JP5186012B2 - 情報提供装置、情報提供方法、情報提供プログラム、及びそのプログラムを記録したコンピュータ読取可能な記録媒体 - Google Patents

Description

本発明は、情報提供装置、情報提供方法、情報提供プログラム、及びそのプログラムを記録したコンピュータ読取可能な記録媒体に関する。

近年、インターネットを介したオークション・サービスが広く提供されている。オークションとは、買い手に購入条件を競わせることである。インターネットを介したオークションでは、オークション・サービスを提供する提供業者が、商品を競るためのウェブページを用意する。そして、出品者が当該ウェブページに対して商品の出品を申し込むと、買い手である入札者（落札希望者）が購入価格を提示する。そして、終了日時までに最も高い購入価格を提示した入札者が商品を落札することができる。

オークションに商品を出品しようとする際に、出品者は入札者がオークションで活動する可能性の高い日時を終了日時として指定することが多い。例えば、出品者はオークションの終了日を週末に設定したり、終了時刻を２２：００〜２４：００頃の範囲に設定する。一般的に、このような時間には余暇を過ごしている人々が多く、オークションの入札数が増加して商品の価格が上昇する可能性が高いからである。

従来から、終了時刻の決定に関する手法が考えられている。例えば、下記特許文献１には、品名毎の入札の統計情報を含む情報を記憶し、出品者の装置からネットワークを介して出品要求を取得すると、記憶された品名毎の入札の統計情報に基づいてネットオークションの入札終了の時刻を決定するネットオークションサーバが記載されている。

特開２００５−１９６４１８号公報

上記特許文献１に記載のサーバでは、品物毎の入札の統計情報に基づいて終了時刻が決まる。また、その統計情報の基礎となるユーザの行動は入札に限られ、これ以外のオークションへのアクセス態様は考慮されていない。そのため、当該サーバでは、非常に多くの種類の商品を扱う現実のオークション・サービスにおいて、全商品について終了時刻を精度良く得ることは難しい。

本発明は、このような状況に鑑みてなされたものであり、オークション終了時刻を決めようとしている出品者にその終了時刻を決めるための有用な情報を提供することを目的とする。

本発明に係る情報提供装置は、オークションの参加者が該オークションに過去にアクセスした時間を示す行動時間情報を記憶する記憶手段から、出品者が出品しようとする商品のカテゴリに属する商品のオークションに対応する行動時間情報を抽出し、抽出された行動時間情報に基づいてオークションへの参加者数が所定の閾値以上である時間をアクセス集中予測時間として推定する推定手段と、出品者の端末に、推定手段により推定されたアクセス集中予測時間を示すデータを提供する提供手段とを備え、推定手段が、出品者による商品の出品を検出した時点において、該商品のカテゴリに属する他の商品に対して入札、ウォッチリストへの登録、及びリマインドメールの登録のいずれかを行っている参加者を特定し、特定した参加者に対応する行動時間情報を抽出する。

本発明に係る情報提供方法は、情報提供装置により実行される情報提供方法であって、オークションの参加者が該オークションに過去にアクセスした時間を示す行動時間情報を記憶する記憶手段から、出品者が出品しようとする商品のカテゴリに属する商品のオークションに対応する行動時間情報を抽出し、抽出された行動時間情報に基づいてオークションへの参加者数が所定の閾値以上である時間をアクセス集中予測時間として推定する推定ステップと、出品者の端末に、推定ステップにおいて推定されたアクセス集中予測時間を示すデータを提供する提供ステップと含み、推定ステップでは、出品者による商品の出品を検出した時点において、該商品のカテゴリに属する他の商品に対して入札、ウォッチリストへの登録、及びリマインドメールの登録のいずれかを行っている参加者を特定し、特定した参加者に対応する行動時間情報を抽出する。

本発明に係る情報提供プログラムは、コンピュータを、オークションの参加者が該オークションに過去にアクセスした時間を示す行動時間情報を記憶する記憶手段から、出品者が出品しようとする商品のカテゴリに属する商品のオークションに対応する行動時間情報を抽出し、抽出された行動時間情報に基づいてオークションへの参加者数が所定の閾値以上である時間をアクセス集中予測時間として推定する推定手段と、
出品者の端末に、推定手段により推定されたアクセス集中予測時間を示すデータを提供する提供手段として機能させ、推定手段が、出品者による商品の出品を検出した時点において、該商品のカテゴリに属する他の商品に対して入札、ウォッチリストへの登録、及びリマインドメールの登録のいずれかを行っている参加者を特定し、特定した参加者に対応する行動時間情報を抽出する。

本発明に係るコンピュータ読取可能な記録媒体は、コンピュータを、オークションの参加者が該オークションに過去にアクセスした時間を示す行動時間情報を記憶する記憶手段から、出品者が出品しようとする商品のカテゴリに属する商品のオークションに対応する行動時間情報を抽出し、抽出された行動時間情報に基づいてオークションへの参加者数が所定の閾値以上である時間をアクセス集中予測時間として推定する推定手段と、出品者の端末に、推定手段により推定されたアクセス集中予測時間を示すデータを提供する提供手段として機能させ、推定手段が、出品者による商品の出品を検出した時点において、該商品のカテゴリに属する他の商品に対して入札、ウォッチリストへの登録、及びリマインドメールの登録のいずれかを行っている参加者を特定し、特定した参加者に対応する行動時間情報を抽出する情報提供プログラムを記録している。

このような発明によれば、出品者が出品しようとする商品（以下では「出品商品」ともいう）のカテゴリに属する商品のオークションに対応する行動時間情報に基づいて一定数以上の参加者が見込まれる時間がアクセス集中予測時間（以下では単に「予測時間」ともいう）として推定される。この予測時間を出品者に提供することで、出品者はその予測時間を考慮して終了日時を決めることができる。すなわち、オークション終了時刻を決めようとしている出品者にその終了時刻を決めるための有用な情報を提供することができる。また、本発明に係る情報提供装置では、推定手段が、出品者が商品を出品した時点において、該商品のカテゴリに属する他の商品に対して入札、ウォッチリストへの登録、及びリマインドメールの登録のいずれかを行っている参加者を特定し、特定した参加者に対応する行動時間情報を抽出することで、出品商品のオークションに参加することが予測される参加者の行動時間情報を適切に抽出することができる。

本発明に係る情報提供装置では、推定手段が、抽出された行動時間情報に基づいて時間毎の参加者数を特定し、特定された参加者数が閾値以上である時間をアクセス集中予測時間として推定してもよい。

この場合、時間毎の参加者数が特定され、一定数以上の参加者が見込まれる時間が予測時間として推定される。この予測時間を出品者に提供することで、出品者はその予測時間を考慮して終了日時を決めることができる。すなわち、オークション終了時刻を決めようとしている出品者にその終了時刻を決めるための有用な情報を提供することができる。

本発明に係る情報提供装置では、行動時間情報が、参加者の属性を示す情報を含み、商品のカテゴリ及び参加者の属性毎に、オークションへの参加者数が所定の閾値以上である時間を集計した行動集計情報を生成する集計手段を更に備え、推定手段が、行動集計情報から、出品者が出品する商品のカテゴリに対応し、且つ、抽出された行動時間情報で示される参加者の属性に対応する時間を抽出し、抽出された時間をアクセス集中予測時間として推定してもよい。

この場合、行動時間情報から特定された参加者の属性に基づいて一定数以上の参加者が見込まれる時間が予測時間として推定される。この予測時間を出品者に提供することで、出品者はその予測時間を考慮して終了日時を決めることができる。すなわち、オークション終了時刻を決めようとしている出品者にその終了時刻を決めるための有用な情報を提供することができる。

本発明に係る情報提供装置では、行動時間情報が、参加者の属性を示す情報を含み、商品のカテゴリ及び参加者の属性毎に、オークションへの参加者数が所定の閾値以上である時間を集計した行動集計情報を生成する集計手段を更に備え、推定手段が、出品者が出品しようとする商品の出品期間が所定期間よりも短い場合には、抽出された行動時間情報に基づいて時間毎の参加者数を特定し、特定された参加者数が閾値以上である時間をアクセス集中予測時間として推定し、出品期間が所定期間以上である場合には、行動集計情報から、出品者が出品する商品のカテゴリに対応し、且つ、抽出された行動時間情報で示される参加者の属性に対応する時間を抽出し、抽出された時間をアクセス集中予測時間として推定してもよい。

本発明者らは、出品期間が短い場合には、特定された参加者自身がオークションに参加する傾向にあり、出品期間が長い場合には、特定された参加者と同じ属性を有するユーザの全体的な参加傾向が特定のオークションにおける参加傾向に近いという知見を得た。上記のような情報提供装置では、商品の出品期間が所定期間よりも短い場合には、時間毎の参加者数が特定され、一定数以上の参加者が見込まれる時間が予測時間として推定される。一方、出品期間が所定期間以上である場合には、行動時間情報から参加者の属性が特定され、その属性に基づいて、一定数以上の参加者が見込まれる時間が予測時間として推定される。これにより、オークション終了時刻を決めようとしている出品者にその終了時刻を決めるための有用な情報を提供することができる。

本発明に係る情報提供装置では、行動時間情報が、参加者の評価を示すユーザ評価情報を更に含み、提供手段が、アクセス集中予測時間が複数存在する場合に、参加者に関するユーザ評価情報を参照し、参加者の評価に基づいて該複数のアクセス集中予測時間の提供の優先度を決定してもよい。

この場合には、参加者の評価に基づいて予測時間の提供の優先度が決まるので、出品者は参加者の評価が反映された予測時間を考慮して終了日時を決めることができる。すなわち、オークション終了時刻を決めようとしている出品者にその終了時刻を決めるための有用な情報を提供することができる。

本発明によれば、オークション終了時刻を決めようとしている出品者にその終了時刻を決めるための有用な情報を提供できる。

第１実施形態に係る情報提供システムの構成を示す図である。 第１実施形態に係るサーバのハードウェア構成を示すブロック図である。 第１実施形態に係るサーバの機能構成を示すブロック図である。 行動時間情報の例を示す図である。 評価値を更新する処理を示すフローチャートである。 評価値と評価ステージとの対応を示す図である。 （ａ），（ｂ）はそれぞれ、予測時間の推定例を示す図である。 第１実施形態における予測時間推定処理を示すシーケンス図である。 第２実施形態に係るサーバの機能構成を示すブロック図である。 行動集計情報を記憶する処理を示すフローチャートである。 行動集計情報の例を示す図である。 行動集計情報の例を示す図である。 （ａ）〜（ｃ）はそれぞれ、予測時間の推定例を示す図である。 第２実施形態における予測時間推定処理を示すシーケンス図である。 行動集計情報の別の例を示す図である。 第３実施形態に係るサーバの機能構成を示すブロック図である。 第３実施形態における予測時間推定処理を示すシーケンス図である。

以下、添付図面を参照しながら本発明の実施形態を詳細に説明する。本実施形態では、本発明に係る情報提供装置をサーバに適用する。なお、図面の説明において同一又は同等の要素には同一の符号を付し、重複する説明を省略する。

（第１実施形態）
まず、第１実施形態に係る情報提供システムについて説明する。情報提供システムはオークション・サービスをユーザに提供するコンピュータシステムであり、図１に示すようにサーバ１１、インターネット１２、および１以上のユーザ端末１３を備えている。サーバ１１と各ユーザ端末１３とはインターネット１２を介して互いに通信可能である。

サーバ１１は、専用サーバ、パーソナルコンピュータ、または仮想サーバなどからなる情報提供装置である。サーバ１１は、専用サーバ、パーソナルコンピュータ、または仮想サーバなどの組み合わせからなるシステムであっても良い。サーバ１１は、オークションのためのウェブページをユーザ端末１３に提供することで、ユーザ端末１３のユーザにオークション・サービスを提供する。また、サーバ１１は、出品者によりオークションに出品された商品に所定の閾値以上の入札者数が予測される時間を予測時間（アクセス集中予測時間）として推定し、この予測時間を示すデータを各ユーザ端末１３に提供する。

インターネット１２は、ネットワークの一例であり、有線または無線の汎用回線または専用回線や、有線または無線の複数のネットワーク（例えばＬＡＮ（Local Area Network）やＷＡＮ（WＩＤeArea Network）など）からなる。

ユーザ端末１３は、ユーザの操作に応じてサーバ１１からオークションのためのウェブページを取得して表示することで、そのウェブページをユーザ端末１３のユーザに提示する。これにより、ユーザは、そのウェブページを操作してオークションへの商品の出品や入札を行うことができる。ユーザ端末１３の例としては、携帯型又は据置型のパーソナルコンピュータや各種の携帯端末などが挙げられるが、端末の種類は何ら限定されない。

次に、サーバ１１について詳細に説明する。図２は、サーバ１１のハードウェアの構成例を示すブロック図である。サーバ１１において、ＣＰＵ（Central Processing Unit）３１，ＲＯＭ（Read Only Memory）３２，ＲＡＭ（Random Access Memory）３３は、バス３４により相互に接続されている。バス３４には、さらに、入出力インタフェース３５が接続されている。入出力インタフェース３５には、キーボード、マウス、マイクロホンなどよりなる入力部３６、ディスプレイ、スピーカなどよりなる出力部３７、ハードディスクや不揮発性のメモリなどよりなる記憶部３８、ネットワークインタフェースなどよりなる通信部３９、磁気ディスク、光ディスク、光磁気ディスク、或いは半導体メモリなどのリムーバブルメディア４１を駆動するドライブ４０が接続されている。

以上のように構成されるサーバ１１（コンピュータ）では、ＣＰＵ３１が、例えば、記憶部３８に記憶されている情報提供プログラムを、入出力インタフェース３５及びバス３４を介して、ＲＡＭ３３にロードして実行することにより、後述する一連の処理が行われる。

情報提供プログラムは、磁気ディスク（フレキシブルディスクを含む）、光ディスク（ＣＤ−ＲＯＭ（Compact Disc-Read Only Memory）やＤＶＤ(Digital Versatile Disc)等）、光磁気ディスク、もしくは半導体メモリなどのリムーバブルメディア４１により提供されてもよい。また、情報提供プログラムは、ローカルエリアネットワークやインターネット１２、デジタル衛星放送といった、有線または無線の伝送媒体を介して提供されてもよい。

情報提供プログラムは、リムーバブルメディア４１をドライブ４０に装着し、入出力インタフェース３５を介して記憶部３８に記憶することで、コンピュータにインストールすることができる。また、情報提供プログラムは、有線または無線の伝送媒体を介して通信部３９で受信し、記憶部３８に記憶することで、コンピュータにインストールすることができる。さらに、情報提供プログラムは、ＲＯＭ３２や記憶部３８にあらかじめ記憶しておくことで、あらかじめインストールしておくこともできる。

なお、情報提供プログラムは、以下に説明する順序に沿って時系列にコンピュータに処理を行わせるプログラムであっても良いし、並列に、あるいは呼び出しが行われたとき等の必要なタイミングでコンピュータに処理を行わせるプログラムであってもよい。

図３は、サーバ１１の機能構成を示すブロック図である。サーバ１１は、Ｗｅｂサーバ機能５１、ページ生成部５２、サービス提供部５３、予測時間提供部５４、ユーザデータベース５５、オークション関連データベース（記憶手段）５６、およびオークション履歴データベース（記憶手段）５７を備えている。

Ｗｅｂサーバ機能５１は、所定のＷｅｂサーバプログラムを実行することにより実現され、ＨＴＴＰ（Hypertext Transfer Protocol）に規定される手順に基づいて、テキストまたは画像などの各種のオブジェクトが含まれるウェブページを提供する。ウェブページはＨＴＭＬ（Hypertext Markup Language）またはＸＭＬ（Extensible Markup Language）で記述される。Ｗｅｂサーバ機能５１は、送信部７１および受信部７２を含む。送信部７１はウェブページをユーザ端末１３に送信する。受信部７２はユーザ端末１３から送信されてくる各種のデータを受信する。

ページ生成部５２は、ユーザ端末１３に提供するウェブページを生成してＷｅｂサーバ機能５１の送信部７１に出力する。このウェブページには、出品者に予測時間を提示するためのウェブページも含まれる。

サービス提供部５３は、オークション・サービスに対するログイン及びログアウトや、オークションにおける各種行動を示すイベントを受け付ける。このイベントは、オークションに参加するユーザを特定するユーザＩＤと、そのユーザの行動（ログイン、ログアウト、入札、落札、出品など）を示す情報とを示している。

予測時間提供部５４は、出品商品に所定数以上のユーザが入札すると予測される時間を推定する。予測時間提供部５４は、ページ生成部５２およびＷｅｂサーバ機能５１を介して、予測時間（コアタイム）を出品者のユーザ端末１３に提供することで、その予測時間を出品者に提示する。ここで、予測時間は、１日のうちの３０分、１時間、２時間などを単位とする時間帯であってもよいし、「日曜日の１２：００〜１３：００」などのような、曜日を更に考慮した時間帯であってもよい。どのような予測時間を提供するかは任意に定めてよい。

ユーザデータベース５５は、オークション・サービスを利用するユーザに関するデータ（ユーザデータ）を格納する。ユーザデータは、ユーザを特定するためのユーザＩＤと、該ユーザの氏名、住所、電話番号、電子メールアドレス、年齢、性別、およびログイン用パスワードなどの各種属性とが互いに関連付けられたデータである。

オークション関連データベース５６は、オークションに関する情報（オークション情報）を格納する。オークション情報は、オークションを特定するためのオークションＩＤと、出品者のユーザＩＤと、出品された商品を特定する商品ＩＤと、該商品の名前及びカテゴリと、オークションでの開始価格と、オークションの終了日時と、該商品に対して入札したユーザ（入札者）を特定するユーザＩＤと、入札日時と、該商品の落札者を特定するユーザＩＤと、落札日時とを含んでいる。一つの商品に対して入札が複数回発生することもあるので、一つのオークション情報には複数の入札者のユーザＩＤ及び入札日時が含まれうる。商品のカテゴリとは商品の種類を意味し、例えば、家電やインテリア、生活雑貨、食品などがカテゴリに相当する。カテゴリは、「食品−スイーツ−洋菓子−チョコレート」などのように階層的に表現されていてもよい。

オークション情報は更に、オークションをウォッチリストに登録したユーザを特定するユーザＩＤ、及びオークションに対してリマインドメールの登録をしたユーザを特定するユーザＩＤも含んでいる。オークションをウォッチリストに登録しているユーザとは、そのオークションに関心を持っている又は注目しているユーザであるといえる。

オークション情報に含まれる各種ユーザＩＤは、オークションの参加者を特定する参加者ＩＤであるともいえる。

オークション履歴データベース５７は、個々のユーザがオークションにアクセスした時間を示す行動時間情報を記憶する。

図４に示すように、行動時間情報は、オークションに参加したユーザを特定するユーザＩＤと、該ユーザの年齢及び性別と、該ユーザの行動履歴（落札履歴、入札履歴、および滞在履歴）と、該ユーザの評価値とを含んでいる。落札履歴は、ユーザにより落札された商品を特定する商品ＩＤと、該商品の名称（商品名）と、落札日時とを示す情報である。入札履歴は、ユーザにより入札された商品のＩＤ及び名称と入札日時とを示す情報である。滞在履歴は、ユーザがオークション・サービスにログインした日時と該サービスからログアウトした日時とを示す情報である。このような行動履歴は、ユーザがオークションにアクセスしたことを示している。評価値は、オークション・サービスにおけるユーザの行動に対する他者の評価を示すユーザ評価情報であり、値が大きいほどそのユーザが取引相手として好ましいことを意味する。なお、評価値の初期値は０である。評価ステージは評価値に対応して設定されるユーザ評価情報であり、評価値を所定の幅毎に段階的に分けて評価を大まかに示すために用いられる。

図４に示すユーザＩＤ「０００１」で示されるユーザの行動時間情報からは、例えば、そのユーザが、それぞれ「Ａ０００１」「Ｃ０２０１」「Ｔ０２１１」の商品ＩＤで示される３種類の商品を落札したことがわかる。また、そのユーザが１月１７日（日）の２１時５５分、２２時３０分、および２２時４０分に、商品ＩＤ「Ａ０００１」で示される商品に対して入札したこともわかる。さらに、そのユーザが、１月１６日（土）の２２時１０分から４０分間オークション・サービスを利用していたこともわかる。図４の例では、ユーザの評価値は１２ポイント（評価ステージに換算すると「Ｄ」）となっている。

図３に戻って、予測時間提供部５４の詳細を説明する。予測時間提供部５４は、記録部７３、抽出部（推定手段）７４、および推定部（推定手段、提供手段）７５を含む。

記録部７３は、オークション履歴データベース５７内の行動時間情報を更新する。この記録部７３は行動時間記録部７３ａ及び評価値記録部７３ｂを含んでいる。

行動時間記録部７３ａは、サービス提供部５３により受け付けられたイベントを参照して、ユーザの各種履歴を記録する。イベントがオークション・サービスへのログインまたはオークション・サービスからのログアウトを示している場合には、行動時間記録部７３ａは対応するユーザの行動時間情報の滞在履歴にログイン日時またはログアウト日時を追加する。イベントが商品の落札を示している場合には、行動時間記録部７３ａは対応するユーザの行動時間情報の落札履歴に、該商品のＩＤ及び名称と落札日時とを含むレコードを追加する。イベントが商品の入札を示している場合には、行動時間記録部７３ａは対応するユーザの行動時間情報の入札履歴に、該商品のＩＤ及び名称と入札日時とを含むレコードを追加する。

評価値記録部７３ｂはユーザの評価値を更新する。図５に示すように、評価値記録部７３ｂは、サーバ１１によるオークション・サービスを提供している業者により設定された出品者および落札者の評価値を取得する（Ｓ１）。この際には、評価値記録部７３ｂは当該業者の所定のデータベースから評価値を取得すればよい。続いて、評価値記録部７３ｂは、出品者により設定された落札者の評価値を取得する（Ｓ２）。更に、評価値記録部７３ｂは、落札者により設定された出品者の評価値を取得する（Ｓ３）。ステップＳ２，Ｓ３では、評価値記録部７３ｂは、所定のウェブページを介してユーザにより入力された評価値を受け付けたり、当該ユーザにより評価値が記載されている電子メールを受信したりすることで、評価値を取得する。続いて、評価値記録部７３ｂは、取得した出品者または落札者の評価値を、オークション履歴データベース５７内の対応する行動時間情報の評価値に加算することで、その人の評価値を更新する（Ｓ４）。

また、評価値記録部７３ｂは、図６に示す評価値と評価ステージとの対応表を参照して、更新後の評価値に対応する評価ステージを行動時間情報に登録する。この対応表は、評価値記録部７３ｂの内部に予め保持されている。

図３に戻って、抽出部７４は、オークション関連データベース５６及びオークション履歴データベース５７を参照して、出品商品のカテゴリに属する商品のオークションに参加したユーザのユーザＩＤ（参加者ＩＤ）を抽出する。抽出部７４は、検索部７４ａ及び参加者抽出部７４ｂを含む。

検索部７４ａは、出品者のユーザ端末１３から送信されてくる出品商品のカテゴリを示すカテゴリ情報を取得する。続いて、検索部７４ａはそのカテゴリ情報で示されるカテゴリに属する他の商品が出品されており、且つ現在入札を受け付けているオークションのオークション情報をオークション関連データベース５６から抽出する。

参加者抽出部７４ｂは、出品者が商品を出品した時点において、検索部７４ａにより検索されたオークションに参加しているユーザのユーザＩＤ（参加者ＩＤ）を抽出する。参加者抽出部７４ｂは、検索部７４ａにより抽出されたオークション情報に含まれている各種ユーザＩＤを参加者ＩＤとして抽出すればよい。もっとも、参加者抽出部７４ｂにより抽出される参加者ＩＤの種類は限定されない。例えば参加者抽出部７４ｂは入札者のユーザＩＤのみを参加者ＩＤとして抽出してもよいし、入札者のユーザＩＤ、及びオークションをウォッチリストに登録したユーザのユーザＩＤのみを参加者ＩＤとして抽出してもよい。参加者抽出部７４ｂは抽出した参加者ＩＤを推定部７５に出力する。

推定部７５は、出品商品のオークションにおいて多くの入札が見込まれる時間を予測時間として推定し、その予測時間をユーザ端末１３に送信する。推定部７５は候補抽出部７５ａ及び時間決定部７５ｂを含む。

候補抽出部７５ａは、参加者抽出部７４ｂにより抽出された参加者ＩＤに対応する行動時間情報をオークション履歴データベースから読み出し、読み出した行動時間情報に基づいて、多くのユーザがオークションに参加すると予測される時間の候補（予測時間の候補。以下では「候補時間」ともいう）を推定する。

まず、候補抽出部７５ａは、ユーザＩＤが参加者ＩＤと一致する行動時間情報をオークション履歴データベース５７から抽出し、抽出された行動時間情報に基づいて時間毎のユーザ数を算出する。例えば、候補抽出部７５は１日の中での所定長の時間帯毎にユーザ数を算出する。続いて、候補抽出部７５ａは、時間毎のユーザ数に基づいて、所定数以上のユーザが出品商品のオークションに参加すると予測される時間の候補を推定する。以下に、この推定方法をいくつか示す。

候補抽出部７５ａは、参加者数に基づいて候補時間を推定してもよい。この手法を図７（ａ）を用いて説明する。なお、図７（ａ）の例では、説明を簡単にするために参加者を入札者に限定する。図７における×印は、出品商品のカテゴリに属する他の一商品のオークションにおいて入札が行われた時刻を示している。図７（ａ）に示す例では、２０：００〜２１：００では２人が入札を行っており、２１：００〜２２：００では４人が入札を行っており、２２：００〜２３：００では２人が入札を行っており、２３：００〜０：００では誰も入札しておらず、０：００〜１：００では１人が入札を行っている。候補抽出部７５ａは抽出された行動時間情報の入札履歴を集計することで、図７（ａ）に示すような時間毎の参加者数を得る。

続いて、候補抽出部７５ａは取得した時間毎の参加者数に基づいて候補時間を設定する。具体的には、候補抽出部７５ａは、参加者が最も多い時間「２１：００〜２２：００」を候補時間として設定してもよい（予測時間の候補Ａ参照）。この場合には、「参加者が最も多い」という条件が閾値であるといえる。また、候補抽出部７５ａは、参加者数が所定の閾値以上である時間を候補時間として設定してもよい。例えば閾値を２とした場合には、候補抽出部７５ａは２人以上の参加者がいる２０：００〜２３：００を候補時間と設定する（予測時間の候補Ｂ参照）。ここで、所定の閾値は、参加者の絶対数で示してもよいし、所定の時間においてオークションにログインしている全ユーザ数に対する参加者数の割合で示してもよい。

候補抽出部７５ａは、各ユーザの参加頻度に基づいて候補時間を推定してもよい。この手法を図７（ｂ）を用いて説明する。なお、図７（ｂ）の例でも、説明を簡単にするために参加者を入札者に限定する。図７（ａ）における×印も、出品商品のカテゴリに属する他の一商品のオークションにおいて入札が行われた時刻を示している。図７（ｂ）の例は、２０：００〜２１：００の間に入札した２ユーザの平均入札頻度が週５回であり、２１：００〜２２：００の間に入札した４ユーザの平均入札頻度が週２回であることを示している。他の時間についても同様に平均入札頻度が示されている。候補抽出部７５ａは抽出された行動時間情報の入札履歴を集計することで、図７（ｂ）に示すような時間毎の平均入札頻度を得る。

続いて、候補抽出部７５ａは取得した時間毎の平均入札頻度に基づいて候補時間を設定する。この場合に、候補抽出部７５ａは入札者数に平均入札頻度を乗ずる重み付けを行い、その重み付けの結果が最も高い時間を候補時間として設定してもよい。例えば図７（ｂ）の場合には、候補抽出部７５ａは重み付けの結果が２×１０＝２０である時間「２２：００〜２３：００」を候補時間と設定する（予測時間の候補Ｃ参照）。また、候補抽出部７５ａは平均入札頻度が一番高い時間を候補時間として設定してもよい。このように入札頻度を考慮するのは、入札頻度の高いユーザが行動する時間の方が、出品商品のオークションにおいても入札が活発に行われる可能性が高いと推測されるからである。

取得された候補時間が複数存在する場合には、候補抽出部７５ａは各ユーザの評価値を更に参照して候補時間を絞り込んでもよい。例えば、候補抽出部７５ａは評価値又は評価ステージが所定の閾値以上である参加者（以下では「高評価者」ともいう）の数が最も多い時間を最終的な候補時間として設定してもよい。また、候補抽出部７５ａは所定の時間においてオークションにログインしている全ユーザ数に対する高評価者数の割合が最も高い時間を最終的な候補時間として設定してもよい。あるいは、候補抽出部７５ａは所定の時間における全参加者数に対する高評価者数の割合が最も高い時間を最終的な候補時間として設定してもよい。また、候補抽出部７５ａは、評価ステージ毎に予め設定された重みを参加者数に乗じた結果が最大の時間を最終的な候補時間として設定してもよい。

なお、評価値または評価ステージについての閾値はどのように設定してもよい。例えば評価値の閾値として７０を設定したり、評価ステージの閾値として「Ｂ」を設定したりしてもよい。

図７の例では、候補抽出部７５ａは入札履歴に基づいて予測時間を推定したが、落札履歴または滞在履歴に基づいて同様に候補時間を推定してもよい。また、候補抽出部７５ａはすべての行動履歴を集計することで同様に候補時間を推定してもよい。

候補抽出部７５ａは、上記のように推定（設定）した候補時間を時間決定部７５ｂに出力する。

時間決定部７５ｂは、出品者に提示する予測時間を決定する。以下に、この決定方法をいくつか示す。

時間決定部７５ｂは、入力された１以上の候補時間をそのまま１以上の予測時間として決定し、その予測時間をページ生成部５２に出力してもよい。この際には、時間決定部７５ｂは高評価者数の降順、あるいは高評価者の割合の降順に複数の候補時間を並べ替えた上で、これらの候補時間を予測時間としてページ生成部５２に出力してもよい。この場合には、高評価者数が多い予測時間、又は高評価者の割合が大きい予測時間ほど優先的に出品者に提示される。

また、時間決定部７５ｂは、出品商品のカテゴリに属する他の商品が出品されているオークションの終了数を時間毎に算出し、その終了数と入力された候補時間とに基づいて予測時間を決定してもよい。具体的には、時間決定部７５ｂは、出品商品のカテゴリに属する他の商品が出品されているオークションを示すオークション情報をオークション関連データベース５６から抽出する。続いて、時間決定部７５ｂは抽出されたオークション情報の終了日時に基づいて、オークションの終了数を時間毎に算出する。続いて、時間決定部７５ｂは、各候補時間について、該時間でのオークションの終了数に対する該時間での参加者数の比を算出し、その比が最大となる時間を予測時間として決定する。そして、時間決定部７５ｂは決定した予測時間をページ生成部５２に出力する。あるいは、時間決定部７５ｂはその比の降順に各候補時間に優先度を設定した上で、これらの候補時間を予測時間としてページ生成部５２に出力してもよい。

例えば、第１の候補時間おいてオークションの終了数及び参加者数が共に１０であり、第２の候補時間おいてオークションの終了数及び参加者数がそれぞれ５，１０であるとする。この場合には、第１及び第２の候補時間における比がそれぞれ１，２となるので、時間決定部７５ｂは第２の候補時間を予測時間として出力する。あるいは、時間決定部７５ｂは第１の時間よりも高い優先度を第２の候補時間に設定した上で、第１及び第２の候補時間を予測時間としてページ生成部５２に出力する。

次に、図８を用いて本実施形態における予測時間推定処理（情報提供方法）を説明する。まず、出品者のユーザ端末１３が、出品商品のカテゴリを示すカテゴリ情報を取得する（Ｓ１００１）。具体的には、ユーザ端末１３は、オークションへの出品を受け付けるウェブページにおいてプルダウンメニューから選択されたカテゴリ情報、または直接入力されたカテゴリ情報を取得する。続いて、ユーザ端末１３はそのカテゴリ情報をサーバ１１に送信する（Ｓ１００２）。

サーバ１１では、受信部７２がそのカテゴリ情報を受信して予測時間提供部５４に出力する（Ｓ２００１）。

予測時間提供部５４では、検索部７４ａがそのカテゴリ情報で示されるカテゴリに属する商品のオークションであって、且つ現在入札を受け付けているオークションを検索する（Ｓ２００２）。続いて、抽出部７４が、検索されたオークションから所定数のオークションを選択する（Ｓ２００３）。例えば、抽出部７４は検索されたオークションからランダムに１０個のデータを選択してもよいし、検索した全オークションをすべて選択してもよい。続いて、参加者抽出部７４ｂが、選択されたオークションのオークション情報に基づいて、そのオークションにおける参加者のユーザＩＤ（参加者ＩＤ）を抽出する（Ｓ２００４、推定ステップ）。

続いて、推定部７５により予測時間が推定される。具体的には、候補抽出部７５ａが、抽出された参加者ＩＤに対応する行動時間情報をオークション履歴データベース５７から抽出し、その行動時間情報に基づいて時間毎のユーザ数を集計する。そして、候補抽出部７５ａは時間毎のユーザ数に基づいて予測時間を推定する（Ｓ２００５、推定ステップ）。上述したように、この際の予測手法はいくつか考えられる。続いて、時間決定部７５ｂが出品者に提示する時間を候補時間から決定することで、予測時間を最終的に推定する（Ｓ２００５、推定ステップ）。上述したように、この決定方法もいくつか考えられる。

続いて、ページ生成部５２が予測時間を含むウェブページを生成する（Ｓ２００６）。ページ生成部５２は、例えば図７に示すような、時間毎の入札者数を示すウェブページを生成してもよいが、ウェブページでの予測時間の表示方法は何ら限定されない。続いて、Ｗｅｂサーバ機能５１の送信部７１がそのウェブページをユーザ端末１３に送信する（Ｓ２００７、提供ステップ）。

ユーザ端末１３は、サーバ１１から送信されてきたウェブページを受信し（Ｓ１００３）、そのウェブページを表示する（Ｓ１００４）。

これにより出品者は、例えば図７のように表示された予測時間を確認して適切な終了時刻を決定することができる。例えば、出品者は多くの入札者が見込まれる時間（予測時間）内の特定の時刻を終了時刻として決定することができる。

以上説明したように、本実施形態によれば、出品商品のカテゴリに属する他の商品のオークションに対応する行動時間情報に基づいて時間毎の参加者数が特定され、一定数以上の参加者が見込まれる時間が予測時間として推定される。この予測時間を出品者に提供することで、出品者はその予測時間を考慮して終了日時を決めることができる。すなわち、オークション終了時刻を決めようとしている出品者にその終了時刻を決めるための有用な情報を提供することができる。

（第２実施形態）
次に、第２実施形態に係る情報提供システムについて説明する。この情報提供システムは、出品商品と同一カテゴリの商品に関連し且つ現在入札を受け付けているオークションの参加状況ではなく、全オークションの参加状況に基づいて予測時間を提示する点で、第１実施形態に係る情報提供システムと異なる。このために、本実施形態の情報提供システムは、サーバ１１に代えてサーバ１１Ａを備えている。以下では、第１実施形態と同一又は同等の事項については説明を省略する。

サーバ１１Ａの機能構成を図９に示す。サーバ１１Ａは、記録部７３内に行動時間集計部７３ｃを更に備え、抽出部７４内に属性特定部７４ｃを更に備える点でサーバ１１と異なる。また、これに応じて、いくつかの機能的構成要素の動作も第１実施形態と異なる。

行動時間集計部７３ｃは、所定の時刻になると起動し、図１０に示す処理を行う。まず、行動時間集計部７３ｃは各ユーザの行動時間情報をオークション履歴データベース５７から読み出し（Ｓ１１）、その行動時間情報を属性別に分類する（Ｓ１２）。分類方法は限定されない。例えば、行動時間集計部７３ｃは年齢層別又は性別に行動時間情報を分類してもよいし、性別且つ年齢層別に行動時間情報を分類してもよい。

続いて、行動時間集計部７３ｃは、属性別に、落札が多く行われた時間を落札時間として抽出する（Ｓ１３）。落札時間の抽出方法はいくつか考えられる。例えば、行動時間集計部７３ｃは、属性別に、落札件数が最も多い時間を落札時間として抽出してもよい。この場合には、「落札件数が最も多い」という条件が閾値となる。また、行動時間集計部７３ｃは、属性別に、落札件数が所定の閾値（例えば１万件）以上である時間を落札時間として抽出してもよい。あるいは、行動時間集計部７３ｃは、属性別に、該属性における全落札件数に対する特定の時間での落札件数の割合が所定の閾値（例えば３０％）以上である該時間を落札時間として抽出してもよい。

続いて、行動時間集計部７３ｃは、属性別に、落札が多く行われた曜日を落札曜日として抽出する（Ｓ１４）。落札曜日の抽出方法もいくつか考えられる。例えば、行動時間集計部７３ｃは、属性別に、落札件数が最も多い曜日を落札曜日として抽出してもよい。また、行動時間集計部７３ｃは、属性別に、落札件数が所定の閾値（例えば３万件）以上である曜日を落札曜日として抽出してもよい。あるいは、行動時間集計部７３ｃは、属性別に、該属性における全落札件数に対する特定の曜日での落札件数の割合が所定の閾値（例えば３０％）以上である該曜日を落札曜日として抽出してもよい。

続いて、行動時間集計部７３ｃは、属性別に、落札時間および落札曜日を行動集計情報としてオークション履歴データベース５７に格納する（Ｓ１５）。なお、行動集計情報の格納場所はこの例に限定されない。

また、行動時間集計部７３ｃは、オークションに出品された商品のカテゴリ別且つ参加者の属性別に行動集計情報を生成し、オークション履歴データベース５７に格納してもよい。この場合、行動時間集計部７３ｃは、オークション履歴データベース５７から抽出した行動時間情報をカテゴリ別且つ参加者の属性別に分類する。続いて、行動時間集計部７３ｃは、カテゴリ別且つ属性別に落札が多く行われた時間を落札時間として抽出する。

行動集計情報の例を図１１，１２に示す。図１１に示す行動集計情報は、年齢層別に集計した場合の行動集計情報である。例えばこの行動集計情報から、１８〜２９歳の年齢層に属するユーザは、２２：００から２４：００までの間に落札する傾向が高く、また、金曜日、土曜日、及び日曜日に落札する傾向も高いことがわかる。一方、図１２に示す行動集計情報は、性別且つ年齢層別に集計した場合の行動集計情報である。なお、年齢層の設定や時間の設定は図１１，１２の例に限定されず、任意に定めてよい。例えば、行動時間集計部７３ｃは年齢層の幅を５（歳）に設定したり、落札件数を１時間毎に集計したりしてもよい。図１２の例のように複数の属性を加味すれば、予測時間をより詳細に推定できる。商品のカテゴリ別且つ参加者の属性別に行動集計情報を生成した場合には、図１１，１２に示すような集計結果は商品のカテゴリ毎に得られる。

図９に戻って、抽出部７４は、オークション関連データベース５６及びオークション履歴データベース５７を参照して、出品商品のカテゴリに属する他の商品のオークションに参加しているユーザの属性を抽出する。

属性特定部７４ｃは、参加者抽出部７４ｂにより抽出された参加者ＩＤに対応する行動時間情報をオークション履歴データベース５７から抽出し、その行動時間情報に基づいて参加者の属性を特定する。これにより、属性特定部７４ｃは、カテゴリが出品商品と同じである他の商品のオークションに参加したユーザの属性を取得する。なお、ここで特定される属性の種類は、行動時間集計部７３ｃにおいて処理された属性の種類と同じである。当然ながら、属性特定部７４ｃは１種類の属性に対して複数の属性値を取得する場合もある。例えば、属性特定部７４ｃは年齢層に関して「３０〜３９歳」及び「４０〜４９歳」という二つの属性値を取得することもある。属性特定部７４ｃは取得した属性の情報を推定部７５に出力する。

推定部７５は、出品商品のオークションにおいて多くの入札が見込まれる時間を予測時間として推定し、その予測時間をユーザ端末１３に送信する。

候補抽出部７５ａは、オークション履歴データベース５７内の行動時間情報又は行動集計情報を参照して予測時間の候補を推定する。この推定方法としてはいくつか考えられる。

第１の方法として、候補抽出部７５ａは行動集計情報のみを用いて予測時間を推定してもよい。まず、候補抽出部７５ａは、属性特定部７４ｃから入力された参加者の属性に対応する行動集計情報をオークション履歴データベース５７から読み出す。続いて、候補抽出部７５ａはその行動集計情報で示される属性毎の落札時間および落札曜日に基づいて、オークションにおいて多くの入札が行われると予測される時間および曜日を推定する。

例えば、図１１に示す行動集計情報を前提とし、属性特定部７４ｃから４個の年齢層「１８〜２９歳」「３０〜３９歳」「４０〜４９歳」「５０〜５９歳」が入力されたとする。この場合には、候補抽出部７５ａは、年齢層「１８〜２９歳」の落札時間「２２：００〜２４：００」、年齢層「３０〜３９歳」の落札時間「２１：００〜２３：００」、年齢層「４０〜４９歳」の落札時間「２１：００〜２３：００」、及び年齢層「５０〜５９歳」の落札時間「２０：００〜２２：００」を候補時間として推定する（図１３（ａ）参照）。また、候補抽出部７５ａは入力された属性（例えば年齢層）に対応する落札曜日を候補時間として推定する。落札曜日に関する処理は、上記落札時間に関する処理と同様である。

第２の方法として、候補抽出部７５ａは行動集計情報及び行動時間情報を用いて候補時間を推定してもよい。まず、候補抽出部７５ａは上記第１の方法と同様に属性別の落札時間を取得する。続いて、候補抽出部７５ａは、属性及び落札時間の組毎に、属性が一致し且つ入札日時が落札時間に対応する行動時間情報をオークション履歴データベース５７から抽出する。続いて、候補抽出部７５ａは抽出された行動時間情報に基づいて属性別且つ落札時間別の入札者数を求める。

例えば、図１３（ｂ）に示すように、年齢層「１８〜２９歳」「３０〜３９歳」「４０〜４９歳」「５０〜５９歳」の落札時間に対応する入札者数がそれぞれ４，６，４，２であったとする。この場合、候補抽出部７５ａは、入札者の合計が最多である「２２：００〜２３：００」を候補時間として推定する（予測時間の候補Ｄ参照）。

また、候補抽出部７５ａは入力された属性（例えば年齢層）に対応する落札曜日のうち、入札者の合計が最多の曜日を候補時間として推定する。落札曜日に関する処理は、上記落札時間に関する処理と同様である。

さらに、候補抽出部７５ａは、曜日毎且つ時間毎に入札者数を集計し、その数が最多である特定の曜日の特定の時間を候補時間として推定してもよい。

また、候補抽出部７５ａは図１３（ｂ）に示す属性毎の候補時間を、該候補時間に対応する入札者数と共に保持してもよい。この場合には、出品者に提供されるウェブページに各予測時間での入札者数も表示される。

この場合には、図１３（ｃ）に示すように評価ステージ（評価値）毎に人数を表示してもよい。これにより、出品者は高評価者に落札される可能性が高い時間を選ぶことができる。例えば、出品者は図１３（ｃ）の例において、評価ステージ「Ａ」のユーザに落札される可能性が高い２１：００から２２：００までの時間を狙って終了時刻を決めることができる。

なお、より評価値の高い入札者に落札されることを最優先とするならば、図１３（ｃ）の例において、候補抽出部７５ａは評価ステージ「Ａ」のユーザのみが示されている２０：００から２１：００までの時間を抽出してもよい。

候補抽出部７５ａは、上記のように推定した候補時間を時間決定部７５ｂに出力する。時間決定部７５ｂは第１実施形態と同様に予測時間を推定する。

次に、図１４を用いて本実施形態における予測時間推定処理（情報提供方法）を説明する。ステップＳ１１０１，Ｓ１１０２，Ｓ２１０１〜Ｓ２１０４の処理は、第１実施形態におけるステップＳ１００１，Ｓ１００２，Ｓ２００１〜Ｓ２００４の処理と同じである。

続いて、属性特定部７４ｃが抽出された参加者ＩＤに対応する行動時間情報をオークション履歴データベース５７から抽出し、その行動時間情報に基づいて参加者の属性を特定する（Ｓ２１０５、推定ステップ）。

続いて、推定部７５が予測時間を推定する。具体的には、候補抽出部７５ａが、特定された属性に対応する行動集計情報をオークション履歴データベース５７から抽出し、その行動集計情報に基づいて予測時間を推定する（Ｓ２１０６、推定ステップ）。上述したように、この際の予測手法はいくつか考えられる。続いて、時間決定部７５ｂが候補時間から予測時間を決定する（Ｓ２１０６、推定ステップ）。

その後に続くステップＳ２１０７，Ｓ２１０８，Ｓ１１０３，Ｓ１１０４の処理は、第１実施形態におけるステップＳ２００６，Ｓ２００７，Ｓ１００３，Ｓ１００４の処理と同様である。

以上説明したように、本実施形態によれば、行動時間情報から特定された参加者の属性に基づいて一定数以上の参加者が見込まれる時間が予測時間として推定される。この予測時間を出品者に提供することで、出品者はその予測時間を考慮して終了日時を決めることができる。すなわち、オークション終了時刻を決めようとしている出品者にその終了時刻を決めるための有用な情報を提供することができる。

なお、本実施形態では図１５に示すような行動集計情報を用いてもよい。すなわち、行動時間集計部７３ｃは、落札時間及び落札曜日だけでなく、入札件数が最も多い時間（入札時間）やユーザの滞在数が最も多い時間（滞在時間）も性別及び年齢層別に算出し、これらの情報を含む行動集計情報を生成してもよい。図１５では男性についての行動集計情報のみを示しているが、女性についての行動集計情報も同様に生成される。商品のカテゴリ別且つ参加者の属性別に行動集計情報を生成した場合には、図１５に示すような集計結果も商品のカテゴリ毎に得られる。

この場合には、候補抽出部７５ａは行動集計情報に基づいて属性別の落札時間、落札曜日、入札時間、および滞在時間を抽出する。続いて、候補抽出部７５ａは抽出したこれらの情報と、参加者ＩＤを用いて抽出した各参加者の属性とに基づいて、候補時間を属性毎に抽出する。

（第３実施形態）
次に、第３実施形態に係る情報提供システムについて説明する。この情報提供システムは、出品者により指定された商品の出品期間に基づいて予測時間の処理方法を選択する点で、第１及び第２実施形態に係る情報提供システムと異なる。このために、本実施形態の情報提供システムは、サーバ１１，１１Ａに代えてサーバ１１Ｂを備えている。以下では、第１及び第２実施形態と同一又は同等の事項については説明を省略する。

サーバ１１Ｂの機能構成を図１６に示す。サーバ１１Ｂは、抽出部７４内に手法決定部７４ｄを更に備える点でサーバ１１Ａと異なる。

手法決定部７４ｄは、出品者のユーザ端末１３から送信されてきた出品期間を取得し、該出品期間に基づいて予測時間の推定方法を決定する。手法決定部７４ｄは、出品期間が所定期間（例えば一週間）よりも短い場合には、第１実施形態と同様の手法で予測時間を推定すると決定し、出品期間が所定期間以上である場合には、第２実施形態と同様の手法で予測時間を推定すると決定する。この決定に基づいて、抽出部７４及び推定部７５は、第１実施形態又は第２実施形態の手法のいずれかを用いて予測時間を推定する。

図１７を用いて本実施形態における予測時間推定処理（情報提供方法）を説明する。まず、ユーザ端末１３が、出品者により入力された出品商品のカテゴリ及び出品期間を取得する（Ｓ１２０１）。出品期間は、オークションへの出品を受け付けるウェブページにおいて出品者が終了日時を入力することで取得される。続いて、ユーザ端末１３は取得したカテゴリ情報及び出品期間をサーバ１１Ｂに送信する（Ｓ１２０２）。

サーバ１１ではＷｅｂサーバ機能５１の受信部７２がそのカテゴリ情報および出品期間を受信する（Ｓ２２０１）。これに続くステップＳ２２０２〜Ｓ２２０４の処理は第１実施形態におけるステップＳ２００２〜Ｓ２００４の処理と同様である。

続いて、手法決定部７４ｄが、出品期間が所定期間以上であるか否かを判断する（Ｓ２２０５、推定ステップ）。この場合に出品期間が所定期間より短い場合には（Ｓ２２０５；ＮＯ）、第１実施形態におけるステップＳ２００５の処理と同様に、時間毎の参加者数に基づいて予測時間が推定される（Ｓ２２０６、推定ステップ）。一方、出品期間が所定期間以上である場合には（Ｓ２２０５；ＹＥＳ）、第２実施形態におけるＳ２１０５，Ｓ２１０６の手続きと同様に、抽出された参加者ＩＤから参加者の属性が特定され（Ｓ２２０７、推定ステップ）、その属性に基づいて予測時間が推定される（Ｓ２２０８、推定ステップ）。これに続くステップＳ２２０９，Ｓ２２１０，Ｓ１２０３，Ｓ１２０４の処理は第１実施形態におけるステップＳ２００６，Ｓ２００７，Ｓ１００３，Ｓ１００４の処理と同様である。

以上説明したように、本実施形態によれば、商品の出品期間が所定期間よりも短い場合には、時間毎の参加者数が特定され、一定数以上の参加者が見込まれる時間が予測時間として推定される。一方、出品期間が所定期間以上である場合には、行動時間情報より参加者の属性が特定され、該属性に基づいて一定数以上の参加者が見込まれる時間が予測時間として推定される。すなわち、オークション終了時刻を決めようとしている出品者にその終了時刻を決めるための有用な情報を提供することができる。

出品期間が短い場合には、特定された参加者自身がオークションに参加する傾向にある。一方、出品期間が長い場合には、特定された参加者と同じ属性を有するユーザの全体的な参加傾向が特定のオークションにおける参加傾向についても当てはまることが多い。したがって、出品期間の長さに応じて予測時間の推定方法を上記のように変えることは有効である。

以上、本発明をその実施形態に基づいて詳細に説明した。しかし、本発明は上記実施形態に限定されるものではない。本発明は、その要旨を逸脱しない範囲で様々な変形が可能である。

上記各実施形態では、抽出部７４が、出品商品のカテゴリに属する他の商品が出品されているオークションの参加者を抽出したが、出品商品と同じ商品のオークションの参加者のみを抽出してもよい。

上記各実施形態ではサーバ１１，１１Ａ，１１Ｂが各種データベース５５，５６，５７を備えていたが、これらのデータベース５５，５６，５７はサーバの外部に設けられていてもよい。この場合には、サーバが所定の通信ネットワークを介してそれらのデータベース５５，５６，５７にアクセスすればよい。同様に、Ｗｅｂサーバ機能５１、ページ生成部５２、及びサービス提供部５３をサーバ１１，１１Ａ，１１Ｂ以外の別のサーバに配置してもよい。

上記各実施形態では行動時間情報に３種類の行動履歴（入札履歴、落札履歴、滞在履歴）が含まれていたが、これらのうちの１種類又は２種類の履歴のみが行動時間情報に含まれていてもよい。また、行動時間情報に含める行動履歴は上記のものに限定されず、任意に決めてよい。

上記各実施形態では行動時間情報に評価値が含まれていたが、このようなユーザ評価情報は省略可能である。これに関連し、予測時間を推定する際に評価値を用いなくてもよい。また、推定部７５は評価値または評価ステージのどちらか一方のみを用いて予測時間を推定してもよい。

上記第２，第３実施形態では、参加者の属性に基づいて候補時間を抽出し、その候補時間に基づいて予測時間を推定したが、商品のカテゴリ別且つ参加者の属性別に行動集計情報を生成した場合には、出品商品のカテゴリに対応する行動集計情報で示される属性に基づいて候補時間を抽出し、その候補時間に基づいて予測時間を推定してもよい。

１１，１１Ａ，１１Ｂ…サーバ（情報提供装置）、１２…インターネット、１３…ユーザ端末、５１…Ｗｅｂサーバ機能、５２…ページ生成部、５３…サービス提供部、５４…予測時間提供部、５５…ユーザデータベース、５６…オークション関連データベース（記憶手段）、５７…オークション履歴データベース（記憶手段）、７１…送信部、７２…受信部、７３…記録部、７３ａ…行動時間記録部、７３ｂ…評価値記録部、７３ｃ…行動時間集計部、７４…抽出部（推定手段）、７４ａ…検索部、７４ｂ…参加者抽出部、７４ｃ…属性特定部、７４ｄ…手法決定部、７５…推定部（推定手段、提供手段）、７５ａ…候補抽出部、７５ｂ…時間決定部。

Claims (8)

1. オークションの参加者が該オークションに過去にアクセスした時間を示す行動時間情報を記憶する記憶手段から、出品者が出品しようとする商品のカテゴリに属する商品のオークションに対応する前記行動時間情報を抽出し、抽出された行動時間情報に基づいてオークションへの参加者数が所定の閾値以上である時間をアクセス集中予測時間として推定する推定手段と、
   前記出品者の端末に、前記推定手段により推定されたアクセス集中予測時間を示すデータを提供する提供手段とを備え、
   前記推定手段が、前記出品者による商品の出品を検出した時点において、該商品のカテゴリに属する他の商品に対して入札、ウォッチリストへの登録、及びリマインドメールの登録のいずれかを行っている前記参加者を特定し、特定した参加者に対応する前記行動時間情報を抽出する情報提供装置。
2. 前記推定手段が、前記抽出された行動時間情報に基づいて時間毎の前記参加者数を特定し、特定された参加者数が前記閾値以上である時間を前記アクセス集中予測時間として推定する、請求項１に記載の情報提供装置。
3. 前記行動時間情報が、前記参加者の属性を示す情報を含み、
   商品のカテゴリ及び前記参加者の属性毎に、オークションへの参加者数が所定の閾値以上である時間を集計した行動集計情報を生成する集計手段を更に備え、
   前記推定手段が、前記行動集計情報から、出品者が出品する商品のカテゴリに対応し、且つ、前記抽出された行動時間情報で示される前記参加者の前記属性に対応する時間を抽出し、抽出された時間を前記アクセス集中予測時間として推定する、請求項１に記載の情報提供装置。
4. 前記行動時間情報が、前記参加者の属性を示す情報を含み、
   商品のカテゴリ及び前記参加者の属性毎に、オークションへの参加者数が所定の閾値以上である時間を集計した行動集計情報を生成する集計手段を更に備え、
   前記推定手段が、
   前記出品者が出品しようとする前記商品の出品期間が所定期間よりも短い場合には、前記抽出された行動時間情報に基づいて時間毎の前記参加者数を特定し、特定された参加者数が前記閾値以上である時間を前記アクセス集中予測時間として推定し、
   前記出品期間が前記所定期間以上である場合には、前記行動集計情報から、出品者が出品する商品のカテゴリに対応し、且つ、前記抽出された行動時間情報で示される前記参加者の前記属性に対応する時間を抽出し、抽出された時間を前記アクセス集中予測時間として推定する、請求項１に記載の情報提供装置。
5. 前記行動時間情報が、参加者の評価を示すユーザ評価情報を更に含み、
   前記提供手段が、前記アクセス集中予測時間が複数存在する場合に、前記参加者に関するユーザ評価情報を参照し、前記参加者の評価に基づいて該複数のアクセス集中予測時間の提供の優先度を決定する、請求項１〜４のいずれか一項に記載の情報提供装置。
6. 情報提供装置により実行される情報提供方法であって、
   オークションの参加者が該オークションに過去にアクセスした時間を示す行動時間情報を記憶する記憶手段から、出品者が出品しようとする商品のカテゴリに属する商品のオークションに対応する前記行動時間情報を抽出し、抽出された行動時間情報に基づいてオークションへの参加者数が所定の閾値以上である時間をアクセス集中予測時間として推定する推定ステップと、
   前記出品者の端末に、前記推定ステップにおいて推定されたアクセス集中予測時間を示すデータを提供する提供ステップと含み、
   前記推定ステップでは、前記出品者による商品の出品を検出した時点において、該商品のカテゴリに属する他の商品に対して入札、ウォッチリストへの登録、及びリマインドメールの登録のいずれかを行っている前記参加者を特定し、特定した参加者に対応する前記行動時間情報を抽出する情報提供方法。
7. コンピュータを、
   オークションの参加者が該オークションに過去にアクセスした時間を示す行動時間情報を記憶する記憶手段から、出品者が出品しようとする商品のカテゴリに属する商品のオークションに対応する前記行動時間情報を抽出し、抽出された行動時間情報に基づいてオークションへの参加者数が所定の閾値以上である時間をアクセス集中予測時間として推定する推定手段と、
   前記出品者の端末に、前記推定手段により推定されたアクセス集中予測時間を示すデータを提供する提供手段として機能させ、
   前記推定手段が、前記出品者による商品の出品を検出した時点において、該商品のカテゴリに属する他の商品に対して入札、ウォッチリストへの登録、及びリマインドメールの登録のいずれかを行っている前記参加者を特定し、特定した参加者に対応する前記行動時間情報を抽出する情報提供プログラム。
8. コンピュータを、
   オークションの参加者が該オークションに過去にアクセスした時間を示す行動時間情報を記憶する記憶手段から、出品者が出品しようとする商品のカテゴリに属する商品のオークションに対応する前記行動時間情報を抽出し、抽出された行動時間情報に基づいてオークションへの参加者数が所定の閾値以上である時間をアクセス集中予測時間として推定する推定手段と、
   前記出品者の端末に、前記推定手段により推定されたアクセス集中予測時間を示すデータを提供する提供手段として機能させ、
   前記推定手段が、前記出品者による商品の出品を検出した時点において、該商品のカテゴリに属する他の商品に対して入札、ウォッチリストへの登録、及びリマインドメールの登録のいずれかを行っている前記参加者を特定し、特定した参加者に対応する前記行動時間情報を抽出する情報提供プログラムを記録したコンピュータ読取可能な記録媒体。

Images