JP5321889B2 - 商品推奨方法及び商品推奨システム - Google Patents

Description

本発明は、消費者に特定の商品を推奨する商品推奨方法及び商品推奨システムに関する。

消費者に対し、特定の商品を推奨する商品推奨システムが知られている。この商品推奨システムの従来技術として、例えば駅前や交差点に設置される広告スクリーンに、特定の商品の広告を表示させて商品の推奨を行うものが存在する（例えば、特許文献１参照）。この商品推奨システムでは、データベースに予め消費者（ユーザ）の嗜好情報と消費者ＩＤ（ユーザＩＤ）を対応付けて記憶させておき、広告スクリーン近辺に存在する消費者の情報端末（ユーザ端末）より取得した消費者ＩＤに基づいてデータベースを検索して対応する嗜好情報を取得し、当該嗜好情報に沿った商品の推奨情報を広告スクリーンに表示させる。これにより、消費者の嗜好品の広告をスクリーンに表示させることができる。

特開２００３−１２２９９４号公報

一般に、消費者の消費動向や消費感性には違いがあり、例えば多種多様な商品を消費する傾向にある人は、自分の嗜好品以外のものにも興味を持つタイプの人である可能性がある。一方、例えば限定された範囲の商品を消費する傾向にある人は、流行や新製品にとらわれず自分の嗜好品だけに限定的に興味を持つタイプの人である可能性がある。したがって、前者に対しては、当人の嗜好品以外の商品を推奨することも効果的であると考えられるが、上記従来技術では、消費者のタイプによっては必ずしも効果的な商品の推奨を行えるとは限らなかった。

本発明の目的は、各消費者の消費感性に合致した、効果的な推奨を行うことができる商品推奨方法及び商品推奨システムを提供することにある。

上記目的を達成するために、第１発明の商品推奨方法は、消費者の第１情報端末に少なくとも１つの特定商品を推奨する商品推奨方法において、推奨者側の第２情報端末における操作入力に基づき、記憶手段に記憶された複数の消費者識別情報を記憶した消費者データベースにアクセスし、消費者を特定する第１手順と、前記消費者データベースに蓄積された、前記第１手順により特定された前記特定の消費者が前記商品を消費した消費行動履歴情報に基づき、当該消費者が消費した商品の、総数、又は商品の分類数の少なくともいずれかを用いて、前記特定の消費者に関する消費多様性を判定する第２手順と、前記第２手順で判定した前記消費多様性の程度に対応させて、当該特定の消費者に対して推奨する前記少なくとも１つの特定商品の推奨数を決定する第３手順と、前記第３手順で決定した前記推奨数に対応させて、前記少なくとも１つの特定商品の推奨情報を推奨データベースより取得し、前記特定の消費者の前記第１情報端末に対し前記推奨情報を出力する第４手順とを有し、前記第２手順は、前記特定の消費者の前記消費行動履歴情報に含まれる、当該特定の消費者が消費した商品の前記総数及び前記商品の分類数を、前記記憶手段に記憶された商品特性に対応して予め定められた補正条件を用いて補正して集計し、前記消費多様性に係わる前記特定の消費者の多様性情報を算出する多様性情報算出手順を有し、前記第３手順は、前記多様性情報算出手順で算出された前記多様性情報に基づき、前記特定の消費者に対して推奨する前記少なくとも１つの特定商品の推奨数を決定することを特徴とする。

本願第１発明の商品推奨方法においては、消費者データベースに、複数の消費者による商品の消費の消費行動履歴情報が、予め格納されている。推奨者により第２情報端末が操作されると、第１手順で上記消費者データベースにアクセスし、消費者識別情報により特定の消費者を特定する。その後、第２手順で、当該特定の消費者が消費した全商品についての、総数、又は商品の分類数の少なくともいずれかを用いて、特定の消費者に関する消費多様性を判定する。そして、第３手順で、その判定した消費多様性の程度に対応させて、当該消費者に対し推奨する特定商品の推奨数を決定する。その後、第４手順で、その推奨する特定商品を当該特定の消費者の第１情報端末へと出力する。

これにより、多種多様な商品を消費する傾向にある人には比較的バラエティーに富んだいろいろな商品を推奨し、限定された範囲の商品を消費する傾向にある人には比較的狭い範囲に限定して商品を推奨することができる。

例えば商品の小分類である品目数をカウントする際に、自動車を国産車と外車の２台購入した人と書籍を和書と洋書の２冊購入した人とでは、同じ２品目の購入ではあっても、その消費者の備える消費多様性の度合いは異なる。この場合、自動車を２台購入する人の方が多様性が大きいと考えられる。このように、商品の種別、価格、消耗品・非消耗品のいずれであるか、商品個別の個性等の商品特性が異なれば、同一の消費総数、商品分類数であっても、消費多様性として評価すべき度合いが異なる。

本願第１発明はこのような事情に対応し、記憶手段が、上記のような商品特性に応じて予め定められた補正条件を記憶している。そして、第２手順に備えられる多様性情報算出手順で、消費行動履歴情報に含まれる特定消費者が消費した商品の総数及び商品の分類数を、上記補正条件を用いて補正・集計する。これにより、消費者の備える消費多様性の度合いを、上記のような商品特性の影響を除去し標準化した形の多様性情報として算出することができる。

第２発明の商品推奨方法は、上記第１発明において、前記第２手順は、前記消費者データベースに蓄積された、前記第１手順により特定された前記特定の消費者が前記商品を消費した消費行動履歴情報に基づき、当該消費者が消費した商品の総数又は商品の分類数の少なくともいずれかを用いて、前記特定の消費者に関する消費多様性を判定し、前記第３手順は、当該特定の消費者の前記消費者識別情報に対応付けて前記消費者データベースに蓄積された、各商品が当該特定の消費者の嗜好品か非嗜好品かの嗜好分類情報を用いて、前記第２手順で判定された前記消費多様性に基づいて、前記消費多様性に関連付けて定められる前記少なくとも１つの特定商品に占める前記非嗜好品の割合となるように、前記推奨数を決定する手順であることを特徴とする。

多種多様な商品を消費する傾向にあり消費多様性が大きい人は、自分の好みの物に興味を持つだけでなく、自分の嗜好品以外の物に対しても興味を惹かれる可能性が高い。そこで本願第２発明においては、そのような消費者に対しては、推奨する特定商品のうちの非嗜好品の割合を他の消費者よりも高めにすることが可能となる。これにより、各消費者の消費感性に合致した効果的な推奨を行うことができる。

第３発明の商品推奨方法は、上記第１発明において、前記第２手順は、前記消費者データベースに蓄積された、前記第１手順により特定された前記特定の消費者が前記商品を消費した消費行動履歴情報に基づき、当該消費者が消費した商品の総数又は商品の分類数の少なくともいずれかを用いて、前記特定の消費者に関する消費多様性を判定し、前記第３手順は、最初に市場に投入されてから所定時間範囲内の全販売総数に対応付けて前記消費者データベースに蓄積された、各商品が流行品か非流行品か、あるいは各商品が新製品か旧製品かの分類情報を用いて、前記第２手順で判定された前記消費多様性に基づいて、前記消費多様性に関連付けて定められる前記少なくとも１つの特定商品に占める前記非流行品あるいは前記旧製品の割合となるように、前記推奨数を決定する手順であることを特徴とする。

多種多様な商品を消費する傾向にあり消費多様性が大きい人は、巷で最近流行している流行品はもちろんのこと、それ以外の非流行品に対しても興味を惹かれる可能性が高く、また、巷で最近販売開始されたばかりの新製品はもちろんのこと、それ以外の旧製品に対しても引き続き興味を持っている可能性が高い。そこで本願第３発明においては、そのような消費者に対しては、推奨する特定商品のうちの非流行品あるいは旧製品の割合を他の消費者よりも高めにすることが可能となる。これにより、さらに確実に各消費者の消費感性に合致した効果的な推奨を行うことができる。

第４発明の商品推奨方法は、上記第２又は第３発明において、前記第２手順は、前記消費者データベースに蓄積された、前記第１手順により特定された前記特定の消費者が前記商品を消費した消費行動履歴情報に基づき、当該消費者が消費した商品の総数又は商品の分類数の少なくともいずれかを用いて、前記特定の消費者に関する消費多様性を判定し、前記第３手順は、前記第２手順で前記消費多様性が大きいと判定された前記特定の消費者に対しては、前記第２手順で判定された前記消費多様性に基づいて、前記消費多様性に関連付けて定められる前記少なくとも１つの特定商品に係わる前記分類数となるように、前記推奨数を決定する手順であることを特徴とする。

これにより、多種多様な商品を消費する傾向にあり消費多様性が大きい人に対して、推奨する特定商品の分類数を他の消費者よりも多くすることができる。この結果、嗜好品のみならず非嗜好品もある割合で含めて推奨したり、流行品のみならず非流行品もある割合で含めて推奨したり、新製品のみならず旧製品もある割合で含めて推奨したり、等を容易に行えるので、さらに確実に各消費者の消費感性に合致した効果的な推奨を行うことができる。

上記目的を達成するために、第５発明の商品推奨システムは、消費者が商品を消費した消費行動履歴情報と、各消費者の消費者識別情報とを、互いに関連付けて記憶した消費者データベースと、前記消費行動履歴情報に基づき、特定の前記消費者が消費した商品の総数又は商品の分類数の少なくともいずれかを用いて、前記特定の消費者に関する消費多様性を判定する判定手段と、前記判定手段により判定された前記消費多様性の程度に対応させて、当該特定の消費者に対して推奨する前記少なくとも１つの特定商品の推奨数を決定する決定手段と、前記決定手段により決定された前記推奨数に対応させて、前記少なくとも１つの特定商品の推奨情報を推奨データベースより取得し、前記特定の消費者の情報端末に対し前記推奨情報を出力する出力手段とを有し、前記判定手段は、前記特定の消費者の前記消費行動履歴情報に含まれる、当該特定の消費者が消費した商品の前記総数及び前記商品の分類数を、記憶手段に記憶された商品特性に対応して予め定められた補正条件を用いて補正して集計し、前記消費多様性に係わる前記特定の消費者の多様性情報を算出する多様性情報算出手段を有し、前記決定手段は、前記多様性情報算出手段で算出された前記多様性情報に基づき、前記特定の消費者に対して推奨する前記少なくとも１つの特定商品の推奨数を決定することを特徴とする。

本願第５発明の商品推奨システムにおいては、消費者データベースに、複数の消費者による商品の消費の消費行動履歴情報が、予め格納されている。推奨者が上記消費者データベースにアクセスすることにより、判定手段が、特定の消費者が消費した全商品についての総数又は商品の分類数の少なくともいずれかを用いて、特定の消費者に関する消費多様性を判定する。そして、決定手段が、その判定した消費多様性の程度に対応させて、当該消費者に対し推奨する特定商品の推奨数を決定する。その後、出力手段が、その推奨する特定商品を当該特定の消費者の情報端末へと出力する。

これにより、多種多様な商品を消費する傾向にある人には比較的バラエティーに富んだいろいろな商品を推奨し、限定された範囲の商品を消費する傾向にある人には比較的狭い範囲に限定して商品を推奨することができる。
また、記憶手段が、上記のような商品特性に応じて予め定められた補正条件を記憶し、判定手段が、消費行動履歴情報に含まれる特定消費者が消費した商品の総数及び商品の分類数を、上記補正条件を用いて補正・集計する。これにより、消費者の備える消費多様性の度合いを、上記のような商品特性の影響を除去し標準化した形の多様性情報として算出することができる。

本発明によれば、各消費者の消費感性に合致した、効果的な推奨を行うことができる。

本実施形態の商品推奨システムの全体構成を概念的に表すシステム構成図である。 サーバ及び携帯端末の機能構成を表すブロック図である。 歌唱行動履歴データベースの記憶内容の一例を表す図である。 消費者の多様性を判定する際に、特定の消費者の歌唱行動履歴情報に含まれる、特定の消費者の品目ごとの歌唱回数を補正するための、各品目ごとに予め定められた補正条件の一例を表す図である。 消費者の多様性を判定する際に、特定の消費者の歌唱行動履歴情報に含まれる、特定の消費者のカテゴリごとの品目数を補正するための、各カテゴリごとに予め定められた補正条件の一例を表す図である。 品目ごとの歌唱回数、カテゴリごとの品目数、及びカテゴリ数に基づき、消費者が消費多様性の程度に応じた各グループのうちどのグループに属するかを判定する判定基準の一例を表す図である。 ４つのグループの消費多様性の程度を概念的に表す図である。 ４つのグループに対応させた、消費者に対して推奨する推奨商品の品目数及びカテゴリ数に関する設定の一例を表す図である。 ４つのグループに対応させた、消費者に対して推奨する推奨商品に関する設定の一例を表す図である。 サーバの制御部が設定内容に基づき決定した推奨数の一例を表す図である。 サーバの制御部が実行する制御内容を表すフローチャートである。 消費行動履歴に基づいて推奨数を決定する変形例における、サーバ及び携帯端末の機能構成を表すブロック図である。 消費行動履歴データベースの記憶内容の一例を表す図である。 消費者の多様性を判定する際に、特定の消費者の消費行動履歴情報に含まれる、特定の消費者の品目ごとの購入数を補正するための、各カテゴリごとに予め定められた補正条件の一例を表す図である。 消費者の多様性を判定する際に、特定の消費者の消費行動履歴情報に含まれる、特定の消費者のカテゴリごとの品目数を補正するための、各カテゴリごとに予め定められた補正条件の一例を表す図である。 品目ごとの購入数、カテゴリごとの品目数、及びカテゴリ数に基づき、消費者が消費多様性の程度に応じた各グループのうちどのグループに属するかを判定する判定基準の一例を表す図である。 品目数と歌唱回数の２つの情報を用いて消費多様性を判定する場合の判定基準の一例を表す図である。 カテゴリ数と品目数の２つの情報を用いて消費多様性を判定する場合の判定基準の一例を表す図である。

以下、本発明の一実施の形態を図面を参照しつつ説明する。

図１は、本実施形態の商品推奨システム１の全体構成を概念的に表すシステム構成図である。

図１において、商品推奨システム１は、いわゆるカラオケにおけるカラオケ利用者である消費者Ｍの歌唱行動の動向から消費者Ｍの消費多様性を推測し、その多様性の程度に応じて決定した特定の商品（以下適宜「特定商品」と記載）を各消費者Ｍに対し推奨するものである。この商品推奨システム１は、カラオケルームＫＲに設置されたカラオケ装置１００とインターネット等のネットワークＮＷを介し接続されたサーバ２００（第２情報端末）を有している。このサーバ２００には、ディスプレイ２２０、キーボード２２１、及びマウス２２２が接続されている。

カラオケ装置１００は、上記ネットワークＮＷを介し楽曲配信会社から配信される楽曲データを再生するカラオケ装置本体１１０と、楽曲データの再生時に歌唱に係る映像を表示する表示装置１２０と、カラオケ装置本体１１０に接続され、消費者Ｍの歌唱の用に供するマイク１１５とを有している。

上記カラオケ装置本体１１０とサーバ２００とは、上述したようにネットワークＮＷを介して互いに情報通信可能に接続されており、カラオケルームＫＲにおいて各消費者Ｍが各楽曲データを再生させて歌唱した履歴情報である歌唱行動履歴情報が各消費者Ｍごとにサーバ２００に記憶される。また、サーバ２００はネットワークＮＷを介して基地局３００にも接続されており、サーバ２００より各消費者Ｍの歌唱行動履歴情報に基づいて推測した消費多様性の程度に対応させて、当該消費者Ｍに対し出力される特定商品の推奨情報が、基地局３００を介して各消費者Ｍがそれぞれ携帯する携帯端末４００に無線通信により送信可能となっている。

携帯端末４００（第１情報端末、情報端末）としては、例えば携帯電話等が用いられる。その他にも、例えばＰＤＡ（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔ）等の情報端末を用いてもよい。この携帯端末４００は、各種表示を行う液晶ディスプレイ等の表示部４０１と、消費者Ｍが各種操作入力を行うための数字キー及び操作ボタンから構成される操作部４０２と、基地局３００と無線通信を介し情報送受信を行うためのアンテナ４１０とを有している。

図２は、サーバ２００及び携帯端末４００の機能構成を表すブロック図である。

図２において、サーバ２００は、サーバ２００全体の制御を行う制御部２０１と、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）等で構成された記憶部２１０と、カラオケ装置本体１１０や基地局３００との間でネットワークＮＷを介して行われる情報通信の制御を行う通信制御部２０２と、上記ディスプレイ２２０への映像信号の出力に関する制御を行う出力制御部２０３と、上記キーボード２２１やマウス２２２を介した情報の入力に関する制御を行う入力制御部２０４とを有している。

記憶部２１０（記憶手段）は、複数の消費者Ｍそれぞれによる複数の楽曲データ（商品）に関する上記歌唱行動履歴情報（消費行動履歴情報）と、消費者識別情報としての消費者ＩＤとを、互いに関連付けて記憶した歌唱行動履歴データベース２１１（消費者データベース）を有している。上記歌唱行動履歴情報には、各消費者Ｍごとに、各楽曲データについて、カテゴリ（この例では楽曲のジャンル）、品目（この例ではアーティスト）、楽曲名、歌唱回数に関する情報が含まれている（後述の図３参照）。

また記憶部２１０は、種々の商品をそれぞれ推奨するための推奨情報（例えば商品名、商品内容、価格、外観画像等の商品に関する情報）を記憶した商品データベース２１２（推奨データベース）と、カラオケルームＫＲにおける消費者Ｍの歌唱行動の動向から消費者Ｍの消費多様性を推測し、その多様性の程度に応じて決定した特定商品を各消費者Ｍに対し推奨するための商品推奨方法（後述の図１１参照）を制御部２０１に実行させるための商品推奨プログラム等の各種プログラムを記憶するプログラム記憶エリア２１３とを有している。

制御部２０１はいわゆるマイクロコンピュータであり、図示を省略するが、中央演算処理装置であるＣＰＵ、ＲＯＭ、及びＲＡＭ等から構成され、ＲＡＭの一時記憶機能を利用しつつ、記憶部２１０の上記プログラム記憶エリア２１３に記憶された各種プログラムに従って信号処理を行う。

携帯端末４００は、上記表示部４０１、操作部４０２、及びアンテナ４１０と、基地局３００との間で無線通信を介して行われる情報通信の制御を行う無線通信制御部４０３と、携帯端末４００全体の制御を行う制御部４０４とを有している。制御部４０４は、サーバ２００よりネットワークＮＷ及び基地局３００を介して特定商品の推奨情報を受信すると、当該推奨情報を表示部４０１に表示させる。

図３は、上記歌唱行動履歴データベース２１１の記憶内容の一例を表す図である。

図３に示すように、歌唱行動履歴データベース２１１には、各消費者Ｍごとに、上記消費者ＩＤと、当該消費者Ｍが歌唱した複数の楽曲データに関する上記歌唱行動履歴情報とが、互いに関連付けられて記憶されている。歌唱行動履歴情報には、上述したように、各楽曲データごとに、カテゴリ（ジャンル）、品目（アーティスト）、楽曲名、及び歌唱回数に関する情報が含まれている。

サーバ２００の制御部２０１は、特定の消費者Ｍについて、歌唱行動履歴情報に基づき、当該消費者Ｍの品目ごとの歌唱回数（総数）、カテゴリ数、及びカテゴリごとの品目数を用いて、特定の消費者Ｍに関する消費多様性を判定し、この判定した消費多様性の程度に対応させて、当該特定の消費者Ｍに対して推奨する少なくとも１つの特定商品の推奨数を決定する。ここで推奨数とは、どのようなカテゴリに属するどのような品目の商品をいくつ推奨するかを表す情報であり、商品のカテゴリ数、品目数、及び個数等を含むものである。ここで品目とは、例えば「チョコレート」や「ガム」、「ポテトチップ」等、個別の商品を包含する比較的小さな分類を指すものであり、カテゴリとは、例えば「お菓子」等、上記品目である「チョコレート」、「ガム」、「ポテトチップ」をさらに包含する比較的大きな分類を指すものである。また、上記カテゴリ数及びカテゴリごとの品目数が、特許請求の範囲に記載の商品の分類数に相当する。以下、上記詳細について説明する。

図４は、消費者Ｍの多様性を判定する際に、特定の消費者Ｍの歌唱行動履歴情報に含まれる、当該特定の消費者Ｍの品目（アーティスト）ごとの歌唱回数を補正するための、各品目ごとに予め定められた補正条件の一例を表す図である。なお、この図４に示す品目は前述の図３に対応している。

この補正条件は、品目特性、すなわちこの場合においては、各アーティストが市場に配信している楽曲データの数に対応して定められている。例えば歌唱回数をカウントする際に、多数の楽曲を配信しているアーティストの曲を１０回歌唱した人と、少数の楽曲しか配信していないアーティストの曲を１０回歌唱した人とでは、同じ１０回の歌唱回数ではあってもその消費者Ｍの備える消費多様性の度合いは異なる（少数楽曲のアーティストの曲を歌唱する人の方が多様性が大きい）ことから、配信楽曲数が少ないアーティストほど倍率が高く設定されている。なお、この補正条件に関する情報は、記憶部２１０の適宜の領域に予め記憶されている。

図４に示す例では、補正条件は、「ａｒｔｉｓｔ３」と「ａｒｔｉｓｔ４」については１．５倍、「ａｒｔｉｓｔ５」と「ａｒｔｉｓｔ６」については２倍、「ａｒｔｉｓｔ２１」については３倍、「ａｒｔｉｓｔ３１」については２倍に設定されている。その他のアーティストについては１倍となる。この補正条件により、消費者Ｍの品目ごとの歌唱回数は具体的には次のようにして求められる。例えば前述の図３に示す消費者ＩＤが「ＩＤ１」である消費者Ｍについては、「ａｒｔｉｓｔ１」については補正条件が１倍であることから、楽曲名「ｍｕｓｉｃ１」及び「ｍｕｓｉｃ２」についての歌唱回数を加算して６＋７＝１３回、「ａｒｔｉｓｔ２」についても同様に補正条件が１倍であることから歌唱回数は９回となる。一方、「ａｒｔｉｓｔ３」及び「ａｒｔｉｓｔ４」については補正条件が１．５倍であることから、それぞれ歌唱回数は５×１．５＝７．５回、１０×１．５＝１５回となる。また「ａｒｔｉｓｔ５」及び「ａｒｔｉｓｔ６」については補正条件が２倍であることから、それぞれ歌唱回数は４×２＝８回、６×２＝１２回となる。したがって、「ＩＤ１」の消費者Ｍに固有の標準化した歌唱回数は、上記各アーティストごとの歌唱回数の平均値を取り、（１３＋９＋７．５＋１５＋８＋１２）／６＝１０．７５回となる。

同様に、消費者ＩＤが「ＩＤ２」である消費者Ｍについては、「ａｒｔｉｓｔ１１〜１３」の各アーティストについて補正条件が１倍であることから、それぞれ歌唱回数は２回、４回、２＋１＝３回となる。したがって、「ＩＤ２」の消費者Ｍに固有の標準化した歌唱回数は、上記各アーティストごとの歌唱回数の平均値を取り、（２＋４＋３）／３＝３回となる。

同様に、消費者ＩＤが「ＩＤ３」である消費者Ｍについては、「ａｒｔｉｓｔ２１」のアーティストについて補正条件が３倍であることから、楽曲名「ｍｕｓｉｃ２１」及び「ｍｕｓｉｃ２２」についての歌唱回数はそれぞれ４×３＝１２回、４×３＝１２回となる。したがって、「ＩＤ３」の消費者Ｍに固有の標準化した歌唱回数は、上記歌唱回数の平均値を取り、（１２＋１２）／２＝１２回となる。

同様に、消費者ＩＤが「ＩＤ４」である消費者Ｍについては、「ａｒｔｉｓｔ３１」のアーティストについて補正条件が２倍であることから、楽曲名「ｍｕｓｉｃ３１〜３３」の各楽曲についての歌唱回数はそれぞれ３×２＝６回、９×２＝１８回、９×２＝１８回となる。したがって、「ＩＤ４」の消費者Ｍに固有の標準化した歌唱回数は、上記歌唱回数の平均値を取り、（６＋１８＋１８）／３＝１４回となる。

なお、以上の例では品目（アーティスト）ごとの補正条件をそのアーティストの配信曲数に対応して決定するようにしたが、これに限らず、例えば各アーティストの個性や種別、楽曲データの価格等、その他の要素を基準にして補正条件を決定してもよい。

図５は、消費者Ｍの多様性を判定する際に、特定の消費者Ｍの歌唱行動履歴情報に含まれる、当該特定の消費者Ｍのカテゴリ（ジャンル）ごとの品目数（アーティスト数）を補正するための、各カテゴリごとに予め定められた補正条件の一例を表す図である。なお、この図５に示すカテゴリは前述の図３に対応している。

この補正条件は、カテゴリ特性、すなわちこの場合においては、各カテゴリにおいて市場に配信されている楽曲データの数に対応して定められている。例えばアーティスト数をカウントする際に、多数の楽曲が配信されている「邦楽ポップス」のカテゴリにおいて１０アーティストの楽曲を歌唱した人と、比較的少数の楽曲しか配信されていない「アニメ」や「演歌」のカテゴリにおいて１０アーティストの楽曲を歌唱した人とでは、同じ１０アーティストではあってもその消費者Ｍの備える消費多様性の度合いは異なる（配信数が少数であるカテゴリのアーティストの曲を歌唱する人の方が多様性が大きい）ことから、配信楽曲数が少ないカテゴリほど倍率が高く設定されている。なお、この補正条件に関する情報は、記憶部２１０の適宜の領域に予め記憶されている。

図５に示す例では、補正条件は、「邦楽ポップス」については１倍、「洋楽ロック」については２倍、「アニメ」については３倍、「演歌」については５倍に設定されている。この補正条件により、消費者Ｍのカテゴリごとの品目数は具体的には次のようにして求められる。例えば前述の図３に示す消費者ＩＤが「ＩＤ１」である消費者Ｍについては、「邦楽ポップス」のカテゴリについてはアーティストは「ａｒｔｉｓｔ１，２」の２つであり、補正条件が１倍であることから品目数は２×１＝２となる。一方、「洋楽ロック」のカテゴリについてはアーティストは「ａｒｔｉｓｔ３，４」の２つであり、補正条件が２倍であることから品目数は２×２＝４となる。また「演歌」のカテゴリについてはアーティストは「ａｒｔｉｓｔ５，６」の２つであり、補正条件が５倍であることから品目数は２×５＝１０となる。したがって、「ＩＤ１」の消費者Ｍに固有の標準化した品目数は、上記各カテゴリごとの品目数の平均値を取り、（２＋４＋１０）／３≒５．３となる。

同様に、消費者ＩＤが「ＩＤ２」である消費者Ｍについては、「邦楽ポップス」のカテゴリについてのアーティストは「ａｒｔｉｓｔ１１，１２，１３」の３つであり、補正条件が１倍であることから品目数は３×１＝３となる。したがって、「ＩＤ２」の消費者Ｍに固有の標準化した品目数は、カテゴリが１つであるからそのまま３となる。

同様に、消費者ＩＤが「ＩＤ３」である消費者Ｍについては、「演歌」のカテゴリについてのアーティストは「ａｒｔｉｓｔ２１」の１つであり、補正条件が５倍であることから品目数は１×５＝５となる。したがって、「ＩＤ３」の消費者Ｍに固有の標準化した品目数は、カテゴリが１つであるからそのまま５となる。

同様に、消費者ＩＤが「ＩＤ４」である消費者Ｍについては、「アニメ」のカテゴリについてのアーティストは「ａｒｔｉｓｔ３１」の１つであり、補正条件が３倍であることから品目数は１×３＝３となる。したがって、「ＩＤ４」の消費者Ｍに固有の標準化した品目数は、カテゴリが１つであるからそのまま３となる。

図６は、以上のようにして算出した品目ごとの歌唱回数、カテゴリごとの品目数、及びカテゴリ数に基づき、消費者Ｍが消費多様性の程度に応じた４グループのうちどのグループに属するかを判定する判定基準の一例を表す図である。

図６に示すように、本実施形態では、消費多様性の程度が大きい順にグループ１、グループ２、グループ３、及びグループ４からなる４つのグループが予め設定されている。各消費者Ｍは、カテゴリ数、カテゴリごとの品目数、及び品目ごとの歌唱回数に応じて上記４グループのいずれかに分類される。図６に示す例では、カテゴリ数、品目数、及び歌唱回数がいずれも比較的多い消費者Ｍの場合（例えばカテゴリ数が３以上、品目数が５以上、歌唱回数が１０以上である場合）には、多様なカテゴリ・品目の楽曲を歌唱する人、すなわち、多種多様な商品を消費する傾向があり消費多様性が大きい人と考えられるため、グループ１に分類される。

一方、カテゴリ数、品目数、及び歌唱回数がいずれも比較的少ない消費者Ｍの場合（例えばカテゴリ数が１以下、品目数が３以下、歌唱回数が３以下である場合）には、カテゴリ・品目は少ないが、歌唱回数も少ないため、他のカテゴリ・品目の楽曲を歌唱する可能性がやや強い人、すなわち、消費多様性がやや大きい人と考えられるため、グループ２に分類される。また、カテゴリ数は比較的少ないが、品目数及び歌唱回数はいずれも比較的多い消費者Ｍの場合には（例えばカテゴリ数が１以下、品目数が５以上、歌唱回数が１０以上である場合）、同一カテゴリにおける品目は多いが、歌唱回数も多いため、他のカテゴリ・品目の楽曲を歌唱する可能性がやや弱い人、すなわち、消費多様性がやや小さい人と考えられるため、グループ３に分類される。また、カテゴリ数及び品目数は比較的少ないが、歌唱回数が比較的多い消費者Ｍの場合には（例えばカテゴリ数が１以下、品目数が３以下、歌唱回数が１０以上である場合）、同一カテゴリにおける品目が少なく、且つ、歌唱回数が多いため、他のカテゴリ・品目の楽曲を歌唱する可能性が弱い人、すなわち、消費多様性が小さい人と考えられるため、グループ４に分類される。

したがって、例えば前述の図３に示す消費者ＩＤが「ＩＤ１」である消費者Ｍは、前述したように歌唱回数が１０．７５回、品目数は５．３、カテゴリ数は「邦楽ポップス」、「洋楽ロック」、「演歌」の３つであるため、上記グループ１に属する消費者Ｍに該当する。一方、消費者ＩＤが「ＩＤ２」である消費者Ｍは、前述したように歌唱回数が３回、品目数は３、カテゴリ数は「邦楽ポップス」のみの１つであるため、上記グループ２に属する消費者Ｍに該当する。また、消費者ＩＤが「ＩＤ３」である消費者Ｍは、前述したように歌唱回数が１２回、品目数は５、カテゴリ数は「演歌」のみの１つであるため、上記グループ３に属する消費者Ｍに該当する。一方、消費者ＩＤが「ＩＤ４」である消費者Ｍは、前述したように歌唱回数が１４回、品目数は３、カテゴリ数は「アニメ」のみの１つであるため、上記グループ４に属する消費者Ｍに該当する。

なお、上記分類基準は一例であり、システムの使用環境や使用条件等に応じて適宜好ましい基準に変更してもよい。また、上記では消費多様性の程度に応じて消費者Ｍを４つのグループに分類するようにしたが、グループ数は４に限るものではなく、これ以外のグループ数にしてもよい。また、上記４つのグループが特許請求の範囲に記載の多様性情報に相当し、消費者Ｍがどのグループに属するかを判定することが、特許請求の範囲に記載の消費多様性に係わる特定の消費者の多様性情報を算出することに相当する。

図７は、上記４つのグループの消費多様性の程度を概念的に表す図である。

図７に示す図においては、縦軸に歌唱回数を取り、横軸に品目数及びカテゴリ数の広がり度合い（縦軸との交点０を中心とする）を取っている。なお、グループ３の横軸方向の幅が１カテゴリの広がりに相当している。この図７に示すように、グループ１は、歌唱回数が多く、且つ、カテゴリ数及び品目数も多くなっており、複数のカテゴリに跨るように横軸方向に広い分布形状となっている。したがって、グループ１に属する消費者Ｍの消費特性は、偏りが非常に少なく、多様性の程度が大きなものとなっている。一方、グループ２は、カテゴリ数及び品目数が少なく、横軸方向に狭い分布となっているが、歌唱回数についても少ないため、全体としては偏りはやや少なく、多様性の程度がやや大きな分布形状となっている。

グループ３は、カテゴリ数は少ないが品目数は多くなっており、横軸方向にやや広い分布となっているが、歌唱回数が多いため、全体としては偏りがやや多く、多様性の程度がやや小さな分布形状となっている。一方、グループ４は、カテゴリ数及び品目数が共に少なく、且つ、歌唱回数が多くなっているため、偏りが非常に多く、多様性の程度が小さな分布形状となっている。

図８は、上記４つのグループに対応させた、当該消費者Ｍに対して推奨する推奨商品の品目数及びカテゴリ数に関する設定の一例を表す図である。

図８に示すように、上記４つのグループに応じて当該消費者Ｍに対して推奨を行う推奨商品の品目数（＝商品数）及びカテゴリ数に関する情報が予め設定され、記憶部２１０の適宜の領域に予め記憶されている。図８に示す例では、消費多様性が大きいと判定されたグループに属する消費者Ｍに対しては、消費多様性が小さいと判定されたグループに属する消費者Ｍよりも、特定商品に係わる品目数及びカテゴリ数が多い傾向となるように設定されている。サーバ２００の制御部２０１は、この設定内容に基づいて推奨数を決定する。これにより、多種多様な商品を消費する傾向にあり消費多様性が大きい消費者Ｍに対して、推奨する特定商品の品目数やカテゴリ数を他の消費者Ｍよりも多くし、効果的な推奨を行うことができる。

図９は、上記４つのグループに対応させた、当該消費者Ｍに対して推奨する推奨商品に関する設定の一例を表す図である。

図９に示すように、上記４つのグループに応じて当該消費者Ｍに対して推奨を行う推奨商品に関する情報が予め設定され、記憶部２１０の適宜の領域に予め記憶されている。図９に示す例では、多種多様な商品を消費する傾向にあり消費多様性が大きい人は、自分の好みの物に興味を持つだけでなく、自分の嗜好品以外の物に対しても興味を惹かれる可能性が高いと考えられることから、消費多様性が大きいと判定されたグループに属する消費者Ｍに対しては、消費多様性が小さいと判定されたグループに属する消費者Ｍよりも、特定商品に占める非嗜好品の割合が高い傾向となるように設定されている。サーバ２００の制御部２０１は、この設定内容に基づいて推奨数を決定する。

また図９に示す例では、多種多様な商品を消費する傾向にあり消費多様性が大きい人は、巷で最近流行している流行品はもちろんのこと、それ以外の非流行品に対しても興味を惹かれる可能性が高いと考えられることから、消費多様性が大きいと判定されたグループに属する消費者Ｍに対しては、消費多様性が小さいと判定されたグループに属する消費者Ｍよりも、特定商品に占める非流行品の割合が高い傾向となるように設定されている。サーバ２００の制御部２０１は、この設定内容に基づいて推奨数を決定する。

また図９に示す例では、多種多様な商品を消費する傾向にあり消費多様性が大きい人は、巷で最近販売開始されたばかりの新製品はもちろんのこと、それ以外の旧製品に対しても引き続き興味を持っている可能性が高いと考えられることから、消費多様性が大きいと判定されたグループに属する消費者Ｍに対しては、消費多様性が小さいと判定されたグループに属する消費者Ｍよりも、特定商品に占める旧製品の割合が高い傾向となるように設定されている。サーバ２００の制御部２０１は、この設定内容に基づいて推奨数を決定する。

図１０は、サーバ２００の制御部２０１が以上の設定内容に基づき決定した推奨数の一例を表す図である。

図１０（ａ）は、特定の消費者Ｍの嗜好傾向を表すグラフであり、縦軸に嗜好度、横軸に品目を取っている。この例では、説明を簡易とするために、嗜好度の高い順から各品目が品目１，２，３・・・の順番に並んでおり、且つ、６つの品目ずつ１カテゴリに分類され、嗜好度の高い順から各カテゴリがカテゴリ１，２，３・・・の順番に並んでいる。そして、嗜好度が例えば０．３以上の品目を嗜好品、嗜好度が０．３未満の品目を非嗜好品であるものとする。なお、この特定の消費者Ｍの嗜好品であるか非嗜好品であるかに関する嗜好分類情報は、当該消費者Ｍの消費者ＩＤに対応付けて記憶部２１０の適宜の領域（例えば歌唱行動履歴データベース２１１や商品データベース２１２等）に蓄積されている。

図１０（ｂ）は、上記の場合において、サーバ２００の制御部２０１によって決定された推奨数の一例を表している。なお、この図１０（ｂ）中の細線で描かれた各四角形は上記図１０（ａ）中の各品目に対応しており、太線で描かれた各四角形は上記図１０（ａ）中の各カテゴリに対応している。前述したように、グループ１の推奨品目数は６、カテゴリ数は３、嗜好品：非嗜好品の比率は２：１に設定されるため、嗜好品数は４、非嗜好品数は２となる。したがって、グループ１に属する消費者Ｍに対しては、図１０（ｂ）に示すように、嗜好度の高い順から３つのカテゴリ１，２，３に亘るように、且つ、嗜好品数が４、非嗜好品数が２となるように、品目が決定される（図において決定された品目に対応する四角については斜線を付している）。

一方、グループ２の推奨品目数は４、カテゴリ数は２、嗜好品：非嗜好品の比率は３：１に設定されるため、嗜好品数は３、非嗜好品数は１となる。したがって、グループ２に属する消費者Ｍに対しては、図１０（ｂ）に示すように、嗜好度の高い順から２つのカテゴリ１，２に亘るように、且つ、嗜好品数が３、非嗜好品数が１となるように、品目が決定される。

また、グループ３の推奨品目数は４、カテゴリ数は１、嗜好品：非嗜好品の比率は嗜好品のみに設定されるため、嗜好品数は４、非嗜好品数は０となる。したがって、グループ３に属する消費者Ｍに対しては、図１０（ｂ）に示すように、嗜好度の高い順から１つのカテゴリ１のみに亘るように、且つ、嗜好品数が４、非嗜好品数が０となるように、品目が決定される。

また、グループ４の推奨品目数は２、カテゴリ数は１、嗜好品：非嗜好品の比率は嗜好品のみに設定されるため、嗜好品数は２、非嗜好品数は０となる。したがって、グループ４に属する消費者Ｍに対しては、図１０（ｂ）に示すように、嗜好度の高い順から１つのカテゴリ１のみに亘るように、且つ、嗜好品数が２、非嗜好品数が０となるように、品目が決定される。

以上のようにして品目を決定することにより、図１０（ｂ）に示すように、消費多様性の大きいグループほど、偏りのない多様な品目が選択される。そして、決定された品目の中から適宜の商品が選択され、当該商品の推奨情報が商品データベース２１２から取得されて、消費者Ｍの携帯端末４００に対し出力される。

なお、以上は図１０（ａ）に示す特定の消費者Ｍの嗜好分類情報を用いて推奨数を決定する場合を一例として説明したが、各商品が流行品であるか非流行品であるか、あるいは、各商品が新製品であるか旧製品であるかに関する分類情報を用いて、前述の図９に示す流行品：非流行品の比率、及び新製品：旧製品の比率の設定に基づき、推奨数を決定する場合も同様の手順で行われる。なお、上記分類情報は、各商品について最初に市場に投入されてから所定時間範囲内の全販売総数に対応付けて記憶部２１０の適宜の領域（例えば歌唱行動履歴データベース２１１や商品データベース２１２等）に蓄積されている。

図１１は、サーバ２００の制御部２０１が実行する制御内容を表すフローチャートである。このフローは、例えばサーバ２００においてサーバ管理者（商品推奨者）がキーボード２２１やマウス２２２を用いて処理開始指令を操作入力した際に開始される（ＳＴＡＲＴ位置）。

ステップＳ５では、制御部２０１は、消費者Ｍの消費者ＩＤの特定を指示する操作入力に基づいて、記憶部２１０に格納された歌唱行動履歴データベース２１１にアクセスし、商品推奨対象となる消費者Ｍの消費者ＩＤを特定する。

ステップＳ１０では、制御部２０１は、上記ステップＳ５で特定した消費者ＩＤの歌唱行動履歴情報に含まれる、カテゴリ数、各カテゴリ（ジャンル）ごとの品目数（アーティスト数）、及び各品目（アーティスト）ごとの歌唱回数を取得する。

ステップＳ１５では、制御部２０１は、歌唱行動履歴情報中の１つの品目を選択し、当該品目についての歌唱回数を、各品目ごとに予め定められた補正条件（前述の図４参照）にしたがって補正する。

ステップＳ２０では、制御部２０１は、上記ステップＳ１５による歌唱回数の補正処理が、歌唱行動履歴情報に含まれる全品目について終了したか否かを判定する。全品目について終了していない場合には、判定が満たされずに上記ステップＳ１５に戻り、次の品目を選択して同様の手順を繰り返す。一方、全品目について終了した場合には、判定が満たされてステップＳ２５に移る。

ステップＳ２５では、制御部２０１は、歌唱行動履歴情報中の１つのカテゴリを選択し、当該カテゴリについての品目数を、各カテゴリごとに予め定められた補正条件（前述の図５参照）にしたがって補正する。

ステップＳ３０では、制御部２０１は、上記ステップＳ２５による品目数の補正処理が、歌唱行動履歴情報に含まれる全カテゴリについて終了したか否かを判定する。全カテゴリについて終了していない場合には、判定が満たされずに上記ステップＳ２５に戻り、次のカテゴリを選択して同様の手順を繰り返す。一方、全カテゴリについて終了した場合には、判定が満たされてステップＳ３５に移る。

ステップＳ３５では、制御部２０１は、記憶部２１０より消費多様性の程度に応じた４グループの情報を読み出し、上記ステップＳ１５及びステップＳ２５において補正した品目ごとの歌唱回数、カテゴリごとの品目数、及びカテゴリ数に基づき、当該消費者Ｍが４グループのうちどのグループに属するかを判定する（前述の図６参照）。

ステップＳ４０では、制御部２０１は、記憶部２１０より４つのグループに応じて設定された推奨商品の品目数に関する設定情報を読み出し、当該設定内容に基づき、品目数を決定する（前述の図８参照）。すなわち、前述したように、消費多様性が大きいと判定されたグループに属する消費者Ｍに対しては、消費多様性が小さいと判定されたグループに属する消費者Ｍよりも、特定商品に係わる品目数が多い傾向となるように決定する。

ステップＳ４５では、上記ステップＳ４０と同様に、制御部２０１は、記憶部２１０より４つのグループに応じて設定された推奨商品のカテゴリ数に関する設定情報を読み出し、当該設定内容に基づき、カテゴリ数を決定する（前述の図８参照）。すなわち、前述したように、消費多様性が大きいと判定されたグループに属する消費者Ｍに対しては、消費多様性が小さいと判定されたグループに属する消費者Ｍよりも、特定商品に係わるカテゴリ数が多い傾向となるように決定する。

ステップＳ５０では、制御部２０１は、記憶部２１０より４つのグループに応じて設定された推奨商品に関する設定情報を読み出し、当該設定内容に基づき、推奨数（どのようなカテゴリに属するどのような品目の商品をいくつ推奨するか）を決定する（前述の図９及び図１０参照）。すなわち、前述したように、消費多様性が大きいと判定されたグループに属する消費者Ｍに対しては、消費多様性が小さいと判定されたグループに属する消費者Ｍよりも、特定商品に占める非嗜好品の割合、非流行品の割合、及び旧製品の割合が高い傾向となるように決定する。

ステップＳ５５では、制御部２０１は、上記ステップＳ５０で決定した推奨内容に基づいて、特定商品の推奨情報を商品データベース２１２より取得し、その推奨情報を該当する消費者Ｍの携帯端末４００に対し出力する。これにより、消費者Ｍの携帯端末４００の表示部４０１には受信した推奨情報が表示される。以上により、このフローを終了する。

上記において、ステップＳ５は、特許請求の範囲に記載の消費者を特定する第１手順に相当し、ステップＳ１０、ステップＳ１５、ステップＳ２０、ステップＳ２５、ステップＳ３０、及びステップＳ３５は、消費行動履歴情報に基づき、当該消費者が消費した商品の、総数、又は商品の分類数の少なくともいずれかを用いて、特定の消費者に関する消費多様性を判定する第２手順に相当し、ステップＳ４０、ステップＳ４５、及びステップＳ５０は、特定の消費者に対して推奨する少なくとも１つの特定商品の推奨数を決定する第３手順に相当し、ステップＳ５５は、特定の消費者の第１情報端末に対し推奨情報を出力する第４手順に相当する。また、上記第２手順に相当するステップＳ１０、ステップＳ１５、ステップＳ２０、ステップＳ２５、ステップＳ３０、及びステップＳ３５のうち、ステップＳ１５、ステップＳ２０、ステップＳ２５、ステップＳ３０、及びステップＳ３５は、消費多様性に係わる特定の消費者の多様性情報を算出する多様性情報算出手順に相当する。

以上説明した実施形態においては、サーバ２００の記憶部２１０の歌唱行動履歴データベース２１１に、複数の消費者Ｍによる楽曲データの歌唱に係わる歌唱行動履歴情報が、予め格納されている。商品推奨者によりサーバ２００のキーボード２２１又はマウス２２２が操作されると、制御部２０１は、上記歌唱行動履歴データベース２１１にアクセスし、上記操作入力に応じて消費者ＩＤにより特定の消費者Ｍを特定する。その後、当該特定の消費者Ｍが歌唱した全楽曲データについての、歌唱回数、品目数、及びカテゴリ数を用いて、特定の消費者Ｍに関する消費多様性を判定する。そして、その判定した消費多様性の程度に対応させて、当該消費者Ｍに対し推奨する特定商品の推奨数を決定する。その後、その推奨する特定商品を当該特定の消費者Ｍの携帯端末４００へと出力する。

これにより、多種多様な商品を消費する傾向にある人（例えば、流行や新製品にすぐ飛びつくタイプの人、自分の嗜好品以外のものも興味を持ってみるタイプの人等）には比較的バラエティーに富んだいろいろな商品を推奨し、限定された範囲の商品を消費する傾向にある人（例えば、流行や新製品にとらわれず自分の好みの物だけに限定的に興味を持つタイプの人等）には比較的狭い範囲に限定して商品を推奨することができる。この結果、各消費者Ｍの消費感性に合致した、効果的な推奨を行うことができる。

また、本実施形態では特に、記憶部２１０に、各アーティストや各ジャンルの特性に応じて予め定められた補正条件を記憶している。すなわち、例えば歌唱回数をカウントする際に、多数の楽曲を配信しているアーティストの曲を１０回歌唱した人と、少数の楽曲しか配信していないアーティストの曲を１０回歌唱した人とでは、同じ１０回の歌唱回数ではあってもその消費者Ｍの備える消費多様性の度合いは異なる（少数楽曲のアーティストの曲を歌唱する人の方が多様性が大きい）。また、例えばアーティスト数をカウントする際に、多数の楽曲が配信されている「邦楽ポップス」のカテゴリにおいて１０アーティストの楽曲を歌唱した人と、比較的少数の楽曲しか配信されていない「アニメ」や「演歌」のカテゴリにおいて１０アーティストの楽曲を歌唱した人とでは、同じ１０アーティストではあってもその消費者Ｍの備える消費多様性の度合いは異なる（配信数が少数であるカテゴリのアーティストの曲を歌唱する人の方が多様性が大きい）。このように、品目やカテゴリの種別や個性等の特性が異なれば、同一の歌唱回数、品目数であっても、消費多様性として評価すべき度合いが異なる。

本実施形態はこのような事情に対応し、上述したように、記憶部２１０に、各アーティストや各ジャンルの特性に応じて予め定められた補正条件を記憶している。そして、歌唱行動履歴情報に含まれる特定消費者Ｍが歌唱した品目（アーティスト）ごとの歌唱回数及び品目数（アーティスト数）を、上記補正条件を用いて補正・集計する。これにより、消費者Ｍの備える消費多様性の度合いを、上記のような特性の影響を除去し標準化した形の多様性情報として算出することができる。この結果、さらに確実に各消費者Ｍの消費感性に合致した効果的な推奨を行うことができる。

また、本実施形態では特に、多種多様な商品を消費する傾向にあり消費多様性が大きい人は、自分の好みの物に興味を持つだけでなく、自分の嗜好品以外の物に対しても興味を惹かれる可能性が高いことから、そのような消費者Ｍに対しては、推奨する特定商品のうちの非嗜好品の割合を他の消費者Ｍよりも高めにする。これにより、さらに確実に各消費者Ｍの消費感性に合致した効果的な推奨を行うことができる。

また、本実施形態では特に、多種多様な商品を消費する傾向にあり消費多様性が大きい人は、巷で最近流行している流行品はもちろんのこと、それ以外の非流行品に対しても興味を惹かれる可能性が高い、あるいは、巷で最近販売開始されたばかりの新製品はもちろんのこと、それ以外の旧製品に対しても引き続き興味を持っている可能性が高いことから、そのような消費者Ｍに対しては、推奨する特定商品のうちの非流行品又は旧製品の割合を他の消費者Ｍよりも高めにする。これにより、さらに確実に各消費者Ｍの消費感性に合致した効果的な推奨を行うことができる。

また、本実施形態では特に、多種多様な商品を消費する傾向にあり消費多様性が大きい消費者Ｍに対して、推奨する特定商品の品目数やカテゴリ数を他の消費者Ｍよりも多くする。この結果、嗜好品のみならず非嗜好品もある割合で含めて推奨したり、流行品のみならず非流行品もある割合で含めて推奨したり、新製品のみならず旧製品もある割合で含めて推奨したり、等を容易に行えるので、さらに確実に各消費者Ｍの消費感性に合致した効果的な推奨を行うことができる。

なお、本発明は、上記実施形態に限られるものではなく、その趣旨及び技術的思想を逸脱しない範囲内で種々の変形が可能である。以下、そのような変形例を説明する。

（１）消費行動履歴に基づいて推奨数を決定する場合
上記実施形態では、カラオケにおける消費者Ｍの歌唱行動の動向から消費者Ｍの消費多様性を推測し、その多様性の程度に応じて消費者Ｍに対する推奨数を決定する例を説明したが、これに限られず、消費者の実際の消費行動（物品商品の購入や、ホテルに泊まったり遊園地で遊ぶ等のサービスの提供を受けることを含む）の動向からの消費多様性を推測し、その多様性に応じて消費者Ｍに対する推奨数を決定するようにしてもよい。

図１２は、本変形例のサーバ２００及び携帯端末４００の機能構成を表すブロック図であり、前述の図２に対応する図である。図２と同様の部分には同符号を付し説明を省略する。

本変形例のサーバ２００の記憶部２１０は、複数の消費者Ｍそれぞれによる複数の商品に係わる消費行動履歴情報と消費者ＩＤとを、互いに関連付けて記憶した消費行動履歴データベース２１４（消費者データベース）を有している。上記消費行動履歴情報には、当該消費者Ｍが購入（消費）した商品の、品名、購入数、品目、及びカテゴリが含まれている（後述の図１３参照）。各消費者Ｍが購入した上記商品に関する情報は、例えばクレジット会社等から供給される。上記以外のシステム構成については前述した実施形態と同様である。

図１３は、上記消費行動履歴データベース２１４の記憶内容の一例を表す図である。

図１３に示すように、消費行動履歴データベース２１４には、各消費者Ｍごとに、上記消費者ＩＤと、当該消費者Ｍが購入した複数の商品に関する上記消費行動履歴情報とが、互いに関連付けられて記憶されている。消費行動履歴情報には、上述したように、各商品ごとに、カテゴリ、品目、品名、及び購入数に関する情報が含まれている。ここで、前述したように、商品に係わる品目とは個別の商品を包含する比較的小さな分類を指し、商品に係わるカテゴリとは上記品目をさらに包含する比較的大きな分類を指すものである。例えば、「お菓子」のカテゴリには「チョコレート」や「ガム」等の品目が含まれ、「家電」のカテゴリには「扇風機」や「エアコン」等の品目が含まれる。

サーバ２００の制御部２０１は、特定の消費者Ｍについて、消費行動履歴情報に基づき、当該消費者Ｍの品目ごとの購入数（総数）、カテゴリごとの品目数、及びカテゴリ数に関する消費多様性を判定し、この判定した消費多様性の程度に対応させて、当該特定の消費者Ｍに対して推奨する少なくとも１つの特定商品の推奨数（どのようなラインナップの商品をいくつ推奨するか）を決定する。以下、この詳細について説明する。

なお、本変形例においても、上記カテゴリごとの品目数及びカテゴリ数が、特許請求の範囲に記載の商品の分類数に相当する。

図１４は、消費者Ｍの多様性を判定する際に、特定の消費者Ｍの消費行動履歴情報に含まれる、当該特定の消費者Ｍの品目ごとの購入数を補正するための、各カテゴリごとに予め定められた補正条件の一例を表す図である。なお、この図１４に示す品目は前述の図１３に対応している。

この補正条件は、カテゴリ特性、すなわちこの場合においては、各カテゴリに属する商品の平均的な価格に対応して定められている。例えば購入数をカウントする際に、比較的価格の高い家電製品を１台購入した人と、比較的価格の低いお菓子を１つ購入した人とでは、同じ１個の購入数ではあってもその消費者Ｍの備える消費多様性の度合いは異なることから、一例として価格が高い品目ほど倍率を高く設定している。なお、この補正条件に関する情報は、記憶部２１０の適宜の領域に予め記憶されている。

図１４に示す例では、補正条件は、「お菓子」のカテゴリについては１倍、「書籍」のカテゴリについては５倍、「家電」のカテゴリについては２０倍、「車」のカテゴリについては５０倍に設定されている。この補正条件により、消費者Ｍの品目ごとの購入数は具体的には次のようにして求められる。例えば前述の図１３に示す消費者ＩＤが「ＩＤ１」である消費者Ｍについては、品目「チョコレート」については「お菓子」のカテゴリであるため補正条件が１倍となり、品名「ａｒｔｉｃｌｅ１」及び「ａｒｔｉｃｌｅ２」についての購入数を加算して２＋３＝５個、品目「ガム」についても同様に補正条件が１倍であることから購入数は４個となる。一方、品目「エアコン」及び「扇風機」については「家電」のカテゴリであるため補正条件が２０倍であることから、それぞれ購入数は１×２０＝２０個、１×２０＝２０個となる。また品目「国産車」については「車」のカテゴリであるため補正条件が５０倍であることから、購入数は１×５０＝５０個となる。したがって、「ＩＤ１」の消費者Ｍに固有の標準化した購入数は、上記各品目ごとの購入数の平均値を取り、（５＋４＋２０＋２０＋５０）／５＝１９．８個となる。

同様に、消費者ＩＤが「ＩＤ２」である消費者Ｍについては、品目「ポテトチップ」、「チョコレート」、及び「ガム」のいずれも「お菓子」のカテゴリであるため補正条件は１倍となり、それぞれ購入数は２個、３個、５個となる。したがって、「ＩＤ２」の消費者Ｍに固有の標準化した購入数は、上記各品目ごとの購入数の平均値を取り、（２＋３＋５）／３≒３．３個となる。

同様に、消費者ＩＤが「ＩＤ３」である消費者Ｍについては、品目「液晶テレビ」は「家電」のカテゴリであるため補正条件は２０倍となり、購入数は１×２０＝２０個となる。したがって、「ＩＤ３」の消費者Ｍに固有の標準化した購入数は２０個となる。

同様に、消費者ＩＤが「ＩＤ４」である消費者Ｍについては、品目「コミック」は「書籍」のカテゴリであるため補正条件は５倍となり、品名「ａｒｔｉｃｌｅ３１」及び「ａｒｔｉｃｌｅ３２」についての購入数はそれぞれ３×５＝１５個、４×５＝２０個となり、購入数はこれらを加算して３５個となる。したがって、「ＩＤ４」の消費者Ｍに固有の標準化した購入数は３５個となる。

なお、以上の例ではカテゴリごとの購入数の補正条件をそのカテゴリに属する商品の平均的な価格に対応して決定するようにしたが、これに限らず、例えば各カテゴリや各品目の個性や種別、消耗品か非消耗品等、その他の要素を基準にして補正条件を決定してもよい。

図１５は、消費者Ｍの多様性を判定する際に、特定の消費者Ｍの消費行動履歴情報に含まれる、当該特定の消費者Ｍのカテゴリごとの品目数を補正するための、各カテゴリごとに予め定められた補正条件の一例を表す図である。なお、この図１５に示すカテゴリは前述の図１３に対応している。

この補正条件は、カテゴリ特性、すなわちこの場合においては、各カテゴリにおいて市場に投入されている品目の数に対応して定められている。例えば品目数をカウントする際に、自動車を国産車と外車の２台購入した人と書籍を和書と洋書の２冊購入した人とでは、同じ２品目の購入ではあっても、その消費者の備える消費多様性の度合いは異なる（自動車を２台購入する人の方が多様性が大きい）ことから、市場に投入されている品目数が少ないカテゴリほど倍率が高く設定されている。なお、この補正条件に関する情報は、記憶部２１０の適宜の領域に予め記憶されている。

図１５に示す例では、補正条件は、「お菓子」のカテゴリについては１倍、「書籍」のカテゴリについては２倍、「家電」のカテゴリについては５倍、「車」のカテゴリについては１０倍に設定されている。この補正条件により、消費者Ｍのカテゴリごとの品目数は具体的には次のようにして求められる。例えば前述の図１３に示す消費者ＩＤが「ＩＤ１」である消費者Ｍについては、「お菓子」のカテゴリについては品目は「チョコレート」と「ガム」の２つであり、補正条件が１倍であることから品目数は２×１＝２となる。一方、「家電」のカテゴリについては品目は「エアコン」と「扇風機」の２つであり、補正条件が５倍であることから品目数は２×５＝１０となる。また「車」のカテゴリについては品目は「国産車」の１つであり、補正条件が１０倍であることから品目数は１×１０＝１０となる。したがって、「ＩＤ１」の消費者Ｍに固有の標準化した品目数は、上記各カテゴリごとの品目数の平均値を取り、（２＋１０＋１０）／３≒７．３となる。

同様に、消費者ＩＤが「ＩＤ２」である消費者Ｍについては、「お菓子」のカテゴリについての品目は「ポテトチップ」、「チョコレート」、「ガム」の３つであり、補正条件が１倍であることから品目数は３×１＝３となる。したがって、「ＩＤ２」の消費者Ｍに固有の標準化した品目数は、カテゴリが１つであるからそのまま３となる。

同様に、消費者ＩＤが「ＩＤ３」である消費者Ｍについては、「家電」のカテゴリについての品目は「液晶テレビ」の１つであり、補正条件が５倍であることから品目数は１×５＝５となる。したがって、「ＩＤ３」の消費者Ｍに固有の標準化した品目数は、カテゴリが１つであるからそのまま５となる。

同様に、消費者ＩＤが「ＩＤ４」である消費者Ｍについては、「書籍」のカテゴリについての品目は「コミック」の１つであり、補正条件が２倍であることから品目数は１×２＝２となる。したがって、「ＩＤ４」の消費者Ｍに固有の標準化した品目数は、カテゴリが１つであるからそのまま２となる。

図１６は、以上のようにして算出した品目ごとの購入数、カテゴリごとの品目数、及びカテゴリ数に基づき、消費者Ｍが消費多様性の程度に応じた４グループのうちどのグループに属するかを判定する判定基準の一例を表す図である。

本変形例においても、前述の実施形態と同様に、消費多様性の程度が大きい順にグループ１、グループ２、グループ３、及びグループ４からなる４つのグループが予め設定されている。各消費者Ｍは、カテゴリ数、カテゴリごとの品目数、及び品目ごとの購入数に応じて上記４グループのいずれかに分類される。図１６に示す例では、カテゴリ数、品目数、及び購入数がいずれも比較的多い消費者Ｍの場合（例えばカテゴリ数が３以上、品目数が５以上、購入数が１０以上である場合）には、多様なカテゴリ・品目の商品を購入する人、すなわち、多種多様な商品を消費する傾向があり消費多様性が大きい人と考えられるため、グループ１に分類される。

一方、カテゴリ数、品目数、及び購入数がいずれも比較的少ない消費者Ｍの場合（例えばカテゴリ数が１以下、品目数が３以下、購入数が５以下である場合）には、カテゴリ・品目は少ないが、購入数も少ないため、他のカテゴリ・品目の商品を購入する可能性がやや強い人、すなわち、消費多様性がやや大きい人と考えられるため、グループ２に分類される。また、カテゴリ数は比較的少ないが、品目数及び購入数はいずれも比較的多い消費者Ｍの場合には（例えばカテゴリ数が１以下、品目数が５以上、購入数が１０以上である場合）、同一カテゴリにおける品目は多いが、購入数も多いため、他のカテゴリ・品目の商品を購入する可能性がやや弱い人、すなわち、消費多様性がやや小さい人と考えられるため、グループ３に分類される。また、カテゴリ数及び品目数は比較的少ないが、購入数が比較的多い消費者Ｍの場合には（例えばカテゴリ数が１以下、品目数が３以下、購入数が１０以上である場合）、同一カテゴリにおける品目が少なく、且つ、購入数が多いため、他のカテゴリ・品目の商品を購入する可能性が弱い人、すなわち、消費多様性が小さい人と考えられるため、グループ４に分類される。

したがって、例えば前述の図１３に示す消費者ＩＤが「ＩＤ１」である消費者Ｍは、前述したように購入数が１９．８個、品目数は７．３、カテゴリ数は「お菓子」、「家電」、「車」の３つであるため、上記グループ１に属する消費者Ｍに該当する。一方、消費者ＩＤが「ＩＤ２」である消費者Ｍは、前述したように購入数が３．３個、品目数は３、カテゴリ数は「お菓子」のみの１つであるため、上記グループ２に属する消費者Ｍに該当する。また、消費者ＩＤが「ＩＤ３」である消費者Ｍは、前述したように購入数が２０個、品目数は５、カテゴリ数は「家電」のみの１つであるため、上記グループ３に属する消費者Ｍに該当する。一方、消費者ＩＤが「ＩＤ４」である消費者Ｍは、前述したように購入数が３５個、品目数は２、カテゴリ数は「書籍」のみの１つであるため、上記グループ４に属する消費者Ｍに該当する。

なお、上記分類基準は一例であり、システムの使用環境や使用条件等に応じて適宜好ましい基準に変更してもよい。また、上記４つのグループが特許請求の範囲に記載の多様性情報に相当し、消費者Ｍがどのグループに属するかを判定することが、特許請求の範囲に記載の消費多様性に係わる特定の消費者の多様性情報を算出することに相当する。

その後の手順については前述の実施形態と同様である。すなわち、制御部２０１は、消費者Ｍが上記４グループのうちどのグループに属するかを判定し、判定された所属グループに応じて品目数及びカテゴリ数を決定する。さらに、判定された所属グループに応じて推奨数を決定する。その後、決定した推奨内容に基づいて、特定商品の推奨情報を商品データベース２１２より取得し、その推奨情報を該当する消費者Ｍの携帯端末４００に対し出力する。これにより、消費者Ｍの携帯端末４００の表示部４０１には受信した推奨情報が表示される。

以上説明した変形例においては、サーバ２００の記憶部２１０の消費行動履歴データベース２１４に、複数の消費者Ｍによる商品の消費の消費行動履歴情報が、予め格納されている。商品推奨者が上記消費行動履歴データベース２１４にアクセスすることにより、サーバ２００の制御部２０１が、特定の消費者Ｍが消費した全商品についての、購入数、品目数、カテゴリ数に関する消費多様性を判定する。そして、その判定した消費多様性の程度に対応させて、当該消費者Ｍに対し推奨する特定商品の推奨数を決定する。その後、その推奨する特定商品を当該特定の消費者Ｍの携帯情報４００へと出力する。

これにより、多種多様な商品を消費する傾向にある人（例えば、流行や新製品にすぐ飛びつくタイプの人、自分の嗜好品以外の物も興味を持ってみるタイプの人等）には比較的バラエティーに富んだいろいろな商品を推奨し、限定された範囲の商品を消費する傾向にある人（例えば、流行や新製品にとらわれず自分の好みの物だけに限定的に興味を持つタイプの人等）には比較的狭い範囲に限定して商品を推奨することができる。この結果、各消費者Ｍの消費感性に合致した、効果的な推奨を行うことができる。

（２）消費多様性の判定に用いる情報のバリエーション
上記実施形態では、特定の消費者Ｍの楽曲データごとの歌唱回数、カテゴリ数、及びカテゴリごとの品目数の３つの情報を用いて消費多様性を判定するようにしたが、これに限られない。すなわち、消費者Ｍの多様性の判定に用いる情報としては、楽曲データの歌唱回数（あるいは商品の購入数）、カテゴリ数、及びカテゴリごとの品目数のうち少なくとも１つを用いればよく、上記実施形態のように３つの情報を全て含む必要はない。

図１７は、上記３つの情報のうち、品目数と歌唱回数の２つの情報を用いて消費多様性を判定する場合の判定基準の一例を表す図である。なお、この図１７に示すグループ番号は前述の図６に対応している。

この図１７に示す例では、品目数及び歌唱回数がいずれも比較的多い消費者Ｍの場合には、前述したように消費多様性が大きいと考えられるため、グループ１に分類される。一方、品目数及び歌唱回数がいずれも比較的少ない消費者Ｍの場合には、前述したように消費多様性がやや大きい人と考えられるため、グループ２に分類される。また、品目数は比較的少ないが歌唱回数が比較的多い消費者Ｍの場合には、前述したように消費多様性が小さい人と考えられるため、グループ４に分類される。このように、品目数と歌唱回数の２つの情報を用いた場合には、消費者Ｍを前述のグループ１，２，４に対応した３つのグループに分類することができる。その後の手順については前述の実施形態と同様である。

一方、図１８は、上記３つの情報のうち、カテゴリ数と品目数の２つの情報を用いて消費多様性を判定する場合の判定基準の一例を表す図である。なお、この図１７に示すグループ番号も前述の図６に対応している。

この図１８に示す例では、カテゴリ数及び品目数がいずれも比較的多い消費者Ｍの場合には、前述したように消費多様性が大きいと考えられるため、グループ１に分類される。一方、カテゴリ数及び品目数がいずれも比較的少ない消費者Ｍの場合には、前述したように消費多様性がやや大きい人と考えられるため、グループ２に分類される。また、カテゴリ数は比較的少ないが、品目数は比較的多い消費者Ｍの場合には、前述したように消費多様性がやや小さい人と考えられるため、グループ３に分類される。このように、カテゴリ数と品目数の２つの情報を用いた場合には、消費者Ｍを前述のグループ１，２，３に対応した３つのグループに分類することができる。その後の手順については前述の実施形態と同様である。

なお、以上において、図１、図２、図１２の各図中に示す矢印は信号の流れの一例を示すものであり、信号の流れ方向を限定するものではない。また、図１１に示すフローチャートは本発明を上記フローに示す手順に限定するものではなく、発明の趣旨及び技術的思想を逸脱しない範囲内で手順の追加・削除又は順番の変更等をしてもよい。

また、以上既に述べた以外にも、上記実施形態や各変形例による手法を適宜組み合わせて利用しても良い。

その他、一々例示はしないが、本発明は、その趣旨を逸脱しない範囲内において、種々の変更が加えられて実施されるものである。

１ 商品推奨システム
２００ サーバ（第２情報端末）
２１０ 記憶部（記憶手段）
２１１ 歌唱行動履歴データベース（消費者データベース）
２１２ 商品データベース（推奨データベース）
２１４ 消費行動履歴データベース（消費者データベース）
４００ 携帯端末（第１情報端末、情報端末）
Ｍ 消費者

Claims (5)

1. 消費者の第１情報端末に少なくとも１つの特定商品を推奨する商品推奨方法において、
   推奨者側の第２情報端末における操作入力に基づき、記憶手段に記憶された複数の消費者識別情報を記憶した消費者データベースにアクセスし、消費者を特定する第１手順と、
   前記消費者データベースに蓄積された、前記第１手順により特定された前記特定の消費者が前記商品を消費した消費行動履歴情報に基づき、当該消費者が消費した商品の総数又は商品の分類数の少なくともいずれかを用いて、前記特定の消費者に関する消費多様性を判定する第２手順と、
   前記第２手順で判定した前記消費多様性の程度に対応させて、当該特定の消費者に対して推奨する前記少なくとも１つの特定商品の推奨数を決定する第３手順と、
   前記第３手順で決定した前記推奨数に対応させて、前記少なくとも１つの特定商品の推奨情報を推奨データベースより取得し、前記特定の消費者の前記第１情報端末に対し前記推奨情報を出力する第４手順と
   を有し、
   前記第２手順は、
   前記特定の消費者の前記消費行動履歴情報に含まれる、当該特定の消費者が消費した商品の前記総数及び前記商品の分類数を、前記記憶手段に記憶された商品特性に対応して予め定められた補正条件を用いて補正して集計し、前記消費多様性に係わる前記特定の消費者の多様性情報を算出する多様性情報算出手順を有し、
   前記第３手順は、
   前記多様性情報算出手順で算出された前記多様性情報に基づき、前記特定の消費者に対して推奨する前記少なくとも１つの特定商品の推奨数を決定する
   ことを特徴とする商品推奨方法。
2. 前記第２手順は、前記消費者データベースに蓄積された、前記第１手順により特定された前記特定の消費者が前記商品を消費した消費行動履歴情報に基づき、当該消費者が消費した商品の総数又は商品の分類数の少なくともいずれかを用いて、前記特定の消費者に関する消費多様性が、所定の閾値よりも大きいか小さいかを判定し、
   前記第３手順は、
   当該特定の消費者の前記消費者識別情報に対応付けて前記消費者データベースに蓄積された、各商品が当該特定の消費者の嗜好品か非嗜好品かの嗜好分類情報を用いて、前記第２手順で判定された前記消費多様性に基づいて、前記消費多様性に関連付けて定められる前記少なくとも１つの特定商品に占める前記非嗜好品の割合となるように、前記推奨数を決定する手順である
   ことを特徴とする請求項１記載の商品推奨方法。
3. 前記第２手順は、前記消費者データベースに蓄積された、前記第１手順により特定された前記特定の消費者が前記商品を消費した消費行動履歴情報に基づき、当該消費者が消費した商品の総数又は商品の分類数の少なくともいずれかを用いて、前記特定の消費者に関する消費多様性が、所定の閾値よりも大きいか小さいかを判定し、
   前記第３手順は、
   最初に市場に投入されてから所定時間範囲内の全販売総数に対応付けて前記消費者データベースに蓄積された、各商品が流行品か非流行品か、あるいは各商品が新製品か旧製品かの分類情報を用いて、前記第２手順で判定された前記消費多様性に基づいて、前記消費多様性に関連付けて定められる前記少なくとも１つの特定商品に占める前記非流行品あるいは前記旧製品の割合となるように、前記推奨数を決定する手順である
   ことを特徴とする請求項１記載の商品推奨方法。
4. 前記第２手順は、前記消費者データベースに蓄積された、前記第１手順により特定された前記特定の消費者が前記商品を消費した消費行動履歴情報に基づき、当該消費者が消費した商品の総数又は商品の分類数の少なくともいずれかを用いて、前記特定の消費者に関する消費多様性が、所定の閾値よりも大きいか小さいかを判定し、
   前記第３手順は、
   前記第２手順で前記消費多様性が大きいと判定された前記特定の消費者に対しては、前記第２手順で判定された前記消費多様性に基づいて、前記消費多様性に関連付けて定められる前記少なくとも１つの特定商品に係わる前記分類数となるように、前記推奨数を決定する手順である
   ことを特徴とする請求項２又は請求項３記載の商品推奨方法。
5. 消費者が商品を消費した消費行動履歴情報と、各消費者の消費者識別情報とを、互いに関連付けて記憶した消費者データベースと、
   前記消費行動履歴情報に基づき、特定の前記消費者が消費した商品の総数又は商品の分類数の少なくともいずれかを用いて、前記特定の消費者に関する消費多様性を判定する判定手段と、
   前記判定手段により判定された前記消費多様性の程度に対応させて、当該特定の消費者に対して推奨する前記少なくとも１つの特定商品の推奨数を決定する決定手段と、
   前記決定手段により決定された前記推奨数に対応させて、前記少なくとも１つの特定商品の推奨情報を推奨データベースより取得し、前記特定の消費者の情報端末に対し前記推奨情報を出力する出力手段と
   を有し、
   前記判定手段は、
   前記特定の消費者の前記消費行動履歴情報に含まれる、当該特定の消費者が消費した商品の前記総数及び前記商品の分類数を、記憶手段に記憶された商品特性に対応して予め定められた補正条件を用いて補正して集計し、前記消費多様性に係わる前記特定の消費者の多様性情報を算出する多様性情報算出手段を有し、
   前記決定手段は、
   前記多様性情報算出手段で算出された前記多様性情報に基づき、前記特定の消費者に対して推奨する前記少なくとも１つの特定商品の推奨数を決定する
   することを特徴とする商品推奨システム。
   

Images