JP2024062330A - 情報処理装置、情報処理方法及びプログラム - Google Patents

Abstract

【課題】配信者の実況配信による商品販売において、販売戦略を最適化する情報処理装置、情報処理方法及びプログラムを提供する。【解決手段】本開示の情報処理方法は、一つ又は複数のコンピュータ装置のプロセッサを介して、配信者がライブビデオストリーミングを介して行うライブ販売に関するデータを受信することと、該データを機械学習モデルに入力することと、該機械学習モデルが生成した結果に基づいて、該配信者が該ライブ販売を行うことに役立つ販促情報を取得することとを含む。【選択図】 図４

Description

本開示は、オンラインで商品販売等の実況配信を行う情報処理装置、情報処理方法方法及びプログラムに関する。

科学技術の発展に伴い、情報交換のモードも変化している。昭和時代は、ニュース、テレビなどの一方向の情報伝達が主であった。平成時代になり、携帯電話とコンピュータの普及に加え、インターネットの通信速度も大幅に改善されたため、チャットサービス等のリアルタイム双方向通信サービスが盛んになり、かつストレージコストの低下に伴い、ムービー・オン・デマンドの配信サービスが発展した。そして、今は令和時代にあり、スマートフォンの高機能化と５Ｇに代表されるネットワークの速度向上の影響を受け、動画を利用してリアルタイム通信を実現するサービス、特に実況配信（Live streaming）に関連するサービスの認知度が急速に高まっている。実況配信サービスは遠方でも全員が同じ楽しい時間を共有することができるサービスであり、若者を中心とするユーザが拡大している。

これまで実況配信はオンラインの商品販売にも適用されており、配信者が視聴者に対して実況配信を介して販売したい商品を紹介し、視聴者側の装置のショッピングインタフェースと協働することで、視聴者は実況配信中にショッピングを行い且つ完了することができる（例えば、特許文献１及び特許文献２参照）。消費者側の視聴者にとっては、双方のリアルタイムな交流に乏しいウェブページを介した商品販売より、実況配信によるオンライン商品販売の方が、視聴者のショッピングニーズをリアルタイムで満たすことができるため、より好ましい販売量を有する。一方、最近では、新型コロナ状況により、商品販売の実況配信を行いたい、又は視聴したいという人が増加し続けている。

米国特許出願公開第２０２２／０１９１５９４号明細書 国際公開第２０２１／１０６０３４号

商品販売において、どのような販売戦略をとるかは販売量又は売上に影響を与える一つの重要な要因である。配信者と視聴者との間の双方向通信を実行する実況配信において、販売戦略の選択や選択のタイミングは、販売量や売上に大きく影響する。しかし、従来の複数の視聴者が参加する商品販売の実況配信では、往々にして配信者の主観的な意識だけで商品の販売戦略を決定しており、目標の達成を重視した販売戦略を効果的に最適化することができない。
本開示は、配信者の実況配信による商品販売において、販売戦略を最適化する技術を提供することを目的とする。

本明細書において開示される発明の上記以外の解決課題及び目的は、本明細書全体を参照することにより明らかになる。本明細書において開示される発明の一又は複数の側面は、本明細書全体を参照することにより明らかになる課題を解決するものであってもよい。

本明細書に記載される発明の一態様は、一つ又は複数のコンピュータ装置のプロセッサを介して、配信者がライブビデオストリーミングを介して行うライブ販売に関するデータを受信するステップと、該データを機械学習モデルに入力するステップと、該機械学習モデルが生成した結果に基づいて、該配信者が該ライブ販売を行うことに役立つ販促情報を取得するステップとを含む情報処理方法を提供する。

一方で、本明細書に記載される発明の一態様は、プロセッサと、実行可能なコマンドを記憶するように構成されるストレージとを含み、該実行可能なコマンドが実行される時、該プロセッサに、配信者がライブビデオストリーミングを介して行うライブ販売に関するデータを受信する操作と、該データを機械学習モデルに入力する操作と、該機械学習モデルが生成した結果に基づいて、該配信者が該ライブ販売を行うことに役立つ販促情報を取得する操作とを実行させる情報処理装置を提供する。

一方で、本明細書に記載される発明の一態様は、配信者がライブビデオストリーミングを介して行うライブ販売に関するデータを受信するように構成される受信ユニットと、該データに機械学習アルゴリズムを実行するように構成される処理ユニットと、該機械学習アルゴリズムの結果に基づいて、該配信者の該ライブ販売に役立つ販促情報を生成するように構成される意見生成ユニットとを含む情報処理装置を提供する。

本明細書に記載される発明の一態様は、一つ又は複数のコンピュータ装置に、配信者がライブビデオストリーミングを介して行うライブ販売に関するデータを受信するステップと、該データを機械学習モデルに入力するステップと、該機械学習モデルが生成した結果に基づいて、配信者がライブ販売を行うことに役立つ販促情報を取得するステップと、を実行させるためのプログラムを提供する。

なお、以上の構成要素のあらゆる組合せ、及び本発明の実施形態の構成要素と表現下の装置、方法、システム、コンピュータプログラム、コンピュータプログラムが記憶されたレコード媒体等との間の相互置換を本発明の一態様とすることも有効である。

本発明の実施形態によれば、機械学習モデルを利用し、実況配信に対応するパラメータから実況配信中の商品販売を予測し、予測した結果に基づいて配信者の商品販売を案内し、その販売形態を変化させることで、販売結果を最適化する。

実施形態に係る実況配信システムを示す構造模式図である。 図１における実況配信システムの機能構成を示すブロック図である。 販売量の時間変化動向を示す模式図である。 販売量の時間変化動向を示す模式図である。 本発明の一実施形態の情報処理方法を実行することを示す模式図である。 配信者のユーザ端末のディスプレイにおける実況配信の画面の代表画面図を示す。 本発明の他の実施形態の方法を実行することを示す模式図である。 図６の実施形態のモデル模式図を示す。 本発明の一実施形態において機械学習モデルの学習段階を示す模式図である。 本発明の一実施形態において機械学習モデルの実行段階を示す模式図である。 本発明の他の実施形態の方法を実行することを示す模式図である。 図１０の実施形態における各販売量予測を示す。 配信者のユーザ端末のディスプレイにおける実況配信の画面の代表画面図を示す。

以下、適宜図面を参照し、本明細書で開示される発明（以下、「本発明」ということがある。）の様々な実施形態を説明する。本明細書において、各図面に示された同一又は等価な構成要素、部材、処理、信号に対しては同一の符号を付し、説明の重複は適宜省略している。また、各図面において、説明に重要ではない部材を省略している。本明細書において、ライブビデオストリーミング（Live video streaming）と実況配信（Live streaming）が交互に使用されているが、両者いずれもネットワークを通じたリアルタイムビデオの放映を指している。

以下で説明される本発明の実施形態は、特許請求の範囲にかかる発明を限定するものではない。以下の実施形態で説明されている諸要素が発明の解決手段に必須であるとは限らない。

本明細書で説明する処理過程の手順、特にフローチャートとフローチャートを使用して説明する処理手順において、一部の処理手順を構成する工程（ステップ）を省略してもよく、処理手順を構成する工程として明示されていない工程を付加してもよく、及び／又は、該工程の手順を変換してもよく、本開示の主旨から逸脱しなければ、この省略、付加、手順変更が行われた処理手順も本開示の範囲に含まれる。

本開示は、実況配信システムにおいて、機械学習モデルに基づいて配信者がライブビデオストリーミングにより商品販売を行うことに役立てられる販促情報を生成する方法に関し、配信者が大勢の視聴者にライブ販売を行う場合、最短時間内で最大の商品販売量又は最大利益を達成するなど、動的に異なる目標に応じて販売戦略をリアルタイムに調整することにより商品の販売を最適化することができる。

図１は、本開示の実施形態に係る実況配信システム１を示す構造模式図である。実況配信システム１は、一種の配信者（例えば、生放送主、ストリーマー（streamer））ＬＶや視聴者（ビューワともいう）ＡＵ（ＡＵ１、ＡＵ２、・・・）がリアルタイムに交流することができる双方向タイプの実況配信サービスを含む。図１に示すように、実況配信システム１は、サーバ１０、配信者のユーザ端末２０と視聴者のユーザ端末３０（３０Ａ、３０Ｂ、・・・）を備える。配信者及び視聴者を総称してユーザと称する場合がある。サーバ１０は、ネットワークＮＷに接続された一又は複数の情報処理装置で構成されてもよい。ユーザ端末２０、３０は、例えばスマートフォン、タブレット、ポータブルＰＣ、レコーダ、携帯ゲーム機又はウェアラブル装置等の携帯端末であってもよく、例えばデスクトップＰＣの固定装置であってもよい。サーバ１０、ユーザ端末２０とユーザ端末３０は、各種の有線又は無線ネットワークＮＷにより互に通信可能に接続されている。

配信者ＬＶ、視聴者ＡＵとサーバ１０を管理する管理者（不図示）が、実況配信システム１に参加する。配信者ＬＶとは、自分のユーザ端末２０で自分を録音録画し、それを直接サーバ１０にアップロードすることにより、コンテンツをリアルタイムに送信する人である。本実施形態では、配信者ＬＶは実況配信により視聴者ＡＵに商品を販売する。このような実況配信は、ライブ販売タイプの実況配信である。管理者は、サーバ１０におけるコンテンツを実況配信するためのプラットフォームを提供すると同時に、配信者ＬＶと視聴者ＡＵとの間のリアルタイムな交流を調整又は管理する。視聴者ＡＵは、ユーザ端末３０でプラットフォームに入って所望のコンテンツを選択して視聴する。該コンテンツの実況配信時に、視聴者ＡＵはユーザ端末３０により配信者ＬＶとメッセージ及び／又は映像音声交流の操作を行うことができる。

本明細書において、実況配信とは、配信者ＬＶのユーザ端末２０で録音録画されたコンテンツが実質的に視聴者ＡＵのユーザ端末３０にリアルタイムに放映されかつ視聴可能な状態になるデータの伝送形式を指し、又はこのような伝送形式により実現されたストリーミング自体を指す。実況配信は、ＨＴＴＰ Ｌｉｖｅ Ｓｔｒｅａｍｉｎｇ、Ｃｏｍｍｏｎ Ｍｅｄｉａ Ａｐｐｌｉｃａｔｉｏｎ Ｆｏｒｍａｔ、Ｗｅｂ Ｒｅａｌ－Ｔｉｍｅ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ、Ｒｅａｌ－Ｔｉｍｅ Ｍｅｓｓａｇｉｎｇ Ｐｒｏｔｏｃｏｌ又はＭＰＥＧ ＤＡＳＨ等の既存の実況配信技術で実現される。実況配信は、配信者ＬＶがコンテンツを録音録画する場合、視聴者ＡＵは該コンテンツを視聴する予定時間を遅らせることができる伝送形式を含む。遅延の程度については、少なくとも配信者ＬＶと視聴者ＡＵとの間の交流が成立する程度の遅延の大きさが許容される。ただし、実況配信はいわゆる選択型配信とは異なり、選択型配信は、録音録画コンテンツ全体のデータをサーバに一時的に記憶し、その後の任意の時間にユーザの要求に応じて、該データをサーバからユーザに提供する。

本明細書において、ビデオデータとは、ユーザ端末２０、３０の撮影機能により生成された画像データ（映像データともいう）とユーザ端末２０、３０の音声入力機能により生成された音声データ（オーディオデータともいう）とを含むデータである。ユーザ端末２０、３０によりビデオデータを再生することにより、ユーザはコンテンツを視聴することができる。本実施形態では、配信者ＬＶのユーザ端末２０でビデオデータを生成してから視聴者ＡＵのユーザ端末３０でビデオデータを再生するまでの期間にデータの形式、サイズ、規格を変更する処理、例えば圧縮、解凍、符号化、復号、トランスコードなどを行うことを想定する。これらの処理の前後のビデオデータが示すコンテンツ（例えば、動画、音声）は実質的に変化しない。一実施形態において、このような処理を行った後のビデオデータはこのような処理を行う前のビデオデータと同じであると仮定して説明する。すなわち、配信者ＬＶのユーザ端末２０でビデオデータを生成した後、サーバ１０を介して視聴者ＡＵのユーザ端末３０で再生すれば、配信者ＬＶのユーザ端末２０で生成されたビデオデータと、サーバ１０を介したビデオデータと、視聴者ＡＵのユーザ端末３０で受信されかつ再生されたビデオデータとはいずれも同じビデオデータである。

図１の例示では、配信者ＬＶはその画面を実況配信する。配信者ＬＶのユーザ端末２０は、ライブ販売を行っている配信者ＬＶの画像及び音声を録画録音することによりビデオデータを生成し、ネットワークＮＷを介してサーバ１０に送信する。そして、ユーザ端末２０は録画された配信者ＬＶの動画ＶＤをユーザ端末２０のディスプレイに表示すること
により、配信者ＬＶに配信コンテンツを確認させることができる。

プラットフォームに配信者ＬＶの実況配信の視聴を要求する視聴者ＡＵ１、ＡＵ２のユーザ端末３０Ａ、３０Ｂは、それぞれネットワークＮＷを介して実況配信に関するビデオデータを受信し、受信されたビデオデータを再生することにより、ディスプレイに動画ＶＤ１、ＶＤ２を表示するとともにスピーカから音声を出力する。各ユーザ端末３０Ａ、３０Ｂに表示された動画ＶＤ１、ＶＤ２は、配信者ＬＶのユーザ端末２０が撮影した動画ＶＤと実質的に同じであり、各ユーザ端末３０Ａ、３０Ｂから出力された音声も、配信者ＬＶのユーザ端末２０が録音した音声と実質的に同じである。

実質的に同時に配信者ＬＶのユーザ端末２０に録音録画を行い、及び視聴者ＡＵ１、ＡＵ２のユーザ端末３０Ａ、３０Ｂにビデオデータの再生を行う。メッセージを送信できる実況配信に対して、一つの視聴者ＡＵ１がメッセージをユーザ端末３０Ａに入力する場合、サーバ１０は該メッセージを配信者ＬＶのユーザ端末２０にリアルタイムに表示し、各視聴者ＡＵ１、ＡＵ２のユーザ端末３０Ａ、３０Ｂに同時に表示してもよい。該メッセージを読み取った配信者ＬＶが該コンテンツをカバーした会話を展開すると、該会話の動画ＶＤ及び音声が各視聴者ＡＵ１、ＡＵ２のユーザ端末３０Ａ、３０Ｂに出力され、これに
より配信者ＬＶと視聴者ＡＵ１との間の対話が成立したと判別される。このように、実況配信システム１においては、一方向通信ではなく双方向通信可能な実況配信を実現した。

図２は、図１における実況配信システム１の機能構成を示すブロック図である。ユーザ端末２０とユーザ端末３０とは、類似の機能及び構成を有していてもよい。図２及びその後のブロック図に示す各ブロックは、ハードウェア面ではコンピュータＣＰＵをはじめとする素子又は機械装置により実行されることができ、ソフトウェア面ではコンピュータプログラム等により実行され、ここではそれらの連携により実現される機能モジュールを描いている。したがって、本発明の技術分野における当業者は、これらの機能モジュールがハードウェアとソフトウェアとの組合せにより様々な形式で実現されることができることを理解することができる。

図２において、実況配信システム１は、配信者ＬＶのユーザ端末２０、配信者ＬＶ側のサーバ４０、視聴者ＡＵ側のサーバ５０と視聴者ＡＵ側のユーザ端末３０を含む。配信者ＬＶのユーザ端末２０は、通信ユニット２１、制御ユニット２２、ビデオ通信ユニット２３、入力ユニット２４と記憶ユニット２５を含み、配信者ＬＶ側のサーバ４０は、通信ユニット４１、監視ユニット４２、抽出ユニット４３、処理ユニット４４、出力ユニット４５と記憶ユニット４６を含み、視聴者ＡＵ側のサーバ５０は、通信ユニット５１、配信ユニット５２と処理ユニット５３を含み、視聴者ＡＵ側のユーザ端末３０は、通信ユニット３１、制御ユニット３２、表示ユニット３３、入力ユニット３４と記憶ユニット３５を含む。

通信ユニット２１は、ネットワークＮＷを介して配信者ＬＶ側のサーバ４０、視聴者ＡＵ側のサーバ５０、視聴者ＡＵ側のユーザ端末３０又は他の外部装置に通信接続され、かつ配信者ＬＶの動画（静止画でもよい）を配信者ＬＶ側のサーバ４０及び／又は視聴者ＡＵ側のサーバ５０に送信するように構成され、制御ユニット２２は、配信者ＬＶの動画と入力ユニット２４から入力された指示に応じて配信者ＬＶに送信する動画を生成する。ビデオ通信ユニット２３は、配信する動画（静止画でもよい）を撮る。入力ユニット２４は、ユーザ（すなわち配信者ＬＶ）からのコマンド又は情報の入力を受信する。記憶ユニット２５は、様々なデータとプログラムを記憶することに用いられる。

通信ユニット４１は、ネットワークＮＷを介して配信者ＬＶのユーザ端末２０、視聴者ＡＵ側のサーバ５０、視聴者ＡＵ側のユーザ端末３０又は他の外部装置に通信接続される。監視ユニット４２は、配信者ＬＶ以外のユーザが動画（静止画でもよい）に投稿したコメント又はメッセージを監視する。抽出ユニット４３は、監視ユニット４２が監視しているコメント又はメッセージから商品販売又は注文に関する特定のキーワードを抽出又は偵察する。処理ユニット４４は、商品販売又は注文に関する処理を行う。出力ユニット４５は、視聴者ＡＵ側のユーザ端末３０に表示するための商品販売又は注文に関する情報を出力する。記憶ユニット４６は、様々なデータとプログラムを記憶することに用いられる。

通信ユニット５１は、ネットワークＮＷを介して配信者ＬＶのユーザ端末２０、視聴者ＡＵのユーザ端末３０、配信者ＬＶ側のサーバ４０又は他の外部装置に通信接続される。配信ユニット５２は、配信者ＬＶのユーザ端末２０から受信された動画（静止画でもよい）を視聴者ＡＵ側のユーザ端末３０に配信する。

記憶ユニット３５は、様々なデータとプログラムを記憶することに用いられる。通信ユニット３１は、ネットワークＮＷを介して配信者ＬＶのユーザ端末２０、配信者ＬＶ側のサーバ４０、視聴者ＡＵ側のサーバ５０又は他の外部装置に通信接続され、かつ動画を受信し、コマンド又はコメントを視聴者ＡＵ側のサーバ５０に送信するように構成される。制御ユニット３２は、商品販売又は注文に関する処理を行う。表示ユニット３３は、視聴者ＡＵ側のサーバ５０から配付された動画を表示する。入力ユニット３４は、ユーザ（すなわち視聴者ＡＵ）からのコマンド又は情報の入力（例えば動画に対するコメント又はメッセージ）を受信する。

配信者ＬＶ及び視聴者ＡＵは、ネットワークＮＷを介してダウンロードサイトから本実施形態に係る実況配信アプリ（以下、実況配信アプリといい）をダウンロードしてユーザ端末２０、３０にインストールする。又は、実況配信アプリをユーザ端末２０、３０にプリインストールしてもよい。ユーザ端末２０、３０が実況配信アプリを実行することにより、ユーザ端末２０、３０は、ネットワークＮＷを介してサーバ１０と通信して様々な機能を実行する。これらの機能は実際的に実況配信アプリがユーザ端末２０、３０において実現する機能である。なお、他の実施形態において、これらの機能はコンピュータプログラムにより実現されてもよく、該コンピュータプログラムは、サーバ１０からネットワークＮＷを介してユーザ端末２０、３０のウェブブラウザに送信され、ＨＴＭＬ（Hyper Text Markup Language、ハイパーテキストマークアップ言語）等のプログラミング言語を利用して記述され、該プログラミング言語がウェブブラウザにより実行される。

前述の実況配信システム１は、本願に開示されている一実施形態において以下の情報処理方法を実行することに用いられる。

ステップ１：一つ又は複数のコンピュータ装置のプロセッサを介して、配信者ＬＶがライブビデオストリーミングを介してライブ販売を行うことに関するデータを受信する。

ステップ２：データを機械学習モデルに入力する。

ステップ３：機械学習モデルが生成した結果に基づいて、配信者ＬＶが該ライブ販売を行うことに役立つ販促情報を取得する。

図３Ａ及び図３Ｂは従来の販売における課題を示している。実線は販促がない場合の、販売量の時間変化動向を示しており、図３Ｂの破線はある販促の方法を採用した、又は販売戦略を変更した後の、販売量の時間変化動向を示している。従来、実況配信の商品販売では、その採用された販促方法又は販売戦略が最適な戦略であるか（例えば最大の利益を得ることができる戦略であるか）を知ることができない。本開示は、機械学習モデルに基づく予測結果を利用して、配信者ＬＶが実況配信中に商品の販売を行ったり販売戦略を変更したりすることを案内して支援することにより、その販売状況を改善する。

本開示の方法において、コンピュータ装置は配信者ＬＶ側のサーバ４０であってもよい。図４は、本発明の一実施形態において、該方法を実行することを示す模式図である。ブロック６０は、データを取得するための可能なソース、例えば監視手段６００と、サービストラフィックレコード６０１及びユーザレコード６０２のうちの少なくとも一方とを示している。一実施形態において、該データは、配信者がライブビデオストリーミングを介して行うライブ販売に関するデータであって、例えば、販売済み又は未販売の商品の属性、販売済又は未販売の商品数、販売済又は未販売の商品の価格、視聴数、視聴者の属性、視聴者の行動スコア、視聴者の行動履歴、視聴者のメタデータ（metadata）、サービストラフィック（service traffic）、経過期間（duration）、残り期間（duration）、又は進行時間（time）の一つ又は複数の組合せを含む。

ブロック６１は各ソースのデータが収集されたことを示し、収集されたこれらのデータは機械学習モデル（ブロック６２）に入力される。機械学習モデルがアルゴリズムでこれらのデータを演算することで、結果を生成する。機械学習モデルが生成した結果は、さらに配信者ＬＶのライブ販売に役立つ販促情報を生成することに用いられる。

本開示において、配信者ＬＶのライブビデオストリーミングを介したライブ販売に関するデータに基づいて、機械学習モデルが予測して販促情報を提供する。機械学習モデルの学習又はトレーニングは、販促ありの実際の販売データ又は販促なしの実際の販売データであってもよく、あるいは全ての（販促ありの及び販促なしの）実際の販売データであってもよい。

異なる実施形態又は販売目標に応じて、販促情報は、変更されていない販売戦略に基づいて生成された将来の販売予測、つまり従来の販売戦略（販促の有無に関わらない）を継続的に採用している将来の販売予測であってもよく、又は、販促情報は、複数の将来の販売計画（例えば異なる販促の方式又は程度）及び該複数の将来の販売計画に対応する複数の販売予測を含んでもよい。また、販売予測は、特定の時刻の商品販売量又は利益であってもよく、全ての商品完売の予測時刻であってもよく、又は、販売予測は、特定の時間内の販売速度あるいは総利益の値であってもよい。

本実施形態において、販促情報はアドバイス行動が含まれる販売計画であり、機械学習モデルが生成した結果は評価（ブロック６３０）、例えば配信者ＬＶの現在のライブ販売の結果に基づいて取得された販売予測であってもよく、販売予測は点数で表示されることができる。

さらに、取得された評価に基づいて、ライブラリ（例えば予めロードされた又はリアルタイムに生成されたルックアップテーブル）（ブロック６３１）を利用して、該評価に関するアドバイス行動（すなわち販促情報）（ブロック６４）を取得する。以下の表１はその一例を示している。

機械学習モデルが生成した評価が０～０．３の間にある場合、取得されたアドバイス行動はＡであり、機械学習モデルが生成した評価が０．３～０．６の間にある場合、取得されたアドバイス行動はＢであり、機械学習モデルが生成した評価が０．６～１．０の間にある場合、取得されたアドバイス行動はＣである。一例を挙げると、上記の評価の高低は現在積極的な販促戦略が必要である程度を反映することができ、評価が低いほど、積極的な販促の必要がなく、逆に、評価が高いほど、積極的な販促が必要である。一例を挙げると、アドバイス行動Ａは販促行動が必要なく、アドバイス行動Ｂは従来の販促行動を採用し、アドバイス行動Ｃは積極的な販促行動を採用する。販促行動のコンテンツには、例えば割引率（discount percentage）、割引商品の項目、割引商品の数、割引の期間（duration）、割引の時間（time）、割引のターゲット、割引クーポンの提供、会員の提供、贈呈の付加（例えば一つ買ったらもう一つおまけ）、商品贈呈の提供等であってもよい。

一例において、配信者ＬＶが販促情報を受信した後に、とった行動及び取得した結果に対して、さらに販促情報又は機械学習モデルを評価してもよい。上記の方法はさらに以下のステップを含んでもよい。

ステップ４：該販促情報を提供した後、さらに、該配信者ＬＶの次の販売行動が該販促情報とマッチングするかを確定する。

ステップ５：該配信者ＬＶが該販促情報を受信する前の第一販売データ及び該配信者ＬＶが該販促情報を受信した後の第二販売データに基づいて、該販売行動が該販促情報に合致するかを含む、該販促情報又は該機械学習モデルに対する評価を生成する。

同様に図４を参照し、ブロック６４の販促情報はブロック６１にフィードバックされ、データの一部とされ、機械学習モデルに入力されることにより演算（ブロック６５）を行う。フィードバック分析の結果は付加的な評価とすることができ、すなわち付加的な評価に基づいて機械学習モデルが生成した販促情報が実際の販売に役立つかをさらに評価する。第一販売データは配信者ＬＶが販促情報を受信する前の販売データで、第二販売データは配信者ＬＶが販促情報を受信した後の販売データで、フィードバック分析は、配信者ＬＶが販促情報を採用して販促を行っているかを偵察し、第一販売データと第二販売データを比較することで、該販促情報又は該機械学習モデルを評価することである。一例において、販売データは販売速度又は総利益であってもよい。該評価は、機械学習モデルの継続的な学習と進歩に用いられることができる。いくつかの実施形態において、該機械学習モデルは強化学習（Reinforcement learning）モデルを含んでもよい。

一例を挙げると、表２はいくつかの可能な状況を示しており、配信者ＬＶが販促情報を採用すると、第二販売データが第一販売データより優れていると仮定し、該販促情報（又は該機械学習モデル）にポジティブな評価を与え、第二販売データが第一販売データより劣っていると仮定し、該販促情報（又は該機械学習モデル）にニュートラルな評価を与える。配信者ＬＶが販促情報を採用しないと、第二販売データが第一販売データより優れていると仮定し、該販促情報（又は該機械学習モデル）にネガティブな評価を与え、第二販売データが第一販売データより劣っていると仮定し、該販促情報（又は該機械学習モデル）にニュートラルな評価を与える。

アドバイス行動の面では、一例を挙げると、当初の商品数が１００個であり、商品の種類が１種であり、商品の販売価格が５０元であり、コストが３０元であり、利益が２０元であり、最初の５分間での販売量が０であると仮定する。予測に採用されたパラメータは、商品の属性、在庫数、視聴数、経過期間（duration）又は進行時間（time）である。機械学習モデルは上記の条件及びパラメータに応じて、後続の異なる時刻にアドバイス行動を提供することができ、表３に示すとおりである。

図５は配信者ＬＶのユーザ端末２０のディスプレイにおける実況配信の画面の代表画面図６６０を示し、配信者ＬＶが実況配信している画面６６１、現在の販売データ６６２（例えば、販売量又は販売速度）、現在の販促コンテンツ６６３と上記の方法を経て提供された販促行動６６４を含む。一例において、販促行動は一つだけではなく、図５に示すように複数の販促行動６６４を含んでもよい。代表画面図６６０は、対応する販促行動を始めるためのボタン６６５を提供し、配信者ＬＶがそのうちの一つのボタンをクリックすると、対応する販促行動が開始される。

本発明の一実施形態において、機械学習モデルは特に視聴者ＡＵの行動に対して販売予測を評価してもよい。図６は本実施形態において、該方法を実行する模式図を示している。本実施形態と図４に示す実施形態とは、データについて、視聴者ＡＵに関する行動及び／又はデータ（ブロック６０３）を採用したことにおいて異なる。図７は、本実施形態のモデル模式図を示し、ブロック７１は視聴者の行動スコア計算ユニットを示し、視聴者ＡＵに関する各パラメータ７０、例えば視聴者の属性、視聴者の行動スコア、視聴者の行動履歴、視聴者のメタデータ（metadata）等をスコア計算ユニット７１に入力することで、現在の視聴者スコア７２を取得することができる。現在の視聴者スコア７２は、現在の視聴者全体を反映する単一のスコアであってもよく、各現在の視聴者を反映する複数のスコアであってもよい。次に、現在の視聴者スコア７２が機械学習モデル７３に入力されることにより、販促情報に対してより深い予測を行うことができる。

一例を挙げると、視聴者によっては販促（ここでは割引を例とする）の影響を受ける傾向の程度が低く、このような視聴者が大部分を占めると、販促の提供は販促情報として有効な選択ではないと予測することができる。したがって、視聴者が割引の影響を受けることに関する傾向の程度を取得し、その傾向の程度に応じて配信者ＬＶのユーザ端末２０のディスプレイに機械学習モデル７３の予測結果（ブロック７４）を表示することができる。予測結果が特典を提供しないで最終的な利益を向上させる確率が高いことを示す場合、予測結果又はアドバイス行動は特典を提供しないように表示される。逆に、予測結果が特典を提供しないで最終的な利益を向上させる確率が低いことを示す場合、予測結果又はアドバイス行動は特典を提供することを進めるように表示され、配信者ＬＶに特典を提供する時刻及び割引の程度をさらに通知する。

図８は本発明の一実施形態における機械学習モデルの学習段階８０を示しており、本実施形態は複数の販促のない実際の販売データ８１Ａ、８１Ｂ、８１Ｃ、８１Ｄを利用して機械学習モデル８２をトレーニングする。実際の販売データ８１Ａ、８１Ｂ、８１Ｃ、８１Ｄの縦軸は商品数であり、横軸は時間（図面は概略のみ）である。機械学習モデルのトレーニングはより多くのパラメータ、例えば異なる時間の総視聴者数、異なる時間の新しい視聴者数、商品の属性、商品のメーカー、商品の価格、実況配信者（配信者ＬＶ）、実況配信者（配信者ＬＶ）の属性、店舗、クーポンの有無、クーポンのコンテンツ等を導入することもできる。

図９は本発明の一実施形態における機械学習モデル８２の実行段階８３を示している。トレーニングされた機械学習モデル８２は、配信者ＬＶがライブビデオストリーミングを介して既にライブ販売を行ったデータ（例えば前の５分間の販売データ）８４に基づいて、その後の販売８５、例えば全ての商品が完売する予想時刻８６又は将来のある時刻の販売商品数を予測することができる。図９に表明される実施形態において、機械学習モデル８２は教師あり学習（Supervised learning）を採用することができる。

他の実施形態において、販促情報の生成は以下のステップをさらに含む。

ステップ６：データを機械学習モデルに入力して複数の将来の販売計画及び将来の販売計画に対応する複数の販売予測を取得する。

ステップ７：販売予測を計算して販売計画に対応する複数の予測販売利益を取得する。

ステップ８：将来の販売計画及び予測販売利益を該配信者に配信することにより、該配信者が該複数の将来の販売計画のうちのいずれかを選択可能なインタフェースを提供することにより、選択した販売計画を始めることを決める。

図１０～図１１は上記の方法を説明しており、図１０は本発明の一実施形態のフローチャートを示している。一例を挙げると、商品の種類は一つであり、商品の販売価格は５０元であり、コストは２０元であり、利益は３０元であり、前の５分間での販売量は１０個である。操作９０において、まずデータを機械学習モデル８２に入力し、販促を採用しない場合の最終的な販売量（すなわち実況配信が終了する時の商品の販売量）の予測、例えば３０個を取得する。

次に、複数の異なる将来の販売計画及び将来の販売計画に対応する複数の販売予測（操作９１）を計算する。以下の表４に示すように、ここでの販売予測は利益予測であるが、販促を採用した後、最終的な販売量の予測は対応して変化する。項目Ｂにおいては、１０％割引を採用したため、その後の販売量予測が１０％向上し、したがって実況配信が終了する時の最終的な販売量予測は３２個に増加する。項目Ｃにおいては、５０％割引を採用したため、その後の販売量予測が５０％向上し、したがって実況配信が終了する時の最終的な販売量予測は４０個に増加する。なお、本実施形態では、公平性を示すため、販促を採用した後、割引は従来販売された商品に遡ると仮定する。

表４の予測は図１１に示す。図１１において、線Ａは項目Ａを示し、線Ｂは項目Ｂを示し、線Ｃは項目Ｃを示す。図９に戻り、操作９２において、全ての予測から販売利益最大項目を選択して配信者ＬＶに参考として提供し、又は、全ての予測を配信者ＬＶに参考として提供してもよく、又は全ての予測において、販売利益最大項目をアドバイス項目として表示して配信者ＬＶに参考として提供してもよい。操作９３において、選択されたもの及び販促を採用しない販売利益予測を配信者ＬＶにアドバイスとして提供する。図１２に示すように、配信者ＬＶのユーザ端末２０のディスプレイに表示された実況配信の画面の代表画面図６７０は、配信者ＬＶが実況配信している画面６７１、現在の販売データ６７２、予測販売データ６７３（販促を採用しない予測）と上記の方法を経て提供された販促行動６７４を含む。代表画面図６７０は、対応する販促行動を始めるボタン６７５を提供するインタフェースであり、配信者ＬＶがそのうちの一つのボタンをクリックすると、対応する販促行動を始める（操作９４）。例えば、履歴データに基づいて学習した機械学習モデルは、１０％割引を採用すると１０％の販売量を増加させることができ、総利益は（１０＋２０×１．１）×（５０×０．９－２０）＝８００元であり、すなわち上記の表４の項目Ｂと判断される。

本開示における情報処理装置、情報処理方法及びプログラムは、機械学習モデルを利用することに基づき、実況配信に対応するパラメータから実況配信中の商品販売を予測し、予測した結果に基づいて配信者の商品販売を案内することにより、その販売形態を変化させることで、販売結果を最適化する。

本明細書において、サーバ１０、４０及び５０及びユーザ端末２０、３０等の情報処理装置は、プロセッサ、メモリ、ユーザの入力を受け付ける入力インタフェース、情報を出力する出力インタフェース、通信インタフェース、及びこれら以外の情報処理装置として動作させるために必要な構成を備えている。

プロセッサは、オペレーティングシステムやそれ以外の様々なプログラムをメモリにロードし、ロードしたプログラムに含まれる命令を実行する演算装置である。プロセッサは、例えば、ＣＰＵ、ＭＰＵ、ＤＳＰ、ＧＰＵ、これら以外の各種演算装置、又はこれらの組み合わせである。プロセッサは、複数の物理的に別体のプロセッサの集合であってもよい。本明細書において、プロセッサによって実行されるプログラム又は当該プログラムに含まれる命令は、単一のプロセッサで実行されてもよいし、複数のプロセッサにより分散して実行されてもよい。また、プロセッサによって実行されるプログラム又は当該プログラムに含まれる命令は、一又は複数の仮想プロセッサにより実行されてもよい。

情報処理装置はストレージを備えていてもよい。ストレージは、プロセッサによりアクセスされる外部記憶装置である。ストレージは、例えば、磁気ディスク、光ディスク、半導体メモリ、又はデータを記憶可能な前記以外の各種記憶装置である。

プロセッサで実行されるプログラムは、ストレージの他、様々なタイプの非一時的なコンピュータ可読媒体（non-transitory computer readable medium）に格納され得る。非一時的なコンピュータ可読媒体は、様々なタイプの実体のある記録媒体（tangible storage medium）を含む。非一時的なコンピュータ可読媒体の例には、磁気記録媒体（例えばフレキシブルディスク、磁気テープ、ハードディスクドライブ）、光磁気記録媒体（例えば光磁気ディスク）、Compact Disc Read Only Memory（CD-ROM）、CD-R、CD-R/W、半導体メモリ（例えば、マスクROM、Programmable ROM（PROM）、Erasable PROM（EPROM）、フラッシュROM、Random Access Memory（RAM））を含む。

本明細書中で説明される処理及び手順が単一の装置、ソフトウェア、コンポーネント、モジュールによって実行される旨が説明されたとしても、そのような処理又は手順は複数の装置、複数のソフトウェア、複数のコンポーネント、及び／又は複数のモジュールによって実行され得る。また、本明細書中で説明されるデータ、テーブル、又はデータベースが単一のメモリに格納される旨説明されたとしても、そのようなデータ、テーブル、又はデータベースは、単一の装置に備えられた複数のメモリ又は複数の装置に分散して配置された複数のメモリに分散して格納され得る。さらに、本明細書において説明されるソフトウェア及びハードウェアの要素は、それらをより少ない構成要素に統合して、又はより多い構成要素に分解することによって実現することも可能である。

本明細書及び特許請求の範囲における構成要素の識別のための番号は文脈毎に用いられ、一つの文脈で用いた番号が、他の文脈で必ずしも同一の構成を示すとは限らない。また、ある番号で識別された構成要素が、他の番号で識別された構成要素の機能を兼ねることを妨げるものではない。

１：実況配信システム
１０：サーバ
２０：ユーザ端末
２１：通信ユニット
２２：制御ユニット
２３：ビデオ通信ユニット
２４：入力ユニット
２５：記憶ユニット
３０、３０Ａ、３０Ｂ、３０Ｃ：ユーザ端末
３１：通信ユニット
３２：制御ユニット
３３：表示ユニット
３４：入力ユニット
３５：記憶ユニット
４０：サーバ
４１：通信ユニット
４２：監視ユニット
４３：抽出ユニット
４４：処理ユニット
４５：出力ユニット
４６：記憶ユニット
５０：サーバ
５１：通信ユニット
５２：配信ユニット
５３：処理ユニット
６０、６０３、６１、６２、６３０、６３１、６４、６５：ブロック
６００：監視手段
６０１：サービストラフィックレコード
６０２：ユーザレコード
６６０：代表画面図
６６１：実況配信の画面
６６２：販売データ
６６３：販促コンテンツ
６６４：販促行動
６６５：販促行動のボタン
６７０：代表画面図
６７１：実況配信の画面
６７２：現在の販売データ
６７３：予測販売データ
６７４：販促行動
６７５：販促行動のボタン
７０：パラメータ
７１：入力スコア計算ユニット
７２：視聴者スコア
７３：機械学習モデル
７４：予測結果
８０：学習段階
８１Ａ、８１Ｂ、８１Ｃ、８１Ｄ：実際の販売データ
８２：機械学習モデル
８３：実行段階
８４：ライブ販売のデータ
８５：販売
８６：予想時刻
９０、９１、９２、９３、９４：操作
ＬＶ：配信者
ＡＵ、ＡＵ１、ＡＵ２、ＡＵ３：視聴者
ＮＷ：ネットワーク
ＶＤ、ＶＤ１、ＶＤ２：動画

Claims (12)

1. 一つ又は複数のコンピュータ装置のプロセッサを介して、
   配信者がライブビデオストリーミングを介して行うライブ販売に関するデータを受信するステップと、
   前記データを機械学習モデルに入力するステップと、
   前記機械学習モデルが生成した結果に基づいて、前記配信者が前記ライブ販売を行うことに役立つ販促情報を取得するステップと、
   を含む、情報処理方法。
2. 前記販促情報を取得した後、前記販促情報をネットワークを介して前記配信者に配信するステップをさらに含む、請求項１に記載の情報処理方法。
3. 前記データは、販売済又は未販売の商品の属性、販売済又は未販売の商品数、販売済又は未販売の商品の価格、視聴数、視聴者の属性、視聴者の行動スコア、視聴者の行動履歴、視聴者のメタデータ、サービストラフィック、経過期間、残り期間又は進行時間の一つ又は複数の組合せを含む、請求項１に記載の情報処理方法。
4. 前記販促情報は販売計画を含み、
   前記販促情報を取得するステップは、前記販売計画を生成するステップを含み、
   前記販売計画を生成するステップは、
   前記データを前記機械学習モデルに入力して行われる前記ライブ販売に関する評価を取得するステップと、
   ライブラリから前記評価に対応する前記販売計画を見つけ出すステップと、
   を含み、
   前記販売計画を前記配信者に配信するステップをさらに含む、
   請求項１に記載の情報処理方法。
5. 前記販売計画は、割引率、割引商品の項目、割引商品の数、割引の期間、割引の時間又は割引のターゲットの一つ又は複数の組合せを含む、請求項４に記載の情報処理方法。
6. 前記販促情報を提供した後、前記配信者の次の販売行動が前記販促情報とマッチングするかを決定するステップと、
   前記配信者が前記販促情報を受信する前の第一販売データ及び前記配信者が前記販促情報を受信した後の第二販売データに基づいて、前記販売行動が前記販促情報に合致するかを含む、前記販促情報又は前記機械学習モデルに対する評価を生成するステップと、
   をさらに含む、請求項１に記載の情報処理方法。
7. 前記販促情報は、変更されていない販売戦略に基づいて生成された将来の販売予測である、請求項１に記載の情報処理方法。
8. 前記販促情報を取得するステップは、前記販促情報を生成するステップを含み、
   前記販促情報を生成するステップは、
   前記データを前記機械学習モデルに入力して複数の将来の販売計画及び前記複数の将来の販売計画に対応する複数の販売予測を取得するステップと、
   前記複数の販売予測を計算して前記複数の販売計画に対応する複数の予測販売利益を取得するステップと、
   をさらに含み、
   前記複数の将来の販売計画及び前記複数の予測販売利益を前記配信者に配信することにより、前記配信者が前記複数の将来の販売計画のうちのいずれかを選択可能なインタフェースを提供するステップをさらに含む、
   請求項１に記載の情報処理方法。
9. 前記販促情報を取得するステップは、前記販促情報を生成するステップを含み、
   前記販促情報を生成するステップは、
   前記データを前記機械学習モデルに入力して視聴者が割引の影響を受けることに関する傾向の程度を取得するステップと、
   前記傾向の程度に応じて前記販促情報を生成するステップと、
   を含む、
   請求項１に記載の情報処理方法。
10. 情報処理装置であって、
    プロセッサと、
    実行可能なコマンドを記憶するように構成されるストレージとを含み、
    前記実行可能なコマンドを実行中に前記プロセッサに、
    配信者がライブビデオストリーミングを介して行うライブ販売に関するデータを受信する操作と、
    前記データを機械学習モデルに入力する操作と、
    前記機械学習モデルが生成した結果に基づいて、前記配信者が前記ライブ販売を行うことに役立つ販促情報を取得する操作とを実行させる、情報処理装置。
11. 配信者がライブビデオストリーミングを介して行うライブ販売に関するデータを受信するように構成される受信ユニットと、
    前記データに機械学習アルゴリズムを実行するように構成される処理ユニットと、
    前記機械学習アルゴリズムの結果に基づいて、前記配信者の前記ライブ販売に役立つ販促情報を生成するように構成される意見生成ユニットと、
    を含む、情報処理装置。
12. 一つ又は複数のコンピュータ装置に、
    配信者がライブビデオストリーミングを介して行うライブ販売に関するデータを受信するステップと、
    前記データを機械学習モデルに入力するステップと、
    前記機械学習モデルが生成した結果に基づいて、前記配信者が前記ライブ販売を行うことに役立つ販促情報を取得するステップと、
    を実行させるためのプログラム。