JP4858328B2 - 電子商取引における購買支援システム、購買支援方法および購買支援用プログラム - Google Patents

Description

本発明は電子商取引における購買支援システム、購買支援方法および購買支援用プログラムに関し、特に複数の店舗からなるＥＣ（Electronic Commerce）サイトにおいて、消費者による購買商品の決定を支援する購買支援システム、購買支援方法および購買支援用プログラムに関する。

インターネット上で運営される大規模ＥＣサイトでは、多くの店舗が集合し、ショッピングモールを形成している。このようなＥＣサイトで提供される商品検索手段として、（１）商品名検索：商品名を入力して検索する （２）商品ジャンル検索：商品カテゴリのなかから絞り込みながら検索する （３）店舗ジャンル検索：欲しい商品を売っていそうな店舗を店舗のカテゴリから絞り込みながら検索する、などの方法が消費者に提供されている。

さらに消費者側の便宜を図るため、ECサイトにおける購買支援システムの一例が、特許文献１、特許文献２に記載されている。この従来の購買支援システムは、購買要求者の要求や質問の文章をインターネット等の通信手段で受け付ける手段と、専門家もしくは売り手がその要求文章を解析する手段と、専門家もしくは売り手が回答する手段と、その回答内容を知識データベース化し、次の購買要求者の質問で類似のものがあった場合に、知識データベースに格納された回答を引用する手段とから構成されている。

この購買支援システムはつぎのように動作する。
すなわち、購買要求者からの要求や質問の文章をインターネットなどの通信手段により受け付け、その内容を、複数の専門家や複数の売り手に配布する。専門家はいわゆる購入アドバイザーとして、購入要求者に、要求に沿った商品や、その入手方法などを回答する。また売り手は、自店舗の商品ラインナップの中で、購入要求者の要求にもっとも添う商品を推薦するという手順が基本であり、バリエーションとして、購買要求の文章を自動解析する方法や、回答内容を知識データベース化し知識として蓄積する方法などが併用される。

特開２００１−１４７９７７号公報 特開２００３−２９６６２８号公報

本発明に関連する上記の技術には次のような問題点がある。
特許文献２では、買い手の注文を分類し、その分類結果に対応した売り手グループに買い手の購買要求を提示する方法が示されている（特許文献１の段落００７５参照）。しかし、購買要求をどのように分類して、どの売り手のグループが回答すべきか決定する手法は記載されておらず、自然な文章で要求が記載された場合、回答すべきグループの特定は困難である。

本発明の目的は、消費者からの問い合わせに対して的確に回答できる店舗をＥＣサイト内の複数の店舗の中から選択し、その商店からの回答を消費者に返信できる購買支援システム等を提供することにある。

本発明の購買支援システムは、消費者の要求を自然言語で記述した要求記述を解析しこの要求記述のキーワードとなる語の集合である要求用語群を生成する要求解析手段と、ＥＣ店舗で販売される商品毎の説明の記述のキーワードとなる商品用語群と要求用語群の一致性に基づいてEC店舗で販売される商品の中から消費者の要求に合致する商品を選択する商品判定手段と、商品判定結果に含まれる商品を販売するＥＣ店舗の中から要求記述に対する回答である店舗回答文書を作成する１または２以上の回答ＥＣ店舗を選択する店舗特定手段と、回答ＥＣ店舗の店舗端末に要求記述を送信する要求記述送信手段と、店舗端末から受信した店舗回答文書を取りまとめて回答データを生成し、この回答データを消費者が使用する消費者端末に送信する回答手段とを備えている。

本発明によれば、消費者からの問い合わせに対して的確に回答できる店舗をＥＣサイト内の複数の店舗の中から選択し、その商店からの回答を消費者に返信することができる。

次に、本発明の実施例について図面を参照して詳細に説明する。
図１は、本発明の実施例の全体構成図である。
この実施例は、各々ネットワーク１１に接続された消費者端末１０とＥＣサイト２０を備えている。
消費者端末１０は、例えばパーソナルコンピュータ、携帯電話機等の端末装置である。 ＥＣサイト２０は、購買支援サーバ２１と、それぞれ店舗サーバ２３と店舗端末を備えた複数の店舗２２を備えている。店舗サーバ２３は、商品に関する情報を消費者に提示し消費者からの注文を受け付ける仮想的な店舗を実現するサーバコンピュータである。店舗端末２４は、店舗２２の運営者が使用するパーソナルコンピュータ等の端末装置である。購買支援サーバ２１は、例えば図示しないＬＡＮ(Local Area Network)を介して店舗サーバ２３及び店舗端末２４と通信可能に構成されている。
消費者は、消費者端末１０を用いて要求記述をＥＣサイト２０に送信し、店舗２２からの回答データを受け取る。

なお、図１に示したハードウェアの構成は一例であり、本発明は、この構成には限定されない。例えば、購買支援サーバ２１を複数台のサーバコンピュータにより構成しても良いし、１台の店舗サーバ２３で複数の店舗を実現しても良い。また、店舗端末２４は、店舗２２とは物理的に遠隔の場所に設置されていても良い。

図２は、本実施例の機能ブロック図である。
消費者端末１０は、要求入力手段１００を備えている。要求入力手段１００は、消費者により入力された要求記述２００をネットワーク１１を介して購買支援サーバ２１に送信する。要求記述２００は、消費者が自然言語を用いて店舗２２に対する問い合わせや自分の要求を記述したデータである。

購買支援サーバ２１は、要求解析手段１１０と、サイト解析手段１２０と、商品判定手段１３０と、店舗特定手段１４０と、要求記述送信手段１５０と、回答手段１７０を備えている。
要求解析手段１１０は、要求記述２００を受信すると、用語抽出ルール２０２を用いて、要求記述２００からキーワードとなる語を抽出し、要求用語群データ２０３として出力する。

サイト解析手段１２０は、用語抽出ルール２０２を用いて、店舗名、商品名、商品に付帯するキーワード（商品用語群）をサイト内商品記述２０１から抽出し、全商品用語群２０５に格納する。サイト内商品記述２０１は、ECサイト２０内の店舗２２の商品の説明を自然言語により記述したデータである。
全商品用語群２０５は、例えば、購買支援サーバ２１の運用開始前に作成しておき、運用開始後は適宜サイト解析手段１２０を動作させて更新する。

商品判定手段１３０は、商品判定ルール２０４を用いて要求用語群２０３と全商品用語群２０５から読み出した各商品の商品用語群を一致性を検証する。そして、要求記述２００の内容に対する一致性の高い商品の商品名を全商品用語群２０５から抽出し、それらの商品を取り扱っている店舗２２の名称を商品判定結果２０６に出力する。

店舗特定手段１４０は、商品判定結果２０６と店舗判定ルール２０８により、要求記述２００との一致性が高い商品を扱っている店舗２２の中で、要求記述２００に対する回答が可能と推測される店舗２２を特定し、回答店舗リスト２０７に店舗名を出力する。

要求記述送信手段１５０は、回答店舗リスト２０７に記されているひとつないしは複数の店舗２２の店舗端末２４へ、消費者端末１０から受信した要求記述２００を送信する。

回答手段１７０は、店舗端末２４から受信した店舗回答文書２０８に基づいて回答データ２０９を生成し、これを消費者端末１０に送信する。店舗回答文書２０８が複数ある場合は、これらをまとめてひとつの回答データ２０９を作成する。

店舗端末２４は、回答入力手段１６０を備えている。回答入力手段１６０は、店舗２２の運営者により入力された要求記述に対する回答である店舗回答文書２０８を購買支援サーバ２１に送信する。

上記の各手段は、消費者端末１０、購買支援サーバ２１、店舗端末２４がそれぞれ備えるＣＰＵ(Central Processing Unit)がコンピュータプログラムを実行して各々のハードウェアを制御することにより実現される。

次に、図３から図１０のフローチャートを参照して本実施例の全体の動作について詳細に説明する。
図３は、要求入力手段１００の動作フローチャートである。要求入力手段１００は、例えば、文章入出力手段１０１とサーバ送信手段１０２により構成される。
消費者は、消費者端末１０の文章入力手段１０１を用いて、要求記述２００を入力する。この入力は、例えば、Webブラウザの入力フォームに所定の項目を入力することや新規の電子メールを作成することにより行われる。またこのとき、購買支援サーバ２１から回答データを受信するための消費者のアドレスを明示する。具体的には、例えば、Webブラウザで入力する場合は、消費者のメールアドレスを入力フォームに入力し、電子メールの場合は、発信元メールアドレスに消費者のメールアドレスを入力する。
要求記述２００が完成すると、サーバ送信手段１０２は購買支援サーバ２１のアドレスを指定して、要求記述２００を購買支援サーバ２１に送信する。

図４は、要求解析手段１１０の動作フローチャートである。要求解析手段は、例えば、形態素分解手段１１１、同義語変換手段１１２、クラスタリング手段１１３により構成される。
要求解析手段１１０は、ネットワーク１１を経由して要求記述２００を受信すると、形態素解析辞書２０２ａ、同義語変換辞書２０２ｂ、クラスタリングルール２０２ｃから構成される用語抽出ルール２０２を用いて、要求記述２００に記載された自然文章を解析する。まず、形態素分解手段１１１は形態素解析辞書２０２ａを用いて要求記述２００に含まれる文章を単語に分解し、その単語の集まりを用語群１０として出力する。
次に、同義語変換手段１１２が、用語群１０を同義語変換辞書２０２ｂを用いて、用語の平準化を行い、変換後の単語を用語群１１として出力する。
クラスタリング手段１１３は、用語群１１に含まれる単語を属性（名詞、動詞、形容詞や、名詞の中でも地名、人名、商品名などの区分）により分類して要求用語群２０３に出力する。
なお、同義語変換手段１１２とクラスタリング手段１１３の作動順序は図４とは逆でも良い。

図５は、サイト解析手段１２０の動作フローチャートである。サイト解析手段１２０は、例えば、形態素分解手段１２１、同義語変換手段１２２、クラスタリング手段１２３、格納手段１２４により構成される。
サイト解析手段１２０は、ECサイト２０内の各店舗２２を巡回し、その店舗で販売されている各商品に関する商品記述であるサイト内商品記述２０１を得る。このサイト内商品記述２０１も特に記述ルールの無い、自然言語で記述されている。サイト解析手段１２０は、要求解析手段１１０と同様に、サイト内商品記述２０１に対して商品毎に形態素分解、同義語変換、クラスタリングの処理を行い、商品用語群１４生成する。格納手段１２４は、各商品についての商品用語群１４を全商品用語群２０５に順次追加格納していく。
上記の処理を店舗の全ての商品、および全ての店舗２２について繰り返して処理を終了する。

図６は商品判定手段１３０の動作フローチャートである。商品判定手段１３０は、例えば、要求用語群読込手段１３１、商品判定ルール読込手段１３２、１商品の要求用語群読込手段１３３、複数の用語の一致性判定手段１３４により構成される。
まず、要求用語群読込手段１３１が、要求用語群２０３を読み込む。続いて、商品判定ルール読込手段１３２が商品判定ルール２０４を読み込む。次に、１商品の要求用語群読込手段１３３が、全商品用語群２０５から一つの店舗の一つの商品に関する用語群を読み込む。複数の用語の一致性判定手段１３４は、要求用語群２０３と一つの商品の商品語群の一致の度合いを前記商品判定ルール２０４を用いて判定する。複数の用語の一致性判定手段１３４は、商品判定ルール２０４で記述された判定基準を満足す商品について、その商品名とその商品を販売する店舗名を商品判定結果２０６に追記していく。全商品用語群２０５に格納されている全商品データとの比較が終了するまで、上記手順を繰り返し、商品判定結果２０６に一致した商品と店舗のリストを構築していく。

図７は店舗特定手段１４０の動作フローチャートである。店舗特定手段１４０は、例えば、店舗名ソート手段１４１と店舗毎の判定ルール適用手段１４２から構成される。
まず、店舗名ソート手段１４１が商品判定結果２０６の全てのレコードを店舗名で並び替えを行い、レコードの順番を入れ替える。
次に、店舗毎の判定ルール適用手段１４２は、店舗判定ルール２０８を参照しながら、その店舗が消費者の要求に対し、回答すべき店舗かどうかの判定を行っていき、回答すべきと判定した時には、回答店舗リスト２０７に店舗名を追記していく。一度店名が回答店舗リスト２０７に書き込まれると、同じ店舗名のレコードはスキップする。この処理を商品判定結果２０６に記録された全ての商品レコードに対して実行する。

図８は要求記述送信手段１５０の動作フローチャートである。要求記述送信手段１５０は、例えば、店舗名読込手段１５１と店舗送信手段１５２とにより構成される。
まず店舗名読込手段１５１が回答店舗リスト２０７から回答すべき店舗名を一つ読み込む。店舗送信手段１５２が要求記述２００の内容をその店舗の店舗端末２４に送信する。この手順を回答店舗リスト２０７に記載された全ての店舗に対して行う。

図９は回答入力手段１６０の動作フローチャートである。回答入力手段１６０は、例えば、文章入力手段１６１とサーバ送信手段１６２から構成される。
文章入力手段１６１は、店舗の管理者が要求記述２００に対応した回答として入力した文章に基づいて店舗回答文書２０８を生成する。店舗回答文書２０８は、例えば、テキストデータであり、サーバ送信手段１６２は、店舗回答文書２０８を電子メール等の手段で購買支援サーバ２１に送信する。

図１０は回答手段１７０の動作フローチャートである。対等手段１７０は、例えば、１回答読込手段１７１と、回答データ追記手段１７２と、回答データ送信手段１７３により構成される。
１回答読込手段１７１は、複数の店舗から得られた複数の店舗回答文書２０８を順次読み込む。回答データ追記手段１７２は、回答データ２０９に店舗回答文書２０９を順次追記していき、一つの回答文書にまとめあげる。全ての店舗回答文書を追記すると、回答データ送信手段１７３が、要求を出した消費者のアドレスに向けて、回答文書を送信する。

次に、具体的なデータを用いて上記の実施例の動作を説明する。
消費者は、消費者端末１０を用いて、購買支援サーバ２１に対し、商品名を特定することなく、購入希望の商品の問い合わせを行う。例えば「６５才になる母に、季節感のある食品で、美味しくて健康志向のものを贈りたいのですが、お勧めはありますか？予算は１万円です。」という自然な文章を含む要求記述２００を購買支援サーバ２１に送信する。

要求解析手段１１０は、この自然文章による要求記述２００を用語群へと分解する。具体的には、形態素分解手段１１１により、要求記述２００から、名詞、形容詞、動詞などの品詞を持つ主要な単語を抽出する。そして、クラスタリング手段１１３がクラスタリングルール２０２aに従い、抽出された単語を名詞の種類（地名、人名、商品名など）、形容詞の種類（味覚、視覚、触覚など）、動詞の種類（人の動作・状態、物の動作・状態など）に分類する。またクラスタジャンルに属しない用語は削除する。
用語抽出ルール２０２は同義語変換辞書２０２ｂを内包しており、分類するときに、同義語が判定可能な時には、同義語に置き換える。
このような処理の結果、前記の要求文章は、形態素分解手段１１１で「６５才、母、季節感、食品、美味しい、健康志向、贈る、お勧め、予算、１万円」という用語群に分解され、さらにクラスタリング手段１１３と同義語変換手段１１２により「中高年、女性、季節食品、美味しい、健康、贈答、１万円以下」という７つの用語群に集約され、要求用語群２０３を生成する。

一方、購買支援サーバ２１は、サイト解析手段１２０により各EC店舗２２内で販売されているすべての商品の説明文章（サイト内商品記述２０１）を読み取り、用語抽出ルール２０２を用いて、商品名とその商品を表す用語群のリストを生成し全商品用語群２０５に格納しておく。
例えば、
店舗A：健康食品なら商品Xがお勧め中高年向けで美味しく食べられる。単価８０００円
店舗B：商品Yが安い、クリスマスプレゼントに最適です。値段は１６０００円
店舗C：商品Zは、健康志向の中高年にぴったり。毎日飲めて、ダイエット効果もあり、女性にお勧め、ご贈答に。送料込み７０００円
という記述が各店舗にあると、サイト解析手段１０２は、
店舗A：商品X/健康、美味しい/食品/中高年/８０００円
店舗B：商品Y/クリスマス/贈答/１６０００円
店舗C：商品Z/健康/ダイエット/飲料/中高年/女性/贈答/７０００円
というデータ構造を持つ全商品用語群２０５を生成する。この処理の詳細は、上記の要求解析手段１１０による要求用語群２０３の生成処理と同様である。

商品判定手段１３０は、商品判定ルール２０４を読み込み、要求用語群２０３と全商品用語群２０５の一致度の判定を行っていく。例えば、商品判定ルールが「＜一致率＝商品説明と問い合わせの一致したキーワード数／問い合わせ側のキーワード数＞とした場合の、一致率０．５以上の商品を選択する」という場合は、
店舗A：商品X 一致率＝４/７＝０.５８
店舗B：商品Y 一致率＝１/７＝０.１３
店舗C：商品Z 一致率＝５/７＝０.７１
となる。このとき商品判定ルールをクリアするのは店舗Aが販売する商品Xと店舗Cが販売する商品Zであり、商品Xと商品Zについて、その商品名と販売店舗名を商品判定結果２０６に書き出す。

商品判定ルールとして上記の「一致率が所定の閾値以上である場合に、その商品を選択する」というルール以外にも、さまざまなルールを用いることができる。

例えば、上記のルールにおいて店舗での商品の掲載順に基づいて一致率を修正するようにしてもよい。具体的には、例えば、商品判定ルールを「商品別の一致率を出し、それに、店舗のサイトでの掲載順位の係数をかけ合わせる。掲載順位の係数は、１番目１.０、２〜５番目０.８、６〜１０番目０.７、１１番目以降０.６とし、一致率０.４以上の商品を選択する」とする。店舗では、店舗が推薦する商品（いわゆるお勧め商品）を上位に掲載している場合が多い。そのため、このようなルールを用いれば、お勧め商品を優先的に要求に合致する商品として選択することができる。

また、商品用語群に特定の語が含まれている場合に、一致率を増加させるように修正するようにしても良い。例えば、商品判定ルールを「用語群に「お勧め」、「目玉」、「No１」のいずれかが含まれている場合に、一致率に２をかけ、一致率０.７以上の商品を選択する」とする。この例では、「特定の語」として、店舗がその商品がお勧め商品であると考えていることを推認させる語を選択しているので、店舗が売りたいと考えている商品を優先的に選択することができる。

また、商品選択ルールを「出現率の低いキーワードを要求用語群およびその商品の商品用語群がともに保有した場合、その商品を一致率が低くても選択する」としてもよい。ここで、ある語の出現率は、例えば、「ある語の全商品用語群での出現回数／全商品用語群に含まれる語の総数」として定義する。出願率の低いキーワード、すなわちニッチ性が高いキーワードは、ユーザからの問い合わせにも、店舗の商品説明にも出現率が低い。そのため、一般的な（出現率が低くない）キーワードが複数一致したことにより一致率が高くなっている場合よりも重要な一致とみなすことができる。つまり、選択候補としての商品である可能性が高いと判断することができる。
また、「一致率が低くても選択する」の具体的な内容としては、「一致率に関わらずに選択する」「一致率判定の閾値を低下させるように修正する」等が考えられる。

商品判定ルールは、単一のルールで構成しても良いし、複数のルールを組み合わせて構成しても良い。

次に店舗特定手段１４０は、店舗判定ルール２０８を読み込み、回答店舗リスト２０７を生成する。例えば、前記の例で「選択された商品を扱っている店舗を無条件で選択する」という店舗判定ルールの場合は、商品Xを扱っている店舗Aと商品Zを扱っている店舗Cが選択される。店舗判定ルールで「Σ（その店舗の販売する商品でかつ商品判定結果に含まれる商品の一致率）の大きい上位３店舗を選択する」を適用すると、回答店舗リストには最大３店舗が記入されることになる。また店舗判定ルールで「同一の商品カテゴリにキーワードが集中する店舗の場合、そのキーワードが問い合わせ側のキーワードにあった場合、優先的に回答店舗に指定する」という専門性の高さを判断するルールを適用することもできる。

店舗判定ルールも商品判定ルールと同様に上記の例以外にも種々のルールを用いることができる。また、単一のルールとしても良いし、複数のルールを組み合わせて用いても良い。

要求記述送信手段１５０は、回答店舗リスト２０７に記載されている店舗２２の店舗端末２４に向け、消費者の要求記述２００を送信する。要求記述２００を受信した各店舗は、その回答を、例えば「店舗Cです。××様がお探しの贈答品は、商品Zなどいかがでしょうか？この商品は健康志向の中高年にぴったり。毎日飲めて、ダイエット効果もあり、女性にお勧めです。送料込み７０００円です。他の商品もありますのでご予算に合わせて店舗Cのサイトにご訪問ください」と言った店舗回答文章２０８を作成し購買支援サーバ２１に送信する。

購買支援サーバ２１の回答手段１７０は、複数の回答店舗から寄せられた店舗回答文章２０８をマージして回答データ２０９として、要求を出した消費者に回答する。回答は電子メールで送信する方法でも良いし、ECサイト２０の個人別ホームページに表示しても良い。

次に本実施例の効果について説明する。
消費者は、購入希望の商品名が確定していない状態でも、要求や質問の文章を要求入力手段１００に自然な文章で入力し、これを要求記述２００として購買支援サーバ２１に送信する。
購買支援サーバ２１は、用語抽出ルール２０２に基づいて消費者端末から受信した要求記述を解析し、要求用語群２０３を生成する。商品判定手段１３０は、商品判定ルール２０４に基づいて要求用語群２０３と全商品用語群２０５を比較し、消費者の要求に合致する商品を選択して商品判定結果２０６を生成する。店舗特定手段１４０は、店舗判定ルール２０８に従って商品判定結果２０６に含まれる商品を販売する店舗の中から、消費者への回答を作成すべき店舗を選択する。回答手段１７０は、店舗端末２４から受信した回答文書を、それが複数ある場合には一つのデータに取りまとめて、消費者端末に送信する。
そのため、わずらわしい検索操作等をすることなくECサイト２０に対して問い合わせをすることができ、最も希望に添う可能性のある店舗からの回答が得られる。このことは、ECサイトの視点に立つと、顧客満足度が向上するということである。

商品判定手段１３０は、要求用語群２０３と全商品用語群３０５に記録された個々の商品の商品用語群の一致性に基づいて商品判定結果２０６を生成する。これは、消費者の問い合わせや要求の文章と、店舗による商品の説明文の言語要素の一致性の高さで、問い合わせに対する回答を作成する店舗を選択することである。
そのため、店舗サイトの運営者は、商店の説明や取り扱う商品の説明をWeb上で十分に行っていれば、消費者の問い合わせに対応できる機会を増やすことができる。

購買支援サーバ２１では、商品判定手段１３０が消費者の要求に合致する商品を全商品の中から選択し、さらに、店舗特定手段１３０が回答を作成する店舗を選択する。
そのため、商品判定ルール２０４と店舗判定ルール２０８調整し、店舗回答文書を作成する回答店舗数を最適な数にまで絞り込むことができる。
そのため、消費者の要求や質問に対して、適切な回答数を確保できる。

本発明の実施例の全体構成を示す図である。 本発明の実施例の構成を示す機能ブロック図である。 要求入力手段の動作を示す流れ図である。 要求解析手段の動作を示す流れ図である サイト解析手段の動作を示す流れ図である 商品判定手段の動作を示す流れ図である 店舗特定手段の動作を示す流れ図である 要求記述送信手段の動作を示す流れ図である 回答入力手段の動作を示す流れ図である 回答手段の動作を示す流れ図である

符号の説明

１０ 消費者端末
２０ ECサイト
２１ 購買支援サーバ
２２ 店舗
２３ 店舗サーバ
２４ 店舗端末
１００ 要求入力手段
１１０ 要求解析手段
１２０ サイト解析手段
１３０ 商品判定手段
１４０ 店舗特定手段
１５０ 要求記述送信手段
１６０ 回答入力手段
１７０ 回答手段
２００ 要求記述
２０１ サイト内商品記述
２０２ 用語抽出ルール
２０３ 要求用語群
２０４ 商品判定ルール
２０５ 全商品用語群
２０６ 商品判定結果
２０７ 回答店舗リスト
２０８ 店舗回答文書
２０９ 回答データ

Claims (24)

1. 消費者の要求を自然言語で記述した要求記述を解析しこの要求記述のキーワードとなる語の集合である要求用語群を生成する要求解析手段と、
   ＥＣ店舗で販売される商品毎の説明の記述のキーワードとなる商品用語群と前記要求用語群の一致性に基づいて前記EC店舗で販売される商品の中から前記消費者の要求に合致する商品を選択する商品判定手段と、
   前記商品判定結果に含まれる商品を販売するＥＣ店舗の中から前記要求記述に対する回答である店舗回答文書を作成する１または２以上の回答ＥＣ店舗を選択する店舗特定手段と、
   前記回答ＥＣ店舗の店舗端末に前記要求記述を送信する要求記述送信手段と、
   前記店舗端末から受信した前記店舗回答文書を取りまとめて回答データを生成し、この回答データを前記消費者が使用する消費者端末に送信する回答手段とを備えた購買支援システム。
2. 前記商品判定手段は、前記要求用語群と前記商品用語群に共通して含まれる語の数を前記要求用語群に含まれる語の数で除した値である一致率が所定の閾値以上である商品を前記要求に合致する商品と判定することを特徴とした請求項１に記載の購買支援システム。
3. 前記商品判定手段は、商品の前記EC店舗における掲載順位に基づいて前記一致率を修正することを特徴とした請求項２に記載の購買支援システム。
4. 前記商品判定手段は、前記商品用語群に予め定めた語が含まれている場合に、その商品の前記一致率が高くなるように修正することを特徴とした請求項２または請求項３に記載の購買支援システム。
5. 前記商品判定手段は、出現頻度が頻度閾値以下である語が、前記商品用語群世前記要求用語群に共通して含まれている場合に、前記閾値を低下させるように修正することを特徴とした請求項２ないし請求項４のいずれかひとつに記載の購買支援システム。
6. 前記店舗特定手段は、前記商品判定手段により前記消費者の要求に合致する商品であると判定された商品の前記一致率の前記EC店舗毎の総和が大きい順に所定の数だけ前記回答店舗を選択することを特徴とした請求項１ないし請求項５のいずれかひとつに記載の購買支援システム。
7. 前記店舗特定手段は、前記要求用語群にその店舗の専門分野を示す語が含まれているEC店舗を前記回答店舗として選択することを特徴とした請求項１ないし請求項６のいずれかひとつに記載の購買支援システム。
8. 前記商品の説明の記述として自然文で前記EC店舗が公開している情報であるサイト内商品記述を収集し、前記サイト内商品記述を解析して前記商品用語群を生成し、この商品用語群をその商品を販売する店舗の識別情報と、その商品の識別情報とに対応付けて記憶する全商品用語群を生成するサイト解析手段を備え、
   前記商品判定手段は、商品毎の商品用語群を前記全商品用語群から取得することを特徴とした請求項１ないし請求項７のいずれかひとつに記載の購買支援システム。
9. 購買支援サーバのＣＰＵと其のコンピュータプログラムを機能実現手段として構成された要求解析手段が、消費者の要求を自然言語で記述した要求記述を解析しこの要求記述のキーワードとなる語の集合である要求用語群を生成する要求解析工程と、
   購買支援サーバのＣＰＵと其のコンピュータプログラムを機能実現手段として構成された商品判定手段が、ＥＣ店舗で販売される商品毎の説明の記述のキーワードとなる商品用語群と前記要求用語群の一致性に基づいて前記EC店舗で販売される商品の中から前記消費者の要求に合致する商品を選択する商品判定工程と、
   購買支援サーバのＣＰＵと其のコンピュータプログラムを機能実現手段として構成された店舗特定手段が、前記商品判定結果に含まれる商品を販売するＥＣ店舗の中から前記要求記述に対する回答である店舗回答文書を作成する１または２以上の回答ＥＣ店舗を選択する店舗特定工程と、
   購買支援サーバのＣＰＵと其のコンピュータプログラムを機能実現手段として構成された要求記述送信手段が、前記回答ＥＣ店舗の店舗端末に前記要求記述を送信する要求記述送信工程と、
   購買支援サーバのＣＰＵと其のコンピュータプログラムを機能実現手段として構成された回答手段が、前記店舗端末から受信した前記店舗回答文書を取りまとめて回答データを生成し、この回答データを前記消費者が使用する消費者端末に送信する回答工程とを備えた購買支援方法。
10. 前記商品判定工程では、前記要求用語群と前記商品用語群に共通して含まれる語の数を前記要求用語群に含まれる語の数で除した値である一致率が所定の閾値以上である商品を、前記商品判定手段が、前記要求に合致する商品と判定することを特徴とした請求項９に記載の購買支援方法。
11. 前記商品判定工程では、商品の前記EC店舗における掲載順位に基づいて、前記商品判定手段が、前記一致率を修正することを特徴とした請求項１０に記載の購買支援方法。
12. 前記商品判定工程では、前記商品用語群に予め定めた語が含まれている場合に、前記商品判定手段が、その商品の前記一致率が高くなるように修正することを特徴とした請求項１０または請求項１１に記載の購買支援方法。
13. 前記商品判定工程では、出現頻度が頻度閾値以下である語が、前記商品用語群世前記要求用語群に共通して含まれている場合に、前記商品判定手段が、前記閾値を低下させるように修正することを特徴とした請求項１０ないし請求項１２のいずれかひとつに記載の購買支援方法。
14. 前記店舗特定工程では、前記商品判定工程により前記消費者の要求に合致する商品であると判定された商品の前記一致率の前記EC店舗毎の総和が大きい順に、前記店舗特定手段が、所定の数だけ前記回答店舗を選択することを特徴とした請求項９ないし請求項１３のいずれかひとつに記載の購買支援方法。
15. 前記店舗特定工程では、前記要求用語群にその店舗の専門分野を示す語が含まれているEC店舗を前記回答店舗として、前記商品判定手段が、選択することを特徴とした請求項９ないし請求項１４のいずれかひとつに記載の購買支援方法。
16. 購買支援サーバのＣＰＵと其のコンピュータプログラムを機能実現手段として構成されたサイト解析手段が、前記商品の説明の記述として自然文で前記EC店舗が公開している情報であるサイト内商品記述を収集し、前記サイト内商品記述を解析して前記商品用語群を生成し、この商品用語群をその商品を販売する店舗の識別情報と、その商品の識別情報とに対応付けて記憶する全商品用語群を生成するサイト解析工程を備え、
    前記商品判定工程では、商品毎の商品用語群を前記全商品用語群から取得することを特徴とした請求項９ないし請求項１５のいずれかひとつに記載の購買支援方法。
17. コンピュータに、
    消費者の要求を自然言語で記述した要求記述を解析しこの要求記述のキーワードとなる語の集合である要求用語群を生成する要求解析処理と、
    ＥＣ店舗で販売される商品毎の説明の記述のキーワードとなる商品用語群と前記要求用語群の一致性に基づいて前記EC店舗で販売される商品の中から前記消費者の要求に合致する商品を選択する商品判定処理と、
    前記商品判定結果に含まれる商品を販売するＥＣ店舗の中から前記要求記述に対する回答である店舗回答文書を作成する１または２以上の回答ＥＣ店舗を選択する店舗特定処理と、
    前記回答ＥＣ店舗の店舗端末に前記要求記述を送信する要求記述送信処理と、
    前記店舗端末から受信した前記店舗回答文書を取りまとめて回答データを生成し、この回答データを前記消費者が使用する消費者端末に送信する回答処理と実行させる購買支援プログラム。
18. 前記商品判定処理では、前記要求用語群と前記商品用語群に共通して含まれる語の数を前記要求用語群に含まれる語の数で除した値である一致率が所定の閾値以上である商品を前記要求に合致する商品と判定することを特徴とした請求項１７に記載の購買支援プログラム。
19. 前記商品判定処理では、商品の前記EC店舗における掲載順位に基づいて前記一致率を修正することを特徴とした請求項１８に記載の購買支援プログラム。
20. 前記商品判定処理では、前記商品用語群に予め定めた語が含まれている場合に、その商品の前記一致率が高くなるように修正することを特徴とした請求項１８または請求項１９に記載の購買支援プログラム。
21. 前記商品判定処理では、出現頻度が頻度閾値以下である語が、前記商品用語群世前記要求用語群に共通して含まれている場合に、前記閾値を低下させるように修正することを特徴とした請求項１８ないし請求項２０のいずれかひとつに記載の購買支援プログラム。
22. 前記店舗特定処理では、前記商品判定処理により前記消費者の要求に合致する商品であると判定された商品の前記一致率の前記EC店舗毎の総和が大きい順に所定の数だけ前記回答店舗を選択することを特徴とした請求項１８ないし請求項２１のいずれかひとつに記載の購買支援プログラム。
23. 前記店舗特定処理では、前記要求用語群にその店舗の専門分野を示す語が含まれているEC店舗を前記回答店舗として選択することを特徴とした請求項１７ないし請求項２２のいずれかひとつに記載の購買支援プログラム。
24. 前記商品の説明の記述として自然文で前記EC店舗が公開している情報であるサイト内商品記述を収集し、前記サイト内商品記述を解析して前記商品用語群を生成し、この商品用語群をその商品を販売する店舗の識別情報と、その商品の識別情報とに対応付けて記憶する全商品用語群を生成するサイト解析処理を前記コンピュータに実行させ、
    前記商品判定処理では、商品毎の商品用語群を前記全商品用語群から取得することを特徴とした請求項１７ないし請求項２３のいずれかひとつに記載の購買支援プログラム。

Images