図面 (/)

技術 ライフサイクル分析装置、ライフサイクル分析プログラム、ライフサイクル分析方法およびライフサイクル分析システム

出願人 日本電信電話株式会社
発明者 岸本康成中村美穂市川裕介
出願日 2009年6月8日 (11年6ヶ月経過) 出願番号 2009-137625
公開日 2010年12月16日 (10年0ヶ月経過) 公開番号 2010-282580
状態 未査定
技術分野 特定用途計算機
主要キーワード 割合データ ヒット商品 マジョリティ 嗜好特性 懐疑的 採用者 導入期 イノベーション
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(2010年12月16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 (20)

課題

商品ライフサイクル分析にかかる時間やコストを削減しつつ、商品のフェーズ判定を正確に実施することを課題とする。

解決手段

ライフサイクル分析装置は、購買履歴データプロファイルデータとに基づいて一日単位での初回購入ユーザ数を示す日単位採用者数データを生成し、ライフサイクル分析のための商品IDに該当する商品について、生成された日単位採用者数データから、嗜好特性それぞれにおける期間別での初回購入ユーザの割合データを示す期間別対象商品採用者割合データを生成し、生成された期間別対象商品採用者数割合データに基づいて、期間別でのフェーズ判定データを生成して、生成されたこれらのデータをライフサイクルの分析結果として端末装置送出する。

概要

背景

従来、サービス商品などにおける市場では、購入者であるユーザの多種多様ニーズ応えるべく、当該サービスや購入可能な商品の多種多様性が増加傾向にある。そこで、商品の供給側である企業などでは、ユーザのニーズを的確に認識しつつ、商品の開発から販売に至るまでのマーケティングが重要となっている。

このマーケティングでは、商品のライフサイクルという概念がある。商品のライフサイクルとは、商品が市場に登場してから退場するまでのフェーズを指す。具体的に説明すると、商品のライフサイクルは、図17に示すように、時系列において導入期成長期成熟期および衰退期という4つのフェーズを有する。また、図17に示した採用者数とは、商品を初めて購入したユーザの数を示す。

これらにより、図17では、商品の導入期から成長期に至る時系列で採用者数が増加し、商品の成熟期から衰退期に至る時系列で採用者数が減少していることがわかる。要するに、商品のライフサイクルを分析することは、商品にかかる開発コストの抑制、過剰に在庫を抱えることの抑止、または在庫不足の解消などを踏まえた商品のプロモーション活動において非常に重要な役割を果たすこととなる。なお、図17は、商品のライフサイクルのフェーズにおける採用者数の推移の例を示す図である。

ところで、ユーザの多種多様なニーズ、すなわち嗜好特性分類例としては、イノベータ理論に基づいた分類がある。このイノベータ理論は、ロジャースが1962年に提唱したイノベーション技術革新)の普及に関する理論である。そして、イノベータ理論においてロジャースは、商品の新規性や話題性に対するユーザの特性(革新性)に基づいて、5つのグループにユーザを分類している。

具体的に説明すると、イノベータ理論では、図18に示すように、ユーザの革新性に基づいて、イノベータ(Innovators:革新者)、アーリーアダプタ(Early Adopters:初期採用者)、アーリーマジョリティ(Early Majority:前期追随者)、レイトマジョリティ(Late Majority:後期追随者)およびラガード(Laggards遅滞者)の5つのグループにユーザの嗜好特性を分類している。また、図18に示した採用者数とは、商品を初めて購入したユーザの数を示す。

これらの5つのグループのうち、イノベータは、冒険心に溢れ、イノベーションを進んで採用するユーザである。また、アーリーアダプタは、流行に敏感で、情報収集を自ら行なってイノベーションを採用するか否かを判断するユーザである。また、アーリーマジョリティは、比較的慎重派であるものの、平均よりも早くイノベーションを取り入れるユーザである。

また、レイトマジョリティは、比較的懐疑的で、周囲の大多数が試している場面を見てから同じイノベーションを選択するユーザである。そして、ラガードは、最も保守的で、流行や世の中の動きに関心が薄く、イノベーションが伝統になるまで採用しないユーザである。なお、図18は、イノベータ理論に基づくグループにおける採用者数の推移の例を示す図である。

すなわち、図17と図18とから、商品のライフサイクルのフェーズによって商品を採用するユーザの革新性が変化することがわかる(詳細は、参考文献「フィリップ・コトラー、ゲイリー・アームストロング著、“コトラーのマーケティング入門”、第4版 p.344」を参照)。

そして、最近では、商品のライフサイクルを分析する手法として、販売実績などのデータに基づいて分析する手法や、商品を採用したユーザにかかるユーザプロファイルを分析する手法などがある。具体的には、過去における販売実績や、商品にかかる記事件数の時系列での推移や、需要量供給量および参入サプライヤの数などの各種データに基づいて分析したり、ユーザに対するアンケート結果に基づいて分析したりするものがある。

概要

商品のライフサイクルの分析にかかる時間やコストを削減しつつ、商品のフェーズ判定を正確に実施することを課題とする。ライフサイクル分析装置は、購買履歴データプロファイルデータとに基づいて一日単位での初回購入ユーザ数を示す日単位採用者数データを生成し、ライフサイクル分析のための商品IDに該当する商品について、生成された日単位採用者数データから、嗜好特性それぞれにおける期間別での初回購入ユーザの割合データを示す期間別対象商品採用者割合データを生成し、生成された期間別対象商品採用者数割合データに基づいて、期間別でのフェーズ判定データを生成して、生成されたこれらのデータをライフサイクルの分析結果として端末装置送出する。

目的

そこで、本願に開示する技術は、上記に鑑みてなされたものであって、商品のライフサイクルの分析にかかる時間やコストを削減しつつ、商品のフェーズ判定を正確に実施することが可能であるライフサイクル分析装置、ライフサイクル分析プログラム、ライフサイクル分析方法およびライフサイクル分析システムを提供する

効果

実績

技術文献被引用数
0件
牽制数
0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

ユーザを一意識別するためのユーザ識別情報と、ユーザごとの嗜好特性とを保持するプロファイルデータ、および、前記ユーザ識別情報と、商品を一意に識別するための商品識別情報と、該当する商品の購買日時とを保持する購買履歴データを有するライフサイクル分析装置であって、前記購買履歴データから初回購入分の履歴データを抽出し、抽出された履歴データと、前記プロファイルデータとに基づいて、一日単位でユーザの嗜好特性ごとに初回購入ユーザ数を集計した日単位採用者数データを生成する日単位データ生成手段と、ライフサイクル分析のための商品識別情報に該当する商品について、前記日単位データ生成手段によって生成された日単位採用者数データから、嗜好特性それぞれにおける期間別での初回購入ユーザの割合データを示す期間別対象商品採用者数割合データを生成する割合データ生成手段と、前記割合データ生成手段によって生成された期間別対象商品採用者数割合データに基づいて、期間別でのフェーズ判定データを示す期間別対象商品フェーズ判定データを生成するフェーズ判定データ生成手段と、を有することを特徴とするライフサイクル分析装置。

請求項2

前記嗜好特性は、革新者、初期採用者、前期追随者後期追随者および遅滞者を含む革新性のグループであることを特徴とする請求項1に記載のライフサイクル分析装置。

請求項3

前記フェーズ判定データ生成手段は、前記割合データ生成手段によって生成された期間別対象商品採用者数割合データにおける前記嗜好特性それぞれ、または前記嗜好特性の任意の組み合わせの割合が所定の割合以上であるか否かによってフェーズを判定し、期間別でのフェーズ判定データを示す期間別対象商品フェーズ判定データを生成することを特徴とする請求項1または2に記載のライフサイクル分析装置。

請求項4

自装置と通信可能な端末装置から前記商品識別情報を含むパラメタ受け付けるパラメタ受付手段と、前記割合データ生成手段によって生成された期間別対象商品採用者数割合データと、前記フェーズ判定データ生成手段によって生成された期間別対象商品フェーズ判定データとに基づいて、ライフサイクル分析結果を生成して、生成されたライフサイクル分析結果を前記端末装置に対して送出するデータ送出手段と、をさらに有し、前記割合データ生成手段は、前記パラメタ受付手段によって受け付けられた前記商品識別情報に該当する商品について、前記日単位データ生成手段によって生成された日単位採用者数データから、嗜好特性それぞれにおける期間別での初回購入ユーザの割合データを示す期間別対象商品採用者数割合データを生成することを特徴とする請求項1に記載のライフサイクル分析装置。

請求項5

前記パラメタ受付手段は、前記商品識別情報と、ライフサイクル分析の対象となる対象期間と、前記対象期間のライフサイクルを分割する分割数とを含むパラメタを受け付けることを特徴とする請求項4に記載のライフサイクル分析装置。

請求項6

ユーザを一意に識別するためのユーザ識別情報と、ユーザごとの嗜好特性とを保持するプロファイルデータ、および、前記ユーザ識別情報と、商品を一意に識別するための商品識別情報と、該当する商品の購買日時とを保持する購買履歴データを有するライフサイクル分析装置としてのライフサイクル分析プログラムであって、前記購買履歴データから初回購入分の履歴データを抽出し、抽出された履歴データと、前記プロファイルデータとに基づいて、一日単位でユーザの嗜好特性ごとに初回購入ユーザ数を集計した日単位採用者数データを生成する日単位データ生成手順と、ライフサイクル分析のための商品識別情報に該当する商品について、前記日単位データ生成手順によって生成された日単位採用者数データから、嗜好特性それぞれにおける期間別での初回購入ユーザの割合データを示す期間別対象商品採用者数割合データを生成する割合データ生成手順と、前記割合データ生成手順によって生成された期間別対象商品採用者数割合データに基づいて、期間別でのフェーズ判定データを示す期間別対象商品フェーズ判定データを生成するフェーズ判定データ生成手順と、をコンピュータに実行させることを特徴とするライフサイクル分析プログラム。

請求項7

ユーザを一意に識別するためのユーザ識別情報と、ユーザごとの嗜好特性とを保持するプロファイルデータ、および、前記ユーザ識別情報と、商品を一意に識別するための商品識別情報と、該当する商品の購買日時とを保持する購買履歴データを有するライフサイクル分析装置としてのライフサイクル分析方法であって、前記購買履歴データから初回購入分の履歴データを抽出し、抽出された履歴データと、前記プロファイルデータとに基づいて、一日単位でユーザの嗜好特性ごとに初回購入ユーザ数を集計した日単位採用者数データを生成する日単位データ生成工程と、ライフサイクル分析のための商品識別情報に該当する商品について、前記日単位データ生成工程によって生成された日単位採用者数データから、嗜好特性それぞれにおける期間別での初回購入ユーザの割合データを示す期間別対象商品採用者数割合データを生成する割合データ生成工程と、前記割合データ生成工程によって生成された期間別対象商品採用者数割合データに基づいて、期間別でのフェーズ判定データを示す期間別対象商品フェーズ判定データを生成するフェーズ判定データ生成工程と、を含んだことを特徴とするライフサイクル分析方法。

請求項8

ユーザを一意に識別するためのユーザ識別情報と、ユーザごとの嗜好特性とを保持するプロファイルデータ、および、前記ユーザ識別情報と、商品を一意に識別するための商品識別情報と、該当する商品の購買日時とを保持する購買履歴データを有するライフサイクル分析装置と、当該ライフサイクル分析装置と通信可能な端末装置とを含んだライフサイクル分析システムであって、前記端末装置は、所定の入力装置によって受け付けられた商品識別情報を含むパラメタを前記ライフサイクル分析装置に対して送出するパラメタ送出手段と、前記ライフサイクル分析装置によって送出されたライフサイクルの分析結果を受信し、受信されたライフサイクルの分析結果を所定の表示装置表示出力させるライフサイクル分析結果出力手段と、を有し、前記ライフサイクル分析装置は、前記購買履歴データから初回購入分の履歴データを抽出し、抽出された履歴データと、前記プロファイルデータとに基づいて、一日単位でユーザの嗜好特性ごとに初回購入ユーザ数を集計した日単位採用者数データを生成する日単位データ生成手段と、前記端末装置から送出されたパラメタに含まれるライフサイクル分析のための商品識別情報に該当する商品について、前記日単位データ生成手段によって生成された日単位採用者数データから、嗜好特性それぞれにおける期間別での初回購入ユーザの割合データを示す期間別対象商品採用者数割合データを生成する割合データ生成手段と、前記割合データ生成手段によって生成された期間別対象商品採用者数割合データに基づいて、期間別でのフェーズ判定データを示す期間別対象商品フェーズ判定データを生成するフェーズ判定データ生成手段と、前記割合データ生成手段によって生成された期間別対象商品採用者数割合データと、前記フェーズ判定データ生成手段によって生成された期間別対象商品フェーズ判定データとに基づいて、ライフサイクル分析結果を生成して、生成されたライフサイクル分析結果を前記端末装置に対して送出するデータ送出手段と、を有することを特徴とするライフサイクル分析システム。

技術分野

0001

本発明は、ライフサイクル分析装置ライフサイクル分析プログラム、ライフサイクル分析方法およびライフサイクル分析ステムに関する。

背景技術

0002

従来、サービス商品などにおける市場では、購入者であるユーザの多種多様ニーズ応えるべく、当該サービスや購入可能な商品の多種多様性が増加傾向にある。そこで、商品の供給側である企業などでは、ユーザのニーズを的確に認識しつつ、商品の開発から販売に至るまでのマーケティングが重要となっている。

0003

このマーケティングでは、商品のライフサイクルという概念がある。商品のライフサイクルとは、商品が市場に登場してから退場するまでのフェーズを指す。具体的に説明すると、商品のライフサイクルは、図17に示すように、時系列において導入期成長期成熟期および衰退期という4つのフェーズを有する。また、図17に示した採用者数とは、商品を初めて購入したユーザの数を示す。

0004

これらにより、図17では、商品の導入期から成長期に至る時系列で採用者数が増加し、商品の成熟期から衰退期に至る時系列で採用者数が減少していることがわかる。要するに、商品のライフサイクルを分析することは、商品にかかる開発コストの抑制、過剰に在庫を抱えることの抑止、または在庫不足の解消などを踏まえた商品のプロモーション活動において非常に重要な役割を果たすこととなる。なお、図17は、商品のライフサイクルのフェーズにおける採用者数の推移の例を示す図である。

0005

ところで、ユーザの多種多様なニーズ、すなわち嗜好特性分類例としては、イノベータ理論に基づいた分類がある。このイノベータ理論は、ロジャースが1962年に提唱したイノベーション技術革新)の普及に関する理論である。そして、イノベータ理論においてロジャースは、商品の新規性や話題性に対するユーザの特性(革新性)に基づいて、5つのグループにユーザを分類している。

0006

具体的に説明すると、イノベータ理論では、図18に示すように、ユーザの革新性に基づいて、イノベータ(Innovators:革新者)、アーリーアダプタ(Early Adopters:初期採用者)、アーリーマジョリティ(Early Majority:前期追随者)、レイトマジョリティ(Late Majority:後期追随者)およびラガード(Laggards遅滞者)の5つのグループにユーザの嗜好特性を分類している。また、図18に示した採用者数とは、商品を初めて購入したユーザの数を示す。

0007

これらの5つのグループのうち、イノベータは、冒険心に溢れ、イノベーションを進んで採用するユーザである。また、アーリーアダプタは、流行に敏感で、情報収集を自ら行なってイノベーションを採用するか否かを判断するユーザである。また、アーリーマジョリティは、比較的慎重派であるものの、平均よりも早くイノベーションを取り入れるユーザである。

0008

また、レイトマジョリティは、比較的懐疑的で、周囲の大多数が試している場面を見てから同じイノベーションを選択するユーザである。そして、ラガードは、最も保守的で、流行や世の中の動きに関心が薄く、イノベーションが伝統になるまで採用しないユーザである。なお、図18は、イノベータ理論に基づくグループにおける採用者数の推移の例を示す図である。

0009

すなわち、図17図18とから、商品のライフサイクルのフェーズによって商品を採用するユーザの革新性が変化することがわかる(詳細は、参考文献「フィリップ・コトラー、ゲイリー・アームストロング著、“コトラーのマーケティング入門”、第4版 p.344」を参照)。

0010

そして、最近では、商品のライフサイクルを分析する手法として、販売実績などのデータに基づいて分析する手法や、商品を採用したユーザにかかるユーザプロファイルを分析する手法などがある。具体的には、過去における販売実績や、商品にかかる記事件数の時系列での推移や、需要量供給量および参入サプライヤの数などの各種データに基づいて分析したり、ユーザに対するアンケート結果に基づいて分析したりするものがある。

0011

特開2006−31105号公報
特開2003−303277号公報

先行技術

0012

隆著 「食品市場の創造ヒット商品開発装置・Japan‐VALSの提案」,p191〜p196,株式会社東急エージェンシー出版

発明が解決しようとする課題

0013

しかしながら、上述した販売実績などのデータに基づいて商品のライフサイクルを分析する手法では、十分な期間の時系列データが得られない場合に、フェーズの判定が困難であるという課題がある。さらに、この手法では、取得された時系列データに基づいた商品のライフサイクルの曲線標準的な曲線ではない場合に、フェーズの判定が困難であるという課題がある。

0014

一方、上述したユーザプロファイルなどのデータに基づいて商品のライフサイクルを分析する手法では、ユーザが商品を採用した時期を特定するために、大量のアンケートデータを利用することになるので、当該アンケートデータの収集にかかる時間やコストが増大するという課題がある。

0015

ここで、図19を用いて、従来技術に係る短期間でのフェーズ判定について説明する。図19は、従来技術に係る短期間でのフェーズ判定の例について説明するための図である。なお、図19は、例えば、EC(Electronic Commerce)サイトにおける成長期にある商品の販売実績のグラフを示している。また、このECサイトは、1期から商品の販売を開始しており、当該商品の発売日は、当該ECサイトの販売開始以前とする。

0016

例えば、図19に示すように、1期から3期に至るまでに商品の売上げが増加しているものの、1期の時点では、1期の販売データしか存在しないため、該当する商品が成長期であるか否かを1期の時点で判定することができない。要するに、図19に示した例において、該当する商品が成長期であることの判定は、2期、さらには3期での売上げが増加して、販売の増加傾向が顕著になることによってはじめて可能となる。

0017

次に、図20を用いて、従来技術に係る短期間でのフェーズ判定による誤判定について説明する。図20は、従来技術に係る短期間でのフェーズ判定による誤判定の例について説明するための図である。なお、図20は、例えば、ECサイトにおける商品の販売実績のグラフを実線で示している。

0018

例えば、図20では、1期から3期に至るまでに商品の売上げが増加し、3期から4期に至るまでに商品の売上げが減少し、4期から5期に至るまでに商品の売上げが再度増加している。このため、該当する商品は、3期から4期に至るまでの商品の売上げから、4期の時点で当該商品のライフサイクルのフェーズが成熟期に入ったと判定される。ところが、図20に示した例によれば、3期から4期に至るまでの商品の売上げの減少は、一時的なものであるため、成熟期であるという判定が誤判定となり得る。

0019

これらの結果、1期分若しくは2期分のみによる短期間での時系列データに基づいた商品のライフサイクルの分析では、商品のフェーズ判定が困難である。

0020

次に、図21および図22を用いて、商品のライフサイクルの曲線が標準的な曲線ではない場合について説明する。図21および図22は、商品のライフサイクルの曲線が標準的な曲線ではない場合の例について説明するための図である。なお、商品のライフサイクルの標準的な曲線の例は、例えば、図17に示したものとなる。

0021

例えば、図21に示す例は、商品の採用者数が急激に増加および減少する「成長落成パターン」であり、図22に示す例は、商品の採用者数の急激な増減が複数存在する「サイクルリサイクルパターン」である。これらのパターンは、標準的な商品のライフサイクルの曲線と比較して、商品のフェーズをどこで区切ることとするかの判定が困難となる。この結果、取得された時系列データに基づいた商品のライフサイクルの曲線が標準的な曲線ではない場合には、商品のフェーズ判定が困難である。

0022

そこで、本願に開示する技術は、上記に鑑みてなされたものであって、商品のライフサイクルの分析にかかる時間やコストを削減しつつ、商品のフェーズ判定を正確に実施することが可能であるライフサイクル分析装置、ライフサイクル分析プログラム、ライフサイクル分析方法およびライフサイクル分析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

0023

上述した課題を解決し、目的を達成するため、本願に開示するライフサイクル分析装置は、ユーザを一意識別するためのユーザ識別情報と、ユーザごとの嗜好特性とを保持するプロファイルデータ、および、前記ユーザ識別情報と、商品を一意に識別するための商品識別情報と、該当する商品の購買日時とを保持する購買履歴データを有するライフサイクル分析装置であって、前記購買履歴データから初回購入分の履歴データを抽出し、抽出された履歴データと、前記プロファイルデータとに基づいて、一日単位でユーザの嗜好特性ごとに初回購入ユーザ数を集計した日単位採用者数データを生成する日単位データ生成手段と、ライフサイクル分析のための商品識別情報に該当する商品について、前記日単位データ生成手段によって生成された日単位採用者数データから、嗜好特性それぞれにおける期間別での初回購入ユーザの割合データを示す期間別対象商品採用者数割合データを生成する割合データ生成手段と、前記割合データ生成手段によって生成された期間別対象商品採用者数割合データに基づいて、期間別でのフェーズ判定データを示す期間別対象商品フェーズ判定データを生成するフェーズ判定データ生成手段と、を有する。

発明の効果

0024

本願に開示するライフサイクル分析装置、ライフサイクル分析プログラム、ライフサイクル分析方法およびライフサイクル分析システムの一つの様態によれば、商品のライフサイクルの分析にかかる時間やコストを削減しつつ、商品のフェーズ判定を正確に実施することができるという効果を奏する。

図面の簡単な説明

0025

図1は、本発明に係るライフサイクル分析システムの構成例について説明するための図である。
図2は、実施例1に係るライフサイクル分析装置の構成例を示す図である。
図3−1は、プロファイルデータによって保持される情報の例を示す図である。
図3−2は、購買履歴データによって保持される情報の例を示す図である。
図4は、日単位採用者数データによって記憶される情報の例を示す図である。
図5は、期間別対象商品採用者数割合データによって記憶される情報の例を示す図である。
図6は、期間別対象商品フェーズ判定データによって記憶される情報の例を示す図である。
図7は、実施例1に係る端末装置の構成例を示す図である。
図8は、表示部によって表示出力される入力画面の例を示す図である。
図9は、表示部によって表示出力される出力画面の例を示す図である。
図10は、実施例1に係るライフサイクル分析処理の流れを説明するためのフローチャートである。
図11は、実施例1に係る日単位採用者数データ生成処理の流れを説明するためのフローチャートである。
図12は、実施例1に係るフェーズ判定処理の流れを説明するためのフローチャートである。
図13は、実施例1に係るライフサイクル分析処理のシーケンス図である。
図14は、端末装置における入力画面の例を示す図である。
図15は、商品リストデータの例を示す図である。
図16は、端末装置における入力画面の例を示す図である。
図17は、商品のライフサイクルのフェーズにおける採用者数の推移の例を示す図である。
図18は、イノベータ理論に基づくグループにおける採用者数の推移の例を示す図である。
図19は、従来技術に係る短期間でのフェーズ判定の例について説明するための図である。
図20は、従来技術に係る短期間でのフェーズ判定による誤判定の例について説明するための図である。
図21は、商品のライフサイクルの曲線が標準的な曲線ではない場合の例について説明するための図である。
図22は、商品のライフサイクルの曲線が標準的な曲線ではない場合の例について説明するための図である。

0026

以下に添付図面を参照して、本願に開示するライフサイクル分析装置、ライフサイクル分析プログラム、ライフサイクル分析方法およびライフサイクル分析システムの実施例を説明する。なお、以下の実施例により本発明が限定されるものではない。

0027

[ライフサイクル分析システムの構成]
最初に、図1を用いて、本発明に係るライフサイクル分析システムの構成について説明する。図1は、本発明に係るライフサイクル分析システムの構成例について説明するための図である。

0028

例えば、図1に示すように、ライフサイクル分析システムは、インターネットなどの通信ネットワークを介して相互に通信可能なユーザ端末サーバとを有する。なお、ユーザ端末とサーバとの通信は、有線通信であっても無線通信であっても良い。以下では、ユーザ端末とサーバとの通信が、無線通信である場合を例に挙げて説明する。

0029

このうち、サーバは、例えば、ユーザを一意に識別するためのユーザ識別情報とユーザごとの嗜好特性とを保持するプロファイルデータ、および、ユーザ識別情報と商品を一意に識別するための商品識別情報と該当する商品の購買日時とを保持する購買履歴データを有する。なお、プロファイルデータは、例えば、イノベータ理論による5つのグループ「イノベータ」、「アーリーアダプタ」、「アーリーマジョリティ」、「レイトマジョリティ」および「ラガード」を用いる。

0030

また、プロファイルデータの取得については、ユーザへのアンケートに基づいて生成する方法や、商品へのアクセス履歴購買履歴を用いて推定する方法などによって実現する(例えば、本出願人による出願「特願2008−141532号」を参照)。例えば、特願2008−141532号では、アンケートデータに基づいて教師ユーザの特性を特定し、教師ユーザのアクセス履歴から教師ユーザの行動データを生成し、教師ユーザの特性および行動データから特性推定モデルを生成し、特性の推定対象となる推定ユーザのアクセス履歴から推定ユーザの行動データを生成し、推定ユーザの行動データと特性推定モデルとから推定ユーザの特性を推定している。

0031

上述した構成において、サーバは、購買履歴データからユーザにおける初回購入分の履歴データを抽出する。そして、サーバは、抽出された履歴データと、プロファイルデータとに基づいて、商品ごとの嗜好特性「イノベータ」、「アーリーアダプタ」、「アーリーマジョリティ」、「レイトマジョリティ」および「ラガード」それぞれにおける一日単位での採用ユーザ(初回購入ユーザ)数を示す日単位採用者数データを生成する。

0032

一方、ユーザ端末は、商品のライフサイクルの分析にかかるパラメタである「商品ID」と、「対象期間」と、「分割数」との入力を受け付けて、これらのパラメタをサーバに対して送信する。商品IDは、商品を一意に識別するための情報であり、対象期間は、ライフサイクルの分析対象となる期間であり、分割数は、対象期間を分割する、すなわち対象期間を分ける期を示す。

0033

上記3つのパラメタの例を挙げると、商品IDは、「item001」であり、対象期間は、「2008.1.1〜2008.6.28」であり、分割数は、「6」である。要するに、ライフサイクルの分析結果は、対象期間「2008.1.1〜2008.6.28」を30日毎に分けた6期分のライフサイクルの分析結果となる。

0034

なお、対象期間の日数が分割数で割り切れない場合には、対象期間の日数を分割数で割った余りの日数をライフサイクルの分析の対象外とする。例えば、対象期間の日数が分割数で割り切れない場合には、対象期間の先頭から対象期間の日数を分割数で割った余りの日数分をライフサイクルの分析の対象外とする。

0035

そして、ユーザ端末から上記パラメタを受信したサーバは、商品ID「item001」に該当する商品について、生成された日単位採用者数データから、嗜好特性「イノベータ」、「アーリーアダプタ」、「アーリーマジョリティ」、「レイトマジョリティ」および「ラガード」それぞれにおける1期〜6期での採用ユーザの割合データを示す期間別対象商品採用者数割合データを生成する。

0036

続いて、サーバは、生成された期間別対象商品採用者数割合データに基づいて、1期〜6期それぞれでのフェーズ「導入期」、「成長期」、「成熟期」および「衰退期」の判定データを示す期間別対象商品フェーズ判定データを生成する。

0037

その後、サーバは、生成された期間別対象商品採用者数割合データと、期間別対象商品フェーズ判定データとに基づいて、ライフサイクル分析結果を生成して、生成されたライフサイクル分析結果をユーザ端末に対して送信する。そして、サーバからライフサイクル分析結果を受信したユーザ端末は、所定の表示装置に、受信されたライフサイクル分析結果を表示出力する。

0038

つまり、ライフサイクル分析システムは、購買履歴データなどのログデータからユーザによって商品が採用された時期を特定しつつ、プロファイルデータのグループ毎でのユーザ数の割合を算出して、商品のライフサイクルの分析を実施するので、商品のライフサイクルの分析にかかる時間やコストを削減しつつ、商品のフェーズ判定を正確に実施することができる。

0039

[ライフサイクル分析装置の構成]
次に、図2を用いて、実施例1に係るライフサイクル分析装置の構成について説明する。図2は、実施例1に係るライフサイクル分析装置の構成例を示す図である。

0040

例えば、図2に示すように、ライフサイクル分析装置100は、入力部101と、表示部102と、記憶部110と、制御部120とを有する。また、このライフサイクル分析装置100は、例えば、通信ネットワークを介して少なくとも一つの端末装置と通信可能に接続されたサーバ装置である。

0041

入力部101は、例えば、キーボードマウスなどを有し、ライフサイクル分析装置100における各種情報の入力を受け付ける。また、表示部102は、例えば、モニタ(若しくはディスプレイタッチパネルなど)やスピーカを有し、ライフサイクル分析装置100における各種情報を出力する。

0042

記憶部110は、制御部120による各種処理に要するデータや、制御部120による各種処理結果を記憶し、日単位採用者数データ111と、期間別対象商品採用者数割合データ112と、期間別対象商品フェーズ判定データ113とを有する。また、記憶部110は、図2に図示していないが、プロファイルデータと、購買履歴データとを有する。

0043

このうち、プロファイルデータは、例えば、図3−1に示すように、ユーザを一意に識別するためのユーザIDと、ユーザごとの嗜好特性(革新性)とを保持する。プロファイルデータによって保持される情報の例としては、ユーザID「u0001」と、嗜好特性(革新性)「イノベータ」とである。なお、図3−1は、プロファイルデータによって保持される情報の例を示す図である。

0044

購買履歴データは、例えば、図3−2に示すように、ユーザIDと、商品を一意に識別するための商品IDと、該当する商品の購買日時とを保持する。購買履歴データによって保持される情報の例としては、日時「2008/01/01 12:30:30」と、ユーザID「u0001」と、商品ID「item001」とである。なお、図3−2は、購買履歴データによって保持される情報の例を示す図である。

0045

日単位採用者数データ111は、例えば、図4に示すように、商品ごとの嗜好特性(革新性)それぞれにおける一日単位での採用ユーザ数を記憶する。日単位採用者数データ111によって記憶される情報の例としては、日付「2008/01/01」と、商品ID「item001」と、イノベータ「4」およびアーリーアダプタ「3」とである。また、採用ユーザ数は、イノベータおよびアーリーアダプタだけでなく、アーリーマジョリティ、レイトマジョリティおよびラガードについても同様に記憶される。なお、図4は、日単位採用者数データ111によって記憶される情報の例を示す図である。

0046

期間別対象商品採用者数割合データ112は、例えば、図5に示すように、嗜好特性(革新性)それぞれにおける期間別での採用ユーザ数の割合データを記憶する。期間別対象商品採用者数割合データ112によって記憶される情報の例としては、1期において、イノベータの割合「90」、アーリーアダプタの割合「10」、アーリーマジョリティの割合「0」、レイトマジョリティの割合「0」およびラガードの割合「0」である。なお、図5は、期間別対象商品採用者数割合データ112によって記憶される情報の例を示す図である。

0047

期間別対象商品フェーズ判定データ113は、例えば、図6に示すように、期間別でのフェーズ判定結果を記憶する。期間別対象商品フェーズ判定データ113によって記憶される情報の例としては、1期「導入期」、2期「導入期」、3期「成長期」、4期「成長期」、5期「成長期」および6期「成熟期」である。なお、図6は、期間別対象商品フェーズ判定データ113によって記憶される情報の例を示す図である。

0048

制御部120は、制御プログラム、各種の処理手順などを規定したプログラムおよび所要データを格納するための内部メモリを有するとともに、日単位データ生成部121と、パラメタ受付部122と、割合データ生成部123と、フェーズ判定データ生成部124と、データ送出部125とを有する。

0049

日単位データ生成部121は、例えば、購買履歴データに保持される日時と、ユーザIDと、商品IDとに基づいて、初回購入分の履歴データを抽出する。そして、日単位データ生成部121は、抽出された履歴データと、履歴データに含まれるユーザIDに該当するプロファイルデータの嗜好特性(革新性)とに基づいて、商品ごとの嗜好特性(革新性)それぞれにおける一日単位での採用ユーザ数を示す日単位採用者数データを生成する。なお、日単位データ生成部121は、生成された日単位採用者数データを日単位採用者数データ111に格納する。

0050

パラメタ受付部122は、例えば、ライフサイクル分析装置100と通信可能な端末装置から商品IDを含むパラメタを受け付ける。パラメタ受付部122によって受け付けられるパラメタは、例えば、商品ID「item001」と、ライフサイクル分析の対象となる対象期間「2008.1.1〜2008.6.28」と、対象期間のライフサイクルを分割する分割数「6」とである。

0051

割合データ生成部123は、例えば、パラメタ受付部122によって受け付けられた商品IDに該当する商品について、日単位データ生成部121によって生成された日単位採用者データから、嗜好特性「イノベータ」、「アーリーアダプタ」、「アーリーマジョリティ」、「レイトマジョリティ」および「ラガード」それぞれにおける1期〜6期での採用ユーザの割合データを示す期間別対象商品採用者数割合データを生成する。なお、割合データ生成部123は、生成された期間別対象商品採用者数割合データを期間別対象商品採用者数割合データ112に格納する。

0052

フェーズ判定データ生成部124は、例えば、割合データ生成部123によって生成された期間別対象商品採用者数割合データに基づいて、1期〜6期それぞれでのフェーズ「導入期」、「成長期」、「成熟期」および「衰退期」の判定データを示す期間別対象商品フェーズ判定データを生成する。なお、フェーズ判定データ生成部124は、生成された期間別対象商品フェーズ判定データを期間別対象商品フェーズ判定データ113に格納する。また、フェーズ判定データ生成部124によるフェーズ判定の例については後述する。

0053

データ送出部125は、割合データ生成部123によって生成された期間別対象商品採用者数割合データと、フェーズ判定データ生成部124によって生成された期間別対象商品フェーズ判定データとに基づいて、ライフサイクル分析結果を生成して、生成されたライフサイクル分析結果を端末装置に対して送出する。なお、データ送出部125によって生成されるライフサイクル分析結果の例については後述する。

0054

[端末装置の構成]
次に、図7を用いて、実施例1に係る端末装置の構成について説明する。図7は、実施例1に係る端末装置の構成例を示す図である。

0055

例えば、図7に示すように、端末装置150は、入力部151と、表示部152と、記憶部160と、制御部170とを有する。また、この端末装置150は、例えば、通信ネットワークを介してライフサイクル分析装置100と通信可能に接続されたユーザ所有のPC(Personal Computer)などの情報処理装置である。

0056

入力部151は、例えば、キーボードやマウスなどを有し、端末装置150における各種情報の入力を受け付ける。入力部151で入力される情報は、例えば、商品ID「item001」と、対象期間「2008.1.1〜2008.6.28」と、分割数「6」とである。

0057

表示部152は、例えば、モニタ(若しくはディスプレイ、タッチパネルなど)やスピーカを有し、端末装置150における各種情報を出力する。表示部152で表示出力される情報は、例えば、ライフサイクルの分析に要するパラメタの入力画面と、ライフサイクルの分析結果を表す出力画面とである。

0058

例えば、表示部152によって表示出力される入力画面は、図8に示すように、商品IDと、対象期間と、分割数とを含んだパラメタの入力テキストである。また、図8に図示していないが、上記パラメタをライフサイクル分析装置100に送出するための送信ボタンなどを有する。なお、図8は、表示部152によって表示出力される入力画面の例を示す図である。

0059

また、例えば、表示部152によって表示出力される出力画面は、図9に示すように、期間別対象商品採用者数割合データをグラフ化したものと、期間別対象商品フェーズ判定データとである。なお、図9は、表示部152によって表示出力される出力画面の例を示す図である。

0060

記憶部160は、制御部170による各種処理に要するデータや、制御部170による各種処理結果を記憶する。

0061

制御部170は、制御プログラム、各種の処理手順などを規定したプログラムおよび所要データを格納するための内部メモリを有するとともに、パラメタ送出部171と、ライフサイクル分析結果出力部172とを有する。

0062

パラメタ送出部171は、例えば、入力部151によって受け付けられた商品ID「item001」と、対象期間「2008.1.1〜2008.6.28」と、分割数「6」とを含むパラメタをライフサイクル分析装置100に対して送出する。なお、パラメタ送出部171によるパラメタ送出のトリガは、送信ボタンの押下などによるものである。

0063

ライフサイクル分析結果出力部172は、例えば、ライフサイクル分析装置100によって送出されたライフサイクルの分析結果を受信する。そして、ライフサイクル分析結果出力部172は、受信されたライフサイクルの分析結果を表示部152に表示出力する制御を実施する。

0064

[ライフサイクル分析処理]
次に、図10を用いて、実施例1に係るライフサイクル分析処理の流れを説明する。図10は、実施例1に係るライフサイクル分析処理の流れを説明するためのフローチャートである。なお、以下では、日単位データ生成部121によって日単位採用者数データが予め生成されているものとして説明する。

0065

例えば、図10に示すように、パラメタ受付部122は、ライフサイクル分析装置100と通信可能な端末装置150から商品IDを含むパラメタを受け付ける(ステップS101肯定)。なお、パラメタ受付部122は、パラメタを受け付けていない場合に(ステップS101否定)、当該パラメタの受信待ちの状態となる。

0066

そして、割合データ生成部123は、パラメタ受付部122によって受け付けられた商品IDに該当する商品について、日単位データ生成部121によって生成された日単位採用者データから、嗜好特性それぞれにおける期間別での期間別対象商品採用者数割合データを生成する(ステップS102)。

0067

続いて、フェーズ判定データ生成部124は、割合データ生成部123によって生成された期間別対象商品採用者数割合データに基づいて、期間別対象商品フェーズ判定データを生成する(ステップS103)。その後、データ送出部125は、割合データ生成部123によって生成された期間別対象商品採用者数割合データと、フェーズ判定データ生成部124によって生成された期間別対象商品フェーズ判定データとに基づいて、ライフサイクル分析結果を生成し、生成されたライフサイクル分析結果を端末装置150に対して送出する(ステップS104)。

0068

[日単位採用者数データ生成処理]
次に、図11を用いて、実施例1に係る日単位採用者数データ生成処理の流れを説明する。図11は、実施例1に係る日単位採用者数データ生成処理の流れを説明するためのフローチャートである。

0069

例えば、図11に示すように、日単位データ生成部121は、購買履歴データに保持される日時と、ユーザIDと、商品IDとに基づいて、ユーザにおける同一商品IDの商品に対する2回目以降の購買履歴を除去することにより、初回購入分の履歴データを抽出する(ステップS201)。

0070

そして、日単位データ生成部121は、抽出された履歴データと、履歴データに含まれるユーザIDに該当するプロファイルデータの嗜好特性とをつきあわせることにより、商品毎ごとの嗜好特性それぞれにおける一日単位での採用ユーザ数、すなわち日単位採用者数データを生成する(ステップS202)。

0071

[フェーズ判定処理]
次に、図12を用いて、実施例1に係るフェーズ判定処理の流れを説明する。図12は、実施例1に係るフェーズ判定処理の流れを説明するためのフローチャートである。具体的には、期間別対象商品採用者数割合データにおける嗜好特性それぞれ、または嗜好特性の任意の組み合わせの割合が所定の割合以上であるか否かによってフェーズを判定する。このようなフェーズ判定処理の一例を、図12を用いて説明する。

0072

例えば、図12に示すように、フェーズ判定データ生成部124は、割合データ生成部123によって生成された期間別対象商品採用者数割合データに基づいて、イノベータの割合が50%以上であるか否かを判定する(ステップS301)。そして、フェーズ判定データ生成部124は、イノベータの割合が50%以上である場合に(ステップS301肯定)、「導入期」であると判定する(ステップS302)。これにより、図5に示した期において、「導入期」であると判定される期は、1期と2期とになる。

0073

また、フェーズ判定データ生成部124は、イノベータの割合が50%未満である場合に(ステップS301否定)、アーリーアダプタとアーリーマジョリティとの合計割合が80%以上であるか否かを判定する(ステップS303)。そして、フェーズ判定データ生成部124は、アーリーアダプタとアーリーマジョリティとの合計割合が80%以上である場合に(ステップS303肯定)、「成長期」であると判定する(ステップS304)。これにより、図5に示した期において、「成長期」であると判定される期は、3期と4期と5期とになる。

0074

また、フェーズ判定データ生成部124は、アーリーアダプタとアーリーマジョリティとの合計割合が80%未満である場合に(ステップS303否定)、レイトマジョリティの割合が30%以上であるか否かを判定する(ステップS305)。そして、フェーズ判定データ生成部124は、レイトマジョリティの割合が30%以上である場合に(ステップS305肯定)、「成熟期」であると判定する(ステップS306)。これにより、図5に示した期について、「成熟期」であると判定される期は、6期となる。

0075

また、フェーズ判定データ生成部124は、レイトマジョリティの割合が30%未満である場合に(ステップS305否定)、レイトマジョリティとラガードとの合計割合が80%以上であるか否かを判定する(ステップS307)。そして、フェーズ判定データ生成部124は、レイトマジョリティとラガードとの合計割合が80%以上である場合に(ステップS307肯定)、「衰退期」であると判定する(ステップS308)。

0076

また、フェーズ判定データ生成部124は、レイトマジョリティとラガードとの合計割合が80%未満である場合に(ステップS307否定)、「その他」であると判定する(ステップS309)。なお、フェーズ判定データ生成部124による上記処理は、一例であり、嗜好特性(革新性)それぞれ、または、嗜好特性の任意の組み合わせが、任意の割合以上であるか否かによってフェーズが判定される。

0077

[ライフサイクル分析処理シーケンス]
次に、図13を用いて、実施例1に係るライフサイクル分析処理のシーケンスを説明する。図13は、実施例1に係るライフサイクル分析処理のシーケンス図である。なお、以下では、日単位採用者数データが予め生成されているものとして説明する。

0078

例えば、図13に示すように、端末装置150は、商品IDと、対象期間と、分割数とを含むパラメタの入力を受け付けて、受け付けられたパラメタをライフサイクル分析装置100に対して送出する(ステップS401)。

0079

一方、ライフサイクル分析装置100は、商品ID、対象期間および分割数などのパラメタを受け付ける(ステップS402)。そして、ライフサイクル分析装置100は、受け付けられた商品IDに該当する商品について、日単位採用者データに基づき、期間別対象商品採用者数割合データを生成する(ステップS403)。

0080

続いて、ライフサイクル分析装置100は、生成された期間別対象商品採用者数割合データに基づいて、各期間別のフェーズを判定して、期間別対象商品フェーズ判定データを生成する(ステップS404)。その後、ライフサイクル分析装置100は、生成された期間別対象商品採用者数割合データと、期間別対象商品フェーズ判定データとに基づいて、ライフサイクル分析結果を生成して、生成されたライフサイクル分析結果を端末装置150に対して送出する(ステップS405)。

0081

また、端末装置150は、ライフサイクル分析装置100によって送出されたライフサイクル分析結果を受信して、当該ライフサイクル分析結果を所定の表示部に表示出力する(ステップS406)。

0082

[実施例1による効果]
上述したように、ライフサイクル分析装置は、購買履歴データとプロファイルデータとに基づいて日単位採用者数データを生成し、ライフサイクル分析のための商品IDに該当する商品について、生成された日単位採用者数データから、期間別対象商品採用者数割合データを生成し、生成された期間別対象商品採用者数割合データに基づいて、期間別対象商品フェーズ判定データを生成するので、アンケートを利用してライフサイクルを分析する従来技術や、販売実績などのデータに基づいてライフサイクルを分析する従来技術などと比較して、商品のライフサイクルの分析にかかる時間やコストを削減しつつ、商品のフェーズ判定を正確に実施することができる。

0083

さて、これまで本願に開示するライフサイクル分析装置、ライフサイクル分析方法およびライフサイクル分析システムの実施例について説明したが、上述した実施例以外にも種々の異なる形態にて実施されてよいものである。そこで、(1)パラメタ、(2)日単位採用者数データの生成、(3)ライフサイクル分析装置の構成、(4)プログラム、において異なる実施例を説明する。

0084

(1)パラメタ
上記実施例1において、端末装置150における入力画面では、商品IDと、対象期間と、分割数とのパラメタが入力される場合を説明したが、本発明はこれに限定されるものではなく、商品IDと、対象期間と、単位期間であっても良い。

0085

具体的に説明すると、端末装置150における入力画面は、図14に示すように、商品ID「item001」と、対象期間「2008.1.1〜2008.6.28」と、単位期間「30」とになる。単位期間とは、1つの期の日数であり、30日である場合には、30日毎にライフサイクルが分析、すなわち2008.1.1から2008.6.28までを6期に分けてライフサイクルが分析されることとなる。

0086

また、対象期間の日数が単位期間で割り切れない場合には、対象期間の日数を単位期間で割った余りの日数をライフサイクルの分析の対象外とする。例えば、対象期間の日数が単位期間で割り切れない場合には、対象期間の先頭から対象期間の日数を単位期間で割った余りの日数分をライフサイクルの分析の対象外とする。なお、図14は、端末装置150における入力画面の例を示す図である。

0087

また、上記実施例1において、ライフサイクル分析装置100は、購買履歴データとプロファイルデータとを有することとして説明したが、本発明はこれに限定されるものではなく、商品リストデータをさらに有していても良い。

0088

具体的に説明すると、商品リストデータは、図15に示すように、商品を一意に識別するための商品識別情報と、商品の商品名とを対応付けて保持する。商品IDと商品名との例を挙げると、商品ID「item001」と商品名「商品001」とである。なお、図15は、商品リストデータの例を示す図である。

0089

そして、このような商品リストデータを用いることにより、端末装置150におけるパラメタの入力は、例えば、図16に示すように、商品名と、対象期間と、分割数(或いは単位期間)とであっても良い。一方、端末装置150から商品名を含むパラメタを受信したライフサイクル分析装置100は、商品リストデータを用いて、対応する商品IDを取得し、ライフサイクル分析処理を実施することとなる。なお、図16は、端末装置150における入力画面の例を示す図である。

0090

また、上記実施例1では、ライフサイクル分析処理に用いるパラメタが商品IDと、対象期間と、分割数とである場合を説明したが、本発明はこれに限定されるものではなく、商品IDのみを用いることとしても良い。

0091

具体的に説明すると、ライフサイクル分析処理に商品IDのみを用いる場合には、商品IDに該当する商品の全ての期間に対してライフサイクルが分析されることとなる。また、このとき、分割数は、例えば、デフォルト値として「5」などを適用すれば良い。要するに、ライフサイクル分析処理に用いられるパラメタの必須項目は、商品IDのみとなる。なお、上記商品リストデータを用いる場合には、商品名が必須項目となる。

0092

(2)日単位採用者数データの生成
また、上記実施例1では、端末装置150からパラメタが入力されるよりも前に、日単位採用者数データが予め生成される場合を説明したが、本発明はこれに限定されるものではなく、端末装置150からパラメタが入力された後に日単位採用者数データを生成することとしても良い。

0093

具体的に説明すると、端末装置150からパラメタを受信したライフサイクル分析装置100は、購買履歴データを用いて、受信されたパラメタに含まれる対象期間に該当するデータに対して日単位採用者数データを生成する。

0094

(3)ライフサイクル分析装置の構成
また、上記文書中や図面中などで示した処理手順、制御手順、具体的名称、各種のデータやパラメタなどを含む情報(例えば、生成されるライフサイクル分析結果の情報など)については、特記する場合を除いて任意に変更することができる。

0095

また、図示した各装置の各構成要素は、機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は、図示のものに限られず、その全部または一部を各種の負担や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合することができる。さらに、各装置にて行われる各処理機能は、その全部または任意の一部が、CPUおよび当該CPUにて解析実行されるプログラムにて実現され、或いは、ワイヤードロジックによるハードウェアとして実現され得る。

実施例

0096

(4)プログラム
ところで、上記実施例では、ハードウェアロジックによって各種の処理を実現する場合を説明したが、予め用意されたプログラムをパーソナルコンピュータワークステーションなどのコンピュータで実行することによって実現するようにしても良い。このプログラムは、インターネットなどのネットワークを介して配布することができる。また、このプログラムは、ハードディスクフレキシブルディスクFD)、CD−ROM、MO、DVDなどのコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行することもできる。

0097

以上のように、本発明に係るライフサイクル分析装置、ライフサイクル分析プログラム、ライフサイクル分析方法およびライフサイクル分析システムは、商品のライフサイクルを分析する場合に有用であり、特に、商品のライフサイクルの分析にかかる時間やコストを削減しつつ、商品のフェーズ判定を正確に実施することに適する。

0098

100ライフサイクル分析装置
101 入力部
102 表示部
110 記憶部
111日単位採用者数データ
112期間別対象商品採用者数割合データ
113期間別対象商品フェーズ判定データ
120 制御部
121 日単位データ生成部
122パラメタ受付部
123割合データ生成部
124フェーズ判定データ生成部
125データ送出部
150端末装置
151 入力部
152 表示部
160 記憶部
170 制御部
171 パラメタ送出部
172ライフサイクル分析結果出力部

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

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