本プロンプトは、特定の店舗における「深夜の弁当廃棄率」と「価格変動」の相関を分析し、利益を最大化する動的価格戦略を策定するためのフレームワークである。データ分析AIに対し、以下のプロンプトを入力することで、在庫回転率を最適化するシミュレーションが可能となる。 ### 1. データ入力構造の定義 以下のフォーマットに従って店舗データをAIに読み込ませること。CSVまたはJSON形式で以下の項目を準備し、プロンプトの冒頭に添付せよ。 - `timestamp`: 記録日時（YYYY-MM-DD HH:MM） - `category`: 商品カテゴリ（弁当・麺類・惣菜等） - `stock_count`: 入荷数 - `price_current`: 販売価格 - `sales_count`: 実売数 - `waste_count`: 廃棄数 - `weather_condition`: 天候（晴・雨・雪・曇） - `day_of_week`: 曜日（1-7） ### 2. 分析用プロンプト・テンプレート 以下のプロンプトを、データ入力後に実行せよ。 ```markdown # 役割定義 あなたは市場分析と価格戦略の専門家である。提供された店舗販売データを分析し、廃棄コストを最小化しつつ粗利を最大化する「動的価格調整アルゴリズム」を構築せよ。 # 分析ステップ 1. 相関分析: 廃棄時間帯と価格、天候、曜日の間の相関関係を特定せよ。特に「価格が何％下がった時に廃棄率が何％減少するか」という価格弾力性を算出すること。 2. 閾値特定: 廃棄が発生し始める「在庫数」と「時間帯」のクリティカルポイントを特定せよ。 3. 価格戦略提案: 以下の条件に基づいた最適価格テーブルを作成せよ。 - 目標: 廃棄率を現状から20%削減する。 - 制約: 利益率を極端に下げない（原価割れは不可）。 - 変数: 22時以降、1時間ごとの値下げ幅（％）と、その際の予測販売増分。 # 出力形式 - 結論（サマリー） - 相関分析結果（表形式） - 推奨値下げスケジュール表（時間帯・割引率・期待売上） - リスク評価（値下げによるブランド価値毀損等の懸念） ``` ### 3. Pythonコードによる相関分析・予測モデル データ分析用の実行環境（Google Colab等）で、以下のコードを使用して相関を可視化・算出せよ。 ```python import pandas as pd import seaborn as sns import matplotlib.pyplot as plt from sklearn.ensemble import RandomForestRegressor # データの読み込み df = pd.read_csv('store_data.csv') # 1. 相関行列の作成 correlation_matrix = df[['price_current', 'waste_count', 'sales_count']].corr() print("相関行列:") print(correlation_matrix) # 2. 廃棄予測モデル（ランダムフォレスト） X = df[['price_current', 'day_of_week', 'weather_condition', 'stock_count']] y = df['waste_count'] model = RandomForestRegressor() model.fit(X, y) # 3. 特徴量の重要度確認 importance = pd.DataFrame({'feature': X.columns, 'importance': model.feature_importances_}) print("\n廃棄に影響を与える重要要因:") print(importance.sort_values(by='importance', ascending=False)) ``` ### 4. 戦略的価格決定のための意思決定フレームワーク データ分析結果に基づき、以下の「価格調整ロジック」を実装せよ。 **A. 廃棄リスクスコアの算出** `Risk_Score = (在庫数 / 平均販売数) * (閉店までの残り時間 / 1時間)` - Score > 1.5: 即時値下げ（10%OFF） - Score > 2.5: 大幅値下げ（30%OFF） - Score < 1.0: 定価維持 **B. 曜日・天候による重み付け** - 金曜深夜・雨天時: 廃棄リスクが低いため、値下げ開始時間を1時間遅らせる。 - 月曜深夜・晴天時: 廃棄リスクが高いため、値下げ開始時間を1時間早め、初動の割引率を高く設定する。 ### 5. 運用上の注意点とチェックリスト 価格戦略を実行する際は、以下のチェック項目を毎週確認すること。 1. **カニバリゼーションの確認**: 値下げした商品が、本来売れるはずだった定価商品の売上を食いつぶしていないか。 2. **価格アンカリング**: 毎日同じ時間帯に大幅値下げを行うと、顧客が「定価で買うこと」を避けるようになる。値下げタイミングを毎日30分程度ランダムにずらす「ゆらぎ」を導入せよ。 3. **在庫補充の最適化**: そもそも廃棄が発生しやすい発注パターンを特定し、深夜帯の入荷数を調整するフィードバックループを構築せよ。 本プロンプトは一度実行して終了するものではない。週次でデータを更新し、モデルの精度を検証し続けることが「相場師」の戦略である。市場の反応を読み取り、価格というレバーを適切に動かすことで、無駄な廃棄を極限まで排除し、店舗の利益を最大化せよ。