JP2005228014A - ベイジアンネットワークを用いた来客数予測システム - Google Patents

Abstract

【課題】
小売店や飲食店等の店舗の来客数をベイジアンネットワークを用いて予測する、ベイジアンネットワークを用いた来客数予測システムを提供することを目的とする。
【解決手段】
来客数予測システム外からの情報を受信する外部情報入力部と、外部情報入力手段で受信した情報を経験データとして記憶する経験データ記憶部と、記憶した経験データを抽出し、その経験データに基づいて、事象とそれに対応する来客数予測の確率分布とからなる確率テーブルを作成するベイジアンネットワーク作成部と、作成した確率テーブルと、外部情報入力手段から受信した事象を示す情報とに基づいて、来客数予測データを算出するベイジアンネットワーク演算部と、算出した来客数予測データを出力する来客数予測データ出力部と、からなるベイジアンネットワークを用いた来客数予測システムである。
【選択図】 図１

Description

本発明は、小売店や飲食店等の店舗の来客数を予測するシステムに関し、更に詳細にはその予測にベイジアンネットワークを用いていることを特徴とするベイジアンネットワークを用いた来客数予測システムに関する。

小売店や飲食店等の店舗にとって、来客数を予測することは非常に重要な要素である。何故ならば、その予測した来客数に則って、商品の仕入れや従業員（アルバイト等も含む）のシフト配置を行い、店舗の運営に繋げているからである。仮に来客数の予測を誤ると、商品不足による販売機会の喪失、逆に商品過剰によるコスト上昇となり、又、従業員の不足によるサービスの低下、従業員の過剰によるコスト上昇等の問題が発生する。その為、来客数予測の精度は店舗の利益を左右している。

このように正確な来客数を予測することは重要であるが、従来は、店長や現場責任者による経験や勘で行われていることが多い。しかしこのような個人への依存では、店長や現場責任者が交代した場合に、それを引き継ぐことが出来ないので、下記特許文献１乃至特許文献４に示すように、様々なシステム化が図られている。

特開平０８−３１４８８８号公報 特開２００２−２４３５０号公報 特開２００２−３１２５２７号公報 特開２００３−１１４９６９号公報

本村陽一、"確率ネットワークと知識情報処理への応用"、[online]、平成１３年１月２４日、インターネット＜ＵＲＬ：http://staff.aist.go.jp/y.motomura/DS/DS.html/＞

しかし上述の特許文献１乃至特許文献４を代表とした、従来の来客数予測を実行するシステムの場合、予めパラメータとして与える情報間の因果関係を規定しておき、その因果関係に基づいて来客数予測を実行している。

従って、外部から与えるパラメータは固定的なものとせざるを得ず、且つその因果関係も細かく規定しておく必要がある。又、その因果関係が変化した場合には、再度その規定を変更しなければならない。尚、本明細書に於いて因果関係とは、過去の事象が、未来の事象に影響を与えるような関係をいう。例えば天気が晴れならば来客数が多く、天気が雨ならば来客数が少ないといった場合には、天気と来客数の間に因果関係があるといえる。

そこで本願発明者等は、上述の従来の来客数予測とは異なり、外部からパラメータとして与える情報間の因果関係を規定しておかなくても、多数の情報から統計的手法によって因果関係を推定することで、来客数予測の処理を実行でき、且つそれをシステム化することによって、従来のように店長や現場責任者の経験や勘に基づくことなく来客数予測が可能な、ベイジアンネットワークを用いた来客数予測システムを発明した。

尚、ベイジアンネットワークとは、確率変数をノードで表し、因果関係や相関関係のような依存関係を示す変数の間にリンクを張ったグラフ構造による確率モデルであって、このリンクが因果関係の方向に有向性を有し、そのリンクを辿ったパスが循環しない非循環有向グラフで表されるモデルである（ベイジアンネットワークは上記非特許文献１に詳しい）。

請求項１の発明は、
ベイジアンネットワークを用いて来客数予測を行う、ベイジアンネットワークを用いた来客数予測システムであって、前記来客数予測システム外からの情報を受信する外部情報入力部と、前記外部情報入力手段で受信した情報を経験データとして記憶する経験データ記憶部と、前記記憶した経験データを抽出し、その経験データに基づいて、事象とそれに対応する来客数予測の確率分布とからなる確率テーブルを作成するベイジアンネットワーク作成部と、前記作成した確率テーブルと、前記外部情報入力手段から受信した事象を示す情報とに基づいて、来客数予測データを算出するベイジアンネットワーク演算部と、前記算出した来客数予測データを出力する来客数予測データ出力部と、からなるベイジアンネットワークを用いた来客数予測システムである。

このように、外部から受信した情報を経験データとして記憶した後、それに基づいて確率テーブルを作成し、ベイジアンネットワークの演算を行うことで、来客数予測が可能となる。これにより、従来は因果関係が予め規定されたデータのみしか受け付けることが出来なかったが、その因果関係が規定されていなくても、因果関係を推定し、自動的に確率テーブルを作成し、そこから来客数予測を行うことが可能となる。そして、因果関係の規定が不要であることから、従来のように因果関係に変更があった場合に、来客数予測システムに於けるシステム変更を行わなくても良い。特に因果関係の推定に、本発明ではベイジアンネットワークを用いていることから、確率分布の入出力となり、数値に限らず、雰囲気のようなデータ（曖昧なデータ）を扱うことができる。又、「天気が良すぎると客足が鈍る」といった線形でない因果関係を扱うことができることに加え、その因果関係をネットワーク上（有向グラフ）に示すことで、直感との対応付けが可能となる。

請求項２の発明は、
前記ベイジアンネットワーク作成部は、前記抽出した経験データに多変量解析を行うことにより、ベイジアンネットワークで用いる確率テーブルを作成する、ベイジアンネットワークを用いた来客数予測システムである。

経験データから確率テーブルを作成する際には、多変量解析により行うことが良い。

請求項３の発明は、
前記ベイジアンネットワーク演算部は、前記事象を示す情報に対応する来客数予測を前記確率テーブルから抽出し、その事象を示す情報の各場合に於ける重み付けを算出し、その重み付け後の来客数予測を算出し、それを合計する、ベイジアンネットワークを用いた来客数予測システムである。

確率テーブルに基づいて来客数予測を算出するには、請求項３のように行うことも可能である。

請求項４の発明は、
前記外部情報入力部は、日報情報の入力を受信する日報情報入力部と、労務情報の入力を受信する労務情報入力部と、来客数の規模を販売情報として入力を受信する販売情報入力部と、気象センサーからの入力を受信する気象センサー情報入力部と、イベントの開催の有無、天候予測情報の入力をネットワークを介して受信するネットワーク情報入力部のうちの、いずれか一以上を有する、ベイジアンネットワークを用いた来客数予測システムである。

外部から受信する情報としては、このように日報情報、労務情報、販売情報、気象センサー情報、ネットワーク情報等があるが、これらに限定されることはなく、如何なる情報であっても良い。何故ならば従来の来客数予測システムと異なり、その因果関係を明確に規定しておかなくても、ベイジアンネットワークを用いることによって、処理が可能となるからである。

本発明のベイジアンネットワークを用いた来客数予測システムによって、外部から様々な情報をパラメータとして与えることが出来る。つまり従来は各情報間の因果関係を予めシステムの設計者側で把握していなければ、来客数予測を実行することが出来なかったが、本発明のように、ベイジアンネットワークを用いることによって、因果関係を規定しておかなくても、来客数予測を行うことが出来る。

又状況の変化により、因果関係が変化した場合でも、来客数予測システムのシステム変更なしに変化に追従することが出来る。更に、ベイジアンネットワーク演算部に入力するデータを変化させることで、来客数がどのように変化するかをシュミレーションすることも出来る。

更に、このようにシステム化をすることによって、従来のように店長や現場責任者による経験や勘に頼ることがなくなるので、店長や現場責任者が交代しても問題は発生しない。

本発明のベイジアンネットワークを用いた来客数予測システム１（以下、来客数予測システム１）のシステム構成の一例を示したシステム構成図を図１に示す。来客数予測システム１は、外部情報入力部２、経験データ記憶部３、ベイジアンネットワーク作成部４、ベイジアンネットワーク演算部５、来客数予測データ出力部６とからなる。

外部情報入力部２は、来客数予測システム１外から、来客数を予測する際にパラメータとする情報の入力を受信する手段である。この外部情報入力部２で入力された情報に基づいて、後述するベイジアンネットワーク作成部４で各パラメータ間の因果関係を作成し、確率テーブルを作成することとなる。外部情報入力部２の一例として本明細書では、日報情報入力部２ａ、労務情報入力部２ｂ、販売情報入力部２ｃ、気象センサー情報入力部２ｄ、ネットワーク情報入力部２ｅを設ける場合を説明するが、これ以外の情報の入力を受信する手段を設けても良い。

日報情報入力部２ａは、店舗のマネージャーが入力した日報データベース（図示せず）からダイレクトメールやチラシといった販促活動の規模を示す情報を受信し、経験データ記憶部３とベイジアンネットワーク演算部５に入力する手段である。ここでは、入力するデータ形式として、来客数が増加する販促活動を行った場合を「１」で示す。

尚、販促活動に関する情報を日報から機械的に読み取る（日報の所定欄から読み取る）以外にも、日本語構文解析を行う手段を日報情報入力部２ａに設けることで、日報の情報を受信した後に、日本語構文解析を実行し、その中から販促活動の規模を示す情報を抽出することで、上述の情報を取得しても良い。又、日本語構文解析を使用する場合、販促活動に限らず、様々な事象を入力することが出来る。勿論、日本語以外の言語の構文解析を行って上述の情報を取得しても良い。

日報情報入力部２ａで受信する情報としては、上記の他にも、チラシの数量、種類別のチラシ記載の量、商品別のチラシ記載の量、ダイレクトメールの数量、種類別のダイレクトメール記載の量、商品別のダイレクトメール記載の量、顧客毎のダイレクトメール送付の有無、値引の度合い、種類別の値引の度合い、商品別の値引の度合い等がある。

労務情報入力部２ｂは、店舗の人事データベース（図示せず）から、配置した店員の規模（人数、グループ数等）を示す情報を受信し、経験データ記憶部３に入力する手段である。入力するデータ形式は、平均の店員の人数より多い場合を「１」で示す。

尚、本明細書では１つのデータ入力であるが、時間帯や売り場などの要素で分類して、複数のデータを入力しても良い。

労務情報入力部２ｂで受信する情報としては、上記の他にも、店員数、部署別の店員数、店員個人の出欠・配置部署等がある。

販売情報入力部２ｃは、店舗の経理データベース（図示せず）から、来客数の規模（人数）を受信し、経験データ記憶部３に入力する手段である。入力するデータ形式は、ここでは平均の来客数を基準として、８０％を下回る場合を「０」、８０〜１００％の場合を「１」、１００〜１２０％の場合を「２」、１２０％を越える場合を「３」で示す。

尚、本明細書では４水準のデータ形式としているが、異なる水準であっても良いし、店舗だけではなく、店舗のうちの時間帯や売り場などの要素で更に詳細に分類しても良い。

販売情報入力部２ｃで受信する情報としては、上記の他にも、総売上高、総販売数量、総販売客数、商品別売上高、商品別販売数量、商品別販売客数、棚位置別売上高、棚位置別販売数量、棚位置別販売客数、顧客別売上高、顧客別販売数量、顧客毎の来店の有無等がある。

気象センサー情報入力部２ｄは、来客数予測システム１外に設けられた気象センサーから天候の情報を受信し、経験データ記憶部３に入力する手段である。入力するデータ形式は、来客数が増加すると考えられる天候、例えば快適な天候（晴天等）を「１」で示す。

尚、本明細書では１つのデータ入力であるが、複数の水準であっても良いし、時間帯などの要素で分類しても良いし、気温や風速、日照なども入力しても良い。

気象センサー情報入力部２ｄで受信する情報としては、上記の他にも、気温、湿度、日照、紫外線量、風向、風速、気圧、空気の匂い等がある。

ネットワーク情報入力部２ｅは、店舗の周辺で開催されるイベント情報と天候予測情報を、来客数予測システム１が接続しているネットワーク（好適にはインターネットであるが、ＬＡＮ等のクローズドネットワークでも良い）から受信し、経験データ記憶部３とベイジアンネットワーク演算部５に入力する手段である。入力するデータ形式は、来客数が増加すると考えられる方向、例えばイベントの開催や快適な天候（晴天等）を「１」で示す。

尚、本明細書では今日のイベントの有無、明日のイベントの有無、今日の天候、明日の天候の予測、明後日の天候の５つのデータを入力しているが、異なるデータであっても良い。又、今日のイベントの情報については、前日に受信したイベント情報を記憶しておき、それを利用しても良い。同様に、今日の天候についても前日に受信した天候予測の情報を記憶しておき、それを利用しても良い。又、今日の天候の情報については、気象センサー情報入力部２ｄで受信した情報を利用しても良い。

ネットワーク情報入力部２ｅで受信する情報としては、上記の他にも、イベントの情報として、休日の有無、祝日の有無、休業日の有無、展示会の有無、運動会の有無、文化祭の有無、セミナーの有無等がある。

外部情報入力部２で受信する情報としては、上記の他にも、暦日情報入力部（図示せず）を設け、月、日、週、曜日、旧暦、六曜、月相、日の出・日の入り時刻を受信しても良いし、商品情報入力部（図示せず）を設け、商品毎のマスメディアでの宣伝量、商品毎のマスメディアでの紹介の量、商品毎の店頭での宣伝量、商品毎のインターネットでの話題の量等を受信しても良い。

経験データ記憶部３は、外部情報入力部２から受信した情報を経験データとして記憶する手段である。

上述のように外部情報入力部２に、日報情報入力部２ａ、労務情報入力部２ｂ、販売情報入力部２ｃ、気象センサー情報入力部２ｄ、ネットワーク情報入力部２ｅを設けた場合には、日報情報（来客数が増加する販促活動を行った場合を「１」）、労務情報（店員が平均より多い場合を「１」）、販売情報（平均の来客数を基準として８０％を下回る場合を「０」、８０〜１００％の場合を「１」、１００〜１２０％の場合を「２」、１２０％を越える場合を「３」）、気象センサー情報（快適な天候を「１」）、ネットワーク情報（今日イベントがあると「１」、今日の天候予測が快適だと「１」、明日の天候予測が快適だと「１」）を受信する。

尚、後述するベイジアンネットワーク作成部４が記憶機能を有している場合には、外部情報入力部２からベイジアンネットワーク作成部４に直接入力・記憶を行っても良く、その場合には経験データ記憶部３は設けなくても良い。

ベイジアンネットワーク作成部４は、経験データ記憶部３に記憶した経験データを抽出し、その抽出した経験データを、多変量解析等の方法によりベイジアンネットワークの確率テーブルを作成し、ベイジアンネットワーク演算部５に出力する手段である。

尚、確率テーブルとは、ある事象に於ける来客数の確率値（確率分布）を示したテーブルである。ここで事象とは、外部情報入力部２が、来客数予測システム１外から受信した情報（例えば日報情報、労務情報、販売情報、気象センサー情報、ネットワーク情報）である。例えば日報情報が「１」、労務情報が「０」、販売情報が「０」、気象センサー情報が「０」、ネットワーク情報が全て「０」の場合、つまり販促活動のみを行った場合の来客数（平均来客数に対する比率で示しても良いし、来客数を概数で示しても良い）を確率値（確率分布）で示したテーブルである。

経験データからベイジアンネットワークの確率テーブルを作成するには、公知の多変量解析の方法を用いることが出来るが、例えば株式会社数理システムが販売するベイジアンネットワーク構築支援システム（Bayesian Network Costruction System:BayoNet）（http://www.msi.co.jp/BAYONET）や、Hugin Expert社が販売するHUGIN Explorer（http://www.hugin.com/Products_Services/Products/Commercial/Explorer/）を用いることが出来る。

ベイジアンネットワーク演算部５は、ベイジアンネットワーク作成部４で作成した確率テーブルと、外部情報入力部２から受信した情報に基づいて、来客数予測データを来客数予測データ出力部６に出力する手段である。

上述の例の場合、外部情報入力部２の日報情報入力部２ａとネットワーク情報入力部２ｅとから、日報情報（来客数が増加する販促活動を行う場合を「１」）とネットワーク情報（明日イベントがあると「１」、明日の天候予測が快適だと「１」、明後日の天候予測が快適だと「１」）を受信して、明日の来客数予測データを出力しているが、例えば明日の来客数に影響のあるデータが日報情報から得られる場合などは、これらの情報を入力しても良い。

来客数予測データ出力部６は、ベイジアンネットワーク演算部５で出力した来客数予測データを来客数予測システム１外に出力する手段である。この出力の際に、来客数予測データをそのまま出力しても良いし、確率から人数を計算して出力しても良い。

次に、本発明の来客数予測システム１のプロセスの流れの一例を図２のフローチャート図と図１のシステム構成図とを用いて説明する。

ベイジアンネットワークを用いた来客数予測システム１は、そのシステム外から外部情報入力部２が、来客数を予測する際にパラメータとする情報の入力を受信する（Ｓ１００）。この際に受信する情報としては、従来のような天候と来客数、時間帯と来客数のように因果関係が経験上判別しているものに限らず、因果関係が不明な情報であってもよい。つまり、任意にパラメータとして情報を入力させることが出来る。入力を受信した情報は、経験データ記憶部３に送信され、経験データとして経験データ記憶部３で記憶する（Ｓ１１０）。

尚、上述のように外部情報入力部２に、日報情報入力部２ａ、労務情報入力部２ｂ、販売情報入力部２ｃ、気象センサー情報入力部２ｄ、ネットワーク情報入力部２ｅを設けた場合には、日報情報入力部２ａが日報データベース（図示せず）から販促活動の規模を示す情報（来客数が増加する販促活動を行った場合を「１」で示す）を受信し、労務情報入力部２ｂが人事データベース（図示せず）から、配置した店員の規模（人数、グループ数等）を示す情報を（平均の店員の人数より多い場合を「１」で示す）受信し、販売情報入力部２ｃが経理データベース（図示せず）から、来客数の規模（人数）を示す情報（平均の来客数を基準として、８０％を下回る場合を「０」、８０〜１００％の場合を「１」、１００〜１２０％の場合を「２」、１２０％を越える場合を「３」で示す）を受信し、気象センサー情報入力部２ｄが気象センサーから天候の情報（来客数が増加すると考えられる天候、例えば快適な天候（晴天等）を「１」で示す）を受信し、ネットワーク情報入力部２ｅがネットワークから、イベント情報と天候予測情報（来客数が増加すると考えられる方向、例えばイベントの開催や快適な天候（晴天等）を「１」で示す）を受信し、経験データ記憶部３に記憶する。

上述した各種情報は、あくまでも一例であって、どのような情報であっても良い。

ベイジアンネットワーク作成部４は、経験データ記憶部３に記憶した経験データを抽出し、その抽出した経験データを、多変量解析等の公知の方法によりベイジアンネットワークの確率テーブルを作成し（Ｓ１２０）、ベイジアンネットワーク演算部５に出力する。

経験データからベイジアンネットワークの確率テーブルを作成するには、公知の多変量解析等の方法を用いることが出来るが、例えば株式会社数理システムが販売するベイジアンネットワーク構築支援システム（Bayesian Network Costruction System:BayoNet）（http://www.msi.co.jp/BAYONET）や、Hugin Expert社が販売するHUGIN Explorer（http://www.hugin.com/Products_Services/Products/Commercial/Explorer/）を用いることが出来る。

Ｓ１２０に於いて、ベイジアンネットワーク作成部４が多変量解析（下記の場合には因子分析）により、経験データから確率テーブルを作成する例を下記に説明する。この場合、経験データとして経験データ記憶部３に記憶されたデータが図３であったとする。尚、外部情報入力部２から受信した入力データは確率値であるので実数で示されるが、本実施例では説明の為、整数の場合で説明する。

尚、図３に於いて「販促」として示されている項目の情報が日報情報入力部２ａから受信した日報情報であり、「店員多」として示されている項目の情報が労務情報入力部２ｂから受信した労務情報であり、「快適な天候」として示されている項目の情報が気象センサー情報入力部２ｄから受信した気象センサー情報であり、「イベント」、「明日の天候予測」、「明後日の天候予測」として示されている項目の情報がネットワーク情報入力部２ｅから受信したネットワーク情報であり、「来客数」として示されている項目の情報が販売情報入力部２ｃから受信した販売情報である。

ここで最終的にベイジアンネットワーク演算部５で演算し、来客数予測データ出力部６から出力数データが来客数予測であるので、来客数予測が「０」から「３」のいずれかであるような確率テーブルを作成することとなる。尚、来客数予測については、販売情報と同様に、平均の来客数を基準として、８０％を下回る場合を「０」、８０〜１００％の場合を「１」、１００〜１２０％の場合を「２」、１２０％を超える場合を「３」として示す。又、この確率テーブルを用いて来客数を予測する際に、外部から入力する情報として日報情報（「販促」）、ネットワーク情報（「イベント」「明日の天候予測」「明後日の天候予測」）とを用いる場合とする。従って、ベイジアンネットワークで用いる確率テーブルは、日報情報とネットワーク情報と、それに対応する来客数予測とからなる。従って、外部から入力する情報として、日報情報、ネットワーク情報以外の情報、例えば労務情報、気象センサー情報をも加味する場合には、確率テーブルは、日報情報とネットワーク情報と労務情報と気象センサー情報と、それに対応する来客数予測とからなる。従ってベイジアンネットワーク作成部４で作成する確率テーブルは、ある事象（来客数予測に用いる入力情報）とそれに対応する来客数予測の確率分布とからなる。

図３に示した経験データの場合、個々の入力データが「１」の場合と「０」の場合とが同数であるので、それぞれについて平均を計算して差を得ることで、入力データの出力データへの貢献を知ることが出来る。そこで、この例ではこの方法で確率テーブルを作成するが、入力データが１，０００や１万等の多数に亘る場合、他の多変量解析の方法を用いても何ら問題はない。

まず、「販促＝０（販促活動を行っていない）」である経験データＡから経験データＤと、「販促＝１（販促活動を行った）」である経験データＥから経験データＨについて、それぞれの来客数平均を計算して比較する。
即ち、
（経験データＡ＋経験データＢ＋経験データＣ＋経験データＤ）／４＝３／４＝０．７５
（経験データＥ＋経験データＦ＋経験データＧ＋経験データＨ）／４＝７／４＝１．７５
となる。

次に「イベント＝０（イベントがない）」である経験データＡ、経験データＣ、経験データＦ、経験データＨと、「イベント＝１（イベントがある）」である経験データＢ、経験データＤ、経験データＥ、経験データＧとについて、それぞれの来客数平均を計算して比較する。
即ち、
（経験データＡ＋経験データＣ＋経験データＦ＋経験データＨ）／４＝５／４＝１．２５
（経験データＢ＋経験データＤ＋経験データＥ＋経験データＧ）／４＝５／４＝１．２５
となる。

次に「明日の天候予測＝０（快適な天気ではない）」である経験データＡ、経験データＢ、経験データＧ、経験データＨと、「明日の天候予測＝１（快適な天気）」である経験データＣ、経験データＤ、経験データＥ、経験データＦとについて、それぞれの来客数平均を計算して比較する。
即ち、
（経験データＡ＋経験データＢ＋経験データＧ＋経験データＨ）／４＝２／４＝０．５
（経験データＣ＋経験データＤ＋経験データＥ＋経験データＦ）／４＝８／４＝２
となる。

更に「明後日の天候予測＝０（快適な天気ではない）」である経験データＡ、経験データＣ、経験データＥ、経験データＧと、「明後日の天候予測＝１（快適な天気）」である経験データＢ、経験データＤ、経験データＦ、経験データＨとについて、それぞれの来客数平均を計算して比較する。
（経験データＡ＋経験データＣ＋経験データＥ＋経験データＧ）／４＝６／４＝１．５
（経験データＢ＋経験データＤ＋経験データＦ＋経験データＨ）／４＝４／４＝１
となる。

最初の項目である「販促」を基準値として、残りの項目による影響を加減算することで、全ての組合せに対する、来客数予測の確率テーブルを作成する。この場合の確率テーブルを図４に示す。

例えば「販促＝０、イベント＝０、明日の天候＝０、明後日の天候＝０」の場合、
０．７５−（１．２５−１．２５）／２−（２−０．５）／２−（１−１．５）／２＝０．２５
となり、来客数予測の確率分布（３：２：１：０）は「０：０：０：１」となる。

又、「販促＝０、イベント＝０、明日の天候＝０、明後日の天候＝１」の場合、
０．７５−（１．２５−１．２５）／２−（２−０．５）／２＋（１−１．５）／２＝−０．２５
となり、来客数予測の確率分布（３：２：１：０）は「０：０：０：１」となる。

更に、「販促＝０、イベント＝０、明日の天候＝１、明後日の天候＝０」の場合、
０．７５−（１．２５−１．２５）／２＋（２−０．５）−（１−１．５）／２＝１．７５
となり、来客数予測の確率分布（３：２：１：０）は「０：１：０：０」となる。

このように、「販促」、「イベント」、「明日の天候予測」、「明後日の天候予測」の４つの情報の全ての組合せに対して確率テーブルを作成すると図４のようになる。尚、図４の確率テーブルに於いて、「計算」で示された項目は、本実施例を分かり易く説明するために計算過程を示したものに過ぎないので、実際の確率テーブルには含まれない。

このようにしてＳ１２０で作成された確率テーブルと外部情報入力部２から受信した情報に基づいて、ベイジアンネットワーク演算部５は、確率テーブルの演算を行い（Ｓ１３０）、来客数予測データを来客数予測データ出力部６に出力する。

ここでは、図４の確率テーブルを用いる例として、日報情報入力部２ａから日報情報とネットワーク情報入力部２ｅからネットワーク情報とを受信する場合を説明する。例えば、日報情報入力部２ａから日報情報として「１」（来客数が増加する活動を行う）、ネットワーク情報入力部２ｅからネットワーク情報として、明日イベントがある確率として「０」、明日の天候予測が快適な確率として「０．５」、明後日の天候予測が快適な確率として「０．２」を受信したとする。

この場合、販促の有無とイベントの有無については２値で示されることから、「販促＝１」、「イベント＝０」となるが、明日及び明後日の天候は確率値で示されているので、「明日＝０、明後日＝０」、「明日＝０、明後日＝１」、「明日＝１、明後日＝０」、「明日＝１、明後日＝１」の４パターンの天候があり得る。従って、
それぞれの場合の確率分布をベイジアンネットワーク演算部５が以下のように演算する。
販促＝１、イベント＝０、明日＝０、明後日＝０となる確率は、
（１−０．５）×（１−０．２）＝０．４
販促＝１、イベント＝０、明日＝０、明後日＝１となる確率は、
（１−０．５）×０．２＝０．１
販促＝１、イベント＝０、明日＝１、明後日＝０となる確率は、
０．５×（１−０．２）＝０．４
販促＝１、イベント＝０、明日＝１、明後日＝１となる確率は、
０．５×０．２＝０．１

従って、ベイジアンネットワーク作成部４で作成した確率テーブルをベイジアンネットワーク演算部５が参照し、該当する来客数予測を算出し、それを各場合で重み付けを行うことによって、来客数予測データが算出できる。

具体的にはベイジアンネットワーク演算部５が、ベイジアンネットワーク作成部４で作成した確率テーブルに於いて、「販促＝１、イベント＝０、明日＝０、明後日＝０」となる場合の来客数予測（３：２：１：０）は「０：０：１：０」であり、「販促＝１、イベント＝０、明日＝０、明後日＝１」となる場合の来客数予測は「０：０：１：０」であり、「販促＝１、イベント＝０、明日＝１、明後日＝０」となる場合の来客数予測は「１：０：０：０」であり、「販促＝１、イベント＝０、明日＝１、明後日＝１」となる場合の来客数予測は「０：１：０：０」となる。

この各場合に於ける重み付けが「０．４」、「０．１」、「０．４」、「０．１」であることから、各場合に於いて重み付けを行った後の来客数予測が「販促＝１、イベント＝０、明日＝０、明後日＝０」となる場合の重み付け後の来客数予測は「（０×０．４）：（０×０．４）：（１×０．４）：（０×０．４）＝０：０：０．４：０」であり、「販促＝１、イベント＝０、明日＝０、明後日＝１」となる場合の重み付け後の来客数予測は「（０×０．１）：（０×０．１）：（１×０．１）：（０×０．１）＝０：０：０．１：０」であり、「販促＝１、イベント＝０、明日＝１、明後日＝０」となる場合の重み付け後の来客数予測は「（１×０．４）：（０×０．４）：（０×０．４）：（０×０．４）＝０．４：０：０：０」となり、「販促＝１、イベント＝０、明日＝１、明後日＝１」となる場合の重み付け後の来客数予測は「（０×０．１）：（１×０．１）：（０×０．１）：（０×０．１）＝０：０．１：０：０」となる。

従って出力すべき来客数予測データはこれらの各場合の合計値であるから、「０．４：０．１：０．５：０」となる。従ってベイジアンネットワーク演算部５はこのように算出した来客数予測データを、来客数予測データ出力部６に出力する。ベイジアンネットワーク演算部５に於ける上述の例の場合の演算の概念図を図５に示す。

来客数予測データ出力部６は、ベイジアンネットワーク演算部５から受信した来客数予測データを、来客数予測システム１外に出力する（Ｓ１４０）。上述の例の場合には、「０．４：０．１：０．５：０」を出力する。或いは来客数予測データ出力部６は、このように確率分布を出力せずとも、それを意味する情報、即ちこの例の場合では、「平均来客数に対して８０％を下回る確率は０（０％）、平均来客数に対して８０〜１００％である確率は０．５（５０％）、平均来客数に対して１００〜１２０％である確率は０．１（１０％）、平均来客数に対して１２０％を越える確率は０．４（４０％）」のように、担当者が分かり易いように出力しても良い。

本発明に於ける各手段、テーブルは、その機能が論理的に区別されているのみであって、物理上あるいは事実上は同一の領域を為していても良い。又テーブルの代わりにデータベース、データファイルであっても良いことはいうまでもなく、テーブルとの記載にはデータベース、データファイルをも含んでいる。

尚、本発明を実施するにあたり本実施態様の機能を実現するソフトウェアのプログラムを記録した記憶媒体をシステムに供給し、そのシステムのコンピュータが記憶媒体に格納されたプログラムを読み出し実行することによって実現されることは当然である。

この場合、記憶媒体から読み出されたプログラム自体が前記した実施態様の機能を実現することとなり、そのプログラムを記憶した記憶媒体は本発明を当然のことながら構成することになる。

プログラムを供給する為の記憶媒体としては、例えば磁気ディスク、ハードディスク、光ディスク、光磁気ディスク、磁気テープ、不揮発性のメモリカード等を使用することができる。又、記憶媒体に記録する以外にも、インターネット等のネットワークを介して、当該プログラムをダウンロードできるようにしても良い。

又、コンピュータが読み出したプログラムを実行することにより、上述した実施態様の機能が実現されるだけではなく、そのプログラムの指示に基づき、コンピュータ上で稼働しているオペレーティングシステムなどが実際の処理の一部又は全部を行い、その処理によって前記した実施態様の機能が実現される場合も含まれることは言うまでもない。又、この際に、ネットワーク上のサーバ等が処理の一部又は全部を行っても良い。

更に、記憶媒体から読み出されたプログラムが、コンピュータに挿入された機能拡張ボードやコンピュータに接続された機能拡張ユニットに備わる不揮発性あるいは揮発性の記憶手段に書き込まれた後、そのプログラムの指示に基づき、機能拡張ボードあるいは機能拡張ユニットに備わる演算処理装置などが実際の処理の一部あるいは全部を行い、その処理により前記した実施態様の機能が実現される場合も含まれることは当然である。

上述したように、本発明のベイジアンネットワークを用いた来客数予測システムによって、外部から様々な情報をパラメータとして与えることが出来る。つまり従来は各情報間の因果関係を予めシステムの設計者側で把握していなければ、来客数予測を実行することが出来なかったが、本発明のように、ベイジアンネットワークを用いることによって、因果関係を規定しておかなくても、来客数予測を行うことが出来る。

又状況の変化により、因果関係が変化した場合でも、来客数予測システムのシステム変更なしに変化に追従することが出来る。更に、ベイジアンネットワーク演算部に入力するデータを変化させることで、来客数がどのように変化するかをシュミレーションすることも出来る。

更に、このようにシステム化をすることによって、従来のように店長や現場責任者による経験や勘に頼ることなくなるので、店長や現場責任者が交代しても問題は発生しない。

本発明のシステム構成の一例を示すシステム構成図である。 本発明のプロセスの流れの一例を示すフローチャート図である。 経験データ記憶部に記憶した経験データの一例である。 ベイジアンネットワーク作成部で作成した確率テーブルの一例である。 ベイジアンネットワーク演算部で演算した際の概念図である。

符号の説明

１：ベイジアンネットワークを用いた来客数予測システム
２：外部情報入力部
２ａ：日報情報入力部
２ｂ：労務情報入力部
２ｃ：販売情報入力部
２ｄ：気象センサー情報入力部
２ｅ：ネットワーク情報入力部
３：経験データ記憶部
４：ベイジアンネットワーク作成部
５：ベイジアンネットワーク演算部
６：来客数予測データ出力部

Claims (4)

1. ベイジアンネットワークを用いて来客数予測を行う、ベイジアンネットワークを用いた来客数予測システムであって、
   前記来客数予測システム外からの情報を受信する外部情報入力部と、
   前記外部情報入力手段で受信した情報を経験データとして記憶する経験データ記憶部と、
   前記記憶した経験データを抽出し、その経験データに基づいて、事象とそれに対応する来客数予測の確率分布とからなる確率テーブルを作成するベイジアンネットワーク作成部と、
   前記作成した確率テーブルと、前記外部情報入力手段から受信した事象を示す情報とに基づいて、来客数予測データを算出するベイジアンネットワーク演算部と、
   前記算出した来客数予測データを出力する来客数予測データ出力部と、
   からなることを特徴とするベイジアンネットワークを用いた来客数予測システム。
2. 前記ベイジアンネットワーク作成部は、
   前記抽出した経験データに多変量解析を行うことにより、ベイジアンネットワークで用いる確率テーブルを作成する、
   ことを特徴とする請求項１に記載のベイジアンネットワークを用いた来客数予測システム。
3. 前記ベイジアンネットワーク演算部は、
   前記事象を示す情報に対応する来客数予測を前記確率テーブルから抽出し、その事象を示す情報の各場合に於ける重み付けを算出し、その重み付け後の来客数予測を算出し、それを合計する、
   ことを特徴とする請求項１に記載のベイジアンネットワークを用いた来客数予測システム。
4. 前記外部情報入力部は、
   日報情報の入力を受信する日報情報入力部と、労務情報の入力を受信する労務情報入力部と、来客数の規模を販売情報として入力を受信する販売情報入力部と、気象センサーからの入力を受信する気象センサー情報入力部と、イベントの開催の有無、天候予測情報の入力をネットワークを介して受信するネットワーク情報入力部のうちの、いずれか一以上を有する、
   ことを特徴とする請求項１に記載のベイジアンネットワークを用いた来客数予測システム。
   

Images