JP2012234503A - レコメンド装置、レコメンド方法およびレコメンドプログラム - Google Patents

Abstract

【課題】顧客が商品を選択する際に重要とされる、自分と選択基準が近い友達からの口コミおよび自分を良く知る販売員からのアドバイス、を聞くように商品を推薦することができる。
【解決手段】情報処理装置とネットワークを介して接続されたレコメンド装置において、顧客ごとに、その顧客の嗜好性と一致する特徴を持つ商品を、それぞれの顧客ＩＤに対する推薦商品情報として記憶し、また同時に、顧客ごとに、その顧客に似た人が購買した商品を、それぞれの顧客ＩＤに対応する推薦商品情報として記憶する。そして、受信した推薦リクエストに含まれる顧客ＩＤに対する推薦商品として、該当する推薦商品ＩＤ及び、それに紐付く商品情報を、レコメンド情報として送信する。
【選択図】図１

Description

本発明は、レコメンド装置、レコメンド方法およびレコメンドプログラムに関する。

近年のインターネット等のネットワークの発展に伴い、ネットワークを介した電子商取引が急激に増加している。このような電子商取引では、顧客が選択した商品に関連する商品を推薦し、顧客に対して多くの選択の対象を提示することにより、商品の購入率を向上させる工夫がなされている。

商品を推薦する技術（以下、レコメンド技術という）には、顧客の商品購入履歴情報を用い、同一の顧客が商品Ａと商品Ｂを購入していれば、他の顧客が商品Ａを選択したときに商品Ｂを推薦する等の様々な方法が提案されている。しかし、このようなレコメンド技術は、顧客が商品を選択する際の思考を考慮していないため、顧客の嗜好性に合った効果的な推薦ができないという問題があった。

このような問題を解決する技術として、レコメンド装置、レコメンド方法およびレコメンドプログラム（特許文献１参照）が開示されている。かかる技術では、第１商品を識別する商品識別情報ごとに、第１商品に連続して購入する第２商品の商品識別情報と、第１商品に連続して購入する前記第２商品の購入数に応じた順位を示す推薦ランク情報と、を対応付けて記憶し、推薦ランク情報を用いて商品を選択する条件を示すレコメンド条件を記憶し、レコメンド条件に応じた、受信された商品識別情報に対応する第２商品の商品識別情報を取得する。

特開２０１１−４８７３８号公報

しかしながら、上記特許文献１に記載された技術は、顧客が商品を購入する順序を考慮した推薦ランク情報を用いて商品を購入する可能性が高い商品を推薦対象とするものであるため、各顧客の選択嗜好性に応じた購入する可能性がある商品を幅広く推薦することができないという問題があった。

また、かかる技術は、顧客が商品を購入する順序のみを考慮して商品を推薦するため、普段実際に購入する際に参考としているような友達からの口コミや販売員からのアドバイスとは違い、得られた推薦理由が納得できず受け入れ難いという問題があった。

本発明は、上記に鑑みてなされたものであって、顧客が商品を選択する際に重要とされる、自分と選択基準が近い友達からの口コミおよび自分を良く知る販売員からのアドバイス、を聞くように商品を推薦することができるレコメンド装置、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。

上述した課題を解決し、目的を達成するために、本発明は、情報処理装置とネットワークを介して接続されたレコメンド装置において、顧客ごとに、その顧客の嗜好性と一致する特徴を持つ商品を、それぞれの顧客ＩＤに対応して推薦商品情報として記憶する嗜好性一致情報記憶手段と、顧客ごとに、その顧客に似た人が購買した商品を、それぞれの顧客ＩＤに対応して推薦商品情報として記憶する似た人一致情報記憶手段と、嗜好性一致情報記憶手段を更新する際に使用する設定値や、顧客ＩＤごとに顧客の嗜好性と商品の特徴を一致させるための条件を記憶する嗜好性一致定義情報記憶手段と、似た人一致情報記憶手段を更新する際に使用する設定値や、顧客ＩＤごとの属性情報と行動情報と嗜好性情報の各項目が一致する似た人を探すための条件を記憶する似た人定義情報記憶手段と、商品ごとにその商品の特徴を、それぞれの商品ＩＤに対応して特徴把握情報として記憶する特徴把握情報記憶手段と、顧客ごとに、その顧客の嗜好性を、それぞれの顧客ＩＤに対応して顧客嗜好性情報として記憶する嗜好性把握情報記憶手段と、前記情報処理装置から送信された、顧客の属性情報と行動情報を受信する受信手段と、嗜好一致定義情報記憶手段と似た人定義情報記憶手段に記憶されたレコメンド条件に従って、前記受信手段によって受信された推薦リクエストに含まれる顧客ＩＤに対応する推薦商品である推薦商品ＩＤ及び、それに紐付く商品情報を、嗜好性一致情報記憶手段と似た人一致情報記憶手段から取得するレコメンド情報生成手段と、前記レコメンド情報生成手段によって生成された前記レコメンド情報を前記情報処理装置に送信する送信手段と、を備えることを特徴とする。

また、本発明は、情報処理装置とネットワークを介して接続されたレコメンド装置で実行されるレコメンド方法において、前記情報処理装置から送信された、顧客ＩＤおよびユーザ情報を含む推薦リクエストを受信する受信ステップと、レコメンド情報生成手段にて、嗜好一致定義情報記憶手段および、似た人定義情報記憶手段より、それぞれのレコメンド条件を取得するレコメンド条件取得ステップと、レコメンド情報生成手段にて、レコメンド条件に従って、受信した顧客ＩＤに対応する推薦商品ＩＤとその商品ＩＤに紐付く商品情報を、嗜好性一致情報記憶手段および、似た人一致情報記憶手段から取得し、それらの商品情報を用いてレコメンド情報を生成するレコメンド情報生成ステップと、レコメンド情報生成手段にて、ユーザ行動情報記憶手段に記憶されたユーザ行動情報を用いて、顧客が既に購入している商品ＩＤを取得した商品ＩＤから削除するレコメンド重複情報削除ステップと、前記レコメンド情報生成ステップによって生成された前記レコメンド情報を前記情報処理装置に送信する送信ステップと、を含むことを特徴とする。

また、本発明は、情報処理装置とネットワークを介して接続されたレコメンド装置を備えたコンピュータに、前記情報処理装置から送信された、顧客ＩＤおよびユーザ情報を含む推薦リクエストを受信する受信ステップと、レコメンド情報生成手段にて、嗜好一致定義情報記憶手段および、似た人定義情報記憶手段より、それぞれのレコメンド条件を取得するレコメンド条件取得ステップと、レコメンド情報生成手段にて、レコメンド条件に従って、受信した顧客ＩＤに対応する推薦商品ＩＤとその商品ＩＤに紐付く商品情報を、嗜好性一致情報記憶手段および、似た人一致情報記憶手段から取得し、それらの商品情報を用いてレコメンド情報を生成するレコメンド情報生成ステップと、レコメンド情報生成手段にて、ユーザ行動情報記憶手段に記憶されたユーザ行動情報を用いて、顧客が既に購入している商品ＩＤを取得した商品ＩＤから削除するレコメンド重複情報削除ステップと、前記レコメンド情報生成ステップによって生成された前記レコメンド情報を前記情報処理装置に送信する送信ステップと、を実行させることを特徴とする。

本発明によれば、顧客が商品を選択する際に重要とされる、自分と選択基準が近い友達からの口コミおよび自分を良く知る販売員からのアドバイス、を聞くように商品を推薦することができる。

したがって、顧客の選択嗜好性を考慮して商品を推薦することができるため、顧客が購入する可能性がある商品を幅広く推薦することができるという効果を奏する。

本実施例にかかるレコメンドシステム１０の構成を示すブロック図である。 ユーザ属性情報記憶部２００のデータ構成の一例を示す説明図である。 ユーザ行動情報記憶部２０１のデータ構成の一例を示す説明図である。 ユーザ統合情報記憶部２０２のデータ構成の一例を示す説明図である。 商品情報記憶部２０３のデータ構成の一例を示す説明図である。 特徴定義情報記憶部２０４のデータ構成の一例を示す説明図である。 特徴把握情報記憶部２０５のデータ構成の一例を示す説明図である。 嗜好性定義情報記憶部２０６のデータ構成の一例を示す説明図である。 嗜好性把握情報記憶部２０７のデータ構成の一例を示す説明図である。 嗜好一致定義情報記憶部２０８のデータ構成の一例を示す説明図である。 嗜好性一致情報記憶部２０９のデータ構成の一例を示す説明図である。 似た人定義情報記憶部２１０のデータ構成の一例を示す説明図である。 似た人一致情報記憶部２１１のデータ構成の一例を示す説明図である。 レコメンドシステム１０が行うレコメンド処理手順を示すフローチャートである。

以下、添付図面を参照して本発明にかかるレコメンド装置、レコメンド方法およびレコメンドプログラムの実施の形態を詳細に説明する。なお、以下に示す実施例は本発明の実施の形態の一例であり、本発明はこれらの実施例に限定されるものではない。

図１は、本実施例にかかるレコメンドシステム１０の構成を示すブロック図である。

レコメンドシステム１０は、レコメンドサーバ１００とパーソナルコンピュータ（以下、ＰＣという）やスマートフォンなどの携帯電話（以下、携帯端末という）３００とＷＥＢサーバやＤＢ（ｄａｔａｂａｓｅ）サーバ４００とを、ネットワーク１を介して接続している。レコメンドサーバ１００、ＰＣ／携帯端末３００およびＷＥＢサーバ／ＤＢサーバ４００は互いにＨＴＴＰ（ＨｙｐｅｒＴｅｘｔＴｒａｎｓｆｅｒＰｒｏｔｏｃｏｌ）等の通信プロトコルで通信可能である。図１には、説明を簡便にするために１台のＰＣ／携帯端末３００のみを記載しているが、実際には複数のＰＣ／携帯端末３００がネットワーク１に接続され、レコメンドサーバ１００、ＷＥＢサーバ／ＤＢサーバ４００は複数のＰＣ／携帯端末３００それぞれと通信可能である。

レコメンドサーバ１００は、対象顧客に応じた推薦商品を示すレコメンド情報を提供するＷＥＢサーバである。また、ＷＥＢサーバ／ＤＢサーバ４００は、既に登録してある顧客情報を提供するＷＥＢサーバ／ＤＢサーバである。ＰＣ／携帯端末３００は、レコメンドサービスを受ける顧客が使用する情報処理装置であって、ＷＥＢブラウザ（以下、ブラウザという）または、レコメンドを受けるためのアプリケーションが実装されている。

まず、レコメンドシステム１０での処理の流れを簡単に説明する。ＰＣ／携帯端末３００のブラウザ及びアプリケーションは、表示画面から受付けた指示に応じたリクエストをＷＥＢサーバ／ＤＢサーバ４００またはレコメンドサーバ１００に送信する。ＷＥＢサーバ／ＤＢサーバ４００またはレコメンドサーバ１００は、ネットワーク１を介してリクエストを受信し、ＷＥＢアプリケーションによりリクエストに応じた処理を行い、その処理結果をＰＣ／携帯端末３００に送信する。ＰＣ／携帯端末３００のブラウザ及びアプリケーションは、処理結果を受信し、表示画面に表示する。

次に、レコメンドシステム１０を構成するレコメンドサーバ１００、ＰＣ／携帯端末３００、ＷＥＢサーバ／ＤＢサーバ４００それぞれの機能、構成について説明する。レコメンドサーバ１００は、送受信部１０１と、ユーザ属性情報生成部１０２と、ユーザ行動情報生成部１０３と、ユーザ統合情報生成部１０４と、特徴把握情報生成部１０５と、嗜好性把握情報生成部１０６と、嗜好性一致情報生成部１０７と、似た人一致情報生成部１０８と、レコメンド情報生成部１０９と、ユーザ属性情報記憶部２００と、ユーザ行動情報記憶部２０１と、ユーザ統合情報記憶部２０２と、商品情報記憶部２０３と、特徴定義情報記憶部２０４と、特徴把握情報記憶部２０５と、嗜好性定義情報記憶部２０６と、嗜好性把握情報記憶部２０７と、嗜好一致定義情報記憶部２０８と、嗜好性一致情報記憶部２０９と、似た人定義情報記憶部２１０と、似た人一致情報記憶部２１１とを備えている。

ユーザ属性情報記憶部２００は、ＷＥＢサーバ／ＤＢサーバ４００に既に登録されているユーザ属性情報（以下、属性情報という）を記憶する。図２は、ユーザ属性情報記憶部２００のデータ構成の一例を示す説明図である。図２に示すように、ユーザ属性情報記憶部２００は、顧客識別情報（以下、顧客ＩＤという）と、性別と、年齢と、趣味を対応付けて記憶する。ユーザ属性情報記憶部２００には、その他顧客ＩＤに紐づく属性情報を記憶してもよい。なお、属性情報には、同じ項目を複数記憶しても良い。その場合には、顧客ＩＤそれぞれに対応付けて項目名と内容とを記憶する。

本実施例で取り扱う属性情報は、性別や年齢のような一般的な属性のほか、趣味、好きな本等の個人的な好みや、ソーシャルネットワーキングサービス（以下、ＳＮＳという）でつながっている人同士の関係性のような物理的な実態を伴わないもの、今後の予定、お肌の悩みのような日々変化する様々な情報も含む。また、属性情報は、他サービスによる既存入力情報か、新規入力情報かを問わない。

また、顧客ＩＤは、ＳＮＳサイトなどのＷＥＢサーバ／ＤＢサーバ４００を利用する個々の顧客を識別する情報である。顧客ＩＤは、ＰＣ／携帯端末３００がＳＮＳサイトやＷＥＢサーバ／ＤＢサーバ４００を利用するアプリケーションにアクセスした際に、顧客が利用するＰＣ／携帯端末ごとにＳＮＳサイトやＷＥＢサーバ／ＤＢサーバ４００によって付与され、通常ＰＣ／携帯端末３００のＣｏｏｋｉｅに格納されている。なお、顧客が利用する情報端末装置がＰＣではなく携帯電話である場合は、顧客ＩＤは個々の携帯電話を一意に識別する携帯端末識別番号である。また、顧客がＳＮＳサイトやアプリケーションにログインする場合には、ログインの際に使用する会員番号を顧客ＩＤとしてもよく、その他顧客を一意に識別できる情報であればどのような情報を使ってもよい。

ユーザ行動情報定義部２０１は、ＷＥＢサーバ／ＤＢサーバ４００に既に登録されているユーザ行動情報（以下、行動情報という）を記憶する。図３は、ユーザ行動情報記憶部２０１のデータ構成の一例を示す説明図である。図３に示すように、ユーザ行動情報記憶部２０１は、顧客識別情報（以下、顧客ＩＤという）と、購入年月日と、商品識別情報（以下、商品ＩＤという）と、価格を対応付けて記憶する。ユーザ行動情報記憶部２０１には、その他顧客ＩＤに紐づく行動情報を記憶してもよい。なお、行動情報には、同じ項目を複数記憶しても良い。その場合には、顧客ＩＤそれぞれに対応付けて項目名と内容とを記憶する。

本実施例で取り扱う行動情報は、購入年月日や商品ＩＤのような一般的な購買履歴のほか、現在使っている商品等の個人の状態や、現在その人がいる場所や好きなＳＰＯＴなどを登録するような位置情報提供サービスにあるような様々な情報をも含む。また、行動情報は、どこで買った商品か、どのサービスで取得された情報かを問わない。

また、本実施例で取り扱う商品は、日用品等のような一般的な物品のほか、テキスト、文書、Ｗｅｂページ、画像、映像、音楽や音声等の電子データや金融商品、保険商品のような物理的な実体を伴わない商品、ストリーミングでの映像視聴サービスや情報提供サービス、宅配サービスのような種々のサービスも含み、商品は有償か無償かを問わない。

ユーザ行動情報記憶部の顧客ＩＤは、商取引サイトや位置情報提供サービスなどのＷＥＢサーバ／ＤＢサーバ４００を利用する個々の顧客を識別する情報である。顧客ＩＤは、ＰＣ／携帯端末３００が商取引サイトや位置情報提供サービスなどのＷＥＢサーバ／ＤＢサーバ４００を利用するアプリケーションにアクセスした際に、顧客が利用するＰＣ／携帯端末ごとに商取引サイトや位置情報提供サービスによって付与され、通常ＰＣ／携帯端末３００のＣｏｏｋｉｅに格納されている。なお、顧客が利用する情報端末装置がＰＣではなく携帯電話である場合は、顧客ＩＤは個々の携帯電話を一意に識別する携帯端末識別番号である。また、顧客が商取引サイトや位置情報提供サービスなどにログインする場合には、ログインの際に使用する会員番号を顧客ＩＤとしてもよく、その他顧客を一意に識別できる情報であればどのような情報を使ってもよい。また、商品ＩＤは、商取引サイト内において、ここの商品を識別する情報である。

ユーザ統合情報記憶部２０２は、ユーザ属性情報記憶部２００とユーザ行動情報記憶部２０１をユーザＩＤで連結したユーザの属性情報と行動情報をユーザ統合情報を記憶する。図４は、ユーザ統合情報記憶部２０２のデータ構成の一例を示す説明図である。ユーザ統合情報記憶部２０２は、図２で示したユーザ属性情報と、図３で示したユーザ行動情報とをユーザＩＤで対応付けて記憶する。このようなデータ構造を採ることにより、同一の顧客の属性と行動を容易に検索することができる。

商品情報記憶部２０３は、商取引サイトや店舗で購入や参照が可能な商品に関する情報を記憶する。図５は、商品情報記憶部２０３のデータ構成の一例を示す説明図である。図５に示すように、商品情報記憶部２０３は、商品ＩＤと、商品名と、価格と、対象顧客と、商品説明文と、その他、サイズや、色、重量、発売日、画像データ等を対応付けて記憶する。対象顧客とは、この商品を作ったメーカなどが設定する対象顧客層であり、商品説明文とは、メーカもしくは販売店が各商品を説明する際に用いる文章である。なお、価格等のＰＣ／携帯端末３００で推薦商品を表示する際に必要な情報は、後述の、特徴把握情報記憶部２０５を介して、嗜好性一致情報記憶部２０９および似た人一致情報記憶部２１１にもコピーされ、それらの情報からレコメンドの際に表示する商品関連情報を構成する。

特徴定義情報記憶部２０４は、特徴把握情報記憶部２０５を更新する際に使用する設定値や、商品ＩＤごとに商品の特徴を追加する条件（以下、特徴追加条件）を記憶する。図６は、特徴定義情報記憶部２０４のデータ構成の一例を示す説明図である。特徴定義情報記憶部２０４は、更新頻度と、特徴Ａ追加条件▲１▼と、特徴Ｂ追加条件▲２▼と、特徴Ｃ追加条件▲３▼等を記憶する。

ここで、更新頻度とは、図５の商品情報から商品の特徴を把握して、特徴把握情報記憶部２０５の商品情報部分および、商品特徴の部分を更新する頻度を示す。

特徴追加条件とは、特徴把握情報生成部１０５が商品情報記憶部２０３の対象顧客と商品説明文を用いて、商品の特徴を特定して、特徴把握情報記憶部２０５に追加する条件を示す。例えば、図６に示すように、特徴追加条件に”特徴Ａ追加条件▲１▼：”『男性』を含む→男性向け”と、”特徴Ｂ追加条件▲２▼：”『中年』を含む→中年向け”と、”特徴Ｃ追加条件▲３▼：『ハイクラス』を含む→高級”が設定されている場合には、図７の特徴把握情報記憶部２０５の商品ＩＤ”ＧＩＤ０１”に関する情報として、特徴Ａに”男性向け”、特徴Ｂに”中年向け”、特徴Ｃに”高級”を記憶する。また、特徴追加条件に”特徴Ａ追加条件▲４▼：『女性』を含む→女性向け”、”特徴Ｂ追加条件▲５▼：『若い』を含む→若者向け”、”特徴Ｂ追加条件▲６▼：『シニア』を含む→シニア向け”、”特徴Ｃ追加条件▲７▼：『おしゃれ』を含む→おしゃれ”、”特徴Ｃ追加条件▲８▼：『長持ち』を含む→長持ち”、が設定されている場合は、特徴把握情報記憶部２０５の商品ＩＤ”ＧＩＤ０２”に関する情報として、特徴Ａに”女性向け”、特徴Ｂに”若者向け”、特徴Ｃに”おしゃれ”を記憶し、商品ＩＤ”ＧＩＤ０３”に関する情報として、特徴Ａに”女性向け”、特徴Ｂに”シニア向け”、特徴Ｃに”長持ち”を記憶する。

特徴把握情報記憶部２０５は、商品ごとにその商品の特徴を、それぞれの商品ＩＤに対応して特徴把握情報として記憶する。図７は特徴把握情報記憶部２０５のデータ構成の一例を示す説明図である。特徴把握情報記憶部２０５は、図５で示した商品情報に複数の商品特徴を商品ＩＤに対応付けて記憶している。特徴Ａと特徴Ｂと特徴Ｃは、特徴把握情報の一例である。ここで、特徴Ａは、性別に対する商品の特徴を示す。特徴Ｂは、年代に対する商品の特徴を示す。特徴Ｃは、該当商品が持つ他の商品にはない差別化ポイントを示す。例えば、特徴把握情報記憶部２０５は、商品ＩＤ”ＧＩＤ０１”に関する情報として、特徴Ａに”男性向け”、特徴Ｂに”中年向け”、特徴Ｃに”高級”をそれぞれ記憶している。

嗜好性定義情報記憶部２０６は、嗜好性把握情報記憶部２０７を更新する際に使用する設定値や、顧客ＩＤごとに顧客の嗜好性を追加する条件（以下、嗜好性追加条件）を記憶する。図８は、嗜好性定義情報記憶部２０６のデータ構成の一例を示す説明図である。嗜好性定義情報記憶部２０６は、更新頻度と、嗜好性Ａ追加条件▲１▼と、嗜好性Ｂ追加条件▲２▼と、嗜好性Ｃ追加条件▲３▼等を記憶する。

ここで、更新頻度とは、図４のユーザ統合情報から顧客の嗜好性を把握して、嗜好性把握情報記憶部２０７のユーザ統合情報部分および、顧客の嗜好性の部分を更新する頻度を示す。

嗜好性追加条件とは、嗜好性把握情報生成部１０６がユーザ統合情報記憶部２０２と特徴把握情報記憶部２０５を用いて、ユーザの嗜好性を特定して、嗜好性把握情報記憶部２０７に追加する条件を示す。例えば、図８に示すように、嗜好性追加条件に”嗜好性Ａ追加条件▲１▼：女性→女性向け”と、”嗜好性Ｂ追加条件▲２▼：７０歳以上→シニア向け”と、”嗜好性Ｃ追加条件▲３▼：購買商品の特徴Ｃ”が設定されている場合には、図９の嗜好性把握情報記憶部２０７の顧客ＩＤ”ＵＩＤ０１”に関する情報として、嗜好性Ａに”女性向け”、嗜好性Ｂに”シニア向け”、嗜好性Ｃに”高級”を記憶する。また、嗜好性追加条件に”嗜好性Ａ追加条件▲４▼：男性→男性向け”、”嗜好性Ｂ追加条件▲５▼：５０歳〜６９歳→中年向け”、”嗜好性Ｂ追加条件▲６▼：２５歳未満→若者向け”が設定されている場合は、嗜好性把握情報記憶部２０７の顧客ＩＤ”ＵＩＤ０２”に関する情報として、嗜好性Ａに”男性向け”、嗜好性Ｂに”中年向け”、嗜好性Ｃに”長持ち”を記憶し、顧客ＩＤ”ＵＩＤ０３”に関する情報として、嗜好性Ａに”女性向け”、嗜好性Ｂに”若者向け”、嗜好性Ｃに”おしゃれ”を記憶する。

嗜好性把握情報記憶部２０７は、顧客ごとに、その顧客の嗜好性を、それぞれの顧客ＩＤに対応して顧客嗜好性情報として記憶する。図９は嗜好性把握情報記憶部２０７のデータ構成の一例を示す説明図である。嗜好性把握情報記憶部２０７は、図４で示したユーザ統合情報に複数の顧客の嗜好性を顧客ＩＤに対応付けて記憶している。嗜好性Ａと嗜好性Ｂと嗜好性Ｃは、顧客嗜好性情報の一例である。ここで、嗜好性Ａは、性別に関する顧客の嗜好性を示す。嗜好性Ｂは、年代に関する顧客の嗜好性を示す。嗜好性Ｃは、該当顧客が持つ独自の嗜好性を示す。例えば、嗜好性把握情報記憶部２０７は、顧客ＩＤ”ＵＩＤ０１”に関する情報として、嗜好性Ａに”女性向け”、嗜好性Ｂに”シニア向け”、嗜好性Ｃに”高級”をそれぞれ記憶している。

嗜好一致定義情報記憶部２０８は、嗜好性一致情報記憶部２０９を更新する際に使用する設定値や、顧客ＩＤごとに顧客の嗜好性と商品の特徴を一致させるための条件（以下、嗜好一致条件）を記憶する。図１０は、嗜好一致定義情報記憶部２０８のデータ構成の一例を示す説明図である。嗜好一致定義情報記憶部２０８は、更新頻度と、嗜好一致条件▲１▼と、嗜好一致条件▲２▼と、嗜好一致条件▲３▼等を記憶する。

ここで、更新頻度とは、図９の嗜好性把握情報記憶部２０７から顧客の嗜好性を把握し、特徴把握情報記憶部２０５を用いて嗜好性一致情報記憶部２０９の該当商品情報部分および該当商品の特徴部分、さらに顧客ＩＤに対する推薦商品ＩＤの部分を更新する頻度を示す。

嗜好一致条件とは、嗜好性一致情報生成部１０７が特徴把握報記憶部２０５と嗜好性把握情報記憶部２０７を用いて、ユーザの嗜好性に合った特徴を持つ商品を特定して、嗜好性一致情報記憶部２０９に記憶する条件を示す。例えば、図１０に示すように、嗜好性一致条件に”嗜好一致条件▲１▼：嗜好性Ａと特徴Ａが一致”と、”嗜好一致条件▲２▼：嗜好性Ｂと特徴Ｂが一致”と、”嗜好一致条件▲３▼：嗜好性Ｃと特徴Ｃが一致”が設定されている場合には、図１１の嗜好性一致情報記憶部２０９の顧客ＩＤ”ＵＩＤ０１”に対する推薦商品として、特徴Ａに”女性向け”、特徴Ｂに”シニア向け”、特徴Ｃに”高級”が記憶されている商品ＩＤ”ＧＩＤ０４”の商品情報を記憶し、推薦商品ＩＤに”ＧＩＤ０４”を追加する。また同様に、図１１の嗜好性一致情報記憶部２０９の顧客ＩＤ”ＵＩＤ０２”に対する推薦商品としては、特徴Ａに”男性向け”、特徴Ｂに”中年向け”、特徴Ｃに”長持ち”が記憶されている商品ＩＤ”ＧＩＤ０７”の商品情報を記憶し、推薦商品ＩＤに”ＧＩＤ０７”を追加する。顧客ＩＤ”ＵＩＤ０３”に対する推薦商品としては、特徴Ａに”女性向け”、特徴Ｂに”若者向け”、特徴Ｃに”おしゃれ”が記憶されている商品ＩＤ”ＧＩＤ０６”の商品情報を記憶し、推薦商品ＩＤに”ＧＩＤ０６”を追加する。

嗜好性一致情報記憶部２０９は、顧客ごとに、その顧客の嗜好性と一致する特徴を持つ商品を、それぞれの顧客ＩＤに対応して推薦商品情報として記憶する。図１１は嗜好性一致情報記憶部２０９のデータ構成の一例を示す説明図である。嗜好性一致情報記憶部２０９は、図９で示した顧客の嗜好性把握情報と一致する商品特徴を持つ複数の商品情報を顧客ＩＤに対応付けて記憶している。特徴Ａと特徴Ｂと特徴Ｃは、顧客嗜好性情報と一致した商品特徴の一例である。ここで、特徴Ａは、顧客の嗜好性Ａと一致した商品の特徴Ａを示す。特徴Ｂは、顧客の嗜好性Ｂと一致した商品の特徴Ｂを示し、特徴Ｃは同様に、顧客の嗜好性Ｃと一致した商品の特徴Ｃを示す。また、推薦商品ＩＤは、それぞれの顧客ＩＤに対して、推薦する商品の商品ＩＤを示す。例えば、嗜好性一致情報記憶部２０９は、顧客ＩＤ”ＵＩＤ０１”に関する情報として、顧客の嗜好性Ａに一致する商品の特徴Ａに”女性向け”、顧客の嗜好性Ｂに一致する商品の特徴Ｂに”シニア向け”、顧客の嗜好性Ｃに一致する商品の特徴Ｃに”高級”をそれぞれ記憶している。また、そのような特徴Ａと特徴Ｂと特徴Ｃを商品特徴として持つ商品の商品ＩＤである”ＧＩＤ０４”を、推薦商品ＩＤに記憶する。同様の方法により、顧客ＩＤ”ＵＩＤ０２”に対応する推薦商品ＩＤは”ＧＩＤ０７”を、顧客ＩＤ”ＵＩＤ０３”に対応する推薦商品ＩＤは”ＧＩＤ０６”を記憶する。

似た人定義情報記憶部２１０は、似た人一致情報記憶部２１１を更新する際に使用する設定値や、顧客ＩＤごとの属性情報と行動情報と嗜好性情報の各項目が一致する似た人を探すための条件（以下、似た人一致条件）を記憶する。図１２は、似た人定義情報記憶部２１０のデータ構成の一例を示す説明図である。似た人定義情報記憶部２１０は、更新頻度と、似た人一致条件▲１▼と、似た人一致条件▲２▼と、似た人一致条件▲３▼等を記憶する。

ここで、更新頻度とは、図９の嗜好性把握情報記憶部２０７から顧客の属性情報と行動情報を嗜好性情報をを把握して、各項目が一致している似た人を探し、似た人一致情報記憶部２１１の似た人ＩＤおよび似た人の属性情報と行動情報と嗜好性情報、さらに顧客ＩＤに対する推薦商品ＩＤの部分を更新する頻度を示す。

似た人一致条件とは、似た人一致情報生成部１０８が嗜好性把握情報記憶部２０７を用いて、ユーザに似た人を特定して、似た人の情報を、似た人一致情報記憶部２１１に記憶する条件を示す。例えば、図１２に示すように、似た人一致条件に”似た人一致条件▲１▼：年齢±５歳にお互いが入る”と、”似た人一致条件▲２▼：趣味がお互いに一致”と、”似た人一致条件▲３▼：嗜好性Ｃがお互いに一致”が設定されている場合には、図１３の似た人一致情報記憶部２１１の顧客ＩＤ”ＵＩＤ０１”に対する似た人として、年齢に”７５歳”、趣味に”ＡＡ”、嗜好性Ｃに”高級”が記憶されている顧客ＩＤ”ＵＩＤ０８”を特定し、似た人ＩＤに、似た人の顧客ＩＤである”ＵＩＤ０８”を記憶する。また、推薦商品には、似た人が購入した商品を記憶するため、顧客ＩＤ”ＵＩＤ０８”に紐づく商品ＩＤ”ＧＩＤ１１”を記憶する。また同様に、図１３の似た人一致情報記憶部２１１の顧客ＩＤ”ＵＩＤ０２”に関しては、年齢に”５３歳”、趣味に”ＢＢ”、嗜好性Ｃに”長持ち”が記憶されている顧客ＩＤ”ＵＩＤ１０”を似た人ＩＤに記憶し、”ＵＩＤ１０”が購入した商品である、商品ＩＤ”ＧＩＤ１３”を推薦商品ＩＤとして記憶する。顧客ＩＤ”ＵＩＤ０３”に関しては、年齢に”２１歳”、趣味に”ＣＣ”、嗜好性Ｃに”おしゃれ”が記憶されている顧客ＩＤ”ＵＩＤ０９”を似た人ＩＤに記憶し、”ＵＩＤ０９”が購入した商品である、商品ＩＤ”ＧＩＤ１２”を推薦商品ＩＤとして記憶する。

似た人一致情報記憶部２１１は、顧客ごとに、その顧客に似た人が購買した商品を、それぞれの顧客ＩＤに対応して推薦商品情報として記憶する。図１３は似た人一致情報記憶部２１１のデータ構成の一例を示す説明図である。似た人一致情報記憶部２１１は、図９で示した顧客の属性情報と行動情報と嗜好性情報を用いて似た人を特定し、その似た人の様々な情報を顧客ＩＤに対応付けて記憶している。また、その似た人が購買した商品ＩＤを推薦商品ＩＤとして記憶する。似た人ＩＤは、顧客の属性情報と行動情報と嗜好性情報を用いて抽出した似た人の顧客ＩＤの一例であり、その他の属性情報と行動情報を嗜好性情報は、似た人ＩＤに紐づくものである。ここで、年齢は顧客ＩＤに紐づく年齢の±５歳に入っている似た人の年齢を示す。趣味は、顧客ＩＤに紐づく趣味と一致する似た人の趣味を示し、嗜好性Ｃは、顧客ＩＤに紐づく嗜好性Ｃと一致する似た人の嗜好性Ｃを示す。例えば、似た人一致情報記憶部２１１は、顧客ＩＤ”ＵＩＤ０１”に関する情報として、顧客ＩＤに紐づく年齢の±５歳に含まれる似た人の年齢に”７５歳”、顧客ＩＤに紐づく趣味に一致する似た人の趣味に”ＡＡ”、顧客ＩＤに紐づく嗜好性Ｃに一致する似た人の嗜好性Ｃに”高級”をそれぞれ記憶している。またそのような年齢と趣味と嗜好性Ｃを顧客情報として持つ顧客として、似た人ＩＤに顧客ＩＤ”ＵＩＤ０８”を記憶し、その似た人が購買した商品の商品ＩＤ”ＧＩＤ１１”を推薦商品ＩＤに記憶する。同様の方法により、顧客ＩＤ”ＵＩＤ０２”に対応する推薦商品ＩＤとして”ＧＩＤ１３”を、顧客ＩＤ”ＵＩＤ０３”に対応する推薦商品ＩＤとして”ＧＩＤ１２”を記憶する。

送受信部１０１は、通信ネットワーク１を介して接続されたＰＣ／携帯端末３００およびＷＥＢサーバ／ＤＢサーバ４００とデータを送受信する。より具体的には、送受信部１０１はＰＣ／携帯端末３００から送信された顧客ＩＤを含む推薦リクエストを受信する。ここで、推薦リクエストとは、ＰＣ／携帯端末３００で顧客が指示した顧客情報に応じた推薦商品に関する情報（以下、レコメンド情報という）をＰＣ／携帯端末２００に送信する要求（商品推薦要求）である。

送受信部１０１は、レコメンド情報をＰＣ／携帯端末３００に送信する。また、送受信部１０１は、ＷＥＢサーバ／ＤＢサーバ４００からＰＣ／携帯端末３００を経由して送信された、顧客の属性情報と行動情報を受信し、受信した属性情報をユーザ属性情報記憶部２００に格納し、行動情報をユーザ行動情報記憶部２０１に格納する。

ユーザ属性情報生成部１０２は、送受信部１０１から受信した属性情報から求められた形式のユーザ属性情報を生成し、ユーザ属性情報記憶部２００に格納する。より具体的には、ユーザ属性情報生成部１０２は、複数のＷＥＢサーバ／ＤＢサーバから得られた同一顧客の属性情報を統合し、そこから、求められる情報である性別と年齢と趣味等を抽出し、年齢等の項目は演算を行うことによってユーザ属性情報を生成し、求められた順序や形式に従って、ユーザ属性情報記憶部２００に格納する。

ユーザ行動情報生成部１０３は、送受信部１０１から受信した行動情報から求められた形式のユーザ行動情報を生成し、ユーザ行動情報記憶部２０１に格納する。より具体的には、ユーザ行動情報生成部１０３は、複数のＷＥＢサーバ／ＤＢサーバから得られた同一顧客の行動情報を統合し、そこから、求められる情報である購入年月日と商品ＩＤと価格等を抽出し、位置情報については緯度や経度を取得することで、ユーザ行動情報を生成し、求められた順序や形式に従って、ユーザ行動情報記憶部２０１に格納する。

ユーザ行動情報生成部１０４は、ユーザ属性情報記憶部２００にあるユーザ属性情報とユーザ行動情報記憶部２０１にあるユーザ行動情報とを、お互いの顧客ＩＤを用いて統合することにより、ユーザ統合情報を作成し、ユーザ統合情報記憶部２０２に格納する。このようなデータ構成を採ることにより、同一顧客の属性情報と行動情報を容易に検索することができる。

特徴把握情報生成部１０５は、特徴定義情報記憶部２０４に記憶された集計頻度に応じた時に、商品情報記憶部２０３に記憶された対象顧客と商品説明文を用いて、特徴定義情報記憶部２０４の特徴追加条件に従って、商品ごとに特徴把握情報を生成し、生成した特徴把握情報を特徴把握情報記憶部２０５に格納する。

特徴把握情報を生成する処理をより具体的に説明する。特徴把握情報生成部１０５は、商品情報記憶部２０３に記憶された対象顧客と商品説明文を抽出し、それらの文章に形態素解析を行うことにより、文章を要素に分解する。それにより得られた文章の要素から手主要な要素である、名詞と形容詞と動詞と副詞を抽出し、特徴定義情報記憶部２０４の特徴追加条件を用いて、商品ごとの特徴把握情報を特定する。例えば、商品”ＧＩＤ０１”の対象顧客である”中年男性”であれば、文章の主要な要素は（以下、主要な要素に該当する部分を『』で表す）”『中年』『男性』”となり、商品説明文である”ハイクラスな〜”であれば、文章の要素は”『ハイクラス』な〜”となる。これらの要素と図６の特徴追加条件により特定した特徴把握情報を、特徴把握情報記憶部２０５の該当する特徴箇所に記憶する。商品に対する特徴把握情報は対象顧客と商品説明文が長い場合には、数多くの要素が抽出され、数多くの特徴が特定される場合があるが、その場合は、重複を除く全ての商品特徴を同様に商品ＩＤに紐付けて格納する。また逆に対象顧客と商品説明文が既に要素になっている場合には、形態素解析を行う必要はない。

また、特徴定義情報記憶部２０４の更新頻度に、”ＤＢが更新される度”が設定されている場合は、特徴把握情報生成部１０５が情報を取得しているＤＢであるユーザ統合情報記憶部２０２と、特徴定義情報記憶部２０４のどちらかの情報が更新された段階で、新たに特徴把握情報を生成し直し、特徴把握情報記憶部２０５の商品情報および、特徴把握情報を更新する。さらに、更新頻度の設定に”設定なし”が設定されている場合には、特徴把握生成部１０５による自動更新は行わない。更新頻度にいずれの値が設定されている場合においても、管理者が任意のタイミングで、手動で同様の更新作業を行うことができる。

嗜好性把握情報生成部１０６は、嗜好性定義情報記憶部２０６に記憶された集計頻度に応じた時に、ユーザ統合情報記憶部２０２と特徴把握情報記憶部２０５を用いて、嗜好性定義情報記憶部２０６の嗜好性追加条件に従って、顧客ＩＤごとに嗜好性把握情報を生成し、生成した嗜好性把握情報を嗜好性把握情報記憶部２０７に格納する。

嗜好性把握情報を生成する処理をより具体的に説明する。まず、嗜好性把握情報生成部１０６は、ユーザ統合情報記憶部２０２のユーザ属性情報と図８の嗜好性定義情報記憶部２０６の嗜好性追加条件より、顧客嗜好性を求める。例えば、図８の嗜好性追加条件が”嗜好性Ａ追加条件▲１▼：女性→女性向け”であるとき、顧客ＩＤ”ＵＩＤ０１”の性別が女性であるため、”ＵＩＤ０１”に紐付く嗜好性Ａは”女性向け”を記憶する。同様に、”嗜好性Ａ追加条件▲２▼：７０歳以上→シニア向け”であるとき、顧客ＩＤ”ＵＩＤ０１”の年齢が７２歳であるため、”ＵＩＤ０１”に紐付く嗜好性Ｂは”シニア向け”を記憶する。また、嗜好性把握情報生成部１０６は、ユーザ統合情報記憶部２０２のユーザ行動情報と、図７の特徴把握情報記憶部２０５の特徴把握情報を、ユーザごとに購買した商品の商品ＩＤで紐付け、その特徴把握情報をユーザの嗜好性情報として記憶する。例えば、図８の嗜好性追加条件が”嗜好性Ｃ追加条件▲３▼：購買商品の特徴Ｃ”であるとき、顧客ＩＤ”ＵＩＤ０１”の購買した商品の商品ＩＤが”ＧＩＤ０１”であり、図７の特徴把握情報記憶部２０５の同じく商品ＩＤ”ＧＩＤ０１”の商品特徴Ｃが”高級”であるため、”ＵＩＤ０１”に紐付く嗜好性Ｃは”高級”を記憶する。図４のユーザ統合情報にて、同一の顧客が複数の商品を購買しており、顧客ＩＤに紐付く商品ＩＤが複数ある場合でも、同様の処理を行うが、その際は新たな嗜好性として追加する。例えば、嗜好性Ｃに該当するものに”『高級』、『おしゃれ』”と複数ある場合には、嗜好性Ｃには”高級”を記憶し、”おしゃれ”については、嗜好性Ｄとして追加する。３つ目以上の嗜好性についても同様の追加処理を行う。

また、嗜好性定義情報記憶部２０６の更新頻度に、”ＤＢが更新される度”が設定されている場合は、嗜好性把握情報生成部１０６が情報を取得しているＤＢであるユーザ統合情報記憶部２０２と、特徴把握情報記憶部２０５と、嗜好性定義情報記憶部２０６のいずれかの情報が更新された段階で、新たに嗜好性把握情報を生成し直し、嗜好性把握情報記憶部２０７のユーザ属性情報とユーザ行動情報と嗜好性把握情報を更新する。さらに、更新頻度の設定に”設定なし”が設定されている場合には、嗜好性把握生成部１０６による自動更新は行わない。更新頻度にいずれの値が設定されている場合においても、管理者が任意のタイミングで、手動で同様の更新作業を行うことができる。

嗜好性一致情報生成部１０７は、嗜好一致定義情報記憶部２０８に記憶された集計頻度に応じた時に、特徴把握情報記憶部２０５と嗜好性把握情報記憶部２０７を用いて、嗜好一致定義情報記憶部２０８の嗜好一致条件に従って、顧客ＩＤごとに顧客の嗜好性と一致する特徴を持つ商品を特定し、その商品ＩＤに紐付く商品情報を嗜好性一致情報記憶部２０９に記憶し、その商品ＩＤを推薦商品ＩＤに記憶する。

嗜好性一致情報を生成する処理をより具体的に説明する。嗜好性一致情報生成部１０７は、特徴把握情報記憶部２０５の特徴把握情報と嗜好性把握情報記憶部２０７の嗜好性把握情報を用いて、嗜好一致定義情報記憶部２０８の嗜好一致条件により、顧客の嗜好性と一致する特徴把握情報を持つ商品を特定する。例えば、図１０の嗜好一致条件が”嗜好一致条件▲１▼：嗜好性Ａと特徴Ａが一致”であるとき、顧客ＩＤ”ＵＩＤ０１”の嗜好性Ａが”女性向け”であるため、特徴把握情報記憶部２０５に記憶されている商品のうち、特徴Ａが”女性向け”である商品に絞り込まれる。さらに、嗜好一致条件に”嗜好一致条件▲２▼：嗜好性Ｂと特徴Ｂが一致”が追加されると、顧客ＩＤ”ＵＩＤ０１”の嗜好性Ｂが”シニア向け”であるため、特徴把握情報記憶部２０５に記憶されている商品で嗜好一致条件▲１▼で絞り込まれた商品の中から、さらに特徴Ｂが”シニア向け”である商品に絞り込まれる。つまり、絞り込まれる商品の商品特徴としては、嗜好一致条件▲１▼の嗜好性Ａが”女性向け”であり、かつ嗜好一致条件▲２▼の嗜好性Ｂが”シニア向け”に該当する商品が選択される。また、図１０のように、さらに、嗜好一致条件に”嗜好一致条件▲３▼：嗜好性Ｃと特徴Ｃが一致”が追加されると、同様の処理により、最終的に選択される商品の商品特徴としては、嗜好一致条件▲１▼の嗜好性Ａが”女性向け”であり、かつ嗜好一致条件▲２▼の嗜好性Ｂが”シニア向け”であり、かつ嗜好一致条件▲３▼の嗜好性Ｃが”高級”の全てが該当する商品が選択される。該当する商品が複数ある場合には、全ての商品情報について、同様に嗜好性一致情報記憶部２０９の該当する顧客ＩＤに紐付けて記憶する。

また、複数の嗜好一致条件が設定されていて、全ての嗜好一致条件を満たす商品が特徴把握情報記憶部２０５に存在しない場合の処理について説明する。商品の検索順序は、まず設定されている全ての条件に該当する商品を検索するが、該当する商品が存在しない場合には、いくつかの嗜好一致条件を満たす商品を特定する。例えば、図１０のように嗜好一致条件が３つ存在する場合には、まず、検索条件として、”嗜好性一致条件▲１▼かつ嗜好性一致条件▲２▼かつ嗜好性一致条件▲３▼”というように全ての条件を満たす商品を検索するが、存在しなかった場合には、次に”嗜好性一致条件▲１▼かつ嗜好性一致条件▲２▼”、”嗜好性一致条件▲１▼かつ嗜好性一致条件▲３▼”、”嗜好性一致条件▲２▼かつ嗜好性一致条件▲３▼”というようにそれぞれ２つの条件の組み合わせで検索を行う。これらについては、どの条件で検索されても、同様に該当する商品情報を嗜好性一致情報記憶部２０９に記憶するが、どの検索条件に該当する商品であるかという情報も、該当する商品情報と共に嗜好性一致情報記憶部２０９に記憶する。２つの条件に該当する商品が存在しなかった場合の処理については同様に、さらに条件を減らした１つの条件のみに該当する商品を検索する。例えば、先ほどの２つの条件の組み合わせである３つの組み合わせ条件の全てにおいて該当する商品が存在しない場合には、次の検索条件としては、”嗜好性一致条件▲１▼”と、”嗜好性一致条件▲２▼”と”嗜好性一致条件▲３▼”の３つになり、検索する手順及び、該当する商品の商品情報を嗜好性一致情報記憶部２０９に記憶する手順については、先程と同様に行う。

また、嗜好一致定義情報記憶部２０８の更新頻度に、”ＤＢが更新される度”が設定されている場合は、嗜好性一致情報生成部１０７が情報を取得しているＤＢである特徴把握情報記憶部２０５と、嗜好性把握情報記憶部２０７と、嗜好一致定義情報記憶部２０８のいずれかの情報が更新された段階で、新たに図１０の嗜好一致条件に該当する商品を特徴把握情報記憶部２０５から検索し、嗜好性一致情報記憶部２０９の商品情報と特徴把握情報と推薦商品ＩＤを更新する。さらに、更新頻度の設定に”設定なし”が設定されている場合には、嗜好一致情報生成部１０７による自動更新は行わない。更新頻度にいずれの値が設定されている場合においても、管理者が任意のタイミングで、手動で同様の更新作業を行うことができる。

似た人一致情報生成部１０８は、似た人定義情報記憶部２１０に記憶された集計頻度に応じた時に、嗜好性把握情報記憶部２０７を用いて、似た人定義情報記憶部２１０の似た人一致条件に従って、顧客ＩＤごとに顧客の属性情報と行動情報と嗜好性情報から、その顧客に似た人を特定する。その特定された顧客ＩＤに紐付く顧客情報と、特徴把握情報記憶部２０５からその顧客が購買した商品ＩＤに紐付く商品情報を抽出し、似た人一致情報記憶部２１１に記憶する。その際、似た人一致情報記憶部２１１にある推薦商品ＩＤには、該当する顧客が購買した商品ＩＤを格納する。

似た人一致情報を生成する処理をより具体的に説明する。似た人一致情報生成部１０８は、嗜好性把握情報記憶部２０７の顧客の属性情報と行動情報と嗜好性情報を用いて、似た人定義情報記憶部２１０の似た人一致条件により、該当する顧客の属性情報と行動情報と嗜好性情報の指定の項目の値が一致する、似た人を特定する。例えば、図１２の似た人一致条件が”似た人一致条件▲１▼：年齢±５歳がお互いに入る”であるとき、顧客ＩＤ”ＵＩＤ０１”の年齢が”７２歳”であるため、嗜好性把握情報記憶部２０７に記憶されている顧客のうち、年齢が”７２歳±５歳に入る”を満たす顧客に絞り込まれる。さらに、似た人一致条件に”似た人一致条件▲２▼：趣味がお互いに一致”が追加されると、顧客ＩＤ”ＵＩＤ０１”の趣味が”ＡＡ”であるため、嗜好性把握情報記憶部２０７に記憶されている顧客で似た人一致条件▲１▼で絞り込まれた顧客の中から、さらに趣味が”ＡＡ”である顧客に絞り込まれる。つまり、絞り込まれる顧客情報としては、似た人一致条件▲１▼の年齢が”７２歳±５歳”であり、かつ似た人一致条件▲２▼の趣味が”ＡＡ”に該当する顧客が選択される。また、図１２のように、さらに、似た人一致条件に”似た人一致条件▲３▼：嗜好性Ｃがお互いに一致”が追加されると、同様の処理により、最終的に選択される顧客情報としては、似た人一致条件▲１▼の年齢が”７２歳±５歳”であり、かつ似た人一致条件▲２▼の趣味が”ＡＡ”であり、かつ似た人一致条件▲３▼の嗜好性Ｃが”高級”の全てが該当する顧客が選択される。該当する顧客が複数ある場合には、全ての似た人に該当する顧客の顧客情報について、同様に似た人一致情報記憶部２１１の該当する顧客ＩＤに紐付けて記憶する。

また、複数の似た人一致条件が設定されていて、全ての似た人一致条件を満たす顧客が嗜好性把握情報記憶部２０７に存在しない場合の処理について説明する。顧客の検索順序は、まず設定されている全ての条件に該当する顧客を検索するが、該当する顧客が存在しない場合には、いくつかの似た人一致条件を満たす顧客を特定する。例えば、図１２のように似た人一致条件が３つ存在する場合には、まず、検索条件として、”似た人一致条件▲１▼かつ似た人一致条件▲２▼かつ似た人一致条件▲３▼”というように全ての条件を満たす顧客を検索するが、存在しなかった場合には、次に”似た人一致条件▲１▼かつ似た人一致条件▲２▼”、”似た人一致条件▲１▼かつ似た人一致条件▲３▼”、”似た人一致条件▲２▼かつ似た人一致条件▲３▼”というようにそれぞれ２つの条件の組み合わせで検索を行う。これらについては、どの条件で検索されても、同様に該当する顧客情報を似た人一致情報記憶部２１１に記憶するが、どの検索条件に該当する顧客であるかという情報も、該当する顧客情報と共に似た人一致情報記憶部２１１に記憶する。２つの条件に該当する顧客が存在しなかった場合の処理については同様に、さらに条件を減らした１つの条件のみに該当する顧客を検索する。例えば、先ほどの２つの条件の組み合わせである３つの組み合わせ条件の全てにおいて該当する顧客が存在しない場合には、次の検索条件としては、”似た人一致条件▲１▼”と、”似た人一致条件▲２▼”と”似た人一致条件▲３▼”の３つになり、検索する手順及び、該当する顧客である似た人の顧客情報を似た人一致情報記憶部２１１に記憶する手順については、先程と同様に行う。

また、似た人定義情報記憶部２１０の更新頻度に、”ＤＢが更新される度”が設定されている場合は、似た人一致情報生成部１０８が情報を取得しているＤＢである嗜好性把握情報記憶部２０７と、似た人定義情報記憶部２１０のいずれかの情報が更新された段階で、新たに図１２の似た人一致条件に該当する似た人を嗜好性把握情報記憶部２０７から検索し、似た人一致情報記憶部２１１の似た人ＩＤに紐付く属性情報と行動情報と嗜好性情報を推薦商品ＩＤを更新する。また、商品が追加されたなどの特徴把握情報記憶部２０５が更新された場合には、似た人一致情報記憶部の似た人が購買した商品である推薦商品ＩＤに紐付く商品情報を更新する。さらに、更新頻度の設定に”設定なし”が設定されている場合には、似た人一致情報生成部１０８による自動更新は行わない。更新頻度にいずれの値が設定されている場合においても、管理者が任意のタイミングで、手動で同様の更新作業を行うことができる。

レコメンド情報生成部１０９は、嗜好一致定義情報記憶部２０８と似た人定義情報記憶部２１０に記憶されたレコメンド条件に従って、送受信部１０１によって受信された推薦リクエストに含まれる顧客ＩＤに対応する推薦商品である推薦商品ＩＤ及び、それに紐付く商品情報を、嗜好性一致情報記憶部２０９と似た人一致情報記憶部２１１から取得する。

次に、ＰＣ／携帯端末３００について説明する。ＰＣ／携帯端末３００は、ブラウザまたはアプリケーションからネットワーク１を介して、ＷＥＢサーバ／ＤＢサーバ４００の既存の顧客情報にアクセスすることによって、送信された顧客ＩＤに対する顧客情報を取得する。また、ＰＣ／携帯端末３００は、ブラウザまたはアプリケーションからアクセスされた顧客の顧客ＩＤを含む推薦リクエストをレコメンドサーバ１００に送信する。ＰＣ／携帯端末３００は、レコメンドサーバ１００から送信されたレコメンド情報を用いてレコメンド表示領域の表示データを構成し、推薦商品に関する情報を表示画面のレコメンド表示領域に表示する。

なお、顧客が使用する情報処理装置は、ＰＣや、携帯電話やＰＤＡ（ＰｅｒｓｏｎａｌＤｉｇｉｔａｌＡｓｓｉｓｔａｎｔ）、スマートフォンなどの携帯端末に限るものではなく、ブラウザやアプリケーションを備え、ネットワーク１を介して、ＷＥＢサーバ／ＤＢサーバ４００および、レコメンドサーバ１００にアクセスできる電子機器であればどのようなものであってもよい。

次に、ＷＥＢサーバ／ＤＢサーバ４００について説明する。ＷＥＢサーバ／ＤＢサーバ３００は、ブラウザやアプリケーションを用いてアクセスした顧客に対して、その顧客ＩＤに紐付く顧客情報を送信する。顧客情報には、顧客属性情報と顧客行動情報があるが、顧客属性情報とは、その顧客に関する既に登録されている様々な種類の情報のことであり、顧客行動情報とは、顧客がアクセスした際の位置情報や、過去に商取引が成立したことを示す商取引に関する履歴情報のことである。ＷＥＢサーバ／ＤＢサーバ４００は、生成したそれらの顧客情報とともに、レコメンドサーバ１００に顧客情報を送信するリクエストを含むスクリプトをＰＣ／携帯端末３００に送信する。ＰＣ／携帯端末３００は、受信したスクリプトを実行し、顧客情報をレコメンドサーバ１００に送信する。

次に、上述のように構成されたレコメンドサーバ１００とＰＣ／携帯端末３００とＷＥＢサーバ／ＤＢサーバ４００からなるレコメンドシステム１０でのレコメンド処理について説明する。図１４は、レコメンドシステム１０が行なうレコメンド処理手順を示すフローチャートである。なお、ＰＣ／携帯端末３００がＥＣサーバ／ＤＢサーバ４００にアクセスした際に、顧客情報取得に使用する顧客ＩＤはＰＣ／携帯端末３００のＣｏｏｋｉｅに格納されている。

まず、ＰＣ／携帯端末３００は、既にインストールされているアプリケーションまたは、ブラウザを用いてＵＲＬ（ＵｎｉｆｏｒｍＲｅｓｏｕｒｃｅＬｏｃａｔｏｒ）を指定し、Ｗｅｂサイトを表示する（ステップＳ７０１）。次に、ＰＣ／携帯端末３００は、Ｃｏｏｋｉｅから顧客ＩＤを取得する（ステップＳ７０２）。

次に、ＰＣ／携帯端末３００は、ＷＥＢサーバ／ＤＢサーバ４００に、取得した顧客ＩＤに紐付く顧客情報のリクエスト送信する（ステップＳ７０３）。ＷＥＢサーバ／ＤＢサーバ４００は、ＰＣ／携帯端末３００からのリクエストを受信し、リクエストに対応する顧客情報をＰＣ／携帯端末３００に送信する（ステップＳ７０４）。以下、ＷＥＢサーバ／ＤＢサーバから得られた顧客情報をユーザ情報と呼ぶ。ＰＣ／携帯端末３００は、顧客ＩＤおよびユーザ情報を含む推薦リクエストをレコメンドサーバ１００に送信する（ステップ７０５）。より具体的には、ＨＴＭＬファイルに記述されている、ＪａｖａＳｃｒｉｐｔ（登録商標）等によるスクリプトを実行することによって、商品ＩＤおよび顧客ＩＤを含んだリクエストをレコメンドサーバ１００に送信する。

レコメンドサーバ１００の送受信部１０１は、ＰＣ／携帯端末３００から送信された、顧客ＩＤおよびユーザ情報を含む推薦リクエストを受信する（ステップＳ７０６）。レコメンド情報生成部１０９は、嗜好一致定義情報記憶部２０８および、似た人定義情報記憶部より、それぞれのレコメンド条件を取得する（ステップＳ７０７）。例えば、図１０の全ての嗜好一致条件と図１２の全ての似た人一致条件を取得する。

レコメンド情報生成部１０９は、レコメンド条件に従って、受信した顧客ＩＤに対応する推薦商品ＩＤとその商品ＩＤに紐付く商品情報を、嗜好性一致情報記憶部２０９および、似た人一致情報記憶部２１１から取得し、それらの商品情報を用いてレコメンド情報を生成する（ステップＳ７０８）。例えば、受信した顧客ＩＤが”ＵＩＤ０１”で、レコメンド条件が図１０の嗜好一致条件である場合には、嗜好性一致情報記憶部２０９から推薦商品ＩＤである”ＧＩＤ０４”とそれに紐付く商品情報を取得する。また、受信した顧客ＩＤが”ＵＩＤ０１”で、レコメンド条件が図１２の似た人一致条件である場合には、似た人一致情報記憶部２１１から推薦商品ＩＤである”ＧＩＤ１１”とそれに紐付く商品情報を取得する。

レコメンド情報生成部１０９は、ユーザ行動情報記憶部２０１に記憶されたユーザ行動情報を用いて、顧客が既に購入している商品ＩＤを取得した商品ＩＤから削除する（ステップＳ７０９）。送受信部１０１は、ＰＣ／携帯端末３００にレコメンド情報を送信する（ステップＳ７１０）。

ＰＣ／携帯端末３００は、レコメンド情報をレコメンドサーバ１００から受信する（ステップＳ７１１）。ＰＣ／携帯端末３００は、レコメンド情報からレコメンド表示領域の表示データを構成し、レコメンド表示領域に推薦商品に関する情報を表示する（ステップＳ７１２）。

このように、顧客がある商品を購入する際に、顧客が商品を選択する際に重要とされる、自分と選択基準が近い友達からの口コミ（似た人一致情報記憶部２１１の推薦商品に対応する）および自分を良く知る販売員からのアドバイス（嗜好性一致情報記憶部２０９の推薦商品に対応する）、を聞くように商品を推薦することができる。したがって、顧客の選択嗜好性を考慮して商品を推薦することができるため、顧客が購入する可能性がある商品を幅広く推薦することができる。

レコメンドサーバ１００は、ＣＰＵ（ＣｅｎｔｒａｌＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）等の制御装置と、ＲＯＭ（ＲｅａｄＯｎｌｙＭｅｍｏｒｙ）やＲＡＭ（ＲａｎｄｏｍＡｃｃｅｓｓＭｅｍｏｒｙ）等の記憶装置と、ＨＤＤ（ＨａｒｄＤｉｓｋＤｒｉｖｅ）、ＣＤ（ＣｏｍｐａｃｔＤｉｓｋ）ドライブ装置等の外部記憶装置と、ディスプレイ等の表示装置と、キーボードやマウス等の入力装置と、他の装置と通信を行う通信インタフェースとこれらを接続するバスを備えており、通常のコンピュータを利用したハードウェア構成である。

本実施例では、上述した各部を備えるレコメンドサーバ１００がレコメンド装置として動作する。また、上述したレコメンドサーバ１００がレコメンド方法を実行する。

また、レコメンドサーバ１００内のＣＰＵがレコメンドプログラムをＲＯＭから読み出して実行することにより、各種デバイスを動作させることによって上述した実施例を実現する。レコメンドサーバ１００で実行されるレコメンドプログラムは、上述した各部（送受信部、ユーザ属性情報生成部、ユーザ行動情報生成部、ユーザ統合情報生成部、特徴把握情報生成部、嗜好性把握情報生成部、嗜好性一致情報生成部、似た人一致情報生成部、レコメンド情報生成部）を含むモジュール構成となっており、実際のハードウェアとしてはＣＰＵがＲＯＭからレコメンドプログラムを読み出して実行することにより上述した各部が主記憶装置上にロードされ、送受信部１０１、ユーザ属性情報生成部１０２、ユーザ行動情報生成部１０３、ユーザ統合情報生成部１０４、特徴把握情報生成部１０５、嗜好性把握情報生成部１０６、嗜好性一致情報生成部１０７、似た人一致情報生成部１０８、レコメンド情報生成部１０９が主記憶装置上に生成される。

なお、ユーザ属性情報記憶部２００と、ユーザ行動情報記憶部２０１と、ユーザ統合情報記憶部２０２と、商品情報記憶部２０３と、特徴定義情報記憶部２０４と、特徴把握情報記憶部２０５と、嗜好性定義情報記憶部２０６と、嗜好性把握情報記憶部２０７と、嗜好一致定義情報記憶部２０８と、嗜好性一致情報記憶部２０９と、似た人定義情報記憶部２１０と、似た人一致情報記憶部２１１は、主記憶装置上に構成するほか、ＨＤＤ、光ディスク、メモリカードなどの一般的に利用されているあらゆる記憶媒体によって構成することもできる。

また、レコメンドプログラムは、インストール可能な形式又は実行可能な形式のファイルでＣＤ−ＲＯＭ、フレキシブルディスク（ＦＤ）、ＣＤ−Ｒ、ＤＶＤ（ＤｉｇｉｔａｌＶｅｒｓａｔｉｌｅＤｉｓｋ）等のコンピュータで読み取り可能な記録媒体に記録して提供してもよい。

さらに、レコメンドプログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成してもよい。

ＷＥＢサーバ／ＤＢサーバ４００についても、レコメンドサーバ１００と同様に通常のコンピュータを利用したハードウェア構成である。上述した実施例では、レコメンドサーバ１００とＷＥＢサーバ／ＤＢサーバ４００を別々のサーバとして説明したが、レコメンドサーバ１００とＷＥＢサーバ／ＤＢサーバ４００の機能を１つのサーバに備えた構成としてもよい。

なお、本発明は、上述した実施例そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化することができる。また、上述した実施例に開示されている複数の構成要素は適宜組み合わせてもよく、実施例に示される構成要素からいくつかの構成要素を削除してもよい。

１ ネットワーク
１０ レコメンドシステム
１００ レコメンドサーバ
１０１ 送受信部
１０２ ユーザ属性情報生成部
１０３ ユーザ行動情報生成部
１０４ ユーザ統合情報生成部
１０５ 特徴把握情報生成部
１０６ 嗜好性把握情報生成部
１０７ 嗜好性一致情報生成部
１０８ 似た人一致情報生成部
１０９ レコメンド情報生成部
２００ ユーザ属性情報記憶部
２０１ ユーザ行動情報記憶部
２０２ ユーザ統合情報記憶部
２０３ 商品情報記憶部
２０４ 特徴定義情報記憶部
２０５ 特徴把握情報記憶部
２０６ 嗜好性定義情報記憶部
２０７ 嗜好性把握情報記憶部
２０８ 嗜好一致定義情報記憶部
２０９ 嗜好性一致情報記憶部
２１０ 似た人定義情報記憶部
２１１ 似た人一致情報記憶部
３００ ＰＣ／携帯端末
４００ ＷＥＢサーバ／ＰＯＳデータ

上述した課題を解決し、目的を達成するために、本発明は、情報処理装置とネットワークを介して接続されたレコメンド装置において、顧客ごとに、顧客の嗜好性と商品の特徴を一致させるための条件（嗜好一致条件）をもとに、その顧客の嗜好性と一致する特徴を持つ商品を、それぞれの顧客ＩＤに対応して推薦商品情報として記憶する嗜好性一致情報記憶手段と、顧客ごとに、顧客ＩＤごとの属性情報と行動情報と嗜好性情報の各項目が一致する似た人を探すための条件（似た人一致条件）をもとに、その顧客に似た人が購買した商品を、それぞれの顧客ＩＤに対応して推薦商品情報として記憶する似た人一致情報記憶手段と、嗜好性一致情報記憶手段を更新する際に使用する設定値や、顧客ＩＤごとに顧客の嗜好性と商品の特徴を一致させるための条件を記憶する嗜好性一致定義情報記憶手段と、似た人一致情報記憶手段を更新する際に使用する設定値や、顧客ＩＤごとの属性情報と行動情報と嗜好性情報の各項目が一致する似た人を探すための条件を記憶する似た人定義情報記憶手段と、商品ごとにその商品の特徴を、それぞれの商品ＩＤに対応して特徴把握情報として記憶する特徴把握情報記憶手段と、顧客ごとに、その顧客の嗜好性を、それぞれの顧客ＩＤに対応して顧客嗜好性情報として記憶する嗜好性把握情報記憶手段と、前記情報処理装置から送信された、顧客の属性情報と行動情報を受信する受信手段と、嗜好一致定義情報記憶手段と似た人定義情報記憶手段に記憶されたレコメンド条件に従って、前記受信手段によって受信された推薦リクエストに含まれる顧客ＩＤに対応する推薦商品である推薦商品ＩＤ及び、それに紐付く商品情報を、嗜好性一致情報記憶手段と似た人一致情報記憶手段から取得するレコメンド情報生成手段と、前記レコメンド情報生成手段によって生成された前記レコメンド情報を前記情報処理装置に送信する送信手段と、を備えることを特徴とする。

また、本発明は、情報処理装置とネットワークを介して接続されたレコメンド装置で実行されるレコメンド方法において、前記情報処理装置から送信された、顧客ＩＤおよびユーザ情報を含む推薦リクエストを受信する受信ステップと、レコメンド情報生成手段にて、嗜好一致定義情報記憶手段および、似た人定義情報記憶手段より、それぞれ全ての嗜好一致条件と全ての似た人一致条件を、レコメンド条件として取得するレコメンド条件取得ステップと、レコメンド情報生成手段にて、レコメンド条件に従って、受信した顧客ＩＤに対応する推薦商品ＩＤとその商品ＩＤに紐付く商品情報を、嗜好性一致情報記憶手段および、似た人一致情報記憶手段から取得し、それらの商品情報を用いてレコメンド情報を生成するレコメンド情報生成ステップと、レコメンド情報生成手段にて、ユーザ行動情報記憶手段に記憶されたユーザ行動情報を用いて、顧客が既に購入している商品ＩＤを取得した商品ＩＤから削除するレコメンド重複情報削除ステップと、前記レコメンド情報生成ステップによって生成された前記レコメンド情報を前記情報処理装置に送信する送信ステップと、を含むことを特徴とする。

また、本発明は、情報処理装置とネットワークを介して接続されたレコメンド装置を備えたコンピュータに、前記情報処理装置から送信された、顧客ＩＤおよびユーザ情報を含む推薦リクエストを受信する受信ステップと、レコメンド情報生成手段にて、嗜好一致定義情報記憶手段および、似た人定義情報記憶手段より、それぞれ全ての嗜好一致条件と全ての似た人一致条件を、レコメンド条件として取得するレコメンド条件取得ステップと、レコメンド情報生成手段にて、レコメンド条件に従って、受信した顧客ＩＤに対応する推薦商品ＩＤとその商品ＩＤに紐付く商品情報を、嗜好性一致情報記憶手段および、似た人一致情報記憶手段から取得し、それらの商品情報を用いてレコメンド情報を生成するレコメンド情報生成ステップと、レコメンド情報生成手段にて、ユーザ行動情報記憶手段に記憶されたユーザ行動情報を用いて、顧客が既に購入している商品ＩＤを取得した商品ＩＤから削除するレコメンド重複情報削除ステップと、前記レコメンド情報生成ステップによって生成された前記レコメンド情報を前記情報処理装置に送信する送信ステップと、を実行させることを特徴とする。

上述した課題を解決し、目的を達成するために、本発明は、情報処理装置とネットワークを介して接続されたレコメンド装置において、顧客ごとに、ユーザＩＤで連結したユーザ属性情報と行動情報であるユーザ統合情報と、商品情報の対象顧客と商品説明文を用いて、商品の特徴を特定する特徴追加条件により、ユーザの嗜好性を特定する条件である嗜好性追加条件を用いて、顧客の嗜好性と商品の特徴を一致させるための条件（嗜好一致条件）をもとに、その顧客の嗜好性と一致する特徴を持つ商品を、それぞれの顧客ＩＤに対応して推薦商品情報として記憶する嗜好性一致情報記憶手段と、顧客ごとに、ユーザＩＤで連結したユーザ属性情報と行動情報であるユーザ統合情報と、商品情報の対象顧客と商品説明文を用いて、商品の特徴を特定する特徴追加条件により、ユーザの嗜好性を特定する条件である嗜好性追加条件を用いて、顧客ＩＤごとの属性情報と行動情報と嗜好性情報の各項目が一致する似た人を探すための条件（似た人一致条件）をもとに、その顧客に似た人が購買した商品を、それぞれの顧客ＩＤに対応して推薦商品情報として記憶する似た人一致情報記憶手段と、嗜好性一致情報記憶手段を更新する際に使用する設定値や、顧客ＩＤごとに顧客の嗜好性と商品の特徴を一致させるための条件を記憶する嗜好性一致定義情報記憶手段と、似た人一致情報記憶手段を更新する際に使用する設定値や、顧客ＩＤごとの属性情報と行動情報と嗜好性情報の各項目が一致する似た人を探すための条件を記憶する似た人定義情報記憶手段と、商品ごとにその商品の特徴を、それぞれの商品ＩＤに対応して特徴把握情報として記憶する特徴把握情報記憶手段と、顧客ごとに、その顧客の嗜好性を、それぞれの顧客ＩＤに対応して顧客嗜好性情報として記憶する嗜好性把握情報記憶手段と、前記情報処理装置から送信された、顧客の属性情報と行動情報を受信する受信手段と、嗜好一致定義情報記憶手段と似た人定義情報記憶手段に記憶されたレコメンド条件に従って、前記受信手段によって受信された推薦リクエストに含まれる顧客ＩＤに対応する推薦商品である推薦商品ＩＤ及び、それに紐付く商品情報を、嗜好性一致情報記憶手段と似た人一致情報記憶手段から取得するレコメンド情報生成手段と、前記レコメンド情報生成手段によって生成された前記レコメンド情報を前記情報処理装置に送信する送信手段と、を備えることを特徴とする。

また、本発明は、情報処理装置とネットワークを介して接続されたレコメンド装置で実行されるレコメンド方法において、前記情報処理装置から送信された、顧客ＩＤおよびユーザ情報を含む推薦リクエストを受信する受信ステップと、レコメンド情報生成手段にて、嗜好一致定義情報記憶手段および、似た人定義情報記憶手段より、それぞれユーザＩＤで連結したユーザ属性情報と行動情報であるユーザ統合情報と、商品情報の対象顧客と商品説明文を用いて、商品の特徴を特定する特徴追加条件により、ユーザの嗜好性を特定する条件である嗜好性追加条件を用いて得られる、全ての嗜好一致条件と全ての似た人一致条件を、レコメンド条件として取得するレコメンド条件取得ステップと、レコメンド情報生成手段にて、レコメンド条件に従って、受信した顧客ＩＤに対応する推薦商品ＩＤとその商品ＩＤに紐付く商品情報を、嗜好性一致情報記憶手段および、似た人一致情報記憶手段から取得し、それらの商品情報を用いてレコメンド情報を生成するレコメンド情報生成ステップと、レコメンド情報生成手段にて、ユーザ行動情報記憶手段に記憶されたユーザ行動情報を用いて、顧客が既に購入している商品ＩＤを取得した商品ＩＤから削除するレコメンド重複情報削除ステップと、前記レコメンド情報生成ステップによって生成された前記レコメンド情報を前記情報処理装置に送信する送信ステップと、を含むことを特徴とする。

また、本発明は、情報処理装置とネットワークを介して接続されたレコメンド装置を備えたコンピュータに、前記情報処理装置から送信された、顧客ＩＤおよびユーザ情報を含む推薦リクエストを受信する受信ステップと、レコメンド情報生成手段にて、嗜好一致定義情報記憶手段および、似た人定義情報記憶手段より、それぞれユーザＩＤで連結したユーザ属性情報と行動情報であるユーザ統合情報と、商品情報の対象顧客と商品説明文を用いて、商品の特徴を特定する特徴追加条件により、ユーザの嗜好性を特定する条件である嗜好性追加条件を用いて得られる、全ての嗜好一致条件と全ての似た人一致条件を、レコメンド条件として取得するレコメンド条件取得ステップと、レコメンド情報生成手段にて、レコメンド条件に従って、受信した顧客ＩＤに対応する推薦商品ＩＤとその商品ＩＤに紐付く商品情報を、嗜好性一致情報記憶手段および、似た人一致情報記憶手段から取得し、それらの商品情報を用いてレコメンド情報を生成するレコメンド情報生成ステップと、レコメンド情報生成手段にて、ユーザ行動情報記憶手段に記憶されたユーザ行動情報を用いて、顧客が既に購入している商品ＩＤを取得した商品ＩＤから削除するレコメンド重複情報削除ステップと、前記レコメンド情報生成ステップによって生成された前記レコメンド情報を前記情報処理装置に送信する送信ステップと、を実行させることを特徴とする。

Claims (3)

1. 情報処理装置とネットワークを介して接続されたレコメンド装置において、顧客ごとに、その顧客の嗜好性と一致する特徴を持つ商品を、それぞれの顧客ＩＤに対応して推薦商品情報として記憶する嗜好性一致情報記憶手段と、顧客ごとに、その顧客に似た人が購買した商品を、それぞれの顧客ＩＤに対応して推薦商品情報として記憶する似た人一致情報記憶手段と、嗜好性一致情報記憶手段を更新する際に使用する設定値や、顧客ＩＤごとに顧客の嗜好性と商品の特徴を一致させるための条件を記憶する嗜好性一致定義情報記憶手段と、似た人一致情報記憶手段を更新する際に使用する設定値や、顧客ＩＤごとの属性情報と行動情報と嗜好性情報の各項目が一致する似た人を探すための条件を記憶する似た人定義情報記憶手段と、商品ごとにその商品の特徴を、それぞれの商品ＩＤに対応して特徴把握情報として記憶する特徴把握情報記憶手段と、顧客ごとに、その顧客の嗜好性を、それぞれの顧客ＩＤに対応して顧客嗜好性情報として記憶する嗜好性把握情報記憶手段と、前記情報処理装置から送信された、顧客の属性情報と行動情報を受信する受信手段と、嗜好一致定義情報記憶手段と似た人定義情報記憶手段に記憶されたレコメンド条件に従って、前記受信手段によって受信された推薦リクエストに含まれる顧客ＩＤに対応する推薦商品である推薦商品ＩＤ及び、それに紐付く商品情報を、嗜好性一致情報記憶手段と似た人一致情報記憶手段から取得するレコメンド情報生成手段と、前記レコメンド情報生成手段によって生成された前記レコメンド情報を前記情報処理装置に送信する送信手段と、を備えることを特徴とするレコメンド装置。
2. 情報処理装置とネットワークを介して接続されたレコメンド装置で実行されるレコメンド方法において、前記情報処理装置から送信された、顧客ＩＤおよびユーザ情報を含む推薦リクエストを受信する受信ステップと、レコメンド情報生成手段にて、嗜好一致定義情報記憶手段および、似た人定義情報記憶手段より、それぞれのレコメンド条件を取得するレコメンド条件取得ステップと、レコメンド情報生成手段にて、レコメンド条件に従って、受信した顧客ＩＤに対応する推薦商品ＩＤとその商品ＩＤに紐付く商品情報を、嗜好性一致情報記憶手段および、似た人一致情報記憶手段から取得し、それらの商品情報を用いてレコメンド情報を生成するレコメンド情報生成ステップと、レコメンド情報生成手段にて、ユーザ行動情報記憶手段に記憶されたユーザ行動情報を用いて、顧客が既に購入している商品ＩＤを取得した商品ＩＤから削除するレコメンド重複情報削除ステップと、前記レコメンド情報生成ステップによって生成された前記レコメンド情報を前記情報処理装置に送信する送信ステップと、を含むことを特徴とするレコメンド方法。
3. 情報処理装置とネットワークを介して接続されたレコメンド装置を備えたコンピュータに、前記情報処理装置から送信された、顧客ＩＤおよびユーザ情報を含む推薦リクエストを受信する受信ステップと、レコメンド情報生成手段にて、嗜好一致定義情報記憶手段および、似た人定義情報記憶手段より、それぞれのレコメンド条件を取得するレコメンド条件取得ステップと、レコメンド情報生成手段にて、レコメンド条件に従って、受信した顧客ＩＤに対応する推薦商品ＩＤとその商品ＩＤに紐付く商品情報を、嗜好性一致情報記憶手段および、似た人一致情報記憶手段から取得し、それらの商品情報を用いてレコメンド情報を生成するレコメンド情報生成ステップと、レコメンド情報生成手段にて、ユーザ行動情報記憶手段に記憶されたユーザ行動情報を用いて、顧客が既に購入している商品ＩＤを取得した商品ＩＤから削除するレコメンド重複情報削除ステップと、前記レコメンド情報生成ステップによって生成された前記レコメンド情報を前記情報処理装置に送信する送信ステップと、を実行させることを特徴とするレコメンドプログラム。

Images