JP2018101260A - 情報処理システム、情報処理方法、および情報処理プログラム - Google Patents

Abstract

【課題】店舗の業績の改善に寄与するための提案を行うことが可能な情報処理システム、情報処理方法、および情報処理プログラムを提供する。【解決手段】店舗支援サーバ２１０は、ショッピングシステムに出店している複数の店舗のうち、取引量が基準以上に変化した第１店舗を検出する検出部２１１と、複数の店舗のうち第１店舗が実施した取引量の変化に寄与した施策を特定する特定部２１２と、ショッピングシステムに出店している複数の店舗から第１店舗の属性と関連する属性を持つ第２店舗を抽出する店舗抽出部２１３と、第２店舗に推薦した施策が第２店舗の取引量の増加に有効であるか否かを判定する有効性判定部２１４と、有効性判定部の判定結果に基づいて学習処理を行う施策学習部２１５と、第１店舗の属性と関連する属性を持つ第２店舗の管理者が使用する端末に特定部により特定された施策を送信する推薦部２１６と、を備える。【選択図】図２

Description

本発明は、情報処理システム、情報処理方法、および情報処理プログラムに関する。

従来、店舗の業績を評価するために、店舗の業績に関連する複数の指標についてアンケートを実施し、アンケート結果を集計することにより各指標に対する評価を行い、評価結果を提示する技術が知られている（特許文献１参照）。

特開２００４−１７８０８０号公報

しかしながら、従来の技術は、指標に対する評価を提示するだけであり、店舗の業績を改善するための提案を行うものではない。

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、店舗の業績の改善に寄与するための提案を行うことが可能な情報処理システム、情報処理方法、および情報処理プログラムを提供することを目的の一つとする。

本発明の一態様は、複数の店舗のうち、第１店舗が実施した取引量の変化に寄与した施策を特定する特定部と、前記第１店舗の属性と関連する属性を持つ第２店舗の管理者が使用する端末に、前記特定部により特定された施策を送信する推薦部と、を備える、情報処理システムである。

本発明の一態様によれば、店舗の業績の改善に寄与するための提案を行うことができる。

実施形態の店舗支援システム２００を含む情報処理システム１の一例を示す構成図である。 店舗支援サーバ２１０の一例を示す構成図である。 情報処理システム１における機能的な一例を示す構成図である。 店舗支援サーバ２１０の処理概要を説明するための図である。 店舗支援システム２００により施策を推薦する処理の一例を示すフローチャートである。 店舗支援システム２００により教師データを学習する処理の一例を示すフローチャートである。 店舗支援システム２００により施策を推薦する処理の他の一例を示すフローチャートである。 第２実施形態における情報処理システム１Ａにおける機能的な一例を示す構成図である 店舗支援サーバ２１０Ａの一例を示す構成図である。 広告データベース２２２Ｂの一例を示す図である。 販促データベース２２２Ｃの一例を示す図である。 成功事例データベース２２２Ｄの一例を示す図である。 店舗支援サーバ２１０Ａにより施策を推薦する処理の一例を示すフローチャートである。 問い合わせ元の店舗Ａ１の属性と過去に類似していた属性を持っていた店舗Ａ２を抽出する処理を説明するための図である。 シミュレーション結果を作成する元となる店舗を抽出するための対話の一例を示す図である。 シミュレーション結果の一例を示す図である。 同じ施策を実施する複数の店舗に関する特集コンテンツを作成する機能を説明する図である。 店舗端末装置１２０、ショッピングサーバ１３０、データベースサーバ２２０、および店舗支援サーバ２１０のハードウェア構成の一例を示す図である。

以下、図面を参照し、本発明の情報処理システム、情報処理方法、および情報処理プログラムの実施形態について説明する。

＜概要＞
実施形態の店舗支援システムは、複数の店舗のうち、第１店舗が実施した取引量の変化に寄与した施策を特定し、第１店舗の属性と関連する属性を持つ第２店舗の管理者が使用する端末に、特定された施策を送信するものである。実施形態の店舗支援システムは、複数の店舗が商品等を出品し、出品している商品等をユーザが購入する電子商取引サービス（以下、ショッピングサービス）を提供するショッピングシステムにおける店舗を支援する。具体的に、店舗支援システムは、売上量などが急増した店舗が実施している施策を、当該店舗とは異なる店舗に推薦することで、当該推薦された施策の実施を促すことができる。これにより、店舗支援システムは、店舗の売上量の増加を支援することで、より効率的に店舗の業績の改善に寄与することができる。

以下、第１実施形態および第２実施形態を説明する。第１実施形態の情報処理システム１は、複数の店舗のうち、取引量が基準以上に変化した店舗を検出した場合に、当該店舗が実施した取引量の急変に寄与した施策を特定する。そして、第１実施形態の店舗支援システムは、複数の店舗から店舗の属性と関連する属性を持つ店舗を抽出し、抽出された店舗の管理者が使用する端末に、取引量の変化に寄与した施策を送信する。

第２実施形態の情報処理システム１Ａは、第２店舗から取引量を増加させるための問い合わせを受け付けた場合に、第２店舗の現在の属性と類似する属性を過去において持っていた店舗であって取引量が基準以上に変化した店舗を、第１店舗として抽出する。そして、第２実施形態の情報処理システム１Ａは、第１店舗が過去において実施した取引量の変化に寄与した施策を特定し、抽出された第２店舗の管理者が使用する端末に、特定された施策を送信する。

［第１実施形態］
＜店舗支援システムの構成＞
図１は、第１実施形態の店舗支援システム２００を含む情報処理システム１の一例を示す構成図である。情報処理システムは、例えば、ショッピングシステム１００と、店舗支援システム２００と、オペレータ端末３００を備える。ショッピングシステム１００は、例えば、ユーザ端末装置１１０と、店舗端末装置１２０と、ショッピングサーバ１３０とを備える。店舗支援システム２００は、例えば、店舗支援サーバ２１０と、データベースサーバ２２０とを備える。情報処理システム１は、ユーザ端末装置１１０と、店舗端末装置１２０と、ショッピングサーバ１３０と、店舗支援サーバ２１０と、データベースサーバ２２０と、オペレータ端末３００とが、ネットワークＮＷに接続されている。ネットワークＮＷに接続される各装置は、ＮＩＣ（Network Interface Card）や無線通信モジュールなどの通信インターフェースを備えている（図１では不図示）。ネットワークＮＷは、例えば、無線基地局、Ｗｉ−Ｆｉアクセスポイント、通信回線、プロバイダ、インターネットなどを含む。

なお、これらの構成要素の全ての組み合わせが相互に通信可能である必要はなく、ネットワークＮＷは、一部にローカルなネットワークを含んでもよい。なお、店舗支援サーバ２１０とデータベースサーバ２２０とは、一部または全部は、統合されて一つの装置とされてもよい。

ユーザ端末装置１１０は、ユーザ（一般利用者）によって使用される装置である。店舗端末装置１２０は、店舗の管理者によって使用される装置である。オペレータ端末３００は、ショッピングシステム１００または店舗支援システム２００のオペレータによって使用される装置である。オペレータは、例えば、ショッピングシステム１００を運営する組織の営業担当者や、広告企画担当者である。ユーザ端末装置１１０、店舗端末装置１２０、およびオペレータ端末３００は、例えば、スマートフォンなどの携帯電話、タブレット端末、パーソナルコンピュータなどのコンピュータ装置（通信装置）である。

ユーザ端末装置１１０および店舗端末装置１２０は、ウェブブラウザなどのＵＡ（User Agent）が起動し、所定の操作がなされることで、ショッピングサーバ１３０にＨＴＴＰ（Hypertext Transfer Protocol）リクエストを送信する。そして、ユーザ端末装置１１０および店舗端末装置１２０は、ショッピングサーバ１３０から返信されたウェブページに基づいてウェブ画面を生成し、表示部に表示させる。ウェブページは、例えば、ＨＴＭＬ（Hyper Text Markup Language）等のマークアップ言語で記述されたテキストデータや、スタイルシート、静止画像データ、動画データ、音声データなどを含むコンテンツである。なお、コンテンツを取得するための手段として、ウェブブラウザに代えて、ショッピングサービス用のアプリケーションプログラムが使用されてもよい。また、オペレータ端末３００は、ＵＡを起動し、オペレータの操作を受け付けることで、ショッピングサーバ１３０、店舗支援サーバ２１０またはデータベースサーバ２２０にリクエストを送信する。そして、オペレータ端末３００は、レスポンスに基づいて各種のコンテンツをオペレータに提示する。

ショッピングサーバ１３０は、ショッピングサービスを提供するサーバ装置である。ショッピングサーバ１３０は、店舗端末装置１２０から出店依頼を受け付けることにより、店舗端末装置１２０に対応する店舗が出店する商品等を掲載したウェブページなどを作成する。ショッピングサーバ１３０は、ユーザ端末装置１１０から閲覧リクエストを受け付けることにより、当該閲覧リクエストに対するウェブページをユーザ端末装置１１０に提供する。ショッピングサーバ１３０は、ユーザ端末装置１１０から商品等を購入するリクエストを受け付けた場合に、当該商品等の決済処理などを行う。

（店舗支援サーバ２１０の構成）
図２は、店舗支援サーバ２１０の一例を示す構成図である。店舗支援サーバ２１０は、例えば、検出部２１１と、施策特定部２１２と、店舗抽出部２１３と、有効性判定部２１４と、施策学習部２１５と、推薦部２１６とを備える。これらの機能部は、例えばＣＰＵ（Central Processing Unit）等のプロセッサがプログラムメモリに格納されたプログラムを実行することにより実現される。また、これらの機能部のうち一部または全部は、ＬＳＩ（Large Scale Integration）、ＡＳＩＣ（Application Specific Integrated Circuit）、またはＦＰＧＡ（Field-Programmable Gate Array）等のハードウェアにより実現されてもよいし、ソフトウェアとハードウェアが協働することで実現されてもよい。

検出部２１１は、ショッピングシステム１００に出店している複数の店舗のうち、取引量が基準以上に変化した第１店舗を検出する。取引量は、店舗の売り上げであるが、これに限定されず、店舗のウェブページに対するアクセス量などであってもよい。

施策特定部２１２は、第１店舗が実施した取引量の変化した寄与した施策を特定する。

店舗抽出部２１３は、ショッピングシステム１００に出店している複数の店舗から、第１店舗の属性と関連する属性を持つ第２店舗を抽出する。店舗の属性は、例えば、店舗の１年の売り上げ量により分類される取扱高ランクである。取扱高ランクは、例えば、店舗支援システム２００が、店舗ごとに過去１年間の取引量の総和を算出し、算出した取引量の総和をランキングしたデータに基づいて作成される。第１店舗の属性と関連する属性を持つ第２店舗とは、例えば、第１店舗と同じ属性を持つ店舗、および第１店舗と類似する店舗である。第１店舗の属性と関連する属性を持つ第２店舗は、少なくとも一つの属性が同じまたは類似すれば、第１店舗と真逆の属性を持つ店舗であってよい。

有効性判定部２１４は、第２店舗に推薦した施策が、第２店舗の取引量の増加に有効であるか否かを判定する。

施策学習部２１５は、有効性判定部２１４の判定結果に基づいて学習処理を行う。

推薦部２１６は、店舗端末装置１２０に、施策特定部２１２により特定された施策を送信する。これにより推薦部２１６は、施策特定部２１２により特定された施策を推薦する。以上が、店舗支援サーバ２１０の構成である。

データベースサーバ２２０は、例えば、ＨＤＤ（Hard Disc Drive）、フラッシュメモリ、ＥＥＰＲＯＭ（Electrically Erasable Programmable Read Only Memory）、ＲＯＭ（Read Only Memory）、またはＲＡＭ（Random Access Memory）、或いはこれらを複数用いたハイブリッド型記憶装置により実現される。データベースサーバ２２０は、各種ネットワークを介してアクセス可能な外部記憶装置によって実現されてもよい。外部記憶装置の一例として、ＮＡＳ（Network Attached Storage）装置が挙げられる。データベースサーバ２２０は、店舗の取引量、店舗の属性、および店舗の実施した施策などの情報を管理する。

＜情報処理システム１の機能＞
図３は、情報処理システム１における機能的な一例を示す構成図である。ショッピングサービスに登録されている複数の店舗１、・・・Ｎ（Ｎは１より多い自然数）の店舗端末装置１２０は、それぞれ、ショッピングサーバ１３０に出店を依頼する。ショッピングサーバ１３０は、出店依頼に基づいて、店舗が取り扱う商品等を掲載したウェブページを、ショッピングサービスを利用するユーザに提供する。店舗端末装置１２０は、それぞれ、広告やキャンペーンなどの施策を依頼する。ショッピングサーバ１３０は、施策依頼に基づいて、広告やキャンペーンを反映させる。具体的に、ショッピングサーバ１３０は、ポイント２倍キャンペーンという施策が依頼された場合、商品等の購入に際してのポイントの付与率を２倍に変更する。

データベースサーバ２２０は、ショッピングサーバ１３０から、店舗の取引量、店舗の属性、および店舗の実施した施策などの情報を抽出する。データベースサーバ２２０は、抽出した情報を店舗支援サーバ２１０に提供する。店舗支援サーバ２１０は、提供された情報に基づいて、店舗に施策を推薦する。

＜店舗支援サーバ２１０の処理概要＞
図４は、店舗支援サーバ２１０の処理概要を説明するための図である。データベースサーバ２２０は、図４（ａ）に示すように、店舗データベース２２２Ａａを記憶している。店舗データベース２２２Ａａは、店舗ＩＤに、属性、店舗名、急伸フラグ、および施策が対応付けられた情報である。検出部２１１は、取引量が基準以上に変化した店舗に対応する急伸フラグを「１」に設定する。検出部２１１は、取引量が基準以上に変化していない店舗に対応する急伸フラグを「０」に設定する。取引量の基準は、例えば、直近の１週間における１日当たりの取引量が、過去１ヶ月における１日当たりの取引量よりも５０％以上増加したことである。施策特定部２１２は、各店舗が実施した施策を特定する。

店舗抽出部２１３は、急伸フラグが「１」に設定された店舗の属性に類似する属性を持つ店舗を抽出することで、図４（ｂ）に示すように、抽出結果２２４を生成する。具体的に、店舗抽出部２１３は、店舗名がＡ１の店舗と１年の売り上げ量により分類されるランクが同一のランクに属する店舗名がＡ４の店舗を抽出する。

推薦部２１６は、抽出結果２２４に基づいて、抽出された店舗名がＡ４の店舗のオペレータに、店舗名がＡ１の店舗が実施した施策を推薦する。検出部２１１は、図４（ｃ）に示すように、施策を推薦した店舗名がＡ４の店舗の取引量が基準以上に増加した場合、店舗データベース２２２Ａｂの急伸フラグを「１」に設定する。この場合、有効性判定部２１４は、店舗名がＡ４の店舗に推薦した施策が有効であると判定し、施策学習部２１５は、属性の「Ａ」と、当該属性の店舗に推薦する施策との組み合わせを、有効性がある教師データとして登録する。図４（ｄ）は、学習結果２２６の一例を示す図である。学習結果２２６は、データベースサーバ２２０に記憶される。

（学習処理の他の例（１））
店舗支援サーバ２１０は、急伸フラグが「１」に設定された店舗のみならず、急伸フラグが「０」に設定された店舗についても、当該店舗の属性に類似する属性の店舗を抽出して、有効性を判定して良い。例えば、店舗名がＡ２の店舗が実施した施策を、当該店舗名がＡ２の店舗と類似する店舗名がＢ２の店舗に推薦する。この場合において、店舗名がＢ２の店舗の取引量が基準以上に増加した場合、有効性判定部２１４は、推薦された施策が、属性がＡの店舗に推薦する施策として有効性があると判定し、施策学習部２１５は、施策学習部２１５は、属性と、当該属性の店舗に推薦する施策との組み合わせを、有効性がある教師データとして登録する。

（学習処理の他の例（２））
店舗支援サーバ２１０は、施策の有効性がないことを、教師データとして登録して良い。例えば、店舗名がＣ１の店舗が実施した施策を、当該店舗名がＣ１の店舗と類似する店舗名がＡ５の店舗に推薦する。この場合において、店舗名がＢ２の店舗の取引量が基準以上に増加しない場合、有効性判定部２１４は、推薦された施策が、属性がＣの店舗の推薦する施策として有効性がないと判定し、施策学習部２１５は、属性と、当該属性の店舗に推薦しない施策との組み合わせを、有効性がない教師データとして登録する。

＜店舗支援システム２００の処理内容＞
（施策推薦処理）
図５は、店舗支援システム２００により施策を推薦する処理の一例を示すフローチャートである。データベースサーバ２２０は、ショッピングサーバ１３０から情報を抽出する（Ｓ１００）。データベースサーバ２２０は、例えば、１日に１回の頻度で、ショッピングサーバ１３０において管理されている店舗の属性、取引量、および施策を取得する。次に、店舗支援サーバ２１０の検出部２１１は、取引量が基準以上に変化した店舗があるか否かを判定する（Ｓ１０２）。検出部２１１は、取引量が基準以上に変化した店舗がない場合、本フローチャートの処理を終了する。

施策特定部２１２は、取引量が基準以上に変化した店舗がある場合、当該店舗が実施した取引量の変化に寄与した施策を特定する（Ｓ１０４）。施策特定部２１２は、直近の１週間における１日当たりの取引量が、過去１ヶ月における１日当たりの取引量よりも５０％以上増加した場合、直近１週間の直前に開始した施策を、取引量の変化に寄与した施策として特定する。次に、店舗抽出部２１３は、取引量が基準以上に変化した店舗に関連する店舗を抽出する（Ｓ１０６）。次に、推薦部２１６は、抽出された店舗の店舗端末装置１２０に、取引量の変化に寄与した施策を推薦する情報を提供する（Ｓ１０８）。推薦部２１６は、店舗端末装置１２０にショッピングサービス用のアプリケーションがインストールされていない場合、所定のメールアドレスに取引量の変化に寄与した施策を推薦するメッセージを含むメールを送信する。推薦部２１６は、店舗端末装置１２０にショッピングサービス用のアプリケーションがインストールされている場合、取引量の変化に寄与した施策を、プッシュ通知する。これにより、店舗支援システム２００は、店舗のオペレータに、施策を推薦する。

以上説明した施策推薦処理を行うことにより、店舗支援システム２００は、取引量が基準以上に変化した店舗が存在する場合に、当該店舗と類似する店舗に、取引量の変化に寄与した施策を推薦することができる。これにより、店舗支援システム２００によれば、より効率的に店舗の業績の改善に寄与することができる。具体的に、複数の店舗で同じ広告やキャンペーンなどの施策を実施しても、店舗の取引高などの属性により、施策の効果が顕著に表れる場合と、施策の効果が表れない場合がある。このような実情から、店舗の管理者は、ショッピングサービスにより実施することができる様々な施策の中から、自身がどのような施策を導入すれば取引量が増加するかが判断できない場合がある。店舗支援システム２００は、このような課題に対し、ある店舗で取引量が基準以上に変化した場合、当該店舗に類似する店舗に対して、成功事例として施策を推薦することができ、この結果、店舗支援システム２００は、ショッピングサービスの満足度を向上させることができ、さらに当該ショッピングサービスを継続して利用させることができる。

（推薦処理の変形例）
なお、施策を推薦する処理は、推薦する施策を示す情報を、ネットワークＮＷを介して店舗端末装置１２０に送信するが、これに限定されず、推薦する施策を、ショッピングシステム１００や店舗支援システム２００の営業担当者や広告企画担当者が操作する端末装置に提供しても良い。これにより、営業担当者や広告企画担当者は、店舗支援サーバ２１０により推薦すると判定された施策を、電話や手紙などにより、直接的に第２店舗の管理者に施策を提案することができる。

（学習処理）
図６は、店舗支援システム２００により教師データを学習する処理の一例を示すフローチャートである。データベースサーバ２２０は、上述した施策推薦処理を実施した後、ショッピングサーバ１３０から店舗の属性、取引量、および施策を抽出する（Ｓ２００）。次に、店舗支援システム２００は、推薦された施策を実施したか否かを判定する（Ｓ２０２）。店舗支援システム２００は、推薦された施策を実施した店舗がない場合、本フローチャートの処理を終了する。

店舗支援システム２００は、推薦された施策を実施した店舗がある場合、当該店舗の取引量を監視する（Ｓ２０４）。店舗支援システム２００は、例えば、推薦された施策を実施してから１ヶ月間の取引量を監視する。店舗支援システム２００は、監視した取引量に基づいて、施策の有効性を判定する（Ｓ２０６）。店舗支援システム２００は、例えば、直近１ヶ月間の取引量が、過去６ヶ月間の取引量の１ヶ月平均を超えている場合、推薦された施策に有効性があると判定する。店舗支援システム２００は、例えば、直近１ヶ月間の取引量が、過去６ヶ月間の取引量の１ヶ月平均よりも超えていない場合、推薦された施策に有効性が無いと判定する。

次に、店舗支援システム２００は、判定された有効性に基づいて、教師データを登録するか否かを判定する（Ｓ２０８）。店舗支援システム２００は、教師データを登録しない場合、本フローチャートの処理を終了する。店舗支援システム２００は、教師データを登録する場合、データベースサーバ２２０に教師データを記憶させることで、当該教師データを登録する（Ｓ２１０）。

以上説明した学習処理を行うことにより、店舗支援システム２００によれば、学習した教師データに基づいて、有効性が高い施策を推薦することができる。店舗支援システム２００は、第１店舗が実施した取引量の変化に寄与した施策を推薦したことに対して、第２店舗の取引量の変化に寄与した施策を、有効性がある教師データとして登録する。また、店舗支援システム２００は、第１店舗が実施した取引量の変化に寄与しない施策を推薦したことに対して、第２店舗の取引量の変化に寄与しない施策を、有効性がない教師データとして登録する。これにより、店舗支援システム２００によれば、施策を推薦する処理（Ｓ１０８）において、第１店舗および第２店舗の属性と推薦しようとする施策との組み合わせが、有効性がある教師データとして登録されている場合に、当該施策を推薦することができる。店舗支援システム２００によれば、施策を推薦する処理（Ｓ１０８）において、第１店舗および第２店舗の属性と推薦しようとする施策との組み合わせが、有効性がない教師データとして登録されている場合に、当該施策を推薦することを回避することができる。

（施策推薦処理の他の例）
図７は、店舗支援システム２００により施策を推薦する処理の他の一例を示すフローチャートである。データベースサーバ２２０は、ショッピングサーバ１３０から情報を抽出する（Ｓ３００）。次に、店舗支援サーバ２１０の検出部２１１は、取引量化が基準以上に変化した店舗があるか否かを判定する（Ｓ３０２）。検出部２１１は、取引量が基準以上に変化した店舗がない場合、本フローチャートの処理を終了する。

施策特定部２１２は、取引量が基準以上に変化した店舗がある場合、当該店舗が実施した取引量の変化に寄与した施策を特定する（Ｓ３０４）。次に、店舗抽出部２１３は、取引量が基準以上に変化した店舗に関連する店舗を抽出する（Ｓ３０６）。

次に、推薦部２１６は、実測スコアを演算する（Ｓ３０８）。推薦部２１６は、第１店舗と第２店舗との類似度が近似しているほど、実測スコアを高くする。また、推薦部２１６は、第１店舗の取引量が基準を上回った量が多いほど、実測スコアを高くする。次に、推薦部２１６は、学習スコアを演算する（Ｓ３１０）。推薦部２１６は、有効性がある判定された教師データの学習数が多いほど学習スコアを高くし、有効性がない判定された教師データの学習数が多いほど学習スコアを低くする。次に、推薦部２１６は、最終スコアを演算する（Ｓ３１２）。推薦部２１６は、例えば、実測スコアに重み係数を乗算した値と、学習スコアに重み係数を乗算した値との和を、最終スコアとして演算する。実測スコアの重み係数と学習スコアの重み係数は、例えば、重み係数の合計値が１になる範囲内で、いずれかを重視するかに基づいて予め設定されている。具体的に、学習スコアを重要視する場合、学習スコアの重み係数を高い値に設定すると共に、実測スコアの重み係数を低い値に設定する。逆に、実測スコアを重要視する場合、学習スコアの重み係数を低い値に設定すると共に、実測スコアの重み係数を高い値に設定する。

推薦部２１６は、最終スコアが所定値を超えているか否かを判定する（Ｓ３１４）。所定値は、推薦する施策が第２店舗の取引量を増加させる精度を高くすることを基準として設定されている。推薦した施策により第２店舗の取引量を増加させる精度を高くしたい場合、所定値は、高い値に設定される。推薦部２１６は、最終スコアが所定値を超えていない場合、本フローチャートの処理を終了する。推薦部２１６は、最終スコアが所定値を超えている場合、取引量の変化に寄与した施策を推薦する情報を提供する（Ｓ３１６）。

以上説明した施策推薦処理を行うことにより、店舗支援システム２００は、より高い精度で、第２店舗の取引量の変化に寄与する施策を推薦することができる。

［第２実施形態］
＜店舗支援システムの構成＞
図８は、第２実施形態における情報処理システム１Ａにおける機能的な一例を示す構成図である。ショッピングサービスに登録されている複数の店舗１、・・・Ｎ（Ｎは１より多い自然数）の店舗端末装置１２０は、それぞれ、ショッピングサーバ１３０に出店を依頼する。ショッピングサーバ１３０は、出店依頼に基づいて、店舗が取り扱う商品等を掲載したウェブページを、ショッピングサービスを利用するユーザに提供する。店舗端末装置１２０は、それぞれ、広告やキャンペーンなどの施策を依頼する。ショッピングサーバ１３０は、施策依頼に基づいて、広告やキャンペーンを反映させる。

データベースサーバ２２０Ａは、ショッピングサーバ１３０から、店舗の取引量などの属性、および店舗の実施した施策などの情報を抽出する。データベースサーバ２２０は、抽出した情報を店舗支援サーバ２１０Ａに提供する。

店舗端末装置１２０は、管理者の操作に基づいて、店舗支援サーバ２１０Ａに施策を問い合わせる。店舗支援サーバ２１０Ａは、問い合わせを受け付けたことに応じて、推薦する施策を含むシミュレーション結果を店舗端末装置１２０に送信する。

（店舗支援サーバ２１０Ａ）
図９は、店舗支援サーバ２１０Ａの一例を示す構成図である。店舗支援サーバ２１０Ａは、例えば、受付部２１１Ａと、店舗抽出部２１３Ａと、施策特定部２１２Ａと、推薦部２１６Ａとを備える。これらの機能部は、例えばＣＰＵ等のプロセッサがプログラムメモリに格納されたプログラムを実行することにより実現される。また、これらの機能部のうち一部または全部は、ＬＳＩ、ＡＳＩＣ、またはＦＰＧＡ等のハードウェアにより実現されてもよいし、ソフトウェアとハードウェアが協働することで実現されてもよい。

受付部２１１Ａは、第２店舗の管理者が使用する端末としての店舗端末装置１２０から取引量を増加させるための問い合わせを受け付ける。受付部２１１Ａは、例えば、対話部２１１Ａａを備える。対話部２１１Ａａは、例えば、人間の会話のログ情報に基づいて対話を学習し、学習結果に基づいて対話を実行するチャットボットなどのソフトウェアである。対話部２１１Ａａは、ユーザからの問いかけに応じ、質問を店舗端末装置１２０に返信する。対話部２１１Ａａは、質問を送信した後、店舗端末装置１２０から回答を受け付ける。これにより、対話部２１１Ａａは、対話を実行し、実行された対話に基づいて、問い合わせの具体的内容を受け付ける。

店舗抽出部２１３Ａは、第２店舗の現在の属性と類似する属性を過去において持っていた店舗であって取引量が基準以上に変化した店舗を、第１店舗として抽出する。施策特定部２１２Ａは、第１店舗が過去において実施した取引量の変化に寄与した施策を特定する。推薦部２１６Ａは、第２店舗の管理者が使用する店舗端末装置１２０に、特定された施策を送信する。

推薦部２１６は、例えば、シミュレーション結果作成部２１６Ａａを備える。シミュレーション結果作成部２１６Ａａは、店舗抽出部２１３Ａが抽出した店舗が実施した施策の履歴、および取引量の履歴に基づいて、問い合わせた店舗における施策および取引量のシミュレーション結果を作成する。

（データベースサーバ２２０Ａ）
図１０、図１１、および図１２は、第２実施形態においてデータベースサーバ２２０において管理されるデータベースの一例を示す図である。これらのデータベースは、例えば、データベースサーバ２２０がショッピングサーバ１３０から情報を収集することで作成される。図１０は、広告データベース２２２Ｂの一例を示す図である。広告データベース２２２Ｂは、例えば、店舗ＩＤごとに、広告の種類を示す情報と、当該種類の広告の費用を示す情報とが対応付けられた情報である。図１１は、販促データベース２２２Ｃの一例を示す図である。販促データベース２２２Ｃは、例えば、店舗ＩＤごとに、当該店舗が実施したセールを示す情報と、当該セールの期間を示す情報とが対応付けられた情報である。図１２は、成功事例データベース２２２Ｄの一例を示す図である。成功事例データベース２２２Ｄは、店舗ＩＤごとに、当該店舗の取引量と、ユーザ数と、購買率と、広告費と、リスト流入数などの属性と、実施した施策と、実施期間とが対応付けられた情報である。成功事例データベース２２２Ｄにおける実施した施策、および実施期間は、過去から現在までの時系列で配列されている。成功事例データベース２２２Ｄに登録されている店舗は、例えば、第１実施形態において、取引量が基準以上に変化したことが検出された店舗である。なお、ショッピングシステム１００において登録されている全ての店舗についての取引量、ユーザ数、購買率、広告費、およびリスト流入数などは、属性として店舗データベース２２２Ａに格納されている。

＜店舗支援システムの処理＞
図１３は、店舗支援サーバ２１０Ａにより施策を推薦する処理の一例を示すフローチャートである。店舗支援サーバ２１０Ａは、店舗端末装置１２０から、例えば売り上げなどの目標を含む問い合わせを受け付けたか否かを判定する（Ｓ４００）。店舗支援サーバ２１０Ａは、問い合わせを受け付けていない場合、本フローチャートの処理を終了する。

店舗支援サーバ２１０Ａは、問い合わせを受け付けた場合、問い合わせ元の店舗の属性を取得する（Ｓ４０２）。店舗支援サーバ２１０Ａは、問い合わせ元の店舗の属性として、成功事例データベース２２２Ｄから取引量の履歴などを取得する。次に、店舗支援サーバ２１０Ａは、問い合わせ元の店舗の属性と過去において類似していた属性の店舗を抽出する（Ｓ４０４）。次に、店舗支援サーバ２１０Ａは、抽出した店舗のうち、問い合わせに含まれている目標を達成した履歴がある店舗があるか否かを判定する（Ｓ４０６）。店舗支援サーバ２１０Ａは、問い合わせに含まれている目標を達成した履歴がある店舗がない場合、目標の変更を通知して（Ｓ４０８）、Ｓ４００に処理を戻す。

店舗支援サーバ２１０Ａは、問い合わせに含まれている目標を達成した履歴がある店舗がある場合、成功事例データベース２２２Ｄを参照して、目標を達成した店舗が実施した施策を抽出する（Ｓ４１０）。店舗支援サーバ２１０Ａは、抽出した施策に基づいて、問い合わせ元の店舗の管理者に推薦する施策のシミュレーション結果を作成する（Ｓ４１２）。次に、店舗支援サーバ２１０Ａは、作成したシミュレーション結果を表すコンテンツを、問い合わせ元の店舗に対応する店舗端末装置１２０に送信する（Ｓ４１４）。

（成功事例の抽出）
図１４は、問い合わせ元の店舗Ａ１の属性と過去に類似していた属性を持っていた店舗Ａ２を抽出する処理を説明するための図である。店舗支援サーバ２１０Ａは、例えば、問い合わせ元の店舗Ａ１の属性として、ユーザ数、購買率、広告費、およびリスト流入数をショッピングサーバ１３０から抽出する。また、店舗支援サーバ２１０Ａは、成功事例データベース２２２Ｄを参照して、目標を達成した店舗のうち、ユーザ数、購買率、広告費、およびリスト流入数の少なくとも一つが類似する店舗Ａ２を抽出する。また、店舗支援サーバ２１０Ａは、店舗Ａ２の現在の属性を取得する。このような処理は、図１３におけるＳ４０２およびＳ４０４に相当する。

（店舗の抽出）
図１５Ａおよび図１５Ｂは、シミュレーション結果を作成する元となる店舗を抽出するための対話の一例を示す図である。このような処理は、図１３におけるＳ４０６およびＳ４０８に相当する対話部２１１Ａａは、店舗端末装置１２０から問い合わせを受け付けた場合、目標を問い合わせる質問メッセージＭ１を発する。対話部２１１Ａａは、質問メッセージを発したことに対し、取得したメッセージＭ２に基づいて、店舗端末装置１２０から売り上げ目標としてのＡ円を認識したものとする。店舗抽出部２１３Ａは、成功事例データベース２２２Ｄを参照して、問い合わせ元の店舗の属性と過去に類似していた属性の店舗のうち、Ａ円の売り上げ目標を達成した店舗を検索する。対話部２１１Ａａは、Ａ円の売り上げ目標を達成した店舗がない場合、その旨のメッセージＭ３を発する。

その後、対話部２１１Ａａが、取得したメッセージＭ４に基づいて、店舗端末装置１２０から売り上げ目標としてのＢ円を認識した場合、店舗抽出部２１３Ａは、Ｂ円の売り上げ目標を達成した店舗を検索する。受付部２１１Ａは、Ｂ円の売り上げ目標を達成した店舗が所定数よりも少ない場合、成功事例が少ないこと、および良好なシミュレーション結果を作成することができないことを表すメッセージＭ５を発する。

その後、対話部２１１Ａａが、取得したメッセージＭ６に基づいて、店舗端末装置１２０から売り上げ目標としてのＣ円を認識した場合、店舗抽出部２１３Ａは、Ｃ円の売り上げ目標を達成した店舗を検索する。受付部２１１Ａは、Ｂ円の売り上げ目標を達成した店舗が所定数よりも多い場合、良好なシミュレーション結果を作成することができることを表すメッセージＭ７を発する。これにより、店舗支援サーバ２１０Ａは、検出部２１１により受け付けた問い合わせ含まれる目標を達成した店舗を、第２店舗として抽出する。

（シミュレーション結果）
図１６は、シミュレーション結果コンテンツＣの一例を示す図である。シミュレーション結果作成部２１６Ａａは、対話により抽出された店舗の成功事例に基づいて、問い合わせ元の店舗Ｘに推薦する施策を含むシミュレーション結果コンテンツＣを作成する。シミュレーション結果作成部２１６Ａａは、対話により複数の店舗が抽出された場合、複数の店舗のうち、問い合わせ元の店舗の現在の属性と類似する属性を過去において持っていた店舗Ｙを１つだけ抽出する。

シミュレーション結果作成部２１６Ａａは、店舗Ｙの現在の月商（Ａ円）、および店舗Ｙの過去の月商（Ｂ円）を、成功事例データベース２２２Ｄから抽出する。シミュレーション結果作成部２１６Ａａは、抽出した情報をメッセージＭ１１としてシミュレーション結果コンテンツＣに含める。シミュレーション結果作成部２１６Ａａは、店舗データベース２２２Ａを参照して、店舗Ｙの取り扱い商品のカテゴリーＤを抽出する。シミュレーション結果作成部２１６Ａａは、抽出した情報をメッセージＭ１２としてシミュレーション結果コンテンツＣに含める。

シミュレーション結果作成部２１６Ａａは、広告データベース２２２Ｂ、販促データベース２２２Ｃ、および成功事例データベース２２２Ｄに格納された情報のうち、店舗ＹのＩＤに対応した情報を参照して、店舗Ｙが実施した施策を表すメッセージをシミュレーション結果コンテンツＣに含める。具体的に、シミュレーション結果作成部２１６Ａａは、店舗Ｙが実施した施策として、「成果報酬型広告」および「無料販促」を実施したことを表すメッセージＭ１３をシミュレーション結果コンテンツＣに含める。

さらに、シミュレーション結果作成部２１６Ａａは、問い合わせ元の店舗に、施策を推薦するメッセージをシミュレーション結果コンテンツＣに含める。具体的に、シミュレーション結果作成部２１６Ａａは、無料販促にエントリーすることを推薦するメッセージ、および成果報酬型広告の報酬率、および実施期間を推薦するメッセージＭ１４をシミュレーション結果に含める。

さらに、シミュレーション結果作成部２１６Ａａは、推薦した施策を実施した場合における属性の予測値を表すメッセージをシミュレーション結果コンテンツＣに含める。具体的に、シミュレーション結果作成部２１６Ａａは、施策実施後の月商、検索結果順位、来店者数、購入者数、情報処理システム１日の売上金額の予測値を表すメッセージＭ１５をシミュレーション結果コンテンツＣに含める。

推薦部２１６Ａは、店舗端末装置１２０にショッピングサービス用のアプリケーションがインストールされていない場合、所定のメールアドレスにシミュレーション結果コンテンツＣを含むメールを送信する。推薦部２１６Ａは、店舗端末装置１２０にショッピングサービス用のアプリケーションがインストールされている場合、シミュレーション結果コンテンツＣを、プッシュ通知する。

（変形例）
なお、推薦部２１６Ａは、シミュレーション結果コンテンツＣを、ネットワークＮＷを介して店舗端末装置１２０に送信するが、これに限定されず、シミュレーション結果コンテンツＣを、ショッピングシステム１００や店舗支援システム２００の営業担当者や広告企画担当者が操作する端末装置に提供しても良い。これにより、営業担当者や広告企画担当者は、シミュレーション結果コンテンツＣを、電話や手紙などにより、直接的に第２店舗の管理者に施策を提案することができる。

また、店舗支援サーバ２１０Ａは、シミュレーション結果コンテンツＣを営業担当者や広告企画担当者が操作する端末装置において、任意の店舗ＩＤを入力する操作を受け付けた場合に、当該店舗ＩＤに対応する店舗の属性と過去に類似していた属性の店舗であったが、取引量が基準以上に変化した店舗を自動的に抽出してよい。これにより、店舗支援サーバ２１０Ａは、営業担当者や広告企画担当者が利用することができる施策の提案支援ツールを提供することができる。

以上説明した第２実施形態の情報処理システム１Ａによれば、店舗端末装置１２０から問い合わせを受け付けた場合に、当該店舗の現在の属性と類似する属性を過去において持っていた店舗をであって取引量が基準以上に変化した店舗を抽出し、当該抽出された店舗が過去において実施した取引量の変化に寄与した施策を推薦することができる。これにより、情報処理システム１Ａは、店舗の管理者の要望に応じて店舗の取引量の変化に寄与する施策を推薦することができる。

また、情報処理システム１Ａによれば、店舗から受け付けた問い合わせ含まれる目標を達成した店舗が実施した施策を推薦することができるので、より高い精度で店舗の取引量の変化に寄与する施策を推薦することができる。さらに、情報処理システム１Ａによれば、抽出された店舗が実施した施策の履歴、および取引量の履歴に基づいて、問い合わせ元の店舗における施策および取引量のシミュレーション結果を作成するので、推薦した施策を導入することを促すことができる。

なお、第２実施形態において、過去に属性が類似していたことを条件として施策を推薦する処理は、第１実施形態において適用してよい。具体的に、情報処理システム１は、取引量が基準以上に変化した店舗の過去における属性と、施策を推薦しようとする店舗の過去における属性とを比較し、双方が類似する場合に、施策を推薦することができる。

また、第２実施形態において、シミュレーション結果を送信する処理は、第１実施形態において適用してよい。具体的に、情報処理システム１は、取引量が基準以上に変化した店舗の現在の月商、過去の月商、取り扱い商品のカテゴリーを通知してもよく、さらに、推薦する施策と共に、施策実施後の月商、検索結果順位、来店者数、購入者数、情報処理システム１日の売上金額の予測値を通知してよい。

＜特集ページの作成処理＞
図１７は、同じ施策を実施する複数の店舗に関する特集コンテンツを作成する機能を説明する図である。店舗支援サーバ２１０は、特集コンテンツの作成を依頼する依頼部２１７を更に備える。依頼部２１７は、例えば、ＣＰＵ等のプロセッサがプログラムメモリに格納されたプログラムを実行することにより実現される。依頼部２１７は、データベースサーバ２２０を参照して、同じ施策を実施している店舗が複数存在する場合、当該複数の店舗の属性、および施策を含むコンテンツ作成リクエストをオペレータ端末３００に送信する。

オペレータ端末３００は、コンテンツ作成リクエストに基づいて、特集コンテンツ４００を作成する。特集コンテンツ４００には、複数の店舗で共通して実施している施策を表すメッセージ、店舗名「Ａ１」に関連するコンテンツにアクセスするためのボタン、および店舗名「Ａ４」に関連するコンテンツにアクセスするためのボタンが含まれている。ショッピングサーバ１３０は、特集コンテンツ４００が作成された場合において、例えば、ショッピングサービスのコンテンツに、特集コンテンツ４００をユーザ端末装置１１０に提供するためのボタンなどを含める。

依頼部２１７によれば、同じ施策を実施する複数の店舗のそれぞれに関連するコンテンツにアクセスするための情報を収集したコンテンツを作成するリクエストをオペレータ端末３００に送信する。具体的に、依頼部２１７は、施策を推薦した場合に、第１店舗および第２店舗のそれぞれに関連するコンテンツにアクセスするための情報を収集したコンテンツを作成するリクエストを、オペレータ端末３００に送信する。これにより、依頼部２１７は、特集コンテンツ４００をユーザに提供することができ、より効率的に店舗の業績の改善に寄与することができる。

＜ハードウェア構成＞
図１８は、店舗端末装置１２０、ショッピングサーバ１３０、データベースサーバ２２０、および店舗支援サーバ２１０のハードウェア構成の一例を示す図である。図９は、店舗端末装置１２０がスマートフォンやタブレット端末などのスマートデバイスである例を示している。店舗端末装置１２０は、例えば、ＣＰＵ１２１、ＲＡＭ１２２、ＲＯＭ１２３、並びにフラッシュメモリなどの二次記憶装置１２４、タッチパネル１２５、および無線通信モジュール１２６が、内部バスあるいは専用通信線によって相互に接続された構成となっている。店舗端末装置１２０を動作させるためのプログラムは、二次記憶装置１２４に格納される。

ショッピングサーバ１３０、データベースサーバ２２０および店舗支援サーバ２１０は、例えば、ＮＩＣ（Network Interface Card）５０１、ＣＰＵ５０２、ＲＡＭ５０３、ＲＯＭ５０４、フラッシュメモリやＨＤＤなどの二次記憶装置５０５、およびドライブ装置５０６が、内部バスあるいは専用通信線によって相互に接続された構成となっている。ドライブ装置５０６には、光ディスクなどの可搬型記憶媒体が装着される。二次記憶装置５０５、またはドライブ装置５０６に装着された可搬型記憶媒体に記憶されたプログラムがＤＭＡコントローラ（不図示）などによってＲＡＭ５０３に展開され、ＣＰＵ５０２によって実行されることで、各装置の機能部が実現される。

以上、本発明を実施するための形態について実施形態を用いて説明したが、本発明はこうした実施形態に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形及び置換を加えることができる。

１、１Ａ…情報処理システム
１００…ショッピングシステム
１１０…ユーザ端末装置
１２０…店舗端末装置
１３０…ショッピングサーバ
２００…店舗支援システム
２１０、２１０Ａ…店舗支援サーバ
２１１…検出部
２１１Ａ…受付部
２１１Ａａ…対話部
２１２、２１２Ａ…施策特定部
２１３、２１３Ａ…店舗抽出部
２１４…有効性判定部
２１５…施策学習部
２１６、２１６Ａ…推薦部
２１６Ａａ…シミュレーション結果作成部
２１７…依頼部
２２０、２２０Ａ…データベースサーバ
２２２Ａ…店舗データベース
２２２Ｂ…広告データベース
２２２Ｃ…販促データベース
２２２Ｄ…成功事例データベース
３００…オペレータ端末

Claims (13)

1. 複数の店舗のうち、第１店舗が実施した取引量の変化に寄与した施策を特定する特定部と、
   前記第１店舗の属性と関連する属性を持つ第２店舗の管理者が使用する端末に、前記特定部により特定された施策を送信する推薦部と、
   を備える、情報処理システム。
2. 前記複数の店舗のうち、取引量が基準以上に変化した店舗を前記第１店舗として検出する検出部と、
   前記複数の店舗から、前記第１店舗の属性と関連する属性を持つ店舗を前記第２店舗として抽出する第１抽出部と、を更に備え、
   前記特定部は、前記検出部により検出された前記第１店舗が実施した取引量の変化に寄与した施策を特定し、
   前記推薦部は、前記第１抽出部により抽出された前記第２店舗の管理者が使用する端末に、前記第１特定部により特定された施策を送信する、
   請求項１に記載の情報処理システム。
3. 前記推薦部により送信された前記施策を前記第２店舗が実施した場合において、前記第２店舗の取引量の変化に基づいて、前記推薦部により送信された施策の有効性を判定する判定部と、
   前記判定部により判定された施策の有効性に基づいて、前記推薦部により送信された施策を教師データとして登録する学習部と、
   を更に備える、請求項１または２に記載の情報処理システム。
4. 前記学習部は、前記第１店舗が実施した取引量の変化に寄与した施策を送信したことに対して前記第２店舗の取引量の変化に寄与した施策を教師データとして登録すると共に、前記第１店舗が実施した取引量の変化に寄与しない施策を送信したことに対して前記第２店舗の取引量の変化に寄与しない施策を教師データとして登録する、
   請求項３に記載の情報処理システム。
5. 前記推薦部は、前記学習部により登録された教師データに基づいて、前記第１特定部により特定された施策を送信するか否かを判定する、
   請求項４に記載の情報処理システム。
6. 前記推薦部は、前記第１店舗と前記第２店舗との類似度、および前記第１店舗の取引量の変化に基づくスコアと、前記学習部により登録された教師データの学習量に基づくスコアと、に基づいて、前記第１特定部により特定された施策を送信するか否かを判定する、
   請求項４に記載の情報処理システム。
7. 前記第２店舗から前記取引量を増加させるための問い合わせを受け付ける受付部と、
   前記第２店舗の現在の属性と類似する属性を過去において持っていた店舗をであって取引量が基準以上に変化した店舗を、前記第１店舗として抽出する第２抽出部と、
   前記第１店舗が過去において実施した取引量の変化に寄与した施策を特定する第２特定部と、を更に備え、
   前記推薦部は、前記第２店舗の管理者が使用する端末に、前記第２特定部により特定された施策を送信する、
   請求項１に記載の情報処理システム。
8. 前記第２抽出部は、前記受付部により受け付けた問い合わせ含まれる目標を達成した店舗を、前記第２店舗として抽出する、
   請求項７に記載の情報処理システム。
9. 前記第２店舗が実施した施策の履歴、および前記第２店舗の取引量の履歴に基づいて、前記第２店舗における施策および取引量のシミュレーション結果を作成する作成部を更に備え、
   前記推薦部は、前記作成部により作成されたシミュレーション結果を、前記第２店舗の管理者が使用する端末に送信する、
   請求項７または８に記載の情報処理システム。
10. 同じ施策を実施する複数の店舗のそれぞれに関連するコンテンツにアクセスするための情報を収集したコンテンツを作成するリクエストを、オペレータ端末に送信する依頼部を更に備える、
    請求項１から９のうちいずれか１項に記載の情報処理システム。
11. 前記依頼部は、前記特定部により特定された施策を送信した場合に、属性が互いに関連する複数の店舗のそれぞれに関連するコンテンツにアクセスするための情報を収集したコンテンツを作成するリクエストを、前記オペレータ端末に送信する、
    請求項１０に記載の情報処理システム。
12. 複数の店舗のうち、第１店舗が実施した取引量の変化に寄与した施策を特定し、
    前記第１店舗の属性と関連する属性を持つ第２店舗の管理者が使用する端末に、前記特定部により特定された施策を送信する、
    情報処理方法。
13. コンピュータに、
    複数の店舗のうち、第１店舗が実施した取引量の変化に寄与した施策を特定させ、
    前記第１店舗の属性と関連する属性を持つ第２店舗の管理者が使用する端末に、前記特定部により特定された施策を送信させる、
    情報処理プログラム。

Images