JP6868177B2 - プログラム、商品推薦システム及び商品推薦方法 - Google Patents

Description

本発明は、プログラム、商品推薦システム及び商品推薦方法に関する。

例えば、特許文献１には、ユーザが選択した選択履歴から、ユーザの嗜好分布を解析し、嗜好分布の中心に近く、嗜好分布形状から離れている推薦指標を算出し、算出された推薦指標に基づいて、推薦するアイテムを表示する情報推薦方法が開示されている。

また、例えば、特許文献２には、多人数による、嗜好品の購入履歴およびその評価に基づいて、顧客と嗜好が類似する人物を特定し、特定された人物の嗜好品購入履歴を参照して、顧客に嗜好品についての商品購入の推薦を行う商品推薦システムが開示されている。

特許第５４０１２６１号公報 特開２００２−７４１４２号公報

消費者の嗜好分布や購入履歴に基づいて消費者に対して商品の推薦を行う場合がある。このように消費者に対して商品を推薦する場合、例えば、過去に購入された数だけに着目し、購入された数が多い商品を推薦した場合には、そもそも推薦しなくても消費者が購入するような商品も推薦してしまう可能性がある。一方で、過去に購入された数が少ない商品であっても、消費者に推薦することで消費者が購入することも考えられる。
本発明は、過去に購入された数だけに基づいて商品を推薦する場合と比較して、消費者に商品を購入させようとする推薦の効果を高めることを目的とする。

請求項１に記載の発明は、コンピュータに、記憶装置に記憶されている複数の商品の販売履歴から、それぞれの商品の購入総数と、それぞれの商品の購入総数と購入人数から算出される購入者一人当たりの購入数と、を特定する機能と、特定された購入総数と購入者一人当たりの購入数とを用い、購入人数が少なくて購入総数が多い商品よりも、購入人数が多くて購入総数が少ない商品を推薦するために当該商品の情報を出力する機能とを実現させるためのプログラムである。
請求項２に記載の発明は、前記特定する機能は、それぞれの商品が何れかの分類先に分類される場合に、一の商品の分類先に分類される商品の購入総数及び購入者一人当たりの購入数を特定することを特徴とする請求項１に記載のプログラムである。
請求項３に記載の発明は、前記推薦するために前記商品の情報を出力する機能は、それぞれの商品が何れかの分類先に分類される場合に、購入人数が少なくて購入総数が多い商品よりも、購入人数が多くて購入総数が少ない一の商品の分類先に分類される他の商品を、当該一の商品の代わりに推薦することを特徴とする請求項１に記載のプログラムである。
請求項４に記載の発明は、コンピュータに、記憶装置に記憶されている複数の商品の販売履歴から、それぞれの商品の購入総数と、それぞれの商品の購入総数と露出回数とから算出される露出一回当たりの購入数とを、特定する機能と、特定された露出回数と露出一回当たりの購入数とを用い、露出回数が少なくて購入総数が多い商品よりも、露出回数が多くて購入総数が少ない商品を推薦するために当該商品の情報を出力する機能とを実現させるためのプログラムである。
請求項５に記載の発明は、記憶装置に記憶されている複数の商品の販売履歴から、それぞれの商品の購入総数と、それぞれの商品の購入総数と購入人数から算出される購入者一人当たりの購入数と、を特定する特定部と、特定された購入総数と、購入者一人当たりの購入数とを用い、購入人数が少なくて購入総数が多い商品よりも、購入人数が多くて購入総数が少ない商品を推薦するために当該商品の情報を出力する推薦部とを備える商品推薦システムである。
請求項６に記載の発明は、前記推薦部は、推薦する商品についての画像を記録材に形成して出力することにより、当該商品の推薦を行うことを特徴とする請求項５に記載の商品推薦システムである。
請求項７に記載の発明は、記憶装置に記憶されている複数の商品の販売履歴から、それぞれの商品の購入総数と、それぞれの商品の購入総数と購入人数から算出される購入者一人当たりの購入数と、を特定するステップと、特定された購入総数と購入者一人当たりの購入数とを用い、購入人数が少なくて購入総数が多い商品よりも、購入人数が多くて購入総数が少ない商品を推薦するために当該商品の情報を出力するステップとを含むコンピュータが実行する商品推薦方法である。

請求項１記載の発明によれば、過去に購入された数だけに基づいて商品を推薦する場合と比較して、消費者に商品を購入させようとする推薦の効果を高めることができる。
請求項２記載の発明によれば、一の商品に関する販売履歴のデータ量が少ない場合に、一の商品を推薦する度合を推定することができる。
請求項３記載の発明によれば、例えば推薦指標が予め定められた基準を満たす一の商品に代えて一の商品の分類先に分類される他の商品を販売する場合に、他の商品に関する販売履歴のデータ量が少ない場合であっても他の商品を推薦することができる。
請求項４記載の発明によれば、過去に購入された数だけに基づいて商品を推薦する場合と比較して、消費者に商品を購入させようとする推薦の効果を高めることができる。
請求項５記載の発明によれば、過去に購入された数だけに基づいて商品を推薦する場合と比較して、消費者に商品を購入させようとする推薦の効果を高めることができる。
請求項６記載の発明によれば、推薦する商品の画像が形成された記録材を消費者に直接配布することができる。
請求項７記載の発明によれば、過去に購入された数だけに基づいて商品を推薦する場合と比較して、消費者に商品を購入させようとする推薦の効果を高めることができる。

本実施の形態に係る商品推薦装置のハードウェア構成例を示す図である。 本実施の形態に係る商品推薦装置の機能構成例を示したブロック図である。 推薦指標を説明するための図である。 推薦指標を説明するための図である。 推薦指標と推薦による購入人数の増加数との関係を説明するための図である。 販売履歴の一例を示す図である。 商品の分類先の一例を示す図である。 販売商品リストの一例を示す図である。 推薦商品リストの一例を示す図である。 商品推薦装置が販売履歴から推薦商品リストを出力する処理手順の一例を示したフローチャートである。 （ａ）は、馴染み度と消費者の購入意欲増加度との関係の一例を示した図である。（ｂ）は、売れ筋度と消費者の購入意欲増加度との関係の一例を示した図である。 本実施の形態を適用可能な画像形成装置のハードウェア構成例を示した図である。

以下、添付図面を参照して、本発明の実施の形態について詳細に説明する。
［実施の形態１］
＜商品推薦装置のハードウェア構成例＞
まず、本実施の形態に係る商品推薦装置１００のハードウェア構成について説明する。図１は、本実施の形態に係る商品推薦装置１００のハードウェア構成例を示す図である。
本実施の形態に係る商品推薦装置１００は、商品推薦システムの一例であり、例えば小売業などにおいて、消費者に対して商品を推薦するために用いられるコンピュータ装置である。図示するように、商品推薦装置１００は、演算手段であるＣＰＵ（Central Processing Unit）１０１と、記憶手段であるメインメモリ１０２及び磁気ディスク装置１０３とを備える。

ここで、ＣＰＵ１０１は、ＯＳ（Operating System）やアプリケーション等の各種プログラムを実行し、商品推薦装置１００の各種機能を実現する。また、メインメモリ１０２は、各種プログラムやその実行に用いるデータ等を記憶する記憶領域である。また、磁気ディスク装置１０３は、各種プログラムに対する入力データや各種プログラムからの出力データ等を記憶する記憶領域である。

さらに、商品推薦装置１００は、外部との通信を行うための通信インタフェース（通信Ｉ／Ｆ）１０４と、ビデオメモリやディスプレイ等からなる表示機構１０５と、キーボードやマウス等の入力デバイス１０６とを備える。

＜商品推薦装置の機能構成＞
次に、本実施の形態に係る商品推薦装置１００の機能構成について説明する。図２は、本実施の形態に係る商品推薦装置１００の機能構成例を示したブロック図である。
商品推薦装置１００は、商品の販売履歴を格納する販売履歴格納部１１１と、商品の販売履歴を取得する販売履歴取得部１１２と、商品の販売履歴を用いて、商品を推薦する度合を示す指標（以下、推薦指標と称する）を商品毎に計算する推薦指標計算部１１３とを備える。
また、商品推薦装置１００は、商品の推薦指標が一覧で示されたリスト（以下、販売商品リストと称する）を生成する販売商品リスト生成部１１４と、販売商品リストに示された推薦指標を基に、消費者に推薦する商品のリスト（以下、推薦商品リストと称する）を生成する推薦商品リスト生成部１１５と、商品に関する各種情報を格納する商品情報格納部１１６と、商品情報格納部１１６に格納された情報を基に、推薦商品リストに示された商品の情報を出力する商品情報出力部１１７とを備える。

販売履歴格納部１１１は、商品の販売履歴を格納する。この販売履歴は、販売されたことのある複数の商品のそれぞれに関する販売の記録を示すものであり、例えば、各商品について消費者に購入された個数や購入した消費者の人数などの情報を含んでいる。より具体的には、例えば店頭で商品を販売するスーパーマーケットやインターネットで通信販売を行う小売業者などにおいて、食料品や日用品等の各種商品に関する販売の記録を示すものを例示することができる。なお、販売履歴は、１店舗のものであっても良いが、複数の店舗や異なる複数の会社で販売された記録を示すものであっても良い。

販売履歴取得部１１２は、販売履歴格納部１１１から商品の販売履歴を取得する。ここで、販売履歴取得部１１２は、販売履歴格納部１１１に格納されている販売履歴を全て取得しても良いが、例えば、過去１年間の販売履歴や、昨年４月の１か月間の販売履歴などのように、期間を指定して販売履歴を取得しても良い。期間を指定して販売履歴を取得する場合には、例えば、予め期間が設定されていたり、商品推薦装置１００の使用者等が入力して期間を設定したりするものとする。

出力部の一例としての推薦指標計算部１１３は、販売履歴取得部１１２が取得した販売履歴を基に、商品毎に推薦指標を計算する。推薦指標の詳細については、後述する。

販売商品リスト生成部１１４は、販売履歴取得部１１２が取得した販売履歴と推薦指標計算部１１３が計算した推薦指標とを用いて、販売商品リストを生成する。この販売商品リストには、販売履歴取得部１１２が取得した販売履歴に含まれる各商品について、推薦指標を含む各種情報が示されている。販売商品リストの詳細については、後述する。

推薦部の一例としての推薦商品リスト生成部１１５は、販売商品リストに示された推薦指標を基に、推薦商品リストを生成する。ここで、推薦商品リスト生成部１１５は、各商品の推薦指標を比較し、消費者に推薦する商品として、推薦指標が予め定められた基準を満たす商品を抽出する。そして、推薦商品リスト生成部１１５は、抽出した商品を一覧にして推薦商品リストを生成する。推薦指標が予め定められた基準を満たす商品としては、例えば、推薦指標が大きいものから一定数の商品を例示することができる。また、例えば、推薦指標が予め定められた閾値以上の商品を例示することができる。

また、商品推薦装置１００の使用者等が、販売商品リストに示された推薦指標を確認し、消費者に推薦する商品を選択しても良い。この場合には、推薦商品リスト生成部１１５は、商品推薦装置１００の使用者等により選択された商品を、推薦指標が予め定められた基準を満たす商品として抽出し、推薦商品リストを生成する。
消費者に推薦する商品を抽出する手順や推薦商品リストの詳細については、後述する。

商品情報格納部１１６は、商品に関する各種情報を格納する。より具体的には、商品情報格納部１１６には、販売されたことのある商品や今後販売される予定の商品について、商品毎に、例えば、商品名、商品説明、商品価格、商品画像などの情報が格納される。また、商品情報格納部１１６は、商品毎に、後述する商品コード、大分類コード、中分類コード、小分類コードなどの情報を格納しても良い。

推薦部の一例としての商品情報出力部１１７は、推薦商品リストに示された商品の情報を出力する。ここで、商品情報出力部１１７は、推薦商品リストに示された商品について、商品情報格納部１１６に格納されている情報を取得する。そして、商品情報出力部１１７は、商品情報格納部１１６から取得した商品の情報を、例えば、店頭に設置されたディスプレイ等に表示する。また、商品情報出力部１１７は、取得した商品の情報を、例えば、不図示のネットワークを介して企業のＷｅｂ（World Wide Web）サイトで公開したり、消費者が所持する端末装置等に送信したりする。このように、商品の情報がディスプレイ等に表示されたり、Ｗｅｂサイトで公開されたり、または消費者の端末装置等に送信されたりすることにより、消費者に対して商品の推薦が行われる。

なお、図２に示す商品推薦装置１００を構成する各機能部は、ソフトウェアとハードウェア資源とが協働することにより実現される。具体的には、ＣＰＵ１０１が、販売履歴取得部１１２、推薦指標計算部１１３、販売商品リスト生成部１１４、推薦商品リスト生成部１１５、商品情報出力部１１７等を実現するプログラムを、例えば磁気ディスク装置１０３からメインメモリ１０２に読み込んで実行することにより、これらの機能部が実現される。また、販売履歴格納部１１１、商品情報格納部１１６は、例えば磁気ディスク装置１０３により実現される。

＜推薦指標の説明＞
次に、推薦指標計算部１１３が計算する推薦指標について説明する。
スーパーマーケットなどの小売業においては、例えば、米や牛乳など定期的に購入される売れ筋の商品や、少数の消費者がたまに購入するような商品が存在する。売れ筋の商品は、消費者に推薦しなくても購入される商品であると考えられる。また、少数の消費者がたまに購入するような商品は、需要が少なく、広く消費者に推薦したとしても購入される数は少ないと考えられる。即ち、このような商品を消費者に推薦しても、売り上げが大幅に向上することは望めない。そこで、本実施の形態では、多くの消費者が購入の対象とするが、米や牛乳などの売れ筋の商品と比べると購入される総数の少ない商品を、消費者に推薦すべき商品とする。

図３及び図４は、推薦指標を説明するための図である。
まず、図３を参照しながら、推薦指標について説明する。図３に示すグラフにおいて、縦軸は商品の購入総数、即ち、各商品に関して消費者に購入された総数である。また、横軸は購入総数による商品ランキング、即ち、購入総数の多い商品から順番に図中左から右へ並べたものである。

ここで、領域Ａ１は、全ての商品の中で購入総数の多い商品が存在する領域である。例えば、上述の米や牛乳などの売れ筋の商品が該当する。また、領域Ａ３は、全ての商品の中で購入総数が少ない商品が存在する領域である。例えば、上述の少数の消費者がたまに購入するような商品が該当する。そして、これらの領域Ａ１や領域Ａ３に存在する商品は、上述したように、消費者に推薦しても売り上げが大幅に向上することは望めない。

一方、領域Ａ２は、全ての商品の中で購入総数が中間付近の商品が存在する領域である。この領域Ａ２には、例えば、多くの人が購入の対象とするが、売れ筋の商品と比べると購入総数の少ない商品が存在すると考えられる。言い換えると、領域Ａ２には、上述したように、本実施の形態において消費者に推薦すべき商品が含まれる。ただし、領域Ａ２には、例えば、特定の消費者が大量購入する商品も含まれると考えられる。このような特定の消費者が大量購入する商品は、特定の消費者以外の消費者が購入する可能性が低く、広く消費者に推薦したとしても売り上げが大幅に向上することは望めない。そのため、領域Ａ２に存在する商品から、特定の消費者が大量購入する商品を除外して、消費者に推薦すべき商品を抽出することが求められる。

図４を参照しながら、さらに説明を続ける。
図４に示すグラフにおいて、縦軸は商品の購入総数を商品の購入人数で除した値、即ち、購入者一人当たりの購入数である。また、横軸は商品の購入人数である。
ここで、座標平面を４つに分けたうちの第１象限である領域Ｂ１は、一人当たりの購入数及び購入人数の両方が多い商品が属する領域である。付言すると、図３に示す領域Ａ１の商品は、領域Ｂ１に含まれる可能性が高い。また、第３象限である領域Ｂ３は、一人当たりの購入数及び購入人数の両方が少ない商品が属する領域である。付言すると、図３に示す領域Ａ３の商品は、領域Ｂ３に含まれる可能性が高い。そのため、本実施の形態において、領域Ｂ１、領域Ｂ３に含まれる商品は、消費者に推薦すべき商品とはいえない。

そして、図３に示す領域Ａ２の商品は、領域Ｂ２及び領域Ｂ４の何れかに含まれる可能性が高い。ここで、第２象限である領域Ｂ２は、購入人数は少ないが、一人当たりの購入数は多い商品が属する領域である。言い換えると、領域Ｂ２の商品は、特定の消費者が大量購入する商品の可能性が高く、このような商品は消費者に推薦すべき商品とはいえない。
第４象限である領域Ｂ４は、一人当たりの購入数は少ないが、購入人数が多い商品が属する領域である。言い換えると、領域Ｂ４の商品は、多くの消費者が購入の対象とするが、売れ筋の商品と比べると購入される総数の少ない商品である可能性が高く、本実施の形態において消費者に推薦すべき商品であるといえる。

そこで、本実施の形態では、領域Ｂ４の商品を特定するための指標として、以下の数１式から計算される値が用いられる。

上述の数１式に示すように、推薦指標は、図４に示すグラフの横軸の値である購入人数を、グラフの縦軸の値である購入者一人当たりの購入数で除すことにより計算される。
付言すると、図４に示すグラフにおいて、横軸の値が大きく縦軸の値が小さい領域、即ち、領域Ｂ４の商品は、他の領域Ｂ１〜Ｂ３の商品と比較して、推薦指標の値が大きくなる可能性が高い。一方、横軸の値が大きく縦軸の値も大きい領域、即ち、領域Ｂ１の商品は、領域Ｂ４の商品と比較して、推薦指標の値が小さくなる可能性が高い。また、横軸の値が小さく縦軸の値も小さい領域、即ち、領域Ｂ３の商品は、領域Ｂ４の商品と比較して、推薦指標の値が小さくなる可能性が高い。さらに、横軸の値が小さく縦軸の値が大きい領域、即ち、領域Ｂ２の商品は、他の領域Ｂ１，Ｂ３，Ｂ４の商品と比較して、推薦指標の値が小さくなる可能性が高い。

このようにして、本実施の形態に係る商品推薦装置１００は、推薦指標の大きさを基に領域Ｂ４に含まれる商品を特定し、消費者に推薦すべき商品を決定する。付言すると、推薦指標は、商品の購入数（購入総数）と購入人数との関係により求められる値として捉えることができる。また、推薦指標は、購入人数は多いが購入数（購入総数）が少ない商品を推薦するための指標として捉えることもできる。

＜推薦指標と推薦による購入人数の増加数との関係＞
次に、推薦指標と推薦による購入人数の増加数との関係を説明する。図５は、推薦指標と推薦による購入人数の増加数との関係を説明するための図である。図５に示すグラフの縦軸は、商品の推薦を行った前後での購入人数の増加数である。また、横軸は、商品の推薦指標である。ここで、図５に示す例は、約１０００人の消費者を対象として、各商品（商品１〜商品１５）について、例えば実際にチラシを配布したり商品の情報を消費者の端末装置に送信したりして、商品を推薦し、推薦を行った前後での購入人数の増加数を商品毎にプロットしたものである。また、各商品についてプロットした点を基に、最小二乗法により得られる回帰直線を示している。

例えば、商品５は、推薦指標が０．１２を示す商品である。また、商品５を推薦する前の購入人数と商品５を推薦した後の購入人数との差は３３人であり、購入人数が３３人増加したという結果が得られている。このようにしてプロットした点を基に得られる回帰直線は、正の傾きを有している。即ち、商品の推薦指標が大きいほど、推薦前後での購入人数の増加数が大きい傾向にあり、推薦する効果が高いことを示している。なお、回帰直線の相関係数Ｒの２乗は、０．２９８３である。

＜販売履歴の説明＞
次に、販売履歴格納部１１１に格納される販売履歴について説明する。図６は、販売履歴の一例を示す図である。図６に示す例では、３種類の商品に関する販売の記録を示している。このような販売履歴は、例えば、商品推薦装置１００の使用者等が販売履歴のデータを外部から取得して、販売履歴格納部１１１に格納する。また、例えば、ＰＯＳ（Point of Sales）システムにより、不図示のネットワークを介して、各商品の販売の記録が店舗から送信されてくることにより、販売履歴を格納することとしても良い。

ここで、「購入日」は、商品が購入された日付を示す。「消費者コード」は、商品を購入した消費者を識別するために消費者に付与される番号である。「商品名」は、商品の名称を示す。「大分類コード」、「中分類コード」、「小分類コード」は、商品が分類される分類先を識別するために付与される番号である。「大分類コード」は、大分類を示すコード、「中分類コード」は中分類を示すコード、「小分類コード」は小分類を示すコードである。「商品コード」は、商品を識別するために商品に付与される番号である。「購入数」は、購入された商品の数を示す。

図６に示す例では、上から順番に、商品名「Ａ社無調整牛乳」、「Ａ社コーヒー牛乳」、「Ｂ社絹ごし豆腐」の商品が購入されたことが記録されている。例えば、商品名「Ａ社無調整牛乳」の商品については、２０１６年１月２１日に、消費者コード「１２３４５６７」の消費者が１個購入したことが記録されている。また、この商品については、大分類コードが「０１」、中分類コードが「０１」、小分類コードが「０１」であり、商品コードが「０９８７６５」であることが記録されている。さらに、商品名「Ａ社コーヒー牛乳」の商品についても消費者コードが「１２３４５６７」であり、「Ａ社無調整牛乳」の商品を購入した消費者が「Ａ社コーヒー牛乳」も購入したといえる。

なお、「消費者コード」は、例えば、消費者がＷｅｂサイトにログインして商品を購入する場合にログインに必要な情報として付与されたり、消費者が店頭で商品を購入する場合に提示するカード等に付与されたりするものである。同じ消費者が購入した場合であっても、例えばＷｅｂサイトにログインせずに購入したり、店頭でカードを提示せずに購入したりして、同じ消費者であることが特定できない場合には、購入毎に異なる消費者コードが付与されたり、消費者コード自体が付与されなかったりするものとする。

また、「大分類コード」、「中分類コード」、「小分類コード」、「商品コード」は、同一の商品であっても、店舗毎や販売する企業毎に異なる番号が付与される場合がある。同一の商品に関して店舗毎、企業毎に異なる番号が付与される場合には、例えば組み換え表などを用いて、店舗毎、企業毎の番号を紐づけることにより、同一商品の記録を全店舗や全企業でまとめて扱うことができるようになる。

さらに、図６に示す例では３種類の商品の記録のみ示しているが、販売履歴には、商品が購入される毎に情報が追加されるものとする。
また、図６には示していないが、販売履歴は、図６に示す情報以外のデータを含んでも良い。例えば、商品の原価、商品の販売価格などの消費に関する情報や、消費者の性別や年齢などの消費者の属性、商品販売の際に使用されたキャッシュレジスター番号などの販売時の情報が、販売履歴に含まれても良い。

次に、商品が分類される分類先について、詳細に説明する。図７は、商品の分類先の一例を示す図である。ここでは、「飲料」の商品についての分類先を説明する。
図７に示す例では、「大分類」、「中分類」、「小分類」の３階層で商品が管理される。大分類としては、「乳飲料」、「豆乳」が設けられている。この「乳飲料」、「豆乳」の大分類は、さらに中分類に分けられる。例えば「乳飲料」は、「牛乳」、「牛乳飲料」、「ヨーグルト」の中分類に分けられる。そして、「牛乳」、「牛乳飲料」、「ヨーグルト」の中分類は、さらに小分類に分けられる。例えば「牛乳」は、「無調整牛乳」、「低脂肪牛乳」、「カルシウム牛乳」の小分類に分けられる。そして、各商品は、何れかの小分類に分類される。例えば、商品名「Ａ社無調整牛乳」の商品は、小分類「無調整牛乳」に分類される。なお、商品名「Ａ社無調整牛乳」の商品は、小分類「無調整牛乳」に分類されることにより、中分類では「牛乳」に、大分類では「乳飲料」に分類される。

付言すると、図７に示す例において、例えば、「乳飲料」、「豆乳」の大分類コードはそれぞれ、「０１」、「０２」である。また、例えば、「乳飲料」の中分類である、「牛乳」、「牛乳飲料」、「ヨーグルト」の中分類コードはそれぞれ、「０１」、「０２」、「０３」である。さらに、例えば、「牛乳」の小分類である、「無調整牛乳」、「低脂肪牛乳」、「カルシウム牛乳」の小分類コードはそれぞれ、「０１」、「０２」、「０３」である。また、例えば、「牛乳飲料」の小分類である、「コーヒー牛乳」、「フルーツ牛乳」の小分類コードはそれぞれ、「０１」、「０２」である。

このような商品の分類は、店舗や販売する企業が異なっても共通する分類が行われる場合もあれば、店舗毎や企業毎に異なる分類が行われる場合もある。例えば、商品名「Ａ社冷凍ハンバーグ」の商品は、ある店舗では「冷凍食品」に分類される一方で、他の店舗では「冷凍食品」ではなく「肉加工品」に分類される場合がある。このように、同一の商品に関して店舗毎、企業毎に異なる分類先に分類される場合には、例えば組み換え表などを用いて異なる分類先に属する同一の商品を紐付けることにより、同一商品の記録を全店舗や全企業でまとめて扱うことができるようになる。

なお、図７に示す例では、分類先の階層が３階層に分かれる場合について説明したが、分類先の階層は３階層とは限られず、３階層より少ない場合もあれば、３階層よりも多い場合もあるものとする。

＜販売商品リストの説明＞
次に、販売商品リスト生成部１１４が生成する販売商品リストについて説明する。図８は、販売商品リストの一例を示す図である。図８に示す例では、３種類の商品に関する販売の記録を示している。
「販売開始日」は、商品の販売が開始された日付を示す。「商品名」、「大分類コード」、「中分類コード」、「小分類コード」、「商品コード」は、図６に示す項目と同様であるためここでは説明を省略する。「推薦指標」は、推薦指標計算部１１３により計算された推薦指標を示す。

図８に示す例では、上から順番に、商品名「Ａ社無調整牛乳」、「Ａ社コーヒー牛乳」、「Ｂ社絹ごし豆腐」の商品を示している。そして、商品名「Ａ社無調整牛乳」、「Ａ社コーヒー牛乳」、「Ｂ社絹ごし豆腐」の商品の推薦指標は、それぞれ、「１．２３」、「１．５８」、「２．９８」であることを示している。この３種類の商品で比較すると、「Ｂ社絹ごし豆腐」の推薦指標が最も高く、３種類の商品の中では最も消費者に推薦すべき商品である。

なお、図８に示す例では３種類の商品の情報のみ示しているが、実際には販売履歴として記録されている各商品の情報が示されるため、４種類以上の商品が購入されていれば４種類以上の商品の情報が示される。

＜推薦商品リストの説明＞
次に、推薦商品リスト生成部１１５が生成する推薦商品リストについて説明する。図９は、推薦商品リストの一例を示す図である。図９に示す例では、消費者に対して推薦する商品として２種類の商品を示している。「商品名」、「大分類コード」、「中分類コード」、「小分類コード」、「商品コード」、「推薦指標」は、図６又は図８に示す項目と同様であるためここでは説明を省略する。

図９に示す例では、商品名「Ｃ社ヨーグルト」、「Ｄ社冷凍ハンバーグ」の２種類の商品を示している。
ここで、推薦商品リスト生成部１１５は、例えば、販売商品リストに示された推薦指標を比較して、上位２つの商品を抽出することにより、図９に示す推薦商品リストを生成する。言い換えると、推薦商品リスト生成部１１５は、推薦指標が予め定められた基準を満たす商品として、販売商品リストの中で上位２つの推薦指標の商品である「Ｃ社ヨーグルト」、「Ｄ社冷凍ハンバーグ」を抽出し、推薦商品リストを生成する。なお、推薦商品リストに載せる商品数については、例えば、推薦に必要となる予算やＷｅｂサイトのレイアウトなどを基に決められるものとする。

また、販売商品リストを表示機構１０５等に表示することにより、商品推薦装置１００の使用者等が販売商品リストの推薦指標を確認し、「Ｃ社ヨーグルト」、「Ｄ社冷凍ハンバーグ」の２つの商品を選択しても良い。この場合、推薦商品リスト生成部１１５は、商品推薦装置１００の使用者等により選択された商品である「Ｃ社ヨーグルト」、「Ｄ社冷凍ハンバーグ」を推薦指標が予め定められた基準を満たす商品として抽出し、推薦商品リストを生成する。

＜販売履歴から推薦商品リストを出力する処理手順＞
次に、本実施の形態に係る商品推薦装置１００が、販売履歴から推薦商品リストを出力する処理手順について説明する。図１０は、商品推薦装置１００が販売履歴から推薦商品リストを出力する処理手順の一例を示したフローチャートである。

まず、販売履歴取得部１１２は、販売履歴格納部１１１から、分析の対象とする商品の販売履歴を取得する（ステップ１０１）。ここで、販売履歴取得部１１２は、例えば、商品推薦装置１００の使用者等の操作を契機として、販売履歴を取得する。また、販売履歴取得部１１２は、例えば、１週間などの一定期間毎に販売履歴を取得するようにしても良い。

次に、推薦指標計算部１１３は、販売履歴取得部１１２が取得した販売履歴から、推薦指標を求める商品を１つ選択する（ステップ１０２）。次に、推薦指標計算部１１３は、販売履歴から、選択した商品の購入総数をカウントする（ステップ１０３）。次に、推薦指標計算部１１３は、選択した商品を購入した購入人数をカウントする（ステップ１０４）。次に、推薦指標計算部１１３は、選択した商品について、カウントした購入総数及び購入人数を基に、上述した数１式により推薦指標を計算する（ステップ１０５）。

ここで、ステップ１０２〜１０５の処理について、具体例を示して説明する。ステップ１０２において、推薦指標計算部１１３は、販売履歴取得部１１２が取得した販売履歴に示されている商品の中から、例えば、商品名「Ａ社無調整牛乳」の商品（以下、この商品を「商品Ａ」として説明する）を選択する。次に、ステップ１０３において、推薦指標計算部１１３は、販売履歴取得部１１２が取得した販売履歴から、商品Ａの購入総数をカウントする。例えば、販売履歴が１か月間のものであれば、推薦指標計算部１１３は、その１か月間で購入された商品Ａの個数の合計値を求める。
次に、ステップ１０４において、推薦指標計算部１１３は、販売履歴取得部１１２が取得した販売履歴から、商品Ａを購入した購入人数をカウントする。例えば、販売履歴が１か月間のものであれば、推薦指標計算部１１３は、その１か月間で商品Ａを購入した人数の合計値を求める。なお、購入人数のカウントは、消費者コードを基に行われる。例えば、購入履歴において、同一の消費者コードが記録されている場合には、その記録による購入者の数は１人とされる。また、異なる２つの消費者コードが記録されている場合には、その記録による購入者の数は２人とされる。次に、ステップ１０５において、推薦指標計算部１１３は、商品Ａについて、推薦指標を計算する。例えば、商品Ａの購入総数が「５０個」、商品Ａの購入人数が「１０人」であれば、商品Ａの推薦指標は、以下の数２式のように計算される。

ステップ１０５において推薦指標が計算された後、販売商品リスト生成部１１４は、販売商品リストに、推薦指標を計算した商品の情報を追加する（ステップ１０６）。上述した例では、商品Ａの推薦指標を計算したため、販売商品リスト生成部１１４は、推薦指標などの商品Ａの情報を販売商品リストに追加する。ここで、販売商品リストがまだ生成されていない場合には、販売商品リスト生成部１１４は、新たに販売商品リストを生成し、１つ目の商品として商品Ａの情報を追加する。次に、推薦指標計算部１１３は、販売履歴取得部１１２が取得した販売履歴において、全ての商品を選択したか否かを判定する（ステップ１０７）。

ステップ１０７において、まだ選択されていない商品がある場合（ステップ１０７でＮｏ）、ステップ１０２に移行する。一方、全ての商品が選択された場合（ステップ１０７でＹｅｓ）、推薦商品リスト生成部１１５は、各商品の情報が追加された販売商品リストを基に、推薦商品リストを生成する（ステップ１０８）。ここで、推薦商品リスト生成部１１５は、販売商品リストに示された各商品の推薦指標を基に予め定められた基準を満たす商品を抽出して、推薦商品リストを生成する。より具体的には、推薦商品リスト生成部１１５は、推薦指標が上位の商品を抽出したり、商品推薦装置１００の使用者等に選択された商品を抽出したりすることにより、推薦商品リストを生成する。次に、商品情報出力部１１７は、推薦商品リストに示された商品の情報を商品情報格納部１１６から取得し、取得した情報を出力する（ステップ１０９）。そして、本処理フローは終了する。

また、ステップ１０２において、推薦指標計算部１１３は、販売履歴から推薦指標を計算する商品を１つ選択することとしたが、このような構成に限られるものではない。例えば、推薦指標を計算する商品を予め決めておいても良い。この場合、推薦指標計算部１１３は、例えば、推薦指標を計算する商品リストを確認して、その商品リストの中から商品を１つ選択し、ステップ１０３〜ステップ１０６の処理を行う。またステップ１０７では、推薦指標計算部１１３は、推薦指標を計算する商品リストにおいて、全ての商品を選択したか否かを判定する。

＜推薦指標を計算する手順の他の例＞
次に、推薦指標を計算する手順の他の例について説明する。
ある商品（以下、この商品を「商品Ｂ」として説明する）について、例えば、期間限定で販売された場合には、商品Ｂに関する販売の記録が少ないことが考えられる。推薦指標の計算では、例えば１か月以上の記録など、販売の記録が予め定められた基準量よりも多いことが好ましい。そこで、推薦指標計算部１１３は、商品Ｂに関連する商品の購入総数を用いて、商品Ｂの購入総数を推定しても良い。

例えば、商品Ｂを年間で販売すると想定した場合、推薦指標計算部１１３は、以下の数３式により、商品Ｂについての年間の購入総数を推定する。
数３式において、ｂ１（年間）は、商品Ｂを年間で販売すると想定した場合の商品Ｂの購入総数の推定値である。ｂ１（期間限定）は、商品Ｂの販売期間における実際の商品Ｂの購入総数である。また、Ｂ１（年間）は、商品Ｂが属する分類先（例えば、大分類）に分類される商品についての実際の年間の購入総数である。Ｂ１（期間限定）は、商品Ｂが属する分類先に分類される商品についての商品Ｂの販売期間における実際の購入総数である。

付言すると、Ｂ１（年間）やＢ１（期間限定）には、商品Ｂの購入総数に加えて、商品Ｂが属する分類先に分類される他の商品の購入総数が含まれる。また、ｂ１（年間）は推定値であるが、ｂ１（期間限定）、Ｂ１（年間）、Ｂ１（期間限定）は、販売履歴格納部１１１の販売履歴から求められる値である。
推薦指標計算部１１３は、このようにして商品Ｂの年間の購入総数を推定し、数１式により商品Ｂの推薦指標を計算する。なお、商品Ｂの年間の購入人数については、商品Ｂが属する分類先に分類される商品についての年間の購入人数をそのまま用いれば良いが、数３式と同様に計算して、商品Ｂの年間の購入人数を推定しても良い。

また、商品Ｂの購入数の推定は、数３式を用いて計算する構成に限られるものではなく、例えば、商品Ｂが属する分類先（例えば、大分類）に分類される商品の購入総数を、そのまま商品Ｂの購入総数として推定しても良い。この場合、推薦指標計算部１１３は、例えば、商品Ｂが属する大分類に分類される商品の購入総数及び購入人数を用いて、商品Ｂが属する大分類に対応する推薦指標を計算する。そして、計算した推薦指標を商品Ｂの推薦指標として推定する。言い換えると、推薦指標計算部１１３は、商品Ｂが属する大分類に対応する推薦指標を、そのまま商品Ｂの推薦指標として推定する。なお、商品Ｂが属する中分類に対応する推薦指標や、商品Ｂが属する小分類に対応する推薦指標を計算し、商品Ｂの推薦指標として推定しても良い。

さらに、商品Ｂの推薦指標を計算する他の例として、例えば、商品Ｂが属する分類先（例えば、大分類）に分類される他の商品の推薦指標をそのまま、商品Ｂの推薦指標として用いても良い。この場合、推薦指標計算部１１３は、例えば、商品Ｂが属する大分類に分類される他の商品の推薦指標をそのまま商品Ｂの推薦指標として推定する。また、推薦指標計算部１１３は、商品Ｂの推薦指標として、例えば、商品Ｂが属する中分類に分類される他の商品の推薦指標や、商品Ｂが属する小分類に分類される他の商品の推薦指標を、商品Ｂの推薦指標として推定しても良い。

また、このようにして商品Ｂの推薦指標を計算しなくても、商品Ｂと分類先が共通する他の商品の推薦指標が予め定められた基準を満たす場合に、商品Ｂを推薦することとしても良い。即ち、一の商品の推薦指標が予め定められた基準を満たす場合に、一の商品の分類先に分類される他の商品を推薦しても良い。
さらに説明すると、例えば、販売可能な商品の一覧（以下、販売可能リストと称する）を予め用意しておき、推薦指標が上位（例えば、最上位）の商品（例えば、商品名、商品コード等）が販売可能リストの商品（例えば、商品名、商品コード等）と一致したら、商品情報出力部１１７は、その商品を推薦する。一方、販売可能リスト内に一致するものがなければ、商品情報出力部１１７は、推薦指標が上位の商品の小分類と販売可能リストの商品の小分類とが一致する販売可能リスト内の他の商品を、推薦指標が上位の商品の代替品として推薦する。さらに、小分類が一致する他の商品が販売可能リスト内になければ、商品情報出力部１１７は、推薦指標が上位の商品との間で中分類（又は大分類）が一致する複数の商品の中から選択した商品を代替品として推薦しても良い。この場合、例えば、予め小分類間の類似度を設定しておき、推薦指標が上位の商品の小分類と類似度の高い小分類に分類される代替品を選択するようにしても良いし、または、予め各小分類に優先度を設定しておき、この優先度の順位に従って代替品を選択するようにしても良い。

このようなプロセスにより推薦する商品を選択していくことで、例えば、販売履歴に含まれており推薦指標の高い商品が販売可能リストに含まれていない場合であっても、同種の商品が販売可能リストに含まれる場合においては、その商品が代替品として推薦されることになる。例えば、ある店舗において、販売履歴に含まれており推薦指標の高い商品の取り扱いをやめ、同種の他の商品に置き換える場合には、他の商品についての販売履歴はまだ存在しないことになる。このような場合にも、他の商品が推薦されることになる。具体的には、例えば、ある店舗において、それまで販売していた推薦指標が高いＡ社無調整牛乳の販売を取りやめ、新たにＺ社無調整牛乳、又はＺ社低脂肪牛乳の取り扱いを始めた場合には、これら新たな商品の販売履歴がない（又は少ない）ことになるが、これらの商品が推薦されることになる。
このようにして、一の商品の推薦指標が予め定められた基準を満たす場合に、一の商品の分類先に分類される他の商品を推薦する処理は、図１０に示すステップ１０８、ステップ１０９の処理の一例として捉えることができる。

なお、一方の店舗と他方の店舗とで、一方の店舗での販売履歴から計算した推薦指標を用いて、他方の店舗での商品の推薦を行っても良い。例えば、一方の店舗の販売履歴から計算される推薦指標が上位（例えば、最上位）の商品を他方の店舗でも推薦したり、上記と同様に、その商品が他方の店舗の販売可能リストに含まれない場合に、その商品と同種の商品で販売可能リストに含まれる商品を推薦したりしても良い。

また、本実施の形態において、推薦指標計算部１１３は、購入人数を一人当たりの購入数で除した値を推薦指標として計算したが、このような値を推薦指標として用いる構成に限られるものではない。本実施の形態では、図４に示す領域Ｂ４に含まれる商品を対象として推薦を行えば良い。そのため、例えば、購入人数が閾値Ｘ以上であって、一人当たりの購入数が閾値Ｙ以下の商品が領域Ｂ４に含まれる商品と想定し、該当する商品のうち、購入人数がより大きいものを推薦したり、一人当たりの購入数がより小さいものを推薦したりしても良い。この場合、購入人数及び一人当たりの購入数が、推薦指標の一例として捉えることができる。

さらに、例えば、購入人数が閾値Ｘ以上、かつ一人当たりの購入数が閾値Ｙ以下という条件を満たすには、購入人数が閾値Ｘ以上で、かつ購入総数が少なくともＸＹ（即ち、閾値Ｘと閾値Ｙとの積）以下であれば良い。そこで、例えば、購入人数が閾値Ｘ以上で、かつ購入総数がＸＹ以下の商品が領域Ｂ４に含まれる商品と想定し、該当する商品のうち、購入人数がより大きいものを推薦したり、購入総数がより小さいものを推薦したりしても良い。この場合、購入人数及び購入総数が、推薦指標の一例として捉えることができる。

［実施の形態２］
次に、実施の形態２について説明を行う。
実施の形態１では、推薦指標計算部１１３は、購入人数及び購入総数を用いて推薦指標を計算した。これに対して、本実施の形態において、推薦指標計算部１１３は、異なる値を用いて推薦指標を計算する。

本実施の形態に係る商品推薦装置１００のハードウェア構成及び機能構成については、図１及び図２に示す構成と同様である。また、販売履歴格納部１１１、販売履歴取得部１１２、販売商品リスト生成部１１４、推薦商品リスト生成部１１５、商品情報格納部１１６、商品情報出力部１１７の機能は、実施の形態１と同様である。よって以下、実施の形態１と異なる点として、推薦指標計算部１１３について説明を行う。

実施の形態１において、推薦指標は、購入人数を購入者一人当たりの購入数で除した値である。ここで、購入人数は、商品を購入した購入者の人数であり、商品に馴染みを持っている消費者がどれくらい存在するかを示す度合（以下、馴染み度と称する）の一例として捉えることができる。また、購入者一人当たりの購入数は、商品がどれくらい売れているかを表す売れ筋の度合（以下、売れ筋度と称する）の一例として捉えることができる。即ち、推薦指標は、以下の数４式により計算される値として捉えることができる。

そして、馴染み度としては、購入人数の他に、例えば、商品が店頭に並んだ回数や、商品が店頭に並んだ日数、商品がカタログに掲載された回数など、商品が販売に際して露出された頻度、言い換えると、商品が販売に際して露出された回数を用いても良い。
また、売れ筋度としては、購入者一人当たりの購入数の他に、例えば、購入総数を露出回数で除した値（即ち、露出１回当たりの購入数）を用いても良い。
例えば、馴染み度を露出回数、売れ筋度を露出１回当たりの購入数とする場合には、推薦指標は、以下の数５式により計算される。

図１１（ａ）は、馴染み度と消費者の購入意欲増加度との関係の一例を示した図である。また、図１１（ｂ）は、売れ筋度と消費者の購入意欲増加度との関係の一例を示した図である。
まず、図１１（ａ）に示すグラフにおいて、縦軸は、推薦による消費者の購入意欲増加度である。この購入意欲増加度は、推薦を行った前後での商品の購入数の増加率を表し、全商品の増加率の平均値を０としたものである。実際には、全商品の増加率の平均値は１．８であるため、縦軸の値に１．８を加えると実際の増加率になる。また、横軸は、馴染み度の一例としての露出回数である。

ここで、図１１（ａ）に示す例は、複数の商品を店頭に露出した回数を測定するとともに、各商品について実際にチラシを配布したり商品の情報を消費者の端末装置に送信したりして、商品を推薦し、推薦を行った前後での購入意欲増加度を商品毎にプロットしたものである。また、各商品についてプロットした点を基に最小二乗法により得られる回帰直線を示している。図示のように、回帰直線は正の傾き（傾きｒ＝０．５２８）を有している。即ち、露出回数が多いほど、推薦による購入意欲増加度が大きい傾向にあることが示されている。言い換えると、商品を露出するほど、推薦による効果が高くなることが示されている。

また、図１１（ｂ）に示すグラフにおいて、縦軸は、推薦による消費者の購入意欲増加度である。また、横軸は、売れ筋度の一例としての露出１回当たりの購入数である。ここで、図１１（ｂ）に示す例は、図１１（ａ）に示す例と同様に、複数の商品を店頭に露出した回数を測定するとともに、各商品について実際に推薦を行い、推薦を行った前後での購入意欲増加度を商品毎にプロットしたものである。また、各商品についてプロットした点を基に最小二乗法により得られる回帰直線を示している。図示のように、回帰直線は負の傾き（傾きｒ＝−０．４６３）を有している。即ち、露出１回当たりの購入数が多いほど、推薦による購入意欲増加度が小さい傾向にあることが示されている。言い換えると、よく売れる商品ほど、推薦による効果が低くなることが示されている。

さらに説明すると、数５式により、露出回数が多く露出１回当たりの購入数が少ないほど、推薦指標が大きくなる。また、図１１（ａ），（ｂ）に示す例により、露出回数が多いほど購入意欲増加度が大きくなり、露出１回当たりの購入数が少ないほど購入意欲増加度が大きくなる。即ち、推薦指標が大きいほど、購入意欲増加度も大きくなるといえる。そこで、本実施の形態において、推薦商品リスト生成部１１５は、数５式に示す推薦指標が予め定められた基準を満たす商品、例えば、推薦指標が大きいものから一定数の商品や、推薦指標が予め定められた閾値以上の商品を抽出して、推薦商品リストを生成する。

また、本実施の形態において、馴染み度は、商品が消費者に対してどれくらい認知されているかを示す認知度として捉えることができる。この認知度は、商品の露出頻度、露出回数に限られるものではなく、例えば、商品をどれくらい認知しているか等を質問するアンケートを実際に消費者に対して行うことにより求めても良い。

＜商品推薦装置の他のハードウェア構成例＞
ところで、実施の形態１及び実施の形態２に係る商品推薦装置１００の処理は、プリント機能を有する画像形成装置において実現しても良い。そこで、商品推薦装置１００の処理を画像形成装置で実現するものとして、そのハードウェア構成について説明する。

図１２は、本実施の形態を適用可能な画像形成装置のハードウェア構成例を示した図である。
図示するように、商品推薦装置１００は、ＣＰＵ（Central Processing Unit）１２１と、ＲＡＭ（Random Access Memory）１２２と、ＲＯＭ（Read Only Memory）１２３と、ＨＤＤ（Hard Disk Drive）１２４と、操作パネル１２５と、画像読み取り部１２６と、画像形成部１２７と、通信インタフェース（通信Ｉ／Ｆ）１２８とを備える。

ＣＰＵ１２１は、ＲＯＭ１２３等に記憶された各種プログラムをＲＡＭ１２２にロードして実行することにより、図２に示す商品推薦装置１００を構成する各機能部を実現する。
ＲＡＭ１２２は、ＣＰＵ１２１の作業用メモリ等として用いられるメモリである。
ＲＯＭ１２３は、ＣＰＵ１２１が実行する各種プログラム等を記憶するメモリである。
ＨＤＤ１２４は、画像読み取り部１２６が読み取った画像データや画像形成部１２７における画像形成にて用いる画像データ等を記憶する例えば磁気ディスク装置である。
操作パネル１２５は、各種情報の表示やユーザからの操作入力の受付を行う例えばタッチパネルである。

画像読み取り部１２６は、用紙等の記録材に記録された画像を読み取る。ここで、画像読み取り部１２６は、例えばスキャナであり、光源から原稿に照射した光に対する反射光をレンズで縮小してＣＣＤ(Charge Coupled Devices)で受光するＣＣＤ方式や、ＬＥＤ光源から原稿に順に照射した光に対する反射光をＣＩＳ(Contact Image Sensor)で受光するＣＩＳ方式のものを用いるとよい。

画像形成部１２７は、用紙等の記録材に画像を形成する印刷機構である。ここで、画像形成部１２７は、例えばプリンタであり、感光体に付着させたトナーを記録材に転写して像を形成する電子写真方式や、インクを記録材上に吐出して像を形成するインクジェット方式のものを用いるとよい。
通信Ｉ／Ｆ１２８は、不図示のネットワークを介して他の装置との間で各種データの送受信を行う通信インタフェースとして機能する。

このように、商品推薦装置１００の処理が画像形成装置にて実現される場合、商品情報出力部１１７は、推薦商品リストに示された商品に関する情報（画像）を用紙に形成して出力しても良い。この場合、商品情報出力部１１７は、画像形成部１２７により実現される。
さらに説明すると、商品に関する情報として、例えば、商品名、商品説明、商品価格、商品画像などの情報が用紙に形成して出力される。このように商品に関する情報が形成された用紙が、広告として、例えば、消費者に直接配布されたり、新聞折り込みとして配布されたり、店頭に表示されたりすることにより、消費者に対して商品が推薦される。この場合、画像形成装置を、商品推薦システムの一例として捉えることができる。

また、商品推薦装置１００の機能を、複数の装置に分けて実現することとしても良い。例えば、販売履歴格納部１１１、販売履歴取得部１１２、推薦指標計算部１１３、販売商品リスト生成部１１４、推薦商品リスト生成部１１５の機能を図１に示すコンピュータ装置で実現し、商品情報出力部１１７の機能を図１２に示す画像形成装置で実現しても良い。この場合、コンピュータ装置及び画像形成装置を、商品推薦システムの一例として捉えることができる。

なお、本発明の実施の形態を実現するプログラムは、通信手段により提供することはもちろん、ＣＤ−ＲＯＭ等の記録媒体に格納して提供することも可能である。

以上、本発明の実施の形態について説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されない。上記実施の形態に、種々の変更又は改良を加えたものも、本発明の技術的範囲に含まれることは、特許請求の範囲の記載から明らかである。

１００…商品推薦装置、１１１…販売履歴格納部、１１２…販売履歴取得部、１１３…推薦指標計算部、１１４…販売商品リスト生成部、１１５…推薦商品リスト生成部、１１６…商品情報格納部、１１７…商品情報出力部

Claims (7)

1. コンピュータに、
   記憶装置に記憶されている複数の商品の販売履歴から、それぞれの商品の購入総数と、それぞれの商品の購入総数と購入人数から算出される購入者一人当たりの購入数と、を特定する機能と、
   特定された購入総数と購入者一人当たりの購入数とを用い、購入人数が少なくて購入総数が多い商品よりも、購入人数が多くて購入総数が少ない商品を推薦するために当該商品の情報を出力する機能と
   を実現させるためのプログラム。
2. 前記特定する機能は、それぞれの商品が何れかの分類先に分類される場合に、一の商品の分類先に分類される商品の購入総数及び購入者一人当たりの購入数を特定すること
   を特徴とする請求項１に記載のプログラム。
3. 前記推薦するために前記商品の情報を出力する機能は、それぞれの商品が何れかの分類先に分類される場合に、購入人数が少なくて購入総数が多い商品よりも、購入人数が多くて購入総数が少ない一の商品の分類先に分類される他の商品を、当該一の商品の代わりに推薦すること
   を特徴とする請求項１に記載のプログラム。
4. コンピュータに、
   記憶装置に記憶されている複数の商品の販売履歴から、それぞれの商品の購入総数と、それぞれの商品の購入総数と露出回数とから算出される露出一回当たりの購入数とを、特定する機能と、
   特定された露出回数と露出一回当たりの購入数とを用い、露出回数が少なくて購入総数が多い商品よりも、露出回数が多くて購入総数が少ない商品を推薦するために当該商品の情報を出力する機能と
   を実現させるためのプログラム。
5. 記憶装置に記憶されている複数の商品の販売履歴から、それぞれの商品の購入総数と、それぞれの商品の購入総数と購入人数から算出される購入者一人当たりの購入数と、を特定する特定部と、
   特定された購入総数と、購入者一人当たりの購入数とを用い、購入人数が少なくて購入総数が多い商品よりも、購入人数が多くて購入総数が少ない商品を推薦するために当該商品の情報を出力する推薦部と
   を備える商品推薦システム。
6. 前記推薦部は、推薦する商品についての画像を記録材に形成して出力することにより、当該商品の推薦を行うこと
   を特徴とする請求項５に記載の商品推薦システム。
7. 記憶装置に記憶されている複数の商品の販売履歴から、それぞれの商品の購入総数と、それぞれの商品の購入総数と購入人数から算出される購入者一人当たりの購入数と、を特定するステップと、
   特定された購入総数と購入者一人当たりの購入数とを用い、購入人数が少なくて購入総数が多い商品よりも、購入人数が多くて購入総数が少ない商品を推薦するために当該商品の情報を出力するステップと
   を含むコンピュータが実行する商品推薦方法。

Images