米国特許情報 | 欧州特許情報 | 国際公開(PCT)情報 | Google の米国特許検索
 
     特許分類
A 農業
B 衣類
C 家具
D 医学
E スポ−ツ;娯楽
F 加工処理操作
G 机上付属具
H 装飾
I 車両
J 包装;運搬
L 化学;冶金
M 繊維;紙;印刷
N 固定構造物
O 機械工学
P 武器
Q 照明
R 測定; 光学
S 写真;映画
T 計算機;電気通信
U 核技術
V 電気素子
W 発電
X 楽器;音響


  ホーム -> 計算機;電気通信 -> マツダ株式会社

発明の名称 商品分析支援装置及び方法、並びにそのコンピュータ・プログラム
発行国 日本国特許庁(JP)
公報種別 公開特許公報(A)
公開番号 特開2003−331104(P2003−331104A)
公開日 平成15年11月21日(2003.11.21)
出願番号 特願2002−137043(P2002−137043)
出願日 平成14年5月13日(2002.5.13)
代理人 【識別番号】100076428
【弁理士】
【氏名又は名称】大塚 康徳 (外3名)
【テーマコード(参考)】
5B056
【Fターム(参考)】
5B056 BB61 BB62 BB64 HH00 
発明者 橋本 昌寛
要約 課題
既存車両を購入したユーザのニーズの高さと、車種別の既存車両の相互関係とを、オペレータが容易に認識可能な商品分析支援装置を提供する。

解決手段
商品分析支援装置であって、分析対象である複数の注目既存商品の何れかを所有する個々のユーザから入手した所定の複数項目からなるアンケート回答結果を表わすスコア情報が、少なくとも2種類の項目別に、且つ注目既存商品の種類別に平均化されることにより、それら注目既存商品についての商品特性を表わす情報が算出され、算出された商品特性を表わす情報に基づいて、自己組織化マップが生成される。そして、当該自己組織化マップと、その自己組織化マップ上の対応する位置に、当該複数種類の注目既存商品のユーザ群、或いは、それら注目既存商品とは異なる他種類の既存車両のユーザ群を対象としたアンケート回答結果において対応する項目別のスコア情報が同一群のユーザ数を表わす所定の表示態様とが、顧客ポテンシャルマップとして平面上で重畳表示される。
特許請求の範囲
【請求項1】 既存商品の分析及び/または新規商品の企画を行なうオペレータを支援すべく、複数種類の既存商品間の相互関係をマップ化して提示する商品分析支援装置であって、既存商品を所有する個々のユーザを対象として、ユーザが所有する既存商品を購入するに際して該ユーザから入手したところの、所定の複数項目からなるアンケートに対する回答結果を表わすスコア情報が記憶されたデータベースから、オペレータ所望の分析対象である少なくとも2種類の注目既存商品の何れかを所有する個々のユーザに対応する前記スコア情報を、前記所定の複数項目のうち少なくとも2種類の項目別に、且つ前記注目既存商品の種類別に平均化することにより、それら注目既存商品についての商品特性を表わす情報を算出する商品特性演算手段と、前記商品特性演算手段によって個々の注目既存商品について算出された商品特性を表わす情報に基づいて、自己組織化マップを生成するマップ生成手段と、前記少なくとも2種類の注目既存商品間の商品特性に関する相互関係と、それら注目既存商品、或いは他種類の既存商品を所有する個々のユーザの購入に際しての動機付けの傾向との相互関係とを前記オペレータに認識させるべく、前記自己組織化マップと、その自己組織化マップ上の対応する位置に、前記少なくとも2種類の注目既存商品のユーザ群、或いは、それら注目既存商品とは異なる前記他種類の既存車両のユーザ群を対象として前記データベースから入手したところの、前記少なくとも2種類の項目別のスコア情報が同一群のユーザ数を表わす所定の表示態様とを、併せて表示する表示手段と、を備えることを特徴とする商品分析支援装置。
【請求項2】 既存商品の分析及び/または新規商品の企画を行なうオペレータを支援すべく、複数種類の既存商品間の相互関係をマップ化して提示する商品分析支援装置であって、既存商品を所有する個々のユーザを対象として、ユーザが所有する既存商品を購入するに際して該ユーザから入手したところの、所定の複数項目からなるアンケートに対する回答結果を表わすスコア情報が記憶されたデータベースから、オペレータ所望の分析対象である少なくとも2種類の注目既存商品の何れかを所有するユーザ群に対応する前記スコア情報のうち少なくとも2種類の項目別のスコア情報に基づいて、自己組織化マップを生成するマップ生成手段と、前記複数種類の既存商品のうち、オペレータ所望の分析対象である少なくとも2種類の注目既存商品、或いは、それら注目既存商品とは異なる他種類の既存車両を所有する個々のユーザに対応する前記スコア情報を、前記所定の複数項目のうち少なくとも2種類の項目別に、且つ前記注目既存商品または前記他種類の既存車両について種類別に平均化することにより、前記注目既存商品または前記他種類の既存車両についての商品特性を表わす情報を算出する商品特性演算手段と、前記少なくとも2種類の注目既存商品の何れかを所有する個々のユーザの購入に際しての動機付けの傾向と、それら注目既存商品、或いは他種類の既存商品の相互関係とを前記オペレータに認識させるべく、前記自己組織化マップと、その自己組織化マップ上の対応する位置に、前記商品特性演算手段によって前記注目既存商品または前記他種類の既存商品について種類別に算出された商品特性を表わす情報とを、併せて表示する表示手段と、を備えることを特徴とする商品分析支援装置。
【請求項3】 前記表示手段は、前記自己組織化マップと、前記所定の表示態様としての同一群のユーザ数を表わすシンボルとを、平面上で重ねた状態で表示することを特徴とする請求項1記載の商品分析支援装置。
【請求項4】 前記スコア情報は、前記複数種類の既存商品の中から特定の既存商品を購入するに際して、その特定の既存商品に依存しない前記所定の複数項目からなるアンケートの回答結果として当該項目別に予め用意された複数の選択肢の中から個々のユーザが選択したところの、何れかの選択肢を特定する情報であることを特徴とする請求項1または請求項2記載の商品分析支援装置。
【請求項5】 前記所定の複数項目は、前記特定の既存商品を購入するに際しての重視点、使用用途、前記特定の既存商品が属する商品分野についての価値観、並びにユーザの生活態度のうち、少なくもと何れか2種類の項目であることを特徴とする請求項4記載の商品分析支援装置。
【請求項6】 前記データベースに記憶された前記個々のユーザについてのスコア情報には、対応するユーザの属性を表わす属性情報が関連付けされて記憶されており、前記表示手段は、前記自己組織化マップ上の何れかの位置に表示された前記所定の表示態様が前記オペレータの操作によって選択されるのに応じて、その位置に対応するところの、前記少なくとも2種類の項目別のスコア情報が同一の全てのユーザを対象として、前記データベースから入手した属性情報に基づく分析結果を表示することを特徴とする請求項1または請求項2記載の商品分析支援装置。
【請求項7】 前記表示手段は、前記商品特性を表わす情報に対応するところの、前記自己組織化マップ上において前記個々の注目既存商品の商品特性を表わす所定位置を基準として、前記自己組織化マップを、個々の注目既存商品がカバーすることを表わす第1領域と、何れの注目既存商品によってもカバーできないことを表わす第2領域とに分割した状態で、前記所定の表示態様と併せて表示する領域分割手段を含むことを特徴とする請求項1または請求項2記載の商品分析支援装置。
【請求項8】 前記領域分割手段は、前記注目既存商品の商品特性を表わす所定位置を、その注目既存商品についての前記第1領域の起点として設定すると共に、その所定位置に対応する前記商品特性を表わす情報と、その所定位置に隣接する周辺領域が表わす前記少なくとも2種類の項目別のスコア情報とに基づいて、その周辺領域が前記第1領域に属すると判断できる場合に、その周辺領域を、前記第1領域に新たに包含する処理を繰り返すことにより、前記自己組織化マップを、前記注目既存商品別の前記第1領域と、前記第2領域とに分割することを特徴とする請求項7記載の商品分析支援装置。
【請求項9】 前記表示手段は、前記領域分割手段によって前記注目既存商品別に得られた前記第1領域を対象として、商品特性が類似する複数の前記第1領域を1つのグループに統合することにより、統合によって得られたグループと、前記第2領域とを、前記所定の表示態様と併せて表示するグループ化手段を含むことを特徴とする請求項7または請求項8記載の商品分析支援装置。
【請求項10】 前記グループ化手段は、異なる2種類の前記注目既存商品についての前記第1領域が隣接する場合に、それら注目既存商品別の商品特性を表わす情報に基づいて、それら注目既存商品の商品特性が類似すると判断できる場合に、隣接する前記第1領域を1つのグループに統合する処理を繰り返すことにより、前記自己組織化マップを、統合によって得られた少なくとも1つのグループと、前記第2領域とに分類することを特徴とする請求項9記載の商品分析支援装置。
【請求項11】 前記商品特性演算手段は、前記所定の複数項目のうち少なくとも2種類の項目別に、且つ前記注目既存商品の種類別に平均化するに際して、前記マップ生成手段によって生成される自己組織化マップ上において、前記オペレータ所望の分析対象である複数種類の注目既存商品のうち、少なくとも2種類の注目既存商品が隣接配置されるように、前記平均化に際して採用すべき少なくとも2種類の項目を、予め用意された組み合わせの中から、或いは、前記オペレータの選択操作に応じて選択する選択手段を含むことを特徴とする請求項1記載の商品分析支援装置。
【請求項12】 既存商品の分析及び/または新規商品の企画を行なうオペレータをコンピュータを用いて支援すべく、複数種類の既存商品間の相互関係をマップ化して提示する商品分析支援方法であって、既存商品を所有する個々のユーザを対象として、ユーザが所有する既存商品を購入するに際して該ユーザから入手したところの、所定の複数項目からなるアンケートに対する回答結果を表わすスコア情報が記憶されたデータベースから、オペレータ所望の分析対象である少なくとも2種類の注目既存商品の何れかを所有する個々のユーザに対応する前記スコア情報を、前記所定の複数項目のうち少なくとも2種類の項目別に、且つ前記注目既存商品の種類別に平均化することにより、それら注目既存商品についての商品特性を表わす情報を算出する商品特性演算工程と、前記商品特性演算工程にて個々の注目既存商品について算出された商品特性を表わす情報に基づいて、自己組織化マップを生成するマップ生成工程と、前記少なくとも2種類の注目既存商品間の商品特性に関する相互関係と、それら注目既存商品、或いは他種類の既存商品を所有する個々のユーザの購入に際しての動機付けの傾向との相互関係とを前記オペレータに認識させるべく、前記自己組織化マップと、その自己組織化マップ上の対応する位置に、前記少なくとも2種類の注目既存商品のユーザ群、或いは、それら注目既存商品とは異なる前記他種類の既存車両のユーザ群を対象として前記データベースから入手したところの、前記少なくとも2種類の項目別のスコア情報が同一群のユーザ数を表わす所定の表示態様とを、併せて表示する表示工程と、を有することを特徴とする商品分析支援方法。
【請求項13】 既存商品の分析及び/または新規商品の企画を行なうオペレータをコンピュータを用いて支援すべく、複数種類の既存商品間の相互関係をマップ化して提示する商品分析支援方法であって、既存商品を所有する個々のユーザを対象として、ユーザが所有する既存商品を購入するに際して該ユーザから入手したところの、所定の複数項目からなるアンケートに対する回答結果を表わすスコア情報が記憶されたデータベースから、オペレータ所望の分析対象である少なくとも2種類の注目既存商品の何れかを所有するユーザ群に対応する前記スコア情報のうち少なくとも2種類の項目別のスコア情報に基づいて、自己組織化マップを生成するマップ生成工程と、前記複数種類の既存商品のうち、オペレータ所望の分析対象である少なくとも2種類の注目既存商品、或いは、それら注目既存商品とは異なる他種類の既存車両を所有する個々のユーザに対応する前記スコア情報を、前記所定の複数項目のうち少なくとも2種類の項目別に、且つ前記注目既存商品または前記他種類の既存車両について種類別に平均化することにより、前記注目既存商品または前記他種類の既存車両についての商品特性を表わす情報を算出する商品特性演算工程と、前記少なくとも2種類の注目既存商品を所有する何れかを所有する個々のユーザの購入に際しての動機付けの傾向と、それら注目既存商品、或いは他種類の既存商品の相互関係とを前記オペレータに認識させるべく、前記自己組織化マップと、その自己組織化マップ上の対応する位置に、前記商品特性演算工程にて前記注目既存商品または前記他種類の既存商品について種類別に算出された商品特性を表わす情報とを、併せて表示する表示工程と、を有することを特徴とする商品分析支援方法。
【請求項14】 前記表示工程では、前記自己組織化マップと、前記所定の表示態様としての同一群のユーザ数を表わすシンボルとが、平面上で重ねられた状態で表示されることを特徴とする請求項12記載の商品分析支援方法。
【請求項15】 前記スコア情報は、前記複数種類の既存商品の中から特定の既存商品を購入するに際して、その特定の既存商品に依存しない前記所定の複数項目からなるアンケートの回答結果として当該項目別に予め用意された複数の選択肢の中から個々のユーザが選択したところの、何れかの選択肢を特定する情報であることを特徴とする請求項12または請求項13記載の商品分析支援方法。
【請求項16】 前記所定の複数項目は、前記特定の既存商品を購入するに際しての重視点、使用用途、前記特定の既存商品が属する商品分野についての価値観、並びにユーザの生活態度のうち、少なくもと何れか2種類の項目であることを特徴とする請求項15記載の商品分析支援方法。
【請求項17】 前記データベースに記憶された前記個々のユーザについてのスコア情報には、対応するユーザの属性を表わす属性情報が関連付けされて記憶されており、前記表示工程では、前記自己組織化マップ上の何れかの位置に表示された前記所定の表示態様が前記オペレータの操作によって選択されるのに応じて、その位置に対応するところの、前記少なくとも2種類の項目別のスコア情報が同一の全てのユーザを対象として、前記データベースから入手した属性情報に基づく分析結果が表示されることを特徴とする請求項12または請求項13記載の商品分析支援方法。
【請求項18】 前記表示工程は、前記商品特性を表わす情報に対応するところの、前記自己組織化マップ上において前記個々の注目既存商品の商品特性を表わす所定位置を基準として、前記自己組織化マップを、個々の注目既存商品がカバーすることを表わす第1領域と、何れの注目既存商品によってもカバーできないことを表わす第2領域とに分割した状態で、前記所定の表示態様と併せて表示する領域分割工程を含むことを特徴とする請求項12または請求項13記載の商品分析支援方法。
【請求項19】 前記領域分割工程では、前記注目既存商品の商品特性を表わす所定位置を、その注目既存商品についての前記第1領域の起点として設定すると共に、その所定位置に対応する前記商品特性を表わす情報と、その所定位置に隣接する周辺領域が表わす前記少なくとも2種類の項目別のスコア情報とに基づいて、その周辺領域が前記第1領域に属すると判断できる場合に、その周辺領域を、前記第1領域に新たに包含することが繰り返されることにより、前記自己組織化マップが、前記注目既存商品別の前記第1領域と、前記第2領域とに分割されることを特徴とする請求項18記載の商品分析支援方法。
【請求項20】 前記表示工程は、前記領域分割工程にて前記注目既存商品別に得られた前記第1領域を対象として、商品特性が類似する複数の前記第1領域を1つのグループに統合することにより、統合によって得られたグループと、前記第2領域とを、前記所定の表示態様と併せて表示するグループ化工程を含むことを特徴とする請求項18または請求項19記載の商品分析支援方法。
【請求項21】 前記グループ化工程では、異なる2種類の前記注目既存商品についての前記第1領域が隣接する場合に、それら注目既存商品別の商品特性を表わす情報に基づいて、それら注目既存商品の商品特性が類似すると判断できる場合に、隣接する前記第1領域を1つのグループに統合することが繰り返されることにより、前記自己組織化マップが、統合によって得られた少なくとも1つのグループと、前記第2領域とに分類されることを特徴とする請求項20記載の商品分析支援方法。
【請求項22】 既存商品の分析及び/または新規商品の企画を行なうオペレータを支援すべく、複数種類の既存商品間の相互関係をマップ化して提示する商品分析支援装置として、コンピュータを動作させる指示をなすコンピュータ・プログラムであって、既存商品を所有する個々のユーザを対象として、ユーザが所有する既存商品を購入するに際して該ユーザから入手したところの、所定の複数項目からなるアンケートに対する回答結果を表わすスコア情報が記憶されたデータベースから、オペレータ所望の分析対象である少なくとも2種類の注目既存商品の何れかを所有する個々のユーザに対応する前記スコア情報を、前記所定の複数項目のうち少なくとも2種類の項目別に、且つ前記注目既存商品の種類別に平均化することにより、それら注目既存商品についての商品特性を表わす情報を算出する商品特性演算手段のためのプログラム・コードと、前記商品特性演算手段によって個々の注目既存商品について算出された商品特性を表わす情報に基づいて、自己組織化マップを生成するマップ生成手段のためのプログラム・コードと、前記少なくとも2種類の注目既存商品間の商品特性に関する相互関係と、それら注目既存商品、或いは他種類の既存商品を所有する個々のユーザの購入に際しての動機付けの傾向との相互関係とを前記オペレータに認識させるべく、前記自己組織化マップと、その自己組織化マップ上の対応する位置に、前記少なくとも2種類の注目既存商品のユーザ群、或いは、それら注目既存商品とは異なる前記他種類の既存車両のユーザ群を対象として前記データベースから入手したところの、前記少なくとも2種類の項目別のスコア情報が同一群のユーザ数を表わす所定の表示態様とを、併せて表示する表示手段のためのプログラム・コードと、を有することを特徴とするコンピュータ・プログラム。
【請求項23】 既存商品の分析及び/または新規商品の企画を行なうオペレータを支援すべく、複数種類の既存商品間の相互関係をマップ化して提示する商品分析支援装置として、コンピュータを動作させる指示をなすコンピュータ・プログラムであって、既存商品を所有する個々のユーザを対象として、ユーザが所有する既存商品を購入するに際して該ユーザから入手したところの、所定の複数項目からなるアンケートに対する回答結果を表わすスコア情報が記憶されたデータベースから、オペレータ所望の分析対象である少なくとも2種類の注目既存商品の何れかを所有するユーザ群に対応する前記スコア情報のうち少なくとも2種類の項目別のスコア情報に基づいて、自己組織化マップを生成するマップ生成手段のためのプログラム・コードと、前記複数種類の既存商品のうち、オペレータ所望の分析対象である少なくとも2種類の注目既存商品、或いは、それら注目既存商品とは異なる他種類の既存車両を所有する個々のユーザに対応する前記スコア情報を、前記所定の複数項目のうち少なくとも2種類の項目別に、且つ前記注目既存商品または前記他種類の既存車両について種類別に平均化することにより、前記注目既存商品または前記他種類の既存車両についての商品特性を表わす情報を算出する商品特性演算手段のためのプログラム・コードと、前記少なくとも2種類の注目既存商品の何れかを所有する個々のユーザの購入に際しての動機付けの傾向と、それら注目既存商品、或いは他種類の既存商品の相互関係とを前記オペレータに認識させるべく、前記自己組織化マップと、その自己組織化マップ上の対応する位置に、前記商品特性演算手段によって前記注目既存商品または前記他種類の既存商品について種類別に算出された商品特性を表わす情報とを、併せて表示する表示手段のためのプログラム・コードと、を有することを特徴とするコンピュータ・プログラム。
【請求項24】 前記表示手段のためのプログラム・コードによって、前記自己組織化マップと、前記所定の表示態様としての同一群のユーザ数を表わすシンボルとが、平面上で重ねた状態で表示されることを特徴とする請求項22記載のコンピュータ・プログラム。
【請求項25】 前記スコア情報は、前記複数種類の既存商品の中から特定の既存商品を購入するに際して、その特定の既存商品に依存しない前記所定の複数項目からなるアンケートの回答結果として当該項目別に予め用意された複数の選択肢の中から個々のユーザが選択したところの、何れかの選択肢を特定する情報であることを特徴とする請求項22または請求項23記載のコンピュータ・プログラム。
【請求項26】 前記所定の複数項目は、前記特定の既存商品を購入するに際しての重視点、使用用途、前記特定の既存商品が属する商品分野についての価値観、並びにユーザの生活態度のうち、少なくもと何れか2種類の項目であることを特徴とする請求項25記載のコンピュータ・プログラム。
【請求項27】 前記データベースに記憶された前記個々のユーザについてのスコア情報には、対応するユーザの属性を表わす属性情報が関連付けされて記憶されており、前記表示手段のためのプログラム・コードによって、前記自己組織化マップ上の何れかの位置に表示された前記所定の表示態様が前記オペレータの操作によって選択されるのに応じて、その位置に対応するところの、前記少なくとも2種類の項目別のスコア情報が同一の全てのユーザを対象として、前記データベースから入手した属性情報に基づく分析結果が表示されることを特徴とする請求項22または請求項23記載のコンピュータ・プログラム。
【請求項28】 前記表示手段のためのプログラム・コードは、前記商品特性を表わす情報に対応するところの、前記自己組織化マップ上において前記個々の注目既存商品の商品特性を表わす所定位置を基準として、前記自己組織化マップを、個々の注目既存商品がカバーすることを表わす第1領域と、何れの注目既存商品によってもカバーできないことを表わす第2領域とに分割した状態で、前記所定の表示態様と併せて表示する領域分割手段のためのプログラム・コードを含むことを特徴とする請求項22または請求項23記載のコンピュータ・プログラム。
【請求項29】 前記注目既存商品の商品特性を表わす所定位置が、その注目既存商品についての前記第1領域の起点として設定されると共に、その所定位置に対応する前記商品特性を表わす情報と、その所定位置に隣接する周辺領域が表わす前記少なくとも2種類の項目別のスコア情報とに基づいて、その周辺領域が前記第1領域に属すると判断できる場合において、前記領域分割手段のためのプログラム・コードによって、前記周辺領域が前記第1領域に新たに包含される処理が繰り返されることにより、前記自己組織化マップが、前記注目既存商品別の前記第1領域と、前記第2領域とに分割されることを特徴とする請求項28記載のコンピュータ・プログラム。
【請求項30】 前記表示手段のためのプログラム・コードは、前記領域分割手段によって前記注目既存商品別に得られた前記第1領域を対象として、商品特性が類似する複数の前記第1領域を1つのグループに統合することにより、統合によって得られたグループと、前記第2領域とを、前記所定の表示態様と併せて表示するグループ化手段のためのプログラム・コードを含むことを特徴とする請求項28または請求項29記載のコンピュータ・プログラム。
【請求項31】 異なる2種類の前記注目既存商品についての前記第1領域が隣接する場合に、それら注目既存商品別の商品特性を表わす情報に基づいて、それら注目既存商品の商品特性が類似すると判断できる場合において、前記グループ化手段のためのプログラム・コードによって、隣接する前記第1領域が1つのグループに統合される処理が繰り返されることにより、前記自己組織化マップが、統合によって得られた少なくとも1つのグループと、前記第2領域とに分類されることを特徴とする請求項30記載のコンピュータ・プログラム。
【請求項32】 前記商品特性演算手段のためのプログラム・コードは、前記所定の複数項目のうち少なくとも2種類の項目別に、且つ前記注目既存商品の種類別に平均化するに際して、前記マップ生成手段によって生成される自己組織化マップ上において、前記オペレータ所望の分析対象である複数種類の注目既存商品のうち、少なくとも2種類の注目既存商品が隣接配置されるように、前記平均化に際して採用すべき少なくとも2種類の項目を、予め用意された組み合わせの中から、或いは、前記オペレータの選択操作に応じて選択する選択手段のためのプログラム・コードを含むことを特徴とする請求項22記載のコンピュータ・プログラム。
発明の詳細な説明
【0001】
【発明の属する技術分野】本発明は、コンピュータを用いてオペレータの業務支援を行なう技術分野に関する。
【0002】
【従来の技術】従来より、代表的な商品である車両(自動車)の分野においては、その車両の販売に際して、どの程度の販売が見込まれるか、或いは市場の動向等について、コンピュータを用いた予測が行われている。
【0003】このようなコンピュータ・システムの一例として、例えば特開平11−134390号公報、特開2000−200260号公報、特開2001−167079公報には、複数種類の既存車両に関する顧客アンケート資料に基づいて、主成分分析を利用して、それら既存車両の特性分布(スタイル、エンジン性能、メカニズム等)がジャンル(カテゴリ)毎にグループ分けされたマップを利用して、それら既存車両の将来における販売数量の予測や、これから販売する新型車両の販売数量を予測するシステムが提案されている。
【0004】
【発明が解決しようとする課題】しかしながら、上記の各従来例において、オペレータは、既存車両を購入した個々のユーザの購入の前後に際しての嗜好や思い等の動機付けの傾向と、個々の既存車両の商品性(商品特性)との関係がどのようなものであるかを認識すること、即ち、既存車両を購入した顧客(ユーザ)のニーズの高さ(大きさ)と、車種別の既存車両の商品性とを、マップ上で比較検討することはできない。
【0005】そこで本発明は、既存車両を購入したユーザのニーズの高さと、車種別の既存車両の相互関係とを、オペレータが容易に認識可能な商品分析支援装置及び方法、並びにそのコンピュータ・プログラムの提供を目的とする。
【0006】
【課題を解決するための手段】上記の目的を達成するため、本発明に係る商品分析支援装置は、以下の構成を特徴とする。
【0007】即ち、本発明の一例として後述する第1の実施形態に対応するところの、既存商品の分析及び/または新規商品の企画を行なうオペレータを支援すべく、複数種類の既存商品間の相互関係をマップ化して提示する商品分析支援装置であって、既存商品を所有する個々のユーザを対象として、ユーザが所有する既存商品を購入するに際して該ユーザから入手したところの、所定の複数項目からなるアンケートに対する回答結果を表わすスコア情報が記憶されたデータベースから、オペレータ所望の分析対象である少なくとも2種類の注目既存商品何れかを所有する個々のユーザに対応する前記スコア情報を、前記所定の複数項目のうち少なくとも2種類の項目別に、且つ前記注目既存商品の種類別に平均化することにより、それら注目既存商品についての商品特性を表わす情報を算出する商品特性演算手段と、前記商品特性演算手段によって個々の注目既存商品について算出された商品特性を表わす情報に基づいて、自己組織化マップを生成するマップ生成手段と、前記少なくとも2種類の注目既存商品間の商品特性に関する相互関係と、それら注目既存商品、或いは他種類の既存商品を所有する個々のユーザの購入に際しての動機付けの傾向との相互関係とを前記オペレータに認識させるべく、前記自己組織化マップと、その自己組織化マップ上の対応する位置に、前記少なくとも2種類の注目既存商品のユーザ群(「ケース1」の場合)、或いは、それら注目既存商品とは異なる前記他種類の既存車両のユーザ群(「ケース2」の場合)を対象として前記データベースから入手したところの、前記少なくとも2種類の項目別のスコア情報が同一群のユーザ数を表わす所定の表示態様(実施形態では大きさの異なる○印)とを、併せて表示する表示手段と、を備えることを特徴とする。
【0008】好適な実施形態において、前記表示手段は、前記自己組織化マップと、前記所定の表示態様としての同一群のユーザ数を表わすシンボルとを、平面上で重ねた状態で表示すると良い。
【0009】また、例えば前記商品特性演算手段は、前記所定の複数項目のうち少なくとも2種類の項目別に、且つ前記注目既存商品の種類別に平均化するに際して、前記マップ生成手段によって生成される自己組織化マップ上において、前記オペレータ所望の分析対象である複数種類の注目既存商品のうち、少なくとも2種類の注目既存商品が隣接配置されるように、前記平均化に際して採用すべき少なくとも2種類の項目を、予め用意された組み合わせの中から、或いは、前記オペレータの選択操作に応じて選択する選択手段を含むと良い。
【0010】或いは、上記の同目的を達成するため、本発明に係る商品分析支援装置は、以下の構成を特徴とする。
【0011】即ち、本発明の一例として後述する第2の実施形態に対応するところの、既存商品の分析及び/または新規商品の企画を行なうオペレータを支援すべく、複数種類の既存商品間の相互関係をマップ化して提示する商品分析支援装置であって、既存商品を所有する個々のユーザを対象として、ユーザが所有する既存商品を購入するに際して該ユーザから入手したところの、所定の複数項目からなるアンケートに対する回答結果を表わすスコア情報が記憶されたデータベースから、オペレータ所望の分析対象である少なくとも2種類の注目既存商品何れかを所有するユーザ群に対応する前記スコア情報のうち少なくとも2種類の項目別のスコア情報に基づいて、自己組織化マップを生成するマップ生成手段と、前記複数種類の既存商品のうち、オペレータ所望の分析対象である少なくとも2種類の注目既存商品(「ケース1」の場合)、或いは、それら注目既存商品とは異なる他種類の既存車両(「ケース2」の場合)を所有する個々のユーザに対応する前記スコア情報を、前記所定の複数項目のうち少なくとも2種類の項目別に、且つ前記注目既存商品または前記他種類の既存車両について種類別に平均化することにより、前記注目既存商品または前記他種類の既存車両についての商品特性を表わす情報を算出する商品特性演算手段と、前記少なくとも2種類の注目既存商品何れかを所有する個々のユーザの購入に際しての動機付けの傾向と、それら注目既存商品、或いは他種類の既存商品の相互関係とを前記オペレータに認識させるべく、前記自己組織化マップと、その自己組織化マップ上の対応する位置に、前記商品特性演算手段によって前記注目既存商品または前記他種類の既存商品について種類別に算出された商品特性を表わす情報とを、併せて表示する表示手段と、を備えることを特徴とする。
【0012】また、上記何れの装置構成においても、例えば前記スコア情報は、前記複数種類の既存商品の中から特定の既存商品を購入するに際して、その特定の既存商品に依存しない前記所定の複数項目からなるアンケートの回答結果として当該項目別に予め用意された複数の選択肢の中から個々のユーザが選択したところの、何れかの選択肢を特定する情報であると良い。
【0013】上記の場合において、より好ましくは、前記所定の複数項目は、前記特定の既存商品を購入するに際しての重視点、使用用途、前記特定の既存商品が属する商品分野についての価値観、並びにユーザの生活態度のうち、少なくもと何れか2種類の項目である。
【0014】また、例えば前記データベースに記憶された前記個々のユーザについてのスコア情報には、対応するユーザの属性を表わす属性情報が関連付けされて記憶されており、前記表示手段は、前記自己組織化マップ上の何れかの位置に表示された前記所定の表示態様が前記オペレータの操作によって選択されるのに応じて、その位置に対応するところの、前記少なくとも2種類の項目別のスコア情報が同一の全てのユーザを対象として、前記データベースから入手した属性情報に基づく分析結果を表示すると良い。
【0015】また、例えば前記表示手段は、前記商品特性を表わす情報に対応するところの、前記自己組織化マップ上において前記個々の注目既存商品の商品特性を表わす所定位置を基準として、前記自己組織化マップを、個々の注目既存商品がカバーすることを表わす第1領域と、何れの注目既存商品によってもカバーできないことを表わす第2領域とに分割した状態で、前記所定の表示態様と併せて表示する領域分割手段を含むと良い。
【0016】上記の場合において、より好ましくは、前記領域分割手段は、前記注目既存商品の商品特性を表わす所定位置を、その注目既存商品についての前記第1領域の起点として設定すると共に、その所定位置に対応する前記商品特性を表わす情報と、その所定位置に隣接する周辺領域が表わす前記少なくとも2種類の項目別のスコア情報とに基づいて、その周辺領域が前記第1領域に属すると判断できる場合に、その周辺領域を、前記第1領域に新たに包含する処理を繰り返すことにより、前記自己組織化マップを、前記注目既存商品別の前記第1領域と、前記第2領域とに分割すると良い。
【0017】また、例えば前記表示手段は、前記領域分割手段によって前記注目既存商品別に得られた前記第1領域を対象として、商品特性が類似する複数の前記第1領域を1つのグループに統合することにより、統合によって得られたグループと、前記第2領域とを、前記所定の表示態様と併せて表示するグループ化手段を含むと良い。
【0018】上記の場合において、より好ましくは、前記グループ化手段は、異なる2種類の前記注目既存商品についての前記第1領域が隣接する場合に、それら注目既存商品別の商品特性を表わす情報に基づいて、それら注目既存商品の商品特性が類似すると判断できる場合に、隣接する前記第1領域を1つのグループに統合する処理を繰り返すことにより、前記自己組織化マップを、統合によって得られた少なくとも1つのグループと、前記第2領域とに分類すると良い。
【0019】尚、同目的は、上記の各構成を備える商品分析支援装置または方法を、コンピュータによって実現するプログラムコード、及びそのプログラムコードが格納されている、コンピュータ読み取り可能な記憶媒体によっても達成される。
【0020】
【発明の効果】上記の本発明によれば、既存車両を購入したユーザのニーズの高さと、車種別の既存車両の相互関係とを、オペレータが容易に認識可能な商品分析支援装置及び方法、並びにそのコンピュータ・プログラムの提供が実現する。
【0021】即ち、請求項1、請求項12、並びに請求項22の発明によれば、オペレータ所望の少なくとも2種類の注目既存商品間の商品特性に関する相互関係が表わされた自己組織化マップと、それらの注目既存商品のユーザ群(例えば、後述する第1の実施形態の「ケース1」の場合)、或いは、それら注目既存商品とは異なる他種類の既存車両のユーザ群(例えば、後述する第1の実施形態の「ケース2」の場合)について求められたユーザ度数を表わすシンボルとが併せて表示されるので、既存車両を購入したユーザのニーズの高さと、車種別の既存車両の相互関係とを、オペレータが容易に認識することができ、利便性が高い。
【0022】また、請求項2、請求項13、並びに請求項23の発明によれば、少なくとも2種類の注目既存商品の何れか、或いは他種類の既存商品のユーザの相互関係が表わされた自己組織化マップと、種類別に算出された商品特性を表わす情報とが併せて表示されるので、既存車両を購入したユーザのニーズの高さと、車種別の既存車両の相互関係とを、オペレータが容易に認識することができ、利便性が高い。
【0023】また、請求項3、請求項14、並びに請求項24の発明によれば、自己組織化マップと、同一群のユーザ数を表わすシンボルとが平面上で重ねた状態で表示されるので、例えば3次元で立体的に表示する場合と比較して、既存車両を購入したユーザのニーズの高さと、車種別の既存車両の相互関係とをオペレータが一目で容易に認識することができ、利便性が高い。
【0024】また、請求項4、請求項15、並びに請求項25の発明によれば、アンケートを構成する項目が、特定の既存商品に依存しない複数項目(例えば、重視点、使用用途、前記特定の既存商品が属する商品分野についての価値観、並びにユーザの生活態度等:請求項5、請求項16、並びに請求項26)によって構成されているので、ある特定の既存商品に偏ることなく、各種の既存商品の商品特性と、ユーザのニーズとの関係を良好に表現することができる。
【0025】また、請求項6、請求項17、並びに請求項27の発明によれば、オペレータが注目するユーザ群の傾向を分析結果を参照しながら容易に把握することができ、利便性が高い。
【0026】また、請求項7、請求項18、並びに請求項28の発明によれば、オペレータは、個々の注目既存商品がカバーする領域とカバーできない領域とを判別することができ、その注目既存商品の商品特性が顧客(市場)のニーズに合致しているか否かを容易に認識することができ、利便性が高い。
【0027】また、請求項8、請求項19、並びに請求項29の発明によれば、請求項7、請求項18、並びに請求項28の発明を、正確且つ合理的に実現することができる。
【0028】また、請求項9、請求項20、並びに請求項30の発明によれば、オペレータは、個々の注目既存商品のうち特性が近似するものがグループ分けされるので、そのグループがカバーする領域とカバーできない領域とを判別することができ、係るグループを構成する個々の注目既存商品の商品特性が顧客(市場)のニーズに合致しているか否かを容易に認識することができ、利便性が高い。
【0029】また、請求項10、請求項21、並びに請求項31の発明によれば、請求項9、請求項20、並びに請求項30の発明を、正確且つ合理的に実現することができる。
【0030】また、請求項11及び請求項32の発明によれば、オペレータ所望の複数種類の既存商品を、前記表示手段による表示態様の基となる自己組織化マップ上で所望の配置(例えば隣接配置)することができ、利便性が向上する。これにより、オペレータは、例えば、特に注目する2種類の既存商品が隣接配置(即ち、当該2種類の既存商品の商品特性を表わすシンボル間の距離が最も短くなる配置)された所望の表示態様を得ることもできるので、それら注目する既存商品間の相互の関係をより詳細に分析することができる。
【0031】
【発明の実施の形態】以下、本発明に係る商品分析支援装置及び方法を、商品の一例としての車両(自動車)に適用して、図面を参照して詳細に説明する。
【0032】尚、本願出願人は、本願各実施形態の説明において参照するグラデーション状またはカラーの複数図面の識別を容易にすべく、それらの図面を含む「物件提出書」を別途提出する。
【0033】また、以下に説明する各実施形態において、「ユーザ」とは、既存の車両(以下、「既存車両」と称する)を所有する所有者(或いは、既存車両を購入した購入者)を表わし、「オペレータ」とは、本発明に係る商品分析支援装置を利用(操作)して、既存車両(既存商品)の分析及び/または新規車両(新規商品)の企画を行なう操作者を表わす。
【0034】[第1の実施形態]
<ハードウエア構成>はじめに、本発明を適用可能なコンピュータの構成例について概説する。図1は、本発明に係る商品分析支援装置として利用可能なコンピュータのハードウエア構成を例示するブロック図である。
【0035】図中、22は、CRT等のディスプレイ、23は入力部であるキーボードである。24は、ブートプログラム等を記憶しているROMである。25は、各種処理結果を一時記憶するRAMである。26は、後述する商品分析支援処理を実現するプログラム等を記憶するハードディスクドライブ(HDD)等の記憶装置である。27は、外部の装置と通信回線30を介して通信するための通信インタフェースである。そして28は、携帯可能な各種の記憶媒体(フロッピー(登録商標)ディスク、CD−R,RW等)からデータを読み出すドライブ装置である。これらの各構成は、内部バス29を介して接続されており、CPU(中央演算処理装置)21は記憶装置26に記憶したプログラムに従って当該コンピュータ(商品分析支援装置)1の全体を制御する。
【0036】<ソフトウエアの機能構成>図2は、第1の実施形態における商品分析支援装置の処理機能を、概念的に説明する機能ブロック図であり、同図に破線枠にて示された「商品分析支援処理」内部の各ブロックは、当該処理を構成するところの、図1に示した商品分析支援装置(コンピュータ)1のCPU21が行なうソフトウエア・プログラムの機能単位(ソフトウエア・モジュール)を表わす。
【0037】本実施形態において、商品分析支援装置1は、通信インタフェース27及び通信回線30を介してオンラインでアクセスするか、或いは、ドライブ装置28に装填された記憶媒体を利用してオフラインで、外部のデータベースである商品データファイル101及びアンケートデータファイル102から、分析支援処理を実行するに際して必要なデータを入手することができる。
【0038】即ち、商品データファイル101には、各車両メーカの複数種類の既存車両に関するデータが記憶されている。記憶されている個々のレコードには、メーカー、型式(車種)、車両セグメント(車両カテゴリ)、エンジン排気量、各種諸元、価格等の各項目を表わすデータによって構成されており、オペレータは、商品分析支援装置1を利用して業務を行なうに際して、これらの各項目の中から所望のものを入手することができる。
【0039】アンケートデータファイル102には、商品データファイル101に記憶されている複数種類の既存車両の中から何れかを購入するに際して個々のユーザ(所有者)から入手したところの、所定の複数項目からなるアンケート(図4参照)に対する回答結果を表わすスコア情報(スコア情報については図4を参照して後述する)、ユーザが所有する既存車両の種類(車種)を特定する商品識別情報、並びに対応するユーザの属性(性別、年齢、家族構成等)を表わす属性情報(以下、ユーザ属性)等が関連付けされて記憶されている。ここで、アンケートデータファイル102の各レコードにそれぞれ含まれる商品識別情報は、商品データファイル101に記憶された複数種類の型式(車種)を表わすデータの何れか1つと同じである。
【0040】また、アンケートデータファイル102に記憶されている個々のレコードには、アンケート(図4)が採られた期間または期日(年、年月、或いは年月日等)を示すデータ、並びに地域(日本、米国、欧州等)を示すデータが含まれる。
【0041】次に、商品分析支援装置1は、本実施形態に係る分析支援処理による処理結果(成果物)を表わすデータを、例えば記憶装置26を利用して、商品特性データファイル103、ユーザポジションデータファイル104、並びにポテンシャルマップデータファイル105として記憶することができる。
【0042】即ち、商品特性データファイル103には、分析支援処理の処理結果の一部として、その分析支援処理の対象であるユーザ所有の既存車両(以下、「分析対象商品」と称する場合がある)として選択された商品(既存車両)についての特性値、選択された商品のサンプル数、後述する各マップ上の位置等を表すデータが記憶される。
【0043】また、ユーザポジションデータファイル104には、分析支援処理の処理結果の一部として、各分析対象商品の個々のユーザが配置されるところの、後述する各マップ上の位置(本実施形態ではユーザの度数を表わす大きさが異なる○印のシンボルの表示位置)、領域、グループ等を表すデータが記憶される。
【0044】そして、ポテンシャルマップデータファイル105には、分析支援処理の処理結果の一部として、後述するマップの各ノードの特性値、領域、グループ、サンプル数等を表すデータが記憶される。
【0045】入力部111では、キーボード23等によるオペレータの操作に従って、分析対象とする所望の商品群(既存車両の車種)、分析対象とするアンケートデータファイル、商品特性値算出のためのアンケートデータ、マッピングのためのアンケートデータ、並びに表示出力部112への表示出力形態が設定される。
【0046】表示出力部112は、ディスプレイ22を利用して、分析支援処理の処理結果として、顧客ポテンシャルマップ(図6)、領域分割マップ(図9)、グルーピングマップ(図11)等を表示する。
【0047】<分析支援処理>次に、分析支援処理を構成する各機能単位について概説する。
【0048】・分析対象商品選択部201は、商品データファイル101を参照することにより、オペレータによって入力された選択条件(例えば、「軽自動車を除くスペースワゴン」なる条件)に合致するオペレータ所望の少なくも2種類の既存車両に関するデータレコードを抽出する。
【0049】・分析対象データ選択部202は、分析対象商品選択部201にて選択された当該少なくも2種類の既存車両に関するデータレコードであって、且つオペレータによって入力された他の選択条件(例えば、期間「2000年」の領域「日本国内」のデータファイルなる条件)に合致するデータレコードを、選択された当該既存車両の特性を表わす商品特性値を算出するためにアンケートデータファイル102の中から選択する。これにより、当該少なくも2種類の既存車両に関して種類(車種)別の商品特性値を算出するために、アンケートデータファイル102からは、例えば、「軽自動車を除くスペースワゴンのユーザ群」についてのデータファールであって、期間「2000年」の領域「日本国内」のデータファイルである、というオペレータ所望の条件を満足するデータレコードが選択される。
【0050】更に、分析対象データ選択部202は、アンケートデータファイル102の中から、オペレータによって入力された選択条件(例えば、「軽自動車を除くA社のスペースワゴンのユーザ」なる条件)に合致するところの、自己組織化マップ(図5)上にユーザ度数(ユーザ人数)を表わす大きさが異なる○印のシンボルとしてマッピングすべきデータレコードを選択する。
【0051】・商品特性算出部203は、分析対象商品選択部201にて選択された当該少なくも2種類の既存車両に関して、分析対象データ選択部202にて選択(抽出)されたデータレコード(自己組織化マップ上にマッピングすべきデータレコードを除く)に基づいて、既存車両の車種毎に商品特性値を算出する。この商品特性値は、分析対象として選択されたアンケートデータ(データレコード)に含まれるスコア情報を、同一種類の既存車両の全所有者について平均値を採ることによって算出される(詳細は後述する)。
【0052】・自己組織化マップ算出部204は、商品特性算出部203にて算出された商品特性値に基づいて、例えば図5に例示するような複数種類の既存車両(商品)相互の特性を表わす自己組織化マップ(商品マップ)を構成する。後述する顧客ポテンシャルマップ(図6)を生成する過程において、この自己組織化マップをディスプレイ22に表示するか否かは、オペレータが操作可能に構成すれば良い。
【0053】・ポテンシャルマップ算出部205は、自己組織化マップ算出部204にて算出された自己組織化マップ(図5)上に、分析対象データ選択部202によって選択されたユーザ度数(ユーザ人数)をマッピングするためのデータレコードに基づいて、ユーザ度数に応じて大きさが異なる○印のシンボルが重ね合わされたところの、例えば図6に例示するような顧客ポテンシャルマップを生成する(詳細は後述する)。
【0054】・領域分割部206は、ポテンシャルマップ算出部205にて算出された顧客ポテンシャルマップ(図6)に基づいて、その顧客ポテンシャルマップを構成する個々のノードを、先に分析対象として選択されたアンケートデータに含まれる既存車両の種類別の複数領域に領域分割することにより、例えば図9に示すような領域分割マップを生成する(詳細は後述する)。
【0055】・グルーピング部207は、領域分割部206にて算出された領域分割マップに基づいて、その領域分割マップ上で互いに特性が近い複数領域を1つのグループに併合することにより、例えば図11に例示するようなグルーピングマップを生成する(詳細は後述する)。
【0056】次に、上記の各機能単位を利用して商品分析支援装置1にて行われる分析支援処理について、処理手順を踏まえて説明する。
【0057】図3は、第1の実施形態における商品分析支援装置が行なう分析支援処理を示すフローチャートであり、CPU21が行なう処理の手順を表わす。
【0058】同図において、ステップS1:上述した分析対象商品選択部201が有する機能によって実現される処理であって、オペレータが入力部111に対して行なった入力操作に応じて分析支援処理を実行するに際しての必要項目(選択条件)として、(1)分析対象商品となる少なくとも2種類の既存車両を特定するための条件、(2)アンケートデータファイル102からデータレコードを抽出するための期間、領域等の条件、(3)顧客ポテンシャルマップ及びその顧客ポテンシャルマップを生成する過程において生成する自己組織化マップ(商品マップ)内に配置することを希望するところの、少なくとも2種類の既存車両を特定するための条件、(4)顧客ポテンシャルマップ上において所定のシンボル(本実施形態では○印)によってユーザ度数を表示すべく、オペレータが希望するユーザ群に関する情報をアンケートデータファイル102からデータレコードを抽出するための条件、が指定される。
【0059】尚、本実施形態における1つの特徴として、選択条件(4)としてユーザが選択可能なユーザ群に対応する既存車両の種類(種別)は、選択条件(3)としてユーザが選択可能な既存車両の種類(種別)と同一であっても、異なっていても良く、オペレータは、自らが行なう分析業務の目的に応じて適宜選択すれば良い(詳細は図6に例示する顧客ポテンシャルマップの説明において後述する)。
【0060】更に、ステップS1では、オペレータ所望の表示出力態様として、自己組織化マップ(商品マップ)の表示の要否、領域分割マップの生成の要否、グルーピングマップの要否等を指定することもできる。
【0061】ステップS2:上述した分析対象データ選択部202が有する機能によって実現される処理であって、ステップS1にて指定されたオペレータ所望の選択条件(1)(例えば、「軽自動車を除くスペースワゴン」なる条件)に合致するデータレコードが、商品データファイル101から抽出される。
【0062】ステップS3:上述した分析対象データ選択部202が有する機能によって実現される処理であって、ステップS2にて抽出された個々のデータレコードに含まれる商品識別情報をキーとして、ステップS1にて指定されたオペレータ所望の選択条件(2)(例えば期間「2000年」の領域「日本国内」のデータファイルなる条件)に合致するデータレコードが、アンケートデータファイル102から抽出される。これにより、本ステップでは、例えば、上記括弧内の具体的な条件例により説明すれば、アンケートデータファイル102の中から、期間「2000年」における領域「日本国内」において「軽自動車を除くスペースワゴン」を所有(購入)したユーザ群に関する全データレコードを抽出することができる。
【0063】ステップS4:本実施形態において、ステップS1にてオペレータ所望の選択条件(3)として指定されたところの、顧客ポテンシャルマップ及びその生成過程において生成する自己組織化マップ(商品マップ)内に配置することを希望する当該少なくとも2種類の既存車両について、ステップS6にて自己組織化マップを生成するためには、その自己組織化マップの生成に際して使用する車種別の商品特性値を、ステップS5にて算出する必要があり、この商品特性値は、アンケートデータファイル102に記憶されている各データレコードに含まれるスコア情報に基づいて算出される。
【0064】そこで、上述した分析対象データ選択部202が有する機能によって実現されるステップS4では、当該少なくとも2種類の既存車両に対応する商品識別情報をキーとして、少なくとも何れかの種類の既存車両を所有する全てのユーザに関するデータレコードがアンケートデータファイル102から抽出される。
【0065】ステップS5:上述した商品特性算出部203が有する機能によって実現される処理であって、ステップS4にてアンケートデータファイル102から抽出されたところの、当該少なくとも2種類の既存車両を購入した各ユーザに関するデータレコードに含まれるところの、所定の複数項目からなるアンケートに対する回答結果を表わすスコア情報に基づいて、当該既存車両についての車種(種類)別の商品特性値が算出される。本ステップにて算出された車種(種類)別の商品特性値は、商品特性データファイル103に格納される。
【0066】ここで、所定の複数項目からなるアンケート及びその回答結果を表わすスコア情報、そのスコア情報に基づく商品特性値の算出手順について説明する。
【0067】図4は、既存車両を購入するに際してユーザ(所有者)に対して行なったアンケートを例示する図であり、(a)購入時重視点、(b)使用用途、(c)対照意見、(d)意見や生活態度、というユーザが購入した特定の既存商品に依存しない4つの大項目からなり、個々の大項目は、更に詳細な、複数の小項目(質問事項)からなる。
【0068】また、個々の小項目は、ユーザが購入した特定の既存商品に依存しない複数の質問事項であって、当該小項目別の回答結果として、同図に示す如く複数の選択肢(同図に示す例では、0から4までのそれぞれ4つの選択肢)が予め用意されており、ユーザは、当該アンケートに回答するに際して、個々の小項目別の複数の選択肢の中から何れか所望の選択肢を選択する必要がある。
【0069】本実施形態では、既存車両の分析業務及び/または新型車両の企画業務に役立てるべく、図4に示アンケートは、上記の如くユーザが購入した特定の既存商品に依存しない複数の質問事項、換言すれば、既存車両の購入に際しての個々のユーザ(購入者)の商品(自動車)に対する価値観に関する質問事項によって構成することにより、ある特定の既存車両に偏ることなく、各種の既存車両の商品特性と、ユーザのニーズとの関係を良好に表現するように構成したが、参照するアンケートの回答結果には、一般的なマーケティングリサーチで行われる回答結果を活用しても良い。
【0070】そして、ステップS5にて商品特性値を算出するに際して利用するところの、アンケート(図4)に対する回答結果を表わすスコア情報は、ユーザが当該個々の小項目別の複数の選択肢の中から選択した何れかの選択肢を特定する情報である。
【0071】より具体的に、あるユーザのアンケート(図4)に対する回答結果を表わすスコア情報は、上述した複数種類の大項目を構成する個々の小項目(質問事項)に対して、例えば、(3,3,2,0,・・・)、(1,1,2,3,・・・)等の最大N次元(ここで、Nは、個々の大項目を構成する複数の小項目の総和)の多次元座標値(P1,P2,P3,P4,・・・,Pn)として扱われ、自己組織化マップを生成するに際しては、係るn次元(但し、nは自然数)の座標値を利用しても良いが、その一部だけに注目した多次元の座標値を利用することもできる。
【0072】そして、ステップS5では、当該少なくとも2種類の既存車両のうち、ある1種類(車種)の既存車両Xを所有する全てのユーザに関するスコア情報(多次元座標値)に注目して、その多次元座標値の成分別の値の平均値を採り、この成分別の平均値を、既存車両Xの商品特性値とする。
【0073】即ち、既存車両Xについての商品特性値は、その既存車両Xのスコア情報(多次元座標値)と同次元の座標値であって、上述した多次元座標値(Pa1,Pa2,Pa3,Pa4,・・・,Pan)で表わすことができ、例えば、成分Pa1は、既存車両Xを所有する全ユーザの多次元座標値の成分P1についての平均値Pa1であり、同様な計算を第n番目の成分までそれぞれ行なえば良い。そして本ステップでは、このような商品特性値の計算が、当該少なくとも2種類の既存車両について種類(車種)別に行われる。このように算出した商品特性値は、注目した既存車両を購入した全てのユーザ(所有者)の平均的な特性や当該既存車両の購入の前後における動機付け、或いはニーズを表わすと共に、当該既存車種の特徴を表わす中心値としての意味を持つ。
【0074】ステップS6:上述した自己組織化マップ算出部204が有する機能によって実現される処理であって、ステップS5にて算出された車種(種類)別の商品特性値に基づいて、図5に例示するような、分析対象商品に基づく自己組織化マップ(以下、第1の実施形態では「商品マップ」と称する場合がある)が生成される。
【0075】<自己組織化マップの生成>本実施形態において自己組織化マップを生成する手順は、現在では一般的な方法を採用することができるので、詳細な説明は省略するが、ここで概要を説明する。
【0076】本実施形態では、自己組織化マップを生成すべく、一例として以下に示す各文献:・コホネンが提案したデータの可視化手法、・[徳高2001]: 徳高平蔵、藤村喜久郎: "自己組織化マップ(SOM)とその応用",日本ファジィ学会誌, Vol.13, No.4, pp.345-355, 2001、・[Vesanto2000]: Juha Vesanto: "Using SOM in Data Mining", The licentiate's thesis of Helsinki University of Technology, 2000、・[徳高1999]: 徳高平蔵、岸田悟、藤村喜久郎: "自己組織化マップの応用−多次元情報の2次元可視化−", 海文堂出版, 1999、に記載された技術を参考にした。
【0077】自己組織化を行なう際の一般的なアルゴリズムは、脳の情報処理(所謂、ニューラルネット)の学習過程を模している。脳の情報処理における学習過程の概要は、次の通りである。
【0078】神経細胞(ノード)iの時刻tでの出力状態(参照ベクトル)を、mi(t)とする。このとき、外部から入力信号xjが入力されるのに応じて、注目する神経細胞は、この入力信号を学習して次の時刻(t+1)には、入力信号により近い出力状態(参照ベクトル)mi(t+1)を持つようになる。このときxjがn次元の入力ベクトルであれば、mi(t)は同じn次元の要素を持つ。このような学習過程を利用して自己組織化が行われる(詳細な手順については上記文献を参照)。
【0079】本実施形態では、このような自己組織化機能を、自己組織化マップ算出部204(ステップS6)にて採用することにより、ステップS5にて算出したところの、多次元のデータ(多因子のデータ)構造を有する上記車種別に算出した多次元の座標値である商品特性値に基づいて、2次元平面上で縦及び横方向(本実施形態では40×40個)にマトリックス状に配列された複数のノードからなる自己組織化マップ(SOM)として表現する。
【0080】係る自己組織化マップの可視化アルゴリズムに関して、本実施形態では、自己組織化マップの可視化手法として最も良く利用されている U-matrix と呼ばれる手法を採用する。
【0081】図5は、第1の実施形態において生成された自己組織化マップを例示する図である。
【0082】同図に示す自己組織化マップは、ステップS5にて算出された車種(種類)別の商品特性値を利用して、上記の如く一般的な自己組織化アルゴリズム及びその可視化手法に基づいて生成されたものであり、本実施形態では、一例として40×40個のノードによって構成される。
【0083】また、図5に例示する自己組織化マップにおいて、個々のノードには、スコア情報である多次元座標値(P1,P2,P3,P4,・・・,Pn)が採り得る何れかの座標値が割り付けられる。多次元座標値の採り得る座標値の種類は、本実施形態においてはアンケート(図4)の個々の小項目の選択肢がそれぞれ4つなので、(4×n)通りである。
【0084】ここで、本実施形態では、図5に例示する如く自己組織化マップを40×40個のノードによって構成したが、これより多くの数量のノードによって構成しても、或いは少ない数量のノードによって構成しても良い。そして、自己組織化マップを少ない数量のノードによって構成する程、ある1つのノードに対して割り付けられる座標値の種類は多くなる。
【0085】また、ステップS5にて車種別に算出した商品特性値は、個々の既存車両の車種(種類)別の特徴を表わす中心値として、ステップS6において、図5に示す如く自己組織化マップ上において*印の位置に配置される(尚、同図において個々の*印に一部重なって示されている小さな円は、本実施形態に係るソフトウエア上の不具合(バグ)によるものなので無視願いたい)。
【0086】また、図5に例示する自己組織化マップ上において、ある1種類(車種)の既存車両を示す領域は、一般的な自己組織化アルゴリズム及びその可視化手法と同様に、原則として、傾向(商品性)が近い他の種類(車種)の既存車両を示す領域に配置され、同マップを構成する個々のノードの色の濃さは、隣接するノード間の境界の大きさ、換言すれば、隣接する個々のノードに割り付けられた多次元座標値の成分毎に比較した場合の差異の大きさ(傾き)を表している。即ち、隣接するノード間の色が近似している場合には、それらノード間の特性が似ていることを表わす一方で、隣接するノード間の色が濃い程、それらノード間の特性は大きく異なり、大きな境界があるということを示している。
【0087】ここで、注目ノードiの境界値は、その注目ノードiと、その注目ノードiに隣接する8個のノードとの距離の平均値(メディアンも良く使用されている)を採ることによって算出することができる。
【0088】ステップS7:上述した分析対象データ選択部202が有する機能によって実現される処理であって、顧客ポテンシャルマップ上において所定のシンボルによってユーザ度数(ユーザ人数)を表現すべく、ステップS1にてオペレータ所望の選択条件(4)として指定されたところの、当該オペレータが注目するユーザ群に関するデータレコードが、アンケートデータファイル102から抽出される。
【0089】ここで、商品データファイル101に記憶されている個々の既存車両に関するデータレコードには、上述したように、メーカー、型式(車種)、車両セグメント(車両カテゴリ)等の項目と共に、既存車両の種類(車種)を特定する商品識別情報が関連付けされており、アンケートデータファイル102に記憶されている個々のデータレコードにも、ユーザが所有する特定の既存車両を特定する商品識別情報が関連付けされている。そこで、上述したステップS7では、ステップS1にて指定されたオペレータ所望の選択条件(4)に基づいて商品データファイル101から当該選択条件に対応する商品識別情報を入手すると共に、入手した商品識別情報をキーとしてアンケートデータファイル102を検索することにより、当該オペレータが注目するところの、係る選択条件(4)を満足するユーザ群に関する全てのデータレコード(スコア情報を含む)を、アンケートデータファイル102から抽出することができる。
【0090】ステップS8:上述したポテンシャルマップ算出部205が有する機能によって実現される処理であって、ステップS7にて抽出されたデータレコード(選択条件(4)を満足するユーザ群に関するデータレコード)に含まれるスコア情報が、ステップS6にて算出された自己組織化マップ(商品マップ)を表わすデータ構造に対して配置(マッピング)される。
【0091】即ち、自己組織化マップ(図5)を構成する個々のノードは、少なくとも1つの多次元座標値(スコア情報)に対応するので、ステップS8では、ステップS7にて抽出されたユーザ群のデータレコードに含まれるスコア情報に注目して、当該自己組織化マップを表わすデータ構造中の個々のノードに、対応するスコア情報を含むデータレコードを関連付けする。換言すれば、ステップS7にて抽出された個々のデータレコードに含まれるスコア情報は、ユーザ毎に、図5に示す如く40×40個のノードのうち何れかに配置(マッピング)されることになる。係るステップS8のマッピング処理により、後述するステップS10において所定のシンボルを表示する際の中心位置(表示位置)が特定される。
【0092】ステップS9:上述したポテンシャルマップ算出部205が有する機能によって実現される処理であって、当該自己組織化マップを表わすデータ構造中の各ノードにステップS8にて割り付けられたデータレコードの数量を、ノード別にカウントすることにより、当該自己組織化マップを構成する個々のノード別のユーザ度数(ユーザ人数)が算出される。
【0093】ステップS10:上述したポテンシャルマップ算出部205が有する機能によって実現される処理であって、ステップS6にて算出した自己組織化マップ上に、ステップS9にてノード別に算出したユーザ度数に対応する所定のシンボル(本実施形態では大きさが異なる○印)が重ね合わせられた表示態様の顧客ポテンシャルマップ(図6)が表示出力部112(ディスプレイ22)に出力される。そして、本ステップにて算出された顧客ポテンシャルマップのデータファイルは、ユーザポジションデータファイル104及びポテンシャルマップデータファイル105に適宜記憶される。
【0094】図6は、第1の実施形態において生成された顧客ポテンシャルマップを例示する図である。
【0095】同図に示す顧客ポテンシャルマップには、車種Aから車種Kまでの複数車種が配置されていた自己組織化マップ(図5)上に、ユーザ度数(ユーザ人数)に応じて大きさ(直径)が異なる○印が、そのユーザ度数のデータが、ステップS9にて算出された対応するノードを中心位置として重畳表示されている状態を示す。
【0096】ここで、上述した如く表示された顧客ポテンシャルマップ(図6)のオペレータによる利用方法について説明する。
【0097】上述したように、本実施形態において、顧客ポテンシャルマップ上で所定のシンボルによってユーザ度数を表示させるべくユーザが選択条件(4)として選択可能なユーザ群に対応する既存車両の種類(種別)は、選択条件(3)としてユーザが選択可能な既存車両の種類(種別)と同一であっても、異なっていても良く、オペレータは、自らが行なう分析業務の目的に応じて適宜選択すれば良い。
【0098】即ち、このことを換言すれば、ステップS10において顧客ポテンシャルマップ上に表わす既存車種の種別(即ち、図5に例示する自己組織化マップ上に配置された複数車種)と、その顧客ポテンシャルマップ上で所定のシンボル(本実施形態では大きさの異なる○印)によってユーザ度数(ユーザ人数)を表現すべく上述したステップS9にて参照したところの、個々のユーザに関するデータレコードに含まれる商品識別情報(既存車種の種別)とは、同一であっても(以下、同一である場合を「ケース1」と称する)、異なっていても(以下、異なる場合を「ケース2」と称する)良い。
【0099】より具体的に、「ケース1」の場合、オペレータは、分析対象の少なくとも2種類の既存車両(例えばオペレータが属する車両メーカの既存車両)が配置された顧客ポテンシャルマップにおいて、それらの既存車種を実際に購入したユーザの動機付け(特徴)、或いはニーズの傾向を、所定のシンボル(○印)の表示位置によって把握することができ、且つその表示位置と、注目する特定車種の既存車両の商品特性値を表わす*印との位置関係(距離)に着目することにより、当該特定車種の既存車両の商品性(商品性をまとめたメーカの思惑)と、当該特定車種の既存車両を実際に購入したユーザの動機付け(ニーズ)とのズレを視覚的に認識することができる。
【0100】また、オペレータは、顧客ポテンシャルマップ上に表示される○印の位置によって、購入に際しての個々のユーザの動機付けの傾向、或いは潜在的なニーズの分布状態を認識することができ、且つ表示される○印の大きさによって、同じ動機付けの傾向を有するユーザ人数の大きさ、即ちニーズの高さ(以下、「顧客ポテンシャル」と称する)をも認識することができる。
【0101】即ち、図6に例示する顧客ポテンシャルマップが、例えば「ケース1」の場合であると想定した場合において、セダンBやスペースワゴンJの商品性(商品特性値)を表わす*印の近傍には、それぞれ大きな○印があり、オペレータは、これらの既存車両の商品性が多くのユーザのニーズにマッチしている、と認識することができる。
【0102】一方、ノード間の色が比較的濃い境界部分にも複数の○印(顧客ポテンシャル)が分布しており、係る分布の状態により、オペレータは、現在の複数種類の既存車両(分析対象商品として同マップ上に表示された当該複数種類の既存車両)のラインナップでは、多様な顧客のニーズを満たしていない面があることと、そのような顧客のニーズを満足する新型車両を企画すれば、新たな市場につながる可能性があることを認識することができる。
【0103】従って、係る「ケース1」の場合、本実施形態に係る商品分析支援装置1は、当該分析対象の既存商品とその既存車両のユーザ層との関係を分析するオペレータの分析業務及び/または新規商品の企画業務(例えば、オペレータが属する車両メーカの商品ラインナップと実際の購入者層とに関する現状認識や、その現状認識に基づく新型車両の企画等)を効果的に支援することができる。
【0104】一方、「ケース2」の場合、オペレータは、分析対象の少なくとも2種類の既存車両(例えばオペレータが属する車両メーカの既存車両)が配置された顧客ポテンシャルマップにおいて、その分析対象の個々の既存車種が構成する領域と、当該既存車両のユーザ群とは異なるユーザ群(例えば異なる車両メーカのある特定セグメントの既存車両のユーザ群)をなす個々のユーザの動機付けとのズレを視覚的に認識することができる。
【0105】また、係る「ケース2」において、顧客ポテンシャルマップ上で○印(所定のシンボル)を表示すべく個々のノードにマッピングされるスコア情報には、既存車両の車種(例えば異なる車両メーカの特定の既存車両Z)を特定可能な商品識別情報が関連付けされているので、ステップS6にて生成した自己組織化マップにおいて配置した複数種類(車種A〜車種K)の既存車両(例えばオペレータが属する車両メーカの既存車両)に対して、注目する既存車両(例えば既存車両Z)がどのあたりに配置されているかは、個々のノードに割り付けられたユーザに関するデータレコードに含まれる商品識別情報を参照することによって容易に特定することができる。
【0106】従って、係る「ケース2」の場合、本実施形態に係る商品分析支援装置1は、当該分析対象の既存商品と、その既存車両とは異なる既存車両のユーザ層との関係を分析するオペレータの分析業務及び/または新規商品の企画業務(例えば、オペレータが属する車両メーカの商品ラインナップと、他の車両メーカの既存車両の購入者層とに関する現状認識や、その現状認識に基づく新型車両の企画等)を効果的に支援することができる。
【0107】以上説明したように、本実施形態によれば、既存車両を購入したユーザのニーズの高さと、車種別の既存車両の相互関係とを、オペレータが容易に認識することができ、利便性が高い。
【0108】尚、上述した分析支援処理(図3)では、顧客ポテンシャルマップを、図6に例示するように、一例として、2次元平面にて表現する表示態様としたが、本実施形態はこれに限られるものではなく、例えばX−Y−Z軸からなる3次元空間においてX−Y平面に自己組織化マップ(商品マップ)を表わすと共に、その自己組織化マップを構成するノードを起点として、+Z方向に延びる棒グラフによってユーザ度数を表わし、係る3次元空間に表わされた顧客ポテンシャルマップを斜視可能に、或いはオペレータの選択操作に応じて任意の視点から目視可能に構成しても良い(後述する第2の実施形態においても同様である)。
【0109】但し、図6に例示する如く、自己組織化マップと同一ノード上に配置されるべきユーザ数(即ち、同一群として扱うことが可能な所定レベル範囲内にスコア情報が分布するユーザ数)を表わすシンボルとを平面上で重ねた状態で重畳表示する表示態様は、3次元で立体的に表示する場合と比較して、既存車両を購入したユーザのニーズの高さと、車種別の既存車両の相互関係とをオペレータが一目で容易に認識することができ、より好ましい。
【0110】<分析支援処理の変形例1>上述した分析支援処理(図3)では、ステップS1において分析対象商品としてオペレータ所望の少なくとも2種類の既存車両が指定されたが、処理結果として表示される顧客ポテンシャルマップ(図6)上における個々の既存車両の配置は、商品分析支援装置1が上述した自己組織化マップ算出部204の処理機能によって自動的に決定されるため、オペレータ所望の配置を指定することはできない。
【0111】そこで、本変形例では、顧客ポテンシャルマップの基となる自己組織化マップ上における個々の分析対象商品の配置が、その自己組織化マップの生成に際して使用される最大n次元の多次元座標値(スコア情報)の中からどの成分を選択するか、即ち、所定の複数項目(第1乃至第n項目)のアンケート回答結果の中からどの項目を選択するかによって変化することに着目することにより、商品分析支援装置1の機能によって、顧客ポテンシャルマップ上における個々の分析対象商品のオペレータ所望の配置を実現する。係る機能を実現するためには、上述した分析支援処理(図3)のステップS5及びステップS6において、図7に示す処理を行なえば良い。
【0112】図7は、第1の実施形態に係る分析支援処理の変形例1における自己組織化マップ(商品マップ)の生成処理を示すフローチャートであり、分析支援処理(図3)のステップS5及びステップS6に対応する。
【0113】同図において、ステップS11:オペレータが特に注目する少なくとも2種類の既存車両が指定される。
【0114】ステップS12:記憶装置26に予め記憶されているアンケート項目パターン・テーブルが例えばRAM25上に読み込まれる。
【0115】本変形例において、アンケート項目パターン・テーブルは、図4に示すアンケートの4種類の大項目(a)乃至(d)の組み合わせによって作成した以下に示す14種類のパターン:1:購入時重視点,2:使用用途,3:対照意見,4:意見や生活態度,5:購入時重視点,使用用途,6:購入時重視点,対照意見,7:購入時重視点,意見や生活態度,8:使用用途,対照意見,9:使用用途,意見や生活態度,10:対照意見,意見や生活態度,11:購入時重視点,使用用途,対照意見,12:購入時重視点,使用用途,意見や生活態度,13:使用用途,対照意見,意見や生活態度,14:購入時重視点,使用用途,対照意見,意見や生活態度である。
【0116】ステップS13:処理用の個々の変数が所定の初期状態にセット(i=1,dmin=∞,Pmin=1)される。
【0117】ステップS14:今回の制御周期において注目するパターンiを構成する個々の大項目(質問事項)に対応するスコア情報に基づいて、上述したステップS5(図3)と同様な手順によって、パターンiに応じた商品特性値が算出される。
【0118】ステップS15:ステップS14にて算出された商品特性値に基づいて、上述したステップS6(図3)と同様な手順によって、自己組織化マップ(商品マップ)が生成される。
【0119】ステップS16:生成された自己組織化マップ上に配置された当該注目する少なくとも2種類の既存車両の商品特性値に基づいて、それら既存車両間の距離diが算出される。ここで、同マップ上における2点(ノード)間の距離は、例えば、多次元空間上の2点間の距離を算出するに際しては、例えば、個々の座標成分値毎の差分値を利用する所謂、ユークリッド距離によって算出すれば良い。
【0120】ステップS17〜ステップS19:di<dminであるかが判断され(ステップS17)、di<dminの場合にはdiがdminとして設定されると共に、iがPminに設定され(ステップS18)、di≧dminの場合にはiに1が加算される(ステップS19)。
【0121】ステップS20,ステップS21:i≦Nであるかが判断され(ステップS20)、i≦Nの場合にはステップS14に戻り、i>Nの場合には、iがPminに設定された制御周期のステップS15にて生成された自己組織化マップPminが、ステップS8(図3)に渡される。
【0122】このような変形例1によれば、オペレータ所望の複数種類の既存車両を、顧客ポテンシャルマップの基となる自己組織化マップにおいて所望の配置(例えば隣接配置)することができ、利便性が向上する。これにより、オペレータは、例えば、特に注目する2種類の既存車両が隣接配置(即ち、当該2種類の既存車両の商品特性値を表わすシンボル(*印)間の距離が最も短くなる配置)された所望の表示態様の顧客ポテンシャルマップを得ることもできるので、それら注目する既存車両間の相互の関係をより詳細に分析することができる。
【0123】尚、本変形例では、図4に示すアンケートの4種類の大項目(a)乃至(d)から上述した14種類のパターンを予め作成したが、この処理構成に限られるものではなく、個々の大項目を構成する複数の小項目を利用して更に詳細なパターンを用意しても良い。
【0124】また、上述した本変形例において、提示されたパターンの中から、オペレータが所望のものを選択可能に構成しても良い。
【0125】また、特に注目する2種類の既存車両が顧客ポテンシャルマップで隣接するパターンだけでなく、比較的距離の近い配置となる数パターンに応じた顧客ポテンシャルマップが、オペレータにそれぞれ提示されるように構成しても良い。
【0126】<分析支援処理の変形例2>上述した分析支援処理(図3)では、自己組織化マップ及び顧客ポテンシャルマップを構成する複数のノードの設定値(図5及び図6では、40×40個のノード)によっては、ディスプレイ22に表示された顧客ポテンシャルマップにおいて隣接配置された互いに異なる種類の既存車両間の境界部分を、オペレータがはっきりと認識できず、ユーザ度数を表わす○印(顧客ポテンシャル)がどちらの既存車両の領域に配置されているか判断が容易ではない場合も想定される。
【0127】そこで、本変形例では、顧客ポテンシャルマップ(図6)に基づいて、分析対象である複数種類の既存車両間の境界を明確にすべく種類(車種)別に領域分割した表示態様(以下、「領域分割マップ」と称する)で表示する。
【0128】図8は、第1の実施形態に係る分析支援処理の変形例2における領域分割マップの生成処理を示すフローチャートであり、オペレータによる要求操作に応じて、先に生成された顧客ポテンシャルマップを対象として行われる。
【0129】同図において、ステップS31:オペレータによる所定の要求操作に応じて、上述した分析支援処理(図3)にて生成された顧客ポテンシャルマップのデータファイルが入力される。
【0130】ステップS32:領域分割のためのオペレータ所望の閾値Thclass(0≦Thclass≦1)が設定される。
【0131】ステップS33:顧客ポテンシャルマップに配置されている複数種類の既存車両のうち、今回の制御周期において注目する既存車両(注目商品)の代表ノードa(即ち、当該既存車両の商品特性値に対応する*印が付されたノード)と、ステップS32にて設定された閾値Thclassとに基づいて、その代表ノードaの周囲に隣接する8つの隣接ノードが統合される。
【0132】以下、ステップS33における併合処理の詳細について説明する。本変形例において、閾値Thclassの採り得る範囲は、0≦Thclass≦1であって、Thclass=1.0のときには、顧客ポテンシャルマップを構成する全てのノードが、何れかの種類の既存車両の領域に含まれるように統合され、Thclass=0のときには、当該複数種類の既存車両の領域は、個々の既存車両の代表ノードaのみとなる。
【0133】本変形例では、多次元座標値に対応するノード間の距離の演算を、上述した場合と同様に、一例として、ユークリッド距離(ここでは「‖***‖」によって表わす)によって算出する。
【0134】より具体的に、Thclass=1.0のときには、顧客ポテンシャルマップを構成する全てのノード間の距離の最大値dmax=max(‖mi(T)−mj(T)‖)が実際の距離閾値となる。また、Thclass=0のときには、0が実際の距離閾値となるように線形変換している。即ち、実際の距離閾値(正規化された閾値)は、dmax×Thclassとなる。
【0135】ここで、mi,mjは、距離を求めるべく注目するところの、同マップを構成する何れか2つのノードを表わし、40×40個のノードによって当該マップを構成する場合、変数i,jは、それぞれ1乃至40の何れかの値を採る。
【0136】mi(T)は、ノード(神経細胞)iの出力状態(参照ベクトル)であり、当該マップを作成した多次元座標値と同じ次元を持つ。
【0137】次に、代表ノードaを起点として、隣接ノードkと、起点とする起点ノード(代表ノード)aとの距離(‖ma(T)−mk(T)‖)が、距離閾値(dmax×Thclass)より小さければ、当該隣接ノードkを、今回の制御周期において注目する既存車両の代表ノードaと同じ領域に併合する。
【0138】そして、上記の併合処理によって今回の制御周期において注目する既存車両の代表ノードaと新たに同じ領域になったノードjの周囲に隣接する複数の隣接ノードkを対象として、個々の隣接ノードkと起点ノードaとの距離(‖ma(T)−mk(T)‖)が距離閾値(dmax×Thclass)より小さければ、その隣接ノードkを、当該注目する既存車両の代表ノードaと同じ領域に併合する。
【0139】従って、ステップS33では、当該注目する既存車両について上記の一連の処理が順次行われることにより、代表ノードaを中心として、その周囲に、当該注目する既存車両の領域が次第に広げられていく。そして、係る一連の処理は、当該起点ノードaに統合される隣接ノードが無くなるまで行われる。
【0140】ステップS34:分割対象の顧客ポテンシャルマップに含まれる全ての種類の既存車両について上記ステップS33による統合が完了した場合にはステップS35に進む。
【0141】但し、第1の既存車両の代表ノードaの領域となっていたノードiが別種類の既存車両の領域にも含まれることになった場合は、代表ノードaとノードiとの距離と、第2の既存車両の代表ノードaノードiとの距離とを比較し、その比較の結果、距離が短い方の既存車両の領域に、ノードiを含めれば良い。また、領域が削られた既存車両に関しては、ステップS33の一連の処理をもう一度始めから行なえば良い。
【0142】ステップS35:統合によって得られた個々の既存車両の領域毎に異なる配色が施され、何れの領域にも属さないノードには、例えば白色が設定されることにより、図9に例示するような領域分割マップがディスプレイ22に表示される。
【0143】図9は、第1の実施形態に係る分析支援処理の変形例2において生成された領域分割マップを例示する図であり、同図によれば、顧客ポテンシャルマップ(図6)内に配置されていた車種A乃至車種kの種類(車種)別に、対応する個々の領域を、オペレータは目視によって容易に認識することができ、ユーザ度数を表わす○印(顧客ポテンシャル)がどちらの既存車両の領域に配置されているも容易に判断可能であるため、利便性が向上する。
【0144】ステップS36:ステップS35にて表示された領域分割マップを見たオペレータによって所定の終了操作が行われた際には、本領域分割処理が終了する。一方、ステップS36において閾値Thclassの変更要求が入力された場合には、ステップS32に戻る。これにより、表示されている領域分割マップ上では、閾値Thclassをオペレータがマウス等のデバイスを利用して適宜増減する操作に応じて、何れの既存車両にも属さない白い部分の大きさ(広さ)が変化していく。
【0145】また、ステップS32へのリターンまたは本領域分割処理の終了に先立って、例えば、ステップS35では、そのとき表示されていた領域分割マップのデータファイルが、オペレータの要求操作に応じて、ユーザポジションデータファイル104及びポテンシャルマップデータファイル105に適宜記憶される。
【0146】このような変形例2によれば、オペレータは、個々の注目既存車両がカバーする領域とカバーできない領域とを判別することができ、その注目既存車両の商品特性が顧客(市場)のニーズに合致しているか否かを容易に認識することができ、利便性が高い。
【0147】<分析支援処理の変形例3>上述した変形例2における領域分割マップ(図9)によれば、分析対象商品である個々の既存車両の領域が明確に示されるので、利便性が高いが、異なる車種であっても、商品性(商品特性値)が類似するため、同じセグメント(ジャンル)として扱いたい場合も想定される。そして、商品性(商品特性値)が類似することは、注目する既存車両間の距離(上述した例ではユークリッド距離)を算出することによって認識可能である。
【0148】そこで、本変形例では、領域分割マップ(図9)に基づいて、分析対象である複数種類の既存車両において類似する商品性(商品特性値)の既存車両を1つのグループとしてまとめた表示態様(以下、「グルーピングマップ」と称する)で表示することにより、オペレータによる既存車両の分析業務及び/または新型車両の企画業務に寄与する。
【0149】図10は、第1の実施形態に係る分析支援処理の変形例3におけるグルーピングマップの生成処理を示すフローチャートであり、オペレータによる要求操作に応じて、先に生成された顧客ポテンシャルマップを対象として行われる。
【0150】同図において、ステップS41:オペレータによる所定の要求操作に応じて、上述した分析支援処理(図3)にて生成された顧客ポテンシャルマップのデータファイルが入力されると共に、変形例2にて説明した手順によって、グルーピングマップの基となる領域分割マップのデータファイルが入力される。
【0151】ステップS42:グループ分けのためのオペレータ所望の閾値Thgroup(0≦Thgroup≦1)が設定される。
【0152】ステップS43:領域分割マップに配置されている複数種類の既存車両のうち、今回の制御周期において注目する既存車両(第1既存車両)の代表ノードa(即ち、当該既存車両の商品特性値に対応する*印が付されたノード)、他の既存車両(第2既存車両)の代表ノードj、並びにステップS42にて設定された閾値Thgroupに基づくグルーピング処理が行われる。
【0153】以下、ステップS43におけるグルーピング処理の詳細について説明する。本変形例において、閾値Thgroupの採り得る範囲は、0≦Thgroup≦1であって、Thgroup=1.0のときには、領域分割マップ上の全種類の領域が同一グループにグルーピングされ、Thgroup=0のときには、当該領域分割マップ上に配置されている複数領域がそれぞれ個別のグループを構成する。
【0154】本変形例では、多次元座標値に対応する注目する第1既存車両の代表ノードaと、第2既存車両の代表ノードjとの距離を、上述した場合と同様に、一例として、ユークリッド距離(ここでは「‖***‖」によって表わす)によって算出する。
【0155】より具体的に、Thgroup=1.0のときには、当該領域分割マップ上の全ノード間の距離の最大値dmax=max(‖mi(T)−mj(T)‖)が実際の距離閾値となり、Thgroup=0のときには、0が実際の距離閾値となるように線形変換している。即ち、実際の距離閾値(正規化された閾値)は、dmax×Thgroupとなる。Thgroupは、例えば、上述した領域分割のための閾値Thclassと同じ値とする。
【0156】ここで、mi,mjは、距離を求めるべく注目するところの、同マップに配置された複数種類の既存車両のうち何れか2つ(第1及び第2の既存車両)の代表ノードaと代表ノードjとを表わす。mi(T)は、ノード(神経細胞)iの出力状態(参照ベクトル)であり、当該マップを作成した多次元座標値と同じ次元を持つ。
【0157】次に、現在設定されている閾値Thgroupより十分小さい値を、新たな閾値Thgroupに設定する。そして、第1既存車両の代表ノードaを起点として、その起点となる起点ノードaと、第2既存車両の代表ノードjとの距離(‖ma(T)−mj(T)‖)が距離閾値(dmax×Thgroup)より小さければ、第2既存車両の代表ノードjが属する領域を、第1既存車両の代表ノードaが属する領域と同じグループGaにグルーピングする。
【0158】ステップS44:上述したステップS43の一連の処理が、領域分割マップに含まれる全種類の既存車両の組み合わせについて完了した場合にはステップS45に進む。
【0159】ステップS45,ステップS46:現在設定されている閾値Thgroupを、少し大きな値(thgroup+α)とし(ステップS45)、ステップS46にてthgroup≦THgroupの条件が満足する限り、ステップS43乃至ステップS45の各ステップの処理が繰り返される。
【0160】ステップS47:グルーピングされたGlとGmとに含まれる代表ノード同士の距離が全て距離閾値(dmax×Thgroup)より小さければ同じグループGlとする。この条件を式で表すと、max(‖ml(T)−mm(T)‖)<(dmax×Thgroup)となる。これを全てのグループ同士で行う。
【0161】ステップS48:グルーピングによって得られたグループ毎に異なる配色を施され、何れのグループにも属さないノードには、例えば白色が設定されることにより、図11に例示するようなグルーピングマップがディスプレイ22に表示される。
【0162】図11は、第1の実施形態に係る分析支援処理の変形例3において生成されたグルーピングマップを例示する図であり、同図によれば、領域分割マップ(図9)内に配置されていた車種A乃至車種kの種類(車種)別の領域が、上述した一連のグルーピング処理によって商品性の近似する領域同士まとめられて、合計5つのグループに分類された状態を示す。尚、同図において、何れのグループにも属さないノードは、グループ1とグループ2との間の小領域であって、それ以外の白色の細線は、異なるグループ間の区画をオペレータに容易に認識させるためのものである。
【0163】このようなグルーピング処理によれば、領域分割マップ(図9)内に配置されていた車種A乃至車種kの種類(車種)別の領域が、グルーピングマップ上において、商品性(商品特性値)が類似するグループ毎に分類されるので、個々のグループ(所謂セグメント、或いはジャンル)に対するユーザ度数(顧客ポテンシャル)の分布を容易に判断可能であり、利便性が高い。
【0164】即ち、このような変形例3によれば、オペレータは、個々の注目既存車両のうち特性が近似するものがグループ分けされるので、そのグループがカバーする領域とカバーできない領域とを判別することができ、係るグループを構成する個々の注目既存車両の商品特性が顧客(市場)のニーズに合致しているか否かを容易に認識することができ、利便性が高い。
【0165】尚、上記のグルーピング処理においても、表示されているグルーピングマップ上で、閾値Thgroupをオペレータがマウス等のデバイスを利用して適宜増減する操作に応じて、何れの既存車両にも属さない白い部分の大きさ(広さ)を変化可能に構成しても良い。
【0166】<分析支援処理の変形例4>本変形例では、上述した分析支援処理(図3)によってオペレータ所望の少なくとも2種類の既存車両についての顧客ポテンシャルマップが既に生成されている場合において、その顧客ポテンシャルマップに対して、新たに注目する既存車両を追加してマッピングする場合について説明する。
【0167】図12は、第1の実施形態に係る分析支援処理の変形例4における商品追加処理を示すフローチャートであり、オペレータによる要求操作に応じて、先に生成された顧客ポテンシャルマップを対象として行われる。
【0168】同図において、ステップS71:オペレータによる分析対象商品の追加のための必要項目の指定操作が行われる。本ステップにおいて指定されるべき必要項目としては、オペレータ所望の追加対象の既存車両の種別(車種)や、新たに生成する顧客ポテンシャルマップの表示態様や出力形態がある。
【0169】ステップS72〜ステップS74:ステップS71にて指定された追加対象の既存車両についてのデータレコードが、商品データファイル101から抽出され(ステップS72)、抽出された当該追加対象の既存車両のデータレコードが参照されることにより、その既存車両についての商品特性値算出のためのデータレコードが、アンケートデータファイル102から抽出され(ステップS73)、抽出されたデータレコードに含まれるスコア情報に基づいて、係る追加分の既存車両についての商品特性値が算出される(ステップS74)。商品特性値を算出するための一連の手順自体については、上述したステップS3乃至ステップS5(図3)と同様なため、重複する説明は省略する。
【0170】ステップS75:上述したステップS6(図3)にて生成された自己組織化マップ(商品マップ)を表わすデータ構造に対して、当該追加対象の既存車両についてステップS74にて算出された商品特性値に基づくマッピングが行われることにより、当該追加対象の既存車両が配置された新たな自己組織化マップが生成される。
【0171】ここで、追加対象の既存車両に関するデータである入力信号xjが、先に生成された自己組織化マップ上のどの位置にマッピングされるかは、以下の手順で求めることができる。
【0172】即ち、入力信号(入力ベクトル)xjと最も良く一致する参照ベクトルmc(t)を持つ勝利ノードcを、 c=‖xj−mc(t)‖=min(‖xj−mi(t)‖)
なる式によって、上記の例と同様に例えばユークリッド距離として算出する。
【0173】即ち、勝利ノードcは、入力ベクトルxjと参照ベクトルmc(t)との最短距離を表わし、この勝利ノードcは、入力ベクトルxjがマッピングされるべきノードを表わす。
【0174】ステップS76:ステップS75にて生成(更新)された自己組織化マップに、上述したステップS10(図3)にて出力したユーザ度数に対応する所定のシンボルが重ね合わせられた表示態様の新たな顧客ポテンシャルマップ(図13)が表示出力部112(ディスプレイ22)に出力される。そして、本ステップにて算出された顧客ポテンシャルマップのデータファイルは、ユーザポジションデータファイル104及びポテンシャルマップデータファイル105に適宜記憶される。
【0175】図13は、第1の実施形態に係る分析支援処理の変形例4における商品追加処理によって生成された顧客ポテンシャルマップを例示する図である。
【0176】同図に示す顧客ポテンシャルマップには、ステップS75にて生成されたところの、車種Aから車種Kに加えて追加対象の既存車両(追加商品I)及び(追加商品II)が配置されていた自己組織化マップを基にして、ユーザ度数(ユーザ人数)に応じて大きさ(直径)が異なる○印が、対応するノードを中心位置として重畳表示されている状態を示す。
【0177】このような本変形例によれば、オペレータは、新たに注目すべき既存車両が反映された顧客ポテンシャルマップを容易に入手することができ、利便性が高い。
【0178】<分析支援処理の変形例5>本変形例では、顧客ポテンシャルマップ(図6)、領域分割マップ(図9)、或いはグルーピングマップ(図11)上に割り付けされたユーザについての分析機能(解析機能)について説明する。
【0179】図14は、第1の実施形態に係る分析支援処理の変形例5におけるユーザ分析処理を実現するためのシステム構成を例示するブロック図である。
【0180】上述した分析支援処理(図3)によって生成された顧客ポテンシャルマップのデータ構造には、大きさの異なる所定のシンボル(○印)を表示すべく、ユーザ度数(顧客ポテンシャル)が関連付け(割り付け)されており、係るデータ構造は、上述した変形例2における領域分割マップ、並びに変形例3におけるグルーピングマップにおいても同様である。
【0181】また、アンケートデータファイル102に記憶されたユーザ別のデータレコードには、上述したように、アンケートに対する回答結果を表わすスコア情報や商品識別情報と共に、ユーザ属性(性別、年齢、家族構成等)が関連付けされている。
【0182】そこで、本変形例では、分析対象位置データ選択部208の機能によって、顧客ポテンシャルマップ(図6)上のオペレータ所望のノード、領域分割マップ(図9)上のオペレータ所望の車種(領域)、或いはグルーピングマップ(図11)上のオペレータ所望のカテゴリ(グループ)が指定されるのに応じて、対応するユーザ群についてのレコードを、ユーザポジションデータファイル104に記憶された分析支援処理(図3)の分析結果の中から入手し、ユーザ分析部209の機能によって、アンケートデータファイル102の中から、当該指定されたノード、領域、或いはグループに対応するユーザ群についてのデータレコードに含まれるユーザ属性を入手すると共に、入手したユーザ属性に基づいて所定項目(例えば、度数分布、平均、標準偏差等)の統計解析処理を行なう。ユーザ分析データファイル106には、本変形例における統計解析処理結果が適宜記憶される。
【0183】ここで、分析対象位置データ選択部208及びユーザ分析部209は、図2に示すブロック図と同様に、ソフトウエア・プログラムの機能単位(ソフトウエア・モジュール)を表わす。
【0184】図15は、第1の実施形態に係る分析支援処理の変形例5における分析処理を示すフローチャートであり、この分析処理は、ディスプレイ22に表示された顧客ポテンシャルマップ(図6)上のオペレータ所望のノード、領域分割マップ(図9)上のオペレータ所望の車種(領域)、或いはグルーピングマップ(図11)上のオペレータ所望のカテゴリ(グループ)が指定されるのに応じて開始される。
【0185】同図において、ステップS81:分析対象位置データ選択部208の機能によって実現される処理であって、顧客ポテンシャルマップ(図6)上のオペレータ所望のノード、領域分割マップ(図9)上のオペレータ所望の車種(領域)、或いはグルーピングマップ(図11)上のオペレータ所望のカテゴリ(グループ)が、解析(分析)対象として指定される。
【0186】ステップS82:ユーザ分析部209の機能によって実現される処理であって、ステップS81にて指定されたノード、領域、或いはグループに対応するユーザ群についてのデータレコード(ユーザ属性)が、アンケートデータファイル102の中から抽出される。
【0187】ステップS83,ステップS84:ユーザ分析部209の機能によって実現される処理であって、ステップS82にて抽出されたデータレコードに含まれるユーザ属性に基づいて、例えば、度数分布、平均、標準偏差等の一般的な統計解析処理が行われ(ステップS83)、その処理結果がディスプレイ22に表示されると共に、オペレータの操作に応じて、ユーザ分析データファイル106に適宜記憶される(ステップS84)。
【0188】図16及び図17は、第1の実施形態に係る分析支援処理の変形例5における分析処理結果を例示する図である。
【0189】即ち、図16(a)には、居住地や年収等についての分布状態がユーザ層別に示されており、図16(b)には、アンケート(図4)の回答結果についての平均値や標準偏差がユーザ層別に示されている。また、図17(a)及び(b)に示すように、同様な分析結果を、複数の分析対象を選択して、オペレータが比較可能に表示しても良い。
【0190】このような変形例5によれば、オペレータが注目するユーザ群の傾向を分析結果を参照しながら容易に把握することができ、利便性が高い。
【0191】[第2の実施形態]次に、上述した第1の実施形態に係る商品分析支援装置を基本とする第2の実施形態を説明する。以下の説明においては、第1の実施形態と同様な構成については重複する説明を省略し、本実施形態における特徴的な部分を中心に説明する。
【0192】上述した第1の実施形態に係る分析支援処理(図3)では、顧客ポテンシャルマップを生成するに際して、分析対象の少なくとも2種類の既存車両に関する自己組織化マップ(商品マップ)、即ち、分析対象商品に基づく自己組織化マップに対して、その自己組織化マップに対して顧客ポテンシャル(ユーザ度数)をマッピングした。
【0193】本実施形態では、係る第1の実施形態とは逆の手順によって顧客ポテンシャルマップを生成する。即ち、アンケートデータに含まれるスコア情報に基づいて分析対象ユーザに基づく自己組織化マップ(以下、本実施形態では「ユーザマップ」と称する場合がある)を作成し、作成された自己組織化マップに対して、選択条件として指定された少なくとも2種類の既存車両がマッピングされる。
【0194】図18は、第2の実施形態における商品分析支援装置が行なう分析支援処理を示すフローチャートであり、CPU21が行なう処理の手順を表わす。
【0195】同図において、ステップS51〜ステップS54:上述した分析対象商品選択部201が有する機能、並びに分析対象データ選択部202が有する機能によって実現される処理であって、第1の実施形態におけるステップS1乃至ステップS4と同様な処理が行われる。
【0196】ステップS55:上述した分析対象データ選択部202が有する機能によって実現される処理であって、ステップS1にてオペレータ所望の選択条件(4)として指定されたところの、当該オペレータが注目する分析対象のユーザ群に関するデータレコードが、アンケートデータファイル102から抽出される。
【0197】ステップS56:上述した自己組織化マップ算出部204が有する機能によって実現される処理であって、ステップS55にて抽出されたデータレコードに含まれるスコア情報に基づいて、第1の実施形態と同様な一般的な手順によって、自己組織化マップ(ユーザマップ)が生成される。
【0198】ステップS57:上述した商品特性算出部203が有する機能によって実現される処理であって、ステップS53にて選択条件に基づいてアンケートデータファイル102から抽出されたデータレコードに含まれるところの、所定の複数項目からなるアンケートに対する回答結果を表わすスコア情報に基づいて、第1の実施形態と同様に、当該既存車両についての車種(種類)別の商品特性値が算出される。本ステップにて算出された車種(種類)別の商品特性値は、商品特性データファイル103に格納される。
【0199】ステップS58:上述したポテンシャルマップ算出部205が有する機能によって実現される処理であって、ステップS57にて算出された車種(種類)別の商品特性値が、ステップS56にて算出された自己組織化マップ(ユーザマップ)を表わすデータ構造に対して配置(マッピング)される。
【0200】即ち、分析対象ユーザに基づく自己組織化マップ(ユーザマップ)を構成する個々のノードは、少なくとも1つの多次元座標値(スコア情報)に対応するので、ステップS58では、ステップS57にて算出された車種(種類)別の商品特性値(多次元座標値)に注目して、当該自己組織化マップを表わすデータ構造中の対応するノードに、多次元座標値である商品特性値を関連付けする。係るステップS58のマッピング処理により、後述するステップS10において所定のシンボルを表示する際の中心位置(表示位置)が特定される。
【0201】ステップS59,ステップS60:上述したポテンシャルマップ算出部205が有する機能によって実現される処理であって、第1の実施形態におけるステップS59乃至ステップS60と同様な処理が行われ、表示出力部112(ディスプレイ22)には、生成された顧客ポテンシャルマップ(不図示)出力される。そして、ステップS60にて算出された顧客ポテンシャルマップのデータファイルは、ユーザポジションデータファイル104及びポテンシャルマップデータファイル105に適宜記憶される。
【0202】このような手順によって顧客ポテンシャルマップが生成される本実施形態によっても、オペレータが既存車両の分析業務及び/または新型車両の企画業務を行なうに際して、第1の実施形態と同様な効果が得られる。
【0203】特に、上述した第1の実施形態では各商品間の差異をオペレータが明確に判別できるようにマップが構成されるのに対して、本実施形態において生成される顧客ポテンシャルマップは、分析対象ユーザのスコア情報に基づく自己組織化マップ(ユーザマップ)に対して、複数種類の既存車両がマッピングされるので、本実施形態では、ユーザ間の差異をオペレータが明確且つ容易に判別することができ、従って、市場を構成する顧客の構造を分析する業務等に利用して好適である。
【0204】尚、上述した各実施形態及び変形例を例に説明した本発明は、上述した商品分析支援装置1に対して、その説明において参照したフローチャートの機能を実現可能なコンピュータ・プログラムを供給した後、その装置のCPU21に読み出して実行することによって達成される。また、当該装置内に供給されたコンピュータ・プログラムは、読み書き可能なメモリまたはハードディスク装置等の記憶デバイスに格納すれば良い。
【0205】また、前記の場合において、当該各装置内へのコンピュータ・プログラムの供給方法は、フロッピーディスク等の各種記録媒体を介して当該装置内にインストールする方法や、インターネット等の通信回線を介して外部よりダウンロードする方法等のように、現在では一般的な手順を採用することができ、このような場合において、本発明は、係るコンピュータ・プログラムのコード或いは記憶媒体によって構成される。
【0206】尚、上述した各実施形態及びその変形例においては、本発明を、一例として、既存車両(自動車)に関して適用して説明したが、本発明はこれに限られるものではなく、様々な商品の分析業務及び/または新規商品の企画業務に適用して好適である。




 

 


     NEWS
会社検索順位 特許の出願数の順位が発表

URL変更
平成6年
平成7年
平成8年
平成9年
平成10年
平成11年
平成12年
平成13年


 
   お問い合わせ info@patentjp.com patentjp.com   Copyright 2007-2013