JP6653413B2

JP6653413B2 - 購買分析装置及び購買分析方法

Info

Publication number: JP6653413B2
Application number: JP2015020508A
Authority: JP
Inventors: 山村　敏記; 敏記山村
Original assignee: Panasonic Intellectual Property Management Co Ltd
Current assignee: Panasonic Intellectual Property Management Co Ltd
Priority date: 2015-02-04
Filing date: 2015-02-04
Publication date: 2020-02-26
Anticipated expiration: 2035-02-04
Also published as: JP2016143334A

Description

本開示は、特に店舗内における顧客の購買行動を分析する購買分析装置及び購買分析方法に関する。

従来より、顧客の店舗内の各地点における滞留時間を算出し、商品購入情報と連動させることで、顧客が商品の置かれた場所を通過しているにも拘わらず購入されていない等の情報を取得し、この情報を判断材料として活用するものが存在している（例えば、特許文献１参照）。

特許文献１は、顧客が店舗内の各棚の前に滞留した滞留時間を棚毎に測定する滞留時間測定手段と、精算時に各顧客が購入した商品を示す購入商品情報を記憶する記憶手段などを備える。

これにより、商品棚毎に商品棚の商品を購入した購入者数および平均滞留時間と、商品棚の商品を購入しなかった人の数および平均滞留時間等の顧客購買情報を記憶し、商品毎、商品カテゴリ毎、または商品が置かれた各棚毎に設定される所定の基準値に基づいて、記憶されている平均滞留時間が基準値を越えたか否かを判定し、平均滞留時間が基準値を越えたと判定されたとき、警告を発する警告発生手段等を備えた構成となっている。この構成により、店舗で顧客が欲しかったが購入しなかった商品を、顧客の動線情報とＰＯＳデータを用いて推測することができるようにしたものである。具体的には、商品未購入で平均滞留時間が長く、件数が多い棚を、欠品や品揃え等の点で改善が必要な棚として抽出している。

特許第４０６８５０５号公報

しかしながら、従来のシステムでは、滞留時間に一定の基準を用いているため、例えば、よく店舗に訪れている人と、あまり訪れない人との違いがわからず、正確に原因が特定できない恐れがある。顧客の購買パターンには、購入する商品カテゴリと商品ブランドを決定して来店する場合（以下、計画購買と記す）や、商品カテゴリは決定しているが商品ブランドは来店時に商品を見て決定する場合、及び来店時には商品カテゴリや商品ブランドを決定しておらず、店内にて購買意欲が想起される場合（以下、非計画購買と記す）がある。計画購買の場合は、一般に非計画購買の場合の滞留時間に比して短くなる傾向がある。これらの購買パターンは、顧客毎、商品毎、来店毎によって異なるため、棚毎の滞留時間に一定の基準を用いた場合には、来店頻度の場合と同様、正確に原因が特定できない恐れがある。

本開示は、顧客個々の購買情報及びカメラの情報から、より正確に原因が特定可能な購買分析装置及び購買分析方法を提供することを目的としている。

本開示にかかる購買分析装置は、複数の販売領域を有する店舗に配置されたカメラと購入情報管理装置と接続された購買分析装置であって、前記カメラから受信したデータをもとに顧客を特定する人物特定部と、前記特定した顧客の販売領域毎の滞留時間を検知する滞留検出部と、前記特定した顧客の入店から退店までの入店時間における商品情報を含む購入情報を取得する購入情報取得部と、前記特定された顧客が第１の時間以上滞留した滞留販売領域とこれに対応する商品情報、並びに前記購入情報を読み込み、この購入情報に含まれない商品情報が対応した前記滞留販売領域である非購入領域を検出する非購入領域検出部と、前記非購入領域の滞留時間について、前記特定した顧客毎に設けた第２の時間以上の滞留時間か否かに分類して統計する統計部と、を備える。

本開示にかかる購買分析方法は、複数の販売領域を有する店舗に配置されたカメラと購入情報管理装置と接続された購買分析装置のＣＰＵにより実行される購買分析方法であって、前記カメラのデータをもとに顧客を特定するステップと、前記特定した顧客の販売領域毎の滞留時間を検知するステップと、前記特定した顧客の入店から退店までの入店時間における商品情報を含む購入情報を取得するステップと、前記特定された顧客が第１の時間以上滞留した滞留販売領域とこれに対応する商品情報、並びに前記購入情報を読み込み、この購入情報に含まれない商品情報が対応した前記滞留販売領域である非購入領域を検出するステップと、前記非購入領域の滞留時間について、前記特定した顧客毎に設けた第２の時間以上の滞留時間か否かに分類して統計するステップと、を備える。

本開示にかかる購買分析装置及び購買分析方法は、顧客個々の購買情報及びカメラの情報から、より正確に原因が特定可能となる。

実施の形態１にかかる購買分析システムの構成を説明する図実施の形態１にかかる店舗内レイアウトを示す図実施の形態１にかかる購買分析装置の構成を示すブロック図実施の形態１にかかる購買分析全体のフローチャート実施の形態１にかかる顔検索結果データを示す図実施の形態１にかかる顧客毎の顔情報データ作成のためのフローチャート実施の形態１にかかる顧客毎の顔情報データを示す図実施の形態１にかかる顧客毎の顔情報データから来店データ作成のためのフローチャート実施の形態１にかかる顧客毎の来店データを示す図実施の形態１にかかる店舗内の検知エリアを示す図実施の形態１にかかる店舗内の検知エリアデータを示す図実施の形態１にかかる店舗内の棚位置データを示す図実施の形態１にかかる棚毎の商品カテゴリデータを示す図実施の形態１にかかる滞留時間検出のためのフローチャート実施の形態１にかかる顧客の来店毎の滞留時間データを示す図実施の形態１にかかる購買データを示す図実施の形態１にかかる滞留時間データと購買データ紐付けのためのフローチャート実施の形態１にかかる顧客の来店毎の非購入滞留時間データを示す図実施の形態１にかかる分析のためのフローチャート実施の形態１にかかる顧客毎、棚毎の滞在時間と購買パターンデータを示す図実施の形態１にかかる棚毎、購買パターン毎の非購入回数データを示す図実施の形態１にかかる棚毎の非計画購買の買い回り順位と非購入回数データを示す図実施の形態１にかかる分析結果の表示例を示す図実施の形態１にかかる顧客の来店毎の購入／非購入滞留時間データを示す図実施の形態２にかかる顧客毎、棚毎の滞在時間と購買パターンデータを示す図実施の形態２にかかる棚毎の非計画購買時の購入回数データ及び滞留時間の減少率を示す図実施の形態にかかる棚毎の計画購買回数と非計画購買回数を示す図

以下、適宜図面を参照しながら、実施の形態を詳細に説明する。ただし、必要以上に詳細な説明は省略する場合がある。例えば、既によく知られた事項の詳細説明や実質的に同一の構成に対する重複説明を省略する場合がある。これは、以下の説明が不必要に冗長になるのを避け、当業者の理解を容易にするためである。

なお、出願人は、当業者が本開示を十分に理解するために添付図面および以下の説明を提供するのであって、これらによって特許請求の範囲に記載の主題を限定することを意図するものではない。

（実施の形態１）
以下、図１〜２２を用いて、実施の形態１について説明する。
［１−１．構成］
図１は、実施の形態１にかかる購買分析システム１の構成を示す図である。購買分析システム１は、購買分析装置２と顔検出カメラ３と滞留検出カメラ４と決済装置（ＰＯＳ、購入情報管理装置）５と表示装置６とからなる。購買分析システム１は、顔検出カメラ３と滞留検出カメラ４と決済装置５からの情報をもとに、購買分析装置２において集計・分析を行い、集計・分析結果を表示装置６に表示する構成となっている。

図２は、実施の形態１にかかる店舗内レイアウトを示す図である。店舗内には、店舗入り口正面上方に入店者を識別するための顔検出カメラ３の一つであり、例えば特定の方向を撮影する入り口カメラＣ３１が設置されている。また店舗内のレジＲ１、レジＲ２の後方上部には、精算を実施した顧客を識別するための顔検出カメラ３の一つであり、例えば特定の方向を撮影するレジ前カメラＣ３２、Ｃ３３が設置されている。

また、店舗内の上部には、顧客の店舗内での動線、及び各領域の滞留時間を検出するための滞留検出カメラ４の一つであり、例えば周囲３６０度撮影可能な全方位カメラが滞留検出カメラＣ４１、Ｃ４２、Ｃ４３、Ｃ４４、Ｃ４５として設置されている。これらの滞留検出カメラ４は、顧客の店舗内の動線、各領域の滞留時間を検出するために、店舗の規模や商品棚のレイアウトに対応して、カメラ数、配置位置を決定する。店舗内には、商品を陳列するための棚が複数存在する。それぞれの棚は予め識別子が付与されている。実施の形態１における店舗では、棚Ｔ０１から棚Ｔ４４までの計４４個の棚が存在している。
［１−１−１．分析装置の構成］
図３は、実施の形態１にかかる購買分析装置２の構成を示す図である。購買分析装置２は、外部装置からデータを入力、外部装置にデータを出力するための入出力部２１と、入り口カメラＣ３１、レジ前カメラＣ３２、Ｃ３３からのデータをもとに個人を特定する人物特定部２２と、滞留検出カメラＣ４１、Ｃ４２、Ｃ４３、Ｃ４４、Ｃ４５からのデータをもとに店舗内の所定の領域毎の滞留時間を検出する滞留検出部２３と、決済装置５から顧客の購買情報を取得する購入情報取得部２４と、人物特定部２２、滞留検出部２３、購入情報取得部２４からのデータをもとに、非購入領域を検出する非購入領域検出部２５と、非購入領域検出部２５からのデータをもとに集計・分析を行う分析部２６と、外部装置からのデータや、購買分析装置の各手段により検出、集計・分析されたデータを記憶するための記憶部２７とを備えている。なお、人物特定部２２、滞留検出部２３、購入情報取得部２４、非購入領域検出部２５、分析部２６は、すべて同じ制御部（ＣＰＵ）にて行っても良いし、それぞれ専用の制御部にて行っても良い。
［１−２．動作］
以上のように構成された購買分析システム１について、その動作を以下で説明する。図４は、購買分析システム１の分析処理を示すフローチャートである。分析処理では、人物特定部２２は、まず入り口カメラＣ３１、レジ前カメラＣ３２、Ｃ３３からの撮影した画像、または撮影した画像から特徴点等（例えば、年齢、性別）を抽出したメタデータをもとに個人を特定する顧客特定処理（Ｓ４１）を実施する。

次に、滞留検出部２３は、滞留検出カメラＣ４１、Ｃ４２、Ｃ４３、Ｃ４４、Ｃ４５からの画像データをもとに、顧客の来店毎における、所定の領域毎の滞留時間を検出する販売領域滞留時間検出処理（Ｓ４２）を実施する。

次に、購入情報取得部２４は、決済装置５から顧客の購買情報を取得する購入情報取得処理（Ｓ４３）を実施する。続いて非購入領域検出部２５が、非購入領域を検出する非購入領域検出処理（Ｓ４４）を実施する。最後に非購入領域検出処理結果を利用して、分析部２６が検出データ分析処理（Ｓ４５）を実施する。それぞれの処理の詳細については、以下で説明する。
［１−２−１．顧客特定処理］
図５から図９を用いて顧客特定処理を説明する。

図５は、入り口カメラＣ３１、レジ前カメラＣ３２、Ｃ３３からの画像、メタデータをもとに、検出した顔情報の識別子（顔情報ＩＤ）、顔を検出したカメラの識別子（カメラＩＤ）、検出日時情報、顔検出時に顔の特徴量から推定した年齢層及び性別を示したものである。顔情報ＩＤは、画像データから顔として検出されたデータそれぞれについて付与される。また、顔情報ＩＤと不図示の顔画像とを紐付けて記憶する。

顧客来店時には、まず入り口正面上方に配置した入り口カメラＣ３１により顧客を検出する。買い物が完了し、精算する際には、レジ後方上方に配置されたレジ前カメラＣ３２、もしくはＣ３３により、顧客を検出する。通常の来店時には、入り口カメラＣ３１、及びレジ前カメラＣ３２、もしくはＣ３３の少なくとも２回、顔を検出する。また、何も購入せずに退店（非購入退店）した場合の場合には、入り口カメラＣ３１でのみ検出される。また精算後、退店することなく追加で商品を購入した場合等には、再度レジ前カメラＣ３２、Ｃ３３で検出されることになる。入り口カメラＣ３１、レジ前カメラＣ３２、Ｃ３３で検出された各顔情報は、顔照合処理により顧客の特定を実施する。

図６は、顧客特定処理の動作を示すフローチャートである。顧客特定処理ではまず、図５で示した顔検出データと対応する顔画像情報の読み込みを実施する（Ｓ６１）。次に読みこんだ顔検出データの中から、比較元顔情報を決定する（Ｓ６２）。次に比較元顔情報と比較先顔情報とで顔照合処理を行う（Ｓ６３）。顔照合処理の結果、同一人物と判断された場合には（Ｓ６４のＹＥＳ）、比較元顔情報と同一の顧客識別子（顧客ＩＤ）を付与する（Ｓ６５）。Ｓ６３からＳ６５の動作を比較先顔情報全て（Ｓ６６）に対して実施する。特定の比較元顔情報に対する照合処理を完了すると、比較元画像を変更し、Ｓ６２からＳ６６の一連の処理を実行する。

図６の顧客特定処理により生成された顧客毎の顔情報データを図７に示す。図７において、顔情報ＩＤが１、４、Ｎの顔情報データは、顔照合処理の結果、同一人物であると判断され、同一の顧客ＩＤ（＝１）が付与されている。

図７の顧客毎の顔情報データを利用して、顧客の来店毎のデータを作成する。図８は、顧客毎の顔情報データから来店毎のデータを生成するためのフローチャートを示している。来店毎のデータを生成するために、まず顧客毎の顔情報データを読み込む（Ｓ８１）。次に顔情報データ中の顧客ＩＤから対象の顧客ＩＤを決定する（Ｓ８２）。

次に決定した顧客ＩＤの顔情報データを日時順に並べ替える（Ｓ８３）。そして、図７の先頭の顔情報データの日時情報を開始日時情報とし、来店回数を１にして、初回来店データを生成する（Ｓ８４）。

次に、前データ（初回の来店データ、または最新の来店データ）をもとに、続く顔情報データの日時情報が前データの開始日時情報と比較して所定値以下の場合（Ｓ８５のＹＥＳ）には、同一の来店とみなして、初回来店データの終了日時情報を更新する（Ｓ８６）。

一方、続く顔情報データの日時情報が前データの開始日時情報と比較して所定値より大きい場合（Ｓ８５のＮＯ）には、別来店とみなしてその日時情報を開始日時情報として新たな来店データ（最新の来店データ）を生成する（Ｓ８７）。なお、来店回数は、前の来店データの来店回数に＋１する。

続く顔情報に対しては、最新の来店データの開始日時情報との比較を行う。日時情報の比較処理は、対象顧客ＩＤの全ての顔情報データに対して実施（Ｓ８８）する。一連の処理を全ての顧客ＩＤに対して実施（Ｓ８９）することにより、来店毎のデータを生成する。

なおＳ８５の所定値は、例えばコンビニエンスストア等の小規模店の場合には１５分、スーパー等の大型店の場合には６０分、等のように対象とする店舗の規模や平均滞在時間により決定する。

図９は、図７の顔情報データに、図８の処理を実施することにより生成された来店毎のデータを示したものである。図７における顔情報ＩＤ＝４のデータは、顔情報ＩＤ＝１と同一の来店となっている。一方、顔情報ＩＤ＝Ｎのデータは、顔情報ＩＤ＝１とは、別の来店データとなり、その結果、来店回数が２となっている。また、図９のカメラＩＤは初回、または最新の来店データを作成した際にもととなったデータ、つまり開始日時情報を持っていたカメラＩＤとなる。また、上述したように所定値より大きい場合、新たな来店データを生成するため、終了日時情報は空欄となる。

図５から図９までの一連の処理により、来店顧客の特定処理を実施する。
［１−２−２．販売領域滞留時間検出処理］
図１０から図１５を用いて、顧客の販売領域滞留時間検出処理を説明する。

図１０は、店舗１０内の通路に設定された滞留検出エリア（販売領域）を示した図である。滞留検出エリアは、顧客が検出エリア内に所定時間滞留したことを検出するために設定されている。滞留検出エリアは、Ａ１、Ａ２、・・・Ａ２７のようにエリア毎に識別子が付与されている。またそれぞれのエリアは、図１１に示すように店舗内の位置情報と共に、滞留検出エリア情報として記憶部２７に記憶されている。また、不図示の店舗内に設置された滞留検出カメラ位置情報も滞留検出エリア情報と同様に記憶部２７に記憶されている。

図１２は、各滞留検出エリアに関連したレジや商品棚の位置情報を示した棚位置情報である。棚位置情報は、顧客が滞留検出エリアに所定時間滞留した際に、顧客が待っているレジや、興味を有している棚を特定するために使用する。各レジ、商品棚毎に識別子が付与されており、滞留検出エリア情報と同様、それぞれのレジや商品棚の店舗内の位置情報と共に、棚位置情報として記憶部２７に記憶されている。

図１３は、各商品棚に陳列されている商品カテゴリ情報を示した図である。商品棚毎に棚に陳列されている商品カテゴリの識別子（商品カテゴリＩＤ）を記憶している。店舗で扱う各商品には、商品毎の識別子と、商品のカテゴリ情報を示す商品カテゴリＩＤが付与されている。本情報を利用することにより、各商品がどの商品棚に陳列されているかを判断することが可能となっている。本情報も、滞留検出エリア情報、棚位置情報と同様、記憶部２７に記憶されている。

図５から図９で示した顧客特定処理により得られた情報と、図１０から図１３に示した店舗毎の情報と、滞留検出カメラＣ４１〜Ｃ４５から得られた画像情報をもとに、顧客の来店毎の販売領域滞留時間を検出するための処理を図１４に示す。

販売領域滞留時間検出処理では、まず対象の顧客ＩＤと、対象とする来店日時情報（開始日時情報）とを、図９に示した来店データから決定する（Ｓ１４１）。次に対象とした来店日時情報（開始日時情報）と対応する精算日時情報（終了日時情報）とから、滞留検出カメラＣ４１〜Ｃ４５の画像情報を読み出す（Ｓ１４２）。

なお、画像情報を読み出す際には、対象とした顧客の入店から精算終了、退店までの滞留行動を確実に検出するため、対象とした来店日時情報の１０秒程度前から、また精算日時情報の３０秒程度後までの画像情報を読み出すようにしている。

次に対象とした来店日時情報と精算日時情報から読み出した画像情報の中からＳ１４１で決定した対象となる顧客ＩＤに紐付く顔画像をもとに追跡対象を決定する（Ｓ１４３）。追跡対象が図１０、図１１で設定された検出エリアに所定時間滞留している場合（Ｓ１４４のＹＥＳ）には、図１２で示した商品棚情報から、対象検出エリアに関連するいずれかのレジ、もしくは商品棚の方向に向いているかの検出を行う（Ｓ１４５）。いずれかのレジ、もしくは商品棚に向いていると検出された場合（Ｓ１４５のＹＥＳ）には、該当する棚ＩＤと、滞留開始時間、滞留時間を記録する（Ｓ１４６）。

この場合の所定時間は、各検知エリアの広さと一般的な歩く速度から、立ち止まっていると判断できる値を設定する。対象とした来店に対して、入店から退店までの間、Ｓ１４４からＳ１４６までの一連の処理を行う（Ｓ１４７）。図１４で示した一連の処理を各顧客の来店毎に実施することで、対象とする全ての顧客の来店時における販売領域滞留時間を検出することが可能となる。

なお、非購入退店時には、精算を実施しないため、レジ前カメラＣ３２、Ｃ３３等で顔検知することができず、図９の来店データから終了日時情報を知ることができない。このような場合には、来店日時情報（開始日時情報）をもとに、画像情報を読み出し、Ｓ１４３で設定した追跡対象が退店するまでの画像情報を追加で読み出すようにしている。また、精算後、イートインコーナー等の店内に留まり退店することなく再度追加で商品を購入した場合等には、図９では別の来店データとして管理されるため、上記と同様に終了日時情報が空欄となる。ただし、通常の入退店とはカメラＩＤが異なるためここで区別することができ、この場合、対象顧客の前の来店データの精算時間（終了日時情報）から開始日時情報までの間の時間について画像情報を読み出すようにしている。

図１４の処理を実施して得られた顧客の来店毎の販売領域滞留時間を図１５に示す。本実施の形態では、滞留開始時間を記録しているため、１回の来店で複数の商品棚の前に滞留している場合でも、滞留した商品棚の順序を判別することが可能である。
［１−２−３．購入情報取得処理］
決済装置５から取得した購入情報を図１６に示す。購入情報には、店舗識別子、販売日時情報（精算日時情報）、精算を実施したレジの識別子（レジＮＯ）、精算を識別するためのレシートＮＯ、数量、売上金額、商品を識別するための商品ＩＤ、商品カテゴリを識別するための商品カテゴリＩＤ等が含まれている。
［１−２−４．非購入領域検出処理］
次に販売領域滞留時間検出処理により得られたデータと、購入情報取得処理により得られたデータとから、非購入領域検出処理を実施する。図１７は、非購入領域検出処理のフローチャートを示したものである。非購入領域検出処理では、まず図１５に示した顧客の来店毎の販売領域滞留時間データから、対象とする顧客ＩＤの販売領域滞留時間情報の読み込みを行う（Ｓ１７１）。次に図１３に示す棚毎の商品化カテゴリ情報を読み込む（Ｓ１７２）。続いて図１６に示す購入情報を読み込む（Ｓ１７３）。

次に販売領域滞留時間情報の精算日時情報と一致、または近い精算日時情報を持った購入情報が存在するかの確認を行う（Ｓ１７４）。非購入退店のように、販売領域滞留時間情報の精算日時情報に対応する購入情報が存在しない場合（Ｓ１７４のＹＥＳ）には、対応する販売領域滞留時間情報全てに非購入フラグをセットし（Ｓ１７５）、終了する。販売領域滞留時間情報の精算日時情報と一致または近い精算日時情報をもった購入情報が存在する場合（Ｓ１７４のＹＥＳ）には、レシートＮＯが同一である購入情報に、対象となる販売領域滞留時間情報に含まれる商品棚に陳列された商品（カテゴリ）が含まれているかのチェックを行う（Ｓ１７６）。含まれていない場合（Ｓ１７６のＹＥＳ）には、対応する販売領域滞留時間情報に非購入を示す非購入フラグをセットする（Ｓ１７７）。対象とする全ての販売領域滞留時間情報に対して、Ｓ１７４からＳ１７７の処理を実施する（Ｓ１７８）。

これらの一連の処理により、非購入領域を検出することが可能となる。図１８は、図１５の販売領域滞留時間情報と図１６の購入情報をもとに、図１７の非購入領域検出処理を実施して得られた情報を示したものである。
［１−２−５．検出データ分析処理］
これまでの一連の処理により得られた非購入領域検出データをもとに、非購入原因と規模、対応優先度を特定するための分析処理を以下に示す。

前述したように顧客の購買パターンには、計画購買と非計画購買とが存在している。計画購買の場合は、一般に非計画購買の場合の滞留時間に比して短くなる傾向がある。なお、計画購買は、購入する商品カテゴリと商品ブランドを決めているということであるため、購入した場合、購入しない場合も含む。同様に非計画購買も、購入する場合、購入しない場合も含む。また、これらの購買パターンは、顧客毎、商品毎、また来店毎によって異なる。本実施の形態では、顧客毎に、来店毎また商品棚毎の非購入滞留時間情報をもとに、購買パターンの分類を行い、原因、規模、対応優先度を特定する。

図１９は、購買パターン分類処理のフローチャートを示したものである。購買パターン分類処理では、まず対象の顧客ＩＤを決定する（Ｓ１９１）。次に図１８に示した非購入滞留時間情報から、対象とする顧客ＩＤの非購入滞留時間情報を抽出する（Ｓ１９２）。次に抽出した非購入滞留時間情報から、棚ＩＤ毎に集計を行う（Ｓ１９３）、次に棚ＩＤ毎に集計した非購入滞留時間情報をもとに、顧客、商品棚毎に閾値を決定し、決定した閾値をもとに各非購入滞留時間が、計画購買か非計画購買かの分類を行う（Ｓ１９４）。棚毎の滞留時間の集計と計画購買／非計画購買の分類は、非購入滞留時間情報に含まれる全ての棚に対して実施する（Ｓ１９５）。図１９に示した一連の処理を顧客毎に実施することにより、全顧客の全来店における非購入滞留に対して分類を実施する。本実施例では、顧客毎、商品棚毎に非購入滞留時間の平均値を算出し、平均値を閾値としている。

ここで、計画購買、非計画購買の分類の閾値となる滞留時間は、顧客の嗜好の変化により変化するため、顧客全体ではなく顧客毎に行う必要があり、同じ顧客でも滞留時間が変化する可能性がある。

そこで、本実施の形態では、平均値を算出するための対象として過去１ヶ月の来店時の顧客毎、商品棚毎の滞留時間を利用している。また、退店頻度が少なく、過去１ヶ月分の来店データでは、平均値を算出するための滞留時間情報が少ない場合には、対象期間を拡げて平均値を算出するようにしている。

従って、各非購入滞留時間が平均値以上であれば、その非購入滞留は非計画購買によるもの、平均値未満であれば、その非購入滞留は計画購買によるものとしている。計画購買において非購入となった場合の理由としては、買おうとしていた商品が欠品であったと考えられる。一方非計画購買において非購入となった場合には、商品カテゴリとして興味はあったが購入に至らなかった、つまり品揃えに問題があったと考えられる。

図２０は、顧客ＩＤが１０、１１、１２の、棚ＩＤがＴ１０、Ｔ２８、Ｔ３６の商品棚についての非購入滞留に対して、購買パターンの分類を行った結果である。

図２１は、図２０の結果を棚ＩＤ毎、購買パターン毎に集計して非購入回数を集計したものである。また図２１には、各商品棚の非購入回数と平均購入単価をもとに、推定損失規模（円）を記載している。また比較のため、従来例で実施されている商品棚毎の平均滞留時間と非購入回数を記載している。

従来例の場合、平均滞留時間と非購入回数の相関のみでは、原因を特定することができないが、本実施形態のように、計画購買と非計画購買に分けることで非購入回数を分類することができる。

これにより、計画購買で非購入回数が多い場合には欠品が原因、非計画購買で非購入回数が多い場合には品揃えが原因等、その原因を推定することが可能となる。

従って、本実施の形態の場合、計画購買で最も非購入回数が多い棚Ｔ３６が、購入要望に対して欠品が多い棚と判断することになる。つまり在庫管理や棚だしに最も注意すべき棚と判断することが可能となる。また、非計画購買における非購入回数が最も多い棚Ｔ１０が、品揃えを見直す上で最も重要な棚と判断することが可能となる。

また、本実施の形態の場合、販売領域滞留時間検出処理部で示したように、滞留開始日時情報を記録しているため、各顧客が１回の来店で複数の商品棚の前に滞留している場合でも、滞留した商品棚の順序を知ることができる。商品カテゴリに対する購入意志の強さや興味の強さは、来店時の買い回り順序に現れる。それを利用して例えば、図２２に示すように複数の棚において非計画購買による非購入人数が同等で、損失金額も同等の場合、商品棚毎の平均買い回り順位が小さい棚について対応優先度を上げる等の対応が可能となる。

購買分析結果を表示装置６に表示する場合の例を図２３に示す。非購入原因と規模、対応優先度を分析する際には、図２３に示すように対象期間、対象性別、対象年齢層、計画購買の非購入情報か非計画購買の非購入情報かを選択する。選択された情報にもとづき、図１８に示した非購入滞留時間情報を利用して、図１９に示した集計・分類計処理を実施し、対応優先度の高い商品棚順に、非購入回数と推定損失金額を表示する（図２３左下）。また、対応する商品棚については、図２３の右部に示した店舗レイアウト上にその他の棚とは区別できるように表示している。
［１−３．まとめ］
以上のように、本実施の形態において、購買分析システム１における購買分析装置２は、
複数の販売領域を有する店舗に配置されたカメラと購入情報管理装置と接続された購買分析装置であって、カメラから受信したデータ（画像）をもとに顧客を特定する人物特定部と、特定した顧客の販売領域毎の滞留時間を検知する滞留検出部と、特定した顧客の入店から退店までの入店時間における販売領域毎の購入情報を取得する購入情報取得部と、特定された顧客における販売領域毎の購入情報のうち、購入情報が存在しない販売領域である非購入領域を検出する非購入領域検出部と、非購入領域において、特定した顧客毎に設けた閾値以上の滞留時間、前記閾値未満の滞留時間に分けて統計する統計部と、を備えている。

これにより、顧客毎の来店毎の購買情報及び店内行動情報から、機会損失が発生している商品カテゴリと原因、損失規模、及び対応優先度を提示することが可能となる。

なお、本実施の形態では、非購入原因及び非購入回数を抽出するために、図２３に示したように、期間や性別、年齢層を指定するようにしているが、その限りではない。例えば、来店頻度の高い顧客のみで集計を実施する、あるいは平均購入単価が高い顧客のみで集計を実施するようにしても良い。また、非購入回数のように回数ではなく、同一顧客ＩＤの場合は一人として扱うことで、非購入人数として集計するようにしても良い。

また購買パターンを分類するための閾値として、本実施の形態では、各顧客の棚毎の非購入滞留時間を集計し、その平均値を利用したが、その限りではない。例えば、各顧客の棚毎の非購入滞留時間を集計し、滞留時間が大きい順、もしくは小さい順にデータを並べ、差が最も大きいデータ間の値を閾値として設定しても良い。複数の閾値決定方法を組み込んでおき、実際に閾値を算出した結果、それらの差が大きい場合には、実際の非購入滞留時間の分布を見て閾値を決定するとしても良い。

また、本実施の形態では、棚毎の非購入滞留時間の集計を１ヶ月等の期間をもとに実施するようにしているが、その限りではない。例えば、所定の棚の非購入滞留時間情報が所定の個数となるように、設定しても良い。この場合、棚毎に集計対象期間が異なったものとなる。また、店舗側として品揃えを変更した時の影響や現在の品揃えの反応を見たい場合には、品揃えを変化させた時点を基点とし、基点以降の滞留時間情報をもとに平均値を抽出するようにしても良い。この場合には、品揃えを変更した棚に対して、計画購買顧客の増減、非計画購買の増減等、品揃えの影響を分析することが可能となる。

（実施の形態２）
以下、図２４から図２６を用いて、実施の形態２について説明する。

実施の形態２と実施の形態１との違いは、実施の形態１が非購入領域を集計・分析の対象としているのに対し、実施の形態２では、購入領域も併せて集計・分析するようにしている点である。図４に示した購買行動分析処理において、実施の形態１と異なる点は、非購入領域検出処理（Ｓ４４）と検出データ分析処理（Ｓ４５）である。実施の形態２では、非購入領域だけでなく、購入領域も検出するようにしており、購入領域、非購入領域それぞれについて、集計・分析処理を実施している。なお、購入に関する情報の集計・分析に関しては、非購入領域検出部２５が行っても良いし、新たに購入領域検出部を設けても良い。

図２４に、図１５の販売領域滞留時間情報に対して、購入／非購入領域検出処理を実施して得られた情報を示している。実施例１における図１８との違いは、実施の形態１の場合には非購入であることを示す非購入フラグが設定されているのに対し、本実施の形態の場合、購入（１）であるか非購入（０）であるかを示す識別子が設定されている点である。

また、図１９に示した実施の形態１の購買パターン分類処理では、非購入滞留時間（Ｓ１９２）を対象としているのに対し、実施の形態２では、購入滞留時間、非購入滞留時間のそれぞれを対象に購買パターン分類を行う。

図２５は、顧客ＩＤが２０、２１の、棚ＩＤがＴ１１、Ｔ３７の商品棚についての購入滞留に対して購買パターンの分類を行った結果である。

図２６は、図２５の結果を棚ＩＤ毎、購買パターン毎に集計して購入回数を集計したものである。図２６には、非計画購買毎の滞留時間変化率も集計している。滞留時間変化率は、各顧客の商品棚毎の非計画購買時の購入滞留時間の変化をもとに算出する。例えば、顧客Ａの商品棚Ａに対する、非計画購買時の購入滞留時間が３０秒から、２５秒に変化した場合、滞留時間変化率は、−５となる。滞留時間変化率は、顧客の嗜好の変化により変化するため、本実施の形態では、実施の形態１と同様に変化率を算出するための対象として過去１ヶ月の来店時の滞留時間を利用している。また、来店頻度が少なく、過去１ヶ月分の来店データでは、変化率を算出するための滞留時間情報が少ない場合には、対象期間を拡げて平均値を算出するようにしている。

非計画購買による購入の場合、品揃えが新しい場合には選択肢が多く、購入滞留時間が長くなる傾向がある。一方で品揃えに飽きてくると購入滞留時間が短くなる傾向がある。また、品揃えの見直しを実施しなければ、今後非購入になってしまう可能性がある。そのため、棚毎に非計画購買における購入滞留時間の変化率を集計することで、減少率が高い商品棚は飽きを感じている顧客が多いと判断し、品揃え見直しの対応優先度を上げる等の対応が可能となる。図２６の場合、非計画購買による購入回数は、棚１１と３７で同様であるが、滞留時間の減少率が棚１１の方が高いため、棚１１の品揃えの見直しの対応優先度を上げる必要があると判断する。

以上のように、本実施の形態において、購買分析システム１における購買分析装置２は、複数の販売領域を有する店舗に配置されたカメラと購入情報管理装置と接続された購買分析装置であって、カメラから受信したデータ（画像）をもとに顧客を特定する人物特定部と、特定した顧客の販売領域毎の滞留時間を検知する滞留検出部と、特定した顧客の入店から退店までの入店時間における商品情報を含む購入情報を取得する購入情報取得部と、特定された顧客が第１の時間以上滞留した滞留販売領域とこれに対応する商品情報、並びに購入情報を読み込み、この購入情報に含まれない商品情報が対応した滞留販売領域である非購入領域を検出する非購入領域検出部と、非購入領域の滞留時間について、特定した顧客毎に設けた第２の時間以上の滞留時間か否かに分類して統計する統計部と、を備えている。また、本実施の形態にかかる購買分析装置はさらに、特定された顧客が第１の時間以上滞留した前記滞留販売領域とこれに対応する商品情報、並びに前記購入情報を読み込み、この購入情報に含まれる商品情報が対応した滞留販売領域である購入領域を検出する購入領域検出部を備え、統計部は、購入領域の滞留時間について、特定した顧客毎に設けた第２の時間以上の滞留時間か否かに分類して統計することを特徴としている。

これにより、顧客毎の来店毎の購買情報及び店内行動情報から、機会損失が発生している商品カテゴリと原因、損失規模、対応優先度、及び今後機会損失が発生する可能性のある商品カテゴリ、対応優先度を提示することが可能となる。

なお、本実施の形態では、滞留時間変化率は非計画購買における購入滞留発生回数をもとに抽出しているがその限りではない。例えば、非計画購買における購入滞留発生日時情報をもとに抽出しても良い。また、本実施の形態では、棚毎の非購入滞留時間の集計を１ヶ月等の期間をもとに実施するようにしているが、その限りではない。例えば、店舗側として品揃えを変更した時の影響や現在の品揃えの反応を見たい場合には、品揃えを変化させた時点を基点とし、基点以降の滞留時間情報をもとに変化率を抽出するようにしても良い。これにより購入情報の変化に先立って、品揃えを見直すべき棚を抽出することが可能となる。

なお、実施の形態１では非購入滞留時間情報、実施の形態２では、購入及び非購入滞留時間情報をもとに、非購入原因、損失規模、及び対応優先度を検出したが、購入情報を使用せずに滞留時間情報のみをもとに評価することも可能である。この場合には、各顧客の棚毎の滞留時間を集計し、購買パターン分類処理を実施する。その結果、図２７に示すように棚毎の計画購買回数、非計画購買回数を抽出する。これにより、店舗内における各商品棚について、計画購買回数が多い棚については欠品防止の優先度を高める、非計画購買が多い棚については品揃えの見直しの優先度を高めるなどの対応を取ることが可能となる。

本開示は、購買分析装置に適用可能である。具体的には、店舗内における顧客の購買行動を分析する購買分析装置に本開示は適用可能である。

１購買分析システム
２購買分析装置
３顔検出カメラ
４滞留検出カメラ
５決済装置（ＰＯＳ）
６表示装置
１０店舗
２１入出力部
２２人物特定部
２３滞留検出部
２４購入情報取得部
２５非購入領域検出部
２６分析部
２７記憶部

Claims

複数の販売領域を有する店舗に配置されたカメラと購入情報管理装置と接続された購買分析装置であって、
前記カメラから受信したデータをもとに顧客を特定する人物特定部と、
前記特定した顧客の販売領域毎の滞留時間を検知する滞留検出部と、
前記特定した顧客の入店から退店までの入店時間における商品情報を含む購入情報を取得する購入情報取得部と、
前記特定された顧客が第１の時間以上滞留した滞留販売領域とこれに対応する商品情報、並びに前記購入情報を読み込み、この購入情報に含まれない商品情報が対応した前記滞留販売領域である非購入領域を検出する非購入領域検出部と、
前記非購入領域の滞留時間について、前記特定した顧客毎に設けた第２の時間以上の滞留時間か否かに分類して統計する統計部と、
を備えた購買分析装置。
請求項１に記載の分析装置であって、さらに、
前記特定された顧客が前記第１の時間以上滞留した前記滞留販売領域とこれに対応する商品情報、並びに前記購入情報を読み込み、この購入情報に含まれる商品情報が対応した前記滞留販売領域である購入領域を検出する購入領域検出部を備え、
前記統計部は、前記購入領域の滞留時間について、前記特定した顧客毎に設けた第２の時間以上の滞留時間か否かに分類して統計する購買分析装置。
請求項１に記載の分析装置であって、
前記第２の時間は、前記特定した顧客における過去の滞留時間を基に決定する購買分析装置。
複数の販売領域を有する店舗に配置されたカメラと購入情報管理装置と接続された購買分析装置のＣＰＵにより実行される購買分析方法であって、
前記カメラのデータをもとに顧客を特定するステップと、
前記特定した顧客の販売領域毎の滞留時間を検知するステップと、
前記特定した顧客の入店から退店までの入店時間における商品情報を含む購入情報を取得するステップと、
前記特定された顧客が第１の時間以上滞留した滞留販売領域とこれに対応する商品情報、並びに前記購入情報を読み込み、この購入情報に含まれない商品情報が対応した前記滞留販売領域である非購入領域を検出するステップと、
前記非購入領域の滞留時間について、前記特定した顧客毎に設けた第２の時間以上の滞留時間か否かに分類して統計するステップと、
を備えた購買分析方法。