JP2018077737A - 情報処理装置、情報処理システム、情報処理方法及び情報処理プログラム - Google Patents

Abstract

【課題】店舗を利用したユーザの満足度の評価を可能とすること。【解決手段】サービスサーバ装置２は、店舗内の状態のセンシングにより取得されたセンシングデータを基に、状態についての評価項目ごとの特徴量を算出する特徴量算出部２３と、ユーザが店舗を訪れたときの状態について算出された特徴量と、ユーザの店舗利用に応じて蓄積された学習データから構築されたモデルとの差分を基に、店舗の利用についてのユーザの主観的感覚を推測した結果を表す指標を算出する指標算出部２４とを有する。【選択図】図２

Description

本発明は、情報処理装置、情報処理システム、情報処理方法及び情報処理プログラムに関する。

飲食店等の店舗の情報を提供する情報サイトにおいて、情報が掲載されている店舗を利用した場合の特典、例えば、飲食物の提供における割引などを内容とするクーポンを発行するサービスが知られている。かかるサービスにより、情報が掲載されている店舗の利用を促進することができるとともに、クーポンを取得して来店したユーザは特典を受けることができる。クーポンの利用による来店を促進するために、ユーザの嗜好に合わせて特典の内容を設定可能とするクーポン提供サーバの技術が提案されている。

また、店舗は、情報サイトへのアクセスを契機として来店したユーザに今後も繰り返し店舗を利用してもらうために、店舗の利用によるユーザの満足度を把握してサービスに応用することがあり得る。店舗でのサービスに対する客の満足度に関する情報をサービスの改善等に役立てるために、満足度に関する情報を収集する技術の一例として、アンケート方式を採用する技術が提案されている。アンケート方式では、アンケートの設問に応じて客自身が主観的な評価を回答する。

特開２０１４−１７８７２４号公報 特開２００７−１５６７６２号公報 特開２００２−１２３５８６号公報 特開２００２−１９７３５９号公報

情報サイトを閲覧したユーザが店舗を訪れた際に、店舗内の混雑等の事情により、情報サイトの情報に基づく想定に対して店舗内の状態が乖離していた場合、ユーザがその店舗に満足できず期待外れだったと感じることがある。このようなユーザに対しては、かかる乖離による落胆を埋め合わるとともに再度の来店を促すために、落胆の程度に応じて、クーポンに提示する特典の内容を設定することが考えられる。

しかしながら、満足度に関する情報を収集する上記の技術の場合、店舗内の状態に対するユーザの主観的感覚についての情報が得られるか否かは、ユーザによるアンケートへの回答次第となる。ユーザの主観的感覚についての情報を、アンケートへの回答等のユーザの行為を介さずに得られることが望まれる。さらに、特典の内容の設定に関する上記の技術には、店舗の利用によるユーザの満足度の評価を特典の内容に反映させるとの想定が包含されていない。

１つの側面では、本発明は、店舗を利用したユーザの満足度の評価が可能な情報処理装置、情報処理システム、情報処理方法及び情報処理プログラムを提供することを目的とする。

一態様では、情報処理装置は、店舗内の状態のセンシングにより取得されたセンシングデータを基に、前記状態についての評価項目ごとの特徴量を算出する特徴量算出部と、ユーザが前記店舗を訪れたときの前記状態について算出された前記特徴量と、前記ユーザの店舗利用に応じて蓄積された学習データから構築されたモデルとの差分を基に、前記店舗の利用についての前記ユーザの主観的感覚を推測した結果を表す指標を算出する指標算出部とを有する。

店舗を利用したユーザの満足度の評価が可能となる。

図１は、実施例に係る情報処理システムの構成を示す図である。 図２は、実施例に係るサービスサーバ装置の機能的構成を示すブロック図である。 図３は、店舗サーバ装置の一例を示すブロック図である。 図４は、携帯端末装置の一例を示すブロック図である。 図５は、実施例に係るサービスサーバ装置の機能的構成の詳細を示す図である。 図６は、学習データの一例を示す図である。 図７は、ユーザ経験モデルの一例を示す説明図である。 図８は、実施例に係る情報処理の制御シーケンスを示す図（１）である。 図９は、実施例に係る情報処理の制御シーケンスを示す図（２）である。 図１０は、指標の算出処理の手順の一例を示すフローチャートである。 図１１は、特徴量と指標との関係の第１の例を示す図である。 図１２は、特徴量と指標との関係の第２の例を示す図である。 図１３は、落胆度の算出方法の一例を示す説明図である。 図１４は、楽しみ度の算出方法の一例を示す説明図である。 図１５は、贔屓度の算出方法の一例を示す説明図である。 図１６は、クーポン情報の内容の一例を示す図である。 図１７は、クーポンが表示された画面の一例を示す図である。 図１８は、モデル学習処理の手順の一例を示すフローチャートである。 図１９は、実施例に係る情報処理プログラムを実行するコンピュータのハードウェア構成例を示す図である。

以下に添付図面を参照して本願に係る情報処理装置、情報処理システム、情報処理方法及び情報処理プログラムについて説明する。なお、この実施例は開示の技術を限定するものではない。そして、各実施例は、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。

［システム構成］
図１は、実施例に係る情報処理システムの構成を示す図である。情報処理システム１による情報提供サービスの提供者は、店舗情報が掲載された情報サイトを運営して、ユーザへ情報を提供する。なお、情報提供サービスの提供者を、単に「提供者」と称することがある。ユーザは、提供者による情報の提供を受ける個人ユーザとする。店舗は、店舗情報の掲載を提供者に依頼した店舗であって、飲食物を提供する飲食店、商品を販売する販売店などの各種店舗を含む。また、店舗サーバ装置３の操作者を、「店員等」と称することがある。「店員等」には、店舗の営業に携わるいずれの者が含まれても良い。

店員等は、提供者が運営する情報サイトを介して、ユーザに対してクーポンを発行する。クーポンには、店舗を利用した場合に与えられる特典の内容が表示されている。サービスサーバ装置２は、ユーザの店舗利用の経験に応じて蓄積された学習データから構築されたモデルと、ユーザが店舗を訪れたときのセンシングデータに基づく特徴量との差分を基に、ユーザの主観的感覚を推測した結果を表す指標を算出する。サービスサーバ装置２は、算出された指標を基に、クーポンに表示される特典の内容を設定する。

情報処理システム１は、サービスサーバ装置２と、店舗サーバ装置３と、携帯端末装置４とを有する。サービスサーバ装置２、店舗サーバ装置３及び携帯端末装置４は、ネットワーク５を介して互いに接続されている。かかるネットワーク５には、有線または無線を問わず、インターネット（Internet）、ＬＡＮ（Local Area Network）やＶＰＮ（Virtual Private Network）などの任意の種類の通信網を採用できる。

情報処理装置であるサービスサーバ装置２は、情報提供サービスを提供するコンピュータである。サービスサーバ装置２は、情報サイトに掲載された情報をユーザへ提供するとともに、店舗からの情報掲載の依頼を受け付ける。一実施形態としては、サービスサーバ装置２は、情報提供サービスを実現するＷｅｂサーバとして実装することとしてもよいし、また、情報サービスをアウトソーシングにより提供するクラウドとして実装することもできる。また、サービスサーバ装置２は、パッケージソフトウェアやオンラインソフトウェアとして提供される情報提供プログラムを所望のコンピュータにプリインストール又はインストールさせることによっても実装できる。

店舗サーバ装置３は、店舗情報の掲載を提供者に依頼した各店舗に設置されているコンピュータである。店舗サーバ装置３は、店員等によって入力された店舗情報をサービスサーバ装置２へ送信する。店舗情報は、住所および電話番号等の店舗についての基本的な情報のほか、クーポン情報とカテゴリ情報を含む。

クーポン情報は、情報サイトを介して発行されるクーポンの内容を示す情報であって、ユーザが店舗を利用した場合の特典の内容、及び特典を受けるための条件等が含まれる。カテゴリ情報は、店舗によって登録される店舗のカテゴリを示す。カテゴリは、店舗を特徴によって分類するためのキーワードであって、例えば、「落ち着きがある」、「静か」、「賑やか」、「明るい」など、店舗内の状態や雰囲気を分かり易く表したものとする。カテゴリには、「待ち時間が短い」などの、店舗でのサービスに関するキーワードを含めても良い。カテゴリは、情報サイトにおける店舗の検索にも使用される。また、店舗サーバ装置３は、店舗内の状態のセンシングにより取得されたセンシングデータをサービスサーバ装置２へ送信する。

ユーザは、店舗を訪れる際に携帯端末装置４を携帯する。携帯端末装置４は、サービスサーバ装置２からの情報提供を受けるとともに、ユーザに関するデータをサービスサーバ装置２へ送信する。携帯端末装置４は、ユーザの行動あるいは状態のセンシングにより取得されたセンシングデータをサービスサーバ装置２へ送信する。一実施形態として、携帯端末装置４には、スマートフォン、携帯電話機やＰＨＳ（Personal Handyphone System）などの移動体通信端末、およびタブレット端末やスレート端末などを採用できる。例えば、携帯端末装置４には、情報サービスの提供者により提供されるユーザ用のアプリケーションがインストールされている。

［サービスサーバ装置２の構成］
図２は、実施例に係るサービスサーバ装置の機能的構成を示すブロック図である。サービスサーバ装置２は、通信部１１と、制御部１２と、記憶部１３とを有する。通信部１１は、店舗Ｉ／Ｆ（interface）部２１と、ユーザ端末Ｉ／Ｆ部２２とを有する。店舗Ｉ／Ｆ部２１は、店舗サーバ装置３との間で通信制御を行うインタフェースである。店舗Ｉ／Ｆ部２１は、店舗サーバ装置３から送信された店舗情報およびセンシングデータを受信する。また、店舗Ｉ／Ｆ部２１は、サービスサーバ装置２に登録されている店舗情報を、店舗サーバ装置３からの要求に応じて、店舗サーバ装置３へ送信する。この他、店舗Ｉ／Ｆ部２１は、提供者から店舗への各種通知を店舗サーバ装置３へ送信しても良い。

ユーザ端末Ｉ／Ｆ部２２は、携帯端末装置４との間で通信制御を行うインタフェースである。ユーザ端末Ｉ／Ｆ部２２は、店舗情報を携帯端末装置４へ送信し、また携帯端末装置４からのセンシングデータを受信する。この他、ユーザ端末Ｉ／Ｆ部２２は、提供者からユーザへの各種通知を携帯端末装置４へ送信しても良い。

制御部１２は、サービスサーバ装置２全体を制御する。制御部１２は、通信部１１から入力された情報及びデータを処理する。制御部１２は、特徴量算出部２３と、指標算出部２４と、クーポン作成部２５と、モデル学習部２６とを有する。特徴量算出部２３は、店舗及びユーザを対象とするセンシングデータを基に、店舗内の状態についての評価項目ごとの特徴量（第１の特徴量）と、ユーザの行動あるいは状態についての評価項目ごとの特徴量（第２の特徴量）とを算出する。

指標算出部２４は、ユーザが店舗を訪れたときの特徴量とユーザ経験モデルとの差分を基に、指標を算出する。指標は、店舗の利用についてのユーザの主観的感覚を推測した結果を表す。ユーザ経験モデルは、ユーザの店舗利用の経験に応じて蓄積された学習データから構築されたモデルである。クーポン作成部２５は、ユーザに対して発行されるクーポンを作成する。クーポン作成部２５は、指標算出部２４で算出された指標に応じて、クーポンに表示される特典の内容を設定する。モデル学習部２６は、特徴量算出部２３で算出された特徴量が追加された学習データから、ユーザ経験モデルを構築する。

記憶部１３は、店舗情報格納部２７と、ユーザ情報格納部２８と、センシングデータ格納部２９とを有する。店舗情報格納部２７は、店舗別の店舗情報が格納される領域である。店舗情報格納部２７に格納される店舗情報には、店舗サーバ装置３から送信されたクーポン情報とカテゴリ情報とが含まれる。店舗サーバ装置３は、サービスサーバ装置２へのアクセスによって、店舗情報格納部２７に格納されているクーポン情報およびカテゴリ情報を任意に更新可能とする。

ユーザ情報格納部２８は、ユーザ別のユーザ情報が格納される領域である。ユーザ情報格納部２８に格納されるユーザ情報には、ユーザ経験モデルが含まれる。ユーザ経験モデルには、カテゴリモデルおよび店舗モデルが含まれる。店舗モデルは、店舗ごとの学習データから構築されたモデル（第１のモデル）である。カテゴリモデルは、カテゴリごとの学習データから構築されたモデル（第２のモデル）である。また、ユーザ情報格納部２８には、学習データが格納される。センシングデータ格納部２９は、携帯端末装置４から送信されたセンシングデータが蓄積される領域である。センシングデータ格納部２９には、店舗サーバ装置３から送信されたセンシングデータも一時的に格納されても良い。

［店舗サーバ装置３の構成］
図３は、店舗サーバ装置の一例を示すブロック図である。図３には、店舗サーバ装置３と、店舗サーバ装置３に接続されたマルチセンサ６とを示している。マルチセンサ６は、店舗内に据え置かれ、店舗内の状態をセンシングする。店舗サーバ装置３とマルチセンサ６とは、有線または無線の任意の形態で接続することができる。例えば、店舗サーバ装置３及びマルチセンサ６を有線で接続する場合、ＵＳＢ（Universal Serial Bus）やＨＤＭＩ（登録商標）（High-Definition Multimedia Interface）を介して接続される。また、店舗サーバ装置３及びマルチセンサ６を無線で接続する場合、ＢＬＥ（Bluetooth（登録商標） Low Energy）などの近距離無線通信の他、Ｗｉ−Ｆｉ（登録商標）などの無線ＬＡＮ（Local Area Network）を介して接続される。

マルチセンサ６は、例えば、店舗内を撮影するカメラ、音量を計測する音量計、照度を計測する照度計、温度を計測する温度計などの複数のセンシングデバイスを有する。マルチセンサ６は、店舗内の環境におけるいくつかの事項を対象として状態をセンシングする。なお、マルチセンサ６に備えられるセンシングデバイスは、センシングの対象に応じて適宜変更しても良い。例えば、喫煙による煙がセンシングの対象とされる場合、マルチセンサ６には浮動粒子センサが含まれる。マルチセンサ６は、情報提供サービスの提供者により店舗へ提供されたものでも良く、あるいは提供者以外から店舗が入手したものでも良い。

店舗サーバ装置３は、通信部３１と、制御部３２と、記憶部３３と、入力部３４とを有する。通信部３１は、サービスサーバＩ／Ｆ部３５と、センシングデータ取得部３６とを有する。サービスサーバＩ／Ｆ部３５は、サービスサーバ装置２との間で通信制御を行うインタフェースである。サービスサーバＩ／Ｆ部３５は、入力部３４から入力された店舗情報と、記憶部３３に蓄積されたセンシングデータとをサービスサーバ装置２へ送信する。また、サービスサーバＩ／Ｆ部３５は、サービスサーバ装置２に登録されている店舗情報を受信する。センシングデータ取得部３６は、マルチセンサ６からセンシングデータを取得する。

制御部３２は、店舗サーバ装置３全体を制御する。制御部３２は、通信部３１及び入力部３４から入力された情報及びデータを処理する。入力部３４は、店員等による店舗サーバ装置３への入力操作を受け付ける。入力部３４は、ポインティングデバイス及びキーボード等である。記憶部３３には、入力部３４から入力されたクーポン情報及びカテゴリ情報が格納される。また、記憶部３３には、マルチセンサ６から取得されたセンシングデータが蓄積される。

［携帯端末装置４の構成］
図４は、携帯端末装置の一例を示すブロック図である。図４には、携帯端末装置４と、携帯端末装置４に接続されたウェアラブルセンサ７とを示している。ウェアラブルセンサ７は、ユーザの身体に装着され、ユーザの動きあるいは身体の状態をセンシングする。携帯端末装置４とウェアラブルセンサ７とは、有線及び無線を問わず、ＵＳＢあるいはＢＬＥなどの任意の形態で接続することができる。

ウェアラブルセンサ７は、例えば、ユーザの移動速度を計測する加速度センサなどのセンシングデバイスを有する。なお、ウェアラブルセンサ７に備えられるセンシングデバイスは、センシングの対象に応じて適宜変更しても良い。例えば、ユーザの脈拍がセンシングの対象とされる場合、ウェアラブルセンサ７には、脈拍センサが含まれる。ユーザの行動あるいは状態についてのセンシングは、携帯端末装置４に備えられた機能により行われることとしても良い。例えば、携帯端末装置４は、ＧＰＳ機能を利用して、携帯端末装置４の現在位置を示す位置情報を、ユーザの行動についてのセンシングデータとして取得する。センシングの対象が、ウェアラブルセンサ７によるセンシングを要しないものである場合、携帯端末装置４は、ウェアラブルセンサ７の接続を省略しても良い。

携帯端末装置４は、通信部４１と、制御部４２と、記憶部４３と、表示／入力部４４とを有する。通信部４１は、サービスサーバＩ／Ｆ部４５と、センシングデータ取得部４６とを有する。サービスサーバＩ／Ｆ部４５は、サービスサーバ装置２との間で通信制御を行うインタフェースである。サービスサーバＩ／Ｆ部４５は、サービスサーバ装置２からの情報を受信し、かつユーザの行動あるいは状態についてのセンシングデータと表示／入力部４４から入力された情報とをサービスサーバ装置２へ送信する。センシングデータ取得部４６は、ウェアラブルセンサ７からセンシングデータを取得する。

制御部４２は、携帯端末装置４全体を制御する。制御部４２は、通信部４１及び表示／入力部４４から入力された情報及びデータを処理する。表示／入力部４４は、ユーザによる携帯端末装置４への入力操作を受け付ける。また、表示／入力部４４は、入力操作に応じた画面と、サービスサーバ装置２から送信された情報に応じた画面とを表示する。情報サイトの情報、及び情報サイトを介して店舗からユーザへ発行されたクーポンは、表示／入力部４４に表示される。例えば、表示／入力部４４は、ポインティングデバイスとしてのタッチパネルと表示デバイスとしての液晶パネルとを備える。記憶部４３は、アプリケーションを格納する。アプリケーションが動作する環境が携帯端末装置４に用意された環境の下、携帯端末装置４は、情報提供サービスを通じて、サービスサーバ装置２からの情報の受信と、サービスサーバ装置２へのセンシングデータの送信とを行う。

図５は、実施例に係るサービスサーバ装置の機能的構成の詳細を示す図である。店舗Ｉ／Ｆ部２１は、センシングデータ取得部５１と、店舗情報取得部５２とを有する。センシングデータ取得部５１は、店舗サーバ装置３から送信されたセンシングデータを取得する。センシングデータ取得部５１で取得されたセンシングデータは、直接、あるいはセンシングデータ格納部２９での一時格納を経て、特徴量算出部２３へ入力される。店舗情報取得部５２は、店舗サーバ装置３から送信された店舗情報を取得する。店舗情報取得部５２で取得された店舗情報は、店舗情報格納部２７に格納される。

ユーザ端末Ｉ／Ｆ部２２は、センシングデータ取得部５３と、サービス利用判定部５４とを有する。センシングデータ取得部５３は、携帯端末装置４から送信されたユーザセンシングデータを取得する。センシングデータ取得部５３で取得されたセンシングデータは、センシングデータ格納部２９にて蓄積される。サービス利用判定部５４は、携帯端末装置４からの通知に応じて、ユーザによるサービス利用の開始を判定する。

特徴量算出部２３は、センシングデータ取得部５１で取得されたセンシングデータを基に、店舗の状態についての評価項目ごとの特徴量を算出する。「待ち時間」、「混雑度」、「騒がしさ」、「照度」、及び「温度」は、店舗の状態についての評価項目の例である。「待ち時間」は、店舗においてユーザが待たされた時間を示す項目であって、例えば、ユーザの入店時から飲食物等が提供されるまでの経過時間を特徴量とする。特徴量算出部２３は、例えば、マルチセンサ６内のカメラでの撮影により得られた画像データを解析することで、ユーザの入店時点と、飲食物等が提供された時点とを把握する。「混雑度」は、ユーザが店舗に滞在したときの混雑状況を示す項目であって、例えば、ユーザの滞在中における客数の平均を特徴量とする。特徴量算出部２３は、画像データを解析することにより客数を求める。

「騒がしさ」は、ユーザが店舗に滞在したときの騒音量を示す項目であって、マルチセンサ６内の音量計による測定結果の平均を特徴量とする。「照度」は、店舗内の明るさを示す項目であって、マルチセンサ６内の照度計による測定結果の平均を特徴量とする。「温度」は、店舗の室温を示す項目であって、マルチセンサ６内の温度計による測定結果の平均を特徴量とする。評価項目には、店舗の状態についてのいずれの項目が含まれても良い。店舗の状態についての評価項目に、例えば、喫煙による煙の濃度等が含まれても良い。

また、特徴量算出部２３は、センシングデータ格納部２９から読み出されたセンシングデータを基に、ユーザの行動あるいは状態についての評価項目ごとの特徴量を算出する。「寄り道度合い」及び「来店頻度」は、ユーザの行動についての評価項目の例である。「寄り道度合い」は、ユーザが店舗を訪れるまでに当該店舗以外へ寄り道をした程度を示す項目であって、例えば、ユーザが店舗を訪れるまでにおいて移動をやめて留まった地点の数である滞留地点数を特徴量とする。特徴量算出部２３は、携帯端末装置４の位置情報をモニタした結果とウェアラブルセンサ７内の加速度センサの測定結果とを基に、滞留地点数を求める。「来店頻度」は、ユーザが店舗を訪れた頻度を示す項目であって、例えば、ユーザによる店舗の累積来店回数を特徴量とする。「来店頻度」の特徴量は、来店の間隔が加味された値などとしても良い。評価項目には、ユーザの行動あるいは状態についてのいずれの項目が含まれても良い。ユーザの状態についての評価項目に、例えば脈拍回数等が含まれても良い。

指標算出部２４は、店舗を利用したことについてのユーザの主観的感覚を推測した結果を表す指標である「落胆度」、「楽しみ度」、及び「贔屓度」を算出する。「落胆度」は、店舗の利用によるユーザの主観的感覚の１つである落胆の度合いを示す。「楽しみ度」は、店舗に対するユーザの主観的感覚の１つであって、ユーザがこれから訪れる店舗の利用を楽しみに感じている度合いを示す。「贔屓度」は、店舗に対するユーザの主観的感覚の１つであって、店舗を利用した経験からユーザがその店舗を他の店舗より特に気に入っている度合いを示す。指標算出部２４は、特徴量算出部２３で算出された特徴量とユーザ情報格納部２８から読み出されたユーザ経験モデルとを基に、各指標を算出する。

指標算出部２４は、店舗内の状態についての評価項目ごとの特徴量から、評価項目ごとの落胆度を求める。指標算出部２４は、評価項目ごとに算出された落胆度を統合させたトータルの落胆度を算出する。また、指標算出部２４は、ユーザの行動についての評価項目ごとの特徴量から、評価項目ごとの楽しみ度及び贔屓度を求める。指標算出部２４は、評価項目ごとに算出された楽しみ度を統合させたトータルの楽しみ度を算出する。指標算出部２４は、評価項目ごとに算出された贔屓度を統合させたトータルの贔屓度を算出する。このように、指標算出部２４は、店舗内の状態についての特徴量に基づく指標（第１の指標）である落胆度と、店舗を訪れるユーザの行動あるいは状態についての特徴量に基づく指標（第２の指標）である楽しみ度及び贔屓度とを算出する。

クーポン作成部２５は、店舗情報格納部２７から読み出されたクーポン情報の内容を、指標算出部２４で算出された落胆度、楽しみ度及び贔屓度の各指標に応じて更新させる。サービスサーバ装置２は、クーポン作成部２５で作成されたクーポンを、ユーザ端末Ｉ／Ｆ部２２から携帯端末装置４へ送信する。携帯端末装置４のサービスサーバＩ／Ｆ部４５がクーポンを受信すると、表示／入力部４４は、クーポンを表示する。

モデル学習部２６は、ユーザ情報格納部２８に格納されるモデルを構築する。モデル学習部２６は、ユーザ情報格納部２８から読み出された学習データに、特徴量算出部２３で算出された特徴量を追加して、学習データを基にカテゴリモデル及び店舗モデルを構築する。モデル学習部２６は、構築されたカテゴリモデル及び店舗モデルと学習データを、ユーザ情報格納部２８へ格納する。

図６は、学習データの一例を示す図である。学習データは、ユーザが店舗を訪れたときの店舗の状態について算出された特徴量と、ユーザの行動あるいは状態について算出された特徴量とを収集することにより生成されたデータである。学習データは、ユーザが店舗の利用において経験した店舗の状態とユーザ自身の行動あるいは状態との履歴を表す。学習データは、ユーザ情報格納部２８内のテーブルに格納される。特徴量は、ユーザが訪れた店舗名及び日付が付された行ごとに書き込まれる。特徴量が書き込まれる行は、ユーザが店舗を利用するごとに増やされていく。図６には、テーブルに書き込まれた特徴量の例として、店舗の状態についての評価項目である「待ち時間」及び「騒がしさ」の特徴量と、ユーザの行動についての評価項目である「寄り道度合い」及び「来店頻度」の特徴量とを示している。

図７は、ユーザ経験モデルの一例を示す説明図である。ユーザ情報格納部２８に格納されたカテゴリモデルには、カテゴリごとに構築されたモデルが含まれる。「カテゴリＡのモデル」は、カテゴリ「Ａ」が登録されている店舗の学習データから構築されたカテゴリモデルとする。カテゴリ「Ａ」、「Ｂ」・・・は、いずれもサービスサーバ装置２の店舗情報格納部２７にカテゴリ情報として格納されている「落ち着きがある」、「賑やか」などのカテゴリを表す。「カテゴリＡのモデル」は、カテゴリ「Ａ」が登録された店舗においてユーザが経験した店舗の状態と、ユーザの行動あるいは状態とを確率分布として表現したものである。「カテゴリＡのモデル」には、店舗の状態についての評価項目ごとのモデルと、ユーザの行動あるいは状態についての評価項目ごとのモデルとが含まれる。カテゴリ「Ａ」以外のカテゴリのモデルも、「カテゴリＡのモデル」と同様に構築されている。

ユーザ情報格納部２８に格納された店舗モデルには、店舗ごとに構築されたモデルが含まれる。例えば、「店舗αのモデル」は、店舗「α」の学習データから構築された店舗モデルとする。店舗「α」、「β」・・・は、学習データに特徴量が書き込まれている店舗を表す。「店舗αのモデル」は、店舗「α」にてユーザが経験した店舗の状態と、ユーザの行動あるいは状態とを確率分布として表現したものである。「店舗αのモデル」には、店舗の状態についての評価項目ごとのモデルと、ユーザの行動あるいは状態についての評価項目ごとのモデルとが含まれる。店舗「α」以外の店舗のモデルも、「店舗αのモデル」と同様に構築されている。

［処理の流れ］
次に、本実施例に係る情報処理システム１の処理の流れについて説明する。図８及び図９は、実施例に係る情報処理の制御シーケンスを示す図である。店舗サーバ装置３は、店員等による店舗情報の入力を受け付ける（ステップＳ１）。店員等は、例えば、提供者の情報サイトにアクセスして、情報サイト上の所定のフォーマットに従って店舗情報を入力する。店員等は、選択可能なカテゴリの一覧から、店舗の特徴と考えるカテゴリを選択することにより、カテゴリ情報を入力する。また、店員等は、クーポンに表示される特典の内容と、特典を受けるための条件等のクーポン情報を入力する。例えば、入力されるクーポン情報には、基本とする特典の内容と、算出された指標に応じて上乗せされる特典の内容とが含まれる。

店舗サーバ装置３は、入力された店舗情報をサービスサーバ装置２へ送信する（ステップＳ２）。サービスサーバ装置２は、店舗サーバ装置３からの店舗情報を受信すると、店舗情報格納部２７に店舗情報を格納する（ステップＳ３）。これにより、店員等によって入力された店舗情報がサービスサーバ装置２に登録される。

ユーザが情報サイトのサービスを利用する場合、携帯端末装置４は、ユーザによる操作に応じてアプリケーションを起動させる（ステップＳ４）。携帯端末装置４は、アプリケーションを起動させると、サービス利用開始をサービスサーバ装置２に通知する（ステップＳ５）。携帯端末装置４は、アプリケーションの起動に代えて、例えば携帯端末装置４から情報サイトへのアクセスに伴って、サービス利用開始を通知しても良い。サービスサーバ装置２のサービス利用判定部５４は、携帯端末装置４からの通知に応じて、通知元のユーザによるサービス利用が開始されたことを判定する。

サービスサーバ装置２は、サービス利用開始の通知が受信されると、サービスサーバ装置２に店舗情報が登録されている店舗のリストを携帯端末装置４へ送信する（ステップＳ６）。携帯端末装置４は、店舗のリストを表示／入力部４４にて表示する。サービスサーバ装置２は、店舗のリストと併せて、店舗の状態に関する情報、例えば現在の混雑状況等を携帯端末装置４へ送信しても良い。表示／入力部４４は、店舗のリストとともに、店舗ごとの現在の混雑状況等の情報を表示しても良い。

ユーザは、表示された店舗のリストの中から、店舗を選択する。携帯端末装置４は、ユーザによる店舗の選択を受け付ける（ステップＳ７）。携帯端末装置４は、店舗の選択結果をサービスサーバ装置２へ送信する（ステップＳ８）。サービスサーバ装置２は、選択された店舗の店舗サーバ装置３へ、センシング開始要求を送信する（ステップＳ９）。店舗サーバ装置３は、センシング開始要求を受信すると、マルチセンサ６による店舗内の状態のセンシングを開始させる。また、店舗サーバ装置３は、センシングにより取得されたセンシングデータを記憶部３３に格納する（ステップＳ１０）。

なお、店舗サーバ装置３は、センシング開始要求の通知によらず、店舗の営業時間において常時センシングを行わせることとしても良い。この場合、サービスサーバ装置２から店舗サーバ装置３へのセンシング開始要求の送信は省略される。店舗の状態は、あらかじめ設定された間隔でセンシングされ、センシングが実施されるごとにセンシングデータが格納される。店舗内の状態のセンシングは、少なくとも、ユーザが店舗へ入店したときから店舗を退出するまでの間に行われていれば良い。サービスサーバ装置２は、店舗内の状態のセンシングデータを適宜店舗サーバ装置３から取得し、店舗内の現在の状況を情報サイトに表示しても良い。また、サービスサーバ装置２は、情報サイトへアクセスしたユーザの携帯端末装置４へ、店舗情報格納部２７に格納されているクーポン情報に応じたクーポンを送信しても良い。

携帯端末装置４は、店舗の選択結果を送信すると（ステップＳ８）、ユーザの行動のセンシングを開始させる（ステップＳ１１）。携帯端末装置４は、センシングにより取得されたセンシングデータをサービスサーバ装置２へ送信する（ステップＳ１２）。サービスサーバ装置２は、センシングデータを受信すると、センシングデータ格納部２９にセンシングデータを格納する（ステップＳ１３）。店舗が選択されてから、選択された店舗にユーザが入店するまでの期間において、ユーザの行動は、あらかじめ設定された間隔でセンシングされる。センシングが実施されるごとにセンシングデータ格納部２９にセンシングデータが格納される。

携帯端末装置４は、選択された店舗の所在地に携帯端末装置４の現在位置が一致したことで、選択された店舗にユーザが入店したことを検知する（ステップＳ１４）。携帯端末装置４は、店舗へのユーザの入店をサービスサーバ装置２へ通知する（ステップＳ１５）。サービスサーバ装置２は、通知元の携帯端末装置４からユーザを識別して、かかるユーザが入店したことを認識する。なお、ユーザの入店は、携帯端末装置４の位置情報に基づいた検知に代えて、例えば店舗の出入り口に設置されたセンサによって検知しても良い。かかるセンサは、携帯端末装置４から発信される情報から、入店したユーザを識別する。この場合、店舗サーバ装置３は、店舗へのユーザの入店をサービスサーバ装置２へ通知する。

サービスサーバ装置２の特徴量算出部２３は、センシングデータ格納部２９に蓄積されたセンシングデータを読み出す（ステップＳ１６）。特徴量算出部２３は、読み出されたセンシングデータを基に、特徴量を算出する（ステップＳ１７）。一例として、特徴量算出部２３は、店舗の選択結果を送信したとき（ステップＳ８）から当該店舗へ入店したとき（ステップＳ１４）までの期間におけるユーザの行動についての特徴量を算出する。指標算出部２４は、算出された特徴量を基に、指標を算出する（ステップＳ１７）。一例として、指標算出部２４は、ユーザの行動についての評価項目の特徴量とユーザ経験モデルとの差分に基づいて、指標である楽しみ度及び贔屓度を算出する。

クーポン作成部２５は、店舗情報格納部２７から読み出されたクーポン情報の内容を、算出された指標に応じて更新させ、クーポンを作成する（ステップＳ１８）。サービスサーバ装置２は、作成されたクーポンを携帯端末装置４へ送信する（ステップＳ１９）。携帯端末装置４は、表示／入力部４４にてクーポンを表示する（ステップＳ２０）。

携帯端末装置４は、店舗の所在地から携帯端末装置４の現在位置が離れることで、店舗からのユーザの退出を検知する（ステップＳ２１）。携帯端末装置４は、店舗からのユーザの退出をサービスサーバ装置２へ通知する（ステップＳ２２）。サービスサーバ装置２は、通信元の携帯端末装置４からユーザを識別して、かかるユーザが退出したことを認識する。なお、ユーザの退出は、入店と同様に、店舗の出入り口に設置されたセンサによって検知しても良い。この場合、店舗サーバ装置３は、店舗からのユーザの退出をサービスサーバ装置２へ通知する。

サービスサーバ装置２は、店舗サーバ装置３へデータ送信要求を送信する（ステップＳ２３）。店舗サーバ装置３は、データ送信要求を受信すると、記憶部３３に格納されているセンシングデータをサービスサーバ装置２へ送信する（ステップＳ２４）。サービスサーバ装置２がセンシングデータを受信すると、特徴量算出部２３は、センシングデータを基に、特徴量を算出する（ステップＳ２５）。一例として、特徴量算出部２３は、ユーザが店舗へ入店したときから店舗を退出するまでの期間における店舗内の状態についての特徴量を算出する。指標算出部２４は、算出された特徴量を基に、指標を算出する（ステップＳ２５）。一例として、指標算出部２４は、店舗内の状態についての評価項目の特徴量とユーザ経験モデルとの差分に基づいて、指標である落胆度を算出する。

クーポン作成部２５は、店舗情報格納部２７から読み出されたクーポン情報の内容を、算出された指標に応じて更新させ、クーポンを作成する（ステップＳ２６）。サービスサーバ装置２は、作成されたクーポンを携帯端末装置４へ送信する（ステップＳ２７）。携帯端末装置４は、表示／入力部４４にてクーポンを表示する（ステップＳ２８）。

モデル学習部２６は、ステップＳ１７及びステップＳ２５にて算出された特徴量を、ユーザ情報格納部２８に格納されている学習データに追加する。モデル学習部２６は、学習データを基にカテゴリモデル及び店舗モデルを構築するモデル学習を実施する（ステップＳ２９）。モデル学習部２６は、構築されたカテゴリモデル及び店舗モデルと学習データを、ユーザ情報格納部２８へ格納する。これにより、情報処理システム１は、図８及び図９に示す処理を終了する。

図１０は、指標の算出処理の手順の一例を示すフローチャートである。特徴量算出部２３は、店舗内の状態のセンシングによるセンシングデータと、ユーザの行動あるいは状態のセンシングによるセンシングデータとを取得する（ステップＳ４１）。特徴量算出部２３は、それぞれのセンシングデータを基に、店舗内の状態についての評価項目ごとの特徴量と、ユーザの行動あるいは状態についての評価項目ごとの特徴量とを算出する（ステップＳ４２）。

指標算出部２４は、今回ユーザが訪れた店舗への当該ユーザの累積来店回数が閾値以上か否かを判定する（ステップＳ４３）。累積来店回数が閾値以上と判定された場合（ステップＳ４３肯定）、指標算出部２４は、評価項目ごとの落胆度、楽しみ度及び贔屓度を算出する（ステップＳ４４）。さらに、指標算出部２４は、評価項目を統合させたトータルの落胆度、楽しみ度及び贔屓度を算出する（ステップＳ４５）。

一方、累積来店回数が閾値未満と判定された場合（ステップＳ４３否定）、指標算出部２４は、評価項目ごとの贔屓度及びトータルの贔屓度の算出をスキップする。指標算出部２４は、評価項目ごとの落胆度及び楽しみ度を算出する（ステップＳ４６）。さらに、指標算出部２４は、評価項目を統合させたトータルの落胆度及び楽しみ度を算出する（ステップＳ４７）。これにより、サービスサーバ装置２は、図１０に示す処理を終了する。

なお、サービスサーバ装置２は、ユーザによる１回の店舗利用につき、図１０に示す処理による指標の算出を少なくとも１回行う。１回の指標算出は、例えばユーザが店舗を退出したときに行われる。なお、図８及び図９に示す制御シーケンスの例では、指標算出は、ユーザが店舗へ入店したときと店舗から退出したときの２回の時点において行われる。

図１１は、特徴量と指標との関係の第１の例を示す図である。例えば、指標算出部２４は、第１の例による関係を基に、評価項目ごとの特徴量を、評価項目ごとの落胆度へ変換する。特徴量算出部２３で算出された評価項目ごとの特徴量をｘとして、指標算出部２４は、次の式（１）により、特徴量ｘとモデルとの差分を示す指標である落胆度を算出する。なお、ｅｒｆの項は、ガウスの誤差関数を表す。μはカテゴリモデル及び店舗モデルの各確率分布における特徴量の平均値を表す。σはカテゴリモデル及び店舗モデルの各確率分布における特徴量の標準偏差を表す。

図１１に示す特徴量と指標との関係は、特徴量ｘがμから低く離れた値であるほど指標が高くなる例を表している。この例によると、特徴量ｘがμ以上である場合の指標が０％、μから−σ離れた値であるときの指標が５０％、μから−２σ以上離れた値であるときの指標が１００％と設定されている。なお、特徴量から指標への変換に使用される関係は、評価項目の特性に応じて適宜変更しても良い。特徴量から指標への変換には、例えば、特徴量ｘがμから高くなるほど指標が高い値となるように設定された関係が使用されても良い。

図１２は、特徴量と指標との関係の第２の例を示す図である。例えば、指標算出部２４は、第２の例による関係を基に、評価項目ごとの特徴量を、評価項目ごとの楽しみ度と評価項目ごとの贔屓度へ変換する。特徴量算出部２３で算出された評価項目ごとの特徴量をｘとして、指標算出部２４は、次の式（２）により、特徴量ｘとモデルとの差分を示す指標である楽しみ度及び贔屓度を算出する。

図１２に示す特徴量と指標との関係は、特徴量ｘが高いほど指標が高い値となる例を表している。この例によると、特徴量ｘがμであるときの指標が５０％、μ＋σ以上であるときの指標が１００％、μ−σ以下であるときの指標が０％と設定されている。なお、特徴量から指標への変換に使用される関係は、評価項目の特性に応じて適宜変更しても良い。特徴量から指標への変換には、例えば、特徴量ｘが高いほど指標が低い値となるように設定された関係が使用されても良い。

図１３は、落胆度の算出方法の一例を示す説明図である。例えば、カテゴリ「落ち着きがある」が登録されている店舗αをユーザが利用した場合に、「落ち着きがある」のカテゴリモデルにおける評価項目「騒がしさ」のモデルに比べて、店舗αの「騒がしさ」が際立って高かったとする。この場合、ユーザの経験上想定していた「落ち着きがある」雰囲気に比べて店舗αの状態が大きく乖離していたために、ユーザは今回の店舗αの利用について落胆した可能性が高いと推測できる。あるいは想定していた「落ち着きがある」雰囲気に比べて評価項目「混雑度」が際立って高かった場合についても、同様の推測が可能である。さらに、カテゴリ「明るい」が登録されている店舗の評価項目「照度」が際立って低かった場合、カテゴリ「賑やか」が登録されている店舗の評価項目「騒がしさ」が際立って低く閑散としていた場合なども、落胆させた可能性が高いとの推測が可能である。

例えば、ユーザがいつも利用している店舗αの店舗モデルにおける評価項目「待ち時間」のモデルに比べて、今回の「待ち時間」が際立って長かったとする。この場合、店舗αの待ち時間がいつもに比べて長かったために、ユーザは今回の店舗αの利用について落胆した可能性が高いと推測できる。また、評価項目「混雑度」、「騒がしさ」あるいは「温度」が際立って高く、ユーザにとって店舗内の環境がいつもの状態とは大きく異なっていた場合なども、落胆した可能性が高いとの推測が可能である。

指標算出部２４は、評価項目ごとに算出された落胆度の平均を求めることにより、評価項目ごとの落胆度を統合させたトータルの落胆度を算出する。指標算出部２４は、例えば、評価項目ごとの落胆度の合計値を、落胆度が算出された評価項目の数で割ることで、トータルの落胆度を算出する。指標算出部２４は、かかる加算平均に代えて、評価項目ごとに重みを与えた重み付け平均を求めても良い。

例えば、「落ち着きがある」のカテゴリモデルにおける評価項目「騒がしさ」及び「混雑度」と、店舗モデルにおける評価項目「待ち時間」についての各落胆度がそれぞれ２０％、４０％及び５０％と算出されたとする。指標算出部２４は、かかる評価項目別の落胆度の重み付け平均の結果である２５％を、トータルの落胆度として算出する。

図１４は、楽しみ度の算出方法の一例を示す説明図である。例えば、店舗αへ向かうユーザが、これまでに店舗αを訪れたときに比べて「寄り道度合い」が小さいと、ユーザが店舗αを訪れることを楽しみにしていた可能性が高いと推測できる。また、「来店頻度」が高い場合も、店舗αを訪れることを楽しみにしていた可能性が高いと推測できる。

指標算出部２４は、評価項目ごとに算出された楽しみ度の平均を求めることにより、評価項目ごとの楽しみ度を統合させたトータルの楽しみ度を算出する。指標算出部２４は、例えば、評価項目ごとの楽しみ度の合計値を、楽しみ度が算出された評価項目の数で割ることで、トータルの楽しみ度を算出する。指標算出部２４は、かかる加算平均に代えて重み付け平均を求めても良い。

例えば、店舗モデルにおける評価項目「寄り道度合い」及び「来店頻度」についての各楽しみ度が８０％及び７０％と算出されたとする。指標算出部２４は、かかる評価項目別の楽しみ度の加算平均の結果である７５％を、トータルの楽しみ度として算出する。なお、共通のカテゴリが登録されている店舗の中で店舗αの「寄り道度合い」が小さい場合、及び「来店頻度」が高い場合も、店舗αを訪れることをユーザが楽しみにしていた可能性が高いと推測できる。指標算出部２４は、店舗モデルにおける評価項目のみならず、カテゴリモデルにおける評価項目についての楽しみ度を使用して、トータルの楽しみ度を算出しても良い。

図１５は、贔屓度の算出方法の一例を示す説明図である。例えば、共通のカテゴリが登録されている店舗の中で店舗αの「来店頻度」が高いと、ユーザが店舗αを贔屓にしている可能性が高いと推測できる。また、「寄り道度合い」が小さい場合も、店舗αを贔屓にしている可能性が高いと推測できる。

指標算出部２４は、評価項目ごとに算出された贔屓度の平均を求めることにより、評価項目ごとの贔屓度を統合させたトータルの贔屓度を算出する。指標算出部２４は、例えば、評価項目ごとの贔屓度の合計値を、贔屓度が算出された評価項目の数で割ることで、トータルの贔屓度を算出する。指標算出部２４は、かかる加算平均に代えて重み付け平均を求めても良い。

例えば、カテゴリモデルにおける評価項目「来店頻度」及び「寄り道度合い」についての各贔屓度が６５％及び５５％と算出されたとする。指標算出部２４は、かかる評価項目別の贔屓度の加算平均の結果である６０％を、トータルの贔屓度として算出する。なお、指標算出部２４は、カテゴリモデルにおける評価項目のみならず、店舗モデルにおける評価項目についての贔屓度を使用して、トータルの贔屓度を算出しても良い。

図１６は、クーポン情報の内容の一例を示す図である。クーポン情報には、落胆度、楽しみ度及び贔屓度の数値範囲ごとに設定された特典の内容が含まれている。特典の内容は、店員等によって店舗サーバ装置３から入力され、サービスサーバ装置２の店舗情報格納部２７に格納される。落胆度については、落胆度が高いほどユーザに有利となるように特典が設定される。これにより、訪れた店舗の状態がユーザの想定とは乖離したためにユーザを落胆させたことに対して、特典によってその落胆を埋め合わせるとともに、ユーザの再度の来店を促す。図１６に示す例では、落胆度の数値範囲１０％以上、２０％以上及び３０％以上に対する特典として、会計からの割引を表す「３％割引」、「５％割引」及び「７％割引」がそれぞれ設定されている。落胆度が高くなるほど、高い割引率が設定されている。

楽しみ度については、楽しみ度が低いほどユーザに有利となるように特典が設定される。これにより、来店を楽しみに思う度合いの低いユーザに対して来店を促す。贔屓度については、贔屓度が高いほどユーザに有利となるように特典が設定される。これにより、既に店舗を気に入っているユーザに対し、今後も店舗を贔屓にし続けるように促す。図１６に示す例では、楽しみ度７０％以下に対して「大盛サービス」、贔屓度８０％以上に対して「５％割引」の特典がそれぞれ設定されている。クーポン情報に含まれる特典の内容は、各指標に対して設定されたものであれば良く、店員等が任意に設定可能であるものとする。クーポン作成部２５は、特典の内容が設定されている数値範囲の指標が算出された場合に、基本とするクーポンから特典の内容を更新させる。サービスサーバ装置２は、特典の内容が更新されたクーポンを携帯端末装置４へ送信する。一方、クーポン作成部２５は、特典の内容が設定されている数値範囲の指標が算出されなかった場合、基本とするクーポンから特典の内容を更新しない。

図１７は、クーポンが表示された画面の一例を示す図である。画面は、携帯端末装置４の表示／入力部４４に表示される。例えば、指標算出部２４で「２０％以上」の落胆度及び「７０％以下」の楽しみ度が算出されたとする。クーポン作成部２５は、図１６に示すクーポン情報に従い、各指標に対応する特典である「５％割引」及び「大盛サービス」の組み合わせを含めたクーポンを作成する。図１７に示す例では、情報サイトでの店舗の検索結果が表示された画面に、クーポンの特典の内容が表示されている。指標に応じて店舗「△△レストラン」のクーポンの内容が更新された場合、かかる更新後における検索結果のうち店舗「△△レストラン」の行に、更新されたクーポンの内容を表す「会計から５％ＯＦＦ」及び「大盛サービス」の文言が表示される。図１７に示す例では、さらに、各店舗の現在の混雑状況を表す文言が表示されている。

サービスサーバ装置２は、店舗の状態がユーザの経験によるモデルから乖離していたことによるユーザの落胆度を、指標として算出する。サービスサーバ装置２は、落胆度を基にクーポンの内容を設定可能とすることで、乖離による落胆を埋め合わるとともに、再度の来店を促すことができる。さらに、サービスサーバ装置２は、楽しみ度及び贔屓度を基にクーポンの内容を設定可能とすることで、来店を楽しみに思う度合い、及び店舗を贔屓している度合いに応じてユーザの来店を促すことができる。これにより、ユーザによる店舗の利用を促進することができる。

図１８は、モデル学習処理の手順の一例を示すフローチャートである。サービスサーバ装置２のモデル学習部２６は、特徴量算出部２３で算出された特徴量を取得する（ステップＳ５１）。モデル学習部２６は、取得された特徴量を学習データに含めて、その特徴量の評価項目についてのカテゴリモデル及び店舗モデルを再構築する（ステップＳ５２）。モデル学習部２６は、全ての評価項目についてカテゴリモデル及び店舗モデルの再構築が完了したか否かを判定する（ステップＳ５３）。

全ての評価項目についてのカテゴリモデル及び店舗モデルの再構築が完了していない場合（ステップＳ５３否定）、モデル学習部２６は、カテゴリモデル及び店舗モデルの再構築が完了していない評価項目についての特徴量を取得する（ステップＳ５１）。全ての評価項目についてカテゴリモデル及び店舗モデルの再構築が完了した場合（ステップＳ５３肯定）、モデル学習部２６は、図１８に示す処理を終了する。これにより、サービスサーバ装置２は、ユーザが経験した店舗の状態及びユーザの行動あるいは状態を表現したモデルを得ることができる。

なお、情報処理システム１は、サービスサーバ装置２内の記憶部１３に代えて携帯端末装置４内の記憶部４３に、ユーザごとのユーザ経験モデル及び学習データを格納しても良い。記憶部４３には、ユーザ経験モデル及び学習データが格納される領域が設けられる。サービスサーバ装置２のモデル学習部２６は、構築されたカテゴリモデル及び店舗モデルと学習データを、携帯端末装置４へ送信する。また、情報処理システム１は、店舗サーバ装置３内の記憶部３３に代えてサービスサーバ装置２内の記憶部１３に、マルチセンサ６から取得されたセンシングデータを格納しても良い。記憶部１３には、店舗内の状態を対象とするセンシングデータが格納される領域が設けられる。店舗サーバ装置３は、マルチセンサ６から取得されたセンシングデータを、サービスサーバ装置２へ送信する。

サービスサーバ装置２は、店舗を対象とするセンシングデータとユーザを対象とするセンシングデータの双方についての特徴量から指標を算出するものに限られない。サービスサーバ装置２は、少なくとも、店舗内の状態についてのセンシングデータを基に特徴量を算出し、算出された特徴量から指標を算出するものであれば良い。また、サービスサーバ装置２は、指標として、落胆度、楽しみ度及び贔屓度のうち、少なくとも落胆度を算出するものであれば良い。

［効果の一側面］
上述してきたように、本実施例に係るサービスサーバ装置２は、店舗内の状態のセンシングにより取得されたセンシングデータを基に、店舗内の状態についての特徴量を求める。サービスサーバ装置２は、特徴量とユーザ経験モデルとの差分を基に、ユーザの主観的感覚の推測結果を表す指標を算出する。サービスサーバ装置２は、店舗内の状態のセンシングによって得られた情報を指標の算出に使用することで、アンケートへの回答等のユーザによる行為を介さず、ユーザの主観的感覚についての情報を得ることができる。その結果、店舗を利用したユーザの満足度を評価できる。

なお、特徴量算出部２３、指標算出部２４、クーポン作成部２５及びモデル学習部２６などの処理部は、次のようにして実装できる。例えば、ＣＰＵ（Central Processing Unit）などの中央処理装置に、上記の各処理部と同様の機能を発揮するプロセスをメモリ上に展開して実行させることにより実現できる。これらの処理部は、必ずしも中央処理装置で実行されずともよく、ＭＰＵ（Micro Processing Unit）に実行させることとしてもよい。また、上記の各処理部は、ハードワイヤードロジックによっても実現できる。

また、上記の各処理部がワークエリアとして参照する主記憶装置には、一例として、各種の半導体メモリ素子、例えばＤＲＡＭ（Dynamic Random Access Memory）、ＳＲＡＭ（Static Random Access Memory）やフラッシュメモリを採用できる。また、上記の各処理部が参照する記憶装置は、必ずしも主記憶装置でなくともよく、補助記憶装置であってもかまわない。この場合、ＨＤＤ（Hard Disk Drive）、光ディスクやＳＳＤ（Solid State Drive）などを採用できる。

また、図示した各装置の各構成要素は、必ずしも物理的に図示の如く構成されておらずともよい。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。例えば、特徴量算出部２３、指標算出部２４、クーポン作成部２５又はモデル学習部２６をサービスサーバ装置２の外部装置としてネットワーク経由で接続するようにしてもよい。また、特徴量算出部２３、指標算出部２４、クーポン作成部２５又はモデル学習部２６を別の装置がそれぞれ有し、ネットワーク接続されて協働することで、上記のサービスサーバ装置２の機能を実現するようにしてもよい。

［情報処理プログラム］
上記の実施例で説明した各種の処理は、予め用意されたプログラムをパーソナルコンピュータやワークステーションなどのコンピュータで実行することによって実現することができる。そこで、以下では、図１９を用いて、上記の実施例と同様の機能を有する情報処理プログラムを実行するコンピュータの一例について説明する。

図１９は、実施例に係る情報処理プログラムを実行するコンピュータのハードウェア構成例を示す図である。図１９に示すように、コンピュータ１００は、通信部１１０と、ＲＯＭ１２０と、ＲＡＭ１３０と、ＣＰＵ１４０とを有する。これら１１０〜１４０の各部はバス１５０を介して接続される。

通信部１１０は、店舗サーバ装置３及び携帯端末装置４との通信を行う通信インタフェースである。ＲＯＭ１２０には、実施例で示した特徴量算出部２３、指標算出部２４、クーポン作成部２５及びモデル学習部２６と同様の機能を発揮する情報処理プログラム１２０Ａが記憶されている。ＣＰＵ１４０は、情報処理プログラム１２０ＡをＲＯＭ１２０から読み出して情報処理プロセス１３０ＡとしてＲＡＭ１３０上で機能する。情報処理プロセス１３０Ａは、ＲＡＭ１３０が有する記憶領域のうち情報処理プロセス１３０Ａに割り当てられた領域に各種データを展開し、展開された各種データを用いて各種の処理を実行する。例えば、情報処理プロセス１３０Ａが実行する処理の一例として、図１０及び図１８に示す処理が含まれる。なお、ＣＰＵ１４０では、必ずしも上記の実施例で示した全ての処理部が動作せずともよく、実行対象とする処理に対応する処理部が仮想的に実現されればよい。

情報処理プログラム１２０Ａは、必ずしも最初からＲＯＭ１２０に記憶されていなくても良い。情報処理プログラム１２０Ａは、図示せぬドライブにてコンピュータ読取可能な記録媒体に記憶されていても良い。記録媒体は、例えば、フレキシブルディスク、いわゆるＦＤ、ＣＤ−ＲＯＭ、ＤＶＤディスク、光磁気ディスク、ＩＣカードなどの可搬型記録媒体、フラッシュメモリ等の半導体メモリ等のいずれであっても良い。または、公衆回線、インターネット、ＬＡＮ、ＷＡＮなどを介してコンピュータ１００に接続される他のコンピュータまたはサーバ装置などに情報処理プログラム１２０Ａを記憶させておき、コンピュータ１００がこれらから情報処理プログラム１２０Ａを取得して実行するようにしてもよい。

以上の実施例を含む実施形態に関し、さらに以下の付記を開示する。

（付記１）店舗内の状態のセンシングにより取得されたセンシングデータを基に、前記状態についての評価項目ごとの特徴量を算出する特徴量算出部と、
ユーザが前記店舗を訪れたときの前記状態について算出された前記特徴量と、前記ユーザの店舗利用に応じて蓄積された学習データから構築されたモデルとの差分を基に、前記店舗の利用についての前記ユーザの主観的感覚を推測した結果を表す指標を算出する指標算出部と
を有することを特徴とする情報処理装置。

（付記２）前記店舗を特徴によって分類するためのカテゴリがあらかじめ登録され、
前記モデルは、店舗ごとの前記学習データから構築された第１のモデルと、前記カテゴリごとの前記学習データから構築された第２のモデルとを含むことを特徴とする付記１に記載の情報処理装置。

（付記３）前記特徴量算出部は、前記店舗内の前記状態についての前記特徴量である第１の特徴量と、前記店舗を訪れる前記ユーザの行動あるいは状態についての特徴量である第２の特徴量とを算出し、
前記指標算出部は、前記第１の特徴量に基づく前記指標である第１の指標と、前記第２の特徴量に基づく指標である第２の指標とを算出することを特徴とする付記１又は２に記載の情報処理装置。

（付記４）前記第１の指標は、前記店舗の利用による前記ユーザの落胆の度合いを示す落胆度を含むことを特徴とする付記３に記載の情報処理装置。

（付記５）前記第２の指標は、前記ユーザがこれから訪れる前記店舗の利用を楽しみに感じている度合いを示す楽しみ度を含むことを特徴とする付記３に記載の情報処理装置。

（付記６）前記第２の指標は、前記店舗を利用した経験から前記ユーザがその店舗を気に入っている度合いを示す贔屓度を含むことを特徴とする付記３に記載の情報処理装置。

（付記７）前記特徴量算出部で算出された前記特徴量が店舗を利用するごとに追加された前記学習データからモデルを構築するモデル学習部をさらに有することを特徴とする付記１から６のいずれか一つに記載の情報処理装置。

（付記８）前記ユーザに対して発行されるクーポンを作成するクーポン作成部をさらに有し、
前記クーポン作成部は、前記指標に応じて、前記クーポンに表示される内容を設定することを特徴とする付記１から７のいずれか一つに記載の情報処理装置。

（付記９）前記指標算出部は、前記評価項目ごとに算出された前記指標を統合させることを特徴とする付記１から８のいずれか一つに記載の情報処理装置。

（付記１０）店舗内の状態のセンシングにより取得されたセンシングデータを基に、前記状態についての評価項目ごとの特徴量を算出する特徴量算出部と、
ユーザが前記店舗を訪れたときの前記状態について算出された前記特徴量と、前記ユーザの店舗利用に応じて蓄積された学習データから構築されたモデルとの差分を基に、前記店舗の利用についての前記ユーザの主観的感覚を推測した結果を表す指標を算出する指標算出部と
を有することを特徴とする情報処理システム。

（付記１１）店舗内の状態のセンシングにより取得されたセンシングデータを基に、前記状態についての評価項目ごとの特徴量を算出する処理と、
ユーザが前記店舗を訪れたときの前記状態について算出された前記特徴量と、前記ユーザの店舗利用に応じて蓄積された学習データから構築されたモデルとの差分を基に、前記店舗の利用についての前記ユーザの主観的感覚を推測した結果を表す指標を算出する処理と
がコンピュータにより実行されることを特徴とする情報処理方法。

（付記１２）店舗内の状態のセンシングにより取得されたセンシングデータを基に、前記状態についての評価項目ごとの特徴量を算出する処理と、
ユーザが前記店舗を訪れたときの前記状態について算出された前記特徴量と、前記ユーザの店舗利用に応じて蓄積された学習データから構築されたモデルとの差分を基に、前記店舗の利用についての前記ユーザの主観的感覚を推測した結果を表す指標を算出する処理と
をコンピュータに実行させることを特徴とする情報処理プログラム。

１ 情報処理システム
２ サービスサーバ装置
２３ 特徴量算出部
２４ 指標算出部
２５ クーポン作成部
２６ モデル学習部

Claims (9)

1. 店舗内の状態のセンシングにより取得されたセンシングデータを基に、前記状態についての評価項目ごとの特徴量を算出する特徴量算出部と、
   ユーザが前記店舗を訪れたときの前記状態について算出された前記特徴量と、前記ユーザの店舗利用に応じて蓄積された学習データから構築されたモデルとの差分を基に、前記店舗の利用についての前記ユーザの主観的感覚を推測した結果を表す指標を算出する指標算出部と
   を有することを特徴とする情報処理装置。
2. 前記店舗を特徴によって分類するためのカテゴリがあらかじめ登録され、
   前記モデルは、店舗ごとの前記学習データから構築された第１のモデルと、前記カテゴリごとの前記学習データから構築された第２のモデルとを含むことを特徴とする請求項１に記載の情報処理装置。
3. 前記特徴量算出部は、前記店舗内の前記状態についての前記特徴量である第１の特徴量と、前記店舗を訪れる前記ユーザの行動あるいは状態についての特徴量である第２の特徴量とを算出し、
   前記指標算出部は、前記第１の特徴量に基づく前記指標である第１の指標と、前記第２の特徴量に基づく指標である第２の指標とを算出することを特徴とする請求項１又は２に記載の情報処理装置。
4. 前記特徴量算出部で算出された前記特徴量が店舗を利用するごとに追加された前記学習データからモデルを構築するモデル学習部をさらに有することを特徴とする請求項１から３のいずれか一項に記載の情報処理装置。
5. 前記ユーザに対して発行されるクーポンを作成するクーポン作成部をさらに有し、
   前記クーポン作成部は、前記指標に応じて、前記クーポンに表示される内容を設定することを特徴とする請求項１から４のいずれか一項に記載の情報処理装置。
6. 前記指標算出部は、前記評価項目ごとに算出された前記指標を統合させることを特徴とする請求項１から５のいずれか一項に記載の情報処理装置。
7. 店舗内の状態のセンシングにより取得されたセンシングデータを基に、前記状態についての評価項目ごとの特徴量を算出する特徴量算出部と、
   ユーザが前記店舗を訪れたときの前記状態について算出された前記特徴量と、前記ユーザの店舗利用に応じて蓄積された学習データから構築されたモデルとの差分を基に、前記店舗の利用についての前記ユーザの主観的感覚を推測した結果を表す指標を算出する指標算出部と
   を有することを特徴とする情報処理システム。
8. 店舗内の状態のセンシングにより取得されたセンシングデータを基に、前記状態についての評価項目ごとの特徴量を算出する処理と、
   ユーザが前記店舗を訪れたときの前記状態について算出された前記特徴量と、前記ユーザの店舗利用に応じて蓄積された学習データから構築されたモデルとの差分を基に、前記店舗の利用についての前記ユーザの主観的感覚を推測した結果を表す指標を算出する処理と
   がコンピュータにより実行されることを特徴とする情報処理方法。
9. 店舗内の状態のセンシングにより取得されたセンシングデータを基に、前記状態についての評価項目ごとの特徴量を算出する処理と、
   ユーザが前記店舗を訪れたときの前記状態について算出された前記特徴量と、前記ユーザの店舗利用に応じて蓄積された学習データから構築されたモデルとの差分を基に、前記店舗の利用についての前記ユーザの主観的感覚を推測した結果を表す指標を算出する処理と
   をコンピュータに実行させることを特徴とする情報処理プログラム。

Images