JP2019049953A - 顧客分類システム - Google Patents

Abstract

【課題】顧客分類結果を効果的に提示することでより正確な服飾品の選択を可能にする、顧客分類システムを提供する。
【解決手段】音声入力又は手動入力又は自動入力により取得した顧客に関する情報から画像及び／又は文字列を抽出するマイニングステップと、予め取得した各参照用画像及び／又は文字列と２種以上に分類された各顧客分類結果との３段階以上の連関度を参照し、上記マイニングステップにおいて抽出した画像及び／又は文字列に応じた参照用画像及び／又は文字列と顧客分類結果との３段階以上の連関度に基づき、１以上の顧客分類結果を探索する探索ステップとを有する。
【選択図】図３

Description

本発明は、顧客分類における従来の問題点を解決する顧客分類システム及び方法、顧客分類プログラムに関する。

昨今、百貨店、専門店、オンラインショップにおいて、何十万種類という
服飾品が販売されており、加えて、雑誌やブログなどを通してファッションに関わる情報も溢れており、選択の幅が広がった一方、消費者が限られた時間の中で、その中から自分に適した服飾品を選ぶことを大いに困難にしている。

この様な中、消費者は自らの好みなどを店舗の店員やオンライン上で伝えて選択を補助してもらうことができ、例えば、特許文献１では、ファッション商品の購入を希望する消費者が自身の希望条件に基づいたファッション商品の推薦を受けることとのできる、ファッション商品販売システムに関する技術が公開されており、また、特許文献２では、消費者によるソーシャルネットワーキングサービスや利用履歴により、消費者のファッション傾向を分析し、それに基づいたコーディネートを消費者へと提示する、コーディネート支援装置に関する技術が公開されており、また、特許文献３では、消費者がチャレンジした服飾品を聞き出し、推薦内容に反映させる内容が記されている。

しかしながら、どの手法も前記問題の解決には至っておらず、現在、８割以上の人が服飾品選びを不快に感じることがあり、その内７割の人が頻繁に不快に感じると答え、その不快な経験を経て服飾品を購入するものの、５割を超える人が自分のクローゼットを見て何も着るものがないと頻繁に不満を感じると答え、結果として、持っている服飾品の１割程度を着まわしているとの報告されている。これは消費者が、前記補助のあるなしにかかわらず、自らの好みに依存して選択をしていることに大きく起因し、これは好みが、個々人の極めて限定された経験の中で形成されるもので、かつ、人間の本能的に自らとは違うタイプの人に憧れ、そのタイプの違う人に近づこう、無理になろうとするからであると説明される。

現在、この好みを基準に選ぶことを代替可能な手法は、科学的に似合う服飾品を推薦する方法であり、非特許文献３に示される骨格診断理論、カラー診断理論に代表される理論があり、イメージコンサルタントによりこれら理論に基づいた診断や付随したサービスが提供されている

特開２００４−２４６５８５号公報 特開２０１５−７２６３９号公報 特開２０１７−７２９０７号公報

書籍「本当に似合う服に出会える魔法のルール」二神弓子著

消費者が従来の様に好みで服飾品を選ぶ場合でも、前記の様に科学的に似合う服飾品を選ぶ場合であっても、小売店による正確な推薦、消費者による正確な選択を可能にする為に重要なことは、顧客を的確に分析し、分類することであるが、現状、的確に分類できておらず、例えば、上述した特許文献１では、顧客の分類は基本情報（サイズ等）や利用シーン（パーティー等）にとどまり、また、上述した特許文献２では、顧客のソーシャルネットワークの内容やショッピング内容を参照し、キーワードを抽出しているが、キーワードの羅列にとどまり、必ずしも効果的な分類を提示できず、正確な選択に寄与しないという問題点があった。

そこで本発明は、上述した問題点に鑑みて案出されたものであり、その目的とするところは、顧客分類結果を効果的に提示することで、小売店がより正確に服飾品を推薦でき、ユーザが正確に選択を出来る基礎となる顧客分類システム及び方法、顧客分類プログラムを提供することにある。

本発明に係る顧客分類システムは、音声入力又は手動入力又は自動入力により取得した顧客に関する情報から画像及び／又は文字列を抽出するマイニング手段と、予め取得した各参照用画像及び／又は文字列と２種以上に分類された各顧客分類結果との３段階以上の連関度を参照し、上記マイニング手段により抽出された画像及び／又は文字列に応じた参照用文字列と顧客分類結果との３段階以上の連関度に基づき、１以上の顧客分類結果を探索する探索手段とを備えることを特徴とする。

本発明に係る顧客分類システムは、音声入力又は手動入力又は自動入力により取得した顧客に関する情報から複数の画像及び／又は文字列を抽出するマイニング手段と、予め取得した複数の参照用画像及び／又は文字列間の組み合わせに対する各顧客分類結果との３段階以上の連関度を参照し、上記マイニング手段により抽出された複数の画像及び／又は文字列に応じた複数の参照用画像及び／又は文字列間の組み合わせに対する各顧客分類結果との３段階以上の連関度に基づき、１以上の顧客分類結果を探索する探索手段とを備えることを特徴とする。

本発明に係る顧客分類方法は、音声入力又は手動入力又は自動入力により取得した顧客に関する情報から画像及び／又は文字列を顧客分類システムより抽出するマイニングステップと、予め取得した各参照用画像及び／又は文字列と２種以上に分類された各顧客分類結果との３段階以上の連関度を参照し、上記マイニングステップにおいて抽出した画像及び／又は文字列に応じた参照用画像及び／又は文字列と顧客分類結果との３段階以上の連関度に基づき、１以上の顧客分類結果を顧客分類システムより探索する探索ステップとを有することを特徴とする。

本発明に係る顧客分類方法は、音声入力又は手動入力又は自動入力により取得した顧客に関する情報から複数の画像及び／又は文字列を顧客分類システムより抽出するマイニングステップと、予め取得した複数の参照用画像及び／又は文字列間の組み合わせに対する各顧客分類結果との３段階以上の連関度を参照し、上記マイニングステップにおいて抽出した複数の画像及び／又は文字列に応じた複数の参照用画像及び／又は文字列間の組み合わせに対する各顧客分類結果との３段階以上の連関度に基づき、１以上の顧客分類結果を顧客分類システムより探索する探索ステップとを有することを特徴とする。

本発明に係る顧客分類プログラムは、音声入力又は手動入力又は自動入力により取得した顧客に関する情報から画像及び／又は文字列を抽出するマイニングステップと、予め取得した各参照用画像及び／又は文字列と２種以上に分類された各顧客分類結果との３段階以上の連関度を参照し、上記マイニングステップにおいて抽出した画像及び／又は文字列に応じた参照用画像及び／又は文字列と顧客分類結果との３段階以上の連関度に基づき、１以上の顧客分類結果を探索する探索ステップとをコンピュータに実行させることを特徴とする。

本発明に係る顧客分類プログラムは、音声入力又は手動入力又は自動入力により取得した顧客に関する情報から複数の画像及び／又は文字列を抽出するマイニングステップと、予め取得した複数の参照用画像及び／又は文字列間の組み合わせに対する各顧客分類結果との３段階以上の連関度を参照し、上記マイニングステップにおいて抽出した複数の画像及び／又は文字列に応じた複数の参照用画像及び／又は文字列間の組み合わせに対する各顧客分類結果との３段階以上の連関度に基づき、１以上の顧客分類結果を探索する探索ステップとをコンピュータに実行させることを特徴とする。

上述した構成からなる本発明によれば、基本情報を解析することで得られた画像及び／又は文字列から、これに見合った顧客分類結果を即座に選択し、これを出力することができる。その結果、服飾品の小売店によるより正確な推薦、消費者によるより正確な選択を実現することに貢献する。

本発明を適用した顧客分類システムの構成例を示す図である。 電子機器のブロック構成を示す図である。 本発明を適用した顧客分類プログラムが使用される顧客分類業務を示す図である。 本発明を適用した顧客分類プログラムの処理動作のフローチャートである。 抽象化された顧客分類結果の連関性を示す模式図である。 参照用画像及び／又は文字列の組み合わせと顧客分類結果の連関性を示す模式図である。 基本情報から抽出された画像及び／又は文字列がどの範囲まで参照用画像及び／又は文字列と対応するかを考える例を示す図である。

以下、本発明を適用した顧客分類システムについて、図面を参照しながら詳細に説明をする。

本発明を適用した顧客分類システム１は、例えば図１に示すような構成により具現化される。この顧客分類システム１は、システムを利用するユーザ用の携帯端末１１と、この携帯端末１１に対して公衆通信網１２を介して接続されるサーバ１３とを備えている。本実施形態におけるユーザとは、顧客に診断を依頼されたコンサルタント（スタイリスト、イメージコンサルタント等とも呼ばれる）、もしくは、顧客自身である。

公衆通信網１２は、携帯端末１１間及びサーバ１３を通信回線を介して接続されるインターネット網等である。ちなみにこの携帯端末１１を一定の狭いエリア内で運用する場合には、この公衆通信網１２を、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）で構成してもよい。また、この公衆通信網１２につきいわゆる光ファイバ通信網で構成してもよい。また、この公衆通信網１２は、有線通信網に限定されるものではなく、無線通信網で実現するようにしてもよい。

携帯端末１１は、例えば、携帯電話、スマートフォン、タブレット型端末、ウェアラブル端末、ノート型のパーソナルコンピュータ（ＰＣ）等であり、少なくともユーザの操作に基づいて公衆通信網１２を介して通信可能なデバイスである。携帯端末１１は、ユーザが携帯可能ととすることにより、常時持ち運びを可能とするデバイスであるが、これに限定されるものではなく、そえ置き型のＰＣ等、あらゆる電子機器を含む概念である。

なお、この携帯端末１１は、後述する顧客分類プログラムを公衆通信網１２を介してダウンロードすることなく、店頭で販売されているパッケージソフトをインストールする場合には、公衆通信網１２を介した通信を行わない機器であってもよい。以下の例では、この携帯端末１１につき、スマートフォンを適用する場合を例にとり説明をする。

図２は、携帯端末１１の具体的な構成例を示している。この携帯端末１１は、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）２２と、データの蓄積や展開等に使用する作業領域としてのＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）２３と、携帯端末１１全体を制御するためのＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）２４と、操作ボタンやキーボード等を介して各種制御用の指令を入力するための操作部２５と、各種情報の表示を制御するための出力Ｉ／Ｆ１６と、ハードディスク等に代表され、実行すべき検索を行うためのプログラムを格納するための記憶部２７と、外部から携帯端末１１内へデータを入力し、或いは携帯端末１１において生成されたデータを外部へ出力するためのデータ入出力部２９が内部バス２１にそれぞれ接続されている。さらに、この内部バス２１には、通信Ｉ／Ｆ２８、音声入力部３１が接続されている。また、出力Ｉ／Ｆ１６には、実際に情報を表示するモニタとしての表示部２６が接続されている。

ＲＯＭ２２は、携帯端末１１全体のハードウェア資源を制御するためのプログラムが格納されている。ＲＡＭ２３は、携帯端末１１全体のハードウェア資源を制御するときの各種命令を一時的に記憶する。

ＣＰＵ２４は、内部バス２１を介して制御信号を送信することにより、携帯端末１１内に実装された各構成要素を制御するためのいわゆる中央演算ユニットである。また、このＣＰＵ２４は、操作部２５を介したユーザの操作に応じて各種制御用の指令を内部バス２１を介して伝達する。

操作部２５は、タッチパネル等で具体化され、ユーザが顧客に関する情報が入力される他、顧客分類プログラムを実行するための実行命令がユーザから入力される。この操作部２５は、上記実行命令がユーザにより入力された場合には、これをＣＰＵ２４に通知する。この通知を受けたＣＰＵ２４は、上記プログラムを記憶部２７から読み出して実行する。

出力Ｉ／Ｆ１６は、ＣＰＵ２４による制御に基づいて表示画像を作り出すグラフィックコントローラにより構成されている。この出力Ｉ／Ｆ１６に接続される表示部２６は、例えば、液晶ディスプレイ（ＬＣＤ）等によって実現される。

記憶部２７は、ハードディスクで構成される場合において、ＣＰＵ２４による制御に基づき、各アドレスに対して所定の情報が書き込まれるとともに、必要に応じてこれが読み出される。また、この記憶部２７には、本発明を実行するための顧客分類プログラムが格納されている。このプログラムはＣＰＵ２４により読み出されて実行されることになる。

通信Ｉ／Ｆ２８は、公衆通信網１２と接続するための回線制御回路や、他の端末装置との間でデータ通信を行うための信号変換回路等が実装されている。通信Ｉ／Ｆ２８は、内部バス２１からの各種命令に変換処理を施してこれを公衆通信網１２側へ送出するとともに、公衆通信網１２からのデータを受信した場合にはこれに所定の変換処理を施して内部バス２１、或いはＣＰＵ２４へ送信する。

データ入出力部２９は、ＰＣ等の電子機器との間でＵＳＢ接続するためのコード等が接続される。このデータ入出力部２９を介して外部の機器との間でデータを入出力することが可能となる。

音声入力部３１は、ユーザから入力された音声を電子データに変換するためのデバイスである。

サーバ１３には、所定のデータベースが構築されている。このデータベースには、公衆通信網１２を介して送られてきた情報が蓄積される。また、このサーバ１３は、携帯端末１１からの要求に基づいて、この蓄積した情報を公衆通信網１２を介して携帯端末１１へと送信する。

なお、携帯端末１１における何れか１以上の構成要素、或いはサーバ１３は、人工知能により制御されるものであってもよい。本発明への人工知能の具体的な応用方法は、従来における全ての公知の人工知能に関する情報の何れか１以上に基づくものであってもよい。

本発明を適用した顧客分類システム１は、携帯端末１１内にインストールされた顧客分類プログラムを介して実行していくこととなる。即ち、ユーザは、携帯端末１１を操作し、これにインストールされている顧客分類プログラムを通じ、顧客を分類する。顧客分類プログラムは、携帯端末１１にインストールして使用する場合に限定されるものではなく、サーバ１３に記憶させておき、携帯端末１１側から、使用の都度、サーバ１３にアクセスして使用するようにしてもよいことは勿論である。

顧客分類においては、顧客に関する情報を、ユーザ自身が入力するところ又は他のプログラムを介して自動入力されるところ、から開始する。

この入力される情報の例としては、顧客の画像、動画、そして、顧客のサイズ、首、胸板の厚み、手首の形状、鎖骨、ヒップなどの身体の特徴、肌、目、髪の毛などの色、自らの趣味趣向を表現したテキストデータ、並びに、現在の心理状況、将来の夢、重要な価値観などの心理的特徴を表現した画像及び／又はテキストデータである。このようにして入力された情報を、以下、基本情報という。

ユーザは、この基本情報の入力を携帯端末１１における操作部２５を介して手動で行い、又は音声入力部３１を介して音声にて入力する。この入力において、他の携帯端末１１やＰＣ等の電子機器において作成した基本情報の全て又は一部をデータ入出力部２９から入力するようにしてもよい。またユーザが他の携帯端末１１やＰＣ等の電子機器において作成したデータの全て又は一部を、公衆通信網１２を介して実際に顧客分類プログラムがインストールされた携帯端末１１に送信するようにしてもよい。このようにして送信又は入力された基本情報は、記憶部２７に記憶されることとなる。

特に前記心理的特徴を表現した画像及び／又はテキストデータの入手については、好みなどを聞き出す従来の手法とは異なり、顧客自身も認知していない潜在的な考え方や目指す姿を把握することができ有意義である。その画像及び／又はテキストデータの入手方法については公知の心理テストを用いて良く、必要な情報をもとにテストを選び、複数のテストの結果を併用することが望ましい。例えば、現在の顧客の状況、目指す将来の姿、現在から将来に至るまでに大切にしたい価値観、の三つに関する顧客の潜在的な考え方を把握するのに有意義な心理テストは、それぞれ、塗り絵テスト、コラージュテスト、バリューカードテストである。

テストの実施と、その結果のデータ化についての一例をあげる。各テストは操作部２５にテストを表示する方法で行い、テストの性質上、顧客がこの操作部２５を操作することで行われることが望ましい。塗り絵テストの場合は、操作部２５に塗り絵の対象となる図柄を表示し、一般的な着色機能を用いて、ユーザが着色をする。コラージュテストにおいては、事前にユーザによって準備され記憶部２７に記憶された画像、もしくは、インターネットなどで入手可能な画像を用い、一般的な切り抜き、貼り付けなどの機能を用いて行う。バリューカードテストは、事前に準備され記憶部２７に保存される価値観の記された画像を提示し、一般的な画像移動機能を用いて行う。各テスト結果は、塗り絵テストにおいては、その色彩の種類と割合を文字列として、また、コラージュテストにおいては、その画像、及び、タグ付けされたキーワードを文字列として、バリューカードについては、選択された価値観とその優先順位を文字列として、データ化する。

このようにして基本情報が入力された後に、実際に顧客分類プログラムが処理動作を実行していくこととなる。この顧客分類プログラムの処理動作フローを図４に示す。顧客分類プログラムは、ステップＳ１１において入力された基本情報について解析を行う。（ステップＳ１２）。この解析については、既存のあらゆるテキストマイニング技術、データマイニング技術、言語解析処理技術、画像解析処理技術等を用いるようにしてもよい。

次に、この顧客分類プログラムは、解析対象の基本情報のうち、テキストデータについては、単語、形態素、句、節等、あらゆる文法上の構造単位の中から何れか１以上の単位に亘り、文字列の抽出を行う。例えば、「骨太で鎖骨のあたりや手の骨もゴツゴツしていて気になっていて、いつも隠そうとしています」というテキストデータがあった場合には、「骨太」、「鎖骨」、「手」、「骨」、「ゴツゴツ」、「気になって」、「いつも」、「隠そう」等といった文字列を抽出することとなる。

或いは、この基本情報が断片的にキーワードや単語そのもので入力される場合もある。例えば「分厚い胸板」と入力された場合には、「分厚い」「胸板」という文字列を抽出することができる。また、この基本情報は、顧客の特徴が入力される以外に、その顧客が着用したい服飾品像が入力される場合がある。例えば、「自由なライフスタイルを追求する服」と入力される場合には、これをテキストマイニングにより解析することにより、「自由」「自由な」、「ライフ」、「スタイル」、「ライフスタイル」、「追求」等のように、文法上の構造単位の中から何れか１以上の単位に亘り、文字列の抽出が行われる。

次に顧客分類プログラムは、ステップＳ１３へ移行し、ステップＳ１２において抽出した文字列及び画像群と、連関性の高い顧客分類結果の探索を開始する。この探索を行う前において、携帯端末１１は、図５に示すように参照用画像及び／又は文字列と２種以上に分類されてなる抽象化された顧客分類結果（以下、顧客分類結果という。）の連関性を予め取得しておく。

顧客分類結果は、顧客を分類する為の抽象化されたコンセプトである。この顧客分類結果Ａ１、Ａ２、Ａ３、Ｂ１、Ｂ２、Ｂ３、Ｃ１、Ｃ２、Ｃ３、・・・は、予めシステム側において定義されているものである。この顧客分類結果は、例えば骨格診断理論における人物の分類結果、カラー診断理論における人物の分類結果、国際イメージコンサルタント連盟（ＡＩＣＩ）が認める人物の分類結果、ファッションの種類の分類等、既に公知になっているあらゆる分類法を含む概念である。この顧客分類結果の例としては、例えば骨格診断理論における人物の分類結果であれば、ストレート、ウエーブ、ナチュラルに相当するものであり、ファッションの種類の分類であれば、その一例は、クラシック、モダン、マニッシュ、スポーティフ、アバンギャルド、エスニック、フェミニン、エレガント、クラッシックである。

携帯端末１１は、このような画像及び／又は文字列と顧客分類結果が互いにどの程度関連しているかの度合いを示す、連関性を取得しておく。この連関性の表現方法としては、例えば図５に示すような矢印で繋がっている参照用画像及び／又は文字列と顧客分類結果は、互いに連関しており、矢印で繋がっていない参照用画像及び／又は文字列と顧客分類結果は、互いに連関していない形態で表現するようにしてもよい。例えば顧客分類結果Ａ２は、参照用文字列ｃ１１、ａ２１には連関しているが、これ以外の顧客分類結果とは連関していないという形で表現するようにしてもよい。即ち、このケースでは、参照用画像及び／又は文字列と顧客分類結果の連関の有無を真または偽の２値により、デジタル的に表現することとなる。

これ以外の連関性の表現方法としては、アナログ的な表現方法を採用するようにしてもよい。例えば顧客分類結果Ｂ３は、参照用画像及び／又は文字列ａ２１、ｂ２１には８０％の割合で連関しており、更に参照用画像及び／又は文字列ｃ１１が６０％、参照用画像及び／又は文字列ｂ１１が４５％、参照用画像及び／又は文字列ｃ２１が２４％、参照用画像及び／又は文字列ａ１１が０％等の連関度として表現されていてもよい。例えば、参照用画像及び／又は文字列として、「ストレート」と「ウエーブ」の２つについては、連関度が８０％の顧客分類結果として表現されていてもよい。

また、参照用画像及び／又は文字列が「会社役員」である場合には、顧客分類結果として、「フォーマル」の顧客分類結果の連関度を９０％等のように高く設定するようにしてもよい。

携帯端末１１は、ステップＳ１３の解析前までに、参照用画像及び／又は文字列と顧客分類結果との連関性を自らの記憶部２７等に記憶しておき、いつでも読み出せるようにしておく。このとき、参照用画像及び／又は文字列と顧客分類結果との連関性を自らの記憶部２７に記憶しない場合には、サーバ１３に記憶させておき、実際にステップＳ１３を実行する際にこのサーバ１３にアクセスすることで実行するようにしてもよい。

ステップＳ１３に移行後、顧客分類プログラムは、ステップＳ１２において解析した基本情報から抽出した画像及び／又は文字列から、顧客分類結果を１又は２以上に亘り選択する作業を行う。

この基本情報から抽出した文字列及び画像から顧客分類結果の選択についても、予め取得した参照用画像及び／又は文字列と顧客分類結果との連関性を参照するようにしてもよい。例えば、基本情報から解析した文字列が「分厚い胸板」である場合には、参照用画像及び／又は文字列と顧客分類結果との連関性を参照した場合、その「分厚い胸板」と連関性の高いのはストレートである。このため、この解析した「分厚い胸板」という文字列に対して連関性の高いストレートを顧客分類結果として探索することとなる。

また基本情報から解析した文字列が「銀行役員」である場合、全く同一の参照用文字列は無いものの、「会社役員」が参照用文字列として存在する場合には、これを参照し、顧客分類結果として「フォーマル」を探索してこれを提示するようにしてもよい。このように、基本情報からの画像及び／又は文字列と参照用画像及び／又は文字列が完全一致して無くても、この例のように「役員」のところで一部一致するものであれば、当該参照用画像及び／又は文字列と連関性の高い顧客分類結果を探索するようにしてもよい。

更に基本情報から解析した文字列が「取締役会」であり、これと完全一致又は一部一致する参照用文字列が仮に一つも無かった場合であっても、「会社役員」との間では、意味概念において類似性がある。この意味概念の類似性を予めシステム側において設定し、その類似性の高い参照用画像及び／又は文字列と連関性の高い顧客分類結果を探索するようにしてもよい。

即ち、この基本情報から解析した画像及び／又は文字列は、参照用画像及び／又は文字列と画像及び／又は文字が一部一致又は完全一致しているか否か、意味概念の類似性の度合いのみならず、基本情報からの画像及び／又は文字列に対して何らかの対応関係がある参照用画像及び／又は文字列であれば、その参照用画像及び／又は文字列と連関性の高い顧客分類結果を探索するようにしてもよい。

上述した作業は、基本情報から解析した一つの文字列のみならず、他の複数の画像及び／又は文字列についても同様に行っていくこととなる。その結果、一つの顧客分類結果のみならず、複数の顧客分類結果が選択される場合もある。

解析した画像及び／又は文字列と連関性のより高い顧客分類結果を判別する方法は、上述した方法に限定されるものではない。例えば、参照用画像及び／又は文字列と顧客分類結果との間で予め連関度が設定されていてもよい。かかる場合には、参照用画像及び／又は文字列としての「分厚い胸板」に対して、各顧客分類結果につき「ストレート」が８４％、「ナチュラル」が２５％、「フェニミン」が１０％、「エスニック」が７７％、「デート」が４３％等、予め参照用画像及び／又は文字列と、顧客分類結果の間で連関度が設定されている。そして、基本情報から解析した画像及び／又は文字列に応じて参照用文字列「分厚い胸板」が選択された場合には、上述した連関度の％の分だけ連関しているものと判断するようにしてもよい。そして連関度が所定の閾値以上の顧客分類結果を選択するようにしてもよい。

なお、この参照用画像及び／又は文字列と、顧客分類結果との連関性のデータは、携帯端末１１側においてダウンロードされているものであってもよいし、常時サーバ１３に記憶させておき、必要に応じてサーバ１３から読み出したり、携帯端末１１にダウンロードするようにしてもよい。

即ち、この顧客分類プログラムは、基本情報を解析することで得られた画像及び／又は文字列から、これに見合った顧客分類結果を即座に選択し、これを出力することができる。顧客分類結果の出力は、出力Ｉ／Ｆ１６を介して表示部２６へ表示するようにしてもよいし、データ入出力部２９を介して外部に送信してもよい。また顧客分類結果の出力は、通信Ｉ／Ｆ２８を介して公衆通信網１２からサーバ１３へ記憶させるようにしてもよいし、他の携帯端末１１へ送信するようにしてもよい。

ユーザはこのようにして出力された顧客分類結果をもとに、消費者に対して服飾品の推奨ができ、消費者はより正確な選択をすることができるようになる。

上記推奨をさらに正確にするには、顧客だけでなく、服飾品の正確な分類が効果的である。本実施形態では、この服飾品の分類は経験を積んだ人員によって作業が行われ、さらには、その分類カテゴリーが前記顧客の分類カテゴリーと一致するようにするか、分類カテゴリーは一致しないものの、同じく経験を積んだ人員により作成された対応表により、分類結果が容易にマッチング可能な様に変換されるようにする。

上記服飾品の分類、及び、顧客分類結果と服飾品分類結果のマッチングについては、上記の様に手動ではなく、人工知能などを使い、自動的に行われる様にすることが望ましい。

更に本発明によれば、基本情報から抽出された画像及び／又は文字列、又は提案された顧客分類結果に基づいて具体的な服飾品のコーディネートを探索してこれを表示するようにしてもよい。或いは基本情報から抽出された文字列及び提案された顧客分類結果の双方に基づいて具体的なコーディネートを探索してこれを表示するようにしてもよい。何れの場合においても、これらの作業は人工知能を介して行うこととなる。

かかる場合において、顧客分類結果を参照し、これに対応する服飾品分類結果の服飾品群の内、服飾品の種類（スカート、トップス等）が異なり、その他が同じかもしくは近い分類にある服飾品群が選ばれる。この探索をおこなうにあたり、携帯端末１１は、参照用服飾品分類結果とコーディネート結果との連関性を予め取得しておく。そして、上述の服飾品分類と同様の手法を用いてコーディネート結果を探索する。これにも人工知能をもちいることが可能である。

次に、本発明を適用した顧客分類システム１の他の実施の形態について説明をする。

図５の例では、あくまで一の参照用画像及び／又は文字列に対して１又は２以上の顧客分類結果の連関性を参照するものであるのに対して、図６の例では、複数の参照用画像及び／又は文字列間の組み合わせに対する各顧客分類結果との連関性を参照するものである。

図６では、参照用文字列として、「骨太」、「鎖骨」、「手」、「骨」、「ゴツゴツ」、「気になる」、「隠そう」等があり、これらの組み合わせに対してそれぞれ顧客分類結果Ａ１、Ａ２、・・・が割り当てられている。実線がその連関性を示すものであり、点線はその組み合わせを示すものである。例えば、「骨太」と「鎖骨」とが互いに点線でつながっており、そこから実線が、Ａ２、Ｃ１に伸びている。これは、「骨太」と「鎖骨」の組み合わせに対する連関性の高い顧客分類結果がＡ２、Ｃ１であることを示している。つまり参照用文字列が「骨太」のみであると、数多くある骨の中でどの部位のことを言っているのか、全体のイメージなのか、わからない。これに対して、「骨太」と「鎖骨」が組み合わさると、これが鎖骨のある胸元のことを指していることがわかり、これに応じた顧客分類結果を絞り込むことが可能となる。これに加えて、「骨太」、「鎖骨」、「手」、「骨」が組み合わさる点線においては、更にＡ２、Ｂ２の顧客分類結果が連関性の高いものとして繋がる。これは上述した胸元の骨感に加えて、手の骨も指しており、骨感が胸元だけでなく、より広い範囲で感じられることより、顧客分類結果が更に絞られてくることを意味する。

このような各参照用画像及び／又は文字列の組み合わせに対する１以上の顧客分類結果の連関性を上述した図５と同様に予め取得しておくことにより、実際に基本情報から解析した画像及び／又は文字列から顧客分類結果を選択する際に、これを参照することが可能となる。特にこの参照用画像及び／又は文字列単独よりも、これらを互いに組み合わせにより、意図している顧客分類結果をより絞り込むことができ、より正確な顧客分類結果を効果的に選択して提案することも可能となる。

実際にこの各参照用画像及び／又は文字列の組み合わせに対する１以上の顧客分類結果の連関性を参照する際には、基本情報から複数の画像及び／又は文字列を抽出する。そして、この抽出した複数の画像及び／又は文字列に応じた、複数の参照用画像及び／又は文字列間の組み合わせに対して連関性が高い顧客分類結果を提案することとなる。かかる場合も上述と同様に、基本情報から解析した画像及び／又は文字列は、参照用画像及び／又は文字列と画像及び／又は文字が一部一致又は完全一致しているか否か、意味概念の類似性の度合いのみならず、基本情報からの画像及び／又は文字列に対して何らかの対応関係がある参照用画像及び／又は文字列であれば、その参照用画像及び／又は文字列と連関性の高い顧客分類結果を探索するようにしてもよい。

このとき、複数の参照用文字列間の組み合わせは、名詞−動詞、名詞−形容詞、形容詞−動詞、名詞−名詞の何れかの組み合わせとされていてもよい。基本情報から文字列を抽出する際には、単語又は句として名詞−動詞、名詞−形容詞、形容詞−動詞、名詞−名詞の何れか１以上の組み合わせで構成される複数の文字列を抽出し、参照用文字列における同じ品詞の組み合わせを参照しながら顧客分類結果を探索するようにしてもよい。

また、サーバ１３が人工知能により制御される場合には、参照用画像及び／又は文字列と顧客分類結果との連関性を学習させるようにしてもよい。つまり、図５に示すような参照用画像及び／又は文字列と顧客分類結果との連関性、図６に示すような参照用画像及び／又は文字列間の組み合わせと顧客分類結果との連関性を人工知能による学習により随時更新していく。人工知能は、外部からサーバ１３に対して公衆通信網１２を介して提供された情報に基づいて学習を行う。このサーバ１３に対して外部から提供される情報は、例えば本システムを使用する携帯端末１１から送信されるものであってもよい。携帯端末１１により、本発明を適用した顧客分類プログラムが使用される結果、ユーザにより選択された参照用画像及び／又は文字列と顧客分類結果の関係、或いはユーザにより選択されなかった参照用画像及び／又は文字列と顧客分類結果の関係等、過去の履歴情報を携帯端末１１側において記録しておく。そして、これら過去の履歴情報を携帯端末１１からサーバ１３へ送信する。サーバ１３を制御する人工知能は、この送信されてきた過去の履歴情報に基づいて、参照用画像及び／又は文字列と顧客分類結果との連関性を更新する。つまり、ユーザにより選択された参照用画像及び／又は文字列と顧客分類結果の関係については連関性を高く更新し、またユーザにより選択されなかった参照用画像及び／又は文字列と顧客分類結果の関係は連関性をより低く更新する。この更新については、ニューラルネットワーク等を利用してもよい。

このような過去の履歴情報を、本システムを利用する全ての携帯端末１１からサーバ１３へ集められることにより、参照用画像及び／又は文字列と顧客分類結果との連関性は、大量のデータに基づいて随時学習がなされ、よりユーザが受け入れ易く、また解決に最も近道となるような顧客分類結果を提供しやすくなる。

サーバ１３における参照用画像及び／又は文字列と顧客分類結果との連関性の学習を、携帯端末１１側に実装した人工知能に行わせるようにしてもよいことは勿論である。

ちなみに、この人工知能が学習する上での外部からのデータは、上述した本システムを利用した携帯端末１１の過去の履歴情報のみならず、公衆通信網を介して取得可能な全てのインターネット情報、ビッグデータを利用するものであってもよい。

例えば、「骨太」と「鎖骨」という２つの文字列をａｎｄ条件でインターネットで検索した場合、ホームページが出てくる。そのホームページに記載されている画像及び／又は文字列情報を取得し、これを画像解析し、テキストマイニングすることで、いかなる顧客分類結果に対応するかを人工知能により見出していく。

また、本発明によれば、基本情報から解析した画像及び／又は文字列と、参照用画像及び／又は文字列との対応関係を人工知能により学習させるようにしてもよい。この人工知能による学習は、携帯端末１１側又はサーバ１３側の何れにおいて実行するようにしてもよい。

例えば、図７に示すように、基本情報から解析した画像及び／又は文字列がどの範囲まで参照用文字列「骨太」と対応するかを考えるとき、先ず文字列「骨太」は、参照用文字列「骨太」とほぼ１００％対応する。これに対して、参照用文字列「骨太」に対して、文字列「鎖骨」は７０％、文字列「手」は５０％、文字列「骨」は３５％、文字列「ゴツゴツ」は５％等、対応関係をパーセント等の数値を介して把握するようにしてもよい。そして外部から提供される情報に基づいて、この対応関係の数値を変更したり、或いは新しい画像及び／又は文字列と参照用画像及び／又は文字列との関係を定義するようにしてもよい。例えば、インターネットから取得した情報、或いは外部から読み込んだ文書から、「骨太」と「隠す」との共起度（一つのホームページ内、一つの文書内において共に出願する確率）が高い場合には、上述した対応関係のパーセントの数値を上げ、共起度が低い場合には、上述した対応関係のパーセントの数値を下げるように制御するようにしてもよい。

基本情報から解析した画像及び／又は文字列と、参照用画像及び／又は文字列との対応関係は、画像及び／又は文字が一部一致又は完全一致しているか否か以外に、意味概念の類似性の度合いについても、インターネットから取得した情報、或いは外部から読み込んだ文書から人工知能により学習させるようにしてもよい。例えば「骨太」と「ゴツゴツ」は、文言上は一致する所は無いものの一つのホームページ内、一つの文書内において共に出願する確率が高い場合には、意味概念が類似のものとして、新たに参照用文字列「骨太」に対応する文言として登録するようにしてもよい。

また本発明によれば、ユーザに対して新たに基本情報の入力を促すプロセスを導入するようにしてもよい。この基本情報の入力の促進は、基本情報をマイニングすることで抽出した画像及び／又は文字列、又はステップＳ１３における顧客分類結果の探索結果に応じて行うようにしてもよい。

例えば、基本情報から抽出した文字列が、単に「骨太」、「ゴツゴツ」のみであった場合、さらに情報を入手し特定しないと顧客分類結果が絞り込めない場合がある。かかる場合には、更なる基本情報の入力を促すようにしてもよい。

また、「骨太」、「鎖骨」、「手」、「骨」が基本情報から抽出できた場合には、顧客が骨太で鎖骨のみならず、手も骨感があることは読み取ることができる。特に図６に示すような複数の参照用文字列の組み合わせに対して連関性の高い顧客分類結果を絞り込む上で、どうしてもその解決課題に関する情報があると更に望ましい場合があるとする。かかる場合において、基本情報をマイニングした結果、適切な顧客分類結果が出てこなかった場合には、その結果を特定するために、更なる基本情報の入力を促すようにしてもよい。顧客分類結果に対応する画像及び／又は文字列の有無の判断は、例えば「色」、「シルエット」、「スタイル」等のグループ毎に、これらを示す画像及び／又は文字列を予め登録しておき、その登録した文字列と全部一致又は一部一致する画像及び／又は文字列が基本情報内にあるか否かを判断するようにしてもよい。

また、ステップＳ１３における顧客分類の結果、顧客がユーザから選択されなかった場合、又は顧客分類結果に異論が出ている場合、もう少し詳細な情報の入力を促してもよい。

本発明においては、これらの判断を人工知能を介して実行するようにしてもよい。この入力の促進は、表示部２６を介して表示することで実現するようにしてもよいし、図示しない音声出力部を介して音声により行うようにしてもよい。

１ 顧客分類システム
１１ 携帯端末
１２ 公衆通信網
１３ サーバ
２１ 内部バス
２２ ＲＯＭ
２３ ＲＡＭ
２４ ＣＰＵ
２５ 操作部
２６ 表示部
２７ 記憶部
２８ 通信ＩＦ
２９ データ入出力部
３１ 音声入力部

Claims (18)

1. 音声入力又は手動入力又は自動入力により取得した顧客に関する情報から画像及び／又は文字列を抽出するマイニング手段と、
   予め取得した各参照用画像及び／又は文字列と２種以上に分類された各顧客分類結果との３段階以上の連関度を参照し、上記マイニング手段により抽出された画像及び／又は文字列に応じた参照用画像及び／又は文字列と顧客分類結果との３段階以上の連関度に基づき、１以上の顧客分類結果を探索する探索手段とを備えること
   を特徴とする顧客分類システム。
2. 音声入力又は手動入力又は自動入力により取得した顧客に関する情報から複数の画像及び／又は文字列を抽出するマイニング手段と、
   予め取得した複数の参照用画像及び／又は文字列間の組み合わせに対する各顧客分類結果との３段階以上の連関度を参照し、上記マイニング手段により抽出された複数の画像及び／又は文字列に応じた複数の参照用画像及び／又は文字列間の組み合わせに対する各顧客分類結果との３段階以上の連関度に基づき、１以上の顧客分類結果を探索する探索手段とを備えること
   を特徴とする顧客分類システム。
3. 上記マイニング手段及び探索手段は、携帯情報端末内に設けられていること
   を特徴とする請求項１記載の顧客分類システム。
4. 上記マイニング手段は、単語又は句として名詞−動詞、名詞−形容詞、副詞−動詞、名詞−名詞の何れか１以上の組み合わせで構成される複数の文字列を抽出し、上記探索手段は、名詞−動詞、名詞−形容詞、副詞−動詞、名詞−名詞の何れか１以上の組み合わせで構成される複数の参照用文字列間の組み合わせに対する各顧客分類結果との３段階以上の連関度を参照すること
   を特徴とする請求項２又は３記載の顧客分類システム。
5. 上記マイニング手段及び／又は上記探索手段は、人工知能により制御されること
   を特徴とする請求項１から４のうち何れか１項記載の顧客分類システム。
6. 上記携帯情報端末との間で通信網を介して無線通信可能なサーバを備え、上記サーバは、上記参照すべき連関度が記録されていると共に、これを上記携帯情報端末に対して送信すること
   を特徴とする請求項３記載の顧客分類システム。
7. 上記サーバは、人工知能により制御され、外部から提供された情報に基づいて、画像及び／又は文字列と顧客分類結果との関係を取得し、これを上記参照すべき連関度に反映させように学習すること
   を特徴とする請求項６記載の顧客分類システム。
8. 上記サーバは、人工知能により制御され、上記マイニング手段により抽出された画像及び／又は文字列と、上記参照画像及び／又は文字列との対応関係を学習すること
   を特徴とする請求項６又は７記載の顧客分類システム。
9. 上記探索手段は、人工知能により制御され、ユーザにより選択された参照用画像及び／又は文字列と顧客分類結果の関係に関する過去の履歴情報が外部から提供され、これを上記参照すべき連関度に反映させるように学習すること
   を特徴とする請求項１から５のうち何れか１項記載の顧客分類システム。
10. 上記探索手段は、人工知能により制御され、上記マイニング手段により抽出された画像及び／又は文字列と、上記参照用画像及び／又は文字列との対応関係を学習すること
    を特徴とする請求項１から５のうち何れか１項記載の顧客分類システム。
11. 上記探索手段は、人工知能により制御され、上記マイニング手段により抽出された画像及び／又は文字列、及び／又は探索した上記顧客分類結果に基づいて服飾品のコーディネートを探索してこれを表示すること
    を特徴とする請求項１又は２項記載の顧客分類システム。
12. 上記マイニング手段により抽出された画像及び／又は文字列、又は上記探索手段による顧客分類結果の探索結果に応じて、ユーザに対して新たに顧客に関する情報の入力を促す入力促進手段を更に備えること
    を特徴とする請求項１から１１のうち何れか１項記載の顧客分類システム。
13. 上記入力促進手段は、人工知能により制御されること
    を特徴とする請求項１２記載の顧客分類システム。
14. 上記探索手段は、消費者の深層心理レベルでの欲求及び／又は潜在的な欲求及び／又は価値観を顧客情報として利用すること
    を特徴とする請求項１又は２項記載の顧客分類システム。
15. 音声入力又は手動入力又は自動入力により取得した顧客に関する情報から画像及び／又は文字列を顧客分類システムにより抽出するマイニングステップと、予め取得した各参照用画像及び／又は文字列と２種以上に分類された各顧客分類結果との３段階以上の連関度を参照し、上記マイニングステップにおいて抽出した画像及び／又は文字列に応じた参照用文字列と顧客分類結果との３段階以上の連関度に基づき、１以上の顧客分類結果を顧客分類システムにより探索する探索ステップとを有すること
    を特徴とする顧客分類方法。
16. 音声入力又は手動入力又は自動入力により取得した顧客に関する情報から複数の画像及び／又は文字列を顧客分類システムにより抽出するマイニングステップと、
    予め取得した複数の参照用画像及び／又は文字列間の組み合わせに対する各顧客分類結果との３段階以上の連関度を参照し、上記マイニングステップにおいて抽出した複数の画像及び／又は文字列に応じた複数の参照用画像及び／又は文字列間の組み合わせに対する各顧客分類結果との３段階以上の連関度に基づき、１以上の顧客分類結果を顧客分類システムにより探索する探索ステップとを有すること
    を特徴とする顧客分類方法。
17. 音声入力又は手動入力又は自動入力により取得した顧客に関する情報から画像及び／又は文字列を抽出するマイニングステップと、
    予め取得した各参照用画像及び／又は文字列と２種以上に分類された各顧客分類結果との３段階以上の連関度を参照し、上記マイニングステップにおいて抽出した画像及び／又は文字列に応じた参照用画像及び／又は文字列と顧客分類結果との３段階以上の連関度に基づき、１以上の顧客分類結果を探索する探索ステップとをコンピュータに実行させること
    を特徴とする顧客分類プログラム。
18. 音声入力又は手動入力又は自動入力により取得した顧客に関する情報から複数の画像及び／又は文字列を抽出するマイニングステップと、
    予め取得した複数の参照用画像及び／又は文字列間の組み合わせに対する各顧客分類結果との３段階以上の連関度を参照し、上記マイニングステップにおいて抽出した複数の画像及び／又は文字列に応じた複数の参照用画像及び／又は文字列間の組み合わせに対する各顧客分類結果との３段階以上の連関度に基づき、１以上の顧客分類結果を探索する探索ステップとをコンピュータに実行させること
    を特徴とする顧客分類プログラム。

Images