JP6548785B1 - INFORMATION PROCESSING APPARATUS, INFORMATION PROCESSING METHOD, AND INFORMATION PROCESSING PROGRAM - Google Patents
INFORMATION PROCESSING APPARATUS, INFORMATION PROCESSING METHOD, AND INFORMATION PROCESSING PROGRAM Download PDFInfo
- Publication number
- JP6548785B1 JP6548785B1 JP2018127148A JP2018127148A JP6548785B1 JP 6548785 B1 JP6548785 B1 JP 6548785B1 JP 2018127148 A JP2018127148 A JP 2018127148A JP 2018127148 A JP2018127148 A JP 2018127148A JP 6548785 B1 JP6548785 B1 JP 6548785B1
- Authority
- JP
- Japan
- Prior art keywords
- information
- information processing
- user
- processing apparatus
- demand
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 409
- 238000003672 processing method Methods 0.000 title claims abstract description 8
- PWPJGUXAGUPAHP-UHFFFAOYSA-N lufenuron Chemical compound C1=C(Cl)C(OC(F)(F)C(C(F)(F)F)F)=CC(Cl)=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F PWPJGUXAGUPAHP-UHFFFAOYSA-N 0.000 title 1
- 230000009471 action Effects 0.000 claims description 136
- 238000000034 method Methods 0.000 claims description 14
- 230000000694 effects Effects 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 92
- 150000003839 salts Chemical class 0.000 description 41
- 238000010586 diagram Methods 0.000 description 23
- 230000006870 function Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 101100220857 Arabidopsis thaliana CLPB1 gene Proteins 0.000 description 4
- 101150093682 DLT1 gene Proteins 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 101100317273 Caenorhabditis elegans ddl-1 gene Proteins 0.000 description 3
- 239000008280 blood Substances 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 235000012149 noodles Nutrition 0.000 description 3
- 102100036475 Alanine aminotransferase 1 Human genes 0.000 description 2
- 101710096214 Alanine aminotransferase 1 Proteins 0.000 description 2
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 2
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 235000013361 beverage Nutrition 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 239000008103 glucose Substances 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 235000013555 soy sauce Nutrition 0.000 description 2
- 101150108281 ADL1 gene Proteins 0.000 description 1
- 101100332244 Arabidopsis thaliana DRP1A gene Proteins 0.000 description 1
- 101100150346 Arabidopsis thaliana RS31 gene Proteins 0.000 description 1
- 101000617550 Dictyostelium discoideum Presenilin-A Proteins 0.000 description 1
- 240000008620 Fagopyrum esculentum Species 0.000 description 1
- 235000009419 Fagopyrum esculentum Nutrition 0.000 description 1
- 235000010469 Glycine max Nutrition 0.000 description 1
- 244000068988 Glycine max Species 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Abstract
【課題】需要を適切に予測する情報処理装置、情報処理方法、及び情報処理プログラムを提供する。【解決手段】情報処理装置100は、取得部131と、予測部133と、を有する。取得部131は、ユーザによる対象に関連する関連行動を示す行動情報と、関連行動後におけるユーザの移動先を示す移動先情報とを取得する。予測部133は、取得部131により取得された行動情報が示す関連行動に関する回数に基づいて、移動先情報が示す移動先に対応するエリアにおける対象に関する需要を予測する。【選択図】図3An information processing apparatus, an information processing method, and an information processing program for appropriately predicting demand are provided. An information processing apparatus includes an acquisition unit and a prediction unit. The acquisition unit 131 acquires behavior information indicating related behavior related to a target by the user and destination information indicating a destination of the user after the related behavior. The prediction unit 133 predicts the demand related to the object in the area corresponding to the destination indicated by the destination information based on the number of times related to the related behavior indicated by the behavior information acquired by the acquisition unit 131. [Selection] Figure 3
Description
本発明は、情報処理装置、情報処理方法、及び情報処理プログラムに関する。 The present invention relates to an information processing apparatus, an information processing method, and an information processing program.
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。 Conventionally, techniques for predicting various demands are provided. For example, techniques are provided for determining user needs information based on user search data including at least POI (Point of Interest) data.
しかしながら、上記の従来技術では、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。 However, the above-mentioned prior art can not necessarily predict demand properly. For example, in the above-mentioned prior art, since at least POI data is required, it may be difficult to appropriately forecast the demand, for example, when the POI data is not sufficient or the POI data is incorrect.
本願は、上記に鑑みてなされたものであって、需要を適切に予測する情報処理装置、情報処理方法、及び情報処理プログラムを提供することを目的とする。 This application is made in view of the above, and aims at providing an information processing device, an information processing method, and an information processing program which predict demand appropriately.
本願に係る情報処理装置は、ユーザによる対象に関連する関連行動を示す行動情報と、前記関連行動後における前記ユーザの移動先を示す移動先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行動情報が示す前記関連行動に関する回数に基づいて、前記移動先情報が示す前記移動先に対応するエリアにおける前記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。 The information processing apparatus according to the present application is acquired by an acquisition unit that acquires behavior information indicating a related behavior related to a target by a user, and movement destination information indicating a movement destination of the user after the association behavior, and the acquisition unit And a prediction unit for predicting the demand for the target in the area corresponding to the movement destination indicated by the movement destination information, based on the number of times related to the related behavior indicated by the action information.
実施形態の一態様によれば、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。 According to one aspect of the embodiment, it is possible to appropriately forecast the demand.
以下に、本願に係る情報処理装置、情報処理方法、及び情報処理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情報処理装置、情報処理方法、及び情報処理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。 Hereinafter, an information processing apparatus, an information processing method, and a mode for carrying out an information processing program according to the present application (hereinafter, referred to as “embodiment”) will be described in detail with reference to the drawings. Note that the information processing apparatus, the information processing method, and the information processing program according to the present application are not limited by the embodiment. Moreover, the same code | symbol is attached | subjected to the same site | part in the following each embodiment, and the overlapping description is abbreviate | omitted.
(実施形態)
〔1.情報処理〕
図1を用いて、実施形態に係る情報処理の一例について説明する。図1は、実施形態に係る情報処理の一例を示す図である。具体的には、図1は、ユーザによる対象に関連する関連行動を示す行動情報と、関連行動後におけるユーザの関連行動時の位置からの移動先を示す移動先情報とに基づいて、対象に関する需要を予測する一例を示す図である。また、図1では、情報処理装置100は、予測した需要に関する情報を事業者へ提供する。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、ユーザの検索行動を、ユーザによる対象に関連する行動(以下、「関連行動」ともいう)の一例として説明する。なお、後述するように関連行動は、検索行動に限らずユーザの種々の行動であってもよい。図1では、情報処理装置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、関連行動後におけるユーザの検索時の位置からの移動先を示す移動先情報とに基づいて、需要を予測する場合を一例として説明する。
(Embodiment)
[1. Information processing]
An example of information processing according to the embodiment will be described with reference to FIG. FIG. 1 is a diagram illustrating an example of information processing according to the embodiment. Specifically, FIG. 1 relates to the target based on action information indicating the related action related to the subject by the user and move destination information indicating the moving destination from the position at the time of the related action of the user after the related action. It is a figure which shows an example which estimates demand. Further, in FIG. 1, the
〔情報処理システムの構成〕
まず、図1及び図2に示す情報処理システム1について説明する。図2に示すように、情報処理システム1は、端末装置10と、事業者装置20と、情報処理装置100とが含まれる。端末装置10と、事業者装置20と、情報処理装置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、実施形態に係る情報処理システムの構成例を示す図である。なお、図2に示した情報処理システム1には、複数台の端末装置10や、複数台の事業者装置20や、複数台の情報処理装置100が含まれてもよい。
[Configuration of information processing system]
First, an
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。
The
また、端末装置10は、種々のセンサにより検知された情報(以下、「センサ情報」ともいう)を収集する。例えば、端末装置10は、種々のセンサを有し、各種センサ情報を検知する。端末装置10は、画像センサの機能を有し、ユーザの画像情報(センサ情報)を検知し、取得する。また、端末装置10は、マイク等の音声センサの機能を有し、ユーザの音声情報(センサ情報)を検知し、取得する。また、端末装置10は、血糖値センサや心拍センサ等の種々の機能を有し、ユーザの血糖値(血糖値情報)や心拍数(心拍情報)等の生体情報(センサ情報)を検知し、取得可能であってもよい。なお、端末装置10は、自装置以外のセンサが検知したセンサ情報を収集し、情報処理装置100へ送信してもよい。
The
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。
The
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、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を検知し、取得する。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。
In addition, the
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、情報処理装置100に種々の情報を送信する。例えば、端末装置10は、情報処理装置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。
The
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。
Further, in the example illustrated in FIG. 1, the
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に示した情報処理システム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。
As described above, when “user U * (* is any numerical value)” is described, it indicates that the user is a user identified by the user ID “U *”. For example, when "user U2" is described, the user is a user identified by user ID "U2". The
情報処理装置100は、ユーザによる対象に関連する関連行動を示す行動情報と、関連行動後におけるユーザの移動先を示す移動先情報とに基づいて、移動先情報が示す移動先に対応するエリアにおけ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、情報処理装置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。
The
また、情報処理装置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、情報処理装置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。
The
なお、図1では、情報処理装置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、情報処理装置100は検索サービスを提供しなくてもよい。この場合、情報処理装置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。情報処理装置100は、端末装置10に限らず、種々の外部の情報処理装置からセンサ情報(センサデータ)を取得してもよい。
Although FIG. 1 shows the case where the
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、事業者であるコンビニMCの管理者M3によって利用される情報処理装置である。管理者M3は、Dエリアで種々の商品を販売するコンビニエンスストアであるコンビニMCを経営する事業者であってもよい。例えば、コンビニMCの管理者M3は、事業者装置20を用いて、情報処理装置100に対して情報の要求等を行う。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。
The
図1の例では、情報処理装置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。
In the example of FIG. 1, the
また、図1の例では、情報提供を受ける事業者が、コンビニMCである場合を示す。図1の例では、コンビニMCは、Dエリア内の海付近に位置する店舗である。例えば、図1では、情報処理装置100は、コンビニMCからDエリアにおける対象「パラソル」の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コンビニMCに提供する。
Moreover, in the example of FIG. 1, the case where the provider who receives information provision is the convenience store MC is shown. In the example of FIG. 1, the convenience store MC is a store located near the sea in the D area. For example, in FIG. 1, the
まず、情報処理装置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S1−1)。図1の例では、情報処理装置100は、日時DT1において、端末装置10−1からクエリ「パラソル」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。
First, the
そして、情報処理装置100は、クエリ「パラソル」に対応する検索結果を端末装置10−1へ提供する。また、情報処理装置100は、日時DT1に位置LC1において、ユーザU1がクエリ「パラソル」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、情報処理装置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「パラソル」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。
Then, the
また、情報処理装置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S1−2)。図1の例では、情報処理装置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、情報処理装置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、情報処理装置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。
The
また、情報処理装置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S1−3)。図1の例では、情報処理装置100は、日時DT3において、端末装置10−3からクエリ「パラソル 海」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、情報処理装置100は、クエリ「パラソル 海」に対応する検索結果を端末装置10−3へ提供する。また、情報処理装置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「パラソル 海」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。
Also, the
また、情報処理装置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S1−4)。図1の例では、情報処理装置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、情報処理装置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、情報処理装置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。
Further, the
また、情報処理装置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S1−5)。図1の例では、情報処理装置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、情報処理装置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、情報処理装置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。
Also, the
以下、ステップS1−1〜S1−5を区別せずに説明する場合、ステップS1と総称する。また、ステップS1−1〜S1−5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、情報処理装置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。
Hereinafter, when it demonstrates, without distinguishing step S1-1-S1-5, it is generically called step S1. Moreover, not only in steps S1-1 to S1-5, the search for each user may be performed multiple times. Although five users U1 to U5 are illustrated in FIG. 1, the
ここで、図1の例では、情報処理装置100は、ユーザの移動先(目的地)を予測するために用いる情報(以下、「移動先予測用情報」ともいう)として、ユーザが移動に関して行った検索行動の情報を用いるものとする。ここでいう、ユーザの移動先とは、ユーザが検索行動等の関連行動を行った後に移動する場合に予測される移動先(目的地)であってもよい。例えば、情報処理装置100は、移動に関するサービスを提供するアプリケーションにおいてユーザが入力した入力情報を、移動先予測用情報として用いる。例えば、情報処理装置100は、移動先予測用情報として、ユーザが路線検索やカーナビゲーション(以下「カーナビ」ともいう)や地図検索等で入力した入力情報を用いる。なお、情報処理装置100は、ユーザの移動先の予測に利用可能な情報であればどのような情報を移動先予測用情報として用いてもよい。
Here, in the example of FIG. 1, the
情報処理装置100は、ユーザU1が利用する端末装置10−1から移動関連情報を取得する(ステップS2−1)。図1の例では、情報処理装置100は、日時DT1−1において、ユーザU1が路線検索に用いた情報(文字情報等)である移動関連情報ES1を端末装置10−1から取得する。例えば、日時DT1−1は、日時DT1から所定の期間(日時DT1の前後5分)内の期間であるものとする。例えば、端末装置10−1は、移動関連情報ES1を情報処理装置100へ送信する。図1の例では、情報処理装置100は、日時DT1−1に、ユーザU1について種別「路線」の移動関連情報ES1が取得されたことを示す情報を移動先情報記憶部124に記憶する。なお、移動関連情報ES1には、ユーザU1が行先(移動先)として入力した情報にDエリアを示す情報が含まれるものとする。
The
また、情報処理装置100は、ユーザU2が利用する端末装置10−2から移動関連情報を取得する(ステップS2−2)。図1の例では、情報処理装置100は、日時DT2−1において、ユーザU2が地図検索に用いた情報(文字情報等)である移動関連情報ES2を端末装置10−2から取得する。例えば、日時DT2−1は、日時DT2から所定の期間(日時DT2の前後5分)内の期間であるものとする。例えば、端末装置10−2は、移動関連情報ES2を情報処理装置100へ送信する。図1の例では、情報処理装置100は、日時DT2−1に、ユーザU2について種別「地図」の移動関連情報ES2が取得されたことを示す情報を移動先情報記憶部124に記憶する。なお、移動関連情報ES2には、ユーザU2が行先として入力した情報にBエリアを示す情報が含まれるものとする。
Further, the
また、情報処理装置100は、ユーザU3が利用する端末装置10−3から移動関連情報を取得する(ステップS2−3)。図1の例では、情報処理装置100は、日時DT3−1において、ユーザU3がカーナビでの検索に用いた情報(文字情報等)である移動関連情報ES3を端末装置10−3から取得する。例えば、日時DT3−1は、日時DT3から所定の期間(日時DT3の前後5分)内の期間であるものとする。例えば、端末装置10−3は、移動関連情報ES3を情報処理装置100へ送信する。図1の例では、情報処理装置100は、日時DT3−1に、ユーザU3について種別「カーナビ」の移動関連情報ES3が取得されたことを示す情報を移動先情報記憶部124に記憶する。なお、移動関連情報ES3には、ユーザU3が行先として入力した情報にDエリアを示す情報が含まれるものとする。
The
また、情報処理装置100は、ユーザU4が利用する端末装置10−4から移動関連情報を取得する(ステップS2−4)。図1の例では、情報処理装置100は、日時DT4−1において、ユーザU4が地図検索に用いた情報(文字情報等)である移動関連情報ES4を端末装置10−4から取得する。例えば、日時DT4−1は、日時DT4から所定の期間(日時DT4の前後5分)内の期間であるものとする。例えば、端末装置10−4は、移動関連情報ES4を情報処理装置100へ送信する。図1の例では、情報処理装置100は、日時DT4−1に、ユーザU4について種別「地図」の移動関連情報ES4が取得されたことを示す情報を移動先情報記憶部124に記憶する。なお、移動関連情報ES4には、ユーザU4が行先として入力した情報が含まれないものとする。
The
以下、ステップS2−1〜S2−4を区別せずに説明する場合、ステップS2と総称する。また、ステップS2−1〜S2−4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、ユーザU5の移動関連情報が取得されていない場合を図示するが、情報処理装置100は、ユーザU5の移動関連情報を取得してもよいし、移動関連情報が取得されない場合、他の種別の情報を移動先予測用情報として取得してもよい。
Hereinafter, in the case where the steps S2-1 to S2-4 are described without distinction, they are collectively referred to as step S2. Moreover, not only steps S2-1 to S2-4 but also search of each user may be performed multiple times. Although FIG. 1 illustrates the case where the movement related information of the user U5 is not acquired, the
上記ステップS1〜S4の処理により、情報処理装置100は、ユーザによる対象に関連する関連行動を示す行動情報や、関連行動後におけるユーザの移動先の予測に用いる移動先予測用情報を収集する。具体的には、情報処理装置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含む行動情報を収集する(ステップS3)。図1の例では、情報処理装置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。また、情報処理装置100は、ユーザの関連行動から所定の期間内の移動関連情報を移動先予測用情報として収集する(ステップS4)。図1の例では、情報処理装置100は、移動先情報記憶部124に示すように、ユーザU1〜U4等の移動関連情報ES1〜ES4等を収集する。
Through the processes in steps S1 to S4, the
そして、情報処理装置100は、対象に関する関連行動後におけるユーザの移動先を予測する(ステップS5)。情報処理装置100は、移動先予測用情報を用いて、関連行動後におけるユーザの移動先を予測する。情報処理装置100は、移動関連情報を用いて、関連行動後におけるユーザの移動先を予測する。情報処理装置100は、ユーザの関連行動から所定の期間内の移動先予測用情報を用いて、関連行動後におけるユーザの移動先を予測する。図1の例では、情報処理装置100は、ユーザの関連行動から所定の期間内の移動関連情報を用いて、関連行動後におけるユーザの移動先を予測する。
Then, the
情報処理装置100は、日時DT1におけるクエリ「パラソル」を用いた検索行動後におけるユーザU1の移動先を、日時DT1−1に検知されたユーザU1の移動関連情報ES1を用いて予測する。例えば、情報処理装置100は、移動関連情報ES1に含まれる情報を用いて、ユーザU1の移動先を予測する。図1の例では、情報処理装置100は、移動関連情報ES1にユーザU1が入力した行先にDエリアを示す情報が含まれるため、ユーザU1の移動先をDエリアと予測する。
The
また、情報処理装置100は、日時DT2におけるクエリ「スマホSH 赤」を用いた検索行後におけるユーザU2の移動先を、日時DT2−1に検知されたユーザU2の移動関連情報ES2を用いて予測する。例えば、情報処理装置100は、移動関連情報ES2を用いて、ユーザU2の移動先を予測する。図1の例では、情報処理装置100は、移動関連情報ES2にユーザU2が入力した行先にBエリアを示す情報が含まれるため、ユーザU2の移動先をBエリアと予測する。
Further, the
情報処理装置100は、日時DT3における「パラソル 海」を用いた検索行動後におけるユーザU3の移動先を、日時DT3−1に検知されたユーザU3の移動関連情報ES3を用いて予測する。例えば、情報処理装置100は、移動関連情報ES3を用いて、ユーザU3の移動先を予測する。図1の例では、情報処理装置100は、移動関連情報ES3にユーザU3が入力した行先にDエリアを示す情報が含まれるため、ユーザU3の移動先をDエリアと予測する。また、図1の例では、情報処理装置100は、移動関連情報ES4にユーザU4が行先として入力した情報が含まれないため、ユーザU4の移動先を不明と予測してもよい。なお、情報処理装置100は、ユーザの移動先が無い場合、ユーザの検索時の位置に対応するエリアの検索としてもよいが、この点については後述する。
The
そして、情報処理装置100は、対象に関するスコアを生成する(ステップS6)。例えば、情報処理装置100は、関連行動に対応する対象に関する需要を示すスコアを生成(算出)する。例えば、情報処理装置100は、関連行動に対応する対象について、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、情報処理装置100は、対象「パラソル」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、情報処理装置100は、対象「パラソル」について、検索の回数と、各検索後におけるユーザの移動先情報を用いてスコアを生成する。例えば、情報処理装置100は、対象「パラソル」について、検索の回数と、各検索後におけるユーザの移動先に基づいて、各ユーザの検索を移動先に対応するエリアにおける需要として、スコアを生成する。
Then, the
図1の例では、情報処理装置100は、予測移動先が「Dエリア」であるユーザU1の日時DT1におけるクエリ「パラソル」を用いた検索をDエリアに対応する検索としてスコアを生成する。すなわち、情報処理装置100は、ユーザU1の日時DT1におけるクエリ「パラソル」を用いた検索を、検索時の「Aエリア」ではなく、予測移動先である「Dエリア」に対応する検索としてスコアを生成する。また、情報処理装置100は、予測移動先が「Dエリア」であるユーザU3の日時DT3におけるクエリ「パラソル 海」を用いた検索をDエリアに対応する検索としてスコアを生成する。すなわち、情報処理装置100は、ユーザU3の日時DT3におけるクエリ「パラソル 海」を用いた検索を、検索時の「Aエリア」ではなく、予測移動先である「Dエリア」に対応する検索としてスコアを生成する。
In the example of FIG. 1, the
図1の例では、情報処理装置100は、エリア別一覧ALT1に示すように、対象「パラソル」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、情報処理装置100は、Aエリアにおける対象「パラソル」のスコアを「200」と算出する。例えば、情報処理装置100は、Bエリアにおける対象「パラソル」のスコアを「20」と算出する。例えば、情報処理装置100は、Cエリアにおける対象「パラソル」のスコアを「800」と算出する。例えば、情報処理装置100は、Dエリアにおける対象「パラソル」のスコアを「15000」と算出する。
In the example of FIG. 1, the
そして、情報処理装置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S7)。図1の例では、情報処理装置100は、需要一覧DLT1に示すように、対象「パラソル」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、情報処理装置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、情報処理装置100は、第1閾値「10000」と、第2閾値「750」とを用いて、エリアごとの需要を予測する。例えば、情報処理装置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、情報処理装置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、情報処理装置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。
Then, the
図1の例では、情報処理装置100は、Aエリアにおける対象「パラソル」のスコアが「200」であり、第2閾値未満であるため、Aエリアにおける対象「パラソル」の需要を「低」と予測する。また、情報処理装置100は、Bエリアにおける対象「パラソル」のスコアが「20」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「パラソル」の需要を「低」と予測する。また、情報処理装置100は、Cエリアにおける対象「パラソル」のスコアが「800」であり、第2閾値未満であるため、Cエリアにおける対象「パラソル」の需要を「中」と予測する。また、情報処理装置100は、Dエリアにおける対象「パラソル」のスコアが「15000」であり、第1閾値以上であるため、Dエリアにおける対象「パラソル」の需要を「高」と予測する。
In the example of FIG. 1, the
そして、情報処理装置100は、事業者に需要情報を提供する(ステップS8)。図1の例では、情報処理装置100は、コンビニMCの管理者M3が利用する事業者装置20に需要情報を提供する。情報処理装置100は、コンビニMCの管理者M3が利用する事業者装置20に需要情報を送信する。ここで、コンビニMCは、Dエリアに位置し、飲料DR、パラソルPS、浮き輪SR等の種々の商品を販売するコンビニエンスストアである。そのため、情報処理装置100は、事業者装置20にDエリアではパラソルの需要が高いことを示す情報を提供する。これにより、コンビニMCの管理者M3は、Dエリアにおいては、種々の商品のうちパラソルPSをより多く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、パラソルPSの仕入れ量を増やしたり、パラソルPSの販売スペースを拡張したりする判断を行うことができる。なお、情報処理装置100は、需要一覧DLT1を事業者装置20に提供してもよい。これにより、コンビニMCの管理者M3は、Dエリアにおけるパラソル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。
Then, the
このように、情報処理装置100は、ユーザによる対象に関連する関連行動を示す行動情報と、関連行動後におけるユーザの関連行動時の位置からの移動先を示す移動先情報とに基づいて、対象に関する需要を予測する。図1の例では、情報処理装置100は、ユーザの検索行動と、ユーザの移動関連情報とに基づいて、クエリに対応する対象に関する需要を予測する。そして、情報処理装置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。例えば、情報処理装置100は、アイドルAのコンサートに行きそうなユーザが、所定のグッズ(うちわ等)を検索している場合、コンサートが開催されるエリアで所定のグッズの需要があると予測する。例えば、情報処理装置100は、アイドルAのコンサートのチケットを購入したユーザが、所定のグッズ(うちわ等)を検索している場合、コンサートが開催されるエリアで所定のグッズの需要があると予測する。
Thus, the
〔1−1.利用する情報〕
情報処理装置100は、図1に示す情報に限らず、対象に関する需要やユーザの移動先を予測するために種々の情報を用いてもよい。この点について、以下説明する。
[1-1. Information to use]
The
〔1−1−1.行動情報〕
図1の例では、情報処理装置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、情報処理装置100は、種々の情報を用いて、需要を予測してもよい。例えば、情報処理装置100は、ユーザの行動に関する種々情報を用いて、需要を予測してもよい。情報処理装置100は、ユーザの検索行動に限らず、種々の種別の関連行動の情報を用いて、需要を予測してもよい。例えば、情報処理装置100は、ユーザの入力行動や購買行動や閲覧行動等の種々の種別の関連行動の情報を用いて、需要を予測してもよい。情報処理装置100は、ユーザの入力に関する情報やユーザの購買行動に関する情報やユーザのコンテンツ閲覧に関する情報などの種々の行動情報を用いて、需要を予測してもよい。例えば、情報処理装置100は、ユーザが購入した商品やサービス等を対象として需要を予測してもよい。例えば、情報処理装置100は、ユーザにより商品Xが購入された回数を用いて、対象の需要を予測してもよい。また、情報処理装置100は、ユーザが閲覧したコンテンツに含まれる対象の需要を予測してもよい。例えば、情報処理装置100は、ユーザが閲覧したコンテンツY等に対象「パラソル」が含まれる場合、コンテンツY等の閲覧回数を用いて、対象の需要を予測してもよい。また、情報処理装置100は、ユーザが閲覧したコンテンツの情報を用いて、ユーザの移動先を予測してもよい。例えば、情報処理装置100は、所定のユーザ(ユーザX)が「ABC海浜公園」に関するコンテンツを閲覧している場合、そのコンテンツの閲覧情報を移動先予測用情報として用いてもよい。この場合、情報処理装置100は、ユーザXの移動先をABC海浜公園が位置するエリアであると予測してもよい。
[1-1-1. Behavior information]
Although the example of FIG. 1 shows the case where the
〔1−1−2.入力情報〕
情報処理装置100は、クエリに限らず、ユーザが入力する種々の情報(入力情報)を用いて、需要を予測してもよい。例えば、情報処理装置100は、所定のネットワークで通信される文字情報を用いて、需要を予測してもよい。例えば、情報処理装置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、情報処理装置100は、所定のSNS(Social Networking Service)においてユーザが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、情報処理装置100は、Twitter(登録商標)やFacebook(登録商標)等においてユーザが投稿(入力)した投稿情報(入力情報)を用いて、需要を予測してもよい。例えば、情報処理装置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。
[1-1-2. Input information]
The
例えば、情報処理装置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、情報処理装置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、情報処理装置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。また、情報処理装置100は、ユーザが入力した入力情報を用いて、ユーザの移動先を予測してもよい。例えば、情報処理装置100は、所定のユーザ(ユーザY)が「DEF遊園地は何時に開園?」という入力を行っている場合、その入力情報を移動先予測用情報として用いてもよい。この場合、情報処理装置100は、ユーザYの移動先をDEF遊園地が位置するエリアであると予測してもよい。
For example, the
〔1−2.移動先〕
なお、図1の例では、ユーザの移動先のエリアを対象エリアとしてスコアを算出し、対象の需要を予測する場合を示したが、ユーザの移動先が不明である場合、情報処理装置100は、種々の情報に基づいて対象エリアを決定してもよい。例えば、情報処理装置100は、ユーザの移動先が不明である場合、ユーザの検索時の位置に対応するエリアの検索として対象エリアとしてもよい。この場合、情報処理装置100は、ユーザの検索時の位置に対応するエリアを対象エリアとしてスコアを算出し、対象の需要を予測してもよいが、この点の詳細は図10で詳述する。
[1-2. Move destination]
In the example of FIG. 1, the score is calculated with the area to which the user is moving as the target area to predict the demand for the target, but when the user's moving destination is unknown, the
情報処理装置100は、図1のようにユーザの移動先のエリアを対象エリアとして算出したスコア(移動先スコア)と、図10のようにユーザの検索時の位置のエリアを対象エリアとして算出したスコア(現在地スコア)とを用いて、対象の需要を予測してもよい。例えば、情報処理装置100は、所定の対象(対象X)について、所定のエリア(Xエリアの移動先スコアと、Xエリアの現在地スコアとを合算した合計スコアを用いて、対象Xの需要を予測してもよい。例えば、情報処理装置100は、対象「パラソル」について、Xエリアの移動先スコア「10000」と、Xエリアの現在地スコア「5000」とを合算した合計スコア「15000(=10000+5000)」を用いて、対象「パラソル」の需要を予測してもよい。なお、情報処理装置100は、図1の例において移動先が不明であるユーザU4、U5については、ユーザU4、U5の検索時の位置に対応するエリアの検索として集計してもよい。
The
〔1−3.時間に応じた需要予測〕
また、情報処理装置100は、時間に応じて需要を予測してもよい。情報処理装置100は、所定の時間帯ごとに、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、情報処理装置100は、位置情報を用いずに、時間ごとの需要を予測してもよい。例えば、情報処理装置100は、所定の時間帯(朝、昼、夜等)ごとにクエリを収集し、各時間帯に対応するクエリごとにスコアを算出してもよい。そして、情報処理装置100は、時間帯ごとに対象に対する需要(レベル)を予測してもよい。
[1-3. Demand forecast according to time]
Further, the
また、情報処理装置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、情報処理装置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、情報処理装置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。
The
例えば、情報処理装置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、情報処理装置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、情報処理装置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どうかや、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。
For example, the
また、情報処理装置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、情報処理装置100は、食事の時間帯に食品等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、情報処理装置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、情報処理装置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。
Further, the
例えば、情報処理装置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、情報処理装置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。
For example, when the
〔1−4.提供態様〕
また、例えば、情報処理装置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、情報処理装置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、情報処理装置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、情報処理装置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、情報処理装置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、情報処理装置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。
[1-4. Provision form]
Further, for example, the
また、情報処理装置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、情報処理装置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、情報処理装置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、情報処理装置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。
In addition, the
〔1−5.情報の利用〕
なお、上記では、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、情報処理装置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、情報処理装置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。
[1-5. Use of information]
In the above, for simplicity of explanation, the case where the query matches the character string indicating the target is shown as an example, but the
例えば、情報処理装置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、情報処理装置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。例えば、情報処理装置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。
For example, the
例えば、情報処理装置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。例えば、情報処理装置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。
For example, the
例えば、情報処理装置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。例えば、情報処理装置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。
For example, the
〔1−6.関連商品の需要〕
なお、情報処理装置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、情報処理装置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。
[1-6. Demand for related products]
Note that the
例えば、情報処理装置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、情報処理装置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、情報処理装置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。
For example, the
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、情報処理装置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、情報処理装置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、情報処理装置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、情報処理装置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。情報処理装置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。
In this case, for example, it is predicted that the smartphone is likely to break down near the sea A, for example, it has been submerged near the sea A. For example, in the vicinity of the sea A, the scenery is beautiful and a photo spot is expected, but it is predicted that there are many cases where the feet are bad and the water is submerged. Therefore, for example, in the vicinity of the sea A, the
〔2.情報処理装置の構成〕
次に、図3を用いて、実施形態に係る情報処理装置100の構成について説明する。図3は、実施形態に係る情報処理装置の構成例を示す図である。図3に示すように、情報処理装置100は、通信部110と、記憶部120と、制御部130とを有する。なお、情報処理装置100は、情報処理装置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。
[2. Configuration of information processing apparatus]
Next, the configuration of the
(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、例えば情報処理システム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。
(Communication unit 110)
The communication unit 110 is realized by, for example, a network interface card (NIC). The communication unit 110 is connected to a network by wire or wirelessly, and transmits and receives information to and from, for example, the
(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、移動先情報記憶部124と、需要情報記憶部125とを有する。
(Storage unit 120)
The
(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、事業者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。
(Business information storage unit 121)
The business entity
「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。 “Business operator ID” indicates identification information for identifying a business person. “Business operator” indicates a business person identified by the corresponding business person ID. For example, the “business operator” indicates the name of the business operator identified by the corresponding business operator ID. “Industry type” indicates the type of business of the business identified by the corresponding business ID. “Location” indicates the location of the business identified by the corresponding business ID. “Provided item” indicates a product or service provided by the business entity identified by the corresponding business entity ID.
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。 For example, in the example illustrated in FIG. 4, the business person (business person EP1) identified by the business person ID “EP1” indicates that the business person is “ramen shop MA” and the business type is “food and drink”. In addition, it is indicated that the location of the ramen shop MA is the position LC10 in the A area. In the example of FIG. 4, the position is illustrated by an abstract code such as “LC10”, but the position information may be specific latitude and longitude information or the like. In addition, it indicates that the product offered by the ramen shop MA is "soybean ramen RM".
また、事業者ID「EP3」により識別される事業者(事業者EP3)は、事業者が「コンビニMC」であり、業種が「小売」であることを示す。また、コンビニMCの所在地は、Dエリア内の位置LC15であることを示す。なお、図4の例では位置を「LC15」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、コンビニMCが提供する商品は、「飲料DR」、「パラソルPS」、「浮き輪SR」等の種々の商品であることを示す。 Further, the business operator (business business EP3) identified by the business business ID “EP3” indicates that the business business is “Convenience Store MC” and the business type is “Retail”. Also, the location of the convenience store MC indicates that it is the location LC15 in the D area. In the example of FIG. 4, the position is illustrated by an abstract code such as “LC15”, but the position information may be specific latitude and longitude information or the like. Moreover, it shows that the goods which the convenience store MC provides are various goods, such as "drink DR", "parasol PS", "floating ring SR".
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。
The business entity
(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、ユーザ属性情報等の種々の情報を記憶する。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。
(User information storage unit 122)
The user
「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。 "User ID" indicates identification information for identifying a user. For example, the user identified by the user ID “U1” corresponds to the user U1 illustrated in the example of FIG. "Age" indicates the age of the user identified by the user ID. The “age” may be a specific age of the user identified by the user ID, such as 35, for example. Also, “sex” indicates the gender of the user identified by the user ID.
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。 Also, “home” indicates home position information of the user identified by the user ID. In the example shown in FIG. 5, “home” indicates an abstract code such as “LC11”, but may be latitude / longitude information or the like. Also, for example, "home" may be a region name or an address.
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。 Also, “working place” indicates position information of the working place of the user identified by the user ID. In the example illustrated in FIG. 5, “place of work” indicates an abstract code such as “LC12”, but may be latitude / longitude information or the like. Also, for example, the “place of work” may be an area name or an address.
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。 Also, “interest” indicates the interest of the user identified by the user ID. That is, “interesting” indicates an object that the user identified by the user ID is highly interested in. In the example shown in FIG. 5, although one “interest” is illustrated for each user, it may be plural.
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。 For example, in the example illustrated in FIG. 5, the age of the user identified by the user ID “U1” is “twenties”, and the gender indicates “male”. Also, for example, the user identified by the user ID “U1” indicates that the home is “LC11”. Also, for example, the user identified by the user ID “U1” indicates that the work location is “LC12”. Also, for example, the user identified by the user ID “U1” indicates that he / she is interested in “sports”.
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。
The user
(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。なお、図6の例では、説明を簡単にするためにユーザの検索行動に関する情報のみを図示するが、行動情報記憶部123には、ユーザの種々の行動に関する情報が記憶される。例えば、行動情報記憶部123には、ユーザの入力に関する情報やユーザの購買行動に関する情報やユーザのコンテンツ閲覧に関する情報などの種々の情報が記憶される。
(Action information storage unit 123)
The action
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。 Also, "action ID" indicates information identifying a user's action. "User ID" indicates identification information for identifying a user. For example, the user identified by the user ID “U1” corresponds to the user U1 illustrated in the example of FIG.
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。 Also, "position" indicates the position where the corresponding action was performed. For example, "position" indicates the position of the user at the time of search by the corresponding query. In the example of FIG. 6, the position is illustrated by an abstract code such as “LC1”, but the position information may be specific latitude and longitude information or the like.
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。
Also, “date and time” indicates the date and time when the corresponding user's action was performed. Although "DT1" is illustrated abstractly as "date and time", a specific date and time such as "July 25, 2017 22:46:58" may be stored. Also, “query information” indicates information on a query used in the corresponding search. “
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「パラソル」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。 For example, in the example illustrated in FIG. 6, the user (user U1) identified by the user ID “U1” indicates that the action AC11 is performed at the position LC1. Specifically, in the example illustrated in FIG. 6, the user U1 indicates that the search (action AC11) using only the first query "parasol" has been performed on the date and time DT1. Further, for example, in the example illustrated in FIG. 6, the user (user U2) identified by the user ID "U2" indicates that the action AC12 is performed at the position LC2. Specifically, in the example illustrated in FIG. 6, the user U2 indicates that the search (action AC12) using the first query "smartphone SH" and the second query "red" is performed on the date and time DT2.
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。
The behavior
(移動先情報記憶部124)
実施形態に係る移動先情報記憶部124は、ユーザの移動先に関する各種情報を記憶する。例えば、移動先情報記憶部124は、関連行動後におけるユーザの移動先に関連する移動先情報を記憶する。図7は、実施形態に係る移動先情報記憶部の一例を示す図である。図7に示す移動先情報記憶部124は、「ユーザID」、「移動先情報」といった項目が含まれる。「移動先情報」には、「日時」、「種別」、「移動関連情報」、「予測移動先」といった項目が含まれる。
(Movement destination information storage unit 124)
The movement destination
「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、「移動先情報」は、ユーザIDにより識別されるユーザについて取得された移動関連情報に関する種々の情報を示す。「移動先情報」の「日時」は、対応する移動関連情報が取得された日時を示す。「日時」には、「DT1」等のように抽象的に図示するが、「2018年6月30日11時23分49秒」等の具体的な日時が記憶されてもよい。「移動先情報」の「種別」は、対応する移動関連情報の種別を示す。例えば、「種別」は、どのようなアプリケーションやサービスに関して取得された情報であるかを示す。 "User ID" indicates identification information for identifying a user. For example, the user identified by the user ID “U1” corresponds to the user U1 illustrated in the example of FIG. Further, “destination information” indicates various pieces of information related to movement related information acquired for the user identified by the user ID. The "date and time" of the "destination information" indicates the date and time when the corresponding movement related information is acquired. Although “DT1” or the like is abstractly illustrated as “date and time”, a specific date and time such as “June 30, 2018 11:23:49” may be stored. The “type” of “destination information” indicates the type of corresponding movement related information. For example, “type” indicates what kind of application or service is the acquired information.
「移動先情報」の「移動関連情報」は、取得された移動関連情報を示す。図7では「移動関連情報」に「ES1」といった概念的な情報が格納される例を示したが、実際には、具体的に取得された情報、または、その格納場所を示すファイルパス名などが格納されてもよい。移動関連情報は、ユーザの移動手段に関する行動やユーザの移動に関する検索行動等、ユーザの移動先の予測に用いられる種々の情報が含まれる。 The "movement related information" of the "destination information" indicates the acquired movement related information. Although FIG. 7 shows an example in which conceptual information such as “ES1” is stored in “movement related information”, actually, specifically acquired information, or a file path name indicating the storage location, etc. May be stored. The movement related information includes various information used to predict the movement destination of the user, such as an action related to the moving means of the user and a search action related to the movement of the user.
「移動先情報」の「予測移動先」は、移動関連情報等の情報から予測されるユーザの移動先を示す。図7では「予測移動先」に「Dエリア」といったエリアを示す情報が格納される例を示したが、緯度経度情報等などが格納されてもよい。 The "predicted destination" of the "destination information" indicates the destination of the user predicted from the information such as the movement related information. Although FIG. 7 shows an example in which information indicating an area such as “D area” is stored in “predicted destination”, latitude and longitude information may be stored.
図7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)については、種別「路線」に対応する移動関連情報ES1が日時DT1−1に取得されたことを示す。例えば、日時DT1−1は、日時DT1から所定の期間内の期間であるものとする。また、ユーザU1については、移動関連情報ES1により予測される需要の移動先が「Dエリア」であることを示す。すなわち、ユーザU1については、対象「パラソル」に対応するクエリを用いた検索行動を行った日時DT1後において予測される移動先が「Dエリア」であることを示す。 In the example illustrated in FIG. 7, for the user (user U1) identified by the user ID “U1”, it indicates that the movement related information ES1 corresponding to the type “route” is acquired at the date and time DT1-1. For example, it is assumed that the date and time DT1-1 is a period within a predetermined period from the date and time DT1. Further, for the user U1, it is indicated that the destination of the demand predicted by the movement related information ES1 is the "D area". That is, for the user U1, it is indicated that the movement destination predicted after the date and time DT1 of performing the search action using the query corresponding to the target "parasol" is the "D area".
図7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)については、種別「地図」に対応する移動関連情報ES2が日時DT2−1に取得されたことを示す。例えば、日時DT2−1は、日時DT2から所定の期間内の期間であるものとする。また、ユーザU2については、移動関連情報ES2により予測される移動先が「Bエリア」であることを示す。すなわち、ユーザU2については、対象「スマホSH」に対応するクエリを用いた検索行動を行った日時DT2後において予測される移動先が「Bエリア」であることを示す。 In the example illustrated in FIG. 7, for the user (user U2) identified by the user ID “U2”, it indicates that the movement related information ES2 corresponding to the type “map” is acquired at the date and time DT2-1. For example, it is assumed that the date and time DT2-1 is a period within a predetermined period from the date and time DT2. Further, for the user U2, it is indicated that the movement destination predicted by the movement related information ES2 is the "B area". That is, for the user U2, it is indicated that the movement destination predicted after the date and time DT2 when the search action using the query corresponding to the target "smartphone SH" is performed is the "B area".
なお、移動先情報記憶部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。図7の例では、移動先情報記憶部124は、説明を簡単にするために、ユーザの移動に関する検索行動の情報を移動関連情報として図示するが、移動先情報記憶部124には、ユーザの移動先(目的地)の予測に利用可能な情報であればどのような情報が記憶されてもよい。例えば、移動先情報記憶部124には、ユーザの関連行動時から所定の期間内のユーザの行動情報やセンサ情報などの種々の情報が記憶されてもよい。
The destination
(需要情報記憶部125)
実施形態に係る需要情報記憶部125は、需要に関する各種情報を記憶する。図8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に示す需要情報記憶部125は、「対象」、「需要情報」、「検索者属性情報」といった項目を有する。
(Demand information storage unit 125)
The demand
「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。 "Object" indicates an object for which demand information is to be generated. The “target” is not limited to a specific product name or service name, but may be a product or service category (such as beverage, fashion, or travel).
「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。 The "demand information" indicates demand information of a query used for searching for the corresponding object. The "demand information" includes items such as "area", "score", and "demand level". "Area" indicates the area that has been the object of prediction. "Score" indicates a score that is an evaluation value of demand for the object in the corresponding area. "Demand level" indicates the demand level for the target in the corresponding area.
「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。 The “searcher attribute information” indicates demand information of the attribute of a searcher (user) who performs a search regarding the corresponding target. The “searcher attribute information” includes items such as “category”, “attribute”, and “proportion”. "Category" indicates a category for classifying users. "Attribute" indicates the type (attribute) in the corresponding category. Also, “proportion” indicates the rate at which the user of the corresponding attribute performs a search using the keyword corresponding to the corresponding target.
例えば、図8に示す例において、需要を予測する対象は、パラソルであることを示す。また、対象「パラソル」について、Aエリアにおける需要のスコアが「200」であることを示す。また、Aエリアにおけるパラソルの需要レベルは、「低」であることを示す。 For example, in the example illustrated in FIG. 8, the target whose demand is to be predicted indicates that it is a parasol. In addition, for the target "parasol", it indicates that the score of demand in the A area is "200". In addition, the demand level of parasols in area A indicates that it is "low".
また、図8の例では、Aエリアにおいて対象「パラソル」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8の例では、Aエリアにおいて対象「パラソル」を検索するユーザのうち、10代が「65%」等であることを示す。 Further, in the example of FIG. 8, among the users who search for the target “parasol” in the A area, it is indicated that the male is “20%” and the female is “80%”. Further, in the example of FIG. 8, among users who search for the target “parasol” in the A area, it is indicated that the teenager is “65%” or the like.
また、需要情報記憶部125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125は、需要が発生した日時に関する情報を記憶してもよい。例えば、需要情報記憶部125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。
Further, the demand
(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、情報処理装置100内部の記憶装置に記憶されている各種プログラム(情報処理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。
(Control unit 130)
Returning to the description of FIG. 3, the
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。
As illustrated in FIG. 3, the
(取得部131)
取得部131は、各種情報を取得する。取得部131は、記憶部120から各種情報を取得する。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や移動先情報記憶部124や需要情報記憶部125から各種情報を取得する。取得部131は、外部の情報処理装置から各種情報を取得する。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。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。取得部131は、ユーザの検索時から所定の期間内におけるセンサ情報を取得する。
(Acquisition unit 131)
The
取得部131は、ユーザによる対象に関連する関連行動を示す行動情報と、関連行動後におけるユーザの移動先を示す移動先情報とを取得する。取得部131は、ユーザによる所定の移動手段に関する行動に基づく移動先を示す移動先情報を取得する。取得部131は、ユーザによる移動に関する検索行動に基づく移動先を示す移動先情報を取得する。
The
取得部131は、関連行動時におけるユーザの位置情報を取得する。予測部133は、位置情報に対応するエリアにおける需要を予測する。取得部131は、対象に関してユーザが入力した入力情報を含む行動情報を取得する。取得部131は、対象に関してユーザが行った検索行動を示す検索情報を含む行動情報を取得する。取得部131は、ユーザが入力した対象に関連するクエリを含む行動情報を取得する。
The
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。取得部131は、日時DT1において、端末装置10−1からクエリ「パラソル」と位置情報LC1とを取得する。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。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。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。取得部131は、日時DT3において、端末装置10−3からクエリ「パラソル 海」と位置情報LC3とを取得する。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。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。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。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。図1では、5人のユーザU1〜U5を図示するが、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。
In the example of FIG. 1, the
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から移動関連情報を取得する。取得部131は、日時DT1−1において、ユーザU1が路線検索に用いた情報(文字情報等)である移動関連情報ES1を端末装置10−1から取得する。取得部131は、ユーザU2が利用する端末装置10−2から移動関連情報を取得する。取得部131は、日時DT2−1において、ユーザU2が地図検索に用いた情報(文字情報等)である移動関連情報ES2を端末装置10−2から取得する。取得部131は、ユーザU3が利用する端末装置10−3から移動関連情報を取得する。取得部131は、日時DT3−1において、ユーザU3がカーナビでの検索に用いた情報(文字情報等)である移動関連情報ES3を端末装置10−3から取得する。取得部131は、ユーザU4が利用する端末装置10−4から移動関連情報を取得する。取得部131は、日時DT4−1において、ユーザU4が地図検索に用いた情報(文字情報等)である移動関連情報ES4を端末装置10−4から取得する。
In the example of FIG. 1, the
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。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。
The
(生成部132)
生成部132は、種々の情報を生成する。生成部132は、記憶部120に記憶された情報に基づいて、種々の情報を生成する。生成部132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や移動先情報記憶部124や需要情報記憶部125に記憶された情報に基づいて、種々の情報を生成する。生成部132は、取得部131により取得された情報に基づいて、種々の情報を生成する。生成部132は、外部の情報処理装置から取得された情報に基づいて、種々の情報を生成する。生成部132は、端末装置10や事業者装置20から取得された情報に基づいて、種々の情報を生成する。生成部132は、生成部132により生成された情報に基づいて、種々の情報を生成する。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。生成部132は、予測部133により予測された情報に基づいて、種々の情報を生成する。
(Generation unit 132)
The generation unit 132 generates various information. The generation unit 132 generates various types of information based on the information stored in the
図1の例では、生成部132は、関連行動に対応する対象に関する需要を示すスコアを生成(算出)する。例えば、生成部132は、関連行動に対応する対象について、複数のエリアごとのスコアを生成(算出)する。生成部132は、対象「パラソル」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「パラソル」について、検索の回数と、各検索後におけるユーザの移動先情報を用いてスコアを生成する。例えば、生成部132は、対象「パラソル」について、検索の回数と、各検索後におけるユーザの移動先に基づいて、各ユーザの検索を移動先に対応するエリアにおける需要として、スコアを生成する。 In the example of FIG. 1, the generation unit 132 generates (calculates) a score indicating a demand for an object corresponding to the related behavior. For example, the generation unit 132 generates (calculates) a score for each of a plurality of areas for a target corresponding to a related action. The generation unit 132 generates a score for each of a plurality of areas, such as an A area to a D area, for the target “parasol”. For example, the generation unit 132 generates a score for the target “parasol” using the number of times of the search and the movement destination information of the user after each search. For example, the generation unit 132 generates a score for the search of each user as a demand in the area corresponding to the movement destination based on the number of times of the search and the movement destination of the user after each search for the object “parasol”.
図1の例では、生成部132は、予測移動先が「Dエリア」であるユーザU1の日時DT1におけるクエリ「パラソル」を用いた検索をDエリアに対応する検索としてスコアを生成する。すなわち、生成部132は、ユーザU1の日時DT1におけるクエリ「パラソル」を用いた検索を、検索時の「Aエリア」ではなく、予測移動先である「Dエリア」に対応する検索としてスコアを生成する。また、生成部132は、予測移動先が「Dエリア」であるユーザU3の日時DT3におけるクエリ「パラソル 海」を用いた検索をDエリアに対応する検索としてスコアを生成する。すなわち、生成部132は、ユーザU3の日時DT3におけるクエリ「パラソル 海」を用いた検索を、検索時の「Aエリア」ではなく、予測移動先である「Dエリア」に対応する検索としてスコアを生成する。 In the example of FIG. 1, the generation unit 132 generates a score as a search corresponding to the D area, which is a search using the query “parasol” at the date and time DT1 of the user U1 whose predicted movement destination is the “D area”. That is, the generation unit 132 generates a score as a search corresponding to the “D area” which is a predicted movement destination, not the “A area” at the time of search but the search using the query “parasol” at the date and time DT1 of the user U1. Do. Further, the generation unit 132 generates a score as a search using the query “parasol sea” at the date and time DT3 of the user U3 whose predicted movement destination is “D area” as a search corresponding to the D area. That is, the generation unit 132 sets the score as the search corresponding to the “D area” which is the predicted movement destination, not the “A area” at the time of the search but the search using the query “parasol sea” at the date D3 of the user U3. Generate
図1の例では、生成部132は、エリア別一覧ALT1に示すように、対象「パラソル」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「パラソル」のスコアを「200」と算出する。例えば、生成部132は、Bエリアにおける対象「パラソル」のスコアを「20」と算出する。例えば、生成部132は、Cエリアにおける対象「パラソル」のスコアを「800」と算出する。例えば、生成部132は、Dエリアにおける対象「パラソル」のスコアを「15000」と算出する。 In the example of FIG. 1, the generation unit 132 generates a score for each of a plurality of areas, such as an A area to a D area, for the target “parasol” as illustrated in the area-specific list ALT1. For example, the generation unit 132 calculates the score of the target “parasol” in the A area as “200”. For example, the generation unit 132 calculates the score of the target “parasol” in the B area as “20”. For example, the generation unit 132 calculates the score of the target “parasol” in the C area as “800”. For example, the generation unit 132 calculates the score of the object “parasol” in the D area as “15000”.
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「パラソル」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「パラソル」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。 The generation unit 132 generates a score for a predetermined object. For example, the generation unit 132 generates (calculates) a score for each of a plurality of areas for a predetermined target. For example, the generation unit 132 generates a score for each of a plurality of areas, such as an A area to a D area, for the target “parasol”. For example, the generation unit 132 generates a score for the target “parasol” using the number of searches in each area. For example, the generation unit 132 generates a weight for each search based on the position and time at which the search was performed, and generates a score using the weight for each generated search.
(予測部133)
予測部133は、種々の情報を予測する。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。予測部133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や移動先情報記憶部124に記憶された情報に基づいて、種々の情報を予測する。予測部133は、取得部131により取得された情報に基づいて、種々の情報を予測する。予測部133は、外部の情報処理装置から取得された情報に基づいて、種々の情報を予測する。予測部133は、端末装置10や事業者装置20から取得された情報に基づいて、種々の情報を予測する。予測部133は、生成部132により生成された情報に基づいて、種々の情報を予測する。
(Prediction unit 133)
The
予測部133は、取得部131により取得された行動情報が示す関連行動に関する回数に基づいて、移動先情報が示す移動先に対応するエリアにおける対象に関する需要を予測する。予測部133は、行動情報が示す関連行動に関する回数により算出されるスコアに基づいて、需要を予測する。予測部133は、関連行動が行われた時間に応じて変動する重みに基づいて、需要を予測する。
The
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。予測部133は、需要一覧DLT1に示すように、対象「パラソル」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。予測部133は、第1閾値「10000」と、第2閾値「750」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。
In the example of FIG. 1, the
図1の例では、予測部133は、Aエリアにおける対象「パラソル」のスコアが「200」であり、第2閾値未満であるため、Aエリアにおける対象「パラソル」の需要を「低」と予測する。また、予測部133は、Bエリアにおける対象「パラソル」のスコアが「20」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「パラソル」の需要を「低」と予測する。また、予測部133は、Cエリアにおける対象「パラソル」のスコアが「800」であり、第2閾値未満であるため、Cエリアにおける対象「パラソル」の需要を「中」と予測する。また、予測部133は、Dエリアにおける対象「パラソル」のスコアが「15000」であり、第1閾値以上であるため、Dエリアにおける対象「パラソル」の需要を「高」と予測する。
In the example of FIG. 1, the
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。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。
The
(提供部134)
提供部134は、各種情報を提供する。提供部134は、外部の情報処理装置へ各種情報を提供する。提供部134は、端末装置10や事業者装置20等の外部の情報処理装置に各種情報を提供する。提供部134は、端末装置10や事業者装置20に各種情報を送信する。提供部134は、端末装置10や事業者装置20に各種情報を配信する。提供部134は、取得部131により取得された各種情報に基づいて、種々の情報を提供する。提供部134は、生成部132により生成された各種情報に基づいて、種々の情報を提供する。提供部134は、予測部133により予測された各種情報に基づいて、種々の情報を提供する。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。
(Provision unit 134)
The providing unit 134 provides various information. The providing unit 134 provides various information to an external information processing apparatus. The providing unit 134 provides various information to external information processing apparatuses such as the
提供部134は、予測部133により予測された需要に関する情報を提供する。提供部134は、需要に関する情報を、対象に関する事業者へ提供する。提供部134は、需要に関する情報を、ユーザの移動先に対応するエリアにおいて営業する事業者へ提供する。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。
The providing unit 134 provides information on the demand predicted by the
図1の例では、提供部134は、コンビニMCの管理者M3が利用する事業者装置20に需要情報を提供する。提供部134は、コンビニMCの管理者M3が利用する事業者装置20に需要情報を送信する。提供部134は、事業者装置20にDエリアではパラソルの需要が高いことを示す情報を提供する。
In the example of FIG. 1, the providing unit 134 provides the demand information to the
〔3.情報処理のフロー〕
ここで、図9を用いて、実施形態に係る情報処理装置100による情報処理の手順について説明する。図9は、実施形態に係る情報処理の一例を示すフローチャートである。
[3. Flow of information processing]
Here, a procedure of information processing by the
図9に示すように、情報処理装置100は、ユーザによる対象に関連する関連行動を示す行動情報を取得する(ステップS101)。図1の例では、情報処理装置100は、日時DT1において、端末装置10−1からクエリ「パラソル」と位置情報LC1とを取得する。図1の例では、情報処理装置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、情報処理装置100は、日時DT3において、端末装置10−3からクエリ「パラソル 海」と位置情報LC3とを取得する。図1の例では、情報処理装置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、情報処理装置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。
As illustrated in FIG. 9, the
また、情報処理装置100は、行動後におけるユーザの関連行動時の位置からの移動先を示す移動先情報を取得する(ステップS102)。図1の例では、情報処理装置100は、日時DT1−1において、ユーザU1が路線検索に用いた情報である移動関連情報ES1を端末装置10−1から取得する。図1の例では、情報処理装置100は、日時DT2−1において、ユーザU2が地図検索に用いた情報である移動関連情報ES2を端末装置10−2から取得する。図1の例では、情報処理装置100は、日時DT3−1において、ユーザU3がカーナビでの検索に用いた情報である移動関連情報ES3を端末装置10−3から取得する。図1の例では、情報処理装置100は、日時DT2−4において、ユーザU4が地図検索に用いた情報である移動関連情報ES4を端末装置10−4から取得する。
In addition, the
そして、情報処理装置100は、行動情報が示す関連行動に関する回数に基づいて、移動先情報が示す移動先に対応するエリアにおける対象に関する需要を予測する(ステップS103)。図1の例では、情報処理装置100は、需要一覧DLT1に示すように、対象「パラソル」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。
Then, the
そして、情報処理装置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、情報処理装置100は、コンビニMCの管理者M3が利用する事業者装置20にDエリアではパラソルの需要レベルが「高」であり、Dエリアでのパラソルの需要が高いことを示す情報を提供する。
Then, the
〔4.他の情報処理例〕
なお、情報処理装置100は、上記に限らず、種々の情報を適宜用いて処理を行ってもよい。この点について図10を用いて説明する。図10は、実施形態に係る情報処理の他の一例を示す図である。具体的には、図10は、情報処理装置100がユーザの行動情報である検索情報に含まれるクエリと、ユーザの検索時の位置情報とに基づいて、ユーザの検索時の位置に対応するエリアにおける対象に関する需要を予測する場合を示す。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。
[4. Other information processing example]
The
図10の例では、情報処理装置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10に示す地図情報MP1は、ユーザU1〜U5の位置を模式的に示す。
In the example of FIG. 10, the
また、図10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10では、情報処理装置100は、ラーメン店MAからAエリアにおける対象「塩ラーメン」の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。
Moreover, in the example of FIG. 10, the case where the company which receives information provision is ramen shop MA is shown. For example, in FIG. 10, the
まず、情報処理装置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10の例では、情報処理装置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10の例では、位置LC1は、Aエリア内の位置であるものとする。
First, the
そして、情報処理装置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、情報処理装置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123Aに記憶する。図10の例では、情報処理装置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123Aに記憶する。
Then, the
また、情報処理装置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10の例では、情報処理装置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、情報処理装置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、情報処理装置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123Aに記憶する。
The
また、情報処理装置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10の例では、情報処理装置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10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、情報処理装置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、情報処理装置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123Aに記憶する。
Also, the
また、情報処理装置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10の例では、情報処理装置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、情報処理装置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、情報処理装置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123Aに記憶する。
Further, the
また、情報処理装置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10の例では、情報処理装置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、情報処理装置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、情報処理装置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123Aに記憶する。
Also, the
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10では、5人のユーザU1〜U5を図示するが、情報処理装置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。
Hereinafter, when it demonstrates, without distinguishing step S11-1-S11-5, it is generically called step S11. Moreover, not only in steps S11-1 to S11-5, the search for each user may be performed multiple times. Although five users U1 to U5 are illustrated in FIG. 10, the
これにより、情報処理装置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10の例では、情報処理装置100は、行動情報記憶部123A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。
Thereby, the
そして、情報処理装置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、情報処理装置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10の例では、情報処理装置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、情報処理装置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、情報処理装置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10の例では、説明を簡単にするために、情報処理装置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10の例では、情報処理装置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。
Then, the
図10の例では、情報処理装置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、情報処理装置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、情報処理装置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、情報処理装置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、情報処理装置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。
In the example of FIG. 10, the
そして、情報処理装置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10の例では、情報処理装置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、情報処理装置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10の例では、情報処理装置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、情報処理装置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、情報処理装置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、情報処理装置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。
Then, the
図10の例では、情報処理装置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、情報処理装置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、情報処理装置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、情報処理装置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。
In the example of FIG. 10, since the
そして、情報処理装置100は、事業者に需要情報を提供する(ステップS15)。図10の例では、情報処理装置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、Aエリアに位置し、しょうゆラーメンRMを提供する飲食店である。そのため、情報処理装置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、情報処理装置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。
Then, the
このように、情報処理装置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10の例では、情報処理装置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、情報処理装置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。
Thus, the
〔5.位置に応じた重みの変動〕
図1や図10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、情報処理装置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11を用いて説明する。実施形態に係る情報処理の他の一例を示す図である。なお、図11では、図1や図10と同様の点についての説明は適宜省略する。
[5. Positional variation of weight]
In the examples of FIGS. 1 and 10, although the case of generating (calculating) the score with the weight of each search being “1” is shown to simplify the explanation, the
図11中の行動情報記憶部123A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、情報処理装置100は、各検索の重みを変動させてもよい。情報処理装置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11の例では、情報処理装置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。
As shown in the action
例えば、情報処理装置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、情報処理装置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。
For example, since the
また、例えば、情報処理装置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、情報処理装置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。
Further, for example, since the
そして、情報処理装置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11の例では、情報処理装置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。
Then, the
また、例えば、情報処理装置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、情報処理装置100は、図11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、情報処理装置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、情報処理装置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。
Further, for example, the
これにより、情報処理装置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。
As a result, a manufacturer that has received information provision from the
〔6.価格予測〕
また、例えば、情報処理装置100は、事業者へ種々の情報を提供してもよい。例えば、情報処理装置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12を用いて説明する。図12は、実施形態に係る情報処理の他の一例を示す図である。なお、図12では、図1や図10と同様の点についての説明は適宜省略する。
[6. Price forecast]
Also, for example, the
また、図12の例では、情報提供を受ける事業者が、Aエリア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12では、情報処理装置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、情報処理装置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。
Moreover, in the example of FIG. 12, the case where the company which receives information provision is the ramen shop MX which provides salt ramen in A area is shown. For example, in FIG. 12, the
図12の例では、情報処理装置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、情報処理装置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12の例では、情報処理装置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、情報処理装置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、情報処理装置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、情報処理装置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。
In the example of FIG. 12, the
そして、情報処理装置100は、事業者に情報を提供する(ステップS32)。例えば、情報処理装置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12の例では、情報処理装置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、情報処理装置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。
Then, the
〔7.効果〕
上述してきたように、実施形態に係る情報処理装置100は、取得部131と、予測部133とを有する。取得部131は、ユーザによる対象に関連する関連行動を示す行動情報と、関連行動後におけるユーザの移動先を示す移動先情報とを取得する。予測部133は、取得部131により取得された行動情報が示す関連行動に関する回数に基づいて、移動先情報が示す移動先に対応するエリアにおける対象に関する需要を予測する。
[7. effect〕
As described above, the
このように、実施形態に係る情報処理装置100は、ユーザによる対象に関連する関連行動を示す行動情報と、関連行動後におけるユーザの移動先を示す移動先情報とに基づいて、移動先情報が示す移動先に対応するエリアにおける対象に関する需要を予測することにより、需要を適切に予測することができる。
Thus, in the
また、実施形態に係る情報処理装置100において、取得部131は、ユーザによる所定の移動手段に関する行動に基づく移動先を示す移動先情報を取得する。
Further, in the
このように、実施形態に係る情報処理装置100は、ユーザによる所定の移動手段に関する行動に基づく移動先を示す移動先情報を取得することにより、需要を適切に予測することができる。
As described above, the
また、実施形態に係る情報処理装置100において、取得部131は、ユーザによる移動に関する検索行動に基づく移動先を示す移動先情報を取得する。
In addition, in the
このように、実施形態に係る情報処理装置100は、ユーザによる移動に関する検索行動に基づく移動先を示す移動先情報を取得することにより、需要を適切に予測することができる。
As described above, the
また、実施形態に係る情報処理装置100において、予測部133は、行動情報が示す関連行動に関する回数により算出されるスコアに基づいて、需要を予測する。
Further, in the
このように、実施形態に係る情報処理装置100は、行動情報が示す関連行動に関する回数により算出されるスコアに基づいて、需要を予測することにより、需要を適切に予測することができる。
Thus, the
また、実施形態に係る情報処理装置100において、取得部131は、対象に関してユーザが入力した入力情報を含む行動情報を取得する。
In addition, in the
このように、実施形態に係る情報処理装置100は、対象に関してユーザが入力した入力情報を含む行動情報を取得することにより、需要を適切に予測することができる。
As described above, the
また、実施形態に係る情報処理装置100において、取得部131は、対象に関してユーザが行った検索行動を示す検索情報を含む行動情報を取得する。
In addition, in the
このように、実施形態に係る情報処理装置100は、対象に関してユーザが行った検索行動を示す検索情報を含む行動情報を取得することにより、需要を適切に予測することができる。
As described above, the
また、実施形態に係る情報処理装置100において、取得部131は、ユーザが入力した対象に関連するクエリを含む行動情報を取得する。
Further, in the
このように、実施形態に係る情報処理装置100は、ユーザが入力した対象に関連するクエリを含む行動情報を取得することにより、需要を適切に予測することができる。
As described above, the
また、実施形態に係る情報処理装置100は、提供部134を有する。提供部134は、予測部133により予測された需要に関する情報を提供する。
In addition, the
このように、実施形態に係る情報処理装置100は、需要に関する情報を提供することにより、需要に関する情報を適切に提供することができる。
As described above, the
また、実施形態に係る情報処理装置100において、提供部134は、需要に関する情報を、対象に関する事業者へ提供する。
In addition, in the
このように、実施形態に係る情報処理装置100は、需要に関する情報を、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。
Thus, the
また、実施形態に係る情報処理装置100において、提供部134は、需要に関する情報を、ユーザの移動先に対応するエリアにおいて営業する事業者へ提供する。
Further, in the
このように、実施形態に係る情報処理装置100は、需要に関する情報を、ユーザの移動先に対応するエリアにおいて営業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。
As described above, the
〔8.ハードウェア構成〕
上述してきた実施形態に係る情報処理装置100は、例えば図13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13は、情報処理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。
[8. Hardware configuration]
The
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。
The
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。
The
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。
The
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。
The
例えば、コンピュータ1000が実施形態に係る情報処理装置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。
For example, when the
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。 Although the embodiments of the present application have been described in detail based on the drawings, these are only examples, and various modifications and improvements are made based on the knowledge of those skilled in the art, including the embodiments described in the rows of the disclosure of the invention. It is possible to practice the invention in other forms as well.
〔9.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。
[9. Other]
Further, among the processes described in the above embodiment, all or part of the process described as being automatically performed may be manually performed, or the process described as being manually performed. All or part of them can be performed automatically by known methods. In addition, information including processing procedures, specific names, various types of data and parameters shown in the above-mentioned document and drawings can be generated arbitrarily unless otherwise specified. For example, the various information shown in each figure is not limited to the illustrated information.
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。 Further, each component of each device illustrated is functionally conceptual, and does not necessarily have to be physically configured as illustrated. That is, the specific form of the distribution and integration of each device is not limited to that shown in the drawings, and all or a part thereof may be functionally or physically dispersed in any unit depending on various loads, usage conditions, etc. It can be integrated and configured.
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。 In addition, the processes described in the above-described embodiment can be appropriately combined within the range in which the process contents do not contradict each other.
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。 In addition, the "section (module, unit)" described above can be read as "means" or "circuit". For example, the acquisition unit can be read as an acquisition unit or an acquisition circuit.
1 情報処理システム
100 情報処理装置
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 移動先情報記憶部
125 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
DESCRIPTION OF
Claims (12)
前記取得部により取得された前記行動情報が示す前記関連行動に関する回数に基づいて、前記移動先情報が示す前記移動先に対応するエリアにおける前記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情報処理装置。 An acquisition unit that acquires behavior information indicating a related behavior related to the subject that is a behavior on a subject by the user, and move destination information indicating a move destination of the user after the related behavior;
A prediction unit that predicts the demand for the target in the area corresponding to the movement destination indicated by the movement destination information, based on the number of times related to the related behavior indicated by the action information acquired by the acquisition unit;
An information processing apparatus comprising:
前記ユーザによる所定の移動手段に関する行動に基づく前記移動先を示す前記移動先情報を取得する
ことを特徴とする請求項1に記載の情報処理装置。 The acquisition unit
The information processing apparatus according to claim 1, wherein the movement destination information indicating the movement destination based on an action related to a predetermined movement means by the user is acquired.
前記ユーザによる移動に関する検索行動に基づく前記移動先を示す前記移動先情報を取得する
ことを特徴とする請求項1または請求項2に記載の情報処理装置。 The acquisition unit
The information processing apparatus according to claim 1, wherein the movement destination information indicating the movement destination based on a search action related to movement by the user is acquired.
前記行動情報が示す前記関連行動に関する回数により算出されるスコアに基づいて、前記需要を予測する
ことを特徴とする請求項1〜3のいずれか1項に記載の情報処理装置。 The prediction unit
The information processing apparatus according to any one of claims 1 to 3, wherein the demand is predicted based on a score calculated by the number of times related to the related action indicated by the action information.
前記対象に関して前記ユーザが入力した入力情報を含む前記行動情報を取得する
ことを特徴とする請求項1〜4のいずれか1項に記載の情報処理装置。 The acquisition unit
The information processing apparatus according to any one of claims 1 to 4, wherein the action information including the input information input by the user regarding the target is acquired.
前記対象に関して前記ユーザが行った検索行動を示す検索情報を含む前記行動情報を取得する
ことを特徴とする請求項1〜5のいずれか1項に記載の情報処理装置。 The acquisition unit
The information processing apparatus according to any one of claims 1 to 5, wherein the action information including search information indicating a search action performed by the user regarding the target is acquired.
前記ユーザが入力した前記対象に関連するクエリを含む前記行動情報を取得する
ことを特徴とする請求項1〜6のいずれか1項に記載の情報処理装置。 The acquisition unit
The information processing apparatus according to any one of claims 1 to 6, wherein the action information including a query related to the target input by the user is acquired.
をさらに備えたことを特徴とする請求項1〜7のいずれか1項に記載の情報処理装置。 A providing unit that provides information on the demand predicted by the prediction unit;
The information processing apparatus according to any one of claims 1 to 7, further comprising:
前記需要に関する情報を、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8に記載の情報処理装置。 The providing unit is
The information processing apparatus according to claim 8, wherein the information on the demand is provided to a business entity on the target.
前記需要に関する情報を、前記ユーザの前記移動先に対応するエリアにおいて営業する事業者へ提供する
ことを特徴とする請求項8または請求項9に記載の情報処理装置。 The providing unit is
The information processing apparatus according to claim 8, wherein the information on the demand is provided to a business that operates in an area corresponding to the movement destination of the user.
ユーザによる対象に対する行動である前記対象に関する関連行動を示す行動情報と、前記関連行動後における前記ユーザの移動先を示す移動先情報とを取得する取得工程と、
前記取得工程により取得された前記行動情報が示す前記関連行動に関する回数に基づいて、前記移動先情報が示す前記移動先に対応するエリアにおける前記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情報処理方法。 An information processing method executed by a computer,
An acquisition step of acquiring action information indicating a related action related to the target which is an action on the target by the user, and move destination information indicating a move destination of the user after the related action;
Predicting the demand for the target in the area corresponding to the movement destination indicated by the movement destination information based on the number of times related to the related behavior indicated by the action information acquired by the acquisition step;
An information processing method comprising:
前記取得手順により取得された前記行動情報が示す前記関連行動に関する回数に基づいて、前記移動先情報が示す前記移動先に対応するエリアにおける前記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情報処理プログラム。 An acquisition procedure for acquiring action information indicating a related action related to the target which is an action on a target by the user, and move destination information indicating a move destination of the user after the related action;
A prediction procedure for predicting a demand for the target in an area corresponding to the destination indicated by the destination information based on the number of times related to the related activity indicated by the activity information acquired by the acquisition procedure;
An information processing program characterized by causing a computer to execute.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018127148A JP6548785B1 (en) | 2018-07-03 | 2018-07-03 | INFORMATION PROCESSING APPARATUS, INFORMATION PROCESSING METHOD, AND INFORMATION PROCESSING PROGRAM |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018127148A JP6548785B1 (en) | 2018-07-03 | 2018-07-03 | INFORMATION PROCESSING APPARATUS, INFORMATION PROCESSING METHOD, AND INFORMATION PROCESSING PROGRAM |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6548785B1 true JP6548785B1 (en) | 2019-07-24 |
JP2020008961A JP2020008961A (en) | 2020-01-16 |
Family
ID=67390393
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018127148A Active JP6548785B1 (en) | 2018-07-03 | 2018-07-03 | INFORMATION PROCESSING APPARATUS, INFORMATION PROCESSING METHOD, AND INFORMATION PROCESSING PROGRAM |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6548785B1 (en) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7456783B2 (en) * | 2020-01-23 | 2024-03-27 | 株式会社三共 | Gaming Machines |
JP7264847B2 (en) * | 2020-03-18 | 2023-04-25 | ヤフー株式会社 | Information processing device, information processing method and information processing program |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104991924B (en) * | 2015-06-26 | 2018-10-09 | 百度在线网络技术(北京)有限公司 | Method and apparatus for the address for determining new supply centre |
JP2018092267A (en) * | 2016-11-30 | 2018-06-14 | パナソニックIpマネジメント株式会社 | Demand prediction system and demand prediction method |
-
2018
- 2018-07-03 JP JP2018127148A patent/JP6548785B1/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP2020008961A (en) | 2020-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10726438B2 (en) | Personalized contextual coupon engine | |
US10366422B2 (en) | Quality visit measure for controlling computer response to query associated with physical location | |
US20130317894A1 (en) | Method and apparatus for providing template-based discount valuation and ranking | |
JP6979931B2 (en) | Information processing equipment, information processing methods, and information processing programs | |
JP2009076041A (en) | System for predicting and recommend future goal-oriented activity | |
US20140304075A1 (en) | Methods and systems for transmitting live coupons | |
KR20130094290A (en) | Context-sensitive point of interest retrieval | |
JP6804505B2 (en) | Predictors, prediction methods, and prediction programs | |
US11573988B2 (en) | Storage of point of interest data on a user device for offline use | |
CN106471499A (en) | Determine the aspect of physical location and/or the text summaries with regard to physical location are generated based on the calculate interaction relevant with physical location | |
US20130262457A1 (en) | Location name suggestion | |
JP6548785B1 (en) | INFORMATION PROCESSING APPARATUS, INFORMATION PROCESSING METHOD, AND INFORMATION PROCESSING PROGRAM | |
JP6549761B1 (en) | INFORMATION PROCESSING APPARATUS, INFORMATION PROCESSING METHOD, AND INFORMATION PROCESSING PROGRAM | |
JP6852019B2 (en) | Information processing equipment, information processing methods, and information processing programs | |
JP6353144B1 (en) | Prediction device, prediction method, and prediction program | |
JP6591004B1 (en) | Information processing apparatus, information processing method, and information processing program | |
JP6679704B1 (en) | Information processing apparatus, information processing method, and information processing program | |
JP2018156393A (en) | Estimating apparatus, estimating method, and estimating program | |
JP6702626B2 (en) | Information processing apparatus, information processing method, and information processing program | |
JP6818717B2 (en) | Extractor, extraction method, and extraction program | |
JP6918748B2 (en) | Information processing equipment, information processing methods, and information processing programs | |
JP6664586B2 (en) | Information processing apparatus, information processing method, and information processing program | |
JP6664602B2 (en) | Information processing apparatus, information processing method, and information processing program | |
JP7114352B2 (en) | Prediction device, prediction method, and prediction program | |
JP7071940B2 (en) | Providing equipment, providing method and providing program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181213 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20181213 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20181218 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190312 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190513 |
|
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: 20190528 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190625 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6548785 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
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 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |