JP2015146145A - 顧客分析プログラム、顧客分析方法、及び顧客分析装置 - Google Patents

Abstract

【課題】 時期のトレンドを考慮した顧客分析が可能な顧客分析プログラム、顧客分析方法、及び顧客分析装置を提供する。
【解決手段】 顧客分析プログラムは、期間の指定を分析対象期間とする指示、または、現在もしくは過去の時点からの所定期間を分析対象期間とする指示と、分析対象の店の購買履歴データとを受け付け、指示された前記分析対象期間における複数の店の購買履歴データに基づいて生成された顧客グループのうち、所定の類似関係を有する全ての顧客グループを含む統合顧客グループと、前記分析対象の店の購買履歴データに基づいて生成された顧客グループとの比較結果を出力する、処理をコンピュータに実行させるプログラムである。
【選択図】図１５Ａ

Description

本件は、顧客分析プログラム、顧客分析方法、及び顧客分析装置に関する。

例えば百貨店や量販店（以下、「販売店」と表記）は、来店した顧客を分析し、分析結果を、商品施策や売り場施策などの経営戦略に活用する。顧客分析は、例えば、顧客を年齢、性別、及び住所などに基づいて複数のグループに分類したり、顧客の購買情報（商品のブランド、金額、頻度など）などに基づいて複数のグループに分類することにより行われる。

分析手段に関し、例えば特許文献１には、人物の行動パタンを分析する点が記載されている。また、特許文献２には、選択可能な項目をグループ分けする点が記載されている。

特開２０１３−１３１１７０号公報 特開２０１１−２８５３４号公報

しかし、顧客分析により得られた顧客グループの情報は、例えば、当該販売店が存在する地域の人口統計や商業関連の統計などの一般的な公開情報との比較分析に用いられることはあっても、複数の他の販売店に関する分析結果との比較分析に用いられることはない。したがって、他の販売店の顧客分析結果を用いた、詳細な顧客グループの比較分析が望まれている。

さらに、比較分析は、顧客の購買内容に関し、時期のトレンドを考慮して行われることが望ましい。なお、この問題は、商品を販売する販売店に限られず、例えば飲食店のように特定のサービスを提供する店についても、同様に存在する。

一つの側面では、本発明は、時期のトレンドを考慮した顧客分析が可能な顧客分析プログラム、顧客分析方法、及び顧客分析装置を提供することを目的とする。

一つの態様では、顧客分析プログラムは、期間の指定を分析対象期間とする指示、または、現在もしくは過去の時点からの所定期間を分析対象期間とする指示と、分析対象の店の購買履歴データとを受け付け、指示された前記分析対象期間における複数の店の購買履歴データに基づいて生成された顧客グループのうち、所定の類似関係を有する全ての顧客グループを含む統合顧客グループと、前記分析対象の店の購買履歴データに基づいて生成された顧客グループとの比較結果を出力する、処理をコンピュータに実行させる。

他の態様では、顧客分析プログラムは、期間の指定を分析対象期間とする指示、または、現在もしくは過去の時点からの所定期間を分析対象期間とする指示と、分析対象の店の購買履歴データとを受け付け、指示された前記分析対象期間における複数の店の購買履歴データに基づいて生成された顧客グループのうち、所定の類似関係を有する全ての顧客グループを含む統合顧客グループに含まれる各顧客グループを、各顧客グループの基礎とされた前記購買履歴データが示す時期と対応付けて記憶した記憶部を参照して、前記統合顧客グループのうち、指定された前記分析対象期間に含まれる時期の前記購買履歴データを基礎とする統合顧客グループを抽出し、抽出した前記統合顧客グループと、前記分析対象の店の購買履歴データに基づいて生成された顧客グループとの比較結果を出力する、処理を、コンピュータに実行させる。

一つの態様では、顧客分析方法は、期間の指定を分析対象期間とする指示、または、現在もしくは過去の時点からの所定期間を分析対象期間とする指示と、分析対象の店の購買履歴データとを受け付ける工程と、
指示された前記分析対象期間における複数の店の購買履歴データに基づいて生成された顧客グループのうち、所定の類似関係を有する全ての顧客グループを含む統合顧客グループと、前記分析対象の店の購買履歴データに基づいて生成された顧客グループとの比較結果を出力する工程とを、コンピュータが実行する。

他の態様では、顧客分析方法は、期間の指定を分析対象期間とする指示、または、現在もしくは過去の時点からの所定期間を分析対象期間とする指示と、分析対象の店の購買履歴データとを受け付ける工程と、指示された前記分析対象期間における複数の店の購買履歴データに基づいて生成された顧客グループのうち、所定の類似関係を有する全ての顧客グループを含む統合顧客グループに含まれる各顧客グループを、各顧客グループの基礎とされた前記購買履歴データが示す時期と対応付けて記憶した記憶部を参照して、前記統合顧客グループのうち、指定された前記分析対象期間に含まれる時期の前記購買履歴データを基礎とする統合顧客グループを抽出する工程と抽出した前記統合顧客グループと、前記分析対象の店の購買履歴データに基づいて生成された顧客グループとの比較結果を出力する工程とを、コンピュータが実行する。

一つの態様では、顧客分析装置は、期間の指定を分析対象期間とする指示、または、現在もしくは過去の時点からの所定期間を分析対象期間とする指示と、分析対象の店の購買履歴データとを受け付ける受付処理部と、指示された前記分析対象期間における複数の店の購買履歴データに基づいて生成された顧客グループのうち、所定の類似関係を有する全ての顧客グループを含む統合顧客グループと、前記分析対象の店の購買履歴データに基づいて生成された顧客グループとの比較結果を出力する出力処理部とを有する。

他の態様では、顧客分析装置は、期間の指定を分析対象期間とする指示、または、現在もしくは過去の時点からの所定期間を分析対象期間とする指示と、分析対象の店の購買履歴データとを受け付ける受付処理部と、指示された前記分析対象期間における複数の店の購買履歴データに基づいて生成された顧客グループのうち、所定の類似関係を有する全ての顧客グループを含む統合顧客グループに含まれる各顧客グループを、各顧客グループの基礎とされた前記購買履歴データが示す時期と対応付けて記憶した記憶部と、前記記憶部を参照して、前記統合顧客グループのうち、指定された前記分析対象期間に含まれる時期の前記購買履歴データを基礎とする統合顧客グループを抽出、抽出した前記統合顧客グループと、前記分析対象の店の購買履歴データに基づいて生成された顧客グループとの比較結果を出力する出力処理部とを有する。

時期のトレンドを考慮した顧客分析ができる。

顧客分析システムの一例を示す構成図である。 端末装置の一例を示す構成図である。 購買履歴データ及び顧客データの一例を示す表である。 顧客分析装置を示す構成図である。 第１実施例に係る顧客分析装置の機能構成の一例を示す構成図である。 ユニバーサルクラスタデータベース及び個社クラスタデータベースの例を示す表である。 第１実施例に係る顧客分析プログラムのフローチャートである。 クラスタ生成用データ及びクラスタ生成用３次元座標の一例を示す図である。 比較対象クラスタの生成処理を示すフローチャートである。 比較対象クラスタの生成例を示す図である。 類似判定処理に用いられる指標の例を示す表である。 指標の変化特性を示すグラフである。 クラスタの類似性の判定例を示す表である。 比較対象クラスタの一例を示す表である。 第１実施例におけるクラスタの比較分析処理のフローチャートである。 ユニバーサルクラスタの構築処理のフローチャートである。 比較分析処理により得られる分析結果の出力例を示す図である。 個社クラスタと比較対象クラスタの差異の出力例を示す表である。 顧客分析例１における顧客分析処理前のクラスタを示す図である。 分析対象の百貨店の個社クラスタ及び比較対象クラスタを示す図である。 類似性を有する個社クラスタ及び比較対象クラスタを示す図である。 第２実施例に係る顧客分析装置の機能構成の一例を示す構成図である。 第２実施例に係る顧客分析プログラムのフローチャートである。 ユニバーサルクラスタの抽出例を示す図である。 第２実施例におけるクラスタの比較分析処理のフローチャートである。 顧客分析例２におけるクラスタの比較分析処理の結果を示す図である。 顧客分析例２における類似性を有する個社クラスタ及びユニバーサルクラスタを示す図である。 顧客分析例２におけるユニバーサルクラスタ及びユニバーサルクラスタ候補の変更処理を示す図である。 顧客分析例２における顧客分析処理後のクラスタを示す図である。

図１は、顧客分析システムの一例を示す構成図である。顧客分析システムは、顧客分析装置１と、百貨店Ａ〜Ｘにそれぞれ設置された端末装置２とを有する。端末装置２は、例えばパーソナルコンピュータなどのコンピュータ装置であり、インターネットなどのネットワークＮＷを介して、顧客分析装置１に接続されている。なお、顧客分析装置１は、ネットワークＮＷに接続されていない状態（オフライン状態）でも、格納済みのデータを用いて顧客分析処理を実行することは可能である。

顧客分析装置１は、例えば、サーバ装置などのコンピュータ装置であり、顧客分析サービスを提供する。顧客分析装置１は、端末装置２から各種のデータを取集することにより、各百貨店Ａ〜Ｘの顧客を分析し、各百貨店Ａ〜Ｘの顧客の分析結果を当該端末装置２に送信する。

より具体的には、顧客分析装置１は、複数の百貨店の購買履歴データに基づく顧客グループのうち、指定期間に応じた類似の顧客グループが属する統合顧客グループと、分析対象の百貨店Ｘの顧客グループとを比較して、比較結果を百貨店Ｘの端末装置２に送信する。これにより、顧客分析装置１は、時期のトレンドを考慮した顧客分析を行う。

本実施例において、顧客分析装置１は、百貨店Ｘを分析対象とし、百貨店Ｘの顧客を、他の百貨店Ａ，Ｂ，Ｃ，・・・の分析結果に基づいて構築されたデータベースを用いて分析する。なお、顧客分析装置１の分析対象は、百貨店Ｘに限定されず、量販店、コンビニエンスストア、及び自動車のディーラーなどの他種の販売店や、例えば飲食店のように、顧客に特定のサービスを提供する店であってもよい。

図２は、端末装置２の一例を示す構成図である。端末装置２は、ＣＰＵ（Central Processing Unit）２０、ＲＯＭ（Read Only Memory）２１、ＲＡＭ（Random Access Memory）２２、ＨＤＤ（Hard Disk Drive）２３、及び通信処理部２４を備える。端末装置２は、さらに、可搬型記憶媒体用ドライブ２５、入力処理部２６、及び画像処理部２７などを備えている。

ＣＰＵ２０は、演算処理手段であり、顧客分析装置１とデータを送受信するための通信処理プログラム（ソフトウェア）に従って動作する。ＣＰＵ２０は、各部２１〜２７とバス２８を介して接続されている。なお、端末装置２は、ソフトウェアにより動作するものに限定されず、ＣＰＵ２０に代えて、特定用途向け集積回路などのハードウェアが用いられてもよい。

ＲＡＭ２２は、ＣＰＵ２０のワーキングメモリとして用いられる。また、ＲＯＭ２１及びＨＤＤ２３は、プログラムなどを記憶する記憶手段として用いられる。ＨＤＤ２３は、さらに、百貨店Ａ〜Ｘにおける顧客（当該百貨店に会員登録された客）の購買履歴を示す購買履歴データ２３０と、百貨店Ａ〜Ｘの顧客の属性を示す顧客データ２３１とを格納する。

図３には、購買履歴データ２３０（図３（ａ）参照）及び顧客データ２３１（図３（ｂ）参照）の一例が示されている。購買履歴データ２３０は、「店名」情報と、「部門」情報と、「ブランド名」情報と、「買上日」情報と、「買上時間」情報と、「顧客ＩＤ」とを含む。

「店名」情報は、百貨店Ａ〜Ｘの識別情報である。なお、「店名」情報は、百貨店Ａ〜Ｘごとに、各欄で共通であり、顧客分析装置１が百貨店Ａ〜Ｘを区別するために用いる。

「部門」情報は、購買が行われた商品の部門を示す。「ブランド名」情報は、購買された商品のブランド名（ブランドＡ，Ｂなど）を示す。「買上日」情報及び「買上時間」情報は、購買が行われた日付及び時刻をそれぞれ示す。「顧客ＩＤ」は、顧客の識別番号であり、例えば顧客の会員番号である。なお、「ブランド名」情報は、一例であり、これに代えて、購買された商品名を示す「商品名」情報、商品が購買されたフロア名を示す「フロア名」情報、または、商品以外のサービス名を示す「サービス名」情報などが用いられてもよい。

顧客データ２３１は、「顧客ＩＤ」、「年齢」情報、「性別」情報、及び「郵便番号」を含む。「顧客ＩＤ」は、上述した顧客ＩＤに対応する。「年齢」情報は、当該顧客の年齢を示す。なお、「年齢」情報は、図３（ｂ）に示されるような具体的な年齢ではなく、一定幅の年齢層（例えば、１０代、２０代、・・・など）として示されてもよい。

「性別」情報は、当該顧客の性別を示す。「郵便番号」は、当該顧客の居住地区の郵便番号を示す。なお、「郵便番号」に代えて、当該顧客の住所、または住所の一部が用いられてもよい。

ＣＰＵ２０は、購買履歴データ２３０及び顧客データ２３１をＨＤＤ２３から読み出して、通信処理部２４に出力する。通信処理部２４は、例えばネットワークカードであり、ネットワークＮＷを介して、顧客分析装置１などと通信する通信手段である。

可搬型記憶媒体用ドライブ２５は、可搬型記憶媒体２５０に対して、情報の書き込みや情報の読み出しを行う装置である。可搬型記憶媒体２５０の例としては、ＵＳＢメモリ（USB: Universal Serial Bus）、ＣＤ−Ｒ（Compact Disc Recordable）、及びメモリカードなどが挙げられる。なお、通信処理プログラムは、可搬型記憶媒体２５０に格納されてもよい。

端末装置２は、情報の入力操作を行うための入力デバイス２６０、及び、画像を表示するためのディスプレイ２７０を、さらに備える。入力デバイス２６０は、キーボード及びマウスなどの入力手段であり、入力された情報は、入力処理部２６を介してＣＰＵ２０に出力される。例えば、ＣＰＵ２０は、ユーザが入力デバイス２６０により入力操作した分析対象期間の指定情報が入力される。

分析対象期間は、顧客分析装置１において、購買履歴データ２３０に基づいて生成された顧客グループ情報（後述する個社クラスタ）の比較対象として使用される顧客グループ情報（後述する比較対象クラスタ及びユニバーサルクラスタ）の期間である。分析対象期間は、特定の期間（２０１０年など）、または、現在もしくは過去の時点からの所定期間（２０１１年以降や２００９年以前など）として指定（指示）される。このように、端末装置２から、分析対象期間の指定が行われるので、顧客分析装置１は、時期のトレンドを考慮した顧客分析を行うことができる。なお、分析対象期間の指定は、顧客分析装置１において行われてもよい。

ディスプレイ２７０は、液晶ディスプレイなどの画像表示手段であり、表示される画像データは、ＣＰＵ２０から画像処理部２７を介してディスプレイに出力される。なお、入力デバイス２６０及びディスプレイ２７０に代えて、これらの機能を備えるタッチパネルなどのデバイスを用いることもできる。

ＣＰＵ２０は、ＲＯＭ２１、またはＨＤＤ２３などに格納されているプログラム、または可搬型記憶媒体用ドライブ２５が可搬型記憶媒体２５０から読み取ったプログラムを実行する。このプログラムには、ＯＳ（Operating System）だけでなく、上記の通信処理プログラムも含まれる。なお、通信処理プログラムは、通信処理部２４を介してダウンロードされたものであってもよい。

ＣＰＵ２０は、通信処理プログラムが実行されると、例えば入力処理部２６を介して入力された購買履歴データ２３０及び顧客データ２３１をＨＤＤ２３に書き込む。なお、購買履歴データ２３０及び顧客データ２３１の入力手段は、入力処理部２６に限定されない。購買履歴データ２３０及び顧客データ２３１は、同一の百貨店Ａ〜Ｘ内の他のコンピュータ装置から通信処理部２４を介して入力されてもよいし、可搬型記憶媒体２５０から可搬型記憶媒体用ドライブ２５を介して入力されてもよい。

また、ＣＰＵ２０は、例えば、顧客分析装置１からの要求を受けたとき、または入力デバイス２６０で所定の入力操作が行われたとき、購買履歴データ２３０及び顧客データ２３１をＨＤＤ２３から読み出して、顧客分析装置１に送信する。また、ＣＰＵ２０は、入力デバイス２６０で分析対象期間の入力操作が行われたとき、分析対象期間の指定情報を顧客分析装置１に送信する。さらに、ＣＰＵ２０は、顧客分析装置１から、顧客分析結果を示すデータを受信したとき、ＨＤＤ２３などの記憶手段に書き込み、ディスプレイ２７０に表示する。なお、分析対象期間の指定は、入力デバイス２６０に限定されず、通信処理部２４により、ネットワークを介して行われてもよい。

図４は、顧客分析装置１を示す構成図である。顧客分析装置１は、ＣＰＵ１０、ＲＯＭ１１、ＲＡＭ１２、ＨＤＤ１３、通信処理部１４、可搬型記憶媒体用ドライブ１５、入力処理部１６、及び画像処理部１７などを備えている。

ＣＰＵ１０は、演算処理手段であり、顧客分析プログラム（ソフトウェア）に従って、後述する顧客分析方法を実行する。ＣＰＵ１０は、各部１１〜１７とバス１８を介して接続されている。なお、顧客分析装置１は、ソフトウェアにより動作するものに限定されず、ＣＰＵ１０に代えて、特定用途向け集積回路などのハードウェアが用いられてもよい。

ＲＡＭ１２は、ＣＰＵ１０のワーキングメモリとして用いられる。また、ＲＯＭ１１及びＨＤＤ１３は、ＣＰＵ１０を動作させる顧客分析プログラムなどを記憶する記憶手段として用いられる。通信処理部１４は、例えばネットワークカードであり、ネットワークＮＷを介して、複数の端末装置２などと通信する通信手段である。

可搬型記憶媒体用ドライブ１５は、可搬型記憶媒体１５０に対して、情報の書き込みや情報の読み出しを行う装置である。可搬型記憶媒体１５０の例としては、ＵＳＢメモリ、ＣＤ−Ｒ、及びメモリカードなどが挙げられる。なお、顧客分析プログラムは、可搬型記憶媒体１５０に格納されてもよい。

顧客分析装置１は、情報の入力操作を行うための入力デバイス１６０、及び、画像を表示するためのディスプレイ１７０を、さらに備える。入力デバイス１６０は、キーボード及びマウスなどの入力手段であり、入力された情報は、入力処理部１６を介してＣＰＵ１０に出力される。上記の分析対象期間の指定情報は、入力デバイス１６０を介して入力されてもよい。

ディスプレイ１７０は、液晶ディスプレイなどの画像表示手段であり、表示される画像データは、ＣＰＵ１０から画像処理部１７を介してディスプレイに出力される。なお、入力デバイス１６０及びディスプレイ１７０に代えて、これらの機能を備えるタッチパネルなどのデバイスを用いることもできる。

ＣＰＵ１０は、ＲＯＭ１１、またはＨＤＤ１３などに格納されているプログラム、または可搬型記憶媒体用ドライブ１５が可搬型記憶媒体１５０から読み取ったプログラムを実行する。このプログラムには、ＯＳ（Operating System）だけでなく、上記の顧客分析プログラムも含まれる。なお、顧客分析プログラムは、通信処理部１４を介してダウンロードされたものであってもよい。

ＣＰＵ１０は、顧客分析プログラムを実行すると、複数の機能が形成される。第１実施例において、ＣＰＵ１０は、分析対象期間に応じた類似の顧客グループを含む統合顧客グループを生成し、生成した統合顧客グループと、分析対象の百貨店Ｘの顧客グループとを比較し、比較結果を出力する機能を有する。また、第２実施例において、ＣＰＵ１０は、類似の顧客グループを含む既存の統合顧客グループから、分析対象期間に応じた統合顧客グループを抽出し、抽出した統合顧客グループと、分析対象の百貨店Ｘの顧客グループとを比較し、比較結果を出力する機能を有する。

（第１実施例）
まず、第１実施例について説明する。図５は、第１実施例に係る顧客分析装置１の機能構成例を示す構成図である。図５には、ＣＰＵ１０に形成される機能及びＨＤＤ１３の格納情報の一例が示されている。

ＣＰＵ１０は、データクラスタリングにより顧客分析を行う。ＣＰＵ１０は、データ入力処理部（受付処理部）１０１と、クラスタ生成部１０２と、クラスタ処理部（出力処理部）１０３とを含む。クラスタ処理部１０３は、類似判定処理部１０３ａ及び比較対象クラスタ生成部１０３ｂを有する。

ＨＤＤ１３は、クラスタ生成用データ１３１と、個社クラスタデータベース（ＤＢ：Data Base）１３２と、ユニバーサルクラスタデータベース（ＤＢ）１３３とを記憶する。また、ＨＤＤ１３は、ユニバーサルクラスタ候補データベース（ＤＢ）１３４と、分析結果データベース（ＤＢ）１３５とを記憶する。

データ入力処理部１０１は、端末装置２から通信処理部１４を介して、分析対象期間の指定情報、購買履歴データ２３０、及び顧客データ２３１が入力される。つまり、データ入力処理部１０１は、端末装置２から、分析対象期間の指定（指示）と、分析対象の百貨店Ｘの購買履歴データ２３０及び顧客データ２３１を受け付ける。データ入力処理部１０１は、分析対象期間の指定情報を比較対象クラスタ生成部１０３ｂに出力する。

データ入力処理部１０１は、購買履歴データ２３０及び顧客データ２３１に基づいて、クラスタ生成用データ１３１を生成する。ここで、「クラスタ」とは、顧客を、各種の条件に従って、グループごとに分類することにより得られるデータの束、つまり、顧客のグループ情報を指す。

クラスタ生成部１０２は、クラスタ生成用データ１３１に基づいて、百貨店Ａ〜Ｘに関する個社クラスタを生成し、個社クラスタＤＢ１３２に格納する。個社クラスタは、百貨店Ａ〜Ｘごとに生成されたクラスタ、つまり、百貨店Ａ〜Ｘの個別のクラスタである。つまり、クラスタ生成部１０２は、百貨店Ａ〜Ｘごとの購買履歴データ２３０に基づいて、複数の顧客グループを生成する。

クラスタ処理部１０３は、分析対象の百貨店Ｘの個社クラスタの比較分析処理、及びユニバーサルクラスタの構築処理を行う。比較対象クラスタ生成部１０３ｂは、個社クラスタＤＢ１３２から、指定（指示）された分析対象期間における百貨店Ａ，Ｂ，・・・の購買履歴データ２３０に基づいて生成された個社クラスタ（顧客グループ）を抽出する。比較対象クラスタ生成部１０３ｂは、抽出した個社クラスタのうち、所定の類似関係を有する全ての個社クラスタを含む比較対象クラスタ（統合顧客グループ）を生成する。クラスタ処理部１０３は、分析対象の百貨店Ｘの個社クラスタと、比較対象クラスタとの類似性の有無を判定することにより、比較分析処理を実行する。このとき、類似関係（類似性）の判定処理は、類似判定処理部１０３ａにより行われる。

また、クラスタ処理部１０３は、ユニバーサルクラスタの構築処理を行うことにより、ユニバーサルクラスタＤＢ１３３及びユニバーサルクラスタ候補ＤＢ１３４を更新する。クラスタ処理部１０３は、個社クラスタＤＢ１３２内の個社クラスタを、ユニバーサルクラスタＤＢ１３３内のユニバーサルクラスタと比較し、比較結果に応じて、ユニバーサルクラスタＤＢ１３３を更新する。ユニバーサルクラスタは、所定の条件に従って、類似性を有する複数の個社クラスタを束ねて得られる統合型クラスタである。

より具体的には、クラスタ処理部１０３は、ユニバーサルクラスタと類似性を有する個社クラスタを、当該ユニバーサルクラスタに含めることにより、当該ユニバーサルクラスタを更新する。つまり、クラスタ処理部１０３は、分析対象の百貨店Ｘの購買履歴データ２３０に基づいて生成され、統合顧客グループ（ユニバーサルクラスタ）と所定の類似関係を有する顧客グループ（個社クラスタ）を検出し、統合顧客グループに含めることにより、統合顧客グループを更新する。このとき、類似関係（類似性）の判定処理は、類似判定処理部１０３ａにより行われる。

また、クラスタ処理部１０３は、個社クラスタＤＢ１３２内の個社クラスタを、ユニバーサルクラスタ候補ＤＢ１３４内のユニバーサルクラスタ候補と比較し、比較結果に応じて、ユニバーサルクラスタ候補ＤＢ１３４またはユニバーサルクラスタＤＢ１３３を更新する。ユニバーサルクラスタ候補は、既存のユニバーサルクラスタの何れとも類似性を有していない個社クラスタであって、新たなユニバーサルクラスタとなり得るユニバーサルクラスタの候補である。

より具体的には、クラスタ処理部１０３は、ユニバーサルクラスタ候補と類似性を有する個社クラスタを、当該ユニバーサルクラスタ候補に統合することにより、新たなユニバーサルクラスタを生成する。つまり、クラスタ処理部１０３は、クラスタ生成部１０２により生成された複数の顧客グループ（個社クラスタ）のうち、所定の類似関係を有する顧客グループが属する統合顧客グループ（ユニバーサルクラスタ）を生成する。

また、クラスタ処理部１０３は、ユニバーサルクラスタ候補の何れとも類似性を有していない個社クラスタを、新たなユニバーサルクラスタ候補として、ユニバーサルクラスタ候補ＤＢ１３４に追加する。なお、類似関係（類似性）の判定処理は、類似判定処理部１０３ａにより行われる。

図６は、ユニバーサルクラスタＤＢ１３３（図６（ａ））及び個社クラスタＤＢ１３２（図６（ｂ））の例を示す。なお、ユニバーサルクラスタ候補ＤＢ１３４の内容は、個社クラスタＤＢ１３２と同様である。

ユニバーサルクラスタ「ＵＣ−１」及び「ＵＣ−２」は、「人数」情報と、「年間購買金額」情報と、「年齢」情報と、「元クラスタ」情報とを含む。「人数」情報は、当該ユニバーサルクラスタに属する顧客の人数を示す。例えば、「ＵＣ−１」及び「ＵＣ−２」には、１０００００人の顧客が属する。

「年間購買金額」情報は、金額の程度（「Ｌｏｗ」（少）、「Ｍｉｄｄｌｅ」（中）、「Ｈｉｇｈ」（多））ごとに顧客を分類したときの顧客の人数の比率を示す。「年齢」情報は、性別（「男性」及び「女性」）ごとに、年齢層（「２０代」〜「８０代」）ごとの顧客の人数の比率を示す。

「元クラスタ」情報は、当該ユニバーサルクラスタの生成元となった個社クラスタを示す。例えば、ユニバーサルクラスタ「ＵＣ−１」は、個社クラスタ「Ａ−１（２００８）」及び「Ｂ−２（２０１０）」を統合することで生成され、ユニバーサルクラスタ「ＵＣ−２」は、個社クラスタ「Ｃ−３（２０１０）」及び「Ｄ−４（２００９）」を統合することで生成される。ここで、個社クラスタのカッコ内の数字は、当該個社クラスタが、クラスタ生成部１０２により生成されたときに基礎とされた購買履歴データ２３０の年度（後述する「生成年度」情報）を示す。つまり、「Ａ−１（２００８）」及び「Ｂ−２（２０１０）」は、２００８年度及び２０１０年度の購買履歴データ２３０に基づいてそれぞれ生成された個社クラスタである。

個社クラスタは、「生成年度」情報と、「人数」情報と、「年間購買金額」情報と、「年齢」情報と、「元クラスタ」情報とを含む。「人数」情報、「年間購買金額」情報、及び「年齢」情報は、上述した通りである。

「生成年度」情報は、当該個社クラスタが、クラスタ生成部１０２により生成されたときに基礎とされた購買履歴データ２３０の年度を示す。例えば、個社クラスタ「Ａ−１」及び「Ｂ−２」の生成元の購買履歴データ２３０の年度は、それぞれ、２００８年度及び２０１０年度である。

「生成年度」情報は、個社クラスタの基礎（つまり生成元）とされた購買履歴データ２３０の「買上日」情報が示す時期に対応する。すなわち、クラスタ生成部１０２は、個社クラスタを生成するとき、「買上日」情報の年（「２０１１」など）に基づいて「生成年度」情報を生成する。後述するように、比較対象クラスタ生成部１０３ｂは、比較対象クラスタを生成するとき、「生成年度」情報が示す期間が、分析対象期間に含まれる個社クラスタを抽出する。なお、「生成年度」情報に代えて、当該個社クラスタが生成された月や季節などの情報が使用されてもよい。

このように、ＨＤＤ１３（個社クラスタＤＢ１３２）は、各顧客グループ（個社クラスタ）を、各顧客グループの基礎とされた購買履歴データ２３０が示す時期（「買上日」情報が示す年度）と対応付けて記憶する。このため、比較対象クラスタ生成部１０３ｂは、指定された分析対象期間に応じた個社クラスタを容易に抽出できる。

クラスタ処理部１０３は、生成された比較対象クラスタと、分析対象の百貨店Ｘの個社クラスタとを比較し、比較結果を分析結果ＤＢ１３５に格納する。なお、比較対象クラスタは、比較分析処理が終了すると、ＨＤＤ１３などに保存されることなく削除される。

クラスタ処理部１０３は、比較結果を示す情報を、所定のタイミングで分析結果ＤＢ１３５から読み出して、端末装置２に送信する。比較結果を示す情報としては、比較対象クラスタと非類似の個社クラスタ、及び、個社クラスタに類似する比較対象クラスタと当該個社クラスタの差異が挙げられる。比較対象クラスタと非類似の個社クラスタは、分析対象の百貨店Ｘの特徴的な顧客グループとして処理される。

つまり、クラスタ処理部１０３は、統合顧客グループ（比較対象クラスタ）と所定の類似関係を有していない顧客グループ（個社クラスタ）を検出し、分析対象の百貨店Ｘの特徴的な顧客グループとして出力する。さらに、クラスタ処理部１０３は、統合顧客グループと所定の類似関係を有する顧客グループと、統合顧客グループとの差異を検出して出力する。出力された比較結果の情報は、分析対象の百貨店Ｘにおいて、経営戦略の立案などに用いられる。以下に、上述した構成に基づく、顧客分析プログラムの詳細を述べる。

図７は、第１実施例に係る顧客分析プログラムのフローチャートである。図７は、１回の分析処理の流れを示す。なお、本例では、クラスタの比較分析処理に関連する処理（ステップＳｔ４〜Ｓｔ６）及びユニバーサルクラスタの構築処理（ステップＳｔ７）の両方が実行される場合を挙げるが、これに限定されず、何れか一方のみが実行されてもよい。

まず、データ入力処理部１０１は、端末装置２から分析対象期間の指定情報（指示情報）、購買履歴データ２３０、及び顧客データ２３１を受信する（ステップＳｔ１）。すなわち、データ入力処理部１０１は、分析対象期間の指定（指示）と、分析対象の店の購買履歴データとを受け付ける。

次に、データ入力処理部１０１は、購買履歴データ２３０及び顧客データ２３１に基づいて、クラスタ生成用データ１３１を生成する（ステップＳｔ２）。

図８（ａ）は、クラスタ生成用データ１３１の一例を示す。クラスタ生成用データ１３１は、「顧客ＩＤ」及び「ブランド」情報を含む。「顧客ＩＤ」は、購買履歴データ２３０の顧客ＩＤに対応する。「ブランド」情報は、購買履歴データ２３０の「ブランド名」に対応し、一定期間内（例えば特定の年度内、特定の季節内など）におけるブランド種別（「Ａ」〜「Ｃ」）ごとの当該顧客の購買回数を示す。

例えば、顧客ＩＤ「０００１」について、ブランドＡ〜Ｃの各購買回数は、それぞれ、３回，２回，０回であり、顧客ＩＤ「０００２」について、ブランドＡ〜Ｃの各購買回数は、それぞれ、０回，１回，２回である。

次に、クラスタ生成部１０２は、クラスタ生成用データ１３１を読み出し、クラスタ生成用データ１３１に基づいて個社クラスタを生成する（ステップＳｔ３）。つまり、クラスタ生成部１０２は、購買履歴データ２３０及び顧客データ２３１に基づいて、データクラスタリングを行うことで、個社クラスタを生成する。このとき、クラスタ生成部１０２は、購買履歴データ２３０に基づいて、上記の「生成年度」情報を生成する。生成された個社クラスタは、個社クラスタＤＢ１３２に格納される。

データクラスタリングの手法に限定はないが、一例として、図８（ａ）に示されたクラスタ生成用データ１３１に基づいて、顧客（顧客ＩＤ）を、３次元座標にマッピングする手法が挙げられる。

図８（ｂ）は、クラスタ生成用３次元座標の一例を示す。本例において、顧客（顧客ＩＤ）ごとの座標は、ブランドＡ〜Ｃの購入回数にそれぞれ対応する３つの座標軸Ａ〜Ｃにより規定される。

例えば、顧客ＩＤ「０００１」は、ブランドＡ〜Ｃの各購買回数が、それぞれ、３回，２回，０回であるため、当該座標は、（３，２，０）となる。また、顧客ＩＤ「０００２」は、ブランドＡ〜Ｃの各購買回数が、それぞれ、０回，１回，２回であるため、当該座標は、（０，１，２）となる。同様に、顧客ＩＤ「０００３」及び「０００４」の座標は、それぞれ、（２，２，１）及び（０，２，３）となる。

クラスタ生成部１０２は、マッピングされた座標が近い顧客ＩＤ同士を束ねることにより、顧客を複数のグループに分類することで、個社クラスタを生成する。例えば、顧客ＩＤ「０００１」及び「０００３」は、グループＧ１に分類され、顧客ＩＤ「０００２」及び「０００４」は、グループＧ２に分類される。グループＧ１に対応する個社クラスタＤＢ１３２は、ブランドＡ，Ｂの購買傾向が強い顧客グループを示し、グループＧ２に対応する個社クラスタＤＢ１３２は、ブランドＢ，Ｃの購買傾向が強い顧客グループを示す。

このように、クラスタ生成部１０２は、一例として、顧客ごとのブランドＡ〜Ｃの購買傾向に従って、個社クラスタを生成するため、購買傾向に従った顧客分析を可能とする。もっとも、個社クラスタを生成する基準は、ブランドＡ〜Ｃの購買傾向に限定されず、年齢層、居住地区、性別、及び購買の日付などの各種の情報（図３参照）であってもよい。

次に、比較対象クラスタ生成部１０３ｂは、分析対象の百貨店Ｘの個社クラスタの比較対象のクラスタ、つまり比較対象クラスタを生成する（ステップＳｔ４）。比較対象クラスタは、個社クラスタＤＢ１３２に格納済みの他の百貨店Ａ，Ｂ，・・・の個社クラスタのうち、類似性を有する全ての個社クラスタ同士を統合することにより生成される。

図９は、比較対象クラスタの生成処理を示すフローチャートである。まず、比較対象クラスタ生成部１０３ｂは、個社クラスタＤＢ１３２から、分析対象期間に応じた個社クラスタを抽出する（ステップＳｔ２１）。

分析対象期間の指定情報は、上述したように、特定の期間、または、現在もしくは過去の時点からの所定期間を示す。例えば、分析対象の百貨店Ｘの顧客グループの情報（個社クラスタ）を長期的なトレンドと比較する場合、分析対象期間として、過去の特定時期（例えば２０１１年度）より前の時期が指定される。この場合、比較対象クラスタ生成部１０３ｂは、比較対象クラスタの基礎（生成元のクラスタ）として、生成年度（「生成年度」情報）が、当該特定時期より前の時期（例えば、２００９年度、２０１０年度、２０１１年度）の個社クラスタを抽出する。

また、分析対象の百貨店Ｘの顧客グループの情報を短期的なトレンドと比較する場合、分析対象期間として、過去の特定時期（例えば２０１２年度）より後の時期が指定される。この場合、比較対象クラスタ生成部１０３ｂは、比較対象クラスタの基礎として、生成年度が、当該特定時期より前の時期（例えば、２０１２年度、２０１３年度）の個社クラスタを抽出する。なお、分析対象期間の指定は、過去の時点を基準としたものに限定されず、現在を基準としたもの（例えば、「過去２年間分」など）であってもよい。

さらに、分析対象の百貨店Ｘの顧客グループの情報を特定時期のトレンドと比較する場合、分析対象期間として、特定の期間（例えば２０１３年度）が指定される。この場合、比較対象クラスタ生成部１０３ｂは、比較対象クラスタの基礎として、生成年度が、当該特定時期（例えば、２０１３年度）の個社クラスタを抽出する。

次に、比較対象クラスタ生成部１０３ｂは、抽出された個社クラスタが複数であるか否かを判定する（ステップＳｔ２２）。抽出された個社クラスタが１以下である場合（ステップＳｔ２２のＮｏ）、比較対象クラスタ生成部１０３ｂは、処理を終了する。この場合、比較対象クラスタが生成されないため、図７のステップＳｔ５及びＳｔ６の処理は行われない。

また、抽出された個社クラスタが複数である場合（ステップＳｔ２２のＹｅｓ）、比較対象クラスタ生成部１０３ｂは、抽出された個社クラスタ間の類似性の有無を判定する（ステップＳｔ２３）。個社クラスタの何れの組み合わせについても類似性が無い場合（ステップＳｔ２３のＮｏ）、比較対象クラスタ生成部１０３ｂは、処理を終了する。この場合、比較対象クラスタが生成されないため、図７のステップＳｔ５及びＳｔ６の処理は行われない。

個社クラスタの何れかの組み合わせについて類似性が有る場合（ステップＳｔ２３のＹｅｓ）、比較対象クラスタ生成部１０３ｂは、互いに類似する全ての個社クラスタ同士をマージする（ステップＳｔ２４）。これにより、互いに類似する複数の個社クラスタ（顧客グループ）を含む比較対象クラスタ（統合顧客グループ）が生成される。このようにして、比較対象クラスタの生成処理は行われる。なお、比較対象クラスタは、比較分析処理のために一時的に生成されるクラスタであり、ＨＤＤ１３などに格納されず、例えば、比較分析処理の終了後にクラスタ処理部１０３から削除される。

このように、本実施例では、個社クラスタＤＢ１３２から抽出した個社クラスタから比較対象クラスタを生成するので、後述する第２実施例とは異なり、ユニバーサルクラスタＤＢ１３３内に、分析対象期間に応じたユニバーサルクラスタがなくても、顧客分析が可能である。このため、顧客分析装置１は、例えば、ユニバーサルクラスタＤＢ１３３の内容に応じて、本実施例に係る顧客分析方法と第２実施例に係る顧客分析方法の何れかを選択して用いてもよい。以下に、分析対象期間として、「２０１０年度」が指定された場合を例に挙げて、比較対象クラスタの生成例を説明する。

図１０は、比較対象クラスタの生成例を示す。図１０（ａ）は、個社クラスタの抽出の様子を示し、図１０（ｂ）は、比較対象クラスタの生成の様子を示す。

図１０（ａ）に示されるように、比較対象クラスタ生成部１０３ｂは、個社クラスタＤＢ１３２内の個社クラスタを、「生成年度」情報に基づいて、２０１０年度の個社クラスタと、２０１０年度以外の個社クラスタとに分類する。本例では、２０１０年度の個社クラスタとして、百貨店Ｂの「Ｂ−２（２０１０）」、百貨店Ｃの「Ｃ−３（２０１０）」、及び百貨店Ｄの「Ｄ−４（２０１０）」が示されている。

また、２０１０年度以外の個社クラスタとして、百貨店Ａの「Ａ−１（２００８）」、及び百貨店Ｅの「Ｅ−５（２００９）」が示されている。比較対象クラスタ生成部１０３ｂは、分析対象期間に応じた個社クラスタとして、「Ｂ−２（２０１０）」、「Ｃ−３（２０１０）」、及び「Ｄ−４（２０１０）」を抽出する。なお、以降の説明において、クラスタ番号（Ａ−１やＥ−５など）に付与されたカッコ内の数字は、「生成年度」情報を示す。

次に、図１０（ｂ）に示されるように、比較対象クラスタ生成部１０３ｂは、抽出した個社クラスタの全組み合わせについて、類似性の有無を判定し、互いに類似する「Ｂ−２（２０１０）」及び「Ｃ−３（２０１０）」をマージ（統合）する。これにより、比較対象クラスタ「ＣＣ−１」が生成される。なお、「Ｄ−４（２０１０）」は、「Ｂ−２（２０１０）」及び「Ｃ−３（２０１０）」の何れにも類似しないため、比較対象クラスタの生成に用いられない。また、クラスタ間の類似性の有無の判定手法は、限定されないが、例えば、以下に述べるように、各クラスタの１以上の指標を比較することで類似性を判定してもよい。

図１１は、類似判定処理に用いられる指標の例を示す。指標としては、例えば、ＲＦＭ値と顧客の属性及び購買内容が挙げられる。

ＲＦＭ値は、「Recency」、「Frequency」、及び「Monetary」を含む。「Recency」は、顧客が最後に購買した日付からの経過日数を示す。「Frequency」は、顧客の購買の頻度を示す。「Monetary」は、顧客の購買の金額を示す。

「Recency」、「Frequency」、及び「Monetary」の３つの指標の値（以下、「指標値」と表記）ごとの顧客数の分布の中央値または平均値を、３次元座標を用いて比較することで、クラスタの類似性を判定することができる。

顧客の属性は、「年齢層」、「男女比」、及び「居住地区分布」を含む。「年齢層」、「性別」、及び「居住地区」は、顧客データ２３１の「年齢」情報、「性別」情報、及び「郵便番号」からそれぞれ取得される。

「年齢層」の指標値としては、例えば、顧客の年齢分布、中央値、及び平均値が用いられる。「性別」の指標値としては、例えば、男女比及び人数が挙げられる。「居住地区」の指標値としては、例えば、地区ごとの人数及び分布が挙げられる。

顧客の購買内容は、「ブランド」、「金額」、「来店頻度」、及び「来店人数」を含む。「ブランド」、「金額」、「来店頻度」、及び「来店人数」は、購買履歴データ２３０から取得される。

「ブランド」の指標値としては、例えば、顧客が購買した特徴的なブランド及びブランドのランキングが挙げられる。「金額」の指標値としては、例えば、顧客の年間の買上額、１回の来店ごとの買上額、及び曜日ごとの買上額が挙げられる。「来店頻度」の指標値としては、例えば、顧客の１週間内の来店日数及び１か月内の来店日数が挙げられる。「来店人数」の指標値としては、例えば、顧客の曜日ごとの来店人数が挙げられる。

このように、クラスタ間の類似性の判定には、各種の指標値を用いることができる。以下の例では、２つの指標値の変化特性を判定に用いる場合を例に挙げて説明する。

図１２は、指標の変化特性を示すグラフである。図１２は、期間がｔ１からｔ２に移行した場合における、クラスタ「Ａ−１」、「Ｂ−１」、「Ｃ−１」の指標値ｘ、ｙの変化特性を示す。なお、期間ｔ１、ｔ２は、特定の月（例えば、１月、６月など）であってもよいし、百貨店Ａ〜Ｘの同一のイベント（販促、売場施策の実施など）を挟んだ前後の期間であってもよい。

「Ａ（ｔ１）−１」、「Ｂ（ｔ１）−１」、「Ｃ（ｔ１）−１」は、期間ｔ１における「Ａ−１」、「Ｂ−１」、「Ｃ−１」の指標値の座標（ｘ、ｙ）を示す。また、「Ａ（ｔ２）−１」、「Ｂ（ｔ２）−１」、「Ｃ（ｔ２）−１」は、期間ｔ２における「Ａ−１」、「Ｂ−１」、「Ｃ−１」の指標値の座標（ｘ、ｙ）を示す。例えば、「Ａ−１」の指標値（ｘ、ｙ）は、（ｘａ１、ｙａ１）から（ｘａ２、ｙａ２）に変化し、「Ｂ−１」の指標値（ｘ、ｙ）は、（ｘｂ１、ｙｂ１）から（ｘｂ２、ｙｂ２）に変化する。

比較対象クラスタ生成部１０３ｂは、各クラスタの指標値ｘ、ｙの変化特性を比較し、比較結果、同一の変化傾向を示すクラスタ同士を類似性有りと判定する。本例では、「Ａ−１」及び「Ｂ−１」の指標値ｘ、ｙが同一の変化傾向を示すため、「Ａ−１」及び「Ｂ−１」は類似性を有するクラスタであると判定される。以下に、類似性の判定手段（１）〜（３）について例を挙げて説明する。

（判定手段（１））
図１３（ａ）は、判定手段（１）によるクラスタの類似性の判定例を示す。判定手段（１）では、期間がｔ１からｔ２になったとき、各指標値ｘ、ｙの変化方向が、「増加」、「減少」、及び「変化なし」の何れであるかを検出し、両方の指標値ｘ、ｙの変化方向が一致した場合、当該クラスタ同士は類似性を有すると判定する。なお、図１３（ａ）〜図１３（ｃ）において、「Ｎｏ．」は判定例を区別するための番号を示す。

図１２の例の場合、「Ａ（ｔ２）−１」の指標値ｘａ２は、「Ａ（ｔ１）−１」の指標値ｘａ１より大きいため、「Ａ−１」の指標値ｘは「増加」を示す。また、「Ａ（ｔ２）−１」の指標値ｙａ２は、「Ａ（ｔ１）−１」の指標値ｙａ１より大きいため、「Ａ−１」の指標値ｙは「増加」を示す。一方、「Ｃ−１」の指標値ｘ、ｙは、ともに「減少」を示す。なお、指標値ｘ、ｙの変化率が、例えば５（％）未満である場合、指標値ｘ、ｙは、「変化なし」と判断される。

「Ｎｏ．１」は、クラスタ「Ａ−１」及び「Ｂ−１」の判定例を示す。「Ａ−１」の各指標値ｘ、ｙは、「増加」を示し、「Ｂ−１」の各指標値ｘ、ｙも、「増加」を示す。つまり、「Ａ−１」及び「Ｂ−１」の変化方向は一致する。このため、「Ａ−１」及び「Ｂ−１」の類似性は、「有」と判定される。

「Ｎｏ．２」は、クラスタ「Ａ−１」及び「Ｃ−１」の判定例を示す。「Ａ−１」の各指標値ｘ、ｙは、「増加」を示し、「Ｃ−１」の各指標値ｘ、ｙは、「減少」を示す。つまり、「Ａ−１」及び「Ｃ−１」の変化方向は一致しない。このため、「Ａ−１」及び「Ｃ−１」の類似性は、「無」と判定される。

「Ｎｏ．３」は、クラスタ「Ｄ−１」及び「Ｅ−１」の判定例を示す。「Ｄ−１」の各指標値ｘ、ｙは、「増加」及び「減少」をそれぞれ示し、「Ｅ−１」の各指標値ｘ、ｙは、「減少」及び「増加」をそれぞれ示す。つまり、「Ｄ−１」及び「Ｅ−１」の変化方向は一致しない。このため、「Ｄ−１」及び「Ｅ−１」の類似性は、「無」と判定される。

「Ｎｏ．４」は、クラスタ「ＵＣ−２」及び「Ｘ−１」の判定例を示す。「ＵＣ−２」の各指標値ｘ、ｙは、「増加」及び「変化なし」をそれぞれ示し、「Ｘ−１」の各指標値ｘ、ｙは、「増加」及び「変化なし」をそれぞれ示す。つまり、「ＵＣ−２」及び「Ｘ−１」の変化方向は一致する。このため、「ＵＣ−２」及び「Ｘ−１」の類似性は、「有」と判定される。

このように、判定手段（１）では、指標値ｘ、ｙの変化方向が、「増加」、「減少」、及び「変化なし」の何れかであるかを検出するだけで、類似性を容易に判定できる。

（判定手段（２））
図１３（ｂ）は、判定手段（２）によるクラスタの類似性の判定例を示す。判定手段（２）では、指標値ｘ、ｙの変化方向（増加または減少）が一致し、各期間ｔ１、ｔ２におけるクラスタ間の指標値ｘ、ｙの差分の比率Δｘ、Δｙが、それぞれ、所定の閾値ＴＨｘ、ＴＨｙ未満である場合、当該クラスタ同士は類似性を有すると判定する。ここで、比率Δｘ、Δｙは、比較されるクラスタの一方を基準として算出される。

図１２の例において、「Ａ−１」及び「Ｂ−１」を比較する場合、指標値ｘの期間ｔ１の差分の比率Δｘ（ｔ１）は、｜ｘｂ１−ｘａ１｜×１００／ｘａ１×１００であり、指標値ｘの期間ｔ２の差分の比率Δｘ（ｔ２）は、｜ｘｂ２−ｘａ２｜／ｘａ２×１００である。また、指標値ｙの期間ｔ１の差分の比率Δｙ（ｔ１）は、｜ｙｂ１−ｙａ１｜／ｙａ１×１００であり、指標値ｙの期間ｔ２の差分の比率Δｙ（ｔ２）は、｜ｙｂ２−ｙａ２｜／ｙａ２×１００である。なお、指標値ｘ、ｙの変化特性（増加）は一致する。なお、比率Δｘ（ｔ１）、Δｘ（ｔ２）、Δｙ（ｔ１）、Δｙ（ｔ２）は、クラスタ「Ａ−１」を基準として算出されている。

Δｘ（ｔ１）＜ＴＨｘ ・・・式（１）
Δｘ（ｔ２）＜ＴＨｘ ・・・式（２）
Δｙ（ｔ１）＜ＴＨｙ ・・・式（３）
Δｙ（ｔ２）＜ＴＨｙ ・・・式（４）

したがって、上記の式（１）〜（４）の全てが成立すれば、「Ａ−１」及び「Ｂ−１」は、類似性を有すると判定される。なお、以下の判定例では、ＴＨｘ＝２０（％）及びＴＨｙ＝５（％）とする。

「Ｎｏ．５」は、クラスタ「Ａ−１」及び「Ｂ−１」の判定例を示す。「Ａ−１」の各指標値ｘ、ｙは、「増加」を示し、「Ｂ−１」の各指標値ｘ、ｙも、「増加」を示す。つまり、「Ａ−１」及び「Ｂ−１」の変化方向は一致する。

また、「Ａ−１」及び「Ｂ−１」の指標値ｘ、ｙの差分の比率Δｘ（ｔ１）、Δｘ（ｔ２）、Δｙ（ｔ１）、Δｙ（ｔ２）は、上記の式（１）〜（４）をそれぞれ満たす。このため、「Ａ−１」及び「Ｂ−１」の類似性は、「有」と判定される。

「Ｎｏ．６」は、クラスタ「Ｃ−１」及び「Ｄ−１」の判定例を示す。「Ｃ−１」の各指標値ｘ、ｙは、「増加」及び「減少」をそれぞれ示し、「Ｄ−１」の各指標値ｘ、ｙも、「増加」及び「減少」をそれぞれ示す。つまり、「Ｃ−１」及び「Ｄ−１」の変化方向は一致する。

また、「Ｃ−１」及び「Ｄ−１」の指標値ｘ、ｙの差分の比率Δｘ（ｔ１）、Δｙ（ｔ１）は、上記の式（１）、（３）をそれぞれ満たすが、差分の比率Δｘ（ｔ２）、Δｙ（ｔ２）は、上記の式（２）、（４）をそれぞれ満たさない。このため、「Ｃ−１」及び「Ｄ−１」の類似性は、「無」と判定される。

このように、判定手段（２）では、指標値ｘ、ｙの変化方向だけでなく、クラスタ間の指標値ｘ、ｙの差分の比率Δｘ、Δｙに基づいて、判定手段（１）より高精度に類似性を判定できる。

（判定手段（３））
図１３（ｃ）は、判定手段（３）によるクラスタの類似性の判定例を示す。判定手段（３）では、期間がｔ１からｔ２になったときの指標値ｘ、ｙの変化率Ｒｘ、Ｒｙのクラスタ間の差分ΔＲｘ、ΔＲｙが、それぞれ、所定の閾値ＴＨｒｘ、ＴＨｒｙ未満である場合、当該クラスタ同士は類似性を有すると判定する。なお、判定手段（３）においても、指標値ｘ、ｙの変化方向の一致は、類似性の条件とされる。

図１２の例において、「Ａ−１」及び「Ｂ−１」を比較する場合、「Ａ−１」の指標値ｘの変化率Ｒｘ（Ａ）は、（ｘａ２−ｘａ１）×１００／ｘａ１であり、「Ｂ−１」の指標値ｘの変化率Ｒｘ（Ｂ）は、（ｘｂ２−ｘｂ１）×１００／ｘｂ１である。また、「Ａ−１」の指標値ｙの変化率Ｒｙ（Ａ）は、（ｙａ２−ｙａ１）×１００／ｙａ１であり、「Ｂ−１」の指標値ｙの変化率Ｒｙ（Ｂ）は、（ｙｂ２−ｙｂ１）×１００／ｙｂ１である。

ΔＲｘ＝Ｒｘ（Ａ）−Ｒｘ（Ｂ）＜ＴＨｒｘ ・・・式（５）
ΔＲｙ＝Ｒｙ（Ａ）−Ｒｙ（Ｂ）＜ＴＨｒｙ ・・・式（６）

したがって、上記の式（５）、（６）の全てが成立すれば、「Ａ−１」及び「Ｂ−１」は、類似性を有すると判定される。なお、以下の判定例では、ＴＨｒｘ＝２０（％）及びＴＨｒｙ＝５（％）とする。

「Ｎｏ．７」は、クラスタ「Ａ−１」及び「Ｂ−１」の判定例を示す。「Ａ−１」の各指標値ｘ、ｙは、「増加」を示し、「Ｂ−１」の各指標値ｘ、ｙも、「増加」を示す。つまり、「Ａ−１」及び「Ｂ−１」の変化方向は一致する。

また、「Ａ−１」及び「Ｂ−１」の指標値ｘの変化率Ｒｘは、それぞれ、１０（％）及び２０（％）であるので、その差分ΔＲｘは、１０（％）である。一方、「Ａ−１」及び「Ｂ−１」の指標値ｙの変化率Ｒｙは、それぞれ、１０（％）及び１３（％）であるので、その差分ΔＲｙは、３（％）である。したがって、差分ΔＲｘ、ΔＲｙは、上記の式（５）、（６）をそれぞれ満たす。このため、「Ａ−１」及び「Ｂ−１」の類似性は、「有」と判定される。

「Ｎｏ．８」は、クラスタ「Ｃ−１」及び「Ｄ−１」の判定例を示す。「Ｃ−１」の各指標値ｘ、ｙは、「増加」を示し、「Ｄ−１」の各指標値ｘ、ｙも、「増加」を示す。つまり、「Ｃ−１」及び「Ｄ−１」の変化方向は一致する。

また、「Ｃ−１」及び「Ｄ−１」の指標値ｘの変化率Ｒｘは、ともに１０（％）であるので、その差分ΔＲｘは、０（％）である。一方、「Ｃ−１」及び「Ｄ−１」の指標値ｙの変化率Ｒｙは、それぞれ、３５（％）及び２０（％）であるので、その差分ΔＲｙは、１５（％）である。したがって、差分ΔＲｘは、上記の式（５）を満たすが、差分ΔＲｙは、上記の式（６）を満たさない。このため、「Ｃ−１」及び「Ｄ−１」の類似性は、「無」と判定される。

このように、判定手段（３）では、指標値ｘ、ｙの変化方向だけでなく、クラスタ間の指標値ｘ、ｙの変化率Ｒｘ，Ｒｙの差分ΔＲｘ、ΔＲｙに基づいて、判定手段（１）より高精度に類似性を判定できる。

また、比較対象クラスタ生成部１０３ｂは、互いに類似する個社クラスタをマージして、比較対象クラスタ「ＣＣ−１」を生成する場合、当該個社クラスタに含まれる情報の数値を再計算により更新する。以下に、図６（ｂ）に示された個社クラスタ「Ｂ−２（２０１０）」及び「Ｃ−３（２０１０）」をマージする場合を例に挙げて、計算例を述べる。

図１４は、比較対象クラスタの一例を示す。比較対象クラスタ「ＣＣ−１」は、個社クラスタ「Ｂ−２（２０１０）」及び「Ｃ−３（２０１０）」をマージすることにより生成される。以下に、「人数」情報及び「年間購買金額」情報の計算例について説明する。

「Ｂ−３（２０１０）」の「人数」は５０００人であり、「Ｃ−３（２０１０）」の「人数」は１００００人である。したがって、「ＣＣ−１」の「人数」は、５０００人と１００００人の合計から、１５０００人と算出される。

また、「Ｂ−３（２０１０）」の「年間購買金額」情報の「Ｌｏｗ」は、５（％）であるので、当該顧客の人数は、２５０人（＝５０００人（「人数」参照）×５（％））である。「Ｃ−３（２０１０）」の「年間購買金額」情報の「Ｌｏｗ」は、５（％）であるので、当該顧客の人数は、５００人（＝１００００人（「人数」参照）×５（％））である。

したがって、「ＣＣ−１」の「年間購買金額」情報の「Ｌｏｗ」は、「Ｂ−３（２０１０）」の該当人数（２５０人）及び「Ｃ−３（２０１０）」の該当人数（５００人）の合計を、「ＣＣ−１」の「人数」（１５０００人）で除算することにより、５（％）と算出される。このように、比較対象クラスタの各情報は、互いに類似する複数の個社クラスタの情報の数値の再計算により更新されるため、当該個社クラスタの数が多いほど、情報の精度が向上する。

再び図７を参照すると、クラスタ処理部１０３は、比較対象クラスタ生成部１０３ｂにより生成した比較対象クラスタと分析対象の百貨店Ｘの個社クラスタとの比較分析処理を行う（ステップＳｔ５）。これにより、分析結果（比較結果）が分析結果ＤＢ１３５に格納される。

図１５Ａは、第１実施例におけるクラスタの比較分析処理のフローチャートである。図１５Ａでは、ステップＳｔ５１の処理の例が符号Ｃ５１で示されている。

本例において、個社クラスタＤＢ１３２には、既存の個社クラスタ「Ａ−１（２００８）」、「Ｂ−２（２０１０）」、及び「Ｃ−３（２０１０）」等と、分析対象の百貨店Ｘの個社クラスタ「Ｘ−１」〜「Ｘ−３」とが格納されている。ここで、比較対象クラスタ生成部１０３ｂは、既存の個社クラスタ「Ａ−１（２００８）」、「Ｂ−２（２０１０）」、及び「Ｃ−３（２０１０）」などから、比較対象クラスタ「ＣＣ−１」〜「ＣＣ−３」を生成すると仮定する。

まず、類似判定処理部１０３ａは、個社クラスタ「Ｘ−１」〜「Ｘ−３」と比較対象クラスタ「ＣＣ−１」〜「ＣＣ−３」を比較する（ステップＳｔ５１）。このとき、類似判定処理部１０３ａは、符号Ｃ５１で示されるように、個社クラスタ「Ｘ−１」〜「Ｘ−３」と比較対象クラスタ「ＣＣ−１」〜「ＣＣ−３」の全ての組み合わせについて、類似性の有無を判定する。

次に、クラスタ処理部１０３は、比較の結果、個社クラスタが比較対象クラスタの何れにも類似しない場合（ステップＳｔ５２のＮｏ）、当該個社クラスタを特徴的顧客グループとして、分析結果ＤＢ１３５に格納する（ステップＳｔ５３）。すなわち、クラスタ処理部１０３は、分析対象の百貨店Ｘの購買履歴データ２３０に基づいて生成され、統合顧客グループ（比較対象クラスタ）と所定の類似関係を有していない顧客グループ（個社クラスタ）を検出し、分析対象の百貨店Ｘの特徴的顧客グループとして出力する。

また、個社クラスタが、比較対象クラスタの何れかと類似する場合（ステップＳｔ５２のＹｅｓ）、クラスタ処理部１０３は、当該個社クラスタと当該比較対象クラスタの差異を検出する（ステップＳｔ５８）。個社クラスタと比較対象クラスタの差異を示す情報は、分析結果ＤＢ１３５に格納される。このようにして、クラスタの比較分析処理は行われる。

このように、クラスタ処理部１０３は、所定の類似関係を有する全ての顧客グループを含む統合顧客グループ（比較対象クラスタ）と、分析対象の百貨店Ｘの購買履歴データ２３０に基づいて生成された顧客グループ（個社クラスタ）との比較結果を出力する。なお、上述したように、比較結果（顧客分析結果）は、分析結果ＤＢ１３５に一時的に格納される。

再び図７を参照すると、クラスタ処理部１０３は、上記のステップＳｔ５３，Ｓｔ５８で得た分析結果（比較結果）を、分析結果ＤＢ１３５から読み出して、通信処理部１４を介して端末装置２に出力（送信）する（ステップＳｔ６）。百貨店Ａ〜Ｘでは、端末装置２から分析結果が取り出され、経営戦略の立案などに活用される。次に、クラスタ処理部１０３は、ユニバーサルクラスタの構築処理を実行する（ステップＳｔ７）。

図１５Ｂは、ユニバーサルクラスタの構築処理のフローチャートである。本処理では、ユニバーサルクラスタＤＢ１３３及びユニバーサルクラスタ候補ＤＢ１３４の少なくとも一方が更新される。

また、図１５Ｂは、ステップＳｔ１１，Ｓｔ１４、Ｓｔ１７，Ｓｔ１９の処理の例を符号Ｃ１〜Ｃ４で示す。本例において、ユニバーサルクラスタＤＢ１３３には、ユニバーサルクラスタ「ＵＣ−１」〜「ＵＣ−３」が格納され、ユニバーサルクラスタ候補ＤＢ１３４には、ユニバーサルクラスタ候補「Ａ−２」、「Ｂ−３」、及び「Ｄ−４」が格納されている。また、個社クラスタＤＢ１３２には、分析対象の百貨店Ｘの個社クラスタ「Ｘ−１」〜「Ｘ−３」が格納されている。

まず、類似判定処理部１０３ａは、個社クラスタ「Ｘ−１」〜「Ｘ−３」とユニバーサルクラスタ「ＵＣ−１」〜「ＵＣ−３」を比較することで類似判定を行う（ステップＳｔ１１）。このとき、類似判定処理部１０３ａは、符号Ｃ１で示されるように、個社クラスタ「Ｘ−１」〜「Ｘ−３」とユニバーサルクラスタ「ＵＣ−１」〜「ＵＣ−３」の全ての組み合わせについて類似性の有無を判定する。なお、類似性の判定手段については、図１３を参照して述べた通りである。

クラスタ処理部１０３は、類似判定の結果、個社クラスタがユニバーサルクラスタの何れにも類似しない場合（ステップＳｔ１２のＮｏ）、類似判定処理部１０３ａにより、当該個社クラスタとユニバーサルクラスタ候補と比較する（ステップＳｔ１４）。ここで、個社クラスタ「Ｘ−３」が「ＵＣ−１」〜「ＵＣ−３」と類似性がない場合、符号Ｃ２で示されるように、「Ｘ−３」は、ユニバーサルクラスタ候補ＤＢ１３４内の全てのユニバーサルクラスタ候補「Ａ−２」、「Ｂ−３」、及び「Ｄ−４」との間で類似性が判定される。なお、類似性の判定手段については、図１３を参照して述べた通りである。

クラスタ処理部１０３は、比較の結果、個社クラスタがユニバーサルクラスタ候補の何れにも類似しない場合（ステップＳｔ１５のＮｏ）、当該個社クラスタを、ユニバーサルクラスタ候補としてユニバーサルクラスタ候補ＤＢ１３４に追加し（ステップＳｔ１６）、処理を終了する。つまり、クラスタ処理部１０３は、ユニバーサルクラスタ候補の何れにも類似関係を有していない顧客グループを検出し、ユニバーサルクラスタ候補に含めることにより、ユニバーサルクラスタ候補ＤＢ１３４を更新する。これにより、新たな統合顧客グループ（ユニバーサルクラスタ）になり得る顧客グループのクラスタが、新たなユニバーサルクラスタ候補としてユニバーサルクラスタ候補ＤＢ１３４に追加される。

また、クラスタ処理部１０３は、比較の結果、個社クラスタがユニバーサルクラスタ候補の何れかに類似する場合（ステップＳｔ１５のＹｅｓ）、当該個社クラスタを、当該ユニバーサルクラスタ候補とマージすることで、新たなユニバーサルクラスタを生成する（ステップＳｔ１７）。例えば、個社クラスタ「Ｘ−３」とユニバーサルクラスタ候補「Ｂ−３」が類似する場合、符号Ｃ４で示されるように、「Ｘ−３」及び「Ｂ−３」は統合され、新たなユニバーサルクラスタ「ＵＣ−４」が生成される。クラスタ処理部１０３は、生成したユニバーサルクラスタをユニバーサルクラスタＤＢ１３３に追加して、処理を終了する。

このように、クラスタ処理部１０３は、統合顧客グループ（ユニバーサルクラスタ）の候補と所定の類似関係を有している顧客グループ（個社クラスタ）を検出する。クラスタ処理部１０３は、検出した顧客グループを、統合顧客グループの候補（ユニバーサルクラスタ候補）に含めることにより、新たな統合顧客グループを生成する。したがって、顧客分析が繰り返されるほど、ユニバーサルクラスタＤＢ１３３の内容が充実し、高精度な顧客分析が可能となる。

なお、ユニバーサルクラスタＤＢ１３３に格納済みの「ＵＣ−１」〜「ＵＣ−３」も、ステップＳｔ１７の処理を経て生成されたものである。つまり、ステップＳｔ１１において分析対象の百貨店Ｘの個社クラスタ「Ｘ−１」〜「Ｘ−３」と比較される「ＵＣ−１」〜「ＵＣ−３」は、過去の顧客分析において実行されたステップＳｔ１７の処理により生成されたものである。

また、個社クラスタが、ユニバーサルクラスタの何れかと類似する場合（ステップＳｔ１２のＹｅｓ）、クラスタ処理部１０３は、当該個社クラスタと当該ユニバーサルクラスタをマージすることにより、ユニバーサルクラスタＤＢ１３３を更新し（ステップＳｔ１９）、処理を終了する。例えば、個社クラスタ「Ｘ−１」とユニバーサルクラスタ「ＵＣ−１」が類似する場合、符号Ｃ３で示されるように、「Ｘ−１」及び「ＵＣ−１」は統合され、「ＵＣ−１’」が生成される。また、個社クラスタ「Ｘ−２」とユニバーサルクラスタ「ＵＣ−２」が類似する場合、「Ｘ−２」及び「ＵＣ−２」は統合され、「ＵＣ−２’」が生成される。なお、生成された「ＵＣ−１’」及び「ＵＣ−２’」は、ユニバーサルクラスタＤＢ１３３に格納される。

このように、クラスタ処理部１０３は、分析対象の百貨店Ｘの購買履歴データ２３０に基づいて生成された該分析対象の百貨店Ｘの顧客グループ（個社クラスタ）が、統合顧客グループ（ユニバーサルクラスタ）と所定の類似関係を有することを検出する。クラスタ処理部１０３は、該顧客グループを統合顧客グループに含めることにより、統合顧客グループを更新する。クラスタ処理部１０３は、更新された統合顧客グループを、さらなる百貨店の顧客分析に用いる。したがって、顧客分析が行われるほど、ユニバーサルクラスタＤＢ１３３の内容が充実し、高精度な顧客分析が可能となる。

このようにして、ユニバーサルクラスタの構築処理は行われる。ユニバーサルクラスタの構築処理の後、顧客分析処理は終了する。

図１６は、比較分析処理により得られる分析結果の出力例を示す。本例において、個社クラスタＤＢ１３２には、分析対象の百貨店Ｘの個社クラスタ「Ｘ−１」〜「Ｘ−３」が格納されている。「Ｘ−１」及び「Ｘ−２」は、比較対象クラスタ「ＣＣ−１」及び「ＣＣ−２」と類似性をそれぞれ有し、「Ｘ−３」は、「ＣＣ−１」及び「ＣＣ−２」の何れとも類似性を有していない。

このため、「Ｘ−３」は、分析対象の百貨店Ｘの特徴的顧客グループとして、分析結果ＤＢ１３５に格納される。また、「Ｘ−１」及び「ＣＣ−１」の差異を示す情報と、「Ｘ−２」及び「ＣＣ−２」の差異を示す情報も、分析結果ＤＢ１３５に格納される。

図１７は、個社クラスタと比較対象クラスタの差異の出力例を示す。本例は、ユニバーサルクラスタ「ＣＣ−１」と個社クラスタ「Ｘ−１」の差異の情報を「項目」ごとに示す。

差異の「項目」としては、例えば、顧客の「購買内容」（商品のカテゴリなど）、「金額／来店頻度」（年度ごと、月ごと、曜日ごとの数値など）、「年齢層」（年齢分布など）、「性別」（男女比など）、及び「居住地区」（居住地区分布など）が挙げられる。このように、個社クラスタと、当該個社クラスタと類似するユニバーサルクラスタとの差異を、分析結果として出力することにより、分析対象の百貨店Ｘの顧客グループに関し、類似する他の顧客グループと比較した詳細な情報が得られる。以下に、分析結果の活用に関して、顧客分析例１を挙げて説明する。

（顧客分析例１）
図１８は、顧客分析例１における顧客分析処理前のクラスタを示す。

ユニバーサルクラスタＤＢ１３３には、ユニバーサルクラスタ「ＵＣ−１」〜「ＵＣ−１０」が格納され、ユニバーサルクラスタ候補ＤＢ１３４には、ユニバーサルクラスタ候補「Ａ−４」（百貨店Ａの個社クラスタから生成）及び「Ｃ−５」（百貨店Ｃの個社クラスタから生成）が格納されている。「ＵＣ−１」〜「ＵＣ−１０」には、当該ユニバーサルクラスタに含まれる個社クラスタ（図６（ａ）の「元クラスタ」情報参照）及び該個社クラスタの「生成年度」情報（カッコ内の数字を参照）がそれぞれ付記されている。例えば、「ＵＣ−１」は、個社クラスタ「Ａ−１（２０１０）」及び「Ｂ−１（２０１１）」を含み、「ＵＣ−２」は、個社クラスタ「Ｂ−２（２０１１）」及び「Ｃ−６（２０１２）」を含む。

また、個社クラスタＤＢ１３２には、百貨店Ａの個社クラスタ「Ａ−１」〜「Ａ−７」、百貨店Ｂの個社クラスタ「Ｂ−１」〜「Ｂ−５」、及び百貨店Ｃの個社クラスタ「Ｃ−１」〜「Ｃ−１０」が格納されている。なお、各個社クラスタの「生成年度」情報は、カッコ内に記されている。

また、分析対象の百貨店Ｘの端末装置２からは、購買履歴データ２３０及び顧客データ２３１が取得される。購買履歴データ２３０及び顧客データ２３１のデータ量は、一例として、２０１２年度における１年分とする。

図１９（ａ）は、分析対象の百貨店Ｘの個社クラスタ「Ｘ−１（２０１２）」〜「Ｘ−５（２０１２）」を示す。「Ｘ−１（２０１２）」〜「Ｘ−５（２０１２）」は、購買履歴データ２３０及び顧客データ２３１から生成され、個社クラスタＤＢ１３２に格納される。なお、「Ｘ−１（２０１２）」〜「Ｘ−５（２０１２）」の「生成年度」情報は、「２０１２」を示す。

「Ｘ−１（２０１２）」〜「Ｘ−５（２０１２）」は、それぞれ、例えば１万人の顧客の購買内容に基づいて生成される。このため、分析対象の顧客数は、全体で５万人となる。

図１９（ｂ）は、クラスタの比較分析処理を行うときに、百貨店Ａ〜Ｃの個社クラスタから生成された比較対象クラスタ「ＣＣ−１」〜「ＣＣ−６」を示す。本例では、分析対象期間として、２０１０年度及び２０１２年度の２年間が指定されたと仮定する。このため、「ＣＣ−１」〜「ＣＣ−６」の生成元の百貨店Ａ〜Ｃの個社クラスタの「生成年度」情報は、「２０１０」及び「２０１２」の少なくとも一方を示す（点線の枠内参照）。

「ＣＣ−１」〜「ＣＣ−６」には、当該比較対象クラスタに含まれる個社クラスタ及び該個社クラスタの「生成年度」情報（カッコ内の数字を参照）がそれぞれ付記されている。例えば、「ＣＣ−１」は、個社クラスタ「Ａ−２（２０１０）」及び「Ｃ−８（２０１２）」を含み、「ＣＣ−２」は、個社クラスタ「Ａ−３（２０１０）」及び「Ｃ−７（２０１２）」を含む。

また、比較対象クラスタのうち、「ＣＣ−１」〜「ＣＣ−５」は、生成元の個社クラスタが、既存のユニバーサルクラスタと共通する（「既存クラスタ」参照）。ここで、当該既存のユニバーサルクラスタは、記号「＝」の下部に示されている。例えば、「ＣＣ−１」及び「ＣＣ−２」は、生成元の個社クラスタが、「ＵＣ−９」及び「ＵＣ−７」とそれぞれ共通する。

また、「ＣＣ−６」は、生成元の個社クラスタが、既存のユニバーサルクラスタと共通しない新規のクラスタ（「新クラスタ」参照）である。「ＣＣ−６」は、個社クラスタ「Ａ−１（２０１０）」及び「Ｃ−５（２０１２）」を含む。

「Ｃ−５（２０１２）」は、「Ａ−１（２０１０）」との間で類似性が有ると判定されるが、一方で、「Ａ−１（２０１０）」を含む「ＵＣ−１」との間には、類似性がないと判定される。これは、「ＵＣ−１」が、「Ａ−１（２０１０）」だけでなく、「Ｂ−１（２０１１）」も含むため、「Ａ−１（２０１０）」と同一の特徴を有するわけではないからである。

このように、本実施例では、分析対象の百貨店Ｘの個社クラスタの比較対象として、分析対象期間に応じた個社クラスタから生成された比較対象クラスタを用いるので、既存のユニバーサルクラスタとは異なる新たなクラスタによる比較分析が可能である。

図２０は、類似性を有する個社クラスタ及び比較対象クラスタを示す。図２０において、互いに類似する個社クラスタ及び比較対象クラスタは、矢印により対応付けて示されている。例えば、「Ｘ−１（２０１２）」及び「Ｘ−２（２０１２）」は、「ＣＣ−１」及び「ＣＣ−６」にそれぞれ類似する。

類似性を有する個社クラスタ及び比較対象クラスタは、図１５ＡのステップＳｔ５８を参照して述べたように、互いに比較され、比較結果（分析結果）として、その差異が出力される。ここで、差異を示す情報については、図１７を参照して述べたとおりである。

百貨店Ｘにおいて、「Ｘ−１（２０１２）」〜「Ｘ−５（２０１２）」に関する差異を示す情報は、例えば、百貨店Ｘの顧客基盤の強弱の評価（いわゆるベンチマーク評価）に活用される。さらに、百貨店Ｘでは、当該評価の結果を分析し、「Ｘ−１（２０１２）」〜「Ｘ−５（２０１２）」の顧客グループを独占的に確保することによる売上向上のための施策が検討される。このような施策としては、例えば、当該顧客グループが、他の百貨店Ａ、Ｂ，Ｃ，・・・で購入し、百貨店Ｘでは購入していないブランドの商品を見つけて、商品や売場の見直しを行うこと（商品施策／売場施策）が挙げられる。

なお、ユニバーサルクラスタの構築処理において、「ＵＣ−１」〜「ＵＣ−１０」は、図１５ＢのステップＳｔ１９を参照して述べたように、個社クラスタ「Ｘ−１（２０１２）」〜「Ｘ−５（２０１２）」との間で類似性の判定が行われ、類似性を有する個社クラスタとマージされることにより更新される。

これまで述べたように、第１実施例に係る顧客分析プログラムは、以下の処理をコンピュータ（ＣＰＵ）１０に実行させるものである。
処理（１）：期間の指定を分析対象期間とする指示、または、現在もしくは過去の時点からの所定期間を分析対象期間とする指示と、分析対象の百貨店（店）Ｘの購買履歴データ２３０とを受け付ける。
処理（２）：指示された分析対象期間における複数の百貨店（店）Ａ，Ｂ，・・・の購買履歴データ２３０に基づいて生成された顧客グループ（個社クラスタ）のうち、所定の類似関係を有する全ての顧客グループを含む統合顧客グループ（比較対象クラスタ）と、分析対象の百貨店（店）Ｘの購買履歴データ２３０に基づいて生成された顧客グループ（個社クラスタ）との比較結果を出力する。

実施例に係る顧客分析プログラムによると、分析対象の店Ｘの顧客グループを、指定された分析対象期間の類似の顧客グループが属する統合顧客グループと比較して得られた比較結果が出力されるので、時期のトレンドを考慮した顧客分析が可能である。

また、第１実施例に係る顧客分析方法は、以下の工程をコンピュータ（ＣＰＵ）１０が実行するものである。
工程（１）：期間の指定を分析対象期間とする指示、または、現在もしくは過去の時点からの所定期間を分析対象期間とする指示と、分析対象の百貨店（店）Ｘの購買履歴データ２３０とを受け付ける。
工程（２）：指示された分析対象期間における複数の百貨店（店）Ａ，Ｂ，・・・の購買履歴データ２３０に基づいて生成された顧客グループ（個社クラスタ）のうち、所定の類似関係を有する全ての顧客グループを含む統合顧客グループ（比較対象クラスタ）と、分析対象の百貨店（店）Ｘの購買履歴データ２３０に基づいて生成された顧客グループ（個社クラスタ）との比較結果を出力する。

第１実施例に係る顧客分析方法は、第１実施例に係る顧客分析プログラムと同様の構成を含むので、上述した内容と同様の作用効果を奏する。

また、第１実施例に係る顧客分析装置１は、受付処理部（データ入力処理部）１０１及び出力処理部（クラスタ処理部）１０３を有する。受付処理部１０１は、期間の指定を分析対象期間とする指示、または、現在もしくは過去の時点からの所定期間を分析対象期間とする指示と、分析対象の店（百貨店）Ｘの購買履歴データとを受け付ける。

出力処理部１０３は、指示された分析対象期間における複数の店（百貨店）Ａ，Ｂ，・・・の購買履歴データ２３０に基づいて生成された顧客グループ（個社クラスタ）のうち、所定の類似関係を有する全ての顧客グループを含む統合顧客グループ（ユニバーサルクラスタ）と、分析対象の店Ｘの購買履歴データに基づいて生成された顧客グループ（個社クラスタ）との比較結果を出力する。

第１実施例に係る顧客分析装置１は、第１実施例に係る顧客分析プログラムと同様の構成を含むので、上述した内容と同様の作用効果を奏する。

（第２実施例）
次に、第２実施例について説明する。第２実施例において、分析対象の百貨店Ｘの個社クラスタは、分析対象期間に応じてユニバーサルクラスタＤＢ１３３から抽出されたユニバーサルクラスタと比較され、比較結果が出力される。

図２１は、第２実施例に係る顧客分析装置１の機能構成例を示す構成図である。図２１には、ＣＰＵ１０に形成される機能及びＨＤＤ１３の格納情報の一例が示されている。なお、図２１において、図５と共通する構成については、同一の符号を付して、その説明を省略する。

ＣＰＵ１０は、データ入力処理部（受付処理部）１０１と、クラスタ生成部１０２と、クラスタ処理部（出力処理部）１０３とを含む。クラスタ処理部１０３は、類似判定処理部１０３ａ及びユニバーサルクラスタ抽出部１０３ｃを有し、クラスタの比較分析処理及びユニバーサルクラスタの構築処理を行う。ＨＤＤ（記憶部）１３は、クラスタ生成用データ１３１と、個社クラスタＤＢ１３２と、ユニバーサルクラスタＤＢ１３３と、ユニバーサルクラスタ候補ＤＢ１３４と、分析結果ＤＢ１３５とを記憶する。

データ入力処理部１０１は、端末装置２から通信処理部１４を介して、分析対象期間の指定情報、購買履歴データ２３０、及び顧客データ２３１が入力される。つまり、データ入力処理部１０１は、端末装置２から、分析対象期間の指定（指示）と、分析対象の百貨店Ｘの購買履歴データ２３０及び顧客データ２３１を受け付ける。データ入力処理部１０１は、分析対象期間の指定情報をユニバーサルクラスタ抽出部１０３ｃに出力する。

ユニバーサルクラスタ抽出部１０３ｃは、指定（指示）された分析対象期間に基づいて、ユニバーサルクラスタＤＢ１３３から、分析対象の百貨店Ｘの個社クラスタの比較対象のユニバーサルクラスタを抽出する。このとき、ユニバーサルクラスタ抽出部１０３ｃは、ユニバーサルクラスタに含まれる個社クラスタを示す「元クラスタ」情報及び「生成年度」情報（図６参照）を参照することにより、分析対象期間に応じた個社クラスタのみを含むユニバーサルクラスタを抽出する。

上述したように、ＨＤＤ１３は、統合顧客グループ（ユニバーサルクラスタ）に含まれる各顧客グループ（個社クラスタ）を、各顧客グループの基礎とされた購買履歴データ２３０が示す時期（「買上日」情報）と対応付けて記憶する。このため、ユニバーサルクラスタ抽出部１０３ｃは、「元クラスタ」情報及び「生成年度」情報を参照することで、ユニバーサルクラスタＤＢ１３３からユニバーサルクラスタを容易に抽出できる。すなわち、ユニバーサルクラスタ抽出部１０３ｃは、ＨＤＤ１３を参照し、統合顧客グループ（ユニバーサルクラスタ）のうち、指定された分析対象期間に含まれる時期の購買履歴データ２３０だけを基礎とする統合顧客グループを抽出する。

本実施例において、クラスタ処理部１０３は、抽出したユニバーサルクラスタと、分析対象の百貨店Ｘの個社クラスタとを比較することにより、クラスタの比較分析処理を行う。クラスタ処理部１０３は、比較結果を分析結果ＤＢ１３５に格納する。クラスタ処理部１０３は、比較結果を示す情報を、分析結果ＤＢ１３５に格納し、所定のタイミングで分析結果ＤＢ１３５から読み出して、端末装置２に送信する。

比較結果を示す情報としては、抽出された全てのユニバーサルクラスタと非類似の個社クラスタ、及び、個社クラスタに類似するユニバーサルクラスタと当該個社クラスタの差異が挙げられる。抽出された全てのユニバーサルクラスタと非類似の個社クラスタは、分析対象の百貨店Ｘの特徴的な顧客グループとして処理される。比較結果の情報は、分析対象の百貨店Ｘにおいて、経営戦略の立案などに用いられる。

後述するように、クラスタ処理部１０３は、顧客分析を行うごとに、上述したユニバーサルクラスタの構築処理を行うことで、ユニバーサルクラスタＤＢ１３３を更新する。このため、顧客分析装置１は、顧客分析が繰り返されるほど、高精度な顧客分析が可能となる。以下に、上記の構成に基づく、顧客分析プログラムの詳細を述べる。

図２２は、第２実施例に係る顧客分析プログラムのフローチャートである。図２２は、１回の分析処理の流れを示す。なお、本例では、クラスタの比較分析処理に関連する処理（ステップＳｔ３４〜Ｓｔ３６）及びユニバーサルクラスタの構築処理（ステップＳｔ３７）の両方が実行される場合を挙げるが、これに限定されず、何れか一方のみが実行されてもよい。

まず、データ入力処理部１０１は、端末装置２から分析対象期間の指定情報、購買履歴データ２３０、及び顧客データ２３１を受信する（ステップＳｔ３１）。すなわち、データ入力処理部１０１は、分析対象期間の指定（指示）と、分析対象の百貨店Ｘの購買履歴データ２３０とを受け付ける。

次に、データ入力処理部１０１は、購買履歴データ２３０及び顧客データ２３１に基づいて、クラスタ生成用データ１３１を生成する（ステップＳｔ３２）。次に、クラスタ生成部１０２は、クラスタ生成用データ１３１を読み出し、クラスタ生成用データ１３１に基づいて個社クラスタを生成する（ステップＳｔ３３）。なお、クラスタ生成用データ１３１の生成処理及び個社クラスタの生成処理については、図８を参照して述べた通りである。

次に、ユニバーサルクラスタ抽出部１０３ｃは、データ入力処理部１０１から入力された分析対象期間の指定情報に基づいて、ユニバーサルクラスタＤＢ１３３からユニバーサルクラスタを抽出する（ステップＳｔ３４）。以下に、抽出例を挙げて、ユニバーサルクラスタの抽出処理を説明する。

図２３は、ユニバーサルクラスタの抽出例を示す。本例において、ユニバーサルクラスタＤＢ１３３には、ユニバーサルクラスタ「ＵＣ−１」〜「Ｕ−４」が格納されていると仮定する。

「ＵＣ−１」は、個社クラスタ「Ａ−１（２００８）」及び「Ｂ−２（２０１０）」を含み、「ＵＣ−２」は、個社クラスタ「Ｃ−３（２０１１）」及び「Ｄ−４（２００９）」を含む。「ＵＣ−３」は、個社クラスタ「Ｂ−３（２０１０）」及び「Ｅ−２（２０１３）」を含み、「ＵＣ−４」は、個社クラスタ「Ｅ−３（２０１３）」及び「Ｆ−１（２０１３）」を含む。

「抽出例（１）」は、分析対象期間として、「２０１０年度以前」の期間が指定された場合を示す。この場合、ユニバーサルクラスタ抽出部１０３ｃは、「生成年度」情報が「２０１０年度以前」の年度（２０１０年度、２００９年度、２００８年度、・・・）を示すユニバーサルクラスタを抽出する。したがって、抽出例（１）では、２００８年度及び２０１０年度の個社クラスタを基礎とする「ＵＣ−１」が抽出される。

「抽出例（２）」は、分析対象期間として、「２０１０年度以降」の期間が指定された場合を示す。この場合、ユニバーサルクラスタ抽出部１０３ｃは、「生成年度」情報が「２０１０年度以降」の年度（２０１０年度、２０１１年度、２０１２年度、・・・）を示すユニバーサルクラスタを抽出する。したがって、抽出例（２）では、２０１０年度及び２０１３年度の個社クラスタを基礎とする「ＵＣ−３」と、２０１３年度の個社クラスタを基礎とする「ＵＣ−４」が抽出される。

抽出例（３）では、分析対象期間として、「２００９〜２０１１年度」の期間が指定されたとする。この場合、ユニバーサルクラスタ抽出部１０３ｃは、「生成年度」情報が「２００９」〜「２０１１」年度を示すユニバーサルクラスタを抽出する。したがって、抽出例（３）では、２０１１年度及び２００９年度の個社クラスタを基礎とする「ＵＣ−２」が抽出される。

このように、ユニバーサルクラスタ抽出部１０３ｃは、「生成年度」情報が示す期間が、指定された分析対象期間に含まれる個社クラスタだけを含むユニバーサルクラスタを、ユニバーサルクラスタＤＢ１３３から抽出する。したがって、顧客分析装置１は、時期のトレンドを考慮した顧客分析が可能である。

次に、クラスタ処理部１０３は、ユニバーサルクラスタ抽出部１０３ｃにより抽出したユニバーサルクラスタと分析対象の百貨店Ｘの個社クラスタとの比較分析処理を行う（ステップＳｔ３５）。これにより、分析結果（比較結果）が分析結果ＤＢ１３５に格納される。

図２４は、第２実施例におけるクラスタの比較分析処理のフローチャートである。図２４では、ステップＳｔ４１の処理の例が、符号Ｃ１１で示されている。

本例において、個社クラスタＤＢ１３２には、分析対象の百貨店Ｘの個社クラスタ「Ｘ−１」〜「Ｘ−３」が格納されている。また、ユニバーサルクラスタＤＢ１３３には、ユニバーサルクラスタ「ＵＣ−１」〜「ＵＣ−１０」が格納されており、ユニバーサルクラスタ抽出部１０３ｃは、指定された分析対象期間に応じて、ユニバーサルクラスタＤＢ１３３から例えば「ＵＣ−１」〜「ＵＣ−３」を抽出する。

まず、類似判定処理部１０３ａは、個社クラスタ「Ｘ−１」〜「Ｘ−３」と、ユニバーサルクラスタ抽出部１０３ｃにより抽出されたユニバーサルクラスタ「ＵＣ−１」〜「ＵＣ−３」を比較する（ステップＳｔ４１）。このとき、類似判定処理部１０３ａは、符号Ｃ１１で示されるように、個社クラスタ「Ｘ−１」〜「Ｘ−３」とユニバーサルクラスタ「ＵＣ−１」〜「ＵＣ−３」の全ての組み合わせについて類似性の有無を判定する。なお、類似性の判定手段については、図１３を参照して述べた通りである。

次に、クラスタ処理部１０３は、比較の結果、個社クラスタが、抽出されたユニバーサルクラスタの何れにも類似しない場合（ステップＳｔ４２のＮｏ）、当該個社クラスタを特徴的顧客グループとして、分析結果ＤＢ１３５に格納し（ステップＳｔ４３）、処理を終了する。すなわち、クラスタ処理部１０３は、分析対象の百貨店Ｘの購買履歴データ２３０に基づいて生成され、指定された分析対象期間に含まれる時期の購買履歴データ２３０を基礎とする統合顧客グループ（ユニバーサルクラスタ）と所定の類似関係を有していない顧客グループ（個社クラスタ）を検出する。

また、個社クラスタが、抽出されたユニバーサルクラスタの何れかと類似する場合（ステップＳｔ４２のＹｅｓ）、クラスタ処理部１０３は、当該個社クラスタと当該ユニバーサルクラスタの差異を検出し（ステップＳｔ４８）、処理を終了する。個社クラスタとユニバーサルクラスタの差異を示す情報は、分析結果ＤＢ１３５に格納される。ここで、差異を示す情報については、図１７を参照して述べた通りである。このようにして、クラスタの比較分析処理は行われる。

このように、クラスタ処理部１０３は、所定の類似関係を有する全ての顧客グループを含む統合顧客グループ（ユニバーサルクラスタ）と、分析対象の百貨店Ｘの購買履歴データ２３０に基づいて生成された顧客グループ（個社クラスタ）との比較結果を出力する。なお、上述したように、比較結果（顧客分析結果）は、分析結果ＤＢ１３５に一時的に格納される。

再び図２２を参照すると、クラスタ処理部１０３は、上記のステップＳｔ４３，Ｓｔ４８で得た分析結果（比較結果）を、分析結果ＤＢ１３５から読み出して、通信処理部１４を介して端末装置２に出力（送信）する（ステップＳｔ３６）。百貨店Ａ〜Ｘでは、端末装置２から分析結果が取り出され、経営戦略の立案などに活用される。

次に、クラスタ処理部１０３は、ユニバーサルクラスタの構築処理を実行する（ステップＳｔ３７）。ユニバーサルクラスタの構築処理については、図１５Ｂを参照して述べた通りであり、本処理により、ユニバーサルクラスタＤＢ１３３及びユニバーサルクラスタ候補ＤＢ１３４の少なくとも一方が更新される。ユニバーサルクラスタの構築処理の後、顧客分析処理は終了する。

上述したように、分析結果は、分析対象の百貨店Ｘにおいて、経営戦略の立案などに活用される。以下に、分析結果の活用に関して、顧客分析例２を挙げて説明する。

（顧客分析例２）
本例において、顧客分析処理前のクラスタは、図１８に示された顧客分析例１のクラスタと同一とし、分析対象の百貨店Ｘの個社クラスタは、図１９（ａ）に示されるように、「Ｘ−１（２０１２）」〜「Ｘ−５（２０１２）」とする。また、分析対象の購買履歴データ２３０は、２０１２年度の一年分とし、短期的なトレンドの比較分析のため、分析対象期間として、２０１１年度以降の期間が指定されたと仮定する。

したがって、ユニバーサルクラスタ抽出部１０３ｃは、ユニバーサルクラスタＤＢ１３３から、「生成年度」情報が「２０１１年度」以降を示す個社クラスタだけを含む「ＵＣ−２」、「ＵＣ−３」、「ＵＣ−８」、及び「ＵＣ−１０」を抽出する（図２２のステップＳｔ３４の処理）。また、類似判定処理部１０３ａは、分析対象の百貨店Ｘの個社クラスタ「Ｘ−１（２０１２）」〜「Ｘ−５（２０１２）」と、抽出された「ＵＣ−２」、「ＵＣ−３」、「ＵＣ−８」、及び「ＵＣ−１０」との類似性の有無を判定する（図２４のステップＳｔ４１の処理）。

図２５は、顧客分析例２におけるクラスタの比較分析処理の結果を示す。比較分析処理にいて、「Ｘ−１（２０１２）」〜「Ｘ−５（２０１２）」を「ＵＣ−２」、「ＵＣ−３」、「ＵＣ−８」、及び「ＵＣ−１０」と比較した結果、「Ｘ−１（２０１２）」は、何れのユニバーサルクラスタとも類似性を有していないと判定されたため、特徴的顧客グループとして出力される。

特徴的顧客グループである「Ｘ−１（２０１２）」は、百貨店Ｘにおいて、他の百貨店Ａ、Ｂ，Ｃ，・・・には存在しない独自の顧客グループとして分析され、例えば、当該顧客グループを維持しつつ、売上を向上させるための施策の検討に活用される。このような施策としては、例えば、当該顧客グループが頻繁に購入するブランド品を充実させること（商品施策）が挙げられる。

一方、「Ｘ−２（２０１２）」〜「Ｘ−５（２０１２）」は、ユニバーサルクラスタの何れかと類似性を有していると判定されたため、相互の差異が出力される。

図２６は、顧客分析例２における類似性を有する個社クラスタ及びユニバーサルクラスタを示す。図２６において、互いに類似する個社クラスタ及びユニバーサルクラスタは、矢印により対応付けて示されている。例えば、「Ｘ−３（２０１２）」及び「Ｘ−５（２０１２）」は、「ＵＣ−２」及び「ＵＣ−３」にそれぞれ類似する。

比較分析処理において、類似性を有する個社クラスタ及びユニバーサルクラスタは、図２４のステップＳｔ４８を参照して述べたように、互いに比較され、比較結果（分析結果）として、その差異が出力される。ここで、差異を示す情報については、図１７を参照して述べたとおりである。上述したように、百貨店Ｘにおいて、「Ｘ−２（２０１２）」〜「Ｘ−５（２０１２）」に関する差異を示す情報は、例えば、百貨店Ｘの顧客基盤の強弱の評価（いわゆるベンチマーク評価）に活用される。その後、ユニバーサルクラスタの構築処理（ステップＳｔ３７の処理）が実行されることにより、ユニバーサルクラスタ及びユニバーサルクラスタ候補が変更される。

図２７は、顧客分析例２におけるユニバーサルクラスタ及びユニバーサルクラスタ候補の変更処理を示す。より具体的には、図２７（ａ）は、ユニバーサルクラスタの更新処理（図１５ＢのステップＳｔ１９参照）を示す。点線枠で囲まれたユニバーサルクラスタと個社クラスタは、互いに類似するため、統合されることにより、矢印で示されたユニバーサルクラスタに更新される。本例は、ユニバーサルクラスタの構築処理において、図２６に示された類似関係が検出されたことを前提とする。

ユニバーサルクラスタの構築処理において、例えば、「ＵＣ−２」及び「Ｘ−３（２０１２）」は、「ＵＣ−２’」に統合され、「ＵＣ−３」及び「Ｘ−５（２０１２）」は、「ＵＣ−３’」に統合（マージ）される。このとき、更新後の「ＵＣ−２’」の「元クラスタ」情報には、「Ｘ−３（２０１２）」が追加され、更新後の「ＵＣ−３’」の「元クラスタ」情報には、「Ｘ−５（２０１２）」が追加される。

また、図２７（ｂ）は、ユニバーサルクラスタの追加処理及びユニバーサルクラスタ候補の更新処理（図１５ＢのステップＳｔ１７及びＳｔ１６参照）を示す。何れのユニバーサルクラスタにも類似しない「Ｘ−１（２０１２）」は、図１５ＢのステップＳｔ１４を参照して述べたように、ユニバーサルクラスタ候補「Ａ−４（２０１０）」、「Ｃ−５（２０１２）」との類似性の有無が判定される。

「Ａ−４（２０１０）」及び「Ｘ−１（２０１２）」は、互いに類似するため、統合されて、新たなユニバーサルクラスタ「ＵＣ−１１」が生成される。このとき、「ＵＣ−１１」の「元クラスタ」情報は、「Ａ−４（２０１０）」及び「Ｘ−１（２０１２）」を示す。なお、ユニバーサルクラスタ候補ＤＢ１３４には、「Ｃ−５（２０１２）」だけが格納されている。

図２８は、顧客分析例２における顧客分析処理後のクラスタを示す。ユニバーサルクラスタの構築処理により、ユニバーサルクラスタＤＢ１３３には、更新されたユニバーサルクラスタ「ＵＣ−２’」、「ＵＣ−３’」、「ＵＣ−８’」、「ＵＣ−１０’」、及び、追加されたユニバーサルクラスタ「ＵＣ−１１」が格納されている。ユニバーサルクラスタ候補ＤＢ１３４には、分析処理後も残留するユニバーサルクラスタ候補「Ｃ−５」が格納されている。なお、ユニバーサルクラスタ候補「Ａ−４」は、個社クラスタ「Ｘ−１」と統合され、ユニバーサルクラスタ「ＵＣ−１１」に変更されたため、ユニバーサルクラスタ候補ＤＢ１３４から削除される。

個社クラスタＤＢ１３２には、百貨店Ａの個社クラスタ「Ａ−１」〜「Ａ−７」、百貨店Ｂの個社クラスタ「Ｂ−１」〜「Ｂ−５」、及び百貨店Ｃの個社クラスタ「Ｃ−１」〜「Ｃ−１０」が格納されている。さらに、個社クラスタＤＢ１３２には、分析対象の百貨店Ｘの個社クラスタ「Ｘ−１」〜「Ｘ−１２」が追加され、格納されている。

このように、ユニバーサルクラスタＤＢ１３３は、顧客分析が行われるたびに更新され、さらなる顧客分析に使用される。したがって、顧客分析が行われるほど、ユニバーサルクラスタＤＢ１３３の内容が充実し、高精度な顧客分析が可能となる。

これまで述べたように、第２実施例に係る顧客分析プログラムは、以下の処理をコンピュータ（ＣＰＵ）１０に実行させるものである。
処理（１）：期間の指定を分析対象期間とする指示、または、現在もしくは過去の時点からの所定期間を分析対象期間とする指示と、分析対象の店の購買履歴データ２３０とを受け付ける。
処理（２）：指示された分析対象期間における複数の店（百貨店）Ａ，Ｂ，・・・の購買履歴データ２３０に基づいて生成された顧客グループ（個社クラスタ）のうち、所定の類似関係を有する全ての顧客グループを含む統合顧客グループ（ユニバーサルクラスタ）に含まれる各顧客グループを、各顧客グループの基礎とされた購買履歴データ２３０が示す時期（「生成年度」情報）と対応付けて記憶した記憶部（ＨＤＤ）１３を参照して、統合顧客グループのうち、指定された分析対象期間に含まれる時期の購買履歴データを基礎とする統合顧客グループ（ユニバーサルクラスタ）を抽出する。
処理（３）：抽出した統合顧客グループと、分析対象の店（百貨店）Ｘの購買履歴データ２３０に基づいて生成された顧客グループ（個社クラスタ）との比較結果を出力する。

実施例に係る顧客分析プログラムによると、分析対象の店Ｘの顧客グループを、指定された分析対象期間の類似の顧客グループが属する統合顧客グループと比較して得られた比較結果が出力されるので、時期のトレンドを考慮した顧客分析が可能である。

また、第２実施例に係る顧客分析方法は、以下の工程をコンピュータ（ＣＰＵ）１０が実行するものである。
工程（１）：期間の指定を分析対象期間とする指示、または、現在もしくは過去の時点からの所定期間を分析対象期間とする指示と、分析対象の店の購買履歴データ２３０とを受け付ける。
工程（２）：指示された分析対象期間における複数の店（百貨店）Ａ，Ｂ，・・・の購買履歴データ２３０に基づいて生成された顧客グループ（個社クラスタ）のうち、所定の類似関係を有する全ての顧客グループを含む統合顧客グループ（ユニバーサルクラスタ）に含まれる各顧客グループを、各顧客グループの基礎とされた購買履歴データ２３０が示す時期（「生成年度」情報）と対応付けて記憶した記憶部（ＨＤＤ）１３を参照して、統合顧客グループのうち、指定された分析対象期間に含まれる時期の購買履歴データを基礎とする統合顧客グループ（ユニバーサルクラスタ）を抽出する。
工程（３）：抽出した統合顧客グループと、分析対象の店（百貨店）Ｘの購買履歴データ２３０に基づいて生成された顧客グループ（個社クラスタ）との比較結果を出力する。

第２実施例に係る顧客分析方法は、第２実施例に係る顧客分析プログラムと同様の構成を含むので、上述した内容と同様の作用効果を奏する。

また、第２実施例に係る顧客分析装置１は、受付処理部（データ入力処理部）１０１と、記憶部（ＨＤＤ）１３と、出力処理部（クラスタ処理部）１０３とを有する。受付処理部１０１は、期間の指定を分析対象期間とする指示、または、現在もしくは過去の時点からの所定期間を分析対象期間とする指示と、分析対象の店の購買履歴データ２３０とを受け付ける。

記憶部１３は、指示された分析対象期間における複数の店（百貨店）Ａ，Ｂ，・・・の購買履歴データ２３０に基づいて生成された顧客グループ（個社クラスタ）のうち、所定の類似関係を有する全ての顧客グループを含む統合顧客グループ（ユニバーサルクラスタ）に含まれる各顧客グループを、各顧客グループの基礎とされた購買履歴データ２３０が示す時期（「生成年度」情報）と対応付けて記憶する。

出力処理部１０３は、記憶部１３を参照して、統合顧客グループのうち、指示された分析対象期間に含まれる時期の購買履歴データ２３０を基礎とする統合顧客グループ（ユニバーサルクラスタ）を抽出する。出力処理部１０３は、抽出した統合顧客グループと、分析対象の店（百貨店）Ｘの購買履歴データ２３０に基づいて生成された顧客グループ（個社クラスタ）との比較結果を出力する。

第２実施例に係る顧客分析装置１は、第２実施例に係る顧客分析プログラムと同様の構成を含むので、上述した内容と同様の作用効果を奏する。

なお、上記の処理機能は、コンピュータによって実現することができる。その場合、処理装置が有すべき機能の処理内容を記述したプログラムが提供される。そのプログラムをコンピュータで実行することにより、上記処理機能がコンピュータ上で実現される。処理内容を記述したプログラムは、コンピュータで読み取り可能な記録媒体（ただし、搬送波は除く）に記録しておくことができる。

プログラムを実行するコンピュータは、例えば、可搬型記録媒体に記録されたプログラムもしくはサーバコンピュータから転送されたプログラムを、自己の記憶装置に格納する。そして、コンピュータは、自己の記憶装置からプログラムを読み取り、プログラムに従った処理を実行する。なお、コンピュータは、可搬型記録媒体から直接プログラムを読み取り、そのプログラムに従った処理を実行することもできる。また、コンピュータは、サーバコンピュータからプログラムが転送されるごとに、逐次、受け取ったプログラムに従った処理を実行することもできる。

上述した実施形態は本発明の好適な実施の例である。但し、これに限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々変形実施可能である。

１ 顧客分析装置
２ 端末装置
１０ ＣＰＵ
１３ ＨＤＤ（記憶部）
１０１ データ入力処理部（受付処理部）
１０２ クラスタ生成部
１０３ クラスタ処理部（出力処理部）
１３２ 個社クラスタデータベース
１３３ ユニバーサルクラスタデータベース

Claims (6)

1. 期間の指定を分析対象期間とする指示、または、現在もしくは過去の時点からの所定期間を分析対象期間とする指示と、分析対象の店の購買履歴データとを受け付け、
   指示された前記分析対象期間における複数の店の購買履歴データに基づいて生成された顧客グループのうち、所定の類似関係を有する全ての顧客グループを含む統合顧客グループと、前記分析対象の店の購買履歴データに基づいて生成された顧客グループとの比較結果を出力する、処理をコンピュータに実行させることを特徴とする顧客分析プログラム。
2. 期間の指定を分析対象期間とする指示、または、現在もしくは過去の時点からの所定期間を分析対象期間とする指示と、分析対象の店の購買履歴データとを受け付け、
   指示された前記分析対象期間における複数の店の購買履歴データに基づいて生成された顧客グループのうち、所定の類似関係を有する全ての顧客グループを含む統合顧客グループに含まれる各顧客グループを、各顧客グループの基礎とされた前記購買履歴データが示す時期と対応付けて記憶した記憶部を参照して、前記統合顧客グループのうち、指示された前記分析対象期間に含まれる時期の前記購買履歴データを基礎とする統合顧客グループを抽出し、
   抽出した前記統合顧客グループと、前記分析対象の店の購買履歴データに基づいて生成された顧客グループとの比較結果を出力する、処理を、コンピュータに実行させることを特徴とする顧客分析プログラム。
3. 期間の指定を分析対象期間とする指示、または、現在もしくは過去の時点からの所定期間を分析対象期間とする指示と、分析対象の店の購買履歴データとを受け付ける工程と、
   指示された前記分析対象期間における複数の店の購買履歴データに基づいて生成された顧客グループのうち、所定の類似関係を有する全ての顧客グループを含む統合顧客グループと、前記分析対象の店の購買履歴データに基づいて生成された顧客グループとの比較結果を出力する工程とを、コンピュータが実行することを特徴とする顧客分析方法。
4. 期間の指定を分析対象期間とする指示、または、現在もしくは過去の時点からの所定期間を分析対象期間とする指示と、分析対象の店の購買履歴データとを受け付ける工程と、
   指示された前記分析対象期間における複数の店の購買履歴データに基づいて生成された顧客グループのうち、所定の類似関係を有する全ての顧客グループを含む統合顧客グループに含まれる各顧客グループを、各顧客グループの基礎とされた前記購買履歴データが示す時期と対応付けて記憶した記憶部を参照して、前記統合顧客グループのうち、指示された前記分析対象期間に含まれる時期の前記購買履歴データを基礎とする統合顧客グループを抽出する工程と
   抽出した前記統合顧客グループと、前記分析対象の店の購買履歴データに基づいて生成された顧客グループとの比較結果を出力する工程とを、コンピュータが実行することを特徴とする顧客分析方法。
5. 期間の指定を分析対象期間とする指示、または、現在もしくは過去の時点からの所定期間を分析対象期間とする指示と、分析対象の店の購買履歴データとを受け付ける受付処理部と、
   指示された前記分析対象期間における複数の店の購買履歴データに基づいて生成された顧客グループのうち、所定の類似関係を有する全ての顧客グループを含む統合顧客グループと、前記分析対象の店の購買履歴データに基づいて生成された顧客グループとの比較結果を出力する出力処理部とを有することを特徴とする顧客分析装置。
6. 期間の指定を分析対象期間とする指示、または、現在もしくは過去の時点からの所定期間を分析対象期間とする指示と、分析対象の店の購買履歴データとを受け付ける受付処理部と、
   指示された前記分析対象期間における複数の店の購買履歴データに基づいて生成された顧客グループのうち、所定の類似関係を有する全ての顧客グループを含む統合顧客グループに含まれる各顧客グループを、各顧客グループの基礎とされた前記購買履歴データが示す時期と対応付けて記憶した記憶部と、
   前記記憶部を参照して、前記統合顧客グループのうち、指示された前記分析対象期間に含まれる時期の前記購買履歴データを基礎とする統合顧客グループを抽出し、抽出した前記統合顧客グループと、前記分析対象の店の購買履歴データに基づいて生成された顧客グループとの比較結果を出力する出力処理部とを有することを特徴とする顧客分析装置。

Images