以下、情報処理装置等の実施形態について図面を参照して説明する。なお、実施の形態において同じ符号を付した構成要素は同様の動作を行うので、再度の説明を省略する場合がある。
(実施の形態1)
本実施の形態において、他の商品の2以上の属性値と他の商品の販売に関する販売情報とを有する2以上の商品情報を学習した学習情報が格納され、商品の1以上の属性値を有する対象商品情報の入力を受け付け、販売情報を出力する情報処理装置を含む情報システムについて説明する。つまり、他商品情報を用いて、販売についての予測を行う情報処理装置を含む情報システムについて説明する。なお、商品とは、販売対象であり、サービスも含むと、広く考えても良い。
また、本実施の形態において、他商品情報を用いて、付加した場合に販売状況が改善する1または2以上の属性値を出力する情報処理装置を含む情報システムについて説明する。つまり、機能等の付加により、販売の改善の提案を行う情報処理装置を含む情報システムについて説明する。
また、本実施の形態において、他商品情報を用いて、変更した場合に販売状況が改善する1または2以上の属性値を出力する情報処理装置を含む情報システムについて説明する。つまり、例えば、色や形状等の属性値の変更により、販売の改善の提案を行う情報処理装置を含む情報システムについて説明する。
また、本実施の形態において、他商品情報を用いて、属性値の付加または変更により変動する価格をも考慮して、販売状況が改善する1または2以上の属性値を出力する情報処理装置を含む情報システムについて説明する。つまり、属性値の付加または変更により変動する価格をも考慮して、販売の改善の提案を行う情報処理装置を含む情報システムについて説明する。
さらに、本実施の形態において、学習情報を自動学習する機能を有する情報処理装置を含む情報システムについて説明する。
図1は、本実施の形態における情報システムAの概念図である。情報システムAは、情報処理装置1、および1または2以上の端末装置2を備える。情報処理装置1は、ここではいわゆるサーバ装置である。情報処理装置1は、例えば、クラウドサーバやASPサーバであるが、そのタイプや設置場所は問わない。端末装置2は、スマートフォンやタブレット端末や携帯電話等の携帯端末、いわゆるパソコン等であり、そのタイプは問わない。
図2は、本実施の形態における情報システムAのブロック図である。図3は、情報システムAを構成する情報処理装置1のブロック図である。
情報システムAを構成する情報処理装置1は、格納部11、受付部12、処理部13、および出力部14を備える。
格納部11は、学習情報格納部111、および属性値格納部112を備える。処理部13は、学習部131、候補属性値取得部132、価格情報変更部133、販売情報取得部134、および判断部135を備える。販売情報取得部134は、学習情報選択手段1341、対象商品属性値取得手段1342、他商品学習情報取得手段1343、および販売情報取得手段1344を備える。出力部14は、販売情報出力部141、および改善情報出力部142を備える。
端末装置2は、端末格納部21、端末受付部22、端末処理部23、端末送信部24、端末受信部25、および端末出力部26を備える。
情報処理装置1を構成する格納部11には、各種の情報が格納される。各種の情報とは、例えば、後述する学習情報、後述する属性値の集合である。各種の情報とは、例えば、1または2以上の価格管理情報である。価格管理情報とは、付加または変更する属性値に対応する増加価格を特定する情報である。価格管理情報は、例えば、(機能1,1000円)、(機能2,500円)、((色,黄),1000円)、((サイズ,65インチ),10000円)等である。また、各種の情報とは、例えば、種類対応表である。種類対応表とは、対象商品の販売予測または改善提案を行う場合に、使用する学習情報に対応する商品の種類を特定する種類識別子を管理する表である。種類対応表は、受け付けられた対象商品情報の種類を識別する種類識別子と対になる他の種類の1以上の種類識別子との対応を示す1または2以上の対応情報を有する表である。
学習情報格納部111には、2以上の他商品情報を学習した学習情報が格納される。他商品情報は、他の種類の商品(以下、適宜、「他商品」と言う)に関する情報である。他の商品とは、販売予測または改善提案の対象となる商品の種類とは異なる種類の商品である。他商品情報は、他商品の2以上の属性値と、他商品の販売に関する販売情報とを有する。販売予測または改善提案の対象となる商品が自動車である場合、他商品は、例えば、バイク、オーディオ、テレビ等である。また、他商品は、流行の先端の種類の商品であることは好適である。他商品は、その時代のトレンドの種類の商品であることは好適である。
学習情報格納部111には、1または2種類以上の他商品の学習情報が格納されている。学習情報格納部111における学習情報は、商品の種類を識別する種類識別子に対応付いていることは好適である。学習情報格納部111における学習情報は、1または2以上の属性識別子が対応付いていることは好適である。学習情報格納部111における学習情報が有する属性値は、例えば、1または2以上の属性識別子が対応付いている。また、学習情報格納部111における学習器である学習情報には、例えば、当該学習器を構成する元になった商品情報が有する属性値の属性識別子が対応付いている。属性識別子は、商品の属性を識別する情報である。属性識別子は、他商品情報が有する属性値に対応する情報であり、例えば、属性名、属性のIDである。
学習情報は、2以上の他商品情報を学習した情報である。学習情報は、例えば、学習部131が2以上の他商品情報を用いて、機械学習のアルゴリズムを用いて学習処理を行い、取得された学習器である。なお、学習部131が取得した情報は、例えば、学習器または分類器と言っても良い。また、学習部131の詳細については後述する。また、2以上の他商品情報を学習した学習情報は、例えば、2以上の他商品情報の集合でも良い。他商品情報は、所定の属性識別子に対応する1以上の属性値のみの情報でも良い。
他商品情報は、他商品の2以上の属性値と、販売情報とを有する。属性値は、例えば、商品の機能を識別する機能識別子、商品が採用し得る各機能の有無に関する機能有無情報、商品属性値(例えば、色、形状、重量、タイプなど)、商品属性値の有無に関する属性値有無情報などである。他商品の2以上の属性値とは、商品の価格を特定する価格情報を含むことは好適である。販売情報は、商品の販売に関する情報である。販売情報は、例えば、商品の販売数を示す情報、商品の販売総額を示す情報、良く売れるか否かを示す情報などである。また、他商品情報は、種類識別子に対応付いていることは好適である。
なお、学習情報格納部111には、種類識別子と対に2以上の学習情報が格納されていても良い。また、種類識別子とは、商品の種類を識別する情報である。商品は、例えば、テレビ、パソコン、デジカメ、自動車、洋服、住宅等であり、何でも良い。
属性値格納部112には、対象商品が採用し得る2以上の属性値が格納される。2以上の各属性値は、例えば、機能識別子、機能有無情報、商品属性値、属性値有無情報のいずれかである。また、商品が採用し得る2以上の属性値は、ベクトルであることは好適である。2以上の属性値は、例えば、(機能1の有無を示す機能有無情報,機能2の有無を示す機能有無情報,・・・,機能Nの有無を示す機能有無情報)である。機能の有無を示す機能有無情報は、例えば、「1」(対応する機能あり)、または「0」(対応する機能なし)を採り得る。
属性値格納部112には、例えば、1以上の各属性に対して、商品が採用し得る2以上の属性値が格納される。属性値格納部112は、属性名と属性値との組を多数、格納していても良い。属性名と属性値との組は、例えば、(属性名,属性値)の構造を有し、例えば、(色,白)、(色,黄色)、(色,赤)、(形状,正方形)、(形状,長方形)、(形状,円形)、(部品,液晶)、(部品,有機EL)、(サイズ,65インチ)、(サイズ,38インチ)等である。
受付部12は、各種の指示や情報等を受け付ける。
受付部12は、例えば、対象商品情報を受け付ける。対象商品情報は、対象商品に関する情報である。対象商品とは、処理の対象の商品であり、例えば、販売予測の対象の商品または改善提案の対象の商品である。対象商品情報は、対象商品の1以上の属性値を有する。対象商品情報は、例えば、(1,0,・・・,1)である。なお、対象商品情報が、例えば、(機能1の有無,機能2の有無,・・・,機能Nの有無)を有するベクトルデータの場合、(1,0,・・・,1)は、当該商品が機能1と機能Nとは有し、機能2は有さないことを示す。なお、対象商品情報は、販売情報を有しても良い。
受付部12は、例えば、2以上の他商品情報を受け付けても良い。かかる2以上の他商品情報は、学習のための情報である。学習のための他商品情報には、販売情報が含まれる。また、受付部12は、販売情報を有する1以上の対象商品情報を受け付けても良い。かかる販売情報を有する1以上の対象商品情報は、学習のための情報である。
受付部12は、例えば、学習指示、改善提案指示、販売予測指示を受け付けても良い。学習指示は、他商品情報を学習させる指示である。学習指示は、2以上の他商品情報を有する。改善提案指示は、対象商品の改善に関する改善情報を出力させる指示である。改善提案指示は、対象商品情報を有する。販売予測指示は、対象商品の販売予測を出力させる指示である。販売予測指示は、対象商品情報を有する。
ここで、受け付けとは、例えば、有線もしくは無線の通信回線を介して、端末装置2から送信された情報の受信である。ただし、受け付けとは、例えば、キーボードやマウス、タッチパネルなどの入力デバイスから入力された情報の受け付け、光ディスクや磁気ディスク、半導体メモリなどの記録媒体から読み出された情報の受け付けなどを含む概念であっても良い。
処理部13は、各種の処理を行う。各種の処理とは、例えば、学習部131、候補属性値取得部132、価格情報変更部133、販売情報取得部134、判断部135、学習情報選択手段1341、対象商品属性値取得手段1342、他商品学習情報取得手段1343、販売情報取得手段1344が行う処理である。
学習部131は、2以上の他商品情報を機械学習のアルゴリズムにより学習し、学習情報を取得する。ここで、学習情報は、いわゆる学習器である。
機械学習とは、例えば、SVR、深層学習、決定木、ランダムフォレスト、SVM等である。また、機械学習において、学習器を構成するためには、例えば、機械学習の関数(例えば、TinySVM、各種のrandomForest関数、TensorFlowの関数等)に、入力となる情報群(例えば、2以上の属性値を用いて構成されたベクトル)と出力させたい情報(例えば、販売情報)とを引数として与えると学習器が得られる。また、機械学習において、予測する場合、機械学習の関数に学習器と入力となる情報群(例えば、2以上の属性値を用いて構成されたベクトル)とを引数として与えると、予測された情報(例えば、販売情報)が得られる。なお、機械学習のアルゴリズムは問わない。学習情報は、商品の1以上の属性値を適用した場合に、販売情報が得られるための情報であれば良い。なお、学習部131の処理は公知技術であるので、詳細な説明は省略する。
なお、 学習部131は、2以上の各商品情報ごとに、他商品情報が有する属性値のうち、受け付けられた対象商品情報が有する属性値と予め決められた関係を有する属性値である属性値の集合を取得し、当該属性値の集合、2セット以上を、機械学習のアルゴリズムにより学習し、学習情報を取得することは好適である。
ここで、対象商品情報が有する属性値と予め決められた関係を有する属性値は、例えば、対象商品情報が有する各属性値に対応する属性識別子と一致する属性識別子に対応する属性値であり、他商品情報が有する属性値である。また、対象商品情報が有する属性値と予め決められた関係を有する属性値は、例えば、対象商品情報が有する各属性値に対応する属性識別子と対応表により対応付けられた属性識別子で識別される属性値であり、他商品情報が有する属性値である。
候補属性値取得部132は、1または2以上の付加候補属性値を取得する。付加候補属性値は、受け付けられた対象商品情報が有さない属性値であり、属性値格納部112に格納されている属性値である。
候補属性値取得部132は、1または2以上の変更候補属性値を属性値格納部112から取得する。変更候補属性値は、対象商品情報が有する属性値に代えて採用し得る属性値であり、属性値格納部112に格納されている属性値である。ここで、変更候補属性値は、搭載されなくなる機能を示す機能識別子でも良い。
候補属性値取得部132は、例えば、対象商品情報が有さない属性値であり、属性値格納部112の属性値である付加候補属性値を取得する。
候補属性値取得部132は、例えば、対象商品情報が有さない属性値であり、属性値格納部112の属性値である2以上の付加候補属性値を取得し。
候補属性値取得部132は、例えば、対象商品情報が有する属性値に代えて採用し得る属性値である変更候補属性値を属性値格納部112から取得する。
候補属性値取得部132は、例えば、対象商品情報が有する2以上の各属性値に代えて採用し得る属性値である2以上の変更候補属性値を属性値格納部112から取得し。
候補属性値取得部132は、1または2以上の付加候補属性値、および1または2以上の変更候補属性値を取得しても良い。
価格情報変更部133は、付加候補属性値の付加または変更候補属性値への変更に対して、変更される価格情報を取得する。価格情報変更部133は、例えば、付加候補属性値に対応する価格情報を格納部11の価格管理情報から取得し、当該価格情報を加算した変更される価格情報を取得する。また、価格情報変更部133は、例えば、変更前の属性値に対応する価格情報を格納部11の価格管理情報から取得し、かつ変更候補属性値に対応する価格情報を格納部11の価格管理情報から取得し、変更前の属性値に対応する価格情報を減算し、変更候補属性値に対応する価格情報を加算し、変更される価格情報を取得する。また、価格情報変更部133は、例えば、格納部11に格納されている当該商品の基本価格を示す基本価格情報に、最終的に商品が備える1以上の各属性値(付加候補属性値または変更候補属性値を含む)に対応する価格情報を格納部11の価格管理情報から取得し、基本価格情報に取得した1以上の価格情報を加算し、変更される価格情報を取得しても良い。なお、付加候補属性値の付加または変更候補属性値への変更に応じた、変更される価格情報の取得アルゴリズムは問わない。
販売情報取得部134は、受付部12が受け付けた対象商品情報を学習情報に適用し、販売情報を取得する。なお、ここでの販売情報は、販売予測の情報である、と言える。販売情報取得部134は、例えば、機械学習のアルゴリズムを用いて、対象商品情報を学習情報(学習器)に適用し、販売情報を取得する。なお、機械学習は、例えば、SVR、深層学習、決定木、ランダムフォレスト、SVM等である。また、ここで受け付けられる対象商品情報は、販売情報を含まないことは好適である。
また、販売情報取得部134は、受付部12が受け付けた対象商品情報に最も類似する他商品情報を選択し、当該他商品情報に含まれる販売情報を取得しても良い。さらに、販売情報取得部134は、受付部12が受け付けた対象商品情報に、予め決められた条件を満たすほど類似する2以上の他商品情報を選択し、当該他商品情報に含まれる2以上の販売情報を取得し、当該2以上の販売情報を統計処理(例えば、平均値の算出、加重平均の算出、多数決など)し、販売情報を取得しても良い。ここで、販売情報取得部134は、受付部12が受け付けた対象商品情報が有する属性値のうち、一部または全部の属性値から構成される対象商品情報に最も類似する属性値の集合であり、他商品情報が有する一部または全部の属性値の集合を選択し、当該属性値の集合に対応する販売情報を対応する他商品情報から取得しても良い。なお、一部の属性値は、上述した予め決められた関係を有する属性値である。
販売情報取得部134は、対象商品情報が有する1以上の属性値と付加候補属性値とを有する評価商品情報を学習情報に適用し、第二の販売情報を取得しても良い。第二の販売情報も、販売情報と同様の情報を採り得る。第二の販売情報は、例えば、販売数に関する情報、販売総額に関する情報、よく売れるか否かに関する情報等である。また、評価商品情報は、商品の改善の提案のために使用する商品情報である。
なお、評価商品情報を学習情報に適用する処理とは、例えば、上述した機械学習の処理である。また、評価商品情報を学習情報に適用する処理とは、例えば、評価商品情報に最も類似する他商品情報(他商品情報が有する一部の属性値の集合でも良い)を学習情報から決定し、当該他商品情報に対応する販売情報を第二の販売情報として取得する処理でも良い。また、評価商品情報を学習情報に適用する処理とは、例えば、評価商品情報に予め決められた条件を満たすほど類似する2以上の他商品情報(他商品情報が有する一部の属性値の集合でも良い)を学習情報から決定し、当該他商品情報に含まれる2以上の販売情報を統計処理し、第二の販売情報を取得する処理でも良い。なお、ここでの統計処理とは、例えば、平均値の算出、加重平均の算出、多数決等である。なお、他商品情報が有する一部の属性値の集合とは、他商品情報が有する属性値のうち、対象商品情報が有する属性値と予め決められた関係を有する1以上の属性値である。
販売情報取得部134は、対象商品情報が有する1以上の属性値と2以上の付加候補属性値とを有する評価商品情報を学習情報に適用し、第二の販売情報を取得しても良い。
販売情報取得部134は、対象商品情報が有する1以上の属性値から変更候補属性値に代えられた属性値を除き、変更候補属性値を付加した評価商品情報を学習情報に適用し、第二の販売情報を取得しても良い。
販売情報取得部134は、対象商品情報が有する1以上の属性値から変更候補属性値に代えられた2以上の属性値を除き、2以上の変更候補属性値を付加した評価商品情報を学習情報に適用し、第二の販売情報を取得ても良い。
また、販売情報取得部134は、対象商品情報が有する1以上の属性値と1以上の付加候補属性値とを有し、かつ対象商品情報が有する1以上の属性値から変更候補属性値に代えられた1以上の属性値を除き、1以上の変更候補属性値を付加した評価商品情報を学習情報に適用し、第二の販売情報を取得しても良い。
販売情報取得部134は、変更前の価格情報に代えて、価格情報変更部133が取得した変更される価格情報を有する評価商品情報を学習情報に適用し、第二の販売情報を取得しても良い。
販売情報取得部134は、受付部12が受け付けた対象商品情報に代えて、対象商品情報が有する1以上の属性値と付加候補属性値とを有する評価商品情報を学習情報に適用し、第二の販売情報を取得しても良い。
販売情報取得部134は、変更前の価格情報に代えて、価格情報変更部133が取得した変更される価格情報を有する評価商品情報を学習情報に適用し、第二の販売情報を取得しても良い。
なお、属性値を除く処理は、例えば、属性値に対応する情報を「0」「NULL」等にすることでも良いし、属性値を削除すること等でも良い。
販売情報取得部134は、例えば、受付部12が受け付けた対象商品情報を用いて、当該対象商品情報に対応する1以上の種類の学習情報を取得し、当該学習情報に、受付部12が受け付けた対象商品情報を適用し、販売情報を取得する。
なお、対象商品情報に対応する1以上の種類の学習情報は、例えば、対象商品情報に対応する2以上の他商品情報を学習して取得された学習器である。また、対象商品情報に対応する1以上の種類の学習情報は、例えば、対象商品情報に対応する2以上の他商品情報である。また、対象商品情報が有する2以上の各属性値に対応する2以上の属性識別子と他商品情報が2以上の各属性値に対応する2以上の属性識別子とが予め決められた条件を満たす場合に、対象商品情報と当該他商品情報とは対応する、ということが言える。ここで、予め決められた条件は、例えば、対象商品情報が有する2以上の各属性値に対応する2以上の属性識別子のうち閾値以上の数の属性識別子が、他商品情報が有する属性値に対応していることである。また、予め決められた条件は、例えば、対象商品情報が有する2以上の各属性値に対応する2以上の属性識別子のうち閾値以上の割合の属性識別子が、他商品情報が有する属性値に対応していることである。
学習情報選択手段1341は、受付部12が受け付けた対象商品情報に対応する1以上の種類の学習情報を学習情報格納部111から取得する。
学習情報選択手段1341は、例えば、受付部12が受け付けた対象商品情報に対応する2以上の他商品情報を学習情報格納部111から取得する。かかる場合、2以上の他商品情報が学習情報である。
また、学習情報選択手段1341は、例えば、受付部12が受け付けた対象商品情報に対応する2以上の他商品情報を学習情報格納部111から取得し、当該2以上の他商品情報を機械学習のアルゴリズムにより学習し、学習器を取得する。かかる場合、学習器が学習情報である。また、2以上の他商品情報を機械学習のアルゴリズムにより学習し、学習器を取得する処理は、学習部131が行っても良い。
また、学習情報選択手段1341は、例えば、受付部12が受け付けた対象商品情報に対応する種類識別子を取得し、当該種類識別子と対になる他の種類の1以上の種類識別子を格納部11の種類対応表から取得し、当該他の種類の1以上の種類識別子と対になる学習情報を学習情報格納部111から取得しても良い。
対象商品属性値取得手段1342は、受付部12が受け付けた対象商品情報が有する属性値のうち、学習情報に対応する2以上の属性値と予め決められた関係を有する属性値を取得する。予め決められた関係とは、学習情報に対応する2以上の属性値のうちのいずれかの属性値の属性識別子と一致する属性識別子に対応する属性値である。学習情報に対応する属性値とは、例えば、学習器である学習情報を構成する元になった他商品情報が有する属性値である。また、学習情報に対応する属性値とは、例えば、学習情報が有する属性値である。
他商品学習情報取得手段1343は、学習情報に対応する2以上の属性値のうち、受付部12が受け付けた対象商品情報が有する属性値と予め決められた関係を有する属性値を用いて取得される学習情報を取得する。
対象商品情報が有する属性値と予め決められた関係を有する属性値を用いて取得される学習情報は、例えば、対象商品情報が有する属性値に対応する属性識別子と一致する属性識別子に対応する属性値からなる学習情報である。また、対象商品情報が有する属性値と予め決められた関係を有する属性値を用いて取得される学習情報は、例えば、対象商品情報が有する属性値に対応する属性識別子と一致する属性識別子に対応する属性値を用いて学習処理を行って取得された学習器である。また、対象商品情報が有する属性値と予め決められた関係を有する属性値を用いて取得される学習情報は、例えば、対象商品情報が有する属性値に対応する属性識別子と対応表により対応付けられている属性識別子に対応する属性値からなる学習情報である。なお、対応表は、対象商品情報が有する属性値の属性識別子と、他商品情報が有する属性値の属性識別子とを対応付ける表である。また、対象商品情報が有する属性値と予め決められた関係を有する属性値を用いて取得される学習情報は、例えば、対象商品情報が有する属性値に対応する属性識別子と対応表により対応付けられている属性識別子に対応する属性値を用いて学習処理により取得された学習器である。
販売情報取得手段1344は、対象商品属性値取得手段1342が取得した属性値を有する対象商品情報を他商品学習情報取得手段1343が取得した学習情報に適用し、販売情報を取得する。
販売情報取得手段1344は、例えば、対象商品属性値取得手段1342が取得した属性値からなる対象商品情報を、他商品学習情報取得手段1343が取得した学習器に適用し、機械学習のアルゴリズムにより販売情報を取得する。
販売情報取得手段1344は、例えば、対象商品属性値取得手段1342が取得した属性値からなる対象商品情報に最も類似する他商品学習情報取得手段1343が取得した学習情報を検索し、当該学習情報が有する販売情報を取得する。
判断部135は、販売情報取得部134が取得した第二の販売情報が、予め決められた条件を満たすほど良好であるか否かを判断する。ここで、予め決められた条件を満たすほど良好であることは、例えば、第二の販売情報が閾値以上または閾値より大きいことである。予め決められた条件を満たすほど良好であることは、例えば、販売数量が閾値以上または閾値より大きいこと、または、販売総額が閾値以上または閾値より大きいことである。
また、予め決められた条件は、例えば、販売情報と第二の販売情報とを比較した結果、販売に関して改善されていると判断できることである。つまり、判断部135は、販売情報出力部141が出力した販売情報と第二の販売情報とを比較し、販売に関して改善されているか否かを判断しても良い。かかることは、例えば、「販売情報<第二の販売情報」である。「販売情報<第二の販売情報」は、例えば、販売数が増加している、販売総額が増加している等である。なお、販売情報出力部141が出力した販売情報は、販売情報出力部141が判断部135に渡した販売情報である。
例えば、「販売情報<第二の販売情報」である場合、判断部135は、改善されていると判断する。また、例えば、「第二の販売情報−販売情報>=閾値」である場合、判断部135は、改善されていると判断する。かかる場合、第二の販売情報、販売情報は、例えば、販売数、販売総額等の数値、3以上の段階のランクを示す情報等である。
また、例えば、販売情報が「あまり売れない」または「良くは売れない」または「売れない」を示す情報であり、第二の販売情報が「よく売れる」「売れる」を示す情報であった場合、判断部135は、改善されていると判断する。かかる場合、第二の販売情報、販売情報は、例えば、二値のうちのいずれかの情報である。
出力部14は、各種の情報を出力する。各種の情報とは、例えば、販売情報、後述する改善情報である。なお、ここで、出力とは、通常、端末装置2等の外部装置への送信である。ただし、出力は、ディスプレイへの表示、プロジェクターを用いた投影、プリンタでの印字、音出力、記録媒体への蓄積、他の処理装置や他のプログラムなどへの処理結果の引渡しなどを含む概念であると考えても良い。
販売情報出力部141は、販売情報取得部134が取得した販売情報を出力する。ここでの出力は、他の処理への引き渡しでも良いし、送信等でも良い。
改善情報出力部142は、改善情報を出力する。改善情報は、商品の改善に関する情報である。改善情報は、商品の改善を提案する情報である。改善情報は、販売の改善のための商品の改善を提案する情報である。改善情報は、例えば、判断部135が販売に関して改善されていると判断した第二の販売情報を取得する元になった付加候補属性値を含む情報である。改善情報は、例えば、判断部135が販売に関して改善されていると判断した第二の販売情報を取得する元になった変更候補属性値を含む情報である。また、改善情報は、例えば、上記の付加候補属性値、および上記の変更候補属性値を含む情報でも良い。さらに、改善情報は、例えば、変更候補属性値に対応する変更前の属性値を含むことは好適である。なお、改善情報は、付加候補属性値のみでも良い。改善情報は、例えば、付加候補属性値を商品に付加すべき旨情報などである。
端末装置2を構成する端末格納部21は、各種の情報が格納される。各種の情報とは、例えば、ユーザを識別するユーザ識別子である。各種の情報は、例えば、端末受信部25が受信した情報である。
端末受付部22は、各種の指示や情報等を受け付ける。ここで、受け付けとは、キーボードやマウス、タッチパネルなどの入力デバイスから入力された情報の受け付け、有線もしくは無線の通信回線を介して送信された情報の受信、光ディスクや磁気ディスク、半導体メモリなどの記録媒体から読み出された情報の受け付けなどを含む概念である。各種の指示や情報等とは、例えば、対象商品情報、改善提案指示、2以上の商品情報等である。改善提案指示は、商品の改善の提案の指示であり、対象商品情報を有する。
各種の指示や情報等の入力手段は、タッチパネルやキーボードやマウスやメニュー画面によるもの等、何でも良い。端末受付部22は、タッチパネルやキーボード等の入力手段のデバイスドライバーや、メニュー画面の制御ソフトウェア等で実現され得る。
端末処理部23は、各種の処理とは、例えば、端末受信部25が受信した情報を表示されるデータに構成する処理である。各種の処理とは、例えば、端末受付部22が受け付けた指示等を送信する指示等に構成する処理である。
端末送信部24は、各種の指示や情報等を情報処理装置1に送信する。各種の指示や情報等とは、例えば、端末処理部23が構成した指示、端末受付部22が受け付けた指示や情報等である。
端末受信部25は、各種の情報を情報処理装置1から受信する。各種の情報とは、例えば、販売情報、改善情報である。
端末出力部26は、各種の情報を取得する。各種の情報とは、例えば、端末受付部22が受け付けた情報、端末受信部25が受信した情報、端末処理部23が構成した情報である。各種の情報とは、例えば、販売情報、改善情報である。
ここで、出力とは、ディスプレイへの表示、プロジェクターを用いた投影、プリンタでの印字、音出力、外部の装置への送信、記録媒体への蓄積、他の処理装置や他のプログラムなどへの処理結果の引渡しなどを含む概念である。
格納部11、学習情報格納部111、属性値格納部112、および端末格納部21は、不揮発性の記録媒体が好適であるが、揮発性の記録媒体でも実現可能である。
格納部11等に情報が記憶される過程は問わない。例えば、記録媒体を介して情報が格納部11等で記憶されるようになってもよく、通信回線等を介して送信された情報が格納部11等で記憶されるようになってもよく、あるいは、入力デバイスを介して入力された情報が格納部11等で記憶されるようになってもよい。
処理部13、学習部131、候補属性値取得部132、価格情報変更部133、販売情報取得部134、判断部135、学習情報選択手段1341、対象商品属性値取得手段1342、他商品学習情報取得手段1343、販売情報取得手段1344、および端末処理部23は、通常、MPUやメモリ等から実現され得る。処理部13の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはROM等の記録媒体に記録されている。但し、ハードウェア(専用回路)で実現しても良い。
出力部14、販売情報出力部141、改善情報出力部142、および端末送信部24は、例えば、無線または有線の通信手段で実現されるが、放送手段で実現されても良い。
受付部12、および端末受信部25は、例えば、無線または有線の通信手段で実現されるが、放送を受信する手段で実現されても良い。
端末出力部26は、ディスプレイやスピーカー等の出力デバイスを含むと考えても含まないと考えても良い。端末出力部26は、出力デバイスのドライバーソフトまたは、出力デバイスのドライバーソフトと出力デバイス等で実現され得る。
次に、情報システムAの動作について説明する。まず、情報処理装置1の動作例について、図4のフローチャートを用いて説明する。
(ステップS401)受付部12は、学習指示を受け付けたか否かを判断する。学習指示を受け付けた場合はステップS402に行き、学習指示を受け付けない場合はステップS404に行く。
(ステップS402)学習部131は、ステップS401で受け付けた学習指示が有する2以上の他商品情報を取得する。そして、学習部131は、2以上の各他商品情報を用いて、機械学習の処理を行い、学習情報を取得する。ここで、学習部131は、2以上の各他商品情報が有する2以上の属性値のうち、対象商品情報が有する属性値に対応する属性値のみを取得し、当該属性値の集合と販売情報とのセットを2セット以上用いて、機械学習の処理を行い、学習情報を取得することは好適である。なお、例えば、対象商品情報が有する属性値の属性識別子は、格納部11に格納されている。そして、学習部131は、例えば、2以上の各他商品情報が有する2以上の属性値のうち、格納部11に格納されている対象商品情報が有する属性値の属性識別子と同一の属性識別子と対になる属性値のみを取得し、当該属性値の集合と販売情報とのセットを2セット以上用いて、機械学習の処理を行い、学習情報を取得することは好適である。
(ステップS403)学習部131は、ステップS402で取得した学習情報を学習情報格納部111に蓄積する。ステップS401に戻る。ここで、学習部131は、学習指示が有する種類識別子と対にして、学習情報を蓄積することは好適である。
なお、学習指示が商品を識別する商品識別子を有する場合、学習部131は、商品識別子と対にして、学習情報を学習情報格納部111に蓄積しても良い。
また、学習部131は、機械学習による学習処理を行わずに、2以上の各他商品情報が有する2以上の属性値のうち、対象商品情報が有する属性値に対応する属性値のみを取得し、当該属性値の集合と販売情報とのセットを2セット以上、学習情報格納部111に蓄積しても良い。かかる場合、ステップS402の処理は不要である。
(ステップS404)受付部12は、端末装置2から改善提案指示を受信したか否かを判断する。改善提案指示を受信した場合はステップS405に行き、改善提案指示を受信しなかった場合はステップS407に行く。
(ステップS405)処理部13は、改善提案指示が有する対象商品情報を用いて、改善情報を取得する。かかる改善情報取得処理について、図5のフローチャートを用いて説明する。
(ステップS406)改善情報出力部142は、ステップS405で取得された改善情報を端末装置2に送信する。ステップS401に戻る。
(ステップS407)受付部12は、端末装置2から販売予測指示を受信したか否かを判断する。販売予測指示を受信した場合はステップS408に行き、販売予測指示を受信しなかった場合はステップS401に戻る。
(ステップS408)販売情報取得部134は、ステップS407で受信された販売予測指示が有する対象商品情報を取得する。
(ステップS409)販売情報取得部134は、ステップS408で取得した対象商品情報を学習情報に適用し、販売情報を取得する。なお、販売情報取得部134は、ステップS408で取得した対象商品情報のうち、学習情報が有する属性値または学習情報を構成する元になった他商品情報の属性値と予め決められた関係を有する1以上の属性値取得し、当該1以上の属性値を含む情報を学習情報に適用し、販売情報を取得することは好適である。また、かかる販売情報の取得処理の例については上述したので、ここでの説明は省略する。
(ステップS410)販売情報出力部141は、ステップS409で取得された販売情報を端末装置2に送信する。ステップS401に戻る。
なお、図4のフローチャートにおいて、電源オフや処理終了の割り込みにより処理は終了する。
次に、ステップS405の改善情報取得処理の例について、図5のフローチャートを用いて説明する。
(ステップS501)候補属性値取得部132は、ステップS404で受信された改善提案指示が有する対象商品情報を取得する。
(ステップS502)候補属性値取得部132は、1以上の付加候補属性値を属性値格納部112から取得する。なお、1以上の付加候補属性値は、対象商品情報が有さない属性値であり、属性値格納部112に格納されている属性値である。また、ここで、付加候補属性値を取得できない場合もあり得る。
(ステップS503)候補属性値取得部132は、1以上の変更候補属性値を属性値格納部112から取得する。なお、1以上の変更候補属性値は、対象商品情報が有する属性値に代えて採用し得る属性値であり、属性値格納部112に格納されている属性値である。また、ここで、変更候補属性値を取得できない場合もあり得る。
(ステップS504)販売情報取得部134は、カウンタiに1を代入する。
(ステップS505)販売情報取得部134は、ステップS502で取得された0または1以上の付加候補属性値、およびステップS503で取得された0または1以上の変更候補属性値の中から選択された1以上の属性値のi番目の組み合わせが存在するか否かを判断する。i番目の組み合わせが存在する場合はステップS506に行き、i番目の組み合わせが存在しない場合はステップS514に行く。なお、1以上の属性値のi番目の組み合わせは、1または2以上の属性値である。なお、N(Nは1以上の自然数)個の情報のうち、1からN個の情報の組み合わせを取得する処理は公知技術である。
(ステップS506)販売情報取得部134は、i番目の組み合わせの1以上の属性値の集合を取得する。かかる1以上の各属性値は、付加候補属性値または変更候補属性値である。
(ステップS507)価格情報変更部133は、i番目の組み合わせの1以上の属性値を用いて、商品の価格情報を取得する。
(ステップS508)販売情報取得部134は、i番目の組み合わせの1以上の属性値を用いて、評価商品情報を取得する。なお、評価商品情報は、ステップS507で取得した価格情報を有することは好適である。また、販売情報取得部134は、学習情報に対応する属性値と予め決められた関係を有する属性値のみを用いて評価商品情報を取得することは好適である。なお、学習情報に対応する属性値と予め決められた関係を有する属性値とは、学習情報である学習器を構成する元になった他商品情報が有する属性値と予め決められた関係を有する属性値、または学習情報を構成する他商品情報が有する属性値と予め決められた関係を有する属性値である。
(ステップS509)販売情報取得部134は、ステップS508で取得した評価商品情報を学習情報格納部111の学習情報に適用し、第二の販売情報を取得する。
(ステップS510)販売情報取得部134は、ステップS404で受信された改善提案指示に対応する販売情報を取得する。なお、販売情報取得部134は、ステップS501で取得した対象商品情報を学習情報格納部111の学習情報に適用し、販売情報を取得しても良い。また、販売情報取得部134は、ステップS404で受信された改善提案指示が有する販売情報を取得しても良い。
(ステップS511)判断部135は、ステップS509で取得された第二の販売情報が予め決められた条件を満たすか否かを判断する。予め決められた条件を満たす場合はステップS512に行き、予め決められた条件を満たさない場合はステップS513に行く。なお、判断部135は、例えば、ステップS510で取得された販売情報とステップS509で取得された第二の販売情報とを比較し、販売に関して改善されているか否かを判断する。改善されていると判断した場合はステップS512に行き、改善されていないと判断した場合はステップS513に行く。
(ステップS512)判断部135は、第二の販売情報の情報を用いて(例えば、販売情報と第二の販売情報との比較結果から)、改善の程度を示す改善スコアを取得する。そして、判断部135は、i番目の組み合わせを識別する情報(例えば、i、組み合わせの1以上の属性値)に対応付いて、改善スコアを蓄積する。なお、改善スコアは、例えば、第二の販売情報と販売情報との差異に基づく情報である。また、改善スコアは、例えば、第二の販売情報と販売情報とをパラメータとする演算式により算出されるスコアである。また、改善スコアは、例えば、第二の販売情報をパラメータとする増加関数であり、販売情報とをパラメータとする減少関数により算出されるスコアである。改善スコアは、例えば、演算式「改善スコア=α(第二の販売情報−販売情報)(αは正数)」により取得されるスコアである。
(ステップS513)販売情報取得部134は、カウンタiを1、インクリメントする。ステップS505に戻る。
(ステップS514)処理部13は、予め決められた条件を満たすほど改善される1以上の組み合わせを決定する。処理部13は、例えば、最大の改善スコアに対応する評価商品情報を取得する。
(ステップS515)処理部13は、ステップS514で決定した1以上の組み合わせを用いて、改善情報を構成する。上位処理にリターンする。
次に、端末装置2の動作例について、図6のフローチャートを用いて説明する。
(ステップS601)端末受付部22は、学習指示を受け付けたか否かを判断する。学習指示を受け付けた場合はステップS602に行き、学習指示を受け付けない場合はステップS604に行く。
(ステップS602)端末処理部23は、送信する学習指示を構成する。なお、送信する学習指示は、2以上の商品情報を含む。
(ステップS603)端末送信部24は、ステップS602で構成した学習指示を情報処理装置1に送信する。ステップS601に戻る。なお、端末受信部25は、学習処理が完了した旨の情報を情報処理装置1から受信し、当該情報を端末出力部26が出力することは好適である。
(ステップS604)端末受付部22は、改善提案指示を受け付けたか否かを判断する。改善提案指示を受け付けた場合はステップS605に行き、改善提案指示を受け付けない場合はステップS610に行く。
(ステップS605)端末処理部23は、送信する改善提案指示を構成する。なお、送信する改善提案指示は、対象商品情報を含む。
(ステップS606)端末送信部24は、ステップS605で構成した改善提案指示を情報処理装置1に送信する。
(ステップS607)端末受信部25は、情報処理装置1から改善情報を受信したか否かを判断する。改善情報を受信した場合はステップS608に行き、改善情報を受信しなかった場合はステップS607に行く。
(ステップS608)端末処理部23は、出力する改善情報を構成する。
(ステップS609)端末出力部26は、ステップS608で構成された改善情報を出力する。ステップS601に戻る。
(ステップS610)端末受付部22は、販売予測指示を受け付けたか否かを判断する。販売予測指示を受け付けた場合はステップS611に行き、販売予測指示を受け付けない場合はステップS601に戻る。
(ステップS611)端末処理部23は、送信する販売予測指示を構成する。なお、送信する販売予測指示は、対象商品情報を含む。
(ステップS612)端末送信部24は、ステップS611で構成した販売予測指示を情報処理装置1に送信する。
(ステップS613)端末受信部25は、情報処理装置1から販売情報を受信したか否かを判断する。販売情報を受信した場合はステップS614に行き、販売情報を受信しなかった場合はステップS613に行く。
(ステップS614)端末処理部23は、出力する販売情報を構成する。
(ステップS615)端末出力部26は、ステップS614で構成された販売情報を出力する。ステップS601に戻る。
なお、図6のフローチャートにおいて、電源オフや処理終了の割り込みにより処理は終了する。
以下、本実施の形態における情報システムAの具体的な動作について説明する。情報システムAの概念図は図1である。
今、属性値格納部112には、図7に示す属性情報管理表が格納されている。属性情報管理表は、1または2以上の商品が採り得る属性値に関する情報が格納されている。属性情報管理表は、「種類識別子」「商品名」「属性値」を有する。「属性値」は、「機能識別子」「商品属性値」「価格情報」を有する。「種類識別子」は商品の種類を識別するIDである。「商品名」は、商品の種類の名前であり、例えば、「オーディオ」「テレビ」等である。「機能識別子」は、機能を識別する情報である。「機能11」「機能12」等は、機能の名称であり、簡略化した情報である。「機能11」は、例えば、リモコン機能、「機能12」は、例えば、サラウンド機能等である。機能は、オプションでも良い。また、「商品属性値」は、商品が2以上から選択し得る商品の属性値である。「商品属性値」は、例えば、色、形状、サイズ等である。また、図7において、「要素ID」は、商品情報をベクトル化した場合の要素の識別情報である。例えば、商品名「オーディオ」の商品について、機能11と機能12とを有し、機能1Nは有さず、色が「白」、価格情報が「25,000円」である他商品情報のベクトルは、(1,1,・・・,0,1,0,0,・・・25,000)となる。オーディオの商品情報のベクトルは、ここでは、(機能11の機能有無情報,機能12の機能有無情報,・・・,機能1Nの機能有無情報,色が「白」の属性値有無情報,色が「黒」の属性値有無情報,色が「赤」の属性値有無情報,・・・,価格情報)の構造を採用する。なお、他商品情報のベクトルは、他商品情報、または他商品情報の一部である、としても良い。
また、格納部11には、図8示す自動車の商品価格算出表である。図8は、「属性値」「増加価格」を有する。「属性値」は、商品に付加する機能の機能識別子、または商品が採用し得る商品属性値である。「増加価格」は、対になる属性値を採用した場合に、増加する価格を示す情報である。
かかる状況で、情報処理装置1の管理者は、端末装置2に対して、図9に示す商品情報群を含む学習指示を入力した、とする。商品情報群は、2以上の商品情報を有する。ここで、商品情報は、機能11から機能1Nまでの各機能の機能有無情報、色等の商品属性値、価格情報、販売情報を有する。機能有無情報が「1」である場合、対応する機能を有することを示す。機能有無情報が「0」である場合、対応する機能を有さないことを示す。価格情報は、価格(円)を示す。販売情報は、ここでは実績販売数を示す。
次に、端末受付部22は、学習指示を受け付ける。端末処理部23は、送信する学習指示を構成する。なお、端末処理部23は、例えば、色等の商品属性値をベクトルの対応する要素の値に変更する。つまり、端末処理部23は、色「白」は(・・・,1,0,0,・・・)に変換し、色「黒」は(・・・,0,1,0,・・・)に変換し、色「赤」は(・・・,0,0,1,・・・)に変換する、とする。つまり、端末処理部23は、図9の「ID=1」のレコードから、「種類識別子「1」,他商品情報(0,1,・・・,1,1,0,0,・・・,21650,8000)」を取得する。そして、端末処理部23は、学習指示「種類識別子「1」,他商品情報(0,1,・・・,1,1,0,0,・・・,21650,8000)(1,0,・・・,1,0,1,0,・・・,32500,5600)・・・(1,1,・・・,1,0,0,1,・・・,65430,7200)・・・」を構成する。次に、端末送信部24は、構成した学習指示を情報処理装置1に送信する。
次に、情報処理装置1の受付部12は、学習指示を受信する。次に、学習部131は、受信した学習指示が有する2以上の他商品情報「(0,1,・・・,1,1,0,0,・・・,21650,8000)(1,0,・・・,1,0,1,0,・・・,32500,5600)・・・(1,1,・・・,1,0,0,1,・・・,65430,7200)・・・」を取得する。次に、そして、学習部131は、種類識別子「1」に対応付けた他商品情報のレコードを学習情報格納部111に蓄積する。なお、ここで蓄積された他商品情報のレコードは、学習情報と考えても良いし、学習器を構成する元の情報と考えても良い。
なお、上記と同様の処理により、例えば、種類識別子「2」に対応付けて、テレビの学習情報が習情報格納部111に蓄積された、とする。
ここで、学習情報格納部111の学習情報管理表の例は、図10である。図10において、学習情報管理表が有する学習情報は、他商品情報をベクトル化した情報である、と言える。
また、格納部11には、図11に示す種類対応表が格納されている、とする。種類対応表は、「対象商品種類識別子」「他商品種類識別子」を有するレコードを1以上管理する。「対象商品種類識別子」は対象商品の種類を識別する情報である。「他商品種類識別子」は他商品の種類を識別する情報である。
かかる状況において、以下の3つの具体例について、説明する。各具体例において、オーディオとテレビの他商品情報を用いて、オーディオまたは/およびテレビを搭載する自動車の改善提案を行ったり、自動車の販売予測を行ったりする場合を説明する。また、搭載する機能、または/および搭載しない機能が決まっている場合であり、搭載または採用が不明な属性値を決定し、条件を満たすほど良好な販売状況となることを予測できる仕様を提案する場合である。具体例2は、販売実績がある商品であるが、売り上げに満足できない商品に対して、改善を提案する場合である。具体例3は、販売予測を行う処理である。
(具体例1)
今、端末装置2のユーザは、図12に示す改善情報提案画面に対して、図12に示すように、各機能を搭載するか否か、および属性値の選択を入力した、とする。つまり、ユーザは、搭載する機能として「機能11」を選択し、搭載しない機能として「機能13」を選択し、他の機能は不明である、とした、とする。また、ユーザは、条件として、販売台数が「7500」台以上となることが予測される提案を希望していることを入力する(901参照)。そして、ユーザは、「送信」ボタン902を押下した、とする。
次に、端末装置2の端末受付部22は、改善提案指示を受け付ける。次に、端末処理部23は、送信する改善提案指示を構成する。ここでは、端末処理部23は、図12の画面への入力を検知し、商品の1以上の属性値を有する対象商品情報を取得した、とする。ここでは、対象商品情報はベクトルであり、当該ベクトルは、(機能11,機能12,機能13,・・・,機能1N,白,黒,赤,・・・)=(1,−,0,・・・,−,−,−,−,・・・)である。なお、ベクトルの要素「−」は、NULLを示す。また、端末処理部23は、条件「販売情報>=7500」を取得する。また、端末処理部23は、図12の画面の情報に含まれる種類識別子であり、自動車の種類識別子「3」と対象商品情報と条件と(ここでは、希望販売台数の条件)を有する改善提案指示を構成する。次に、端末送信部24は、構成した改善提案指示を情報処理装置1に送信する。なお、かかる改善提案指示は、改善提案指示「種類識別子「3」,対象商品情報(1,−,0,・・・,−,−,−,−,・・・),条件「販売情報>=7500」」である。
次に、情報処理装置1の受付部12は、端末装置2から改善提案指示を受信する。そして、処理部13は、改善提案指示が有する対象商品情報を用いて、以下のように改善情報を取得する。
まず、学習部131は、改善提案指示が有する種類識別子「3」と対になる種類識別子「1」「2」を種類対応表(図11)から取得する。
そして、学習部131は、図10の学習情報管理表の中から、種類識別子「1」または「2」と対になる他商品情報を取得する。
また、学習部131は、改善提案指示が有する対象商品情報に含まれる各属性値に対応する属性識別子と同一の属性識別子(ここでは、「機能11」「機能12」「色(白)」「色(黒)」「色(赤)」を含み、「機能1N」を含まない)に対応する属性値と、価格情報と、販売情報とを有する他商品情報を取得する。また、学習部131は、価図10の学習情報管理表の中の価格情報を、対象商品である自動車の価格情報に対して正規化する処理を行っても良い。正規化する処理は、例えば、予め決められた演算式(例えば、「正規化後の学習情報の価格情報=f(学習情報の価格情報)」)により、正規化後の学習情報の価格情報を取得する処理である。なお、例えば、演算式f「正規化後の学習情報の価格情報=100×学習情報の価格情報」である。また、正規化する処理は、例えば、習情報管理表の中の価格情報の平均値を、予め格納されている自動車の平均金額を用いて、正規化する処理である。なお、ここでは、他商品情報の価格情報を正規化したが、対象商品情報が有する価格情報を他商品情報の価格情報を用いて正規化しても良い。
次に、学習部131は、取得した他商品情報を用いて、機械学習のアルゴリズムにより、学習処理を行い、学習器である学習情報を構成する。なお、かかる学習器は、商品情報に含まれる属性値と、価格情報とを入力とした場合に、販売情報の予測値が取得されるために使用される学習器である。
次に、候補属性値取得部132は、受信された改善提案指示が有する対象商品情報(1,−,0,・・・,−,−,・・・)を取得する。次に、候補属性値取得部132は、図7の属性情報管理表から1以上の付加候補属性値、および1以上の変更候補属性値を属性値格納部112から取得する。つまり、販売情報取得部134は、対象商品情報(1,−,0,・・・,−,−,・・・)の中から、NULL「−」の要素の機能識別子および採り得る商品属性値を取得する。次に、販売情報取得部134は、取得した機能識別子および採り得る商品属性値の各組み合わせ、および対象商品情報が有する確定した要素の値を用いて、上記の組み合わせの数の分のベクトルを取得する。次に、価格情報変更部133は、各組み合わせの1以上の属性値を、種類識別子「3」に対応する商品価格算出表(図8)に適用し、各ベクトルに対応する価格情報を取得する。そして、販売情報取得部134は、上記の組み合わせの数の分のベクトル、および各ベクトルに対応する価格情報を用いて、評価商品情報を取得する。
次に、販売情報取得部134は、上記の組み合わせの数の分の各評価商品情報を構成された学習器に順に適用し、例えば、機械学習のアルゴリズムにより各組み合わせに対応付けて、上記の組み合わせごとに第二の販売情報を取得する。
次に、判断部135は、各組み合わせに対応する第二の販売情報が条件「第二の販売情報>=7500」を満たすか否かを判断する。そして、条件を満たす組み合わせに対して、判断部135は、第二の販売情報(予測販売台数)を改善スコアとして取得し、各組み合わせの1以上の属性値の集合と、改善スコアとを対にして、図示しないバッファに一時蓄積する。
次に、処理部13は、バッファ内の改善スコアに基づいて、予め決められた条件を満たすほど改善される1以上の組み合わせを決定する。ここで、処理部13は、改善スコア(予測販売台数)が上位3までの組み合わせを決定する、とする。なお、処理部13は、「第二の販売情報>=7500」を満たす全ての組み合わせを取得しても良いことは言うまでもない。
次に、処理部13は、決定した3つの組み合わせを用いて、改善情報を構成する。そして、次に、販売情報出力部141は、構成された改善情報を端末装置2に送信する。
次に、端末装置2の端末受信部25は、情報処理装置1から改善情報を受信する。次に、端末処理部23は、出力する改善情報を構成する。そして、端末出力部26は、構成された改善情報を出力する。かかる出力例は、図13である。
(具体例2)
今、ユーザは、販売不振の自動車の対象商品情報(機能12,・・・,機能1N,色「黒」,・・・,価格情報「3250000円」,販売情報「800台」)を含む改善提案指示を、端末装置2に入力した、とする。すると、端末装置2の端末受付部22は、かかる改善提案指示を受け付ける。
次に、端末処理部23は、送信する改善提案指示を構成する。ここで、端末処理部23は、上記の処理と同様に、入力された対象商品情報を用いて、ベクトルである対象商品情報(0,1,・・・,1,0,1,0,・・・,3250000,800)を構成する。次に、端末処理部23は、商品識別子「1」と対象商品情報(0,1,・・・,1,0,1,0,・・・,3250000,800)とを含む改善提案指示を構成する。そして、端末送信部24は、構成した改善提案指示を情報処理装置1に送信する。
次に、情報処理装置1の受付部12は、端末装置2から改善提案指示を受信する。そして、処理部13は、改善提案指示が有する対象商品情報と、オーディオとテレビの他商品情報とを用いて、以下のように改善情報を取得する。つまり、まず、候補属性値取得部132は、受信された改善提案指示が有する対象商品情報(0,1,・・・,1,0,1,0,・・・,3250000,800)を取得する。次に、候補属性値取得部132は、対象商品情報および図7の属性情報管理表を用いて、上記で説明した処理により、1以上の付加候補属性値、および1以上の変更候補属性値を属性値格納部112から取得する。なお、候補属性値取得部132は、変動し得る2以上の価格情報も候補属性値として取得しても良い。かかる場合、例えば、改善提案指示が価格情報の許容範囲(例えば、「2800000以上」)等を有しており、かかる許容範囲の中で、採り得る複数の価格情報(例えば、10万円単位で、「280万円、290万円、300万円、310万円、320万円、325万円」を取得する)を候補属性値として取得しても良い。
次に、販売情報取得部134は、取得した機能識別子および採り得る商品属性値の各組み合わせを取得する。次に、価格情報変更部133は、各組み合わせの1以上の属性値を、商品識別子「3」に対応する商品価格算出表(図8)に適用し、各ベクトルに対応する価格情報を取得する。そして、販売情報取得部134は、上記の組み合わせの数の分のベクトル、および各ベクトルに対応する価格情報を用いて、評価商品情報を取得する。なお、販売情報取得部134は、上述した価格情報の変動も含めて、組み合わせを取得することは好適である。
次に、販売情報取得部134は、上記の組み合わせの数の分の評価商品情報を、オーディオおよびテレビの他商品情報を用いて構成された学習器に適用し、例えば、機械学習のアルゴリズムにより、各組み合わせに対応付けて、第二の販売情報を取得する。なお、ここで使用される学習器の構成アルゴリズムは具体例1で説明済みである。
次に、判断部135は、受信された改善提案指示が有する販売情報「800」を取得する。 次に、判断部135は、各組み合わせに対応する第二の販売情報が条件「第二の販売情報>販売情報(800)」を満たすか否かを判断する。そして、条件を満たす組み合わせに対して、判断部135は、第二の販売情報と販売情報との差(増加予測販売台数)と、改善すべき属性値の数とを用いて、改善スコアを取得する。なお、ここで、判断部135は、「第二の販売情報−販売情報」が大きいほど改善スコアを大きくすることは好適である。また、改善すべき属性値の数が少ないほど改善スコアを大きくすることは好適である。次に、判断部135は、各組み合わせの1以上の属性値の集合と、改善スコアとを対にして、図示しないバッファに一時蓄積する。
次に、処理部13は、バッファ内の改善スコアに基づいて、予め決められた条件を満たすほど改善される1以上の組み合わせを決定する。
次に、処理部13は、決定した1以上の組み合わせを用いて、改善情報を構成する。そして、次に、販売情報出力部141は、構成された改善情報を端末装置2に送信する。
次に、端末装置2の端末受信部25は、情報処理装置1から改善情報を受信する。次に、端末処理部23は、出力する改善情報を構成する。そして、端末出力部26は、構成された改善情報を出力する。なお、改善情報の出力態様は問わない。
(具体例3)
今、端末装置2のユーザは、確定した仕様の自動車の対象商品情報(機能11,・・・,機能1N,色「赤」,・・・,価格情報「5250000円」)を含む販売予測指示を、端末装置2に入力した、とする。すると、端末装置2の端末受付部22は、かかる販売予測指示を受け付ける。
次に、端末処理部23は、送信する販売予測指示を構成する。ここで、端末処理部23は、上記の処理と同様に、入力された対象商品情報を用いて、ベクトルである対象商品情報(1,0,・・・,1,0,0,1,・・・,5250000)を構成する。次に、端末処理部23は、種類識別子「3」と対象商品情報(1,0,・・・,1,0,0,1,・・・,5250000)とを含む販売予測指示を構成する。そして、端末送信部24は、構成した販売予測指示を情報処理装置1に送信する。
次に、情報処理装置1の受付部12は、端末装置2から販売予測指示を受信する。次に、販売情報取得部134は、受信された販売予測指示が有する対象商品情報(1,0,・・・,1,0,0,1,・・・,5250000)を取得した、とする。次に、販売情報取得部134は、当該対象商品情報を学習情報に適用し、販売情報「7300」台を取得した。次に、販売情報出力部141は、取得された販売情報「7300」を端末装置2に送信する。
次に、端末装置2の端末受信部25は、情報処理装置1から販売情報を受信する。また、端末処理部23は、出力する販売情報を構成する。ここで、出力する販売情報は、例えば、「頂いた仕様、価格では、予測販売台数は「7300」台と算出されました。」である。そして、端末出力部26は、構成された販売情報を出力する。
以上、本実施の形態によれば、他の商品の販売情報を用いて、良好な販売状況となることが予測される商品の1以上の属性値の付加についての改善提案が行える。
また、本実施の形態によれば、他の商品の販売情報を用いて、販売状況が改善することが予測される商品の1以上の属性値の付加についての改善提案が行える。
また、本実施の形態によれば、他の商品の販売情報を用いて、良好な販売状況となることが予測される商品の1以上の属性値の変更についての改善提案が行える。
また、本実施の形態によれば、他の商品の販売情報を用いて、販売状況が改善することが予測される商品の1以上の属性値の変更についての改善提案が行える。
また、本実施の形態によれば、他の商品の販売情報を用いて、価格の変動も考慮した、商品の改善提案を行える。
さらに、本実施の形態によれば、他の商品の販売情報を用いて、商品の販売情報を予測できる。
つまり、本実施の形態によれば、改善提案または販売予測を行う対象商品の販売情報が存在しない場合、または販売情報の数が少ない場合等でも、他の商品の販売情報を用いて、対象商品の改善提案または販売予測を行える。
なお、本実施の形態において、対象商品の改善提案または販売予測を行う場合に、他商品の販売情報を用いて行ったが、当該対象商品と同種の商品の販売情報をも用いて、対象商品の改善提案または販売予測を行っても良いことは言うまでもない。
また、本実施の形態における処理は、ソフトウェアで実現しても良い。そして、このソフトウェアをソフトウェアダウンロード等により配布しても良い。また、このソフトウェアをCD−ROMなどの記録媒体に記録して流布しても良い。なお、このことは、本明細書における他の実施の形態においても該当する。なお、本実施の形態における情報処理装置1を実現するソフトウェアは、以下のようなプログラムである。つまり、このプログラムは、対象となる商品ではない他商品の2以上の属性値と、当該他商品の販売に関する販売情報とを有する2以上の他商品情報を学習した学習情報が格納される学習情報格納部にアクセス可能なコンピュータを、処理対象の商品の1以上の属性値を有する対象商品情報を受け付ける受付部と、前記受付部が受け付けた対象商品情報を前記学習情報に適用し、販売情報を取得する販売情報取得部と、前記販売情報を出力する販売情報出力部として機能させるためのプログラムである。
また、図14は、本明細書で述べたプログラムを実行して、上述した種々の実施の形態の情報処理装置1等を実現するコンピュータの外観を示す。上述の実施の形態は、コンピュータハードウェア及びその上で実行されるコンピュータプログラムで実現され得る。図14は、このコンピュータシステム300の概観図であり、図15は、システム300のブロック図である。
図14において、コンピュータシステム300は、CD−ROMドライブを含むコンピュータ301と、キーボード302と、マウス303と、モニタ304とを含む。
図15において、コンピュータ301は、CD−ROMドライブ3012に加えて、MPU3013と、CD−ROMドライブ3012等に接続されたバス3014と、ブートアッププログラム等のプログラムを記憶するためのROM3015と、MPU3013に接続され、アプリケーションプログラムの命令を一時的に記憶するとともに一時記憶空間を提供するためのRAM3016と、アプリケーションプログラム、システムプログラム、及びデータを記憶するためのハードディスク3017とを含む。ここでは、図示しないが、コンピュータ301は、さらに、LANへの接続を提供するネットワークカードを含んでも良い。
コンピュータシステム300に、上述した実施の形態の情報処理装置1等の機能を実行させるプログラムは、CD−ROM3101に記憶されて、CD−ROMドライブ3012に挿入され、さらにハードディスク3017に転送されても良い。これに代えて、プログラムは、図示しないネットワークを介してコンピュータ301に送信され、ハードディスク3017に記憶されても良い。プログラムは実行の際にRAM3016にロードされる。プログラムは、CD−ROM3101またはネットワークから直接、ロードされても良い。
プログラムは、コンピュータ301に、上述した実施の形態の情報処理装置1等の機能を実行させるオペレーティングシステム(OS)、またはサードパーティープログラム等は、必ずしも含まなくても良い。プログラムは、制御された態様で適切な機能(モジュール)を呼び出し、所望の結果が得られるようにする命令の部分のみを含んでいれば良い。コンピュータシステム300がどのように動作するかは周知であり、詳細な説明は省略する。
なお、上記プログラムにおいて、情報を送信するステップや、情報を受信するステップなどでは、ハードウェアによって行われる処理、例えば、送信ステップにおけるモデムやインターフェースカードなどで行われる処理(ハードウェアでしか行われない処理)は含まれない。
また、上記プログラムを実行するコンピュータは、単数であってもよく、複数であってもよい。すなわち、集中処理を行ってもよく、あるいは分散処理を行ってもよい。
また、上記各実施の形態において、一の装置に存在する2以上の通信手段は、物理的に一の媒体で実現されても良いことは言うまでもない。
また、上記各実施の形態において、各処理は、単一の装置によって集中処理されることによって実現されてもよく、あるいは、複数の装置によって分散処理されることによって実現されてもよい。
本発明は、以上の実施の形態に限定されることなく、種々の変更が可能であり、それらも本発明の範囲内に包含されるものであることは言うまでもない。