JP4886749B2 - 推薦商品選択装置、推薦商品選択プログラムおよび商品検索装置 - Google Patents

Description

本発明は、オンラインショッピングシステムにおいて用いられる推薦商品選択装置、推薦商品選択プログラムおよび商品検索装置に関し、特に、オンラインショッピングシステムを初めて利用する利用者にも適切な推薦商品を選択できるとともに、推薦商品を選択するための条件の設定を容易に行うことができる推薦商品選択装置、推薦商品選択プログラムおよび商品検索装置に関する。

多くのオンラインショッピングシステムは、利用者が商品を購入するために参照するショッピング画面に推薦商品を表示して、推薦商品の購入を促すように構成されている。利用者に推薦商品を購入させるには、推薦商品が、利用者が興味をもっている商品であることが重要である。このため、推薦商品は、一般に、利用者が過去に購入した商品と関連のある商品の中から選択される。

推薦商品を選択する方式としては、利用者の現在地、現在地の天候、現在時刻等の状況と予め定義された条件とを照合して選択する方式も考えられる。この方式を用いれば、暑いときには、涼しさが感じられる商品を推薦商品として提示するというように、状況に合わせて推薦商品を選択することができる。状況に基づいて利用者に情報提供を行う技術は、例えば、特許文献１に開示されている。

特開２００６−６５６５０号公報

しかしながら、利用者が過去に購入した商品と関連のある商品の中から推薦商品を選択する場合、利用者がオンラインショッピングシステムを初めて利用する場合や、オンラインショッピングシステムで商品を数回しか購入したことがない場合は、購入実績が全くないか、あるいは、不足しているために、適切な推薦商品を選択することができないという問題があった。

また、現在地や天候等の状況に基づいて利用者に推薦する商品を選択することとした場合、どの状況のときにどの商品を推薦するかについて複雑な条件を設定することが必要となり、条件を設定する管理者の負荷が高くなるという問題があった。

本発明は、上記に鑑みてなされたものであって、オンラインショッピングシステムを初めて利用する利用者にも適切な推薦商品を選択できるとともに、推薦商品を選択するための条件の設定を容易に行うことができる推薦商品選択装置、推薦商品選択プログラムおよび商品検索装置を提供することを目的とする。

上述した課題を解決し、目的を達成するために、本発明は、１つの態様において、商品を推薦商品とするか否かを判定するための推薦条件として、利用者の属性情報に関する条件を商品毎に複数記憶するデータベースと、商品を購入した利用者の属性情報とを照合して、推薦条件と商品を購入した利用者の属性情報とが一致した回数を充足回数として推薦条件毎に集計する集計手段と、商品ごとに、推薦条件の重要度を示す重みと推薦条件の充足回数の関係を規定する商品の種別毎の評価基準と、前記集計手段によって集計された各推薦条件の充足回数とに基づいて、各推薦条件の重要度を示す前記重みを決定する重み評価手段と、指定された顧客の属性情報と一致する推薦条件の重要度を示す前記重みを商品ごとに集計し、当該集計した結果が大きい順に所定数の商品を推薦商品として選択する推薦商品選択手段とを備えたことを特徴とする。

この態様によれば、利用者の属性情報に関する条件を推薦条件としたので、オンラインショッピングシステムを初めて利用する利用者にも適切な推薦商品を選択できる。また、購入実績に基づいて推薦条件の重みが自動的に最適化されるようにしたので、推薦条件を設定する管理者の負荷を軽減することができる。

本発明によれば、オンラインショッピングシステムを初めて利用する利用者にも適切な推薦商品を選択でき、また、推薦条件を設定する管理者の負荷を軽減することができるという効果を奏する。

以下に、本発明に係る推薦商品選択装置、推薦商品選択プログラムおよび商品検索装置の実施例を図面に基づいて詳細に説明する。なお、この実施例によりこの発明が限定されるものではない。

まず、本実施例に係るオンラインショッピングシステム１の構成について説明する。本実施例に係るオンラインショッピングシステム１は、利用者の動向に合わせて、推薦商品を選択するための推薦条件の重みを動的に調整することにより、各利用者に対して適切な商品を推薦商品として提示する。

図１は、本実施例に係るオンラインショッピングシステム１の構成を示す図である。図１に示すように、オンラインショッピングシステム１は、オンラインショッピングサーバ１１と、データベース装置１２と、推薦商品選択装置１３とを有し、インターネット等のネットワーク３を介して、端末装置２ａ〜２ｎと接続される。端末装置２ａ〜２ｎは、オンラインショッピングサービスを利用する利用者が操作する情報処理装置であり、例えば、パソコンや携帯電話端末に相当する。

オンラインショッピングサーバ１１は、オンラインショッピングサービスを提供する装置である。具体的には、オンラインショッピングサーバ１１は、商品に関する情報を調べたり、商品を購入するための情報を入力するための情報を入力したりするための画面であるショッピング画面を生成して、端末装置２ａ〜２ｎに送信する。オンラインショッピングサーバ１１は、ショッピング画面を生成するに際して、推薦商品選択装置１３に推薦商品を選択させ、選択された推薦商品をショッピング画面に含める。

また、オンラインショッピングサーバ１１は、ショッピング画面において商品購入のための情報が入力され、入力された情報がオンラインショッピングサーバ１１へ送信されると、送信された情報をデータベース装置１２に登録し、商品発送や代金決済等の処理が行われるようにする。オンラインショッピングサーバ１１によってデータベース装置１２に登録された情報は、推薦商品選択装置１３によって、推薦条件の重みを調整するためにも利用される。

データベース装置１２は、オンラインショッピングサーバ１１において用いられる各種情報を記憶する。データベース装置１２の構成を図２に示す。図２に示すように、データベース装置１２は、商品データ１２ａ、利用者データ１２ｂ、購入データ１２ｃ、天候データ１２ｄ、推薦条件データ１２ｅ等を記憶する。

商品データ１２ａは、オンラインショッピングシステム１において販売される商品に関する情報である。商品データ１２ａの一例を図３に示す。図３に示すように、商品データ１２ａは、商品ＩＤ、種別、商品名、価格といった項目を有する。商品ＩＤは、商品を識別するための識別番号である。種別は、商品の種別を表す。商品名は、商品の名称である。価格は、商品の販売価格である。

図３に示した例の１行目は、「ＡＡＡ」という識別番号で識別される商品は、「ブーツ」という種別に属し、商品名と価格が、それぞれ、「ブーツＡ」と「３５０００」であることを示している。また、図３に示した例の２行目は、「ＢＢＢ」という識別番号で識別される商品は、「ブーツ」という種別に属し、商品名と価格が、それぞれ、「ブーツＢ」と「４３０００」であることを示している。

利用者データ１２ｂは、オンラインショッピングシステム１の利用者の属性情報である。利用者データ１２ｂの一例を図４に示す。図４に示すように、利用者データ１２ｂは、利用者ＩＤ、性別、年齢、住所といった項目を有する。利用者ＩＤは、利用者を識別するための識別番号である。性別、年齢および住所は、それぞれ、利用者の性別、年齢および住所である。

図４に示した例の１行目は、「ＸＸＸ」という識別番号で識別される利用者は、性別、年齢、住所が、それぞれ、「女性」、「２０」、「東京」であることを示している。また、図４に示した例の２行目は、「ＹＹＹ」という識別番号で識別される利用者は、性別、年齢、住所が、それぞれ、「男性」、「３１」、「大阪」であることを示している。

購入データ１２ｃは、オンラインショッピングシステム１において購入された商品に関する情報である。購入データ１２ｃの一例を図５に示す。図５に示すように、購入データ１２ｃは、商品ＩＤ、利用者ＩＤ、地域、購入日時といった項目を有する。商品ＩＤは、商品を識別するための識別番号であり、商品データ１２ａの商品ＩＤと対応する。利用者ＩＤは、利用者を識別するための識別番号であり、利用者データ１２ｂの利用者ＩＤと対応する。

地域は、商品が購入されたときにおける利用者の現在地を表す。具体的には、商品購入時に利用者が操作していた端末装置２がＧＰＳ（Global Positioning System）等の位置取得手段を有している場合には、その位置取得手段によって取得された地域の名称がこの項目に設定され、さもなければ、利用者データ１２ｂに登録されている当人の住所が設定される。購入日時は、商品が購入された日時である。

図５に示した例の１行目は、「ＡＡＡ」という識別番号で識別される商品が、「ＸＸＸ」という識別番号で識別される利用者によって、「東京」という地域で、「２００８／９／１０ １５：１２」という日時に購入されたことを示している。また、図５に示した例の２行目は、「ＣＣＣ」という識別番号で識別される商品が、「ＹＹＹ」という識別番号で識別される利用者によって、「大阪」という地域で、「２００８／９／１２ １０：４５」という日時に購入されたことを示している。

天候データ１２ｄは、天候に関する情報を保持する。天候データ１２ｄの一例を図６に示す。図６に示すように、天候データ１２ｄは、地域毎かつ日付毎に天候と気温（例えば、最高気温）を保持する。

図６に示した例の１行目は、「東京」という地域は、「２００８／９／１」という日付には、天候が「晴れ」で気温が「３２℃」であり、「２００８／９／２」という日付には、天候が「曇り」で気温が「２８℃」であったことを示している。また、図６に示した例の２行目は、「大阪」という地域は、「２００８／９／１」という日付には、天候が「雨」で気温が「２５℃」であり、「２００８／９／２」という日付には、天候が「雨」で気温が「２４℃」であったことを示している。

推薦条件データ１２ｅは、推薦商品の候補である商品について、その商品を推薦商品として選択するための推薦条件を保持する。推薦条件データ１２ｅの一例を図７に示す。図７に示すように、推薦条件データ１２ｅは、商品ＩＤ、種別、推薦条件、充足回数、重みといった項目を有し、１つの商品ＩＤに対して、推薦条件、充足回数および重みの組み合わせを複数保持することができるように構成される。

商品ＩＤは、商品を識別するための識別番号であり、商品データ１２ａの商品ＩＤと対応する。種別は、商品の種別を表し、商品データ１２ａの種別と対応する。推薦条件は、対応する商品ＩＤが示す商品を推薦商品として選択するための条件である。充足回数は、商品ＩＤが示す商品が購入された場合に、対応する推薦条件が満たされていた回数である。重みは、対応する推薦条件の重要度を示す値であり、充足回数に基づいて設定される。なお、ここでは、重みの値は、「１」〜「５」のいずれかの値をとり、数字が大きいほど対応する推薦条件の重要度が高いものとする。

図７に示した例は、「ＡＡＡ」という識別番号で識別される商品には、「性別」が「女性」であること、「年代」が「１０」代であること、「年代」が「２０」代であること、「年代」が「３０」代であること、「住所」が「東京」であること、「住所」が「大阪」であること、「住所」が「神奈川」であること、「住所」が「愛知」であることという推薦条件が設定されていることを示している。

また、図７に示した例は、「ＢＢＢ」という識別番号で識別される商品にも、「ＡＡＡ」という識別番号で識別される商品と同様に、「性別」が「女性」であること、「年代」が「１０」代であること、「年代」が「２０」代であること、「年代」が「３０」代であること、「住所」が「東京」であること、「住所」が「大阪」であること、「住所」が「神奈川」であること、「住所」が「愛知」であることという推薦条件が設定されていることを示している。

このように、「ＡＡＡ」という識別番号で識別される商品と「ＢＢＢ」という識別番号で識別される商品には、同じ推薦条件が設定されているが、充足回数が異なるため、推薦条件の重みは異なっている。

具体的には、年代についてみると、「ＡＡＡ」という識別番号で識別される商品は、「年代」が「２０」代であるという推薦条件の充足回数が最も多く、この推薦条件の重みが最も大きくなっている。このことは、「ＡＡＡ」という識別番号で識別される商品は、１０代から３０代の利用者のうち、２０代の利用者に最もよく売れたため、利用者が２０代の場合に推薦条件の重要度を最も高くすることを意味している。

一方、年代についてみると、「ＢＢＢ」という識別番号で識別される商品は、「年代」が「３０」代であるという推薦条件の充足回数が最も多く、この推薦条件の重みが最も大きくなっている。このことは、「ＢＢＢ」という識別番号で識別される商品は、１０代から３０代の利用者のうち、３０代の利用者に最もよく売れたため、利用者が３０代の場合に推薦条件の重要度を最も高くすることを意味している。

また、住所についてみると、「ＡＡＡ」という識別番号で識別される商品は、住所が「東京」であるという推薦条件の充足回数が最も多く、この推薦条件の重みが最も大きくなっている。このことは、「ＡＡＡ」という識別番号で識別される商品は、推薦条件として設定されている住所の利用者のうち、東京在住の利用者に最もよく売れたため、利用者が東京在住の場合に推薦条件の重要度を最も高くすることを意味している。

一方、住所についてみると、「ＢＢＢ」という識別番号で識別される商品は、住所が「大阪」であるという推薦条件の充足回数が最も多く、この推薦条件の重みが最も大きくなっている。このことは、「ＢＢＢ」という識別番号で識別される商品は、推薦条件として設定されている住所の利用者のうち、大阪在住の利用者に最もよく売れたため、利用者が大阪在住の場合に推薦条件の重要度を最も高くすることを意味している。

また、図７に示した例は、「ＣＣＣ」という識別番号で識別される商品には、「天候」が「晴れ」であること、「天候」が「曇り」であること、「天候」が「雨」であること、「気温」が「３０℃以上」であること、「気温」が「３０℃未満」であること、「現在地」が「北海道」であること、「現在地」が「東北」であること、「現在地」が「関東」であること、「現在地」が「中部」であること、「現在地」が「関西」であること、「現在地」が「中国」であること、「現在地」が「四国」であること、「現在地」が「九州」であることという推薦条件が設定されていることを示している。

そして、「ＣＣＣ」という識別番号で識別される商品に設定されている各推薦条件も、充足回数に応じた重みが設定されている。

上記のように、本実施例に係るオンラインショッピングシステム１では、利用者の属性や、天候、気温、現在地等の状況に応じた推薦条件に基づいて、推薦商品が選択される。このため、オンラインショッピングシステム１で商品を購入したことがない利用者に対しても、適切な推薦商品を選択することができる。

また、本実施例に係るオンラインショッピングシステム１では、商品に設定されている推薦条件が同一であっても、それぞれの商品の販売状況に応じて、各推薦条件の重要度が変更される。すなわち、管理者が注意深く推薦条件を設定しなくても、販売状況に応じて推薦条件の重要度が自動的に最適化されていく。

図１の説明に戻って、推薦商品選択装置１３は、推薦条件データ１２ｅに基づいて推薦商品を選択するための各種処理を実行する。推薦商品選択装置１３の構成を図８に示す。図８に示すように、推薦商品選択装置１３は、集計部１３ａと、重み評価部１３ｂと、推薦商品選択部１３ｃと、ソート部１３ｄとを有する。

集計部１３ａは、購入データ１２ｃに基づいて、推薦条件データ１２ｅの充足回数を更新する。重み評価部１３ｂは、充足回数に基づいて、推薦条件の重みを評価する。推薦商品選択部１３ｃは、指定された利用者向けの推薦商品を選択する。ソート部１３ｄは、指定された利用者が指定した検索条件に基づいて検索された商品を推薦条件データ１２ｅに基づいてソートする。

次に、推薦商品選択装置１３の処理手順について説明する。図９は、集計部１３ａによる充足回数更新処理の処理手順を示す図である。充足回数更新処理は、対象期間を少しずつずらしながら、定期的に実行される。

図９に示すように、集計部１３ａは、まず、対象期間を取得する（ステップＳ１０１）。そして、集計部１３ａは、購入データ１２ｃから対象期間の情報を１件取得する（ステップＳ１０２）。

ここで、対象期間の情報を取得することができた場合は（ステップＳ１０３否定）、集計部１３ａは、利用者データ１２ｂから対応する利用者の属性情報を取得し（ステップＳ１０４）、購入データ１２ｃから取得した情報が示す商品が購入された当日の天候情報を天候データ１２ｄから取得する（ステップＳ１０５）。なお、商品が購入された日付は、購入データ１２ｃから取得した情報に含まれる購入日時から特定できる。

続いて、集計部１３ａは、購入データ１２ｃから取得した情報に含まれる商品ＩＤと同一の商品ＩＤをもつ商品の推薦条件を推薦条件データ１２ｅから１件取得する（ステップＳ１０６）。ここで、推薦条件を取得できた場合は（ステップＳ１０７否定）、集計部１３ａは、推薦条件が充足されるか否かを、ステップＳ１０４およびステップＳ１０５で取得した情報と、購入データ１２ｃから取得した情報に含まれる地域の値に基づいて判定する（ステップＳ１０８）。

そして、充足されると判定された場合は（ステップＳ１０９肯定）、その推薦条件の充足回数に１を加算し（ステップＳ１１０）、ステップＳ１０６から処理手順を再開する。こうして、全ての推薦条件について充足されるか否かを判定し、ステップＳ１０６において全ての推薦条件を取得済みであった場合には（ステップＳ１０７肯定）、ステップＳ１０２から処理手順を再開する。

そして、購入データ１２ｃから対象期間の情報を全て取得し終えて、ステップＳ１０２で取得する情報がなくなっていたならば（ステップＳ１０３肯定）、集計部１３ａは、充足回数更新処理を終了する。

例えば、ステップＳ１０２で、図５に示した購入データ１２ｃの１行目の情報が取得された場合、ステップＳ１０４では、図４に示した利用者データ１２ｂの１行目の情報が取得され、ステップＳ１０５では、２００８／９／１０の東京における天候と気温が取得される。そして、この場合、ステップＳ１０６では、図７に示した商品ＩＤ「ＡＡＡ」の商品の各推薦条件が取得され、ステップＳ１０８では、下記のように判定される。

「性別」が「女性」であること ：充足される
「年代」が「１０」代であること：充足されない
「年代」が「２０」代であること：充足される
「年代」が「３０」代であること：充足されない
「住所」が「東京」であること ：充足される
「住所」が「大阪」であること ：充足されない
「住所」が「神奈川」であること：充足されない
「住所」が「愛知」であること ：充足されない

図１０は、重み評価部１３ｂによる重み評価処理の処理手順を示す図である。重み評価処理は、定期的に実行される。図１０に示すように、重み評価部１３ｂは、まず、推薦条件データ１２ｅの種別毎に重みの評価基準を決定する（ステップＳ２０１）。

商品には、数多く販売される種別のものもあれば、販売数が比較的少ない種別のものもある。そのため、単純に充足回数に基づいて重みを評価した場合、数多く販売される種別の推薦条件の重みが大きく評価され、販売数が比較的少ない種別の商品は、推薦商品として選択され難くなる。そこで、重み評価部１３ｂは、充足回数がどれだけある場合にどの重みを与えるかの評価基準を商品の種別毎に決定する。

続いて、重み評価部１３ｂは、推薦条件データ１２ｅから推薦条件を１件取得する（ステップＳ２０２）。そして、推薦条件を取得できた場合は（ステップＳ２０３否定）、種別毎の評価基準に従って重みを設定し（ステップＳ２０４）、ステップＳ２０２から処理手順を再開する。

そして、推薦条件データ１２ｅから推薦条件を全て取得し終えて、ステップＳ２０２で取得する推薦条件がなくなっていたならば（ステップＳ２０３肯定）、重み評価部１３ｂは、重み評価処理を終了する。

図１１は、推薦商品選択部１３ｃによる推薦商品選択処理の処理手順を示す図である。推薦商品選択処理は、ショッピング画面に推薦商品を掲載することが必要になった場合に、オンラインショッピングサーバ１１からの要求に従って実行される。

図１１に示すように、推薦商品選択部１３ｃは、まず、オンラインショッピングサーバ１１から、ショッピング画面を表示させる端末装置２の利用者の利用者ＩＤと位置情報を取得する（ステップＳ３０１）。そして、推薦商品選択部１３ｃは、利用者データ１２ｂから利用者ＩＤに対応する利用者の属性情報を取得し（ステップＳ３０２）、天候データ１２ｄから利用者の現在位置の現在の天候情報を取得する（ステップＳ３０３）。

なお、利用者の端末装置がＧＰＳを有していない等の理由で利用者の位置情報を取得できない場合には、利用者データ１２ｂから住所に対応する利用者の属性情報を取得する。

続いて、推薦商品選択部１３ｃは、推薦条件データ１２ｅから１つの商品に関する情報を取得する（ステップＳ３０４）。そして、情報を取得できた場合は（ステップＳ３０５否定）、推薦商品選択部１３ｃは、取得された情報に含まれる推薦条件のうち、ステップＳ３０１〜ステップＳ３０３で取得された情報によって充足されるものに対応する重みの合計値を算出する（ステップＳ３０６）。

例えば、ステップＳ３０２で取得された属性情報が、図４に示した利用者データ１２ｂの１行目の情報である場合、図７に示した商品ＩＤ「ＡＡＡ」の商品については、
「性別」が「女性」であること
「年代」が「２０」代であること
「住所」が「東京」であること
という推薦条件が充足され、重みの合計は、５＋４＋４で１３となる。また、利用者ＩＤが同じである場合に、図７に示した商品ＩＤ「ＢＢＢ」の商品については、同じく、
「性別」が「女性」であること
「年代」が「２０」代であること
「住所」が「東京」であること
という推薦条件が充足されるが、重みの合計は、５＋２＋１で８となる。

その後、推薦商品選択部１３ｃは、ステップＳ３０４から処理手順を再開する。そして、推薦条件データ１２ｅから全ての商品の情報を取得し終えて、ステップＳ３０４で取得する情報がなくなっていたならば（ステップＳ３０５肯定）、推薦商品選択部１３ｃは、重みの合計値の大きい順に商品を所定の個数だけ選択して、選択結果をオンラインショッピングサーバ１１に通知する（ステップＳ３０７）。

図１２は、ソート部１３ｄによるソート処理の処理手順を示す図である。ソート処理は、ショッピング画面に表示する商品の一覧をソートすることが必要になった場合に、オンラインショッピングサーバ１１からの要求に従って実行される。

図１２に示すように、ソート部１３ｄは、まず、オンラインショッピングサーバ１１から、ショッピング画面を表示させる端末装置２の利用者の利用者ＩＤと位置情報を取得する（ステップＳ４０１）。さらに、ソート部１３ｄは、オンラインショッピングサーバ１１から、ソート対象の商品の商品ＩＤのリストを取得する（ステップＳ４０２）。

そして、ソート部１３ｄは、利用者データ１２ｂから利用者ＩＤに対応する利用者の属性情報を取得し（ステップＳ４０３）、天候データ１２ｄから利用者の現在位置の現在の天候情報を取得する（ステップＳ４０４）。なお、利用者の端末装置がＧＰＳを有していない等の理由で利用者の位置情報を取得できない場合には、利用者データ１２ｂから住所に対応する利用者の属性情報を取得する。

続いて、ソート部１３ｄは、商品ＩＤのリストから商品ＩＤを１つ選択する（ステップＳ４０５）。そして、商品ＩＤを取得できた場合は（ステップＳ４０６否定）、ソート部１３ｄは、推薦条件データ１２ｅから商品ＩＤに対応する情報を取得する（ステップＳ４０７）。そして、ソート部１３ｄは、取得された情報に含まれる推薦条件のうち、ステップＳ４０１〜ステップＳ４０４で取得された情報によって充足されるものに対応する重みの合計値を算出する（ステップＳ４０８）。

その後、ソート部１３ｄは、ステップＳ４０５から処理手順を再開する。そして、商品ＩＤリストから全ての商品ＩＤを取得し終えて、ステップＳ４０５で取得する商品ＩＤがなくなっていたならば（ステップＳ４０６肯定）、ソート部１３ｄは、重みの合計値の大きい順に商品ＩＤリストをソートして、ソート結果をオンラインショッピングサーバ１１に通知する（ステップＳ４０９）。

上述してきたように、本実施例では、利用者の属性等に基づいて推薦条件を設定し、販売状況に応じて各推薦条件の重要度の評価を変更することとしたので、当該のオンラインショッピングシステムを利用したことがないものにも適切な商品を推薦できるとともに、推薦条件を自動的に最適化させ、管理者が推薦条件を設定するのに要する工数を削減できる。

なお、上述してきたオンラインショッピングシステムの各種構成は、本発明の趣旨を逸脱しない範囲で種々に変更することができる。例えば、上記の実施例では、オンラインショッピングシステムが３台の装置を組み合わせて構成される例を示したが、これらの装置を集約して、１台もしくは２台の装置でオンラインショッピングシステムを構成することとしてもよい。

推薦商品選択装置１３の機能をソフトウェアによって実現することとしてもよい。この場合、推薦商品選択装置１３は、プロセッサやメモリ等のハードウェア資源を有するコンピュータとして構成される。そして、上述した推薦商品選択装置１３の機能を実現する推薦商品選択プログラムは、推薦商品選択装置１３内のハードディスク装置や、推薦商品選択装置１３が読み取り可能な記憶媒体や、推薦商品選択装置１３とネットワーク接続された他のコンピュータ等に記憶され、推薦商品選択装置１３のプロセッサによって読み出され、推薦商品選択装置１３のメモリに展開されることにより、実行状態となって機能を発揮するようになる。

また、上記の実施例では、推薦商品選択装置１３をショッピング画面に掲載される推薦商品を選択するために用いる例を示したが、オンラインショッピングシステムの利用者に配信する電子メールに掲載される推薦商品を選択する等の他の目的のために推薦商品選択装置１３を用いてもよい。

また、上記の実施例で説明した推薦商品選択装置１３による推薦商品を選択する機能は、ショッピング画面において利用者に選択された種別（カテゴリ）に一致する商品を検索する商品検索装置に適用することもできる。具体的には、推薦商品を選択する機能を適用された商品検索装置は、利用者に選択された種別に一致する商品のうち、利用者の属性情報と一致する推薦条件の重要度を重みで評価して商品を検索する。

本実施例に係るオンラインショッピングシステムの構成を示す図である。 データベース装置の構成を示すブロック図である。 商品データの一例を示す図である。 利用者データの一例を示す図である。 購入データの一例を示す図である。 天候データの一例を示す図である。 推薦条件データの一例を示す図である。 推薦商品選択装置の構成を示すブロック図である。 集計部による充足回数更新処理の処理手順を示す図である。 重み評価部による重み評価処理の処理手順を示す図である。 推薦商品選択部による推薦商品選択処理の処理手順を示す図である。 ソート部によるソート処理の処理手順を示す図である。

符号の説明

１ オンラインショッピングシステム
１１ オンラインショッピングサーバ
１２ データベース装置
１２ａ 商品データ
１２ｂ 利用者データ
１２ｃ 購入データ
１２ｄ 天候データ
１２ｅ 推薦条件データ
１３ 推薦商品選択装置
１３ａ 集計部
１３ｂ 重み評価部
１３ｃ 推薦商品選択部
１３ｄ ソート部
２ａ〜２ｎ 端末装置
３ ネットワーク

Claims (9)

1. 商品を推薦商品とするか否かを判定するための推薦条件として、利用者の属性情報に関する条件を商品毎に複数記憶するデータベースと、商品を購入した利用者の属性情報とを照合して、推薦条件と商品を購入した利用者の属性情報とが一致した回数を充足回数として推薦条件毎に集計する集計手段と、
   商品ごとに、推薦条件の重要度を示す重みと推薦条件の充足回数の関係を規定する商品の種別毎の評価基準と、前記集計手段によって集計された各推薦条件の充足回数とに基づいて、各推薦条件の重要度を示す前記重みを決定する重み評価手段と、
   指定された顧客の属性情報と一致する推薦条件の重要度を示す前記重みを商品ごとに集計し、当該集計した結果が大きい順に所定数の商品を推薦商品として選択する推薦商品選択手段と
   を備えたことを特徴とする推薦商品選択装置。
2. 指定された顧客の属性情報と一致する推薦条件の重要度を示す前記重みを商品ごとに集計し、当該集計した結果が大きい順に商品をソートするソート手段をさらに備えたことを特徴とする請求項１に記載の推薦商品選択装置。
3. 前記データベースは、商品を推薦商品とするか否かを判定するための推薦条件として、天候に関する条件を商品毎にさらに記憶し、
   前記集計手段は、利用者が商品を購入したときの天候情報と前記データベースとをさらに照合して、利用者が商品を購入したときの天候情報と推薦条件とが一致した回数を充足回数として推薦条件毎に集計し、
   前記推薦商品選択手段は、現在の天候情報と一致する推薦条件の重要度を前記重みでさらに評価して推薦商品を選択することを特徴とする請求項１又は２に記載の推薦商品選択装置。
4. 前記データベースは、商品を推薦商品とするか否かを判定するための推薦条件として、現在位置に関する条件を商品毎にさらに記憶し、
   前記集計手段は、利用者が商品を購入したときの現在位置と前記データベースとをさらに照合して、利用者が商品を購入したときの現在位置と推薦条件とが一致した回数を充足回数として推薦条件毎に集計し、
   前記推薦商品選択手段は、利用者の現在位置と一致する推薦条件の重要度を前記重みでさらに評価して推薦商品を選択することを特徴とする請求項１〜３のいずれか１つに記載の推薦商品選択装置。
5. 商品を推薦商品とするか否かを判定するための推薦条件として、利用者の属性情報に関する条件を商品毎に複数記憶するデータベースと、商品を購入した利用者の属性情報とを照合して、推薦条件と商品を購入した利用者の属性情報とが一致した回数を充足回数として推薦条件毎に集計する集計手順と、
   商品ごとに、推薦条件の重要度を示す重みと推薦条件の充足回数の関係を規定する商品の種別毎の評価基準と、前記集計手順によってされた各推薦条件の充足回数とに基づいて、各推薦条件の重要度を示す前記重みを決定する重み評価手順と、
   指定された顧客の属性情報と一致する推薦条件の重要度を示す前記重みを商品ごとに集計し、当該集計した結果が大きい順に所定数の商品を推薦商品として選択する推薦商品選択手順と
   をコンピュータに実行させることを特徴とする推薦商品選択プログラム。
6. 指定された顧客の属性情報と一致する推薦条件の重要度を示す前記重みを商品ごとに集計し、当該集計した結果が大きい順に商品をソートするソート手順をさらにコンピュータに実行させることを特徴とする請求項５に記載の推薦商品選択プログラム。
7. 前記データベースは、商品を推薦商品とするか否かを判定するための推薦条件として、天候に関する条件を商品毎にさらに記憶し、
   前記集計手順は、利用者が商品を購入したときの天候情報と前記データベースとをさらに照合して、利用者が商品を購入したときの天候情報と推薦条件とが一致した回数を充足回数として推薦条件毎に集計し、
   前記推薦商品選択手順は、現在の天候情報と一致する推薦条件の重要度を前記重みでさらに評価して推薦商品を選択することを特徴とする請求項５または６に記載の推薦商品選択プログラム。
8. 前記データベースは、商品を推薦商品とするか否かを判定するための推薦条件として、現在位置に関する条件を商品毎にさらに記憶し、
   前記集計手順は、利用者が商品を購入したときの現在位置と前記データベースとをさらに照合して、利用者が商品を購入したときの現在位置と推薦条件とが一致した回数を充足回数として推薦条件毎に集計し、
   前記推薦商品選択手順は、利用者の現在位置と一致する推薦条件の重要度を前記重みでさらに評価して推薦商品を選択することを特徴とする請求項５〜７のいずれか１つに記載の推薦商品選択プログラム。
9. 商品検索用インデックスとして、利用者の属性情報に関する条件を商品毎に複数記憶するデータベースと、商品を購入した利用者の属性情報とを照合して、前記条件と商品を購入した利用者の属性情報とが一致した回数を充足回数として前記条件毎に集計する集計手段と、
   商品ごとに、推薦条件の重要度を示す重みと推薦条件の充足回数の関係を規定する商品の種別毎の評価基準と、前記集計手段によって集計された各推薦条件の充足回数とに基づいて、各推薦条件の重要度を示す前記重みを決定する重み評価手段と、
   指定された顧客の属性情報と一致する推薦条件の重要度を示す前記重みを商品ごとに集計し、当該集計した結果が大きい順に所定数の商品を推薦商品として選択する推薦商品選択手段と
   を備えたことを特徴とする商品検索装置。

Images