JP2024053892A - 商品購入支援プログラム、情報処理装置及び商品購入支援方法 - Google Patents

Abstract

【課題】各商品を購入する可能性があるユーザに対して各商品についての商品情報を送信することを可能とする商品購入支援プログラム、情報処理装置及び商品購入支援方法を提供する。
【解決手段】商品購入支援処理は、第１ユーザが所持する携帯端末から第１ユーザが所定の行動を行った１以上の商品についての第１リストを受信し、受信した第１リストに含まれる１以上の商品と対応関係にある１以上の商品についての第２リストを特定し、第１ユーザが第２リストに含まれる１以上の商品に対して所定の行動を行ったことを示す情報を携帯端末から受信する前に、携帯端末が第２リストに含まれる１以上の商品が配置された位置と異なる位置に移動したと判定した場合、第２リストに含まれる１以上の商品に対して所定の行動が行われていないことを示す情報を携帯端末に送信する。
【選択図】図４

Description

本発明は、商品購入支援プログラム、情報処理装置及び商品購入支援方法に関する。

近年、スーパーマーケットや百貨店等の小売店（以下、単に小売店とも呼ぶ）では、ユーザが自ら購入意思のある商品のスキャンを行うことを可能にするとともに、レジを経由することなく商品の購入を行うことを可能とする携帯型の決済端末（以下、単に携帯端末とも呼ぶ）が用いられている。

そして、上記のような小売店では、さらに、例えば、特売品等の各商品に関する情報（以下、単に商品情報とも呼ぶ）を携帯端末に送信することにより、携帯端末を用いることによる商品の販売促進が行われている（例えば、特許文献１乃至３参照）。

特開２０１９－１０９８０７号公報 特開２０１５－０５５９７７号公報 特開２０１６－２０６９４４号公報

ここで、上記のような商品情報は、例えば、その商品情報に対応する商品を購入する可能性が極めて低いユーザに対しても送信される可能性がある。そのため、上記のような小売店では、例えば、各商品についての商品情報を、各商品を購入する可能性があると判断できるユーザに対して精度良く送信することが望まれている。

そこで、一つの側面では、本発明は、各商品を購入する可能性があるユーザに対して各商品についての商品情報を送信することを可能とする商品購入支援プログラム、情報処理装置及び商品購入支援方法を提供することを目的とする。

実施の形態の一態様では、第１ユーザが所持する携帯端末から前記第１ユーザが所定の行動を行った１以上の商品についての第１リストを受信し、受信した前記第１リストに含まれる１以上の商品と対応関係にある１以上の商品についての第２リストを特定し、前記第１ユーザが前記第２リストに含まれる１以上の商品に対して前記所定の行動を行ったことを示す情報を前記携帯端末から受信する前に、前記携帯端末が前記第２リストに含まれる１以上の商品が配置された位置と異なる位置に移動したと判定した場合、前記第２リストに含まれる１以上の商品に対して前記所定の行動が行われていないことを示す情報を前記携帯端末に送信する、処理をコンピュータに実行させる。

一つの側面によれば、各商品を必要とするユーザに対して各商品についての商品情報を効率的に送信することが可能になる。

図１は、情報処理システム１０の構成について説明する図である。 図２は、情報処理装置１のハードウエア構成を説明する図である。 図３は、情報処理装置１の機能について説明する図である。 図４は、第１の実施の形態における商品購入支援処理の概略を説明するフローチャート図である。 図５は、第１の実施の形態における商品購入支援処理の具体例を説明する図である。 図６は、第１の実施の形態における商品購入支援処理の具体例を説明する図である。 図７は、第１の実施の形態における商品購入支援処理の他の具体例を説明する図である。 図８は、第１の実施の形態における商品購入支援処理の他の具体例を説明する図である。 図９は、第１の実施の形態における商品購入支援処理の詳細を説明するフローチャート図である。 図１０は、第１の実施の形態における商品購入支援処理の詳細を説明するフローチャート図である。 図１１は、第１の実施の形態における商品購入支援処理の詳細を説明するフローチャート図である。 図１２は、第１の実施の形態における商品購入支援処理の詳細を説明するフローチャート図である。 図１３は、第１の実施の形態における商品購入支援処理の詳細を説明するフローチャート図である。 図１４は、第１の実施の形態における商品購入支援処理の詳細を説明するフローチャート図である。 図１５は、第１の実施の形態における商品購入支援処理の詳細を説明するフローチャート図である。 図１６は、第１の実施の形態における商品購入支援処理の詳細を説明するフローチャート図である。 図１７は、第１の実施の形態における商品購入支援処理の詳細を説明するフローチャート図である。 図１８は、レシート情報１３１の具体例について説明する図である。 図１９は、レシート情報１３１の具体例について説明する図である。 図２０は、教師データ１３２の具体例について説明する図である。 図２１は、教師データ１３２の具体例について説明する図である。 図２２は、教師データ１３２の具体例について説明する図である。 図２３は、位置情報１３４の具体例について説明する図である。

［第１の実施の形態における情報処理システムの構成］
初めに、情報処理システム１０の構成について説明を行う。図１は、情報処理システム１０の構成について説明する図である。

図１に示す情報処理システム１０は、例えば、情報処理装置１と、１以上の携帯端末５とを有する。

情報処理装置１は、例えば、１以上の物理マシンまたは仮想マシンであり、ユーザ１１による商品の購入を支援する処理（以下、商品購入支援処理とも呼ぶ）を実行する。また、情報処理装置１は、例えば、商品購入支援処理の実行に用いられる各情報を記憶する記憶部１３０を有する。

携帯端末５は、例えば、小売店において商品を購入するユーザ１１（以下、単にユーザ１１とも呼ぶ）が少なくとも来店時において所持する携帯端末である。携帯端末５は、例えば、ユーザ１１自身が所有するスマートフォン等の携帯端末であってもよく、ユーザ１１が小売店において借り受けたスマートフォン等の携帯端末であってもよい。

具体的に、携帯端末５は、例えば、ユーザ１１が商品のスキャンを行うことにより、購入意思のある商品を示す情報（以下、購入予定情報とも呼ぶ）を入力した場合、スキャンが行われた購入予定情報を情報処理装置１に送信する。

これにより、ユーザ１１は、例えば、レジ精算の待ち時間を短縮することが可能になり、小売店での買い物に要する時間を短縮させることが可能になる。

なお、図１に示す例において、携帯端末５は、例えば、ＷｉＦｉ（登録商標：Ｗｉｒｅｌｅｓｓ Ｆｉｄｅｌｉｔｙ）等を利用することによってアクセスポイント３との間で無線通信を行うものであってよい。また、情報処理装置１及びアクセスポイント３は、例えば、インターネット網等のネットワークＮＷを経由することによって通信（例えば、有線通信）を行うものであってよい。

ここで、情報処理装置１は、例えば、各携帯端末５に対して、特売品等の商品についての商品情報を送信する。具体的に、情報処理装置１は、例えば、ユーザ１１が所有する携帯端末５のうち、商品情報の送信を許可する旨の設定が行われた携帯端末５に対して商品情報を送信する。そして、商品情報を受信した携帯端末５は、この場合、例えば、情報処理装置１から送信された商品情報を出力画面（図示せず）に表示することにより、情報処理装置１から送信された商品情報をユーザ１１に閲覧させる。

これにより、小売店では、例えば、各商品の販売促進に繋がる情報（商品情報）をユーザ１１に閲覧させることが可能になる。

しかしながら、この場合、情報処理装置１から送信される商品情報は、その商品情報に対応する商品を購入する可能性が極めて低いユーザ１１に対しても送信される可能性がある。具体的に、情報処理装置１から送信される商品情報は、例えば、小売店１２に来店しているユーザ１１であるが、商品情報に対応する商品に興味がない（商品情報に対応する商品を購入する意思がない）ユーザ１１に対しても送信される場合がある。また、情報処理装置１から送信される商品情報は、例えば、小売店１２に来店していないユーザ１１や小売店１２に来店する予定がないユーザ１１に対しても送信される場合がある。そのため、上記のような小売店では、各商品についての商品情報を、各商品を購入する可能性があると判断できるユーザ１１に対して精度良く送信することが望まれている。

そこで、本実施の形態における情報処理装置１は、例えば、来店中のユーザ１１（以下、第１ユーザ１１とも呼ぶ）が所持する携帯端末５から第１ユーザ１１が所定の行動を行った１以上の商品についてのリスト（以下、第１リストとも呼ぶ）を受信する。第１リストは、例えば、第１ユーザ１１が購入予定情報を携帯端末５に入力した１以上の商品についてのリストである。すなわち、所定の行動は、例えば、購入予定情報を携帯端末５に入力することである。

そして、情報処理装置１は、例えば、受信した第１リストに含まれる１以上の商品と対応関係にある１以上の商品についての他のリスト（以下、第２リストとも呼ぶ）を特定する。第２リストは、例えば、第１リストに含まれる１以上の商品から、第１ユーザ１１が今後購入意思を示す可能性があると予測可能な１以上の商品についてのリストである。すなわち、第２リストは、例えば、第１ユーザ１１が購入予定情報を今後入力する可能性があると予測可能な１以上の商品についてのリストである。

具体的に、情報処理装置１は、各ユーザ１１が過去の同一タイミング（例えば、１回の来店時）において所定の行動を行った１以上の商品の組み合わせをそれぞれ含む複数の教師データを学習した機械学習モデル（以下、単に学習モデルとも呼ぶ）に対して、受信した第１リストを入力する。そして、情報処理装置１は、例えば、第１リストの入力に伴って学習モデルから出力された１以上の商品についてのリストを第２リストとして特定する。

その後、情報処理装置１は、例えば、第１ユーザ１１が第２リストに含まれる１以上の商品に対して所定の行動を行ったことを示す情報を携帯端末５から受信する前に、携帯端末５が第２リストに含まれる１以上の商品が配置された位置と異なる位置に移動したと判定した場合、第２リストに含まれる１以上の商品に対して所定の行動が行われていないことを示す情報を携帯端末５に送信する。

すなわち、本実施の形態における情報処理装置１は、例えば、第１ユーザ１１が商品の購入予定情報を携帯端末５に入力するごとに、第１ユーザ１１が購入予定情報を既に入力した各商品から、第１ユーザ１１が購入予定情報を今後入力する可能性があると予測可能な商品（以下、予測商品とも呼ぶ）を予測する。そして、例えば、第１ユーザ１１が予測商品の購入予定情報を携帯端末５に入力することなく予測商品の配置位置から離れた場合、情報処理装置１は、第１ユーザ１１が予測商品の購入を失念している可能性がある、または、第１ユーザ１１が予測商品の存在や配置位置を認識していない可能性があると判定し、予測商品についての商品情報（言い換えれば、予測商品の購入を提案する商品情報）を第１ユーザ１１が所持する携帯端末５に送信する。

これにより、本実施の形態における情報処理装置１は、例えば、各商品についての商品情報を、各商品を購入する可能性があると判断できるユーザ１１に対して精度良く送信することが可能になる。また、情報処理装置１は、例えば、第１ユーザ１１が各商品の配置位置から離れたことに応じて各商品についての商品情報を送信することで、第１ユーザ１１が各商品を購入することを決める可能性が高いタイミングにおいて各商品についての商品情報を送信することが可能になる。そのため、情報処理装置１は、例えば、各携帯端末５に対する商品情報の送信に伴う各商品の販売促進効果を高めることが可能になる。

［情報処理装置のハードウエア構成］
次に、情報処理装置１のハードウエア構成について説明を行う。図２は、情報処理装置１のハードウエア構成を説明する図である。

情報処理装置１は、図２に示すように、例えば、プロセッサであるＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１０１と、メモリ１０２と、通信装置（Ｉ／Ｏインタフェース）１０３と、ストレージ１０４とを有する。各部は、バス１０５を介して互いに接続される。

ストレージ１０４は、例えば、商品購入支援処理を行うためのプログラム１１０を記憶するプログラム格納領域（図示せず）を有する。また、ストレージ１０４は、例えば、商品購入支援処理を行う際に用いられる情報を記憶する記憶部１３０（以下、情報格納領域１３０とも呼ぶ）を有する。なお、ストレージ１０４は、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）やＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）であってよい。

ＣＰＵ１０１は、例えば、ストレージ１０４からメモリ１０２にロードされたプログラム１１０を実行して商品購入支援処理を行う。

また、通信装置１０３は、例えば、ネットワークＮＷを介してアクセスポイント３との通信を行う。

［情報処理装置の機能］
次に、情報処理装置１の機能について説明を行う。図３は、情報処理装置１の機能について説明する図である。

情報処理装置１は、図３に示すように、例えば、ＣＰＵ１０１やメモリ１０２等のハードウエアとプログラム１１０とが有機的に協働することにより、情報管理部１１１と、モデル生成部１１２と、リスト受信部１１３と、リスト特定部１１４と、移動判定部１１５と、情報送信部１１６とを含む各種機能を実現する。

また、情報処理装置１は、図３に示すように、例えば、レシート情報１３１と、教師データ１３２と、学習モデル１３３と、位置情報１３４とを情報格納領域１３０に記憶する。

情報管理部１１１は、例えば、情報処理装置１の管理者（以下、管理者とも呼ぶ）によって入力された複数のレシート情報１３１を受け付ける。複数のレシート情報１３１のそれぞれは、例えば、小売店において各ユーザ１１が過去の同一タイミング（例えば、１回の来店時）に商品を購入した際に発行された１枚のレシートに含まれる情報である。そして、情報管理部１１１は、例えば、受け付けた複数のレシート情報１３１を情報格納領域１３０に記憶する。

モデル生成部１１２は、例えば、情報格納領域１３０に記憶された複数のレシート情報１３１から複数の教師データ１３２を生成する。複数の教師データ１３２のそれぞれは、例えば、１枚のレシートに対応するレシート情報１３１に含まれる情報から生成される教師データである。すなわち、複数の教師データ１３２のそれぞれは、例えば、あるユーザ１１が１回の来店時における１回の会計で購入した１以上の商品の組み合わせから生成される教師データである。そして、モデル生成部１１２は、例えば、生成した複数の教師データ１３２の機械学習を行うことによって学習モデル１３３を生成する。その後、モデル生成部１１２は、例えば、生成した学習モデル１３３を情報格納領域１３０に記憶する。なお、学習モデル１３３は、例えば、ＲＮＮ（Ｒｅｃｕｒｒｅｎｔ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）であってよい。

リスト受信部１１３は、例えば、来店中の第１ユーザ１１が所持する携帯端末５から、第１ユーザ１１が携帯端末５に購入予定情報の入力を行った１以上の商品についての第１リストを受信する。

リスト特定部１１４は、例えば、リスト受信部１１３が受信した第１リストに含まれる１以上の商品と対応関係にある１以上の商品についての第２リストを特定する。具体的に、リスト特定部１１４は、例えば、リスト受信部１１３が受信した第１リストの学習モデル１３３に対する入力に伴って出力された１以上の商品についてのリストを第２リストとして特定する。

移動判定部１１５は、例えば、第２リストに含まれる１以上の商品の購入予定情報を携帯端末５から受信する前に、携帯端末５が第２リストに含まれる１以上の商品の配置位置と異なる位置に移動したか否かを判定する。

具体的に、移動判定部１１５は、例えば、第２リストに含まれる１以上の商品の全ての購入予定情報を携帯端末５から受信する前に、携帯端末５が第２リストに含まれる１以上の商品の全ての配置位置を含む範囲と異なる位置に移動したか否かを判定する。

また、移動判定部１１５は、例えば、第２リストに含まれる１以上の商品ごとに、各商品の購入予定情報を携帯端末５から受信する前に、携帯端末５が各商品の配置位置を含む範囲と異なる位置に移動したか否かを判定する。

情報送信部１１６は、例えば、第２リストに含まれる１以上の商品の購入予定情報を携帯端末５から受信する前に、携帯端末５が第２リストに含まれる１以上の商品の配置位置と異なる位置に移動したと移動判定部１１５が判定した場合、第２リストに含まれる１以上の商品の購入予定情報が入力されていないことを示す情報を携帯端末５に送信する。位置情報１３４の説明については後述する。

［第１の実施の形態における商品購入支援処理の概略］
次に、第１の実施の形態の概略について説明を行う。図４は、第１の実施の形態における商品購入支援処理の概略を説明するフローチャート図である。

情報処理装置１は、図４に示すように、例えば、第１ユーザ１１が所持する携帯端末５から第１ユーザ１１が所定の行動を行った１以上の商品についての第１リストを受信する（Ｓ１）。

そして、情報処理装置１は、例えば、Ｓ１の処理で受信した第１リストに含まれる１以上の商品と対応関係にある１以上の商品についての第２リストを特定する（Ｓ２）。

その後、情報処理装置１は、例えば、Ｓ２の処理で特定した第２リストに含まれる１以上の商品に対して第１ユーザ１１が所定の行動を行ったことを示す情報を携帯端末５から受信する前に、携帯端末５が第２リストに含まれる１以上の商品が配置された位置と異なる位置に移動したか否かを判定する（Ｓ３）。

その結果、例えば、Ｓ２の処理で特定した第２リストに含まれる１以上の商品に対して第１ユーザ１１が所定の行動を行ったことを示す情報を携帯端末５から受信する前に、携帯端末５が第２リストに含まれる１以上の商品が配置された位置と異なる位置に移動したと判定した場合（Ｓ３のＹＥＳ）、情報処理装置１は、Ｓ２の処理で特定した第２リストに含まれる１以上の商品に対して所定の行動が行われていないことを示す情報を携帯端末５に送信する（Ｓ４）。

一方、例えば、Ｓ２の処理で特定した第２リストに含まれる１以上の商品に対して第１ユーザ１１が所定の行動を行ったことを示す情報を携帯端末５から受信する前に、携帯端末５が第２リストに含まれる１以上の商品が配置された位置と異なる位置にまだ移動していないと判定した場合（Ｓ３のＮＯ）、情報処理装置１は、Ｓ４の処理を行わない。

これにより、本実施の形態における情報処理装置１は、例えば、各商品についての商品情報を、各商品を購入する可能性があると判断できるユーザ１１に対して精度良く送信することが可能になる。また、情報処理装置１は、例えば、第１ユーザ１１が各商品の配置位置から離れたことに応じて各商品についての商品情報を送信することで、第１ユーザ１１が各商品を購入することを決める可能性が高いタイミングにおいて各商品についての商品情報を送信することが可能になる。そのため、情報処理装置１は、例えば、各携帯端末５に対する商品情報の送信に伴う各商品の販売促進効果を高めることが可能になる。

［第１の実施の形態における商品購入支援処理の具体例（１）］
次に、第１の実施の形態における商品購入支援処理の具体例について説明を行う。図５及び図６は、第１の実施の形態における商品購入支援処理の具体例を説明する図である。以下、ユーザ１１ａが小売店１２に来店した場合について説明を行う。また、以下、小売店１２の店内において各商品が配置されている範囲を範囲Ｒ１と呼び、小売店１２の店内において各商品が配置されていない範囲（例えば、レジ精算が行われる範囲）を範囲Ｒ２とも呼ぶ。すなわち、範囲Ｒ２は、例えば、ユーザ１１ａが携帯端末５に購入予定情報を入力した商品の購入を確定させる処理（レジ精算）を行う情報処理装置（以下、他の情報処理装置とも呼ぶ）が配置されている範囲である。

情報処理装置１は、例えば、Ｓ２の処理において、ユーザ１１ａが携帯端末５ａを用いてスキャンを行った１以上の商品から、ユーザ１１ａが携帯端末５ａを用いて今後スキャンを行う可能性がある商品として商品Ａ１を予測する。そして、例えば、図５及び図６に示すように、ユーザ１１ａが商品Ａ１のスキャン（購入予定情報の入力）を行わずに範囲Ｒ１から範囲Ｒ２に移動した場合、情報処理装置１は、ユーザ１１ａが商品Ａ１のスキャンを行うことなく商品Ａ１の配置位置を含む範囲（範囲Ｒ１）から異なる位置に移動したと判定し、商品Ａ１についての商品情報を携帯端末５ａに送信する。

すなわち、図５及び図６に示す例において、範囲Ｒ２は、例えば、レジ精算が行われる範囲である。そのため、例えば、ユーザ１１ａが商品Ａ１のスキャンを行わずに範囲Ｒ１から範囲Ｒ２に移動した場合、情報処理装置１は、ユーザ１１ａが商品Ａ１を買い忘れている可能性がある、または、ユーザ１１ａが商品Ａ１の存在や配置位置を認識していない可能性があると判定することが可能である。したがって、情報処理装置１は、この場合、例えば、商品Ａ１の購入を提案する商品情報を携帯端末５ａに通知する。

これにより、情報処理装置１は、例えば、商品Ａ１を購入する可能性があると判断できるユーザ１１ａに対して、商品Ａ１を購入する可能性高いと判断できるタイミングにおいて商品Ａ１についての商品情報を送信することが可能にある。

［第１の実施の形態における商品購入支援処理の具体例（２）］
次に、第１の実施の形態における商品購入支援処理の他の具体例について説明を行う。図７及び図８は、第１の実施の形態における商品購入支援処理の他の具体例を説明する図である。以下、ユーザ１１ｂが小売店１２に来店した場合について説明を行う。また、以下、小売店１２の店内において商品Ａ２が配置されている位置の近傍の範囲を範囲Ｒ３とも呼ぶ。

なお、図７及び図８に示す例において、範囲Ｒ３は、商品Ａ２が配置された棚の角のうちの１つ（以下、角Ｐ１とも呼ぶ）からの距離が所定距離である範囲（すなわち、各Ｐ１を中心とする円形状の範囲）である。また、ここでの所定距離は、例えば、小売店１２の店内における通路の幅の所定倍であってよい。

情報処理装置１は、例えば、Ｓ２の処理において、ユーザ１１ｂが携帯端末５ｂを用いてスキャンを行った１以上の商品から、ユーザ１１ｂが携帯端末５ｂを用いて今後スキャンを行う可能性がある商品として商品Ａ２を予測する。そして、例えば、図７及び図８に示すように、ユーザ１１ｂが範囲Ｒ３内に移動し、さらに、ユーザ１１ｂが商品Ａ２のスキャンを行わずに範囲Ｒ３外に移動した場合、情報処理装置１は、ユーザ１１ｂが商品Ａ２のスキャンを行うことなく商品Ａ２の配置位置を含む範囲（範囲Ｒ３）から異なる位置に移動したと判定し、商品Ａ２についての商品情報を携帯端末５ｂに送信する。

すなわち、図７及び図８に示す例において、範囲Ｒ３は、商品Ａ２が配置されている位置の近傍範囲である。そのため、例えば、ユーザ１１ｂが範囲Ｒ３内に一旦移動したにもかかわらず、商品Ａ２のスキャンを行わずに範囲Ｒ３外に移動した場合、情報処理装置１は、ユーザ１１ｂが商品Ａ２を買い忘れている可能性がある、または、ユーザ１１ｂが商品Ａ２の存在や配置位置を認識していない可能性があると判定することが可能である。したがって、情報処理装置１は、この場合、例えば、商品Ａ２の購入を提案する情報を携帯端末５ｂに通知する。

これにより、情報処理装置１は、例えば、商品Ａ２を購入する可能性があると判断できるユーザ１１ｂに対して、商品Ａ２を購入する可能性高いと判断できるタイミングにおいて商品Ａ２についての商品情報を送信することが可能になる。

なお、図７及び図８に示す例では、商品Ａ２が配置された棚の角Ｐ１からの距離が所定距離である範囲が範囲Ｒ３である場合について説明を行ったが、これに限られない。具体的に、範囲Ｒ３は、例えば、商品Ａ２が配置された棚の角Ｐ１からの距離が所定距離である範囲のうちの一部（例えば、角Ｐ１を中心として半円形状の範囲）であってもよい。また、範囲Ｒ３は、例えば、商品Ａ２が配置された棚の複数の角のそれぞれからの距離が所定距離である範囲であってもよい。また、範囲Ｒ３は、例えば、商品Ａ２の配置位置からの距離が所定距離である範囲であってもよい。

［第１の実施の形態における商品購入支援処理の詳細］
次に、第１の実施の形態の詳細について説明する。図９から図１７は、第１の実施の形態における商品購入支援処理の詳細を説明するフローチャート図である。また、図１８から図２３は、第１の実施の形態における商品購入支援処理の詳細を説明する図である。

［情報管理処理］
初めに、商品購入支援処理のうち、レシート情報１３１を管理する処理（以下、情報管理処理とも呼ぶ）について説明を行う。図９は、情報管理処理を説明するフローチャート図である。

情報管理部１１１は、図９に示すように、例えば、レシート情報１３１が管理者によって入力されるまで待機する（Ｓ１０１のＮＯ）。具体的に、情報管理部１１１は、例えば、管理者が管理者端末（図示せず）を介してレシート情報１３１を入力するまで待機する。

そして、レシート情報１３１の入力を受け付けた場合（Ｓ１０１のＹＥＳ）、情報管理部１１１は、例えば、入力を受け付けたレシート情報１３１を情報格納領域１３０に記憶する（Ｓ１０２）。

すなわち、例えば、小売店１２におけるユーザ１１の来店数が１日平均で５００人であって、かつ、１００日分のレシートに対応する複数のレシート情報１３１が管理者によって入力されている場合、情報格納領域１３０には、５００００枚のレシートに対応する複数のレシート情報１３１が蓄積される。以下、レシート情報１３１の具体例について説明を行う。

［レシート情報の具体例］
図１８及び図１９は、レシート情報１３１の具体例について説明する図である。具体的に、図１８は、図５及び図６で説明したユーザ１１ａが小売店１２において商品を購入した際に発行されたレシートに対応するレシート情報１３１（以下、レシート情報１３１ａとも呼ぶ）である。また、図１９は、図７及び図８で説明したユーザ１１ｂが小売店１２において商品を購入した際に発行されたレシートに対応するレシート情報１３１（以下、レシート情報１３１ｂとも呼ぶ）である。

図１８及び図１９に示すレシート情報１３１は、例えば、各商品を識別する識別情報が設定される「識別情報」と、各商品の商品名が設定される「商品名」とを項目として有する。

具体的に、図１８に示すレシート情報１３１ａにおいて、１行目には、「識別情報」として「０３３」が設定され、「商品名」として「Ａ」が設定されている。また、図１８に示すレシート情報１３１ａにおいて、２行目には、「識別情報」として「０１６」が設定され、「商品名」として「Ｂ」が設定されている。また、図１８に示すレシート情報１３１ａにおいて、３行目には、「識別情報」として「１７１」が設定され、「商品名」として「Ｃ」が設定されている。また、図１８に示すレシート情報１３１ａにおいて、４行目には、「識別情報」として「０８０」が設定され、「商品名」として「Ｄ」が設定されている。

一方、図１９に示すレシート情報１３１ｂにおいて、１行目には、「識別情報」として「０１６」が設定され、「商品名」として「Ｂ」が設定されている。また、図１９に示すレシート情報１３１ｂにおいて、２行目には、「識別情報」として「０９１」が設定され、「商品名」として「Ｆ」が設定されている。さらに、図１９に示すレシート情報１３１ｂにおいて、３行目には、「識別情報」として「００２」が設定され、「商品名」として「Ｇ」が設定されている。

すなわち、図１８に示すレシート情報１３１ａは、４つの商品が購入された際のレシートに対応するレシート情報１３１である。また、図１９に示すレシート情報１３１ｂは、３つの商品が購入された際のレシートに対応するレシート情報１３１である。

［モデル生成処理］
次に、商品購入支援処理のうち、学習モデル１３３の生成を行う処理（以下、モデル生成処理とも呼ぶ）について説明を行う。図１０及び図１１は、モデル生成処理を説明するフローチャート図である。

モデル生成部１１２は、図１０に示すように、例えば、モデル生成タイミングになるまで待機する（Ｓ１１１のＮＯ）。モデル生成タイミングは、例えば、学習モデル１３３の生成を行う旨の情報を管理者が情報処理装置１に入力したタイミングであってよい。

そして、モデル生成タイミングになった場合（Ｓ１１１のＹＥＳ）、モデル生成部１１２は、例えば、情報格納領域１３０に記憶された複数のレシート情報１３１のそれぞれの識別情報を示す変数ｒに１を設定する（Ｓ１１２）。

続いて、モデル生成部１１２は、例えば、Ｓ１１２の処理または後述するＳ１２６の処理（以下、Ｓ１１２等の処理とも呼ぶ）で設定した変数ｒに対応するレシート情報１３１に含まれる商品のリストであるリストＬｒを特定する。そして、モデル生成部１１２は、例えば、特定したリストＬｒに含まれる商品の数を変数ｌに設定する（Ｓ１１３）。

具体的に、例えば、図１８で説明したレシート情報１３１ａの識別情報が変数ｒに設定されている場合、モデル生成部１１２は、Ｓ１１３の処理において、図１８で説明したレシート情報１３１ａに含まれる商品の数である４を変数ｌに設定する。

次に、モデル生成部１１２は、例えば、Ｓ１１３の処理で特定したリストＬｒから抽出する商品の数を示す変数ｊに１を設定する（Ｓ１１４）。

そして、モデル生成部１１２は、例えば、Ｓ１１３の処理で特定したリストＬｒに含まれる商品から、Ｓ１１４の処理または後述するＳ１２４の処理（以下、Ｓ１１４等の処理とも呼ぶ）で設定した変数ｊが示す数の商品の順列の数（パターン数）を変数Ｋに設定する（Ｓ１１５）。

さらに、モデル生成部１１２は、例えば、Ｓ１１３の処理で特定したリストＬｒに含まれる商品から、Ｓ１１４等の処理で設定した変数ｊが示す数の商品の組み合わせを１つ特定する（Ｓ１１６）。

続いて、モデル生成部１１２は、例えば、Ｓ１１３の処理で特定したリストＬｒに含まれる商品から、Ｓ１１４等の処理で設定した変数ｊが示す数の商品の順列の識別情報を示す変数ｋに１を設定する（Ｓ１１７）。

その後、モデル生成部１１２は、例えば、Ｓ１１６の処理で特定した変数ｊが示す数の商品の順列を示すシーケンスＳｒｊ（ｋ）を生成する（Ｓ１１８）。

そして、モデル生成部１１２は、例えば、Ｓ１１３の処理で特定したリストＬｒに含まれる商品のうち、Ｓ１１８の処理で生成したシーケンスＳｒｊ（ｋ）に含まれる商品以外の商品の組み合わせを示すシーケンスであるシーケンスＴｒｊ（ｋ）を生成する（Ｓ１１９）。

続いて、モデル生成部１１２は、例えば、Ｓ１１８の処理で生成したシーケンスＳｒｊ（ｋ）と、Ｓ１１９の処理で生成したシーケンスＴｒｊ（ｋ）とを組み合わせることによって教師データ１３２を生成する。そして、モデル生成部１１２は、図１１に示すように、例えば、生成した教師データ１３２の学習モデル１３３に学習させる（Ｓ１２１）。

次に、モデル生成部１１２は、例えば、変数ｋに１を加算する（Ｓ１２２）。そして、モデル生成部１１２は、例えば、Ｓ１２２の処理で１を加算した変数ｋがＳ１１５の処理で設定した変数Ｋを上回ったか否かを判定する（Ｓ１２３）。

その結果、Ｓ１２２の処理で１を加算した変数ｋがＳ１１５の処理で設定した変数Ｋを上回っていないと判定した場合（Ｓ１２３のＮＯ）、モデル生成部１１２は、例えば、Ｓ１１８以降の処理を再度行う。

一方、Ｓ１２２の処理で１を加算した変数ｋがＳ１１５の処理で設定した変数Ｋを上回ったと判定した場合（Ｓ１２３のＹＥＳ）、モデル生成部１１２は、例えば、変数ｊに１を加算する（Ｓ１２４）。

そして、モデル生成部１１２は、例えば、Ｓ１２４の処理で１を加算した変数ｊがＳ１１２３の処理で設定した変数ｌに到達したか否かを判定する（Ｓ１２５）。

その結果、Ｓ１２４の処理で１を加算した変数ｊがＳ１１３の処理で設定した変数ｌに到達していないと判定した場合（Ｓ１２５のＮＯ）、モデル生成部１１２は、例えば、Ｓ１１５以降の処理を再度行う。

一方、Ｓ１２４の処理で１を加算した変数ｊがＳ１１３の処理で設定した変数ｌに到達したと判定した場合（Ｓ１２５のＹＥＳ）、モデル生成部１１２は、例えば、変数ｒに１を加算する（Ｓ１２６）。

そして、モデル生成部１１２は、例えば、Ｓ１２６の処理で１を加算した変数ｒが、情報格納領域１３０に記憶した複数のレシート情報１３１のそれぞれに対応するレシートの数を示す定数Ｒを上回ったか否かを判定する（Ｓ１２７）。

その結果、Ｓ１２６の処理で１を加算した変数ｒが定数Ｒを上回っていないと判定した場合（Ｓ１２７のＮＯ）、モデル生成部１１２は、例えば、Ｓ１１３以降の処理を再度行う。

一方、Ｓ１２６の処理で１を加算した変数ｒが定数Ｒを上回っていると判定した場合（Ｓ１２７のＹＥＳ）、モデル生成部１１２は、例えば、モデル生成処理を終了する。以下、教師データ１３２の具体例について説明を行う。

［教師データの具体例（１）］
図２０から図２２は、教師データ１３２の具体例について説明する図である。具体的に、図２０から図２２は、４つの商品（商品Ａ、商品Ｂ、商品Ｃ及び商品Ｄ）が購入された際のレシート（変数ｒが１であるレシート）から生成される教師データ１３２の具体例を説明する図である。なお、以下、シーケンスＳｒｊ（ｋ）に含まれる各商品の商品名（以下、シーケンスＳとも呼ぶ）と、シーケンスＴｒｊ（ｋ）に含まれる各商品の商品名（以下、シーケンスＴとも呼ぶ）とが教師データ１３２のそれぞれに含まれるものとして説明を行う。

初めに、モデル生成処理において生成される教師データ１３２のうち、変数ｒが１であって変数ｊが１である場合において生成される教師データ１３２の具体例について説明を行う。図２０は、変数ｒが１であって変数ｊが１である場合において生成される教師データ１３２の具体例について説明する図である。

具体的に、例えば、変数ｊが１である場合における１回目のＳ１１６の処理（変数ｋが１であるときのＳ１１６の処理）において商品Ａが特定された場合、モデル生成部１１２は、シーケンスＳ１１（１）として「Ａ」を特定し、シーケンスＴ１１（１）として「Ｂ」、「Ｃ」及び「Ｄ」を特定する。そのため、モデル生成部１１２は、この場合、図２０の１行目に示すように、例えば、「シーケンスＳ」として「Ａ」が設定され、「シーケンスＴ」として「ＢＣＤ」が設定された教師データ１３２を生成する。

また、例えば、変数ｊが１である場合における２回目のＳ１１６の処理（変数ｋが２であるときのＳ１１６の処理）において商品Ｂが特定された場合、モデル生成部１１２は、シーケンスＳ１１（２）として「Ｂ」を特定し、シーケンスＴ１１（２）として「Ａ」、「Ｃ」及び「Ｄ」を特定する。そのため、モデル生成部１１２は、この場合、図２０の２行目に示すように、例えば、「シーケンスＳ」として「Ｂ」が設定され、「シーケンスＴ」として「ＡＣＤ」が設定された教師データ１３２を生成する。

また、例えば、変数ｊが１である場合における３回目のＳ１１６の処理（変数ｋが３であるときのＳ１１６の処理）において商品Ｃが特定された場合、モデル生成部１１２は、シーケンスＳ１１（３）として「Ｃ」を特定し、シーケンスＴ１１（３）として「Ａ」、「Ｂ」及び「Ｄ」を特定する。そのため、モデル生成部１１２は、この場合、図２０の３行目に示すように、例えば、「シーケンスＳ」として「Ｃ」が設定され、「シーケンスＴ」として「ＡＢＤ」が設定された教師データ１３２を生成する。

さらに、例えば、変数ｊが１である場合における４回目のＳ１１６の処理（変数ｋが４であるときのＳ１１６の処理）において商品Ｄが特定された場合、モデル生成部１１２は、シーケンスＳ１１（４）として「Ｄ」を特定し、シーケンスＴ１１（４）として「Ａ」、「Ｂ」及び「Ｃ」を特定する。そのため、モデル生成部１１２は、この場合、図２０の４行目に示すように、例えば、「シーケンスＳ」として「Ｄ」が設定され、「シーケンスＴ」として「ＡＢＣ」が設定された教師データ１３２を生成する。

すなわち、変数ｊが１である場合、Ｓ１１５の処理で算出される定数Ｋは４になる。そのため、モデル生成部１１２は、この場合、Ｓ１２１の処理を４回行うことによって４個の教師データ１３２を生成し、生成した各教師データ１３２を学習モデル１３３に学習させる。

［教師データの具体例（２）］
次に、モデル生成処理において生成される教師データ１３２のうち、変数ｒが１であって変数ｊが２である場合において生成される教師データ１３２の具体例について説明を行う。図２１は、変数ｒが１であって変数ｊが２である場合において生成される教師データ１３２の具体例について説明する図である。

具体的に、例えば、変数ｊが２である場合における１回目のＳ１１６の処理（変数ｋが１であるときのＳ１１６の処理）において商品Ａ及び商品Ｂがこの順で特定された場合、モデル生成部１１２は、シーケンスＳ１２（１）として「Ａ」及び「Ｂ」を特定し、シーケンスＴ１２（１）として「Ｃ」及び「Ｄ」を特定する。そのため、モデル生成部１１２は、この場合、図２１の１行目に示すように、例えば、「シーケンスＳ」として「ＡＢ」が設定され、「シーケンスＴ」として「ＣＤ」が設定された教師データ１３２を生成する。

また、例えば、変数ｊが２である場合における２回目のＳ１１６の処理（変数ｋが２であるときのＳ１１６の処理）において商品Ａ及び商品Ｃがこの順で特定された場合、モデル生成部１１２は、シーケンスＳ１２（２）として「Ａ」及び「Ｃ」を特定し、シーケンスＴ１２（２）として「Ｂ」及び「Ｄ」を特定する。そのため、モデル生成部１１２は、この場合、図２１の２行目に示すように、例えば、「シーケンスＳ」として「ＡＣ」が設定され、「シーケンスＴ」として「ＢＤ」が設定された教師データ１３２を生成する。

また、例えば、変数ｊが２である場合における３回目のＳ１１６の処理（変数ｋが３であるときのＳ１１６の処理）において商品Ａ及び商品Ｄがこの順で特定された場合、モデル生成部１１２は、シーケンスＳ１２（３）として「Ａ」及び「Ｄ」を特定し、シーケンスＴ１２（３）として「Ｂ」及び「Ｃ」を特定する。そのため、モデル生成部１１２は、この場合、図２１の３行目に示すように、例えば、「シーケンスＳ」として「ＡＤ」が設定され、「シーケンスＴ」として「ＢＣ」が設定された教師データ１３２を生成する。図２１に含まれる他の情報についての説明は省略する。

すなわち、変数ｊが２である場合、Ｓ１１５の処理で算出される変数Ｋは１２になる。そのため、モデル生成部１１２は、この場合、Ｓ１２１の処理を１２回行うことによって１２個の教師データ１３２を生成し、生成した各教師データ１３２を学習モデル１３３に学習させる。

［教師データの具体例（３）］
次に、モデル生成処理において生成される教師データ１３２のうち、変数ｒが１であって変数ｊが３である場合において生成される教師データ１３２の具体例について説明を行う。図２２は、変数ｒが１であって変数ｊが３である場合において生成される教師データ１３２の具体例について説明する図である。

具体的に、例えば、変数ｊが３である場合における１回目のＳ１１６の処理（変数ｋが１であるときのＳ１１６の処理）において商品Ａ、商品Ｂ及び商品Ｃがこの順で特定された場合、モデル生成部１１２は、シーケンスＳ１３（１）として「Ａ」、「Ｂ」及び「Ｃ」を特定し、シーケンスＴ１３（１）として「Ｄ」を特定する。そのため、モデル生成部１１２は、この場合、図２２の１行目に示すように、例えば、「シーケンスＳ」として「ＡＢＣ」が設定され、「シーケンスＴ」として「Ｄ」が設定された教師データ１３２を生成する。

また、例えば、変数ｊが３である場合における２回目のＳ１１６の処理（変数ｋが２であるときのＳ１１６の処理）において商品Ａ、商品Ｃ及び商品Ｂがこの順で特定された場合、モデル生成部１１２は、シーケンスＳ１３（２）として「Ａ」、「Ｃ」及び「Ｂ」を特定し、シーケンスＴ１３（２）として「Ｄ」を特定する。そのため、モデル生成部１１２は、この場合、図２２の２行目に示すように、例えば、「シーケンスＳ」として「ＡＣＢ」が設定され、「シーケンスＴ」として「Ｄ」が設定された教師データ１３２を生成する。

また、例えば、変数ｊが３である場合における３回目のＳ１１６の処理（変数ｋが３であるときのＳ１１６の処理）において商品Ｂ、商品Ａ及び商品Ｃがこの順で特定された場合、モデル生成部１１２は、シーケンスＳ１３（３）として「Ｂ」、「Ａ」及び「Ｃ」を特定し、シーケンスＴ１３（３）として「Ｄ」を特定する。そのため、モデル生成部１１２は、この場合、図２２の３行目に示すように、例えば、「シーケンスＳ」として「ＢＡＣ」が設定され、「シーケンスＴ」として「Ｄ」が設定された教師データ１３２を生成する。図２１に含まれる他の情報についての説明は省略する。

すなわち、変数ｊが３である場合、Ｓ１１５の処理で算出される変数Ｋは２４になる。そのため、モデル生成部１１２は、この場合、Ｓ１２１の処理を２４回行うことによって２４個の教師データ１３２を生成し、生成した各教師データ１３２を学習モデル１３３に学習させる。

このように、モデル生成部１１２は、例えば、各ユーザ１１が過去の同一タイミング（例えば、１回の来店時）において購入した１以上の商品の組み合わせからなる教師データ１３２を生成し、生成した教師データ１３２を学習させることによって学習モデル１３３を生成する。

これにより、本実施の形態における情報処理装置１は、例えば、生成した学習モデル１３３を用いることで、来店中に新たなユーザ１１が既に購入意思を示した商品（すなわち、購入予定情報を入力した商品）から、新たなユーザ１１が購入意思を今後示す可能性がある商品の予測を行うことが可能になる。

［位置管理処理］
次に、商品購入支援処理のうち、位置情報１３４を管理する処理（以下、位置管理処理とも呼ぶ）について説明を行う。図１２は、位置管理処理を説明するフローチャート図である。

情報管理部１１１は、図１２に示すように、例えば、携帯端末５から位置情報１３４を受信するまで待機する（Ｓ１１のＮＯ）。位置情報１３４は、例えば、小売店１２の店内における各携帯端末５の位置を示す情報である。

なお、携帯端末５は、例えば、所定の時間間隔ごと（例えば、１秒ごと）に、自端末の現在位置を示す位置情報１３４を情報処理装置１に送信するものであってよい。また、携帯端末５は、例えば、アクセスポイント３からの測位等を用いて現在位置を算出し、算出した現在位置を示す位置情報１３４を情報処理装置１に送信するものであってよい。

そして、携帯端末５から位置情報１３４を受信した場合（Ｓ１１のＹＥＳ）、情報管理部１１１は、例えば、受信した位置情報１３４を情報格納領域１３０に記憶する（Ｓ１２）。以下、位置情報１３４の具体例について説明を行う。

［位置情報の具体例］
図２３は、位置情報１３４の具体例について説明する図である。

図２３に示す位置情報１３４は、例えば、各携帯端末５を識別する識別情報が設定される「識別情報」と、各時刻が設定される「時刻」と、各時刻における各携帯端末５の位置を示す情報が設定される「位置」とを項目として有する。なお、小売店１２の店内は、例えば、所定のサイズごとの領域（以下、単位領域とも呼ぶ）に予め分割されているものであってもよい。具体的に、複数の単位領域のそれぞれは、例えば、１辺が５０ｃｍや１ｍ等の矩形領域であってよい。そして、「位置」には、例えば、各携帯端末５の現在位置を含む単位領域の位置（例えば、単位領域の中心位置）が設定されるものであってよい。

具体的に、図２３に示す位置情報１３４において、例えば、１行目の情報には、「識別情報」として「５０１」が設定され、「時刻」として「１２：００：００」が設定され、「位置」として「（３０，２１）」が設定されている。また、図２３に示す位置情報１３４において、例えば、２行目の情報には、「識別情報」として「５０１」が設定され、「時刻」として「１２：００：０１」が設定され、「位置」として「（３１，２１）」が設定されている。図２３に含まれる他の情報についての説明は省略する。

［商品購入支援処理のメイン処理（１）］
次に、商品購入支援処理のメイン処理について説明を行う。図１３及び図１４は、商品購入支援処理のメイン処理を説明するフローチャート図である。具体的に、図１３及び図１４は、図５及び図６で説明した具体例に対応する商品購入支援処理のメイン処理について説明するフローチャート図である。なお、以下、１人の新たなユーザ１１（以下、特定のユーザ１１とも呼ぶ）が小売店１２に来店してから退店するまでに行われる商品購入支援処理のメイン処理について説明を行う。すなわち、複数のユーザ１１が小売店１２に来店している場合、商品購入支援処理のメイン処理は、複数のユーザ１１のそれぞれについて並行して行われるものとして説明を行う。

リスト受信部１１３は、図１３に示すように、例えば、Ｓ１１の処理において小売店１２の店内の位置を示す位置情報１３４が新たな携帯端末５（以下、特定の携帯端末５とも呼ぶ）から受信するまで待機する（Ｓ２１のＮＯ）。すなわち、リスト受信部１１３は、例えば、新たな携帯端末５を所有する新たなユーザ１１が小売店１２に来店するまで待機する。また、リスト受信部１１３は、例えば、新たなユーザ１１が小売店１２の店内において新たな携帯端末５の貸し出しを受けるまで待機する。

そして、Ｓ１１の処理において小売店１２の店内の位置を示す位置情報１３４が特定の携帯端末５から受信した場合（Ｓ２１のＹＥＳ）、リスト受信部１１３は、例えば、特定のユーザ１１が特定の携帯端末５に対して購入予定情報を入力した商品の識別情報を示す変数ｉに０を設定する（Ｓ２２）。

続いて、リスト受信部１１３は、例えば、特定のユーザ１１が特定の携帯端末５に対して商品の購入予定情報を入力するまで待機する（Ｓ２３のＮＯ）。具体的に、リスト受信部１１３は、例えば、特定のユーザ１１が携帯端末５に入力した商品の購入予定情報を携帯端末５から受信するまで待機する。

その結果、特定のユーザ１１が特定の携帯端末５に対して商品の購入予定情報を入力した場合（Ｓ２３のＹＥＳ）、リスト特定部１１４は、例えば、変数ｉに１を加算する（Ｓ２４）。

そして、リスト特定部１１４は、例えば、Ｓ２３の処理で入力された購入予定情報に対応する商品（すなわち、ｉ番目の商品）を示す情報（例えば、商品名）をシーケンスＳに追加する（Ｓ２５）。

その後、リスト特定部１１４は、例えば、シーケンスＳ（シーケンスＳに含まれる１以上の商品のそれぞれを示す情報）を学習モデル１３３に入力する（Ｓ２６）。

具体的に、例えば、Ｓ２５の処理において、商品Ａと商品Ｃとがこの順でシーケンスＳに追加された場合、リスト特定部１１４は、商品Ａ及び商品Ｃをこの順で含むシーケンスＳを学習モデル１３３に入力する。

そして、リスト特定部１１４は、例えば、学習モデル１３３から出力されたシーケンスＴと、学習モデル１３３から出力されたシーケンスＴに関連する情報とを取得する（Ｓ２７）。具体的に、リスト特定部１１４は、例えば、シーケンスＴに含まれる１以上の商品のそれぞれを示す情報と、シーケンスＴに含まれる１以上の商品のそれぞれが特定のユーザ１１によって購入される確率（以下、購入確率とも呼ぶ）とを取得する。すなわち、シーケンスＴに含まれる１以上の商品のそれぞれの購入確率は、例えば、シーケンスＳに含まれる１以上の商品のそれぞれが購入された場合において、シーケンスＴに含まれる１以上の商品のそれぞれがさらに購入される確率である。

具体的に、例えば、Ｓ２６の処理において、商品Ａ及び商品Ｃをこの順で含むシーケンスＳを学習モデル１３３に入力されることによって、商品Ｂの購入確率が８０（％）であることを示す情報と、商品Ｄの購入確率が３０（％）であることを示す情報とがそれぞれ出力された場合、リスト特定部１１４は、商品Ｂの購入確率が８０（％）であることを示す情報と、商品Ｄの購入確率が３０（％）であることを示す情報とをそれぞれ取得する。

続いて、リスト特定部１１４は、例えば、学習モデル１３３から出力されたシーケンスＴに含まれる１以上の商品のうち、購入確率が予め定められた閾値Ｐ以上である商品を示す情報をリストＵに追加する（Ｓ２８）。

具体的に、例えば、Ｓ２７の処理において、商品Ｂの購入確率が８０（％）であることを示す情報と、商品Ｄの購入確率が３０（％）であることを示す情報とのそれぞれが取得された場合であって、閾値Ｐが７０（％）である場合、リスト特定部１１４は、購入確率が７０（％）を上回っている商品Ｂを示す情報をリストＵに追加する。

すなわち、リスト特定部１１４は、例えば、特定のユーザ１１が購入予定情報を今後入力する可能性が高いと判定できる商品を示す情報を、特定のユーザ１１に対して商品情報を通知する商品の候補としてリストＵに追加する。

その後、移動判定部１１５は、図１４に示すように、例えば、Ｓ１１の処理で受信した特定の携帯端末５から受信した最新の位置情報１３４が示す位置（特定の携帯端末５の現在位置）が小売店１２の店内における商品の配置位置を含む範囲と異なる位置であるか否かを判定する（Ｓ３１）。

すなわち、移動判定部１１５は、図５及び図６で説明したように、例えば、特定の携帯端末５が範囲Ｒ１から範囲Ｒ２に移動したか否かを判定する。

その結果、特定の携帯端末５の現在位置が小売店１２の店内における商品の配置位置を含む範囲と異なる位置であると判定した場合（Ｓ３１のＹＥＳ）、移動判定部１１５は、例えば、リストＵに商品を示す情報が含まれているか否かを判定する（Ｓ３２）。

そして、リストＵに商品を示す情報が含まれていると判定した場合（Ｓ３２のＹＥＳ）、情報送信部１１６は、例えば、リストＵに含まれる商品に関する情報（商品情報）を特定の携帯端末５に通知する（Ｓ３３）。

具体的に、例えば、商品Ｂを示す情報がリストＵに含まれている場合、情報送信部１１６は、商品Ｂについての商品情報を特定の携帯端末５に通知する。

すなわち、例えば、特定の携帯端末５が小売店１２の店内における商品の配置位置を含む範囲と異なる位置に移動した場合において、商品を示す情報がリストＵに含まれている場合、情報送信部１１６は、特定のユーザ１１がリストＵに情報が含まれる商品を買い忘れている可能性がある、または、特定のユーザ１１がリストＵに情報が含まれる商品の存在や配置位置を認識していない可能性があると判定する。そして、情報送信部１１６は、この場合、例えば、リストＵに情報が含まれる商品情報を携帯端末５に通知する。

その後、リスト特定部１１４は、例えば、特定の携帯端末５の現在位置が店内であるか否かを判定する（Ｓ３４）。

その結果、特定の携帯端末５の現在位置が店内であると判定した場合（Ｓ３４のＹＥＳ）、リスト受信部１１３は、例えば、Ｓ２３以降の処理を再度行う。

一方、特定の携帯端末５の現在位置が店内でないと判定した場合（Ｓ３４のＮＯ）、情報処理装置１は、例えば、商品購入支援処理のメイン処理を終了する。

すなわち、特定の携帯端末５の現在位置が店外の位置である場合とは、特定のユーザ１１が小売店１２から既に退店している場合であると判断できる。そのため、情報処理装置１は、この場合、例えば、特定のユーザ１１（特定の携帯端末５）についての商品購入支援処理のメイン処理を終了する。

なお、情報処理装置１は、例えば、特定の携帯端末５の現在位置が店内である場合であっても、特定の携帯端末５の現在位置が各携帯端末５の返却位置である場合、商品購入支援処理のメイン処理を終了するものであってよい。

［商品購入支援処理のメイン処理（２）］
次に、商品購入支援処理のメイン処理について説明を行う。図１５から図１７は、商品購入支援処理のメイン処理を説明するフローチャート図である。具体的に、図１５から図１７は、図７及び図８で説明した具体例に対応する商品購入支援処理のメイン処理について説明するフローチャート図である。

リスト受信部１１３は、図１５に示すように、例えば、Ｓ１１の処理において小売店１２の店内の位置を示す位置情報１３４が特定の携帯端末５から受信するまで待機する（Ｓ４１のＮＯ）。

そして、Ｓ１１の処理において小売店１２の店内の位置を示す位置情報１３４が特定の携帯端末５から受信した場合（Ｓ４１のＹＥＳ）、リスト受信部１１３は、例えば、特定のユーザ１１が特定の携帯端末５に対して購入予定情報を入力した商品の識別情報を示す変数ｉに０を設定する（Ｓ４２）。

続いて、リスト受信部１１３は、例えば、特定のユーザ１１が特定の携帯端末５に対して商品の購入予定情報を入力するまで待機する（Ｓ４３のＮＯ）。

その結果、特定のユーザ１１が特定の携帯端末５に対して商品の購入予定情報を入力した場合（Ｓ４３のＹＥＳ）、リスト特定部１１４は、例えば、変数ｉに１を加算する（Ｓ４４）。

そして、リスト特定部１１４は、例えば、Ｓ４３の処理で入力された購入予定情報に対応する商品（すなわち、ｉ番目の商品）を示す情報をシーケンスＳに追加する（Ｓ４５）。

その後、リスト特定部１１４は、例えば、シーケンスＳ（シーケンスＳに含まれる１以上の商品のそれぞれを示す情報）を学習モデル１３３に入力する（Ｓ４６）。

そして、リスト特定部１１４は、例えば、学習モデル１３３から出力されたシーケンスＴと、学習モデル１３３から出力されたシーケンスＴに関連する情報とを取得する（Ｓ４７）。具体的に、リスト特定部１１４は、例えば、シーケンスＴに含まれる１以上の商品のそれぞれを示す情報と、シーケンスＴに含まれる１以上の商品のそれぞれが特定のユーザ１１によって購入される購入確率とを取得する。

続いて、リスト特定部１１４は、例えば、学習モデル１３３から出力されたシーケンスＴに含まれる１以上の商品のうち、購入確率が予め定められた閾値Ｐ以上である商品を示す情報をリストＵに追加する（Ｓ４８）。

その後、移動判定部１１５は、例えば、リストＵに情報が含まれる商品の識別情報を示す変数ｎに１を設定する（Ｓ４９）。

続いて、移動判定部１１５は、図１６に示すように、例えば、リストＵに含まれるｎ番目の商品（以下、商品Ｕｎとも呼ぶ）の近傍範囲を特定する（Ｓ５１）。具体的に、商品Ｕｎの近傍範囲は、例えば、商品Ｕｎに対応する範囲Ｒ３（図７及び図８で説明した範囲Ｒ３）であってよい。

そして、移動判定部１１５は、例えば、特定の携帯端末５の現在位置がＳ５１の処理で特定した商品Ｕｎの近傍範囲に含まれるか否かを判定する（Ｓ５２）。

その結果、特定の携帯端末５の現在位置がＳ５１の処理で特定した商品Ｕｎの近傍範囲に含まれると判定した場合（Ｓ５２のＹＥＳ）、移動判定部１１５は、例えば、特定の携帯端末５の現在位置が近傍範囲に含まれる商品を示す情報が含まれるリストＶに、商品Ｕｎを示す情報が含まれるか否かを判定する（Ｓ５３）。

そして、リストＶに商品Ｕｎを示す情報が含まれないと判定した場合（Ｓ５３のＮＯ）、移動判定部１１５は、例えば、商品Ｕｎを示す情報をリストＶに追加する（Ｓ５４）。その後、移動判定部１１５は、Ｓ６１以降の処理を行う。

一方、特定の携帯端末５の現在位置が近傍範囲に含まれる商品を含むリストＶに商品Ｕｎを示す情報が含まれると判定した場合（Ｓ５３のＹＥＳ）、移動判定部１１５は、例えば、Ｓ５４の処理を行わずにＳ６１以降の処理を行う。

また、特定の携帯端末５の現在位置がＳ５１の処理で特定した商品Ｕｎの近傍範囲に含まれないと判定した場合（Ｓ５２のＮＯ）、移動判定部１１５は、例えば、リストＶに商品Ｕｎを示す情報が含まれるか否かを判定する（Ｓ５５）。

その結果、リストＶに商品Ｕｎを示す情報が含まれると判定した場合（Ｓ５５のＹＥＳ）、情報送信部１１６は、例えば、商品Ｕｎに関する情報を特定の携帯端末５に送信する（Ｓ５６）。

すなわち、リストＶに商品Ｕｎを示す情報が含まれている場合であって、特定の携帯端末５の現在位置が商品Ｕｎの近傍範囲に含まれないと判定した場合とは、特定の携帯端末５の位置が商品Ｕｎの近傍範囲内に一旦移動した後、さらに、商品Ｕｎの近傍範囲外に移動した場合である。そのため、情報送信部１１６は、この場合、例えば、特定のユーザ１１が商品Ｕｎを買い忘れている可能性がある、または、特定のユーザ１１が商品Ｕｎの存在や配置位置を認識していない可能性があると判定し、商品Ｕｎに関する情報（商品情報）を特定の携帯端末５に通知する。

その後、移動判定部１１５は、例えば、リストＶから商品Ｕｎを示す情報を削除する（Ｓ５７）。さらに、移動判定部１１５は、例えば、Ｓ６１以降の処理を行う。

一方、リストＶに商品Ｕｎを示す情報が含まれないと判定した場合（Ｓ５５のＮＯ）、移動判定部１１５は、例えば、Ｓ５６及びＳ５７の処理を行わずにＳ６１以降の処理を行う。

そして、移動判定部１１５は、図１７に示すように、例えば、変数ｎに１を加算する（Ｓ６１）。

続いて、移動判定部１１５は、Ｓ６１の処理で１を加算した変数ｎがリストＵに含まれる商品の数を上回っているか否かを判定する（Ｓ６２）。

その結果、Ｓ６１の処理で１を加算した変数ｎがリストＵに含まれる商品の数を上回っていないと判定した場合（Ｓ６２のＮＯ）、移動判定部１１５は、例えば、Ｓ５１以降の処理を再度行う。

一方、Ｓ６１の処理で１を加算した変数ｎがリストＵに含まれる商品の数を上回っていると判定した場合（Ｓ６２のＹＥＳ）、リスト特定部１１４は、例えば、携帯端末５の現在位置が店内であるか否かを判定する（Ｓ６３）。

そして、特定の携帯端末５の現在位置が店内であると判定した場合（Ｓ６３のＹＥＳ）、リスト受信部１１３は、例えば、Ｓ４３以降の処理を再度行う。

一方、特定の携帯端末５の現在位置が店内でないと判定した場合（Ｓ６３のＮＯ）、情報処理装置１は、例えば、商品購入支援処理のメイン処理を終了する。

このように、本実施の形態における情報処理装置１は、例えば、第１ユーザ１１が所持する携帯端末５から第１ユーザ１１が所定の行動を行った１以上の商品についての第１リストを受信する。

そして、情報処理装置１は、例えば、受信した第１リストに含まれる１以上の商品と対応関係にある１以上の商品についての第２リストを特定する。

その後、情報処理装置１は、例えば、第１ユーザ１１が第２リストに含まれる１以上の商品に対して所定の行動を行ったことを示す情報を携帯端末５から受信する前に、携帯端末５が第２リストに含まれる１以上の商品が配置された位置と異なる位置に移動したと判定した場合、第２リストに含まれる１以上の商品に対して所定の行動が行われていないことを示す情報を携帯端末５に送信する。

すなわち、本実施の形態における情報処理装置１は、例えば、第１ユーザ１１が商品の購入予定情報を携帯端末５に入力するごとに、第１ユーザ１１が購入予定情報を既に入力した各商品から、第１ユーザ１１が購入予定情報を今後入力する可能性があると予測可能な予測商品を予測する。そして、例えば、第１ユーザ１１が予測商品の購入予定情報を携帯端末５に入力することなく予測商品の配置位置から離れた場合、情報処理装置１は、第１ユーザ１１が予測商品の購入を失念している可能性がある、または、第１ユーザ１１が予測商品の存在や配置位置を認識していない可能性があると判定し、予測商品についての商品情報（予測商品の購入を提案する商品情報）を第１ユーザ１１が所持する携帯端末５に送信する。

これにより、本実施の形態における情報処理装置１は、例えば、各商品についての商品情報を、各商品を購入する可能性があると判断できるユーザ１１に対して精度良く送信することが可能になる。また、情報処理装置１は、例えば、第１ユーザ１１が各商品の配置位置から離れたことに応じて各商品についての商品情報を送信することで、第１ユーザ１１が各商品を購入することを決める可能性が高いタイミングにおいて各商品についての商品情報を送信することが可能になる。そのため、情報処理装置１は、例えば、各携帯端末５に対する商品情報の送信に伴う各商品の販売促進効果を高めることが可能になる。

なお、携帯端末５は、例えば、情報処理装置１から送信された商品情報を出力画面（図示せず）に表示する場合、表示された商品情報を閲覧したユーザ１１が行った行動を示す情報を収集するものであってもよい。

具体的に、携帯端末５は、例えば、出力画面に表示された商品情報を消すためのボタンを複数表示するとともに、ユーザ１１が行った行動に対応するボタンが押下されるようにユーザ１１に促すものであってもよい。

さらに具体的に、携帯端末５は、例えば、出力画面に表示された商品情報を消すためのボタンとして、「通知された情報の商品を購入した」と表示されたボタンと、「通知された情報の商品を購入しなかった」と表示されたボタンとを表示するものであってもよい。

そして、例えば、「通知された情報の商品を購入した」と表示されたボタンが押下された回数よりも「通知された情報の商品を購入しなかった」と表示されたボタンが押下された回数の方が多い場合、情報処理装置１は、さらなる教師データ１３２を学習モデル１３３に学習させることによって、学習モデル１３３の判定精度を向上させるものであってよい。

また、携帯端末５は、例えば、出力画面に表示された商品情報を消すためのボタンとして、「通知された情報が有効であった」と表示されたボタンと、「通知された情報が有効でなかった」と表示されたボタンとを表示するものであってもよい。

そして、例えば、「通知された情報が有効であった」と表示されたボタンが押下された回数よりも「通知された情報が有効でなかった」と表示されたボタンが押下された回数の方が多い場合、情報処理装置１は、さらなる教師データ１３２を学習モデル１３３に学習させることによって、学習モデル１３３の判定精度を向上させるものであってよい。

さらに、携帯端末５は、例えば、出力画面に表示された商品情報を消すためのボタンとして、「さらに多くの情報を通知して欲しい」と表示されたボタンと、「情報の通知を中止して欲しい」と表示されたボタンとを表示するものであってもよい。

そして、例えば、「さらに多くの情報を通知して欲しい」と表示されたボタンが押下された回数よりも「情報の通知を中止して欲しい」と表示されたボタンが押下された回数の方が多い場合、情報処理装置１は、さらなる教師データ１３２を学習モデル１３３に学習させることによって、学習モデル１３３の判定精度を向上させるものであってよい。

一方、例えば、「情報の通知を中止して欲しい」と表示されたボタンが押下された回数よりも「さらに多くの情報を通知して欲しい」と表示されたボタンが押下された回数の方が多い場合、情報処理装置１は、Ｓ２８の処理及びＳ４８の処理で用いる閾値Ｐの値を小さくするものであってもよい。

また、上記の例では、Ｓ２６の処理及びＳ４６の処理において、シーケンスＳに含まれる１以上の商品を示す情報の全てを学習モデル１３３に入力する場合について説明を行ったが、これに限られない。具体的に、リスト特定部１１４は、例えば、シーケンスＳに含まれる１以上の商品を示す情報の一部を学習モデル１３３に入力するものであってもよい。さらに具体的に、リスト特定部１１４は、例えば、シーケンスＳに含まれる１以上の商品のうち、シーケンスＳに最後に追加された所定数の商品（例えば、シーケンスＳに最後に追加された１つの商品）を示す情報を学習モデル１３３に入力するものであってもよい。

以上の実施の形態をまとめると、以下の付記のとおりである。

（付記１）
第１ユーザが所持する携帯端末から前記第１ユーザが所定の行動を行った１以上の商品についての第１リストを受信し、
受信した前記第１リストに含まれる１以上の商品と対応関係にある１以上の商品についての第２リストを特定し、
前記第１ユーザが前記第２リストに含まれる１以上の商品に対して前記所定の行動を行ったことを示す情報を前記携帯端末から受信する前に、前記携帯端末が前記第２リストに含まれる１以上の商品が配置された位置と異なる位置に移動したと判定した場合、前記第２リストに含まれる１以上の商品に対して前記所定の行動が行われていないことを示す情報を前記携帯端末に送信する、
処理をコンピュータに実行させることを特徴とする商品購入支援プログラム。

（付記２）
付記１において、
前記第１リストは、前記第１ユーザが購入意思を示す情報を前記携帯端末に対して入力した１以上の商品についてのリストである、
ことを特徴とする商品購入支援プログラム。

（付記３）
付記１において、
前記特定する処理では、
各ユーザが前記所定の行動を行った１以上の商品の組み合わせをそれぞれ含む複数の教師データを学習した機械学習モデルに対して、前記第１リストを入力し、
前記第１リストの入力に伴って前記機械学習モデルから出力された１以上の商品についてのリストを前記第２リストとして特定する、
ことを特徴とする商品購入支援プログラム。

（付記４）
付記１において、
前記第２リストに含まれる１以上の商品が配置された位置と異なる位置は、前記第１リストに含まれる１以上の商品のそれぞれについての購入を確定させる他の情報処理装置が配置された位置である、
ことを特徴とする商品購入支援プログラム。

（付記５）
付記１において、
前記送信する処理では、前記第１ユーザが前記第２リストに含まれる１以上の商品のうちのいずれかの商品に対して前記所定の行動を行ったことを示す情報を前記携帯端末から受信する前に、前記携帯端末が前記いずれかの商品が配置された位置までの距離が閾値未満である範囲の内側から外側に移動したと判定した場合、前記いずれかの商品に対して前記所定の行動が行われていないことを示す情報を前記携帯端末に送信する、
ことを特徴とする商品購入支援プログラム。

（付記６）
第１ユーザが所持する携帯端末から前記第１ユーザが所定の行動を行った１以上の商品についての第１リストを受信するリスト受信部と、
受信した前記第１リストに含まれる１以上の商品と対応関係にある１以上の商品についての第２リストを特定するリスト特定部と、
前記第１ユーザが前記第２リストに含まれる１以上の商品に対して前記所定の行動を行ったことを示す情報を前記携帯端末から受信する前に、前記携帯端末が前記第２リストに含まれる１以上の商品が配置された位置と異なる位置に移動したと判定した場合、前記第２リストに含まれる１以上の商品に対して前記所定の行動が行われていないことを示す情報を前記携帯端末に送信する情報送信部と、を有する、
ことを特徴とする情報処理装置。

（付記７）
付記６において、
前記リスト特定部は、
各ユーザが前記所定の行動を行った１以上の商品の組み合わせをそれぞれ含む複数の教師データを学習した機械学習モデルに対して、前記第１リストを入力し、
前記第１リストの入力に伴って前記機械学習モデルから出力された１以上の商品についてのリストを前記第２リストとして特定する、
ことを特徴とする情報処理装置。

（付記８）
第１ユーザが所持する携帯端末から前記第１ユーザが所定の行動を行った１以上の商品についての第１リストを受信し、
受信した前記第１リストに含まれる１以上の商品と対応関係にある１以上の商品についての第２リストを特定し、
前記第１ユーザが前記第２リストに含まれる１以上の商品に対して前記所定の行動を行ったことを示す情報を前記携帯端末から受信する前に、前記携帯端末が前記第２リストに含まれる１以上の商品が配置された位置と異なる位置に移動したと判定した場合、前記第２リストに含まれる１以上の商品に対して前記所定の行動が行われていないことを示す情報を前記携帯端末に送信する、
処理をコンピュータが実行することを特徴とする商品購入支援方法。

（付記９）
付記８において、
前記特定する処理では、
各ユーザが前記所定の行動を行った１以上の商品の組み合わせをそれぞれ含む複数の教師データを学習した機械学習モデルに対して、前記第１リストを入力し、
前記第１リストの入力に伴って前記機械学習モデルから出力された１以上の商品についてのリストを前記第２リストとして特定する、
ことを特徴とする商品購入支援方法。

１：情報処理装置 ３：アクセスポイント
５：携帯端末 １０：情報処理システム
１１：ユーザ １２：小売店
１０１：ＣＰＵ １０２：メモリ
１０３：Ｉ／Ｏインタフェース １０４：ストレージ
１０５：バス ＮＷ：ネットワーク

Claims (7)

1. 第１ユーザが所持する携帯端末から前記第１ユーザが所定の行動を行った１以上の商品についての第１リストを受信し、
   受信した前記第１リストに含まれる１以上の商品と対応関係にある１以上の商品についての第２リストを特定し、
   前記第１ユーザが前記第２リストに含まれる１以上の商品に対して前記所定の行動を行ったことを示す情報を前記携帯端末から受信する前に、前記携帯端末が前記第２リストに含まれる１以上の商品が配置された位置と異なる位置に移動したと判定した場合、前記第２リストに含まれる１以上の商品に対して前記所定の行動が行われていないことを示す情報を前記携帯端末に送信する、
   処理をコンピュータに実行させることを特徴とする商品購入支援プログラム。
2. 請求項１において、
   前記第１リストは、前記第１ユーザが購入意思を示す情報を前記携帯端末に対して入力した１以上の商品についてのリストである、
   ことを特徴とする商品購入支援プログラム。
3. 請求項１において、
   前記特定する処理では、
   各ユーザが前記所定の行動を行った１以上の商品の組み合わせをそれぞれ含む複数の教師データを学習した機械学習モデルに対して、前記第１リストを入力し、
   前記第１リストの入力に伴って前記機械学習モデルから出力された１以上の商品についてのリストを前記第２リストとして特定する、
   ことを特徴とする商品購入支援プログラム。
4. 請求項１において、
   前記第２リストに含まれる１以上の商品が配置された位置と異なる位置は、前記第１リストに含まれる１以上の商品のそれぞれについての購入を確定させる他の情報処理装置が配置された位置である、
   ことを特徴とする商品購入支援プログラム。
5. 請求項１において、
   前記送信する処理では、前記第１ユーザが前記第２リストに含まれる１以上の商品のうちのいずれかの商品に対して前記所定の行動を行ったことを示す情報を前記携帯端末から受信する前に、前記携帯端末が前記いずれかの商品が配置された位置までの距離が閾値未満である範囲の内側から外側に移動したと判定した場合、前記いずれかの商品に対して前記所定の行動が行われていないことを示す情報を前記携帯端末に送信する、
   ことを特徴とする商品購入支援プログラム。
6. 第１ユーザが所持する携帯端末から前記第１ユーザが所定の行動を行った１以上の商品についての第１リストを受信するリスト受信部と、
   受信した前記第１リストに含まれる１以上の商品と対応関係にある１以上の商品についての第２リストを特定するリスト特定部と、
   前記第１ユーザが前記第２リストに含まれる１以上の商品に対して前記所定の行動を行ったことを示す情報を前記携帯端末から受信する前に、前記携帯端末が前記第２リストに含まれる１以上の商品が配置された位置と異なる位置に移動したと判定した場合、前記第２リストに含まれる１以上の商品に対して前記所定の行動が行われていないことを示す情報を前記携帯端末に送信する情報送信部と、を有する、
   ことを特徴とする情報処理装置。
7. 第１ユーザが所持する携帯端末から前記第１ユーザが所定の行動を行った１以上の商品についての第１リストを受信し、
   受信した前記第１リストに含まれる１以上の商品と対応関係にある１以上の商品についての第２リストを特定し、
   前記第１ユーザが前記第２リストに含まれる１以上の商品に対して前記所定の行動を行ったことを示す情報を前記携帯端末から受信する前に、前記携帯端末が前記第２リストに含まれる１以上の商品が配置された位置と異なる位置に移動したと判定した場合、前記第２リストに含まれる１以上の商品に対して前記所定の行動が行われていないことを示す情報を前記携帯端末に送信する、
   処理をコンピュータが実行することを特徴とする商品購入支援方法。

Images