JP5483179B2 - 楽曲データ用情報処理装置 - Google Patents

Description

本発明は、消費者分類を行う楽曲データ用情報処理装置に関する。

一般に、消費者の個性や消費動向には個々の違いがある。例えば、商品が市場に投入された直後から、購入者数が急激に増加して流行するまでの時期において購入行動を起こす初期購入者に該当する消費者層が知られている。この初期購入者は、各種メディアの広告等の外部的な影響を受けることなく、自らの意志で進んで新商品を購入する特性を有する。したがって、初期購入者に対し商品を推奨することにより、当該商品の市場投入直後の早い時期に購入者数を増加させることができる。その結果、初期購入者以降に商品を購入する消費者層の、他の人が購入し始めたら自らも購入するような購入意欲を刺激し、さらに購入者数を増大させることができる。

従来、複数の商品に対する複数の消費者の消費履歴情報に基づき、初期購入者に該当する消費者を分類する技術が提唱されている。例えば特許文献１に記載の従来技術では、サーバ装置が、消費者データベースとしての購入履歴情報格納部に記憶された、消費履歴情報としての購入履歴情報に基づき、購入者数等が予め設定された閾値以上である商品を流行商品として識別する。そして、当該流行商品の購入者の中から一定の時期的条件を満たす早期に商品を購入した消費者を、初期購入者としてのトレンドリーダーとして分類する。

特開２００８−１９８１６３号公報

上記従来技術では、商品の市場投入から購入までの期間に基づき、複数の消費者を分類している。したがって、流行とは関係なく商品を購入する傾向の特定の人気商品のファンや、嗜好の幅が非常に小さい特定の商品のマニアについても、初期購入者として分類される可能性がある。このような場合、商品の購入者の中から早期に購入した者を分類したとしても上述したように外部的影響を受けることなく新商品を購入する特性を有する初期購入者を確実に分類できるとは言えなかった。このため、精度よく消費者分類を行うことは困難であった。

本発明の目的は、より高精度な消費者分類を行うことができる楽曲データ用情報処理装置を提供することにある。

上記目的を達成するために、第１の発明は、商品の識別情報と当該商品に対する複数の消費者の消費行動履歴とを対応付けた消費履歴情報を各商品ごとに記憶した消費者データベースにアクセスし、複数の商品に対する複数の消費者の消費履歴情報を取得する第１履歴取得手段と、前記第１履歴取得手段により取得された前記複数の商品に対する前記複数の消費者の前記消費履歴情報を用いて、各消費者を、互いに消費行動時期の異なる、初期購入者グループを含む複数のグループに分類する第１分類手段と、前記消費者データベースより、前記第１分類手段により前記初期購入者グループに分類された複数の消費者の、消費履歴情報を取得する第２履歴取得手段と、前記第１履歴取得手段により取得された前記複数の商品に対する前記複数の消費者の前記消費履歴情報を用いて、各消費者を、予め設定した嗜好に対応させた、複数のユニットに分類するユニット分類手段と、前記第２履歴取得手段で取得された、前記初期購入者グループに属する複数の消費者の消費履歴情報に基づいて前記嗜好ごとの初期購入者数により決定した流行度を利用して各消費者の流行発見度を算出する流行発見度算出手段と、前記第１分類手段により前記初期購入者グループに分類された複数の消費者を、前記流行発見度算出手段で算出された流行発見度の値が所定の発見度しきい値以上である第１初期購入者グループと、前記流行発見度算出手段で算出された流行発見度の値が前記所定の発見度しきい値未満である第２初期購入者グループと、に分類する第２分類手段と、前記第１初期購入者グループに分類された前記消費者が、消費行動を起こしたこと若しくは消費以外の特定の消費関連行動を起こしたことを契機に、前記消費行動若しくは前記消費関連行動の対象商品を推奨するための推奨情報を、前記第１分類手段により前記初期購入者グループの次に消費行動時期が早いグループとして分類された所定のグループに属し、かつ前記ユニット分類手段により前記第１初期購入者グループに属する前記消費者と類似のユニットに分類された、複数の消費者の情報端末に対して出力する、第１推奨情報出力手段と、
る第２分類手段とを有することを特徴とする。

本願第１発明においては、消費者データベースより第１履歴取得手段が取得した各消費者の消費履歴情報を用いて、第１分類手段が各消費者を複数のグループに分類する。複数のグループは初期購入者グループを含むと共に、各グループは互いに消費行動時期が異なる。

複数のグループのうち、初期購入者グループに属する各消費者の消費履歴情報は、第２履歴取得手段によって消費者データベースから取得される。その取得された初期購入者グループの各消費者の消費履歴情報に基づき、流行発見度算出手段が、各消費者の流行発見度を算出する。算出された流行発見度が所定の発見度しきい値以上である消費者は第２分類手段によって第１初期購入者グループに分類され、算出された流行発見度が所定の発見度しきい値未満である消費者は第２分類手段によって第２初期購入者グループに分類される。

以上のように、本願第１発明においては、消費者を、消費行動時期の違いに応じて初期購入者グループ等の複数のグループに分類するのにとどまらず、さらに初期購入者グループに属する消費者を流行発見度の大きさにより２つのグループに細かく分類する。これにより、初期購入者グループに分類された消費者の中から、流行発見度が小さい、特定の人気商品のファンを除外することができるので、より高精度な消費者分類を行うことができる。

また、第１の発明は、前記第１履歴取得手段により取得された前記複数の商品に対する前記複数の消費者の前記消費履歴情報を用いて、各消費者を、予め設定した嗜好に対応させた、複数のユニットに分類するユニット分類手段と、前記第１初期購入者グループに分類された前記消費者が、消費行動を起こしたこと若しくは消費以外の特定の消費関連行動を起こしたことを契機に、前記消費行動若しくは前記消費関連行動の対象商品を推奨するための推奨情報を、前記第１分類手段により前記初期購入者グループの次に消費行動時期が早いグループとして分類された所定のグループに属し、かつ前記ユニット分類手段により前記第１初期購入者グループに属する前記消費者と類似のユニットに分類された、複数の消費者の情報端末に対して出力する、第１推奨情報出力手段と、
を有する。

これにより、初期購入者の次に行動するグループの消費者に対し影響を与えるであろう第１初期購入者グループの消費者の動向を精度よく把握し、当該影響等を加味した実効性の高い内容の推奨を、当該初期購入者の次に行動するグループの消費者に対し行うことができる。この結果、当該初期購入者の次に行動するグループの消費者にとって適した内容の推奨を行うことができる。また、第１初期購入者グループの消費者の動向等を加味した実行性の高い内容の推奨を、当該消費者と嗜好の類似する消費者に対し行うことにより、より有効な推奨を行うことができる。

第２の発明は、上記第１発明において、前記第１推奨情報出力手段は、前記第１初期購入者グループに分類された前記消費者が、前記特定の消費関連行動として、当該消費者の情報端末の表示手段に表示された前記対象商品に係わる推奨情報に対し所定の操作を行ったことを契機に、前記対象商品を推奨するための推奨情報を、前記所定のグループに属する前記複数の消費者の情報端末に対して出力することを特徴とする。

これにより、第１初期購入者グループの消費者の動向を、情報端末における操作手段の操作を介し迅速かつ容易に把握し、当該動向等を加味した実効性の高い内容の推奨を、初期購入者の次に行動するグループの消費者に対し行うことができる。

第３の発明は、上記第１発明において、前記第１推奨情報出力手段は、前記第１初期購入者グループに分類された前記消費者が、前記特定の消費関連行動として、当該消費者の情報端末の表示手段に表示された前記対象商品に係わる推奨情報に対し所定の操作を行ったことを契機に、前記対象商品を推奨するための推奨情報を、前記ユニット分類手段により前記第１初期購入者グループに属する前記消費者と類似のユニットに分類された複数の消費者の情報端末に対して出力することを特徴とする。

これにより、第１初期購入者グループの消費者の動向を、情報端末における操作手段の操作を介し迅速かつ容易に把握し、当該動向等を加味した実効性の高い内容の推奨を、当該消費者と嗜好の類似する消費者に対し行うことができる。

上記目的を達成するために、第４の発明は、上記第１発明乃至第３発明において、前記第２履歴取得手段で取得された、前記初期購入者グループに属する複数の消費者の消費履歴情報に基づき、各消費者の嗜好幅を算出する嗜好幅算出手段と、前記第１分類手段により前記初期購入者グループに分類された複数の消費者を、前記嗜好幅算出手段で算出された嗜好幅の値が所定の嗜好幅しきい値以上である第３初期購入者グループと、前記嗜好幅算出手段で算出された嗜好幅の値が前記所定の嗜好幅しきい値未満である第４初期購入者グループと、に分類する第３分類手段とを有することを特徴とする。

本願第４発明においては、消費者データベースより第１履歴取得手段が取得した各消費者の消費履歴情報を用いて、第１分類手段が各消費者を複数のグループに分類する。複数のグループは初期購入者グループを含むと共に、各グループは互いに消費行動時期が異なる。

複数のグループのうち、初期購入者グループに属する各消費者の消費履歴情報は、第２履歴取得手段によって消費者データベースから取得される。その取得された初期購入者グループの各消費者の消費履歴情報に基づき、嗜好幅算出手段が、各消費者の嗜好幅を算出する。算出された嗜好幅が所定の嗜好幅しきい値以上である消費者は第３分類手段によって第３初期購入者グループに分類され、算出された嗜好幅が所定の嗜好幅しきい値未満である消費者は第３分類手段によって第３初期購入者グループに分類される。

以上のように、本願第４発明においては、消費者を、消費行動時期の違いに応じて初期購入者グループ等の複数のグループに分類するのにとどまらず、さらに初期購入者グループに属する消費者を嗜好幅の大きさにより２つのグループに細かく分類する。これにより、初期購入者グループに分類された消費者の中から、嗜好幅が小さい、特定の商品のマニアを除外することができるので、より高精度な消費者分類を行うことができる。

第５の発明は、上記第４発明において、前記第３初期購入者グループに分類された前記消費者が、消費行動を起こしたこと若しくは消費以外の特定の消費関連行動を起こしたことを契機に、前記消費行動若しくは前記消費関連行動の対象商品を推奨するための推奨情報を、前記第１分類手段により前記初期購入者グループの次に消費行動時期が早いグループとして分類された所定のグループに属する複数の消費者の情報端末に対して出力する、第２推奨情報出力手段を有することを特徴とする。

これにより、初期購入者の次に行動するグループの消費者に対し影響を与えるであろう第３初期購入者グループの消費者の動向を精度よく把握し、当該影響等を加味した実効性の高い内容の推奨を、当該初期購入者の次に行動するグループの消費者に対し行うことができる。この結果、当該初期購入者の次に行動するグループの消費者にとって適した内容の推奨を行うことができる。

第６の発明は、上記第５発明において、前記第２推奨情報出力手段は、前記第３初期購入者グループに分類された前記消費者が、前記特定の消費関連行動として、当該消費者の情報端末の表示手段に表示された前記対象商品に係わる推奨情報に対し所定の操作を行ったことを契機に、前記対象商品を推奨するための推奨情報を、前記所定のグループに属する前記複数の消費者の情報端末に対して出力することを特徴とする。

これにより、第３初期購入者グループの消費者の動向を、情報端末における操作手段の操作を介し迅速かつ容易に把握し、当該動向等を加味した実効性の高い内容の推奨を、初期購入者の次に行動するグループの消費者に対し行うことができる。

第７の発明は、上記第５発明において、前記第１履歴取得手段により取得された前記複数の商品に対する前記複数の消費者の前記消費履歴情報を用いて、各消費者を、互いに嗜好の異なる、複数のユニットに分類するユニット分類手段をさらに有し、前記第２推奨情報出力手段は、前記対象商品を推奨するための推奨情報を、前記ユニット分類手段により前記第３初期購入者グループに属する前記消費者と類似のユニットに分類された複数の消費者の情報端末に対して出力することを特徴とする。

第３初期購入者グループの消費者の動向等を加味した実行性の高い内容の推奨を、当該消費者と嗜好の類似する消費者に対し行うことにより、より有効な推奨を行うことができる。

第８の発明は、上記第７発明において、前記第２推奨情報出力手段は、前記第３初期購入者グループに分類された前記消費者が、前記特定の消費関連行動として、当該消費者の情報端末の表示手段に表示された前記対象商品に係わる推奨情報に対し所定の操作を行ったことを契機に、前記対象商品を推奨するための推奨情報を、前記ユニット分類手段により前記第３初期購入者グループに属する前記消費者と類似のユニットに分類された複数の消費者の情報端末に対して出力することを特徴とする。

これにより、第３初期購入者グループの消費者の動向を、情報端末における操作手段の操作を介し迅速かつ容易に把握し、当該動向等を加味した実効性の高い内容の推奨を、当該消費者と嗜好の類似する消費者に対し行うことができる。

上記目的を達成するために、第９の発明は、商品の識別情報と当該商品に対する複数の消費者の消費行動履歴とを対応付けた利用回数を含んだ消費履歴情報を各商品ごとに記憶した消費者データベースにアクセスし、複数の商品に対する複数の消費者の消費履歴情報を取得する第１履歴取得手段と、前記第１履歴取得手段により取得された前記複数の商品に対する前記複数の消費者の前記消費履歴情報を用いて、各消費者を、互いに消費行動時期の異なる、初期購入者グループを含む複数のグループに分類する第１分類手段と、前記消費者データベースより、前記第１分類手段により前記初期購入者グループに分類された複数の消費者の、消費履歴情報を取得する第２履歴取得手段と、前記第２履歴取得手段で取得された、前記初期購入者グループに属する複数の消費者の消費履歴情報に基づき、各消費者の流行発見度を算出する流行発見度算出手段と、前記第２履歴取得手段で取得された、前記初期購入者グループに属する複数の消費者の消費履歴情報に基づき、各消費者の嗜好幅を算出する嗜好幅算出手段と、前記第１分類手段により前記初期購入者グループに分類された複数の消費者を、前記流行発見度算出手段で算出された流行発見度の値が所定の発見度しきい値以上であると共に前記嗜好幅算出手段で算出された嗜好幅の値が所定の嗜好幅しきい値以上である第５初期購入者グループと、前記流行発見度算出手段で算出された流行発見度の値が前記所定の発見度しきい値未満であると共に前記嗜好幅算出手段で算出された嗜好幅の値が所定の嗜好幅しきい値以上である第６初期購入者グループと、前記流行発見度算出手段で算出された流行発見度の値が前記所定の発見度しきい値以上であると共に前記嗜好幅算出手段で算出された嗜好幅の値が所定の嗜好幅しきい値未満である第７初期購入者グループと、前記流行発見度算出手段で算出された流行発見度の値が前記所定の発見度しきい値未満であると共に前記嗜好幅算出手段で算出された嗜好幅の値が所定の嗜好幅しきい値未満である第８初期購入者グループと、に分類する第４分類手段とを有することを特徴とする。

本願第９発明においては、消費者データベースより第１履歴取得手段が取得した各消費者の消費履歴情報を用いて、第１分類手段が各消費者を複数のグループに分類する。複数のグループは初期購入者グループを含むと共に、各グループは互いに消費行動時期が異なる。

複数のグループのうち、初期購入者グループに属する各消費者の消費履歴情報は、第２履歴取得手段によって消費者データベースから取得される。その取得された初期購入者グループの各消費者の消費履歴情報に基づき、流行発見度算出手段が各消費者の流行発見度を算出し、嗜好幅算出手段が各消費者の嗜好幅を算出する。算出された流行発見度が所定の発見度しきい値以上でかつ嗜好幅が所定の嗜好幅しきい値以上である消費者は第４分類手段によって第５初期購入者グループに分類され、算出された流行発見度が所定の発見度しきい値未満でかつ嗜好幅が所定の嗜好幅しきい値以上である消費者は第４分類手段によって第６初期購入者グループに分類され、算出された流行発見度が所定の発見度しきい値以上でかつ嗜好幅が所定の嗜好幅しきい値未満である消費者は第４分類手段によって第７初期購入者グループに分類され、算出された流行発見度が所定の発見度しきい値未満でかつ嗜好幅が所定の嗜好幅しきい値未満である消費者は第４分類手段によって第８初期購入者グループに分類される。

以上のように、本願第９発明においては、消費者を、消費行動時期の違いに応じて初期購入者グループ等の複数のグループに分類するのにとどまらず、さらに初期購入者グループに属する消費者を流行発見度及び嗜好幅の大きさにより４つのグループに細かく分類する。これにより、初期購入者グループに分類された消費者の中から、流行発見度が小さい特定の人気商品のファンと嗜好幅が小さい特定の商品のマニアとを除外することができるので、より高精度な消費者分類を行うことができる。

第１０の発明は、上記第９発明において、前記第５初期購入者グループに分類された前記消費者が、消費行動を起こしたこと若しくは消費以外の特定の消費関連行動を起こしたことを契機に、前記消費行動若しくは前記消費関連行動の対象商品を推奨するための推奨情報を、前記第１分類手段により前記初期購入者グループの次に消費行動時期が早いグループとして分類された所定のグループに属する複数の消費者の情報端末に対して出力する、第３推奨情報出力手段を有することを特徴とする。

これにより、初期購入者の次に行動するグループの消費者に対し影響を与えるであろう第５初期購入者グループの消費者の動向を精度よく把握し、当該影響等を加味した実効性の高い内容の推奨を、当該初期購入者の次に行動するグループの消費者に対し行うことができる。この結果、当該初期購入者の次に行動するグループの消費者にとって適した内容の推奨を行うことができる。

第１１の発明は、上記第１０発明において、前記第３推奨情報出力手段は、前記第５初期購入者グループに分類された前記消費者が、前記特定の消費関連行動として、当該消費者の情報端末の表示手段に表示された前記対象商品に係わる推奨情報に対し所定の操作を行ったことを契機に、前記対象商品を推奨するための推奨情報を、前記所定のグループに属する前記複数の消費者の情報端末に対して出力することを特徴とする。

これにより、第５初期購入者グループの消費者の動向を、情報端末における操作手段の操作を介し迅速かつ容易に把握し、当該動向等を加味した実効性の高い内容の推奨を、初期購入者の次に行動するグループの消費者に対し行うことができる。

第１２の発明は、上記第１０発明において、前記第１履歴取得手段により取得された前記複数の商品に対する前記複数の消費者の前記消費履歴情報を用いて、各消費者を、互いに嗜好の異なる、複数のユニットに分類するユニット分類手段をさらに有し、前記第３推奨情報出力手段は、前記対象商品を推奨するための推奨情報を、前記ユニット分類手段により前記第５初期購入者グループに属する前記消費者と類似のユニットに分類された複数の消費者の情報端末に対して出力することを特徴とする。

第５初期購入者グループの消費者の動向等を加味した実行性の高い内容の推奨を、当該消費者と嗜好の類似する消費者に対し行うことにより、より有効な推奨を行うことができる。

第１３の発明は、上記第１２発明において、前記第３推奨情報出力手段は、前記第５初期購入者グループに分類された前記消費者が、前記特定の消費関連行動として、当該消費者の情報端末の表示手段に表示された前記対象商品に係わる推奨情報に対し所定の操作を行ったことを契機に、前記対象商品を推奨するための推奨情報を、前記ユニット分類手段により前記第５初期購入者グループに属する前記消費者と類似のユニットに分類された複数の消費者の情報端末に対して出力することを特徴とする。

これにより、第５初期購入者グループの消費者の動向を、情報端末における操作手段の操作を介し迅速かつ容易に把握し、当該動向等を加味した実効性の高い内容の推奨を、当該消費者と嗜好の類似する消費者に対し行うことができる。

第１４の発明は、上記第１又は第９発明において、前記消費者データベースに記憶された前記複数の消費者の消費履歴情報に基づき、特定の期間において商品に対し消費行動を行った消費者数を各商品ごとに算出する消費者数算出手段と、前記消費者数算出手段により消費行動を行った消費者数が算出された各商品を、当該消費者数が多い順に順位付けする順位付与手段と、前記初期購入者グループに属する各消費者が前記特定の期間内に消費行動を行った各商品に対し前記順位付与手段が付与した順位を、各消費者ごとに集計処理する順位集計手段とを有し、前記流行発見度算出手段は、前記順位集計手段により集計された前記順位を用いて、各消費者の流行発見度を算出することを特徴とする。

本願第１４発明においては、流行発見度を表す指標として、特定の期間において商品に対し消費行動を行った消費者の数を用いる。すなわち、消費者数算出手段が当該特定の期間において商品に対し消費行動を行った消費者の数を算出すると、順位付与手段によって、当該算出された消費者数が多い順に各商品が順位付けされる。順位集計手段によって、特定期間内に消費行動を行った商品に順位付与手段が付与した順位が各消費者ごとに集計され、その集計された各消費者ごとの順位の集計結果を用いて、流行発見度算出手段が各消費者の流行発見度を算出することができる。

第１５の発明は、上記第４又は第９発明において、前記初期購入者グループに属する各消費者が特定の期間内に消費行動を行った各商品に対し予め関連付けられた嗜好識別子の数を、各消費者ごとに集計処理する識別子集計手段を有し、前記嗜好幅算出手段は、前記識別子集計手段により集計された前記嗜好識別子の数を用いて、各消費者の嗜好幅を算出することを特徴とする。

本願第１５発明においては、嗜好幅を表す指標として、特定の期間において各消費者が消費行動を行った商品の嗜好識別子の数を用いる。すなわち、識別子集計手段が、消費者が当該特定の期間において消費行動を行った商品の嗜好識別子の数を、各消費者ごとに集計する。その集計された各消費者ごとの識別子の集計結果を用いて、嗜好幅算出手段が各消費者の嗜好幅を算出することができる。

本発明によれば、より高精度な消費者分類を行うことができる。

本発明の一実施の形態の楽曲データ用情報処理装置を備える商品推奨システムの全体構成を表すシステム構成図である。 歌唱履歴データベースの記憶内容の一例を概念的に表す表である。 クリック履歴データベースの記憶内容の一例を概念的に表す表である。 歌唱嗜好に基づく消費者分類について説明する説明図である。 歌唱行動時期に基づく消費者分類について説明する説明図である。 流行発見度の算出手法の一例を説明する説明図である。 嗜好幅の算出手法の一例を説明する説明図である。 流行発見度・嗜好幅データベースの記憶内容の一例を概念的に表す表である。 イノベーターグループに属する複数の消費者を、嗜好発見度及び嗜好幅に基づき、複数のグループに分類する手法の一例を説明する説明図である。 各消費者により歌唱された歌唱回数が最も多い音楽ジャンルを決定する手法の一例を説明する説明図である。 ユーザプロファイルデータベースの記憶内容の一例を概念的に表す表である。 楽曲データ用情報処理装置の制御部が実行する、ユーザプロファイルデータベースの更新処理に関する制御手順を表すフローチャートである。 ステップＳ１００の詳細手順を表すフローチャートである。 ステップＳ２００の詳細手順を表すフローチャートである。 ステップＳ３００の詳細手順を表すフローチャートである。 ステップＳ５００の詳細手順を表すフローチャートである。 ステップＳ７００の詳細手順を表すフローチャートである。 ステップＳ６００の詳細手順を表すフローチャートである。 ステップＳ４００の詳細手順を表すフローチャートである。 楽曲データ用情報処理装置の制御部が実行する、ユーザ別広告データベースの更新処理に関する制御手順を表すフローチャートである。 ステップＳ９００の詳細手順を表すフローチャートである。 ステップＳ１１００の詳細手順を表すフローチャートである。 ステップＳ１２００の詳細手順を表すフローチャートである。

以下、本発明の一実施の形態を図面を参照しつつ説明する。

図１を用いて、本実施形態の楽曲データ用情報処理装置を備える商品推奨システムの全体構成を説明する。

図１において、商品推奨システム１は、カラオケルームＫＲに設置されたカラオケ装置１００と、楽曲配信会社２００と、ＤＢサーバ３００と、情報処理装置４００と、ＷＥＢサーバ５００と、情報端末としてのＰＣ端末６００と、広告配信会社７００とを有している。

カラオケ装置１００は、カラオケ装置本体１１０と、表示装置１２０と、マイク１１５とを有している。カラオケ装置本体１１０は、例えばＷｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ（ＷＡＮ）等のネットワークＮＷ１を介し楽曲配信会社２００から配信される楽曲データを再生する。表示装置１２０は、楽曲データの再生時に歌唱に係る映像を表示する。マイク１１５は、カラオケ装置本体１１０に接続され、カラオケ利用者である消費者の歌唱の用に供する。消費者は、この例では所定のカラオケ施設における会員として登録されている。

ここで、楽曲配信会社２００からカラオケ装置本体１１０に配信される楽曲データは、商品に含まれる。すなわち、カラオケにおいて消費者Ｍが楽曲データを歌唱することは、商品の消費に含まれる。つまり、歌唱行動は、消費行動に含まれる。

上記構成であるカラオケ装置１００は、上記ネットワークＮＷ１を介しＤＢサーバ３００に接続されている。

ＤＢサーバ３００は、制御部３０１と、通信制御部３０２，３０３と、記憶部３１０とを有している。

制御部３０１は、図示しないＣＰＵ及びＲＡＭ、ＲＯＭ等のメモリを備えている。この制御部３０１は、ＲＡＭの一時記憶機能を利用しつつ、記憶部３１０に予め記憶された各種プログラムを実行する。これにより、ＤＢサーバ３００全体の制御を行う。

通信制御部３０２は、上記カラオケ装置本体１１０との間で上記ネットワークＮＷ１を介し行われる情報通信の制御を行う。通信制御部３０３は、上記情報処理装置４００やＷＥＢサーバ５００との間で、例えばＬｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ（ＬＡＮ）等のネットワークＮＷ２を介し行われる情報通信の制御を行う。

記憶部３１０は、例えばＨａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ（ＨＤＤ）等で構成されている。この記憶部３１０は、ＯＳ記憶エリア３１１と、ＲＤＢＭＳ記憶エリア３１２と、データベース記憶エリア３１３と、ベクトル構成の情報記憶エリア３１４とを備えている。

ＯＳ記憶エリア３１１には、所定のＯｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ（ＯＳ）が記憶されている。ＯＳは、コンピュータシステム全体を管理するソウトウェアである。

ＲＤＢＭＳ記憶エリア３１２には、所定のＲｅｌａｔｉｏｎａｌ ＤｅｔａＢａｓｅ Ｍａｎａｇｅｍｅｎｔ Ｓｙｓｔｅｍ（ＲＤＢＭＳ）が記憶されている。ＲＤＢＭＳは、いわゆるリレーショナルデータベースを管理するソフトウェアである。

データベース記憶エリア３１３には、会員データベース、楽曲データベース、歌手データベース、消費者データベースとしての歌唱履歴データベース３１３１（後述の図２参照）、ユーザプロファイルデータベース３１３２（後述の図１１参照）、流行発見度・嗜好幅データベース３１３３（後述の図８参照）、広告データベース、ユーザ別広告データベース、及びクリック履歴データベース３１３４（後述の図３参照）が記憶されている。

会員データベースには、複数の消費者Ｍの会員情報が記憶されている。消費者Ｍの会員情報には、例えば消費者Ｍの識別情報である消費者ＩＤ、性別、及び生年月日等が含まれている。

楽曲データベースには、各楽曲データごとに、楽曲ＩＤ、楽曲名、及び歌手ＩＤが記憶されている。楽曲ＩＤは、楽曲データの識別情報である。楽曲名は、楽曲データの名称である。歌手ＩＤは、楽曲データの歌手の識別情報である。なお、この歌手ＩＤが嗜好識別子に相当する。

歌手データベースには、各歌手ごとに、上記歌手ＩＤ、歌手名、及びジャンルＩＤが記憶されている。歌手名は、歌手の名称である。ジャンルＩＤは、例えばポップス、ロック、フォーク、演歌、洋楽などの音楽ジャンルの識別情報である。本実施形態では、各歌手ごとに、音楽ジャンルが設定されている。

広告データベースには、後述の広告配信会社７００から配信される、消費行動若しくは消費以外の特定の消費関連行動の対象商品を推奨するための推奨情報に係わる、広告ＩＤ、広告名、及び上記ジャンルＩＤが、各推奨情報ごとに記憶されている。上記消費行動としては、例えば、商品の購入行動や楽曲データの歌唱行動などがある。上記消費以外の特定の消費関連行動としては、例えば、商品のレンタルや視聴などがある。また、広告ＩＤは、推奨情報の識別情報である。広告名は、推奨情報の名称である。なお、この広告データベースに、推奨情報自体を記憶させるようにしてもよい。

ユーザ別広告データベースには、各消費者Ｍごとに、上記消費者ＩＤと、当該消費者ＭのＰＣ端末６００に対して出力する推奨情報として決定された推奨情報（詳細は後述する）の上記広告ＩＤとが、対応付けられて記憶されている。なお、このユーザ別広告データベースに、推奨情報自体を記憶させるようにしてもよい。

上記構成であるＤＢサーバ３００は、上記ネットワークＮＷ２を介し情報処理装置４００及びＷＥＢサーバ５００に接続されている。

情報処理装置４００には、ディスプレイ４２０、キーボード４２１、及びマウス４２２が接続されている。また、情報処理装置４００は、制御部４０１と、通信制御部４０２と、出力制御部４０３と、入力制御部４０４と、記憶部４１０とを有している。

制御部４０１は、図示しないＣＰＵ及びＲＡＭ、ＲＯＭ等のメモリを備えている。この制御部４０１は、ＲＡＭの一時記憶機能を利用しつつ、記憶部４１０に予め記憶された各種プログラムを実行する。これにより、情報処理装置４００全体の制御を行う。

通信制御部４０２は、上記ＤＢサーバ３００やＷＥＢサーバ５００との間で上記ネットワークＮＷ２を介し行われる情報通信の制御を行う。

出力制御部４０３は、上記ディスプレイ４２０への映像信号の出力に関する制御を行う。入力制御部４０４は、上記キーボード４２１やマウス４２２を介した情報の入力に関する制御を行う。

記憶部４１０は、例えばＨＤＤ等で構成されている。この記憶部４１０は、所定のＯＳを記憶したＯＳ記憶エリア４１１と、プログラム記憶エリア４１２とを備えている。

プログラム記憶エリア４１２には、ユーザプロファイル決定処理プログラム及び広告決定処理プログラムが記憶されている。

ユーザプロファイル決定処理プログラムは、上記ＤＢサーバ３００のユーザプロファイルデータベース３１３２を、制御部４０１に更新させるためのプログラムである。なお、本実施形態においては、このユーザプロファイル決定処理プログラムは、予め定められたタイミングになったら、例えば毎月１回決まった時刻になったら、制御部４０１によって実行される（詳細は後述の図１２参照）。

広告決定処理プログラムは、上記ＤＢサーバ３００のユーザ別広告データベースを、制御部４０１に更新させるためのプログラムである。なお、本実施形態においては、この広告決定処理プログラムは、予め定められたタイミングになったら、例えば毎日１回決まった時刻になったら、制御部４０１によって実行される（詳細は後述の図２０参照）。

一方、ＷＥＢサーバ５００は、制御部５０１と、通信制御部５０２，５０３と、記憶部５１０とを有している。

制御部５０１は、図示しないＣＰＵ及びＲＡＭ、ＲＯＭ等のメモリを備えている。この制御部５０１は、ＲＡＭの一時記憶機能を利用しつつ、記憶部５１０に予め記憶された各種プログラムを実行する。これにより、ＷＥＢサーバ５００全体の制御を行う。

通信制御部５０２は、上記ＤＢサーバ３００や情報処理端末４００との間で上記ネットワークＮＷ２を介し行われる情報通信の制御を行う。通信制御部５０３は、上記ＰＣ端末６００や広告配信会社７００との間で、例えばＷＡＮ等のネットワークＮＷ３を介し行われる情報通信の制御を行う。

記憶部５１０は、例えばＨＤＤ等で構成されている。この記憶部５１０は、所定のＯＳを記憶したＯＳ記憶エリア５１１と、プログラム記憶エリア５１２と、ログイン情報記憶エリア５１３と、各消費者Ｍのクリック履歴情報（後述）が記憶されるクリック履歴情報記憶エリア５１４とを備えている。

プログラム記憶エリア５１２には、ＷＥＢサーバプログラム及びクリック履歴集計プログラムが記憶されている。

ＷＥＢサーバプログラムは、所定のウェブブラウザに対し、Ｈｙｐｅｒ Ｔｅｘｔ Ｍａｒｋｕｐ Ｌａｎｇｕａｇｅ（ＨＴＭＬ）や画像等のオブジェクトの表示を提供するプログラムである。また、制御部５０１は、このＷＥＢサーバプログラム実行することにより、上記各消費者Ｍのクリック履歴情報を上記クリック履歴情報記憶エリア５１４に保存させることができる。

クリック履歴集計プログラムは、上記クリック履歴情報記憶エリア５１４に記憶された上記各消費者Ｍのクリック履歴情報を集計して、上記ＤＢサーバ３００のクリック履歴データベース３１３４を、制御部５０１に更新させるためのプログラムである。なお、本実施形態においては、このクリック履歴集計プログラムは、予め定められたタイミングになったら、例えば毎日１回決まった時刻になったら、制御部５０１によって実行される。

また、この記憶部５１０の適宜の領域には、上記ネットワークＮＷ３を介し広告配信会社７００から配信された、上記対象商品に係わる推奨情報が記憶される。

上記構成であるＷＥＢサーバ６００は、上記ネットワークＮＷ３を介しＰＣ端末６００に接続されている。

ＰＣ端末６００は、複数の消費者Ｍそれぞれにより所有されるＰＣ端末である。このＰＣ端末６００は、表示手段としてのディスプレイ６２０と、キーボード６２１と、マウス６２２とを有している。

ディスプレイ６２０には、ＷＥＢサーバ５００より上記ネットワークＮＷ３を介しＰＣ端末６００に入力される、上記対象商品に係わる推奨情報が表示される。

図２に、上記歌唱履歴データベース３１３１の記憶内容の一例を示す。

図２に示すように、歌唱履歴データベース３１３１には、各楽曲データごとに、楽曲ＩＤと、配信開始日時と、当該楽曲データに対する複数の消費者Ｍの歌唱行動履歴とをそれぞれ対応付けた歌唱履歴情報が記憶されている。配信開始日時は、楽曲データが上記カラオケ装置本体１１０に配信された、言い換えれば、消費者Ｍが歌唱可能となった日時情報である。

また、上記歌唱行動履歴には、楽曲データを歌唱した消費者Ｍの消費者ＩＤと、歌唱行動日時とが含まれている。歌唱行動日時は、消費者Ｍが楽曲データを歌唱した日時情報である。なお、歌唱行動履歴が消費行動履歴に相当し、歌唱履歴情報が消費履歴情報に相当する。

図３に、上記クリック履歴データベース３１３４の記憶内容の一例を示す。

図３に示すように、クリック履歴データベース３１３４には、各消費者Ｍごとに、消費者ＩＤと当該消費者Ｍのクリック履歴とが対応付けられたクリック履歴情報が記憶されている。クリック履歴には、上記広告ＩＤと、クリック日時とが含まれている。クリック日時は、ＰＣ端末６００のディスプレイ６２０に表示された、上記対象商品に係わる推奨情報が、所定の操作としてマウス６２２を介しクリックされた日時情報である。

すなわち、消費者Ｍが、当該消費者Ｍのディスプレイ６２０に表示された、上記対象商品に係わる推奨情報に対し、マウス６２２を介しクリックを行ったことを契機に、当該消費者Ｍのクリック履歴情報が、上記ＷＥＢサーバ５００のクリック履歴記憶エリア５１４に記憶される。なお、上記ディスプレイ６２０に表示された対象商品に係わる推奨情報に対しクリックを行ったことは、消費以外の特定の消費関連行動を起こしたことに含まれる。そして、ＷＥＢサーバ５００の制御部５０１は、上記クリック履歴記憶エリア５１４に記憶された各消費者Ｍのクリック履歴情報を集計して、クリック履歴データベース３１３４に記憶させる。すなわち、このクリック履歴データベース３１３４には、消費者Ｍが上記対象商品に係わる推奨情報に対しクリックを行ったことを契機に生成されたクリック履歴情報が、各消費者Ｍごとに記憶されているのである。

上記構成である商品推奨システム１の特徴は、情報処理装置４００の制御部４０１が、複数の消費者Ｍの歌唱履歴情報を用いて、各消費者Ｍを、互いに歌唱行動時期が異なる、初期購入者グループ（後述）を含む複数のグループに分類すること、初期購入者グループに分類された複数の消費者Ｍの歌唱履歴情報に基づき、各消費者Ｍの流行発見度及び嗜好幅を算出すること、及び、その算出された流行発見度及び嗜好幅を用いて、初期購入者グループに分類された複数の消費者Ｍを、複数のグループに分類すること、にある。

本実施形態においては、前述したように、予め定められたタイミングになったら、情報処理装置４００の制御部４０１が、上記ユーザプロファイル決定処理プログラムを実行する。これにより、上記ＤＢサーバ３００のユーザプロファイルデータベース３１３２を更新する。以下、その内容を説明する。

ここで、カラオケにおいて消費者Ｍが歌唱する楽曲データの嗜好（以下適宜、「歌唱嗜好」と称する）は、消費者Ｍによって互いに異なる。本実施形態においては、上記歌唱履歴データベース３１３１に記憶された複数の楽曲データに対する複数の消費者Ｍの歌唱履歴情報を用いて、各消費者Ｍを、互いに歌唱嗜好の異なる複数のユニットに分類する。

図４を用いて、歌唱嗜好に基づく消費者分類について説明する。

図４（ａ）に示すように、情報処理装置４００の制御部４０１は、上記歌唱履歴データベース３１３１にアクセスし、当該歌唱履歴データベース３１３１に記憶された、すべての楽曲データに係わる楽曲ＩＤ及び消費者ＩＤを取得したら、歌唱嗜好に基づく消費者分類を行う。すなわち、上記取得されたすべての楽曲データに係わる楽曲ＩＤ及び消費者ＩＤを用いて、例えば公知のクラスタリング手法であるＳｅｌｆ Ｏｒｇａｎｉｚｉｎｇ Ｍａｐｓ（ＳＯＭ）分析により、各消費者Ｍを、互いに歌唱嗜好の異なる複数のユニットに分類する。この例では、各消費者Ｍは、複数のユニットとして、ユニット１、ユニット２、ユニット３・・・に分類されている。なお、各ユニット相互間では、歌唱嗜好の類似するユニットが存在する場合がある。

また、図４（ｂ）に示すように、上記複数のユニットそれぞれには、予め、ユニットの識別情報である嗜好ＩＤが設定されている。この例では、ユニット１の嗜好ＩＤが「１」、ユニット２の嗜好ＩＤが「２」、ユニット３の嗜好ＩＤが「３」、ユニット４の嗜好ＩＤが「４」・・・に設定されている。情報処理装置４００の制御部４０１は、複数の消費者Ｍを上記複数のユニットに分類したら、その分類結果を、上記ユーザプロファイルデータベース３１３２（後述の図１１参照）に記録する。すなわち、各消費者Ｍごとに、当該消費者Ｍの属するユニットの嗜好ＩＤを、当該消費者Ｍの消費者ＩＤと関連付けて、ユーザプロファイルデータベース３１３２に記録する。これにより、ユーザプロファイルデータベース３１３２に記憶された嗜好ＩＤの更新を行う。

なお、楽曲データの歌唱嗜好ではなく、楽曲データ以外の商品の嗜好、例えば物品商品の購入嗜好などに基づいて、各消費者Ｍを、互いに嗜好の異なる複数のユニットに分類するようにしてもよい。

ここで、カラオケにおいて消費者Ｍが楽曲データを歌唱する時期（以下適宜、「歌唱行動時期」と称する）は、消費者Ｍによって互いに異なる。歌唱行動時期とは、具体的にいうと、楽曲データの上記配信開始日時から上記歌唱行動日時までの経過時間である。なお、この歌唱行動時期が消費行動時期に相当する。本実施形態においては、上記歌唱履歴データベース３１３１に記憶された複数の楽曲データに対する複数の消費者Ｍの歌唱履歴情報を用いて、各消費者Ｍを、互いに歌唱行動時期の異なる複数のグループに分類する。

図５を用いて、歌唱行動時期に基づく消費者分類について説明する。

図５（ａ）に示すように、情報処理装置４００の制御部４０１は、上記歌唱履歴データベース３１３１にアクセスし、当該歌唱履歴データベース３１３１に記憶された、すべての楽曲データに係わる楽曲ＩＤ、配信開始日時、消費者ＩＤ、及び歌唱行動日時を取得したら、歌唱行動時期に基づく消費者分類を行う。すなわち、上記取得されたすべての楽曲データに係わる楽曲ＩＤ、配信開始日時、消費者ＩＤ、及び歌唱行動日時を用いて、例えば公知のクラスタリング手法であるＳＯＭ分析により、各消費者Ｍを、互いに歌唱行動時期の異なる複数のグループに分類する。

本実施形態では、イノベーター理論（Ｅｖｅｒｅｔｔ Ｍ． Ｒｏｇｅｒｓ， １９６２）に基づき、複数の消費者Ｍは、歌唱行動時期の早い順に、「イノベーター」グループ、「アーリーアドプター」グループ、「アーリーマジョリティー」グループ、「レイトマジョリティー」グループ、及び「ラガード」グループ、のいずれかのグループに分類される。

なお、イノベーターとは、全消費者の中で消費行動時期の早い２．５％の消費者層であり、商品が市場に投入された直後から、消費者数あるいは商品の販売数が急激に増加する直前までの時期において消費行動を起こす消費者層である。すなわち、この例では、全消費者Ｍの中で歌唱行動時期の早い２．５％の消費者層であり、楽曲データが配信された直後から、消費者数があるいは楽曲データの歌唱回数が急激に増加する直前までの時期において歌唱行動を起こす消費者層である。このイノベーターは、新しい物を進んで採用し、テレビやＣＭ等、各種メディアの広告等による外部的な影響を受けない特質を有する。このイノベーターが初期購入者に相当する。また、このイノベーターに該当する複数の消費者Ｍが属するグループ、すなわち、上記イノベーターグループが、初期購入者グループに相当する。また、イノベーターグループの次に歌唱行動時期が早いグループとして分類されたアーリーアドプターグループが、所定のグループに相当する。

また、図５（ｂ）に示すように、上記５つのグループそれぞれには、予め、グループの識別情報である時期ＩＤが設定されている。本実施形態では、イノベーターグループの時期ＩＤが「１」、アーリーアドプターグループの時期ＩＤが「２」、アーリーマジョリティーグループの時期ＩＤが「３」、レイトマジョリティーグループの時期ＩＤが「４」、ラガードグループの時期ＩＤが「５」に設定されている。情報処理装置４００の制御部４０１は、複数の消費者Ｍを上記５つのグループに分類したら、その分類結果を、上記ユーザプロファイルデータベース３１３２（後述の図１１参照）に記録する。すなわち、各消費者Ｍごとに、当該消費者Ｍの属するグループの時期ＩＤを、当該消費者Ｍの消費者ＩＤと関連付けて、ユーザプロファイルデータベース３１３２に記録する。これにより、ユーザプロファイルデータベース３１３２に記憶された時期ＩＤの更新を行う。

なお、歌唱行動時期に基づく消費者分類は、上記のようにイノベーター理論に基づく分類に限られない。例えば、複数の消費者Ｍを、歌唱行動時期の早い順に所定人数ごとに区分し、初期購入者グループを含む複数のグループに分類するようにしてもよい。また、楽曲データの歌唱行動時期ではなく、楽曲データ以外の商品の消費行動時期、例えば物品商品の購入行動時期などに基づいて、各消費者Ｍを、互いに消費行動時期の異なる複数のグループに分類するようにしてもよい。

ここで、本実施形態においては、上記イノベーターグループに分類された複数の消費者Ｍを、各消費者Ｍの流行発見度及び嗜好幅に基づき、さらに複数のグループに分類する。

流行発見度は、流行商品の消費度合いを表している。すなわち、消費者Ｍがカラオケにおいて歌唱した楽曲データが後に流行した場合には、流行発見度は高くなる。逆に、消費者Ｍがカラオケにおいて歌唱した楽曲データが後に流行しなかった場合には、流行発見度は低くなる。

嗜好幅は、消費した商品の嗜好の幅を表している。すなわち、消費者Ｍがカラオケにおいて歌唱した楽曲データの歌手の数が多かった場合、嗜好幅は広くなる。逆に、消費者Ｍがカラオケにおいて歌唱した楽曲データの歌手の数が少なかった場合には、嗜好幅は狭くなる。

以下、流行発見度及び嗜好幅の算出手法の一例を説明する。

図６を用いて、上記流行発見度の算出手法の一例を説明する。

図６において、上記流行発見度を算出するにあたり、情報処理装置４００の制御部４０１は、まず、上記歌唱履歴データベース３１３１に記憶された歌唱履歴情報に基づき、各楽曲データごとに、特定の期間において楽曲データに対し歌唱行動を行った消費者Ｍの数を算出する。

具体的には、上記歌唱履歴データベース３１３１に記憶された、歌唱行動日時が特定の期間に含まれる商品に係わる楽曲ＩＤ、消費者ＩＤ、及び歌唱行動日時を抽出する。なお、本実施形態においては、上記特定の期間を、先月の１ヶ月間としている。例えば、この時点の日付が２０１０年１月５日である場合には、上記特定の期間は、２００９年１２月の１ヵ月間、すなわち、２００９年１２月１日から２００９年１２月３１日までとなる。図６（ａ）には、上記抽出結果の一例を示している。この例では、歌唱行動日時が２００９年１２月の１ヵ月間に含まれる商品に係わる楽曲ＩＤ、消費者ＩＤ、及び歌唱行動日時が抽出されている。

そして、制御部４０１のメモリが備える歌唱回数バッファ上において、上記抽出されたデータに含まれる各楽曲データごとに、対応する消費者ＩＤの数をカウントする。これは、言い換えれば、上記各楽曲データごとに、歌唱された回数（以下適宜、「歌唱回数」と称する）をカウントしている。これにより、各楽曲データごとに、先月の１ヶ月間において楽曲データに対し歌唱行動を行った消費者Ｍの数を算出する。図６（ｂ）には、上記歌唱回数バッファ上での算出結果の一例を示している。この例では、上記歌唱回数バッファ上において、各楽曲データごとに、歌唱回数がカウントされている。

その後、上記歌唱回数バッファ上において歌唱回数がカウントされた各楽曲データを、すなわち、歌唱行動を行った消費者Ｍの数が算出された各楽曲データを、歌唱回数が多い順に、すなわち、消費者Ｍの数が多い順に順位付けする。図６（ｃ）には、上記順位付け結果の一例を示している。この例では、上記カウントされた歌唱回数が多い楽曲データから順に、１位、２位、３位・・・と順位付けされている。

そして、上記イノベーターグループに属する各消費者Ｍが上記先月の１ヶ月間内に歌唱行動を行った各楽曲データに対し付与された順位を、各消費者Ｍごとに集計処理する。

具体的には、各消費者Ｍごとに、上記歌唱履歴データベース３１３１に記憶された、歌唱行動日時が先月の１ヶ月間に含まれる商品の楽曲ＩＤ及び歌唱行動日時を抽出する。図６（ｄ）には、消費者ＩＤ「２７８３０３６」に係わる消費者Ｍにおける上記抽出結果の一例を示している。この例では、消費者ＩＤ「２７８３０３６」に係わる消費者Ｍについての、歌唱行動日時が２００９年１２月の１ヵ月間に含まれる、５つの楽曲データの楽曲ＩＤ及び歌唱行動日時が抽出されている。なお、この消費者ＩＤ「２７８３０３６」に係わる消費者Ｍは、上記イノベーターグループに属するとする。

そして、上記順位付け結果を参照して、上記イノベーターグループに属する複数の消費者Ｍそれぞれについて、上記抽出されたデータに係わる各楽曲データに対し付与された順位を検出する。その後、各消費者Ｍごとに、上記検出された当該消費者Ｍに係わる順位を集計して、集計された順位の平均値Ｔ（以下、「平均順位Ｔ」と称する）を算出する。図６（ｅ）には、消費者ＩＤ「２７８３０３６」に係わる各楽曲データに対応する順位の検出結果、及び、上記平均順位Ｔの算出結果の一例を示している。この例では、上記図６（ｄ）に対応し、上記５つの楽曲データに対応する順位が検出されている。この場合には、上記５つの楽曲データに対応する順位の平均順位Ｔは、
Ｔ＝（１＋３＋１２＋２４＋１３）／５＝１０．６
と、算出される。

その後、各消費者Ｍごとに、上記算出された当該消費者Ｍに係わる平均順位Ｔを、当該消費者Ｍの消費者ＩＤと関連付けて、上記流行発見度・嗜好幅データベース３１３３（後述の図８参照）に記録する。上記図６（ｅ）に示す例では、上記算出された平均順位Ｔ＝１０．６が、消費者ＩＤ「２７８３０３６」と関連付けられて、流行発見度・嗜好幅データベース３１３３に記録される。なお、上記イノベーターグループ以外のグループに属する消費者Ｍについては、平均順位Ｔの算出は行われない。

本実施形態においては、流行発見度・嗜好幅データベース３１３３に記憶された平均順位Ｔを、各消費者Ｍの流行発見度を表す指標としている。すなわち、「平均順位Ｔの値が小さい」というのは、消費者Ｍが歌唱した楽曲データが流行したことを意味する。一方、「平均順位Ｔの値が大きい」というのは、消費者Ｍが歌唱した楽曲データが流行しなかったことを意味する。つまり、平均順位Ｔの値が小さい場合には、流行発見度は高くなり、逆に、平均順位Ｔの値が大きい場合には、流行発見度は低くなる。すなわち、各消費者Ｍに係わる平均順位Ｔを算出することは、各消費者Ｍの流行発見度を間接的に算出することに相当するのである。

図７を用いて、上記嗜好幅の算出手法の一例を説明する。

図７において、上記嗜好幅を算出するにあたり、情報処理装置４００の制御部４０１は、まず、上記イノベーターグループに属する各消費者Ｍが先月の１ヶ月間内に歌唱行動を行った各楽曲データに対し予め関連付けられた上記歌手ＩＤの数を、各消費者Ｍごとに集計処理する。

具体的には、各消費者Ｍごとに、上記歌唱履歴データベース３１３１に記憶された、歌唱行動日時が先月の１ヶ月間に含まれる商品の楽曲ＩＤ及び歌唱行動日時を抽出する。図７（ａ）には、消費者ＩＤ「２７８３０３６」に係わる消費者Ｍにおける上記抽出結果の一例を示している。この例では、消費者ＩＤ「２７８３０３６」に係わる消費者Ｍについての、歌唱行動日時が２００９年１２月の１ヵ月間に含まれる、５つの楽曲データの楽曲ＩＤ及び歌唱行動日時が抽出されている。なお、この消費者ＩＤ「２７８３０３６」に係わる消費者Ｍは、上記イノベーターグループに属するとする。

その後、上記楽曲データベースの記憶内容に基づき、各消費者Ｍごとに、上記抽出された当該消費者Ｍのデータに係わる各楽曲データに対応する歌手ＩＤを検出する。そして、各消費者Ｍごとに、上記検出された当該消費者Ｍに係わる歌手ＩＤの数を集計して、合計の歌手ＩＤの数Ｌ（以下、「合計ＩＤ数Ｌ」と称する）を算出する。図７（ｂ）には、消費者ＩＤ「２７８３０３６」に係わる各楽曲データに対応する歌手ＩＤの検出結果、及び、上記合計ＩＤ数Ｌの算出結果の一例を示している。この例では、上記図７（ａ）に対応し、上記５つの楽曲データに対応する歌手ＩＤが検出されている。この場合には、上記５つの楽曲データに対応する合計ＩＤ数Ｌは、Ｌ＝３と算出される。

その後、各消費者Ｍごとに、上記算出された当該消費者Ｍに係わる合計ＩＤ数Ｌを、当該消費者Ｍの消費者ＩＤと関連付けて、上記流行発見度・嗜好幅データベース３１３３（後述の図８参照）に記録する。上記図７（ｂ）に示す例では、上記算出された合計ＩＤ数Ｌ＝３が、消費者ＩＤ「２７８３０３６」と関連付けられて、流行発見度・嗜好幅データベース３１３３に記録される。なお、上記イノベーターグループ以外のグループに属する消費者Ｍについては、上記合計ＩＤ数Ｌの算出は行われない。

本実施形態においては、流行発見度・嗜好幅データベース３１３３に記憶された合計ＩＤ数Ｌを、各消費者Ｍの嗜好幅を表す指標としている。すなわち、「合計ＩＤ数Ｌの値が大きい」というのは、消費者Ｍが歌唱した楽曲データの歌手の数が多いことを意味する。一方、「合計ＩＤ数Ｌの値が小さい」というのは、消費者Ｍが歌唱した楽曲データの歌手の数が少ないことを意味する。つまり、合計ＩＤ数Ｌの値が大きい場合には、嗜好幅は広くなり、逆に、合計ＩＤ数Ｌの値が小さい場合には、嗜好幅は狭くなる。すなわち、各消費者Ｍに係わる合計ＩＤ数Ｌを算出することは、各消費者Ｍの嗜好幅を間接的に算出することに相当するのである。

図８に、上記流行発見度・嗜好幅データベース３１３３の記憶内容の一例を示す。

図８に示すように、流行発見度・嗜好幅データベース３１３３には、各消費者Ｍごとに、消費者ＩＤと、上記平均順位Ｔと、上記合計ＩＤ数Ｌとが記憶されている。なお、上述したように、上記イノベーターグループ以外のグループに属する消費者Ｍについては、平均順位Ｔ及び合計ＩＤ数Ｌの算出は行われない。この例では、平均順位Ｔ及び合計ＩＤ数Ｌの算出が行われなかった消費者Ｍに係わる平均順位Ｔ及び合計ＩＤ数Ｌを「−」で示している。

次に、図９を用いて、上記イノベーターグループに属する複数の消費者Ｍを、流行発見度及び嗜好幅に基づき、複数のグループに分類する手法の一例を説明する。

図９（ａ）に示すように、情報処理装置４００の制御部４０１は、上記流行発見度・嗜好幅データベース３１３３に記憶された、すべての消費者Ｍに係わる平均順位Ｔに基づき、当該すべての消費者Ｍに係わる平均順位Ｔの平均値Ｔ０を算出する。また、これとともに、上記流行発見度・嗜好幅データベース３１３３に記憶された、すべての消費者Ｍに係わる合計ＩＤ数Ｌに基づき、当該すべての消費者Ｍに係わる合計ＩＤ数Ｌの平均値Ｌ０を算出する。

その後、各消費者Ｍごとに、上記流行発見度・嗜好幅データベース３１３３に記憶された当該消費者Ｍに係わる平均順位Ｔ及び合計ＩＤ数Ｌと、上記算出された平均値Ｔ０，Ｌ０とをそれぞれ比較する。そして、それら比較結果に応じて、上記イノベーターグループに分類された複数の消費者Ｍを、複数のグループに分類する。

すなわち、図９（ｂ）に示すように、上記イノベーターグループに分類された複数の消費者Ｍのうち、平均順位Ｔの値が上記平均値Ｔ０以下であると共に、合計ＩＤ数Ｌの値が上記平均値Ｌ０以上である消費者Ｍを、第１イノベーターグループに分類する。なお、平均順位Ｔの値が上記平均値Ｔ０以下であると共に、合計ＩＤ数Ｌの値が上記平均値Ｌ０以上であることは、言い換えれば、流行発見度の値が所定の発見度しきい値以上であると共に、嗜好幅の値が所定の嗜好幅しきい値以上であることを意味している。この第１イノベーターグループが、第５初期購入者グループに相当する。

また、上記イノベーターグループに分類された複数の消費者Ｍのうち、平均順位Ｔの値が上記平均値Ｔ０より大きくなると共に、合計ＩＤ数Ｌの値が上記平均値Ｌ０以上である消費者Ｍを、第２イノベーターグループに分類する。なお、平均順位Ｔの値が上記平均値Ｔ０より大きくなると共に、合計ＩＤ数Ｌの値が上記平均値Ｌ０以上であることは、言い換えれば、流行発見度の値が所定の発見度しきい値未満であると共に、嗜好幅の値が所定の嗜好幅しきい値以上であることを意味している。この第２イノベーターグループが、第６初期購入者グループに相当する。

また、上記イノベーターグループに分類された複数の消費者Ｍのうち、平均順位Ｔの値が上記平均値Ｔ０以下であると共に、合計ＩＤ数Ｌの値が上記平均値Ｌ０未満である消費者Ｍを、第３イノベーターグループに分類する。なお、平均順位Ｔの値が上記平均値Ｔ０以下であると共に、合計ＩＤ数Ｌの値が上記平均値Ｌ０未満であることは、言い換えれば、流行発見度の値が所定の発見度しきい値以上であると共に、嗜好幅の値が所定の嗜好幅しきい値未満であることを意味している。この第３イノベーターグループが、第７初期購入者グループに相当する。

また、上記イノベーターグループに分類された複数の消費者Ｍのうち、平均順位Ｔの値が上記平均値Ｔ０より大きくなると共に、合計ＩＤ数Ｌの値が上記平均値Ｌ０未満である消費者Ｍを、第４イノベーターグループに分類する。なお、平均順位Ｔの値が上記平均値Ｔ０より大きくなると共に、合計ＩＤ数Ｌの値が上記平均値Ｌ０未満であることは、言い換えれば、流行発見度の値が所定の発見度しきい値未満であると共に、嗜好幅の値が所定の嗜好幅しきい値未満であることを意味している。この第４イノベーターグループが、第８初期購入者グループに相当する。

なお、上記イノベーターグループに分類された複数の消費者Ｍのうち、平均順位Ｔの値が上記平均値Ｔ０以下である、言い換えれば、流行発見度の値が所定の発見度しきい値以上である消費者Ｍの属する、第１イノベーターグループ及び第３イノベーターグループの総称が、第１初期購入者グループに相当する。以下適宜、これらグループを総称して「第１・第３イノベーターグループ」と称する。

また、上記イノベーターグループに分類された複数の消費者Ｍのうち、平均順位Ｔの値が上記平均値Ｔ０より大きくなる、言い換えれば、流行発見度の値が所定の発見度しきい値未満である消費者Ｍの属する、第２イノベーターグループ及び第４イノベーターグループの総称が、第２初期購入者グループに相当する。以下適宜、これらグループを総称して「第２・第４イノベーターグループ」と称する。

また、上記イノベーターグループに分類された複数の消費者Ｍのうち、合計ＩＤ数Ｌの値が上記平均値Ｌ０以上である、言い換えれば、嗜好幅の値が所定の嗜好幅しきい値以上である消費者Ｍの属する、第１イノベーターグループ及び第２イノベーターグループの総称が、第３初期購入者グループに相当する。以下適宜、これらグループを総称して「第１・第２イノベーターグループ」と称する。

また、上記イノベーターグループに分類された複数の消費者Ｍのうち、合計ＩＤ数Ｌの値が上記平均値Ｌ０未満である、言い換えれば、嗜好幅の値が所定の嗜好幅しきい値未満である消費者Ｍの属する、第３イノベーターグループ及び第４イノベーターグループの総称が、第４初期購入者グループに相当する。以下適宜、これらグループを総称して「第３・第４イノベーターグループ」と称する。

また、図９（ｂ）に示すように、上記第１〜第４イノベーターグループそれぞれには、予め、イノベーターグループの識別情報であるイノベーターＩＤが設定されている。本実施形態では、第１イノベーターグループのイノベーターＩＤが「１」、第２イノベーターグループのイノベーターＩＤが「２」、第３イノベーターグループのイノベーターＩＤが「３」、第４イノベーターグループのイノベーターＩＤが「４」に設定されている。

情報処理装置４００の制御部４０１は、上記イノベーターグループに分類された複数の消費者Ｍを、上記第１〜第４イノベーターグループに分類したら、その分類結果を、上記ユーザプロファイルデータベース３１３２（後述の図１１参照）に記録する。すなわち、各消費者Ｍごとに、当該消費者Ｍの属するイノベーターグループのイノベーターＩＤを、当該消費者Ｍの消費者ＩＤと関連付けて、ユーザプロファイルデータベース３１３２に記録する。このとき、上記第１〜第４イノベーターグループのいずれにも属していない消費者Ｍ、すなわち、上記アーリーアドプターグループ、アーリーマジョリティーグループ、レイトマジョリティーグループ、及びラガードグループのいずれかに属している消費者Ｍに係わるイノベーターＩＤは、「０」として記録される。これにより、ユーザプロファイルデータベース３１３２に記憶されたイノベーターＩＤの更新を行う。

図１０を用いて、各消費者Ｍにより歌唱された歌唱回数が最も多い音楽ジャンルを決定する手法の一例を説明する。

図１０において、各消費者Ｍにより歌唱された歌唱回数が最も多い音楽ジャンルを決定するにあたり、情報処理装置４００の制御部４０１は、各消費者Ｍごとに、上記歌唱履歴データベース３１３１に記憶された、歌唱行動日時が先月の１ヶ月間に含まれる商品の楽曲ＩＤ及び歌唱行動日時を抽出する。図１０（ａ）には、消費者ＩＤ「２７８３０３６」に係わる消費者Ｍにおける上記抽出結果の一例を示している。この例では、消費者ＩＤ「２７８３０３６」に係わる消費者Ｍについての、歌唱行動日時が２００９年１２月の１ヵ月間に含まれる、５つの楽曲データの楽曲ＩＤ及び歌唱行動日時が抽出されている。

その後、上記楽曲データベース及び歌手データベースの記憶内容に基づき、各消費者Ｍごとに、上記抽出されたデータに係わる各楽曲データに対応するジャンルＩＤを検出する。図１０（ｂ）には、消費者ＩＤ「２７８３０３６」に係わる各楽曲データに対応するジャンルＩＤの検出結果の一例を示している。この例では、上記図１０（ａ）に対応し、上記５つの楽曲データに対応するジャンルＩＤが検出されている。

そして、各消費者Ｍごとに、上記検出された当該消費者Ｍに係わる複数のジャンルＩＤそれぞれについて、対応する楽曲ＩＤの数をカウントする。これは、言い換えれば、各消費者Ｍごとに、上記検出された当該消費者Ｍに係わる複数のジャンルＩＤそれぞれについて、歌唱回数をカウントしている。これにより、各消費者Ｍごとに、複数の音楽ジャンルそれぞれについて、消費者Ｍが先月の１ヶ月間内に歌唱行動を行った楽曲データの数を算出する。そして、各消費者Ｍごとに、上記カウントされた歌唱回数が最も多いジャンルＩＤを検出する。図１０（ｃ）には、消費者ＩＤ「２７８３０３６」に係わる消費者Ｍにおける、各音楽ジャンルごとの歌唱回数の算出結果、及び、上記歌唱回数が最も多いジャンルＩＤの検出結果を示している。この例では、上記図１０（ｂ）に対応し、上記検出された各音楽ジャンルごとに、歌唱回数がカウントされている。この場合には、上記カウントされた歌唱回数が最も多い音楽ジャンルは、ジャンルＩＤ「２」に係わる音楽ジャンルと検出される。

その後、各消費者Ｍごとに、上記検出された当該消費者Ｍに係わる歌唱回数が最も多い音楽ジャンルのジャンルＩＤを、当該消費者Ｍの消費者ＩＤと関連付けて、上記ユーザプロファイルデータベース３１３２（後述の図１１参照）に記録する。これにより、ユーザプロファイルデータベース３１３２に記憶されたジャンルＩＤの更新を行う。上記図１０（ｃ）に示す例では、上記歌唱回数が最も多い音楽ジャンルとして検出された音楽ジャンルのジャンルＩＤ「２」が、消費者ＩＤ「２７８３０３６」と関連付けられて、ユーザプロファイルデータベース３１３２に記録される。

図１１に、上記ユーザプロファイルデータベース３１３２の記憶内容の一例を示す。図１１に示すように、ユーザプロファイルデータベース３１３２には、上述のようにして決定された複数の消費者Ｍのプロファイル情報が、各消費者Ｍごとに記憶されている。上記プロファイル情報には、上記嗜好ＩＤ、時期ＩＤ、イノベーターＩＤ、及びジャンルＩＤが含まれている。

また、本実施形態においては、前述したように、予め定められたタイミングになったら、情報処理装置４００の制御部４０１が、上記広告決定処理プログラムを実行する。これにより、上記ＤＢサーバ３００のユーザ別広告データベースを更新し、各消費者ＭのＰＣ端末６００に対して出力する推奨情報を決定する。そして、そのユーザ別広告データベースの記憶内容に従って、各消費者ＭのＰＣ端末６００に対して、対応する推奨情報を出力する。この内容の詳細は、後述の図２０〜図２３で説明する。

図１２を用いて、情報処理装置４００の制御部４０１が実行する、上記ユーザプロファイルデータベース３１３２の更新処理に関する制御手順を説明する。なお、制御部４０１は、このフローに示す処理を、上記ユーザプロファイル決定処理プログラムに従って実行する。

図１２において、例えば予め定められたユーザプロファイル決定処理プログラムを実行するタイミングになることによって、図中「ＳＴＡＲＴ」位置で表されるように、このフローが開始される。

まずステップＳ１００で、制御部４０１は、上記ＤＢサーバ３００のユーザプロファイルデータベース３１３２に記憶された、上記嗜好ＩＤの決定を行う、嗜好属性決定処理を実行する。この詳細内容については、後述の図１３で説明する。

その後、ステップＳ２００で、制御部４０１は、上記ＤＢサーバ３００のユーザプロファイルデータベース３１３２に記憶された、上記時期ＩＤの決定を行う、歌唱行動時期属性決定処理を実行する。この詳細内容については、後述の図１４で説明する。

そして、ステップＳ３００に移り、制御部４０１は、上記ＤＢサーバ３００のユーザプロファイルデータベース３１３２に記憶された、上記イノベーターＩＤの決定を行う、イノベーター属性決定処理を実行する。この詳細内容については、後述の図１５で説明する。

その後、ステップＳ４００で、制御部４０１は、上記ＤＢサーバ３００のユーザプロファイルデータベース３１３２に記憶された、上記ジャンルＩＤの決定を行う、ジャンル決定処理を実行する。この詳細内容については、後述の図１９で説明する。そして、このフローを終了する。

図１３を用いて、上記図１２のステップＳ１００の詳細手順を説明する。

図１３において、まずステップＳ１１０で、制御部４０１は、通信制御部４０２及びネットワークＮＷ２を介し、ＤＢサーバ３００の歌唱履歴データベース３１３１にアクセスする。そして、歌唱履歴データベース３１３１に記憶された、複数の楽曲データに対する複数の消費者Ｍの歌唱履歴情報を取得する。この例では、すべての楽曲データに係わる楽曲ＩＤ及び消費者ＩＤを取得する。このステップは、各請求項記載の第１履歴取得手段として機能する。

その後、ステップＳ１２０で、制御部４０１は、上記ステップＳ１１０で取得された、すべての楽曲データに係わる楽曲ＩＤ及び消費者ＩＤを用いて、例えば公知のクラスタリング手法であるＳＯＭ分析により、各消費者Ｍを、互いに歌唱嗜好の異なる、上記複数のユニットに分類する（図４参照）。このステップが、各請求項記載のユニット分類手段として機能する。

そして、ステップＳ１３０に移り、制御部４０１は、通信制御部４０２及びネットワークＮＷ２を介し、ＤＢサーバ３００のユーザプロファイルデータベース３１３２にアクセスする。そして、上記ステップＳ１２０での分類結果に基づき、各消費者Ｍごとに、当該消費者Ｍの属するユニットの嗜好ＩＤを、当該消費者Ｍの消費者ＩＤと関連付けて記録する。これにより、各消費者Ｍに係わる嗜好ＩＤが決定される。その後、このルーチンを終了する。

なお、以上においては、上述したように、上記第１履歴取得手段として機能するステップＳ１１０において、制御部４０１は、楽曲データの識別情報である楽曲ＩＤ、楽曲データの市場投入日時である配信開始日時、消費者ＩＤ、及び、楽曲データの歌唱行動日時を、各楽曲データごとに記憶した歌唱履歴データベース３１３１にアクセスし、すべての楽曲データに係わる楽曲ＩＤ及び消費者ＩＤを取得した。しかしながらこれに限られない。すなわち、楽曲データの歌唱嗜好ではなく、楽曲データ以外の商品の嗜好、例えば物品商品の消費嗜好などに基づいて、各消費者Ｍを、互いに嗜好の異なる複数のユニットに分類するようにしてもよい。言い換えれば、後述の第２履歴取得手段としてのステップＳ５２０やステップＳ６２０と異なるデータベースにアクセスし、異なる消費履歴情報を取得するようにしてもよい。

この場合、制御部４０１は、商品の識別情報、商品の市場投入日時、消費者ＩＤ、及び、商品の消費行動日時を、各商品ごとに記憶した消費者データベースにアクセスする。その後、制御部４０１は、その消費者データベースに記憶された、すべての商品に係わる商品の識別情報及び消費者ＩＤを取得する。そして、その取得されたすべての商品に係わる商品の識別情報及び消費者ＩＤを用いて、各消費者Ｍが、互いに嗜好の異なる、複数のユニットに分類される。その後は、上記と同様である。

図１４を用いて、上記図１２のステップＳ２００の詳細手順を説明する。

図１４において、まずステップＳ２１０で、制御部４０１は、通信制御部４０２及びネットワークＮＷ２を介し、ＤＢサーバ３００の歌唱履歴データベース３１３１にアクセスする。そして、歌唱履歴データベース３１３１に記憶された、複数の楽曲データに対する複数の消費者Ｍの歌唱履歴情報を取得する。具体的には、すべての楽曲データに係わる楽曲ＩＤ、配信開始日時、消費者ＩＤ、及び歌唱行動日時を取得する。このステップは、各請求項記載の第１履歴取得手段として機能する。

その後、ステップＳ２２０で、制御部４０１は、上記ステップＳ２１０で取得された、すべての楽曲データに係わる楽曲ＩＤ、配信開始日時、消費者ＩＤ、及び歌唱行動日時を用いて、例えば公知のクラスタリング手法であるＳＯＭ分析により、各消費者Ｍを、互いに歌唱行動時期の異なる、上記５つのグループに分類する。すなわち、各消費者Ｍを、イノベーターグループ、アーリーアドプターグループ、アーリーマジョリティーグループ、レイトマジョリティーグループ、及びラガードグループに分類する（図５参照）。このステップが、各請求項記載の第１分類手段として機能する。

そして、ステップＳ２３０に移り、制御部４０１は、通信制御部４０２及びネットワークＮＷ２を介し、ＤＢサーバ３００のユーザプロファイルデータベース３１３２にアクセスする。そして、上記ステップＳ２２０での分類結果に基づき、各消費者Ｍごとに、当該消費者Ｍの属するグループの時期ＩＤを、当該消費者Ｍの消費者ＩＤと関連付けて記録する。これにより、各消費者Ｍに係わる時期ＩＤが決定される。その後、このルーチンを終了する。

なお、以上においては、上述したように、上記第１履歴取得手段として機能するステップＳ２１０において、制御部４０１は、楽曲データの識別情報である楽曲ＩＤ、楽曲データの市場投入日時である配信開始日時、消費者ＩＤ、及び、楽曲データの歌唱行動日時を、各楽曲データごとに記憶した歌唱履歴データベース３１３１にアクセスし、すべての楽曲データに係わる楽曲ＩＤ、配信開始日時、消費者ＩＤ、及び、歌唱行動日時を取得した。しかしながらこれに限られない。すなわち、楽曲データの歌唱行動時期ではなく、楽曲データ以外の商品の消費行動時期、例えば物品商品の購入行動時期などに基づいて、各消費者Ｍを、互いに消費行動時期の異なる複数のグループに分類するようにしてもよい。言い換えれば、後述の第２履歴取得手段としてのステップＳ５２０やステップＳ６２０と異なるデータベースにアクセスし、異なる消費履歴情報を取得するようにしてもよい。

この場合、制御部４０１は、商品の識別情報、商品の市場投入日時、消費者ＩＤ、及び商品の消費行動日時を、各商品ごとに記憶した消費者データベースにアクセスする。その後、制御部４０１は、その消費者データベースに記憶された、すべての商品に係わる商品の識別情報、商品の市場投入日時、消費者ＩＤ、及び商品の消費行動日時を取得する。そして、その取得されたすべての商品に係わる商品の識別情報、商品の市場投入日時、消費者ＩＤ、及び商品の消費行動日時を用いて、各消費者Ｍを、互いに消費行動時期の異なる、複数のグループに分類する。その後は、上記と同様である。

図１５を用いて、上記図１２のステップＳ３００の詳細手順を説明する。

図１５において、まずステップＳ５００で、制御部４０１は、各消費者Ｍの流行発見度を表す指標である上記平均順位Ｔの算出を行う、流行発見度算出処理を実行する。なお、詳細は後述するが、このステップで算出された各消費者Ｍに係わる平均順位Ｔは、各消費者Ｍの消費者ＩＤと関連付けられて、流行発見度・嗜好幅データベース３１３３に記録される。この詳細内容については、後述の図１６で説明する。

その後、ステップＳ６００で、制御部４０１は、各消費者Ｍの嗜好幅を表す指標である上記合計ＩＤ数Ｌの算出を行う、嗜好幅算出処理を実行する。なお、詳細は後述するが、このステップで算出された各消費者Ｍに係わる合計ＩＤ数Ｌは、各消費者Ｍの消費者ＩＤと関連付けられて、流行発見度・嗜好幅データベース３１３３に記録される。この詳細内容については、後述の図１８で説明する。

そして、ステップＳ３０５に移り、制御部４０１は、通信制御部４０２及びネットワークＮＷ２を介し、ＤＢサーバ３００の流行発見度・嗜好幅データベース３１３３にアクセスする。そして、その流行発見度・嗜好幅データベース３１３３に記憶された、すべての消費者Ｍに係わる平均順位Ｔを取得する。その後、その取得したすべての消費者Ｍに係わる平均順位Ｔを集計して、上記平均値Ｔ０を算出する（図９（ａ）参照）。なお、すべての消費者Ｍではなく、歌唱回数が多い、例えば歌唱回数が１０回以上である消費者Ｍに係わる平均順位Ｔを集計して、その平均値を算出するようにしてもよい。

その後、ステップＳ３１０で、制御部４０１は、通信制御部４０２及びネットワークＮＷ２を介し、ＤＢサーバ３００の流行発見度・嗜好幅データベース３１３３にアクセスする。そして、その流行発見度・嗜好幅データベース３１３３に記憶された、すべての消費者Ｍに係わる合計ＩＤ数Ｌを取得する。その後、その取得したすべての消費者Ｍに係わる合計ＩＤ数Ｌを集計して、上記平均値Ｌ０を算出する（図９（ａ）参照）。なお、すべての消費者Ｍではなく、歌唱回数が多い、例えば歌唱回数が１０回以上である消費者Ｍに係わる合計ＩＤ数Ｌを集計して、その平均値を算出するようにしてもよい。

そして、ステップＳ３１５に移り、制御部４０１は、上記流行発見度・嗜好幅データベース３１３３に記憶されたデータの件数をカウントするための変数ｉの値を１に設定する。

その後、ステップＳ３２０で、制御部４０１は、通信制御部４０２及びネットワークＮＷ２を介し、ＤＢサーバ３００の流行発見度・嗜好幅データベース３１３３にアクセスする。そして、その流行発見度・嗜好幅データベース３１３３に記憶されたｉ件目のデータ、すなわち、消費者ＩＤ、平均順位Ｔ、及び合計ＩＤ数Ｌを取得する。

そして、ステップＳ３２５に移り、制御部４０１は、通信制御部４０２及びネットワークＮＷ２を介し、ＤＢサーバ３００のユーザプロファイルデータベース３１３２にアクセスする。そして、上記ステップＳ３２０で取得された消費者ＩＤに関連付けられている時期ＩＤを取得する。

その後、ステップＳ３３０で、制御部４０１は、上記ステップＳ３２５で取得された時期ＩＤが、上記イノベーターグループに対応する「１」であるかどうかを判定する。時期ＩＤが「１」でない場合、言い換えれば、消費者Ｍがイノベーターグループに属していない場合には、判定が満たされずステップＳ３３５に移る。

ステップＳ３３５では、制御部４０１は、通信制御部４０２及びネットワークＮＷ２を介し、ＤＢサーバ３００のユーザプロファイルデータベース３１３２にアクセスする。そして、上記ステップＳ３２０で取得された消費者ＩＤに対応するイノベーターＩＤを「０」として記録する。その後、後述のステップＳ３７５に移る。

一方、上記ステップＳ３３０において、上記ステップＳ３２５で取得された時期ＩＤが「１」であった場合、言い換えれば、消費者Ｍがイノベーターグループに属していた場合には、ステップＳ３３０の判定が満たされてステップＳ３４０に移る。

ステップＳ３４０では、制御部４０１は、上記ステップＳ３２０で取得された平均順位Ｔの値が、上記ステップＳ３０５で算出された平均値Ｔ０以下であるかどうかを判定する。この判定は、言い換えれば、流行発見度の値が所定の発見度しきい値以上であるかどうかを判定している。Ｔ≦Ｔ０である場合、言い換えれば、流行発見度の値が所定の発見度しきい値以上である場合には、判定が満たされてステップＳ３４５に移る。

ステップＳ３４５では、制御部４０１は、上記ステップＳ３２０で取得された合計ＩＤ数Ｌの値が、上記ステップＳ３１０で算出された平均値Ｌ０以上であるかどうかを判定する。この判定は、言い換えれば、嗜好幅の値が所定の嗜好幅しきい値以上であるかどうかを判定している。Ｌ≧Ｌ０である場合、言い換えれば、嗜好幅の値が所定の嗜好幅しきい値以上である場合には、判定が満たされてステップＳ３５０に移る。

ステップＳ３５０では、制御部４０１は、通信制御部４０２及びネットワークＮＷ２を介し、ＤＢサーバ３００のユーザプロファイルデータベース３１３２にアクセスする。そして、上記ステップＳ３２０で取得された消費者ＩＤに対応するイノベーターＩＤを、上記第１イノベーターグループに対応する「１」として記録する。これにより、上記ステップＳ３２０で取得された消費者ＩＤに係わる消費者Ｍは、第１イノベーターグループに分類される。その後、後述のステップＳ３７５に移る。

一方、上記ステップＳ３４５において、Ｌ＜Ｌ０であった場合、言い換えれば、嗜好幅の値が所定の嗜好幅しきい値未満であった場合には、ステップＳ３４５の判定が満たされずステップＳ３５５に移る。

ステップＳ３５５では、制御部４０１は、通信制御部４０２及びネットワークＮＷ２を介し、ＤＢサーバ３００のユーザプロファイルデータベース３１３２にアクセスする。そして、上記ステップＳ３２０で取得された消費者ＩＤに対応するイノベーターＩＤを、上記第３イノベーターグループに対応する「３」として記録する。これにより、上記ステップＳ３２０で取得された消費者ＩＤに係わる消費者Ｍは、第３イノベーターグループに分類される。その後、後述のステップＳ３７５に移る。

一方、上記ステップＳ３４０において、Ｔ＞Ｔ０であった場合、言い換えれば、流行発見度の値が所定の発見度しきい値未満であった場合には、ステップＳ３４０の判定が満たされずステップＳ３６０に移る。

ステップＳ３６０では、制御部４０１は、上記ステップＳ３２０で取得された合計ＩＤ数Ｌの値が、上記ステップＳ３１０で算出された平均値Ｌ０未満であるかどうかを判定する。この判定は、言い換えれば、嗜好幅の値が所定の嗜好幅しきい値未満であるかどうかを判定している。Ｌ≧Ｌ０である場合、言い換えれば、嗜好幅の値が所定の嗜好幅しきい値以上である場合には、判定が満たされずステップＳ３６５に移る。

ステップＳ３６５では、制御部４０１は、通信制御部４０２及びネットワークＮＷ２を介し、ＤＢサーバ３００のユーザプロファイルデータベース３１３２にアクセスする。そして、上記ステップＳ３２０で取得された消費者ＩＤに対応するイノベーターＩＤを、上記第２イノベーターグループに対応する「２」として記録する。これにより、上記ステップＳ３２０で取得された消費者ＩＤに係わる消費者Ｍは、第２イノベーターグループに分類される。その後、後述のステップＳ３７５に移る。

一方、上記ステップＳ３６０において、Ｌ＜Ｌ０であった場合、言い換えれば、嗜好幅の値が所定の嗜好幅しきい値未満であった場合には、ステップＳ３６０の判定が満たされてステップＳ３７０に移る。

ステップＳ３７０では、制御部４０１は、通信制御部４０２及びネットワークＮＷ２を介し、ＤＢサーバ３００のユーザプロファイルデータベース３１３２にアクセスする。そして、上記ステップＳ３２０で取得された消費者ＩＤに対応するイノベーターＩＤを、上記第４イノベーターグループに対応する「４」として記録する。これにより、上記ステップＳ３２０で取得された消費者ＩＤに係わる消費者Ｍは、第４イノベーターグループに分類される。

そして、ステップＳ３７５に移り、制御部４０１は、上記変数ｉの値に１を加え、ステップＳ３８０に移る。

ステップＳ３８０では、制御部４０１は、上記変数ｉの値が、上記流行発見度・嗜好幅データベース３１３３に記憶されたデータの全件数ｉ＿ｍａｘよりも大きくなっているかどうかを判定する。この判定は、言い換えれば、上記流行発見度・嗜好幅データベース３１３３に記憶されたすべての消費者Ｍについて、イノベーターＩＤを決定したかどうかを判定している。ｉ≦ｉ＿ｍａｘである場合、言い換えれば、まだすべての消費者ＭについてイノベーターＩＤを決定していない場合には、判定が満たされず、上記ステップＳ３２０に戻り同様の手順を繰り返す。一方、ｉ＞ｉ＿ｍａｘとなっている場合、言い換えれば、既にすべての消費者ＭについてイノベーターＩＤを決定している場合には、判定が満たされて、このルーチンを終了する。

なお、上記において、ステップＳ３４０、ステップＳ３４５、及びステップＳ３６０が、各請求項記載の第４分類手段として機能する。また、そのうち、ステップＳ３４０が第２分類手段として機能し、ステップＳ３４５及びステップＳ３６０が第３分類手段として機能する。

図１６を用いて、上記図１５のステップＳ５００の詳細手順を説明する。

図１６において、まずステップＳ７００で、制御部４０１は、各楽曲データを、歌唱回数が多い順に順位付けする、楽曲順位付与処理を実行する。この詳細内容については、後述の図１７で説明する。

その後、ステップＳ５０５で、制御部４０１は、上記ユーザプロファイルデータベース３１３２に記憶されたプロファイル情報の件数をカウントするための変数ｊの値を１に設定する。

そして、ステップＳ５１０に移り、制御部４０１は、通信制御部４０２及びネットワークＮＷ２を介し、ＤＢサーバ３００のユーザプロファイルデータベース３１３２にアクセスする。そして、ユーザプロファイルデータベース３１３２に記憶されたｊ件目のプロファイル情報、この例では、消費者ＩＤ及び時期ＩＤを取得する。

その後、ステップＳ５１５で、制御部４０１は、上記ステップＳ５１０で取得された時期ＩＤが、上記イノベーターグループに対応する「１」であるかどうかを判定する。時期ＩＤが「１」でない場合、言い換えれば、消費者Ｍがイノベーターグループに属していない場合には、判定が満たされず、後述のステップＳ５５０に移る。一方、時期ＩＤが「１」である場合、言い換えれば、消費者Ｍがイノベーターグループに属している場合には、判定が満たされてステップＳ５２０に移る。

ステップＳ５２０では、制御部４０１は、通信制御部４０２及びネットワークＮＷ２を介し、ＤＢサーバ３００の歌唱履歴データベース３１３１にアクセスする。そして、上記ステップＳ５１０で取得された消費者ＩＤをキーとして歌唱履歴データベース３１３１内を検索し、当該消費者ＩＤに対応付けられた歌唱行動日時が、先月の１ヶ月間に含まれる楽曲データの楽曲ＩＤ及び歌唱行動日時を抽出する（図６（ｄ）参照）。すなわち、このステップでは、イノベーターグループに分類された複数の消費者Ｍの歌唱履歴情報を、１人の消費者Ｍの歌唱履歴情報ごとに取得しているのである。このステップ５２０は、各請求項記載の第２履歴取得手段の一部として機能する。

そして、ステップＳ５２５に移り、制御部４０１は、上記ステップＳ５２０で抽出された歌唱履歴の件数が１件以上あったかどうかを判定する。歌唱履歴の件数が０件であった場合には、判定が満たされずステップＳ５３０に移る。

ステップＳ５３０では、制御部４０１は、通信制御部４０２及びネットワークＮＷ２を介し、ＤＢサーバ３００の流行発見度・嗜好幅データベース３１３３にアクセスする。そして、上記ステップＳ５１０で取得された消費者ＩＤに対応する平均順位Ｔの値を「０」として記録する。その後、後述のステップＳ５５０に移る。

一方、上記ステップＳ５２５において、歌唱履歴の件数が１件以上あった場合には、ステップＳ５２５の判定が満たされてステップＳ５３５に移る。

ステップＳ５３５では、制御部４０１は、上記ステップＳ７００での順位付け結果に基づき、上記ステップＳ５２０で抽出されたデータに含まれる各楽曲データに対し付与された順位を検出する（図６（ｅ）参照）。

その後、ステップＳ５４０で、制御部４０１は、上記ステップＳ５３５で検出された各楽曲データの順位を集計して、上記平均順位Ｔを算出する（図６（ｅ）参照）。このステップが、各請求項記載の順位集計手段として機能する。なお、上記ステップＳ５３５で順位が検出された複数の楽曲データのうち、順位が高い楽曲データ、例えば順位が１位から１０位までに該当する楽曲データの順位を集計して、その平均順位を算出するようにしてもよい。

そして、ステップＳ５４５に移り、制御部４０１は、通信制御部４０２及びネットワークＮＷ２を介し、ＤＢサーバ３００の流行発見度・嗜好幅データベース３１３３にアクセスする。そして、上記ステップＳ５１０で取得された消費者ＩＤに対応する平均順位Ｔの値を、上記ステップＳ５４０で算出された平均順位Ｔの値として記録する。このステップを、各消費者Ｍについて行うことにより、各消費者Ｍに係わる平均順位Ｔ、言い換えれば、各消費者Ｍの流行発見度を算出することができる。このステップが、各請求項記載の流行発見度算出手段として機能する。

その後、ステップＳ５５０で、制御部４０１は、上記変数ｊの値に１を加え、ステップＳ５５５に移る。

ステップＳ５５５では、制御部４０１は、上記変数ｊの値が、上記ユーザプロファイルデータベース３１３２に記憶されたプロファイル情報の全件数ｊ＿ｍａｘよりも大きくなっているかどうかを判定する。この判定は、言い換えれば、上記ユーザプロファイルデータベース３１３２に記憶されたすべての消費者Ｍについて、平均順位Ｔを算出したかどうかを判定している。ｊ≦ｊ＿ｍａｘである場合、言い換えれば、まだすべての消費者Ｍについて平均順位Ｔを算出していない場合には、判定が満たされず、上記ステップＳ５１０に戻り同様の手順を繰り返す。一方、ｊ＞ｊ＿ｍａｘとなっている場合、言い換えれば、既にすべての消費者Ｍについて平均順位Ｔを算出している場合には、判定が満たされて、このルーチンを終了する。

図１７を用いて、上記図１６のステップＳ７００の詳細手順を説明する。

図１７において、まずステップＳ７０５で、制御部４０１は、前述した歌唱回数バッファ（図６（ｂ）参照）に記録されたデータ、すなわち、楽曲ＩＤ及び歌唱回数をすべて消去する。

その後、ステップＳ７１０で、制御部４０１は、通信制御部４０２及びネットワークＮＷ２を介し、ＤＢサーバ３００の歌唱履歴データベース３１３１にアクセスする。そして、歌唱行動日時が先月１ヵ月間に含まれる楽曲データに係わる楽曲ＩＤ、消費者ＩＤ、及び歌唱行動日時を抽出する（図６（ａ）参照）。このとき、上記歌唱回数バッファに対し、上記抽出したデータに含まれるすべての楽曲ＩＤを記録し、対応する歌唱回数を０とする。

そして、ステップＳ７１５に移り、制御部４０１は、上記ステップＳ７１０で抽出されたデータから、１件のデータを取得する。

その後、ステップＳ７２０で、制御部４０１は、上記歌唱回数バッファに記録された、上記ステップＳ７１５で取得されたデータに含まれる楽曲ＩＤと同一の楽曲ＩＤに対応する歌唱回数に１を加える。このステップでは、歌唱回数バッファ上において、上記ステップＳ７１０で抽出されたデータに含まれる各楽曲データごとに、歌唱回数をカウントしている（図６（ｂ）参照）。

そして、ステップＳ７２５に移り、制御部４０１は、上記ステップＳ７１５において、上記ステップＳ７１０で抽出されたデータからすべてのデータを取得したかどうかを判定する。まだすべてのデータを取得していない場合には、判定が満たされず上記ステップＳ７１５に戻り、まだ取得されていないデータを取得する。一方、既にすべてのデータを取得した場合には、判定が満たされてステップＳ７３０に移る。

ステップＳ７３０では、制御部４０１は、上記歌唱回数バッファに記録された各データを、歌唱回数が多い順に並び替える。

その後、ステップＳ７３５で、制御部４０１は、楽曲データに対し付与する順位を表す変数Ｒの値を１とする。

そして、ステップＳ７４０に移り、制御部４０１は、上記歌唱回数バッファから、１件のデータ、すなわち、楽曲ＩＤ及び歌唱回数を取得する。

その後、ステップＳ７４５で、制御部４０１は、この時点での上記変数Ｒの値と、上記ステップＳ７４０で取得された楽曲ＩＤ及び歌唱回数とを、それぞれ対応付けて、制御部４０１のメモリに記憶させる。このとき記憶される変数Ｒの値が、楽曲データに対し付与した順位に相当する。すなわち、このステップでは、上記ステップＳ７１０で抽出されたデータに含まれる各楽曲データに対し、順位を付与している（図６（ｃ）参照）。

そして、ステップＳ７５０に移り、制御部４０１は、上記変数Ｒの値に１を加え、ステップＳ７５５に移る。

ステップＳ７５５では、制御部４０１は、上記ステップＳ７４０において、上記歌唱回数バッファからすべてのデータを取得したかどうかを判定する。まだすべてのデータを取得していない場合には、判定が満たされず上記ステップＳ７４０に移り、今回取得したデータの次に歌唱回数が多いデータを取得する。一方、既にすべてのデータを取得した場合には、判定が満たされて、上記各楽曲データの順位付けを完了し、このルーチンを終了する。

なお、上記において、ステップＳ７１５、ステップＳ７２０、及びステップＳ７２５が、各請求項記載の消費者数算出手段として機能する。また、ステップＳ７４０、ステップＳ７４５、ステップＳ７５０、及びステップＳ７５５が、順位付与手段として機能する。

図１８を用いて、上記図１５のステップＳ６００の詳細手順を説明する。

図１８において、まずステップＳ６０５で、制御部４０１は、上記変数ｊの値を１に設定する。

その後、ステップＳ６１０で、制御部４０１は、通信制御部４０２及びネットワークＮＷ２を介し、ＤＢサーバ３００のユーザプロファイルデータベース３１３２にアクセスする。そして、ユーザプロファイルデータベース３１３２に記憶されたｊ件目のプロファイル情報、この例では、消費者ＩＤ及び時期ＩＤを取得する。

そして、ステップＳ６１５に移り、制御部４０１は、上記ステップＳ６１０で取得された時期ＩＤが、上記イノベーターグループに対応する「１」であるかどうかを判定する。時期ＩＤが「１」でない場合、言い換えれば、消費者Ｍがイノベーターグループに属していない場合には、判定が満たされず、後述のステップＳ６４５に移る。一方、時期ＩＤが「１」である場合、言い換えれば、消費者Ｍがイノベーターグループに属している場合には、判定が満たされてステップＳ６２０に移る。

ステップＳ６２０では、制御部４０１は、通信制御部４０２及びネットワークＮＷ２を介し、ＤＢサーバ３００の歌唱履歴データベース３１３１にアクセスする。そして、上記ステップＳ６１０で取得された消費者ＩＤをキーとして歌唱履歴データベース３１３１内を検索し、当該消費者ＩＤに対応付けられた歌唱行動日時が、先月の１ヶ月間に含まれる楽曲データの楽曲ＩＤ及び歌唱行動日時を抽出する（図７（ａ）参照）。すなわち、このステップでは、イノベーターグループに分類された複数の消費者Ｍの歌唱履歴情報を、１人の消費者Ｍの歌唱履歴情報ごとに取得しているのである。このステップＳ６２０、及び、前述の図１６に示すステップＳ５２０が、各請求項記載の第２履歴取得手段として機能する。

その後、ステップＳ６２５で、制御部４０１は、上記ステップＳ６２０で抽出された歌唱履歴の件数が１件以上あったかどうかを判定する。歌唱履歴の件数が０件であった場合には、判定が満たされずステップＳ６３０に移る。

ステップＳ６３０では、制御部４０１は、通信制御部４０２及びネットワークＮＷ２を介し、ＤＢサーバ３００の流行発見度・嗜好幅データベース３１３３にアクセスする。そして、上記ステップＳ６１０で取得された消費者ＩＤに対応する合計ＩＤ数Ｌの値を「０」として記録する。その後、後述のステップＳ６４５に移る。

一方、上記ステップＳ６２５において、歌唱履歴の件数が１件以上あった場合には、ステップＳ６２５の判定が満たされてステップＳ６３５に移る。

ステップＳ６３５では、制御部４０１は、通信制御部４０２及びネットワークＮＷ２を介し、ＤＢサーバ３００の楽曲データベースにアクセスする。そして、上記ステップＳ６２０で抽出されたデータに含まれる各楽曲ＩＤをキーとして楽曲データベース内を検索し、当該各楽曲ＩＤに対応する歌手ＩＤを検出する。そして、その検出した歌手ＩＤの数を集計して、上記合計ＩＤ数Ｌを算出する（図７（ｂ）参照）。このステップが、各請求項記載の識別子集計手段として機能する。

そして、ステップＳ６４０に移り、制御部４０１は、通信制御部４０２及びネットワークＮＷ２を介し、ＤＢサーバ３００の流行発見度・嗜好幅データベース３１３３にアクセスする。そして、上記ステップＳ６１０で取得された消費者ＩＤに対応する合計ＩＤ数Ｌの値を、上記ステップＳ６３５で算出された合計ＩＤ数Ｌの値として記録する。このステップを、各消費者Ｍについて行うことにより、各消費者Ｍに係わる合計ＩＤ数Ｌ、言い換えれば、各消費者Ｍの嗜好幅を算出することができる。このステップが、各請求項記載の嗜好幅見度算出手段として機能する。

その後、ステップＳ６４５で、制御部４０１は、上記変数ｊの値に１を加え、ステップＳ６５０に移る。

ステップＳ６５０では、制御部４０１は、上記変数ｊの値が、上記ユーザプロファイルデータベース３１３２に記憶されたプロファイル情報の全件数ｊ＿ｍａｘよりも大きくなっているかどうかを判定する。この判定は、言い換えれば、上記ユーザプロファイルデータベース３１３２に記憶されたすべての消費者Ｍについて、合計ＩＤ数Ｌを算出したかどうかを判定している。ｊ≦ｊ＿ｍａｘである場合、言い換えれば、まだすべての消費者Ｍについて合計ＩＤ数Ｌを算出していない場合には、判定が満たされず、上記ステップＳ６１０に戻り同様の手順を繰り返す。一方、ｊ＞ｊ＿ｍａｘとなっている場合、言い換えれば、既にすべての消費者Ｍについて合計ＩＤ数Ｌを算出した場合には、判定が満たされて、このルーチンを終了する。

図１９を用いて、上記図１２のステップＳ４００の詳細手順を説明する。

図１９において、まずステップＳ４０５で、制御部４０１は、上記変数ｊの値を１に設定する。

その後、ステップＳ４１０で、制御部４０１は、通信制御部４０２及びネットワークＮＷ２を介し、ＤＢサーバ３００のユーザプロファイルデータベース３１３２にアクセスする。そして、そのユーザプロファイルデータベース３１３２に記憶されたｊ件目のプロファイル情報、この例では、消費者ＩＤを取得する。

そして、ステップＳ４１５に移り、制御部４０１は、通信制御部４０２及びネットワークＮＷ２を介し、ＤＢサーバ３００の歌唱履歴データベース３１３１にアクセスする。そして、上記ステップＳ４１０で取得された消費者ＩＤをキーとして歌唱履歴データベース３１３１内を検索し、当該消費者ＩＤに対応付けられた歌唱行動日時が、先月の１ヶ月間に含まれる楽曲データの楽曲ＩＤ及び歌唱行動日時を抽出する（図１０（ａ）参照）。

その後、ステップＳ４２０で、制御部４０１は、上記ステップＳ４１５で抽出された歌唱履歴の件数が１件以上あったかどうかを判定する。歌唱履歴の件数が０件であった場合には、判定が満たされず、後述のステップＳ４４０に移る。一方、歌唱履歴の件数が１件以上あった場合には、判定が満たされてステップＳ４２５に移る。

ステップＳ４２５では、制御部４０１は、通信制御部４０２及びネットワークＮＷ２を介し、ＤＢサーバ３００の楽曲データベースにアクセスする。そして、上記ステップＳ４１５で抽出されたデータに含まれる各楽曲ＩＤをキーとして楽曲データベース内を検索し、当該各楽曲ＩＤに対応する歌手ＩＤを検出する。その後、通信制御部４０２及びネットワークＮＷ２を介し、ＤＢサーバ３００の歌手データベースにアクセスする。そして、上記検出された各歌手ＩＤをキーとして歌手データベース内を検索し、当該各歌手ＩＤに対応するジャンルＩＤを検出する（図１０（ｂ）参照）。そして、上記検出された各ジャンルＩＤごとに、対応する楽曲ＩＤの数、言い換えれば、歌唱回数をカウントする。これにより、各音楽ジャンルごとに、上記ステップＳ４１０で取得された消費者ＩＤに係わる消費者Ｍの歌唱回数が算出される（図１０（ｃ）参照）。

そして、ステップＳ４３０に移り、制御部４０１は、上記ステップＳ４２５での各ジャンルＩＤごとの歌唱回数の算出結果を用いて、上記カウントされた歌唱回数が最も多いジャンルＩＤを検出する。

その後、ステップＳ４３５で、制御部４０１は、通信制御部４０２及びネットワークＮＷ２を介し、ＤＢサーバ３００のユーザプロファイルデータベース３１３２にアクセスする。そして、上記ステップＳ４１０で取得された消費者ＩＤに対応するジャンルＩＤを、上記ステップＳ４３０で検出されたジャンルＩＤとして記録する。このステップを、各消費者Ｍについて行うことにより、各消費者Ｍに係わるジャンルＩＤ、言い換えれば、各消費者Ｍが最も多く歌唱した音楽ジャンルを決定することができる。

そして、ステップＳ４４０に移り、制御部４０１は、上記変数ｊの値に１を加え、ステップＳ４４５に移る。

ステップＳ４４５では、制御部４０１は、上記変数ｊの値が、上記ユーザプロファイルデータベース３１３２に記憶されたプロファイル情報の全件数ｊ＿ｍａｘよりも大きくなっているかどうかを判定する。この判定は、言い換えれば、上記ユーザプロファイルデータベース３１３２に記憶されたすべての消費者Ｍに係わるジャンルＩＤを決定したかどうかを判定している。ｊ≦ｊ＿ｍａｘである場合、言い換えれば、まだすべての消費者Ｍに係わるジャンルＩＤを決定していない場合には、判定が満たされず、上記ステップＳ４１０に戻り同様の手順を繰り返す。一方、ｊ＞ｊ＿ｍａｘとなっている場合、言い換えれば、既にすべての消費者Ｍに係わるジャンルＩＤを決定した場合には、判定が満たされて、このルーチンを終了する。

図２０を用いて、情報処理装置４００の制御部４０１が実行する、上記ユーザ別広告データベースの更新処理に関する制御手順を説明する。なお、制御部４０１は、このフローに示す処理を、上記広告決定処理プログラムに従って実行する。

図２０において、例えば予め定められた広告決定処理プログラムを実行するタイミングになることによって、図中「ＳＴＡＲＴ」位置で表されるように、このフローが開始される。

まずステップＳ８００で、制御部４０１は、上記対象商品を推奨するための推奨情報を決定するグループに対応する時期ＩＤを表す変数ｋの値を１に設定する。

その後、ステップＳ８０５で、制御部４０１は、上記変数ｋの値が、上記イノベーターグループに対応する時期ＩＤ「１」を表す１であるかどうかを判定する。ｋ＝１である場合には、判定が満たされてステップＳ９００に移る。

ステップＳ９００では、制御部４０１は、上記イノベーターグループ及びアーリーアドプターグループに分類された複数の消費者ＭのＰＣ端末６００に対し出力する推奨情報の決定を行う、イノベーター広告決定処理を実行する。なお、詳細は後述するが、このステップでは、イノベーターグループ及びアーリーアドプターグループに属する複数の消費者Ｍに対する推奨情報の広告ＩＤが、各消費者Ｍの消費者ＩＤと関連付けられて、ユーザ別広告データベースに記録される。これにより、当該複数の消費者Ｍに対する推奨情報が決定される。この詳細内容については、後述の図２１で説明する。その後、後述のステップＳ８１０に移る。

一方、上記ステップＳ８０５において、ｋ＝１でなかった場合、言い換えれば、上記変数ｋの値が、上記アーリーアドプターグループに対応する時期ＩＤ「２」を表す２、上記アーリーマジョリティーグループに対応する時期ＩＤ「３」を表す３、上記レイトマジョリティーグループに対応する時期ＩＤ「４」を表す４、又は上記ラガードグループに対応する時期ＩＤ「５」を表す５、であった場合には、ステップＳ８０５の判定が満たされずステップＳ１０００に移る。

ステップＳ１０００では、制御部４０１は、上記アーリーマジョリティーグループ、レイトマジョリティーグループ、及びラガードグループに分類された複数の消費者ＭのＰＣ端末６００に対し出力する推奨情報の決定を行う、非イノベーター広告決定処理を実行する。

このステップＳ１０００の非イノベーター広告決定処理では、上記ユーザプロファイルデータベース３１３２に記憶された、この時点での変数ｋの値が表す時期ＩＤに対応するグループに分類された消費者Ｍのプロファイル情報と、上記クリック履歴データベース３１３４に記憶された、当該消費者Ｍのクリック履歴情報とに基づき、変数ｋの値に１を加えた値が表す時期ＩＤに対応するグループ、すなわち、次に歌唱行動時期が早いグループに分類された消費者Ｍに対する推奨情報を決定する。

つまり、時期ＩＤ「２」に対応するアーリーアドプターグループに属する消費者Ｍのプロファイル情報及びクリック履歴情報に基づき、時期ＩＤ「３」に対応するアーリーマジョリティーグループに属する消費者Ｍに対する推奨情報を決定する。また、時期ＩＤ「３」に対応するアーリーマジョリティーグループに属する消費者Ｍのプロファイル情報及びクリック履歴情報に基づき、時期ＩＤ「４」に対応するレイトマジョリティーグループに属する消費者Ｍに対する推奨情報を決定する。また、時期ＩＤ「４」に対応するレイトマジョリティーグループに属する消費者Ｍのプロファイル情報及びクリック履歴情報に基づき、時期ＩＤ「５」に対応するラガードグループに属する消費者Ｍに対する推奨情報を決定する。なお、このステップでは、アーリーマジョリティーグループ、レイトマジョリティーグループ、及びラガードグループに属する複数の消費者Ｍに対する推奨情報の広告ＩＤが、各消費者Ｍの消費者ＩＤと関連付けられて、ユーザ別広告データベースに記録される。これにより、当該複数の消費者Ｍに対する推奨情報が決定される。

そして、ステップＳ８１０に移り、制御部４０１は、上記変数ｋの値が、変数ｋの最大値ｋ＿ｍａｘとなっているかどうか、すなわち、上記ラガードグループに対応する時期ＩＤ「５」を表す５となっているかどうか、を判定する。この判定は、言い換えれば、上記５つのグループすべてについて推奨情報の決定を行ったかどうかを判定している。ｋ＝５になっていない場合、言い換えれば、上記５つのグループすべてについて推奨情報の決定を行っていない場合には、判定が満たされずステップＳ８１５に移る。

ステップＳ８１５では、制御部４０１は、上記変数ｋの値に１を加え、上記ステップＳ８０５に戻り同様の手順を繰り返す。

一方、上記ステップＳ８１０において、ｋ＝５となっている場合、言い換えれば、上記５つのグループすべてについて推奨情報の決定を行っている場合には、ステップＳ８１０の判定が満たされて、ステップＳ８２０に移る。

ステップＳ８２０では、制御部４０１は、通信制御部４０２及びネットワークＮＷ２を介し、ＷＥＢサーバ５００の制御部５０１に制御信号を出力する。そして、上記ユーザ別広告データベースの記憶内容に従って、すなわち、上記ステップＳ９００及びステップＳ１０００で決定された、上記対象商品を推奨するための推奨情報を、通信制御部５０３及びネットワークＮＷ３を介し、各消費者ＭのＰＣ端末６００に対して出力させる。これにより、上記図１４のステップＳ２２０で分類された上記５つのグループに属する複数の消費者ＭのＰＣ端末６００に対して、上記対象商品を推奨するための推奨情報が入力される。その後、このフローを終了する。

図２１を用いて、上記図２０のステップＳ９００の詳細手順を説明する。

図２１において、まずステップＳ９０５で、制御部４０１は、通信制御部４０２及びネットワークＮＷ２を介し、ＤＢサーバ３００のユーザプロファイルデータベース３１３２にアクセスする。そして、ユーザプロファイルデータベース３１３２に記憶された、複数の消費者Ｍのユーザプロファイル情報、すなわち、消費者ＩＤ、嗜好ＩＤ、時期ＩＤ、イノベーターＩＤ、及びジャンルＩＤを取得する。また、これと共に、通信制御部４０２及びネットワークＮＷ２を介し、ＤＢサーバ３００のクリック履歴データベース３１３４にアクセスする。そして、クリック履歴データベース３１３４に記憶された、複数の消費者Ｍのクリック履歴情報、すなわち、消費者ＩＤ、広告ＩＤ、及びクリック日時を取得する。その後、制御部４０１のメモリが備えるクリック回数バッファ上において、上記第１〜第４イノベーターグループに属する複数の消費者Ｍに係わる各推奨情報ごとのクリック履歴の数、言い換えれば、クリック回数を、上記各ユニット別の上記第１〜第４イノベーターグループごとに算出する。なお、上記クリック回数バッファは、嗜好ＩＤ、イノベーターＩＤ、広告ＩＤ、及びクリック回数を、上記各ユニット別の第１〜第４イノベーターグループごとに記憶することができる。

その後、ステップＳ９１０で、制御部４０１は、上記クリック回数バッファに記憶されたデータの件数をカウントするための変数ｍの値を１に設定する。

そして、ステップＳ９１５に移り、制御部４０１は、上記クリック回数バッファに記憶されたｍ件目のデータ、すなわち、嗜好ＩＤ、イノベーターＩＤ、広告ＩＤ、及びクリック回数を取得する。

その後、ステップＳ９２０で、制御部４０１は、上記ステップＳ９１５で取得されたクリック回数が、所定の第１クリック回数しきい値、例えば５０回以上であるかどうかを判定する。クリック回数が第１クリック回数しきい値未満である場合には、判定が満たされず。後述のステップＳ９３０に移る。一方、クリック回数が第１クリック回数しきい値以上である場合には、判定が満たされてステップＳ１１００に移る。

ステップＳ１１００では、制御部４０１は、上記イノベーターグループに属する消費者Ｍに対する推奨情報を決定する、同一時期層広告決定処理を実行する。この詳細内容については、後述の図２２で説明する。

そして、ステップＳ９２５に移り、制御部４０１は、上記ステップＳ９１５で取得されたクリック回数が、上記第１クリック回数しきい値よりも大きい所定の第２クリック回数しきい値、例えば１００回以上であるかどうかを判定する。クリック回数が第２クリック回数しきい値未満である場合には、判定が満たされず。後述のステップＳ９３０に移る。一方、クリック回数が第２クリック回数しきい値以上である場合には、判定が満たされてステップＳ１２００に移る。

ステップＳ１２００では、制御部４０１は、上記アーリーアドプターグループに属する消費者Ｍに対する推奨情報を決定する、下位時期層広告決定処理を実行する。この詳細内容については、後述の図２３で説明する。

その後、ステップＳ９３０で、制御部４０１は、上記変数ｍの値に１を加え、ステップＳ９３５に移る。

ステップＳ９３５では、制御部４０１は、上記変数ｍの値が、上記クリック回数バッファに記憶されたデータの全件数ｍ＿ｍａｘよりも大きくなっているかどうかを判定する。ｍ≦ｍ＿ｍａｘである場合には、判定が満たされず、上記ステップＳ９１５に戻り同様の手順を繰り返す。一方、ｍ＞ｍ＿ｍａｘとなっている場合には、判定が満たされて、このルーチンを終了する。

図２２を用いて、上記図２１のステップＳ１１００の詳細手順を説明する。

図２２において、まずステップＳ１１０５で、制御部４０１は、上記図２１のステップＳ９１５で取得されたイノベーターＩＤが、上記第１イノベーターグループに対応する「１」であるかどうかを判定する。イノベーターＩＤが「１」である場合には、判定が満たされてステップＳ１１１０に移る。

ステップＳ１１１０では、制御部４０１は、上記図２１のステップＳ９１５で取得された嗜好ＩＤに係わるユニットと歌唱嗜好の類似するユニットの嗜好ＩＤを検出する。

その後、ステップＳ１１１５で、制御部４０１は、通信制御部４０２及びネットワークＮＷ２を介し、ＤＢサーバ３００のユーザプロファイルデータベース３１３２にアクセスする。そして、上記ステップＳ１１１０で検出された嗜好ＩＤと、イノベーターＩＤ「１」又は「２」とをキーとしてユーザプロファイルデータベース３１３２を検索し、当該嗜好ＩＤ及びイノベーターＩＤ「１」又は「２」のいずれにも関連付けられている消費者ＩＤを検出する。その後、通信制御部４０２及びネットワークＮＷ２を介し、ＤＢサーバ３００のユーザ別広告データベースにアクセスする。そして、上記図２１のステップＳ９１５で取得された広告ＩＤを、上記検出した消費者ＩＤと関連付けて記録する。これにより、当該消費者ＩＤに係わる消費者Ｍに対する推奨情報が決定される。その後、このルーチンを終了する。

一方、上記ステップＳ１１０５において、上記図２１のステップＳ９１５で取得されたイノベーターＩＤが「１」でなかった場合には、ステップＳ１１０５の判定が満たされずステップＳ１１２０に移る。

ステップＳ１１２０では、制御部４０１は、上記図２１のステップＳ９１５で取得されたイノベーターＩＤが、上記第３イノベーターグループに対応する「３」であるかどうかを判定する。イノベーターＩＤが「３」である場合には、判定が満たされてステップＳ１１２５に移る。

ステップＳ１１２５では、制御部４０１は、上記図２１のステップＳ９１５で取得された嗜好ＩＤに係わるユニットと歌唱嗜好の類似するユニットの嗜好ＩＤを検出する。

そして、ステップＳ１１３０に移り、制御部４０１は、通信制御部４０２及びネットワークＮＷ２を介し、ＤＢサーバ３００の広告データベースにアクセスする。そして、上記図２１のステップＳ９１５で取得された広告ＩＤをキーとして広告データベース内を検索し、当該広告ＩＤに関連付けられているジャンルＩＤを検出する。

その後、ステップＳ１１３５に移り、制御部４０１は、通信制御部４０２及びネットワークＮＷ２を介し、ＤＢサーバ３００のユーザプロファイルデータベース３１３２にアクセスする。そして、上記ステップＳ１１２５で検出された嗜好ＩＤと、上記ステップＳ１１３０で検出されたジャンルＩＤとをキーとしてユーザプロファイルデータベース３１３２内を検索し、当該嗜好ＩＤ及びジャンルＩＤのいずれにも関連付けられている消費者ＩＤを検出する。その後、通信制御部４０２及びネットワークＮＷ２を介し、ＤＢサーバ３００のユーザ別広告データベースにアクセスする。そして、上記図２１のステップＳ９１５で取得された広告ＩＤを、上記検出した消費者ＩＤと関連付けて記録する。これにより、当該消費者ＩＤに係わる消費者Ｍに対する推奨情報が決定される。その後、このルーチンを終了する。

一方、上記ステップＳ１１２０において、上記図２１のステップＳ９１５で取得されたイノベーターＩＤが「３」でなかった場合には、ステップＳ１１２０の判定が満たされず、このルーチンを終了する。

以上においては、ステップＳ１１１５で、制御部４０１は、第１イノベーターグループに分類された消費者Ｍが、当該消費者ＭのＰＣ端末６００のディスプレイ６２０に表示された上記対象商品に係わる推奨情報に対し上記クリックを行ったことを契機に、当該対象商品を推奨するための推奨情報を、当該第１イノベーターグループに属する消費者Ｍと類似のユニットに分類された複数の消費者ＭのＰＣ端末６００に対して出力するように決定している。また、ステップＳ１１３５で、制御部４０１は、第３イノベーターグループに分類された消費者Ｍが、当該消費者ＭのＰＣ端末６００のディスプレイ６２０に表示された上記対象商品に係わる推奨情報に対し上記クリックを行ったことを契機に、当該対象商品を推奨するための推奨情報を、当該第３イノベーターグループに属する消費者Ｍと類似のユニットに分類された複数の消費者ＭのＰＣ端末６００に対して出力するように決定している。

言い換えれば、制御部４０１は、第１・第３イノベーターグループに分類された消費者Ｍが、上記対象商品に係わる推奨情報に対し上記クリックを行ったことを契機に、当該対象商品を推奨するための推奨情報を、当該第１・第３イノベーターグループに属する消費者Ｍと類似のユニットに分類された複数の消費者ＭのＰＣ端末６００に対して出力するように決定している。そして、決定された推奨情報は、上記図２０のステップＳ８２０で、第１・第３イノベーターグループに分類された消費者Ｍと類似のユニットに分類された複数の消費者ＭのＰＣ端末６００に対して出力される。なお、前述したように、第１・第３イノベーターグループには、上記第１イノベーターグループが含まれている。

なお、上記第１・第２イノベーターグループに分類された消費者Ｍが、上記対象商品に係わる推奨情報に対し上記クリックを行ったことを契機に、当該対象商品を推奨するための推奨情報を、当該第１・第２イノベーターグループに属する消費者Ｍと類似のユニットに分類された複数の消費者ＭのＰＣ端末６００に対して出力するように決定してもよい。この場合、上記図２０のステップＳ８２０では、決定された推奨情報が、上記第１・第２イノベーターグループに分類された消費者Ｍと類似のユニットに分類された複数の消費者ＭのＰＣ端末６００に対して出力される。

図２３を用いて、上記図２１のステップＳ１２００の詳細手順を説明する。

図２３において、まずステップＳ１２０５で、制御部４０１は、上記図２１のステップＳ９１５で取得されたイノベーターＩＤが、上記第１イノベーターグループに対応する「１」、又は、上記第２イノベーターグループに対応する「２」であるかどうかを判定する。イノベーターＩＤが「１」又は「２」である場合には、判定が満たされてステップＳ１２１０に移る。

ステップＳ１２１０では、制御部４０１は、通信制御部４０２及びネットワークＮＷ２を介し、ＤＢサーバ３００のユーザプロファイルデータベース３１３２にアクセスする。そして、上記図２１のステップＳ９１５で取得された嗜好ＩＤと、時期ＩＤ「２」とをキーとしてユーザプロファイルデータベース３１３２内を検索し、当該嗜好ＩＤ及び時期ＩＤ「２」のいずれにも関連付けられている消費者ＩＤを検出する。その後、通信制御部４０２及びネットワークＮＷ２を介し、ＤＢサーバ３００のユーザ別広告データベースにアクセスする。そして、上記図２１のステップＳ９１５で取得された広告ＩＤを、上記検出した消費者ＩＤと関連付けて記録する。これにより、当該消費者ＩＤに係わる消費者Ｍに対する推奨情報が決定される。その後、このルーチンを終了する。

一方、上記ステップＳ１２０５において、上記図２１のステップＳ９１５で取得されたイノベーターＩＤが「１」又は「２」でなかった場合には、ステップＳ１２０５の判定が満たされずステップＳ１２１５に移る。

ステップＳ１２１５では、制御部４０１は、上記図２１のステップＳ９１５で取得されたイノベーターＩＤが、上記第３イノベーターグループに対応する「３」、又は、上記第４イノベーターグループに対応する「４」であるかどうかを判定する。イノベーターＩＤが「３」又は「４」でない場合には、判定が満たされず、このルーチンを終了する。一方、イノベーターＩＤが「３」又は「４」である場合には、判定が満たされてステップＳ１２２０に移る。

ステップＳ１２２０では、制御部４０１は、通信制御部４０２及びネットワークＮＷ２を介し、ＤＢサーバ３００の広告データベースにアクセスする。そして、上記図２１のステップＳ９１５で取得された広告ＩＤをキーとして広告データベース内を検索し、当該広告ＩＤに関連付けられているジャンルＩＤを検出する。

その後、ステップＳ１２２５で、制御部４０１は、通信制御部４０２及びネットワークＮＷ２を介し、ＤＢサーバ３００のユーザプロファイルデータベース３１３２にアクセスする。そして、上記図２１のステップＳ９１５で取得された嗜好ＩＤと、上記ステップＳ１２２０で検出されたジャンルＩＤと、時期ＩＤ「２」とをキーとしてユーザプロファイルデータベース３１３２内を検索し、当該嗜好ＩＤ、ジャンルＩＤ、及び時期ＩＤ「２」のいずれにも関連付けられている消費者ＩＤを検出する。その後、通信制御部４０２及びネットワークＮＷ２を介し、ＤＢサーバ３００のユーザ別広告データベースにアクセスする。そして、上記図２１のステップＳ９１５で取得された広告ＩＤを、上記検出した消費者ＩＤと関連付けて記録する。これにより、当該消費者ＩＤに係わる消費者Ｍに対する推奨情報が決定される。その後、このルーチンを終了する。

以上においては、ステップＳ１２０５で、制御部４０１は、第１・第２イノベーターグループに分類された消費者Ｍが、当該消費者ＭのＰＣ端末６００のディスプレイ６２０に表示された上記対象商品に係わる推奨情報に対し上記クリックを行ったことを契機に、当該対象商品を推奨するための推奨情報を、アーリーアドプターグループに属する複数の消費者ＭのＰＣ端末６００に対して出力するように決定している。また、ステップＳ１２２５で、制御部４０１は、第３・第４イノベーターグループに分類された消費者Ｍが、当該消費者ＭのＰＣ端末６００のディスプレイ６２０に表示された上記対象商品に係わる推奨情報に対し上記クリックを行ったことを契機に、当該対象商品を推奨するための推奨情報を、アーリーアドプターグループに属する複数の消費者ＭのＰＣ端末６００に対して出力するように決定している。

言い換えれば、制御部４０１は、イノベーターグループに分類された消費者Ｍが、上記対象商品に係わる推奨情報に対し上記クリックを行ったことを契機に、当該対象商品を推奨するための推奨情報を、アーリーアドプターグループに属する複数の消費者ＭのＰＣ端末６００に対して出力するように決定している。そして、決定された推奨情報は、上記図２０のステップＳ８２０で、アーリーアドプターグループに属する複数の消費者ＭのＰＣ端末６００に対して出力される。なお、前述したように、イノベーターグループには、上記第１・第３イノベーターグループ、上記第１・第２イノベーターグループ、上記第１イノベーターグループが含まれている。

なお、イノベーターグループに分類された消費者Ｍが、前述した消費行動を起こしたことを契機に、当該消費行動の対象商品を推奨するための推奨情報を、アーリーアドプターグループに属する複数の消費者ＭのＰＣ端末６００に対して出力するように決定してもよい。

よって、上記図２０のステップＳ８２０と、上記図２２のすべての手順、言い換えれば、ステップＳ１１００と、上記図２３のすべての手順、言い換えれば、ステップＳ１２００とが、各請求項記載の第１推奨情報出力手段として機能すると共に、第２推奨情報出力手段としても機能し、さらに第３推奨情報出力手段としても機能する。

以上説明したように、本実施形態においては、情報処理装置４００の制御部４０１が、ＤＢサーバ３００の歌唱履歴データベース３１３１（図２を参照）より取得された各消費者Ｍの歌唱行動履歴を用いて、各消費者Ｍを、互いに歌唱行動時期が異なる、複数のグループに分類する（図１４に示すステップＳ２２０を参照）。上記の例では、イノベーターグループ、アーリーアドプターグループ、アーリーマジョリティーグループ、レイトマジョリティーグループ、及びラガードグループの５つのグループに分類する。

その後、これら５つのグループのうち、イノベーターグループに属する各消費者Ｍの歌唱履歴情報を、歌唱履歴データベース３１３１から取得する。そして、その取得された歌唱履歴情報に基づき、各消費者Ｍの流行発見度を表す指標となる平均順位Ｔを算出する（図１６に示すステップＳ５００の詳細手順を参照）。そして、その算出された平均順位Ｔが前述した平均値Ｔ０以下である（図１５に示すステップＳ３４０の判定が満たされた場合を参照）、言い換えれば、流行発見度が所定の発見度しきい値以上である消費者Ｍは、上記第１・第３イノベーターグループに分類される。また、上記算出された平均順位Ｔが前述した平均値Ｔ０よりも大きい（図１５に示すステップＳ３４０の判定が満たされなかった場合を参照）、言い換えれば、流行発見度が所定の発見度しきい値未満である消費者Ｍは、上記第２・第４イノベーターグループに分類される。

以上のように、本実施形態においては、消費者Ｍを、歌唱行動時期の違いに応じてイノベーターグループを含む５つのグループに分類する。また、これにとどまらず、さらにイノベーターグループに属する消費者Ｍを、流行発見度の大きさにより、第１・第３イノベーターグループ、及び、第２・第４イノベーターグループの２つのグループに細かく分類する。これにより、イノベーターグループに分類された消費者Ｍの中から、流行発見度が小さい、特定の人気商品のファンを除外することができる、この結果、より高精度な消費者分類を行うことができる。

また、本実施形態では特に、歌唱履歴データベース３１３１から取得された、イノベーターグループに属する各消費者Ｍの歌唱履歴情報に基づき、各消費者Ｍの嗜好幅を表す指標となる合計ＩＤ数Ｌを算出する（図１８に示すステップＳ６００の詳細手順を参照）。そして、その算出された合計ＩＤ数Ｌが前述した平均値Ｌ０以上である（図１５に示すステップＳ３４５の判定が満たされた場合、及び、図１５に示すステップＳ３６０の判定が満たされなかった場合を参照）、言い換えれば、嗜好幅が所定の嗜好幅しきい値以上である消費者Ｍは、上記第１・第２イノベーターグループに分類される。また、上記算出された合計ＩＤ数Ｌが前述した平均値Ｌ０未満である（図１５に示すステップＳ３４５の判定が満たされなかった場合、及び、図１５に示すステップＳ３６０の判定が満たされた場合を参照）、言い換えれば、嗜好幅が所定の嗜好幅しきい値未満である消費者Ｍは、上記第３・第４イノベーターグループに分類される。

このように、本実施形態では特に、イノベーターグループに属する消費者Ｍを、嗜好幅の大きさにより、第１・第２イノベーターグループ、及び、第３・第４イノベーターグループの２つのグループに細かく分類する。これにより、イノベーターグループに分類された消費者Ｍの中から、嗜好幅が小さい、特定の商品のマニアを除外することができる。この結果、より高精度な消費者分類を行うことができる。

また、本実施形態では特に、歌唱履歴データベース３１３１から取得された、イノベーターグループに属する各消費者Ｍの歌唱履歴情報に基づき、各消費者Ｍの流行発見度を表す指標となる平均順位Ｔ、及び、消費者Ｍの嗜好幅を表す指標となる合計ＩＤ数Ｌを算出する。そして、その算出された平均順位Ｔが前述した平均値Ｔ０以下で、かつ、合計ＩＤ数Ｌが前述した平均値Ｌ０以上である（図１５に示すステップＳ３４０の判定が満たされて、かつ、ステップＳ３４５の判定が満たされた場合を参照）、言い換えれば、流行発見度が所定の発見度しきい値以上で、かつ、嗜好幅が所定の嗜好幅しきい値以上である消費者Ｍは、第１イノベーターグループに分類される。また、上記算出された平均順位Ｔが前述した平均値Ｔ０より大きく、かつ、合計ＩＤ数Ｌが前述した平均値Ｌ０以上である（図１５に示すステップＳ３４０の判定が満たされないで、かつ、ステップＳ３６０の判定が満たされなかった場合を参照）、言い換えれば、流行発見度が所定の発見度しきい値未満で、かつ、嗜好幅が所定の嗜好幅しきい値以上である消費者Ｍは、第２イノベーターグループに分類される。また、上記算出された平均順位Ｔが前述した平均値Ｔ０以下で、かつ、合計ＩＤ数Ｌが前述した平均値Ｌ０未満である（図１５に示すステップＳ３４０の判定が満たされて、かつ、ステップＳ３４５の判定が満たされなかった場合を参照）、言い換えれば、流行発見度が所定の発見度しきい値以上で、かつ、嗜好幅が所定の嗜好幅しきい値未満である消費者Ｍは、第３イノベーターグループに分類される。また、上記算出された平均順位Ｔが前述した平均値Ｔ０より大きく、かつ、合計ＩＤ数Ｌが前述した平均値Ｌ０未満である（図１５に示すステップＳ３４０の判定が満たされないで、かつ、ステップＳ３６０の判定が満たされた場合を参照）、言い換えれば、流行発見度が所定の発見度しきい値未満で、かつ、嗜好幅が所定の嗜好幅しきい値未満である消費者Ｍは、第４イノベーターグループに分類される。

このように、本実施形態では特に、イノベーターグループに属する消費者Ｍを、流行発見度及び嗜好幅の大きさにより、第１〜第４イノベーターグループの４つのグループに細かく分類する。これにより、イノベーターグループに分類された消費者Ｍの中から、流行発見度が小さい特定の人気商品のファンと嗜好幅が小さい特定の商品のマニアとを除外することができる。この結果、より高精度な消費者分類を行うことができる。

また、本実施形態では特に、上記第１・第３イノベーターグループに分類された消費者Ｍが、前述した消費以外の特定の消費関連行動を起こしたこと、上記の例では、前述したクリックを行ったことを契機に、当該行動の対象商品を推奨するための推奨情報を、上記アーリーアドプターグループに属する複数の消費者ＭのＰＣ端末６００に対して出力する。これにより、イノベーターの次に行動するグループの消費者Ｍに対し影響を与えるであろう、上記第１・第３イノベーターグループの消費者Ｍの動向を精度よく把握し、当該影響等を加味した実効性の高い内容の推奨を、当該イノベーターの次に行動するグループの消費者Ｍに対し行うことができる。この結果、当該イノベーターの次に行動するグループの消費者Ｍにとって適した内容の推奨を行うことができる。

また、本実施形態では特に、上記第１・第３イノベーターグループに分類された消費者Ｍが、当該消費者ＭのＰＣ端末６００のディスプレイ６２０に表示された推奨情報に対し、マウス６２２を介しクリックを行ったことを契機に、当該行動の対象商品を推奨するための推奨情報を、上記アーリーアドプターグループに属する複数の消費者ＭのＰＣ端末６００に対して出力する。これにより、上記第１・第３イノベーターグループの消費者Ｍの動向を、ＰＣ端末６００におけるマウス６２２の操作を介し迅速かつ容易に把握し、当該動向等を加味した実効性の高い内容の推奨を、イノベーターの次に行動するグループの消費者Ｍに対し行うことができる。

また、本実施形態では特に、上記第１・第３イノベーターグループに分類された消費者Ｍが、当該消費者ＭのＰＣ端末６００のディスプレイ６２０に表示された推奨情報に対し、マウス６２２を介しクリックを行ったことを契機に、当該行動の対象商品を推奨するための推奨情報を、当該第１・第３イノベーターグループに属する消費者Ｍと類似のユニットに分類された複数の消費者ＭのＰＣ端末６００に対して出力する。これにより、上記第１・第３イノベーターグループの消費者の動向を、ＰＣ端末６００におけるマウス６２２の操作を介し迅速かつ容易に把握し、当該動向等を加味した実効性の高い内容の推奨を、当該消費者Ｍと嗜好の類似する消費者Ｍに対し行うことができる。

また、本実施形態では特に、歌唱履歴データベース３１３１より取得された各消費者Ｍの歌唱履歴情報を用いて、各消費者Ｍを、互いに嗜好の異なる、複数のユニットに分類する（図１３に示すステップＳ１２０を参照）。そして、上記対象商品を推奨するための推奨情報を、上記イノベーターグループに属する消費者Ｍと類似のユニットに分類された複数の消費者ＭのＰＣ端末６００に対して出力する。このように、イノベーターグループの消費者Ｍの動向等を加味した実行性の高い内容の推奨を、当該消費者Ｍと嗜好の類似する消費者Ｍに対し行うことにより、より有効な推奨を行うことができる。

また、本実施形態では特に、上記流行発見度を表す指標として、特定の期間、上記の例では、先月の１ヶ月間において、楽曲データに対し歌唱行動を行った消費者Ｍの数、言い換えれば、先月の１ヶ月間における楽曲データの歌唱回数を用いる。すなわち、当該先月の１ヶ月間における楽曲データの歌唱回数を算出すると、当該算出された歌唱回数が多い順に各楽曲データが順位付けされる。そして、先月の１ヶ月間に歌唱行動を行った楽曲データに付与された順位が各消費者Ｍごとに集計され、その集計された各消費者Ｍごとの順位の集計結果を用いて、各消費者Ｍに係わる上記平均順位Ｔ、言い換えれば、各消費者Ｍの流行発見度を算出することができる。

また、本実施形態では特に、嗜好幅を表す指標として、特定の期間、上記の例では、先月の１ヶ月間において、各消費者Ｍが歌唱行動を行った楽曲データに係わる歌手ＩＤの数を用いる。すなわち、消費者Ｍが当該先月の１ヶ月間において歌唱行動を行った楽曲データに係わる歌手ＩＤの数を、各消費者Ｍごとに集計する。その集計された各消費者Ｍごとの歌手ＩＤの集計結果を用いて、各消費者Ｍに係わる上記合計ＩＤ数Ｌ、言い換えれば、各消費者Ｍの嗜好幅を算出することができる。

なお、本発明は、上記実施形態に限られるものではなく、その趣旨及び技術的思想を逸脱しない範囲内で種々の変形が可能である。以下、そのような変形例を説明する。

（１）消費行動履歴に基づいて消費者分類を行う場合
上記実施形態においては、カラオケ利用者である消費者Ｍが楽曲データを歌唱した歌唱行動履歴に基づいて、各消費者Ｍを、互いに歌唱行動時期の異なる複数のグループに分類する例を説明したが、これに限られない。すなわち、消費者の実際の消費行動、例えば物品商品の購入など、による消費行動履歴に基づいて、各消費者Ｍを、互いに消費行動時期の異なる複数のグループに分類するようにしてもよい。

この場合のＤＢサーバ３００の消費者データベースには、各商品ごとに、商品の識別情報と、商品の市場投入日時と、当該商品に対する複数の消費者の消費行動履歴とをそれぞれ対応付けた消費履歴情報が記憶されている。上記消費行動履歴には、商品を消費した消費者の識別情報と、消費行動日時とが含まれている。

また、本変形例において情報処理装置４００の制御部４０１が実行する処理は、上記実施形態とほぼ同様である。すなわち、制御部４０１は、上記消費者データベースにアクセスして、すべての商品に係わる上記商品の識別情報、商品の市場投入日時、消費者の識別情報、及び消費行動日時を取得する。そして、その取得された商品の識別情報、商品の市場投入日時、消費者の識別情報、及び消費行動日時を用いて、各消費者を、互いに消費行動時期の異なる、上記イノベーターグループを含む５つのグループに分類する。その後、上記消費者データベースより、上記イノベーターグループに分類された複数の消費者についての、すべての商品に係わる上記商品の識別情報及び消費行動日時を取得する。そして、その取得された商品の識別情報及び消費行動日時に基づき、各消費者Ｍの流行発見度及び嗜好幅を算出する。その後、上記イノベーターグループに分類された複数の消費者を、上記算出された流行発見度及び嗜好幅に応じて、上記第１〜第４イノベーターグループに分類する。

本変形例によっても、上記実施形態と同様の効果を得る。

なお、以上において、図１中に示す矢印は信号の流れの一例を示すものであり、信号の流れ方向を限定するものではない。

また、図１２〜図２３に示すフローチャートは本発明を上記フローに示す手順に限定するものではなく、発明の趣旨及び技術的思想を逸脱しない範囲内で手順の追加・削除又は順番の変更等をしてもよい。

また、以上既に述べた以外にも、上記実施形態や各変形例による手法を適宜組み合わせて利用しても良い。

その他、一々例示はしないが、本発明は、その趣旨を逸脱しない範囲内において、種々の変更が加えられて実施されるものである。

１ 商品推奨システム
３００ ＤＢサーバ
４００ 情報処理装置
４０１ 制御部
６００ ＰＣ端末（情報端末）
６２０ ディスプレイ（表示手段）
３１３１ 歌唱履歴データベース（消費者データベース）
３１３２ ユーザプロファイルデータベース
３１３３ 流行発見度・嗜好幅データベース
３１３４ クリック履歴データベース
Ｍ 消費者

Claims (15)

1. 商品の識別情報と当該商品に対する複数の消費者の消費行動履歴とを対応付けた消費履歴情報を各商品ごとに記憶した消費者データベースにアクセスし、複数の商品に対する複数の消費者の消費履歴情報を取得する第１履歴取得手段と、
   前記第１履歴取得手段により取得された前記複数の商品に対する前記複数の消費者の前記消費履歴情報を用いて、各消費者を、互いに消費行動時期の異なる、初期購入者グループを含む複数のグループに分類する第１分類手段と、
   前記消費者データベースより、前記第１分類手段により前記初期購入者グループに分類された複数の消費者の、消費履歴情報を取得する第２履歴取得手段と、
   前記第１履歴取得手段により取得された前記複数の商品に対する前記複数の消費者の前記消費履歴情報を用いて、各消費者を、予め設定した嗜好に対応させた、複数のユニットに分類するユニット分類手段と、
   前記第２履歴取得手段で取得された、前記初期購入者グループに属する複数の消費者の消費履歴情報に基づいて前記嗜好ごとの初期購入者数により決定した流行度を利用して各消費者の流行発見度を算出する流行発見度算出手段と、
   前記第１分類手段により前記初期購入者グループに分類された複数の消費者を、前記流行発見度算出手段で算出された流行発見度の値が所定の発見度しきい値以上である第１初期購入者グループと、前記流行発見度算出手段で算出された流行発見度の値が前記所定の発見度しきい値未満である第２初期購入者グループと、に分類する第２分類手段と、
   前記第１初期購入者グループに分類された前記消費者が、消費行動を起こしたこと若しくは消費以外の特定の消費関連行動を起こしたことを契機に、前記消費行動若しくは前記消費関連行動の対象商品を推奨するための推奨情報を、前記第１分類手段により前記初期購入者グループの次に消費行動時期が早いグループとして分類された所定のグループに属し、かつ前記ユニット分類手段により前記第１初期購入者グループに属する前記消費者と類似のユニットに分類された、複数の消費者の情報端末に対して出力する、第１推奨情報出力手段と、
   を有することを特徴とする楽曲データ用情報処理装置。
2. 前記第１推奨情報出力手段は、
   前記第１初期購入者グループに分類された前記消費者が、前記特定の消費関連行動として、当該消費者の情報端末の表示手段に表示された前記対象商品に係わる推奨情報に対し所定の操作を行ったことを契機に、前記対象商品を推奨するための推奨情報を、前記所定のグループに属する前記複数の消費者の情報端末に対して出力する
   ことを特徴とする請求項１記載の楽曲データ用情報処理装置。
3. 前記第１推奨情報出力手段は、
   前記第１初期購入者グループに分類された前記消費者が、前記特定の消費関連行動として、当該消費者の情報端末の表示手段に表示された前記対象商品に係わる推奨情報に対し所定の操作を行ったことを契機に、前記対象商品を推奨するための推奨情報を、前記ユニット分類手段により前記第１初期購入者グループに属する前記消費者と類似のユニットに分類された複数の消費者の情報端末に対して出力する
   ことを特徴とする請求項１記載の楽曲データ用情報処理装置。
4. 前記第２履歴取得手段で取得された、前記初期購入者グループに属する複数の消費者の消費履歴情報に基づき、各消費者の嗜好幅を算出する嗜好幅算出手段と、
   前記第１分類手段により前記初期購入者グループに分類された複数の消費者を、前記嗜好幅算出手段で算出された嗜好幅の値が所定の嗜好幅しきい値以上である第３初期購入者グループと、前記嗜好幅算出手段で算出された嗜好幅の値が前記所定の嗜好幅しきい値未満である第４初期購入者グループと、に分類する第３分類手段と
   を有することを特徴とする請求項１乃至請求項３の何れか１の請求項に記載の楽曲データ用情報処理装置。
5. 前記第３初期購入者グループに分類された前記消費者が、消費行動を起こしたこと若しくは消費以外の特定の消費関連行動を起こしたことを契機に、前記消費行動若しくは前記消費関連行動の対象商品を推奨するための推奨情報を、前記第１分類手段により前記初期購入者グループの次に消費行動時期が早いグループとして分類された所定のグループに属する複数の消費者の情報端末に対して出力する、第２推奨情報出力手段を有する
   ことを特徴とする請求項４記載の楽曲データ用情報処理装置。
6. 前記第２推奨情報出力手段は、
   前記第３初期購入者グループに分類された前記消費者が、前記特定の消費関連行動として、当該消費者の情報端末の表示手段に表示された前記対象商品に係わる推奨情報に対し所定の操作を行ったことを契機に、前記対象商品を推奨するための推奨情報を、前記所定のグループに属する前記複数の消費者の情報端末に対して出力する
   ことを特徴とする請求項５記載の楽曲データ用情報処理装置。
7. 前記第１履歴取得手段により取得された前記複数の商品に対する前記複数の消費者の前記消費履歴情報を用いて、各消費者を、互いに嗜好の異なる、複数のユニットに分類するユニット分類手段をさらに有し、
   前記第２推奨情報出力手段は、
   前記対象商品を推奨するための推奨情報を、前記ユニット分類手段により前記第３初期購入者グループに属する前記消費者と類似のユニットに分類された複数の消費者の情報端末に対して出力する
   ことを特徴とする請求項５記載の楽曲データ用情報処理装置。
8. 前記第２推奨情報出力手段は、
   前記第３初期購入者グループに分類された前記消費者が、前記特定の消費関連行動として、当該消費者の情報端末の表示手段に表示された前記対象商品に係わる推奨情報に対し所定の操作を行ったことを契機に、前記対象商品を推奨するための推奨情報を、前記ユニット分類手段により前記第３初期購入者グループに属する前記消費者と類似のユニットに分類された複数の消費者の情報端末に対して出力する
   ことを特徴とする請求項７記載の楽曲データ用情報処理装置。
9. 商品の識別情報と当該商品に対する複数の消費者の利用回数を含んだ消費行動履歴とを対応付けた消費履歴情報を各商品ごとに記憶した消費者データベースにアクセスし、複数の商品に対する複数の消費者の消費履歴情報を取得する第１履歴取得手段と、
   前記第１履歴取得手段により取得された前記複数の商品に対する前記複数の消費者の前記消費履歴情報を用いて、各消費者を、互いに消費行動時期の異なる、初期購入者グループを含む複数のグループに分類する第１分類手段と、
   前記消費者データベースより、前記第１分類手段により前記初期購入者グループに分類された複数の消費者の、消費履歴情報を取得する第２履歴取得手段と、
   前記第２履歴取得手段で取得された、前記初期購入者グループに属する複数の消費者の消費履歴情報に基づき、各消費者の流行発見度を算出する流行発見度算出手段と、
   前記第２履歴取得手段で取得された、前記初期購入者グループに属する複数の消費者の消費履歴情報に基づき、各消費者の嗜好幅を算出する嗜好幅算出手段と、
   前記第１分類手段により前記初期購入者グループに分類された複数の消費者を、前記流行発見度算出手段で算出された流行発見度の値が所定の発見度しきい値以上であると共に前記嗜好幅算出手段で算出された嗜好幅の値が所定の嗜好幅しきい値以上である第５初期購入者グループと、前記流行発見度算出手段で算出された流行発見度の値が前記所定の発見度しきい値未満であると共に前記嗜好幅算出手段で算出された嗜好幅の値が所定の嗜好幅しきい値以上である第６初期購入者グループと、前記流行発見度算出手段で算出された流行発見度の値が前記所定の発見度しきい値以上であると共に前記嗜好幅算出手段で算出された嗜好幅の値が所定の嗜好幅しきい値未満である第７初期購入者グループと、前記流行発見度算出手段で算出された流行発見度の値が前記所定の発見度しきい値未満であると共に前記嗜好幅算出手段で算出された嗜好幅の値が所定の嗜好幅しきい値未満である第８初期購入者グループと、に分類する第４分類手段と
   を有することを特徴とする楽曲データ用情報処理装置。
10. 前記第５初期購入者グループに分類された前記消費者が、消費行動を起こしたこと若しくは消費以外の特定の消費関連行動を起こしたことを契機に、前記消費行動若しくは前記消費関連行動の対象商品を推奨するための推奨情報を、前記第１分類手段により前記初期購入者グループの次に消費行動時期が早いグループとして分類された所定のグループに属する複数の消費者の情報端末に対して出力する、第３推奨情報出力手段を有する
    ことを特徴とする請求項９記載の楽曲データ用情報処理装置。
11. 前記第３推奨情報出力手段は、
    前記第５初期購入者グループに分類された前記消費者が、前記特定の消費関連行動として、当該消費者の情報端末の表示手段に表示された前記対象商品に係わる推奨情報に対し所定の操作を行ったことを契機に、前記対象商品を推奨するための推奨情報を、前記所定のグループに属する前記複数の消費者の情報端末に対して出力する
    ことを特徴とする請求項１０記載の楽曲データ用情報処理装置。
12. 前記第１履歴取得手段により取得された前記複数の商品に対する前記複数の消費者の前記消費履歴情報を用いて、各消費者を、互いに嗜好の異なる、複数のユニットに分類するユニット分類手段をさらに有し、
    前記第３推奨情報出力手段は、
    前記対象商品を推奨するための推奨情報を、前記ユニット分類手段により前記第５初期購入者グループに属する前記消費者と類似のユニットに分類された複数の消費者の情報端末に対して出力する
    ことを特徴とする請求項１０記載の楽曲データ用情報処理装置。
13. 前記第３推奨情報出力手段は、
    前記第５初期購入者グループに分類された前記消費者が、前記特定の消費関連行動として、当該消費者の情報端末の表示手段に表示された前記対象商品に係わる推奨情報に対し所定の操作を行ったことを契機に、前記対象商品を推奨するための推奨情報を、前記ユニット分類手段により前記第５初期購入者グループに属する前記消費者と類似のユニットに分類された複数の消費者の情報端末に対して出力する
    ことを特徴とする請求項１２記載の楽曲データ用情報処理装置。
14. 前記消費者データベースに記憶された前記複数の消費者の消費履歴情報に基づき、特定の期間において商品に対し消費行動を行った消費者数を各商品ごとに算出する消費者数算出手段と、
    前記消費者数算出手段により消費行動を行った消費者数が算出された各商品を、当該消費者数が多い順に順位付けする順位付与手段と、
    前記初期購入者グループに属する各消費者が前記特定の期間内に消費行動を行った各商品に対し前記順位付与手段が付与した順位を、各消費者ごとに集計処理する順位集計手段と
    を有し、
    前記流行発見度算出手段は、
    前記順位集計手段により集計された前記順位を用いて、各消費者の流行発見度を算出する
    ことを特徴とする請求項１又は請求項９記載の楽曲データ用情報処理装置。
15. 前記初期購入者グループに属する各消費者が特定の期間内に消費行動を行った各商品に対し予め関連付けられた嗜好識別子の数を、各消費者ごとに集計処理する識別子集計手段を有し、
    前記嗜好幅算出手段は、
    前記識別子集計手段により集計された前記嗜好識別子の数を用いて、各消費者の嗜好幅を算出する
    ことを特徴とする請求項４又は請求項９記載の楽曲データ用情報処理装置。
    

Images