JP5710639B2

JP5710639B2 - 消費者に商品及び／又はサービスを提供するための方法、システム、及びコントローラ

Info

Publication number: JP5710639B2
Application number: JP2012545020A
Authority: JP
Inventors: グロナウ，ブレット・ジェームズ; デバーレル，キース・デヴィッド; パク，ジョナサン・デヴィッド; ベイツ，クリストファー・グレンドン
Original assignee: Someones Group Intellectual Property Holdings Pty Ltd
Current assignee: Someones Group Intellectual Property Holdings Pty Ltd
Priority date: 2009-12-24
Filing date: 2010-12-23
Publication date: 2015-04-30
Anticipated expiration: 2030-12-23
Also published as: AU2022241556A1; JP2013515300A; US8473368B2; WO2011075792A1; AU2020244594A1; AU2010336035A1; AU2018236702A1; CN102754117A; US20120136750A1; AU2016259355A1; US20130282518A1

Description

本発明は、消費者に商品及び／又はサービスを提供するためのコンピュータ化された方法、システム、及びコントローラに関し、限定ではないが特に、メディアアイテムへのアクセスを消費者にレコメンド又は提供することに関する。

商品及び／又はサービスと消費者の好みとをマッチングさせるためのレコメンドシステムは、インターネットをベースとしたメディアアイテムの供給において、よく知られ広く用いられている。その利用には、本、歌曲、ビデオ、及び他のメディアアイテム、又は、オークション、紹介、車、家等の、非メディアの商品若しくはサービスが含まれる。一般に、そのようなシステムは、利用可能なアイテムの特性と消費者の求める特性とのマッチングにかかっている。そのようなレコメンドシステムの複雑さは、ユーザ指定のタグに基づくシンプルなサーチエンジンから、多数の例によってもたらされる導出記述子に基づいてマッチングをとるシステムまで、多岐にわたっている。

アイテムが異なる価格で売り出されている場合、一般には、その価格は、許容可能な価格帯であるとしてもしかしたら消費者に選ばれるというよりも、付加的な情報として提示され、レコメンドにおける役割をまったく果たすことはない。

先行技術のシステムにおいては、消費者と、消費者の好みに配慮した金銭に代わる価値を提供するアイテムとのマッチングをとることの必要性は、重要視されていない。

本発明の第１の側面によれば、商品又はサービスのアイテムへのアクセスを消費者にレコメンド又は提供する選択サービスの方法であって、
利用可能なアイテムであって、少なくともそのうちのいくつかはアクセスを受けるとアイテム供給者に対する支払いが必要となるアイテムのセットを識別するステップと、
利用可能なアイテムのそれぞれに関する前記消費者による見込みの満足度の指標を予測するステップと、
利用可能な各アイテムについての金銭に代わる価値の指標を前記消費者に対して計算するステップと、
金銭に代わる確かな価値を生じさせるアイテムへのアクセスを前記消費者へレコメンド又は提供するステップと、
を含む方法が提供される。

一実施態様において、前記アイテムは、ネットワークを介してアクセスされるデジタルメディアアイテムを含む。

一実施態様において、前記アイテム供給者は、前記メディアアイテムの著者、創作者、又は製作者を含む。

一実施態様において、メディアアイテムへのアクセスを享受するためにサービスに対しそれぞれが支払いを行う複数の消費者が存在する。前記消費者は、メディアアイテムへの前記アクセスを享受するために定期的な料金を支払うことができる。前記メディアアイテム供給者は、各消費者による前記メディアアイテムの使用に基づいて前記サービスによって支払いを受けることができる。

一実施態様において、利用可能なアイテムのそれぞれに関する前記消費者による見込みの満足度の指標を予測する前記ステップは、利用可能なアイテムのそれぞれと前記消費者が満足したアイテム又はカテゴリの例との適合の近さを計算するステップを含む。アイテム又はカテゴリの前記例は、前記消費者によって指定され、又は、過去の消費者の振る舞いから推定されることができる。

一実施態様において、利用可能な各アイテムについての金銭に代わる価値の指標を前記消費者に対して計算する前記ステップは、
前記見込みの満足度の指標に少なくとも基づいて、利用可能な各アイテムの価値を前記消費者に対して計算するステップと、
前記価値をアクセスに必要とされる前記支払いと比較するステップと、
を含む。

一実施態様において、金銭に代わる確かな価値を生じさせるアイテムへのアクセスを前記消費者へレコメンド又は提供する前記ステップは、
その価値がアクセスに必要とされる前記支払いを上回るアイテムを選択するステップと、
前記上回った価値に応じた一使用毎の頻度ベースで、前記選択されたアイテムへのアクセスをレコメンド又は提供するステップと、
を含む。

一実施態様において、前記方法は、更に、前記利用可能なアイテムのうち少なくとも１つの使用毎に行われるべき支払いを、当該アイテムに関して支払われる総額を増大させるように調整するステップを含む。

いくつかの実施態様において、前記アイテムは、それへのアクセスが前記サービスによって提供される、プレイリストに含まれる歌曲である。

本発明の第２の側面によれば、アイテムへのアクセスを消費者にレコメンド又は提供する選択サービスを可能とするシステムであって、
前記消費者が前記アイテムへアクセスするためのインターフェースと、
利用可能なアイテムであって、少なくともそのうちのいくつかはアクセスを受けるとアイテム供給者に対する支払いが必要となるアイテムのセットを識別する、利用可能アイテム識別部と、
利用可能なアイテムのそれぞれに関する前記消費者による見込みの満足度の指標を予測する、見込み満足度予測部と、
利用可能な各アイテムについての金銭に代わる価値の指標を前記消費者に対して計算する、金銭代替価値計算部と、
金銭に代わる確かな価値を生じさせるアイテムへのアクセスを前記消費者へレコメンド又は提供する、アクセス決定部と、
を備えるシステムが提供される。

本発明の第３の側面によれば、アイテムへのアクセスをインターフェースを介して消費者にレコメンド又は提供する選択サービスを可能とするコントローラであって、
利用可能なアイテムであって、少なくともそのうちのいくつかはアクセスを受けるとアイテム供給者に対する支払いが必要となるアイテムのセットを識別する、利用可能アイテム識別部と、
利用可能なアイテムのそれぞれに関する前記消費者による見込みの満足度の指標を予測する、見込み満足度予測部と、
利用可能な各アイテムについての金銭に代わる価値の指標を前記消費者に対して計算する、金銭代替価値計算部と、
金銭に代わる確かな価値を生じさせるアイテムへのアクセスを前記消費者へレコメンド又は提供する、アクセス決定部と、
を備えるコントローラが提供される。

本発明の第４の側面によれば、計算機によって実行されると前記計算機に本発明の第１の側面の方法を実現させるコンピュータプログラムコードが提供される。

本発明の第５の側面によれば、本発明の第４の側面の前記プログラムコードを含むコンピュータ読み取り可能媒体が提供される。

本発明の第６の側面によれば、本発明の第４の側面の前記コンピュータプログラムコードを含むデータ信号が提供される。

図１は、メディアアイテムの供給に適用された本発明のシステム例のブロック図である。図２は、メディアアイテムに適用された本発明の方法のためのフロー図を示す。

図面を参照しながら、本発明の実施態様に基づくシステム、コントローラ、及び方法の多様な側面が開示される。

システムは、多数の異なる形態をとることができる。好ましい形態において、システムは、インターネットを介して消費者及びアイテム供給者と通信するサーバ上に提供される。

ここで図１を参照すると、メディアアイテムに適用されるシステム１０の最も拡張されたレベルにおけるコアコンポーネントは、データメモリ４０と通信するメディア選択コントローラ３０である。これらのうちの全て又は一部分は、離れて配置されてもよい。メディア選択コントローラ３０は、メディアアイテム供給者５００と、また各消費者のインターフェース２０を介して少なくとも１人の（最も一般的には多数の）消費者と、データ通信を行う。

メディア選択コントローラ３０は、利用可能なメディアアイテムであって、少なくともそのうちのいくつかはアクセスを受けるとメディアアイテム供給者５００に対する支払いが必要となるメディアアイテムのセットを識別する、利用可能メディアアイテム識別部３１０を包含する。典型的な例として、支払いは、メディアアイテムが歌曲であれば、１再生毎の料金である。メディアアイテム識別部は、例えば、供給者５００が彼らの権利及びメディアアイテムを登録することが可能な、ウェブインターフェースを含むことができる。

メディア選択コントローラ３０はまた、利用可能なメディアアイテムのそれぞれに関する当該又は各消費者による見込みの満足度の指標を予測する、見込み満足度予測部３２０を包含する。この予測は、当該又は各消費者が好むメディアアイテムの多数の例を格納している消費者データテーブル４２４を調査し、それらのデータを、メディアアイテムデータベース４２０に保持された各メディアアイテムの特性を格納している記述子テーブル４２２と比較することによって、実施される。この記述子との適合の近さが、見込みの満足度を予測するのに用いられる。多くの可能な手段が検討され試行されることができ、それらは本発明の範囲内のものである。

メディア選択コントローラ３０はまた、利用可能な各メディアアイテムについての金銭に代わる価値の指標を当該又は各消費者に対して計算する、金銭代替価値計算部３３０を包含する。この計算は、典型的な例として、メディアアイテムへのアクセスに対する金銭価値を、見込みの満足度の指標及び他のパラメータから計算することによって、実施される。そのような他のパラメータは、そのサービスのトータルの購入費用、及びそのサービスによって取得されるのに必要とされるトータルの予想アクセス数を参照することを含むことができる。

メディア選択コントローラ３０はまた、金銭に代わる確かな価値を生じさせるどのメディアアイテムを消費者へ提供又はレコメンドするかを最終的に決定する、アクセス決定部３３０を包含する。この決定は、金銭に代わる価値がどれだけ価格を上回っているかに従って、重み付けされた確率を用いてランダムに選択することを含むことができる。

＜プレイリストシステムの例＞
この例において、消費者は、音楽選択サービスへのアクセスに対して規定の定期的な月会費を支払う。

会費の見返りとして、消費者は、インターネットから、つまりそのサービスによって音楽提供者から取得されるアクセス可能ライブラリから、歌曲を再生することができる。消費者は、自らの手によって歌曲を選択することができるかもしれないが、それだけでなく、その消費者の好みに基づいて定義される自動生成されたプレイリストを提供される。この例において、サービスは、再生毎の料金を各音楽提供者へ支払う。

当該技術において知られているように、消費者は複数の音楽を選択することができ、システムは類似の音楽をレコメンドすることができる。

一般に、そのようなレコメンドは、他の消費者が満足した歌曲との比較において当該消費者が満足した歌曲に関する、蓄積されたデータに基づくものであり、「これに満足した人はそれにも満足した」というレコメンドを結果としてもたらす。それほど一般的ではないが、ネイティブな音声特性に基づいて、本質的に類似している音楽を探し出すために予測が行われる。

本発明の目下の例において、消費者が「これと似た音楽を探し出す」と書かれたボタンをクリックした場合に、ネイティブな特性、又は、ネイティブな特性と消費者の他の好みとの組み合わせが、類似の音楽を探し出すために用いられる。

どの音楽が再生される場合でも、消費者は、「これをもっと多く」ボタン又は「これをもっと少なく」ボタンをクリックする選択肢を有する。ある歌曲がもしひと月当たり何度も再生されれば、消費者は現在この歌曲を他よりも好んでいることが想定される。

これらのデータの双方は、再生された音楽に対する消費者による格付けをシステムに知らせる。

この情報及び消費者の他の振る舞いに基づいて、消費者がひと月当たりライブラリからどれだけの歌曲を聴くか、そしてそれらは概してどんな種類の歌曲にわたっているのかを予測することが可能である。

目下の例において、我々は、レコメンドシステムが、消費者の興味を引きそうであるというだけでなく金銭に代わる確かな価値を有するメディアアイテムをレコメンドすることができるように、価格を設定することをレコメンドシステムに導入する。

この例において、各消費者は、聴きたいと思う歌曲に似ている多数の歌曲を選ぶことによって、及び／又は多数のパラメータ（ジャンル、リリース日等）を指定することによって、「プレイリスト」の例を定義する。もし消費者が１つのプレイリストよりも多い例を定義した場合には、各プレイリストは、それらが別々の消費者からもたらされたものであるかのように取り扱われる。

レコメンドシステムは、次に、これらのパラメータにどれだけよく歌曲が適合しているかに基づいて全ての歌曲に対する評価を行う。歌曲の例に関して、レコメンドアルゴリズムは、ネイティブなメディア記述子を使用することができ、特異値分解（ｓｉｎｇｌｅｖａｌｕｅｄｅｃｏｍｐｏｓｉｔｉｏｎ：ＳＶＤ）を用いてこれらの記述子から管理しやすい３０個程度の記述子のセットを抽出することができる。画像及び音声に関するネイティブなメディア記述子の例は、本明細書末尾の参考文献セクションにおいて提供される。レコメンドアルゴリズムは、記述子空間における利用可能な各歌曲と選択された歌曲の例のグループとの距離―最近接の例としての歌曲までの距離や例としての歌曲全てまでの平均距離等―に関係した評価値を与えることができる。高い評価値は小さな距離即ち良好な適合度を有しているアイテムを意味し、低い評価値は大きな距離即ち適合度が劣っているアイテムを意味する。結果は、表１において以下に示されるような評価値マトリックスである。このシナリオでは、６人の消費者及び１０個の利用可能な歌曲が存在する。現実には多数の利用及び利用可能な歌曲が存在するから、これは単なる例示目的のためだけのものである。

システムは、プレイリストの提供に費やすことができる金額の最大量Ｘを有する。このシナリオにおいてＸ＝＄１５０である。

システムはまた、過去の振る舞いの傾向によって決定される、各消費者について要求される歌曲の数量を予め知得している。

それぞれの歌曲製作者は、彼らの歌曲に対する価格を設定することが可能である。

歌曲１０は、特別なケースであって、サムワンズ社のシステムによって管理される歌曲を表している。それは、価格政策の一手法として、市場がコントロールを失わないこと、及びＸにより規定された最大の費用を超過しないことを保証するために、用いられるものである。こうした作用を達成する方法は、後でシナリオ２において詳述される。本シナリオにおいては、歌曲１０は、システムがその価格では歌曲１０を選択することがない＄１０００という価格に値付けされたように取り扱われる。

本発明のこの例において、システムは、評価値テーブル「Ｒ」から、より高く評価されている歌曲はその価値もより高いということを仮定することによって、歌曲がプレイリストに付加した価値を概算で求める。例えば、プレイリスト２において、歌曲２は評価値２．３５を持ち、歌曲１は評価値１．４５を持つので、このプレイリストに関しては、歌曲２は歌曲１よりも１．６２倍（２．３５／１．４５）多く評価されている。

システムは、このことを評価値マトリックスに対し、列ベクトルをその列の合計値で除することによって適用する。その次に、システムは、このマトリックスが（より多くのアイテムを有するかもしれない）今後のテーブルと比較可能であることを保証するために、その結果のテーブルに歌曲の総数を乗じて、各列の合計が利用可能な歌曲の数であるようにする。

もし、各プレイリストにおける各歌曲の価値が、各消費者がそのプレイリストの当該歌曲を購入するのに支払ってもよいと考えた価格を反映したものであると考えられるのであれば、このテーブルは、各歌曲の平均価格は１（その列の合計値を歌曲の総数で除した数値）に等しいということを想定している。しかしながら、システムは、Ｘ（我々が使いたいと思う最大量である１５０）及び数量ベクトルＱ（表２、Ｑの合計値＝９６）から、全ての歌曲にわたって使うことが可能な平均価格は１．５６３（１５０／９６）であることを知得する。したがって、これに応じて、システムは、全エントリの平均が１再生毎に使うことが可能な平均価格となるように、価値テーブルの調整を行う。

システムは、次に、全体に対し使うことの可能な量に一致した価格である、金銭に代わる価値を表す当該価格を各消費者が検討に入れるかどうかを見積もるために、平均調整価値テーブルＶ^２の各列から製作者料金（Ｐ）を減じる。これは、ある特定の歌曲が購入される場合に生じる消費者価値の余剰分の量を表す。例えば、もしその歌曲がこの消費者に対し２．５の価値を持ち、消費者がその歌曲を１という料金で購入できたとすると、その時は、１．５という価値の余剰分が得られる。

このテーブルにおいて、負の値は、消費者がその価格は金銭に代わる確かな価値を表していないと考えるであろうことを示す。

これらの消費者は、たとえ彼らが購入を決定することを頼まれたとしても、これらのアイテムをそのような価格のポイントでは購入しないであろう。したがって、システムは、次の表７に示されるように、これらの値をゼロに設定する。

金銭に代わる価値（効用）を最大化するために、各消費者は、通常、消費者余剰において最大の利益をもたらすどんなアイテムも購入するであろう。このケースでは、各消費者は、１つの歌曲（最大の消費者余剰を持つ歌曲）を選び、その歌曲のコピーをできるだけたくさん手に入れるだけであろう。このようなことは、（本明細書において仮定されているように）商品が完璧な代用品であることはめったにないという事実によって、現実の世界ではまれにしか起こらない。このことを説明する１つの方法は、非線形の代替効果を計算するために無差別曲線分析を用いることであろう。しかしながら、これは極めて重要であり解決を困難にする。無差別曲線の解を近似的に求めるもっと簡単な方法は、比例配分を用いることであろう。比例配分を実施するために、我々は、負でない消費者余剰テーブルの各要素をその列の合計値で除し、それに数量の合計値を乗じる。このステップは、このような方法で購入の配分をすることが、消費者余剰によって評価される効用を最適化するということ、及び、他の如何なる配分もより少ない消費者余剰をもたらすであろうということを仮定している。

次に、我々は、Ｑ^２の行の合計値に価格テーブルＰに列挙された価格を乗じることによって、供給コストを計算する。

このテーブルから、我々は、費用の最大量Ｘ（１５０）よりも低い、金銭に代わる最適な価値を各消費者に対して与える結果を作り出すことに成功した、ということを理解することができる。このポイントにおいて、市場はクリアになり、更なる変更は一切必要とされない。

表８における数量は、プレイリストを生成するために使用される。これらは整数ではなく、実際のところ、典型的な状況として、より高い価値を有した多くの歌曲が利用可能でありそれ故歌曲全体が再生されることが十分あり得る場合には、当該数量はほとんどがほんの僅かなものとなる。システムは、これらの数量を使用して、確率モデルに従って各消費者に対するプレイリストを生成する。例えば、消費者１に関しては、１０個の歌曲が再生されるだろう。そして、このプレイリストの各エントリが選択されると、歌曲１については３．１８／１０＝０．３１８、歌曲２についてはゼロ、歌曲３については３．８５／１０＝０．３８５、等の確率に従い、ランダムな数字が用いられて、１０個の利用可能な歌曲のうちのどれが再生されるかを決定する。このようにして、平均としては予測された量が全体にわたって使われ、消費者は、余剰値に比例して、彼らがその取得価格以上に最も高い価値を見出すであろう歌曲を再生される。表８を使用してプレイリストを生成する他の方法はたくさん存在し、これは１つの例に過ぎない。

＜シナリオ２―市場がクリアにならない場合における価格政策の使用＞
このシナリオは、Ｘがここでは＄１２０に設定されていることを除いて、シナリオ１と同じである。同様の方法論に従い、システムは、表１０及び１１に示された、供給に関する数量及びコストのテーブルを取得する。Ｘの値の変化は平均価格を変化させ、よって平均調整価値テーブルを変化させ最適化された供給数量Ｑ^２を変化させることに注意されたい。表１１は、新たな供給コストテーブルであり、その右下端から分かるように、コストは＄１２０の費用を超過している。

システムは、市場がクリアになる（全ての消費者にわたる歌曲１から歌曲９の供給コストの合計がＸに等しい。ここで、Ｘは１２０に等しい）ように、（よく知られているようにソルバーアルゴリズムを用いて）歌曲１０の価格を見つけ出すことによって調整を行う。表１３を見よ。

このシナリオでは、１２０ユニットが歌曲１から９に対して使われる。歌曲１０に対する供給コスト（２１．４７）は無効とされる（無償で供給される）。歌曲１０はサービスによって所有されることができ、よって無償で供給されることができるであろう。

＜シナリオ３＞
シナリオ２においては、１つの歌曲だけがこのサービスの一部として無償で寄付された。本シナリオは、プレイリストに異なった趣きを取り入れるために、１つよりも多くの歌曲を無償で寄付することの可能性を探るものである。こうした結果を達成するため、ディスカウントされた歌曲の推定価格は同じ価格であると仮定することができる。

歌曲９及び１０の両方がこのサービスによってディスカウントされ無償で寄付された結果を以下に示す。

このケースでは、歌曲９が消費者１及び２に与えられ、歌曲１０が消費者３及び４に与えられる。このことを、歌曲１０だけがサービスによってコントロールされ消費者２に少ない数量で与えられるケースと比較されたい。このケースでは、歌曲９を代わりに与えることによって、消費者２の理想的なプレイリストとのより良い適合度が達成される。

＜シナリオ４―消費者が既に所有している歌曲を考慮する＞
このシナリオは、ある消費者が既にある歌曲を所有しており、我々がプレイリストにあるこれらの歌曲の提供に対して支払いをする必要はない、というケースを取り扱う。このケースにおいて、システムは、供給コストを算出する際にこれらの歌曲をカウントしないということを除いて、同じプロセスに従う。

シナリオ１と同じ歌曲及び価格を用いると、我々の評価値マトリックスＲは次の通りである。

今回は、消費者によって既に所有されている歌曲はハイライト表示されている。Ｘは＄１５０と仮定される。Ｑは同一のものと仮定される：

ここでも、各製作者は、彼らの歌曲に対して価格を設定することが可能である。

前と同じように、システムは、評価値テーブルを用いて、各歌曲がプレイリストに付加する概算の価値を求め、Ｖ^１及びＶ^２を生成する。次の表２０及び２１を見よ。

システムは、次に、金銭に代わる価値を表す当該価格を各消費者が検討に入れるかどうかを見積もるために、ハイライト表示された歌曲を除いて、平均調整価値テーブルＶ^２の各列から製作者料金（Ｐ）を減じる。これらの歌曲は無償で提供することができるので、減じられるのはゼロである。

システムは、前と同じように、次に、比例配分を実施する。

次に、システムは、以下の表２５に示されるように、Ｑ^２のエントリの数量に価格テーブルＰに列挙された価格を乗じることによって、供給コストを計算する。

供給コストの合計値は、このテーブルのハイライト表示されたものを除いた全要素の和である。このケースでは、供給コストは＄６４．６３であり、シナリオ１で概説された＄１４５．７６よりも格段に低い。

＜シナリオ５＞
シナリオ４の結果は、消費者のプレイリストにある歌曲に常に恩恵をもたらすだろう。何故なら、それらは無償で提供されるものであり、よってその使用に如何なる金銭的不利益も招かないからである。これは、お気に入りの歌曲を頻繁に聴くことが好きないくらかの消費者には相応しいことであるかもしれない。

もし消費者がこうしたことを好まないのであれば、システムは、消費者が、（Ｘのような印象を与えるが、新しくしかもプレイリストにはない歌曲を見つけ出す）検索結果に付加的なパラメータを追加することによって、評価値マトリックスを支配しているパラメータを変更することを可能にしてもよい。代替的な方法は、利用可能な最大量の金額を使うことである。消費者がサービスを使用するために規定の会費を既に支払っていると仮定すれば、彼らは、この結果の方を好むかもしれない。製作者もまた、より多くの予測された収入が保証されるので、この結果の方を好むであろう。

このことは、推定価格を消費者が所有する自分自身のライブラリに置くことによって達成されることが可能である。シナリオ４では、消費者によって所有される歌曲は、それらが無償で提供されるものであるため、多額の消費者余剰をもたらす源泉である。シナリオ４では、評価値マトリックスに対するより良い適合度を与える歌曲は、適合度はより低いがより安価な価格（無償）で提供される他の歌曲で取って代えられる。これらの歌曲に推定価格を置くことによって、こうした代替効果は少なくなり、これらの歌曲は、レコメンド結果とのより良い適合を示すがより高価な歌曲によって置き換えられる。事実上、この推定価格を置くことによって、消費者は、追加の費用を犠牲にしてレコメンド結果の品質を高めることが可能となる。シナリオ４からの消費者余剰テーブルに注目されたい。

ハイライト表示された要素からゼロを減じる代わりに、システムは、今度は、供給コストの合計値が１２０に等しくなるように、ソルバーを用いて計算された非ゼロの価格を減算する。このケースにおいて、消費者自身のライブラリにある歌曲に対する１．８という推定価格が、この結果を達成する。以下の表２７から３０を見よ。

このテーブルにおける供給コストの合計値（ハイライト表示されていない全要素の和）は１２０である。

＜シナリオ６―自動的な価格設定＞
システムが過去のデータに基づいて消費者の消費量を正確に予測することが可能であると仮定すれば、システムはまた、製作者が利益を最大化するためにできる限り最適な価格ポイントを設定するのを手助けすることに関し、製作者に対してサービスを提供することも可能である。

価格設定に関する最も簡単な予測方法は、他の全ての競合者が固定価格を有し、収益（価格と数量の積）を最大化する価格を設定していると単純に仮定することであろう。

この例において、我々は当初のモデルに戻る。

我々は、ラジオ放送局からの供給に使うことができる最大量の金額を有している。Ｘは＄１５０であり、Ｑは以前と同じである。

ここでも、各製作者は、彼らの歌曲に対して価格を設定することが可能である。但し、このケースにおいて、歌曲１の製作者は、収益オプティマイザーを用いることによって、利益を最大化することを目論んでいる。

以前のシナリオ１と同じように、我々は結局次の供給コストテーブルを得る。

ここから、我々は歌曲１に対する収益の合計値が２６．５１であることが分かる。システムは、ここで、この収益が最大化されるように、自動化ソルバー（このケースではＥｘｃｅｌ（商標）のソルバーにおいて与えられるものと同じアルゴリズム）を用いて歌曲１の価格を設定することができる。

このテーブルから、我々は、歌曲１の製作者が、彼らの音楽の価格を１．７０から１．４９へ減少させることによって収益を２６．５１から２７．３１へ増大させる機会を有する、ということを知ることができる。

当業者はまた、本発明の範囲を逸脱することなく、多くの変形が本発明に対して行われてもよいということを理解するであろう。特に、インターネットを介して歌曲のプレイリストを供給するということにより例示が行われたが、本発明は、あらゆるルートであらゆる商品又はサービスを供給する最大限に広範な形態にまで拡張される。

添付される請求の範囲及び先述された本発明の説明において、明示された言葉又は必然的な暗示によって文脈上そうではないことが要求される場合を除き、「含む（ｃｏｍｐｒｉｓｅ）」という用語、又は「含む（ｃｏｍｐｒｉｓｅｓ）」や「含んでいる（ｃｏｍｐｒｉｓｉｎｇ）」等の変化形は、包括的な意味合いで、即ち、その叙述された特徴の存在を明確に示すように、しかし本発明の様々な実施態様において更なる特徴の存在又は付加を排除しないように、使用されるものである。

その上、特定の順序で行った方法のステップの説明は、文脈上そうであることが要求されない限り、直列的に実施されることを意味するものではない。

本明細書において何らかの先行技術文献が参照されたとしても、そのような参照は、オーストラリア国又は他の如何なる国においても、当該文献が当該技術の広く知られた一般的な知識の一部分を形成するという自白を構成するものではないことは、理解されるべきである。

＜参考文献＞
１． S. A. Chatzichristofis and Y. S. Boutalis, "CEDD: COLOR AND EDGE DIRECTIVITY DESCRIPTOR - A COMPACT DESCRIPTOR FOR IMAGE INDEXING AND RETRIEVAL . " , " 6th International Conference in advanced research on Computer Vision Systems ICVS 2008" Proceedings: Lecture Notes in Computer Science (LNCS) pp.312-322, May 12 to May 15, 2008, Santorini, Greece
２． S. A. Chatzichristofis and Y. S. Boutalis , "FCTH: FUZZY COLOR AND TEXTURE HISTOGRAM- A LOW LEVEL FEATURE FOR ACCURATE IMAGE RETRIEVAL" , "9th International Workshop on Image Analysis for Multimedia Interactive Services" , Proceedings: IEEE Computer Society pp.191-196 , May 7 to May 9, 2008, Klagenfurt, Austria
３． McEnnis, D. , C. McKay, I. Fujinaga, and P. Depalle. 2005. jAudio: A feature extraction library Proceedings of the International Conference on Music Information Retrieval. 600-3

Claims

商品又はサービスのアイテムへのアクセスを消費者にレコメンド又は提供する選択サービスを可能にするシステム又はコントローラによって実施される方法であって、
前記システム又は前記コントローラの利用可能アイテム識別部によって、利用可能なアイテムであって、少なくともそのうちのいくつかはアクセスを受けるとアイテム供給者に対する支払いが必要となるアイテムのセットを識別するステップと、
前記システム又は前記コントローラの見込み満足度予測部によって、利用可能なアイテムのそれぞれに関する前記消費者による見込みの満足度の指標を予測するステップと、
前記システム又は前記コントローラの金銭代替価値計算部によって、前記見込みの満足度の指標に少なくとも基づいて、利用可能な各アイテムについての金銭に代わる価値の指標を前記消費者に対して計算するステップと、
前記システム又は前記コントローラのアクセス決定部によって、前記計算に少なくとも基づいて、金銭に代わる確かな価値を生じさせるアイテムへのアクセスを前記消費者へレコメンド又は提供するステップと、
を含む方法。
前記アイテムは、ネットワークを介してアクセスされるデジタルメディアアイテムを含む、請求項１に記載の方法。
前記アイテム供給者は、前記メディアアイテムの著者、創作者、又は製作者を含む、請求項１に記載の方法。
メディアアイテムへのアクセスを享受するためにサービスに対しそれぞれが支払いを行う複数の消費者が存在する、請求項１に記載の方法。
前記支払いは、メディアアイテムへの前記アクセスを享受するための定期的な料金に対応するものである、請求項４に記載の方法。
前記支払いは、前記サービスに関連するものである、請求項４に記載の方法。
前記支払いは、各消費者による前記メディアアイテムの使用に基づくものである、請求項６に記載の方法。
前記システム又は前記コントローラの見込み満足度予測部によって、利用可能なアイテムのそれぞれに関する前記消費者による見込みの満足度の指標を予測する前記ステップは、前記システム又は前記コントローラの前記見込み満足度予測部によって、利用可能なアイテムのそれぞれと前記消費者が満足したアイテム又はカテゴリの例との適合の近さを計算するステップを含む、請求項１に記載の方法。
アイテム又はカテゴリの前記例は、前記消費者によって指定されたものである、請求項８に記載の方法。
アイテム又はカテゴリの前記例は、過去の消費者の振る舞いから推定されたものである、請求項８に記載の方法。
前記システム又は前記コントローラのアクセス決定部によって、金銭に代わる確かな価値を生じさせるアイテムへのアクセスを前記消費者へレコメンド又は提供する前記ステップは、
前記システム又は前記コントローラのアクセス決定部によって、利用可能な各アイテムについての金銭に代わる前記価値を、利用可能なそれぞれのアイテムへのアクセスに必要とされる前記支払いと比較するステップと、
前記システム又は前記コントローラのアクセス決定部によって、その価値がアクセスに必要とされる前記支払いを上回るアイテムを選択するステップと、
前記システム又は前記コントローラのアクセス決定部によって、前記上回った価値に応じた一使用毎の頻度ベースで、前記選択されたアイテムへのアクセスをレコメンド又は提供するステップと、
を含む、請求項１に記載の方法。
更に、前記システム又は前記コントローラによって、前記利用可能なアイテムのうち少なくとも１つの使用毎に行われるべき支払いを、当該アイテムに関して支払われる総額を増大させるように調整するステップを含む、請求項１に記載の方法。
前記アイテムは、前記サービスによってアクセスが提供される、プレイリストに含まれる歌曲である、請求項１から１２のいずれか１項に記載の方法。
アイテムへのアクセスを消費者にレコメンド又は提供する選択サービスを可能とするシステムであって、
前記消費者が前記アイテムへアクセスするためのインターフェースと、
利用可能なアイテムであって、少なくともそのうちのいくつかはアクセスを受けるとアイテム供給者に対する支払いが必要となるアイテムのセットを識別する、利用可能アイテム識別部と、
利用可能なアイテムのそれぞれに関する前記消費者による見込みの満足度の指標を予測する、見込み満足度予測部と、
前記見込みの満足度の指標に少なくとも基づいて、利用可能な各アイテムについての金銭に代わる価値の指標を前記消費者に対して計算する、金銭代替価値計算部と、
前記計算に少なくとも基づいて、金銭に代わる確かな価値を生じさせるアイテムへのアクセスを前記消費者へレコメンド又は提供する、アクセス決定部と、
を備えるシステム。
アイテムへのアクセスをインターフェースを介して消費者にレコメンド又は提供する選択サービスを可能とするコントローラであって、
利用可能なアイテムであって、少なくともそのうちのいくつかはアクセスを受けるとアイテム供給者に対する支払いが必要となるアイテムのセットを識別する、利用可能アイテム識別部と、
利用可能なアイテムのそれぞれに関する前記消費者による見込みの満足度の指標を予測する、見込み満足度予測部と、
前記見込みの満足度の指標に少なくとも基づいて、利用可能な各アイテムについての金銭に代わる価値の指標を前記消費者に対して計算する、金銭代替価値計算部と、
前記計算に少なくとも基づいて、金銭に代わる確かな価値を生じさせるアイテムへのアクセスを前記消費者へレコメンド又は提供する、アクセス決定部と、
を備えるコントローラ。
前記利用可能アイテム識別部、見込み満足度予測部、金銭代替価値計算部、及びアクセス決定部のうちの少なくとも１つは、メモリに記憶されたコンピュータプログラムを実行するプロセッサによって少なくとも一部が実現されている、それぞれ請求項１４又は１５に記載のシステム又はコントローラ。
計算機によって実行されると前記計算機に請求項１から１３のいずれか１項に記載の方法を実現させるコンピュータプログラム。
請求項１７に記載の前記コンピュータプログラムを含むコンピュータ読み取り可能媒体。