CN103748607A - 信息处理装置、信息处理方法、信息处理程序和记录介质 - Google Patents
信息处理装置、信息处理方法、信息处理程序和记录介质 Download PDFInfo
- Publication number
- CN103748607A CN103748607A CN201280040461.0A CN201280040461A CN103748607A CN 103748607 A CN103748607 A CN 103748607A CN 201280040461 A CN201280040461 A CN 201280040461A CN 103748607 A CN103748607 A CN 103748607A
- Authority
- CN
- China
- Prior art keywords
- commodity
- size
- user
- body sizes
- evaluation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0623—Item investigation
- G06Q30/0625—Directed, with specific intent or strategy
- G06Q30/0627—Directed, with specific intent or strategy using item specifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
即使用户不进行商品试穿,也提示适合用户的体形的尺寸。信息处理装置从购买历史存储单元中,取得购买了根据请求用户的请求而确定的特定商品的其它用户所购买的特定商品的尺寸,其中,所述购买历史存储单元存储有存在多个尺寸的穿着在身上的商品的购买历史。此外,信息处理装置取得与请求用户的身体尺寸相关的身体尺寸信息和与其它用户的身体尺寸相关的身体尺寸信息。此外,信息处理装置确定其它用户对取得的尺寸的评价。并且,信息处理装置根据请求用户的身体尺寸信息与其它用户的身体尺寸信息之间的大小关系、该其它用户购买的特定商品的尺寸以及对该尺寸的评价,估计适合请求用户的特定商品的尺寸并进行输出。
Description
技术领域
本发明涉及辅助用户选择穿着在身上的商品的尺寸的信息处理装置和信息处理方法的技术领域。
背景技术
近年来,在互联网上买卖商品的电子商务变得盛行。用户利用电子商务,能够购买服装、鞋子、帽子、配饰等穿着在身上的商品。在这些商品中,提供了各种尺寸。因此,用户根据电子商务的站点提供的商品尺寸,选择认为是适合自己体形的尺寸。但是,与尺寸信息对应的实际身体尺寸例如根据商品的品牌或国家而不同。因此,存在用户选择的尺寸的商品实际上不适合用户体形的情况。在电子商务中,由于用户在购买之前不能实际试穿商品,因而在购买商品前,不容易选择适合用户体形的尺寸。
因此,例如,专利文献1公开了如下技术:根据商品的图像数据、商品的详细尺寸数据和购买者的身体尺寸数据,购买者通过浏览器进行虚拟试穿。当虚拟试穿的结果为购买者希望购买该商品时,进行定购。
现有技术文献
专利文献
专利文献1:日本特开2002-245303号公报
发明内容
发明要解决的问题
但是,在专利文献1所记载的技术中,虽然是虚拟的,用户也需要进行试穿。在该情况下,用户为了进行足够判断尺寸的虚拟试穿,需要详细输入用户的体形和服装的各部位的尺寸。因此,用户为了选择尺寸,产生了因试穿导致的麻烦。
本发明是鉴于以上方面而完成的,其目的在于,提供如下信息处理装置,信息处理方法,信息处理程序和记录介质:即使用户不进行商品的试穿,也能够提示适合用户的体形的尺寸。
用于解决问题的手段
为了解决上述问题,权利要求1所记载的发明的特征在于具有:尺寸取得单元,其从购买历史存储单元中,取得购买了根据请求用户的请求而确定的特定商品的其它用户所购买的所述特定商品的尺寸,其中,所述购买历史存储单元存储有存在多个尺寸的穿着在身上的商品的购买历史;身体尺寸信息取得单元,其取得与所述请求用户的身体尺寸相关的身体尺寸信息和与所述其它用户的身体尺寸相关的身体尺寸信息;评价确定单元,其确定所述其它用户对由所述尺寸取得单元取得的所述尺寸的评价;估计单元,其根据所述请求用户的身体尺寸信息与所述其它用户的身体尺寸信息之间的大小关系、该其它用户购买的特定商品的尺寸以及对该尺寸的所述评价,估计适合所述请求用户的所述特定商品的尺寸;以及输出单元,其输出由所述估计单元估计出的所述尺寸。
来自购买了特定商品的用户的评价有可能反映了用户在特定商品中购买的尺寸是否适合用户。此外,适合用户的尺寸根据用户的身体尺寸而不同。根据本发明,使用其它用户购买的特定商品的尺寸、请求用户的身体尺寸信息与其它用户的身体尺寸信息之间的对象关系以及其它用户对特定商品的评价,来估计适合请求用户的尺寸,因此,即使用户不进行商品试穿,也能够提示适合用户的体形的尺寸。
此外,存在如下情况:虽然是同一商品,但是商品的信息根据各种尺寸而不同。在该情况下,用户为了查找适合自己的尺寸,请求各种信息。这样,由于信息处理装置处理的请求增加,因而信息处理装置的处理负载增大。但是,根据本发明,由于能够提示适合用户的尺寸,因而减少用户用于查找适合自己的尺寸的请求。由此,能够降低信息处理装置的处理负载。
权利要求2所记载的发明,在权利要求1所记载的信息处理装置中,所述评价确定单元在根据退货历史存储单元中存储的所述商品的退货历史,判定为购买了所述尺寸互不相同的多个所述特定商品的所述其它用户对该多个特定商品中的一部分所述特定商品进行了退货的情况下,以未被退货的所述尺寸的所述评价高于被退货的所述尺寸的所述评价的方式确定所述评价。
当用户在尺寸互不相同的多个同一特定商品中对一部分尺寸的特定商品进行了退货的情况下,与用户退货的尺寸相比,用户未退货的尺寸适合用户的概率较高。根据本发明,对其它用户未退货的尺寸的评价比对其它用户进行过退货的尺寸的评价高,因而能够提高适合请求用户的体形的尺寸的估计精度。
权利要求3所记载的发明的特征在于,在权利要求1或权利要求2所记载的信息处理装置中,所述评价确定单元取得由所述其它用户输入的所述评价。
根据本发明,由于根据由其它用户输入的评价来进行估计,因而能够提高适合请求用户的体形的尺寸的估计精度。
权利要求4所记载的发明的特征在于,在权利要求2或权利要求3所记载的信息处理装置中,所述评价确定单元在根据非购买历史存储单元中存储的所述其它用户在决定购买所述商品后放弃了购买的非购买历史,判定为所述其它用户在对所述特定商品选择了尺寸后放弃该尺寸而购买了其它尺寸的情况下,以购买的尺寸的评价高于放弃的尺寸的所述评价的方式确定所述评价。
当用户决定要购买某尺寸的特定商品后放弃购买、而购买了其他尺寸的特定商品的情况下,与用户放弃购买的尺寸相比,用户购买的尺寸适合用户的概率较高。根据本发明,对其它用户购买的尺寸的评价比对其它用户放弃购买的尺寸的评价高,因而能够提高适合请求用户的尺寸的估计精度。
权利要求5所记载的发明的特征在于,在权利要求1~4中的任意一项所记载的信息处理装置中,所述评价确定单元在根据退货历史存储单元中存储的所述商品的退货历史,判定为购买了所述尺寸互不相同的多个所述特定商品的所述其它用户对该多个特定商品中的一部分所述特定商品进行了退货的情况下,以未被退货的所述尺寸的所述评价高于被退货的所述尺寸的所述评价的方式确定所述评价,在由所述其它用户输入了所述评价的情况下,取得被输入的所述评价,与由所述其它用户输入的所述评价相比,所述估计单元更重视根据所述退货历史确定的所述评价,来估计所述尺寸。
用户在尺寸互不相同的多个同一特定商品中对一部分尺寸的特定商品进行了退货这样的行为表达出用户对各尺寸的评价的概率较高。另一方面,由用户输入的评价有时包含对尺寸以外的情况的评价。根据本发明,与由其它用户输入的评价相比,更重视基于退货历史的评价。由此,重视可靠性较高的评价作为对特定商品的尺寸的评价,因而能够提高适合请求用户的体形的尺寸的估计精度。
权利要求6所记载的发明的特征在于,在权利要求1~5中的任意一项所记载的信息处理装置中,所述评价确定单元在由所述其它用户输入了所述评价的情况下,取得被输入的所述评价,所述评价确定单元在根据非购买历史存储单元中存储的所述其它用户在决定购买所述商品后放弃了购买的非购买历史,判定为所述其它用户在对所述特定商品选择了尺寸后放弃该尺寸而购买了其它尺寸的情况下,以购买的尺寸的评价高于放弃的尺寸的所述评价的方式确定所述评价,与根据所述非购买历史确定的所述评价相比,所述估计单元更重视由所述其它用户输入的所述评价,来估计所述尺寸。
用户能够在穿着了购买的特定商品后输入评价。另一方面,用户在决定要购买后放弃购买之前,不能够穿着特定商品。根据本发明,与基于非购买历史的评价相比,更重视由其它用户输入的评价。由此,重视可靠性较高的评价作为对特定商品的尺寸的评价,因而能够提高适合请求用户的体形的尺寸的估计精度。
权利要求7所记载的发明在权利要求1~6中的任意一项所记载的信息处理装置中,所述身体尺寸信息取得单元从按照每一用户存储由用户登记的身体尺寸的身体尺寸存储单元中,取得所述请求用户和所述其它用户中的至少任意一方的身体尺寸,作为所述身体尺寸信息。
根据本发明,由于根据由用户登记的身体尺寸进行估计,因而能够根据反映了用户的身体尺寸的概率较高的信息来进行估计。
权利要求8所记载的发明的特征在于,在权利要求7所记载的信息处理装置中,所述估计单元根据所述购买历史,以所述其它用户购买所述特定商品的时期越晚就越重视来自该其它用户的所述评价的方式,来估计所述尺寸。
用户购买特定商品的时期越早,则当前的用户的身体尺寸从特定商品的购买时期的用户的身体尺寸发生变化的概率就越大。在由用户登记的身体尺寸表示当前时间的身体尺寸的情况下,特定商品的购买时期越早,则来自用户的评价不是基于所登记的身体尺寸进行的评价的概率越大。根据本发明,由于越是来自特定商品的购买时期较晚的用户的评价就越受到重视,因而能够提高适合请求用户的体形的尺寸的估计精度。
权利要求9所记载的发明的特征在于,在权利要求1~8中的任意一项所记载的信息处理装置中,所述身体尺寸信息取得单元根据所述购买历史,取得所述请求用户购买过的第1商品的尺寸和所述其它用户购买过的第2商品的尺寸中的至少任意一方,作为所述身体尺寸信息。
用户购买过的商品的尺寸有可能与用户的身体尺寸对应。根据本发明,由于取得用户购买过的商品的尺寸作为与该用户的身体尺寸相关的信息,因而即使没有来自用户的身体尺寸的登记,也能够估计出适合请求用户的体形的尺寸。
权利要求10所记载的发明的特征在于,在权利要求9所记载的信息处理装置中,所述估计单元使用来自购买了所述特定商品的所述其它用户中的购买了与所述第1商品属于同一分类的所述第2商品的所述其它用户的所述评价,来估计所述尺寸,以所述请求用户购买所述第1商品的时期越晚就越重视来自购买了与该第1商品属于同一分类的所述第2商品的所述其它用户的所述评价的方式,来估计所述尺寸。
根据在第1商品中请求用户购买的尺寸和在第2商品中其它用户购买的尺寸,例如能够判定请求用户的身体尺寸与其它用户的身体尺寸是否为相同程度,或者判定请求用户的身体尺寸与其它用户的身体尺寸的大小关系。根据本发明,由于第1商品与第2商品属于同一分类,因而能够提高上述的身体尺寸的判定精度。此处,请求用户购买第1商品的时期越早,则当前的请求用户的身体尺寸从第1商品的购买时期的请求用户的身体尺寸发生变化的概率就越大。因此,第1商品的购买时期越早,则基于商品的尺寸进行的身体尺寸的判定精度变低的概率就越大。根据本发明,请求用户的第1商品的购买时期越晚,则越重视来自购买了与第1商品属于同一分类的第2商品的其它用户的评价,因而能够提高身体尺寸的判定精度。由此,能够提高适合请求用户的尺寸的估计精度。
权利要求11所记载的发明的特征在于,在权利要求9或权利要求10所记载的信息处理装置中,所述估计单元以所述其它用户的所述第2商品的购买时期与该其它用户的所述特定商品的购买时期越接近就越重视来自该其它用户的所述评价的方式,来估计所述尺寸。
用户的第2商品的购买时期越远离特定商品的购买时期,则第2商品的购买时期的用户的身体尺寸与特定商品的购买时期的用户的身体尺寸不同的概率就越大。因此,越远离购买时期,则对特定商品的评价不是基于与用户在第2商品中购买的尺寸对应的用户的身体尺寸进行的评价的概率就越大。根据本发明,由于越是来自第2商品的购买时期与特定商品的购买时期接近的用户的评价就越受到重视,因而能够提高适合请求用户的体形的尺寸的估计精度。
权利要求12所记载的发明的特征在于,在权利要求1~11中的任意一项所记载的信息处理装置中,所述估计单元在所述尺寸的估计中不使用如下信息:该信息是根据女性用的所述商品和男性用的所述商品中,包含在用户购买的所述商品中的比例为不到5成的预先设定的比例以下的所述商品的所述购买历史来取得的。
根据本发明,在适合请求用户的尺寸的估计中,不使用有可能是用户为异性购买的商品的购买历史。由此,能够提高适合请求用户的体形的尺寸的估计精度。
权利要求13所记载的发明的特征在于,在权利要求1~12中的任意一项所记载的信息处理装置中,所述估计单元在所述尺寸的估计中不使用如下信息:该信息是根据示出作为成人的用户购买了儿童用的所述商品的所述购买历史来取得的。
根据本发明,在适合请求用户的尺寸的估计中,不使用成人为儿童购买的商品的购买历史。由此,能够提高适合请求用户的体形的尺寸的估计精度。
权利要求14所记载的发明的特征在于,在权利要求1~13中的任意一项所记载的信息处理装置中,所述输出单元在所述请求用户为成人并且所述特定商品为儿童用的所述商品的情况下,不输出所述尺寸。
根据本发明,在不需要进行适合请求用户的尺寸的估计的情况下,可以不进行估计。由此,能够降低用于估计适合请求用户的体形的尺寸的处理负载。
权利要求15所记载的发明的特征在于,在权利要求1~14中的任意一项所记载的信息处理装置中,所述估计单元根据所述身体尺寸信息的大小关系,确定身体尺寸被包含于与所述请求用户的身体尺寸相同的身体尺寸的范围内的所述其它用户,并根据所确定的其它用户购买的特定商品的尺寸和对该尺寸的所述评价,估计适合所述请求用户的所述特定商品的尺寸。
根据本发明,由于根据身体尺寸与请求用户的身体尺寸为相同程度的用户购买的尺寸以及来自该用户的评价来进行估计,因而能够提高适合请求用户的体形的尺寸的估计精度。
权利要求16所记载的发明的特征在于,在权利要求1~15中的任意一项所记载的信息处理装置中,所述估计单元根据所述身体尺寸信息的大小关系,确定身体尺寸小于所述请求用户的所述其它用户和身体尺寸大于所述请求用户的所述其它用户,根据所确定的其它用户购买的特定商品的尺寸和对该尺寸的所述评价,估计与身体尺寸小于所述请求用户的所述其它用户相符的所述特定商品的第1尺寸和与身体尺寸大于所述请求用户的所述其它用户相符的所述特定商品的第2尺寸,并将处于所述第1尺寸与所述第2尺寸之间的所述尺寸估计为适合所述请求用户的所述尺寸。
根据本发明,将处于适合身体尺寸小于请求用户的身体尺寸的尺寸和适合身体尺寸大于请求用户的身体尺寸的用户的尺寸之间的尺寸,估计为适合请求用户的尺寸。因此,即使不存在身体尺寸与请求用户的身体尺寸为相同程度的用户,也能够估计出适合请求用户的体形的尺寸。
权利要求17所记载的发明的特征在于,在权利要求1~14中的任意一项所记载的信息处理装置中,所述估计单元根据来自所述其它用户的所述评价,对由所述其它用户的所述身体尺寸信息与该其它用户购买的所述特定商品的尺寸构成的组赋予权重,求出所述组的分布的近似式,将根据所述近似式和所述请求用户的所述身体尺寸信息计算出的所述尺寸估计为适合所述请求用户的所述尺寸。
根据本发明,如果存在多个身体尺寸和购买的特定商品的尺寸中的至少任意一方互不相同的用户,则能够估计出适合请求用户的尺寸。
权利要求18所记载的发明是由计算机执行的信息处理方法,其特征在于,该信息处理方法包含如下步骤:尺寸取得步骤,从购买历史存储单元中,取得购买了根据请求用户的请求而确定的特定商品的其它用户所购买的所述特定商品的尺寸,其中,所述购买历史存储单元存储有存在多个尺寸的穿着在身上的商品的购买历史;身体尺寸信息取得步骤,取得与所述请求用户的身体尺寸相关的身体尺寸信息和与所述其它用户的身体尺寸相关的身体尺寸信息;评价确定步骤,确定所述其它用户对由所述尺寸取得步骤取得的所述尺寸的评价;估计步骤,根据所述请求用户的身体尺寸信息与所述其它用户的身体尺寸信息之间的大小关系、该其它用户购买的特定商品的尺寸以及对该尺寸的所述评价,估计适合所述请求用户的所述特定商品的尺寸;以及输出步骤,输出由所述估计步骤估计出的所述尺寸。
权利要求19所记载的发明的特征在于,其使计算机作为以下单元来发挥作用:尺寸取得单元,其从购买历史存储单元中,取得购买了根据请求用户的请求而确定的特定商品的其它用户所购买的所述特定商品的尺寸,其中,所述购买历史存储单元存储有存在多个尺寸的穿着在身上的商品的购买历史;身体尺寸信息取得单元,其取得与所述请求用户的身体尺寸相关的身体尺寸信息和与所述其它用户的身体尺寸相关的身体尺寸信息;评价确定单元,其确定所述其它用户对由所述尺寸取得单元取得的所述尺寸的评价;估计单元,其根据所述请求用户的身体尺寸信息与所述其它用户的身体尺寸信息之间的大小关系、该其它用户购买的特定商品的尺寸以及对该尺寸的所述评价,估计适合所述请求用户的所述特定商品的尺寸;以及输出单元,其输出由所述估计单元估计出的所述尺寸。
权利要求20所记载的发明的特征在于,其以计算机能够读取的方式记录有信息处理程序,该信息处理程序使计算机作为以下单元来发挥作用:尺寸取得单元,其从购买历史存储单元中,取得购买了根据请求用户的请求而确定的特定商品的其它用户所购买的所述特定商品的尺寸,其中,所述购买历史存储单元存储有存在多个尺寸的穿着在身上的商品的购买历史;身体尺寸信息取得单元,其取得与所述请求用户的身体尺寸相关的身体尺寸信息和与所述其它用户的身体尺寸相关的身体尺寸信息;评价确定单元,其确定所述其它用户对由所述尺寸取得单元取得的所述尺寸的评价;估计单元,其根据所述请求用户的身体尺寸信息与所述其它用户的身体尺寸信息之间的大小关系、该其它用户购买的特定商品的尺寸以及对该尺寸的所述评价,估计适合所述请求用户的所述特定商品的尺寸;以及输出单元,其输出由所述估计单元估计出的所述尺寸。
发明效果
根据本发明,由于使用其它用户购买的特定商品的尺寸、请求用户的身体尺寸信息与其它用户的身体尺寸信息之间的对象关系以及其它用户对特定商品的评价来估计适合请求用户的尺寸,因此,即使用户不进行商品试穿,也能够提示适合用户的体形的尺寸。
附图说明
图1是示出一个实施方式的信息处理系统S的概要结构的一例的图。
图2是示出商品页的显示例的图。
图3的(a)是示出评价的内容与得分之间的关系的例子的图,(b)是示出购买时期与权重系数W1之间的关系的一例的图,(c)是示出评价人数与权重系数W2之间的关系的一例的图。
图4是示出身高和体重与体型类别之间的关系的例子的图。
图5是示出一个实施方式的电子商业街服务器1的概要结构的一例的框图。
图6的(a)是示出会员信息DB12a中登记的内容的一例的图,(b)是示出类别信息DB12b中登记的内容的一例的图,(c)是示出商品信息DB12c中登记的内容的一例的图,(d)是示出购物筐删除历史DB12d中登记的内容的一例的图,(e)是示出购买历史DB12e中登记的内容的一例的图,(f)是示出评论信息DB12f中登记的内容的一例的图。
图7是示出一个实施方式的电子商业街服务器1的系统控制部14的商品页发送处理的处理例的流程图。
图8是示出一个实施方式的电子商业街服务器1的系统控制部14的合适尺寸估计处理的处理例的流程图。
图9是示出一个实施方式的电子商业街服务器1的系统控制部14的合适尺寸估计处理的处理例的流程图。
图10是示出一个实施方式的电子商业街服务器1的系统控制部14的购买目的判定处理的处理例的流程图。
图11是示出一个实施方式的电子商业街服务器1的系统控制部14的得分计算处理的处理例的流程图。
图12是示出一个实施方式的电子商业街服务器1的系统控制部14的合适尺寸估计处理的处理例的流程图。
图13是示出一个实施方式的电子商业街服务器1的系统控制部14的合适尺寸估计处理的处理例的流程图。
图14的(a)是示出身高与商品尺寸的组的分布以及近似线的图,(b)~(d)是示出推荐尺寸信息110的显示例的图。
图15是示出一个实施方式的电子商业街服务器1的系统控制部14的合适尺寸估计处理的处理例的流程图。
图16是示出一个实施方式的电子商业街服务器1的系统控制部14的合适尺寸估计处理的处理例的流程图。
图17是示出一个实施方式的电子商业街服务器1的系统控制部14的购买历史去除处理的处理例的流程图。
图18是示出一个实施方式的电子商业街服务器1的系统控制部14的合适尺寸估计处理的处理例的流程图。
图19是示出一个实施方式的电子商业街服务器1的系统控制部14的合适尺寸估计处理的处理例的流程图。
图20是示出一个实施方式的电子商业街服务器1的系统控制部14的合适尺寸估计处理的处理例的流程图。
图21是示出一个实施方式的电子商业街服务器1的系统控制部14的合适尺寸估计处理的处理例的流程图。
具体实施方式
以下,参照附图,对本发明的实施方式进行详细说明。此外,下面说明的实施方式是将本发明应用于信息处理系统的情况下的实施方式。
[1.第1实施方式]
[1-1.信息处理系统的结构和功能概要]
首先,使用图1,对本实施方式的信息处理系统S的结构进行说明。图1是示出本实施方式的信息处理系统S的概要结构的一例的图。
如图1所示,信息处理系统S构成为包含电子商业街服务器1、多个店铺终端2和多个用户终端3。并且,电子商业街服务器1与各店铺终端2和各用户终端3能够经由网络NW,例如在通信协议中使用TCP/IP等相互收发数据。此外,网络NW例如由互联网、专用通信线路(例如、CATV(Community Antenna Television:共用天线电视)线路)、移动体通信网(包括基站等)和网关等构筑。
电子商业街服务器1是执行与能够购买西服商品的电子商业街相关的各种处理的服务器装置。电子商业街服务器1是本发明的信息处理装置的一例。用户能够利用电子商业街,从期望的店铺购买期望的商品。电子商业街服务器1根据来自用户终端3的请求,例如发送电子商业街的网页,进行与商品的检索和购买等相关的处理。此外,电子商业街可以是能够购买西服以外的商品的站点。
店铺终端2是由在电子商业街开店的店铺的从业人员等利用的终端装置。店铺终端2根据来自从业人员等的操作,访问电子商业街服务器1等服务器装置。由此,店铺终端2从服务器装置接收网页并显示。店铺终端2中安装有浏览器和电子邮件客户端等软件。从业人员通过利用店铺终端2,例如将销售的商品的信息登记到电子商业街,或者确认商品的订购内容。
用户终端3是利用电子商业街的用户的终端装置。用户终端3根据来自用户的操作,访问电子商业街服务器1,从电子商业街服务器1接收网页并显示。用户终端3中安装有浏览器和电子邮件客户端等软件。作为用户终端3,例如使用了个人计算机、PDA(Personal Digital Assistant:个人数字助理)、智能手机等便携信息终端和移动电话等。
[1-2.商品购买步骤]
接下来,使用图2,对电子商业街中的商品购买步骤进行说明。在能够在电子商业街购买的西服的商品中,存在多个尺寸。该尺寸称作“商品尺寸”。作为商品尺寸的显示,例如有S、M、L等符号显示、码数显示和英寸数显示等。此外,下面将西服商品简单称作“商品”。用户为了检索期望的商品,在电子商业街的网页中指定的检索条件。并且,当用户选择了用于检索的按钮时,用户终端3将包含检索条件的请求发送到电子商业街服务器1。电子商业街服务器1根据请求中包含的检索条件检索商品。并且,电子商业街服务器1将检索结果页发送到用户终端3。检索结果页是显示有检索出的商品的一览的网页。当用户在检索结果页中指定了任意商品时,在画面中显示所指定的商品的商品页。商品页是显示与1个商品相关的详细信息的网页。
电子商业街服务器1在由用户指定的商品的多个商品尺寸中,估计符合所指定的用户的身体的尺寸的商品尺寸。并且,电子商业街服务器1输出表示估计出的商品尺寸的信息。具体地说,电子商业街服务器1在所指定的商品的商品页中显示估计出的商品尺寸的信息。将所指定的商品称作“指定商品”。进行指定的用户称作“指定者”。指定商品是本发明的特定商品的一例。指定者是本发明的请求用户的一例。
图2是示出商品页的显示例的图。在商品页中,例如显示有商品名、商品的图像、商品价格、店铺名、商品尺寸、商品的说明、购买货款的支付方法和商品的配送方法等。此外,如图2所示,在商品页中,显示有推荐尺寸信息110、商品尺寸选择复选框组120、购物筐登记按钮130等。推荐尺寸信息110是表示在指定商品中,适合指定者的商品尺寸的信息。作为推荐尺寸信息110,例如显示“与您体型接近的人大多购买了M尺寸”等信息。此外,只要是表示适合指定者的商品尺寸的信息,则可以显示任何信息。
商品尺寸选择复选框组120是用于让用户从指定商品的多个商品尺寸中选择要购买的商品尺寸的复选框组。具体而言,按照每一商品尺寸显示复选框。通过操作商品尺寸选择复选框组120,用户能够选择1个以上的商品尺寸。在电子商业街中,提供如下服务:对于同一商品,店铺向购买者发送多个商品尺寸的商品,接收到商品的购买者除了自己满意的1个商品尺寸以外,可以将其它商品尺寸的商品退给店铺。将该服务称作“尺寸选择退货服务”。通过尺寸选择退货服务,用户能够实际试穿商品,并最终选择最适合自己体形的商品尺寸的商品。此外,在没有应对尺寸选择退货服务的商品的商品页中,替代商品尺寸选择复选框组120,显示单选按钮组。在该情况下,用户只能够选择1个商品尺寸。此外,在虽然是同一商品但是商品页针对每个商品尺寸而不同的情况下,用户不能够选择商品尺寸。
购物筐登记按钮130是用于将商品放入到购物筐中的按钮。购物筐是放入用户决定要购买的商品的虚拟容器。当用户选择了购物筐登记按钮130时,将通过商品尺寸选择复选框组120被设为选择状态的商品尺寸的指定商品放入购物筐。并且,在画面中显示购物筐页。购物筐页是显示用户放入到购物筐中的商品的一览的网页。在购物筐页中,用户能够从购物筐中删除放入到购物筐中的商品。由此,用户能够放弃购买用户决定要购买的商品。此外,在购物筐页中,显示购买手续按钮。购买手续按钮是用于进行放入到购物筐中的商品的购买手续的按钮。当用户选择购买手续按钮,然后输入该购买手续所需的信息后,完成商品的订购。由此,用户能够购买商品。
用户在电子商业街中,能够阅览购买历史页。购买历史页是显示商品的购买历史的网页。在购买历史页中,用户能够在完成了订购的商品中,取消尚未发货的商品的订购。由此,用户能够放弃购买用户决定要购买的商品。此外,在购买历史页中,用户能够选择登记商品评论。商品评论是用户对用户购买的商品的评价、感想、批评、意见等信息。具体地说,商品评论包括推荐度、商品评论的标题和正文。推荐度例如表示用户对商品的满意程度、用户认为可以将商品推荐给他人的程度等。推荐度例如有1~5的5个等级。并且,推荐度越高,则表示对商品的评价越高。当用户选择了登记商品评论时,显示用于输入商品评论的网页。在此,用户输入推荐度、商品评论的标题和正文等。所输入的信息从用户终端3被发送到电子商业街服务器1。并且,电子商业街服务器1登记接收到的信息。用户能够在电子商业街中确认自己输入的商品评论和他人输入的商品评论。
[1-3.适合用户的商品尺寸的估计方法]
接下来,在指定商品中,使用图3和图4,对适合指定者的商品尺寸的估计方法进行说明。将适合指定者的商品尺寸称作“合适尺寸”。
电子商业街服务器1,根据购买过指定商品的用户购买的指定商品的商品尺寸、指定者的身体尺寸与购买过指定商品的用户的身体尺寸的大小关系以及购买过指定商品的用户对指定商品的评价,来估计指定者的合适尺寸。对指定商品的评价以商品尺寸为单位进行分类。将购买过指定商品的用户称作“已购买者”。已购买者是与指定者不同的用户。已购买者实际穿着过所购买的指定商品的概率较高。因此,在已购买者对指定商品的评价中,有可能包含已购买者穿着指定商品的结果。因此,来自某已购买者的评价较高的商品尺寸适合该已购买者的身体尺寸的概率较高,来自某已购买者的评价较低的商品尺寸适合该已购买者的身体尺寸的概率较低。因此,电子商业街服务器1判定指定者的身体尺寸与购买过指定商品的用户的身体尺寸之间的大小关系,越是来自身体尺寸与指定者为相同程度的已购买者的评价较高的商品尺寸,则估计为指定者的合适尺寸的概率越大。即使指定者不进行商品的试穿,指定者也能够知晓被估计为适合指定者的商品尺寸。
此外,即使是同一商品,有时商品页也根据每一商品尺寸而不同。在该情况下,用户有时为了查找适合自己的尺寸而请求各种商品页。这样,由于电子商业街服务器1处理的请求增加,因而电子商业街服务器1的处理负载增大。但是,由于在商品页中显示被估计为适合用户的商品尺寸,因而能够减少用户用于查找适合自己的尺寸的请求。由此,能够降低电子商业街服务器1的处理负载。
实际上,电子商业街服务器1还考虑已购买者已购买过这样的事实,来估计合适尺寸。具体而言,越是评价较高的商品尺寸,则被估计为合适尺寸的概率越大,越是购买数较多的商品尺寸,则被估计为合适尺寸的概率越大。用户在购买商品时,用户例如根据经验等,选择估计为适合用户的身体尺寸的商品尺寸。因此,用户购买的商品尺寸可能是用户的合适尺寸。但是,用户在收到购买的商品之前,无法穿着商品。因此,存在用户购买的商品尺寸实际不适合用户的身体尺寸的情况。因此,如果只是根据身体尺寸与指定者为相同程度的用户购买过这样的事实来估计合适尺寸,则有时估计精度较低。因此,电子商业街服务器1通过考虑来自已购买者的评价,能够提高指定者的合适尺寸的估计精度。另外,电子商业街服务器1也可不考虑已购买过这样的事实,根据来自已购买者的评价,来估计合适尺寸。
接下来,说明针对商品尺寸的评价。图3的(a)是示出评价的内容与得分之间的关系的例子的图。得分表示对商品尺寸的评价的等级。得分越高,则评价越高。评价的种类大体有3种。第1种评价是有无退货。如上所述,在应对了尺寸选择退货服务的商品的情况下,购买者会收到商品尺寸互不相同的多个相同商品,并可以在多个相同商品中对一部分商品尺寸的商品进行退货。此时,针对各个商品尺寸,用户能够通过实际试穿多个商品尺寸的商品,来决定是否退货。因此,购买者未退货的商品尺寸被认为是适合购买者的身体尺寸的商品尺寸,购买者退货的商品尺寸被认为是不适合购买者的身体尺寸的商品尺寸。因此,有无退货被认为是对商品尺寸的评价。在该情况下,与被退货的商品尺寸相比,未被退货的商品尺寸的评价较高。如图3的(a)所示,未被退货的商品尺寸的得分例如被设定为+3.0,被退货的商品尺寸的得分例如被设定为-3.0。
第2种评价是商品评论的内容。购买者例如实际试穿购买的某商品尺寸的商品。其结果是,购买者有时在判断商品尺寸是否适合自己的身体尺寸后,登记商品评论。因此,商品评论的推荐度越高,则所购买的商品尺寸越可能适合购买者的身体尺寸。如图3的(a)所示,针对推荐度的1~5,得分例如被设定为-2.0,-1.0,+1.0,+1.5,+2.0。与推荐度对应的得分的绝对值的最大值小于与有无退货对应的得分的绝对值。即,有无退货的权重大于商品评论的权重。换言之,与商品评论的内容相比,电子商业街服务器1更重视有无退货,来估计合适尺寸。其理由是,有无退货被认为是对商品尺寸的直接评价,另一方面,商品评论的内容有时包含对商品尺寸以外的情况的评价。
此外,可以有多个能够进行多等级评价的项目。作为项目,例如有商品尺寸、设计和价格等。在该情况下,电子商业街服务器1可以根据对商品尺寸的评价来决定得分。此外,电子商业街服务器1可以根据商品评论的标题和正文,来决定得分。其原因是,在标题和正文的内容为肯定的内容的情况下,所购买的商品尺寸有可能适合购买者的身体尺寸。此外,在标题和正文的内容为否定的内容的情况下,所购买的商品尺寸有可能不适合购买者的身体尺寸。例如,电子商业街服务器1可以从标题和正文中提取肯定词和否定词。作为肯定词,例如有“良”、“合适”、“正好”等。作为否定词,例如有“差”、“不符合”、“不合适”等。电子商业街服务器1例如在只提取到肯定词的情况下,例如可以将得分设为+2.0,在只提取到否定词的情况下,例如可以将得分设为-2.0。此外,电子商业街服务器1在没有提取到肯定词和否定词的情况下,例如可以将得分设为+1.0。此外,电子商业街服务器1在提取到肯定词和否定词双方的情况下,例如可以根据肯定词与否定词的比率来决定得分。
第3种评价是在多个商品尺寸中,用户对要购买的商品尺寸发生迷惑的情况。具体而言,存在从购物筐中删除商品和订购完成后进行取消这样的情况。例如,用户决定要购买某商品X,并将M尺寸的商品X登记到购物筐中。然后,用户不进行购买手续,从购物筐中删除M尺寸的商品X。接下来,用户将L尺寸的商品X登记到购物筐中,执行购买手续,购买了L尺寸的商品X。在该情况下,针对商品X,存在用户对购买M尺寸还是购买L尺寸发生迷惑的迹象。并且,用户不购买M尺寸、最终购买了L尺寸这样情况有可能是用户研究了M尺寸和L尺寸。在该情况下,与最终未购买的M尺寸相比,最终购买的L尺寸的评价较高。对于订购完成后进行的取消,也是相同的。用户在完成了M尺寸的商品X的购买手续之后,在商品X发货之前取消了订购。接下来,用户进行了L尺寸的商品X的购买手续,由此L尺寸的商品X被配送给用户。在该情况下,对于商品X,存在用户对购买M尺寸还是购买L尺寸发生迷惑的迹象。并且,与最终未购买的M尺寸相比,最终购买的L尺寸的评价较高。此外,与简单地购买了S尺寸的用户相比,在购买S尺寸与M尺寸之间发生迷惑后购买了S尺寸的用户被认识为是经过进一步考虑后最终决定了尺寸。
如图3的(a)所示,最终购买的商品尺寸的得分例如被设定为+1.5,最终未购买的商品尺寸的得分例如被设定为-1.5。对商品尺寸发生迷惑的情况下的得分的绝对值小于与推荐度对应的得分的绝对值的最大值。即,商品评论的权重大于对商品尺寸发生迷惑的情况。换言之,与对商品尺寸发生迷惑的情况相比,电子商业街服务器1重视商品评论的内容,来估计合适尺寸。其原因是,在用户对商品尺寸发生迷惑而购买商品的情况下,用户在最终决定要购买的商品尺寸之前,无法穿着商品。因此,补充地使用对商品尺寸发生迷惑的情况下的评价。此外,电子商业街服务器1也可以只根据有无从购物筐中删除商品和在订购完成后有无取消中的任意一方,来判定用户是否对已购买者从多个商品尺寸中购买的商品尺寸发生了迷惑。
如图3的(a)所示,在没有评价的情况下,得分例如被设定为+1.0。没有评价的情况是指如下情况:用户购买了商品,但是没有退货,也没有登记商品评论,并且对商品尺寸没有发生迷惑。即,针对购买过这样的事实,设定+1.0的得分。没有评价只有购买的情况下的得分的绝对值的最大值小于对商品尺寸发生迷惑的情况下的得分的绝对值。即,与没有评价的情况相比,对商品尺寸发生迷惑的情况下的权重较大。其原因是,在对商品尺寸发生迷惑的情况下,有可能对多个商品尺寸进行了研究。
此外,电子商业街服务器1可以仅仅使用有无退货或者商品评论的内容中的任意一方,来估计合适尺寸。此外,电子商业街服务器1也可以使用有无退货或商品评论的内容中的任意一方以及对商品尺寸发生迷惑情况。
接下来,对各用户的身体尺寸的确定方法进行说明。在本实施方式中,各用户预先在电子商业街中登记与自己的身体尺寸相关的信息。与身体尺寸相关的信息称作“体型信息”。体型信息是本发明的身体尺寸信息的一例。体型信息例如包含身高和体重。电子商业街服务器1根据体型信息来确定已购买者,该已购买者具有包含在与指定者的身体尺寸相同的身体尺寸的范围内的身体尺寸。将身体尺寸的范围称作“体型类别”。图4是示出身高和体重与体型类别之间的关系的例子的图。如图4所示,身高例如被分类为矮、稍矮、中、稍高、高这5个类别。在图4中,纵虚线是身高类别的边界。此外,体重例如被分类为轻、稍轻、中、稍重、重这5个类别。在图4中,横虚线是身高类别的边界。并且,被虚线包围的矩形的各区域相当于体型类别。此外,对于女性用的体型类别和男性用的体型类别,可以分别进行定义。此外,电子商业街服务器1在指定者的身体尺寸与已购买者的身体尺寸之差为预先设定的差以下的情况下,可以判定为已购买者具有包含在与指定者的身体尺寸相同的身体尺寸的范围内的身体尺寸。
此外,体型信息可以只包含身高或体重中的至少任意一方。并且,电子商业街服务器1可以只根据一方的信息,来确定体型类别。此外,体型信息也可以包含详细信息。例如,可以包含上半身的长度、下半身的长度、胸围尺寸、腰围尺寸和臀围尺寸等。并且,电子商业街服务器1也可以根据详细信息来确定体型类别。此外,电子商业街服务器1可以根据指定商品的种类,改变要使用的信息。例如,电子商业街服务器1可以对上装使用上半身的长度,对下装使用下半身的长度。
在本实施方式中,电子商业街服务器1确定与指定者属于相同的体型类别的已购买者。并且,按照图3的(a)所示那样,针对与指定者属于相同的体型类别的每一已购买者,决定得分。在已购买者进行了多个评价的情况下,电子商业街服务器1可以汇总与各个评价对应的得分。例如,用户在M尺寸和L尺寸之间对要购买的商品尺寸发生迷惑,结果用户购买了L尺寸。然后,用户对商品评论进行登记,将喜欢程度设定为2。在该情况下,M尺寸的得分为-1.5。另一方面,L尺寸的得分为+1.5-1.0=+0.5。此外,电子商业街服务器1也可以只根据多个评价中的权重最高的评价,来决定得分。在所述的例子中,由于商品评论的内容的权重大于对商品尺寸发生迷惑的情况下的权重,因而L尺寸的得分为-1.0。即,电子商业街服务器1重视权重大的评价,其结果是,忽视权重小的评价。
电子商业街服务器1针对每一商品尺寸,汇总各个已购买者的得分,针对每一商品尺寸决定总得分。并且,电子商业街服务器1确定总得分最高的商品尺寸,作为合适尺寸。此外,没有评价的情况下的得分可以为0。由此,在估计合适尺寸时,在合适尺寸的估计中,能够不反映只是购买而没有评价的情况。
将进行了评价的已购买者的数量称作“评价人数”。将已购买者的数量称作“购买者数”。存在购买者数越多,则评价人数越多的趋势。并且,认为:评价人数越多,则合适尺寸的估计精度越高。因此,当用户通过指定评价人数较少的商品而购买了商品页中显示的推荐尺寸信息110所表示的合适尺寸时,购买的商品尺寸有时不适合用户的身体尺寸。商品尺寸不适合用户的身体尺寸这样的结果被反映到评价中。如果随着评价人数增多,合适尺寸的估计精度增高,则用户可以不利用尺寸选择退货服务。或者,用户即使利用了尺寸选择退货服务,也能够减少选择的商品尺寸的数量。此外,能够减少用户对商品尺寸选择的迷惑,商品评论的内容变好,推荐度提高。
此外,各已购买者购买指定商品的时期是多种多样的。已购买者对指定商品的商品尺寸的评价是指定商品的购买时期的评价。即,来自已购买者的评价是基于指定商品的购买时期的已购买者的身体尺寸而完成的。另一方面,用户登记的体型信息被认为是反映了当前的用户的身体尺寸。从已购买者购买指定商品的当时到当前,已购买者的身体尺寸可能已发生变化。因此,在根据体型信息确定已购买者的身体尺寸时,在已购买者的指定商品的购买时期较早的情况下,存在来自已购买者的评价的可靠性较低的情况。因此,电子商业街服务器1可以根据指定商品的购买时期,对各已购买者的得分赋予权重。具体地说,购买时期越晚,则电子商业街服务器1将权重设定得越大。即,购买时期越晚,则电子商业街服务器1越重视已购买者的评价。图3的(b)是示出购买时期与权重系数W1之间的关系的一例的图。权重系数W1是表示与指定商品的购买时期对应的权重的系数。如图3的(b)所示,在购买时期距离当前为5年前以上的情况下,权重系数W1例如为0.5。此外,在购买时期为2年前以上~不到5年前的情况下,权重系数W1例如为0.8。此外,购买时期为半年前以上~不到2年前的情况下,权重系数W1例如为1.0。此外,在购买时期不到半年前的情况下,权重系数W1例如为1.2。电子商业街服务器1针对每一已购买者,对根据图3的(a)得到的得分赋予根据图3的(b)得到的权重系数W1,计算每一已购买者的最终得分。此外,电子商业街服务器1也可以不使用来自购买时期比预先设定的时期早的已购买者的评价来估计合适尺寸。
此外,电子商业街服务器1使用有评价的情况下的得分和没有评价的情况下的得分这双方,来估计合适尺寸。如上所述,无法断定用户购买的商品尺寸适合用户的身体尺寸。因此,有评价的情况下的得分的绝对值大于没有评价的情况下的得分的绝对值。但是,为了提高合适尺寸的估计精度,也可以只根据评价来估计合适尺寸。另一方面,如果在评价人数较少的情况下只根据评价来估计合适尺寸,则有时合适尺寸的估计精度较低。此外,与购买者数相比,有时评价人数相当少。因此,电子商业街服务器1可以根据评价人数,分别改变有评价的情况下的得分的权重和没有评价的情况下的得分的权重。具体地说,评价人数越多,则电子商业街服务器1将有评价的情况下的得分的权重设定得越大,将没有评价的情况下的得分的权重设定得越小。图3的(c)是示出评价人数与权重系数W2之间的关系的一例的图。权重系数W2是示出有评价的情况下的得分的权重的系数。此外,没有评价的情况下的得分的权重为1-W2。如图3的(c)所示,在评价人数不到5的情况下,权重系数W2例如为0.5。此外,在评价人数为5以上不到10的情况下为0.6,在评价人数为10以上不到20的情况下为0.7,在评价人数为20以上不到40的情况下为0.8,在评价人数为40以上不到100的情况下为0.9,在评价人数为100以上的情况下为1.0。此外,电子商业街服务器1可以根据评价人数与购买者数的比例来决定权重。具体地说,评价人数的比例越大,则电子商业街服务器1将有评价的情况下的得分的权重设定得越大。
此外,用户有时为了他人而购买商品。在该情况下,来自为了他人而购买商品的用户的评价反映出购买的商品尺寸相对于用户自身的身体尺寸的合适程度的概率较低。其原因是,用户在为了他人而购买商品时,与自己的身体尺寸无关地选择商品尺寸。因此,电子商业街服务器1在合适尺寸的估计中,可以不使用来自被判定为为了他人而购买了指定商品的已购买者的评价。作为不使用来自已购买者的评价的情况的例子,存在如下情况:在已购买者为成人的情况下,已购买者购买了儿童用的指定商品。将几岁以上定为成人,是由电子商业街的运营者任意决定的。此外,作为不使用来自已购买者的评价的情况的例子,存在已购买者购买了与已购买者的性別不同的性別用的商品的情况。即,已购买者为了异性而购买商品的情况。例如,电子商业街服务器1在已购买者此前购买的商品中,计算女性用的商品的比例和男性用的商品的比例。并且,电子商业街服务器1将比例为预先设定的阈值以下的性別的商品判定为已购买者为异性购买的商品。阈值被设定为小于5成的值。即,与比例较大的商品对应的性別是进行购买的用户的性別。此外,电子商业街服务器1在用户在电子商业街中登记了自己的性別的情况下,也可以取得所登记的性別。
此外,电子商业街服务器1在判定为指定者指定了不是指定者自己穿着的商品作为指定商品的情况下,可以不显示推荐尺寸信息110。作为不显示推荐尺寸信息110的情况的例子,存在如下情况等:在指定者为成人的情况下指定商品为儿童用的商品;指定商品为与指定者的性別不同的性別用的商品。此外,电子商业街服务器1在指定商品为孕妇用的商品的情况下,也可以不显示推荐尺寸信息110。这是因为,孕妇用的商品是符合孕妇的体格的商品。此外,用户可以在电子商业街中登记用户是否处于怀孕中。并且,电子商业街服务器1在指定者为怀孕中的情况下,可以不显示推荐尺寸信息110。
可以根据商品的类别来确定商品是否为儿童用、商品是女性用还是男性用、商品是否为孕妇用等。商品的类别是根据预先决定的基准,对商品划分而得到的商品的类别、分类等。
[1-4.电子商业街服务器的结构]
接下来,使用图5和图6,对电子商业街服务器1的结构进行说明。
图5是示出本实施方式的电子商业街服务器1的概要结构的一例的框图。如图5所示,电子商业街服务器1具有通信部11、存储部12、输入/输出接口13和系统控制部14。并且,系统控制部14与输入/输出接口13经由系统总线15连接。
通信部11与网络NW连接,对店铺终端2和用户终端3等的通信状态进行控制。
存储部12例如由硬盘驱动器等构成。存储部12是本发明的历史存储单元、退货历史存储单元和非购买历史存储单元的一例。在该存储部12中,构筑有会员信息DB12a、类别信息DB12b、商品信息DB12c、购物筐删除历史DB12d、购买历史DB12e和评论信息DB12f等数据库。“DB”是数据库的缩略语。
图6的(a)是示出会员信息DB12a中登记的内容的一例的图。在会员信息DB12a中,登记有与在信息处理系统S中进行了会员登记的用户相关的会员信息。具体地说,在会员信息DB12a中,用户ID、密码、昵称、姓名、出生年月日、性別、邮政编号、住所、电话号码、电子邮件地址、体型信息等用户的属性与每一用户关联起来进行登记。
图6的(b)是示出类别信息DB12b中登记的内容的一例的图。在类别信息DB12b中,登记有与商品的类别相关的类别信息。具体地说,在类别信息DB12b中,类别ID、类别名、类别的等级、父类别ID、子类别ID列表等类别的属性与每一类别对应起来进行登记。类别信息例如由电子商业街的运营者来设定。
商品的类别通过树结构分层地进行定义。具体地说,树结构的各节点相当于类别。节点的深度相当于与该节点对应的类别的等级(阶层)。节点的深度是与位于根部的节点(以下,称作“根节点”)之间的距离。等级的值越大,则作为等级的深度越深,等级的值越小,则作为等级的深度越浅。与根节点具有的子节点对应的类别为等级1的类别。等级1的类别为最高层的类别。相对于等级1的各类别,与子节点对应的类别被定义为等级2的类别。此处,与某类别J1的子节点对应的类别J2称作类别J1“子类别”。此外,将此时的类别J1称作类别J2“父类别”。子类别是在将父类别进一步划分成多个时,属于相同商品的范围。因此,子类别属于父类别。与某类别的祖先节点对应的类别称作“祖先类别”。例如,类别J3为类别J2的子类别。在该情况下,类别J1和J2分别是类别J3的祖先类别。类别J3的商品属于类别J3,并且也属于类别J3的祖先类别。因此,类别J3的商品属于类别J1~J3中的任意一种。
说明类别划分的例子。作为等级1的类别,例如有“时尚女装”、“时尚男装”、“孩子/婴儿/母亲”等。作为“时尚女装”的子类别,例如有“连衣裙”、“上装”、“下装”等。作为“上装”的子类别,例如有“T恤”、“马球衫”、“衬衫”等。如何进行类别划分,是同运营者任意决定的。
类别ID是根据类别信息定义的类别的识别信息。父类别ID是根据类别信息定义的类别的父类别的类别ID。子类别ID列表是根据类别信息定义的类别的子类别的类别ID的列表。在根据类别信息定义的类别具有子类别的情况下,设定子类别ID列表。
图6的(c)是示出商品信息DB12c中登记的内容的一例的图。在商品信息DB12c中,登记有与在电子商业街销售的商品相关的商品信息。商品信息是由店铺登记的信息。具体地说,在商品信息DB12c中,店铺ID、商品ID、商品编码、类别ID、品牌ID、商品名、商品图像的URL、商品说明、商品价格、商品尺寸列表以及尺寸选择退货服务标志等商品的属性值与店铺销售的每一商品对应起来进行登记。店铺ID是作为商品的销售源的店铺的识别信息。商品ID是店铺用于管理所销售的商品的商品识别信息。店铺ID与商品ID的组合与商品页一一对应。商品编码是识别商品的编码编号。在多个店铺销售同一商品的情况下,对各个商品赋予同一商品编码。作为商品编码,例如有JAN(Japanese Article Number Code:日本商品数字编码)编码。类别ID表示商品所属的类别。品牌ID是商品品牌的识别信息。基本上,商品信息中设定的类别ID是等级编号最高的类别的类别ID。即,设定最细分化的类别的类别ID。商品名是店铺赋予的商品名称。商品尺寸列表示出商品尺寸的列表。尺寸选择退货服务标志示出是否应用尺寸选择退货服务。
图6的(d)是示出购物筐删除历史DB12d中登记的内容的一例的图。在购物筐删除历史DB12d,登记有表示来自购物筐的商品的删除的历史的购物筐删除历史。购物筐删除历史是本发明的非购买历史的一例。具体地说,在购物筐删除历史DB12d中,每当从购物筐中删除商品时,对用户ID、删除日时、店铺ID、商品ID和商品尺寸列表进行登记。用户ID示出从购物筐删除商品的用户。删除日时示出从购物筐中删除商品的日期和时间。店铺ID示出从购物筐中删除的商品的销售源。商品ID示出从购物筐中删除的商品。商品尺寸列表是从购物筐中删除了商品的商品的商品尺寸的列表。
图6的(e)是示出购买历史DB12e中登记的内容的一例的图。在购买历史DB12e中,登记有用户的商品购买历史。购买历史是本发明的购买历史、退货历史和非购买历史的一例。具体地说,在购买历史DB12e中,订购编码、购买日时、用户ID、店铺ID、商品ID、商品编码、类别ID、品牌ID、购买尺寸列表、购买价格、取消标志、取消日时、退货标志、退货日时和退货尺寸列表等与商品的每次购买对应起来进行登记。订购编码是每当进行商品订购时被赋予的订购的识别信息。用户ID示出购买者。店铺ID示出购买目的地的店铺。商品ID和商品编码示出购买的商品。类别ID示出购买的商品的品牌。购买尺寸列表是购买的商品的商品尺寸的列表。取消标志是表示是否取消订购的信息。取消标志被设定为ON或OFF。ON表示取消订购。OFF表示没有取消订购。取消日时示出进行取消操作的日期和时间。退货标志是表示是否对一部分商品尺寸的商品进行了退货的信息。退货标志被设定为ON或OFF。ON表示商品被退货。OFF表示商品没有被退货。退货日时示出进行退货操作的日期和时间。退货尺寸列表是被退货的商品的商品尺寸的列表。
图6的(f)是示出评论信息DB12f中登记的内容的一例的图。在评论信息DB12f中,登记有与商品评论相关的评论信息。具体地,在评论信息DB12f中,每当登记商品评论时,对用户ID、登记日时、店铺ID、商品ID和商品尺寸列表、推荐度、商品评论的标题和正文进行登记。用户ID示出登记了商品评论的用户。登记日时示出登记商品评论的日期和时间。店铺ID示出作为商品评论的对象的商品的销售源。商品ID示出作为商品评论的对象的商品。商品尺寸列表是作为商品评论的对象的商品尺寸的列表。不过,在进行了退货的情况下,在商品尺寸列表中只设定未被退货的商品的商品尺寸。
接下来,对存储部12中存储的其它信息进行说明。在存储部12中,存储有用于显示网页的HTML(Hyper Text Markup Language:超文本标记语言)文本、XML(Extensible Markup Language:可扩展标记语言)文本、图像数据、文本数据和电子文本等各种数据。此外,在存储部12中,存储有各种设定值。此外,在存储部12中,存储有与各个评价对应的得分。
此外,在存储部12中,存储有操作系统,WWW(World Wide Web:万维网)服务器程序、DBMS(Database Management System:数据库管理系统)、电子商务管理程序等各种程序。电子商务管理程序是用于执行与电子商务相关的各种处理的程序。电子商务管理程序是本发明的信息处理程序的一例。此外,各种程序例如可以经由网络NW从其它服务器装置等取得,也可以记录在DVD(Digital Versatile Disc:数字多功能光盘)等记录介质中,并通过驱动装置读入。
输入/输出接口13进行通信部11和存储部12与系统控制部14之间的接口处理。
系统控制部14由CPU14a、ROM(Read Only Memory:只读存储器)14b和RAM(Random Access Memory:随机存取存储器)14c等构成。并且,系统控制部14通过使CPU14a读出各种程序并执行,作为本发明中的尺寸取得单元、身体尺寸信息取得单元、评价确定单元、估计单元和输出单元发挥作用。
此外,电子商业街服务器1也可以由多个服务器装置构成。例如,在电子商业街中,进行商品的检索和订购等处理的服务器装置、进行合适尺寸的估计的服务器装置、根据来自用户终端3的请求发送网页的服务器装置和管理数据库的服务器装置等可以通过LAN等相互连接。
[1-5.信息处理系统的动作]
接下来,使用图7~图11,对信息处理系统S的动作进行说明。
图7是示出本实施方式的电子商业街服务器1的系统控制部14的商品页发送处理的处理例的流程图。每当电子商业街服务器1从用户终端3接收到商品页的请求时,执行商品页发送处理。从用户终端3发送到电子商业街服务器1的请求是表示指定者的请求的消息。在商品页的请求中,设定有指定商品的店铺ID和商品ID以及指定者的用户ID。系统控制部14根据接收到的请求确定指定商品。具体地,系统控制部14从请求中取得店铺ID、商品ID和用户ID。并且,系统控制部14从商品信息DB12c取得包含取得的店铺ID和商品ID的商品信息。此外,系统控制部14从会员信息DB12a取得包含取得的用户ID的会员信息。
如图7所示,系统控制部14从存储部12取得指定商品的商品页的HTML文本(步骤S1)。接下来,系统控制部14根据指定商品的商品信息中包含的类别ID,判定指定商品是否是儿童用的商品(步骤S2)。此时,系统控制部14在判定为指定商品不是儿童用的商品的情况下(步骤S2:否),转入步骤S4。另一方面,系统控制部14在判定为指定商品是儿童用的商品的情况下(步骤S2:是),根据指定者的会员信息中包含的年龄,判定指定者是否是成人(步骤S3)。此时,系统控制部14在判定为指定者是成人的情况下(步骤S3:是),转入步骤S7。在该情况下,系统控制部14不进行合适尺寸的估计。另一方面,系统控制部14在判定为指定者不是成人的情况下(步骤S3:否),转入步骤S4。
此外,系统控制部14在指定者的属性与指定商品的属性不对应的情况下,可以不估计合适尺寸。例如,系统控制部14判定指定者是成人还是儿童,并且,判定指定商品是成人用还是儿童用。并且,系统控制部14在指定者为成人并且指定商品为儿童用的情况下,不估计合适尺寸。此外,系统控制部14在指定者为儿童并且指定商品为成人用的情况下,不估计合适尺寸。此外,系统控制部14判定指定者是女性还是男性,并且,判定指定商品是女性用还是男性用。并且,系统控制部14在指定者为女性并且指定商品为男性用的情况下,不估计合适尺寸。此外,系统控制部14在指定者为男性并且指定商品为女性用的情况下,不估计合适尺寸。
系统控制部14能够根据指定者的会员信息中设定的信息,判定指定者的属性。另一方面,系统控制部14能够根据指定商品的商品信息中包含的类别ID,判定指定商品的属性。或者,系统控制部14也可以根据指定商品的购买历史,判定指定商品的属性。例如,系统控制部14根据购买历史,按照已购买者的各个属性,计算指定商品的购买者数的比例。并且,系统控制部14将与比例最多的已购买者的属性对应的属性作为指定商品的属性。例如,系统控制部14在已购买者中,女性的比例大于男性的比例的情况下,判定为指定商品为女性用的商品。
在步骤S4中,系统控制部14执行合适尺寸估计处理。在合适尺寸估计处理中,估计合适尺寸。合适尺寸估计处理的详细内容将在后面描述。系统控制部14在结束了合适尺寸估计处理后,根据估计出的合适尺寸,生成推荐尺寸信息110(步骤S5)。接下来,系统控制部14将生成的推荐尺寸信息110追加到指定商品的商品页的HTML文本中(步骤S6)。接下来,系统控制部14将指定商品的商品页的HTML文本发送给请求的发送源的用户终端3(步骤S7)。由此,作为输出单元的系统控制部14输出合适尺寸。系统控制部14在结束了该处理后,结束商品页发送处理。
接收到HTML文本的用户终端3在画面中显示商品页。电子商业街服务器1在执行了合适尺寸估计处理的情况下,在商品页中例如显示如图2所示推荐尺寸信息110。这样,系统控制部14通过用户终端3向用户提示合适尺寸。
此外,系统控制部14可以分别发送商品页的HTML文本和推荐尺寸信息110。例如,在商品页的HTML文本中,记述有用于从电子商业街服务器1取得推荐尺寸信息110的脚本。系统控制部14根据来自用户终端3的商品页的请求,首先将商品页的HTML文本发送到用户终端3。然后,系统控制部14进行合适尺寸的估计。接收到HTML文本的用户终端3根据HTML文本,显示商品页,并且,根据HTML文本中包含的脚本,向电子商业街服务器1发送推荐尺寸信息110的请求。系统控制部14根据接收到的请求,将推荐尺寸信息110发送到用户终端3。接收到推荐尺寸信息110的用户终端3在已经显示的商品页中,显示推荐尺寸信息110。由此,即使电子商业街服务器1在估计合适尺寸时需要时间,也能够使用户终端3比现有状况更早地显示商品页。
图8和图9是示出本实施方式的电子商业街服务器1的系统控制部14的合适尺寸估计处理的处理例的流程图。
如图8所示,作为身体尺寸信息取得单元的系统控制部14从指定者的会员信息取得体型信息(步骤S21)。接下来,系统控制部14将评价人数、各个商品尺寸的有评价的得分和没有评价的得分,分别初始化为0(步骤S22)。有评价的得分是有评价的情况下的得分的合计值。没有评价的得分是没有评价的情况下的得分的合计值。此时,系统控制部14从指定商品的商品信息中包含的商品尺寸列表中取得商品尺寸。并且,系统控制部14将与取得的商品尺寸对应的得分初始化。此外,在商品页根据每一商品尺寸而不同的情况下,在商品尺寸列表只设定为指定商品准备的多个商品尺寸中的1个商品尺寸。在该情况下,系统控制部14还根据与指定商品为同一商品的商品信息,取得商品尺寸。例如,系统控制部14从商品信息DB12c检索包含与指定商品的商品编码相同的商品编码在内的商品信息、包含与指定商品的商品名相同的商品名在内的商品信息。并且,系统控制部14从检索出的商品信息中包含的商品尺寸列表中取得商品尺寸。
接下来,系统控制部14检索指定商品的购买历史(步骤S23)。具体地说,系统控制部14从购买历史DB12e检索包含指定商品的店铺ID和商品ID的购买历史。此外,系统控制部14也可以将商品编码与指定商品相同的商品包含在指定商品中。在该情况下,系统控制部14根据指定商品的商品信息,取得商品编码。并且,系统控制部14检索包含取得的商品编码的购买历史。此外,系统控制部14可以只检索与指定者的性別相同的性別的已购买者的购买历史。此外,系统控制部14可以从检索对象中去除包含指定者的用户ID在内的购买历史,或者也可以不去除。已购买者中包含指定者自己本身并没有特别问题。重要的是,已购买者中包含1人以上的指定者以外的用户。
接下来,系统控制部14从在步骤S23检索出的购买历史中,选择购买者1人份的购买历史(步骤S24)。即,系统控制部14选择包含某用户ID的购买历史。此时,系统控制部14在多个购买历史包含同一用户ID的情况下,选择包含同一用户ID的多个购买历史。此处,将选择出的购买历史所表示的已购买者称作“选择购买者”。
接下来,系统控制部14执行购买目的判定处理(步骤S25)。在购买目的判定处理中,判定选择购买者购买指定商品的目的是否是为了他人。关于购买目的判定处理的详细内容,将在后面描述。接下来,系统控制部14判定购买目的判定处理的返回值是否是“为了他人”(步骤S26)。在返回值为“为了他人”的情况下,选择购买者购买指定商品的目的是为了他人。此时,系统控制部14在判定为返回值是“为了他人”的情况下(步骤S26:是),转入步骤S35。在该情况下,系统控制部14不计算选择购买者的得分。换言之,系统控制部14在合适尺寸的估计中,不使用选择购买者的指定商品的购买历史。另一方面,系统控制部14在判定为返回值不是“为了他人”的情况下(步骤S26:否),转入步骤S27。
在步骤S27中,作为身体尺寸信息取得单元的系统控制部14取得选择购买者的体型信息。具体地说,系统控制部14根据购买历史,取得选择购买者的用户ID。接下来,系统控制部14从会员信息DB12a取得包含取得的用户ID的会员信息。接下来,系统控制部14根据取得的会员信息,取得体型信息。
系统控制部14在取得了体型信息后,判定指定者的体型类别与选择购买者的体型类别是否一致(步骤S28)。体型类别根据体型信息来确定。此时,系统控制部14在判定为指定者的体型类别与选择购买者的体型类别不一致的情况下(步骤S28:否),转入步骤S35。
另一方面,系统控制部14在判定为指定者的体型类别与选择购买者的体型类别一致的情况下(步骤S28:是),执行得分计算处理(步骤S29)。在得分计算处理中,计算选择购买者针对指定商品的各个商品尺寸的得分。关于得分计算处理的详细内容,将在后面描述。
接下来,系统控制部14根据选择购买者的指定商品的购买时期,对各个商品尺寸的得分进行加权(步骤S30)。具体地说,系统控制部14从存储部12取得与选择购买者的购买历史中包含的购买日时对应的权重系数W1。在存在多个购买历史的情况下,系统控制部14例如取得与购买日时的平均对应的权重系数W1。系统控制部14对各个商品尺寸的得分乘以权重系数W1,计算选择购买者的每一商品尺寸的最终得分。
接下来,如图9所示,系统控制部14判定是否存在来自选择购买者的评价(步骤S31)。此时,系统控制部14在判定为存在来自选择购买者的评价的情况下(步骤S31:是),转入步骤S32。另一方面,系统控制部14在判定为不存在来自选择购买者的评价的情况下(步骤S31:否),转入步骤S34。
在步骤S32中,系统控制部14将评价人数加1。接下来,系统控制部14将选择购买者的各个商品尺寸的得分与各个商品尺寸的有评价得分分别相加(步骤S33)。接下来,系统控制部14转入步骤S35。在步骤S34中,系统控制部14将选择购买者的各个商品尺寸的得分与各个商品尺寸的无评价得分分别相加。接下来,系统控制部14转入步骤S35。
在步骤S35中,系统控制部14判定在步骤S23检索出的购买历史中是否存在尚未选择的购买历史。此时,系统控制部14在判定为存在尚未选择的购买历史的情况下(步骤S35:是),从尚未选择的购买历史中,选择购买者1人份的购买历史(步骤S36)。接下来,系统控制部14转入步骤S25。系统控制部14通过反复执行步骤S25~S36,计算已购买者有评价的每一商品尺寸的得分的合计值和已购买者没有评价的每一商品尺寸的得分的合计值。
系统控制部14在判定为选择了全部的购买历史的情况下(步骤S35:否),从存储部12取得与评价人数对应的权重系数W2(步骤S37)。接下来,系统控制部14计算每一商品尺寸的总得分(步骤S38)。具体地说,系统控制部14针对每一商品尺寸,计算下述的式子。
总得分=W2×有评价得分+(1-W2)×无评价得分
接下来,作为估计单元的系统控制部14确定总得分最高的商品尺寸作为合适尺寸(步骤S39)。系统控制部14在结束了该处理后,结束商品尺寸估计处理。
图10是示出本实施方式的电子商业街服务器1的系统控制部14的购买目的判定处理的处理例的流程图。
如图10所示,系统控制部14从购买历史DB12e检索包含选择购买者的用户ID的购买历史(步骤S41)。接下来,系统控制部14计算女性用的商品占选择购买者购买的全商品的比例和男性用的商品占选择购买者购买的全商品的比例。系统控制部14根据购买历史中包含的类别ID,能够判定是女性用还是男性用。
接下来,系统控制部14根据指定商品的商品信息中包含的类别ID,判定指定商品是否是男性用的商品(步骤S42)。此时,系统控制部14在判定为指定商品不是男性用的商品的情况下(步骤S42:否),转入步骤S44。另一方面,系统控制部14在判定为指定商品是男性用的商品的情况下(步骤S42:是),判定男性用的商品的比例是否为存储部12中存储的阈值以下(步骤S43)。此时,系统控制部14在判定为男性用的商品的比例为阈值以下的情况下(步骤S43:是),对返回值设定“为了他人”(步骤S48)。系统控制部14在结束了该处理后,结束购买目的判定处理。另一方面,系统控制部14在判定为男性用的商品的比例大于阈值的情况下(步骤S43:否),转入步骤S45。
在步骤S44中,系统控制部14判定女性用的商品的比例是否为阈值以下。此时,系统控制部14在判定为女性用的商品的比例为阈值以下的情况下(步骤S44:是),转入步骤S48。另一方面,系统控制部14在判定为女性用的商品的比例大于阈值的情况下(步骤S44:否),转入步骤S45。此外,在指定者的会员信息中设定有性別的情况下,系统控制部14也可以根据会员信息中设定的性別进行判定。
在步骤S45中,系统控制部14判定指定商品是否为儿童用的商品。此时,系统控制部14在判定为指定商品不是儿童用的商品的情况下(步骤S45:否),对返回值设定“为了自己”(步骤S47)。系统控制部14在结束了该处理后,结束购买目的判定处理。另一方面,系统控制部14在判定为指定商品是儿童用的商品的情况下(步骤S45:是),根据选择购买者的会员信息中包含的年龄,判定选择购买者是否为成人(步骤S46)。此时,系统控制部14在判定为选择购买者为成人的情况下(步骤S46:是),转入步骤S48。另一方面,系统控制部14在判定为选择购买者不是成人的情况下(步骤S46:否),转入步骤S47。
图11是示出本实施方式的电子商业街服务器1的系统控制部14的得分计算处理的处理例的流程图。
如图11所示,系统控制部14将选择购买者的各个商品尺寸的得分初始化为0(步骤S60)。接下来,系统控制部14判定是否存在来自选择购买者的指定商品的退货(步骤S61)。具体地说,系统控制部14在选择购买者的购买历史中包含的退货标志为ON的情况下,判定为存在来自选择购买者的指定商品的退货(步骤S61:是)。在该情况下,系统控制部14转入步骤S62。另一方面,系统控制部14在退货标志为OFF的情况下,判定为不存在来自选择购买者的指定商品的退货(步骤S61:否)。在该情况下,系统控制部14转入步骤S64。
在步骤S62中,作为评价确定单元的系统控制部14将未被退货的商品尺寸的得分与得分A1相加。得分A1是未被退货的商品尺寸的得分(例如,+3.0)。作为尺寸取得单元的系统控制部14根据选择购买者的购买历史,取得购买尺寸列表和退货尺寸列表。并且,系统控制部14在购买尺寸列表中包含的商品尺寸中,确定不包含在退货尺寸列表中的商品尺寸作为未被退货的商品尺寸。
接下来,作为评价确定单元的系统控制部14将被退货的商品尺寸的得分与得分A2相加(步骤S63)。得分A2是被退货的商品尺寸的得分(例如,-3.0)。退货尺寸列表中包含的商品尺寸是被退货的商品尺寸。系统控制部14在结束了该处理后,转入步骤S64。
在步骤S64中,系统控制部14判定是否登记了来自选择购买者的指定商品的商品评论。具体地说,系统控制部14从评论信息DB12f检索包含选择购买者的用户ID、指定商品的店铺ID和商品ID在内的评论信息。此时,系统控制部14在存在符合的评论信息的情况下,判定为登记了商品评论(步骤S64:是)。在该情况下,系统控制部14转入步骤S65。另一方面,系统控制部14在不存在符合的评论信息的情况下,判定为未登记商品评论(步骤S64:否)。在该情况下,系统控制部14转入步骤S66。
在步骤S65中,作为评价确定单元的系统控制部14根据检索出的评论信息,取得推荐度。并且,系统控制部14将作为商品评论的对象的商品尺寸的得分和与评论信息中包含的推荐度对应的得分Bn相加。得分Bn是与推荐度的值n对应的得分(例如,-2.0、-1.0、+1.0、+1.5或者+2.0中的任意一个)。接下来,系统控制部14转入步骤S66。
在步骤S66中,系统控制部14判定选择购买者是否从购物筐中删除过指定商品。具体地说,系统控制部14从购物筐删除历史DB12d检索包含选择购买者的用户ID、指定商品的店铺ID和商品ID在内的购物筐删除历史。此时,系统控制部14在存在符合的购物筐删除历史的情况下,判定为选择购买者从购物筐中删除过指定商品(步骤S66:是)。在该情况下,系统控制部14转入步骤S67。另一方面,系统控制部14在不存在符合的购物筐删除历史的情况下,判定为选择购买者没有从购物筐中删除过指定商品(步骤S66:否)。在该情况下,系统控制部14转入步骤S69。
在步骤S67中,系统控制部14判定选择购买者是否从从购物筐中删除过与购买的商品尺寸不同的商品尺寸。具体地说,系统控制部14在检索出的购物筐删除历史中包含的商品尺寸列表中设定的商品尺寸中,判定是否存在与选择购买者的指定商品的购买历史中包含的购买尺寸列表中设定的商品尺寸不一致的商品尺寸。此时,在商品尺寸列表中设定的商品尺寸中存在与购买尺寸列表中设定的商品尺寸不一致的商品尺寸的情况下,系统控制部14判定为选择购买者从购物筐中删除了与购买的商品尺寸不同的商品尺寸(步骤S67:是)。在该情况下,系统控制部14在购物筐删除评价标志中设定ON(步骤S68)。接下来,系统控制部14转入步骤S70。另一方面,系统控制部14在商品尺寸列表中设定的全部的商品尺寸与购买尺寸列表中设定的商品尺寸一致的情况下,判定为选择购买者没有从购物筐中删除与购买的商品尺寸不同的商品尺寸(步骤S67:否)。在该情况下,系统控制部14在购物筐删除评价标志中设定OFF(步骤S69)。接下来,系统控制部14转入步骤S70。
在步骤S70中,系统控制部14判定在选择购买者订购的多个商品尺寸的指定商品中,选择购买者是否仅对一部分商品尺寸的指定商品取消了订购。具体地说,系统控制部14在如下情况下,判定为在选择购买者订购的多个商品尺寸的指定商品中,选择购买者只对一部分商品尺寸的指定商品取消了订购(步骤S70:是),该情况是:存在多个选择购买者的购买历史,在多个购买历史中,只有一部分购买历史中包含的取消标志为ON,并且,取消标志为ON的购买历史中包含的购买尺寸列表中设定的商品尺寸与取消标志为OFF的购买历史中包含的购买尺寸列表中设定的商品尺寸不同。在该情况下,系统控制部14在取消评价标志中设定ON(步骤S71)。接下来,系统控制部14转入步骤S73。另一方面,系统控制部14在选择购买者的购买历史只有1个的情况下、在多个购买历史中包含的取消标志全部彼此相同的情况下、或者在取消标志为ON的购买历史中包含的购买尺寸列表中设定的商品尺寸与取消标志为OFF的购买历史中包含的购买尺寸列表中设定的商品尺寸一致的情况下,判定为在选择购买者订购的多个商品尺寸的指定商品中,选择购买者没有只对一部分商品尺寸的指定商品取消订购(步骤S70:否)。在该情况下,系统控制部14在取消评价标志中设定OFF(步骤S72)。接下来,系统控制部14转入步骤S73。
在步骤S73中,系统控制部14判定购物筐删除评价标志和取消评价标志中的至少任意一方是否为ON。此时,系统控制部14在判定为购物筐删除评价标志和取消评价标志均为OFF的情况下(步骤S73:否),转入步骤S76。另一方面,系统控制部14在判定为购物筐删除评价标志和取消评价标志中的至少任意一方为ON的情况下(步骤S73:是),转入步骤S74。
在步骤S74中,作为评价确定单元的系统控制部14将最终购买的商品尺寸的得分与得分C1相加。得分C1是最终购买的商品尺寸的得分(例如,+1.5)。在购物筐删除评价标志和取消评价标志中,只有购物筐删除评价标志为ON的情况下,系统控制部14确定为选择购买者的购买历史中包含的购买尺寸列表中设定的商品尺寸为最终购买的商品尺寸。在至少取消评价标志为ON的情况下,系统控制部14确定取消标志为OFF的购买历史中包含的购买尺寸列表中设定的商品尺寸为最终购买的商品尺寸。
接下来,作为评价确定单元的系统控制部14将最终未购买的商品尺寸的得分与得分C2相加(步骤S75)。得分C2为最终未购买的商品尺寸的得分(例如,-1.5)。在购物筐删除评价标志和取消评价标志中只有购物筐删除评价标志为ON的情况下,系统控制部14确定为:在购物筐删除历史中包含的商品尺寸列表中设定的商品尺寸中,最终购买的商品尺寸以外的商品尺寸是最终未购买的商品尺寸。在只有取消评价标志为ON的情况下,系统控制部14确定为:取消标志为ON的购买历史中包含的购买尺寸列表中设定的商品尺寸是最终未购买的商品尺寸。在购物筐删除评价标志和取消评价标志均为ON的情况下,系统控制部14确定为:在购物筐删除历史中包含的商品尺寸列表中设定的商品尺寸中,最终购买的商品尺寸以外的商品尺寸和取消标志为OFF购买历史中包含的购买尺寸列表中设定的商品尺寸分别为最终未购买的商品尺寸。系统控制部14在结束了步骤S75的处理后,转入步骤S76。
在步骤S76中,系统控制部14判定选择购买者是否未对指定商品进行过评价。不存在评价的情况是指在步骤S60~S75中,一次也没有对得分进行相加的情况。此时,系统控制部14在判定为存在评价的情况下(步骤S76:否),结束得分计算处理。另一方面,系统控制部14在判定为不存在评价的情况下(步骤S76:是),将购买的商品尺寸的得分与得分D相加(步骤S77)。得分D是没有评价的商品尺寸的得分(例如,+1.0)。接下来,系统控制部14结束得分计算处理。
如以上说明的那样,根据本实施方式,系统控制部14根据存储部12中存储的购买历史,取得购买了根据指定者的请求而确定的指定商品的已购买者购买的指定商品的商品尺寸,取得与指定者的身体尺寸相关的体型信息和与已购买者的身体尺寸相关的体型信息,取得已购买者对指定商品的商品评论,确定已购买者对指定商品的评价对应的得分,根据已购买者购买的商品尺寸、指定者的身体尺寸与已购买者的身体尺寸的大小关系和得分,估计合适尺寸,并输出包含估计出的合适尺寸在内的推荐尺寸信息。因此,即使用户不进行商品试穿,也能够提示适合用户体形的商品尺寸。
此外,在根据存储部12中存储的商品的购买历史,判定为购买了商品尺寸互不相同的多个指定商品的已购买者对一部分指定商品进行了退货的情况下,系统控制部14以未退货的商品尺寸的得分高于退货的商品尺寸的得分的方式来确定得分。由此,能够提高合适尺寸的估计精度。
此外,系统控制部14取得由已购买者输入的商品评论信息,确定与取得的商品评论信息的内容对应的得分。由此,能够提高合适尺寸的估计精度。
此外,在根据存储部12中存储的购物筐删除历史和购买历史中的至少任意一方,判定为已购买者在指定商品中选择尺寸后放弃所选择的尺寸而购买了其它尺寸的情况下,系统控制部14以购买的商品尺寸的得分高于放弃购买的商品尺寸的得分的方式确定得分。由此,能够提高合适尺寸的估计精度。
此外,与由已购买者用户输入的商品评论信息的内容相比,系统控制部14重视有无退货,来估计合适尺寸。由此,能够提高合适尺寸的估计精度。
此外,与在决定要购买后是否放弃购买相比,系统控制部14重视由已购买者用户输入的商品评论信息的内容,来估计合适尺寸。由此,能够提高合适尺寸的估计精度。
此外,系统控制部14从按照每一用户来存储由用户登记的体型信息的存储部12取得体格信息。由此,能够根据精度较高的信息来进行估计。
此外,根据购买历史,已购买者购买了指定商品的时期越晚,则系统控制部14越重视来自该已购买者的评价,来估计商品尺寸。由此,能够提高合适尺寸的估计精度。
此外,当在女性用的商品和男性用的商品中,指定商品被包含在已购买者购买的商品中包含的比例为被设定成不到5成的阈值以下的商品中的情况下,系统控制部14在合适尺寸的估计中,不使用该已购买者的购买历史。由此,能够提高合适尺寸的估计精度。
此外,系统控制部14在已购买者为成人并且指定商品为儿童用品的情况下,在合适尺寸的估计中不使用该已购买者的购买历史。由此,能够提高合适尺寸的估计精度。
此外,系统控制部14在指定者为成人并且指定商品为儿童用的商品的情况下,不输出推荐尺寸信息。因此,在不需要进行合适尺寸的估计的情况下,能够不进行估计。由此,能够降低用于估计合适尺寸的处理负载。
此外,系统控制部14根据体型信息,确定身体尺寸与指定者的身体尺寸相同的体型类别中包含的已购买者,根据与所确定的已购买者购买的指定商品的商品尺寸对应的评价,估计符合所确定的已购买者的商品尺寸,将估计出的商品尺寸估计为合适尺寸。因此,由于根据身体尺寸与指定者的身体尺寸为相同程度的用户购买的商品尺寸以及来自该用户的评价来进行估计,因而能够提高合适尺寸的估计精度。
[2.第2实施方式]
接下来,说明第2实施方式的概要。在第2实施方式中,电子商业街服务器1根据来自包含已购买者中的身体尺寸的范围与包含指定者的身体尺寸的范围不同的已购买者的评价,来估计合适尺寸。此外,省略与第1实施方式相同的方面的说明。
在第1实施方式中,电子商业街服务器1根据身体尺寸包含在与指定者的身体尺寸相同的范围内的已购买者的评价来估计合适尺寸。但是,有时不存在具有与指定者的身体尺寸为相同程度的身体尺寸的已购买者,或者有时具有与指定者的身体尺寸为相同程度的身体尺寸的已购买者的人数较少。在该情况下,无法估计合适尺寸,或者估计精度下降。另一方面,与具有与指定者的身体尺寸为相同程度的身体尺寸的已购买者的人数相比,具有与指定者的身体尺寸不同的身体尺寸的已购买者的人数有可能较多。因此,电子商业街服务器1根据来自具有与指定者的身体尺寸不同的身体尺寸的已购买者的评价,来估计合适尺寸。
具体地说,适合身体尺寸小于指定者的身体尺寸的用户的商品尺寸,有可能小于适合指定者的商品尺寸。另一方面,适合身体尺寸大于指定者的身体尺寸的用户的商品尺寸有可能大于适合指定者的商品尺寸。因此,电子商业街服务器1根据来自身体尺寸小于指定者的身体尺寸的已购买者的评价,来估计适合身体尺寸小于指定者的身体尺寸的已购买者的商品尺寸。此外,电子商业街服务器1根据来自身体尺寸比指定者的身体尺寸大的已购买者的评价,来估计适合身体尺寸大于指定者的身体尺寸的已购买者的商品尺寸。并且,电子商业街服务器1将处于适合身体尺寸小于指定者的身体尺寸的已购买者的商品尺寸和适合身体尺寸大于指定者的身体尺寸的已购买者的商品尺寸之间的商品尺寸估计为指定者的合适尺寸。此外,适合身体尺寸小于指定者的身体尺寸的已购买者的商品尺寸是本发明的第1尺寸的一例。此外,适合身体尺寸大于指定者的身体尺寸的已购买者的商品尺寸是本发明的第2尺寸的一例。
例如,设适合身体尺寸小于指定者的身体尺寸的已购买者的商品尺寸为XS尺寸,适合身体尺寸大于指定者的身体尺寸的已购买者的商品尺寸为LL尺寸。在该情况下,电子商业街服务器1将XS尺寸与LL尺寸的正中间的商品尺寸即M尺寸作为合适尺寸。此外,设适合身体尺寸小于指定者的身体尺寸的已购买者的商品尺寸为XS尺寸,另一方面,设适合身体尺寸大于指定者的身体尺寸的已购买者的商品尺寸为L尺寸。在该情况下,不存在XS尺寸与L尺寸的正中间的商品尺寸。在该情况下,电子商业街服务器1例如可以确定S尺寸和M尺寸这双方作为合适尺寸。在该情况下,电子商业街服务器1例如可以生成“与您的体型接近的人大多购买了S尺寸或M尺寸”作为推荐尺寸信息110。
接下来,使用图12和图13,对信息处理系统S的动作进行说明。图12和图13是示出本实施方式的电子商业街服务器1的系统控制部14的合适尺寸估计处理的处理例的流程图。在图12和图13中,对于与图8或图9相同的处理,标注相同的标号。此外,第2实施方式以后的实施方式的购买目的判定处理、商品页发送处理和得分计算处理的内容与第1实施方式的情况相同。
如图12所示,系统控制部14在结束了步骤S21的处理后,将评价人数、各个商品的小得分和大得分分别初始化为0(步骤S81)。小得分是身体尺寸小于指定者的身体尺寸的已购买者的得分的合计值。大得分是身体尺寸大于指定者的身体尺寸的已购买者的得分的合计值。接下来,系统控制部14执行步骤S23~S27。
接下来,系统控制部14判定指定者的体型类别是否是身体尺寸大于选择购买者的体型类别的类别(步骤S82)。当指定者的身高所属的类别为选择购买者的身高所属的类别以上的身高类别,并且,指定者的体重所属的类别为选择购买者的体重所属的类别以上的类别,并且,指定者的体型类别与选择购买者的体型类别不相同的情况下,指定者的体型类别是身体尺寸大于选择购买者的体型类别的类别。系统控制部14判定为指定者的体型类别为身体尺寸大于选择购买者的体型类别的类别的情况下(步骤S82:是),转入步骤S83。另一方面,系统控制部14在判定为指定者的体型类别不是身体尺寸大于选择购买者的体型类别的类别的情况下(步骤S82:否),转入步骤S86。
在步骤S83中,系统控制部14执行得分计算处理。步骤S83的得分计算处理与图8所示的步骤S29的处理相同。接下来,系统控制部14根据选择购买者的指定商品的购买时期,对各个商品尺寸的得分进行加权(步骤S84)。该处理内容与图8的步骤S30相同。接下来,系统控制部14将选择购买者的各个商品尺寸的得分与各个商品尺寸的小得分分别相加(步骤S85)。接下来,系统控制部14转入步骤S35。
在步骤S86中,系统控制部14判定指定者的体型类别是否为身体尺寸小于选择购买者的体型类别的类别。在指定者的身高所属的类别为选择购买者的身高所属的类别以下的身高的类别,并且,指定者的体重所属的类别为选择购买者的体重所属的类别以下的类别,而且,指定者的体型类别与选择购买者的体型类别不相同的情况下,指定者的体型类别为身体尺寸小于选择购买者的体型类别的类别。系统控制部14在判定为指定者的体型类别为身体尺寸小于选择购买者的体型类别的类别的情况下(步骤S86:是),转入步骤S87。另一方面,系统控制部14在判定为指定者的体型类别不是身体尺寸小于选择购买者的体型类别的类别的情况下(步骤S86:否),转入步骤S35。在该情况下,指定者的体型类别不能说是身体尺寸比选择购买者的体型类别大的类别,也不能说是比选择购买者的体型类别小的类别。
在步骤S87中,系统控制部14执行得分计算处理。接下来,系统控制部14根据选择购买者的指定商品的购买时期,对各个商品尺寸的得分进行加权(步骤S88)。该处理内容与图8的步骤S30相同。接下来,系统控制部14将选择购买者的各个商品尺寸的得分与各个商品尺寸的大得分分别相加(步骤S89)。接下来,系统控制部14转入步骤S35。
在步骤S35中,系统控制部14在判定为选择了全部的购买历史的情况下(步骤S35:否),确定小得分最高的商品尺寸(步骤S90)。接下来,系统控制部14确定大得分最高的商品尺寸(步骤S91)。接下来,作为估计单元的系统控制部14确定处于小得分最高的商品尺寸与大得分最高的商品尺寸之间的商品尺寸,作为合适尺寸(步骤S92)。系统控制部14在结束了该处理后,结束商品尺寸估计处理。
如以上说明的那样,根据本实施方式,根据身体尺寸的大小关系,确定身体尺寸小于指定者的已购买者和身体尺寸大于指定者的已购买者,根据所确定的已购买者对购买的指定商品的商品尺寸的评价,估计适合身体尺寸小于指定者的已购买者的指定商品的商品尺寸和适合身体尺寸大于指定者的已购买者的指定商品的商品尺寸,并将处于估计出的商品尺寸之间的商品尺寸估计为合适尺寸。因此,即使不存在身体尺寸与指定者的身体尺寸为相同程度的用户,也能够估计合适尺寸。
此外,电子商业街服务器1在已购买者的身体尺寸比指定者的身体尺寸大预先设定的大小以上的情况下,可以判定为已购买者的身体尺寸大于指定者的身体尺寸,在已购买者的身体尺寸比指定者的身体尺寸小预先设定的大小以上的情况下,可以判定为已购买者的身体尺寸小于指定者的身体尺寸。
此外,电子商业街服务器1也可以与第1实施方式的情况相同地,根据评价人数,分别针对小得分和大得分,改变有评价的情况下的得分的权重和没有评价的情况下的得分的权重。
此外,电子商业街服务器1也可以构成为组合第1实施方式和第2实施方式来实施。例如,设身体尺寸与指定者的身体尺寸相同的范围中包含的已购买者的人数为身体尺寸相同人数。例如,电子商业街服务器1在身体尺寸相同人数为预先设定的人数以上的情况下,可以根据来自身体尺寸与指定者的身体尺寸相同的范围中包含的已购买者的评价,来估计合适尺寸。另一方面,电子商业街服务器1在身体尺寸相同人数不到预先设定的人数的情况下,可以根据来自不包含在身体尺寸与指定者的身体尺寸相同的范围内的已购买者的评价,来估计合适尺寸。
[3.第3实施方式]
接下来,说明第3实施方式的概要。在第3实施方式中,电子商业街服务器1考虑来自已购买者的评价,求出与已购买者的身体尺寸和已购买者购买的指定商品的商品尺寸的组的分布近似的近似式,并根据近似式来估计合适尺寸。此外,省略与第1实施方式相同的方面的说明。
如上所述,在第1实施方式中,如果不存在包含在身体尺寸与指定者的身体尺寸相同的范围内的已购买者,则不能估计合适尺寸。另一方面,在第2实施方式中,如果不存在身体尺寸大于指定者的身体尺寸的已购买者和身体尺寸小于指定者的身体尺寸的已购买者这两者,则不能估计合适尺寸。因此,电子商业街服务器1如下进行处理:只要身体尺寸和购买的商品尺寸中的至少任意一方互不相同的已购买者有两人以上,就能够估计合适尺寸。
具体地说,电子商业街服务器1根据已购买者的身体尺寸和已购买者购买的商品尺寸的组的分布,求出与身体尺寸和商品尺寸之间的关系近似的近似式。此时,电子商业街服务器1根据来自已购买者的评价,对该已购买者的身体尺寸和商品尺寸的组赋予权重。此外,将已购买者的身体尺寸和商品尺寸的组简单称作“组”。
例如,使用身高作为已购买者的身体尺寸。此外,指定商品的商品尺寸有S、M和L尺寸。设身高为x,设商品尺寸为y。此外,设表示应求出的近似式的函数为f,设由y=f(x)表示y与x之间的关系。此处,S、M和L尺寸例如被转换为1、2和3。设已购买者的实际身体尺寸和商品尺寸为xi和yi。i是对各组赋予的编号。f(xi)与实际的yi有时会产生差。f(xi)与yi之差的方差J由下式求出。
在式1中,m是实际得到的组的总数。即,m是数据的数量。此外,αi是针对组i的权重系数。αi为0以上的值。例如,在通过最小二乘法求近似式时,电子商业街服务器1求出函数f,使得J最小。此时,电子商业街服务器1设αi为与来自对应于组i的已购买者的评价对应的值。具体地说,评价越高,则电子商业街服务器1将αi设定得越大。即,得分越高,αi越大。由此,求出函数f,使得与未使用αi的情况相比,对组i的评价越高,则yi与f(xi)之差越小。此外,电子商业街服务器1也可以通过上述的方法以外的方法来求近似式。设将指定者的身高代入被求出的近似式的情况下计算出的商品尺寸为指定者的合适尺寸。近似式反映了已购买者的身体尺寸。因此,根据近似式和指定者的身体尺寸来计算合适尺寸是根据指定者的身体尺寸与已购买者的身体尺寸之间的大小关系来估计指定者的合适尺寸的一例。
图14的(a)是示出身高与商品尺寸的组的分布以及近似线的图。在图14中,横轴为身高,纵轴为商品尺寸。此外,图14的(a)的圆表示组。圆的大小与得分的高度成比例。此外,在存在多个相同组的已购买者的情况下,圆的大小表示的得分是相同组的多个已购买者的得分的合计。图14的(a)的符号200是近似曲线。此外,近似式可以是曲线的式子,也可以是直线的式子。
例如,设指定者的身高为165cm。在该情况下,根据近似曲线200,指定者的合适尺寸位于S尺寸和M尺寸之间。具体地说,合适尺寸与S尺寸之差是合适尺寸与M尺寸之差的3倍。在该情况下,考虑了各种推荐尺寸信息110。图14的(b)~图14的(d)是示出推荐尺寸信息110的显示例的图。例如,如图14的(b)所示,作为各尺寸的位置,可以显示“S”、“M”、“L”的文字,也可以通过图形等表示与各个商品尺寸对应的合适尺寸的位置。此外,也可以如图14的(c)所示那样,显示最接近合适尺寸的商品尺寸作为最终的合适尺寸。例如,显示“与您的体型接近的人对M尺寸的评价好”。此外,也可以显示合适尺寸所最接近的商品尺寸以及合适尺寸所最接近的商品尺寸为合适尺寸的概率。例如,在假定S尺寸和M尺寸之差为100%时,则合适尺寸与M尺寸之差为25%。因此,M尺寸为合适尺寸的概率为75%。在该情况下,如图14的(d)所示,例如显示“适合您的尺寸为M尺寸的可能性是75%”。
接下来,使用图15,对信息处理系统S的动作进行说明。图15是示出本实施方式的电子商业街服务器1的系统控制部14的合适尺寸估计处理的处理例的流程图。在图15中,对于与图8或图9相同的处理,标注相同的标号。
如图15所示,系统控制部14执行步骤S21、S23~S27、S29和S30。接下来,系统控制部14将选择购买者的身高、选择购买者购买的商品尺寸和选择购买者购买的商品尺寸的得分保存在RAM14c中(步骤S101)。接下来,系统控制部14转入步骤S35。
在步骤S35中,系统控制部14在判定为选择了全部的购买历史的情况下(步骤S35:否),根据RAM14c中保存的各选择购买者的身高、选择购买者购买的商品尺寸和得分,并根据得分对各组赋予权重,求出近似式(步骤S102)。例如,求出近似式的各个项的系数,使得式1的J最小。接下来,作为估计单元的系统控制部14根据求出的近似式,计算合适尺寸(步骤S103)。具体地说,系统控制部14计算将指定者的身高代入近似式的情况下的商品尺寸。并且,系统控制部14确定计算出的商品尺寸,作为合适尺寸。系统控制部14在结束了该处理后,结束合适尺寸估计处理。
如以上说明的那样,根据本实施方式,系统控制部14根据来自已购买者的评价,对组赋予权重,来求出已购买者的身体尺寸与该已购买者购买的指定商品的商品尺寸的组的分布的近似式,并估计根据近似式和指定者的身体尺寸而计算出的商品尺寸作为合适尺寸。因此,如果身体尺寸和购买的指定商品的商品尺寸中的至少任意一方互不相同的用户有多位,就能够估计合适尺寸。
此外,在上述实施方式中,电子商业街服务器1根据身高来求近似式。但是,也可以根据身高以外的身体尺寸来求近似式。此外,电子商业街服务器1可以根据指定商品的种类,改变所使用的身体尺寸。此外,电子商业街服务器1可以根据多个身体尺寸来求出近似式。例如,根据身高和体重这双方来求出近似式。设身高和体重为x和y,设商品尺寸为z。此外,当设表示近似式的函数为g时,成为z=g(x,y)。
此外,电子商业街服务器1可以与第1实施方式的情况相同地,根据评价人数,针对身高和商品尺寸的各个组,改变有评价的情况下的得分的权重和没有评价的情况下的得分的权重。
[4.第4实施方式]
接下来,对第4实施方式的概要进行说明。在第4实施方式中,电子商业街服务器1根据指定者过去购买的商品的商品尺寸和已购买者过去购买的商品的商品尺寸,判定指定者的身体尺寸与已购买者的身体尺寸是否包含在相同的范围内。此外,省略与第1实施方式相同的方面的说明。
在第1实施方式中,电子商业街服务器1根据由用户预先登记的体型信息来进行处理。但是,有时用户没有登记体型信息。因此,电子商业街服务器1根据指定者和已购买者过去分别购买过的商品的商品尺寸,判定指定者的身体尺寸与已购买者的身体尺寸是否包含在相同的范围内。在指定者和已购买者分别购买过的商品中,用于判定身体尺寸是否包含在相同的范围内的商品称作“参照商品”。此外,指定者购买过的商品是本发明的第1商品的一例。此外,已购买者购买过的商品是本发明的第2商品的一例。此外,指定者和已购买者过去分别购买过的商品的商品尺寸是本发明的体型信息的一例。此外,在本实施方式的情况下,在会员信息的格式上,会员信息可以不包含体型信息。
在指定者购买过的参照商品的商品尺寸与已购买者购买过的参照商品的商品尺寸相同的情况下,能够估计出指定者的身体尺寸与已购买者的身体尺寸为相同程度。此外,本实施方式的商品尺寸是本发明的身体尺寸信息的一例。
指定者的参照商品与已购买者的参照商品可以完全不同。但是,即使商品中标记的商品尺寸相同,例如根据商品的品牌和国家等,实际的尺寸有时也会不同。因此,身体尺寸是否包含在相同的范围内的判定精度有时会下降。因此,可以根据预先决定的条件来限定可作为参照商品的商品。例如,可以将参照商品决定为指定者和已购买者均购买过的同一商品。此外,例如,可以将参照商品决定为指定者和已购买者在相同品牌的范围内均购买过的商品。这是因为,如果品牌相同,则商品尺寸的基准相同的概率较高。此外,例如,也可以将参照商品决定为指定者和已购买者在相同的种类的范围内均购买过的商品。例如,可以将商品分为上装和下装这两种。这是因为,在上装和下装中,商品尺寸的基准有时是不同的。此外,可以决定为指定者和已购买者在相同品牌和种类的范围内均购买过的商品。此外,在下面,与某商品属于同一分类的商品是指由参照商品的条件决定的商品。即,与某商品属于同一分类的商品例如是与某商品相同的商品,或品牌与某商品相同的商品,或种类与某商品相同的商品。
在对参照商品没有特别限定的情况下,电子商业街服务器1可以将各个商品的商品尺寸转换为商品实际适合的身体尺寸。将转换后的尺寸称作“基准尺寸”。基准尺寸例如可以是身高、体重、上半身的长度、下半身的长度、胸围尺寸、腰围尺寸和臀围尺寸等。此外,基准尺寸例如还可以是商品尺寸的符号、码数、英寸数等。在存储部12中,构筑有尺寸转换DB。在尺寸转换DB中,例如按照品牌和商品尺寸的每一组,登记有品牌ID、商品尺寸和基准尺寸。电子商业街服务器1根据商品信息中包含的品牌ID和商品尺寸,能够取得合适的基准尺寸。电子商业街服务器1例如确定基准尺寸所属的体型类别。并且,电子商业街服务器1判定指定者的体型类别与已购买者的体型类别是否一致。此外,基准尺寸是本发明的身体尺寸信息的一例。
不过,存在如下情况:从指定者购买参照商品的时期到当前,指定者的身体尺寸发生变化。因此,存在如下情况:即使指定者购买的参照商品的商品尺寸在指定者购买参照商品的时期适合指定者的身体尺寸,但是不适合指定者当前的身体尺寸。因此,在指定者的参照商品的购买时期较早的情况下,指定者的身体尺寸与已购买者的身体尺寸是否属于同一分类的判定精度有时会下降,其中,所述已购买者购买了与指定者的参照商品属于同一分类的参照商品。如果判定精度下降,则来自已购买者的评价的可靠性下降。因此,电子商业街服务器1可以根据指定者的参照商品的购买时期,对购买了与该参照商品属于同一分类的参照商品的已购买者的得分赋予权重。具体地说,购买时期越晚,则电子商业街服务器1将权重设定得越大。例如,电子商业街服务器1可以按照图3的(b)所示那样,决定权重系数W3。权重系数W3是表示与参照商品的购买时期之差对应的权重的系数。
此外,假设在已购买者购买参照商品的时期,已购买者购买的参照商品的商品尺寸适合已购买者的身体尺寸,并且,在已购买者购买指定商品的时期,已购买者购买的指定商品的商品尺寸适合已购买者的身体尺寸。但是,从已购买者购买参照商品(或,指定商品)的时期起到已购买者购买指定商品(或,参照商品)的时期为止,已购买者的身体尺寸有可能发生变化。因此,参照商品的购买时期与指定商品的购买时期之差越长,则已购买者的身体尺寸发生变化的概率越大。如果已购买者的身体尺寸发生变化,则来自已购买者的评价的可靠性降低。因此,电子商业街服务器1可以根据已购买者的参照商品的购买时期与已购买者的指定商品的购买时期之差,对已购买者的得分赋予权重。具体地说,该差越小,则电子商业街服务器1将权重设定得越大。例如,电子商业街服务器1可以按照图3的(b)所示那样,决定权重系数W4。权重系数W4是表示与购买时期之差对应的权重的系数。
此外,电子商业街服务器1可以根据指定者对参照商品的评价,对购买了与该参照商品属于同一分类的参照商品的已购买者的得分赋予权重。此外,电子商业街服务器1可以根据已购买者对参照商品的评价,对该已购买者的得分赋予权重。这是因为,对参照商品的评价越高,则用户购买的参照商品的商品尺寸适合用户的身体尺寸的概率越大。具体地说,评价越高,则电子商业街服务器1将权重设定得越大。评价的内容与图3的(a)所示的内容相同。电子商业街服务器1根据与评价的内容对应的得分,决定权重系数。并且,电子商业街服务器1将所决定的权重系数与各个商品尺寸的得分相乘。
此外,电子商业街服务器1可以将参照商品仅限定为与指定商品的种类为相同种类的商品。此外,电子商业街服务器1可以将参照商品仅限定为与指定商品的品牌为相同品牌的商品。
此外,电子商业街服务器1在合适尺寸的估计中,可以不使用指定者为了他人而购买的参照商品的购买历史。具体地,电子商业街服务器1在进行估计时,不使用从指定者为了他人而购买的参照商品的购买历史中取得的商品尺寸。此外,电子商业街服务器1在合适尺寸的估计中,可以不使用已购买者为了他人而购买的指定商品和参照商品的购买历史。具体地说,电子商业街服务器1在进行估计时,不使用从已购买者为了他人而购买的商品的购买历史中取得的商品尺寸和根据该购买历史确定的已购买者对指定商品的评价。作为用户为了他人而购买的商品的例子,存在:用户为成人的情况下的儿童用的商品,用于与用户的性別不同的性別的商品等。
接下来,使用图16,对信息处理系统S的动作进行说明。图16是示出本实施方式的电子商业街服务器1的系统控制部14的合适尺寸估计处理的处理例的流程图。在图16中,对于与图8相同的处理,标注相同的标号。此外,步骤S31~S39的处理内容与图9相同。
如图16所示,系统控制部14从购买历史DB12e检索包含指定者的用户ID在内的购买历史(步骤S121)。接下来,系统控制部14执行购买历史去除处理(步骤S122)。此时,系统控制部14指定在步骤S121中检索出的指定者的购买历史。在购买历史去除处理中,从所指定的购买历史中,去除用户为了他人而购买商品的购买历史。被去除的购买历史不被用于合适尺寸的估计。
图17是示出本实施方式的电子商业街服务器1的系统控制部14的购买历史去除处理的处理例的流程图。如图17所示,系统控制部14根据检索出的各购买历史中包含的类别ID,计算在用户购买的全部商品中,女性用的商品的比例和男性用的商品的比例。并且,系统控制部14判定女性用的商品的比例是否大于男性用的商品的比例(步骤S141)。此时,系统控制部14在判定为女性用的商品的比例大于男性用的商品的比例的情况下(步骤S141:是),转入步骤S142。另一方面,系统控制部14在判定为女性用的商品的比例不大于男性用的商品的比例的情况下(步骤S141:否),转入步骤S144。
在步骤S142中,系统控制部14判定男性用的商品的比例是否为阈值以下。此时,系统控制部14在判定为男性用的商品的比例为阈值以下的情况下(步骤S142:是),从指定的购买历史中,去除男性用的商品的购买历史(步骤S143)。接下来,系统控制部14转入步骤S146。另一方面,系统控制部14在判定为男性用的商品的比例大于阈值的情况下(步骤S142:否),转入步骤S146。
在步骤S144中,系统控制部14判定女性用的商品的比例是否为阈值以下。此时,系统控制部14在判定为女性用的商品的比例为阈值以下的情况下(步骤S144:是),从指定的购买历史中,去除女性用的商品的购买历史(步骤S145)。接下来,系统控制部14转入步骤S146。另一方面,系统控制部14在判定为女性用的商品的比例大于阈值的情况下(步骤S144:否),转入步骤S146。
在步骤S146中,系统控制部14根据指定的购买历史,取得用户ID。接下来,系统控制部14从会员信息DB12a取得包含取得的用户ID的会员信息。并且,系统控制部14根据取得的会员信息中包含的年龄,判定用户是否为成人。此时,系统控制部14在判定为用户为成人的情况下(步骤S146:是),从指定的购买历史中,去除儿童用的商品的购买历史(步骤S147)。系统控制部14在结束了该处理后,结束购买历史去除处理。另一方面,系统控制部14在判定为用户不是成人的情况下(步骤S146:否),结束购买历史去除处理。
如图16所示,系统控制部14在结束了购买历史去除处理后,执行步骤S22~S26。在步骤S26中,系统控制部14在判定为购买目的判定处理的返回值不是“为了他人”的情况下(步骤S26:否),从购买历史DB12e检索包含选择购买者的用户ID的购买历史(步骤S123)。此外,系统控制部14也可以从检索对象中去除指定商品的购买历史。接下来,系统控制部14执行购买历史去除处理(步骤S124)。此时,系统控制部14指定在步骤S123中检索出的选择购买者的购买历史。
接下来,系统控制部14根据指定者的购买历史的检索结果中包含的购买历史和选择购买者的购买历史的检索结果中包含的购买历史,判定选择购买者是否购买过与指定者购买过的商品属于同一分类的商品(步骤S125)。例如,能够根据商品ID或商品编码来判定商品是否相同。此外,能够根据品牌ID来判定品牌是否相同。此外,能够根据类别ID来判定种类是否相同。系统控制部14在判定为选择购买者没有购买过与指定者购买过的商品属于同一分类的商品的情况下(步骤S125:否),转入步骤S35。另一方面,系统控制部14在判定为选择购买者购买过与指定者购买过的商品属于同一分类的商品的情况下(步骤S125:是),转入步骤S126。
在步骤S126中,系统控制部14在指定者购买的商品中,确定被判定为与选择购买者购买的商品属于同一分类的参照商品的购买历史。此外,系统控制部14在选择购买者购买的商品中,确定判定为与指定者购买的商品属于同一分类的参照商品的购买历史。接下来,作为身体尺寸信息取得单元的系统控制部14根据各自的购买历史,取得指定者购买的参照商品的商品尺寸和选择购买者购买的参照商品尺寸。并且,系统控制部14判定指定者购买的参照商品的商品尺寸与选择购买者购买的参照商品的商品尺寸是否相同。此时,系统控制部14在判定为指定者购买的参照商品的商品尺寸与选择购买者购买的参照商品的商品尺寸不相同的情况下(步骤S126:否),转入步骤S35。另一方面,系统控制部14在判定为指定者购买的参照商品的商品尺寸与选择购买者购买的参照商品的商品尺寸相同的情况下(步骤S126:是),执行得分计算处理(步骤S29)。此外,有时选择购买者多次购买过与指定者购买过的商品属于同一分类的商品。在该情况下,根据购买时间,存在商品尺寸不同的情况。因此,系统控制部14可以计算指定者购买的参照商品的商品尺寸与选择购买者购买的参照商品的商品尺寸相同的比例。并且,系统控制部14在计算出的比例为预先设定的比例以上的情况下,可以执行得分计算处理。
系统控制部14在结束了得分计算处理后,根据指定者的参照商品的购买时期,对各个商品尺寸的得分进行加权(步骤S127)。具体地说,系统控制部14从存储部12取得与指定者的参照商品的购买历史中包含的购买日时对应的权重系数W3。在存在多个购买历史的情况下,系统控制部14例如取得与购买日时的平均对应的权重系数W3。系统控制部14使各个商品尺寸的得分乘以权重系数W3。
接下来,系统控制部14根据选择购买者的参照商品的购买日时与选择购买者的指定商品的购买日时之差,对各个商品尺寸的得分进行加权(步骤S128)。具体地说,系统控制部14从存储部12取得与购买日时之差对应的权重系数W4。购买日时能够根据购买历史来取得。在存在多个参照商品的情况下,系统控制部14例如取得与购买日时之差的平均对应的权重系数W4。系统控制部14将各个商品尺寸的得分乘以权重系数W4,计算选择购买者的每一商品尺寸的最终的得分。系统控制部14在结束了该处理后,转入步骤S31。
如以上说明的那样,根据本实施方式,系统控制部14根据购买历史,取得指定者购买过的商品的商品尺寸和已购买者购买过的商品的商品尺寸。并且,系统控制部14根据指定者购买过的商品的商品尺寸与已购买者购买过的商品的商品尺寸之间的大小关系,确定购买过的商品的商品尺寸与指定者购买过的商品的商品尺寸相同的已购买者,根据所确定的已购买者购买的指定商品的商品尺寸和对该商品尺寸的评价,来估计合适尺寸。因此,即使没有来自用户的身体尺寸信息的登记,也能够估计合适尺寸。
此外,系统控制部14使用来自购买了指定商品的已购买者中的购买了与指定者购买的商品属于同一分类的商品的已购买者的评价,来估计商品尺寸,指定者购买参照商品的时期越晚,则越重视来自购买了与该参照商品属于同一分类的商品的已购买者的评价,来估计商品尺寸。由此,能够提高合适尺寸的估计精度。
此外,已购买者的参照商品的购买时期与该已购买者的指定商品的购买时期越接近,则系统控制部14越重视来自该已购买者的评价,来估计商品尺寸。由此,能够提高合适尺寸的估计精度。
此外,系统控制部14在女性用的商品和男性用的商品中,从参照商品中去除包含在用户购买的商品中的比例为被设定成不到5成的阈值以下的商品,在合适尺寸的估计中,不使用该商品的购买历史。由此,能够提高合适尺寸的估计精度。
此外,系统控制部14从参照商品中去除作为成人的用户为儿童而购买的商品,在合适尺寸的估计中,不使用该商品的购买历史。由此,能够提高合适尺寸的估计精度。
[5.第5实施方式]
接下来,说明第5实施方式的概要。第5实施方式是组合了第2实施方式与第4实施方式而得到的实施方式。具体地说,电子商业街服务器1根据指定者过去购买的商品的商品尺寸和已购买者过去购买的商品的商品尺寸,判定指定者的身体尺寸与已购买者的身体尺寸之间的大小关系。此外,对于与第2实施方式或第4实施方式相同的方面,省略其说明。
在指定者购买过的参照商品的商品尺寸大于已购买者购买过的参照商品的商品尺寸的情况下,能够估计为指定者的身体尺寸大于已购买者的身体尺寸。此外,在指定者购买过的参照商品的商品尺寸小于已购买者购买过的参照商品的商品尺寸的情况下,能够估计为指定者的身体尺寸小于已购买者的身体尺寸。此外,本实施方式的商品尺寸是本发明的身体尺寸信息的一例。
接下来,使用图18和图19,对信息处理系统S的动作进行说明。图18和图19是示出本实施方式的电子商业街服务器1的系统控制部14的合适尺寸估计处理的处理例的流程图。在图18和图19中,对于与图8、图9或图16相同的处理,标注相同的标号。
如图18所示,系统控制部14执行步骤S121、S122、S81、S23~S26、S123~S125。在步骤S125中,系统控制部14在判定为选择购买者购买过与指定者购买过的商品属于同一分类的商品的情况下(步骤S125:是),转入步骤S161。
如图19所示,在步骤S161中,系统控制部14判定指定者购买的参照商品的商品尺寸是否大于选择购买者购买的参照商品的商品尺寸。此时,系统控制部14在判定为指定者购买的参照商品的商品尺寸不大于选择购买者购买的参照商品的商品尺寸的情况下(步骤S161:否),转入步骤S164。另一方面,系统控制部14在判定为指定者购买的参照商品的商品尺寸大于选择购买者购买的参照商品的商品尺寸的情况下(步骤S161:是),执行得分计算处理(步骤S83)。接下来,系统控制部14对各个商品尺寸的得分进行加权(步骤S162,S163)。步骤S162和S163的处理内容与步骤S127和S128的处理内容相同。接下来,系统控制部14转入步骤S85。
在步骤S164中,系统控制部14判定指定者购买的参照商品的商品尺寸是否小于选择购买者购买的参照商品的商品尺寸。此时,系统控制部14在判定为指定者购买的参照商品的商品尺寸不小于选择购买者购买的参照商品的商品尺寸的情况下(步骤S164:否),转入步骤S35。另一方面,系统控制部14在判定为指定者购买的参照商品的商品尺寸小于选择购买者购买的参照商品的商品尺寸的情况下(步骤S164:是),执行得分计算处理(步骤S87)。接下来,系统控制部14对各个商品尺寸的得分进行加权(步骤S165,S166)。步骤S165和S166的处理内容与步骤S127和S128的处理内容相同。接下来,系统控制部14转入步骤S89。
系统控制部14在结束了步骤S85或S89的处理后,与第2实施方式的情况相同地执行步骤S35、S36、S90~S92。
如以上说明的那样,根据本实施方式,系统控制部14根据购买历史,取得指定者购买过的商品的商品尺寸和已购买者购买过的商品的商品尺寸。并且,系统控制部14根据指定者购买过的商品的商品尺寸与已购买者购买过的商品的商品尺寸的大小关系,确定购买的商品尺寸小于指定者购买的商品尺寸的已购买者和购买的商品尺寸大于指定者购买的商品尺寸的已购买者,并根据所确定的已购买者购买的指定商品的商品尺寸和对该商品尺寸的评价,估计适合购买的商品尺寸小于指定者购买的商品尺寸的已购买者的指定商品的商品尺寸和购买的商品尺寸大于指定者购买的商品尺寸的已购买者,并将处于估计出的商品尺寸之间的商品尺寸估计为合适尺寸。因此,即使没有来自用户的身体尺寸信息的登记,也能够估计合适尺寸。
此外,在第4和第5实施方式中,电子商业街服务器1对于登记了体型信息的用户,可以根据会员信息取得体型信息。该情况下的基准尺寸例如由身高等表示。例如,电子商业街服务器1在登记有指定者的体型信息的情况下,对于登记了体型信息的已购买者,进行与第1实施方式或第2实施方式相同的处理。
另一方面,电子商业街服务器1在登记有指定者的体型信息的情况下,对于未登记体型信息的已购买者,确定指定者的参照商品和已购买者的参照商品。此时,电子商业街服务器1将指定者购买过的商品的商品尺寸转换为作为基准尺寸的身高。并且,电子商业街服务器1从指定者的购买历史的检索结果中去除转换后的身高与登记的指定者的身高之差为预先设定的长度以上的商品的购买历史。这是因为,这样的商品是不适合指定者的身体尺寸的商品。此处,电子商业街服务器1也可以从指定者的购买历史的检索结果中,只去除转换后的身高低于指定者的身高的商品的购买历史。
此外,电子商业街服务器1在没有登记指定者的体型信息的情况下,也针对登记了体型信息的已购买者,确定指定者的参照商品和已购买者的参照商品。此时,电子商业街服务器1将已购买者购买过的商品的商品尺寸转换为作为基准尺寸的身高。并且,电子商业街服务器1从已购买者的购买历史的检索结果中,去除转换后的身高与登记的已购买者的身高之差为预先设定的长度以上的商品的购买历史。此处,电子商业街服务器1也可以从已购买者的购买历史的检索结果中,只去除转换后的身高低于已购买者的身高的商品的购买历史。
[6.第6实施方式]
接下来,说明第6实施方式的概要。第6实施方式是组合了第3实施方式与第4实施方式而得到的实施方式。具体地说,电子商业街服务器1根据已购买者过去购买的商品的商品尺寸,估计已购买者的身体尺寸。并且,电子商业街服务器1使用估计出的身体尺寸,求出近似式。此外,对于与第3实施方式或第4实施方式相同的方面,省略其说明。
从用户购买过的商品的商品尺寸转换来的基准尺寸有可能与用户的身体尺寸对应。因此,电子商业街服务器1能够使用已购买者的基准尺寸,来求出与已购买者的基准尺寸和已购买者购买的指定商品的商品尺寸的组的分布近似的近似式。并且,电子商业街服务器1能够使用指定者的基准尺寸,来估计合适尺寸。此外,本实施方式的基准尺寸是本发明的身体尺寸信息的一例。
接下来,使用图20和图21,对信息处理系统S的动作进行说明。图20是示出本实施方式的电子商业街服务器1的系统控制部14的合适尺寸估计处理的处理例的流程图。在图20和图21中,对于与图8、图9或图16相同的处理,标注相同的标号。
如图20所示,系统控制部14执行步骤S121和S122。接下来,系统控制部14根据指定者的购买历史的检索结果中包含的购买历史,取得品牌ID和商品尺寸。并且,系统控制部14从尺寸转换DB取得与取得的品牌ID和商品尺寸对应的基准尺寸(步骤S181)。此外,存在如下情况:在存在多个购买历史的情况下,系统控制部14取得多个基准尺寸。在该情况下,系统控制部14例如将基准尺寸的平均值作为指定者的最终的基准尺寸。
接下来,系统控制部14执行步骤S23~S26、S123和S124。接下来,系统控制部14根据选择购买者的购买历史的检索结果中包含的购买历史,取得品牌ID和商品尺寸。并且,系统控制部14从尺寸转换DB取得与取得的品牌ID和商品尺寸对应的基准尺寸(步骤S182)。接下来,系统控制部14执行步骤S29和S127。接下来,系统控制部14将选择购买者的基准尺寸、选择购买者购买的指定商品的商品尺寸和选择购买者购买的指定商品的商品尺寸的得分保存到RAM14c中(步骤S183)。接下来,系统控制部14转入步骤S35。
如图21所示,在步骤S35中,系统控制部14在判定为选择了全部的购买历史的情况下(步骤S35:否),基于RAM14c中保存的各选择购买者的基准尺寸、选择购买者购买的指定商品的商品尺寸和得分,根据得分对各组赋予权重,来求出近似式(步骤S184)。接下来,系统控制部14根据求出的近似式和指定者的基准尺寸,计算合适尺寸(步骤S185)。系统控制部14在结束了该处理后,结束合适尺寸估计处理。
如以上说明的那样,根据本实施方式,系统控制部14根据购买历史,取得指定者购买过的商品的商品尺寸和已购买者购买过的商品的商品尺寸,将取得的商品尺寸转换为基准尺寸。并且,系统控制部14根据来自已购买者的评价,对组赋予权重,求出已购买者的基准尺寸和该已购买者购买的指定商品的商品尺寸的组的分布的近似式,并将根据近似式和指定者的基准尺寸计算出的商品尺寸估计为合适尺寸。因此,即使没有来自用户的身体尺寸信息的登记,也能够估计合适尺寸。
此外,电子商业街服务器1对于登记了体型信息的用户,也可以取得体型信息。
此外,在上述各实施方式中,电子商业街服务器1在登记有指定者的体型信息的情况下,将指定商品的商品尺寸转换为作为基准尺寸的身高等,在转换后的身高与指定者的身高之差为预先设定的差以上的情况下,不显示推荐尺寸信息110。此处,也可以是,电子商业街服务器1只有在转换后的身高低于指定者的身高的情况下,不显示推荐尺寸信息110。
此外,可显示推荐尺寸信息110的网页不限于商品页。例如,可以在检索结果页中显示推荐尺寸信息110。在检索结果页中,例如按照检索出的每一商品,显示推荐尺寸信息110。在该情况下,根据用户的请求而确定的商品是检索出的各个商品。
此外,在上述各实施方式中,本发明被应用于从多个店铺销售商品的电子商业街。但是,本发明也可以应用于从单个销售源销售商品的电子商务的网站。
此外,在上述各实施方式中,本发明的商品被应用于西服。但是,本发明的商品例如也可以应用于西服以外的服装、鞋子、帽子、配饰等穿着在身上的商品。
标号说明
1电子商业街服务器,2店铺终端,3用户终端,11通信部,12存储部,12a会员信息DB,12b类别信息DB,12c商品信息DB,12d购物筐删除历史DB,12e购买历史DB,12f评论信息DB,13输入/输出接口,14系统控制部,14a CPU,14bROM,14c RAM,15系统总线,NW网络,S信息处理系统。
Claims (20)
1.一种信息处理装置,其特征在于,该信息处理装置具有:
尺寸取得单元,其从购买历史存储单元中,取得购买了根据请求用户的请求而确定的特定商品的其它用户所购买的所述特定商品的尺寸,其中,所述购买历史存储单元存储有存在多个尺寸的穿着在身上的商品的购买历史,
身体尺寸信息取得单元,其取得与所述请求用户的身体尺寸相关的身体尺寸信息和与所述其它用户的身体尺寸相关的身体尺寸信息,
评价确定单元,其确定所述其它用户对由所述尺寸取得单元取得的所述尺寸的评价,
估计单元,其根据所述请求用户的身体尺寸信息与所述其它用户的身体尺寸信息之间的大小关系、该其它用户购买的特定商品的尺寸以及对该尺寸的所述评价,估计适合所述请求用户的所述特定商品的尺寸;以及
输出单元,其输出由所述估计单元估计出的所述尺寸。
2.根据权利要求1所述的信息处理装置,其特征在于,
所述评价确定单元在根据退货历史存储单元中存储的所述商品的退货历史,判定为购买了所述尺寸互不相同的多个所述特定商品的所述其它用户对该多个特定商品中的一部分所述特定商品进行了退货的情况下,以未被退货的所述尺寸的所述评价高于被退货的所述尺寸的所述评价的方式确定所述评价。
3.根据权利要求1或权利要求2所述的信息处理装置,其特征在于,
所述评价确定单元取得由所述其它用户输入的所述评价。
4.根据权利要求2或权利要求3所述的信息处理装置,其特征在于,
所述评价确定单元在根据非购买历史存储单元中存储的所述其它用户在决定购买所述商品后放弃了购买的非购买历史,判定为所述其它用户在对所述特定商品选择了尺寸后放弃该尺寸而购买了其它尺寸的情况下,以购买的尺寸的评价高于放弃的尺寸的所述评价的方式确定所述评价。
5.根据权利要求1~4中的任意一项所述的信息处理装置,其特征在于,
所述评价确定单元在根据退货历史存储单元中存储的所述商品的退货历史,判定为购买了所述尺寸互不相同的多个所述特定商品的所述其它用户对该多个特定商品中的一部分所述特定商品进行了退货的情况下,以未被退货的所述尺寸的所述评价高于被退货的所述尺寸的所述评价的方式确定所述评价,在由所述其它用户输入了所述评价的情况下,取得被输入的所述评价,
与由所述其它用户输入的所述评价相比,所述估计单元更重视根据所述退货历史确定的所述评价,来估计所述尺寸。
6.根据权利要求1~5中的任意一项所述的信息处理装置,其特征在于,
所述评价确定单元在由所述其它用户输入了所述评价的情况下,取得被输入的所述评价,所述评价确定单元在根据非购买历史存储单元中存储的所述其它用户在决定购买所述商品后放弃了购买的非购买历史,判定为所述其它用户在对所述特定商品选择了尺寸后放弃该尺寸而购买了其它尺寸的情况下,以购买的尺寸的评价高于放弃的尺寸的所述评价的方式确定所述评价,
与根据所述非购买历史确定的所述评价相比,所述估计单元更重视由所述其它用户输入的所述评价,来估计所述尺寸。
7.根据权利要求1~6中的任意一项所述的信息处理装置,其特征在于,
所述身体尺寸信息取得单元从按照每一用户存储由用户登记的身体尺寸的身体尺寸存储单元中,取得所述请求用户和所述其它用户中的至少任意一方的身体尺寸,作为所述身体尺寸信息。
8.根据权利要求7所述的信息处理装置,其特征在于,
所述估计单元根据所述购买历史,以所述其它用户购买所述特定商品的时期越晚就越重视来自该其它用户的所述评价的方式,来估计所述尺寸。
9.根据权利要求1~8中的任意一项所述的信息处理装置,其特征在于,
所述身体尺寸信息取得单元根据所述购买历史,取得所述请求用户购买过的第1商品的尺寸和所述其它用户购买过的第2商品的尺寸中的至少任意一方,作为所述身体尺寸信息。
10.根据权利要求9所述的信息处理装置,其特征在于,
所述估计单元使用来自购买了所述特定商品的所述其它用户中的购买了与所述第1商品属于同一分类的所述第2商品的所述其它用户的所述评价,来估计所述尺寸,以所述请求用户购买所述第1商品的时期越晚就越重视来自购买了与该第1商品属于同一分类的所述第2商品的所述其它用户的所述评价的方式,估计所述尺寸。
11.根据权利要求9或权利要求10所述的信息处理装置,其特征在于,
所述估计单元以所述其它用户的所述第2商品的购买时期与该其它用户的所述特定商品的购买时期越接近就越重视来自该其它用户的所述评价的方式,来估计所述尺寸。
12.根据权利要求1~11中的任意一项所述的信息处理装置,其特征在于,
所述估计单元在所述尺寸的估计中不使用如下信息:该信息是根据女性用的所述商品和男性用的所述商品中,包含在用户购买的所述商品中的比例为不到5成的预先设定的比例以下的所述商品的所述购买历史来取得的。
13.根据权利要求1~12中的任意一项所述的信息处理装置,其特征在于,
所述估计单元在所述尺寸的估计中不使用如下信息:该信息是根据示出作为成人的用户购买了儿童用的所述商品的所述购买历史来取得的。
14.根据权利要求1~13中的任意一项所述的信息处理装置,其特征在于,
所述输出单元在所述请求用户为成人并且所述特定商品为儿童用的所述商品的情况下,不输出所述尺寸。
15.根据权利要求1~14中的任意一项所述的信息处理装置,其特征在于,
所述估计单元根据所述身体尺寸信息的大小关系,确定身体尺寸被包含于与所述请求用户的身体尺寸相同的身体尺寸的范围内的所述其它用户,并根据所确定的其它用户购买的特定商品的尺寸和对该尺寸的所述评价,估计适合所述请求用户的所述特定商品的尺寸。
16.根据权利要求1~15中的任意一项所述的信息处理装置,其特征在于,
所述估计单元根据所述身体尺寸信息的大小关系,确定身体尺寸小于所述请求用户的所述其它用户和身体尺寸大于所述请求用户的所述其它用户,根据所确定的其它用户购买的特定商品的尺寸和对该尺寸的所述评价,估计与身体尺寸小于所述请求用户的所述其它用户相符的所述特定商品的第1尺寸和与身体尺寸大于所述请求用户的所述其它用户相符的所述特定商品的第2尺寸,并将处于所述第1尺寸与所述第2尺寸之间的所述尺寸估计为适合所述请求用户的所述尺寸。
17.根据权利要求1~14中的任意一项所述的信息处理装置,其特征在于,
所述估计单元根据来自所述其它用户的所述评价,对由所述其它用户的所述身体尺寸信息与该其它用户购买的所述特定商品的尺寸构成的组赋予权重,求出所述组的分布的近似式,并将根据所述近似式和所述请求用户的所述身体尺寸信息计算出的所述尺寸估计为适合所述请求用户的所述尺寸。
18.一种信息处理方法,其由计算机执行,其特征在于,该信息处理方法包含:
尺寸取得步骤,从购买历史存储单元中,取得购买了根据请求用户的请求而确定的特定商品的其它用户所购买的所述特定商品的尺寸,其中,所述购买历史存储单元存储有存在多个尺寸的穿着在身上的商品的购买历史,
身体尺寸信息取得步骤,取得与所述请求用户的身体尺寸相关的身体尺寸信息和与所述其它用户的身体尺寸相关的身体尺寸信息;
评价确定步骤,确定所述其它用户对由所述尺寸取得步骤取得的所述尺寸的评价;
估计步骤,根据所述请求用户的身体尺寸信息与所述其它用户的身体尺寸信息之间的大小关系、该其它用户购买的特定商品的尺寸以及对该尺寸的所述评价,估计适合所述请求用户的所述特定商品的尺寸;以及
输出步骤,输出由所述估计步骤估计出的所述尺寸。
19.一种信息处理程序,其特征在于,该信息处理程序使计算机作为以下单元来发挥作用:
尺寸取得单元,其从购买历史存储单元中,取得购买了根据请求用户的请求而确定的特定商品的其它用户所购买的所述特定商品的尺寸,其中,所述购买历史存储单元存储有存在多个尺寸的穿着在身上的商品的购买历史;
身体尺寸信息取得单元,其取得与所述请求用户的身体尺寸相关的身体尺寸信息和与所述其它用户的身体尺寸相关的身体尺寸信息;
评价确定单元,其确定所述其它用户对由所述尺寸取得单元取得的所述尺寸的评价;
估计单元,其根据所述请求用户的身体尺寸信息与所述其它用户的身体尺寸信息之间的大小关系、该其它用户购买的特定商品的尺寸以及对该尺寸的所述评价,估计适合所述请求用户的所述特定商品的尺寸;以及
输出单元,其输出由所述估计单元估计出的所述尺寸。
20.一种记录介质,其特征在于,其以计算机能够读取的方式记录有信息处理程序,该信息处理程序使计算机作为以下单元来发挥作用:
尺寸取得单元,其从购买历史存储单元中,取得购买了根据请求用户的请求而确定的特定商品的其它用户所购买的所述特定商品的尺寸,其中,所述购买历史存储单元存储有存在多个尺寸的穿着在身上的商品的购买历史;
身体尺寸信息取得单元,其取得与所述请求用户的身体尺寸相关的身体尺寸信息和与所述其它用户的身体尺寸相关的身体尺寸信息;
评价确定单元,其确定所述其它用户对由所述尺寸取得单元取得的所述尺寸的评价;
估计单元,其根据所述请求用户的身体尺寸信息与所述其它用户的身体尺寸信息之间的大小关系、该其它用户购买的特定商品的尺寸以及对该尺寸的所述评价,估计适合所述请求用户的所述特定商品的尺寸;以及
输出单元,其输出由所述估计单元估计出的所述尺寸。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012078670A JP5256362B1 (ja) | 2012-03-30 | 2012-03-30 | 情報処理装置、情報処理方法、情報処理プログラム及び記録媒体 |
JP2012-078670 | 2012-03-30 | ||
PCT/JP2012/076617 WO2013145394A1 (ja) | 2012-03-30 | 2012-10-15 | 情報処理装置、情報処理方法、情報処理プログラム及び記録媒体 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103748607A true CN103748607A (zh) | 2014-04-23 |
Family
ID=49052936
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201280040461.0A Pending CN103748607A (zh) | 2012-03-30 | 2012-10-15 | 信息处理装置、信息处理方法、信息处理程序和记录介质 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20140108202A1 (zh) |
EP (1) | EP2711887A4 (zh) |
JP (1) | JP5256362B1 (zh) |
CN (1) | CN103748607A (zh) |
WO (1) | WO2013145394A1 (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103927391A (zh) * | 2014-04-30 | 2014-07-16 | 小米科技有限责任公司 | 信息处理方法及装置 |
CN105447058A (zh) * | 2014-09-29 | 2016-03-30 | 阿里巴巴集团控股有限公司 | 提供辅助信息的方法及装置 |
CN106067131A (zh) * | 2016-05-27 | 2016-11-02 | 北京京东尚科信息技术有限公司 | 订单的下单方法和下单装置 |
CN107967637A (zh) * | 2016-10-20 | 2018-04-27 | 阿里巴巴集团控股有限公司 | 一种商品对象型号的推荐方法、装置及电子设备 |
CN109242629A (zh) * | 2018-09-14 | 2019-01-18 | 咪咕互动娱乐有限公司 | 一种商品尺码的推荐方法及装置、终端、存储介质 |
CN110800014A (zh) * | 2017-06-12 | 2020-02-14 | 丝芭博株式会社 | 管理装置、制造管理系统、管理方法、程序以及记录介质 |
WO2020038292A1 (zh) * | 2018-08-23 | 2020-02-27 | 阿里巴巴集团控股有限公司 | 评价信息的展示方法及订单创建方法、加购方法、装置 |
CN110955366A (zh) * | 2018-09-27 | 2020-04-03 | 北大方正集团有限公司 | 产品规格的联动方法及联动装置、计算机设备和存储介质 |
CN112418985A (zh) * | 2020-11-19 | 2021-02-26 | 定智衣(上海)服装科技有限公司 | 一种可自我迭代的智能量体的解决方案 |
CN113544725A (zh) * | 2019-03-13 | 2021-10-22 | 三菱电机株式会社 | 信息处理装置、信息处理方法、信息提供系统、机器学习装置及推断装置 |
Families Citing this family (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015198376A1 (ja) * | 2014-06-23 | 2015-12-30 | 楽天株式会社 | 情報処理装置、情報処理方法、プログラム、記憶媒体 |
JP5664816B1 (ja) * | 2014-07-18 | 2015-02-04 | 富士ゼロックス株式会社 | 情報処理装置及び情報処理プログラム |
US10402737B1 (en) | 2014-10-22 | 2019-09-03 | Amdocs Development Limited | System, method, and computer program for providing proactive customer care for issues associated with setting up the billing process as part of the ordering process |
KR101679012B1 (ko) * | 2015-01-23 | 2016-11-23 | 주식회사 포워드벤처스 | 쇼핑 서비스 제공 시스템 및 쇼핑 서비스 제공 방법 |
KR101685106B1 (ko) | 2015-02-09 | 2016-12-09 | 네이버 주식회사 | 통계 데이터 제공 방법 및 통계 데이터 제공 장치 |
CN104715409A (zh) * | 2015-03-20 | 2015-06-17 | 北京京东尚科信息技术有限公司 | 一种电子商务用户购买力分类方法及系统 |
WO2017026021A1 (ja) * | 2015-08-07 | 2017-02-16 | 株式会社sizebook | 商品情報提供サーバ装置、商品情報提供方法、及び、商品情報提供プログラム |
JP6309555B2 (ja) * | 2016-01-25 | 2018-04-11 | 株式会社メイキップ | 適正サイズ提示方法、適正サイズ提示システム、サーバ装置、及びプログラム |
JP6144855B1 (ja) * | 2016-03-01 | 2017-06-07 | 楽天株式会社 | 推奨装置、推奨方法、プログラム、及び、記録媒体 |
JP6105829B1 (ja) * | 2016-03-11 | 2017-03-29 | 楽天株式会社 | 検索装置、検索方法、プログラム、及び、非一時的なコンピュータ読取可能な情報記録媒体 |
JP2018018383A (ja) * | 2016-07-29 | 2018-02-01 | 富士通株式会社 | 出力処理プログラム、推奨サイズ表示プログラム、出力処理装置及び出力処理方法 |
JP6322781B1 (ja) * | 2016-08-25 | 2018-05-09 | 楽天株式会社 | 情報処理装置、情報処理方法及び情報処理プログラム |
JP7073101B2 (ja) * | 2016-12-29 | 2022-05-23 | 株式会社Elements | 情報処理装置、情報処理方法、及びプログラム |
US11386734B2 (en) | 2017-09-27 | 2022-07-12 | Rakuten Group, Inc. | Information processing device, information processing method, program, and storage medium |
JP6494000B1 (ja) * | 2017-12-22 | 2019-04-03 | 株式会社キビラ | 靴フィッティング支援システム及び靴フィッティング支援プログラム |
JP2018092679A (ja) * | 2018-03-14 | 2018-06-14 | 株式会社メイキップ | 適正サイズ提示方法、適正サイズ提示システム、サーバ装置、及びプログラム |
WO2020021619A1 (ja) * | 2018-07-24 | 2020-01-30 | 株式会社Fuji | 介助装置の適合判定装置 |
JP6518973B1 (ja) * | 2018-09-10 | 2019-05-29 | ゲイトアシスト合同会社 | 義足に関する情報を提供するための装置及び方法 |
JP6998331B2 (ja) * | 2019-01-17 | 2022-01-18 | ヤフー株式会社 | 推定装置、推定方法及び推定プログラム |
US10540708B1 (en) * | 2019-05-08 | 2020-01-21 | Caastle, Inc. | Systems and methods of electronic closet recommendation engines and displays of an apparel subscription application |
JP7369600B2 (ja) | 2019-11-18 | 2023-10-26 | エヌ・ティ・ティ・コミュニケーションズ株式会社 | ユーザー端末、制御方法及びコンピュータープログラム |
JP7400944B2 (ja) * | 2020-03-18 | 2023-12-19 | 日本電気株式会社 | 推薦制御装置、システム、方法及びプログラム |
JP7221314B2 (ja) * | 2021-01-25 | 2023-02-13 | ユニ・チャーム株式会社 | 情報処理装置、情報処理方法及び情報処理プログラム |
JP7253011B2 (ja) * | 2021-07-29 | 2023-04-05 | 株式会社Zozo | 情報処理装置、情報処理方法及び情報処理プログラム |
JP7074922B1 (ja) * | 2021-09-29 | 2022-05-24 | 株式会社Zozo | 情報処理装置、情報処理方法及び情報処理プログラム |
JP7266738B1 (ja) * | 2022-04-25 | 2023-04-28 | 株式会社Zozo | 情報処理装置、情報処理方法及び情報処理プログラム |
JP7100779B1 (ja) | 2022-04-25 | 2022-07-13 | 株式会社Zozo | 情報処理装置、情報処理方法及び情報処理プログラム |
JP7479437B1 (ja) | 2022-11-18 | 2024-05-08 | 株式会社Zozo | 情報処理装置、情報処理方法及び情報処理プログラム |
WO2024106175A1 (ja) * | 2022-11-18 | 2024-05-23 | 株式会社Zozo | 情報処理装置、情報処理方法及びプログラム |
JP7426681B1 (ja) | 2023-02-28 | 2024-02-02 | 株式会社マイベスト | 商品/サービスの選択時にユーザー視点で横断共通な評価を実現する方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003216868A (ja) * | 2002-01-25 | 2003-07-31 | Seiko Epson Corp | 衣類又は履物の販売管理システム、衣類又は履物の販売管理装置、プログラム及び記録媒体 |
JP2007265077A (ja) * | 2006-03-29 | 2007-10-11 | Nomura Research Institute Ltd | 子供衣類管理装置および子供衣類管理システム |
CN101206749A (zh) * | 2006-12-19 | 2008-06-25 | 株式会社G&G贸易公司 | 使用多路图像检索模块推荐产品的方法和系统 |
US20120030061A1 (en) * | 2010-07-28 | 2012-02-02 | True Fit Corporation | Fit recommendation via collaborative inference |
Family Cites Families (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4679256A (en) * | 1986-10-23 | 1987-07-14 | Uniforms To You & Company | Multi-size jumper dress |
US5402362A (en) * | 1992-05-21 | 1995-03-28 | The United States Of America As Represented By The Secretary Of The Army | Method of utilize trial dyeings to improve color formulations |
US5930769A (en) * | 1996-10-07 | 1999-07-27 | Rose; Andrea | System and method for fashion shopping |
US6353770B1 (en) * | 1999-05-26 | 2002-03-05 | Levi Strauss & Co. | Apparatus and method for the remote production of customized clothing |
US20020004763A1 (en) * | 2000-01-20 | 2002-01-10 | Lam Peter Ar-Fu | Body profile coding method and apparatus useful for assisting users to select wearing apparel |
US6546309B1 (en) * | 2000-06-29 | 2003-04-08 | Kinney & Lange, P.A. | Virtual fitting room |
BE1013816A6 (nl) * | 2000-10-30 | 2002-09-03 | Douelou Nv | Order-productie-en distributie-systeem voor kleding en confectie en methodiek. |
US6665577B2 (en) * | 2000-12-20 | 2003-12-16 | My Virtual Model Inc. | System, method and article of manufacture for automated fit and size predictions |
US20020126132A1 (en) * | 2001-01-24 | 2002-09-12 | Harry Karatassos | Targeted force application in clothing simulations |
JP2002245303A (ja) | 2001-02-20 | 2002-08-30 | Nec Access Technica Ltd | 仮想試着電子商取引システム |
US7469218B2 (en) * | 2002-04-12 | 2008-12-23 | Morley Ross G | Method for facilitating ordering of garments |
JP2004029909A (ja) * | 2002-06-21 | 2004-01-29 | Casio Comput Co Ltd | 商品案内装置およびプログラム |
WO2004084661A2 (en) * | 2003-03-20 | 2004-10-07 | Mbrio, Llc | Systems and methods for improved apparel fit |
US7685727B2 (en) * | 2005-05-27 | 2010-03-30 | Sieber Stephen C | Measuring device for garment tailoring, and related methods |
US7487116B2 (en) * | 2005-12-01 | 2009-02-03 | International Business Machines Corporation | Consumer representation rendering with selected merchandise |
US9420834B2 (en) * | 2007-07-10 | 2016-08-23 | Proudest Monkey, Llc | Abrasive resistant garment |
US20090094138A1 (en) * | 2007-10-05 | 2009-04-09 | Stormy Compean Sweitzer | System and method for calculating, tracking, and projecting children's clothing sizes over time |
US7905028B2 (en) * | 2008-02-04 | 2011-03-15 | William A. Ward | Systems and methods for collecting body measurements, virtually simulating models of actual and target body shapes, ascertaining garment size fitting, and processing garment orders |
CA2659698C (en) * | 2008-03-21 | 2020-06-16 | Dressbot Inc. | System and method for collaborative shopping, business and entertainment |
US20090287452A1 (en) * | 2008-05-13 | 2009-11-19 | Qinetiq Limited | Method and Apparatus for Accurate Footwear and Garment Fitting |
JP4962970B2 (ja) * | 2008-05-20 | 2012-06-27 | ヤフー株式会社 | プロフィールを利用した商品情報提供サーバ、システム及び方法 |
US20100030663A1 (en) * | 2008-06-30 | 2010-02-04 | Myshape, Inc. | System and method for networking shops online and offline |
JP5342920B2 (ja) * | 2009-04-23 | 2013-11-13 | 株式会社日本総合研究所 | 商品購入支援システム、商品購入支援方法および商品購入支援プログラム |
US8655053B1 (en) * | 2010-05-31 | 2014-02-18 | Andrew S Hansen | Body modeling and garment fitting using an electronic device |
GB201102794D0 (en) * | 2011-02-17 | 2011-03-30 | Metail Ltd | Online retail system |
-
2012
- 2012-03-30 JP JP2012078670A patent/JP5256362B1/ja active Active
- 2012-10-15 EP EP20120872686 patent/EP2711887A4/en not_active Ceased
- 2012-10-15 CN CN201280040461.0A patent/CN103748607A/zh active Pending
- 2012-10-15 US US14/115,426 patent/US20140108202A1/en not_active Abandoned
- 2012-10-15 WO PCT/JP2012/076617 patent/WO2013145394A1/ja active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003216868A (ja) * | 2002-01-25 | 2003-07-31 | Seiko Epson Corp | 衣類又は履物の販売管理システム、衣類又は履物の販売管理装置、プログラム及び記録媒体 |
JP2007265077A (ja) * | 2006-03-29 | 2007-10-11 | Nomura Research Institute Ltd | 子供衣類管理装置および子供衣類管理システム |
CN101206749A (zh) * | 2006-12-19 | 2008-06-25 | 株式会社G&G贸易公司 | 使用多路图像检索模块推荐产品的方法和系统 |
US20120030061A1 (en) * | 2010-07-28 | 2012-02-02 | True Fit Corporation | Fit recommendation via collaborative inference |
Non-Patent Citations (1)
Title |
---|
何黎: "服装网络销售中的人体测量及号型推荐研究", 《中国优秀硕士学位论文全文数据库 工程科技I辑》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103927391A (zh) * | 2014-04-30 | 2014-07-16 | 小米科技有限责任公司 | 信息处理方法及装置 |
CN105447058A (zh) * | 2014-09-29 | 2016-03-30 | 阿里巴巴集团控股有限公司 | 提供辅助信息的方法及装置 |
CN106067131A (zh) * | 2016-05-27 | 2016-11-02 | 北京京东尚科信息技术有限公司 | 订单的下单方法和下单装置 |
CN107967637A (zh) * | 2016-10-20 | 2018-04-27 | 阿里巴巴集团控股有限公司 | 一种商品对象型号的推荐方法、装置及电子设备 |
CN107967637B (zh) * | 2016-10-20 | 2022-04-29 | 阿里巴巴集团控股有限公司 | 一种商品对象型号的推荐方法、装置及电子设备 |
CN110800014A (zh) * | 2017-06-12 | 2020-02-14 | 丝芭博株式会社 | 管理装置、制造管理系统、管理方法、程序以及记录介质 |
WO2020038292A1 (zh) * | 2018-08-23 | 2020-02-27 | 阿里巴巴集团控股有限公司 | 评价信息的展示方法及订单创建方法、加购方法、装置 |
CN109242629A (zh) * | 2018-09-14 | 2019-01-18 | 咪咕互动娱乐有限公司 | 一种商品尺码的推荐方法及装置、终端、存储介质 |
CN110955366A (zh) * | 2018-09-27 | 2020-04-03 | 北大方正集团有限公司 | 产品规格的联动方法及联动装置、计算机设备和存储介质 |
CN113544725A (zh) * | 2019-03-13 | 2021-10-22 | 三菱电机株式会社 | 信息处理装置、信息处理方法、信息提供系统、机器学习装置及推断装置 |
CN113544725B (zh) * | 2019-03-13 | 2023-06-20 | 三菱电机株式会社 | 信息处理装置、信息处理方法、信息提供系统、机器学习装置及推断装置 |
US11769191B2 (en) | 2019-03-13 | 2023-09-26 | Mitsubishi Electric Corporation | Information processing apparatus, information processing method, information providing system, machine learning device, and inference device |
CN112418985A (zh) * | 2020-11-19 | 2021-02-26 | 定智衣(上海)服装科技有限公司 | 一种可自我迭代的智能量体的解决方案 |
Also Published As
Publication number | Publication date |
---|---|
WO2013145394A1 (ja) | 2013-10-03 |
US20140108202A1 (en) | 2014-04-17 |
EP2711887A4 (en) | 2014-06-25 |
JP2013210699A (ja) | 2013-10-10 |
JP5256362B1 (ja) | 2013-08-07 |
EP2711887A1 (en) | 2014-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103748607A (zh) | 信息处理装置、信息处理方法、信息处理程序和记录介质 | |
US11308541B2 (en) | Next generation improvements in recommendation systems | |
JP4672526B2 (ja) | 販売支援システム,販売支援装置,販売支援方法および販売支援プログラム | |
US20110282821A1 (en) | Further Improvements in Recommendation Systems | |
JP6679451B2 (ja) | 選択装置、選択方法および選択プログラム | |
KR101552703B1 (ko) | 상품 이용 후기를 이용한 온라인 쇼핑몰에서의 마케팅 시스템 및 방법 | |
KR102006900B1 (ko) | 온라인 쇼핑을 위한 정보 제공방법 및 이를 위한 통합 서버 | |
US20020143613A1 (en) | Fast method for renewal and associated recommendations for market basket items | |
JP6976207B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
CN103377193A (zh) | 信息提供方法、网页服务器以及网页浏览器 | |
CN106354734A (zh) | 提供业务对象信息的方法及装置 | |
CN105493119A (zh) | 基于智能手机的互动广告输出系统 | |
JP5260785B1 (ja) | 属性情報最適化装置、属性情報最適化プログラム及び属性情報の最適化方法、並びにレコメンド対象選択装置、レコメンド対象選択プログラム及びレコメンド対象の選択方法 | |
Oklander et al. | Channels for promotion of fashion brands in the online space | |
KR20220001616A (ko) | 통합 고객 식별자 생성을 기반으로 하는 고객 빅데이터 구축 방법, 장치 및 시스템 | |
JP2020537220A (ja) | ユーザの外形に基づいて小売店の衣服在庫を最適化するためのコンピュータシステム | |
KR102538398B1 (ko) | 빅데이터 기반의 그룹 단위의 상품 추천 방법, 장치 및 시스템 | |
JP2022102830A (ja) | 売上貢献度還元システム及びプログラム | |
KR20220001617A (ko) | 고객 빅데이터를 활용한 상품 추천 방법, 장치 및 시스템 | |
Harikirshnan et al. | Intelligent Online Shopping using ML-based Product Comparison Engine | |
KR20220120986A (ko) | 팬 커뮤니티를 연계한 굿즈 추천 템플릿 제공 프로그램을 기록한 기록매체 | |
Vrechopoulos | Designing alternative store layouts for internet retailing | |
Zainal et al. | Online Convenience Store System using Multidimensional Data Visualization | |
Zhu et al. | An intelligent on-line recommendation system in B2C apparel e-commerce | |
KR101498799B1 (ko) | 통합 콘텐츠 제공 시스템 및 통합 콘텐츠 제공 시스템을 이용한 전자상거래 방법. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140423 |