図面 (/)

技術 情報分析システム、情報分析プログラムおよび情報分析装置

出願人 東武鉄道株式会社株式会社日立製作所
発明者 波田野裕山木宏谷内秀二鈴木尚宏平野義明
出願日 2016年8月4日 (4年10ヶ月経過) 出願番号 2016-153365
公開日 2018年2月8日 (3年4ヶ月経過) 公開番号 2018-022352
状態 特許登録済
技術分野 検索装置
主要キーワード ナンバリング情報 都市開発 情報分析プログラム 移動目的 パターンマスタ 商業地 収入情報 通常顧客
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(2018年2月8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

通常顧客情報と交通情報購買情報とはそれぞれ独立した別のデータベースに保存されているが、これらの各データベースをユニークキー無しで連携させ、顧客の利用駅最寄駅)を推定したい。

解決手段

ユニークキーの代わりに郵便番号を用いて各データベースの連携を行う。郵便番号は、複数の桁を上位から1以上の桁よりなる部分に分割可能とされ、当該部分または全部が全国を区分けした領域に対応した構造を有している。顧客情報抽出手段114−2により、顧客情報から郵便番号及び顧客IDが抽出される。推定結果抽出手段114−3により、抽出した郵便番号の部分または全部に対応した領域内また近隣に存在する交通機関のうち1の駅を顧客の利用する駅と推定し、駅ID、顧客IDが推定結果として抽出される。

概要

背景

たとえば新しい商品サービスに対するマーケティング施策立案や、従来の商品・サービスに対する顧客満足度向上などを目的として、顧客の動向を把握するためのマーケティングリサーチが従来より行われている。

顧客の日常的な動向を把握するために、企業の所有する膨大な情報の中から、顧客が日常的に利用する鉄道バスなどの交通機関やそのを抽出することは、マーケティングリサーチ上重要である。
特に、東京、大阪、名古屋などの都市部やその周辺地域では、電車地下鉄新幹線などの鉄道が主たる交通機関として利用されている。また、近年では鉄道のターミナル駅に大規模商業施設建設するなど、駅を中心とした都市開発が進められている。

そのため、近年では新しい商品・サービスの顧客が日常的に利用する鉄道の駅、すなわち「鉄道の利用駅」を把握することが、顧客の動向を把握するために大変重要となっている。
また、顧客にとって最も利用頻度の高い「鉄道の利用駅」とは、住所又は居所に最も近い駅、すなわち最寄駅を含むことはいうまでもない。しかし、たとえば利便性の高いターミナル駅などが最寄駅以外にあれば、たとえ住所から遠くても最寄駅以外の駅が日常的に利用される場合も考えられる。
本願では最寄駅という用語を「鉄道の利用駅」という意味で使用、定義し、適宜「最寄駅(利用駅)」など注釈を含めて記載する。

従来、「鉄道の最寄駅(利用駅)」の把握には鉄道の顧客に対するアンケートなどが利用されていたが、アンケートの実施、分析には莫大費用や時間が必要とされていた。
一方、近年、各交通機関発行するICカード(以下、交通系ICカード)が広く利用されている。交通系ICカードには、その所有者(顧客)の交通情報個人情報顧客情報)、購買情報などの多くの情報が格納されている。交通情報とは、たとえば鉄道の最寄駅(利用駅)、その駅を特定する駅ID(後述する駅ナンバリングなど)、改札の通過時間を含む情報である。個人情報(顧客情報)とは、たとえば顧客の氏名、顧客を特定する顧客ID、自宅住所又は居所、郵便番号年齢を含む情報である。購買情報とは、たとえば交通系ICカードの機能である電子マネー残高、電子マネーを利用した商品、購買金額購買場所を含む情報である。
そのため、交通系ICカードに記録された情報を使用したマーケティングリサーチが多く行われるようになった。

なお、このように交通系ICカードなどで蓄積された企業内の膨大な情報(ビッグデータ)を分析・加工して企業の意思決定活用するマーケティングリサーチの手法は「ビジネスインテリジェンス(BI:Business Intelligence)」と呼ばれ、注目されている。

たとえば、交通系ICカードに記録された最寄駅や改札の通過時間などの交通情報、自宅住所や勤務先住所などの顧客情報から、顧客が日常的に移動する場所を抽出するシステムなどが知られている(たとえば特開2015−135589号公報)。顧客の移動した曜日(平日または休日)や時間帯頻度などから、抽出された場所への移動目的を、あらかじめ設定した4つの移動目的「自宅」「仕事」「私用」「娯楽」のいずれに該当するかを推定している。顧客が移動する場所に「鉄道の最寄駅」を設定すれば、最寄駅への顧客の移動目的を推定することができる。

概要

通常顧客情報と交通情報、購買情報とはそれぞれ独立した別のデータベースに保存されているが、これらの各データベースをユニークキー無しで連携させ、顧客の利用駅(最寄駅)を推定したい。 ユニークキーの代わりに郵便番号を用いて各データベースの連携を行う。郵便番号は、複数の桁を上位から1以上の桁よりなる部分に分割可能とされ、当該部分または全部が全国を区分けした領域に対応した構造を有している。顧客情報抽出手段114−2により、顧客情報から郵便番号及び顧客IDが抽出される。推定結果抽出手段114−3により、抽出した郵便番号の部分または全部に対応した領域内また近隣に存在する交通機関の駅のうち1の駅を顧客の利用する駅と推定し、駅ID、顧客IDが推定結果として抽出される。

目的

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

複数の桁の数字または文字からなり、当該複数の桁の数字または文字を上位から1以上の桁よりなる部分に分割可能とされ、当該部分または当該複数の桁の全部が全国を区分けした領域に対応した構造を有する郵便番号と、顧客IDとを少なくとも対応付け顧客情報から、郵便番号及び顧客IDを抽出する顧客情報抽出手段と、抽出した郵便番号の部分または全部に対応した領域内また近隣に存在する交通機関のうち1の駅を顧客の利用する駅と推定し、推定した駅を特定する駅IDと、前記抽出した顧客IDとを推定結果として抽出する推定結果抽出手段と、を具備することを特徴とする情報分析システム

請求項2

複数の桁の数字または文字からなり、当該複数の桁の数字または文字を上位から1以上の桁よりなる部分に分割可能とされ、当該部分または当該複数の桁の全部が全国を区分けした領域に対応した構造を有する郵便番号の部分または全部に対応した領域内または近隣に存在する交通機関の駅のうち、郵便番号の部分または全部ごとに1の駅を設定した紐付パターン情報を生成する紐付パターン情報生成手段と、を具備することを特徴とする情報分析システム。

請求項3

複数の桁の数字または文字からなり、当該複数の桁の数字または文字を上位から1以上の桁よりなる部分に分割可能とされ、当該部分または当該複数の桁の全部が全国を区分けした領域に対応した構造を有する郵便番号と、顧客IDとを少なくとも対応付けた顧客情報から、郵便番号及び顧客IDを抽出する顧客情報抽出手段と、郵便番号の部分または全部に対応した領域内または近隣に存在する交通機関の駅のうち、郵便番号の部分または全部ごとに1の駅を設定した紐付パターン情報を生成する紐付パターン情報生成手段と、抽出した郵便番号の部分または全部に対応した領域内または近隣に存在する交通機関の駅のうち1の駅を顧客の利用する駅と推定し、推定した駅を特定する駅IDと、前記抽出した顧客IDとを推定結果として抽出する推定結果抽出手段と、を具備することを特徴とする情報分析システム。

請求項4

領域は広域、中域、狭域とされ、広域は中域を、中域は狭域をそれぞれ包含し、郵便番号は、上位から順に広域、中域、狭域に対応して各部分に分割可能とされ、郵便番号の各部分に、その部分に対応する区分け内またはその近隣に存在する交通機関の駅のうち1の駅が設定されることを特徴とする請求項1〜3いずれか記載の情報分析システム。

請求項5

紐付パターン情報生成手段は、交通機関の駅のうち、速達輸送を行なう交通機関が停車する駅を1の駅とすることを特徴とする請求項2〜4いずれか記載の情報分析システム。

請求項6

紐付パターン情報生成手段は、交通機関の駅のうち、交通機関のハブとなるターミナル駅を1の駅とすることを特徴とする請求項2〜4いずれか記載の情報分析システム。

請求項7

紐付パターン情報生成手段は、交通機関の駅のうち、一日平均乗車人数の多い駅を1の駅とすることを特徴とする請求項2〜4いずれか記載の情報分析システム。

請求項8

紐付パターン情報生成手段は、交通機関の駅のうち、上り方面にある駅を1の駅とすることを特徴とする請求項2〜4いずれか記載の情報分析システム。

請求項9

コンピュータを、複数の桁の数字または文字からなり、当該複数の桁の数字または文字を上位から1以上の桁よりなる部分に分割可能とされ、当該部分または当該複数の桁の数字または文字の全部が全国を区分けした領域に対応した構造を有する郵便番号と、顧客IDとを少なくとも対応付けた顧客情報から、郵便番号及び顧客IDを抽出する顧客情報抽出手段と、抽出した郵便番号の部分または全部に対応した領域内または近隣に存在する交通機関の駅のうち1の駅を顧客の利用する駅と推定し、推定した駅を特定する駅IDと、前記抽出した顧客IDとを推定結果として抽出する推定結果抽出手段と、して機能させるための情報分析プログラム

請求項10

コンピュータを、複数の桁の数字または文字からなり、当該複数の桁の数字または文字を上位から1以上の桁よりなる部分に分割可能とされ、当該部分または当該複数の桁の数字または文字の全部が全国を区分けした領域に対応した構造を有する郵便番号の部分または全部に対応した領域内または近隣に存在する交通機関の駅のうち、郵便番号の部分または全部ごとに1の駅を設定した紐付パターン情報を生成する紐付パターン情報生成手段として機能させるための情報分析プログラム。

請求項11

コンピュータを、複数の桁の数字または文字からなり、当該複数の桁の数字または文字を上位から1以上の桁よりなる部分に分割可能とされ、当該部分または当該複数の桁の数字または文字の全部が全国を区分けした領域に対応した構造を有する郵便番号と、顧客IDとを少なくとも対応付けた顧客情報から、郵便番号及び顧客IDを抽出する顧客情報抽出手段と、郵便番号の部分または全部に対応した領域内または近隣に存在する交通機関の駅のうち、郵便番号の部分または全部ごとに1の駅を設定した紐付パターン情報を生成する紐付パターン情報生成手段と、抽出した郵便番号の部分または全部に対応した領域内または近隣に存在する交通機関の駅のうち1の駅を顧客の利用する駅と推定し、推定した駅を特定する駅IDと、前記抽出した顧客IDとを推定結果として抽出する推定結果抽出手段と、して機能させるための情報分析プログラム。

請求項12

領域は広域、中域、狭域とされ、広域は中域を、中域は狭域をそれぞれ包含し、郵便番号は、上位から順に広域、中域、狭域に対応して各部分に分割可能とされ、郵便番号の各部分に、その部分に対応する区分け内またはその近隣に存在する交通機関の駅のうち1の駅が設定されることを特徴とする請求項9〜11いずれか記載の情報分析プログラム。

請求項13

複数の桁の数字または文字からなり、当該複数の桁の数字または文字を上位から1以上の桁よりなる部分に分割可能とされ、当該部分または当該複数の桁の数字または文字の全部が全国を区分けした領域に対応した構造を有する郵便番号と、顧客IDとを少なくとも対応付けた顧客情報から、郵便番号及び顧客IDを抽出する顧客情報抽出手段と、抽出した郵便番号の部分または全部に対応した領域内または近隣に存在する交通機関の駅のうち1の駅を顧客の利用する駅と推定し、推定した駅を特定する駅IDと、前記抽出した顧客IDとを推定結果として抽出する推定結果抽出手段と、を有する情報分析装置

請求項14

複数の桁の数字または文字からなり、当該複数の桁の数字または文字を上位から1以上の桁よりなる部分に分割可能とされ、当該部分または当該複数の桁の数字または文字の全部が全国を区分けした領域に対応した構造を有する郵便番号の部分または全部に対応した領域内または近隣に存在する交通機関の駅のうち、郵便番号の部分または全部ごとに1の駅を設定した紐付パターン情報を生成する紐付パターン情報生成手段を有する情報分析装置。

請求項15

複数の桁の数字または文字からなり、当該複数の桁の数字または文字を上位から1以上の桁よりなる部分に分割可能とされ、当該部分または当該複数の桁の数字または文字の全部が全国を区分けした領域に対応した構造を有する郵便番号と、顧客IDとを少なくとも対応付けた顧客情報から、郵便番号及び顧客IDを抽出する顧客情報抽出手段と、郵便番号の部分または全部に対応した領域内または近隣に存在する交通機関の駅のうち、郵便番号の部分または全部ごとに1の駅を設定した紐付パターン情報を生成する紐付パターン情報生成手段と、抽出した郵便番号の部分または全部に対応した領域内または近隣に存在する交通機関の駅のうち1の駅を顧客の利用する駅と推定し、推定した駅を特定する駅IDと、前記抽出した顧客IDとを推定結果として抽出する推定結果抽出手段と、を有する情報分析装置。

技術分野

0001

本発明は、交通機関、特に鉄道を利用する顧客の情報(顧客情報)を分析する情報分析システム情報分析プログラムおよび情報分析装置に関する。

背景技術

0002

たとえば新しい商品サービスに対するマーケティング施策立案や、従来の商品・サービスに対する顧客満足度向上などを目的として、顧客の動向を把握するためのマーケティングリサーチが従来より行われている。

0003

顧客の日常的な動向を把握するために、企業の所有する膨大な情報の中から、顧客が日常的に利用する鉄道、バスなどの交通機関やその駅を抽出することは、マーケティングリサーチ上重要である。
特に、東京、大阪、名古屋などの都市部やその周辺地域では、電車地下鉄新幹線などの鉄道が主たる交通機関として利用されている。また、近年では鉄道のターミナル駅に大規模商業施設建設するなど、駅を中心とした都市開発が進められている。

0004

そのため、近年では新しい商品・サービスの顧客が日常的に利用する鉄道の駅、すなわち「鉄道の利用駅」を把握することが、顧客の動向を把握するために大変重要となっている。
また、顧客にとって最も利用頻度の高い「鉄道の利用駅」とは、住所又は居所に最も近い駅、すなわち最寄駅を含むことはいうまでもない。しかし、たとえば利便性の高いターミナル駅などが最寄駅以外にあれば、たとえ住所から遠くても最寄駅以外の駅が日常的に利用される場合も考えられる。
本願では最寄駅という用語を「鉄道の利用駅」という意味で使用、定義し、適宜「最寄駅(利用駅)」など注釈を含めて記載する。

0005

従来、「鉄道の最寄駅(利用駅)」の把握には鉄道の顧客に対するアンケートなどが利用されていたが、アンケートの実施、分析には莫大費用や時間が必要とされていた。
一方、近年、各交通機関発行するICカード(以下、交通系ICカード)が広く利用されている。交通系ICカードには、その所有者(顧客)の交通情報個人情報(顧客情報)、購買情報などの多くの情報が格納されている。交通情報とは、たとえば鉄道の最寄駅(利用駅)、その駅を特定する駅ID(後述する駅ナンバリングなど)、改札の通過時間を含む情報である。個人情報(顧客情報)とは、たとえば顧客の氏名、顧客を特定する顧客ID、自宅住所又は居所、郵便番号年齢を含む情報である。購買情報とは、たとえば交通系ICカードの機能である電子マネー残高、電子マネーを利用した商品、購買金額購買場所を含む情報である。
そのため、交通系ICカードに記録された情報を使用したマーケティングリサーチが多く行われるようになった。

0006

なお、このように交通系ICカードなどで蓄積された企業内の膨大な情報(ビッグデータ)を分析・加工して企業の意思決定活用するマーケティングリサーチの手法は「ビジネスインテリジェンス(BI:Business Intelligence)」と呼ばれ、注目されている。

0007

たとえば、交通系ICカードに記録された最寄駅や改札の通過時間などの交通情報、自宅住所や勤務先住所などの顧客情報から、顧客が日常的に移動する場所を抽出するシステムなどが知られている(たとえば特開2015−135589号公報)。顧客の移動した曜日(平日または休日)や時間帯頻度などから、抽出された場所への移動目的を、あらかじめ設定した4つの移動目的「自宅」「仕事」「私用」「娯楽」のいずれに該当するかを推定している。顧客が移動する場所に「鉄道の最寄駅」を設定すれば、最寄駅への顧客の移動目的を推定することができる。

先行技術

0008

特開2015−135589号公報

発明が解決しようとする課題

0009

特開2015−135589号公報記載の構成では、顧客が日常的に目的を持って移動する場所(移動場所)が少ないことに着目し、顧客の移動目的をあらかじめ4つに限定している。そして、多くの顧客にとって「移動場所」とされる特定の場所がある場合、この場所を含むエリアを設定している。たとえば、大きなターミナル駅のひとつである池袋駅を「移動場所」とし、池袋駅を中心とする商業地帯を「エリア(池袋エリア)」として設定する。
そして、顧客の移動目的を4つのうちいずれかひとつと推定し、移動目的ごとに顧客の動向を分析する。たとえば「『仕事』を目的として『池袋エリア』を利用している顧客」の人数や年齢を分析すれば、このエリアがいずれの移動目的で利用されているのかを把握することができる。また、分析をエリアごとに行えば、エリアで移動目的の比較ができる。
しかし、顧客の移動場所や移動目的を把握することはできても、顧客の購買情報は把握できない。

0010

近年の交通系ICカードは電子マネー機能を有しており、電子マネーを使用して駅構内売店などで少額の商品を購買(購入)することはできる。しかし、交通系ICカードの電子マネー機能では1回あたりや月あたりの上限額が設定されている。そのため、百貨店における高額商品の購買や、駅構内であっても駅のカウンターにおける高額な特急券の購買などにおいては電子マネー機能を使用できない。

0011

交通系ICカードではなくクレジットカードを利用すれば、高額商品を購買することができる。
しかし、顧客の個人情報(顧客情報)や交通情報、クレジットカードによる支払を含む購買情報を記録する各データベースは、交通系ICカードを発行する交通機関の会社と、クレジットカードを発行するクレジット会社とが別会社であるなどの理由もあり、通常独立している。そのため、クレジットカードを利用して高額商品を複数回購買する優良顧客や、その優良顧客の住所に近い最寄駅(利用駅)などを、顧客情報、購買情報、交通情報を関連付けて抽出することは難しい。
また、交通系ICカードにより様々な交通機関を使用したり少額の購買をすることはできても、交通系ICカード自体は各交通機関で発行されるものである。そのため、交通系ICカードに記録された各顧客の交通情報は、交通機関の各社で独立したデータベースに記録されている。そのため、交通機関の各社をまたいで顧客情報、購買情報、交通情報を抽出することは難しい。

0012

顧客情報、特にクレジットカードによる購買情報、交通情報など、各データベースを連携させれば優良顧客やその最寄駅を抽出することができる。独立した複数のデータベースを連携させるにはユニークな共通キーユニークキー)が必要となるが、新たなユニークキーを既存のデータベースに設定するとデータベース変更の手間がかかるばかりか、データベースの容量が増大する。

0013

本発明は、顧客の購買情報や交通情報など既存のデータベースを変更することなく連携させて顧客ごとに「鉄道の最寄駅(利用駅)」を抽出し、顧客の日常的な動向を容易に把握することのできる情報分析システムの提供を目的としている。
また、本発明は、コンピュータを、顧客の購買情報や交通情報など既存のデータベースを変更することなく連携させて顧客ごとに「鉄道の最寄駅」を抽出し、顧客の日常的な動向を容易に把握するように機能させるための情報分析プログラムの提供を別の目的としている。
さらに、顧客の購買情報や交通情報など既存のデータベースを変更することなく連携させて顧客ごとに「鉄道の最寄駅」を抽出し、顧客の日常的な動向を容易に把握するように機能させるための情報分析装置の提供をさらに他の目的としている。

課題を解決するための手段

0014

本発明では、郵便番号の構造に着目し、顧客情報に含まれる郵便番号から顧客の最寄駅を推定している。
すなわち、請求項1、9、13に係る本発明によれば、複数の桁の数字または文字からなり、当該複数の桁の数字または文字を上位から1以上の桁よりなる部分に分割可能とされ、当該部分または当該複数の桁の全部が全国を区分けした領域に対応した構造を有する郵便番号と、顧客IDとを少なくとも対応付けた顧客情報から、郵便番号及び顧客IDを抽出する顧客情報抽出手段と、抽出した郵便番号の部分または全部に対応した領域内また近隣に存在する交通機関の駅のうち1の駅を顧客の利用する駅と推定し、推定した駅を特定する駅IDと、前記抽出した顧客IDとを推定結果として抽出する推定結果抽出手段と、を具備している。
また、請求項2、10、14に係る本発明によれば、複数の桁の数字または文字からなり、当該複数の桁の数字または文字を上位から1以上の桁よりなる部分に分割可能とされ、当該部分または当該複数の桁の全部が全国を区分けした領域に対応した構造を有する郵便番号の部分または全部に対応した領域内または近隣に存在する交通機関の駅のうち、郵便番号の部分または全部ごとに1の駅を設定した紐付パターン情報を生成する紐付パターン情報生成手段と、を具備している。
さらに、請求項3、11、15に係る本発明によれば、複数の桁の数字または文字からなり、当該複数の桁の数字または文字を上位から1以上の桁よりなる部分に分割可能とされ、当該部分または当該複数の桁の全部が全国を区分けした領域に対応した構造を有する郵便番号と、顧客IDとを少なくとも対応付けた顧客情報から、郵便番号及び顧客IDを抽出する顧客情報抽出手段と、郵便番号の部分または全部に対応した領域内または近隣に存在する交通機関の駅のうち、郵便番号の部分または全部ごとに1の駅を設定した紐付パターン情報を生成する紐付パターン情報生成手段と、抽出した郵便番号の部分または全部に対応した領域内または近隣に存在する交通機関の駅のうち1の駅を顧客の利用する駅と推定し、推定した駅を特定する駅IDと、前記抽出した顧客IDとを推定結果として抽出する推定結果抽出手段と、を具備している。

発明の効果

0015

請求項1、9、13に係る本発明では、購買情報などとデータベースが異なっていても、郵便番号さえ含まれていれば顧客情報のデータベースと連携することができる。郵便番号は通常よく登録されている項目であるから、独立した複数のデータベースを連携させるためのユニークな共通キー(ユニークキー)を新たに設定しなくても、郵便番号さえあればデータベース変更の手間が不要となり、データベースの容量が極端に低下することはない。
データベースを連携させ、郵便番号の各部分または全部と、これらに対応する領域内または近隣に存在する交通機関の駅(1の駅)とを対応させておけば、顧客の郵便番号の各部分または全部と一致した場合はその1の駅が顧客の最寄駅(利用駅)と推定することができる。そのため、顧客の利用する駅を抽出、把握することができる。そして、たとえば、クレジットカードを利用した購買情報であれば、クレジットカードを利用して高額商品を複数回購買する優良顧客を抽出し、その顧客の最寄駅を含む日常的な動向を把握することができる。
請求項2、10、14に係る本発明では、郵便番号の各部分または全部と交通機関の駅(1の駅)とを対応付ける紐付パターン情報を容易に設定、生成することができ、データベース変更の手間が不要となる。
請求項3、11、15に係る本発明では、郵便番号によりデータベースを連携させて顧客の利用する駅を抽出、把握することができるだけではなく、紐付パターン情報を容易に設定、生成し、顧客の利用する駅を抽出、把握することができる。

図面の簡単な説明

0016

本発明の一実施例に係る情報分析システムの構成を表す概略図を示す。
本発明の一実施例に係る情報分析装置(情報処理装置)の構成例を表すブロック図を示す。
交通機関収入マスタが格納する情報の構成の一例である概略図を示す。
(A)は顧客マスタ、(B)は購買マスタ、(C)は顧客・購買マスタが格納する情報の構成の一例である概略図をそれぞれ示す。
(A)は郵便番号マスタが格納する情報の構成の一例である概略図、(B)は我が国における郵便番号の構成を説明する概略図をそれぞれ示す。
(A)は鉄道の駅マスタ、(B)は駅ナンバリングマスタ、(C)は地図・緯度経度マスタが格納する情報の構成の一例である概略図をそれぞれ示す。
代表駅マスタが格納する情報の構成の一例である概略図を示す。
紐付パターンマスタが格納する情報の構成の一例である概略図を示す。
最寄駅ナンバリングマスタが格納する情報の構成の一例である概略図を示す。
最寄駅推定マスタが格納する情報の構成の一例である概略図を示す。
代表駅情報生成処理フロー図を示す。
情報抽出処理のフロー図を示す。
紐付パターン情報生成処理のフロー図を示す。
(A)〜(E)は、第3の駅の絞り込み処理のフロー図をそれぞれ示す。
最寄駅ナンバリング情報生成処理のフロー図を示す。
(A)は最寄駅推定処理の全体を表すフロー図、(B)は顧客情報抽出処理のフロー図、(C)は推定結果抽出処理のフロー図をそれぞれ示す。
最寄駅表示処理のフロー図を示す。
端末表示画面の一例である概略図を示す。
最寄駅ナンバリング情報更新処理のフロー図を示す。

0017

複数の桁の数字または文字からなり、当該複数の桁の数字または文字を上位から1以上の桁よりなる部分に分割可能とされ、当該部分または当該複数の桁の全部が全国を区分けした領域に対応した構造を有する郵便番号と、顧客IDとを少なくとも対応付けた顧客情報から、郵便番号及び顧客IDを抽出する顧客情報抽出手段と、抽出した郵便番号の部分または全部に対応した領域内または近隣に存在する交通機関の駅のうち1の駅を顧客の利用する駅と推定し、推定した駅を特定する駅IDと、前記抽出した顧客IDとを推定結果として抽出する推定結果抽出手段と、を具備している。

0018

1.情報分析システムの構成
以下、図面を参照しながら本発明の実施例について詳細に説明する。図1は、本発明の一実施例に係る情報分析システムの構成を表す概略図を示す。
本発明の情報分析システムは、たとえば、情報分析装置(情報処理装置)10、外部の1または複数のデータベース20、表示装置を備える端末30をネットワーク40によって互いに通信可能に接続することで構成されている。端末30は利用者によって操作される。

0019

情報分析装置10は、たとえばサーバ型の情報処理装置とされ、端末30の要求に応じて端末への情報送信などの動作を行う。端末30の内部には情報処理機能を有するCPU(Central Processing Unit;プロセッサ)、メモリなどの電子部品を備えている。

0020

データベース20は、たとえば、交通機関収入マスタ21、顧客・購買マスタ22(顧客マスタ22a、購買マスタ22b)、郵便番号マスタ23、鉄道の駅マスタ24、駅ナンバリングマスタ25、地図・緯度経度マスタ26を有しており、各情報をマスタに格納している。
顧客・購買マスタ22は、顧客の個人情報である顧客情報を格納した顧客マスタ22a、クレジットカードなどによる顧客の購買情報を格納した購買マスタ22bを連携させて作成される。つまり、顧客・購買マスタ22は顧客情報、購買情報の双方を格納している。しかし、これに限定されず、顧客マスタ、購買マスタを独立させ、顧客情報、購買情報を別に格納してもよい。
交通機関収入マスタ21、顧客・購買マスタ22は、たとえば交通機関の会社(鉄道会社)、クレジット会社などそれぞれ別の会社が所有するデータベースに格納されたものを想定しているが、これに限定されない。また、郵便番号マスタ23、鉄道の駅マスタ24、駅ナンバリングマスタ25、地図・緯度経度マスタ26は、たとえばインターネット上で取得可能なオープンデータを想定しているが、これに限定されない。

0021

なお、各情報(データ)はテーブル形式とされるが、これに限定されない。これらデータはテーブル形式のデータ構造でなくてもよく、リストキューなど、テーブル以外の形式であってもよい。

0022

端末30は、パーソナルコンピュータなどの情報処理装置であって、内部に情報を処理するためのCPU、フラッシュメモリなどの電子部品を備えている。

0023

ネットワーク40は通信ネットワークであり、たとえば、イントラネットやLAN(Local Area Network)などの有線または無線通信網とされる。

0024

2.情報分析装置(情報処理装置)の構成
図2は、本発明の一実施例に係る情報分析装置(情報処理装置)の構成例を表すブロック図を示す。
情報分析装置(情報処理装置)10は、CPU(プロセッサ)などから構成されて各部を制御するとともに、各種のプログラムを実行する制御部11、フラッシュメモリなどの記憶媒体から構成されて情報を記憶する記憶部12、ネットワーク40を介して外部と通信する通信部13を備えている。
なお、本発明はたとえばサーバ型の情報分析装置内の制御部11で実行されるが、これに限定されず、たとえば汎用コンピュータ上で実行されるソフトウェアで実行してもよいし、専用のハードウェアや、ソフトウェアおよびハードウェアの組み合わせで実行してもよい。

0025

制御部11は、記憶部12に記録された後述する情報分析プログラム120を実行することで、交通機関収入情報抽出手段110a、顧客情報抽出手段110b、郵便番号情報抽出手段110c、鉄道の駅情報抽出手段110d、駅ナンバリング情報抽出手段110e、地図・緯度経度情報抽出手段110f、代表駅情報生成手段111、紐付パターン情報生成手段112、最寄駅ナンバリング情報生成手段113、最寄駅推定手段114、最寄駅表示手段115、最寄駅ナンバリング情報更新手段116などとして機能する。
なお、最寄駅推定手段114は、顧客情報抽出手段114−2、推定結果抽出手段114−3を具備している。

0026

記憶部12は、たとえば記録媒体としてのハードディスク(図示せず)と、ハードディスクに記録されたマスタデータや所定のプログラムなどを読み出すとともにハードディスクに所定の情報を書き込む為のドライバである記録ヘッド(図示せず)とを備えている。もちろん、ハードディスクの代わりに記録部12をフラッシュメモリやメモリカードやCDやDVDなどの光ディスクにより構成してもよい。
記憶部12は、情報分析プログラム120のほか、制御部11の各手段により作成される代表駅マスタ121、紐付パターンマスタ122、最寄駅ナンバリングマスタ123、最寄駅推定マスタ124を記憶している。また、記憶部12内の各マスタの情報を外部のサーバに格納させ、ネットワークの通信により取得する構成としてもよい。

0027

なお、後述する情報分析プログラム120の一部またはすべては専用ハードウェアで実現してもよく、モジュール化されていてもよい。また、情報分析プログラム120は、プログラム配布サーバや記憶媒体によって各端末30にインストールされていてもよい。

0028

制御部11において、交通機関収入情報抽出手段110aは、ネットワーク40を介して交通機関収入マスタ21の情報、すなわち交通機関収入情報を抽出する(後述する図3)。同様に、顧客情報抽出手段110bは顧客・購買マスタ22の格納する情報のうち顧客情報を、郵便番号情報抽出手段110cは郵便番号マスタ23の情報(郵便番号情報)を、鉄道の駅情報抽出手段110dは鉄道の駅マスタ24の情報(鉄道の駅情報)を、駅ナンバリング情報抽出手段110eは駅ナンバリングマスタ25の情報(駅ナンバリング情報)を、地図・緯度経度情報抽出手段110fは地図・緯度経度マスタ26の情報(地図・緯度経度情報)をそれぞれ抽出する(後述する図4(A)〜6)。

0029

代表駅情報生成手段111は、ユーザが分析対象とする鉄道の駅情報を生成し、代表駅マスタ121を作成する(後述する図11、12)。同様に、それぞれの情報を生成して、紐付パターン情報生成手段112は紐付パターンマスタ122を、最寄駅ナンバリング情報生成手段113は最寄駅ナンバリングマスタ123を作成する(後述する図13〜15)。
最寄駅推定手段114は、最寄駅推定を生成し、最寄駅推定マスタ124を作成して顧客の最寄駅を推定する(後述する図16(A)〜(C))。
最寄駅表示手段115は、推定した最寄駅、顧客情報などを端末30の表示装置に表示するための指示を行う(後述する図17)。
最寄駅ナンバリング情報更新手段116は、最寄駅ナンバリングマスタ123の情報に更新があった場合、その情報を更新する。(後述する図19)

0030

3.各マスタの構成
次に、各マスタについて説明する。初めに外部のデータベース20に格納されているマスタについて述べ、次に制御部11の各処理により作成されるマスタについて述べる。
なお、実施例では、マスタに格納される郵便番号は、現在我が国で使用されている7ケタの郵便番号(ハイフン無し)としているが、これに限定されない。

0031

3.1交通機関収入マスタのデータ構成
図3は、交通機関収入マスタが格納する情報の構成の一例である概略図を示す。
図3の交通機関収入マスタ21は、鉄道の各駅における収入の情報である交通機関収入情報を格納している。図3の交通機関収入マスタ21は、たとえば、日本の各鉄道会社で導入されている駅ナンバリング、駅ナンバリングに対応する駅名、その駅の窓口での切符販売などによる駅収入(1日平均)、乗車人数(1日平均)を構成項目として有している。たとえば、(鉄道会社のひとつである東武鉄道が設定した)駅ナンバリング「TS01」、「TS01」に対応する駅名「浅草」、浅草駅における(東武鉄道の)一日平均の駅収入「¥300,000」、一日平均の乗車人数「30,000」(人)がそれぞれ格納されている。

0032

駅ナンバリングとは、主に鉄道の駅に対して、通常の駅名とは別に英字と数字などからなる駅番号を鉄道の路線(鉄道会社)ごとに設定する制度またはその駅番号をいい、近年我が国で広く導入されている。なお、構成項目「駅ナンバリング」に格納される情報は必ずしも実際の駅ナンバリングでなくてもよく、駅を特定する駅IDであれば足りる。たとえば、駅ナンバリングを導入していない鉄道会社の場合は、任意の駅IDを設定することができる。
また、一日平均の駅収入、一日平均の乗車人数の構成項目は例示であってこれに限定されず、ユーザの分析したい情報を構成項目とすることができる。

0033

3.2 顧客・購買マスタのデータ構成
図4(A)は顧客マスタ、(B)は購買マスタ、(C)は顧客・購買マスタが格納する情報の構成の一例である概略図をそれぞれ示す。
図4(C)の顧客・購買マスタ22は、顧客の個人情報である顧客情報を格納した顧客マスタ22a、たとえばクレジットカードを利用した顧客の購買情報を格納した購買マスタ22bを連携させて作成される。
図4(A)の顧客マスタ22aは、たとえば、クレジットカードを所有する顧客の住所又は居所の郵便番号(ハイフン無し、7桁)、顧客を特定するIDである顧客ID、顧客の年齢、性別顧客住所市区、顧客住所町域、顧客住所都道府県を構成項目として有している。たとえば、郵便番号「1110024」、この郵便番号を住所又は居所とする顧客のID「1A」、年齢「30」、郵便番号に対応する顧客住所市区町村「台東区」、顧客住所町域「今戸」、顧客住所都道府県「東京都」がそれぞれ格納されている。
また、図4(B)の購買マスタ22bは、たとえば、ある年月においてクレジットカードを利用した購買履歴情報、すなわち顧客ID、購買日付、購買額、東武鉄道特急券販売店ポイントを構成項目として有している。実施例では、顧客の購買のうち、ユーザが「特急券」の購買に着目、分析をすることを想定しており、図4(B)の購買マスタ22bは「特急券」の購買情報のみを抽出したマスタとなっている。購買マスタ22bは、たとえば、顧客のID「1A」、8桁の購買日付「20160401」(2016年04月01日)、この日付における購買額「¥100,000」、特急券を購買した店舗名称である東武鉄道特急券販売店「東武鉄道カウンター」、購買額に応じたクレジットカードのポイント「100」がそれぞれ格納されている。

0034

顧客マスタ22a、購買マスタ22bを連携して顧客・購買マスタ22を作成する処理は、各情報をたとえば顧客IDでソートし、顧客IDごとに購買日付のうちある年月を抽出して購買合計額を算出するのみで足りるため、ここでは詳細を省略する。図4(C)の顧客・購買マスタ22は、購買マスタ22bの構成項目「購買日付」が2016年04月である購買情報を抽出して作成されたものである。もちろん、購買情報の期間はこれに限定されず、ユーザが所望する分析対象の期間を設定し、その期間の購買情報を抽出すればよい。また、図4(B)の購買マスタ22bの構成項目「東武鉄道特急券販売店」を見るとわかるように、図4(B)の購買マスタは、クレジットカードを利用した購買情報のうち、商品「(出願人である)東武鉄道の特急券」の購買情報を対象としている。当然、購買対象となる商品・サービスはこれに限定されない。ユーザが所望する分析対象の商品・サービスを設定し、その商品等に関する購買情報を抽出すればよい。

0035

図4(C)の顧客・購買マスタ22は、顧客マスタ22a、購買マスタ22bを連携して抽出された顧客情報、購買情報の双方を格納している。顧客・購買マスタ22は、たとえば、クレジットカードを所有する顧客の住所又は居所の郵便番号(ハイフン無し、7桁)、顧客を特定するIDである顧客ID、顧客の年齢、ある年月(たとえば2016年4月)においてクレジットカードを利用した購買履歴情報、すなわち購買合計額、特急券購買回数を構成項目として有している。たとえば、郵便番号「1110024」、この郵便番号を住所又は居所とする顧客のID「1A」、顧客の年齢「30」、この顧客がクレジットカードを利用して購買した購買合計額「¥300,000」、駅の窓口などで特急券を購買した回数「3回」がそれぞれ格納されている。
なお、購買合計額、特急券購買回数の構成項目は例示であってこれに限定されず、ユーザの分析したいその他の購買情報、あるいは購買以外の情報であってもよい。

0036

3.3郵便番号マスタのデータ構成
図5(A)は郵便番号マスタが格納する情報の構成の一例である概略図、(B)は我が国における郵便番号の構成を説明する概略図をそれぞれ示す。
図5(A)の郵便番号マスタ23は、我が国における郵便番号に関する情報である郵便番号情報を格納している。郵便番号マスタ23は、たとえば、我が国で使用されるハイフン無しの連続した7桁の郵便番号と、その郵便番号に対応する都道府県、市区町村、町域までを記載した(町域までの)一部住所を構成項目として有している。つまり、一部住所とは、丁、番地建物マンション名などは含まず、町域までを表した住所をいう。たとえば、郵便番号マスタ23には、7桁の郵便番号「1110024」、これに対応する(町域までの)一部住所「東京都台東区今戸」がそれぞれ格納されている。

0037

なお、郵便番号マスタ23として、たとえば日本郵便株式会社が公表している「郵便番号データ」(CSV形式)を使用することができる。郵便番号マスタ23は北海道から縄県まで日本全国すべての郵便番号を含むものでもよいし、ユーザが分析したいエリア(たとえば関東地方や東京都など)に限定してもよい。

0038

郵便番号は、通常、複数の桁の数字または文字からなり、複数の桁の数字または文字を上位から1以上の桁よりなる部分に分割可能とされ、部分または複数の桁の全部が全国を区分けした領域に対応した構造を有している。
我が国における現在の郵便番号は、図5(B)に示すように、7桁の数字のみからなり、複数の行の数字を上2桁、上5桁、上7桁(全部)に分割可能とされ、これらの郵便番号の一部または全部が我が国の区分けした領域に対応している。つまり、我が国は広域、中域、狭域という領域に区分けされ、我が国の郵便番号のうち、上2桁からなる部分が広域である都道府県、上5桁からなる部分が広域であるその都道府県内に含まれる市区町村(中域)、上7桁からなる全部が広域、中域である都道府県、市町村内に含まれる町域(狭域)をそれぞれ表している。このように、領域はたとえば、広域、中域、狭域とされ、広域は中域を、中域は狭域をそれぞれ包含している。

0039

図5(B)の7桁の郵便番号「1110024」を例に挙げると、まず、上2桁「11」は東京都(広域)を表している。なお、上2桁のうち、10〜20が東京都に該当する。上2桁「11」に3桁「100」を加えた上5桁「11100」は東京都台東区(広域、中域)を表している。なお、上5桁の11000または11100が東京都台東区に該当する。上5桁「11100」に2桁「24」を加えた上7桁(全部)「1110024」は東京都台東区今戸(広域、中域、狭域)を表している。つまり、7桁の郵便番号「1110024」の(町域までの)一部住所は「東京都台東区今戸」となる。

0040

3.4鉄道の駅マスタのデータ構成
図6(A)は鉄道の駅マスタが格納する情報の構成の一例である概略図を示す。
鉄道の駅マスタ24は、我が国における鉄道の駅に関する鉄道の駅情報を格納している。鉄道の駅マスタ24は、たとえば、駅名、駅名ふりがな、駅名に表される駅を管轄する鉄道会社の社名等、郵便番号上7桁、都道府県以下をすべて記載した全部住所、緯度経度を構成項目として有している。たとえば、駅名「浅草」、その駅名ふりがなである「あさくさ」、浅草駅を管轄する鉄道会社「東武鉄道」(東武鉄道株式会社)、郵便番号上7桁「1110033」、全部住所「東京都台東区花川戸1−4−1」、緯度「35.712038」、経度「139.798475」がそれぞれ格納されている。
なお、鉄道の駅マスタ24はインターネット上で取得可能なオープンデータを想定しているが、オープンデータに限定されないほか、図6(A)に示すようなテーブル形式に限定されない。

0041

3.5駅ナンバリングマスタのデータ構成
図6(B)は駅ナンバリングマスタが格納する情報の構成の一例である概略図を示す。
駅ナンバリングマスタ25は、図3に例示した我が国における鉄道の駅の駅ナンバリングに関する駅ナンバリング情報を格納している。駅ナンバリングマスタ25は、たとえば、駅名、駅名ふりがな、駅名に表される駅を管轄する鉄道会社の社名等、駅ナンバリングを構成項目として有している。たとえば、駅名「浅草」、その駅名ふりがなである「あさくさ」、浅草駅を管轄する鉄道会社「東武鉄道」(東武鉄道株式会社)、東武鉄道が設定した駅ナンバリング「TS01」がそれぞれ格納されている。

0042

ここで、鉄道の駅の中には、異なる鉄道路線が複数乗り入れてターミナル駅となるものがある。駅ナンバリングは鉄道の路線(鉄道会社)ごとに設定されるものであるため、ターミナル駅の場合、同一の駅に複数の駅ナンバリングが設定される。
たとえば、浅草駅は東武鉄道の東武伊勢崎線、東京メトロ銀座線、都営地下鉄の浅草線の計3つの鉄道会社による3つの路線が乗り入れており、東武鉄道は「TS01」、東京メトロは「G18」、都営地下鉄は「A18」とそれぞれ異なる駅ナンバリングを設定している。そのため、駅ナンバリングマスタ25において、たとえば、1〜3行目までの構成項目「駅名」「駅名ふりがな」は「浅草」「あさくさ」であり、同一の駅を表していても、構成項目「社名等」ごとに対応する駅ナンバリングが構成項目「駅ナンバリング」に格納されている。
なお、鉄道の駅マスタ24と同様に、駅ナンバリングマスタ25もインターネット上で取得可能なオープンデータを想定しているが、オープンデータに限定されないほか、図6(B)に示すようなテーブル形式に限定されない。

0043

3.6 地図・緯度経度マスタのデータ構成
図6(C)は、地図・緯度経度マスタが格納する情報の構成の一例である概略図を示す。
地図・緯度経度マスタは、我が国における所定の範囲の地図とその緯度・経度を含む地図・緯度経度情報を格納している。
地図・緯度経度マスタ26は、たとえば、所定の範囲の地図画像、その地図画像に示される緯度範囲、経度範囲を構成項目として有している。たとえば、地図画像として関東地方の白地図、この地図が示す緯度範囲「34.39630〜36.58606」、経度範囲「138.58571〜141.35844」がそれぞれ格納されている。
もちろん、地図・緯度経度マスタ26もインターネット上で取得可能なオープンデータを想定しているが、オープンデータに限定されないほか、図6(C)に示すようなテーブル形式に限定されない。また、地図画像、緯度・経度の各情報はインターネットを介してそれぞれ別に取得されてもよい。さらに、たとえば鉄道の駅や路線などを記載した鉄道情報、川・山などの地形情報地図情報に含まれていてもよく、ユーザが所望する地図画像を使用することができる。

0044

3.7代表駅マスタのデータ構成
以下のマスタは、各情報生成手段により作成されるマスタである。
図7は、代表駅マスタが格納する情報の構成の一例である概略図を示す。
代表駅マスタ121は、代表駅情報生成手段111で作成され、ユーザが分析の対象とする鉄道の駅を「代表駅」と定義し、ユーザが分析対象として所望する代表駅の情報、すなわち代表駅情報を格納している。たとえば、ユーザが所望する分析の対象が我が国のすべての鉄道の駅であれば、北海道から沖縄までのすべての鉄道の駅が代表駅とされる。また、ユーザが特定の地方や路線にある鉄道の駅を分析対象とするのであれば、所望の範囲に代表駅を限定することもできる。
代表駅マスタ121は、たとえば、駅ナンバリング、連絡駅1〜3、その駅名(漢字表記)、駅名ふりがな(ひらがな表記)、駅ナンバリングに表される駅を管轄する鉄道会社の社名等、郵便番号上7桁(全部)、全部住所、緯度、経度を構成項目として有している。たとえば、駅ナンバリング「TS01」、別の駅ナンバリングである連絡駅1「G19」、連絡駅2「A18」、これらに対応する駅名「浅草」、その駅名ふりがな「あさくさ」、駅ナンバリングに表された鉄道会社「東武鉄道」(東武鉄道株式会社)、浅草駅の郵便番号上7桁「1110033」、住所である全部住所「東京都台東区花川戸1−4−1」、緯度「35.712038」、経度「139.798475」がそれぞれ格納されている。

0045

代表駅マスタ121の構成項目「駅ナンバリング」「連絡駅1」「連絡駅2」「連絡駅3」にはいわゆる駅ナンバリングが格納されるが、「駅ナンバリング」、「連絡駅1〜3」はそれぞれ異なる意味合いを持つ。ターミナル駅など、同一の駅に複数の異なる駅ナンバリングが設定されている場合、代表駅マスタ121の構成項目「社名等」に記載された鉄道会社が設定した駅ナンバリングが構成項目「駅ナンバリング」に、その他の鉄道会社が設定した駅ナンバリングが構成項目「連絡駅1」「連絡駅2」「連絡駅3」にそれぞれ格納される。たとえば、代表駅マスタ121の1行目に示された浅草駅はターミナル駅とされるが、構成項目「駅ナンバリング」には構成項目「社名等」に記載された「東武鉄道」の設定した駅ナンバリング「TS01」が、構成項目「連絡駅1」「連絡駅2」には東京メトロ、都営地下鉄が設定した浅草駅のその他の駅ナンバリング「G18」「A18」がそれぞれ格納されている。

0046

3.8紐付パターンマスタのデータ構成
図8は紐付パターンマスタが格納する情報の構成の一例である概略図を示す。
紐付パターンマスタ122は、紐付パターン情報生成手段112で作成され、ユーザが分析の対象とする代表駅と、上位から1以上の桁よりなる部分または全部(7桁)の郵便番号とを関連付ける(紐付ける)紐付パターン情報を格納している。
紐付パターンマスタ122は、たとえば、郵便番号上2桁、上5桁、上7桁(全部)、駅ナンバリング、駅名、駅名ふりがな(ひらがな表記)を構成項目として有している。たとえば、図8の紐付パターンマスタ122の1行目には、郵便番号上2桁「11」、駅ナンバリング「0001」、これに対応する駅名「新宿」、その駅名ふりがな「しんじゅく」がそれぞれ格納されている。構成項目「郵便番号上5桁」「郵便番号上7桁」は空欄とされている。
また、2行目には郵便番号上5桁「11100」、駅ナンバリング「0013」、これに対応する駅名「上野」、この駅名ふりがな「うえの」がそれぞれ格納されている。構成項目「郵便番号上2桁」「郵便番号上7桁」は空欄とされている。
3、4行目には郵便番号上7桁「1110024」「1110025」が、駅ナンバリング「A18」「TS01」がそれぞれ格納されているが、これに対応する駅名「浅草」、この駅名ふりがな「あさくさ」は共通している。

0047

このように、紐付パターンマスタ122の構成項目「郵便番号」は、郵便番号の上位の桁からツリー状階層構造をなすように格納されている。そして、紐付パターンマスタ122の構成項目のうち「郵便番号上2桁」「郵便番号上5桁」「郵便番号上7桁」は、いずれかひとつの項目が格納されていればよいとされる。
代表駅(後述する第1の駅、第2の駅、第3の駅)と上位から1以上の桁よりなる郵便番号の部分とを関連付ける(紐付ける)方法など紐付パターンマスタ122の作成については後述する。

0048

3.9最寄駅ナンバリングマスタのデータ構成
図9は最寄駅ナンバリングマスタが格納する情報の構成の一例である概略図を示す。
最寄駅ナンバリングマスタ123は、最寄駅ナンバリング情報生成手段113で作成され、上7桁(全部)の郵便番号、最寄駅に関する情報を関連付ける最寄駅ナンバリング情報を格納している。
最寄駅ナンバリングマスタ123は、たとえば、郵便番号上7桁、駅ナンバリング、駅名、駅名ふりがな(ひらがな表記)、緯度、経度を構成項目として有している。たとえば、郵便番号上7桁「1110024」、駅ナンバリング「TS01」、これに対応する駅名「浅草」(駅)、その駅名ふりがな「あさくさ」、緯度「35.712038」、経度「139.798475」がそれぞれ格納されている。
図9の最寄駅ナンバリングマスタ123において、1行目と2行目の駅名はいずれも「浅草駅」とされ、構成項目「駅ナンバリング」「駅名ふりがな」「緯度」「経度」に格納された情報は1行目、2行目で共通している。しかし、構成項目「郵便番号上7桁」に格納された情報は、1行目が「1110024」、2行目が「1110025」とされ、同一の鉄道駅でも郵便番号が異なっている。
同様の特徴が、図8の最寄駅ナンバリングマスタ123の3行目、4行目の駅名「押上」(駅)にも見られる。

0049

3.10最寄駅推定マスタのデータ構成
図10は、最寄駅推定マスタが格納する情報の構成の一例である概略図を示す。
最寄駅推定マスタ124は、最寄駅推定手段114で作成され、顧客の最寄駅と推定される駅、顧客情報(購買情報を含む)を関連付ける最寄駅推定情報が格納されている。
最寄駅推定マスタ124は、たとえば、駅名、顧客数、購買額合計、年代別購買額合計、特急券購買回数合計、駅収入(1日平均)、乗車人数(1日平均)、緯度、経度を構成項目として有している。たとえば、駅名「浅草」駅を最寄駅とする顧客数「3」(名)、これらの顧客による2016年4月の購買額「¥720,000」、顧客の年代別の内訳である年代別購買額合計のうち、30代の購買額合計「¥300,000」、40代の購買額合計「¥400,000」、50代の購買額合計「¥20,000」、顧客の特急券購買回数合計「8回」、浅草駅における一日平均の駅収入「¥300,000」、一日平均の乗車人数「30,000」(人)、緯度「35.712038」、経度「139.798475」がそれぞれ格納されている。

0050

なお、すべてのマスタに共通する構成項目「駅ナンバリング」「郵便番号」などはすべて同じ構成を有する項目である。

0051

4.各処理の手順
以下、情報分析装置10で行われる各処理の手順について説明する。

0052

4.1代表駅情報生成手段の処理概要
図11は、代表駅情報生成処理のフロー図を示す。
各ステップS111−1〜S111−5は、代表駅情報生成手段111で実行される処理である。iは代表駅マスタの現在の行数を表す変数(i行目)である。
まず、制御部11は、iに1をセットする(S111−1)。そして、代表駅マスタの1行目(i行目)に代表駅情報(駅ナンバリング、連絡駅1〜3、駅名、駅名ふりがな、社名等、郵便番号上7桁、全部住所、緯度、経度)を抽出(S111−2)、格納する(S111−3)。1行目(i行目)の情報を抽出するステップの詳細は後述する。分析対象のすべて(具体的には、S111−2の鉄道の駅マスタ24の行数)に達したか否かを判定し(S111−4)、すべて達していれば処理を終了する。達していなければ、iに1を加え(S111−5)、次の行に移行する。

0053

図12は、情報抽出処理のフロー図を示す。
i行目の情報を抽出するステップS111−2の詳細を述べる。
まず、制御部11は、鉄道の駅マスタ24から鉄道の駅情報(駅名、駅名ふりがな、社名等、郵便番号上7桁、全部住所、緯度、経度)を抽出する(S111−2a)。たとえば、ユーザが鉄道の駅マスタ24の1行目の浅草駅から代表駅マスタ121の作成を開始する場合、制御部11は浅草に関する鉄道の駅情報を鉄道の駅マスタから抽出する。次に、駅ナンバリングマスタ25の駅ナンバリング情報(駅名、社名等、駅ナンバリング)を抽出する(S111−2b)。なお、鉄道の駅マスタ24、駅ナンバリングマスタ25はテーブル形式に限定されないことは前述のとおりであり、テーブル形式に限定されない場合、たとえば駅名をネットワーク40(インターネットなど)内で検索し、各情報を抽出する。

0054

次に、制御部11は、抽出した鉄道の駅情報の「駅名」と駅ナンバリング情報の「駅名」とを比較し、一致するか否かを判定する(S111−2c)。そして、抽出した鉄道の駅情報の「駅名」と駅ナンバリング情報の「駅名」とが一致した場合、その駅名が代表駅マスタの前の行(i−1行目)までの構成項目「駅名」にすでに格納されているか否か、すなわち同一の駅名が重複するか否かを判定する(S111−2d)。具体的に説明すると、鉄道の駅情報、駅ナンバリング情報の「駅名」を比較して浅草(駅)で一致した場合、浅草(駅)がすでに代表駅マスタに格納されているか否かを判定し、浅草(駅)がまだ格納されていなければ、制御部11は続けて鉄道の駅情報、駅ナンバリング情報の「社名等」を比較し、一致するか否かを判定する(S111−2e)。浅草駅はターミナル駅であり、3つの鉄道会社「東武鉄道」「東京メトロ」「都営地下鉄」により3つの駅ナンバリング「TS01」「G18」「A18」がそれぞれ設定されている。そのため、鉄道の駅情報、駅ナンバリング情報の社名等を比較して、たとえば「東武鉄道」で一致した場合、東武鉄道の設定した駅ナンバリング「TS01」が代表駅マスタの構成項目「駅ナンバリング」に格納される項目となる(S111−2f)。駅名は浅草駅で一致しているが、鉄道の駅情報の社名等が東武鉄道、駅ナンバリング情報の社名等が「東京メトロ」であった場合、同一の駅であっても異なる鉄道会社により設定された別の駅ナンバリングと判定され、代表駅マスタの「連絡駅1〜3」いずれかnullの箇所に格納される項目となる(S111−2g〜k)。ステップS111−2cでそもそも駅名が異なる場合、または同一の駅名が代表駅マスタに格納されていない場合は、抽出した鉄道の駅情報、「緯度」「経度」、駅ナンバリング情報をそのまま代表駅マスタに格納して、次の処理を行う。

0055

4.2紐付パターン情報生成手段の処理概要
図13は、紐付パターン情報生成処理のフロー図を示す。
各ステップS112−1〜S112−16は、紐付パターン情報生成手段112で実行される処理である。紐付パターン情報生成手段112では、顧客の利用する駅(最寄駅)の候補として、1の駅を設定する。1の駅は領域(広域、中域、狭域)を表す郵便番号の部分(上2桁、上5桁)または全部(7桁)ごとに設定され、それぞれ第1の駅、第2の駅、第3の駅とされる。jは紐付パターンマスタ122の現在の行数を表す変数(j行目)である。
制御部11は、まず、jに1をセットする(S112−1)。次に、代表駅マスタ121や、ネットワーク内で検索可能な郵便番号の情報などを参照して、広域(都道府県)を表す郵便番号上2桁の部分に対し、この広域内に存在する1の駅を第1の駅として選択し、紐付パターンマスタ122の1行目(j行目)に格納する(S112−2)。たとえば、都道府県庁に最も近い駅を第1の駅に選択することができるし、任意の判定基準に基づいて第1の駅を決定してもよい。図8の紐付パターンマスタ122の1行目には、広域の東京都を表す郵便番号「11」に対し、東京都の最寄駅である新宿駅(JR東日本)が第1の駅として選択、格納されている。この場合、東京都庁に最も近い駅は都庁前駅(都営地下鉄)とも言えるが、ターミナル駅や一日平均の乗車人数の多い駅を案して新宿駅を選択している。
そして、j行目から次の行に移行するため、制御部11は、jに1を加える(S111−3)。

0056

次に、中域(市区町村)までを表す郵便番号上5桁の部分に対し、この中域内に存在する1の駅を第2の駅として選択して、紐付パターンマスタ122のj行目に格納する(S112−4)。たとえば、市区町村に存在するターミナル駅や一日平均の乗車人数の多い駅を第2の駅に選択することができる。図8の紐付パターンマスタ122の2行目には、広域、中域の東京都台東区を表す郵便番号「11000」に対し、ターミナル駅や一日平均の乗車人数の多い駅を勘案して上野駅が第2の駅として選択、格納されている。そして、j行目から次の行に移行するため、制御部11は、jに1を加える(S112−5)。
さらに、続く中域(町域)までを表す郵便番号上7桁(全部)を代表駅マスタ121の構成項目「郵便番号上7桁」から検索し、該当する代表駅情報の「駅名」を抽出することでこの狭域内または近隣に存在する駅を複数リストアップし、これを第3の駅候補とする(S112−6)。そして、狭域の中心点を世設定し、中心点、各第3の駅候補間の距離を算出する(S112−7)。狭域の中心点は、たとえば狭域のみの平面地図を準備し、その重心としてもよいが、この方法に限定されない。

0057

第3の駅候補の中から複数の駅に絞り込み(S112−8)、絞り込まれた第3の駅候補の中から、中心点からの距離が最も短い1の駅を第3の駅として、第2の駅に続けて第3の駅を紐付パターンマスタ122のj行目に蓄積する(S112−9)。そして、制御部11は、jに1を加える(S112−10)。
そして、ほかの狭域の郵便番号(7桁)が存在するか否かを判定し(S112−11)、ほかの狭域の郵便番号(7桁)が存在する場合は、再度第3の駅を複数リストアップなど行う(S112−6など)。ほかの狭域の郵便番号は存在しないとき、jに1を加え(S112−12)、ほかの中域の郵便番号(5桁)が存在するか否かを判定し(S112−13)、ほかの中域の郵便番号(5桁)が存在する場合は、再度第2の駅を選択、格納する(S112−4など)。ほかの中域の郵便番号(5桁)は存在しないとき、jに1を加え(S112−14)、ほかの広域の郵便番号(2桁)が存在するか否かを判定する(S112−15)。ほかの広域の郵便番号(2桁)が存在する場合は、再度第1の駅を選択、格納する(S112−2など)。ほかに広域の郵便番号が存在しない場合、ユーザの分析したい駅の処理はすべて終了したとして紐付パターン情報生成手段112の処理を終了し、紐付パターンマスタ122が完成する。

0058

4.3紐付パターン情報生成手段の処理(第3の駅の絞り込み処理)の詳細
図14(A)〜(E)は、第3の駅の絞り込み処理のフロー図をそれぞれ示す。
紐付パターン情報生成手段112のうち、第3の駅の絞り込み処理、すなわち第3の駅候補の抽出処理は複数例示することができる。ひとつの処理のみを選択して第3の駅を絞り込んでもよいし、複数の処理を組合せて第3の駅を絞り込んでもよい。
たとえば、図14(A)では、第3の駅候補のうち、速達輸送を行なう交通機関が停車する駅が存在するかを判定する(S112−8a)。速達輸送を行なう交通機関が停車する駅とは、たとえば特急快速急行など、各駅停車ではない列車の停車する駅をいう。狭域内に各駅停車の駅しかないが、速達輸送を行う駅が近隣にあれば、狭域に住む顧客は各駅停車のみの駅よりもむしろ速達輸送を行う駅を日常的に使用すると考えられる。このように、速達輸送を行なう交通機関の場合、狭域内に存在する駅のみならず、その近隣に存在する駅をも第3の駅候補に含まれる。
速達輸送の駅が存在する場合はこの駅が第3の駅候補として絞り込まれ、存在しない場合は処理を終了する。

0059

図14(B)では、第3の駅候補のうち、交通機関のハブとなるターミナル駅が存在するかを判定する(S112−8b)。狭域内には1路線しか使用できない駅があるが、複数の路線が乗り入れて乗換可能なターミナル駅が近隣にあれば、狭域に住む顧客は1路線のみの駅よりもむしろターミナル駅を日常的に使用すると考えられる。このように、ターミナル駅の場合も同様に、狭域内に存在する駅のみならず、その近隣に存在する駅をも第3の駅候補に含まれる。
ターミナル駅が存在する場合はこの駅が第3の駅候補として絞り込まれ、存在しない場合は処理を終了する。

0060

図14(C)では、第3の駅候補のうち、一日平均の乗車人数の多い駅が存在するかを判定する(S112−8c)。狭域内には一日平均の乗車人数の少ない駅しかないが、乗車人数の多い駅が近隣にあれば、近隣の駅の方が駅周辺インフラが充実している可能性があるため、狭域に住む顧客は乗車人数の少ない駅よりもむしろ多い駅を日常的に使用すると考えられる。
乗車人数の多い駅が存在する場合はこの駅が第3の駅候補として絞り込まれ、存在しない場合は処理を終了する。

0061

図14(D)では、第3の駅候補のうち、上り方面にある駅が存在するかを判定する(S112−8d)。複数の第3の駅候補があるとき、顧客は通常の移動、たとえば通勤通学などでは下り方面よりもむしろ上り方面へ向かうことが想定される。そのため、狭域に住む顧客は下り方面にある駅よりもむしろ上り方面にある駅を日常的に使用すると考えられる。
上り方面にある駅が存在する場合はこの駅が第3の駅候補として絞り込まれ、存在しない場合は処理を終了する。

0062

第3の駅の絞り込み処理は上記に限定されず、たとえば以下の処理も考えられる。
・第3の駅候補に空港の近い駅、遠い駅がある場合、近い駅が第3の駅として選択される。
・第3の駅候補にバス路線の多い駅、少ない駅が存在する場合、バス路線の多い駅が第3の駅として選択される。
・第3の駅候補間に山、川があるなど、地理的に分断される駅、分断されない駅がある場合、分断されない駅が第3の駅として選択される。
・鉄道会社により設定された料金が第3の駅候補間で大幅に異なるなど、駅間の料金の安い駅、高い駅がある場合、料金の安い駅が第3の駅として選択される。

0063

図14(E)では、複数の処理を組合せて第3の駅の絞り込み処理を行う場合を例示している。簡単に説明すると、制御部11は、まず、第3の駅候補のうち、山、川があるなど、地理的に分断される駅が存在するかを判定する(S112−8e1)。分断されない駅があれば、バス路線の多い駅があるかを判定する(S112−8e2)。バス路線が多い駅があれば、速達輸送を行なう交通機関が停車する駅があるかを判定する(S112−8e3)。速達輸送の停車する駅があれば、上り方面の駅があるかを判定する(S112−8e4)。上り方面の駅があれば、第3の駅としてさらに絞り込まれて(S112−8e4)、処理が終了する。地理的に分断される駅がある場合やバス路線多い駅がない場合などは、第3の駅の絞り込み処理が終了する。

0064

4.4最寄駅ナンバリング情報生成手段の処理概要
図15は、最寄駅ナンバリング情報生成処理のフロー図を示す。
各ステップS113−1〜S113−17は、最寄駅ナンバリング情報生成手段113で実行される処理である。最寄駅ナンバリング情報生成手段113では、7桁の郵便番号(全部)と、その郵便番号に居住する顧客が利用すると推定される鉄道の駅情報が関連付けられる。kは最寄駅ナンバリングマスタ23の現在の行数を表す変数(k行目)である。
まず、制御部11は、kに1をセットする(S113−1)。そして、郵便番号マスタ23を参照して、構成項目「郵便番号」の上2桁を抽出する(S113−2)。郵便番号マスタ23から抽出した構成項目「郵便番号」の上2桁の部分を、紐付パターンマスタ122の構成項目「郵便番号(上2桁)」から検索し、該当する紐付パターンマスタの構成項目「駅名」を抽出する(S113−3)。

0065

同様に、郵便番号マスタ23を参照して、構成項目「郵便番号」の上5桁の部分を抽出する(S113−4)。郵便番号マスタ23から抽出した構成項目「郵便番号」の上5桁の部分を、紐付パターンマスタ122の構成項目「郵便番号(上5桁)」から検索する(S113−5)。そして、郵便番号(上5桁)に該当する紐付パターンマスタの構成項目「駅名」が存在するか否かを判定する(S113−6)。該当する「駅名」が存在する場合は、抽出した「郵便番号(上2桁)」における「駅名」を「郵便番号(上5桁)」の「駅名」に置換して、抽出する(S113−7)。該当する「駅名」が存在しない場合は、「郵便番号(上2桁)」における「駅名」のままステップS113−8に進む。

0066

さらに、上5桁と同様に、郵便番号マスタ23を参照して、構成項目「郵便番号」の上7桁(全部)を抽出する(S113−8)。郵便番号マスタ23から抽出した構成項目「郵便番号」の上7桁の部分を、紐付パターンマスタ122の構成項目「郵便番号(上7桁)」から検索する(S113−9)。そして、郵便番号(上7桁)に該当する紐付パターンマスタの構成項目「駅名」が存在するか否かを判定する(S113−10)。該当する「駅名」が存在する場合は、抽出した「郵便番号(上2桁)」または「郵便番号(上5桁)」における「駅名」を「郵便番号(上7桁)」の「駅名」に置換する(S113−11)。該当する「駅名」が存在しない場合は、「郵便番号(上2桁)」または「郵便番号(上5桁)」の「駅名」がそのまま保持され、ステップS113−12に進む。
そして、抽出した「駅名」を、代表駅マスタ121の構成項目「駅名」から検索し(S113−12)、該当する「駅名」の代表駅情報(駅ナンバリング、駅名ふりがな、緯度、経度)を代表駅マスタから抽出し(S113−13)、郵便番号上7桁、駅名をk行目に格納する(S113−14)。分析対象となる郵便番号上7桁がすべて終了したか否かを判定し(S113−15)、すべて終了したら最寄駅ナンバリング情報生成手段113の処理を終了し、最寄駅ナンバリングマスタ23が完成する。終了していない場合は、場合はkに1を追加した(S113−16)後に処理を繰り返す。

0067

なお、図15に示す各ステップS113−1〜S113−17では、郵便番号マスタ23の構成項目「郵便番号」の郵便番号の上2桁、上5桁、7桁(全部)の部分を順に抽出し、この全部または部分を、紐付パターンマスタ122の構成項目「郵便番号(上2桁)」「郵便番号(上5桁)」「郵便番号(7桁)」のうち該当する構成項目から検索している。しかし、郵便番号マスタ23の構成項目「郵便番号」の郵便番号を7桁(全部)、上5桁、上2桁と順に抽出しても、同様の最寄駅ナンバリングマスタ23が得られる。

0068

4.5最寄駅推定手段の処理の処理概要
図16(A)は最寄駅推定処理の全体を表すフロー図である。各S114−1〜S114−6は最寄駅推定手段114で実行される処理である。図2に示すように、最寄駅推定手段114は顧客情報抽出手段114−2、推定結果抽出手段114−3を具備し、また、最寄駅推定手段における処理は、図16(A)に示すように、大きく顧客情報抽出処理(S114−2)、推定結果抽出処理(S114−3)に大別される。最寄駅推定手段114では、推定される最寄駅ごとに顧客情報などが分類、分析される。lは顧客・購買マスタ22の現在の行数を表す変数(l行目)である。lは顧客・購買マスタ22の現在の行数を表す変数(l行目)である。
まず、制御部11は、lに1をそれぞれセットする(S114−1)。そして、顧客・購買マスタ22の1行目(l行目)の顧客情報(郵便番号、顧客ID、年齢、購買履歴情報)を抽出する(S114−2)。抽出された顧客情報には少なくとも郵便番号、顧客IDが含まれ、顧客IDごとに郵便番号などの他の顧客情報が対応している。そして、最寄駅ナンバリングマスタ123、交通機関収入マスタ21を参照して顧客の利用する駅と推定し、推定した駅(最寄駅)を特定する駅IDを含む駅情報(駅情報については後述する。)と、顧客を特定する顧客IDを含む顧客情報とを有する推定結果を抽出する(S114−3)。ステップS114−3の詳細については後述する。
分析対象となる顧客・購買マスタ22の行数がすべて終了したか否かを判定し(S114−4)、すべて終了したら最寄駅推定手段114の処理を終了し、最寄駅推定マスタ124が完成する(S114−6)。終了していない場合は、場合はlに1を追加した(S114−5)後に処理を繰り返す。

0069

4.6最寄駅推定手段の処理(推定結果抽出処理)の詳細
図16(B)は顧客情報抽出処理のフロー図を示す。推定結果を抽出するステップS114−3a〜S114−3fの詳細を述べる。
まず、制御部11は、最寄駅ナンバリングマスタ123を参照し、ステップS114−2で抽出した顧客情報の「郵便番号」を最寄駅ナンバリングマスタの構成項目「郵便番号上7桁」から検索する(S114−3a)。そして、顧客情報の「郵便番号」に該当する最寄駅ナンバリング情報を最寄駅ナンバリングマスタ123から抽出して(S114−3b)、顧客情報、最寄駅ナンバリング情報を関連付ける(S114−3c)。
続いて、交通機関収入マスタ21を参照し、交通機関収入マスタの構成項目「駅名」に1行目(l行目)の顧客情報に関連付けられた最寄駅ナンバリング情報の「駅名」を検索する(S114−3d)。最寄駅ナンバリング情報の「駅名」に駅名に該当する交通機関収入情報(駅ナンバリング、駅収入(1日平均)、乗車人数(1日平均))を交通機関収入マスタ21から抽出して(S114−3e)、顧客IDを含む顧客情報、駅ID(たとえば駅ナンバリング)を含む最寄駅ナンバリング情報に交通機関収入情報を追加して関連付け、関連付けたものを推定結果として抽出する(具体的には、メモリなどに一時的に記憶させる)(S114−3f)。

0070

4.7最寄駅推定手段の処理(最寄駅推定情報生成)の詳細
図16(C)は最寄駅推定情報生成(マスタ作成)のフロー図を示す。最寄駅推定マスタを作成するステップS114−6a〜S114−6fの詳細を述べる。
まず、ステップS114−3で抽出された「駅名」ごとに顧客を分類し、分類ごとに顧客数を算出し、最寄駅推定マスタ124の構成項目「顧客数」にその数値を格納する(S114−6a)。そして、「駅名」ごとに分類された顧客の購買合計額を顧客情報から抽出し、購買合計額を算出して、最寄駅推定マスタ124の構成項目「購買額合計(2016年4月)」にその数値を格納する(S114−6b)。「駅名」ごとに分類された顧客の年齢、購買合計額を顧客情報から抽出し、年齢を世代ごとに分類し、分類ごとに購買合計額を算出して、最寄駅推定マスタ124の構成項目「年代別購買額合計(2016年4月)」の各年代にその数値を格納する(S114−6c)。「駅名」ごとに分類された顧客の特急券購買回数を顧客情報から抽出し、合計回数を算出して、最寄駅推定マスタ124の構成項目「特急券購買回数合計(2016年4月)」にその数値を格納する(S114−6d)。
同様に、「駅名」ごとに交通機関収入情報の駅収入(1日平均)、乗車人数(1日平均)を抽出し、最寄駅推定マスタ124の構成項目「駅収入(1日平均)」「乗車人数(1日平均)」にその数値をそれぞれ格納する(S114−6e)。
そして、「駅名」ごとに最寄駅ナンバリング情報の緯度、経度を抽出し、最寄駅推定マスタ124の構成項目「緯度」「経度」にその数値をそれぞれ格納し(S114−6f)、最寄駅推定マスタ124が作成される。

0071

4.8最寄駅表示手段の処理概要
図17は、最寄駅表示処理のフロー図、図18は端末の表示画面の一例である概略図を示す。各ステップS115−1〜S115−7は、最寄駅表示手段115で実行される処理である。最寄駅表示手段115では、最寄駅推定マスタ124の結果が表示される。mは最寄駅推定マスタ124の現在の行数を表す変数(m行目)である。
まず、制御部11は、mに1をそれぞれセットする(S115−1)。そして、最寄駅推定マスタ124の1行目(m行目)の最寄駅推定情報(購買額合計(2016年4月)、年代別購買額合計(2016年4月)、乗車人数(1日平均)、緯度、経度)を抽出する(S115−2)。次に地図・緯度経度マスタ26を参照し、地図画像を抽出するとともに、抽出した最寄駅推定情報の「緯度」「経度」に該当する地点を地図画像上に設定する(S115−3)。そして、抽出した最寄駅推定情報の「購買額合計(2016年4月)」「年代別購買額合計(2016年4月)」「乗車人数(1日平均)」を該当する地点に表示する(S115−4)。たとえば、「緯度」「経度」に該当する地点を中心として「乗車人数(1日平均)」が円形形状に表示されるとともに、その地点上に「購買額合計(2016年4月)」が「年代別購買額合計(2016年4月)」ごとに区切られた棒グラフで表示する(図18)。
分析対象となる顧客・購買マスタ22の行数がすべて終了したか否かを判定し(S115−5)、すべて終了したら図18の図が作成され、端末の表示画面への表示が指示される(S115−7)。終了していない場合は、場合はmに1を追加した(S115−6)後に処理を繰り返す。

0072

4.9最寄駅ナンバリング情報更新手段の処理概要
図19は、最寄駅ナンバリング情報更新処理のフロー図を示す。
各ステップS116−1〜S116−5は、最寄駅ナンバリング情報更新手段116で実行される処理である。最寄駅ナンバリング情報更新手段116では、代表駅マスタ121、紐付パターンマスタ122のうちいずれかもしくは双方のマスタが更新された場合、更新された情報に基づいて最寄駅ナンバリングマスタ123の更新処理を行う。
制御部11は、ユーザが代表駅マスタ121、紐付パターンマスタ122のうちいずれかもしくは双方のマスタ更新を検知すると(S116−1)、マスタに更新があった旨を端末30に指示し(S116−2)、端末は表示画面に更新の旨を表示する(S116−3)。ユーザは、更新されたマスタの情報に基づいて最寄駅ナンバリングマスタ123の情報の更新を所望するかを判定し(S116−4)、更新を所望する場合、制御部11は最寄駅ナンバリング情報生成手段113に最寄駅ナンバリングマスタ123の作成(再作成)を指示し、最寄駅ナンバリングマスタが作成される(S116−5)。最寄駅ナンバリングマスタは、最寄駅ナンバリング情報生成手段113にて行われる(S113−1〜S113−17)。更新を所望する場合、最寄駅ナンバリングマスタ123を更新せず、維持する。
なお、実施例では制御手段が代表駅マスタ121などの更新を検知しているが、これに限定されず、ユーザがマスタの更新を検知してもよい。

0073

5.効果
このように、郵便番号の当該部分または全部と、それに対応する領域内または近隣に存在する交通機関の駅(1の駅)とを対応させた情報(たとえば紐付パターンマスタ)を作成しておけば、交通情報(あるいは、駅ごとの交通機関収入情報)、購買情報などとデータベースが異なっていても、郵便番号で顧客情報のデータベースと連携して、顧客の購買情報を把握することができる。
また、紐付パターンマスタを制御部内の紐付パターン情報生成手段が作成すれば、マスタを容易に作成することができる。

0074

郵便番号の当該部分または全部と、それに対応する領域内または近隣に存在する交通機関の駅(1の駅)とを対応させた情報(紐付パターンマスタ)によれば、顧客の郵便番号の各部分と一致した場合はその1の駅が顧客の利用する駅と推定し、顧客の利用する駅を抽出、把握することができる。たとえば、優良顧客を多く有する駅が推定されればその駅に潜在する購買力が期待され、その駅を中心とした都市開発や、新しい商品・サービスに対するマーケティング広告などを進める指標とすることができる。
また、郵便番号は通常よく登録されている項目であるから、独立した複数のデータベースを連携させるためのユニークな共通キー(ユニークキー)を新たに設定しなくても、郵便番号さえあればデータベース変更の手間が不要となり、データベースの容量が極端に低下することはない。

実施例

0075

上述した実施例は、本発明を説明するためのものであり、本発明を何など限定するものでなく、本発明の技術範囲内で変形、改造などの施されたものも全て本発明に包含されることはいうまでもない。

0076

本発明の情報分析システム、情報分析プログラムおよび情報分析装置は、鉄道の駅の把握に限定されず、その他の交通機関や大規模な商業施設の把握などにも広範囲に応用できる。たとえば、実施例における鉄道の最寄駅を、バスの停留所路面電車の電停と置き換えてもよい。

0077

また、実施例では購買情報を例示したが、これに限定されず、たとえば駅周辺地域の安全性(治安など)、利便性などを数値化した情報をデータベースに記録させておけば、駅ごとにこれらの情報を抽出、把握することができる。
さらに、実施例ではクレジットカードによる購買情報を挙げたが、これに限定されず、少額ではあるが交通系ICカードの電子マネー、今後普及が予想されるであろう仮想通貨による購買情報にも応用することができる。

0078

10情報処理装置(情報分析装置)
112紐付パターン情報生成手段
114最寄駅推定手段
114−2顧客情報抽出手段
114−3推定結果抽出手段
120 情報分析プログラム

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技術

関連性が強い 技術一覧

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