JP2015201090A - 商品推薦装置、商品推薦方法及びプログラム - Google Patents
商品推薦装置、商品推薦方法及びプログラム Download PDFInfo
- Publication number
- JP2015201090A JP2015201090A JP2014080362A JP2014080362A JP2015201090A JP 2015201090 A JP2015201090 A JP 2015201090A JP 2014080362 A JP2014080362 A JP 2014080362A JP 2014080362 A JP2014080362 A JP 2014080362A JP 2015201090 A JP2015201090 A JP 2015201090A
- Authority
- JP
- Japan
- Prior art keywords
- purchase
- product
- customer
- reason
- recommended
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【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
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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、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)。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
Claims (7)
- 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014080362A JP2015201090A (ja) | 2014-04-09 | 2014-04-09 | 商品推薦装置、商品推薦方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014080362A JP2015201090A (ja) | 2014-04-09 | 2014-04-09 | 商品推薦装置、商品推薦方法及びプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2015201090A true JP2015201090A (ja) | 2015-11-12 |
Family
ID=54552287
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014080362A Pending JP2015201090A (ja) | 2014-04-09 | 2014-04-09 | 商品推薦装置、商品推薦方法及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2015201090A (ja) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017211693A (ja) * | 2016-05-23 | 2017-11-30 | 富士ゼロックス株式会社 | プログラム、商品推薦システム及び商品推薦方法 |
JP2018092314A (ja) * | 2016-12-01 | 2018-06-14 | 富士ゼロックス株式会社 | プログラム、商品抽出システムおよび商品推薦システム |
CN108182608A (zh) * | 2018-01-30 | 2018-06-19 | 重庆金融资产交易所有限责任公司 | 电子装置、产品推荐方法和计算机可读存储介质 |
JP2019510291A (ja) * | 2016-01-25 | 2019-04-11 | マスターカード アジア パシフィック ピーティーイー リミテッドMastercard Asia/Pacific Pte.Ltd. | 人型ロボットを用いてトランザクションを支援する方法 |
CN109934646A (zh) * | 2017-12-15 | 2019-06-25 | 北京京东尚科信息技术有限公司 | 预测新商品关联购买行为的方法及装置 |
CN110519318A (zh) * | 2018-05-22 | 2019-11-29 | 北京京东尚科信息技术有限公司 | 信息推送方法和装置 |
CN110930197A (zh) * | 2019-11-29 | 2020-03-27 | 北京市商汤科技开发有限公司 | 一种数据处理方法、设备及存储介质 |
WO2023162239A1 (ja) * | 2022-02-28 | 2023-08-31 | 日本電気株式会社 | 解析装置、解析方法、および解析プログラム |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000090094A (ja) * | 1998-09-08 | 2000-03-31 | Digital Vision Laboratories:Kk | 情報サービス提供装置及び推奨情報抽出提示方法 |
JP2000148864A (ja) * | 1998-10-09 | 2000-05-30 | Internatl Business Mach Corp <Ibm> | 製品推薦を提供する方法および装置 |
JP2001229285A (ja) * | 2000-02-18 | 2001-08-24 | Sumisho Computer Systems Corp | 販売促進支援装置および方法、記録媒体 |
JP2002334257A (ja) * | 2001-05-10 | 2002-11-22 | Nec Corp | レコメンドエンジン、レコメンド方法、レコメンドプログラム |
JP2008067370A (ja) * | 2006-08-10 | 2008-03-21 | Matsushita Electric Ind Co Ltd | 番組推薦システム、番組視聴端末、番組視聴プログラム、番組視聴方法、番組推薦サーバ、番組推薦プログラム及び番組推薦方法 |
-
2014
- 2014-04-09 JP JP2014080362A patent/JP2015201090A/ja active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000090094A (ja) * | 1998-09-08 | 2000-03-31 | Digital Vision Laboratories:Kk | 情報サービス提供装置及び推奨情報抽出提示方法 |
JP2000148864A (ja) * | 1998-10-09 | 2000-05-30 | Internatl Business Mach Corp <Ibm> | 製品推薦を提供する方法および装置 |
JP2001229285A (ja) * | 2000-02-18 | 2001-08-24 | Sumisho Computer Systems Corp | 販売促進支援装置および方法、記録媒体 |
JP2002334257A (ja) * | 2001-05-10 | 2002-11-22 | Nec Corp | レコメンドエンジン、レコメンド方法、レコメンドプログラム |
JP2008067370A (ja) * | 2006-08-10 | 2008-03-21 | Matsushita Electric Ind Co Ltd | 番組推薦システム、番組視聴端末、番組視聴プログラム、番組視聴方法、番組推薦サーバ、番組推薦プログラム及び番組推薦方法 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019510291A (ja) * | 2016-01-25 | 2019-04-11 | マスターカード アジア パシフィック ピーティーイー リミテッドMastercard Asia/Pacific Pte.Ltd. | 人型ロボットを用いてトランザクションを支援する方法 |
JP2021101392A (ja) * | 2016-05-23 | 2021-07-08 | 富士フイルムビジネスイノベーション株式会社 | プログラム、商品推薦システム及び商品推薦方法 |
US10755335B2 (en) | 2016-05-23 | 2020-08-25 | Fuji Xerox Co., Ltd. | Recording medium, product recommendation system, and product recommendation method |
JP2017211693A (ja) * | 2016-05-23 | 2017-11-30 | 富士ゼロックス株式会社 | プログラム、商品推薦システム及び商品推薦方法 |
JP2018092314A (ja) * | 2016-12-01 | 2018-06-14 | 富士ゼロックス株式会社 | プログラム、商品抽出システムおよび商品推薦システム |
CN109934646A (zh) * | 2017-12-15 | 2019-06-25 | 北京京东尚科信息技术有限公司 | 预测新商品关联购买行为的方法及装置 |
CN109934646B (zh) * | 2017-12-15 | 2021-09-17 | 北京京东尚科信息技术有限公司 | 预测新商品关联购买行为的方法及装置 |
CN108182608A (zh) * | 2018-01-30 | 2018-06-19 | 重庆金融资产交易所有限责任公司 | 电子装置、产品推荐方法和计算机可读存储介质 |
CN108182608B (zh) * | 2018-01-30 | 2021-04-02 | 重庆金融资产交易所有限责任公司 | 电子装置、产品推荐方法和计算机可读存储介质 |
CN110519318A (zh) * | 2018-05-22 | 2019-11-29 | 北京京东尚科信息技术有限公司 | 信息推送方法和装置 |
CN110519318B (zh) * | 2018-05-22 | 2023-08-04 | 北京京东尚科信息技术有限公司 | 信息推送方法和装置 |
CN110930197A (zh) * | 2019-11-29 | 2020-03-27 | 北京市商汤科技开发有限公司 | 一种数据处理方法、设备及存储介质 |
CN110930197B (zh) * | 2019-11-29 | 2023-11-28 | 北京市商汤科技开发有限公司 | 一种数据处理方法、设备及存储介质 |
WO2023162239A1 (ja) * | 2022-02-28 | 2023-08-31 | 日本電気株式会社 | 解析装置、解析方法、および解析プログラム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2015201090A (ja) | 商品推薦装置、商品推薦方法及びプログラム | |
US11587116B2 (en) | Predictive recommendation system | |
US8694372B2 (en) | Systems and methods for automatic control of marketing actions | |
CN108475392A (zh) | 用于跟踪消费者口味偏好的系统和方法 | |
US11816588B2 (en) | Forecasting demand using hierarchical temporal memory | |
CN109903111A (zh) | 用于个性化推荐的排序方法,排序模型训练方法和排序系统 | |
JP7210958B2 (ja) | 商品推薦装置及びプログラム | |
US11507981B2 (en) | Automated lists | |
Cebollada et al. | Online category pricing at a multichannel grocery retailer | |
CN106651418A (zh) | 针对电商满减活动的凑单商品推荐的方法 | |
JP6527414B2 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
US20160379288A1 (en) | Integrated Meal Plan Generation and Supply Chain Management | |
US11210695B2 (en) | Predictive recommendation system using tiered feature data | |
US20150356082A1 (en) | Product Recommendation Engine | |
JP2016053784A (ja) | 情報推薦プログラム及び情報処理装置 | |
US20160117703A1 (en) | Large-Scale Customer-Product Relationship Mapping and Contact Scheduling | |
KR101639656B1 (ko) | 광고 제공 방법 및 서버 장치 | |
US20130325651A1 (en) | Product recommendation | |
JP6728972B2 (ja) | プログラム、商品推薦システム及び商品推薦方法 | |
JP2012014466A (ja) | 商品情報提供システム、商品情報提供装置、商品情報提供方法及びプログラム | |
US20210287275A1 (en) | Value based commodity selection | |
CA2909957A1 (en) | Large-scale customer-product relationship mapping and contact scheduling | |
JP2018041314A (ja) | 分類装置、分類方法、及び分類プログラム | |
US20140129329A1 (en) | Server, analysis method and computer program product | |
US11210618B2 (en) | Systems and methods for generating a two-dimensional planogram based on intermediate data structures |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170317 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180411 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180515 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180629 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20180702 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20181102 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20181204 |