JP6918748B2 - 情報処理装置、情報処理方法、及び情報処理プログラム - Google Patents

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。

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

特開２０１７−１６６２５号公報

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

本願は、上記に鑑みてなされたものであって、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。

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、前記関連行動時における前記ユーザの前記対象に対する需要の度合いに関連する強度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と前記強度情報とに基づいて、前記対象に関する需要レベルを予測する予測部とを備えることを特徴とする。

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

図１は、実施形態に係る情報処理の一例を示す図である。 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。 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４は、実施形態に係る事業者情報記憶部の一例を示す図である。 図５は、実施形態に係るユーザ情報記憶部の一例を示す図である。 図６は、実施形態に係る行動情報記憶部の一例を示す図である。 図７は、実施形態に係る強度情報記憶部の一例を示す図である。 図８は、実施形態に係る需要情報記憶部の一例を示す図である。 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。 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。 図１１は、実施形態に係る情報処理の他の一例を示す図である。 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。 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。

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。

（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、関連行動時におけるユーザの対象に対する需要の度合いに関連する強度情報とに基づいて、対象に関する需要レベル（以下、単に「需要」ともいう）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、検索行動から所定の期間内におけるユーザの対象に対する需要を示す強度情報とに基づいて、需要を予測する場合を一例として説明する。

〔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。

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

また、端末装置１０は、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。

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。

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。

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。

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

上記のように「ユーザＵ＊（＊は任意の数値）」と記載した場合、そのユーザはユーザＩＤ「Ｕ＊」により識別されるユーザであることを示す。例えば、「ユーザＵ２」と記載した場合、そのユーザはユーザＩＤ「Ｕ２」により識別されるユーザである。図１に示した情報処理システム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。

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、関連行動時におけるユーザの前記対象に対する需要の度合いに関連する強度情報とに基づいて、対象に関する需要レベル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。

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。

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。

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

図１の例では、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。

また、図１の例では、情報提供を受ける事業者が、ラーメン店ＭＡである場合を示す。例えば、図１では、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。

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「塩ラーメン」と位置情報ＬＣ１とを取得する。なお、図１の例では位置情報ＬＣ１等の抽象的な符号で図示するが、位置情報は、具体的な緯度や経度を示す情報（緯度経度情報）等であってもよい。また、以下、「位置情報ＬＣ＊（＊は任意の数値）」を「位置ＬＣ＊」と記載する場合がある。例えば、「位置ＬＣ１」と記載した場合、その位置は位置情報ＬＣ１に対応する位置であることを示す。図１の例では、位置ＬＣ１は、Ａエリア内の位置であるものとする。

そして、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「塩ラーメン」を用いて検索を行ったことを示す行動情報を行動情報記憶部１２３に記憶する。

また、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。

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「塩ラーメン Ａエリア」と位置情報ＬＣ３とを取得する。図１の例では、位置ＬＣ３は、Ａエリア内の位置であるものとする。そして、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１２３に記憶する。

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。

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。

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。

ここで、図１の例では、情報処理装置１００は、ユーザの需要の強度（度合い）を予測するために用いる情報（以下、「強度予測用情報」ともいう）として、センサにより検知されたセンサ情報を用いるものとする。ここでいう、ユーザの需要の強度（度合い）とは、ユーザがその対象を本当に欲する強度（深刻度）を示すものであってもよい。例えば、情報処理装置１００は、ユーザの関連行動から所定の期間（例えば、関連行動時の前後５分）内のセンサ情報を用いて、ユーザの需要の強度を予測する。情報処理装置１００は、ユーザの関連行動である検索行動から所定の期間内に検知されたセンサ情報を用いて、検索クエリに対応する対象に対するユーザの需要の強度を予測する。

情報処理装置１００は、ユーザＵ１が利用する端末装置１０−１からセンサ情報を取得する（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、所定のセンサにより検知されたユーザＵ１の画像情報であるセンサ情報ＳＮ１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、画像センサによりユーザＵ１を撮像したセンサ情報ＳＮ１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「画像」のセンサ情報ＳＮ１が検知されたことを示す情報を強度情報記憶部１２４に記憶する。

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からセンサ情報を取得する（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、所定のセンサにより検知されたユーザＵ２の音声情報であるセンサ情報ＳＮ２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、音声センサにより検知したユーザＵ２の音声情報であるセンサ情報ＳＮ２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「音声」のセンサ情報ＳＮ２が検知されたことを示す情報を強度情報記憶部１２４に記憶する。

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からセンサ情報を取得する（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、所定のセンサにより検知されたユーザＵ３の生体情報であるセンサ情報ＳＮ３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、血糖値センサにより検知したユーザＵ３の血糖値情報であるセンサ情報ＳＮ３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「生体」のセンサ情報ＳＮ３が検知されたことを示す情報を強度情報記憶部１２４に記憶する。

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からセンサ情報を取得する（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、所定のセンサにより検知されたユーザＵ４の音声情報であるセンサ情報ＳＮ４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、音声センサにより検知したユーザＵ４の音声情報であるセンサ情報ＳＮ４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「音声」のセンサ情報ＳＮ４が検知されたことを示す情報を強度情報記憶部１２４に記憶する。

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のセンサ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のセンサ情報を取得してもよいし、センサ情報が取得されない場合、他の種別の情報を強度予測用情報として取得してもよい。

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、関連行動時におけるユーザの対象に対する需要の度合い（強度）の予測に用いる強度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センサ情報を強度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、強度情報記憶部１２４に示すように、ユーザＵ１〜Ｕ４等のセンサ情報ＳＮ１〜ＳＮ４等を収集する。

そして、情報処理装置１００は、対象に関する関連行動時におけるユーザの対象に対する需要の強度を予測する（ステップＳ５）。情報処理装置１００は、強度予測用情報を用いて、ユーザの対象に対する需要の強度を予測する。情報処理装置１００は、センサ情報を用いて、ユーザの対象に対する需要の強度を予測する。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強度予測用情報を用いて、関連行動時におけるユーザの対象に対する需要の強度を予測する。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センサ情報を用いて、関連行動時におけるユーザの対象に対する需要の強度を予測する。

情報処理装置１００は、日時ＤＴ１におけるクエリ「塩ラーメン」を用いた検索行動であるユーザＵ１の関連行動におけるユーザＵ１の対象「塩ラーメン」に対する需要の強度を、日時ＤＴ１−１に検知されたユーザＵ１のセンサ情報ＳＮ１を用いて予測する。例えば、情報処理装置１００は、日時ＤＴ１−１におけるユーザＵ１の顔を撮像した画像情報であるセンサ情報ＳＮ１を用いて、ユーザＵ１の対象「塩ラーメン」に対する需要の強度を予測する。例えば、情報処理装置１００は、ユーザＵ１の顔を撮像したセンサ情報ＳＮ１を画像解析等の種々の従来技術を適宜用いて解析することにより、ユーザＵ１の空腹度合いを予測し、予測したユーザＵ１の空腹度合いを、ユーザＵ１の対象「塩ラーメン」に対する需要の強度とする。例えば、情報処理装置１００は、センサ情報ＳＮ１を画像解析し、ユーザＵ１の顔がユーザＵ１の通常時や満腹時や空腹時の顔のいずれであるかを判定し場合、その判定結果に基づいて、ユーザＵ１の対象「塩ラーメン」に対する需要の強度を予測する。例えば、情報処理装置１００は、ユーザＵ１の空腹度合いが通常時である場合、ユーザの対象に対する需要の強度（予測強度）を「中」と予測する。情報処理装置１００は、ユーザＵ１の空腹度合いが満腹時である場合、ユーザの対象に対する需要の強度を「低」と予測する。情報処理装置１００は、ユーザＵ１の空腹度合いが空腹時である場合、ユーザの対象に対する需要の強度を「高」と予測する。

この場合、情報処理装置１００は、ユーザＵ１の通常時の顔画像情報や満腹時の顔画像情報や空腹時の顔画像情報と、センサ情報ＳＮ１とを比較することにより、ユーザＵ１が通常状態、満腹状態、及び空腹状態のいずれであるかを判定してもよい。例えば、情報処理装置１００は、ユーザＵ１の通常時の顔画像情報や満腹時の顔画像情報や空腹時の顔画像情報をユーザ情報記憶部１２２（図５参照）に記憶し、ユーザ情報記憶部１２２に記憶した各画像情報と、センサ情報ＳＮ１とを比較することにより、ユーザＵ１が通常状態、満腹状態、及び空腹状態のいずれであるかを判定してもよい。このように、情報処理装置１００は、関連行動時におけるユーザＵ１の状態を示すユーザ情報に基づいて、ユーザＵ１の対象「塩ラーメン」に対する需要の強度を予測する。なお、上記は一例であり、情報処理装置１００は、画像情報を種々の手法により解析することにより、ユーザの対象に対する需要の強度を予測してもよい。

図１の例では、センサ情報ＳＮ１は、ユーザＵ１の通常時の顔画像情報に最も類似するものとする。そのため、情報処理装置１００は、ユーザＵ１の空腹度合いを通常時と予測し、ユーザＵ１の対象「塩ラーメン」に対する需要の強度（予測強度）を強度ＩＬＶ１と予測する。具体的には、情報処理装置１００は、ユーザＵ１の空腹度合いが通常時であるため、強度情報記憶部１２４に示すように、ユーザＵ１の対象「塩ラーメン」に対する需要の強度を「中」と予測する。

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」を用いた検索行動であるユーザＵ２の関連行動におけるユーザの対象「スマホＳＨ」に対する需要の強度を、日時ＤＴ２−１に検知されたユーザＵ２のセンサ情報ＳＮ２を用いて予測する。例えば、情報処理装置１００は、日時ＤＴ２−１におけるユーザＵ２の音声情報であるセンサ情報ＳＮ２を用いて、ユーザの対象「スマホＳＨ」に対する需要の強度を予測する。例えば、情報処理装置１００は、ユーザＵ２の音声のセンサ情報ＳＮ２を音声解析等の種々の従来技術を適宜用いて解析することにより、ユーザＵ２の対象に対する評価を予測し、予測したユーザＵ２の対象に対する評価を、ユーザＵ２の対象「スマホＳＨ」に対する需要の強度とする。

例えば、情報処理装置１００は、ユーザＵ２が対象「スマホＳＨ」について、「欲しい」や「デザインが良い」等の好意的（ポジティブ）な発話を行っている場合、ユーザＵ２の対象「スマホＳＨ」に対する需要の強度を「高」と予測する。情報処理装置１００は、ユーザＵ２が対象「スマホＳＨ」について、「普通」や「まぁまぁ」等の中立的な発話を行っている場合、ユーザＵ２の対象「スマホＳＨ」に対する需要の強度を「中」と予測する。情報処理装置１００は、ユーザＵ２が対象「スマホＳＨ」について、「要らない」や「デザインが悪い」等の否定的（ネガティブ）な発話を行っている場合、ユーザＵ２の対象「スマホＳＨ」に対する需要の強度を「低」と予測する。なお、上記は一例であり、情報処理装置１００は、音声情報を種々の手法により解析することにより、ユーザの対象に対する需要の強度を予測してもよい。

図１の例では、センサ情報ＳＮ２は、ユーザＵ２が対象「スマホＳＨ」について、否定的な発話を行ったことを示す情報であるのとする。そのため、情報処理装置１００は、ユーザＵ２の対象「スマホＳＨ」に対する評価が、否定的な評価であると予測し、ユーザＵ２の対象「スマホＳＨ」に対する需要の強度（予測強度）を強度ＩＬＶ２と予測する。具体的には、情報処理装置１００は、ユーザＵ２が対象「スマホＳＨ」に対して否定的な評価であるため、強度情報記憶部１２４に示すように、ユーザＵ２の対象「スマホＳＨ」に対する需要の強度を「低」と予測する。

情報処理装置１００は、日時ＤＴ３における「塩ラーメン Ａエリア」を用いた検索行動であるユーザＵ３の関連行動におけるユーザＵ３の対象「塩ラーメン」に対する需要の強度を、日時ＤＴ３−１に検知されたユーザＵ３のセンサ情報ＳＮ３を用いて予測する。例えば、情報処理装置１００は、日時ＤＴ３−１におけるユーザＵ３の血糖値を示す生体情報であるセンサ情報ＳＮ３を用いて、ユーザＵ３の対象「塩ラーメン」に対する需要の強度を予測する。例えば、情報処理装置１００は、ユーザＵ３の生体情報を種々の従来技術を適宜用いて解析することにより、ユーザＵ３の空腹度合いを予測し、予測したユーザＵ３の空腹度合いを、ユーザＵ３の対象「塩ラーメン」に対する需要の強度とする。例えば、情報処理装置１００は、センサ情報ＳＮ３が示すユーザＵ３の血糖値が、ユーザＵ３の通常時や満腹時や空腹時の顔のいずれであるかを判定し場合、その判定結果に基づいて、ユーザＵ３の対象「塩ラーメン」に対する需要の強度を予測する。例えば、情報処理装置１００は、ユーザＵ３の血糖値が通常時である場合、ユーザの対象に対する需要の強度（予測強度）を「中」と予測する。情報処理装置１００は、ユーザＵ３の血糖値が満腹時である場合、ユーザの対象に対する需要の強度を「低」と予測する。情報処理装置１００は、ユーザＵ３の血糖値が空腹時である場合、ユーザの対象に対する需要の強度を「高」と予測する。

この場合、情報処理装置１００は、ユーザＵ３の通常時の血糖値情報や満腹時の血糖値情報や空腹時の血糖値情報と、センサ情報ＳＮ３とを比較することにより、ユーザＵ３が通常状態、満腹状態、及び空腹状態のいずれであるかを判定してもよい。例えば、情報処理装置１００は、ユーザＵ３の通常時の血糖値情報や満腹時の血糖値情報や空腹時の血糖値情報をユーザ情報記憶部１２２（図５参照）に記憶し、ユーザ情報記憶部１２２に記憶した各血糖値情報（生体情報）と、センサ情報ＳＮ３とを比較することにより、ユーザＵ３が通常状態、満腹状態、及び空腹状態のいずれであるかを判定してもよい。このように、情報処理装置１００は、関連行動時におけるユーザＵ３の状態を示すユーザ情報に基づいて、ユーザＵ３の対象「塩ラーメン」に対する需要の強度を予測する。なお、上記は一例であり、情報処理装置１００は、生体情報を種々の手法により解析することにより、ユーザの対象に対する需要の強度を予測してもよい。

図１の例では、センサ情報ＳＮ３は、ユーザＵ３の通常時の血糖値情報に最も類似するものとする。そのため、情報処理装置１００は、ユーザＵ３の空腹度合いを空腹時と予測し、ユーザＵ３の対象「塩ラーメン」に対する需要の強度（予測強度）を強度ＩＬＶ３と予測する。具体的には、情報処理装置１００は、ユーザＵ３の空腹度合いが通常時であるため、強度情報記憶部１２４に示すように、ユーザＵ３の対象「塩ラーメン」に対する需要の強度を「高」と予測する。

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レベル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「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の回数と、各検索時におけるユーザの強度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「塩ラーメン」について、検索の回数と、各検索時におけるユーザの需要の強度に基づく値（以下、「強度スコア」ともいう）の平均とを乗算することにより、スコアを生成してもよい。また、情報処理装置１００は、対象「塩ラーメン」について、各検索に対応する強度スコアを合算することにより、スコアを生成してもよい。情報処理装置１００は、対象「塩ラーメン」について、各エリアにおける各検索に対応する強度スコアを合算することにより、各エリアに対応するスコアを生成してもよい。

図１の例では、情報処理装置１００は、予測強度が「高」である場合の強度スコアを「５」とし、予測強度が「中」である場合の強度スコアを「１」とし、予測強度が「低」である場合の強度スコアを「０．１」として、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、予測強度「高」である検索が「１０」回であり、予測強度「中」である検索が「１００」回であり、予測強度「低」である検索が「１０」回である場合、スコアを「１５１（＝５＊１０＋１＊１００＋０．１＊１０）」と算出する。

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、生成した各検索の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。この場合、情報処理装置１００は、検索ごとに需要の強度に基づく値（強度スコア）と重みとを乗算した値（部分スコア）を算出し、その部分スコアを合算することにより、関連行動に対応する対象に関するスコアを生成（算出）してもよい。

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「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「１５０００」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「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「塩ラーメン」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「塩ラーメン」のスコアを「２００」と算出する。なお、情報処理装置１００は、エリアを考慮せず、全体としての需要を予測してもよい。例えば、情報処理装置１００は、エリア全体の需要を予測してもよいが、この点については後述する。

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「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。

図１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「１５０００」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「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「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、Ｃエリアにおける対象「塩ラーメン」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「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、Ｄエリアにおける対象「塩ラーメン」のスコアが「２００」であり、第２閾値未満であるため、Ｄエリアにおける対象「塩ラーメン」の需要を「低」と予測する。

そして、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、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。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に需要情報を送信する。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ＤＬＴ１を事業者装置２０に提供してもよい。これにより、ラーメン店ＭＡの管理者Ｍ１は、Ａエリアにおける塩ラーメンの需要が他のエリアよりも相対的に高いことを把握することができるため、より適切な判断を行うことができる。

このように、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、関連行動時におけるユーザの対象に対する需要の度合いに関連する強度情報とに基づいて、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、ユーザのセンサ情報とに基づいて、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。

なお、図１では、エリアごとに需要を予測する場合を示したが、情報処理装置１００は、ユーザの行動情報と、ユーザの強度情報とに基づいて、エリア全体の需要を予測してもよい。例えば、情報処理装置１００は、Ａエリア〜Ｄエリア等のエリア全体におけるユーザの行動情報と、ユーザの強度情報とに基づいて、エリア全体の需要を予測してもよい。この場合、情報処理装置１００は、ユーザの位置情報を取得することなく、ユーザの行動情報と、ユーザの強度情報とに基づいて、エリア全体の需要を予測してもよい。

〔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。

〔１−１−１．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「塩ラーメン」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。

〔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。

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。

〔１−１−３．強度予測用情報〕
図１の例では、説明を簡単にするために、情報処理装置１００がユーザの需要の強度（度合い）を予測するために用いる情報（強度予測用情報）として、センサ情報のみを用いる場合を示したが、情報処理装置１００は、ユーザの需要の強度の予測に利用可能な情報であればどのような情報を用いてもよい。例えば、情報処理装置１００は、強度予測用情報として、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などの種々の情報を用いてもよい。

情報処理装置１００は、ユーザが食べる食品や飲む飲料等（以下、「食品等」ともいう）に関連する関連行動後に、ユーザがその食品等を摂取したことを示す行動情報を、強度予測用情報として用いてもよい。情報処理装置１００は、ユーザが摂取する食品等である対象に関連する関連行動後の所定期間内に、ユーザがその対象を購入したり、飲食したりしたことを示す行動情報に基づいて、ユーザの需要の強度（度合い）を予測してもよ
い。

例えば、情報処理装置１００は、食品等に関連する関連行動後の所定期間内に、ユーザがその食品等を購入したり、飲食したりしたことを示す行動情報がある場合、その食品等に対するユーザの需要の強度を「高」と予測してもよい。また、例えば、情報処理装置１００は、食品等に関連する関連行動後の所定期間内に、ユーザがその食品等を購入したり、飲食したりしたことを示す行動情報がない場合、その食品等に対するユーザの需要の強度を「低」と予測してもよい。また、例えば、情報処理装置１００は、食品等に関連する関連行動後の所定期間内に、ユーザがその食品等と異なる他の食品等を購入したり、飲食したりしたことを示す行動情報がない場合、その食品等に対するユーザの需要の強度を「中」と予測してもよい。

また、例えば、情報処理装置１００は、上記に限らずセンサ情報に基づく種々の情報を強度予測用情報として用いてもよい。情報処理装置１００は、音声センサにより検知されたユーザのお腹が鳴る音等を強度予測用情報として用いてもよい。例えば、情報処理装置１００は、食品等に関連する関連行動後の所定期間内に、ユーザのお腹が鳴る音等が検知された場合、その食品等に対するユーザの需要の強度を「高」と予測してもよい。例えば、情報処理装置１００は、食品等に関連する関連行動後の所定期間内に、ユーザのお腹が鳴る音等が検知されなかった場合、その食品等に対するユーザの需要の強度を「低」と予測してもよい。例えば、情報処理装置１００は、食品等に関連する関連行動後の所定期間内に、ユーザのお腹が鳴る音等が検知されなかった場合であっても、所定期間外にユーザのお腹が鳴る音等が検知された場、その食品等に対するユーザの需要の強度を「中」と予測してもよい。

また、情報処理装置１００は、関連行動前後における血糖値の変化や、関連行動前後におけるユーザの画像を画像解析することによりユーザの需要の強度を予測してもよい。例えば、情報処理装置１００は、食品等に関連する関連行動後の所定期間内のユーザの画像を画像解析し、ユーザの顔が「お腹が空いた顔」であると判定される場合、その食品等に対するユーザの需要の強度を「高」と予測してもよい。

また、情報処理装置１００は、関連行動と他の行動との間の時間に基づいて、ユーザの需要の強度を予測してもよい。例えば、情報処理装置１００は、食品等に関連する関連行動とそれ以前の最後の食事からの時間（以下、「食事後経過時間」ともいう）に基づいて、ユーザの需要の強度を予測してもよい。例えば、情報処理装置１００は、食品等に関連する関連行動までの食事後経過時間が所定の閾値（例えば５時間等）以上である場合、その食品等に対するユーザの需要の強度を「高」と予測してもよい。

例えば、情報処理装置１００は、強度予測用情報として、ユーザの関連行動時から所定の期間内のユーザの位置情報などの種々の情報を用いてもよい。例えば、情報処理装置１００は、検索においてユーザが使用（入力）した検索ワード（入力情報）に基づいて、ユーザの需要の強度を予測してもよい。また、情報処理装置１００は、ＳＮＳにおいてユーザが入力した入力情報（文字情報）の文脈に基づいて、ユーザの需要の強度を予測してもよい。例えば、情報処理装置１００は、対象が食品等である場合、ユーザが入力した検索ワードや文字情報等である強度予測用情報中に、「腹ペコ」や「うまそう」などの文字列が含まれれば、その文字情報を基にユーザの需要の強度を予測してもよい。

また、情報処理装置１００は、複数の強度予測用情報に基づいて、ユーザの需要の強度を予測してもよい。情報処理装置１００は、センサ情報や行動情報や位置情報等の種々の強度予測用情報を組み合わせて、ユーザの需要の強度を予測してもよい。例えば、情報処理装置１００は、ユーザの関連行動時から所定の期間内のセンサ情報や行動情報や位置情報等の種々の強度予測用情報に基づいて、ユーザの需要の強度を予測してもよい。

〔１−２．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。

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。

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。

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」を用いた検索の重みをスコア「１．５」と大きくし、他の時間帯（例えば７−９時等）におけるクエリ「塩ラーメン」を用いた検索の重みを「０．５」と小さくしてもよい。

例えば、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。

〔１−３．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。

また、情報処理装置１００は、種々の態様によって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。

〔１−４．情報の利用〕
なお、図１の例では、説明を簡単にするために、クエリが対象を示す文字列に一致する場合を一例として示したが、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。

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。図１の例では、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。

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。図１の例では、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。

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。図１の例では、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。

〔１−５．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。

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）含まれる検索情報を取得するものとする。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）検索情報を取得するものとする。

この場合、例えば、海Ａの近くで水没してしまったなど、海Ａの近くではスマホが故障しやすいということが予測される。例えば、海Ａの近くは、景色が綺麗で写真スポットだが、足元が悪く水没のケースが多いということが予測される。そのため、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。

〔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。

（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。

（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、強度情報記憶部１２４と、需要情報記憶部１２５とを有する。

（事業者情報記憶部１２１）
実施形態に係る事業者情報記憶部１２１は、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。

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

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

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

（ユーザ情報記憶部１２２）
実施形態に係るユーザ情報記憶部１２２は、ユーザ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。

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

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

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

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

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

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

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

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

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

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

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

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

（強度情報記憶部１２４）
実施形態に係る強度情報記憶部１２４は、ユーザの需要の強度（度合い）に関する各種情報を記憶する。例えば、強度情報記憶部１２４は、関連行動時におけるユーザの対象に対する需要の強度（度合い）に関連する強度情報を記憶する。図７の例では、強度情報記憶部１２４は、説明を簡単にするためにユーザの需要の強度（度合い）を予測するために用いる情報（強度予測用情報）として、センサ情報のみを図示するが、強度情報記憶部１２４には、ユーザの需要の強度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、強度情報記憶部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などの種々の情報が記憶されてもよい。図５は、実施形態に係る強度情報記憶部の一例を示す図である。図５に示す強度情報記憶部１２４は、「ユーザＩＤ」、「強度情報」といった項目が含まれる。「強度情報」には、「日時」、「種別」、「センサ情報」、「予測強度」といった項目が含まれる。

「ユーザＩＤ」は、ユーザを識別するための識別情報を示す。例えば、ユーザＩＤ「Ｕ１」により識別されるユーザは、図１の例に示したユーザＵ１に対応する。また、「強度情報」は、ユーザＩＤにより識別されるユーザについて検知されたセンサ情報に関する種々の情報を示す。「強度情報」の「日時」は、対応するセンサ情報が検知された日時を示す。「日時」には、「ＤＴ１」等のように抽象的に図示するが、「２０１８年６月１２日１１時２３分４９秒」等の具体的な日時が記憶されてもよい。「強度情報」の「種別」は、対応するセンサ情報の種別を示す。

「強度情報」の「センサ情報」は、検知されたセンサ情報を示す。図７では「センサ情報」に「ＳＮ１」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、具体的に検知された情報（センサデータ）、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。

「強度情報」の「予測強度」は、センサ情報等の情報から予測されるユーザの需要の強度を示す。図７では「予測強度」に「ＩＬＶ１」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、予測した強度を示すレベルや具体的な数値などが格納されてもよい。例えば、「予測強度」には、括弧内に示すように「強度中」や「強度低」などの強度のレベルを示す情報が記憶されてもよい。

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「画像」に対応するセンサ情報ＳＮ１が日時ＤＴ１−１に検知されたことを示す。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、センサ情報ＳＮ１により予測される需要の強度が強度ＩＬＶ１（強度中）であることを示す。すなわち、ユーザＵ１については、日時ＤＴ１に入力したクエリに対応する対象「塩ラーメン」への需要の強度が「中レベル」であることを示す。

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「音声」に対応するセンサ情報ＳＮ２が日時ＤＴ２−１に検知されたことを示す。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Ｕ１については、センサ情報ＳＮ２により予測される需要の強度が強度ＩＬＶ２（強度低）であることを示す。すなわち、ユーザＵ２については、日時ＤＴ２に入力したクエリに対応する対象「スマホＳＨ」への需要の強度が「低レベル」であることを示す。

なお、強度情報記憶部１２４は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、強度情報記憶部１２４は、複数のセンサ情報に基づいて、強度を予測した場合、予測した強度と、予測に用いた複数のセンサ情報を対応付けて記憶してもよい。

（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。

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

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

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

例えば、図８に示す例において、需要を予測する対象は、塩ラーメンであることを示す。また、対象「塩ラーメン」について、Ａエリアにおける需要のスコアが「１５０００」であることを示す。また、Ａエリアにおける塩ラーメンの需要レベルは、「高」であることを示す。

また、図８の例では、Ａエリアにおいて対象「塩ラーメン」を検索するユーザのうち、男性が「２０％」であり、女性が「８０％」であることを示す。また、図８の例では、Ａエリアにおいて対象「塩ラーメン」を検索するユーザのうち、１０代が「６５％」等であることを示す。

また、需要情報記憶部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。

（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。

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

（取得部１３１）
取得部１３１は、各種情報を取得する。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や強度情報記憶部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。

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、関連行動時におけるユーザの対象に対する需要の度合いに関連する強度情報とを取得する。取得部１３１は、センサにより検知されるセンサ情報を含む強度情報を取得する。取得部１３１は、関連行動時におけるユーザの状態を示すユーザ情報を含む強度情報を取得する。

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レベルを予測する。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。取得部１３１は、ユーザが入力した対象に対する需要の度合いに関連する入力情報を含む強度情報を取得する。

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

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

図１の例では、取得部１３１は、日時ＤＴ１−１において、所定のセンサにより検知されたユーザＵ１の画像情報であるセンサ情報ＳＮ１を端末装置１０−１から取得する。取得部１３１は、日時ＤＴ２−１において、所定のセンサにより検知されたユーザＵ２の音声情報であるセンサ情報ＳＮ２を端末装置１０−２から取得する。取得部１３１は、日時ＤＴ３−１において、所定のセンサにより検知されたユーザＵ３の生体情報であるセンサ情報ＳＮ３を端末装置１０−３から取得する。取得部１３１は、日時ＤＴ４−１において、所定のセンサにより検知されたユーザＵ４の音声情報であるセンサ情報ＳＮ４を端末装置１０−４から取得する。

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。

（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や強度情報記憶部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。

図１の例では、生成部１３２は、対象に関するスコアを生成する。例えば、生成部１３２は、関連行動に対応する対象に関する需要レベル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。図１の例では、生成部１３２は、対象「塩ラーメン」について、Ａエリア〜Ｄエリア等の複数のエリアごとのスコアを生成する。例えば、生成部１３２は、対象「塩ラーメン」について、各エリアにおける検索の回数と、各検索時におけるユーザの強度情報を用いてスコアを生成する。例えば、生成部１３２は、対象「塩ラーメン」について、検索の回数と、各検索時におけるユーザの需要の強度に基づく値（強度スコア）の平均とを乗算することにより、スコアを生成してもよい。また、生成部１３２は、対象「塩ラーメン」について、各検索に対応する強度スコアを合算することにより、スコアを生成してもよい。生成部１３２は、対象「塩ラーメン」について、各エリアにおける各検索に対応する強度スコアを合算することにより、各エリアに対応するスコアを生成してもよい。

生成部１３２は、予測強度が「高」である場合の強度スコアを「５」とし、予測強度が「中」である場合の強度スコアを「１」とし、予測強度が「低」である場合の強度スコアを「０．１」として、スコアを生成する。例えば、生成部１３２は、対象「塩ラーメン」について、予測強度「高」である検索が「１０」回であり、予測強度「中」である検索が「１００」回であり、予測強度「低」である検索が「１０」回である場合、スコアを「１５１（＝５＊１０＋１＊１００＋０．１＊１０）」と算出する。

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「塩ラーメン」について、Ａエリア〜Ｄエリア等の複数のエリアごとのスコアを生成する。例えば、生成部１３２は、Ａエリアにおける対象「塩ラーメン」のスコアを「１５０００」と算出する。例えば、生成部１３２は、Ｂエリアにおける対象「塩ラーメン」のスコアを「２０」と算出する。例えば、生成部１３２は、Ｃエリアにおける対象「塩ラーメン」のスコアを「８００」と算出する。例えば、生成部１３２は、Ｄエリアにおける対象「塩ラーメン」のスコアを「２００」と算出する。

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

（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や強度情報記憶部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。

予測部１３３は、取得部１３１により取得された行動情報と強度情報とに基づいて、対象に関する需要レベルを予測する。予測部１３３は、行動情報と強度情報とにより算出されるスコアに基づいて、需要レベルを予測する。予測部１３３は、関連行動の回数と強度情報とにより算出されるスコアに基づいて、需要レベルを予測する。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、前記需要レベルを予測する。

図１の例では、予測部１３３は、対象に関する関連行動時におけるユーザの対象に対する需要の強度を予測する。予測部１３３は、強度予測用情報を用いて、ユーザの対象に対する需要の強度を予測する。予測部１３３は、センサ情報を用いて、ユーザの対象に対する需要の強度を予測する。予測部１３３は、ユーザの関連行動から所定の期間内の強度予測用情報を用いて、関連行動時におけるユーザの対象に対する需要の強度を予測する。図１の例では、予測部１３３は、ユーザの関連行動から所定の期間内のセンサ情報を用いて、関連行動時におけるユーザの対象に対する需要の強度を予測する。

予測部１３３は、日時ＤＴ１におけるクエリ「塩ラーメン」を用いた検索行動であるユーザＵ１の関連行動におけるユーザＵ１の対象「塩ラーメン」に対する需要の強度を、日時ＤＴ１−１に検知されたユーザＵ１のセンサ情報ＳＮ１を用いて予測する。予測部１３３は、ユーザＵ１の空腹度合いを通常時と予測し、ユーザＵ１の対象「塩ラーメン」に対する需要の強度（予測強度）を強度ＩＬＶ１と予測する。具体的には、予測部１３３は、ユーザＵ１の空腹度合いが通常時であるため、強度情報記憶部１２４に示すように、ユーザＵ１の対象「塩ラーメン」に対する需要の強度を「中」と予測する。

また、予測部１３３は、日時ＤＴ２におけるクエリ「スマホＳＨ 赤」を用いた検索行動であるユーザＵ２の関連行動におけるユーザの対象「スマホＳＨ」に対する需要の強度を、日時ＤＴ２−１に検知されたユーザＵ２のセンサ情報ＳＮ２を用いて予測する。予測部１３３は、ユーザＵ２の対象「スマホＳＨ」に対する評価が、否定的な評価であると予測し、ユーザＵ２の対象「スマホＳＨ」に対する需要の強度（予測強度）を強度ＩＬＶ２と予測する。具体的には、予測部１３３は、ユーザＵ２が対象「スマホＳＨ」に対して否定的な評価であるため、強度情報記憶部１２４に示すように、ユーザＵ２の対象「スマホＳＨ」に対する需要の強度を「低」と予測する。

予測部１３３は、日時ＤＴ３における「塩ラーメン Ａエリア」を用いた検索行動であるユーザＵ３の関連行動におけるユーザＵ３の対象「塩ラーメン」に対する需要の強度を、日時ＤＴ３−１に検知されたユーザＵ３のセンサ情報ＳＮ３を用いて予測する。予測部１３３は、ユーザＵ３の空腹度合いを空腹時と予測し、ユーザＵ３の対象「塩ラーメン」に対する需要の強度（予測強度）を強度ＩＬＶ３と予測する。具体的には、予測部１３３は、ユーザＵ３の空腹度合いが通常時であるため、強度情報記憶部１２４に示すように、ユーザＵ３の対象「塩ラーメン」に対する需要の強度を「高」と予測する。

図１の例では、予測部１３３は、生成したスコアに関する情報に基づいて、需要を予測する。予測部１３３は、需要一覧ＤＬＴ１に示すように、対象「塩ラーメン」について、Ａエリア〜Ｄエリア等の複数のエリアごとの需要を予測する。例えば、予測部１３３は、対象について、各エリアに対応するスコアと、所定の閾値との比較に基づいて、エリアごとの需要を予測する。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。

予測部１３３は、Ａエリアにおける対象「塩ラーメン」のスコアが「１５０００」であり、第１閾値以上であるため、Ａエリアにおける対象「塩ラーメン」の需要を「高」と予測する。また、予測部１３３は、Ｂエリアにおける対象「塩ラーメン」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「塩ラーメン」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「塩ラーメン」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「塩ラーメン」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「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。

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

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。

（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。

提供部１３４は、予測部１３３により予測された需要レベルに関する情報を提供する。提供部１３４は、需要レベルに関する情報を、対象に関する事業者へ提供する。例えば、提供部１３４は、対象に関する需要を示す情報を、対象に関する事業者へ提供する。例えば、提供部１３４は、商品に関する需要を示す情報を、位置情報に対応するエリアに位置する事業者へ提供する。

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

〔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。

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「塩ラーメン」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「塩ラーメン Ａエリア」と位置情報ＬＣ３とを取得する。図１の例では、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。

また、情報処理装置１００は、行動時におけるユーザの対象に対する需要の度合いに関連する強度情報を取得する（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、所定のセンサにより検知されたユーザＵ１の画像情報であるセンサ情報ＳＮ１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、所定のセンサにより検知されたユーザＵ２の音声情報であるセンサ情報ＳＮ２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、所定のセンサにより検知されたユーザＵ３の生体情報（血糖値情報）であるセンサ情報ＳＮ３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、所定のセンサにより検知されたユーザＵ４の音声情報であるセンサ情報ＳＮ４を端末装置１０−４から取得する。

そして、情報処理装置１００は、行動情報と強度情報とに基づいて、対象に関する需要レベルを予測する（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「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レベルを予測する。

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、ラーメン店ＭＡの管理者Ｍ１が利用する事業者装置２０にＡエリアでは塩ラーメンの需要レベルが「高」であり、Ａエリアでの塩ラーメンの需要が高いことを示す情報を提供する。

〔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、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。

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。

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１２３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１２３に記憶する。

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１２３に記憶する。

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１２３に記憶する。

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１２３に記憶する。

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１２３に記憶する。

以下、ステップＳ１１−１〜Ｓ１１−５を区別せずに説明する場合、ステップＳ１１と総称する。また、ステップＳ１１−１〜Ｓ１１−５に限らず、各ユーザの検索は、複数回行われてもよい。なお、図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。

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１２３に示すように、ユーザＵ１〜Ｕ５等が検索に用いたクエリと、クエリによる検索時のユーザの位置ＬＣ１〜ＬＣ５等との組合せを収集する。

そして、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。

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。

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。

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。

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。

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。

〔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。

図１１中の行動情報記憶部１２３に示すように、同様のクエリ「スマホＳＨ」を用いて検索を行ったユーザＵ２、Ｕ５の位置がスマホＳＨと関連する位置との近さに応じて、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。

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。

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。

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。

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。

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。

〔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。

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。

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。

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。

〔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、関連行動時におけるユーザの対象に対する需要の度合いに関連する強度情報とを取得する。予測部１３３は、取得部１３１により取得された行動情報と強度情報とに基づいて、対象に関する需要レベルを予測する。

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、関連行動時におけるユーザの対象に対する需要の度合いに関連する強度情報とに基づいて、対象に関する需要レベル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。

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、センサにより検知されるセンサ情報を含む強度情報を取得する。

このように、実施形態に係る情報処理装置１００は、センサにより検知されるセンサ情報を含む強度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。

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、関連行動時におけるユーザの状態を示すユーザ情報を含む強度情報を取得する。

このように、実施形態に係る情報処理装置１００は、関連行動時におけるユーザの状態を示すユーザ情報を含む強度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。

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、行動情報と強度情報とにより算出されるスコアに基づいて、需要レベルを予測する。

このように、実施形態に係る情報処理装置１００は、行動情報と強度情報とにより算出されるスコアに基づいて、需要レベル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。

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、関連行動の回数と強度情報とにより算出されるスコアに基づいて、需要レベルを予測する。

このように、実施形態に係る情報処理装置１００は、関連行動の回数と強度情報とにより算出されるスコアに基づいて、需要レベル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。

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、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レベルを予測する。

このように、実施形態に係る情報処理装置１００は、関連行動時におけるユーザの位置情報に対応するエリアにおける需要レベル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。

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。

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。

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。

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。

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。

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。

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対する需要の度合いに関連する入力情報を含む強度情報を取得する。

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対する需要の度合いに関連する入力情報を含む強度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。

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レベルに関する情報を提供する。

このように、実施形態に係る情報処理装置１００は、需要レベル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。

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、需要レベルに関する情報を、対象に関する事業者へ提供する。

このように、実施形態に係る情報処理装置１００は、需要レベルに関する情報を、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。

〔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。

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

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

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

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

例えば、コンピュータ１０００が実施形態に係る情報処理装置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。

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。

〔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。

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

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

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

１ 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 強度情報記憶部
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

Claims (17)

1. ユーザによる対象に関連する行動であって、前記ユーザが利用する端末装置に対する前記ユーザの行動である関連行動を示す第１種別の情報である行動情報と、前記関連行動時における前記ユーザの前記対象に対する需要の度合いに関連し、前記端末装置に対する前記ユーザの行動以外により収集される前記ユーザの生体情報であって、前記第１種別とは異なる第２種別の生体情報である強度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と前記強度情報とに基づいて、前記対象に関する需要レベル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。
2. 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、前記関連行動時における前記ユーザの前記対象に対する需要の度合いに関連する前記ユーザの生体情報である強度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と前記強度情報とに基づいて、前記対象に関する需要レベルを予測する予測部と、
   前記予測部により予測された前記需要レベルに関する情報を、前記対象に関する事業者へ提供する提供部と、
   を備えることを特徴とする情報処理装置。
3. 前記予測部により予測された前記需要レベルに関する情報を提供する提供部、
   をさらに備えたことを特徴とする請求項１に記載の情報処理装置。
4. 前記提供部は、
   前記需要レベルに関する情報を、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３に記載の情報処理装置。
5. 前記取得部は、
   センサにより検知されるセンサ情報を含む前記強度情報を取得する
   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。
6. 前記取得部は、
   前記関連行動時における前記ユーザの状態を示すユーザ情報を含む前記強度情報を取得する
   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。
7. 前記予測部は、
   前記行動情報と前記強度情報とにより算出されるスコアに基づいて、前記需要レベルを予測する
   ことを特徴とする請求項１〜６のいずれか１項に記載の情報処理装置。
8. 前記予測部は、
   前記関連行動の回数と前記強度情報とにより算出されるスコアに基づいて、前記需要レベルを予測する
   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。
9. 前記取得部は、
   前記関連行動時における前記ユーザの位置情報を取得し、
   前記予測部は、
   前記位置情報に対応するエリアにおける前記需要レベルを予測する
   ことを特徴とする請求項１〜８のいずれか１項に記載の情報処理装置。
10. 前記取得部は、
    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１〜９のいずれか１項に記載の情報処理装置。
11. 前記取得部は、
    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１〜１０のいずれか１項に記載の情報処理装置。
12. 前記取得部は、
    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１〜１１のいずれか１項に記載の情報処理装置。
13. 前記取得部は、
    前記ユーザが入力した前記対象に対する需要の度合いに関連する入力情報を含む前記強度情報を取得する
    ことを特徴とする請求項１〜１２のいずれか１項に記載の情報処理装置。
14. コンピュータが実行する情報処理方法であって、
    ユーザによる対象に関連する行動であって、前記ユーザが利用する端末装置に対する前記ユーザの行動である関連行動を示す第１種別の情報である行動情報と、前記関連行動時における前記ユーザの前記対象に対する需要の度合いに関連し、前記端末装置に対する前記ユーザの行動以外により収集される前記ユーザの生体情報であって、前記第１種別とは異なる第２種別の生体情報である強度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と前記強度情報とに基づいて、前記対象に関する需要レベル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。
15. ユーザによる対象に関連する行動であって、前記ユーザが利用する端末装置に対する前記ユーザの行動である関連行動を示す第１種別の情報である行動情報と、前記関連行動時における前記ユーザの前記対象に対する需要の度合いに関連し、前記端末装置に対する前記ユーザの行動以外により収集される前記ユーザの生体情報であって、前記第１種別とは異なる第２種別の生体情報である強度情報とを取得する取得手順と、
    前記取得手順により取得された前記行動情報と前記強度情報とに基づいて、前記対象に関する需要レベル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。
16. コンピュータが実行する情報処理方法であって、
    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、前記関連行動時における前記ユーザの前記対象に対する需要の度合いに関連する前記ユーザの生体情報である強度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と前記強度情報とに基づいて、前記対象に関する需要レベルを予測する予測工程と、
    前記予測工程により予測された前記需要レベルに関する情報を、前記対象に関する事業者へ提供する提供工程と、
    を含むことを特徴とする情報処理方法。
17. 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、前記関連行動時における前記ユーザの前記対象に対する需要の度合いに関連する前記ユーザの生体情報である強度情報とを取得する取得手順と、
    前記取得手順により取得された前記行動情報と前記強度情報とに基づいて、前記対象に関する需要レベルを予測する予測手順と、
    前記予測手順により予測された前記需要レベルに関する情報を、前記対象に関する事業者へ提供する提供手順と、
    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。

Images