図面 (/)

技術 プログラム、商品推薦システム及び商品推薦方法

出願人 富士ゼロックス株式会社
発明者 園田隆志出雲英剛佐藤政寛
出願日 2016年5月23日 (5年3ヶ月経過) 出願番号 2016-102236
公開日 2017年11月30日 (3年9ヶ月経過) 公開番号 2017-211693
状態 特許登録済
技術分野 検索装置
主要キーワード 増加度 大分類コード 冷凍ハンバーグ 露出回数 小分類コード 購入人 日用品等 キャッシュレジスター
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(2017年11月30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 (13)

課題

過去に購入された数だけに基づいて商品推薦する場合と比較して、消費者に商品を購入させようとする推薦の効果を高める。

解決手段

商品推薦装置100は、複数の商品の販売履歴において、それぞれの商品の購入数と購入人数との関係により推薦の度合を示す推薦指標を商品毎に出力する推薦指標計算部113と、商品毎に出力された前記推薦指標が予め定められた基準を満たす商品を推薦する推薦商品リスト生成部115,商品情報出力部117とを備える。

概要

背景

例えば、特許文献1には、ユーザが選択した選択履歴から、ユーザの嗜好分布解析し、嗜好分布の中心に近く、嗜好分布形状から離れている推薦指標を算出し、算出された推薦指標に基づいて、推薦するアイテムを表示する情報推薦方法が開示されている。

また、例えば、特許文献2には、多人数による、嗜好品購入履歴およびその評価に基づいて、顧客と嗜好が類似する人物を特定し、特定された人物の嗜好品購入履歴を参照して、顧客に嗜好品についての商品購入の推薦を行う商品推薦システムが開示されている。

概要

過去に購入された数だけに基づいて商品を推薦する場合と比較して、消費者に商品を購入させようとする推薦の効果を高める。商品推薦装置100は、複数の商品の販売履歴において、それぞれの商品の購入数と購入人数との関係により推薦の度合を示す推薦指標を商品毎に出力する推薦指標計算部113と、商品毎に出力された前記推薦指標が予め定められた基準を満たす商品を推薦する推薦商品リスト生成部115,商品情報出力部117とを備える。

目的

本発明は、過去に購入された数だけに基づいて商品を推薦する場合と比較して、消費者に商品を購入させようとする推薦の効果を高めることを目的とする

効果

実績

技術文献被引用数
1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

コンピュータに、複数の商品販売履歴において、それぞれの商品の購入数と購入人数との関係により推薦度合を示す推薦指標を商品毎に出力する機能と、商品毎に出力された前記推薦指標が予め定められた基準を満たす商品を推薦する機能とを実現させるためのプログラム

請求項2

前記推薦指標は、購入人数は多いが購入数が少ない商品を推薦するための指標であることを特徴とする請求項1に記載のプログラム。

請求項3

前記出力する機能は、それぞれの商品が何れかの分類先分類される場合に、一の商品の分類先に分類される商品の購入数及び購入人数に基づいて、当該一の商品の推薦指標を出力することを特徴とする請求項1または2に記載のプログラム。

請求項4

前記出力する機能は、それぞれの商品が何れかの分類先に分類される場合に、一の商品の分類先に分類される商品の購入数及び購入人数から求められる推薦指標を、当該一の商品の推薦指標として出力することを特徴とする請求項3に記載のプログラム。

請求項5

前記推薦する機能は、それぞれの商品が何れかの分類先に分類される場合に、推薦指標が前記予め定められた基準を満たす一の商品の分類先に分類される他の商品を、当該一の商品の代わりに推薦することを特徴とする請求項1または2に記載のプログラム。

請求項6

コンピュータに、複数の商品の販売履歴において、それぞれの商品の購入数及び商品に対する消費者認知度を用いて、推薦の度合を示す推薦指標を商品毎に出力する機能と、商品毎に出力された前記推薦指標が予め定められた基準を満たす商品を推薦する機能とを実現させるためのプログラム。

請求項7

前記商品に対する消費者の認知度は、販売に際して当該商品が露出された回数であることを特徴とする請求項6に記載のプログラム。

請求項8

複数の商品の販売履歴において、それぞれの商品の購入数と購入人数との関係により推薦の度合を示す推薦指標を商品毎に出力する出力部と、商品毎に出力された前記推薦指標が予め定められた基準を満たす商品を推薦する推薦部とを備える商品推薦システム

請求項9

前記推薦部は、前記推薦指標が予め定められた基準を満たす商品についての画像を記録材に形成して出力することにより、当該商品の推薦を行うことを特徴とする請求項8に記載の商品推薦システム。

請求項10

複数の商品の販売履歴において、それぞれの商品の購入数と購入人数との関係により推薦の度合を示す推薦指標を商品毎に出力するステップと、商品毎に出力された前記推薦指標が予め定められた基準を満たす商品を推薦するステップとを含む商品推薦方法

請求項11

前記推薦指標は、購入人数を購入者一人当たりの購入数で除した値であり、前記推薦するステップは、前記推薦指標の大きい商品を推薦することを特徴とする請求項10に記載の商品推薦方法。

技術分野

0001

本発明は、プログラム商品推薦システム及び商品推薦方法に関する。

背景技術

0002

例えば、特許文献1には、ユーザが選択した選択履歴から、ユーザの嗜好分布解析し、嗜好分布の中心に近く、嗜好分布形状から離れている推薦指標を算出し、算出された推薦指標に基づいて、推薦するアイテムを表示する情報推薦方法が開示されている。

0003

また、例えば、特許文献2には、多人数による、嗜好品購入履歴およびその評価に基づいて、顧客と嗜好が類似する人物を特定し、特定された人物の嗜好品購入履歴を参照して、顧客に嗜好品についての商品購入の推薦を行う商品推薦システムが開示されている。

先行技術

0004

特許第5401261号公報
特開2002−74142号公報

発明が解決しようとする課題

0005

消費者の嗜好分布や購入履歴に基づいて消費者に対して商品の推薦を行う場合がある。このように消費者に対して商品を推薦する場合、例えば、過去に購入された数だけに着目し、購入された数が多い商品を推薦した場合には、そもそも推薦しなくても消費者が購入するような商品も推薦してしまう可能性がある。一方で、過去に購入された数が少ない商品であっても、消費者に推薦することで消費者が購入することも考えられる。
本発明は、過去に購入された数だけに基づいて商品を推薦する場合と比較して、消費者に商品を購入させようとする推薦の効果を高めることを目的とする。

課題を解決するための手段

0006

請求項1に記載の発明は、コンピュータに、複数の商品の販売履歴において、それぞれの商品の購入数と購入人数との関係により推薦の度合を示す推薦指標を商品毎に出力する機能と、商品毎に出力された前記推薦指標が予め定められた基準を満たす商品を推薦する機能とを実現させるためのプログラムである。
請求項2に記載の発明は、前記推薦指標は、購入人数は多いが購入数が少ない商品を推薦するための指標であることを特徴とする請求項1に記載のプログラムである。
請求項3に記載の発明は、前記出力する機能は、それぞれの商品が何れかの分類先分類される場合に、一の商品の分類先に分類される商品の購入数及び購入人数に基づいて、当該一の商品の推薦指標を出力することを特徴とする請求項1または2に記載のプログラムである。
請求項4に記載の発明は、前記出力する機能は、それぞれの商品が何れかの分類先に分類される場合に、一の商品の分類先に分類される商品の購入数及び購入人数から求められる推薦指標を、当該一の商品の推薦指標として出力することを特徴とする請求項3に記載のプログラムである。
請求項5に記載の発明は、前記推薦する機能は、それぞれの商品が何れかの分類先に分類される場合に、推薦指標が前記予め定められた基準を満たす一の商品の分類先に分類される他の商品を、当該一の商品の代わりに推薦することを特徴とする請求項1または2に記載のプログラムである。
請求項6に記載の発明は、コンピュータに、複数の商品の販売履歴において、それぞれの商品の購入数及び商品に対する消費者の認知度を用いて、推薦の度合を示す推薦指標を商品毎に出力する機能と、商品毎に出力された前記推薦指標が予め定められた基準を満たす商品を推薦する機能とを実現させるためのプログラムである。
請求項7に記載の発明は、前記商品に対する消費者の認知度は、販売に際して当該商品が露出された回数であることを特徴とする請求項6に記載のプログラムである。
請求項8に記載の発明は、複数の商品の販売履歴において、それぞれの商品の購入数と購入人数との関係により推薦の度合を示す推薦指標を商品毎に出力する出力部と、商品毎に出力された前記推薦指標が予め定められた基準を満たす商品を推薦する推薦部とを備える商品推薦システムである。
請求項9に記載の発明は、前記推薦部は、前記推薦指標が予め定められた基準を満たす商品についての画像を記録材に形成して出力することにより、当該商品の推薦を行うことを特徴とする請求項8に記載の商品推薦システムである。
請求項10に記載の発明は、複数の商品の販売履歴において、それぞれの商品の購入数と購入人数との関係により推薦の度合を示す推薦指標を商品毎に出力するステップと、商品毎に出力された前記推薦指標が予め定められた基準を満たす商品を推薦するステップとを含む商品推薦方法である。
請求項11に記載の発明は、前記推薦指標は、購入人数を購入者一人当たりの購入数で除した値であり、前記推薦するステップは、前記推薦指標の大きい商品を推薦することを特徴とする請求項10に記載の商品推薦方法である。

発明の効果

0007

請求項1記載の発明によれば、過去に購入された数だけに基づいて商品を推薦する場合と比較して、消費者に商品を購入させようとする推薦の効果を高めることができる。
請求項2記載の発明によれば、過去に購入された数だけに基づいて商品を推薦する場合と比較して、推薦の効果をより高めることのできる商品を推薦することができる。
請求項3記載の発明によれば、一の商品に関する販売履歴のデータ量が少ない場合に、一の商品を推薦する度合を推定することができる。
請求項4記載の発明によれば、一の商品に関する販売履歴のデータ量が少ない場合に、一の商品を推薦する度合を推定することが容易になる。
請求項5記載の発明によれば、例えば推薦指標が予め定められた基準を満たす一の商品に代えて一の商品の分類先に分類される他の商品を販売する場合に、他の商品に関する販売履歴のデータ量が少ない場合であっても他の商品を推薦することができる。
請求項6記載の発明によれば、過去に購入された数だけに基づいて商品を推薦する場合と比較して、消費者に商品を購入させようとする推薦の効果を高めることができる。
請求項7記載の発明によれば、過去に購入された数だけに基づいて商品を推薦する場合と比較して、さらに、商品を購入させようとする推薦の効果を高めることができる。
請求項8記載の発明によれば、過去に購入された数だけに基づいて商品を推薦する場合と比較して、消費者に商品を購入させようとする推薦の効果を高めることができる。
請求項9記載の発明によれば、推薦する商品の画像が形成された記録材を消費者に直接配布することができる。
請求項10記載の発明によれば、過去に購入された数だけに基づいて商品を推薦する場合と比較して、消費者に商品を購入させようとする推薦の効果を高めることができる。
請求項11記載の発明によれば、過去に購入された数だけに基づいて商品を推薦する場合と比較して、推薦の効果をより高めることのできる商品を推薦することができる。

図面の簡単な説明

0008

本実施の形態に係る商品推薦装置ハードウェア構成例を示す図である。
本実施の形態に係る商品推薦装置の機能構成例を示したブロック図である。
推薦指標を説明するための図である。
推薦指標を説明するための図である。
推薦指標と推薦による購入人数の増加数との関係を説明するための図である。
販売履歴の一例を示す図である。
商品の分類先の一例を示す図である。
販売商品リストの一例を示す図である。
推薦商品リストの一例を示す図である。
商品推薦装置が販売履歴から推薦商品リストを出力する処理手順の一例を示したフローチャートである。
(a)は、馴染み度と消費者の購入意欲増加度との関係の一例を示した図である。(b)は、売れ筋度と消費者の購入意欲増加度との関係の一例を示した図である。
本実施の形態を適用可能な画像形成装置のハードウェア構成例を示した図である。

実施例

0009

以下、添付図面を参照して、本発明の実施の形態について詳細に説明する。
[実施の形態1]
<商品推薦装置のハードウェア構成例>
まず、本実施の形態に係る商品推薦装置100のハードウェア構成について説明する。図1は、本実施の形態に係る商品推薦装置100のハードウェア構成例を示す図である。
本実施の形態に係る商品推薦装置100は、商品推薦システムの一例であり、例えば小売業などにおいて、消費者に対して商品を推薦するために用いられるコンピュータ装置である。図示するように、商品推薦装置100は、演算手段であるCPU(Central Processing Unit)101と、記憶手段であるメインメモリ102及び磁気ディスク装置103とを備える。

0010

ここで、CPU101は、OS(Operating System)やアプリケーション等の各種プログラムを実行し、商品推薦装置100の各種機能を実現する。また、メインメモリ102は、各種プログラムやその実行に用いるデータ等を記憶する記憶領域である。また、磁気ディスク装置103は、各種プログラムに対する入力データや各種プログラムからの出力データ等を記憶する記憶領域である。

0011

さらに、商品推薦装置100は、外部との通信を行うための通信インタフェース(通信I/F)104と、ビデオメモリディスプレイ等からなる表示機構105と、キーボードマウス等の入力デバイス106とを備える。

0012

<商品推薦装置の機能構成
次に、本実施の形態に係る商品推薦装置100の機能構成について説明する。図2は、本実施の形態に係る商品推薦装置100の機能構成例を示したブロック図である。
商品推薦装置100は、商品の販売履歴を格納する販売履歴格納部111と、商品の販売履歴を取得する販売履歴取得部112と、商品の販売履歴を用いて、商品を推薦する度合を示す指標(以下、推薦指標と称する)を商品毎に計算する推薦指標計算部113とを備える。
また、商品推薦装置100は、商品の推薦指標が一覧で示されたリスト(以下、販売商品リストと称する)を生成する販売商品リスト生成部114と、販売商品リストに示された推薦指標を基に、消費者に推薦する商品のリスト(以下、推薦商品リストと称する)を生成する推薦商品リスト生成部115と、商品に関する各種情報を格納する商品情報格納部116と、商品情報格納部116に格納された情報を基に、推薦商品リストに示された商品の情報を出力する商品情報出力部117とを備える。

0013

販売履歴格納部111は、商品の販売履歴を格納する。この販売履歴は、販売されたことのある複数の商品のそれぞれに関する販売の記録を示すものであり、例えば、各商品について消費者に購入された個数や購入した消費者の人数などの情報を含んでいる。より具体的には、例えば店頭で商品を販売するスーパーマーケットインターネット通信販売を行う小売業者などにおいて、食料品日用品等の各種商品に関する販売の記録を示すものを例示することができる。なお、販売履歴は、1店舗のものであっても良いが、複数の店舗や異なる複数の会社で販売された記録を示すものであっても良い。

0014

販売履歴取得部112は、販売履歴格納部111から商品の販売履歴を取得する。ここで、販売履歴取得部112は、販売履歴格納部111に格納されている販売履歴を全て取得しても良いが、例えば、過去1年間の販売履歴や、昨年4月の1か月間の販売履歴などのように、期間を指定して販売履歴を取得しても良い。期間を指定して販売履歴を取得する場合には、例えば、予め期間が設定されていたり、商品推薦装置100の使用者等が入力して期間を設定したりするものとする。

0015

出力部の一例としての推薦指標計算部113は、販売履歴取得部112が取得した販売履歴を基に、商品毎に推薦指標を計算する。推薦指標の詳細については、後述する。

0016

販売商品リスト生成部114は、販売履歴取得部112が取得した販売履歴と推薦指標計算部113が計算した推薦指標とを用いて、販売商品リストを生成する。この販売商品リストには、販売履歴取得部112が取得した販売履歴に含まれる各商品について、推薦指標を含む各種情報が示されている。販売商品リストの詳細については、後述する。

0017

推薦部の一例としての推薦商品リスト生成部115は、販売商品リストに示された推薦指標を基に、推薦商品リストを生成する。ここで、推薦商品リスト生成部115は、各商品の推薦指標を比較し、消費者に推薦する商品として、推薦指標が予め定められた基準を満たす商品を抽出する。そして、推薦商品リスト生成部115は、抽出した商品を一覧にして推薦商品リストを生成する。推薦指標が予め定められた基準を満たす商品としては、例えば、推薦指標が大きいものから一定数の商品を例示することができる。また、例えば、推薦指標が予め定められた閾値以上の商品を例示することができる。

0018

また、商品推薦装置100の使用者等が、販売商品リストに示された推薦指標を確認し、消費者に推薦する商品を選択しても良い。この場合には、推薦商品リスト生成部115は、商品推薦装置100の使用者等により選択された商品を、推薦指標が予め定められた基準を満たす商品として抽出し、推薦商品リストを生成する。
消費者に推薦する商品を抽出する手順や推薦商品リストの詳細については、後述する。

0019

商品情報格納部116は、商品に関する各種情報を格納する。より具体的には、商品情報格納部116には、販売されたことのある商品や今後販売される予定の商品について、商品毎に、例えば、商品名、商品説明商品価格商品画像などの情報が格納される。また、商品情報格納部116は、商品毎に、後述する商品コード大分類コード、中分類コード小分類コードなどの情報を格納しても良い。

0020

推薦部の一例としての商品情報出力部117は、推薦商品リストに示された商品の情報を出力する。ここで、商品情報出力部117は、推薦商品リストに示された商品について、商品情報格納部116に格納されている情報を取得する。そして、商品情報出力部117は、商品情報格納部116から取得した商品の情報を、例えば、店頭に設置されたディスプレイ等に表示する。また、商品情報出力部117は、取得した商品の情報を、例えば、不図示のネットワークを介して企業のWeb(World Wide Web)サイト公開したり、消費者が所持する端末装置等に送信したりする。このように、商品の情報がディスプレイ等に表示されたり、Webサイトで公開されたり、または消費者の端末装置等に送信されたりすることにより、消費者に対して商品の推薦が行われる。

0021

なお、図2に示す商品推薦装置100を構成する各機能部は、ソフトウェアハードウェア資源とが協働することにより実現される。具体的には、CPU101が、販売履歴取得部112、推薦指標計算部113、販売商品リスト生成部114、推薦商品リスト生成部115、商品情報出力部117等を実現するプログラムを、例えば磁気ディスク装置103からメインメモリ102に読み込んで実行することにより、これらの機能部が実現される。また、販売履歴格納部111、商品情報格納部116は、例えば磁気ディスク装置103により実現される。

0022

<推薦指標の説明>
次に、推薦指標計算部113が計算する推薦指標について説明する。
スーパーマーケットなどの小売業においては、例えば、米や牛乳など定期的に購入される売れ筋の商品や、少数の消費者がたまに購入するような商品が存在する。売れ筋の商品は、消費者に推薦しなくても購入される商品であると考えられる。また、少数の消費者がたまに購入するような商品は、需要が少なく、広く消費者に推薦したとしても購入される数は少ないと考えられる。即ち、このような商品を消費者に推薦しても、売り上げが大幅に向上することは望めない。そこで、本実施の形態では、多くの消費者が購入の対象とするが、米や牛乳などの売れ筋の商品と比べると購入される総数の少ない商品を、消費者に推薦すべき商品とする。

0023

図3及び図4は、推薦指標を説明するための図である。
まず、図3を参照しながら、推薦指標について説明する。図3に示すグラフにおいて、縦軸は商品の購入総数、即ち、各商品に関して消費者に購入された総数である。また、横軸は購入総数による商品ランキング、即ち、購入総数の多い商品から順番に図中左から右へ並べたものである。

0024

ここで、領域A1は、全ての商品の中で購入総数の多い商品が存在する領域である。例えば、上述の米や牛乳などの売れ筋の商品が該当する。また、領域A3は、全ての商品の中で購入総数が少ない商品が存在する領域である。例えば、上述の少数の消費者がたまに購入するような商品が該当する。そして、これらの領域A1や領域A3に存在する商品は、上述したように、消費者に推薦しても売り上げが大幅に向上することは望めない。

0025

一方、領域A2は、全ての商品の中で購入総数が中間付近の商品が存在する領域である。この領域A2には、例えば、多くの人が購入の対象とするが、売れ筋の商品と比べると購入総数の少ない商品が存在すると考えられる。言い換えると、領域A2には、上述したように、本実施の形態において消費者に推薦すべき商品が含まれる。ただし、領域A2には、例えば、特定の消費者が大量購入する商品も含まれると考えられる。このような特定の消費者が大量購入する商品は、特定の消費者以外の消費者が購入する可能性が低く、広く消費者に推薦したとしても売り上げが大幅に向上することは望めない。そのため、領域A2に存在する商品から、特定の消費者が大量購入する商品を除外して、消費者に推薦すべき商品を抽出することが求められる。

0026

図4を参照しながら、さらに説明を続ける。
図4に示すグラフにおいて、縦軸は商品の購入総数を商品の購入人数で除した値、即ち、購入者一人当たりの購入数である。また、横軸は商品の購入人数である。
ここで、座標平面を4つに分けたうちの第1象限である領域B1は、一人当たりの購入数及び購入人数の両方が多い商品が属する領域である。付言すると、図3に示す領域A1の商品は、領域B1に含まれる可能性が高い。また、第3象限である領域B3は、一人当たりの購入数及び購入人数の両方が少ない商品が属する領域である。付言すると、図3に示す領域A3の商品は、領域B3に含まれる可能性が高い。そのため、本実施の形態において、領域B1、領域B3に含まれる商品は、消費者に推薦すべき商品とはいえない。

0027

そして、図3に示す領域A2の商品は、領域B2及び領域B4の何れかに含まれる可能性が高い。ここで、第2象限である領域B2は、購入人数は少ないが、一人当たりの購入数は多い商品が属する領域である。言い換えると、領域B2の商品は、特定の消費者が大量購入する商品の可能性が高く、このような商品は消費者に推薦すべき商品とはいえない。
第4象限である領域B4は、一人当たりの購入数は少ないが、購入人数が多い商品が属する領域である。言い換えると、領域B4の商品は、多くの消費者が購入の対象とするが、売れ筋の商品と比べると購入される総数の少ない商品である可能性が高く、本実施の形態において消費者に推薦すべき商品であるといえる。

0028

そこで、本実施の形態では、領域B4の商品を特定するための指標として、以下の数1式から計算される値が用いられる。

0029

0030

上述の数1式に示すように、推薦指標は、図4に示すグラフの横軸の値である購入人数を、グラフの縦軸の値である購入者一人当たりの購入数で除すことにより計算される。
付言すると、図4に示すグラフにおいて、横軸の値が大きく縦軸の値が小さい領域、即ち、領域B4の商品は、他の領域B1〜B3の商品と比較して、推薦指標の値が大きくなる可能性が高い。一方、横軸の値が大きく縦軸の値も大きい領域、即ち、領域B1の商品は、領域B4の商品と比較して、推薦指標の値が小さくなる可能性が高い。また、横軸の値が小さく縦軸の値も小さい領域、即ち、領域B3の商品は、領域B4の商品と比較して、推薦指標の値が小さくなる可能性が高い。さらに、横軸の値が小さく縦軸の値が大きい領域、即ち、領域B2の商品は、他の領域B1,B3,B4の商品と比較して、推薦指標の値が小さくなる可能性が高い。

0031

このようにして、本実施の形態に係る商品推薦装置100は、推薦指標の大きさを基に領域B4に含まれる商品を特定し、消費者に推薦すべき商品を決定する。付言すると、推薦指標は、商品の購入数(購入総数)と購入人数との関係により求められる値として捉えることができる。また、推薦指標は、購入人数は多いが購入数(購入総数)が少ない商品を推薦するための指標として捉えることもできる。

0032

<推薦指標と推薦による購入人数の増加数との関係>
次に、推薦指標と推薦による購入人数の増加数との関係を説明する。図5は、推薦指標と推薦による購入人数の増加数との関係を説明するための図である。図5に示すグラフの縦軸は、商品の推薦を行った前後での購入人数の増加数である。また、横軸は、商品の推薦指標である。ここで、図5に示す例は、約1000人の消費者を対象として、各商品(商品1〜商品15)について、例えば実際にチラシを配布したり商品の情報を消費者の端末装置に送信したりして、商品を推薦し、推薦を行った前後での購入人数の増加数を商品毎にプロットしたものである。また、各商品についてプロットした点を基に、最小二乗法により得られる回帰直線を示している。

0033

例えば、商品5は、推薦指標が0.12を示す商品である。また、商品5を推薦する前の購入人数と商品5を推薦した後の購入人数との差は33人であり、購入人数が33人増加したという結果が得られている。このようにしてプロットした点を基に得られる回帰直線は、正の傾きを有している。即ち、商品の推薦指標が大きいほど、推薦前後での購入人数の増加数が大きい傾向にあり、推薦する効果が高いことを示している。なお、回帰直線の相関係数Rの2乗は、0.2983である。

0034

<販売履歴の説明>
次に、販売履歴格納部111に格納される販売履歴について説明する。図6は、販売履歴の一例を示す図である。図6に示す例では、3種類の商品に関する販売の記録を示している。このような販売履歴は、例えば、商品推薦装置100の使用者等が販売履歴のデータを外部から取得して、販売履歴格納部111に格納する。また、例えば、POS(Point of Sales)システムにより、不図示のネットワークを介して、各商品の販売の記録が店舗から送信されてくることにより、販売履歴を格納することとしても良い。

0035

ここで、「購入日」は、商品が購入された日付を示す。「消費者コード」は、商品を購入した消費者を識別するために消費者に付与される番号である。「商品名」は、商品の名称を示す。「大分類コード」、「中分類コード」、「小分類コード」は、商品が分類される分類先を識別するために付与される番号である。「大分類コード」は、大分類を示すコード、「中分類コード」は中分類を示すコード、「小分類コード」は小分類を示すコードである。「商品コード」は、商品を識別するために商品に付与される番号である。「購入数」は、購入された商品の数を示す。

0036

図6に示す例では、上から順番に、商品名「A社無調整牛乳」、「A社コーヒー牛乳」、「B社絹ごし豆腐」の商品が購入されたことが記録されている。例えば、商品名「A社無調整牛乳」の商品については、2016年1月21日に、消費者コード「1234567」の消費者が1個購入したことが記録されている。また、この商品については、大分類コードが「01」、中分類コードが「01」、小分類コードが「01」であり、商品コードが「098765」であることが記録されている。さらに、商品名「A社コーヒー牛乳」の商品についても消費者コードが「1234567」であり、「A社無調整牛乳」の商品を購入した消費者が「A社コーヒー牛乳」も購入したといえる。

0037

なお、「消費者コード」は、例えば、消費者がWebサイトにログインして商品を購入する場合にログインに必要な情報として付与されたり、消費者が店頭で商品を購入する場合に提示するカード等に付与されたりするものである。同じ消費者が購入した場合であっても、例えばWebサイトにログインせずに購入したり、店頭でカードを提示せずに購入したりして、同じ消費者であることが特定できない場合には、購入毎に異なる消費者コードが付与されたり、消費者コード自体が付与されなかったりするものとする。

0038

また、「大分類コード」、「中分類コード」、「小分類コード」、「商品コード」は、同一の商品であっても、店舗毎や販売する企業毎に異なる番号が付与される場合がある。同一の商品に関して店舗毎、企業毎に異なる番号が付与される場合には、例えば組み換え表などを用いて、店舗毎、企業毎の番号をづけることにより、同一商品の記録を全店舗や全企業でまとめて扱うことができるようになる。

0039

さらに、図6に示す例では3種類の商品の記録のみ示しているが、販売履歴には、商品が購入される毎に情報が追加されるものとする。
また、図6には示していないが、販売履歴は、図6に示す情報以外のデータを含んでも良い。例えば、商品の原価、商品の販売価格などの消費に関する情報や、消費者の性別年齢などの消費者の属性商品販売の際に使用されたキャッシュレジスター番号などの販売時の情報が、販売履歴に含まれても良い。

0040

次に、商品が分類される分類先について、詳細に説明する。図7は、商品の分類先の一例を示す図である。ここでは、「飲料」の商品についての分類先を説明する。
図7に示す例では、「大分類」、「中分類」、「小分類」の3階層で商品が管理される。大分類としては、「乳飲料」、「豆乳」が設けられている。この「乳飲料」、「豆乳」の大分類は、さらに中分類に分けられる。例えば「乳飲料」は、「牛乳」、「牛乳飲料」、「ヨーグルト」の中分類に分けられる。そして、「牛乳」、「牛乳飲料」、「ヨーグルト」の中分類は、さらに小分類に分けられる。例えば「牛乳」は、「無調整牛乳」、「低脂肪牛乳」、「カルシウム牛乳」の小分類に分けられる。そして、各商品は、何れかの小分類に分類される。例えば、商品名「A社無調整牛乳」の商品は、小分類「無調整牛乳」に分類される。なお、商品名「A社無調整牛乳」の商品は、小分類「無調整牛乳」に分類されることにより、中分類では「牛乳」に、大分類では「乳飲料」に分類される。

0041

付言すると、図7に示す例において、例えば、「乳飲料」、「豆乳」の大分類コードはそれぞれ、「01」、「02」である。また、例えば、「乳飲料」の中分類である、「牛乳」、「牛乳飲料」、「ヨーグルト」の中分類コードはそれぞれ、「01」、「02」、「03」である。さらに、例えば、「牛乳」の小分類である、「無調整牛乳」、「低脂肪牛乳」、「カルシウム牛乳」の小分類コードはそれぞれ、「01」、「02」、「03」である。また、例えば、「牛乳飲料」の小分類である、「コーヒー牛乳」、「フルーツ牛乳」の小分類コードはそれぞれ、「01」、「02」である。

0042

このような商品の分類は、店舗や販売する企業が異なっても共通する分類が行われる場合もあれば、店舗毎や企業毎に異なる分類が行われる場合もある。例えば、商品名「A社冷凍ハンバーグ」の商品は、ある店舗では「冷凍食品」に分類される一方で、他の店舗では「冷凍食品」ではなく「肉加工品」に分類される場合がある。このように、同一の商品に関して店舗毎、企業毎に異なる分類先に分類される場合には、例えば組み換え表などを用いて異なる分類先に属する同一の商品を紐付けることにより、同一商品の記録を全店舗や全企業でまとめて扱うことができるようになる。

0043

なお、図7に示す例では、分類先の階層が3階層に分かれる場合について説明したが、分類先の階層は3階層とは限られず、3階層より少ない場合もあれば、3階層よりも多い場合もあるものとする。

0044

<販売商品リストの説明>
次に、販売商品リスト生成部114が生成する販売商品リストについて説明する。図8は、販売商品リストの一例を示す図である。図8に示す例では、3種類の商品に関する販売の記録を示している。
販売開始日」は、商品の販売が開始された日付を示す。「商品名」、「大分類コード」、「中分類コード」、「小分類コード」、「商品コード」は、図6に示す項目と同様であるためここでは説明を省略する。「推薦指標」は、推薦指標計算部113により計算された推薦指標を示す。

0045

図8に示す例では、上から順番に、商品名「A社無調整牛乳」、「A社コーヒー牛乳」、「B社絹ごし豆腐」の商品を示している。そして、商品名「A社無調整牛乳」、「A社コーヒー牛乳」、「B社絹ごし豆腐」の商品の推薦指標は、それぞれ、「1.23」、「1.58」、「2.98」であることを示している。この3種類の商品で比較すると、「B社絹ごし豆腐」の推薦指標が最も高く、3種類の商品の中では最も消費者に推薦すべき商品である。

0046

なお、図8に示す例では3種類の商品の情報のみ示しているが、実際には販売履歴として記録されている各商品の情報が示されるため、4種類以上の商品が購入されていれば4種類以上の商品の情報が示される。

0047

<推薦商品リストの説明>
次に、推薦商品リスト生成部115が生成する推薦商品リストについて説明する。図9は、推薦商品リストの一例を示す図である。図9に示す例では、消費者に対して推薦する商品として2種類の商品を示している。「商品名」、「大分類コード」、「中分類コード」、「小分類コード」、「商品コード」、「推薦指標」は、図6又は図8に示す項目と同様であるためここでは説明を省略する。

0048

図9に示す例では、商品名「C社ヨーグルト」、「D社冷凍ハンバーグ」の2種類の商品を示している。
ここで、推薦商品リスト生成部115は、例えば、販売商品リストに示された推薦指標を比較して、上位2つの商品を抽出することにより、図9に示す推薦商品リストを生成する。言い換えると、推薦商品リスト生成部115は、推薦指標が予め定められた基準を満たす商品として、販売商品リストの中で上位2つの推薦指標の商品である「C社ヨーグルト」、「D社冷凍ハンバーグ」を抽出し、推薦商品リストを生成する。なお、推薦商品リストに載せる商品数については、例えば、推薦に必要となる予算やWebサイトのレイアウトなどを基に決められるものとする。

0049

また、販売商品リストを表示機構105等に表示することにより、商品推薦装置100の使用者等が販売商品リストの推薦指標を確認し、「C社ヨーグルト」、「D社冷凍ハンバーグ」の2つの商品を選択しても良い。この場合、推薦商品リスト生成部115は、商品推薦装置100の使用者等により選択された商品である「C社ヨーグルト」、「D社冷凍ハンバーグ」を推薦指標が予め定められた基準を満たす商品として抽出し、推薦商品リストを生成する。

0050

<販売履歴から推薦商品リストを出力する処理手順>
次に、本実施の形態に係る商品推薦装置100が、販売履歴から推薦商品リストを出力する処理手順について説明する。図10は、商品推薦装置100が販売履歴から推薦商品リストを出力する処理手順の一例を示したフローチャートである。

0051

まず、販売履歴取得部112は、販売履歴格納部111から、分析の対象とする商品の販売履歴を取得する(ステップ101)。ここで、販売履歴取得部112は、例えば、商品推薦装置100の使用者等の操作を契機として、販売履歴を取得する。また、販売履歴取得部112は、例えば、1週間などの一定期間毎に販売履歴を取得するようにしても良い。

0052

次に、推薦指標計算部113は、販売履歴取得部112が取得した販売履歴から、推薦指標を求める商品を1つ選択する(ステップ102)。次に、推薦指標計算部113は、販売履歴から、選択した商品の購入総数をカウントする(ステップ103)。次に、推薦指標計算部113は、選択した商品を購入した購入人数をカウントする(ステップ104)。次に、推薦指標計算部113は、選択した商品について、カウントした購入総数及び購入人数を基に、上述した数1式により推薦指標を計算する(ステップ105)。

0053

ここで、ステップ102〜105の処理について、具体例を示して説明する。ステップ102において、推薦指標計算部113は、販売履歴取得部112が取得した販売履歴に示されている商品の中から、例えば、商品名「A社無調整牛乳」の商品(以下、この商品を「商品A」として説明する)を選択する。次に、ステップ103において、推薦指標計算部113は、販売履歴取得部112が取得した販売履歴から、商品Aの購入総数をカウントする。例えば、販売履歴が1か月間のものであれば、推薦指標計算部113は、その1か月間で購入された商品Aの個数の合計値を求める。
次に、ステップ104において、推薦指標計算部113は、販売履歴取得部112が取得した販売履歴から、商品Aを購入した購入人数をカウントする。例えば、販売履歴が1か月間のものであれば、推薦指標計算部113は、その1か月間で商品Aを購入した人数の合計値を求める。なお、購入人数のカウントは、消費者コードを基に行われる。例えば、購入履歴において、同一の消費者コードが記録されている場合には、その記録による購入者の数は1人とされる。また、異なる2つの消費者コードが記録されている場合には、その記録による購入者の数は2人とされる。次に、ステップ105において、推薦指標計算部113は、商品Aについて、推薦指標を計算する。例えば、商品Aの購入総数が「50個」、商品Aの購入人数が「10人」であれば、商品Aの推薦指標は、以下の数2式のように計算される。

0054

0055

ステップ105において推薦指標が計算された後、販売商品リスト生成部114は、販売商品リストに、推薦指標を計算した商品の情報を追加する(ステップ106)。上述した例では、商品Aの推薦指標を計算したため、販売商品リスト生成部114は、推薦指標などの商品Aの情報を販売商品リストに追加する。ここで、販売商品リストがまだ生成されていない場合には、販売商品リスト生成部114は、新たに販売商品リストを生成し、1つ目の商品として商品Aの情報を追加する。次に、推薦指標計算部113は、販売履歴取得部112が取得した販売履歴において、全ての商品を選択したか否かを判定する(ステップ107)。

0056

ステップ107において、まだ選択されていない商品がある場合(ステップ107でNo)、ステップ102に移行する。一方、全ての商品が選択された場合(ステップ107でYes)、推薦商品リスト生成部115は、各商品の情報が追加された販売商品リストを基に、推薦商品リストを生成する(ステップ108)。ここで、推薦商品リスト生成部115は、販売商品リストに示された各商品の推薦指標を基に予め定められた基準を満たす商品を抽出して、推薦商品リストを生成する。より具体的には、推薦商品リスト生成部115は、推薦指標が上位の商品を抽出したり、商品推薦装置100の使用者等に選択された商品を抽出したりすることにより、推薦商品リストを生成する。次に、商品情報出力部117は、推薦商品リストに示された商品の情報を商品情報格納部116から取得し、取得した情報を出力する(ステップ109)。そして、本処理フローは終了する。

0057

また、ステップ102において、推薦指標計算部113は、販売履歴から推薦指標を計算する商品を1つ選択することとしたが、このような構成に限られるものではない。例えば、推薦指標を計算する商品を予め決めておいても良い。この場合、推薦指標計算部113は、例えば、推薦指標を計算する商品リストを確認して、その商品リストの中から商品を1つ選択し、ステップ103〜ステップ106の処理を行う。またステップ107では、推薦指標計算部113は、推薦指標を計算する商品リストにおいて、全ての商品を選択したか否かを判定する。

0058

<推薦指標を計算する手順の他の例>
次に、推薦指標を計算する手順の他の例について説明する。
ある商品(以下、この商品を「商品B」として説明する)について、例えば、期間限定で販売された場合には、商品Bに関する販売の記録が少ないことが考えられる。推薦指標の計算では、例えば1か月以上の記録など、販売の記録が予め定められた基準量よりも多いことが好ましい。そこで、推薦指標計算部113は、商品Bに関連する商品の購入総数を用いて、商品Bの購入総数を推定しても良い。

0059

例えば、商品Bを年間で販売すると想定した場合、推薦指標計算部113は、以下の数3式により、商品Bについての年間の購入総数を推定する。
数3式において、b1(年間)は、商品Bを年間で販売すると想定した場合の商品Bの購入総数の推定値である。b1(期間限定)は、商品Bの販売期間における実際の商品Bの購入総数である。また、B1(年間)は、商品Bが属する分類先(例えば、大分類)に分類される商品についての実際の年間の購入総数である。B1(期間限定)は、商品Bが属する分類先に分類される商品についての商品Bの販売期間における実際の購入総数である。

0060

0061

付言すると、B1(年間)やB1(期間限定)には、商品Bの購入総数に加えて、商品Bが属する分類先に分類される他の商品の購入総数が含まれる。また、b1(年間)は推定値であるが、b1(期間限定)、B1(年間)、B1(期間限定)は、販売履歴格納部111の販売履歴から求められる値である。
推薦指標計算部113は、このようにして商品Bの年間の購入総数を推定し、数1式により商品Bの推薦指標を計算する。なお、商品Bの年間の購入人数については、商品Bが属する分類先に分類される商品についての年間の購入人数をそのまま用いれば良いが、数3式と同様に計算して、商品Bの年間の購入人数を推定しても良い。

0062

また、商品Bの購入数の推定は、数3式を用いて計算する構成に限られるものではなく、例えば、商品Bが属する分類先(例えば、大分類)に分類される商品の購入総数を、そのまま商品Bの購入総数として推定しても良い。この場合、推薦指標計算部113は、例えば、商品Bが属する大分類に分類される商品の購入総数及び購入人数を用いて、商品Bが属する大分類に対応する推薦指標を計算する。そして、計算した推薦指標を商品Bの推薦指標として推定する。言い換えると、推薦指標計算部113は、商品Bが属する大分類に対応する推薦指標を、そのまま商品Bの推薦指標として推定する。なお、商品Bが属する中分類に対応する推薦指標や、商品Bが属する小分類に対応する推薦指標を計算し、商品Bの推薦指標として推定しても良い。

0063

さらに、商品Bの推薦指標を計算する他の例として、例えば、商品Bが属する分類先(例えば、大分類)に分類される他の商品の推薦指標をそのまま、商品Bの推薦指標として用いても良い。この場合、推薦指標計算部113は、例えば、商品Bが属する大分類に分類される他の商品の推薦指標をそのまま商品Bの推薦指標として推定する。また、推薦指標計算部113は、商品Bの推薦指標として、例えば、商品Bが属する中分類に分類される他の商品の推薦指標や、商品Bが属する小分類に分類される他の商品の推薦指標を、商品Bの推薦指標として推定しても良い。

0064

また、このようにして商品Bの推薦指標を計算しなくても、商品Bと分類先が共通する他の商品の推薦指標が予め定められた基準を満たす場合に、商品Bを推薦することとしても良い。即ち、一の商品の推薦指標が予め定められた基準を満たす場合に、一の商品の分類先に分類される他の商品を推薦しても良い。
さらに説明すると、例えば、販売可能な商品の一覧(以下、販売可能リストと称する)を予め用意しておき、推薦指標が上位(例えば、最上位)の商品(例えば、商品名、商品コード等)が販売可能リストの商品(例えば、商品名、商品コード等)と一致したら、商品情報出力部117は、その商品を推薦する。一方、販売可能リスト内に一致するものがなければ、商品情報出力部117は、推薦指標が上位の商品の小分類と販売可能リストの商品の小分類とが一致する販売可能リスト内の他の商品を、推薦指標が上位の商品の代替品として推薦する。さらに、小分類が一致する他の商品が販売可能リスト内になければ、商品情報出力部117は、推薦指標が上位の商品との間で中分類(又は大分類)が一致する複数の商品の中から選択した商品を代替品として推薦しても良い。この場合、例えば、予め小分類間の類似度を設定しておき、推薦指標が上位の商品の小分類と類似度の高い小分類に分類される代替品を選択するようにしても良いし、または、予め各小分類に優先度を設定しておき、この優先度の順位に従って代替品を選択するようにしても良い。

0065

このようなプロセスにより推薦する商品を選択していくことで、例えば、販売履歴に含まれており推薦指標の高い商品が販売可能リストに含まれていない場合であっても、同種の商品が販売可能リストに含まれる場合においては、その商品が代替品として推薦されることになる。例えば、ある店舗において、販売履歴に含まれており推薦指標の高い商品の取り扱いをやめ、同種の他の商品に置き換える場合には、他の商品についての販売履歴はまだ存在しないことになる。このような場合にも、他の商品が推薦されることになる。具体的には、例えば、ある店舗において、それまで販売していた推薦指標が高いA社無調整牛乳の販売を取りやめ、新たにZ社無調整牛乳、又はZ社低脂肪牛乳の取り扱いを始めた場合には、これら新たな商品の販売履歴がない(又は少ない)ことになるが、これらの商品が推薦されることになる。
このようにして、一の商品の推薦指標が予め定められた基準を満たす場合に、一の商品の分類先に分類される他の商品を推薦する処理は、図10に示すステップ108、ステップ109の処理の一例として捉えることができる。

0066

なお、一方の店舗と他方の店舗とで、一方の店舗での販売履歴から計算した推薦指標を用いて、他方の店舗での商品の推薦を行っても良い。例えば、一方の店舗の販売履歴から計算される推薦指標が上位(例えば、最上位)の商品を他方の店舗でも推薦したり、上記と同様に、その商品が他方の店舗の販売可能リストに含まれない場合に、その商品と同種の商品で販売可能リストに含まれる商品を推薦したりしても良い。

0067

また、本実施の形態において、推薦指標計算部113は、購入人数を一人当たりの購入数で除した値を推薦指標として計算したが、このような値を推薦指標として用いる構成に限られるものではない。本実施の形態では、図4に示す領域B4に含まれる商品を対象として推薦を行えば良い。そのため、例えば、購入人数が閾値X以上であって、一人当たりの購入数が閾値Y以下の商品が領域B4に含まれる商品と想定し、該当する商品のうち、購入人数がより大きいものを推薦したり、一人当たりの購入数がより小さいものを推薦したりしても良い。この場合、購入人数及び一人当たりの購入数が、推薦指標の一例として捉えることができる。

0068

さらに、例えば、購入人数が閾値X以上、かつ一人当たりの購入数が閾値Y以下という条件を満たすには、購入人数が閾値X以上で、かつ購入総数が少なくともXY(即ち、閾値Xと閾値Yとの積)以下であれば良い。そこで、例えば、購入人数が閾値X以上で、かつ購入総数がXY以下の商品が領域B4に含まれる商品と想定し、該当する商品のうち、購入人数がより大きいものを推薦したり、購入総数がより小さいものを推薦したりしても良い。この場合、購入人数及び購入総数が、推薦指標の一例として捉えることができる。

0069

[実施の形態2]
次に、実施の形態2について説明を行う。
実施の形態1では、推薦指標計算部113は、購入人数及び購入総数を用いて推薦指標を計算した。これに対して、本実施の形態において、推薦指標計算部113は、異なる値を用いて推薦指標を計算する。

0070

本実施の形態に係る商品推薦装置100のハードウェア構成及び機能構成については、図1及び図2に示す構成と同様である。また、販売履歴格納部111、販売履歴取得部112、販売商品リスト生成部114、推薦商品リスト生成部115、商品情報格納部116、商品情報出力部117の機能は、実施の形態1と同様である。よって以下、実施の形態1と異なる点として、推薦指標計算部113について説明を行う。

0071

実施の形態1において、推薦指標は、購入人数を購入者一人当たりの購入数で除した値である。ここで、購入人数は、商品を購入した購入者の人数であり、商品に馴染みを持っている消費者がどれくらい存在するかを示す度合(以下、馴染み度と称する)の一例として捉えることができる。また、購入者一人当たりの購入数は、商品がどれくらい売れているかを表す売れ筋の度合(以下、売れ筋度と称する)の一例として捉えることができる。即ち、推薦指標は、以下の数4式により計算される値として捉えることができる。

0072

0073

そして、馴染み度としては、購入人数の他に、例えば、商品が店頭に並んだ回数や、商品が店頭に並んだ日数、商品がカタログ掲載された回数など、商品が販売に際して露出された頻度、言い換えると、商品が販売に際して露出された回数を用いても良い。
また、売れ筋度としては、購入者一人当たりの購入数の他に、例えば、購入総数を露出回数で除した値(即ち、露出1回当たりの購入数)を用いても良い。
例えば、馴染み度を露出回数、売れ筋度を露出1回当たりの購入数とする場合には、推薦指標は、以下の数5式により計算される。

0074

0075

図11(a)は、馴染み度と消費者の購入意欲増加度との関係の一例を示した図である。また、図11(b)は、売れ筋度と消費者の購入意欲増加度との関係の一例を示した図である。
まず、図11(a)に示すグラフにおいて、縦軸は、推薦による消費者の購入意欲増加度である。この購入意欲増加度は、推薦を行った前後での商品の購入数の増加率を表し、全商品の増加率の平均値を0としたものである。実際には、全商品の増加率の平均値は1.8であるため、縦軸の値に1.8を加えると実際の増加率になる。また、横軸は、馴染み度の一例としての露出回数である。

0076

ここで、図11(a)に示す例は、複数の商品を店頭に露出した回数を測定するとともに、各商品について実際にチラシを配布したり商品の情報を消費者の端末装置に送信したりして、商品を推薦し、推薦を行った前後での購入意欲増加度を商品毎にプロットしたものである。また、各商品についてプロットした点を基に最小二乗法により得られる回帰直線を示している。図示のように、回帰直線は正の傾き(傾きr=0.528)を有している。即ち、露出回数が多いほど、推薦による購入意欲増加度が大きい傾向にあることが示されている。言い換えると、商品を露出するほど、推薦による効果が高くなることが示されている。

0077

また、図11(b)に示すグラフにおいて、縦軸は、推薦による消費者の購入意欲増加度である。また、横軸は、売れ筋度の一例としての露出1回当たりの購入数である。ここで、図11(b)に示す例は、図11(a)に示す例と同様に、複数の商品を店頭に露出した回数を測定するとともに、各商品について実際に推薦を行い、推薦を行った前後での購入意欲増加度を商品毎にプロットしたものである。また、各商品についてプロットした点を基に最小二乗法により得られる回帰直線を示している。図示のように、回帰直線は負の傾き(傾きr=−0.463)を有している。即ち、露出1回当たりの購入数が多いほど、推薦による購入意欲増加度が小さい傾向にあることが示されている。言い換えると、よく売れる商品ほど、推薦による効果が低くなることが示されている。

0078

さらに説明すると、数5式により、露出回数が多く露出1回当たりの購入数が少ないほど、推薦指標が大きくなる。また、図11(a),(b)に示す例により、露出回数が多いほど購入意欲増加度が大きくなり、露出1回当たりの購入数が少ないほど購入意欲増加度が大きくなる。即ち、推薦指標が大きいほど、購入意欲増加度も大きくなるといえる。そこで、本実施の形態において、推薦商品リスト生成部115は、数5式に示す推薦指標が予め定められた基準を満たす商品、例えば、推薦指標が大きいものから一定数の商品や、推薦指標が予め定められた閾値以上の商品を抽出して、推薦商品リストを生成する。

0079

また、本実施の形態において、馴染み度は、商品が消費者に対してどれくらい認知されているかを示す認知度として捉えることができる。この認知度は、商品の露出頻度、露出回数に限られるものではなく、例えば、商品をどれくらい認知しているか等を質問するアンケートを実際に消費者に対して行うことにより求めても良い。

0080

<商品推薦装置の他のハードウェア構成例>
ところで、実施の形態1及び実施の形態2に係る商品推薦装置100の処理は、プリント機能を有する画像形成装置において実現しても良い。そこで、商品推薦装置100の処理を画像形成装置で実現するものとして、そのハードウェア構成について説明する。

0081

図12は、本実施の形態を適用可能な画像形成装置のハードウェア構成例を示した図である。
図示するように、商品推薦装置100は、CPU(Central Processing Unit)121と、RAM(Random Access Memory)122と、ROM(Read Only Memory)123と、HDD(Hard Disk Drive)124と、操作パネル125と、画像読み取り部126と、画像形成部127と、通信インタフェース(通信I/F)128とを備える。

0082

CPU121は、ROM123等に記憶された各種プログラムをRAM122にロードして実行することにより、図2に示す商品推薦装置100を構成する各機能部を実現する。
RAM122は、CPU121の作業用メモリ等として用いられるメモリである。
ROM123は、CPU121が実行する各種プログラム等を記憶するメモリである。
HDD124は、画像読み取り部126が読み取った画像データや画像形成部127における画像形成にて用いる画像データ等を記憶する例えば磁気ディスク装置である。
操作パネル125は、各種情報の表示やユーザからの操作入力の受付を行う例えばタッチパネルである。

0083

画像読み取り部126は、用紙等の記録材に記録された画像を読み取る。ここで、画像読み取り部126は、例えばスキャナであり、光源から原稿照射した光に対する反射光レンズ縮小してCCD(Charge Coupled Devices)で受光するCCD方式や、LED光源から原稿に順に照射した光に対する反射光をCIS(Contact Image Sensor)で受光するCIS方式のものを用いるとよい。

0084

画像形成部127は、用紙等の記録材に画像を形成する印刷機構である。ここで、画像形成部127は、例えばプリンタであり、感光体に付着させたトナーを記録材に転写して像を形成する電子写真方式や、インクを記録材上に吐出して像を形成するインクジェット方式のものを用いるとよい。
通信I/F128は、不図示のネットワークを介して他の装置との間で各種データの送受信を行う通信インタフェースとして機能する。

0085

このように、商品推薦装置100の処理が画像形成装置にて実現される場合、商品情報出力部117は、推薦商品リストに示された商品に関する情報(画像)を用紙に形成して出力しても良い。この場合、商品情報出力部117は、画像形成部127により実現される。
さらに説明すると、商品に関する情報として、例えば、商品名、商品説明、商品価格、商品画像などの情報が用紙に形成して出力される。このように商品に関する情報が形成された用紙が、広告として、例えば、消費者に直接配布されたり、新聞折り込みとして配布されたり、店頭に表示されたりすることにより、消費者に対して商品が推薦される。この場合、画像形成装置を、商品推薦システムの一例として捉えることができる。

0086

また、商品推薦装置100の機能を、複数の装置に分けて実現することとしても良い。例えば、販売履歴格納部111、販売履歴取得部112、推薦指標計算部113、販売商品リスト生成部114、推薦商品リスト生成部115の機能を図1に示すコンピュータ装置で実現し、商品情報出力部117の機能を図12に示す画像形成装置で実現しても良い。この場合、コンピュータ装置及び画像形成装置を、商品推薦システムの一例として捉えることができる。

0087

なお、本発明の実施の形態を実現するプログラムは、通信手段により提供することはもちろん、CD−ROM等の記録媒体に格納して提供することも可能である。

0088

以上、本発明の実施の形態について説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されない。上記実施の形態に、種々の変更又は改良を加えたものも、本発明の技術的範囲に含まれることは、特許請求の範囲の記載から明らかである。

0089

100…商品推薦装置、111…販売履歴格納部、112…販売履歴取得部、113…推薦指標計算部、114…販売商品リスト生成部、115…推薦商品リスト生成部、116…商品情報格納部、117…商品情報出力部

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