舗６）の店舗形態（例えば、コンビニエンスストア又はスーパーマーケット）等の情報が含まれ得る。また、購買データには、顧客情報として、商品３を購入した顧客のＩＤ、顧客の性別、顧客の年代、及び顧客の家族構成等の情報が含まれ得る。
【0043】
本開示でいう「商品カテゴリ」は、商品３を用途、機能又は客層等で分類するためのラベルであって、例えば、食品、衣類、医薬品、美容関連商品、電化品又は日用品等のように、比較的大きな分類（大カテゴリ）であってもよい。さらに、商品カテゴリは、大カテゴリを更に複数に分類する中カテゴリであってもよく、中カテゴリの具体例として、食品の中には、ソフトドリンク、お酒、弁当、総菜、スイーツ、お菓子及びアイスクリーム等の中カテゴリがある。さらに、商品カテゴリは、中カテゴリを更に複数に分類する小カテゴリであってもよく、小カテゴリの具体例として、ソフトドリンクの中には、麦茶、緑茶、紅茶、コーヒー、乳酸飲料、炭酸飲料、ミネラルウォータ及びスポーツドリンク等の小カテゴリがある。
【0044】
上述のように、本実施形態では、購買データには、店舗群２００に属する店舗２での情報に限らず、他店舗群６００に属する他店舗６での情報も含まれている。つまり、購買データは、店舗２及び他店舗６の区別なく、多数の顧客の各々がいずれかの店舗２（又は他店舗６）にて購入した商品３についての膨大なデータ、すなわちビッグデータを含んでいる。なお、購買データは、レシートから取得した情報に限らず、例えばＩＤ－ＰＯＳデータが含まれていてもよい。つまり、店舗群２００及び他店舗群６００から購買データを収集する手段は、特に限定されない。
【0045】
実績情報は、商品群３０に属する商品３の販売実績に関する情報である。商品３の販売実績に関する情報には、対象店舗２０における商品３の販売実績に関する情報が含まれ得る他、対象店舗２０以外の店舗２における商品３の販売実績に関する情報が含まれ得る。また、商品３の販売実績に関する情報には、他店舗群６００に属する他店舗６における商品３の販売実績に関する情報が含まれ得る。商品群３０には、対象店舗２０で取り扱っている商品３の他、店舗群２００に属する対象店舗２０以外の店舗２で取り扱っている商品３が含まれる。また、商品群３０には、他店舗群６００に属する他店舗６で取り扱っている商品３が含まれる。つまり、本実施形態では、商品群３０は、店舗群２００の店舗形態とは異なる店舗形態である他店舗群６００が取り扱う商品３を含んでいる。
【0046】
商品３の例としては、食品、衣類、医薬品、美容関連商品、電化品、日用品等が挙げられる。商品３は、アイテム又はＳＫＵ（Stock Keeping Unit）で管理される。本実施形態では、ＳＫＵが商品３の管理に用いられる。本開示でいう「ＳＫＵ（Stock Keeping Unit）」は、商品の受発注管理又は在庫管理における最小の管理単位を意味する。例えば、同一商品名の商品でも、サイズ、色、パッケージ又は入り数等の違いで個別のＳＫＵとしてカウントされ、ＳＫＵとしてはアイテムよりも小さな単位に分類される。本開示でいう「アイテム」は、広義の１つの商品を意味し、例えば、同一商品名の商品は１つのアイテムとしてカウントする。一例として、「ＡＢＣ食パン」という名称の商品に４枚切り、５枚切り及び６枚切りの３種類がある場合、「ＡＢＣ食パン」についてのアイテム数は「１」であって、ＳＫＵ数は「３」となる。
【0047】
販売実績は、一例として、商品３の売上高、利益等を含み得る。また、本実施形態では、販売実績は、商品群３０のうち特定商品群に属する全ての商品３の総売上高に対して商品３の売上高が占める割合、言い換えれば商品シェアを含んでいる。つまり、実績情報は、商品群３０のうち特定商品群の全体の売上に対する商品３の売上の占有率（商品シェア）を含んでいる。特定商品群は、一例として、他店舗群６００で取り扱う全ての商品３である。また、特定商品群は、一例として、任意の商品カテゴリ（例えば、食品等）に属する全ての商品３である。特定商品群は、商品群３０のうちの一部の範囲に限らず、商品群３０全体であってもよい。また、本実施形態では、販売実績は、特定商品群における商品３の売上の占有率の順位を含んでいる。言い換えれば、実績情報は、特定商品群における占有率（商品シェア）の順位を含んでいる。
【0048】
取り扱い情報は、対象店舗２０における商品３の取り扱いの有無に関する情報である。つまり、取り扱い情報は、商品群３０に属する個々の商品３について、対象店舗２０で現在取り扱っているか否かの情報を含んでいる。なお、取り扱い情報は、商品群３０に属する個々の商品３について、対象店舗２０で過去に取り扱ったことがあるか否かの情報を含んでいてもよい。
【0049】
本実施形態では、取得部１２１は、商品群３０に属する商品３について対象店舗２０にて取り扱われている商品３との類似性に関する類似情報を更に取得している。ここでいう「類似性」は、例えば、商品３のジャンル、成分、味、コンセプト（プレミアム商品等）、ターゲットとする客層、又は価格帯等についての総合的な類似性を意味する。例えば、商品カテゴリに関して、「緑茶」という小カテゴリが一致し、かつターゲットとする客層、又は価格帯が一致するような２つの商品３が、異なるメーカから販売されている場合、これら２つの商品３の類似性は高くなる。例えば、類似情報は、商品群３０に属する個々の商品３について、対象店舗２０で取り扱われている全ての商品３のうちの少なくとも１以上の商品３と類似しているか否かの情報を含み得る。
【0050】
また、本実施形態では、取得部１２１は、商品群３０に属する商品３について顧客の購入履歴に関する履歴情報を更に取得している。例えば、履歴情報は、商品群３０に属する個々の商品３について、顧客ごとの所定期間（例えば、数年間）における商品３の購入回数、又は購入頻度等を含み得る。
【0051】
また、本実施形態では、取得部１２１は、商品群３０に属する商品３の発注に関する発注情報を更に取得している。例えば、発注情報は、商品群３０に属する個々の商品３について、対象店舗２０にて商品３を発注することが可能であるか否かの情報を含み得る。具体的には、対象店舗２０が関西に存在しており、商品３の販売ネットワークが関東にのみ存在する場合には、当該商品３についての発注情報は、対象店舗２０で発注することが不可能であるか、又は発注の難易度が比較的高いことを表す情報となる。また、例えば、商品３が他店舗群６００の経営母体が独自に企画した自主企画品（プライベートブランド）である場合には、当該商品３についての発注情報は、対象店舗２０で発注することが不可能であることを表す情報となる。
【0052】
算出部１２３は、取得部１２１で取得した履歴情報に基づいて、リピート率を算出する。リピート率は、商品３が属する商品カテゴリにおいて当該商品３が同じ顧客により再度購入された頻度を表す。例えば、商品カテゴリが「コーヒー」であって、顧客が購入した商品３が「コーヒーＡ」である、と仮定する。この場合、リピート率は、この顧客が「コーヒー」の商品カテゴリに含まれる複数種類のコーヒーから再度「コーヒーＡ」を購入した割合を表す。例えば、所定の期間（例えば、数年間）において、ある顧客がコーヒーを１００本購入し、そのうち「コーヒーＡ」を３０本購入していた場合、リピート率は３０％となる。つまり、リピート率は、同じ商品カテゴリに存在する複数種類の商品３のうちの特定の商品３に対する嗜好の強さ、言い換えれば顧客の商品３に対する拘り度を表している、と言える。
【0053】
推奨部１２２は、取得部１２１で取得した情報（ここでは、主として実績情報及び取り扱い情報）に基づいて、商品群３０から対象店舗２０にて取り扱うことを推奨する推奨商品３１を決定する。具体的には、推奨部１２２は、商品群３０に属する商品３について、取得部１２１で取得した情報を参照しながら所定の条件に合致するか否かを判定するフィルタ処理を複数種類実行する。これにより、推奨部１２２は、商品群３０から複数種類の所定の条件に対する合致度合いが最も大きい、又は合致度合いが閾値よりも大きい１以上の商品３を、推奨商品３１として決定する。
【0054】
推奨部１２２で決定された推奨商品３１は、例えば対象店舗２０のオーナ等のユーザがストア端末２２を用いて閲覧することが可能である。推奨商品３１を閲覧したユーザは、推奨商品３１を対象店舗２０にて取り扱うか否かを決定したり、推奨商品３１を参考にして他の商品３を取り扱うことを決定したり等、提示された推奨商品３１に基づいて経営状況の改善に役立てることが可能である。
【0055】
以下、推奨部１２２にて実行される複数のフィルタ処理について具体的に説明する。以下の説明では、説明の便宜上、複数のフィルタ処理をそれぞれ「第１フィルタ処理」～「第７フィルタ処理」と称しているが、フィルタ処理を実行する順番を一意に決定しているわけではない。
【0056】
ここで、推奨部１２２は、各フィルタ処理を実行する際に、直前に実行されたフィルタ処理により決定された選出カテゴリを参照する。例えば、推奨部１２２が第１フィルタ処理を実行した場合、第２フィルタ処理においては、第１フィルタ処理により決定された選出カテゴリに含まれる商品３の集合に対して、第２フィルタ処理が実行されることになる。したがって、以下の各フィルタ処理の説明では、直前に他のフィルタ処理を実行している場合、「商品群３０のうち」は「商品群３０のうち直前のフィルタ処理により決定された選出カテゴリのうち」と読み替える。また、以下の各フィルタ処理の説明では、直前に他のフィルタ処理を実行している場合、「選出カテゴリを決定する」は「選出カテゴリを更に限定する」と読み替える。
【0057】
第１フィルタ処理では、推奨部１２２は、実績情報に基づいて、選出カテゴリを決定する。第１フィルタ処理では、選出カテゴリは、対象店舗２０の経営に関する指標である経営指標に基づいて、例えば食品等、対象店舗２０の売上高の増大に寄与し得る商品カテゴリに決定される。以下では、経営指標に基づいて決定される選出カテゴリを、特定カテゴリとも称す。経営指標は、所定期間（例えば、数年間）における商品３の売上高、及び商品３の販売数等を含み得る。商品３の売上高、及び商品３の販売数には、対象店舗２０における商品３の売上高、及び商品３の販売数が含まれ得る他、対象店舗２０以外の店舗２における商品３の売上高、及び商品３の販売数が含まれ得る。また、商品３の売上高、及び商品３の販売数には、他店舗群６００に属する他店舗６における商品３の売上高、及び商品３の販売数が含まれ得る。具体例として、推奨部１２２は、商品群３０に属する複数の商品カテゴリ（例えば、大カテゴリ）のうち、商品３の総売上高が所定の売上高よりも高い１以上の商品カテゴリを選出カテゴリとして決定する。ここで、推奨部１２２は、複数の商品カテゴリとして、大カテゴリではなく中カテゴリ又は小カテゴリを採用してもよい。つまり、推奨部１２２は、第１フィルタ処理を実行することにより、商品群３０のうち、対象店舗２０の経営指標に基づいて特定された選出カテゴリ（特定カテゴリ）に属する商品３を、推奨商品３１として決定することになる。
【0058】
第２フィルタ処理では、推奨部１２２は、実績情報に基づいて、選出カテゴリ（特定カテゴリ）を決定する。第２フィルタ処理では、選出カテゴリは、特定顧客が購入する商品３が属するように決定される。本開示でいう「特定顧客」は、コンビニエンスストア（店舗群２００の店舗２）とスーパーマーケット（他店舗群６００の他店舗６）とを併用しており、コンビニエンスストアを利用する頻度が比較的高い、いわゆるコンビニエンスストアのヘビーユーザである。つまり、「特定顧客」は、店舗群２００及び他店舗群６００のいずれでも商品３（実際に購入する商品３だけでなく、商品３の属する商品カテゴリにおける他の商品３を含む）を購入する顧客であって、店舗群２００を利用する頻度が閾値（第２閾値）よりも大きい顧客である。ここで、「頻度が閾値よりも大きい顧客」とは、一例として、店舗群２００の顧客のうち、例えば店舗群２００に属するいずれかの店舗２での商品３の購入金額の総額が所定金額よりも大きい顧客である。その他、「頻度が閾値よりも大きい顧客」とは、店舗群２００の顧客のうち、所定期間（例えば、１週間）における店舗２での商品３の購入回数が所定回数よりも大きい顧客である。
【0059】
図５に特定顧客の存在する商品カテゴリの一例を示す。図５に示す例では、特定顧客の存在する商品カテゴリとして、４つの商品カテゴリ「アイスクリーム」、「おにぎり」、「カップ麺」、及び「冷凍食品」を挙げている。各商品カテゴリにおいては、棒グラフにより店舗群２００のみを利用する顧客、他店舗群６００のみを利用する顧客、及び店舗群２００及び他店舗群６００の両方を利用する顧客（特定顧客）の占める割合を表している。図５では、各商品カテゴリにおいて、店舗群２００のみを利用する顧客の占める割合を空白の領域Ａ１で、他店舗群６００のみを利用する顧客の占める割合をドットを施した領域Ａ２で表している。また、図５では、各商品カテゴリにおいて、特定顧客の占める割合をハッチングを施した領域Ａ３で表している。例えば、商品カテゴリ「おにぎり」及び「冷凍食品」を比較すると、商品カテゴリ「おにぎり」の方が特定顧客の占める割合が大きくなっている。
【0060】
特に、本実施形態では、推奨部１２２は、上記のように特定顧客が購入する商品３が属する１以上の商品カテゴリのうち、特定顧客の占める割合が閾値よりも大きい商品カテゴリを、選出カテゴリ（特定カテゴリ）として決定する。言い換えれば、選出カテゴリは、特定顧客の占める割合が閾値（第３閾値）よりも大きい商品カテゴリとなるように決定される。図５に示す例において、４つの商品カテゴリ「アイスクリーム」、「おにぎり」、「カップ麺」、及び「冷凍食品」のうち、特定顧客の占める割合が閾値（例えば、１５％）よりも大きいのは、商品カテゴリ「アイスクリーム」である、と仮定する。この場合、推奨部１２２は、商品カテゴリ「アイスクリーム」を選出カテゴリとして決定することになる。
【0061】
ここで、特定顧客は、店舗群２００を利用する頻度が比較的大きい顧客であるため、対象店舗２０で取り扱われている商品３の変化に気付きやすい、と考えられる。このため、特定顧客は、他店舗群６００でしか取り扱っていなかった商品３が対象店舗２０にて取り扱われ始めた場合、他の顧客と比較して新たに取り扱われ始めた商品３に気付きやすい、と考えられる。したがって、第２フィルタ処理により、特定顧客に焦点を当てた商品３を推奨商品３１として決定することで、対象店舗２０にて新たに取り扱われる商品３（推奨商品３１）が売上の増加に寄与しやすくなる、という効果が期待できる。
【0062】
第３フィルタ処理では、推奨部１２２は、取り扱い情報に基づいて、選出カテゴリを決定する。第３フィルタ処理では、推奨部１２２は、商品群３０のうち、対象店舗２０で現在取り扱っていない商品３の集合を、選出カテゴリとして決定する。つまり、推奨部１２２は、対象店舗２０において取り扱われていない商品（非取り扱い商品）を推奨商品３１として決定することになる。言い換えると、推奨部１２２は、対象店舗において取り扱われている商品を推奨商品３１から除外することになる。例えば、対象店舗２０にて酒類が取り扱われていない場合、酒類が選出カテゴリに含まれ得る。また、例えば、対象店舗２０にて「ボールペンＡ」が取り扱われている場合、商品カテゴリ「ボールペン」に属する「ボールペンＡ」以外のボールペン（「ボールペンＢ」等）が選出カテゴリに含まれ得る。
【0063】
第４フィルタ処理では、推奨部１２２は、実績情報に基づいて、選出カテゴリを決定する。第４フィルタ処理では、推奨部１２２は、商品群３０のうち、商品シェア（占有率）の比較的高い商品３の集合を、選出カテゴリとして決定する。つまり、推奨部１２２は、占有率に基づいて推奨商品３１を決定することになる。特に、本実施形態では、第４フィルタ処理を実行する前に第２フィルタ処理を実行していることが好ましい。この場合、上記の読み替えの定義に則れば、第４フィルタ処理では、推奨部１２２は、商品群３０のうち特定顧客が購入する商品３が属する選出カテゴリにおいて、占有率の比較的高い商品３の集合を、選出カテゴリとして更に限定することになる。言い換えれば、この場合、第４フィルタ処理は、特定顧客が購入する商品３の集合のみに焦点を当てて、この商品３の集合の中から占有率の比較的高い商品３の集合を、選出カテゴリとして更に限定することになる。
【0064】
本実施形態では、推奨部１２２は、占有率が１位～数十位（例えば、３０位）までの商品３の集合を選出カテゴリとして決定する。つまり、本実施形態では、推奨部１２２は、占有率の順位に基づいて推奨商品３１を決定することになる。なお、推奨部１２２は、占有率が所定の閾値を上回る商品３の集合を選出カテゴリとして決定してもよい。
【0065】
第４フィルタ処理においては、推奨部１２２は、商品カテゴリに依らず、占有率のみを参照して選出カテゴリを決定する。つまり、選出カテゴリに含まれる商品３の商品カテゴリは、１つだけでなく、複数の場合もあり得る。例えば、推奨部１２２が、占有率が１位～３位までの商品３の集合を選出カテゴリとして決定する、と仮定する。また、商品群３０に商品カテゴリ「アイスクリーム」及び商品カテゴリ「コーヒー」のみが含まれる、と仮定する。さらに、商品カテゴリ「アイスクリーム」において「アイスクリームＡ」、「アイスクリームＢ」、及び「アイスクリームＣ」の占有率がそれぞれ５％、３％、及び１％、商品カテゴリ「コーヒー」において「コーヒーＡ」及び「コーヒーＢ」の占有率がそれぞれ４％、２％である、と仮定する。この場合、推奨部１２２は、占有率が１位である「アイスクリームＡ」、占有率が２位である「コーヒーＡ」、及び占有率が３位である「アイスクリームＢ」の集合を選出カテゴリとして決定する。
【0066】
第５フィルタ処理では、推奨部１２２は、類似情報に基づいて、選出カテゴリを決定する。つまり、第５フィルタ処理では、推奨部１２２は、取得部１２１で取得した類似情報を参照して推奨商品３１を決定することになる。本実施形態では、推奨部１２２は、類似情報を参照することにより、対象店舗２０で取り扱っている商品３とは類似性が比較的低い商品３の集合を、選出カテゴリとして決定する。例えば、商品群３０に「鮭おにぎりＡ」、「鮭おにぎりＢ」、及び「昆布おにぎりＡ」が含まれており、「鮭おにぎりＡ」のみが対象店舗２０にて現在取り扱われている、と仮定する。この場合、「昆布おにぎりＡ」は、「鮭おにぎりＡ」と味が異なるので、「鮭おにぎりＡ」との類似性が比較的低いとされ、推奨部１２２により選出カテゴリに含められる可能性が高い。一方、「鮭おにぎりＢ」は、「鮭おにぎりＡ」と味が同じであるが、例えば「鮭おにぎりＡ」と比較して価格が高ければ、「鮭おにぎりＡ」との類似性が比較的低いとされ、推奨部１２２により選出カテゴリに含められる可能性がある。
【0067】
第５フィルタ処理では、対象店舗２０で現在取り扱われている商品３と同じ機能を有する商品３を推奨商品３１から排除することで、同じ機能を有する商品３が対象店舗２０で取り扱われることで生じ得るカニバリゼーションを未然に防止し得る。例えば、対象店舗２０で既に「高級食パンＡ」が取り扱われている場合、「高級食パンＡ」とは異なる「高級食パンＢ」を推奨商品３１とすれば、対象店舗２０にて「高級食パンＡ」及び「高級食パンＢ」が競合する可能性がある。一方、本実施形態では、第５フィルタ処理により「高級食パンＢ」が推奨商品３１から排除されるので、上記の競合を回避することが可能である。
【0068】
第６フィルタ処理では、推奨部１２２は、リピート率に基づいて、選出カテゴリを決定する。つまり、第６フィルタ処理では、推奨部１２２は、算出部１２３で算出されたリピート率を参照して、推奨商品３１を決定することになる。本実施形態では、推奨部１２２は、商品群３０のうち、リピート率が所定の閾値よりも高い商品３の集合を、選出カテゴリとして決定する。本実施形態では、第６フィルタ処理で用いられるリピート率は、一例として１以上の特定顧客ごとのリピート率の平均値である。
【0069】
第６フィルタ処理においては、推奨部１２２は、商品カテゴリに依らず、リピート率のみを参照して選出カテゴリを決定する。つまり、選出カテゴリに含まれる商品３の商品カテゴリは、１つだけでなく、複数の場合もあり得る。例えば、推奨部１２２が、リピート率が１位～３位までの商品３の集合を選出カテゴリとして決定する、と仮定する。また、商品群３０に商品カテゴリ「ビール」及び商品カテゴリ「食パン」のみが含まれる、と仮定する。さらに、商品カテゴリ「ビール」において「ビールＡ」、「ビールＢ」、及び「ビールＣ」のリピート率がそれぞれ２０％、３０％、及び１０％、商品カテゴリ「食パン」において「食パンＡ」及び「食パンＢ」のリピート率がそれぞれ２５％、１８％である、と仮定する。この場合、推奨部１２２は、リピート率が１位である「ビールＢ」、リピート率が２位である「食パンＡ」、及びリピート率が３位である「ビールＡ」の集合を選出カテゴリとして決定する。
【0070】
第７フィルタ処理では、推奨部１２２は、発注情報に基づいて、選出カテゴリを決定する。つまり、第７フィルタ処理では、推奨部１２２は、取得部１２１で取得した発注情報を参照して推奨商品３１を決定することになる。本実施形態では、推奨部１２２は、商品群３０のうち、対象店舗２０での発注の難易度が比較的低い商品３の集合を、選出カテゴリとして決定する。例えば、商品群３０に全国的に発注可能な「商品Ａ」と、主として北海道エリアで発注可能な「商品Ｂ」と、が含まれており、対象店舗２０が関西に存在する、と仮定する。この場合、「商品Ａ」は、対象店舗２０でも発注しやすいので、発注の難易度が比較的低いとされ、推奨部１２２により選出カテゴリに含められる可能性が高い。一方、「商品Ｂ」は、発注可能なエリアが関西以外であるため、発注の難易度が比較的高いとされ、推奨部１２２により選出カテゴリに含められない可能性が高い。
【0071】
本実施形態では、推奨部１２２は、上記の第１フィルタ処理から第７フィルタ処理までを順次実行することによりフィルタリングされた１以上の商品３を、推奨商品３１として決定する。ここで、推奨部１２２が第１フィルタ処理～第７フィルタ処理を実行する順番は、上記の順番に限定されず、実行する順番によっては、推奨部１２２が提示する推奨商品３１が変動し得る。例えば、本実施形態のように第３フィルタ処理の実行後に第４フィルタ処理を実行する場合、推奨部１２２は、対象店舗２０において取り扱われていない商品３のうち、占有率が１位～数十位までの商品３の集合を選出カテゴリとして決定することになる。一方、第３フィルタ処理を実行する前に第４フィルタ処理を実行する場合、推奨部１２２は、対象店舗２０での取り扱いの有無に依らず、占有率が１位～数十位までの商品３の集合を選出カテゴリとして決定することになる。第１フィルタ処理～第７フィルタ処理を実行する順番は、例えば商品推奨システム１０の管理者等により適宜決定されてよい。
【0072】
（３）動作
以下、本実施形態の商品推奨システム１０の動作の一例について図６を用いて説明する。まず、商品推奨システム１０の取得部１２１が、ネットワークＮＴ１を通じて、実績情報及び取り扱い情報等の各種情報を取得する（Ｓ１）。次に、商品推奨システム１０の算出部１２３が、取得部１２１で取得した履歴情報に基づいて、リピート率を算出する（Ｓ２）。そして、商品推奨システム１０の推奨部１２２が、第１フィルタ処理（Ｓ３）、第２フィルタ処理（Ｓ４）、第３フィルタ処理（Ｓ５）、第４フィルタ処理（Ｓ６）、第５フィルタ処理（Ｓ７）、第６フィルタ処理（Ｓ８）、及び第７フィルタ処理（Ｓ９）を順次実行する。このように、推奨部１２２は、第１フィルタ処理から第７フィルタ処理までを順次実行することによりフィルタリングされた１以上の商品３を推奨商品３１として決定する（Ｓ１０）。
以下、本実施形態の商品推奨システム１０の動作の一例について図６を用いて説明する。まず、商品推奨システム１０の取得部１２１が、ネットワークＮＴ１を通じて、実績情報及び取り扱い情報等の各種情報を取得する（Ｓ１）。次に、商品推奨システム１０の算出部１２３が、取得部１２１で取得した履歴情報に基づいて、リピート率を算出する（Ｓ２）。そして、商品推奨システム１０の推奨部１２２が、第１フィルタ処理（Ｓ３）、第２フィルタ処理（Ｓ４）、第３フィルタ処理（Ｓ５）、第４フィルタ処理（Ｓ６）、第５フィルタ処理（Ｓ７）、第６フィルタ処理（Ｓ８）、及び第７フィルタ処理（Ｓ９）を順次実行する。このように、推奨部１２２は、第１フィルタ処理から第７フィルタ処理までを順次実行することによりフィルタリングされた１以上の商品３を推奨商品３１として決定する（Ｓ１０）。
【0073】
上述のように、本実施形態の商品推奨システム１０では、対象店舗２０で取り扱っていない商品３であって、かつ、対象店舗２０以外の店舗（他店舗６を含む）での販売実績を考慮した商品３を、推奨商品３１として決定することが可能である。このため、本実施形態では、対象店舗２０以外の店舗での販売実績が良好な商品３、つまり対象店舗２０の経営状況の改善に適すると想定される商品３（推奨商品３１）を推奨しやすい、という利点がある。
【0074】
（４）変形例
上述の実施形態は、本開示の様々な実施形態の一つに過ぎない。上述の実施形態は、本開示の目的を達成できれば、設計等に応じて種々の変更が可能である。また、上述の実施形態に係る商品推奨システム１０と同様の機能は、商品推奨方法、コンピュータプログラム、又はコンピュータプログラムを記録した非一時的記録媒体等で具現化されてもよい。
上述の実施形態は、本開示の様々な実施形態の一つに過ぎない。上述の実施形態は、本開示の目的を達成できれば、設計等に応じて種々の変更が可能である。また、上述の実施形態に係る商品推奨システム１０と同様の機能は、商品推奨方法、コンピュータプログラム、又はコンピュータプログラムを記録した非一時的記録媒体等で具現化されてもよい。
【0075】
一態様に係る商品推奨方法は、取得処理と、推奨処理と、を有する。取得処理は、商品群３０に属する商品３の販売実績に関する実績情報と、店舗群２００に属する対象店舗２０における商品３の取り扱いの有無に関する取り扱い情報と、を取得する処理である。推奨処理は、取得処理で取得した実績情報及び取り扱い情報に基づいて、商品群３０から対象店舗２０にて取り扱うことを推奨する推奨商品３１を決定する処理である。また、一態様に係るプログラムは、１以上のプロセッサに、上記の商品推奨方法を実行させる。
【0076】
以下、上述の実施形態の変形例を列挙する。以下に説明する変形例は、適宜組み合わせて適用可能である。
【0077】
本開示における商品推奨システム１０は、例えば、サーバ装置１等に、コンピュータシステムを含んでいる。コンピュータシステムは、ハードウェアとしてのプロセッサ及びメモリを主構成とする。コンピュータシステムのメモリに記録されたプログラムをプロセッサが実行することによって、本開示における商品推奨システム１０としての機能が実現される。プログラムは、コンピュータシステムのメモリに予め記録されてもよく、電気通信回線を通じて提供されてもよく、コンピュータシステムで読み取り可能なメモリカード、光学ディスク、ハードディスクドライブ等の非一時的記録媒体に記録されて提供されてもよい。コンピュータシステムのプロセッサは、半導体集積回路（ＩＣ）又は大規模集積回路（ＬＳＩ）を含む１ないし複数の電子回路で構成される。ここでいうＩＣ又はＬＳＩ等の集積回路は、集積の度合いによって呼び方が異なっており、システムＬＳＩ、ＶＬＳＩ（Very Large Scale Integration）、又はＵＬＳＩ（Ultra Large Scale Integration）と呼ばれる集積回路を含む。さらに、ＬＳＩの製造後にプログラムされる、ＦＰＧＡ（Field-Programmable Gate Array）、又はＬＳＩ内部の接合関係の再構成若しくはＬＳＩ内部の回路区画の再構成が可能な論理デバイスについても、プロセッサとして採用することができる。複数の電子回路は、１つのチップに集約されていてもよいし、複数のチップに分散して設けられていてもよい。複数のチップは、１つの装置に集約されていてもよいし、複数の装置に分散して設けられていてもよい。ここでいうコンピュータシステムは、１以上のプロセッサ及び１以上のメモリを有するマイクロコントローラを含む。したがって、マイクロコントローラについても、半導体集積回路又は大規模集積回路を含む１ないし複数の電子回路で構成される。
【0078】
また、商品推奨システム１０における複数の機能が、１つの筐体内に集約されていることは商品推奨システム１０に必須の構成ではなく、商品推奨システム１０の構成要素は、複数の筐体に分散して設けられていてもよい。さらに、商品推奨システム１０の少なくとも一部の機能、例えば、サーバ装置１の一部の機能がクラウド（クラウドコンピューティング）等によって実現されてもよい。
【0079】
反対に、上述の実施形態において、複数の装置に分散されている商品推奨システム１０の少なくとも一部の機能が、１つの筐体内に集約されていてもよい。
【0080】
また、商品推奨システム１０の用途はコンビニエンスストアに限らず、コンビニエンスストア以外の店舗２に商品推奨システム１０が導入されていてもよい。一例として、レストラン等の飲食店に商品推奨システム１０が導入されていてもよい。この場合、顧客に提供される料理等が商品３に相当する。
【0081】
また、商品３は、有形商品に限定されず、無形商品であってもよい。
【0082】
また、ストア端末２２等におけるユーザインタフェースは、タッチパネルディスプレイに限らず、例えば、キーボード、ポインティングデバイス、メカニカルなスイッチ、又はジェスチャセンサ等の入力装置を有していてもよい。さらに、ユーザインタフェースは、例えば、プロジェクションマッピング技術により映像を投影するプロジェクタ等の表示装置を含んでいてもよい。また、ユーザインタフェースは、タッチパネルディスプレイに代えて、又はタッチパネルディスプレイと共に、音声入出力部を有していてもよい。この場合、ユーザインタフェースは、スピーカから出力される音声により、店員等に向けて各種の情報を提示することが可能である。さらに、ユーザインタフェースは、マイクロホンから出力された音声信号に対して音声認識及び意味解析の処理を施すことで、店員等においては音声による操作（音声入力）も可能になる。
【0083】
また、上述の実施形態では、商品推奨システム１０は、算出部１２３を備えるが、算出部１２３は必須ではない。つまり、商品推奨システム１０は、少なくとも、取得部１２１及び推奨部１２２を備えていればよい。
【0084】
また、店舗２での商品３の販売形態は、上述の実施形態のように、複数の商品３が店内に陳列された状態で販売される形態に限らない。例えば、複数の商品３をストックする自動販売機を用いて、顧客が選択した商品３について、精算及び商品３の払い出しを実行するような形態で、商品３が販売されてもよい。さらに、複数の商品３が店内に陳列された状態で販売される形態であっても、例えば、セルフレジ（Self-checkout）等を用いることにより、顧客が店員を介さずに精算を行う販売形態であってもよい。
【0085】
上述の実施形態では、推奨部１２２は、第１フィルタ処理から第７フィルタ処理までを全て実行することで推奨商品３１を決定しているが、これに限らない。例えば、推奨部１２２は、第１フィルタ処理から第７フィルタ処理のうち一部のフィルタ処理を実行することで推奨商品３１を決定してもよい。つまり、推奨部１２２は、商品群３０から少なくとも実績情報及び取り扱い情報に基づいてフィルタリングされた１以上の商品３を推奨商品３１として決定する態様であればよい。
【0086】
上述の実施形態において、推奨部１２２は、第１フィルタ処理～第７フィルタ処理とは別に第８フィルタ処理を更に実行してもよい。第８フィルタ処理では、推奨部１２２は、取り扱い情報に基づいて、商品群３０のうち、対象店舗２０にて過去に取り扱いがあった商品３を除いた商品３の集合を、選出カテゴリとして決定する。つまり、推奨部１２２は、対象店舗２０にて過去に取り扱いがあった商品３を推奨商品３１から除外してもよい。また、推奨部１２２は、対象店舗２０にて過去の所定の期間に取り扱いがあった商品３を推奨商品３１から除外してもよい。一例として、対象店舗２０にて過去（例えば、数年前）に商品カテゴリ「衣類」を取り扱っていた、と仮定する。この場合、推奨部１２２は、商品群３０から商品カテゴリ「衣類」を除いた商品３の集合を、選出カテゴリとして決定する。
【0087】
上述の実施形態において、推奨部１２２は、第４フィルタ処理にて、商品シェア（占有率）が閾値（第１閾値）よりも小さい商品３を、選出カテゴリから除外してもよい。つまり、推奨部１２２は、占有率が閾値（第１閾値）よりも小さい商品３を推奨商品３１から除外してもよい。一例として、占有率の順位が上述の実施形態における第４フィルタ処理の条件を満たす「商品Ｃ」が存在する、と仮定する。この場合、「商品Ｃ」の占有率が閾値よりも小さければ、「商品Ｃ」は選出カテゴリから除外されることになる。
【0088】
上述の実施形態では、商品群３０には、対象店舗２０で既に取り扱っている商品３、及び店舗群２００に属する店舗２のうち対象店舗２０以外の店舗２で取り扱っている商品３が含まれているが、これに限らない。例えば、商品群３０は、他店舗群６００が取り扱う商品３のみを含んでいてもよい。
【0089】
上述の実施形態では、算出部１２３は、取得部１２１で取得した履歴情報に基づいて、商品３が属する商品カテゴリにおいて当該商品３が同じ顧客により再度購入された頻度を表すリピート率を算出しているが、これに限らない。例えば、算出部１２３は、商品３が属する商品カテゴリにおいて、当該商品３を含む当該商品３と類似の機能を有する商品３が同じ顧客により再度購入された頻度を表す類似リピート率を算出してもよい。ここで、「類似の機能を有する商品」とは、例えば商品３が「無糖紅茶Ａ」である場合、「無糖紅茶Ａ」以外の無糖紅茶である。この場合、推奨部１２２は、第６フィルタ処理において、リピート率の代わりに類似リピート率に基づいて、選出カテゴリを決定すればよい。また、例えば、算出部１２３は、リピート率と類似リピート率との両方を算出してもよい。推奨部１２２は、第６フィルタ処理において、リピート率と類似リピート率とに基づいて、選出カテゴリを決定してもよい。
【0090】
上述の実施形態において、推奨部１２２は、上記の各フィルタ処理を、他のフィルタ処理の実行結果に依らず実行してもよい。つまり、推奨部１２２は、各フィルタ処理を商品群３０に属する全ての商品３に対して実行してもよい。この場合、推奨部１２２は、各フィルタ処理に重み付けを行い、各商品３について推奨スコアを算出してもよい。そして、推奨部１２２は、推奨スコアが所定のスコア以上である１以上の商品３を推奨商品３１として決定してもよい。
【0091】
上述の実施形態において、推奨部１２２は、対象店舗２０にて取り扱っていない商品３のみならず、対象店舗２０にて現在取り扱っている商品３からも推奨商品３１を決定してもよい。対象店舗２０にて現在取り扱っている商品３が推奨商品３１として決定された場合、対象店舗２０のオーナ等のユーザは、当該商品３のストックを増やしたり、当該商品３を人目に付きやすい棚に配置したり等の措置を取ることが可能である。
【0092】
上述の実施形態では、他店舗群６００は、店舗群２００の業種とは異なる業種であるが、これに限らない。例えば、他店舗群６００は、店舗群２００の業種と同じであるが、店舗群２００の系列とは異なる系列である場合も含み得る。具体的には、店舗群２００が「Ａ系列」のコンビニエンスストアの集合である場合、他店舗群６００は、「Ｂ系列」のコンビニエンスストアの集合であってもよい。
【0093】
（まとめ）
以上述べたように、第１の態様に係る商品推奨システム（１０）は、取得部（１２１）と、推奨部（１２２）と、を備える。取得部（１２１）は、商品群（３０）に属する商品（３）の販売実績に関する実績情報と、店舗群（２００）に属する対象店舗（２０）における商品（３）の取り扱いの有無に関する取り扱い情報と、を取得する。推奨部（１２２）は、取得部（１２１）で取得した実績情報及び取り扱い情報に基づいて、商品群（３０）から対象店舗（２０）にて取り扱うことを推奨する推奨商品（３１）を決定する。
以上述べたように、第１の態様に係る商品推奨システム（１０）は、取得部（１２１）と、推奨部（１２２）と、を備える。取得部（１２１）は、商品群（３０）に属する商品（３）の販売実績に関する実績情報と、店舗群（２００）に属する対象店舗（２０）における商品（３）の取り扱いの有無に関する取り扱い情報と、を取得する。推奨部（１２２）は、取得部（１２１）で取得した実績情報及び取り扱い情報に基づいて、商品群（３０）から対象店舗（２０）にて取り扱うことを推奨する推奨商品（３１）を決定する。
【0094】
この態様によれば、対象店舗（２０）の経営状況の改善に適した商品（３）（推奨商品（３１））を推奨しやすい、という利点がある。
【0095】
第２の態様に係る商品推奨システム（１０）では、第１の態様において、推奨部（１２２）は、対象店舗（２０）において取り扱われていない商品（３）を推奨商品（３１）として決定する。
【0096】
この態様によれば、対象店舗（２０）では従前取り扱われていなかった商品（３）（推奨商品（３１））を取り扱うように促すことで、顧客の誘引を図ることができる、という利点がある。
【0097】
第３の態様に係る商品推奨システム（１０）では、第１又は第２の態様において、実績情報は、商品群（３０）のうち特定商品群の全体の売上に対する商品（３）の売上の占有率を含む。推奨部（１２２）は、占有率に基づいて推奨商品（３１）を決定する。
【0098】
この態様によれば、対象店舗（２０）の経営状況の改善に寄与すると想定される商品（３）を積極的に推奨商品（３１）に含めることで、より経営状況の改善に適した商品（３）（推奨商品（３１））を取り扱うように促すことができる、という利点がある。
【0099】
第４の態様に係る商品推奨システム（１０）では、第３の態様において、実績情報は、特定商品群における占有率の順位を含む。推奨部（１２２）は、占有率の順位に基づいて推奨商品（３１）を決定する。
【0100】
この態様によれば、対象店舗（２０）の経営状況の改善に寄与すると想定される商品（３）を積極的に推奨商品（３１）に含めることで、より経営状況の改善に適した商品（３）（推奨商品（３１））を取り扱うように促すことができる、という利点がある。
【0101】
第５の態様に係る商品推奨システム（１０）では、第３又は第４の態様において、推奨部（１２２）は、占有率が占有閾値（第１閾値）よりも小さい商品（３）を推奨商品（３１）から除外する。
【0102】
この態様によれば、対象店舗（２０）の経営状況の改善に寄与しにくいと想定される商品（３）を推奨商品（３１）から除外することで、より経営状況の改善に適した商品（３）（推奨商品（３１））を取り扱うように促すことができる、という利点がある。
【0103】
第６の態様に係る商品推奨システム（１０）では、第１～第５のいずれかの態様において、推奨部（１２２）は、対象店舗（２０）にて過去に取り扱いがあった商品（３）を推奨商品（３１）から除外する。
【0104】
この態様によれば、例えば過去に対象店舗（２０）の経営状況の改善に寄与しなかった商品（３）を推奨商品（３１）から除外することで、より経営状況の改善に適した商品（３）（推奨商品（３１））を取り扱うように促すことができる、という利点がある。
【0105】
第７の態様に係る商品推奨システム（１０）では、第１～第６のいずれかの態様において、商品群（３０）は、店舗群（２００）の店舗形態とは異なる店舗形態である他店舗群（６００）が取り扱う商品（３）を含む。
【0106】
この態様によれば、店舗群（２００）では従前取り扱っていなかった商品（３）（推奨商品（３１））を取り扱うように促すことができるので、他店舗群（６００）の顧客を対象店舗（２０）に誘引しやすくなる、という利点がある。
【0107】
第８の態様に係る商品推奨システム（１０）では、第７の態様において、商品群（３０）は、他店舗群（６００）が取り扱う商品（３）のみを含む。
【0108】
この態様によれば、店舗群（２００）では従前取り扱っていなかった商品（３）（推奨商品（３１））を取り扱うように促すことができるので、他店舗群（６００）の顧客を対象店舗（２０）に誘引しやすくなる、という利点がある。
【0109】
第９の態様に係る商品推奨システム（１０）では、第７又は第８の態様において、推奨部（１２２）は、商品群（３０）のうち、対象店舗（２０）の経営に関する指標である経営指標に基づいて特定された特定カテゴリに属する商品（３）を、推奨商品（３１）として決定する。
【0110】
この態様によれば、推奨商品（３１）を特定カテゴリから決定しない場合と比較して、対象店舗（２０）の経営状況の改善に適した商品（３）（推奨商品（３１））を推奨しやすい、という利点がある。
【0111】
第１０の態様に係る商品推奨システム（１０）では、第９の態様において、特定カテゴリは、特定顧客が購入する商品（３）が属するように決定される。特定顧客は、店舗群（２００）及び他店舗群（６００）のいずれでも商品（３）を購入する顧客であって、店舗群（２００）を利用する頻度が頻度閾値（第２閾値）よりも大きい顧客である。
【0112】
この態様によれば、特定顧客が購入すると想定される商品（３）（推奨商品（３１））を取り扱うように促すことで、特定顧客による対象店舗（２０）の利用率の更なる改善を図ることができる、という利点がある。
【0113】
第１１の態様に係る商品推奨システム（１０）では、第１０の態様において、特定カテゴリは、特定カテゴリに属する商品（３）の購入者のうち特定顧客の占める割合が割合閾値（第３閾値）よりも大きい商品カテゴリとなるように決定される。
【0114】
この態様によれば、特定顧客が購入すると想定される商品（３）（推奨商品（３１））を取り扱うように促すことで、特定顧客による対象店舗（２０）の利用率の更なる改善を図ることができる、という利点がある。
【0115】
第１２の態様に係る商品推奨システム（１０）では、第１～第１１のいずれかの態様において、取得部（１２１）は、商品群（３０）に属する商品（３）について対象店舗（２０）にて取り扱われている商品（３）との類似性に関する類似情報を更に取得する。推奨部（１２２）は、取得部（１２１）で取得した類似情報を参照して推奨商品（３１）を決定する。
【0116】
この態様によれば、例えば対象店舗（２０）では従前取り扱われていなかった機能を有する商品（３）（推奨商品（３１））を取り扱うように促すことで、顧客の誘引を図ることができる、という利点がある。
【0117】
第１３の態様に係る商品推奨システム（１０）では、第１～第１２のいずれかの態様において、取得部（１２１）は、商品群（３０）に属する商品（３）について顧客の購入履歴に関する履歴情報を更に取得する。商品推奨システム（１０）は、算出部（１２３）を更に備える。算出部（１２３）は、取得部（１２１）で取得した履歴情報に基づいて、商品（３）が属する商品カテゴリにおいて当該商品（３）が同じ顧客により再度購入された頻度を表すリピート率を算出する。推奨部（１２２）は、算出部（１２３）で算出されたリピート率を参照して、推奨商品（３１）を決定する。
【0118】
この態様によれば、顧客が繰り返し購入すると想定される商品（３）（推奨商品（３１））を対象店舗（２０）で取り扱うように促すことで、リピーターの増加を図ることができる、という利点がある。
【0119】
第１４の態様に係る商品推奨システム（１０）では、第１～第１３のいずれかの態様において、取得部（１２１）は、商品群（３０）に属する商品（３）の発注に関する発注情報を更に取得する。推奨部（１２２）は、取得部（１２１）で取得した発注情報を参照して推奨商品（３１）を決定する。
【0120】
この態様によれば、対象店舗（２０）における商品（３）の発注の難易度を考慮して、対象店舗（２０）で取り扱う商品（３）（推奨商品（３１））を決定することができる、という利点がある。
【0121】
第１５の態様に係る商品推奨方法は、取得処理と、推奨処理と、を有する。取得処理は、商品群（３０）に属する商品（３）の販売実績に関する実績情報と、店舗群（２００）に属する対象店舗（２０）における商品（３）の取り扱いの有無に関する取り扱い情報と、を取得する処理である。推奨処理は、取得処理で取得した実績情報及び取り扱い情報に基づいて、商品群（３０）から対象店舗（２０）にて取り扱うことを推奨する推奨商品（３１）を決定する処理である。
【0122】
この態様によれば、対象店舗（２０）の経営状況の改善に適した商品（３）（推奨商品（３１））を推奨しやすい、という利点がある。
【0123】
第１６の態様に係るプログラムは、１以上のプロセッサに、第１５の態様の商品推奨方法を実行させる。
【0124】
この態様によれば、対象店舗（２０）の経営状況の改善に適した商品（３）（推奨商品（３１））を推奨しやすい、という利点がある。
【0125】
第２～第１４の態様に係る構成については、商品推奨システム（１０）に必須の構成ではなく、適宜省略可能である。
【符号の説明】
【0126】
１０ 商品推奨システム
１２１ 取得部
１２２ 推奨部
１２３ 算出部
２０ 対象店舗
２００ 店舗群
６００ 他店舗群
３ 商品
３０ 商品群
３１ 推奨商品
１２１ 取得部
１２２ 推奨部
１２３ 算出部
２０ 対象店舗
２００ 店舗群
６００ 他店舗群
３ 商品
３０ 商品群
３１ 推奨商品
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】