DE112017007652T5 - Empfehlungseinrichtung - Google Patents

Empfehlungseinrichtung Download PDF

Info

Publication number
DE112017007652T5
DE112017007652T5 DE112017007652.8T DE112017007652T DE112017007652T5 DE 112017007652 T5 DE112017007652 T5 DE 112017007652T5 DE 112017007652 T DE112017007652 T DE 112017007652T DE 112017007652 T5 DE112017007652 T5 DE 112017007652T5
Authority
DE
Germany
Prior art keywords
product
information
products
user
owned
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
Application number
DE112017007652.8T
Other languages
English (en)
Inventor
Takehiro Ishiguro
Daisuke Nakamura
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Trygle Co Ltd Jp
Original Assignee
Mitsubishi Electric Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Publication of DE112017007652T5 publication Critical patent/DE112017007652T5/de
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/02Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241Advertisements
    • G06Q30/0251Targeted advertisements
    • G06Q30/0255Targeted advertisements based on user history
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/02Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241Advertisements
    • G06Q30/0277Online advertisement
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/06Buying, selling or leasing transactions
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/06Buying, selling or leasing transactions
    • G06Q30/0601Electronic shopping [e-shopping]
    • G06Q30/0631Item recommendations

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

Eine Produktauswahleinheit (110) extrahiert einen Kandidaten für ein empfohlenes Produkt auf der Grundlage von Browsing-Informationen in einer Browsing-Informationsspeichereinheit (12) und Ungekauftes-Produkt-Informationen in einer Ungekauftes-Produkt-Informationsspeichereinheit (13). Produktspezifikationen (150), die für jedes Produkt spezifische Informationen sind, werden in einer Produktinformationsspeichereinheit (15) gespeichert. Eine Spezifikationskorrelationsberechnungseinheit (111) extrahiert eine Produktspezifikation, die mit einer Produktspezifikation des Kandidaten für ein empfohlenes Produkt korreliert, auf der Grundlage der Produktspezifikationen (150), und extrahiert das Produkt als empfohlenes Produkt.

Description

  • Technisches Gebiet
  • Die vorliegende Offenbarung bezieht sich auf eine Empfehlungseinrichtung, die Werbung auswählt, die unter Berücksichtigung der Umstände angezeigt werden soll, um Werbung entweder für Produkte, die ein Benutzer wirklich benötigt, oder Produkte, die latent als empfohlene Produkte verlangt werden, anzuzeigen.
  • Stand der Technik
  • Um für einen Benutzer von Online-Shopping eine Produktwerbung anzuzeigen, wird typischerweise ein Verfahren zum Ableiten einer anzuzeigenden Produktwerbung und ihres Zeitpunkts aus den Kaufinformationen des Benutzers (einschließlich eines Verlaufs oder Zeitplans) und den Eigenschaften von Produkten verwendet, wie beispielsweise in der Patentliteratur 1 beschrieben. Zusätzlich zu diesem Verfahren ist auch ein Verfahren zum Bestimmen einer Produktwerbung bekannt, die unter Bezugnahme auf die Kauftendenzen anderer Benutzer mit ähnlichen Kaufinformationen angezeigt werden soll.
  • Referenzliste
  • Patentliteratur
  • Patentliteratur 1: JP 2014-215772 A
  • Zusammenfassung der Erfindung
  • Technisches Problem
  • Bei einer herkömmlichen Einrichtung wird jedoch nur Ähnlichkeit für Produkte erworben, die in einem breiten, jeder Kategorie entsprechenden Bereich liegen. Beispielsweise wird Werbung für Smartphones, die derzeit verkauft werden, für einen Kunden angezeigt, der vor drei Jahren ein Smartphone gekauft hat. Darüber hinaus wird bei einer herkömmlichen Einrichtung nur Ähnlichkeit in einem engen Bereich wie Markennamen und Modellnummern erworben. Beispielsweise wird für einen Kunden, der vor einem Monat ein Waschmittel gekauft hat, Werbung für dasselbe Waschmittel angezeigt, und da ein bestimmter Kunde ein Produkt B zusammen mit einem Produkt A gekauft hat, wird eine Werbung für B für einen anderen Kunden angezeigt, der A gekauft hat.
  • Obwohl diese Verfahren es ermöglichen, eine sehr effektive Werbung unter passenden Umständen auszuwählen, besteht ein Problem mit den Verfahren darin, dass mit einer hohen Wahrscheinlichkeit eine unnötige Produktwerbung für einen Kunden angezeigt wird, der Möbel oder ein Elektrohaushaltsgerät aussucht, was normalerweise in langen Zeitabständen gekauft wird, oder einen Kunden, der ein Produkt mit einer bestimmten Absicht oder einem bestimmten Geschmack aussucht. Ein Problem ist, dass ein für einen Zielkunden geeignetes empfohlenes Produkt nicht unbedingt angeboten wird, z.B. wird für einen Kunden, der eine hochwertige Uhr sucht, eine Werbung für eine preiswerte Uhr angezeigt, oder für einen Kunden, der vor drei Jahren einen spielbereiten PC gekauft hat, wird eine Werbung für einen nicht für Spiele bestimmten PC angezeigt.
  • Die vorliegende Offenbarung dient der Lösung der oben genannten Probleme, und daher ist es ein Ziel der vorliegenden Offenbarung, eine Empfehlungseinrichtung bereitzustellen, die die Genauigkeit der Extraktion eines empfohlenen Produkts verbessern kann.
  • Lösung des Problems
  • Eine Empfehlungseinrichtung gemäß der vorliegenden Offenbarung umfasst: eine Produktauswahleinheit zum Extrahieren eines Kandidaten für ein empfohlenes Produkt, das einem Zielbenutzer präsentiert werden soll, auf der Grundlage von Browsing-Informationen, die Informationen über das Browsen eines Produkts durch den Benutzer zeigen, und Ungekauftes-Produkt-Informationen, die Informationen über ein Produkt zeigen, zu dem der Benutzer eine Kaufabsicht gezeigt hat; und eine Spezifikationskorrelationsberechnungseinheit zum Extrahieren eines Produkts, das eine Produktspezifikation aufweist, die mit einer Produktspezifikation des Kandidaten für ein empfohlenes Produkt korreliert, und zum Extrahieren des extrahierten Produkts als empfohlenes Produkt.
  • Vorteilhafte Effekte der Erfindung
  • Die Empfehlungseinrichtung gemäß der vorliegenden Offenbarung extrahiert ein Produkt, das eine Produktspezifikation aufweist, die mit einer Produktspezifikation eines Kandidaten für ein empfohlenes Produkt korreliert, und extrahiert dieses Produkt als empfohlenes Produkt. Als Folge kann die Extraktionsgenauigkeit eines empfohlenen Produkts verbessert werden.
  • Figurenliste
    • 1 ist ein Blockdiagramm, veranschaulichend eine Empfehlungseinrichtung der Ausführungsform 1 der vorliegenden Offenbarung;
    • 2 ist ein Hardware-Blockdiagramm der Empfehlungseinrichtung der Ausführungsform 1 der vorliegenden Offenbarung;
    • 3 ist ein Flussdiagramm, veranschaulichend den Betrieb der Empfehlungseinrichtung der Ausführungsform 1 der vorliegenden Offenbarung;
    • 4 ist ein Flussdiagramm, veranschaulichend die Extraktion empfohlener Produkte, wenn in einer Empfehlungseinrichtung der Ausführungsform 2 der vorliegenden Offenbarung Ersatz durchgeführt wird; und
    • 5 ist ein Flussdiagramm, veranschaulichend die Extraktion empfohlener Produkte, wenn in der Empfehlungseinrichtung der Ausführungsform 2 der vorliegenden Offenbarung fehlende Produkte hinzugefügt werden.
  • Beschreibung der Ausführungsformen
  • Nachstehend, um die vorliegende Offenbarung detaillierter zu erläutern, werden Ausführungsformen der vorliegenden Offenbarung mit Bezug auf die beigefügten Zeichnungen beschrieben.
  • Ausführungsform 1.
  • 1 ist ein Blockdiagramm eines Empfehlungsliefersystems, umfassend eine Empfehlungseinrichtung gemäß dieser Ausführungsform.
  • Das dargestellte Empfehlungsliefersystem umfasst eine Empfehlungsliefereinrichtung 1, ein Netzwerk 2 und Benutzerendgeräte 3-1 bis 3-n. Die Empfehlungsliefereinrichtung 1 liefert Werbeinformationen über Produkte, nach denen Benutzer nachfragen, an ihre jeweiligen Benutzerendgeräte 3-1 bis 3-n über das Netzwerk 2. In dieser Konfiguration erhalten ein oder mehrere Benutzer über das Netzwerk 2, wie das Internet, Informationen über empfohlene Produkte, die für jeden der Benutzer geeignet sind, wie z. B. Produktwerbung oder Benachrichtigungen, von der Empfehlungsliefereinrichtung 1, durch Verwendung ihrer jeweiligen Benutzerendgeräte 3-1 bis 3-n, die jeweils eine Ein- und Ausgabefunktion aufweisen, wobei jedes der Benutzerendgeräte ein PC, ein Smartphone, ein Fernseher oder dergleichen ist. Zu diesem Zeitpunkt können Informationen über empfohlene Produkte zusammen auf einem Teil eines Bildschirms eines Browsers, einer Anwendung oder dergleichen angezeigt werden, die von einem Benutzer zum Anzeigen veranlasst werden, oder können in Form einer E-Mail, einer Benachrichtigung oder dergleichen geliefert werden. Darüber hinaus beziehen sich die hier genannten Produkte auf das, was der Benutzer kaufen und nutzen kann, wie z.B. Elektrogeräte, Kleidung, Lebensmittel, Möbel, Reisen oder Konzertkarten.
  • Die Empfehlungsliefereinrichtung 1 umfasst einen Empfehlungsinformationslieferserver 10, eine Empfehlungseinrichtung 11, eine Browsing-Informationsspeichereinheit 12, eine Ungekauftes-Produkt-Informationsspeichereinheit 13, eine Besessenes-Produkt-Informationsspeichereinheit 14 und eine Produktinformationsspeichereinheit 15. Der Empfehlungsinformationslieferserver 10 liefert Empfehlungsinformationen, die durch die Empfehlungseinrichtung 11 extrahiert wurden, an die Benutzerendgeräte 3-1 bis 3-n. Die Empfehlungseinrichtung 11 umfasst eine Produktauswahleinheit 110 und eine Spezifikationskorrelationsberechnungseinheit 111 und extrahiert empfohlene Produkte. Die Produktauswahleinheit 110 ist eine Verarbeitungseinheit, die einen Kandidaten für ein empfohlenes Produkt an einen Zielbenutzer extrahiert, auf der Grundlage von sowohl Browsing-Informationen in der Browsing-Informationsspeichereinheit 12 und Ungekauftes-Produkt-Informationen in der Ungekauftes-Produkt-Informationsspeichereinheit 13. Die Spezifikationskorrelationsberechnungseinheit 111 ist eine Verarbeitungseinheit, die ein Produkt extrahiert, das eine Produktspezifikation aufweist, die mit einer Produktspezifikation des Kandidaten für ein empfohlenes Produkt korreliert, wobei der Kandidat durch die Produktauswahleinheit 110 durch Bezugnahme auf Produktspezifikationsinformationen 150 in der Produktinformationsspeichereinheit 15 extrahiert wird, und das Produkt als ein empfohlenes Produkt ausgibt.
  • Die Browsing-Informationsspeichereinheit 12 ist eine Speichereinheit, die Browsing-Informationen speichert, die Informationen über Art und Inhalte einer Webseite, eines Anwendungsbildschirms oder eines Dokuments wie PDF enthalten, die ein Benutzer bis zum aktuellen Zeitpunkt hat anzeigen lassen. Die Ungekauftes-Produkt-Informationsspeichereinheit 13 ist eine Speichereinheit, die Ungekauftes-Produkt-Informationen speichert, d.h. Informationen über ein Produkt, für das der Benutzer die Kaufabsicht des Benutzers gezeigt hat, z.B. wenn der Benutzer es bis zum aktuellen Zeitpunkt beobachtet hat oder kaufen wollte. In den Ungekauftes-Produkt-Informationen drückt der Benutzer im Gegensatz zu den Browsing-Informationen explizit Informationen aus, wie z. B. einen Fakt, dass ein Produkt kein Eigentum ist oder eine Absicht ein Produkt zu kaufen und die Stärke der Absicht. Als einfachstes Beispiel für den Erwerb der Ungekauftes-Produkt-Informationen kann ein Verfahren in Betracht gezogen werden, das es dem Benutzer ermöglicht, aus den Produktinformationen der Empfehlungsliefereinrichtung 1 ein Produkt auszuwählen, an dem er interessiert ist, oder ein Produkt, das er kaufen möchte. Die Besessenes-Produkt-Informationsspeichereinheit 14 ist eine Speichereinheit, die Besessenes-Produkt-Informationen speichert, d.h. Informationen über ein Produkt, das ein Benutzer unter Verwendung eines Online-Einkaufs oder dergleichen gekauft hat oder ein Produkt, das Eigentum des Benutzers ist. Diese Browsing-Informationen, Ungekauftes-Produkt-Informationen und Besessenes-Produkt-Informationen können Informationen beinhalten, die von außerhalb der Empfehlungsliefereinrichtung 1 erworben wurden, zusätzlich zu Informationen, die über die Empfehlungsliefereinrichtung 1 registriert wurden. Als Beispiele für Informationen, die von außen erworben werden, können nach Einholung der Zustimmung eines Benutzers die Browsing-Informationen von einem externen Dienst wie einem Dienst eines sozialen Netzwerks (social networking service - SNS), einem Browser oder einer Suchmaschine erworben werden, und die Ungekauftes-Produkt-Informationen können mit einer Fragebogenumfrage verknüpft werden, die von Dritten durchgeführt wird, einer Wunschliste auf einer Einkaufsseite oder dergleichen. Darüber hinaus können nach Einholung der Zustimmung eines Benutzers die Besessenes-Produkt-Informationen aus Kreditkartenabrechnungen des Benutzers, Inhalten, die der Benutzer im Internet geschrieben hat, etc. abgeleitet werden. Bei der Beschaffung dieser Informationen von außen erhält der Empfehlungsinformationslieferserver 10 die Informationen aus den Lieferquellen dieser Informationen über das Internet. Die Produktinformationsspeichereinheit 15 ist eine Speichereinheit, die Produktinformationen speichert, die nach Kategorien klassifiziert sind, und die Produktspezifikationsinformationen 150 als eine Form der Produktinformationen aufweist. Die Produktspezifikationsinformationen 150 können jede Art von Informationen sein, solange die Produktspezifikationsinformationen produktspezifische Informationen wie die Größe, die Spezifikationen, die Farbe, das Gewicht oder eine Funktion des Produkts zeigen.
  • Als nächstes wird die Hardwarekonfiguration der Empfehlungseinrichtung 11 unter Bezugnahme auf 2 beschrieben.
  • Die Empfehlungseinrichtung 11 umfasst einen Prozessor 101, einen Arbeitsspeicher 102, eine Eingabe- und Ausgabeschnittstelle 103, einen Massenspeicher 104 und einen Bus 105, wie in 2 veranschaulicht. Der Prozessor 101 implementiert die Produktauswahleinheit 110 und die Spezifikationskorrelationsberechnungseinheit 111 durch Ausführen von Programmen, die den Funktionen der Produktauswahleinheit 110 und der Spezifikationskorrelationsberechnungseinheit 111 entsprechen. Der Arbeitsspeicher 102 entspricht Speichereinheiten wie ROM und RAM, die als Programmarbeitsspeicher verwendet werden, der verschiedene Programme speichert, einem Arbeitsspeicher, der verwendet wird, wenn der Prozessor 101 die Datenverarbeitung durchführt, einem Speicher, in dem Signaldaten entwickelt werden, und so weiter. Die Eingabe- und Ausgabeschnittstelle 103 tauscht verschiedene Arten von Signalen aus, z.B. mit der Browsing-Informationsspeichereinheit 12, ...., und der Produktinformationsspeichereinheit 15 und dem Empfehlungsinformationslieferserver 10. Ferner ist der Massenspeicher 104 eine Speichereinheit, die ein Programm entsprechend jeder der Funktionen der Produktauswahleinheit 110 und der Spezifikationskorrelationsberechnungseinheit 111 speichert und auch verschiedene Arten von Daten speichert. Der Bus 105 ist ein Kommunikationspfad zum gegenseitigen Verbinden des Prozessors 101, ..., und des Massenspeichers 104.
  • Mindestens eine der wenigen Produktauswahleinheiten 110 und der Spezifikationskorrelationsberechnungseinheiten 111 kann zur exklusiven Verwendung aus Hardware bestehen.
  • Als nächstes wird der Betrieb der Empfehlungseinrichtung der Ausführungsform 1 beschrieben.
  • Als erstes extrahiert die Produktauswahleinheit 110 als Kandidaten für empfohlene Produkte Produkte, an denen ein Zielbenutzer latent interessiert ist, unter Verwendung der Tendenz der früheren Aktivitäten des Benutzers, auf Grundlage von Browsing-Informationen in der Browsing-Informationsspeichereinheit 12, Informationen über Produkte, an denen der Benutzer Interesse ausgedrückt hat, wobei die Informationen durch Ungekauftes-Produkt-Informationen in der Ungekauftes-Produkt-Informationsspeichereinheit 13 angezeigt werden, und Informationen wie Kaufergebnisse oder dergleichen, auf Grundlage von Besessenes-Produkt-Informationen in der Besessenes-Produkt-Informationsspeichereinheit 14. Darüber hinaus kann während dieses Extraktionsprozesses eine Analyse für eine Kombination aus dem Zielbenutzer und einem anderen Benutzer durchgeführt werden. Nach der Extraktion von Kandidaten für empfohlene Produkte gibt die Produktauswahleinheit 110 die Kandidaten zusammen mit einer Meldung, dass diese Produkte nicht gekauft wurden, an die Spezifikationskorrelationsberechnungseinheit 111 aus.
  • In der Spezifikationskorrelationsberechnungseinheit 111 werden empfohlene Produkte unter Verwendung von Produktspezifikationsinformationen 150 in der Produktinformationsspeichereinheit 15 bestimmt.
  • 3 ist ein Flussdiagramm, veranschaulichend den Betrieb der Spezifikationskorrelationsberechnungseinheit 111. Beim Empfangen der Kandidaten für empfohlene Produkte aus der Produktauswahleinheit 110 klassifiziert die Spezifikationskorrelationsberechnungseinheit 111 die Kandidaten in Kategorien nach ihren Produktgenres in Bezug auf Preis, Größe und Funktion (Schritt ST101). Zu diesem Zeitpunkt kann die Klassifizierung der Kategorie unter Bezugnahme auf Produktinformationen in der Produktinformationsspeichereinheit 15 durchgeführt werden. Anschließend berechnet die Spezifikationskorrelationsberechnungseinheit 111 für die in Kategorien eingeteilten Kandidatenprodukte den Grad der Korrelation in den Produktspezifikationen zwischen den Kandidatenprodukten (Schritt ST103) für jede der Kategorien (Schritt ST102) und bestimmt, ob der Korrelationsgrad einen bestimmten Schwellenwert überschreitet (Schritt ST104). Dabei wird berechnet, welchen Grad der Korrelation zwei oder mehr Kandidatenprodukte, die in die gleiche Kategorie klassifiziert sind, in Bezug auf ihre Spezifikationen aufweisen, und eine Kategorie mit einer stärkeren Korrelation ermittelt. Da erwartet wird, dass die Kategorie, die bestimmt wurde, eine starke Korrelation aufzuweisen (JA in Schritt ST104), den Geschmack des Benutzers widerspiegelt, wird die Kategorie (Bedingung) den Bedingungen für die Kandidatenauswahl hinzugefügt (Schritt ST105). Die Spezifikationskorrelationsberechnungseinheit 111 bestimmt dann, ob die Berechnung für alle Kategorien durchgeführt wurde (Schritt ST106), und wenn sie feststellt, dass die Berechnung nicht für alle Kategorien durchgeführt wurde (NEIN in Schritt ST106), kehrt die Verarbeitung zu Schritt ST102 zurück und die Prozesse der Schritte ST102 bis ST105 werden wiederholt. Wenn dagegen in Schritt ST104 der Korrelationsgrad gleich oder kleiner als der Schwellenwert (NEIN in Schritt ST104) ist, wechselt die Verarbeitung einfach zu Schritt ST106.
  • In einer Phase, in der alle Bedingungen für die Kandidatenauswahl vollständig bereitgestellt sind (JA in Schritt ST106), schränkt die Spezifikationskorrelationsberechnungseinheit 111 beispielsweise die Kandidatenprodukte auf der Grundlage der Bedingungen für die Kandidatenauswahl so ein, dass die Bedingungen erfüllt sind, oder fügt als Kandidatenprodukt ein anderes Produkt hinzu, das die Bedingungen auf der Grundlage der Produktinformationen in der Produktinformationsspeichereinheit 15 erfüllt, wodurch empfohlene Produkte extrahiert werden (Schritt ST107).
  • Obwohl die Spezifikationskorrelationsberechnungseinheit 111 empfohlene Produkte auf der Grundlage der zuvor genannten Bedingungen für die Kandidatenauswahl extrahiert, können die Bedingungen für die Kandidatenauswahl an die Produktauswahleinheit 110 ausgegeben werden, und die Produktauswahleinheit 110 kann empfohlene Produkte auswählen, die jeweils die Bedingungen erfüllen. Darüber hinaus können als Bedingung für die empfohlenen Produkte Hot-Selling-Produkte, Bewertungen anderer Benutzer usw. herangezogen werden.
  • Wie vorstehend erwähnt, werden in Ausführungsform 1, als Verarbeitung der Produktauswahleinheit 110, Produkte, die ein Benutzer explizit oder latent benötigt wie in konventionellen Fällen auf der Grundlage von Handlungen des Benutzers, Hinweisen auf die Absicht des Benutzers usw. ausgewählt. Da dann auf der Grundlage der Spezifikationen der von der Produktauswahleinheit 110 ausgewählten Produkte die Spezifikationskorrelationsberechnungseinheit 111 die Verarbeitung unabhängig von einem Teil durchführen kann, in dem die Eingrenzung oder Hinzufügung eines hochrelevanten Produkts erfolgt, ist eine breite Anwendung als Erweiterung der bestehenden Empfehlungsmethoden zu erwarten.
  • Darüber hinaus ist es als Vorteil der Extraktion empfohlener Produkte, obwohl Informationen wie die Produktspezifikationsinformationen 150 zusätzlich benötigt werden, im Gegensatz zu bisherigen Empfehlungsverfahren, durch die Ergänzung der Informationen möglich, den Geschmack des Benutzers feiner zu erfassen als bei den bisherigen Empfehlungsverfahren. Wenn ein Benutzer beispielsweise der Meinung ist, dass eine Funktion unnötig ist und nach Produkten sucht, denen die Funktion nicht hinzugefügt ist, gibt es keine andere Möglichkeit, als die Spezifikationen jedes einzelnen Produkts bis zum aktuellen Zeitpunkt zu überprüfen, da es schwierig ist, unter Verwendung eines Schlüsselworts „ohne oo Funktion“ nach Produkten zu suchen. Die Verwendung dieser Empfehlungseinrichtung ermöglicht es, aus den Handlungen des Benutzers oder der Angabe der Absicht des Benutzers abzuleiten, dass ein Benutzer Produkte ohne oo-Funktion intensiv überprüft hat, und somit ist der Benutzer in die Lage versetzt, Produkte, nach denen der Benutzer nachfragt, als Reaktion auf die Empfehlung von Produkten, die nicht mit oo-Funktion ausgestattet sind, effizient herauszufinden.
  • Da, wie vorstehend erläutert, die Empfehlungseinrichtung der Ausführungsform 1 die Produktauswahleinheit zum Extrahieren eines Kandidaten für ein empfohlenes Produkt, das einem Zielbenutzer präsentiert werden soll, auf der Grundlage von Browsing-Informationen, die Informationen über das Browsen eines Produkts durch den Benutzer zeigen, und Ungekauftes-Produkt-Informationen, die Informationen über ein Produkt zeigen, zu dem der Benutzer eine Kaufabsicht gezeigt hat; und die Spezifikationskorrelationsberechnungseinheit zum Extrahieren eines Produkts, das eine Produktspezifikation aufweist, die mit einer Produktspezifikation des Kandidaten für ein empfohlenes Produkt korreliert, und zum Extrahieren des extrahierten Produkts als empfohlenes Produkt, umfasst, kann die Genauigkeit der Extraktion des empfohlenen Produkts verbessert werden.
  • Ausführungsform 2.
  • Ausführungsform 2 bezieht sich auf eine Konfiguration, in der die nächste Kaufneigung eines Benutzers aus Besessenes-Produkt-Informationen vorhergesagt wird, d.h. aus Verlaufsinformationen über Produkte, die Eigentum des Benutzers sind. Da die Konfiguration in Bezug auf die Zeichnungen mit derjenigen der in 1 dargestellten Ausführungsform 1 übereinstimmt, wird die Konfiguration unter Verwendung von 1 erläutert.
  • Eine Produktauswahleinheit 110 in Ausführungsform 2 weist, neben der Funktion der Ausführungsform 1 auch eine Funktion des Erwerbens von Informationen über besessene Produkte eines Zielbenutzers auf der Grundlage von Besessenes-Produkt-Informationen in einer Besessenes-Produkt-Informationsspeichereinheit 14 auf. Ferner ist eine Spezifikationskorrelationsberechnungseinheit 111 so eingerichtet, dass sie zusätzlich zu der Funktion der Ausführungsform 1 beim Extrahieren eines empfohlenen Produkts, das ein Ziel für den Ersatz eines besessenen Produkts ist, über das Informationen durch die Produktauswahleinheit 110 erworben werden, ein Produkt extrahiert, das eine Produktspezifikation aufweist, die mit einer zu erhaltenden oder zu verbessernden Produktspezifikation korreliert, aus den Produktspezifikationen des besessenen Produkts, und beim Extrahieren eines empfohlenen Produkts zum Ausgleich des Fehlens von besessenen Produkten die Informationen über eine Produktgruppe, die in einer Produktinformationsspeichereinheit 15 gespeichert sind, und die Informationen über die besessenen Produkte vergleicht und als fehlendes Produkt ein Produkt extrahiert, das nicht in der Produktgruppe enthalten ist, sowie eine Produktspezifikation dieses fehlenden Produkts aus den Produktspezifikationen der besessenen Produkte bestimmt und ein Produkt extrahiert, das der bestimmten Produktspezifikation entspricht. Ferner werden in der Produktinformationsspeichereinheit 15 Informationen über eine Produktgruppe gespeichert, wobei die Informationen eine Kombination von Produkten anzeigen, die auf Grundlage einer vorgegebenen Bedingung bestimmt werden. Da eine andere Konfiguration als diese Konfiguration die gleiche ist wie die von Ausführungsform 1, entfällt im Folgenden eine Erklärung.
  • Als nächstes wird der Betrieb der Empfehlungseinrichtung der Ausführungsform 2 beschrieben.
  • Zunächst benachrichtigt die Produktauswahleinheit 110, genau wie in herkömmlichen Fällen, die Spezifikationskorrelationsberechnungseinheit 111 über Informationen über Produkte, die derzeit Eigentum eines Benutzers sind, zusammen mit einer Meldung, die angibt, dass die Produkte Eigentum sind, auf der Grundlage der Besessenes-Produkt-Informationen in der Besessenes-Produkt-Informationsspeichereinheit 14, wobei die Besessenes-Produkt-Informationen die Verlaufsgeschichte des Benutzers bei früheren Einkäufen und die besessenen Produkte des Benutzers anzeigen. Beim Empfangen der Informationen über die besessenen Produkte führt die Spezifikationskorrelationsberechnungseinheit 111 die Verarbeitung für zwei Muster durch, einschließlich Ersatzkauf und Zukauf, die nachfolgend dargestellt sind.
  • ■Wenn Ersatz eines besessenen Produkts in Betracht gezogen wird
  • In 4 ist ein Flussdiagramm des Betriebs der Spezifikationskorrelationsberechnungseinheit 111 veranschaulicht, wenn Ersatz eines besessenen Produkts in Betracht gezogen wird.
  • Wenn ein Benutzer angenommen wird, der den Kauf eines neuen Produkts in Betracht zieht, weil das besessene Produkt des Benutzers alt geworden ist oder kaputt gegangen ist, wählt die Spezifikationskorrelationsberechnungseinheit 111 Produkte aus, die in der folgenden Verarbeitung Kandidaten für den Ersatz sind. Zunächst wird für alle besessenen Produkte des Benutzers bestimmt, ob der Ersatz jedes der Produkte wünschenswert ist oder nicht, aus einer Kaufzeit und einem Zeitintervall für den Ersatzkauf des entsprechenden Produkts, wenn die Kaufzeit bekannt ist, oder aus einem Verkaufszeitraum und einem Zeitintervall für den Ersatzkauf des entsprechenden Produkts, wenn die Kaufzeit unbekannt ist (Schritt ST201). Die Bestimmung wird für jedes besessene Produkt des Benutzers durchgeführt (Schritt ST202). Wenn der Ersatz für ein besessenes Produkt, das ein Bestimmungsobjekt ist, nicht wünschenswert ist (wenn NEIN in Schritt ST202), kehrt die Verarbeitung zu Schritt ST201 zurück und die Ersatzbestimmung wird an dem nächsten besessenen Produkt durchgeführt.
  • Für ein Produkt, für das in Schritt ST202 bestimmt wurde, dass es wünschenswert ist, es zu ersetzen (JA in Schritt ST202), wird dann abgerufen, ob eine Spezifikation des Produkts beim Ersetzen des Produkts beibehalten oder verbessert werden soll, und zwar von der Art des Produkts zusammen mit der Spezifikation des Produkts aus den Produktinformationen in der Produktinformationsspeichereinheit 15 (Schritte ST203 und ST204). So sollte beispielsweise im Allgemeinen die „Größe“ in den Spezifikationen von Möbeln oder einem elektrischen Haushaltsgerät beibehalten werden, und beim Ersatz des Produkts wird eine Verbesserung einer anderen Spezifikation wie Leistung oder Tauglichkeit gefordert. Wenn eine Spezifikation beibehalten oder verbessert werden sollte (JA in Schritt ST204), wird die Spezifikation als Beibehaltungs- oder Verbesserungsbedingung hinzugefügt (Schritt ST205). Im Gegensatz dazu, wenn eine Spezifikation nicht beibehalten oder verbessert werden sollte (NEIN in Schritt ST204), wird die Spezifikation nicht als Spezifikationsbedingung zu den Bedingungen für die Kandidatenauswahl hinzugefügt. Die Hinzufügung einer Spezifikation, die beibehalten werden sollte, kann unerlässlich sein, und die Hinzufügung einer Spezifikation, die verbessert werden sollte, kann frei sein. Als nächstes bestimmt die Spezifikationskorrelationsberechnungseinheit 111, ob alle Spezifikationen verarbeitet wurden (Schritt ST206), und wenn noch eine Spezifikation, an der die Bestimmung ausgeführt werden sollte, zurückbleibt (NEIN in Schritt ST206), kehrt die Verarbeitung zu Schritt ST203 zurück und die Prozesse der Schritte ST203 bis ST205 werden wiederholt.
  • Wenn die Bestimmung an allen Spezifikationen in Schritt ST206 durchgeführt wurde (JA in Schritt ST206), extrahiert die Spezifikationskorrelationsberechnungseinheit 111 Produkte anhand der Bedingungen für die Kandidatenauswahl (Schritt ST207). Insbesondere werden aus den Produktinformationen Produkte ausgewählt, die für den Ersatz empfohlen werden und die jeweils entweder eine zu erhaltende oder eine zu verbessernde Bedingung erfüllen. Danach wird bestimmt, ob alle Produkte verarbeitet wurden oder nicht (Schritt ST208), und wenn ein noch zu verarbeitendes Produkt verbleibt (NEIN in Schritt ST208), kehrt die Verarbeitung zu Schritt ST201 zurück und die oben genannten Prozesse werden wiederholt, während die Produktersatzbestimmungsverarbeitung beendet wird, wenn bestimmt wird, dass alle Produkte verarbeitet wurden (JA in Schritt ST208).
  • Bei der Bestimmung, ob der Ersatz wünschenswert ist oder nicht, kann aus den oben genannten Prozessen eine Schlussfolgerung, dass eine Fehlfunktion in einem Produkt aufgetreten sein könnte, auf der Grundlage von Informationen als Browsing-Informationen des Benutzers in einer Browsing-Informationsspeichereinheit 12 verwendet werden, wobei die Informationen darauf hinweisen, dass der Benutzer auf Informationen zur Fehlerbehebung für das Produkt oder dergleichen verwiesen hat. Ferner können Informationen verwendet werden, die anzeigen, dass ein anderer Benutzer das gleiche Produkt durch ein neues Produkt ersetzt hat. Zusätzlich kann die Auswahl von Produkten, die jeweils eine Bedingung erfüllen, durch die Produktauswahleinheit 110 durchgeführt werden, nachdem die Bedingungen für die Kandidatenauswahl zu der Produktauswahleinheit 110 gesendet sind.
  • ■ Wenn Ausgleich für das Fehlen des besessenen Produkts in Betracht gezogen wird
  • Ein Flussdiagramm des Betriebs der Spezifikationskorrelationsberechnungseinheit 111 ist in 5 veranschaulicht, wenn ein Ausgleich für das Fehlen eines besessenen Produkts in Betracht gezogen wird.
  • Unabhängig davon, ob ein Benutzer zufrieden ist oder nicht, wählt die Spezifikationskorrelationsberechnungseinheit 111 als ein Produkt, das ein Kandidat für den Zukauf ist, ein Produkt aus, das bei den besessenen Produkten des Benutzers fehlt. In diesem Fall wird angenommen, dass Informationen über eine Gruppe von kombinierten Produkten im Voraus als Produktinformationen in der Produktinformationsspeichereinheit 15 registriert werden. So wird beispielsweise bei elektrischen Haushaltsgeräten angenommen, dass ein Kühlschrank, eine Waschmaschine, ein Reiniger, ein Fernseher usw. als eine Gruppe registriert sind. Durch Verwendung dieser Produktinformationen vergleicht die Spezifikationskorrelationsberechnungseinheit 111 zunächst die besessenen Produkte des Benutzers und die Produktgruppe (Schritt ST301). Wenn als Folge des Vergleichs bestimmt wird, dass es fehlende Produkte gibt, d.h. Produkte, die nicht Eigentum des Benutzers sind oder von ihm gekauft wurden (JA in Schritt ST302), wird aus den fehlenden Produkten für ein Produkt, für das der Benutzer nicht angegeben hat, dass es unnötig ist, aus den Spezifikationen der in der Gruppe enthaltenen besessenen Produkte des Benutzers eine Bedingung für ein Produkt festgelegt, von dem angenommen wird, dass es geeignet ist, zusätzlich gekauft zu werden (Schritt ST303). Wenn der Benutzer beispielsweise einen Kühlschrank, eine Waschmaschine und einen Reiniger von ΔΔ Electric Corporation gekauft hat, wird ein Fernseher von ΔΔ Electric Corporation als Bedingung bestimmt. Anschließend extrahiert die Spezifikationskorrelationsberechnungseinheit 111 auf der Grundlage der abgeleiteten Bedingungen aus den in der Produktinformationsspeichereinheit 15 gespeicherten Produktinformationen wie beim Ersatz Produkte, die die Bedingungen erfüllen (Schritt ST304). Anschließend wird bestimmt, ob der Vergleich für alle besessenen Produkte durchgeführt wurde oder nicht (Schritt ST305), und die Verarbeitung wird beendet, wenn die Bestimmung für alle besessenen Produkte durchgeführt wurde (JA in Schritt ST305). Wenn dagegen ein besessenes Produkt als Vergleichsobjekt in Schritt ST305 (NEIN in Schritt ST305) verbleibt, kehrt die Verarbeitung zu Schritt ST301 zurück und die oben genannten Prozesse werden wiederholt. Ferner, wenn es kein fehlendes Produkt in Schritt ST302 gibt, wird die Verarbeitung beendet.
  • Auf diese Weise ist es in dieser Ausführungsform durch Hinzufügen des Prozesses, unter Verwendung der Korrelationsgrade in den Produktspezifikationen, zu dem herkömmlichen Prozess des Extrahierens empfohlener Produkte, während sie als Ziele für den Ersatzkauf oder den Zukauf festgelegt werden, als Erweiterung der bestehenden Systeme möglich, Produkte, die der Benutzer verlangt, korrekter auszuwählen. Konkret werden beispielsweise Empfehlungen zu den Käufen des Benutzers über einen längeren Zeitraum unter Berücksichtigung des Umfelds des Benutzers (Wohnraum, Familienstruktur, wirtschaftliche Bedingungen usw.) bereitgestellt, wobei ein herkömmliches Empfehlungsverfahren bei der Bereitstellung solcher Empfehlungen schwach ist, so dass ein Produkt, das als Ersatz gekauft oder zusätzlich gekauft wird, Spezifikationen (Größe, Spezifikationen, Preis usw.) aufweist, die der Umwelt entsprechen.
  • Da wie vorstehend erläutert in der Empfehlungseinrichtung von Ausführungsform 2 die Produktauswahleinheit Informationen über eines oder mehrere besessene Produkte eines Zielbenutzers auf der Grundlage von Besessenes-Produkt-Informaitonen, die Informationen über die Produkte anzeigen, die Eigentum des Benutzers sind, erwirbt, und wenn ein empfohlenes Produkt extrahiert wird, das ein Ziel für den Ersatz eines besessenen Produkts des Zielbenutzers ist, die Spezifikationskorrelationsberechnungseinheit ein Produkt extrahiert, das eine Produktspezifikation aufweist, die mit einer Produktspezifikation korreliert, die erhalten bleiben soll, aus den Produktspezifikationen des besessenen Produkts, kann die Genauigkeit der Extraktion des empfohlenen Produkts zum Zeitpunkt des Ersatzkaufs verbessert werden.
  • Da ferner in der Empfehlungseinrichtung von Ausführungsform 2 die Spezifikationskorrelationsberechnungseinheit ein Produkt extrahiert, das eine Produktspezifikation aufweist, die mit einer Produktspezifikation aus den Produktspezifikationen des besessenen Produkts korreliert, die verbessert werden soll, kann ein empfohlenes Produkt, das einem Produkt entspricht, das der Benutzer verlangt, mit einem höheren Grad an Genauigkeit extrahiert werden.
  • Da ferner in der Empfehlungseinrichtung von Ausführungsform 2 die Produktauswahleinheit Informationen über eines oder mehrere besessene Produkte des Zielbenutzers auf Grundlage der Besessenes-Produkt-Informationen, die Informationen über die Produkte anzeigen, die Eigentum des Benutzers sind, erwirbt, und wenn ein empfohlenes Produkt zum Ausgleich des Fehlens von besessenen Produkten des Zielbenutzers extrahiert wird, die Spezifikationskorrelationsberechnungseinheit eine Produktgruppe vergleicht, die eine Kombination von Produkten und den besessenen Produkten anzeigt, und als fehlendes Produkt ein Produkt extrahiert, das nicht in der Produktgruppe enthalten ist, und auch eine Produktspezifikation des fehlenden Produkts aus Produktspezifikationen der besessenen Produkte bestimmt und ein Produkt extrahiert, das der Produktspezifikation entspricht, kann die Genauigkeit der Extraktion eines empfohlenen Produkts zum Zeitpunkt des Zusatzkaufs verbessert werden.
  • Da ferner in der Empfehlungseinrichtung von Ausführungsform 2 die Produktauswahleinheit Informationen über eines oder mehrere besessene Produkte, die der Zielbenutzer gekauft hat, auf Grundlage der Besessenes-Produkt-Informationen, die Informationen über die Produkte anzeigen, die Eigentum des Benutzers sind, erwirbt, und wenn ein empfohlenes Produkt, das Ziel für den Ersatz eines besessenen Produkts des Zielbenutzers ist, extrahiert wird, die Spezifikationskorrelationsberechnungseinheit ein Produkt extrahiert, das eine Produktspezifikation aufweist, die mit einer zu erhaltenden Produktspezifikation korreliert, aus den Produktspezifikationen des besessenen Produkts, und wenn ein empfohlenes Produkt zum Ausgleich des Fehlens des besessenen Produkts des Zielbenutzers extrahiert wird, die Spezifikationskorrelationsberechnungseinheit eine Produktgruppe vergleicht, die eine Kombination von Produkten und den besessenen Produkten anzeigt, und ein fehlendes Produkt extrahiert, und auch eine Produktspezifikation des fehlenden Produkts aus Produktspezifikationen der besessenen Produkte bestimmt und ein Produkt extrahiert, das der Produktspezifikation entspricht, kann die Genauigkeit der Extraktion eines empfohlenen Produkts zum Zeitpunkt des Ersatzkaufs verbessert werden.
  • Es soll deutlich werden, dass jede Kombination der oben genannten Ausführungsformen vorgenommen werden kann, verschiedene Änderungen an jeder Komponente gemäß einer der oben genannten Ausführungsformen vorgenommen werden können und jede Komponente gemäß einer der oben genannten Ausführungsformen im Rahmen der vorliegenden Offenbarung entfallen kann.
  • Gewerbliche Anwendbarkeit
  • Wie vorstehend erwähnt, bezieht sich die Empfehlungseinrichtung gemäß der vorliegenden Offenbarung auf eine Konfiguration, in der eine Empfehlungseinrichtung auf der Grundlage von Browsing-Informationen und Ungekauftes-Produkt-Informationen über Benutzer und Produktspezifikationen extrahiert wird und sich für die Bereitstellung von Produktwerbung für Benutzer im Online-Shopping eignet.
  • Bezugszeichenliste
  • 1 Empfehlungsliefereinrichtung, 2 Netzwerk, 3-1 bis 3-n Benutzerendgerät, 10 Empfehlungsinformationslieferserver, 11 Empfehlungseinrichtung, 12 Browsing-Informationsspeichereinheit, 13 Ungekauftes-Produkt-Informationsspeichereinheit, 14 Besessenes-Produkt-Informationsspeichereinheit, 15 Produktinformationsspeichereinheit, 110 Produktauswahleinheit, 111 Spezifikationskorrelationsberechnungseinheit und 150 Produktspezifikationsinformationen.
  • ZITATE ENTHALTEN IN DER BESCHREIBUNG
  • Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
  • Zitierte Patentliteratur
    • JP 2014215772 A [0003]

Claims (5)

  1. Empfehlungseinrichtung, umfassend: eine Produktauswahleinheit zum Extrahieren eines Kandidaten für ein empfohlenes Produkt, das einem Zielbenutzer präsentiert werden soll, auf einer Grundlage von Browsing-Informationen, die Informationen über das Browsen eines Produkts durch den Benutzer zeigen, und Ungekauftes-Produkt-Informationen, die Informationen über ein Produkt zeigen, zu dem der Benutzer eine Kaufabsicht gezeigt hat; und eine Spezifikationskorrelationsberechnungseinheit zum Extrahieren eines Produkts, das eine Produktspezifikation aufweist, die mit einer Produktspezifikation des Kandidaten für ein empfohlenes Produkt korreliert, und Extrahieren des extrahierten Produkts als empfohlenes Produkt.
  2. Empfehlungseinrichtung nach Anspruch 1, wobei die Produktauswahleinheit Informationen über ein oder mehrere besessene Produkte des Zielbenutzers auf einer Grundlage von Besessenes-Produkt-Informationen erwirbt, die Informationen über die Produkte enthalten, die der Benutzer besitzt, und wenn ein empfohlenes Produkt extrahiert wird, das ein Ziel für den Ersatz eines besessenen Produkts des Zielbenutzers ist, die Spezifikationskorrelationsberechnungseinheit ein Produkt extrahiert, das eine Produktspezifikation aufweist, die mit einer Produktspezifikation korreliert, die erhalten bleiben soll, aus den Produktspezifikationen des besessenen Produkts.
  3. Empfehlungseinrichtung nach Anspruch 2, wobei die Spezifikationskorrelationsberechnungseinheit ein Produkt extrahiert, das eine Produktspezifikation aus den Produktspezifikationen des besessenen Produkts aufweist, die mit einer Produktspezifikation korreliert, die verbessert werden soll.
  4. Empfehlungseinrichtung nach Anspruch 1, wobei die Produktauswahleinheit Informationen über ein oder mehrere besessene Produkte des Zielbenutzers auf einer Grundlage von Besessenes-Produkt-Informationen erwirbt, die Informationen über die Produkte anzeigen, die der Benutzer besitzt, und wenn ein empfohlenes Produkt zum Ausgleich des Fehlens von besessenen Produkten des Zielverbrauchers extrahiert wird, die Spezifikationskorrelationsberechnungseinheit eine Produktgruppe vergleicht, die eine Kombination von Produkten und den besessenen Produkten anzeigt, und als fehlendes Produkt ein Produkt extrahiert, das nicht in der Produktgruppe enthalten ist, und auch eine Produktspezifikation des fehlenden Produkts aus Produktspezifikationen der besessenen Produkte bestimmt und ein Produkt extrahiert, das der Produktspezifikation entspricht.
  5. Empfehlungseinrichtung nach Anspruch 1, wobei die Produktauswahleinheit Informationen über ein oder mehrere besessene Produkte des Zielbenutzers auf einer Grundlage von Besessenes-Produkt-Informationen erwirbt, die Informationen über die Produkte anzeigen, die der Benutzer besitzt, und wenn ein empfohlenes Produkt extrahiert wird, das ein Ziel für den Ersatz eines besessenen Produkts des Zielbenutzers ist, die Spezifikationskorrelationsberechnungseinheit ein Produkt extrahiert, das eine Produktspezifikation aus den Produktspezifikationen des besessenen Produkts aufweist, die mit einer Produktspezifikation korreliert, die erhalten bleiben soll, und wenn ein empfohlenes Produkt zum Ausgleich des Fehlens von besessenen Produkten des Zielverbrauchers extrahiert wird, die Spezifikationskorrelationsberechnungseinheit eine Produktgruppe vergleicht, die eine Kombination von Produkten und den besessenen Produkten anzeigt und ein fehlendes Produkt extrahiert, und auch eine Produktspezifikation des fehlenden Produkts aus Produktspezifikationen der besessenen Produkte bestimmt und ein Produkt extrahiert, das der Produktspezifikation entspricht.
DE112017007652.8T 2017-07-19 2017-07-19 Empfehlungseinrichtung Pending DE112017007652T5 (de)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2017/026107 WO2019016891A1 (ja) 2017-07-19 2017-07-19 レコメンド装置

Publications (1)

Publication Number Publication Date
DE112017007652T5 true DE112017007652T5 (de) 2020-03-05

Family

ID=65015410

Family Applications (1)

Application Number Title Priority Date Filing Date
DE112017007652.8T Pending DE112017007652T5 (de) 2017-07-19 2017-07-19 Empfehlungseinrichtung

Country Status (7)

Country Link
US (2) US11538085B2 (de)
JP (1) JP6611998B2 (de)
KR (1) KR102170865B1 (de)
CN (1) CN110892438A (de)
DE (1) DE112017007652T5 (de)
TW (1) TWI660316B (de)
WO (1) WO2019016891A1 (de)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6611998B2 (ja) * 2017-07-19 2019-11-27 三菱電機株式会社 レコメンド装置
JP7434469B1 (ja) 2022-09-02 2024-02-20 株式会社ジェーシービー プログラム、情報処理装置、及び情報処理方法

Family Cites Families (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002123547A (ja) * 2000-10-12 2002-04-26 Canon Inc 商品選択支援システム、商品選択支援サーバー、商品選択支援装置および商品選択支援方法
JP2004220152A (ja) * 2003-01-10 2004-08-05 Sharp Corp 情報推薦装置、情報推薦先の抽出装置、コンピュータプログラム、およびコンピュータ読取可能な記録媒体
JP2004348613A (ja) * 2003-05-26 2004-12-09 Canon Inc 製品およびサービス推薦装置
JP4330478B2 (ja) 2004-03-31 2009-09-16 富士通株式会社 商品情報提供方法および商品情報提供装置
JP2006176231A (ja) 2004-12-21 2006-07-06 Atsunori Kubokawa サーバシステム、その制御方法及び制御プログラム、情報処理システム及び方法
US8214264B2 (en) 2005-05-02 2012-07-03 Cbs Interactive, Inc. System and method for an electronic product advisor
US20070124265A1 (en) * 2005-11-29 2007-05-31 Honeywell International Inc. Complex system diagnostics from electronic manuals
JP2008276449A (ja) 2007-04-27 2008-11-13 Albert:Kk 希望商品に類似する商品の推薦システム
US9189811B1 (en) 2010-01-07 2015-11-17 Amazon Technologies, Inc. Electronic marketplace recommendations
US9092810B2 (en) * 2011-04-11 2015-07-28 Ebay Inc. Methods and systems for merchandising products in bundles in an online marketplace
US8484099B1 (en) * 2012-02-06 2013-07-09 Amazon Technologies, Inc. Method, medium, and system for behavior-based recommendations of product upgrades
US20150339759A1 (en) 2012-02-06 2015-11-26 Amazon Technologies, Inc. Detecting product attributes associated with product upgrades based on behaviors of users
CN102609523B (zh) 2012-02-10 2018-03-06 上海视畅信息科技有限公司 基于物品分类和用户分类的协同过滤推荐方法
WO2013125128A1 (ja) * 2012-02-22 2013-08-29 株式会社ニコン 電子機器
JP2014029643A (ja) * 2012-07-31 2014-02-13 Sharp Corp 情報提供装置、情報提供方法、情報提供システム、およびプログラム
US20140156423A1 (en) * 2012-11-30 2014-06-05 Wal-Mart Stores, Inc. Suggesting Expired Product Replenishment Based On Receipt Data
KR101663580B1 (ko) 2013-03-08 2016-10-07 심플렉스 인터넷 주식회사 전자상거래 추천 분석 시스템 및 추천 분석 방법
JP5391352B1 (ja) 2013-04-24 2014-01-15 株式会社タカマツヤ システム及び顧客管理サーバ
US20150120386A1 (en) * 2013-10-28 2015-04-30 Corinne Elizabeth Sherman System and method for identifying purchase intent
US10318543B1 (en) * 2014-03-20 2019-06-11 Google Llc Obtaining and enhancing metadata for content items
US10366438B2 (en) * 2014-03-26 2019-07-30 Cellco Partnership Product notification and recommendation technology utilizing detected activity
JP2015191449A (ja) * 2014-03-28 2015-11-02 パナソニック インテレクチュアル プロパティ コーポレーション オブアメリカPanasonic Intellectual Property Corporation of America 情報提供方法、情報提供装置、情報通信機器、情報通信機器の表示方法、並びにプログラム
TW201541381A (zh) * 2014-04-29 2015-11-01 Taiwan Mobile Co Ltd 商品推薦系統
US10503480B2 (en) * 2014-04-30 2019-12-10 Ent. Services Development Corporation Lp Correlation based instruments discovery
US10748200B2 (en) 2015-03-03 2020-08-18 Amazon Technologies, Inc. Search query-based replacement part interface
CN106709741A (zh) 2015-07-22 2017-05-24 中兴通讯股份有限公司 一种商品推荐方法及系统
CN106708888B (zh) * 2015-11-17 2020-06-26 阿里巴巴集团控股有限公司 推荐方法及装置
US11093906B2 (en) * 2016-03-09 2021-08-17 Autozone Parts, Inc. Systems and apparatuses facilitating a do-it-yourself experience-based repair solution
JP6405343B2 (ja) * 2016-07-20 2018-10-17 Necパーソナルコンピュータ株式会社 情報処理装置、情報処理方法、およびプログラム
WO2018042982A1 (ja) * 2016-08-31 2018-03-08 日立工機株式会社 故障診断システム及び管理システム
JP6762819B2 (ja) * 2016-09-14 2020-09-30 株式会社東芝 入力支援装置およびプログラム
JP6611998B2 (ja) * 2017-07-19 2019-11-27 三菱電機株式会社 レコメンド装置

Also Published As

Publication number Publication date
TW201909076A (zh) 2019-03-01
TWI660316B (zh) 2019-05-21
KR20200008659A (ko) 2020-01-28
US11538085B2 (en) 2022-12-27
JPWO2019016891A1 (ja) 2019-12-19
WO2019016891A1 (ja) 2019-01-24
US20200175565A1 (en) 2020-06-04
CN110892438A (zh) 2020-03-17
US20230153888A1 (en) 2023-05-18
JP6611998B2 (ja) 2019-11-27
KR102170865B1 (ko) 2020-10-28

Similar Documents

Publication Publication Date Title
CN108805622B (zh) 商品推荐方法、装置、设备及存储介质
KR101753481B1 (ko) 오픈 마켓별 가격변동 자동 모니터링 및 변경 시스템
US20230153888A1 (en) Recommendation device
JP2018156429A (ja) 情報処理装置、情報処理方法、およびプログラム
Cooper et al. Monopoly provision of product quality with uninformed buyers
JP2020184260A (ja) 分析装置、分析方法および分析プログラム
Helmers et al. Attention and saliency on the internet: Evidence from an online recommendation system
Mistrulli et al. Social capital and the cost of credit: evidence from a crisis
WO2022047577A1 (en) Methods and systems for monitoring brand performance based on consumer behavior metric data and expenditure data related to a competitive brand set over time
DE102015009684A1 (de) Zeitliche Dynamiken in der Vorhersage von Anzeigewerbung
JP6677667B2 (ja) データ接続装置、データ接続方法及びプログラム
WO2016174142A1 (de) Verfahren zum erzeugen von prioritätsdaten für produkte
DE112021006380T5 (de) Ausrüstung-Verwaltungsserver, Endgerät, Informationsverarbeitungssystem, Informationsverarbeitungsverfahren, Informationsverarbeitungsprogramm, Bildanzeigeverfahren, Bildanzeigeprogramm und Produkt-Verwaltungsserver
WO2016184921A1 (de) Verfahren und system zum durchsuchen einer datenbasis mit datensätzen
DE112012003171T5 (de) System und Verfahren für den Verkauf von Produkten
KR20180119448A (ko) 오픈 마켓별 통합 재고 자동 모니터링 및 변경 시스템
US20220374928A1 (en) Methods and systems for monitoring brand performance based on consumer behavior metric data and expenditure data related to a competitive brand set over time
Hamid Customers responsiveness towards service quality and satisfaction in Islamic Banks: A case study in Klang, Selangor
Norfaezar Customer satisfaction towards online shopping in apparel industry
Susilawati et al. Analysis of Digital Marketing and Customers Purchase Intention toward Purchasing Decision on Netflix Account During Covid 19 Pandemic in Bandung
DE112020007628T5 (de) Informationsverarbeitungssystem, informationsverarbeitungs-verfahren undinformationsverarbeitungsprogramm
Junaidi Customer satisfaction towards online shopping: the awareness of gharar in online shopping aming students of diploma in muamalat at UiTM Dungun during COVID-19 era
Halim Roja The factors of package tours from umrah travel agency on customer selection in Segamat, Johor
Oorlog et al. Globally-Sourced or American-Made Apparel: Post-election Consumers' Preferences
Prawidya et al. Behavior Change Analysis Of Millenial Generation for Data Packages on Internet Use in Technology Disruption Era

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R016 Response to examination communication
R081 Change of applicant/patentee

Owner name: TRYGLE CO., LTD., JP

Free format text: FORMER OWNER: MITSUBISHI ELECTRIC CORPORATION, TOKYO, JP

R082 Change of representative

Representative=s name: ULLRICH & NAUMANN PATENT- UND RECHTSANWAELTE, , DE

Representative=s name: PATENT- UND RECHTSANWAELTE ULLRICH & NAUMANN P, DE

R002 Refusal decision in examination/registration proceedings