CN102822857A - 商品推荐装置、商品推荐方法、程序、以及记录介质 - Google Patents

商品推荐装置、商品推荐方法、程序、以及记录介质 Download PDF

Info

Publication number
CN102822857A
CN102822857A CN2011800158931A CN201180015893A CN102822857A CN 102822857 A CN102822857 A CN 102822857A CN 2011800158931 A CN2011800158931 A CN 2011800158931A CN 201180015893 A CN201180015893 A CN 201180015893A CN 102822857 A CN102822857 A CN 102822857A
Authority
CN
China
Prior art keywords
commodity
time
date
user
history 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.)
Pending
Application number
CN2011800158931A
Other languages
English (en)
Inventor
江村祯昭
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.)
Rakuten Group Inc
Original Assignee
Rakuten Inc
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 Rakuten Inc filed Critical Rakuten Inc
Publication of CN102822857A publication Critical patent/CN102822857A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供一种商品推荐装置、商品推荐方法、程序、以及记录介质。在时间存储部(102)中，针对规定的商品群中包含的商品的每一个，存储从商品使用开始到使用结束估计所需的估计时间。在历史记录存储部(101)中，存储包含购入了商品群中包含的任意一种商品的用户的用户标识符、购入的商品、和购入日期时间的历史记录信息。推定部(103)取得与被推荐用户的用户标识符有关的历史记录信息，根据该历史记录信息，基于最后购入的商品以外的商品从被推荐用户开始使用到结束使用所需的使用时间和估计时间，来推定最后购入的商品的使用完成日期时间。提示部从商品群中选择与最后购入的商品不同的其他商品，并在推定出的日期时间提示推荐其他商品的消息。

Description

商品推荐装置、商品推荐方法、程序、以及记录介质
技术领域
本发明涉及商品推荐装置、商品推荐方法、程序以及记录介质，用于在适当的时刻向用户推荐商品。
背景技术
在现有技术中，已知能够通过Web页面等来进行商品或服务等的交易的购物***。在这种***中，已知为了促使用户购买商品等，而进行适合用户的广告或商品的介绍的技术。例如，在专利文献1中，公开了一种基于用户的属性或用户过去点击的广告的信息，来选择提示给用户的广告的技术。此外，在向用户介绍商品时，若为过去反复购入的商品，则一般根据购入历史记录来预测购入时期。
在先技术文献
专利文献
专利文献1：JP专利第3984473号公报
发明内容
(发明要解决的课题)
但是，对于游戏或书籍等商品，几乎不会购入完全相同的商品，使用完所购入的商品的期间按照每种商品而不同。针对这种商品，根据购入历史记录来预测这种商品的下次购入时期，并在适当的定时推荐商品是很困难的。
本发明用于解决上述这种课题，目的在于提供一种适合针对完成商品的使用所需的时间按照所购入的每种商品而不同的商品，预测用户完成商品的使用的时期，并在适当的定时向用户推荐商品的商品推荐装置、商品推荐方法、程序、以及记录介质。
(解决课题的手段)
本发明的第1观点所涉及的商品推荐装置的特征在于，具备：
时间存储部，其针对规定的商品群中包含的商品的每一个，存储从开始该商品的使用到结束该商品的使用估计所需的估计时间；
历史记录存储部，其存储历史记录信息，所述历史记录信息包含：购入了所述商品群中包含的任意一种商品的用户的用户标识符、该购入的商品、和该商品的购入日期时间；
推定部，其在存储在所述历史记录存储部中的历史记录信息中，取得与接受商品推荐的用户、即被推荐用户的用户标识符有关的历史记录信息，根据该取得的历史记录信息，求出该被推荐用户所最后购入的商品以外的商品从该被推荐用户开始使用到结束使用所需的使用时间，并基于该求出的使用时间、和针对与该取得的历史记录信息有关的商品而存储在所述时间存储部中的估计时间，来推定该被推荐用户所最后购入的商品的使用结束的日期时间；和
提示部，其从所述商品群中选择与所述被推荐用户所最后购入的商品不同的其他商品，在所述推定出的日期时间，提示将该选择的其他商品推荐给该被推荐用户的消息。
此外，在本发明的第1观点所涉及的商品推荐装置中，也可以是：
所述推定部，
将与针对所述被推荐用户而存储在所述历史记录存储部中的历史记录有关的商品，按照购入日期时间的顺序，如商品1、商品2、......、商品n这样进行排列，
针对整数i＝1、2、......、n-1的每一个，根据该被推荐用户购入该商品i的购入日期时间T[i]、该被推荐用户购入该商品(i+1)的购入日期时间T[i+1]、和针对该商品i存储在所述时间存储部中的估计时间A[i]，来求出比c[i]＝(T[i+1]-T[i])/A[i]，
根据该求出的比的列c[1]、c[2]、......、c[n-1]来推定与该被推荐用户所最后购入的商品n有关的比c[n]，
根据该最后购入的日期时间T[n]、该推定出的比c[n]、和该存储的时间A[n]，将该被推荐用户完成该最后购入的商品n的使用的日期时间推定为T[n]+A[n]×c[n]。
此外，在本发明的第1观点所涉及的商品推荐装置中，也可以是：
所述推定部，通过越是根据旧的购入历史记录而求出的所述比c[i](i＝1～n-1)，则越降低对所述比c[n]的贡献率的加权平均，来推定与所述被推荐用户所最后购入的商品n有关的比c[n]。
或者，在本发明的第1观点所涉及的商品推荐装置中，也可以是：
所述推定部将对所述加权平均乘以根据所述购入日期时间T[n]的季节而预先规定的季节系数后得到的值推定为比c[n]。
此外，在本发明的第1观点所涉及的商品推荐装置中，也可以是：
在所述历史记录信息存储部中，还包含卖出所购入的商品的卖出日期时间，
所述推定部，在所述被推荐用户卖出了所购入的商品i的情况下，对卖出所述商品i的卖出日期时间S[i]和购入所述商品(i+1)的购入日期时间T[i+1]进行比较，在卖出日期时间S[i]靠前的情况下，如下式这样来求出所述比c[i]：
c[i]＝(S[i]-T[i])/A[i]。
或者，在本发明的第1观点所涉及的商品推荐装置中，也可以是：
在所述历史记录信息存储部中，还包含卖出所购入的商品的卖出日期时间，
所述推定部，在所述被推荐用户卖出了所购入的商品i的情况下，根据卖出所述商品i的卖出日期时间S[i]，如下式这样来求出所述比c[i]：
c[i]＝(S[i]-T[i])/A[i]。
或者，在本发明的第1观点所涉及的商品推荐装置中，也可以是：
根据所述历史记录信息中、包含购入日期时间和卖出日期时间这两者的历史记录信息，来求出与该历史记录信息有关的商品的该购入日期时间与该卖出日期时间的间隔，并基于该求出的间隔，来对该商品的存储在所述时间存储部中的估计时间进行修正。
或者，在本发明的第1观点所涉及的商品推荐装置中，也可以是：
基于所述历史记录信息中、与第1商品有关的历史记录信息、和与在该第1商品购入后由相同的用户购入的商品中的最近购入的第2商品有关的历史记录信息的各自所包含的购入日期时间的间隔，来对该第1商品的存储在所述时间存储部中的估计时间进行修正。
本发明的第2观点所涉及的商品推荐方法，
是商品推荐装置所执行商品推荐方法，所述商品推荐装置具备：时间存储部，其针对规定的商品群中包含的商品的每一个，存储从开始该商品的使用到结束该商品的使用估计所需的估计时间；历史记录存储部，其存储历史记录信息，所述历史记录信息包含：购入了所述商品群中包含的任意一种商品的用户的用户标识符、该购入的商品、和该商品的购入日期时间；推定部；和提示部，
该商品推荐方法的特征在于，具备：
推定工序，所述推定部在存储在所述历史记录存储部中的历史记录信息中，取得与接受商品推荐的用户、即被推荐用户的用户标识符有关的历史记录信息，根据该取得的历史记录信息，来求出该被推荐用户所最后购入的商品以外的商品从该被推荐用户开始使用到结束使用所需的使用时间，并基于该求出的使用时间、和针对与该取得的历史记录信息有关的商品而存储在所述时间存储部中的估计时间，来推定该被推荐用户所最后购入的商品的使用结束的日期时间；和
提示工序，所述提示部从所述商品群中选择与所述被推荐用户所最后购入的商品不同的其他商品，并在所述推定出的日期时间，提示将该选择的其他商品推荐给该被推荐用户的消息。
本发明的第3观点所涉及的程序的特征在于，
使计算机发挥如下功能：
时间存储部，其针对规定的商品群中包含的商品的每一个，存储从开始该商品的使用到结束该商品的使用估计所需的估计时间；
历史记录存储部，其存储历史记录信息，所述历史记录信息包含：购入了所述商品群中包含的任意一种商品的用户的用户标识符、该购入的商品、和该商品的购入日期时间；
推定部，其在存储在所述历史记录存储部中的历史记录信息中，取得与接受商品推荐的用户、即被推荐用户的用户标识符有关的历史记录信息，根据该取得的历史记录信息，求出该被推荐用户所最后购入的商品以外的商品从该被推荐用户开始使用到结束使用所需的使用时间，并基于该求出的使用时间、和针对与该取得的历史记录信息有关的商品而存储在所述时间存储部中的估计时间，来推定该被推荐用户所最后购入的商品的使用结束的日期时间；和
提示部，其从所述商品群中选择与所述被推荐用户所最后购入的商品不同的其他商品，并在所述推定出的日期时间，提示将该选择的其他商品推荐给该被推荐用户的消息。
本发明的第4观点所涉及的计算机可读取的记录介质，其记录了程序，
特征在于，该程序使计算机发挥如下功能：
时间存储部，其针对规定的商品群中包含的商品的每一个，存储从开始该商品的使用到结束该商品的使用估计所需的估计时间；
历史记录存储部，其存储历史记录信息，所述历史记录信息包含：购入了所述商品群中包含的任意一种商品的用户的用户标识符、该购入的商品、和该商品的购入日期时间；
推定部，其在存储在所述历史记录存储部中的历史记录信息中，取得与接受商品推荐的用户、即被推荐用户的用户标识符有关的历史记录信息，根据该取得的历史记录信息，求出该被推荐用户所最后购入的商品以外的商品从该被推荐用户开始使用到结束使用所需的使用时间，并基于该求出的使用时间、和针对与该取得的历史记录信息有关的商品而存储在所述时间存储部中的估计时间，来推定该被推荐用户所最后购入的商品的使用结束的日期时间；和
提示部，其从所述商品群中选择与所述被推荐用户所最后购入的商品不同的其他商品，并在所述推定出的日期时间，提示将该选择的其他商品推荐给该被推荐用户的消息。
此外，本发明的程序可以记录在压缩光盘、软盘、硬盘、光磁盘、数字视频光盘、磁带、半导体存储器等计算机可读取的信息记录介质中。
上述程序可以与执行程序的计算机独立地，经由计算机通信网来发布/销售。此外，上述信息记录介质可以与计算机独立地发布/销售。
(发明的效果)
根据本发明，能够提供一种适合针对完成商品的使用所需的时间根据所购入的每种商品而不同的商品，预测用户完成商品的使用的时期，并在适当的定时向用户推荐商品的商品推荐装置、商品推荐方法、程序、以及记录介质。
附图说明
图1是表示本发明的实施方式所涉及的商品推荐装置和用户所操作的终端装置之间的关系的图。
图2是表示实现本发明的实施方式所涉及的商品推荐装置的典型的信息处理装置的概要构成的图。
图3是表示商品推荐装置的概要构成的图。
图4是表示用户所进行的购入活动的图。
图5是用于说明实施方式1所涉及的历史记录表的图。
图6是用于说明实施方式1所涉及的平均使用时间表的图。
图7是用于说明实施方式1所涉及的被推荐用户历史记录表的图。
图8是用于说明提示给被推荐用户的商品推荐消息的图。
图9是用于说明实施方式1所涉及的商品推荐装置的各部所进行的处理的流程图。
图10是用于说明实施方式1所涉及的商品推荐装置的推定部所进行的使用完成日期时间推定处理的流程图。
图11是用于说明季节系数表的图。
图12是用于说明实施方式2所涉及的商品推荐装置的推定部所进行的使用完成日期时间推定处理的流程图。
图13是表示用户所进行的购入/卖出活动的图。
图14是用于说明实施方式3所涉及的历史记录表的图。
图15是用于说明实施方式3所涉及的被推荐用户历史记录表的图。
图16是用于说明实施方式3所涉及的商品推荐装置的各部所进行的处理的流程图。
图17是用于说明实施方式3所涉及的商品推荐装置的推定部所进行的使用完成日期时间推定处理的流程图。
图18是用于说明实施方式4所涉及的商品推荐装置的推定部所进行的使用完成日期时间推定处理的流程图。
具体实施方式
本发明的实施方式所涉及的商品推荐装置100，如图1所示，与因特网300连接，在该因特网300上连接有用户所操作的多个终端装置201、202～20n。用户使用终端装置201、202～20n来进行商品的购入和卖出。商品推荐装置100经由因特网300，从多个用户终端装置201、202～20n接受用户所购入的商品的信息等，并对终端装置201、202～20n的用户，在适当的时期进行规定的商品的推荐。
以下，针对实现本发明的实施方式所涉及的商品推荐装置100的典型的信息处理装置400进行说明。
信息处理装置400，如图2所示，具备：CPU(Central Processing Unit，中央处理器)401、ROM(Read only Memory，只读存储器)402、RAM(Random Access Memory，随机存取存储器)403、NIC(Network InterfaceCard，网络接口卡)404、图像处理部405、声音处理部406、DVD-ROM(Digital Versatile Disc ROM，数字多功能光盘只读存储器)驱动器407、接口408、外部存储器409、控制器410、监视器411、和扬声器412。
CPU 401对信息处理装置400整体的动作进行控制，与各构成要素连接，并对控制信号或数据进行交换。
在ROM 402中记录有在电源接通后立即被执行的IPL(InitialProgram Loader，初始程序装入程序)，通过执行该程序，将规定的程序读出到RAM 403中，并由CPU 401开始执行。此外，在ROM 402中，记录有信息处理装置400整体的动作控制所需的操作***的程序和各种数据。
RAM 403用于暂时存储数据和程序，保持从DVD-ROM读出的程序和数据以及通信所需的数据等。
NIC 404用于将信息处理装置400连接于因特网300等计算机通信网，由如下部分构成：在构成LAN(Local Area Network，局域网)时使用的遵循10BASE-T/100BASE-T标准的部件；用于利用电话线路来与因特网连接的模拟调制解调器、ISDN(Integrated Services Digital Network，综合服务数字网络)调制解调器、ADSL(Asymmetric Digital SubscriberLine，非对称数字用户线路)调制解调器；用于利用有线电视线路来与因特网连接的线缆调制解调器等；和进行这些部件与CPU 401之间的搭桥的接口(未图示)。
图像处理部405，由CPU 401或图像处理部405所具备的图像运算处理器(未图示)对从DVD-ROM等读出的数据进行了加工处理之后，将其记录在图像处理部405所具备的帧存储器(未图示)中。记录在帧存储器中的图像信息，在规定的同步定时被变换成视频信号，并输出到监视器411。由此，能够显示各种图像。
声音处理部406将从DVD-ROM等读出的声音数据变换为模拟声音信号，并从与其连接的扬声器412输出。此外，在CPU 401的控制下，生成在信息处理装置所进行的处理的进行中应产生的声音，并将与此相对应的声音从扬声器412输出。
在安装在DVD-ROM驱动器407中的DVD-ROM中，例如，存储用于实现实施方式所涉及的商品推荐装置100的程序。通过CPU 401的控制，DVD-ROM驱动器407进行对安装于其中的DVD-ROM的读出处理，读出必要的程序和数据，并将它们暂时存储在RAM 403等中。
在接口408中，外部存储器409、控制器410、监视器411、以及扬声器412按照能够装卸的方式连接。
在外部存储器409中，与用户的个人信息相关的数据等按照能够改写的方式被存储。
控制器410接受在信息处理装置400的各种设定时等进行的操作输入。信息处理装置400的用户，通过经由控制器410来进行指示输入，能够将这些数据适当记录在外部存储器409中。
监视器411将由图像处理部405输出的数据提示给信息处理装置400的用户。
扬声器412将由声音处理部406输出的声音数据提示给信息处理装置400的用户。
除此之外，信息处理装置400也可以构成为，使用硬盘等大容量外部存储装置，来实现与ROM 402、RAM 403、外部存储器409、安装于DVD-ROM驱动器407中的DVD-ROM等相同的功能。
以下，参照图1至17，对在上述信息处理装置400中实现的实施方式1至3所涉及的商品推荐装置100的功能构成进行说明。通过接通信息处理装置400的电源，发挥实施方式所涉及的商品推荐装置100的功能的程序被执行，实现了实施方式1至3所涉及的商品推荐装置100。
(实施方式1)
实施方式1所涉及的商品推荐装置100，使用平均的估计用户使用商品的时间的信息、和商品的购入间隔的信息，来推测用户完成商品的使用的日期时间，并在经过了推测出的日期时间时进行规定的商品的推荐。
实施方式1所涉及的商品推荐装置100，如图3所示，由历史记录存储部101、时间存储部102、推定部103、提示部104构成。
以下，以用户X进行了图4所示的购入活动的情况为例，对各部的功能进行说明。
在历史记录存储部101中存储历史记录信息，该历史记录信息包含：购入了规定的商品群中包含的任意一种商品的用户的用户标识符；该购入的商品；和该商品的购入日期时间。
因此，RAM 403或者外部存储器409发挥历史记录存储部101的功能。
在此，商品群是指，例如，“食品”、“游戏”、“书籍”、或者“DVD”等，是用户表现出相同使用倾向的商品的类别。此外，规定的商品群是指，反复购入相同的商品的可能性较低的商品的类别。并且，规定的商品群中包含的商品，是商品的使用开始和使用结束能够确定的商品。即、“食品”中包含的“水”、“米”等商品，由于是反复被购入的商品，因此不是规定的商品群。另一方面，在“游戏”、“书籍”或者“DVD”的商品群中，同一商品被反复购入的可能性较低，因此是规定的商品群。并且，“书籍”的商品群中包含的商品，例如，是存在使用开始(开始读)和使用结束(读完)的“小说”或“杂志”的商品。另一方面，例如，“辞典”的商品虽然包含在“书籍”的商品群中，但一般来说，是反复持续地使用的商品，而不是使用结束能够确定的商品。因此，这种商品，从“书籍”的商品群所包含的商品中去除。
具体来说，在历史记录存储部101中，保存有将购入了商品的用户的用户ID  101a1、该用户所购入的商品所属的商品群101a2、已购入的购入商品101a3(p[i](i＝1～N，N：任意的数))、和购入日期时间101a4(t[i](i＝1～N))对应起来登记的表(以下，称作“历史记录表101a”。)。登记在历史记录表101a中的购入的历史记录，是与属于规定的商品群的商品相关的历史记录，属于规定的商品群以外的商品群的商品的购入历史记录不被登记。
在图5中示出用户X(假设用户ID为“X”)进行了图4所示的购入活动的情况下的历史记录表101a的例子。
用户X购入了15个商品p[i](i＝1～15)，其中购入了8个规定的商品群(“游戏”、“书籍”、以及“DVD”)的商品。登记在历史记录表101a中的商品是“游戏”、“书籍”或“DVD”等、反复购入相同的商品的可能性较低的商品，不包含食品等定期地周期性地购入的商品。因此，“食品1”的购入历史记录不被登记在历史记录表101a中。假设用户X在4月7日22时0分购入了属于规定的商品群的商品“游戏3”，在历史记录表101a中，将用户ID“X”、游戏3的商品群“游戏”、商品“游戏3”、购入日期时间“4月7日22时0分”对应起来登记。
以下，同样地将针对属于规定的商品群的商品的购入历史记录登记在历史记录表101a中。此外，在历史记录表101a中，对于用户X以外的用户，也同样地登记有购入的历史记录。
在时间存储部102中，针对规定的商品群中包含的商品的每一个，存储有从开始该商品的使用到结束该商品的使用估计所需要的估计时间。
因此，RAM 403或者外部存储器409发挥时间存储部102的功能。
估计时间，例如，是从用户开始使用商品到使用结束所需的平均的时间(以下，称作“平均使用时间”)。平均使用时间，例如，由游戏商品或书籍的制造销售厂家来提示，是用户打通游戏为止的时间或将书籍读完为止的时间。或者，平均使用时间，例如，是对其他用户从在商品推荐装置100中购入商品开始到购入与该商品相同的商品群的其他商品为止的期间进行了平均后得到的时间，或者，也可以是对商品推荐的其他用户从在商品推荐装置100中购入商品开始到卖出该商品为止的期间进行了平均后得到的时间。以下，将存储在时间存储部102中的估计时间作为平均使用时间来进行说明。
具体来说，在时间存储部102中，保存有将规定的商品群102a1、该商品群中包含的商品102a2、该商品的平均使用时间102a3对应起来登记的表(以下，称作“平均使用时间表102a”)。在图6中示出平均使用时间表102a的例子。在平均使用时间表102a中，登记有属于商品群“游戏”的x个商品“游戏1”～“游戏x”、属于商品群“书籍”的y个商品“书籍1”～“书籍y”、以及属于商品群“DVD”的z个商品“DVD1”～“DVDz”等的平均使用时间102a3。例如，商品“游戏1”的平均使用时间“20”表示了用户将商品“游戏1”打通为止，平均需要20个小时。此外，在商品为书籍的情况下，表示用户读完该书籍所需的平均的时间，在商品为DVD的情况下，表示用户看完所需的平均的时间。
推定部103取得存储于历史记录存储部101中的历史记录信息中、与接受商品推荐的用户(以下，称作“被推荐用户”)的用户标识符有关的历史记录信息，根据该取得的历史记录信息，求出该被推荐用户所最后购入的商品以外的商品，从该被推荐用户开始使用到结束使用所需的使用时间，基于该求出的使用时间、和针对与该取得的历史记录信息有关的商品而存储在时间存储部102中的估计时间，来推定该被推荐用户结束最后购入的商品的使用的日期时间(以下，称作“使用完成日期时间”)。
因此，CPU 401发挥推定部103的功能。
以下，示出推定部103对被推荐用户所最后购入的商品P[n](n：任意的数)的使用完成日期时间进行推定的方法。
首先，推定部103在记录在历史记录表101a中的历史记录信息中，提取针对被推荐用户所最后购入的商品所属的商品群的历史记录信息，将该历史记录信息按照购入日期时间顺序进行排列，并暂时存储在RAM403中。以下，将排列后的表称作“被推荐用户历史记录表103a”。在被推荐用户历史记录表103a中，将被推荐用户的用户ID  103a1、该用户所购入的商品所属的商品群103a2、购入的购入商品103a3(P[i](i＝1～n))、和购入日期时间103a4(T[i](i＝1～n))对应起来登记。此外，推定部103参照平均使用时间表102a，来求出购入商品P[i](i＝1～n)的平均使用时间A[i](i＝1～n)。求出的平均使用时间A[i](i＝1～n)作为被推荐用户历史记录表103a的平均使用时间103a5而被登记。
在图7中示出被推荐用户历史记录表103a的例子。
例如，假设被推荐用户为用户X，基于图5的历史记录表101a，来求出购入商品“游戏2”的使用完成日期时间。在此情况下，推定部103从图5的历史记录表101a中提取作为用户X的历史记录信息且与商品群“游戏”有关的历史记录信息，并如图7的被推荐用户历史记录表103a所示那样按照购入日期时间顺序进行排序。接着，参照图6的平均使用时间表102a，求出属于商品群“游戏”的购入商品P[1](游戏3)的平均使用时间A[1](60小时)、商品P[2](游戏1)的平均使用时间A[2](20小时)、商品P[3](游戏5)的平均使用时间A[3](30小时)、商品P[4](游戏4)的平均使用时间A[4](40小时)、以及商品P[5](游戏2)的平均使用时间A[5](50小时)，并登记到图7的被推荐用户历史记录表103a中。
接着，推定部103针对被推荐用户所最后购入的商品P[n]以外的商品P[i](i＝1～n-1)，求出购入间隔T[i+1]-T[i](i＝1～n-1)。一般来说，在购入商品P[i]之后购入属于相同的商品群的商品P[i+1]，可以认为商品P[i]的使用已完成。例如，在用户X购入了商品“游戏3”之后，购入了相同的商品群的“游戏1”，可以认为是打通了“游戏3”，或者厌倦了“游戏3”，因此购入了新的“游戏1”。因此，在本实施方式中，将购入日期时间T[i+1]看作完成了商品P[i]的使用的日期时间，将购入间隔T[i+1]-T[i]看作用户完成商品P[i]的使用所需的时间。
推定部103求出用户完成商品P[i](i＝1～n-1)的使用所需的时间T[i+1]-T[i](i＝1～n-1)(以下，称作“使用时间”)、和用户完成商品P[i](i＝1～n-1)的使用平均所需的时间(平均使用时间)A[i](i＝1～n-1)的比c[i]＝(T[i+1]-T[i])/A[i](以下，称作“使用时间比”)。使用时间比c[i](i＝1～n-1)的值越大，则表示被推荐用户与平均的用户相比，完成商品的使用为止更花时间。另外，商品P[i](i＝1～n)的平均使用时间A[i](i＝1～n)，大多是在连续使用的情况下将商品P[i](i＝1～n)使用完的时间，另一方面，使用时间T[i+1]-T[i]是购入间隔，因此使用时间比c[i](i＝1～n-1)一般大于1。
在图7的例子中，推定部103求出商品P[1]的使用时间T[2]-T[1](＝216小时)、商品P[2]的使用时间T[3]-T[2](＝97小时)、商品P[3]的使用时间T[4]-T[3](＝144小时)、以及商品P[4]的使用时间T[5]-T[4](＝70小时)。然后，推定部103基于求出的使用时间T[i+1]-T[i](i＝1～n-1)和平均使用时间A[i](i＝1～n-1)，来求出商品P[1]的使用时间比c[1](＝3.60)、商品P[2]的使用时间比c[2](＝4.85)、商品P[3]的使用时间比c[3](＝4.80)、以及商品P[4]的使用时间比c[4](＝1.75)。
接着，推定部103求出最后购入的商品P[n]的使用时间(T[n+1]-T[n])与该商品的平均使用时间A[n]的使用时间比c[n]。完成商品P[n]的使用的日期时间、即新的商品P[n+1]的购入日期时间T[n+1]是还没有被测定的值，因此基于求出的c[i](i＝1～n-1)，来推定c[n]。在本实施方式中，假定越是根据旧的购入历史记录求出的使用时间比c[i](i＝1～n-1)，则对c[n]的贡献率越低，通过以下的式子来求出c[n]。
c[n]＝∑i＝1 n-1c[i]×wn-i-1/∑i＝1 n-1wn-i-1…式(1)
w是0以上1以下的数，可以适当设定。
例如，在图7的例子(n＝5)中，若假设w＝0.95，则能够求出c[5]＝3.71。
然后，利用求出的c[n]，通过以下的式子来求出商品P[n]的使用完成日期时间T[n+1]。
T[n+1]＝T[n]+A[n]×c[n]…式(2)
例如，在图7的例子中，A[5]×c[5]＝185.5小时，因此求出商品P[5](游戏2)的使用完成日期时间T[6]为“5月7日14时30分”。
提示部104从最后购入的商品的商品群中选择与被推荐用户所最后购入的商品不同的其他商品，在由推定部103推定出的日期时间，提示向该被推荐用户推荐该选择出的其他商品的消息(以下，称作“商品推荐消息”)。
因此，CPU 401、图像处理部405、以及监视器411发挥提示部104的功能。
例如，若到达了由推定部103推定出的使用完成日期时间T[n+1]，则提示部104将表示与用户所购入的商品P[n]属于相同的商品群且适合推荐给用户X的商品的信息的图像500(图8)显示在监视器411中。此外，也可以在到达了推定出的使用完成日期时间时，向预先登记了的用户X的邮件地址发送图像500。或者，也可以在经过了推定出的使用完成日期时间后，在用户登录到商品的购入站点等时在浏览器中显示图像500。
另外，推荐的商品的选择方法是任意的。只要包含在商品P[n]所属的商品群中的商品，则也可以从过去没有购入过的商品中随机地进行选择。此外，也可以根据被推荐用户的购入历史记录来判断用户的兴趣，将最有可能被购入的商品选择为推荐的商品。或者，也可以将最有人气的商品选择为推荐的商品。
另外，在本实施方式中，以“游戏”、“书籍”、或者“DVD”等内容为例对规定的商品群进行了说明，但规定的商品群不限于此。例如，也可以使规定的商品群为耐用年数已定的冰箱等“家电产品”、或“汽车”等。在此情况下，平均使用时间可以使用该耐用年数。
接下来，使用图9以及图10的流程图对商品推荐装置100的各部所进行的动作进行说明。对商品推荐装置100接通电源后，CPU 401开始图9的流程图所示的商品推荐处理。以下，假设被推荐用户为用户X，以用户X进行了图4以及图5所示的购入活动的情况为例进行说明。
CPU 401判断是否购入了属于规定的商品群的商品(步骤S101)。CPU 401若判断购入了商品(步骤S101；“是”)，则将购入了商品的用户的用户ID、购入商品所属的商品群、购入商品p[N]、和购入日期时间t[N]对应起来登记在历史记录表101a中(步骤S102)。另一方面，在CPU 401判断没有购入属于规定的商品群的商品的情况下(步骤S101；“否”)，原样等待。例如，若用户X在4月29日21时0分购入了商品“游戏2”，则CPU 401将用户ID“X”、商品群“游戏”、购入商品“游戏2”、购入日期时间“4月29日21时0分”登记在历史记录表101a中。另一方面，在用户X购入了“食品1”的情况下，CPU 401原样等待。
将购入历史记录存储在历史记录存储部101中之后(步骤S102)，接下来，推定部103开始使用完成日期时间推定处理(步骤S103，图10)。
首先，推定部103在记录在历史记录表101a中的历史记录中，提取针对被推荐用户所最后购入的商品所属的商品群的历史记录，并将该历史记录按照购入日期时间顺序进行排序(步骤S201)。即，在登记在图5的历史记录表101a中的历史记录中提取商品群“游戏”的历史记录，并如图7的被推荐用户历史记录表103a所示那样，按照购入日期时间顺序进行排序。
接下来，推定部103求出购入商品的平均使用时间A[i](i＝1～n)(步骤S202)。例如，推定部103参照图6的平均使用时间表102a，求出图7中包含的购入商品“游戏3”、“游戏1”、“游戏5”、“游戏4”、以及“游戏2”的平均使用时间为“60小时”、“20小时”、“30小时”、“40小时”、以及“50小时”。
接着，推定部103求出用户使用购入商品P[i](i＝1～n-1)的使用时间T[i+1]-T[i](i＝1～n-1)(步骤S203)。例如，推定部103求出图7中包含的购入商品“游戏3”、“游戏1”、“游戏5”、以及“游戏4”的使用时间为“216小时”，“97小时”，“144小时”，以及“70小时”。
接着，推定部103针对登记在被推荐用户历史记录表103a中的商品P[i](i＝1～n-1)，求出使用时间比c[i]＝(T[i+1]-T[i])/A[i](i＝1～n-1)(步骤S204)。例如，推定部103根据在步骤S202以及步骤S203中求出的值，求出购入商品“游戏3”、“游戏1”、“游戏5”、以及“游戏4”的使用时间比为“3.60”、“4.85”、“4.80”、以及“1.75”。
接着，将求出的使用时间比c[i](i＝1～n-1)代入到上述式(1)中，求出最后购入的商品P[n]的使用时间比c[n](步骤S205)。例如，若假设w＝0.95，则推定部103将在步骤S204中求出的购入商品的使用时间比c[i](i＝1～4)代入到式(1)中，求出c[5]＝3.71。
推定部103将求出的A[n]以及c[n]代入到上述式(2)中，求出P[n]的使用完成日期时间T[n+1](步骤S206)。例如，推定部103将在步骤S202中求出的平均使用时间A[5]和在步骤S205中求出的使用时间比c[5]代入到式(2)中，求出图4的“游戏2”的使用完成日期时间T[6]为“5月7日14时30分”。
另外，图10所示的流程图的顺序是一例，不限于此。例如，求出平均使用时间A[i](i＝1～n)的处理只要在步骤S201以后、步骤S205之前，则在任何定时进行都可以。
通过使用完成日期时间推定处理(步骤S103，图10)求出P[n]的使用完成日期时间T[n+1]后，提示部104对当前时刻是否已经到达推定出的使用完成日期时间进行判断(步骤S104)。提示部104在判断当前时刻已经到达推定出的使用完成日期时间的情况下(步骤S104；“是”)，向用户提示推荐规定的商品的商品推荐消息(步骤S105)。例如，将图8所示那样的图像500发送到用户X的邮件地址。另一方面，在当前时刻没有到达推定出的使用完成日期时间的情况下(步骤S104；“否”)，提示部104原样等待直到到达使用完成日期时间。在提示部104提示了商品推荐消息之后返回到步骤S101，直到由商品推荐装置100的管理者等发出处理停止的指示为止，反复进行步骤S101以后的处理。
根据本实施方式，针对完成商品的使用所需的时间按照所购入的商品而不同的商品，预测用户完成商品的使用的时期，并在到达该时期时对商品进行推荐，由此能够在适当的定时向用户推荐商品。
(实施方式2)
实施方式2所涉及的商品推荐装置100基于平均的估计用户使用商品的时间的信息、商品的购入间隔的信息、和购入商品的季节，来推测用户完成商品的使用的日期时间，并在经过了推测出的日期时间时进行规定的商品的推荐。
实施方式2所涉及的商品推荐装置100，如图2所示，由历史记录存储部101、时间存储部102、推定部103、提示部104构成。本实施方式的历史记录存储部101、时间存储部102、以及提示部104具有与实施方式1的各部分同样的功能。以下，针对具有不同的功能的推定部103进行说明。
另外，以下，季节不限定于“春”、“夏”、“秋”、“冬”的类别，而是包含“年末年初”、“暑假”等规定的期间。
推定部103在存储在历史记录存储部101中的历史记录信息中，取得与被推荐用户的用户标识符有关的历史记录信息，根据该取得的历史记录信息，来求出该被推荐用户所最后购入的商品以外的商品，从该被推荐用户开始使用到结束使用所需的使用时间，并基于该求出的使用时间、针对与该取得的历史记录信息有关的商品而存储在时间存储部102中的估计时间、和季节系数，来推定该被推荐用户所最后购入的商品的使用完成日期时间。在此，季节系数Q是在上述式(2)中对使用时间比c[n]乘以的系数，是由购入日期时间T[n]决定的值。季节系数的值越小，则推定使用完成日期时间T[n+1]越早到来。
因此，CPU 401发挥推定部103的功能。
一般来说，可以认为，比起平日，用户在休息日更能够较多地获得使用游戏或书籍等的时间。即，可以认为，用户使用商品的使用时间，受到日历的影响而变动。此外，用户的休息日根据用户的属性而不同。例如，在用户为公司员工的情况下，一般来说年末年初和节日为休息日，但在用户为学生的情况下，除了这些休息日之外，还存在暑假和春假等。季节系数是用于将这种基于日历的使用时间的变动在求出用户的使用时间T[i+1]-T[i](i＝1～n-1)时进行反映的系数。
关于季节系数，预先准备了将用户ID  601a1、属性601a2、期间601a3、和季节系数601a4对应起来登记的表(以下，称作“季节系数表601a”)。在图11中示出季节系数表601a的例子。若假设用户X为学生，则可以认为，节日的期间(4月29日～5月5日)、暑假(7月25日～8月31日)、以及寒假(12月25日～1月7日)等，是与其他期间相比使用时间发生变动(增加)的时期。因此，将值为1以下的季节系数与这些期间对应起来登记。此外，若假设用户Y为公司员工，则可以认为，节日的期间(4月29日～5月5日)、以及年末年初(12月30日～1月3日)等，是使用时间发生变动(增加)的时期。因此，将值为1以下的季节系数与这些期间对应起来登记。
本实施方式の推定部103，通过以下的式子来求出被推荐用户所最后购入的商品P[n]的使用完成日期时间T[n+1]。
T[n+1]＝T[n]+A[n]×Q×c[n]…式(3)
在此，季节系数Q根据商品P[n]的购入日期时间T[n]，参照季节系数表601a来求出。例如，如图7的例子所示，商品“游戏2”的购入日期时间T[5]为“4月29日21时0分”，因此求出季节系数Q为“0.6”。若假设求出使用时间比c[5]＝3.71，则由于A[5]×Q×c[5]＝111.3小时，因此推定部103求出“游戏2”(P[5])的使用完成日期时间T[6]为“5月4日12时18分”。
以下，对本实施方式的商品推荐装置100的各部所进行的动作进行说明。本实施方式的商品推荐装置100，在使用完成日期时间推定处理中进行与实施方式1不同的处理，除了使用完成日期时间推定处理以外，进行与图9的流程图所示的处理相同的处理。以下，利用图12的流程图来对进行不同的处理的使用完成日期时间推定处理进行说明。另外，图12的流程图的步骤S301～步骤S305，与图10的流程图的步骤S201～步骤S205相同，因此省略说明。
在步骤S305中，在求出使用时间比c[n]之后，推定部103求出季节系数Q(步骤S306)。例如，如图7的例子所示，若假设最后购入的商品“游戏2”的购入日期时间T[5]为“4月29日21时0分”，则推定部103参照图11的季节系数表601a，求出季节系数Q为“0.6”。
推定部103将在步骤S302中求出的平均使用时间A[n]与在步骤S305中求出的商品P[n]的使用时间比c[n]、和在步骤S306中求出的季节系数Q带入到上述式(3)中，求出商品P[n]的使用完成日期时间T[n+1](步骤S307)。例如，若假设A[5]＝50、c[5]＝3.71，则求出商品“游戏2”(P[5])的使用完成日期时间T[6]为5月4日12时18分。
另外，求出季节系数Q的处理，只要在步骤S307之前，则在任意定时进行都可以。
根据本实施方式，能够考虑到基于日历的用户的使用时间的变动，来推定用户完成购入商品的使用的时刻，并能够在适当的定时促使用户购入商品。
(实施方式3)
实施方式3所涉及的商品推荐装置100，利用平均的估计用户使用商品的时间的信息、和从商品的购入到卖出为止的间隔或购入间隔的信息，来推测用户完成商品的使用的日期时间，并在经过了推测出的日期时间时进行规定的商品的推荐。
实施方式3所涉及的商品推荐装置100，如图2所示，由历史记录存储部101、时间存储部102、推定部103、和提示部104构成。本实施方式的时间存储部102、以及提示部104具有与实施方式1的各部分同样的功能。以下，对具有不同的功能的历史记录存储部101以及推定部103进行说明。
以下，以用户X进行了图13所示那样的购入/卖出活动的情况为例，对各部的功能进行说明。
历史记录存储部101存储历史记录信息，该历史记录信息包含：购入了规定的商品群中包含的任意一种商品的用户的用户标识符、该购入的商品、该商品的购入日期时间、和卖出了该购入的商品的卖出日期时间。另外，规定的商品群是指，与实施方式1所示的商品群相同的商品群。
因此，RAM 403或者外部存储器409发挥历史记录存储部101的功能。
具体来说，在历史记录存储部101中，保存有将进行了购入的用户的用户ID  101a1、该用户所购入的商品所属的商品群101a2、所购入的购入商品101a3(p[i](i＝1～N))、购入日期时间101a4(t[j](j＝1～M，M：任意的数))、和卖出日期时间101a5(t[j](j＝1～M))对应起来登记的表(历史记录表101a)。登记在历史记录表101a中的购入/卖出的历史记录，是与属于规定的商品群的商品相关的历史记录，属于规定的商品群以外的商品群的商品的购入/卖出历史记录不被登记。
在图14中，示出用户X进行了图13所示的购入/卖出活动的情况下的历史记录表101a的例子。
用户X购入了15个商品p[i](i＝1～15)，其中购入了8个规定的商品群的商品(“游戏”、“书籍”、以及“DVD”)。此外，在规定的商品群的商品中，卖出了2个(“游戏5”、“游戏1”)商品。例如，用户“X”在日期时间“4月16日22时0分”购入了商品“游戏1”，并在日期时间“4月24日22时0分”卖出了商品“游戏1”，因此在历史记录表101a中，将用户ID“X”、游戏1的商品群“游戏”、商品“游戏1”、购入日期时间“4月16日22时0分”、和卖出日期时间“4月24日22时0分”对应起来登记。
以下，同样地将针对属于规定的商品群的商品的购入历史记录登记在历史记录表101a中。此外，在历史记录表101a中，对于用户X以外的多个用户，也同样地登记有购入的历史记录。
推定部103在存储在历史记录存储部101中的历史记录信息中，取得与被推荐用户的用户标识符有关的历史记录信息，根据该取得的历史记录信息，来求出该被推荐用户所最后购入的商品以外的商品，从该被推荐用户开始使用到结束使用所需的使用时间，并基于该求出的使用时间、针对与该取得的历史记录信息有关的商品而存储在时间存储部102中的估计时间，来推定该被推荐用户所最后购入的商品的使用完成日期时间。
因此，CPU 401发挥推定部103的功能。
以下，示出推定部103对被推荐用户所最后购入的商品P[n]的使用完成日期时间进行推定的方法。
首先，推定部103在存储在历史记录表101a中的历史记录中，提取针对被推荐用户所最后购入的商品所属的商品群的历史记录，将该历史记录按照购入日期时间顺序进行排序，并暂时存储在RAM 403中。以下，将排序后的表称作“被推荐用户历史记录表103a”。在被推荐用户历史记录表103a中，将被推荐用户的用户ID  103a1、该用户所购入的商品所属的商品群103a2、所购入的购入商品103a3(P[i](i＝1～n))、购入日期时间103a4(T[i](i＝1～n))、参照平均使用时间表102a而求出的平均使用时间103a5(A[i](i＝1～n))、卖出购入商品的卖出日期时间103a6(S[i](i＝1～n))对应起来登记。
在图15中，示出被推荐用户历史记录表103a的例子。
例如，假设被推荐用户为用户X，基于图14的历史记录表101a，来求出购入商品“游戏2”的使用完成日期时间。在此情况下，推定部103从图14的历史记录表101a中提取作为用户X的历史记录的商品群“游戏”的历史记录，并如图15的被推荐用户历史记录表103a所示那样按照购入日期时间顺序进行排序。接着，参照图6的平均使用时间表102a，来求出属于商品群“游戏”的购入商品P[1](游戏3)的平均使用时间A[1](60小时)、P[2](游戏1)的平均使用时间A[2](20小时)、P[3](游戏5)的平均使用时间A[3](30小时)、P[4](游戏4)的平均使用时间A[4](40小时)、以及P[5](游戏2)的平均使用时间A[5](50小时)。
接着，推定部103针对商品P[i](i＝1～n-1)，求出从购入到卖出的间隔S[i]-T[i](i＝1～n-1)。一般来说，在购入了商品P[i]之后又将商品P[i]卖出，可以认为是商品P[i]的使用已经完成。例如，在用户X购入了商品“游戏3”之后，又将商品“游戏3”卖出，可以认为是由于打通了“游戏3”或者厌倦了“游戏3”。因此，在本实施方式中，将卖出日期时间S[i]看作是完成了商品P[i]的使用的日期时间，将从购入到卖出的间隔S[i]-T[i]看作是用户完成商品P[i]的使用所需的时间(使用时间)。另外，针对商品P[i](i＝1～n-1)，在不存在卖出的历史记录的情况下，如实施方式1所示那样，将购入间隔T[i+1]-T[i](i＝1～n-1)看作使用时间。
推定部103求出用户对商品P[i](i＝1～n-1)的使用时间比c[i]＝(S[i]-T[i])/A[i]、或者c[i]＝(T[i+1]-T[i])/A[i]。
在图15的例子中，推定部103求出商品P[1]的使用时间T[2]-T[1](＝216小时)、商品P[2]的使用时间S[2]-T[2](＝192小时)、商品P[3]的使用时间S[3]-T[3](＝49小时)、以及商品P[4]的使用时间T[5]-T[4](＝70小时)。然后，求出商品P[1]的使用时间比c[1](＝3.60)、商品P[2]的使用时间比c[2](＝9.60)、商品P[3]的使用时间比c[3](＝1.63)、以及商品P[4]的使用时间比c[4](＝1.75)。
接着，求出完成当前购入了的商品P[n]的使用为止估计所需的时间(S[n]-T[n]、或者T[n+1]-T[n])与平均使用时间A[n]的使用时间比c[n]。商品P[n]的卖出日期时间S[n]、或者新的商品P[n+1]的购入日期时间(商品P[n]的使用完成日期时间)T[n+1]是没有还被测定的值，因此基于求出的c[i](i＝1～n-1)，来推定c[n]。c[n]通过将c[i](i＝1～n-1)代入到上述式(1)中来求出。
例如，在图15的例子(n＝5)中，若假设w＝0.95，则能够求出c[5]＝4.06。
然后，利用求出的c[n]，通过上述式(2)来求出商品P[n]的使用完成日期时间T[n+1](＝S[n])。
例如，在图15的例子中，A[5]×c[5]＝203小时，因此求出商品P[5](游戏2)的使用完成日期时间T[6]为“5月8日8时0分”。
接着，利用图16以及图17的流程图对商品推荐装置100的各部所进行的动作进行说明。对商品推荐装置100接通电源后，CPU 401开始图16的流程图所示的商品推荐处理。以下，假设被推荐用户为用户X，以用户X进行了图13以及图14所示那样的购入/卖出活动的情况为例来进行说明。
CPU  401对是否购入了属于规定的商品群的商品进行判断(步骤S401)。CPU 401若判断购入了商品(步骤S401；“是”)，则将购入了商品的用户的用户ID、购入商品所属的商品群、购入商品p[N]、和购入日期时间t[M]登记到历史记录表101a中(步骤S402)。另一方面，在CPU 401判断没有购入属于规定的商品群的商品的情况下(步骤S401；“否”)，CPU 401对存储在历史记录存储部101中的购入商品p[i](i＝1～N)的任意一个是否已被卖出进行判断(步骤S403)。例如，在购入商品p[i]的商品群以及商品名和被卖出了的商品的商品群以及商品名一致或类似的情况下，判断存储在历史记录存储部101中的购入商品p[i]已被卖出。CPU 401若判断购入商品p[i](i＝1～N)的任意一个已被卖出(步骤S403；“是”)，则与购入了商品的用户的用户ID、购入商品所属的商品群、购入商品p[i](i＝1～N)、和购入日期时间t[j](i＝1～M)相对应地，将卖出日期时间t[j](j＝1～M)登记在历史记录表101a中(步骤S404)。然后，CPU 401提示对与该被卖出的商品属于相同的商品群的商品进行推荐的商品推荐消息(步骤S407)。另一方面，在CPU 401没有判断购入商品p[i](i＝1～N)的任意一个已被卖出的情况下(步骤S403；“否”)，返回到步骤S401。
例如，如图13以及图14所示，若假设用户X在4月29日21时0分购入了商品“游戏2”，则CPU 401将用户ID“X”、商品群“游戏”、购入商品“游戏2”、和购入日期时间“4月29日21时0分”登记在历史记录表101a中。此外，若假设用户X在4月23日0时0分卖出了商品群“游戏”的商品“游戏5”，则CPU 401对作为商品群“游戏”的商品“游戏5”的购入商品是否已被登记在历史记录表101a中进行判断。由于在图14的历史记录表中，登记有商品群“游戏”的商品“游戏5”，因此CPU 401与用户ID“X”、商品群“游戏”、购入商品“游戏5”、和购入日期时间“4月20日23时0分”对应地将卖出日期时间“4月23日0时0分”登记在历史记录表101a中。然后，提示部104将属于商品群“游戏”的任意一种商品的商品推荐消息提示给用户X。另一方面，在用户X购入了食品1的情况下，CPU 401返回步骤S401，原样等待。
将购入历史记录存储在历史记录存储部101中之后(步骤S402)，接着，推定部103开始使用完成日期时间推定处理(步骤S405，图17)。
首先，推定部103在记录在历史记录表101a中的历史记录中，提取针对被推荐用户所最后购入的商品所属的商品群的历史记录信息，并将该历史记录信息按照购入日期时间顺序进行排序(步骤S501)。即，在登记在图14的历史记录表101a中的历史记录中，提取商品群“游戏”的历史记录，并如图15的被推荐用户历史记录表103a所示那样，按照购入日期时间顺序进行排序。
接着，推定部103参照平均使用时间表102a来求出购入商品的平均使用时间A[i](i＝1～n)(步骤S502)。例如，推定部103参照图6的平均使用时间表102a，求出图15中包含的购入商品“游戏3”、“游戏1”、“游戏5”、“游戏4”、以及“游戏2”的平均使用时间为“60小时”、“20小时”、“30小时”、“40小时”、以及“50小时”。
接着，推定部103针对登记在被推荐用户历史记录表103a中的购入商品P[i](i＝1～n-1)来判断是否存在卖出历史记录(步骤S503)。推定部103在判断存在卖出历史记录的情况下(步骤S503；“是”)，通过S[i]-T[i](i＝1～n-1)来求出购入商品P[i](i＝1～n-1)的使用时间(步骤S504)。另一方面，推定部103在判断不存在卖出历史记录的情况下(步骤S503；“否”)，通过T[i+1]-T[i](i＝1～n-1)来求出购入商品P[i](i＝1～n-1)的使用时间(步骤S505)。例如，推定部103求出图15中包含的购入商品“游戏1”以及“游戏5”的使用时间S[i]-T[i](i＝2，3)为“192小时”以及“49小时”，求出“游戏3”以及“游戏4”的使用时间T[i+1]-T[i](i＝1，4)为“216小时”以及“70小时”。
接着，推定部103针对登记在被推荐用户历史记录表103a中的商品P[i](i＝1～n-1)来求出使用时间比c[i]＝(S[i]-T[i])/A[i](i＝1～n-1)或者c[i]＝(T[i+1]-T[i])/A[i](i＝1～n-1)(步骤S506)。例如，推定部103根据在步骤S502、步骤S504、以及步骤S505中求出的值，求出购入商品“游戏3”、“游戏1”、“游戏5”、以及“游戏4”的使用时间比为“3.60”、“9.60”、“1.63”、以及“1.75”。
接着，将求出的使用时间比c[i](i＝1～n-1)代入到上述式(1)中，来求出最后购入的商品P[n]的使用时间比c[n](步骤S507)。例如，若假设w＝0.95，则推定部103将在步骤S506中求出的购入商品的使用时间比c[i](i＝1～4)代入到式(1)中，求出c[5]＝4.06。
推定部103将求出的A[n]以及c[n]代入到上述式(2)中，来求出P[n]的使用完成日期时间T[n+1](＝S[n])(步骤S508)。例如，推定部103将在步骤S502中求出的平均使用时间A[5]和在步骤S507中求出的使用时间比c[5]代入到式(2)中，求出图13的“游戏2”的使用完成日期时间T[6]为“5月8日8时0分”。
另外，图17所示的流程图的顺序是一例，不限定于此。例如，只要求出平均使用时间A[i](i＝1～n)的处理在步骤S501以后、步骤S508之前，则在任意的定时进行都可以。
通过使用完成日期时间推定处理(步骤S405，图17)求出P[n]的使用完成日期时间T[n+1]后，提示部104对当前时刻是否已到达推定出的使用完成日期时间进行判断(步骤S406)。在提示部104判断当前时刻已到达推定出的使用完成日期时间的情况下(步骤S406；“是”)，对用户提示推荐规定的商品的商品推荐消息(步骤S407)。例如，将图8所示那样的图像500发送到用户X的邮件地址。另一方面，在当前时刻没有到达推定出的使用完成日期时间的情况下(步骤S406；“否”)，提示部104原样等待直到到达使用完成日期时间。
在本实施方式中，在求出用户的使用时间时，在被推荐用户历史记录表103a中存在卖出历史记录的情况下优先使用卖出日期时间，但求出使用时间的方法不限于此。例如，推定部103也可以对卖出日期时间S[i]和购入日期时间T[i+1]进行比较，将日期时间较早的一方作为商品P[i]的使用完成日期时间来求出使用时间。在图15的例子中，商品“游戏1”的卖出日期时间S[2]比下一个商品“游戏5”的购入日期时间T[3]晚。因此，将商品“游戏1”的使用完成日期时间设为购入日期时间T[3]，求出商品“游戏2”的使用时间为T[3]-T[2](＝97小时)。另一方面，商品“游戏5”的卖出日期时间S[3]比下一个商品“游戏4”的购入日期时间T[4]早。因此，将商品“游戏5”的使用完成日期时间设为卖出日期时间S[3]，求出商品“游戏5”的使用时间为S[3]-T[3](＝49小时)。
根据本实施方式，通过使用用户卖出购入商品的日期时间，能够准确地推定用户完成该商品的使用的日期时间，并能够在适当的定时向用户推荐商品。
(实施方式4)
实施方式4所涉及的商品推荐装置100，基于被推荐用户的购入卖出历史记录来修正平均的估计用户使用商品的时间的信息，利用该修正后的时间的信息、和商品的购入卖出间隔或者购入间隔的信息，来推测用户完成商品的使用的日期时间，并在经过了所推测出的日期时间时进行规定的商品的推荐。
实施方式4所涉及的商品推荐装置100，如图2所示，由历史记录存储部101、时间存储部102、推定部103、和提示部104构成。本实施方式的历史记录存储部101、推定部103、以及提示部104，具有与实施方式3的各部分同样的功能。以下，对具有不同功能的时间存储部102进行说明。
在时1间存储部102中，针对规定的商品群中包含的商品的每一个，存储从开始该商品的使用到结束该商品的使用估计所需的估计时间。然后，根据历史记录信息中包含购入日期时间和卖出日期时间这两者的历史记录信息，来求出与该历史记录信息有关的商品的该购入日期时间与该卖出日期时间的间隔，并基于该求出的间隔，来修正存储在该商品的时间存储部102中的估计时间。
在图15的被推荐用户历史记录表101a中，以被推荐用户“X”的历史记录信息中登记有购入日期时间以及卖出日期时间的“游戏5”为例，对修正图6的平均使用时间A[i](i＝1～n)的方法进行说明。
例如，通过以下的式子来求出修正后的平均使用时间A[i](i＝1～n)。
αA[i]+(1-α)(S[i]-T[i])…式(4)
在此，α为0以上1以下的任意的数。α的值越小，则表示针对预先登记的平均使用时间，越强地反映了被推荐用户的购入卖出间隔的倾向。以下，假设α为0.95。
从游戏5(P[3])的购入日期时间到卖出日期时间的间隔S[3]-T[3]为49小时，游戏5的平均使用时间A[3]为30小时。因此，通过式(4)，能够求出修正后的平均使用时间A[3]为30.95小时。
此外，也可以基于历史记录信息中、与第1商品相关的历史记录信息、和与在该第1商品购入后由相同的用户购入的商品中的最近购入的第2商品相关的历史记录信息的各自中所包含的购入日期时间的间隔，来修正存储在该第1商品的时间存储部102中的估计时间。
例如，通过以下的式子来求出修正后的平均使用时间A[i](i＝1～n)。
βA[i]+(1-β)(T[i+1]-T[i])…式(5)
在此，β为0以上1以下的任意的常数。α的值越小，则表示针对预先登记的平均使用时间，越强地反映了被推荐用户的购入间隔的倾向。以下，假设β为0.95。
从游戏3(P[1])的购入日期时间T[1]到下一个游戏1(P[2])的购入日期时间T[2]的间隔T[2]-T[1]为216小时，游戏3的平均使用时间A[1]为60小时。因此，通过式(5)，求出修正后的平均使用时间A[1]为67.8小时。
以下，假设推定部103在推定使用完成日期时间时进行平均使用时间的修正，在存在被推荐用户的卖出日期时间的历史记录信息的情况下，基于式(4)来修正平均使用时间，在不存在卖出日期时间的历史记录信息的情况下，基于式(5)来修正平均使用时间。
接着，对本实施方式的商品推荐装置100的各部所进行的动作进行说明。本实施方式的商品推荐装置100，在使用完成日期时间推定处理中进行与实施方式3不同的处理，除了使用完成日期时间推定处理以外，进行与图16的流程图所示的处理同样的处理。以下，利用图18的流程图对进行不同处理的使用完成日期时间推定处理进行说明。以下，假设被推荐用户为用户X，以用户X进行了图13以及图14所示那样的购入/卖出活动的情况为例进行说明。另外，图18的流程图的步骤S601、S604、S606～S609，与图17的流程图的步骤S501、S504、S505～S508相同，因此省略说明。
在步骤S601中，将历史记录信息按照购入日期时间顺序排序后，推定部103针对登记在被推荐用户历史记录表103a中的购入商品P[i](i＝1～n-1)，判断是否存在卖出历史记录(步骤S602)。推定部103在判断存在卖出历史记录的情况下(步骤S602；“是”)，求出购入商品P[i](i＝1～n-1)的购入日期时间与卖出日期时间的间隔，并基于该间隔来对图6的平均使用时间表102a的平均使用时间进行修正(步骤S603)。然后，推定部103进行步骤S604以后的处理，对使用完成日期时间进行推定。另一方面，推定部103在判断不存在卖出历史记录的情况下(步骤S602；“否”)，求出从购入商品P[i](i＝1～n-1)的购入日期时间到下一个购入商品P[i+1]的购入日期时间的间隔，并基于该间隔来对图6的平均使用时间表102a的平均使用时间进行修正。然后，推定部103进行步骤S606以后的处理，对使用完成日期时间进行推定。
例如，在购入商品为“游戏5”的情况下，推定部103判断存在卖出历史记录，并基于式(4)来将图6的平均使用时间表102a的平均使用时间“30小时”修正为“30.95小时”。此外，例如，在购入商品为“游戏3”的情况下，推定部103判断不存在卖出历史记录，并基于式(5)来将图6的平均使用时间表102a的平均使用时间“60小时”修正为“67.8小时”。
另外，推定部103也可以针对作为历史记录信息登记有购入日期时间以及卖出日期时间的商品，使用修正后的平均使用时间，对于没有登记卖出历史记录的商品，使用没有修正的平均使用时间，来推定使用完成时间。
此外，对存储在时间存储部102中的估计时间(平均使用时间)进行修正的方法，不限定于上述方法。例如，在被推荐用户的购入间隔或购入卖出间隔存在比其他用户的购入间隔或购入卖出间隔长的倾向的情况下，将登记在平均使用时间表102a中的平均使用时间，乘以比1大的系数，来修正为更长的时间。
根据本实施方式，在求出平均使用时间时，通过反映被推荐用户的购买活动，能够准确地推定用户完成该商品的使用的日期时间，能够在适当的定时向用户推荐商品。
本发明基于在2010年3月30日提出申请的日本国专利申请2010-077359号。在本说明书中将日本国专利申请2010-077359号的说明书、权利要求书、附图整体作为参照而引用。
另外，本发明能够不脱离本发明的广义的精神和范围地采用各种各样的实施方式以及变形。此外，上述的实施方式，用于对本发明进行说明，而不是用于限定本发明的范围。即，本发明的范围不是通过实施方式而是通过权利要求书来示出。并且，在权利要求书以及与其等同的发明的意义的范围内实施的各种各样的变形也看作本发明的范围内。
(工业实用性)
根据本发明，能够提供一种适合针对完成商品的使用所需的时间根据所购入的每种商品而不同的商品，预测用户完成商品的使用的时期，并在适当的定时向用户推荐商品的商品推荐装置、商品推荐方法、程序、以及记录介质。
符号说明
100商品推荐装置
101历史记录存储部
101a历史记录表
102时间存储部
102a平均使用时间表
103推定部
103a被推荐用户历史记录表
104提示部
201、202～20n终端装置
300因特网
400信息处理装置
401CPU
402ROM
403RAM
404NIC
405图像处理部
406声音处理部
407DVD-ROM驱动器
408接口
409外部存储器
410控制器
411监视器
412扬声器
500图像

Claims (11)

1.一种商品推荐装置，其特征在于，具备：
时间存储部，其针对规定的商品群中包含的商品的每一个，存储从开始该商品的使用到结束该商品的使用估计所需的估计时间；
历史记录存储部，其存储历史记录信息，所述历史记录信息包含：购入了所述商品群中包含的任意一种商品的用户的用户标识符、该购入的商品、和该商品的购入日期时间；
推定部，其在存储在所述历史记录存储部中的历史记录信息中，取得与接受商品推荐的用户、即被推荐用户的用户标识符有关的历史记录信息，根据该取得的历史记录信息，求出该被推荐用户所最后购入的商品以外的商品从该被推荐用户开始使用到结束使用所需的使用时间，并基于该求出的使用时间、和针对与该取得的历史记录信息有关的商品而存储在所述时间存储部中的估计时间，来推定该被推荐用户所最后购入的商品的使用结束的日期时间；和
提示部，其从所述商品群中选择与所述被推荐用户所最后购入的商品不同的其他商品，在所述推定出的日期时间，提示将该选择的其他商品推荐给该被推荐用户的消息。
2.根据权利要求1所述的商品推荐装置，其特征在于，
所述推定部，
将与针对所述被推荐用户而存储在所述历史记录存储部中的历史记录有关的商品，按照购入日期时间的顺序，如商品1、商品2、......、商品n这样进行排列，
针对整数i＝1、2、......、n-1的每一个，根据该被推荐用户购入该商品i的购入日期时间T[i]、该被推荐用户购入该商品(i+1)的购入日期时间T[i+1]、和针对该商品i存储在所述时间存储部中的估计时间A[i]，来求出比c[i]＝(T[i+1]-T[i])/A[i]，
根据该求出的比的列c[1]、c[2]、......、c[n-1]来推定与该被推荐用户所最后购入的商品n有关的比c[n]，
根据该最后购入的日期时间T[n]、该推定出的比c[n]、和该存储的时间A[n]，将该被推荐用户完成该最后购入的商品n的使用的日期时间推定为T[n]+A[n]×c[n]。
3.根据权利要求2所述的商品推荐装置，其特征在于，
所述推定部，
通过越是根据旧的购入历史记录而求出的所述比c[i]，则越降低对所述比c[n]的贡献率的加权平均，来推定与所述被推荐用户所最后购入的商品n有关的比c[n]，其中i＝1～n-1。
4.根据权利要求3所述的商品推荐装置，其特征在于，
所述推定部将对所述加权平均乘以根据所述购入日期时间T[n]的季节而预先规定的季节系数后得到的值推定为比c[n]。
5.根据权利要求1～4中任一项所述的商品推荐装置，其特征在于，
在所述历史记录信息中，还包含卖出所购入的商品的卖出日期时间，
所述推定部，在所述被推荐用户卖出了所购入的商品i的情况下，对卖出所述商品i的卖出日期时间S[i]和购入所述商品(i+1)的购入日期时间T[i+1]进行比较，在卖出日期时间S[i]靠前的情况下，如下式这样来求出所述比c[i]，
c[i]＝(S[i]-T[i])/A[i]。
6.根据权利要求1～4中任一项所述的商品推荐装置，其特征在于，
在所述历史记录信息中，还包含卖出所购入的商品的卖出日期时间，
所述推定部，在所述被推荐用户卖出了所购入的商品i的情况下，根据卖出所述商品i的卖出日期时间S[i]，如下式这样来求出所述比c[i]，
c[i]＝(S[i]-T[i])/A[i]。
7.根据权利要求5或6所述的商品推荐装置，其特征在于，
根据所述历史记录信息中、包含购入日期时间和卖出日期时间这两者的历史记录信息，来求出与该历史记录信息有关的商品的该购入日期时间与该卖出日期时间的间隔，并基于该求出的间隔，来对该商品的存储在所述时间存储部中的估计时间进行修正。
8.根据权利要求1～7中任一项所述的商品推荐装置，其特征在于，
基于所述历史记录信息中、与第1商品有关的历史记录信息、和与在该第1商品购入后由相同的用户购入的商品中的最近购入的第2商品有关的历史记录信息的各自所包含的购入日期时间的间隔，来对该第1商品的存储在所述时间存储部中的估计时间进行修正。
9.一种商品推荐方法，是商品推荐装置所执行的商品推荐方法，所述商品推荐装置具备：时间存储部，其针对规定的商品群中包含的商品的每一个，存储从开始该商品的使用到结束该商品的使用估计所需的估计时间；历史记录存储部，其存储历史记录信息，所述历史记录信息包含：购入了所述商品群中包含的任意一种商品的用户的用户标识符、该购入的商品、和该商品的购入日期时间；推定部；和提示部，
该商品推荐方法的特征在于，具备：
推定工序，所述推定部在存储在所述历史记录存储部中的历史记录信息中，取得与接受商品推荐的用户、即被推荐用户的用户标识符有关的历史记录信息，根据该取得的历史记录信息，来求出该被推荐用户所最后购入的商品以外的商品从该被推荐用户开始使用到结束使用所需的使用时间，并基于该求出的使用时间、和针对与该取得的历史记录信息有关的商品而存储在所述时间存储部中的估计时间，来推定该被推荐用户所最后购入的商品的使用结束的日期时间；和
提示工序，所述提示部从所述商品群中选择与所述被推荐用户所最后购入的商品不同的其他商品，并在所述推定出的日期时间，提示将该选择的其他商品推荐给该被推荐用户的消息。
10.一种程序，其特征在于，使计算机发挥如下功能：
时间存储部，其针对规定的商品群中包含的商品的每一个，存储从开始该商品的使用到结束该商品的使用估计所需的估计时间；
历史记录存储部，其存储历史记录信息，所述历史记录信息包含：购入了所述商品群中包含的任意一种商品的用户的用户标识符、该购入的商品、和该商品的购入日期时间；
推定部，其在存储在所述历史记录存储部中的历史记录信息中，取得与接受商品推荐的用户、即被推荐用户的用户标识符有关的历史记录信息，根据该取得的历史记录信息，求出该被推荐用户所最后购入的商品以外的商品从该被推荐用户开始使用到结束使用所需的使用时间，并基于该求出的使用时间、和针对与该取得的历史记录信息有关的商品而存储在所述时间存储部中的估计时间，来推定该被推荐用户所最后购入的商品的使用结束的日期时间；和
提示部，其从所述商品群中选择与所述被推荐用户所最后购入的商品不同的其他商品，并在所述推定出的日期时间，提示将该选择的其他商品推荐给该被推荐用户的消息。
11.一种计算机可读取的记录介质，其记录了程序，其中该程序使计算机发挥如下功能：
时间存储部，其针对规定的商品群中包含的商品的每一个，存储从开始该商品的使用到结束该商品的使用估计所需的估计时间；
历史记录存储部，其存储历史记录信息，所述历史记录信息包含：购入了所述商品群中包含的任意一种商品的用户的用户标识符、该购入的商品、和该商品的购入日期时间；
推定部，其在存储在所述历史记录存储部中的历史记录信息中，取得与接受商品推荐的用户、即被推荐用户的用户标识符有关的历史记录信息，根据该取得的历史记录信息，求出该被推荐用户所最后购入的商品以外的商品从该被推荐用户开始使用到结束使用所需的使用时间，并基于该求出的使用时间、和针对与该取得的历史记录信息有关的商品而存储在所述时间存储部中的估计时间，来推定该被推荐用户所最后购入的商品的使用结束的日期时间；和
提示部，其从所述商品群中选择与所述被推荐用户所最后购入的商品不同的其他商品，并在所述推定出的日期时间，提示将该选择的其他商品推荐给该被推荐用户的消息。
CN2011800158931A 2010-03-30 2011-03-28 商品推荐装置、商品推荐方法、程序、以及记录介质 Pending CN102822857A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2010077359 2010-03-30
JP2010-077359 2010-03-30
PCT/JP2011/057682 WO2011122575A1 (ja) 2010-03-30 2011-03-28 商品推奨装置、商品推奨方法、プログラム、ならびに記録媒体

Publications (1)

Publication Number Publication Date
CN102822857A true CN102822857A (zh) 2012-12-12

Family

ID=44712270

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2011800158931A Pending CN102822857A (zh) 2010-03-30 2011-03-28 商品推荐装置、商品推荐方法、程序、以及记录介质

Country Status (6)

Country Link
US (1) US20130041774A1 (zh)
EP (1) EP2555148A4 (zh)
JP (1) JP5642771B2 (zh)
KR (1) KR101467651B1 (zh)
CN (1) CN102822857A (zh)
WO (1) WO2011122575A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103345695A (zh) * 2013-06-25 2013-10-09 百度在线网络技术（北京）有限公司 一种商品推荐的方法和装置
CN109034983A (zh) * 2018-09-18 2018-12-18 安徽千界信息科技有限公司 网上商城商品的推荐方法及其***
WO2019011240A1 (zh) * 2017-07-13 2019-01-17 北京京东尚科信息技术有限公司 素材展示控制方法、装置和***

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5734910B2 (ja) * 2012-04-24 2015-06-17 京セラ株式会社 情報提供システムおよび情報提供方法
JP6139066B2 (ja) * 2012-06-01 2017-05-31 任天堂株式会社 情報処理プログラム、情報処理装置、情報処理システムおよびコンテンツ推薦方法
US9990666B2 (en) * 2012-09-12 2018-06-05 Canon Kabushiki Kaisha Method, system and apparatus for delivering a recommendation
US9613313B2 (en) 2012-09-26 2017-04-04 DeNA Co., Ltd. System and method for providing a recommendation of a game based on a game-centric relationship graph
CA2891895A1 (en) * 2012-11-20 2014-05-30 Dlyte, LLC Computer program, method, and system for providing redeemable promotional-valued credits
US9098802B2 (en) * 2012-12-20 2015-08-04 Facebook, Inc. Inferring contextual user status and duration
JP5967553B2 (ja) * 2014-06-16 2016-08-10 インターナショナル・ビジネス・マシーンズ・コーポレーションＩｎｔｅｒｎａｔｉｏｎａｌ Ｂｕｓｉｎｅｓｓ Ｍａｃｈｉｎｅｓ Ｃｏｒｐｏｒａｔｉｏｎ 店舗内又は店舗間における顧客の購買行動を推定する方法、並びに、そのコンピュータ・システム及びコンピュータ・プログラム
US10565615B2 (en) 2014-07-01 2020-02-18 Transform Sr Brands Llc System and method for personalized add-on purchase
WO2016051515A1 (ja) * 2014-09-30 2016-04-07 楽天株式会社 投票券情報提供装置、投票券情報提供方法、および、投票券情報提供装置用プログラム
CN104599160B (zh) * 2015-02-06 2020-09-08 腾讯科技（深圳）有限公司 商品推荐方法和装置
CN105677845A (zh) * 2016-01-06 2016-06-15 北京京东尚科信息技术有限公司 电子书籍的推送方法和装置
JP6890747B2 (ja) * 2016-04-07 2021-06-18 楽天グループ株式会社 情報処理装置、情報処理方法、プログラム
WO2017175355A1 (ja) * 2016-04-07 2017-10-12 楽天株式会社 情報処理装置、情報処理方法、プログラム
CN106157097A (zh) * 2016-08-22 2016-11-23 北京京东尚科信息技术有限公司 商品推荐方法和***
CN110413870B (zh) * 2018-12-18 2021-12-31 北京沃东天骏信息技术有限公司 商品推荐方法、装置及服务器
CN110009457A (zh) * 2019-04-09 2019-07-12 昆山古鳌电子机械有限公司 一种基于大数据的商品推荐***
WO2021260710A1 (en) * 2020-06-25 2021-12-30 Telefonaktiebolaget Lm Ericsson (Publ) Product association in communications network
US11188925B1 (en) * 2021-03-30 2021-11-30 Honda Motor Co., Ltd. Method and system for automated reconfiguration of user interface based on product lifecycle
KR102409598B1 (ko) * 2021-12-14 2022-06-22 주식회사 밀리의서재 전자책 정보를 검색하기 위한 사용자 인터페이스를 제공하는 방법 및 이를 이용한 서버

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101006445A (zh) * 2004-08-23 2007-07-25 株式会社流通技术 基于rfid的购物模式分析***和方法
JP2007265077A (ja) * 2006-03-29 2007-10-11 Nomura Research Institute Ltd 子供衣類管理装置および子供衣類管理システム
CN101206751A (zh) * 2007-12-25 2008-06-25 北京科文书业信息技术有限公司 基于数据挖掘的顾客推荐***及其方法
JP3148485U (ja) * 2008-10-06 2009-02-19 東銀座印刷出版株式会社 特定の顧客向けのｏｃｒ用紙を印刷するための印刷装置

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09231264A (ja) * 1996-02-23 1997-09-05 Hitachi Ltd オンラインショッピング支援方法およびシステム
US6123259A (en) * 1998-04-30 2000-09-26 Fujitsu Limited Electronic shopping system including customer relocation recognition
US6317722B1 (en) * 1998-09-18 2001-11-13 Amazon.Com, Inc. Use of electronic shopping carts to generate personal recommendations
US6266649B1 (en) * 1998-09-18 2001-07-24 Amazon.Com, Inc. Collaborative recommendations using item-to-item similarity mappings
AU2002224386B2 (en) * 2000-10-18 2007-12-13 Johnson & Johnson Consumer Companies, Inc. Intelligent performance-based product recommendation system
JP3984473B2 (ja) * 2000-12-27 2007-10-03 楽天株式会社 広告送信システム
KR100679419B1 (ko) * 2005-06-02 2007-02-07 티에스씨시스템 주식회사 차량 관리 시스템 및 방법
US7672865B2 (en) * 2005-10-21 2010-03-02 Fair Isaac Corporation Method and apparatus for retail data mining using pair-wise co-occurrence consistency
JP2008176398A (ja) * 2007-01-16 2008-07-31 Sony Corp 情報処理装置および方法、並びにプログラム
JP2008225629A (ja) * 2007-03-09 2008-09-25 Ricoh Co Ltd 商品推薦システム、商品推薦方法、及び商品推薦方法を記録した記録媒体
US8090621B1 (en) * 2007-06-27 2012-01-03 Amazon Technologies, Inc. Method and system for associating feedback with recommendation rules
JP2009122781A (ja) * 2007-11-12 2009-06-04 Yahoo Japan Corp リコメンドシステム、およびリコメンド方法
JP5242321B2 (ja) 2008-09-29 2013-07-24 株式会社カネカ 摩擦音の低減されたポリプロピレン系樹脂予備発泡粒子
US20110213651A1 (en) * 2010-03-01 2011-09-01 Opera Solutions, Llc Computer-Implemented Method For Enhancing Targeted Product Sales
US8452797B1 (en) * 2011-03-09 2013-05-28 Amazon Technologies, Inc. Personalized recommendations based on item usage
US20130185198A1 (en) * 2012-01-18 2013-07-18 Yoav Lorch Incremental Content Purchase And Management Systems And Methods

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101006445A (zh) * 2004-08-23 2007-07-25 株式会社流通技术 基于rfid的购物模式分析***和方法
JP2007265077A (ja) * 2006-03-29 2007-10-11 Nomura Research Institute Ltd 子供衣類管理装置および子供衣類管理システム
CN101206751A (zh) * 2007-12-25 2008-06-25 北京科文书业信息技术有限公司 基于数据挖掘的顾客推荐***及其方法
JP3148485U (ja) * 2008-10-06 2009-02-19 東銀座印刷出版株式会社 特定の顧客向けのｏｃｒ用紙を印刷するための印刷装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
廖华: "基于客户生命周期与交易偏好的商品推荐模式研究", 《中国优秀博硕士学位论文全文数据库 经济与管理科学辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103345695A (zh) * 2013-06-25 2013-10-09 百度在线网络技术（北京）有限公司 一种商品推荐的方法和装置
WO2019011240A1 (zh) * 2017-07-13 2019-01-17 北京京东尚科信息技术有限公司 素材展示控制方法、装置和***
CN109034983A (zh) * 2018-09-18 2018-12-18 安徽千界信息科技有限公司 网上商城商品的推荐方法及其***

Also Published As

Publication number Publication date
KR101467651B1 (ko) 2014-12-03
EP2555148A1 (en) 2013-02-06
US20130041774A1 (en) 2013-02-14
JP5642771B2 (ja) 2014-12-17
JPWO2011122575A1 (ja) 2013-07-08
EP2555148A4 (en) 2014-02-19
KR20120135331A (ko) 2012-12-12
WO2011122575A1 (ja) 2011-10-06

Similar Documents

Publication Publication Date Title
CN102822857A (zh) 商品推荐装置、商品推荐方法、程序、以及记录介质
Varian Buying, sharing and renting information goods
Chen et al. Monopoly pricing when customers queue
US20160275530A1 (en) Dynamically adjusted automated item replenishment
JP5139397B2 (ja) 広告配信装置及び方法
EP1199666A1 (en) Dynamic demand management
CN101465878A (zh) 用于模拟社交网络中离线用户的推荐的方法和***
CN102282551A (zh) 娱乐入场券定价的自动决策支持
CN107358385A (zh) 一种自动售货机商品配送的方法及服务器
JP4804372B2 (ja) 広告配信順位決定方法、広告配信システム、広告配信順位決定装置及びコンピュータプログラム
De Roos et al. Gasoline price cycles under discrete time pricing
Wang et al. Monopoly pricing in a retrial queue with delayed vacations for local area network applications
JP2008040613A (ja) 広告方法、広告プログラム及び広告システム
JP2008176662A (ja) 販売予測システム、方法及びコンピュータプログラム
US20210216943A1 (en) Salesperson evaluation system, salesperson evaluation apparatus, salesperson evaluation method, and salesperson evaluation program
CN102959576A (zh) 订单受理装置、订单受理方法、程序、以及信息记录介质
JP5299199B2 (ja) 商品推奨方法及び商品推奨システム
JP5087951B2 (ja) 商品交換プログラム、商品交換方法、商品交換装置
Nahmias et al. Perishable inventory systems with variable input and demand rates
Kogan et al. Optimal policies for inventory usage, production and pricing of fashion goods over a selling season
JP2011023039A (ja) 情報配信装置及び情報配信方法
JP5252566B2 (ja) 通信サービスのキャンペーン装置
JP6607537B2 (ja) 算出装置、算出方法、及び算出プログラム
JP2008117012A (ja) 情報処理システム
US20180108041A1 (en) Content scheduling method and apparatus

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20121212

WD01 Invention patent application deemed withdrawn after publication