JP7250057B2 - 学習装置、学習方法及び学習プログラム - Google Patents

学習装置、学習方法及び学習プログラム Download PDF

Info

Publication number
JP7250057B2
JP7250057B2 JP2021041533A JP2021041533A JP7250057B2 JP 7250057 B2 JP7250057 B2 JP 7250057B2 JP 2021041533 A JP2021041533 A JP 2021041533A JP 2021041533 A JP2021041533 A JP 2021041533A JP 7250057 B2 JP7250057 B2 JP 7250057B2
Authority
JP
Japan
Prior art keywords
user
message
learning
unit
information
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
Application number
JP2021041533A
Other languages
English (en)
Other versions
JP2022141302A (ja
Inventor
裕樹 甲斐
大二朗 冨永
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yahoo Japan Corp
Original Assignee
Yahoo Japan Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yahoo Japan Corp filed Critical Yahoo Japan Corp
Priority to JP2021041533A priority Critical patent/JP7250057B2/ja
Publication of JP2022141302A publication Critical patent/JP2022141302A/ja
Application granted granted Critical
Publication of JP7250057B2 publication Critical patent/JP7250057B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Description

本発明は、学習装置、学習方法及び学習プログラムに関する。
従来、インターネットを介した情報配信に関する技術が提供されている。このような技術の一例として、指定した相手へ感謝メッセージを送信する技術が提供されている。
特開２０１９－１０１６４６号公報
しかしながら、上述した技術では、利用者の購買行動に応じて提供するメッセージの精度を向上させることができるとは限らない。
例えば、上述した技術では、利用者が入力したメッセージ内容の送受信をしているに過ぎず、利用者の購買行動に応じて提供するメッセージの精度を向上させているとは限らない。
本願は、上記に鑑みてなされたものであって、利用者の購買行動に応じて提供するメッセージの精度を向上させることを目的とする。
本願に係る学習装置は、利用者の取引対象の購買に関連する購買行動に応じて当該利用者に提供されるメッセージであって、当該購買行動のコンテキストに基づくメッセージが提供された後の当該利用者の行動情報を取得する取得部と、前記取得部により取得された行動情報に基づいて、前記メッセージを評価する評価部と、前記評価部による評価結果をモデルに学習させる学習部とを有することを特徴とする。
実施形態の一態様によれば、利用者の購買行動に応じて提供するメッセージの精度を向上させ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提供処理の一例を示す図である。 図２は、実施形態に係る情報提供装置の構成例を示す図である。 図３は、実施形態に係る利用者情報データベースの一例を示す図である。 図４は、実施形態に係る取引対象情報データベースの一例を示す図である。 図５は、実施形態に係る情報提供処理の手順の一例を示すフローチャートである。 図６は、情報提供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。
以下に本願に係る学習装置、学習方法及び学習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学習装置、学習方法及び学習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。
〔１．実施形態〕
図１を用いて、本実施形態の学習装置等により実現される情報提供処理を説明する。図１は、実施形態に係る情報提供処理の一例を示す図である。なお、図１では、本願に係る提供装置の一例である情報提供装置１０によって、実施形態に係る情報提供処理などが実現されるものとする。
図１に示すように、実施形態に係る情報提供システム１は、情報提供装置１０と、端末装置１００とを含む。情報提供装置１０及び端末装置１００は、ネットワークＮ（例えば、図２参照）を介して有線または無線により相互に通信可能に接続される。ネットワークＮは、例えば、インターネットなどのＷＡＮ（Wide Area Network）である。なお、図１に示した情報提供システム１には、複数台の情報提供装置１０及び複数台の端末装置１００が含まれていてもよい。
図１に示す情報提供装置１０は、情報提供処理を行う情報処理装置であり、例えば、サーバ装置やクラウドシステム等により実現される。図１の例において、情報提供装置１０は、例えば、取引対象（商品）に関する商品情報や、利用者に関する利用者情報などの情報を管理し、これらの情報に基づいて電子商取引に関する各種サービスを利用者に提供する。図１に示す例では、情報提供装置１０が電子商取引サービスの一例であるショッピングサービスを提供する例を示す。
なお、情報提供装置１０は、サービスに係るウェブサイトを提供するウェブサーバとしての機能を有していてもよい。また、情報提供装置１０は、端末装置１００にインストールされた各種サービスに関するアプリケーションに表示する情報を、情報提供装置１０に配信する装置であってもよい。また、情報提供装置１０は、アプリケーションのデータそのものを配信するサーバであってもよい。
また、情報提供装置１０は、端末装置１００に制御情報を配信する配信装置として機能してもよい。ここで、制御情報は、例えば、ＪａｖａＳｃｒｉｐｔ（登録商標）等のスクリプト言語やＣＳＳ（Cascading Style Sheets）等のスタイルシート言語により記述される。なお、情報提供装置１０から配信されるアプリケーションそのものを制御情報とみなしてもよい。
図１に示す端末装置１００は、利用者によって利用される情報処理装置である。端末装置１００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。また、端末装置１００は、情報提供装置１０によって配信される情報を、ウェブブラウザやアプリケーションにより表示する。なお、図１に示す例では、端末装置１００がスマートフォンである場合を示す。
以下、図１を用いて、情報提供装置１０が行う情報提供処理の一例について説明する。なお、以下の説明において、端末装置１００は、利用者Ｕ１によって利用されるものとする。また、以下の説明では、端末装置１００を利用者Ｕ１と同一視する場合がある。すなわち、以下では、利用者Ｕ１を端末装置１００と読み替えることもできる。
まず、情報提供装置１０は、自装置が提供するショッピングサービスにおいて、利用者の商品の購買に関連する購買行動を検知する（ステップＳ１）。例えば、情報提供装置１０は、商品のお気に入り登録に関する操作や、商品の評価（レビュー）の投稿、ショッピングサービスにおける仮想的なカートへ商品を投入する操作、商品の購入操作などといった購買行動を検知する。なお、図１の例において、情報提供装置１０は、利用者Ｕ１による商品＃１の購入操作を検知したものとする。
続いて、情報提供装置１０は、購買行動のコンテキストと、購買行動に応じて利用者に提供するメッセージとの関係性を学習したモデルＭを用いて、利用者Ｕ１に提供するメッセージを抽出する（ステップＳ２）。例えば、情報提供装置１０は、利用者の購買行動の内容や、利用者情報（例えば、デモグラフィック属性やサイコグラフィック属性など）、購買行動の対象である商品の商品情報（例えば、カテゴリ（コンセプト）や、価格、在庫など）、購買行動に至るまでの利用者の行動履歴（例えば、商品情報の閲覧履歴や、商品の購入履歴など）などといった情報を含む購買行動のコンテキストが入力された場合に、購買行動に対する利用者の承認欲求を満たすメッセージを出力するよう学習されたモデルＭを生成する。そして、情報提供装置１０は、利用者Ｕ１の購買行動のコンテキストをモデルＭに入力し、メッセージを出力させることで、利用者Ｕ１に提供するメッセージを抽出する。
具体的な例を挙げると、情報提供装置１０は、購買行動のコンテキストと、購買行動に対する利用者の承認欲求を満たすメッセージ群（例えば、「いい商品かいましたね」や、「さすがですね」、「ついに買ったんですね！」など）との関係性を特定するためのＡＢテストを実施し、購買行動のコンテキストを入力した場合に、ＡＢテストにおいてより肯定的な反応を利用者から得られたと判定したメッセージを出力するようにモデルＭを学習する。ここで、情報提供装置１０は、メッセージが提供された利用者が投稿した商品若しくはショッピングサービスのレビューが所定の閾値以上である場合や、メッセージが提供された利用者が商品を再度購入した場合などに、肯定的な反応を利用者から得られたと判定する。
続いて、情報提供装置１０は、端末装置１００にメッセージを提供し、出力させる（ステップＳ３）。例えば、情報提供装置１０は、端末装置１００にモデルＭから出力されたメッセージを提供し、商品＃１の購入操作が完了したことを示す画面に表示させる。
なお、情報提供装置１０は、購入操作が完了したことを示す画面から、ショッピングサービスのトップ画面に遷移したタイミングでメッセージを表示させてもよい。
続いて、情報提供装置１０は、メッセージが提供された後の利用者Ｕ１の行動情報を取得する（ステップＳ４）。例えば、情報提供装置１０は、ショッピングサービスにおける利用者Ｕ１の行動情報を取得する。具体的な例を挙げると、情報提供装置１０は、商品＃１に関して利用者が投稿したレビューや、利用者Ｕ１が商品＃１を再度購入したか否かを示す情報、商品＃１に関する情報をＳＮＳサービス等において他の利用者と共有するための操作（例えば、シェアボタンの押下）を行ったか否かを示す情報などを取得する。
続いて、情報提供装置１０は、取得した行動情報に基づいて、利用者Ｕ１に提供したメッセージを評価する（ステップＳ５）。例えば、情報提供装置１０は、提供したメッセージに対し利用者Ｕ１が肯定的であるかを評価する。具体的な例を挙げると、情報提供装置１０は、商品＃１に関して利用者が投稿したレビューが所定の閾値以上である場合や、利用者Ｕ１が商品＃１を再度購入した場合、商品＃１に関する情報に対してシェアボタンを押下した場合などに、提供したメッセージに対し利用者Ｕ１が肯定的であると評価する。
続いて、情報提供装置１０は、利用者Ｕ１に提供したメッセージの評価結果をモデルＭに学習させる（ステップＳ６）。例えば、情報提供装置１０は、利用者Ｕ１に提供したメッセージに対し、利用者Ｕが肯定的であったかを示す評価結果や、商品＃１の商品情報、利用者Ｕ１の利用者情報などを学習データとして、モデルＭの機械学習を行う。
なお、モデルＭの学習には機械学習に関する種々の従来技術を適宜用いて行われてもよい。例えば、モデルＭの学習は、ＳＶＭ（Support Vector Machine）等の教師あり学習の機械学習に関する技術を用いて行われてもよい。また、モデルＭの学習は、教師なし学習の機械学習に関する技術を用いて行われてもよい。また、モデルＭの学習は、深層学習（ディープラーニング）の技術を用いて行われてもよい。また、モデルＭの学習は、ＤＮＮ（Deep Neural Network）やＲＮＮ（Recurrent Neural Network）やＣＮＮ（Convolutional Neural Network）等の種々のディープラーニングの技術を適宜用いて行われてもよい。なお、上記モデルＭの学習に関する記載は例示であり、モデルＭの学習は、取得可能な情報等に応じて適宜選択された学習手法により行われてもよい。
また、例えば、情報提供装置１０は、辞書にメッセージを登録し、モデルＭが購買行動のコンテキストが入力された際に、対応するメッセージのＩＤを出力するように学習されていてもよい。
以上のように、実施形態に係る情報提供装置１０は、利用者の購買行動に応じて、利用者の承認欲求を満たすメッセージを、購買行動のコンテキストに基づいて提供する。これにより、実施形態に係る情報提供装置１０は、電子商取引サービスにおけるショッピングのように、店員からの声掛けなどがなく、人との関わり合いで発生しない場合であっても、利用者の購買行動を褒める（承認欲求を満たす）メッセージを提供することにより、次のコンバージョン（新たな購買行動等）を促すことができる。すなわち、実施形態に係る情報提供装置１０は、利用者の購買行動に応じて適切なメッセージを提供することができる。
また、実施形態に係る情報提供装置１０は、モデルを用いて提供したメッセージに対する利用者の行動（反応）を評価し、評価結果を用いてモデルの機械学習を行うことを可能とする。すなわち、実施形態に係る情報提供装置１０は、利用者の購買行動に応じて提供するメッセージの精度を向上させることができる。
〔２．メッセージの具体例〕
ここで、図１の例において、利用者Ｕ１の購買行動のコンテキストに基づいて情報提供装置１０が提供するメッセージの具体例について説明する。例えば、情報提供装置１０は、購買行動のコンテキストに基づき、商品＃１の購入に至るまでの利用者Ｕ１の心情を察するメッセージを提供する。具体的な例を挙げると、利用者Ｕ１の商品の閲覧履歴が、商品＃１と同一のカテゴリの商品を複数閲覧したことを示す場合（言い換えると、複数の商品から選んで買った場合）、情報提供装置１０は、「比較してこれにしたんですね！」といったメッセージを提供する。また、利用者Ｕ１の行動履歴が、商品＃１をショッピングカートに投入し、その後購入に至らなかったことを複数回示す場合や、商品＃１の商品情報を示すコンテンツを複数回閲覧していた場合（言い換えると、商品＃１の購入を悩んでいた場合）、情報提供装置１０は、「ついに買ったんですね！」といったメッセージを提供する。また、利用者Ｕ１の商品の閲覧履歴が、商品＃１と同一のカテゴリである他の商品を閲覧していない場合（言い換えると、悩まずに買った場合）、情報提供装置１０は、「さすがですね」といったメッセージを提供する。
また、例えば、情報提供装置１０は、購買行動のコンテキストに基づき、商品＃１の購入に対する安心感やお得感を与えるメッセージを提供する。具体的な例を挙げると、商品＃１が生鮮食品であり、商品＃１の旬の時期に購入した場合、情報提供装置１０は、「商品＃１は今が旬で、今年は豊作で例年になく甘いそうです。どうぞ楽しんでください！」といったメッセージを提供する。また、商品＃１の売上状況が好調である場合、情報提供装置１０は、「いい商品買いましたね」、「今売れてます」などといったメッセージを提供する。また、商品＃１の在庫数が所定の閾値以下である場合、情報提供装置１０は、「残りＮ（Ｎは商品＃１の在庫数）個だったんですよ」などといったメッセージを提供する。
また、例えば、商品＃１が予め定められた価格（例えば、希望小売価格）から割引された割引価格で購入した場合、情報提供装置１０は、割引価格に応じてお得感を与えるメッセージを提供する。具体的な例を挙げると、割引価格で商品＃１を購入した場合、情報提供装置１０は、「お得に買えましたよ！」、「安く買えましたね！」などといったメッセージを提供する。また、所定の期間内で商品＃１が最も安いタイミングで商品＃１を購入した場合、情報提供装置１０は、「ここ数日で一番安いですよ！」といったメッセージを提供する。また、商品＃１を販売する提供者（ストア）が複数存在し、最も安い割引価格で商品＃１を販売する提供者から商品＃１を購入した場合、情報提供装置１０は、「全ショップで一番安いですよ！」などといったメッセージを提供する。
なお、情報提供装置１０は、商品＃１の購入操作が完了したことを示す画面のみならず、利用者Ｕ１の各種の購買行動が検知されたタイミングでメッセージを提供してもよい。例えば、情報提供装置１０は、商品＃１を利用者Ｕ１がお気に入り登録したタイミングや、カートに投入したタイミングで、商品＃１の購入に対する安心感やお得感を与えるメッセージを提供してもよい。具体的な例を挙げると、情報提供装置１０は、商品＃１を利用者Ｕ１がお気に入り登録したタイミングや、カートに投入したタイミングで、「いいセンスしてるね！」、「ここ数日で一番安いですよ！」などといったメッセージを提供する。また、情報提供装置１０は、商品＃１を所定の回数以上お気に入り登録したタイミングや、商品＃１の商品情報を示すコンテンツを所定回数以上閲覧したタイミングでメッセージを提供する。
また、情報提供装置１０は、利用者Ｕ１の各種の購買行動が検知されてから、利用者Ｕ１の購買行動のコンテキストが所定の条件を満たしたタイミングでメッセージを提供してもよい。例えば、情報提供装置１０は、利用者Ｕ１の購入後に商品＃１の販売数が所定の閾値以上となったタイミングや、利用者Ｕ１の購入後に商品＃１に対する他の利用者の評価が所定の閾値以上となったタイミングで、商品＃１の購入に対する安心感を与えるメッセージ（例えば、「いい商品買いましたね」）を利用者Ｕ１に提供する。また、情報提供装置１０は、商品＃１と所定の関連性を有する商品（例えば、所定の閾値以上の利用者により商品＃１と併せて購入された商品）について、利用者Ｕ１の購買行動が検知されたタイミングで、利用者Ｕ１の購買行動を褒めるメッセージ（例えば、「いいセンスしてるね！」）を提供する。また、情報提供装置１０は、利用者Ｕ１が商品＃１の商品情報を示すコンテンツを閲覧、または、商品＃１をお気に入り登録した後、商品＃１が旬の時期となったタイミングで、商品＃１の購入に対するお得感を与えるメッセージ（例えば、「今が旬です」）を提供する。
また、情報提供装置１０は、利用者Ｕ１の各種の購買行動が検知されてから所定の期間が経過したタイミングでメッセージを提供してもよい。例えば、情報提供装置１０は、利用者Ｕ１が商品＃１を購入してから所定の期間が経過した後に、所定の期間における商品＃１の販売数に基づくメッセージを提供する。また、情報提供装置１０は、利用者Ｕ１が商品＃１の商品情報を示すコンテンツを閲覧、または、商品＃１をお気に入り登録してから所定の期間が経過した後（言い換えると、利用者Ｕ１が商品＃１の存在を忘れていると推定されるタイミング）で、メッセージを提供する。
また、情報提供装置１０は、商品＃１の提供者（例えば、商品＃１を販売するストアの管理者や、商品＃１の製造者など）により設定されたメッセージや、商品＃１に対して投稿されたレビュー（例えば、買った理由等）に基づくメッセージなどを提供してもよい。例えば、情報提供装置１０は、提供者が入力したメッセージや、情報提供装置１０が提供者に提示したメッセージのうち提供者が選択したメッセージなどを提供する。また、情報提供装置１０は、購買行動に応じて、商品＃１の提供者から利用者Ｕ１に対し所定の利益（クーポン等）が付与されたことを示すメッセージを提供する。
〔３．情報提供装置の構成〕
次に、図２を用いて、情報提供装置１０の構成について説明する。図２は、実施形態に係る情報提供装置の構成例を示す図である。図２に示すように、情報提供装置１０は、通信部２０と、記憶部３０と、制御部４０とを有する。
（通信部２０について）
通信部２０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部２０は、ネットワークＮと有線または無線で接続され、端末装置１００等との間で情報の送受信を行う。
（記憶部３０について）
記憶部３０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。図２に示すように、記憶部３０は、利用者情報データベース３１と、取引対象情報データベース３２と、モデルデータベース３３と有する。
（利用者情報データベース３１について）
利用者情報データベース３１は、情報提供装置１０が提供する電子商取引サービスを利用する利用者に関する各種の情報を記憶する。ここで、図３を用いて、利用者情報データベース３１が記憶する情報の一例を説明する。図３は、実施形態に係る利用者情報データベースの一例を示す図である。図３の例において、利用者情報データベース３１は、「利用者ＩＤ」、「属性」、「行動履歴」といった項目を有する。
「利用者ＩＤ」は、利用者を識別するための識別情報を示す。「属性」は、利用者の属性（例えば、デモグラフィック属性やサイコグラフィック属性など）を示す。「行動履歴」は、情報提供装置１０が提供する電子決済サービスにおける利用者の行動履歴を示し、例えば、取引対象情報の閲覧履歴や、取引対象の購入履歴などといった情報が格納される。
すなわち、図３では、利用者ＩＤ「ＵＩＤ＃１」により識別される利用者の属性が「属性＃１」、行動履歴が「行動履歴＃１」である例を示す。
（取引対象情報データベース３２について）
取引対象情報データベース３２は、情報提供装置１０が提供する電子商取引サービスにおける取引対象に関する各種の情報を記憶する。ここで、図４を用いて、取引対象情報データベース３２が記憶する情報の一例を説明する。図４は、実施形態に係る取引対象情報データベースの一例を示す図である。図４の例において、取引対象情報データベース３２は、「取引対象ＩＤ」、「提供者ＩＤ」、「カテゴリ」、「価格」、「在庫」、「売上状況」、「評価情報」といった項目を有する。
「取引対象ＩＤ」は、取引対象を識別するための識別情報を示す。「提供者ＩＤ」は、取引対象の提供者を識別するための識別情報を示す。「カテゴリ」は、取引対象のカテゴリを示す。「価格」は、取引対象について予め定められた価格（希望小売価格等）や、割引された価格などを示す。「在庫」は、取引対象の在庫を示す。「売上状況」は、取引対象の売上状況を示す。「評価情報」は、取引対象について利用者等から投稿された評価情報を示す。
すなわち、図４では、取引対象ＩＤ「ＰＩＤ＃１」により識別される取引対象が、提供者ＩＤ「ＳＩＤ＃１」により識別される提供者により提供され、カテゴリ「カテゴリ＃１」に属し、価格が「価格＃１」、在庫が「在庫＃１」、売上状況が「売上状況＃１」、評価情報が「評価情報＃１」である例を示す。
なお、取引対象情報データベース３２は、取引対象情報として、取引対象の旬の時期や、取引対象のデザイン（例えば、取引対象の画像）などといった情報をさらに記憶してもよい。
（モデルデータベース３３について）
モデルデータベース３３は、購買行動のコンテキストを入力した場合に、購買行動に対して利用者の承認欲求を満たすメッセージを出力するモデルを記憶する。
（制御部４０について）
制御部４０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、情報提供装置１０内部の記憶装置に記憶されている各種プログラムが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４０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。実施形態に係る制御部４０は、図２に示すように、検知部４１と、提供部４２と、取得部４３と、評価部４４と、学習部４５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。
（検知部４１について）
検知部４１は、利用者の取引対象の購買に関連する購買行動を検知する。例えば、図１の例において、検知部４１は、情報提供装置１０が提供するショッピングサービスにおける利用者の購買行動を検知する。
また、検知部４１は、電子商取引サービスにおいて取引対象に対する所定の操作が行われたことを示す購買行動を検知してもよい。例えば、図１の例において、検知部４１は、商品のお気に入り登録に関する操作や、商品のレビューの投稿などが行われたことを検知する。
また、検知部４１は、電子商取引サービスにおける仮想的なカートに取引対象を投入する操作が行われたことを示す購買行動を検知してもよい。例えば、図１の例において、検知部４１は、ショッピングサービスにおける仮想的なカートへ商品を投入する操作を検知する。
また、検知部４１は、電子商取引サービスにおいて取引対象を利用者が購入したことを示す購買行動を検知してもよい。例えば、図１の例において、検知部４１は、利用者Ｕ１による商品＃１の購入操作を検知する。
また、検知部４１は、所定の組み合わせの取引対象に関する購買行動を検知してもよい。例えば、検知部４１は、所定の閾値以上の利用者により購入された組み合わせの商品に関する購買行動を検知する。このような、購買行動を検知した場合、後述する提供部４２は、利用者の承認欲求を満たすメッセージ（例えば、「いいセンスしてるね！」）を提供する。
なお、利用者が各種操作を行った際に、ボタン等のクリックが行われ、新たなコンテンツを提供することとなるが、検知部４１は、ボタン等のクリックに応じてコンテンツ提供の操作が行われたことを契機として、どのような購買行動が行われたかを特定（すなわち、検知）してもよい。
（提供部４２について）
提供部４２は、検知部４１により検知された購買行動に応じて、当該購買行動のコンテキストに基づくメッセージを利用者に提供する。例えば、図１の例において、提供部４２は、購買行動に対する利用者Ｕ１の承認欲求を満たすメッセージを提供する。
また、提供部４２は、他の利用者の取引対象の購買に関連する購買行動に基づくメッセージを提供してもよい。例えば、図１の例において、提供部４２は、商品＃１に関する他の利用者の購買行動に基づいて、商品＃１の購入に対する安心感やお得感を与えるメッセージを提供する。
また、提供部４２は、取引対象に対して投稿されたレビューに基づくメッセージを提供してもよい。例えば、図１の例において、提供部４２は、商品＃１に対して投稿されたレビューに基づくメッセージを提供する。
また、提供部４２は、利用者に関する利用者情報に基づくメッセージを提供してもよい。例えば、図１の例において、提供部４２は、利用者情報データベース３１を参照し、利用者Ｕ１のデモグラフィック属性やサイコグラフィック属性などに基づくメッセージを提供する。また、図１の例において、提供部４２は、利用者情報データベース３１を参照し、利用者Ｕ１の商品情報の閲覧履歴や、商品の購入履歴などを含む行動履歴に基づくメッセージを提供する。
なお、提供部４２は、利用者の感情に基づくメッセージを提供してもよい。例えば、提供部４２は、カートに取引対象を投入してから購入に至るまでの時間や、端末装置１００に対する利用者の操作内容（例えば、コンテンツのスクロール速度や、タップの強さなど）、ウェアラブルデバイス等から取得された利用者の生体情報、利用者が閲覧したコンテンツなどから推定される利用者の感情に基づくメッセージを提供する。
また、提供部４２は、取引対象に関する取引対象情報に基づくメッセージを提供してもよい。例えば、図１の例において、提供部４２は、取引対象情報データベース３２を参照し、利用者Ｕ１の購買行動の対象である商品の商品情報に基づくメッセージを提供する。
また、提供部４２は、利用者が取引対象を購入した際の割引価格に基づくメッセージを提供してもよい。例えば、図１の例において、提供部４２は、商品＃１の割引価格に応じて、お得感を与えるメッセージを提供する。
また、提供部４２は、利用者が取引対象を購入した際の取引対象の在庫に関する情報に基づくメッセージを提供してもよい。例えば、図１の例において、提供部４２は、商品＃１の売上状況や在庫数などに基づくメッセージを提供する。
また、提供部４２は、取引対象の提供者により設定されるメッセージを提供してもよい。例えば、図１の例において、提供部４２は、商品＃１の提供者により設定されたメッセージを提供する。
また、提供部４２は、提供者により利用者に対して付与される所定の利益に関する情報を含むメッセージを提供してもよい。例えば、図１の例において、提供部４２は、購買行動に応じて、商品＃１の提供者から利用者Ｕ１に対し所定の利益が付与されたことを示すメッセージを提供する。
また、提供部４２は、購買行動に至るまでの利用者の行動に基づくメッセージを提供してもよい。例えば、図１の例において、提供部４２は、利用者Ｕ１の商品の閲覧履歴が、商品＃１と同一のカテゴリの商品を複数閲覧したことを示す場合や、利用者Ｕ１の行動履歴が、商品＃１をショッピングカートに投入し、その後購入に至らなかったことを複数回示す場合、商品＃１の商品情報を示すコンテンツを複数回閲覧していた場合などに、商品＃１の購入に至るまでの利用者Ｕ１の心情を察するメッセージを提供する。
また、提供部４２は、コンテキストに応じたタイミングでメッセージを提供してもよい。例えば、図１の例において、提供部４２は、利用者Ｕ１の各種の購買行動が検知されてから、利用者Ｕ１の購買行動のコンテキストが所定の条件を満たしたタイミングでメッセージを提供する。
また、提供部４２は、取引対象に関する取引対象情報に基づくタイミングでメッセージを提供してもよい。例えば、図１の例において、提供部４２は、利用者Ｕ１の購入後に商品＃１の販売数が所定の閾値以上となったタイミングや、利用者Ｕ１の購入後に商品＃１に対する他の利用者の評価が所定の閾値以上となったタイミングで、商品＃１の購入に対する安心感を与えるメッセージを利用者Ｕ１に提供する。
また、提供部４２は、購買行動に応じて利用者が利用する端末装置に表示される画面において出力されるメッセージを提供してもよい。例えば、図１の例において、提供部４２は、商品＃１の購入操作が完了したことを示す画面に表示されるメッセージを提供する。
なお、提供部４２は、商品のお気に入り登録に関する操作や、商品の評価）の投稿ショッピングサービスにおける仮想的なカートへ商品を投入する操作などといった各種の購買行動が行われた際の画面に表示するメッセージを提供してもよい。また、提供部４２は、提供するメッセージを、端末装置１００から音声出力させてもよい。例えば、提供部４２は、端末装置１００に表示されるアバター等の音声として出力されるメッセージを提供する。
また、提供部４２は、利用者の取引対象の購買に関連する購買行動に応じて当該利用者に提供されるメッセージであって、当該購買行動のコンテキストに基づくメッセージが提供された後の当該利用者の行動情報に基づいて当該メッセージを評価した評価結果を学習させたモデルを用いて、メッセージを利用者に提供してもよい。例えば、図１を例にして説明すると、提供部４２は、提供したメッセージに対し利用者Ｕ１が肯定的であるかを評価し、評価結果を学習させたモデルＭを用いて、メッセージを利用者に提供する。
（取得部４３について）
取得部４３は、利用者の取引対象の購買に関連する購買行動に応じて当該利用者に提供されるメッセージであって、当該購買行動のコンテキストに基づくメッセージが提供された後の当該利用者の行動情報を取得する。例えば、図１の例において、取得部４３は、メッセージが提供された後、ショッピングサービスにおける利用者Ｕ１の行動情報を取得する。
（評価部４４について）
評価部４４は、取得部４３により取得された行動情報に基づいて、メッセージを評価する。例えば、評価部４４は、提供されたメッセージに対する利用者の反応を評価する。
また、評価部４４は、メッセージに対して利用者が肯定的であるかを評価してもよい。例えば、図１の例において、評価部４４は、提供したメッセージに対し利用者Ｕ１が肯定的であるかを評価する。
また、評価部４４は、取引対象を提供する提供者に対応するサイトを利用者が訪問した場合は、メッセージに対して利用者が肯定的であると評価してもよい。例えば、図１を例にして説明すると、評価部４４は、ショッピングサービスにおいて、商品＃１を提供する提供者のサイトを利用者Ｕ１が再訪問した場合は、メッセージに対して利用者Ｕ１が肯定的であると評価する。
また、評価部４４は、取引対象を提供する提供者に対して利用者が投稿した評価が所定の閾値以上である場合は、メッセージに対して利用者が肯定的であると評価してもよい。例えば、図１を例にして説明すると、評価部４４は、商品＃１を提供する提供者に対する利用者Ｕ１の評価が所定の閾値以上である場合は、メッセージに対して利用者Ｕ１が肯定的であると評価する。
また、評価部４４は、取引対象を利用者が再度購入した場合は、メッセージに対して利用者が肯定的であると評価してもよい。例えば、図１の例において、評価部４４は、利用者Ｕ１が商品＃１を再度購入した場合は、メッセージに対して利用者Ｕ１が肯定的であると評価する。
また、評価部４４は、取引対象に対して利用者が投稿した評価が所定の閾値以上である場合は、メッセージに対して利用者が肯定的であると評価してもよい。例えば、図１の例において、評価部４４は、商品＃１に関して利用者が投稿したレビューが所定の閾値以上である場合は、メッセージに対して利用者Ｕ１が肯定的であると評価する。
また、評価部４４は、取引対象を提供する電子商取引サービスにおいて、取引対象に関する情報を他の利用者と共有するための操作を利用者が行った場合は、メッセージに対して利用者が肯定的であると評価してもよい。例えば、図１の例において、評価部４４は、利用者Ｕ１が商品＃１を再度購入した場合、商品＃１に関する情報に対してシェアボタンを押下した場合は、メッセージに対して利用者Ｕ１が肯定的であると評価する。
また、評価部４４は、メッセージの評価を受け付けるためのコンテンツに対し利用者が入力した情報に基づき、メッセージに対して利用者が肯定的であるかを評価してもよい。例えば、評価部４４は、メッセージを提供された際の感情や心境などを入力するコンテンツを利用者に提供し、当該コンテンツに入力された情報に基づきメッセージを評価する。
（学習部４５について）
学習部４５は、評価部４４による評価結果をモデルに学習させる。例えば、図１の例において、学習部４５は、利用者Ｕ１に提供したメッセージに対し、利用者Ｕが肯定的であったかを示す評価結果を学習データとして、モデルＭの機械学習を行う。
また、学習部４５は、利用者に関する利用者情報ごとにモデルを学習させてもよい。例えば、学習部４５は、メッセージの評価結果と、当該メッセージを提供した利用者に関する利用者情報とを学習データとし、どのような利用者情報に対応付けられる利用者に対しどのようなメッセージを提供すればより肯定的な評価を得られるかをモデルに学習させる。
また、学習部４５は、利用者の属性ごとにモデルを学習させてもよい。例えば、学習部４５は、メッセージの評価結果と、当該メッセージを提供した利用者の属性とを学習データとし、どのような属性を有する利用者に対しどのようなメッセージを提供すればより肯定的な評価を得られるかをモデルに学習させる。
また、学習部４５は、利用者が購買行動に至るまでの行動ごとにモデルを学習させてもよい。例えば、学習部４５は、メッセージの評価結果と、当該メッセージを提供した利用者の購買行動に至るまでの行動（例えば、閲覧履歴や、購入履歴など）とを学習データとし、どのような行動を採った利用者に対しどのようなメッセージを提供すればより肯定的な評価を得られるかをモデルに学習させる。
また、学習部４５は、メッセージが提供される際の利用者の感情ごとにモデルを学習させてもよい。例えば、学習部４５は、メッセージの評価結果と、当該メッセージを提供した際の利用者の感情とを学習データとし、どのような感情である利用者に対しどのようなメッセージを提供すればより肯定的な評価を得られるかをモデルに学習させる。具体的な例を挙げると、学習部４５は、カートに取引対象を投入してから購入に至るまでの時間や、端末装置１００に対する利用者の操作内容、ウェアラブルデバイス等から取得された利用者の生体情報、利用者が閲覧したコンテンツなどから推定される利用者の感情を学習データとし、モデルに学習させる。
また、学習部４５は、取引対象に関する取引対象情報ごとにモデルを学習させてもよい。例えば、学習部４５は、メッセージの評価結果と、購買行動の対象である取引対象に関する取引対象情報とを学習データとし、どのような取引対象を対象として購買行動を行った利用者に対し、どのようなメッセージを提供すればより肯定的な評価を得られるかをモデルに学習させる。
また、学習部４５は、取引対象の売上状況ごとにモデルを学習させてもよい。例えば、学習部４５は、メッセージの評価結果と、購買行動の対象である取引対象の売上状況とを学習データとし、どのような売上状況である場合にどのようなメッセージを提供すればより肯定的な評価を得られるかをモデルに学習させる。
また、学習部４５は、取引対象の在庫数ごとにモデルを学習させてもよい。例えば、学習部４５は、メッセージの評価結果と、購買行動の対象である取引対象の在庫数とを学習データとし、どのような在庫数である場合にどのようなメッセージを提供すればより肯定的な評価を得られるかをモデルに学習させる。
また、学習部４５は、取引対象のカテゴリごとにモデルを学習させてもよい。例えば、学習部４５は、メッセージの評価結果と、購買行動の対象である取引対象のカテゴリとを学習データとし、どのようなカテゴリである場合にどのようなメッセージを提供すればより肯定的な評価を得られるかをモデルに学習させる。
〔４．情報提供処理のフロー〕
図５を用いて、実施形態に係る情報提供装置１０の情報提供処理の手順について説明する。図５は、実施形態に係る情報提供処理の手順の一例を示すフローチャートである。
図５に示すように、情報提供装置１０は、購買行動を検知したか否かを判定する（ステップＳ１０１）。購買行動を検知していない場合（ステップＳ１０１；Ｎｏ）、情報提供装置１０は、購買行動を検知するまで待機する。
一方、購買行動を検知した場合（ステップＳ１０１；Ｙｅｓ）、情報提供装置１０は、モデルを用いて、購買行動のコンテキストに基づくメッセージを利用者に提供する（ステップＳ１０２）。続いて、情報提供装置１０は、メッセージが提供された後の利用者の行動情報を取得する（ステップＳ１０３）。続いて、情報提供装置１０は、行動情報に基づいてメッセージを評価する（ステップＳ１０４）。続いて、情報提供装置１０は、評価結果をモデルに学習させ（ステップＳ１０５）、処理を終了する。
〔５．変形例〕
上述の実施形態は一例を示したものであり、種々の変更及び応用が可能である。
〔５－１．取引対象情報について〕
上述の実施形態において、提供部４２が、取引対象のカテゴリや、価格、在庫、売上状況などを示す取引対象情報に基づくメッセージを提供する例を示したが、取引対象情報はこのような例に限定されず、取引対象に関して取得可能な情報であればどのような情報であってもよい。
〔５－２．処理態様について〕
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、逆に、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、上記文章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、上記してきた各実施形態は、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。
〔６．効果〕
上述してきたように、実施形態に係る情報提供装置１０は、検知部４１と、提供部４２と、取得部４３と、評価部４４と、学習部４５とを有する。検知部４１は、利用者の取引対象の購買に関連する購買行動を検知する。提供部４２は、検知部４１により検知された購買行動に応じて、当該購買行動のコンテキストに基づくメッセージを利用者に提供する。また、提供部４２は、利用者の取引対象の購買に関連する購買行動に応じて当該利用者に提供されるメッセージであって、当該購買行動のコンテキストに基づくメッセージが提供された後の当該利用者の行動情報に基づいて当該メッセージを評価した評価結果を学習させたモデルを用いて、メッセージを利用者に提供する。取得部４３は、利用者の取引対象の購買に関連する購買行動に応じて当該利用者に提供されるメッセージであって、当該購買行動のコンテキストに基づくメッセージが提供された後の当該利用者の行動情報を取得する。評価部４４は、取得部４３により取得された行動情報に基づいて、メッセージを評価する。学習部４５は、評価部４４による評価結果をモデルに学習させる。
これにより、実施形態に係る情報提供装置１０は、電子商取引サービスにおけるショッピングのように、店員からの声掛けなどがなく、人との関わり合いで発生しない場合であっても、利用者の購買行動を褒めるメッセージを提供することにより、次のコンバージョンを促すことができるため、利用者の購買行動に応じて適切なメッセージを提供することができる。また、実施形態に係る情報提供装置１０は、モデルを用いて提供したメッセージに対する利用者の行動を評価し、評価結果を用いてモデルの機械学習を行うことを可能とするため、利用者の購買行動に応じて提供するメッセージの精度を向上させることができる。
また、実施形態に係る情報提供装置１０において、例えば、検知部４１は、電子商取引サービスにおいて取引対象に対する所定の操作が行われたことを示す購買行動を検知する。また、検知部４１は、電子商取引サービスにおける仮想的なカートに取引対象を投入する操作が行われたことを示す購買行動を検知する。また、検知部４１は、電子商取引サービスにおいて取引対象を利用者が購入したことを示す購買行動を検知する。また、検知部４１は、所定の組み合わせの取引対象に関する購買行動を検知する。
これにより、実施形態に係る情報提供装置１０は、利用者の各種の購買行動に応じて適切なメッセージを提供することができるため、電子商取引サービスにおける利用者の満足度を向上させることができる。
また、実施形態に係る情報提供装置１０において、例えば、提供部４２は、他の利用者の取引対象の購買に関連する購買行動に基づくメッセージを提供する。また、提供部４２は、取引対象に対して投稿されたレビューに基づくメッセージを提供する。また、提供部４２は、利用者に関する利用者情報に基づくメッセージを提供する。また、提供部４２は、取引対象に関する取引対象情報に基づくメッセージを提供する。また、提供部４２は、利用者が取引対象を購入した際の割引価格に基づくメッセージを提供する。また、提供部４２は、利用者が取引対象を購入した際の取引対象の在庫に関する情報に基づくメッセージを提供する。また、提供部４２は、取引対象の提供者により設定されるメッセージを提供する。また、提供部４２は、提供者により利用者に対して付与される所定の利益に関する情報を含むメッセージを提供する。また、提供部４２は、購買行動に至るまでの利用者の行動に基づくメッセージを提供する。また、提供部４２は、コンテキストに応じたタイミングでメッセージを提供する。また、提供部４２は、取引対象に関する取引対象情報に基づくタイミングでメッセージを提供する。また、提供部４２は、購買行動に応じて利用者が利用する端末装置に表示される画面において出力されるメッセージを提供する。
これにより、実施形態に係る情報提供装置１０は、利用者の購買行動のコンテキストに基づき、適切なメッセージを適切なタイミングで提供することができるため、電子商取引サービスにおける利用者の満足度を向上させることができる。
また、実施形態に係る情報提供装置１０において、例えば、評価部４４は、メッセージに対して利用者が肯定的であるかを評価する。また、評価部４４は、取引対象を提供する提供者に対応するサイトを利用者が訪問した場合は、メッセージに対して利用者が肯定的であると評価する。また、評価部４４は、取引対象を提供する提供者に対して利用者が投稿した評価が所定の閾値以上である場合は、メッセージに対して利用者が肯定的であると評価する。また、評価部４４は、取引対象を利用者が再度購入した場合は、メッセージに対して利用者が肯定的であると評価する。また、評価部４４は、取引対象に対して利用者が投稿した評価が所定の閾値以上である場合は、メッセージに対して利用者が肯定的であると評価する。また、評価部４４は、取引対象を提供する電子商取引サービスにおいて、取引対象に関する情報を他の利用者と共有するための操作を利用者が行った場合は、メッセージに対して利用者が肯定的であると評価する。また、評価部４４は、メッセージの評価を受け付けるためのコンテンツに対し利用者が入力した情報に基づき、メッセージに対して利用者が肯定的であるかを評価する。
これにより、実施形態に係る情報提供装置１０は、利用者に提供したメッセージを適切に評価し、モデルの学習を行うことができるため、モデルの精度を向上させることができる。
また、実施形態に係る情報提供装置１０において、例えば、学習部４５は、利用者に関する利用者情報ごとにモデルを学習させる。また、学習部４５は、利用者の属性ごとにモデルを学習させる。また、学習部４５は、利用者が購買行動に至るまでの行動ごとにモデルを学習させる。また、学習部４５は、メッセージが提供される際の利用者の感情ごとにモデルを学習させる。また、学習部４５は、取引対象に関する取引対象情報ごとにモデルを学習させる。また、学習部４５は、取引対象の売上状況ごとにモデルを学習させる。また、学習部４５は、取引対象の在庫数ごとにモデルを学習させる。また、学習部４５は、取引対象のカテゴリごとにモデルを学習させる。
これにより、実施形態に係る情報提供装置１０は、購買行動のコンテキストごとにモデルの学習を行い、コンテキストごとに適切なメッセージを出力させることができるため、電子商取引サービスにおける利用者の満足度を向上させることができる。
〔７．ハードウェア構成〕
また、上述してきた各実施形態に係る情報提供装置１０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。以下、情報提供装置１０を例に挙げて説明する。図６は、情報提供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、ＲＯＭ１２００、ＲＡＭ１３００、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、ＲＯＭ１２００又は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。ＲＯＭ１２００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記憶する。通信インターフェイス１５００は、通信網５００（実施形態のネットワークＮに対応する）を介して他の機器からデータを受信してＣＰＵ１１００へ送り、また、通信網５００を介してＣＰＵ１１００が生成したデータを他の機器へ送信する。
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、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。
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又はデータを読み取り、ＲＡＭ１３００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ＲＡＭ１３００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が情報提供装置１０として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１３００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４０の機能を実現する。また、ＨＤＤ１４００には、情報提供装置１０の記憶装置内の各データが格納される。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、他の装置から所定の通信網を介してこれらのプログラムを取得してもよい。
〔８．その他〕
以上、本願の実施形態のいくつか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、上述した情報提供装置１０は、機能によっては外部のプラットフォーム等をＡＰＩ（Application Programming Interface）やネットワークコンピューティングなどで呼び出して実現するなど、構成は柔軟に変更できる。
また、特許請求の範囲に記載した「部」は、「手段」や「回路」などに読み替えることができる。例えば、検知部は、検知手段や検知回路に読み替えることができる。
１０ 情報提供装置
２０ 通信部
３０ 記憶部
３１ 利用者情報データベース
３２ 取引対象情報データベース
３３ モデルデータベース
４０ 制御部
４１ 検知部
４２ 提供部
４３ 取得部
４４ 評価部
４５ 学習部
１００ 端末装置

Claims (17)

  1. 購買行動のコンテキストが入力された場合に購買行動に応じたメッセージを出力するよう学習されたモデルに対し、利用者の取引対象の購買に関連する購買行動のコンテキストを入力し、当該モデルから出力されたメッセージであって、当該利用者の購買行動のコンテキストが所定の条件を満たしたタイミングで当該利用者に提供されるメッセージが提供された後の当該利用者の行動情報を取得する取得部と、
    前記取得部により取得された行動情報に基づいて、前記メッセージに対して前記利用者が肯定的であるかを評価する評価部と、
    前記評価部による評価結果を、前記モデルに学習させる学習部と
    を有することを特徴とする学習装置。
  2. 前記学習部は、
    前記利用者に関する利用者情報ごとに前記モデルを学習させる
    ことを特徴とする請求項１に記載の学習装置。
  3. 前記学習部は、
    前記利用者の属性ごとに前記モデルを学習させる
    ことを特徴とする請求項２に記載の学習装置。
  4. 前記学習部は、
    前記利用者が前記購買行動に至るまでの行動ごとに前記モデルを学習させる
    ことを特徴とする請求項１から３のうちいずれか１つに記載の学習装置。
  5. 前記学習部は、
    前記メッセージが提供される際の前記利用者の感情ごとに前記モデルを学習させる
    ことを特徴とする請求項１から４のうちいずれか１つに記載の学習装置。
  6. 前記学習部は、
    前記取引対象に関する取引対象情報ごとに前記モデルを学習させる
    ことを特徴とする請求項１から５のうちいずれか１つに記載の学習装置。
  7. 前記学習部は、
    前記取引対象の売上状況ごとに前記モデルを学習させる
    ことを特徴とする請求項６に記載の学習装置。
  8. 前記学習部は、
    前記取引対象の在庫数ごとに前記モデルを学習させる
    ことを特徴とする請求項６または７に記載の学習装置。
  9. 前記学習部は、
    前記取引対象のカテゴリごとに前記モデルを学習させる
    ことを特徴とする請求項６から８のうちいずれか１つに記載の学習装置。
  10. 前記評価部は、
    前記取引対象を提供する提供者に対応するサイトを前記利用者が訪問した場合は、前記メッセージに対して前記利用者が肯定的であると評価する
    ことを特徴とする請求項１から９のうちいずれか１つに記載の学習装置。
  11. 前記評価部は、
    前記取引対象を提供する提供者に対して前記利用者が投稿した評価が所定の閾値以上である場合は、前記メッセージに対して前記利用者が肯定的であると評価する
    ことを特徴とする請求項１から１０のうちいずれか１つに記載の学習装置。
  12. 前記評価部は、
    前記取引対象を前記利用者が再度購入した場合は、前記メッセージに対して前記利用者が肯定的であると評価する
    ことを特徴とする請求項１から１１のうちいずれか１つに記載の学習装置。
  13. 前記評価部は、
    前記取引対象に対して前記利用者が投稿した評価が所定の閾値以上である場合は、前記メッセージに対して前記利用者が肯定的であると評価する
    ことを特徴とする請求項１から１２のうちいずれか１つに記載の学習装置。
  14. 前記評価部は、
    前記取引対象を提供する電子商取引サービスにおいて、前記取引対象に関する情報を他の利用者と共有するための操作を前記利用者が行った場合は、前記メッセージに対して前記利用者が肯定的であると評価する
    ことを特徴とする請求項１から１３のうちいずれか１つに記載の学習装置。
  15. 前記評価部は、
    前記メッセージの評価を受け付けるためのコンテンツに対し前記利用者が入力した情報に基づき、前記メッセージに対して前記利用者が肯定的であるかを評価する
    ことを特徴とする請求項１から１４のうちいずれか１つに記載の学習装置。
  16. コンピュータが実行する学習方法であって、
    購買行動のコンテキストが入力された場合に購買行動に応じたメッセージを出力するよう学習されたモデルに対し、利用者の取引対象の購買に関連する購買行動のコンテキストを入力し、当該モデルから出力されたメッセージであって、当該利用者の購買行動のコンテキストが所定の条件を満たしたタイミングで当該利用者に提供されるメッセージが提供された後の当該利用者の行動情報を取得する取得工程と、
    前記取得工程により取得された行動情報に基づいて、前記メッセージに対して前記利用者が肯定的であるかを評価する評価工程と、
    前記評価工程による評価結果を、前記モデルに学習させる学習工程と
    を含むことを特徴とする学習方法。
  17. 購買行動のコンテキストが入力された場合に購買行動に応じたメッセージを出力するよう学習されたモデルに対し、利用者の取引対象の購買に関連する購買行動のコンテキストを入力し、当該モデルから出力されたメッセージであって、当該利用者の購買行動のコンテキストが所定の条件を満たしたタイミングで当該利用者に提供されるメッセージが提供された後の当該利用者の行動情報を取得する取得手順と、
    前記取得手順により取得された行動情報に基づいて、前記メッセージに対して前記利用者が肯定的であるかを評価する評価手順と、
    前記評価手順による評価結果を、前記モデルに学習させる学習手順と
    をコンピュータに実行させることを特徴とする学習プログラム。
JP2021041533A 2021-03-15 2021-03-15 学習装置、学習方法及び学習プログラム Active JP7250057B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2021041533A JP7250057B2 (ja) 2021-03-15 2021-03-15 学習装置、学習方法及び学習プログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2021041533A JP7250057B2 (ja) 2021-03-15 2021-03-15 学習装置、学習方法及び学習プログラム

Publications (2)

Publication Number Publication Date
JP2022141302A JP2022141302A (ja) 2022-09-29
JP7250057B2 true JP7250057B2 (ja) 2023-03-31

Family

ID=83403056

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021041533A Active JP7250057B2 (ja) 2021-03-15 2021-03-15 学習装置、学習方法及び学習プログラム

Country Status (1)

Country Link
JP (1) JP7250057B2 (ja)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018129068A (ja) 2018-03-16 2018-08-16 ヤフー株式会社 情報処理装置、情報処理方法、およびプログラム

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001331736A (ja) * 2000-05-24 2001-11-30 Ichikawa Jin Shoji Kk 顧客対応個別ダイレクトメッセージ作成・送付システム
KR20110014125A (ko) * 2009-08-04 2011-02-10 엔에이치엔비즈니스플랫폼 주식회사 마케팅 메시지 제공 시스템 및 방법
JP6842825B2 (ja) * 2015-09-25 2021-03-17 株式会社ユニバーサルエンターテインメント 情報提供システム、情報提供方法、及びプログラム
JP6440660B2 (ja) * 2016-09-12 2018-12-19 ヤフー株式会社 情報処理装置、情報処理方法、およびプログラム
WO2019026361A1 (ja) * 2017-08-01 2019-02-07 ソニー株式会社 情報処理装置、情報処理方法、およびプログラム
JP6516809B2 (ja) * 2017-09-01 2019-05-22 ヤフー株式会社 情報解析装置、情報解析方法、およびプログラム

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018129068A (ja) 2018-03-16 2018-08-16 ヤフー株式会社 情報処理装置、情報処理方法、およびプログラム

Also Published As

Publication number Publication date
JP2022141302A (ja) 2022-09-29

Similar Documents

Publication Publication Date Title
Xu et al. Examining customer channel selection intention in the omni-channel retail environment
Mahapatra Mobile shopping among young consumers: an empirical study in an emerging market
US11587116B2 (en) Predictive recommendation system
JP4763642B2 (ja) 販売促進支援方法及び販売促進支援プログラム
JP5586700B2 (ja) 顧客へのデジタル・クーポンの表示
US20130246186A1 (en) Social shopping platform providing recommender display and advertisement publishing and shopping method thereof
US10402856B2 (en) Interaction-based content configuration
KR20120107459A (ko) 제3자 네트워크 사이트들을 위한 디지털 쿠폰들의 제공
Martínez-López et al. Do safe buy buttons and integrated path-to-purchase on social platforms improve users’ shopping-related responses?
US20230360078A1 (en) Intelligent and interactive shopping engine
JP6853286B2 (ja) 提供装置、提供方法及び提供プログラム
US20230260009A1 (en) Systems and methods for dynamic post-transaction orders and redemption
JP7250057B2 (ja) 学習装置、学習方法及び学習プログラム
JP6211895B2 (ja) サイト提供サーバ、サイト提供方法、およびサイト提供プログラム
JP7410069B2 (ja) 提供装置、提供方法及び提供プログラム
JP7093400B1 (ja) 選択装置、選択方法及び選択プログラム
JP6963088B1 (ja) 選択装置、選択方法及び選択プログラム
JP7091276B2 (ja) 提案装置、提案方法および提案プログラム
KR20210117196A (ko) 상품 큐레이션 방법 및 장치
JP2022102936A (ja) 選択装置、選択方法及び選択プログラム
KR101772665B1 (ko) 온라인 쇼핑몰 제공 방법 및 온라인 쇼핑몰 제공 장치
TWI582698B (zh) Information processing device, information processing method, memory media
JP7122286B2 (ja) 決定装置、決定方法及び決定プログラム
JP7297729B2 (ja) 提供装置、提供方法及び提供プログラム
JP7453191B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210422

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210519

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20210519

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20210827

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210907

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20211026

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20220118

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220418

C60 Trial request (containing other claim documents, opposition documents)

Free format text: JAPANESE INTERMEDIATE CODE: C60

Effective date: 20220418

A911 Transfer to examiner for re-examination before appeal (zenchi)

Free format text: JAPANESE INTERMEDIATE CODE: A911

Effective date: 20220506

C21 Notice of transfer of a case for reconsideration by examiners before appeal proceedings

Free format text: JAPANESE INTERMEDIATE CODE: C21

Effective date: 20220510

A912 Re-examination (zenchi) completed and case transferred to appeal board

Free format text: JAPANESE INTERMEDIATE CODE: A912

Effective date: 20220624

C211 Notice of termination of reconsideration by examiners before appeal proceedings

Free format text: JAPANESE INTERMEDIATE CODE: C211

Effective date: 20220628

C22 Notice of designation (change) of administrative judge

Free format text: JAPANESE INTERMEDIATE CODE: C22

Effective date: 20220830

C22 Notice of designation (change) of administrative judge

Free format text: JAPANESE INTERMEDIATE CODE: C22

Effective date: 20221025

C13 Notice of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: C13

Effective date: 20221115

C302 Record of communication

Free format text: JAPANESE INTERMEDIATE CODE: C302

Effective date: 20230105

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230111

C23 Notice of termination of proceedings

Free format text: JAPANESE INTERMEDIATE CODE: C23

Effective date: 20230124

C03 Trial/appeal decision taken

Free format text: JAPANESE INTERMEDIATE CODE: C03

Effective date: 20230221

C30A Notification sent

Free format text: JAPANESE INTERMEDIATE CODE: C3012

Effective date: 20230221

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230320

R150 Certificate of patent or registration of utility model

Ref document number: 7250057

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

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