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 出雲英剛佐藤政寛園田隆志
出願日 2016年5月23日 (4年5ヶ月経過) 出願番号 2016-102415
公開日 2017年11月30日 (2年11ヶ月経過) 公開番号 2017-211699
状態 特許登録済
技術分野 検索装置
主要キーワード 相関関係算出 対象消費者 購入人 消費者毎 日用品等 計算済み 各消費者 焼き鳥
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 (15)

課題

商品推薦した場合の推薦による影響度を考慮せずに商品の推薦を行う場合と比較して、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、事前に消費者に対して推薦が行われた商品のうちの特定の商品について、複数の消費者の中から、特定の商品を推薦した場合の推薦による影響度が予め定められた条件を満たす消費者を抽出する消費者選定部117と、抽出された消費者に特定の商品を推薦する商品情報出力部118とを備える。

概要

背景

例えば、特許文献1には、ユーザの嗜好を構成する個々の属性、要素などの重みを、ユーザの操作の内容に応じて調整して、ユーザに推薦するアイテムを特定する推薦装置が開示されている。

概要

商品を推薦した場合の推薦による影響度を考慮せずに商品の推薦を行う場合と比較して、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、事前に消費者に対して推薦が行われた商品のうちの特定の商品について、複数の消費者の中から、特定の商品を推薦した場合の推薦による影響度が予め定められた条件を満たす消費者を抽出する消費者選定部117と、抽出された消費者に特定の商品を推薦する商品情報出力部118とを備える。

目的

本発明は、商品を推薦した場合の推薦による影響度を考慮せずに商品の推薦を行う場合と比較して、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
0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、複数の消費者の中から、特定の商品推薦した場合の推薦による影響度が予め定められた条件を満たす消費者を抽出する機能と、前記抽出された消費者に前記特定の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

前記特定の商品が推薦された消費者による当該特定の商品の購入数と当該特定の商品が推薦されていない消費者による当該特定の商品の購入数との差分により、前記影響度を算出する機能をさらに実現させ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

前記推薦する機能は、前記特定の商品と他の商品との相関関係が予め定められた条件を満たす場合、前記抽出された消費者に当該特定の商品とともに当該他の商品を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4

前記抽出する機能は、商品毎に消費者を抽出し、前記推薦する機能は、複数の商品について共通の消費者が抽出された場合、当該抽出された消費者に当該複数の商品を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5

前記推薦する機能は、前記複数の商品における相関関係が予め定められた条件を満たす場合、前記抽出された消費者に当該複数の商品のうちの一部の商品を推薦することを特徴とする請求項4に記載のプログラム。

請求項6

コンピュータに、複数の商品の中から、特定の消費者に商品を推薦した場合の推薦による影響度が予め定められた条件を満たす商品を抽出する機能と、前記特定の消費者に前記抽出された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

複数の消費者の中から、特定の商品を推薦した場合の推薦による影響度が予め定められた条件を満たす消費者を抽出する抽出部と、前記抽出された消費者に前記特定の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8

前記推薦部は、前記特定の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、当該特定の商品の推薦を行うことを特徴とする請求項7に記載の商品推薦システム。

請求項9

複数の消費者の中から、特定の商品を推薦した場合の推薦による影響度が予め定められた条件を満たす消費者を抽出するステップと、前記抽出された消費者に前記特定の商品を推薦するステップとを含む商品推薦方法

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、ユーザの嗜好を構成する個々の属性、要素などの重みを、ユーザの操作の内容に応じて調整して、ユーザに推薦するアイテムを特定する推薦装置が開示されている。

先行技術

0003

特開2010−61601号公報

発明が解決しようとする課題

0004

消費者の嗜好分布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、商品を推薦したことによりその商品の購買意欲が高まるような消費者がいる一方で、商品を推薦したとしてもその商品の購買意欲が高まらないような無反応の消費者もいることが考えられる。推薦により商品の購買意欲が高まるような消費者に推薦することが望ましい。
本発明は、商品を推薦した場合の推薦による影響度を考慮せずに商品の推薦を行う場合と比較して、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

0005

請求項1に記載の発明は、コンピュータに、複数の消費者の中から、特定の商品を推薦した場合の推薦による影響度が予め定められた条件を満たす消費者を抽出する機能と、前記抽出された消費者に前記特定の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、前記特定の商品が推薦された消費者による当該特定の商品の購入数と当該特定の商品が推薦されていない消費者による当該特定の商品の購入数との差分により、前記影響度を算出する機能をさらに実現させ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、前記推薦する機能は、前記特定の商品と他の商品との相関関係が予め定められた条件を満たす場合、前記抽出された消費者に当該特定の商品とともに当該他の商品を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4に記載の発明は、前記抽出する機能は、商品毎に消費者を抽出し、前記推薦する機能は、複数の商品について共通の消費者が抽出された場合、当該抽出された消費者に当該複数の商品を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5に記載の発明は、前記推薦する機能は、前記複数の商品における相関関係が予め定められた条件を満たす場合、前記抽出された消費者に当該複数の商品のうちの一部の商品を推薦することを特徴とする請求項4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、複数の商品の中から、特定の消費者に商品を推薦した場合の推薦による影響度が予め定められた条件を満たす商品を抽出する機能と、前記特定の消費者に前記抽出された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、複数の消費者の中から、特定の商品を推薦した場合の推薦による影響度が予め定められた条件を満たす消費者を抽出する抽出部と、前記抽出された消費者に前記特定の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8に記載の発明は、前記推薦部は、前記特定の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、当該特定の商品の推薦を行うことを特徴とする請求項7に記載の商品推薦システムである。
請求項9に記載の発明は、複数の消費者の中から、特定の商品を推薦した場合の推薦による影響度が予め定められた条件を満たす消費者を抽出するステップと、前記抽出された消費者に前記特定の商品を推薦するステップとを含む商品推薦方法である。

発明の効果

0006

請求項1記載の発明によれば、商品を推薦した場合の推薦による影響度を考慮せずに商品の推薦を行う場合と比較して、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、商品を推薦した場合の推薦による影響度を簡易に算出することができる。
請求項3記載の発明によれば、一緒に購入される傾向のある複数の商品をまとめて推薦することができる。
請求項4記載の発明によれば、商品を推薦した場合の推薦による影響度を考慮せずに商品の推薦を行う場合と比較して、共通の消費者に対して推薦の効果が高い複数の商品を推薦することができる。
請求項5記載の発明によれば、複数の商品が別々に購入される傾向がある場合に、複数の商品のうちの一部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、商品を推薦した場合の推薦による影響度を考慮せずに商品の推薦を行う場合と比較して、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、商品を推薦した場合の推薦による影響度を考慮せずに商品の推薦を行う場合と比較して、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8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配布することができる。
請求項9記載の発明によれば、商品を推薦した場合の推薦による影響度を考慮せずに商品の推薦を行う場合と比較して、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。

図面の簡単な説明

0007

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。
(a),(b)は、既推薦消費者及び未推薦消費者について、推薦期間内での対象商品の購入数と嗜好度合との相関関係の一例を示す図である。
購入数向上度の一例を説明するための図である。
嗜好度合と購入数向上度との関係の一例を示す図である。
商品推薦装置が対象商品を推薦する消費者を選定する処理手順の一例を示したフローチャートである。
対象商品を推薦する消費者選定手順の他の例1を説明するための図である。
対象商品を推薦する消費者選定手順の他の例2を説明するための図である。
(a),(b)は、複数の対象商品で共通の消費者が選定される場合の一例を説明するための図である。
購入率が負の相関を持つ2つの対象商品の一例を説明するための図である。
購入率が負の相関を持つ2つの対象商品の具体例を示す図である。
購入率が正の相関を持つ2つの対象商品の一例を説明するための図である。
購入率が正の相関を持つ2つの対象商品の具体例を示す図である。
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

0008

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。
<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。

0009

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。

0010

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。

0011

<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。
本実施の形態では、まず、例えばスーパーマーケット店頭で商品を販売する小売業者インターネット通信販売を行う小売業者などが、実際に店頭で広告を配布したり、インターネットにより広告を配信したりして、消費者に対して商品の推薦を行う。ここで行われる商品の推薦は既存の手法を用いれば良く、例えば、商品の販売履歴やインターネットにおけるWeb(World Wide Web)サイトアクセス履歴などを基にして、売れ筋上位の商品の推薦が行われたり、協調フィルタリングにより商品の推薦が行われたりする。協調フィルタリングとは、消費者の嗜好を過去の行動という形で記録し、その消費者と似たような行動を取っている他の消費者の嗜好情報を基に、消費者の嗜好を推測するものである。
既存の手法により事前に推薦が行われた後、商品推薦装置100は、事前の推薦が行われた商品の中から、消費者に対して改めて推薦を行う対象の商品(以下、対象商品と称する)を選択する。そして、商品推薦装置100は、既存の手法による事前の推薦の結果を基にして、選択した対象商品を推薦すべき消費者の選定を行う。

0012

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、商品に関する各種情報を格納する商品情報格納部112と、消費者に関する各種情報を格納する消費者情報格納部113とを備える。
また、商品推薦装置100は、既存の手法により事前に推薦が行われた商品の中から対象商品を選択する対象商品選択部114と、対象商品の購入数を集計する購入数集計部115と、対象商品の購入数と後述する嗜好度合との相関関係を算出する相関関係算出部116とを備える。さらに、商品推薦装置100は、対象商品を推薦する消費者を選定する消費者選定部117と、選定された消費者に対して対象商品の情報を出力する商品情報出力部118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、過去に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、スーパーマーケットの店頭やインターネットのWebサイトにて販売された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

商品情報格納部112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112には、過去に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、商品が分類される分類先商品種別などの情報を格納しても良い。

0015

消費者情報格納部113は、消費者に関する各種情報を格納する。より具体的には、消費者情報格納部113には、例えば、店頭やWebサイトで商品を購入したことのある消費者や、Webサイトにて会員登録をした消費者などの情報が格納される。格納される消費者の情報としては、例えば、消費者が取引した取引履歴や、年齢性別などの消費者の属性、消費者に対してこれまで実施したアンケートの情報などを例示することができる。付言すると、これらの消費者に関する各種情報は、後述する嗜好度合を計算するために用いられる。

0016

対象商品選択部114は、既存の手法により事前に推薦が行われた商品の中から対象商品を選択する。ここで、対象商品選択部114は、ユーザが例えば入力デバイス106を用いて操作入力を行って商品を指定することにより、ユーザに指定された商品を対象商品として選択する。また、対象商品選択部114は、例えば販売履歴格納部111や商品情報格納部112に格納されている情報を基に、既存の手法により事前に推薦が行われた商品を特定し、特定した商品の中から予め定められた基準を満たす商品を対象商品として選択しても良い。予め定められた基準を満たす商品としては、例えば、購入された総数閾値以上の商品、購入人数が閾値以上の商品などを例示することができる。

0017

購入数集計部115は、販売履歴格納部111及び消費者情報格納部113に格納されている情報を基に、既存の手法により事前に対象商品の推薦が行われた消費者(以下、既推薦消費者と称する)と事前に対象商品の推薦が行われていない消費者(以下、未推薦消費者と称する)とを抽出する。そして、購入数集計部115は、対象商品が既存の手法により事前に推薦された期間(以下、推薦期間と称する)内に既推薦消費者が対象商品を購入した購入数と、推薦期間内に未推薦消費者が対象商品を購入した購入数とを、消費者毎に集計する。

0018

より具体的には、購入数集計部115は、販売履歴格納部111及び消費者情報格納部113に格納されている情報を基に、既推薦消費者と未推薦消費者とを予め定められた人数(例えば、500人)ずつ抽出する。この場合、購入数集計部115は、抽出した500人の既推薦消費者が推薦期間内に対象商品を購入した購入数と500人の未推薦消費者が推薦期間内に対象商品を購入した購入数とを消費者毎に集計する。
ここで、購入数集計部115は、既推薦消費者と未推薦消費者とをランダムに抽出しても良いし、予め定められた条件を満たす消費者の中から既推薦消費者及び未推薦消費者を抽出しても良い。予め定められた条件を満たす消費者としては、例えば、過去に購入した対象商品の個数が閾値以上である消費者や、過去1か月以内に対象商品を購入したことのある消費者などを例示することができる。

0019

相関関係算出部116は、購入数集計部115により抽出された既推薦消費者及び未推薦消費者に対して、対象商品をどれくらい嗜好するかを示す度合である嗜好度合を消費者毎に計算する。そして、相関関係算出部116は、既推薦消費者について、推薦期間内での対象商品の購入数と嗜好度合との相関関係を算出する。また、相関関係算出部116は、未推薦消費者について、推薦期間内での対象商品の購入数と嗜好度合との相関関係を算出する。

0020

図3(a),(b)は、既推薦消費者及び未推薦消費者について、推薦期間内での対象商品の購入数と嗜好度合との相関関係の一例を示す図である。図3(a),(b)に示すグラフにおいて、縦軸は、推薦期間内で各消費者により購入された対象商品の購入数である。また、横軸は対象商品の嗜好度合である。そして、図3(a)に示すグラフは、既推薦消費者及び未推薦消費者のデータを消費者毎にプロットしたものである。即ち、嗜好度合に応じて、既推薦消費者及び未推薦消費者をそれぞれ並べたものである。また、図3(b)に示すグラフは、図3(a)に示すデータを基に、例えば最小二乗法などにより生成された回帰曲線である。

0021

例えば、図3(b)に示す既推薦消費者Aについて、対象商品の嗜好度合はA1であり、推薦期間内で対象商品を購入した数はA2である。また、例えば、図3(b)に示す未推薦消費者Bについて、対象商品の嗜好度合はB1であり、推薦期間内で対象商品を購入した数はB2である。さらに、例えば、嗜好度合がC1の場合、既推薦消費者による対象商品の購入数はC2であり、未推薦消費者による対象商品の購入数はC3である。
このようにして、相関関係算出部116は、既推薦消費者及び未推薦消費者について、推薦期間内での対象商品の購入数と嗜好度合との相関関係を算出する。

0022

なお、嗜好度合については、販売履歴格納部111、商品情報格納部112、消費者情報格納部113に格納されている各種情報を基に計算される。より具体的には、例えば、販売履歴格納部111に格納されている販売履歴の情報を基に、ある商品について、消費者による購入数が多いほどその消費者の嗜好度合を高くしたり、消費者による購入頻度が高いほどその消費者の嗜好度合を高くしたりして計算される。なお、商品の購入数を嗜好度合として用いても良い。
また、例えば、販売履歴格納部111に格納されている販売履歴の情報を基に、上述した協調フィルタリングの技術を用いて嗜好度合を計算しても良い。この場合、例えば、まず、協調フィルタリングにより各消費者の類似度が計算される。そして、例えば、一の消費者と他の消費者とが類似している場合、一の消費者にとって嗜好度合の高い商品は他の消費者にとっても嗜好度合が高いものと推測されて嗜好度合が計算される。

0023

さらに、例えば、消費者の属性や商品の類似度を基に嗜好度合を計算しても良い。例えば、消費者の属性を基に嗜好度合を計算する場合、消費者情報格納部113に格納されている消費者の年齢や性別、居住地などの情報によって、各消費者がグループ分けされる。そして、例えば、グループ内の複数の消費者にとって嗜好度合の高い商品は、同一グループ内の他の消費者にとっても嗜好度合が高いものと推測されて嗜好度合が計算される。また、例えば、商品の類似度を基に嗜好度合を計算する場合、商品情報格納部112に格納されている商品の情報を基に、各商品の類似度が計算される。そして、例えば、一の商品と他の商品とが類似している場合、一の商品の嗜好度合の高い消費者は、他の商品の嗜好度合も高いものと推測されて嗜好度合が計算される。

0024

抽出部の一例としての消費者選定部117は、相関関係算出部116により算出された相関関係を基に、対象商品を推薦する消費者を選定する。この消費者選定の手順の詳細については、後述する。

0025

推薦部の一例としての商品情報出力部118は、消費者選定部117により選定された消費者を対象にして、対象商品の情報を出力する。ここで、商品情報出力部118は、対象商品の情報を商品情報格納部112から取得する。そして、商品情報出力部118が、取得した対象商品の情報を、例えば不図示のネットワークを介して、消費者選定部117に選定された消費者が所持する端末装置等に送信することにより、対象商品の推薦が行われる。

0026

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、対象商品選択部114、購入数集計部115、相関関係算出部116、消費者選定部117、商品情報出力部118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112、消費者情報格納部113は、例えば磁気ディスク装置103により実現される。

0027

<消費者選定手順の説明>
次に、消費者選定部117が対象商品を推薦する消費者を選定する手順について、詳細に説明する。
消費者選定部117は、まず、相関関係算出部116により算出された相関関係を基に、推薦期間内での既推薦消費者の購入数と未推薦消費者の購入数との差分を計算する。さらに説明すると、購入数の差分は、嗜好度合が同一の既推薦消費者及び未推薦消費者に対して、推薦期間内での既推薦消費者の購入数から未推薦消費者の購入数を引くことにより求められる値である。この値は、対象商品を推薦したことによる購入数の増加量(向上度)として捉えることもでき、以下では「購入数向上度」と称する場合がある。本実施の形態では、推薦による影響度の一例として、購入数向上度が用いられる。

0028

付言すると、購入数向上度が大きいほど、対象商品を推薦したことによる購入数の増加量が大きいことになる。そのため、購入数向上度が最大付近の嗜好度合を有する消費者は、対象商品を推薦することで購買意欲が高まり、より多くの対象商品を購入することが期待される。そこで、本実施の形態において、消費者選定部117は、このような消費者を、対象商品を推薦すべき消費者として選定する。

0029

より具体的には、消費者選定部117は、例えば、消費者情報格納部113に各種情報が格納されている消費者について、各消費者の嗜好度合を計算する。そして、消費者選定部117は、嗜好度合を計算した消費者の中から、対象商品を推薦すべき消費者として、購入数向上度が最大付近の嗜好度合を有する消費者を選定する。ここで、購入数向上度が最大付近の嗜好度合とは、例えば、購入数向上度が最大となる嗜好度合から予め定められた範囲内の嗜好度合であることを例示することができる。

0030

ここで、消費者選定部117は、消費者情報格納部113に各種情報が格納されている消費者の中から、対象商品を推薦すべき消費者を選定することとしたが、このような構成に限られるものではない。例えば、消費者選定部117は、既推薦消費者及び未推薦消費者に限定して、これらの消費者の中から、対象商品を推薦すべき消費者を選定しても良い。
なお、本実施の形態では、購入数向上度が最大付近の嗜好度合を有する消費者は、影響度が予め定められた条件を満たす消費者の一例として用いられる。

0031

図4は、購入数向上度の一例を説明するための図である。図4に示すグラフにおいて、縦軸は、推薦期間内で各消費者により購入された対象商品の購入数である。また、横軸は対象商品の嗜好度合である。そして、既推薦消費者の購入数と嗜好度合との相関関係を表す回帰曲線、未推薦消費者の購入数と嗜好度合との相関関係を表す回帰曲線を示している。例えば、領域T3における購入数向上度は、領域T1、領域T2における購入数向上度と比較して大きいといえる。

0032

また、図5は、嗜好度合と購入数向上度との関係の一例を示す図である。図5に示すグラフにおいて、縦軸は対象商品の購入数向上度であり、横軸は対象商品の嗜好度合である。付言すると、例えば、図4に示す既推薦消費者の回帰曲線の値から未推薦消費者の回帰曲線の値を引くことにより、図5に示すグラフが生成される。図5に示す例では、領域T4は、購入数向上度が最大付近の領域である。そのため、消費者選定部117は、領域T4の嗜好度合を特定する。そして、消費者選定部117は、消費者情報格納部113に各種情報が格納されている各消費者について嗜好度合を計算して、領域T4の嗜好度合を有する消費者を選定する。

0033

なお、購入数向上度は、対象商品を推薦したことによる購入数の増加量に関連する指標であればどのようなものでも良く、推薦期間内での既推薦消費者の購入数と未推薦消費者の購入数との差分に限られるものではない。例えば、推薦期間前の一定期間内での既推薦消費者の購入数と推薦期間中の一定期間内での既推薦消費者の購入数との差分を既推薦消費者の向上度とする。また、推薦期間前の一定期間内での未推薦消費者の購入数と推薦期間中の一定期間内での未推薦消費者の購入数との差分を未推薦消費者の向上度とする。そして、既推薦消費者の向上度から未推薦消費者の向上度を引いた値を、購入数向上度として用いても良い。

0034

<対象商品を推薦する消費者の選定を行う処理手順>
次に、本実施の形態に係る商品推薦装置100が、対象商品を推薦する消費者を選定する処理の手順について説明する。図6は、商品推薦装置100が対象商品を推薦する消費者を選定する処理手順の一例を示したフローチャートである。ここでは、事前に既存の手法により商品の推薦が行われたものとして説明する。

0035

まず、対象商品選択部114は、既存の手法により事前に推薦が行われた商品の中から対象商品を選択する(ステップ101)。次に、購入数集計部115は、販売履歴格納部111及び消費者情報格納部113に格納されている情報を基に、既推薦消費者及び未推薦消費者を予め定められた人数ずつ抽出する(ステップ102)。次に、購入数集計部115は、抽出した既推薦消費者及び未推薦消費者のそれぞれが推薦期間内に対象商品を購入した購入数を消費者毎に集計する(ステップ103)。

0036

次に、相関関係算出部116は、既推薦消費者及び未推薦消費者について、対象商品の嗜好度合を消費者毎に計算する(ステップ104)。次に、相関関係算出部116は、既推薦消費者及び未推薦消費者について、推薦期間内での対象商品の購入数と嗜好度合との相関関係を算出する(ステップ105)。ステップ105において、相関関係算出部116は、例えば、図3(b)に示すように、既推薦消費者の購入数と嗜好度合との相関関係を表す回帰曲線、未推薦消費者の購入数と嗜好度合との相関関係を表す回帰曲線を算出する。次に、消費者選定部117は、相関関係算出部116により算出された相関関係を基に、購入数向上度を計算する(ステップ106)。次に、消費者選定部117は、購入数向上度が最大付近の嗜好度合を特定する(ステップ107)。

0037

次に、消費者選定部117は、消費者情報格納部113に各種情報が格納されている消費者の中から、特定した嗜好度合を有する消費者を選定する(ステップ108)。ステップ108において、消費者選定部117は、消費者情報格納部113に各種情報が格納されている各消費者について、対象商品の嗜好度合を計算する。そして、嗜好度合を計算した消費者の中から、特定した嗜好度合を有する消費者を選定する。次に、商品情報出力部118は、消費者選定部117により選定された消費者を対象にして、対象商品の情報を出力する(ステップ109)。そして、本処理フローは終了する。なお、既存の手法により事前に推薦が行われた商品が他にあれば、対象商品選択部114が続けて対象商品を選択して、ステップ101〜ステップ109の処理を繰り返し実行しても良い。

0038

また、上述した例では、ステップ104及びステップ108において、嗜好度合を計算することとしたが、このような構成に限られるものではない。各商品の嗜好度合は、例えば1か月毎などの定期的に計算されることとしても良い。ステップ104及びステップ108において、嗜好度合が事前に計算されていれば、事前に計算済みの嗜好度合を用いて処理を行っても良い。

0039

<消費者選定手順の他の例1の説明>
次に、対象商品を推薦する消費者選定手順の他の例について説明する。上述した例では、消費者選定部117は、購入数向上度が最大付近の嗜好度合を特定して消費者を選定することとした。ここで、予め定められた閾値を超える購入数向上度が2か所以上存在する場合、消費者選定部117は、対象商品を好む可能性が最も高い消費者を選定するために、より高い嗜好度合を有する消費者を選定しても良い。

0040

図7は、対象商品を推薦する消費者選定手順の他の例1を説明するための図である。図7に示すグラフにおいて、縦軸は対象商品の購入数向上度であり、横軸は対象商品の嗜好度合である。そして、領域T5及び領域T6は、購入数向上度が予め定められた閾値を超える領域である。ここで、消費者選定部117は、領域T5及び領域T6のうち嗜好度合が高い方の領域T6を選択する。そして、消費者選定部117は、領域T6の嗜好度合を有する消費者を、対象商品を推薦する消費者として選定する。

0041

なお、この例では、対象商品を好む可能性が最も高い消費者を選定するために、より高い嗜好度合を有する消費者を選定することとしたが、このような構成に限られるものではない。消費者選定部117は、例えば、嗜好度合が低い消費者の需要喚起して新しい購買層を開拓するために、より低い嗜好度合(図7に示す例では、領域T5の嗜好度合)を有する消費者を選定しても良い。

0042

<消費者選定手順の他の例2の説明>
消費者選定部117は、消費者を複数のグループに分けて、各グループについて嗜好度合と購入数向上度との関係を算出し、複数のグループの中で購入数向上度が最大付近の嗜好度合を特定して消費者を選定しても良い。

0043

図8は、対象商品を推薦する消費者選定手順の他の例2を説明するための図である。図8に示すグラフにおいて、縦軸は対象商品の購入数向上度であり、横軸は対象商品の嗜好度合である。そして、消費者をグループA、グループB、グループCの3つのグループに分けて、各グループについて嗜好度合と購入数向上度との関係を示している。ここで、各グループでは、嗜好度合がD1付近で購入数向上度が最も高くなるが、その中でもグループAの購入数向上度が他のグループの購入数向上度と比べて高い。そこで、消費者選定部117は、複数のグループの中で購入数向上度が最も大きい領域T7を選択する。そして、消費者選定部117は、グループAに属する消費者であって、領域T7の嗜好度合を有する消費者を、対象商品を推薦する消費者として選定する。

0044

ここで、複数のグループは、例えば、各消費者の属性や購入履歴、推薦履歴などを基に設定される。また、設定されたグループ毎に、既推薦消費者及び未推薦消費者が予め定められた人数ずつ抽出される。そして、図8に示すように、各グループについて、嗜好度合と購入数向上度との関係が算出される。

0045

なお、この例では、複数のグループの中で購入数向上度が最も大きい領域の嗜好度合を有する消費者を選定することとしたが、このような構成に限られるものではない。消費者選定部117は、例えば、複数のグループのそれぞれにおいて、最大付近の嗜好度合を特定したり、購入数向上度が予め定められた閾値を超える嗜好度合を特定したりして、グループ毎に消費者を選定しても良い。このように、グループ毎に消費者を選定することにより、消費者の属性や購入履歴、推薦履歴に応じて、対象商品を推薦すべき消費者の選定が行われることとなる。

0046

<対象商品選択手順の他の例1の説明>
次に、対象商品の選択手順の他の例1について説明する。複数の対象商品のそれぞれにおいて消費者を選定した場合、2つ以上の対象商品で共通の消費者が選定される場合が考えられる。このような場合には、選定された消費者に対して、複数の対象商品を推薦しても良い。

0047

図9(a),(b)は、複数の対象商品で共通の消費者が選定される場合の一例を説明するための図である。図示の例では、複数の対象商品を商品A及び商品Bとして説明する。図9(a)は、商品Aについて嗜好度合と購入数向上度との関係を示した図である。図9(b)は、商品Bについて嗜好度合と購入数向上度との関係を示した図である。

0048

図9(a)に示す例では、購入数向上度が最大付近の嗜好度合を有する消費者として、消費者aが選定される。言い換えると、商品Aを推薦する消費者として、消費者aが選定される。また、図9(b)に示す例でも、購入数向上度が最大付近の嗜好度合を有する消費者として、消費者aが選定される。言い換えると、商品Bを推薦する消費者として、消費者aが選定される。このようにして、消費者aに対しては、商品A及び商品Bの両方が推薦されることになる。なお、図9に示す例では、複数の対象商品が2つの場合について説明したが、複数の対象商品は3つ以上であっても良い。

0049

<対象商品選択手順の他の例2の説明>
対象商品選択手順の他の例1のように、共通の消費者に対して複数の対象商品を推薦したとしても、推薦の効果が期待されない場合も考えられる。例えば、商品Aと商品Bとは類似しており、商品A及び商品Bを一緒に購入する消費者が少ないような場合には、共通の消費者に対して商品A及び商品Bの両方を推薦したとしても、推薦の効果が期待されないことが考えられる。

0050

より具体的には、商品Aの購入率が上昇するほど商品Bの購入率が低下し、商品A及び商品Bの購入率が負の相関(即ち、相関係数が負の値)を持つような場合には、共通の消費者に対して商品A及び商品Bの両方を推薦したとしても、その消費者が商品A及び商品Bを一緒に購入する可能性は低く、推薦の効果が期待されないことが考えられる。このように、複数の対象商品を推薦したとしても推薦の効果が期待されないような場合には、商品情報出力部118は、予め定められた基準に従って何れか1つの対象商品を選択して消費者に推薦しても良い。

0051

なお、2つの商品の購入率が負の相関を持つ場合とは、例えば、両者の購入率の相関係数が予め定められた値より小さくなる場合であることを例示することができる。
また、商品の購入率とは、例えばスーパーマーケットやWebサイトを訪問した全消費者のうち、その商品を購入した消費者の割合である。この購入率の値は、販売履歴格納部111に格納されている情報を基に、例えば、営業日毎営業時間毎に計算されるものとする。

0052

図10は、購入率が負の相関を持つ2つの対象商品の一例を説明するための図である。図10に示すグラフにおいて、縦軸は商品Aの購入率であり、横軸は商品Bの購入率である。図示の例では、スーパーマーケットで対象商品が販売されたものとして説明する。この場合、商品Aの購入率は、スーパーマーケットを訪問した全消費者のうち商品Aを購入した消費者の割合である。また、商品Bの購入率は、スーパーマーケットを訪問した全消費者のうち商品Bを購入した消費者の割合である。そして、商品Aの購入率が上昇するにつれて商品Bの購入率は低下しており、商品A及び商品Bの購入率は負の相関を示している。

0053

このような場合には、商品情報出力部118は、予め定められた基準に従って商品A及び商品Bの何れか1つの対象商品を推薦する。予め定められた基準としては、例えば、粗利や利益率が大きい商品を選択すること、在庫数の多い商品を選択すること、推薦にかかる費用が少ない商品を選択することを例示することができる。

0054

図11は、購入率が負の相関を持つ2つの対象商品の具体例を示す図である。図11に示すグラフにおいて、縦軸はレタスAの購入率であり、横軸はレタスBの購入率である。図示のように、2つの対象商品の購入率は負の相関を示す。即ち、レタスBを購入する消費者が多いほどレタスAを購入する消費者は少なくなり、レタスAを購入する消費者が多いほどレタスBを購入する消費者は少なくなる。このような場合には、予め定められた基準に従ってレタスA及びレタスBの何れか1つが推薦される。

0055

なお、上述したように、各商品の購入率の値は、例えば、営業日毎や営業時間毎に計算される。そして、計算された購入率の値を基に、複数の対象商品の購入率が負の相関を示すか否かが判定される。ここで、各商品に関して、購入率が負の相関を示す他の商品の情報を予め設定しておいても良い。この場合、商品情報出力部118は、共通の消費者に対して複数の対象商品を選定した際に、予め設定された情報により、複数の対象商品が負の相関を示すか否かを判定できるようになる。

0056

また、ここでは、複数の対象商品が2つの場合について説明したが、複数の対象商品は3つ以上であっても良い。例えば、商品A,商品B,商品Cを共通の消費者に推薦する場合、商品Aと商品Bとの相関関係、商品Bと商品Cとの相関関係、商品Aと商品Cとの相関関係により、3つ全部、3つのうち2つの商品、または3つのうち何れか1つの商品が推薦される。

0057

<対象商品選択手順の他の例3の説明>
また、対象商品を推薦する場合に、その対象商品と一緒に購入される傾向のある他の商品が存在すれば、商品情報出力部118は、他の商品を一緒に推薦しても良い。より具体的には、一の商品の購入率が上昇するほど他の商品の購入率も上昇し、一の商品及び他の商品の購入率が正の相関(即ち、相関係数が正)を持つような場合には、商品情報出力部118は、一の商品とともに他の商品を推薦しても良い。
なお、2つの商品の購入率が正の相関を持つ場合とは、例えば、両者の購入率の相関係数が予め定められた値より大きくなる場合であることを例示することができる。

0058

図12は、購入率が正の相関を持つ2つの対象商品の一例を説明するための図である。図12に示すグラフにおいて、縦軸は商品Aの購入率であり、横軸は商品Cの購入率である。ここで、商品Aの購入率が上昇するにつれて商品Cの購入率も上昇しており、商品A及び商品Cの購入率は正の相関を示している。即ち、商品Aを購入する消費者が多いほど商品Cを購入する消費者は多くなり、商品Cを購入する消費者が多いほど商品Aを購入する消費者は多くなる。このような場合には、商品Aを購入する消費者は商品Cも一緒に購入する傾向があり、商品A及び商品Cを一緒に推薦することにより、両方の商品の購入数が向上するような推薦の効果が期待される。そこで、商品情報出力部118は、商品Aを消費者に推薦する場合、商品Aとともに商品Cも推薦する。

0059

図13は、購入率が正の相関を持つ2つの対象商品の具体例を示す図である。図13に示すグラフにおいて、縦軸は焼き鳥Aの購入率であり、横軸は焼き鳥Bの購入率である。図示のように、2つの対象商品の購入率は正の相関を示す。即ち、焼き鳥Aを購入する消費者が多いほど焼き鳥Bを購入する消費者は多くなり、焼き鳥Bを購入する消費者が多いほど焼き鳥Aを購入する消費者は多くなる。このような場合、焼き鳥A及び焼き鳥Bの両方が推薦される。

0060

なお、対象商品選択手順の他の例2と同様に、各商品において、購入率が正の相関を示す他の商品の情報を予め設定しておいても良い。この場合、商品情報出力部118は、一の商品を推薦する際に、予め設定された情報により、一の商品の購入率に対して正の相関を示す他の商品を特定し、一の商品と他の商品とをまとめて推薦できるようになる。
また、ここでは、一の商品とともに推薦する他の商品が1つである場合について説明したが、一の商品の購入率に対して正の相関を示す他の商品が2つ以上あれば、商品情報出力部118は、一の商品とともに2つ以上の他の商品を推薦しても良い。

0061

さらに、対象商品選択手順の他の例2及び例3については、図6に示す処理で対象商品を選択した場合に限られず、単独で、対象商品選択手順の他の例2又は例3の処理を行っても良い。即ち、商品情報出力部118は、消費者に対して商品を推薦する際に、対象商品選択手順の他の例2のように、負の相関を持つ複数の商品を一緒に推薦しないようにしたり、対象商品選択手順の他の例3のように、正の相関を持つ複数の商品を一緒に推薦したりしても良い。

0062

<商品推薦装置の他のハードウェア構成例>
ところで、本実施の形態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。

0063

図14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(以下、「通信I/F」と表記する)128とを備える。

0064

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。

0065

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。

0066

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。

0067

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118は、対象商品に関する情報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118は、画像形成部127により実現される。
さらに説明すると、対象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。このように対象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。

0068

ここで、対象商品選択手順の他の例1及び他の例3のように、共通の消費者に対して複数の商品を推薦する場合、商品毎に画像の色を変えたり、商品毎に用紙内でのスペース比率を変えたりしても良い。例えば、商品情報出力部118は、複数の商品のうち、粗利や利益率が最も大きい商品の情報をカラーにして、その他の商品の情報を白黒にして出力しても良い。

0069

また、商品推薦装置100の機能を、複数の装置に分けて実現しても良い。例えば、販売履歴格納部111、商品情報格納部112、消費者情報格納部113、対象商品選択部114、購入数集計部115、相関関係算出部116、消費者選定部117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118の機能を図14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。

0070

また、本実施の形態において、購入数集計部115は、各消費者の嗜好度合を考慮せずに既推薦消費者及び未推薦消費者を抽出することとしたが、このような構成に限られない。例えば、各消費者の嗜好度合を予め計算しておいた上で、嗜好度合の値に応じて既推薦消費者と未推薦消費者とを抽出しても良い。より具体的には、例えば、購入数集計部115は、予め計算された嗜好度合を基に、嗜好度合が低い消費者から高い消費者まで広く存在するように、既推薦消費者及び未推薦消費者を抽出しても良い。

0071

さらに、本実施の形態では、消費者に対して既存の手法で事前に対象商品の推薦を行った後に、既推薦消費者及び未推薦消費者を抽出することとしたが、このような構成に限られない。例えば、既推薦消費者及び未推薦消費者の候補を先に抽出しておき、抽出した未推薦消費者の候補に対しては事前の推薦を行わずに、抽出した既推薦消費者の候補に対して既存の手法により事前に推薦を行うこととしても良い。

0072

また、本実施の形態において、商品情報出力部118は、選定した消費者に対して対象商品の情報を出力することとしたが、例えば、対象商品に類似している他の商品が存在すれば、選定した消費者に対して他の商品の情報を出力しても良い。

0073

さらに、上述した例において、本実施の形態に係る商品推薦装置100は、対象商品を決定してその対象商品を推薦する消費者を選定することとしたが、商品の推薦を行う対象とする消費者(以下、対象消費者と称する)を決定して、この対象消費者に推薦すべき商品を選定する構成であっても良い。
この場合、例えばユーザの操作入力により、対象消費者が決定される。また、複数の商品について既存の手法により事前に推薦が行われ、消費者選定部117は、事前の推薦が行われた各商品について、図5に示すような嗜好度合と購入数向上度との関係を算出する。そして、消費者選定部117は、複数の商品の中から、対象消費者の嗜好度合が購入数向上度の最大付近を示すような商品を抽出する。ここで抽出される商品は、対象消費者に商品を推薦した場合の推薦による影響度が予め定められた条件を満たす商品の一例として捉えることができる。そして、商品情報出力部118は、対象消費者に対して、抽出された商品の推薦を行う。

0074

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。

0075

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。

0076

100…商品推薦装置、111…販売履歴格納部、112…商品情報格納部、113…消費者情報格納部、114…対象商品選択部、115…購入数集計部、116…相関関係算出部、117…消費者選定部、118…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

  • 富士ゼロックス株式会社の「 データ管理システム」が 公開されました。( 2020/09/24)

    【課題】階層構造になっている管理システムにおいて、管理対象データの実体を最上位の装置が全て管理する場合と比較して、管理対象データがユーザの意図しない装置に提供されないシステムを提供する。【解決手段】管... 詳細

  • 株式会社ウフルの「 デバイス管理システム、デバイス管理方法、情報処理装置、及びプログラム」が 公開されました。( 2020/09/24)

    【課題】デバイスの信頼性を向上可能なデバイス管理システム、デバイス管理方法、情報処理装置、デバイス及びプログラムを提供する。【解決手段】デバイス管理システム1は、複数の情報処理装置2をネットワーク3で... 詳細

  • 本田技研工業株式会社の「 サーバ」が 公開されました。( 2020/09/24)

    【課題】車両の利用者が、該利用者の生活圏外の人であって前記利用者の属性に類似した属性を持つ地域人(地元民)が利用したPOI情報をリコメンドとして受けることができるサーバを提供する。【解決手段】サーバ1... 詳細

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