JP6957926B2 - 情報処理装置、及びプログラム - Google Patents

Description

本発明は、情報処理装置、及びプログラムに関する。

特許文献１には、多人数による、嗜好品の購入履歴及びその評価に基づいて、顧客と嗜好が類似する人物を特定し、特定された人物の嗜好品購入履歴を参照して、顧客に嗜好品についての商品購入の推薦を行う商品推薦システムが開示されている。
特許文献２には、アイテムをユーザが選択した選択履歴からユーザの嗜好分布を解析し、嗜好分布の中心からの距離である嗜好距離と嗜好分布形状からの乖離度であるユーザ行動空間距離を計算して、ユーザへの推薦アイテムを選択する情報推薦装置が開示されている。

特開２００２−７４１４２号公報 特開２０１１−９６０２５号公報

本発明は、商品を効率的に購入させることを目的とする。

上述した課題を解決するため、本発明の請求項１に係る情報処理装置は、プロセッサを有し、前記プロセッサは、複数の商品の組を示す第１情報を取得し、前記複数の商品のそれぞれの購入の履歴を示す第２情報を取得し、前記組ごとに、それぞれの前記履歴に基づいて、該組に含まれる第１商品が購入されたときに該組に含まれる第２商品が購入される第１割合を算出し、前記履歴に基づいて、前記第２商品が購入されたときに前記第１商品が購入される第２割合を算出し、前記第１割合が前記第２割合に比べて大きい場合に、前記第１商品を目立たせることを提案する。

本発明の請求項２に係る情報処理装置は、請求項１に記載の態様において、前記プロセッサは、前記第１商品と前記第２商品とが同時に購入される第３割合を算出し、前記第１商品及び前記第２商品のいずれか一方だけが購入される第４割合を算出し、前記第３割合が前記第４割合に比べて大きい場合に、前記第１商品及び前記第２商品のいずれでもない第３商品を利用者に推薦する出力をする。

本発明の請求項３に係る情報処理装置は、請求項２に記載の態様において、前記プロセッサは、前記第４割合が前記第３割合に比べて大きい場合に、前記第１商品及び前記第２商品のいずれか一方をランダムに選択して利用者に推薦する出力をする。

本発明の請求項４に係る情報処理装置は、請求項１から３のいずれか１項に記載の態様において、前記組は、前記商品の分類に基づき定められることを特徴とする。

本発明の請求項５に係る情報処理装置は、請求項３に記載の態様において、前記商品の分類は、複数の階層を有し、前記組は、前記複数の階層のうちいずれかの階層において共通の分類に属する複数の商品を含むことを特徴とする。
本発明の請求項６に係る情報処理装置は、請求項１から５のいずれか１項に記載の態様において、前記プロセッサは、前記複数の商品がそれぞれ出品された期間を示す第３情報を取得し、前記複数の商品がいずれも出品された期間における該商品の前記履歴に基づいて前記第１割合、及び前記第２割合を算出することを特徴とする。
本発明の請求項７に係る情報処理装置は、請求項１から６のいずれか１項に記載の態様において、前記プロセッサは、利用者ごとに前記履歴を示す前記第２情報を取得し、前記履歴が互いに類似する複数の前記利用者について該履歴を補正し、補正された前記履歴に基づいて前記第１割合、及び前記第２割合を算出することを特徴とする。

本発明の請求項８に係るプログラムは、コンピュータに、複数の商品の組を示す第１情報を取得するステップと、前記複数の商品のそれぞれの購入の履歴を示す第２情報を取得するステップと、前記組ごとに、それぞれの前記履歴に基づいて、該組に含まれる第１商品が購入されたときに該組に含まれる第２商品が購入される第１割合を算出するステップと、前記履歴に基づいて、前記第２商品が購入されたときに前記第１商品が購入される第２割合を算出するステップと、前記第１割合が前記第２割合に比べて大きい場合に、前記第１商品を目立たせることを提案するステップと、を実行させるためのプログラムである。

請求項１、８に係る発明によれば、商品を効率的に購入させることができ、また、複数の商品が利用者の購入行動に相互に及ぼす影響を評価することができる。
請求項２に係る発明によれば、２つの商品について、同時に購入される割合が、これらのいずれか一方だけが購入される割合に比べて大きい場合に、これらのいずれかを利用者に推薦するよりも、商品が購入される可能性を高めることができる。
請求項３に係る発明によれば、２つの商品について、いずれか一方だけが購入される割合が、これらが同時に購入される割合に比べて大きい場合に、これらの両方を利用者に推薦するよりも、商品が購入される可能性を高めることができる。
請求項４に係る発明によれば、商品の分類に基づいて定められる複数の商品の組ごとに、その組に含まれる商品のいずれを目立たせるか決めることができる。
請求項５に係る発明によれば、いずれかの階層において共通の分類に属する複数の商品のいずれを目立たせるか決めることができる。
請求項６に係る発明によれば、出品されていたが購入されなかった商品と、出品されていなかったため購入されなかった商品とを区別することができる。
請求項７に係る発明によれば、購入履歴が類似する他の利用者との差異を異常値として除外することができる。

本実施形態に係る情報処理システム９の全体構成を示す図。 端末２の構成の一例を示す図。 情報処理装置１の構成を示す図。 商品ＤＢ１２１に記憶される商品の分類を説明するための図。 記憶部１２が記憶するデータベースの例を示す図。 情報処理装置１の機能的構成を示す図。 情報処理装置１の動作の流れを説明するフロー図。 購入履歴の補正の例を説明するための図。 ２つの出品期間が重なる期間を説明するための図。 ２つの商品の関係性を説明するための図。

１．実施形態
１−１．情報処理システムの全体構成
図１は、本実施形態に係る情報処理システム９の全体構成を示す図である。情報処理システム９は、ＬＡＮ（Local Area Network）及びＷＡＮ（Wide Area Network）等を形成する通信回線４と、この通信回線４に接続された情報処理装置１、及び端末２を有する。

図１に示す端末２は、インターネット等の通信を介さずに日用品等を来店した客に対して販売する店舗（実店舗という）に配備された端末である。端末２は、例えば実店舗で用いられる金銭登録機と接続して、客に購入された商品の種類及び数等のデータを管理し、情報処理装置１に送信する。情報処理システム９が有する端末２は図１に示す通り、複数であってもよいし１つであってもよい。

図１に示す情報処理装置１は、端末２から上述したデータを受信して、このデータに基づき、例えば商品の広告、陳列態様、配置等を決めるのに有用な情報を出力する装置である。情報処理システム９が有する情報処理装置１は図１に示す通り１つであってもよいし、複数であってもよい。

１−２．端末の構成
図２は、端末２の構成の一例を示す図である。端末２は、制御部２１、記憶部２２、通信部２３、表示部２４、及び操作部２５を有する。

制御部２１は、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）を有し、ＣＰＵがＲＯＭ及び記憶部２２に記憶されているコンピュータプログラム（以下、単にプログラムという）を読み出して実行することにより端末２の各部を制御する。

記憶部２２は、ソリッドステートドライブ、ハードディスクドライブ等の大容量の記憶手段であり、制御部２１のＣＰＵに読み込まれる各種のプログラムを記憶する。

通信部２３は、無線又は有線により通信回線４に接続する通信回路である。端末２は、通信部２３により通信回線４を介して情報処理装置１と情報を遣り取りする。

操作部２５は、各種の指示をするための操作ボタン等の操作子を備えており、利用者による操作を受付けてその操作内容に応じた信号を制御部２１に供給する。また、操作部２５は、利用者の指又はスタイラスペン等の操作体の接触又は圧力等を検知するタッチパネルを有していてもよい。

表示部２４は、液晶ディスプレイを有しており、制御部２１の制御の下、画像を表示する。表示部２４の液晶ディスプレイの上には、操作部２５の透明のタッチパネルが重ねて配置されてもよい。

１−３．情報処理装置の構成
図３は、情報処理装置１の構成を示す図である。情報処理装置１は、制御部１１、記憶部１２、及び通信部１３を有する。また、情報処理装置１は、図３に破線で示す表示部１４、及び操作部１５を有してもよい。

制御部１１は、ＣＰＵ、ＲＯＭ、ＲＡＭを有し、ＣＰＵがＲＯＭ及び記憶部１２に記憶されているプログラムを読み出して実行することにより情報処理装置１の各部を制御する。

通信部１３は、無線又は有線により通信回線４に接続する通信回路である。情報処理装置１は、通信部１３により通信回線４を介して端末２と情報を遣り取りする。

操作部１５は、各種の指示をするための操作ボタン等の操作子を備えており、利用者による操作を受付けてその操作内容に応じた信号を制御部１１に供給する。また、操作部１５は、利用者の指又はスタイラスペン等の操作体を検知するタッチパネルを有していてもよい。

表示部１４は、液晶ディスプレイ等の表示画面を有しており、制御部１１の制御の下、画像を表示する。表示部１４の表示画面の上には、操作部１５の透明のタッチパネルが重ねて配置されてもよい。

記憶部１２は、ハードディスクドライブ等の大容量の記憶手段であり、制御部１１のＣＰＵに読み込まれる各種のプログラムを記憶する。また、記憶部１２は、商品ＤＢ１２１、購入履歴ＤＢ１２２、及び出品期間ＤＢ１２３を記憶する。

商品ＤＢ１２１は、商品の識別情報及び分類等、商品についての情報を記憶するデータベースである。購入履歴ＤＢ１２２は、商品がいつ購入されたかを示す履歴（購入履歴）を記憶するデータベースである。出品期間ＤＢ１２３は、商品が出品されていた期間（出品期間）を記憶するデータベースである。

図４は、商品ＤＢ１２１に記憶される商品の分類を説明するための図である。商品ＤＢ１２１は、実店舗で利用者に購入される商品について、分類及び単価等、各種の情報を記憶するデータベースである。図４に示す通り、商品は例えば、大分類、中分類、小分類、及び細分類といった複数の階層でそれぞれ分類されている。１つの大分類には、１つ又は複数の中分類が属する。１つの中分類には、１つ又は複数の小分類が属する。１つの小分類には、１つ又は複数の細分類が属する。そして、１つの細分類には、１つ又は複数の商品が属する。つまり、図４に示す例では、大分類、中分類、小分類、及び細分類の組合せにより商品の分類（商品分類）が定まる。

図４に示す大分類の例は、「飲料」等である。また、中分類の例は、「飲料の素」、「豆乳」、「乳飲料」等である。また、小分類の例は「豆・茶葉」、「粉末飲料」、「牛乳」等である。また、細分類の例は、「ココア」、「インスタントコーヒー」、「クリームパウダー」、「無調整牛乳」、「特濃牛乳」、「低脂肪牛乳」等である。そして、例えば、図４に示す例で、商品「Ａ」及び商品「Ｂ」は、いずれも細分類「無調整牛乳」に属する。

図４に示す組Ｇ１は「インスタントコーヒー」及び「クリームパウダー」を含む組を示す。利用者が「インスタントコーヒー」を購入したときに、必ずしも「クリームパウダー」を購入するとは限らない。一方、利用者が「クリームパウダー」を購入したときに、一緒に「インスタントコーヒー」を購入する割合は比較的高い。「インスタントコーヒー」は「クリームパウダー」を利用せずに単独で利用されることもあるが、「クリームパウダー」は「インスタントコーヒー」を利用せずに単独で利用されることが比較的少ないからである。

ここでは、この組Ｇ１の関係性を「相補性を有する関係」といい、「クリームパウダー」は、「インスタントコーヒー」の存在を前提としてこれを補う商品、すなわち、「インスタントコーヒー」の相補的な商品という。

また、図４に示す組Ｇ２は「無調整牛乳」、「特濃牛乳」、及び「低脂肪牛乳」を含む組を示す。利用者がこれらのうちいずれか１つを購入したときに、他のいずれかを購入する割合は減少する。これらは用途が似通っていて、いずれか１つを選択すれば他を利用する必要がない場合が多いからである。

ここでは、この組Ｇ２の関係性を「代替性を有する関係」といい、「無調整牛乳」、「特濃牛乳」、及び「低脂肪牛乳」は互いに代替的な商品という。

情報処理装置１は、記憶部１２に記憶されたデータベースを用いて、２以上の商品の組ごとに、その組に属する商品の購入のされ方を特定し、それら商品の関係性を評価する。

図５は、記憶部１２が記憶するデータベースの例を示す図である。図５（ａ）には、商品ＤＢ１２１の例が示されている。図５（ａ）に示す通り、商品ＤＢ１２１には、商品を識別する識別情報である商品ＩＤごとに、その商品分類が対応付けて記憶されている。また、商品ＤＢ１２１には、図５（ａ）に示す通り、商品ＩＤごとに、その商品の名称である商品名、及び、その商品の１つ当たりの価格である単価等が対応付けて記憶されていてもよい。

例えば、図５（ａ）に示す商品ＤＢ１２１において、商品ＩＤ「０９８７６５」で識別される商品は、大分類ＩＤ「０１」、中分類ＩＤ「０１」、小分類ＩＤ「０５」、細分類ＩＤ「０３」に分類される商品であり、商品名は「◇牛乳」、単価は「２００」であることが記憶されている。

図５（ｂ）には、購入履歴ＤＢ１２２の例が示されている。図５（ｂ）に示す通り、購入履歴ＤＢ１２２は、購入された商品の商品ＩＤごとに、その商品が購入された日（購入日）と、購入された数（購入数）とが対応付けて記憶されている。また、購入履歴ＤＢ１２２には、図５（ｂ）に示す例では、購入された商品の商品ＩＤごとに、その商品を購入した利用者の識別情報である利用者ＩＤが対応付けられている。なお、購入日は、時刻を示す情報を含んでもよい。

例えば、図５（ｂ）に示す購入履歴ＤＢ１２２において、商品ＩＤ「０９８７６５」で識別される商品は、購入日「２０１７０１２１」に、利用者ＩＤ「１２３４５６７」で識別される利用者に購入数「１」で購入されたことが記憶されている。

図５（ｃ）には、出品期間ＤＢ１２３の例が示されている。図５（ｃ）に示す通り、出品期間ＤＢ１２３には、商品ＩＤごとに、その商品ＩＤで示される商品の出品期間が記憶されている。この出品期間とは、出品が開始された日を示す開始日から出品が終了した日を示す終了日までをいう。「出品が終了した」とは、在庫が有りながら実店舗から商品を回収した場合のほか、在庫の全てが購入されて実店舗から商品が無くなった場合も含む。すなわち、商品は、その出品期間であれば購入が可能であるが、出品期間ではない期間では購入が不可能である。なお、開始日及び終了日は、時刻を示す情報を含んでもよい。

例えば、図５（ｃ）に示す出品期間ＤＢ１２３において、商品ＩＤ「０９８７６５」で識別される商品は、開始日「２０１７０１２１」から終了日「２０１７０１２５」まで出品されていたことが記憶されている。

１−４．情報処理装置の機能的構成
図６は、情報処理装置１の機能的構成を示す図である。図６に示す情報処理装置１の制御部１１は、記憶部１２に記憶されたプログラムを実行することにより、第１取得部１１１、第２取得部１１２、評価部１１４、及び出力部１１５として機能する。また、制御部１１は、図６に破線で示す通り、第３取得部１１３、及び補正部１１６として機能してもよい。

第１取得部１１１は、記憶部１２に記憶された商品ＤＢ１２１から複数の商品の組を示す第１情報を取得する。組を構成する商品は複数の異なる商品であれば２つでも３つ以上でもよい。第１取得部１１１は、商品ＤＢ１２１に記憶された商品の中から、例えば、２つの商品の組を全て取得してもよい。なお、第１取得部１１１が取得する商品の組は、商品分類の組であってもよい。

第２取得部１１２は、記憶部１２に記憶された購入履歴ＤＢ１２２から複数の商品のそれぞれの購入履歴を示す第２情報を取得する。

評価部１１４は、第１取得部１１１が取得した第１情報により示される組ごとに、それぞれの商品の購入履歴に基づく商品の関係性を評価する。図６に示す評価部１１４は、組に含まれる１つの商品が購入されたときにこの組に含まれる他の商品が購入される割合に基づいて関係性を評価する。第１取得部１１１が商品分類の組を取得する場合、評価部１１４は、それらの商品分類の組ごとに、その組に含まれる商品分類の関係性を評価すればよい。

なお、第２取得部１１２は、利用者ごとに購入履歴を示す第２情報を取得してもよい。この場合、制御部１１は、取得した第２情報に基づいて商品の購入履歴が類似する複数の利用者を特定し、それら利用者について上述した第２情報を補正する補正部１１６として機能してもよい。そして評価部１１４は、補正されたこの第２情報により上述した商品の関係性を評価してもよい。

出力部１１５は、評価部１１４による評価に応じた出力をする。出力部１１５は、例えば、商品の組ごとにその組に含まれるいずれの商品が優位であるかを示す情報を出力してもよい。また、出力部１１５は、組に含まれる商品の優劣に基づいて、それら商品の実店舗における陳列の態様、配置、数量、広告のレイアウト、売り場における音声案内のタイミング及び頻度等を示す情報を出力してもよい。

第３取得部１１３は、複数の商品がそれぞれ出品された期間を示す第３情報を取得する。制御部１１が第３取得部１１３として機能する場合、評価部１１４は、この第３取得部１１３が取得する第３情報により、第１取得部１１１が取得した第１情報により示される組に含まれる複数の商品がいずれも出品された期間を特定する。そして、評価部１１４は、特定したこの期間における商品の購入履歴に基づき、これら商品の関係性を評価してもよい。

１−５．情報処理装置の動作
図７は、情報処理装置１の動作の流れを説明するフロー図である。情報処理装置１の制御部１１は、商品ＤＢ１２１から複数の商品の組を示す第１情報を取得する（ステップＳ１０１）。また、制御部１１は、複数の商品のそれぞれの購入履歴を示す第２情報を取得する（ステップＳ１０２）。また、制御部１１は、複数の商品のそれぞれについて出品期間を示す第３情報を取得する（ステップＳ１０３）。ステップＳ１０１からステップＳ１０３までの処理はどの順序で行われてもよく、また、並行して行われてもよい。

制御部１１は、上述した補正部１１６として機能する場合、ステップＳ１０２で取得した第２情報に基づいて、例えば協調フィルタリングの手法により、商品の購入履歴が類似する複数の利用者を特定する。この類否判断は、例えば、利用者の購入履歴がそれぞれ示す多次元ベクトル同士のユークリッド距離等で求められる。そして、制御部１１は、特定した類似する利用者の購入履歴に基づいて、購入履歴を補正する（ステップＳ１０４）。

図８は、購入履歴の補正の例を説明するための図である。図８には、「Ａ」から「Ｈ」までの商品を、「Ｋ」から「Ｑ」までの利用者が決められた期間に購入した量が、それぞれ表されている。制御部１１は、協調フィルタリングの手法により、利用者「Ｌ」と利用者「Ｎ」の購入履歴が類似していると判定し、両者を互いに類似する利用者として特定する。

次に、制御部１１は、利用者「Ｌ」と利用者「Ｎ」とのそれぞれの購入履歴のうち、異なる部分を特定する。図８に示す例では、利用者「Ｎ」は４個の商品「Ｃ」を購入しているのに対し、利用者「Ｌ」は商品「Ｃ」を購入していない。購入履歴が互いに類似する利用者は、嗜好、関心、生活パターン等が共通していることが多い。したがって、利用者「Ｎ」に購入履歴が類似している利用者「Ｌ」は、利用者「Ｎ」と同じく商品「Ｃ」を購入する可能性が高い。

そこで、制御部１１は、評価に用いる購入履歴に対して、利用者「Ｌ」が商品「Ｃ」を、例えば利用者「Ｎ」と同程度に購入した場合のデータに置換する補正を行う。これにより、情報処理装置１は、購入履歴が類似する他の利用者との差異を異常値として除外するので、例えば、利用者の知識不足又は経験不足により購入経験がないだけであって、きっかけがあれば購入する可能性の高い商品（いわゆる「食わず嫌い」の商品）について、将来の購入行動の予測が補正される。

なお、購入数の補正は、購入履歴が互いに類似する複数の利用者の購入数の相加平均、最頻値、中間値等の統計的代表値を基づいて行われてもよい。この場合、補正されるデータは、この統計的代表値との差異が閾値を超えているか否かによって特定されればよい。

図７に示す通り、制御部１１は、補正された購入履歴及び取得した出品期間に基づいて、組に含まれる商品の関係性を評価する（ステップＳ１０５）。制御部１１は、組に含まれる複数の商品の各出品期間が重なる期間について、購入履歴を集計してこの評価を行う。

図９は、２つの出品期間が重なる期間を説明するための図である。図９には商品「Ａ」及び商品「Ｂ」のそれぞれの購入数と出品期間とが表されている。商品「Ａ」と商品「Ｂ」とは、出品期間が異なるので、例えば、商品「Ａ」だけが出品されていて商品「Ｂ」が出品されていなかった期間には、利用者は商品「Ｂ」を購入する気があっても購入することができない。そこで、制御部１１は、商品「Ａ」と商品「Ｂ」との組について評価する場合には、両者が出品されていた期間の購入数を用いる。これにより、例えば情報処理装置１は、出品されていたが購入されなかった商品と、出品されていなかったため購入されなかった商品とを区別する。

制御部１１は、商品「Ａ」と商品「Ｂ」とからなる組について評価を行う場合、それぞれの出品期間が重なる期間の購入履歴に基づいてその評価を行う。

制御部１１は例えば、上述した期間に行われた会計のうち、商品「Ａ」が購入された会計の数の割合を、商品「Ａ」が購入される確率Ｐ（Ａ_１）として算出する。具体的に制御部１１は、商品「Ａ」が購入された会計の数を、この期間の全ての会計の数で除算した数値を確率Ｐ（Ａ_１）として算出する。この場合、商品「Ａ」が購入されない確率Ｐ（Ａ_０）は、以下の式（１）で表される。

Ｐ（Ａ_０）＝１−Ｐ（Ａ_１） ・・・（１）
ここで「会計の数」とは、例えば２時間以内又は同日等、決められた期間に共通の利用者によって行われた会計を１つの会計として計上したものでもよい。

制御部１１は、商品「Ｂ」が購入される確率Ｐ（Ｂ_１）及び商品「Ｂ」が購入されない確率Ｐ（Ｂ_０）も計算する。

また、制御部１１は、商品「Ａ」が購入され、かつ、商品「Ｂ」が購入されない確率Ｐ（Ａ_１，Ｂ_０）を算出する。具体的に制御部１１は、上述した期間に行われた会計のうち、商品「Ａ」が購入され、かつ、商品「Ｂ」が購入されなかった会計の数の割合を求めることで確率Ｐ（Ａ_１，Ｂ_０）を算出する。

そして、制御部１１は、商品「Ａ」が購入されずに、かつ、商品「Ｂ」が購入される確率Ｐ（Ａ_０，Ｂ_１）、及び、商品「Ａ」が購入され、かつ、商品「Ｂ」も購入される確率Ｐ（Ａ_１，Ｂ_１）を算出する。

制御部１１は、これら算出した確率を用いて、商品「Ａ」及び商品「Ｂ」の購入履歴が示す相互情報量Ｉ（Ａ，Ｂ）を求める。相互情報量Ｉ（Ａ，Ｂ）は、以下の式（２）で表される。

式（２）において、添字のｉ，ｊは、「０」の場合に「購入されていないこと」を示し、「１」の場合に「購入されたこと」を示す。
この相互情報量Ｉ（Ａ，Ｂ）は、一方の商品（ここではＡとする）が購入されたことが分かったとき、他方の商品（ここではＢとする）についての情報をどれほど知ることができるかの程度を表している。すなわち、相互情報量が低い商品対は、独立性が高い商品対であり、一方の購入は他方の購入に影響を及ぼすことが無い。それに対して、相互情報量が高い商品対は、一方の購入が他方の購入に影響を及ぼす。このときの影響は、一方を購入すると必ず他方を購入する場合と、一方を購入するときには決して他方を購入しないという場合が存在する。

また、制御部１１は、相互情報量Ｉ（Ａ，Ｂ）、確率Ｐ（Ａ_１，Ｂ_０）、確率Ｐ（Ａ_０，Ｂ_１）、及び確率Ｐ（Ａ_１，Ｂ_１）の相対的な比率に基づいて、商品「Ａ」及び商品「Ｂ」の関係性を評価する。図１０は、２つの商品の関係性を説明するための図である。図１０（ａ）に示す例では、商品Ｂの持つ情報量と相互情報量は同程度である。このとき確率Ｐ（Ａ_１，Ｂ_０）は、確率Ｐ（Ａ_１，Ｂ_１）よりも大きく、確率Ｐ（Ａ_０，Ｂ_１）は両者に比べて著しく小さい。これは、商品「Ｂ」が購入されるときには、概ね商品「Ａ」も購入されていることを意味する。

この場合、制御部１１は、これらの比率と予め決められた閾値とを比較して、商品「Ａ」及び商品「Ｂ」が「相補性を有する関係」にあると判定し、商品「Ｂ」が商品「Ａ」の相補的な商品である、と評価する。

また、図１０（ｂ）に示す例では、２つの商品の購入に依存関係が無いことから、相互情報量は低い値となる。このとき、確率Ｐ（Ａ_１，Ｂ_０）と確率Ｐ（Ａ_０，Ｂ_１）とは同程度であり、確率Ｐ（Ａ_１，Ｂ_１）はこれらに比べて著しく小さい。これは、商品「Ｂ」が購入されるときには商品「Ａ」がほとんど購入されておらず、反対に商品「Ａ」が購入されるときには商品「Ｂ」がほとんど購入されていないことを意味する。すなわち、商品「Ａ」と商品「Ｂ」とはいずれか一方が選択的に購入されている。

この場合、制御部１１は、これらの比率と予め決められた閾値とを比較して、商品「Ａ」及び商品「Ｂ」が「代替性を有する関係」にあると判定し、商品「Ａ」と商品「Ｂ」とが互いに代替的な商品である、と評価する。

また、図１０（ｃ）に示す例では、２つの商品の購入に依存関係があり相互情報量は高い値となる。このとき、確率Ｐ（Ａ_１，Ｂ_０）と確率Ｐ（Ａ_０，Ｂ_１）とは同程度であり、確率Ｐ（Ａ_１，Ｂ_１）はこれらに比べて著しく大きい。これは、商品「Ａ」と商品「Ｂ」とはほとんどの場合、一緒に購入されていることを意味する。すなわち、商品「Ａ」と商品「Ｂ」とは同時に購入される組である。

この場合、制御部１１は、これらの比率と予め決められた閾値とを比較して、商品「Ａ」及び商品「Ｂ」が「同時性を有する関係」にあると判定し、商品「Ａ」と商品「Ｂ」とが互いに同時購入され易い商品である、と評価する。

制御部１１は、上述した相互情報量Ｉ（Ａ，Ｂ）と、確率の比較に基づいて、商品の組ごとにその組に含まれる商品の関係性を評価すると、その評価の結果を出力する（ステップＳ１０６）。そして、制御部１１は、評価されていない組が存在するか否かを判断し（ステップＳ１０７）、その未評価の組が存在すると判断する場合（ステップＳ１０７；ＹＥＳ）、処理をステップＳ１０１に戻す。一方、未評価の組が存在しないと判断する場合（ステップＳ１０７；ＮＯ）、制御部１１は、処理を終了する。

以上の動作により、情報処理システム９の情報処理装置１は、商品の組ごとに、それぞれの購入履歴に基づく商品の関係性を評価するので、利用者は、複数の商品が利用者の購入行動に相互に及ぼす影響を考慮して、例えば、いずれの商品を目立つように広告・陳列するかを決める。

例えば、情報処理装置１は、商品「Ａ」（第１商品）が購入されたときに商品「Ｂ」（第２商品）が購入される割合が、商品「Ｂ」（第２商品）が購入されたときに商品「Ａ」（第１商品）が購入される割合に比べて閾値を超えて大きい場合に、商品「Ａ」（第１商品）と商品「Ｂ」（第２商品）との関係性を、「相補性を有する関係」にあると判定し、商品「Ｂ」（第２商品）が商品「Ａ」（第１商品）の相補的な商品である、と評価する。

このとき、情報処理装置１は、商品「Ｂ」（第２商品）より商品「Ａ」（第１商品）が優位である、と評価し、例えば、商品「Ｂ」（第２商品）よりも商品「Ａ」（第１商品）を目立つように広告したり、陳列したりする販売計画を提案する。

上述した例において商品「Ａ」（第１商品）が購入されるときには、商品「Ｂ」（第２商品）が購入される可能性が高いので、情報処理装置１が出力するこの提案に従うことにより、利用者は、商品「Ａ」の売上向上に連動して商品「Ｂ」の売上も向上させることとなる。

また、利用者は、新商品を取扱う際に、その新商品の商品分類を特定し、情報処理装置１が既存の商品について、それらの商品分類の組ごとに評価した関係性に基づき、その新商品の広告・陳列の方法を決めてもよい。

２．変形例
以上が実施形態の説明であるが、この実施形態の内容は以下のように変形し得る。また、以下の変形例を組合せてもよい。

２−１．変形例１
上述した実施形態において、情報処理システム９の情報処理装置１は、記憶部１２に商品ＤＢ１２１、購入履歴ＤＢ１２２、及び出品期間ＤＢ１２３を記憶していたが、これらのデータベースは、情報処理装置１と異なるサーバ装置により管理されてもよい。この場合、情報処理装置１は、通信回線４を介してこのサーバ装置にデータを要求するクエリを送信し、サーバ装置がこのクエリに応じたデータを供給すればよい。また、これらのデータベースは、端末２から送られる情報を蓄積して生成されなくてもよく、例えば、サーバ装置又は情報処理装置１において利用者の操作により生成されてもよい。この場合、情報処理システム９は、端末２を有しなくてもよい。

２−２．変形例２
上述した実施形態において、情報処理装置１の制御部１１によって実現する評価部１１４は、組に含まれる１つの商品が購入されたときにこの組に含まれる他の商品が購入される割合に基づいて関係性を評価していたが、評価の手段はこれに限られない。例えば、組に含まれる商品が３つ以上である場合、評価部１１４は、組に含まれる１つの商品が購入され、さらにこの組に含まれる他の商品のうちいずれか１つの商品が購入されたときに、この組に含まれる上述のいずれでもない商品が購入される割合に基づいて、これら３つ以上の商品の関係性を評価してもよい。

２−３．変形例３
上述した実施形態において、情報処理装置１の制御部１１が、複数の商品の出品期間を示す第３情報を取得する第３取得部１１３として機能する場合、制御部１１は、組に含まれる複数の商品の出品期間が重なる期間における商品の購入履歴に基づき、これら商品の関係性を評価する評価部１１４として機能していたが、制御部１１は、出品期間を考慮せずに関係性を評価してもよい。この場合、制御部１１は、第３取得部１１３として機能しなくてもよく、記憶部１２は、出品期間ＤＢ１２３を記憶しなくてもよい。

２−４．変形例４
上述した実施形態において、制御部１１は、特定した類似する利用者の購入履歴に基づいて、購入履歴を補正していたが、この補正を行わなくてもよく、購入履歴が相互に類似した利用者を特定しなくてもよい。

２−５．変形例５
上述した実施形態において、情報処理装置１の制御部１１によって実現する評価部１１４は、第１商品が購入されたときに第２商品が購入される割合が、第２商品が購入されたときに第１商品が購入される割合に比べて閾値を超えて大きい場合に、第１商品と第２商品との関係性を、第１商品より第２商品が優位である、と評価していたが、評価の手段はこれに限られない。

例えば、第１商品と第２商品とが同時に購入される割合が、それらのいずれか一方だけが購入される割合に比べて決められた閾値を超えて大きい場合に、制御部１１は、第１商品及び第２商品のいずれでもない第３商品を利用者に推薦する販売計画を提案してもよい。第１商品及び第２商品が一緒に購入される可能性が高い場合、これらのいずれか一方を推薦しても購入数に変化がないことが予測されるからである。

また、例えば、第１商品及び第２商品のいずれか一方だけが購入される割合が、第１商品と第２商品とが同時に購入される割合に比べて、いずれも決められた閾値を超えて大きい場合に、制御部１１は、第１商品及び第２商品のいずれか一方をランダムに選択して利用者に推薦する販売計画を提案してもよい。第１商品と第２商品とは代替性を有する関係であるため、推薦に応じて一方が購入される場合に、他方を推薦しても購入される可能性が低いからである。

２−６．変形例６
情報処理装置１の制御部１１によって実行されるプログラムは、磁気テープ及び磁気ディスク等の磁気記録媒体、光ディスク等の光記録媒体、光磁気記録媒体、半導体メモリ等の、コンピュータ装置が読取り可能な記録媒体に記憶された状態で提供し得る。また、このプログラムを、インターネット等の通信回線経由でダウンロードさせることも可能である。なお、上述した制御部１１によって例示した制御手段としてはＣＰＵ以外にも種々の装置が適用される場合があり、例えば、専用のプロセッサ等が用いられる。

１…情報処理装置、１１…制御部、１１１…第１取得部、１１２…第２取得部、１１３…第３取得部、１１４…評価部、１１５…出力部、１１６…補正部、１２…記憶部、１２１…商品ＤＢ、１２２…購入履歴ＤＢ、１２３…出品期間ＤＢ、１３…通信部、１４…表示部、１５…操作部、２…端末、２１…制御部、２２…記憶部、２３…通信部、２４…表示部、２５…操作部、４…通信回線、９…情報処理システム。

Claims (8)

1. プロセッサを有し、前記プロセッサは、
   複数の商品の組を示す第１情報を取得し、
   前記複数の商品のそれぞれの購入の履歴を示す第２情報を取得し、
   前記組ごとに、それぞれの前記履歴に基づいて、該組に含まれる第１商品が購入されたときに該組に含まれる第２商品が購入される第１割合を算出し、
   前記履歴に基づいて、前記第２商品が購入されたときに前記第１商品が購入される第２割合を算出し、
   前記第１割合が前記第２割合に比べて大きい場合に、前記第１商品を目立たせることを提案する
   情報処理装置。
2. 前記プロセッサは、
   前記第１商品と前記第２商品とが同時に購入される第３割合を算出し、
   前記第１商品及び前記第２商品のいずれか一方だけが購入される第４割合を算出し、
   前記第３割合が前記第４割合に比べて大きい場合に、前記第１商品及び前記第２商品のいずれでもない第３商品を利用者に推薦する出力をする
   請求項１に記載の情報処理装置。
3. 前記プロセッサは、
   前記第４割合が前記第３割合に比べて大きい場合に、前記第１商品及び前記第２商品のいずれか一方をランダムに選択して利用者に推薦する出力をする
   請求項２に記載の情報処理装置。
4. 前記組は、前記商品の分類に基づき定められる
   ことを特徴とする請求項１から３のいずれか１項に記載の情報処理装置。
5. 前記商品の分類は、複数の階層を有し、
   前記組は、前記複数の階層のうちいずれかの階層において共通の分類に属する複数の商品を含む
   ことを特徴とする請求項３に記載の情報処理装置。
6. 前記プロセッサは、
   前記複数の商品がそれぞれ出品された期間を示す第３情報を取得し、
   前記複数の商品がいずれも出品された期間における該商品の前記履歴に基づいて前記第１割合、及び前記第２割合を算出する
   ことを特徴とする請求項１から５のいずれか１項に記載の情報処理装置。
7. 前記プロセッサは、
   利用者ごとに前記履歴を示す前記第２情報を取得し、
   前記履歴が互いに類似する複数の前記利用者について該履歴を補正し、
   補正された前記履歴に基づいて前記第１割合、及び前記第２割合を算出する
   ことを特徴とする請求項１から６のいずれか１項に記載の情報処理装置。
8. コンピュータに、
   複数の商品の組を示す第１情報を取得するステップと、
   前記複数の商品のそれぞれの購入の履歴を示す第２情報を取得するステップと、
   前記組ごとに、それぞれの前記履歴に基づいて、該組に含まれる第１商品が購入されたときに該組に含まれる第２商品が購入される第１割合を算出するステップと、
   前記履歴に基づいて、前記第２商品が購入されたときに前記第１商品が購入される第２割合を算出するステップと、
   前記第１割合が前記第２割合に比べて大きい場合に、前記第１商品を目立たせることを提案するステップと、
   を実行させるためのプログラム。

Images