JP6096368B1 - 商品情報評価装置、商品情報評価システム、及び商品情報評価方法 - Google Patents
商品情報評価装置、商品情報評価システム、及び商品情報評価方法 Download PDFInfo
- Publication number
- JP6096368B1 JP6096368B1 JP2016219608A JP2016219608A JP6096368B1 JP 6096368 B1 JP6096368 B1 JP 6096368B1 JP 2016219608 A JP2016219608 A JP 2016219608A JP 2016219608 A JP2016219608 A JP 2016219608A JP 6096368 B1 JP6096368 B1 JP 6096368B1
- Authority
- JP
- Japan
- Prior art keywords
- information
- evaluation
- product
- character string
- user information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 329
- 238000010801 machine learning Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 description 18
- 239000000284 extract Substances 0.000 description 15
- 238000010586 diagram Methods 0.000 description 13
- 230000004931 aggregating effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
Images
Abstract
【課題】公開前の商品情報の質の向上を図ることが可能となる商品情報評価装置、商品情報評価システム、及び商品情報評価方法を提供する。【解決手段】公開前の商品情報を評価する商品情報評価装置１であって、第１ユーザ属性の対象となる複数の第１ユーザから、複数の第１ユーザ情報を取得するユーザ情報取得部１１と、 前記複数の第１ユーザ情報に基づいて、予め取得された評価文字列と参照用文字列との第１関連性を分析し、第１仮想ユーザ情報を取得する分析部１２と、前記第１仮想ユーザ情報を参照して、前記評価文字列と、商品情報の文字列に対応する前記参照用文字列との第１商品関連性を取得する商品関連性取得部１３と、前記第１商品関連性に基づいて、評価情報を取得する評価情報取得部１４と、を備えることを特徴とする。【選択図】図１
Description
本発明は、公開前の商品情報を評価する商品情報評価装置、商品情報評価システム、及び商品情報評価方法に関する。
従来、新しい商品やサービスの売上に大きく影響する施策として、例えばユーザへのアンケート等を用いた意識調査や、広告等を含む商品やサービスに関する情報（以下、商品情報）における認知度や質の向上等が挙げられる。市場の動向や傾向をタイムリーに把握することを目的として、例えば特許文献１の配信情報サービスシステム等が開示されている。また、広告効果の評価を目的として、例えば特許文献２の情報処理装置等が開示されている。
特許文献１に開示された情報配信サービスシステムは、Ｗｅｂサイトを訪問した多数のユーザにマーキングすることにより、そのユーザの同サイトにおける情報の参照傾向やアンケートへの回答傾向を収集し続け、マーキングしたそのユーザを意識モデルによる評価関数を基に仮想人格化し、その個々の仮想人格の示す意識傾向を市場意識として捕らえる手段を備える。
特許文献２に開示された情報処理装置は、人間と人工物のインタラクションに関する情報処理装置であって、ユーザとの対話型なインタラクションを行う人工物から前記ユーザへ出力した広告と前記広告の対象物とを対応付けて記憶する対象物記憶部と、前記ユーザとの前記インタラクションにおいて、前記対象物記憶部に記憶されている前記広告又は前記対象物の登場に基づいて前記広告の広告効果を評価する評価部と、を備える。
他方、商品情報に対する意識や評価は、ユーザの年代や性別等（ユーザ属性）毎に異なる場合が多い。この場合、意識調査として、例えば任意に分類されたユーザ属性毎に、有意水準を超える程度のユーザ数を対象とした意識調査を実施する必要がある。このため、１つの商品情報に対するユーザの評価を得る場合、膨大な時間や人件費を消費するという事情がある。
この点、特許文献１及び特許文献２では、ユーザ属性毎に複数のユーザ数を対象とした商品情報の評価に関する開示はされておらず、上述した事情が含まれる。
また、商品情報は、公開前に評価し、評価結果を踏まえて商品情報の質を向上させた後、公開することが望ましい。しかしながら、公開前に複数のユーザに意識調査を実施する場合、ユーザを通じて公開前の商品情報の流出を引き起こす可能性がある。このため、商品情報の流出に伴うユーザの意識低下を引き起こし、商品やサービスの売上低下に結びつく可能性がある。
この点、特許文献１では、個々の仮想人格の示す意識傾向を市場意識として捕らえられるに過ぎず、特定の商品情報に対する評価を得ることができない。このため、上述した問題を解決することができない。
また、特許文献２では、人工物を介して広告をユーザへ出力する。このため、公開前の商品情報に対する評価を得ることができない。仮に、非公開で実施した場合においても、一般ユーザを対象としており、公開前の商品情報の流出を引き起こす可能性がある。このため、上述した問題を解決することができない。
上述した事情により、商品情報を公開せずに商品情報の評価を実施し、商品情報の質の向上を可能にすることが望まれている。
そこで本発明は、上述した問題点に鑑みて案出されたものであり、その目的とするところは、公開前の商品情報の質の向上を図ることが可能となる商品情報評価装置、商品情報評価システム、及び商品情報評価方法を提供することにある。
第１発明に係る商品情報評価装置は、公開前の商品情報を評価する商品情報評価装置であって、第１ユーザ属性の対象となる複数の第１ユーザに基づく複数の第１ユーザ情報を取得するユーザ情報取得部と、予め取得された参照用文字列データベース及び評価文字列データベースから、前記複数の第１ユーザ情報の有するアンケートの質問に対応する第１参照用文字列、及び前記複数の第１ユーザ情報の有するアンケートの回答に対応する第１評価文字列を選択し、前記複数の第１ユーザ情報の有するアンケートの質問及び回答に基づいて、前記第１参照用文字列と前記第１評価文字列との第１関連性を分析し、前記第１ユーザ属性の対象となる前記複数の第１ユーザの特徴を集約した第１仮想ユーザ情報を取得する分析部と、前記第１仮想ユーザ情報を参照して、前記第１評価文字列と、商品情報の文字列に対応する前記第１参照用文字列との第１商品関連性を取得する商品関連性取得部と、前記第１商品関連性に基づいて、評価情報を取得する評価情報取得部と、を備えることを特徴とする。
第２発明に係る商品情報評価装置は、第１発明において、前記分析部は、前記複数の第１ユーザ情報のそれぞれに基づいて、機械学習により前記第１仮想ユーザ情報を取得することを特徴とする。
第３発明に係る商品情報評価装置は、第１発明又は第２発明において、前記商品関連性取得部は、前記第１仮想ユーザ情報を参照して、前記第１評価文字列と、サンプル商品情報の文字列に対応する前記第１参照用文字列とのサンプル商品関連性を取得し、前記評価情報取得部は、前記サンプル商品関連性に基づいて、サンプル評価情報を取得し、前記ユーザ情報取得部は、前記第１ユーザ属性の対象となる第１評価者が、前記サンプル商品情報を評価した第１評価者情報を取得し、前記分析部は、前記第１評価者情報と、前記サンプル評価情報との比較に基づいて、前記第１仮想ユーザ情報を更新することを特徴とする。
第４発明に係る商品情報評価装置は、第１発明〜第３発明の何れかにおいて、前記ユーザ情報取得部は、前記第１ユーザ属性とは異なる第２ユーザ属性の対象となる複数の第２ユーザに基づく複数の第２ユーザ情報を取得し、前記分析部は、前記参照用文字列データベース及び前記評価文字列データベースから、前記複数の第２ユーザ情報の有するアンケートの質問に対応する第２参照用文字列、及び前記複数の第２ユーザ情報の有するアンケートの回答に対応する第２評価文字列を選択し、前記複数の第２ユーザ情報の有するアンケートの質問及び回答に基づいて、前記第２参照用文字列と前記第２評価文字列との第２関連性を分析し、前記第２ユーザ属性の対象となる前記複数の第２ユーザの特徴を集約した第２仮想ユーザ情報を取得し、前記商品関連性取得部は、前記第２仮想ユーザ情報を参照して、前記第２評価文字列と、前記商品情報の文字列に対応する前記第２参照用文字列との第２商品関連性を取得し、前記評価情報取得部は、前記第１商品関連性及び前記第２商品関連性に基づいて、前記評価情報を取得することを特徴とする。
第５発明に係る商品情報評価システムは、公開前の商品情報を評価する商品情報評価システムであって、第１ユーザ属性の対象となる複数の第１ユーザに基づく複数の第１ユーザ情報を取得するユーザ情報取得手段と、予め取得された参照用文字列データベース及び評価文字列データベースから、前記複数の第１ユーザ情報の有するアンケートの質問に対応する第１参照用文字列、及び前記複数の第１ユーザ情報の有するアンケートの回答に対応する第１評価文字列を選択し、前記複数の第１ユーザ情報の有するアンケートの質問及び回答に基づいて、前記第１参照用文字列と前記第１評価文字列との第１関連性を分析し、前記第１ユーザ属性の対象となる前記複数の第１ユーザの特徴を集約した第１仮想ユーザ情報を取得する分析手段と、前記第１仮想ユーザ情報を参照して、前記第１評価文字列と、商品情報の文字列に対応する前記第１参照用文字列との第１商品関連性を取得する商品関連性取得手段と、前記第１商品関連性に基づいて、評価情報を取得する評価情報取得手段と、前記評価情報を報知する報知手段と、を備えることを特徴とする。
第６発明に係る商品情報評価方法は、公開前の商品情報を評価する商品情報評価方法であって、第１ユーザ属性の対象となる複数の第１ユーザに基づく複数の第１ユーザ情報を取得するユーザ情報取得ステップと、予め取得された参照用文字列データベース及び評価文字列データベースから、前記複数の第１ユーザ情報の有するアンケートの質問に対応する第１参照用文字列、及び前記複数の第１ユーザ情報の有するアンケートの回答に対応する第１評価文字列を選択し、前記複数の第１ユーザ情報の有するアンケートの質問及び回答に基づいて、前記第１参照用文字列と前記第１評価文字列との第１関連性を分析し、前記第１ユーザ属性の対象となる前記複数の第１ユーザの特性を集約した第１仮想ユーザ情報を取得する分析ステップと、前記第１仮想ユーザ情報を参照して、前記第１評価文字列と、商品情報の文字列に対応する前記第１参照用文字列との第１商品関連性を取得する商品関連性取得ステップと、前記第１商品関連性に基づいて、評価情報を取得する評価情報取得ステップと、前記評価情報を報知する報知ステップと、を備えることを特徴とする。
第１発明〜第４発明によれば、仮想ユーザ情報を参照して、商品情報を評価した評価情報が取得される。このため、特定のユーザ属性の対象となる複数のユーザの特徴を反映した評価情報を取得することができる。これにより、公開前の商品情報の質の向上を図ることが可能となる。また、特定のユーザ属性を対象とした評価情報を容易に取得することができる。これにより、商品情報を評価するために必要となるユーザ情報の質問量、及び依頼するユーザ数を削減することができるため、時間及び人件費を削減することが可能である。
特に、第２発明によれば、仮想ユーザ情報は、機械学習により取得される。このため、ユーザ情報に含まれない文字列に対応する商品情報に関しても、精度の高い評価情報を取得することができる。これにより、商品情報を評価するために必要となるユーザ情報の質問量、及び依頼するユーザ数を削減することができるため、時間及び人件費を削減することが可能である。
特に、第３発明によれば、分析部が、評価者情報とサンプル評価情報との比較に基づいて、仮想ユーザ情報を更新する。このため、仮想ユーザ情報の評価と、現実のユーザの評価との乖離度が小さくなり、評価情報の精度を向上させることができる。これにより、公開前の商品情報の質の向上を図ることが可能となる。
特に、第４発明によれば、互いに異なるユーザ属性の対象となる複数の仮想ユーザ情報を参照して、評価情報を取得する。このため、複数のユーザ属性を対象とした評価情報を容易に取得することができる。これにより、商品情報を評価するために必要となるユーザ情報の質問量、及び依頼するユーザ数を削減することができるため、時間及び人件費を削減することが可能である。
第５発明によれば、仮想ユーザ情報を参照して商品情報が評価され、評価情報を報知する手段を備える。このため、特定のユーザ属性の対象となる複数のユーザの特徴を反映した評価情報に基づいて、商品情報の再検討ができる。これにより、公開前の商品情報の質の向上を図ることが可能となる。また、特定のユーザ属性を対象とした評価情報を容易に取得することができる。これにより、商品情報を評価するために必要となるユーザ情報の質問量、及び依頼するユーザ数を削減することができるため、時間及び人件費を削減することが可能である。
第６発明によれば、仮想ユーザ情報を参照して商品情報が評価され、評価情報を報知するステップを備える。このため、特定のユーザ属性の対象となる複数のユーザの特徴を反映した評価情報に基づいて、商品情報の再検討ができる。これにより、公開前の商品情報の質の向上を図ることが可能となる。また、特定のユーザ属性を対象とした評価情報を容易に取得することができる。これにより、商品情報を評価するために必要となるユーザ情報の質問量、及び依頼するユーザ数を削減することができるため、時間及び人件費を削減することが可能である。
以下、本発明を適用した実施形態における商品情報評価システムの一例について、図面を参照しながら説明する。
（第１実施形態：商品情報評価システム１００の構成）
図１〜図６を参照して、第１実施形態における商品情報評価システム１００構成の一例について説明する。図１は、本実施形態における商品情報評価システム１００の全体構成を示すブロック図である。
図１〜図６を参照して、第１実施形態における商品情報評価システム１００構成の一例について説明する。図１は、本実施形態における商品情報評価システム１００の全体構成を示すブロック図である。
商品情報評価システム１００は、商品情報評価装置１を備える。商品情報評価装置１は、例えば公衆通信網４を介して、サーバ２、クライアント端末３、及びユーザ端末５の少なくとも何れかと接続される。
＜商品情報評価装置１＞
図２は、本実施形態における商品情報評価装置１により取得された評価情報の一例を示す模式図である。図２に示すように、商品情報評価装置１には、公開前の広告等を含む商品やサービスに関する情報（商品情報）が入力され、商品情報評価装置１は商品情報を取得する。商品情報評価装置１は、仮想ユーザ情報（仮想人格）を参照して、公開前における商品情報の評価情報を取得する。ここで、「商品情報」は、文章等の文字の他、画像及び映像も含む。また、「サービス」は、ウェブ上のサービスや、接客サービス等を含む。また、「公開前」とは、商品情報の発表前、公表前等を含み、商品情報における関係者以外のユーザに対して、商品情報を知る手段（例えば刊行物への記載、テレビ放送やウェブ上における開示）を実施する前の状態を示し、また、特定の企業等に対する商品情報の説明等を実施する前の状態を示す。
図２は、本実施形態における商品情報評価装置１により取得された評価情報の一例を示す模式図である。図２に示すように、商品情報評価装置１には、公開前の広告等を含む商品やサービスに関する情報（商品情報）が入力され、商品情報評価装置１は商品情報を取得する。商品情報評価装置１は、仮想ユーザ情報（仮想人格）を参照して、公開前における商品情報の評価情報を取得する。ここで、「商品情報」は、文章等の文字の他、画像及び映像も含む。また、「サービス」は、ウェブ上のサービスや、接客サービス等を含む。また、「公開前」とは、商品情報の発表前、公表前等を含み、商品情報における関係者以外のユーザに対して、商品情報を知る手段（例えば刊行物への記載、テレビ放送やウェブ上における開示）を実施する前の状態を示し、また、特定の企業等に対する商品情報の説明等を実施する前の状態を示す。
商品情報評価装置１は、複数のユーザ情報に基づいて、仮想ユーザ情報を取得する。複数のユーザ情報は、特定のユーザ属性の対象となる複数のユーザから取得される。ここで、「ユーザ属性」とは、各ユーザを分類するパラメータを示し、例えば年齢、性別、居住地域、職業等を含む。このため、１つの仮想ユーザ情報は、共通のユーザ属性を含む複数のユーザの特徴を有する１つの仮想人格として表現すことができる。商品情報評価装置１は、仮想ユーザ情報を参照して、商品情報を評価した評価情報を取得する。
商品情報評価装置１は、例えば、それぞれ異なるユーザ属性の対象となる複数の仮想ユーザ情報を取得し、各仮想ユーザ情報を参照して、商品情報の評価情報を取得する。図２の場合、第１仮想ユーザ情報は、ユーザ属性「４０代男性、会社員」の対象となる１００人のユーザから取得されたユーザ情報に基づく。第２仮想ユーザ情報は、ユーザ属性「２０代男性、学生」の対象となる９８人のユーザから取得されたユーザ情報に基づく。第３仮想ユーザ情報は、ユーザ属性「３０代女性、主婦」の対象となる１０２人のユーザから取得されたユーザ情報に基づく。各仮想ユーザ情報を参照することで、上述した各ユーザ属性の対象となるユーザの特徴を反映した評価情報を取得できる。なお、図２に示された評価情報の形式は一例であり、評価情報の形式は任意である。
図３（ａ）は、商品情報評価装置１の構成の一例を示す模式図である。商品情報評価装置１として、パーソナルコンピュータ（ＰＣ）等の電子機器が用いられる。図３（ａ）に示すように、商品情報評価装置１は、筐体１０と、ＣＰＵ１０１と、ＲＯＭ１０２と、ＲＡＭ１０３と、記憶部１０４と、Ｉ／Ｆ１０５〜１０７とを備える。各構成１０１〜１０７は、内部バス１１０により接続される。
ＣＰＵ（Central Processing Unit）１０１は、商品情報評価装置１全体を制御する。ＲＯＭ（Read Only Memory）１０２は、ＣＰＵ１０１の動作コードを格納する。ＲＡＭ（Random Access Memory）１０３は、ＣＰＵ１０１の動作時に使用される作業領域である。記憶部１０４は、仮想ユーザ情報等の各種情報が記憶される。記憶部１０４として、例えばＨＤＤ（Hard Disk Drive）の他、ＳＳＤ（solid state drive）等が用いられる。
Ｉ／Ｆ１０５は、公衆通信網４を介してサーバ２等との各種情報の送受信を行うためのインターフェースである。Ｉ／Ｆ１０６は、入力部分１０８との情報の送受信を行うためのインターフェースである。入力部分１０８として、例えばキーボードが用いられ、商品情報評価システム１００の管理者等は、入力部分１０８を介して、各種情報又は商品情報評価装置１の制御コマンド等を入力する。Ｉ／Ｆ１０７は、出力部分１０９との各種情報の送受信を行うためのインターフェースである。出力部分１０９は、記憶部１０４に保存された各種情報、又は商品情報評価装置１の処理状況等を出力する。出力部分１０９として、ディスプレイが用いられ、例えばタッチパネル式でもよい。
図３（ｂ）は、商品情報評価装置１の機能の一例を示す模式図である。商品情報評価装置１は、ユーザ情報取得部１１と、分析部１２と、商品関連性取得部１３と、評価情報取得部１４と、出力部１５と、入力部１６と、情報ＤＢ１７とを備える。なお、図３（ｂ）に示した機能は、ＣＰＵ１０１が、ＲＡＭ１０３を作業領域として、記憶部１０４等に記憶されたプログラムを実行することにより実現される。また、各構成１１〜１７は、例えば人工知能により制御されてもよい。ここで、「人工知能」は、いかなる周知の人工知能技術に基づくものであってもよい。
＜ユーザ情報取得部１１＞
ユーザ情報取得部１１は、各ユーザ属性の対象となる複数のユーザに基づく複数のユーザ情報を取得する。例えば図４に示すように、ｎ種類のユーザ属性（第１ユーザ属性、第２ユーザ属性、…、第ｎユーザ属性）に分類し、各ユーザ属性の対象となるｍ人のユーザに基づくユーザ情報を取得する場合、ユーザ情報取得部１１が取得する総ユーザ情報数は、ｎ×ｍで表される。なお、ユーザ情報数ｍは、例えば評価の有意性を判断する有意水準を超える数である。
ユーザ情報取得部１１は、各ユーザ属性の対象となる複数のユーザに基づく複数のユーザ情報を取得する。例えば図４に示すように、ｎ種類のユーザ属性（第１ユーザ属性、第２ユーザ属性、…、第ｎユーザ属性）に分類し、各ユーザ属性の対象となるｍ人のユーザに基づくユーザ情報を取得する場合、ユーザ情報取得部１１が取得する総ユーザ情報数は、ｎ×ｍで表される。なお、ユーザ情報数ｍは、例えば評価の有意性を判断する有意水準を超える数である。
ユーザ情報は、アンケートの質問及び回答、並びに回答したユーザの対象となるユーザ属性を有する。アンケートの質問として、例えばユーザの嗜好に関する質問の他、広告、商品、サービス、又は特定の記事等に関する印象や関心度等の内容が用いられる。
例えば、アンケートの質問として、「この商品（又はサービス）の紹介テキストを読んで（又は画像を見て）、この商品（又はサービス）への評価を１０段階でお答えください。」、「この会社の紹介テキストを読んで、この会社への評価を１０段階でお答えください。」、「この記事のテキストを読んで、この記事への評価を１０段階でお答えください。」等の表現が用いられる。アンケートの回答形式として、例えば「好き」、「嫌い」等を選択する評価形式の他、１０段階や５段階等の３段階以上の評価度形式が用いられてもよく、質問「好きな場所は？」に対する「東京」等の記述形式が用いられてもよい。
ユーザ情報が文章等の文字を含む場合、ユーザ情報取得部１１は、例えば、単語、形態素、句、節等、あらゆる文法上の構造単位の中から何れか１以上の単位に亘り、ユーザ情報から文字列の抽出を行う。ユーザ情報が画像を含む場合、ユーザ情報取得部１１は、例えば、ユーザ情報として取得した画像の画素毎における輝度値等に基づき特徴量を抽出し、抽出された特徴量から画像を分類する。その後、後述する情報ＤＢ１７に記憶された画像分類データベースを参照して、分類された画像に対応する文字列の抽出を行う。なお、ユーザ情報が映像を含む場合、ユーザ情報取得部１１は、例えば映像を複数の画像として処理する。
＜分析部１２＞
分析部１２は、各ユーザ属性の対象となる複数のユーザ情報に基づいて、評価文字列と参照用文字列との関連性を分析し、仮想ユーザ情報を取得する。ここで、「関連性」とは、図５に示すように、評価文字列と参照用文字列とが、どの程度関連しているかの度合いを示し、例えば１０段階や５段階等の３段階以上の関連度（図５では百分率及び線の特徴で表示）で示される。すなわち、分析部１２は、関連性を分析することで、各ユーザ属性に対応する複数のユーザ情報の特徴を集約し、１つの仮想ユーザ情報として取得することができる。
分析部１２は、各ユーザ属性の対象となる複数のユーザ情報に基づいて、評価文字列と参照用文字列との関連性を分析し、仮想ユーザ情報を取得する。ここで、「関連性」とは、図５に示すように、評価文字列と参照用文字列とが、どの程度関連しているかの度合いを示し、例えば１０段階や５段階等の３段階以上の関連度（図５では百分率及び線の特徴で表示）で示される。すなわち、分析部１２は、関連性を分析することで、各ユーザ属性に対応する複数のユーザ情報の特徴を集約し、１つの仮想ユーザ情報として取得することができる。
評価文字列は、ユーザ情報の回答に対応する文字列を有する。評価文字列として、例えば「好き」、「嫌い」、「得意」、「苦手」、「喜び」、「悲しみ」、「面白い」、「つまらない」、「ほしい」、「いらない」等のユーザの回答から抽出された文字列が用いられる。評価文字列は、仮想ユーザ情報を参照して商品情報の評価情報を取得するとき、評価のパラメータとして用いられる。すなわち、評価文字列の種類が多くなるにつれて、評価情報のパラメータが多くなる。このため、評価文字列を多くすることで、商品情報に対して多角的に評価した結果を取得することができる。
参照用文字列は、アンケートの質問に対応する文字列を有する。参照用文字列として、例えば「関東」、「関西」、「赤」、「青」、「ＰＣ」等のアンケートの質問から抽出された文字列が用いられる。参照用文字列は、仮想ユーザ情報を参照して商品情報の評価情報を取得するとき、評価対象として用いられる。すなわち、参照用文字列の種類が多くなるにつれて、評価情報の評価対象が多くなる。このため、参照用文字列を多くすることで、商品情報に対して詳細に評価した結果を取得することができる。
分析部１２は、例えば複数のユーザ情報に基づいて、機械学習により仮想ユーザ情報を取得する。このため、アンケートの質問内と一部一致又は完全一致の参照用文字列の他、類似（同一概念、類語等を含む）する参照用文字列を用いて、評価文字列との関連性を分析することができる。分析部１２は、例えばアンケートの質問内における複数の文字列の組み合わせに対応する参照用文字列を用いて、評価文字列との関連性を分析してもよい。複数の文字列間の組み合わせとして、例えば、名詞−動詞、名詞−形容詞、形容詞−動詞、名詞−名詞の何れかの組み合わせが用いられる。
＜商品関連性取得部１３＞
商品関連性取得部１３は、仮想ユーザ情報を参照して、評価文字列と、商品情報の文字列に対応する参照用文字列との商品関連性を取得する。商品情報が文章等の文字を含む場合、商品関連性取得部１３は、例えば、単語、形態素、句、節等、あらゆる文法上の構造単位の中から何れか１以上の単位に亘り、商品情報から文字列の抽出を行う。商品情報が画像を含む場合、商品関連性取得部１３は、例えば商品情報として取得した画像の画素毎における輝度値等に基づき特徴量を抽出し、抽出された特徴量から画像を分類する。その後、情報ＤＢ１７に記憶された画像分類データベースを参照して、分類された画像に対応する文字列の抽出を行う。なお、ユーザ情報が映像を含む場合、商品関連性取得部１３は、例えば映像を複数の画像として処理する。
商品関連性取得部１３は、仮想ユーザ情報を参照して、評価文字列と、商品情報の文字列に対応する参照用文字列との商品関連性を取得する。商品情報が文章等の文字を含む場合、商品関連性取得部１３は、例えば、単語、形態素、句、節等、あらゆる文法上の構造単位の中から何れか１以上の単位に亘り、商品情報から文字列の抽出を行う。商品情報が画像を含む場合、商品関連性取得部１３は、例えば商品情報として取得した画像の画素毎における輝度値等に基づき特徴量を抽出し、抽出された特徴量から画像を分類する。その後、情報ＤＢ１７に記憶された画像分類データベースを参照して、分類された画像に対応する文字列の抽出を行う。なお、ユーザ情報が映像を含む場合、商品関連性取得部１３は、例えば映像を複数の画像として処理する。
例えば図６に示すように、仮想ユーザ情報を参照して、商品情報の文字列に対応する参照用文字列、評価文字列、及び関連性（関連度）が商品関連性として取得される。例えば図５に示すように、第１仮想ユーザ情報を参照したとき、参照用文字列「ＰＣ」、評価文字列「得意」、及び関連度「５０％」が取得され、参照用文字列「青」、評価文字列「嫌い」、及び関連度「１５％」が取得される。
また、商品関連性取得部１３は、例えば、取得された商品関連性に類似する参照用文字列、評価文字列、及び関連性を取得してもよい。この場合、例えば参考情報として、参照用文字列「赤」、評価文字列「好き」、及び関連度「１２％」が取得される。なお、商品関連性取得部１３は、参考情報を商品関連性に含ませてもよい。
商品関連性を取得する条件として、商品情報の文字列に対応する参照用文字列と、評価文字列との関連性が一定以上の場合の他、例えば、関連性が一定以下の場合や、一定の範囲内に関連性が含まれる場合等に設定してもよい。商品関連性を取得する関連性の条件は、例えば管理者等が任意に設定できる。なお、商品情報の文字列に類似する参照用文字列が複数存在するとき、例えば関連度が１０±１０％等のバラつきを有してもよい。
＜評価情報取得部１４＞
評価情報取得部１４は、商品関連性に基づいて、評価情報を取得する。評価情報取得部１４は、商品関連性に基づいた任意の評価情報の形式を選択し、評価情報を取得する。評価情報の形式として、例えば図２に示したように、評価の合計及び評価結果が選択される。この他、評価情報の形式として、例えば関連性に基づく１０段階や５段階等の３段階以上の評価度や、評価のヒストグラム等が選択されてもよく、評価形式は管理者等により任意に設計、選択できる。
評価情報取得部１４は、商品関連性に基づいて、評価情報を取得する。評価情報取得部１４は、商品関連性に基づいた任意の評価情報の形式を選択し、評価情報を取得する。評価情報の形式として、例えば図２に示したように、評価の合計及び評価結果が選択される。この他、評価情報の形式として、例えば関連性に基づく１０段階や５段階等の３段階以上の評価度や、評価のヒストグラム等が選択されてもよく、評価形式は管理者等により任意に設計、選択できる。
また、商品関連性に複数の評価文字列が含まれている場合、例えば評価情報の形式として、評価文字列を組み合わせた評価結果の形式を選択してもよい。例えば、図６に示したように、第１仮想ユーザ情報を参照して取得された商品関連性が「ＰＣ」：「得意５０％」、「青」：「嫌い１５％」の場合、評価結果として「青色を他の色に変更することで、好印象となる可能性あり」等のコメントを含む評価情報を取得できるようにしてもよい。このため、ユーザ情報の回答に対応する評価文字列以外の表現を用いて、評価結果を表現することができる。
上記に加え、商品関連性取得部１３において参考情報が取得された場合、例えば評価結果として、「青色を赤色に変更することで、好印象となる可能性あり」等のコメントを含む評価情報を取得できるようにしてもよい。このため、商品情報の評価結果に加えて、改善点を提案することができる。
また、評価情報取得部１４は、例えば、各仮想ユーザ情報を参照して得られた複数の商品関連性に基づいて、評価情報を取得してもよい。このため、複数のユーザ属性を踏まえた多角的な評価情報を取得することができる。
＜出力部１５＞
出力部１５は、評価情報を出力する。出力部１５は、Ｉ／Ｆ１０７を介して出力部分１０９に評価情報を送信する他、例えばＩ／Ｆ１０５を介してクライアント端末３等に評価情報を送信してもよい。出力部１５は、評価情報の他、例えばユーザ情報等の各種情報を送信してもよい。
出力部１５は、評価情報を出力する。出力部１５は、Ｉ／Ｆ１０７を介して出力部分１０９に評価情報を送信する他、例えばＩ／Ｆ１０５を介してクライアント端末３等に評価情報を送信してもよい。出力部１５は、評価情報の他、例えばユーザ情報等の各種情報を送信してもよい。
評価情報を受信した出力部分１０９又はクライアント端末３等は、評価情報を報知する。報知の形式として、例えば、図２に示したようなテキスト形式の他、音声形式、グラフ、表等の評価値に基づいた形式、評価結果に基づいて顔の表情を変化（笑顔、怪訝な表情等）の可視化された形式にしてもよい。
＜入力部１６＞
入力部１６は、商品情報評価装置１に入力されたユーザ情報等の各種情報を受信する。入力部１６は、Ｉ／Ｆ１０６を介して入力部分１０８から入力された各種情報を受信する他、例えばＩ／Ｆ１０５を介してクライアント端末３又はユーザ端末５等から入力された各種情報を受信する。
入力部１６は、商品情報評価装置１に入力されたユーザ情報等の各種情報を受信する。入力部１６は、Ｉ／Ｆ１０６を介して入力部分１０８から入力された各種情報を受信する他、例えばＩ／Ｆ１０５を介してクライアント端末３又はユーザ端末５等から入力された各種情報を受信する。
＜情報ＤＢ１７＞
情報ＤＢ１７には、ユーザ情報データベース、画像分類データベース、評価文字列データベース、参照用文字列データベース、仮想ユーザ情報データベース、商品関連性データベース、評価形式データベース、評価情報データベース等の各種情報が記憶される。情報ＤＢ１７には、例えば、アンケートの質問データベース及び回答データベース、並びにユーザ属性データベースが記憶されてもよい。各構成１１〜１６は、必要に応じて情報ＤＢ１７に各種情報を記憶させ、又は各種情報を取出す。なお、「データベース」とは、各種情報に分類された情報（データ）の集まりを示す。
情報ＤＢ１７には、ユーザ情報データベース、画像分類データベース、評価文字列データベース、参照用文字列データベース、仮想ユーザ情報データベース、商品関連性データベース、評価形式データベース、評価情報データベース等の各種情報が記憶される。情報ＤＢ１７には、例えば、アンケートの質問データベース及び回答データベース、並びにユーザ属性データベースが記憶されてもよい。各構成１１〜１６は、必要に応じて情報ＤＢ１７に各種情報を記憶させ、又は各種情報を取出す。なお、「データベース」とは、各種情報に分類された情報（データ）の集まりを示す。
＜サーバ２＞
サーバ２には、各種情報に関するデータベースが記憶されている。このデータベースには、例えば公衆通信網４を介して送られてきた情報が蓄積される。サーバ２には、例えば情報ＤＢ１７と同様の情報が記憶され、公衆通信網４を介して商品情報評価装置１と各種情報の送受信が行われてもよい。
サーバ２には、各種情報に関するデータベースが記憶されている。このデータベースには、例えば公衆通信網４を介して送られてきた情報が蓄積される。サーバ２には、例えば情報ＤＢ１７と同様の情報が記憶され、公衆通信網４を介して商品情報評価装置１と各種情報の送受信が行われてもよい。
＜クライアント端末３＞
クライアント端末３は、商品情報評価装置１を利用するクライアントが保有する。クライアント端末３として、例えば、パーソナルコンピュータ等の電子機器が用いられる。
クライアント端末３は、商品情報評価装置１を利用するクライアントが保有する。クライアント端末３として、例えば、パーソナルコンピュータ等の電子機器が用いられる。
＜公衆通信網４＞
公衆通信網４は、商品情報評価装置１及びクライアント端末３等が通信回路を介して接続されるインターネット網等である。公衆通信網４は、いわゆる光ファイバ通信網で構成されてもよい。また、公衆通信網４は、有線通信網には限定されず、無線通信網で実現してもよい。
公衆通信網４は、商品情報評価装置１及びクライアント端末３等が通信回路を介して接続されるインターネット網等である。公衆通信網４は、いわゆる光ファイバ通信網で構成されてもよい。また、公衆通信網４は、有線通信網には限定されず、無線通信網で実現してもよい。
＜ユーザ端末５＞
ユーザ端末５として、主に携帯電話が用いられ、それ以外ではスマートフォン、タブレット型端末、ウェアラブル端末、パーソナルコンピュータ、ＩｏＴ（Internet of Things）デバイス等の電子機器の他、あらゆる電子機器で具現化されたものが用いられてもよい。ユーザは、例えばユーザ端末５を用いてアンケートの質問を商品情報評価装置１から受信し、回答をユーザ情報として商品情報評価装置１に送信する。
ユーザ端末５として、主に携帯電話が用いられ、それ以外ではスマートフォン、タブレット型端末、ウェアラブル端末、パーソナルコンピュータ、ＩｏＴ（Internet of Things）デバイス等の電子機器の他、あらゆる電子機器で具現化されたものが用いられてもよい。ユーザは、例えばユーザ端末５を用いてアンケートの質問を商品情報評価装置１から受信し、回答をユーザ情報として商品情報評価装置１に送信する。
（第１実施形態：商品情報評価システム１００の動作）
次に、本実施形態における商品情報評価システム１００の動作の一例について説明する。図７は、本実施形態における商品情報評価システム１００の動作の一例を示すフローチャートである。
次に、本実施形態における商品情報評価システム１００の動作の一例について説明する。図７は、本実施形態における商品情報評価システム１００の動作の一例を示すフローチャートである。
＜ユーザ情報取得手段：ステップＳ１１０＞
図７に示すように、先ず、各ユーザ属性の対象となる複数のユーザから、複数のユーザ情報を取得する（ユーザ情報取得手段：ステップＳ１１０）。ユーザ情報取得部１１は、商品情報評価装置１に入力されたユーザ情報を取得する。
図７に示すように、先ず、各ユーザ属性の対象となる複数のユーザから、複数のユーザ情報を取得する（ユーザ情報取得手段：ステップＳ１１０）。ユーザ情報取得部１１は、商品情報評価装置１に入力されたユーザ情報を取得する。
ユーザ情報は、管理者等により入力部分１０８を介して入力される他、例えば、公衆通信網４を介して各ユーザ端末５等から入力されてもよく、予め情報ＤＢ１７又はサーバ２に記憶させて、必要に応じてユーザ情報取得部１１に取出されてもよい。この他、予めクライアント等が保有するユーザ情報の内、必要なユーザ情報のみをユーザ情報取得部１１が取得してもよい。
ユーザ情報取得部１１は、取得したユーザ情報から文字列の抽出を行った後、ユーザ情報を情報ＤＢ１７に記憶させる。ユーザ情報取得部１１は、ユーザ属性毎に複数のユーザ情報を分割して情報ＤＢ１７に記憶させる他、例えばユーザ情報を、質問データ、回答データ、及びユーザ属性データに分割し、各データを情報ＤＢ１７に記憶させてもよい。
例えば、ユーザ情報としてアンケートの回答のみが、ユーザ端末５から送信されてもよい。この場合、ユーザ情報取得部１１は、ユーザ情報を送信したユーザ端末５のアドレス等に基づき、情報ＤＢ１７に記憶されたユーザ属性データベースを参照して、ユーザ属性を特定してもよい。同様に、ユーザ情報取得部１１は、情報ＤＢ１７に記憶された質問データベースを参照して、アンケートの回答に対応する質問を特定してもよい。
また、ユーザ情報取得部１１は、例えば複数種類のユーザ属性の対象となるユーザ情報を取得した後、特定のユーザ属性毎に分類して情報ＤＢ１７に記憶させてもよい。
なお、ユーザ情報取得部１１は、取得したユーザ情報を未処理の状態で情報ＤＢ１７に記憶させてもよく、この場合、上述したユーザ情報から文字列の抽出は、分析部１２が実施してもよい。
＜分析手段：ステップＳ１２０＞
次に、複数のユーザ情報に基づいて、予め取得された評価文字列と参照用文字列との関連性を分析し、仮想ユーザ情報を取得する（分析手段：ステップＳ１２０）。分析部１２は、情報ＤＢ１７から評価文字列データベース、参照用文字列データベース、及びユーザ情報を取出す。
次に、複数のユーザ情報に基づいて、予め取得された評価文字列と参照用文字列との関連性を分析し、仮想ユーザ情報を取得する（分析手段：ステップＳ１２０）。分析部１２は、情報ＤＢ１７から評価文字列データベース、参照用文字列データベース、及びユーザ情報を取出す。
分析部１２は、図５に示すように、ユーザ情報の回答に対応する評価文字列を評価文字列データベースから選択し、ユーザ情報の質問に対応する参照用文字列を参照用文字列データベースから選択する。このとき、回答に対応する評価文字列、及び質問に対応する参照用文字列として、回答及び質問の文字列と一部一致又は完全一致の他、類似する評価文字列及び参照用文字列が選択されてもよい。その後、分析部１２は、選択した評価文字列と参照用文字列との関連性を分析する。
例えば、質問が、「関東は好き？」であり、回答が「好き」を回答した場合、参照用文字列「関東」と、評価文字列「好き」との関連度が高まる。このようにして、各ユーザ属性の対象となる複数のユーザ情報の関連性を分析することで、各ユーザ属性の対象となるユーザの特徴を集約した仮想ユーザ情報が取得される。分析部１２は、取得した仮想ユーザ情報を、情報ＤＢ１７に記憶させる。
＜商品関連性取得手段：ステップＳ１３０＞
次に、仮想ユーザ情報を参照して、評価文字列と、商品情報の文字列に対応する参照用文字列との商品関連性を取得する（商品関連性取得手段：ステップＳ１３０）。商品関連性取得部１３は、情報ＤＢ１７から商品情報及び仮想ユーザ情報を取出す。商品情報は、予め管理者等により入力部分１０８を介して入力される他、例えば、公衆通信網４を介してクライアント端末３等から入力され、入力部１６を介して情報ＤＢ１７に記憶される。
次に、仮想ユーザ情報を参照して、評価文字列と、商品情報の文字列に対応する参照用文字列との商品関連性を取得する（商品関連性取得手段：ステップＳ１３０）。商品関連性取得部１３は、情報ＤＢ１７から商品情報及び仮想ユーザ情報を取出す。商品情報は、予め管理者等により入力部分１０８を介して入力される他、例えば、公衆通信網４を介してクライアント端末３等から入力され、入力部１６を介して情報ＤＢ１７に記憶される。
商品関連性取得部１３は、商品情報から文字列の抽出を行う。商品関連性取得部１３は、仮想ユーザ情報内の参照文字列から、商品情報の文字列に対応する参照用文字列を選択する。このとき、商品情報の文字列に対応する参照用文字列として、商品情報の文字列と一部一致又は完全一致の他、類似する参照用文字列が選択されてもよい。商品関連性取得部１３は、例えば商品情報内における複数の文字列の組み合わせに対応する参照用文字列を選択してもよい。複数の文字列間の組み合わせとして、例えば、名詞−動詞、名詞−形容詞、形容詞−動詞、名詞−名詞の何れかの組み合わせが用いられる。
その後、商品関連性取得部１３は、図６に示すように、選択された参照用文字列、評価文字列、及び関連性を、商品関連性として取得する。商品関連性取得部１３は、例えば、取得した商品関連性に類似する参照用文字列を選択し、関連性の高い評価文字列を参考情報として取得してもよい。商品関連性取得部１３は、取得した商品関連性及び参考情報を、情報ＤＢ１７に記憶させる。
＜評価情報取得手段：ステップＳ１４０＞
次に、商品関連性に基づいて、評価情報を取得する（評価情報取得手段：ステップＳ１４０）。評価情報取得部１４は、情報ＤＢ１７から評価形式データベース及び商品関連性を取出し、必要に応じて参考情報を取出す。評価情報取得部１４は、商品関連性に基づいて、評価形式データベースを参照して評価情報の形式を選択し、評価情報を取得する。評価情報取得部１４は、取得された評価情報を、情報ＤＢ１７に記憶させる。なお、評価情報の形式は、管理者等により入力部分１０８を介して選択されてもよい。また、評価情報取得部１４は、商品関連性を評価情報として取得してもよい。
次に、商品関連性に基づいて、評価情報を取得する（評価情報取得手段：ステップＳ１４０）。評価情報取得部１４は、情報ＤＢ１７から評価形式データベース及び商品関連性を取出し、必要に応じて参考情報を取出す。評価情報取得部１４は、商品関連性に基づいて、評価形式データベースを参照して評価情報の形式を選択し、評価情報を取得する。評価情報取得部１４は、取得された評価情報を、情報ＤＢ１７に記憶させる。なお、評価情報の形式は、管理者等により入力部分１０８を介して選択されてもよい。また、評価情報取得部１４は、商品関連性を評価情報として取得してもよい。
＜報知手段：ステップＳ１５０＞
次に、評価情報を報知する（報知手段：ステップＳ１５０）。出力部１５は、情報ＤＢ１７から評価情報を取得し、出力部分１０９に評価情報を送信する。出力部分１０９は、受信した評価情報を報知する。出力部１５は、出力部分１０９に評価情報を送信する他、公衆通信網４を介してクライアント端末３に評価情報を送信してもよい。この場合、クライアント端末３は、受信した評価情報を報知する。これにより、本実施形態の商品情報評価システム１００の動作が終了する。なお、上述した動作は、ステップＳ１１０及びステップＳ１２０を行ったあと、異なる商品情報を用いてステップＳ１３０〜ステップＳ１５０を繰り返し行ってもよい。また、ステップＳ１１０〜ステップＳ１４０において、各種情報を情報ＤＢ１７に記憶したが、各種情報を情報ＤＢ１７に記憶させずに次のステップを行ってもよい。
次に、評価情報を報知する（報知手段：ステップＳ１５０）。出力部１５は、情報ＤＢ１７から評価情報を取得し、出力部分１０９に評価情報を送信する。出力部分１０９は、受信した評価情報を報知する。出力部１５は、出力部分１０９に評価情報を送信する他、公衆通信網４を介してクライアント端末３に評価情報を送信してもよい。この場合、クライアント端末３は、受信した評価情報を報知する。これにより、本実施形態の商品情報評価システム１００の動作が終了する。なお、上述した動作は、ステップＳ１１０及びステップＳ１２０を行ったあと、異なる商品情報を用いてステップＳ１３０〜ステップＳ１５０を繰り返し行ってもよい。また、ステップＳ１１０〜ステップＳ１４０において、各種情報を情報ＤＢ１７に記憶したが、各種情報を情報ＤＢ１７に記憶させずに次のステップを行ってもよい。
本実施形態によれば、仮想ユーザ情報を参照して、商品情報を評価した評価情報が取得される。このため、特定のユーザ属性の対象となる複数のユーザの特徴を反映した評価情報を取得することができる。これにより、公開前の商品情報の質の向上を図ることが可能となる。
また、本実施形態によれば、特定のユーザ属性を対象とした評価情報を容易に取得することができる。これにより、商品情報を評価するために必要となるユーザ情報の質問量、及び依頼するユーザ数を削減することができるため、時間及び人件費を削減することが可能である。
また、本実施形態によれば、仮想ユーザ情報は、機械学習により取得される。このため、ユーザ情報に含まれない文字列に対応する商品情報に関しても、精度の高い評価情報を取得することができる。これにより、商品情報を評価するために必要となるユーザ情報の質問量、及び依頼するユーザ数を削減することができるため、時間及び人件費を削減することが可能である。
また、本実施形態によれば、互いに異なるユーザ属性の対象となる複数の仮想ユーザ情報を参照して、評価情報を取得する。このため、複数のユーザ属性を対象とした評価情報を容易に取得することができる。これにより、商品情報を評価するために必要となるユーザ情報の質問量、及び依頼するユーザ数を削減することができるため、時間及び人件費を削減することが可能である。
また、本実施形態によれば、仮想ユーザ情報を参照して商品情報が評価され、評価情報を報知する手段（ステップＳ１５０）を備える。このため、特定のユーザ属性の対象となる複数のユーザの特徴を反映した評価情報に基づいて、商品情報の再検討ができる。これにより、公開前の商品情報の質の向上を図ることが可能となる。また、特定のユーザ属性を対象とした評価情報を容易に取得することができる。これにより、商品情報を評価するために必要となるユーザ情報の質問量、及び依頼するユーザ数を削減することができるため、時間及び人件費を削減することが可能である。
また、本実施形態によれば、仮想ユーザ情報を参照して商品情報が評価され、評価情報を報知するステップＳ１５０を備える。このため、特定のユーザ属性の対象となる複数のユーザの特徴を反映した評価情報に基づいて、商品情報の再検討ができる。これにより、公開前の商品情報の質の向上を図ることが可能となる。また、特定のユーザ属性を対象とした評価情報を容易に取得することができる。これにより、商品情報を評価するために必要となるユーザ情報の質問量、及び依頼するユーザ数を削減することができるため、時間及び人件費を削減することが可能である。
また、本実施形態によれば、仮想ユーザ情報は、例えば３段階以上の関連度を有する。このため、仮想ユーザ情報の精度を向上させることができる。これにより、公開前の商品情報の質をさらに向上させることが可能となる。また、評価情報は、例えば３段階以上の評価度を有する。このため、商品情報に関する精度の高い評価情報を取得することができる。これにより、公開前の商品情報の質をさらに向上させることが可能となる。
（第２実施形態：商品情報評価システム１００の構成）
次に、図８を参照して、第２実施形態における商品情報評価システム１００の一例について説明する。第２実施形態と、第１実施形態との違いは、分析部１２が、評価者情報とサンプル評価情報との比較に基づいて、仮想ユーザ情報を更新する点である。上述した実施形態と同じ部分に関しては、説明を省略する。
次に、図８を参照して、第２実施形態における商品情報評価システム１００の一例について説明する。第２実施形態と、第１実施形態との違いは、分析部１２が、評価者情報とサンプル評価情報との比較に基づいて、仮想ユーザ情報を更新する点である。上述した実施形態と同じ部分に関しては、説明を省略する。
図８は、本実施形態における仮想ユーザ情報を更新する一例を示す模式図である。図８に示すように、仮想ユーザ情報の更新には、サンプル商品情報が用いられる。サンプル商品情報は、仮想ユーザ情報を更新するための情報であり、公開前後の条件は問わない。
商品関連性取得部１３は、仮想ユーザ情報を参照して、評価文字列と、サンプル商品情報の文字列に対応する参照文字列とのサンプル商品関連性を取得する。評価情報取得部１４は、サンプル商品関連性に基づいて、サンプル評価情報を取得する。
ユーザ情報取得部１１は、仮想ユーザ情報のユーザ属性の対象となる評価者が、サンプル商品情報を評価した評価者情報を取得する。評価者は、１人以上の実在するユーザであり、仮想ユーザ情報のユーザ属性の対象であれば、任意で選択できる。
分析部１２は、評価者情報と、サンプル評価情報との比較に基づいて、仮想ユーザ情報を更新する。例えば、評価者情報の評価結果が「Ｂ判定」に対し、サンプル評価情報の評価結果が「Ａ判定」となり、各情報の評価結果が異なる（乖離度が大きい）場合がある。このとき、分析部１２は、各評価結果の乖離度が大きい原因として、サンプル商品関連性の「関東」：「嫌い１０％」の関連度と判断し、関連度を「１０％」から「２０％」に修正する。このように、分析部１２は、サンプル評価情報と評価者情報との乖離度を小さくするように、仮想ユーザ情報を更新する。
（第２実施形態：商品情報評価システム１００の動作）
次に、本実施形態における商品情報評価システム１００の動作の一例について説明する。図９は、本実施形態における商品情報評価システム１００の動作の一例を示すフローチャートである。
次に、本実施形態における商品情報評価システム１００の動作の一例について説明する。図９は、本実施形態における商品情報評価システム１００の動作の一例を示すフローチャートである。
図９に示すように、ステップＳ１１０〜ステップＳ１５０までは、上述した実施形態と同様である。
＜サンプル商品関連性を取得する手段：ステップＳ１６０＞
次に、サンプル商品関連性を取得する（ステップＳ１６０）。商品関連性取得部１３は、情報ＤＢ１７からサンプル商品情報及び仮想ユーザ情報を取出す。サンプル商品情報は、予め管理者等により入力部分１０８を介して入力される他、例えば、公衆通信網４を介してインターネット上等から取得され、入力部１６を介して情報ＤＢ１７に記憶される。
次に、サンプル商品関連性を取得する（ステップＳ１６０）。商品関連性取得部１３は、情報ＤＢ１７からサンプル商品情報及び仮想ユーザ情報を取出す。サンプル商品情報は、予め管理者等により入力部分１０８を介して入力される他、例えば、公衆通信網４を介してインターネット上等から取得され、入力部１６を介して情報ＤＢ１７に記憶される。
商品関連性取得部１３は、サンプル商品情報から文字列の抽出を行う。商品関連性取得部１３は、仮想ユーザ情報内の参照文字列から、サンプル商品情報の文字列に対応する参照用文字列を選択する。このとき、サンプル商品情報の文字列に対応する参照用文字列として、サンプル商品情報の文字列と一部一致又は完全一致の他、類似する参照用文字列が選択されてもよい。
その後、商品関連性取得部１３は、図８に示すように、選択された参照用文字列、評価文字列、及び関連性を、サンプル商品関連性として取得する。商品関連性取得部１３は、取得したサンプル商品関連性を、情報ＤＢ１７に記憶させる。
＜サンプル評価情報を取得する手段：ステップＳ１７０＞
次に、サンプル評価情報を取得する（ステップＳ１７０）。評価情報取得部１４は、情報ＤＢ１７から評価形式データベース及びサンプル商品関連性を取出す。評価情報取得部１４は、サンプル商品関連性に基づいて、評価形式データベースを参照して評価情報の形式を選択し、サンプル評価情報を取得する。評価情報取得部１４は、取得されたサンプル評価情報を、情報ＤＢ１７に記憶させる。
次に、サンプル評価情報を取得する（ステップＳ１７０）。評価情報取得部１４は、情報ＤＢ１７から評価形式データベース及びサンプル商品関連性を取出す。評価情報取得部１４は、サンプル商品関連性に基づいて、評価形式データベースを参照して評価情報の形式を選択し、サンプル評価情報を取得する。評価情報取得部１４は、取得されたサンプル評価情報を、情報ＤＢ１７に記憶させる。
＜評価者情報を取得する手段：ステップＳ１８０＞
次に、評価者情報を取得する（ステップＳ１８０）。ユーザ情報取得部１１は、ステップＳ１６０で用いた仮想ユーザ情報のユーザ属性の対象となる評価者が、サンプル商品情報を評価した評価者情報を取得する。評価者情報の形式は、サンプル評価情報の形式と同様である。
次に、評価者情報を取得する（ステップＳ１８０）。ユーザ情報取得部１１は、ステップＳ１６０で用いた仮想ユーザ情報のユーザ属性の対象となる評価者が、サンプル商品情報を評価した評価者情報を取得する。評価者情報の形式は、サンプル評価情報の形式と同様である。
ユーザ情報取得部１１は、商品情報評価装置１に入力された評価者情報を取得する。評価者情報は、管理者等により入力部分１０８を介して入力される他、例えば、公衆通信網４を介して評価者の保有するユーザ端末５等から入力されてもよく、予め情報ＤＢ１７又はサーバ２に記憶させて、必要に応じてユーザ情報取得部１１に取出されてもよい。ユーザ情報取得部１１は、評価者情報を情報ＤＢ１７に記憶させる。
＜仮想ユーザ情報を更新する手段：ステップＳ１９０＞
次に、仮想ユーザ情報を更新する（ステップＳ１９０）。分析部１２は、情報ＤＢ１７から評価者情報及びサンプル評価情報を取出す。分析部１２は、例えば評価者情報を基準として、サンプル評価情報の乖離度を算出する。分析部１２は、算出された乖離度の原因となるサンプル商品関連性の評価文字列、参照用文字列、及び関連性を選択する。分析部１２は、乖離度を小さくするように、選択された商品関連性の評価文字列、参照用文字列、及び関連性を修正する。これにより、仮想ユーザ情報が更新される。分析部１２は、更新した仮想ユーザ情報を情報ＤＢ１７に記憶させる。これにより、本実施形態の商品情報評価システム１００の動作が終了する。
次に、仮想ユーザ情報を更新する（ステップＳ１９０）。分析部１２は、情報ＤＢ１７から評価者情報及びサンプル評価情報を取出す。分析部１２は、例えば評価者情報を基準として、サンプル評価情報の乖離度を算出する。分析部１２は、算出された乖離度の原因となるサンプル商品関連性の評価文字列、参照用文字列、及び関連性を選択する。分析部１２は、乖離度を小さくするように、選択された商品関連性の評価文字列、参照用文字列、及び関連性を修正する。これにより、仮想ユーザ情報が更新される。分析部１２は、更新した仮想ユーザ情報を情報ＤＢ１７に記憶させる。これにより、本実施形態の商品情報評価システム１００の動作が終了する。
本実施形態によれば、上述した実施形態と同様に、仮想ユーザ情報を参照して、商品情報を評価した評価情報が取得される。このため、特定のユーザ属性の対象となる複数のユーザの特徴を反映した評価情報を取得することができる。これにより、公開前の商品情報の質の向上を図ることが可能となる。
また、本実施形態によれば、上述した実施形態と同様に、特定のユーザ属性を対象とした評価情報を容易に取得することができる。これにより、商品情報を評価するために必要となるユーザ情報の質問量、及び依頼するユーザ数を削減することができるため、時間及び人件費を削減することが可能である。
また、本実施形態によれば、分析部１２が、評価者情報とサンプル評価情報との比較に基づいて、仮想ユーザ情報を更新する。このため、仮想ユーザ情報の評価と、現実のユーザの評価との乖離度が小さくなり、評価情報の精度を向上させることができる。これにより、公開前の商品情報の質の向上を図ることが可能となる。
本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。
１…商品情報評価装置、
１０…筐体、
１１…ユーザ情報取得部、
１２…分析部、
１３…商品関連性取得部、
１４…評価情報取得部、
１５…出力部、
１６…入力部、
１７…情報ＤＢ、
１００…商品情報評価システム、
１０１…ＣＰＵ、
１０２…ＲＯＭ、
１０３…ＲＡＭ、
１０４…記憶部、
１０５〜１０７…Ｉ／Ｆ、
１０８…入力部分、
１０９…出力部分、
１１０…内部バス、
２…サーバ、
３…クライアント端末、
４…公衆通信網、
５…ユーザ端末
１０…筐体、
１１…ユーザ情報取得部、
１２…分析部、
１３…商品関連性取得部、
１４…評価情報取得部、
１５…出力部、
１６…入力部、
１７…情報ＤＢ、
１００…商品情報評価システム、
１０１…ＣＰＵ、
１０２…ＲＯＭ、
１０３…ＲＡＭ、
１０４…記憶部、
１０５〜１０７…Ｉ／Ｆ、
１０８…入力部分、
１０９…出力部分、
１１０…内部バス、
２…サーバ、
３…クライアント端末、
４…公衆通信網、
５…ユーザ端末
Claims (6)
- 公開前の商品情報を評価する商品情報評価装置であって、
第１ユーザ属性の対象となる複数の第１ユーザに基づく複数の第１ユーザ情報を取得するユーザ情報取得部と、
予め取得された参照用文字列データベース及び評価文字列データベースから、前記複数の第１ユーザ情報の有するアンケートの質問に対応する第１参照用文字列、及び前記複数の第１ユーザ情報の有するアンケートの回答に対応する第１評価文字列を選択し、前記複数の第１ユーザ情報の有するアンケートの質問及び回答に基づいて、前記第１参照用文字列と前記第１評価文字列との第１関連性を分析し、前記第１ユーザ属性の対象となる前記複数の第１ユーザの特徴を集約した第１仮想ユーザ情報を取得する分析部と、
前記第１仮想ユーザ情報を参照して、前記第１評価文字列と、商品情報の文字列に対応する前記第１参照用文字列との第１商品関連性を取得する商品関連性取得部と、
前記第１商品関連性に基づいて、評価情報を取得する評価情報取得部と、
を備えることを特徴とする商品情報評価装置。 - 前記分析部は、前記複数の第１ユーザ情報のそれぞれに基づいて、機械学習により前記第１仮想ユーザ情報を取得すること
を特徴とする請求項１記載の商品情報評価装置。 - 前記商品関連性取得部は、前記第１仮想ユーザ情報を参照して、前記第１評価文字列と、サンプル商品情報の文字列に対応する前記第１参照用文字列とのサンプル商品関連性を取得し、
前記評価情報取得部は、前記サンプル商品関連性に基づいて、サンプル評価情報を取得し、
前記ユーザ情報取得部は、前記第１ユーザ属性の対象となる第１評価者が、前記サンプル商品情報を評価した第１評価者情報を取得し、
前記分析部は、前記第１評価者情報と、前記サンプル評価情報との比較に基づいて、前記第１仮想ユーザ情報を更新すること
を特徴とする請求項１又は２記載の商品情報評価装置。 - 前記ユーザ情報取得部は、前記第１ユーザ属性とは異なる第２ユーザ属性の対象となる複数の第２ユーザに基づく複数の第２ユーザ情報を取得し、
前記分析部は、前記参照用文字列データベース及び前記評価文字列データベースから、前記複数の第２ユーザ情報の有するアンケートの質問に対応する第２参照用文字列、及び前記複数の第２ユーザ情報の有するアンケートの回答に対応する第２評価文字列を選択し、前記複数の第２ユーザ情報の有するアンケートの質問及び回答に基づいて、前記第２参照用文字列と前記第２評価文字列との第２関連性を分析し、前記第２ユーザ属性の対象となる前記複数の第２ユーザの特徴を集約した第２仮想ユーザ情報を取得し、
前記商品関連性取得部は、前記第２仮想ユーザ情報を参照して、前記第２評価文字列と、前記商品情報の文字列に対応する前記第２参照用文字列との第２商品関連性を取得し、
前記評価情報取得部は、前記第１商品関連性及び前記第２商品関連性に基づいて、前記評価情報を取得すること
を特徴とする請求項１〜３の何れか１項記載の商品情報評価装置。 - 公開前の商品情報を評価する商品情報評価システムであって、
第１ユーザ属性の対象となる複数の第１ユーザに基づく複数の第１ユーザ情報を取得するユーザ情報取得手段と、
予め取得された参照用文字列データベース及び評価文字列データベースから、前記複数の第１ユーザ情報の有するアンケートの質問に対応する第１参照用文字列、及び前記複数の第１ユーザ情報の有するアンケートの回答に対応する第１評価文字列を選択し、前記複数の第１ユーザ情報の有するアンケートの質問及び回答に基づいて、前記第１参照用文字列と前記第１評価文字列との第１関連性を分析し、前記第１ユーザ属性の対象となる前記複数の第１ユーザの特徴を集約した第１仮想ユーザ情報を取得する分析手段と、
前記第１仮想ユーザ情報を参照して、前記第１評価文字列と、商品情報の文字列に対応する前記第１参照用文字列との第１商品関連性を取得する商品関連性取得手段と、
前記第１商品関連性に基づいて、評価情報を取得する評価情報取得手段と、
前記評価情報を報知する報知手段と、
を備えることを特徴とする商品情報評価システム。 - 公開前の商品情報を評価する商品情報評価方法であって、
第１ユーザ属性の対象となる複数の第１ユーザに基づく複数の第１ユーザ情報を取得するユーザ情報取得ステップと、
予め取得された参照用文字列データベース及び評価文字列データベースから、前記複数の第１ユーザ情報の有するアンケートの質問に対応する第１参照用文字列、及び前記複数の第１ユーザ情報の有するアンケートの回答に対応する第１評価文字列を選択し、前記複数の第１ユーザ情報の有するアンケートの質問及び回答に基づいて、前記第１参照用文字列と前記第１評価文字列との第１関連性を分析し、前記第１ユーザ属性の対象となる前記複数の第１ユーザの特性を集約した第１仮想ユーザ情報を取得する分析ステップと、
前記第１仮想ユーザ情報を参照して、前記第１評価文字列と、商品情報の文字列に対応する前記第１参照用文字列との第１商品関連性を取得する商品関連性取得ステップと、
前記第１商品関連性に基づいて、評価情報を取得する評価情報取得ステップと、
前記評価情報を報知する報知ステップと、
を備えることを特徴とする商品情報評価方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016219608A JP6096368B1 (ja) | 2016-11-10 | 2016-11-10 | 商品情報評価装置、商品情報評価システム、及び商品情報評価方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016219608A JP6096368B1 (ja) | 2016-11-10 | 2016-11-10 | 商品情報評価装置、商品情報評価システム、及び商品情報評価方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP6096368B1 true JP6096368B1 (ja) | 2017-03-15 |
| JP2018077703A JP2018077703A (ja) | 2018-05-17 |
Family
ID=58281131
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2016219608A Active JP6096368B1 (ja) | 2016-11-10 | 2016-11-10 | 商品情報評価装置、商品情報評価システム、及び商品情報評価方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6096368B1 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110069540A (zh) * | 2017-09-08 | 2019-07-30 | 北京京东尚科信息技术有限公司 | 信息输出方法和装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007219880A (ja) * | 2006-02-17 | 2007-08-30 | Fujitsu Ltd | 評判情報処理プログラム、方法及び装置 |
| JP2012113421A (ja) * | 2010-11-22 | 2012-06-14 | Nippon Telegr & Teleph Corp <Ntt> | 信頼関係強度推定装置、信頼関係強度推定方法、評価値予測装置、評価値予測方法、及びプログラム |
-
2016
- 2016-11-10 JP JP2016219608A patent/JP6096368B1/ja active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007219880A (ja) * | 2006-02-17 | 2007-08-30 | Fujitsu Ltd | 評判情報処理プログラム、方法及び装置 |
| JP2012113421A (ja) * | 2010-11-22 | 2012-06-14 | Nippon Telegr & Teleph Corp <Ntt> | 信頼関係強度推定装置、信頼関係強度推定方法、評価値予測装置、評価値予測方法、及びプログラム |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110069540A (zh) * | 2017-09-08 | 2019-07-30 | 北京京东尚科信息技术有限公司 | 信息输出方法和装置 |
| CN110069540B (zh) * | 2017-09-08 | 2021-12-14 | 北京京东尚科信息技术有限公司 | 信息输出方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2018077703A (ja) | 2018-05-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220019853A1 (en) | Systems, methods, and storage media for training a machine learning model | |
| Bonilla et al. | The interaction of Instagram followers in the fast fashion sector: The case of Hennes and Mauritz (H&M) | |
| US20210264161A1 (en) | Systems and methods for image or video performance heat map generation | |
| US20150317753A1 (en) | Job recommendation engine using a company employee profile | |
| CN109840793B (zh) | 推广信息的推送方法和装置、存储介质、电子装置 | |
| EP3189449A2 (en) | Sentiment rating system and method | |
| JP2019527395A (ja) | コンテンツを効果的に配信するための動的クリエイティブの最適化 | |
| US20200364765A1 (en) | Method for managing item recommendation using degree of association between language unit and usage history | |
| EP2812856A1 (en) | Tools and methods for determining relationship values | |
| EP2874102A2 (en) | Generating models for identifying thumbnail images | |
| CN112287238B (zh) | 用户特征的确定方法和装置、存储介质及电子设备 | |
| US8918409B2 (en) | System and method for determining affinity profiles for research, marketing, and recommendation systems | |
| US8473586B2 (en) | Method for determining aesthetic preferences to define a style guide and transforming a presentation based thereon | |
| JP6096368B1 (ja) | 商品情報評価装置、商品情報評価システム、及び商品情報評価方法 | |
| US20220368998A1 (en) | Systems and methods for providing interactive visualizations of digital content to a user | |
| JP6457986B2 (ja) | メッセージ分類システム、メッセージ分類方法及びプログラム | |
| Kaur et al. | A Review on Sentimental Analysis on Facebook Comments by using Data Mining Technique | |
| Wang et al. | Systematic approach for digital marketing strategy through data mining technology | |
| US10684736B2 (en) | Method for defining a presentation format targetable to a demographic | |
| Tandoc et al. | Is “doing well” doing any good? How web analytics and social media are bringing about a new journalistic norm | |
| US20190065607A1 (en) | Automated application analytics | |
| US11947616B2 (en) | Systems and methods for implementing session cookies for content selection | |
| US11810157B1 (en) | Method and system for exemplary campaign message management | |
| KR102228159B1 (ko) | 시장조사용 포지셔닝 맵 생성장치 및 방법 | |
| US11282104B2 (en) | Provision device, provision method and non-transitory computer readable storage medium |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20161226 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20170214 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170215 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6096368 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |