close

ログイン

パスワードの再発行?

OpenIDでログイン

テクニカルレポートデータ(PDF形式、658kバイト) - 日立ソリューションズ

エンベッドダウンロード
日立 TO 技報 第 11 号
推定マーケットデータを使用した消費財系新
製品の需要予測手法
A New Demand Forecasting Method for Newly-Launched Consumer Products Based on
Estimated Market Parameters
長期間の時系列データを持つ既存製品の需要予測では,その変動パターンを
宗形 聡
Munakata Satoshi
統計的に分析する手法が用いられている。市場投入初期の新製品の場合は,十
齋藤 邦夫
Saito Kunio
分な時系列データが得られないため,一般的には新製品に類似した既存製品の
時系列データを新製品の過去の時系列データとして仮定し,統計的手法を適用
している。しかし,この方法では,多くの新製品で予測精度が低いことが問題
となっており,新製品の需要を高い精度で予測できる新たな手法が必要とされ
ている。本報告では,新製品の短期時系列データ,累積総需要量,製品寿命の
3 つの情報をもとに予測する手法を提案する。この手法では,製品寿命で累積
総需要量に到達し,短期時系列データに最も適合するという条件から需要予測
値を計算する。実データを使用した評価実験により,提案手法が新製品の予測
精度を改善し,また,従来手法と組み合わせることによって,さらに多くの新
製品に対して高い精度で予測できることを確認した。
1.はじめに
消費財系の製造業をはじめ,多くの企業では製品の在
庫量や販売の機会損失を少なくするために需要予測を行
い,それに基づいて販売計画や生産計画を立案している。
測精度が得られていないという問題が生じている。この
ため,新製品に対して高い予測精度が得られる新しい予
測手法が求められている。
本報告では,このような手法として,新製品の市場投
出荷量や販売量などの時系列データが長期間にわたって
入後ひと月程度の週次時系列データ(以下,短期時系列
得られる既存製品には,時系列データを統計的に分析す
データと呼ぶ),累積総需要量,製品寿命の3つの情報を
る予測手法が用いられている 1)。
もとに需要予測を行う手法について述べる。また,実際
近年,製品のライフサイクルは短くなっており,企業
の製品出荷データを使用して,提案手法と従来手法で予
は短い期間で次々と新製品を市場に投入している。その
測を行い,その予測精度を比較する実験を行った。本報
ため,販売・生産計画立案や修正などの意思決定時期が
告ではその結果も提示し,提案手法の有効性を示す。
早まり,市場投入初期の新製品に対する需要予測の重要
性が増加している。ところが,市場投入初期の新製品の
場合,既存製品のように統計的な予測手法を適用できる
2.従来手法の概略と課題
統計的な予測手法では,需要予測値を算出するために,
ほど十分な時系列データは取得できない。そこで企業は,
時系列データの変動パターンの分析を行う。この分析に
既存の類似製品の時系列データを新製品の過去のデータ
は通常 1 年以上にわたる期間のデータが必要であり,統
と仮定して統計的な予測手法を適用している。しかしこ
計的予測手法は基本的に長期間の出荷データや販売デー
の従来手法では,一部の新製品では実用上十分な精度の
タが存在する既存製品を対象とする。
予測結果が得られるものの,多くの新製品では十分な予
34
一方,市場投入初期の新製品の場合では,十分な期間
日立 TO 技報 第 11 号
の時系列データを取得できないため,直接統計的な予測
この課題を解決するひとつの方法として,時系列デー
手法を適用することはできない。そこで,対応する類似
タの変動パターンを使用しない新製品の需要予測手法が
製品の市場投入後 1,2 年程度の時系列データを,新製
類似製品 品の時系列データの前に挿入し,新製品の不足している
品の市場投入時から始まり,新製品の市場投入初期で終
了する時系列データになる。従来手法では,このように
新製品 需要量
時系列データを補う。得られた時系列データは,類似製
適合値・予測値 して得られた時系列データに統計的予測手法を適用する。
図 1 に従来手法による新製品需要予測の様子を示す。 統計的な予測手法には,過去のデータに対して重み付
けを行う指数平滑法
1)がよく用いられる。これは,指数
平滑法が時系列データの異常値に影響を受けにくく,高
時間 図1 従来手法による予測 い精度の予測値が安定して得られるためである。指数平
滑法は,時系列データの変動パターンをレベル・トレン
考えられる。変動パターンを使用せずに予測値を算出す
ド・季節指数という 3 つの要素で説明する。ここで,ト
ることによって,変動パターンが異なることで生じる予
レンドとは時系列データの大局的な増減の傾向を表し,
測精度の低下を回避できる。このような予測手法として,
季節指数とは時系列データの周期変動の強弱を表す。レ
新製品の需要量が消費者の購買行動と直結しているとみ
ベルは時系列データからトレンドや季節指数を除いた予
なし,消費者の購買時期を決定する累積購買確率を求め
測基準値である。 る手法がある 2,3)。消費者の累積購買確率は,指数的な成
指数平滑法では,トレンドと季節指数の種類によって
長曲線となるという仮定の下で数式化され,消費者の製
全部で 12 通りの需要予測式が定式化される。トレンド
品に対する選好度や,企業が実施するマーケティング活
には線形,逓増,逓減,なしという4種類,季節指数に
動などが確率変動の要素として組み込まれている。した
は加法的,乗法的,なしという3種類が存在する。ある
がってこの予測手法を直接利用する際には,上述の要素
製品の時系列データに対して,12 通りの予測式の中で最
を決定する情報が必要となる。そのため企業は数ヶ月に
も適切な予測式は,時系列データに対する需要予測式の
わたってテストマーケティングなどを実施し,情報を収
適合度合いと予測式のパラメータ数から BIC(Bayesian
集しなければならない。これには多くの費用と時間を要
Information Criterion:ベイズ情報量基準)を計算し,
し,容易に選択できる方法ではない。
BIC が最小となる予測式を選択することで得られる。 そこで本報告では,従来手法と同様に企業が保有する
従来手法では,図 1 に示すように,仮想的な長期間の
時系列データのみを使用し,かつ累積購買確率を用いた
新製品の時系列データに対して,12 種類の需要予測式の
手法で予測曲線に設けられた仮定を利用して,時系列デ
中から BIC が最小となるものを決定し,予測値を算出す
ータの変動パターンを使用しない予測手法を提案する。
る。このとき,時系列データの大部分が類似製品のデー
タであり,新製品の前に類似製品のデータを挿入してい
3.提案手法による新製品の需要予測
るため,BIC が最小となる需要予測式の選択は,主に類
3.1 提案手法のアイデアと需要予測式
似製品の時系列データに基づいて行われる。このことは,
提案手法では,製品の需要は消費者の購買行動と同一
新製品は類似製品と同じ変動パターンになることを暗黙
であると考え,累積需要量の分布関数を導入する。分布
のうちに仮定しているといえる。しかし実際は,新製品
関数は,消費者の累積購買確率と同様の成長曲線を描く
と類似製品は異なる製品であり,その変動パターンは異
と仮定する。この仮定は,従来用いられてきた手法
なることが多い。言いかえれば,類似製品の時系列デー
と同様の仮定であり,このような仮定をおくことは問題
タに対して決定した需要予測式とは別の種類のトレン
ない。時間 t での新製品の累積需要量を D(t)とするとき,
ド・季節指数からなる需要予測式の場合に,新製品の本
需要予測式を次のように定義する。
2,3)
来の時系列データに対する BIC が最小となる。このこと
が多くの新製品で予測精度が低下する原因となっている。
D(t) = N × ( 1 - exp(-λt ))γ (1)
35
日立 TO 技報 第 11 号
ここで,λ,γは正の実数であり,Nは正整数である。
ラメータ N,λ,γを求める。これは,最低値から最高
式(1)の右辺でNを除いた部分が分布関数であり,N
値まで固定した増分で N を増加させ,各 N の値で最小
は需要予測値の上限を決定する値となる。λとγは分布
二乗法を用いて最適合するλとγを決定する。適合度合
関数の形状を決定する。式(1)から,左辺の予測値を
いは累積時系列データに対する式(1)の決定係数によ
求めるためには 3 つのパラメータN,λ,γを決定する
り求める。累積時系列データに対して最も適合する式
必要がある。これらの未知数の決定には,新製品の短期
(1)のパラメータを求めるためには,決定係数が最も
時系列データと累積総需要量,製品寿命を使用する。こ
1 に近いときの N,λ,γを採用すればよい。各パラメ
こで,累積総需要量とは式(1)で時間を無限大にした
ータ が決まれば,マーケットデータの定義から累積総需
ときの極限値であり,製品寿命とは製品の累積需要量が
要量は N そのもの,製品寿命は式(1)の微分係数が十
累積総需要量に十分近づくときの時間である。以下,累
分小さいときの時間 t として決定できる。
積総需要量と製品寿命をマーケットデータと呼ぶ。新製
次に,新製品の短期時系列データと,推定したマーケ
品のマーケットデータは,予測を行う時点では既知でな
ットデータを新製品のものとして使用し,式(1)のパ
いことが多く,そのため既存の類似製品の時系列データ
ラメータを決定する。前述と同様,定義から N には累積
に最も適合する式(1)の形の曲線を求めることで推定
総需要量がそのまま代入される。λは,γを固定し,製
する。推定マーケットデータは,その定義から類似製品
品寿命の時間で累積総需要量に十分近づくという条件の
の時系列データの変動パターンを表す値ではない。した
もとで,式(1)をλの方程式と見なして解くことによ
がって,短期時系列データと推定マーケットデータを使
り決定する。γは短期時系列データと予測曲線の誤差が
用する提案手法は,従来手法の持つ変動パターンの相違
最小になるときの値を,最小二乗法を用いて計算するこ
から生じる問題点を回避し,かつ保有するデータのみか
とで決定する。パラメータが決定すれば,任意の時間 t
ら予測可能な方法となっている。
で左辺の D(t)を求めることにより累積予測値を計算する
ことができる。提案手法により算出した累積予測値は,
3.2 予測値の算出方法
図 3 に示す例のように,製品寿命で累積総需要量に近づ
図 2 に提案手法を使用するときの,新製品の需要予測
き,短期時系列データに適合する曲線を描く。
値算出の流れを示す。提案手法を使用して需要予測値を
算出するには,まず既存の類似製品の時系列データから
の累積時系列データに対して最も適合する式(1)のパ
保有データ 出荷量・販売量 DB 新製品
累積需要量
マーケットデータの推定を行う。そのために,類似製品
製 品 寿 命 で累 積
予測値
総需要量に近づく
累積総需要量
新製品データとの
適合誤差が最小
製品寿命
類似製品の 時系列データ 新製品の 短期時系列データ
提案手法を使用した 予測システム
推定マーケットデータの計算 時間
図3 提案手法による予測 4.予測精度の比較実験
提案手法を評価するため,提案手法と従来手法を用い
需要予測式のパラメータ決定 て予測精度を算出し,比較する実験を実施した。実験で
使用したデータは,
(株)日立東日本ソリューションズが
統計的予測手法を適用した,あるメーカの週次の製品出
需要予測値の計算 荷データである。この出荷データから任意に 90 品目を
選択し,それらを新製品とみなして 2 つの予測手法を適
図2 予測値算出の流れ 36
用する。既存の類似製品には,新製品と同一シリーズの
日立 TO 技報 第 11 号
製品であり,製品名称や出荷開始時期が近いものを製品
130.2%,提案手法で 12.6%である。これらの結果から,
出荷データの中から選択した。新製品,類似製品ともに
任意に新製品を選択して需要予測を行った場合,提案手
104 週分の出荷量を持つ実績データである。どちらの予
法を使用すれば,より多くの新製品に対して有用な予測
測手法でも,新製品の時系列データの出荷開始後 4 週分
精度が安定して得られると言える。
を短期時系列データとして使用した。予測期間は 5 週目
から 52 週目までの 48 週分とし,当該期間における新製
品の累積実績値と累積予測値を比較して予測精度を計算
した。予測精度の評価は MAPE
(Mean Absolute Percent
Error:平均絶対誤差率)を計算して行った。MAPE は
MAPE
従来
14
14
18
44 手法
0~20%
予測精度を評価する指標として,多くの既存研究で広く
20~30%
使用されている指標である 4,5)。一般に,予測精度が高く,
実用上大変有用であると判断される MAPE は 20%未満
であり,実用上許容できる範囲は,30%未満である。
提案
29
8
20 33 30~50%
手法
50% 以上
提案手法による新製品の予測手順は 3.2 節にしたがっ
品目数(個)
て行った。まず,需要予測式のパラメータを決定するた
図4 各 MAPE に属する品目数(全 90 品目) め,類似製品の時系列データから新製品のマーケットデ
ータを推定した。類似製品の時系列データは 104 週分あ
り,全ての週のデータを推定用に使用した。累積総需要
提案手法は,需要予測式の特性上,新製品の累積時系
量の最低値,最高値,増分はそれぞれ 104 週目の累積需
列データに短期間における急激な変動が存在する製品や
要量,107,50 とした。これは,実際の製品出荷データ
著しく湾曲している製品の予測では高い予測精度が得ら
から,多くの製品の累積総需要量は,104 週目の累積需
れにくい。予測対象の 90 品目には上記の性質を持つ新
要量以上かつ 10 7 以下になり,50 程度の推定誤差は累積
製品が 32 品目あった。そこで,これらを除外した 58 品
総需要量と比較して十分小さく,無視できるためである。
目について予測精度を比較した。図 5 にその結果得られ
ただし,累積総需要量の推定値が 107 近辺となり,さら
た各 MAPE の範囲に属する品目数を示す。実用上有用
に大きな最高値を設定したほうがよいと判断される場合,
な MAPE の範囲である 20%未満の品目数は,従来手法
十分大きな最高値として 5×108 を設定し,再度推定した。
では 11 品目であるのに対し,提案手法では約 2.6 倍の
その後,推定マーケットデータと新製品の出荷後 4 週分
28 品目となっている。さらに,実用上許容できる MAPE
の累積実績データを用いて,式(1)のパラメータを計
の範囲である 30%未満となる品目数は,従来手法では
算し,需要予測値および実績値との MAPE を計算した。
24 品目,提案手法では 36 品目となる。すなわち,従来
従来手法による新製品の予測手順では,新製品の出荷
手法では予測対象の 41.3%で実用上使用可能な予測精度
後 4 週分の時系列データ以前に,類似製品 104 週分の時
が得られるが,提案手法では 62.0%で実用上使用可能な
系列データを挿入し,計 108 週分の時系列データを作成
予測精度が得られる。また,これら 58 品目の MAPE の
した。その後,この時系列データに対して指数平滑法を
MAPE
適用し,需要予測値と MAPE を計算した。
従来手法と提案手法による全 90 品目の予測精度の比
較結果として,各 MAPE の範囲に属する品目数を図 4
従来
手法
0~20%
11
13
24 10
20~30%
に示す。実用上有用な範囲である 20%未満の品目数は,
従来手法では 14 品目であるのに対し,提案手法では約 2
倍の 29 品目となっている。さらに,実用上許容できる
MAPE の範囲である 30%未満となる品目数は,従来手
30~50%
提案
手法
28 8 11
11
50% 以上
法では 28 品目,提案手法では 37 品目となる。予測対象
90 品目の MAPE の平均値は,従来手法で 88.4%,提案
手法で 44.5%であり,MAPE の分散は,従来手法で
品目数(個)
図5 各 MAPE に属する品目数(58 品目) 37
日立 TO 技報 第 11 号
平均値は,従来手法で 66.4%,提案手法で 32.2%であり,
5.おわりに
MAPE の分散は,従来手法で 65.7%,提案手法で 9.0%
本報告では,新製品の市場投入初期の実績データと累
である。これらの結果から,事前に提案手法に向かない
積総需要量,製品寿命という 3 つの情報から新製品の需
新製品を除外した方が良い予測精度を得ることができる
要を予測する手法を提案した。実際のデータを使用した
と言える。
実験の結果から,提案手法により予測精度は改善し,さ
90 品目から除外した 32 品目は,時系列データの急激
らに従来手法と適切に組み合わせることによって,より
な変動を持つ。従来手法は,時系列データの変動パター
多くの新製品で実用上有用な予測精度が得られることを
ンを数式化するため,この 32 品目に対しても適用でき
確認した。
ると考えられる。そこで,除外した 32 品目に対して従
実際に提案手法を導入し,従来の統計的予測手法と併
来手法を適用した。その結果,MAPE が 20%未満とな
用して新製品の需要予測を行う際には,予測手法を製品
る品目数は 32 品目の中の 3 であり,30%未満となる品
ごとに適切に切り分ける必要がある。消費財にはシャン
目数は 4 であった。急激な変動を持つデータに対して従
プーなどの化粧品や文房具,食飲料品などがあるが,こ
来手法を用いた場合,十分な精度で予測することは難し
れらは一般には宣伝や広告の効果によって市場投入初期
いものの,一定の成果は得られる。図 6 に全 90 品目を
に最も大きな需要があり,その後徐々に需要が安定して
それぞれ従来手法,提案手法のみで予測した場合と,急
いく形をとる。このとき累積需要量は指数的な成長曲線
激な変動を持つデータに対しては従来手法で,それ以外
となり,したがって提案手法は一般的な消費財に適用可
のデータに対しては提案手法で予測した場合の品目数を
能となっている。しかし,現実にはバーゲンセール,歳
示す。図 4 から,実用上有用な MAPE20%未満の品目数
末商戦などのイベントや,製品自身が持つ季節特性など
は,従来手法のみを使用した場合は 14 品目であるが,
によってある程度時間が経過した後に急激な需要の増加
提案手法と従来手法を組み合わせて予測した場合には
を伴うものもある。提案手法は市場投入初期のデータの
32 品目に拡大できることがわかる。 実用上許容できる
みを使用するため,このような製品に対しては十分な予
MAPE30%未満の品目数も,提案手法と従来手法を組み
測精度は見込めない。そこで,上記のようなイベントが
合わせて予測することにより,28 品目から 41 品目に拡
戦略的に実施されることや,ある時期に限定して大きな
大する。提案手法と従来手法を組み合わせることにより,
需要が生じることがわかっている新製品の場合には,需
全 90 品目の 45.6%で実用上許容できる予測精度が得ら
要の変動に追随できる従来手法を使用することで,より
れる。これは従来手法のみを使用する場合の約 1.5 倍と
多くの新製品で有用な予測精度が得ることができる。
なっている。以上の結果から,提案手法と従来手法を適
切に組み合わせることによって,実用上有用な精度で予
測可能な新製品の範囲を拡大できると言える。
参考文献
1)
45 40 品
目
29 32 37 Familiarity, Satisfaction, Usage, and Applicatioin”,
Journal of Forecasting, Vol. 14, pp465-476, (1995)
5
5) Peter S. Fader 他 , “A Dynamic Changepoint
MAPE
0~30% 図6 各手法と 2 つの手法を組み合わせたときの各 MAPE
に属する品目数 38
Peter S. Fader 他, “Forecasting New Product
4) John T.Mentzer 他 , “Forecasting Technique
14 10 0 3)
Journal of Forecasting, Vol. 22, pp391-410, (2003)
20 15 Statistical
Trial in a Controlled Test Market Environment”,
28 25 数 “Applied
有斐閣アルマ, (2003)
41
2つの手法の組み合わせ 30 Goodrich,
2) 古川一郎 他, “マーケティング・サイエンス入門”, 提案手法 35 L.
Forecasting”, Business Forecast Systems, (1992) 従来手法 50 Robert
Model
for
New
Product
Sales
Forecasting,”
Marketing Science, Vol. 23, pp50-65, (2004)
日立 TO 技報 第 11 号
2003 年入社
宗形 聡
研究開発グループ
新製品の需要予測技術に関する研
究・開発
munakata@hitachi-to.co.jp
1992 年入社
齋藤 邦夫
研究開発グループ
意思決定,リスク分析,最適化技術の
研究・開発
kuni@hitachi-to.co.jp
39
Document
カテゴリー
TRAVEL
本日のアクセス数
10
ファイルサイズ
657 KB
タグ
1/--ページ
報告