>[0099]接下来，若参照图13，就是作为验证处理单元的行为分析单元组合RFM分析、同时销售分析等各种各样的分析单元，判定连续用户和离开用户的履历类数据的项目之中当前使购买行为受到影响的项目(例如非共同性高的项目)。例如，这里项目“I个月内购入6次以上”及项目“在午餐时间有购入趋势”是偏重于连续用户来表现的项目，行为分析单元将这些项目判定为在双方中有明显的非共同性的项目，并且这些项目作为使该“胶原蛋白饮料”的购买行为受到影响的要件项目，进行提取。另一方面，履历类数据的项目之中例如“其他公司减价时购入其他公司的产品”这样的项目是不偏重于双方而表现的项目，行为分析单元将该项目判定为在双方中没有明显的非共同性(也就是有共同性)的项目，这些项目不进行作为使该“胶原蛋白饮料”的购买行为受到影响的要件项目进行提取。
[0100]接下来，若参照图14、图15，就是作为验证处理单元的理解分析单元组合购买者意识调查、商品开发分析等各种各样的分析单元，判定连续用户和离开用户的调研类数据的项目之中当前使购买行为受到影响的项目(例如非共同性高的项目)。例如，这里项目“对维生素E的知识的丰富程度(具有维生素E帮助胶原蛋白吸收这样的知识)”是偏重于连续用户来表现的项目，理解分析单元将该项目判定为在双方中有明显的非共同性的项目，提取该项目来作为使“胶原蛋白饮料”的购买行为受到影响的要件项目。另一方面，履历类数据的项目之中“品牌认知度” “品牌的印象” “对胶原蛋白的知识的丰富程度”这样的项目是不偏重于双方而表现的项目，理解分析单元将该项目判定为在双方中没有明显的非共同性(也就有共同性)的项目，这些项目不进行作为使该“胶原蛋白饮料”的购买行为受到影响的要件项目提取。
[0101]若参照图16，就是制作单元将通过上述分析所验证的要件项目“低价意愿”及“I个月内购入6次以上” “在午餐时间购入” “维生素E的对胶原蛋白辅助效果的理解的丰富程度”等列表，对将提供给企业终端7的商品开发数据或商品引进数据进行加工，或进行制作建议、促销以便满足要件项目要点这样的行动制作。
[0102]如果在图17中，表示出针对顾客的行动制作的例子，就是例如以满足要件项目“在午餐时间购入”的要件项目的方式，制作从店铺终端6发行将“胶原蛋白饮料” “和盒饭或三明治同时购入时进行套装减价的活动优惠券”的行动。另外，以满足“I个月内购入6次以上”的要件项目的方式，制作将下述广告邮件投递给顾客终端5这样的行动，该广告邮件为，将“胶原蛋白饮料”“若购入了 6次以上则给予特殊礼物的认购券”。或者，以满足“维生素E的对胶原蛋白辅助效果的理解的丰富程度”的要件项目的方式，制作下述这样的行动，该行动为制作“添加了维生素E的效果诉求”媒体广告。
[0103]如图18所示，分析给连续用户和离开用户，或者有购买履历的用户和无购买履历的用户的购买行为带来的影响程度高的要件项目(例如非共同性高的项目)，通过各种的行动制作和执行，对连续用户及有购买履历的用户的详细数据的项目的状态，使离开用户及无购买履历的用户的详细数据的项目的状态尽可能地接近，以此使离开用户或无购买履历的用户变化为连续用户及有购买履历的用户。这里，通过进行分析履历类数据的行为分析和分析调研类数据的理解分析的双方，从根据履历类数据分析的顾客意识下的行为和根据调研类数据分析的顾客意识上的行为导出的要件项目被有效利用于填补双方的差别所用的行动制作。
[0104]如图19所示，通过在行动后由详细数据分析单元分析履历类数据，和行动前的履历类数据进行比较处理，并进行顾客的区段，顾客就可以重新分类为“在设想目标中买入的人” “在设想外目标买入的人” “在现有用户中离开的人” “在设想目标中未买入的人”。
[0105]如图20、图21所示，通过重复上述的详细数据收集/存储、详细数据分析、顾客的区段、要件项目的验证、行动的制作/改善以及行动，就可以验证按何种区段所分类的人为什么加入了购买行为，以及按何种区段所分类的人为什么没有加入购买行为，能够进行更好的建议、促销、数据提供等的行动。此时，在系统I中，由于还存储着网上行为数据，因而可以获取作为行动目标的顾客的浏览频率高的访问时间、利用媒体及利用站点，执行网络广告的行动。再者，由于还可以分析各个顾客的生活状况，因而可以获取作为目标的顾客的在家时间，执行TV广告的行动。进而，可以提供作为目标的顾客的对订阅杂志或订阅报纸的纸面广告的行动。
[0106]最后，对于分析详细数据的数个分析单元进行说明。详细数据分析阶段中的第I分析模型是RFM分析。所谓的RFM分析指的是，按照购买期间、购入次数及购入金额的切入点来分析详细数据的方法。如果表示出RFM分析单元的一例，就是根据详细数据的履历类数据分析最近在加盟企业所购入的年月日、一定期间内在加盟企业购入了几次商品等的购入次数以及一定期间内的购买金额，给各项目的各自附加按运用公司或者各加盟企业独自所设定的权重，计算其总计的评价点，进行对对象商品等的购入可能性进行评价的分析。本发明的系统I由于可以分析涉及多个加盟企业的详细数据，因而可以按照RFM的切入点分析I名顾客的涉及多个加盟企业的详细数据。从而，能够分析任意顾客的涉及加盟企业的购买行为的购买期间、购买次数及购买价格。据此，提供预测任意的顾客有下次前往的可能性的加盟企业或店铺、有购买的可能性的商品等所需的分析结果等。
[0107]第2分析模型是商圈分析。所谓的商圈分析指的是，按照地域性的切入点来分析详细数据的方法。如果表示出商圈分析单元的一例，就是给顾客的属性数据的居住地特性及/或工作就学区域特性赋予标志，以该标志为基础，根据具有共同的居住地特性及/或工作就学区域特性的顾客群的履历类数据分析购买次数、购买金额，给各自附加按运用公司或者各加盟企业独自所设定的权重，计算其总计的评价点，进行对对象商品、店铺、加盟企业内的购入可能性进行评价的分析。
[0108]从而，提供预测在任意的商圈有购买可能性的顾客所需的分析结果等。本发明的系统I由于可以分析涉及多个加盟企业的详细数据，因而能够通过商圈分析，分析I名顾客的涉及多个加盟企业的详细数据。从而，能够分析任意顾客在哪个商圈进行了购买行为等。另外，还提供将具有同一商圈的I个加盟企业内的履历类数据的顾客向同一商圈的例如没有履历类数据的其他加盟企业引诱所需的分析结果。
[0109]第3分析模型是同时销售分析(购物篮分析)。所谓的同时销售分析指的是，对于任意的顾客在同一时机购入了什么样的商品进行分析的方法。如果表示出同时销售分析单元的一例，就是通过将传递履历类数据时以I个收据单位所传递的履历类数据捆绑在一起，来分析顾客在一次的购买行为中所购入的商品等。本发明的系统I由于可以收集并存储涉及多个加盟企业的详细数据，因而能够通过同时销售分析，分析I名顾客的涉及多个加盟企业的详细数据。从而，提供预测任意的顾客要以I个购买单位购入的商品等的趋势所需的分析结果。
[0110]第4分析模型是商品开发分析。商品开发分析是综合性地组合利用上述第I?第3分析模型的RFM分析、商圈分析或者同时销售分析的分析结果，按照购买期间、购买次数、购买金额、商圈及同时销售单位等的切入点来分析更加易于被购入的新商品的方法。
[0111]第5分析模型是购买者意识调查。运用系统2是以使之回答任意的问卷调查的形式从顾客取得调研类数据，对其进行分析的方法。在问卷调查的方法中，存在针对顾客，使之简单地将任意的商品回答为“想要” “不想要”的情形，或者调查顾客的意愿性(高级意愿、传统意愿、健康意愿)的情形等。
[0112]第6分析模型是被称为顾客DNA分析(顾客轮廓分析)的新的详细数据解析。所谓的顾客DNA分析指的是，针对顾客的详细数据的全部项目预测概率值，包括顾客未提供详细数据的实例值的部分在内，给详细数据的各项目分派概率值的数据解析。也就是说，根据顾客DNA分析，顾客的详细数据通过更加正确地进行解析，并且和上述第I?第5分析方法进行组合，还可以进行没有详细数据实例值的顾客的详细数据的分析。下面，对于该数据解析，参照图22?图33进行详细说明。
[0113]参照图22、23，说明进行上述详细数据的收集(SI)、存储(S2)之后的顾客DNA分析中作为详细数据解析阶段起始步骤的数据汇总处理(S3)。数据汇总处理用来根据需要对属性数据及/或详细数据进行离散化处理，进而通过将该属性数据及/或详细数据，整理为类别数据、上位层或者大分类/中分类的项目群，来生成数据集市。通过生成数据集市，就可以将属性数据及/或详细数据整理为易于解析的数据项目。
[0114]下面，对于采样处理、制作模型处理(S5)、验证处理(S6)及评分处理(S7)进行说明。这里，说明下述作为制作模型处理(S5)、验证处理(S6)及评分处理(S7)之基础的本发明的预测处理。
[0115]预测处理用来利用例如以贝叶斯网络为代表的概率推论，以任意的详细数据的多个项目为目标变量，以其他的多个项目为说明变量，从项目间的相关度，通过概率推论计算多个项目的概率值。
[0116]下面，参照图24?图30所示的预测处理的模式图，说明本发明的预测处理。图24?图26所示的案例I的预测处理是预测处理为I层模型的情形。若对于任意顾客A的预测处理，将已婚/未婚之别的概率设为目标变量，则此时，在没有顾客A的详细数据的场合，也就是在说明变量中没有任何实例值的数据的状态下，已婚/未婚之别的概率值分派从提供了调研类数据的顾客们的数据得到的先验概率值(已婚约0.57，未婚0.43)。同样，在有关其他的说明变量(购入调料、购入副食及深夜时间利用比例)也没有任何数据的状态下，分派从提供了详细数据的顾客们的数据得到的购入调料的先验概率值(多0.2，少0.8)、购入副食的先验概率