JP2013228826A

JP2013228826A - 商品提示システムおよび商品提示方法

Info

Publication number: JP2013228826A
Application number: JP2012099381A
Authority: JP
Inventors: Takashi Toyomura; 崇豊村; Naoki Mori; 直樹森; Kunio Kubota; 国雄窪田
Original assignee: Hitachi Consumer Electronics Co Ltd
Current assignee: Hitachi Consumer Electronics Co Ltd
Priority date: 2012-04-25
Filing date: 2012-04-25
Publication date: 2013-11-07

Abstract

【課題】ユーザの商品カテゴリごとの購入傾向を活用して、より効果的に商品購入を促す。
【解決手段】商品属性評価値には、商品を一意に識別する商品コードとともに、商品の属性（価格や人気）ごとに特徴を数値化して格納する。ユーザ属性評価値には、ユーザを一意に識別するユーザＩＤとともに、属性ごとに購入傾向を数値化して格納する。購入傾向相違度は、ユーザと商品のすべての組み合わせについて相違度を算出して格納する。購入傾向相違度から当該ユーザＩＤと当該商品カテゴリコードに属するレコードを抽出し、そのうち最小の相違度をもつレコードの商品コードを購入傾向適合商品として特定し、ユーザに提示する。
【選択図】図１

Description

インターネットを利用した通信販売における商品購入に関する。

近年、インターネットによる通信販売が活況となっている。インターネットの通信販売では実店舗のように商品を陳列することなく、無限に商品を提示することができる。

しかし、利用者にとってみれば無限にある商品の中から自分の求める商品を探さねばならず、手間がかかる。したがって、大量の商品の中から特定の商品を効率よく探すことが求められる。

そこで、大量の商品の中から特定の商品を探すことをサポートする技術が、特許文献１に示されている。特許文献１では、ユーザの購入傾向を抽出しユーザに適合する商品をユーザに推薦する商品推薦装置が開示されている。

特開2012-27757

ここで、特にインターネットの通信販売では、商品カテゴリごとにユーザの購入傾向が表れる。例えば、あるユーザは、食品のカテゴリでは安い商品を中心に購入するが、衣類のカテゴリでは高い商品を中心に購入する、という傾向をもつとする。このような場合、衣類のカテゴリの購入傾向を食品のカテゴリの商品の提示に利用するという考え方は、上記特許文献１には開示されていない。

そこで、本発明では、ユーザの購入傾向を商品カテゴリごとに抽出し、その購入傾向を商品カテゴリの間で相互に活用することでより効果的な商品の提示を行うことを目的とする。

上記目的を達成するために、本発明では、商品カテゴリごとにユーザの購入傾向を抽出し、ある商品カテゴリについて、そのこだわりの強さに応じて別の商品カテゴリの購入傾向を合成し、新たな購入傾向を特定する。そして、特定した購入傾向に適合する商品をユーザに提示する。具体的には、特許請求の範囲に記載の構成を採用する。

本発明によれば、ユーザの商品カテゴリごとの購入傾向を商品カテゴリの間で相互に活用して、より効果的に商品購入を促すことができる。

商品提示装置の構成の一例を示した図である。商品提示装置と、商品閲覧装置との接続構成の一例を示した図である。商品閲覧装置の構成の一例を示した図である。商品提示装置および商品閲覧装置で買い物を行う手順を示した図である。商品情報を管理するテーブルの一例を示した図である。ユーザが商品の閲覧、選択を行う画面の一例を示した図である。ユーザの会員登録情報を管理するテーブルの一例を示した図である。注文情報を管理するテーブルの一例を示した図である。各商品の特性を表す商品属性評価値を管理するテーブルの一例を示した図である。各ユーザの購入傾向を表すユーザ属性評価値を管理するテーブルの一例を示した図である。ユーザの購入傾向と各商品の属性評価値の相違度を算出する処理のフローチャートを示した図である。ユーザの購入傾向と各商品の属性評価値の相違度を管理するテーブルの一例を示した図である。ユーザの購入傾向に適合する商品を管理するテーブルの一例を示した図である。商品閲覧装置において、ある適合商品を強調して表示する画面の一例を示した図である。適合商品の提示結果とユーザの購入結果を照合して提示効果を収集する手順のフローチャートを示した図である。商品提示装置の構成の一例を示した図である。商品閲覧装置の構成の一例を示した図である。商品提示装置および商品閲覧装置で買い物を行う手順を示した図である。商品提示装置の構成の一例を示した図である。各ユーザの商品カテゴリ別購入傾向を表す商品カテゴリ別ユーザ属性評価値を管理するテーブルの一例を示した図である。ユーザの商品カテゴリ別購入傾向と各商品の属性評価値の相違度を算出する処理のフローチャートを示した図である。商品閲覧装置において、ある適合商品を強調して表示する画面の一例を示した図である。商品提示装置の構成の一例を示した図である。各ユーザの商品カテゴリ別購入傾向のこだわりの強さを表す商品カテゴリ別ユーザ属性評価値分散を管理するテーブルの一例を示した図である。ユーザの商品カテゴリ別購入傾向のこだわりの強さに応じて新たな購入傾向を合成するフローチャートを示した図である。ユーザの商品カテゴリ別購入傾向のこだわりの強さに応じて新たに合成した購入傾向を管理するテーブルの一例を示した図である。ユーザの合成購入傾向と各商品の属性評価値の相違度を算出する処理のフローチャートを示した図である。商品閲覧装置において、ある適合商品を強調して表示する画面の一例を示した図である。商品閲覧装置において、ある適合商品を強調して表示する画面の一例を示した図である。商品提示装置または商品閲覧装置において異なる商品カテゴリの購入傾向を相互に反映するか否かを選択させる画面の一例を示した図である。ユーザの合成ユーザ属性評価値に対してユーザの購入結果を照らし合わせるフローチャートを示した図である。ユーザへ提示した結果にもとづいて合成ユーザ属性評価値を補正するフローチャートを示した図である。商品提示装置の構成の一例を示した図である。他ユーザの一般的な購入傾向を示す一般属性評価値を管理するテーブルの一例を示した図である。ユーザの購入傾向と他ユーザ一般の購入傾向について距離を算出する処理のフローチャートを示した図である。ユーザの購入傾向と他ユーザ一般の購入傾向との距離を管理するテーブルの一例を示した図である。ユーザの商品カテゴリ別購入傾向のこだわりの強さと、他ユーザ一般の購入傾向との類似度に応じて新たな購入傾向を合成するフローチャートを示した図である。商品閲覧装置において、ある適合商品を強調して表示する画面の一例を示した図である。商品閲覧装置において、ある適合商品を強調して表示する画面の一例を示した図である。商品提示装置または商品閲覧装置において異なる商品カテゴリの購入傾向を相互に反映するか否かを選択させる画面の一例を示した図である。商品提示装置の構成の一例を示した図である。商品カテゴリ同士の購入傾向の相違度を管理するテーブルの一例を示した図である。ユーザの購入傾向が不明な商品カテゴリについて購入傾向を合成する処理のフローチャートを示した図である。商品閲覧装置において、ある適合商品を強調して表示する画面の一例を示した図である。商品提示装置または商品閲覧装置において異なる商品カテゴリの購入傾向を相互に反映するか否かを選択させる画面の一例を示した図である。商品提示装置の構成の一例を示した図である。ユーザ属性評価値によって商品カテゴリ同士の購入傾向の相違度を示すユーザ評価商品カテゴリ相違度を管理するテーブルの一例を示した図である。ユーザの購入傾向が不明な商品カテゴリについて購入傾向を合成する処理のフローチャートを示した図である。商品閲覧装置において、ある適合商品を強調して表示する画面の一例を示した図である。商品提示装置または商品閲覧装置において異なる商品カテゴリの購入傾向を相互に反映するか否かを選択させる画面の一例を示した図である。

以下、図面を用いて実施例を説明する。

本実施例では、ユーザが購入した商品の属性を分析してユーザの購入特性を抽出し、その特性に適合する商品を提示する例について説明する。

図1は、本実施例にかかる商品提示装置の構成の一例を示した図である。商品提示装置101はネット通信販売の運用者が管理する装置であって、ネット通信販売で販売する商品を管理する。

商品提示装置101は、マウス操作やタッチパネル操作などで運用者からの指示を受け付ける運用者操作入力部104と、ネットワーク経由でデータの送受信を行うネットワーク送受信部105と、運用者に画面を提示する表示部106と、各種データを保持するデータ蓄積部107と、104−107の各部を動作制御する制御部102と、制御部102での動作制御に係る処理データを一時的に保持するメモリ103と、を備え、各部が共通バス（データバス、アドレスバスを含む）により接続されて構成されている。

また、データ蓄積部107は、ネット通信販売で扱う商品を管理する商品情報108及び商品画像109と、ユーザからの注文を管理する注文情報110と、ユーザを管理するユーザ情報111と、ユーザに提示する表示画面情報112と、各商品の特性を表す商品属性評価値113と、各ユーザの購入傾向を表すユーザ属性評価値114と、ユーザの購入傾向と各商品の属性評価値の相違度を表す購入傾向相違度115と、ユーザの購入傾向に適合する商品を管理する購入傾向適合商品116を蓄積して保存する。

商品情報108および商品画像109は運用者によってあらかじめ準備され、運用者操作入力部104で受け付けた指示にもとづいて直接生成されたり、ネットワーク送受信部105を経由して受信される。注文情報110は、ネットワーク送受信部105を経由してユーザから受け付けた注文をもとに生成される。ユーザ情報111は、ネットワーク送受信部105を経由してユーザから受け付けた会員登録情報をもとに生成される。表示画面情報112は、商品情報108、商品画像109、注文情報110、ユーザ情報111を組み合わせて生成される。商品属性評価値113、ユーザ属性評価値114、購入傾向相違度115、購入傾向適合商品116は、後述する手順により商品提示装置101が生成される。

また、運用者が管理操作を行う際には、マウスやタッチパネルを通じた管理操作を運用者操作入力部104より受け付け、処理結果を表示部106に提示する。運用者は表示部106によりデータ蓄積部107に保存されている108- 116の各情報の内容を閲覧することができる。

図2は、本実施例にかかる商品提示装置101と商品閲覧装置201との接続構成の一例を示した図である。商品閲覧装置201はネット通信販売を利用するユーザが使用する装置であって、たとえばインターネットなど、ネットワークにより商品提示装置101と接続されている。

ユーザは商品閲覧装置201を操作して商品を閲覧、注文する。商品閲覧装置201は商品提示装置101と通信を行って表示画面情報112を取得したり、注文を発行したりする。商品提示装置101は、商品閲覧装置201の要求に応じて表示画面情報112を生成して送信する。また、商品提示装置101は商品閲覧装置201から注文を受信し、注文情報111を生成して管理する。

図3は、本実施例にかかる商品閲覧装置の構成の一例を示した図である。商品閲覧装置201は、マウス操作やタッチパネル操作などユーザからの指示を受け付けるユーザ操作入力部303と、ネットワーク経由でデータの送受信を行うネットワーク送受信部304と、ユーザに画面を提示する表示部305と、商品提示装置101から取得した表示画面情報112を蓄積して一時的に保存するデータ蓄積部306と、303-306の各部を動作制御する制御部301と、制御部301での動作制御に係る処理データを一時的に保持するメモリ302と、を備え、各部が共通バス（データバス、アドレスバスを含む）により接続されて構成されている。制御部301は、ユーザがネット通信販売を利用する際、ネットワーク送受信部304により取得した表示画面情報112を表示部305の表示画面上に提示し、マウスやタッチパネルを通じた商品選択操作をユーザ操作入力部303より受け付ける。このときに取得した表示画面情報112を、一時的にデータ蓄積部306に保持しておき、過去に表示した画面を再表示する際に利用してもよい。

図4は、本実施例にかかる商品提示装置101および商品閲覧装置201で買い物を行う手順を示した図である。商品閲覧装置201の電源を投入し、買い物を開始する段階から説明する。

商品閲覧装置201はユーザ操作により買い物開始の指示を受け付けると（S401）、商品提示装置101に対して表示画面情報を要求する（S402）。例えば商品閲覧装置201に搭載されているWebブラウザ上でネット通信販売ページのURL（Uniform Resource Locator）を直接入力されたり、検索ページの検索結果からネット通信販売ページへのリンクを選択されたりすることで、HTTP（Hypertext Transfer Protocol）によるWebページ取得メソッドを商品提示装置101に対して送信する。要求を受信した商品提示装置101は、要求された表示画面に含まれる商品情報および商品画像をデータ蓄積部107から読み出す（S403）。

商品情報108の一例を図5に示す。商品情報108は、商品を一意に識別する商品コードと商品の内容を説明する情報を組み合わせたテーブルである。商品カテゴリコードと商品サブカテゴリコードは当該商品が属するカテゴリを識別するためのコードであり、例えば商品カテゴリコードには食品や衣類などのカテゴリを示すコードを格納し、商品サブカテゴリコードには野菜や肉類など食品の中の細かいカテゴリを示すコードを格納する。そのほかに商品名や内容量、通常価格など商品の内容を説明する情報を格納する。商品画像ファイル名には、商品の実物画像またはイメージ画像のファイル名を格納しておき、読み出す商品画像との対応付けをとる。最初に当該レコードを作成したときには、その日時を登録日時として格納する。また、これら商品情報は仕入れや販売状況によって随時更新されるものであり、その日時を更新日時に上書きしていく。

商品提示装置101は読み出した商品情報および商品画像をもとに表示画面情報を生成し（S404）、商品閲覧装置201に対して送信する（S405）。例えば表示画面情報としてHTML（Hypertext Markup Language）言語で記述されたテキストデータを生成し、HTTPによるレスポンスに格納して送信する。商品閲覧装置201は表示画面情報を受信し、表示画面を生成して表示部305に表示する（S406）。

表示画面の例を図6に示す。表示画面601は、商品閲覧装置201が表示部305に提示する画面の領域である。商品の内容は、商品画像603と、商品詳細604の組み合わせで表示する。商品詳細604は、商品情報108から取り出した商品名、産地、内容量、価格等のテキスト情報である。ユーザは数量指定領域605に購入する商品の数量を入力し、購入決定ボタン606を選択することで商品を購入候補として登録する。また、スクロールボタン602を選択することで画面を隣のページに切り替えて別の商品を閲覧したり、支払い画面遷移ボタン607を選択することで購入候補の商品を確定し決済をする画面に移行したりすることができる。

ユーザは表示部305に表示された画面を閲覧して、異なるWebページを表示するためのリンクを選択したり、商品を購入候補として登録するボタンを選択したりすることで買い物を行う。異なるWebページを表示するためのリンクを選択された場合は、S402からS406の手順を繰り返すことで異なる表示画面情報を取得して表示する。また、S402からS406の手順を利用することで商品提示装置101が持つ注文情報110やユーザ情報111を呼び出し、過去に当該ユーザが購入した商品や当該ユーザの会員登録情報を表示することも可能である。

ユーザ情報111の例を図7に示す。ユーザ情報111は、ユーザを一意に識別するためのユーザIDとユーザの特性を示す情報を組み合わせたテーブルである。ユーザが会員登録の際に入力した情報をもとに、氏名や性別、住所などを格納しておく。ログインIDとログインパスワードは、ネット通信販売ページ上で商品購入を確定したり、当該ユーザの会員登録情報や購入履歴を閲覧したりする際に個人を認証するために使用する。ログインIDとログインパスワードは会員登録の際にユーザに任意の文字列を選択させてもよいし、運用者側で選択したものを自動的に発行してもよい。配送先住所やクレジットカード番号は、購入商品の配送や決済に必要な情報である。これらの情報は会員登録の際にあらかじめユーザに入力させてもよいし、購入時に毎回入力させてもよい。最初に当該レコードを作成したときには、その日時を登録日時として格納する。また、これらユーザ情報はユーザが任意に更新できるものであり、その日時を更新日時に上書きしていく。

商品を購入候補として登録するためのボタンを選択された場合（S407）、商品閲覧装置201は選択された商品および購入数量を商品提示装置101に対して送信する（S408）。商品提示装置101は、受信した購入登録商品および購入数量を一時的に保持し（S409）、登録を受け付けたことを商品閲覧装置201に対して送信する（S410）。

購入商品をすべて選択した後、ユーザは決済手続きを行う。商品閲覧装置201は決済情報を受け付け（S411）、商品提示装置101に対して送信する（S412）。商品提示装置101は、一時的に保持していた購入登録商品および購入数量を注文情報としてデータ蓄積部107に蓄積する（S413）。注文情報を登録した商品提示装置101は、商品閲覧装置201に対して決済手続き完了を通知する（S414）。

注文情報110の例を図8に示す。注文情報110は、各ユーザが購入した商品を管理するためのテーブルであり、ユーザと商品をそれぞれ一意に識別するためのユーザIDと商品コードを格納する。商品カテゴリコードや商品サブカテゴリコード、購入価格、消費期限は、ユーザが購入したタイミングにおける商品情報108から当該商品の情報を参照して格納する。購入数量はS408において商品閲覧装置201が商品提示装置101へ送信した購入数量を格納しておく。配送先住所や購入者氏名、配送希望日時等は決済時にユーザが入力する情報であり、S412において商品閲覧装置201が商品提示装置101へ送信した決済情報を格納する。あらかじめ会員登録情報として登録している情報については、ユーザ情報111を参照して格納してもよい。配送料は、決済時に合計の購入数量等を考慮して運用者側で算出し、格納しておく。ユーザが複数商品を一度に購入した場合は、いずれか一つのレコードにのみ配送料を格納し、ほかのレコードについては配送料を空にしておけばよい。最初に当該レコードを作成したときには、その日時を登録日時として格納する。また、配送ステータスは配送準備中や配送完了、キャンセルなど注文および配送の処理状態を示すもので、随時更新されるため、その日時を更新日時に上書きしていく。

次に、ユーザの購入商品から購入傾向を抽出し、その購入傾向に適合する商品を選択する手順について説明する。図9は、各商品の特性を表す商品属性評価値の一例である。商品属性評価値113には、商品を一意に識別するための商品コードとともに、商品の属性ごとに特徴を数値化して格納する。属性とは、価格や人気などユーザが購入意思決定をする際に判断材料となる情報を定義したものである。例えば価格であれば、同一商品カテゴリ内もしくは同一商品サブカテゴリ内の価格分布に対して10段階の階級を定義し、各商品の価格が属する階級を安いほうから数えた番号を評価値とする。これにより、当該商品が同一商品カテゴリ内もしくは同一商品サブカテゴリ内でどの程度の価格帯に位置するのかを相対的に数値化することができる。商品属性評価値113の算出は、新しい商品が追加されたり、既存の商品が更新されたりしたタイミングで随時実行することが望ましい。

図10は、各ユーザの購入傾向を表すユーザ属性評価値の一例である。ユーザ属性評価値114には、ユーザを一意に識別するためのユーザIDとともに、属性ごとに購入傾向を数値化して格納する。属性は商品属性評価値113に定義したものと同一であり、どの程度の評価値の商品を購入する傾向があるかをそれぞれの属性について算出する。例えば価格であれば、注文情報110から当該ユーザが購入したすべての商品を抽出し、商品属性評価値113を参照して評価値を収集する。このとき、参照する商品属性評価値113は、当該商品を注文情報110に登録した日時において最新のものを参照する必要がある。収集した評価値に対して平均をとり、当該ユーザの価格に対する評価値としてユーザ属性評価値114に格納する。ユーザ属性評価値114の算出は、当該ユーザが商品を購入したタイミングで随時実行することが望ましい。

図11は、ある特定のユーザの購入傾向と各商品の属性評価値の相違度を算出する処理のフローチャートである。この処理をすべてのユーザの購入傾向について実施することにより、図12に示す購入傾向相違度115を生成する。購入傾向相違度115は、ユーザと商品をそれぞれ一意に識別するためのユーザIDと商品コードをもっており、このすべての組み合わせについて相違度を算出して格納する。例えばユーザIDが“001”のユーザの購入傾向について購入傾向相違度を算出する場合、ユーザ属性評価値114からユーザIDが“001”のレコードを抽出する（S1101）。商品属性評価値113からは、はじめに1番目の商品コードに属するレコードを抽出し（S1103）、ユーザ属性評価値の1番目属性の評価値と商品属性評価値の1番目属性の評価値について距離を算出する（S1105）。距離は、例えば評価値同士の差分の絶対値などで定義する。この距離の算出を全属性について繰り返し実施する（S1104）。全属性について距離の算出を完了したのち、当該ユーザの購入傾向と当該商品の属性評価値の相違度を算出する（S1106）。相違度は、例えば全属性の距離を合計して0から10の間に正規化した数値として定義する。以上S1103からS1106の処理を全商品コードについて繰り返し実施し（S1102）、ユーザID“001”に関する購入傾向相違度115の算出を完了する。購入傾向相違度115の算出は、商品属性評価値113およびユーザ属性評価値114が更新されたタイミングで、更新があった当該商品および当該ユーザについて随時実行することが望ましい。

図13は、ユーザの購入傾向に適合する商品をユーザ提示用にあらかじめ用意しておくための購入傾向適合商品の一例である。購入傾向適合商品116は、ユーザを一意に識別するためのユーザIDと、そのユーザの購入傾向に適合する商品を示す情報を組み合わせたテーブルである。例えば商品カテゴリごとに1つずつ適合商品を抽出する場合は、購入傾向相違度115から当該ユーザIDと当該商品カテゴリコードに属するレコードを抽出し、そのうち最小の相違度をもつレコードの商品コードを購入傾向適合商品として格納する。適合理由には、当該商品を適合商品と判断するに適した理由を格納しておく。例えばすべての属性評価値の距離の中で価格評価値の距離が最小であった場合は、「あなたは安いものをよく買っているので、この安い商品がおすすめです」という理由を格納する。購入傾向適合商品116の算出は、購入傾向相違度115が更新されたタイミングで随時実行することが望ましい。

商品閲覧装置201から表示画面情報の要求を受け付けた場合、商品提示装置101は購入傾向適合商品116から適合商品を検索し、その適合商品を特に強調した表示画面情報を生成してもよい。例えば食品を含む表示画面情報の要求を受け付けた場合は、購入傾向適合商品116から食品を示す商品カテゴリコードに属するレコードを抽出し、枠やマークを使ってその商品を視覚的に強調するような表示画面情報を生成する。また、購入傾向適合商品116に格納されている適合理由を用いて、適合商品と判断するに適した理由を表示する表示画面情報を生成してもよい。図14は、商品閲覧装置201が商品提示装置101から受信した表示画面情報112を用いてある適合商品を強調して表示する画面の一例である。例えば当該適合商品の商品画像の隣にマーク1402を表示したり、商品情報全体を枠1403で囲んだりすることで視認性を向上させる。また、表示画面情報に適合理由が含まれている場合は、商品情報とともに適合理由1404を表示することで、ユーザが適合商品を見たときの納得感を向上させることができる。適合商品を含む表示画面情報を生成した場合、商品提示装置101は適合商品をユーザに対して提示したことを記録しておく。初回提示日時は最初に当該適合商品を提示したタイミングでそのときの日時を一度だけ設定する。最終提示日時および提示回数はその後提示のたびに毎回更新する。

図15は、適合商品の提示結果とユーザの購入結果を照合して提示効果を収集する手順のフローチャートである。例えばユーザIDが“001”のユーザに対する提示効果を収集する場合、購入傾向適合商品116からユーザIDが“001”で、かつ登録の日にちがもっとも新しいレコードを抽出する（S1501）。購入傾向適合商品116からは、はじめに1番目の商品コードに属するレコードを選択し、当該提示回数が1以上であるか否かを判定する（S1503）。提示回数が1未満の場合は、当該商品コードに関する分析を終了する。提示回数が1以上の場合は、注文情報のうちユーザIDが“001”で、かつ登録の日にちがもっとも新しいレコードに当該商品コードが存在するか否かを判定する（S1504）。存在する場合は当該レコードの適合提示済みフラグに1を設定する（S1505）。以上S1503からS1505の処理を全商品コードについて繰り返し実施し（S1502）、ユーザID“001”に関する提示効果の収集を完了する。この収集結果を表示部106の画面上に表示することで、運用者は適合商品の提示効果を確認し、以降の販売計画の参考にすることができる。

実施例1では、商品閲覧装置201が商品提示装置101により生成された表示画面情報をそのまま表示する例について説明したが、商品提示装置101から商品情報や商品画像など表示画面を構成する要素だけを取得して商品閲覧装置201が表示画面を生成してもよい。

図16は、本実施例にかかる商品提示装置の構成の一例を示した図である。

図16の商品提示装置は、図1と比較して、データ蓄積部107に表示画面情報112を格納していない点が異なり、その他の構成は、図1と同じである。

図17は、本実施例にかかる商品閲覧装置の構成の一例を示した図である。図17の商品閲覧装置は、図3と比較して、データ蓄積部306に格納される情報の内容が異なり、その他の構成は図3と同じである。データ蓄積部306には、商品提示装置101から取得した商品情報108、ならびに商品画像109、ならびにこの商品閲覧装置201を利用するユーザが過去に購入した商品を管理する購入履歴307、ならびにこの商品閲覧装置201を利用するユーザの会員登録情報を管理する自ユーザ情報308が蓄積される。

制御部301は、ユーザがネット通信販売を利用する際、ネットワーク送受信部304により取得した商品情報108や商品画像109をもとに表示画面情報を随時生成して表示部305の表示画面上に提示し、マウスやタッチパネルを通じた商品選択操作をユーザ操作入力部303より受け付ける。データ蓄積部306の商品情報108および商品画像109は、ネットワーク送受信部105経由で商品提示装置101から受信して保存する。また、制御部301は、ユーザから会員登録情報を表示する指示があった場合は、ネットワーク送受信部304を経由して商品提示装置101からユーザ情報111のうち当該ユーザの会員登録情報のみを取得して表示部305の表示画面上に提示する。このときに取得した会員登録情報を、自ユーザ情報308として一時的にデータ蓄積部306に保持してもよい。また、制御部301は、ユーザから過去に購入した商品の情報を表示する指示があった場合は、ネットワーク送受信部304を経由して商品提示装置101から注文情報110のうち当該ユーザの注文情報のみを取得して表示部305の表示画面上に提示する。このときに取得した注文情報を、購入履歴307として一時的にデータ蓄積部306に保持してもよい。

図18は、本実施例にかかる商品提示装置101および商品閲覧装置201で買い物を行う手順を示した図である。商品閲覧装置201の電源を投入し、買い物を開始する段階から説明する。

商品閲覧装置201はユーザ操作により買い物開始の指示を受け付けると（S1801）、商品提示装置101に対して商品情報を要求する（S1802）。例えば商品閲覧装置201に搭載されている専用アプリケーションを起動することで、商品提示装置101が提供する商品情報取得用Web API（Application Program Interface）をHTTPを使って呼び出す。要求を受信した商品提示装置101は、要求された商品情報をデータ蓄積部107から読み出し（S1803）、商品閲覧装置201に送信する（S1804）。商品閲覧装置201は受信した商品情報を解析して商品画像ファイル名を取り出し（S1805）、当該商品画像を商品提示装置101に対して要求する（S1806）。商品提示装置101は要求された商品画像をデータ蓄積部107から読み出し（S1807）、商品閲覧装置201に送信する（S1808）。商品閲覧装置201は、受信した商品情報と商品画像をもとに表示画面情報を生成し、図6に示すような画面を表示部305の表示画面上に提示する（S1809）。

ユーザは表示部305に表示された画面を閲覧して、異なるWebページを表示するためのリンクを選択したり、商品を購入候補として登録するボタンを選択したりすることで買い物を行う。異なるWebページを表示するためのリンクを選択された場合は、S1802からS1809の手順を繰り返すことで異なる表示画面情報を生成して表示する。また、S1802からS1809の手順を利用することで商品提示装置101が持つ注文情報110やユーザ情報111から当該ユーザに関する情報を取得し、過去に当該ユーザが購入した商品や当該ユーザの会員登録情報を表示することも可能である。

商品を購入候補として登録するためのボタンを選択された場合（S1810）、商品閲覧装置201は選択された商品および購入数量を内部で一時的に保持する（S1811）。

購入商品をすべて選択した後、ユーザは決済手続きを行う。商品閲覧装置201は決済情報を受け付け（S1812）、商品提示装置101に対して送信する（S1813）。このとき商品閲覧装置は内部で一時的に保持していた購入登録商品および購入数量を同時に送信し、商品提示装置101はこれを注文情報としてデータ蓄積部107に蓄積する（S1814）。注文情報を登録した商品提示装置101は、商品閲覧装置201に対して決済手続き完了を通知する（S1815）。

実施例1に示す手法で商品提示装置101において商品属性評価値113、ユーザ属性評価値114、購入傾向相違度115、購入傾向適合商品116を生成しておけば、商品閲覧装置201から商品情報の要求を受け付けた際に、商品提示装置101は購入傾向適合商品116から適合商品を検索し、その適合商品を商品情報として送信することができる。例えば食品を含む商品情報の要求を受け付けた場合は、購入傾向適合商品116から食品を示す商品カテゴリコードに属するレコードを抽出し、商品閲覧装置201に送信する。このとき、購入傾向適合商品116に格納されている適合理由を同時に送信することができる。商品閲覧装置201は、受信した適合商品や適合理由をもとに図14に示すような画面を生成して表示する。適合商品を含む商品情報を送信した場合、商品提示装置101は適合商品をユーザに対して提示したことを記録しておく。初回提示日時は最初に当該適合商品を提示したタイミングでそのときの日時を一度だけ設定する。最終提示日時および提示回数はその後提示のたびに毎回更新する。

実施例1および実施例2ではユーザの購入商品を商品カテゴリに関わらずまとめて購入傾向を抽出したが、商品カテゴリごとに分離して購入傾向を抽出してもよい。一般には、同一のユーザが食品は安い商品しか購入しないが、衣類は高い商品も購入する、というように商品カテゴリごとに異なる購入傾向を見せる可能性が考えられる。

以降、商品カテゴリごとに分離して購入傾向を抽出する例を説明するが、商品サブカテゴリごとなどさらに細かい分類で抽出してもかまわない。

図19は、本実施例にかかる商品提示装置の構成の一例を示した図である。図19の商品提示装置は、図１と比較して、データ蓄積部107に各ユーザの商品カテゴリ別購入傾向を表す商品カテゴリ別ユーザ属性評価値1901をさらに蓄積している点が異なり、その他の構成は図１と同じである。本実施例では実施例1の商品提示装置を前提に新たな構成要素を付加する説明を行うが、実施例2の商品提示装置にも同様に構成要素を付加することで同等の機能を実現できる。図20は、各ユーザの商品カテゴリ別購入傾向を表す商品カテゴリ別ユーザ属性評価値の一例である。商品カテゴリ別ユーザ属性評価値1901には、ユーザを一意に識別するためのユーザIDとともに、各商品カテゴリの属性ごとに購入傾向を数値化して格納する。属性の評価値は、各商品カテゴリについてどの程度の評価値の商品を購入する傾向があるかをそれぞれ算出する。例えば価格であれば、注文情報110から当該ユーザが購入した商品を商品カテゴリ別に抽出し、商品属性評価値113を参照して評価値を収集する。商品属性評価値113は実施例1で示した手法によりあらかじめ生成されているものとする。このとき、参照する商品属性評価値113は、当該商品を注文情報110に登録した日時において最新のものを参照する必要がある。収集した評価値に対して同一商品カテゴリ内で平均をとり、当該ユーザの当該商品カテゴリにおける価格評価値として商品カテゴリ別ユーザ属性評価値1901に格納する。商品カテゴリ別ユーザ属性評価値1901の算出は、当該ユーザが商品を購入したタイミングで随時実行することが望ましい。

図21は、ある特定のユーザの商品カテゴリ別購入傾向と各商品の属性評価値の相違度を算出する処理のフローチャートである。この処理をすべてのユーザの購入傾向について実施することにより、図12に示す購入傾向相違度115を生成する。例えばユーザIDが“001”のユーザの商品カテゴリ別購入傾向について購入傾向相違度を算出する場合、商品カテゴリ別ユーザ属性評価値1901からユーザIDが“001”のレコードを抽出する（S2101）。以降、S2101で抽出した複数レコードから順次レコードを選択し、そのレコードに含まれる商品カテゴリコードを対象として処理を行う。商品属性評価値113からは、はじめに1番目商品カテゴリ内の1番目商品コードに属するレコードを抽出し（S2104）、商品カテゴリ別ユーザ属性評価値の1番目商品カテゴリに属する1番目属性の評価値と、商品属性評価値の1番目属性の評価値について距離を算出する（S2106）。距離は、例えば評価値同士の差分の絶対値などで定義する。この距離の算出を全属性について繰り返し実施する（S2105）。全属性について距離の算出を完了したのち、当該ユーザの商品カテゴリ別購入傾向と当該商品の属性評価値の相違度を算出する（S2107）。相違度は、例えば全属性の距離を合計して0から10の間に正規化した数値として定義する。以上S2104からS2107の処理を1番目商品カテゴリ内の全商品コードについて繰り返し実施し（S2103）、1番目商品カテゴリに関する購入傾向相違度115の算出を完了する。さらに、S2103からS2107の処理を全商品カテゴリコードについて繰り返し実施し（S2102）、ユーザID“001”に関する購入傾向相違度115の算出を完了する。購入傾向相違度115の算出は、商品属性評価値113および商品カテゴリ別ユーザ属性評価値1901が更新されたタイミングで、更新があった当該商品および当該ユーザについて随時実行することが望ましい。

以上の手順で生成した購入傾向相違度115を用い、実施例1の手法に従って購入傾向適合商品116を生成することができる。商品閲覧装置201から表示画面情報の要求を受け付けた場合、商品提示装置101は購入傾向適合商品116から適合商品を検索し、その適合商品を特に強調した図22のような表示画面情報を生成することができる。。

実施例3ではユーザの購入商品を商品カテゴリごとに完全に分離して購入傾向を抽出したが、属性ごとにこだわりの強さを判別して適応的に購入傾向を合成してもよい。

以降、商品カテゴリごとに購入傾向を抽出して合成する例を説明するが、商品サブカテゴリごとなどさらに細かい分類で抽出，合成してもかまわない。

図23は、本実施例にかかる商品提示装置の構成の一例を示した図である。図23の商品提示装置は、図19と比較して、データ蓄積部107に商品カテゴリ別ユーザ属性評価値分散2301と、合成ユーザ属性評価値2302とをさらに蓄積している点が異なり、その他の構成は図19と同じである。商品カテゴリ別ユーザ属性評価値分散2301は、各ユーザの商品カテゴリ別購入傾向のこだわりの強さを表す。また、合成ユーザ属性評価値2302は、適応的に合成した購入傾向を管理する。本実施例では実施例3の商品提示装置を前提に新たな構成要素を付加する説明を行うが、実施例2の商品提示装置にも同様に構成要素を付加することで同等の機能を実現できる。

図24は、各ユーザの商品カテゴリ別購入傾向のこだわりの強さを表す商品カテゴリ別ユーザ属性評価値分散の一例である。商品カテゴリ別ユーザ属性評価値分散2301には、ユーザを一意に識別するためのユーザIDとともに、各商品カテゴリの属性ごとに購入傾向のこだわりの強さを数値化して格納する。属性の分散は、各商品カテゴリについて商品を購入する傾向にどの程度偏りがあるかをそれぞれ算出する。例えば価格であれば、注文情報110から当該ユーザが購入した商品を商品カテゴリ別に抽出し、商品属性評価値113を参照して評価値を収集する。商品属性評価値113は実施例1で示した手法によりあらかじめ生成されているものとする。このとき、参照する商品属性評価値113は、当該商品を注文情報110に登録した日時において最新のものを参照する必要がある。収集した評価値に対して同一商品カテゴリ内で標準偏差を算出し、当該ユーザの当該商品カテゴリにおける価格分散として商品カテゴリ別ユーザ属性評価値分散2301に格納する。商品カテゴリ別ユーザ属性評価値分散2301の算出は、当該ユーザが商品を購入したタイミングで随時実行することが望ましい。

図25は、ある特定のユーザの商品カテゴリ別購入傾向のこだわりの強さに応じて新たな購入傾向を合成するフローチャートである。この処理をすべてのユーザの購入傾向について実施することにより、図26に示す合成ユーザ属性評価値2302を生成する。例えばユーザIDが“001”のユーザの合成ユーザ属性評価値を算出する場合、商品カテゴリ別ユーザ属性評価値分散2301からユーザIDが“001”のレコードを抽出する（S2501）。はじめに1番目商品カテゴリ内の1番目属性の分散を判定し、合成比率を決定する（S2504）。合成比率は、当該属性の分散が小さいほど小さい値をとるものとし、例えば0から1の間に正規化した数値として定義する。次に、商品カテゴリ別ユーザ属性評価値からユーザIDが“001”のレコードを抽出し（S2505）、1番目商品カテゴリに属するものと属さないものに分離する。1番目商品カテゴリに属さないレコードの1番目属性については平均値を算出しておく（S2506）。最後に、S2506で算出した平均値にS2504で算出した合成比率を乗じた値と、1番目商品カテゴリに属するレコードの1番目属性の評価値を加算し、合成評価値を求める（S2507）。以上S2504からS2507の処理を1番目商品カテゴリ内の全属性について繰り返し実施し（S2503）、1番目商品カテゴリに関する合成ユーザ属性評価値2302の算出を完了する。さらに、S2503からS2507の処理を全商品カテゴリコードについて繰り返し実施し（S2502）、ユーザID“001”に関する合成ユーザ属性評価値2302の算出を完了する。合成ユーザ属性評価値2302の算出は、商品カテゴリ別ユーザ属性評価値分散2301および商品カテゴリ別ユーザ属性評価値1901が更新されたタイミングで随時実行することが望ましい。

図27は、ある特定のユーザの合成購入傾向と各商品の属性評価値の相違度を算出する処理のフローチャートである。この処理をすべてのユーザの購入傾向について実施することにより、図12に示す購入傾向相違度115を生成する。例えばユーザIDが“001”のユーザの合成購入傾向について購入傾向相違度を算出する場合、合成ユーザ属性評価値2302からユーザIDが“001”のレコードを抽出する（S2701）。以降、S2701で抽出した複数レコードから順次レコードを選択し、そのレコードに含まれる商品カテゴリコードを対象として処理を行う。商品属性評価値113からは、はじめに1番目商品カテゴリ内の1番目商品コードに属するレコードを抽出し（S2704）、合成ユーザ属性評価値の1番目商品カテゴリに属する1番目属性の合成評価値と、商品属性評価値の1番目属性の評価値について距離を算出する（S2706）。距離は、例えば評価値同士の差分の絶対値などで定義する。この距離の算出を全属性について繰り返し実施する（S2705）。全属性について距離の算出を完了したのち、当該ユーザの合成購入傾向と当該商品の属性評価値の相違度を算出する（S2707）。相違度は、例えば全属性の距離を合計して0から10の間に正規化した数値として定義する。以上S2704からS2707の処理を1番目商品カテゴリ内の全商品コードについて繰り返し実施し（S2703）、1番目商品カテゴリに関する購入傾向相違度115の算出を完了する。さらに、S2703からS2707の処理を全商品カテゴリコードについて繰り返し実施し（S2702）、ユーザID“001”に関する購入傾向相違度115の算出を完了する。購入傾向相違度115の算出は、商品属性評価値113および合成ユーザ属性評価値2302が更新されたタイミングで、更新があった当該商品および当該ユーザについて随時実行することが望ましい。

以上の手順で生成した購入傾向相違度115を用い、実施例1の手法に従って購入傾向適合商品116を生成することができる。商品閲覧装置201から表示画面情報の要求を受け付けた場合、商品提示装置101は購入傾向適合商品116から適合商品を検索し、その適合商品を特に強調した図28や図29のような表示画面情報を生成することができる。また、図30に示すようにユーザの購入傾向を可視化する表示画面情報を生成して商品提示装置101上の表示部106または商品閲覧装置201上の表示部305に提示し、異なる商品カテゴリの購入傾向を相互に反映するか否かを運用者またはユーザに選択させてもよい。

さらには、合成した購入傾向についてユーザの許容度合を判定して合成比率に反映してもよい。図31は、合成比率を補正するために、ある特定のユーザの合成ユーザ属性評価値に対してユーザの購入結果を照らし合わせるフローチャートである。この処理をすべてのユーザの購入傾向について実施することにより、図26に示す合成ユーザ属性評価値2302の購入結果を生成する。例えばユーザIDが“001”のユーザについて購入結果を算出する場合、注文情報からユーザIDが“001”かつ適合提示済みフラグが“1”で、登録日がもっとも新しいレコードを抽出する（S3101）。抽出した注文情報からはじめに1番目商品カテゴリコードを抽出し、当該商品カテゴリコードが合成ユーザ属性評価値の登録日がもっとも新しいレコードに存在するか否かを判定する（S3103）。存在しない場合は当該商品カテゴリコードに関する分析を終了する。存在する場合は当該レコードの購入結果に1を加算する（S3104）。以上S3103からS3104の処理を全商品カテゴリコードについて繰り返し実施し（S3102）、ユーザID“001”に関する購入結果の照合を完了する。

図32は、ユーザへ提示した結果にもとづいて合成ユーザ属性評価値を補正するフローチャートである。この処理をすべてのユーザの合成ユーザ属性評価値について実施することにより、図26に示す合成ユーザ属性評価値2302を更新する。例えばユーザIDが“001”のユーザの合成ユーザ属性評価値を補正する場合、商品カテゴリ別ユーザ属性評価値分散2301からユーザIDが“001”のレコードを抽出する（S3201）。はじめに、1番目商品カテゴリ内の1番目属性の分散を判定し、合成比率を決定する（S3204）。合成比率は、当該属性の分散が小さいほど小さい値をとるものとし、例えば0から1の間に正規化した数値として定義する。次に、合成ユーザ属性評価値2302から、1番目商品カテゴリコードに属する、登録日がもっとも新しいレコードを抽出（S3205）する。S3205で抽出したレコードについて購入結果が1以上であるか否かを判定し（S3206）、1以上の場合は当該1番目属性の合成比率に一定値を加算して新しい合成比率を決定する（S3207）。加算する値はあらかじめ定めた値でもよいが、購入結果の数値に比例して大きくするなど適応的に変化させてもよい。1未満の場合は、当該1番目属性の合成比率から一定値を減算して新しい合成比率を決定する（S3208）。減算する値はあらかじめ登録されている任意の値とし、運用者が変更できるようにしておいてもよい。次に、商品カテゴリ別ユーザ属性評価値からユーザIDが“001”のレコードを抽出し（S3209）、1番目商品カテゴリに属するものと属さないものに分離する。1番目商品カテゴリに属さないレコードの1番目属性については平均値を算出しておく（S3210）。最後に、S3210で算出した平均値にS3207またはS3208で算出した合成比率を乗じた値と、1番目商品カテゴリに属するレコードの1番目属性の評価値を加算し、合成評価値を求める（S3211）。以上S3204からS3211の処理を1番目商品カテゴリ内の全属性について繰り返し実施し（S3203）、1番目商品カテゴリに関する合成ユーザ属性評価値2302の補正を完了する。さらに、S3203からS3211の処理を全商品カテゴリコードについて繰り返し実施し（S3202）、ユーザID“001”に関する合成ユーザ属性評価値2302の補正を完了する。合成ユーザ属性評価値2302の更新は、ユーザが商品を購入したタイミングで随時実行することが望ましい。以上の手順を繰り返すことにより合成比率が最適化されていく。

実施例4では属性ごとにこだわりの強さを判別して適応的に購入傾向を合成したが、こだわりの強さが他ユーザ一般と似ている場合のみ妥当だと判断して購入傾向を合成するようにしてもよい。

図33は、本実施例にかかる商品提示装置の構成の一例を示した図である。図33の商品提示装置は、図23と比較して、データ蓄積部107に一般属性評価値3301とユーザ一般属性評価値距離3302とをさらに蓄積している点が異なり、その他の構成は図23と同じである。一般属性評価値3301は他ユーザの一般的な購入傾向を示す。また、ユーザ一般属性評価値距離3302は属性評価値および属性評価値分散について対象ユーザと他ユーザ一般の距離を示す。本実施例では実施例4の商品提示装置を前提に新たな構成要素を付加する説明を行うが、実施例2の商品提示装置にも同様に構成要素を付加することで同等の機能を実現できる。

図34は、他ユーザの一般的な購入傾向を示す一般属性評価値の一例である。一般属性評価値3301には、各商品カテゴリの属性ごとに購入傾向を数値化して格納する。属性の評価値は、一般ユーザが各商品カテゴリについてどの程度の評価値の商品を購入する傾向があるかをそれぞれ算出する。例えば価格であれば、注文情報110からすべてのユーザが購入した商品を商品カテゴリ別に抽出し、商品属性評価値113を参照して評価値を収集する。商品属性評価値113は実施例1で示した手法によりあらかじめ生成されているものとする。このとき、参照する商品属性評価値113は、当該商品を注文情報110に登録した日時において最新のものを参照する必要がある。収集した評価値に対して同一商品カテゴリ内で平均をとり、一般ユーザの当該商品カテゴリにおける価格評価値として一般属性評価値3301に格納する。また、属性の分散は、各商品カテゴリについて商品を購入する傾向にどの程度偏りがあるかをそれぞれ算出する。収集した評価値に対して同一商品カテゴリ内で標準偏差を算出し、一般ユーザの当該商品カテゴリにおける価格分散として一般属性評価値3301に格納する。一般属性評価値3301の算出は、ユーザのいずれかが商品を購入したタイミングで随時実行することが望ましい。

図35は、ある特定のユーザの購入傾向と他ユーザ一般の購入傾向について距離を算出する処理のフローチャートである。この処理をすべてのユーザの購入傾向について実施することにより、図36に示すユーザ一般属性評価値距離3302を生成する。ユーザ一般属性評価値距離3302は、ユーザを一意に識別するためのユーザIDをもっており、商品カテゴリごとに各属性について評価値および分散の距離を算出して格納する。例えばユーザIDが“001”のユーザの購入傾向について距離を算出する場合、商品カテゴリ別ユーザ属性評価値1901からユーザIDが“001”で、かつはじめは1番目の商品カテゴリコードに属するレコードを抽出する（S3502）。また、商品カテゴリ別ユーザ属性評価値分散2301からは、ユーザIDが“001”で、かつはじめは1番目の商品カテゴリコードに属するレコードを抽出する（S3503）。一般属性評価値3301からは、はじめに1番目の商品カテゴリコードに属するレコードを抽出し（S3504）、商品カテゴリ別ユーザ属性評価値の1番目属性の評価値と一般属性評価値の1番目属性の評価値について距離を算出する（S3506）。距離は、例えば評価値同士の差分の絶対値などで定義する。次に、商品カテゴリ別ユーザ属性評価値分散の1番目属性の分散と一般属性評価値の1番目属性の分散について距離を算出する（S3507）。これら評価値および分散の距離の算出を全属性について繰り返し実施する（S3505）。以上S3502からS3507の処理を全商品カテゴリコードについて繰り返し実施し（S3501）、ユーザID“001”に関するユーザ一般属性評価値距離3302の算出を完了する。ユーザ一般属性評価値距離3302の算出は、商品カテゴリ別ユーザ属性評価値1901および商品カテゴリ別ユーザ属性評価値分散2301、一般属性評価値3301が更新されたタイミングで、更新があった当該商品および当該ユーザについて随時実行することが望ましい。

図37は、ある特定のユーザの商品カテゴリ別購入傾向のこだわりの強さと、他ユーザ一般の購入傾向との類似度に応じて新たな購入傾向を合成するフローチャートである。この処理をすべてのユーザの購入傾向について実施することにより、図26に示す合成ユーザ属性評価値2302を生成する。例えばユーザIDが“001”のユーザの合成ユーザ属性評価値を算出する場合、商品カテゴリ別ユーザ属性評価値分散2301からユーザIDが“001”のレコードを抽出する（S3701）。はじめに1番目商品カテゴリ内の1番目属性の分散を判定し、合成比率を決定する（S3704）。合成比率は、当該属性の分散が小さいほど小さい値をとるものとし、例えば0から1の間に正規化した数値として定義する。次に、ユーザ一般属性評価値距離からユーザIDが“001”でかつはじめは1番目の商品カテゴリコードに属するレコードを抽出する（S3705）。抽出したレコードについて、はじめは1番目属性の評価値距離が閾値以下であるか否かを判定する（S3706）。ここで、評価値距離の判定閾値はあらかじめ登録されている任意の値とし、運用者が変更できるようにしておいてもよい。S3706において評価値距離が閾値以下であると判定した場合は、はじめは1番目属性の分散距離が閾値以下であるか否かを判定する（S3707）。ここで、分散距離の判定閾値は評価値距離の判定閾値とは独立にあらかじめ登録されている任意の値とし、運用者が変更できるようにしておいてもよい。S3706またはS3707において閾値以下ではないと判定した場合は、S3704で決定した合成比率を一定割合増加させる（S3708）。ここで、合成比率を増加させる割合は、あらかじめ登録されている任意の値とし、運用者が変更できるようにしておいてもよい。また、評価値距離および分散距離の値が大きいほど割合が大きくなるよう変化させてもよい。続いて、商品カテゴリ別ユーザ属性評価値からユーザIDが“001”のレコードを抽出し（S3709）、1番目商品カテゴリに属するものと属さないものに分離する。1番目商品カテゴリに属さないレコードの1番目属性については平均値を算出しておく（S3710）。最後に、S3710で算出した平均値にS3704またはS3708で算出した合成比率を乗じた値と、1番目商品カテゴリに属するレコードの1番目属性の評価値を加算し、合成評価値を求める（S3711）。以上S3704からS3711の処理を1番目商品カテゴリ内の全属性について繰り返し実施し（S3703）、1番目商品カテゴリに関する合成ユーザ属性評価値2302の算出を完了する。さらに、S3703からS3711の処理を全商品カテゴリコードについて繰り返し実施し（S3702）、ユーザID“001”に関する合成ユーザ属性評価値2302の算出を完了する。合成ユーザ属性評価値2302の算出は、商品カテゴリ別ユーザ属性評価値分散2301および商品カテゴリ別ユーザ属性評価値1901、ユーザ一般属性評価値距離3302が更新されたタイミングで随時実行することが望ましい。

以上の手順で生成した合成ユーザ属性評価値2302を用い、実施例4の手法に従って購入傾向相違度115、購入傾向適合商品116を生成することができる。商品閲覧装置201から表示画面情報の要求を受け付けた場合、商品提示装置101は購入傾向適合商品116から適合商品を検索し、その適合商品を特に強調した図38や図39のような表示画面情報を生成することができる。また、図40に示すようにユーザの購入傾向を可視化する表示画面情報を生成して商品提示装置101上の表示部106または商品閲覧装置201上の表示部305に提示し、異なる商品カテゴリの購入傾向を相互に反映するか否かを運用者またはユーザに選択させてもよい。

さらには、実施例4の手法に従って合成した購入傾向についてユーザの許容度合を判定して合成比率に反映してもよい。

実施例５では属性ごとのこだわりの強さと他ユーザ一般との類似度を考慮して購入傾向を合成したが、購入傾向が得られていない商品カテゴリをもつユーザがいる場合に、他ユーザ一般の当該商品カテゴリとその他商品カテゴリとの間の購入傾向の類似度にもとづいて、当該ユーザの当該商品カテゴリにおける購入傾向を合成してもよい。

以降、商品カテゴリごとに購入傾向の類似度を判別して新たな購入傾向を合成する例を説明するが、商品サブカテゴリごとなどさらに細かい分類で類似度の判別、購入傾向の合成をしてもかまわない。

図41は、本実施例にかかる商品提示装置の構成の一例を示した図である。図41の商品提示装置は、図33と比較して、データ蓄積部107に商品カテゴリ相違度4101をさらに蓄積している点が異なり、その他の構成は図33と同じである。商品カテゴリ相違度4101は商品カテゴリ同士の相違度を示す。本実施例では実施例5の商品提示装置を前提に新たな構成要素を付加する説明を行うが、実施例2の商品提示装置にも同様に構成要素を付加することで同等の機能を実現できる。

図42は、商品カテゴリ同士の購入傾向の相違度を示す商品カテゴリ相違度の一例である。商品カテゴリ相違度4101には、2つの商品カテゴリコードの組み合わせに対して各属性の購入傾向の相違度を数値化して格納する。例えば価格であれば、一般属性評価値3301から商品カテゴリコード1および商品カテゴリコード2に属するレコードを抽出し、価格に対する評価値同士の距離および価格に対する分散同士の距離を算出する。距離は、例えば評価値同士の差分の絶対値などで定義する。一般属性評価値3301は、実施例5で示した手法によりあらかじめ生成されているものとする。次に、評価値距離と分散距離を用いて相違度を算出し、商品カテゴリ相違度4101に格納する。例えば、相違度は評価値距離と分散距離を乗算して0から10の間に正規化した数値とすればよい。また、すべての属性の相違度を合計し、0から10の間に正規化した全体相違度を算出してもよい。商品カテゴリ相違度4101の算出は、一般属性評価値3301が更新されたタイミングで随時実行することが望ましい。

図43は、ある特定のユーザの購入傾向が不明な商品カテゴリについて購入傾向を合成する処理のフローチャートである。この処理を実施することにより図26に示す合成ユーザ属性評価値2302を生成する。例えばユーザIDが“001”のユーザの商品カテゴリコード“aaa”の商品カテゴリについて合成ユーザ属性評価値を算出する場合、商品カテゴリ相違度から商品カテゴリコード1または商品カテゴリコード2が“aaa”のレコードを抽出する（S4301）。はじめに1番目のレコードについて1番目属性の相違度を判定し、合成比率を決定する（S4304）。合成比率は、当該属性の相違度が小さいほど大きい値をとるものとし、例えば0から1の間に正規化した数値として定義する。次に、商品カテゴリ別ユーザ属性評価値からユーザIDが“001”、商品カテゴリコードが“aaa”のレコードを抽出する（S4305）。S4305で抽出したレコードの1番目属性の評価値に対してS4304で決定した合成比率を乗じ、合成評価値として一時的に保持する（S4306）。以上S4304からS4306の処理を商品カテゴリ相違度の当該レコード内全属性について繰り返し実施し（S4303）、当該レコードに関する合成ユーザ属性評価値2302の算出を完了する。さらに、S4303からS4306の処理を商品カテゴリ相違度から抽出した全レコードについて繰り返し実施し（S4302）、購入傾向が不明であった当該商品カテゴリに関する合成ユーザ属性評価値2302の算出を完了する。このとき、S4306において評価値に合成比率を乗じることで算出した合成評価値と、一時的に保持しておいた合成評価値とを加算することで累積の合成評価値を算出しておく。合成ユーザ属性評価値2302の算出は、商品カテゴリ相違度4101および商品カテゴリ別ユーザ属性評価値1901が更新されたタイミングで随時実行することが望ましい。

以上の手順で生成した合成ユーザ属性評価値2302を用い、実施例4の手法に従って購入傾向相違度115、購入傾向適合商品116を生成することができる。商品閲覧装置201から表示画面情報の要求を受け付けた場合、商品提示装置101は購入傾向適合商品116から適合商品を検索し、その適合商品を特に強調した図44のような表示画面情報を生成することができる。また、図45に示すようにユーザの購入傾向を可視化する表示画面情報を生成して商品提示装置101上の表示部106または商品閲覧装置201上の表示部305に提示し、異なる商品カテゴリの購入傾向を相互に反映するか否かを運用者またはユーザに選択させてもよい。

実施例4では、商品カテゴリごとに購入傾向を抽出し、属性ごとにこだわりの強さを判別して適応的に購入傾向を合成する例を示した。また、実施例6では、購入傾向が得られていない商品カテゴリをもつユーザがいる場合に、他ユーザ一般の当該商品カテゴリとその他商品カテゴリとの間の購入傾向の類似度にもとづいて、当該ユーザの当該商品カテゴリにおける購入傾向を合成する例を示した。購入傾向が得られていない商品カテゴリをもつユーザがいる場合に、当該ユーザの購入傾向が得られているいずれの商品カテゴリにおいても類似の傾向を示す属性については当該ユーザの購入傾向をそのまま反映してもかまわない。

図46は、本実施例にかかる商品提示装置の構成の一例を示した図である。図46の商品提示装置は、図23と比較して、データ蓄積部107にユーザ評価商品カテゴリ相違度4601をさらに蓄積している点が異なり、その他の構成は図23と同じである。ユーザ評価商品カテゴリ相違度4601はユーザ属性評価値による商品カテゴリ同士の相違度を示す。本実施例では実施例4の商品提示装置を前提に新たな構成要素を付加する説明を行うが、実施例2の商品提示装置にも同様に構成要素を付加することで同等の機能を実現できる。

図47は、ユーザ属性評価値によって商品カテゴリ同士の購入傾向の相違度を示すユーザ評価商品カテゴリ相違度の一例である。ユーザ評価商品カテゴリ相違度4601には、ユーザを一意に識別するユーザIDとともに、2つの商品カテゴリコードの組み合わせに対して各属性の購入傾向の相違度を数値化して格納する。例えば価格であれば、商品カテゴリ別ユーザ属性評価値1901および商品カテゴリ別ユーザ属性評価値分散2301から商品カテゴリコード1および商品カテゴリコード2に属するレコードを抽出し、価格に対する評価値同士の距離および価格に対する分散同士の距離を算出する。距離は、例えば評価値同士の差分の絶対値などで定義する。商品カテゴリ別ユーザ属性評価値1901は、実施例3で示した手法によりあらかじめ生成されているものとする。また、商品カテゴリ別ユーザ属性評価値分散2301は、実施例4で示した手法によりあらかじめ生成されているものとする。ユーザ評価商品カテゴリ相違度4601の算出は、商品カテゴリ別ユーザ属性評価値1901および商品カテゴリ別ユーザ属性評価値分散2301が更新されたタイミングで随時実行することが望ましい。

図48は、ある特定のユーザの購入傾向が不明な商品カテゴリについて購入傾向を合成する処理のフローチャートである。この処理を実施することにより図26に示す合成ユーザ属性評価値2302を生成する。例えばユーザIDが“001”のユーザの商品カテゴリコード“aaa”の商品カテゴリについて合成ユーザ属性評価値を算出する場合、ユーザ評価商品カテゴリ相違度4601からユーザIDが“001”のレコードを抽出する（S4801）。当該ユーザは商品カテゴリコード“aaa”の商品カテゴリについて購入経験がないため、S4801で抽出したレコードには商品カテゴリコード“aaa”のレコードは存在しない。はじめに1番目のレコードの1番目属性について、評価値距離が閾値以下であるか否かを判定する（S4804）。ここで、評価値距離の判定閾値はあらかじめ登録されている任意の値とし、運用者が変更できるようにしておいてもよい。S4804において評価値距離が閾値以下であると判定した場合は、はじめは1番目属性の分散距離が閾値以下であるか否かを判定する（S4805）。ここで、分散距離の判定閾値は評価値距離の判定閾値とは独立にあらかじめ登録されている任意の値とし、運用者が変更できるようにしておいてもよい。S4805において分散距離が閾値以下であると判定した場合は、次のレコードについてS4804からS4805の処理を繰り返す（S4803）。S4804またはS4805のいずれかにおいて閾値以下でないと判定した場合は、1番目属性の合成評価値は未設定としてNULLを合成ユーザ属性評価値2302に登録する（S4806）。S4803において全レコードの1番目属性に対してS4804からS4805の処理を完了したと判定した場合は、商品カテゴリ別ユーザ属性評価値1901からユーザIDが“001”のレコードを抽出する（S4807）。続いて、S4807で抽出した全レコードの1番目属性の評価値について平均値を算出し、当該属性の合成評価値として合成ユーザ属性評価値2302に登録する（S4808）。以上S4803からS4808の処理を全属性について繰り返し実施し（S4802）、ユーザID“001”に関する合成ユーザ属性評価値2302の算出を完了する。合成ユーザ属性評価値2302の算出は、商品カテゴリ別ユーザ属性評価値1901およびユーザ評価商品カテゴリ相違度4601が更新されたタイミングで随時実行することが望ましい。

以上の手順で生成した合成ユーザ属性評価値2302を用い、実施例4の手法に従って購入傾向相違度115、購入傾向適合商品116を生成することができる。合成ユーザ属性評価値としてNULLを設定した属性については、購入傾向相違度115の当該属性の距離を0として算出し、相違度の算出に影響を与えないようにすればよい。商品閲覧装置201から表示画面情報の要求を受け付けた場合、商品提示装置101は購入傾向適合商品116から適合商品を検索し、その適合商品を特に強調した図49のような表示画面情報を生成することができる。また、図50に示すようにユーザの購入傾向を可視化する表示画面情報を生成して商品提示装置101上の表示部106または商品閲覧装置201上の表示部305に提示し、異なる商品カテゴリの購入傾向を相互に反映するか否かを運用者またはユーザに選択させてもよい。

101・・・商品提示装置
102・・・制御部
103・・・メモリ
104・・・運用者操作入力部
105・・・ネットワーク送受信部
106・・・表示部
107・・・データ蓄積部
108・・・商品情報
109・・・商品画像
110・・・注文情報
111・・・ユーザ情報
112・・・表示画面情報
113・・・商品属性評価値
114・・・ユーザ属性評価値
115・・・購入傾向相違度
116・・・購入傾向適合商品

Claims

ユーザが購入する商品の商品情報を管理する商品提示装置と、商品情報を表示する商品閲覧装置と、が通信により接続される商品提示システムであって、
商品提示装置は、
前記商品の商品情報と、ユーザが購入した商品の注文情報とを記憶する記憶部と、
前記注文情報からユーザの購入傾向を特定し、当該購入傾向に適合する商品の商品情報を選択してユーザに当該商品情報を提示する表示画面情報を生成する制御部と、
前記表示画面情報を送信する送信部と、
を備え、
前記商品閲覧装置は、
前記表示画面情報を受信する受信部と、
前記表示画面情報を表示する表示部と、
を備え、
前記制御部は、商品の特定のカテゴリにおけるユーザの購入傾向の偏りが小さい程、商品の別のカテゴリのユーザの購入傾向を合成する割合を大きくして、購入傾向を特定することを特徴とする商品提示システム。
前記表示部は、特定された購入傾向に適合する商品の商品情報とともに、当該商品が、当該商品の別のカテゴリのユーザの購入傾向に沿った商品であることを表示することを特徴とする請求項１に記載の商品提示システム。
前記表示部は、商品の特定のカテゴリにおけるユーザの購入傾向と、商品の別のカテゴリのユーザの購入傾向を表示することを特徴とする請求項１に記載の商品提示システム。
ユーザが購入する商品の商品情報を提示する商品提示方法であって、
前記商品の商品情報と、ユーザが購入した商品の注文情報とが管理されており、
前記注文情報からユーザの購入傾向を特定し、当該購入傾向に適合する商品の商品情報を選択するステップと、
選択された前記商品情報をユーザに提示するステップとを、有し、
前記選択するステップにおいて、商品の特定のカテゴリにおけるユーザの購入傾向の偏りが小さい程、商品の別のカテゴリのユーザの購入傾向を合成する割合を大きくして、購入傾向を特定することを特徴とする商品提示方法。
前記提示するステップにおいて、特定された購入傾向に適合する商品の商品情報とともに、当該商品が、当該商品の別のカテゴリのユーザの購入傾向に沿った商品であることを提示することを特徴とする請求項４に記載の商品提示方法。
前記提示するステップにおいて、商品の特定のカテゴリにおけるユーザの購入傾向と、商品の別のカテゴリのユーザの購入傾向を提示することを特徴とする請求項４に記載の商品提示方法。