JP6322781B1 - 情報処理装置、情報処理方法及び情報処理プログラム - Google Patents

Abstract

情報処理装置は、対象ユーザが購入したことがある商品と同一の商品又は対象ユーザが購入したことがある商品とブランドが同一である商品を購入したことがあり、且つ複数の商品サイズのうち購入する商品のサイズとして最も多く選択したサイズが、複数の商品サイズのうち対象ユーザにより最も多く選択された通常サイズと同一であるユーザを特定する。情報処理装置は、対象ユーザ及び特定されたユーザのうち所定数以上若しくは所定割合以上のユーザが通常サイズ以外のサイズで購入した商品、又は所定数以上若しくは所定割合以上のユーザが通常サイズ以外のサイズの商品を購入したブランドを特定する。情報勝利装置は、通常サイズと、特定された商品又はブランドの商品を購入したときに対象ユーザ及び特定されたユーザが選択したサイズとに基づいて、対象ユーザの身体サイズを推定する。

Description

本発明は、商品の情報を利用して、ユーザの身体サイズを推定する方法及びシステムの技術分野に関する。

従来、ユーザが実際には商品を身に付けない状態で、その商品がユーザの身体にフィットするかをオンライン上で判定する方法が知られている。例えば、特許文献１には、身体の各部位の測定値を購入者が入力しておき、仮想試着に用いる商品の各部位の測定値と購入者の身体の各部位の測定値を比較して、その商品の購入者の身体へのフィットに関する判定結果を提示する方法が開示されている。

特開平１１−２６５２４３号公報

しかしながら、特許文献１に開示された方法では、購入者が予め身体の各部位の寸法を入力しなければならない。各部位の寸法を入力することは、ユーザにとっては面倒な作業である。

各部位の寸法の入力の手間を省くために、ユーザが購入したことがある商品のサイズに基づいて、ユーザの身体のサイズを推定する方法が考えられる。しかしながら、商品のサイズは、Ｓ、Ｍ、Ｌなどの限られた数のサイズしかない。従って、同一のサイズの商品を購入するユーザ層の身体サイズの範囲は或る程度広くなる。そのため、商品のサイズを単純に利用しただけでは、ユーザの身体サイズを正確に推定することが難しい。

本発明は、以上の点に鑑みてなされたものであり、購入された商品のサイズに基づいて、ユーザの身体サイズをより正確に推定することが可能な情報処理装置及び情報処理方法等を提供することを目的とする。

上記課題を解決するために、請求項１に記載の発明は、対象ユーザが購入したことがある商品と同一の商品又は前記対象ユーザが購入したことがある前記商品とブランドが同一である商品を購入したことがあり、且つ複数の商品サイズのうち購入する商品のサイズとして最も多く選択したサイズが、前記複数の商品サイズのうち前記対象ユーザにより最も多く選択された通常サイズと同一であるユーザを特定するユーザ特定手段と、前記対象ユーザ及び前記特定されたユーザのうち、所定数以上若しくは所定割合以上のユーザが前記通常サイズ以外のサイズで購入した商品、又は前記所定数以上若しくは前記所定割合以上のユーザが前記通常サイズ以外のサイズの商品を購入したブランドを特定する商品特定手段と、前記通常サイズと、前記特定された商品又はブランドの商品を購入したときに前記対象ユーザ及び前記特定されたユーザが選択したサイズとに基づいて、前記対象ユーザの身体サイズを推定する推定手段と、を備える情報処理装置であることを特徴とする。

この発明によれば、情報処理装置は、通常選択するサイズが対象ユーザと同一であるユーザを特定することにより、身体サイズが、通常選択するサイズに対応する範囲内である蓋然性があるユーザを特定する。また、情報処理装置は、身体サイズが、通常選択するサイズに対応する範囲内である蓋然性があるユーザのうち所定数以上又は所定割合以上のユーザが、通常選択するサイズ以外のサイズを選択する商品又はブランドを特定する。この条件を満たす特定の商品又はブランドの商品は、通常選択するサイズでは、所定数以上又は所定割合以上のユーザの身体に合わない蓋然性がある。従って、通常選択するサイズが互いに同一であるユーザは、特定の商品又はブランドについては、通常選択するサイズの商品が合うユーザ層と、別のサイズの商品が合うユーザ層とに分かれる。これにより、身体サイズが、通常選択するサイズに対応する範囲内である蓋然性があるユーザを、身体サイズが互いに異なる蓋然性がある複数のユーザ層に分けることが可能である。従って、情報処理装置は、対象ユーザが何れのユーザ層に属するかに基づいて、対象ユーザの身体サイズを、対象ユーザが通常選択するサイズに基づいてのみ推定を行う場合よりも、正確に推定することができる。

請求項２に記載の発明は、請求項１に記載の情報処理装置において、前記商品特定手段により複数の商品又はブランドが特定された場合、前記複数の商品又はブランドのそれぞれについて、商品又はブランドの商品を購入したときに選択したサイズで、前記対象ユーザ及び前記特定されたユーザを複数のグループに分割した場合のユーザの分布を取得する分布取得手段を更に備え、前記推定手段は、前記複数の商品又はブランド間におけるユーザの分布の比較に基づいて、前記複数の商品又はブランドの商品について選択されたサイズの組み合わせを複数特定し、前記特定された複数の組み合わせと、前記複数の組み合わせのうち前記対象ユーザが選択したサイズの組み合わせとに基づいて、前記対象ユーザの身体サイズを推定することを特徴とする。

この発明によれば、或る第１の商品又はブランドについてのユーザの分布と別の第２の商品又はブランドについてのユーザの分布との比較に基づいて、第１の商品又はブランドで或るサイズを選択したユーザの一部又は全部が、第２の商品又はブランドで何れのサイズを選択したかを推定することが可能である。第１の商品又はブランドで選択されたサイズと第２の商品又はブランドで選択されたサイズとの組み合わせにより、第１の商品又はブランドで特定される複数のユーザ層を、更に細分化することが可能である。従って、情報処理装置は、ユーザの身体サイズをより正確に推定することができる。

請求項３に記載の発明は、請求項１又は２に記載の情報処理装置において、前記対象ユーザが購入したことがある商品のうち前記特定された商品と異なる商品又は前記対象ユーザが商品を購入したことがあるブランドのうち前記特定されたブランドと異なるブランドの商品の複数部分の第１寸法を示す情報、及び前記特定された商品又はブランドの商品の複数部分の第２寸法を示す情報であって、それぞれ前記通常サイズに対応する第１寸法を示す情報及び第２寸法を示す情報を取得する寸法取得手段と、前記複数部分のうち、前記第１寸法と前記第２寸法との差が相対的に大きい部分を特定する部分商品特定手段と、を更に備え、前記推定手段は、前記対象ユーザの複数の身体部位のうち、前記特定された部分に対応する身体部位の寸法を推定することを特徴とする。

この発明によれば、情報処理装置は、通常サイズにおいて、特定の商品又はブランドの商品と通常の商品との間で寸法の差が相対的に大きい部分に対応する身体部位の寸法のみ、特定の商品又はブランドについて選択されたサイズに基づいて推定する。特定の商品又はブランドの商品が、通常選択するサイズでは所定数以上又は所定割合以上のユーザの身体に合わない理由は、通常サイズでのその商品の特定の部分の寸法と、通常の商品の対応する部分の寸法との差が大きいことが挙げられる。従って、情報処理装置は、特定の商品又はブランドに対応して寸法を推定すべき身体部位を適切に特定することができる。

請求項４に記載の発明は、請求項１乃至３の何れか１項に記載の情報処理装置において、前記ユーザ特定手段は、特定されるユーザを、購入した商品のサイズについての意見の投稿、及び、購入した商品を返品した後に該商品のサイズとは異なるサイズでの該商品と同一の商品の購入の少なくとも一方を行ったユーザに限定することを特定することを特徴とする。

この発明によれば、情報処理装置は、商品のサイズ選びにこだわりがある蓋然性があるユーザが選択したサイズを用いて、対象ユーザの身体サイズを推定する。従って、情報処理装置は、ユーザの身体サイズをより正確に推定することができる。また、選択されたサイズを用いるユーザを限定することにより、身体サイズの推定のための情報処理装置の処理負荷を低減させることができる。

請求項５に記載の発明は、コンピュータにより実行される情報処理方法において、対象ユーザが購入したことがある商品と同一の商品又は前記対象ユーザが購入したことがある前記商品とブランドが同一である商品を購入したことがあり、且つ複数の商品サイズのうち購入する商品のサイズとして最も多く選択したサイズが、前記複数の商品サイズのうち前記対象ユーザにより最も多く選択された通常サイズと同一であるユーザを特定するユーザ特定ステップと、前記対象ユーザ及び前記特定されたユーザのうち、所定数以上若しくは所定割合以上のユーザが前記通常サイズ以外のサイズで購入した商品、又は前記所定数以上若しくは前記所定割合以上のユーザが前記通常サイズ以外のサイズの商品を購入したブランドを特定する商品特定ステップと、前記通常サイズと、前記特定された商品又はブランドの商品を購入したときに前記対象ユーザ及び前記特定されたユーザが選択したサイズとに基づいて、前記対象ユーザの身体サイズを推定する推定ステップと、を含むことを特徴とする。

請求項６に記載の発明は、コンピュータに、対象ユーザが購入したことがある商品と同一の商品又は前記対象ユーザが購入したことがある前記商品とブランドが同一である商品を購入したことがあり、且つ複数の商品サイズのうち購入する商品のサイズとして最も多く選択したサイズが、前記複数の商品サイズのうち前記対象ユーザにより最も多く選択された通常サイズと同一であるユーザを特定するユーザ特定手段と、前記対象ユーザ及び前記特定されたユーザのうち、所定数以上若しくは所定割合以上のユーザが前記通常サイズ以外のサイズで購入した商品、又は前記所定数以上若しくは前記所定割合以上のユーザが前記通常サイズ以外のサイズの商品を購入したブランドを特定する商品特定手段と、前記通常サイズと、前記特定された商品又はブランドの商品を購入したときに前記対象ユーザ及び前記特定されたユーザが選択したサイズとに基づいて、前記対象ユーザの身体サイズを推定する推定手段と、として機能させる情報処理プログラムであることを特徴とする。

本発明によれば、情報処理装置は、通常選択するサイズが対象ユーザと同一であるユーザを特定することにより、身体サイズが、通常選択するサイズに対応する範囲内である蓋然性があるユーザを特定する。また、情報処理装置は、身体サイズが、通常選択するサイズに対応する範囲内である蓋然性があるユーザのうち所定数以上又は所定割合以上のユーザが、通常選択するサイズ以外のサイズを選択する商品又はブランドを特定する。この条件を満たす特定の商品又はブランドの商品は、通常選択するサイズでは、所定数以上又は所定割合以上のユーザの身体に合わない蓋然性がある。従って、通常選択するサイズが互いに同一であるユーザは、特定の商品又はブランドについては、通常選択するサイズの商品が合うユーザ層と、別のサイズの商品が合うユーザ層とに分かれる。これにより、身体サイズが、通常選択するサイズに対応する範囲内である蓋然性があるユーザを、身体サイズが互いに異なる蓋然性がある複数のユーザ層に分けることが可能である。従って、情報処理装置は、対象ユーザが何れのユーザ層に属するかに基づいて、対象ユーザの身体サイズを、対象ユーザが通常選択するサイズに基づいてのみ推定を行う場合よりも、正確に推定することができる。

一実施形態に係る電子商取引システムＳの概要構成の一例を示す図である。 一実施形態に係る電子商店街サーバ１の概要構成の一例を示すブロック図である。 データベースに記憶される内容の一例を示す図である。 一実施形態に係る電子商店街サーバ１のシステム制御部１４の機能ブロックの一例を示す図である。 購入した商品のサイズで対象ユーザ及び参照ユーザを分けた場合のユーザの分布を示すグラフの一例である。 購入した商品のサイズで対象ユーザ及び参照ユーザを分けた場合のユーザの分布を示すグラフの一例である。 商品サイズに対応する標準的な身体サイズの一例を示す図である。 ＭＭサイズ及びＭＬサイズに対応する身体サイズの一例を示す図である。 購入した商品のサイズで対象ユーザ及び参照ユーザを分けた場合のユーザの分布を示すグラフの一例である。 購入した商品のサイズで対象ユーザ及び参照ユーザを分けた場合のユーザの分布を示すグラフの一例である。 セーターＣ又はブランドＣと、シャツＤ又はブランドＤについて、ユーザの分布の一例を示す帯ブラフである。 商品の各部の寸法の一例を示す図である。 ＭＭサイズ及びＭＬサイズに対応する身体サイズの一例を示す図である。 一実施形態に係る電子商店街サーバ１のシステム制御部１４の身体サイズ推定処理の一例を示すフローチャートである。 一実施形態に係る電子商店街サーバ１のシステム制御部１４の身体サイズ推定処理の一例を示すフローチャートである。 一実施形態に係る電子商店街サーバ１のシステム制御部１４の身体サイズ推定処理の一例を示すフローチャートである。

以下、図面を参照して本発明の実施形態について詳細に説明する。なお、以下に説明する実施の形態は、衣服などの商品が販売される電子商取引システムに対して本発明を適用した場合の実施形態である。

［１．電子商取引システムの構成及び機能概要］
先ず、本実施形態に係る電子商取引システムＳの構成及び機能概要について、図１を用いて説明する。図１は、本実施形態に係る電子商取引システムＳの概要構成の一例を示す図である。

図１に示すように、電子商取引システムＳは、電子商店街サーバ１と、複数の店舗端末２と、複数のユーザ端末３と、を含んで構成されている。そして、電子商店街サーバ１と各店舗端末２及び各ユーザ端末３とは、ネットワークＮＷを介して、例えば、通信プロトコルにＴＣＰ／ＩＰ等を用いて相互にデータの送受信が可能になっている。なお、ネットワークＮＷは、例えば、インターネット、専用通信回線（例えば、ＣＡＴＶ（Community Antenna Television）回線）、移動体通信網（基地局等を含む）、及びゲートウェイ等により構築されている。

電子商店街サーバ１は、商品の購入が可能な電子商店街に関する各種処理を実行するサーバ装置である。販売される商品には、ユーザが身に付けることが可能な商品が含まれる。身に付けることが可能な商品の種類は、例えば衣服、帽子、手袋、靴の少なくとも１つを含んでもよい。電子商店街を利用するユーザは、電子商店街において所望の店舗から所望の商品を購入することができる。なお本発明が適用可能なウェブサイトは電子商店街に限られるものではない。例えば、単一の販売元から商品が販売される電子商取引のウェブサイトに本発明が適用されてもよい。

電子商店街サーバ１は、本発明における情報処理装置の一例である。電子商店街サーバ１は、店舗端末２やユーザ端末３からのリクエストに応じて、例えば商品等に関する情報のウェブページを送信したり、商品の検索や購入等に関する処理を行ったりする。また電子商店街サーバ１は、仮想試着を提供する。仮想試着は、ユーザが商品を購入する前に、商品を様々なサイズで試着したときユーザのイメージを、その商品のウェブページ上で仮想的にユーザが確認することができるサービスである。仮想試着を利用することにより、ユーザは、商品がユーザの身体に合うか否かを確認することができる。仮想試着を実現するためには、ユーザの身体サイズを取得する必要がある。電子商店街サーバ１は、商品の購入履歴に基づいて、ユーザの身体サイズを推定する。身体サイズは、例えば身長、頭周り、首周り、肩幅、胸囲、胴囲、腕の長さ、胴の長さ、手のひらの幅、指の長さ、脚の長さ、腰周り、股周り、足首周り、足長、足幅の少なくとも１つの寸法を含んでもよい。なお推定された身体サイズの用途は仮想試着に限定されるものではない。例えば、電子商店街サーバ１は、推定した身体サイズを表示するウェブページをユーザ端末３へ送信してもよい。

店舗端末２は、電子商店街に出店している店舗の従業員等により利用される端末装置である。店舗端末２は、従業員等からの操作に基づいて電子商店街サーバ１等のサーバ装置にアクセスする。これにより、店舗端末２は、サーバ装置からウェブページを受信して表示する。従業員は、店舗端末２を利用することにより、例えば販売する商品の情報を電子商店街に登録したり、商品の注文内容を確認したりする。

ユーザ端末３は、電子商店街から商品を購入するユーザの端末装置である。ユーザ端末３は、ユーザからの操作に基づいて電子商店街サーバ１にアクセスすることにより、電子商店街サーバ１からウェブページを受信して表示する。ユーザ端末３には、ブラウザや電子メールクライアント等のソフトウェアが組み込まれている。ユーザ端末３としては、例えば、パーソナルコンピュータ、ＰＤＡ（Personal Digital Assistant）、スマートフォン等の携帯情報端末、携帯電話機等が用いられる。

［２．電子商店街サーバの構成］
次に、電子商店街サーバ１の構成について、図２乃至図４を用いて説明する。図２は、本実施形態に係る電子商店街サーバ１の概要構成の一例を示すブロック図である。図２に示すように、電子商店街サーバ１は、通信部１１と、記憶部１２と、入出力インターフェース１３と、システム制御部１４と、を備えている。そして、システム制御部１４と入出力インターフェース１３とは、システムバス１５を介して接続されている。

通信部１１は、ネットワークＮＷに接続して、店舗端末２やユーザ端末３等との通信状態を制御するようになっている。

記憶部１２は、例えば、ハードディスクドライブ等により構成されている。記憶部１２には、会員ＤＢ１２ａ、カタログＤＢ１２ｂ、標準身体サイズＤＢ１２ｃ、商品ＤＢ１２ｄ、購入履歴ＤＢ１２ｅ、レビューＤＢ１２ｆ等のデータベースが構築されている。「ＤＢ」は、データベースの略語である。

図３は、データベースに記憶される内容の一例を示す図である。会員ＤＢ１２ａには、電子商店街に会員登録しているユーザに関する会員情報が記憶される。具体的に、会員ＤＢ１２ａには、ユーザＩＤ、パスワード、ニックネーム、氏名、生年月日、性別、郵便番号、住所、電話番号、電子メールアドレス等のユーザの属性が、ユーザごとに対応付けて記憶される。

カタログＤＢ１２ｂには、身に付ける商品の基本的な情報であるカタログ情報が記憶される。具体的に、カタログＤＢ１２ｂには、プロダクトコード、ブランドＩＤ、カテゴリーＩＤ、商品名、１又は複数の商品寸法情報等の商品の属性が、商品ごとに対応付けて記憶される。プロダクトコードは、商品を識別する識別情報である。プロダクトコードは、例えばＪＡＮ（Japan Article Number）コード、ＥＡＮ（European Article Number）コード又はＵＰＣ（Universal Product Code）等であってもよい。ブランドＩＤは、商品が属するブランドを識別する識別情報である。ノーブランドの商品の場合、ブランドＩＤはカタログＤＢ１２ｂには記憶されない。カテゴリーＩＤは、商品が属するカテゴリーを識別する識別情報である。カテゴリーは木構造で階層的に定義されていてもよい。最上位のカテゴリーとして、例えば「レディースファッション」、「メンズファッション」等がある。「レディースファッション」の下層のカテゴリーとして、例えば「トップス」、「ボトムス」、「ワンピース」等がある。「トップス」の下層のカテゴリーとして、例えば、「Ｔシャツ」、「ポロシャツ」、「カットソー」、「シャツ」等がある。「Ｔシャツ」の下層のカテゴリーとして、例えば「半袖Ｔシャツ」、「長袖Ｔシャツ」、「七分袖Ｔシャツ」等がある。「ボトムス」の下層のカテゴリーとして、例えば「スカート」、「パンツ」、「ジーンズ」等がある。「スカート」の下層のカテゴリーとして、例えば「ミニスカート」、「ひざ丈スカート」、「ロングスカート」等がある。カタログＤＢ１２ｂに記憶されるカテゴリーＩＤは、例えば最下層のカテゴリーのカテゴリーＩＤであってもよい。商品寸法情報は、商品の各部の寸法を示す。対象の商品で提供されている商品サイズごとに、その商品サイズに対応付けて商品寸法情報がカタログＤＢ１２ｂに記憶される。商品サイズは、商品のサイズを示す記号、文字又は数字である。商品は、複数のサイズで提供されてもよいし、１つのサイズのみで提供されてもよい。例えば商品サイズはＳ、Ｍ、Ｌ等で表されてもよい。帽子の商品サイズは、例えば頭周りで示されてもよい。靴の商品サイズは、例えば足長で示されてもよい。手袋の商品サイズは、例えば手のひらの幅で示されてもよい。各商品寸法情報には、商品サイズに対応した寸法が含まれる。商品の部分の寸法として、例えば頭周り、首周り、肩幅、胸囲、身幅、袖丈、ゆき、着丈、身丈、手のひらの幅、指の長さ、股上、股下、腰周り、股周り、裾周り、足長、足幅の少なくとも１つを含んでもよい。商品に応じて、或いは商品のカテゴリーや商品が着せられる身体部位に応じて、商品寸法情報に如何なる部位の寸法が含まれるかが予め定められてもよい。例えばトップスの商品寸法情報は、首周り、肩幅、胸囲、身幅、袖丈、ゆき、着丈、身丈の少なくとも１つを含んでもよい。ボトムスの商品寸法情報は、股上、股下、腰周り、股周り、裾周りの少なくとも１つを含んでもよい。靴の商品寸法情報は、足長、足幅の少なくとも１つを含んでもよい。

標準身体サイズＤＢ１２ｃには、商品サイズに対する標準的な身体サイズが記憶されている。具体的に、標準身体サイズＤＢ１２ｃには、商品サイズ及び身体寸法情報が商品サイズごとに対応付けて記憶される。身体寸法情報は、各身体部位の標準的な寸法を含む。或いは、身体寸法情報は、各身体部位の標準的な寸法の範囲を含んでもよい。

商品ＤＢ１２ｄには、電子商店街で販売されている商品に関する商品情報が記憶される。商品情報は、店舗により登録される情報を含む。具体的に、商品ＤＢ１２ｄには、商品情報として、店舗ＩＤ、商品ＩＤ、プロダクトコード、商品名、サイズリスト、説明テキスト等が、店舗が販売する商品ごとに対応付けて記憶される。店舗ＩＤは、商品の販売元の店舗を示す。商品ＩＤは、店舗が商品を識別するために店舗が決定した識別情報である。サイズリストは、店舗が販売する商品の商品サイズのリストである。店舗は、複数のサイズで商品を販売してもよいし、１つのサイズのみで商品を販売してもよい。商品ＤＢ１２ｄに記憶されたプロダクトコード及びサイズリストを参照することにより、システム制御部１４は、カタログＤＢ１２ｂに記憶された商品寸法情報から、店舗が販売する商品の各部の寸法を取得することができる。説明テキストは、商品に関する説明を示す。説明テキストは商品のウェブページに表示される。

購入履歴ＤＢ１２ｅには、ユーザによる商品の購入の履歴が登録される。具体的に、購入履歴ＤＢ１２ｅには、購入履歴として、ユーザＩＤ、店舗ＩＤ、商品ＩＤ、プロダクトコード、購入日時、商品サイズ、返品フラグ、返品受付日時等が対応付けて登録される。ユーザＩＤは、商品を購入したユーザを示す。店舗ＩＤは、購入された商品の販売元を示す。商品ＩＤ及びプロダクトコードは、購入された商品を示す。購入日時は、商品が購入された日時を示す。商品サイズは、購入された商品のサイズを示す。返品フラグは、商品を購入した後にユーザがその商品を返品したか否かを示す。返品受付日時は、商品の返品の要求が受け付けられた日時を示す。

レビューＤＢ１２ｆには、ユーザによる商品のレビューに関するレビュー情報が記憶される。例えば、商品を購入したユーザのみが、その商品に対するレビューを電子商店街に投稿することができる。電子商店街において、ユーザは他のユーザが投稿したレビューを閲覧することができる。具体的に、レビューＤＢ１２ｆには、ユーザＩＤ、店舗ＩＤ、商品ＩＤ、プロダクトコード、レビュー本文等が対応付けて記憶される。ユーザＩＤは、レビューを投稿したユーザを示す。店舗ＩＤは、レビューの対象とされた商品の販売元を示す。商品ＩＤ及びプロダクトコードは、レビューの対象とされた商品を示す。レビュー本文は、レビューを示す文章である。

記憶部１２には、更にウェブページを表示するための各種データ、例えばＨＴＭＬ（HyperText Markup Language）文書、ＸＭＬ（Extensible Markup Language）文書、画像データ、テキストデータ、電子文書等が記憶されている。また、記憶部１２には、各種の設定値が記憶されている。

また、記憶部１２には、オペレーティングシステム、ＤＢＭＳ（Database Management System）、サーバプログラム等の各種プログラムが記憶されている。サーバプログラムは、電子商店街に関する各種処理をシステム制御部１４に実行させるプログラムである。サーバプログラムがシステム制御部１４に実行させる処理は、ユーザの身体サイズの推定を含む。なお、各種プログラムは、例えば、他のサーバ装置等からネットワークＮＷを介して取得されるようにしてもよいし、磁気テープ、光ディスク、メモリカード等の記録媒体に記録されてドライブ装置を介して読み込まれるようにしてもよい。また、サーバプログラム等は、プログラム製品であってもよい。

入出力インターフェース１３は、通信部１１及び記憶部１２とシステム制御部１４との間のインターフェース処理を行うようになっている。

システム制御部１４は、ＣＰＵ（Central Processing Unit）１４ａ、ＲＯＭ（Read Only Memory）１４ｂ、ＲＡＭ（Random Access Memory）１４ｃ等により構成されている。ＣＰＵ１４ａは、プロセッサの一例である。なお、本発明は、ＣＰＵと異なる様々なプロセッサに対しても適用可能である。記憶部１２、ＲＯＭ１４ｂ及びＲＡＭ１４ｃは、それぞれメモリの一例である。なお、本発明は、ハードディスク、ＲＯＭ及びＲＡＭと異なる様々なメモリに対しても適用可能である。

なお、電子商店街サーバ１が、複数のサーバ装置で構成されてもよい。例えば、商品の検索、購入等の処理を行うサーバ装置、ウェブページを送信するサーバ装置、身体サイズを推定する処理を行うサーバ装置、及びデータベースを管理するサーバ装置等が、互いにＬＡＮ等で接続されてもよい。

［３．システム制御部の機能概要］
次に、図４乃至図９Ｂを用いて、システム制御部１４の機能概要について説明する。図４は、本実施形態に係る電子商店街サーバ１のシステム制御部１４の機能ブロックの一例を示す図である。システム制御部１４は、ＣＰＵ１４ａが、サーバプログラム等のプログラムに含まれる各種コードを読み出し実行することにより、図４に示すように、ユーザ特定部１４１、商品特定部１４２、推定部１４３等として機能する。ユーザ特定部１４１は、本発明におけるユーザ特定手段の一例である。商品特定部１４２は、本発明における商品特定手段の一例である。推定部１４３は、本発明における推定手段、分布取得手段及び寸法取得手段のそれぞれの一例である。

システム制御部１４は、購入履歴が示す購入された商品及びそのサイズに基づいて、ユーザの身体サイズを推定する。身体サイズが推定されるユーザを、対象ユーザという。対象ユーザが購入したことがある商品のサイズに基づいて、対象ユーザの身体サイズを或る程度推定することは可能である。しかしながら、商品サイズの数は限られている。例えば、ＸＳ、Ｓ、Ｍ、Ｌ、ＸＬの商品サイズがあったとしても、５種類の身体サイズしか推定することができない。そのため、１つの商品サイズに対応する身体サイズの範囲は或る程度広くなる。例えばＭサイズのトップスに対応するユーザの胸囲の範囲が７５〜８５ｃｍであると仮定する。この場合に、Ｍサイズのトップスを購入したユーザの胸囲は８０ｃｍであると推定した場合、実際には胸囲が７５ｃｍであるユーザや８５ｃｍであるユーザの胸囲も８０ｃｍであると推定される可能性がある。実際の胸囲と推定された胸囲との差は５ｃｍもある。そこで、システム制御部１４は、対象ユーザの購入履歴を用いるとともに、対象ユーザと異なるユーザの購入履歴も用いて、対象ユーザの身体サイズを推定する。

寸法が推定される身体部位に応じて、用いられる購入履歴の商品が変わる。その理由は、同一ユーザであっても、商品が着せられる身体部位に応じて、ユーザが選択する商品サイズが変わる可能性があるからである。上半身に含まれる身体部位の寸法を推定する場合、トップスの購入履歴が用いられる。トップスに加えてワンピースの購入履歴が用いられてもよい。下半身に含まれる身体部位の寸法を推定する場合、ボトムスの購入履歴が用いられる。足に含まれる身体部位の寸法を推定する場合、靴の購入履歴が用いられる。全身の各部の寸法を推定する場合、トップス、ボトムス、靴のそれぞれの購入履歴が用いられる。システム制御部１４は、商品が着せられる身体部位全部の寸法を推定してもよいし、一部の身体部位の寸法を推定してもよい。
［３−１．参照ユーザの特定］
ユーザ特定部１４１は、対象ユーザと異なるユーザの中から、対象ユーザの推定のために購入履歴が用いられるユーザを特定する。特定されるユーザを、参照ユーザという。具体的に、ユーザ特定部１４１は、以下の条件１及び２の両方を満たすユーザを特定する。

条件１：対象ユーザが購入したことがある商品と同一の商品を購入したことがあるユーザであること（条件１−１）、又は対象ユーザが購入したことがある商品とブランドが同一である商品を購入したことがあるユーザであること（条件１−２）。

条件２：複数の商品サイズのうち購入する商品のサイズとして最も多く選択したサイズが、対象ユーザにより最も多く選択されたサイズと同一であること。

条件１は、参照ユーザが、対象ユーザと同一商品又は同一ブランドの商品を購入したときの商品サイズを推定に利用するための条件である。条件１として、条件１−１又は条件１−２が用いられる。対象ユーザと同一商品を購入したことを条件とする理由は、各商品サイズに対応する商品の各部分の寸法、すなわち各身体部位の寸法を一致させるためである。同じ商品サイズの商品の中にも、商品によっては少なくともその一部分の寸法が他の商品の対応する部分の寸法と異なる場合がある。同一ブランドにより生産又は販売されている複数の商品の各部分の寸法は、互いに同一又は略同一である蓋然性が高い。そのため、ユーザ特定部１４１は、対象ユーザと同一ブランドの商品を購入したユーザも、参照ユーザに含めてもよいし含めなくてもよい。

条件２は、対象ユーザの身体サイズと同一範囲内にある身体サイズのユーザを特定するための条件である。複数の商品サイズのうち購入する商品のサイズとして対象ユーザが選択したサイズを、通常サイズという。通常購入する商品のサイズが同一であるユーザの身体サイズは、そのサイズに対応する所定範囲に含まれる蓋然性が高い。通常サイズから、対象ユーザの身体サイズを大まかに推定することは可能である。しかしながら、それは本実施形態における身体サイズの推定の最終結果ではない。

ユーザ特定部１４１は、参照ユーザの特定に条件１及び２のみを用いてもよい。或いは、ユーザ特定部１４１は、条件１及び２に加えて、以下の条件３をも満たすユーザのみを、参照ユーザとして特定してもよい。

条件３：購入した商品のサイズについての意見を投稿したことがあるユーザであること（条件３−１）、又は購入した商品を返品した後に返品した商品のサイズとは異なるサイズで、返品した商品と同一の商品を購入したことがあるユーザであること（条件３−２）。

条件３は、商品のサイズ選びにこだわりのあるユーザを参照ユーザとして特定するための条件である。サイズ選びにこだわりのあるユーザが選択したサイズの商品の方が、こだわりのないユーザが選択したサイズの商品よりも、ユーザの身体に合っている蓋然性が高い。そのため、サイズ選びにこだわりのある蓋然性があるユーザの購入履歴を用いることで、対象ユーザの身体サイズの推定精度を高めることができる。また、購入履歴を用いられるユーザの数を減らすことで、身体サイズの推定のための処理負荷を低減させることができる。条件３として、条件３−１及び条件３−２の少なくとも何れか一方が用いられてもよい。条件３−１及び条件３−２の両方が用いられる場合、ユーザ抽出部１４１は、条件３−１及び条件３−２の少なくとも何れか一方を満たすユーザを特定してもよい。商品サイズについての意見を投稿したユーザは、サイズ選びにこだわりがある蓋然性がある。レビュー情報に基づいて、サイズについての意見を投稿したユーザを特定可能である。例えば、ユーザ抽出部１４１は、レビュー本文に対して形態素解析を行ってもよい。ユーザ特定部１４１は、レビュー本文が、商品サイズについての意見を述べた文章を含んでいる場合、商品サイズについての意見が投稿されたと判定してもよい。或いは、ユーザ特定部１４１は、レビュー本文の中に商品サイズに関する語が含まれている場合、商品サイズについての意見が投稿されたと判定してもよい。商品サイズに関する語の例として、「サイズ」、「ぴったり」、「小さい」、「大きい」、「きつい」、「ゆるい」等が挙げられる。購入した商品を返品して別のサイズで同一の商品を購入したユーザは、サイズ選びにこだわりがある蓋然性がある。

［３−２．参照商品又は参照ブランドの特定］
参照ユーザの特定に条件１−１が用いられた場合、商品特定部１４２は、対象ユーザが購入したことがある商品の中から、対象ユーザ及び参照ユーザのうち所定の閾値以上の人数のユーザが通常サイズ以外のサイズで購入した商品を参照商品として特定する。参照ユーザの特定に条件１−２が用いられた場合、商品特定部１４２は、対象ユーザが購入したことがある商品のブランドの中から、対象ユーザ及び参照ユーザのうち所定の閾値以上の人数のユーザが通常サイズ以外のサイズの商品を購入したブランドを参照ブランドとして特定する。通常特定のサイズの商品を購入しているユーザ層が、特定の商品又はブランドについては、特定のサイズの商品を購入した第１ユーザ層と、別のサイズの商品を購入した第２ユーザ層とに分かれる場合がある。この場合、特定の商品又はブランドについては、第２ユーザ層に対して特定のサイズは小さすぎ又は大きすぎる蓋然性がある。従って、通常サイズに対応する範囲の身体サイズのユーザ層の中にも、身体サイズが異なる複数のユーザ層が存在すると考えられる。商品特定部１４２は、身体サイズが異なる複数のユーザ層を特定するための商品又はブランドを特定する。上記の人数の閾値は、身体サイズが異なる複数のユーザ層が存在するかを判定するためにある。商品特定部１４２は、対象ユーザ及び参照ユーザのうち、所定の閾値以上の割合のユーザが通常サイズ以外のサイズで購入した商品、又は所定の閾値以上の割合のユーザが通常サイズ以外のサイズの商品を購入したブランドを特定してもよい。この場合、割合の閾値と、対象ユーザ及び参照ユーザの合計人数とから、人数の閾値を計算することが可能である。推定部１４３は、購入したユーザの人数が所定人数未満又は所定割合未満である商品又はブランドを、参照商品又は参照ブランドとしては特定しなくてもよい。

図５Ａ及び図５Ｂは、購入した商品のサイズで対象ユーザ及び参照ユーザを分けた場合のユーザの分布を示すグラフの一例である。図５Ａは、対象ユーザ及び参照ユーザが通常サイズで購入した長袖のトップスについての分布を示す。このトップスの商品はユーザごとに異なっていてもよい。対象ユーザ及び参照ユーザが通常サイズで購入したトップスを総称して、仮にトップスＡという。例えば、商品サイズとしてＳ、Ｍ、Ｌ及びＸＬが用いられ、通常サイズがＭであるとする。従って、図５Ａに示すように、対象ユーザ及び参照ユーザの１００％がＭサイズでトップスＡを購入している。

図５Ｂは、長袖ＴシャツＢ又はブランドＢの長袖のトップスを購入したときに選択したサイズで対象ユーザ及び参照ユーザを分けた場合のユーザの分布を示す。図５Ｂに示すように、６０％のユーザがＭサイズを選択し、３５％のユーザがＬサイズを選択し、５％のユーザがＸＬサイズを選択したとする。閾値を１０％であるとすると、３５％のユーザがＬサイズを選択しているので、商品特定部１４２は、ＴシャツＢを参照商品として特定し、又はブランドＢを参照ブランドとして特定する。

［３−３．身体サイズの推定］
［３−３−１．基本的な推定方法］
推定部１４３は、通常サイズと、参照商品又は参照ブランドの商品を購入したときに対象ユーザ及び参照ユーザが選択した商品サイズとに基づいて、対象ユーザの身体サイズを推定する。対象ユーザが何れの商品サイズを選択したかに基づいて、身体サイズが異なる複数のユーザ層うち、対象ユーザが何れのユーザ層に属するかを特定することが可能である。また、各参照ユーザが選択した商品サイズに基づいて、身体サイズが異なる複数のユーザ層間における身体サイズの大小関係を特定することが可能である。選択した商品サイズが小さいユーザ層ほど、身体サイズが相対的に小さい蓋然性がある。従って、推定部１４３は、対象ユーザ及び参照ユーザが選択した商品サイズの中において、対象ユーザが選択した商品サイズがどの程度大きいかに基づいて、通常サイズの商品に合う身体サイズの範囲内において、対象ユーザの身体サイズがどの程度の身体サイズであるかを推定することが可能である。

例えば、参照商品又は参照ブランドで対象ユーザ及び参照ユーザが選択した商品サイズがＮ個の異なる商品サイズに分かれたとする。例えば、推定部１４３は、通常サイズに対応する身体サイズの範囲をＮ個の範囲に分割してもよい。例えば推定部１４３は、通常サイズに対応する身体サイズの範囲をＮ等分してもよい。通常サイズに対応する胸囲の範囲が７５ｃｍ〜８５ｃｍであり、Ｍサイズを選択したユーザとＬサイズを選択したユーザが存在したとする。この場合、Ｍサイズに対応する範囲は７５ｃｍ〜８０ｃｍであり、Ｌサイズに対応する範囲は８０ｃｍ〜８５ｃｍである。或いは推定部１４３は、商品サイズを選択したユーザの人数又は割合に応じた幅の範囲となるように、通常サイズに対応する身体サイズの範囲を分割してもよい。通常サイズに対応する胸囲の範囲が７５ｃｍ〜８５ｃｍであり、Ｍサイズを選択したユーザが８０％存在し、Ｌサイズを選択したユーザが２０％存在したとする。この場合、Ｍサイズに対応する範囲は７５ｃｍ〜８３ｃｍであり、Ｌサイズに対応する範囲は８３ｃｍ〜８５ｃｍである。身体サイズの範囲を分割すると、推定部１４３は、対象ユーザが選択した商品サイズに対応する身体サイズの範囲を特定する。或いは、Ｎ個の異なる商品サイズの中で、対象ユーザが選択した商品サイズがｎ番目に小さいとする。推定部１４３は、Ｎ個の身体サイズの範囲のうちｎ番目に小さい範囲を特定する。推定部は、特定した範囲内で、対象ユーザの身体サイズを推定してもよい。例えば推定部１４３は、特定した範囲の下限値と上限値の平均値を、対象ユーザの身体サイズとして推定してもよいし、別の計算方法で推定を行ってもよい。

図５Ｂに示すように、ＴシャツＢ又はブランドＢについては、Ｍ、Ｌ、ＸＬサイズを選択したユーザがそれぞれ存在する。但し、ＸＬサイズを選択したユーザの割合は閾値未満であるので、推定部１４３は、ＸＬサイズを選択したユーザは存在しないと見做してもよい。従って、対象ユーザ及び参照ユーザは、ＴシャツＢ又はブランドＢについては、Ｍサイズを購入したユーザ層と、Ｌサイズを購入したユーザ層とに分かれる。トップスＡでＭサイズを選択し、ＴシャツＢ又はブランドＢでＭサイズを選択したユーザ層には、ＭＭサイズという仮想の商品サイズが合っていると仮定する。このユーザ層をＭＭ層という。トップスＡでＭサイズを選択し、ＴシャツＢ又はブランドＢでＬサイズを選択したユーザ層には、ＭＬサイズという仮想の商品サイズが合っていると仮定する。このユーザ層をＭＬ層という。商品サイズの大小関係は、Ｓ＜ＭＭ＜ＭＬ＜Ｌである。ＴシャツＢ又はブランドＢでは、対象ユーザはＬサイズを選択している。

図６Ａは、商品サイズに対応する標準的な身体サイズの一例を示す図である。例えば長袖Ｔシャツから推定可能な身体部位の寸法は、肩幅、胸囲、胴囲、腕の長さ及び胴の長さであるとする。図６Ａは、Ｓ、Ｍ、Ｌ、ＸＬサイズのそれぞれについて、標準的な肩幅、胸囲、胴囲、腕の長さ、胴の長を示す。図５Ｂに示すように、対象ユーザ及び参照ユーザが選択した商品サイズが、２個の異なる商品サイズに分かれた。そこで、推定部１４３は、通常サイズであるＭサイズに対応する標準的な寸法の範囲を、２個の範囲に分ける。例えば、Ｓサイズに対応する標準的な肩幅が３６ｃｍであり、Ｍサイズに対応する標準的な肩幅が４０ｃｍであり、Ｌサイズに対応する標準的な肩幅が４４ｃｍであるとする。そこで、推定部１４３は、Ｍサイズに対応する標準的な肩幅の範囲を３８ｃｍ〜４２ｃｍと決定する。推定部１４３は、この範囲を、例えばＭＭサイズに対応する３８ｃｍ〜４０ｃｍの範囲と、ＭＬサイズに対応する４０ｃｍ〜４２ｃｍの範囲に分ける。対象ユーザに合うサイズはＭＬサイズである。そのため、推定部１４３は、４０ｃｍ〜４２ｃｍの範囲の中で例えば４１ｃｍを、対象ユーザの肩幅として推定する。推定部１４３は、胸囲、胴囲、腕の長さ及び胴の長さについても胸囲と同様に推定する。図６Ｂは、ＭＭサイズ及びＭＬサイズに対応する身体サイズの一例を示す図である。図６Ｂにおいて、ＭＬサイズに対応する各身体部位の寸法が、対象ユーザの各身体部位の寸法として推定される。

例えば靴についての通常サイズが２６ｃｍであるとする。特定の靴又は特定のブランドの靴について、対象ユーザ及び参照ユーザが、２６ｃｍの靴を選択したユーザ層と２６．５ｃｍの靴を選択したユーザ層とに分けられたとする。対象ユーザが２６ｃｍの靴を選択していた場合、推定部１４３は、対象ユーザの足長を例えば２５．８ｃｍと推定してもよい。また２６ｃｍに対応する標準的な足幅の範囲が９ｃｍ〜１０ｃｍである場合、推定部１４３は、対象ユーザの足幅を例えば９．３ｃｍと推定してもよい。

条件１及び２を満たすユーザの購入履歴を用いることにより、図５Ａに示すように通常特定の商品サイズを選択するユーザが、図６Ｂに示すように異なる商品サイズを選択する少なくとも２以上のユーザ層に分けられる。換言すると、商品の通常サイズが複数の仮想の商品サイズに細分化される。従って、仮想の商品サイズに対応する身体サイズの範囲は、通常サイズに対応する身体サイズの範囲より狭くなる。推定部１４３は、対象ユーザが選択した仮想の商品サイズに対応する身体サイズの範囲に基づいて、対象ユーザの身体サイズを推定すればよい。そのため、通常サイズのみを用いるよりも、身体サイズの推定精度を高めることができる。分けられるユーザ層の数又は仮想の商品サイズの数が多いほど推定精度が高まる。

［３−３−２．複数の参照商品又は参照ブランド］
商品特定部１４２により参照商品又は参照ブランドが複数特定される場合がある。この場合、推定部１４３は、複数の参照商品又は参照ブランドのそれぞれについて、参照商品又は参照ブランドの商品を購入したときに選択した商品サイズで、対象ユーザ及び前記特定されたユーザを複数のユーザ層に分割した場合のユーザの分布を取得してもよい。推定部１４３は、複数の参照商品又は参照ブランド間におけるユーザの分布の比較に基づいて、複数の参照商品又は参照ブランドの商品について選択された商品サイズの組み合わせを複数特定してもよい。そして、推定部１４３は、特定された複数の組み合わせと、複数の組み合わせのうち対象ユーザが選択したサイズの組み合わせとに基づいて、対象ユーザの身体サイズを推定してもよい。これにより、通常サイズがより多くの仮想の商品サイズに細分化されるので、推定精度が高まる。

具体的に、推定部１４３は、図５Ｂに示すような分布を参照商品又は参照ブランドごとに取得する。すなわち、推定部１４３は、各参照商品又は参照ブランドについて、商品サイズごとに、その商品サイズを選択した参照ユーザの人数又は割合を計算する。参照商品又は参照ブランド間で参照ユーザの人数が同一である場合、推定部１４３は、参照ユーザの人数を用いてもよい。参照商品又は参照ブランド間で参照ユーザの人数が異なる場合、推定部１４３は、参照ユーザの割合を用いてもよい。

或る第１の参照商品又は参照ブランドの商品を購入した参照ユーザと、別の第２の参照商品又は参照ブランドの商品を購入した参照ユーザとは一致しなくてもよい。その理由は、通常購入する商品のサイズが対象ユーザと同一である複数のユーザが、参照商品又は参照ブランドについて如何なる商品サイズを選択する傾向があるかを分布によって特定することが可能であればよいからである。例えば、第１の参照商品又は参照ブランドの商品を参照ユーザＵ１〜Ｕ１００が購入し、第２の参照商品又は参照ブランドの商品を参照ユーザＵ７１〜Ｕ１２０が購入したとする。この場合、推定部１４３は、第１の参照商品又は参照ブランドについては対象ユーザ及びユーザＵ１〜Ｕ１００についての分布を取得し、第２の参照商品又は参照ブランドについては対象ユーザ及びユーザＵ７１〜Ｕ１２０についての分布を取得する。

或いは、推定部１４３は、複数の参照商品又は参照ブランドで共通する参照ユーザについて、各参照商品又は参照ブランドについての分布を取得してもよい。上記の例では、第１の参照商品又は参照ブランドについても、第２の参照商品又は参照ブランドについても、推定部１４３は、対象ユーザ及びユーザＵ７１〜Ｕ１００についての分布を取得する。しかしながら、全参照商品又は参照ブランドで共通する参照ユーザが少ない場合がある。そこで商品特定部１４２は、例えば共通する参照ユーザの人数が所定人数以上又は所定割合以上となるように、複数の参照商品又は参照ブランドを特定してもよい。

参照商品又は参照ブランド間におけるユーザの分布の比較により、推定部１４３は、或る第１の参照商品又は参照ブランドにおいて或る商品サイズを選択したユーザが、別の第２の参照商品又は参照ブランドにおいてどの商品サイズを選択したかを推定する。これにより、推定部１４３は、第１の参照商品又は参照ブランドと第２の参照商品又は参照ブランドとで、選択された商品サイズの組み合わせを特定する。

第１の参照商品又は参照ブランドで選択された商品サイズのうちｘ番目に小さい商品サイズを商品サイズ１ｘとする。第２の参照商品又は参照ブランドにおいて選択された商品サイズのうちｙ番目に小さい商品サイズを商品サイズ２ｙとする。ｘ及びｙの初期値は１である。先ず推定部１４３は、例えば商品サイズ１ｘと商品サイズ２ｙとの組み合わせを、選択された商品サイズの組み合わせとして特定する。次いで、推定部１４３は、第１の参照商品又は参照ブランドで商品サイズ１ｘを選択したユーザの人数又は割合と、第２の参照商品又は参照ブランドで商品サイズ２ｙを選択したユーザの人数又は割合とを比較する。商品サイズ１ｘを選択したユーザの人数又は割合の方が小さい場合、推定部１４３は、第２の参照商品又は参照ブランドで商品サイズ２ｙを選択したユーザの人数又は割合を、第１の参照商品又は参照ブランドで商品サイズ１ｘを選択したユーザの人数又は割合で減算して得られた値で、第２の参照商品又は参照ブランドで商品サイズ２ｙを選択したユーザの人数又は割合を更新する。また、推定部１４３は、ｘを１増加させる。一方、商品サイズ１ｘを選択したユーザの人数又は割合の方が大きい場合、推定部１４３は、第１の参照商品又は参照ブランドで商品サイズ１ｘを選択したユーザの人数又は割合を、第２の参照商品又は参照ブランドで商品サイズ２ｙを選択したユーザの人数又は割合で減算して得られた値で、第１の参照商品又は参照ブランドで商品サイズ２ｙを選択したユーザの人数又は割合を更新する。また、推定部１４３は、ｙを１増加させる。ｘ又はｙを増加させると、推定部１４３は、商品サイズ１ｘと商品サイズ２ｙとの組み合わせを、選択された商品サイズの組み合わせとして更に特定する。次いで、推定部１４３は、商品サイズ１ｘを選択したユーザの人数又は割合と、商品サイズ２ｙを選択したユーザの人数又は割合とを比較する。推定部１４３は、このような処理を、ｘ及びｙのそれぞれが商品サイズの数に達するまで繰り返す。

対象ユーザ及び参照ユーザの中で或るユーザの身体サイズが小さいほど、そのユーザは、各参照商品又は参照ブランドでより小さい商品サイズを選択するものと考えられる。従って、ユーザの身体サイズが小さいほど、そのユーザは、複数の参照商品又は参照ブランドにおいてより小さい商品サイズの組み合わせを選択するものと考えられる。上述したアルゴリズムはこの仮定に基づくものである。

図７Ａ及び図７Ｂは、購入した商品のサイズで対象ユーザ及び参照ユーザを分けた場合のユーザの分布を示すグラフの一例である。図５Ａに示すように、トップスＡでは、対象ユーザ及び参照ユーザの全員がＭサイズを選択している。すなわち、通常サイズはＭサイズである。図７Ａは、セーターＣ又はブランドＣの長袖のトップスを購入したときに選択したサイズで対象ユーザ及び参照ユーザを分けた場合のユーザの分布を示す。図７Ａに示すように、６５％のユーザがＭサイズを選択し、３０％のユーザがＬサイズを選択し、５％のユーザがＸＬサイズを選択したとする。図５Ｂを用いて説明した例と同様に、推定部１４３は、ＸＬサイズを選択したユーザは存在しないと見做してもよい。従って、対象ユーザ及び参照ユーザは、セーターＣ又はブランドＣについては、Ｍサイズを選択したユーザ層と、Ｌサイズを選択したユーザ層とに分かれる。Ｍサイズを選択したユーザ層には仮想のＭＭ層であり、Ｌサイズを選択したユーザ層はＭＬ層である。推定部１４３は、Ｍサイズを選択したユーザの割合とＬサイズを選択したユーザの割合の合計が１００％となるように、Ｍサイズを選択したユーザの割合とＬサイズを選択したユーザの割合とを補正する。その結果、Ｍサイズを選択したユーザの割合は６８％となり、Ｌサイズを選択したユーザの割合は３２％となる。

図７Ｂは、長袖のシャツＤ又はブランドＤの長袖のトップスを購入したときに選択したサイズで対象ユーザ及び参照ユーザを分けた場合のユーザの分布を示す。図７Ａに示すように、５５％のユーザがＭサイズを選択し、４５％のユーザがＬサイズを選択したとする。従って、推定部１４３は、先ずＭサイズとＭサイズとの組み合わせを特定する。ＭサイズとＭサイズとの組み合わせを選択したユーザ層はＭＭＭ層である。セーターＣ又はブランドＣでＭサイズを選択したユーザの割合の方が、シャツＤ又はブランドＤでＭサイズを選択したユーザの割合よりも大きい。従って、推定部１４３は、セーターＣ又はブランドＣでＭサイズを選択したユーザの割合を、シャツＤ又はブランドＤでＭサイズを選択したユーザの残りの割合で減算して、セーターＣ又はブランドＣでＭサイズを選択したユーザの残りの割合１３％を取得する。そして、推定部１４３は、ＭサイズとＬサイズとの組み合わせを特定する。ＭサイズとＬサイズとの組み合わせを選択したユーザ層はＭＭＬ層である。セーターＣ又はブランドＣでＭサイズを選択したユーザの残りの割合は、シャツＤ又はブランドＤでＭサイズを選択したユーザの割合よりも小さい。従って、推定部１４３は、シャツＤ又はブランドＤでＬサイズを選択したユーザの割合を、セーターＣ又はブランドＣでＭサイズを選択したユーザの割合で減算して、シャツＤ又はブランドＤでＭサイズを選択したユーザの残りの割合３２％を取得する。そして、推定部１４３は、ＬサイズとＬサイズとの組み合わせを特定する。ＬサイズとＬサイズとの組み合わせを選択したユーザ層はＭＬＬ層である。セーターＣ又はブランドＣでＬサイズを選択したユーザの割合は、シャツＤ又はブランドＤでＬサイズを選択したユーザの残りの割合と一致する。ここで組み合わせの特定が完了する。

これにより、対象ユーザ及び参照ユーザは３個のユーザ層に分かれた。Ｍサイズは、ＭＭＭ、ＭＭＬ及びＭＬＬの３個の商品サイズに細分化された。対象ユーザ及び参照ユーザのうち、身体サイズが最も小さい５５％のユーザ層がＭＭＭ層である。身体サイズが次に小さい１３％のユーザ層がＭＭＬ層である。セーターＣ又はブランドＣでＭサイズを選択したユーザ層のうち一部のユーザ層がシャツＤ又はブランドＤでＭサイズを選択し、残りのユーザ層がＬサイズを選択したこととなる。身体サイズが最も大きい３２％のユーザ層がＭＬＬ層である。図８は、セーターＣ又はブランドＣと、シャツＤ又はブランドＤについて、ユーザの分布の一例を示す帯ブラフである。帯グラフでユーザの分布を比較すると、対象ユーザ及び参照ユーザが如何なる割合でＭＭＭ層、ＭＭＬ層及びＭＬＬ層に分かれるかがより明確である。

商品サイズの大小関係は、Ｓ＜ＭＭＭ＜ＭＭＬ＜ＭＬＬ＜Ｌである。対象ユーザは、セーターＣ又はブランドＣではＭサイズを選択し、シャツＤ又はブランドＤではＭサイズを選択したとする。従って、対象ユーザはＭＭＭ層に含まれる。推定部１４３は、例えばＭサイズに対応する身体サイズの範囲を３個の範囲に分割してもよい。対象ユーザは１番目に商品サイズが小さいユーザ層に属するので、推定部１４３は、３個の範囲のうち、ＭＭＭサイズに対応する１番目に小さい範囲内で、対象ユーザの身体サイズを推定してもよい。

参照商品又は参照ブランドが３個以上存在する場合、推定部１４３は、上述したような処理を繰り返し実行すればよい。

［３−３−３．寸法の差］
推定部１４３は、通常サイズについて、対象ユーザが購入したことがある商品のうち参照商品と異なる商品又は対象ユーザが商品を購入したことがあるブランドのうち参照ブランドと異なるブランドを特定してもよい。特定される商品又はブランドを、普通商品又は普通ブランドという。推定部１４３は、普通商品又は普通ブランドの商品の複数部分の第１寸法を示す情報であって、通常サイズに対応する第１寸法を示す情報を取得してもよい。また、推定部１４３は、参照商品又は参照ブランドの商品の複数部分の第２寸法を示す情報であって、通常サイズに対応する第２寸法を示す情報を取得してもよい。推定部１４３は、商品の複数部分のうち、対応する第１寸法と第２寸法との差が相対的に大きい部分を特定してもよい。そして、推定部１４３は、対象ユーザの複数の身体部位のうち、特定された部分に対応する身体部位の寸法のみを、これまで説明してきた参照ユーザの購入履歴を用いた方法で推定してもよい。

対象ユーザ及び参照ユーザのうち閾値以上の人数のユーザが参照商品又は参照ブランドの商品については通常サイズと異なる商品サイズを選択している。その理由の一例として、参照商品又は参照ブランドの商品の通常サイズでの複数部分の第２寸法のうち少なくとも一部分の第２寸法が、通常サイズで対象ユーザ及び参照ユーザが購入している商品の対応する第１寸法と大きく異なることが挙げられる。第２寸法が第１寸法と大きく異なる部分が、対応する身体部位に合わなかったユーザが、参照商品又は参照ブランドでは通常サイズと異なる商品サイズを選択した蓋然性が高い。推定部１４３が、第１寸法と第２寸法との差が相対的に大きい部分に対応する身体部位の寸法を、参照ユーザの購入履歴を用いた方法を用いた方法で推定することで、寸法を推定すべき身体部位を適切に特定することができる。また、購入履歴を用いる参照ユーザを限定することができるので、身体サイズの推定のための処理負荷を低減させることができる。

商品の各部分の寸法は、商品寸法情報としてカタログＤＢ１２ｂに記憶されていてもよい。しかしながら、少なくとも１つの商品について、各部分の寸法は予め定義されていなくてもよい。例えば、推定部１４３は、商品のウェブページに表示される商品名や説明テキストから、相対的な寸法を示す情報又は寸法を間接的に示す情報を取得してもよい。例えば、推定部１４３は、ウェブページに「身幅が大きめ」と記載された商品の身幅は、身幅について何もウェブページに記載されていない商品の身幅よりも大きいと推定してもよい。また例えば、推定部１４３は、ボトムスについて、「テーパード」と記載された商品の足首周りは、「ストレート」と記載された商品の足首周りよりも小さいと推定してもよい。また、推定部１４３は、「スキニー」と記載された商品の足首周りは、「テーパード」と記載された商品の足首周りよりも小さいと推定してもよい。こうして、推定部１４３は、参照商品又は参照ブランドの商品の寸法と、普通商品の寸法との差がどの程度あるかを推定してもよい。

普通商品又は普通ブランドの商品が複数存在する場合、推定部１４３は、例えば何れかの商品についての寸法を第１寸法として取得してもよい。例えば、推定部１４３は、対象ユーザと参照ユーザのうち通常サイズを選択したユーザの人数又は割合が最も大きい普通商品についての寸法を第１寸法として取得してもよい。或いは、推定部１４３は、複数の商品についての寸法の代表値を、第１寸法として取得してもよい。代表値は、例えば平均値、中央値又は最頻値であってもよい。参照ブランドの商品が複数存在する場合、推定部１４３は、複数の商品についての寸法の代表値を、第２寸法として取得してもよい。

推定部１４３は、例えば第１寸法と第２寸法との差が閾値以上である部分を特定してもよい。この場合の閾値は、部分ごとに個別に予め定められていてもよいし、全部分で同一であってもよい。或いは、推定部１４３は、複数の部分のうち、第１寸法と第２寸法との差が最も大きい部分を特定してもよい。

推定部１４３は、第１寸法と第２寸法との差が相対的に大きくはない部分に対応する身体部位の寸法は推定しなくてもよい。或いは、推定部１４３は、通常サイズに対応する標準的な身体部位の寸法を、第１寸法と第２寸法との差が相対的に大きくはない部分に対応する身体部位の寸法として推定してもよい。

図９Ａは、商品の各部の寸法の一例を示す図である。図５Ａに示すように、通常サイズがＭサイズであるとする。この場合、トップスＡが、普通商品又は普通ブランドの商品であると仮定する。図５Ｂに示すように、ＴシャツＢ又はブランドＢのトップスで、対象ユーザと参照ユーザはＭＭ層とＭＬ層に分かれた。図９Ａに示すように、トップスＡの肩幅、身幅、袖丈及び着丈のそれぞれの寸法は、４０ｃｍ、４６ｃｍ、７０ｃｍ及び６７ｃｍである。図９Ａに示すように、ＴシャツＢ又はブランドＢのトップスの肩幅、身幅、袖丈及び着丈のそれぞれの寸法は、３６ｃｍ、４６ｃｍ、６９ｃｍ及び６６ｃｍである。各部分の寸法の閾値が３ｃｍであるとする。この場合、推定部１４３は、寸法の差が相対的に大きい部分として、トップスの肩部分を特定する。従って、推定部１４３は、対象ユーザの肩幅を、参照ユーザの購入履歴を用いた方法で推定する。図９Ｂは、ＭＭサイズ及びＭＬサイズに対応する身体サイズの一例を示す図である。対象ユーザはＭＬ層に属するので、推定部１４３は、図６Ｂの例と同様に、対象ユーザの肩幅は４１ｃｍと推定する。推定部１４３は、胸囲、胴囲、腕の長さ及び胴の長さは推定しなくてもよい。或いは、推定部１４３は、Ｍサイズに対応する標準的な胸囲、胴囲、腕の長さ及び胴の長さを、対象ユーザの胸囲、胴囲、腕の長さ及び胴の長さとして推定してもよい。

３−３−２節で述べたように、参照商品又は参照ブランドが複数特定される場合がある。この場合、参照商品又は参照ブランドごとに、寸法の差が相対的に大きい部分が異なる場合がある。この場合、推定部１４３は、参照商品又は参照ブランドを、寸法の差が相対的に大きい部分でグループ分けしてもよい。推定部１４３は、グループごとに、そのグループに属する複数の参照商品又は参照ブランドの商品について選択された商品サイズの組み合わせを複数特定してもよい。そして、推定部１４３は、グループごとに、そのグループに対応する身体部位の寸法を推定してもよい。

［４．電子商取引システムの動作］
次に、電子商取引システムＳの動作について、図１０乃至図１２を用いて説明する。図１０乃至図１２は、本実施形態に係る電子商店街サーバ１のシステム制御部１４の身体サイズ推定処理の一例を示すフローチャートである。サーバプログラムに含まれる様々なコードに従って、システム制御部１４は、身体サイズ推定処理を実行する。図１０乃至図１２は、上半身、下半身、足など、対象ユーザの身体のうちの所定の範囲の身体サイズを推定する処理例を示す。また、図１０乃至図１２は、参照商品を特定する場合の処理例を示す。全身の身体サイズを推定する場合、システム制御部１４は、図１０乃至図１２が示す身体サイズ推定処理を、上半身、下半身、足などのそれぞれについて実行すればよい。また、身体サイズ推定処理が実行されるタイミングは予め定められてもよい。例えば、ユーザ端末３から身体サイズの推定の要求又は仮想試着の要求を受信したときに、システム制御部１４は身体サイズ推定処理を実行してもよい。或いは、購入履歴を購入履歴ＤＢ１２ｅに記憶させたとき、システム制御部１４は、その購入履歴のユーザＩＤが示すユーザを対象ユーザとして、身体サイズ推定処理を実行してもよい。

図１０に示すように、先ずユーザ特定部１４１は、対象ユーザの通常サイズを特定する（ステップＳ１）。具体的に、ユーザ特定部１４１は、対象ユーザの購入履歴のうち身体サイズが推定される範囲に対応するカテゴリーの商品の購入履歴を、購入履歴から取得する。例えば、上半身の場合のカテゴリーはトップスであり、下半身の場合のカテゴリーはボトムスであり、足の場合のカテゴリーは靴である。上半身で腕の長さを推定する必要がある場合、ユーザ特定部１４１は、長袖のトップスの購入履歴のみを取得してもよい。下半身で脚の長さを推定する必要がある場合、ユーザ特定部１４１は、十分丈のパンツの購入履歴のみを取得してもよい。特定の商品の仮想試着が対象ユーザから要求された場合、ユーザ特定部１４１は、仮想試着される商品のカテゴリーと同一のカテゴリーの商品の購入履歴を取得してもよい。推定部１４３は、取得された各購入履歴から商品サイズを取得する。推定部１４３は、商品サイズごとに、対象ユーザが購入した商品の数を計算する。そして、推定部１４３は、対象ユーザが購入した商品の数が最も多い商品サイズを、通常サイズに決定する。

次いで、ユーザ特定部１４１は、対象ユーザが購入したことがある商品と同一の商品を購入したことがあるユーザを、第１抽出ユーザとして特定する（ステップＳ２）。具体的に、ユーザ特定部１４１は、ステップＳ１で取得された購入履歴ごとに、購入履歴からプロダクトコードを取得する。次いで、ユーザ特定部１４１は、取得されたプロダクトコードごとに、プロダクトコードを含む購入履歴を購入履歴ＤＢ１２ｅから取得する。そして、ユーザ特定部１４１は、取得された購入履歴に含まれるユーザＩＤを、第１抽出ユーザのユーザＩＤとして取得する。

次いで、ユーザ特定部１４１は、第１抽出ユーザの中から、購入した商品のサイズについての意見を投稿したことがあるユーザと、購入した商品を返品した後にその商品のサイズとは異なるサイズでその商品と同一の商品を購入したことがあるユーザとを、第２抽出ユーザとして特定する（ステップＳ３）。具体的に、ユーザ特定部１４１は、第１抽出ユーザごとに、第１抽出ユーザのユーザＩＤを含むレビュー情報をレビューＤＢ１２ｆから取得する。次いで、ユーザ特定部１４１は、レビュー情報に含まれるレビュー本文に、購入した商品のサイズについての意見が含まれているか否かを判定する。ユーザ特定部１４１は、レビュー本文に意見が含まれている第１抽出ユーザを、第２抽出ユーザとして特定する。また、ユーザ特定部１４１は、第１抽出ユーザごとに、第１抽出ユーザのユーザＩＤを含む購入履歴を、購入履歴ＤＢ１２ｅからから取得する。次いで、ユーザ特定部１４１は、取得された購入履歴の中に、商品が返品されたことを示す返品フラグを含む購入履歴があるか否かを判定する。そのような購入履歴がある場合、ユーザ特定部１４１は、返品された商品のプロダクトコードをその購入履歴から取得する。ユーザ特定部１４１は、取得された購入履歴の中に、返品された商品の返品が受け付けられた日時よりも後の購入履歴の中に、返品された商品と同一の商品のプロダクトコードを含む購入履歴があるか否かを判定する。そのような購入履歴がある場合、ユーザ特定部１４１は、購入履歴に基づいて、返品された商品のサイズと再度購入された商品のサイズとが異なるか否かを判定する。ユーザ特定部１４１は、再度購入された商品のサイズが異なるユーザを、第２抽出ユーザとして特定する。

次いで、ユーザ特定部１４１は、ステップＳ１と同様の方法で、第２抽出ユーザごとに、複数の商品サイズのうち第２抽出ユーザが購入した商品の数が最も多い商品サイズを特定する。そして、ユーザ特定部１４１は、第２抽出ユーザの中から、複数の商品サイズのうち購入する商品のサイズとして最も多く選択した商品サイズが、ステップＳ１で特定された通常サイズであるユーザを、参照ユーザとして特定する（ステップＳ４）。

次いで、商品特定部１４２は、対象ユーザと参照ユーザのうち閾値以上の割合のユーザが通常サイズと異なるサイズで購入した参照商品を特定する（ステップＳ５）。具体的に、商品特定部１４２は、ステップＳ１で取得された購入履歴ごとに、対象ユーザが購入した商品のプロダクトコードを取得する。商品特定部１４２は、対象ユーザが購入した商品の購入履歴と、その商品と同一の商品を参照ユーザが購入したことを示す購入履歴に基づいて、商品サイズごとに、その商品サイズで商品を購入したユーザの割合を計算する。商品特定部１４２は、通常サイズと異なる商品サイズの中で、その商品サイズで商品を購入したユーザの割合が閾値以上である商品を、参照商品として特定する。

次いで、推定部１４３は、対象ユーザが購入した商品のうち参照商品と異なる普通商品の複数部分の第１寸法を取得する（ステップＳ６）。具体的に、推定部１４３は、普通商品のプロダクトコードに対応するカタログ情報をカタログＤＢ１２ｂから取得する。次いで、推定部１４３は、カタログ情報から、通常サイズに対応する商品寸法情報を、第１寸法の情報として取得する。

次いで、推定部１４３は、特定した１又は複数の参照商品のそれぞれについて、参照商品の対象ユーザの購入履歴及び参照ユーザの購入履歴に基づいて、選択した商品サイズでユーザを分けた場合のユーザの分布を取得する（ステップＳ７）。具体的に、推定部１４３は、商品サイズごとに、その商品サイズを選択したユーザの割合を計算する。

次いで、推定部１４３は、特定した１又は複数の参照商品のそれぞれについて、選択したユーザの割合を重みとして、複数の商品サイズの加重平均を計算する（ステップＳ８）。

次いで、推定部１４３は、選択された参照商品の複数部分の第２寸法を取得する（ステップＳ９）。具体的に、推定部１４３は、参照商品のプロダクトコードに対応するカタログ情報をカタログＤＢ１２ｂから取得する。次いで、推定部１４３は、カタログ情報から、通常サイズに対応する商品寸法情報を、第２寸法の情報として取得する。

次いで図１２に示すように、推定部１４３は、部分番号ｉを１に設定する（ステップＳ２１）。次いで、推定部１４３は、商品番号ｊを１に設定し、商品サイズの組み合わせの構成要素数ｅを０に設定する（ステップＳ２２）。

次いで、推定部１４３は、参照商品[ｊ]の部分［ｉ］の第２寸法と普通商品の部分［ｉ］の第１寸法との差が閾値以上であるか否かを判定する（ステップＳ２３）。部分［ｉ］は、身体サイズの推定に用いられるカテゴリーの商品の複数部分のうちｉ番目の部分である。参照商品[ｊ]は、特定された参照商品のうち、複数の商品サイズの加重平均がｊ番目に小さい参照商品である。推定部１４３は、差が閾値以上であると判定した場合には（ステップＳ２３：ＹＥＳ）、処理をステップＳ２４に進める。一方、推定部１４３は、差が閾値以上ではないと判定した場合には（ステップＳ２３：ＮＯ）、処理をステップＳ４２に進める。

ステップＳ２４において、推定部１４３は、構成要素数ｅを１増加させる。次いで、推定部１４３は、構成要素数ｅが１であるか否かを判定する（ステップＳ２５）。このとき、推定部１４３は、構成要素数ｅが１であると判定した場合には（ステップＳ２５：ＹＥＳ）、処理をステップＳ２６に進める。一方、推定部１４３は、構成要素数ｅが１ではないと判定した場合には（ステップＳ２６：ＮＯ）、処理をステップＳ２７に進める。

ステップＳ２６において、推定部１４３は、参照商品［ｊ］において、選択したユーザの割合が閾値以上である商品サイズを特定する。特定された商品サイズの数をｎとする。推定部１４３は、商品サイズが小さい順に、組み合わせ情報［ｅ，１］〜［ｅ，ｎ］を生成する。各組み合わせ情報は、特定された商品サイズとその商品サイズを選択したユーザの割合とを含む。このとき、推定部１４３は、選択したユーザの割合の合計が１００％となるように各割合を補正する。次いで、推定部１４３は、処理をステップＳ４２に進める。

ステップＳ２７において、推定部１４３は、番号ｘ及びｙをそれぞれ１に設定する。また、推定部１４３は、組み合わせ数ｃを１に設定する。

次いで、推定部１４３は、組み合わせ情報［ｅ−１，ｘ］と、商品サイズ［ｙ］とを特定する（ステップＳ２８）。組み合わせ情報［ｅ−１，ｘ］は、参照商品［１］〜［ｊ−１］で選択された商品サイズの組み合わせのうちｘ番目に小さい商品サイズの組み合わせを含む。商品サイズ［ｙ］は、参照商品［ｊ］で選択された商品サイズのうち、ｙ番目に小さい商品サイズである。

次いで、推定部１４３は、組み合わせ情報［ｅ−１，ｘ］に含まれる割合と、参照商品［ｊ］で商品サイズ［ｙ］を選択したユーザの割合との差を、組み合わせ情報［ｅ−１，ｘ］が示す商品サイズの組み合わせと、商品サイズ［ｙ］とを選択したユーザの割合として計算する（ステップＳ２８）。

次いで、推定部１４３は、組み合わせ情報［ｅ−１，ｘ］に含まれる割合が、参照商品［ｊ］で商品サイズ［ｙ］を選択したユーザの割合よりも小さいか否かを判定する（ステップＳ２９）。このとき、推定部１４３は、組み合わせ情報［ｅ−１，ｘ］に含まれる割合が、参照商品［ｊ］で商品サイズ［ｙ］を選択したユーザの割合よりも小さいと判定した場合には（ステップＳ２９：ＹＥＳ）、処理をステップＳ３０に進める。一方、推定部１４３は、組み合わせ情報［ｅ−１，ｘ］に含まれる割合が、参照商品［ｊ］で商品サイズ［ｙ］を選択したユーザの割合よりも小さくはないと判定した場合には（ステップＳ２９：ＮＯ）、処理をステップＳ３３に進める。

ステップＳ３０において、推定部１４３は、組み合わせ情報［ｅ−１，ｘ］に含まれる全商品サイズ及び割合と商品サイズ［ｙ］とを含む組み合わせ情報［ｅ，ｃ］を生成する。次いで、推定部１４３は、組み合わせ情報［ｅ−１，ｘ］に含まれる割合と、参照商品［ｊ］で商品サイズ［ｙ］を選択したユーザの割合との差で、参照商品［ｊ］で商品サイズ［ｙ］を選択したユーザの割合を書き換える（ステップＳ３１）。次いで、推定部１４３は、ｘを１増加させて（ステップＳ３２）、処理をステップＳ４０に進める。

ステップＳ３３において、推定部１４３は、組み合わせ情報［ｅ−１，ｘ］に含まれる割合が、参照商品［ｊ］で商品サイズ［ｙ］を選択したユーザの割合と一致するか否かを判定する。このとき、推定部１４３は、組み合わせ情報［ｅ−１，ｘ］に含まれる割合が、参照商品［ｊ］で商品サイズ［ｙ］を選択したユーザの割合と一致すると判定した場合には（ステップＳ３３：ＹＥＳ）、処理をステップＳ３４に進める。一方、推定部１４３は、組み合わせ情報［ｅ−１，ｘ］に含まれる割合が、参照商品［ｊ］で商品サイズ［ｙ］を選択したユーザの割合と一致しないと判定した場合には（ステップＳ３３：ＮＯ）、処理をステップＳ３６に進める。

ステップＳ３４において、推定部１４３は、組み合わせ情報［ｅ−１，ｘ］に含まれる全商品サイズ及び割合と商品サイズ［ｙ］とを含む組み合わせ情報［ｅ，ｃ］を生成する。次いで、推定部１４３は、ｘとｙをそれぞれ１増加させて（ステップＳ３５）、処理をステップＳ３９に進める。

ステップＳ３６において、推定部１４３は、組み合わせ情報［ｅ−１，ｘ］から全商品サイズを取得する。そして、推定部１４３は、取得した商品サイズと、商品サイズ［ｙ］と、参照商品［ｊ］で商品サイズ［ｙ］を選択したユーザの割合とを含む組み合わせ情報［ｅ，ｃ］を生成する。次いで、推定部１４３は、推定部１４３は、組み合わせ情報［ｅ−１，ｘ］に含まれる割合と、参照商品［ｊ］で商品サイズ［ｙ］を選択したユーザの割合との差で、組み合わせ情報［ｅ−１，ｘ］に含まれる割合を書き換える（ステップＳ３７）。次いで、推定部１４３は、ｙを１増加させて（ステップＳ３８）、処理をステップＳ３９に進める。

ステップＳ３９において、推定部１４３は、ｘが、ｅ−１に対応する組み合わせ情報の数以下であるか否かを判定する。このとき、推定部１４３は、ｘが、組み合わせ情報の数以下であると判定した場合には（ステップＳ３９：ＹＥＳ）、処理をステップＳ４１に進める。一方、推定部１４３は、ｘが、組み合わせ情報の数以下ではない判定した場合には（ステップＳ３９：ＮＯ）、処理をステップＳ４０に進める。

ステップＳ４０において、推定部１４３は、ｙが、参照商品［ｊ］で選択された商品サイズの数以下であるか否かを判定する。このとき、推定部１４３は、ｙが、参照商品［ｊ］で選択された商品サイズの数以下であると判定した場合には（ステップＳ４０：ＹＥＳ）、処理をステップＳ４１に進める。一方、推定部１４３は、ｙが、参照商品［ｊ］で選択された商品サイズの数以下ではない判定した場合には（ステップＳ４０：ＮＯ）、処理をステップＳ４２に進める。

ステップＳ４１において、推定部１４３は、ｃを１増加させて、処理をステップＳ２８に進める。

ステップＳ４２において、推定部１４３は、商品番号ｊが、参照商品の数未満であるか否かを判定する。このとき、推定部１４３は、商品番号ｊが、参照商品の数未満であると判定した場合には（ステップＳ４２：ＹＥＳ）、処理をステップＳ４３に進める。ステップＳ４３において、推定部１４３は、商品番号ｊを１増加させて、処理をステップＳ２３に進める。一方、推定部１４３は、商品番号ｊが、参照商品の数未満ではないと判定した場合には（ステップＳ４２：ＮＯ）、処理をステップＳ５１に進める。

図１２に示すように、ステップＳ５１において、推定部１４３は、構成要素数ｅが０であるか否かを判定する。このとき、推定部１４３は、構成要素数ｅが０であると判定した場合には（ステップＳ５１：ＹＥＳ）、処理をステップＳ５２に進める。一方、推定部１４３は、構成要素数ｅが０ではないと判定した場合には（ステップＳ５１：ＮＯ）、処理をステップＳ５３に進める。

ステップＳ５２において、推定部１４３は、標準身体サイズＤＢ１２ｃに記憶されている通常サイズの身体寸法情報から、部分［ｉ］に対応する身体部分の標準の寸法を取得する。そして、推定部１４３は、標準の寸法を、対象ユーザの部分［ｉ］に対応する身体部分の寸法として推定する。次いで、推定部１４３は、処理をステップＳ５６に進める。

ステップＳ５３において、推定部１４３は、標準身体サイズＤＢ１２ｃに記憶されている身体寸法情報から、部分［ｉ］に対応する身体部分の標準の寸法を取得する。推定部１４３は、取得された寸法に基づいて、通常サイズにおける部分［ｉ］に対応する身体部分の寸法の範囲を決定する。そして、推定部１４３は、通常サイズにおける身体部分の寸法の範囲を、ｃ個の寸法の範囲に分割する。例えば、推定部１４３は、通常サイズにおける身体部分の寸法の範囲の上限値と下限値との差を、寸法幅として計算する。推定部１４３は、組み合わせ情報［ｅ，１］〜［ｅ，ｃ］のそれぞれについて、寸法幅に、組み合わせ情報に含まれる割合を乗算して、その組み合わせ情報に対応する寸法の範囲の幅を計算する。推定部１４３は、商品サイズの組み合わせが小さい組み合わせ情報の順に、通常サイズにおける身体部分の寸法の範囲の下限値から上限値に向かって、計算された幅の寸法の範囲を割り当てる。

次いで、推定部１４３は、対象ユーザの購入履歴に基づいて、組み合わせ情報［ｅ，１］〜［ｅ，ｃ］の中から、対象ユーザが選択した商品サイズの組み合わせを含む組み合わせ情報を特定する（ステップＳ５４）。

次いで、推定部１４３は、ｃ個の寸法の範囲のうち、特定された組み合わせ情報に対応する寸法の範囲内で、対象ユーザの部分［ｉ］に対応する身体部分の寸法を推定する（ステップＳ５５）。例えば、推定部１４３は、寸法の範囲の下限値と上限値との平均を計算してもよい。

次いで、推定部１４３は、部分番号ｉが、身体サイズの推定に用いられるカテゴリーの商品の部分の数未満であるか否かを判定する（ステップＳ５６）。このとき、推定部１４３は、部分番号ｉが部分の数未満であると判定した場合には（ステップＳ５６：ＹＥＳ）、処理をステップＳ５７に進める。ステップＳ５７において、推定部１４３は、部分番号ｉを１増加させて、処理をステップＳ２２に進める。一方、推定部１４３は、部分番号ｉが部分の数未満ではないと判定した場合には（ステップＳ５６：ＮＯ）、身体サイズ推定処理を終了させる。

以上説明したように、本実施形態によれば、システム制御部１４が、対象ユーザが購入したことがある商品と同一の商品又は対象ユーザが購入したことがある商品とブランドが同一である商品を購入したことがあり、且つ複数の商品サイズのうち購入する商品のサイズとして最も多く選択したサイズが、複数の商品サイズのうち対象ユーザにより最も多く選択された通常サイズと同一である参照ユーザを特定する。また、システム制御部１４が、対象ユーザ及び参照ユーザのうち所定数以上若しくは所定割合以上のユーザが通常サイズ以外のサイズで購入した参照商品、又は所定数以上若しくは所定割合以上のユーザが通常サイズ以外のサイズの商品を購入した参照ブランドを特定する。また、システム制御部１４が、通常サイズと、参照商品又は参照ブランドの商品を購入したときに対象ユーザ及び参照ユーザが選択したサイズとに基づいて、対象ユーザの身体サイズを推定する。従って、通常サイズに対応する身体サイズの範囲内の身体を有する蓋然性があるユーザを、身体サイズが異なる蓋然性がある複数のユーザ層に分けることができるので、購入された商品のサイズに基づいて、ユーザの身体サイズをより正確に推定することが可能となる。

また、システム制御部１４が、複数の参照商品又は参照ブランドが特定された場合、複数の参照商品又は参照ブランドのそれぞれについて、商品又はブランドの商品を購入したときに選択したサイズで、対象ユーザ及び参照ユーザを複数のグループに分割した場合のユーザの分布を取得してもよい。また、システム制御部１４が、複数の参照商品又は参照ブランド間におけるユーザの分布の比較に基づいて、複数の参照商品又は参照ブランドの商品について選択されたサイズの組み合わせを複数特定してもよい。また、システム制御部１４が 、特定された複数の組み合わせと、複数の組み合わせのうち対象ユーザが選択したサイズの組み合わせとに基づいて、対象ユーザの身体サイズを推定してもよい。この場合、ユーザ層を更に細分化することができるので、ユーザの身体サイズをより正確に推定することが可能となる。

また、システム制御部１４が、対象ユーザが購入したことがある商品のうち参照商品と異なる普通商品又は対象ユーザが商品を購入したことがあるブランドのうち参照ブランドと異なる普通ブランドの商品の複数部分の第１寸法を示す情報、及び参照商品又は参照ブランドの商品の複数部分の第２寸法を示す情報であって、それぞれ通常サイズに対応する第１寸法を示す情報及び第２寸法を示す情報を取得してもよい。また、システム制御部１４が、複数部分のうち、第１寸法と第２寸法との差が相対的に大きい部分を特定してもよい。また、システム制御部１４が、対象ユーザの複数の身体部位のうち、特定された部分に対応する身体部位の寸法を推定してもよい。この場合、参照商品又は参照ブランドに対応して寸法を推定すべき身体部位を適切に特定することができる。

また、システム制御部１４が、参照ユーザを、購入した商品のサイズについての意見の投稿、及び、購入した商品を返品した後にその商品のサイズとは異なるサイズでのその商品と同一の商品の購入の少なくとも一方を行ったユーザに限定してもよい。この場合、サイズ選びにこだわりがあるユーザの購入履歴のみを用いることで、システム制御部１４は、ユーザの身体サイズをより正確に推定することができる。また、参照ユーザを限定することにより、身体サイズの推定のための処理負荷を低減させることができる。

１ 電子商店街サーバ
２ 店舗端末
３ ユーザ端末
１１ 通信部
１２ 記憶部
１２ａ 会員ＤＢ
１２ｂ カタログＤＢ
１２ｃ 標準身体サイズＤＢ
１２ｄ 商品ＤＢ
１２ｅ 購入履歴ＤＢ
１２ｆ レビューＤＢ
１３ 入出力インターフェース
１４ システム制御部
１４ａ ＣＰＵ
１４ｂ ＲＯＭ
１４ｃ ＲＡＭ
１５ システムバス
１４１ ユーザ特定部
１４２ 商品特定部
１４３ 推定部
ＮＷ ネットワーク
Ｓ 電子商取引システム

Claims (6)

1. 対象ユーザが購入したことがある商品と同一の商品又は前記対象ユーザが購入したことがある前記商品とブランドが同一である商品を購入したことがあり、且つ複数の商品サイズのうち購入する商品のサイズとして最も多く選択したサイズが、前記複数の商品サイズのうち前記対象ユーザにより最も多く選択された通常サイズと同一であるユーザを特定するユーザ特定手段と、
   前記対象ユーザ及び前記特定されたユーザのうち、所定数以上若しくは所定割合以上のユーザが前記通常サイズ以外のサイズで購入した商品、又は前記所定数以上若しくは前記所定割合以上のユーザが前記通常サイズ以外のサイズの商品を購入したブランドを特定する商品特定手段と、
   前記通常サイズと、前記特定された商品又はブランドの商品を購入したときに前記対象ユーザ及び前記特定されたユーザが選択したサイズとに基づいて、前記対象ユーザの身体サイズを推定する推定手段と、
   を備えることを特徴とする情報処理装置。
2. 請求項１に記載の情報処理装置において、
   前記商品特定手段により複数の商品又はブランドが特定された場合、前記複数の商品又はブランドのそれぞれについて、商品又はブランドの商品を購入したときに選択したサイズで、前記対象ユーザ及び前記特定されたユーザを複数のグループに分割した場合のユーザの分布を取得する分布取得手段を更に備え、
   前記推定手段は、前記複数の商品又はブランド間におけるユーザの分布の比較に基づいて、前記複数の商品又はブランドの商品について選択されたサイズの組み合わせを複数特定し 、前記特定された複数の組み合わせと、前記複数の組み合わせのうち前記対象ユーザが選択したサイズの組み合わせとに基づいて、前記対象ユーザの身体サイズを推定することを特徴とする情報処理装置。
3. 請求項１又は２に記載の情報処理装置において、
   前記対象ユーザが購入したことがある商品のうち前記特定された商品と異なる商品又は前記対象ユーザが商品を購入したことがあるブランドのうち前記特定されたブランドと異なるブランドの商品の複数部分の第１寸法を示す情報、及び前記特定された商品又はブランドの商品の複数部分の第２寸法を示す情報であって、それぞれ前記通常サイズに対応する第１寸法を示す情報及び第２寸法を示す情報を取得する寸法取得手段と、
   前記複数部分のうち、前記第１寸法と前記第２寸法との差が相対的に大きい部分を特定する部分商品特定手段と、
   を更に備え、
   前記推定手段は、前記対象ユーザの複数の身体部位のうち、前記特定された部分に対応する身体部位の寸法を推定することを特徴とする情報処理装置。
4. 請求項１乃至３の何れか１項に記載の情報処理装置において、
   前記ユーザ特定手段は、特定されるユーザを、購入した商品のサイズについての意見の投稿、及び、購入した商品を返品した後に該商品のサイズとは異なるサイズでの該商品と同一の商品の購入の少なくとも一方を行ったユーザに限定することを特定することを特徴とする情報処理装置。
5. コンピュータにより実行される情報処理方法において、
   対象ユーザが購入したことがある商品と同一の商品又は前記対象ユーザが購入したことがある前記商品とブランドが同一である商品を購入したことがあり、且つ複数の商品サイズのうち購入する商品のサイズとして最も多く選択したサイズが、前記複数の商品サイズのうち前記対象ユーザにより最も多く選択された通常サイズと同一であるユーザを特定するユーザ特定ステップと、
   前記対象ユーザ及び前記特定されたユーザのうち、所定数以上若しくは所定割合以上のユーザが前記通常サイズ以外のサイズで購入した商品、又は前記所定数以上若しくは前記所定割合以上のユーザが前記通常サイズ以外のサイズの商品を購入したブランドを特定する商品特定ステップと、
   前記通常サイズと、前記特定された商品又はブランドの商品を購入したときに前記対象ユーザ及び前記特定されたユーザが選択したサイズとに基づいて、前記対象ユーザの身体サイズを推定する推定ステップと、
   を含むことを特徴とする情報処理方法。
6. コンピュータに、
   対象ユーザが購入したことがある商品と同一の商品又は前記対象ユーザが購入したことがある前記商品とブランドが同一である商品を購入したことがあり、且つ複数の商品サイズのうち購入する商品のサイズとして最も多く選択したサイズが、前記複数の商品サイズのうち前記対象ユーザにより最も多く選択された通常サイズと同一であるユーザを特定するユーザ特定手段と、
   前記対象ユーザ及び前記特定されたユーザのうち、所定数以上若しくは所定割合以上のユーザが前記通常サイズ以外のサイズで購入した商品、又は前記所定数以上若しくは前記所定割合以上のユーザが前記通常サイズ以外のサイズの商品を購入したブランドを特定する商品特定手段と、
   前記通常サイズと、前記特定された商品又はブランドの商品を購入したときに前記対象ユーザ及び前記特定されたユーザが選択したサイズとに基づいて、前記対象ユーザの身体サイズを推定する推定手段と、
   として機能させることを特徴とする情報処理プログラム。

Images