JP2002334257A - レコメンドエンジン、レコメンド方法、レコメンドプログラム - Google Patents
レコメンドエンジン、レコメンド方法、レコメンドプログラムInfo
- Publication number
- JP2002334257A JP2002334257A JP2001140692A JP2001140692A JP2002334257A JP 2002334257 A JP2002334257 A JP 2002334257A JP 2001140692 A JP2001140692 A JP 2001140692A JP 2001140692 A JP2001140692 A JP 2001140692A JP 2002334257 A JP2002334257 A JP 2002334257A
- Authority
- JP
- Japan
- Prior art keywords
- group
- product
- ranking
- recommendation
- customer
- 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
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000011156 evaluation Methods 0.000 claims abstract description 120
- 238000001914 filtration Methods 0.000 claims abstract description 41
- 230000007246 mechanism Effects 0.000 claims description 14
- 230000002776 aggregation Effects 0.000 claims description 11
- 238000004220 aggregation Methods 0.000 claims description 11
- 230000004936 stimulating effect Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 12
- 239000002131 composite material Substances 0.000 description 5
- 230000008569 process Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
(57)【要約】
【課題】 商品評価データの収集数が少ない場合やレコ
メンド対象の顧客による商品評価データの収集がない場
合でも、商品の購買意欲を喚起させるための情報を顧客
に対して提供することができるレコメンドエンジン、レ
コメンド方法およびレコメンドプログラムを提供する。 【解決手段】 各顧客における各商品に対する商品評価
を示す商品評価データと、各顧客が所属するグループを
定義したグループ所属データと、商品評価データに基づ
いて各顧客に対してレコメンドされうる商品の評価値を
予測する協調フィルタリングエンジンと、商品評価デー
タとグループ所属データに基づいて各グループ内におけ
る商品のランキングを作成するグループ別ランキング集
計エンジンとを備える。
メンド対象の顧客による商品評価データの収集がない場
合でも、商品の購買意欲を喚起させるための情報を顧客
に対して提供することができるレコメンドエンジン、レ
コメンド方法およびレコメンドプログラムを提供する。 【解決手段】 各顧客における各商品に対する商品評価
を示す商品評価データと、各顧客が所属するグループを
定義したグループ所属データと、商品評価データに基づ
いて各顧客に対してレコメンドされうる商品の評価値を
予測する協調フィルタリングエンジンと、商品評価デー
タとグループ所属データに基づいて各グループ内におけ
る商品のランキングを作成するグループ別ランキング集
計エンジンとを備える。
Description
【０００１】
【発明の属する技術分野】本発明は、電子商取引を行う
場合に、インターネットを介して顧客に商品の購買意欲
を喚起させるための情報を提供するレコメンドエンジ
ン、レコメンド方法およびレコメンドプログラムに関す
る。
場合に、インターネットを介して顧客に商品の購買意欲
を喚起させるための情報を提供するレコメンドエンジ
ン、レコメンド方法およびレコメンドプログラムに関す
る。
【０００２】
【従来の技術】インターネットを介して商品の取引を行
う電子商取引システムが存在する。そのような電子商取
引システム内には、電子商取引サーバおよびパーソナル
コンピュータ等のクライアント端末が存在する。電子商
取引サーバは、商取引業者によって運営され、電子商取
引サイト（ＥＣサイト）を開設している。クライアント
端末は、例えば、ＥＣサイトの会員が使用する端末であ
る。
う電子商取引システムが存在する。そのような電子商取
引システム内には、電子商取引サーバおよびパーソナル
コンピュータ等のクライアント端末が存在する。電子商
取引サーバは、商取引業者によって運営され、電子商取
引サイト（ＥＣサイト）を開設している。クライアント
端末は、例えば、ＥＣサイトの会員が使用する端末であ
る。
【０００３】ＥＣサーバは、性別や年齢、職業といった
会員の属性情報や会員の商品に対する評価情報に基づい
て、会員の嗜好に沿う（最適）と予測される商品を選択
し、その商品の商品情報を会員に提供することがある。
それにより、会員による商品の購買意欲を喚起すること
ができる。この場合、ＥＣサーバは、会員にとって最適
と予想される商品を選択するに当たって、協調フィルタ
リング（ｃｏｌａｂｏｒａｔｉｖｅ ｆｉｌｔｅｒｉｎ
ｇ）に基づくレコメンド手法を用いることができる。
会員の属性情報や会員の商品に対する評価情報に基づい
て、会員の嗜好に沿う（最適）と予測される商品を選択
し、その商品の商品情報を会員に提供することがある。
それにより、会員による商品の購買意欲を喚起すること
ができる。この場合、ＥＣサーバは、会員にとって最適
と予想される商品を選択するに当たって、協調フィルタ
リング（ｃｏｌａｂｏｒａｔｉｖｅ ｆｉｌｔｅｒｉｎ
ｇ）に基づくレコメンド手法を用いることができる。
【０００４】協調フィルタリングによるレコメンド手法
を用いる場合には、ＥＣサーバは、多数の会員による商
品評価データと特定の会員（対象会員）による商品評価
データとに基づいて、対象会員と類似した商品評価傾向
を持つ他の会員（類似会員）を探し、類似会員による商
品評価傾向を分析することにより、対象会員が未購入で
ある商品に対する評価値を予測し、その評価値が高い商
品をレコメンド結果として順に対象会員に対して薦める
（レコメンドする）。
を用いる場合には、ＥＣサーバは、多数の会員による商
品評価データと特定の会員（対象会員）による商品評価
データとに基づいて、対象会員と類似した商品評価傾向
を持つ他の会員（類似会員）を探し、類似会員による商
品評価傾向を分析することにより、対象会員が未購入で
ある商品に対する評価値を予測し、その評価値が高い商
品をレコメンド結果として順に対象会員に対して薦める
（レコメンドする）。
【０００５】例えば、ＥＣサーバが図１１に示すような
商品評価データを収集している場合を想定する。図１１
には、会員１、２、３、４および５が、商品Ａ〜Ｆに対
して商品評価を行った場合の評価値が示されている。図
１１には、例えば、会員１が商品Ａに３点の評価を与
え、会員５が商品Ａおよび商品Ｂを未購入である例が示
されている。図中、「０」〜「３」は、商品に対する評
価値を示し、「−」は、未購入であることを示す。
商品評価データを収集している場合を想定する。図１１
には、会員１、２、３、４および５が、商品Ａ〜Ｆに対
して商品評価を行った場合の評価値が示されている。図
１１には、例えば、会員１が商品Ａに３点の評価を与
え、会員５が商品Ａおよび商品Ｂを未購入である例が示
されている。図中、「０」〜「３」は、商品に対する評
価値を示し、「−」は、未購入であることを示す。
【０００６】次に、会員に対して商品を薦める場合を考
える。例えば、会員５に対して商品を薦める場合を考え
る。ＥＣサーバは、会員５（対象会員）による商品評価
と他の会員（会員１〜会員４）による商品評価とに基づ
いて、会員５による商品評価傾向と類似した商品評価傾
向を持つ類似会員を探す。この場合、会員１、４、５
は、それぞれ、商品Ｅおよび商品Ｆに対して類似した評
価を行っているので、ＥＣサーバは、会員５に対する類
似会員を会員１および会員４と特定する。
える。例えば、会員５に対して商品を薦める場合を考え
る。ＥＣサーバは、会員５（対象会員）による商品評価
と他の会員（会員１〜会員４）による商品評価とに基づ
いて、会員５による商品評価傾向と類似した商品評価傾
向を持つ類似会員を探す。この場合、会員１、４、５
は、それぞれ、商品Ｅおよび商品Ｆに対して類似した評
価を行っているので、ＥＣサーバは、会員５に対する類
似会員を会員１および会員４と特定する。
【０００７】ＥＣサーバは、会員１および会員４による
各商品に対する商品評価傾向を分析し、会員５が未購入
の商品（商品Ａおよび商品Ｂ）に対する評価値を予測す
る。即ち、ＥＣサーバは、会員１および会員４による評
価傾向に基づいて、会員５が商品Ａおよび商品Ｂに対し
て評価するであろう評価値を予測する。この場合、会員
１および会員４は商品Ａに対して３ポイントの評価を行
っているので、商品Ａに対する評価点を高得点（例え
ば、３ポイント）であると予測し、会員１および会員４
は商品Ｂに対して０ポイントの評価を行っているので、
商品Ｂに対する評価値を低得点（例えば、０ポイント）
であると予測する。そして、ＥＣサーバは、評価値が高
い商品を優先して会員５に対してレコメンドする。この
場合、ＥＣサーバは、商品Ａを会員５に対してレコメン
ドする。このとき、「会員５さんには、商品Ａがお薦め
です。」といったようなメッセージが表示された画面を
クライアント端末に提供する。
各商品に対する商品評価傾向を分析し、会員５が未購入
の商品（商品Ａおよび商品Ｂ）に対する評価値を予測す
る。即ち、ＥＣサーバは、会員１および会員４による評
価傾向に基づいて、会員５が商品Ａおよび商品Ｂに対し
て評価するであろう評価値を予測する。この場合、会員
１および会員４は商品Ａに対して３ポイントの評価を行
っているので、商品Ａに対する評価点を高得点（例え
ば、３ポイント）であると予測し、会員１および会員４
は商品Ｂに対して０ポイントの評価を行っているので、
商品Ｂに対する評価値を低得点（例えば、０ポイント）
であると予測する。そして、ＥＣサーバは、評価値が高
い商品を優先して会員５に対してレコメンドする。この
場合、ＥＣサーバは、商品Ａを会員５に対してレコメン
ドする。このとき、「会員５さんには、商品Ａがお薦め
です。」といったようなメッセージが表示された画面を
クライアント端末に提供する。
【０００８】
【発明が解決しようとする課題】協調フィルタリングに
基づくレコメンド手法を用いる場合には、レコメンド結
果の精度を向上させるために、ＥＣサイトは、数多くの
会員による商品評価データを収集することが望ましい。
例えば、レコメンド結果の精度を実用化レベルまで向上
させる場合には、少なくとも数万人単位の会員による商
品評価データを収集していることが望ましい。
基づくレコメンド手法を用いる場合には、レコメンド結
果の精度を向上させるために、ＥＣサイトは、数多くの
会員による商品評価データを収集することが望ましい。
例えば、レコメンド結果の精度を実用化レベルまで向上
させる場合には、少なくとも数万人単位の会員による商
品評価データを収集していることが望ましい。
【０００９】しかしながら、運用開始初期の状態等にあ
るＥＣサイトは、数多くの会員による商品評価データを
収集することが難しく、結果として、精度の低いレコメ
ンド結果しか取得することができず、会員の嗜好に沿っ
た商品をレコメンドすることができない場合が多い。従
って、そのような場合には、会員による購買意欲を喚起
させることができない場合が多い。また、商品評価デー
タをマーケティングデータとして提供するビジネスも存
在するが、そのようなデータは高価であることが多く、
また、ＥＣサイトが提供しようとする商品に適合すると
も限らない。
るＥＣサイトは、数多くの会員による商品評価データを
収集することが難しく、結果として、精度の低いレコメ
ンド結果しか取得することができず、会員の嗜好に沿っ
た商品をレコメンドすることができない場合が多い。従
って、そのような場合には、会員による購買意欲を喚起
させることができない場合が多い。また、商品評価デー
タをマーケティングデータとして提供するビジネスも存
在するが、そのようなデータは高価であることが多く、
また、ＥＣサイトが提供しようとする商品に適合すると
も限らない。
【００１０】また、協調フィルタリングに基づくレコメ
ンド手法を用いる場合には、ＥＣサイトは、対象会員の
商品評価データを予め収集している必要があるが、ＥＣ
サイトの会員になって間もない者が初めてアクセスして
きたような場合には、そのような会員の商品評価データ
を保持していないので、当該手法を用いることができな
い。
ンド手法を用いる場合には、ＥＣサイトは、対象会員の
商品評価データを予め収集している必要があるが、ＥＣ
サイトの会員になって間もない者が初めてアクセスして
きたような場合には、そのような会員の商品評価データ
を保持していないので、当該手法を用いることができな
い。
【００１１】そこで、本発明は、商品評価データの収集
数が少ない場合やレコメンド対象の顧客による商品評価
データの収集がない場合でも、商品の購買意欲を喚起さ
せるための情報を顧客に対して提供することができるレ
コメンドエンジン、レコメンド方法およびレコメンドプ
ログラムを提供することを目的とする。
数が少ない場合やレコメンド対象の顧客による商品評価
データの収集がない場合でも、商品の購買意欲を喚起さ
せるための情報を顧客に対して提供することができるレ
コメンドエンジン、レコメンド方法およびレコメンドプ
ログラムを提供することを目的とする。
【００１２】
【課題を解決するための手段】本発明によるレコメンド
エンジンは、各顧客の各商品に対する評価を示す商品評
価データと、各顧客が所属するグループを定義したグル
ープ所属データと、商品評価データに対して協調フィル
タリングによる演算を施し、その演算結果に基づいて各
顧客に対してレコメンドされうる商品の評価値を予測す
る協調フィルタリングエンジンと、商品評価データおよ
びグループ所属データに基づいてグループ内における商
品のランキングを示すグループ別ランキングを作成する
グループ別ランキング集計エンジンと、協調フィルタリ
ングエンジンによる評価値に基づいて顧客に対して商品
を推薦するためのレコメンド画面を提供するとともに、
顧客が所属するグループに応じたグループ別ランキング
を通知するためのランキング画面を提供する個別表示機
構とを備えたことを特徴とする。
エンジンは、各顧客の各商品に対する評価を示す商品評
価データと、各顧客が所属するグループを定義したグル
ープ所属データと、商品評価データに対して協調フィル
タリングによる演算を施し、その演算結果に基づいて各
顧客に対してレコメンドされうる商品の評価値を予測す
る協調フィルタリングエンジンと、商品評価データおよ
びグループ所属データに基づいてグループ内における商
品のランキングを示すグループ別ランキングを作成する
グループ別ランキング集計エンジンと、協調フィルタリ
ングエンジンによる評価値に基づいて顧客に対して商品
を推薦するためのレコメンド画面を提供するとともに、
顧客が所属するグループに応じたグループ別ランキング
を通知するためのランキング画面を提供する個別表示機
構とを備えたことを特徴とする。
【００１３】グループは、指定された条件を満たしてい
る属性値を持つ顧客の集合として定義される。このよう
にすれば、顧客の年代、職業、趣味等の属性に応じたグ
ループ別ランキングを得ることができ、顧客は、自己が
所属するグループに対応したグループ別ランキングを参
照することによって、自己と同一の属性を持つ他の顧客
が商品に対してどのように評価しているかを把握するこ
とができ、その動向に応じてどの商品を購入するかを決
定することができる。
る属性値を持つ顧客の集合として定義される。このよう
にすれば、顧客の年代、職業、趣味等の属性に応じたグ
ループ別ランキングを得ることができ、顧客は、自己が
所属するグループに対応したグループ別ランキングを参
照することによって、自己と同一の属性を持つ他の顧客
が商品に対してどのように評価しているかを把握するこ
とができ、その動向に応じてどの商品を購入するかを決
定することができる。
【００１４】個別表示機構は、協調フィルタリングエン
ジンによって予測された評価値のうちに所定値を越える
ものがない場合には、ランキング画面のみを提供する。
このようにすれば、協調フィルタリングエンジンによる
評価値が低かった場合には、レコメンドエンジンは、ラ
ンキング画面のみを提供することができる。
ジンによって予測された評価値のうちに所定値を越える
ものがない場合には、ランキング画面のみを提供する。
このようにすれば、協調フィルタリングエンジンによる
評価値が低かった場合には、レコメンドエンジンは、ラ
ンキング画面のみを提供することができる。
【００１５】本発明によるレコメンド方法は、各顧客の
各商品に対する評価を示す商品評価データに対して協調
フィルタリングによる演算を施し、その演算結果に基づ
いて各顧客に対してレコメンドされうる商品に対する評
価値を予測するステップと、各顧客が所属するグループ
を定義したグループ所属データと商品評価データとに基
づいてグループ内における商品のランキングを示すグル
ープ別ランキングを作成するステップと、予測された評
価値に基づいて顧客に対して商品を推薦するためのレコ
メンド画面を提供するとともに、顧客が所属するグルー
プに応じたグループ別ランキングを通知するためのラン
キング画面を提供するステップとを有することを特徴と
する。
各商品に対する評価を示す商品評価データに対して協調
フィルタリングによる演算を施し、その演算結果に基づ
いて各顧客に対してレコメンドされうる商品に対する評
価値を予測するステップと、各顧客が所属するグループ
を定義したグループ所属データと商品評価データとに基
づいてグループ内における商品のランキングを示すグル
ープ別ランキングを作成するステップと、予測された評
価値に基づいて顧客に対して商品を推薦するためのレコ
メンド画面を提供するとともに、顧客が所属するグルー
プに応じたグループ別ランキングを通知するためのラン
キング画面を提供するステップとを有することを特徴と
する。
【００１６】本発明によるレコメンドプログラムは、コ
ンピュータに、各顧客の各商品に対する評価を示す商品
評価データに対して協調フィルタリングによる演算をさ
せ、その演算結果に基づいて各顧客に対してレコメンド
されうる商品に対する評価値を予測させ、各顧客が所属
するグループを定義したグループ所属データと商品評価
データとに基づいてグループ内における商品のランキン
グを示すグループ別ランキングを作成させ、予測された
評価値に基づいて顧客に対して商品を推薦するためのレ
コメンド画面を提供するとともに、顧客が所属するグル
ープに応じたグループ別ランキングを通知するためのラ
ンキング画面を提供させることを特徴とする。
ンピュータに、各顧客の各商品に対する評価を示す商品
評価データに対して協調フィルタリングによる演算をさ
せ、その演算結果に基づいて各顧客に対してレコメンド
されうる商品に対する評価値を予測させ、各顧客が所属
するグループを定義したグループ所属データと商品評価
データとに基づいてグループ内における商品のランキン
グを示すグループ別ランキングを作成させ、予測された
評価値に基づいて顧客に対して商品を推薦するためのレ
コメンド画面を提供するとともに、顧客が所属するグル
ープに応じたグループ別ランキングを通知するためのラ
ンキング画面を提供させることを特徴とする。
【００１７】
【発明の実施の形態】以下、本発明による実施の形態に
ついて図面を参照して説明する。図１は、本発明による
レコメンドエンジンが用いられた電子商取引システムの
一構成例を示すブロック図である。
ついて図面を参照して説明する。図１は、本発明による
レコメンドエンジンが用いられた電子商取引システムの
一構成例を示すブロック図である。
【００１８】図１に示す電子商取引システムは、電子商
取引サーバ（ＥＣサーバ）３およびクライアント端末２
を備えている。ＥＣサーバ３およびクライアント端末２
は、インターネット１に接続されている。
取引サーバ（ＥＣサーバ）３およびクライアント端末２
を備えている。ＥＣサーバ３およびクライアント端末２
は、インターネット１に接続されている。
【００１９】ＥＣサーバ３は、商取引業者等によって運
営され、電子商取引（ＥＣサイト）サイトを開設してい
る。ＥＣサーバ３は、例えば、ＷＷＷサーバ等によって
実現される。ＥＣサーバ３には、インターネット１を介
して顧客（ＥＣサイトの会員）による商品の購買意欲を
喚起させるための情報を提供するレコメンドエンジン４
０が組み込まれている。
営され、電子商取引（ＥＣサイト）サイトを開設してい
る。ＥＣサーバ３は、例えば、ＷＷＷサーバ等によって
実現される。ＥＣサーバ３には、インターネット１を介
して顧客（ＥＣサイトの会員）による商品の購買意欲を
喚起させるための情報を提供するレコメンドエンジン４
０が組み込まれている。
【００２０】クライアント端末２は、パーソナルコンピ
ュータ等の情報処理装置によって実現される。クライア
ント端末２は、例えば、ＥＣサイトの会員によって使用
される。クライアント端末２には、インターネット１に
接続するためのＷｅｂブラウザが組み込まれている。な
お、ＥＣサイトから商品等を購入しようとする者は、Ｅ
Ｃサイトに対して会員登録をし、ＥＣサイトから会員認
証用のＩＤおよびパスワードを取得しているとする。ま
た、図１には、インターネット１を介してＥＣサイトに
アクセス可能なクライアント端末２が例示されている
が、ＥＣサイトにアクセス可能な複数のクライアント端
末が存在していてもよい。
ュータ等の情報処理装置によって実現される。クライア
ント端末２は、例えば、ＥＣサイトの会員によって使用
される。クライアント端末２には、インターネット１に
接続するためのＷｅｂブラウザが組み込まれている。な
お、ＥＣサイトから商品等を購入しようとする者は、Ｅ
Ｃサイトに対して会員登録をし、ＥＣサイトから会員認
証用のＩＤおよびパスワードを取得しているとする。ま
た、図１には、インターネット１を介してＥＣサイトに
アクセス可能なクライアント端末２が例示されている
が、ＥＣサイトにアクセス可能な複数のクライアント端
末が存在していてもよい。
【００２１】図２は、レコメンドエンジン４０の内部構
成を示すブロック図である。レコメンドエンジン４０
は、商品評価データ１１、グループ所属データ１２、複
合エンジン２０、計算結果データ領域３１および個別表
示機構３２を備えている。複合エンジン２０は、商品評
価データ１１およびグループ所属データ１２に基づいて
情報を生成して計算結果データ領域３１に格納する。個
別表示機構３２は、計算結果データ領域３１に格納され
ている情報に基づいて、クライアント端末２に対して購
買意欲を喚起させる情報を送信する。
成を示すブロック図である。レコメンドエンジン４０
は、商品評価データ１１、グループ所属データ１２、複
合エンジン２０、計算結果データ領域３１および個別表
示機構３２を備えている。複合エンジン２０は、商品評
価データ１１およびグループ所属データ１２に基づいて
情報を生成して計算結果データ領域３１に格納する。個
別表示機構３２は、計算結果データ領域３１に格納され
ている情報に基づいて、クライアント端末２に対して購
買意欲を喚起させる情報を送信する。
【００２２】複合エンジン２０は、協調フィルタリング
エンジン２１およびグループ別ランキング集計エンジン
２２を備えている。協調フィルタリングエンジン２１
は、商品評価データ１１に基づいてレコメンド結果を生
成して計算結果データ領域３１に格納する。グループ別
ランキング集計エンジン２２は、商品評価データ１１お
よびグループ所属データ１２に基づいてグループ別ラン
キングを生成して計算結果データ領域３１に格納する。
エンジン２１およびグループ別ランキング集計エンジン
２２を備えている。協調フィルタリングエンジン２１
は、商品評価データ１１に基づいてレコメンド結果を生
成して計算結果データ領域３１に格納する。グループ別
ランキング集計エンジン２２は、商品評価データ１１お
よびグループ所属データ１２に基づいてグループ別ラン
キングを生成して計算結果データ領域３１に格納する。
【００２３】ＥＣサーバ３には、インターネットを介し
て顧客に商品の購買意欲を喚起させるための情報を提供
するためのレコメンドプログラムが組み込まれている。
ＥＣサーバ３は、レコメンドプログラムに基づいて、各
顧客の各商品に対する評価を示す商品評価データに対し
て協調フィルタリングによる演算を施し、その演算結果
に基づいて各顧客の特定商品に対する評価値を予測し、
各顧客が属するグループを定義したグループ所属データ
と商品評価データとに基づいてグループ内における商品
のランキングを示すグループ別ランキングを作成し、予
測された評価値に基づいて顧客に対して商品を推薦する
ためのレコメンド画面を提供するとともに、顧客のグル
ープ所属に応じたグループ別ランキングを通知するため
のランキング画面を提供する。
て顧客に商品の購買意欲を喚起させるための情報を提供
するためのレコメンドプログラムが組み込まれている。
ＥＣサーバ３は、レコメンドプログラムに基づいて、各
顧客の各商品に対する評価を示す商品評価データに対し
て協調フィルタリングによる演算を施し、その演算結果
に基づいて各顧客の特定商品に対する評価値を予測し、
各顧客が属するグループを定義したグループ所属データ
と商品評価データとに基づいてグループ内における商品
のランキングを示すグループ別ランキングを作成し、予
測された評価値に基づいて顧客に対して商品を推薦する
ためのレコメンド画面を提供するとともに、顧客のグル
ープ所属に応じたグループ別ランキングを通知するため
のランキング画面を提供する。
【００２４】次に、図１に示す電子商取引システムにお
ける動作について説明する。図３は、図１に示す電子商
取引システムの動作を説明するための説明図である。
ける動作について説明する。図３は、図１に示す電子商
取引システムの動作を説明するための説明図である。
【００２５】ＥＣサーバ３は、会員による商品購買履歴
や会員に対するアンケートの回答結果等に基づいて商品
評価データ１１を作成し、各会員の会員情報に基づいて
会員のグループ定義を行い、そのグループ定義をグルー
プ所属データ１２として管理する（ステップ１）。
や会員に対するアンケートの回答結果等に基づいて商品
評価データ１１を作成し、各会員の会員情報に基づいて
会員のグループ定義を行い、そのグループ定義をグルー
プ所属データ１２として管理する（ステップ１）。
【００２６】ＥＣサーバ３は、商品評価データ１１に基
づいて各会員について協調フィルタリングに基づく演算
を行い、その演算結果に基づいて各会員にレコメンドさ
れうる特定商品（後述する）に対する評価値を予測する
（ステップ２）。また、ＥＣサーバ３は、商品評価デー
タ１１およびグループ所属データ１２に基づいて各グル
ープ内での人気商品のランキング（グループ別ランキン
グ）を集計する（ステップ２）。
づいて各会員について協調フィルタリングに基づく演算
を行い、その演算結果に基づいて各会員にレコメンドさ
れうる特定商品（後述する）に対する評価値を予測する
（ステップ２）。また、ＥＣサーバ３は、商品評価デー
タ１１およびグループ所属データ１２に基づいて各グル
ープ内での人気商品のランキング（グループ別ランキン
グ）を集計する（ステップ２）。
【００２７】ＥＣサーバ３は、会員がアクセスしたきた
場合に、その会員のグループ所属データに基づいて、そ
の会員に対応したグループ別ランキングを読み出して、
そのグループ別ランキングを表示するランキング画面を
クライアント端末２に対して提供する（ステップ３）。
また、ＥＣサーバ３は、レコメンド結果に基づいてその
会員に対して推薦する商品を特定し、その商品を推薦す
るためのレコメンド画面もクライアント端末２に対して
提供する（ステップ３）。即ち、ＥＣサーバ３は、ラン
キング画面およびレコメンド画面を同時にクライアント
端末２に表示させる。
場合に、その会員のグループ所属データに基づいて、そ
の会員に対応したグループ別ランキングを読み出して、
そのグループ別ランキングを表示するランキング画面を
クライアント端末２に対して提供する（ステップ３）。
また、ＥＣサーバ３は、レコメンド結果に基づいてその
会員に対して推薦する商品を特定し、その商品を推薦す
るためのレコメンド画面もクライアント端末２に対して
提供する（ステップ３）。即ち、ＥＣサーバ３は、ラン
キング画面およびレコメンド画面を同時にクライアント
端末２に表示させる。
【００２８】以下、ステップ１〜ステップ３の動作につ
いて詳細に説明する。なお、ＥＣサーバ３は、図４に示
すような会員情報を取得しているとともに、図５に示す
ような商品評価データ１１を既に取得しているとして、
以下説明を進める。
いて詳細に説明する。なお、ＥＣサーバ３は、図４に示
すような会員情報を取得しているとともに、図５に示す
ような商品評価データ１１を既に取得しているとして、
以下説明を進める。
【００２９】図４には、会員１〜会員４における会員情
報が示されている。会員情報は、会員ＩＤ、会員の年
代、職業、趣味等の項目で構成される。即ち、会員情報
には、会員の年代、職業、趣味等の属性情報が含まれて
いる。図４には、会員１〜会員４の会員ＩＤは、それぞ
れ、ｕｓｅｒ１〜ｕｓｅｒ４で、会員１〜会員４の年代
は、それぞれ、２０代、３０代、２０代、２０代で、会
員１〜会員４の職業は、それぞれ、会社員、主婦、会社
員、会社員で、会員１〜会員４の趣味は、それぞれ、読
書、スポーツ、スポーツ、スポーツである例が示されて
いる。
報が示されている。会員情報は、会員ＩＤ、会員の年
代、職業、趣味等の項目で構成される。即ち、会員情報
には、会員の年代、職業、趣味等の属性情報が含まれて
いる。図４には、会員１〜会員４の会員ＩＤは、それぞ
れ、ｕｓｅｒ１〜ｕｓｅｒ４で、会員１〜会員４の年代
は、それぞれ、２０代、３０代、２０代、２０代で、会
員１〜会員４の職業は、それぞれ、会社員、主婦、会社
員、会社員で、会員１〜会員４の趣味は、それぞれ、読
書、スポーツ、スポーツ、スポーツである例が示されて
いる。
【００３０】商品評価データ１１は、会員ＩＤ、商品を
示す商品ＩＤおよび商品に対する評価点を示すスコアの
項目で定まるレコード形式で作成される。図５には、会
員１〜４における商品Ａ〜商品Ｅに対する商品評価が示
されている。図５中、商品Ａ、商品Ｂ、商品Ｃ、商品Ｄ
および商品Ｅの商品ＩＤは、それぞれ、ｍｅｒ−Ａ、ｍ
ｅｒ−Ｂ、ｍｅｒ−Ｃ、ｍｅｒ−Ｄおよびｍｅｒ−Ｅと
して示されている。スコアの欄に表示されている「−」
は、商品が未購入であることを示す。
示す商品ＩＤおよび商品に対する評価点を示すスコアの
項目で定まるレコード形式で作成される。図５には、会
員１〜４における商品Ａ〜商品Ｅに対する商品評価が示
されている。図５中、商品Ａ、商品Ｂ、商品Ｃ、商品Ｄ
および商品Ｅの商品ＩＤは、それぞれ、ｍｅｒ−Ａ、ｍ
ｅｒ−Ｂ、ｍｅｒ−Ｃ、ｍｅｒ−Ｄおよびｍｅｒ−Ｅと
して示されている。スコアの欄に表示されている「−」
は、商品が未購入であることを示す。
【００３１】なお、図５には、会員１が商品Ａ〜商品Ｅ
に対してそれぞれ５、０、１、３および２ポイントの評
価をし、会員２が商品Ａ〜商品Ｅに対してそれぞれ１、
２、５、０および５ポイントの評価をし、会員３が商品
Ａ〜商品Ｅに対して２、１、３、１および５ポイントの
評価をし、会員４が商品Ｃ〜商品Ｅに対して１、３およ
び３ポイントの評価をした例が示されている。また、図
５には、会員４が商品Ａおよび商品Ｂを購入していない
例が示されている。
に対してそれぞれ５、０、１、３および２ポイントの評
価をし、会員２が商品Ａ〜商品Ｅに対してそれぞれ１、
２、５、０および５ポイントの評価をし、会員３が商品
Ａ〜商品Ｅに対して２、１、３、１および５ポイントの
評価をし、会員４が商品Ｃ〜商品Ｅに対して１、３およ
び３ポイントの評価をした例が示されている。また、図
５には、会員４が商品Ａおよび商品Ｂを購入していない
例が示されている。
【００３２】ＥＣサーバ３は、会員情報に含まれている
各会員の属性情報に基づいて各会員のグループ定義を行
う。以下、ＥＣサーバ３は、（趣味＝スポーツ）および
（年代＝２０代）の条件で各会員のグループ定義を行う
とする。ＥＣサーバ３は、グループＧ１（趣味＝スポー
ツ）に、会員２、会員３および会員４が属し、グループ
Ｇ２（年代＝２０代）に、会員１、会員３および会員４
が属すると定義する。グループＧ１のグループＩＤを１
とし、グループＧ２のグループＩＤを２とする。
各会員の属性情報に基づいて各会員のグループ定義を行
う。以下、ＥＣサーバ３は、（趣味＝スポーツ）および
（年代＝２０代）の条件で各会員のグループ定義を行う
とする。ＥＣサーバ３は、グループＧ１（趣味＝スポー
ツ）に、会員２、会員３および会員４が属し、グループ
Ｇ２（年代＝２０代）に、会員１、会員３および会員４
が属すると定義する。グループＧ１のグループＩＤを１
とし、グループＧ２のグループＩＤを２とする。
【００３３】ＥＣサーバ３は、そのように定義した各会
員のグループ定義をグループ所属データ１２として管理
する。グループ所属データ１２は、図６に示すような形
式で管理される。即ち、グループＩＤとそのグループに
属する会員の会員ＩＤのリストの項目で管理される。
員のグループ定義をグループ所属データ１２として管理
する。グループ所属データ１２は、図６に示すような形
式で管理される。即ち、グループＩＤとそのグループに
属する会員の会員ＩＤのリストの項目で管理される。
【００３４】協調フィルタリングエンジン２１は、協調
フィルタリングによる演算を用いて各会員における未購
入の商品に対するスコアを予測する。例えば、協調フィ
ルタリングエンジン２１は、スペシャリストモデルに基
づく協調フィルタリングによる演算を用いる。図７は、
協調フィルタリングエンジン２１の動作を説明するため
のフローチャートである。ここでは、会員４（対象会
員）における未購入商品（商品Ａおよび商品Ｂ）に対す
るスコアを予測する場合を例にする。即ち、この例で
は、未購入商品が特定商品に相当する。但し、特定商品
は、未購入商品に限らず、例えば、未評価の商品であっ
てもよい。
フィルタリングによる演算を用いて各会員における未購
入の商品に対するスコアを予測する。例えば、協調フィ
ルタリングエンジン２１は、スペシャリストモデルに基
づく協調フィルタリングによる演算を用いる。図７は、
協調フィルタリングエンジン２１の動作を説明するため
のフローチャートである。ここでは、会員４（対象会
員）における未購入商品（商品Ａおよび商品Ｂ）に対す
るスコアを予測する場合を例にする。即ち、この例で
は、未購入商品が特定商品に相当する。但し、特定商品
は、未購入商品に限らず、例えば、未評価の商品であっ
てもよい。
【００３５】協調フィルタリングエンジン２１は、商品
評価データ１１に基づいて図８に示すような各会員と各
商品における評価の対応関係を示す対応関係データを作
成する（ステップＳ１１）。協調フィルタリングエンジ
ン２１は、対応関係データに基づいて、会員４における
商品評価傾向と類似した商品評価傾向を持つ他の会員
（類似会員）を特定する（ステップＳ１２）。即ち、会
員４における各商品に対する商品評価と他の会員におけ
る各商品に対する商品評価とに基づいて、類似会員を特
定する。この場合、会員１と会員４は、商品Ｃ、商品Ｄ
および商品Ｅに対して類似の評価を行っているので、協
調フィルタリングエンジン２１は、会員１を類似会員と
特定する。
評価データ１１に基づいて図８に示すような各会員と各
商品における評価の対応関係を示す対応関係データを作
成する（ステップＳ１１）。協調フィルタリングエンジ
ン２１は、対応関係データに基づいて、会員４における
商品評価傾向と類似した商品評価傾向を持つ他の会員
（類似会員）を特定する（ステップＳ１２）。即ち、会
員４における各商品に対する商品評価と他の会員におけ
る各商品に対する商品評価とに基づいて、類似会員を特
定する。この場合、会員１と会員４は、商品Ｃ、商品Ｄ
および商品Ｅに対して類似の評価を行っているので、協
調フィルタリングエンジン２１は、会員１を類似会員と
特定する。
【００３６】協調フィルタリングエンジン２１は、会員
１における商品評価傾向を分析することによって、会員
４における商品Ａおよび商品Ｂに対するスコアを予測す
る（ステップＳ１３）。即ち、協調フィルタリングエン
ジン２１は、会員１における商品評価傾向に基づいて、
会員４が商品Ａおよび商品Ｂに対して評価するであろう
スコアを予測する。この場合、会員１は、商品Ａに対し
て５点の評価を与えているので、会員４における商品Ａ
に対する評価を例えば５点と予測する。また、会員１
は、商品Ａに対して０点の評価を与えているので、会員
１における商品Ａに対する評価を例えば０点と予測す
る。
１における商品評価傾向を分析することによって、会員
４における商品Ａおよび商品Ｂに対するスコアを予測す
る（ステップＳ１３）。即ち、協調フィルタリングエン
ジン２１は、会員１における商品評価傾向に基づいて、
会員４が商品Ａおよび商品Ｂに対して評価するであろう
スコアを予測する。この場合、会員１は、商品Ａに対し
て５点の評価を与えているので、会員４における商品Ａ
に対する評価を例えば５点と予測する。また、会員１
は、商品Ａに対して０点の評価を与えているので、会員
１における商品Ａに対する評価を例えば０点と予測す
る。
【００３７】協調フィルタリングエンジン２１は、以上
のようにして予測された各評価値を計算結果データ領域
３１に格納する。予測された各評価値は、ユーザＩＤ、
商品ＩＤおよびスコアの各項目を含む形式で構成され
る。例えば、（ｕｓｅｒ４、ｍｅｒ−Ａ、５）や（ｕｓ
ｅｒ４、ｍｅｒ−Ｂ、０）といったような形式で構成さ
れる。
のようにして予測された各評価値を計算結果データ領域
３１に格納する。予測された各評価値は、ユーザＩＤ、
商品ＩＤおよびスコアの各項目を含む形式で構成され
る。例えば、（ｕｓｅｒ４、ｍｅｒ−Ａ、５）や（ｕｓ
ｅｒ４、ｍｅｒ−Ｂ、０）といったような形式で構成さ
れる。
【００３８】グループ別ランキング集計エンジン２２
は、商品評価データ１１およびグループ所属データ１２
に基づいてグループ別ランキングを作成する。この場
合、グループ別ランキング集計エンジン２２は、グルー
プＧ１およびグループＧ２におけるグループ別ランキン
グを作成する。図９は、グループ別ランキング集計エン
ジン２２の動作を説明するためのフローチャートであ
る。
は、商品評価データ１１およびグループ所属データ１２
に基づいてグループ別ランキングを作成する。この場
合、グループ別ランキング集計エンジン２２は、グルー
プＧ１およびグループＧ２におけるグループ別ランキン
グを作成する。図９は、グループ別ランキング集計エン
ジン２２の動作を説明するためのフローチャートであ
る。
【００３９】グループ別ランキング集計エンジン２２
は、商品評価データ１１から１商品分のデータを読み出
す（ステップＳ２１）。グループ属性データ１２を参照
して、そのデータに係る各会員のグループ属性を割り出
す（ステップＳ２２）。グループ別ランキング集計エン
ジン２２は、その商品の各スコアをグループ属性別に加
算する（ステップＳ２３）。そして、グループ別ランキ
ング集計エンジン２２は、商品評価データ１１にステッ
プＳ２２およびＳ２３の処理が施されていない商品のデ
ータが存在するか否かを判断し（ステップＳ２４）、デ
ータが存在しなければ処理を終了し、データが存在すれ
ばステップＳ１１からの処理を繰り返し実行する。この
ような手順により、グループ別ランキング集計エンジン
２２は、グループ別に商品の人気ランキングの集計を行
う。
は、商品評価データ１１から１商品分のデータを読み出
す（ステップＳ２１）。グループ属性データ１２を参照
して、そのデータに係る各会員のグループ属性を割り出
す（ステップＳ２２）。グループ別ランキング集計エン
ジン２２は、その商品の各スコアをグループ属性別に加
算する（ステップＳ２３）。そして、グループ別ランキ
ング集計エンジン２２は、商品評価データ１１にステッ
プＳ２２およびＳ２３の処理が施されていない商品のデ
ータが存在するか否かを判断し（ステップＳ２４）、デ
ータが存在しなければ処理を終了し、データが存在すれ
ばステップＳ１１からの処理を繰り返し実行する。この
ような手順により、グループ別ランキング集計エンジン
２２は、グループ別に商品の人気ランキングの集計を行
う。
【００４０】グループ別ランキング集計エンジン２２が
商品Ａのデータを読み出した場合、例えば（ｕｓｅｒ１
ｍｅｒ−Ａ ５）については、そのデータに係る会員
（会員１）はグループＧ２に属する会員であるので、グ
ループＧ２における商品Ａのスコアに５を加算する。同
様に、（ｕｓｅｒ３ ｍｅｒ−Ａ ２）については、そ
のデータに係る会員（会員３）はグループＧ１およびグ
ループＧ２に属するので、グループＧ１およびグループ
Ｇ２における商品Ａのスコアに２を加算する。
商品Ａのデータを読み出した場合、例えば（ｕｓｅｒ１
ｍｅｒ−Ａ ５）については、そのデータに係る会員
（会員１）はグループＧ２に属する会員であるので、グ
ループＧ２における商品Ａのスコアに５を加算する。同
様に、（ｕｓｅｒ３ ｍｅｒ−Ａ ２）については、そ
のデータに係る会員（会員３）はグループＧ１およびグ
ループＧ２に属するので、グループＧ１およびグループ
Ｇ２における商品Ａのスコアに２を加算する。
【００４１】グループ別ランキング集計エンジン２２
は、ステップＳ１１〜ステップＳ１４に示す動作を行う
ことにより、次に示すようなグループ別ランキングを得
ることができる。即ち、グループＧ１では、商品Ａ（３
ポイント）、商品Ｂ（３ポイント）、商品Ｃ（９ポイン
ト）、商品Ｄ（４ポイント）および商品Ｅ（１３ポイン
ト）、グループＧ２では、商品Ａ（７ポイント）、商品
Ｂ（１ポイント）、商品Ｃ（５ポイント）、商品Ｄ（７
ポイント）および商品Ｅ（１０ポイント）というグルー
プ別ランキングを得ることができる。
は、ステップＳ１１〜ステップＳ１４に示す動作を行う
ことにより、次に示すようなグループ別ランキングを得
ることができる。即ち、グループＧ１では、商品Ａ（３
ポイント）、商品Ｂ（３ポイント）、商品Ｃ（９ポイン
ト）、商品Ｄ（４ポイント）および商品Ｅ（１３ポイン
ト）、グループＧ２では、商品Ａ（７ポイント）、商品
Ｂ（１ポイント）、商品Ｃ（５ポイント）、商品Ｄ（７
ポイント）および商品Ｅ（１０ポイント）というグルー
プ別ランキングを得ることができる。
【００４２】グループ別ランキング集計エンジン２２
は、そのようにして求めたグループ別ランキングを計算
結果データ領域３１に格納する。グループ別ランキング
は、商品ＩＤおよびスコアで構成される。
は、そのようにして求めたグループ別ランキングを計算
結果データ領域３１に格納する。グループ別ランキング
は、商品ＩＤおよびスコアで構成される。
【００４３】なお、レコメンド結果およびグループ別ラ
ンキングは同時進行にて作成される。即ち、協調フィル
タリングエンジン２１およびグループ別ランキング集計
エンジン２２は、並列に実行することによって、レコメ
ンド結果およびグループ別ランキングを生成する。
ンキングは同時進行にて作成される。即ち、協調フィル
タリングエンジン２１およびグループ別ランキング集計
エンジン２２は、並列に実行することによって、レコメ
ンド結果およびグループ別ランキングを生成する。
【００４４】以下、会員１〜会員４の何れかの会員がＥ
Ｃサーバ３にアクセスした後の動作について説明する。
ここでは、会員４がＥＣサーバ３にアクセスした後の動
作を例に説明する。
Ｃサーバ３にアクセスした後の動作について説明する。
ここでは、会員４がＥＣサーバ３にアクセスした後の動
作を例に説明する。
【００４５】会員４は、クライアント端末２からＥＣサ
ーバ３に対してアクセスする。ＥＣサーバ３は、会員４
に対してＩＤおよびパスワードの入力を要求し、入力さ
れたＩＤおよびパスワードに基づいて会員４を認証す
る。
ーバ３に対してアクセスする。ＥＣサーバ３は、会員４
に対してＩＤおよびパスワードの入力を要求し、入力さ
れたＩＤおよびパスワードに基づいて会員４を認証す
る。
【００４６】個別表示機構３２は、会員４のユーザＩＤ
に基づいて、計算結果データ領域３１から会員４に対す
る予測された評価値を読み出す。個別表示機構３２は、
予測された評価値に基づいて会員４に対してレコメンド
する１つまたは複数の商品を特定し、その商品をレコメ
ンドするためのレコメンド画面をクライアント端末２に
対して提供する。個別表示機構３２は、レコメンド結果
として複数の商品を特定した場合には、スコアの高い商
品を優先してレコメンドする。この場合、個別表示機構
３２は、会員４に対して商品Ａをレコメンドする。
に基づいて、計算結果データ領域３１から会員４に対す
る予測された評価値を読み出す。個別表示機構３２は、
予測された評価値に基づいて会員４に対してレコメンド
する１つまたは複数の商品を特定し、その商品をレコメ
ンドするためのレコメンド画面をクライアント端末２に
対して提供する。個別表示機構３２は、レコメンド結果
として複数の商品を特定した場合には、スコアの高い商
品を優先してレコメンドする。この場合、個別表示機構
３２は、会員４に対して商品Ａをレコメンドする。
【００４７】また、個別表示機構３２は、会員４のユー
ザＩＤおよびグループ所属データ１２に基づいて、会員
４のグループ所属を割り出し、そのグループ所属に対応
したグループ別ランキングを計算結果データ領域３１か
ら読み出す。この場合、個別表示機構３２は、グループ
Ｇ１およびグループＧ２に対応したグループ別ランキン
グを読み出す。そして、そのようなグループに対応した
グループ別ランキングを表示するランキング画面をクラ
イアント端末２に対して提供する。
ザＩＤおよびグループ所属データ１２に基づいて、会員
４のグループ所属を割り出し、そのグループ所属に対応
したグループ別ランキングを計算結果データ領域３１か
ら読み出す。この場合、個別表示機構３２は、グループ
Ｇ１およびグループＧ２に対応したグループ別ランキン
グを読み出す。そして、そのようなグループに対応した
グループ別ランキングを表示するランキング画面をクラ
イアント端末２に対して提供する。
【００４８】個別表示機構３２は、レコメンド画面およ
びランキング画面を同時にクライアント端末２に対して
提供する。すると、クライアント端末２には、図１０に
示すような画面が表示される。それにより、会員４は、
レコメンド画面およびランキング画面を同時に見ること
ができる。
びランキング画面を同時にクライアント端末２に対して
提供する。すると、クライアント端末２には、図１０に
示すような画面が表示される。それにより、会員４は、
レコメンド画面およびランキング画面を同時に見ること
ができる。
【００４９】以上のように、本実施の形態では、ＥＣサ
ーバ３は、レコメンド画面およびランキング画面を同時
にクライアント端末２に対して提供するので、商品評価
データ１１の収集量が少ないなどの理由で精度の高いレ
コメンド結果を取得できなかったとしても、ランキング
画面の表示により会員による購買意欲を喚起させること
ができる。例えば、ＥＣサイトの開設初期の状況のよう
に、協調フィルタリングによる演算結果をさほど有効に
利用することができない状況であっても、会員の属する
グループにおける商品の人気ランキングを提供すること
で、会員による購買意欲を喚起させることができる。
ーバ３は、レコメンド画面およびランキング画面を同時
にクライアント端末２に対して提供するので、商品評価
データ１１の収集量が少ないなどの理由で精度の高いレ
コメンド結果を取得できなかったとしても、ランキング
画面の表示により会員による購買意欲を喚起させること
ができる。例えば、ＥＣサイトの開設初期の状況のよう
に、協調フィルタリングによる演算結果をさほど有効に
利用することができない状況であっても、会員の属する
グループにおける商品の人気ランキングを提供すること
で、会員による購買意欲を喚起させることができる。
【００５０】特に、そのグループは、会員の属性情報に
基づいて定義されているので、グループ別ランキング
は、会員にとって商品の購入に際し参考になることが多
い。例えば、同じ趣味をもった者が集まったグループで
は、同じ嗜好を持った者が集まっていることが多く、そ
のような者によってランキング付けされた商品情報は会
員にとって有意義な判断材料となることが多く、結果と
して会員による購買意欲を刺激することができる。ま
た、グループ単位でランキングの集計を行うことで、単
に全体総合ランキング（例えば、ＥＣサイトの会員全体
によるランキング）を集計するよりも、会員にとって真
実味のあるランキングを提供することができる。
基づいて定義されているので、グループ別ランキング
は、会員にとって商品の購入に際し参考になることが多
い。例えば、同じ趣味をもった者が集まったグループで
は、同じ嗜好を持った者が集まっていることが多く、そ
のような者によってランキング付けされた商品情報は会
員にとって有意義な判断材料となることが多く、結果と
して会員による購買意欲を刺激することができる。ま
た、グループ単位でランキングの集計を行うことで、単
に全体総合ランキング（例えば、ＥＣサイトの会員全体
によるランキング）を集計するよりも、会員にとって真
実味のあるランキングを提供することができる。
【００５１】また、商品評価データ１１の収集数が増加
するにつれて、レコメンド結果の精度が上昇し、ＥＣサ
ーバ３は、より会員の嗜好にあった商品をレコメンドす
ることができる。即ち、商品評価データ１１の収集数の
増加につれ、レコメンド精度の向上が望める。従って、
本実施の形態のように、レコメンド画面を常にクライア
ント端末２に対して提供する場合には、会員は、レコメ
ンド精度の向上の過程を楽しむことができる。それによ
り、ＥＣサーバ３に対するアクセスのリピート率の向上
を図ることができる。
するにつれて、レコメンド結果の精度が上昇し、ＥＣサ
ーバ３は、より会員の嗜好にあった商品をレコメンドす
ることができる。即ち、商品評価データ１１の収集数の
増加につれ、レコメンド精度の向上が望める。従って、
本実施の形態のように、レコメンド画面を常にクライア
ント端末２に対して提供する場合には、会員は、レコメ
ンド精度の向上の過程を楽しむことができる。それによ
り、ＥＣサーバ３に対するアクセスのリピート率の向上
を図ることができる。
【００５２】このように、協調フィルタリングエンジン
２１およびグループ別ランキング集計エンジン２２によ
る結果を同時に会員に対して提供することで、双方の利
点を活かすことができ、ＥＣサイトへのリピート率の向
上や会員による購買意欲の刺激といったレコメンド本来
の目的をより確実に達成することができる。
２１およびグループ別ランキング集計エンジン２２によ
る結果を同時に会員に対して提供することで、双方の利
点を活かすことができ、ＥＣサイトへのリピート率の向
上や会員による購買意欲の刺激といったレコメンド本来
の目的をより確実に達成することができる。
【００５３】また、本実施の形態では、協調フィルタリ
ングエンジン２１およびグループ別ランキング集計エン
ジン２２は、商品評価データ１１を共通で利用して演算
を行う。即ち、ＥＣサーバ３は、商品評価データ１１を
一元管理して利用する。従って、ＥＣサーバ３内のデー
タベースにおける領域スペースを最適化することができ
るので、システム全体におけるリソースの無駄を省くこ
とができ、安価にシステムを導入することができる。ま
た、商品評価データ１１を一元管理することによって、
商品評価データ１１の保守や管理を容易に行うことがで
きる。例えば、商品評価データ１１のバックアップ運用
を容易に行うことができる。さらに、協調フィルタリン
グエンジン２１とグループ別ランキング集計エンジン２
２とがまとめて一つの複合エンジン２０を構成している
ので、システムの集中管理が容易になる。
ングエンジン２１およびグループ別ランキング集計エン
ジン２２は、商品評価データ１１を共通で利用して演算
を行う。即ち、ＥＣサーバ３は、商品評価データ１１を
一元管理して利用する。従って、ＥＣサーバ３内のデー
タベースにおける領域スペースを最適化することができ
るので、システム全体におけるリソースの無駄を省くこ
とができ、安価にシステムを導入することができる。ま
た、商品評価データ１１を一元管理することによって、
商品評価データ１１の保守や管理を容易に行うことがで
きる。例えば、商品評価データ１１のバックアップ運用
を容易に行うことができる。さらに、協調フィルタリン
グエンジン２１とグループ別ランキング集計エンジン２
２とがまとめて一つの複合エンジン２０を構成している
ので、システムの集中管理が容易になる。
【００５４】なお、上記の実施の形態では、レコメンド
画面およびランキング画面が同時にクライアント端末２
に対して提供される場合を例にしたが、レコメンド結果
の如何によっては、ランキング画面のみを会員に対して
提供するようにしてもよい。即ち、予測された評価値に
おけるスコアが閾値（３ポイント等）に満たない場合に
は、ランキング画面のみをクライアント端末２に対して
提供してもよい。
画面およびランキング画面が同時にクライアント端末２
に対して提供される場合を例にしたが、レコメンド結果
の如何によっては、ランキング画面のみを会員に対して
提供するようにしてもよい。即ち、予測された評価値に
おけるスコアが閾値（３ポイント等）に満たない場合に
は、ランキング画面のみをクライアント端末２に対して
提供してもよい。
【００５５】また、商品評価データ１１が会員ＩＤ、商
品ＩＤおよびスコアで構成されている場合を例にした
が、商品の販売店を示す販売店ＩＤを商品評価データ１
１の構成に含ませてもよい。そうすれば、ＥＣサーバ３
は、販売店ごとの商品の人気ランキングも会員に対して
提供することができる。
品ＩＤおよびスコアで構成されている場合を例にした
が、商品の販売店を示す販売店ＩＤを商品評価データ１
１の構成に含ませてもよい。そうすれば、ＥＣサーバ３
は、販売店ごとの商品の人気ランキングも会員に対して
提供することができる。
【００５６】さらに、各会員の属性情報に基づいてグル
ープ定義を行う場合について例示したが、他の条件に基
づいてグループ定義を行ってもよい。例えば、商取引業
者の都合により各会員のグループ定義を行ってもよい。
ープ定義を行う場合について例示したが、他の条件に基
づいてグループ定義を行ってもよい。例えば、商取引業
者の都合により各会員のグループ定義を行ってもよい。
【００５７】また、各会員における未購入の商品につい
ての評価値を予測する場合について例示したが、ＥＣサ
ーバ３は、各会員における未評価の商品についての評価
値を予測してもよい。
ての評価値を予測する場合について例示したが、ＥＣサ
ーバ３は、各会員における未評価の商品についての評価
値を予測してもよい。
【００５８】なお、上記の実施の形態では、ＥＣサーバ
３にレコメンドエンジン４０が組み込まれていたが、レ
コメンドエンジン４０は、ＥＣサーバ３以外のサーバで
あってレコメンド専用のサーバに組み込まれていてもよ
い。
３にレコメンドエンジン４０が組み込まれていたが、レ
コメンドエンジン４０は、ＥＣサーバ３以外のサーバで
あってレコメンド専用のサーバに組み込まれていてもよ
い。
【００５９】
【発明の効果】本発明によれば、商品を推薦するための
レコメンド画面および顧客の所属グループにおける商品
ランキングを示すランキング画面を同時に顧客に対して
提供することができるので、顧客による購買意欲をより
高めることができる。
レコメンド画面および顧客の所属グループにおける商品
ランキングを示すランキング画面を同時に顧客に対して
提供することができるので、顧客による購買意欲をより
高めることができる。
【図１】 本発明によるレコメンドエンジンが組み込ま
れた電子商取引システムの一構成例を示すブロック図で
ある。
れた電子商取引システムの一構成例を示すブロック図で
ある。
【図２】 レコメンドエンジンの内部構成を示すブロッ
ク図である。
ク図である。
【図３】 会員情報の一例を示す説明図である。
【図４】 商品評価データの一例を示す説明図である。
【図５】 グループ所属情報の一例を示す説明図であ
る。
る。
【図６】 図１に示す電子商取引システムの動作を説明
するための説明図である。
するための説明図である。
【図７】 協調フィルタリングエンジンの動作を説明す
るためのフローチャートである。
るためのフローチャートである。
【図８】 協調フィルタリングエンジンが作成する表の
一例を示す説明図である。
一例を示す説明図である。
【図９】 グループ別ランキング集計エンジンの動作を
説明するためのフローチャートである。
説明するためのフローチャートである。
【図１０】 クライアント端末に対して提供する画面の
一例を示す説明図である。
一例を示す説明図である。
【図１１】 商品評価データの一例を示す説明図であ
る。
る。
１ インターネット ２ クライアント端末 ３ ＥＣサーバ １１ 商品評価データ １２ グループ所属データ ２０ 複合エンジン ２１ 協調フィルタリングエンジン ２２ グループ別ランキング集計エンジン ３１ 計算結果データ領域 ３２ 個別表示機構 ４０ レコメンドエンジン
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.7 識別記号 ＦＩ テーマコート゛(参考） Ｇ０６Ｆ 17/30 ２２０ Ｇ０６Ｆ 17/30 ２２０Ｚ ３４０ ３４０Ａ
Claims (5)
- 【請求項１】 インターネットを介して顧客に商品の購
買意欲を喚起させるための情報を提供するレコメンドエ
ンジンであって、 各顧客の各商品に対する評価を示す商品評価データと、 各顧客が所属するグループを定義したグループ所属デー
タと、 前記商品評価データに対して協調フィルタリングによる
演算を施し、その演算結果に基づいて各顧客に対してレ
コメンドされうる商品の評価値を予測する協調フィルタ
リングエンジンと、 前記商品評価データおよび前記グループ所属データに基
づいてグループ内における商品のランキングを示すグル
ープ別ランキングを作成するグループ別ランキング集計
エンジンと、 前記協調フィルタリングエンジンによる評価値に基づい
て顧客に対して商品を推薦するためのレコメンド画面を
提供するとともに、顧客が所属するグループに応じたグ
ループ別ランキングを通知するためのランキング画面を
提供する個別表示機構とを備えたことを特徴とするレコ
メンドエンジン。 - 【請求項２】 グループは、指定された条件を満たして
いる属性値を持つ顧客の集合として定義される請求項１
記載のレコメンドエンジン。 - 【請求項３】 個別表示機構は、協調フィルタリングエ
ンジンによって予測された評価値のうちに所定値を越え
るものがない場合には、ランキング画面のみを提供する
請求項１または請求項２記載のレコメンドエンジン。 - 【請求項４】 電子商取引を行う場合に、インターネッ
トを介して顧客に商品の購買意欲を喚起させるための情
報を提供するレコメンド方法であって、 各顧客の各商品に対する評価を示す商品評価データに対
して協調フィルタリングによる演算を施し、その演算結
果に基づいて各顧客に対してレコメンドされうる商品に
対する評価値を予測するステップと、 各顧客が所属するグループを定義したグループ所属デー
タと前記商品評価データとに基づいてグループ内におけ
る商品のランキングを示すグループ別ランキングを作成
するステップと、 予測された評価値に基づいて顧客に対して商品を推薦す
るためのレコメンド画面を提供するとともに、顧客が所
属するグループに応じたグループ別ランキングを通知す
るためのランキング画面を提供するステップとを有する
ことを特徴とするレコメンド方法。 - 【請求項５】 電子商取引を行う場合に、インターネッ
トを介して顧客に商品の購買意欲を喚起させるための情
報を提供するレコメンドプログラムであって、 コンピュータに、 各顧客の各商品に対する評価を示す商品評価データに対
して協調フィルタリングによる演算をさせ、その演算結
果に基づいて各顧客に対してレコメンドされうる商品に
対する評価値を予測させ、 各顧客が所属するグループを定義したグループ所属デー
タと前記商品評価データとに基づいてグループ内におけ
る商品のランキングを示すグループ別ランキングを作成
させ、 予測された評価値に基づいて顧客に対して商品を推薦す
るためのレコメンド画面を提供するとともに、顧客が所
属するグループに応じたグループ別ランキングを通知す
るためのランキング画面を提供させることを特徴とする
レコメンドプログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001140692A JP2002334257A (ja) | 2001-05-10 | 2001-05-10 | レコメンドエンジン、レコメンド方法、レコメンドプログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001140692A JP2002334257A (ja) | 2001-05-10 | 2001-05-10 | レコメンドエンジン、レコメンド方法、レコメンドプログラム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2002334257A true JP2002334257A (ja) | 2002-11-22 |
Family
ID=18987252
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001140692A Pending JP2002334257A (ja) | 2001-05-10 | 2001-05-10 | レコメンドエンジン、レコメンド方法、レコメンドプログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2002334257A (ja) |
Cited By (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006092023A (ja) * | 2004-09-21 | 2006-04-06 | Fuji Xerox Co Ltd | 文書管理用コンピュータプログラムならびに文書管理装置および方法 |
| JP2006235744A (ja) * | 2005-02-22 | 2006-09-07 | Ntt Docomo Inc | 情報提示システム及び情報提示方法 |
| JP2007079657A (ja) * | 2005-09-12 | 2007-03-29 | Xing Inc | サーバシステム、情報配信システム及びサーバ装置 |
| JP2007199954A (ja) * | 2006-01-25 | 2007-08-09 | Fujitsu Ltd | グループ適応化プログラム、グループ適応化方法およびグループ適応化装置 |
| JP2008146624A (ja) * | 2006-11-15 | 2008-06-26 | Sony Corp | コンテンツのフィルタリング方法、フィルタリング装置およびフィルタリングプログラム |
| JP2009069909A (ja) * | 2007-09-10 | 2009-04-02 | Chugoku Electric Power Co Inc:The | 情報処理装置、情報処理装置の制御方法、及びプログラム |
| JP2010073170A (ja) * | 2008-09-22 | 2010-04-02 | Yahoo Japan Corp | 推薦商品選択装置、推薦商品選択プログラムおよび商品検索装置 |
| JP2010277462A (ja) * | 2009-05-29 | 2010-12-09 | Nippon Telegr & Teleph Corp <Ntt> | 行動推薦装置及び方法及びプログラム |
| JP2012043036A (ja) * | 2010-08-13 | 2012-03-01 | Nippon Telegr & Teleph Corp <Ntt> | 提供情報選択装置、方法及びプログラム |
| US8347224B2 (en) | 2006-11-29 | 2013-01-01 | Sony Corporation | Content viewing method, content viewing apparatus, and storage medium in which a content viewing program is stored |
| JP2013030109A (ja) * | 2011-07-29 | 2013-02-07 | Rakuten Inc | 情報提供装置、情報提供方法、情報提供プログラム、及びそのプログラムを記憶するコンピュータ読取可能な記録媒体 |
| JP2013214209A (ja) * | 2012-04-02 | 2013-10-17 | Ntt Docomo Inc | レコメンドリスト提供装置およびレコメンドリスト提供方法 |
| JP2014502747A (ja) * | 2010-12-15 | 2014-02-03 | フェイスブック，インク． | 広告に関連付けられたオブジェクトとやり取りしたユーザの友人に対するターゲット型ソーシャル広告 |
| JP2014513346A (ja) * | 2011-04-04 | 2014-05-29 | クアルコム，インコーポレイテッド | 類似のユーザをマッチングさせることによるモバイルコンテンツの推奨 |
| JP2015201090A (ja) * | 2014-04-09 | 2015-11-12 | 凸版印刷株式会社 | 商品推薦装置、商品推薦方法及びプログラム |
| JP2016051411A (ja) * | 2014-09-02 | 2016-04-11 | 株式会社日本総合研究所 | 情報処理装置、情報処理方法、及びプログラム |
| JP2018045306A (ja) * | 2016-09-12 | 2018-03-22 | ヤフー株式会社 | 決定装置、決定方法、及び決定プログラム |
| US9984392B2 (en) | 2007-11-05 | 2018-05-29 | Facebook, Inc. | Social advertisements and other informational messages on a social networking website, and advertising model for same |
| JP2020119002A (ja) * | 2019-01-18 | 2020-08-06 | トヨタ自動車株式会社 | 情報処理装置、情報処理方法及びプログラム |
| JP7248844B1 (ja) | 2022-05-13 | 2023-03-29 | ヤフー株式会社 | 情報処理装置、情報処理方法および情報処理プログラム |
| WO2023085165A1 (ja) * | 2021-11-12 | 2023-05-19 | 株式会社アラヤ | 物品推薦装置及び物品推薦方法 |
| JP7444374B2 (ja) | 2019-11-01 | 2024-03-06 | 株式会社インディージャパン | 物品推薦装置、物品推薦方法、及び物品推薦プログラム |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000048046A (ja) * | 1998-05-29 | 2000-02-18 | Sony Corp | 情報処理装置および方法、並びに記録媒体 |
| JP2000090094A (ja) * | 1998-09-08 | 2000-03-31 | Digital Vision Laboratories:Kk | 情報サービス提供装置及び推奨情報抽出提示方法 |
| JP2000315212A (ja) * | 1999-04-30 | 2000-11-14 | Ntt Data Corp | 情報選別方法及びシステム、記録媒体 |
-
2001
- 2001-05-10 JP JP2001140692A patent/JP2002334257A/ja active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000048046A (ja) * | 1998-05-29 | 2000-02-18 | Sony Corp | 情報処理装置および方法、並びに記録媒体 |
| JP2000090094A (ja) * | 1998-09-08 | 2000-03-31 | Digital Vision Laboratories:Kk | 情報サービス提供装置及び推奨情報抽出提示方法 |
| JP2000315212A (ja) * | 1999-04-30 | 2000-11-14 | Ntt Data Corp | 情報選別方法及びシステム、記録媒体 |
Cited By (30)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006092023A (ja) * | 2004-09-21 | 2006-04-06 | Fuji Xerox Co Ltd | 文書管理用コンピュータプログラムならびに文書管理装置および方法 |
| JP2006235744A (ja) * | 2005-02-22 | 2006-09-07 | Ntt Docomo Inc | 情報提示システム及び情報提示方法 |
| JP2007079657A (ja) * | 2005-09-12 | 2007-03-29 | Xing Inc | サーバシステム、情報配信システム及びサーバ装置 |
| JP2007199954A (ja) * | 2006-01-25 | 2007-08-09 | Fujitsu Ltd | グループ適応化プログラム、グループ適応化方法およびグループ適応化装置 |
| JP2008146624A (ja) * | 2006-11-15 | 2008-06-26 | Sony Corp | コンテンツのフィルタリング方法、フィルタリング装置およびフィルタリングプログラム |
| US7895180B2 (en) | 2006-11-15 | 2011-02-22 | Sony Corporation | Content filtering method, apparatus thereby, and recording medium having filtering program recorded thereon |
| US8347224B2 (en) | 2006-11-29 | 2013-01-01 | Sony Corporation | Content viewing method, content viewing apparatus, and storage medium in which a content viewing program is stored |
| JP2009069909A (ja) * | 2007-09-10 | 2009-04-02 | Chugoku Electric Power Co Inc:The | 情報処理装置、情報処理装置の制御方法、及びプログラム |
| US9984392B2 (en) | 2007-11-05 | 2018-05-29 | Facebook, Inc. | Social advertisements and other informational messages on a social networking website, and advertising model for same |
| US10068258B2 (en) | 2007-11-05 | 2018-09-04 | Facebook, Inc. | Sponsored stories and news stories within a newsfeed of a social networking system |
| US9984391B2 (en) | 2007-11-05 | 2018-05-29 | Facebook, Inc. | Social advertisements and other informational messages on a social networking website, and advertising model for same |
| JP2010073170A (ja) * | 2008-09-22 | 2010-04-02 | Yahoo Japan Corp | 推薦商品選択装置、推薦商品選択プログラムおよび商品検索装置 |
| JP2010277462A (ja) * | 2009-05-29 | 2010-12-09 | Nippon Telegr & Teleph Corp <Ntt> | 行動推薦装置及び方法及びプログラム |
| JP2012043036A (ja) * | 2010-08-13 | 2012-03-01 | Nippon Telegr & Teleph Corp <Ntt> | 提供情報選択装置、方法及びプログラム |
| JP2014502747A (ja) * | 2010-12-15 | 2014-02-03 | フェイスブック，インク． | 広告に関連付けられたオブジェクトとやり取りしたユーザの友人に対するターゲット型ソーシャル広告 |
| US9990652B2 (en) | 2010-12-15 | 2018-06-05 | Facebook, Inc. | Targeting social advertising to friends of users who have interacted with an object associated with the advertising |
| JP2014513346A (ja) * | 2011-04-04 | 2014-05-29 | クアルコム，インコーポレイテッド | 類似のユーザをマッチングさせることによるモバイルコンテンツの推奨 |
| US9112926B2 (en) | 2011-04-04 | 2015-08-18 | Qualcomm, Incorporated | Recommending mobile content by matching similar users |
| JP2013030109A (ja) * | 2011-07-29 | 2013-02-07 | Rakuten Inc | 情報提供装置、情報提供方法、情報提供プログラム、及びそのプログラムを記憶するコンピュータ読取可能な記録媒体 |
| WO2013018391A1 (ja) * | 2011-07-29 | 2013-02-07 | 楽天株式会社 | 情報提供装置、情報提供方法、情報提供プログラム、及びそのプログラムを記憶するコンピュータ読取可能な記録媒体 |
| JP2013214209A (ja) * | 2012-04-02 | 2013-10-17 | Ntt Docomo Inc | レコメンドリスト提供装置およびレコメンドリスト提供方法 |
| JP2015201090A (ja) * | 2014-04-09 | 2015-11-12 | 凸版印刷株式会社 | 商品推薦装置、商品推薦方法及びプログラム |
| JP2016051411A (ja) * | 2014-09-02 | 2016-04-11 | 株式会社日本総合研究所 | 情報処理装置、情報処理方法、及びプログラム |
| JP2018045306A (ja) * | 2016-09-12 | 2018-03-22 | ヤフー株式会社 | 決定装置、決定方法、及び決定プログラム |
| JP2020119002A (ja) * | 2019-01-18 | 2020-08-06 | トヨタ自動車株式会社 | 情報処理装置、情報処理方法及びプログラム |
| JP7243206B2 (ja) | 2019-01-18 | 2023-03-22 | トヨタ自動車株式会社 | 情報処理装置、情報処理方法及びプログラム |
| JP7444374B2 (ja) | 2019-11-01 | 2024-03-06 | 株式会社インディージャパン | 物品推薦装置、物品推薦方法、及び物品推薦プログラム |
| WO2023085165A1 (ja) * | 2021-11-12 | 2023-05-19 | 株式会社アラヤ | 物品推薦装置及び物品推薦方法 |
| JP7248844B1 (ja) | 2022-05-13 | 2023-03-29 | ヤフー株式会社 | 情報処理装置、情報処理方法および情報処理プログラム |
| JP2023168099A (ja) * | 2022-05-13 | 2023-11-24 | ヤフー株式会社 | 情報処理装置、情報処理方法および情報処理プログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2002334257A (ja) | レコメンドエンジン、レコメンド方法、レコメンドプログラム | |
| US10922369B2 (en) | System and method for an electronic product advisor | |
| Hill et al. | Network-based marketing: Identifying likely adopters via consumer networks | |
| US8166026B1 (en) | User-centric, user-weighted method and apparatus for improving relevance and analysis of information sharing and searching | |
| Akritidis et al. | Identifying the productive and influential bloggers in a community | |
| TWI549079B (zh) | 用於導引內容至一社群網路引擎之使用者的系統及方法 | |
| US20070043583A1 (en) | Reward driven online system utilizing user-generated tags as a bridge to suggested links | |
| JP2011039909A (ja) | 提示情報の最適化方法及びシステム | |
| US20180253769A1 (en) | Method and apparatus for selecting and recommending presentation objects on electronic distribution platforms | |
| US20100198773A1 (en) | System and method of using movie taste for compatibility matching | |
| CN107862530A (zh) | 建立用户人际关系信息的方法及装置 | |
| CN102890695A (zh) | 用于个人化推荐的用户界面 | |
| US20130018713A1 (en) | System and methods for real time e-commerce promotional activities | |
| JP2012168653A (ja) | 情報提供システム | |
| US10078706B2 (en) | Information processing apparatus, information processing method, information processing program, and recording medium storing thereon information processing program which classifies and displays a plurality of elements constituting a list on a plurality of pages | |
| US20100121696A1 (en) | System and method for providing customers access to incentive deals | |
| Huseynov et al. | The influence of knowledge-based e-commerce product recommender agents on online consumer decision-making | |
| Nkwo et al. | E-Commerce Personalization in Africa: A Comparative Analysis of Jumia and Konga. | |
| US20140188838A1 (en) | Information search engine, processing and rating system | |
| JP2001282675A (ja) | 電子掲示板における集客方法、並びに電子掲示板を用いたシステム及びこれに用いられるサーバ | |
| US11704705B2 (en) | Systems and methods for an intelligent sourcing engine for study participants | |
| WO2016157427A1 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
| Holsing et al. | Effect of user-generated content on website stickiness: the case of social shopping communities | |
| WO2023205713A2 (en) | Systems and methods for improved user experience participant selection | |
| Zhang et al. | The effects of relational bonds on purchasing intention in the live streaming context: the moderating role of platform type |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20041228 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050111 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050309 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20050510 |