JP2003242248A - 問診判定方法及び問診判定システム - Google Patents

Abstract

(57)【要約】 【目的】 少ない問診項目で、ユーザの望む対象の状態
を精度よく簡単に診断することができる問診判定方法及
び問診判定システムを提供する。 【解決手段】 ユーザが判定を要求する対象を選択可能
にユーザ端末に表示し、選択された対象に関してユーザ
に複数の問診項目をユーザ端末を介して提示し、ユーザ
端末を介して前記問診項目に対してユーザが回答してき
た場合に、問診判定手段により所定のパラメータと推論
処理によって前記問診項目に対する回答を分析してユー
ザが判定を要求する対象の状態を判定し、その判定結果
に基づきユーザが判定を要求した前記対象の状態をユー
ザ端末を介してユーザに提示する。ユーザは最低限の手
間で、付加価値の高い判定情報が得られる。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、複数の問診項目からユ
ーザが判定を要求する対象の状態を例えば一度に問診し
て診断する一発判定処理を行うことが可能な問診判定方
法及び問診判定システムに係わり、特に、健康、美容等
の幅広い分野にカスタマナイズして適用可能で自動的な
接客、カウンセリング等も可能な問診判定方法および問
診判定システムに関する。

【０００２】

【従来の技術】従来、顧客の情報を集めて何等かの営業
上の情報を得たり、あるいは顧客に対して診断等を行う
装置は種々知られている。例えば、占い装置のようなも
の、健康診断を行うもの、あるいはＰＯＳシステムを使
用して顧客の情報を集め、それを商品販売に活かすよう
なものがある。占い装置は、極めて簡単なものが多く、
単なる遊びの域を出ないものが多い。一方、健康診断を
行うものはそれなりに複雑であり、例えばカウンセリン
グも行うことが可能なものもあるが、精度を高めるため
に、一般的には複雑でコンピュータも高価であることが
多い。

【０００３】一般的なカウンセリングの方法として、質
問形式によるユーザの回答を基に、コンピュータシステ
ムを利用してユーザの状態を判断し提示できると有益で
あることが知られており、例えば、質問形式によるユー
ザの回答を基にその状態の傾向を判定するシステムとし
て質問紙健康調査票による判別診断を用いたものがあ
る。これは、まず、ユーザに対して極めて多くの複数の
質問（例えば１３０項目）と、それぞれの質問の回答に
対応した複数の選択肢を箇条書きにした質問紙健康調査
票を作成し、それを多くの人に提示しその回答を得て、
さらに、同時にそれぞれの実際の状態の傾向も調査し、
それぞれの回答と調査結果を集計して基礎データを作成
する。そして、その基礎データを基にして、その後は、
質問紙健康調査票の回答のみでその人の症状の傾向を数
値で導き出す（例えば、１２分類の健康状態・精神状態
・生活習慣を表す特性）ようにする手法をコンピュータ
化したものである。

【０００４】

【発明が解決しようとする課題】しかしながら、上述し
た従来の装置にあっては、以下のような問題点があっ
た。 （ａ）カウンセリングを行う従来の判定システムでは、
出力（判定）される情報量を増やすには、問診のための
入力項目の数を多くする必要があるため、回答者が回答
を終えるのに時間がかかり、回答者の負担が大きいとい
う問題点があった。また、このような判定システムは複
雑な演算処理を必要とし、かつ装置としてコンピュータ
も大掛りなものが必要で、高コストであった。したがっ
て、美容院やコンビニエンスストアなどの店頭に簡便に
設置するのは、ほとんど困難であった。また、従来の判
定システムでは、コンピュータを使用して判定システム
の利用回数が増えてその情報が蓄積されても、判定時に
使用するパラメータには反映されないため、判定結果の
精度が改善されないという欠点があった。

【０００５】また、従来の方法では、判定結果は単なる
判定情報のみで、その対策としての具体的な情報（例え
ば、どのような商品を使うと有効であるのか等の情報）
まで提示するものではなかった。 （ｂ）占い装置のようなものは簡単過ぎて精度が悪く遊
び程度にしか使えず、商売として用いることは困難であ
った。 （ｃ）ＰＯＳシステムを使用して顧客の買った情報を集
めるというシステムもあるが、一般的には大掛りな装置
になり、高コストであるという欠点があった。さらに、
ＰＯＳシステムでは顧客に健康診断のシミュレーション
を提供するようなことはできなかった。

【０００６】そこで本発明は、少ない問診項目で、ユー
ザの望む対象の状態を精度よく簡単診断することができ
る問診判定方法及び問診判定システムを提供することを
目的としている。

【０００７】

【課題を解決するための手段】上記目標達成のため、請
求項１記載の発明による問診判定方法及び問診判定シス
テムは、ユーザが判定を要求する対象を選択可能にユー
ザ端末に表示し、選択された対象に関してユーザに複数
の問診項目をユーザ端末を介して提示し、ユーザ端末を
介して前記問診項目に対してユーザが回答してきた場合
に、問診判定手段により所定のパラメータと推論処理に
よって前記問診項目に対する回答を分析してユーザが判
定を要求する対象の状態を判定し、その判定結果に基づ
きユーザが判定を要求した前記対象の状態をユーザ端末
を介してユーザに提示するようにしたことを特徴とす
る。

【０００８】請求項２記載の発明による問診判定方法
は、ユーザが判定を要求する対象および該対象と関連性
のある商品を選択可能にユーザ端末に表示し、選択され
た対象に関してユーザに複数の問診項目をユーザ端末を
介して提示し、ユーザ端末を介して前記問診項目に対し
てユーザが回答してきた場合に、問診判定手段により所
定のパラメータと推論処理によって前記問診項目に対す
る回答を分析してユーザが判定を要求する対象の状態を
判定し、その判定結果に基づきユーザが判定を要求した
前記対象の状態をユーザ端末を介してユーザに提示し、
前記判定結果に基づく関連商品情報を前記ユーザ端末を
介してユーザに提示するようにしたことを特徴とする。

【０００９】前記請求項１又は２に従属する請求項３記
載の発明による問診判定方法は、前記問診項目に対する
ユーザの回答、問診項目に対する回答の分析、ユーザが
判定を要求する対象の状態の判定のうちの少なくとも１
つ以上の情報を収集し、収集した情報を蓄積してデータ
ベース化し、データベース化した情報に基づいて前記問
診項目の内容、問診項目に対する回答の分析、ユーザが
判定を要求する対象の状態の判定のうちの少なくとも１
つ以上の情報について学習処理を行い、学習処理の結果
に基づき前記パラメータ、推論処理、問診項目の内容、
問診項目に対する回答の分析、ユーザが判定を要求する
対象の状態の判定結果のうちの少なくとも１つ以上を変
更することを特徴とする。前記請求項３に従属する請求
項４記載の発明による問診判定方法は、前記情報の収集
は、通信ネットワークを介して行い、前記データベース
化は、多数のユーザ端末からの情報に基づいて行うこと
を特徴とする。前記請求項３に従属する請求項５記載の
発明による問診判定方法は、前記データベース化した情
報に基づいてユーザの潜在ニーズの分析を行い、データ
ベース側の端末で表示可能であることを特徴とする。

【００１０】前記請求項３に従属する請求項６記載の発
明による問診判定方法は、前記データベース化した情報
に基づいてユーザに関連する商品分野のマーケッティン
グ分析を行い、データベース側の端末で表示可能である
ことを特徴とする。前記請求項１、２又は３に従属する
請求項７記載の発明による問診判定方法は、ユーザが判
定を要求する前記対象は、ユーザの健康あるいは美容の
うちの少なくとも１つを含むものであることを特徴とす
る。前記請求項１、２又は３に従属する請求項８記載の
発明による問診判定方法は、ユーザが判定を要求する前
記対象は、ユーザと関連性のあるペット動物であること
を特徴とする。

【００１１】前記請求項１、２又は３に従属する請求項
９記載の発明による問診判定方法は、ユーザが判定を要
求する対象と関連性のある商品は、健康食品、健康器
具、化粧品、医薬品のうちの少なくとも１つを含むもの
であることを特徴とする。前記請求項１、２又は３に従
属する請求項１０記載の発明による問診判定方法は、前
記問診項目に対する回答の分析および問診項目の対象の
状態の判定は、所定のパラメータを使用した演算推論お
よび帰納推論の手法処理によるものであり、問診項目を
少なくし、一度に問診して診断する一発判定処理を行う
ものであることを特徴とする。前記請求項１、２又は３
に従属する請求項１１記載の発明による問診判定方法
は、ユーザに対する問診は、択一形式によってユーザに
複数の問診項目を提示することを特徴とする。前記請求
項１、２又は３に従属する請求項１２記載の発明による
問診判定方法は、前記関連商品情報のユーザへの提示で
は、問診結果に基づき、その症状に有効な商品および関
連する商品を含むことを特徴とする。前記請求項１、２
又は３に従属する請求項１３記載の発明による問診判定
方法は、前記関連商品情報のユーザへの提示では、問診
結果に基づき、ユーザに最適推奨製品および関連購買製
品を表示することを特徴とする。

【００１２】前記請求項２又は３に従属する請求項１４
記載の発明による問診判定方法は、前記ユーザは、接客
が望ましい顧客であり、顧客に対して問診項目を提示
し、顧客からの回答を所定のパラメータと推論処理によ
って分析して問診項目の対象の状態を総合判断し、総合
判断に基づき前記対象のカルテを作成して提示し、かつ
総合判断に基づき顧客に最適推奨製品を選定して示すこ
とにより、セルフ形式で顧客の接客が可能であることを
特徴とする。前記請求項２又は３に従属する請求項１５
記載の発明による問診判定方法は、前記ユーザは、カウ
ンセリングが望ましい顧客であり、顧客に対して問診項
目を提示し、顧客からの回答を所定のパラメータと推論
処理によって分析して問診項目の対象の状態を総合判断
し、総合判断に基づき前記対象のカルテを作成して提示
し、かつ総合判断に基づき顧客に最適推奨製品を選定し
て示すことにより、顧客のカウンセリングが可能である
ことを特徴とする。前記請求項１、２又は３に従属する
請求項１６記載の発明による問診判定方法は、前記ユー
ザは、商品の消費者であり、前記ユーザ端末は、消費者
が使用可能なものであり、問診判定手段による前記回答
の分析、問診項目の対象の状態の判定、判定結果に基づ
く前記対象の状態の消費者への提示処理は、所定の提供
事業主体が行い、該提供事業主体に対する商品提案、商
品や消費者が判定を要求する対象に関連するデータの調
査・分析、問診判定に必要なプログラムを含む情報は、
利用事業主体が行うものであることを特徴とする。

【００１３】請求項１７記載の発明による問診判定シス
テムは、ユーザが判定を要求する対象を選定可能で、か
つ該対象に対する複数の問診項目をユーザ端末で表示可
能に提供する問診項目提供手段と、ユーザ端末を介して
前記問診項目に対する回答を取得する回答取得手段と、
所定のパラメータと推論処理によって前記回答取得手段
により取得した前記問診項目に対する回答を分析してユ
ーザが判定を要求する対象の状態を判定する問診判定手
段と、問診判定手段の判定結果に基づきユーザが判定を
要求した前記対象の状態をユーザ端末で表示可能に提供
する問診結果提供手段と、を備えたことを特徴とする。

【００１４】請求項１８記載の発明による問診判定シス
テムは、ユーザが判定を要求する対象および該対象と関
連性のある商品を選定可能で、かつ該対象および該対象
と関連性のある商品に対する複数の問診項目をユーザ端
末で表示可能に提供する問診項目提供手段と、ユーザ端
末を介して前記問診項目に対する回答を取得する回答取
得手段と、所定のパラメータと推論処理によって前記回
答取得手段により取得した前記問診項目に対する回答を
分析してユーザが判定を要求する対象の状態を判定する
問診判定手段と、所定のパラメータと推論処理によって
前記回答取得手段により取得した前記問診項目に対する
回答を分析して、前記対象と関連性のある商品の情報を
設定する商品情報設定手段と、問診判定手段の判定結果
に基づきユーザが判定を要求した前記対象の状態をユー
ザ端末で表示可能に提供する問診結果提供手段と、商品
情報設定手段の判定結果に基づきユーザが判定を要求し
た前記対象と関連性のある商品の情報をユーザ端末で表
示可能に提供する商品情報提供手段と、を備えたことを
特徴とする。

【００１５】前記請求項１又は２に従属する請求項１９
記載の発明による問診判定システムは、前記問診項目に
対するユーザの回答、問診項目に対する回答の分析、ユ
ーザが判定を要求する対象の状態の判定のうちの少なく
とも１つ以上の情報を収集する情報収集手段と、収集し
た情報を蓄積してデータベース化するデータベース手段
と、データベース化した情報に基づいて前記問診項目の
内容、問診項目に対する回答の分析、ユーザが判定を要
求する対象の状態の判定のうちの少なくとも１つ以上の
情報について学習処理を行う学習手段と、学習処理の結
果に基づき前記パラメータ、推論処理、問診項目の内
容、問診項目に対する回答の分析、ユーザが判定を要求
する対象の状態の判定結果のうちの少なくとも１つ以上
を変更するデータ更新手段と、を備えたことを特徴とす
る。前記請求項１９に従属する請求項２０記載の発明に
よる問診判定システムは、前記情報収集手段は、通信ネ
ットワークを介して情報の収集を行い、前記データベー
ス手段は、多数のユーザ端末からの情報に基づき情報を
蓄積してデータベース化することを特徴とする。

【００１６】前記請求項１９に従属する請求項２１記載
の発明による問診判定システムは、前記データベース化
した情報に基づいてユーザの潜在ニーズの分析を行う潜
在ニーズ分析手段と、分析されたユーザの潜在ニーズを
データベース側の端末で表示する潜在ニーズ表示手段を
含むことを特徴とする。前記請求項１７、１８又は１９
に従属する請求項２２記載の発明による問診判定システ
ムは、前記問診項目を少なく設定し、前記問診判定手段
は、問診項目に対する回答の分析および問診項目の対象
の状態の判定を行う処理として、所定のパラメータを使
用した演算推論および帰納推論の手法処理を使用すると
ともに、一度に問診して診断する一発判定処理を行うも
のであることを特徴とする。

【００１７】請求項２３記載の発明による問診判定プロ
グラムは、ユーザが判定を要求する対象を選定可能で、
かつ該対象に対する複数の問診項目をユーザ端末で表示
可能に提供する処理と、ユーザ端末を介して前記問診項
目に対する回答を取得する処理と、所定のパラメータと
推論処理によって前記取得した問診項目に対する回答を
分析してユーザが判定を要求する対象の状態を判定する
処理と、該判定結果に基づきユーザが判定を要求した前
記対象の状態をユーザ端末で表示可能に提供する処理
と、をコンピュータに実行させることを特徴とする。

【００１８】請求項２４記載の発明による問診判定プロ
グラムは、ユーザが判定を要求する対象および該対象と
関連性のある商品を選定可能で、かつ該対象および該対
象と関連性のある商品に対する複数の問診項目をユーザ
端末で表示可能に提供する処理と、ユーザ端末を介して
前記問診項目に対する回答を取得する処理と、所定のパ
ラメータと推論処理によって前記取得した問診項目に対
する回答を分析してユーザが判定を要求する対象の状態
を判定する処理と、所定のパラメータと推論処理によっ
て前記取得した前記問診項目に対する回答を分析して、
前記対象と関連性のある商品の情報を設定する処理と、
該判定結果に基づきユーザが判定を要求した前記対象の
状態をユーザ端末で表示可能に提供する処理と、前記判
定結果に基づきユーザが判定を要求した前記対象と関連
性のある商品の情報をユーザ端末で表示可能に提供する
処理と、をコンピュータに実行させることを特徴とす
る。

【００１９】前記請求項２３又は２４に従属する請求項
２５記載の発明による問診判定プログラムは、前記問診
項目に対するユーザの回答、問診項目に対する回答の分
析、ユーザが判定を要求する対象の状態の判定のうちの
少なくとも１つ以上の情報を収集する処理と、収集した
情報を蓄積してデータベース化する処理と、データベー
ス化した情報に基づいて前記問診項目の内容、問診項目
に対する回答の分析、ユーザが判定を要求する対象の状
態の判定のうちの少なくとも１つ以上の情報について学
習処理を行う処理と、学習処理の結果に基づき前記パラ
メータ、推論処理、問診項目の内容、問診項目に対する
回答の分析、ユーザが判定を要求する対象の状態の判定
結果のうちの少なくとも１つ以上を変更する処理と、を
含んでコンピュータに実行させることを特徴とする。前
記請求項２５に従属する請求項２６記載の発明による問
診判定プログラムは、通信ネットワークを介して前記情
報の収集を行う処理と、多数のユーザ端末からの情報に
基づき前記情報を蓄積してデータベース化する処理と、
を含んでコンピュータに実行させることを特徴とする。
前記請求項２５に従属する請求項２７記載の発明による
問診判定プログラムは、前記データベース化した情報に
基づいてユーザの潜在ニーズの分析を行う処理と、分析
されたユーザの潜在ニーズをデータベース側の端末で表
示する処理と、を含んでコンピュータに実行させること
を特徴とする。

【００２０】

【発明の実施の形態】以下、本発明の実施の形態を、図
面を参照して説明する。 「本発明のシステム構成」図１は、本発明の実施の形態
における問診判定方法および問診判定システムの全体的
なシステム構成を示す図である。図１において、１はネ
ットワークであり、ネットワーク１はインターネットな
どのネットワーク網（通信ネットワークに相当）であ
る。ここで、ネットワーク１はインターネットに限るも
のではなく、例えば専用回線で形成されたネットワー
ク、あるいは社内ＬＡＮなどのネットワークでも本発明
の適用は可能である。ネットワーク１には、サーバ（提
供事業者）２、Ｗｅｂサーバ３、端末４およびサーバ
（利用事業者）５が常時接続され、ネットワーク１にア
クセス可能な状態で配置されている。携帯端末６で当該
システムを利用する場合は、無線で電話会社などを経由
してネットワーク１に接続可能としている。

【００２１】なお、図１は当該システムの一例であり、
当該システムを利用するための端末の種類やそのシステ
ム構成及びネットワークの接続手段は多様であるが、ど
のような形態でも本発明の目的の範囲内において本発明
の適用は可能である。また、Ｗｅｂサーバ３は、プロバ
イダ業者などのサーバを利用する方法や、当該システム
提供事業者のサーバを利用する方法など、Ｗｅｂサーバ
の構築手法も特定の手法に限るものではない。提供事業
者１３は、当該システムを提供する事業者により運営・
管理される部分で、ネットワーク１に接続されたサーバ
（提供事業者）２に当該システムで扱うデータベース７
を蓄積・管理し、必要に応じてＰＣ端末（管理用）８を
有する。

【００２２】＜サーバのプログラム＞提供事業者１３の
サーバ２には、少なくとも基本的に以下のようなプログ
ラムが格納されており、そのプログラムに従って各種処
理を行う。 プログラム１：ユーザが判定を要求する対象を選定可能
で、かつ該対象に対する複数の問診項目をユーザ端末で
表示可能に提供する処理と、ユーザ端末を介して前記問
診項目に対する回答を取得する処理と、所定のパラメー
タと推論処理によって前記取得した問診項目に対する回
答を分析してユーザが判定を要求する対象の状態を判定
する処理と、該判定結果に基づきユーザが判定を要求し
た前記対象の状態をユーザ端末で表示可能に提供する処
理と、をコンピュータに実行させる問診判定プログラ
ム。

【００２３】ここで、ユーザとは端末を使用して判定を
要求する人であり、例えば顧客である。基本的には提供
事業者１３のサービスを利用するために、問診判定を行
ってもらいたい人である。判定を要求する対象とは、問
診として何を要求するかの対象のたことであり、例えば
美容、健康等のことで、本発明で対象とするものは全て
含まれる。複数の問診項目とは、問診判定をするために
必要な項目のことで、後述の図１７〜図１９に示すよう
なものである。ユーザ端末とは、ユーザが使用可能な端
末であり、提供事業者１３のサーバ２との間でネットワ
ーク１を介して情報を授受可能であれば、どのようなも
のでもよい。例えば、パーソナルコンピュータ、携帯情
報端末、携帯電話、ＰＤＡ、店内設置の端末装置等であ
る。なお、上記の事柄は、以下のプログラム２や他の明
細書部分において同様である。

【００２４】プログラム２：ユーザが判定を要求する対
象および該対象と関連性のある商品を選定可能で、かつ
該対象および該対象と関連性のある商品に対する複数の
問診項目をユーザ端末で表示可能に提供する処理と、ユ
ーザ端末を介して前記問診項目に対する回答を取得する
処理と、所定のパラメータと推論処理によって前記取得
した問診項目に対する回答を分析してユーザが判定を要
求する対象の状態を判定する処理と、所定のパラメータ
と推論処理によって前記取得した前記問診項目に対する
回答を分析して、前記対象と関連性のある商品の情報を
設定する処理と、該判定結果に基づきユーザが判定を要
求した前記対象の状態をユーザ端末で表示可能に提供す
る処理と、前記判定結果に基づきユーザが判定を要求し
た前記対象と関連性のある商品の情報をユーザ端末で表
示可能に提供する処理と、をコンピュータに実行させる
問診判定プログラム。ここで、対象と関連性のある商品
とは、例えば美容の判定の場合には、化粧品のごとく、
ユーザが判定を要求する対象に対して商品等の関係を持
って何等かの関連がある物品のことである。対象と関連
性のある商品の情報とは、例えば美容の判定の場合には
どのような化粧品を使用するのが良いかというごとく、
化粧品の情報のことである。化粧品はあくまで例示であ
り、当該判定分野の推奨商品のような情報が典型的であ
る。

【００２５】プログラム３：問診項目に対するユーザの
回答、問診項目に対する回答の分析、ユーザが判定を要
求する対象の状態の判定のうちの少なくとも１つ以上の
情報を収集する処理と、収集した情報を蓄積してデータ
ベース化する処理と、データベース化した情報に基づい
て前記問診項目の内容、問診項目に対する回答の分析、
ユーザが判定を要求する対象の状態の判定のうちの少な
くとも１つ以上の情報について学習処理を行う処理と、
学習処理の結果に基づき前記パラメータ、推論処理、問
診項目の内容、問診項目に対する回答の分析、ユーザが
判定を要求する対象の状態の判定結果のうちの少なくと
も１つ以上を変更する処理と、を含んでコンピュータに
実行させる問診判定プログラム。

【００２６】プログラム４：通信ネットワークを介して
前記情報の収集を行う処理と、多数のユーザ端末からの
情報に基づき前記情報を蓄積してデータベース化する処
理と、を含んでコンピュータに実行させる問診判定プロ
グラム。 プログラム５：前記データベース化した情報に基づいて
ユーザの潜在ニーズの分析を行う処理と、分析されたユ
ーザの潜在ニーズをデータベース側の端末で表示する処
理と、を含んでコンピュータに実行させる問診判定プロ
グラム。

【００２７】＜サーバが実行可能な問診判定＞提供事業
者１３のサーバ２は、問診判定に関して必要に応じて以
下のような処理を行う。ただし、以下の処理は全て実行
することが可能な構成でもよいし、必要な処理のみが実
行可能な構成であってもよいし、プログラムは必要な部
分のみが可能されていてもよい。 問診判定方法１：ユーザが判定を要求する対象を選択可
能にユーザ端末に表示し、選択された対象に関してユー
ザに複数の問診項目をユーザ端末を介して提示し、ユー
ザ端末を介して前記問診項目に対してユーザが回答して
きた場合に、問診判定手段により所定のパラメータと推
論処理によって前記問診項目に対する回答を分析してユ
ーザが判定を要求する対象の状態を判定し、その判定結
果に基づきユーザが判定を要求した前記対象の状態をユ
ーザ端末を介してユーザに提示する問診判定方法。

【００２８】問診判定方法２：ユーザが判定を要求する
対象および該対象と関連性のある商品を選択可能にユー
ザ端末に表示し、選択された対象に関してユーザに複数
の問診項目をユーザ端末を介して提示し、ユーザ端末を
介して前記問診項目に対してユーザが回答してきた場合
に、問診判定手段により所定のパラメータと推論処理に
よって前記問診項目に対する回答を分析してユーザが判
定を要求する対象の状態を判定し、その判定結果に基づ
きユーザが判定を要求した前記対象の状態をユーザ端末
を介してユーザに提示し、前記判定結果に基づく関連商
品情報を前記ユーザ端末を介してユーザに提示する問診
判定方法。

【００２９】問診判定方法３：前記問診項目に対するユ
ーザの回答、問診項目に対する回答の分析、ユーザが判
定を要求する対象の状態の判定のうちの少なくとも１つ
以上の情報を収集し、収集した情報を蓄積してデータベ
ース化し、データベース化した情報に基づいて前記問診
項目の内容、問診項目に対する回答の分析、ユーザが判
定を要求する対象の状態の判定のうちの少なくとも１つ
以上の情報について学習処理を行い、学習処理の結果に
基づき前記パラメータ、推論処理、問診項目の内容、問
診項目に対する回答の分析、ユーザが判定を要求する対
象の状態の判定結果のうちの少なくとも１つ以上を変更
する問診判定方法。

【００３０】問診判定方法４：前記情報の収集は、通信
ネットワークを介して行い、前記データベース化は、多
数のユーザ端末からの情報に基づいて行う問診判定方
法。 問診判定方法５：前記データベース化した情報に基づい
てユーザの潜在ニーズの分析を行い、データベース側の
端末で表示可能である問診判定方法。 問診判定方法６：前記データベース化した情報に基づい
てユーザに関連する商品分野のマーケッティング分析を
行い、データベース側の端末で表示可能である問診判定
方法。 問診判定方法７：ユーザが判定を要求する前記対象は、
ユーザの健康あるいは美容のうちの少なくとも１つを含
むものである問診判定方法。

【００３１】問診判定方法８：ユーザが判定を要求する
前記対象は、ユーザと関連性のあるペット動物である問
診判定方法。 問診判定方法９：ユーザが判定を要求する対象と関連性
のある商品は、健康食品、健康器具、化粧品、医薬品の
うちの少なくとも１つを含むものである問診判定方法。 問診判定方法１０：前記問診項目に対する回答の分析お
よび問診項目の対象の状態の判定は、所定のパラメータ
を使用した演算推論および帰納推論の手法処理によるも
のであり、問診項目を少なくし、一度に問診して診断す
る一発判定処理を行うものである問診判定方法。

【００３２】問診判定方法１１：ユーザに対する問診
は、択一形式によってユーザに複数の問診項目を提示す
る問診判定方法。 問診判定方法１２：前記関連商品情報のユーザへの提示
では、問診結果に基づき、その症状に有効な商品および
関連する商品を含む問診判定方法。 問診判定方法１３：前記関連商品情報のユーザへの提示
では、問診結果に基づき、ユーザに最適推奨製品および
関連購買製品を表示する問診判定方法。 問診判定方法１４：前記ユーザは、接客が望ましい顧客
であり、顧客に対して問診項目を提示し、顧客からの回
答を所定のパラメータと推論処理によって分析して問診
項目の対象の状態を総合判断し、総合判断に基づき前記
対象のカルテを作成して提示し、かつ総合判断に基づき
顧客に最適推奨製品を選定して示すことにより、セルフ
形式で顧客の接客が可能である問診判定方法。

【００３３】問診判定方法１５：前記ユーザは、カウン
セリングが望ましい顧客であり、顧客に対して問診項目
を提示し、顧客からの回答を所定のパラメータと推論処
理によって分析して問診項目の対象の状態を総合判断
し、総合判断に基づき前記対象のカルテを作成して提示
し、かつ総合判断に基づき顧客に最適推奨製品を選定し
て示すことにより、顧客のカウンセリングが可能である
問診判定方法。 問診判定方法１６：前記ユーザは、商品の消費者であ
り、前記ユーザ端末は、消費者が使用可能なものであ
り、問診判定手段による前記回答の分析、問診項目の対
象の状態の判定、判定結果に基づく前記対象の状態の消
費者への提示処理は、所定の提供事業主体が行い、該提
供事業主体に対する商品提案、商品や消費者が判定を要
求する対象に関連するデータの調査・分析、問診判定に
必要なプログラムを含む情報は、利用事業主体が行うも
のである問診判定方法。

【００３４】＜サーバが実現するシステム＞次に、提供
事業者１３のサーバ２は上記のような各種プログラムを
使用して問診判定に必要な処理を行うことにより、基本
的に以下のようなシステム構成を実現することになる。
また、サーバ２は以下に説明する各手段の機能を実現す
る。 問診判定システム１：ユーザが判定を要求する対象を選
定可能で、かつ該対象に対する複数の問診項目をユーザ
端末で表示可能に提供する問診項目提供手段と、ユーザ
端末を介して前記問診項目に対する回答を取得する回答
取得手段と、所定のパラメータと推論処理によって前記
回答取得手段により取得した前記問診項目に対する回答
を分析してユーザが判定を要求する対象の状態を判定す
る問診判定手段と、問診判定手段の判定結果に基づきユ
ーザが判定を要求した前記対象の状態をユーザ端末で表
示可能に提供する問診結果提供手段と、を備えた問診判
定システム。

【００３５】問診判定システム２：ユーザが判定を要求
する対象および該対象と関連性のある商品を選定可能
で、かつ該対象および該対象と関連性のある商品に対す
る複数の問診項目をユーザ端末で表示可能に提供する問
診項目提供手段と、ユーザ端末を介して前記問診項目に
対する回答を取得する回答取得手段と、所定のパラメー
タと推論処理によって前記回答取得手段により取得した
前記問診項目に対する回答を分析してユーザが判定を要
求する対象の状態を判定する問診判定手段と、所定のパ
ラメータと推論処理によって前記回答取得手段により取
得した前記問診項目に対する回答を分析して、前記対象
と関連性のある商品の情報を設定する商品情報設定手段
と、問診判定手段の判定結果に基づきユーザが判定を要
求した前記対象の状態をユーザ端末で表示可能に提供す
る問診結果提供手段と、商品情報設定手段の判定結果に
基づきユーザが判定を要求した前記対象と関連性のある
商品の情報をユーザ端末で表示可能に提供する商品情報
提供手段と、を備えた問診判定システム。

【００３６】問診判定システム３：前記問診項目に対す
るユーザの回答、問診項目に対する回答の分析、ユーザ
が判定を要求する対象の状態の判定のうちの少なくとも
１つ以上の情報を収集する情報収集手段と、収集した情
報を蓄積してデータベース化するデータベース手段と、
データベース化した情報に基づいて前記問診項目の内
容、問診項目に対する回答の分析、ユーザが判定を要求
する対象の状態の判定のうちの少なくとも１つ以上の情
報について学習処理を行う学習手段と、学習処理の結果
に基づき前記パラメータ、推論処理、問診項目の内容、
問診項目に対する回答の分析、ユーザが判定を要求する
対象の状態の判定結果のうちの少なくとも１つ以上を変
更するデータ更新手段と、を備えた問診判定システム。

【００３７】問診判定システム４：前記情報収集手段
は、通信ネットワークを介して情報の収集を行い、前記
データベース手段は、多数のユーザ端末からの情報に基
づき情報を蓄積してデータベース化すること問診判定シ
ステム。 問診判定システム５：前記データベース化した情報に基
づいてユーザの潜在ニーズの分析を行う潜在ニーズ分析
手段と、分析されたユーザの潜在ニーズをデータベース
側の端末で表示する潜在ニーズ表示手段を含む問診判定
システム。 問診判定システム６：前記問診項目を少なく設定し、前
記問診判定手段は、問診項目に対する回答の分析および
問診項目の対象の状態の判定を行う処理として、所定の
パラメータを使用した演算推論および帰納推論の手法処
理を使用するとともに、一度に問診して診断する一発判
定処理を行うものである問診判定システム。

【００３８】再び図１に戻ると、利用事業者（サーバ無
し）１４は、当該システムを利用する事業者により運営
・管理される部分で、ネットワーク１に接続されたＰＣ
端末４を有する。端末４は、Ｗｅｂサーバ３経由でサー
バ（提供事業者）２にアクセスし、当該システムをイン
ターネットで一般的なＷｅｂブラウザなどを用いて利用
する端末である。利用事業者（サーバ有り）１５も、当
該システムを利用する事業者により運営・管理される部
分であるが、利用事業者（サーバ無し）１４と異なる点
として、ネットワーク１に接続されたサーバ（利用事業
者）５を有する。サーバ（利用事業者）５には、当該シ
ステムをより有効に運用する目的で、サーバ（提供事業
者）２のデータベース７とは異なるデータベース９が蓄
積・管理され、当該システム専用のプログラムなどが稼
動する。また、必要に応じて、ＰＣ端末１０、ＰＤＡ端
末１１やプリンタ１２などのコンピュータ関連機器を有
する。

【００３９】「本発明の原理」次に、本発明の原理につ
いて、実例を挙げながら説明する。本発明における問診
判定方法は、「自然（生体）現象における本質的な関係
性」を利用した「あいまい処理方式」というものであ
り、演繹法という処理である。この演繹法を説明する
と、まず図２（ａ）に示すように親データベース（ＰＤ
Ｂ）というものを用意しておき、親データベース（ＰＤ
Ｂ）は問診項目全８２項目に対するそれぞれの回答とし
て、その傾向が「ある」を「１」、その傾向が「ない」
を「０」とした２０００名分の調査データを集計し、各
項目毎についてその発生率を計算したテーブルである。
なお、親データベース（ＰＤＢ）は２０００名分の調査
データに限らず、随時拡張することで、データを大きく
し精度アップを図ることが可能である。

【００４０】次いで、親データベース（ＰＤＢ）から２
種類のテーブルを作成する。これは、図２（ｂ）の子デ
ータベース（ＣＤＢ−１）と、図２（Ｃ）の子データベ
ース（ＣＤＢ−２）であり、一例として何れも「冷え
性」というデータに関する例である。これらの子データ
ベースは、ターゲット項目を基準（１列目）にして、Ｃ
ＤＢ−１はその回答が「ある」群、ＣＤＢ−２は「な
い」群でである。そのため、例えば、ＣＤＢ−１のＮ数
（行数）が図２（ｂ）のように３６２行であれば、ＣＤ
Ｂ−２の行数は２０００から３６２を引いた値である１
６３８行になる。当然、ターゲット項目以外の項目の発
生数および発生率は、ターゲット項目との（自然現象と
しての）本質的な関係性に基づいて増減することにな
る。但し、この「本質的な関係性」は製作者はもちろん
現代の知見においても、必ずしもいまだ理解・解明され
ていないものが多く含まれているが、本発明を実施する
上では上記プログラムに基づきコンピュータで実行すれ
ば十分に再現性があるものである。したがって、本発明
の実施の形態は発明の定義、特許法でいう発明の再現性
をはじめてとしてその他の特許要件は当然に全て満たし
ているものである。

【００４１】しかし、この本質的な関係性が理解される
されないにかかわらず、ＰＤＢのＮ数（サンプル数）が
巨大化するほど、ＣＤＢ−１、ＣＤＢ−２それぞれのタ
ーゲット項目以外の発生数および発生率の母集団に対す
る代表性精度は「本質的な関係性」に基づいて向上す
る。ＣＤＢ−１とＣＤＢ−２のターゲット項目以外の項
目データをそれぞれ比較した場合、発生率の差異が大き
い項目ほどターゲット項目との「本質的な関係性」があ
る（強い）と言うことができる。ＰＤＢが巨大化するほ
ど、その精度が上がるというのは、まさにこの点に関し
てである。このように「本質的な関係性」とは、関係の
有無とその強さを表現しており、どちらが原因で結果と
いうような因果関係ではない。

【００４２】次に、選定項目の選定とその方式について
説明する。データベースを作成したら、次いで、ターゲ
ット項目と「本質的な関係性」の強い項目を選定する。
選定方式は多様であが、要するにターゲットとする項目
と「本質的な関係性」が強い項目とを選定することが目
的である。次に示す選定方式はそれらの例である。 （ａ）ＣＤＢ−１の項目毎発生率−ＣＤＢ−２の項目毎
発生率（減算方式）→差異数値になる。項目３の作業
（ＣＤＢ−１とＣＤＢ−２の比較作業）が必要である。 （ｂ）ＣＤＢ−１の項目毎発生率÷ＣＤＢ−２の項目毎
発生率（除算方式）→倍率数値になる。項目３の作業が
必要である。 （ｃ）その他の方法（例：ＣＤＢ−１の項目毎発生数÷
ＰＤＢの項目毎発生数、など）。項目３の作業は不要で
ある。 （ｄ）その他の計算ファクターを加味する方式。下記の
ような回答数の多さを乗じて加味する。 （ｅ）相関係数などの統計指標を使って選定する方式。 （ｆ）これらの方法を目的に応じて組み合わせて選定す
る方式。

【００４３】なお、後述する例は自己判定チェッカーと
しての利用に供するため、回答者が「回答しやすい（発
生数の多い）項目を選ぶこと」も条件であるため、次に
示す計算式により項目を選定した。 上記除算方式による倍率数値×ＣＤＢ−１におけるその項目の発生数 ＝「発生差異があり、発生数の多い項目」……式 この計算式で数値が大きくなった上位項目を選定した。
この結果、「ターゲット項目との本質的な関係性を代表
する項目であり、かつ回答者が回答しやすい項目」を選
定することとなった。この場合の項目選定数はいくつで
も可能であるが、経験的には３乃至５個以内が妥当であ
る。これには２つの理由がある。第１に、次の段階でＣ
ＤＢ−１を、この選定項目（「１」−「０」：ＹＥＳ−
ＮＯ）に基づいて分割するためである。第２に、６項目
以上の分割（６４分割以上）ではＣＤＢ−１でかなりの
規模の大きいＮ数を確保しないと、事実上、データ数ゼ
ロ〜Ｎ数が少ない分割群が多発し、予測精度が悪くなる
ため、実際の用途には耐えないという理由である。Ｎ数
が少ない＝予測精度が悪いという図式になるからであ
る。なお、選定項目数が３個の場合は８分割（１／２×
１／２×１／２で２の３乗）、４個の場合は１６分割
（２の４乗）である。

【００４４】図３（ａ）に示す例は、子データベースに
基づく孫データベース（ＧＤＢ）で、３項目／８分割方
式を示すものである。ここでは、例えば冷え性→むく
み、毛穴の汚れ、顔の乾燥という関連性を示している。
子データベースに基づく孫データベース（ＧＤＢ）の構
造は図３（ｂ）に示す通りである。ＧＤＢは、選定項目
の回答パターンに基づいてターゲット項目データ（ＣＤ
Ｂ）をさらに分割したものであり、ターゲット項目デー
タの簡易な分類（類型化）法である。この分類（類型
化）に伴う「他の項目発生データ」は、基本的にその類
型化によって一定の傾向を持たされたデータであるとい
える。分かりやすくいえば、例えば女性の冷え性にはい
くつかのタイプ（類型）があること、そしてそのタイプ
により併発諸症状（それぞれの併発率）が異なる、とい
うことをデータ化したものである。上述した作業（ａ）
〜（ｆ）によってターゲットとする項目（例では症状）
のタイプの類型化と、タイプ別の併発率を演繹的に予測
するチェッカーを簡易に制作することができる。

【００４５】図３（ａ）では、ターゲット項目「冷え
性」に対して他の３つの質問項目の回答から全８２項目
の一発判定は可能である。例えば、冷え性、むくみ、毛
穴の汚れ、顔乾燥は実測、その他の７８項目は予測であ
る。しかし、ここで問題となるのは、チェッカー間同士
で判定結果（発生予測）に関して誤差が発生することで
ある。典型例としてはドライアイチェッカーと視力低下
チェッカーの選定項目は同じ（例えば、眼の疲れ、運動
不足、毛穴汚れ）であるが、ＧＤＢにおける「他の項目
発生データ」の各項目の発生データが異なるため、予測
数値も異なってくるということである。例えば、ドライ
アイと視力低下は同じ目の症状であるにもかかわらず、
その推測される症状との本質的な関係性の間の距離・ポ
ジショニング（因果関係）が異なると考えられるからで
ある。このことを概念的に示すと、図４のようになる。

【００４６】図４では、同じ「１１１」の回答パターン
でも、肩こりに対する予測（率）が異なる例を示してい
る。ただし、中には「頭痛」のように等距離のものもあ
る。その理由は、「ドライアイ」と「肩こり」、「視力
低下」と「肩こり」における距離・ポジションが異なる
こと、それぞれの「１１１」のポジションが異なってい
ることによる。一般論としては、発生予測が異なる確率
の方が高く、等距離になることはまれである。このよう
な誤差の解消を図るために、本発明における「美容と健
康の簡単問診／一発判定プログラム」では、チェック項
目毎にチェック機能がパッケージされて単独での駆動が
可能なプログラム（チェッカー）を複数（３１チェッカ
ー）を同時に駆動させ、各チェッカーで差異のある項目
別の発生予測数値を「平均値化」して最終的に一発判定
票に出力するというシステム構成にしている。これによ
り、各チェッカー結果の差異を解消し、かつ多様な側面
からひとつひとつの項目（症状）に対して平均的に予測
を行なわせている。その平均値も駆動させるチェッカー
数を多くするほど、適合精度が上がる特性がある。

【００４７】図５は、３１のチェッカーを同時に駆動し
た場合の美容と健康の簡単問診／一発判定プログラムを
示す概念図である。３１チェッカーの選定項目は延べ９
３であるが、同一項目が多く、実質２７項目となってい
る。なお、このプログラムでは、他項目データは肩こり
も含めて７８項目である。全８２項目−ターゲット１項
目−選定３項目＝７８項目という関係である。これまで
記述した通り、簡単問診票の項目数を増減することは可
能である。特に、簡単問診機能を強化するということは
項目数を削減することであり、対応可能である。一発判
定票は、本例では８２項目の判定をバックヤードで行な
っている。このバックヤードデータからどのような項目
をどのような形式で出力するかは任意である。本例の一
発判定票では、バックヤードデータを１０点化処理し、
各項目ごとにその得点を記号表示している。もちろん、
バックヤードデータを複合化して、新しい得点として表
示することも可能である。例えば、痛み生活ポイント＝
肩こりポイント＋頭痛ポイント＋腰痛ポイント＋生理痛
ポイント＋胃炎胃痛ポイント＋関節痛ポイントというよ
うにしてもよい。データベースの更新（拡大）はＰＤＣ
から行う。ＰＤＣが巨大化するほど、プログラム全体の
予測精度が向上する。これまで記述したタイプ１が演繹
法によるシミュレーションであるとしているのは、ター
ゲット項目の類型分類に基づき、それぞれの併発諸病状
の発生を演繹的に予測する特性があるからである。

【００４８】次に、本発明の他の原理である問診判定方
法のタイプ２（帰納法）について説明する。図６〜図８
に示す問診判定方法のタイプ２は、タイプ１と同様「自
然（生体）現象における本質的な関係性」を利用した
「あいまい処理方式」である。なお、親データベース
（ＰＤＢ）、子データベース（ＣＤＢ−１やＣＤＢ−
２）および選定項目の選定は前述したタイプ１と同じ手
法を適用する。そこで、まず、図６（ａ）に示すように
親データベース（ＰＤＢ）を作成する。ただし、項目選
定数はいくつでも可能であるが、４個以下ではターゲッ
ト項目を判定するのにキザミが粗すぎ、また、タイプ１
と同様に８個以上では分割群が細分化されすぎて、デー
タゼロの分割群が多発するため、選定項目数は、５乃至
７個以内が妥当である（図６（ｂ）参照）。

【００４９】次いで、図７（ｃ）に示すようにＰＤＢか
ら選択項目の選択数を基準にしたターゲット項目の発生
率表を作成する。すなわち、選択数別のターゲット項目
の発生率を把握する。その発生率表をグラフ化したもの
が図７（ｄ）である。グラフの傾きの良い（得点が多い
ほどターゲット項目の発生傾向が強い）ものほど、選定
項目が適切に選定されていることを示す。図７（ｄ）の
グラフは、得点（選択数）が多いほど「冷え性」の傾向
が高く、得点（選択数）が低いほど「冷え性」の傾向が
低いということを表している。図８（ａ）は、ターゲッ
ト項目に対応するＣＤＢ−１を、同じ選択数によって群
分割したものである。図８（ｂ）は得点基準に群を分割
した例を示すもので、この例では、得点６群、得点５
群、得点４群、得点３群、得点２群、得点１群、得点０
群の７分割となっている。このデータは、ＰＤＢをもと
に作成された発生率表と同じものになる。

【００５０】次いで、図９（ｃ）に示すように、各項目
を群分割し、各群における他の項目毎の発生率を把握す
ることで、ターゲット項目の発生率が高いものから低い
ものまでのランク（キザミ）別に、（タイプ１よりも詳
細に）他項目の発生状況を把握することができるように
なる。つまり、選択数得点によって、ターゲット項目を
「帰納的に」説明することができる判定を行なうことが
できる。この帰納的な点が「演繹的な」タイプ１と根本
的に異なるタイプ２の特徴である。そしてタイプ１の方
法と同様にチェッカーを多数制作することができる。例
えば、冷え性チェッカー、眼の疲れチェッカー、むくみ
チェッカー、などである。本発明では、項目数に応じて
最大８２チェッカーまで作成することができる。

【００５１】次に、上記基本原理に基づき本発明を実現
する方法について説明する。図１０は、問診判定方法タ
イプ１（演繹法）のデータ処理の流れについての説明で
ある。最初に、問診判定方法タイプ１（演繹法）のデー
タ処理を概略説明すると、回答者の問診票に対する回答
パターンに基づき、親ＤＢ（ＰＤＢ）の中から、その回
答パターンに近い（近似）データ群を探し出し、これに
基づき判定結果を出力するというのが最もシンプルな説
明である。ただし、大規模なＰＤＢにその都度、近似デ
ータ群を探しに行って処理していては、その負荷が過大
になるため、近似データを探しやすいように加工した子
ＤＢ（ＣＤＢ）を代用しているという方法を採る。図１
０では、その簡略化の過程を斜めの矢印で示している。

【００５２】問診判定方法タイプ１（演繹法）では、近
似データ群の処理（例えば、３１チェッカーの平均値
化）に基づき、判定の元となるデータ（当該回答者の項
目ごとトラブル等の予測発生倍率、例えば８２項目）を
算出する。この算出データをそのまま出力しても回答者
にわかりにくいため、判定処理ＤＢに基づくデータ加工
を行い、判定結果として出力する。例えば、８２項目目
ごとの予測発生倍率を１０点換算し、項目ごとに１〜１
０点で判定結果を出力する。このプロセスにおいて、問
診票に対するＹＥＳ−ＮＯ回答は１−０の「実測値」と
して回答のデータベース（ＤＢ）化される。例えば、２
７項目のようにである。また、判定元データ、つまり項
目ごと予測発生倍率データは「予測値」として同じく回
答のデータベース（ＤＢ）化される。例えば、後述の実
施の形態の例では８２項目、つまり８２−２７＝５５項
目として、これは回答者本人が回答していないにもかか
わらず、予測発生倍率が計算されている。回答した２７
項目も同じ処理で予測発生倍率が計算されている。単純
に実測値（実施の形態では２７項目）は質問に対する回
答者の顕在意識データ、予測値（実施の形態では特に５
５項目）はデータベース（ＰＤＢ）が保有する大規模集
団の回答傾向（自然（生体）における本質的な関係性を
内在している）に基づいて予測される、つまり潜在意識
データとしてそれぞれ利用することができるのである。

【００５３】次に、商品との関連判定について説明す
る。図１１は、商品との関連判定を説明する図である。
商品との関連判定は、判定処理プロセスにおける判定Ｄ
Ｂの中身（つくり）に関することである。この場合、問
診判定時には、内部データとして判定元データ（予測発
生倍率）が算出されるので、例えば予測発生倍率が高い
順に項目を出力する時に、各項目に商品を関連付けたマ
スターＤＢ（処理ＤＢ）を作成しておき、この処理ＤＢ
を駆動させれば、回答者の回答に沿った商品の提案が可
能となる。図１１の例では、項目ごとに推奨商品を関連
付けたマスターデータベースを作成しておき、例えば項
目Ａには推奨商品Ｂ、Ｃ、Ｄというように関連付けてお
く。同様に、項目Ｂには推奨商品Ｂ、Ｅ、Ｇを関連付け
ておき、項目Ｃには推奨商品Ｂ、Ｅ、Ｇを関連付けてお
くようにする。そして、例えばＢ＝３個、Ｅ＝２個、Ｇ
＝２個のように商品を提案する。判定結果（出力）は、
その回答者に対して高い発生率が予測される項目に対応
した商品の提案資料として出力するとともに、処理ＤＢ
の中身（つくり）によって、出力形式を自由に設計する
ことができるようにする。例えば、出力形式によって処
理ＤＢのつくり方をカスタマナイズするようにする。

【００５４】次に、データベースの精度向上の仕組みに
ついて説明する。単純には、親ＤＢ（ＰＤＢ）を巨大化
することによって精度は向上するといえる。ＰＤＢは、
プログラムの駆動とはまったく別の次元で構築されるも
のである。例えば、実施の形態ではエステティックサロ
ンの顧客カルテデータ（サンプル数＝Ｎ数：約２００
０）に基づき構築されている。なお、顧客カルテを保有
している事業体に対してオリジナルお判定プログラムの
策定を働きかけるビジネスモデルを構築してもよい。当
然に、ＰＤＢは、その保有するＮ数が巨大化するほど母
集団に近似していく特性があるので、その結果、本方式
によって作成される判定プログラムの精度は統計法則に
沿って向上することになる。

【００５５】次に、本発明における推論処理について説
明する。前述した通り、本発明の判定プログラムにおけ
る推論処理は、シンプルな原理に基づいて行われてい
る。すなわち、データ群の持つ特性をそのまま活かす方
法である。換言すれば、本質的な関係性を内在し、その
関係性の予測精度は母集団に近似するほど（巨大化する
ほど）、向上する。具体的に説明すると、例えばＡさん
は冷え性であると回答した場合、これはＡさんの個人デ
ータである。このとき、冷え性の人は便秘気味であると
の関係性がある。これは、本質的な関係性を推定できる
ということであり、ＰＤＢに内在しているものである。
これについて、明確な学術的知見まではないであろう
が、一般的に女性の多くが「冷え性の人は便秘気味であ
る」という事実を体験的に認識していることであり、こ
のような体験的事柄をデータベース化すると、回答の推
論ができるのである。

【００５６】つまり、Ａさんと同じ冷え性の人は、そう
でない人よりも「便秘気味」であると回答する傾向があ
る。もちろん、個人データをみていけば、そうではない
こともある。しかし、ＰＤＢのＮ数（サンプル数）が巨
大化するほど、この傾向（関係性）はより母集団に近似
し、統計法則に基づいてその「一定の関係性」が証明さ
れることになる。なお、一定の関係性とは、絶対的な関
係ではなく、実体に基づき相対的な関係である。一方、
他の回答者、例えばＳさんが冷え性と回答すれば、ＰＤ
Ｂ（巨大化するほど母集団に近似）が持つ本質的な関係
性に基づいて、便秘気味の判定がなされる確率が上が
る。これは、絶対にそうなるというものではなく、ＰＤ
Ｂに内在する相対性に基づいてそうなるというものであ
る。

【００５７】図１２は、Ａさん（２８歳、会社員）の回
答データの一例を示すものである。この回答データに対
して回答パターンを照合する。回答パターンの照合では
親ＤＢ（ＰＤＢ）に対して行い、親ＤＢ（ＰＤＢ）は図
１２に示すように、一例としてＮ数＝１００のデータベ
ースで、全ての項目データを保有するものとする。次い
で、照合データで近似データ群集計によりＡさんの項目
別予測発生率を計算すると、図１３に示すようになる。
すなわち、 Ａさんの予測発生倍率（判定元データ） ＝Ａさん近似データ群の発生率（項目別）÷ＤＢの発生率（項目別） という式で求められる。この場合、問診票に質問がなく
ても、予測発生倍率が算出される仕組みである。また、
前述したように上記の手法はロジックであるが、実際の
ものでは計算負荷を低減させるために、親ＤＢを加工し
た子ＤＢで代用するのがよい。そこでは、３１の多数チ
ェッカーを同時に駆動させる。これにより、３１種類の
Ａさん近似データ群の発生率が算出される。そして、こ
れを加重平均することで、予測誤差を低減、つまりＰＤ
Ｂを使った上記の計算方法によって算出される結果との
誤差を低減する。３１の各チェッカーでは、そのチェッ
カーのターゲットとする項目を最大公約数的に説明・デ
ータ分割するのに最も適した３つの項目を選定し、これ
に基づきＰＤＢを８群に分割「（１／２）×（１／２）
×（１／２）」している。

【００５８】例えば、冷え性に対して、むくみ体のＹＥ
Ｓ／ＮＯ、毛穴の汚れのＹＥＳ／ＮＯ、顔乾燥のＹＥＳ
／ＮＯという項目で問診する。上記で最大公約数的に説
明する項目を選定し、それを３項目に絞っている理由
は、そうでないといくら巨大をＰＤＢでも、回答者の回
答結果に該当するデータがゼロとなる確率が増し、計算
不可となるケースが発生・増加するからである。この計
算不可例を皆無にするため、例えば３項目による８分割
方式を採用している。ＰＤＢが巨大化すれば４項目１６
分割方式、５項目３２分割方式などの採用も可能で、精
度もさらにアップするが、それにより計算負荷が増大す
ることになる。この点について、精度向上と計算負荷増
大の両面を考慮しながら、最適化していけばよい。何れ
にしてもＰＤＢが巨大化するほど、ＤＢ合計に基づく発
生率％は統計法則に基づき母集団のそれとの誤差が減少
する。その結果、本手法による予測倍率計算結果は母集
団のそれに近似する（精度が向上する）。

【００５９】次に、ユーザの潜在ニーズの分析と表示に
ついて説明する。これは、商品分野のマーケテイング分
析と、その表示はどのようにするのかということであ
る。演繹法プログラムにおいては先に記述したように、
実測値（＝顕在ニーズ）と予測値（＝潜在ニーズ）を内
部的に保有することになり、基本的にこれがユーザの潜
在ニーズの分析を可能にしている。そして、これを回答
ＤＢ化（例えばエクセル、アクセス、ＳＰＳＳ（統計処
理ソフト）のようなスプレッドシートタイプにファイル
化）することで、データベースの処理加工はこれらのプ
ログラムファイルが保有する計算機能の範囲内で自由に
行なうことで可能である。なお、本実施の形態の例では
回答都度、アクセスの回答ＤＢにデータを留保して行っ
ている。これにより、問診票画面に過去入力分の検索機
能も持たせている。この場合、これらのプログラムファ
イルにデータを持ってくるまでの計算プロセス（前述）
とそのデータの活用性（潜在ニーズの測定やそれに基づ
くマーケティング等での推論だて）を活用することで、
商品分野のマーケテイング分析が可能になる。例えば、
エクセルのマクロ機能、アクセスの機能等を使えばワン
クリックで所定のフォーマットに分析加工結果を一発表
示するデータ処理は可能であり、これは顧客事業体の要
請に応じてカスタマナイズする事項とすればよい。

【００６０】次に、ペット、その他の判定はどうするの
かについて説明する。ペット、その他の判定方法につい
ても前述した手法に基づき、判定プログラムでは以下の
ような方法を採る。例えば、ペット飼い主の性格←→ペ
ットの性格とに関連性を持たせる。 ペットの飼育スタイル←→ペットの健康状態 このような項目を作成することで、ペット関連サービス
業について本発明の適用が可能である。また、例えば、
歩行トラブル←→健康トラブルについての項目を作成す
ることで、靴屋という業種について本発明の適用が可能
である。さらに、例えば、歯科トラブル←→健康トラブ
ルについての項目を作成することで、歯科医という業種
について本発明の適用が可能である。上記のようなデー
タを標準化された状態で（例えば、顧客カルテ等が最
適、アンケート方式であればよい）、まず一定量（Ｎ数
１０００以上が望ましい）獲得し、これに基づいて、演
繹法プログラムを構築することは可能であり、そのよう
にすれば、本発明の上記原理に基づく判定プログラムを
作成できる。なお、現在知見では明らかではないが、そ
の本質的な関係性が推定されるような事項について、学
術研究仮説づくり（学術発表資料の作成）などの作業と
並行して行なうようにしてもよい。

【００６１】次に、化粧品、医薬品、健康器具の判定ま
で行うとして、その具体的開示例、および最適推奨商
品、関連購買商品の表示の処理方法と、その具体的開示
例について説明する。前者については、本実施の形態の
図１６〜図１９で表示する問診票、出力票にその一例を
示している。後者については、多様な出力方式が考えら
れる。本実施の形態では、美容と健康（および食生活）
について８２項目にわたって判定（予測発生倍率を計
算）しているから、これを元に商品提案ページを表示し
たり、商品表示ページにリンクさせたり、あるいは商品
提案を一括表示したりすることが可能である。何れにし
てもマスターの作り方と、表示方式のカスタマナイズの
仕方であり、比較的容易に作成可能である。

【００６２】次に、カルテの作成、セルフ形式での処
理、カウンセリングの方法について説明する。図１６に
示す画面出力例（出力票）は、「カウンセリング対応」
版というべきものである。出力票では、項目別に１０点
換算されたデータ結果が羅列されているだけであるか
ら、出力票自体に「カウンセリング機能」はなく、これ
を人的ファクターによってカウンセリング補足して行な
うのがタイプ１（演繹法）である。なお、この出力票の
読み方、解釈のしかた、分析観点等に関するマニュアル
を整備することは有効であり、それによって回答者に対
してマニュアルに沿って出力票の分析を行うことで、回
答者に簡単にカウンセリングすることが可能になる。た
だし、このマニュアル内容に基づいて、出力票の判定結
果をパターン分析し、このパターン別に総合判断・個別
判断・提案事項を記述するような作り方にすれば、マニ
ュアル対応の必要度もその完成度に沿って低下するであ
ろう。また、マニュアル内容に基づいて、出力票の判定
結果をパターン分析可能なようにプログラムに一体化す
るという方法もあり、この方法を実現するには、つまり
基本的に「処理ＤＢ」の中身（つくり）にそのような機
能を持たせればよい。その場合、その中身（およびその
熟成度）によって、プログラム使用者にあたかも人口知
能が駆動しているように（高度の提案性で）見せること
が可能になる。

【００６３】ここで、出力票の判定結果をパターン分析
する方法について説明する。パターン分析の方法（方向
性）は以下に示す通りである。 （１）項目の得点（予測発生倍率）の相関分析、因子分
析等により、クラスター（関係性の高い複数項目の固ま
り）の発見・分析を行う。 （２）クラスターごとのポイント化、グラフ化等によ
り、視覚的にクラスター出現パターンを累計化し、これ
に基づいてパターン分類を行う。 （３）パターンごとの回答者特性に基づき、これに適合
するような内容の判定情報や提案情報を制作する。 （４）これをデータベース化する（処理ＤＢ化）。 図１４は、上記パターン分析手法をデータベース化した
場合の図を示すものであり、クラスターＩ〜Ｘごとに
「傾向が弱い」、「傾向が強い」に対するポイント化を
行い、総合判定の全体結果を表示し、総合提案を提示す
る。これによると、回答者への提案性が高まる（提案の
中身が経験によって高度化する）ほどに、タイプ１方式
であってもセルフ対応化を図ることは可能である。

【００６４】次に、事業主体に対する商品提案、調査等
をする方法について説明する。これらは、本発明のプロ
グラムと組合せて一般的な商品提案手法を取ってもよい
し、あるいはもちろんインターネットインフラを活用し
た方法であってもよい。何れにしても、本発明のプログ
ラムと組合せることで、事業主体に対して有効に商品提
案、調査等をすることが可能になる。なお、調査等を行
なうプログラムについては、先に記述した潜在ニーズ
（予測値）分析は本発明独特のものであり、これはデー
タを加工するプログラム自体の新規性に属するものであ
る。加工データ（予測発生倍率）がデータベース化（ス
プレッドシートファイル化）された以降は、既存のプロ
グラムファイルの機能を利用する範囲にて顧客の調査ニ
ーズを満たすことは充分に可能である。顕在ニーズ（実
測値）のデータ取得方法は、通常のコンピュータープロ
グラムを利用したものや、インターネットアンケートで
利用されるＣＧＩの既存機能を利用するという方法があ
る。

【００６５】調査データ（データベースデータ）の２次
加工分析は、基本的な部分と、顧客事業体の要望に基づ
きカスタマナイズする部分に分かれている。本プログラ
ムの効果は、本発明の解決課題を解消できる点である
が、市場調査（アンケート）的には以下のメリットがあ
る。 （１）６０秒以内で終了するので、回答者の負担がきわ
めて少ない。 （２）顧客の潜在ニーズを予測することができる。 （３）問診票の項目構成（内容）から、どのような結果
が導き出されるかは、回答者には予見できず、回答者の
期待に沿ったものとなる。すなわち、回答者の予見によ
る回答バイアスが小さく、これは、この質問にこう答え
たら、こういう結果が出る、という回答者自身の予見に
より、恣意的な回答が行なわれることが少なくないとい
う意味である。 （４）アンケートに対するフィードバックを出力票によ
る情報提供を持って即座に行なうことができる。したが
って、ギブアンドテイクの原則に基づいてアンケート実
施が可能になる。

【００６６】「実施の形態の動作」次に、図１の全体シ
ステムを適用した本実施の形態の動作について説明す
る。図１５は、本実施の形態の問診判定方法を実行する
プログラムのフローチャートである。機器構成として、
サーバ（提供事業者）２、データベース７、Ｗｅｂサー
バ３、端末４およびユーザである顧客４１を示す。ま
ず、ユーザ（顧客４１、以下適宜単にユーザという）は
当該システムの端末４に判定要求を指示し、判定項目を
確認する（ステップＳ１）。端末４はユーザの要求に基
づき必要に応じてネットワーク１を介してサーバ２との
間で情報の授受を行う。これは、以下の各処理において
も同様である。ステップＳ１では、例えば端末４はユー
ザの判定要求に基づき、ネットワーク１を介してサーバ
２に信号を送信し、サーバ２は判定要求に対応した情報
を返送する。なお、この場合にわざわざサーバ２から情
報を受けるのではなく、例えば端末４側のみで判定要求
に応えるようにしてもよい。判定要求時の選択肢として
は問診判定のタイプがタイプ１とタイプ２の２つある
が、所望のタイプが選択可能である。タイプ１は問診項
目が２０乃至２７項目であり、簡単問診に対する回答は
一発判定で約１分の回答時間である。これに対して、タ
イプ２は複数の問診項目から６乃至７項目をユーザが選
択（判定項目選定を行う）できる方法であり、簡単問診
に対する回答は一発判定で約３０秒という極めて短い回
答時間である。

【００６７】判定要求を指示すると、端末４からユーザ
に対して問診項目が提示される（ステップＳ２）。提示
方法は、端末４のディスプレィに表示するか紙に印刷し
て行なう。図１６は問診項目の提示例である。ユーザは
その提示された問診項目に対して選択形式（例えばＹｅ
ｓ・Ｎｏ形式）で回答する（ステップＳ３）。回答の方
法は、端末４のキーボードもしくはタッチパネルなどを
使う。回答するための所用平均時間はタイプ１で約５０
秒、タイプ２で約２０秒である。所定の問診に対する回
答が終了すると、端末４において判定結果を提示する
（ステップＳ４）。タイプ１では全項目の一発判定、タ
イプ２では要求チェック項目の一発判定である。端末４
のディスプレィに表示するか紙に印刷して行なう。これ
により、ユーザは問診に対する回答を簡単に入手するこ
とができる。図１７〜図１９は判定結果の提示例であ
る。次いで、その判定結果に基づき、ユーザの諸症状に
最適な商品や関連購買可能性商品を提示する（ステップ
Ｓ５）。すなわち、ここでは最適商品の提案、ガイド、
関連購買可能性商品の提案、ガイドを行う。最適な商品
の提示等は、端末４のディスプレィに表示するか紙に印
刷して行なう。これにより、ユーザは問診の回答に加え
て、最適な商品や関連購買可能性商品の情報を簡単に入
手することができる。

【００６８】次に、ユーザに対してカウンセリング販売
を行う場合には、ステップＳ６の処理を行う。ステップ
Ｓ６は、カウンセリング販売の形態で、問診判定システ
ムの判定情報を参考にしながら、販売員が顧客に対して
接客し商品を販売する。このとき、端末４からネットワ
ーク１を介してサーバ２との間で、カウンセリングに関
する情報の授受が行われ、販売員は端末４の画面、ある
いは端末４の出力に基づいて印刷した印刷物を見なが
ら、これらに表示されたカウンセリング情報に基づいて
ユーザにカウンセリングを行う。また、セルフ販売を行
う場合には、ステップＳ７の処理を行う。ステップＳ７
はセルフ販売の形態で、問診判定システムの商品提案情
報を参考にしながらユーザ（顧客）自らが商品を選択し
購入することを可能にするものである。このとき、端末
４からネットワーク１を介してサーバ２との間で、セル
フ販売に関する情報の授受が行われ、ユーザは端末４の
画面、あるいは端末４の出力に基づいて印刷した印刷物
を見ながら、これらに表示されたセルフ販売情報に基づ
いて自ら商品を選択したり、あるいは購入したりするこ
とができる。なお、ステップＳ６およびステップＳ７は
利用事業者が選択する部分であり、利用事業者が選択す
る部分はステップＳ８で示している。

【００６９】次に、本サービスの提供事業者がネットワ
ーク１を介して多数のユーザから情報を集めて収集し、
データベース化する処理について説明する。提供事業者
のサーバ（提供事業者）２では、ステップ９において顧
客が問診判定システムを利用した際に得られる顧客情報
や判定情報などをインターネットを含むネットワーク１
経由で収集する。次いで、ステップ１０では、収集した
顧客情報や判定情報を有効に利用するため、その情報を
データベース化する処理を行う。次いで、ステップＳ１
１で、データベース化された情報を分析し、美容と健康
に関する新知見情報を利用事業者などに提供したり、判
定精度改善のために判定パラメータの更新処理（例え
ば、学習機能を持つ）を行う。このとき、マーケティン
グ分析や意志決定情報に利用したりする処理も行う。

【００７０】次に、本発明の問診判定方法及び問診判定
システムを具体的に適用する場合の業種、客層、商品等
について説明する。業種としては、典型的には、本実施
の形態で示したように健康と美容に関係したり取り組ん
でいる業種がある。これには、サービス業を含む他、店
舗販売、無店舗販売を含む。商品としては、健康食品や
健康器具、化粧品、医薬品を販売するものが典型である
が、これには限定されないのは勿論である。また、これ
らの商品を販売している業種に限らず、これから（将来
的に）販売しようとしている店舗販売、無店舗販売も本
発明の適用が有効である。特に、健康や美容に関心の高
い顧客層を有しており、対顧客サービス・新事業の一環
として本システムを利用し得る業種（店舗販売、無店舗
販売含む）に適用すると有効である。そして、上記で定
義された業種に対して製品やサービスノウハウを提供す
るメーカー、サービス提供企業、卸売業が提供事業者と
して例えば典型的であるが、限定はされない。また、上
記で定義された業種や事業者にマーケティングサービス
を提供する広告代理事業者、販売促進事業者、市場調査
事業者、コンサルティング事業者、ソフト開発およびソ
フト販売事業者、店舗設計事業者およびこれらの代理店
（代理事業者）にも本発明を適用できる。

【００７１】店舗販売の例としては、例えばストア内陳
列場所での販売、ストア内コーナースペースでの販売、
サービスカウンターでの販売などや、ドラッグストア
（薬局薬店）、化粧品店、スーパーストア、コンビニエ
ンスストア、百貨店、美容院、理容院、エステティック
サロン（ボディ、フェイシャル）、マッサージサロン、
フィットネスクラブ・スポーツクラブなどの健康維持増
進ジム、家電販売店、その他店舗・売場を有し、上記の
定義にあてはまる業種および事業者がある。一方、無店
舗販売の例としては、例えば訪問販売事業者、通信販売
事業者（インターネット販売も含む）、配置薬販売事業
者、その他無店舗での販売網を有し上記の定義にあては
まる業種および事業者がある。

【００７２】次に、対顧客サービスとして本システムを
利用し得る業種の例としては、例えば各種保険の販売、
旅行代理店、自動車販売店、ガソリンスタンド、宿泊施
設、レストラン飲食業（ファーストフード店も含む）、
その他健康や美容に関心の高い顧客層を有しており上記
の定義にあてはまる業種および事業者がある。また、健
康食品の分野では健康を維持、増進、改善する用途・目
的に販売されている食品群（菓子・飲料含む）を含む業
種、健康器具の分野では健康を維持、増進、改善する用
途・目的に販売されている機器群（医療器具含む）を含
む業種、化粧品の分野ではフェイス（顔）およびボディ
（身体）のスキンケアを用途・目的に販売されている商
品群（医薬部外品含む）を含む業種、医薬品の分野では
健康食品、化粧品の機能を効果効能訴求して販売されて
いる食品群、商品群（薬事法等で規定されたもの）を含
む業種がある。

【００７３】次に、本システム利用例におけるシステム
構成パターン（フレームワーク）の実現例について説明
する。利用事業者（システムを利用する顧客事業者、業
種）の利用パターンには、 ａ）フロントシステム及びバックヤードシステム（バッ
クヤードシステムは利用事業者サーバーを使用） ｂ）フロントシステム（バックヤードシステムは提供事
業者サーバーを代替使用する） ｃ）フロントシステムのみ（バックヤードシステムは使
用しない、１ページでは携帯電話端末の使用例で図示し
ている、他の種類の端末で構わない）という構成により
実現するとよい。

【００７４】通信環境の利用パターンとはしては、具体
的には、 ｄ）インターネットインフラを利用するもの、 ｅ）インターネットインフラを利用しない（利用事業者
におけるクローズド利用）もので実現するとよい。 提供事業者の構成としては、例えばサーバー／クライア
ントで実現するとよい。フロントシステムにおける端末
種類としては、例えば、 ｆ）携帯電話端末、 ｇ）ＰＣおよびこれに類する端末（デスクトップ／ノー
ト／モバイル／ＰＤＡ端末等 ）、 ｈ）タッチパネル端末、 ｉ）その他の端末（専用端末、（ｇ）や（ｈ）の陳列装
置や自動販売機、ＰＯＳレジ等のストア機器と一体化し
たものなどで実現するとよい。

【００７５】次に、システムの中核である「簡単問診／
一発判定プログラム」の利用事業者への導入パターンと
はして、以下の形態で実現するとよい。 ｊ）ＣＤ、ＭＯ、フロッピー（登録商標）等によるプロ
グラムのデリバリー（上記の（ａ）、もしくは（ａ）＋
（ｅ）の構成例） ｋ）インターネットインフラ経由によるプログラムのダ
ウンロード（上に同じ、もしくはそれ以外の構成例での
バージョンアップの場合など） ｌ）提供事業者サーバーを利用するためデリバリーやダ
ウンロードをしない（（ｊ）、（ｋ）以外の構成例） ｍ）ハードディスクにインストールして端末をデリバリ
ー（上記の（ｇ）、（ｈ）、（ｉ）を構成要件とする例
で必要な場合、例えば店頭での販売促進用途での貸し出
し利用、専用端末・一体化端末の出荷など）

【００７６】本システムによって利用事業者においてＩ
Ｔ化される工程、それによる利便性・有用性（つまり効
果）は以下の通りである。 （１）接客対応において １−１ 顧客に対する問診（＝問い合わせ）工程につい
ては、超短時間化、接客改善、セルフ化を図ることがで
きる。 １−２ 問診結果に基づく総合判断（判定、診断）工程
については、超短時間化、標準化を図ることができる。 １−３ 問診結果に基づくカルテ等の顧客（情報）シー
ト作成工程については、超短時間化（一発作成）、標準
化を図ることができる。 １−４ 総合判断に基づく最適推奨製品の（組み合わ
せ）選定工程については、超短時間化、標準化、最適化
を図ることができる。

【００７７】（２）販売員教育において ２−１ 総合判断に必要な熟練度を高めるための技術教
育工程については、標準化、データ検証による修正教育
を図ることができる。 （３）マーケティングにおいて（顧客データ群に基づく
客観的な意思決定工程）３−１ 顧客に対する聞き取り
（＝問診＝アンケート）工程については、超短時間化、
データ収得率を高めることができる。 ３−２ 聞き取りデータの集計・分析工程については必
要最低限化を図ることができる。 ３−３ 集計・分析に基づく意思決定工程については、
高比重化を図ることができる。 ３−４ 顧客の潜在ニーズの測定・分析・発見工程につ
いては、より高度な意思決定の支援を行うことができ
る。例えば、従来、出来なかった工程を付加することが
可能になる。

【００７８】次に、顧客データに基づく客観的な意思決
定（マーケティング）の内容の対する効果について説明
すると、以下のようになる。 ・取り扱い製品の検討・選定については、販売効率のよ
い品揃えに関する意思決定を行うことが可能になる。 ・（購買連鎖を引き起こす）最適な陳列配置方式・陳列
場所の選定・陳列製品のカテゴリー化に関する意思決定
を行うことが可能になる。 ・接客対応手順（問診→判定→最適商品やサービスの推
奨や情報提供、その背景となる教育）の最適化に関する
意思決定を行うことが可能になる。

【００７９】次に、本システムの利用事業者におけるメ
リット（効果）は、以下のようになる。 （１）接客対応性の強化、改善（主として上記の１およ
び２の効果による）を行うことが可能になる。 （２）マーケティング実践例におけるマーケティング機
能の強化（主として上記の３の効果による）を図ること
ができる。 （３）マーケティング未実践例に対するマーケティング
機能の普及（主として上記の３の効果による）を図るこ
とができる。 （４）１〜３により、総合的に販売競争力を強化・拡充
することができる。

【００８０】なお、本発明を実施するにあたっては、上
記実施の形態に示した態様に限定されるものではなく、
本発明の目的の範囲内で各種の変形実施が可能である。
例えば、明細書中で述べたような各種プログラム、処理
については、上記実施の形態の一例では全ての具体な処
理ステップを持って示していないが、明細書中で述べた
ような各種プログラム、処理を説明した概念に沿って本
発明を実施する態様も当然に本発明の範囲である。

【００８１】

【発明の効果】本発明によれば、以下の効果を得ること
ができる。 ・ユーザ（顧客：つまり回答者）は、少ない問診項目で
かつ最少限の手間で（回答者の負担が少なく）、付加価
値の高い判定情報を得られるという効果がある。 ・判定システムは簡単な演算処理でよく、低コストにす
ることができる。したがって、美容院やコンビニエンス
ストアなどの店頭に簡便に設置することが可能になる。 ・判定システムは、情報が蓄積した場合、判定時に使用
するパラメータについては回答精度を上げるために蓄積
した情報を反映させることができ、判定結果の精度を改
善することが可能になる。 ・ユーザは判定情報を得ると同時に、その判定内容に有
効な関連商品情報を得られる。そのことは利用事業者に
とって、商品の宣伝としての価値が発生するという効果
がある。 ・大掛りなＰＯＳシステムと比べて低コストであり、か
つＰＯＳシステムでは顧客に健康診断のシミュレーショ
ンを提供するようなことはできなかったが、これに対し
て本発明では顧客に健康診断のシミュレーションを簡単
に提供することが可能になる。

【００８２】その他、各請求項に基づく限定により、以
下のような効果を得ることができる。なお、第３者が本
発明を無断実施した場合、本発明の効果の全てを充足す
る必要はなく、本発明の構成要件を満たしていれば、何
れか１つの効果に当てはまれば、本発明の無断実施に該
当するのは当然である。 ・収集した情報を蓄積してデータベース化したり、情報
の学習処理を行うことにより、判定精度の改善が容易に
なるという効果がある。 ・データベースの一元管理が可能となり、大規模なシス
テムに対応できるという効果がある。 ・データベース側で一括して分析情報を管理・閲覧がで
きる。 ・データベース側で関連する商品分野のマーケティング
分析情報を管理・閲覧ができる。 ・問診判定の適用範囲が広いという効果がある。 ・間接的な対象（例えば、ペット動物等）も問診判定の
対象にできる。 ・幅広い商品が対象となり、結果的に問診判定システム
の付加価値が向上する。 ・人工知能的な振る舞いを見せ、問診項目の量と比較し
て、付加価値の高い判定情報を生成できる。

【００８３】・問診の回答が容易になり、口頭で約１時
間程度要する問診時間が約５０秒程度に短縮できる。 ・商品の販売が容易になる。 ・購買連鎖（関連購買）の促進が図れる。 ・セルフ形式での販売が可能になり、販売促進のツール
としても有効に利用できる。 ・ユーザがカウンセリングが望ましい顧客である場合、
顧客のカウンセリングが可能になり、接客技術の標準化
に貢献し、販売員教育も容易になる。 ・ユーザが商品の消費者である場合、提供事業主体に対
する商品提案、商品や消費者が判定を要求する対象に関
連するデータの調査・分析、問診判定に必要なプログラ
ムを含む情報を利用事業主体が行うようにすることによ
り、利用事業者が問診判定プログラムを活用し易いとい
う効果がある。 ・汎用性があり、ユーザの健康、美容だけでなくユーザ
と関連性のあるペット動物まで問診の対象にできるとい
う利点がある。 ・関連する商品は、健康食品、健康器具、化粧品、医薬
品など適用商品が多いという利点がある。 ・ユーザ端末が分散して配置されても、データベースは
一括管理できる。 ・データベース側の端末側でユーザの潜在ニーズの分析
ができる。 ・問診情報に対して的確なシミュレーションを行い、推
論情報を含む多くの判定情報が得られる。 ・問診判定システム構築時のインストール作業やバージ
ョン管理が容易になる。 ・問診判定システムの関連商品提示機能のインストール
作業やバージョン管理が容易になる。 ・問診判定システムの学習機能のインストール作業やバ
ージョン管理が容易になる。

【図面の簡単な説明】

【図１】本発明の問診判定方法及び問診判定システムの
構成を示す図である。

【図２】データベースを説明する図である。

【図３】データベースを説明する図である。

【図４】本発明の問診判定方法における本質的な関係性
を説明する図である。

【図５】データベースを説明する図である。

【図６】データベースを説明する図である。

【図７】データベースを説明する図である。

【図８】データベースを説明する図である。

【図９】データベースを説明する図である。

【図１０】本発明の問診判定方法のタイプ１（演繹法）
を説明する図である。

【図１１】本発明の問診判定方法における商品との関連
判定を説明する図である。

【図１２】推論処理を説明する図である。

【図１３】推論処理を説明する図である。

【図１４】データベースを説明する図である。

【図１５】本発明の問診判定方法の動作を説明するため
のフローチャートである。

【図１６】本発明の問診判定方法および問診判定システ
ムの問診画面の例である。

【図１７】本発明の問診判定方法および問診判定システ
ムの判定結果の一例である。

【図１８】本発明の問診判定方法および問診判定システ
ムの判定結果の一例である。

【図１９】本発明の問診判定方法および問診判定システ
ムの判定結果の一例である。

【符号の説明】

１・・・ネットワーク ２・・・サーバ（提供事業者） ３・・・Ｗｅｂサーバ ４・・・端末 ５・・・サーバ（利用事業者） ６・・・携帯端末 ７・・・データベース（提供事業者） ８・・・ＰＣ端末（管理用） ９・・・データベース（利用事業者）

Claims (27)

【特許請求の範囲】
1. 【請求項１】 ユーザが判定を要求する対象を選択可能
   にユーザ端末に表示し、 選択された対象に関してユーザに複数の問診項目をユー
   ザ端末を介して提示し、 ユーザ端末を介して前記問診項目に対してユーザが回答
   してきた場合に、問診判定手段により所定のパラメータ
   と推論処理によって前記問診項目に対する回答を分析し
   てユーザが判定を要求する対象の状態を判定し、 その判定結果に基づきユーザが判定を要求した前記対象
   の状態をユーザ端末を介してユーザに提示するようにし
   たことを特徴とする問診判定方法。
2. 【請求項２】 ユーザが判定を要求する対象および該対
   象と関連性のある商品を選択可能にユーザ端末に表示
   し、 選択された対象に関してユーザに複数の問診項目をユー
   ザ端末を介して提示し、 ユーザ端末を介して前記問診項目に対してユーザが回答
   してきた場合に、問診判定手段により所定のパラメータ
   と推論処理によって前記問診項目に対する回答を分析し
   てユーザが判定を要求する対象の状態を判定し、 その判定結果に基づきユーザが判定を要求した前記対象
   の状態をユーザ端末を介してユーザに提示し、 前記判定結果に基づく関連商品情報を前記ユーザ端末を
   介してユーザに提示するようにしたことを特徴とする問
   診判定方法。
3. 【請求項３】 前記問診項目に対するユーザの回答、問
   診項目に対する回答の分析、ユーザが判定を要求する対
   象の状態の判定のうちの少なくとも１つ以上の情報を収
   集し、 収集した情報を蓄積してデータベース化し、 データベース化した情報に基づいて前記問診項目の内
   容、問診項目に対する回答の分析、ユーザが判定を要求
   する対象の状態の判定のうちの少なくとも１つ以上の情
   報について学習処理を行い、 学習処理の結果に基づき前記パラメータ、推論処理、問
   診項目の内容、問診項目に対する回答の分析、ユーザが
   判定を要求する対象の状態の判定結果のうちの少なくと
   も１つ以上を変更することを特徴とする請求項１又は２
   記載の問診判定方法。
4. 【請求項４】 前記情報の収集は、通信ネットワークを
   介して行い、 前記データベース化は、多数のユーザ端末からの情報に
   基づいて行うことを特徴とする請求項３記載の問診判定
   方法。
5. 【請求項５】 前記データベース化した情報に基づいて
   ユーザの潜在ニーズの分析を行い、 データベース側の端末で表示可能であることを特徴とす
   る請求項３記載の問診判定方法。
6. 【請求項６】 前記データベース化した情報に基づいて
   ユーザに関連する商品分野のマーケッティング分析を行
   い、 データベース側の端末で表示可能であることを特徴とす
   る請求項３記載の問診判定方法。
7. 【請求項７】 ユーザが判定を要求する前記対象は、 ユーザの健康あるいは美容のうちの少なくとも１つを含
   むものであることを特徴とする請求項１、２又は３記載
   の問診判定方法。
8. 【請求項８】 ユーザが判定を要求する前記対象は、 ユーザと関連性のあるペット動物であることを特徴とす
   る請求項１、２又は３記載の問診判定方法。
9. 【請求項９】 ユーザが判定を要求する対象と関連性の
   ある商品は、 健康食品、健康器具、化粧品、医薬品のうちの少なくと
   も１つを含むものであることを特徴とする請求項１、２
   又は３記載の問診判定方法。
10. 【請求項１０】 前記問診項目に対する回答の分析およ
    び問診項目の対象の状態の判定は、 所定のパラメータを使用した演算推論および帰納推論の
    手法処理によるものであり、 問診項目を少なくし、 一度に問診して診断する一発判定処理を行うものである
    ことを特徴とする請求項１、２又は３記載の問診判定方
    法。
11. 【請求項１１】 ユーザに対する問診は、 択一形式によってユーザに複数の問診項目を提示するこ
    とを特徴とする請求項１、２又は３記載の問診判定方
    法。
12. 【請求項１２】 前記関連商品情報のユーザへの提示で
    は、 問診結果に基づき、その症状に有効な商品および関連す
    る商品を含むことを特徴とする請求項１、２又は３記載
    の問診判定方法。
13. 【請求項１３】 前記関連商品情報のユーザへの提示で
    は、 問診結果に基づき、ユーザに最適推奨製品および関連購
    買製品を表示することを特徴とする請求項１、２又は３
    記載の問診判定方法。
14. 【請求項１４】 前記ユーザは、接客が望ましい顧客で
    あり、 顧客に対して問診項目を提示し、 顧客からの回答を所定のパラメータと推論処理によって
    分析して問診項目の対象の状態を総合判断し、 総合判断に基づき前記対象のカルテを作成して提示し、 かつ総合判断に基づき顧客に最適推奨製品を選定して示
    すことにより、セルフ形式で顧客の接客が可能であるこ
    とを特徴とする請求項２又は３記載の問診判定方法。
15. 【請求項１５】 前記ユーザは、カウンセリングが望ま
    しい顧客であり、 顧客に対して問診項目を提示し、 顧客からの回答を所定のパラメータと推論処理によって
    分析して問診項目の対象の状態を総合判断し、 総合判断に基づき前記対象のカルテを作成して提示し、 かつ総合判断に基づき顧客に最適推奨製品を選定して示
    すことにより、顧客のカウンセリングが可能であること
    を特徴とする請求項２又は３記載の問診判定方法。
16. 【請求項１６】 前記ユーザは、商品の消費者であり、 前記ユーザ端末は、消費者が使用可能なものであり、 問診判定手段による前記回答の分析、問診項目の対象の
    状態の判定、判定結果に基づく前記対象の状態の消費者
    への提示処理は、所定の提供事業主体が行い、 該提供事業主体に対する商品提案、商品や消費者が判定
    を要求する対象に関連するデータの調査・分析、問診判
    定に必要なプログラムを含む情報は、利用事業主体が行
    うものであることを特徴とする請求項１、２又は３記載
    の問診判定方法。
17. 【請求項１７】 ユーザが判定を要求する対象を選定可
    能で、かつ該対象に対する複数の問診項目をユーザ端末
    で表示可能に提供する問診項目提供手段と、 ユーザ端末を介して前記問診項目に対する回答を取得す
    る回答取得手段と、 所定のパラメータと推論処理によって前記回答取得手段
    により取得した前記問診項目に対する回答を分析してユ
    ーザが判定を要求する対象の状態を判定する問診判定手
    段と、 問診判定手段の判定結果に基づきユーザが判定を要求し
    た前記対象の状態をユーザ端末で表示可能に提供する問
    診結果提供手段と、を備えたことを特徴とする問診判定
    システム。
18. 【請求項１８】 ユーザが判定を要求する対象および該
    対象と関連性のある商品を選定可能で、かつ該対象およ
    び該対象と関連性のある商品に対する複数の問診項目を
    ユーザ端末で表示可能に提供する問診項目提供手段と、 ユーザ端末を介して前記問診項目に対する回答を取得す
    る回答取得手段と、 所定のパラメータと推論処理によって前記回答取得手段
    により取得した前記問診項目に対する回答を分析してユ
    ーザが判定を要求する対象の状態を判定する問診判定手
    段と、 所定のパラメータと推論処理によって前記回答取得手段
    により取得した前記問診項目に対する回答を分析して、
    前記対象と関連性のある商品の情報を設定する商品情報
    設定手段と、 問診判定手段の判定結果に基づきユーザが判定を要求し
    た前記対象の状態をユーザ端末で表示可能に提供する問
    診結果提供手段と、 商品情報設定手段の判定結果に基づきユーザが判定を要
    求した前記対象と関連性のある商品の情報をユーザ端末
    で表示可能に提供する商品情報提供手段と、を備えたこ
    とを特徴とする問診判定システム。
19. 【請求項１９】 前記問診項目に対するユーザの回答、
    問診項目に対する回答の分析、ユーザが判定を要求する
    対象の状態の判定のうちの少なくとも１つ以上の情報を
    収集する情報収集手段と、 収集した情報を蓄積してデータベース化するデータベー
    ス手段と、 データベース化した情報に基づいて前記問診項目の内
    容、問診項目に対する回答の分析、ユーザが判定を要求
    する対象の状態の判定のうちの少なくとも１つ以上の情
    報について学習処理を行う学習手段と、 学習処理の結果に基づき前記パラメータ、推論処理、問
    診項目の内容、問診項目に対する回答の分析、ユーザが
    判定を要求する対象の状態の判定結果のうちの少なくと
    も１つ以上を変更するデータ更新手段と、 を備えたことを特徴とする請求項１又は２記載の問診判
    定システム。
20. 【請求項２０】 前記情報収集手段は、 通信ネットワークを介して情報の収集を行い、 前記データベース手段は、 多数のユーザ端末からの情報に基づき情報を蓄積してデ
    ータベース化することを特徴とする請求項１９記載の問
    診判定システム。
21. 【請求項２１】 前記データベース化した情報に基づい
    てユーザの潜在ニーズの分析を行う潜在ニーズ分析手段
    と、 分析されたユーザの潜在ニーズをデータベース側の端末
    で表示する潜在ニーズ表示手段を含むことを特徴とする
    請求項１９記載の問診判定システム。
22. 【請求項２２】 前記問診項目を少なく設定し、 前記問診判定手段は、 問診項目に対する回答の分析および問診項目の対象の状
    態の判定を行う処理として、所定のパラメータを使用し
    た演算推論および帰納推論の手法処理を使用するととも
    に、一度に問診して診断する一発判定処理を行うもので
    あることを特徴とする請求項１７、１８又は１９の記載
    の問診判定システム。
23. 【請求項２３】 ユーザが判定を要求する対象を選定可
    能で、かつ該対象に対する複数の問診項目をユーザ端末
    で表示可能に提供する処理と、 ユーザ端末を介して前記問診項目に対する回答を取得す
    る処理と、 所定のパラメータと推論処理によって前記取得した問診
    項目に対する回答を分析してユーザが判定を要求する対
    象の状態を判定する処理と、 該判定結果に基づきユーザが判定を要求した前記対象の
    状態をユーザ端末で表示可能に提供する処理と、をコン
    ピュータに実行させることを特徴とする問診判定プログ
    ラム。
24. 【請求項２４】 ユーザが判定を要求する対象および該
    対象と関連性のある商品を選定可能で、かつ該対象およ
    び該対象と関連性のある商品に対する複数の問診項目を
    ユーザ端末で表示可能に提供する処理と、 ユーザ端末を介して前記問診項目に対する回答を取得す
    る処理と、 所定のパラメータと推論処理によって前記取得した問診
    項目に対する回答を分析してユーザが判定を要求する対
    象の状態を判定する処理と、 所定のパラメータと推論処理によって前記取得した前記
    問診項目に対する回答を分析して、前記対象と関連性の
    ある商品の情報を設定する処理と、 該判定結果に基づきユーザが判定を要求した前記対象の
    状態をユーザ端末で表示可能に提供する処理と、 前記判定結果に基づきユーザが判定を要求した前記対象
    と関連性のある商品の情報をユーザ端末で表示可能に提
    供する処理と、をコンピュータに実行させることを特徴
    とする問診判定プログラム。
25. 【請求項２５】 前記問診項目に対するユーザの回答、
    問診項目に対する回答の分析、ユーザが判定を要求する
    対象の状態の判定のうちの少なくとも１つ以上の情報を
    収集する処理と、 収集した情報を蓄積してデータベース化する処理と、 データベース化した情報に基づいて前記問診項目の内
    容、問診項目に対する回答の分析、ユーザが判定を要求
    する対象の状態の判定のうちの少なくとも１つ以上の情
    報について学習処理を行う処理と、 学習処理の結果に基づき前記パラメータ、推論処理、問
    診項目の内容、問診項目に対する回答の分析、ユーザが
    判定を要求する対象の状態の判定結果のうちの少なくと
    も１つ以上を変更する処理と、を含んでコンピュータに
    実行させることを特徴とする請求項２３又は２４記載の
    問診判定プログラム。
26. 【請求項２６】 通信ネットワークを介して前記情報の
    収集を行う処理と、 多数のユーザ端末からの情報に基づき前記情報を蓄積し
    てデータベース化する処理と、を含んでコンピュータに
    実行させることを特徴とする請求項２５記載の問診判定
    プログラム。
27. 【請求項２７】 前記データベース化した情報に基づい
    てユーザの潜在ニーズの分析を行う処理と、 分析されたユーザの潜在ニーズをデータベース側の端末
    で表示する処理と、を含んでコンピュータに実行させる
    ことを特徴とする請求項２５記載の問診判定プログラ
    ム。