JP2019003261A - 情報提示システム - Google Patents

Abstract

【課題】実店舗にて各顧客に応じた情報を提示する情報提示システムを提供する。【解決手段】情報提示システム１０は、実店舗において、買い物中の顧客が保持の開始をする商品から当該商品を識別するための識別情報を取得する商品識別情報取得器１００と、商品識別情報取得器１００から取得する識別情報を用いて商品を識別して得た結果を購入候補情報として取得し、当該顧客に購入を勧める推奨商品を、購入候補情報に基づいて選択する商品推奨サーバ１００と、選択された推奨商品を示す商品推奨情報を商品推奨サーバ２００から取得し、顧客に提示する情報提示装置３００とを備える。【選択図】図１

Description

本発明は、小売の実店舗の顧客に関する情報を提示する技術に関する。

スーパーマーケット等の小売の実店舗において、当該店舗での特売情報を買い物客に提示するためのディスプレイを備えるショッピングカート等が提案されている（特許文献１参照）。

特開２００４−１０６８２７号公報

しかしながら、特許文献１のディスプレイで提供される情報が、様々な目的で来店している各買い物客にとってその場では無用な場合がある。この場合、ディスプレイに表示されている情報には買い物客の関心が払われず、このような情報提供が可能なショッピングカート等を含む仕組みが有効に活用されていない。

そこで、本発明は、各顧客に応じたより有益な情報を提示する情報提示システムを提供する。

本発明の一態様に係る情報提示システムは、実店舗において、買い物中の顧客が保持の開始をする商品から、当該商品を識別するための識別情報を取得する商品識別情報取得器と、識別情報を商品識別情報取得器から取得すると、この識別情報を用いて商品を識別して得た結果を購入候補情報として取得し、顧客に購入を勧める推奨商品を、取得した購入候補情報に基づいて選択する商品推奨サーバと、推奨商品を示す商品推奨情報を、商品推奨サーバから取得して顧客に提示する情報提示装置とを備える。

なお、これらの包括的又は具体的な態様は、システム、方法、集積回路、コンピュータプログラム又はコンピュータ読み取り可能なＣＤ−ＲＯＭなどの記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラム及び記録媒体の任意な組み合わせで実現されてもよい。

本発明の情報提示システムは、各顧客に応じた、より有益な情報を提示することができる。

図１は、実施の形態における情報提示システムの構成を示すブロック図である。 図２Ａは、実施の形態における商品保持器の一例を示す図である。 図２Ｂは、実施の形態における商品保持器の他の例を示す図である。 図２Ｃは、実施の形態における商品保持器の他の例を示す図である。 図２Ｄは、実施の形態における情報提示装置の一例を示す図である。 図３は、ベイズ推定による、時系列購入データからの推奨商品の推定の概念を示す図である。 図４は、実施の形態における情報提示システムの動作の手順を説明するためのシーケンス図である。 図５は、実施の形態における、商品識別情報の送信から商品識別の手順の概念を説明するための図である。 図６は、実施の形態において情報提示装置が顧客に提示する画面例である。 図７は、実施の形態における情報提示システムの動作手順の他の例を説明するためのシーケンス図である。 図８は、実施の形態における情報提示システムの動作の手順の他の例を説明するためのシーケンス図である。 図９は、２つの商品のカテゴリ別の保持の開始までの、直前に保持を開始した商品の保持の開始からの時間差の集計結果を示す図である。 図１０は、店舗内の売場配置を示す地図及び同店舗内での一顧客の動線例を示す模式図である。

（本発明の一態様を得るに至った経緯）
本発明者は、「背景技術」の欄において記載した、ディスプレイを備えるショッピングカート等に関し、以下の問題が生じることを見出した。

ショッピングカートのディスプレイに表示される情報は、いわば新聞の折込広告の電子版の延長であり、時間帯で変わる動的な変化を加えたものである。しかしながら、店舗を訪れる顧客が求める商品は、広告に掲載される品とは限らない。したがって、このようなディスプレイに表示される情報は、顧客によっては自身にとって関心のない情報と捉えられ、注意を払われなかったり、煩わしいという印象を持たれたりすることもある。あるいは、１回の買い物で提示されるのが予め用意された映像の繰り返しである場合には、顧客は映像を一巡観るだけで飽きたり、関心のある商品の情報の提示を次のサイクルまで待つことに不便さを感じたりすることがある。

一方で、各顧客の来店目的又は店舗利用の傾向に合わせた販売促進の一手法として、ＰＯＳ（ｐｏｉｎｔ ｏｆ ｓａｌｅｓ）システムでの精算時に読み取った購入品の情報に基づいて、当該顧客が関心を持つ可能性の高い商品の割引券を発行するという手法が提案されている。しかしながら、次回の来店時までにこの割引券の存在を忘れたり、紛失したりする顧客も居る。また、割引券の有効期間に顧客がその対象商品を欲しいとも限らない。このような背景があるため、この割引券に対する反応率は、ある程度以上は上がりにくい。

このように小売の実店舗における、顧客への情報提供及び顧客に関する情報の活用は、顧客、店舗の運営者のいずれにとっても、有益な効果を十分には生み出せていない。

このような問題を解決するために、本発明の一態様に係る情報提示システムは、実店舗において、買い物中の顧客が保持の開始をする商品から、当該商品を識別するための識別情報を取得する商品識別情報取得器と、識別情報を商品識別情報取得器から取得すると、この識別情報を用いて商品を識別して得た結果を購入候補情報として取得し、顧客に購入を勧める推奨商品を、取得した購入候補情報に基づいて選択する商品推奨サーバと、推奨商品を示す商品推奨情報を、商品推奨サーバから取得して顧客に提示する情報提示装置とを備える。。

これにより、店舗内での顧客の現在の買い物の行動に関する情報を利用して、この顧客に買い合わせの提案又は買い忘れ防止のための情報を提供することができる。また、顧客にとって関心がある可能性が高い情報を選別して顧客に提供することができる。このような情報を提供されることで得られる利便性の点で、顧客のこの店舗での買い物経験のクオリティが向上する。また、このように顧客にとって有利な効果を生む一方で、店舗の売上の増加も期待できる。

例えば、商品推奨サーバは、識別情報に基づいて保持の開始からの経過時間を取得し、取得した経過時間にさらに基づいて推奨商品を選択してもよい。

これにより、店舗内で買い物をしている顧客に対し、より適切なタイミングで上記の情報を提供することができる。したがって、この店舗での顧客の買い物経験のクオリティを、より一層向上させることができる。

例えば、商品推奨サーバは、選択する推奨商品を、経過時間に基づいて経時的に変化させてもよい。

これにより、店舗内で買い物をしている顧客に対し、経過時間に応じて、より顧客の選択の傾向に適合する内容に上記の情報を動的に変化させて提供することができる。これにより、利便性や飽きのこなさの点で、この店舗での顧客の買い物経験のクオリティを、より一層向上させることができる。

例えば、商品推奨サーバは、実店舗の売場における顧客の位置を、購入候補情報及び経過時間に基づいて予測し、選択する推奨商品を、顧客の位置に基づいて経時的に変化させてもよい。

これにより、顧客が購入する可能性がより高い商品の推奨が可能である。

例えば、商品識別情報取得器は、複数の商品それぞれの識別情報を逐次読み取ることで、顧客による当該複数の商品それぞれの保持の開始を逐次検知し、商品推奨サーバは、商品識別情報取得器から複数の商品それぞれの識別情報を逐次取得し、複数の商品それぞれの識別情報を用いて前記複数の商品それぞれを逐次識別して得た結果を複数の商品それぞれの購入候補情報として取得し、識別情報に基づいて前記複数の商品それぞれの保持の開始の順序を取得し、複数の商品それぞれの購入候補情報及び順序に基づいて推奨商品を選択してもよい。

これにより、顧客が現在の買い物で選択して保持している複数の購入見込の品をそれぞれ選び取った順序に基づいて、より顧客の選択の傾向に適合する内容に上記の情報を変化させて提供することができる。したがって、利便性や飽きのこなさの点で、この店舗での顧客の買い物経験のクオリティを、より一層向上させることができる。

例えば、商品識別情報取得器は、顧客が保持の解除をする商品から、当該商品を識別するための返却品識別情報を取得し、商品推奨サーバは、返却品識別情報を前記商品識別情報取得器から取得すると、この返却品識別情報に基づいて、当該商品の保持の開始から前記保持の解除までの時間差を取得し、この時間差にさらに基づいて、前記推奨商品を選択してもよい。

これにより、顧客の商品選択の傾向又は商品選択に働く心理をよりきめ細かく反映した推奨商品の選択が可能である。

例えば、商品推奨サーバは、実店舗内での顧客による時系列に沿った商品の保持及び当該商品の購入実績のデータを用いた機械学習によって得られる確率的予測モデルを用いて推奨商品を選択してもよい。

これにより、蓄積された過去の買い物行動のデータに基づいて、顧客の現在の買い物行動の経過から精度よく適切な推奨商品を推定して選択することができる。

例えば、上記の機械学習はベイズ推定であってもよい。

これにより、まだ比較的蓄積が小さい買い物行動のデータに基づいて、顧客の現在の買い物行動の経過から推奨商品を推定して選択することができる。

例えば、購入実績のデータは、実店舗で買い物中の顧客の行動から商品識別情報取得器を用いて収集され、商品推奨サーバは、購入実績のデータを用いて確率的予測モデルを更新してもよい。

これにより、顧客の現在の買い物行動の経過に関する情報を用いて、さらに機械学習によって得られる確率的予測モデルを更新することができる。したがって、推奨商品の推定の精度を効率よく高めることができる。

例えば、商品識別情報取得器は、顧客が商品を載置することで商品の保持をするための商品保持器に備えられてもよい。

このように、実店舗で顧客が選択して保持する商品を載置する道具に商品識別情報取得器を備えることで、買い物中の顧客の行動においてより自然に、且つ、より高い確実性で商品を識別するための情報を取得することができる。

例えば、情報提示装置は、顧客が実店舗内で携帯又は着用する情報端末及び実店舗内に設置されるデジタルサイネージのうちの少なくとも一方であってもよい。

これにより、上記の情報を、実店舗で移動しながら買い物をしている顧客の目により確実に入れることができる。

なお、これらの包括的又は具体的な態様は、システム、方法、集積回路、コンピュータプログラムまたはコンピュータ読み取り可能なＣＤ−ＲＯＭなどの記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラムまたは記録媒体の任意な組み合わせで実現されてもよい。

以下、実施の形態について、図面を参照しながら具体的に説明する。以下の実施の形態は、いずれも包括的または具体的な例を示すものである。以下で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序などは、一例であり、本発明を限定する趣旨ではない。また、以下の実施の形態における構成要素のうち、最上位概念を示す独立請求項に記載されていない構成要素については、任意の構成要素として説明される。

（実施の形態）
［１．構成例］
図１から図２Ｄを用いて実施の形態における情報提示システムを説明する。

図１は、実施の形態における情報提示システムの構成を示すブロック図である。

実施の形態における情報提示システム１０は、スーパーマーケットやコンビニエンスストア等の小売業におけるセルフサービス方式の実店舗（以下、単に店舗ともいう）において、買い物中のある顧客の行動に関する情報に基づいて、例えば当該顧客に購入商品の提案をする。

ここでのセルフサービス方式とは、上記のような小売業の店舗で広く採用されているものであって、基本的には次のような条件を満たすものと理解されたい。ひとつは、各商品の値段を、値札又は全品均一等の所定の価格設定によって顧客が知ることができることである。またひとつは、陳列されている商品の中から購入する商品を顧客が自由に選択することができ、選択した商品を店舗が貸し出すかご、カート、又はトレイ等に載置して保持したり、売場に戻して選択をキャンセルしたりできることである。さらにひとつは、購入する商品の精算は、保持した商品を顧客が出口付近等にあるレジスターを備える精算所に持ち込んで行われることである。

ただし、これらの条件が厳密には満たされない店舗であっても本発明の思想は適用することができる。これらの条件を示したのは、本発明の情報提示システムが用いられる状況の具体例を提示する目的であり、本発明を限定する趣旨ではない。例えば、購入する商品の保持は顧客が持ち込むバッグ等を用いて行われてもよいし、単に手で保持されてもよい。また、精算はレジスターを備える精算所を用いない手法で行われてもよい。また、上記のいずれの条件についても、店舗の店員による補助又は管理が介在する場合も、本開示におけるセルフサービス方式の概念に含まれる。

情報提示システム１０は、商品識別情報取得器１００、商品推奨サーバ２００、及び情報提示装置３００を備える。

商品識別情報取得器１００は、買い物中の顧客が保持を開始する商品から当該商品を識別するための識別情報を取得する。

商品識別情報取得器１００は、センサ１１０及び送信部１２０を備える。

センサ１１０は、店舗内で買い物中の顧客が保持を開始した商品から、当該商品を識別するための識別情報を取得する。

送信部１２０は、商品識別情報取得器１００が取得した識別情報を、後述する商品推奨サーバ２００に送信する。

このような商品識別情報取得器１００は、例えば買い物中の顧客によって携帯又は着用されて顧客と共に店舗内を移動する。より具体的には、図２Ａに示されるような店内用の買い物かご若しくは図２Ｂに示されるようなカート等の、顧客が商品を載置することで保持するための商品保持器に備えられる、又は図２Ｃに示されるような顧客が手に持って使うスマートフォン又はタブレット型コンピュータ等の情報端末で実現される。なお、図２Ｂでは、カートの下方のフレームの一部及び車輪を含む部分の図示が省略されている。買い物かご及びカートは、本実施の形態における商品保持器の例である。商品保持器の例としては、他にトレイが挙げられる。商品識別情報取得器１００は、商品保持器に備えられることで、買い物中の顧客の行動においてより自然に、且つ、より高い確実性で商品を識別するための情報を取得することができる。

図２Ａに示される買い物かごは、センサ１１０の例としてセンサ１１１を備える。図２Ｂに示されるカートは、センサ１１０の例として、商品を載置する場所に向けられたセンサ１１２を備える。図２Ｃに示される情報端末は、センサ１１０の例として、内蔵カメラを構成するセンサ（イメージセンサ）１１３を備える。

センサ１１０は、例えば商品に付されたバーコードを読み取るための光学センサである。またはセンサ１１０は、例えば商品に付されたＲＦ（ｒａｄｉｏ ｆｒｅｑｕｅｎｃｙ）タグからＲＦＩＤ（ｒａｄｉｏ ｆｒｅｑｕｅｎｃｙ ｉｄｅｎｔｉｉｆｃａｔｉｏｎ）を読み取るためのＲＦリーダであってもよい。バーコード又はＲＦＩＤは、例えばＪＡＮ（Ｊａｐａｎ ａｒｔｉｃｌｅ ｎｕｍｂｅｒ）コード等の商品識別コードを示す。またはセンサ１１０は、商品の外観画像を取得するためのイメージセンサであってもよい。バーコード又はＲＦＩＤが示す情報、及び商品の外観画像は、それぞれ本実施の形態における、商品の識別するための識別情報の例である。

例えば顧客は、売場で商品を選び取る度に商品に付されたバーコードをセンサ１１０に読み取らせてから、買い物かごの中に載置する（商品の保持の開始）。取得された識別情報は、買い物かごが備える、図２Ａでは図示されない送信部１２０によって商品推奨サーバ２００に向けて無線で送信される。このような識別情報の読み取りから送信までの一連の処理は、商品識別情報取得器１００が備えるマイクロコントローラ又はプロセッサ（図示なし）が、記憶装置（図示なし）に保存されている所定のプログラムを読み出して実行することで行われる。図２Ｃに示される情報端末がユーザの所有物である場合、識別情報を商品推奨サーバ２００に送信させるために店舗から提供されるプログラム（アプリ）をユーザが情報端末にインストールし、店舗内で起動して利用してもよい。

商品推奨サーバ２００は、顧客が保持を開始した商品を、商品識別情報取得器１００から取得する識別情報を用いて識別し、この識別によって得た結果を購入候補情報として取得する。さらに商品推奨サーバ２００は、購入候補情報に基づいてこの商品を保持している顧客に購入を勧める推奨商品を選択する。このように情報の処理を行う商品推奨サーバ２００は、例えば店舗内に設置されるサーバコンピュータ、又は店舗外のクラウドサーバを用いて実現することができる。

商品推奨サーバ２００は、機能的な構成要素として、受信部２１０、識別部２２０、予測部２３０、予測モデル２４０、及び送信部２５０を備える。

商品推奨サーバ２００は、商品識別情報取得器１００から送信される商品識別情報を、受信部２１０を介して取得する。

識別部２２０は、顧客が保持を開始した商品を、商品識別情報を用いて識別する。例えば商品識別情報が商品識別コードである場合、識別部２２０はこの商品識別コードをデータベース（図示なし）で検索して商品を識別する。商品識別情報が商品の外観画像である場合、例えば識別部２２０はこの画像に対して文字認識を実行して商品を識別してもよいし、または機械学習によって得たモデルを用いて画像認識を実行して商品を識別してもよい。識別を実行して得た結果は、顧客が保持を開始した商品を示す情報（以下、購入候補情報という）として予測部２３０に渡される。

予測部２３０は、顧客に購入を勧める推奨商品を、購入候補情報に基づいて選択する。この選択のために、予測部２３０は予測モデル２４０を用いる。

予測モデル２４０は、例えば実店舗内での顧客による時系列に沿った商品の保持及び当該商品の購入実績のデータを用いた機械学習によって得られる、確率的予測モデルである。過去に行われた買い物のデータとは、例えば複数点の商品を購入した客が、各商品を購入のために店舗内で保持した順序を示すデータ（以下、時系列購入データともいう）である。このような時系列購入データを複数の買い物の事例に基づいて集めて機械学習に用いて生成した確率的予測モデルを用いることで、現在顧客が保持した商品に対し、店舗の品揃えの中でこの顧客がさらに買う確率が高い商品を推定して選択することができる。

確率的予測モデルを得るために利用することができる機械学習には複数の種類あり、例えばディープラーニング、回帰分析、又はベイズ推定を用いることができる。この中で、ベイズ推定は、ディープラーニングに比べて、学習に用いる時系列購入データが比較的少ないうちから推定を開始できる。ただし、学習に用いた時系列購入データがある程度の量になるまで、予測の精度は低めである。

図３は、ベイズ推定による、時系列購入データからの推奨商品の推定の概念を示す図である。ベイズ推定では、実店舗で得られた実績データから、顧客が購入した複数の商品を売場で選択した順序ごとの確率が求められる。例えば、商品Ａ_１であるパンを選択した後に、商品Ａ_２であるコーヒーを選択した事象の確率（Ｐ（Ａ_２｜Ａ_１））、及びコーヒーを選択した後にパンを選択した事象の確率（Ｐ（Ａ_１｜Ａ_２））が求められる。このようにして求められた各事象の確率のデータ（時系列購入データ）が機械学習における学習用のデータとして用いられて確率的予測モデルが得られる。図３における白抜きの矢印は、実績のある事象を示し、これらに事象に関する時系列購入データを用いて確率的予測モデルが得られる。そして、この確率的予測モデルを用いることで、黒矢印で示される購入の実績のない商品の組み合わせと順序の事象であっても起こり得る確率が推定される。予測部２３０は、この確率がより高い事象において後で選択される商品を推奨商品として選択する。

予測部２３０が選択した推奨商品を示す商品推奨情報は、送信部２５０を介して情報提示装置３００に送信される。

情報提示装置３００は、予測部２３０によって選択された推奨商品を示す商品推奨情報を商品推奨サーバ２００から取得する。また、情報提示装置３００は、取得したこの商品推奨情報を顧客に提示する。

情報提示装置３００は、受信部３１０及び出力部３２０を備える。

情報提示装置３００は、商品推奨サーバ２００から送信された商品推奨情報を、より具体的には、商品推奨情報を含む映像及び音声の少なくとも一方を示す信号を、受信部３１０を介して受信する。

出力部３２０は、受信部３１０を介して受信された信号に基づいて、商品推奨情報を映像及び音声の少なくとも一方として出力して顧客に提示する。

このような情報提示装置３００は、例えば買い物中の顧客によって携帯又は着用されて顧客と共に店舗内を移動する。より具体的には、図２Ａに示されるような店内用の買い物かご若しくは図２Ｂに示されるような店内用カート等の、顧客が商品を載置することで保持するための商品保持器に備えられる、又は図２Ｃに示されるような顧客が手に持って使うスマートフォン又はタブレット型コンピュータ等の情報端末で実現される。または、情報提示装置３００は、図２Ｄに示されるような、店舗の売場に設置されるデジタルサイネージで実現されてもよい。

なお、情報提示装置３００がデジタルサイネージである場合には、顧客が情報を取得できる程度に近い位置にある情報提示装置３００に選択的に商品推奨サーバ２００から商品推奨情報が送信される。この場合、商品推奨サーバ２００では、例えば商品識別情報取得器１００から送信される店舗内の位置を明示する情報を用いて、又は識別情報に基づく商品の情報と時刻から推定して顧客の位置が把握される。

図２Ａに示される買い物かごは、出力部３２０の例として液晶又はＥＬ（ｅｌｅｃｔｒｏｌｕｍｉｎｅｓｃｅｎｃｅ）のディスプレイ３２１を備える。図２Ｂに示されるカートは、出力部３２０の例として、液晶又はＥＬのディスプレイ３２２ａ及びスピーカ３２２ｂを備える。図２Ｃに示される情報端末は、出力部３２０の例としてディスプレイ３２３ａ及びスピーカ３２３ｂを備える。図２Ｄに示されるデジタルサイネージは、出力部３２０の例として、液晶又はＥＬのディスプレイ３２４ａ及びスピーカ３２４ｂを備える。

これらの出力部３２０を介し、顧客には映像及び音声の少なくとも一方を用いて推奨商品を示す情報が提示される。この情報の提示に用いられる映像又は音声とは、例えば既存の各種媒体でも露出するような、推奨商品の広告映像又は音声、若しくはこれらを適宜編集した映像又は音声であってもよい。または、これらの媒体向けとは別に用意された映像又は音声を含むものであってもよい。例えば当該商品の店舗での場所又は価格等の実店舗で顧客にとって有用性の高い情報と合わせて提示されてもよい。

［２．商品推奨までの手順］
次に、実店舗内で稼働する、上記のように構成された情報提示システム１０の、顧客が商品を選択してからこの顧客に商品推奨情報が提示されるまでの動作の手順を、例を用いて説明する。図４は、この手順を説明するためのシーケンス図である。このシーケンス図に示される手順は、顧客が保持を開始するために手に取った商品のバーコードをセンサ１１０にかざすなど、センサ１１０が商品から商品識別情報を取得可能な状態になった時に開始する。

なお、以下の手順の説明では、商品識別情報取得器１００の各構成要素の機能による動作は、商品識別情報取得器１００の動作として示す。同様に、商品推奨サーバ２００の各構成要素の機能による動作は、商品推奨サーバ２００の動作として、情報提示装置３００の各構成要素の機能による動作は、情報提示装置３００の動作として示す。

まず、商品識別情報取得器１００は、顧客が保持を開始する商品から商品識別情報を取得する（ステップＳ４０１）。取得された商品識別情報は、商品推奨サーバ２００に送信される（ステップＳ４０２）。図５は、ステップＳ４０２からステップＳ４０３の手順の概念を説明するための図である。

商品識別情報取得器１００が取得した商品識別情報は、商品推奨サーバ２００に向けて送信される。図５で左の吹き出しにある文字列は、商品識別情報取得器１００が取得して送信する一連の商品識別情報を含むログデータの例である。商品推奨サーバ２００は、取得した商品識別情報を処理して、この商品識別情報に示される、顧客が保持を開始した商品を識別し（ステップＳ４０３）、図５の右の吹き出しに例示されるようなデータを得る。このようにして得られたデータにより購入候補情報が示される。

購入候補情報には、各商品の商品識別コード及び当該商品識別コードをデータベースで照合して取得した商品名、及び各商品の状態及び時間差が相互に関連付けられたレコードとして含まれる。

各商品の状態とは、顧客によって各レコードの商品の保持が開始されたのか解除されたのかを示す。この例では、「保持」が保持の開始を示し、「返却」が保持の解除を示す。このような商品の状態の認識は、例えば商品識別情報取得器１００のセンサ１１０がＲＦリーダであれば、商品保持器に載置された商品を周期的にスキャンして行われてもよい。または、センサ１１０がバーコードリーダであれば、顧客が棚に戻す商品のバーコードを読み取らせる直前に所定のボタンを押す等の明示的な操作することで行われてもよい。このような一旦保持された商品の「返却」に関する情報（以下、返却品識別情報ともいう）は、例えば、顧客が返却した商品の情報を推奨商品の選択の材料に用いる情報から除外するために用いられる。

時間差は、顧客が最初にいずれかの商品の保持を開始した時刻からその後に各商品の保持を開始又は解除するまでに経過した時間を示す。この時間の計算は、例えば商品識別情報に基づいて行われる。より具体的には、例えば商品識別情報が商品識別情報取得器１００で取得された、又は送信された時刻に基づいて行われる。

このような時間差の情報には各種の用途がある。例えば、店舗内での各顧客の移動経路の概要の把握に用いられてもよい。また、複数の顧客の買い物行動からある程度の量の情報が集まれば、統計的に把握され得る、買い物行動における商品の選択の順序の傾向、又は買い物行動を開始してからの時間経過に伴って変化する、購入される可能性の高い商品の傾向に基づく推奨商品の推定に用いることができる。時間経過に関する情報を用いる推奨商品の選択については後述する。

なお、時間差の情報は図示の例に限定されず、例えば直前のレコードで示される商品の保持の開始又は解除の時刻からの時間差であってもよいし、これらの時刻であってもよい。

購入候補情報を取得した商品推奨サーバ２００は、購入候補情報に基づき、確率的予測モデルを用いて、この顧客に購入を勧める商品である推奨商品を選択する（ステップＳ４０４）。商品推奨サーバ２００が推奨商品を選択に用いる購入候補情報に含まれるレコードは１つでもよい。つまり、商品推奨サーバ２００は、顧客が買い物を開始して保持を開始した１つ以上の商品に関する情報に基づいて、推奨商品の選択をしてもよい。

次に商品推奨サーバ２００は、選択した推奨商品を示す商品推奨情報を、情報提示装置３００に送信する（ステップＳ４０５）。

情報提示装置３００は、受信した商品推奨情報を顧客に提示する（ステップＳ４０６）。より具体的には、受信した商品推奨情報が示す推奨商品の情報を含む映像及び音声の少なくとも一方を出力する。

図６は、ステップＳ４０６で情報提示装置３００が顧客に提示する画面例である。この例では、あるお茶飲料の画像等が推奨商品として示されている。このような推奨商品は、例えば次のような流れで情報提示装置３００に表示される。

まず、店舗内で買い物中の顧客が「かりんとう」を手に取って、センサ１１０に読み取らせる（ステップＳ４０１）。センサ１１０が読み取った識別情報は、商品推奨サーバ２００に送信される（ステップＳ４０２）。

商品推奨サーバ２００では、この識別情報を用いて商品「かりんとう」が識別され（ステップＳ４０３）、購入候補情報が取得される。次に、確率的予測モデルを用いて、購入候補情報が示す、「かりんとう」の次に手に取られて購入される確率が高い商品が推定され、推奨商品として選択される（ステップＳ４０４）。この結果、このお茶飲料が推奨商品として選択された場合に、このお茶飲料を示す商品推奨情報が情報提示装置３００に送信される（ステップＳ４０５）。この商品推奨情報に基づいて、情報提示装置３００「かりんとう」を保持している顧客に提示する。

このように、情報提示システム１０では、店舗内での顧客の現在の買い物の行動に関する情報を利用して、この顧客に買い合わせの提案又は買い忘れ防止のための情報を提供することができる。

また、顧客にとって関心がある可能性が高い情報を選別して顧客に提供することができる。このような情報を提供されることで得られる利便性の点で、顧客のこの店舗での買い物経験のクオリティが向上する。

また、このように顧客にとって有利な効果を生む一方で、客単価の増加及び来店頻度の向上による店舗の売上の増加も期待できる。

以上、例を用いて情報提示システム１０の、顧客による実店舗内での現在の買い物の経過に基づく、当該顧客への商品の推奨のための処理の基本的な動作である。例えば、顧客が商品を手に取って、商品識別情報取得器１００のセンサ１１０に読み取らせる度に、図４の一連の各手順が逐次行われてもよい。なお、一連の手順の２サイクル目以降では、推奨商品の選択は、それ以前に保持が開始され継続している商品の全部及びその保持の開始の順序に基づいて行われてもよいし、一部及びその保持の開始の順序に基づいて行われてもよい。

このように、実店舗において、顧客が現在の買い物で選択して保持している複数の購入見込の商品をそれぞれ選び取った順序に基づいて、顧客に提示する情報をより顧客の選択の傾向に適合するよう変化させて提供することができる。したがって、利便性や飽きのこなさの点で、この店舗での顧客の買い物経験のクオリティを、より一層向上させることができる。

また、上記の例では、１点の商品の保持の開始に対して１点の推奨商品が選択されているが、情報提示システム１０の動作はこの例に限定されない。

例えば、複数点の商品の保持の開始に対して１点の推奨商品が選択されてもよい。図７は、情報提示システム１０のこのような動作の手順を説明するためのシーケンス図である。

図７のシーケンス図では、図４のシーケンス図と比較して、ステップＳ４０３とステップＳ４０４との間に、ステップＳ７０１からステップ７０３が加わっている。ただし、ステップＳ７０１からステップＳ７０３は、それぞれステップＳ４０１からステップＳ４０３と内容及び動作主体の点で同じ手順である。したがって、ステップＳ７０１からステップＳ７０３についての説明は省略する。

商品推奨サーバ２００では、確率的予測モデルを用いて、顧客が保持を開始した複数の商品及びその保持の開始の順序の情報に基づいて、この顧客が購入する可能性が高い商品が推定される。そして、この商品の購入を促すための商品推奨情報が商品推奨サーバ２００から送信される。情報提示装置３００は、この商品推奨情報を受信して顧客に提示する。

また、１点の商品の保持の開始に対して複数点の推奨商品が選択されてもよい。図８は、情報提示システム１０のこのような動作の手順を説明するためのシーケンス図である。

図８のシーケンス図では、図４のシーケンス図と比較して、ステップＳ４０４の後に、商品推奨サーバ２００によるステップＳ８０１、ステップＳ８０４、及びステップＳ８０５の動作が加わっている。また、情報提示装置３００による、ステップＳ８０６の動作が加わっている。ただし、ステップＳ８０４からステップＳ８０６は、それぞれステップＳ４０４及びステップＳ４０６と内容及び動作主体の点で同じ手順である。したがって、ステップＳ８０４からステップＳ８０６についての説明は省略する。

ステップＳ８０１では、例えば予測部２３０によって実行され、顧客が直前に保持を開始した時刻から所定の時間が経過したか否かについて判定されている。そして所定の時間が経過した場合、予測部２３０は新たな商品識別情報の入力なしで推奨商品の選択を行う（ステップＳ８０４）。この場合には、前回（ステップＳ４０４）と同じ商品が推奨商品として選択されるとは限らない。これは、顧客が商品を手にとって保持するまでの間隔が、商品のカテゴリによって異なるという知見に基づく。

なお、上述のとおり説明した１点の商品の保持の開始に対して複数点の推奨商品が選択されて提示される態様は一例であり、種々の変形が可能である。

例えば、選択された複数点の推奨商品は、一度に提示されてもよい。より具体的には、図８のステップＳ８０６では、ステップＳ４０４で選択された推奨商品及びステップＳ８０４で選択された推奨商品の両方が一度に提示されてもよい。

また例えば、ステップＳ４０４またはステップＳ８０４で顧客が購入する可能性が高い方から複数の商品が推奨商品として選択されてもよい。この場合には、ステップＳ４０６でも複数の推奨商品が一度に顧客に提示される。

また、このように顧客に一度に提示される複数の推奨商品には、推奨の優先順位が付けられて、各推奨商品はこの優先順位に応じた態様で提示されてもよい。優先順位は、予測部２３０によって、例えば選択の新しさ、又は顧客が購入する可能性の高さに応じて決定される。優先順位に応じた提示の態様とは、例えば優先順位のより高い推奨商品は画面上でより大きい等の目立つ態様である。あるいは、優先順位そのものが情報として推奨商品と共に顧客に提示されてもよい。

図９は、２つの商品のカテゴリ別の保持の開始までの、直前に保持を開始した商品の保持の開始からの時間差の集計結果を示す図である。（ａ）は、キャンディ菓子、（ｂ）は塩味系の菓子の結果である。２つのグラフを比較すると、キャンディ菓子は短時間で塩味系の菓子よりも短時間、２０秒以内で保持が開始される確率が高く、塩味系の菓子は２０秒を超えても４０秒位までは比較的多く保持の開始が発生している。

統計的に得られたこのような結果に鑑み、機械学習における予測モデルの生成の段階で、時間差のパラメータをさらに用いることで、次に保持が開始される商品が経過時間に応じて変化するような推定に用いる予測モデルを得ることができる。

また、予測部２３０は、購入候補情報が示す商品と、この商品の保持の開始からの経過時間とに基づいて、実店舗の売場における顧客の位置を予測し、予測されたこの位置に基づいて、選択する推奨商品を経時的に変化させてもよい。

この態様について、図１０を参照しながら具体的な例を用いて説明する。図１０は、ある店舗内の売場配置を示す地図及び同店舗内での一顧客の動線例を示す模式図である。図１０中、矢印付きの実線は顧客の移動経路及び移動方向、三角形は後述の顧客の位置Ｐ１からＰ３を示す。

例えば購入候補情報が商品である人参を示す場合、顧客が人参の保持の開始をしてから所定の時間内は、予測部２３０はこの顧客が青果売場内の位置Ｐ１（より具体的には人参の陳列場所付近でもよい）にいると予測する。この場合、予測部２３０はこの顧客に青果売場にある商品を推奨商品として選択する。例えば位置Ｐ１から２０秒以内は、顧客が青果売場に居ると予測されて、青果売場にある商品から推奨商品が選択される。ここでの２０秒は上記の所定の時間の例である。顧客が位置Ｐ１で人参のバーコードを買い物かごの商品識別情報取得器１００に読み取らせた場合、特売品であるジャガイモを勧める情報がその読取の６秒後にこの顧客に提示されてもよい。この場合、例えば位置Ｐ２でジャガイモを推奨する情報の提示を受けた顧客は、ジャガイモの購入の検討が促されて、近くにあるジャガイモを見に行く。

また、所定の時間が経過した後は、予測部２３０は、この顧客の位置は青果売場は異なるカテゴリの商品を扱う売場に移動していると予測する。この場合、予測部２３０は、この顧客に当該他のカテゴリの商品を推奨商品として選択する。例えば人参の保持の開始から２０秒経過後、予測部２３０は、例えば青果売場と隣接する鮮魚売場に移動していると予測し、鮮魚売場にある刺身パックを推奨商品として選択してもよい。例えば人参の保持の開始から２３秒後に位置Ｐ３で刺身パックを推奨する情報の提示を受けた顧客は、移動方向前方にある刺身パックに、この情報の提示を受けない場合に比べてより強い関心を示し得る。

また、顧客がさらに鮮魚売場で刺身パックの保持を開始したと仮定する。このような場合、予測部２３０は、保持が開始された各商品から取得された識別情報を用いて得た２件の購入候補情報と、刺身パックの保持の開始からの経過時間とに基づいて、顧客の位置を予測してもよい。すなわち、時系列順に取得された複数件の購入候補情報があれば、この顧客の動きをより詳細に予測できる。例えば移動方向が予想できる。つまり、刺身パックの保持の開始からの移動方向の前方にある売場の商品、例えば精肉又は調味料から推奨商品を選択することができる。または、予測部２３０は、既に顧客が通過してきた売場にある商品を、推奨商品の選択候補から除外してもよい。

また、保持した商品間の距離と時間差から求められる移動の速度から、この顧客が急いでいるかそうでないかが予測されてもよい。そして、この予測結果に基づいて上記の所定の時間が調整されてもよい。これにより、顧客に商品推奨情報を提示するタイミングをより適切にすることができる。

このように、商品推奨サーバ２００では、商品識別情報を用いて取得された購入候補情報及びユーザの予測位置に基づいて、顧客が購入する可能性のより高い商品の推奨が可能である。

なお、上記の所定の時間は、例えば各売場の実際の大きさに基づいて店舗ごとに決定されてよい。または、所定の時間は、顧客の実際の移動を計測して得られた統計的情報に基づいて決定されてもよい。さらには、各顧客の性別、年代等の移動の速度に影響し得る情報が取得可能な場合には、このような情報を利用して所定の時間が決定されてもよい。

このように、商品推奨サーバ２００では、買い物中の顧客がある商品の保持を開始した時点からの経過時間が取得され、この経過時間に基づく推奨商品の選択が行われる。経過時間に基づく推奨商品の選択では、例えば商品推奨サーバ２００は推奨商品を経時的に変化させる。これにより、利便性や飽きのこなさの点で、店舗での顧客の買い物経験のクオリティを、より一層向上させることができる。

ここまで例を用いて情報提示システム１０を上記のとおり説明したが。本実施の形態における情報提示システム１０は、上記の例に限定されない。

例えば、情報提示装置３００が商品推奨情報として商品推奨サーバ２００から受信するのは、商品推奨情報を含む映像等ではなく、このような映像等のデータファイルの名称又はさらに場所を示す情報であってもよい。この場合、商品推奨サーバ２００は、この情報を用いて映像等のデータを取得し、取得した映像等を再生することで顧客に商品推奨情報を提示する。この映像等のデータは、情報提示装置３００が備える記憶装置に保存されていてもよいし、情報提示装置３００と通信可能な外部のサーバ等に保存されていてもよい。

また、商品識別情報取得器１００は、店舗内の壁、天井、又は什器などに設置される、顧客の買い物の一連の行動を感知することができる装置群であってもよい。具体的には、店舗内の複数個所に設置されたカメラ（イメージセンサ）であってもよい。

この場合、商品の保持の開始を含む顧客の行動は、商品及び顧客を識別するための画像が含まれるよう複数台のカメラによって撮影されて、商品推奨サーバ２００に送信される。顧客は自分のバッグを用いて商品を保持してもよい。また、この装置群には、カメラに代わる、又はカメラと併用される、商品又は顧客を識別するための情報を取得するためのＲＦリーダ等の他種のセンサが含まれてもよい。つまりこの場合、各顧客の買い物行動を個別に把握するために、商品識別情報取得器１００は各顧客を識別するための情報を取得する。この情報は、商品識別情報取得器１００の個体を識別するための情報の代わりの役割を担う。商品推奨サーバ２００は、この情報を用いて各顧客の識別を実行するための顧客識別部をさらに備える。また、商品推奨サーバ２００は、識別した各顧客と保持又は返却された商品とを関連付けながら一連の処理を行う。また、商品が購入された場合にこの購入の実績が各顧客と関連付けられてもよい。

なお、この場合には、カメラが撮影する画像を用いて顧客の位置が予測されてもよい。これにより、より高い即時性、正確性で顧客の位置の予測が可能である。

また、予測モデルの生成には、機械学習に代えて、又はあわせて統計的な手法が用いられてもよい。例えば協調フィルタリング、クロス集計、又は主成分分析等の手法を用い得る。機械学習の各手法を含めて、いずれの手法を採用するかは、利用可能な時系列購入データの規模又は所望の予測モデルの複雑さの程度に応じて選択し得る。

また、例えば商品識別情報取得器１００及び情報提示装置３００の少なくとも一方は、顧客が着用する、スマートグラス等のいわゆるウェアラブルデバイスに備えられるものであってもよい。例えば商品識別情報取得器１００は、スマートグラスが備えるカメラであって、情報提示装置３００は、スマートグラスが備える表示器であってもよい。

また、商品推奨情報は店舗内の光景に重ねて表示される、いわゆる拡張現実として顧客に提示されてもよい。例えば通路に重ねて推奨商品の陳列場所に向かう矢印が見えるよう表示されてもよい。陳列されている商品が見える範囲に顧客が居る場合には、その商品を囲むように見える枠が表示されてもよい。

また図５に示される購入候補情報はある１人の顧客の買い物行動中の商品の保持に関する商品識別情報のレコードのみを含むが、データの蓄積の形態はこれに限定されない。例えば、図５に示される購入候補情報のテーブルが複数つなげられたような形態でもよい。この場合、時間差の欄に「０ｓ」とある行が、１人の顧客の買い物行動の始まりであると把握される。また、各レコードに各顧客を識別するための情報が含まれてもよい。この情報は、例えば顧客自身又はスマートフォン若しくは会員証等の顧客の持ち物から取得されてもよいし、各顧客が使用している商品識別情報取得器１００の個体が記憶又は生成する情報であってもよい。

（その他の実施の形態）
上記実施の形態では、店舗で顧客の買い物の行動から取得された購入実績データを学習用データに用いて機械学習を実施して確率的予測モデルを取得し、情報提示システム１０でこの確率的予測モデルが用いられて推奨商品の選択がなされている。

ここで、上記の情報提示システム１０においては、商品識別情報取得器１００を用いて店舗中の各顧客の買い物中の行動から、商品の保持の開始又は解除に関する情報が収集されている。このように収集された情報のうち、精算がなされたものを選り集めて得られるデータは、確率的予測モデルを更新するための機械学習の学習用データに用いる新たな購入実績データとして適切に利用することができる。これにより、推奨商品の選択の精度を効率よく高めることができる。

また、実施の形態では、返却品識別情報は、顧客が返却した商品の情報を推奨商品の選択の材料に用いる情報から除外することを目的として用いられている。しかし、返却品識別情報は、より積極的に推奨商品の選択に用いられてもよい。例えば、予測部２３０は、ある商品の保持の開始からこの保持の解除までの時間差に基づいて、推奨商品を選択してもよい。より具体的には、この時間差の長さが所定の長さ、例えば数秒以上である場合には、当該返却された商品の競合商品を推奨商品として選択されてもよい。

このような選択の動作は、商品の返却の操作が、例えば保持した商品の多重登録の訂正のために実行される場合は保持の開始から間もなく実行され、商品の購入に対する迷いの結果の返却の操作は、保持の開始からある程度の時間をおいて実行されるという傾向を反映して採用される例である。

このような傾向の把握及び反映は、例えば上記の機械学習の実施の結果としてなされてもよいし、統計的手法の処理の結果として把握されたこの傾向が、情報提示システム１０を実現するプログラムに人為的に反映されてもよい。

なお、返却された商品の競合商品が推奨商品として選択されるのはあくまで例であり、情報提示システム１０における返却品識別情報を用いて選択される推奨商品は返却された商品の競合商品に限定されない。例えば購入候補情報に示されている他の商品に基づいて選択されてもよい。または、競合商品であるか否かに拘わらず、当該商品の返却直前又は直後に購入された実績の多い商品が選択されてもよい。また、返却された商品と関連性のある商品が選択されてもよい。ここでの「関連性がある」とは、商品同士の関係よりも緩やかな商品同士の関係を指す。具体的な例としては、返却商品も推奨商品も同一シリーズの菓子ではあるが風味が異なったり、風味は共通であるが容量が異なったりする場合が挙げられる。

このように、商品の返却の行為に関する情報を用いることで、顧客の商品選択の傾向又は商品選択に働く心理をよりきめ細かく反映した推奨商品の選択が可能である。

また、商品識別情報取得器１００で収集されるデータの利用は、個々の店舗の売場の改善に限定されない。例えばチェーンストアでは、店舗間で顧客の買い物行動の比較に基づく売場の改善にも利用することができる。この場合は、店舗間での売場の大きさや形状の違いを吸収するために、データは正規化して用いられてもよい。

また、上記実施の形態において、各構成要素は、専用のハードウェアで構成されるか、各構成要素に適したソフトウェアプログラムを実行することによって実現されてもよい。各構成要素は、ＣＰＵ（ｃｅｎｔｒａｌ ｐｒｏｃｅｓｓｉｎｇ ｕｎｉｔ）又はプロセッサなどのプログラム実行部が、ハードディスクまたは半導体メモリなどの記録媒体に記録されたソフトウェアプログラムを読み出して実行することによって実現されてもよい。ここで、上記実施の形態の商品推奨サーバを実現するソフトウェアプログラムは、次のようなプログラムである。

すなわち、このプログラムはコンピュータに、実店舗において、買い物中の顧客が保持を開始する商品から当該商品を識別するための識別情報を取得する商品識別情報取得器から、当該識別情報を取得させ、この識別情報を用いて商品を識別して得た結果を購入候補情報として取得させ、顧客に購入を勧める推奨商品をこの購入候補情報に基づいて選択させ、推奨商品を示す商品推奨情報を情報提示装置に送信する処理を実行させる。

以上、一つ又は複数の態様に係る情報提示システムについて、実施の形態に基づいて説明したが、本発明は、この実施の形態に限定されるものではない。本発明の趣旨を逸脱しない限り、当業者が思いつく各種変形を本実施の形態に施したものも、本発明の範囲内に含まれてもよい。

本発明は、店舗において買い物中の顧客が購入候補として商品を保持する行動に基づく情報を、この顧客又は店舗の運営者に提供するシステムに利用可能である。

１０ 情報提示システム
１００ 商品識別情報取得器
１１０、１１１、１１２、１１３ センサ
１２０ 送信部
２００ 商品推奨サーバ
２１０ 受信部
２２０ 識別部
２３０ 予測部
２４０ 予測モデル
２５０ 送信部
３００ 情報提示装置
３１０ 受信部
３２０ 出力部

Claims (11)

1. 実店舗において、買い物中の顧客が保持の開始をする商品から、当該商品を識別するための識別情報を取得する商品識別情報取得器と、
   前記識別情報を前記商品識別情報取得器から取得すると、前記識別情報を用いて前記商品を識別して得た結果を購入候補情報として取得し、前記顧客に購入を勧める推奨商品を、前記購入候補情報に基づいて選択する商品推奨サーバと、
   前記推奨商品を示す商品推奨情報を、前記商品推奨サーバから取得して前記顧客に提示する情報提示装置とを備える
   情報提示システム。
2. 前記商品推奨サーバは、
   前記識別情報に基づいて、前記保持の開始からの経過時間を取得し、
   前記経過時間にさらに基づいて前記推奨商品を選択する
   請求項１に記載の情報提示システム。
3. 前記商品推奨サーバは、
   前記経過時間に基づいて、選択する前記推奨商品を経時的に変化させる
   請求項２に記載の情報提示システム。
4. 前記商品推奨サーバは、前記購入候補情報及び前記経過時間に基づいて、前記実店舗の売場における前記顧客の位置を予測し、
   前記顧客の位置に基づいて、選択する前記推奨商品を経時的に変化させる
   請求項２に記載の情報提示システム。
5. 前記商品識別情報取得器は、複数の商品それぞれの識別情報を逐次読み取ることで、前記顧客による当該複数の商品それぞれの保持の開始を逐次検知し、
   前記商品推奨サーバは、
   前記商品識別情報取得器から前記複数の商品それぞれの識別情報を逐次取得し、前記複数の商品それぞれの識別情報を用いて前記複数の商品それぞれを逐次識別して得た結果を前記複数の商品それぞれの購入候補情報として取得し、
   前記識別情報に基づいて前記複数の商品それぞれの保持の開始の順序を取得し、
   前記複数の商品それぞれの購入候補情報及び前記順序に基づいて、前記推奨商品を選択する
   請求項１から４のいずれか１項に記載の情報提示システム。
6. 前記商品識別情報取得器は、前記顧客が保持の解除をする商品から、当該商品を識別するための返却品識別情報を取得し、
   前記商品推奨サーバは、
   前記返却品識別情報を前記商品識別情報取得器から取得すると、前記返却品識別情報に基づいて、当該商品の保持の開始から前記保持の解除までの時間差を取得し、
   前記時間差にさらに基づいて、前記推奨商品を選択する
   請求項１から５のいずれか１項に記載の情報提示システム。
7. 前記商品推奨サーバは、実店舗内での顧客による時系列に沿った商品の保持及び当該商品の購入実績のデータを用いた機械学習によって得られる確率的予測モデルを用いて前記推奨商品を選択する
   請求項１から６のいずれか１項に記載の情報提示システム。
8. 前記機械学習はベイズ推定である
   請求項７に記載の情報提示システム。
9. 前記購入実績のデータは、前記実店舗で買い物中の前記顧客の行動から前記商品識別情報取得器を用いて収集され、
   前記商品推奨サーバは、前記購入実績のデータを用いて前記確率的予測モデルを更新する
   請求項７又は８に記載の情報提示システム。
10. 前記商品識別情報取得器は、前記顧客が前記商品を載置することで前記商品の保持をするための商品保持器に備えられる
    請求項１から９のいずれか１項に記載の情報提示システム。
11. 前記情報提示装置は、前記顧客が前記実店舗内で携帯又は着用する情報端末及び前記実店舗内に設置されるデジタルサイネージのうちの少なくとも一方である
    請求項１から１０のいずれか１項に記載の情報提示システム。

Images