JP2022026687A - 情報提供装置 - Google Patents

Abstract

【課題】 広告効果を向上させること。【解決手段】 情報提供装置３０は、ユーザの心理的傾向を示すバイアス情報に基づいて、レコメンド対象を決定する決定部３５と、レコメンド対象に関するレコメンド情報を生成する生成部３６と、レコメンド情報をユーザの端末装置に出力する出力部３７と、レコメンド情報が端末装置に出力された後のユーザの行動を判定する判定部３８と、判定部３８による判定結果に応じて、バイアス情報を更新する更新部３９と、を備える。【選択図】 図３

Description

本開示は、情報提供装置に関する。

従来、アンケートによって、ユーザの消費に対する行動の傾向（心理的傾向）を分類するマーケティング手法が知られている。例えば、特許文献１には、アンケートに対する回答を分析することによって、ユーザの行動パターンを分類することが記載されている。

特開２００２－２５９６５６号公報

ユーザの心理的傾向に応じて商品等のレコメンド情報を配信する手法が考えられる。しかしながら、アンケートだけでは、ユーザの心理的傾向を正確に分析することは困難である。また、ユーザの心理的傾向は、時間の経過とともに変化することがある。したがって、上記手法では、十分な広告効果が得られない可能性がある。

本開示は、広告効果を向上可能な情報提供装置を説明する。

本開示の一側面に係る情報提供装置は、ユーザの心理的傾向を示すバイアス情報に基づいて、レコメンド対象を決定する決定部と、レコメンド対象に関するレコメンド情報を生成する生成部と、レコメンド情報をユーザの端末装置に出力する出力部と、レコメンド情報が端末装置に出力された後のユーザの行動を判定する判定部と、判定部による判定結果に応じて、バイアス情報を更新する更新部と、を備える。

この情報提供装置においては、ユーザの心理的傾向を示すバイアス情報に基づいてレコメンド対象が決定され、レコメンド対象に関するレコメンド情報がユーザの端末装置に出力される。そして、レコメンド情報が端末装置に出力された後のユーザの行動が判定され、判定結果に応じてバイアス情報が更新される。例えば、ユーザがレコメンド情報に従って行動した場合には、レコメンド対象の決定に用いられた心理的傾向をユーザが有している可能性があるので、当該心理的傾向が強くなるようにバイアス情報が更新される。一方、ユーザがレコメンド情報に従って行動しなかった場合には、レコメンド対象の決定に用いられた心理的傾向をユーザが有していない可能性があるので、当該心理的傾向が弱くなるようにバイアス情報が更新される。以上のように、レコメンド情報に対するユーザの行動に応じてバイアス情報が更新されるので、バイアス情報はユーザの心理的傾向をより正確に示すことができる。したがって、より正確なバイアス情報に基づいて、レコメンド対象が決定されるので、ユーザがレコメンド情報に従って行動する可能性を高めることができる。その結果、広告効果を向上させることが可能となる。

本開示によれば、広告効果を向上させることができる。

図１は、一実施形態に係る情報提供装置を含む情報提供システムの概略構成図である。 図２は、アンケートの一例を示す図である。 図３は、図１に示される情報提供装置の機能構成を示すブロック図である。 図４は、グループ情報の一例を示す図である。 図５は、ユーザ情報の一例を示す図である。 図６は、店舗情報の一例を示す図である。 図７は、来店者情報の一例を示す図である。 図８は、図１に示される情報提供装置が行う設定処理を詳細に示すフローチャートである。 図９は、図１に示される情報提供装置が行う情報提供方法の一連の処理を示すフローチャートである。 図１０は、図９に示される決定処理を詳細に示すフローチャートである。 図１１の（ａ）は、携帯端末におけるロック画面の一例を示す図である。図１１の（ｂ）は、携帯端末におけるロック画面の別の例を示す図である。図１１の（ｃ）は、携帯端末におけるロック画面の更に別の例を示す図である。 図１２は、図１に示される情報提供装置のハードウェア構成を示す図である。

以下、添付図面を参照しながら本開示の実施形態を詳細に説明する。なお、図面の説明においては同一要素には同一符号を付し、重複する説明を省略する。

図１を参照して、一実施形態に係る情報提供装置を含む情報提供システムの構成を説明する。図１は、一実施形態に係る情報提供装置を含む情報提供システムの概略構成図である。図１に示される情報提供システム１は、ユーザの心理的傾向に基づいて、レコメンド対象に関するレコメンド情報をユーザに提供するシステムである。レコメンド対象は、ユーザにレコメンド（推薦）される対象である。レコメンド対象の例としては、例えば、店舗等の商業施設が挙げられる。本実施形態では、レコメンド対象として店舗を用いて説明を行う。

心理的傾向は、心理特性、又はバイアス等とも称される。心理的傾向は、人間が行動及び判断を行う上での思考の傾向である。心理的傾向の例としては、同調バイアス、損失回避バイアス、現状維持バイアス、保有バイアス、時間選好（現在志向バイアス）、同調効果、リスク選好、コンコルド効果、アンカリング効果、及びナイーブ性が挙げられる。

同調バイアスとは、多数の意見に流されてしまう心理的傾向である。損失回避バイアスとは、損失を回避しようとする心理的傾向である。現状維持バイアスとは、未知のものに心理的障壁を作り、現在の状況に固執してしまう心理的傾向である。保有バイアスとは、自分が今持っているものに大きな価値を見出し、手放すことに抵抗感を感じる心理的傾向である。保有バイアスは、希少なものを持っている自身に価値があると考える心理的傾向を意味する場合もある。時間選好とは、現在に近い方をより好む心理的傾向である。リスク選好とは、リスクを取りやすい心理的傾向である。同調効果とは、他者よりも優位に立ちたいという心理的傾向である。コンコルド効果とは、これまで費やした時間とお金とを無駄にしたくないという思いから合理的な判断ができなくなる心理的傾向である。アンカリング効果とは、得られる情報の順番で判断が歪められる心理的傾向である。ナイーブ性とは、計画と実際の行動が一致しない心理的傾向である。

情報提供システム１は、複数の携帯端末１０（端末装置）と、複数の店舗端末２０と、情報提供装置３０と、を含む。複数の携帯端末１０、複数の店舗端末２０、及び情報提供装置３０は、ネットワークＮＷを介して互いに通信可能に構成されている。ネットワークＮＷは、有線及び無線のいずれで構成されてもよい。ネットワークＮＷの例としては、移動体通信網、インターネット、及びＷＡＮ（Wide Area Network）が挙げられる。

携帯端末１０は、ユーザによって用いられ、ユーザが携帯可能な装置である。携帯端末１０の例としては、スマートフォン及びタブレット端末が挙げられる。携帯端末１０には、レコメンド情報の提供を受けるためのアプリケーション（以下、「レコメンドアプリケーション」という。）がインストールされている。ユーザは、レコメンドアプリケーションを最初に利用（起動）する時に、ユーザ基本情報を登録する。ユーザ基本情報の例としては、性別、及び年齢が挙げられる。レコメンドアプリケーションは、ユーザに対してユーザの心理的傾向（心理特性）を推定するためのアンケートを実施する。アンケートは、例えば、ユーザ基本情報の登録に続いて行われる。アンケートには、心理的傾向を推定するための質問と、その質問に対する回答の選択肢と、が心理的傾向ごとに準備されている。

図２に示されるように、時間選好を推定するための質問Ｑ１として、例えば「あなたは今１００００円貰うことができます。１週間待てば少し多めに貰うことができます。１週間後にいくら貰えれば、１週間待つことができますか？」が準備されている。質問Ｑ１に対する回答Ａ１の選択肢として、例えば「１）１０１００円、２）１０５００円、３）１１０００円、４）１２０００円、５）１２００１円以上」が準備されている。損失回避バイアスを推定するための質問Ｑ２として、例えば「あなたは旅行に行ったときに一日当たり何か所の観光地を回りますか？」が準備されている。質問Ｑ２に対する回答Ａ２の選択肢として、例えば「１）１か所、２）２か所、３）３か所、４）４か所、５）５か所以上」が準備されている。同調バイアスを推定するための質問Ｑ３として、例えば「あなたを含めた１０人に〇×を実施し、当てはまる方に手を挙げていただきます。あなたは×だと思いました。他の何人の人が〇に手を挙げた場合、あなたはつられて〇に手を挙げますか？」が準備されている。質問Ｑ３に対する回答Ａ３の選択肢として、例えば「１）×に手を挙げる、２）９人、３）８人、４）７人、５）６人」が準備されている。

他のバイアスについても同様に質問と回答とが準備されている。保有バイアスを推定するための質問として、例えば「あなたはブランド品をいくつ所有していますか？」が準備されている。この質問に対する回答の選択肢として、例えば「１）０個、２）１～２個、３）３～４個、４）５～６個、５）７個以上」が準備されている。同調効果を推定するための質問として、例えば「他人と競うコンテンツに取り組んでいるときに、ランキングの上位へ入ることをモチベーションにすることはありますか？当てはまるものを選択してください。」が準備されている。この質問に対する回答の選択肢として、例えば「１）たとえランキング下位でも楽しめる、２）ランキング上位に入ることは重要ではないが、入れるなら入りたい、３）基本的にはランキング上位に入りたいと思っている、４）ランキング上位に入ることが大きなモチベーションになることは間違いない、５）ランキング上位に入ることをモチベーションにすることが最も集中して取り組める」が準備されている。

携帯端末１０は、ユーザ基本情報及びアンケートの回答を示す情報を情報提供装置３０に送信する。なお、ユーザは、レコメンドアプリケーションに待ち受け画面（ロック画面）の背景画像の切り替えを許可しておく。背景画像は、壁紙と称されることもある。

さらに、ユーザは、レコメンドアプリケーションにおいて、嗜好情報を設定してもよい。嗜好情報は、ユーザの好みを示す情報である。例えば、嗜好情報として、ユーザが好きなもの（例えば、好きな食べ物）が設定される。嗜好情報として、ユーザが嫌いなもの（例えば、嫌いな食べ物）が設定されてもよい。ユーザは、レコメンドアプリケーションにおいて予め準備されているリストから、好きなもの及び嫌いなものを選択することによって、嗜好情報を設定してもよい。ユーザは、任意のタイミングで嗜好情報を設定し得る。例えば、ユーザは、レコメンドアプリケーションを最初に利用（起動）する時に、嗜好情報を設定してもよい。嗜好情報が設定されたことに応じて、携帯端末１０は、嗜好情報を情報提供装置３０に送信する。

携帯端末１０は、ＧＰＳ（Global Positioning System）等を用いて携帯端末１０の位置情報（緯度及び経度）を取得する。携帯端末１０は、接続されている無線ネットワークの親局の設置位置の情報を位置情報として取得してもよい。親局の設置位置の例としては、モバイルネットワークの基地局、及びＷｉ－Ｆｉのアクセスポイント等が挙げられる。携帯端末１０は、携帯端末１０の近傍に存在する別の端末の位置情報を携帯端末１０の位置情報として取得してもよい。このような端末としては、例えば、Ｂｌｕｅｔｏｏｔｈ（登録商標）のビーコン端末等が挙げられる。携帯端末１０は、定期的に位置情報を情報提供装置３０に送信する。

店舗端末２０は、各店舗に設けられ、店舗に関する店舗情報を管理する端末装置である。店舗端末２０の例としては、デスクトップＰＣ（Personal Computer）、ノートＰＣ、スマートフォン、及びタブレット端末が挙げられる。店舗情報の詳細については、後述する。店舗の店員（管理者）が店舗端末２０を介して店舗情報に含まれる各情報を任意のタイミングで設定する。なお、画像の説明は、予め準備されている説明の中から選択することによって、設定されてもよい。店舗端末２０は、店舗情報が更新されるたびに店舗情報を情報提供装置３０に送信する。

情報提供装置３０は、携帯端末１０を所持するユーザにレコメンド情報を提供する装置である。情報提供装置３０の例としては、サーバ装置等の情報処理装置が挙げられる。

図３を参照して、情報提供装置３０の機能構成を説明する。図３は、図１に示される情報提供装置の機能構成を示すブロック図である。図３に示されるように、情報提供装置３０は、機能的には、取得部３１と、分析部３２と、設定部３３と、抽出部３４と、決定部３５と、生成部３６と、出力部３７と、判定部３８と、更新部３９と、グループ情報記憶部４１と、ユーザ情報記憶部４２と、店舗情報記憶部４３と、来店者情報記憶部４４と、を備えている。

グループ情報記憶部４１は、各グループのグループ情報を記憶（格納）する機能部である。図４に示されるように、グループ情報は、グループＩＤ（identifier）と、属性情報と、グループバイアス情報と、を含む。グループＩＤは、グループを一意に識別可能な情報である。属性情報は、グループを規定する属性を示す情報である。図４に示される例では、属性として、性別及び年代が用いられている。グループバイアス情報は、グループの心理的傾向を示す情報であり、各心理的傾向のバイアス値を含む。心理的傾向のバイアス値は、心理的傾向の程度を示す値である。本実施形態では、バイアス値が大きいほど、心理的傾向が強いことを示す。バイアス値の最小値は０であり、バイアス値の最大値は１である。グループバイアス情報に含まれる各バイアス値は、例えば、グループに属するユーザの心理的傾向のバイアス値の平均値である。

ユーザ情報記憶部４２は、各ユーザのユーザ情報を記憶（格納）する機能部である。図５に示されるように、ユーザ情報は、端末ＩＤと、ユーザ基本情報と、バイアス情報と、行動変容率と、を含む。端末ＩＤは、携帯端末１０を一意に識別可能な情報である。バイアス情報は、ユーザの心理的傾向を示す情報であり、各心理的傾向のバイアス値を含む。

行動変容率は、レコメンド対象の店舗ごとに設けられ、ユーザがレコメンド情報を受けた場合にレコメンド情報に従って行動した割合を示す。店舗に対する行動変容率は、例えば、店舗に関するレコメンド情報を受けた回数に対する、レコメンド情報に従って当該店舗に行った回数の割合である。つまり、店舗に対する行動変容率は、店舗に関するレコメンド情報に従って行動した回数を、当該店舗に関するレコメンド情報を受け取った回数で除算することによって求められる。端末ＩＤと、ユーザ基本情報と、バイアス情報と、行動変容率とは、互いに対応付けられているので、ユーザ基本情報、バイアス情報、及び行動変容率は、端末ＩＤによって識別される携帯端末１０を所持するユーザの情報である。

店舗情報記憶部４３は、各店舗の店舗情報を記憶（格納）する機能部である。図６に示されるように、店舗情報は、店舗ＩＤと、店舗名と、混雑度と、アクセスポイント情報と、画像と、画像の説明と、推薦度と、を含む。店舗ＩＤは、店舗を一意に識別可能な情報である。店舗名は、店舗の名称である。混雑度は、店舗の混み具合を示す指標である。本実施形態では、混雑度の数値が大きいほど混雑していることを示す。例えば、店舗内に存在する人数が、店舗が受け入れ可能な人数（例えば、席数）と同じである場合、混雑度は１．０である。アクセスポイント情報は、店舗から最も近くに位置するアクセスポイントを特定可能な情報である。図６では、説明の便宜上、アクセスポイントが設置されている場所が示されている。

画像は、店舗に関する画像である。画像の例としては、店舗が提供する商品の画像である商品画像が挙げられる。画像は、携帯端末１０の背景画像として用いられ得る。したがって、背景画像にふさわしい画像が採用され得る。店舗情報には、１以上の画像が含まれている。画像の説明は、各画像に対して設定されており、例えば、画像に含まれる商品の名称、商品の種類、及び特徴等である。推薦度は、各画像に対して設定されており、店舗が画像を推薦している度合いを示す指標である。推薦度の数値が大きいほど、店舗が強く推薦していることを示す。

来店者情報記憶部４４は、各店舗の来店者情報を記憶（格納）する機能部である。来店者情報は、レコメンド情報に従って実際に店舗を訪れたユーザ（以下、「来店者」という。）に関する情報である。図７に示されるように、来店者情報は、店舗ＩＤと、バイアス情報と、行動変容率と、を含む。バイアス情報は、店舗ＩＤによって示される店舗の来店者全体の心理的傾向を示す情報であり、各心理的傾向のバイアス値を含む。各バイアス値は、例えば、すべての来店者の心理的傾向のバイアス値の平均値である。行動変容率は、レコメンド対象の店舗ごとに設けられ、店舗ＩＤによって示される店舗の来店者全体が行動変容する割合を示す。各行動変容率は、例えば、すべての来店者の行動変容率の平均値である。

取得部３１は、各種情報を取得する機能部である。取得部３１は、例えば、新規ユーザの携帯端末１０から端末ＩＤ、ユーザ基本情報、及びアンケートの回答を示す情報を取得する。取得部３１は、例えば、携帯端末１０から端末ＩＤ及び位置情報を取得する。取得部３１は、例えば、店舗端末２０から店舗情報を取得する。取得部３１は、店舗情報を店舗情報記憶部４３に出力し、店舗情報記憶部４３に格納する。

分析部３２は、複数のグループそれぞれの心理的傾向を分析し、複数のグループそれぞれについて、グループ情報を生成する機能部である。分析部３２は、携帯端末１０から得たアンケートの回答を示す情報に基づいて、複数のユーザのそれぞれに対して、心理的傾向ごとにバイアス値を算出する。分析部３２は、各グループについて、心理的傾向ごとにグループに属するユーザのバイアス値の平均値を算出し、グループの心理的傾向のバイアス値とする。以上のようにして、分析部３２は、グループ情報を生成する。分析部３２は、グループ情報をグループ情報記憶部４１に出力し、グループ情報記憶部４１に格納する。

設定部３３は、新規ユーザのユーザ情報を設定する機能部である。設定部３３は、新規ユーザの携帯端末１０から受け取った端末ＩＤ及びユーザ基本情報を、新規ユーザの端末ＩＤ及びユーザ基本情報に設定する。設定部３３は、新規ユーザのユーザ基本情報に基づいて、複数のグループの中から新規ユーザが属するグループを特定し、当該グループのグループ情報を用いて、新規ユーザのユーザ情報を設定する。ユーザ情報の設定方法の詳細については後述する。設定部３３は、新規ユーザのユーザ情報をユーザ情報記憶部４２に出力し、ユーザ情報記憶部４２に格納する。

抽出部３４は、レコメンド対象となり得る店舗を抽出する機能部である。抽出部３４は、携帯端末１０の近傍に存在する店舗を抽出する。

決定部３５は、ユーザの心理的傾向を示すバイアス情報に基づいて、レコメンド対象を決定する機能部である。決定部３５は、ユーザ情報のバイアス情報に含まれるバイアス値の少なくとも１つに基づいて、レコメンド対象を決定する。本実施形態では、決定部３５は、１つのバイアス値に基づいてレコメンド対象を決定する第１決定処理と、複数のバイアス値に基づいてレコメンド対象を決定する第２決定処理と、を実施する。第１決定処理及び第２決定処理の詳細については後述する。

生成部３６は、レコメンド対象に関するレコメンド情報を生成する機能部である。本実施形態では、生成部３６は、決定部３５によって決定されたレコメンド対象である店舗に関するレコメンド情報を生成する。レコメンド情報は、店舗に関する画像を含む。画像は、店舗が提供する商品の商品画像であってもよい。例えば、生成部３６は、決定部３５によって決定された店舗の店舗情報に含まれる画像の推薦度に基づいて、店舗情報に含まれる画像の中から、レコメンド用の画像を選択する。ユーザ情報に嗜好情報が含まれている場合には、生成部３６は、嗜好情報に更に基づいて、レコメンド用の画像を選択してもよい。生成部３６は、レコメンド用の画像を含むレコメンド情報を生成する。

生成部３６は、ユーザの心理的傾向に応じて、レコメンド情報を生成してもよい。例えば、生成部３６は、ユーザの心理的傾向に応じたメッセージを生成し、レコメンド用の画像及びメッセージを含むレコメンド情報を生成してもよい。メッセージは、例えば、ユーザの行動を誘発するメッセージである。

出力部３７は、レコメンド情報を出力する機能部である。出力部３７は、レコメンド情報に含まれる画像を携帯端末１０のロック画面における背景画像として携帯端末１０に設定させるための指令とともに、レコメンド情報を携帯端末１０に出力（送信）する。レコメンド情報にメッセージが含まれる場合には、出力部３７は、背景画像にメッセージを重ね合わせて表示させるための指令を更に出力してもよい。

判定部３８は、レコメンド情報が携帯端末１０に出力された後のユーザの行動を判定する機能部である。判定部３８は、例えば、携帯端末１０を所持するユーザがレコメンド情報に従って行動したか否かを判定する。

更新部３９は、判定部３８による判定結果に応じて、バイアス情報を更新する機能部である。更新部３９は、判定結果に応じて、バイアス情報に含まれるバイアス値の少なくとも１つを更新する。更新部３９は、ユーザがレコメンド情報に従って行動した場合には、心理的傾向の程度が増加するように増加率を用いてバイアス値を変更し、ユーザがレコメンド情報に従って行動しなかった場合には、心理的傾向の程度が減少するように減少率を用いてバイアス値を変更する。減少率は、増加率よりも小さい。

本実施形態では、更新部３９は、ユーザがレコメンド情報に従って行動した場合にはバイアス値を増加し、ユーザがレコメンド情報に従って行動しなかった場合にはバイアス値を減少する。なお、バイアス値は０から１の範囲内で更新される。更新部３９は、決定部３５が第１決定処理によりレコメンド対象の店舗を決定したか、第２決定処理によりレコメンド対象の店舗を決定したかによって、バイアス値の更新方法を切り替える。バイアス値の更新方法の詳細については後述する。

次に、図８を参照して、情報提供装置３０が行うユーザ情報設定処理を説明する。図８は、図１に示される情報提供装置が行うユーザ情報設定処理を詳細に示すフローチャートである。図８に示される処理は、例えば、ユーザがレコメンドアプリケーションを最初に利用する際に、ユーザ基本情報、及びアンケートの回答等を入力することによって開始される。

図８に示されるように、まず、取得部３１が携帯端末１０から端末ＩＤ、ユーザ基本情報、及びアンケートの回答を示す情報を取得（受信）する（ステップＳ１１）。そして、取得部３１は、ユーザ基本情報及びアンケートの回答を示す情報を分析部３２に出力し、端末ＩＤ及びユーザ基本情報を設定部３３に出力する。

続いて、分析部３２は、グループ情報を生成する（ステップＳ１２）。グループ情報の生成方法を以下に具体的に説明する。取得部３１からユーザ基本情報及びアンケートの回答を示す情報を受け取ると、携帯端末１０から得たアンケートの回答を示す情報に基づいて、心理的傾向ごとにバイアス値を算出する。例えば、分析部３２は、図２に示される回答Ａ１の金額（選択肢の数字）が大きいほど時間選好のバイアス値が大きい値となるように、時間選好のバイアス値を算出する。分析部３２は、図２に示される回答Ａ２の数（選択肢の数字）が大きいほど損失回避バイアスのバイアス値が大きい値となるように、損失回避バイアスのバイアス値を算出する。分析部３２は、図２に示される回答Ａ３の選択肢の数字が大きいほど同調バイアスのバイアス値が大きい値となるように、同調バイアスのバイアス値を算出する。分析部３２は、他の心理的傾向のバイアス値も同様に算出する。

そして、分析部３２は、ユーザ基本情報に基づいて、携帯端末１０を所持するユーザが属するグループを特定する。例えば、ユーザが３５歳の男性である場合、分析部３２は、３０代男性のグループであるグループＭ３を特定する。そして、特定したグループについて、心理的傾向ごとにグループに属するユーザのバイアス値の平均値を算出し、グループの心理的傾向のバイアス値とする。以上のようにして、分析部３２は、グループ情報を生成する。そして、分析部３２は、グループ情報をグループ情報記憶部４１に出力し、グループ情報記憶部４１に格納する。

続いて、設定部３３は、新規ユーザのユーザ情報を設定する（ステップＳ１３）。具体的には、設定部３３は、取得部３１から端末ＩＤ及びユーザ基本情報を受け取ると、取得部３１から受け取った端末ＩＤ及びユーザ基本情報を、携帯端末１０のユーザ情報の端末ＩＤ及びユーザ基本情報に設定する。そして、設定部３３は、ユーザ基本情報に基づいて、携帯端末１０を所持するユーザが属するグループを複数のグループの中から特定し、当該グループのグループ情報を用いて、新規ユーザのバイアス情報を設定する。例えば、ユーザが３５歳の男性である場合、設定部３３は、グループ情報記憶部４１に格納されているグループ情報から、グループＭ３のグループ情報を取得し、グループＭ３のグループ情報に含まれるグループバイアス情報を、ユーザのユーザ情報のバイアス情報に設定する。

以上のようにして、設定部３３は、新規ユーザのユーザ情報を設定（生成）する。なお、ユーザ情報の各行動変容率には、無効な値が設定されている。そして、設定部３３は、新規ユーザのユーザ情報をユーザ情報記憶部４２に出力し、ユーザ情報記憶部４２に格納する。以上により、ユーザ情報設定処理が終了する。

なお、分析部３２は、複数のユーザ（携帯端末１０）から得たアンケートの回答を示す情報に基づいて、グループ情報を予め生成している。したがって、分析部３２は、新規ユーザがレコメンドアプリケーションを最初に利用するたびに、グループ情報を生成（更新）しなくてもよい。この場合、ステップＳ１２は省略される。

次に、図９、図１０、及び図１１の（ａ）～図１１の（ｃ）を参照して、情報提供装置３０が行う情報提供方法を説明する。図９は、図１に示される情報提供装置が行う情報提供方法の一連の処理を示すフローチャートである。図１０は、図９に示される決定処理を詳細に示すフローチャートである。図１１の（ａ）は、携帯端末におけるロック画面の一例を示す図である。図１１の（ｂ）は、携帯端末におけるロック画面の別の例を示す図である。図１１の（ｃ）は、携帯端末におけるロック画面の更に別の例を示す図である。図９に示される一連の処理は、例えば、ユーザがレコメンドアプリケーションを起動することによって開始される。レコメンドアプリケーションを起動している携帯端末１０は、定期的に端末ＩＤ及び位置情報を情報提供装置３０に送信する。

図９に示されるように、まず、取得部３１が携帯端末１０の端末ＩＤ及び位置情報を取得する（ステップＳ２１）。本実施形態では、携帯端末１０の位置情報として、アクセスポイントの設置位置の情報が用いられる。そして、取得部３１は、端末ＩＤ及び位置情報を抽出部３４に出力する。

続いて、抽出部３４は、店舗を抽出する（ステップＳ２２）。具体的に説明すると、抽出部３４は、取得部３１から端末ＩＤ及び位置情報（アクセスポイントの設置位置）を受け取ると、店舗情報記憶部４３に格納されている複数の店舗情報から、当該アクセスポイントの設置位置を示すアクセスポイント情報を含む複数の店舗情報を取得する。つまり、取得された店舗情報の店舗が抽出される。そして、抽出部３４は、端末ＩＤ及び抽出された複数の店舗の店舗情報を決定部３５に出力する。

続いて、決定部３５は、抽出部３４から端末ＩＤ及び抽出された複数の店舗の店舗情報を受け取ると、抽出された複数の店舗の中からレコメンド対象となる店舗を決定する決定処理を行う（ステップＳ２３）。ステップＳ２３の決定処理においては、図１０に示されるように、まず決定部３５が、抽出された複数の店舗の店舗情報に基づいて、送客対象となる候補店舗を選定する（ステップＳ３１）。具体的には、決定部３５は、抽出された複数の店舗の店舗情報に含まれる混雑度に基づいて、送客対象となる候補店舗を選定する。決定部３５は、混雑度と予め設定された第１混雑閾値とを比較し、混雑度が第１混雑閾値未満の候補店舗を送客対象の候補店舗として選定する。

続いて、決定部３５は、ユーザ情報記憶部４２に格納されている複数のユーザ情報から、抽出部３４から受け取った端末ＩＤを含むユーザ情報を取得し、来店者情報記憶部４４に格納されている複数の来店者情報から、ステップＳ３１において選定された候補店舗の店舗ＩＤを含む来店者情報を取得する（ステップＳ３２）。

そして、決定部３５は、第１決定処理を行うか否かを判定する（ステップＳ３３）。例えば、当該ユーザについて行われた前回までの情報提供方法において、第１決定処理が連続して行われており、これらの連続して行われた第１決定処理においてすべての心理的傾向のバイアス値が選択されたわけではない場合に、決定部３５は、第１決定処理を行うと判定する（ステップＳ３３；ＹＥＳ）。あるいは、当該ユーザについて行われた前回の情報提供方法において第２決定処理が行われており、前回までの情報提供方法において第２決定処理が所定回数連続して行われている場合、決定部３５は、第１決定処理を行うと判定する（ステップＳ３３；ＹＥＳ）。

第１決定処理においては、決定部３５は、ユーザ情報に含まれている複数の心理的傾向のバイアス値からいずれか１つのバイアス値を選択する（ステップＳ３４）。ステップＳ３４が実施されるごとに、すべての心理的傾向のバイアス値が選択されるように、バイアス値が順に選択される。

一方、当該ユーザについて行われた前回までの情報提供方法において、第１決定処理が連続して行われており、これらの連続して行われた第１決定処理においてすべての心理的傾向のバイアス値が選択されている場合、決定部３５は、第２決定処理を行うと判定する（ステップＳ３３；ＮＯ）。あるいは、当該ユーザについて行われた前回の情報提供方法において第２決定処理が行われているものの、前回までの情報提供方法において第２決定処理が所定回数連続して行われていない場合、決定部３５は、第２決定処理を行うと判定する（ステップＳ３３；ＮＯ）。第２決定処理においては、決定部３５は、ユーザ情報に含まれている複数の心理的傾向のバイアス値のすべてを選択する（ステップＳ３５）。なお、第２決定処理において選択されるバイアス値の数は、第１決定処理において選択されるバイアス値の数よりも大きければよい。第２決定処理において、２以上の任意のバイアス値が選択されてもよい。

そして、決定部３５は、ステップＳ３４又はステップＳ３５において選択されたバイアス値を用いて、各候補店舗の類似度を算出する（ステップＳ３６）。具体的に説明すると、決定部３５は、ステップＳ３４又はステップＳ３５において選択されたバイアス値とユーザ情報に含まれている行動変容率とを要素として有するユーザベクトルを生成する。さらに、決定部３５は、各候補店舗の来店者情報について、ステップＳ３４又はステップＳ３５において選択されたバイアス値に対応する心理的傾向のバイアス値と、来店者情報に含まれている行動変容率とを要素として有する店舗ベクトルを生成する。そして、決定部３５は、ユーザベクトルと各候補店舗の店舗ベクトルとの類似度を算出する。類似度としては、コサイン類似度が用いられてもよい。この場合、決定部３５は、各ベクトルを正規化し、正規化されたベクトルを用いてコサイン類似度を算出する。

そして、決定部３５は、各候補店舗の類似度に基づいて、レコメンド対象の店舗を決定する（ステップＳ３７）。決定部３５は、例えば、候補店舗のうち、最大の類似度を有する候補店舗をレコメンド対象の店舗として決定する。店舗全体の混雑度を分散させるために、決定部３５は、類似度が予め設定された類似閾値よりも大きく、かつ、混雑度が第２混雑閾値よりも小さいという条件を満たす候補店舗をレコメンド対象の店舗として決定してもよい。第２混雑閾値は第１混雑閾値よりも小さい。

複数の候補店舗が上記条件を満たす場合には、決定部３５は、上記条件を満たす候補店舗のうち、最大の類似度を有する候補店舗をレコメンド対象の店舗として決定する。上記条件を満たす候補店舗が存在しない場合、決定部３５は、送客対象となる候補店舗のうち、最大の類似度を有する候補店舗又は最小の混雑度を有する候補店舗をレコメンド対象の店舗として決定する。そして、決定部３５は、レコメンド対象の店舗の店舗情報を、ユーザ情報とともに生成部３６に出力する。

具体例を用いてレコメンド対象の店舗を決定する方法を説明する。店舗Ａ、店舗Ｂ、店舗Ｃ、及び店舗Ｄが抽出されており、ユーザ情報には時間選好のバイアス値と同調バイアスのバイアス値とが含まれているとする。店舗Ａの混雑度は０．３であり、店舗Ｂの混雑度は０．４であり、店舗Ｃの混雑度は０．７であり、店舗Ｄの混雑度は１．１である。例えば、第１混雑閾値が０．９に設定されている場合、送客対象の候補店舗として、店舗Ａ、店舗Ｂ、及び店舗Ｃが選定される。

そして、店舗Ａ、店舗Ｂ、及び店舗Ｃの来店者情報が取得される。説明の便宜上、来店者情報は、［時間選好のバイアス値，同調バイアスのバイアス値，店舗Ａに対する行動変容率，店舗Ｂに対する行動変容率，店舗Ｃに対する行動変容率］を要素として含む店舗ベクトルとして表現される。店舗Ａの店舗ベクトルは、［０．８，０．２，０．６，０．０，０．１］であり、店舗Ｂの店舗ベクトルは、［０．９，０．６，０．５，０．２，０．０］であり、店舗Ｃの店舗ベクトルは、［０．２，０．５，０．２，０．１，０．５］である。一方、店舗ベクトルに対応するユーザ情報のユーザベクトルは、［０．８，０．７，０．４，０．１，０．１］である。

第１決定処理が行われ、時間選好のバイアス値が選択された場合には、上記各ベクトルから同調バイアスのバイアス値を除いたベクトルを用いて、各店舗の類似度（コサイン類似度）が計算される。一方、第２決定処理が行われる場合には、上記ベクトルを用いて、各店舗の類似度（コサイン類似度）が計算される。この場合、店舗Ａの類似度は０．８７８であり、店舗Ｂの類似度は０．９８４であり、店舗Ｃの類似度は０．７３９である。類似閾値が０．８に設定されており、第２混雑閾値が０．７に設定されている場合、店舗Ａ及び店舗Ｂが、類似度が類似閾値よりも大きく、かつ、混雑度が第２混雑閾値よりも小さいという条件を満たすので、店舗Ａ及び店舗Ｂのうち類似度が高い店舗Ｂがレコメンド対象の店舗として決定される。

続いて、生成部３６は、レコメンド情報を生成する（ステップＳ２４）。ステップＳ２４においては、生成部３６は、決定部３５から店舗情報及びユーザ情報を受け取ると、店舗情報に含まれる画像の推薦度と、ユーザ情報に含まれる嗜好情報と、に基づいて、店舗情報に含まれる画像の中から、レコメンド用の画像を選択する。

生成部３６は、例えば、嗜好情報に基づいて、各推薦度に重みを付与する。例えば、生成部３６は、店舗情報に含まれる画像のうち、嗜好情報に設定されている好みのものに相当する画像の推薦度にはデフォルト値よりも大きい重みを付与する。デフォルト値は、例えば１である。生成部３６は、その他の画像の推薦度には、デフォルト値の重みを付与する。生成部３６は、各画像の推薦度と重みとを乗算することによって推薦度を補正する。生成部３６は、嗜好情報に嫌いなものが設定されている場合には、嫌いなものの画像を除外してもよい（例えば、重み０とする）。生成部３６は、過去にレコメンド画像として選択された画像を除外してもよい（例えば、重み０とする）。

そして、生成部３６は、補正された推薦度を用いて、店舗情報に含まれる画像の中からレコメンド用の画像を選択する。生成部３６は、推薦度が最大である画像をレコメンド用の画像として選択してもよい。生成部３６は、予め設定された推薦閾値以上の推薦度を有する画像の中から、ランダムにレコメンド用の画像を選択してもよい。

具体例を用いてレコメンド用画像の選択方法を説明する。嗜好情報の好きなものとして「海鮮丼」が設定されており、嗜好情報の嫌いなものとして「牛丼」が設定されているとする。店舗情報に含まれている画像が［牛丼，新商品，海鮮丼，チャーシュー丼］であり、各推薦度が［０．５，０．９，０．７，０．４］であり、好みのものに付与される重みが１．５に設定されているとする。この場合、嗜好情報によって［牛丼，新商品，海鮮丼，チャーシュー丼］＝［０，０．９，１．０５，０．４］が得られる。そして、生成部３６は、最大の推薦度を有する海鮮丼の画像をレコメンド用の画像として選択する。推薦閾値が０．７に設定されている場合、生成部３６は、新商品の画像及び海鮮丼の画像のいずれかをレコメンド用の画像として選択してもよい。

さらに、生成部３６は、ユーザ情報に含まれるバイアス値のうちの最大のバイアス値を有する心理的傾向を判別する。そして、生成部３６は、判別した心理的傾向に応じたメッセージを生成する。例えば、心理的傾向が時間選好である場合、生成部３６は、時間を短縮できることを示すメッセージを生成する。このようなメッセージの例としては、「人気のｘｘが今なら待たずに入店できます！」が挙げられる。心理的傾向が同調バイアスである場合、生成部３６は、多数の人が訪れていることを示すメッセージを生成する。このようなメッセージの例としては、「大阪と言えばｘｘです！」、及び「話題のｘｘにいってみては」が挙げられる。心理的傾向が損失回避バイアスである場合、生成部３６は、損失を回避し得ること又は利益が得られることを示すメッセージを生成する。このようなメッセージの例としては、「今だけｘｘのクーポンを配信しております」、及び「ｘｘへ行けばdポイントプレゼント！」が挙げられる。なお、最大のバイアス値が予め定められた閾値（例えば、０．５）よりも小さい場合には、生成部３６は、店舗名をメッセージとして生成する。

そして、生成部３６は、レコメンド用の画像及びメッセージを含むレコメンド情報を生成し、レコメンド情報を出力部３７に出力する。

続いて、出力部３７は、レコメンド情報を出力する（ステップＳ２５）。具体的には、出力部３７は、生成部３６からレコメンド情報を受け取ると、レコメンド情報に含まれる画像を携帯端末１０のロック画面における背景画像として携帯端末１０に設定させるための指令とともに、レコメンド情報を携帯端末１０に出力（送信）する。レコメンド情報にメッセージが含まれる場合には、出力部３７は、背景画像にメッセージを重ね合わせて表示させるための指令を更に出力する。出力部３７は、プッシュ通信によってメッセージを出力してもよい。さらに、出力部３７は、不図示のレコメンド情報の履歴（ログ情報）にレコメンド情報を登録してもよい。

携帯端末１０は、情報提供装置３０からレコメンド情報を受信すると、レコメンド情報に含まれる画像をロック画面における背景画像に設定し、レコメンド情報に含まれるメッセージを背景画像に重ね合わせて表示する。図１１の（ａ）には、時間選好を有するユーザの携帯端末１０に表示されるレコメンド情報の一例が示されている。図１１の（ｂ）には、同調バイアスを有するユーザの携帯端末１０に表示されるレコメンド情報の一例が示されている。図１１の（ｃ）には、特定の心理的傾向を有しないユーザの携帯端末１０に表示されるレコメンド情報の一例が示されている。図１１の（ａ）～（ｃ）に示されるように、ユーザの心理的傾向に応じたレコメンドが行われる。

続いて、判定部３８は、レコメンド情報が携帯端末１０に出力された後のユーザの行動を判定する（ステップＳ２６）。具体的には、判定部３８は、携帯端末１０を所持するユーザがレコメンド情報に従って行動したか否かを判定する。判定部３８は、例えば、レコメンド情報を送信してから所定の時間が経過するまでの携帯端末１０の時系列の位置情報を取得部３１を介して携帯端末１０から取得し、時系列の位置情報に基づいてユーザがレコメンド情報に従って行動したか否かを判定する。例えば、判定部３８は、位置情報によって示される位置がレコメンド対象の店舗内に一定時間留まっている場合、ユーザがレコメンド情報に従って行動したと判定し、それ以外の場合、ユーザがレコメンド情報に従って行動していないと判定する。そして、判定部３８は、ユーザがレコメンド情報に従って行動したか否かを示す判定結果を更新部３９に出力する。さらに、判定部３８は、不図示のレコメンド情報の履歴（ログ情報）に、判定結果を登録する。

続いて、更新部３９は、ユーザ情報を更新する（ステップＳ２７）。ステップＳ２７において、更新部３９は、判定結果を受け取ると、判定結果に応じてユーザ情報に含まれる行動変容率及びバイアス値を更新する。

行動変容率の更新について、具体的に説明する。更新部３９は、不図示のレコメンド情報の履歴（ログ情報）から、ステップＳ２３において決定されたレコメンド対象の店舗に関するレコメンド情報を送信した回数（送信回数）と、ユーザがレコメンド情報に従って行動した回数（行動回数）と、を取得する。そして、更新部３９は、行動回数を送信回数で除算することによって、レコメンド対象の店舗の行動変容率を算出し、ユーザ情報記憶部４２に格納されているユーザ情報における当該店舗の行動変容率を更新する。

バイアス値の更新方法は、ステップＳ２３において第１決定処理によりレコメンド対象の店舗が決定されたか、第２決定処理によりレコメンド対象の店舗が決定されたかによって異なる。第１決定処理によりレコメンド対象の店舗が決定された場合には、更新部３９は、ステップＳ３４において選択されたバイアス値のみを更新する。より具体的には、更新部３９は、第１決定処理によりレコメンド対象の店舗が決定され、かつ、ユーザがレコメンド情報に従って行動した場合に、ステップＳ３４において選択されたバイアス値を増加する。例えば、更新部３９は、現在のバイアス値を１（最大値）から減算した値と増加率とを乗算することによって増加値を算出し、現在のバイアス値に増加値を加算することによってバイアス値を更新（増加）する。

更新部３９は、第１決定処理によりレコメンド対象の店舗が決定され、かつ、ユーザがレコメンド情報に従って行動しなかった場合に、ステップＳ３４において選択されたバイアス値を減少する。例えば、更新部３９は、現在のバイアス値と減少率とを乗算することによって減少値を算出し、現在のバイアス値から減少値を減算することによってバイアス値を更新（減少）する。減少率は、増加率よりも小さい。

例えば、図５に示される端末ＩＤが「Ｔ１」の携帯端末１０を所持するユーザに対して、時間選好を用いてレコメンド対象の店舗が決定されたとする。増加率は０．１に設定されており、減少率は０．０１に設定されている。ユーザがレコメンド情報に従って行動した場合、時間選好のバイアス値は０．６から０．６４（＝０．６＋（１－０．６）×０．１）に変更される。ユーザがレコメンド情報に従って行動しなかった場合、時間選好のバイアス値は０．６から０．５９４（＝０．６－０．６×０．０１）に変更される。

第２決定処理によりレコメンド対象の店舗が決定された場合には、更新部３９は、各バイアス値（心理的傾向）に設定された重要度に基づいて、すべてのバイアス値を更新する。重要度は、各バイアス値（心理的傾向）を説明変数とし、行動変容率を目的変数とした場合に、各説明変数が目的変数に及ぼす影響の程度を示す指標である。各重要度は、回帰分析等によって予め算出され、設定されている。

具体的には、更新部３９は、第２決定処理によりレコメンド対象の店舗が決定され、かつ、ユーザがレコメンド情報に従って行動した場合に、すべてのバイアス値を増加する。例えば、更新部３９は、各バイアス値について、現在のバイアス値を１（最大値）から減算した値と増加率と重要度とを乗算することによって増加値を算出し、現在のバイアス値に増加値を加算することによってバイアス値を更新（増加）する。

更新部３９は、第２決定処理によりレコメンド対象の店舗が決定され、かつ、ユーザがレコメンド情報に従って行動しなかった場合に、すべてのバイアス値を減少する。例えば、更新部３９は、各バイアス値について、現在のバイアス値と減少率と重要度とを乗算することによって減少値を算出し、現在のバイアス値から減少値を減算することによってバイアス値を更新（減少）する。

例えば、図５に示される端末ＩＤが「Ｔ２」の携帯端末１０を所持するユーザに対して、時間選好及び保有バイアスを用いてレコメンド対象の店舗が決定されたとする。増加率は０．１に設定されており、減少率は０．０１に設定されている。時間選好の重要度が０．６に設定されており、保有バイアスの重要度が０．４に設定されている。ユーザがレコメンド情報に従って行動した場合、時間選好のバイアス値は０．８から０．８１２（＝０．８＋（１－０．８）×０．６×０．１）に変更され、保有バイアスのバイアス値は０．５から０．５２（＝０．５＋（１－０．５）×０．４×０．１）に変更される。ユーザがレコメンド情報に従って行動しなかった場合、時間選好のバイアス値は０．８から０．７９５２（＝０．８－０．８×０．６×０．０１）に変更され、保有バイアスのバイアス値は０．５から０．４９８（＝０．５－０．５×０．４×０．０１）に変更される。

ユーザがレコメンド情報に従って行動したことを判定結果が示し、かつ、ユーザがレコメンド対象の店舗を初めて訪れた場合、更新部３９は、レコメンド対象の店舗の来店者情報を更新する。具体的には、更新部３９は、当該ユーザのバイアス値及び行動変容率も含めて来店者情報のバイアス値及び行動変容率を計算し直す。なお、更新部３９は、ユーザ情報に含まれるバイアス情報の各バイアス値を変更したことに応じて、グループ情報に含まれるグループバイアス情報の各バイアス値を更新してもよい。ユーザのバイアス値の変動は、グループのバイアス値にほとんど影響を及ぼさないので、更新部３９は、例えば、定期的に（月に１回程度）グループ情報を更新してもよい。

以上により、情報提供方法の一連の処理が終了する。ステップＳ３３における第１決定処理と第２決定処理との切り替え条件は、適宜設定される。上述のように、ユーザ情報に含まれるすべての心理的傾向のバイアス値が選択されるまで第１決定処理が繰り返し行われ、その後、第２決定処理が所定回数行われ、そして第１決定処理が再び行われるという流れが繰り返されてもよい。

以上説明した情報提供装置３０においては、ユーザの心理的傾向を示すバイアス情報に基づいてレコメンド対象の店舗が決定され、レコメンド対象の店舗に関するレコメンド情報がユーザの携帯端末１０に出力される。そして、レコメンド情報が携帯端末１０に出力された後のユーザの行動が判定され、判定結果に応じてバイアス情報が更新される。例えば、ユーザがレコメンド情報に従って行動した場合には、レコメンド対象の店舗の決定に用いられた心理的傾向をユーザが有している可能性があるので、当該心理的傾向が強くなるようにバイアス情報が更新される。一方、ユーザがレコメンド情報に従って行動しなかった場合には、レコメンド対象の店舗の決定に用いられた心理的傾向をユーザが有していない可能性があるので、当該心理的傾向が弱くなるようにバイアス情報が更新される。以上のように、レコメンド情報に対するユーザの行動に応じてバイアス情報が更新されるので、バイアス情報はユーザの心理的傾向をより正確に示すことができる。したがって、より正確なバイアス情報に基づいて、レコメンド対象の店舗が決定されるので、ユーザがレコメンド情報に従って行動する可能性を高めることができる。その結果、広告効果を向上させることが可能となる。

バイアス情報は、複数の心理的傾向の程度をそれぞれ示す複数のバイアス値を含む。決定部３５は、複数のバイアス値の少なくとも１つに基づいて、レコメンド対象の店舗を決定する。更新部３９は、判定部３８による判定結果に応じて、レコメンド対象の店舗の決定に用いられたバイアス値を更新する。この構成によれば、レコメンド対象の店舗の決定に用いられたバイアス値が、レコメンド情報に対するユーザの行動に応じて更新されるので、当該バイアス値は、ユーザの心理的傾向の程度をより正確に示すことができる。したがって、より正確なバイアス値を含むバイアス情報に基づいて、レコメンド対象の店舗が決定されるので、ユーザがレコメンド情報に従って行動する可能性を高めることができる。その結果、広告効果を向上させることが可能となる。

決定部３５は、１つのバイアス値に基づいてレコメンド対象の店舗を決定する第１決定処理と、２以上のバイアス値に基づいてレコメンド対象の店舗を決定する第２決定処理と、を実施する。更新部３９は、第１決定処理によりレコメンド対象の店舗が決定された場合には、第１決定処理に用いられた１つのバイアス値を更新し、第２決定処理によりレコメンド対象の店舗が決定された場合には、第２決定処理に用いられた２以上のバイアス値を更新する。レコメンド対象の店舗の決定に用いられるバイアス値の数が多いほど、ユーザに行動を起こさせる店舗が選ばれる可能性が高い。しかしながら、第２決定処理だけが行われる場合には、すべてのバイアス値が均等に更新されないおそれがある。例えば、第２決定処理に用いられた２以上のバイアス値は、重要度に応じて更新されるので、重要度が低い心理的傾向のバイアス値は十分に更新されない可能性がある。これに対して、第１決定処理が行われる場合には１つのバイアス値が更新されるので、第１決定処理に用いられるバイアス値を複数のバイアス値から順に選択することによって、各バイアス値を均等に更新することが可能となる。以上のことから、第１決定処理と第２決定処理とが実施されることにより、バイアス値を均等に更新しながら、ユーザがレコメンド情報に従って行動する可能性を高めることが可能となる。

更新部３９は、第１決定処理によりレコメンド対象の店舗が決定され、かつ、ユーザがレコメンド情報に従って行動した場合に、第１決定処理に用いられた１つのバイアス値によって示される心理的傾向の程度が増加するように増加率を用いて当該バイアス値を変更する。更新部３９は、第１決定処理によりレコメンド対象の店舗が決定され、かつ、ユーザがレコメンド情報に従って行動しなかった場合に、第１決定処理に用いられた１つのバイアス値によって示される心理的傾向の程度が減少するように増加率よりも小さい減少率を用いて当該バイアス値を変更する。一般に、レコメンド情報に従ってユーザが行動する可能性は高くはない。したがって、ユーザがレコメンド情報に従って行動しなかった場合におけるバイアス値の減少率を、ユーザがレコメンド情報に従って行動した場合におけるバイアス値の増加率よりも小さくすることによって、バイアス値が小さくなりすぎることを回避できる。

更新部３９は、第２決定処理によりレコメンド対象の店舗が決定された場合には、第２決定処理に用いられた２以上のバイアス値のそれぞれに設定された重要度に基づいて、２以上のバイアス値を更新する。各心理的傾向がユーザの行動に及ぼす影響度（重要度）は、互いに異なっている。したがって、例えば、重要度が高いほどバイアス値を大きな変動率で変更することによって、各バイアス値は、ユーザの心理的傾向の程度をより一層正確に示すことができる。その結果、ユーザがレコメンド情報に従って行動する可能性をより一層高めることができ、広告効果をより一層向上させることが可能となる。

分析部３２は、複数のユーザを各ユーザの属性に基づいて分類することで形成された複数のグループそれぞれの心理的傾向を分析し、複数のグループそれぞれについて、グループの心理的傾向を示すグループバイアス情報を生成する。設定部３３は、ユーザ（新規ユーザ）の属性に基づいて、複数のグループのうちのユーザ（新規ユーザ）が属するグループのグループバイアス情報を用いてユーザ（新規ユーザ）のバイアス情報を設定する。同じ属性を有するユーザ同士は、同じ心理的傾向を有する可能性がある。グループには複数のユーザが属していることから、分析部３２によって分析された心理的傾向は、グループに属する平均的なユーザの心理的傾向である可能性が高い。したがって、グループバイアス情報を新規ユーザのバイアス情報として用いることによって、グループに属する平均的なユーザの心理的傾向に基づいてレコメンド対象が決定される。この構成によれば、仮に新規ユーザがアンケートに回答しなかったとしても、新規ユーザがレコメンド情報に従って行動する可能性を高めることができる。その結果、広告効果を向上させることが可能となる。

以上、本開示の実施形態について説明したが、本開示は上記実施形態に限定されない。

情報提供装置３０は、物理的又は論理的に結合した１つの装置によって構成されていてもよく、互いに物理的又は論理的に分離している複数の装置によって構成されてもよい。例えば、情報提供装置３０は、クラウドコンピューティングのようにネットワーク上に分散された複数のコンピュータによって実現されてもよい。以上のように、情報提供装置３０の構成は、情報提供装置３０の機能を実現し得るいかなる構成をも含み得る。

レコメンド対象は、店舗等の商業施設に限られない。レコメンド対象は、商業施設以外の施設であってもよい。レコメンド対象は、ユーザに推薦可能な場所、及び商品等であってもよい。

上記実施形態では、店舗の店員（管理者）が店舗端末２０を介して店舗の混雑度を設定している。この場合、店員が混雑度を設定し忘れる可能性があるので、混雑度のデフォルト値は混雑を示す値（例えば、１．０）に設定されてもよい。店員が混雑度を更新し忘れる可能性があるので、前回の更新から一定時間経過した場合に、混雑度が混雑を示す値（例えば、１．０）に更新されてもよい。

情報提供装置３０が店舗の混雑度を算出してもよい。例えば、携帯端末１０の位置情報によって示される位置が店舗内に含まれる場合に、情報提供装置３０は、携帯端末１０のユーザが入店していると判定し、店舗内に存在するユーザの人数を推定する。そして、情報提供装置３０は、推定した人数を店舗が受け入れ可能な人数で除算することによって混雑度を算出してもよい。店舗にアクセスポイントが設置されている場合には、情報提供装置３０は、アクセスポイントによって捕捉された携帯端末１０の数を、店舗の受け入れ可能な人数と回線シェア率とを乗算した結果により除算することによって混雑度を算出してもよい。

上記実施形態では、グループは、属性によって規定されているが、バイアス値によって規定されてもよい。例えば、０．８以上の時間選好を有するユーザの集合がグループとして規定され得る。グループ情報は、行動変容率を更に含んでもよい。グループ情報の行動変容率は、例えば、グループに属するユーザの行動変容率の平均値である。この場合、決定部３５は、ユーザ情報に代えて、ユーザが属するグループのグループ情報を用いてレコメンド対象の店舗を決定してもよい。

上記実施形態では、生成部３６は、店舗情報に含まれる画像の推薦度と、ユーザ情報に含まれる嗜好情報と、に基づいて、レコメンド用の画像を選択しているが、生成部３６は、嗜好情報を用いることなく、店舗情報に含まれる画像の推薦度に基づいてレコメンド用の画像を選択してもよい。この場合、生成部３６は、推薦度が最大である画像をレコメンド用の画像として選択してもよい。生成部３６は、予め設定された推薦閾値以上の推薦度を有する画像の中から、ランダムにレコメンド用の画像を選択してもよい。

上記実施形態では、すべての候補店舗の類似度が類似閾値以下である場合、最大の類似度を有する候補店舗がレコメンド対象の店舗として決定される。しかしながら、類似度が類似閾値以下であるので、ユーザがレコメンド対象の店舗を訪れる可能性は高くない。そこで、決定部３５は、候補店舗とは異なる店舗であって、類似度が類似閾値よりも大きい店舗と共通の商品を提供する店舗を、レコメンド対象の店舗として決定してもよい。

具体的に説明すると、決定部３５は、抽出部３４によって抽出された店舗のうち、候補店舗に選定されなかった残りの店舗とユーザとの類似度を算出する。具体的には、決定部３５は、候補店舗と同様に、残りの店舗の店舗ベクトルを生成し、ユーザベクトルと店舗ベクトルとの類似度を算出する。そして、決定部３５は、残りの店舗の類似度が類似閾値よりも大きい場合には、当該残りの店舗が提供する商品と同様の商品を提供する候補店舗を、レコメンド対象の店舗として決定する。決定部３５は、残りの店舗の店舗情報に含まれる画像の説明と、各候補店舗の店舗情報に含まれる商品の説明と、の類似度を算出する。決定部３５は、例えば、文字列のパターンマッチングによって類似度を算出する。そして、決定部３５は、類似度が所定の閾値よりも大きい商品の説明を含む店舗情報に含まれる店舗ＩＤによって示される候補店舗を、レコメンド対象の店舗として決定する。この場合、生成部３６は、類似度が所定の閾値よりも大きい商品の画像をレコメンド用の画像として選択する。

例えば、店舗Ａ、店舗Ｂ、及び店舗Ｃが候補店舗として選定されており、いずれの店舗の類似度も０．１程度であったとする。店舗Ｄの類似度が０．９であるが、混雑度が第１混雑閾値よりも大きいので、店舗Ｄは、候補店舗に選定されない。店舗Ｄの店舗情報の商品の説明には、［醤油ラーメン，味噌ラーメン，塩ラーメン，チャーシュー丼，チャーハン］が含まれており、各候補店舗の店舗情報が、これらの商品の説明と同様の商品の説明を有するか否かが判定される。店舗Ｃの店舗情報の商品の説明に［牛丼，新商品，海鮮丼，チャーシュー丼］が含まれていたとすると、「チャーシュー丼」が共通するので、店舗Ｃがレコメンド対象の店舗として決定される。そして、チャーシュー丼の画像がレコメンド用の画像として選択される。

上記実施形態では、レコメンド情報に含まれる画像は携帯端末１０のロック画面の背景画像に設定されているが、ホーム画面の背景画像に設定されてもよい。この場合、出力部３７は、レコメンド情報に含まれる画像を、携帯端末１０のホーム画面における背景画像として携帯端末１０に設定させるための指令を出力する。

判定部３８は、レコメンド情報が携帯端末１０に出力された後に、携帯端末１０を所持するユーザが訪れた場所（店舗）を推定してもよい。判定部３８は、例えば、携帯端末１０の時系列の位置情報から、ユーザが訪れた場所を推定する。更新部３９は、第１決定処理によりレコメンド対象の店舗が決定され、かつ、ユーザがレコメンド情報に従って行動しなかった場合に、ユーザが訪れた場所に応じて減少率を変更してもよい。例えば、ユーザが、第１決定処理において選択された心理的傾向とは相反する場所を訪れた場合、更新部３９は、減少率をデフォルト値（例えば、０．０１）よりも大きい値に設定する。ユーザが、第１決定処理において選択された心理的傾向と近い場所を訪れた場合、更新部３９は、減少率をデフォルト値よりも小さい値に設定する。

分析部３２は、各ユーザの心理的傾向を分析し、ユーザ情報を生成してもよい。この場合、設定部３３は、分析部３２によって生成されたユーザ情報をユーザ情報記憶部４２に出力し、ユーザ情報記憶部４２に格納する。したがって、情報提供装置３０は、グループ情報記憶部４１を備えていなくてもよい。情報提供装置３０は、分析部３２、設定部３３、及びユーザ情報記憶部４２を更に備えていなくてもよい。この場合、情報提供装置３０は、外部のユーザ情報記憶部からユーザ情報を取得してもよい。同様に、情報提供装置３０は、店舗情報記憶部４３を備えていなくてもよい。この場合、情報提供装置３０は、外部の店舗情報記憶部から店舗情報を取得してもよい。同様に、情報提供装置３０は、来店者情報記憶部４４を備えていなくてもよい。この場合、情報提供装置３０は、外部の来店者情報記憶部から来店者情報を取得してもよい。

決定部３５がレコメンド対象の店舗を決定する方法は上記実施形態の方法に限られない。決定部３５は、第１決定処理及び第２決定処理のいずれか一方のみを実施してもよい。生成部３６がレコメンド情報を生成する方法は上記実施形態の方法に限られない。例えば、情報提供装置３０は、抽出部３４を備えていなくてもよい。

なお、上記実施形態の説明に用いられたブロック図は、機能単位のブロックを示している。これらの機能ブロック（構成部）は、ハードウェア及びソフトウェアの少なくとも一方の任意の組み合わせによって実現される。各機能ブロックの実現方法は特に限定されない。すなわち、各機能ブロックは、物理的又は論理的に結合した１つの装置を用いて実現されてもよいし、物理的又は論理的に分離した２つ以上の装置を直接的又は間接的に（例えば、有線、無線などを用いて）接続し、これら複数の装置を用いて実現されてもよい。機能ブロックは、上記１つの装置又は上記複数の装置にソフトウェアを組み合わせて実現されてもよい。

機能には、判断、決定、判定、計算、算出、処理、導出、調査、探索、確認、受信、送信、出力、アクセス、解決、選択、選定、確立、比較、想定、期待、見做し、報知（broadcasting）、通知（notifying）、通信（communicating）、転送（forwarding）、構成（configuring）、再構成（reconfiguring）、割り当て（allocating、mapping）、及び割り振り（assigning）などがあるが、これらの機能に限られない。例えば、送信を機能させる機能ブロック（構成部）は、送信部（transmitting unit）又は送信機（transmitter）と呼称される。いずれも、上述したとおり、実現方法は特に限定されない。

例えば、本開示の一実施形態における情報提供装置３０は、本開示の処理を行うコンピュータとして機能してもよい。図１２は、本開示の一実施形態に係る情報提供装置のハードウェア構成の一例を示す図である。上述の情報提供装置３０は、物理的には、プロセッサ１００１、メモリ１００２、ストレージ１００３、通信装置１００４、入力装置１００５、出力装置１００６、及びバス１００７などを含むコンピュータ装置として構成されてもよい。

なお、以下の説明では、「装置」という文言は、回路、デバイス、及びユニットなどに読み替えることができる。情報提供装置３０のハードウェア構成は、図に示された各装置を１つ又は複数含むように構成されてもよいし、一部の装置を含まずに構成されてもよい。

情報提供装置３０における各機能は、プロセッサ１００１及びメモリ１００２などのハードウェア上に所定のソフトウェア（プログラム）を読み込ませることによって、プロセッサ１００１が演算を行い、通信装置１００４による通信を制御したり、メモリ１００２及びストレージ１００３におけるデータの読み出し及び書き込みの少なくとも一方を制御したりすることによって実現される。

プロセッサ１００１は、例えば、オペレーティングシステムを動作させてコンピュータ全体を制御する。プロセッサ１００１は、周辺装置とのインターフェース、制御装置、演算装置、及びレジスタなどを含む中央処理装置（ＣＰＵ：Central Processing Unit）によって構成されてもよい。例えば、上述の情報提供装置３０の各機能は、プロセッサ１００１によって実現されてもよい。

プロセッサ１００１は、プログラム（プログラムコード）、ソフトウェアモジュール、及びデータなどを、ストレージ１００３及び通信装置１００４の少なくとも一方からメモリ１００２に読み出し、これらに従って各種の処理を実行する。プログラムとしては、上述の実施形態において説明された動作の少なくとも一部をコンピュータに実行させるプログラムが用いられる。例えば、情報提供装置３０の各機能は、メモリ１００２に格納され、プロセッサ１００１において動作する制御プログラムによって実現されてもよい。上述の各種処理は、１つのプロセッサ１００１によって実行される旨を説明してきたが、２以上のプロセッサ１００１により同時又は逐次に実行されてもよい。プロセッサ１００１は、１以上のチップによって実装されてもよい。なお、プログラムは、電気通信回線を介してネットワークから送信されてもよい。

メモリ１００２は、コンピュータ読み取り可能な記録媒体であり、例えば、ＲＯＭ（Read Only Memory）、ＥＰＲＯＭ（Erasable Programmable ＲＯＭ）、ＥＥＰＲＯＭ（Electrically Erasable Programmable ＲＯＭ）、及びＲＡＭ（Random Access Memory）などの少なくとも１つによって構成されてもよい。メモリ１００２は、レジスタ、キャッシュ、又はメインメモリ（主記憶装置）などと呼ばれてもよい。メモリ１００２は、本開示の一実施形態に係る情報提供方法を実施するために実行可能なプログラム（プログラムコード）、ソフトウェアモジュールなどを保存することができる。

ストレージ１００３は、コンピュータ読み取り可能な記録媒体であり、例えば、ＣＤ－ＲＯＭ（Compact Disc ＲＯＭ）などの光ディスク、ハードディスクドライブ、フレキシブルディスク、光磁気ディスク（例えば、コンパクトディスク、デジタル多用途ディスク、Ｂｌｕ－ｒａｙ（登録商標）ディスク）、スマートカード、フラッシュメモリ（例えば、カード、スティック、キードライブ）、フロッピー（登録商標）ディスク、及び磁気ストリップなどの少なくとも１つによって構成されてもよい。ストレージ１００３は、補助記憶装置と呼ばれてもよい。上述の記憶媒体は、例えば、メモリ１００２及びストレージ１００３の少なくとも一方を含むデータベース、サーバ、その他の適切な媒体であってもよい。

通信装置１００４は、有線ネットワーク及び無線ネットワークの少なくとも一方を介してコンピュータ間の通信を行うためのハードウェア（送受信デバイス）であり、例えばネットワークデバイス、ネットワークコントローラ、ネットワークカード、又は通信モジュールなどともいう。通信装置１００４は、例えば周波数分割複信（ＦＤＤ：Frequency Division Duplex）及び時分割複信（ＴＤＤ：Time Division Duplex）の少なくとも一方を実現するために、高周波スイッチ、デュプレクサ、フィルタ、周波数シンセサイザなどを含んで構成されてもよい。例えば、上述の取得部３１、及び出力部３７などは、通信装置１００４によって実現されてもよい。

入力装置１００５は、外部からの入力を受け付ける入力デバイス（例えば、キーボード、マウス、マイクロフォン、スイッチ、ボタン、センサなど）である。出力装置１００６は、外部への出力を実施する出力デバイス（例えば、ディスプレイ、スピーカー、ＬＥＤランプなど）である。なお、入力装置１００５及び出力装置１００６は、一体となった構成（例えば、タッチパネル）であってもよい。

プロセッサ１００１及びメモリ１００２などの各装置は、情報を通信するためのバス１００７によって接続される。バス１００７は、単一のバスを用いて構成されてもよいし、装置間ごとに異なるバスを用いて構成されてもよい。

情報提供装置３０は、マイクロプロセッサ、デジタル信号プロセッサ（ＤＳＰ：Digital Signal Processor）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＰＬＤ（Programmable Logic Device）、ＦＰＧＡ（Field Programmable Gate Array）などのハードウェアを含んで構成されてもよく、当該ハードウェアにより、各機能ブロックの一部又は全てが実現されてもよい。例えば、プロセッサ１００１は、これらのハードウェアの少なくとも１つを用いて実装されてもよい。

情報の通知は、本開示において説明された態様／実施形態に限られず、他の方法を用いて行われてもよい。

本開示において説明された各態様／実施形態の処理手順、シーケンス、フローチャートなどは、矛盾の無い限り、順序を入れ替えてもよい。例えば、本開示において説明された方法については、例示的な順序を用いて様々なステップの要素を提示しており、提示された特定の順序に限定されない。

情報等は、上位レイヤから下位レイヤへ、又は下位レイヤから上位レイヤへ出力され得る。情報等は、複数のネットワークノードを介して入出力されてもよい。

入出力された情報等は特定の場所（例えば、メモリ）に保存されてもよいし、管理テーブルを用いて管理されてもよい。入出力される情報等は、上書き、更新、又は追記され得る。出力された情報等は削除されてもよい。入力された情報等は他の装置へ送信されてもよい。

判定は、１ビットで表される値（０か１か）によって行われてもよいし、真偽値（Boolean：true又はfalse）によって行われてもよいし、数値の比較（例えば、所定の値との比較）によって行われてもよい。

本開示において説明された各態様／実施形態は単独で用いられてもよいし、組み合わせて用いられてもよいし、実行に伴って切り替えて用いられてもよい。所定の情報の通知（例えば、「Ｘであること」の通知）は、明示的な通知に限られず、暗黙的に（例えば、当該所定の情報の通知を行わないことによって）行われてもよい。

以上、本開示について詳細に説明したが、当業者にとっては、本開示が本開示中に説明された実施形態に限定されないということは明らかである。本開示は、請求の範囲の記載により定まる本開示の趣旨及び範囲を逸脱することなく修正及び変更態様として実施することができる。したがって、本開示の記載は、例示説明を目的とし、本開示に対して何ら制限的な意味を有しない。

ソフトウェアは、ソフトウェア、ファームウェア、ミドルウェア、マイクロコード、ハードウェア記述言語と呼ばれるか、他の名称で呼ばれるかを問わず、命令、命令セット、コード、コードセグメント、プログラムコード、プログラム、サブプログラム、ソフトウェアモジュール、アプリケーション、ソフトウェアアプリケーション、ソフトウェアパッケージ、ルーチン、サブルーチン、オブジェクト、実行可能ファイル、実行スレッド、手順、機能などを意味するよう広く解釈されるべきである。

ソフトウェア、命令、及び情報などは、伝送媒体を介して送受信されてもよい。例えば、ソフトウェアが、有線技術（同軸ケーブル、光ファイバケーブル、ツイストペア、デジタル加入者回線（ＤＳＬ：Digital Subscriber Line）など）及び無線技術（赤外線、マイクロ波など）の少なくとも一方を使用してウェブサイト、サーバ、又は他のリモートソースから送信される場合、これらの有線技術及び無線技術の少なくとも一方は、伝送媒体の定義内に含まれる。

本開示において説明された情報、及び信号などは、様々な異なる技術のいずれかを使用して表されてもよい。例えば、上記の説明全体に渡って言及され得るデータ、命令、コマンド、情報、信号、ビット、シンボル、及びチップなどは、電圧、電流、電磁波、磁界若しくは磁性粒子、光場若しくは光子、又はこれらの任意の組み合わせによって表されてもよい。

なお、本開示において説明された用語及び本開示の理解に必要な用語については、同一の又は類似する意味を有する用語と置き換えられてもよい。

本開示において使用される「システム」及び「ネットワーク」という用語は、互換的に使用される。

本開示において説明された情報、及びパラメータなどは、絶対値を用いて表されてもよいし、所定の値からの相対値を用いて表されてもよいし、対応する別の情報を用いて表されてもよい。

上述したパラメータに使用される名称はいかなる点においても限定的な名称ではない。さらに、これらのパラメータを使用する数式等は、本開示で明示的に開示した数式等と異なる場合もある。

本開示で使用される「判断（determining）」、及び「決定（determining）」という用語は、多種多様な動作を包含する場合がある。「判断」、「決定」は、例えば、判定（judging）、計算（calculating）、算出（computing）、処理（processing）、導出（deriving）、調査（investigating）、探索（looking up、search、inquiry）（例えば、テーブル、データベース又は別のデータ構造での探索）、確認（ascertaining）した事を「判断」「決定」したとみなす事などを含み得る。「判断」、「決定」は、受信（receiving）（例えば、情報を受信すること）、送信（transmitting）（例えば、情報を送信すること）、入力（input）、出力（output）、アクセス（accessing）（例えば、メモリ中のデータにアクセスすること）した事を「判断」「決定」したとみなす事などを含み得る。「判断」、「決定」は、解決（resolving）、選択（selecting）、選定（choosing）、確立（establishing）、比較（comparing）などした事を「判断」「決定」したとみなす事を含み得る。つまり、「判断」「決定」は、何らかの動作を「判断」「決定」したとみなす事を含み得る。「判断（決定）」は、「想定する（assuming）」、「期待する（expecting）」、又は「みなす（considering）」などで読み替えられてもよい。

「接続された（connected）」、「結合された（coupled）」という用語、又はこれらのあらゆる変形は、２又はそれ以上の要素間の直接的又は間接的なあらゆる接続又は結合を意味し、互いに「接続」又は「結合」された２つの要素間に１又はそれ以上の中間要素が存在することを含むことができる。要素間の結合又は接続は、物理的に行われてもよく、論理的に行われてもよく、或いはこれらの組み合わせで実現されてもよい。例えば、「接続」は「アクセス」で読み替えられてもよい。本開示で使用される場合、２つの要素は、１又はそれ以上の電線、ケーブル及びプリント電気接続の少なくとも一つを用いて、並びにいくつかの非限定的かつ非包括的な例として、無線周波数領域、マイクロ波領域及び光（可視及び不可視の両方）領域の波長を有する電磁エネルギーなどを用いて、互いに「接続」又は「結合」されると考えることができる。

本開示において使用される「に基づいて」という記載は、別段に明記されていない限り、「のみに基づいて」を意味しない。言い換えれば、「に基づいて」という記載は、「のみに基づいて」と「に少なくとも基づいて」の両方を意味する。

本開示において使用される「第１の」、及び「第２の」などの呼称を使用した要素へのいかなる参照も、それらの要素の量又は順序を全般的に限定しない。これらの呼称は、２つ以上の要素間を区別する便利な方法として本開示において使用され得る。したがって、第１及び第２の要素への参照は、２つの要素のみが採用され得ること、及び何らかの形で第１の要素が第２の要素に先行しなければならないことのいずれも意味しない。

上記の各装置の構成における「部」は、「回路」、又は「デバイス」等に置き換えられてもよい。

本開示において、「含む（include）」、「含んでいる（including）」及びそれらの変形が使用されている場合、これらの用語は、用語「備える（comprising）」と同様に、包括的であることが意図される。さらに、本開示において使用されている用語「又は（or）」は、排他的論理和ではないことが意図される。

本開示において、例えば、英語での「a」,「an」及び「the」のように、翻訳により冠詞が追加された場合、本開示は、これらの冠詞の後に続く名詞が複数形であることを含んでもよい。

本開示において、「ＡとＢが異なる」という用語は、「ＡとＢが互いに異なる」ことを意味してもよい。なお、当該用語は、「ＡとＢがそれぞれＣと異なる」ことを意味してもよい。「離れる」、及び「結合される」などの用語も、「異なる」と同様に解釈されてもよい。

１…情報提供システム、１０…携帯端末（端末装置）、２０…店舗端末、３０…情報提供装置、３１…取得部、３２…分析部、３３…設定部、３４…抽出部、３５…決定部、３６…生成部、３７…出力部、３８…判定部、３９…更新部、４１…グループ情報記憶部、４２…ユーザ情報記憶部、４３…店舗情報記憶部、４４…来店者情報記憶部、１００１…プロセッサ、１００２…メモリ、１００３…ストレージ、１００４…通信装置、１００５…入力装置、１００６…出力装置、１００７…バス。

Claims (6)

1. ユーザの心理的傾向を示すバイアス情報に基づいて、レコメンド対象を決定する決定部と、
   前記レコメンド対象に関するレコメンド情報を生成する生成部と、
   前記レコメンド情報を前記ユーザの端末装置に出力する出力部と、
   前記レコメンド情報が前記端末装置に出力された後の前記ユーザの行動を判定する判定部と、
   前記判定部による判定結果に応じて、前記バイアス情報を更新する更新部と、
   を備える、情報提供装置。
2. 前記バイアス情報は、複数のバイアス値と、を含み、
   前記決定部は、前記複数のバイアス値のうちの少なくとも１つのバイアス値に基づいて、前記レコメンド対象を決定し、
   前記更新部は、前記判定結果に応じて、前記少なくとも１つのバイアス値を更新する、請求項１に記載の情報提供装置。
3. 前記決定部は、前記複数のバイアス値のうちの１つのバイアス値に基づいて前記レコメンド対象を決定する第１決定処理と、前記複数のバイアス値のうちの２以上のバイアス値に基づいて前記レコメンド対象を決定する第２決定処理と、を実施し、
   前記更新部は、前記第１決定処理により前記レコメンド対象が決定された場合には、前記１つのバイアス値を更新し、前記第２決定処理により前記レコメンド対象が決定された場合には、前記２以上のバイアス値を更新する、請求項２に記載の情報提供装置。
4. 前記更新部は、前記第１決定処理により前記レコメンド対象が決定され、かつ、前記ユーザが前記レコメンド情報に従って行動した場合に、前記１つのバイアス値によって示される心理的傾向の程度が増加するように増加率を用いて前記１つのバイアス値を変更し、
   前記更新部は、前記第１決定処理により前記レコメンド対象が決定され、かつ、前記ユーザが前記レコメンド情報に従って行動しなかった場合に、前記１つのバイアス値によって示される心理的傾向の程度が減少するように前記増加率よりも小さい減少率を用いて前記１つのバイアス値を変更する、請求項３に記載の情報提供装置。
5. 前記更新部は、前記第２決定処理により前記レコメンド対象が決定された場合には、前記２以上のバイアス値のそれぞれに設定された重要度に基づいて前記２以上のバイアス値を更新する、請求項３又は請求項４に記載の情報提供装置。
6. 複数のユーザの属性に基づいて前記複数のユーザを分類することで形成された複数のグループそれぞれの心理的傾向を分析し、前記複数のグループそれぞれについて、グループの心理的傾向を示すグループバイアス情報を生成する分析部と、
   前記ユーザの属性に基づいて、前記複数のグループのうちの前記ユーザが属するグループの前記グループバイアス情報を用いて前記バイアス情報を設定する設定部と、を更に備える請求項１～請求項５のいずれか一項に記載の情報提供装置。

Images