JP5429525B2 - 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。

消費者の情報端末に対して、例えば電子メールやウェブページ等により特定の商品の推奨情報を配信する商品推奨システムが知られている。このような商品推奨システムの従来技術として、消費者の収支状況を把握し、収支状況の変化に伴い生じる広告効果の高い場面に商品の推奨情報を配信する商品推奨システム（広告情報配信システム）が存在する（例えば、特許文献１参照）。

特開２００７−１０２８２０号公報

一般に、消費者の個性や消費動向には違いがあり、例えばある商品が市場に投入されてから比較的短い時間で消費する傾向にある人（いわゆる流行や新製品にすぐ飛びつくタイプの人）や、当該商品が市場に投入されてから比較的長い時間の経過後に消費する傾向にある人（新製品の様子をじっくり見極めるタイプの人）等が存在する。このような場合、前者には商品投入後早めに商品の推奨を行い、後者には商品投入後遅めに商品の推奨を行うことが好ましい。しかしながら、上記従来技術の商品推奨システムによれば、消費者の収支状況は考慮されるが、上記のような各消費者の個性や消費動向については考慮されておらず、各消費者に応じた適切な推奨時期に商品の推奨を行うことができなかった。

本発明の目的は、各消費者の個性や消費動向に応じた、効果的な商品の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、消費者に特定商品を推奨する商品推奨方法において、商品推奨者側の第１情報端末における操作入力に基づき、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、前記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、商品が最初に市場に投入された市場投入時期と特定の前記消費者が前記商品を消費した消費行動時期を有する消費行動履歴情報に基づき、各商品ごとに、前記市場投入時期と前記消費行動時期との時間差を算出する第２手順と、前記第２手順で各商品ごとに算出された前記時間差を、前記消費者データベースに記憶された商品特性ごとに予め定められた第１補正条件を用いて補正して集計し、前記特定の消費者に固有の標準時間差情報を算出する第５手順と、前記第５手順で算出された前記標準時間差情報に基づき、前記特定の消費者に対して推奨する前記特定商品の少なくとも１回の推奨時期を決定する第３手順と、前記第３手順で決定した前記推奨時期において、前記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第２情報端末に対し前記推奨情報を出力する第４手順とを有することを特徴とする。

本願第１発明においては、消費者データベースに、複数の消費者による商品の消費に関する消費行動履歴情報が蓄積されている。この消費行動履歴情報には、商品が最初に市場に投入された市場投入時期と、消費者が商品を消費した消費行動時期とが含まれる。商品推奨者により第１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消費者を特定する。その後、第２手順で、商品の市場投入時期後当該特定の消費者が消費するまでの時間差を、市場投入時期及び消費行動時期に基づき複数の商品それぞれごとに算出する。そして、第３手順で、その各商品ごとに算出した時間差に基づき、商品ごとの推奨時期を決定する。そして、各商品の推奨時期が到来するごとに、第４手順で、その商品の推奨情報を当該特定の消費者の第２情報端末へと出力する。

これにより、ある商品が市場に投入されてから比較的短い時間で消費する傾向にある人には商品投入日に対して早めに商品の推奨を行い、当該商品が市場に投入されてから比較的長い時間の経過後に消費する傾向にある人には商品投入後遅めに商品の推奨を行うことができる。この結果、各消費者の個性や消費動向に応じた、効果的な商品の推奨を行うことができる。

また、一般に、商品の市場投入時期後特定の消費者が消費するまでの時間差は、消費者個人の個性以外に、商品特性によっても異なるものとなる。本願第１発明ではこれに対応して、特定の消費者について各商品ごとに算出された時間差を、上記商品特性ごとに定めた第１補正条件を用いて補正し集計する。これにより、上記のような商品特性によるばらつきが解消され、特定の消費者固有の個性や消費動向を主として反映した、効果的な商品の推奨を行うことができる。

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５手順により算出された前記標準時間差情報が所定の時間幅であるか否かを判断する第６手順と、前記第６手順により、所定の時間幅であると判断された場合に、当該特定の消費者が、所定の時間幅ごとに区分けされた複数の消費者群のいずれに属するかを決定する第７手順をさらに有し、前記第３手順は、前記第７手順で前記特定の消費者が属すると決定された前記消費者群に対して予め定められた代表時間差情報に基づき、当該特定の消費者に対して推奨する前記特定商品の推奨時期を決定することを特徴とする。

本願第２発明においては、所定の時間幅ごとに区分けされた複数の消費者群が用意され、各消費者群に対し代表時間差情報が予め設定されている。そして、第６手順で、第５手順により算出された標準時間差情報が複数の消費者群のいずれに属するかを決定し、第７手順で、決定された消費者群に対応する代表時間差情報に基づき、当該特定の消費者に対して特定商品の推奨時期を決定する。これにより、予め消費者群ごとに画一的に推奨時期を設定しておけば、標準時間差情報に応じて消費者がどの消費者群に属するかを判定するのみで推奨時期が決まるため、各消費者に対し推奨時期を容易に決定することができる。また、消費者群を用意しない場合に比べて、商品推奨者側において管理する推奨時期の数を大幅に少なくできるので、システムの処理速度の向上やデータベースの容量削減効果もある。

第３発明の商品推奨方法は、上記第１又は第２発明において、前記第３手順は、前記第５手順で前記特定の消費者に対し算出された前記標準時間差情報、若しくは、前記第６手順で前記特定の消費者に対応付けられた前記代表時間差情報を、前記記憶手段に記憶された前記特定商品の商品特性に対応して予め定められた第２補正条件を用いて補正し、商品別時間差情報を算出する商品別算出手順を含み、前記商品別算出手順で算出された前記商品別時間差情報に基づき、前記特定の消費者に対して推奨する前記特定商品の推奨時期を決定する手順であることを特徴とする。

消費者固有の個性や消費動向を把握するために算出した標準時間差情報又は代表時間差情報に基づいて推奨時期を決定する場合、それら標準時間差情報及び代表時間差情報は各消費者に対し画一的に設定されるものであるため、各商品の商品特性に対応した推奨時期の決定を行うことができない。したがって、本願第３発明においては、標準時間差情報又は代表時間差情報を商品特性に対応した第２補正条件を用いて補正することで、各商品の商品特性に対応した推奨時期の決定を行うことができる。

第４発明の商品推奨方法は、上記第１乃至第３発明のいずれかにおいて、前記第３手順は、当該特定商品の価格設定を段階的に変動させつつ推奨を行うための複数回の推奨時期を決定し、前記第４手順は、前記第３手順で決定した前記複数回の推奨時期のそれぞれにおいて、前記特定商品の価格設定値を変化させて前記特定の消費者の前記第２情報端末に対し出力することを特徴とする。

これにより、ある商品が市場に投入されてから比較的短い時間で消費する傾向にある人に対しては、商品投入日に対して早めに価格の割引を行うことで、当該消費者の消費意欲をさらに増大させることが可能となる。一方、当該商品が市場に投入されてから比較的長い時間の経過後に消費する傾向にある人に対しては、商品投入後早い時期には価格の割引を行わず、遅めに割引を行うことで、当該消費者の個性や消費動向に合わせた割引価格を行うことが可能となり、これにより消費意欲を増大させることが可能となる。このようにして、各消費者の個性や消費動向に応じた、効果的な商品の推奨を行うことができる。

第５発明の商品推奨方法は、上記第４発明において、前記第３手順は、前記第２手順又は第５手順で算出された、前記特定の消費者に係わる前記時間差又は前記標準時間差が所定時間以上であるか否かを判定する時間差判定手順を含み、前記時間差判定手順で前記時間差又は前記標準時間差が所定時間以上であると判定された場合に、複数回の前記推奨時期のうち初回の推奨開始時期及び推奨終了時期を遅くするとともに初回を含む推奨回数を多くし、一方、前記時間差判定手順で前記時間差が所定時間未満であると判定された場合に、複数回の前記推奨時期のうち初回の推奨開始時期及び推奨終了時期を早くするとともに初回を含む推奨回数を少なくすることを特徴とする。

これにより、ある商品が市場に投入されてから比較的短い時間で消費する傾向にある人に対しては、商品投入日に対して早めに推奨を開始して全体の推奨回数を少なくし、早めに推奨を終了することで、当該消費者の個性や消費動向に合わせた効果的な商品の推奨を行うことが可能となる。一方、当該商品が市場に投入されてから比較的長い時間の経過後に消費する傾向にある人に対しては、商品投入後遅めに推奨を開始して全体の推奨回数を多くし、遅めに推奨を終了することで、当該消費者の個性や消費動向に合わせた効果的な商品の推奨を行うことが可能となる。

上記目的を達成するために、第６発明の商品推奨システムは、消費者に特定商品を推奨する商品推奨システムであって、複数の前記消費者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、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、前記消費者データベースに蓄積された前記消費行動履歴情報に含まれる、前記商品が最初に市場に投入された市場投入時期と特定の前記消費者の前記消費行動時期に基づき、複数の商品のそれぞれごとに、前記市場投入時期と前記消費行動時期との時間差を算出する時間差算出手段と、前記時間差算出手段により各商品ごとに算出された前記時間差を、前記消費者データベースに記憶された商品特性ごとに予め定められた第１補正条件を用いて補正して集計し、前記特定の消費者に固有の標準時間差情報を算出する標準時間差情報算出手段と、前記標準時間差情報算出手段により算出された前記標準時間差情報に基づき、前記特定の消費者に対して推奨する前記特定商品の少なくとも１回の推奨時期を決定する推奨時期決定手段と、前記推奨時期決定手段により決定された前記推奨時期において、前記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消費者情報端末に対し出力する推奨情報出力手段とを有することを特徴とする。

本願第６発明においては、消費者データベースに、複数の消費者による商品の消費に関する消費行動履歴情報が蓄積されている。この消費行動履歴情報には、商品が最初に市場に投入された市場投入時期と、消費者が商品を消費した消費行動時期とが含まれる。時間差算出手段は、この消費者データベースにアクセスし、特定の消費者についての商品の市場投入時期後消費するまでの時間差を、市場投入時期及び消費行動時期に基づき複数の商品それぞれごとに算出する。

そして、推奨時期算出手段が、上記算出された時間差に基づき、特定の消費者に対する商品の推奨時期を決定する。そして、商品の推奨時期が到来すると、推奨情報出力手段が、その商品の推奨情報を推奨データベースより取得し、当該特定の消費者の消費者情報端末へと出力する。
これにより、ある商品が市場に投入されてから比較的短い時間で消費する傾向にある人には商品投入後早めに商品の推奨を行い、当該商品が市場に投入されてから比較的長い時間の経過後に消費する傾向にある人には商品投入後遅めに商品の推奨を行うことができる。この結果、各消費者の個性や消費動向に応じた、効果的な商品の推奨を行うことができる。
また、一般に、商品の市場投入時期後特定の消費者が消費するまでの時間差は、消費者個人の個性以外に、商品特性によっても異なるものとなる。本願第６発明ではこれに対応して、特定の消費者について各商品ごとに算出された時間差を、上記商品特性ごとに定めた第１補正条件を用いて補正し集計する。これにより、上記のような商品特性によるばらつきが解消され、特定の消費者固有の個性や消費動向を主として反映した、効果的な商品の推奨を行うことができる。

本発明によれば、各消費者の個性や消費動向に応じた、効果的な商品の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。 消費者に固有の標準時間差を算出する際に、各楽曲データごとに算出された時間差を補正するための、楽曲データの特性ごとに予め定められた補正条件の一例を表す図である。 消費者ごとの標準時間差に対応させた、当該消費者に対して特定商品を推奨する推奨時期に関する設定の一例を表す図である。 決定した推奨時期を、当該消費者に対し推奨する商品の商品特性に対応して補正し、商品ごとの推奨時期を算出するために予め定められた補正条件の一例を表す図である。 消費者ごとの標準時間差に対応させた、当該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。 消費者ごとの標準時間差に対応させた、当該消費者に対して推奨する推奨商品の価格の割引率に関する設定の一例を表す図である。 サーバの制御部により作成される推奨情報プラン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時期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。 消費者に固有の標準時間差を算出する際に、各商品ごとに算出された時間差を補正するための、商品の特性ごとに予め定められた補正条件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の個性を見極め、その個性に応じて商品の消費行動を推定し、これに応じたタイミングで消費者Ｍに対し特定の商品（以下適宜「特定商品」と記載）の推奨を行うものである。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１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における各消費者Ｍによる各楽曲データの再生に関わる歌唱行動履歴情報がサーバ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たタイミングで当該消費者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２情報端末、消費者情報端末）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）に係わ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、楽曲配信会社より当該楽曲データが最初に市場に配信された配信開始時期（市場投入時期）と、当該消費者ＭがカラオケルームＫＲにて当該楽曲データを最初に再生させた歌唱行動時期（消費行動時期）とが含まれている（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の個性を見極め、その個性に応じて商品の消費行動を推定し、これに応じたタイミングで消費者Ｍに対し特定商品の推奨を行うための商品推奨方法（後述の図１０参照）を実行する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係わる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、各楽曲データごとに、楽曲名、楽曲の種別、楽曲配信会社より当該楽曲データが最初に市場に配信された配信開始時期、及び当該消費者ＭがカラオケルームＫＲにて当該楽曲データを最初に再生させた歌唱行動時期とが含まれている。

サーバ２００の制御部２０１は、特定の消費者Ｍについて、各楽曲データごとに、上記配信開始時期と上記歌唱行動時期との時間差を算出する。図３に示す例では、消費者ＩＤが「ＩＤ１」である消費者Ｍは、各楽曲データ「ｍｕｓｉｃ１〜３」についての時間差はそれぞれ７日（１週間）、１日、２２日であり、消費者ＩＤが「ＩＤ２」である消費者Ｍは、各楽曲データ「ｍｕｓｉｃ４〜６」についての時間差はそれぞれ３６日、８３日、７６日となっている。すなわち、前者は配信開始時期と歌唱行動時期との時間差が比較的短く、後者は配信開始時期と歌唱行動時期との時間差が比較的長くなっている。なお、この例では楽曲の種別を「邦楽」と「洋楽」の２種類に区分しているが、これ以外にも、例えば若い歌手か年配歌手か、単独楽曲であるかメドレー楽曲であるか等、その他の種別によって楽曲を区分してもよい。

図４は、消費者Ｍに固有の標準時間差を算出する際に、各楽曲データごとに算出された上記時間差を補正するための、楽曲データの特性ごとに予め定められた補正条件の一例を表す図である。

図４（ａ）は、「邦楽」と「洋楽」の２種類の楽曲データの一般的な商品特性を表すグラフである。この図４（ａ）に示すように、「邦楽」については配信開始時期から比較的早めの時期に配信数が上昇するのに対し、「洋楽」については配信開始時期から配信数が上昇するまでに比較的時間を要する商品特性がある。本実施形態では、図４（ａ）に示すように、「洋楽」の特性曲線Ｍ２が最大値となるまでに要する時間は「邦楽」の特性曲線Ｍ１が最大値となるまでに要する時間の約５倍であることから、図４（ｂ）に示すように、時間差の補正条件を「邦楽」については１倍、「洋楽」については０．２倍とする。これにより、楽曲の種別に基づく上記特性による時間差のばらつきを解消できる。なお、この補正条件（第１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。

なお、図４に示す例では２つの特性曲線Ｍ１，Ｍ２の最大値を基準にして補正条件を決定するようにしたが、これに限らず、例えば各特性曲線Ｍ１，Ｍ２の中央値や平均値、又は標準偏差等を基準にして補正条件を決定してもよい。

上記補正条件により、消費者Ｍに固有の標準時間差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、「ｍｕｓｉｃ１」及び「ｍｕｓｉｃ２」は「邦楽」であることから、上記補正条件である１倍を乗じて補正後の時間差はそれぞれ７日（１週間）、１日となり、「ｍｕｓｉｃ３」は「洋楽」であることから、上記補正条件である０．２倍を乗じて時間差は４．４日となる。したがって、標準時間差はこれらの平均をとって（７＋１＋４．４）／３≒４．１日となる。また例えば、図３に示す消費者ＩＤが「ＩＤ２」である消費者Ｍについては、「ｍｕｓｉｃ４〜６」は全て「邦楽」であることから、上記補正条件である１倍を乗じて補正後の時間差はそれぞれ３６日、８３日、７６日となる。したがって、標準時間差はこれらの平均をとって（３６＋８３＋７６）／３≒６５日となる。

図５は、上記消費者Ｍごとの標準時間差に対応させた、当該消費者Ｍに対して特定商品を推奨する推奨時期に関する設定の一例を表す図である。

図５に示すように、算出された標準時間差に応じて特定商品の推奨を行う推奨時期が予め設定されている。なお、この推奨時期に関する設定情報は、記憶部２１０の適宜の領域に予め記憶されている。本実施形態では、標準時間差が所定の時間幅であるか否かを判定することにより、消費者Ｍが所定の時間幅ごとに区分けされた３つの消費者群のいずれに属するかを決定する。図５に示す例では、消費者Ｍは、標準時間差が１週間以上１ヶ月未満である場合には、標準時間差が標準的な長さである消費者群「標準」、標準時間差が１週間未満である場合には、標準時間差が比較的小さい消費者群「小」、標準時間差が１ヶ月以上である場合には、標準時間差が比較的大きい消費者群「大」に区分され、各消費者群に対して推奨時期に関する情報（代表時間差情報）が予め設定されている。この推奨時期情報は、最初の推奨を開始する開始時期、最初の推奨を終了する終了時期、推奨回数、１回の推奨期間、及び次の推奨までの間隔の項目から構成されている。なお、図中に示す「当日」とは推奨する商品が市場に投入される日（発売日、発表日等)を指すものである。

この例では、消費者群「小」に属する消費者Ｍに対しては、ある楽曲データが市場に配信されてから比較的短い時間でカラオケで歌唱する傾向にある人、すなわちある商品が市場に投入されてから比較的短い時間の経過後に消費する傾向にある人と考えられるため、推奨時期を、消費者群「標準」の消費者Ｍに比べ、商品投入日に対して早めに推奨を開始し、全体の推奨回数を少なくすると共に、１回の推奨期間及び推奨間隔を短めにし、早めに全体の推奨を終了するように決定する。例えば前述の図３に示す消費者ＩＤが「ＩＤ１」である消費者Ｍは、前述したように標準時間差が４．１日であるため上記消費者群「小」に属する消費者Ｍに該当する。

一方、消費者群「大」に属する消費者Ｍに対しては、ある楽曲データが市場に配信されてから比較的長い時間の経過後にカラオケで歌唱する傾向にある人、すなわちある商品が市場に投入されてから比較的長い時間の経過後に消費する傾向にある人と考えられるため、推奨時期を、消費者群「標準」の消費者Ｍに比べ、商品投入後遅めに推奨を開始し、全体の推奨回数を多くすると共に、１回の推奨期間及び推奨間隔を長めにし、遅めに全体の推奨を終了するように決定する。例えば前述の図３に示す消費者ＩＤが「ＩＤ２」である消費者Ｍは、前述したように標準時間差が６５日であるため上記消費者群「大」に属する消費者Ｍに該当する。

図６は、上記決定した推奨時期を、当該消費者Ｍに対し推奨する商品の商品特性に対応して補正し、商品ごとの推奨時期（商品別時間差情報）を算出するために予め定められた補正条件の一例を表す図である。

図６に示す例では、商品特性として４つの価格帯に対応して補正条件が定められており、商品価格が５千円以下のものについては推奨時期を１倍、商品価格が５千円より高く１万円以下のものについては推奨時期を２倍、商品価格が１万円より高く５万円以下のものについては推奨時期を３倍、商品価格が５万円より高く１００万円以下のものについては推奨時期を５倍する。このように、価格が高いものほど倍率を大きく設定しているのは、一般に消費者は商品の価格が高いほど購入するか否かをじっくりと時間をかけて考える傾向があるからである。なお、この補正条件（第２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。

具体的には、例えば消費者群「小」に属する消費者Ｍに対し４万円の商品を推奨する場合の推奨時期は、補正条件が３倍であるので、前述の図５に示す消費者群「小」に属する消費者Ｍについての推奨期間を３倍したもの、すなわち開始時期が４日後、終了時期は１３日後、推奨回数が９回、１回の推奨期間が９日、次の推奨期間までの間隔が３日となる。なお、この場合における上記開始時期の計算方法は、消費者群「小」の場合は消費者群「標準」が当日であるのに対して２日早いので、その２日×３＝６日となり、図５に示す設定（２日前）より６日後ろにずれることになるため、商品投入日から４日後となる。また上記終了時期の計算方法は、図５に示す設定の推奨期間が３日間であり補正後の推奨期間は上記したように３日×３＝９日となるので、それを上記補正後の開始時期の４日後に足して１３日後となる。

なお、図６に示す例では商品特性として商品価格に応じて補正条件を設定するようにしたが、これに限られず、例えば商品種別（その商品が書籍か車か等）、商品が耐久財であるか消耗品であるか、商品個性（例えば同一商品における製品ごとの違い）等、その他の商品特性に応じて補正条件を設定してもよい。

図７は、上記消費者Ｍごとの標準時間差に対応させた、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７に示すように、算出された標準時間差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ている。なお、この推奨商品に関する設定情報は、記憶部２１０の適宜の領域に予め記憶されている。図７に示す例では、推奨商品に関する情報は、新製品と旧製品との割合、流行商品と非流行商品との割合、及び推奨する商品の数の項目から構成されている。この例では、消費者群「小」に属する消費者Ｍに対しては、ある楽曲データが市場に配信されてから比較的短い時間でカラオケで歌唱する傾向にある人、すなわち流行や新製品にすぐ飛びつくタイプの人であると考えられるため、消費者群「標準」に属する消費者Ｍに比べ、新製品や流行商品の割合が多くなるように推奨商品を決定する。また、好奇心が旺盛で多様な商品に興味を持つ性質であることが予想されるため、消費者群「標準」の消費者Ｍの商品数（例えば２つ）に比べて推奨する商品数が多くなるように（例えば４つ）推奨商品を決定する。

一方、消費者群「大」に属する消費者Ｍに対しては、ある楽曲データが市場に配信されてから比較的長い時間の経過後にカラオケで歌唱する傾向にある人、すなわち新製品の様子をじっくり見極めるタイプの人であると考えられるため、消費者群「標準」に属する消費者Ｍに比べ、新製品や流行商品の割合が少なくなるように推奨商品を決定する。また、用心深く限られた商品にしか興味を持たない性質であることが予想されるため、消費者群「標準」の消費者Ｍの商品数（例えば２つ）に比べて推奨する商品数が少なくなるように（例えば１つ）推奨商品を決定する。

図８は、上記消費者Ｍごとの標準時間差に対応させた、当該消費者Ｍに対して推奨する推奨商品の価格の割引率に関する設定の一例を表す図である。

図８に示すように、算出された標準時間差に応じて当該消費者Ｍに対して推奨を行う推奨商品の価格の割引率に関する情報が予め設定されている。なお、この割引率に関する設定情報は、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、割引率に関する情報は、推奨回数に応じて価格設定が段階的に変動するように設定されている。この例では、消費者群「小」に属する消費者Ｍに対しては、前述したようにある商品が市場に投入されてから比較的短い時間で消費する傾向にある人と考えられるため、消費者群「標準」に属する消費者Ｍに比べ、商品投入後早めに価格の割引を行うように割引率を決定する。一方、消費者群「大」に属する消費者Ｍに対しては、前述したようにある商品が市場に投入されてから比較的長い時間の経過後に消費する傾向にある人と考えられるため、消費者群「標準」に属する消費者Ｍに比べ、商品投入後遅めに価格の割引を行うように割引率を決定する。

なお、上記では推奨回数に応じて割引率を設定するようにしたが、これに限られず、期間（配信開始後の経過時間等）に応じて割引率を設定してもよい。

図９は、サーバ２００の制御部２０１により作成される推奨情報プランの一例を表す図である。この図９では、推奨する特定商品の価格が５千円以内であり、且つこれらの商品の発売日が２００９年１月１日であるものとする。

図９（ａ）は、消費者群「小」に属する消費者Ｍの場合の推奨情報プランの一例である。前述の図５に示すように、消費者群「小」に属する消費者Ｍの推奨時期は、推奨開始時期が発売日の２日前、１回の推奨期間が３日間、推奨回数３回、間隔１日であり、商品Ａ，Ｂ，Ｃ，Ｄの価格が５千円以内であることから前述の図６に示すように補正条件は倍率１倍となり、図５に示す推奨期間はそのまま適用される。また推奨商品に関する設定については、前述の図７に示すように、消費者群「小」に属する消費者Ｍの商品数は４つとなる。また消費者群「小」に属する消費者Ｍの割引率については、前述の図８に示すように、１回目が１０％、２回目が５％、３回目が割引なしとなる。以上から、図９（ａ）に示すような推奨情報プランとなる。サーバ２００の制御部２０１は、この推奨情報プランにしたがって、全３回の推奨時期が到来するごとに、該当する消費者Ｍの携帯端末４００に対し特定商品Ａ，Ｂ，Ｃ，Ｄの推奨情報を出力する。

図９（ｂ）は、消費者群「大」に属する消費者Ｍの場合の推奨情報プランの一例である。前述の図５に示すように、消費者群「大」に属する消費者Ｍの推奨時期は、推奨開始時期が発売日の１週間後、１回の推奨期間が１週間、推奨回数５回、間隔５日であり、商品Ａの価格が５千円以内であることから前述の図６に示すように補正条件は倍率１倍となり、図５に示す推奨期間はそのまま適用される。また推奨商品に関する設定については、前述の図７に示すように、消費者群「大」に属する消費者Ｍの商品数は１つとなる。また消費者群「大」に属する消費者Ｍの割引率については、前述の図８に示すように、１回目から３回目が割引なし、４回目が５％、５回目が１０％となる。以上から、図９（ｂ）に示すような推奨情報プランとなる。サーバ２００の制御部２０１は、この推奨情報プランにしたがって、全５回の推奨時期が到来するごとに、該当する消費者Ｍの携帯端末４００に対し特定商品Ａの推奨情報を出力する。

図１０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。

ステップＳ５では、制御部２０１は、サーバ２００における消費者Ｍの消費者ＩＤの特定を指示する操作入力に基づき、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複数の楽曲データのうちの１つの楽曲データを選択し、当該選択した楽曲データに係る配信開始時期と歌唱行動時期との時間差を算出する。

ステップＳ１５では、制御部２０１は、記憶部２１０より楽曲データの特性ごとに予め定められた補正条件を読み出し、上記ステップＳ１０で算出した時間差を上記補正条件を用いて補正する。本実施形態では、前述の図４に示すように、「邦楽」と「洋楽」の特性に基づき、「邦楽」については時間差を１倍、「洋楽」については時間差を０．２倍する。

ステップＳ２０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複数の楽曲データの全てについて、上記ステップＳ１０及びステップＳ１５の処理が終了したか否かを判定する。処理が終了していない場合には、判定が満たされずに先のステップＳ１０に戻り、消費者ＩＤの歌唱行動履歴情報に含まれる複数の楽曲データのうちの次の楽曲データを選択し、当該選択した楽曲データに係る時間差を算出すると共に楽曲特性に応じた補正を行う。一方、処理が終了している場合には、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、上記ステップＳ５で特定した消費者Ｍに固有の標準時間差を算出する。具体的には、上記ステップＳ１０〜ステップＳ２０を繰り返すことにより算出した、該当する消費者ＩＤの歌唱行動履歴情報に含まれる全楽曲データについての補正済の時間差をそれぞれ加算し、楽曲データ数で割ることにより複数の補正済の時間差の平均値を算出する。この平均値が標準時間差に相当する。

ステップＳ３０では、制御部２０１は、上記ステップＳ２５で算出した標準時間差が所定の時間幅であるか否かを判定する。標準時間差が１週間未満であると判定された場合には、ステップＳ３５に移り、制御部２０１は消費者Ｍを消費者群「小」に属すると決定する。その後、後述のステップＳ５０に移る。一方、上記ステップＳ３０において標準時間差が１週間以上１ヶ月未満であると判定された場合には、ステップＳ４０に移り、制御部２０１は消費者Ｍを消費者群「標準」に属すると決定する。その後、後述のステップＳ５０に移る。他方、上記ステップＳ３０において標準時間差が１ヶ月以上であると判定された場合には、ステップＳ４５に移り、制御部２０１は消費者Ｍを消費者群「大」に属すると決定する。その後、後述のステップＳ５０に移る。

ステップＳ５０では、制御部２０１は、上記ステップＳ３５，Ｓ４０，Ｓ４５のいずれかにおいて決定された消費者群に応じ、図５に示す各消費者群に対して予め設定された推奨時期に基づき、消費者Ｍに対する推奨時期を決定する。本実施形態では、前述したように、消費者群「小」に属する消費者Ｍに対しては、推奨時期を、消費者群「標準」に属する消費者Ｍに比べ、商品投入日に対して早めに推奨を開始し、全体の推奨回数を少なくすると共に、１回の推奨期間及び推奨間隔を短めにし、早めに全体の推奨を終了するように決定する。一方、消費者群「大」に属する消費者Ｍに対しては、推奨時期を、消費者群「標準」に属する消費者Ｍに比べ、商品投入後遅めに推奨を開始し、全体の推奨回数を多くすると共に、１回の推奨期間及び推奨間隔を長めにし、遅めに全体の推奨を終了するように決定する。

ステップＳ５５では、制御部２０１は、推奨する商品の特性に応じて、上記ステップＳ５０で設定した推奨時期の補正を行い、特定商品ごとの推奨時期を算出する。本実施形態では、前述の図６に示すように、商品価格が高いものほど補正倍率が大きく設定されており、上記ステップＳ５０で設定した推奨時期に当該補正倍率を乗じることにより、特定商品ごとの推奨時期を算出する。

ステップＳ６０では、制御部２０１は、上記ステップＳ３５，Ｓ４０，Ｓ４５のいずれかにおいて決定された消費者群に応じ、図７に示す各消費者群に対して予め設定された推奨商品に関する設定情報に基づき、消費者Ｍに対し推奨する商品を決定する。本実施形態では、前述したように、消費者群「小」に属する消費者Ｍに対しては、消費者群「標準」に属する消費者Ｍに比べ、新製品や流行商品の割合が多くなるように、且つ推奨する商品数が多くなるように推奨商品を最終的に決定する。一方、消費者群「大」に属する消費者Ｍに対しては、消費者群「標準」に属する消費者Ｍに比べ、新製品や流行商品の割合が少なくなるように、且つ推奨する商品数が少なくなるように決定する。また、上記ステップＳ５０及びステップＳ５５で決定した推奨時期に基づき、既に推奨時期が経過してしまっている商品については推奨商品から除外する。

ステップＳ６５では、制御部２０１は、上記ステップＳ３５，Ｓ４０，Ｓ４５のいずれかにおいて決定された消費者群に応じ、図８に示す各消費者群に対して予め設定された割引率に関する設定情報に基づき、消費者Ｍに対し推奨する商品価格の割引率を決定する。本実施形態では、前述したように、消費者群「小」に属する消費者Ｍに対しては、消費者群「標準」に属する消費者Ｍに比べ、商品投入後早めに価格の割引を行うように割引率を決定する。一方、消費者群「大」に属する消費者Ｍに対しては、消費者群「標準」に属する消費者Ｍに比べ、商品投入後遅めに価格の割引を行うように割引率を決定する。

ステップＳ７０では、制御部２０１は、上記ステップＳ５０〜ステップＳ６５による決定に基づき、該当する消費者Ｍに対する推奨情報プランを作成する。この推奨情報プランには、前述した図９に示すように、推奨時期、推奨商品、割引率等の情報が含まれる。

ステップＳ７５では、制御部２０１は、上記ステップＳ７０で作成した推奨情報プランにしたがって、推奨時期が到来するごとに、特定商品の推奨情報（割引率等の情報を含む）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が、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及びステップＳ２０が、市場投入時期と消費行動時期との時間差を算出する第２手順に相当すると共に、市場投入時期と消費行動時期との時間差を算出する時間差算出手段を構成し、ステップＳ３０、ステップＳ５０、及びステップＳ５５が、推奨時期を決定する第３手順に相当すると共に、特定の消費者に対して推奨する特定商品の少なくとも１回の推奨時期を決定する推奨時期決定手段を構成し、ステップＳ７５が推奨情報を出力する第４手順に相当すると共に、特定商品の推奨情報を推奨データベースより取得し、特定の消費者の消費者情報端末に対し出力する推奨情報出力手段を構成する。

また、ステップＳ１５、ステップＳ２０、及びステップＳ２５が、特定の消費者に固有の標準時間差情報を算出する第５手順に相当し、ステップＳ３０が、標準時間差情報が所定の時間幅であるか否かを判断する第６手順に相当し、ステップＳ３５、ステップＳ４０、及びステップＳ４５が、特定の消費者が所定の時間幅ごとに区分けされた複数の消費者群のいずれに属するかを決定する第７手順に相当する。さらに、ステップＳ５５が、商品別時間差情報を算出する商品別算出手順に相当する。

なお、ステップＳ３０は、上記第６手順の他、特定の消費者に係わる時間差又は標準時間差が所定時間以上であるか否かを判定する時間差判定手順にも相当する。この場合において、消費者群「標準」に区分される標準時間差である１週間以上１ヶ月未満の時間区分が、上記所定時間に相当する。

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によるカラオケルームＫＲにおける歌唱に関する歌唱行動履歴情報が蓄積されている。この歌唱行動履歴情報には、楽曲データが最初に市場に配信された配信開始時期と、消費者Ｍが楽曲データをカラオケルームＫＲにおいて最初に再生させた歌唱行動時期とが含まれる。そして、サーバ２００においてサーバ管理者がキーボード２２１又はマウス２２２を用いて処理開始指令を操作入力すると、サーバ２００の制御部２０１は、歌唱行動履歴データベース２１１にアクセスし、消費者ＩＤにより消費者Ｍを特定する。その後、楽曲データの配信開始時期後当該特定の消費者Ｍが楽曲データを再生させて歌唱するまでの時間差を、配信開始時期及び歌唱行動時期に基づき複数の楽曲データそれぞれごとに算出する。そして、その各楽曲データごとに算出した時間差に基づき、当該消費者Ｍに対し推奨する商品ごとの推奨時期を決定する。そして、各商品の推奨時期が到来するごとに、その商品の推奨情報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、ある楽曲データが市場に配信されてから比較的短い時間で歌唱する傾向にある人については、いわゆる流行や新製品にすぐ飛びつくタイプの人とみなし、商品投入日に対して早めに商品の推奨を行い、楽曲データが市場に配信されてから比較的長い時間の経過後に歌唱する傾向にある人については、新製品の様子をじっくり見極めるタイプの人とみなし、商品投入後遅めに商品の推奨を行うことができる。この結果、各消費者Ｍの個性や消費動向に応じた、効果的な商品の推奨を行うことができる。

また、本実施形態では特に、特定の消費者Ｍについて各楽曲データごとに算出された時間差を、楽曲データの商品特性ごとに定めた補正条件を用いて補正し集計する。すなわち、一般に、楽曲データの配信開始時期後特定の消費者Ｍが歌唱するまでの時間差は、消費者個人の個性以外に、商品特性（上記実施形態では楽曲が邦楽であるか洋楽であるかの種別）によっても異なるものとなる。そこで、本実施形態では上述のようにすることにより、上記のような商品特性によるばらつきが解消され、特定の消費者固有の個性や消費動向を主として反映した、効果的な商品の推奨を行うことができる。

また、本実施形態では特に、所定の標準時間差の時間幅ごとに区分けされた複数の消費者群が用意され、各消費者群に対し推奨時期が予め設定されている。そして、算出された標準時間差が複数の消費者群のいずれに属するかを決定し、決定された消費者群に対応する推奨時期情報に基づき、当該特定の消費者Ｍに対して特定商品の推奨時期を決定する。これにより、予め消費者群ごとに画一的に推奨時期を設定しておけば、標準時間差に応じて消費者Ｍがどの消費者群に属するかを判定するのみで推奨時期が決まるため、各消費者Ｍに対し推奨時期を容易に決定することができる。また、消費者群を用意しない場合に比べて、商品推奨者側において管理する推奨時期の数を大幅に少なくできるので、サーバ２００における処理速度の向上や記憶部２１０の容量削減効果もある。

また、本実施形態では特に、標準時間差に基づいて決定した推奨時期を、商品特性に対応した補正条件（上記実施形態では価格帯ごとの倍率）を用いて補正する。すなわち、消費者固有の個性や消費動向を把握するために算出した標準時間差に基づいて推奨時期を決定する場合、その推奨時期は各消費者Ｍに対し画一的に設定されるものであるため、各商品ごとの商品特性に対応した推奨時期の決定を行うことができない。したがって、上述のように補正することで、各商品の商品特性に対応した推奨時期の決定を行うことができる。

また、本実施形態では特に、ある楽曲データが市場に配信されてから比較的短い時間で歌唱する傾向にある人（いわゆる流行や新製品にすぐ飛びつくタイプの人）に対しては、商品投入後早めに価格の割引を行う。これにより、当該消費者Ｍの消費意欲をさらに増大させることができる。一方、楽曲データが市場に配信されてから比較的長い時間の経過後に歌唱する傾向にある人（新製品の様子をじっくり見極めるタイプの人）に対しては、商品投入後早い時期には価格の割引を行わず、遅めに割引を行う。これにより、当該消費者Ｍの個性や消費動向に合わせた割引価格を行うことができ、消費意欲を増大させることができる。このようにして、各消費者Ｍの個性や消費動向に応じた、効果的な商品の推奨を行うことができる。

また、本実施形態では特に、ある楽曲データが市場に配信されてから比較的短い時間で歌唱する傾向にある人（いわゆる流行や新製品にすぐ飛びつくタイプの人）に対しては、商品投入後早めに推奨を開始して全体の推奨回数を少なし、早めに推奨を終了することで、当該消費者Ｍの個性や消費動向に合わせた効果的な商品の推奨を行うことができる。一方、当該楽曲データが市場に配信されてから比較的長い時間の経過後に歌唱する傾向にある人（新製品の様子をじっくり見極めるタイプの人）に対しては、商品投入後遅めに推奨を開始して全体の推奨回数を多くし、遅めに推奨を終了することで、当該消費者の個性や消費動向に合わせた効果的な商品の推奨を行うことができる。

また、本実施形態では特に、いわゆるカラオケにおける歌唱行動の動向から消費者としての消費者Ｍの個性を見極め、その個性に応じて物品商品の消費行動を推定し、これに応じたタイミングで物品商品の広告を行う。すなわち、歌唱と購買という一見異なった消費態様を結びつけた形での総合的な広告活動を行うことができる。またこれにより、各消費者Ｍについての物品商品の購入履歴データが蓄積されていなくても、各消費者Ｍについての楽曲データの歌唱履歴データさえ蓄積されていれば、これを用いて物品商品の販売における効果的な広告を実行できるという効果もある。

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順を追って説明する。

（１）消費行動履歴に基づいて推奨時期を決定する場合
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の個性を見極め、その個性に応じて商品の消費行動を推定し、これに応じたタイミングで消費者Ｍに対し特定商品の推奨を行う例を説明したが、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）の動向から消費者の個性を見極め、その個性に応じて商品の消費行動を推定し、これに応じたタイミングで消費者に対し特定商品の推奨を行うようにしてもよい。

図１１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、各消費者Ｍごとに、購入した各商品について、当該商品が最初に販売された販売開始時期（市場投入時期）と、当該消費者Ｍが当該商品を購入した日である消費行動時期とが含まれている（後述の図１２参照）。各消費者Ｍの上記消費行動時期に関する情報は、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１２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１２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係わる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、各商品ごとに、商品名、商品の種別、当該商品が最初に販売された販売開始時期、及び当該消費者Ｍが当該商品を最初に購入した消費行動時期とが含まれている。

サーバ２００の制御部２０１は、特定の消費者Ｍについて、各商品ごとに、上記販売開始時期と上記消費行動時期との時間差を算出する。図１２に示す例では、消費者ＩＤが「ＩＤ３」である消費者Ｍは、各商品「ｂｏｏｋ１，２」及び「ｃａｒ１」についての時間差はそれぞれ１日、４日、５６日であり、消費者ＩＤが「ＩＤ４」である消費者Ｍは、各商品「ｂｏｏｋ３〜５」についての時間差はそれぞれ３２日、４６日、５７日となっている。すなわち、前者は販売開始時期と消費行動時期との時間差が比較的短く、後者は販売開始時期と消費行動時期との時間差が比較的長くなっている。

図１３は、消費者Ｍに固有の標準時間差を算出する際に、各商品ごとに算出された上記時間差を補正するための、商品の特性ごとに予め定められた補正条件の一例を表す図である。

図１３（ａ）は、「書籍」と「車」の２種類の商品の一般的な商品特性を表すグラフである。この図１３（ａ）に示すように、「書籍」については配信開始時期から比較的早めの時期に販売数が上昇するのに対し、「車」については販売開始時期から販売数が上昇するまでに比較的時間を要する商品特性がある。これは、一般に消費者は商品の価格が高いほど購入するか否かをじっくりと時間をかけて考える傾向があるからである。本実施形態では、図１３（ａ）に示すように、「車」の特性曲線Ｍ４が最大値となるまでに要する時間は「書籍」の特性曲線Ｍ３が最大値となるまでに要する時間の約１０倍であることから、図１３（ｂ）に示すように、時間差の補正条件を「書籍」については１倍、「車」については０．１倍とする。これにより、商品の種別に基づく上記特性による時間差のばらつきを解消できる。なお、この補正条件（第１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。

上記補正条件により、消費者Ｍに固有の標準時間差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１２に示す消費者ＩＤが「ＩＤ３」である消費者Ｍについては、「ｂｏｏｋ１」及び「ｂｏｏｋ２」は「書籍」であることから、上記補正条件である１倍を乗じて補正後の時間差はそれぞれ１日、４日となり、「ｃａｒ１」は「車」であることから、上記補正条件である０．１倍を乗じて時間差は５．６日となる。したがって、標準時間差はこれらの平均をとって（１＋４＋５．６）／３≒３．５日となる。また例えば、図１２に示す消費者ＩＤが「ＩＤ４」である消費者Ｍについては、「ｂｏｏｋ３〜５」は全て「書籍」であることから、上記補正条件である１倍を乗じて補正後の時間差はそれぞれ３２日、４６日、５７日となる。したがって、標準時間差はこれらの平均をとって（３２＋４６＋５７）／３＝４５日となる。

なお、上記の例では説明を簡単にするために「書籍」と「車」の２種類の商品種別についてのみ説明したが、これ以外にも種々の商品について商品特性に応じた補正条件が設定されており、それらの補正条件を用いて標準時間差が算出される。

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、上記標準時間差が３つの消費者群（図５参照）のいずれに属するかを判定し、各消費者群に対して設定された推奨時期に関する情報に基づいて、推奨時期を決定する。この例では、上記消費者ＩＤが「ＩＤ３」である消費者Ｍは、消費者群「小」に属するため、推奨時期を、消費者群「標準」の消費者Ｍに比べ、商品投入後早めに推奨を開始し、全体の推奨回数を少なくすると共に、１回の推奨期間及び推奨間隔を短めにし、早めに全体の推奨を終了するように決定する。一方、消費者ＩＤが「ＩＤ４」である消費者Ｍは、消費者群「大」に属するため、推奨時期を、消費者群「標準」の消費者Ｍに比べ、商品投入後遅めに推奨を開始し、全体の推奨回数を多くすると共に、１回の推奨期間及び推奨間隔を長めにし、遅めに全体の推奨を終了するように決定する。

そして、上記決定した推奨時期を、当該消費者Ｍに対し推奨する商品の商品特性に対応して補正し（図６参照）、商品ごとの推奨時期を算出すると共に、上記消費者Ｍごとの標準時間差に応じて推奨商品・割引率を決定し（図７、図８参照）、推奨情報プランを作成する。この推奨情報プランにしたがって、決定した推奨時期が到来するごとに、該当する消費者Ｍの携帯端末４００に対し特定商品の推奨情報を出力する。

以上説明した変形例においても、上記実施形態と同様の効果を得ることができる。

（２）その他
以上では、各商品（楽曲データ含む。以下同様）ごとに算出された時間差に対し、商品特性ごとに定められた補正条件を用いて各消費者Ｍに固有の標準時間差を算出するようにしたが、必ずしもこの標準時間差を算出する必要はない。このようにせず、例えば消費者Ｍの各商品ごとに算出された時間差と所定のしきい値とを比較し、その比較結果に応じて推奨時期を決定するようにしてもよい。

また以上では、各消費者Ｍごとに決定した推奨時期について補正条件を用いて補正し、各商品ごとの推奨時期（商品別時間差情報）を算出するようにしたが、これに限られない。例えば、各消費者Ｍごとに算出した標準時間差について補正条件を用いて補正して商品別の標準時間差を算出し、当該商品別標準時間差に基づいて推奨時期を決定してもよい。

なお、以上において、図１、図２、図１１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１０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１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２情報端末、消費者情報端末）
Ｍ 消費者

Claims (6)

1. 消費者に特定商品を推奨する商品推奨方法において、
   商品推奨者側の第１情報端末における操作入力に基づき、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、前記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、商品が最初に市場に投入された市場投入時期と特定の前記消費者が前記商品を消費した消費行動時期を有する消費行動履歴情報に基づき、各商品ごとに、前記市場投入時期と前記消費行動時期との時間差を算出する第２手順と、
   前記第２手順で各商品ごとに算出された前記時間差を、前記消費者データベースに記憶された商品特性ごとに予め定められた第１補正条件を用いて補正して集計し、前記特定の消費者に固有の標準時間差情報を算出する第５手順と、
   前記第５手順で算出された前記標準時間差情報に基づき、前記特定の消費者に対して推奨する前記特定商品の少なくとも１回の推奨時期を決定する第３手順と、
   前記第３手順で決定した前記推奨時期において、前記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第２情報端末に対し前記推奨情報を出力する第４手順と
   を有することを特徴とする商品推奨方法。
2. 前記第５手順により算出された前記標準時間差情報が所定の時間幅であるか否かを判断する第６手順と、
   前記第６手順により、所定の時間幅であると判断された場合に、当該特定の消費者が、所定の時間幅ごとに区分けされた複数の消費者群のいずれに属するかを決定する第７手順をさらに有し、
   前記第３手順は、
   前記第７手順で前記特定の消費者が属すると決定された前記消費者群に対して予め定められた代表時間差情報に基づき、当該特定の消費者に対して推奨する前記特定商品の推奨時期を決定する
   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３手順は、
   前記第５手順で前記特定の消費者に対し算出された前記標準時間差情報、若しくは、前記第７手順で前記特定の消費者に対応付けられた前記代表時間差情報を、前記消費者データベースに記憶された前記特定商品の商品特性に対応して予め定められた第２補正条件を用いて補正し、商品別時間差情報を算出する商品別算出手順を含み、
   前記商品別算出手順で算出された前記商品別時間差情報に基づき、前記特定の消費者に対して推奨する前記特定商品の推奨時期を決定する手順である
   ことを特徴とする請求項１又は請求項２記載の商品推奨方法。
4. 前記第３手順は、
   当該特定商品の価格設定を段階的に変動させつつ推奨を行うための複数回の推奨時期を決定し、
   前記第４手順は、
   前記第３手順で決定した前記複数回の推奨時期のそれぞれにおいて、前記特定商品の価格設定値を変化させて前記特定の消費者の前記第２情報端末に対し出力する
   ことを特徴とする請求項１乃至請求項３のいずれか１項記載の商品推奨方法。
5. 前記第３手順は、
   前記第２手順又は第５手順で算出された、前記特定の消費者に係わる前記時間差又は前記標準時間差が所定時間以上であるか否かを判定する時間差判定手順を含み、
   前記時間差判定手順で前記時間差又は前記標準時間差が所定時間以上であると判定された場合に、複数回の前記推奨時期のうち初回の推奨開始時期及び推奨終了時期を遅くするとともに初回を含む推奨回数を多くし、一方、
   前記時間差判定手順で前記時間差が所定時間未満であると判定された場合に、複数回の前記推奨時期のうち初回の推奨開始時期及び推奨終了時期を早くするとともに初回を含む推奨回数を少なくする
   ことを特徴とする請求項４記載の商品推奨方法。
6. 消費者に特定商品を推奨する商品推奨システムであって、
   複数の前記消費者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、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、
   前記消費者データベースに蓄積された前記消費行動履歴情報に含まれる、前記商品が最初に市場に投入された市場投入時期と特定の前記消費者の前記消費行動時期に基づき、複数の商品のそれぞれごとに、前記市場投入時期と前記消費行動時期との時間差を算出する時間差算出手段と、
   前記時間差算出手段により各商品ごとに算出された前記時間差を、前記消費者データベースに記憶された商品特性ごとに予め定められた第１補正条件を用いて補正して集計し、前記特定の消費者に固有の標準時間差情報を算出する標準時間差情報算出手段と、
   前記標準時間差情報算出手段により算出された前記標準時間差情報に基づき、前記特定の消費者に対して推奨する前記特定商品の少なくとも１回の推奨時期を決定する推奨時期決定手段と、
   前記推奨時期決定手段により決定された前記推奨時期において、前記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消費者情報端末に対し出力する推奨情報出力手段と
   を有することを特徴とする商品推奨システム。
   

Images