ホーム > 特許ランキング > 株式会社ＮＴＴドコモ
(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】2024-11-11
(45)【発行日】2024-11-19
(54)【発明の名称】行動予測装置
(51)【国際特許分類】
G06Q 30/0202 20230101AFI20241112BHJP
【ＦＩ】
G06Q30/0202
【請求項の数】
10
(21)【出願番号】P 2023550455
(86)(22)【出願日】2022-08-22
(86)【国際出願番号】 JP2022031590
(87)【国際公開番号】W WO2023053775
(87)【国際公開日】2023-04-06
【審査請求日】2024-01-18
(31)【優先権主張番号】P 2021160671
(32)【優先日】2021-09-30
(33)【優先権主張国・地域又は機関】JP
(73)【特許権者】
【識別番号】392026693
【氏名又は名称】株式会社ＮＴＴドコモ
(74)【代理人】
【識別番号】100088155
【弁理士】
【氏名又は名称】長谷川 芳樹
(74)【代理人】
【識別番号】100113435
【弁理士】
【氏名又は名称】黒木 義樹
(74)【代理人】
【識別番号】100121980
【弁理士】
【氏名又は名称】沖山 隆
(74)【代理人】
【識別番号】100128107
【弁理士】
【氏名又は名称】深石 賢治
(72)【発明者】
【氏名】金城 和樹
(72)【発明者】
【氏名】赤塚 裕人
(72)【発明者】
【氏名】寺田 雅之
(72)【発明者】
【氏名】鈴木 もとこ
(72)【発明者】
【氏名】小湊 貴子
【審査官】大野 朋也
(56)【参考文献】
【文献】国際公開第２０２０／２１３６１２（ＷＯ，Ａ１）
【文献】国際公開第２０１８／００８２０３（ＷＯ，Ａ１）
【文献】特開２００８－２０４３７０（ＪＰ，Ａ）
【文献】国際公開第２００４／０３６４７６（ＷＯ，Ａ１）
【文献】特開２０１５－０５５９３４（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】
所定のエリアにいる人が製品又はサービスを購買する確率である行動確率と、所定のエリアにいる人が移動先のエリアである移動先エリアに移動する確率である移動確率とを格納する格納部と、エリア毎の人口に関する人口分布データと、人の移動に関する移動人口データとを取得する取得部と、
前記取得部によって取得された移動人口データに基づいて移動確率を算出し、算出した移動確率を前記格納部によって格納させ、前記取得部によって取得された人口分布データと、前記格納部によって格納された行動確率及び移動確率とに基づいて、移動先エリア毎の製品又はサービスを購買する人口を予測する予測部と、
を備える行動予測装置。
【請求項2】
行動確率は、所定の時刻に所定のエリアにいる人が製品又はサービスを購買する確率であり、移動確率は、所定の時刻に所定のエリアにいる人が移動先エリアに移動する確率であり、
人口分布データの人口は、さらに時刻毎である、
請求項１に記載の行動予測装置。
【請求項3】
行動確率は、人の属性毎の確率であり、移動確率は、人の属性毎の確率であり、
人口分布データの人口は、さらに人の属性毎であり、
前記予測部は、移動先エリア及び人の属性毎の製品又はサービスを購買する人口を予測する、
請求項１に記載の行動予測装置。
【請求項4】
行動確率は、天候毎の確率であり、前記取得部は、天候に関する天候データをさらに取得し、
前記予測部は、前記取得部によって取得された天候データにさらに基づいて予測する、
請求項１に記載の行動予測装置。
【請求項5】
前記予測部は、予測した製品又はサービスを購買する人口に基づいて、人が製品又はサービスを購買する確率をさらに予測する、請求項１に記載の行動予測装置。
【請求項6】
前記予測部による予測結果に基づいて人の誘導を行う誘導部をさらに備える、請求項１に記載の行動予測装置。
【請求項7】
前記誘導部は、移動先エリアにいる人に対して誘導を行う、請求項６に記載の行動予測装置。
【請求項8】
行動は、店舗での製品又はサービスの購買であり、誘導は、店舗への送客である、
請求項６に記載の行動予測装置。
【請求項9】
所定のエリアにいる人が行動に関わる確率である行動確率と、所定のエリアにいる人が移動先のエリアである移動先エリアに移動する確率である移動確率とを格納する格納部と、
エリア毎の人口に関する人口分布データを取得する取得部と、
前記取得部によって取得された人口分布データと、前記格納部によって格納された行動確率及び移動確率とに基づいて、移動先エリア毎の行動に関わる人口を予測する予測部と、
を備え、
行動確率は、所定の時刻に所定のエリアにいる人が行動に関わる確率であり、
移動確率は、所定の時刻に所定のエリアにいる人が移動先エリアに移動する確率であり、
人口分布データの人口は、さらに時刻毎である、
行動予測装置。
【請求項10】
所定のエリアにいる人が行動に関わる確率である行動確率と、所定のエリアにいる人が移動先のエリアである移動先エリアに移動する確率である移動確率とを格納する格納部と、
エリア毎の人口に関する人口分布データを取得する取得部と、
前記取得部によって取得された人口分布データと、前記格納部によって格納された行動確率及び移動確率とに基づいて、移動先エリア毎の行動に関わる人口を予測する予測部と、
を備え、
行動確率は、人の属性毎の確率であり、
移動確率は、人の属性毎の確率であり、
人口分布データの人口は、さらに人の属性毎であり、
前記予測部は、移動先エリア及び人の属性毎の行動に関わる人口を予測する、
行動予測装置。
【発明の詳細な説明】
【技術分野】
【0001】
本開示の一側面は、行動に関わる人口を予測する行動予測装置に関する。
【背景技術】
【0002】
下記特許文献１では、コーザル情報に基づいて来客数予測から商品別の販売数予測を行う小売店舗管理システムが開示されている。
【先行技術文献】
【特許文献】
【0003】
【文献】特開２００２－２４３５０号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
上記小売店舗管理システムでは、人の移動先のエリアである移動先エリアにいる人のうち、商品を購入する人の数を予測することはできない。そこで、移動先エリアでの行動（例えば、商品の購入）に関わる人口を予測することが望まれている。
【課題を解決するための手段】
【0005】
本開示の一側面に係る行動予測装置は、所定のエリアにいる人が行動に関わる確率である行動確率と、所定のエリアにいる人が移動先のエリアである移動先エリアに移動する確率である移動確率とを格納する格納部と、エリア毎の人口に関する人口分布データを取得する取得部と、取得部によって取得された人口分布データと、格納部によって格納された行動確率及び移動確率とに基づいて、移動先エリア毎の行動に関わる人口を予測する予測部と、を備える。
【0006】
このような側面においては、人口分布データと行動確率及び移動確率とに基づいて、移動先エリア毎の行動に関わる人口が予測される。すなわち、移動先エリアでの行動に関わる人口を予測することができる。
【発明の効果】
【0007】
本開示の一側面によれば、移動先エリアでの行動に関わる人口を予測することができる。
【図面の簡単な説明】
【0008】
【図1】実施形態に係る購買予測装置の利用イメージを示す概要図である。
【図2】実施形態に係る購買予測装置の効果の一例を示す概要図である。
【図3】実施形態に係る購買予測装置を含む購買予測システムのシステム構成の一例を示す図である。
【図4】人口分布データのテーブル例を示す図である。
【図5】移動人口データのテーブル例を示す図である。
【図6】天候データのテーブル例を示す図である。
【図7】購買数データのテーブル例を示す図である。
【図8】実施形態に係る購買予測装置の機能構成の一例を示す図である。
【図9】学習データの一例を示す図である。
【図10】予測係数を含む人口分布データのテーブル例（その１）を示す図である。
【図11】予測係数を含む人口分布データのテーブル例（その２）を示す図である。
【図12】予測モデルによる購買数の予測の一例を示す図である。
【図13】平均移動人口及び平均移動人口比率を含む移動人口データのテーブル例を示す図である。
【図14】購買確率の算出に用いる人口分布データのテーブル例を示す図である。
【図15】購買人口データのテーブル例を示す図である。
【図16】購買確率を含む購買人口データのテーブル例を示す図である。
【図17】送客の一例を示す図である。
【図18】購買予測システムが実行する処理の一例を示すフローチャート（その１）である。
【図19】購買予測システムが実行する処理の一例を示すフローチャート（その２）である。
【図20】実施形態に係る購買予測装置が実行する処理の一例を示すフローチャートである。
【図21】実施形態に係る購買予測装置で用いられるコンピュータのハードウェア構成の一例を示す図である。
【発明を実施するための形態】
【0009】
以下、図面を参照しながら本開示での実施形態を詳細に説明する。なお、図面の説明においては同一要素には同一符号を付し、重複する説明を省略する。また、以下の説明における本開示での実施形態は、本発明の具体例であり、特に本発明を限定する旨の記載がない限り、これらの実施形態に限定されないものとする。
【0010】
図１は、実施形態に係る購買予測装置１（行動予測装置）の利用イメージを示す概要図（その１）である。購買予測装置１は、店舗（小売店）の製品（例えば食品）又はサービスについて、顧客の購買数を予測すると共に、顧客のうち購買確率の高いセグメント（性別、年代、居住地）を抽出し、予測した購買数及び抽出した顧客セグメントに基づいて、顧客に店舗への来店及び製品又はサービスの購買を促すサーバ装置である。
【0011】
以降、本実施形態では「製品又はサービス」を「製品」と総称する。また、本実施形態では、説明の便宜上、任意の店舗ではなく、特定の（既に決まった１つの）店舗（本実施形態では単に「店舗」と記す）に関する処理について説明する。例えば、店舗の識別情報である店舗ＩＤを処理の際に適宜利用することで、任意の店舗に関する処理に拡張可能である。
【0012】
図１に示す通り、購買予測装置１は、当日の人口分布と、当日の天候と、人の移動の統計である移動人口統計とに基づいて、顧客の購買数を予測する。続いて、購買予測装置１は、購買確率が高い層を抽出する。より具体的には、購買予測装置１は、予測に用いた未来の購買数と相関の高いメッシュ（エリア）・セグメントを抽出（ピックアップ）する。例えば「１６：００、メッシュ番号○○、女性、４０代」が抽出されたとする。続いて、購買予測装置１は、予測された購買数に基づいて送客するか否かを判断する。より具体的には、予め店舗の管理者（責任者）が設定していた送客条件に基づき、送客するか否かを自動判定する。送客すると判定された場合、相関が高いメッシュ周辺・セグメントにジオフェンスを設定する（張る）。設定したジオフェンスに顧客がチェックインすると、購買予測装置１は当該顧客に情報配信を行い、当該顧客を店舗に送客する。例えば、１６：００にメッシュ番号○○周辺に入ってきた４０代女性にクーポン配信し、来客及び購買を促す。
【0013】
図２は、実施形態に係る購買予測装置１の効果の一例を示す概要図である。図２の左は、１３：００時点での顧客の購買量と店舗の在庫（の量）とを示すグラフである。図２の右上は、購買予測装置１が送客した場合の（当日）２０：００時点での購買量と在庫とを示すグラフである。当該グラフのように、購買予測装置１による送客効果で購買量が増えたことで、在庫が減っている。製品が食品である場合、在庫が減った分、食品ロスを削減することができる。一方、図２の右下は、購買予測装置１が送客しない場合の（当日）２０：００時点での購買量と在庫とを示すグラフである。当該グラフのように、送客効果がないため、購買量は増えず、在庫（食品ロス）が発生する。
【0014】
一般的に、国内事業者（飲食店、スーパーなど）の食品ロス量は約３５２万トンで、機会損失となっている。廃棄した食品はゴミ処理場で焼却されるため、食品ロスが多いと二酸化炭素排出量の増加に繋がるという課題がある。例えば、購買予測装置１によれば、食品ロスの確率が高い日に送客を行うことで食品ロスを削減することができる。
【0015】
図３は、実施形態に係る購買予測装置１を含む購買予測システム８のシステム構成の一例を示す図である。図１に示す通り、購買予測システム８は、購買予測装置１、人口分布データ取得装置２、移動人口データ取得装置３、外部データ取得装置４、購買在庫管理装置５、店舗管理者装置６、及び、顧客スマホ７を含んで構成される。購買予測装置１と、人口分布データ取得装置２、移動人口データ取得装置３、外部データ取得装置４、購買在庫管理装置５、店舗管理者装置６、及び、顧客スマホ７それぞれとは、インターネットなどのネットワークによって互いに通信接続され、互いに情報を送受信可能である。
【0016】
人口分布データ取得装置２は、店舗の周辺（近辺、周囲、近傍、周り、近隣、あたり、所定の距離以内）の人口分布に関する人口分布データを取得し、購買予測装置１に送信するサーバ装置である。当該店舗に関する情報などは、人口分布データ取得装置２に予め格納されていてもよいし、購買予測装置１から予め送信されて取得していてもよい。人口分布データ取得装置２に限らず、本実施形態において対象とする店舗に関する情報などは、各種装置に予め格納されていてもよいし、購買予測装置１などから予め送信されて取得していてもよい。
【0017】
図４は、人口分布データのテーブル例を示す図である。図４に示す通り、人口分布データでは、日時と、位置、範囲又はエリアを示すメッシュと、人の性別と、人の年代と、人の居住地と、当該日時の当該メッシュに存在する、当該性別、当該年代及び当該居住地の人の数である人口とが互いに対応付いている。図４に示す人口分布データは、例えば、店舗の周辺の人口分布データを示す。その場合、図４に示すメッシュＸ及びメッシュＹの周辺（メッシュＸ内又はメッシュＹ内を含む）に店舗が位置している。
【0018】
人口分布データ取得装置２は、人口分布データを、各人が携帯する移動体通信が可能な移動体端末であって、ＧＰＳ（Global Positioning System）により自端末の位置を測定可能な移動体端末から収集した端末情報に基づいて取得してもよい。端末情報の収集において、例えば株式会社ＮＴＴドコモが提供するモバイル空間統計（登録商標）などの既存技術を用いる。人口分布データ取得装置２は、リアルタイムに人口分布データを取得して購買予測装置１に送信してもよい。
【0019】
移動人口データ取得装置３は、移動人口統計に関する移動人口データを取得し、購買予測装置１に送信するサーバ装置である。移動人口データ取得装置３は、例えば、人口分布データ取得装置２が取得した人口分布データに基づいて移動人口データを取得してもよい。詳細は後述するが、移動人口データは、人の移動元のメッシュである移動元メッシュ（単に「メッシュ」と記す場合がある）と、人の移動先のメッシュである移動先メッシュ（「移動メッシュ」と記す場合がある）とを含む。移動人口データ取得装置３は、移動元メッシュが店舗の周辺である移動人口データを取得し、購買予測装置１に送信する。購買予測装置１は、月に一度、移動人口データを取得して購買予測装置１に送信してもよい。
【0020】
図５は、移動人口データのテーブル例を示す図である。図５に示す通り、移動人口データでは、人が移動を開始した日付と、人が移動を開始した時刻と、人が移動した際の移動元のメッシュと、人が移動先のメッシュである移動メッシュに到達した時刻である移動時刻と、移動メッシュと、人の性別と、人の年代と、人の居住地と、当該日付及び当該時刻に当該メッシュから移動を開始して、当該移動時刻に当該移動メッシュに到達した、当該性別、当該年代及び当該居住地の人の数である移動人口とが互いに対応付いている。図５に示す移動人口データは、例えば、店舗の周辺の移動人口データを示す。その場合、図５に示すメッシュＸ及びメッシュＹの周辺（メッシュＸ内又はメッシュＹ内を含む）に店舗が位置している。移動人口データは、予測に入れるメッシュ（店舗周辺の所定範囲内）を移動元として、人がどこのメッシュに行くのかという観点で利用する。
【0021】
外部データ取得装置４は、外部の装置などから取得したデータである外部データを取得し、購買予測装置１に送信するサーバ装置である。外部データは、店舗の周辺の天候に関する天候データを含む。外部データ取得装置４は、例えば、他の各種装置からネットワークを介して各外部データを取得してもよい。外部データ取得装置４は、リアルタイムに外部データを取得して購買予測装置１に送信してもよい。
【0022】
図６は、天候データのテーブル例を示す図である。図６に示す通り、天候データでは、日時と、当該日時の天気（を示す情報）とが互いに対応付いている。図６に示す天候データは、例えば、店舗の周辺の天候データを示す。天候データが、未来の天気に関するデータである場合、天気として、実際の天気ではなく、天気予報の天気（予測された天気）を用いる。
【0023】
購買在庫管理装置５は、店舗の製品の顧客による購買数に関する購買数データと、店舗の製品の在庫数に関する在庫数データを取得し、購買予測装置１に送信するサーバ装置である。購買在庫管理装置５は、例えばＰＯＳ（Point of Sale）システムである。購買在庫管理装置５は、リアルタイムに購買数データを取得して購買予測装置１に送信してもよいし、リアルタイムに在庫数データを取得して購買予測装置１に送信してもよい。
【0024】
図７は、購買数データのテーブル例を示す図である。図７に示す通り、購買数データでは、日時と、製品の識別情報である製品ＩＤと、当該日時の当該製品ＩＤが示す製品の販売数とが互いに対応付いている。図７に示す購買数データは、例えば、店舗の購買数データを示す。
【0025】
在庫数データは、図示しないが、例えば、時刻と、製品ＩＤと、当該製品ＩＤが示す製品（例えば食品）の消費期限と、当該時刻における当該製品ＩＤが示す製品の在庫数とが互いに対応付いている。
【0026】
店舗管理者装置６は、顧客を送客する条件である送客条件に関する送客条件データと、顧客に配信する情報である配信情報とを取得し、購買予測装置１に送信するサーバ装置である。店舗管理者装置６は、店舗の管理者が操作する装置である。店舗の管理者が、購買予測装置１に対して送客条件データ及び配信情報を入力する。店舗管理者装置６は、Ｗｅｂアプリケーションとして実現されてもよい。
【0027】
送客条件データは、図示しないが、例えば、時刻と、製品ＩＤと、在庫数と、（後述の予測部１３によって）予測された購買数である予測購買数と、当該製品ＩＤが示す製品の消費期限とが互いに対応付いている。
【0028】
配信情報は、図示しないが、例えば、製品ＩＤと、当該製品ＩＤが示す製品の情報（広告など）とが互いに対応付いている。
【0029】
顧客スマホ７は、店舗の（１人以上の）顧客が携帯するスマートフォンである。本実施形態では、複数の顧客を総称して顧客と記し、複数の顧客スマホ７を総称して顧客スマホ７と記す。顧客スマホ７は、ＧＰＳを備え、自端末の位置を測定可能である。顧客スマホ７は、ジオフェンスへのチェックインを判定するため、自端末の位置情報及び顧客の属性情報などを含む位置属性情報を購買予測装置１に送信する。顧客スマホ７は、送客のために購買予測装置１から送信された配信情報を受信して、顧客スマホ７に表示する。
【0030】
位置属性情報は、図示しないが、例えば、顧客の識別情報である顧客ＩＤと、時刻と、当該時刻での顧客スマホ７の位置（緯度及び経度など）と、当該顧客ＩＤが示す顧客の性別と、当該顧客ＩＤが示す顧客の年代と、当該顧客ＩＤが示す顧客の居住地とが互いに対応付いている。
【0031】
上記説明では、人口分布データ取得装置２、移動人口データ取得装置３、外部データ取得装置４、購買在庫管理装置５、店舗管理者装置６及び顧客スマホ７のそれぞれの装置側で、購買予測装置１の処理で必要なデータが予め準備されている前提で説明したが、これに限るものではない。例えば、人口分布データ取得装置２、移動人口データ取得装置３、外部データ取得装置４、購買在庫管理装置５、店舗管理者装置６及び顧客スマホ７のそれぞれの装置は、例えば、特定の店舗に関連するデータではなく全店舗の生データを購買予測装置１に送信し、購買予測装置１側にて、生データから店舗に関連するデータを抽出するなど、当該購買予測装置１の処理で必要なデータを準備してもよい。
【0032】
図８は、実施形態に係る購買予測装置１の機能構成の一例を示す図である。図８に示す通り、購買予測装置１は、格納部１０（格納部）、取得部１１（取得部）、学習部１２、予測部１３（予測部）、送客部１４（誘導部）、判定部１５（誘導部）、及び、配信部１６（誘導部）を含んで構成される。
【0033】
購買予測装置１の各機能ブロックは、購買予測装置１内にて機能することを想定しているが、これに限るものではない。例えば、購買予測装置１の機能ブロックの一部は、購買予測装置１とは異なるコンピュータ装置であって、購買予測装置１とネットワーク接続されたコンピュータ装置内において、購買予測装置１と情報を適宜送受信しつつ機能してもよい。例えば、送客部１４は、異なる装置である送客判断装置で実現されてもよい。判定部１５は、異なる装置であるチェックイン判定装置で実現されてもよい。配信部１６は、異なる装置である情報配信装置で実現されてもよい。また、購買予測装置１の一部の機能ブロックは無くてもよいし、複数の機能ブロックを一つの機能ブロックに統合してもよいし、一つの機能ブロックを複数の機能ブロックに分解してもよい。
【0034】
以下、図８に示す購買予測装置１の各機能について説明する。
【0035】
格納部１０は、購買予測装置１における算出などで利用される任意の情報及び購買予測装置１における算出の結果などを格納する。格納部１０によって格納された情報は、購買予測装置１の各機能によって適宜参照されてもよい。
【0036】
格納部１０は、所定のメッシュ（エリア）にいる人が購買（行動）に関わる確率である予測係数（行動確率）と、所定のメッシュにいる人が移動先のメッシュである移動メッシュ（移動先エリア）に移動する確率である平均移動人口比率（移動確率）とを格納する。行動は、店舗での製品又はサービスの購買であってもよい。本実施形態では、行動の一例である購買を前提としているが、これに限るものではない。予測係数及び平均移動人口比率の詳細は後述する。
【0037】
取得部１１は、ネットワークを介した他の装置又は自装置（購買予測装置１）から情報を取得する。取得部１１は、取得した情報を格納部１０によって格納させてもよいし、他の機能ブロックに出力してもよい。
【0038】
取得部１１は、人口分布データ取得装置２などから、メッシュ（エリア）毎の人口に関する人口分布データを取得する。人口分布データの人口は、さらに時刻毎であってもよい。すなわち、取得部１１は、時刻及びメッシュ毎の人口に関する人口分布データを取得する。人口分布データの人口は、さらに人の属性毎であってもよい。すなわち、取得部１１は、メッシュ及び人の属性毎の人口に関する人口分布データを取得してもよいし、時刻、メッシュ及び人の属性毎の人口に関する人口分布データを取得してもよい。
【0039】
取得部１１は、移動人口データ取得装置３などから、移動人口データを取得してもよい。取得部１１は、外部データ取得装置４などから、天候データを取得してもよい。取得部１１は、購買在庫管理装置５などから、購買数データ及び在庫数データを取得してもよい。取得部１１は、店舗管理者装置６などから、送客条件データ及び配信情報を取得してもよい。取得部１１は、顧客スマホ７などから、位置属性情報を取得してもよい。
【0040】
学習部１２は、格納部１０によって格納（蓄積）された過去データ（人口分布データ、購買数データ、外部データ）に基づいて、将来の購買数を予測する予測モデルを生成する。学習部１２は、生成した予測モデルを格納部１０によって格納させる。
【0041】
予測モデルは、コンピュータプログラムとパラメータとの組み合わせである。また、予測モデルは、ニューラルネットワークの構造と当該ニューラルネットワークの各ニューロン間の結びつきの強さであるパラメータ（重み付け係数）との組み合わせである。また、予測モデルは、コンピュータに対する指令であって、一の結果を得る（所定の処理を実行する）ことができるように組み合わされたもの、すなわち、コンピュータを機能させるコンピュータプログラムである。
【0042】
学習部１２は、入力データと正解値データとを含む組から構成される学習データに基づく学習を行って予測モデルを生成してもよい。例えば、学習部１２は、過去の任意の日の午前の（店舗の周辺の人口分布に関する）人口分布データ及び当該日の午後の（店舗の周辺の）天候データ（を含む入力データ）と当該日の午後の（店舗の）購買数データ（を含む正解値データ）とを含む組から構成される学習データに基づく学習を行って予測モデルを生成する。図９は、学習データの一例を示す図である。図９に示す学習データには、１月１日の午前の人口分布データ及び同日（１月１日）午後の天候データと同日（１月１日）午後の正解値データとの組が示されている（実際は１月２日分、１月３日分などと、複数の組で構成される）。
【0043】
学習部１２は、図９に示す学習データに基づく学習を行うことで、例えば、任意の日の午前の（店舗の周辺の人口分布に関する）人口分布データと、その日の午後の（店舗の周辺の）天候データとから、その日の午後の（店舗の）購買数（又は購買数データ）の関係を学習する。学習部１２は、図９に示す学習データに基づく学習を行うことで、例えば、任意の日の午前の（店舗の周辺の人口分布に関する）人口分布データと、その日の午後の（店舗の周辺の）天候データとから、その日の午後の（店舗の）購買数（又は購買数データ）を出力する予測モデルを生成する。すなわち、生成された予測モデルは将来の購買数を予測する。
【0044】
学習部１２の学習によって生成される予測係数について説明する。学習部１２の学習により、例えば、午前の人口分布と午後の天気と午後の購買数との関係が学習され、製品・時刻・天候別に予測係数が最適化される。購買数は、例えば以下の式で示される。
購買数＝Σ（人口日時，メッシュ，性別，年代，居住地×予測係数日時，メッシュ，性別，年代，居住地）
購買数＝Σ（人口日時，メッシュ，性別，年代，居住地×予測係数日時，メッシュ，性別，年代，居住地）
【0045】
予測係数は、機械学習における既存技術である。予測係数は、例えば、オープンソースの機械学習ライブラリｓｃｉｋｉｔ－ｌｅａｒｎにおけるＥｌａｓｔｉｃ－Ｎｅｔを解説している以下のＵＲＬのサイトを参照されたい。
https://www.tutorialspoint.com/scikit_learn/scikit_learn_elastic_net.htm
https://www.tutorialspoint.com/scikit_learn/scikit_learn_elastic_net.htm
【0046】
決定木系のアルゴリズム（ランダムフォレストやＸＧＢｏｏｓｔなど）も特徴量毎の予測に対する寄与度を算出できるため、予測係数と同等の使い方が見込める。ただし、予測係数はこれらの具体的な既存技術の内容に限定されるものではない。
【0047】
図１０は、予測係数を含む人口分布データのテーブル例（その１）を示す図である。図１０に示すテーブル例の予測係数は、天気「晴れ」である時刻「１３：００」時点での製品「製品Ａ」の購買に寄与する人（人口分布）の確率（度合）を示している。例えば、図１０のテーブル例の１レコード目は、時刻「９：００」にメッシュ「メッシュＸ」に位置する、性別「男」、年代「２０代」及び居住地「東京都」である人は、天気「晴れ」である（同日の）時刻「１３：００」時点での製品「製品Ａ」を購買する確率が「０．０５」（５％）であることを示している。
【0048】
図１１は、予測係数を含む人口分布データのテーブル例（その２）を示す図である。図１０に示すテーブル例との差分は、天気「晴れ」ではなく天気「曇り」であることであり、それに伴って予測係数も異なることである。
【0049】
学習部１２は、学習によって生成された予測係数（又は予測係数を含む人口分布データ）を格納部１０によって格納させる。
【0050】
予測部１３は、格納部１０によって格納された予測モデルに基づいて、店舗での（未来の）購買数を予測する。より具体的には、予測部１３は、予測モデルに、任意の日（例えば本日）の午前の（店舗の周辺の人口分布に関する）人口分布データと、その日の午後の（店舗の周辺の）天候データとを適用することで、予測モデルが出力するその日の午後の（店舗の）購買数（又は購買数データ）を取得し、予測結果とする。予測部１３は、予測した購買数（又は購買数データ）を格納部１０によって格納させる。
【0051】
図１２は、予測モデルによる購買数の予測の一例を示す図である。図１２では、当日（４月１日）午前の（店舗の周辺の人口分布に関する）人口分布データと、当日午後の（店舗の周辺の）天候データ（予報）とを予測モデルに適用することで、当日午後の（店舗の）購買数データを予測している場面を示している。
【0052】
予測部１３は、格納部１０によって格納された予測係数と、取得部１１によって取得された移動人口データとに基づいて（午後の時刻、メッシュ、性別、年代、居住地毎の）購買確率を算出する。以下、具体的な算出方法について説明する。
【0053】
予測部１３は、取得部１１によって取得された移動人口データに基づいて、平均移動人口比率を算出する。平均移動人口比率とは、各メッシュから典型的にどこに移動する確率が高いのかを示す比率（確率）である。予測部１３は、移動人口データに基づいて、午前の任意のメッシュから午後の任意のメッシュへの平均的な人口の移動を算出してもよい。予測部１３は、移動人口データ（日付、時刻、メッシュ、移動時刻、移動メッシュ、性別、年代、居住地、移動人口）を時刻に対して合算したデータを平均移動人口として算出すると共に、それぞれのレコード（行）の平均移動人口に対して該当する時刻での平均移動人口の総数（後述の図１３に示すテーブル例では「１０００」）を割った値として平均移動人口比率を算出する。図１３は、平均移動人口及び平均移動人口比率を含む移動人口データのテーブル例を示す図である。予測部１３は、算出した移動人口比率を格納部１０によって格納させる。
【0054】
予測部１３は、取得部１１によって取得された人口分布データと、格納部１０によって格納された予測係数（行動確率）及び平均移動人口比率（移動確率）とに基づいて、移動先メッシュ毎の購買（行動）に関わる人口を予測する。
【0055】
予測係数は、所定の時刻に所定のメッシュにいる人が購買（行動）に関わる確率であってもよい。平均移動人口比率は、所定の時刻に所定のメッシュにいる人が移動先メッシュに移動する確率であってもよい。
【0056】
予測係数は、人の属性毎の確率であってもよい。平均移動人口比率は、人の属性毎の確率であってもよい。予測部１３は、移動先メッシュ及び人の属性毎の購買（行動）に関わる人口を予測してもよい。
【0057】
予測係数は、天候毎の確率であってもよい。予測部１３は、取得部１１によって取得された天候データにさらに基づいて予測してもよい。
【0058】
予測部１３は、予測した購買（行動）に関わる人口に基づいて、人が購買（行動）に関わる確率をさらに予測してもよい。
【0059】
【0060】
【0061】
予測部１３は、図１４に示すテーブル例の午前時刻・当日午後の天気に合致する、図１０に示すテーブル例のモデルを対応づけし、図１４に示すテーブル例の各午前時刻・メッシュ・属性における人口と、図１０に示すテーブル例の各午前時刻・メッシュ・属性における予測係数を乗算することで、各午前時刻・属性毎の購買人口を算出する。次に、予測部１３は、算出した各午前時刻・メッシュ・属性毎の購買人口と対応する各午前時刻（移動前時刻）・移動元メッシュ・属性を持つ、図１３に示すテーブル例の平均移動人口比率を乗算し、各午後時刻（移動後時刻）・移動先メッシュ・属性で合算することで、午後の購買人口を算出する。予測部１３は、算出した購買人口を格納部１０によって格納させる。
【0062】
図１５は、購買人口データのテーブル例を示す図である。図１５に示す通り、購買人口データでは、移動時刻と、移動メッシュと、移動した人の性別と、移動した人の年代と、移動した人の居住地と、予測部１３によって算出された購買人口である予測購買人口とが互いに対応付いている。
【0063】
予測部１３は、算出した各午後時刻・移動先メッシュ・属性毎の購買人口を各時刻毎の購買人口の合算値で割ることで、購買確率を算出する。すなわち、予測部１３は、購買人口を比率に直して、それぞれの移動時刻・移動メッシュ・性別・年代・居住地別の購買確率を求める。予測部１３は、算出した購買確率を格納部１０によって格納させる。
【0064】
【0065】
送客部１４は、各製品、時刻において購買数予測値と在庫数を用いて、事前に登録した送客条件に基づいて送客を判断する。例えば、送客部１４は、購買在庫管理装置５から取得した在庫数データと、店舗管理者装置６から取得した送客条件データと、（時刻と、製品ＩＤと、購買数とが互いに対応付いた）購買数予測値と、（時刻と、製品ＩＤ、性別と、年代と、居住地と、位置と、購買確率とが互いに対応付いた）購買確率予測値と（の少なくとも１つ以上）に基づいて送客を判断してもよい。例えば、送客部１４は、「１８：００」時点で消費期限が当日の製品Ａの在庫数と予測購買数との差が「１００」の場合に、送客すると判断する。
【0066】
送客部１４は、送客すると判断した場合、購買確率予測値を用いて時刻、製品毎に購買確率の高いターゲット（性別、年代、居住地、位置など）を選択する。送客部１４は、選択結果を、送客ターゲット情報として判定部１５に出力する。送客ターゲット情報では、例えば、時刻と、製品ＩＤと、ターゲットの性別と、ターゲットの年代と、ターゲットの居住地と、ターゲットの位置とが互いに対応付いている。
【0067】
判定部１５は、送客部１４から入力された送客ターゲット情報に基づいて、ジオフェンスを登録し、チェックインの判定を行う。判定部１５は、ジオフェンスを登録する際に、顧客スマホ７にジオフェンス登録情報を送信する。ジオフェンス登録情報では、例えば、時刻と、ジオフェンスを設定する期間と、ターゲットの性別と、ターゲットの年代と、ターゲットの居住地と、ターゲットの位置と、ジオフェンスの範囲とが互いに対応付いている。
【0068】
判定部１５は、ジオフェンスを登録した後に、ジオフェンス登録情報に基づいて顧客スマホ７から位置属性情報を取得すると、取得した位置属性情報に基づいてジオフェンスにチェックインしたか否かのチェックイン判定を行う。判定部１５は、チェックイン判定の判定結果を、チェックイン判定情報として配信部１６に出力する。チェックイン判定情報では、例えば、チェックインした顧客の識別情報である顧客ＩＤと、送客ターゲット情報に含まれる製品ＩＤとが互いに対応付いている。
【0069】
配信部１６は、判定部１５から入力されたチェックイン判定情報と、店舗管理者装置６から取得した配信情報とに基づいて、顧客配信情報を顧客スマホ７に送信する。顧客配信情報では、例えば、チェックイン判定情報に含まれる顧客ＩＤと、配信情報に含まれる製品の情報（広告など）とが互いに対応付いている。
【0070】
顧客は、顧客スマホ７が取得して表示した製品の情報を閲覧し、気に入ったら対応する店舗に向かう。
【0071】
図１７は、送客の一例を示す図である。図１７では、図１６に示す購買人口データのテーブル例において、３レコード目が送客部１４によってターゲットとして選択されたことを前提としている。図１７では、判定部１５が、移動メッシュ「メッシュＣ」（移動先エリア）において、移動時刻「１３：００」（「１３：００～１３：５９」の時間でもよい）、性別「女」、年代「４０代」及び居住地「神奈川県」の顧客に対するジオフェンス（メッシュＣ中心の同心円（半径２５０ｍ）のジオフェンス）を登録している。
【0072】
以上の通り、送客部１４、判定部１５及び配信部１６は、予測部１３による予測結果に基づいて人の誘導を行う。より具体的には、送客部１４、判定部１５及び配信部１６は、各時刻別の購買確率の高いセグメントを対象にジオフェンスを設定し、情報配信により送客を促す。送客部１４、判定部１５及び配信部１６は、移動先メッシュにいる人に対して誘導を行ってもよい。誘導は、店舗への送客であってもよい。
【0073】
図１８及び図１９を参照しながら、購買予測システム８が実行する処理の例を説明する。図１８は、購買予測システム８が実行する処理の一例を示すフローチャート（その１）である。図１９は、購買予測システム８が実行する処理の一例を示すフローチャート（その２）である。図１８及び図１９のフローチャートは連続してもよい。すなわち、図１８の最後の処理（Ｓ１０）に続いて、図１９の最初の処理（Ｓ１１）が行われてもよい。
【0074】
図１８において、まず、人口分布データ取得装置２が、人口分布データを購買予測装置１に送信する（ステップＳ１）。次に、購買予測装置１の格納部１０が、Ｓ１で送信された人口分布データを格納する（ステップＳ２）。次に、移動人口データ取得装置３が、移動人口データを購買予測装置１に送信する（ステップＳ３）。次に、購買予測装置１の格納部１０が、Ｓ３で送信された移動人口データを格納する（ステップＳ４）。次に、外部データ取得装置４が、外部データを購買予測装置１に送信する（ステップＳ５）。次に、購買予測装置１の格納部１０が、Ｓ５で送信された外部データを格納する（ステップＳ６）。次に、購買在庫管理装置５が、購買数データを購買予測装置１に送信する（ステップＳ７）。次に、購買予測装置１の学習部１２が、予測モデルを生成する（ステップＳ８）。次に、購買予測装置１の予測部１３が、購買数を予測する（ステップＳ９）。次に、購買予測装置１の予測部１３が、購買確率を算出する（ステップＳ１０）。
【0075】
なお、図１８において、Ｓ１、Ｓ３、Ｓ５及びＳ７の順番は任意の順番でよいし、それぞれ複数回実行されてもよいし、それぞれ定期的に繰り返し実行されてもよい。Ｓ２は、Ｓ１以降Ｓ８以前であれば任意の時点で実行されてもよい。Ｓ４は、Ｓ３以降Ｓ１０以前であれば任意の時点で実行されてもよい。Ｓ６は、Ｓ５以降Ｓ８以前であれば任意の時点で実行されてもよい。Ｓ９とＳ１０の順番は逆でもよい。
【0076】
図１９において、店舗管理者装置６が、送信条件を購買予測装置１に送信する（ステップＳ１１）。次に、購買在庫管理装置５が、在庫数情報を購買予測装置１に送信する（ステップＳ１２）。次に、購買予測装置１の送客部１４が、送客を判断する（ステップＳ１３）。Ｓ１３にて、送客すると判断したとする。次に、購買予測装置１の送客部１４が、購買確率の高いターゲットを選択する（ステップＳ１４）。次に、購買予測装置１の判定部１５が、顧客スマホ７に対してフィオフェンス登録を行う（ステップＳ１５）。次に、顧客スマホ７が、位置属性情報を購買予測装置１に送信する（ステップＳ１６）。次に、購買予測装置１の判定部１５が、チェックイン判定を行う（ステップＳ１７）。次に、店舗管理者装置６が、配信情報を購買予測装置１に送信する（ステップＳ１８）。次に、購買予測装置１の配信部１６が、顧客配信情報を顧客スマホ７に送信する（ステップＳ１９）。
【0077】
なお、図１９において、Ｓ１１とＳ１２の順番は逆でもよい。Ｓ１８はＳ１９以前であれば任意の時点で実行されてもよい。
【0078】
【0079】
まず、格納部１０が、予測係数及び平均移動人口比率を格納する（ステップＳ３０、格納ステップ）。次に、取得部１１が、人口分布データを取得する（ステップＳ３１、取得ステップ）。次に、予測部１３が、Ｓ３１で取得した人口分布データと、Ｓ３０で格納した予測係数及び平均移動人口比率とに基づいて、移動メッシュ毎の購買人口を予測する（ステップＳ３２）。
【0080】
続いて、実施形態に係る購買予測装置１の作用効果について説明する。
【0081】
購買予測装置１によれば、格納部１０が、所定のメッシュ（エリア）にいる人が購買（行動）に関わる確率である予測係数（行動確率）と、所定のメッシュにいる人が移動先のメッシュである移動先メッシュに移動する確率である平均移動人口比率（移動確率）とを格納し、取得部１１が、メッシュ毎の人口に関する人口分布データを取得し、予測部１３が、取得部１１によって取得された人口分布データと、格納部１０によって格納された予測係数及び平均移動人口比率とに基づいて、移動先メッシュ毎の購買に関わる人口を予測する。この構成により、人口分布データと行動確率及び移動確率とに基づいて、移動先メッシュ毎の行動に関わる人口が予測される。すなわち、移動先メッシュでの行動に関わる人口を予測することができる。
【0082】
また、購買予測装置１において、予測係数は、所定の時刻に所定のメッシュにいる人が購買に関わる確率であり、平均移動人口比率は、所定の時刻に所定のメッシュにいる人が移動先メッシュに移動する確率であり、人口分布データの人口は、さらに時刻毎であってもよい。この構成により、時刻及び移動先メッシュ毎の行動に関わる人口を予測することができる。すなわち、より正確な予測を行うことができ、予測結果の有用性が高まる。
【0083】
また、購買予測装置１において、予測係数は、人の属性毎の確率であり、平均移動人口比率は、人の属性毎の確率であり、人口分布データの人口は、さらに人の属性毎であり、予測部１３は、移動先メッシュ及び人の属性毎の購買に関わる人口を予測してもよい。この構成により、移動先メッシュ及び人の属性毎の購買に関わる人口を予測することができる。すなわち、より正確な予測を行うことができ、予測結果の有用性が高まる。
【0084】
また、購買予測装置１において、予測係数は、天候毎の確率であり、取得部１１は、天候に関する天候データをさらに取得し、予測部１３は、取得部１１によって取得された天候データにさらに基づいて予測してもよい。この構成により、予測において天候データを反映することができる。それにより、より正確な予測を行うことができ、予測結果の有用性が高まる。
【0085】
また、購買予測装置１において、予測部１３は、予測した購買に関わる人口に基づいて、人が購買に関わる確率をさらに予測してもよい。この構成により、人が購買に関わる確率を予測することができ、予測結果の有用性が高まる。
【0086】
また、購買予測装置１において、予測部１３による予測結果に基づいて人の誘導を行う送客部１４、判定部１５及び配信部１６をさらに備えてもよい。この構成により、予測結果に基づいて人を適切に誘導することができる。
【0087】
また、購買予測装置１において、送客部１４、判定部１５及び配信部１６は、移動先メッシュにいる人に対して誘導を行ってもよい。この構成により、移動先メッシュにいる人に対して誘導をすることができるため、より確実に人を誘導することができる。
【0088】
また、購買予測装置１において、購買は、店舗での製品又はサービスの購買であり、誘導は、店舗への送客であってもよい。この構成により、例えば、消費期限が近い食品の在庫を大量に抱えた店舗へ送客することで、食品ロスを削減することができる。
【0089】
以上の通り、購買予測装置１によれば、店舗への自動送客を行うことができる。
【0090】
なお、上記実施形態の説明に用いたブロック図は、機能単位のブロックを示している。これらの機能ブロック（構成部）は、ハードウェア及びソフトウェアの少なくとも一方の任意の組み合わせによって実現される。また、各機能ブロックの実現方法は特に限定されない。すなわち、各機能ブロックは、物理的又は論理的に結合した１つの装置を用いて実現されてもよいし、物理的又は論理的に分離した２つ以上の装置を直接的又は間接的に（例えば、有線、無線などを用いて）接続し、これら複数の装置を用いて実現されてもよい。機能ブロックは、上記１つの装置又は上記複数の装置にソフトウェアを組み合わせて実現されてもよい。
【0091】
機能には、判断、決定、判定、計算、算出、処理、導出、調査、探索、確認、受信、送信、出力、アクセス、解決、選択、選定、確立、比較、想定、期待、見做し、報知（broadcasting）、通知（notifying）、通信（communicating）、転送（forwarding）、構成（configuring）、再構成（reconfiguring）、割り当て（allocating、mapping）、割り振り（assigning）などがあるが、これらに限られない。たとえば、送信を機能させる機能ブロック（構成部）は、送信部（transmitting unit）や送信機（transmitter）と呼称される。いずれも、上述したとおり、実現方法は特に限定されない。
【0092】
例えば、本開示の一実施の形態における購買予測装置１などは、本開示の購買予測方法の処理を行うコンピュータとして機能してもよい。図２１は、本開示の一実施の形態に係る購買予測装置１のハードウェア構成の一例を示す図である。上述の購買予測装置１は、物理的には、プロセッサ１００１、メモリ１００２、ストレージ１００３、通信装置１００４、入力装置１００５、出力装置１００６、バス１００７などを含むコンピュータ装置として構成されてもよい。
【0093】
なお、以下の説明では、「装置」という文言は、回路、デバイス、ユニットなどに読み替えることができる。購買予測装置１のハードウェア構成は、図に示した各装置を１つ又は複数含むように構成されてもよいし、一部の装置を含まずに構成されてもよい。
【0094】
購買予測装置１における各機能は、プロセッサ１００１、メモリ１００２などのハードウェア上に所定のソフトウェア（プログラム）を読み込ませることによって、プロセッサ１００１が演算を行い、通信装置１００４による通信を制御したり、メモリ１００２及びストレージ１００３におけるデータの読み出し及び書き込みの少なくとも一方を制御したりすることによって実現される。
【0095】
プロセッサ１００１は、例えば、オペレーティングシステムを動作させてコンピュータ全体を制御する。プロセッサ１００１は、周辺装置とのインターフェース、制御装置、演算装置、レジスタなどを含む中央処理装置（ＣＰＵ：Central Processing Unit）によって構成されてもよい。例えば、上述の取得部１１、学習部１２、予測部１３、送客部１４、判定部１５及び配信部１６などは、プロセッサ１００１によって実現されてもよい。
【0096】
また、プロセッサ１００１は、プログラム（プログラムコード）、ソフトウェアモジュール、データなどを、ストレージ１００３及び通信装置１００４の少なくとも一方からメモリ１００２に読み出し、これらに従って各種の処理を実行する。プログラムとしては、上述の実施の形態において説明した動作の少なくとも一部をコンピュータに実行させるプログラムが用いられる。例えば、取得部１１、学習部１２、予測部１３、送客部１４、判定部１５及び配信部１６は、メモリ１００２に格納され、プロセッサ１００１において動作する制御プログラムによって実現されてもよく、他の機能ブロックについても同様に実現されてもよい。上述の各種処理は、１つのプロセッサ１００１によって実行される旨を説明してきたが、２以上のプロセッサ１００１により同時又は逐次に実行されてもよい。プロセッサ１００１は、１以上のチップによって実装されてもよい。なお、プログラムは、電気通信回線を介してネットワークから送信されても良い。
【0097】
メモリ１００２は、コンピュータ読み取り可能な記録媒体であり、例えば、ＲＯＭ（Read Only Memory）、ＥＰＲＯＭ（Erasable Programmable ＲＯＭ）、ＥＥＰＲＯＭ（Electrically Erasable Programmable ROM）、ＲＡＭ（Random Access Memory）などの少なくとも１つによって構成されてもよい。メモリ１００２は、レジスタ、キャッシュ、メインメモリ（主記憶装置）などと呼ばれてもよい。メモリ１００２は、本開示の一実施の形態に係る無線通信方法を実施するために実行可能なプログラム（プログラムコード）、ソフトウェアモジュールなどを保存することができる。
【0098】
ストレージ１００３は、コンピュータ読み取り可能な記録媒体であり、例えば、ＣＤ－ＲＯＭ（Compact Disc ROM）などの光ディスク、ハードディスクドライブ、フレキシブルディスク、光磁気ディスク（例えば、コンパクトディスク、デジタル多用途ディスク、Ｂｌｕ－ｒａｙ（登録商標）ディスク）、スマートカード、フラッシュメモリ（例えば、カード、スティック、キードライブ）、フロッピー（登録商標）ディスク、磁気ストリップなどの少なくとも１つによって構成されてもよい。ストレージ１００３は、補助記憶装置と呼ばれてもよい。上述の記憶媒体は、例えば、メモリ１００２及びストレージ１００３の少なくとも一方を含むデータベース、サーバその他の適切な媒体であってもよい。
【0099】
通信装置１００４は、有線ネットワーク及び無線ネットワークの少なくとも一方を介してコンピュータ間の通信を行うためのハードウェア（送受信デバイス）であり、例えばネットワークデバイス、ネットワークコントローラ、ネットワークカード、通信モジュールなどともいう。通信装置１００４は、例えば周波数分割複信（ＦＤＤ：Frequency Division Duplex）及び時分割複信（ＴＤＤ：Time Division Duplex）の少なくとも一方を実現するために、高周波スイッチ、デュプレクサ、フィルタ、周波数シンセサイザなどを含んで構成されてもよい。例えば、上述の取得部１１、学習部１２、予測部１３、送客部１４、判定部１５及び配信部１６などは、通信装置１００４によって実現されてもよい。
【0100】
入力装置１００５は、外部からの入力を受け付ける入力デバイス（例えば、キーボード、マウス、マイクロフォン、スイッチ、ボタン、センサなど）である。出力装置１００６は、外部への出力を実施する出力デバイス（例えば、ディスプレイ、スピーカー、ＬＥＤランプなど）である。なお、入力装置１００５及び出力装置１００６は、一体となった構成（例えば、タッチパネル）であってもよい。
【0101】
また、プロセッサ１００１、メモリ１００２などの各装置は、情報を通信するためのバス１００７によって接続される。バス１００７は、単一のバスを用いて構成されてもよいし、装置間ごとに異なるバスを用いて構成されてもよい。
【0102】
また、購買予測装置１は、マイクロプロセッサ、デジタル信号プロセッサ（ＤＳＰ：Digital Signal Processor）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＰＬＤ（Programmable Logic Device）、ＦＰＧＡ（Field Programmable Gate Array）などのハードウェアを含んで構成されてもよく、当該ハードウェアにより、各機能ブロックの一部又は全てが実現されてもよい。例えば、プロセッサ１００１は、これらのハードウェアの少なくとも１つを用いて実装されてもよい。
【0103】
情報の通知は、本開示において説明した態様／実施形態に限られず、他の方法を用いて行われてもよい。
【0104】
本開示において説明した各態様／実施形態は、ＬＴＥ（Long Term Evolution）、ＬＴＥ－Ａ（LTE-Advanced）、ＳＵＰＥＲ ３Ｇ、ＩＭＴ－Ａｄｖａｎｃｅｄ、４Ｇ（4th generation mobile communication system）、５Ｇ（5th generation mobile communication system）、ＦＲＡ（Future Radio Access）、ＮＲ（new Radio）、Ｗ－ＣＤＭＡ（登録商標）、ＧＳＭ（登録商標）、ＣＤＭＡ２０００、ＵＭＢ（Ultra Mobile Broadband）、ＩＥＥＥ ８０２．１１（Ｗｉ－Ｆｉ（登録商標））、ＩＥＥＥ ８０２．１６（ＷｉＭＡＸ（登録商標））、ＩＥＥＥ ８０２．２０、ＵＷＢ（Ultra-WideBand）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、その他の適切なシステムを利用するシステム及びこれらに基づいて拡張された次世代システムの少なくとも一つに適用されてもよい。また、複数のシステムが組み合わされて（例えば、ＬＴＥ及びＬＴＥ－Ａの少なくとも一方と５Ｇとの組み合わせ等）適用されてもよい。
【0105】
本開示において説明した各態様／実施形態の処理手順、シーケンス、フローチャートなどは、矛盾の無い限り、順序を入れ替えてもよい。例えば、本開示において説明した方法については、例示的な順序を用いて様々なステップの要素を提示しており、提示した特定の順序に限定されない。
【0106】
情報等は、上位レイヤ（又は下位レイヤ）から下位レイヤ（又は上位レイヤ）へ出力され得る。複数のネットワークノードを介して入出力されてもよい。
【0107】
入出力された情報等は特定の場所（例えば、メモリ）に保存されてもよいし、管理テーブルを用いて管理してもよい。入出力される情報等は、上書き、更新、又は追記され得る。出力された情報等は削除されてもよい。入力された情報等は他の装置へ送信されてもよい。
【0108】
判定は、１ビットで表される値（０か１か）によって行われてもよいし、真偽値（Boolean：true又はfalse）によって行われてもよいし、数値の比較（例えば、所定の値との比較）によって行われてもよい。
【0109】
本開示において説明した各態様／実施形態は単独で用いてもよいし、組み合わせて用いてもよいし、実行に伴って切り替えて用いてもよい。また、所定の情報の通知（例えば、「Ｘであること」の通知）は、明示的に行うものに限られず、暗黙的（例えば、当該所定の情報の通知を行わない）ことによって行われてもよい。
【0110】
以上、本開示について詳細に説明したが、当業者にとっては、本開示が本開示中に説明した実施形態に限定されるものではないということは明らかである。本開示は、請求の範囲の記載により定まる本開示の趣旨及び範囲を逸脱することなく修正及び変更態様として実施することができる。したがって、本開示の記載は、例示説明を目的とするものであり、本開示に対して何ら制限的な意味を有するものではない。
【0111】
ソフトウェアは、ソフトウェア、ファームウェア、ミドルウェア、マイクロコード、ハードウェア記述言語と呼ばれるか、他の名称で呼ばれるかを問わず、命令、命令セット、コード、コードセグメント、プログラムコード、プログラム、サブプログラム、ソフトウェアモジュール、アプリケーション、ソフトウェアアプリケーション、ソフトウェアパッケージ、ルーチン、サブルーチン、オブジェクト、実行可能ファイル、実行スレッド、手順、機能などを意味するよう広く解釈されるべきである。
【0112】
また、ソフトウェア、命令、情報などは、伝送媒体を介して送受信されてもよい。例えば、ソフトウェアが、有線技術（同軸ケーブル、光ファイバケーブル、ツイストペア、デジタル加入者回線（ＤＳＬ：Digital Subscriber Line）など）及び無線技術（赤外線、マイクロ波など）の少なくとも一方を使用してウェブサイト、サーバ、又は他のリモートソースから送信される場合、これらの有線技術及び無線技術の少なくとも一方は、伝送媒体の定義内に含まれる。
【0113】
本開示において説明した情報、信号などは、様々な異なる技術のいずれかを使用して表されてもよい。例えば、上記の説明全体に渡って言及され得るデータ、命令、コマンド、情報、信号、ビット、シンボル、チップなどは、電圧、電流、電磁波、磁界若しくは磁性粒子、光場若しくは光子、又はこれらの任意の組み合わせによって表されてもよい。
【0114】
なお、本開示において説明した用語及び本開示の理解に必要な用語については、同一の又は類似する意味を有する用語と置き換えてもよい。
【0115】
本開示において使用する「システム」及び「ネットワーク」という用語は、互換的に使用される。
【0116】
また、本開示において説明した情報、パラメータなどは、絶対値を用いて表されてもよいし、所定の値からの相対値を用いて表されてもよいし、対応する別の情報を用いて表されてもよい。
【0117】
上述したパラメータに使用する名称はいかなる点においても限定的な名称ではない。さらに、これらのパラメータを使用する数式等は、本開示で明示的に開示したものと異なる場合もある。
【0118】
本開示で使用する「判断（determining）」、「決定（determining）」という用語は、多種多様な動作を包含する場合がある。「判断」、「決定」は、例えば、判定（judging）、計算（calculating）、算出（computing）、処理（processing）、導出（deriving）、調査（investigating）、探索（looking up、search、inquiry）（例えば、テーブル、データベース又は別のデータ構造での探索）、確認（ascertaining）した事を「判断」「決定」したとみなす事などを含み得る。また、「判断」、「決定」は、受信（receiving）（例えば、情報を受信すること）、送信（transmitting）（例えば、情報を送信すること）、入力（input）、出力（output）、アクセス（accessing）（例えば、メモリ中のデータにアクセスすること）した事を「判断」「決定」したとみなす事などを含み得る。また、「判断」、「決定」は、解決（resolving）、選択（selecting）、選定（choosing）、確立（establishing）、比較（comparing）などした事を「判断」「決定」したとみなす事を含み得る。つまり、「判断」「決定」は、何らかの動作を「判断」「決定」したとみなす事を含み得る。また、「判断（決定）」は、「想定する（assuming）」、「期待する（expecting）」、「みなす（considering）」などで読み替えられてもよい。
【0119】
「接続された（connected）」、「結合された（coupled）」という用語、又はこれらのあらゆる変形は、２又はそれ以上の要素間の直接的又は間接的なあらゆる接続又は結合を意味し、互いに「接続」又は「結合」された２つの要素間に１又はそれ以上の中間要素が存在することを含むことができる。要素間の結合又は接続は、物理的なものであっても、論理的なものであっても、或いはこれらの組み合わせであってもよい。例えば、「接続」は「アクセス」で読み替えられてもよい。本開示で使用する場合、２つの要素は、１又はそれ以上の電線、ケーブル及びプリント電気接続の少なくとも一つを用いて、並びにいくつかの非限定的かつ非包括的な例として、無線周波数領域、マイクロ波領域及び光（可視及び不可視の両方）領域の波長を有する電磁エネルギーなどを用いて、互いに「接続」又は「結合」されると考えることができる。
【0120】
本開示において使用する「に基づいて」という記載は、別段に明記されていない限り、「のみに基づいて」を意味しない。言い換えれば、「に基づいて」という記載は、「のみに基づいて」と「に少なくとも基づいて」の両方を意味する。
【0121】
本開示において使用する「第１の」、「第２の」などの呼称を使用した要素へのいかなる参照も、それらの要素の量又は順序を全般的に限定しない。これらの呼称は、２つ以上の要素間を区別する便利な方法として本開示において使用され得る。したがって、第１及び第２の要素への参照は、２つの要素のみが採用され得ること、又は何らかの形で第１の要素が第２の要素に先行しなければならないことを意味しない。
【0122】
上記の各装置の構成における「手段」を、「部」、「回路」、「デバイス」等に置き換えてもよい。
【0123】
本開示において、「含む（include）」、「含んでいる（including）」及びそれらの変形が使用されている場合、これらの用語は、用語「備える（comprising）」と同様に、包括的であることが意図される。さらに、本開示において使用されている用語「又は（or）」は、排他的論理和ではないことが意図される。
【0124】
本開示において、例えば、英語でのa、an及びtheのように、翻訳により冠詞が追加された場合、本開示は、これらの冠詞の後に続く名詞が複数形であることを含んでもよい。
【0125】
本開示において、「ＡとＢが異なる」という用語は、「ＡとＢが互いに異なる」ことを意味してもよい。なお、当該用語は、「ＡとＢがそれぞれＣと異なる」ことを意味してもよい。「離れる」、「結合される」などの用語も、「異なる」と同様に解釈されてもよい。
【符号の説明】
【0126】
１…購買予測装置、２…人口分布データ取得装置、３…移動人口データ取得装置、４…外部データ取得装置、５…購買在庫管理装置、６…店舗管理者装置、７…顧客スマホ、８…購買予測システム、１０…格納部、１１…取得部、１２…学習部、１３…予測部、１４…送客部、１５…判定部、１６…配信部、１００１…プロセッサ、１００２…メモリ、１００３…ストレージ、１００４…通信装置、１００５…入力装置、１００６…出力装置、１００７…バス。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】
【図19】
【図20】
【図21】