JPH117472A

JPH117472A - 商品情報提供装置及び方法

Info

Publication number: JPH117472A
Application number: JP17633397A
Authority: JP
Inventors: Makoto Hirose; 真広瀬; Kazuo Shibuta; 一夫澁田
Original assignee: Fuji Xerox Co Ltd
Current assignee: Fujifilm Business Innovation Corp
Priority date: 1997-06-17
Filing date: 1997-06-17
Publication date: 1999-01-12

Abstract

(57)【要約】【課題】他者が実際に利用している商品との比較によ
り、商品を購入した場合のメリット情報を客観的に提供
する。【解決手段】複数の商品に対して測定手段６をそれぞ
れ設けて、商品が実行する処理時間、処理の実行頻度、
処理の前後における処理対象データの変化分を測定し、
また、獲得手段８で測定手段６による測定結果に影響を
与える測定条件を獲得する。そして、測定結果と測定条
件とから、個々の商品の利用者が一連の処理を良好に利
用しているかを他の利用者と比較するための利用指標を
計算手段１１で計算し、更に、決定手段１７が、利用指
標が異なる利用者の組について、利用指標が相対的に低
い利用者を推薦対象利用者に、当該利用指標の差分と関
連の高い測定条件を推薦商品にそれぞれ決定する。そし
て、通知手段１８が、推薦対象利用者別に利用指標の他
者との相対比較結果と推薦商品とを通知する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、広域コンピュータ
ネットワーク等の通信ネットワークを用いた商取引きに
おいて、個々の利用者に対して、商品の購入の妥当性を
診断すると同時に、購入するに望ましい商品の情報を提
供する商品情報提供装置及び方法に関する。

【０００２】

【従来の技術】近年、パーソナルコンピュータ、複写
機、ファクシミリ、プリンタなどの情報機器商品（以
後、商品と記す）の性能向上は著しく、類似した機能や
性能を備える膨大な種類の商品が販売されている。一
方、小売店への移動、あるいは、営業担当者との面談の
必要がなく、時間や場所の制約が少ないことから、広域
コンピュータネットワークを用いた商取引きが盛んにな
ってきている。その結果、広域コンピュータネットワー
ク上には、膨大な種類と数量の商品情報が氾濫し始めて
いる。

【０００３】このような環境において、消費者にとっ
て、商品情報の探索と入手、商品購入によるメリットと
デメリットの評価や予測と商品同士の比較、そして、意
志決定などに多大な手間を要する一方で、購入した商品
に満足できない事態も生じている。逆に、低価格で高機
能や高性能な商品が発売されているにも拘わらず、購入
に必要な多大な労力が、新商品の普及を妨げてしまう可
能性もある。このような問題に対して、膨大な商品情報
を比較し、消費者が購入する妥当性のある商品の商品情
報だけを、順序付けて推薦してくれる機能が求められつ
つある。

【０００４】従来における商品の推薦を目的とした技術
として、例えば米国特許４９９６６４２号に記載される
ように、映画作品などを対象に、利用者と似た主観評価
傾向を持つ他者が試しに視聴した結果に基づいて、当該
利用者にまだ視聴していない商品を推薦する技術が知ら
れている。しかしながら、広域コンピュータネットワー
クを用いた商取引きでは、嗜好品ではなく、商品の導入
と利用によって機能性や生産性の向上が求められる実用
的な商品の取引が増加している。主観評価や嗜好の類似
度に基づく従来の技術を利用して、これらの実用的な商
品の推薦を受けた場合、その商品は本当に利用されてい
るのか、購入と利用によって効果があるのかなど、実用
的な商品の評価や選択判断に必要な情報を得ることがで
きない。

【０００５】つまり、実用品を対象にした商取引きにお
いて、主観評価や嗜好の類似度に基づく従来の技術を応
用して、適切な商品の推薦を行おうとすると、推薦順序
と推薦理由に客観性がないことと、推薦を受容する際の
メリットとデメリットとを予測できないという問題があ
った。

【０００６】また、従来より、主観評価に基づく推薦の
技術とは別に、客観評価に基づく性能予測の技術とし
て、例えば特開平５−３２４３５８号公報に記載される
ように、コンピュータシステムなどから採取した稼働情
報と、事前に定めたハードウェア別の処理能力の情報と
から、ハードウェアを変更した場合の性能を予測する技
術が知られている。しかしながら、性能が予測できるこ
とと適切な商品を推薦できることとは異なり、ハードウ
ェアや商品の変更あるいは追加には出費が伴うし、初期
設定や新しい商品に対する学習などの各種の困難が伴
う。こうしたコストに比べて、性能向上が見合う程でな
ければ、その利用者にとって新商品を購入する妥当性は
ない。

【０００７】そもそも、「人間の商品に対する購買欲
は、実は個人的なものと言うよりは社会的なものであ
る」と言われているように、人間はある商品を購入しよ
うとするとき、その商品に対する他人の評価を気にする
ものである。例えば、ある利用者にとって、コンピュー
タのＣＰＵの動作周波数が現在のものと比べて２倍にな
るとしても、他の多くの利用者にとってはすでにその動
作周波数値では商品として魅力がないということは少な
くない。つまり、あるシステムの稼働状況と事前に定め
たハードウェア別の処理能力の情報とから、ハードウェ
アを変更した場合の性能を予測するような従来の技術を
応用して、適切な商品の推薦を行おうとすると、推薦を
受容する際のメリットとデメリットとを予測できないこ
とと、他者の利用状況や評価を参照することができない
という問題があった。

【０００８】また、従来より、客観性を持ちながら他者
の評価も参照可能な商品推薦を行う技術として、例えば
特開平７−１１４４６８号公報に記載されるように、ソ
フトウェア機能の利用パターンの記述と利用者のコンテ
クスト情報とを比較し、その利用者がまだ試用したこと
がなく、その利用者にとって有用だと予測されるソフト
ウェア機能の利用パターンの試用機会を提供する技術が
知られている。この技術において、推薦が適切に働くの
は、「その利用者が信頼を置く他者によって作成され推
薦されたソフトウェア機能の利用パターンの記述は、そ
の利用者本人にとっても有用である筈だ」という前提が
あるからである。しかしながら、その利用者が信頼を置
いている推薦者が動作を保証していることと、その利用
者にとって必要な機能であるかどうかは実は直接の関係
はない。むしろ、ソフトウェアについての知識が豊富で
あるがゆえに利用者が信頼を置いている人と、その利用
者本人とでは知識や専門の違いがある方が一般的であ
る。したがって、推薦される機能は、確かに安定に動作
をするかも知れないが、その利用者にとっては不要であ
る可能性がある。

【０００９】更に、特開平７−１１４４６８号公報に記
載されるような技術では、推薦される機能が、利用者の
商品利用環境でどれほどの性能を示すのかを事前に予測
することができない。この技術では、推薦を受けた後
は、試用が可能な構成になっているが、言い換えれば、
実際に試してみなければならない訳で、機能によって
は、試すために時間や手間がかかる場合も少なくない。
また、推薦段階では第２候補だったが、その利用者の商
品利用環境においては、実は第１候補よりも良好な性能
を示すという可能性もある。これは、その商品の採用後
の性能の予測と現状とを比較することができない当該技
術が持つ本質的な限界である。

【００１０】また、従来より、推薦の技術とは別に、既
知の事例を利用することによって新しい問題の解答を得
る技術として、例えば特開平５−８８４４４号公報に記
載されるように、画像形成装置の故障の事例を、階層的
に分類しておき、発生した故障と分類された事例とを比
較して、当該故障と類似した事例を選んで修復作業を行
う技術が知られている。さらに、この技術では、事例の
適用に際し、必要に応じて事例を修正し、また、事例の
適用では修正できない場合は、定性推論により修復を行
い、修復が成功すれば新しい類の事例として登録するこ
とも行っている。

【００１１】この技術において、事例を利用した推論が
適切に働くのは、「対象とする問題においては、過去の
事例の階層的な分類が長期間に渡って有効だ」という前
提があるからである。また、定性推論が適切に働くの
は、「対象とする問題の定性モデルが記述できており、
かつ、そのモデルが長期間に渡って有効だ」という前提
があるからである。したがって、情報機器商品の推薦
に、この技術を応用しようとすると、ある程度の期間に
渡って、商品を推薦する際の基本戦略が不変でなければ
ならない。また、商品を構成するサブシステムあるいは
商品同士を組み合せた上で、利用者である人間が操作を
行った場合の機能や性能に関して定性モデルが記述でき
ており、かつ、ある程度の期間に渡って不変でなければ
ならない。

【００１２】しかしながら、情報機器商品の機能変更や
性能向上は著しく、基本的なアーキテクチャでさえ短期
間で変更されて行く状況にある。このように変化の激し
い対象に、特開平５−８８４４４号公報に記載されるよ
うな技術を適用すると、過去の事例の階層的な分類はす
ぐに有効性を失ってしまい、定性推論に頼ることが多く
なってしまう。ところが、商品同士の因果関係も複雑性
を有し、さらに、人間とのインタラクションを含めた利
用指標となると、有効な定性的モデルを記述することは
ますます困難になっている。その結果、変化が激しく、
相互の因果関係が複雑である商品の推薦に、この技術を
適用した場合、過去の事例を利用した推論も定性推論も
共に有効に機能しないという問題があった。

【００１３】

【発明が解決しようとする課題】上記のように、従来に
あっては、他者が実際に利用している商品性能とを随時
比較して、現在の自分の利用環境での商品のパフォーマ
ンスを正確に予測することはできなかった。また、どの
ような商品を購入すれば、どの程度性能が改善するのか
の予測、および、その商品の購入に伴うコストはどの程
度かの予測をすることができなかった。

【００１４】本発明は、個々の利用者が商品を購入する
のが妥当かどうかの診断と、その商品を購入した場合の
利用状況の予測とを行うことが可能な、商品情報提供装
置および方法を実現することを課題とする。

【００１５】

【課題を解決するための手段】前記課題を解決するた
め、本発明に係る商品情報提供装置或いは方法では、商
品が実行する処理時間、処理の実行頻度、処理の前後に
おける処理対象データの変化分を測定するために複数の
商品に対してそれぞれ設けられる測定手段と、前記測定
手段による測定結果に影響を与える測定条件を獲得する
獲得手段と、前記測定結果と前記測定条件とから、個々
の商品の利用者が一連の処理を良好に利用しているかを
他の利用者と比較するための利用指標を計算する第１の
計算手段と、前記利用指標が異なる利用者の組につい
て、利用指標が相対的に低い利用者を推薦対象利用者
に、当該利用指標の差分と関連の高い測定条件を推薦商
品にそれぞれ決定する第１の決定手段と、前記推薦対象
利用者別に利用指標の他者との相対比較結果と推薦商品
とを通知する通知手段と、を備え、他者が実際に利用し
ている商品との比較により商品に関する情報を推薦対象
利用者に提供し、これによって、商品を購入するのが妥
当かどうかの診断と、その商品を購入した場合の利用状
況の予測とを行うことを可能にしている。

【００１６】また、本発明に係る商品情報提供装置或い
は方法では、通知手段は、推薦対象利用者の処理の実行
時に、前記推薦商品の利用指標から予測した処理時間、
処理の実行頻度、処理の前後における処理対象データの
変化分を、視聴覚情報によって当該推薦対象利用者に通
知する。これによって、推薦された商品を購入した場合
にメリットを体感的に知ることができる。

【００１７】

【発明の実施の形態】以下、本発明を実施形態に基づい
て具体的に説明する。図１には、本発明の第１の実施形
態に係る商品情報提供装置の全体構成を示してある。な
お、本実施形態では、ファクシミリ機能や複写機能やプ
リンタ機能を合わせ持った複合機（以後は、複合機と略
記する）と複合機に選択登載可能なメモリ容量や給紙ト
レイ数やページ記述言語などの商品を対象に、複合機の
管理者に対して自動的に商品の推薦情報を通知するよう
にしている。

【００１８】本実施形態の商品情報提供装置は、複数の
複合機１、推薦サーバ２、複数のパーソナルコンピュー
タ３から構成されており、複合機１と推薦サーバ部２と
パーソナルコンピュータ３とは、広域コンピュータネッ
トワーク４により接続されている。なお、図１には、２
つだけの複合機１を示してあるが、複合機１の数は２つ
に限定されるものではない。

【００１９】複合機１は、複数のソフトウェアを実行可
能なオペレーティングシステム５と、オペレーティング
システム５の情報を参照する１つ以上の測定手段埋込型
ソフトウェア６と、１つ以上の測定手段埋込型ソフトウ
ェア６の情報を参照する報告蓄積送信部７と、を有して
いる。測定手段埋込型ソフトウェア６は、測定結果に影
響を及ぼすような商品の測定条件を獲得する測定条件獲
得部８と、測定条件獲得部８の情報を参照する処理時間
測定部９とを含むアプリケーションソフトウェアであ
る。なお、図示してはいないが、複合機１は、通常の複
合機が備える利用者との間の情報の入出力部、エンジ
ン、紙送り部などを備えている。

【００２０】推薦サーバ２は、広域コンピュータネット
ワーク４から情報を得る利用指標計算部１１と、利用指
標計算部１１の計算結果を蓄積する利用者別テーブル１
２と、利用者別テーブル１２の情報を参照する商品推薦
候補決定部１３と、商品推薦候補決定部１３が作成し且
つ利用するタスク別テーブル１４と、商品推薦候補決定
部１３の情報を参照する導入指標計算部１５と、導入指
標計算部１５の検索対象となる遷移制約管理部１６と、
利用者別テーブル１２と導入指標計算部１５の計算結果
を参照する商品推薦順序決定部１７と、商品推薦順序決
定部１７の情報を参照する推薦資料作成配布部１８と、
を有している。

【００２１】図２には、報告蓄積送信部７が蓄積する報
告管理テーブルの一例を示してある。この報告管理テー
ブルは、ＩＤ群、処理時間、測定条件群から構成されて
いる。ＩＤ群は、報告を識別する報告ＩＤ、管理者を識
別する利用者ＩＤ、処理を識別する処理ＩＤから構成さ
れている。測定条件群は、処理対象となったデータサイ
ズ、処理が開始された時刻を示す測定時刻、ソフトウエ
アを識別するソフト名称、複合機本体を識別する本体
名、本体に備えられたメモリを識別するメモリ名、メモ
リの残余の容量を示す残メモリ容量、本体に備えられた
給紙トレイの数を示す給紙トレイ数、本体に搭載された
ページ記述言語を示すページ記述言語名から構成されて
いる。

【００２２】ここで、本実施形態では、処理ＩＤ＝Ｐａ
ｂｃである処理とはＡ４横向きの原稿の１部複写処理で
あり、また、処理ＩＤ＝Ｐａｂｄである処理とはＡ４サ
イズの原稿１枚のファクシミリ送信処理である。なお、
図２に示すテーブルは報告管理テーブルの一例であり、
ＩＤ群、処理時間、測定条件群の詳細はこの一例に限定
されるものではない。

【００２３】測定手段埋込型ソフトウェア６は、事前に
定められた処理についてその所要時間や動作頻度や使用
データサイズなどを測定する手段を含む応用ソフトウェ
アであり、複合機１においては、例えばファクシミリ機
能や複写機能やプリンタ機能を有する。なお、データフ
ァイルの読み書きや利用者とのデータのやり取りには、
オペレーティングシステム５の機能を利用する。

【００２４】この測定手段埋込型ソフトウェア６は、図
３に示すような手順で処理動作を行う。測定手段埋込型
ソフトウェア６は、測定すべき１つ以上の処理の開始条
件を保持しており、測定すべき処理の開始点が実行され
るかどうかを判定する（ステップＳ１）。この結果、測
定すべき処理の開始点が実行される場合には、オペレー
ティングシステム５に処理開始時間と測定条件とを問合
せて、その結果を一時的に記憶し（ステップＳ２）、測
定を開始した処理の終了点を終了点の条件判断用にセッ
トする（ステップＳ３）。

【００２５】次いで、測定中（すなわち、終了点の条件
がセットされていて）、かつ、その終了点が実行された
かどうかを判定する（ステップＳ４）。この結果、終了
点の条件がセットされていて、かつ、その終了点が実行
される場合には、オペレーティングシステム５に処理終
了時間を問合せて、その結果を一時的に記憶し（ステッ
プＳ５）、すでに記憶してある処理開始時間とから処理
に要した時間を求めて、測定条件とともに報告蓄積送信
部７に通知し（ステップＳ６）、対応する終了点の条件
をクリアする（ステップＳ７）。

【００２６】最後に、処理自体の終了であるかどうかを
判定し（ステップＳ８）、処理自体の終了である場合に
は、測定手段埋込型ソフトウェア６の動作を終了する。
一方、処理自体の終了ではない場合には、本来のソフト
ウェアの処理を行い（ステップＳ９）、ステップＳ１か
らの処理を繰り返し行う。

【００２７】このような動作を行う１つ以上の測定手段
埋込型ソフトウェア６からの通知を蓄積することによ
り、報告蓄積送信部７には図２に示したような報告管理
テーブルが作成される。そして、報告蓄積送信部７は、
事前に定められた条件を満たす場合には、蓄積した報告
管理テーブルを、広域コンピュータネットワーク４を利
用して、推薦サーバ２に通知する。なお、事前に定めら
れた条件とは、例えば、定められた時刻と現在時刻が一
致した場合、あるいは、蓄積した報告数が定められた数
に達した場合、あるいは、推薦サーバ２から要求があっ
た場合、などである。

【００２８】図４には、利用者別テーブル１２の一例を
示してある。この利用者別テーブル１２は利用者ＩＤ毎
にそれぞれ作成されており、各利用者別テーブル１２
は、ＩＤ群、利用指標、測定条件群から構成されてい
る。なお、図４に示してある利用者別テーブル１２は、
利用者ＩＤがＵ１２４である利用者についてのテーブル
である。ＩＤ群は、データを識別する利用指標ＩＤ、タ
スクを識別するタスクＩＤから構成されている。測定条
件群は、処理対象となったデータサイズの平均値を示す
データサイズ、ソフトウエアを識別するソフト名、本体
を識別する本体名、本体に備えられたメモリを識別する
メモリ名、メモリの残余の容量の平均値を示す残メモリ
容量、本体に備えられた給紙トレイの数を示す給紙トレ
イ数、本体に登載されたページ記述言語を識別するペー
ジ記述言語名から構成されている。

【００２９】なお、タスクは、異なる個別処理をあらか
じめ定めた回数だけ行うことを想定した仮想的な処理群
であり、本実施形態では、タスクＩＤ＝Ｔ0であるタス
クとは基本的な複写処理を、タスクＩＤ＝Ｔ1であるタ
スクとは応用的な複写処理を、タスクＩＤ＝Ｔ2である
タスクとはファクシミリ機能における基本的な受信処理
を示している。さらに、タスクＩＤ＝Ｔ0である基本複
写は、処理ＩＤ＝ＰａｂｃのＡ４横１枚複写の他に、種
々のサイズと数量の複写処理を、あらかじめ定めた回数
だけ行うことを想定している。

【００３０】このような利用者別テーブル１２は、利用
指標計算部１１が図５に示すような手順で処理動作を行
うことにより作成される。利用指標計算部１１は、特定
の条件を満たす場合に、以下の動作を利用者ＩＤ別に実
行する。なお、特定の条件とは、あらかじめ定めた時刻
と現在時刻とが一致した場合、複数の報告蓄積送信部７
から入手した報告管理テーブルのデータ数があらかじめ
定めたデータ数に達した場合、あるいは、ある複合機１
から要求があった場合などである。

【００３１】この利用指標計算部１１は、図２に示した
ような報告管理テーブルを報告蓄積送信部７から入手し
て蓄積しており、その報告管理テーブルから、ある利用
者ＩＤを持ち、かつ、分析対象要件を満たすデータだけ
を選別して（ステップＳ１１）、計数用のタスクＩＤを
クリアする（ステップＳ１２）。なお、分析対象要件
は、例えば、測定時刻と現在時刻との差分があらかじめ
定めた範囲内であることや、あるソフト名を持つものに
限るなどを含む。また、分析対象要件は、推薦サーバ２
の管理者や、パーソナルコンピュータ３からの要求によ
って切り替えることが可能である。

【００３２】次いで、現在のタスクＩＤに属する処理Ｉ
Ｄ別にデータを中分類し（ステップＳ１３）、さらに、
ソフト名、本体名、メモリ名、ページ記述言語名など名
称別に小分類する（ステップＳ１４）。そして、各分類
について、処理時間の平均を計算し（ステップＳ１
５）、処理ＩＤ別の係数を乗じて合計し、その合計値を
現在のタスクに対する利用指標とする（ステップＳ１
６）。その後、タスクＩＤをインクリメントし、まだ計
算していないタスクＩＤがデータ中に存在するかを判断
し（ステップＳ１７）、存在する場合はステップＳ１３
からの一連の処理を繰り返し行い、存在しない場合は動
作を終了する。この結果、利用者別テーブル１２が生成
される。

【００３３】図６には、タスク別テーブル１４の一例を
示してある。このタスク別テーブル１４はタスクＩＤ毎
にそれぞれ作成されており、各タスク別テーブル１４
は、ユーザＩＤ、利用指標、測定条件群から構成されて
いる。なお、図６に示すテーブルは、タスクＩＤがＴ0
である基本複写タスクについてのタスク別テーブル１４
の一部である。

【００３４】このようなタスク別テーブル１４は、商品
推薦候補決定部１３が図６〜図８を参照して以下に説明
する処理動作を行うことにより、作成されて利用され
る。商品推薦候補決定部１３は、利用者ＩＤが異なる利
用者別テーブル１２の組を参照し、以後ターゲットと表
記するある一つの利用者ＩＤのデータと、以後ソースと
表記する他のすべての有効な利用者ＩＤのデータとの間
で、利用指標同士の比較を行い、利用指標の差分が一定
の条件を満たすようなソースの集合を抽出する。なお、
一定の条件とは、ソースの利用指標が、ターゲットの利
用指標より大きく、かつ、その利用指標の差の絶対値が
一定値を越える場合、あるいは、利用指標の差の絶対値
が大きいものから一定順位内である場合などである。

【００３５】そして、これら一定の条件を満たすソース
の集合にターゲットを加えた集合を、タスクＩＤ別にテ
ーブルにすることによって、図６に示すようなタスク別
テーブル１４を生成する。なお、本実施形態において
は、利用指標は処理の所要時間の平均に比例するため、
利用指標の値が小さい方が、良好な利用状況であると判
断している。

【００３６】また、商品推薦候補決定部１３は、このよ
うに生成したタスク別テーブル１４を参照して、ソース
の利用指標がターゲットの利用指標より大きい、つま
り、相対的に良好でない結果を生じさせている要因を分
析し商品推薦候補とする処理を行う。具体的には、利用
指標を目的変数ｙとし、名称項目を因子ｘi、名称項目
値を水準ｘijとして、数量化理論Ｉ類として知られる回
帰分析手法を用いて、式（１）の誤差ｅの自乗を最小と
する係数ｂijを計算する。

【００３７】

【数１】式（１）：ｙ＝ｂ0＋ｂ11ｘ11＋ｂ12ｘ12＋・
・・＋ｂ21ｘ21＋ｂ22ｘ22＋・・・＋ｅ

【００３８】図７に示すテーブルは、図６のタスク別テ
ーブル１４の内容をダミー変数として知られる手法によ
って水準ｘijの形に表記し直したものである。例えば、
利用者ＩＤがＵ１２４であるターゲット利用者の行で、
ｘ12＝１であるとは「本体名（ｘ1）が”ＫＤＯ”（ｘ1
2）」を、ｘ21＝１であるとは「メモリ名（ｘ2）が”Ｍ
１”（ｘ21）」を、そして、ｙ＝５０であるとは「利用
指標（ｙ）が５０」を表現する。そして、計算の詳細は
省略するが、図７のデータに対して、ｅの自乗を最小に
する係数ｂijの分析結果を図８に示す。

【００３９】このとき、係数値ｂijが小さい水準ｘijほ
ど、目的関数である利用指標（ｙ）の値を小さくする上
で重要な水準であると判断する。つまり、商品推薦候補
決定部１３は、ターゲット利用者に対して、係数ｂijが
小さい水準ｘijであり、かつ、ターゲット利用者が利用
していない水準ｘijを、推薦商品候補として抽出する。
図８では、最も値が小さいのはｂ23＝−１６．７であ
り、”Ｍ４”（ｘ23）はターゲット利用者が利用してい
ないので、”Ｍ４”を第１の推薦商品候補とする。ま
た、次に値が小さいのはｂ12＝−４．５であるが、”Ｋ
ＤＯ”はターゲット利用者が利用しているので、推薦商
品候補には挙げない。そして、次に値が小さいのはｂ22
＝０．８であり、”Ｍ２”（ｘ22）はターゲット利用者
が利用していないので、”Ｍ２”を第２の推薦商品候補
とする。

【００４０】図９には、遷移制約管理部１６が保持して
いるデータの一例を示してある。このデータによれ
ば、”本体名”＝”ＪＣＮ”の場合、メモリ名を”Ｍ
１”から”Ｍ２”に変更するためには＋２８の困難さが
あり、”Ｍ１”から”Ｍ４”に変更するためには＋８４
の困難さがあることが示されている。また、”本体名”
＝”ＫＤＯ”の場合、メモリ名を”Ｍ１”から”Ｍ４”
に変更するためには＋∞の困難さがある、つまり、メモ
リ名を”Ｍ１”から”Ｍ４”に変更不可能であることが
示されている。また、給紙トレイ数＝３の場合、本体名
を”ＫＤＯ”から”ＪＣＮ”に変更するためには＋３６
９の困難さがあることが示されている。

【００４１】導入指標計算部１５は、商品推薦候補決定
部１３の決定結果と、ターゲット利用者の測定条件とを
参照して、利用者が現在の商品構成に対して、各推薦商
品を導入する際の困難さを導入指標として計算する。図
６に示した例では、利用者ＩＤがＵ１２４であるターゲ
ット利用者は、「本体名が”ＫＤＯ”」、「メモリ名
が”Ｍ１”」である。これに対して、第１の推薦商品候
補は、「メモリ名が”Ｍ４”」であるが、「本体名が”
ＫＤＯ”」の場合、図９に示したように、メモリ名を”
Ｍ１”から”Ｍ４”に変更することは不可能である。

【００４２】このように推薦商品を導入する際の困難さ
が＋∞であった場合には、導入指標計算部１５は、他の
名称項目も同時に変更することで、推薦商品を導入可能
になる商品構成を、遷移制約管理部１６から検索し、そ
して、すべての困難さを加算して導入指標とする。第１
の推薦商品候補の場合、「本体名を”ＪＣＮ”」に変更
することで、メモリ名を”Ｍ１”から”Ｍ４”に変更可
能となる。したがって、第１の推薦商品候補は、「本体
名を”ＪＣＮ”」「メモリ名を”Ｍ４”」に修正し、そ
れぞれの困難さを加算した４５３（＝８４＋３６９）を
導入指標とする。なお、第２の推薦商品候補は、「メモ
リ名が”Ｍ２”」であり、「本体名が”ＫＤＯ”」の場
合に「メモリ名が”Ｍ２”」を導入する際の困難さは＋
２８であり、そのまま２８を導入指標とする。

【００４３】商品推薦順序決定部１７は、導入指標計算
部１５の計算結果である導入指標と関連付けられた商品
推薦候補を受け取り、商品推薦候補の利用指標値と導入
指標との関数値の小さい商品構成が優先順位が高いもの
と判断する。なお、利用指標値と導入指標との関数は、
（利用指標値×導入指標）、あるいは、（ｋ×利用指標
値＋導入指標）などを用いることができる。図１０に示
す例では、ソース利用者ＩＤ＝Ｕ１２３の推薦商品構成
は、「本体名が”ＪＣＮ”」「メモリ名が”Ｍ４”」で
あり、（利用指標値×導入指標）＝９０６０である。ま
た、ソース利用者ＩＤ＝Ｕ１２５の推薦商品構成は、
「本体名が”ＫＤＯ”」「メモリ名が”Ｍ２”」であ
り、（利用指標値×導入指標）＝８６８である。したが
って、関数値の小さいソース利用者ＩＤ＝Ｕ１２５の推
薦商品構成を第１の推薦商品構成とする。

【００４４】図１１には、推薦資料作成配布部１８が作
成する推薦資料の概要の一例を示してある。推薦資料作
成配布部１８は、商品推薦順序決定部１７の決定結果を
参照し、ターゲット利用者別に推薦資料を作成する。こ
の推薦資料は、利用者名２１、診断結果２２、推薦商品
２３を含んでおり、診断結果２２は、特定のタスクＩＤ
（Ｔ0〜Ｔ3）について、ターゲット利用者の利用指標
（黒塗り丸印）とソース利用者の利用指標（黒塗り三角
印）との乖離を例えばグラフで表現する。また、推薦商
品２３は、商品推薦順序決定部１７の結果を表現してお
り、例えば、推薦順位、本体名（商品名）、利用指標の
予測値、導入指標の予測値、利用指標の予測値と予測指
標の予測値の積とを含んでいる。さらに、特定の推薦順
位について、推薦商品を導入した場合の利用指標の予測
値を、例えば診断結果２２と同様にしてグラフで表現す
る。

【００４５】この推薦資料が提示されることによって、
利用者は、現在利用中の商品の処理の性能が他者に比べ
て相対的に劣っていることを客観的に知ることができる
とともに、商品を購入するのが妥当かどうかの診断と、
その商品を購入した場合の利用状況の予測とを行うこと
ができ、最適な商品を選択して購入することができる。

【００４６】図１２には、本発明の第２の実施形態に係
る商品情報提供装置の全体構成を示してある。なお、本
実施形態では、パーソナルコンピュータの本体、記憶素
子、二次記憶装置、ソフトウェアなどの商品を対象に、
個々の利用者に対して推薦商品、利用状況の予測値、導
入の困難さ、および、推薦順序を通知するようにしてい
る。

【００４７】また、本実施形態では、商品の推薦と共
に、推薦された商品を実際に利用している利用者とコミ
ュニケーションをとる方法が通知され、商品利用の感想
や主観的な評価を尋ねるなどのコミュニケーションを仲
介することができるようにしている。さらに、本実施形
態では、パーソナルコンピュータを使った処理中に、あ
る特定の条件で、利用者に視覚的あるいは聴覚的なフィ
ードバックが提供されようにしている。この特定の条件
とは、もしも、その推薦された商品を導入した場合の処
理時間の予測値を視覚的あるいは聴覚的な情報を出力し
て利用者に示すもので、推薦商品の予測性能を利用者に
体感的に知らせることができる。

【００４８】さらに、本実施形態では、商品の推薦順序
の決定に際して、商品導入の困難さの度合いを動的に測
定し、静的な困難さのデータを動的に修正するようにし
ている。さらに、本実施形態では、利用状況の情報を第
三者に開示する際の例外処理として、測定手段が埋め込
まれた商品自身の推薦を行うようにしている。さらに、
本実施形態では、商品が購入された場合、すでにその商
品を利用している利用者に報酬が分配されるようにして
いる。

【００４９】本実施形態の商品情報提供装置は、複数の
推薦クライアント３１と、１つ以上の推薦サーバ３２か
ら構成されており、推薦クライアント３１と推薦サーバ
３２とは、広域コンピュータネットワーク３３により接
続されている。なお、図１２では、１つだけの推薦クラ
イアント３１を示してあるが、実際には複数存在してい
る。

【００５０】推薦クライアント３１は、複数のソフトウ
ェアを実行可能なオペレーティングシステム３４と、オ
ペレーティングシステム３４の情報を参照する１つ以上
の測定手段埋込型ソフトウェア３５と、１つ以上の測定
手段埋込型ソフトウェア３５の情報を参照して広域コン
ピュータネットワーク３３に送信する報告蓄積送信部３
６と、広域コンピュータネットワーク３３から情報を得
る推薦資料提示部３７と、１つ以上の測定手段埋込型ソ
フトウェア３５の情報を参照して広域コンピュータネッ
トワーク３３から情報を得る予測時間提示部３８と、報
告蓄積送信部３６が報告を送信する際の許諾を管理する
報告開示管理部３９と、利用者からの指示を受けて商品
の購入手続きを行う購入手続部４０と、を備えている。

【００５１】測定手段埋込型ソフトウェア３５は、測定
結果に影響を及ぼすような商品の測定条件を獲得する測
定条件獲得部４１と、測定条件獲得部４１の情報を参照
する処理時間測定部４２とを含むアプリケーションソフ
トウェアである。また、図示はしていないが、推薦クラ
イアント３１は、通常のパーソナルコンピュータが備え
る、利用者との間の情報の入出力部、記憶素子、二次記
憶装置などを含んでいる。

【００５２】推薦サーバ３２は、広域コンピュータネッ
トワーク３３から情報を得る利用指標計算部４３と、利
用指標計算部４３の計算結果を蓄積する利用者別テーブ
ル４４と、利用者別テーブル４４の情報を参照する商品
推薦候補決定部４５と、商品推薦候補決定部４５が作成
して利用するタスク別テーブル４６と、利用者別テーブ
ル４４と商品推薦候補決定部４５の情報とを参照する導
入指標計算部４７と、導入指標計算部４７の検索対象と
なる遷移制約管理部４８と、利用者別テーブル４４と導
入指標計算部４７の計算結果を参照する商品推薦順序決
定部４９と、商品推薦順序決定部４９の情報を参照して
広域コンピュータネットワーク３３に資料を送付する推
薦資料作成配布部５０と、推薦資料作成配布部５０が検
索対象とする利用者情報管理部５１と、推薦資料作成配
布部５０の情報を参照して広域コンピュータネットワー
ク３３と情報をやりとりするチャネル処理部５２と、広
域コンピュータネットワーク３３から利用者の購入実績
の情報を得る購入実績獲得部５３と、購入実績獲得部５
３と利用者別テーブル４４とを参照して利用者への報酬
の分配を決定する報酬分配決定部５４と、を備えてい
る。

【００５３】図１３には、複数の推薦クライアント３１
から広域コンピュータネットワーク３３を介して報告さ
れたデータを利用して、利用指標計算部４３が利用指標
を計算し、利用者別テーブル４４に蓄積された利用者別
のデータから商品推薦候補決定部４５が作成したタスク
別テーブル４６の一例を示してある。なお、図１３に示
すタスク別テーブル４６を作成するまでの動作は、上記
した第１の実施形態と同様であるので説明を省略する。

【００５４】図１３において、ターゲット利用者の利用
者ＩＤはＵ１４である。また、ｘ1＝４であるとは、
「ソフト名（ｘ1）が”ＷＰ４”」を、ｘ2＝２であると
は、「メモリ名（ｘ2）が”Ｍ１６”」を、そして、ｙ
＝１６．７であるとは「利用指標（ｙ）が１６．７」
を、それぞれ表現している。そして、計算の詳細は省略
するが、上記した式（１）のｅの自乗を最小にする係数
ｂijの分析結果を図１４に示してある。この分析結果に
基づいて、商品推薦候補決定部４５は、係数の小さい”
ＷＰ１”や”Ｍ６４”を含む商品構成を推薦候補とす
る。

【００５５】図１５には遷移制約管理部４８が保持して
いるデータの一例を示してあり、また、図１６には利用
者ＩＤがＵ１４であるターゲット利用者に対する推薦商
品候補について導入指標を計算した結果を示してある。
導入指標計算部４７は、商品推薦候補決定部４５の決定
結果とターゲット利用者の測定条件とを参照して、利用
者が現在の商品構成に対して各推薦商品を導入する際の
困難さを導入指標とする。

【００５６】図１３に示した例では、利用者ＩＤがＵ１
４であるターゲット利用者は、「ソフト名が”ＷＰ
４”」「メモリ名が”Ｍ１６”」である。これに対し
て、図１４に示すように、第１の推薦商品候補は「ソフ
ト名が”ＷＰ１”」である。導入指標計算部４７は、例
えば、ソフト名を”ＷＰ４”から”ＷＰ１”に変更する
場合、図１５に示すデータから、変更前が”ＷＰ４”の
行で変更後が”ＷＰ１”である列の値１２から、図１６
に示すように、メモリ名を”Ｍ１６”のままで、ソフト
名を”ＷＰ４”から”ＷＰ１”に変更する場合の導入指
標を＋１２とする。また同様に、例えば、メモリ名を”
Ｍ１６”から”Ｍ６４”に変更すると共に、ソフト名
を”ＷＰ４”から”ＷＰ１”に変更する場合には、導入
指標を＋１２＋４２＝＋５４とする。

【００５７】ここで、［Ｇｉｖｅ＆Ｔａｋｅが成り立つ
人とのコミュニケーションを仲介する］といった第２実
施形態に特有な機能が、推薦資料作成配布部５０、利用
者情報管理部５１、及び、チャネル処理部５２の処理動
作で実施される。

【００５８】図１７には、推薦資料作成配布部５０が作
成する推薦資料の概要の一例を示してある。推薦資料作
成配布部５０は、商品推薦順序決定部４９の決定結果を
参照して、ターゲット利用者別に推薦資料を作成し、こ
の推薦資料には、利用者名６１、診断結果６２、推薦商
品６３を含んでいる。この推薦商品６３は、商品推薦順
序決定部４９の決定結果を表現しており、例えば、推薦
順位、商品名（ソフト名、メモリ名）、利用指標の予測
値、導入指標の予測値、利用指標の予測値と予測指標の
予測値の積、さらには、既利用者とのコミュニケーショ
ンチャネルのアドレス、その既利用者と比較して推薦を
受ける利用者の方が優位な商品とタスクの組を含んでい
る。

【００５９】また、推薦資料作成配布部５０は、利用者
情報管理部５１を参照して、チャネルアドレス、ターゲ
ット利用者の利用者アドレス、ソース利用者の利用者ア
ドレスの組から成るコミュニケーションチャネルを生成
し、チャネル処理部５２に送る。なお、この利用者情報
管理部５１は、利用者ＩＤとその利用者との電子メール
などのコミュニケーションを行うための広域コンピュー
タネットワーク１２０３上のアドレスとを保持してい
る。

【００６０】そして、チャネル処理部５２は、コミュニ
ケーションチャネルを受け取ると、以後、一定期間だ
け、以下の変換処理を行う。すなわち、ターゲット利用
者からチャネルアドレスに送信された電子メールと同一
の内容を持つ電子メールを、自動的にソース利用者に送
信する。また、逆に、ソース利用者からチャネルアドレ
スに送信された電子メールと同一の内容を持つ電子メー
ルを、自動的にターゲット利用者に送信する。なお、ソ
ース利用者は、推薦商品候補を生成した際のソース利用
者群から選定する。このとき、推薦商品候補を生成した
時のタスクとは異なるタスクにおいて、ターゲット利用
者の方がソース利用者よりも良好な利用指標を示すタス
クを抽出し、さらに、その要因となる商品を抽出する。
この動作は、商品推薦候補決定部４５の動作と同一であ
るため、詳細は省略する。

【００６１】すなわち、推薦を受けるタスクにおける利
用指標が良好で、かつ、他のタスクにおける利用指標の
差が大きいソース利用者を、コミュニケーションチャネ
ル用のソース利用者に決定する。そして、ターゲット利
用者の方がソース利用者よりも良好な利用指標を示すタ
スクと商品とを、推薦商品６３中でターゲット利用者に
提示する。このような動作によって、ターゲット利用者
とソース利用者とは、直接に互いのアドレスを知られる
ことなく、互いに相手に対してより良好な利用状況の商
品についての情報を交換することが可能になる。

【００６２】また、［採用した場合のパフォーマンスを
教えてくれるゴーストを提示する］といった第２実施形
態に特有な機能が、予測時間提示部３８と処理時間測定
部４２との処理動作で実施される。

【００６３】予測時間提示部３８は、広域コンピュータ
ネットワーク３３を介して推薦資料作成配布部５０か
ら、推薦商品の商品名とタスクＩＤに加えて、そのタス
クを構成している処理と処理時間の平均値とを受け取
る。例えば、タスクＩＤがＴａである「基本編集」を構
成する処理Ｐａと処理時間とが、Ｐａ１「ファイル読み
込み」：５４秒、Ｐａ２「プレビュー」：１８秒、Ｐａ
３「スクロール」：３秒、Ｐａ４「ファイル保存」：５
５秒、であったとする。処理時間測定部４２は、処理Ｉ
ＤがＰａｘである処理が開始されたことを、予測時間提
示部３８に通知し、予測時間提示部３８は、処理時間測
定部４２から処理ＩＤがＰａｘである処理の開始通知を
受け取ると、対応する平均処理時間をカウンタにセット
する。例えば、Ｐａ１「ファイル読み込み」処理が開始
されると、５４秒という値をカウンタにセットする。

【００６４】以後、予測時間提示部３８は、時間の経過
とともにカウンタを減算し、その値が０になった時点
で、スピーカからの音響信号の発生と、画面の一部に
「推薦商品”ＷＰ１”では、この時点でファイル読み込
み終了」などといった文字による表示、の少なくともい
ずれか一方を行う。このような動作により、ターゲット
利用者は、推薦を受けた商品の性能を数字やグラフだけ
でなく、実際の利用状況の中で視聴覚によって体感的に
知ることが可能になる。

【００６５】また、［商品導入の困難さを定量的に獲得
する］といった第２実施形態に特有な機能が、導入指標
計算部４７の処理動作で実施される。

【００６６】導入指標計算部４７は、図１６および図１
７に示したように、遷移制約管理部４８を参照して、タ
ーゲット利用者が推薦商品を導入する際の困難さを計算
する。この際、導入指標計算部４７は、利用者別テーブ
ル４４から、特定のタスクＩＤを持ち、かつ、ターゲッ
ト利用者への推薦商品と同じソフト名を持つ利用指標を
参照する。なお、特定のタスクＩＤとは、商品のインス
トールタスクに相当するタスクＩＤである。

【００６７】導入指標計算部４７は、これらの利用指標
を平均し、適当な正数を乗じた上で遷移制約管理部４８
から得られる導入指標に加算して、新たな導入指標と
し、そして、商品推薦順序決定部４９は、この導入指標
と対応する利用指標と乗じた値の大小によって推薦順序
を決定する。このような動作により、ソフトウェアのよ
うに、購入した商品をインストールし、さらに、各種の
初期設定の必要がある商品の導入に伴うデメリットを、
実際に他者が経験した時間データを考慮して計算するこ
とが可能になる。

【００６８】また、［モニタ手段を埋め込んだアプレッ
トのエラー処理に合わせて広告する］といった第２実施
形態に特有な機能が、報告蓄積送信部３６と報告開示管
理部３９との処理動作で実施される。

【００６９】報告蓄積送信部３６は、事前に定められた
条件を満たす場合、蓄積した報告管理テーブルを、広域
コンピュータネットワーク３３を利用して、推薦サーバ
３２に通知する。この事前に定められた条件とは、報告
開示許諾条件と報告開示時期条件を共に満たす場合であ
る。この報告開示時期条件は、定められた時刻と現在時
刻が一致した場合、あるいは、蓄積した報告数が定めら
れた数に達した場合、あるいは、推薦サーバ３２から要
求があった場合、などが可能である。

【００７０】また、報告開示許諾条件は、報告開示管理
部３９が保持する設定条件が「許諾設定」で、かつ、正
当な利用者であると確認された場合に真となる。設定条
件は、「許諾設定」、「否許諾設定」、「未設定」の３
つの状態を持っており、「許諾設定」の場合、報告開示
管理部３９は、オペレーティングシステム３４の機能を
利用して、現在の利用者と、許諾の設定をした利用者と
が同一であるかどうか、つまり、正当な利用者であるか
どうかを監視し続けている。また、報告許諾条件が「未
設定」である場合は、報告の開示は行わず、代わりに、
報告開示許諾の設定を促す文字による説明と共に推薦資
料のサンプルを利用者に提示する。その推薦資料のサン
プルは、報告開示管理部３９が、広域コンピュータネッ
トワーク３３を利用して、推薦資料作成配布部５０の作
成した資料から、利用者の測定条件と共通項目の多い資
料を検索し、その利用者名を削除して、サンプルとした
ものである。

【００７１】このような動作により、測定手段埋込型ソ
フトウェア３５は、開示許諾の設定なしには報告を第三
者に開示することはない。加えて、測定手段埋込型ソフ
トウェア３５が複製されて、ある利用者から他者に譲渡
された場合など、開示許諾の設定が未設定となる場合が
ある。このとき、商品推薦システムへの報告の開示を行
うことにより得られるだろうメリットを実例によって示
し、商品推薦システムへの参加を促すことができる。そ
の結果、商品推薦システムの利用者が増加すれば、推薦
の質の向上が期待できる。

【００７２】また、［処理のモニタリングと情報開示に
対する見返りとして広告代行料を適正に還元する］とい
った第２実施形態に特有な機能が、購入実績獲得部５
３、報酬分配決定部５４、及び、購入手続部４０の処理
動作で実施される。

【００７３】購入手続部４０は、利用者からの指示によ
り購入された商品の情報を、広域コンピュータネットワ
ーク３３を利用して、購入実績獲得部５３に通知する。
購入実績獲得部５３は、複数の推薦クライアント３１か
らの購入商品情報を蓄積し、報酬分配決定部５４は、あ
る特定の条件により、購入実績獲得部５３に蓄積された
情報と利用者別テーブル４４の情報とを参照して、以下
の処理を行う。なお、特定の条件とは、購入実績獲得部
５３に蓄積された情報数があらかじめ定めた一定数を越
えた場合、あるいは、現在時刻があらかじめ定めた時刻
に一致した場合などである。

【００７４】報酬分配決定部５４は、購入実績獲得部５
３に蓄積された情報から、逐次、購入された商品名称を
取り出す。次に、利用者別テーブル４４からＦｂ（ｐ，
Ｕi）を得る。ここに、ｐは商品名称、Ｕiは利用者ＩＤ
であり、Ｆｂ（ｐ，Ｕi）は利用者ＩＤがＵiである利用
者の報告データ中で、商品名称ｐを含むデータの利用指
標値を平均した値とする。このとき、商品ｐの販売者が
報酬として用意した資金をＭｐとすると、ある利用者Ｕ
iが受け取る報酬の額を式（２）で決定する。

【００７５】

【数２】式（２）：Ｍｐ×Ｆｂ（ｐ，Ｕi）^-1÷（Ｆ
ｂ（ｐ，Ｕ１）^-1＋Ｆｂ（ｐ，Ｕ２）^-1＋・・・＋Ｆｂ
（ｐ，Ｕｉ）^-1＋・・・）

【００７６】図１８には、例えば、商品”ＷＰ１”の利
用者とその利用指標、そして、報酬の分配額を一覧表に
して示してあり、Ｆｂ（ｐ，Ｕi）^-1が大きい利用者ほ
ど分配額が多くなっている。このような動作により、商
品の販売者が広告代行料として用意した資金を、その商
品を有効に利用した結果として、他者に対して広告の機
能を果たしたと考えられる利用者に、その広告の機能の
大小に応じた報酬を自動的に分配することが可能にな
る。

【００７７】なお、上記した２つの実施形態では、測定
手段埋め込み型ソフトウェアは処理の所要時間を測定す
るものであった。しかしながら、実際には、処理の実行
頻度、処理前後におけるデータサイズの変化分が重要で
ある場合がある。また、処理が物理的な対象へのはたら
きかけである場合には、処理前後における物理的な指標
の変化分が重要である場合がある。このような場合に
は、本発明では、次のように変更を施すことで対処可能
である。実行頻度の場合、推薦サーバの動作の中で、処
理ＩＤ別の処理時間の平均を利用指標とする動作の部分
で、処理ＩＤ別の実行回数を計算対象となるデータの時
間軸上における範囲で除算した値を利用指標とする。ま
た、処理前後におけるデータや指標の変化分の場合、複
合機あるいは推薦クライアントの動作の中で、処理の開
始および終了をチェックする際に、同時に処理対象とな
るデータや指標の値を獲得し、処理前後での変化分を比
率や差分で表現して、その値を利用指標とする。

【００７８】また、上記した２つの実施形態では、複合
機やパーソナルコンピュータ等といった情報処理装置を
商品として取り扱う例を示したが、本発明は、冷蔵庫等
といった電化製品、更には、乗用車等を商品として扱う
システムとしても実現できる。なお、情報処理装置の場
合には上記の実施形態で示したようにネットワーク等を
介して商品情報を交換するようにすればよいが、電化製
品や乗用車等については例えば無線電話回線によるネッ
トワークを構築して商品情報を交換するようにすればよ
い。

【００７９】

【発明の効果】以上説明したように、本発明によれば、
自分が実際に利用している商品の性能とやはり他者が実
際に利用している商品の性能とを随時比較して、利用者
は現在利用中の商品の処理の性能が他者に比べて相対的
に劣っていることを客観的に知ることができ、最適な商
品を購入することができる。さらに、従来の主観評価や
嗜好の他者との類似度による推薦技術では、客観的な裏
付けをすることが不可能であった。また、客観的な性能
予測や利用状況のマッチングに基づく推薦技術では、商
品を導入した際の性能の予測が不可能であった。さら
に、過去の改善事例を利用した推論や定性推論の技術で
は、変化が激しく、商品相互の因果関係が複雑な商品を
対象に、商品の推薦と性能の予測を行うことは不可能だ
った。これに対して、本発明によれば、どのような商品
を購入すれば、どの程度性能が改善するのかの予測、お
よび、その商品の購入に伴うコストはどの程度かの予測
を、総合した順位付きで購入に適した商品の推薦資料を
受けることができる。

【００８０】また、本発明によれば、購入に適した商品
の推薦資料を受けるだけでなく、その商品を実際に利用
している他の利用者に、商品利用の感想や主観的な評価
を尋ねることができ、またその逆に、その利用者よりも
自分の商品の方が良好な性能を示している商品があると
いった情報を与え、情報を教えてもらうばかりでなく、
こちらからの感想や主観的な評価を欲しているような相
手と選択的なコミュニケーションができるという従来に
ない効果が得られる。また、本発明によれば、購入に適
した商品の推薦を受けるだけでなく、現在の商品の処理
を利用している最中に、音響データや文字データによっ
て、もしも推薦を受けた商品を使っていたならば、すで
に処理が終了している時点を、状況の中で体感的に知る
ことができる。

【００８１】また、本発明によれば、推薦を受けた商品
を、現在の自分の商品環境に導入しようとした場合の困
難さの予測を、例えばインストールに要する時間などを
加味して知ることができるという従来にない効果が得ら
れる。また、本発明によれば、測定手段埋め込み型のソ
フトウェアを複製して他者に譲渡した場合など、利用状
況の報告を第三者に開示する設定が無効な場合の例外処
理として、商品情報提供システム自身を売り込むことが
できる。このとき、利用状況の報告を開示することなし
に、利用者の商品構成と類似の商品構成における商品推
薦資料のサンプルを伴った売り込みという従来にない効
果が得られる。また、本発明によれば、商品を有効に利
用することが、他者にとって結果的に広告として機能さ
せることができ、商品の販売者が用意した広告代行料な
どの資金を、その商品の有効利用の度合いに応じて自動
的に分配できるという従来にない効果が得られる。

【図面の簡単な説明】

【図１】本発明の第１実施形態に係る商品情報提供装
置の構成図である。

【図２】報告蓄積送信部が蓄積する報告管理テーブル
の一例を示す図である。

【図３】測定手段埋込型ソフトウェアの処理手順の一
例を示すフローチャートである。

【図４】利用者別テーブルの一例を示す図である。

【図５】利用指標計算部の処理手順の一例を示すフロ
ーチャートである。

【図６】タスク別テーブルの一例を示す図である。

【図７】表現形式を違えたタスク別テーブルの一例を
示す図である。

【図８】商品推薦候補の係数の分析結果の一例を示す
図である。

【図９】遷移制約管理部が保持しているデータの一例
を示す図である。

【図１０】商品推薦候補リストの一例を示す図であ
る。

【図１１】推薦資料作成配布部が作成する推薦資料の
概要の一例を示す図である。

【図１２】本発明の第２実施形態に係る商品情報提供
装置の構成図である。

【図１３】タスク別テーブルの一例を示す図である。

【図１４】商品推薦候補の係数の分析結果の一例を示
す図である。

【図１５】遷移制約管理部が保持しているデータの一
例を示す図である。

【図１６】推薦商品候補について導入指標を計算した
結果の一例を示す図である。

【図１７】推薦資料作成配布部が作成する推薦資料の
概要の一例を示す図である。

【図１８】商品の利用者と報酬の分配額の一例を示す
図である。

【符号の説明】

１、３１・・・推薦クライアント、２、３２・・・推
薦サーバ、４、３３・・・広域コンピュータネットワー
ク、６、３５・・・測定手段埋込型ソフトウェア、７、
３６・・・報告蓄積送信部、８、４１・・・測定条件
獲得部、９、４２・・・処理時間測定部、１１、４３
・・・利用指標計算部、１２、４４・・・利用者別テー
ブル、１３、４５・・・推薦候補決定部、１４、４６
・・・タスク別テーブル、１５、４７・・・導入指標
計算部、１６、４８・・・遷移制約管理部、１７、４
９・・・商品推薦順序決定部、１８、５０・・・推薦資
料作成配布部、３７・・・推薦資料提示部、３８・・
・予測時間提示部、３９・・・報告開示管理部、４０
・・・購入手続部、５１・・・利用者情報管理部、５
２・・・チャネル処理部、５３・・・購入実績獲得
部、５４・・・報酬分配決定部、

Claims

【特許請求の範囲】

【請求項１】他者が実際に利用している商品との比較
により商品に関する情報を提供する商品情報提供装置で
あって、商品が実行する処理時間、処理の実行頻度、処理の前後
における処理対象データの変化分を測定するために複数
の商品に対してそれぞれ設けられる測定手段と、前記測定手段による測定結果に影響を与える測定条件を
獲得する獲得手段と、前記測定結果と前記測定条件とから、個々の商品の利用
者が一連の処理を良好に利用しているかを他の利用者と
比較するための利用指標を計算する第１の計算手段と、前記利用指標が異なる利用者の組について、利用指標が
相対的に低い利用者を推薦対象利用者に、当該利用指標
の差分と関連の高い測定条件を推薦商品にそれぞれ決定
する第１の決定手段と、前記推薦対象利用者別に利用指標の他者との相対比較結
果と推薦商品とを通知する通知手段と、を備えたことを特徴とする商品情報提供装置。
【請求項２】請求項１に記載の商品情報提供装置にお
いて、前記第１の決定手段は、利用指標が相対的に高い複数の
利用者の利用指標を用いて利用指標の予測値も決定し、前記通知手段は、前記推薦対象利用者別に当該利用指標
の予測値も通知することを特徴とする商品情報提供装
置。
【請求項３】請求項２に記載の商品情報提供装置にお
いて、商品の変更および追加に伴う制約情報を保持する管理手
段と、前記制約情報に基づいて、前記推薦対象候補利用者が前
記推薦商品を新たに導入する際の困難さの予想を示す導
入指標を計算する第２の計算手段と、前記利用指標の予測値と前記導入指標とから推薦対象利
用者別に推薦商品の推薦順序を決定する第２の決定手段
と、を備えたことを特徴とする商品情報提供装置。
【請求項４】請求項１乃至請求項３のいずれか１項に
記載の商品情報提供装置において、前記通知手段は、前記推薦対象利用者別に、前記第１の
決定手段の情報を参照して前記推薦商品の利用指標が推
薦対象利用者よりも相対的に高く、かつ、他の少なくと
も一つの利用指標が推薦対象利用者よりも相対的に低い
利用者を推薦参照利用者に決定して当該推薦参照利用者
への通信方法を通知することを特徴とする商品情報提供
装置。
【請求項５】他者が実際に利用している商品との比較
により商品に関する情報を提供する商品情報提供装置で
あって、商品が実行する処理時間、処理の実行頻度、処理の前後
における処理対象データの変化分を測定するために複数
の商品に対してそれぞれ設けられる測定手段と、前記測定手段による測定結果に影響を与える測定条件を
獲得する獲得手段と、前記測定結果と前記測定条件とから、個々の商品の利用
者が一連の処理を良好に利用しているかを他の利用者と
比較するための利用指標を計算する第１の計算手段と、前記利用指標が異なる利用者の組について、利用指標が
相対的に低い利用者を推薦対象利用者に、当該利用指標
の差分と関連の高い測定条件を推薦商品にそれぞれ決定
する第１の決定手段と、前記推薦対象利用者の処理の実行時に、前記推薦商品の
利用指標から予測した処理時間、処理の実行頻度、処理
の前後における処理対象データの変化分を、視聴覚情報
によって当該推薦対象利用者に通知する通知手段と、を備えたことを特徴とする商品情報提供装置。
【請求項６】請求項３に記載の商品情報提供装置にお
いて、前記第２の計算手段は、前記測定手段により前記推薦商
品を新たに導入する処理の処理時間を測定し、前記静的
な制約情報を動的に修正することにより、前記推薦対象
利用者が前記推薦商品を新たに導入する際の困難さの予
想を示す導入指標を計算することを特徴とする商品情報
提供装置。
【請求項７】請求項１乃至請求項６のいずれか１項に
記載の商品情報提供装置において、利用者別の情報の他者への開示を管理する管理手段を備
え、通知手段は、利用者別の情報の他者への開示許可をまだ
設定していない利用者に対して、他の利用者への推薦商
品と推薦順序との通知の実例を示して、当該利用者の測
定結果と獲得結果との他者への開示許可設定を薦める情
報を提示することを特徴とする商品情報提供装置。
【請求項８】請求項１乃至請求項７のいずれか１項に
記載の商品情報提供装置において、推薦対象利用者が推薦商品を購入した際に、その推薦商
品をすでに利用している利用者に対してそれぞれの利用
指標の大きさに応じて報酬の分配を決定する決定手段
を、備えたことを特徴とする商品情報提供装置。
【請求項９】他者が実際に利用している商品との比較
により商品に関する情報を提供する商品情報提供方法で
あって、商品が実行する処理時間、処理の実行頻度、処理の前後
における処理対象データの変化分を複数の商品に対して
測定する測定ステップと、前記測定結果に影響を与える測定条件を獲得する獲得ス
テップと、前記測定結果と前記測定条件とから、個々の商品の利用
者が一連の処理を良好に利用しているかを他の利用者と
比較するための利用指標を計算する計算ステップと、前記利用指標が異なる利用者の組について、利用指標が
相対的に低い利用者を推薦対象利用者に、当該利用指標
の差分と関連の高い測定条件を推薦商品にそれぞれ決定
する決定ステップと、前記推薦対象利用者別に利用指標の他者との相対比較結
果と推薦商品とを通知する通知ステップと、を包含することを特徴とする商品情報提供方法。
【請求項１０】他者が実際に利用している商品との比
較により商品に関する情報を提供する商品情報提供方法
であって、商品が実行する処理時間、処理の実行頻度、処理の前後
における処理対象データの変化分を複数の商品に対して
測定する測定ステップと、前記測定結果に影響を与える測定条件を獲得する獲得ス
テップと、前記測定結果と前記測定条件とから、個々の商品の利用
者が一連の処理を良好に利用しているかを他の利用者と
比較するための利用指標を計算する計算ステップと、前記利用指標が異なる利用者の組について、利用指標が
相対的に低い利用者を推薦対象利用者に、当該利用指標
の差分と関連の高い測定条件を推薦商品にそれぞれ決定
する決定ステップと、前記推薦対象利用者の処理の実行時に、前記推薦商品の
利用指標から予測した処理時間、処理の実行頻度、処理
の前後における処理対象データの変化分を、視聴覚情報
によって当該推薦対象利用者に通知する通知ステップ
と、を包含することを特徴とする商品情報提供方法。