JP7117215B2 - 判定装置、判定方法、および判定プログラム - Google Patents

Description

開示の実施形態は、判定装置、判定方法、および判定プログラムに関する。

従来、利用者による店舗への訪問状態や利用状況を検出し、検出結果に基づいて所定のサービスを提供する技術が知られている。このような技術の一例として、顧客が来店した場合に、その顧客へ特典を付与する技術が知られている。

特開２００２－２７９２８５号公報

しかしながら、顧客が来店したからといって、その顧客が来店した店舗で取り扱われている商品等の所定の対象物に対して興味を持っているとは限らないので、特典の付与が無駄になる恐れがある。

実施形態の一態様は、上記に鑑みてなされたものであって、端末装置を携帯するユーザが所定の対象物に興味を持ったか否かを判定することができる判定装置、判定方法、および判定プログラムを提供することを目的とする。

実施形態の一態様に係る判定装置は、取得部と、判定部とを備える。取得部は、ユーザが携帯する端末装置に搭載されたセンサによって検知されるセンサ情報を取得する。判定部は、前記取得部によって取得される前記センサ情報に基づいて、所定の対象物に対する前記ユーザの興味度を判定する。

実施形態の一態様に係る判定装置、判定方法、および判定プログラムによれば、端末装置を携帯するユーザが所定の対象物に興味を持ったか否かを判定することができる。

図１は、実施形態に係る判定方法の概要を示す説明図である。 図２は、実施形態に係る判定装置の構成の一例を示すブロック図である。 図３Ａは、実施形態に係る学習モデルの作成手順の説明図である。 図３Ｂは、実施形態に係る学習モデルの作成手順の説明図である。 図３Ｃは、実施形態に係る学習モデルの作成手順の説明図である。 図３Ｄは、実施形態に係る学習モデルの作成手順の説明図である。 図４は、実施形態に係る提供リストの一例を示す説明図である。 図５は、実施形態に係る判定装置の制御部が実行する処理の一例を示すフローチャートである。 図６は、実施形態に係る判定装置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、本願に係る判定装置、判定方法、および判定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判定装置、判定方法、および判定プログラムが限定されるものではない。また、各実施形態は、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、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。

〔１．判定方法の概要〕
図１は、実施形態に係る判定方法の概要を示す説明図である。図１に示すように、例えば、端末装置１０－１のユーザＵは、例えば、家電製品を販売する店舗内で商品が陳列された陳列棚１００の前を歩いているときに、立ち止ってノートパソコン１１の方を見た後に店舗を出ることがある。

かかる行動を取ったユーザＵは、店舗でノートパソコン１１の購入を迷ったあげく、結局ノートパソコン１１の購入を諦めて店舗を出た可能性がある。そして、かかるユーザは、後日、例えば、インターネット上のショッピングサイト等を利用し、店舗での販売価格よりも安い価格でノートパソコン１１を購入する場合がある。

かかる場合、店舗側は、ユーザＵに店舗でノートパソコン１１を購入してもらう機会を逸することになり、商品の売り上げが減少する。このとき、例えば、ユーザＵが店舗内でノートパソコン１１に興味を持ったという情報を店舗へ提供することができれば、店舗側は、ユーザＵに対して、ノートパソコン１１の購入を促すような何等かの対応をとることができ、売り上げを増大させることができる。

そこで、実施形態に係る判定装置１は、店舗内を移動するユーザＵが携帯する端末装置１０－１から、端末装置１０－１に搭載されたセンサによって検出されるセンサ情報を取得する（ステップＳ１）。

具体的には、例えば、ユーザＵが携帯するスマートフォン等の端末装置１０－１には、近年、ＧＰＳ（Global Positioning System）センサが搭載されている。ＧＰＳセンサは、ＧＰＳ衛星から受信する電波に基づいてユーザＵの位置を測位するセンサである。

このため、判定装置１は、端末装置１０－１のＧＰＳセンサからセンサ情報を取得することによって、店舗内のユーザＵの位置を判定することができ、ユーザの位置と店舗内の商品の陳列場所とから、ユーザＵが興味を持った商品を特定することができる。

例えば、判定装置１は、ユーザＵが店舗内でノートパソコン１１の前で立ち止り、所定時間以上ノートパソコン１１の前を離れなかった場合に、ユーザＵがノートパソコン１１に興味を持ったと判定することができる。

また、例えば、判定装置１は、ユーザＵが店舗内を移動しながら、複数回ノートパソコン１１の前に立ち寄った場合等にも、ユーザＵがノートパソコン１１に興味を持ったと判定することができる。

このように、判定装置１は、端末装置１０－１から取得したセンサ情報に基づき、ユーザＵがノートパソコン１１に興味ありと判定した場合（ステップＳ２）、ユーザＵのノートパソコン１１に対する興味度の判定結果を含む情報を店舗装置１１０へ提供する（ステップＳ３）。

店舗装置１１０は、ユーザＵが来店してノートパソコン１１に興味を持った店舗によって管理される装置である。かかる店舗装置１１０は、判定装置１からユーザＵのノートパソコン１１に対する興味度の判定結果を含む情報の提供を受け付けた場合、ユーザＵの端末装置１０－１へノートパソコン１１に関する情報を配信することができる（ステップＳ４）。

例えば、店舗装置１１０は、ユーザＵの端末装置１０－１へノートパソコン１１を他の店舗よりも低価格で購入することが可能となるクーポンコンテンツ等のリターゲティング広告を配信することができる。これにより、店舗は、ユーザＵによるノートパソコン１１の購買意欲を高めることができる。

このように、判定装置１によれば、端末装置１０－１から取得するセンサ情報に基づき、ユーザＵがノートパソコン１１に興味ありと判定した場合、その判定結果を含む店舗側にとって有用な情報を店舗装置１１０へ提供することができる。

また、近年の端末装置１０－１には、モーションセンサが搭載されている。モーションセンサは、加速度センサやジャイロセンサ等を含んでおり、例えば、端末装置１０－１の画面の向きの検知や、ＰＤＲ（Pedestrian Dead Reckoning：歩行者自立航法）で歩行するユーザＵの位置を測位することが、これまでの主たる用途であった。

モーションセンサは、加速度センサやジャイロセンサ等を備えるため、例えば、ユーザＵが立ち止まったり、振り向いたり、しゃがんだり、一緒にいる人と会話したりする際の僅かな振動や挙動までを検知することができる。

このため、判定装置１は、端末装置１０－１からモーションセンサによって検知されるセンサ情報を取得し、取得したセンサ情報に基づいて、店舗内に陳列されている特定の商品に対するユーザＵの興味度を判定することもできる。

これにより、判定装置１は、特定の商品に対するユーザＵの興味度をより正確に判定することができる。かかる場合、判定装置１は、興味を持った特定の商品の近傍で他のユーザがとる特徴的な挙動に対応するセンサ情報を予め機械学習した学習モデルを使用して、特定の商品に対するユーザＵの興味度を判定する。なお、学習モデルの作成手順の一例については、図３Ａ～図３Ｄを参照して後述する。

〔２．判定装置１の構成〕
次に、図２を参照し、実施形態に係る判定装置１の構成の一例について説明する。図２は、実施形態に係る判定装置１の構成の一例を示すブロック図である。図２に示すように、判定装置１は、通信部２と、記憶部３と、制御部４とを備える。

（通信部２について）
通信部２は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。通信部２は、例えば、インターネット等の通信ネットワークＮと無線で接続され、通信ネットワークＮを介して、複数の端末装置１０－１～端末装置１０－ｎ（ｎは、２以上の自然数）、店舗装置１１０、および広告配信装置１１１との間で情報の送受信を行う。

以下の説明では、複数の端末装置１０－１～端末装置１０－ｎのうち、任意の装置を示す場合には、端末装置１０と記載する。各端末装置１０は、例えば、ユーザが携帯するスマートフォンやタブレット端末である。

各端末装置１０は、ＧＰＳセンサ１０１とモーションセンサ１０２とを備える。モーションセンサ１０２は、例えば、加速度センサ、ジャイロセンサ、歩数センサ、および生体センサ等を含む。

加速度センサは、端末装置１０の加速度を検知するセンサである。ジャイロセンサは、端末装置１０の姿勢および角速度等を検知するセンサである。歩数センサは、端末装置１０のユーザが歩行した歩数を計数するセンサである。

生体センサは、端末装置１０のユーザの心拍数や体温等を検知するセンサである。なお、図２では、端末装置１０が備えるＧＰＳセンサ１０１およびモーションセンサ１０２以外の構成要素の図示を省略している。

店舗装置１１０は、商品を実際に陳列して販売する実店舗によって管理される装置である。また、広告配信装置１１１は、端末装置１０等へ各種広告コンテンツを配信する装置である。

（記憶部３について）
記憶部３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。記憶部３は、陳列場所情報３１と、学習モデル３２と、提供リスト３３とを有する。

陳列場所情報３１は、店舗内における特定の商品の陳列場所と、その場所に陳列されている商品の識別情報とが対応付けられた情報である。なお、陳列場所情報３１には、店舗内における全商品の陳列場所と、その場所に陳列されている商品の識別情報とが含まれてもよい。提供リスト３３は、判定装置１から店舗装置１１０および広告配信装置１１１へ提供する情報のリストである。提供リスト３３の一例については、図４を参照して後述する。

学習モデル３２は、端末装置１０から取得されるユーザの位置およびモーションセンサ１０２によって検知されるセンサ情報が入力された場合に、そのユーザが特定の商品に興味を持ったか否か、さらに特定の商品の購入を迷ったか否かの判別結果を出力する。

かかる学習モデル３２は、興味を持った特定の商品の近傍でユーザがとる特徴的な挙動に対応するセンサ情報を予め機械学習することで作成される。ここで、図３Ａ～図３Ｄを参照し、学習モデル３２の作成手順の一例について説明する。

（学習モデル３２の作成手順の一例）
図３Ａ～図３Ｄは、実施形態に係る学習モデルの作成手順の説明図である。図３Ａに示すように、学習モデル３２を作成する場合には、正解付センサ情報Ｄを事前に用意する。このとき、正解付センサ情報Ｄとして、特定の商品に興味を持ったユーザの端末装置１０から取得された多数のセンサ情報と、特定の商品の購入に迷ったユーザの端末装置１０から取得された多数のセンサ情報とを用意する。さらに、特定の商品に興味を持たなかったユーザの端末装置１０から取得された多数のセンサ情報とを用意する。

例えば、ノートパソコン１１に対する顧客（端末装置１０のユーザ）の興味度の判定に使用する学習モデル３２を作成する場合には、ノートパソコン１１の周辺を通行するユーザをカメラによって撮影する。

そして、カメラによって撮影された映像から、ノートパソコン１１に興味を持ったユーザと、ノートパソコン１１に興味を持ち購入に迷ったユーザと、ノートパソコン１１に興味を持たなかったユーザとをそれぞれ特定する。そして、各ユーザの端末装置１０からユーザの位置およびモーションセンサ１０２によって検知されたセンサ情報を収集する。

図３Ａに示すセンサ情報＃１～＃５は、特定の商品に興味を持ったユーザの端末装置１０から取得されたセンサ情報である。また、センサ情報＃１～＃５のうち、センサ情報＃４，＃５は、特定の商品の購入に迷ったユーザの端末装置１０から取得されたセンサ情報である。また、センサ情報＃６は、特定の商品に興味を持たなかったユーザの端末装置１０から取得されたセンサ情報である。

センサ情報＃１は、例えば、ノートパソコン１１の前で立ち止まってノートパソコン１１を注視したユーザの端末装置１０から取得されたセンサ情報である。センサ情報＃２は、例えば、ノートパソコン１１へ向かって真っすぐに歩いたユーザの端末装置１０から取得されたセンサ情報である。

センサ情報＃３は、例えば、ノートパソコン１１を探しながら歩いたユーザの端末装置１０から取得されたセンサ情報である。センサ情報＃４は、例えば、ノートパソコン１１を見ながら会話したユーザの端末装置１０から取得されたセンサ情報である。

センサ情報＃５は、例えば、ノートパソコン１１を試しに繰り返し操作したユーザの端末装置１０から取得されたセンサ情報である。センサ情報＃６は、例えば、ノートパソコン１１を見ずに素通りしたユーザの端末装置１０から取得されたセンサ情報である。なお、センサ情報＃１～センサ情報＃６には、それぞれが取得された場所およびユーザが移動した経路等の位置が含まれている。

その後、収集した各センサ情報＃１～＃６等に正解として、ユーザがノートパソコン１１に興味を持った、興味を持ち且つ購入を迷った、または、興味を持たなかったといういずれか一方の情報を付与し、学習モデル３２の作成機能を備えるコンピュータＰＣへ入力する。コンピュータＰＣは、例えば、ＦＭ（Factorization Machines）による機械学習によって学習モデル３２を作成する。

例えば、図３Ｂに示すように、コンピュータＰＣは、入力されるセンサ情報＃１～＃６等のセンサ情報を所定の座標平面Ｍ上にプロットする。図３Ｂには、ユーザが興味を持ったという正解が付与されたセンサ情報を白点で示しており、興味を持ち且つ購入を迷ったという正解が付与されたセンサ情報を白抜きの三角で示しており、ユーザが興味を持たなかったという正解が付与されたセンサ情報を黒点で示している。

続いて、コンピュータＰＣは、図３Ｃに示すように、ユーザが興味を持ったという正解が付与された白点または白抜き三角で示すセンサ情報群と、ユーザが興味を持たなかったという正解が付与された黒点で示すセンサ情報群とを分類するための境界線Ｌ１を座標平面Ｍに設定する。

さらに、コンピュータＰＣは、ユーザが興味を持ったという正解が付与された白点で示すセンサ情報群と、興味を持ち且つ購入を迷ったという正解が付与された白抜き三角で示すセンサ情報群とを分類するための境界線Ｌ２を座標平面Ｍに設定する。

そして、図３Ｄに示すように、コンピュータＰＣは、座標平面Ｍ内で境界線Ｌ１よりも上の領域を興味あり領域とし、境界線Ｌ１よりも下の領域を興味なし領域とし、興味あり領域のうち、境界線Ｌ２よりも左側の領域を、購入を迷った領域とする学習モデル３２を作成する。

かかる学習モデル３２は、例えば、あるユーザの端末装置１０から取得されたユーザの位置およびセンサ情報が入力された場合、ユーザの位置を含むセンサ情報Ｄ１を座標平面Ｍ上にプロットする。

このとき、図３Ｄに示すように、センサ情報Ｄ１をプロットした領域が購入を迷った領域である場合、学習モデル３２は、センサ情報Ｄ１を取得した端末装置１０のユーザがノートパソコン１１に興味を持ち且つ購入を迷ったという判別結果を出力する。

（制御部４について）
図２へ戻り、制御部４について説明する。制御部４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、判定装置１内部の記憶装置に記憶されている各種プログラム（判定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４は、例えば、コントローラであり、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２に示すように、制御部４は、取得部４１と、判定部４２と、提供部４３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。なお、制御部４の内部構成は、図２に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。

（取得部４１について）
取得部４１は、端末装置１０からＧＰＳセンサ１０１によって検知されるセンサ情報と、モーションセンサ１０２によって検知されるセンサ情報とを取得する。このとき、取得部４１は、端末装置１０のＧＰＳセンサ１０１によってユーザの位置が測位されている場合には、ＧＰＳセンサ１０１からユーザの位置を取得する。

ただし、端末装置１０では、ＧＰＳセンサ１０１によってユーザの位置を測位できない場合がある。例えば、端末装置１０は、地下の店舗施設等の中にいる場合、ＧＰＳ衛星からの電波を受信することができないため、ＧＰＳセンサ１０１による測位ができない。

かかる場合、取得部４１は、例えば、ＰＤＲによってユーザの位置を測位することができる。取得部４１は、ＧＰＳ衛星からの電波を受信できない場合、ＧＰＳセンサ１０１によって最後に測位されたユーザの位置と、その後、モーションセンサ１０２によって検知された加速度、角速度、およびユーザの歩数等とに基づき推定したユーザの位置を取得する。そして、取得部４１は、取得した複数の端末装置１０のユーザの位置およびセンサ情報を順次判定部４２へ出力する。

また、取得部４１は、ＧＰＳ衛星からの電波を受信できない場合に、複数のＷｉＦｉアクセスポイントからの電波を受信できれば、各ＷｉＦｉアクセスポイントから受信電波の受信強度の違いから、３点測位によってユーザの位置を取得することもできる。

また、取得部４１は、ＧＰＳ衛星からの電波を受信できない場合に、例えば、店舗内に設置されるビーコン発信器から発信される信号に基づいてユーザの位置を取得することもできる。

（判定部４２について）
判定部４２は、取得部４１から順次入力される各ユーザの位置と、記憶部３に記憶された陳列場所情報３１とに基づいて、ユーザが特定の商品に興味を持ったか否か、および特定の商品の購入を迷ったか否かを判定する。

さらに、判定部４２は、取得部４１から順次入力される各ユーザの位置およびモーションセンサ１０２によって検知されたセンサ情報を学習モデル３２へ入力する。そして、判定部４２は、学習モデル３２の出力に基づいて、ユーザが特定の商品に興味を持ったか否か、および特定の商品の購入を迷ったか否かを判定する。

そして、判定部４２は、各ユーザの位置および陳列場所情報３１に基づく判定結果と、各ユーザの位置、モーションセンサ１０２によって検知されたセンサ情報、および学習モデル３２に基づく判定結果とのＡＮＤまたはＯＲを取って、特定の商品の購入に迷ったユーザを判定する。

そして、判定部４２は、判定結果を提供リスト３３に登録する。これにより、例えば、図４に示すように、提供リスト３３には、例えば、Ａ社製のノートパソコンの購入に迷ったユーザのユーザＩＤと来店日時や、Ｂ社製のタブレット型端末の購入に迷ったユーザのユーザＩＤと来店日時等の情報がリスト形式で登録される。

（提供部４３ついて）
提供部４３は、提供リスト３３に含まれる情報を店舗装置１１０や広告配信装置１１１へ提供する。これにより、提供部４３から情報の提供を受けた店舗装置１１０や広告配信装置１１１は、例えば、特定の商品の購入を迷って購入しなかったユーザへ、その商品を他の店舗よりも低価格で購入することが可能なクーポンコンテンツ等のリターゲティング広告を配信することができる。これにより、購入を迷った特定の商品に対するユーザの購買意欲を高めることができる。

〔３．処理手順〕
次に、図５を参照し、実施形態に係る判定装置１の制御部４が実行する処理の一例について説明する。図５は、実施形態に係る判定装置１の制御部４が実行する処理の一例を示すフローチャートである。

図５に示すように、制御部４は、まず、ユーザの端末装置１０からセンサ情報を取得する（ステップＳ１０１）。続いて、制御部４は、取得したセンサ情報に基づいて、特定の商品に対するユーザの興味度を判定する（ステップＳ１０２）。

さらに、制御部４は、ユーザが特定の商品の購入を迷っているか否かを判定する（ステップＳ１０３）。そして、制御部４は、特定の商品に対するユーザの興味度の判定結果、およびユーザが特定の商品の購入を迷っているか否かの判定結果を含む情報を、店舗装置１１０や広告配信装置１１１へ提供し（ステップＳ１０４）、処理を終了する。

〔４．変形例〕
上述した判定装置１は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、判定装置１の変形例について説明する。上述した実施形態では、判定装置１は、ユーザの位置に基づく判定処理と、ユーザの位置、モーションセンサ１０２のセンサ情報、および学習モデル３２に基づく判定処理とによって、ユーザが特定の商品の購入を迷ったか否かを判定したが、これは一例である。

判定装置１は、ユーザの位置に基づく判定処理と、ユーザの位置、モーションセンサ１０２のセンサ情報、および学習モデル３２に基づく判定処理とのうち、いずれか一方の処理を行って、ユーザが特定の商品の購入を迷ったか否かを判定してもよい。

また、上述した実施形態では、判定装置１は、有用な情報として、提供リスト３３を店舗装置１１０よび広告配信装置１１１へ提供する場合について説明したが、端末装置１０へ提供リスト３３に基づく有用な情報を提供してもよい。

例えば、判定装置１は、店舗と広告配信業務で提携している場合には、提供リスト３３の情報に基づき、端末装置１０へ購入を迷った特定の商品に関するリターゲティング広告等を直接配信してもよい。

これにより、判定装置１は、提供リスト３３を店舗装置１１０よび広告配信装置１１１へ提供する場合に比べて、より迅速に端末装置１０へリターゲティング広告を配信することができる。

また、上述した実施形態では、判定部４２は、ユーザが特定の商品の購入を迷ったか否かを判定したが、ユーザが実店舗で提供される特定のサービスの利用を迷ったか否かを判定することもできる。

また、上述した実施形態では、判定装置１の制御部４が提供部４３を備える場合について説明したが、制御部４は、少なくとも取得部４１および判定部４２を備えていれば、必ずしも提供部４３を備えなくてもよい。

かかる構成の場合、判定装置１は、例えば、提供部４３を備える提供装置へ判定部４２による判定結果を送信し、提供装置から店舗装置１１０、広告配信装置１１１、および端末装置１０等へ判定部４２による判定結果に応じた情報を提供させる。

〔５．ハードウェア構成〕
上述してきた実施形態に係る判定装置１は、例えば図６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６は、判定装置１の機能を実現するコンピュータ１０００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、ＨＤＤ１４００、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又はＨＤＤ１４００に記憶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記憶する。

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記憶する。通信Ｉ／Ｆ（インターフェイス）１５００は、通信ネットワーク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、通信ネットワークＮを介して他の機器へ送信する。

ＣＰＵ１１００は、入出力Ｉ／Ｆ１６００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Ｉ／Ｆ１６００を介して、入力装置からデータを取得する。また、ＣＰＵ１１００は、入出力インターフェイス１６００を介して生成したデータを出力装置へ出力する。なお、図６では、入力装置および出力装置を合わせて入出力装置として記載している。

メディアインターフェイス１７００は、記録媒体１８００に記憶されたプログラム又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が実施形態に係る判定装置１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４の機能を実現する。また、ＨＤＤ１４００には、記憶部３内のデータが記憶される。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、他の装置から通信ネットワークＮを介してこれらのプログラムを取得してもよい。

〔６．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変更することができる。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。例えば、図２に示した取得部４１と、判定部４２とは統合されてもよい。また、例えば、記憶部３に記憶される情報は、通信ネットワークＮを介して、外部に備えられた所定の記憶装置に記憶されてもよい。

また、上記実施形態では、判定装置１が、例えば、ユーザが携帯する端末装置に搭載されたセンサによって検知されるセンサ情報を取得する取得処理と、取得処理によって取得されるセンサ情報に基づいて、所定の対象物に対するユーザの興味度を判定する判定処理と、判定処理による判定結果に基づいて、情報を提供する提供処理と、を行う例を示した。

しかし、上述した判定装置１は、取得処理を行う取得装置と、判定処理を行う判定装置と、提供処理を行う提供装置とに分離されてもよい。この場合、取得装置は、少なくとも取得部４１を有する。判定装置は、少なくとも判定部４２を有する。提供装置は、少なくとも提供部４３を有する。そして、上記の判定装置１による処理は、取得装置と、判定装置と、提供装置との各装置を有する情報提供システムによって実現される。

また、上述してきた実施形態及び変形例は、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。

〔７．効果〕
上述してきたように、実施形態に係る判定装置１は、取得部４１と、判定部４２とを備える。取得部４１は、ユーザが携帯する端末装置１０に搭載されたセンサによって検知されるセンサ情報を取得する。判定部４２は、取得部４１によって取得されるセンサ情報に基づいて、所定の対象物に対するユーザの興味度を判定する。これにより、判定装置１は、端末装置１０を携帯するユーザが所定の対象物に興味を持ったか否かを判定することができる。

また、判定装置１は、提供部４３をさらに備える。提供部４３は、判定部４２による判定結果に基づいて、情報を提供する。これにより、判定装置１は、例えば、所定の対象物に対するユーザの興味度に応じた有用な情報を提供することができる。

また、判定部４２は、取得部４１によって取得されるセンサ情報に基づいて、ユーザが特定の商品の購入または特定のサービスの利用を迷っているか否かを判定する。これにより、判定装置１は、例えば、ユーザが購入を迷っている特定の商品または利用を迷っている特定のサービスに関する有用な情報を提供することができる。

また、提供部４３は、特定の商品または特定のサービスを提供する実店舗へ、判定部４２による判定結果を含む情報を提供する。これにより、例えば、特定の商品を販売する店舗は、特定の商品の購入を迷っているユーザに対して、積極的な販促行動を行うことができる。

また、提供部４３は、端末装置１０へ広告コンテンツを配信する広告配信装置１１１へ、判定部４２による判定結果を含む情報を提供する。これにより、広告配信装置１１１は、例えば、ユーザの端末装置１０へ購入を迷っている特定の商品に関する広告コンテンツを配信することによって、特定の商品に対するユーザの購買意欲を高めることができる。

また、提供部４３は、特定の商品の購入または特定のサービスの利用を迷っていると判定部４２によって判定されたユーザへ特定の商品に関する情報を提供する。これにより、判定装置１は、特定の商品に対するユーザの購買意欲を高めることができる。

また、取得部４１は、センサ情報に含まれるユーザの位置を取得し、判定部４２は、取得部４１によって取得されるユーザの位置に基づいて、所定の対象物に対するユーザの興味度を判定する。これにより、判定装置１は、所定の対象物に対するユーザの興味度を正確に判定することができる。

また、取得部４１は、センサに含まれるモーションセンサによって検知されるセンサ情報を取得し、判定部４２は、取得部４１によって取得されるモーションセンサによって検知されるセンサ情報に基づいて、所定の対象物に対するユーザの興味度を判定する。これにより、判定装置１は、所定の対象物に対するユーザの興味度をより正確に判定することができる。

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、これは例示であり、発明の開示の欄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。

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 判定装置
２ 通信部
３ 記憶部
３１ 陳列場所情報
３２ 学習モデル
３３ 提供リスト
４ 制御部
４１ 取得部
４２ 判定部
４３ 提供部
１０，１０－１～１０－ｎ 端末装置
１１０ 店舗装置
１１１ 広告配信装置

Claims (9)

1. ユーザが携帯する端末装置に搭載されたセンサによって検知されるセンサ情報を取得する取得部と、
   興味を持った特定の対象物の近傍で他のユーザがとる特徴的な挙動に対応するセンサ情報を予め機械学習し、前記取得部によって取得される前記センサ情報が入力された場合に、所定の対象物に対する前記ユーザの興味度を出力する学習モデルを使用して、所定の対象物に対する前記ユーザの興味度を判定する判定部と
   を備え、
   前記判定部は、
   前記取得部によって取得される前記センサ情報に基づいて、前記ユーザが特定の商品の購入または特定のサービスの利用を迷っているか否かを判定する
   ことを特徴とする判定装置。
2. 前記判定部による判定結果に基づいて、情報を提供する提供部
   をさらに備えることを特徴とする請求項１に記載の判定装置。
3. 前記提供部は、
   前記特定の商品または前記特定のサービスを提供する実店舗へ、前記判定部による判定結果を含む情報を提供する
   ことを特徴とする請求項２に記載の判定装置。
4. 前記提供部は、
   前記端末装置へ広告コンテンツを配信する広告配信装置へ、前記判定部による判定結果を含む情報を提供する
   ことを特徴とする請求項２または請求項３に記載の判定装置。
5. 前記提供部は、
   前記特定の商品の購入または特定のサービスの利用を迷っていると前記判定部によって判定された前記ユーザへ前記特定の商品または前記特定のサービスに関する情報を提供する
   ことを特徴とする請求項２～４のいずれか一つに記載の判定装置。
6. 前記取得部は、
   前記センサ情報に含まれる前記ユーザの位置を取得し、
   前記判定部は、
   前記取得部によって取得される前記ユーザの位置に基づいて、前記興味度を判定する
   ことを特徴とする請求項１～５のいずれか一つに記載の判定装置。
7. 前記取得部は、
   前記センサに含まれるモーションセンサによって検知されるセンサ情報を取得し、
   前記判定部は、
   前記取得部によって取得されるモーションセンサによって検知されるセンサ情報に基づいて、前記興味度を判定する
   ことを特徴とする請求項６に記載の判定装置。
8. コンピュータが実行する判定方法であって、
   ユーザが携帯する端末装置に搭載されたセンサによって検知されるセンサ情報を取得する取得工程と、
   興味を持った特定の対象物の近傍で他のユーザがとる特徴的な挙動に対応するセンサ情報を予め機械学習し、前記取得工程によって取得される前記センサ情報が入力された場合に、所定の対象物に対する前記ユーザの興味度を出力する学習モデルを使用して、所定の対象物に対する前記ユーザの興味度を判定する判定工程と
   を含み、
   前記判定工程は、
   前記取得工程によって取得される前記センサ情報に基づいて、前記ユーザが特定の商品の購入または特定のサービスの利用を迷っているか否かを判定する
   ことを特徴とする判定方法。
9. ユーザが携帯する端末装置に搭載されたセンサによって検知されるセンサ情報を取得する取得手順と、
   興味を持った特定の対象物の近傍で他のユーザがとる特徴的な挙動に対応するセンサ情報を予め機械学習し、前記取得手順によって取得される前記センサ情報が入力された場合に、所定の対象物に対する前記ユーザの興味度を出力する学習モデルを使用して、所定の対象物に対する前記ユーザの興味度を判定する判定手順と
   をコンピュータに実行させ、
   前記判定手順は、
   前記取得手順によって取得される前記センサ情報に基づいて、前記ユーザが特定の商品の購入または特定のサービスの利用を迷っているか否かを判定する
   ことを特徴とする判定プログラム。

Images