図面 (/)

技術 顧客の特性に応じて営業活動の工数の割り振りを調整するコンピュータシステム

出願人 本田技研工業株式会社
発明者 片桐隆朗大橋彰美渡辺智史根岸祐喜野田和伸大國晃渋谷和久猪俣祐一
出願日 2002年5月1日 (17年10ヶ月経過) 出願番号 2002-129837
公開日 2003年11月14日 (16年4ヶ月経過) 公開番号 2003-323534
状態 拒絶査定
技術分野 特定用途計算機
主要キーワード 調整エンジン サンプル総数 サンプル記憶 調整ルーチン 定期訪問 垂直分割線 営業部員 営業端末
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2003年11月14日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (16)

課題

顧客の特性に応じて、営業活動工数割り振りを調整する。

解決手段

コンピュータシステムに設けられた工数調整エンジンは、アンケート回答データに基づいて、それぞれの顧客について、営業活動に関連付けられたスコアを算出し、過去の営業活動履歴を抽出する。調整エンジンは、顧客を、スコアが低く営業活動履歴がある第1の顧客層、スコアが高く営業活動履歴がある第2の顧客層、スコアが低く営業活動履歴が無い第3の顧客層、およびスコアが高く営業活動履歴が無い第4の顧客層にクラスタリングする。それぞれの顧客層について、再購入履歴を持つ顧客の割合を示す再購入率を算出する。第1および第3の顧客層の再購入率の差が、第2および第4の顧客層の再購入率の差より小さければ、第1の顧客層に対する営業活動から、第4の顧客層の顧客に対する営業活動にシフトする工数を算出し、顧客の同一拠点再購入率の向上を図る。

概要

背景

営業活動支援するための様々なシステムが提案されている。特開平8−50617号公報に記載されたシステムは、顧客が氏名および商品等の回答情報画面を介して入力することができる入力手段を提供する。顧客の回答情報と、企業が有する商品情報に基づいて、顧客の希望する商品を選択する。

特開2001−338112号公報に記載されたシステムは、インターネットを介して顧客からのアンケート結果収集する。アンケート結果に従って、顧客の関心に沿った製品またはサービスに関する情報を、該顧客に提供する。

特開2001−338158号公報に記載されたシステムは、ユーザ端末から登録された個人情報データベースに登録する。データベースサーバは、他の端末および(または)サーバからの要求に従い、該データベースに登録された個人情報を提供する。

特開2001−344375号公報に記載されたシステムは、自己表現する語彙を羅列したアンケートから、統計処理によって、個人個性を表す線形モデルを求める。線形モデルを用いて、最適なマーケティングおよび学習指導等に関する手法を提示する。

概要

顧客の特性に応じて、営業活動の工数割り振りを調整する。

コンピュータシステムに設けられた工数調整エンジンは、アンケートの回答データに基づいて、それぞれの顧客について、営業活動に関連付けられたスコアを算出し、過去の営業活動履歴を抽出する。調整エンジンは、顧客を、スコアが低く営業活動履歴がある第1の顧客層、スコアが高く営業活動履歴がある第2の顧客層、スコアが低く営業活動履歴が無い第3の顧客層、およびスコアが高く営業活動履歴が無い第4の顧客層にクラスタリングする。それぞれの顧客層について、再購入履歴を持つ顧客の割合を示す再購入率を算出する。第1および第3の顧客層の再購入率の差が、第2および第4の顧客層の再購入率の差より小さければ、第1の顧客層に対する営業活動から、第4の顧客層の顧客に対する営業活動にシフトする工数を算出し、顧客の同一拠点再購入率の向上を図る。

目的

本願発明は、顧客の特性に応じて、顧客に対する営業活動の工数の割り振りを調整することのできるシステムを提供することを目的とする。

効果

実績

技術文献被引用数
1件
牽制数
2件

この技術が所属する分野

(分野番号表示ON)※整理標準化データをもとに当社作成

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

顧客に対する営業活動工数割り振りを調整するコンピュータシステムであって、顧客に対する過去の営業活動の履歴と、該顧客が現在所有する商品前回所有していた商品と同じ拠点購入されたかどうかを示す再購入履歴とを記憶する顧客テーブルと、前記顧客に対する前記営業活動の工数を調整する工数調整エンジンと、を備え、前記工数調整エンジンは、前記顧客によって回答されたアンケート回答データに基づいて、それぞれの顧客について、前記営業活動に関連付けられたスコアを算出する機能と、前記それぞれの顧客について、前記過去の営業活動の履歴を前記顧客テーブルから抽出する機能と、前記顧客を、スコアが低く前記営業活動の履歴がある第1の顧客層、スコアが高く前記営業活動の履歴がある第2の顧客層、スコアが低く前記営業活動の履歴が無い第3の顧客層、およびスコアが高く前記営業活動の履歴が無い第4の顧客層にクラスタリングする機能と、前記顧客テーブルに記憶された前記それぞれの顧客の再購入履歴に基づいて、該再購入履歴を持つ顧客の割合を示す再購入率を、それぞれの顧客層について算出する機能と、前記第1の顧客層の再購入率と前記第3の顧客層の再購入率の第1の差と、前記第2の顧客層の再購入率と前記第4の顧客層の再購入率の第2の差を比較する機能と、前記第1の差が前記第2の差より小さければ、前記第1の顧客層の顧客に対する営業活動から、前記第4の顧客層の顧客に対する営業活動にシフトする工数を算出する機能と、前記算出されたシフトする工数を出力する機能と、を実現するようにプログラムされ、前記アンケートは、前記営業活動に高い反応性を持つ顧客ほど高いスコアが算出されるように構成される、コンピュータシステム。

請求項2

前記算出されたシフトする工数を出力する機能は、該シフトする工数によって、前記営業活動を開始する前記第4の顧客層の顧客のリスト、および該営業活動を停止する前記第1の顧客層の顧客のリストを表示する機能をさらに備える、請求項1に記載のコンピュータシステム。

請求項3

前記第1の顧客層の顧客数が前記第4の顧客層の顧客数以上のとき、前記シフトする工数は、前記第4の顧客層のすべての顧客に対する営業活動の工数であり、前記第1の顧客層の顧客数が前記第4の顧客層の顧客数より小さいとき、前記シフトする工数は、前記第1の顧客層のすべての顧客に対する営業活動の工数である、請求項1に記載のコンピュータシステム。

請求項4

前記シフトする工数は、前記第1の顧客層のすべての顧客に対する営業活動の工数を上限とする、請求項1に記載のコンピュータシステム。

請求項5

前記第1および第3の顧客層と、前記第2および第4の顧客層の区切りは、第1の顧客層の再購入率と第3の顧客層の再購入率の第1の差と、第2の顧客層の再購入率と第4の顧客層の再購入率の第2の差との偏差が最大になるように設定される、請求項1に記載のコンピュータシステム。

請求項6

前記第1および第3の顧客層と、前記第2および第4の顧客層の区切りは、前記第1の顧客層に含まれる顧客数と、前記第4の顧客層に含まれる顧客数との偏差が最小になるように設定される、請求項1に記載のコンピュータシステム。

請求項7

前記アンケートは、前記営業活動に関連付けられた質問を含んでおり、該質問について用意された回答のそれぞれには、前記営業活動に高い反応性を持つ顧客ほど高い値を持つ回答を選択するように、予め決められた値が割り振られており、前記スコアを算出する機能は、前記顧客の回答データに含まれる回答のそれぞれに割り振られた値を合計することによって、前記営業活動に関連付けられたスコアを算出する、請求項1に記載のコンピュータシステム。

請求項8

前記アンケートは、複数の営業活動に関連付けられた質問を含み、前記スコアを算出する機能は、前記営業活動に関連付けられたスコアを、それぞれの営業活動について算出し、前記シフトする工数を算出する機能は、それぞれの営業活動について前記シフトする工数を算出する、請求項1に記載のコンピュータシステム。

技術分野

0001

この発明は、顧客の特性に応じて、顧客に対する営業活動工数割り振りを調整するコンピュータシステムに関する。

背景技術

0002

営業活動を支援するための様々なシステムが提案されている。特開平8−50617号公報に記載されたシステムは、顧客が氏名および商品等の回答情報画面を介して入力することができる入力手段を提供する。顧客の回答情報と、企業が有する商品情報に基づいて、顧客の希望する商品を選択する。

0003

特開2001−338112号公報に記載されたシステムは、インターネットを介して顧客からのアンケート結果収集する。アンケート結果に従って、顧客の関心に沿った製品またはサービスに関する情報を、該顧客に提供する。

0004

特開2001−338158号公報に記載されたシステムは、ユーザ端末から登録された個人情報データベースに登録する。データベースサーバは、他の端末および(または)サーバからの要求に従い、該データベースに登録された個人情報を提供する。

0005

特開2001−344375号公報に記載されたシステムは、自己表現する語彙を羅列したアンケートから、統計処理によって、個人個性を表す線形モデルを求める。線形モデルを用いて、最適なマーケティングおよび学習指導等に関する手法を提示する。

発明が解決しようとする課題

0006

顧客の商品購入を促進するため、営業部員によって個々の顧客に対する営業活動が展開されている。営業活動に対して顧客が示す反応は、顧客の性格嗜好等に大きく依存する。営業部員と直接対話することを好む顧客と好まない顧客がいる。また、営業活動の種類によっては営業部員と直接対話することを望む顧客がいる。さらに、営業部員の積極的な働きかけにより、商品を購入する顧客がいる。このように、営業活動に対する顧客の反応性は、営業活動の形態および種類によって変化する。

0007

従来、営業部員は、顧客の特性を判断し、該顧客の特性に合った営業活動を選択して実施していた。しかしながら、顧客の特性に合った適切な営業活動を選択することができるかどうかは、営業部員のスキルレベルに大きく依存する。営業部員のスキルレベルが低いと、個々の顧客に対する営業活動が顧客の不快感を引き起こすことがあり、営業活動が商品購入に結びつかない。

0008

営業活動によって顧客の商品購入を促進するためには、個々の顧客の特性と個々の営業活動との関連付けを十分考慮することが重要であるが、上記の従来技術はいずれもこの点を考慮していない。

0009

一方、営業部員による営業活動の工数は限られている。この限られた工数の中で、より有効な営業活動を展開することは、コストの観点からも望まれている。

0010

本願発明は、顧客の特性に応じて、顧客に対する営業活動の工数の割り振りを調整することのできるシステムを提供することを目的とする。

課題を解決するための手段

0011

この発明のコンピュータシステムは、顧客に対する営業活動の工数の割り振りを調整する。該システムは、顧客に対する過去の営業活動の履歴と、顧客が現在所有する商品が前回所有していた商品と同じ拠点で購入されたかどうかを示す再購入履歴とを記憶する顧客テーブルを備える。さらに、該システムは、顧客に対する営業活動の工数を調整する工数調整エンジンを備える。工数調整エンジンは、顧客によって回答されたアンケートの回答データに基づいて、それぞれの顧客について、営業活動に関連付けられたスコアを算出する。アンケートは、営業活動に高い反応性を持つ顧客ほど高いスコアが算出されるように構成されている。工数調整エンジンは、それぞれの顧客について、過去の営業活動の履歴を顧客テーブルから抽出する。顧客は、スコアが低く前記営業活動の履歴がある第1の顧客層、スコアが高く前記営業活動の履歴がある第2の顧客層、スコアが低く前記営業活動の履歴が無い第3の顧客層、およびスコアが高く前記営業活動の履歴が無い第4の顧客層にクラスタリングされる。工数調整エンジンは、顧客テーブルに記憶されたそれぞれの顧客の再購入履歴に基づいて、該再購入履歴を持つ顧客の割合を示す再購入率を、それぞれの顧客層について算出する。第1の顧客層の再購入率と第3の顧客層の再購入率の第1の差と、第2の顧客層の再購入率と第4の顧客層の再購入率の第2の差が比較される。工数調整エンジンは、第1の差が第2の差より小さければ、第1の顧客層に対する営業活動から、第4の顧客層に含まれる顧客に対する営業活動にシフトする工数を算出し、これを出力する。

0012

低スコアの顧客層に対する営業活動よりも高スコアの顧客層に対する営業活動の方が再購入率を向上させることができると判断された場合には、低スコアの顧客層に対して行っていた営業活動の工数を高スコアの顧客層に対する営業活動にシフトするよう提案がなされる。再購入率を向上させるためにシフトすべき工数が提示されるので、現在の営業活動の工数の割り振りを、再購入率を向上させるように調整することができる。

0013

この発明の一形態によると、工数調整エンジンによって算出されたシフトする工数によって、営業活動を開始する第4の顧客層の顧客のリスト、および該営業活動を停止する第1の顧客層の顧客のリストが表示される。営業部員は、表示された顧客のリスト上で、営業活動の開始および停止を適用する顧客を確認することができる。

0014

この発明の他の形態によると、第1の顧客層の顧客数が第4の顧客層の顧客数以上のとき、シフトする工数は、第4の顧客層のすべての顧客に対する営業活動の工数である。第1の顧客層の顧客数が第4の顧客層の顧客数より小さいとき、シフトする工数は、第1の顧客層のすべての顧客に対する営業活動の工数である。こうして、第4の顧客層のできるだけ多くの顧客に対して営業活動が実施されるよう工数が調整される。

0015

この発明の他の形態によると、シフトする工数は、第1の顧客層のすべての顧客に対する営業活動の工数を上限とする。こうして、第1の顧客層に実施していた営業活動の工数が、第4の顧客層の顧客に対する営業活動に利用される。現在の工数を維持しつつ、再購入率を向上するよう工数の割り振りが調整される。

0016

この発明の一形態によると、第1および第3の顧客層と、第2および第4の顧客層の区切りは、第1の顧客層の再購入率と第3の顧客層の再購入率の第1の差と、第2の顧客層の再購入率と第4の顧客層の再購入率の第2の差との偏差が最大になるよう設定される。こうして、再購入率の向上が最大になるよう工数の割り振りが最適化される。

0017

この発明の他の形態によると、第1および第3の顧客層と、第2および第4の顧客層の区切りは、第1の顧客層に含まれる顧客数と、第4の顧客層に含まれる顧客数との偏差が最小になるように設定される。こうして、低スコアの顧客層の顧客に対する営業活動の工数を、できるだけ多く、高スコアの顧客層の顧客に対する営業活動にシフトし、再購入率を向上させる。

0018

この発明の一形態によると、アンケートは、営業活動に関連付けられた質問を含む。該質問について用意された回答のそれぞれには、営業活動に高い反応性を持つ顧客ほど高い値を持つ回答を選択するように、予め決められた値が割り振られている。工数調整エンジンは、顧客の回答データに含まれる回答のそれぞれに割り振られた値を合計することによって、営業活動に関連付けられたスコアを算出する。こうして、営業活動に高い反応性を持つ顧客かどうかを、アンケートの回答データを収集することによって判断することができる。

0019

この発明の他の形態によると、アンケートは、複数の営業活動に関連付けられた質問を含む。工数調整エンジンは、営業活動に関連付けられたスコアを、それぞれの営業活動について算出し、シフトする工数を、それぞれの営業活動について算出する。こうして、1つのアンケートに対する顧客の回答データから、それぞれの営業活動の工数の割り振りが、再購入率を向上させるように調整される。

発明を実施するための最良の形態

0020

次に図面を参照して、この発明の実施の形態を説明する。図1は、この発明のシステムの一実施例に従う全体的なブロック図である。自動車の製造販売を行う企業Xの営業支援システムは、企業Xのイントラネット6に接続されたサーバ1に設けられている。営業支援システムは、工数調整エンジン2、回答データ記憶部3、顧客テーブル4、およびサンプル記憶部5を備える。回答データ記憶部3は、顧客によって回答されたアンケートの回答データを格納する。顧客テーブル4は、氏名、住所、購入履歴、ID等の顧客に固有の情報を格納する。さらに、顧客テーブル4は、それぞれの顧客に対して実施された営業活動の履歴、およびそれぞれの顧客の再購入履歴を格納する。再購入履歴は、顧客が、現在所有する商品を前回所有していた商品と同じ拠点で購入した履歴を示す。営業活動履歴および再購入履歴は、過去の所定期間(たとえば、過去1年間)の履歴が記憶される。

0021

この実施例では、「拠点」は、車両を販売する販売店および営業所を示す。しかしながら、「拠点」を、さらに広い概念を持つよう規定してもよい。たとえば、所定範囲エリア内に位置する販売店および営業所を、1つの拠点と考えることができる。さらに、企業Xからの委託によって車両を販売する所与の企業の販売網を、1つの拠点と考えてもよい。

0022

イントラネット6には、企業内の端末7およびWebサーバ8が接続される。Webサーバ8には、インターネット9を介して、企業Xの車両を販売する各営業所および販売店のサーバ10、および顧客の端末11が接続される。

0023

顧客は、端末11を介して、Webサーバ8に設けられた企業Xのホームページアクセスすることができる。ホームページには、車両についてのアンケートのページが設けられている。顧客は、該アンケートページにおいてアンケートに回答データを記入し、送信することができる。送信された回答データは、回答データ記憶部3に記憶される。代替的に、アンケートは、電子メールを介して実施されてもよい。

0024

顧客は、各営業所および展示会等に用意されたアンケート用紙に回答を記入することができる。アンケート用紙に記述された回答データは、各営業所のサーバ10、または企業Xの営業端末7を介して営業支援システムに入力される。入力された回答データは、回答データ記憶部3に記憶される。

0025

工数調整エンジン2は、回答データ記憶部3に記憶された顧客の回答データと、顧客テーブル4に記憶された該顧客についての営業活動履歴および再購入履歴に基づいて、営業活動の工数の割り振りを調整する。工数の割り振りを調整することにより、顧客の同一拠点再購入率(以下、単に再購入率と呼ぶ)を向上させる。ここで、再購入率は、現在所有する商品を前回所有していた商品と同じ拠点で購入する顧客の割合を示す。顧客の特性に応じた営業活動を実施することにより、同じ拠点で車両を購入する顧客の割合を向上させることができる。

0026

営業活動の工数の割り振りを調整した結果は、イントラネット6を介して営業部端末7に、Webサーバ8およびインターネット9を介して営業所サーバ10に送られる。該調整結果は、営業活動を開始する顧客のリスト、および営業活動を停止する顧客のリストを含むことができる。営業部員は、表示された調整結果に従うことにより、車両の販売に結びつく有効な営業活動を実施することができる。

0027

営業活動は、任意の活動を含むことができる。この実施例では、営業活動は、定期訪問、代替促進、および紹介依頼の活動を含む。定期訪問活動は、営業部員が顧客を直接訪問して顧客と対面する活動である。代替促進は、営業部員が、顧客に車両の買い換え勧める活動である。紹介依頼は、営業部員が、顧客に他の顧客の紹介依頼する活動である。これらの営業活動が効を奏すると、顧客の次の車両購入が同じ拠点で実施され、再購入率が向上する。

0028

顧客がこれらの営業活動に反応するかどうかは、性格、嗜好および傾向等を含む顧客の特性に応じて異なる。限られた営業活動の工数の中で、顧客に有効に作用する営業活動を展開するために、顧客の特性を考慮して営業活動の工数の割り振りを決定する。

0029

図2は、顧客が回答するアンケートの一例を示す。アンケート15の質問は、営業活動に対する顧客の反応性を測ることができるように予め決められている。顧客は、それぞれの質問について、「全くそう思う」、「まあそう思う」、「あまりそう思わない」および「全くそう思わない」の中から1つを選択する。

0030

参照番号16は、それぞれの営業活動が、どの質問に関連付けられているかを示す。たとえば、定期訪問活動には、質問1〜7が関連付けられている。それぞれの営業活動に関連付けられる質問は、該営業活動に反応して次の車両を同じ拠点で購入する顧客の特性を測ることができるように設定される。

0031

参照番号17は、それぞれの質問のそれぞれの答えについて予め割り振られた値を示す。たとえば、1番目の質問の「全くそう思う」という答えには4点が割り振られており、「全くそう思わない」という答えには1点が割り振られている。質問に関連付けられた営業活動に高い反応性を持つ顧客ほど高い値を持つ答えを選択するように、値の割り振りが決められる。

0032

定期訪問活動を例にあげる。顧客についての過去のアンケート結果、購入履歴、および営業活動履歴を分析することにより、定期訪問活動に反応して次の車両の購入を同じ拠点で行う顧客の特性が求められる。たとえば、定期訪問活動によって次の車両を同じ販売店で購入する顧客は、車への興味が高く、車についての最新の情報を欲し、営業部員の対応に敏感であるという特性を持つことが求められる。したがって、定期訪問活動に関連付けられる質問は、このような特性を持つかどうかを判断することができるように設定される。

0033

たとえば、1番目の質問「メーカおよび車のイメージ重視して購入する車両を決める」は、車への興味が高いかどうかを測る質問であり、定期訪問活動に関連づけられる。定期訪問活動に高い反応性を持つ顧客は、この質問に「全くそう思う」と答える可能性が高い。したがって、「全くそう思う」という答えに、一番高い値“4点”が割り振られる。

0034

図3に、回答データ記憶部3の一例を示す。顧客ID「01000」を持つ顧客Aについての回答データが例示されている。顧客Aの定期訪問スコアは20、代替促進スコアは10、および紹介依頼スコアは1である。定期訪問スコアは、定期訪問活動に関連付けられた質問に対する顧客の回答を合計した値である。代替促進スコアは、代替促進に関連付けられた質問に対する顧客の回答を合計した値である。紹介依頼スコアは、紹介依頼活動に関連付けられた質問に対する顧客の回答を合計した値である。この3つのスコアの組を以下スコアセットと呼ぶ。それぞれのスコアセットには、顧客ID、アンケートを識別するアンケート番号、および該回答データの送信元の営業所を識別する営業所IDが関連づけられている。

0035

図4に、顧客テーブル4の一例を示す。顧客ID「01000」を持つ顧客Aは、過去(たとえば、過去1年以内)に定期訪問活動を2回受けており、代替促進および紹介依頼活動を受けていないことがわかる。また、顧客Aは、過去(たとえば、過去1年以内)に、現在の車両を前回と同じ販売店で購入していることがわかる。

0036

図3および図4に示されるデータフィールドは単なる例示である。これらのテーブルに、他のデータフィールドを含めることができるのは明らかである。たとえば、回答データ記憶部に、それぞれの質問についての答えを記憶するフィールドを設けることができる。顧客テーブルに、それぞれの営業活動を行った日付等を含む営業活動の詳細データを記憶するフィールドを設けることができる。さらに、顧客テーブルに、再購入した日付および車種等を記憶するフィールドを設けることができる。

0037

図5は、この発明の一実施例に従う、工数調整エンジン2の機能ブロック図を示す。顧客の回答データは、回答データ収集部21に渡される。回答データ収集部21は、それぞれの顧客について、それぞれの営業活動に関連づけられた質問の答えを合計する。たとえば、図2のアンケートの例では、サンプル収集部21は、顧客の回答データから、定期訪問活動に関連付けられた質問1〜7の回答を抽出する。該抽出された回答に割り振られた値が合計され、定期訪問スコアが求められる。同様に、回答データ収集部21は、質問1、5、6、8および10に対する顧客の回答に基づいて代替促進スコアを求め、質問9〜12に対する顧客の回答に基づいて紹介依頼スコアを求める。一人の顧客の回答データから、定期訪問スコア、代替促進スコアおよび紹介依頼スコアが求められる。これらのスコアは、回答データ記憶部3に記憶される。

0038

マッピング22〜シフト工数算出部29の動作は、それぞれの営業活動について実施される。ここでは、定期訪問活動を例にとって説明する。マッピング22は、回答データ記憶部3から、それぞれの顧客の定期訪問スコアを抽出する。また、マッピング22は、該それぞれの顧客に対する過去の定期訪問履歴を顧客テーブル4から抽出する。

0039

マッピング22は、それぞれの顧客について、定期訪問スコアおよび定期訪問履歴の有無からなるサンプルを生成する。定期訪問履歴が有る場合は「1」で表され、無い場合は「0」で表される。図3および図4の例では、顧客ID「01000」を持つ顧客Aの定期訪問活動についてのサンプルは、(20,1)で表される。マッピング22は、生成したサンプルをサンプル記憶部5に記憶する。図6に、定期訪問活動のためのサンプル記憶部5の一例を示す。顧客ID「01000」を持ち、定期訪問スコアが20であり、定期訪問活動の履歴を持つサンプルが示されている。

0040

さらに、マッピング22は、生成したサンプルを、定期訪問マップ上にマッピングする。ここで図7の(a)を参照すると、定期訪問活動マップの一例が示される。マップの横軸はスコアを示し(該横軸をスコア軸と呼ぶ)、縦軸は定期訪問活動の履歴を示す。定期訪問活動の履歴は、有り/無しの2値で表される。

0041

参照番号31は、上記の(20,1)で表される顧客Aのサンプルを示す。こうして、それぞれの顧客のサンプルが、定期訪問活動マップ上にマッピングされる。図7の(b)は、10個のサンプルがマッピングされた定期訪問活動マップの一例を示す。

0042

図5戻り分割線シフト部23から偏差算出部26による処理は、垂直分割線を最適な場所に位置づけるために繰り返し実行される。図7の(b)に示されるように、垂直分割線35は、低スコア領域と高スコア領域を区切る線である。水平分割線36は、定期訪問活動の履歴の有りと無しを区切る線であり、固定される。

0043

分割線シフト部23は、最初に、垂直分割線35を予め決められた初期位置に配置する。初期位置は任意に定めることができる。この実施例では、垂直分割線35は、最初にスコア軸の“7”と“8”の間を通るように配置される。これは、定期訪問スコアの起こりうる最小値が“7”であるためである(図2に示されるように、質問1〜7のすべてに、「全くそう思わない」と回答をした場合)。

0044

垂直分割線35および水平分割線36により、定期訪問活動マップ上にクラスタC1〜C4が作成される。クラスタC1は、低スコアで定期訪問活動の履歴を持つ顧客層を表す。クラスタC2は、高スコアで定期訪問活動の履歴を持つ顧客層を表す。クラスタC3は、低スコアで定期訪問活動の履歴を持たない顧客層を表す。クラスタC4は、高スコアで定期訪問活動の履歴を持たない顧客層を表す。

0045

クラスタリング部24は、サンプルを、クラスタC1〜C4に分類する。クラスタリング24は、それぞれのサンプルについて、該サンプルが属するクラスタを、サンプル記憶部5のクラスタフィールドに記憶する(図6参照)。

0046

クラスタリング部24は、それぞれのクラスタについて、該クラスタに含まれるサンプル数の、マッピングされたサンプル総数に対する割合を算出する。この割合を、以下ボリュームと呼ぶ。

0047

再購入率算出部25は、それぞれのクラスタに含まれるそれぞれのサンプルについて、顧客テーブル4から再購入履歴を抽出する。再購入率算出部25は、再購入履歴を持つサンプルの再購入フラグに「1」を設定し、再購入率履歴を持たないサンプルの再購入フラグに「0」を設定する。図4の例では、顧客Aは、再購入履歴を持つ。したがって、図6に示されるように、サンプル記憶部5の顧客Aについての再購入フラグフィールドには「1」がセットされる。

0048

再購入率算出部25は、それぞれのクラスタについて、再購入フラグに「1」がセットされたサンプル数をカウントする。次に、再購入率算出部25は、式(1)に従い、クラスタの再購入率を求める。

0049

クラスタの再購入率=再購入フラグに「1」がセットされたサンプル数
/クラスタに含まれるサンプル数
式(1)

0050

偏差算出部26は、式(2)に従って、再購入率偏差を算出する。算出された再購入率偏差は、たとえばメモリに記憶される。

0051

再購入率偏差=
|(クラスタC2の再購入率−クラスタC4の再購入率)−
(クラスタC1の再購入率−クラスタC3の再購入率)|
式(2)

0052

再び、分割線シフト部23による処理に戻り、垂直分割線35が、次の位置(たとえば、スコア軸の“8”と“9”の間)にシフトされる。新たに配置された垂直分割線に基づいて新たなクラスタC1〜C4が生成され、サンプルがクラスタリングされ、それぞれのクラスタについてのボリュームおよび再購入率が算出される。その後、上記(2)に従って再購入率偏差が算出される。こうして、図8に示されるように、垂直分割線35のそれぞれの位置における再購入率偏差が求められる。

0053

図5に戻り、分割線配置部27は、再購入率偏差が最大になる位置を求め、該位置に垂直分割線35を配置する。これは、再購入率偏差が最大のとき、再購入率を最も多く向上させることができるからである。図8の例において、再購入率偏差が最大の位置がスコア軸の“17”と“18”の間であると仮定すると、垂直分割線35は、スコア軸の“17”と“18”の間に配置される。図9の(a)に、スコア軸の“17”と“18”の間に垂直分割線35が配置された定期訪問活動マップの一例を示す。参照番号51〜54は、クラスタC1〜C4のサンプルのボリュームをそれぞれ示す。参照番号55〜58は、クラスタC1〜C4について算出された再購入率をそれぞれ示す。垂直分割線35の左側の領域は低スコア領域と呼ばれ、右側の領域は高スコア領域と呼ばれる。

0054

図5に戻り、比較部28は、クラスタC1およびC3の再購入率を比較する。また、比較部28は、クラスタC2およびC4の再購入率を比較する。クラスタC1の再購入率がクラスタC3の再購入率より大きく、かつその差が小さければ、低スコア領域では、定期訪問活動によって再購入率があまり変動しないことを示す。一方、クラスタC2の再購入率がクラスタC4の再購入率より大きく、かつその差が大きければ、高スコア領域では、定期訪問活動を行うことによって再購入率が著しく向上することを示す。

0055

以下の式(3)が成立するとき(すなわち、式(1)の再購入率偏差が正の値を持つとき)、高スコア領域における顧客に定期訪問活動を行う方が、低スコア領域における顧客に定期訪問活動を行うよりも、再購入率が向上する。

0056

(クラスタC1の再購入率−クラスタC3の再購入率)<
(クラスタC2の再購入率−クラスタC4の再購入率)
式(3)

0057

図9の(a)の例では、(50−43)<(65−32)となり、上記式(3)が成立することがわかる。

0058

図5に戻り、シフト工数算出部29は、式(3)が成立するとき、クラスタC4のボリューム54からできるだけ多くのサンプルを、クラスタC2のボリューム52にシフトする。これは、クラスタC4のできるだけ多くの顧客に、定期訪問活動を実施することを示す。

0059

一方、定期訪問活動の工数は、クラスタC1およびC2のボリューム51および52に示されるように、“58(=26+32)”である。すなわち、定期訪問活動の工数の上限は、“58”である。

0060

クラスタC4からクラスタC2にシフトするサンプル数は、クラスタC1におけるボリュームを上限としてリミット処理される。図9の(a)の例では、クラスタC1およびC4のボリュームが共に“26”である。したがって、クラスタC4のサンプルのすべてが、クラスタC2のボリューム52にシフトされる。これは、クラスタC1の顧客に対して実施していた定期訪問活動のすべての工数が、クラスタC4の顧客に対して実施する定期訪問活動に使用されることを示す。シフトされる工数(以下、シフト工数と呼ぶ)は“26”である。

0061

こうして工数の割り振りが調整された後の各クラスタのボリュームを図9の(b)に示す。クラスタC4のサンプルは、定期訪問活動を受けることによってクラスタC2のボリューム52にシフトされる。その結果、クラスタC2のボリュームは“58(=32+26)”となり、クラスタC4のボリュームはゼロになる。クラスタC1の顧客に対する定期訪問活動が停止されるので、クラスタC1のサンプルは、クラスタC3のボリューム53にシフトする。その結果、クラスタC3のボリューム53は“42(=16+26)”となり、クラスタC1のボリューム51はゼロになる。

0062

シフト工数は、画面を介して営業部員に表示されることができる。好ましくは、図9の(a)および(b)に示されるように、マップを視覚的に表示して、工数の割り振りの調整結果を示すのが好ましい。

0063

シフト工数算出部29は、クラスタC1に含まれる顧客のリストを、サンプル記憶部5および顧客テーブル4から抽出することができる。これは、定期訪問活動を停止する顧客のリストである。さらに、シフト工数算出部29は、クラスタC4に含まれる顧客のリストを、サンプル記憶部5および顧客テーブル4から抽出することができる。これは、定期訪問活動を開始する顧客のリストである。これらの顧客リストは画面上に表示されることができる。

0064

工数が低スコアの顧客層から高スコアの顧客層にシフトされると、クラスタC2のボリュームが増える。クラスタC2の顧客層は、定期訪問活動に対して高い反応性を持つという特性を有するので、クラスタC2の再購入率56を向上させることができる。

0065

図2の参照番号17によって示される、アンケートの答えについて予め決められた値が、営業活動に高い反応性を持つ顧客について低スコアが算出されるように割り振られている場合には、式(3)の代わりに式(4)が用いられる。式(4)が成立するとき、クラスタC2の顧客に対する営業活動の工数が、クラスタC3の顧客に対する営業活動にシフトされる。このとき、シフト工数は、クラスタC2の顧客に対する営業活動の工数を上限としてリミット処理される。

0066

(クラスタC1の再購入率−クラスタC3の再購入率)>
(クラスタC2の再購入率−クラスタC4の再購入率) 式(4)

0067

工数の割り振りの調整は、それぞれの営業所について実施することが好ましい。それにより、それぞれの営業所において、再購入率を向上させるように営業活動の工数の割り振りを調整することができる。

0068

図10は、代替促進マップの一例を示す。代替促進活動についても、定期訪問活動と同様に、垂直分割線シフト部23〜シフト工数算出部29による処理が実施される。

0069

図10の(a)は、工数の割り振りが調整される前の各クラスタのボリュームを示す。垂直分割線35は、スコア軸の“17”と“18”の間に配置されている。(クラスタC1の再購入率“68”−クラスタC3の再購入率“54”)<(クラスタC2の再購入率“53”−クラスタC4の再購入率“20”)であるので、上記式(3)が成立する。

0070

シフト工数算出部29は、クラスタC4のボリューム64から、できるだけ多くのサンプルを、クラスタC2のボリューム62にシフトする。これは、クラスタC4に含まれる顧客のうち、できるだけ多くの顧客に代替促進活動を実施することを示す。

0071

一方、代替促進活動の工数は、クラスタC1およびC2のボリューム61および62に示されるように、“38(=26+12)”である。すなわち、代替促進活動の工数の上限は、“38”である。

0072

クラスタC4からクラスタC2にシフトするサンプル数は、クラスタC1におけるボリュームを上限としてリミット処理される。図10の(a)の例では、クラスタC1のボリューム“26”が、クラスタC4のボリューム“24”より大きい。したがって、クラスタC1の顧客に対する代替促進活動の工数のうち、“24”の工数が、クラスタC4の顧客に対する代替促進活動にシフトされる。シフト工数は“24”である。

0073

こうして工数の割り振りが調整された後の各クラスタのボリュームを図10の(b)に示す。クラスタC4のすべての顧客は代替促進活動を受けるので、クラスタC4のすべてのサンプルがクラスタC2のボリューム62にシフトする。その結果、クラスタC2のボリュームは、“36(=12+24)”となり、クラスタC4のボリュームはゼロになる。クラスタC1の顧客のうち“24”の顧客に対する代替促進活動が停止されるので、クラスタC1の“24”のサンプルがクラスタC3のボリューム63にシフトする。その結果、クラスタC3のボリューム63は、“62(=38+24)”となり、クラスタC1のボリューム61は“2”になる。

0074

工数が低スコアの顧客層から高スコアの顧客層にシフトされると、クラスタC2のボリュームが増える。クラスタC2の顧客層は、代替促進活動に対して反応性が高いという特性を持つので、クラスタC2の再購入率66を向上させることができる。

0075

図11は、紹介依頼活動マップの一例を示す。紹介依頼活動についても、定期訪問活動および代替促進活動と同様に、垂直分割線シフト部23〜シフト工数算出部29による処理が実施される。

0076

図11の(a)は、工数の割り振りが調整される前の各クラスタのボリュームを示す。垂直分割線35は、スコア軸の“17”と“18”の間に配置されている。(クラスタC1の再購入率“0.30”−クラスタC3の再購入率“0.15”)<(クラスタC2の再購入率“1.09”−クラスタC4の再購入率“0.28”)であるので、上記式(3)が成立する。

0077

シフト工数算出部29は、クラスタC4のボリューム74から、できるだけ多くのサンプルを、クラスタC2のボリューム72にシフトする。これは、クラスタC4に含まれる顧客のうち、できるだけ多くの顧客に紹介依頼活動を実施することを示す。

0078

一方、紹介依頼活動の工数は、クラスタC1およびC2のボリューム71および72に示されるように、“20(=15+5)”である。すなわち、紹介依頼活動の工数の上限は“20”である。

0079

クラスタC4からクラスタC2にシフトするサンプル数は、クラスタC1におけるボリュームを上限としてリミット処理される。図11の(a)の例では、クラスタC4のボリューム“16”が、クラスタC1のボリューム“15”より大きい。したがって、クラスタC1の顧客に対する紹介依頼活動の工数のすべてが、クラスタC4の顧客に対する紹介依頼活動にシフトされる。シフト工数は“15”である。

0080

こうして工数の割り振りが調整された後の各クラスタのボリュームを図11の(b)に示す。クラスタC4のサンプルのうちの“15”のサンプルは、紹介依頼活動を受けることによって、クラスタC2のボリューム72にシフトする。その結果、クラスタC2のボリュームは、“20(=5+15)”となり、クラスタC4のボリュームは“1”になる。クラスタC1の顧客に対する紹介促進活動は停止されるので、クラスタC1のサンプルは、クラスタC3のボリューム73にシフトする。その結果、クラスタC3のボリューム73は、“79(=64+15)”となり、クラスタC1のボリュームはゼロになる。

0081

工数が低スコアの顧客層から高スコアの顧客層にシフトされると、クラスタC2のボリューム72が増える。クラスタC2の顧客層は、紹介依頼活動に対して反応が高いという特性を持つので、クラスタC2の再購入率76を向上させることができる。

0082

図12は、この発明の第2の実施形態に従う、工数調整エンジン2の機能ブロック図である。図5に示されるブロック図と異なる部分についてのみ説明する。第2の実施形態では、垂直分割線は、クラスタC1に含まれる顧客数と、クラスタC4に含まれる顧客数との偏差が最小になるように設定される。

0083

分割線シフト部23およびクラスタリング24は、図5の第1の実施形態と同じ動作を実施する。分割線シフト部23は、最初に、垂直分割線を初期位置に配置する。クラスタリング24は、マップ上にクラスタを生成し、それぞれのクラスタのボリュームを求める。

0084

偏差算出部91は、以下の式(5)に従ってボリューム偏差を算出する。算出されたボリューム偏差は、たとえばメモリに記憶される。

0085

ボリューム偏差=|クラスタC1のボリューム−クラスタC4のボリューム|
式(5)

0086

次に、処理の制御は分割線シフト部23に戻る。分割線シフト部23は、垂直分割線をシフトし、その時のボリューム偏差が求められる。こうして、それぞれの垂直分割線の位置について、ボリューム偏差が算出される。分割線配置部92は、ボリューム偏差が最小になる位置を求め、該位置に垂直分割線を配置する。

0087

ボリューム偏差が最小になるよう垂直分割線を配置することにより、クラスタC1の顧客に対して実施していた営業活動の工数を、できるだけ多く、クラスタC4の顧客に対する営業活動にシフトすることができる。こうして、高スコア領域の顧客に対する営業活動の工数を増やし、再購入率を向上させる。

0088

図13は、前述した第1の実施形態に従う、工数調整エンジン2によって実施される処理のフローチャートを示す。ステップS111において、顧客からのアンケートの回答データを収集する。ステップS112において、それぞれの営業活動のスコアを算出する。定期訪問スコア、代替促進スコアおよび紹介依頼スコアからなるスコアセットが、回答データ記憶部3に記憶される。

0089

ステップS113において、それぞれの顧客について、営業活動履歴を顧客テーブル4から取得する。営業活動履歴は、過去1年以内に営業活動を受けたかどうかを示す2値データである。ステップS114において、それぞれの営業活動について、スコアおよび営業活動履歴からなるサンプルを生成する。サンプルは、サンプル記憶部5に記憶される。ステップS115において、生成されたサンプルを、それぞれの営業活動マップにマッピングする。ステップS116において、垂直分割線規定ルーチン図14)を実施し、再購入率の向上を最大にするよう垂直分割線を配置する。

0090

ステップS117において、上記の式(3)が成立するかどうかを判断する。式(3)が成立するならば、営業活動の工数の割り振りを調整することによって再購入率を向上させることができることを示す。したがって、ステップS117の判断がYesならばステップS118に進み、工数調整ルーチン図15)を実施する。ステップS117の判断がNoならば、現在の営業活動の工数が適切に割り振られていることを示す。よって、このままこのルーチンを抜ける。

0091

図14は、図13のステップS116で実施される垂直分割線規定ルーチンを示す。図8および図9に示されるように、起こりうるスコア値の範囲は、“7”〜“28”と仮定する。

0092

ステップS121において、スコア変数kを“7”に初期化する。スコア変数kは、スコア値が代入される変数である。ステップS122において、スコア変数を1だけインクリメントする。したがって、k=8となる。ステップS123において、垂直分割線を、スコア(k)とスコア(k+1)の間に配置する。k=7のとき、垂直分割線は、スコア(7)とスコア(8)の間、すなわちスコア軸の“7”と“8”の間に配置される。

0093

ステップS124において、垂直分割線および水平分割線により、クラスタC1〜C4が生成される。それぞれのクラスタに含まれるサンプル数(ボリューム)が算出される。ステップS125において、それぞれのクラスタについての再購入率を算出する。ステップS126において、上記式(1)に従い、再購入率偏差(k)を算出する。

0094

ステップS127において、k=27かどうか判断する。k=27が成立しなければステップS122に戻り、kを+1だけインクリメントする。こうして、k=27になるまで、ステップS122〜S126が繰り返される。

0095

k=27が成立するとき、すべてのスコア値について再購入率偏差が算出されたことを示し、ステップS127の判断がYesとなる。ステップS128に進み、最大の再購入率偏差を持つkを求める。ステップS129において、ステップS128で求められたスコア(k)とスコア(k+1)の間に、垂直分割線を配置する。

0096

図15は、図13のステップS118で実施される工数調整ルーチンを示す。ステップS131において、クラスタC1のボリュームとクラスタC4のボリュームを比較する。

0097

クラスタC1のボリュームがクラスタC4のボリューム以上ならば、ステップS132に進む。この形態は、図9および図10を参照して説明した。ステップS131において、クラスタC4のボリュームがクラスタC1のボリュームより大きければ、ステップS142に進む。この形態は、図11を参照して説明した。代替的に、クラスタC1とC4のボリュームが同じ場合は、ステップS142に進んでもよい。

0098

ステップS132とS142の処理において異なる点は、シフト工数の求め方である。ステップS132の場合、クラスタC4のボリュームがクラスタC1のボリューム以下なので、シフト工数はクラスタC4のボリュームである。ステップS142の場合、クラスタC1のボリュームがクラスタC4のボリュームより小さいので、シフト工数はクラスタC1のボリュームである。

0099

ステップS132またはS142においてシフト工数を求めた後、ステップS133に進む。ステップS133において、クラスタC2のボリュームに、シフト工数を加算する。ステップS134において、クラスタC4のボリュームからシフト工数を減算する。ステップS135において、クラスタC1のボリュームからシフト工数を減算する。ステップS136において、クラスタC3のボリュームにシフト工数を加算する。

0100

ステップS132を経由した場合には、クラスタC4のすべての顧客に対して営業活動を開始することにより、クラスタC4のすべてのサンプルがクラスタC2にシフトする。一方、ステップS142を経由した場合には、クラスタC1の顧客に対して実行されていた営業活動の工数のすべてが、クラスタC4の顧客に対する営業活動にシフトされる。

0101

ステップS137に進み、工数の割り振りの調整結果を記憶する。該調整結果には、シフト工数、シフト工数によって営業を開始される顧客リストおよび営業を停止される顧客リストが含まれる。記憶された調整結果を用いて、図9の(a)および(b)に示されるようなマップを画面上にさせることができる。営業部員は、該マップ上においてクラスタを選択することにより、該クラスタに含まれる顧客のリストを表示させることができる。

0102

以上この発明を具体的な実施例について記述したが、この発明は、このような実施例に限定されるものではない。

発明の効果

0103

この発明によれば、顧客の特性に応じて、営業活動の工数の割り振りを調整して、同一拠点における再購入率が向上させることができる。

図面の簡単な説明

0104

図1この発明の一実施例のシステムの全体的な構成を示すブロック図。
図2この発明の一実施例における、アンケートの一例を示す図。
図3この発明の一実施例における、回答データ記憶部の一例を示す図。
図4この発明の一実施例における、顧客テーブルの一例を示す図。
図5この発明の一実施例における、工数調整エンジンの機能ブロック図。
図6この発明の一実施例における、サンプル記憶部の一例を示す図。
図7この発明の一実施例における、サンプルのマッピングを説明するための図。
図8この発明の一実施例における、算出された再購入率偏差の一例を示す図。
図9この発明の一実施例における、定期訪問活動マップの一例を示す図。
図10この発明の一実施例における、代替促進活動マップの一例を示す図。
図11この発明の一実施例における、紹介依頼活動マップの一例を示す図。
図12この発明の他の実施例における、工数調整エンジンの機能ブロック図。
図13この発明の一実施例における、営業活動の工数の割り振りを調整するメインルーチンを示すフローチャート。
図14この発明の一実施例における、分割線規定ルーチンを示すフローチャート。
図15この発明の一実施例における、工数調整ルーチンを示すフローチャート。

--

0105

2工数調整エンジン
3回答データ記憶部
4顧客テーブル
5サンプル記憶部
35垂直分割線
36 水平分割線

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

関連する公募課題

ページトップへ

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

(分野番号表示ON)※整理標準化データをもとに当社作成

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

  • 株式会社日立製作所の「 電力系統連系制御装置及び方法」が 公開されました。( 2019/08/08)

    【課題】 蓄電装置を用いることなく無停電で自立運転へ移行するための技術を提供する。【解決手段】 上記課題を解決するために、本発明に係る電力系統連系制御装置は、基幹系統から独立して自立運転可能な電力... 詳細

  • 日本電気株式会社の「 充電設備案内システム、充電設備案内方法及びプログラム」が 公開されました。( 2019/06/20)

    【課題】電力系統の安定化への貢献。【解決手段】充電設備案内システムは、電気自動車のバッテリーの充電状態を取得する手段と、複数の配電エリアに配置された充電設備の情報を記憶する手段と、前記複数の配電エリア... 詳細

  • 株式会社インテックの「 情報処理装置及びプログラム」が 公開されました。( 2019/06/20)

    【課題】相同組み換えを抑制し、目的タンパク質の生産量を高めることが可能な情報処理装置及びプログラムを提供する。【解決手段】アミノ酸配列、遺伝子数及びコドン頻度表を表すデータに基いて生成されたデータであ... 詳細

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

関連する公募課題一覧

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ