ID-POS意思決定支援クラウドサービスBiZOOPe
日清orマルちゃん？うどんorそば？
Tapirの原理と見方

別物と思っている人の割合を測ってみる

数字が大きくなる程 ”遠い” とした方が観念上も計算上も分かり易い為、取捨選択した人では無く、2つの商品間で取捨選択しなかった人の割合をID-POSデータから測ってみます。

距離と同様、数字が大きくなる程 ”遠い”、小さくなる程 ”近い” と解釈できます※５。
それが次の図です（距離行列表と言います。Tapirのダウンロードタブからダウンロード可能です）。

※5.理屈上商品相互のどちらから見ても等価 ∧ 最小値が0%、最大値が100%です。

seg_f＝マーケット・セグメントfar（遠い）、seg_n＝マーケット・セグメントnear（近い）の略です。

先程のデンドログラムを、取捨選択の平均値で水平に切った時にできるグループがseg_n、取捨選択があまり発生しなくなった高さで水平に切った時にできるグループがseg_fです※7。

コードに固有の意味は無く、単なる連番です。またseg_f、seg_nがそれぞれ幾つに分かれるかは、分析をしてみる迄分かりません。
※7.今回例では4商品しか無い為 seg_f = seg_n となりましたが、通常は seg_f ＞ seg_n の 大分類 ＞ 小分類 のような構造になります。

取捨選択があまり発生しないという事は「正にそれ（seg_f）を目的にしている」という事になりますので、seg_fは来店／売場利用の「目的ウィンドウ」と言えます。

一方取捨選択がマーケット平均以上に発生するseg_nはその中で買い回りが行われている「買い回りウィンドウ」と言えます。

帳票からまず そば or うどん を目的として売場にやって来て、その中で 日清 or マルちゃん（はたまた148円 or 112円）を取捨選択しているのが、この売場（マーケット）における多数派の利用パターンである事が分かります。

マーケット参加者を最大限カバーする為に、まずマーケット中利用ID数No.1の赤いきつね（seg_f=f2所属）に1位が振られ、次いでそれとは取捨選択の少ないseg_f=f1中の利用ID数No.1である緑のたぬきに2位が振られます。

デンドログラムで見たようにうどん同士で起こる取捨選択の方が、そば同士で起こる取捨選択よりも多い為、相対的に選択性（≒代替性）の低いそばどん兵衛に3位が振られ、相対的に選択性（≒代替性）の高いうどんどん兵衛に4位が振られます。

売り手の都合である量＝ID数と、買い手（多数派）の都合であるデンドログラムの形※9を融合する事で、最も互いの都合に適った順位になります。

※9.売り手都合による極端な販促政策等に、デンドログラムの形が誘引される事も勿論あります。

採用順昇順は、限られた単品数でできるだけ多くの人に響かせたいチラシ、エンドといった販促商品の選抜に使われます。

採用順降順は、目的ウィンドウそのものや、買い回りウィンドウ中の選択肢数をゼロにしたくない商品のカット／絞り込みに使われています。

レコメンド

採用順何位迄採用した方がいいのか？採用順何位だとカットNGなのか？順位で判断するには曖昧な部分が残ります。

そこで、　seg_f中で最も若い採用順に1st、seg_n中で最も若い採用順に2ndのレコメンドを振っています（買い回りウィンドウ中の選択肢数=1の最低品揃え）。

1st〜2nd迄の利用者率の単純和が100%を下回る場合、利用者率の採用順累計が最初に100%を超える商品迄3rdレコメンドが振られます（マーケット利用ID数をカバーする為の最低品揃え）。

レコメンド有＝最低品揃えですので、全店品揃えの徹底に用いられています。

またレコメンド有＝所属ウィンドウを併買効果で最も活性化する重点商品でもあります。

販促的には1stレコメンドを極力販促対象に入れたり、レコメンド付商品のフェイシング数を大きく取ってマグネットに用いたりしています（下図陳列例）。

今回はseg_f = seg_n となった為、seg_nサマリー表の見方について解説します。