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」と記載する。)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する。
〔1.実施形態〕
図1を用いて、本実施形態の情報処理装置等により実現される情報処理を説明する。図1は、実施形態に係る情報処理の一例を示す図である。なお、図1では、本実施形態に係る情報処理装置の一例である決済サーバ10によって、実施形態に係る情報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処理システム1は、決済サーバ10と、利用者端末100と、店舗端末200とを含む。決済サーバ10、利用者端末100及び店舗端末200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に示した情報処理システム1には、複数台の決済サーバ10、複数台の利用者端末100及び複数台の店舗端末200が含まれていてもよい。
図1に示す決済サーバ10は、実施形態に係る情報処理を実行する情報処理装置であり、サーバ装置やクラウドシステム等により実現される。例えば、決済サーバ10は、利用者端末100を用いる電子決済に関する電子決済サービスを提供する。例えば、決済サーバ10は、取引対象の提供者(事業者)や取引対象が提供される利用者の口座を管理しており、利用者からの決済要求に従って、口座間において電子マネーの移行等を行うことで、各種決済を実現する。なお、電子マネーとは、例えば、各種企業が独自に用いるポイントや通貨等であってもよく、日本円やドル等の国家により提供される貨幣を電子的に取引可能としたものであってもよい。
また、決済サーバ10は、情報提供サービスを提供する。決済サーバ10は、利用者が利用する利用者端末100を用いた決済に関する決済情報を用いた処理に基づく提供用情報を提供する。決済サーバ10は、利用者が利用する利用者端末100を用いた決済に関する決済情報を基に推定した店舗等の所定のエリア(「対象エリア」ともいう)における混雑度を示す提供用情報を提供する。
例えば、情報提供サービスは、利用者端末100にインストールされた情報提供サービスを提供するアプリケーションにより利用者に提供されてもよい。なお、情報提供サービスは、利用者端末100を用いる電子決済用のアプリケーション(以下、単に「決済アプリ」と記載する場合がある)内で起動するアプリケーション(ミニアプリ)により行われるサービスであってもよい。また、決済サーバ10は、店舗等の対象エリアにおける混雑度を推定するために用いられる学習モデル(「モデル」や「推定モデル」ともいう)を学習する情報処理装置として機能してもよいが、この点については後述する。
図1に示す利用者端末100は、利用者によって利用される情報処理装置である。利用者端末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、利用者端末100は、決済サーバ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、利用者端末100がスマートフォンである場合を示す。
また、利用者端末100は、GPS(Global Positioning System)センサ等の位置センサを有し、利用者の位置を取得可能であってもよい。利用者端末100は、決済時の利用者の位置をその決済と対応付け記憶部に記憶してもよいし、決済サーバ10等の他の情報処理装置へ送信してもよい。例えば、利用者端末100は、決済時の利用者の位置の情報を後述する決済情報とともに、決済サーバ10等の他の情報処理装置へ送信してもよい。なお、利用者端末100は、利用者の位置の情報を取得可能であれば、どのような態様により利用者の位置の情報を取得してもよい。例えば、利用者端末100を利用する利用者は、利用者端末100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、ウェアラブルデバイスにより利用者の位置が検知されてもよい。この場合、利用者端末100は、ウェアラブルデバイスから利用者の位置の情報を取得してもよく、位置センサを有しなくてもよい。なお、上記は一例であり、利用者端末100は、様々な手段により利用者の位置の情報を取得してもよい。
なお、利用者端末100は、所定の情報処理を実現する制御情報を決済サーバ10から受け取った場合には、制御情報に従って情報処理を実現する。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、Java(登録商標)等のプログラミング言語、HTML(HyperText Markup Language)等のマークアップ言語等により記述される。なお、決済サーバ10から配信される所定の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に示す店舗端末200は、利用者に取引対象を提供する店舗において利用される情報処理装置である。店舗端末200は、例えば、POS(Point of Sales)端末や、スマートフォン、タブレット型端末、ノート型PC、デスクトップPC、携帯電話機、PDA等により実現される。また、店舗端末200は、決済サーバ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、店舗端末200が店舗(飲食店)で利用される会計(決済)処理用の端末であり、店舗において提供する商品に関する商品情報を管理するものとする。例えば、店舗端末200は、商品の名称や、商品の価格などといった商品情報を、商品に添付されるバーコードが示す情報(商品を識別するための識別情報(商品ID))に紐づけて管理してもよい。
〔1-1.利用者端末100を用いた決済について〕
ここで、決済サーバ10が実行する情報処理に先立ち、利用者端末100を用いた決済(電子決済)の一例について説明する。なお、以下の説明では、店舗の一例である店舗Aに配置された2次元コード(QRコード(登録商標))であって、店舗Aを識別する店舗識別情報を示す2次元コードを用いて、利用者Uが利用者端末100を用いた決済を行う例について説明するが、実施形態は、これに限定されるものではない。例えば、図1では、利用者端末100から決済に必要な情報を取得した店舗端末200から決済サーバ10へ決済情報を送信する場合を一例として説明する。このように、情報処理システム1における決済処理では、利用者端末100及び店舗端末200のいずれが決済サーバ10との決済処理に関する通信主体であってもよい。以下に説明する決済の一例は、任意の利用者が任意の利用者端末100を用いて、任意の店舗にて決済を行う場合においても適用可能である。また、店舗識別情報は、QRコードのみならず、バーコードや所定のマーク、番号等であってもよい。
例えば、利用者Uが店舗Aにて各種の商品やサービスといった決済対象(取引対象)の利用や購入に伴う決済を行う場合、利用者Uは、利用者端末100に予めインストールされた決済アプリを起動する。そして、利用者Uは、決済アプリを介して、店舗Aに設置された店舗識別情報を撮影する。このような場合、利用者端末100は、決済対象の価格を入力するための画面を表示し、利用者U或いは店舗Aの店員から決済金額の入力を受け付ける。そして、利用者端末100は、利用者Uを識別する利用者識別情報と、店舗識別情報(若しくは、店舗識別情報が示す情報、すなわち、店舗A(若しくは店舗Aの事業者)を示す情報(例えば、店舗ID))と、決済金額とを示す決済情報を決済サーバ10へ送信する。
このような場合、決済サーバ10は、利用者識別情報が示す利用者Uの口座から、店舗識別情報が示す店舗Aの口座へ、決済金額が示す額の電子マネーを移行させる。そして、決済サーバ10は、決済が完了した旨の通知を利用者端末100へ送信する。このような場合、利用者端末100は、決済が完了した旨の画面や所定の音声を出力することで、電子マネーによる決済が行われた旨を通知する。
より詳細な例を説明する。例えば、店舗Aに設置された店舗識別情報は、店舗ごとに設定されるURL(Uniform Resource Locator)であって、店舗Aが属するグループを示すグループ識別情報と、そのグループにおいて店舗Aを識別するグループ店舗識別情報とに紐づけ、決済サーバ10が参照可能に管理されている。なお、店舗識別情報となるURLは、決済サーバ10にアクセスするためのURLとなる。利用者端末100は、店舗識別情報を撮影すると、撮影した店舗識別情報が示すURLにアクセスし、利用者識別情報を送信する。このような場合、決済サーバ10は、アクセスされたURLと対応するグループ識別情報を特定し、特定したグループ識別情報と紐づけられた電子マネーの口座(「ウォレット」と表示する場合がある)を特定する。続いて、決済サーバ10は、利用者端末100に対して金額入力画面を表示させ、金額を入力させる。そして、決済サーバ10は、利用者端末100から受けつけた利用者識別情報と紐づけられたウォレットから、グループ識別情報を特定し、特定したグループ識別情報と紐づけられたウォレットに対して、入力された金額の電子マネーを移動させる。なお、決済サーバ10は、グループ識別情報およびグループ店舗識別情報に紐づけられるウォレットに電子マネーを移動させてもよい。
なお、利用者端末100を用いた決済は、上述した処理に限定されるものではない。例えば、利用者端末100を用いた決済は、店舗Aに設置された店舗端末200を用いたものであってもよい。例えば、利用者端末100は、利用者Uを識別するための利用者識別情報を画面上に表示させる。このような場合、店舗Aに設置された店舗端末200は、利用者端末100に表示された利用者識別情報を読み取り、利用者識別情報(若しくは、利用者識別情報が示す情報、すなわち、利用者Uを示す情報(例えば、利用者ID))と、決済金額と、店舗Aを識別する情報とを示す決済情報を決済サーバ10へ送信する。このような場合、決済サーバ10は、利用者識別情報が示す利用者Uの口座から、店舗Aの口座へ、決済金額が示す額の電子マネーを移行させ、店舗Aの店舗端末200或いは利用者端末100に対し、決済が完了した旨の画面や所定の音声を出力させることで、決済が行われた旨を通知してもよい。
より詳細には、利用者端末100は、利用者識別情報とともに決済サーバ10に対して支払いリクエストを送信する。このような場合、決済サーバ10は、ワンタイムコードを生成し、生成したワンタイムコードと利用者識別情報とを紐づけるとともに、ワンタイムコードを利用者端末100に送信する。すると、利用者端末100は、画面上にワンタイムコード(すなわち、利用者を識別する情報)を表示する。このような場合、店舗端末200は、利用者端末100に表示されたワンタイムコードを読み取ると、読み取ったワンタイムコードと、グループ識別情報、グループ店舗識別情報および決済金額を決済サーバ10に送信する。すると、決済サーバ10は、ワンタイムコードに紐づけられた利用者識別情報に紐づくウォレットから、グループ識別情報およびグループ店舗識別情報とに紐づけられるウォレットに決済金額分の電子マネーを移動させる。
また、利用者端末100を用いた決済は、利用者Uが予め電子マネーをチャージした口座から店舗Aの口座へ電子マネーを移行させる処理のみならず、例えば、利用者Uが予め登録したクレジットカードを用いた決済であってもよい。このような場合、例えば、利用者端末100は、店舗Aの口座に対して決済金額の電子マネーを移行させるとともに、利用者Uのクレジットカードの運用会社(カード会社)に対し、決済金額を請求してもよい。
〔1-2.実施形態の概要について〕
上述したような利用者端末100を用いた決済を前提として、情報処理システム1は、様々な情報提供サービスを行うことが可能である。例えば、情報処理システム1は、店舗等の対象エリアでの決済に関する情報(「決済情報」ともいう)を基に、対象エリアの混雑度に関する情報提供サービスを行うことができる。
このような情報提供サービスを行うために、決済サーバ10は、実施形態に係る情報処理を実行する。以下、図1を用いて、決済サーバ10が実行する情報処理について説明する。なお、図1では、飲食店Xを上述した店舗A等の店舗の一例として説明する。また、図1では、利用者端末100を利用する利用者の一例として利用者U1のみを図示するが、決済情報の収集対象となる利用者には、利用者U1に限らず、対象エリアで決済を行った多数の利用者が含まれる。すなわち、図1では、1個の利用者端末100と一人の利用者U1のみを図示するが、情報処理システム1は、複数の利用者の各々が利用する利用者端末100を含む。以下の説明では、利用者端末100をその利用者端末100を利用する利用者と同一視する場合がある。すなわち、以下では、利用者をその利用者が利用する利用者端末100と読み替えることもできる。
また、以下の説明では、店舗端末200が、飲食店Xを管理する管理者(店員等)MG1により利用される例を示す。また、以下の説明では、店舗端末200を管理者MG1と同一視する場合がある。すなわち、以下では、管理者MG1を店舗端末200と読み替えることもできる。なお、飲食店Xは、利用者が例えば決済アプリにより電子決済が可能な店舗であれば、飲食店に限らず、小売店(百貨店、スーパーマーケット、コンビニ等)等どのような業種、取引対象を提供する店舗であってもよい。
まず、飲食店Xに来店し、飲食店Xにおいて飲食を行う利用者U1は、上述の利用者端末100を用いた決済を実行する。なお、図1の例において、利用者U1が、店舗端末200が利用者識別情報(利用者ID)を読み取ることにより行われる上述の決済を、飲食店Xに対して行うことを希望したものとする。この場合、管理者MG1は、利用者端末100に表示される利用者U1の利用者IDを、店舗端末200を用いて読み取る(ステップS1)。例えば、店舗端末200は、会計の際にバーコードリーダ等により利用者端末100に表示される利用者IDを読み取る。また、管理者MG1は、店舗端末200を操作して、飲食の合計額を店舗端末200に入力する。
そして、決済サーバ10は、店舗端末200から決済情報を取得する(ステップS2)。例えば、決済サーバ10は、飲食店Xの店舗ID、入力された飲食の合計額(決済金額)、ステップS1において店舗端末200が読み取った利用者U1の利用者IDなどを含む決済情報を店舗端末200から取得する。なお、上記は一例に過ぎず、上述したように、利用者端末100が飲食店Xに配置された店舗識別情報を読み取って、利用者端末100が決済情報を決済サーバ10へ送信する処理態様であってもよい。
そして、決済サーバ10は、店舗端末200から取得した決済情報に基づく決済処理を実行する(ステップS3)。例えば、決済サーバ10は、利用者IDが示す利用者U1の口座から、店舗IDが示す飲食店Xの口座へ、決済金額が示す額の電子マネーを移行させる。
また、決済サーバ10は、現在の決済情報と過去の決済情報とに基づいて、飲食店Xにおける混雑度を推定する(ステップS4)。図1では、決済サーバ10は、決済履歴LGに示すように、飲食店Xについて、処理時点(現在)の日にち(「処理当日」ともいう)の各時間帯での決済情報と、当日よりも過去の日付の各時間帯の決済情報とを用いて、飲食店Xにおける混雑度を推定する。
図1の決済履歴LGでは、白丸「〇」が処理当日の各時間帯での決済回数(「第1決済回数」ともいう)を示し、黒丸「●」が過去の各時間帯での決済回数(「第2決済回数」ともいう)を示す。過去の各時間帯での第2決済回数は、特定の日にちの第2決済回数であってもよいし、第2決済回数が取得された過去の日にちでの第2決済回数の平均値であってもよい。なお、図1では、決済履歴LGに示すように、処理当日において、12時-13時の間までの決済情報が取得され、処理時点が処理当日の13時以降である場合を示す。
決済サーバ10は、決済履歴LGに示す情報を用いて、飲食店Xについて、処理当日の各時間帯での決済回数(第1決済回数)と、当日よりも過去の日付の各時間帯での決済回数(第2決済回数)とを比較した結果に基づいて、飲食店Xにおける混雑度を推定する。図1では、決済サーバ10は、処理時点で当日に決済情報を取得済みの最先の時間帯である12時-13時の時間帯について、処理当日の第1決済回数と、過去の第2決済回数とを比較した結果に基づいて、飲食店Xにおける混雑度を推定する。このように、決済サーバ10は、処理時点で当日について、12時-13時の時間帯よりの先の飲食店Xにおける混雑度を推定する。すなわち、決済サーバ10は、処理時点よりも未来(将来)の飲食店Xにおける混雑度を推定する。
例えば、決済サーバ10は、12時-13時の時間帯について、第1決済回数が第2決済回数よりも少ない程、処理時点における飲食店Xの混雑度が低いと推定する。決済サーバ10は、12時-13時の時間帯について、第1決済回数が第2決済回数よりも多い程、処理時点における飲食店Xの混雑度が高いと推定する。図1では、決済サーバ10は、12時-13時の時間帯について、第1決済回数が第2決済回数よりも少ないため、処理時点における飲食店Xの混雑度が低いと推定する。
そして、決済サーバ10は、飲食店Xの混雑度を示す提供用情報を提供する(ステップS5)。例えば、決済サーバ10は、飲食店Xの混雑度が低い場合、提供用情報を提供する。図1では、決済サーバ10は、飲食店Xの混雑度が低いため、飲食店Xの混雑度が低いことを示す提供用情報を所定の利用者に提供する。決済サーバ10は、飲食店Xの混雑度が低いことを示す提供用情報を所定の利用者が利用する利用者端末100に送信する。例えば、決済サーバ10は、飲食店Xの混雑度が低いことを示す提供用情報を、飲食店Xから所定の範囲(例えば1km等)内に位置する利用者が利用する利用者端末100に送信する。
以上のように、決済サーバ10は、直近で飲食店Xを利用していない利用者へ飲食店Xの混雑度が低いことを通知する。これにより、決済サーバ10は、決済情報に基づく適切な情報提供を行うことができる。また、決済サーバ10は、上記のような現在の決済情報と過去の決済情報を用いて推定した混雑度を基に情報提供を行うことにより、決済情報に基づく適切な情報提供を可能にすることができる。なお、上述した情報提供先は一例に過ぎず、決済サーバ10は、任意に情報提供先に情報提供を行ってもよい。例えば、決済サーバ10は、当日の12時-13時の時間帯に飲食店Xで決済を行った利用者以外の利用者を対象利用者として選択し、選択した対象利用者が利用する利用者端末100へ、提供用情報を送信してもよい。例えば、決済サーバ10は、当日の12時-13時の時間帯に飲食店Xで決済を行った利用者以外の利用者であり、かつ飲食店Xから所定の範囲内に位置する利用者を対象利用者として選択し、選択した対象利用者が利用する利用者端末100へ、提供用情報を送信してもよい。
〔1-3.情報処理例〕
上述した情報処理システム1が行う情報処理を前提として、情報処理システム1により実行される各種の情報処理の詳細を説明する。なお、上記で説明した内容と同様の点については適宜説明を省略する。また各種の処理は適宜組み合わせてもよい。
〔1-3-1.AIの利用例〕
例えば、上述した例では、現在と過去の決済情報の比較結果を基に情報提供を行う場合を一例として説明したが、情報処理システム1は、AI(人工知能)、機械学習などに関する技術を利用して情報提供を行ってもよい。例えば、決済サーバ10は、店舗等の対象エリアにおける混雑度を推定するために用いられる学習モデルである推定モデルM1を利用して情報提供を行ってもよい。この点について図1の例を参照しつつ以下説明する。なお、上述した内容と同様の点については適宜説明を省略する。
決済サーバ10は、現在の決済情報及び過去の決済情報と、対象エリアにおける混雑度との関連性の特徴を学習した推定モデルM1を用いて、対象エリアにおける混雑度を推定する。例えば、決済サーバ10は、飲食店Xでの現在の決済情報及び過去の決済情報と、飲食店Xにおける混雑度との関連性の特徴を学習した推定モデルM1を用いて、飲食店Xにおける混雑度を推定する。例えば、決済サーバ10は、混雑度が低いと推定される程、小さいスコアを出力し、混雑度が高いと推定される程、大きいスコアを出力するように学習された推定モデルM1を用いて混雑度を推定する。
例えば、決済サーバ10は、飲食店Xでの現在の決済情報及び過去の決済情報に対応する情報を入力として、飲食店Xにおける混雑度を示すスコアを出力する推定モデルM1を用いて、飲食店Xにおける混雑度を推定する。この場合、決済サーバ10は、飲食店Xでの現在の決済情報及び過去の決済情報を入力として、飲食店Xにおける混雑度を示すスコアを出力する推定モデルM1を用いて、飲食店Xにおける混雑度を推定する。決済サーバ10は、混雑度が低いと推定される程、小さいスコアを出力し、混雑度が高いと推定される程、大きいスコアを出力する推定モデルM1を用いて混雑度を推定する。
図1では、決済サーバ10は、飲食店Xについて、処理当日の12時-13時の時間帯での決済情報と、当日よりも過去の日付の12時-13時の時間帯での決済情報を推定モデルM1に入力し、推定モデルM1にスコアを出力させる。決済サーバ10は、推定モデルM1が出力したスコアを基に、処理時点での飲食店Xの混雑度を推定する。例えば、決済サーバ10は、推定モデルM1が出力したスコアが大きい程、処理時点での飲食店Xの混雑度が高いと推定する。例えば、決済サーバ10は、推定モデルM1が出力したスコアが小さい程、処理時点での飲食店Xの混雑度が低いと推定する。
なお、決済サーバ10は、学習モデルを提供するモデル提供サーバ等から推定モデルM1を取得してもよいし、自装置で推定モデルM1を学習してもよい。例えば、決済サーバ10は、推定モデルM1を学習する場合、モデル情報データベース32(図4参照)に格納された学習データLDT1を用いて、推定モデルM1を学習する。例えば、学習データLDT1には、対象エリアについて利用者端末100を用いて第1期間に行われた決済に対応する第1決済情報及び第1期間よりも過去の2期間に行われた決済に対応する第2決済情報と、第1期間に対応する時点での対象エリアの混雑度(スコア)を示すラベル(「正解情報」ともいう)とを対応付けたデータが含まれる。
なお、第1決済情報や第2決済情報等の決済情報には、決済の日時、対象、金額等、様々な情報が含まれてもよい。また、例えば、正解情報としては、混雑度が高い、すなわち混雑している程「1」に近い値が割り当てられ、混雑度が低い、すなわち空いている程「0」に近いが割り当てられる。例えば、正解情報は、例えば第1期間終了時点から30分後や1時間後等、第1期間より後の所定の時点における対象エリアの混雑度を示すスコア(値)である。なお、正解情報は、SNS(Social Networking Service)等における利用者の投稿等を基に推定されたスコアであってもよい。
例えば、決済サーバ10は、推定モデルM1が出力するスコアが、推定モデルM1に入力した対象エリアの第1決済情報及び第2決済情報に対応付けられた正解情報(ラベル)に近づくように、バックプロパゲーション(誤差逆伝播法)等の手法により学習処理を行う。例えば、決済サーバ10は、店舗の第1決済情報及び第2決済情報が入力された推定モデルM1が出力するスコアが、その第1決済情報及び第2決済情報に対応付けられた正解情報に近づくように学習処理を行う。例えば、決済サーバ10は、正解情報が「1」である場合、その正解情報が割り当てられたストアのストア情報が入力された場合に、推定モデルM1が出力するスコアが「1」に近づくように、学習処理を行う。また、例えば、決済サーバ10は、正解情報が「0」である場合、その正解情報が割り当てられたストアのストア情報が入力された場合に、推定モデルM1が出力するスコアが「0」に近づくように、学習処理を行う。
〔1-3-2.その他限定解除〕
上述したように、情報処理システム1は、過去の各時間帯の決済行動と、現在の決済行動とを比較し、比較結果を示す情報を提供する。例えば、情報処理システム1は、単純に決済回数の過去平均と、今の決済回数とを示す情報を提供してもよい。また、情報処理システム1は、比較結果に応じて、混雑度を推定し、推定した混雑度を示す情報を提供してもよい。
また、情報処理システム1は、過去の各時間帯の決済回数と、現在の決済回数との比較結果に応じて、混雑度を推定してもよい。情報処理システム1は、いつもより混んでいるか、空いているかを示す情報を提供してもよい。情報処理システム1は、平均的な回数との比較に基づく情報を提供してもよい。情報処理システム1は、店舗の利用平均時間が所定よりも長い場合は、前の時間帯を考慮した比較を行ってもよい。情報処理システム1は、決済して退店した利用者の数を基に、混雑度を推定してもよい。情報処理システム1は、過去の日にちにおいて混雑している時間帯について、その時間帯の処理当日の決済回数が少なく、前の決済回数がいつもより多い場合は、対象エリアの混雑度が低いと推定してもよい。
また、情報処理システム1は、位置情報と組み合わせて推定してもよい。情報処理システム1は、位置情報を基に対象エリアに人が少なく、決済も通常よりも多い場合、次の時間帯は、混雑度が低いと推定してもよい。
また、情報処理システム1は、店舗等の対象エリアについて、収容人数等のキャパシティを考慮して、混雑度を推定してもよい。キャパを考慮してもよい。情報処理システム1は、過去の決済回数と、処理当日の決済回数とを示す情報を提供してもよい。情報処理システム1は、過去の決済の平均額と、現在の決済の額との差に基づいて、現在の決済により退店する利用者の数を推定してもよい。この場合、情報処理システム1は、現在の決済の額を、平均額で割ることにより算出して値を基に、混雑度を推定してもよい。
また、情報処理システム1は、対象エリア内に複数店舗が存在する場合も対象エリアについて混雑度を推定してもよい。情報処理システム1は、対象エリア内の複数店舗の過去の決済行動履歴と、現在のその対象エリアの決済回数との比較結果に応じて、その対象エリアの混雑度を推定する。
また、情報処理システム1は、利用者から受け付けた条件に合致する店舗を対象として処理を行ってもよい。また、情報処理システム1は、処理対象とする対象店舗の周囲の店舗の傾向を加味して、対象店舗の混雑度を推定してもよい。情報処理システム1は、対象店舗の周囲の店舗が混雑してきている場合、対象店舗が処理時点では空いているが、その後混雑すると推定してもよい。
情報処理システム1は、過去の決済が少なく、かつ処理当日も決済が少ない場合、混雑度が低いと推定してもよい。情報処理システム1は、処理当日の決済が過去よりも少ない場合、混雑度が低いと推定してもよい。情報処理システム1は、処理当日の決済が過去よりも多い場合、混雑度が高いと推定してもよい。情報処理システム1は、混雑度が上昇している場合、過去も混雑し、処理当日も混雑していると推定してもよい。例えば、情報処理システム1は、混雑度が上昇している場合、今(処理時点)も混雑していると推定してもよい。
情報処理システム1は、対象エリアに応じて、情報提供の条件を変更してもよい。例えば、情報処理システム1は、クラブ等の混雑度が高い方が利用者のモチベーションが高くなる対象エリアである場合、混雑度が高いと推定された場合、利用者に提供用情報を提供してもよい。また、情報処理システム1は、対象エリアに位置する利用者の属性を示す提供用情報を利用者に提供してもよい。例えば、情報処理システム1は、対象エリアに位置する利用者にどういう属性の人が多いかを示す情報を提供してもよい。
情報処理システム1は、推定モデルM1等の学習モデルについて、任意の情報を用いて学習してもよい。情報処理システム1は、過去の情報、現在の情報を用いた学習処理により、将来の混雑度を推定するための学習モデルを生成する。情報処理システム1は、決済回数、決済額、対象エリアの周囲の利用者の数、対象エリアを利用する利用者の位置情報等を含む決済情報を用いて、学習モデルを生成してもよい。情報処理システム1は、過去の一の時間帯の情報と、処理当日の一の時間帯の情報とを基に、混雑度を示すスコアを出力する学習モデルを生成してもよい。情報処理システム1は、過去の一の時間帯の情報と、対象エリアの近隣のエリアの情報を基に、対象エリアの混雑度を推定するモデルを生成してもよい。
情報処理システム1は、店舗に関するクーポンを発行してもよい。情報処理システム1は、クーポンを発行した店舗が、クーポン発行後に混雑度が高くなると推定してもよい。上述したように、情報処理システム1は、店舗等の対象エリアごとに通知内容が、比較結果に応じて変わる情報提供を行う。また、情報処理システム1は、公園等を対象エリアとして情報提供を行ってもよい。また、情報処理システム1は、決済回数と、決済アプリの利用頻度に基づいて、混雑度を推定してもよい。情報処理システム1は、店舗等の対象エリアのキャパシティに応じた情報を提供してもよい。情報処理システム1は、対象エリアの座席のうち、利用者が利用中の座席の割合を示す情報を提供してもよい。なお、上述した処理は一例に過ぎず、情報処理システム1は、様々な情報を適宜用いて、任意の情報を提供してもよい。
〔2.決済サーバの構成〕
次に、図2を用いて、決済サーバ10の構成について説明する。図2は、実施形態に係る決済サーバの構成例を示す図である。図2に示すように、決済サーバ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、利用者端末100、店舗端末200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、口座データベース31と、モデル情報データベース32と、事業者情報データベース33と、利用者情報データベース34とを有する。
(口座データベース31について)
口座データベース31は、利用者や、事業者、店舗などが電子決済サービスにおいて所有する口座(決済口座)に関する各種の情報を記憶する。ここで、図3を用いて、口座データベース31が記憶する情報の一例を説明する。図3は、実施形態に係る口座データベースの一例を示す図である。図3の例において、口座データベース31は、「口座ID」、「所有者情報」、「口座残高」といった項目を有する。
「口座ID」は、口座を識別するための識別情報を示す。「所有者情報」は、口座を所有する所有者に関する情報を示し、例えば、所有者を識別するための識別情報が格納される。「口座残高」は、口座の残高を示す。
すなわち、図3では、口座ID「AID#1」によって識別される口座の保有者の情報が「利用者#1」であり、口座残高が「7,800円」、出金元情報が「出金元情報#1」である例を示す。
(モデル情報データベース32について)
モデル情報データベース32は、モデルに関する情報を記憶する。例えば、モデル情報データベース32は、学習処理により学習(生成)された学習済みモデル(モデル)の情報(モデルデータ)を記憶する。モデル情報データベース32は、学習に用いたデータ(学習データ)を学習済みモデル(モデル)に対応付けて記憶する。
ここで、図4を用いて、モデル情報データベース32が記憶する情報の一例を説明する。図4は、実施形態に係るモデル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、モデル情報データベース32は、「モデルID」、「用途」、「モデルデータ」、「学習データ」といった項目を有する。
「モデルID」は、モデルを識別するための識別情報を示す。「用途」は、対応するモデルの用途を示す。「モデルデータ」は、モデルのデータを示す。図4では「モデルデータ」に「MDT1」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、モデルの構成(ネットワーク構成)の情報やパラメータに関する情報等、そのモデルを構成する種々の情報が含まれる。例えば、「モデルデータ」には、ネットワークの各層におけるノードと、各ノードが採用する関数と、ノードの接続関係と、ノード間の接続に対して設定される接続係数とを含む情報が含まれる。
「学習データ」は、学習済みモデル(モデル)の学習に用いられたデータを示す。「学習データ」には、対応するモデルの学習に用いられたデータセットを示す情報が記憶される。例えば、「学習データ」は、データ(入力情報)とそのデータに対応する正解情報(出力情報)とを対応付けて、学習データ(「学習用データ」ともいう)として記憶する。図4では「学習データ」に「LDT1」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、データ(入力情報)とそのデータに対応する正解情報(出力情報)等、対応するモデルの学習に用いられたデータに関する種々の情報が含まれる。
図4では、モデルID「M1」により識別されるモデル(推定モデルM1)は、用途が「混雑度推定」であることを示す。すなわち、推定モデルM1は、入力されたデータに対応する店舗等に対応するエリアについて推定される混雑度を示す情報(スコア)を出力するモデルであることを示す。また、推定モデルM1のモデルデータは、モデルデータMDT1であることを示す。また、推定モデルM1の学習に用いられた学習データは、学習データLDT1であることを示す。
なお、モデル情報データベース32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。
(事業者情報データベース33について)
事業者情報データベース33は、利用者に取引対象を提供する事業者(企業)に関する各種の情報を記憶する。ここで、図5を用いて、事業者情報データベース33が記憶する情報の一例を説明する。図5は、実施形態に係る店舗情報データベースの一例を示す図である。図5の例において、事業者情報データベース33は、「事業者ID」、「カテゴリ」、「取引対象」、「店舗情報」といった項目を有する。なお、取引対象は、事業者により提供される商品又はサービスの利用等、決済の対象となる様々な対象を含む。
「事業者ID」は、店舗を管理する事業者を識別するための識別情報を示す。「カテゴリ」は、事業者が行う事業が属するカテゴリを示す。「取引対象」は、事業者が提供(販売)する取引対象を示す。「店舗情報」は、その事業者が運営する店舗に関する各種情報を示す。例えば、「店舗情報」は、その事業者が運営する各店舗の所在地、キャパシティ(広さ、座席数等)、売上履歴等、店舗に関する各種情報が含まれる。
すなわち、図5では、事業者ID「MID#1」により識別される事業者が、カテゴリが「カテゴリ#1」に該当し、取引対象「取引対象#1」を提供することを示す。また、事業者ID「MID#1」により識別される事業者が運営する店舗については、店舗情報「店舗情報#1」が格納されることを示す。
(利用者情報データベース34について)
利用者情報データベース34は、決済サーバ10が提供するサービスの利用者に関する各種の情報を記憶する。ここで、図6を用いて、利用者情報データベース34が記憶する情報の一例を説明する。図6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6の例において、利用者情報データベース34は、「利用者ID」、「決済履歴」、「利用履歴」、「属性情報」、「位置履歴」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。「決済履歴」は、電子決済サービスを利用して行った決済の履歴を示し、決済が行われた日時に対応付けて、例えば、決済先、決済金額、決済の態様である取引対象などといった情報が格納される。「利用履歴」は、各種サービスの利用履歴を示す。「属性情報」は、決済履歴や利用履歴などに基づいて推定される利用者の属性(デモグラフィック属性、サイコグラフィック属性)を示す。「位置履歴」は、利用者の位置の履歴を示し、位置が取得された日時に対応付けて、例えば、利用者の位置情報、その日時での行動を示す行動情報などといった情報が格納される。
すなわち、図6では、利用者ID「UID#1」によって識別される利用者の決済履歴が「決済履歴#1」、利用履歴が「利用履歴#1」、属性情報が「属性情報#1」であり、位置履歴が「位置履歴#1」である例を示す。
(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、決済サーバ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、取得部41と、決済処理部42と、学習部43と、選択部44と、推定部45と、提供部46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41について)
取得部41は、処理に必要な各種情報を取得する。取得部41は、記憶部30から各種情報を取得する。取得部41は、利用者情報データベース34から利用者に関する各種情報を取得する。取得部41は、利用者情報データベース34から利用者の利用者端末100を用いた決済に関する各種情報を取得する。例えば、取得部41は、利用者情報データベース34に記憶された決済履歴のうち、決済の日時が期間に対応する決済履歴を取得する。取得部41は、利用者端末100や店舗端末20等の外部の情報処理装置から各種の情報を受信する。
取得部41は、利用者が利用する利用者端末100を用いた決済に関する決済情報を取得する。取得部41は、所定の店舗における利用者端末100を用いた決済に関する決済情報を取得する。取得部41は、利用者が利用する利用者端末100を用いた決済に関する決済情報のうち、第1期間に行われた決済に対応する第1決済情報と、第1期間よりも過去の期間である第2期間に行われた決済に対応する第2決済情報とを取得する。
取得部41は、決済情報のうち、第1期間に行われた決済に対応する第1決済情報を取得する。取得部41は、決済情報のうち、第1期間よりも過去の期間である第2期間に行われた決済に対応する第2決済情報を取得する。取得部41は、決済情報のうち、処理の時点に対応する第1期間の第1決済情報を取得する。取得部41は、決済情報のうち、処理の時点が含まれる第1日における第1期間の第1決済情報を取得する。
取得部41は、決済情報のうち、第1日よりも前の日である第2日における第2期間の第2決済情報を取得する。取得部41は、決済情報のうち、第1日における所定の時間帯である第1期間の第1決済情報を取得する。取得部41は、決済情報のうち、第2日における所定の時間帯である第2期間の第2決済情報を取得する。取得部41は、決済情報のうち、所定の店舗での第1期間の第1決済情報を取得する。取得部41は、決済情報のうち、所定の店舗での第2期間の第2決済情報を取得する。
(決済処理部42について)
決済処理部42は、取得部41が取得した決済情報に従い、決済処理を実行する。例えば、決済処理部42は、利用者IDが示す利用者の口座から、店舗IDが示す店舗の口座へ、決済金額が示す額の電子マネーを移行させる。
(学習部43について)
学習部43は、学習モデル(モデル)を学習する学習処理を実行する。例えば、学習部43は、取得部131により取得された各種情報に基づいて、学習処理を実行する。学習部43は、外部の情報処理装置からの情報や記憶部30に記憶された情報に基づいて、学習処理を実行する。学習部43は、モデル情報データベース32に記憶された情報に基づいて、学習処理を実行する。学習部43は、学習により生成したモデルをモデル情報データベース32に格納する。
学習部43は、学習モデルを学習する。学習部43は、第1決済情報及び第2決済情報と、第1決済情報に対応するエリアである対象エリアにおける混雑度との関連性の特徴を学習する学習処理により、対象エリアにおける混雑度を推定する学習モデルを学習する。学習部43は、学習処理を行う。学習部43は、各種学習を行う。学習部43は、取得部131により取得された情報に基づいて、各種情報を学習する。学習部43は、モデルを学習(生成)する。学習部43は、モデル等の各種情報を学習する。学習部43は、学習によりモデルを生成する。学習部43は、種々の機械学習に関する技術を用いて、モデルを学習する。例えば、学習部43は、モデル(ネットワーク)のパラメータを学習する。学習部43は、種々の機械学習に関する技術を用いて、モデルを学習する。
学習部43は、推定モデルM1等の各種の学習モデルを生成する。学習部43は、ネットワークのパラメータを学習する。例えば、学習部43は、推定モデルM1等の各種の学習モデルのネットワークのパラメータを学習する。学習部43は、モデル情報データベース32に記憶された学習用データを用いて、学習処理を行うことにより、推定モデルM1等の各種の学習モデルを生成する。例えば、学習部43は、推定処理に用いられるモデルを生成する。学習部43は、推定モデルM1等の各種の学習モデルのネットワークのパラメータを学習することにより、推定モデルM1等の各種の学習モデルを生成する。
学習部43は、モデル情報データベース32に記憶された学習用データ(教師データ)に基づいて、学習処理を行う。学習部43は、モデル情報データベース32に記憶された学習用データを用いて、学習処理を行うことにより、推定モデルM1等の各種の学習モデルを生成する。
例えば、学習部43は、混雑度の推定に用いるモデルを生成する。例えば、学習部43は、混雑度の推定対象となるエリアでの決済情報が入力された場合に、その決済情報に対応するエリアについて将来推定される混雑度を示すスコアを出力するモデルを生成する。学習部43は、推定モデルM1のネットワークのパラメータを学習することにより、推定モデルM1を生成する。
例えば、学習部43は、学習処理によりノード間で値が伝達する際に考慮される重み(すなわち、接続係数)の値を調整する。このように、学習部43は、推定モデルM1における出力と、入力に対応する正解情報との誤差が少なくなるようにパラメータ(接続係数)を補正するバックプロパゲーション等の処理により推定モデルM1を学習する。例えば、学習部43は、所定の損失(ロス)関数を最小化するようにバックプロパゲーション等の処理を行うことにより推定モデルM1を生成する。これにより、学習部43は、推定モデルM1のパラメータを学習する学習処理を行うことができる。
なお、モデルの学習手法については、上述した手法に限定されるものではなく、任意の公知技術が適用可能である。なお、各モデルの生成は、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、モデルの生成は、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、例えば、モデルの生成は、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。例えば、モデルの生成は、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。
例えば、モデルの生成は、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、上記モデルの生成に関する記載は例示であり、モデルの生成は、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。すなわち、学習部43は、学習データに含まれる入力情報が入力された場合に、正解情報に対応する混雑度を示すスコアを出力するように推定モデルM1を学習可能であれば、どのような手法により推定モデルM1の生成を行ってもよい。例えば、学習部43は、データ(入力情報)とその正解情報(出力情報)とを紐づけた学習用データを用意し、その学習用データを多層ニューラルネットワークに基づいた計算モデルに入力して学習してもよい。
(選択部44について)
選択部44は、種々の情報を選択する。選択部44は、種々の情報を抽出する。選択部44は、取得部131により取得された各種情報に基づいて、選択処理を実行する。例えば、選択部44は、記憶部30に記憶された情報に基づいて、選択処理を実行する。選択部44は、記憶部30に記憶された情報から、処理に用いる情報を抽出する。選択部44は、利用者情報データベース34に記憶された決済情報から、処理に用いる情報を抽出する。
例えば、選択部44は、利用者情報データベース34に記憶された利用者に関する各種情報に基づいて、選択処理を実行する。選択部44は、利用者情報データベース34に記憶された利用者の利用者端末100を用いた決済に関する各種情報に基づいて、選択処理を実行する。
選択部44は、決済情報のうち、第1期間に行われた決済に対応する第1決済情報を選択する。選択部44は、決済情報のうち、第1期間よりも過去の期間である第2期間に行われた決済に対応する第2決済情報を選択する。選択部44は、決済情報のうち、処理の時点に対応する第1期間の第1決済情報を選択する。選択部44は、決済情報のうち、処理の時点が含まれる第1日における第1期間の第1決済情報を選択する。
選択部44は、決済情報のうち、第1日よりも前の日である第2日における第2期間の第2決済情報を選択する。選択部44は、決済情報のうち、第1日における所定の時間帯である第1期間の第1決済情報を選択する。選択部44は、決済情報のうち、第2日における所定の時間帯である第2期間の第2決済情報を選択する。選択部44は、決済情報のうち、所定の店舗での第1期間の第1決済情報を選択する。選択部44は、決済情報のうち、所定の店舗での第2期間の第2決済情報を選択する。選択部44は、第1期間に所定の店舗で決済を行った利用者以外の利用者を対象利用者として選択する。
(推定部45について)
推定部45は、各種情報を推定する推定処理を実行する。例えば、推定部45は、取得部41により取得された各種情報に基づいて、推定処理を実行する。例えば、推定部45は、記憶部30に記憶された情報に基づいて、推定処理を実行する。例えば、推定部45は、利用者情報データベース34に記憶された利用者に関する各種情報に基づいて、推定処理を実行する。推定部45は、利用者情報データベース34に記憶された利用者の利用者端末100を用いた決済に関する各種情報に基づいて、推定処理を実行する。推定部45は、学習部43により学習された推定モデルM1を用いて、推定処理を実行する。
推定部45は、第1期間の第1決済情報と、第2期間の第2決済情報とに基づいて、第1決済情報に対応するエリアである対象エリアにおける混雑度を推定する。推定部45は、第1期間の第1決済情報と、第2期間の第2決済情報とに基づいて、第1期間よりも先の対象エリアにおける混雑度を推定する。
推定部45は、第1期間の第1決済情報と、第2期間の第2決済情報とに基づいて、第1決済情報に対応する店舗における混雑度を推定する。推定部45は、第1決済情報及び第2決済情報と、対象エリアにおける混雑度との関連性の特徴を学習した学習モデルを用いて、対象エリアにおける混雑度を推定する。
推定部45は、第1決済情報及び第2決済情報に対応する情報を入力として、対象エリアにおける混雑度を示すスコアを出力する学習モデルを用いて、対象エリアにおける混雑度を推定する。推定部45は、学習部43により学習された学習モデルを用いて、対象エリアにおける混雑度を推定する。
推定部45は、第1決済情報と第2決済情報との比較する処理を実行する。推定部45は、第1決済情報が示す第1決済回数と第2決済情報が示す第2決済回数との比較する処理を実行する。推定部45は、第1決済情報が示す第1決済回数と第2決済情報が示す第2決済回数との差分を算出する。
推定部45は、第1決済回数が第2決済回数よりも少ない程、第1期間に対応する時点での混雑度が低いと推定する。推定部45は、第1決済回数が第2決済回数よりも多い程、第1期間に対応する時点での混雑度が高いと推定する。例えば、推定部45は、第2決済回数に対する第1決済回数の割合に基づいて、第1期間に対応する時点での混雑度を推定する。推定部45は、第2決済回数に対する第1決済回数の割合を算出し、算出した割合を第1期間に対応する時点での混雑度と推定する。推定部45は、第1決済情報と第2決済情報との比較の結果を示す提供用情報を生成する。
推定部45は、取得部41により取得された決済情報のうち、第1期間に行われた決済に対応する第1決済情報と、第1期間よりも過去の期間である第2期間に行われた決済に対応する第2決済情報とを用いて推定処理を実行する。推定部45は、処理の時点に対応する第1期間の第1決済情報と、第2期間の第2決済情報とを用いて推定処理を実行する。
推定部45は、処理の時点が含まれる第1日における第1期間の第1決済情報と、第1日よりも前の日である第2日における第2期間の第2決済情報とを用いて推定処理を実行する。推定部45は、第1日における所定の時間帯である第1期間の第1決済情報と、第2日における所定の時間帯である第2期間の第2決済情報とを用いて推定処理を実行する。
推定部45は、所定の店舗での第1期間の第1決済情報と、所定の店舗での第2期間の第2決済情報を用いて推定処理を実行する。推定部45は、所定の店舗での第1期間の第1決済情報と、所定の店舗での第2期間の第2決済情報とに基づいて所定の店舗の混雑度を推定する。
推定部45は、種々の情報を生成する。推定部45は、取得部41により取得された情報に基づいて各種情報を生成する。推定部45は、記憶部30に記憶された情報に基づいて各種情報を生成する。推定部45は、種々の情報を生成する生成処理を実行する。
推定部45は、推定処理の結果を示す提供用情報を生成する。例えば、推定部45は、提供用情報SC1、SC2、SC3等のような提供用情報を生成する。例えば、推定部45は、Java(登録商標)等の種々の技術を適宜用いて、提供用情報等のコンテンツを生成する。なお、推定部45は、CSSやJavaScript(登録商標)やHTMLの形式に基づいて、提供用情報等のコンテンツを生成してもよい。また、例えば、推定部45は、JPEG(Joint Photographic Experts Group)やGIF(Graphics Interchange Format)やPNG(Portable Network Graphics)など様々な形式で提供用情報等のコンテンツを生成してもよい。
(提供部46について)
提供部46は、利用者に各種提案を行う。提供部46は、利用者に提案を行う情報を提供する。提供部46は、通信部20を介して利用者端末100に各種情報を送信する。提供部46は、取得部41により取得された情報を送信する。提供部46は、選択部44による選択に応じて、情報を利用者端末100に送信する。
提供部46は、外部装置へ各種情報を通知する。提供部46は、利用者端末100へ各種情報を通知する。提供部46は、推定部45による推定結果に基づく情報を利用者端末100へ送信する。例えば、提供部46は、推定部45により生成された情報を利用者端末100へ送信する。提供部46は、推定部45により生成された提供用情報を利用者端末100へ送信する。例えば、提供部46は、提供用情報SC1、SC2、SC3等のような提供用情報を利用者端末100へ送信する。
提供部46は、取得部41により取得された決済情報のうち、第1期間に行われた決済に対応する第1決済情報と、第1期間よりも過去の期間である第2期間に行われた決済に対応する第2決済情報とを用いた処理に基づく提供用情報を提供する。提供部46は、第1決済情報と第2決済情報との比較の結果を示す提供用情報を提供する。提供部46は、処理の時点に対応する第1期間の第1決済情報と、第2期間の第2決済情報とに基づく提供用情報を提供する。
提供部46は、処理の時点が含まれる第1日における第1期間の第1決済情報と、第1日よりも前の日である第2日における第2期間の第2決済情報とを用いた処理に基づく提供用情報を提供する。提供部46は、第1日における所定の時間帯である第1期間の第1決済情報と、第2日における所定の時間帯である第2期間の第2決済情報とを用いた処理に基づく提供用情報を提供する。
提供部46は、所定の店舗での第1期間の第1決済情報と、所定の店舗での第2期間の第2決済情報とに基づく提供用情報を提供する。提供部46は、所定の店舗での第1期間の第1決済情報と、所定の店舗での第2期間の第2決済情報とに基づいて推定される所定の店舗の混雑度を示す提供用情報を提供する。
提供部46は、提供用情報の提供先となる他の情報処理装置へ提供用情報を送信する。提供部46は、所定の利用者が利用する利用者端末100へ提供用情報を送信する。提供部46は、第1期間に所定の店舗で決済を行った利用者以外の利用者である対象利用者が利用する利用者端末100へ、提供用情報を送信する。提供部46は、所定の店舗の混雑度が所定の条件を満たす場合、対象利用者が利用する利用者端末100へ、提供用情報を送信する。提供部46は、選択部44により選択された対象利用者が利用する利用者端末100へ、提供用情報を送信する。
提供部46は、推定部45により推定された対象エリアにおける混雑度を示す提供用情報を提供する。提供部46は、推定部45により推定された対象エリアにおける記第1期間よりも先の混雑度を示す提供用情報を提供する。提供部46は、推定部45により推定された店舗における混雑度を示す提供用情報を提供する。
〔3.情報処理のフロー〕
図7を用いて、実施形態に係る決済サーバ10の情報処理の手順について説明する。図7は、実施形態に係る情報処理の手順の一例を示すフローチャートである。
図7に示すように、決済サーバ10は、利用者が利用する利用者端末を用いた決済に関する決済情報を取得する(ステップS101)。決済サーバ10は、決済情報のうち、第1期間に行われた決済に対応する第1決済情報と、第1期間よりも過去の期間である第2期間に行われた決済に対応する第2決済情報とを用いた処理に基づく提供用情報を提供する(ステップS102)。
〔4.その他の例〕
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。
〔4-1.提供用情報について〕
提供される提供用情報は任意の態様が採用可能である。この点について、図8を用いて説明する。図8は、利用者に提供される提供用情報の例を示す図である。なお、上述した内容と同様の点については適宜説明を省略する。
決済サーバ10は、図8に示す提供用情報SC1、SC2、SC3等のような、各種の態様の提供用情報を提供する。利用者端末100は、図8に示す提供用情報SC1、SC2、SC3等のような、各種の態様の提供用情報を表示する。
例えば、決済サーバ10は、各時間帯での飲食店Xの混雑度を示す情報を含む提供用情報SC1を生成してもよい。この場合、決済サーバ10は、各時間帯での飲食店Xの混雑度を示す情報を含む提供用情報SC1を利用者端末100へ送信する。決済サーバ10から提供用情報SC1を受信した利用者端末100は、各時間帯での飲食店Xの混雑度を示す情報を含む提供用情報SC1を表示する。図8の提供用情報SC1は、ハッチングが付されたバーの時間帯が、例えば処理時点での時間帯に対応し、処理時点が空いていると推定されたことを示す。
例えば、決済サーバ10は、飲食店Xの混雑度が低いことを示す情報を含むマップである提供用情報SC2を生成してもよい。図8では、決済サーバ10は、処理時点で飲食店Xが空いていることを示す情報を含むマップである提供用情報SC2を生成してもよい。この場合、決済サーバ10は、処理時点で飲食店Xが空いていることを示す情報を含む提供用情報SC2を利用者端末100へ送信する。決済サーバ10から提供用情報SC2を受信した利用者端末100は、処理時点で飲食店Xが空いていることを示す情報を含むマップである提供用情報SC2を表示する。
例えば、決済サーバ10は、飲食店Xの混雑度が低いことを示すプッシュ通知を含むマップである提供用情報SC3を生成してもよい。図8では、決済サーバ10は、処理時点で飲食店Xが空いていることを示すプッシュ通知である提供用情報SC3を生成してもよい。この場合、決済サーバ10は、処理時点で飲食店Xが空いていることを示す情報を含む提供用情報SC3を利用者端末100へ送信する。決済サーバ10から提供用情報SC3を受信した利用者端末100は、処理時点で飲食店Xが空いていることを示す情報を含むマップである提供用情報SC3を表示する。
〔4-2.混雑度の推定対象について〕
上述した例では、店舗を混雑度の推定対象の一例として説明したが、決済サーバ10は、任意の対象の混雑度を推定してもよい。例えば、決済サーバ10は、所定のエリアの混雑度を推定してもよい。例えば、決済サーバ10は、複数の店舗が座席を共有するフードコートのようなエリアを対象として、混雑度を推定してもよい。
〔4-3.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。
〔5.効果〕
上述してきたように、実施形態に係る情報処理装置(実施形態では「決済サーバ10」以下同じ)は、取得部(実施形態では「取得部41」以下同じ)と、提供部(実施形態では「提供部46」以下同じ)を有する。取得部は、利用者が利用する利用者端末(実施形態では「利用者端末100」以下同じ)を用いた決済に関する決済情報を取得する。提供部は、取得部により取得された決済情報のうち、第1期間に行われた決済に対応する第1決済情報と、第1期間よりも過去の期間である第2期間に行われた決済に対応する第2決済情報とを用いた処理に基づく提供用情報を提供する。
このように、実施形態に係る情報処理装置は、第1期間での利用者が利用する利用者端末を用いた決済と、それよりも過去の利用者が利用する利用者端末を用いた決済行動とを用いた処理に基づく提供用情報を提供することで、決済情報に基づく適切な情報提供を可能にすることができる。
また、実施形態に係る情報処理装置において、提供部は、第1決済情報と第2決済情報との比較の結果を示す提供用情報を提供する。
このように、実施形態に係る情報処理装置は、第1期間での利用者が利用する利用者端末を用いた決済と、それよりも過去の利用者が利用する利用者端末を用いた決済行動との比較の結果を示す提供用情報を提供することで、決済情報に基づく適切な情報提供を可能にすることができる。
また、実施形態に係る情報処理装置において、提供部は、処理の時点に対応する第1期間の第1決済情報と、第2期間の第2決済情報とに基づく提供用情報を提供する。
このように、実施形態に係る情報処理装置は、処理の時点、すなわち現在の利用者が利用する利用者端末を用いた決済と、過去の利用者が利用する利用者端末を用いた決済行動との比較の結果を示す提供用情報を提供することで、決済情報に基づく適切な情報提供を可能にすることができる。
また、実施形態に係る情報処理装置において、提供部は、処理の時点が含まれる第1日における第1期間の第1決済情報と、第1日よりも前の日である第2日における第2期間の第2決済情報とを用いた処理に基づく提供用情報を提供する。
このように、実施形態に係る情報処理装置は、処理の時点、すなわち当日の利用者が利用する利用者端末を用いた決済と、過去の日付での利用者が利用する利用者端末を用いた決済行動との比較の結果を示す提供用情報を提供することで、決済情報に基づく適切な情報提供を可能にすることができる。
また、実施形態に係る情報処理装置において、提供部は、第1日における所定の時間帯である第1期間の第1決済情報と、第2日における所定の時間帯である第2期間の第2決済情報とを用いた処理に基づく提供用情報を提供する。
このように、実施形態に係る情報処理装置は、処理の時点、すなわち当日のある時間帯利用者が利用する利用者端末を用いた決済と、過去の日付での当日と同じ時間帯での利用者が利用する利用者端末を用いた決済行動との比較の結果を示す提供用情報を提供することで、決済情報に基づく適切な情報提供を可能にすることができる。
また、実施形態に係る情報処理装置において、取得部は、所定の店舗における利用者端末を用いた決済に関する決済情報を取得する。提供部は、所定の店舗での第1期間の第1決済情報と、所定の店舗での第2期間の第2決済情報とに基づく提供用情報を提供する。
このように、実施形態に係る情報処理装置は、所定の店舗での決済について、第1期間での利用者が利用する利用者端末を用いた決済と、それよりも過去の利用者が利用する利用者端末を用いた決済行動とを用いた処理に基づく提供用情報を提供することで、決済情報に基づく適切な情報提供を可能にすることができる。
また、実施形態に係る情報処理装置において、提供部は、所定の店舗での第1期間の第1決済情報と、所定の店舗での第2期間の第2決済情報とに基づいて推定される所定の店舗の混雑度を示す提供用情報を提供する。
このように、実施形態に係る情報処理装置は、所定の店舗での決済について、第1期間での利用者が利用する利用者端末を用いた決済と、それよりも過去の利用者が利用する利用者端末を用いた決済行動とを基に、所定の店舗の混雑度を示す提供用情報を提供することで、決済情報に基づく適切な情報提供を可能にすることができる。
また、実施形態に係る情報処理装置において、提供部は、提供用情報の提供先となる他の情報処理装置へ提供用情報を送信する。
このように、実施形態に係る情報処理装置は、提供用情報の提供先となる他の情報処理装置へ提供用情報を送信することで、決済情報に基づく適切な情報提供を可能にすることができる。
また、実施形態に係る情報処理装置において、提供部は、所定の利用者が利用する利用者端末へ提供用情報を送信する。
このように、実施形態に係る情報処理装置は、所定の利用者が利用する利用者端末へ提供用情報を送信することで、決済情報に基づく適切な情報提供を可能にすることができる。
また、実施形態に係る情報処理装置において、提供部は、第1期間に所定の店舗で決済を行った利用者以外の利用者である対象利用者が利用する利用者端末へ、提供用情報を送信する。
このように、実施形態に係る情報処理装置は、第1期間に所定の店舗で決済を行った利用者以外の利用者である対象利用者が利用する利用者端末へ、提供用情報を送信することで、決済情報に基づく適切な情報提供を可能にすることができる。
また、実施形態に係る情報処理装置において、提供部は、所定の店舗の混雑度が所定の条件を満たす場合、対象利用者が利用する利用者端末へ、提供用情報を送信する。
このように、実施形態に係る情報処理装置は、所定の店舗の混雑度が所定の条件を満たす場合、対象利用者が利用する利用者端末へ、提供用情報を送信することで、決済情報に基づく適切な情報提供を可能にすることができる。
また、実施形態に係る情報処理装置は、推定部(実施形態では「推定部45」以下同じ)を有する。推定部は、第1期間の第1決済情報と、第2期間の第2決済情報とに基づいて、第1決済情報に対応するエリアである対象エリアにおける混雑度を推定する。提供部は、推定部により推定された対象エリアにおける混雑度を示す提供用情報を提供する。
このように、実施形態に係る情報処理装置は、推定した対象エリアにおける混雑度を示す提供用情報を提供することで、決済情報に基づく適切な情報提供を可能にすることができる。
また、実施形態に係る情報処理装置において、推定部は、第1期間の第1決済情報と、第2期間の第2決済情報とに基づいて、第1期間よりも先の対象エリアにおける混雑度を推定する。提供部は、推定部により推定された対象エリアにおける記第1期間よりも先の混雑度を示す提供用情報を提供する。
このように、実施形態に係る情報処理装置は、推定した対象エリアにおける記第1期間よりも先の混雑度を示す提供用情報を提供することで、決済情報に基づく適切な情報提供を可能にすることができる。
また、実施形態に係る情報処理装置において、推定部は、第1期間の第1決済情報と、第2期間の第2決済情報とに基づいて、第1決済情報に対応する店舗における混雑度を推定する。提供部は、推定部により推定された店舗における混雑度を示す提供用情報を提供する。
このように、実施形態に係る情報処理装置は、推定した店舗における記第1期間よりも先の混雑度を示す提供用情報を提供することで、決済情報に基づく適切な情報提供を可能にすることができる。
また、実施形態に係る情報処理装置において、推定部は、第1決済情報及び第2決済情報と、対象エリアにおける混雑度との関連性の特徴を学習した学習モデル(実施形態では「推定モデルM1」以下同じ)を用いて、対象エリアにおける混雑度を推定する。
このように、実施形態に係る情報処理装置は、第1決済情報及び第2決済情報と、対象エリアにおける混雑度との関連性の特徴を学習した学習モデルを用いて、対象エリアにおける混雑度を推定することで、決済情報に基づく適切な情報提供を可能にすることができる。
また、実施形態に係る情報処理装置において、推定部は、第1決済情報及び第2決済情報に対応する情報を入力として、対象エリアにおける混雑度を示すスコアを出力する学習モデルを用いて、対象エリアにおける混雑度を推定する。
このように、実施形態に係る情報処理装置は、第1決済情報及び第2決済情報に対応する情報を入力として、対象エリアにおける混雑度を示すスコアを出力する学習モデルを用いて、対象エリアにおける混雑度を推定することで、決済情報に基づく適切な情報提供を可能にすることができる。
また、実施形態に係る情報処理装置は、学習部(実施形態では「学習部43」以下同じ)を有する。学習部は、学習モデルを学習する。推定部は、学習部により学習された学習モデルを用いて、対象エリアにおける混雑度を推定する。
このように、実施形態に係る情報処理装置は、学習された学習モデルを用いて推定した対象エリアにおける混雑度を示す提供用情報を提供することで、決済情報に基づく適切な情報提供を可能にすることができる。
また、実施形態に係る情報処理装置においては、取得部は、利用者が利用する利用者端末を用いた決済に関する決済情報のうち、第1期間に行われた決済に対応する第1決済情報と、第1期間よりも過去の期間である第2期間に行われた決済に対応する第2決済情報とを取得する。学習部は、第1決済情報及び第2決済情報と、第1決済情報に対応するエリアである対象エリアにおける混雑度との関連性の特徴を学習する学習処理により、対象エリアにおける混雑度を推定する学習モデルを学習する。
このように、実施形態に係る情報処理装置は、利用者が利用する利用者端末を用いた決済に関する決済情報のうち、第1期間に行われた決済に対応する第1決済情報及び第1期間よりも過去の期間である第2期間に行われた決済に対応する第2決済情報と、第1決済情報に対応するエリアである対象エリアにおける混雑度との関連性の特徴を学習する学習処理により、対象エリアにおける混雑度を推定する学習モデルを学習することで、決済情報を基に学習した学習モデルを用いて所定のエリアの混雑度を推定することができ、推定した混雑度を提供することが可能となるため、決済情報に基づく適切な情報提供を可能にすることができる。
〔6.ハードウェア構成〕
また、上述してきた各実施形態に係る決済サーバ10は、例えば、図9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、決済サーバ10を例に挙げて説明する。図9は、決済サーバ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、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、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が決済サーバ10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40の機能を実現する。また、HDD1400には、決済サーバ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。
〔7.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、上述した決済サーバ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、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。