JP2011076170A - 商品推奨方法及び商品推奨システム - Google Patents

Abstract

【課題】各消費者にとって実効性の高い内容の推奨を実効性の高い時期に確実に行うことができる商品推奨方法及び商品推奨システムを提供する。
【解決手段】消費者データベース２１４より取得した購入履歴情報を用いて、各消費者を、互いに商品購入時期の異なる４つグループＡ〜Ｄに分類するステップＳ２０の手順と、分類された４つのグループＡ〜ＤのうちグループＡの消費者の携帯端末４００に対し、複数の推奨情報を配信するステップＳ５０の手順と、配信された推奨情報に対応した、グループＡの消費者の購入履歴を集計するステップＳ８０の手順と、集計した消費者の購入履歴に基づき、グループＢの消費者に対する推奨情報の内容及び推奨時期を決定するステップＳ１００の手順と、決定された推奨時期が到来したら、決定された推奨情報を、グループＢの消費者の携帯端末４００に対して配信するステップＳ１２０の手順とを有する。
【選択図】図８

Description

本発明は、消費者に特定の商品を推奨する商品推奨方法及び商品推奨システムに関する。

一般に、消費者の個性や消費動向には個々の違いがある。例えばある商品が市場に投入されてから比較的短い時間で消費する傾向の、流行や新製品にすぐ飛びつく属性の消費者が存在する。また、商品が市場に投入されてから比較的長い時間の経過後に消費する傾向の、新製品の様子をじっくり見極める属性の消費者も存在する。

従来、このような種々の消費者の属性に対応したコンテンツ提供方法が知られている（例えば、特許文献１参照）。この従来技術では、推奨サーバが、消費者がアクセスしたコンテンツの特徴から当該消費者のアクセス時期特性を推定し、各消費者を嗜好に基づいて複数の消費者タイプに分類する。その後、推奨サーバは、当該消費者タイプに属する消費者がアクセスしたコンテンツの履歴を集計する。そして、推奨サーバは、当該集計結果に基づき、消費者タイプそれぞれに属する各消費者に、コンテンツを提供する。

特開２００８−２９９５４２号公報

例えば、商品が市場に投入された直後から、購入者数が急激に増加して流行するまでの時期において購入行動を起こす初期購入者に該当する消費者タイプが知られている。この初期購入者に対し商品の推奨を行うことで、当該商品の市場投入直後の早い時期に購入者数を増加させることができる。この結果、初期購入者以降に商品を購入する消費者タイプの購入意欲を刺激し、さらに購入者数を増大させることができる。

しかしながら、上記従来技術では、複数の消費者を嗜好によって複数の消費者タイプに分類し、各消費者タイプの嗜好に応じて推奨する内容を変えるのみである。すなわち、上記のような、各消費者タイプごとの消費行動時期の違いや、先に行動する消費者タイプの動向が後に行動する消費者タイプの動向に与える影響等は、特に配慮されていない。このため、各消費者にとって最も適したタイミングで、消費者に適した内容の推奨を行うという観点からは、必ずしも十分なものではなかった。

本発明の目的は、各消費者にとって実効性の高い内容の推奨を実効性の高い時期に確実に行うことができる、商品推奨方法及び商品推奨システムを提供することにある。

上記目的を達成するために、第１の発明は、商品推奨者側の第１情報端末における操作入力情報に応じて、商品の識別情報と当該商品に対する複数の消費者の消費行動履歴とを対応付けた消費履歴情報を、各商品ごとに記憶した消費者データベースにアクセスし、複数の商品に対する複数の消費者の消費履歴情報を取得する第１手順と、前記第１手順で取得した前記複数の商品に対する前記複数の消費者の前記消費履歴情報を用いて、各消費者を、互いに消費行動時期の異なる複数のグループに分類する第２手順と、前記第２手順で分類された前記複数のグループのうち所定の第１グループに属する複数の第１消費者の第２情報端末に対し、推奨データベースより取得した所定の複数の推奨情報を出力する第３手順と、前記第３手順で出力された前記所定の複数の推奨情報に対応した、前記第１消費者の消費行動履歴を集計する第４手順と、前記第４手順で集計した前記第１消費者の前記消費行動履歴に基づき、前記第２手順で前記所定の第１グループの次に消費行動時期が早いグループとして分類された、第２グループに属する複数の第２消費者に対する推奨情報の内容及び推奨時期を決定する第５手順と、前記第５手順で決定された前記推奨時期が到来したら、前記第５手順で決定された推奨情報を、複数の前記第２消費者の第３情報端末に対して出力する第６手順とを有することを特徴とする。

本願第１発明においては、第１手順で取得した、複数の商品に対する複数の消費者の消費履歴情報を用いて、第２手順で、各消費者を消費行動時期の違いに応じて複数のグループに分類する。そして、第３手順で、分類された複数のグループのうち所定の第１グループの複数の第１消費者の第２情報端末に対し、所定の複数の推奨情報を出力し、これら推奨情報に対応した第１消費者の消費行動履歴を第４手順で集計する。その集計した消費行動履歴に基づき、第５手順で、第１グループの次に消費行動時期が早い第２グループの複数の第２消費者に対する推奨情報の内容及び推奨時期を決定する。決定された推奨時期が来たら、第６手順で、決定された内容の推奨情報を第２消費者の第３情報端末に対し出力する。

以上のようにして、本願第１発明では、時期的に先行して行動する第１消費者の消費行動履歴を反映する形で、第２消費者への推奨内容や推奨時期を決定する。これにより、複数の消費者を嗜好により分類して嗜好に合わせて推奨内容を変化させるのみの従来手法と異なり、各消費者の消費行動時期の違いや、先に行動する消費者の動向が後に行動する消費者の動向に与える影響等を加味した、実効性の高い内容の推奨を実効性の高い時期に提供することができる。この結果、各消費者にとって最も適したタイミングで、当該消費者に適した内容の推奨を行うことができる。

第２発明は、上記第１発明において、前記第４手順は、前記第３手順で前記所定の複数の推奨情報が出力され、所定期間が経過したかどうかを判定する判定手順を備え、前記判定手順により前記所定期間が経過したと判定された場合に、当該複数の推奨情報に対応した前記第１消費者の消費行動履歴を集計することを特徴とする。

これにより、第１消費者の第２情報端末に対して出力された複数の推奨情報が第１消費者の消費行動に与えた影響を、確実に集計することができる。

第３発明は、上記第２発明において、前記第５手順は、前記第３手順で出力された前記所定の複数の推奨情報に対応し、前記複数の第１消費者が、当該推奨情報に係わる消費以外の特定の消費関連行動を起こしたことを契機に、当該複数の第１消費者に対応する前記複数の第２消費者に対する推奨情報の内容及び推奨時期を決定することを特徴とする。

これにより、複数の推奨情報に応じて起こした第１消費者による特定の消費関連行動の影響を確実に反映して、第２消費者に対し有効な推奨を行うことができる。

第４発明は、上記第２発明において、前記第５手順は、前記第３手順で出力された前記所定の複数の推奨情報に対応し、前記複数の第１消費者が、当該推奨情報に係わる消費としての購入行動を起こしたことを契機に、当該複数の第１消費者に対応する前記複数の第２消費者に対する推奨情報の内容及び推奨時期を決定することを特徴とする。

これにより、複数の推奨情報に応じて起こした第１消費者による購入行動の影響を確実に反映して、第２消費者に対し有効な推奨を行うことができる。

第５発明は、上記第１乃至第４発明のいずれかにおいて、前記第２手順は、各グループごとに、当該グループに属する複数の消費者を、互いに嗜好が異なる複数の小グループに分類する小グループ分け手順を備え、前記第５手順は、複数の前記第２消費者の属する前記小グループと同一又は類似の前記小グループに属する前記第１消費者の前記消費行動履歴に基づき、当該複数の第２消費者に対する推奨情報の内容及び推奨時期を決定することを特徴とする。

第２消費者に対し推奨を行うとき、当該第２消費者と同一又は類似の嗜好を備えた第１消費者の消費行動履歴を反映させることにより、確実に有効な推奨を行うことができる。

第６発明は、上記第５発明において、前記第２手順は、各小グループの相互間で、消費者の嗜好の遠近度に応じた重み付けを設定する重み付け設定手順を備え、前記第５手順は、複数の前記第２消費者の属する前記小グループと同一又は類似の前記小グループに属する前記第１消費者の前記消費行動履歴に対し、前記重み付け設定手順で設定された前記重み付けを加味して、当該複数の第２消費者に対する推奨情報の内容及び推奨時期を決定することを特徴とする。

第２消費者に対し推奨を行うために第１消費者の消費行動履歴を反映させるとき、重み付けを用いることにより、第１消費者との嗜好の類似性の遠近に応じた、きめ細かく反映させることができ、さらに確実に有効な推奨を行うことができる。

上記目的を達成するために、本願第７発明の商品推奨システムは、商品の識別情報と当該商品に対する複数の消費者の消費行動履歴とを対応付けた消費履歴情報を、各商品ごとに記憶した消費者データベースと、前記複数の商品に対する前記複数の消費者の前記消費履歴情報を用いて、各消費者を、互いに消費行動時期の異なる複数のグループに分類するグループ分類手段と、前記グループ分類手段で分類された前記複数のグループのうち所定の第１グループに属する複数の第１消費者の第２情報端末に対し、推奨データベースより取得した所定の複数の推奨情報を出力する第１推奨情報出力手段と、前記第１推奨情報出力手段で出力された前記所定の複数の推奨情報に対応した、前記第１消費者の消費行動履歴を集計する履歴集計手段と、前記履歴集計手段で集計した前記第１消費者の前記消費行動履歴に基づき、前記グループ分類手段で前記所定の第１グループの次に消費行動時期が早いグループとして分類された、第２グループに属する複数の第２消費者に対する推奨情報の内容及び推奨時期を決定する推奨決定手段と、前記推奨決定手段で決定された前記推奨時期が到来したら、前記推奨決定手段で決定された推奨情報を、複数の前記第２消費者の第３情報端末に対して出力する第２推奨情報出力手段とを有することを特徴とする。

本願第７発明においては、複数の商品に対する複数の消費者の消費履歴情報を用いて、グループ分類手段で、各消費者を消費行動時期の違いに応じて複数のグループに分類する。そして、第１推奨情報出力手段で、分類された複数のグループのうち所定の第１グループの複数の第１消費者の第２情報端末に対し、所定の複数の推奨情報を出力し、これら推奨情報に対応した第１消費者の消費行動履歴を履歴集計手段で集計する。その集計した消費行動履歴に基づき、推奨決定手段で、第１グループの次に消費行動時期が早い第２グループの複数の第２消費者に対する推奨情報の内容及び推奨時期を決定する。決定された推奨時期が来たら、第２推奨情報出力手段で、決定された内容の推奨情報を第２消費者の第３情報端末に対し出力する。

以上のようにして、本願第７発明では、時期的に先行して行動する第１消費者の消費行動履歴を反映する形で、第２消費者への推奨内容や推奨時期を決定する。これにより、複数の消費者を嗜好により分類して嗜好に合わせて推奨内容を変化させるのみの従来手法と異なり、各消費者の消費行動時期の違いや、先に行動する消費者の動向が後に行動する消費者の動向に与える影響等を加味した、実効性の高い内容の推奨を実効性の高い時期に提供することができる。この結果、各消費者にとって最も適したタイミングで、当該消費者に適した内容の推奨を行うことができる。

本発明によれば、各消費者にとって実効性の高い内容の推奨を実効性の高い時期に確実に行うことができる。

本発明の一実施の形態の商品推奨システムの全体構成を概念的に表すシステム構成図である。 広告データベースの記憶内容の一例を示す表である。 消費者データベースの記憶内容の一例を示す表である。 作成された複数のベクトルの一例を示す図である。 各消費者を、４つのグループＡ〜Ｄに分類した分類結果の一例を示す表である。 記憶部の適宜の領域に蓄積された、グループＡに属する複数の消費者の購入履歴の一例を示す表である。 グループＡに属する複数の消費者の購入履歴を集計した集計結果の一例を示す表である。 サーバの制御部が実行する制御内容を表すフローチャートである。 各消費者を、互いに嗜好が異なる複数のユニットに分類する変形例において、予め設定されている複数のユニットの一例を示す図である。 グループＡに属する複数の消費者を、複数のユニットに分類した分類結果の一例を示す表である。 グループＡに属する消費者の購入履歴を、各ユニットごとに集計した集計結果の一例を示す表である。 サーバの制御部が実行する制御内容を表すフローチャートである。 嗜好が類似するユニットに属する消費者の購入履歴にも応じる変形例において、設定された各ユニットの相互間における重み付けの一例を示す表である。 各ユニット相互間で設定した重み付けを加味して、複数の第２消費者に対する推奨情報の内容等を、各ユニットごとに決定する手法の一例を示す表である。 サーバの制御部が実行する制御内容を表すフローチャートである。 消費関連行動に基づき第２消費者に対する推奨情報の内容等を決定する変形例において、商品推奨システムの全体構成を概念的に表すシステム構成図である。

以下、本発明の一実施の形態を図面を参照しつつ説明する。

図１を用いて、本実施形態の商品推奨システムの全体構成を説明する。

図１において、商品推奨システム１は、商品推奨者側の第１情報端末としてのサーバ２００と、基地局３００と、携帯端末４００と、広告配信会社５００と、販売会社６００とを有している。

サーバ２００には、ディスプレイ２２０、キーボード２２１、及びマウス２２２が接続されている。またサーバ２００は、サーバ２００全体の制御を行う制御部２０１と、Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ（ＨＤＤ）等で構成された記憶部２１０と、通信制御部２０２と、出力制御部２０３と、入力制御部２０４とを有している。

通信制御部２０２は、上記基地局３００、広告配信会社５００、及び販売会社６００との間でネットワークＮＷを介して行われる情報通信の制御を行う。また出力制御部２０３は、上記ディスプレイ２２０への映像信号の出力に関する制御を行う。また入力制御部２０４は、上記キーボード２２１やマウス２２２を介した情報の入力に関する制御を行う。

記憶部２１０は、広告データベース２１２と、プログラム記憶エリア２１３と、消費者データベース２１４とを有している。

広告データベース２１２には、上記広告配信会社５００より配信された各種商品に係わる複数の推奨情報が記憶されている（詳細は後述の図２参照）。なお、この広告データベース２１２が、推奨データベースに相当する。

また消費者データベース２１４には、複数の商品に対する複数の消費者の購入履歴情報が、各商品ごとに記憶されている（詳細は後述の図３参照）。

またプログラム記憶エリア２１３には、商品推奨方法（後述の図４乃至図１３等参照）を制御部２０１に実行させるための商品推奨処理プログラム等の各種プログラムが記憶されている。

制御部２０１は、いわゆるマイクロコンピュータである。すなわち図示を省略するが、制御部２０１は、中央演算処理装置であるＣＰＵ、ＲＯＭ、及びＲＡＭ等から構成され、ＲＡＭの一時記憶機能を利用しつつ、記憶部２１０の上記プログラム記憶エリア２１３に記憶された各種プログラムに従って信号処理を行う。

上記構成であるサーバ２００は、ネットワークＮＷを介して基地局３００に接続されている。これにより、上記広告データベース２１２に記憶された推奨情報を、基地局３００を介し、各消費者により携帯される携帯端末４００に対し無線通信により送信可能となっている。携帯端末４００としては、例えば携帯電話等が用いられる。その他にも、例えばＰｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔ（ＰＤＡ）等の情報端末を用いてもよい。

携帯端末４００は、各種表示を行う液晶ディスプレイ等の表示部４０１と、操作部４０２と、アンテナ４１０とを有している。操作部４０２は、消費者が各種操作入力を行うための数字キー及び操作ボタンから構成される。アンテナ４１０は、基地局３００と無線通信を介し情報送受信を行う。また携帯端末４００は、上記表示部４０１、操作部４０２、及びアンテナ４１０の他に、無線通信制御部４０３と、携帯端末４００全体の制御を行う制御部４０４とを有している。無線通信制御部４０３は、基地局３００との間で無線通信を介して行われる情報通信の制御を行う。制御部４０４は、サーバ２００よりネットワークＮＷ及び基地局３００を介して上記推奨情報を受信すると、当該推奨情報を表示部４０１に表示させる。

またサーバ２００は、ネットワークＮＷを介して広告配信会社５００に接続されている。これにより、サーバ２００は、上記広告配信会社５００より配信された各種商品に係わる複数の推奨情報を、広告データベース２１２に登録する。そして、当該登録した複数の推奨情報の中から所定の推奨情報を、消費者の携帯端末４００に配信する。

またサーバ２００は、ネットワークＮＷを介して販売会社６００に接続されている。これにより、サーバ２００は、複数の消費者の携帯端末４００に推奨情報を配信した後、販売会社６００より通知される当該推奨情報に係わる商品についての、当該消費者の購入履歴を取得可能となっている。

図２を用いて、上記広告データベース２１２の記憶内容の一例を説明する。

図２に示すように、広告データベース２１２には、上記広告配信会社５００より配信された各種商品に係わる複数の推奨情報が、対応する広告ＩＤと関連付けられて登録されている。この推奨情報には、推奨する商品の分類情報、及び、推奨内容を表すテキスト情報が含まれている。なお、推奨情報として、これら以外にも商品名、商品内容、価格、外観画像等の商品に係わる情報が登録されていてもよい。

上記広告ＩＤは、取得した新たな推奨情報を広告データベース２１２に登録する際にサーバ２００制御部２０１によって付与される。制御部２０１は、この広告データベース２１２に登録された複数の推奨情報の中から、指定された広告ＩＤに関連付けられた推奨情報を、消費者の携帯端末４００に配信する。

図３を用いて、上記消費者データベース２１４の記憶内容の一例を説明する。

図３に示すように、消費者データベース２１４には、商品の識別情報としての商品ＩＤと、当該商品の販売開始日時と、当該商品に対する複数の消費者の購入履歴とを対応付けた購入履歴情報が、各商品ごとに記憶されている。上記販売開始日時は、商品を販売する上記販売会社６００より当該商品が最初に市場で販売された日時情報である。また上記消費者の購入履歴には、商品を購入した消費者の識別情報である消費者ＩＤと、消費者の商品の購入日時とが含まれている。なお、この消費者の購入履歴が、消費者の消費行動履歴に相当し、購入履歴情報が、消費履歴情報に相当する。

上記構成である商品推奨システム１の特徴は、サーバ２００における、各消費者を互いに商品購入時期の異なる複数のグループに分類する手順、所定のグループ（後述）の消費者に対し所定の複数の推奨情報を配信する手順、配信された推奨情報に対応した消費者の購入履歴を集計する手順、上記所定のグループの次に商品購入時期が早いグループ（後述）の消費者に対する推奨情報の内容及び推奨時期を決定する手順、当該グループの消費者に対し推奨情報を配信する手順、にある。以下、この内容の詳細について順次説明する。

サーバ２００の制御部２０１は、まず、サーバ２００に接続された上記キーボード２２１やマウス２２２からの操作入力情報に応じて、消費者データベース２１４にアクセスし、購入履歴情報（図３参照）を取得する。そして、当該取得した購入履歴情報に含まれる複数の消費者ＩＤに対応する消費者を、当該購入履歴情報に基づき、公知の手法を用いて、商品購入時期、言い換えれば、商品購入までの経過時間が互いに異なる複数のグループに分類する。なお、上記商品購入時期、言い換えれば、上記商品購入までの経過時間が、消費行動時期に相当する。

その手法の一例としては、上記取得した購入履歴情報に含まれる販売開始日時及び購入日時を用いて、上記商品購入までの経過時間、すなわち、商品の販売開始日時から当該商品の購入日時までの経過時間を算出する。例えば、上記図３の消費者データベース２１４に示す消費者ＩＤ「１５４３４」に対応する消費者についての、商品ＩＤ「１００１」に対応する商品購入までの経過時間は、７日間、すなわち１週間と算出できる。このような経過時間の算出を、上記取得した購入履歴情報に含まれるすべての購入履歴について行う。そして、すべての購入履歴についての上記経過時間を算出したら、その算出結果に基づき、上記取得した購入履歴情報に含まれる複数の消費者ＩＤに対応する消費者についての上記経過時間、言い換えれば商品購入傾向を反映した、複数のベクトルを作成する。

図４を用いて、上記のようにして作成された複数のベクトルの一例を説明する。

図４に示す例では、上記のような手法により、４つのベクトルＶＡ，ＶＢ，ＶＣ，ＶＤが作成された場合を示している。すなわち、図中一点鎖線で示すベクトルＶＡは、作成された４つのベクトルＶＡ，ＶＢ，ＶＣ，ＶＤのうち、商品購入頻度のピークとなる時期が最も早いベクトルである。また図中点線で示すベクトルＶＢは、商品購入頻度のピークとなる時期が上記ベクトルＶＡの次に早いベクトルである。また図中鎖線で示すベクトルＶＣは、商品購入頻度のピークとなる時期が上記ベクトルＶＢの次に早いベクトルである。また図中実線で示すベクトルＶＤは、商品購入頻度のピークとなる時期が上記ベクトルＶＣの次に早い、すなわち、作成された４つのベクトルＶＡ，ＶＢ，ＶＣ，ＶＤのうち、商品購入頻度のピークとなる時期が最も遅いベクトルである。

本実施形態においては、上記取得した購入履歴情報に含まれる複数の消費者ＩＤに対応する消費者それぞれを、上記作成された４つのベクトルＶＡ，ＶＢ，ＶＣ，ＶＤのうち、当該消費者の商品購入傾向が最も近いベクトルに対応付ける。これにより、各消費者を、互いに商品購入時期が異なる４つのグループに分類する。

すなわち、商品購入傾向が上記ベクトルＶＡに最も近い消費者を、ベクトルＶＡに対応付ける。このベクトルＶＡに対応付けられた複数の消費者のグループは、最も商品購入時期が早いグループである。以下、このグループを、「グループＡ」と称する。

また商品購入傾向が上記ベクトルＶＢに最も近い消費者を、ベクトルＶＢに対応付ける。このグループＶＢに対応付けられた複数の消費者のグループは、上記グループＡの次に商品購入時期が早いグループである。以下、このグループを、「グループＢ」と称する。

また商品購入傾向が上記ベクトルＶＣに最も近い消費者を、ベクトルＶＣに対応付ける。このグループＶＣに対応付けられた複数の消費者のグループは、上記グループＢの次に商品購入時期が早いグループである。以下、このグループを、「グループＣ」と称する。

また商品購入傾向が上記ベクトルＶＤに最も近い消費者を、ベクトルＶＤに対応付ける。このグループＶＤに対応付けられた複数の消費者のグループは、上記グループＣの次に商品購入時期が早いグループ、すなわち、最も商品購入時期が遅いグループである。以下、このグループを、「グループＤ」と称する。

以上のように、本実施形態においては、各消費者を、４つのグループＡ〜Ｄに分類する。なお、各消費者を分類するグループ数は４つに限られず、もっと多くてもよいし、逆にもっと少なくてもよい。また、各消費者を、複数のグループに分類する手法は、上記の手法に限られず、その他の手法を用いてもよい。

図５を用いて、各消費者を、上記４つのグループＡ〜Ｄに分類した分類結果の一例を説明する。

図５に示す例では、上記取得した購入履歴情報に含まれる複数の消費者ＩＤに対応する消費者のうち、消費者ＩＤ「１２」「８４６」・・・に対応する消費者が、グループＡに分類され、消費者ＩＤ「６８４」「９４５」・・・に対応する消費者が、グループＢに分類され、消費者ＩＤ「３６４９」「１８９８４」・・・に対応する消費者が、グループＣに分類され、消費者ＩＤ「８」「４５」・・・に対応する消費者が、グループＤに分類された場合を示している。

このように、各消費者を、商品購入時期の違いに応じて４つのグループＡ〜Ｄに分類したら、次に、広告データベース２１２にアクセスし、登録された上記広告配信会社５００より配信された各種商品に係わる複数の推奨情報（図２を参照）のうち、所定の複数の推奨情報を取得する。なおこのとき、広告データベース２１２に記憶されたすべての推奨情報を取得してもよいし、予め設定された重要度が高い又は配信希望日が近い等の優先度が高い推奨情報を選択して取得してもよい。あるいは、推奨情報をランダムに選択して取得するようにしてもよい。

そして、分類された４つのグループＡ〜Ｄのうち、グループＡに属する複数の消費者の携帯端末４００に対し、上記取得した所定の複数の推奨情報を出力、すなわち配信する。この場合、グループＡが、所定の第１グループに相当し、グループＡに属する消費者が、第１消費者に相当し、グループＡに属する消費者の携帯端末４００が、第２情報端末に相当する。なおこのとき、所定の複数の推奨情報の配信対象となるグループは、グループＡには限られず、別のグループ、例えばグループＢやグループＣなどでもよい。あるいは、分類されたすべてのグループＡ〜Ｄでもよい。

その後、グループＡに属する消費者の携帯端末４００に、上記配信された複数の推奨情報が受信されると、その携帯端末４００の表示部４０１には、当該受信された複数の推奨情報が表示される。そして、その表示された複数の推奨情報に対応し、グループＡに属する消費者が、当該推奨情報に係わる消費としての購入行動を起こした、言い換えれば、当該推奨情報に係わる商品を購入した、ことを契機に、上記販売会社６００から、その商品に係わるグループＡに属する消費者の購入履歴情報が入力される。その後、その入力された購入履歴情報に基づき、上記配信された複数の推奨情報に係わる商品を購入した、グループＡに属する消費者の購入履歴を、記憶部２１０の適宜の領域に記憶する。したがって、記憶部２１０の適宜の領域には、グループＡに属する複数の消費者が、当該推奨情報に係わる商品を購入するたびに、その購入履歴が記憶され、時間が経過するにつれて、それら購入履歴は蓄積されていく。

図６を用いて、記憶部２１０の適宜の領域に蓄積された、上記グループＡに属する複数の消費者の購入履歴の一例を説明する。なお、この図６には、上記所定の複数の推奨情報として、上記図２に示す広告ＩＤ「Ａ１００１」「Ａ２００１」「Ａ２００２」「Ａ２００３」「Ａ２００４」に対応する５つの推奨情報が配信されていた場合における、上記グループＡに属する複数の消費者の購入履歴の一例を示している。

図６において、記憶部２１０の適宜の領域には、上記配信された５つの推奨情報に対応する広告ＩＤ「Ａ１００１」「Ａ２００１」「Ａ２００２」「Ａ２００３」「Ａ２００４」ごとに、対応する推奨情報に係わる商品を購入した、グループＡに属する複数の消費者の購入履歴が記憶されている。この例では、消費者の購入履歴として、消費者の消費者ＩＤが記憶されている。なお、消費者の購入履歴として、商品の購入日時等も記憶するようにしてもよい。

本実施形態においては、グループＡの消費者に対する推奨情報の配信から所定期間、例えば１週間が経過するまで、上記配信された推奨情報に対応し、当該推奨情報に係わる商品を購入した、当該グループＡに属する複数の消費者の購入履歴を蓄積する。そして、上記所定時間が経過したら、上記グループＡに属する複数の消費者の購入履歴を集計する。

図７を用いて、上記グループＡに属する複数の消費者の購入履歴を集計した集計結果の一例を説明する。なお、この図７は、上記図６に対応する図である。

本実施形態においては、グループＡに属する複数の消費者の携帯端末４００に対し配信された複数の推奨情報のうち、上記集計したグループＡに属する複数の消費者の購入履歴が、所定数以上、例えば１０以上となった推奨情報を、次に商品購入時期が早いグループＢに属する複数の消費者に対する推奨情報の内容として決定する。

したがって、図７に示す例では、上記配信された広告ＩＤ「Ａ１００１」「Ａ２００１」「Ａ２００２」「Ａ２００３」「Ａ２００４」に対応する５つの推奨情報のうち、上記グループＡに属する消費者の購入履歴の集計数が１０以上となった、図中破線楕円で囲む広告ＩＤ「Ａ１００１」「Ａ２００２」「Ａ２００４」に対応する３つの推奨情報が、グループＢに属する複数の消費者に対する推奨情報の内容として決定される。

なお、上記グループＡに属する消費者の購入履歴の集計数が多かった順に、所定数、例えば３つの推奨情報を、グループＢに属する消費者に対する推奨情報の内容として決定するようにしてもよい。

また、推奨情報の推奨時期は、上記各推奨情報ごとの、上記グループＡに属する消費者の購入履歴の集計数に応じて決定する。一例としては、上記集計数が最も多かった推奨情報を、所定日時、例えば上記グループＡに属する消費者の購入履歴を集計した当日に配信し、その後、上記集計数が多かった順に、所定間隔で、例えば１日間隔で配信するように決定する。

このように、グループＢに属する消費者に対する推奨情報の内容等が決定したら、当該決定した推奨情報の内容及び推奨時期に従って、グループＢに属する複数の消費者の携帯端末４００に対し、推奨情報を配信する。詳細には、上記決定された推奨情報それぞれについて、上記決定された対応する推奨時期が到来したら、グループＢに属する複数の消費者の携帯端末４００に配信する。この場合、グループＢが、第２グループに相当し、グループＢに属する消費者が、第２消費者に相当し、グループＢに属する消費者の携帯端末４００が、第３情報端末に相当する。

また、サーバ２００の制御部２０１は、上記分類された４つのグループＡ〜Ｄのうち、商品購入時期が早い順に、すなわち、グループＡ、グループＢ、グループＣ、グループＤの順に、各グループの消費者の携帯端末４００に対し推奨情報を配信する。すなわち、上記のようにグループＢの消費者の携帯端末４００に推奨情報を配信した後は、その配信された推奨情報に対応した、グループＢの消費者の購入履歴を集計する。その後、その集計した購入履歴に基づき、グループＣの消費者に対する推奨情報の内容等を決定し、その決定内容に応じて、グループＣの消費者の携帯端末４００に推奨情報を配信する。その後も同様に、グループＣの消費者の購入履歴を集計→グループＤの消費者に対する推奨情報の内容等を決定→グループＤの消費者の携帯端末４００に推奨情報を配信→グループＤの消費者の購入履歴を集計、の処理を行う。

したがって、グループＡの消費者の携帯端末４００に推奨情報を配信→グループＡの消費者の購入履歴を集計→グループＢの消費者に対する推奨情報の内容等を決定→グループＢの消費者の携帯端末４００に推奨情報を配信までの処理に関しては、グループＡが第１グループ、グループＡに属する消費者が第１消費者、グループＡに属する消費者の携帯端末４００が第２情報端末、グループＢが第２グループ、グループＢに属する消費者が第２消費者、グループＢに属する消費者の携帯端末４００が第３情報端末に相当する。

また、グループＢの消費者の携帯端末４００に推奨情報を配信→グループＢの消費者の購入履歴を集計→グループＣの消費者に対する推奨情報の内容等を決定→グループＣの消費者の携帯端末４００に推奨情報を配信までの処理に関しては、グループＢが第１グループ、グループＢに属する消費者が第１消費者、グループＢに属する消費者の携帯端末４００が第２情報端末、グループＣが第２グループ、グループＣに属する消費者が第２消費者、グループＣに属する消費者の携帯端末４００が第３情報端末に相当する。

また、グループＣの消費者の携帯端末４００に推奨情報を配信→グループＣの消費者の購入履歴を集計→グループＤの消費者に対する推奨情報の内容等を決定→グループＤの消費者の携帯端末４００に推奨情報を配信までの処理に関しては、グループＣが第１グループ、グループＣに属する消費者が第１消費者、グループＣに属する消費者の携帯端末４００が第２情報端末、グループＤが第２グループ、グループＤに属する消費者が第２消費者、グループＤに属する消費者の携帯端末４００が第３情報端末に相当する。

また、グループＤの消費者の携帯端末４００に推奨情報を配信→グループＤの消費者の購入履歴を集計までの処理に関しては、グループＤが第１グループ、グループＤに属する消費者が第１消費者、グループＤに属する消費者の携帯端末４００が第２情報端末に相当する。

以下適宜、「第１グループ」に相当するグループを「第１グループ」と称し、「第２グループ」に相当するグループを「第２グループ」と称する。また、「第１消費者」に相当する消費者を「第１消費者」と称し、「第２消費者」に相当する消費者を「第２消費者」と称する。

上述したような処理を行う際に、サーバ２００の制御部２０１が実行する制御内容を、図８を用いて説明する。

図８において、例えばサーバ２００に接続された上記キーボード２２１やマウス２２２における操作入力情報が、入力制御部２０４を介し制御部２０１に入力されることによって、図中「ＳＴＡＲＴ」位置で表されるように、このフローが開始される。

まずステップＳ１０で、制御部２０１は、上記消費者データベース２１４にアクセスし、複数の商品に対する複数の消費者の購入履歴情報（図３参照）を取得する。このステップが、第１手順に相当する。

その後、ステップＳ２０で、制御部２０１は、上記ステップＳ１０で取得した購入履歴情報に基づき、公知の手法を用いて、各消費者を、互いに商品購入時期の異なる複数のグループに分類する。なお、本実施形態では、前述したような手法を用いて、４つのグループＡ〜Ｄに分類する（図４及び図５を参照）。このステップが、第２手順に相当すると共にグループ分類手段として機能する。

そして、ステップＳ３０に移り、制御部２０１は、上記ステップＳ２０で分類された４つのグループＡ〜Ｄに対応する変数Ｎの値を１に設定する。この変数Ｎの値は、上記ステップＳ２０で分類された４つのグループＡ〜Ｄのうち、上記商品購入時期が早い順に、すなわち、グループＡ、グループＢ、グループＣ、グループＤの順に、Ｎ＝１，Ｎ＝２，Ｎ＝３，Ｎ＝Ｎｍａｘ＝４に対応するように予め設定されている。

その後、ステップＳ４０で、制御部２０１は、上記広告データベース２１２にアクセスし、登録された上記広告配信会社５００より配信された各種商品に係わる複数の推奨情報（図２を参照）のうち、所定の複数の推奨情報を取得する。

そして、ステップＳ５０に移り、制御部２０１は、上記ステップＳ３０で分類された４つのグループＡ〜Ｄのうち、変数ＮがＮ＝１に対応するグループＡの複数の消費者の携帯端末４００に対し、上記ステップＳ４０で取得した所定の複数の推奨情報を配信する。このステップが、第３手順に相当すると共に第１推奨情報出力手段として機能する。なお、このステップでは、グループＡの消費者の携帯端末４００に対し、推奨情報を配信しているが、これに限られず、グループＡとは別のグループの消費者の携帯端末４００に対し、推奨情報を配信するようにしてもよい。あるいは、上記ステップＳ３０で分類されたすべてのグループＡ〜Ｄの消費者の携帯端末４００に対し、推奨情報を配信するようにしてもよい。

その後、ステップＳ６０で、制御部２０１は、上記ステップＳ５０又は後述のステップＳ１２０で配信された推奨情報に対応し、現在の変数Ｎの値に対応するグループの消費者が、当該推奨情報に係わる商品を購入したことを契機に上記販売会社６００より出力された、その商品に係わる当該グループの消費者の購入履歴情報を入力する。そして、その入力された購入履歴情報に基づき、上記現在の変数Ｎの値に対応するグループの消費者の購入履歴を、記憶部２１０の適宜の領域に記憶する。

そして、ステップＳ７０に移り、制御部２０１は、上記ステップＳ５０又は後述のステップＳ１２０で推奨情報が配信されてから、所定時間、例えば１週間が経過したかどうかを判定する。上記所定時間が経過するまで判定が満たされず、上記ステップＳ６０に戻り、同様の手順を繰り返す。このようにステップＳ６０→ステップＳ７０→ステップＳ６０→ステップＳ７０→ステップＳ６０・・・を繰り返すことで、上記現在の変数Ｎの値に対応するグループの複数の消費者の購入履歴を、記憶部２１０の適宜の領域に蓄積することができる（図６を参照）。そして、上記所定時間が経過したら、ステップＳ７０の判定が満たされて、ステップＳ８０に移る。

ステップＳ８０では、制御部２０１は、上記ステップＳ６０で記憶部２１０の適宜の領域に蓄積された、上記複数の消費者の購入履歴を集計する（図７も参照）。

その後、ステップＳ９０で、制御部２０１は、変数Ｎの値がＮｍａｘ、すなわちＮ＝４となっているかどうかを判定する。Ｎ＝４となっていない場合には、判定が満たされずステップＳ１００に移る。

ステップＳ１００では、制御部２０１は、上記ステップＳ８０で集計した上記複数の消費者の購入履歴に基づき、次に商品購入時期が早いグループ、すなわち、現在の変数Ｎの値に１を加えた値に対応するグループ、に属する複数の消費者に対する推奨情報の内容及び推奨時期を決定する。このステップが、第５手順に相当すると共に推奨決定手段として機能する。

そして、ステップＳ１１０に移り、制御部２０１は、変数Ｎの値に１を加え、ステップＳ１２０に移る。

ステップＳ１２０では、制御部２０１は、上記ステップＳ１００で決定された推奨情報それぞれについて、上記ステップＳ１００で決定された対応する推奨時期が到来したら、現在の変数Ｎの値に対応するグループの複数の消費者の携帯端末４００に対して配信する。その後、上記ステップＳ６０に戻り、同様の手順を繰り返す。このステップが、第６手順に相当すると共に第２推奨情報出力手段として機能する。

一方、上記ステップＳ６０〜ステップＳ１２０を繰り返し、変数Ｎの値がＮｍａｘ、すなわちＮ＝４となることで、ステップＳ９０の判定が満たされた場合には、このフローを終了する。

なお、上記において、ステップＳ７０及びステップＳ８０が、第４手順に相当すると共に履歴集計手段として機能し、そのうちステップＳ７０が、判定手順に相当する。

以上説明したように、本実施形態においては、消費者データベース２１４より取得した購入履歴情報を用いて、各消費者を商品購入時期の違いに応じて複数のグループ、上記の例では４つのグループＡ〜Ｄに分類する。そして、その分類された４つのグループＡ〜Ｄのうち、所定のグループ、上記の例ではグループＡの複数の消費者の携帯端末４００に対し、所定の複数の推奨情報を配信する。その後、これら複数の推奨情報に対応したグループＡの消費者の購入履歴を集計する。そして、その集計した購入履歴に基づき、グループＡの次に商品購入時期が早いグループＢの複数の消費者に対する推奨情報の内容及び推奨時期を決定する。その後、決定された推奨時期が来たら、決定された内容の推奨情報をグループＢの複数の消費者の携帯端末４００に対し配信する。そして、このような処理をグループＤの消費者の購入履歴を集計するまで繰り返し行う。

以上のようにして、本実施形態においては、時期的に先行して行動する第１グループの第１消費者の購入履歴を反映する形で、次に行動する第２グループの第２消費者への推奨内容や推奨時期を決定する。具体的に言えば、グループＡの消費者の購入履歴を反映する形で、次のグループＢの消費者への推奨内容等を決定し、グループＢの消費者の購入履歴を反映する形で、次のグループＣの消費者への推奨内容等を決定し、グループＣの消費者の購入履歴を反映する形で、次のグループＤの消費者への推奨内容等を決定する。これにより、複数の消費者を嗜好により分類して嗜好に合わせて推奨内容を変化させるのみの従来手法と異なり、各消費者の商品購入時期の違いや、先に行動する消費者の動向が後に行動する消費者の動向に与える影響等を加味した、実効性の高い内容の推奨を実効性の高い時期に提供することができる。この結果、各消費者にとって最も適したタイミングで、当該消費者に適した内容の推奨を行うことができる。

また、本実施形態では特に、消費者の携帯端末４００に対し所定の複数の推奨情報が配信されてから、所定期間、例えば１週間が経過したかどうかを判定する（図８のステップＳ７０を参照）。そして、所定期間が経過したと判定された場合、すなわちステップＳ７０の判定が満たされた場合に、当該複数の推奨情報に対応した第１消費者の購入履歴を集計する。これにより、第１消費者の携帯端末４００に対して配信された複数の推奨情報が、当該第１消費者の消費行動に与えた影響を、確実に集計することができる。

また、本実施形態では特に、複数の第１消費者の携帯端末４００に対し配信された所定の複数の推奨情報に対応し、当該複数の第１消費者が、購入行動を起こしたことを契機に、当該複数の第１消費者に対応する複数の第２消費者に対する推奨情報の内容及び推奨時期を決定する。これにより、複数の推奨情報に応じて起こした第１消費者による購入行動の影響を確実に反映して、第２消費者に対し有効な推奨を行うことができる。具体的に言えば、グループＡの消費者による購入行動の影響を確実に反映して、次のグループＢの消費者に対し有効な推奨を行うことができ、グループＢの消費者による購入行動の影響を確実に反映して、次のグループＣの消費者に対し有効な推奨を行うことができ、グループＣの消費者による購入行動の影響を確実に反映して、次のグループＤの消費者に対し有効な推奨を行うことができる。

なお、本発明は、上記実施形態に限られるものではなく、その趣旨及び技術的思想を逸脱しない範囲内で種々の変形が可能である。以下、そのような変形例を順を追って説明する。

（１）各消費者を、互いに嗜好が異なる複数のユニットに分類する場合
上記実施形態においては、各消費者を、商品購入時期の異なる４つのグループＡ〜Ｄに分類したが、さらに、４つのグループＡ〜Ｄに属する複数の消費者を、各グループＡ〜Ｄごとに、互いに嗜好が異なる複数のユニットに分類するようにしてもよい。

図９を用いて、予め設定されている複数のユニットの一例を説明する。

図９に示すように、本変形例においては、４つのグループＡ〜Ｄそれぞれについて、消費者の商品購入に関する嗜好に応じた、例えば「お菓子」嗜好、「化粧品」嗜好、「家電」嗜好などに応じた、互いに嗜好が異なる複数のユニットが予め設定されている。この例では、４つのグループＡ〜Ｄそれぞれについて、上記複数のユニットとして、ユニット１、ユニット２、ユニット３・・・が予め設定されている場合を示している。これら複数のユニット、すなわち、ユニット１、ユニット２、ユニット３・・・のそれぞれが、小グループに相当する。

サーバ２００の制御部２０１は、上記実施形態と同様の手法により、各消費者を、４つのグループＡ〜Ｄに分類すると、次に、各グループＡ〜Ｄごとに、当該グループに属する複数の消費者を、対応する購入履歴情報に基づく商品購入に関する嗜好に応じて、上記複数のユニットにさらに分類する。

図１０を用いて、グループＡに属する複数の消費者を、複数のユニットに分類した分類結果の一例を説明する。

図１０に示す例では、グループＡに属する複数の消費者が、上記複数のユニットのいずれかに分類されている。例えば、グループＡに属する複数の消費者のうち、消費者ＩＤ「１２」「９００」・・・に対応する消費者は、ユニット１に分類され、消費者ＩＤ「８４６」「１００５」・・・に対応する消費者は、ユニット２に分類され、消費者ＩＤ「１２３５」「１４１１」・・・に対応する消費者は、ユニット３に分類されている。なお、図示は省略しているが、グループＡ以外のグループ、すなわちグループＢ〜Ｄに属する複数の消費者についても、同様に、上記複数のユニット、すなわち、ユニット１、ユニット２、ユニット３・・・のいずれかに分類されている。

このように、各グループＡ〜Ｄに属する複数の消費者を、各グループＡ〜Ｄごとに、互いに嗜好の異なる複数のユニットに分類したら、次に、広告データベース２１２より所定の複数の推奨情報を取得する。その後、グループＡに属する複数の消費者の携帯端末４００に対し、上記取得した複数の推奨情報を配信する。そして、当該推奨情報の配信から所定期間、例えば１週間が経過したら、上記配信された複数の推奨情報に係わる商品を購入した、グループＡに属する複数の消費者の購入履歴を、上記各ユニットごとに集計する。

図１１を用いて、上記グループＡに属する消費者の購入履歴を、各ユニットごとに集計した集計結果の一例を説明する。図１１（ａ）には、グループＡのユニット１に属する複数の消費者の購入履歴の集計結果の一例を示している。図１１（ｂ）には、グループＡのユニット２に属する複数の消費者の購入履歴の集計結果の一例を示している。図１１（ｃ）には、グループＡのユニット３に属する複数の消費者の購入履歴の集計結果の一例を示している。なお、これら図１１（ａ）〜図１１（ｃ）は、前述の図７に対応する図である。

本変形例においては、グループＡの各ユニットごとに集計した消費者の購入履歴に基づき、グループＢに属する複数の消費者に対する推奨情報の内容及び推奨時期を決定する。詳細には、グループＢのユニットと同一のユニットに属する、グループＡの複数の消費者の購入履歴に基づき、当該グループＢに属する複数の消費者に対する推奨情報の内容等を、各ユニットごとに決定する。例えば、集計したグループＡのユニット１に属する複数の消費者の購入履歴に基づき、グループＢのユニット１に属する複数の消費者に対する推奨情報の内容等を決定し、集計したグループＡのユニット２に属する複数の消費者の購入履歴に基づき、グループＢのユニット２に属する複数の消費者に対する推奨情報の内容等を決定し、集計したグループＡのユニット３に属する複数の消費者の購入履歴に基づき、グループＢのユニット３に属する複数の消費者に対する推奨情報の内容等を決定する。

図１１（ａ）に示す例では、上記配信された広告ＩＤ「Ａ１００１」「Ａ２００１」「Ａ２００２」「Ａ２００３」「Ａ２００４」に対応する５つの推奨情報のうち、上記グループＡのユニット１に属する消費者の購入履歴の集計数が１０以上となった、図中破線楕円で囲む広告ＩＤ「Ａ２００１」「Ａ２００２」「Ａ２００４」に対応する３つの推奨情報が、グループＢのユニット１に属する複数の消費者に対する推奨情報の内容として決定される。

図１１（ｂ）に示す例では、上記配信された広告ＩＤ「Ａ１００１」「Ａ２００１」「Ａ２００２」「Ａ２００３」「Ａ２００４」に対応する５つの推奨情報のうち、上記グループＡのユニット２に属する消費者の購入履歴の集計数が１０以上となった、図中破線楕円で囲む広告ＩＤ「Ａ１００１」「Ａ２００１」に対応する２つの推奨情報が、グループＢのユニット２に属する複数の消費者に対する推奨情報の内容として決定される。

図１１（ｃ）に示す例では、上記配信された広告ＩＤ「Ａ１００１」「Ａ２００１」「Ａ２００２」「Ａ２００３」「Ａ２００４」に対応する５つの推奨情報のうち、上記グループＡのユニット３に属する消費者の購入履歴の集計数が１０以上となった、図中破線楕円で囲む広告ＩＤ「Ａ２００３」に対応する１つの推奨情報が、グループＢのユニット３に属する複数の消費者に対する推奨情報の内容として決定される。

なお、図示は省略しているが、グループＢのユニット３以降のユニット、すなわち、ユニット４、ユニット５・・・に属する複数の消費者に対する推奨情報の内容及び推奨時期も同様の手法により決定される。

このように、グループＢの各ユニットに属する消費者に対する推奨情報の内容及び推奨時期が決定したら、当該決定した推奨情報の内容及び推奨時期に従って、グループＢの各ユニットに属する複数の消費者の携帯端末４００に対し、推奨情報を配信する。詳細には、グループＢの各ユニットごとに決定された推奨情報それぞれについて、グループＢの各ユニットごとに決定された対応する推奨時期が到来したら、各ユニットごとに、当該ユニットに属する複数の消費者の携帯端末４００に配信する。

そして、サーバ２００の制御部２０１は、上記配信された推奨情報に対応した、グループＣの消費者の購入履歴を各ユニットごとに集計する。その後、その集計した購入履歴に基づき、グループＣの各ユニットに属する消費者に対する推奨情報の内容等を決定し、その決定内容に応じて、グループＣの各ユニットに属する消費者の携帯端末４００に推奨情報を配信する。その後も同様に、グループＣの消費者の購入履歴を各ユニットごとに集計→グループＤの各ユニットに属する消費者に対する推奨情報の内容等を決定→グループＤの各ユニットに属する消費者の携帯端末４００に推奨情報を配信→グループＤの消費者の購入履歴を各ユニットごとに集計、の処理を行う。

本変形例において、サーバ２００の制御部２０１が実行する制御内容を、図１２を用いて説明する。なお、この図１２は、前述の図８に対応する図である。図８と同等の手順には同符号を付し説明を省略する。

図１２において、前述の図８と異なる点は、ステップＳ３０とステップＳ４０との間にステップＳ３５を新たに設け、さらにステップＳ８０、ステップＳ１００、及びステップＳ１２０に代えて、ステップＳ８０′、ステップＳ１００′、及びステップＳ１２０′を設けた点である。

すなわち、ステップＳ１０〜ステップＳ３０は、前述の図８と同様であり、消費者データベース２１４より購入履歴情報を取得し、各消費者を、４つのグループＡ〜Ｄに分類し、変数Ｎの値を１に設定したら、新たに設けたステップＳ３５に移る。

ステップＳ３５では、制御部２０１は、前述のステップＳ２０で分類した各グループＡ〜Ｄごとに、当該グループＡ〜Ｄに属する複数の消費者を、前述のステップＳ１０で取得した購入履歴情報に基づく商品購入に関する嗜好に応じて、上記複数のユニットに分類する（図９及び図１０も参照）。

その後のステップＳ４０〜ステップＳ７０は、前述の図８とほぼ同様である。すなわち、ステップＳ７０において、前述のステップＳ５０又は後述のステップＳ１２０′で推奨情報が配信されてから、所定時間が経過したかどうかを判定し、所定時間が経過していれば、ステップＳ８０に代えて設けたステップＳ８０′に移る。

ステップＳ８０′では、制御部２０１は、前述のステップＳ６０で記憶部２１０の適宜の領域に蓄積された、現在の変数Ｎの値に対応するグループの消費者の購入履歴を、上記各ユニットごとに集計する（図１１も参照）。

そして、ステップＳ９０に移り、制御部２０１は、前述の図８と同様に、Ｎ＝４となっているかどうかを判定し、Ｎ＝４となっていない場合には、ステップＳ１００に代えて設けたステップＳ１００′に移る。

ステップＳ１００′では、制御部２０１は、上記ステップＳ８０′で各ユニットごとに集計した上記複数の消費者の購入履歴に基づき、次に商品購入時期が早いグループ、すなわち、現在の変数Ｎの値に１を加えた値に対応するグループに属する複数の消費者に対する推奨情報の内容及び推奨時期を決定する。詳細には、現在の変数Ｎの値に１を加えた値に対応するグループのユニットと同一のユニットに属する、現在の変数Ｎの値に対応するグループの上記複数の消費者の購入履歴に基づき、現在の変数Ｎの値に１を加えた値に対応するグループに属する複数の消費者に対する推奨情報の内容及び推奨時期を、各ユニットごとに決定する。例えば、集計した現在の変数Ｎの値に対応するグループのユニット１に属する複数の消費者の購入履歴に基づき、現在の変数Ｎの値に１を加えた値に対応するグループのユニット１に属する複数の消費者に対する推奨情報の内容及び推奨時期を決定する。これを、すべてのユニットについて同様に行う。このステップが、第５手順に相当すると共に推奨決定手段として機能する。

その後、ステップＳ１１０で、制御部２０１は、前述の図８と同様に、変数Ｎの値に１を加え、ステップＳ１２０に代えて設けたステップＳ１２０′に移る。

ステップＳ１２０′では、制御部２０１は、上記ステップＳ１００′で現在の変数Ｎの値に対応するグループの各ユニットごとに決定された推奨情報それぞれについて、上記ステップＳ１００′で当該グループの各ユニットごとに決定された対応する推奨時期が到来したら、当該グループの各ユニットごとに、当該ユニットに属する複数の消費者の携帯端末４００に対して配信する。その後、上記ステップＳ６０に戻り、同様の手順を繰り返す。このステップが、第６手順に相当すると共に第２推奨情報出力手段として機能する。

なお、上記において、ステップＳ２０及びステップＳ３５が、第２手順に相当すると共にグループ分類手段として機能し、そのうちステップＳ３５が、小グループ分け手順に相当する。また、ステップＳ７０及びステップＳ８０′が、第４手順に相当すると共に履歴集計手段として機能する。

以上説明した本変形例においては、各グループごとに、当該グループに属する複数の消費者を、互いに嗜好が異なる複数のユニットに分類する。そして、複数の上記第２消費者の属するユニットと同一のユニットに属する上記第１消費者の購入履歴に基づき、当該第２消費者に対する推奨情報の内容及び推奨時期を決定する。本変形例によれば、第２消費者に対し推奨を行うとき、当該第２消費者と同一の嗜好を備えた第１消費者の購入履歴を反映させることにより、確実に有効な推奨を行うことができる。具体的に言えば、グループＢの消費者に対し推奨を行うとき、当該消費者と同一の嗜好を備えたグループＡの消費者の購入履歴を反映させ、グループＣの消費者に対し推奨を行うとき、当該消費者と同一の嗜好を備えたグループＢの消費者の購入履歴を反映させ、グループＤの消費者に対し推奨を行うとき、当該消費者と同一の嗜好を備えたグループＣの消費者の購入履歴を反映させることにより、確実に有効な推奨を行うことができる。

（２）嗜好が類似するユニットに属する消費者の購入履歴にも応じる場合
上記（１）の変形例においては、第２消費者に対し推奨を行うとき、当該第２消費者と同一の嗜好を備えた第１消費者の購入履歴に基づき、第２消費者の推奨情報の内容等を決定したが、これに限られない。すなわち、当該第２消費者と同一又は類似の嗜好を備えた第１消費者の購入履歴に基づき、第２消費者の推奨情報の内容等を決定してもよい。

本変形例においては、上述した各ユニットの相互間で、各ユニットに対応する嗜好、例えばユニット１は「お菓子」嗜好、ユニット２は「化粧品」嗜好、ユニット３は「家電」嗜好・・・に基づき、消費者の商品購入に関する嗜好の類似性、言い換えれば、嗜好の遠近度に応じた重み付けを設定する。

例えば「健康食品」嗜好に応じたユニット、及び、「健康食品」嗜好に応じたユニットのように、同一のユニットの相互間における重み付けは、最も大きく、例えば「１」に設定する。また、例えば「健康食品」嗜好に応じたユニット、及び、「サプリメント」嗜好に応じたユニットのように、嗜好の遠近度が近いユニットの相互間における重み付けは、大きく、例えば「０．９」に設定する。また、例えば「健康食品」嗜好に応じたユニット、及び、「家電」嗜好に応じたユニットのように、嗜好の遠近度が遠いユニットの相互間における重み付けは、小さく、例えば「０」に設定する。

図１３を用いて、上記設定された各ユニットの相互間における重み付けの一例を説明する。

図１３に示すように、各ユニットの相互間で、上記重み付けが設定されている。この図１３に示す例では、重み付けは、ユニット１及びユニット１の相互間で「１」に設定され、ユニット１及びユニット２の相互間で「０．８」に設定され、ユニット１及びユニット３の相互間で「０．６」に設定され、ユニット２及びユニット２の相互間で「１」に設定され、ユニット２及びユニット３の相互間で「０．８」に設定され、ユニット３及びユニット３の相互間で「１」に設定されている。

本変形例においては、配信された推奨情報に対応した、複数の第１消費者の購入履歴を集計し、その集計した複数の第１消費者の購入履歴に対し、上記各ユニット相互間で設定した重み付けを加味して、複数の第２消費者に対する推奨情報の内容及び推奨時期を、各ユニットごとに決定する。例えば、グループＡの消費者の携帯端末４００に対して推奨情報を配信した場合は、その集計したグループＡの消費者の購入履歴に対し、上記各ユニット相互間で設定した重み付けを加味して、グループＢの消費者に対する推奨情報の内容等を、各ユニットごとに決定する。

図１４を用いて、上記各ユニット相互間で設定した重み付けを加味して、複数の第２消費者に対する推奨情報の内容等を、各ユニットごとに決定する手法の一例を説明する。なお、図１４は、前述の図１１に対応する図である。

図１４に示す例では、グループＢのユニット１に属する消費者に対する推奨情報の内容等を決定する場合を例にとって説明する。また、この図１４に示す例では、各グループＡ〜Ｄそれぞれについて、３つのユニット１，２，３が設定され、各ユニット１〜３の相互間での重み付けは、上記図１３に示す各値に設定されたものとする。さらに、グループＡのユニット１〜３に属する消費者の購入履歴の集計数は、それぞれ、前述の図１１に示す各値と同等とする。

図１４において、グループＢのユニット１に属する消費者に対する推奨情報の内容等を決定する場合には、グループＡのユニット１〜３に属する消費者についての、複数の推奨情報に係わる購入履歴の集計数（図１１を参照）のそれぞれに対し、対応する重み付けを乗じる。

すなわち、グループＡのユニット１に属する消費者についての、広告ＩＤ「Ａ１００１」「Ａ２００１」「Ａ２００２」「Ａ２００３」「Ａ２００４」に対応する５つの推奨情報に係わる購入履歴の集計数「８」「２５」「２０」「４」「１１」のそれぞれに対し、グループＡのユニット１と、グループＢのユニット１との相互間での重み付け、すなわち、ユニット１及びユニット１の相互間での重み付け「１」を乗じる。

また、グループＡのユニット２に属する消費者についての、上記各広告ＩＤに対応する５つの推奨情報に係わる購入履歴の集計数「３０」「１２」「０」「２」「７」のそれぞれに対し、グループＡのユニット２と、グループＢのユニット１との相互間での重み付け、すなわち、ユニット２及びユニット１の相互間での重み付け「０．８」を乗じる。

また、グループＡのユニット３に属する消費者についての、上記各広告ＩＤに対応する５つの推奨情報に係わる購入履歴の集計数「２」「０」「８」「５０」「９」のそれぞれに対し、グループＡのユニット３と、グループＢのユニット１との相互間での重み付け、すなわち、ユニット３及びユニット１の相互間での重み付け「０．８」を乗じる。

上記のようにして、グループＡのユニット１〜３に属する消費者についての、複数の推奨情報に係わる購入履歴の集計数のそれぞれに対し、対応する重み付けを乗じたら、各広告ＩＤに対応する５つの推奨情報ごとに、グループＡのユニット１〜３に属する消費者の購入履歴の集計数に、対応する重み付けを乗じた値（以下適宜、「重み付け集計数」と称する）を合計する。そして、グループＡのユニット１〜３に属する消費者の携帯端末４００に対して配信された広告ＩＤ「Ａ１００１」「Ａ２００１」「Ａ２００２」「Ａ２００３」「Ａ２００４」に対応する５つの推奨情報のうち、グループＡのユニット１〜３に属する消費者の上記重み付け集計数の合計が、所定数以上、例えば３０以上となった推奨情報を、グループＢのユニット１に属する複数の消費者に対する推奨情報の内容として決定する。

したがって、この図１４に示す例では、上記配信された広告ＩＤ「Ａ１００１」「Ａ２００１」「Ａ２００２」「Ａ２００３」「Ａ２００４」に対応する５つの推奨情報のうち、グループＡのユニット１〜３に属する消費者の上記重み付け集計数の合計が３０以上となった、図中破線楕円で囲む広告ＩＤ「Ａ１００１」「Ａ２００１」「Ａ２００３」に対応する３つの推奨情報が、グループＢのユニット１に属する消費者に対する推奨情報の内容として決定される。

なお、上記グループＡのユニット１〜３に属する消費者の上記重み付け集計数の合計が多かった順に、所定数、例えば３つの推奨情報を、グループＢのユニット１に属する複数の消費者に対する推奨情報の内容として決定するようにしてもよい。

なお、図示は省略しているが、グループＢのユニット２以降のユニット、すなわち、ユニット２及びユニット３に属する消費者に対する推奨情報の内容等も同様の手法により決定される。また、グループＣ及びグループＤの各ユニットに属する消費者に対する推奨情報の内容等も同様の手法により決定される。

本変形例において、サーバ２００の制御部２０１が実行する制御内容を、図１５を用いて説明する。なお、この図１５は、前述の図８及び図１２に対応する図である。図１２と同等の手順には同符号を付し説明を省略する。

図１５において、前述の図１２と異なる点は、ステップＳ３５とステップＳ４０との間にステップＳ３７を新たに設け、さらにステップＳ１００′及びステップＳ１２０′に代えて、ステップＳ１００″及びステップＳ１２０″を設けた点である。

すなわち、ステップＳ１０〜ステップＳ３５は、前述の図１２と同様である。ステップＳ３５において、上記各グループＡ〜Ｄごとに、当該グループＡ〜Ｄに属する複数の消費者を、複数のユニットに分類したら、新たに設けたステップＳ３７に移る。

ステップＳ３７では、制御部２０１は、上記各ユニットの相互間で、消費者の嗜好の遠近度に応じた重み付けを設定する。

その後のステップＳ４０〜ステップＳ９０は、前述の図１２と同様である。ステップＳ９０において、Ｎ＝４となっているかどうかを判定し、Ｎ＝４となっていない場合には、ステップＳ１００′に代えて設けたステップＳ１００″に移る。

ステップＳ１００″では、制御部２０１は、前述のステップＳ８０′で各ユニットごとに集計した複数の消費者の購入履歴に対し、上記ステップＳ３７で設定した重み付けを加味して、次に商品購入時期が早いグループ、すなわち、現在の変数Ｎの値に１を加えた値に対応するグループに属する複数の消費者に対する推奨情報の内容及び推奨時期を決定する。詳細には、現在の変数Ｎの値に１を加えた値に対応するグループのユニットと同一又は類似のユニットに属する、現在の変数Ｎの値に対応するグループの上記複数の消費者の購入履歴に対し、上記ステップＳ３７で設定した重み付けを加味して、現在の変数Ｎの値に１を加えた値に対応するグループに属する複数の消費者に対する推奨情報の内容及び推奨時期を、各ユニットごとに決定する（詳細は図１４を参照）。このステップが、第５手順に相当すると共に推奨決定手段として機能する。

そして、ステップＳ１１０に移り、前述の図１２と同様に、変数Ｎの値に１を加え、ステップＳ１２０′に代えて設けたステップＳ１２０″に移る。

ステップＳ１２０″では、制御部２０１は、上記ステップＳ１００″で現在の変数Ｎの値に対応するグループの各ユニットごとに決定された推奨情報それぞれについて、上記ステップＳ１００″で当該グループの各ユニットごとに決定された対応する推奨時期が到来したら、当該グループの各ユニットごとに、当該ユニットに属する複数の消費者の携帯端末４００に対して配信する。その後、前述のステップＳ６０に戻り、同様の手順を繰り返す。このステップが、第６手順に相当すると共に第２推奨情報出力手段として機能する。

なお、上記において、ステップＳ２０、ステップＳ３５、及びステップＳ３７が、第２手順に相当すると共にグループ分類手段として機能し、そのうちステップＳ３７が、重み付け設定手順に相当する。

以上説明した本変形例においては、上記各ユニットの相互間で、消費者の嗜好の遠近度に応じた重み付けを設定する。そして、複数の第２消費者の属するユニットと同一又は類似のユニットに属する第１消費者の購入履歴に対し、上記設定された重み付けを加味して、上記の例では第１消費者の購入履歴の集計数に対応する重み付けを乗じた値に基づき、当該複数の第２消費者に対する推奨情報の内容及び推奨時期を決定する。本変形例によれば、第２消費者に対し推奨を行うために、第１消費者の購入履歴を反映させるとき、各ユニット相互間で設定した重み付けを用いる。これにより、第１消費者と第２消費者との嗜好の類似性の遠近に応じて、第１消費者の購入履歴をきめ細かく反映させることができる。具体的に言えば、グループＡの消費者とグループＢの消費者との嗜好の類似性の遠近に応じて、グループＡの消費者の購入履歴をきめ細かく反映させることができ、グループＢの消費者とグループＣの消費者との嗜好の類似性の遠近に応じて、グループＢの消費者の購入履歴をきめ細かく反映させることができ、グループＣの消費者とグループＤの消費者との嗜好の類似性の遠近に応じて、グループＣの消費者の購入履歴をきめ細かく反映させることができる。この結果、さらに確実に有効な推奨を行うことができる。

（３）消費関連行動に基づき第２消費者に対する推奨情報の内容等を決定する場合
以上においては、配信された推奨情報に対応し、第１消費者が、当該推奨情報に係わる商品を購入したことを契機に、第２消費者に対する推奨情報の内容等を決定していたが、これに限られない。すなわち、第１消費者が、特定の消費関連行動、例えば、配信された推奨情報に係わる商品をレンタルや視聴した行動など、を起こしたことを契機に、第２消費者に対する推奨情報の内容等を決定してもよい。

ここで、本変形例のサーバ２００の制御部２０１が実行する制御内容において、上記実施形態と異なる点は、前述の図８のステップＳ６０、ステップＳ８０、及びステップＳ１００である。その他の手順は、上記実施形態とほぼ同様である。

すなわち、ステップＳ６０で、制御部２０１は、前述のステップＳ５０又はステップＳ１２０で配信された推奨情報に対応し、現在の変数Ｎの値に対応するグループの消費者が、当該推奨情報に係わる消費以外の特定の消費関連情報を起こしたことを契機に、販売会社６００（図１参照）より出力された、当該グループの消費者の消費関連履歴情報を入力する。上記特定の消費関連情報としては、例えば、配信された推奨情報にアドレス情報、例えばＵｎｉｆｏｒｍ Ｒｅｓｏｕｒｃｅ Ｌｏｃａｔｏｒ（ＵＲＬ）やＱＲコード等が含まれていた場合には、そのアクセス先にアクセスした行動、あるいは、配信された推奨情報に係わる商品が、例えば音楽や映像関連の商品であった場合には、当該商品をレンタル、視聴、又は関連する雑誌を購入した行動などが該当する。そして、その入力された消費関連履歴情報に基づき、上記現在の変数Ｎの値に対応するグループの消費者の消費関連履歴を、記憶部２１０の適宜の領域に記憶する。

そして、ステップＳ８０で、制御部２０１は、本変形例のステップＳ６０で記憶部２１０の適宜の領域に蓄積された、上記複数の消費者の消費関連履歴を集計する。このステップＳ８０と、前述のステップＳ７０とが、第４手順に相当すると共に履歴集計手段として機能する。

そして、ステップＳ１００で、制御部２０１は、本変形例のステップＳ８０で集計した上記複数の消費者の消費関連履歴に基づき、次に商品購入時期が早いグループ、すなわち、現在の変数Ｎの値に１を加えた値に対応するグループ、に属する複数の消費者に対する推奨情報の内容及び推奨時期を決定する。このステップＳ１００が、第５手順に相当すると共に推奨決定手段として機能する。

本変形例によれば、複数の第１消費者の携帯端末４００に対し配信された所定の複数の推奨情報に対応し、当該複数の第１消費者が、上記特定の消費関連行動を起こしたことを契機に、当該複数の第１消費者に対応する複数の第２消費者に対する推奨情報の内容及び推奨時期を決定する。これにより、複数の推奨情報に応じて起こした第１消費者による特定の消費関連行動の影響を確実に反映して、第２消費者に対し有効な推奨を行うことができる。具体的に言えば、グループＡの消費者による特定の消費関連行動の影響を確実に反映して、次のグループＢの消費者に対し有効な推奨を行うことができ、グループＢの消費者による特定の消費関連行動の影響を確実に反映して、次のグループＣの消費者に対し有効な推奨を行うことができ、グループＣの消費者による特定の消費関連行動の影響を確実に反映して、次のグループＤの消費者に対し有効な推奨を行うことができる。

（４）カラオケでの歌唱動向に基づいて消費者に商品推奨する場合
以上においては、商品の購入履歴情報に基づいて消費者に商品推奨する内容について説明したが、上記商品には、例えばカラオケにおいて消費者が歌唱する楽曲データも含まれる。すなわち、カラオケ利用者である消費者がカラオケルームで歌唱するに際し、楽曲配信会社がカラオケ装置に楽曲データを配信することは当該楽曲データの販売に相当し、消費者にとっては当該楽曲データの消費、すなわち購入に相当する。したがって、このようなカラオケでの歌唱履歴に対応する楽曲データの購入履歴情報に基づき消費者に商品推奨するようにしてもよい。

図１６を用いて、このようなシステムを実現する商品推奨システム１′の全体構成を説明する。

図１６において、商品推奨システム１′は、カラオケルームＫＲに設置されたカラオケ装置１００と、サーバ２００と、基地局３００と、携帯端末４００と、広告配信会社５００と、楽曲配信会社７００とを有している。楽曲配信会社７００は、ネットワークＮＷを介してカラオケ装置１００に楽曲データを配信する。なお、サーバ２００、基地局３００、及び携帯端末４００の構成は前述の実施形態と同様である。

カラオケ装置１００は、カラオケ装置本体１１０と、表示装置１２０と、マイク１１５とを有している。カラオケ装置本体１１０は、上記ネットワークＮＷを介し楽曲配信会社７００から配信される楽曲データを再生する。表示装置１２０は、楽曲データの再生時に歌唱に係る映像を表示する。またマイク１１５は、カラオケ装置本体１１０に接続され、消費者の歌唱の用に供する。カラオケ装置本体１１０とサーバ２００とは、ネットワークＮＷを介して互いに情報通信可能に接続されており、カラオケルームＫＲにおいて消費者が楽曲データを再生させると、楽曲データの購入履歴情報が各楽曲データごとにサーバ２００の消費者データベース２１４（図１参照）に記憶される。

この場合の消費者データベース２１４の記憶内容は、前述の図３に示すものと同様となる。すなわち、本変形例では、図３に示す商品ＩＤが楽曲データの識別情報に相当する。また、当該商品ＩＤごとに記憶された販売開始日時は、上記楽曲配信会社７００より当該楽曲データが最初に市場に配信された配信開始時期に相当する。また、消費者ＩＤは、当該楽曲データを購入した消費者、すなわちカラオケ利用者の識別情報である。また、購入日時は、当該消費者がカラオケルームＫＲにて当該楽曲データを最初に再生させた歌唱行動時期に相当する。

よって、本変形例における商品推奨方法は前述の実施形態と同様である。すなわち、制御部２０１は、消費者データベース２１４からカラオケでの歌唱履歴に相当する購入履歴情報を取得したら、取得した購入履歴情報を用いて、各消費者を、互いに消費関連時期に相当する歌唱時期の異なる複数のグループに分類する。そして、分類された複数のグループのうち所定の第１グループに相当するグループに属する複数の第１消費者の携帯端末４００に対し、所定の複数の推奨情報を配信する。その後、配信された複数の推奨情報に対応した、第１消費者の消費関連情報に相当する歌唱情報を集計する。そして、集計した歌唱情報に基づき、第２グループに相当するグループに属する第２消費者に対する推奨情報の内容及び推奨時期を決定する。その後、決定された推奨時期が到来したら、決定された推奨情報を、複数の第２消費者の携帯端末４００に対して配信する。

以上説明した本変形例によっても、前述の実施形態や各変形例と同様の効果を得ることができる。

なお、以上において、図１及び図１６の各図中に示す矢印は信号の流れの一例を示すものであり、信号の流れ方向を限定するものではない。

また、図８、図１２、及び図１５に示すフローチャートは本発明を上記フローに示す手順に限定するものではなく、発明の趣旨及び技術的思想を逸脱しない範囲内で手順の追加・削除又は順番の変更等をしてもよい。

また、以上既に述べた以外にも、上記実施形態や各変形例による手法を適宜組み合わせて利用しても良い。

その他、一々例示はしないが、本発明は、その趣旨を逸脱しない範囲内において、種々の変更が加えられて実施されるものである。

１ 商品推奨システム
１′ 商品推奨システム
２００ サーバ（第１情報端末）
２０１ 制御部
２１２ 広告データベース（推奨データベース）
２１４ 消費者データベース
４００ 携帯端末（第２情報端末、第３情報端末）

Claims (7)

1. 商品推奨者側の第１情報端末における操作入力情報に応じて、商品の識別情報と当該商品に対する複数の消費者の消費行動履歴とを対応付けた消費履歴情報を、各商品ごとに記憶した消費者データベースにアクセスし、複数の商品に対する複数の消費者の消費履歴情報を取得する第１手順と、
   前記第１手順で取得した前記複数の商品に対する前記複数の消費者の前記消費履歴情報を用いて、各消費者を、互いに消費行動時期の異なる複数のグループに分類する第２手順と、
   前記第２手順で分類された前記複数のグループのうち所定の第１グループに属する複数の第１消費者の第２情報端末に対し、推奨データベースより取得した所定の複数の推奨情報を出力する第３手順と、
   前記第３手順で出力された前記所定の複数の推奨情報に対応した、前記第１消費者の消費行動履歴を集計する第４手順と、
   前記第４手順で集計した前記第１消費者の前記消費行動履歴に基づき、前記第２手順で前記所定の第１グループの次に消費行動時期が早いグループとして分類された、第２グループに属する複数の第２消費者に対する推奨情報の内容及び推奨時期を決定する第５手順と、
   前記第５手順で決定された前記推奨時期が到来したら、前記第５手順で決定された推奨情報を、複数の前記第２消費者の第３情報端末に対して出力する第６手順と
   を有することを特徴とする商品推奨方法。
2. 前記第４手順は、
   前記第３手順で前記所定の複数の推奨情報が出力され、所定期間が経過したかどうかを判定する判定手順を備え、
   前記判定手順により前記所定期間が経過したと判定された場合に、当該複数の推奨情報に対応した前記第１消費者の消費行動履歴を集計する
   ことを特徴とする請求項１記載の商品推奨方法。
3. 前記第５手順は、
   前記第３手順で出力された前記所定の複数の推奨情報に対応し、前記複数の第１消費者が、当該推奨情報に係わる消費以外の特定の消費関連行動を起こしたことを契機に、当該複数の第１消費者に対応する前記複数の第２消費者に対する推奨情報の内容及び推奨時期を決定する
   ことを特徴とする請求項２記載の商品推奨方法。
4. 前記第５手順は、
   前記第３手順で出力された前記所定の複数の推奨情報に対応し、前記複数の第１消費者が、当該推奨情報に係わる消費としての購入行動を起こしたことを契機に、当該複数の第１消費者に対応する前記複数の第２消費者に対する推奨情報の内容及び推奨時期を決定する
   ことを特徴とする請求項２記載の商品推奨方法。
5. 前記第２手順は、
   各グループごとに、当該グループに属する複数の消費者を、互いに嗜好が異なる複数の小グループに分類する小グループ分け手順を備え、
   前記第５手順は、
   複数の前記第２消費者の属する前記小グループと同一又は類似の前記小グループに属する前記第１消費者の前記消費行動履歴に基づき、当該複数の第２消費者に対する推奨情報の内容及び推奨時期を決定する
   ことを特徴とする請求項１乃至請求項４のいずれか１項記載の商品推奨方法。
6. 前記第２手順は、
   各小グループの相互間で、消費者の嗜好の遠近度に応じた重み付けを設定する重み付け設定手順を備え、
   前記第５手順は、
   複数の前記第２消費者の属する前記小グループと同一又は類似の前記小グループに属する前記第１消費者の前記消費行動履歴に対し、前記重み付け設定手順で設定された前記重み付けを加味して、当該複数の第２消費者に対する推奨情報の内容及び推奨時期を決定する
   ことを特徴とする請求項５記載の商品推奨方法。
7. 商品の識別情報と当該商品に対する複数の消費者の消費行動履歴とを対応付けた消費履歴情報を、各商品ごとに記憶した消費者データベースと、
   前記複数の商品に対する前記複数の消費者の前記消費履歴情報を用いて、各消費者を、互いに消費行動時期の異なる複数のグループに分類するグループ分類手段と、
   前記グループ分類手段で分類された前記複数のグループのうち所定の第１グループに属する複数の第１消費者の第２情報端末に対し、推奨データベースより取得した所定の複数の推奨情報を出力する第１推奨情報出力手段と、
   前記第１推奨情報出力手段で出力された前記所定の複数の推奨情報に対応した、前記第１消費者の消費行動履歴を集計する履歴集計手段と、
   前記履歴集計手段で集計した前記第１消費者の前記消費行動履歴に基づき、前記グループ分類手段で前記所定の第１グループの次に消費行動時期が早いグループとして分類された、第２グループに属する複数の第２消費者に対する推奨情報の内容及び推奨時期を決定する推奨決定手段と、
   前記推奨決定手段で決定された前記推奨時期が到来したら、前記推奨決定手段で決定された推奨情報を、複数の前記第２消費者の第３情報端末に対して出力する第２推奨情報出力手段と
   を有することを特徴とする商品推奨システム。

Images