【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は顧客情報管理システムおよびその方法ならびに顧客情報管理プログラムを記録したコンピュータ読み取り可能な記録媒体に関し、特に、商品を購入した顧客の情報のみならず、来店しても商品を購入しなかった顧客についての情報をも管理する顧客情報管理システムおよびその方法ならびに顧客情報管理プログラムを記録したコンピュータ読み取り可能な記録媒体に関する。

【０００２】

【従来の技術】従来から、コンビニエンスストアやスーパーなどでは、商品を購入した顧客の属性（性別、年齢層等）とその商品データとを対応付けてデータベース化するという顧客情報管理システムが用いられている。 このような顧客管理システムでは、データベース化された情報を用いて様々なデータ分析が行なわれ、その分析結果に基づいて商品購買促進のための戦略が練られる。

【０００３】たとえば、商品毎に、購入する顧客の年齢層や性別等が分かると、来店する顧客の属性に応じた商品を多く提供することにより、さらなる商品購買が見込めることになる。

【０００４】

【発明が解決しようとする課題】しかしながら、上述したようなデータベースには、来店したものの商品を購入せずに退出する未購入者についての情報が含まれていない。 したがって、データ分析結果からは、未購入者を購入者へ移行させるための戦略を練ることができなかった。

【０００５】本発明はかかる実状に鑑み考え出されたものであり、その目的は、商品の未購入者に対する販売戦略を立てるために、未購入者に関する情報についてのデータベースを作成することのできる顧客情報管理システムおよびその方法ならびに顧客情報管理プログラムを記録したコンピュータ読み取り可能な記録媒体を提供することである。

【０００６】

【課題を解決するための手段】上記目的を達成するため、本発明のある局面に従うと、顧客情報管理システムは、来店した顧客の画像情報を取得する第１の画像取得部と、商品を購入した顧客の画像情報を取得する第２の画像取得部と、第１の画像取得部により取得された画像情報および第２の画像取得部により取得された画像情報に基づいて、第１の画像取得部にのみ取得された画像情報を抽出する第１の抽出部と、抽出された画像情報に該当する顧客の属性を取得する属性取得部と、抽出された画像情報に該当する顧客に対して未購入者である旨の情報および前記取得された属性を対応付けて記録する記録部とを備える。

【０００７】この発明に従うと、第１の画像取得部により取得された画像情報および第２の画像取得部により取得された画像情報に基づいて、第１の画像取得部にのみ取得された画像情報が抽出される。 これにより、来店したが、商品を購入せずに退出した顧客の画像情報が抽出されることになる。 そして、抽出された画像情報に該当する顧客に対して、未購入者である旨の情報および属性が対応付けて記録される。

【０００８】したがって、商品未購入者に対する販売戦略を立てるために、未購入者に関する情報についてのデータベースを作成することのできる顧客情報管理システムを提供することが可能となる。

【０００９】好ましくは、顧客情報管理システムにおいて、属性取得部は、抽出された画像情報から前記該当する顧客の属性を判別する第１の判別部を含む。

【００１０】この発明に従うと、抽出された画像情報に基づいて、その顧客（未購入者）の属性が判別される。
顧客の属性が自動判別されるため、店員等の属性入力作業が軽減される。 また、画像情報という均一の基準で属性が判別されるため、属性についての判断のばらつきも防止される。

【００１１】好ましくは、顧客情報管理システムは、第２の画像取得部により取得された画像情報に該当する顧客が購入した商品のデータを取得する商品データ取得部と、第２の画像取得部により取得された画像情報から顧客の属性を判別する第２の判別部とをさらに含み、記録部は、さらに、第２の画像取得部により取得された画像情報に該当する顧客に対して、購入者である旨の情報、
取得された商品のデータ、および、第２の取得部により判別された属性を対応付けて記録することを特徴とする。

【００１２】この発明に従うと、顧客が購入した商品のデータと、画像情報から判別された顧客の属性とが、購入者である旨の情報と共に、顧客に対応付けて記録される。 したがって、未購入者の情報に加えて、さらに、購入者についての情報も適切にデータベース化されることになる。

【００１３】好ましくは、顧客情報管理システムは、記録部に記録されたデータに基づいてデータ解析を行なう解析部をさらに備える。

【００１４】好ましくは、データ解析は、購入者属性別の商品のデータ解析や購入者および未購入者別の属性解析を含む。

【００１５】これらの発明に従うと、記録部に記録された購入者／未購入者の別、属性、商品のデータ、その他のデータに基づいて、購入者属性別の商品のデータ解析や購入者／未購入者別の属性解析等のデータ解析が行なわれる。 このため、ユーザはこのデータ解析結果を利用して適切な販売戦略を立てることが可能となる。

【００１６】好ましくは、記録部に複数の店舗からのデータが記録される場合、解析部は、記録部に記録される複数の店舗のデータに基づいて、各店舗毎の戦略のためのデータ解析を行なうことを特徴とする。

【００１７】この発明に従うと、記録部に複数の店舗からのデータが記録されている場合は、これら複数の店舗のデータから、各店舗ごとの販売戦略等に必要なデータ解析が行なわれる。 たとえば、対象となる店舗の未購入者の属性に、他の店舗の購入者の属性が適合する場合、
その他の店舗の購入者が購入する商品を対象となる店舗に揃える等という店舗戦略を練ることができる。

【００１８】本発明の別の局面に従うと、顧客情報管理方法は、来店した顧客の画像情報を取得する第１の画像取得ステップと、商品を購入した顧客の画像情報を取得する第２の画像取得ステップと、第１の画像取得ステップにより取得された画像情報および第２の画像取得ステップにより取得された画像情報に基づいて、第１の画像取得ステップにおいてのみ取得された画像情報を抽出する第１の抽出ステップと、抽出された画像情報に該当する顧客の属性を取得する属性取得ステップと、抽出された画像情報に該当する顧客に対して、未購入者である旨の情報および取得された属性を対応付けて記録する記録ステップとを備える。

【００１９】この発明に従うと、第１の画像取得ステップにおいて取得された画像情報および第２の画像取得ステップにおいて取得された画像情報に基づいて、第１の画像取得ステップにおいてのみ取得された画像情報が抽出される。 これにより、来店したが、商品を購入せずに退出した顧客の画像情報が抽出されることになる。 そして、抽出された画像情報に該当する顧客に対して、未購入者である旨の情報および属性が対応付けて記録される。

【００２０】したがって、商品未購入者に対する販売戦略を立てるために、未購入者に関する情報についてのデータベースを作成することのできる顧客情報管理方法を提供することが可能となる。

【００２１】好ましくは、顧客情報管理方法において、
属性取得ステップは、抽出された画像情報から前記該当する顧客の属性を判別する第１の判別ステップを含む。

【００２２】この発明に従うと、抽出された画像情報に基づいて、その顧客（未購入者）の属性が判別される。
顧客の属性が自動判別されるため、店員等の属性入力作業が軽減される。 また、画像情報という均一の基準で属性が判別されるため、属性についての判断のばらつきも防止される。

【００２３】好ましくは、顧客情報管理方法は、第２の画像取得ステップにより取得された画像情報に該当する顧客が購入した商品のデータを取得する商品データ取得ステップと、第２の画像取得ステップにより取得された画像情報から顧客の属性を判別する第２の判別ステップとをさらに含み、記録ステップは、さらに、第２の画像取得ステップにより取得された画像情報に該当する顧客に対して、購入者である旨の情報、前記取得された商品のデータ、および、前記第２の取得ステップにより判別された属性を対応付けて記録することを特徴とする。

【００２４】この発明に従うと、顧客が購入した商品のデータと、画像情報から判別された顧客の属性とが、購入者である旨の情報と共に、顧客に対応付けて記録される。 したがって、未購入者の情報に加えて、さらに、購入者についての情報も適切にデータベース化されることになる。

【００２５】好ましくは、顧客情報管理方法は、記録ステップにおいて記録されたデータに基づいてデータ解析を行なう解析ステップをさらに備える。

【００２６】好ましくは、データ解析は、購入者属性別の商品のデータ解析や購入者および未購入者別の属性解析を含む。

【００２７】これらの発明に従うと、記録部に記録された購入者／未購入者の別、属性、商品のデータ、その他のデータに基づいて、購入者属性別の商品のデータ解析や購入者／未購入者別の属性解析等のデータ解析が行なわれる。 このため、ユーザはこのデータ解析結果を利用して適切な販売戦略を立てることが可能となる。

【００２８】好ましくは、記録ステップにおいて複数の店舗からのデータが記録される場合、解析ステップは、
記録ステップにおいて記録される複数の店舗のデータに基づいて、各店舗毎の戦略のためのデータ解析を行なうことを特徴とする。

【００２９】この発明に従うと、記録ステップにより複数の店舗からのデータが記録されている場合は、これら複数の店舗のデータから、各店舗ごとの販売戦略等に必要なデータ解析が行なわれる。 たとえば、対象となる店舗の未購入者の属性に、他の店舗の購入者の属性が適合する場合、その他の店舗の購入者が購入する商品を対象となる店舗に揃える等という店舗戦略を練ることができる。

【００３０】本発明のさらに別の局面に従うと、コンピュータ読み取り可能な記録媒体は、上記いずれかに記載の顧客情報管理方法をコンピュータに実行させるための顧客情報管理プログラムを記録する。

【００３１】この発明に従うと、商品未購入者に対する販売戦略を立てるために、未購入者に関する情報についてのデータベースを作成することのできる顧客情報管理プログラムを記録したコンピュータ読み取り可能な記録媒体を提供することが可能となる。

【００３２】

【発明の実施の形態】次に、本発明の実施の形態を、図面に基づいて説明する。

【００３３】図１は、本発明を利用して情報分析を行なう顧客情報分析システムの全体構成を示したブロック図である。 顧客情報分析システムは、インターネット等のネットワーク１５０に接続された複数の店舗１００と、
複数の店舗１００からの情報を基に分析を行なう情報分析センター２００とで構成される。

【００３４】各店舗１００からは、ネットワーク１５０
を介して、情報分析センター２００に顧客に関する属性等のデータが送信される。 反対に情報分析センター２０
０からは、受信した顧客に関するデータに基づいて行なわれた分析結果が、各店舗１００に送信される。

【００３５】各店舗１００は、それぞれ、本発明に係る顧客情報管理システム１０を有している。 顧客情報管理システム１０は、入口付近、レジ前、および出口付近にそれぞれ設置されたカメラ１０１、１０３、および１０
７と、入口および出口にそれぞれ設置されたセンサ１０
９および１１１と、レジに設置されたＰＯＳ（pointof
sales）端末１０５と、商品データや購入者の属性等が記憶される記憶部（ＤＢ）１１３と、これらを制御する制御部１２０と、を含んでいる。

【００３６】各センサ１０９、１１１は、入口あるいは出口における入店者あるいは退店者を感知する。 各カメラ１０１、１０７は、対応するセンサ１０９、１１１により人が感知されると、その感知された対象となる人を撮像する。 なお、人を感知するのではなく、入口あるいは出口のドアの開閉を感知するようにしてもよい。 レジに設置されたカメラ１０５は、所定のタイミングで、レジで商品を購入する人を撮像する。

【００３７】記憶部１１３は、入店者のデータを一時的に記憶する入場者データベース（図示せず）と、顧客の属性を記憶する顧客データベース（図示せず）とを含んでいる。

【００３８】次に、図２から図６を用いて各店舗１００
に備えられている顧客情報管理システムの制御部１２０
における処理の流れについて説明する。

【００３９】図２は、顧客が店舗に来店した際に、顧客に関する必要な情報が入場者データベース（以下「入場者ＤＢ」と略す）に記録されるまでの処理の流れを示したフローチャートである。 本図を参照して、入口のセンサ１０９により顧客の来店が感知されると、ステップＳ
２０１において、入口付近に設置されたカメラ１０１により顧客の撮像が開始される。 その際、撮影日付および時刻情報も取得される。

【００４０】ステップＳ２０３では、撮影された顧客の画像と、顧客データベース（以下「顧客ＤＢ」と略す）
に記憶されている画像とが比較され、対象となる顧客が常連であるか否かの判定が行なわれる。 具体的には、次のようにして判定される。 すなわち、顧客ＤＢには、各顧客ごとに、過去の一定期間の来店回数が記録されている。 来店回数は、顧客が来店する度にカウントされるものである。 このため来店回数が所定回数以上であれば常連であると判定され、所定回数未満であれば一見であると判定される。 なお、画像の照合には、周知の画像マッチング処理が用いられる。

【００４１】その結果、ステップＳ２０５において、常連であると判断された場合は、ステップＳ２０７の処理へと進む。 ステップＳ２０７では、顧客ＤＢから、対象となる顧客についての来店頻度、すなわち、前回の来店日より何日経過しているかという情報、および商品の購入頻度が読み出される。 そして、ステップＳ２０９において、店員のサービス向上、安全性確保等のためにその常連情報がレジに表示される。 そして、ステップＳ２１
１の処理へと進む。

【００４２】一方、ステップＳ２０５において常連ではない（一見客である）と判断された場合は、直接、ステップＳ２１１の処理へと進む。

【００４３】ステップＳ２１１では、常連または一見客のラベリングが行なわれ、先に顧客ＤＢから読み出された来店頻度、購入頻度の情報が、顔画像と共に入場者Ｄ
Ｂに一時記憶される。

【００４４】このようにして、入口から入店する人を撮像することにより、一時的に入場者ＤＢに入店者の画像情報、常連か一見かの別、来店頻度、購入頻度がストアされることになる。

【００４５】図３は、顧客がレジにおいて商品を購入する際に、顧客の属性が顧客データベース（ＤＢ）に記録されるまでの処理の流れを示したフローチャートである。 本図を参照して、顧客がレジにて商品を購入しようとしている時にレジ担当者が所定のボタンを押すと、その動作とリンクして、ステップＳ３０１において、レジ前のカメラ１０３により顧客の撮像が開始される。 その際、撮影時刻情報も取得される。 なお、撮影は、店員によるボタンの押下により開始されるのではなく、レジ前にセンサを設け、そのセンサからの検知結果により開始されるようにしてもよい。

【００４６】次に、ステップＳ３０３において、入場者ＤＢに記憶されている画像の中から、レジ前カメラ１０
３で撮影した画像とマッチングする人物が抽出される。
該当する人物が抽出されると、その人物に関するデータ（常連か一見かの別、来店頻度、購入頻度）が入場者Ｄ
Ｂから読み出される。 そして、入場者ＤＢからはその人物に関するデータが画像情報とともに削除される。

【００４７】続いて、ステップＳ３０５において、顧客が購入した商品データがＰＯＳ端末１０５から入力され、ステップＳ３０７において、顧客の属性が入力される。 顧客の属性として入力される項目は、性別、年齢層、一人／カップル／家族連れの分類などが考えられる。

【００４８】ここで、顧客の属性は、自動入力されるものと手動入力されるものとがある。 すなわち、撮像された画像に基づいて、画像処理により判断された性別および年齢層は自動入力され、店員により判断された一人／
カップル／家族連れの分類は手動入力される。 性別、年齢層等の、画像処理による判断が容易なものは、一定の基準による画像処理で判断されることで、判断のばらつきが防止される。 また、判断結果が自動入力されるため、店員の入力作業も軽減される。

【００４９】なお、属性判断の具体例としては、たとえば、顧客の画像データを基に身長が判別され、その判別された身長に応じて年齢層を判断するという方法や、画像データからスカートをはいているか否か、化粧をしているか否か、長髪か否か等の容姿を判別し、その判別結果に基づいて性別を判断するという方法などが考えられる。

【００５０】一方、カップルや家族連れ等の分類は、画像処理による判断が困難であると共に人間の感性のばらつきが少ないと考えられるため、手入力される。 ただし、手入力ではなく、画像処理で行なうようにしてもよい。

【００５１】このようにしてステップＳ３０１からステップＳ３０７において必要なデータが取得されると、ステップＳ３０９において、上記取得されたデータを含む顧客に関するデータが、顧客および顧客の画像データに対応付けられて、顧客ＤＢにストアされる。 それと同時に、顧客に関するデータは情報分析センター２００へも送信される。

【００５２】図４は、レジにおいて顧客が商品を購入した際に、情報分析センター２００へ送信されるデータの例を示した図である。 図４に示すように、情報分析センター２００へは、購入者というラベルに対応づけて、常連客か一見客かの別、性別、年齢層、入店日付、入店時刻、退店時刻、来店頻度、購入頻度、購入品等の情報が送信される。 なお、図４（ａ）に示す常連客の場合と異なり、一見客の場合は、図４（ｂ）に示すように、来店頻度および購入頻度に関するデータは送信されない。 情報分析センター２００では、このようにして送信されてきた顧客ごとのデータを集計し必要な分析を行なう。 詳細は後述する。

【００５３】図５は、顧客が退店した際に、顧客の属性が顧客ＤＢに記録されるまでの処理の流れを示したフローチャートである。 本図を参照して、出口のセンサ１１
１により顧客の退店が感知されると、ステップＳ５０１
において、出口付近に設置されたカメラ１０７により顧客の撮像が開始される。 その際、撮影時刻情報も取得される。

【００５４】ステップＳ５０３では、入場者ＤＢに記憶されている画像の中から、撮像された顧客の画像とマッチングする人物の画像が抽出される。 この際、抽出された人物についての情報、常連客か一見客かの別、来店頻度、および購入頻度が読み出される。 そして、一見客に対しては、撮影された画像から画像処理により性別、年齢層等についての属性が判断され自動入力される。

【００５５】なお、入場者ＤＢのデータは、図３において説明したように、レジ前において商品を購入した人物が抽出されると、その人物のデータが全て削除される。
したがって、ここで残っているデータはいずれも、商品を購入していない者のデータであり、抽出された人物も商品を購入せずに退店する人物である。

【００５６】このため、ステップＳ５０５において、対象となる人物の画像には未購入のラベルが付され、他の必要な顧客に関するデータと共に顧客ＤＢに記憶される。 それと同時に、情報分析センター２００へも顧客に関するデータが送信される。

【００５７】図６は、顧客が退店した際に、情報分析センター２００に送信されるデータの例を示した図である。 図６を参照して、情報分析センター２００へは、顧客毎に、未購入者のラベルが付されて必要なデータが送信される。 一見客の場合は、図６（ａ）に示すように、
性別等の属性や入店日付等の情報が関連付けて送信され、常連客の場合は、図６（ｂ）に示すように、さらに来店頻度、過去の購入品等の既知のデータが送信される。

【００５８】このようにして、情報分析センター２００
に図４および図６で示したような顧客毎の属性、購入品等のデータが送信されると、情報分析センター２００では以下に示すようなデータの集計が行なわれる。

【００５９】図７および図８に、情報分析センター２０
０におけるデータ集計により作成される表を示す。 なお、このようなデータ集計による表は、情報分析センター２００のみならず、各店舗１００における顧客ＤＢに基づいて作成することもできる。

【００６０】図７は、情報分析センター２００により作成される、顧客の属性に対する購入／未購入の別、および購入品目等の一覧表（表１）の例を示した図である。
ここでは、項目として、顧客の属性である性別および年齢層に、常連客か一見客かの別が挙げられており、これに対する購入者、未購入者それぞれについての所定の情報が示される。

【００６１】たとえば、常連客であり商品を購入した者の欄には、７ａに示すように、ある一定期間にカウントされた人数、購入品目、来店時間分布、滞在時間分布、
来店頻度分布等が表示されることになる。 そして、常連客であり、商品を購入しなかった者の欄には、７ｂに示すように、ある一定期間の人数、過去の購入品目、来店時間分布、滞在時間分布、来店頻度分布等が表示される。 また、一見客については、商品を購入した者の欄には、７ｃに示すように、人数、購入品目、来店時間分布、滞在時間分布等が表示され、商品を購入しなかった者の欄には、７ｄに示すように、人数、来店時間分布、
滞在時間分布等が表示される。

【００６２】このような形で集計結果が表示された一覧表が情報分析センター２００から各店舗１００に送信されると、これを受けたユーザは、この一覧表を見て必要な情報を得ることができる。

【００６３】なお、後述するようなデータ分析を行なう際には、図７に示す表１と同じ項目分けをした表であって、各欄に示されるデータのみが異なるものが使用される。 すなわち各欄には、７ａ〜７ｄで示したような内容が表示されるのではなく、分析に必要な、該当する顧客の人数（ある一定期間にカウントされた人数）のみが表示される。

【００６４】図８は、情報分析センター２００により作成される、購入品目に対する顧客の属性、購入時間等の一覧表（表２）の例を示した図である。 本図を参照して、ここでは、各商品ごとに、該当する購入時間と購入者の属性の欄に数量が示される。 したがって、この表２
からは、購入数の多い商品を購入した顧客の属性および購入時間を知ることができる。 また、属性ごとに、購入数の多い商品名を知ることもできる。 そして、商品名とこれを購入した顧客の属性との関係を販売促進等に活かすことが可能となる。

【００６５】次に、情報分析センター２００において、
図７および図８に示した表に基づきデータ分析を行なう例について、図９から図１４を用いて説明する。

【００６６】図９は、未購入者層に注目して、店舗毎に新規取り扱いを勧める商品を分析する第１の分析手順を示したフローチャートである。 本図を参照して、情報分析センター２００では、複数の店舗１００から送信されてきたデータを集計し、まず、図８に示した表２に対応するデータテーブルを作成する（ステップＳ９０１）。
次に、対象となる店舗のみのデータから、図７に示した表１に対応するデータテーブルを作成し、この表１のデータテーブルから、未購入者の多い属性を抽出するする（ステップＳ９０３）。 なお、ここでいう表１は、図７
の説明の際に述べた、各欄に人数のみが記されたものである（以下、同様）。

【００６７】そして、先に作成された表２に対応するデータテーブルから、ステップＳ９０３で抽出された属性を持った顧客層がよく購入する商品を抽出する（ステップＳ９０５）。 つまり、対象となる店舗における未購入者層と同じ属性の購入者層が他店舗において購入している商品を抽出する。 そして、これを新規お勧め商品として提示する（ステップＳ９０７）。 これにより、対象となる店舗の未購入者層を購入者へとシフトさせることが可能となる。

【００６８】各店舗ごとに上記分析を行なうことにより、それぞれの店舗に対する新規取り扱いお勧め商品が抽出される。 そして、本図に示すように、抽出結果を一覧表として表示する。 この表の提示を受けたユーザは、
これを基に、新規取り扱い商品の検討を行なうことができる。

【００６９】次に、未購入者層に注目して、店舗毎に新規取り扱いを勧める商品を分析する第２の分析手順のフローチャートを図１０に示す。 本図を参照して、情報分析センター２００では、複数の店舗１００から送信されてきたデータの中から、まず、対象となる店舗についての集計を行ない、図７に示した表１に対応するデータテーブルを作成する。 そして、この表１のデータテーブルから、その店舗における未購入者の多い属性を抽出するする（ステップＳ１００１）。

【００７０】次に、対象となる店舗のデータから、図８
に示した表２に対応するデータテーブルを作成する（ステップＳ１００３）。 この表２のデータテーブルから、
ステップＳ１００１で抽出された属性を持った顧客が購入している商品名および販売数量を抽出する（ステップＳ１００５）。

【００７１】続いて、ステップＳ１００１で抽出された属性を持った顧客数が多い対象店舗以外の店舗を抽出する（ステップＳ１００７）。 そして、その店舗について表２に対応するデータテーブルを作成し、そのデータテーブルから、上記抽出された属性を持った顧客が購入している商品名と販売数量を抽出する（ステップＳ１００
９）。

【００７２】次に、ステップＳ１００９で抽出された商品（およびその販売数量）と、ステップＳ１００５で抽出された商品（およびその販売数量）との差をとる。 そして、ステップＳ１００９で抽出された商品であって、
ステップＳ１００５では抽出されない商品のうち、ある一定数量以上の商品を抽出する（ステップＳ１０１
１）。 そして、この抽出された商品を、対象となる店舗における新規の取り扱いお勧め品として表示する（ステップＳ１０１３）。

【００７３】以上の処理の流れを要約すると、次のようになる。 まず、対象となる店舗における未購入者層と同じ属性の購入者層が多い他の店舗が抽出され、その店舗における、前記属性を有する購入者層が購入した商品が抽出される。 そして、抽出された商品のうち、対象店舗で扱っている商品を除いたものが新規お勧め商品として提示される。 これにより、対象店舗の未購入者層が購入する確率の高い商品が取り扱いお勧め品とされるため、
未購入者層を購入者層へとシフトさせることが可能となる。 しかも、対象店舗で既に取り扱っている商品は再び取り扱いお勧め品として提示されることはないため、より的確な表示内容となる。

【００７４】このような分析が各店舗ごとに行なわれ、
それぞれの店舗に対する新規取り扱いお勧め商品が抽出される。 そして、本図に示すように、抽出結果が一覧表として表示される。 この表の提示を受けたユーザは、これを基に、新規取り扱い商品の検討を行なうことができる。

【００７５】次は逆に、取り扱い中止を勧める商品を店舗ごとに分析する例について説明する。 図１１は、店舗毎に取り扱い中止を勧める商品を分析する手順を示したフローチャートである。 本図を参照して、情報分析センター２００では、複数の店舗１００から送信されてきたデータの中から、まず、対象となる店舗についての集計を行ない、図８に示した表２に対応するデータテーブルを作成する。 （ステップＳ１１０１）。 次に、全ての店舗１００のデータについての集計を行ない、同じく表２
に対応するデータテーブルを作成する（ステップＳ１１
０３）。

【００７６】そして、ステップＳ１１０１で作成された表（対応するデータテーブル）から、販売数量がある一定数以下の商品が抽出される。 そして、該当する商品のうち、ステップＳ１１０３において作成された表（対応するデータテーブル）においても、販売数量が所定量以下である商品のみが抽出される。 このようにして、抽出された商品が、対象となる店舗の取り扱い中止お勧め商品として表示されることになる（ステップＳ１１０
５）。

【００７７】上記分析が各店舗毎に行なわれることにより、全店舗に対して、本図に示すように、取り扱い中止お勧め商品の一覧表が作成されることになる。

【００７８】このように、全店舗におけるデータ集計結果が参照されることにより、各店舗毎の取り扱い中止を勧める商品が、適切に抽出されることになる。

【００７９】次に、一見客を常連客へとシフトさせるための分析例について説明する。 図１２は、常連／一見客の別に注目して、店舗毎に新規取り扱いを勧める商品を分析する第１の分析手順を示したフローチャートである。

【００８０】本図を参照して、情報分析センター２００
では、複数の店舗１００から送信されてきたデータの中で、対象となる店舗のデータを集計し、図７に示した表１に対応するデータテーブルを作成する。 そして、このデータテーブルから常連客の少ない属性を抽出する（ステップＳ１２０１）。

【００８１】次に、対象となる店舗以外の店舗についても各店舗毎に、表１に対応するデータテーブルを作成する。 そして、この作成された表１のデータテーブルを基にして、ステップＳ１２０１で抽出した属性を有する常連客の多い店舗を抽出する（ステップＳ１２０３）。 そして、抽出した店舗の常連客がよく購入する商品名を抽出する（ステップＳ１２０５）。

【００８２】このようにして、抽出された商品が、対象店舗のお勧め商品として表示される（ステップＳ１２０
７）。 上記分析を各店舗毎に行なうことにより、全ての店舗について、新規取り扱いのお勧め品を提示することができる。

【００８３】図１３は、常連／一見客の別に注目して、
店舗毎に新規取り扱いを勧める商品を分析する第２の分析手順を示したフローチャートである。 本図を参照して、情報分析センター２００では、複数の店舗１００から送信されてきたデータを集計し、まず、図８に示した表２に対応するデータテーブルを作成する（ステップＳ
１３０１）。 次に、対象となる店舗のみのデータから、
図７に示した表１に対応するデータテーブルを作成し、
この表１のデータテーブルから、常連の未購入者が多い属性を抽出する。 （ステップＳ１３０３）。

【００８４】そして、先に作成された表２に対応するデータテーブルから、ステップＳ１３０３で抽出された属性を持った顧客層がよく購入する商品を抽出する（ステップＳ１３０５）。 つまり、対象となる店舗における常連かつ未購入者の多い層と同じ属性を持つ顧客層がよく購入する商品を抽出し、これをお勧め商品として提示する（ステップＳ１３０７）。 これにより、対象となる店舗の常連かつ未購入者層の顧客層を購入者層へとシフトさせることができる。

【００８５】以上の処理を各店舗ごとに行なうことにより、それぞれの店舗に対する新規取り扱いお勧め商品が抽出される。 そして、本図に示すように、抽出結果を一覧表として表示する。 この表の提示を受けたユーザは、
これを基に、常連客の購入頻度が高くなる可能性のある新規取り扱い商品についての検討を行なうことができる。

【００８６】次に、常連／一見客に注目して、店舗毎に新規取り扱いを勧める商品を分析する第３の分析手順のフローチャートを図１４に示す。 本図を参照して、情報分析センター２００では、複数の店舗１００から送信されてきたデータの中から、まず、対象となる店舗についての集計を行ない、図７に示した表１に対応するデータテーブルを作成する。 そして、この表１のデータテーブルから、その店舗における常連の未購入者が多い属性を抽出する。 （ステップＳ１４０１）。

【００８７】次に、対象となる店舗のデータから、図８
に示した表２に対応するデータテーブルを作成する（ステップＳ１４０３）。 この表２のデータテーブルから、
ステップＳ１４０１で抽出された属性を持った顧客が購入している商品名および販売数量を抽出する（ステップＳ１４０５）。

【００８８】続いて、ステップＳ１４０１で抽出された属性を持った顧客数が多い対象店舗以外の店舗を抽出する（ステップＳ１４０７）。 そして、その店舗について表２に対応するデータテーブルを作成し、そのデータテーブルから、上記抽出された属性を持った顧客が購入している商品名と販売数量を抽出する（ステップＳ１４０
９）。

【００８９】次に、ステップＳ１４０９で抽出された商品（およびその販売数量）と、ステップＳ１４０５で抽出された商品（およびその販売数量）との差をとる。 そして、ステップＳ１４０９で抽出された商品であって、
ステップＳ１４０５では抽出されない商品のうち、ある一定数量以上の商品を抽出する（ステップＳ１４１
１）。 そして、この抽出された商品を、対象となる店舗における新規の取り扱いお勧め商品として表示する（ステップＳ１４１３）。

【００９０】以上の処理の流れを要約すると、次のようになる。 まず、対象となる店舗における常連かつ未購入者層の多い属性と同じ属性の購入者数が多い他の店舗が抽出され、その店舗における、前記属性を有する購入者層が購入した商品が抽出される。 そして、抽出された商品のうち、対象店舗で扱っている商品を除いたものが新規お勧め商品として提示される。 これにより、対象店舗の常連かつ未購入者層が購入する確率の高い商品が取り扱いお勧め品とされる。 よって、常連かつ未購入者層の顧客を購入者層へとシフトさせることが可能となる。 しかも、対象店舗で既に取り扱っている商品は再び取り扱いお勧め品として提示されることはないため、より的確な表示内容となる。

【００９１】このような分析が各店舗ごとに行なわれ、
それぞれの店舗に対する新規取り扱いお勧め商品が抽出される。 そして、本図に示すように、抽出結果が一覧表として表示される。 この表の提示を受けたユーザは、これを基に、常連客であるのに商品を余り購入しない顧客層を、よく商品を購入する顧客層へとシフトさせるための新規取り扱い商品の検討を行なうことができる。

【００９２】今回示した顧客情報管理（および情報分析）の方法は、上述した一連の処理動作を機能させるためのプログラムによって実現されることができる。 顧客情報管理プログラムは、予め顧客情報管理システムあるいは情報分析センターのコンピュータ内のハードディスクにインストールされたものであってもよいし、ＣＤ−
ＲＯＭ、磁気テープのような取り外し可能な記録媒体に記録されたものであってもよい。 いずれにせよ、顧客情報管理プログラムはコンピュータ読み取り可能な記録媒体に記録されている。

【００９３】なお、コンピュータ読み取り可能な記録媒体としては、磁気テープやカセットテープなどのテープ系、磁気ディスク（フレキシブルディスク、ハードディスク装置等）や光ディスク（ＣＤ−ＲＯＭ／ＭＯ／ＭＤ
／ＤＶＤ等）などのディスク系、ＩＣカード（メモリカードを含む）や光カードなどのカード系、あるいはマスクＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭ、フラッシュＲＯ
Ｍなどの半導体メモリ等の、固定的にプログラムを担持する媒体が考えられる。

【００９４】また、ネットワークからプログラムがダウンロードされるように、流動的にプログラムを担持する媒体であってもよい。

【００９５】なお、記録媒体に格納される内容としては、プログラムに限定されず、データであってもよい。

【００９６】なお、図９および図１３においては、対象となる店舗における購入の有無とは関係なく、全ての店舗データを基に作成された図８の表２（対応するデータテーブル）から新規お勧め商品が抽出されている。 しかし、このような分析手順に限定されるものではなく、たとえば、図１０または図１４で示したように、対象店舗における購入品との差から新規お勧め商品を抽出するようにしてもよい。 すでに、対象店舗で販売されている商品が新規お勧め商品から除かれることにより、真に必要な品目のみが表示されることになり、より効率的な提示を行なうことができる。

【００９７】また逆に、図１０および図１４において、
対象店舗における購入品との差をとらないようにしてもよい。 すなわち、図９または図１３で示したように、所定の属性を持った顧客数の多い店舗においてその顧客層が多く購入する商品を、そのまま新規お勧め商品として提示するようにしてもよい。 このようにすることで、より容易な分析でもって、適切な取り扱いお勧め商品を抽出することが可能となる。

【００９８】なお、図９から図１４で示した分析方法は、適切に使い分けられる。 たとえば、各店舗１００のユーザからの要求により、選択された分析方法が情報分析センター２００において実行される。

【００９９】また、今回示した実施の形態では、いずれも情報分析センター２００においてデータ分析が行なわれる場合を示したが、各店舗ごとに、必要な分析を行なうようにしてもよい。

【０１００】なお、図３および図５においては、顧客Ｄ
Ｂに記憶されるデータは、撮像された顧客の画像データと図４および図６で示した情報分析センター２００へ送信される顧客に関するデータとが含まれていた。 しかし、各店舗においてデータ分析を行なうのでない場合は、顧客に関するデータ全てを記憶させる必要はない。
したがって、入店時あるいは退店時に顧客の画像マッチング等を行なうのに必要なデータのみを記憶させるようにしてもよい。

【０１０１】さらに、今回は、カメラにより撮像された顧客の画像データが属性等と対応付けられて、そのまま入場者ＤＢおよび顧客ＤＢにストアされる場合を示した。 しかし、このような場合に限られず、顧客の特徴を示すデータ（特徴データ）を画像データに代わってストアするようにしてもよい。 特徴を示すデータとは、画像マッチングの際に必要なデータであって、顧客の画像データから抽出されるものである。

【０１０２】特徴データを顧客に対応付けて記録することにより、画像全体を記録する場合よりも使用するメモリ容量を小さくすることができる。 したがって、顧客Ｄ
Ｂの効率的な利用が可能となる。 また、特徴データに基づきマッチングが行なわれるため、より的確なマッチング処理を行なうことが可能となる。 さらに、特徴データからは顧客の顔画像を復元することができないため、プライバシーの保護をも図ることができる。

【０１０３】また、今回示した実施の形態においては、
図１に示したように、顧客の撮像を行なう場所を入口、
レジ、出口の３ヶ所としている。 しかし、店舗滞在時間の把握が必要でない場合は、入口とレジ、あるいは、レジと出口の２ヵ所で顧客の撮像を行なうようにしてもよい。

【０１０４】２ヵ所の撮像により画像のマッチングが行なわれ、必要な他の情報を得ることはできる。 すなわち、入口とレジとで撮像を行なう場合は、未購入者の特定は、入場者ＤＢに記憶されている時間により行うことができる。 レジにおいて商品を購入した顧客の情報は、
入場者ＤＢから削除されていくため、ある一定時間残っている顧客を未購入者とみなすことができる。 また、レジと出口とで撮像を行なう場合は、出口から顧客が退店する際、その顧客がレジにおいて商品を購入した顧客のいずれとも一致しない場合に、未購入者とみなすことができる。

【０１０５】このように、２ヵ所における撮像とするとにより、容易な構成でもって顧客情報を管理および分析することができる。

【０１０６】なお、図２のステップＳ２０３等で示したように、今回示した実施の形態では、過去の一定期間内の来店回数に応じて常連客か一見客かを判断している。
このように、常連客か一見客かのいずれかに判断する場合に限られず、常連客の中、あるいは一見客の中でも来店頻度の高さに応じて、レベルを設けてもよい。

【０１０７】今回開示された実施の形態はすべての点で例示であって、制限的なものではないと考えるべきである。 本発明の範囲は、上記した説明ではなく特許請求の範囲によって示され、特許請求の範囲と均等の意味及び範囲内ですべての変更が含まれることが意図される。

【図面の簡単な説明】

【図１】 本発明を利用して情報分析を行なう顧客情報分析システムの全体構成を示したブロック図である。

【図２】 顧客が店舗に来店した際に、顧客に関する必要な情報が入場者データベースに記録されるまでの処理の流れを示したフローチャートである。

【図３】 顧客がレジにおいて商品を購入する際に、顧客の属性が顧客データベースに記録されるまでの処理の流れを示したフローチャートである。

【図４】 レジにおいて顧客が商品を購入した際に、情報分析センター２００へ送信されるデータの例を示した図である。

【図５】 顧客が退店した際に、顧客の属性が顧客ＤＢ
に記録されるまでの処理の流れを示したフローチャートである。

【図６】 顧客が退店した際に、情報分析センター２０
０に送信されるデータの例を示した図である。

【図７】 情報分析センター２００により作成される、
顧客の属性に対する購入／未購入の別、および購入品目等の一覧表の例を示した図である。

【図８】 情報分析センター２００により作成される、
購入品目に対する顧客の属性、購入時間等の一覧表の例を示した図である。

【図９】 未購入者層に注目して、店舗毎に新規取り扱いを勧める商品を分析する第１の分析手順を示したフローチャートである。

【図１０】 未購入者層に注目して、店舗毎に新規取り扱いを勧める商品を分析する第２の分析手順を示したフローチャートである。

【図１１】 店舗毎に取り扱い中止を勧める商品を分析する手順を示したフローチャートである。

【図１２】 常連／一見客の別に注目して、店舗毎に新規取り扱いを勧める商品を分析する第１の分析手順を示したフローチャートである。

【図１３】 常連／一見客の別に注目して、店舗毎に新規取り扱いを勧める商品を分析する第２の分析手順を示したフローチャートである。

【図１４】 常連／一見客に注目して、店舗毎に新規取り扱いを勧める商品を分析する第３の分析手順のフローチャートを示した図である。

【符号の説明】

１０ 情報分析システム、１００ 店舗、１０１，１０
３，１０７ カメラ、１０５ ＰＯＳ端末、１０９，１
１１ センサ、１１３ 記憶部（ＤＢ）、１２０ 制御部、２００ 情報分析センター。