JP4334793B2 - 選択支援演算装置 - Google Patents
選択支援演算装置 Download PDFInfo
- Publication number
- JP4334793B2 JP4334793B2 JP2001300621A JP2001300621A JP4334793B2 JP 4334793 B2 JP4334793 B2 JP 4334793B2 JP 2001300621 A JP2001300621 A JP 2001300621A JP 2001300621 A JP2001300621 A JP 2001300621A JP 4334793 B2 JP4334793 B2 JP 4334793B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- selection
- question
- evaluation item
- importance
- 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.)
- Expired - Lifetime
Links
- 238000011156 evaluation Methods 0.000 claims description 261
- 238000004364 calculation method Methods 0.000 claims description 106
- 230000004044 response Effects 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 15
- 239000000284 extract Substances 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims 1
- 239000000047 product Substances 0.000 description 126
- 230000006870 function Effects 0.000 description 65
- 238000000034 method Methods 0.000 description 23
- 238000012552 review Methods 0.000 description 13
- 230000005540 biological transmission Effects 0.000 description 9
- 235000012054 meals Nutrition 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 230000001932 seasonal effect Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 235000019640 taste Nutrition 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000008571 general function Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000000699 topical effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は、コンピュータや家庭用ゲーム機など、高速演算が可能で、データを格納しておける記憶手段を有する装置（以下、単に演算装置と記す）を利用して意志決定を支援する選択支援演算装置であって、少なくとも１つの分野において選択候補の中から少なくとも１つの選択を検討している検討者が、該検討分野において重視する項目を選択候補の評価に加味し、該検討者に最も推奨すべき選択候補を提示することができる選択支援演算装置に関する。
【０００２】
【従来の技術】
意志決定を支援する方法の一つの例として、消費者に対する商品推奨があるが、これには古くから情報誌のような印刷媒体が知られている。例えば、自動車雑誌やパソコン雑誌に見られるように、雑誌独自の採点基準による上位ランクの推奨商品を大きく紹介する形をとっているものや、いくつかの条件で読者をカテゴリー分けし、カテゴリー毎に最適の推奨商品を紹介するかたちをとっているものがある。
【０００３】
しかしながら、一般的な個人が使用することを前提にすると、印刷媒体の場合、情報を示す上で物理的限界があり、せいぜい１０００ページ程度にとどまるため、
（１）紹介できる商品の数に限りがあり、推奨は新商品や話題商品の中からでしか行われない、
（２）消費者についてのカテゴリー分けに限界が生じ、年齢、職業、購入目的などの通り一遍のものでしか分けられない、
という欠点があり、結果として、消費者一人一人に最適な商品を推奨するのはそもそも原理的に不可能であった。
【０００４】
かかる欠点を克服すべく、特開平０９−２０４４４５号公報に記載されているような、コンピュータを用いて商品を推奨するシステムも提案されている。この公報に記載された方法によれば、対象となる情報量は飛躍的に増大し、また、購入履歴や性格、好みまでをも含む、多岐にわたったパーソナルデータも作成できるので、より細かな検討者の分類に合った商品推奨が可能になる。
【０００５】
【発明が解決しようとする課題】
しかしながら、この方法は、検討者が商品に対して要望する条件等と、各商品の特性とをマッチさせ推奨商品を絞り込んで行くわけであり、提示された条件に該当する情報もしくは情報を含む文書、あるいは情報の存在するサイトなどを絞り込み検索する点で、インターネット上の検索エンジンと同じである。いくら細かく条件づけられたとしても、全ての条件は同列に扱われており、各々の条件に対して検討者がどの程度重視するかは検討者ごとに変化するにもかかわらず、その点は一切考慮されていない。
【０００６】
検索エンジンは、大量のインターネット上の情報から、検討者が必要とする情報を検索するものであるが、「キーワードで絞り込もうとしても、集まってくる情報が多すぎて絞込みにならない」（日本経済新聞２０００年８月２６日朝刊（プラス１）１４Ｓ面）現状があり、単なる無機質な検索の限界が見え始めてきた。
【０００７】
さらに、現在、グヌーテラ（Ｇｎｕｔｅｌｌａ）というソフトウェアにより、情報提供を許諾した人のパソコンから情報を検索し、入手することが可能となっている（『選択』２０００年８月号 ９８〜９９ページ参照）。検索エンジンが果たしてきた役割は実はこのグヌーテラと同様であり、所与の条件を満たすデジタル情報のありかを示すに過ぎず、その情報が、検討者それぞれにとってどれだけ有用であるかを判断することは無かった。単に提示条件による絞込みを行うだけの特開平０９−２０４４４５公報に記載されたシステムについても、この批判が当てはまることは自明である。
【０００８】
また、最近は資産額と運用姿勢を答えさせることによって、資産運用ポートフォリオを作成するｗｅｂページ（http://smartwoman.nikkei.co.jp/）も存在する。
【０００９】
しかし、このｗｅｂページでも質問への回答結果により、最適な資産運用方法の組み合わせを提示するのみであって、絞込検索と同様、回答結果にはユーザーがどの事項をどれだけ重視しているかは反映されていない。
【００１０】
以上に記したように、従来型の推奨方法は、本質的に検索エンジンを用いた方法と同様、検索者の要望する条件の重視度を反映できないという限界が存在する。その限界を具体的に示す事例として、海外旅行を推奨する場合をあげて説明する。
【００１１】
データとして、グァムは、海はそこそこ美しく、治安もそこそこよく、値段もそこそこ安い、とする。タヒチは、海は非常に美しく、治安はそこそこいいが、値段がやや高い、とする。フロリダは、海は非常に美しいが、治安は悪く、値段も非常に高いとする。
【００１２】
ある消費者が、「海がきれいで、治安がよく、値段も安い」海外旅行を希望したときには、従来方法では条件に合うか否かでカテゴライズを行うため、上記３条件を全て満たすグァムだけが推奨されるが、他は推奨されなくなる。しかし、それは上記３条件に対する消費者のこだわりが等しい場合には適切だが、そうでない場合、正しい推奨と言えるかどうかは非常に疑問の残るところである。
【００１３】
例えば、該消費者が、前記３条件の中で、特に重視する条件が「海の美しさ」であった場合、上記のグァムの推奨より、タヒチの推奨のほうが適切である可能性がある。だが、条件にマッチする商品をピックアップして推奨する、言い換えれば条件にマッチしない商品を除外していく従来方法ではグァム以外が推奨されることはない。
【００１４】
つまり、従来の推奨方法では、各評価項目に対する消費者の重視度を加味して商品評価を算出した結果を提示していなかった。このため、消費者のニーズによりマッチした選択肢が推奨されない場合が生じていた。
【００１５】
従来は、このように推奨結果に消費者が納得いかない場合、別の推奨結果を得るには、消費者は再度回答し直さなければならなかった。しかし、この場合、消費者は別の推奨結果を導くためにどの質問の回答をどのように変えなければいけないかをみずから推測しなければならず、また、そのようにして再回答により得られた検索結果にしても、消費者の各回答事項に対する重視度は依然として反映されていないという欠点があった。
【００１６】
さらには、従来の推奨方法では、「海のきれいさ」、「治安」、「値段」、「交通の便利さ」といった評価項目を互いに関連しない独立したものとして平等に扱っている。しかしながら、例えば、「治安」と「交通の便利」という項目は無関係とはいえず、両者の間には、治安が悪ければ交通が不便となり、治安が良ければ交通が便利となるといった相関関係が存在しうる。このように、評価項目の中には、互いに強さの異なる相関関係が存在しており、評価項目がすべて、完全に独立したものとは言い難い。したがって、互いに独立した無関係な評価項目として評価しようとすれば、推奨精度の高さには限界が生じる。
【００１７】
このように、消費者が漠然として商品に対して抱く希望には、複数の評価項目が複雑に絡み合っており、単純な評価の合計では推奨が不適切な場合がある。逆に、多面的な複数の質問に対する回答を消費者から得ることで、ある１つの評価項目に対するその消費者が抱く真の重視度が導き出されることもある。
【００１８】
本発明は以上のような課題に鑑みなされたもので、その目的は、少なくとも一つの分野において選択を検討している検討者に対して、各検討者が評価項目に対して持つ重視度を考慮し、その検討者が納得いく選択決定を支援することができるような選択支援演算装置を提供することである。
【００１９】
【課題を解決するための手段】
発明者は、かかる課題を解決すべく鋭意研究した結果、コンピュータ等の演算装置を用いて、（１）非常に膨大な種類の選択候補を参照でき、（２）質問への回答から検討者の重視度を決定し、（３）重視度を加味して演算した推奨度で、検討者のこだわりを含めたニーズに最適な選択候補を求めることによって、当初の目的を達成する発明を得た。さらに、（４）求められた選択候補に検討者が納得いかない場合、原因を特定して再回答を求め、（５）再回答によって選択候補の推奨度の再演算を行うことによって、当初の目的を達成する発明を得た。
【００２０】
即ち、本発明は、少なくとも１つの選択候補データを格納しておける記憶手段を有し、ある少なくとも１つの分野において選択候補の中から少なくとも１つの選択候補の選択を検討している者（以下、検討者と記す）に推奨するべき選択候補データを選択する選択支援演算装置であって、
前記記憶手段には、該検討分野における少なくとも１つの選択候補データと、各選択候補データに対する少なくとも１つの評価項目についての評価データとが関連付けられて格納され、さらに検討分野に関する少なくとも１つの本質問について本質問データと選択肢データと各選択肢データに対応する点数で表された回答データとが関連付けられて格納され、さらに回答データから該検討者が該検討分野における各評価項目をどれだけ重視するかを表す重視度を算出するための重視度算出関数が各評価項目に対応して格納され、さらに各選択候補データに対する各評価項目についての評価データと重視度から各選択候補の推奨度を算出するための推奨度算出関数が格納され、
前記記憶手段から該検討分野に関する少なくとも１つの本質問データを選択し、該本質問に対する検討者の少なくとも１つの回答を表す選択肢データを受け付ける受信手段と、
前記記憶手段に格納された各評価項目に対応する重視度算出関数を読み出して、前記受け付けた選択肢データに対応する回答データと該読み出した重視度算出関数を用いて各評価項目に対する該検討者の重視度を演算する重視度推計手段と、
前記記憶手段に格納された推奨度算出関数を読み出して、その推奨度算出関数を用いて前記記憶手段に格納された該検討分野における各選択候補データに対する各評価項目についての評価データと、前記重視度推計手段で演算された各評価項目に対する該検討者の重視度から、各選択候補に対する推奨度を演算する推奨度演算手段と、
前記推奨度演算手段で演算された選択候補に対する推奨度及び／または選択候補の推奨度の比較結果をそのまままたは加工して提示する提示手段と、
を備え、
前記記憶手段には、さらに、プレ質問の各選択肢データに対応して各本質問内容に関する必要度の点数が関連付けられて格納されており、
前記受信手段は、さらに、少なくとも１つのプレ質問に対する選択肢データを受け付けて、そのプレ質問の選択肢データに対応する各本質問内容に関する必要度を得て、必要度が基準を満たしている本質問データをその後の本質問として決定する本質問決定手段を備えることを特徴とする。
検討分野に関する少なくとも１つの本質問に対する検討者の回答データを受け取ることにより、直接的または間接的にその検討者がその分野における少なくとも１つの評価項目のうちの何を重要と考え、何をそれほど重要と考えていないかが把握できる。これにより各評価項目についての重視度を推計し、この推計された重視度と、各選択候補データに対する評価項目についての評価データとから各選択候補についての推奨度を演算する。このようにして、検討者が各評価項目に対して重要と考える重視度が加味されるために、検討者のニーズによりマッチした選択候補を推奨することができるようになる。
また、ある一定の推奨度以上のものに限定して表示したり、または推奨度の順に提示することにより、検討者に各選択候補の推奨度をわかりやすく示すことができる。勿論、最も高い推奨度となった選択候補を単純に提示するだけであってもよい。
【００２１】
また本発明は、少なくとも１つの選択候補データを格納しておける記憶手段を有し、ある少なくとも１つの分野において選択候補の中から少なくとも１つの選択候補の選択を検討している者（以下、検討者と記す）に推奨するべき選択候補データを選択する選択支援演算装置であって、
前記記憶手段には、該検討分野における少なくとも１つの選択候補データと、各選択候補データに対する少なくとも１つの評価項目についての評価データとが関連付けられて格納され、さらに検討分野に関する少なくとも１つの質問について質問データと選択肢データと各選択肢データに対応する点数で表された回答データとが関連付けられて格納され、さらに回答データから該検討者が該検討分野における各評価項目をどれだけ重視するかを表す重視度を算出するための重視度算出関数が各評価項目に対応して格納され、さらに各選択候補データに対する各評価項目についての評価データと重視度から各選択候補の推奨度を算出するための推奨度算出関数が格納され、
前記記憶手段から該検討分野に関する少なくとも１つの質問データを選択し、該質問に対する検討者の少なくとも１つの回答を表す選択肢データを受け付ける受信手段と、
前記記憶手段に格納された各評価項目に対応する重視度算出関数を読み出して、前記受け付けた選択肢データに対応する回答データと該読み出した重視度算出関数を用いて各評価項目に対する該検討者の重視度を演算する重視度推計手段と、
前記記憶手段に格納された推奨度算出関数を読み出して、その推奨度算出関数を用いて前記記憶手段に格納された該検討分野における各選択候補データに対する各評価項目についての評価データと、前記重視度推計手段で演算された各評価項目に対する該検討者の重視度から、各選択候補に対する推奨度を演算する推奨度演算手段と、
前記推奨度演算手段で演算された推奨度の上位の選択候補を推奨度の順番に従って提示する提示手段と、
該提示された選択候補の中で検討者がより上位または下位にするべきとして選択した選択候補データを受け付ける手段と、
上位にするべきとして選択された選択候補データに対して推奨度算出関数の評価項目毎の項を該評価項目についての重視度と評価データとを用いて演算し、該評価項目毎の項の値が下位の少なくとも１つの評価項目を抽出し、その評価項目に対応する重視度を算出した重視度算出関数に使用される回答データに関連付けられた質問データを抽出し、または、
下位にするべきとして選択された選択候補データに対して推奨度算出関数の評価項目毎の項を該評価項目についての重視度と評価データとを用いて演算し、該評価項目毎の項の値が上位の少なくとも１つの評価項目を抽出し、その評価項目に対応する重視度を算出した重視度算出関数に使用される回答データに関連付けられた質問データを抽出し、
該抽出された質問データに対する検討者の回答を表す選択肢データを再度受け付け、その選択肢データに対応する回答データと、前記先に受信手段により選択され前記抽出されなかった質問データに対する検討者の回答を表す選択肢データに対応する回答データとを用いて、重視度及び推奨度を再演算する再試行処理手段と、
を備えることを特徴とする。
検討分野に関する少なくとも１つの質問に対する検討者の回答データを受け取ることにより、直接的または間接的にその検討者がその分野における少なくとも１つの評価項目のうちの何を重要と考え、何をそれほど重要と考えていないかが把握できる。これにより各評価項目についての重視度を推計し、この推計された重視度と、各選択候補データに対する評価項目についての評価データとから各選択候補についての推奨度を演算する。このようにして、検討者が各評価項目に対して重要と考える重視度が加味されるために、検討者のニーズによりマッチした選択候補を推奨することができるようになる。
また、検討者が納得いかない場合に、既回答項目すべてに回答しなおすのではなく、納得いかない選択候補の提示の原因となった回答項目のみを回答しなおすだけで、検討者の納得いく選択候補の推奨を行うことができる。そして検討者の納得のいく推奨を行うことができるようになる。
【００２２】
また本発明は、少なくとも１つの選択候補データを格納しておける記憶手段を有し、ある少なくとも１つの分野において選択候補の中から少なくとも１つの選択候補の選択を検討している者（以下、検討者と記す）に推奨するべき選択候補データを選択する選択支援演算装置であって、
前記記憶手段には、該検討分野における少なくとも１つの選択候補データと、各選択候補データに対する少なくとも１つの評価項目についての評価データとが関連付けられて格納され、さらに検討分野に関する少なくとも１つの質問について質問データと選択肢データと各選択肢データに対応する点数で表された回答データとが関連付けられて格納され、さらに回答データから該検討者が該検討分野における各評価項目をどれだけ重視するかを表す重視度を算出するための重視度算出関数が各評価項目に対応して格納され、さらに各選択候補データに対する各評価項目についての評価データと重視度から各選択候補の推奨度を算出するための推奨度算出関数が格納され、
前記記憶手段から該検討分野に関する少なくとも１つの質問データを選択し、該質問に対する検討者の少なくとも１つの回答を表す選択肢データを受け付ける受信手段と、
前記記憶手段に格納された各評価項目に対応する重視度算出関数を読み出して、前記受け付けた選択肢データに対応する回答データと該読み出した重視度算出関数を用いて各評価項目に対する該検討者の重視度を演算する重視度推計手段と、
前記記憶手段に格納された推奨度算出関数を読み出して、その推奨度算出関数を用いて前記記憶手段に格納された該検討分野における各選択候補データに対する各評価項目についての評価データと、前記重視度推計手段で演算された各評価項目に対する該検討者の重視度から、各選択候補に対する推奨度を演算する推奨度演算手段と、
前記推奨度演算手段で演算された推奨度の上位の選択候補を推奨度の順番に従って提示する提示手段と、
該提示された選択候補の中で検討者がより上位または下位にするべきとして選択した選択候補データを受け付ける手段と、
上位にするべきとして選択された選択候補データに対して推奨度算出関数の評価項目毎の項を該評価項目についての重視度と評価データとを用いて演算し、該評価項目毎の項の値が下位の少なくとも１つの評価項目を抽出し、抽出した評価項目の評価値に予め決められた所定オフセット量を加算し、または、下位にするべきとして選択された選択候補データに対して推奨度算出関数の評価項目毎の項を該評価項目についての重視度と評価データとを用いて演算し、該評価項目毎の項の値が上位の少なくとも１つの評価項目を抽出し、抽出した評価項目の評価値に予め決められた所定オフセット量を減算する再試行処理手段と、
を備えることを特徴とする。
検討分野に関する少なくとも１つの質問に対する検討者の回答データを受け取ることにより、直接的または間接的にその検討者がその分野における少なくとも１つの評価項目のうちの何を重要と考え、何をそれほど重要と考えていないかが把握できる。これにより各評価項目についての重視度を推計し、この推計された重視度と、各選択候補データに対する評価項目についての評価データとから各選択候補についての推奨度を演算する。このようにして、検討者が各評価項目に対して重要と考える重視度が加味されるために、検討者のニーズによりマッチした選択候補を推奨することができるようになる。
また、検討者が再検討してもなお質問に対する回答は再試行モードになる前と同じとなる場合に、検討者の持つ商品評価と評価データベース上での商品評価との間にずれがあると考えられるので、この評価データベース上での商品評価を変更することができる。そして検討者の納得のいく推奨を行うことができるようになる。
【００２３】
前記記憶手段には、受信手段で受け付けた検討者の選択肢データに対応する回答データから各評価項目についての重視度を算出するための重視度算出関数を格納しておくことにより、多様で複雑な重視度算出を行うことができ、多様な質問から検討者の各評価項目に対する多様で複雑な重視度のありかたを把握することができるようになる。検討者に対する質問としては、１つのある重視度を直接的に尋ねる質問や、間接的に重視度が導き出せる質問などとすることができる。そして、複数の質問に対する回答データから１つの重視度を導き出したり、または、１つの質問に対する回答データを複数の重視度を導き出すのに用いることもできる。このように、重視度算出関数を用いて重視度の算出を行うことにより、検討者の多様で複雑な重視度を算出することができるようになる。
【００２４】
前記記憶手段には、各選択候補データに対する各評価項目についての評価データと重視度から各選択候補の推奨度を算出するための推奨度算出関数を格納する。推奨度算出関数としては、評価データと重視度の単なる線形関数とすることもできるが、それ以外に、対数関数、指数関数、べき関数及びこれらの組み合わせ、その他任意の関数とすることができ、複数の評価項目に関する項を加算する以外に乗算したり、対数関数、指数関数、べき関数などの関係とすることもできる。このような推奨度算出関数を格納しておくことにより、各評価項目に対する多様で複雑な重視度に基づく、より精度の高い推奨度算出を行うことができるようになる。評価項目としては、互いに独立でなく相関関係があるような評価項目や、重み付けが等しくない評価項目を用いることができるようになる。また、重視度の増減により推奨度が複雑に変化するような場合でも、正確な推奨度を算出することができるようになる。
【００２６】
前記重視度推計手段及び前記推奨度演算手段は、各質問に対する選択肢データを受信手段で受け付ける毎に、各評価項目に対する重視度及び各選択候補に対する推奨度を演算するものであり、前記提示手段は、各質問に対する選択肢データを受信手段で受け付ける毎に、検討分野における全選択候補データの推奨度をそのまま及び／または加工して提示することができる。
【００２７】
前記推奨度演算手段は、単一または複数分野において各選択候補データに対する推奨度を演算し、単一または複数分野における複数の選択候補データの各組み合わせに対して、各組み合わせを構成する該複数の選択候補データの推奨度から各組み合わせに対する推奨度を演算してもよい。この場合、複数の選択候補データの組み合わせの推奨に適合した、単独の選択候補を推奨する場合とは異なりうるアルゴリズムで重視度推計手段が重視度及び／または推奨度演算手段が推奨度を求めて、複数の選択候補データの組み合わせごとに、推奨度を検討者にそのまま及び／または加工して提示することができる。これにより、単一分野において一つの選択候補を推奨する場合では最上位もしくは最上位に準ずるものとして推奨したものを、複数の選択候補の組み合わせの推奨においては、最上位もしくは最上位に準ずるものとしての推奨に含まない、または、一つの選択候補を推奨する場合では最上位もしくは最上位に準ずるものとして推奨しなかったものを、複数の選択候補の組み合わせの推奨においては、最上位もしくは最上位に準ずるものとしての推奨に含むことがありうる。また、複数分野における複数の選択候補の組み合わせの推奨においては、おのおのの分野における単数または複数の組み合わせの推奨結果と異なることがありうる。
【００２８】
また、前記推奨度演算手段は、複数検討者が、単一または複数分野における選択候補の中から少なくとも１つの選択候補の選択を行っている場合において、各検討者個々の回答データに基づき得られた各分野における各評価項目に対する各検討者の重視度に基づいて、検討者全体にとっての推奨度を演算してもよい。こうして、検討者全員にとって最適な選択候補を推奨することができるようになる。
【００２９】
前記選択支援演算装置は、サーバで構成してもよく、該サーバが検討者の端末と通信回線で結ばれており、該端末がサーバにアクセスすることによって、該端末に前記全選択候補データの推奨度をそのまま及び／または加工して提示することにしてもよい。
【００３０】
また、検討者の回答データを、再利用可能な形式で保存、格納することができる媒体を備える及び／または媒体を利用可能とすることができる。
【００３２】
【発明の実施の形態】
以下、図面を用いて本発明の実施の形態を説明する。尚、本発明は明細書内で説明する実施形態に限定されることなく、特許請求の範囲内で種々の変形が可能である。
【００３３】
図１は、本発明の選択支援演算装置の実施形態を表す全体図である。システム１００は、図１に示すような、選択支援演算装置としての選択検討支援サーバ１を有しており、このサーバ１内の記憶手段１０５に、検討者の選択決定を支援するために必要なデータが格納されている。この選択検討支援サーバ１は、インターネット等の回線２に接続されており、電話回線及びプロバイダを経由してインターネット等の回線２に接続可能となった検討者のコンピュータ、無線機器、家庭用ゲーム機等の端末３から、その回線２を介して、そのサーバ１内の記憶手段１０５に格納された質問を、その端末３のディスプレイ４に表示すると共に、その質問に対する回答信号を回線２を介して受信して、その回答信号に基づき、サーバ１が演算を行うようにしている。以下は、図１の回線２を用いたシステムについて説明し、選択検討支援システムを提供及び／または運営する者を、特に運営者と記し、本実施形態では、検討者は、運営者が用意する質問に回答していくものとする。勿論、質問自体は、運営者と検討者との間の会話、印刷物の送付、コンパクトディスクまたはフレキシブルディスクなどの記録媒体の送付によって質問を検討者へ伝達することもできるが、この実施形態のように、システム１００のサーバ１内の記憶手段１０５に格納された質問を回線２を通して検討者の端末３のディスプレイ４に表示する方法を採用すると、（１）質問への回答内容から、以降の質問内容を決定する質問フローが容易に実現可能である点、（２）運営者の手間が軽減できる点、（３）検討者の端末３が用意すべきディスク容量を少なくできる点等で好ましい。
【００３４】
また、このサーバ１は、サーバ１のＣＤドライブまたはフレキシブルディスクドライブなどの読取装置から、コンパクトディスクまたはフレキシブルディスクなどの記録媒体に格納されたプログラムを読みとって、サーバ１のハードディスクにコピーすることによって、動作するものであってもよい。また、記録媒体としては、上記の他に、ＤＶＤ等の光学記録媒体、ＭＤなどの磁気記録媒体、またはＩＣカードなどを用いることもできる。
【００３５】
検討者の回答する方法は何であってもよいが、システム１００のコンピュータシステムでその回答をデータとして利用できるように、その回答内容が記録される必要がある。図３に示すように、検討者の端末３のディスプレイ４に表示された、例えば、符号６で示した質問に対して、該当する回答を検討者がマウスでクリックしたり、キーボードから回答を入力したりするなどして回答内容を検討者の端末３の記憶媒体に格納するか、回線２を通じて運用者の選択検討支援サーバ１内の記憶手段１０５に格納する。この実施形態では、検討者が端末３にその回答信号を入力する毎に、その回答信号が回線２を通じて選択検討支援サーバ１へと送信される。
【００３６】
図２は、選択検討支援サーバ１の詳細ブロック図である。この選択検討支援サーバ１は、回線２を介して接続された端末３とのデータの入出力の制御を行う入出力制御回路１０２と、ＣＰＵ、ＲＯＭ、ＲＡＭ等を有し、データの転送、演算、一時的なデータの格納、メインプログラムの格納を行う制御回路１０４と、ハードディスクのような記憶手段１０５と、を有している。記憶手段１０５には、各種プログラムが格納されており、この中のプログラムに基づき、選択検討支援システムが動作する。この選択検討支援システムによる一連の選択検討支援処理を実行する選択検討支援プログラムとして、選択検討支援サーバ１を、質疑応答送受信部１１０と、重視度推計部１１４と、推奨度演算部１１６と、提示部１１７と、再試行処理部１１８として機能させるためのプログラムが備えられている。質疑応答送受信部１１０は、選択検討支援サーバ１を、さらに本質問決定部１１２として機能させるためのプログラムを有する。
【００３７】
さらに、選択検討支援サーバ１の記憶手段１０５には、検討者の選択決定を支援するために必要なデータを格納する各種データベースが設けられる他、質問画面等を表示するための表示ファイル、画像ファイル、動画ファイル、音声ファイル等が格納されている。各種データベースとしては、検討者へ施す質問及びその回答選択肢のデータが格納された質疑応答データベース１４０、プレ質問データベース１４１、選択候補である商品の評価項目が格納された商品データベース１４４、回答データベース１４６、重視度算出関数データベース１４８、推奨度算出関数データベース１５０、検討者データベース１５４、等が設けられる。
【００３８】
以下、説明をより具体的にするために、商品（サービスも含む、以下同じ）の購入を検討する検討者にその商品の検討の支援を行うシステムであるとし、具体的には、検討者は海外旅行に関して推奨を受けることを目的として、回線２を用いてシステム１００にアクセスしているものとする。
【００３９】
以上のように構成される選択検討支援システムにおいて、上記各機能の作用及びそのデータベースの詳細について、以下に説明していく。
【００４０】
図３は、回線２を介して質疑応答送受信部１１０から送信された検討者の端末３のディスプレイ４に表示された質問の初期画面の例である。質問は任意の方法で検討者に投げかけることができるが、図３に示すようにシンボルキャラクタ９からふきだしが出てふきだしの中に文字が表示されても良く、または、シンボルキャラクタ９が話しかけているように、音声で表現されても良い。初期質問は、選択支援を得たい商品種類、即ち分野の選択を促すものである。ここでは、前述の前提に基づき、検討者は、マウスカーソル７を「海外旅行」のアイコン８に合せてクリックしたものとする。
【００４１】
ここで、検討者に特別の資格などは不要なので、検討者を特定しようとする操作は基本的には不要であるが、誰が何時回答した等の情報は、後に再計算したり、データを再利用したりするときに便利なので、検討者情報は識別番号及びパスワードなどで特定できるようにするのが好ましい。そのために、図３の画面を表示する前に、検討者から識別番号及びパスワードの入力を促す画面を表示するとよく、または、初めての利用者には、利用後、識別番号及びパスワードを付与し、検討者データベース１５４に検討者の識別番号、パスワードを格納しておくとよい。以前に回答された回答データは、回答データベース１４６に、その検討者の識別番号と関連付けて格納されている。
【００４２】
図３の画面で商品種類が選択されると、次に、図４に進み、当該商品の推奨に関する質問について、「すでに以前回答している」または「今回初めて回答する」の選択を促す。「すでに以前回答している」が選択された場合は過去に記録されたデータを回答データベース１４６からロードする。
【００４３】
図４で、「今回初めて回答する」が選択されると、プレ質問が始まる。プレ質問は、前提となるような質問を１つまたは幾つか検討者に行い、その回答に応じて、以降の膨大な質問群の中からその検討者に適した質問を抽出するために行うものである。プレ質問データベース１４１には、プレ質問が格納されている。質疑応答送受信部１１０の本質問決定部１１２では、プレ質問データベース１４１からプレ質問を抽出する手段と、その質問とそれに対応する選択肢を質問画面ファイルに埋め込む手段と、質問画面ファイルを送信する手段と、検討者からの回答を受信する手段を有する。例えば、図５に示すように、プレ質問として、検討者の商品についての知識や推奨の使い方を最初に質問することによって、「商品をよく知っていて、推奨は購入の参考程度にする」（タイプＩ）、「商品をよく知っていて、推奨を重視する」（タイプＩＩ）、「商品はあまりよく知らないが、推奨は購入の参考程度にする」（タイプＩＩＩ）、「商品はあまりよく知らず、購入時は推奨を重視する」（タイプＩＶ）という４個のタイプに検討者を区分する。尚、プレ質問は、商品種類毎に用意されていてもよく、図３で選択された商品種類に応じて選択されるようにしてもよい。
【００４４】
質疑応答送受信部１１０の本質問決定部１１２は、図５で示した画面の回答を受信すると、選択された商品種類及び商品についての知識や推奨の使い方のタイプの区分に応じて、質疑応答データベース１４０から行うべき質問群を抽出する手段を有する。質疑応答送受信部１１０は、各質問毎に、その質問とそれに対応する選択肢を質問画面ファイルに埋め込んで、質問画面ファイルを送信すると共に、検討者からの回答を受信する。例えば、質疑応答データベース１４０には、図１５に示すように、予め膨大な質問群が格納されており、質問毎に質問ＩＤ（ＱＩＤ）、質問の内容（Ｑ）、その質問の種別Ｔ、その質問に対する選択肢（Ａ１、Ａ２、・・・）及びその選択肢が選択されたときに後述の重視度を算出するのに用いられる回答データ（Ｄ１、Ｄ２、・・・）が用意されている。質問の種別Ｔは、上述に挙げた事例では、プレ質問によって区分される４個の検討者のタイプ（Ｉ、ＩＩ、ＩＩＩ、ＩＶ）に対して質問するかどうかを表す種別となっている。例えばタイプＩに対してのみする質問は種別Ｔ1000、タイプＩＩに対してのみする質問は種別Ｔ0100、タイプＩＩＩに対してのみする質問は種別Ｔ0010、タイプＩＶに対してのみする質問は種別Ｔ0001、タイプＩ及びＩＩに対してする質問は種別Ｔ1100、・・・全タイプに対してする質問は種別Ｔ1111とする。どのタイプにもたずねない質問はありえないので、種別の個数としては２4−１個となる。具体的に海外旅行を例に取れば、図１６で一覧表で例示したように、各本質問ごとに、その質問の性質によって、タイプＩ、ＩＩ、ＩＩＩ、ＩＶの内のどのタイプにその質問を行うかで対応する種別に割り当てることができる。
【００４５】
このようにプレ質問を行うことによって、それぞれの検討者の商品についての知識や推奨の使い方に応じて、膨大な質問群の中からふさわしい質問を選択することができる。すなわち、商品を良く知っている人には、その商品について、経験や具体的な関心を質問することに意味がある。また、初歩的な質問は省略して、高度な質問のみを行うようにして検討者の回答の手間を省くようにする。反面、商品をあまり知らない人には、どのような属性・指向を持つタイプがどのような旅行先を望むかを訪ね、統計データに従った推奨を行うのが妥当であろう。また、推奨の使い方が参考程度の人に対しては、その人に新鮮な選択肢を提示することが推奨の目的となる。そのような人には、ある程度、変わった角度からの質問を盛り込まないと、常識的でつまらない選択肢しか提示できないからである。一方、推奨結果を重視して選択しようとする人は、安全なオーソドックスな選択肢を示すべきであり、奇を衒った質問は意味がない。さらに他のプレ質問を追加することで、より詳細・精緻な質問の選択が可能となる。
【００４６】
また、図１５のように本質問を、予めプレ質問の回答に応じてタイプに分類しておく方法のほかに、本質問決定部１１２は、各本質問事項について、例えば質問必要度というようなパラメータを計算するものであってもよい。まず、予め各本質問をその尋ねる内容から分類しておく。例えば、「初めていく場所か、行き慣れた場所かどちらがいいか？」と言う本質問は、目的地に関する本質問に分類される。そして、その本質問の必要度をＮ（目的地）とし、プレ質問（ｎ０、ｎ１、ｎ２、ｎ３…）のそれぞれの答え（例えば、上述のユーザー４区分質問ｎ０に対する、４通りの回答をｎ０１、ｎ０２、ｎ０３、ｎ０４とする）に、それぞれ、Ｎ（目的地）に対応する点数（表記法としては、ｎ０１（目的地）、ｎ０２（目的地）、ｎ０３（目的地）、ｎ０４（目的地）とする）が付与されているものとした場合、一例として、図１７に示したように、プレ質問ｎ０に対する検討者の回答がｎ０１、プレ質問ｎ１に対する検討者の回答がｎ１３、プレ質問ｎ２に対する検討者の回答がｎ２３…とすると、Ｎ（目的地）＝ｎ０１（目的地）＋ｎ１３（目的地）＋ｎ２３（目的地）＋…という式で表すことができる。この点数の加工は、上記の式のような単純な加算だけではなく、さまざまな方法をとってもよい。そして、プレ質問が終了したとき、算出された必要度Ｎ（質問の分類）がある一定の基準を満たす本質問を検討者に尋ねるものとして選択してもいいし、必要度Ｎの大きい順にいくつかの本質問を選んでもよい。
【００４７】
このように必要度を計算することによって本質問を決定する方法のほうが、図１６で示すような、尋ねる本質問のリストを予め用意するやり方より、プレ質問の数が増えたとき予め用意する本質問のパターン数が膨大にならずに、作成に手間がかからず、システムへの負荷が小さくでき、また、運営者の考え方に変化があったとき、適切・迅速に反映させることができる、という点で好ましい。
【００４８】
こうして、プレ質問が終了すると、次に、図６〜図９の例に示したように、プレ質問の回答によって質疑応答データベース１４０から選択した質問と回答の選択肢を順次表示し、検討者にその回答を促す。図６の例では、検討者は、海外旅行の経験は１〜２回であると選択しており、図７の例では、憧れの国のある地域をアジアと選択している。
【００４９】
後述の重視度推計部１１４及び推奨度演算部１１６は、質疑応答送受信部１１０で各質問及び選択肢を検討者の端末３に送信して、端末３のディスプレイ４に表示させ、その回答を受信する間、常時起動しており、回答を受信する度に、重視度及び推奨度の演算を行い、その時点における各商品のトータル評価（推奨度）を算出する。例えば図８において提示部１１７は、その順位を暫定順位１２として、表示している。各質問に対する回答を受信する毎に、重視度及び推奨度の再演算を実行し、商品の再トータル評価（推奨度）に応じて、図９に示すように、商品の順位を変更している。勿論、全ての質問が終了し、全ての回答を受信した後にこれらの重視度推計部１１４及び推奨度演算部１１６が起動し、重視度及び推奨度の推計を行って、商品のトータル評価（推奨度）を算出するようにしてもよい。
【００５０】
ディスプレイ４には、質問に対する選択肢のほかに、図６に示すようにクリックすれば一つ前の質問に戻れるアイコン１０が表示されても良い。これによって、誤答や考え直しがあったときに、容易に回答を修正することが可能となる。
【００５１】
本質問も、ディスプレイ４の表示形式はプレ質問と基本的に変わらない。図６〜図９は、本質問の一例である。質疑応答送受信部１１０は、前記プレ質問によって区分されたタイプに応じて質疑応答データベース１４０の中から本質問決定部１１２によって抽出された質問群について質問ＩＤの小さい順に、順次、質問及びそれに対応する選択肢を引き出して、それらのデータを質問画像ファイルに埋め込み送信し、回答を受信する。本質問においては、順番を特に変更することなく、順番どおり質問していくことができる。しかしながら、これに限るものではなく、検討者からの回答によっては、次に行う質問を変化させることとしてもよく、その場合には、質疑応答データベース１４０に前の質問の回答によって次の質問ＩＤが決定されるフローチャートを格納しておき、このフローチャートにより、その次の質問ＩＤを参照するようにするとよい。
【００５２】
回答された選択肢は、一時的に制御回路１０４に格納される。格納されるデータとしては、検討者に行った質問ＩＤと、その質問に対する回答と、その回答に対応し重視度の推計に用いられる回答データ（Ｄ０、Ｄ１、Ｄ２、…）とがあり、これらは互いに関連付けられて格納される。一般的に、質問が何かの程度を問うものであり、複数回答が有り得ないまたは複数回答を許可しない質問である場合（図６の例が該当する）には、格納される回答データ（Ｄ０、Ｄ１、Ｄ２、…）は、その程度の大小を表す数値となっている。一方、質問が選択肢の中からいずれかを選択させることを求めるものであり、複数回答も許可する質問である場合（図７、図８の例が該当する）には、格納される回答データ（Ｄ０、Ｄ１、Ｄ２、…）は、選択された選択肢を識別する数値となっているとよい。
【００５３】
重視度推計部１１４は、受信した検討者の回答結果により、その検討者が商品に対するどの評価項目を重視するかを表す重視度を求める機能を持つものであり、選択肢データに対応する回答データから記憶手段１０５の重視度算出関数データベース１４８に格納された対応する重視度算出関数を読み出して、その重視度算出関数を用いて各評価項目に対する該検討者の重視度を演算する。評価項目は、商品種類毎に決められ、この例のように商品種類が海外旅行である場合、費用、安全、現地食事、現地移動手段、景観、季節重視度／各季節の魅力度、といった多数の評価項目が予め決められて商品データベース１４４に商品種類毎に格納されている。そして、各質問に対して回答選択肢の中からいずれかが選択される毎に、各評価項目Ｉiに対して、その検討者が持つ重視度が算出される。ある１つの質問に対する回答によって、ある特定の１つの評価項目に対する検討者の重視度が分かる場合もあるが、複数の質問に対する回答を有機的に組み合わせることによって、より適切に、ひとりひとりの検討者にマッチしたある特定の１つの評価項目に対するその検討者の重視度が分かる場合もあり、または、その逆に、１つの質問に対する回答によって、ある特定の複数の評価項目に対する検討者の重視度が分かる場合もある。また、質問の仕方の１つとして、その評価項目を重視するかどうか直接質問する方法がある。たとえば、検討者に対して「費用（Ｉm）を重視しますか？」という質問をした時、その重視度Ｐmは、「はい」ならＰm＝１、「いいえ」ならＰm＝０とおいたり、あるいはもっと回答の選択肢を多くして「たいへん重視する」ならＰm＝１、「そこそこ重視する」ならＰm＝０．７、「たいして重視しない」ならＰm＝０．３、「まったく構わない」ならＰm＝０とおくことができる。即ち、
【００５４】
【数１】
ここで、添え字のｋは、「費用を重視しますか？」という質問Ｑkの質問ＩＤを表し、Ｄkは、質問Ｑkに対する検討者の回答データである。ｐm（Ｄk）は、費用という評価項目に対する重視度を質問Ｑkの回答から算出する関数であることを示しており、Ａ０は「はい」の選択肢、Ａ１は「いいえ」の選択肢に対応している。または、
【００５５】
【数２】
ここで、Ａ０は「たいへん重視する」の選択肢、Ａ１は「そこそこ重視する」、Ａ２は「たいして重視しない」の選択肢、Ａ３は「まったく構わない」の選択肢に対応している。
【００５６】
しかし、それだけでなく、例えば、質問Ｑk：「食に対するこだわりが強いですか」、質問Ｑk+1：「日常の食生活を大切にしていますか」、質問Ｑk+2：「旅先で新しいもの、珍しいものに積極的にふれますか」、質問Ｑk+3：「健康状態、体調を考慮する事情がありますか」等の複数の質問を設定し、それぞれ「たいへん…（強い、大切にする、積極的である、強い事情がある）」、「やや…」、「たいして…ない」、「まったく…ない」の４個の選択肢を用意し、それぞれ回答データを、1．０，０．７，０．３、０という点数に対応させ、これら複数の質問の回答データの平均値をとって、現地食事（ｆ）の重視度Ｐfとすることが考えられる。即ち、
【００５７】
【数３】
ここで、回答データＤkは、
Ｄk＝１ （Ａ０が選択されたとき）
＝０．７ （Ａ１が選択されたとき）
＝０．３ （Ａ２が選択されたとき）
＝０ （Ａ３が選択されたとき）
で、Ａ０とは「たいへん…する」の選択肢、Ａ１は「やや…」、Ａ２は「たいして…ない」の選択肢、Ａ３は「まったく…ない」の選択肢を表す。
【００５８】
しかし、重視度Ｐfを算出する場合において、質問Ｑk+3に対する回答データＤk+3の得点が高い場合はむしろ食道楽的な選択は避けるべきと考え、以下の式のような計算を施し、質問Ｑk+3に対する回答データＤk+3の得点が高い検討者の重視度Ｐfを、０．７あたりに誘導する式にしたほうが妥当ではないかと考えられる場合もある。即ち、
【００５９】
【数４】
となる。
【００６０】
また、質問Ｑk+2の「旅先で新しいもの、珍しいものに積極的にふれますか？」に対して回答データＤk+2が高い得点となった検討者に対しては、安全への重視度Ｐsがいくらか低くなるように計算される方が妥当かもしれない。このように、回答データＤkと重視度Ｐiに１対１対応だけでない多様な対応を認める式を設定することも可能である。
【００６１】
以上のように検討者の回答データＤkと重視度Ｐm、Ｐf、…との間には、評価項目に応じて、様々な関係が成り立つので、これらの関係を表す重視度算出関数ｐm、ｐf、…をすべて重視度算出関数データベース１４８において格納しておくことで、様々な計算上の工夫を用いてより適切に検討者の重視状況を反映することができる。この重視度算出関数に、各企業が行っているマーケティング調査の解析結果を取り込むことも可能である。こうして、複数の質問を有機的に組み合わせて、より適切な、よりひとりひとりの検討者にマッチした重視度の算出が可能となる。
【００６２】
重視度算出関数データベース１４８には、各評価項目Ｉiごとに、その重視度算出関数ｐiが格納されるが、１つの評価項目に単一の重視度算出関数とは限らず、ｐia、ｐib・・・など、複数の重視度算出関数を用いることもある。これは、プレ質問によって決まる検討者のタイプによって、またはそれまでの検討者の回答の仕方によって、検討者に行う質問が同じであるとは限らないからである。
【００６３】
なお、評価項目Ｉiの重視度を決定するために必要な回答データＤkが入力されるまでは、重視度には初期値（例えば０．５）をあらかじめ与えるものとする。この結果、検討者がすべての質問への回答を終了する前でも、その時点での各評価項目に対する暫定の重視度に基づき、その時点における各商品のトータル評価が可能となる。
【００６４】
重視度推計部１１４は、回答が返答されるたびにそれまでの検討者の回答履歴を蓄積している制御回路１０４及び重視度算出関数データベース１４８を参照しながら、重視度を推計する。
【００６５】
次に、推奨度演算部１１６は、重視度推計部１１４で求められた重視度を用いて、推奨する商品の順位を決定するべく、各商品についての推奨度を求めるものであり、記憶手段１０５の推奨度算出関数データベース１５０に格納された推奨度算出関数を読み出して、その推奨度算出関数を用いて記憶手段１０５の商品データベース１４４に格納された該検討分野における各選択候補データに対する各評価項目についての評価データと、重視度推計部１１４で演算された各評価項目に対する該検討者の重視度から、各選択候補に対する推奨度を演算する。
【００６６】
この推奨度を求めるために、商品データベース１４４は、各商品種類毎に設けられて、商品種類毎の推奨候補となる複数の商品を表す商品名等のデータが格納されると共に、各商品に対して各評価項目の評価のデータが予め格納されている。図１８は、その一例を示す。海外旅行の商品である旅行先Ｃｊ（一例として、Ｃ１＝グァム、Ｃ２＝ラスベガス、Ｃ３＝ニース、Ｃ４＝ハワイ、Ｃ５＝パリ、…）について、それぞれの評価項目に対する点数Ｅji（ｓｅ）（例えば０≦Ｅji（ｓｅ）≦１）が予め格納されている。これらの商品の評価は、各評価項目に対して唯一とは限らない。例えば、日本の場合、観光シーズンは長期休暇と重なる夏、あるいは冬であり、当然費用も高くなってくる。このように、費用、現地食事、景観などの評価項目の評価は季節によっても変化するために、各評価項目の評価を季節に依存するものとしており、ｓｅは、季節（春：ｓｐ、夏：ｓｕ、秋：ａｕ、冬：ｗｉ）を表している。
【００６７】
例えば、検討者が「行きたい季節は」という質問に対して、季節を一つだけ選んだ場合には、その季節の値がそれぞれ採用される。春（ｓｐ）を選んだならば、費用（Ｉm）のグァム（Ｃ１）の評価は、Ｅ1m（ｓｐ）となる。複数の季節を選んだ場合には、対応した評価の平均値が採用される。例えば、春と夏を選んだならば、費用のグァムの評価は、（Ｅ1m（ｓｐ）＋Ｅ1m（ｓｕ））／２と、春と夏の平均値が採用される。また、全く選ばれなかった場合、または、「行きたい季節は」という質問がなされる迄、またはその質問がなされない場合は、４つの季節の平均値が採用される。
【００６８】
また、季節の魅力度については、すべての季節の魅力度（Ｅ1se（ｓｐ）、Ｅ1se（ｓｕ）、Ｅ1se（ａｕ）、Ｅ1se（ｗｉ））の合計が１になるように設定することができる。例えば、図１８に示したように、グァムの場合の季節の魅力度として、春の魅力度Ｅ1se（ｓｐ）＝０．２、夏の魅力度Ｅ1se（ｓｕ）＝０．７、秋の魅力度Ｅ1se（ａｕ）＝０．１、冬の魅力度Ｅ1se（ｗｉ）＝０と設定することができ、図１８の場合、グァムに旅行するなら、夏が他の季節に比べて非常に魅力が高く、冬に旅行しても魅力はないと言うことを示している。
【００６９】
但し、この図１８の表のように季節毎の評価をすべて予め算出しておいて、すべて商品データベースに格納する方式だけではなく、各評価項目の評価を単一の値とし、これに対する補正値として、季節調整値を別途用意し、例えば、加減算処理することも可能である。
【００７０】
また、この図１８の表のような、季節をパラメータ化するほか、季節以外の他のパラメータにより、評価を調整することも可能である。
【００７１】
上記季節に関連して、季節重視度Ｐse（Ｐsp、Ｐsu、Ｐau、Ｐwi）を算出する重視度算出関数ｐseは、次の表で定義することができ、選択された季節の数によって、
【００７２】
【表１】
とすることができる。
【００７３】
推奨度演算部１１６は、重視度推計部１１４で求めた検討者の各評価項目に対する重視度を考慮して、推奨度を求める点で、従来技術と異なっている。従来技術では、検討者によって何を重視するかが変わることを考慮せず、例えば、次の（１）式のように、単純に各項目の評価を合算するだけであったり、せいぜい検討者Ｘ氏が重視すると答えた項目のみの評価を合算する程度であった。即ち、検討者Ｘ氏が費用と安全を重視する場合には、グァムのトータル評価（推奨度）は、
【００７４】
【数５】
となる。ただし、Ｅ1mはグァムの費用面から見た評価、Ｅ1sはグァムの安全面から見た評価である。
【００７５】
これに対して、本発明では、検討者Ｘ氏がどのような評価項目を重視するかという重視度を加えて、所定の関数によって推奨度を求める。推奨度を求める推奨度算出関数としては、任意の関数とすることができるが、例えば、一般的なものとして、
【００７６】
【数６】
という線形関数とすることが考えられる。これは、重視度をそのまま各評価項目の重み付けとして推奨度を求める場合である。さらに、各評価項目そのものの重要性を考慮して、
【００７７】
【数７】
とすることもできる。係数ａiは、重み付け係数である。また、これだけでなく、
【００７８】
【数８】
とすることができ、対数関数、指数関数、べき関数等及びこれらの組み合わせとすることができ、さらに、複数の評価項目に関する項を加算する以外に乗算したり、対数関係、べき関係、指数関係等の関係とすることもできる。例えば、安全（ｓ）と現地移動手段（ａ）において、現地移動手段の評価が悪いほど、より安全評価が重要な意味合いを持つ場合が考えられる。その場合、安全評価に関する項は、単純なＰs×Ｅ1sではなく、Ｐs×Ｅ1s×（１−Ｅ1a）等とする方が妥当である。
【００７９】
このように推奨度と各評価項目についての重視度及び評価との間には、商品に応じて、また、各評価項目の性質及び互いの評価項目の相関度に応じて、様々な関係が成り立つので、これらの関係を表す推奨度算出関数ｆを予め商品毎に推奨度算出関数データベース１５０に格納しておくことで、様々な計算上の工夫を用いてより適切に検討者へ商品を推奨することができるようになる。
【００８０】
前述のように、重視度推計部１１４と推奨度演算部１１６は、すべての質問が終了しないうちから重視度及び推奨度を算出しており、各質問に対する回答が得られる毎に、再演算を行っているため、回答によって、推奨する商品が変化していく。図８及び図９に従って、より具体的に説明すると、図８は、検討者が、「行きたい季節は？」と言う問いに対して回答する前の状態を表し、ｆ（ハワイ）＞ｆ（ギリシャ）＞ｆ（グァム）＞ｆ（オーストラリア南部）が成立している。そこに、行きたい季節について、図９のように「夏」とのみ回答されると、表１の定義に従い、Ｐsu＝１、Ｐsp＝Ｐau＝Ｐwi＝０となり、図１８のＩse（季節の魅力度）の数値から、グァムの季節度に（Ｅ1se（ｓｐ）×０＋Ｅ1se（ｓｕ）×１＋Ｅ1se（ａｕ）×０＋Ｅ1se（ｗｉ）×０）＝０．７×１＝０．７が与えられる。
【００８１】
また、季節が選択されることにより、図１８の中で、すべての季節の平均値が採用されていた評価について、それぞれ選択された季節に対する評価が使用される。特に、前述のように、評価項目のうちの費用Ｅ1m、現地食事Ｅ1f、景観Ｅ1vは、季節による変動が大きい。行きたい季節について、「夏」とのみ回答されると、図１８の表に従い、Ｅ1mはＥ1m(su)に、同様にＥ1fはＥ1f(su)に、Ｅ1vはＥ1v(su)に、それぞれ調整されるなど、回答する前に比べると、さまざまな数値に変動がある。つまり、検討者が重視する季節により、旅行先の評価自体を見直す（調整する）必要がある。そこで、「行きたい季節は？」という質問に対する回答が入力されると、再計算の結果、かつ夏に旅行したほうがより好ましい地域の評価が上昇し、図９に示すように、グァムやメキシコのランクが上位に移動するのである。
【００８２】
以上を一般化、単純化したものを一例として表で説明すると、図１９及び図２０のようになる。図１９の表は、図８の状態に対応しており、検討者Ｘ氏が回答した景観の項目まではその回答に依存した重視度が表中に存在する。費用評価にかなりの差があるため、この時点では、旅行先Ｃjより旅行先Ｃj'のほうが総合評価が高い。しかし、図９のように「行きたい季節」として夏のみを選ぶと、対応する状態は、図２０の表のように変化する。尚、この例の場合、費用、現地食事及び景観のみの評価が季節によって変化するものとしており、その他の評価項目は季節によって変化はしないものとしている。夏を選択することにより、旅行先Ｃjの優位さが引き出され、それまで高かった旅行先のＣj'の評価を覆すわけである。
【００８３】
質疑応答送受信部１１０は、プレ質問によって選択されたすべての本質問を終ると、一時的に制御回路１０４に格納された検討者が回答したすべての質問とその質問に対する回答を抽出し、図１０に示すように、それらを一覧表示する。
【００８４】
検討者が再確認したい質問をチェック欄１３でチェックし、「再確認」ボタン１４を押すと図８と同様の画面になり、該当する質問が表示される。再確認したい質問がなければ、検討者は「確認不要」ボタン１５を押して進めることができる。
【００８５】
図１０で「確認不要」ボタン１５が押されると、次に進み、提示部１１７が選択候補の推奨度の一覧表を表示する。推奨度の高いものから選択候補を示す場合を図１１に示したが、この場合、検討者に提示するのが妥当と思われる順位の選択候補だけ、推奨度の上位から順に提示することになる。検討者が推奨商品の順位に納得いかない場合、検討者がその商品を「チェック欄」１６でチェックし、「再試行」ボタン１７を押すと、再試行処理部１１８が起動し、図１２に示す再試行モードに入る。
【００８６】
再試行処理部１１８は、推奨度演算部１１６で演算された選択候補の推奨度に対して、検討者が納得しない選択候補について、推奨度への寄与の大きい評価項目を選択し、その評価項目に対する重視度に影響を与える質問を抽出し、その質問に対して検討者が再回答の際に選んだ選択肢に対応する回答データに基づき重視度及び推奨度を再演算するもので、また、推奨度演算部１１６で演算された選択候補の推奨度に対して、検討者が納得しない選択候補について、推奨度への寄与の大きい評価項目を選択し、その評価項目について記憶手段１０５に格納された評価データに対して所定オフセット量を加算または減算するものである。画面の形式は図８や図９と同じ、質問の回答を受け付ける形で質問を表示するが、質問は次のようにして決められる。まず、納得いかないとしてチェックされた商品について、その推奨度を求める際に、寄与の大きい評価項目を選ぶ。検討者が、推奨された商品Ｃjについて、もっと下位にくるべきとのチェックを行った場合で、推奨度が前述の（２）式に基づいて決定されるならば、Ｐi×Ｅjiの項の値が上位（例えば上位５位）の評価項目を選び、重視度Ｐiに影響を与える質問を、「これらの質問に対するあなたの回答が、商品Ｃjの推奨度を高めました」として表示し、合わせて各質問においてＣjの推奨度を下げる選択肢を示す。逆に、推奨された商品Ｃjについて、もっと上位にくるべきとのチェックを行った場合で、推奨度が前述の（２）式に基づいて決定されるならば、Ｐi×Ｅjiの項の値が下位（例えば下位５位）の評価項目を選び、重視度Ｐiに影響を与える質問を、「これらの質問に対するあなたの回答が、商品Ｃjの推奨度を低めました」として表示し、合わせて各質問においてＣjの推奨度を上げる選択肢を示す。
【００８７】
そして、これらの質問の回答のみを受信した後、重視度の再計算を行う。検討者がこれらの質問を再検討した結果、その回答が、再試行モードになる前の回答と異なった場合には、新しい選択肢に対応するデータＤ’k、Ｄ’k+1、…に基づき、重視度Ｐiを算出し直して、各商品に対する推奨度を算出し直す。その納得がいかないとされた商品のトータル評価（推奨度）の決定に最も寄与する評価項目の重視度に関連する質問への回答が変わるために、推奨度が変化する。予想されることとしては、もっと下位にくるべきとのチェックを行った商品を上位に導くに至った重視度が下がるために、その商品のトータル評価（推奨度）が下がることが考えられる。逆に、もっと上位にくるべきとのチェックを行った商品を下位に導くに至った重視度が上がるために、その商品のトータル評価（推奨度）が上がると考えられる。そして、再び図１１に示すように、算出し直した推奨度の高い順に選択候補を示し、再び検討者からの入力を待機する。検討者が、算出し直された推奨商品の順位に満足した場合には、「ＯＫ」ボタン１８が押される。まだ、検討者がこの推奨商品の順位に満足していないときには、「再試行」ボタン１７が押される。この「再試行」ボタン１７が押された場合には、その再試行の推奨度を求める際に、その順位を導くに至った寄与度の大きい重視度を再び見直すように、再質問が行われる。
【００８８】
または、検討者が再検討してもなお、質問に対する回答は、再試行モードになる前の回答と同じとなる場合もある。この場合には、再試行処理部１１８は、重視度ではなく検討者が持つ商品評価と評価データベース上での商品評価との間にずれがあると考えられるので、この評価を自動的に変更することもできる。このときは、もっと下位にくるべきとのチェックを行った商品を上位に導くに至った評価項目の評価に、自動的に所定オフセット量を加算し、もっと上位にくるべきとのチェックを行った商品を下位に導くに至った評価項目の評価に、自動的に所定オフセット量を減算することなどが考えられる。多くの検討者において、このようなオフセットの調整が行われ、その総数が所定回を超えたときには、自動的に、商品データベース１４４の商品評価そのものを変更するように学習、最適化させていくこともできる。もちろん、安全性等のように個人的な感覚に依拠しない項目などについては、オフセット調整をあえて行わないこともありうる。
【００８９】
また、このように再試行モードで自らが納得いかない推奨を導いた自らの回答を知ることにより、提示された推奨の順位を変えるべくその回答を変更するか、回答をやはり正しいと考えて推奨を受け入れるかの検討を繰り返すことにより、検討者は検討分野において自分が何を切実に重視するかを改めて認識することができるようにもなる。
【００９０】
図１１の商品推奨画面で「ＯＫ」ボタン１８が選択されると図１３の終了画面になる。この時点で、検討者の回答結果と推奨が、回答データベース１４６または回答データベース１４６及び検討者の端末３の記憶手段に格納されるようにしてもよい。「ほかの商品を選択」のボタン１９を選択すると、図３の商品選択画面に戻る。
【００９１】
格納されたデータがある場合、検討者が図４において、「すでに以前回答している」を選択すると、図１４に示すように、格納されたデータをどう処理するかの問い合わせがされる。そして、回答データベース１４６に格納されていた回答結果がロードされる。ここで検討者が「最初からチェック」ボタン２１を選択すると、図６〜図９のような質問と選択肢が最初から１問ずつ表示される。「追加・訂正回答」ボタン２２を選択すると、図１０に示すような質問と回答の一覧が表示され、検討者は回答の追加・訂正を希望する質問についてチェックする。チェックされた質問については、図６〜図９のような質問と選択肢が表示される。
【００９２】
図１３を除く、全ての図上の「終了」のボタンがクリックされると、図１３の画面となり、それまでの回答結果、及び／または推奨がサーバまたは検討者の端末の記憶手段１０５に格納され、回答データベース１４６に格納される。回答データベース１４６には、検討者を特定する識別番号と共に質問ＩＤと、その質問ＩＤに対応する質問への回答と、回答データとが格納される。そのまま図１３の「終了」ボタン２０が押されると、サーバとの接続が解除され、システムが終了する。
【００９３】
回答データベース１４６に格納されたデータは、運営者側で、顧客データとして加工してもよい。加工の方法としては、年齢、性別などのファクターでまとめて一覧表のかたちにする、などが考えられる。そのデータは、アンケート調査同様、マーケティングデータとしての活用が可能である。
【００９４】
以上の説明は、１つの商品を選択することを念頭に置いている。しかしながら、「１年以内に２回の海外旅行をする場合」や、「１年以内に２台の自動車を購入する場合」など、複数の商品の選択を検討しようという場合には、推奨度の１位と２位との組み合わせという、単純な推奨は妥当でない場合がある。例えば、海外旅行であれば、検討者の嗜好・こだわりによって、「同じようなところに２回行きたい」か、「正反対のタイプのところに行きたい」か違ってくることになる。自動車であれば、１台は狭い道での小回りが利く日常用途の小型車、もう一台は小回りは利かないものの、多くの人荷を積める大型車、という選択があり得る。
【００９５】
したがって、複数の商品の組み合わせを推奨する場合には、個々の選択候補間の類似度、相反度などを算出する関数と、検討者の意向との関係を算出する関数とを盛り込む方法などが考えられる。例えば、相反度は、
【００９６】
【数９】
といった式で算出することができる。ここで、Ｅjkは、評価項目Ｉkに対する商品Ｃjの評価であり、Ｅj'kは、評価項目Ｉkに対する商品Ｃj'の評価、Ｎは評価項目の総数である。また、類似度は、Ｅjk、Ｅj'kを０から１までの値を取るものとするなら、類似度＝１−相反度といった式で表すことができる。検討者が相反する商品を希望する場合には、推奨度演算部１１６は、任意の商品の組み合わせについて、トータル評価（推奨度）の和と両商品間の相反度の積を求め、この積の上位数組を推奨することができる。
【００９７】
複数の商品の組み合わせとしては、同種の商品ではなく、異種商品間の組み合わせとすることもできる。以下はその一例である。
・資産の運用：現在の資産を、検討者の人生設計を元にして、土地、株、長期債権、預金などに配分する割合を推奨する。
・カーライフ：自動車そのものだけでなく、中古車を買うか、新車を買うか、買うとしたら現金かローンか、あるいはレンタカーにするか、検討者のこだわりと、現在の資産状況などからベストプランを推奨する。
・健康管理：食事、サプリメント、スポーツの組み合わせについて、検討者のライフスタイル、健康状態、嗜好、経済状態などから、無理なく効果的に実行できるプランを推奨する。これらについても、それぞれの選択候補間の関係を算出する関数を想定することで、同種の商品の場合と同様、妥当な推奨を提示することが可能となる。
【００９８】
商品データベース１４４に、商品種類毎に予め決められた評価項目と評価データが格納されているが、商品種類毎に評価項目を決めるのではなく、評価項目を共通とすることができる。例えば、自動車、ファッション、インテリア、映画は、一般にはかけ離れたジャンルの商品と見なされているが、デザイン、色彩に関する評価項目は共通化できるものと考えられる。ただし、（３）の式を前提とする場合、商品種類によって評価項目の重み付けは当然異なるはずであるため、その重み付け係数を図２１に示すように決めておくこともできる。このように商品横断的に評価項目を設定することで、いくつかの商品について検討者が検討した後は、比較的少数の追加質問を回答することにより、新たな商品についての推奨を得ることができる。
【００９９】
単独商品に対する推奨が、主に検討者が当該商品の魅力をどう評価するかによるものであることと比べると、異種商品の組み合わせの推奨は、どの商品をより重視するかなど、検討者が生活全般において何を重視するかといった価値観により大きく影響される性格のものである。本願発明は、検討者が何を重視するかなど、その価値観を適切に反映することを念頭に置いているのであるから、異種商品の組み合わせを推奨する場合においてこそ、より従前の方法に比べて優位性が増し、効果が大きいと言えるのである。
【０１００】
検討者が複数の場合、個々の検討者にとっての推奨を行う他、検討者全体にとっての推奨を行うことも考えられる。この場合、最も単純には、推奨度演算部１１６で個々の検討者において算出された各選択候補の推奨度を算術平均または幾何平均して求め、その平均推奨度の高い順に推奨することが考えられよう。図２２は、複数の検討者Ａ〜Ｄのそれぞれの推奨度を算術平均して求めた平均推奨度に基づいて選択候補の推奨順位を決定した場合の例を表している。尚、図２２の各検討者の推奨度は、図２４に例示した、各選択候補の各評価項目α、β、γに対する評価及び各検討者の評価項目に対する重視度の数値を用い、前述の（２）式の推奨度算出関数を用いて求めたものである。例えば、評価者Ａによる商品Ｉの推奨度は、
【０１０１】
【数１０】
で求められる。この場合、商品Ｉ〜Ｖに対して推奨順位がＩ＞ＩＩ＞ＩＩＩ＞ＩＶ＞Ｖの結果が得られている。しかし、検討者メンバーが全て同じ程度に検討中の分野における選択候補の選択に関心・利害があるとはかぎらないから、推奨度演算部１１６では、検討中の分野に関する関心・利害の程度に基づいた重み付けをして、加重平均するのがより好ましい。図２３は、複数の検討者Ａ〜Ｄのその分野に関する関心・利害の程度に推奨度を重み付け平均して求めた加重平均推奨度に基づいて選択候補の推奨順位を決定した場合の例を表している。この場合、複数の検討者のその分野に関する関心・利害の比率が１：１：４：３であったものと想定している。各検討者の関心・利害の比率は、プレ質問等により決定することができる。この場合、商品Ｉ〜Ｖに対して推奨順位がＶ＞ＩＶ＞ＩＩＩ＞ＩＩ＞Ｉの結果が得られる。さらに、本発明では、各検討者の評価項目に対する重視度の比を考慮することも可能である。その場合、各検討者の関心・利害の程度の比に合わせる形で、重視度の比が調整される必要がある。図２３では、各検討者の関心・利害の程度の比は、Ａ：Ｂ：Ｃ：Ｄ＝１：１：４：３ であった。これに対して、図２４において、評価項目α・β・γについての各検討者の重視度の和は、Ａ：４（２＋１＋１）、Ｂ：４（１＋１＋２）、Ｃ：８（１＋６＋１）、Ｄ：６（１＋３＋２）であり、この比率は、Ａ：Ｂ：Ｃ：Ｄ＝１：１：２：１．５になる。この重視度の比率では、Ｃ、Ｄの関心・利害の程度の半分しか反映されていないので、Ｃ、Ｄの重視度の和をそれぞれ２倍して、Ａ：Ｂ：Ｃ：Ｄ＝１：１：４：３に調整する。したがって、図２４において、検討者全体にとっての各評価項目の加重重視度を、
【０１０２】
【数１１】
と計算する。同様に、評価項目βの加重重視度＝２０、評価項目γの加重重視度＝９と計算する。推奨度演算部１１６では、これらの加重重視度を用いて、総合推奨度を次のように計算する。
【０１０３】
【数１２】
結果として、図２４に示したように、商品Ｉ〜Ｖに対して推奨順位がＩＩＩ＞Ｖ＝ＩＶ＞Ｉ＞ＩＩの結果が得られる。図２２〜図２４の手法のいずれを採用するかは、その分野の性質や演算処理時間の許容長さに応じて適宜選択するとよい。
【０１０４】
以上をまとめて、最も高度な本発明の利用の形態として、複数検討者が、検討者全体にとって最適な複数商品の選択を検討するような場合が考えられよう。具体的には、ある地域に家族全員（ここでは例として、夫婦と男女２人の子供の４人家族とする）が引っ越すことを考え、土地・住居・車・インテリア用品等の商品を、比較的短期間（例えば３ヶ月以内）に、世帯として購入を検討するような場合が、これに当てはまる。このような場合、引っ越す場所は通勤・通学の面では夫と子供の関心事、日常の買い物等の面では妻と子供の関心事であり、住居・インテリアは女性の、車は男性の関心事であることが多い。さらに住居・インテリアに同様程度の関心があるといっても、妻と娘では重視するポイントが違う。車に同じく関心を持つ夫と息子においても同様のことが言える。即ち、各検討者において、検討分野ごとに関心程度が違うだけでなく、各評価項目についての重視度も異なるが、それらを考慮した適切な関数の設定により、最適な推奨を行うことが可能である。また、本発明の再試行モードにおいては、納得いかない推奨を導いた質問を検討者に提示するが、このような利用において、その提示は検討者間で意見のすり合わせや妥協を行うべき検討ポイントの提示に他ならない。
【０１０５】
従来技術では、複数検討者が検討者全体にとって最適な複数商品の選択を検討する場合において、条件の重ね合せによる選択肢の組合せの絞込みを行うことが一般的であろうが、それでは、何人かにとって極めて重要な評価項目が1人の反対によって無視されるようなことが発生し得るため、妥当とは言えない。仮に、線形計画法等の手法を用いて、金銭等の客観的評価値の和が最大となる商品組合せの提示を行ったとしても、主観的な評価項目が軽視されるおそれが大きい。また、推奨結果自体を提示できたとしても、それに検討者が不満な場合、検討者間で何について意見調整を行うべきかの情報を与えない。したがって、これまで複数検討者各々の見解に依拠しながら（多数派の意見を採用する等、集団の意見として統合せずに）、検討者全体にとって最適な複数商品の組合せをリアルタイムで推奨するといった、どのような検討支援システムも存在しなかった。これに対し、本発明は、好みなどの主観的な項目も含めて、各検討者の回答をこれまで述べたような様々な関数処理によって数値化した上で、検討者全体に対する推奨を行い、不満が残るかぎり調整ポイントを示しながら再試行を繰り返すため、複数検討者が検討者全体にとって最適な複数商品の選択を検討するという、実際の経済において最も重要な企業の意思決定に対し、本質的に寄与することが可能なのである。
【０１０６】
【発明の効果】
以上説明したように、本発明によれば、検討者のその分野における各評価項目についての重視度を加味した上で、選択候補の推奨を行うために、検討者の好みに近いより適切な推奨を行うことができるようになる。
【図面の簡単な説明】
【図１】本発明の選択検討支援システムが実現される運営者側のサーバと、検討者側の端末を表す全体図である。
【図２】本発明の選択検討支援システムの実施形態を表す詳細ブロック図である。
【図３】検討者の端末のディスプレイに表示される質問の初期画面の例である。
【図４】図３に続く、検討者の端末のディスプレイに表示される質問の画面例である。
【図５】図４に続く、検討者の端末のディスプレイに表示されるプレ質問の画面例である。
【図６】図５に続く、検討者の端末のディスプレイに表示される本質問の画面例である。
【図７】図６に続く、検討者の端末のディスプレイに表示される本質問の画面例である。
【図８】検討者の端末のディスプレイに表示される本質問の画面例である。
【図９】図８に続く 検討者の端末のディスプレイの画面例である。
【図１０】すべての質問に回答した後に、検討者の端末のディスプレイの表示される質問とその回答の一覧表の画面例である。
【図１１】検討者の端末のディスプレイの表示される推奨商品の一覧表の画面例である。
【図１２】検討者の端末のディスプレイに表示される再試行モードにおける再質問の画面例である。
【図１３】検討者の端末のディスプレイに表示される終了画面例である。
【図１４】図４において「すでに以前回答している」が選択された場合に続く検討者の端末のディスプレイの表示される画面例である。
【図１５】質疑応答データベースの構成例の一部である。
【図１６】推奨を受けたい商品が海外旅行の場合の、各本質問毎に、プレ質問で判明した検討者の商品の知識、推奨の使い方によってその質問を行うかどうかを定めた一覧表である。
【図１７】プレ質問の回答に応じて、質問必要度を算出する表である。
【図１８】商品データベースの構成例の一部である。
【図１９】季節に関する質問に対して回答する前までのトータル評価（推奨度）を説明する表である。
【図２０】季節に関する質問に対して回答した後のトータル評価（推奨度）を説明する表である。
【図２１】商品分野と評価項目の重み付けの表である。
【図２２】複数の検討者に対して算出された選択候補の推奨度と、それらの平均推奨度から求めた推奨順位を表す表である。
【図２３】複数の検討者に対して算出された選択候補の推奨度と、それらを各検討者の関心・利害の程度に基づいた重み付けにより加重平均した加重推奨度から求めた推奨順位を表す表である。
【図２４】複数の検討者に対して算出された重視度と、それらを各検討者の関心・利害の程度に基づいた重み付けにより加重した加重重視度と、加重重視度から求めた総合推奨度から求めた推奨順位を表す表である。
【符号の説明】
１ 選択検討支援サーバ
１１０ 質疑応答送受信部（受信手段）
１１２ 本質問決定部
１１４ 重視度推計部
１１６ 推奨度演算部
１１７ 提示部
１１８ 再試行処理部
【発明の属する技術分野】
本発明は、コンピュータや家庭用ゲーム機など、高速演算が可能で、データを格納しておける記憶手段を有する装置（以下、単に演算装置と記す）を利用して意志決定を支援する選択支援演算装置であって、少なくとも１つの分野において選択候補の中から少なくとも１つの選択を検討している検討者が、該検討分野において重視する項目を選択候補の評価に加味し、該検討者に最も推奨すべき選択候補を提示することができる選択支援演算装置に関する。
【０００２】
【従来の技術】
意志決定を支援する方法の一つの例として、消費者に対する商品推奨があるが、これには古くから情報誌のような印刷媒体が知られている。例えば、自動車雑誌やパソコン雑誌に見られるように、雑誌独自の採点基準による上位ランクの推奨商品を大きく紹介する形をとっているものや、いくつかの条件で読者をカテゴリー分けし、カテゴリー毎に最適の推奨商品を紹介するかたちをとっているものがある。
【０００３】
しかしながら、一般的な個人が使用することを前提にすると、印刷媒体の場合、情報を示す上で物理的限界があり、せいぜい１０００ページ程度にとどまるため、
（１）紹介できる商品の数に限りがあり、推奨は新商品や話題商品の中からでしか行われない、
（２）消費者についてのカテゴリー分けに限界が生じ、年齢、職業、購入目的などの通り一遍のものでしか分けられない、
という欠点があり、結果として、消費者一人一人に最適な商品を推奨するのはそもそも原理的に不可能であった。
【０００４】
かかる欠点を克服すべく、特開平０９−２０４４４５号公報に記載されているような、コンピュータを用いて商品を推奨するシステムも提案されている。この公報に記載された方法によれば、対象となる情報量は飛躍的に増大し、また、購入履歴や性格、好みまでをも含む、多岐にわたったパーソナルデータも作成できるので、より細かな検討者の分類に合った商品推奨が可能になる。
【０００５】
【発明が解決しようとする課題】
しかしながら、この方法は、検討者が商品に対して要望する条件等と、各商品の特性とをマッチさせ推奨商品を絞り込んで行くわけであり、提示された条件に該当する情報もしくは情報を含む文書、あるいは情報の存在するサイトなどを絞り込み検索する点で、インターネット上の検索エンジンと同じである。いくら細かく条件づけられたとしても、全ての条件は同列に扱われており、各々の条件に対して検討者がどの程度重視するかは検討者ごとに変化するにもかかわらず、その点は一切考慮されていない。
【０００６】
検索エンジンは、大量のインターネット上の情報から、検討者が必要とする情報を検索するものであるが、「キーワードで絞り込もうとしても、集まってくる情報が多すぎて絞込みにならない」（日本経済新聞２０００年８月２６日朝刊（プラス１）１４Ｓ面）現状があり、単なる無機質な検索の限界が見え始めてきた。
【０００７】
さらに、現在、グヌーテラ（Ｇｎｕｔｅｌｌａ）というソフトウェアにより、情報提供を許諾した人のパソコンから情報を検索し、入手することが可能となっている（『選択』２０００年８月号 ９８〜９９ページ参照）。検索エンジンが果たしてきた役割は実はこのグヌーテラと同様であり、所与の条件を満たすデジタル情報のありかを示すに過ぎず、その情報が、検討者それぞれにとってどれだけ有用であるかを判断することは無かった。単に提示条件による絞込みを行うだけの特開平０９−２０４４４５公報に記載されたシステムについても、この批判が当てはまることは自明である。
【０００８】
また、最近は資産額と運用姿勢を答えさせることによって、資産運用ポートフォリオを作成するｗｅｂページ（http://smartwoman.nikkei.co.jp/）も存在する。
【０００９】
しかし、このｗｅｂページでも質問への回答結果により、最適な資産運用方法の組み合わせを提示するのみであって、絞込検索と同様、回答結果にはユーザーがどの事項をどれだけ重視しているかは反映されていない。
【００１０】
以上に記したように、従来型の推奨方法は、本質的に検索エンジンを用いた方法と同様、検索者の要望する条件の重視度を反映できないという限界が存在する。その限界を具体的に示す事例として、海外旅行を推奨する場合をあげて説明する。
【００１１】
データとして、グァムは、海はそこそこ美しく、治安もそこそこよく、値段もそこそこ安い、とする。タヒチは、海は非常に美しく、治安はそこそこいいが、値段がやや高い、とする。フロリダは、海は非常に美しいが、治安は悪く、値段も非常に高いとする。
【００１２】
ある消費者が、「海がきれいで、治安がよく、値段も安い」海外旅行を希望したときには、従来方法では条件に合うか否かでカテゴライズを行うため、上記３条件を全て満たすグァムだけが推奨されるが、他は推奨されなくなる。しかし、それは上記３条件に対する消費者のこだわりが等しい場合には適切だが、そうでない場合、正しい推奨と言えるかどうかは非常に疑問の残るところである。
【００１３】
例えば、該消費者が、前記３条件の中で、特に重視する条件が「海の美しさ」であった場合、上記のグァムの推奨より、タヒチの推奨のほうが適切である可能性がある。だが、条件にマッチする商品をピックアップして推奨する、言い換えれば条件にマッチしない商品を除外していく従来方法ではグァム以外が推奨されることはない。
【００１４】
つまり、従来の推奨方法では、各評価項目に対する消費者の重視度を加味して商品評価を算出した結果を提示していなかった。このため、消費者のニーズによりマッチした選択肢が推奨されない場合が生じていた。
【００１５】
従来は、このように推奨結果に消費者が納得いかない場合、別の推奨結果を得るには、消費者は再度回答し直さなければならなかった。しかし、この場合、消費者は別の推奨結果を導くためにどの質問の回答をどのように変えなければいけないかをみずから推測しなければならず、また、そのようにして再回答により得られた検索結果にしても、消費者の各回答事項に対する重視度は依然として反映されていないという欠点があった。
【００１６】
さらには、従来の推奨方法では、「海のきれいさ」、「治安」、「値段」、「交通の便利さ」といった評価項目を互いに関連しない独立したものとして平等に扱っている。しかしながら、例えば、「治安」と「交通の便利」という項目は無関係とはいえず、両者の間には、治安が悪ければ交通が不便となり、治安が良ければ交通が便利となるといった相関関係が存在しうる。このように、評価項目の中には、互いに強さの異なる相関関係が存在しており、評価項目がすべて、完全に独立したものとは言い難い。したがって、互いに独立した無関係な評価項目として評価しようとすれば、推奨精度の高さには限界が生じる。
【００１７】
このように、消費者が漠然として商品に対して抱く希望には、複数の評価項目が複雑に絡み合っており、単純な評価の合計では推奨が不適切な場合がある。逆に、多面的な複数の質問に対する回答を消費者から得ることで、ある１つの評価項目に対するその消費者が抱く真の重視度が導き出されることもある。
【００１８】
本発明は以上のような課題に鑑みなされたもので、その目的は、少なくとも一つの分野において選択を検討している検討者に対して、各検討者が評価項目に対して持つ重視度を考慮し、その検討者が納得いく選択決定を支援することができるような選択支援演算装置を提供することである。
【００１９】
【課題を解決するための手段】
発明者は、かかる課題を解決すべく鋭意研究した結果、コンピュータ等の演算装置を用いて、（１）非常に膨大な種類の選択候補を参照でき、（２）質問への回答から検討者の重視度を決定し、（３）重視度を加味して演算した推奨度で、検討者のこだわりを含めたニーズに最適な選択候補を求めることによって、当初の目的を達成する発明を得た。さらに、（４）求められた選択候補に検討者が納得いかない場合、原因を特定して再回答を求め、（５）再回答によって選択候補の推奨度の再演算を行うことによって、当初の目的を達成する発明を得た。
【００２０】
即ち、本発明は、少なくとも１つの選択候補データを格納しておける記憶手段を有し、ある少なくとも１つの分野において選択候補の中から少なくとも１つの選択候補の選択を検討している者（以下、検討者と記す）に推奨するべき選択候補データを選択する選択支援演算装置であって、
前記記憶手段には、該検討分野における少なくとも１つの選択候補データと、各選択候補データに対する少なくとも１つの評価項目についての評価データとが関連付けられて格納され、さらに検討分野に関する少なくとも１つの本質問について本質問データと選択肢データと各選択肢データに対応する点数で表された回答データとが関連付けられて格納され、さらに回答データから該検討者が該検討分野における各評価項目をどれだけ重視するかを表す重視度を算出するための重視度算出関数が各評価項目に対応して格納され、さらに各選択候補データに対する各評価項目についての評価データと重視度から各選択候補の推奨度を算出するための推奨度算出関数が格納され、
前記記憶手段から該検討分野に関する少なくとも１つの本質問データを選択し、該本質問に対する検討者の少なくとも１つの回答を表す選択肢データを受け付ける受信手段と、
前記記憶手段に格納された各評価項目に対応する重視度算出関数を読み出して、前記受け付けた選択肢データに対応する回答データと該読み出した重視度算出関数を用いて各評価項目に対する該検討者の重視度を演算する重視度推計手段と、
前記記憶手段に格納された推奨度算出関数を読み出して、その推奨度算出関数を用いて前記記憶手段に格納された該検討分野における各選択候補データに対する各評価項目についての評価データと、前記重視度推計手段で演算された各評価項目に対する該検討者の重視度から、各選択候補に対する推奨度を演算する推奨度演算手段と、
前記推奨度演算手段で演算された選択候補に対する推奨度及び／または選択候補の推奨度の比較結果をそのまままたは加工して提示する提示手段と、
を備え、
前記記憶手段には、さらに、プレ質問の各選択肢データに対応して各本質問内容に関する必要度の点数が関連付けられて格納されており、
前記受信手段は、さらに、少なくとも１つのプレ質問に対する選択肢データを受け付けて、そのプレ質問の選択肢データに対応する各本質問内容に関する必要度を得て、必要度が基準を満たしている本質問データをその後の本質問として決定する本質問決定手段を備えることを特徴とする。
検討分野に関する少なくとも１つの本質問に対する検討者の回答データを受け取ることにより、直接的または間接的にその検討者がその分野における少なくとも１つの評価項目のうちの何を重要と考え、何をそれほど重要と考えていないかが把握できる。これにより各評価項目についての重視度を推計し、この推計された重視度と、各選択候補データに対する評価項目についての評価データとから各選択候補についての推奨度を演算する。このようにして、検討者が各評価項目に対して重要と考える重視度が加味されるために、検討者のニーズによりマッチした選択候補を推奨することができるようになる。
また、ある一定の推奨度以上のものに限定して表示したり、または推奨度の順に提示することにより、検討者に各選択候補の推奨度をわかりやすく示すことができる。勿論、最も高い推奨度となった選択候補を単純に提示するだけであってもよい。
【００２１】
また本発明は、少なくとも１つの選択候補データを格納しておける記憶手段を有し、ある少なくとも１つの分野において選択候補の中から少なくとも１つの選択候補の選択を検討している者（以下、検討者と記す）に推奨するべき選択候補データを選択する選択支援演算装置であって、
前記記憶手段には、該検討分野における少なくとも１つの選択候補データと、各選択候補データに対する少なくとも１つの評価項目についての評価データとが関連付けられて格納され、さらに検討分野に関する少なくとも１つの質問について質問データと選択肢データと各選択肢データに対応する点数で表された回答データとが関連付けられて格納され、さらに回答データから該検討者が該検討分野における各評価項目をどれだけ重視するかを表す重視度を算出するための重視度算出関数が各評価項目に対応して格納され、さらに各選択候補データに対する各評価項目についての評価データと重視度から各選択候補の推奨度を算出するための推奨度算出関数が格納され、
前記記憶手段から該検討分野に関する少なくとも１つの質問データを選択し、該質問に対する検討者の少なくとも１つの回答を表す選択肢データを受け付ける受信手段と、
前記記憶手段に格納された各評価項目に対応する重視度算出関数を読み出して、前記受け付けた選択肢データに対応する回答データと該読み出した重視度算出関数を用いて各評価項目に対する該検討者の重視度を演算する重視度推計手段と、
前記記憶手段に格納された推奨度算出関数を読み出して、その推奨度算出関数を用いて前記記憶手段に格納された該検討分野における各選択候補データに対する各評価項目についての評価データと、前記重視度推計手段で演算された各評価項目に対する該検討者の重視度から、各選択候補に対する推奨度を演算する推奨度演算手段と、
前記推奨度演算手段で演算された推奨度の上位の選択候補を推奨度の順番に従って提示する提示手段と、
該提示された選択候補の中で検討者がより上位または下位にするべきとして選択した選択候補データを受け付ける手段と、
上位にするべきとして選択された選択候補データに対して推奨度算出関数の評価項目毎の項を該評価項目についての重視度と評価データとを用いて演算し、該評価項目毎の項の値が下位の少なくとも１つの評価項目を抽出し、その評価項目に対応する重視度を算出した重視度算出関数に使用される回答データに関連付けられた質問データを抽出し、または、
下位にするべきとして選択された選択候補データに対して推奨度算出関数の評価項目毎の項を該評価項目についての重視度と評価データとを用いて演算し、該評価項目毎の項の値が上位の少なくとも１つの評価項目を抽出し、その評価項目に対応する重視度を算出した重視度算出関数に使用される回答データに関連付けられた質問データを抽出し、
該抽出された質問データに対する検討者の回答を表す選択肢データを再度受け付け、その選択肢データに対応する回答データと、前記先に受信手段により選択され前記抽出されなかった質問データに対する検討者の回答を表す選択肢データに対応する回答データとを用いて、重視度及び推奨度を再演算する再試行処理手段と、
を備えることを特徴とする。
検討分野に関する少なくとも１つの質問に対する検討者の回答データを受け取ることにより、直接的または間接的にその検討者がその分野における少なくとも１つの評価項目のうちの何を重要と考え、何をそれほど重要と考えていないかが把握できる。これにより各評価項目についての重視度を推計し、この推計された重視度と、各選択候補データに対する評価項目についての評価データとから各選択候補についての推奨度を演算する。このようにして、検討者が各評価項目に対して重要と考える重視度が加味されるために、検討者のニーズによりマッチした選択候補を推奨することができるようになる。
また、検討者が納得いかない場合に、既回答項目すべてに回答しなおすのではなく、納得いかない選択候補の提示の原因となった回答項目のみを回答しなおすだけで、検討者の納得いく選択候補の推奨を行うことができる。そして検討者の納得のいく推奨を行うことができるようになる。
【００２２】
また本発明は、少なくとも１つの選択候補データを格納しておける記憶手段を有し、ある少なくとも１つの分野において選択候補の中から少なくとも１つの選択候補の選択を検討している者（以下、検討者と記す）に推奨するべき選択候補データを選択する選択支援演算装置であって、
前記記憶手段には、該検討分野における少なくとも１つの選択候補データと、各選択候補データに対する少なくとも１つの評価項目についての評価データとが関連付けられて格納され、さらに検討分野に関する少なくとも１つの質問について質問データと選択肢データと各選択肢データに対応する点数で表された回答データとが関連付けられて格納され、さらに回答データから該検討者が該検討分野における各評価項目をどれだけ重視するかを表す重視度を算出するための重視度算出関数が各評価項目に対応して格納され、さらに各選択候補データに対する各評価項目についての評価データと重視度から各選択候補の推奨度を算出するための推奨度算出関数が格納され、
前記記憶手段から該検討分野に関する少なくとも１つの質問データを選択し、該質問に対する検討者の少なくとも１つの回答を表す選択肢データを受け付ける受信手段と、
前記記憶手段に格納された各評価項目に対応する重視度算出関数を読み出して、前記受け付けた選択肢データに対応する回答データと該読み出した重視度算出関数を用いて各評価項目に対する該検討者の重視度を演算する重視度推計手段と、
前記記憶手段に格納された推奨度算出関数を読み出して、その推奨度算出関数を用いて前記記憶手段に格納された該検討分野における各選択候補データに対する各評価項目についての評価データと、前記重視度推計手段で演算された各評価項目に対する該検討者の重視度から、各選択候補に対する推奨度を演算する推奨度演算手段と、
前記推奨度演算手段で演算された推奨度の上位の選択候補を推奨度の順番に従って提示する提示手段と、
該提示された選択候補の中で検討者がより上位または下位にするべきとして選択した選択候補データを受け付ける手段と、
上位にするべきとして選択された選択候補データに対して推奨度算出関数の評価項目毎の項を該評価項目についての重視度と評価データとを用いて演算し、該評価項目毎の項の値が下位の少なくとも１つの評価項目を抽出し、抽出した評価項目の評価値に予め決められた所定オフセット量を加算し、または、下位にするべきとして選択された選択候補データに対して推奨度算出関数の評価項目毎の項を該評価項目についての重視度と評価データとを用いて演算し、該評価項目毎の項の値が上位の少なくとも１つの評価項目を抽出し、抽出した評価項目の評価値に予め決められた所定オフセット量を減算する再試行処理手段と、
を備えることを特徴とする。
検討分野に関する少なくとも１つの質問に対する検討者の回答データを受け取ることにより、直接的または間接的にその検討者がその分野における少なくとも１つの評価項目のうちの何を重要と考え、何をそれほど重要と考えていないかが把握できる。これにより各評価項目についての重視度を推計し、この推計された重視度と、各選択候補データに対する評価項目についての評価データとから各選択候補についての推奨度を演算する。このようにして、検討者が各評価項目に対して重要と考える重視度が加味されるために、検討者のニーズによりマッチした選択候補を推奨することができるようになる。
また、検討者が再検討してもなお質問に対する回答は再試行モードになる前と同じとなる場合に、検討者の持つ商品評価と評価データベース上での商品評価との間にずれがあると考えられるので、この評価データベース上での商品評価を変更することができる。そして検討者の納得のいく推奨を行うことができるようになる。
【００２３】
前記記憶手段には、受信手段で受け付けた検討者の選択肢データに対応する回答データから各評価項目についての重視度を算出するための重視度算出関数を格納しておくことにより、多様で複雑な重視度算出を行うことができ、多様な質問から検討者の各評価項目に対する多様で複雑な重視度のありかたを把握することができるようになる。検討者に対する質問としては、１つのある重視度を直接的に尋ねる質問や、間接的に重視度が導き出せる質問などとすることができる。そして、複数の質問に対する回答データから１つの重視度を導き出したり、または、１つの質問に対する回答データを複数の重視度を導き出すのに用いることもできる。このように、重視度算出関数を用いて重視度の算出を行うことにより、検討者の多様で複雑な重視度を算出することができるようになる。
【００２４】
前記記憶手段には、各選択候補データに対する各評価項目についての評価データと重視度から各選択候補の推奨度を算出するための推奨度算出関数を格納する。推奨度算出関数としては、評価データと重視度の単なる線形関数とすることもできるが、それ以外に、対数関数、指数関数、べき関数及びこれらの組み合わせ、その他任意の関数とすることができ、複数の評価項目に関する項を加算する以外に乗算したり、対数関数、指数関数、べき関数などの関係とすることもできる。このような推奨度算出関数を格納しておくことにより、各評価項目に対する多様で複雑な重視度に基づく、より精度の高い推奨度算出を行うことができるようになる。評価項目としては、互いに独立でなく相関関係があるような評価項目や、重み付けが等しくない評価項目を用いることができるようになる。また、重視度の増減により推奨度が複雑に変化するような場合でも、正確な推奨度を算出することができるようになる。
【００２６】
前記重視度推計手段及び前記推奨度演算手段は、各質問に対する選択肢データを受信手段で受け付ける毎に、各評価項目に対する重視度及び各選択候補に対する推奨度を演算するものであり、前記提示手段は、各質問に対する選択肢データを受信手段で受け付ける毎に、検討分野における全選択候補データの推奨度をそのまま及び／または加工して提示することができる。
【００２７】
前記推奨度演算手段は、単一または複数分野において各選択候補データに対する推奨度を演算し、単一または複数分野における複数の選択候補データの各組み合わせに対して、各組み合わせを構成する該複数の選択候補データの推奨度から各組み合わせに対する推奨度を演算してもよい。この場合、複数の選択候補データの組み合わせの推奨に適合した、単独の選択候補を推奨する場合とは異なりうるアルゴリズムで重視度推計手段が重視度及び／または推奨度演算手段が推奨度を求めて、複数の選択候補データの組み合わせごとに、推奨度を検討者にそのまま及び／または加工して提示することができる。これにより、単一分野において一つの選択候補を推奨する場合では最上位もしくは最上位に準ずるものとして推奨したものを、複数の選択候補の組み合わせの推奨においては、最上位もしくは最上位に準ずるものとしての推奨に含まない、または、一つの選択候補を推奨する場合では最上位もしくは最上位に準ずるものとして推奨しなかったものを、複数の選択候補の組み合わせの推奨においては、最上位もしくは最上位に準ずるものとしての推奨に含むことがありうる。また、複数分野における複数の選択候補の組み合わせの推奨においては、おのおのの分野における単数または複数の組み合わせの推奨結果と異なることがありうる。
【００２８】
また、前記推奨度演算手段は、複数検討者が、単一または複数分野における選択候補の中から少なくとも１つの選択候補の選択を行っている場合において、各検討者個々の回答データに基づき得られた各分野における各評価項目に対する各検討者の重視度に基づいて、検討者全体にとっての推奨度を演算してもよい。こうして、検討者全員にとって最適な選択候補を推奨することができるようになる。
【００２９】
前記選択支援演算装置は、サーバで構成してもよく、該サーバが検討者の端末と通信回線で結ばれており、該端末がサーバにアクセスすることによって、該端末に前記全選択候補データの推奨度をそのまま及び／または加工して提示することにしてもよい。
【００３０】
また、検討者の回答データを、再利用可能な形式で保存、格納することができる媒体を備える及び／または媒体を利用可能とすることができる。
【００３２】
【発明の実施の形態】
以下、図面を用いて本発明の実施の形態を説明する。尚、本発明は明細書内で説明する実施形態に限定されることなく、特許請求の範囲内で種々の変形が可能である。
【００３３】
図１は、本発明の選択支援演算装置の実施形態を表す全体図である。システム１００は、図１に示すような、選択支援演算装置としての選択検討支援サーバ１を有しており、このサーバ１内の記憶手段１０５に、検討者の選択決定を支援するために必要なデータが格納されている。この選択検討支援サーバ１は、インターネット等の回線２に接続されており、電話回線及びプロバイダを経由してインターネット等の回線２に接続可能となった検討者のコンピュータ、無線機器、家庭用ゲーム機等の端末３から、その回線２を介して、そのサーバ１内の記憶手段１０５に格納された質問を、その端末３のディスプレイ４に表示すると共に、その質問に対する回答信号を回線２を介して受信して、その回答信号に基づき、サーバ１が演算を行うようにしている。以下は、図１の回線２を用いたシステムについて説明し、選択検討支援システムを提供及び／または運営する者を、特に運営者と記し、本実施形態では、検討者は、運営者が用意する質問に回答していくものとする。勿論、質問自体は、運営者と検討者との間の会話、印刷物の送付、コンパクトディスクまたはフレキシブルディスクなどの記録媒体の送付によって質問を検討者へ伝達することもできるが、この実施形態のように、システム１００のサーバ１内の記憶手段１０５に格納された質問を回線２を通して検討者の端末３のディスプレイ４に表示する方法を採用すると、（１）質問への回答内容から、以降の質問内容を決定する質問フローが容易に実現可能である点、（２）運営者の手間が軽減できる点、（３）検討者の端末３が用意すべきディスク容量を少なくできる点等で好ましい。
【００３４】
また、このサーバ１は、サーバ１のＣＤドライブまたはフレキシブルディスクドライブなどの読取装置から、コンパクトディスクまたはフレキシブルディスクなどの記録媒体に格納されたプログラムを読みとって、サーバ１のハードディスクにコピーすることによって、動作するものであってもよい。また、記録媒体としては、上記の他に、ＤＶＤ等の光学記録媒体、ＭＤなどの磁気記録媒体、またはＩＣカードなどを用いることもできる。
【００３５】
検討者の回答する方法は何であってもよいが、システム１００のコンピュータシステムでその回答をデータとして利用できるように、その回答内容が記録される必要がある。図３に示すように、検討者の端末３のディスプレイ４に表示された、例えば、符号６で示した質問に対して、該当する回答を検討者がマウスでクリックしたり、キーボードから回答を入力したりするなどして回答内容を検討者の端末３の記憶媒体に格納するか、回線２を通じて運用者の選択検討支援サーバ１内の記憶手段１０５に格納する。この実施形態では、検討者が端末３にその回答信号を入力する毎に、その回答信号が回線２を通じて選択検討支援サーバ１へと送信される。
【００３６】
図２は、選択検討支援サーバ１の詳細ブロック図である。この選択検討支援サーバ１は、回線２を介して接続された端末３とのデータの入出力の制御を行う入出力制御回路１０２と、ＣＰＵ、ＲＯＭ、ＲＡＭ等を有し、データの転送、演算、一時的なデータの格納、メインプログラムの格納を行う制御回路１０４と、ハードディスクのような記憶手段１０５と、を有している。記憶手段１０５には、各種プログラムが格納されており、この中のプログラムに基づき、選択検討支援システムが動作する。この選択検討支援システムによる一連の選択検討支援処理を実行する選択検討支援プログラムとして、選択検討支援サーバ１を、質疑応答送受信部１１０と、重視度推計部１１４と、推奨度演算部１１６と、提示部１１７と、再試行処理部１１８として機能させるためのプログラムが備えられている。質疑応答送受信部１１０は、選択検討支援サーバ１を、さらに本質問決定部１１２として機能させるためのプログラムを有する。
【００３７】
さらに、選択検討支援サーバ１の記憶手段１０５には、検討者の選択決定を支援するために必要なデータを格納する各種データベースが設けられる他、質問画面等を表示するための表示ファイル、画像ファイル、動画ファイル、音声ファイル等が格納されている。各種データベースとしては、検討者へ施す質問及びその回答選択肢のデータが格納された質疑応答データベース１４０、プレ質問データベース１４１、選択候補である商品の評価項目が格納された商品データベース１４４、回答データベース１４６、重視度算出関数データベース１４８、推奨度算出関数データベース１５０、検討者データベース１５４、等が設けられる。
【００３８】
以下、説明をより具体的にするために、商品（サービスも含む、以下同じ）の購入を検討する検討者にその商品の検討の支援を行うシステムであるとし、具体的には、検討者は海外旅行に関して推奨を受けることを目的として、回線２を用いてシステム１００にアクセスしているものとする。
【００３９】
以上のように構成される選択検討支援システムにおいて、上記各機能の作用及びそのデータベースの詳細について、以下に説明していく。
【００４０】
図３は、回線２を介して質疑応答送受信部１１０から送信された検討者の端末３のディスプレイ４に表示された質問の初期画面の例である。質問は任意の方法で検討者に投げかけることができるが、図３に示すようにシンボルキャラクタ９からふきだしが出てふきだしの中に文字が表示されても良く、または、シンボルキャラクタ９が話しかけているように、音声で表現されても良い。初期質問は、選択支援を得たい商品種類、即ち分野の選択を促すものである。ここでは、前述の前提に基づき、検討者は、マウスカーソル７を「海外旅行」のアイコン８に合せてクリックしたものとする。
【００４１】
ここで、検討者に特別の資格などは不要なので、検討者を特定しようとする操作は基本的には不要であるが、誰が何時回答した等の情報は、後に再計算したり、データを再利用したりするときに便利なので、検討者情報は識別番号及びパスワードなどで特定できるようにするのが好ましい。そのために、図３の画面を表示する前に、検討者から識別番号及びパスワードの入力を促す画面を表示するとよく、または、初めての利用者には、利用後、識別番号及びパスワードを付与し、検討者データベース１５４に検討者の識別番号、パスワードを格納しておくとよい。以前に回答された回答データは、回答データベース１４６に、その検討者の識別番号と関連付けて格納されている。
【００４２】
図３の画面で商品種類が選択されると、次に、図４に進み、当該商品の推奨に関する質問について、「すでに以前回答している」または「今回初めて回答する」の選択を促す。「すでに以前回答している」が選択された場合は過去に記録されたデータを回答データベース１４６からロードする。
【００４３】
図４で、「今回初めて回答する」が選択されると、プレ質問が始まる。プレ質問は、前提となるような質問を１つまたは幾つか検討者に行い、その回答に応じて、以降の膨大な質問群の中からその検討者に適した質問を抽出するために行うものである。プレ質問データベース１４１には、プレ質問が格納されている。質疑応答送受信部１１０の本質問決定部１１２では、プレ質問データベース１４１からプレ質問を抽出する手段と、その質問とそれに対応する選択肢を質問画面ファイルに埋め込む手段と、質問画面ファイルを送信する手段と、検討者からの回答を受信する手段を有する。例えば、図５に示すように、プレ質問として、検討者の商品についての知識や推奨の使い方を最初に質問することによって、「商品をよく知っていて、推奨は購入の参考程度にする」（タイプＩ）、「商品をよく知っていて、推奨を重視する」（タイプＩＩ）、「商品はあまりよく知らないが、推奨は購入の参考程度にする」（タイプＩＩＩ）、「商品はあまりよく知らず、購入時は推奨を重視する」（タイプＩＶ）という４個のタイプに検討者を区分する。尚、プレ質問は、商品種類毎に用意されていてもよく、図３で選択された商品種類に応じて選択されるようにしてもよい。
【００４４】
質疑応答送受信部１１０の本質問決定部１１２は、図５で示した画面の回答を受信すると、選択された商品種類及び商品についての知識や推奨の使い方のタイプの区分に応じて、質疑応答データベース１４０から行うべき質問群を抽出する手段を有する。質疑応答送受信部１１０は、各質問毎に、その質問とそれに対応する選択肢を質問画面ファイルに埋め込んで、質問画面ファイルを送信すると共に、検討者からの回答を受信する。例えば、質疑応答データベース１４０には、図１５に示すように、予め膨大な質問群が格納されており、質問毎に質問ＩＤ（ＱＩＤ）、質問の内容（Ｑ）、その質問の種別Ｔ、その質問に対する選択肢（Ａ１、Ａ２、・・・）及びその選択肢が選択されたときに後述の重視度を算出するのに用いられる回答データ（Ｄ１、Ｄ２、・・・）が用意されている。質問の種別Ｔは、上述に挙げた事例では、プレ質問によって区分される４個の検討者のタイプ（Ｉ、ＩＩ、ＩＩＩ、ＩＶ）に対して質問するかどうかを表す種別となっている。例えばタイプＩに対してのみする質問は種別Ｔ1000、タイプＩＩに対してのみする質問は種別Ｔ0100、タイプＩＩＩに対してのみする質問は種別Ｔ0010、タイプＩＶに対してのみする質問は種別Ｔ0001、タイプＩ及びＩＩに対してする質問は種別Ｔ1100、・・・全タイプに対してする質問は種別Ｔ1111とする。どのタイプにもたずねない質問はありえないので、種別の個数としては２4−１個となる。具体的に海外旅行を例に取れば、図１６で一覧表で例示したように、各本質問ごとに、その質問の性質によって、タイプＩ、ＩＩ、ＩＩＩ、ＩＶの内のどのタイプにその質問を行うかで対応する種別に割り当てることができる。
【００４５】
このようにプレ質問を行うことによって、それぞれの検討者の商品についての知識や推奨の使い方に応じて、膨大な質問群の中からふさわしい質問を選択することができる。すなわち、商品を良く知っている人には、その商品について、経験や具体的な関心を質問することに意味がある。また、初歩的な質問は省略して、高度な質問のみを行うようにして検討者の回答の手間を省くようにする。反面、商品をあまり知らない人には、どのような属性・指向を持つタイプがどのような旅行先を望むかを訪ね、統計データに従った推奨を行うのが妥当であろう。また、推奨の使い方が参考程度の人に対しては、その人に新鮮な選択肢を提示することが推奨の目的となる。そのような人には、ある程度、変わった角度からの質問を盛り込まないと、常識的でつまらない選択肢しか提示できないからである。一方、推奨結果を重視して選択しようとする人は、安全なオーソドックスな選択肢を示すべきであり、奇を衒った質問は意味がない。さらに他のプレ質問を追加することで、より詳細・精緻な質問の選択が可能となる。
【００４６】
また、図１５のように本質問を、予めプレ質問の回答に応じてタイプに分類しておく方法のほかに、本質問決定部１１２は、各本質問事項について、例えば質問必要度というようなパラメータを計算するものであってもよい。まず、予め各本質問をその尋ねる内容から分類しておく。例えば、「初めていく場所か、行き慣れた場所かどちらがいいか？」と言う本質問は、目的地に関する本質問に分類される。そして、その本質問の必要度をＮ（目的地）とし、プレ質問（ｎ０、ｎ１、ｎ２、ｎ３…）のそれぞれの答え（例えば、上述のユーザー４区分質問ｎ０に対する、４通りの回答をｎ０１、ｎ０２、ｎ０３、ｎ０４とする）に、それぞれ、Ｎ（目的地）に対応する点数（表記法としては、ｎ０１（目的地）、ｎ０２（目的地）、ｎ０３（目的地）、ｎ０４（目的地）とする）が付与されているものとした場合、一例として、図１７に示したように、プレ質問ｎ０に対する検討者の回答がｎ０１、プレ質問ｎ１に対する検討者の回答がｎ１３、プレ質問ｎ２に対する検討者の回答がｎ２３…とすると、Ｎ（目的地）＝ｎ０１（目的地）＋ｎ１３（目的地）＋ｎ２３（目的地）＋…という式で表すことができる。この点数の加工は、上記の式のような単純な加算だけではなく、さまざまな方法をとってもよい。そして、プレ質問が終了したとき、算出された必要度Ｎ（質問の分類）がある一定の基準を満たす本質問を検討者に尋ねるものとして選択してもいいし、必要度Ｎの大きい順にいくつかの本質問を選んでもよい。
【００４７】
このように必要度を計算することによって本質問を決定する方法のほうが、図１６で示すような、尋ねる本質問のリストを予め用意するやり方より、プレ質問の数が増えたとき予め用意する本質問のパターン数が膨大にならずに、作成に手間がかからず、システムへの負荷が小さくでき、また、運営者の考え方に変化があったとき、適切・迅速に反映させることができる、という点で好ましい。
【００４８】
こうして、プレ質問が終了すると、次に、図６〜図９の例に示したように、プレ質問の回答によって質疑応答データベース１４０から選択した質問と回答の選択肢を順次表示し、検討者にその回答を促す。図６の例では、検討者は、海外旅行の経験は１〜２回であると選択しており、図７の例では、憧れの国のある地域をアジアと選択している。
【００４９】
後述の重視度推計部１１４及び推奨度演算部１１６は、質疑応答送受信部１１０で各質問及び選択肢を検討者の端末３に送信して、端末３のディスプレイ４に表示させ、その回答を受信する間、常時起動しており、回答を受信する度に、重視度及び推奨度の演算を行い、その時点における各商品のトータル評価（推奨度）を算出する。例えば図８において提示部１１７は、その順位を暫定順位１２として、表示している。各質問に対する回答を受信する毎に、重視度及び推奨度の再演算を実行し、商品の再トータル評価（推奨度）に応じて、図９に示すように、商品の順位を変更している。勿論、全ての質問が終了し、全ての回答を受信した後にこれらの重視度推計部１１４及び推奨度演算部１１６が起動し、重視度及び推奨度の推計を行って、商品のトータル評価（推奨度）を算出するようにしてもよい。
【００５０】
ディスプレイ４には、質問に対する選択肢のほかに、図６に示すようにクリックすれば一つ前の質問に戻れるアイコン１０が表示されても良い。これによって、誤答や考え直しがあったときに、容易に回答を修正することが可能となる。
【００５１】
本質問も、ディスプレイ４の表示形式はプレ質問と基本的に変わらない。図６〜図９は、本質問の一例である。質疑応答送受信部１１０は、前記プレ質問によって区分されたタイプに応じて質疑応答データベース１４０の中から本質問決定部１１２によって抽出された質問群について質問ＩＤの小さい順に、順次、質問及びそれに対応する選択肢を引き出して、それらのデータを質問画像ファイルに埋め込み送信し、回答を受信する。本質問においては、順番を特に変更することなく、順番どおり質問していくことができる。しかしながら、これに限るものではなく、検討者からの回答によっては、次に行う質問を変化させることとしてもよく、その場合には、質疑応答データベース１４０に前の質問の回答によって次の質問ＩＤが決定されるフローチャートを格納しておき、このフローチャートにより、その次の質問ＩＤを参照するようにするとよい。
【００５２】
回答された選択肢は、一時的に制御回路１０４に格納される。格納されるデータとしては、検討者に行った質問ＩＤと、その質問に対する回答と、その回答に対応し重視度の推計に用いられる回答データ（Ｄ０、Ｄ１、Ｄ２、…）とがあり、これらは互いに関連付けられて格納される。一般的に、質問が何かの程度を問うものであり、複数回答が有り得ないまたは複数回答を許可しない質問である場合（図６の例が該当する）には、格納される回答データ（Ｄ０、Ｄ１、Ｄ２、…）は、その程度の大小を表す数値となっている。一方、質問が選択肢の中からいずれかを選択させることを求めるものであり、複数回答も許可する質問である場合（図７、図８の例が該当する）には、格納される回答データ（Ｄ０、Ｄ１、Ｄ２、…）は、選択された選択肢を識別する数値となっているとよい。
【００５３】
重視度推計部１１４は、受信した検討者の回答結果により、その検討者が商品に対するどの評価項目を重視するかを表す重視度を求める機能を持つものであり、選択肢データに対応する回答データから記憶手段１０５の重視度算出関数データベース１４８に格納された対応する重視度算出関数を読み出して、その重視度算出関数を用いて各評価項目に対する該検討者の重視度を演算する。評価項目は、商品種類毎に決められ、この例のように商品種類が海外旅行である場合、費用、安全、現地食事、現地移動手段、景観、季節重視度／各季節の魅力度、といった多数の評価項目が予め決められて商品データベース１４４に商品種類毎に格納されている。そして、各質問に対して回答選択肢の中からいずれかが選択される毎に、各評価項目Ｉiに対して、その検討者が持つ重視度が算出される。ある１つの質問に対する回答によって、ある特定の１つの評価項目に対する検討者の重視度が分かる場合もあるが、複数の質問に対する回答を有機的に組み合わせることによって、より適切に、ひとりひとりの検討者にマッチしたある特定の１つの評価項目に対するその検討者の重視度が分かる場合もあり、または、その逆に、１つの質問に対する回答によって、ある特定の複数の評価項目に対する検討者の重視度が分かる場合もある。また、質問の仕方の１つとして、その評価項目を重視するかどうか直接質問する方法がある。たとえば、検討者に対して「費用（Ｉm）を重視しますか？」という質問をした時、その重視度Ｐmは、「はい」ならＰm＝１、「いいえ」ならＰm＝０とおいたり、あるいはもっと回答の選択肢を多くして「たいへん重視する」ならＰm＝１、「そこそこ重視する」ならＰm＝０．７、「たいして重視しない」ならＰm＝０．３、「まったく構わない」ならＰm＝０とおくことができる。即ち、
【００５４】
【数１】
【００５５】
【数２】
【００５６】
しかし、それだけでなく、例えば、質問Ｑk：「食に対するこだわりが強いですか」、質問Ｑk+1：「日常の食生活を大切にしていますか」、質問Ｑk+2：「旅先で新しいもの、珍しいものに積極的にふれますか」、質問Ｑk+3：「健康状態、体調を考慮する事情がありますか」等の複数の質問を設定し、それぞれ「たいへん…（強い、大切にする、積極的である、強い事情がある）」、「やや…」、「たいして…ない」、「まったく…ない」の４個の選択肢を用意し、それぞれ回答データを、1．０，０．７，０．３、０という点数に対応させ、これら複数の質問の回答データの平均値をとって、現地食事（ｆ）の重視度Ｐfとすることが考えられる。即ち、
【００５７】
【数３】
Ｄk＝１ （Ａ０が選択されたとき）
＝０．７ （Ａ１が選択されたとき）
＝０．３ （Ａ２が選択されたとき）
＝０ （Ａ３が選択されたとき）
で、Ａ０とは「たいへん…する」の選択肢、Ａ１は「やや…」、Ａ２は「たいして…ない」の選択肢、Ａ３は「まったく…ない」の選択肢を表す。
【００５８】
しかし、重視度Ｐfを算出する場合において、質問Ｑk+3に対する回答データＤk+3の得点が高い場合はむしろ食道楽的な選択は避けるべきと考え、以下の式のような計算を施し、質問Ｑk+3に対する回答データＤk+3の得点が高い検討者の重視度Ｐfを、０．７あたりに誘導する式にしたほうが妥当ではないかと考えられる場合もある。即ち、
【００５９】
【数４】
【００６０】
また、質問Ｑk+2の「旅先で新しいもの、珍しいものに積極的にふれますか？」に対して回答データＤk+2が高い得点となった検討者に対しては、安全への重視度Ｐsがいくらか低くなるように計算される方が妥当かもしれない。このように、回答データＤkと重視度Ｐiに１対１対応だけでない多様な対応を認める式を設定することも可能である。
【００６１】
以上のように検討者の回答データＤkと重視度Ｐm、Ｐf、…との間には、評価項目に応じて、様々な関係が成り立つので、これらの関係を表す重視度算出関数ｐm、ｐf、…をすべて重視度算出関数データベース１４８において格納しておくことで、様々な計算上の工夫を用いてより適切に検討者の重視状況を反映することができる。この重視度算出関数に、各企業が行っているマーケティング調査の解析結果を取り込むことも可能である。こうして、複数の質問を有機的に組み合わせて、より適切な、よりひとりひとりの検討者にマッチした重視度の算出が可能となる。
【００６２】
重視度算出関数データベース１４８には、各評価項目Ｉiごとに、その重視度算出関数ｐiが格納されるが、１つの評価項目に単一の重視度算出関数とは限らず、ｐia、ｐib・・・など、複数の重視度算出関数を用いることもある。これは、プレ質問によって決まる検討者のタイプによって、またはそれまでの検討者の回答の仕方によって、検討者に行う質問が同じであるとは限らないからである。
【００６３】
なお、評価項目Ｉiの重視度を決定するために必要な回答データＤkが入力されるまでは、重視度には初期値（例えば０．５）をあらかじめ与えるものとする。この結果、検討者がすべての質問への回答を終了する前でも、その時点での各評価項目に対する暫定の重視度に基づき、その時点における各商品のトータル評価が可能となる。
【００６４】
重視度推計部１１４は、回答が返答されるたびにそれまでの検討者の回答履歴を蓄積している制御回路１０４及び重視度算出関数データベース１４８を参照しながら、重視度を推計する。
【００６５】
次に、推奨度演算部１１６は、重視度推計部１１４で求められた重視度を用いて、推奨する商品の順位を決定するべく、各商品についての推奨度を求めるものであり、記憶手段１０５の推奨度算出関数データベース１５０に格納された推奨度算出関数を読み出して、その推奨度算出関数を用いて記憶手段１０５の商品データベース１４４に格納された該検討分野における各選択候補データに対する各評価項目についての評価データと、重視度推計部１１４で演算された各評価項目に対する該検討者の重視度から、各選択候補に対する推奨度を演算する。
【００６６】
この推奨度を求めるために、商品データベース１４４は、各商品種類毎に設けられて、商品種類毎の推奨候補となる複数の商品を表す商品名等のデータが格納されると共に、各商品に対して各評価項目の評価のデータが予め格納されている。図１８は、その一例を示す。海外旅行の商品である旅行先Ｃｊ（一例として、Ｃ１＝グァム、Ｃ２＝ラスベガス、Ｃ３＝ニース、Ｃ４＝ハワイ、Ｃ５＝パリ、…）について、それぞれの評価項目に対する点数Ｅji（ｓｅ）（例えば０≦Ｅji（ｓｅ）≦１）が予め格納されている。これらの商品の評価は、各評価項目に対して唯一とは限らない。例えば、日本の場合、観光シーズンは長期休暇と重なる夏、あるいは冬であり、当然費用も高くなってくる。このように、費用、現地食事、景観などの評価項目の評価は季節によっても変化するために、各評価項目の評価を季節に依存するものとしており、ｓｅは、季節（春：ｓｐ、夏：ｓｕ、秋：ａｕ、冬：ｗｉ）を表している。
【００６７】
例えば、検討者が「行きたい季節は」という質問に対して、季節を一つだけ選んだ場合には、その季節の値がそれぞれ採用される。春（ｓｐ）を選んだならば、費用（Ｉm）のグァム（Ｃ１）の評価は、Ｅ1m（ｓｐ）となる。複数の季節を選んだ場合には、対応した評価の平均値が採用される。例えば、春と夏を選んだならば、費用のグァムの評価は、（Ｅ1m（ｓｐ）＋Ｅ1m（ｓｕ））／２と、春と夏の平均値が採用される。また、全く選ばれなかった場合、または、「行きたい季節は」という質問がなされる迄、またはその質問がなされない場合は、４つの季節の平均値が採用される。
【００６８】
また、季節の魅力度については、すべての季節の魅力度（Ｅ1se（ｓｐ）、Ｅ1se（ｓｕ）、Ｅ1se（ａｕ）、Ｅ1se（ｗｉ））の合計が１になるように設定することができる。例えば、図１８に示したように、グァムの場合の季節の魅力度として、春の魅力度Ｅ1se（ｓｐ）＝０．２、夏の魅力度Ｅ1se（ｓｕ）＝０．７、秋の魅力度Ｅ1se（ａｕ）＝０．１、冬の魅力度Ｅ1se（ｗｉ）＝０と設定することができ、図１８の場合、グァムに旅行するなら、夏が他の季節に比べて非常に魅力が高く、冬に旅行しても魅力はないと言うことを示している。
【００６９】
但し、この図１８の表のように季節毎の評価をすべて予め算出しておいて、すべて商品データベースに格納する方式だけではなく、各評価項目の評価を単一の値とし、これに対する補正値として、季節調整値を別途用意し、例えば、加減算処理することも可能である。
【００７０】
また、この図１８の表のような、季節をパラメータ化するほか、季節以外の他のパラメータにより、評価を調整することも可能である。
【００７１】
上記季節に関連して、季節重視度Ｐse（Ｐsp、Ｐsu、Ｐau、Ｐwi）を算出する重視度算出関数ｐseは、次の表で定義することができ、選択された季節の数によって、
【００７２】
【表１】
【００７３】
推奨度演算部１１６は、重視度推計部１１４で求めた検討者の各評価項目に対する重視度を考慮して、推奨度を求める点で、従来技術と異なっている。従来技術では、検討者によって何を重視するかが変わることを考慮せず、例えば、次の（１）式のように、単純に各項目の評価を合算するだけであったり、せいぜい検討者Ｘ氏が重視すると答えた項目のみの評価を合算する程度であった。即ち、検討者Ｘ氏が費用と安全を重視する場合には、グァムのトータル評価（推奨度）は、
【００７４】
【数５】
【００７５】
これに対して、本発明では、検討者Ｘ氏がどのような評価項目を重視するかという重視度を加えて、所定の関数によって推奨度を求める。推奨度を求める推奨度算出関数としては、任意の関数とすることができるが、例えば、一般的なものとして、
【００７６】
【数６】
【００７７】
【数７】
【００７８】
【数８】
【００７９】
このように推奨度と各評価項目についての重視度及び評価との間には、商品に応じて、また、各評価項目の性質及び互いの評価項目の相関度に応じて、様々な関係が成り立つので、これらの関係を表す推奨度算出関数ｆを予め商品毎に推奨度算出関数データベース１５０に格納しておくことで、様々な計算上の工夫を用いてより適切に検討者へ商品を推奨することができるようになる。
【００８０】
前述のように、重視度推計部１１４と推奨度演算部１１６は、すべての質問が終了しないうちから重視度及び推奨度を算出しており、各質問に対する回答が得られる毎に、再演算を行っているため、回答によって、推奨する商品が変化していく。図８及び図９に従って、より具体的に説明すると、図８は、検討者が、「行きたい季節は？」と言う問いに対して回答する前の状態を表し、ｆ（ハワイ）＞ｆ（ギリシャ）＞ｆ（グァム）＞ｆ（オーストラリア南部）が成立している。そこに、行きたい季節について、図９のように「夏」とのみ回答されると、表１の定義に従い、Ｐsu＝１、Ｐsp＝Ｐau＝Ｐwi＝０となり、図１８のＩse（季節の魅力度）の数値から、グァムの季節度に（Ｅ1se（ｓｐ）×０＋Ｅ1se（ｓｕ）×１＋Ｅ1se（ａｕ）×０＋Ｅ1se（ｗｉ）×０）＝０．７×１＝０．７が与えられる。
【００８１】
また、季節が選択されることにより、図１８の中で、すべての季節の平均値が採用されていた評価について、それぞれ選択された季節に対する評価が使用される。特に、前述のように、評価項目のうちの費用Ｅ1m、現地食事Ｅ1f、景観Ｅ1vは、季節による変動が大きい。行きたい季節について、「夏」とのみ回答されると、図１８の表に従い、Ｅ1mはＥ1m(su)に、同様にＥ1fはＥ1f(su)に、Ｅ1vはＥ1v(su)に、それぞれ調整されるなど、回答する前に比べると、さまざまな数値に変動がある。つまり、検討者が重視する季節により、旅行先の評価自体を見直す（調整する）必要がある。そこで、「行きたい季節は？」という質問に対する回答が入力されると、再計算の結果、かつ夏に旅行したほうがより好ましい地域の評価が上昇し、図９に示すように、グァムやメキシコのランクが上位に移動するのである。
【００８２】
以上を一般化、単純化したものを一例として表で説明すると、図１９及び図２０のようになる。図１９の表は、図８の状態に対応しており、検討者Ｘ氏が回答した景観の項目まではその回答に依存した重視度が表中に存在する。費用評価にかなりの差があるため、この時点では、旅行先Ｃjより旅行先Ｃj'のほうが総合評価が高い。しかし、図９のように「行きたい季節」として夏のみを選ぶと、対応する状態は、図２０の表のように変化する。尚、この例の場合、費用、現地食事及び景観のみの評価が季節によって変化するものとしており、その他の評価項目は季節によって変化はしないものとしている。夏を選択することにより、旅行先Ｃjの優位さが引き出され、それまで高かった旅行先のＣj'の評価を覆すわけである。
【００８３】
質疑応答送受信部１１０は、プレ質問によって選択されたすべての本質問を終ると、一時的に制御回路１０４に格納された検討者が回答したすべての質問とその質問に対する回答を抽出し、図１０に示すように、それらを一覧表示する。
【００８４】
検討者が再確認したい質問をチェック欄１３でチェックし、「再確認」ボタン１４を押すと図８と同様の画面になり、該当する質問が表示される。再確認したい質問がなければ、検討者は「確認不要」ボタン１５を押して進めることができる。
【００８５】
図１０で「確認不要」ボタン１５が押されると、次に進み、提示部１１７が選択候補の推奨度の一覧表を表示する。推奨度の高いものから選択候補を示す場合を図１１に示したが、この場合、検討者に提示するのが妥当と思われる順位の選択候補だけ、推奨度の上位から順に提示することになる。検討者が推奨商品の順位に納得いかない場合、検討者がその商品を「チェック欄」１６でチェックし、「再試行」ボタン１７を押すと、再試行処理部１１８が起動し、図１２に示す再試行モードに入る。
【００８６】
再試行処理部１１８は、推奨度演算部１１６で演算された選択候補の推奨度に対して、検討者が納得しない選択候補について、推奨度への寄与の大きい評価項目を選択し、その評価項目に対する重視度に影響を与える質問を抽出し、その質問に対して検討者が再回答の際に選んだ選択肢に対応する回答データに基づき重視度及び推奨度を再演算するもので、また、推奨度演算部１１６で演算された選択候補の推奨度に対して、検討者が納得しない選択候補について、推奨度への寄与の大きい評価項目を選択し、その評価項目について記憶手段１０５に格納された評価データに対して所定オフセット量を加算または減算するものである。画面の形式は図８や図９と同じ、質問の回答を受け付ける形で質問を表示するが、質問は次のようにして決められる。まず、納得いかないとしてチェックされた商品について、その推奨度を求める際に、寄与の大きい評価項目を選ぶ。検討者が、推奨された商品Ｃjについて、もっと下位にくるべきとのチェックを行った場合で、推奨度が前述の（２）式に基づいて決定されるならば、Ｐi×Ｅjiの項の値が上位（例えば上位５位）の評価項目を選び、重視度Ｐiに影響を与える質問を、「これらの質問に対するあなたの回答が、商品Ｃjの推奨度を高めました」として表示し、合わせて各質問においてＣjの推奨度を下げる選択肢を示す。逆に、推奨された商品Ｃjについて、もっと上位にくるべきとのチェックを行った場合で、推奨度が前述の（２）式に基づいて決定されるならば、Ｐi×Ｅjiの項の値が下位（例えば下位５位）の評価項目を選び、重視度Ｐiに影響を与える質問を、「これらの質問に対するあなたの回答が、商品Ｃjの推奨度を低めました」として表示し、合わせて各質問においてＣjの推奨度を上げる選択肢を示す。
【００８７】
そして、これらの質問の回答のみを受信した後、重視度の再計算を行う。検討者がこれらの質問を再検討した結果、その回答が、再試行モードになる前の回答と異なった場合には、新しい選択肢に対応するデータＤ’k、Ｄ’k+1、…に基づき、重視度Ｐiを算出し直して、各商品に対する推奨度を算出し直す。その納得がいかないとされた商品のトータル評価（推奨度）の決定に最も寄与する評価項目の重視度に関連する質問への回答が変わるために、推奨度が変化する。予想されることとしては、もっと下位にくるべきとのチェックを行った商品を上位に導くに至った重視度が下がるために、その商品のトータル評価（推奨度）が下がることが考えられる。逆に、もっと上位にくるべきとのチェックを行った商品を下位に導くに至った重視度が上がるために、その商品のトータル評価（推奨度）が上がると考えられる。そして、再び図１１に示すように、算出し直した推奨度の高い順に選択候補を示し、再び検討者からの入力を待機する。検討者が、算出し直された推奨商品の順位に満足した場合には、「ＯＫ」ボタン１８が押される。まだ、検討者がこの推奨商品の順位に満足していないときには、「再試行」ボタン１７が押される。この「再試行」ボタン１７が押された場合には、その再試行の推奨度を求める際に、その順位を導くに至った寄与度の大きい重視度を再び見直すように、再質問が行われる。
【００８８】
または、検討者が再検討してもなお、質問に対する回答は、再試行モードになる前の回答と同じとなる場合もある。この場合には、再試行処理部１１８は、重視度ではなく検討者が持つ商品評価と評価データベース上での商品評価との間にずれがあると考えられるので、この評価を自動的に変更することもできる。このときは、もっと下位にくるべきとのチェックを行った商品を上位に導くに至った評価項目の評価に、自動的に所定オフセット量を加算し、もっと上位にくるべきとのチェックを行った商品を下位に導くに至った評価項目の評価に、自動的に所定オフセット量を減算することなどが考えられる。多くの検討者において、このようなオフセットの調整が行われ、その総数が所定回を超えたときには、自動的に、商品データベース１４４の商品評価そのものを変更するように学習、最適化させていくこともできる。もちろん、安全性等のように個人的な感覚に依拠しない項目などについては、オフセット調整をあえて行わないこともありうる。
【００８９】
また、このように再試行モードで自らが納得いかない推奨を導いた自らの回答を知ることにより、提示された推奨の順位を変えるべくその回答を変更するか、回答をやはり正しいと考えて推奨を受け入れるかの検討を繰り返すことにより、検討者は検討分野において自分が何を切実に重視するかを改めて認識することができるようにもなる。
【００９０】
図１１の商品推奨画面で「ＯＫ」ボタン１８が選択されると図１３の終了画面になる。この時点で、検討者の回答結果と推奨が、回答データベース１４６または回答データベース１４６及び検討者の端末３の記憶手段に格納されるようにしてもよい。「ほかの商品を選択」のボタン１９を選択すると、図３の商品選択画面に戻る。
【００９１】
格納されたデータがある場合、検討者が図４において、「すでに以前回答している」を選択すると、図１４に示すように、格納されたデータをどう処理するかの問い合わせがされる。そして、回答データベース１４６に格納されていた回答結果がロードされる。ここで検討者が「最初からチェック」ボタン２１を選択すると、図６〜図９のような質問と選択肢が最初から１問ずつ表示される。「追加・訂正回答」ボタン２２を選択すると、図１０に示すような質問と回答の一覧が表示され、検討者は回答の追加・訂正を希望する質問についてチェックする。チェックされた質問については、図６〜図９のような質問と選択肢が表示される。
【００９２】
図１３を除く、全ての図上の「終了」のボタンがクリックされると、図１３の画面となり、それまでの回答結果、及び／または推奨がサーバまたは検討者の端末の記憶手段１０５に格納され、回答データベース１４６に格納される。回答データベース１４６には、検討者を特定する識別番号と共に質問ＩＤと、その質問ＩＤに対応する質問への回答と、回答データとが格納される。そのまま図１３の「終了」ボタン２０が押されると、サーバとの接続が解除され、システムが終了する。
【００９３】
回答データベース１４６に格納されたデータは、運営者側で、顧客データとして加工してもよい。加工の方法としては、年齢、性別などのファクターでまとめて一覧表のかたちにする、などが考えられる。そのデータは、アンケート調査同様、マーケティングデータとしての活用が可能である。
【００９４】
以上の説明は、１つの商品を選択することを念頭に置いている。しかしながら、「１年以内に２回の海外旅行をする場合」や、「１年以内に２台の自動車を購入する場合」など、複数の商品の選択を検討しようという場合には、推奨度の１位と２位との組み合わせという、単純な推奨は妥当でない場合がある。例えば、海外旅行であれば、検討者の嗜好・こだわりによって、「同じようなところに２回行きたい」か、「正反対のタイプのところに行きたい」か違ってくることになる。自動車であれば、１台は狭い道での小回りが利く日常用途の小型車、もう一台は小回りは利かないものの、多くの人荷を積める大型車、という選択があり得る。
【００９５】
したがって、複数の商品の組み合わせを推奨する場合には、個々の選択候補間の類似度、相反度などを算出する関数と、検討者の意向との関係を算出する関数とを盛り込む方法などが考えられる。例えば、相反度は、
【００９６】
【数９】
【００９７】
複数の商品の組み合わせとしては、同種の商品ではなく、異種商品間の組み合わせとすることもできる。以下はその一例である。
・資産の運用：現在の資産を、検討者の人生設計を元にして、土地、株、長期債権、預金などに配分する割合を推奨する。
・カーライフ：自動車そのものだけでなく、中古車を買うか、新車を買うか、買うとしたら現金かローンか、あるいはレンタカーにするか、検討者のこだわりと、現在の資産状況などからベストプランを推奨する。
・健康管理：食事、サプリメント、スポーツの組み合わせについて、検討者のライフスタイル、健康状態、嗜好、経済状態などから、無理なく効果的に実行できるプランを推奨する。これらについても、それぞれの選択候補間の関係を算出する関数を想定することで、同種の商品の場合と同様、妥当な推奨を提示することが可能となる。
【００９８】
商品データベース１４４に、商品種類毎に予め決められた評価項目と評価データが格納されているが、商品種類毎に評価項目を決めるのではなく、評価項目を共通とすることができる。例えば、自動車、ファッション、インテリア、映画は、一般にはかけ離れたジャンルの商品と見なされているが、デザイン、色彩に関する評価項目は共通化できるものと考えられる。ただし、（３）の式を前提とする場合、商品種類によって評価項目の重み付けは当然異なるはずであるため、その重み付け係数を図２１に示すように決めておくこともできる。このように商品横断的に評価項目を設定することで、いくつかの商品について検討者が検討した後は、比較的少数の追加質問を回答することにより、新たな商品についての推奨を得ることができる。
【００９９】
単独商品に対する推奨が、主に検討者が当該商品の魅力をどう評価するかによるものであることと比べると、異種商品の組み合わせの推奨は、どの商品をより重視するかなど、検討者が生活全般において何を重視するかといった価値観により大きく影響される性格のものである。本願発明は、検討者が何を重視するかなど、その価値観を適切に反映することを念頭に置いているのであるから、異種商品の組み合わせを推奨する場合においてこそ、より従前の方法に比べて優位性が増し、効果が大きいと言えるのである。
【０１００】
検討者が複数の場合、個々の検討者にとっての推奨を行う他、検討者全体にとっての推奨を行うことも考えられる。この場合、最も単純には、推奨度演算部１１６で個々の検討者において算出された各選択候補の推奨度を算術平均または幾何平均して求め、その平均推奨度の高い順に推奨することが考えられよう。図２２は、複数の検討者Ａ〜Ｄのそれぞれの推奨度を算術平均して求めた平均推奨度に基づいて選択候補の推奨順位を決定した場合の例を表している。尚、図２２の各検討者の推奨度は、図２４に例示した、各選択候補の各評価項目α、β、γに対する評価及び各検討者の評価項目に対する重視度の数値を用い、前述の（２）式の推奨度算出関数を用いて求めたものである。例えば、評価者Ａによる商品Ｉの推奨度は、
【０１０１】
【数１０】
【０１０２】
【数１１】
【０１０３】
【数１２】
【０１０４】
以上をまとめて、最も高度な本発明の利用の形態として、複数検討者が、検討者全体にとって最適な複数商品の選択を検討するような場合が考えられよう。具体的には、ある地域に家族全員（ここでは例として、夫婦と男女２人の子供の４人家族とする）が引っ越すことを考え、土地・住居・車・インテリア用品等の商品を、比較的短期間（例えば３ヶ月以内）に、世帯として購入を検討するような場合が、これに当てはまる。このような場合、引っ越す場所は通勤・通学の面では夫と子供の関心事、日常の買い物等の面では妻と子供の関心事であり、住居・インテリアは女性の、車は男性の関心事であることが多い。さらに住居・インテリアに同様程度の関心があるといっても、妻と娘では重視するポイントが違う。車に同じく関心を持つ夫と息子においても同様のことが言える。即ち、各検討者において、検討分野ごとに関心程度が違うだけでなく、各評価項目についての重視度も異なるが、それらを考慮した適切な関数の設定により、最適な推奨を行うことが可能である。また、本発明の再試行モードにおいては、納得いかない推奨を導いた質問を検討者に提示するが、このような利用において、その提示は検討者間で意見のすり合わせや妥協を行うべき検討ポイントの提示に他ならない。
【０１０５】
従来技術では、複数検討者が検討者全体にとって最適な複数商品の選択を検討する場合において、条件の重ね合せによる選択肢の組合せの絞込みを行うことが一般的であろうが、それでは、何人かにとって極めて重要な評価項目が1人の反対によって無視されるようなことが発生し得るため、妥当とは言えない。仮に、線形計画法等の手法を用いて、金銭等の客観的評価値の和が最大となる商品組合せの提示を行ったとしても、主観的な評価項目が軽視されるおそれが大きい。また、推奨結果自体を提示できたとしても、それに検討者が不満な場合、検討者間で何について意見調整を行うべきかの情報を与えない。したがって、これまで複数検討者各々の見解に依拠しながら（多数派の意見を採用する等、集団の意見として統合せずに）、検討者全体にとって最適な複数商品の組合せをリアルタイムで推奨するといった、どのような検討支援システムも存在しなかった。これに対し、本発明は、好みなどの主観的な項目も含めて、各検討者の回答をこれまで述べたような様々な関数処理によって数値化した上で、検討者全体に対する推奨を行い、不満が残るかぎり調整ポイントを示しながら再試行を繰り返すため、複数検討者が検討者全体にとって最適な複数商品の選択を検討するという、実際の経済において最も重要な企業の意思決定に対し、本質的に寄与することが可能なのである。
【０１０６】
【発明の効果】
以上説明したように、本発明によれば、検討者のその分野における各評価項目についての重視度を加味した上で、選択候補の推奨を行うために、検討者の好みに近いより適切な推奨を行うことができるようになる。
【図面の簡単な説明】
【図１】本発明の選択検討支援システムが実現される運営者側のサーバと、検討者側の端末を表す全体図である。
【図２】本発明の選択検討支援システムの実施形態を表す詳細ブロック図である。
【図３】検討者の端末のディスプレイに表示される質問の初期画面の例である。
【図４】図３に続く、検討者の端末のディスプレイに表示される質問の画面例である。
【図５】図４に続く、検討者の端末のディスプレイに表示されるプレ質問の画面例である。
【図６】図５に続く、検討者の端末のディスプレイに表示される本質問の画面例である。
【図７】図６に続く、検討者の端末のディスプレイに表示される本質問の画面例である。
【図８】検討者の端末のディスプレイに表示される本質問の画面例である。
【図９】図８に続く 検討者の端末のディスプレイの画面例である。
【図１０】すべての質問に回答した後に、検討者の端末のディスプレイの表示される質問とその回答の一覧表の画面例である。
【図１１】検討者の端末のディスプレイの表示される推奨商品の一覧表の画面例である。
【図１２】検討者の端末のディスプレイに表示される再試行モードにおける再質問の画面例である。
【図１３】検討者の端末のディスプレイに表示される終了画面例である。
【図１４】図４において「すでに以前回答している」が選択された場合に続く検討者の端末のディスプレイの表示される画面例である。
【図１５】質疑応答データベースの構成例の一部である。
【図１６】推奨を受けたい商品が海外旅行の場合の、各本質問毎に、プレ質問で判明した検討者の商品の知識、推奨の使い方によってその質問を行うかどうかを定めた一覧表である。
【図１７】プレ質問の回答に応じて、質問必要度を算出する表である。
【図１８】商品データベースの構成例の一部である。
【図１９】季節に関する質問に対して回答する前までのトータル評価（推奨度）を説明する表である。
【図２０】季節に関する質問に対して回答した後のトータル評価（推奨度）を説明する表である。
【図２１】商品分野と評価項目の重み付けの表である。
【図２２】複数の検討者に対して算出された選択候補の推奨度と、それらの平均推奨度から求めた推奨順位を表す表である。
【図２３】複数の検討者に対して算出された選択候補の推奨度と、それらを各検討者の関心・利害の程度に基づいた重み付けにより加重平均した加重推奨度から求めた推奨順位を表す表である。
【図２４】複数の検討者に対して算出された重視度と、それらを各検討者の関心・利害の程度に基づいた重み付けにより加重した加重重視度と、加重重視度から求めた総合推奨度から求めた推奨順位を表す表である。
【符号の説明】
１ 選択検討支援サーバ
１１０ 質疑応答送受信部（受信手段）
１１２ 本質問決定部
１１４ 重視度推計部
１１６ 推奨度演算部
１１７ 提示部
１１８ 再試行処理部
Claims (8)
- 少なくとも１つの選択候補データを格納しておける記憶手段を有し、ある少なくとも１つの分野において選択候補の中から少なくとも１つの選択候補の選択を検討している者（以下、検討者と記す）に推奨するべき選択候補データを選択する選択支援演算装置であって、
前記記憶手段には、該検討分野における少なくとも１つの選択候補データと、各選択候補データに対する少なくとも１つの評価項目についての評価データとが関連付けられて格納され、さらに検討分野に関する少なくとも１つの本質問について本質問データと選択肢データと各選択肢データに対応する点数で表された回答データとが関連付けられて格納され、さらに回答データから該検討者が該検討分野における各評価項目をどれだけ重視するかを表す重視度を算出するための重視度算出関数が各評価項目に対応して格納され、さらに各選択候補データに対する各評価項目についての評価データと重視度から各選択候補の推奨度を算出するための推奨度算出関数が格納され、
前記記憶手段から該検討分野に関する少なくとも１つの本質問データを選択し、該本質問に対する検討者の少なくとも１つの回答を表す選択肢データを受け付ける受信手段と、
前記記憶手段に格納された各評価項目に対応する重視度算出関数を読み出して、前記受け付けた選択肢データに対応する回答データと該読み出した重視度算出関数を用いて各評価項目に対する該検討者の重視度を演算する重視度推計手段と、
前記記憶手段に格納された推奨度算出関数を読み出して、その推奨度算出関数を用いて前記記憶手段に格納された該検討分野における各選択候補データに対する各評価項目についての評価データと、前記重視度推計手段で演算された各評価項目に対する該検討者の重視度から、各選択候補に対する推奨度を演算する推奨度演算手段と、
前記推奨度演算手段で演算された選択候補に対する推奨度及び／または選択候補の推奨度の比較結果をそのまままたは加工して提示する提示手段と、
を備え、
前記記憶手段には、さらに、プレ質問の各選択肢データに対応して各本質問内容に関する必要度の点数が関連付けられて格納されており、
前記受信手段は、さらに、少なくとも１つのプレ質問に対する選択肢データを受け付けて、そのプレ質問の選択肢データに対応する各本質問内容に関する必要度を得て、必要度が基準を満たしている本質問データをその後の本質問として決定する本質問決定手段を備えることを特徴とする選択支援演算装置。 - 少なくとも１つの選択候補データを格納しておける記憶手段を有し、ある少なくとも１つの分野において選択候補の中から少なくとも１つの選択候補の選択を検討している者（以下、検討者と記す）に推奨するべき選択候補データを選択する選択支援演算装置であって、
前記記憶手段には、該検討分野における少なくとも１つの選択候補データと、各選択候補データに対する少なくとも１つの評価項目についての評価データとが関連付けられて格納され、さらに検討分野に関する少なくとも１つの質問について質問データと選択肢データと各選択肢データに対応する点数で表された回答データとが関連付けられて格納され、さらに回答データから該検討者が該検討分野における各評価項目をどれだけ重視するかを表す重視度を算出するための重視度算出関数が各評価項目に対応して格納され、さらに各選択候補データに対する各評価項目についての評価データと重視度から各選択候補の推奨度を算出するための推奨度算出関数が格納され、
前記記憶手段から該検討分野に関する少なくとも１つの質問データを選択し、該質問に対する検討者の少なくとも１つの回答を表す選択肢データを受け付ける受信手段と、
前記記憶手段に格納された各評価項目に対応する重視度算出関数を読み出して、前記受け付けた選択肢データに対応する回答データと該読み出した重視度算出関数を用いて各評価項目に対する該検討者の重視度を演算する重視度推計手段と、
前記記憶手段に格納された推奨度算出関数を読み出して、その推奨度算出関数を用いて前記記憶手段に格納された該検討分野における各選択候補データに対する各評価項目についての評価データと、前記重視度推計手段で演算された各評価項目に対する該検討者の重視度から、各選択候補に対する推奨度を演算する推奨度演算手段と、
前記推奨度演算手段で演算された推奨度の上位の選択候補を推奨度の順番に従って提示する提示手段と、
該提示された選択候補の中で検討者がより上位または下位にするべきとして選択した選択候補データを受け付ける手段と、
上位にするべきとして選択された選択候補データに対して推奨度算出関数の評価項目毎の項を該評価項目についての重視度と評価データとを用いて演算し、該評価項目毎の項の値が下位の少なくとも１つの評価項目を抽出し、その評価項目に対応する重視度を算出した重視度算出関数に使用される回答データに関連付けられた質問データを抽出し、または、
下位にするべきとして選択された選択候補データに対して推奨度算出関数の評価項目毎の項を該評価項目についての重視度と評価データとを用いて演算し、該評価項目毎の項の値が上位の少なくとも１つの評価項目を抽出し、その評価項目に対応する重視度を算出した重視度算出関数に使用される回答データに関連付けられた質問データを抽出し、
該抽出された質問データに対する検討者の回答を表す選択肢データを再度受け付け、その選択肢データに対応する回答データと、前記先に受信手段により選択され前記抽出されなかった質問データに対する検討者の回答を表す選択肢データに対応する回答データとを用いて、重視度及び推奨度を再演算する再試行処理手段と、
を備えることを特徴とする選択支援演算装置。 - 少なくとも１つの選択候補データを格納しておける記憶手段を有し、ある少なくとも１つの分野において選択候補の中から少なくとも１つの選択候補の選択を検討している者（以下、検討者と記す）に推奨するべき選択候補データを選択する選択支援演算装置であって、
前記記憶手段には、該検討分野における少なくとも１つの選択候補データと、各選択候補データに対する少なくとも１つの評価項目についての評価データとが関連付けられて格納され、さらに検討分野に関する少なくとも１つの質問について質問データと選択肢データと各選択肢データに対応する点数で表された回答データとが関連付けられて格納され、さらに回答データから該検討者が該検討分野における各評価項目をどれだけ重視するかを表す重視度を算出するための重視度算出関数が各評価項目に対応して格納され、さらに各選択候補データに対する各評価項目についての評価データと重視度から各選択候補の推奨度を算出するための推奨度算出関数が格納され、
前記記憶手段から該検討分野に関する少なくとも１つの質問データを選択し、該質問に対する検討者の少なくとも１つの回答を表す選択肢データを受け付ける受信手段と、
前記記憶手段に格納された各評価項目に対応する重視度算出関数を読み出して、前記受け付けた選択肢データに対応する回答データと該読み出した重視度算出関数を用いて各評価項目に対する該検討者の重視度を演算する重視度推計手段と、
前記記憶手段に格納された推奨度算出関数を読み出して、その推奨度算出関数を用いて前記記憶手段に格納された該検討分野における各選択候補データに対する各評価項目についての評価データと、前記重視度推計手段で演算された各評価項目に対する該検討者の重視度から、各選択候補に対する推奨度を演算する推奨度演算手段と、
前記推奨度演算手段で演算された推奨度の上位の選択候補を推奨度の順番に従って提示する提示手段と、
該提示された選択候補の中で検討者がより上位または下位にするべきとして選択した選択候補データを受け付ける手段と、
上位にするべきとして選択された選択候補データに対して推奨度算出関数の評価項目毎の項を該評価項目についての重視度と評価データとを用いて演算し、該評価項目毎の項の値が下位の少なくとも１つの評価項目を抽出し、抽出した評価項目の評価値に予め決められた所定オフセット量を加算し、または、下位にするべきとして選択された選択候補データに対して推奨度算出関数の評価項目毎の項を該評価項目についての重視度と評価データとを用いて演算し、該評価項目毎の項の値が上位の少なくとも１つの評価項目を抽出し、抽出した評価項目の評価値に予め決められた所定オフセット量を減算する再試行処理手段と、
を備えることを特徴とする選択支援演算装置。 - 前記重視度推計手段及び推奨度演算手段は、各質問に対する選択肢データを受信手段で受け付ける毎に、各評価項目に対する重視度及び各選択候補に対する推奨度を演算するものであり、前記提示手段は、各質問に対する選択肢データを受信手段で受け付ける毎に、検討分野における全選択候補データの推奨度をそのまま及び／または加工して提示するものであることを特徴とする、請求項２または３に記載の選択支援演算装置。
- 前記推奨度演算手段は、単一または複数分野において各選択候補データに対する推奨度を演算し、単一または複数分野における複数の選択候補データの各組み合わせに対して、各組み合わせを構成する該複数の選択候補データの推奨度から各組み合わせに対する推奨度を演算することを特徴とする、請求項１ないし４のいずれか１項に記載の選択支援演算装置。
- 前記推奨度演算手段は、複数検討者が、単一または複数分野における選択候補の中から少なくとも１つの選択候補の選択を行っている場合において、各検討者個々の回答データに基づき得られた各分野における各評価項目に対する各検討者の重視度に基づいて、検討者全体にとっての推奨度を演算することを特徴とする、請求項１ないし５のいずれか１項に記載の選択支援演算装置。
- 前記選択支援演算装置は、サーバで構成されることを特徴とする、請求項１ないし６のいずれか１項に記載の選択支援演算装置。
- 検討者の回答データを、再利用可能な形式で保存、格納することができる媒体を備える及び／または媒体を利用可能であることを特徴とする、請求項１ないし７のいずれか１項に記載の選択支援演算装置。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001300621A JP4334793B2 (ja) | 2001-09-28 | 2001-09-28 | 選択支援演算装置 |
| US10/200,134 US7974872B2 (en) | 2001-09-28 | 2002-07-23 | System and method for assisting consideration of selection including obtaining degree-of-necessity of a question from answer data |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001300621A JP4334793B2 (ja) | 2001-09-28 | 2001-09-28 | 選択支援演算装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2003108824A JP2003108824A (ja) | 2003-04-11 |
| JP4334793B2 true JP4334793B2 (ja) | 2009-09-30 |
Family
ID=19121166
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001300621A Expired - Lifetime JP4334793B2 (ja) | 2001-09-28 | 2001-09-28 | 選択支援演算装置 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US7974872B2 (ja) |
| JP (1) | JP4334793B2 (ja) |
Families Citing this family (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8271315B2 (en) * | 2002-11-05 | 2012-09-18 | Keysoft, Inc. | Personal information utilization system and personal information utilization program for commodity based identification |
| US20080256579A1 (en) * | 2004-03-29 | 2008-10-16 | Koninklijke Philips Electronics, N.V. | Assisted User Control in Recommenders |
| WO2006086661A2 (en) * | 2005-02-10 | 2006-08-17 | Above Sea Level, Llc | Lead generation method and system |
| US8789128B2 (en) | 2005-12-21 | 2014-07-22 | At&T Intellectual Property I, L.P. | System and method for recording and time-shifting programming in a television distribution system using policies |
| US20070192161A1 (en) * | 2005-12-28 | 2007-08-16 | International Business Machines Corporation | On-demand customer satisfaction measurement |
| JP2007219955A (ja) * | 2006-02-17 | 2007-08-30 | Fuji Xerox Co Ltd | 質問応答システム、質問応答処理方法及び質問応答プログラム |
| JP5356286B2 (ja) * | 2010-03-09 | 2013-12-04 | 日本電信電話株式会社 | 質問推薦装置及び方法及びプログラム |
| WO2013018160A1 (ja) * | 2011-07-29 | 2013-02-07 | アクアエンタープライズ株式会社 | 価値評価支援システムおよび価値評価支援プログラム |
| JP6030301B2 (ja) * | 2011-12-19 | 2016-11-24 | 留美 大戸 | ベビーカー購入・販売・製造支援システム |
| US8484203B1 (en) * | 2012-01-04 | 2013-07-09 | Google Inc. | Cross media type recommendations for media items based on identified entities |
| US9171255B2 (en) | 2012-07-10 | 2015-10-27 | Ali Abbas | Method, software, and system for making a decision |
| US9071677B2 (en) * | 2013-02-12 | 2015-06-30 | Unify Square, Inc. | Enhanced data capture, analysis, and reporting for unified communications |
| US10089583B2 (en) * | 2013-02-13 | 2018-10-02 | Shuang Chen | Distributed cloud services system and uses thereof |
| US9886717B2 (en) | 2014-03-07 | 2018-02-06 | Te Connectivity Corporation | System and method for selecting interconnects |
| US20150324099A1 (en) * | 2014-05-07 | 2015-11-12 | Microsoft Corporation | Connecting Current User Activities with Related Stored Media Collections |
| JP7001593B2 (ja) | 2015-08-11 | 2022-01-19 | コグノア， インコーポレイテッド | 人工知能およびユーザ入力を用いて発達進度を判定するための方法および装置 |
| JP2017049876A (ja) * | 2015-09-03 | 2017-03-09 | 大日本印刷株式会社 | 情報提供装置、情報提供方法、及びプログラム |
| JP5879004B1 (ja) * | 2015-09-17 | 2016-03-08 | ネットパイロティング株式会社 | 販売促進支援装置及び販売促進の支援方法 |
| US11972336B2 (en) | 2015-12-18 | 2024-04-30 | Cognoa, Inc. | Machine learning platform and system for data analysis |
| JP5944605B1 (ja) * | 2016-01-29 | 2016-07-05 | ネットパイロティング株式会社 | 販売促進支援装置及び販売促進の支援方法 |
| GB2575740A (en) | 2017-02-09 | 2020-01-22 | Congoa Inc | Platform and system for digital personalized medicine |
| KR102643554B1 (ko) | 2019-03-22 | 2024-03-04 | 코그노아, 인크. | 개인 맞춤식 디지털 치료 방법 및 디바이스 |
| WO2020218500A1 (ja) * | 2019-04-26 | 2020-10-29 | 株式会社ノグチＨｄ | 情報処理装置 |
| CN113377934B (zh) * | 2021-05-21 | 2022-07-05 | 海南师范大学 | 一种实现智能客服的***及方法 |
Family Cites Families (38)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH05101107A (ja) * | 1991-10-07 | 1993-04-23 | Hitachi Ltd | 適合率を用いた絞り込みデータ検索装置及び方法 |
| US5835900A (en) * | 1992-10-05 | 1998-11-10 | Expert Systems Publishing Co. | Computer-implemented decision management system with dynamically generated questions and answer choices |
| US5517405A (en) * | 1993-10-14 | 1996-05-14 | Aetna Life And Casualty Company | Expert system for providing interactive assistance in solving problems such as health care management |
| US6029195A (en) * | 1994-11-29 | 2000-02-22 | Herz; Frederick S. M. | System for customized electronic identification of desirable objects |
| US6460036B1 (en) * | 1994-11-29 | 2002-10-01 | Pinpoint Incorporated | System and method for providing customized electronic newspapers and target advertisements |
| US5758257A (en) * | 1994-11-29 | 1998-05-26 | Herz; Frederick | System and method for scheduling broadcast of and access to video programs and other data using customer profiles |
| US5983220A (en) * | 1995-11-15 | 1999-11-09 | Bizrate.Com | Supporting intuitive decision in complex multi-attributive domains using fuzzy, hierarchical expert models |
| JPH09245085A (ja) * | 1996-03-08 | 1997-09-19 | Nippon Telegr & Teleph Corp <Ntt> | 商品選択方法 |
| JP2976219B2 (ja) | 1996-12-10 | 1999-11-10 | 豊 塚本 | 消費者支援方法、および、それに用いられる検索システム |
| JP3340342B2 (ja) | 1997-02-28 | 2002-11-05 | 株式会社東芝 | テレビジョン選局装置 |
| JP3564930B2 (ja) * | 1997-03-14 | 2004-09-15 | オムロン株式会社 | 対象物検索方法およびその方法を用いた対象物検索システム |
| US6012053A (en) * | 1997-06-23 | 2000-01-04 | Lycos, Inc. | Computer system with user-controlled relevance ranking of search results |
| US6035283A (en) * | 1997-10-10 | 2000-03-07 | International Business Machines Corporation | Virtual sales person for electronic catalog |
| US6070149A (en) * | 1998-07-02 | 2000-05-30 | Activepoint Ltd. | Virtual sales personnel |
| JP2000137615A (ja) | 1998-11-02 | 2000-05-16 | Shinko Res Kk | 事例ベース推論方法、システム及び事例ベース推論を実行するプログラムを内蔵した可読記録媒体 |
| US6412012B1 (en) * | 1998-12-23 | 2002-06-25 | Net Perceptions, Inc. | System, method, and article of manufacture for making a compatibility-aware recommendations to a user |
| US6397212B1 (en) * | 1999-03-04 | 2002-05-28 | Peter Biffar | Self-learning and self-personalizing knowledge search engine that delivers holistic results |
| US6609108B1 (en) * | 1999-11-05 | 2003-08-19 | Ford Motor Company | Communication schema of online system and method of ordering consumer product having specific configurations |
| US20020065721A1 (en) * | 2000-01-27 | 2002-05-30 | Christian Lema | System and method for recommending a wireless product to a user |
| US6687685B1 (en) * | 2000-04-07 | 2004-02-03 | Dr. Red Duke, Inc. | Automated medical decision making utilizing bayesian network knowledge domain modeling |
| US6631362B1 (en) * | 2000-05-09 | 2003-10-07 | Robust Decisions | General decision-making support method and system |
| US20030182413A1 (en) * | 2000-06-02 | 2003-09-25 | Allen Matthew Robert | System and method for selecting a service provider |
| US6801909B2 (en) * | 2000-07-21 | 2004-10-05 | Triplehop Technologies, Inc. | System and method for obtaining user preferences and providing user recommendations for unseen physical and information goods and services |
| US7080071B2 (en) * | 2000-08-04 | 2006-07-18 | Ask Jeeves, Inc. | Automated decision advisor |
| EP1364303A2 (en) * | 2000-09-07 | 2003-11-26 | HNC Software Inc. | Mechanism and method for continuous operation of a rule server |
| JP2002123547A (ja) | 2000-10-12 | 2002-04-26 | Canon Inc | 商品選択支援システム、商品選択支援サーバー、商品選択支援装置および商品選択支援方法 |
| US6826541B1 (en) * | 2000-11-01 | 2004-11-30 | Decision Innovations, Inc. | Methods, systems, and computer program products for facilitating user choices among complex alternatives using conjoint analysis |
| US7343328B1 (en) * | 2000-12-08 | 2008-03-11 | Black & Decker Inc. | Networked product selection system and method for its use |
| US20020095329A1 (en) * | 2001-01-18 | 2002-07-18 | Josh Malik | Product selector |
| US6728706B2 (en) * | 2001-03-23 | 2004-04-27 | International Business Machines Corporation | Searching products catalogs |
| US20020147619A1 (en) * | 2001-04-05 | 2002-10-10 | Peter Floss | Method and system for providing personal travel advice to a user |
| US7380262B2 (en) * | 2001-06-12 | 2008-05-27 | Thomson Licensing | Method and apparatus for generating a list of suggested scheduled television programs |
| US20030078900A1 (en) * | 2001-06-29 | 2003-04-24 | Dool Jacques Van Den | Distributed decision processing system with advanced comparison engine |
| US20030036930A1 (en) * | 2001-08-17 | 2003-02-20 | Expedia, Inc. | Method and system for creating travel packages |
| US7231419B1 (en) * | 2001-10-19 | 2007-06-12 | Outlooksoft Corporation | System and method for adaptively selecting and delivering recommendations to a requester |
| US6922680B2 (en) * | 2002-03-19 | 2005-07-26 | Koninklijke Philips Electronics N.V. | Method and apparatus for recommending an item of interest using a radial basis function to fuse a plurality of recommendation scores |
| US8255263B2 (en) * | 2002-09-23 | 2012-08-28 | General Motors Llc | Bayesian product recommendation engine |
| US20040267607A1 (en) * | 2002-12-13 | 2004-12-30 | American Payroll Association | Performance assessment system and associated method of interactively presenting assessment driven solution |
-
2001
- 2001-09-28 JP JP2001300621A patent/JP4334793B2/ja not_active Expired - Lifetime
-
2002
- 2002-07-23 US US10/200,134 patent/US7974872B2/en not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| US7974872B2 (en) | 2011-07-05 |
| JP2003108824A (ja) | 2003-04-11 |
| US20030070180A1 (en) | 2003-04-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4334793B2 (ja) | 選択支援演算装置 | |
| US20210319346A1 (en) | Personal Taste Assessment Method and System | |
| Verhoef et al. | Multichannel customer management: Understanding the research-shopper phenomenon | |
| US7783617B2 (en) | Personals advertisement affinities in a networked computer system | |
| Bucklin | Retail strategy and the classification of consumer goods | |
| US20120185330A1 (en) | Discovery and Publishing Among Multiple Sellers and Multiple Buyers | |
| Elliott et al. | Does culture matter to Chinese consumers? Empirical evidence | |
| Seock | Analysis of clothing websites for young customer retention based on a model of customer relationship management via the internet | |
| Oyenuga et al. | Effect of Brand Equity on Consumer Behaviour Among Students of Veritas University, Nigeria: A Study of Apple Smartphones | |
| Rahmah et al. | The effect of consumer characteristics and lifestyle toward purchase decision | |
| Tucker | Data Quality in the Consumer Expenditure Diary Survey | |
| JP4858328B2 (ja) | 電子商取引における購買支援システム、購買支援方法および購買支援用プログラム | |
| JP4886940B2 (ja) | 因子データベースを用いたマッチング・システム、マッチング装置、およびそのシステムのための因子データベース作成方法 | |
| Menon | A study on consumer behaviour of passenger car segments through logistic egression modelling | |
| Nugroho et al. | The Influence of Supply Chain Strategy in Hoteling industry and Intention to Book Hotel Traveloka. Com | |
| Makassy et al. | Factors influencing consumers’ behavioural intentions towards restaurant patronage in China: A structural equation modeling approach | |
| Hahn et al. | Information foraging in internet-based selling: a system design value assessment framework | |
| Florek | CITY BRAND EQUITY AS ONE OF THE CITY SUSTAINABLE DEVELOPMENT INDICATOR. | |
| Amara et al. | Creation of price image measurement scale and comparing perceptions of price image dimensions of two sales formats | |
| Dadouchi et al. | Context-aware interactive knowledge-based recommendation | |
| Vercueil | Investigating the antecedents and consequences of vehicle buyers' brand attachment behaviour | |
| Pradani et al. | Purchase Decision Influenced by Brand Ambassador, Korean Wave, Brand Image Mediated by Buying Interest | |
| Webber | Measuring the effect of customer satisfaction on customer re-purchase intention in the second-hand motor industry | |
| Girard | Validating the search, experience, and credence product classification framework in a model of patronage intentions | |
| JP2007241981A (ja) | マッチングシステムおよびマッチング方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20011121 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040224 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040423 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20040713 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040825 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090126 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090512 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20090624 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120703 Year of fee payment: 3 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 Ref document number: 4334793 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120703 Year of fee payment: 3 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313113 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120703 Year of fee payment: 3 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120703 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20210703 Year of fee payment: 12 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |