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
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 Download PDFInfo
- Publication number
- JP2018077737A JP2018077737A JP2016220043A JP2016220043A JP2018077737A JP 2018077737 A JP2018077737 A JP 2018077737A JP 2016220043 A JP2016220043 A JP 2016220043A JP 2016220043 A JP2016220043 A JP 2016220043A JP 2018077737 A JP2018077737 A JP 2018077737A
- Authority
- JP
- Japan
- Prior art keywords
- store
- user
- feature amount
- index
- state
- 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
Links
- 230000010365 information processing Effects 0.000 title claims description 58
- 238000003672 processing method Methods 0.000 title description 4
- 238000004364 calculation method Methods 0.000 claims abstract description 99
- 238000011156 evaluation Methods 0.000 claims abstract description 91
- 238000000034 method Methods 0.000 claims description 41
- 230000008569 process Effects 0.000 claims description 29
- 238000012545 processing Methods 0.000 claims description 16
- 230000009471 action Effects 0.000 claims description 9
- 230000035807 sensation Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 33
- 238000004891 communication Methods 0.000 description 20
- 230000006399 behavior Effects 0.000 description 18
- 238000013500 data storage Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000001186 cumulative effect Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 230000000391 smoking effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012946 outsourcing Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000010454 slate Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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
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)
- 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。 - 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。 - 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。 - 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。
- 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。 - 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。
- 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。 - 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。 - 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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016220043A JP2018077737A (ja) | 2016-11-10 | 2016-11-10 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016220043A JP2018077737A (ja) | 2016-11-10 | 2016-11-10 | 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 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2018077737A true JP2018077737A (ja) | 2018-05-17 |
Family
ID=62149371
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016220043A Pending JP2018077737A (ja) | 2016-11-10 | 2016-11-10 | 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 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2018077737A (ja) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021064035A (ja) * | 2019-10-10 | 2021-04-22 | 株式会社日立製作所 | 購買促進システムおよび購買促進方法 |
JP6932229B1 (ja) * | 2020-09-30 | 2021-09-08 | PayPay株式会社 | 算出装置、算出方法及び算出プログラム |
WO2021214819A1 (ja) * | 2020-04-20 | 2021-10-28 | 日本電気株式会社 | 価格算出装置 |
JP6978570B1 (ja) * | 2020-09-30 | 2021-12-08 | PayPay株式会社 | 設定装置、設定方法及び設定プログラム |
CN114090243A (zh) * | 2021-11-10 | 2022-02-25 | 支付宝(杭州)信息技术有限公司 | 模型计算方法和装置 |
WO2022092793A1 (ko) * | 2020-10-30 | 2022-05-05 | 주식회사 멤버쉽체크 | 음식 설문조사에 대한 평가에 근거하여 제공된 서비스에 대한 후속조치가 이루어지는 음식점 관리 시스템 및 방법 |
JP2023044970A (ja) * | 2021-09-21 | 2023-04-03 | Tis株式会社 | 情報処理システム、情報処理方法、及びプログラム |
-
2016
- 2016-11-10 JP JP2016220043A patent/JP2018077737A/ja active Pending
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021064035A (ja) * | 2019-10-10 | 2021-04-22 | 株式会社日立製作所 | 購買促進システムおよび購買促進方法 |
WO2021214819A1 (ja) * | 2020-04-20 | 2021-10-28 | 日本電気株式会社 | 価格算出装置 |
JP7501614B2 (ja) | 2020-04-20 | 2024-06-18 | 日本電気株式会社 | 価格算出装置 |
JP6932229B1 (ja) * | 2020-09-30 | 2021-09-08 | PayPay株式会社 | 算出装置、算出方法及び算出プログラム |
JP6978570B1 (ja) * | 2020-09-30 | 2021-12-08 | PayPay株式会社 | 設定装置、設定方法及び設定プログラム |
JP2022057936A (ja) * | 2020-09-30 | 2022-04-11 | PayPay株式会社 | 設定装置、設定方法及び設定プログラム |
JP2022057996A (ja) * | 2020-09-30 | 2022-04-11 | PayPay株式会社 | 算出装置、算出方法及び算出プログラム |
WO2022092793A1 (ko) * | 2020-10-30 | 2022-05-05 | 주식회사 멤버쉽체크 | 음식 설문조사에 대한 평가에 근거하여 제공된 서비스에 대한 후속조치가 이루어지는 음식점 관리 시스템 및 방법 |
JP2023044970A (ja) * | 2021-09-21 | 2023-04-03 | Tis株式会社 | 情報処理システム、情報処理方法、及びプログラム |
CN114090243A (zh) * | 2021-11-10 | 2022-02-25 | 支付宝(杭州)信息技术有限公司 | 模型计算方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2018077737A (ja) | 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 | |
US10726438B2 (en) | Personalized contextual coupon engine | |
US10762535B2 (en) | Client-based deal filtering and display | |
US20160140635A1 (en) | Methods and Systems for Grouping and Prioritization of Website Visitors for Live Support | |
KR101873319B1 (ko) | 실시간 홍보 및 이벤트 제공시스템 | |
JP2018060241A (ja) | 関心度評価プログラム、対話プログラム、表示プログラム、装置、及び方法 | |
JP6775484B2 (ja) | 算出装置、算出方法、及び算出プログラム | |
KR101861828B1 (ko) | 개인화 컨텐츠 제공 방법 및 이를 위한 컴퓨터 프로그램 | |
JP2020190776A (ja) | 判定装置、判定方法及び判定プログラム | |
US20210326910A1 (en) | System and method for optimizing an observation campaign in response to observed real-world data | |
JP6883065B2 (ja) | 推定装置、推定方法及び推定プログラム | |
JP6970527B2 (ja) | コンテンツ選択方法及びコンテンツ選択プログラム | |
JP2021189708A (ja) | 混雑情報表示システム、混雑情報表示方法、及びプログラム | |
JP6958994B2 (ja) | 決定装置、決定方法、及び決定プログラム | |
JP6832759B2 (ja) | 表示プログラム、表示方法、端末装置、情報処理装置、情報処理方法、及び情報処理プログラム | |
JP2021047551A (ja) | 特定装置、特定方法及び特定プログラム | |
JP7194798B2 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP7259110B2 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP6716433B2 (ja) | 算出装置、算出方法、及び算出プログラム | |
JP5702821B2 (ja) | 目的来店商圏判定装置及び方法及びプログラム | |
JP7061542B2 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP6797870B2 (ja) | 生成装置、生成方法、及び生成プログラム | |
KR102485807B1 (ko) | 사용자를 위한 주방 용품 추천 방법 | |
JP7373256B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
JP7241842B1 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム |