JP6353144B1 - 予測装置、予測方法、及び予測プログラム - Google Patents

Abstract

【課題】ユーザが検索に用いたクエリと検索時の位置情報に基づいて、ユーザの需要を適切に予測する測装置、予測方法、及び予測プログラムを提供する。【解決手段】予測装置１００は、通信部１１０、記憶部１２０及び制御部１３０からなり、制御部１３０は取得部１３１と、予測部１３３と、を有する。取得部１３１は、ユーザが検索に用いたクエリと、クエリによる検索時のユーザの位置情報とを取得する。予測部１３３は、取得部により取得されたクエリと位置情報とに基づいて、クエリに対応する対象に関する需要を予測する。【選択図】図３

Description

本発明は、予測装置、予測方法、及び予測プログラムに関する。

従来、種々の需要を予測する技術が提供されている。例えば、少なくともＰＯＩ（興味のある地点：Point of Interest）データを含むユーザの検索データに基づいて、ユーザのニーズ情報を決定する技術が提供されている。

特開２０１７−１６６２５号公報

しかしながら、上記の従来技術では、ユーザの需要を適切に予測することができるとは限らない。例えば、上記の従来技術では、少なくともＰＯＩデータが必要であるため、ＰＯＩデータが十分でなかったり、ＰＯＩデータが不正確であったりした場合等、適切に需要を予測することが難しい場合がある。

本願は、上記に鑑みてなされたものであって、ユーザの需要を適切に予測する予測装置、予測方法、及び予測プログラムを提供することを目的とする。

本願に係る予測装置は、ユーザが検索に用いたクエリと、前記クエリによる検索時の前記ユーザの位置情報とを取得する取得部と、前記取得部により取得された前記クエリと前記位置情報とに基づいて、前記クエリに対応する対象に関する需要を予測する予測部とを備えることを特徴とする。

実施形態の一態様によれば、ユーザの需要を適切に予測することができるという効果を奏する。

図１は、実施形態に係る予測処理の一例を示す図である。 図２は、実施形態に係る予測システムの構成例を示す図である。 図３は、実施形態に係る予測装置の構成例を示す図である。 図４は、実施形態に係る事業者情報記憶部の一例を示す図である。 図５は、実施形態に係るユーザ情報記憶部の一例を示す図である。 図６は、実施形態に係る行動情報記憶部の一例を示す図である。 図７は、実施形態に係る需要情報記憶部の一例を示す図である。 図８は、実施形態に係る予測処理の一例を示すフローチャートである。 図９は、実施形態に係る予測処理の一例を示す図である。 図１０は、実施形態に係る予測処理の一例を示す図である。 図１１は、予測装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。

以下に、本願に係る予測装置、予測方法、及び予測プログラムを実施するための形態（以下、「実施形態」と呼ぶ）について図面を参照しつつ詳細に説明する。なお、この実施形態により本願に係る予測装置、予測方法、及び予測プログラムが限定されるものではない。また、以下の各実施形態において同一の部位には同一の符号を付し、重複する説明は省略される。

（実施形態）
〔１．予測処理〕
図１を用いて、実施形態に係る予測処理の一例について説明する。図１は、実施形態に係る予測処理の一例を示す図である。具体的には、図１は、予測装置１００が事業者への情報提供を行う際に用いる情報を収集する一例を示す図である。ここでいう事業者は、事業を行うものであれば、個人（自然人）や法人等の種々の事業者が含まれてもよい。例えば、事業者は、商品またはサービスを提供（販売）する企業であってもよい。また、以下では、商品またはサービスを併せて「商品」と記載する場合がある。また、図１では、予測装置１００は、ユーザが検索に用いたキーワード（以下、「検索クエリ」や「クエリ」ともいう）と、クエリによる検索時のユーザの位置情報に基づいて、需要を予測する。

〔予測システムの構成〕
まず、図１及び図２に示す予測システム１について説明する。図２に示すように、予測システム１は、端末装置１０と、事業者装置２０と、予測装置１００とが含まれる。端末装置１０と、事業者装置２０と、予測装置１００とは所定のネットワークＮを介して、有線または無線により通信可能に接続される。図２は、実施形態に係る予測システムの構成例を示す図である。なお、図２に示した予測システム１には、複数台の端末装置１０や、複数台の事業者装置２０や複数台の予測装置１００が含まれてもよい。

端末装置１０は、ユーザによって利用される情報処理装置である。端末装置１０は、例えば、スマートフォンや、タブレット型端末や、ノート型ＰＣ（Personal Computer）や、デスクトップＰＣや、携帯電話機や、ＰＤＡ（Personal Digital Assistant）等により実現される。図１に示す例においては、端末装置１０がユーザが利用するスマートフォンである場合を示す。なお、以下では、端末装置１０をユーザと表記する場合がある。すなわち、以下では、ユーザを端末装置１０と読み替えることもできる。

また、端末装置１０は、ＧＰＳ（Global Positioning System）センサ等の機能を有し、ユーザの位置情報（センサ情報）を検知し、取得するものとする。また、端末装置１０は、通信を行っている基地局の位置情報や、ＷｉＦｉ（登録商標）（Wireless Fidelity）の電波を用いてユーザの位置情報を推定し、取得してもよい。なお、以下では位置情報を単に「位置」と記載する場合がある。

また、端末装置１０は、ＧＰＳセンサ等に限らず種々のセンサにより、各種センサ情報を検知してもよい。また、端末装置１０は、加速度センサの機能を有し、ユーザの移動における加速度情報（センサ情報）を検知し、取得する。また、端末装置１０は、温度センサや気圧センサ等の種々の機能を有し、温度や気圧等のユーザの置かれている環境情報を検知し、取得可能であってもよい。また、端末装置１０は、心拍センサ等の種々の機能を有し、ユーザの生体情報を検知し、取得可能であってもよい。例えば、端末装置１０を利用するユーザは、端末装置１０と通信可能なウェアラブルデバイスを身に付けることにより、端末装置１０によりユーザ自身のコンテキスト情報を取得可能としてもよい。例えば、端末装置１０を利用するユーザは、端末装置１０と通信可能なリストバンド型のウェアラブルデバイスを身に付けることにより、端末装置１０によりユーザ自身の心拍（脈拍）に関する情報を端末装置１０が取得可能としてもよい。

また、端末装置１０は、ユーザによる操作を受け付ける。また、端末装置１０は、予測装置１００に種々の情報を送信する。例えば、端末装置１０は、予測装置１００に検索クエリや位置情報等の種々の行動情報等を送信する。

また、図１に示す例においては、端末装置１０を利用するユーザに応じて、端末装置１０を端末装置１０−１〜１０−５として説明する。例えば、端末装置１０−１は、ユーザＵ１により使用される端末装置１０である。また、例えば、端末装置１０−２は、ユーザＵ２により使用される端末装置１０である。また、以下では、端末装置１０−１〜１０−５について、特に区別なく説明する場合には、端末装置１０と記載する。

上記のように「ユーザＵ＊（＊は任意の数値）」と記載した場合、そのユーザはユーザＩＤ「Ｕ＊」により識別されるユーザであることを示す。例えば、「ユーザＵ２」と記載した場合、そのユーザはユーザＩＤ「Ｕ２」により識別されるユーザである。図１に示した予測システム１には、ユーザＵ１が利用する端末装置１０や、ユーザＵ２が利用する端末装置１０等の多数の端末装置１０が含まれる。

予測装置１００は、ユーザが検索に用いたクエリと、クエリによる検索時のユーザの位置情報とに基づいて、クエリに対応する対象に関する需要を予測する情報処理装置である。また、例えば、予測装置１００は、対象に関する需要を示す情報を、対象に関する事業者へ提供する。

また、予測装置１００は、端末装置１０から取得したクエリ（検索クエリ）に対する検索結果を端末装置１０に提供する検索サービスを提供する。図１の例では、予測装置１００は、クエリに対応する所定の情報を検索結果として、クエリの送信元である端末装置１０へ提供する。

なお、図１では、予測装置１００が検索サービスを提供する場合を示すが、外部の情報処理装置が検索サービスを提供する場合、予測装置１００は検索サービスを提供しなくてもよい。この場合、予測装置１００は、検索サービスを提供する外部の情報処理装置等から各種情報を取得し、取得した情報に基づく需要の予測や事業者への情報提供を行ってもよい。

事業者装置２０は、事業者（企業）によって利用される情報処理装置である。図１の例では、事業者装置２０は、事業者であるラーメン店ＭＡの管理者Ｍ１によって利用される情報処理装置である。例えば、ラーメン店ＭＡの管理者Ｍ１は、事業者装置２０を用いて、予測装置１００に対してキーワードに関する指定を行う。また、事業者装置２０は、例えば、スマートフォンや、タブレット型端末や、ノート型ＰＣや、デスクトップＰＣや、携帯電話機や、ＰＤＡ等により実現される。図１は、事業者装置２０がノート型ＰＣである場合を示す。

図１の例では、予測装置１００は、ユーザＵ１〜Ｕ５等が利用する端末装置１０が有するＧＰＳセンサ等の機能により、ユーザＵ１〜Ｕ５が入力した検索クエリとともに端末装置１０の位置を取得する。図１に示す地図情報ＭＰ１は、ユーザＵ１〜Ｕ５の位置を模式的に示す。

また、図１の例では、情報提供を受ける事業者が、ラーメン店ＭＡである場合を示す。例えば、図１では、予測装置１００は、ラーメン店ＭＡからＡエリアにおける対象「ラーメン」に関する需要に関する情報の要求を取得し、取得した要求が示すエリアにおける対象に対応する需要に関する情報をラーメン店ＭＡに提供する。

まず、予測装置１００は、ユーザＵ１が利用する端末装置１０−１からクエリと位置情報とを取得する（ステップＳ１１−１）。図１の例では、予測装置１００は、日時ＤＴ１において、端末装置１０−１からクエリ「塩ラーメン」と位置情報ＬＣ１とを取得する。なお、図１の例では位置情報ＬＣ１等の抽象的な符号で図示するが、位置情報は、具体的な緯度や経度を示す情報（緯度経度情報）等であってもよい。また、以下、「位置情報ＬＣ＊（＊は任意の数値）」を「位置ＬＣ＊」と記載する場合がある。例えば、「位置ＬＣ１」と記載した場合、その位置は位置情報ＬＣ１に対応する位置であることを示す。図１の例では、位置ＬＣ１は、Ａエリア内の位置であるものとする。

そして、予測装置１００は、クエリ「塩ラーメン」に対応する検索結果を端末装置１０−１へ提供する。また、予測装置１００は、日時ＤＴ１に位置ＬＣ１において、ユーザＵ１がクエリ「塩ラーメン」を用いて検索を行ったことを示す行動情報を行動情報記憶部１２３に記憶する。図１の例では、予測装置１００は、日時ＤＴ１にＡエリア内の位置ＬＣ１において、ユーザＵ１がクエリ「塩ラーメン」を用いて検索を行ったことを示す行動情報を行動情報記憶部１２３に記憶する。

また、予測装置１００は、ユーザＵ２が利用する端末装置１０−２からクエリと位置情報とを取得する（ステップＳ１１−２）。図１の例では、予測装置１００は、日時ＤＴ２において、端末装置１０−２からクエリ「スマホＳＨ 赤」と位置情報ＬＣ２とを取得する。そして、予測装置１００は、クエリ「スマホＳＨ 赤」に対応する検索結果を端末装置１０−２へ提供する。また、予測装置１００は、日時ＤＴ２に位置ＬＣ２において、ユーザＵ２がクエリ「スマホＳＨ 赤」を用いて検索を行ったことを示す行動情報を行動情報記憶部１２３に記憶する。

また、予測装置１００は、ユーザＵ３が利用する端末装置１０−３からクエリと位置情報とを取得する（ステップＳ１１−３）。図１の例では、予測装置１００は、日時ＤＴ３において、端末装置１０−３からクエリ「塩ラーメン Ａエリア」と位置情報ＬＣ３とを取得する。図１の例では、位置ＬＣ３は、Ａエリア内の位置であるものとする。そして、予測装置１００は、クエリ「塩ラーメン Ａエリア」に対応する検索結果を端末装置１０−３へ提供する。また、予測装置１００は、日時ＤＴ３にＡエリア内の位置ＬＣ３において、ユーザＵ３がクエリ「塩ラーメン Ａエリア」を用いて検索を行ったことを示す行動情報を行動情報記憶部１２３に記憶する。

また、予測装置１００は、ユーザＵ４が利用する端末装置１０−４からクエリと位置情報とを取得する（ステップＳ１１−４）。図１の例では、予測装置１００は、日時ＤＴ４において、端末装置１０−４からクエリ「天気」と位置情報ＬＣ４とを取得する。そして、予測装置１００は、クエリ「天気」に対応する検索結果を端末装置１０−４へ提供する。また、予測装置１００は、日時ＤＴ４に位置ＬＣ４において、ユーザＵ４がクエリ「天気」を用いて検索を行ったことを示す行動情報を行動情報記憶部１２３に記憶する。

また、予測装置１００は、ユーザＵ５が利用する端末装置１０−５からクエリと位置情報とを取得する（ステップＳ１１−５）。図１の例では、予測装置１００は、日時ＤＴ５において、端末装置１０−５からクエリ「スマホＳＨ 高い」と位置情報ＬＣ５とを取得する。そして、予測装置１００は、クエリ「スマホＳＨ 高い」に対応する検索結果を端末装置１０−５へ提供する。また、予測装置１００は、日時ＤＴ５に位置ＬＣ５において、ユーザＵ５がクエリ「スマホＳＨ 高い」を用いて検索を行ったことを示す行動情報を行動情報記憶部１２３に記憶する。

以下、ステップＳ１１−１〜Ｓ１１−５を区別せずに説明する場合、ステップＳ１１と総称する。また、ステップＳ１１−１〜Ｓ１１−５に限らず、各ユーザの検索は、複数回行われてもよい。なお、図１では、５人のユーザＵ１〜Ｕ５を図示するが、予測装置１００は、ユーザＵ１〜Ｕ５に限らず、多数のユーザ（例えば、１００万ユーザや１０００万ユーザ等）が検索に用いたクエリを取得する。

これにより、予測装置１００は、ユーザが検索に用いたクエリと、クエリによる検索時のユーザの位置情報との組合せを収集する（ステップＳ１２）。図１の例では、予測装置１００は、行動情報記憶部１２３に示すように、ユーザＵ１〜Ｕ５等が検索に用いたクエリと、クエリによる検索時のユーザの位置ＬＣ１〜ＬＣ５等との組合せを収集する。

そして、予測装置１００は、所定の対象に関するスコアを生成する（ステップＳ１３）。例えば、予測装置１００は、所定の対象について、複数のエリアごとのスコアを生成（算出）する。図１の例では、予測装置１００は、対象「塩ラーメン」について、Ａエリア〜Ｄエリア等の複数のエリアごとのスコアを生成する。例えば、予測装置１００は、対象「塩ラーメン」について、各エリアにおける検索回数を用いてスコアを生成する。なお、予測装置１００は、検索が行われた位置や時間に基づいて各検索の重みを生成し、生成した各検索に重みを用いてスコアを生成してもよいが、詳細は後述する。図１の例では、説明を簡単にするために、予測装置１００は、各検索の重みを「１」として、各エリアにおける対象「塩ラーメン」のスコアを生成する。すなわち、図１の例では、予測装置１００は、対象「塩ラーメン」について、各エリアにおける検索回数の合算をスコアとして生成する。

図１の例では、予測装置１００は、エリア別一覧ＡＤＬ１に示すように、対象「塩ラーメン」について、Ａエリア〜Ｄエリア等の複数のエリアごとのスコアを生成する。例えば、予測装置１００は、Ａエリアにおける対象「塩ラーメン」のスコアを「１００００」と算出する。例えば、予測装置１００は、Ｂエリアにおける対象「塩ラーメン」のスコアを「５００」と算出する。例えば、予測装置１００は、Ｃエリアにおける対象「塩ラーメン」のスコアを「１０」と算出する。例えば、予測装置１００は、Ｄエリアにおける対象「塩ラーメン」のスコアを「２００」と算出する。

そして、予測装置１００は、生成したスコアに関する情報に基づいて、需要を予測する（ステップＳ１４）。図１の例では、予測装置１００は、需要一覧ＤＤＬ１に示すように、対象「塩ラーメン」について、Ａエリア〜Ｄエリア等の複数のエリアごとの需要を予測する。例えば、予測装置１００は、対象について、各エリアに対応するスコアと、所定の閾値との比較に基づいて、エリアごとの需要を予測する。図１の例では、予測装置１００は、第１閾値「５０００」と、第２閾値「５００」とを用いて、エリアごとの需要を予測する。例えば、予測装置１００は、スコアが第１閾値以上であるエリアについては、その対象の需要が「高」であると予測する。例えば、予測装置１００は、スコアが第２閾値以上であるエリアについては、その対象の需要が「中」であると予測する。例えば、予測装置１００は、スコアが第２閾値未満であるエリアについては、その対象の需要が「低」であると予測する。

図１の例では、予測装置１００は、Ａエリアにおける対象「塩ラーメン」のスコアが「１００００」であり、第１閾値以上であるため、Ａエリアにおける対象「塩ラーメン」の需要を「高」と予測する。また、予測装置１００は、Ｂエリアにおける対象「塩ラーメン」のスコアが「５００」であり、第１閾値未満、第２閾値以上であるため、Ｂエリアにおける対象「塩ラーメン」の需要を「中」と予測する。また、予測装置１００は、Ｃエリアにおける対象「塩ラーメン」のスコアが「１０」であり、第２閾値未満であるため、Ｃエリアにおける対象「塩ラーメン」の需要を「低」と予測する。また、予測装置１００は、Ｄエリアにおける対象「塩ラーメン」のスコアが「２００」であり、第２閾値未満であるため、Ｄエリアにおける対象「塩ラーメン」の需要を「低」と予測する。

そして、予測装置１００は、事業者に需要情報を提供する（ステップＳ１５）。図１の例では、予測装置１００は、ラーメン店ＭＡの管理者Ｍ１が利用する事業者装置２０に需要情報を提供する。ここで、ラーメン店ＭＡは、エリアＡに位置し、しょうゆラーメンＲＭを提供する飲食店である。そのため、予測装置１００は、事業者装置２０にＡエリアでは塩ラーメンの需要が高いことを示す情報を提供する。これにより、ラーメン店ＭＡの管理者Ｍ１は、Ａエリアにおいては塩ラーメンを提供した方が利益を上げる可能性が高いことを把握することができるため、提供物をしょうゆラーメンＲＭから塩ラーメンへ変更したり、提供物として塩ラーメンを追加したりする判断を行うことができる。なお、予測装置１００は、需要一覧ＤＤＬ１を事業者装置２０に提供してもよい。これにより、ラーメン店ＭＡの管理者Ｍ１は、Ａエリアにおける塩ラーメンの需要が他のエリアよりも相対的に高いことを把握することができるため、より適切な判断を行うことができる。

このように、予測装置１００は、ユーザが検索に用いたクエリと、クエリによる検索時のユーザの位置情報とに基づいて、クエリに対応する対象に関する需要を予測する。図１の例では、予測装置１００は、クエリと位置情報とに基づいて、位置情報に対応するエリアにおけるクエリに対応する対象に関する需要を予測する。そして、予測装置１００は、予測した情報を事業者に提供する。これにより、情報の提供を受けた事業者は、提供された情報に基づいて、自身の事業についてより適切な判断を行うことができる。

〔１−１．他の情報の利用〕
図１の例では、予測装置１００が検索に用いられたクエリを用いて需要を予測する場合を示したが、予測装置１００は、種々の情報を用いて、需要を予測してもよい。例えば、予測装置１００は、ユーザが入力する情報と位置情報とが対応付けられている情報であれば、どのような情報を用いて需要を予測してもよい。例えば、予測装置１００は、所定のネットワークで通信される文字情報と位置情報とから所定のエリアに対応する需要を予測してもよい。

例えば、予測装置１００は、ソーシャルネットワーキングサービスにおいてユーザが投稿した投稿情報とその投稿時のユーザの位置情報とを用いて、需要を予測してもよい。例えば、予測装置１００は、Ｔｗｉｔｔｅｒ（登録商標）やＦａｃｅｂｏｏｋ（登録商標）等においてユーザが投稿した投稿情報を用いて、需要を予測してもよい。例えば、予測装置１００は、ユーザがＴｗｉｔｔｅｒにおいて投稿した文章（文字情報）を用いて、需要を予測してもよい。

例えば、予測装置１００は、ユーザがメッセージサービスにおいて入力した入力情報を用いて、需要を予測してもよい。例えば、予測装置１００は、ユーザがＬＩＮＥ（登録商標）等のメッセージサービスにおいて入力した入力情報を用いて、需要を予測してもよい。例えば、予測装置１００は、電子メールにおいて入力した入力情報を用いて、需要を予測してもよい。

〔１−２．位置及び時間とを組み合わせた需要予測〕
また、予測装置１００は、位置とともに時間も組み合わせて、クエリに対応する対象に関する需要を予測してもよい。例えば、予測装置１００は、位置と時間との組み合わせごとにクエリを収集し、各組み合わせに対応するクエリごとにスコアを算出してもよい。例えば、予測装置１００は、エリアと時間帯（朝、昼、夜等）との組み合わせごとにクエリを収集し、各組み合わせにおけるクエリに対応する対象ごとにスコアを算出してもよい。例えば、予測装置１００は、Ａエリア、Ｂエリア等と、第１時間帯（４−１２時）、第２時間帯（１２−２０時）、第３時間帯（２０−４時）等との組み合わせごとにクエリを収集し、各組み合わせにおけるクエリに対応する対象ごとにスコアを算出してもよい。

例えば、予測装置１００は、検索時の位置と検索時の時間帯またはクエリに含まれる時間を示す文字列等とに基づいて、クエリを組み合わせごとに収集し、各組み合わせにおけるクエリに対応する対象ごとにスコアを算出してもよい。例えば、予測装置１００は、Ｂエリアと昼の時間帯との組合せにおける対象「塩ラーメン」のスコアが所定の閾値以上である場合、Ｂエリアにおける昼の時間帯に塩ラーメンの需要が高いとして、その情報を提供してもよい。例えば、予測装置１００は、Ｂエリアにおける昼の時間帯に塩ラーメンの需要が高いことを示す情報を、Ｂエリアにおいて夜の時間帯のみが営業時間である居酒屋の事業者（事業者ＡＢ）に提供してもよい。これにより、事業者ＡＢは、昼の時間帯における営業を行うかや、どのような商品を提供するかを適切に判断することができる。

また、予測装置１００は、検索された時間に応じて重みを変動させてスコアを生成してもよい。例えば、予測装置１００は、食事の時間帯に食品に関するクエリを用いた検索がされた場合、その検索の重みを大きくしてスコアを生成してもよい。例えば、予測装置１００は、１２−１３時等の間にクエリ「塩ラーメン」を用いて検索された場合、その検索の重みを、他の時間帯（例えば７−９時等）におけるクエリ「塩ラーメン」を用いた検索の重みよりも重くしてもよい。例えば、予測装置１００は、１２−１３時等の間にクエリ「塩ラーメン」を用いて検索をスコア「１．５」と大きくし、他の時間帯（例えば７−９時等）におけるクエリ「塩ラーメン」を用いた検索の重みを「０．５」と小さくしてもよい。

例えば、予測装置１００は、所定の対象を提供する店舗の営業時間内に検索された場合、その検索の重みを大きくしてスコアを生成してもよい。例えば、予測装置１００は、所定の対象を提供する店舗の営業時間外に検索された場合、その検索の重みを小さくしてスコアを生成してもよい。

〔１−３．提供態様〕
また、例えば、予測装置１００は、情報提供先となる事業者の事業規模（売上等）に応じて、情報の提供態様を変動させてもよい。例えば、予測装置１００は、事業者の事業規模（売上等）が所定の閾値未満である場合、情報提供を行うごとに課金を行ってもよい。また、例えば、予測装置１００は、事業者の事業規模（売上等）が所定の閾値以上である場合、定額制により情報提供を行ってもよい。例えば、予測装置１００は、事業者の事業規模（売上等）が所定の閾値以上である場合、所定の期間ごとに設定される課金額を課金し、その所定の期間内に情報提供を行ってもよい。また、例えば、予測装置１００は、情報提供先となる事業者の事業規模（売上等）に応じて、課金額を変動させてもよい。例えば、予測装置１００は、事業者の事業規模（売上等）が所定の閾値未満である場合、事業規模が所定の閾値以上の事業者に情報提供する場合と比べて、同様の情報提供における課金額を低くしてもよい。

また、予測装置１００は、種々の態様に事業者に情報提供を行ってもよい。また、予測装置１００は、事業者からの要求に応じて、事業者装置２０に情報提供を行う場合に限らず、例えば、事業者からの対象の事前登録を受付けてもよい。この場合、予測装置１００は、事業者が事前登録した対象に関する需要が所定の条件を満たす場合に、その事業者にその対象の需要に関する情報を提供してもよい。例えば、予測装置１００は、事業者が事前登録した対象に関する需要が直近の実績（売上等）から大きく変化した場合に、その事業者にアラートを通知してもよい。

〔１−４．情報の利用〕
なお、図１の例では、説明を簡単にするために、クエリが対象を示す文字列に一致する場合を一例として示したが、予測装置１００は、意味的に近い単語に関するクエリの情報も加味して需要の予測を行ってもよい。例えば、予測装置１００は、上記に限らず、上位語、下位語、類義語等を示すコーパスや、ｗｏｒｄ２ｖｅｃのようなアルゴリズムからの分散表現などを利用し、意味的に近い単語に関するクエリの情報も加味して需要の予測を行ってもよい。

例えば、予測装置１００は、需要を予測する対象と概念的な類似関係がある単語（文字列）に関するクエリの情報も加味して需要の予測を行ってもよい。例えば、予測装置１００は、需要を予測する対象に対して上位概念の関係にある単語（文字列）に関するクエリの情報も加味して需要の予測を行ってもよい。図１の例では、予測装置１００は、「ラーメン」や「さっぱり系ラーメン」等の対象「塩ラーメン」の上位概念に対応する単語（文字列）に関するクエリの情報も加味して需要の予測を行ってもよい。

例えば、予測装置１００は、需要を予測する対象に対して下位概念の関係にある単語（文字列）に関するクエリの情報も加味して需要の予測を行ってもよい。図１の例では、予測装置１００は、塩ラーメン店の具体的店名「ラーメン屋Ｘ」等の対象「塩ラーメン」の下位概念に対応する単語（文字列）に関するクエリの情報も加味して需要の予測を行ってもよい。

例えば、予測装置１００は、需要を予測する対象を示す単語（文字列）の類義語となる単語（文字列）に関するクエリの情報も加味して需要の予測を行ってもよい。図１の例では、予測装置１００は、「中華そば」や「とんこつラーメン」等の対象「塩ラーメン」の類義語に対応する単語（文字列）に関するクエリの情報も加味して需要の予測を行ってもよい。

〔１−４．関連商品の需要〕
なお、予測装置１００は、クエリに対応する対象であれば、クエリが示す対象に限らず、種々の対象に関する需要を予測してもよい。例えば、予測装置１００は、クエリと位置情報とに基づいて、クエリが示す商品に関連する関連商品であって、位置情報に対応するエリアにおける関連商品に関する需要を予測する。

例えば、予測装置１００は、クエリ「スマホ」を用いた検索情報に基づいて、商品「スマホ」に関連する商品（関連商品）「スマホ」に関する需要を予測してもよい。例えば、予測装置１００は、例えば検索時の位置情報が海Ａ付近であり、その検索における検索クエリには「スマホ 水没」「スマホ 起動しなくなった」等が多数（例えば１万や全体の数％等）含まれるものとする。例えば、予測装置１００は、例えば検索時の位置情報が海Ｂ付近である場合、その検索における検索クエリには「スマホ 水没」「スマホ 起動しなくなった」等がほとんど無い（例えば０または数件等）ものとする。

この場合、例えば、海Ａの近くで水没してしまったなど、海Ａの近くではスマホが故障しやすいということが予測される。例えば、海Ａの近くは、景色が綺麗で写真スポットだが、足元が悪く水没のケースが多いということが予測される。そのため、予測装置１００は、例えば、海Ａの付近では、スマホの防水ケース等のスマホの関連商品の需要が増大すると予測することができる。この場合、予測装置１００は、例えば、海Ａの付近で、スマホ防水ケースを販売することや、スマホの水没時に乾かすドライヤーを貸し出すなど等のサービスを行うことを事業者に提案してもよい。これにより、予測装置１００は、海Ａ付近におけるスマホの故障の予防や回復に貢献することができる。このように、予測装置１００は、商品の状態などに関する検索クエリを用いて、その商品の故障等を予防したり回復したりするための付随的な商品（関連商品）の需要を予測してもよい。予測装置１００は、クエリが示す対象自体ではなく、その対象に関連する対象の需要、すなわち間接的な需要を予測してもよい。

〔２．予測装置の構成〕
次に、図３を用いて、実施形態に係る予測装置１００の構成について説明する。図３は、実施形態に係る予測装置の構成例を示す図である。図３に示すように、予測装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。なお、予測装置１００は、予測装置１００の管理者等から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示するための表示部（例えば、液晶ディスプレイ等）を有してもよい。

（通信部１１０）
通信部１１０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部１１０は、ネットワークと有線または無線で接続され、例えば予測システム１に含まれる端末装置１０や事業者装置２０との間で情報の送受信を行う。

（記憶部１２０）
記憶部１２０は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。実施形態に係る記憶部１２０は、図３に示すように、事業者情報記憶部１２１と、ユーザ情報記憶部１２２と、行動情報記憶部１２３と、需要情報記憶部１２４とを有する。

（事業者情報記憶部１２１）
実施形態に係る事業者情報記憶部１２１は、商品に関する各種情報を記憶する。図４は、実施形態に係る事業者情報記憶部の一例を示す図である。図４に示す事業者情報記憶部１２１は、「事業者ＩＤ」、「事業者」、「業種」、「所在地」、「提供物」といった項目が含まれる。

「事業者ＩＤ」は、事業者を識別するための識別情報を示す。「事業者」は、対応する事業者ＩＤにより識別される事業者を示す。例えば、「事業者」は、対応する事業者ＩＤにより識別される事業者の名称を示す。「業種」は、対応する事業者ＩＤにより識別される事業者の業種を示す。「所在地」は、対応する事業者ＩＤにより識別される事業者の所在地を示す。「提供物」は、対応する事業者ＩＤにより識別される事業者により提供される商品やサービスを示す。

例えば、図４に示す例において、事業者ＩＤ「ＥＰ１」により識別される事業者（事業者ＥＰ１）は、事業者が「ラーメン店ＭＡ」であり、業種が「飲食」であることを示す。また、ラーメン店ＭＡの所在地は、Ａエリア内の位置ＬＣ１０であることを示す。なお、図４の例では位置を「ＬＣ１０」等の抽象的な符号で図示するが、位置情報は、具体的な緯度経度情報等であってもよい。また、ラーメン店ＭＡが提供する商品は、「しょうゆラーメンＲＭ」であることを示す。

なお、事業者情報記憶部１２１は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、事業者情報記憶部１２１は、事業者の従業員数や売上高等の事業規模に関する情報を記憶してもよい。

（ユーザ情報記憶部１２２）
実施形態に係るユーザ情報記憶部１２２は、ユーザ属性に関する各種情報を記憶する。例えば、ユーザ情報記憶部１２２は、ユーザ属性情報を記憶する。図５は、実施形態に係るユーザ情報記憶部の一例を示す図である。図５に示すユーザ情報記憶部１２２は、「ユーザＩＤ」、「年齢」、「性別」、「自宅」、「勤務地」、「興味」といった項目が含まれる。

「ユーザＩＤ」は、ユーザを識別するための識別情報を示す。例えば、ユーザＩＤ「Ｕ１」により識別されるユーザは、図１の例に示したユーザＵ１に対応する。また、「年齢」は、ユーザＩＤにより識別されるユーザの年齢を示す。なお、「年齢」は、例えば３５歳など、ユーザＩＤにより識別されるユーザの具体的な年齢であってもよい。また、「性別」は、ユーザＩＤにより識別されるユーザの性別を示す。

また、「自宅」は、ユーザＩＤにより識別されるユーザの自宅の位置情報を示す。なお、図５に示す例では、「自宅」は、「ＬＣ１１」といった抽象的な符号を図示するが、緯度経度情報等であってもよい。また、例えば、「自宅」は、地域名や住所であってもよい。

また、「勤務地」は、ユーザＩＤにより識別されるユーザの勤務地の位置情報を示す。なお、図５に示す例では、「勤務地」は、「ＬＣ１２」といった抽象的な符号を図示するが、緯度経度情報等であってもよい。また、例えば、「勤務地」は、地域名や住所であってもよい。

また、「興味」は、ユーザＩＤにより識別されるユーザの興味を示す。すなわち、「興味」は、ユーザＩＤにより識別されるユーザが関心の高い対象を示す。なお、図５に示す例では、「興味」は、各ユーザに１つずつ図示するが、複数であってもよい。

例えば、図５に示す例において、ユーザＩＤ「Ｕ１」により識別されるユーザの年齢は、「２０代」であり、性別は、「男性」であることを示す。また、例えば、ユーザＩＤ「Ｕ１」により識別されるユーザは、自宅が「ＬＣ１１」であることを示す。また、例えば、ユーザＩＤ「Ｕ１」により識別されるユーザは、勤務地が「ＬＣ１２」であることを示す。また、例えば、ユーザＩＤ「Ｕ１」により識別されるユーザは、「スポーツ」に興味があることを示す。

なお、ユーザ情報記憶部１２２は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、ユーザ情報記憶部１２２は、ユーザのデモグラフィック属性に関する情報やサイコグラフィック属性に関する情報を記憶してもよい。例えば、ユーザ情報記憶部１２２は、氏名、家族構成、収入、興味、ライフスタイル等の情報を記憶してもよい。

（行動情報記憶部１２３）
実施形態に係る行動情報記憶部１２３は、ユーザの行動に関する各種情報を記憶する。図６は、実施形態に係る行動情報記憶部の一例を示す図である。例えば、行動情報記憶部１２３は、各ユーザの端末装置１０を用いて行った検索等を含む種々の行動情報を記憶する。図６に示す行動情報記憶部１２３には、「行動ＩＤ」、「ユーザＩＤ」、「位置」、「日時」、「クエリ情報」といった項目が含まれる。また、「クエリ情報」には、「クエリ１」、「クエリ２」等といった項目が含まれる。

また、「行動ＩＤ」は、ユーザの行動を識別する情報を示す。「ユーザＩＤ」は、ユーザを識別するための識別情報を示す。例えば、ユーザＩＤ「Ｕ１」により識別されるユーザは、図１の例に示したユーザＵ１に対応する。

また、「位置」は、対応する行動が行われた位置を示す。例えば、「位置」は、対応するクエリによる検索時のユーザの位置を示す。なお、図６の例では位置を「ＬＣ１」等の抽象的な符号で図示するが、位置情報は、具体的な緯度経度情報等であってもよい。

また、「日時」は、対応するユーザの行動が行われた日時を示す。「日時」には、「ＤＴ１」等のように抽象的に図示するが、「２０１７年７月２５日２２時４６分５８秒」等の具体的な日時が記憶されてもよい。また、「クエリ情報」は、対応する検索において用いられたクエリに関する情報を示す。「クエリ１」や「クエリ２」は、対応する検索において用いられたクエリを示す。例えば、「クエリ１」は、第１クエリに対応し、「クエリ２」は、第２クエリに対応する。

例えば、図６に示す例において、ユーザＩＤ「Ｕ１」により識別されるユーザ（ユーザＵ１）は、位置ＬＣ１において行動ＡＣ１１を行ったことを示す。具体的には、図６に示す例においてユーザＵ１は、第１クエリ「塩ラーメン」のみを用いた検索（行動ＡＣ１１）を日時ＤＴ１に行ったことを示す。また、例えば、図６に示す例において、ユーザＩＤ「Ｕ２」により識別されるユーザ（ユーザＵ２）は、位置ＬＣ２において行動ＡＣ１２を行ったことを示す。具体的には、図６に示す例においてユーザＵ２は、第１クエリ「スマホＳＨ」と第２クエリ「赤」とを用いた検索（行動ＡＣ１２）を日時ＤＴ２に行ったことを示す。

なお、行動情報記憶部１２３は、上記に限らず、目的に応じて種々の情報を記憶してもよい。また、図６では、ユーザＩＤごとに行動情報が行動情報記憶部１２３に記憶される場合を示したが、行動情報は、日時順に限らず、例えばユーザＩＤごとに記憶されてもよい。

（需要情報記憶部１２４）
実施形態に係る需要情報記憶部１２４は、需要に関する各種情報を記憶する。図７は、実施形態に係る需要情報記憶部の一例を示す図である。図７に示す需要情報記憶部１２４は、「対象」、「需要情報」、「検索者属性情報」といった項目を有する。

「対象」は、需要情報を生成する対象を示す。「対象」は、特定の商品名やサービス名に限らず、商品やサービスのカテゴリ（飲料やファッションや旅行等）であってもよい。

「需要情報」は、対応する対象に関する検索に用いられるクエリの需要情報を示す。「需要情報」には、「エリア」、「スコア」、「需要レベル」といった項目が含まれる。「エリア」は、予測対象となったエリアを示す。「スコア」は、対応するエリアにおける対象に関する需要の評価値となるスコアを示す。「需要レベル」は、対応するエリアにおける対象に関する需要レベルを示す。

「検索者属性情報」は、対応する対象に関する検索を行う検索者（ユーザ）の属性の需要情報を示す。「検索者属性情報」には、「カテゴリ」や「属性」や「割合」といった項目が含まれる。「カテゴリ」は、ユーザを分類するカテゴリを示す。「属性」は、対応するカテゴリにおける種別（属性）を示す。また、「割合」は、対応する属性のユーザが、対応する対象に対応するキーワードを用いた検索を行う割合を示す。

例えば、図７に示す例において、需要を予測する対象は、塩ラーメンであることを示す。また、対象「塩ラーメン」について、Ａエリアにおける需要のスコアが「１００００」であることを示す。また、Ａエリアにおける塩ラーメンの需要レベルは、「高」であることを示す。

また、図７の例では、Ａエリアにおいて対象「塩ラーメン」を検索するユーザのうち、男性が「２０％」であり、女性が「８０％」であることを示す。また、図７の例では、Ａエリアにおいて対象「塩ラーメン」を検索するユーザのうち、１０代が「６５％」等であることを示す。

また、需要情報記憶部１２４は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、需要情報記憶部１２４は、需要情報が生成された日時や生成に用いた情報が収集された期間に関する情報を記憶してもよい。

（制御部１３０）
図３の説明に戻って、制御部１３０は、コントローラ（controller）であり、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、予測装置１００内部の記憶装置に記憶されている各種プログラム（予測プログラムの一例に相当）がＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０は、コントローラであり、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現される。

図３に示すように、制御部１３０は、取得部１３１と、生成部１３２と、予測部１３３と、提供部１３４とを有し、以下に説明する情報処理の機能や作用を実現または実行する。

（取得部１３１）
取得部１３１は、各種情報を取得する。例えば、取得部１３１は、事業者情報記憶部１２１やユーザ情報記憶部１２２や行動情報記憶部１２３や需要情報記憶部１２４から各種情報を取得する。例えば、取得部１３１は、端末装置１０や事業者装置２０から各種情報を取得する。例えば、取得部１３１は、ユーザが検索に用いたクエリと、クエリによる検索時のユーザの位置情報とを取得する。

また、取得部１３１は、各種情報を外部の情報処理装置から取得する。例えば、取得部１３１は、行動情報記憶部１２３からユーザが検索に用いたクエリを取得する。例えば、取得部１３１は、端末装置１０からユーザが検索に用いるクエリを取得する。

図１の例では、取得部１３１は、ユーザＵ１が利用する端末装置１０−１からクエリと位置情報とを取得する。例えば、取得部１３１は、日時ＤＴ１において、端末装置１０−１からクエリ「塩ラーメン」と位置情報ＬＣ１とを取得する。例えば、取得部１３１は、ユーザＵ２が利用する端末装置１０−２からクエリと位置情報とを取得する。例えば、取得部１３１は、日時ＤＴ２において、端末装置１０−２からクエリ「スマホＳＨ 赤」と位置情報ＬＣ２とを取得する。例えば、取得部１３１は、ユーザＵ３が利用する端末装置１０−３からクエリと位置情報とを取得する。例えば、取得部１３１は、日時ＤＴ３において、端末装置１０−３からクエリ「塩ラーメン Ａエリア」と位置情報ＬＣ３とを取得する。

また、例えば、取得部１３１は、ユーザＵ４が利用する端末装置１０−４からクエリと位置情報とを取得する。例えば、取得部１３１は、日時ＤＴ４において、端末装置１０−４からクエリ「天気」と位置情報ＬＣ４とを取得する。例えば、取得部１３１は、ユーザＵ５が利用する端末装置１０−５からクエリと位置情報とを取得する。例えば、取得部１３１は、日時ＤＴ５において、端末装置１０−５からクエリ「スマホＳＨ 高い」と位置情報ＬＣ５とを取得する。例えば、取得部１３１は、ユーザＵ１〜Ｕ５に限らず、多数のユーザ（例えば、１００万ユーザや１０００万ユーザ等）が検索に用いたクエリを取得する。

（生成部１３２）
生成部１３２は、種々の情報を生成する。例えば、生成部１３２は、対象と位置に関する情報（エリア）との組み合わせ毎にスコアを生成（算出）する。

図１の例では、生成部１３２は、所定の対象に関するスコアを生成する。例えば、生成部１３２は、所定の対象について、複数のエリアごとのスコアを生成（算出）する。例えば、生成部１３２は、対象「塩ラーメン」について、Ａエリア〜Ｄエリア等の複数のエリアごとのスコアを生成する。例えば、生成部１３２は、対象「塩ラーメン」について、各エリアにおける検索回数を用いてスコアを生成する。例えば、生成部１３２は、検索が行われた位置や時間に基づいて各検索の重みを生成し、生成した各検索に重みを用いてスコアを生成する。

図１の例では、生成部１３２は、各検索の重みを「１」として、各エリアにおける対象「塩ラーメン」のスコアを生成する。すなわち、図１の例では、生成部１３２は、対象「塩ラーメン」について、各エリアにおける検索回数の合算をスコアとして生成する。

図１の例では、生成部１３２は、エリア別一覧ＡＤＬ１に示すように、対象「塩ラーメン」について、Ａエリア〜Ｄエリア等の複数のエリアごとのスコアを生成する。例えば、生成部１３２は、Ａエリアにおける対象「塩ラーメン」のスコアを「１００００」と算出する。例えば、生成部１３２は、Ｂエリアにおける対象「塩ラーメン」のスコアを「５００」と算出する。例えば、生成部１３２は、Ｃエリアにおける対象「塩ラーメン」のスコアを「１０」と算出する。例えば、生成部１３２は、Ｄエリアにおける対象「塩ラーメン」のスコアを「２００」と算出する。

（予測部１３３）
予測部１３３は、種々の情報を予測する。例えば、予測部１３３は、記憶部１２０に記憶された情報に基づいて、種々の情報を予測する。例えば、予測部１３３は、端末装置１０から取得した情報に基づいて、種々の情報を予測する。

例えば、予測部１３３は、取得部１３１により取得されたクエリと位置情報とに基づいて、クエリに対応する対象に関する需要を予測する。例えば、予測部１３３は、クエリと、位置情報とにより算出されるスコアに基づいて、対象に関する需要を予測する。例えば、予測部１３３は、クエリと、クエリとの関連性に応じて変動する位置情報の重みとに基づいて、対象に関する需要を予測する。

例えば、予測部１３３は、クエリと、クエリによる検索が行われた時間に応じて変動する位置情報の重みとに基づいて、対象に関する需要を予測する。例えば、予測部１３３は、クエリと位置情報とに基づいて、クエリに対応する商品であって、位置情報に対応するエリアにおいて提供される商品に関する需要を予測する。予測部１３３は、クエリと位置情報とに基づいて、クエリが示す商品に関連する関連商品であって、位置情報に対応するエリアにおける関連商品に関する需要を予測する。

図１の例では、予測部１３３は、生成したスコアに関する情報に基づいて、需要を予測する。例えば、予測部１３３は、需要一覧ＤＤＬ１に示すように、対象「塩ラーメン」について、Ａエリア〜Ｄエリア等の複数のエリアごとの需要を予測する。例えば、予測部１３３は、対象について、各エリアに対応するスコアと、所定の閾値との比較に基づいて、エリアごとの需要を予測する。

図１の例では、予測部１３３は、第１閾値「５０００」と、第２閾値「５００」とを用いて、エリアごとの需要を予測する。例えば、予測部１３３は、スコアが第１閾値以上であるエリアについては、その対象の需要が「高」であると予測する。例えば、予測部１３３は、スコアが第２閾値以上であるエリアについては、その対象の需要が「中」であると予測する。例えば、予測部１３３は、スコアが第２閾値未満であるエリアについては、その対象の需要が「低」であると予測する。

図１の例では、予測部１３３は、Ａエリアにおける対象「塩ラーメン」のスコアが「１００００」であり、第１閾値以上であるため、Ａエリアにおける対象「塩ラーメン」の需要を「高」と予測する。例えば、予測部１３３は、Ｂエリアにおける対象「塩ラーメン」のスコアが「５００」であり、第１閾値未満、第２閾値以上であるため、Ｂエリアにおける対象「塩ラーメン」の需要を「中」と予測する。例えば、予測部１３３は、Ｃエリアにおける対象「塩ラーメン」のスコアが「１０」であり、第２閾値未満であるため、Ｃエリアにおける対象「塩ラーメン」の需要を「低」と予測する。例えば、予測部１３３は、Ｄエリアにおける対象「塩ラーメン」のスコアが「２００」であり、第２閾値未満であるため、Ｄエリアにおける対象「塩ラーメン」の需要を「低」と予測する。

（提供部１３４）
提供部１３４は、外部の情報処理装置へ各種情報を提供する。例えば、提供部１３４は、事業者装置２０へ各種情報を提供する。例えば、提供部１３４は、端末装置１０へクエリに対応する検索結果を示す情報を提供する。例えば、提供部１３４は、事業者装置２０へ需要情報を提供する。

例えば、提供部１３４は、対象に関する需要を示す情報を、対象に関する事業者へ提供する。例えば、提供部１３４は、商品に関する需要を示す情報を、位置情報に対応するエリアに位置する事業者へ提供する。

図１の例では、提供部１３４は、事業者に需要情報を提供する。例えば、提供部１３４は、ラーメン店ＭＡの管理者Ｍ１が利用する事業者装置２０に需要情報を提供する。図１の例では、提供部１３４は、事業者装置２０にＡエリアでは塩ラーメンの需要が高いことを示す情報を提供する。例えば、提供部１３４は、需要一覧ＤＤＬ１をラーメン店ＭＡの管理者Ｍ１が利用する事業者装置２０に提供する。

〔３．予測処理のフロー〕
ここで、図８を用いて、実施形態に係る予測装置１００による予測処理の手順について説明する。図８は、実施形態に係る予測処理の一例を示すフローチャートである。

図８に示すように、予測装置１００は、検索に用いられたクエリと、検索時のユーザの位置情報とを取得する（ステップＳ１０１）。図１の例では、予測装置１００は、日時ＤＴ１において、端末装置１０−１からクエリ「塩ラーメン」と位置情報ＬＣ１とを取得する。図１の例では、予測装置１００は、日時ＤＴ２において、端末装置１０−２からクエリ「スマホＳＨ 赤」と位置情報ＬＣ２とを取得する。図１の例では、予測装置１００は、日時ＤＴ３において、端末装置１０−３からクエリ「塩ラーメン Ａエリア」と位置情報ＬＣ３とを取得する。図１の例では、予測装置１００は、日時ＤＴ４において、端末装置１０−４からクエリ「天気」と位置情報ＬＣ４とを取得する。図１の例では、予測装置１００は、日時ＤＴ５において、端末装置１０−５からクエリ「スマホＳＨ 高い」と位置情報ＬＣ５とを取得する。

また、予測装置１００は、検索クエリに関する情報を収集する（ステップＳ１０２）。図１の例では、予測装置１００は、ユーザＵ１〜Ｕ５等が検索に用いたクエリと、クエリによる検索時のユーザの位置ＬＣ１〜ＬＣ５等との組合せを収集する。

そして、予測装置１００は、収集したクエリに関する情報に基づいて、所定の対象に関する需要を予測する（ステップＳ１０３）。図１の例では、予測装置１００は、需要一覧ＤＤＬ１に示すように、対象「塩ラーメン」について、Ａエリア〜Ｄエリア等の複数のエリアごとの需要を予測する。

そして、予測装置１００は、所定の対象に関する需要情報を提供する（ステップＳ１０４）。図１の例では、予測装置１００は、ラーメン店ＭＡの管理者Ｍ１が利用する事業者装置２０にＡエリアでは塩ラーメンの需要が高いことを示す情報を提供する。

〔４．位置に応じた重みの変動〕
図１の例では、説明を簡単にするために、各検索の重みを「１」としてスコアを生成（算出）する場合を示したが、予測装置１００は、検索された位置に応じて重みを変動させてスコアを生成してもよい。この点について、図９を用いて説明する。実施形態に係る予測処理の一例を示す図である。

図９中の行動情報記憶部１２３に示すように、同様のクエリ「スマホＳＨ」を用いて検索を行ったユーザＵ２、Ｕ５の位置がスマホＳＨと関連する位置との近さに応じて、予測装置１００は、各検索の重みを変動させてもよい。予測装置１００は、ユーザの位置に応じて、各検索の重みを決定する（ステップＳ２１）。図９の例では、予測装置１００は、重み一覧ＷＬ２１に示すように、対象「スマホＳＨ」について各検索の重みを決定する。

例えば、予測装置１００は、ユーザＵ２がスマホＳＨの販売店の範囲内でクエリ「スマホＳＨ」を用いて検索を行っているため、ユーザＵ２の検索の重みを大きくする。具体的には、予測装置１００は、ユーザＵ２がスマホＳＨの販売店の範囲内でクエリ「スマホＳＨ」を用いて検索を行っているため、ユーザＵ２の検索の重みを「１」よりも大きい「１．５」とする。

また、例えば、予測装置１００は、ユーザＵ５がスマホＳＨの販売店の範囲外でクエリ「スマホＳＨ」を用いて検索を行っているため、ユーザＵ５の検索の重みを小さくする。具体的には、予測装置１００は、ユーザＵ５がスマホＳＨの販売店の範囲外でクエリ「スマホＳＨ」を用いて検索を行っているため、ユーザＵ５の検索の重みを「１」よりも小さい「０．２」とする。

そして、予測装置１００は、対象「スマホＳＨ」についてスコアを生成する（ステップＳ２２）。図９の例では、予測装置１００は、数式ＦＣ２１に示すように、対象「スマホＳＨ」について各検索の重みを合算することによりスコアを生成（算出）する。

また、例えば、予測装置１００は、重みが大きい検索において対象に関する「クエリ」とともに用いられたクエリの情報を用いて需要を予測してもよい。例えば、予測装置１００は、図９の例において、重みが大きい検索において第１クエリ「スマホＳＨ」とともに用いられた第２クエリ「赤」を対象「スマホＳＨ」について需要が高いと予測してもよい。この場合、予測装置１００は、対象「スマホＳＨ」について、色「赤」の需要が高いと予測してもよい。また、予測装置１００は、対象「スマホＳＨ」について、色「赤」の需要が高いことを示す情報を、対象「スマホＳＨ」の製造元（メーカ）へ提供してもよい。

これにより、予測装置１００から情報提供を受けたメーカは、自身が提供する商品または商品のカテゴリについて、新商品等の開発やマーケティング等を適切に行うことができる。

〔５．価格予測〕
また、例えば、予測装置１００は、事業者へ種々の情報を提供してもよい。例えば、予測装置１００は、事業者が提供する商品について、適切と予測される価格を示す情報を提供してもよい。この点について、図１０を用いて説明する。図１０は、実施形態に係る予測処理の一例を示す図である。なお、図１０では、図１と同様の点についての説明は適宜省略する。

また、図１０の例では、情報提供を受ける事業者が、エリアＡで塩ラーメンを提供するラーメン店ＭＸである場合を示す。例えば、図１０では、予測装置１００は、ラーメン店ＭＸからＡエリアにおける対象「ラーメン」に関する需要に関する情報の要求を取得し、取得した要求が示すエリアにおける対象に対応する需要に関する情報をラーメン店ＭＸに提供する。例えば、予測装置１００は、ラーメン店ＭＸから、提供物が塩ラーメンであり、価格が「８００」円であることを示す情報を取得済みであるものとする。

図１０の例では、予測装置１００は、事業者が提供する商品について、適切な価格を予測する（ステップＳ３１）。ここで、予測装置１００は、図１と同様に需要一覧ＤＤＬ１に示すように、対象「塩ラーメン」について、Ａエリアにおける需要が高いと予測するものとする。また、図１０の例では、予測装置１００は、需要状況ＤＭ３１に示すように、対象「塩ラーメン」について、Ａエリアにおける塩ラーメンを提供するお店における回転率等が高いことを示す実績情報ＲＳ３１を取得しているものとする。そのため、予測装置１００は、ラーメン店ＭＸが提供する塩ラーメンについて、値上げが可能であると予測する。例えば、予測装置１００は、Ａエリアにおいて塩ラーメンを提供する店舗の塩ラーメンの価格の平均を値上げ後の価格として予測してもよい。また、例えば、予測装置１００は、Ａエリアにおいて塩ラーメンを提供する店舗のうち、回転率が所定の閾値以上の店舗、すなわち繁盛している店舗が提供する塩ラーメンの価格の平均を値上げ後の価格として予測してもよい。

そして、予測装置１００は、事業者に情報を提供する（ステップＳ３２）。例えば、予測装置１００は、ラーメン店ＭＸの管理者Ｍ３１が利用する事業者装置２０に情報を提供する。図１０の例では、予測装置１００は、ラーメン店ＭＸが提供する塩ラーメンについて値上げが可能であることを示す情報を提供する。例えば、予測装置１００は、ラーメン店ＭＸが提供する塩ラーメンの価格を「８００」円から「１０００」円に値上げ可能であることを示す情報を提供する。これにより、ラーメン店ＭＸの管理者Ｍ３１は、値上げを行うことが可能であることを把握することができるため、適切な判断を行うことができる。

〔６．効果〕
上述してきたように、実施形態に係る予測装置１００は、取得部１３１と、予測部１３３とを有する。取得部１３１は、ユーザが検索に用いたクエリと、クエリによる検索時のユーザの位置情報とを取得する。予測部１３３は、取得部１３１により取得されたクエリと位置情報とに基づいて、クエリに対応する対象に関する需要を予測する。

このように、実施形態に係る予測装置１００は、クエリと位置情報とに基づいて、クエリに対応する対象に関する需要を予測することにより、ユーザの需要を適切に予測することができる。

また、実施形態に係る予測装置１００において、予測部１３３は、クエリと、位置情報とにより算出されるスコアに基づいて、対象に関する需要を予測する。

このように、実施形態に係る予測装置１００は、クエリと、位置情報とにより算出されるスコアに基づいて、対象に関する需要を予測することにより、ユーザの需要を適切に予測することができる。

また、実施形態に係る予測装置１００において、予測部１３３は、クエリと、クエリとの関連性に応じて変動する位置情報の重みとに基づいて、対象に関する需要を予測する。

このように、実施形態に係る予測装置１００は、クエリと、クエリとの関連性に応じて変動する位置情報の重みとに基づいて、対象に関する需要を予測することにより、ユーザの需要を適切に予測することができる。

また、実施形態に係る予測装置１００において、予測部１３３は、クエリと、クエリによる検索が行われた時間に応じて変動する位置情報の重みとに基づいて、対象に関する需要を予測する。

このように、実施形態に係る予測装置１００は、クエリと、クエリによる検索が行われた時間に応じて変動する位置情報の重みとに基づいて、対象に関する需要を予測することにより、ユーザの需要を適切に予測することができる。

また、実施形態に係る予測装置１００は、提供部１３４を有する。提供部１３４は、対象に関する需要を示す情報を、対象に関する事業者へ提供する。

このように、実施形態に係る予測装置１００は、対象に関する需要を示す情報を、対象に関する事業者へ提供することにより、事業者へ需要に関する情報を適切に提供することができる。

また、実施形態に係る予測装置１００において、予測部１３３は、クエリと位置情報とに基づいて、クエリに対応する商品であって、位置情報に対応するエリアにおいて提供される商品に関する需要を予測する。提供部１３４は、商品に関する需要を示す情報を、位置情報に対応するエリアに位置する事業者へ提供する。

このように、実施形態に係る予測装置１００は、商品に関する需要を示す情報を、位置情報に対応するエリアに位置する事業者へ提供することにより、事業者へ需要に関する情報を適切に提供することができる。

また、実施形態に係る予測装置１００において、予測部１３３は、クエリと位置情報とに基づいて、クエリが示す商品に関連する関連商品であって、位置情報に対応するエリアにおける関連商品に関する需要を予測する。

このように、実施形態に係る予測装置１００は、クエリと位置情報とに基づいて、クエリが示す商品に関連する関連商品であって、位置情報に対応するエリアにおける関連商品に関する需要を予測することにより、ユーザの需要を適切に予測することができる。

〔７．ハードウェア構成〕
上述してきた実施形態に係る予測装置１００は、例えば図１１に示すような構成のコンピュータ１０００によって実現される。図１１は、予測装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。コンピュータ１０００は、ＣＰＵ１１００、ＲＡＭ１２００、ＲＯＭ１３００、ＨＤＤ（Hard Disk Drive）１４００、通信インターフェイス（Ｉ／Ｆ）１５００、入出力インターフェイス（Ｉ／Ｆ）１６００、及びメディアインターフェイス（Ｉ／Ｆ）１７００を有する。

ＣＰＵ１１００は、ＲＯＭ１３００またはＨＤＤ１４００に格納されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラム等を格納する。

ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、及び、かかるプログラムによって使用されるデータ等を格納する。通信インターフェイス１５００は、ネットワークＮを介して他の機器からデータを受信してＣＰＵ１１００へ送り、ＣＰＵ１１００が生成したデータをネットワークＮを介して他の機器へ提供する。

ＣＰＵ１１００は、入出力インターフェイス１６００を介して、ディスプレイやプリンタ等の出力装置、及び、キーボードやマウス等の入力装置を制御する。ＣＰＵ１１００は、入出力インターフェイス１６００を介して、入力装置からデータを取得する。また、ＣＰＵ１１００は、生成したデータを入出力インターフェイス１６００を介して出力装置へ出力する。

メディアインターフェイス１７００は、記録媒体１８００に格納されたプログラムまたはデータを読み取り、ＲＡＭ１２００を介してＣＰＵ１１００に提供する。ＣＰＵ１１００は、かかるプログラムを、メディアインターフェイス１７００を介して記録媒体１８００からＲＡＭ１２００上にロードし、ロードしたプログラムを実行する。記録媒体１８００は、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。

例えば、コンピュータ１０００が実施形態に係る予測装置１００として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００上にロードされたプログラムを実行することにより、制御部１３０の機能を実現する。コンピュータ１０００のＣＰＵ１１００は、これらのプログラムを記録媒体１８００から読み取って実行するが、他の例として、他の装置からネットワークＮを介してこれらのプログラムを取得してもよい。

以上、本願の実施形態を図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の行に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。

〔８．その他〕
また、上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に生成することができる。例えば、各図に示した各種情報は、図示した情報に限られない。

また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。

また、上述してきた実施形態に記載された各処理は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。

また、上述してきた「部（section、module、unit）」は、「手段」や「回路」などに読み替えることができる。例えば、取得部は、取得手段や取得回路に読み替えることができる。

１ 予測システム
１００ 予測装置
１２１ 事業者情報記憶部
１２２ ユーザ情報記憶部
１２３ 行動情報記憶部
１２４ 需要情報記憶部
１３０ 制御部
１３１ 取得部
１３２ 生成部
１３３ 予測部
１３４ 提供部
１０ 端末装置
２０ 事業者装置
Ｎ ネットワーク

Claims (9)

1. ユーザが検索に用いたクエリと、前記クエリによる検索時の前記ユーザの位置情報とを取得し、記憶部に記憶する取得部と、
   前記記憶部に記憶された前記クエリが前記検索に用いられた検索回数に基づいて、前記位置情報に対応するエリアにおける前記クエリに対応する対象のスコアを生成する生成部と、
   前記生成部により生成されたスコアと所定の閾値との比較により、前記エリアにおける対象に関する需要を予測する予測部と、
   を備えることを特徴とする予測装置。
2. 前記生成部は、
   前記クエリの前記検索回数と、前記クエリとの関連性に応じて変動する前記位置情報の重みとに基づいて、前記スコアを生成する
   ことを特徴とする請求項１に記載の予測装置。
3. 前記生成部は、
   前記クエリの前記検索回数と、前記クエリによる検索が行われた時間に応じて変動する前記位置情報の重みとに基づいて、前記スコアを生成する
   ことを特徴とする請求項１または請求項２に記載の予測装置。
4. 前記予測部により予測された前記対象に関する需要を示す情報を提供する提供部、
   をさらに備えたことを特徴とする請求項１〜３のいずれか１項に記載の予測装置。
5. 前記提供部は、
   前記対象に関する需要を示す情報を、前記対象に関する事業者へ提供する
   ことを特徴とする請求項４に記載の予測装置。
6. 前記予測部は、
   前記スコアと前記所定の閾値とに基づいて、前記クエリに対応する商品であって、前記位置情報に対応するエリアにおいて提供される商品に関する需要を予測し、
   前記提供部は、
   前記商品に関する需要を示す情報を、前記位置情報に対応するエリアに位置する事業者へ提供する
   ことを特徴とする請求項４または請求項５に記載の予測装置。
7. 前記予測部は、
   前記スコアと前記所定の閾値とに基づいて、前記クエリが示す商品に関連する関連商品であって、前記位置情報に対応するエリアにおける関連商品に関する需要を予測する
   ことを特徴とする請求項１〜６のいずれか１項に記載の予測装置。
8. コンピュータが実行する予測方法であって、
   制御部が、ユーザが検索に用いたクエリと、前記クエリによる検索時の前記ユーザの位置情報とを取得し、記憶部に記憶する取得工程と、
   前記制御部が、前記記憶部に記憶された前記クエリが前記検索に用いられた検索回数に基づいて、前記位置情報に対応するエリアにおける前記クエリに対応する対象のスコアを生成する生成工程と、
   前記制御部が、前記生成工程により生成されたスコアと所定の閾値との比較により、前記エリアにおける対象に関する需要を予測する予測工程と、
   を含むことを特徴とする予測方法。
9. 制御部が、ユーザが検索に用いたクエリと、前記クエリによる検索時の前記ユーザの位置情報とを取得し、記憶部に記憶する取得手順と、
   前記制御部が、前記記憶部に記憶された前記クエリが前記検索に用いられた検索回数に基づいて、前記位置情報に対応するエリアにおける前記クエリに対応する対象のスコアを生成する生成手順と、
   前記制御部が、前記生成手順により生成されたスコアと所定の閾値との比較により、前記エリアにおける対象に関する需要を予測する予測手順と、
   をコンピュータに実行させることを特徴とする予測プログラム。

Images