JP2010204882A - 関係分析方法、関係分析プログラム、および、関係分析装置 - Google Patents

Abstract

【課題】低精度な視線検知処理の影響を抑制しつつ、高精度のマーケティング分析結果を得ること。
【解決手段】視線分析装置１の記憶部には、商品ごとに、その商品を内包する１つの基本区画と、その基本区画と少なくとも一部が交差する拡張区画と、が対応づけて記憶される。視線分析装置１の注視度算出部１４は、視線検知部１１が検知した視線データの位置情報と、区画定義データで定義される各区画の位置情報とを区画ごとに照合することにより、区画ごとの注視度を計算し、区画に対応する商品ごとに、区画ごとの注視度を集計して商品ごとの注視度データを計算して記憶部に記憶する。
【選択図】図１

Description

本発明は、関係分析方法、関係分析プログラム、および、関係分析装置に関する。

ユーザは商品などの対象物を見ることによって商品を認知し、その商品の購入を検討する。よって、ユーザの視線情報は、ユーザの興味を示す情報として有効な情報である。よって、ユーザの視線情報を収集する手法が、提案されている。

例えば、特許文献１には、商品ごとにその商品の展示位置を内包するような区画を設定し、その区画に入ったユーザの視線を検知することで、そのユーザのその商品に対する注目度を計測する手法が提案されている。
一方、非特許文献１には、視線検知における検知誤差の存在が示唆される。例えば、被験者によっては視線方向（角度）の推定誤差が、約９度発生してしまうことが示唆されている。

特開２００７−２８６９９５号公報

「顔特徴点追跡による単眼視線推定」映像情報メディア学会誌vol,61,No.12,pp.1750-1755(2007)

従来のＰＯＳ（Point of sale）では、ユーザが購入した段階での購入履歴などのデータを、マーケティングに活用する。しかし、ユーザが実際に購入するまでには、商品の認知から他商品との比較検討などの購入までのプロセスが存在する。よって、この購入までのプロセスのデータをマーケティングリサーチとして収集することができれば、さらなる商品の販売促進に活用することができる。

しかし、非特許文献１に示すように、従来の視線検知処理では精度が悪いため、その視線検知処理をもとにしたマーケティングは困難である。例えば、特許文献１に記載された視線検知処理では、カメラで撮影したユーザの顔画像から画像処理により視線を認識するため、カメラの撮影環境（ユーザの移動に伴うブレや、照明の陰影など）に大きく影響され、充分な精度を得ることができなかった。
その結果、ユーザが実際に見ていたものとは異なる商品を検知してしまい、その誤った検知結果に基づいて分析を行うと、間違った分析結果が得られてしまう。

そこで、本発明は、前記した問題を解決し、低精度な視線検知処理の影響を抑制しつつ、高精度のマーケティング分析結果を得ることを、主な目的とする。

前記課題を解決するために、本発明は、商品への視線データと、その商品への購入に関する行動データとの関係を分析する関係分析装置による関係分析方法であって、
前記関係分析装置が、記憶部と、視線検知部と、注視度算出部と、行動処理部と、分析処理部とを含めて構成され、
前記記憶部には、商品陳列部に配置された各商品の位置情報を基に、視線が向けられる商品を識別するための区画定義データが記憶され、その区画定義データが、商品ごとに、その商品を内包する１つの基本区画と、その基本区画と少なくとも一部が交差する拡張区画と、を対応づけて構成され、
前記視線検知部が、前記商品陳列部に配置された各商品への前記視線データを検知し、
前記注視度算出部が、前記視線検知部が検知した前記視線データの位置情報と、前記区画定義データで定義される各区画の位置情報とを区画ごとに照合することにより、区画ごとの注視度を計算し、区画に対応する商品ごとに、前記区画ごとの注視度を集計して商品ごとの注視度データを計算して前記記憶部に記憶し、
前記行動処理部が、前記商品陳列部に配置された各商品に対する前記行動データの入力を受け付けて、前記記憶部に記憶し、
前記分析処理部が、前記記憶部に記憶された前記商品ごとの注視度データと、前記商品ごとの行動データとを結合し、両方のデータ間の相関を計算して出力することを特徴とする。
その他の手段は、後記する。

本発明によれば、低精度な視線検知処理の影響を抑制しつつ、高精度のマーケティング分析結果を得ることができる。

本発明の一実施形態に関する視線分析装置を示す構成図である。 本発明の一実施形態に関する視線分析装置を自動販売機として構成する旨を示す構成図である。 本発明の一実施形態に関する視線分析装置を販売所に配置する旨を示す構成図である。 本発明の一実施形態に関する視線分析装置のハードウェア構成を示す構成図である。 本発明の一実施形態に関する商品陳列部の一例を示す説明図である。 本発明の一実施形態に関する視線検知データ記憶部の一例を示す説明図である。 本発明の一実施形態に関する区画定義データ記憶部の一例を示す説明図である。 本発明の一実施形態に関する区画定義データ記憶部における多重の区画定義を示す説明図である。 本発明の一実施形態に関する区画定義データ記憶部のデータ構造を示す説明図である。 本発明の一実施形態に関する視線検知データ記憶部の一例を示す説明図である。 本発明の一実施形態に関する注視度算出部の処理を示すフローチャートである。 本発明の一実施形態に関する注視度算出部の処理の詳細を示す説明図である。 本発明の一実施形態に関する分析結果記憶部の一例を示す説明図である。 本発明の一実施形態に関する分析結果記憶部の一例を示す説明図である。

以下、本発明が適用されるデータベースシステムの一実施形態について、図面を参照しながら説明する。

図１は、視線分析装置１（関係分析装置）を示す構成図である。
視線分析装置１は、視線処理部１０と、行動処理部２０と、分析処理部３０とを含めて構成される。
なお、視線分析装置１の台数は、図１に例示する１台ずつに限定されず、それぞれ任意の台数としてもよい。例えば、１００台の視線分析装置１が、ネットワークを介して接続されるとともに、各視線分析装置１が収集するデータ（注視度データ記憶部１５のデータなど）が、ネットワークを介して互いに共有されるようにしてもよい。
視線処理部１０は、視線検知部１１と、視線検知データ記憶部１２と、区画定義データ記憶部１３と、商品陳列部１３ｂと、商品陳列データ記憶部１３ｃと、注視度算出部１４と、注視度データ記憶部１５と、を含めて構成される。
行動処理部２０は、行動データ入力部２１と、行動データ記憶部２２と、を含めて構成される。
分析処理部３０は、結合パラメータ入力部３１と、データ結合部３２と、関係分析部３３と、分析結果記憶部３４と、分析結果出力部３５と、を含めて構成される。

視線検知部１１は、商品陳列部１３ｂを見ているユーザの視線の位置を検知する。
視線検知データ記憶部１２は、視線検知部１１による視線の検知結果を格納する。
区画定義データ記憶部１３は、商品陳列部１３ｂの商品配置を元にした区画の定義を格納する。
商品陳列部１３ｂは、ユーザの購入対象である商品を１つ以上陳列する。
商品陳列データ記憶部１３ｃは、商品陳列部１３ｂの商品配置の位置情報を格納する。
注視度算出部１４は、視線検知データ記憶部１２および区画定義データ記憶部１３のデータをもとに、商品陳列部１３ｂの各商品に対してユーザが注視している（視線を向ける）度合い（注視度）を算出する。
注視度データ記憶部１５は、注視度算出部１４の計算結果である注視度を格納する。

行動データ入力部２１は、商品陳列部１３ｂの商品に対するユーザ（購入者）の行動（購入操作など）の入力を受け付ける。
行動データ記憶部２２は、行動データ入力部２１から入力されたユーザの行動を記憶する。

結合パラメータ入力部３１は、データ結合部３２による結合処理に参照される各パラメータの入力を受け付ける。
データ結合部３２は、ユーザの注視度（注視度データ記憶部１５）と、ユーザの行動（行動データ記憶部２２）とを結合する。
関係分析部３３は、データ結合部３２の結合結果を基に、ユーザの注視度と行動との関係を分析する。
分析結果記憶部３４は、関係分析部３３による分析結果を記憶する。
分析結果出力部３５は、分析結果記憶部３４のデータをユーザ（分析者）に出力する。

図２は、視線分析装置１を自動販売機２として構成するときの構成図である。
自動販売機２は、図１の視線処理部１０および行動処理部２０を一台の筐体に収容する。分析処理部３０を有する分析所装置３は、自動販売機２とは別の場所に設置されている。なお、自動販売機２および分析所装置３の台数は、図２に例示する１台ずつに限定されず、それぞれ任意の台数としてもよい。例えば、１００台の自動販売機２と、１台の分析所装置３とが、ネットワークを介して接続される。
自動販売機２は、自動販売機２で商品の購入を検討するために立ち止まるユーザごとに、セッションを認識する。そして、視線検知部１１の視線検知結果と、行動データ入力部２１の購入履歴とは、同一時刻に立ち止まる同一人物に対しては同じセッションＩＤが割り当てられる。
つまり、セッションとは、あるユーザの１回の商品購入における、見始めから見終わりまでの連続する時間帯を指す。なお、あるセッションと別のセッションとを区切る手法は、例えば、自動販売機２の前にいる人物の撮影画像認識処理や、自動販売機２の入力された操作ごとにセッションを区切る処理や、自動販売機２の手前に発射され続ける赤外線による認識処理などがある。

図３は、視線分析装置１の各構成要素（視線処理部１０、行動処理部２０、および、分析処理部３０）を分散させて販売所に配置するときの構成図である。
販売所は、商品陳列棚と商品会計レジとが、互いに離れた位置に設置されている。そして、商品陳列棚には視線処理部１０の構成を有する端末が配置され、商品会計レジには行動処理部２０の構成を有する端末が配置されている。
この場合、図２の自動販売機２と異なり、視線処理部１０の商品陳列部１３ｂの商品を見たユーザと、行動処理部２０で商品の決済を実施するユーザとの対応付けが困難である。よって、視線検知部１１の視線検知結果と、行動データ入力部２１の購入履歴とは、セッションとしては対応づけられない。
分析所装置３は、ネットワーク９を介して、各視線処理部１０および各行動処理部２０から処理結果を収集する。

図４は、視線分析装置１を１つの筐体に含まれる装置として構成したときのハードウェア構成を示す構成図である。視線分析装置１は、ＣＰＵ９１と、ＲＡＭ９２と、ハードディスク装置９３と、通信装置９４と、表示装置９５と、キーボード９６と、マウス９７と、プリンタ９８と、を含めて構成されるコンピュータである。
ＣＰＵ９１は、ＲＡＭ９２に読み込まれた各プログラムを実行することで、視線分析装置１の各構成要素を制御する。
ＲＡＭ９２は、各処理部（視線処理部１０、行動処理部２０、分析処理部３０）を実行するためのプログラムを格納する。なお、図５で後記するように、視線処理部１０の視線検知部１１には、ユーザの顔画像を撮影するためのカメラが接続されている。
ハードディスク装置９３は、ＣＰＵ９１の処理に必要な各処理部のデータを格納する。
通信装置９４は、ネットワーク９を介して、他装置（例えば、図示しないユーザ端末など）との通信を行うためのインタフェースである。
表示装置９５は、ユーザにデータを表示して提供する。
キーボード９６は、ユーザから文字入力を受け付ける。
マウス９７は、ユーザから操作入力を受け付ける。
プリンタ９８は、ユーザにデータを印刷して提供する。

図５は、商品陳列部１３ｂの一例を示す説明図である。

商品陳列部１３ｂには、商品が１つ以上（図では４つ）展示されている。なお、商品陳列は、実商品だけでなく、その商品の立体的なモックアップや、平面的なポスター広告など、ある商品を別の商品と区別するための情報が把握できれば、任意のものとして構成することができる。
ユーザ（購入者）は、斜視投影面（例えば、自動販売機２における商品ケース）を介して、陳列されている商品を見ている。以下、本願明細書では、通常直線情報として表現される人間の視線を、その直線に対する斜視投影面上の商品の投影像における交点として、点情報で表現する（以下、視線点と表記する）。

視線検知部１１は、商品陳列部１３ｂを見ているユーザの視線の位置を検知するため、例えば、ユーザ（購入者）の顔を正面から撮影しやすいように配置されたカメラとして構成される。特許文献１の手法では、このカメラで撮影されたユーザの顔写真から、顔パーツ（目、鼻など）を切り出すとともに、その切り出した目の位置および方向を認識して、ユーザの視線を計算する。よって、視線検知部１１は、例えば、この特許文献１で示される顔写真の画像認識処理により、ユーザの視線を検知する。

一方、視線検知部１１は、特許文献１の手法だけに限定されず、認識率を向上させる他の技術を用いてもよい。例えば、購入者が特定の人間であることが事前にわかるときには、その人間に特化したキャリブレーション（事前設定）を実施したり、購入者の頭にヘッドセットをつけて認識補助データを収集したりしてもよい。

図６は、視線検知データ記憶部１２の一例を示す説明図である。
視線検知部１１の検知結果として記憶される視線検知データ記憶部１２は、図６（ａ）で示されるように、各時刻での視線（黒点）を時系列に接続したデータである。視線検知部１１は、区画定義データ記憶部１３に事前に登録されている区画に対して、購入者の視線が区画に入ったとき、その商品を見ているとみなす。図６（ａ）では、同じ区画に対して、２回の視線移動（区画に入ってから区画を出るまで）があったことを示す。
そして、図６（ｂ）は、図６（ａ）の視線検知データ記憶部１２のデータ内容を、表形式で視線分析装置１に格納されている旨を示す。視線検知データ記憶部１２は、視線分析装置１が設置される「販売所ＩＤ」と、視線分析装置１が認識したユーザの「セッションＩＤ」と、視線検知部１１の検知した「日時」と、その日時における視線の点データ位置（Ｘ座標，Ｙ座標）とを対応づけて管理する。
例えば、図６（ｂ）におけるセッションＩＤ「100467893」のレコード（上から７つ分）は、図６（ａ）における区画の左上から進入する視線移動に該当する。
同様に、図６（ｂ）におけるセッションＩＤ「100467894」のレコード（下から２つ分）は、図６（ａ）における区画の右下から進入する視線移動に該当する。

図７は、区画定義データ記憶部１３の一例を示す説明図である。
区画定義データ記憶部１３は、商品ごとの区画を定義するデータを記憶する。なお、図７では、区画はすべて矩形として説明するが、矩形だけに限定されず、円形や楕円形などの任意の形状を用いてもよい。

図７（ａ）は、商品を内包する基本区画を示す。基本区画は、異なる商品の区画同士が重ならないように定義される。さらに、基本区画と基本区画の間に隙間が空く場合もあったり、同じ商品の基本区画が複数個飛び地で存在したりしてもよい。
商品Ａ〜Ｅでは、１つの区画（点線の矩形で示す）が１つの商品を内包している。
商品Ｆでは、１つの区画が３つの商品を内包している。
商品Ｇでは、１つの区画が２つの商品を内包している。

図７（ｂ）は、基本区画を拡張（派生）して作成される拡張区画のうち、基本区画を内包する外部区画を示す。商品Ｂの基本区画から、商品Ｂの外部区画が定義される。外部区画は、内包する商品の位置から外側に定義されるため、他の商品の基本区画や外部区画と重なることもある。
なお、外部区画を定義することにより、商品Ｂを見ているにもかかわらず、視線検知部１１の検知誤差により、商品Ｂの基本区画からはみ出した場合でも、その視線の位置が外部区画内に収まることが期待されるので、多少の検知誤差を許容することができる。

図７（ｃ）は、基本区画を拡張（派生）して作成される拡張区画のうち、基本区画に内包される内部区画を示す。商品Ｂの基本区画から、商品Ｂの内部区画が定義される。なお、内部区画は、基本区画内の一部の領域であればどの位置に定義してもよいため、商品の位置に内部区画が収まらなくてもよい。
なお、内部区画を定義することにより、商品Ｂを見ているときに、視線検知部１１の検知結果が正常に商品Ｂの基本区画内に収まったときには、その視線の位置がさらに内部区画内に収まることが期待されるので、商品Ｂを見ているときに正しくその旨が検知されやすくなる。

図８は、区画定義データ記憶部１３における多重の区画定義を示す説明図である。多重の区画定義とは、１つの基本区画に対して、複数の拡張区画を定義する形態である。
図８（ａ）では、１つの基本区画に対して、２つの外部区画を定義する。第１外部区画は、基本区画を内包する外部区画である。第２外部区画は、第１外部区画を内包する外部区画である。
図８（ｂ）では、１つの基本区画に対して、１つの外部区画および１つの内部区画を定義する。

図９は、区画定義データ記憶部１３のデータ構造を示す説明図である。図９の左側に区画の展開図を示し、右側にその展開図を作成するためのデータ構造について、ＸＭＬツリー形式のテキストを示す。
図９（ａ）では、商品Ａに対して、１つの矩形（ａ１）から構成される１つの区画（Ａ）を定義している。
図９（ｂ）では、商品Ａに対して、２つの矩形（ａ１，ａ２）からそれぞれ構成される２つの区画（Ａ１，Ａ２）を定義している。
図９（ｃ）では、商品Ｂに対して、２つの矩形（ｂ１，ｂ２）からそれぞれ構成される１つの区画（Ｂ）を定義している。

図１０は、視線検知データ記憶部１２の一例を示す説明図である。図の左側が商品陳列部１３ｂ上に視線検知データ記憶部１２の視線点を示したものであり、図の右側がさらに区画定義データ記憶部１３の区画を示したものである。この図１０では、ユーザが商品Ｅを見ているとする。

まず、図１０（ａ）では、視線検知部１１として高精度なセンサを用いた検知結果を示す。ユーザが実際に見ているとおり、視線点が商品Ｅの近辺に集中するので、その各視線点は、商品Ｅの基本区画にほぼ収まる。

一方、図１０（ｂ）では、視線検知部１１として低精度なセンサを用いた検知結果を示す。誤差の影響により、ユーザが実際に見ている視線の位置とは異なった位置に視線点が分散されてしまっているので、その各視線点は、商品Ｅの基本区画には収まらないものが多い。このような誤差の発生要因は、例えば、人物が静止せずに動いているため、顔モデルのパーツ（目など）が正しく認識されないことや、照明の影響で陰影ができてしまい、顔領域をうまく切り出せないことなどが挙げられる。

表１は、視線分析装置１を自動販売機２として構成するときの各データの詳細を示す。図２で前記したように、自動販売機２では、商品の閲覧者と購入者とが同一人物として対応付け可能なので、その人物に対してセッションＩＤを発行することができる。

表１の注視度データ記憶部１５は、自動販売機２が設置される「販売所ＩＤ」と、ユーザである「セッションＩＤ」と、ユーザが見た商品陳列部１３ｂの「注視度商品ＩＤ」と、その商品についての「注視度」とを対応づけて管理する。

表１の行動データ記憶部２２は、注視度データ記憶部１５で前記した販売所ＩＤと、前記したセッションＩＤと、ユーザが購入した「購入商品ＩＤ」と、を対応づけて管理する。なお、商品を見ただけで購入しないユーザも存在するが、そのときには、「購入商品ＩＤ」は「なし」に設定される。なお、ここではユーザの行動の一例として、「購入」を例示したが、他にもユーザが商品に働きかける一連の行動（商品選択操作、商品検索操作、商品注文操作など）を行動データとして記憶してもよい。

表１の分析結果記憶部３４は、注視度データ記憶部１５と行動データ記憶部２２とをデータ結合部３２が結合処理（ＳＱＬのｊｏｉｎ演算）した結果を格納するものである。分析結果記憶部３４は、販売所ＩＤと、セッションＩＤと、注視度商品ＩＤと、注視度と、購入商品ＩＤと、購入フラグと、を対応づけて管理する。販売所ＩＤおよびセッションＩＤの組み合わせは、結合キーを示す。
注視度商品ＩＤおよび注視度は、注視度データ記憶部１５から抽出されるデータであり、購入商品ＩＤは、行動データ記憶部２２から抽出されるデータである。
購入フラグは、結合処理後に計算されるフラグであり、同一レコード内の注視度商品ＩＤと購入商品ＩＤとが一致するときには「１（購入）」を設定し、一致しないときには「０（未購入）」を設定する。この購入フラグは、ユーザの視線と行動との相関を示すパラメータである。

表２は、視線分析装置１を販売所に配置するときの各データの詳細を示す。図３で前記したように、販売所の店頭販売では、商品の閲覧者と購入者とが同一人物として対応付け困難なので、個々のユーザのセッションを識別する代わりに、単位時間（例えば１日）あたりの統計情報を扱う。つまり、表１の結合キー列である「販売所ＩＤ＆セッションＩＤ」が、表２では「販売所ＩＤ＆日時」に置き換わっている。

表２の注視度データ記憶部１５は、表１の注視度データ記憶部１５と比較すると、セッションＩＤが日時（統計情報の単位時間）に置き換わっており、注視度がその日時における各ユーザの注視度の合計値（平均値でもよい）に置き換わっている。

表２の行動データ記憶部２２は、表１の行動データ記憶部２２と比較すると、セッションＩＤが日時（統計情報の単位時間）に置き換わっており、購入商品ＩＤが示す商品についての「日時」における各ユーザの購入履歴の合計値を示す「販売数」列が追加されている。

表２の分析結果記憶部３４は、表１の分析結果記憶部３４と比較すると、セッションＩＤが日時（統計情報の単位時間）に置き換わっており、前記した表２の各列が結合結果として分析結果記憶部３４に存在する。
なお、表２の分析結果記憶部３４は、結合キー列が「販売所＆日時」であるが、基本的に、注視度データ記憶部１５の「日時」と行動データ記憶部２２の「日時」とが一致するレコードを結合する。しかし、結合処理において、注視度データ記憶部１５の「日時」に「スライド幅の日時」を加算した日時と、行動データ記憶部２２の「日時」とが一致するレコードを結合してもよい。「スライド幅の日時」を設けることにより、ユーザの商品認知（商品を見る）から商品購入の意志決定（購入という行動）までのユーザの検討期間におけるタイムラグを考慮した分析が可能になる。
そのため、結合パラメータ入力部３１は、あらかじめ入力された「スライド幅の日時」をハードディスク装置９３に保持するとともに、データ結合部３２の結合処理時に提供する。

図１１は、注視度算出部１４の処理を示すフローチャートである。なお、１つの商品に対して複数の区画（１つの基本区画と１つ以上の拡張区画）が設定されている。よって、注視度算出部１４は、１つの商品に設定された複数の区画それぞれの注視度を求めた後、それらの区画ごとの注視度の集計値（例えば、加重平均演算値）を、１つの商品の注視度として求める。以下、注視度算出部１４の処理の詳細を説明する。

Ｓ１０１において、視線検知データ記憶部１２（図６）から販売所ＩＤとセッションＩＤとを読み込み、その読み込んだデータに対応する視線検知データ（日時、Ｘ座標、Ｙ座標）を読み込む。
Ｓ１０２において、区画定義データ記憶部１３（図７）から、Ｓ１０１で読み込んだ販売所ＩＤに対応する区画定義データを読み込む。
Ｓ１０３において、Ｓ１０２で読み込んだ区画定義データの商品ＩＤを順に選択するループを開始する。
Ｓ１０４において、Ｓ１０３で選択した商品ＩＤに対応する区画を順に選択するループを開始する。

Ｓ１０５において、Ｓ１０３からのループで選択した商品ＩＤの、Ｓ１０４からのループで選択した区画の注視度を計算する。つまり、同じ商品であっても、その基本区画、外部区画、内部区画の注視度は別々に算出する。なお、Ｓ１０５の計算方法は、例えば、以下の（１）〜（３）のいずれかの計算により実現される。

計算方法（１）は、視線が区画内に滞在している時間に基づいた方法である。視線が区画に入ってから、そのあと最初に区画から出るまでの時間を注視度とする（出入りが複数回ある場合はその総和）。ただし、入ってから出るまでの時間が、所定のしきい値を下回る場合は、総和から除外することで、視線が区画を一瞬だけ通過するような場合は、注視からは除外する。

計算方法（２）は、前記した計算方法（１）において、入ってから出るまでの時間が所定のしきい値を下回る場合を総和から除外した結果、全ての商品の注視度が０になってしまった場合、しきい値を下げて再計算する方法である。

計算方法（３）は、視線が区画内を移動する速さに基づいた方法である。区画内における視線移動速度の平均値が低い（つまり、視線移動がゆっくりである）ほど、注視度を高得点とする。

Ｓ１０６において、Ｓ１０４からのループを終了する。
Ｓ１０７において、Ｓ１０５でそれぞれ求めた区画の注視度の集計値（加重和や加重平均値など）を、Ｓ１０３で選択した商品ＩＤの注視度とする。注視度の集計値は、各区画の注視度に対して、その区画に応じた重みを乗じた値の総和である。
区間ごとに設定されたそれぞれの重みは、記憶手段に格納されている。
区画に応じた重みは、例えば、商品展示の中心になるほど高得点の重みが定義される（つまり、重み値が高い順に、内部区画＞基本区画＞外部区画となる）。一方、区画に応じた重みは、商品展示の中心になるほど高得点とする代わりに、任意の重みを設定することとしてもよい。
Ｓ１０８において、Ｓ１０３からのループを終了する。

Ｓ１０９において、Ｓ１０７で求めた各商品の注視度を、注視度の合計値が１になるように正規化する。具体的には、商品ごとの注視度を、全商品の注視度の総和で割り算した結果（商）を、正規化した商品ごとの注視度とする。なお、ユーザの視線滞在時間（割り算の分母値）について、全区画の時間総和を１とした時の各区画の時間比を、各商品の注視度として求めてもよいし、ユーザの視線滞在時間はその区画にも属していない（例えば、ユーザが自分の財布を見ている）時間帯を加算した時間比としてもよい。

図１２は、図１１で示した注視度算出部１４の処理（特にＳ１０７）を示す説明図である。
図１２（ａ）では、Ｓ１０３において「商品Ｅ」が選択されているときの、Ｓ１０７の計算処理を示す。商品Ｅには２つの区画が設定されているので、その区画ごとの注視度計算処理（Ｓ１０５）が２回実行される（Ｓ１０５の計算結果がそれぞれ「０．２」「１．０」）。そして、Ｓ１０７において、２つの計算結果が平均演算として１つの値「０．６」に集計されている。
図１２（ｂ），（ｃ）も同様にして、集計値「０．２」「０．１」が求まる。ここで、図１２に示した３つの集計値を比較すると、図１２（ａ）が示す商品Ｅの集計値が最高点「０．６」であり、図１０（ｂ）で示したように、低精度のセンサにより視線点が基本区画に収まっていない場合でも、外部区画が基本区画を補うことにより、正しい認識結果（商品Ｅ）が得られる。

図１３は、分析結果記憶部３４の一例を示す説明図である。
図１３（ａ）では、自動販売機２の構成（図２，表１参照）における関係分析部３３の分析結果を示す。グラフの１つの点が１つのセッションに対応する。図１３（ａ）のグラフは、横軸が商品ごとの注視度で、縦軸がその商品の購入フラグを示す。そして、注視度と購入フラグとの相関係数「０．５７」とその相関グラフ（右上がりの直線）が併せて表示される。なお、このグラフは、縦軸と横軸とが同じ商品である例を示したが、互いに異なる商品としてもよい。

この分析結果を参照することにより、注視度が低い（あまり見られていない）商品は、あまり買われない（購入フラグが０）という相関関係が把握できる。
このように、関係分析部３３が出力する視線と商品購入との関係をマーケティングリサーチとして知ることで、商品ラインナップの決定、棚割り、仕入計画、売上予測などの商品販売活動（マーケティング）に役立てることができる。

図１３（ｂ）では、店頭販売の構成（図３，表２参照）における分析結果を示す。図１３（ａ）と異なりセッションを抽出できないので、図１３（ｂ）のグラフにおける１つの点は、日時ごとの１つの統計値（販売数）を示す。

図１４は、分析結果記憶部３４の一例を示す説明図である。この図では、視線検知部１１の計算精度が、関係分析部３３の関係分析の精度に影響を与えることを説明する。
図１４（ａ）では、図１０（ａ）に示したように、視線検知部１１として高精度なセンサを使用した例を示す。この相関係数「０．５７」を正解値として、以下説明する。

図１４（ｂ）では、図１０（ｂ）に示したように、視線検知部１１として低精度なセンサを使用し、かつ、基本区画だけで視線検知処理を実行した例を示す。本来は商品Ａを見ている場合でも、誤差の影響により注視度が低くなってしまった結果、相関係数も図１４（ａ）の正解値「０．５７」から大きく離れた「０．３３」になってしまっている。

図１４（ｃ）では、図１０（ｂ）に示したように、視線検知部１１として低精度なセンサを使用し、かつ、基本区画だけでなく拡張区画も用いた例を示す。基本区画に収まらない誤差を拡張区画が吸収するため、相関係数も図１４（ａ）の正解値「０．５７」に近い「０．４８」になり、相関計算の精度が図１４（ｂ）よりも改善される。

表３は、注視度データ記憶部１５の計算結果（商品ごとの注視度）を比較するための表である。表３の各列の（ａ）〜（ｃ）は、図１４の（ａ）〜（ｃ）に対応する。
高精度センサを用いた正解値（ａ）に対して、低精度センサを用いた計算値（ｂ）は大きくかけ離れている（特に商品Ｅ）。しかし、同じ低精度センサを用いた場合でも、拡張区画を用いることにより、計算値（ｄ）は改善される。

以上説明した本実施形態によれば、視線分析装置１が、視線検知部１１の検知結果である視線データをもとに、注視度算出部１４が商品ごとの注視度を計算する。この計算時に、区画定義データ記憶部１３の基本区画だけでなく、基本区画から派生した拡張区画を用いることにより、視線検知部１１の検知精度が低い場合でも、高精度の注視度を計算することができる。
よって、分析処理部３０は、計算された高精度のユーザの注視度および行動処理部２０によるユーザの行動データを入力パラメータとして、注視度と行動との関係を分析することができるので、高精度の分析結果を出力することができる。
以上説明した本実施形態の視線分析装置１は、図１〜図４に示した台数や構成に限定されず、適宜構成要素を増減してもよい。

１ 視線分析装置
２ 自動販売機
３ 分析所装置
９ ネットワーク
１０ 視線処理部
１１ 視線検知部
１２ 視線検知データ記憶部
１３ 区画定義データ記憶部
１３ｂ 商品陳列部
１３ｃ 商品陳列データ記憶部
１４ 注視度算出部
１５ 注視度データ記憶部
２０ 行動処理部
２１ 行動データ入力部
２２ 行動データ記憶部
３０ 分析処理部
３１ 結合パラメータ入力部
３２ データ結合部
３３ 関係分析部
３４ 分析結果記憶部
３５ 分析結果出力部
９１ ＣＰＵ
９２ ＲＡＭ
９３ ハードディスク装置
９４ 通信装置
９５ 表示装置
９６ キーボード
９７ マウス
９８ プリンタ

Claims (10)

1. 商品への視線データと、その商品への購入に関する行動データとの関係を分析する関係分析装置による関係分析方法であって、
   前記関係分析装置は、記憶部と、視線検知部と、注視度算出部と、行動処理部と、分析処理部とを含めて構成され、
   前記記憶部には、商品陳列部に配置された各商品の位置情報を基に、視線が向けられる商品を識別するための区画定義データが記憶され、その区画定義データは、商品ごとに、その商品を内包する１つの基本区画と、その基本区画と少なくとも一部が交差する拡張区画と、を対応づけて構成され、
   前記視線検知部は、前記商品陳列部に配置された各商品への前記視線データを検知し、
   前記注視度算出部は、前記視線検知部が検知した前記視線データの位置情報と、前記区画定義データで定義される各区画の位置情報とを区画ごとに照合することにより、区画ごとの注視度を計算し、区画に対応する商品ごとに、前記区画ごとの注視度を集計して商品ごとの注視度データを計算して前記記憶部に記憶し、
   前記行動処理部は、前記商品陳列部に配置された各商品に対する前記行動データの入力を受け付けて、前記記憶部に記憶し、
   前記分析処理部は、前記記憶部に記憶された前記商品ごとの注視度データと、前記商品ごとの行動データとを結合し、両方のデータ間の相関を計算して出力することを特徴とする
   関係分析方法。
2. 前記視線検知部は、前記視線データを検知するときに、前記商品陳列部に設置されているカメラが撮影するユーザの顔画像から、目のパーツを検知することで、前記視線データを検知することを特徴とする
   請求項１に記載の関係分析方法。
3. 前記分析処理部は、注視度データと前記行動データとを結合するときに、両データの日時が同じデータを互いに結合することを特徴とする
   請求項１または請求項２に記載の関係分析方法。
4. 前記分析処理部は、注視度データと前記行動データとを結合するときに、所定日時の注視度データと、所定日時に所定のスライド幅となる日時を加算した日時における前記行動データとを、互いに結合することを特徴とする
   請求項１または請求項２に記載の関係分析方法。
5. 前記関係分析装置は、前記商品陳列部に配置された各商品の購入手段を有する自動販売機として構成され、
   前記行動処理部は、各商品に対する前記行動データとして、各商品の購入履歴データの入力を受け付けることを特徴とする
   請求項１または請求項２に記載の関係分析方法。
6. 前記分析処理部は、注視度データと前記行動データとを結合するときに、所定日時において自動販売機の前に存在する所定ユーザについて、所定ユーザの注視度データと、所定ユーザの前記行動データとを、互いに結合することを特徴とする
   請求項５に記載の関係分析方法。
7. 前記関係分析装置は、前記区画定義データの前記拡張区画として、所定商品の前記基本区画を内包する外部区画、および、所定商品の前記基本区画に内包される内部区画のうちの少なくとも１つの区画を前記記憶部に記憶することを特徴とする
   請求項１ないし請求項６のいずれか１項に記載の関係分析方法。
8. 前記関係分析装置は、前記区画定義データにおける所定の商品に対応づけられている複数の区画について、区間ごとにそれぞれ重みを対応づけて前記記憶部に記憶し、
   前記注視度算出部は、前記区画ごとの注視度を集計して前記商品ごとの注視度データを計算するときに、前記区画ごとの注視度に対して前記記憶部に記憶されている重みを乗算する重み付け加算処理により、前記商品ごとの注視度データを計算すること特徴とする
   請求項１ないし請求項７のいずれか１項に記載の関係分析方法。
9. 請求項１ないし請求項８のいずれか１項に記載の関係分析方法を、コンピュータである前記関係分析装置に実行させるための関係分析プログラム。
10. 商品への視線データと、その商品への購入に関する行動データとの関係を分析する関係分析装置であって、
    前記関係分析装置は、記憶部と、視線検知部と、注視度算出部と、行動処理部と、分析処理部とを含めて構成され、
    前記記憶部には、商品陳列部に配置された各商品の位置情報を基に、視線が向けられる商品を識別するための区画定義データが記憶され、その区画定義データは、商品ごとに、その商品を内包する１つの基本区画と、その基本区画と少なくとも一部が交差する拡張区画と、を対応づけて構成され、
    前記視線検知部は、前記商品陳列部に配置された各商品への前記視線データを検知し、
    前記注視度算出部は、前記視線検知部が検知した前記視線データの位置情報と、前記区画定義データで定義される各区画の位置情報とを区画ごとに照合することにより、区画ごとの注視度を計算し、区画に対応する商品ごとに、前記区画ごとの注視度を集計して商品ごとの注視度データを計算して前記記憶部に記憶し、
    前記行動処理部は、前記商品陳列部に配置された各商品に対する前記行動データの入力を受け付けて、前記記憶部に記憶し、
    前記分析処理部は、前記記憶部に記憶された前記商品ごとの注視度データと、前記商品ごとの行動データとを結合して、両方のデータ間の相関を計算して出力することを特徴とする
    関係分析装置。

Images