JP2015201090A - 商品推薦装置、商品推薦方法及びプログラム - Google Patents

Abstract

【課題】顧客の購入理由傾向に柔軟に対応して商品を推薦できるようにする。
【解決手段】購入された商品と商品を購入した顧客とを対応付けて示す購入履歴情報と、購入理由を示す属性として商品に付与された商品因子とに基づいて、それぞれが異なる商品の購入理由傾向ごとに対応した顧客の集合から成る複数の購入理由傾向別顧客グループを生成するグルーピング処理部と、購入履歴情報に基づいて、購入理由傾向別顧客グループに属する顧客に推薦すべき推薦商品を決定する推薦商品決定部とを備えて商品推薦装置を構成する。
【選択図】図１

Description

本発明は、商品推薦装置、商品推薦方法及びプログラムに関する。

顧客の購入傾向を分析し、分析結果に基づいて顧客に商品を推薦するということが行われている。一例として、消費者それぞれの購入履歴情報に基づいて作成したベクトルをクラスタ解析することによって複数のデータ群に分類し、各消費者をいずれかのデータ群の代表ベクトルに対応付けて分類するという手法が知られている（例えば、特許文献１参照）。

特開２０１１−７０３９６号公報

例えば、これまでにおける顧客の推薦手法としては、年齢、性別などの区分に応じて典型的な商品を推薦すべき商品として選択するといったことが行われている。一例として、食品であれば、２０代男性には肉類を勧め、６０代以上程度の老年層には煮物などを勧めると行ったことが行われる。
しかしながら、個人ごとの嗜好などはまちまちであり、上記のような典型的な嗜好のパターンから逸脱している個人も相当数が存在する。従って、顧客の購入傾向に応じて柔軟に商品を推薦することを考慮すれば、年齢、性別などに応じて典型的な商品を推薦商品として選択するという手法には限界がある。

特許文献１の技術では、例えば顧客を所定の消費モデルに強制的にあてはめる手法と異なり、顧客の購入時期などとしての利用傾向を反映させた分析結果が得られる。しかしながら、分析された利用傾向から推薦すべき商品を特定しようとする場合には、やはり利用傾向ごとに応じた典型的な商品を予め定めておく必要があり、この点で柔軟性が高いとはいえない。

本発明は、このような事情を考慮してなされたものであり、顧客の商品についての購入理由の傾向に柔軟に対応して商品を推薦できるようにすることを目的とする。

本発明の一態様は、購入された商品と前記商品を購入した顧客とを対応付けて示す購入履歴情報と、購入理由を示す属性として商品に付与された商品因子とに基づいて、それぞれが異なる商品の購入理由傾向ごとに対応した顧客の集合から成る複数の購入理由傾向別顧客グループを生成するグルーピング処理部と、前記購入履歴情報に基づいて、前記購入理由傾向別顧客グループに属する顧客に推薦すべき推薦商品を決定する推薦商品決定部とを備える商品推薦装置である。

上記の商品推薦装置において、前記推薦商品決定部は、前記購入理由傾向別顧客グループに属する顧客が対応付けられた購入履歴情報を利用して求めた前記購入理由傾向別顧客グループにおける商品についての購入実績順位に基づいて、前記購入理由傾向別顧客グループに属する顧客に推薦すべき推薦商品を決定してもよい。

上記の商品推薦装置において、前記推薦商品決定部は、前記購入理由傾向別顧客グループに属する顧客が対応付けられた購入履歴情報に基づいて、前記購入理由傾向別顧客グループに属する顧客が未購入の商品を特定し、前記購入理由傾向別顧客グループにおける商品についての購入実績を求め、前記顧客ごとに、前記顧客が未購入の商品のうちで前記顧客が属する前記購入理由傾向別顧客グループでの購入実績のある商品を前記推薦商品として決定してもよい。

上記の商品推薦装置において、前記推薦商品決定部は、前記購入履歴情報に基づいて、１つの購入理由傾向別顧客グループについて集計した商品についてのグループ内購入実績順位と、前記複数の購入理由傾向別顧客グループの全体を対象として集計した商品についての全体購入実績順位とを求め、前記全体購入実績順位に対する前記グループ内購入実績順位の上昇の度合いが一定以上の商品を、前記１つの購入理由傾向別顧客グループに属する顧客に推薦すべき前記推薦商品として決定してもよい。

上記の商品推薦装置において、前記推薦商品決定部は、前記購入履歴情報に基づいて前記購入理由傾向別顧客グループにおける商品についての購入実績を求め、１つの購入理由傾向別顧客グループとの購入理由傾向の近似の度合いが一定以上の他の購入理由傾向別顧客グループにおいて購入実績のある商品のうちから、前記１つの購入理由傾向別顧客グループに属する顧客に推薦すべき前記推薦商品を決定してもよい。

本発明の一態様は、購入された商品と前記商品を購入した顧客とを対応付けて示す購入履歴情報と、購入理由を示す属性として商品に付与された商品因子とに基づいて、それぞれが異なる商品の購入理由傾向ごとに対応した顧客の集合から成る複数の購入理由傾向別顧客グループを生成するグルーピング処理ステップと、前記購入履歴情報に基づいて、前記購入理由傾向別顧客グループに属する顧客に推薦すべき推薦商品を決定する推薦商品決定ステップとを備える商品推薦方法である。

本発明の一態様は、コンピュータに、購入された商品と前記商品を購入した顧客とを対応付けて示す購入履歴情報と、購入理由を示す属性として商品に付与された商品因子とに基づいて、それぞれが異なる商品の購入理由傾向ごとに対応した顧客の集合から成る複数の購入理由傾向別顧客グループを生成するグルーピング処理ステップと、前記購入履歴情報に基づいて、前記購入理由傾向別顧客グループに属する顧客に推薦すべき推薦商品を決定する推薦商品決定ステップとを実行させるためのプログラムである。

以上説明したように、本発明によれば、顧客の商品についての購入理由の傾向に柔軟に対応して商品を推薦できるようになるという効果が得られる。

第１実施形態における商品推薦装置の構成例を示す図である。 第１実施形態における商品情報記憶部が記憶する商品情報の内容例を示す図である。 第１実施形態における購入履歴情報記憶部が記憶する購入履歴情報の一例を示す図である。 第１実施形態におけるグルーピング処理部が生成する購入履歴商品因子結合情報の一例を示す図である。 第１実施形態におけるグルーピング処理部が生成する顧客別商品因子集計情報の内容例と、顧客別商品因子計上情報を利用したグルーピング処理を説明する図である。 第１実施形態における商品推薦装置による推薦商品の決定処理についての一具体例を説明する図である。 第１実施形態における商品推薦装置が推薦商品を決定するために実行する処理手順例を示すフローチャートである。 第１実施形態の商品推薦装置による推薦商品決定処理の手順例を示すフローチャートである。 第２実施形態における商品推薦装置による推薦商品の決定処理についての一具体例を説明する図である。 第２実施形態の商品推薦装置による推薦商品決定処理の手順例を示すフローチャートである。 第３実施形態における商品推薦装置による推薦商品の決定処理についての一具体例を説明する図である。 第３実施形態の商品推薦装置による推薦商品決定処理の手順例を示すフローチャートである。 第４実施形態の商品推薦装置による推薦商品決定処理の手順例を示すフローチャートである。

＜第１実施形態＞
図１は、第１実施形態における商品推薦装置１００の構成例を示している。本実施形態の商品推薦装置１００は、商品情報登録部１０１、商品因子付与部１０２、購入履歴情報登録部１０３、グルーピング処理部１０４、推薦商品決定部１０５及び記憶部１０６を備える。
記憶部１０６は、商品情報記憶部１６１、顧客情報記憶部１６２及び購入履歴情報記憶部１６３を備える。

商品情報登録部１０１は、商品情報記憶部１６１に商品情報を登録する。商品情報は、顧客に対して販売される商品ごとについての所定項目の情報を含む。商品情報は、例えばオペレータ（入力作業者）などの入力作業などに応じて作成されたうえで、商品情報登録部１０１に対して入力される。商品情報登録部１０１は、入力された商品情報を商品情報記憶部１６１に対して記憶させることにより、商品情報を登録する。

商品因子付与部１０２は、商品情報記憶部１６１に記憶される商品情報ごとに商品因子を付与（登録）する。
本実施形態においては、商品ごとに対応して予め定められた商品因子が付与される。商品因子は、顧客が商品を購入するにあたっての理由（購入理由）を示す属性である。
商品因子（購入理由）は、商品そのものの特性や、その商品を好むであろう年代や家族構成などを勘案して定められる因子であり、購入の動機につながる理由を示すものである。商品因子の具体的な内容としては、以下に例として説明する「安全」、「自宅まで配送」などの他、「定番」、「シニア向け」、「子ども向け」などといった多様な内容が挙げられる。
なお、図中において、商品因子については単に「因子」とも記載する場合がある。

あくまでも一例であるが、国産野菜であるとか有機野菜といった商品には、「安全」という内容の商品因子を定めることができる。つまり、この場合には、顧客が食の安全性を重視しているために、外国産や農薬を使用して栽培された野菜ではなく、一定の安全性が保証された国産野菜や有機野菜などを購入するであろうという根拠に基づいて「安全」というキーワードを商品因子として定めたものである。
また、２リットルのペットボトル入りの飲料水といった商品には、「自宅まで配送」という内容の商品因子を定めることができる。例えば２リットルのペットボトル入りの飲料水は相当に重いことから、顧客が自分で店舗に赴いて購入し、持ち帰るということはできれば避けたいと考える。そこで、通信販売を前提とすると、２リットルのペットボトル入りの飲料水は、商品が自宅まで配達される（即ち、自分で持ち帰らなくともよい）ことを重視して顧客が購入する傾向があると考えることができる。

このように、本実施形態においては、多様な商品因子が定められ、商品ごとに対応して適合する商品因子が付与される。また、１つの商品に対応して対応付けられる商品因子は、複数であってもよい。
商品因子付与部１０２は、上記のように商品ごとに付与すべきとして定められた商品因子が反映されるように、商品情報記憶部１６１が記憶する商品情報ごとに商品因子を登録する。

ここで、図２を参照して、商品情報記憶部１６１が記憶する商品情報として、商品因子が付与された構造の商品情報の内容例について説明する。
同図に示すように、商品情報記憶部１６１は、商品ごとに対応する商品情報を複数格納したテーブル構造によって商品情報を記憶する。
１つの商品に対応する商品情報は、商品ＩＤと商品名と価格と商品因子対応情報とを対応付けた構造である。
商品ＩＤは、対応の商品を一意に示す識別子である。商品名は、対応の商品に付与された商品としての名称である。
価格は、対応の商品について定められた価格である。

例えば、商品情報登録部１０１が登録する商品ごとの商品情報としては、上記の商品ＩＤと商品名と価格となる。なお、商品情報登録部１０１が登録する商品情報としては、商品ＩＤと商品名と価格の他に、例えば産地、メーカなどをはじめとし、他の情報が含まれてよい。

商品因子対応情報は、対応の商品にどの商品因子が付与されているのかを示す情報である。商品因子対応情報は、商品因子の番号ごとに「１」と「０」のいずれかの値を格納する構造である。「１」が格納されている場合、対応の番号の商品因子が商品に付与されていることを示す。一方、「０」が格納されている場合、対応の番号の商品因子が商品に付与されていないことを示す。
同図によれば、１行目における商品ＩＤ「００００００１」の商品については、商品因子＃１、商品因子＃９、商品因子＃１０などが付与されていることを示している。また、２行目の商品ＩＤ「００００００２」の商品については商品因子＃１、商品因子＃６、商品因子＃８、商品因子＃９などが付与されていることを示している。
上記の商品因子対応情報は、商品因子付与部１０２により商品情報に付加される。

説明を図１に戻す。購入履歴情報登録部１０３は、購入履歴情報を購入履歴情報記憶部１６３に登録する。購入履歴情報は、顧客による商品の購入の履歴を示す情報である。
購入履歴情報登録部１０３には、顧客が商品を購入したのに応じて、顧客と顧客が購入した商品とを対応付けた購入情報が入力される。

一例として、購入情報の作成には、商品の販売業者が納品書や商品購入の明細書などを作成する際の印字データを利用することができる。納品書や明細書を印字するための印字データには、商品を購入した顧客と、顧客が購入した商品の識別子（商品ＩＤ）、商品名、価格、納品年月日（購入年月日）などをはじめとする商品に関する情報が含まれている。

例えば、オペレータは、納品書や明細書の印字データを購入履歴情報登録部１０３に入力する。購入履歴情報登録部１０３は、入力された印字データを購入履歴情報に変換する。購入履歴情報登録部１０３は、変換により得られた購入履歴情報を購入履歴情報記憶部１６３に記憶させる。このようにして、購入履歴情報の登録が行われる。

図３は、購入履歴情報記憶部１６３が記憶する購入履歴情報の内容例を示している。同図に示す購入履歴情報は、顧客（顧客ＩＤ）ごとに、当該顧客が購入した各商品についての商品ＩＤ、購入年月日、商品名、数量、価格の各情報が対応付けられた構造である。
顧客ＩＤは、顧客を一意に示す識別子として、対応の商品を購入した顧客を示す顧客ＩＤの値を示す。なお、顧客ＩＤについては、顧客情報記憶部１６２が記憶する顧客情報から取得できる。
購入年月日は、対応の商品が購入された年月日を示す。
商品ＩＤは、商品を一意に示す識別子として、対応の商品についての商品ＩＤの値を示す。
商品名は、対応の商品についての商品の名称を示す。
数量は、対応の商品が購入された数量を示す。
価格は、対応の商品の価格（単価）を示す。
同図に示す購入履歴情報の構造から理解されるように、本実施形態の購入履歴情報は、購入された商品と、商品を購入した顧客とを対応付けた構造である。

説明を図１に戻す。グルーピング処理部１０４は、購入履歴情報と商品に付与された商品因子とに基づいて、複数の購入理由傾向別顧客グループを生成する。購入理由傾向別顧客グループは、それぞれが異なる商品の購入理由傾向ごとに対応した顧客の集合から成る。なお、購入理由傾向は、例えば顧客のライフスタイルが反映されているとも捉えられる。

グルーピング処理部１０４は、一具体例として、以下のように複数の複数の購入理由傾向別顧客グループを生成する。
まず、グルーピング処理部１０４は、購入履歴情報記憶部１６３から購入履歴情報を取得する。また、グルーピング処理部１０４は、商品情報記憶部１６１が記憶する商品情報において商品ごとに対応付けられている商品因子対応情報のうちから、購入履歴情報が示す商品ごとの商品因子対応情報を取得する。このとき、商品情報記憶部１６１が記憶する商品情報の商品と、購入履歴情報が示す商品とは、商品ＩＤによって対応付けが行われる。

そして、グルーピング処理部１０４は、購入履歴情報記憶部１６３から取得した購入履歴情報の商品ごとに、商品情報記憶部１６１から取得した商品因子対応情報を結合させることで、購入履歴商品因子結合情報を生成する。

図４は、グルーピング処理部１０４が、図３の購入履歴情報と図２の商品情報における商品因子対応情報とに基づいて生成した購入履歴商品因子結合情報の内容例を示している。なお、同図においては、図示のスペースの便宜上、商品因子対応情報における１１番以降の商品因子の対応情報については図示が省略されている。
同図に示すように、購入履歴商品因子結合情報は、購入履歴情報の商品ごとに、当該商品に付与された商品因子が何であるのかを示す商品因子対応情報が結合された構造を有する。

次に、グルーピング処理部１０４は、上記のように生成した購入履歴商品因子結合情報を利用して、商品を購入した顧客ごとに商品因子を集計する集計処理を実行する。グルーピング処理部１０４は、集計処理の結果として、顧客別商品因子集計情報を生成する。

図５（ａ）は、グルーピング処理部１０４による顧客ごとの商品因子についての集計結果として生成された顧客別商品因子集計情報の一例を示している。同図に示される顧客別商品因子集計情報は、図４に示した購入履歴商品因子結合情報を利用した集計処理の結果が反映されている。
図５（ａ）から理解されるように、顧客別商品因子集計情報は、顧客ＩＤごとに、対応の顧客が購入した各商品に付与されていた商品因子の数の集計値を対応付けた構造である。なお、顧客別商品因子集計情報においては、集計値そのものに代えて、例えば標準化などの処理によって集計値を変容させたスコアが用いられてもよい。
顧客別商品因子集計情報により、各顧客が商品を購入するにあたって重視している購入理由の傾向が示される。
図５（ａ）の例であれば、顧客ＩＤ「００３５０１」の顧客は、商品を購入するにあたり、商品因子＃１、＃９としての購入理由を最も重視しているが、商品因子＃１０としての購入理由についても比較的重視しており、商品因子＃６についてもときとして意識していることが示される。
また、顧客ＩＤ「４５８８０１」の顧客は、商品を購入するにあたり、商品因子＃１、＃９としての購入理由を最も重視しているが、因子＃３、＃５、＃６、＃８、＃１０などに対応する購入理由も重視される場合のあることが示される。

そして、グルーピング処理部１０４は、上記のように生成した顧客別商品因子集計情報を利用してクラスタ解析を行うことで、複数の購入理由傾向別顧客グループを生成する。複数の購入理由傾向別顧客グループは、それぞれ、クラスタ解析によって得られたクラスタに対応する。
また、グルーピング処理部１０４が複数の購入理由傾向別顧客グループを生成するためのクラスタ解析の手法としては特に限定されないが、一例としてｋ−ｍｅａｎｓ法を挙げることができる。

前述のように、購入理由傾向別顧客グループは、それぞれ異なる商品の購入理由傾向に対応し、顧客情報記憶部１６２が記憶する顧客情報に登録されている顧客のうち、商品を購入したことのある顧客は、生成された複数の購入理由傾向別顧客グループのうちのいずれかひとつに属する。即ち、購入理由傾向別顧客グループによっては、ほぼ同じ購入理由傾向を有している顧客同士をグルーピングするように分類が行われる。

図５（ｂ）は、図５（ａ）の顧客別商品因子集計情報を利用したクラスタ解析の結果として得られた顧客と購入理由傾向別顧客グループとの対応関係例を示している。
同図の例では、顧客ＩＤ「００３５０１」の顧客がグループ＃１に属するものとしてグルーピングされ、顧客ＩＤ「４５８８０１」の顧客がグループ＃２に属するものとしてグルーピングされた結果が示されている。

説明を図１に戻す。推薦商品決定部１０５は、購入履歴情報に基づいて、購入理由傾向別顧客グループごとに属する顧客に推薦すべき推薦商品を決定する。
具体的に、本実施形態における推薦商品決定部１０５は、購入理由傾向別顧客グループに属する顧客が対応付けられた購入履歴情報を利用して、購入理由傾向別顧客グループにおける商品についての購入実績順位（グループ内購入実績順位）を求める。そして、推薦商品決定部１０５は、求められたグループ内購入実績順位に基づいて、購入理由傾向別顧客グループに属する顧客に推薦すべき推薦商品を決定する。

このために、推薦商品決定部１０５は、１つの購入理由傾向別顧客グループに属する各顧客と対応付けられた購入履歴情報を購入履歴情報記憶部１６３から取得する。推薦商品決定部１０５は、取得した購入履歴情報を利用して購入理由傾向別顧客グループ内での商品についてのグループ内購入実績順位を求める。
ここで、本実施形態における購入実績としては、商品が購入された数（購入数）であってもよいし、商品の総売上高であってもよいし、商品を購入した顧客の人数（購入者数）であってもよい。さらには、購入実績は、上記の購入数、総売上高、購入者数のうちから選択した２つ以上のものを利用して導出される値であってもよい。
推薦商品決定部１０５は、購入理由傾向別顧客グループにおける商品ごとの購入実績を求め、求められた購入実績の高い順に商品をソートする。このようにして、購入理由傾向別顧客グループにおける商品についてのグループ内購入実績順位が求められる。
そして、推薦商品決定部１０５は、上記のように求めたグループ内購入実績順位が一定以上の商品を、対応の購入理由傾向別顧客グループにおける推薦商品として決定する。

図６は、或る１つの購入理由傾向別顧客グループについて求められたグループ内購入実績順位の例を示している。
同図においては、グループ内購入実績順位が１位の商品の商品ＩＤ「００００１０１」であり、２位の商品の商品ＩＤ「００００２１３」であり、３位の商品の商品ＩＤ「００００１２１」である例が示されている。
一例として、グループ内購入実績順位が一定以上の商品として、グループ内購入実績順位が１位、２位の商品を推薦商品として決定するようにされている場合、図６の例であれば、以下の商品が推薦商品として決定される。即ち、商品ＩＤ「００００１０１」の商品と、商品ＩＤ「００００２１３」の商品とが、対応の購入理由傾向別顧客グループおける推薦商品として決定される。
そして、推薦商品決定部１０５は、上記と同様の手順で、他の購入理由傾向別顧客グループのそれぞれについても推薦商品を決定することができる。

本実施形態において、推薦商品決定部１０５により決定された推薦商品を顧客に対して推薦するための手法については特に限定されない。
一例として、前述のように、購入履歴情報を、納品書や明細書などの印字データから取得する場合であれば、以下のように顧客に推薦商品を推薦することができる。即ち、例えば商品販売業者は、推薦商品決定部１０５により決定された推薦商品を推薦する内容を、該当の顧客に送付すべき納品書や明細書の印字データに含めて、納品書や明細書の印字を行う。これにより、推薦商品についての情報を含む納品書や明細書が得られる。商品販売業者は、このように推薦商品を推薦する情報が印字された納品書や明細書を商品とともに顧客に宛てて配送する。
商品の配送を受けた顧客は、送付された商品、価格などが正しいかどうか確認するために同梱の納品書や明細書の内容を確認する。この際に、顧客は納品書や明細書に印字された推薦商品に関する情報を見ることになり、推薦商品についての宣伝効果が得られる。

説明を図１に戻す。同図に示す記憶部１０６は、商品推薦装置１００が利用する各種の情報を記憶する。記憶部１０６は、前述のように商品情報記憶部１６１、顧客情報記憶部１６２及び購入履歴情報記憶部１６３を備える。

商品情報記憶部１６１は、商品情報を記憶する。
顧客情報記憶部１６２は、登録された顧客ごとについての各種所定の情報を含む顧客情報を記憶する。１人の顧客に対応する顧客情報は、例えば顧客ＩＤに対して所定の個人情報と個人属性とが対応付けられる。個人情報には、氏名、電話番号、住所などの個人の特定に直接的に関連する情報が含まれる。個人属性には、性別、年齢、居住地域、店舗利用履歴などが含まれる。
購入履歴情報記憶部１６３は、購入履歴情報を記憶する。購入履歴情報は、図３に例示したような構造を有する。

次に、図７のフローチャートを参照して、本実施形態における商品推薦装置１００が推薦商品の決定のために実行する処理手順例について説明する。
まず、推薦商品の決定にあたり、商品推薦装置１００におけるグルーピング処理部１０４は、購入履歴情報が示す商品ごとに対して商品因子対応情報を結合する（ステップＳ１０１）。
即ち、グルーピング処理部１０４は、先に図４にて説明したように、購入履歴情報記憶部１６３から購入履歴情報を取得し、取得した購入履歴情報における商品ごとに対応する商品因子対応情報を商品情報記憶部１６１から取得する。そして、グルーピング処理部１０４は、購入履歴情報における商品ごとに商品因子対応情報を対応付けることで、購入履歴商品因子結合情報を生成する。

次に、グルーピング処理部１０４は、ステップＳ１０１に対応して生成された購入履歴商品因子結合情報を利用して、商品を購入した顧客ごとに商品因子を集計する（ステップＳ１０２）。
ステップＳ１０２の集計処理によって、図５に例示したように顧客別商品因子集計情報が生成される。

次に、グルーピング処理部１０４は、ステップＳ１０２により得られた顧客ごとの商品因子の集計結果（顧客別商品因子集計情報）を利用してクラスタ解析を実行する（ステップＳ１０３）。
グルーピング処理部１０４は、ステップＳ１０３のクラスタ解析を実行して得られた複数のクラスタを、それぞれ購入理由傾向別顧客グループとする。前述のように、購入理由傾向別顧客グループは、それぞれが異なる商品についての購入理由の傾向に対応している。また、顧客情報記憶部１６２に登録されている顧客情報が登録（記憶）されている顧客のうち、商品を購入したことのある顧客は、生成された複数の購入理由傾向別顧客グループのうちのいずれか１つに属するようにグルーピングされる。

次に、推薦商品決定部１０５は、ステップＳ１０３のクラスタ解析によって生成された複数の購入理由傾向別顧客グループごとに対応した推薦商品決定処理を実行する（ステップＳ１０４）。即ち、推薦商品決定部１０５は、複数の購入理由傾向別顧客グループごとに対応して顧客に推薦すべき商品を決定する。
なお、推薦商品決定部１０５は、推薦商品の決定に際して、顧客情報記憶部１６２が記憶する顧客情報における顧客の個人属性を付帯情報として用いてもよい。即ち、推薦商品決定部１０５は、購入理由傾向別顧客グループを解釈して推薦商品を決定する際に、顧客の個人属性の情報を判断材料の補助として利用することができる。

図８のフローチャートは、図７のステップＳ１０４の推薦商品決定処理として、１つの購入理由傾向別顧客グループを対象とする推薦商品決定処理の一例を示している。
まず、推薦商品決定部１０５は、対象の購入理由傾向別顧客グループに属する顧客により購入された商品についてのグループ内購入実績順位を求める（ステップＳ２０１）。
このために、推薦商品決定部１０５は、購入履歴情報記憶部１６３が記憶する購入履歴情報を利用して、対象の購入理由傾向別顧客グループに属する顧客が購入した各商品についての購入実績を集計する。そして、推薦商品決定部１０５は、集計した購入実績が高い順に商品をソートする。このようにソートして得られた商品の順位がグループ内購入実績順位である。
次に、推薦商品決定部１０５は、図６により説明したように、グループ内購入実績順位が一定以上の商品を推薦商品として決定する（ステップＳ２０２）。推薦商品決定部１０５は、図８に示した処理を、購入理由傾向別顧客グループごとに実行することで、購入理由傾向別顧客グループごとの購入理由傾向に適合した推薦商品を決定する。

このように、本実施形態においては、商品ごとに商品因子が予め付与される。そのうえで、本実施形態の商品推薦装置１００は、顧客により購入された商品に付与された商品因子の集計結果を利用したクラスタ解析によって、購入理由傾向の異なる顧客ごとのグループである購入理由傾向別顧客グループを生成する。そして、商品推薦装置１００は、購入理由傾向別顧客グループにおける商品の購入実績に基づいて推薦商品を決定する。

本実施形態の場合、購入理由傾向別顧客グループは、例えば顧客の年齢、性別、年収などに応じた典型的な分類によるものではなく、商品を購入した理由の傾向に基づいて顧客が分類される。この結果、購入理由傾向別顧客グループにおける商品の購入実績に基づいて推薦される商品としては、上記のような典型的な分類に従うことなく、例えば一般に老年層が好みそうな食品などを好む若年層の顧客などについても、的確にグルーピングを行うことが可能になる。即ち、本実施形態によっては、年齢、性別などに応じた典型的な分類によることなく、顧客の購入理由傾向に柔軟に対応して商品を推薦することが可能になる。

＜第２実施形態＞
続いて、第２実施形態について説明する。本実施形態における商品推薦装置１００は、第１実施形態と同様に複数の購入理由傾向別顧客グループを生成したうえで、以下のように推薦商品を決定する。
即ち、本実施形態の商品推薦装置１００において、推薦商品決定部１０５は、購入理由傾向別顧客グループに属する顧客が対応付けられた購入履歴情報に基づいて、購入理由傾向別顧客グループに属する顧客が未購入の商品を特定する。
また、推薦商品決定部１０５は、購入理由傾向別顧客グループに属する顧客が対応付けられた購入履歴情報に基づいて、購入理由傾向別顧客グループにおける商品についての購入実績を求める。
そして、推薦商品決定部１０５は、購入理由傾向別顧客グループに属する顧客ごとに、顧客が未購入の商品のうちで顧客が属する購入理由傾向別顧客グループでの購入実績がある商品を推薦商品として決定する。

より具体的には、例えば推薦商品決定部１０５は、顧客が未購入の商品のうちで、顧客が属する前記購入理由傾向別顧客グループにおけるグループ内購入実績順位が一定以上の商品を推薦商品として決定する。
この場合、同じ購入理由傾向別顧客グループに属する顧客であっても、未購入の商品に応じて顧客ごとに推薦商品が異なる。
このように未購入の商品が推薦されることで、購入理由傾向別顧客グループ内で購入実績が高いのにもかかわらず、まだ顧客が購入していない商品を積極的に推薦することができる。

図９を参照して、本実施形態における推薦商品の決定の具体例について説明する。図９（ａ）は、推薦商品決定部１０５が対象の購入理由傾向別顧客グループに属する顧客に対応する購入履歴情報を利用して生成した、顧客ＩＤ「００３５０１」の顧客についての商品購入状況情報を示している。
同図の商品購入状況情報は、商品を示す商品ＩＤごとに「購入済」と「未購入」のいずれかを示す情報が対応付けられる。このような商品購入状況情報の内容は、顧客ＩＤ「００３５０１」の顧客が、商品ＩＤ「００００００１」の商品と「００００００２」の商品とを購入済であり、商品ＩＤ「００００００３」の商品については未購入であることを示す。このような商品購入状況情報は、未購入の商品を特定した情報であるとも捉えられる。

また、推薦商品決定部１０５は、対象の購入理由傾向別顧客グループに属する顧客に対応する購入履歴情報を利用して、図９（ｂ）に示すように、第１実施形態の場合と同様のグループ内購入実績順位を求める。即ち、この場合の推薦商品決定部１０５は、グループ内購入実績順位を求めることによって、購入実績のある商品を特定している。

推薦商品決定部１０５は、図９（ａ）の商品購入状況情報において示される未購入の商品のうちで、図９（ｂ）に示されるグループ内購入実績順位が一定以上の商品を抽出する。ここでは、グループ内購入実績順位が３以上の商品を抽出すべき場合を例に挙げる。
ここで、図９（ａ）の商品購入状況情報と、図９（ｂ）に示されるグループ内購入実績順位とを対照させると、商品ＩＤ「００００００３」の商品が未購入であるとともに、グループ内購入実績順位が３位となっている。
そこで、この場合の推薦商品決定部１０５は、商品ＩＤ「００００００３」の商品を顧客ＩＤ「００３５０１」の顧客に推薦すべき商品（推薦商品）であると決定する。

推薦商品決定部１０５は、対象の購入理由傾向別顧客グループにおいて、顧客ごとに商品購入状況情報を生成する。そして、推薦商品決定部１０５は、生成した商品購入状況情報が示す未購入の商品のうちから、グループ内購入実績順位が一定以上の商品を抽出することで対応の顧客への推薦商品を決定する。このようにして、推薦商品決定部１０５は、購入理由傾向別顧客グループにおける顧客ごとに推薦商品を決定する。

第２実施形態における商品推薦装置１００の構成は図１と同様でよい。また、商品推薦装置１００が推薦商品を決定するための処理の全体的な流れとしては図７と同様でよい。そのうえで、第２実施形態における商品推薦装置１００は、図７のステップＳ１０４の推薦商品決定処理として、以下の図１０のフローチャートに示す処理を実行する。なお、図１０は、１つの購入理由傾向別顧客グループにおける顧客ごとに推薦商品を決定する処理手順例を示す。

図１０において、まず、推薦商品決定部１０５は、対象の購入理由傾向別顧客グループに対応するグループ内購入実績順位を求める（ステップＳ３０１）。
次に、推薦商品決定部１０５は、対象の購入理由傾向別顧客グループに属する顧客ごとに付した番号を示す変数Ｎに「１」を代入する（ステップＳ３０２）。

次に、推薦商品決定部１０５は、Ｎ番目の顧客が対応付けられた購入履歴情報を利用して、Ｎ番目の顧客についての商品購入状況情報を生成する（ステップＳ３０３）。
次に、推薦商品決定部１０５は、ステップＳ３０３にて生成した商品購入状況情報が示す未購入の商品のうちで、ステップＳ３０１にて求めたグループ内購入実績順位が一定以上の商品を推薦商品として決定する（ステップＳ３０４）。

次に、推薦商品決定部１０５は、変数Ｎについてインクリメントしたうえで（ステップＳ３０５）、変数Ｎが最大値を超えたか否かについて判定する（ステップＳ３０６）。
変数Ｎが最大値以下である場合（ステップＳ３０６−ＮＯ）、まだ、対象の購入理由傾向別顧客グループに属する顧客のうちで推薦商品が決定されていない顧客が残っている。そこで、この場合の推薦商品決定部１０５は、ステップＳ３０３に処理を戻すことで、次の顧客についての推薦商品を決定する処理に移行する。
これに対して、変数Ｎが最大値を超えた場合（ステップＳ３０６−ＹＥＳ）、対象の購入理由傾向別顧客グループに属する全ての顧客について推薦商品を決定したことになる。そこで、この場合の推薦商品決定部１０５は、同図に示す処理を終了する。

推薦商品決定部１０５は、同図に示すステップＳ３０１〜Ｓ３０６の処理を、図７のステップＳ１０４により生成された複数の購入理由傾向別顧客グループのそれぞれを対象として実行すればよい。これにより、複数の購入理由傾向別顧客グループのそれぞれに属する顧客ごとに推薦商品が決定される。

＜第３実施形態＞
続いて、第３実施形態について説明する。例えば、或る１つの商品について、特定の購入理由傾向別顧客グループにおけるグループ内購入実績順位が、全体における購入実績順位に対して相対的にかなり高いような場合がある。
一例として図１１（ａ）に示すように、或る特定の購入理由傾向別顧客グループにおけるグループ内購入実績順位において、商品ＩＤ「００００１２１」の商品は２０位である。
一方で、図１１（ｂ）に示すように、購入理由傾向別顧客グループの全体を対象として集計して得られた全体購入実績順位において、商品ＩＤ「００００１２１」の商品の順位は１００位と相当に低い。
ここで、特定の購入理由傾向別顧客グループにおける２０位というグループ内購入実績順位そのものは、グループ内購入実績順位としてはさほど高くはないと捉えられる。しかし、２０位のグループ内購入実績順位を、全体購入実績順位における１００位と比較した場合には、順位が相当に高くなっていると捉えることができる。
このような商品ＩＤ「００００１２１」は、顧客全体として見た場合にはさほど注目されていないが、特定の購入理由傾向別顧客グループに関しては購入理由傾向に合致しており、訴求力も十分に高いといえる。このような商品を、特定の購入理由傾向別顧客グループの顧客に推薦することは十分に意義がある。

そこで、第３実施形態における商品推薦装置１００は、全体購入実績順位に対するグループ内購入実績順位の上昇の度合いが一定以上商品を推薦商品として決定するように構成される。
本実施形態における商品推薦装置１００の構成は図１と同様でよい。また、商品推薦装置１００が推薦商品を決定するための処理の全体的な流れとしては図７と同様でよい。そのうえで、本実施形態における商品推薦装置１００は、図７のステップＳ１０４の推薦商品決定処理として、以下の図１２のフローチャートに示す処理を実行する。図１２に示す推薦商品決定処理は、１つの購入理由傾向別顧客グループを対象として実行される。

商品推薦装置１００における推薦商品決定部１０５は、まず、対象の購入理由傾向別顧客グループにおける推薦商品を決定するにあたり、商品についての全体購入実績順位を求める（ステップＳ４０１）。
全体購入実績順位は、購入履歴情報記憶部１６３が記憶する購入履歴情報を利用して求めることができる。即ち、推薦商品決定部１０５は、購入履歴情報記憶部１６３から全ての購入履歴情報を取得する。推薦商品決定部１０５は、取得した全ての購入履歴情報から商品ごとに購入実績を求め、求めた購入実績の高い順に商品をソートする。このようにして、全体購入実績順位が求められる。

また、推薦商品決定部１０５は、対象の購入理由傾向別顧客グループに対応して、商品についてのグループ内購入実績順位を求める（ステップＳ４０２）。

次に、推薦商品決定部１０５は、ステップＳ４０２にて求めたグループ内購入実績順位がステップＳ４０１にて求めた全体購入実績順位に対して一定以上の上昇度を有する商品を抽出する（ステップＳ４０３）。
ここでの上昇度としては、例えば全体購入実績順位に対するグループ内購入実績順位の上昇率とすることができる。この場合、推薦商品決定部１０５は、例えば商品ごとにグループ内購入実績順位を全体購入実績順位で減算することにより、各商品の上昇度を求めることができる。
推薦商品決定部１０５は、上記のように商品ごとに上昇度を求めたうえで、一定値以上の上昇度を有する商品を抽出する。

そして、推薦商品決定部１０５は、抽出した商品を推薦商品として決定する（ステップＳ４０４）。
なお、推薦商品決定部１０５は、ステップＳ４０４により推薦商品を決定するにあたり、ステップＳ４０３により抽出した商品が多数で一定数を超えるような場合には、抽出した推薦商品のうちから一定条件を満たす商品を推薦商品として決定してもよい。
ここでの一定条件としては多様に考えられるが、例えば、推薦商品決定部１０５は、ステップＳ４０３により抽出した商品のうちで、上昇度が１位から所定順位までの商品を推薦商品として決定することができる。
また、抽出した推薦商品のうちから、グループ内購入実績順位が高い順に選択した所定数の商品を推薦商品として決定してもよい。このように決定された商品を推薦することによっては、対象の購入理由傾向別顧客グループ内で既に人気のある商品を改めて顧客に認知してもらい、まだ推薦商品を購入していない顧客に勧めることができる。
あるいは逆に、抽出した推薦商品のうちから、グループ内購入実績順位が低い順に選択した所定数の商品を推薦商品として決定してもよい。このように決定された商品を推薦することによっては、対象の購入理由傾向別顧客グループに属する顧客であってもあまり注目してはいないが、購入理由傾向には合致しているためにこれから注目される可能性の高い商品を顧客に対して的確に推薦できるという効果が期待できる。

＜第４実施形態＞
次に、本実施形態の第４実施形態について説明する。図７のステップＳ１０３のクラスタ解析によって生成される複数の購入理由傾向別顧客グループのうちには、互いに購入理由傾向が近似するものが存在する。
そして、上記のように購入理由傾向が近似する購入理由傾向別顧客グループ間では、或る１つの購入理由傾向別顧客グループにおいては購入実績順位が高いが、他の購入理由傾向別顧客グループにおいては購入実績順位が低いという商品が有る場合も多い。
この場合において、或る１つの購入理由傾向別顧客グループにおいて購入実績順位が高い商品を、他の購入理由傾向別顧客グループの顧客に推薦することは有用であると考えられる。このような商品を推薦すれば、いままであまり注目はされていないとはいえ、本来、顧客の購入理由傾向には近いため、商品が改めて注目される可能性が高いからである。

また、購入理由傾向が互いに近い購入理由傾向別顧客グループが存在する場合において、両者が以下のような関係性を有する場合がある。即ち、一方の購入理由傾向別顧客グループに属する顧客の購入理由傾向が変化（成長）し、将来的に他方の購入理由傾向別顧客グループに属するようになる可能性が高いという関係性を有している場合がある。具体例的には、例えば一方の購入理由傾向別顧客グループに属する顧客の品質へのこだわりが高くなり、品質の良いことを重視するようになった結果、他方の購入理由傾向別顧客グループに属するようになるといったケースである。
このようなケースのあることを考慮しても、一方の購入理由傾向別顧客グループに属する顧客に、他方の購入理由傾向別顧客グループで注目されている（購入実績順位の高い）商品を勧めることは、顧客の成長が促されるという点で有効である。

そこで、第４実施形態における商品推薦装置１００は、１つの購入理由傾向別顧客グループとの購入理由傾向の近似の度合い（近似度）が一定以上の他の購入理由傾向別顧客グループにおいて購入実績のある商品のうちから、先の１つの購入理由傾向別顧客グループに属する顧客に推薦すべき推薦商品を決定するように構成される。

本実施形態における商品推薦装置１００の構成は図１と同様でよい。また、商品推薦装置１００が推薦商品を決定するための処理の全体的な流れとしては図７と同様でよい。そのうえで、本実施形態における商品推薦装置１００は、図７のステップＳ１０４の推薦商品決定処理として、以下の図１３のフローチャートに示す処理を実行する。図１３に示す推薦商品決定処理は、１つの購入理由傾向別顧客グループを対象として実行される。

推薦商品決定処理として、推薦商品決定部１０５は、まず、図７のステップＳ１０３によるクラスタ解析の結果に基づいて、対象の購入理由傾向別顧客グループとの近似度が一定以上の近似購入理由傾向別顧客グループを抽出する（ステップＳ５０１）。
ｋ−ｍｅａｎｓ法の場合、クラスタ間の近似度については、クラスタの重心間の距離に基づいて求めることができる。本実施形態において、クラスタ解析により得られるクラスタが購入理由傾向別顧客グループに相当する。従って、対象の購入理由傾向別顧客グループと他の購入理由傾向別顧客グループとの近似度は、対象の購入理由傾向別顧客グループの重心と他の購入理由傾向別顧客グループの重心との距離によって求めることができる。

次に、推薦商品決定部１０５は、ステップＳ５０１により抽出された近似購入理由傾向別顧客グループにおける、商品についてのグループ内購入実績順位を求める（ステップＳ５０２）。

そして、推薦商品決定部１０５は、近似購入理由傾向別顧客グループでのグループ内購入実績順位が一定以上の商品を、対象の購入理由傾向別顧客グループの顧客に対する推薦商品として決定する（ステップＳ５０３）。

なお、ステップＳ５０３による推薦商品の決定の仕方としては、他にも考えられる。例えば、第３実施形態に準じて、対象の購入理由傾向別顧客グループでのグループ内購入実績順位に対する近似購入理由傾向別顧客グループでのグループ内購入実績順位の上昇の度合いが一定以上の商品を推薦商品として決定することもできる。
また、第２実施形態に準じて、近似購入理由傾向別顧客グループで購入実績のある商品のうちから、対象の購入理由傾向別顧客グループの顧客ごとに未購入の商品を推薦商品として決定することも考えられる。

さらに、推薦商品決定部１０５は、上記以外の組み合わせであって、第１実施形態から第４実施形態のうちから組み合わせが可能な推薦商品の決定手法によって推薦商品を決定してもよい。また、推薦商品決定部１０５は、第１実施形態から第４実施形態による推薦商品の決定手法のうちから、適宜、いずれか１つを選択して推薦商品を決定したり、組み合わせ可能な決定手法を任意に組み合わせて推薦商品を決定したりしてもよい。

また、グルーピング処理部１０４による購入理由傾向別顧客グループの生成は、ｋ−ｍｅａｎｓ法などのクラスタ解析に限定されることなく、他のグルーピングのためのアルゴリズムによって行われるようにしてもよい。

なお、上述した商品推薦装置１００の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより上述の商品推薦装置１００としての処理を行ってもよい。ここで、「記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行する」とは、コンピュータシステムにプログラムをインストールすることを含む。ここでいう「コンピュータシステム」とは、ＯＳ等のソフトウェアや周辺機器等のハードウェアを含むものとする。また、「コンピュータシステム」は、インターネットやＷＡＮ、ＬＡＮ、専用回線等の通信回線を含むネットワークを介して接続された複数のコンピュータ装置を含んでもよい。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。このように、プログラムを記憶した記録媒体は、ＣＤ−ＲＯＭ等の非一過性の記録媒体であってもよい。また、記録媒体には、当該プログラムを配信するために配信サーバからアクセス可能な内部または外部に設けられた記録媒体も含まれる。配信サーバの記録媒体に記憶されるプログラムのコードは、端末装置で実行可能な形式のプログラムのコードと異なるものでもよい。すなわち、配信サーバからダウンロードされて端末装置で実行可能な形でインストールができるものであれば、配信サーバで記憶される形式は問わない。なお、プログラムを複数に分割し、それぞれ異なるタイミングでダウンロードした後に端末装置で合体される構成や、分割されたプログラムのそれぞれを配信する配信サーバが異なっていてもよい。さらに「コンピュータ読み取り可能な記録媒体」とは、ネットワークを介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（ＲＡＭ）のように、一定時間プログラムを保持しているものも含むものとする。また、上記プログラムは、上述した機能の一部を実現するためのものであってもよい。さらに、上述した機能をコンピュータシステムに既に記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。

１００ 商品推薦装置、１０１ 商品情報登録部、１０２ 商品因子付与部、１０３ 購入履歴情報登録部、１０４ グルーピング処理部、１０５ 推薦商品決定部、１０６ 記憶部、１６１ 商品情報記憶部、１６２ 顧客情報記憶部、１６３ 購入履歴情報記憶部

Claims (7)

1. 購入された商品と前記商品を購入した顧客とを対応付けて示す購入履歴情報と、購入理由を示す属性として商品に付与された商品因子とに基づいて、それぞれが異なる商品の購入理由傾向ごとに対応した顧客の集合から成る複数の購入理由傾向別顧客グループを生成するグルーピング処理部と、
   前記購入履歴情報に基づいて、前記購入理由傾向別顧客グループに属する顧客に推薦すべき推薦商品を決定する推薦商品決定部と
   を備える商品推薦装置。
2. 前記推薦商品決定部は、
   前記購入理由傾向別顧客グループに属する顧客が対応付けられた購入履歴情報を利用して求めた前記購入理由傾向別顧客グループにおける商品についての購入実績順位に基づいて、前記購入理由傾向別顧客グループに属する顧客に推薦すべき推薦商品を決定する
   請求項１に記載の商品推薦装置。
3. 前記推薦商品決定部は、
   前記購入理由傾向別顧客グループに属する顧客が対応付けられた購入履歴情報に基づいて、前記購入理由傾向別顧客グループに属する顧客が未購入の商品を特定し、前記購入理由傾向別顧客グループにおける商品についての購入実績を求め、
   前記顧客ごとに、前記顧客が未購入の商品のうちで前記顧客が属する前記購入理由傾向別顧客グループでの購入実績のある商品を前記推薦商品として決定する
   請求項１に記載の商品推薦装置。
4. 前記推薦商品決定部は、
   前記購入履歴情報に基づいて、１つの購入理由傾向別顧客グループについて集計した商品についてのグループ内購入実績順位と、前記複数の購入理由傾向別顧客グループの全体を対象として集計した商品についての全体購入実績順位とを求め、
   前記全体購入実績順位に対する前記グループ内購入実績順位の上昇の度合いが一定以上の商品を、前記１つの購入理由傾向別顧客グループに属する顧客に推薦すべき前記推薦商品として決定する
   請求項１に記載の商品推薦装置。
5. 前記推薦商品決定部は、
   前記購入履歴情報に基づいて前記購入理由傾向別顧客グループにおける商品についての購入実績を求め、
   １つの購入理由傾向別顧客グループとの購入理由傾向の近似の度合いが一定以上の他の購入理由傾向別顧客グループにおいて購入実績のある商品のうちから、前記１つの購入理由傾向別顧客グループに属する顧客に推薦すべき前記推薦商品を決定する
   請求項１に記載の商品推薦装置。
6. 購入された商品と前記商品を購入した顧客とを対応付けて示す購入履歴情報と、購入理由を示す属性として商品に付与された商品因子とに基づいて、それぞれが異なる商品の購入理由傾向ごとに対応した顧客の集合から成る複数の購入理由傾向別顧客グループを生成するグルーピング処理ステップと、
   前記購入履歴情報に基づいて、前記購入理由傾向別顧客グループに属する顧客に推薦すべき推薦商品を決定する推薦商品決定ステップと
   を備える商品推薦方法。
7. コンピュータに、
   購入された商品と前記商品を購入した顧客とを対応付けて示す購入履歴情報と、購入理由を示す属性として商品に付与された商品因子とに基づいて、それぞれが異なる商品の購入理由傾向ごとに対応した顧客の集合から成る複数の購入理由傾向別顧客グループを生成するグルーピング処理ステップと、
   前記購入履歴情報に基づいて、前記購入理由傾向別顧客グループに属する顧客に推薦すべき推薦商品を決定する推薦商品決定ステップと
   を実行させるためのプログラム。

Images