JP7181132B2 - 情報処理装置、情報処理方法および情報処理プログラム - Google Patents

Description

本発明の実施形態は、情報処理装置、情報処理方法および情報処理プログラムに関する。

従来、種々の需要を予測する技術が提供されている。例えば、ＰＯＳシステムにより収集された店舗内情報と各種の情報とを組み合わせて、商品の需要を予測する技術が知られている。

特開２００９－２６５７４７号公報

しかしながら、上記の従来技術では、ユーザに対して予測される行動態様からどのような需要があるかを幅広く予測することができるとは限らない。

例えば、上記の従来技術では、ＰＯＳシステムにより収集された店舗内情報に基づき需要予測値を生成し、アンケート回答情報に基づき予測補正値を生成し、需要予測値と予測補正値とを用いて、推奨発注数を生成している。このように、上記の従来技術では、商品の需要を予測することに特化しているため、ユーザに対して予測される行動態様からどのような需要があるかを幅広く予測することができるとは限らない。

本願にかかる情報処理装置は、購入された商品を示す商品情報を取得する取得部と、前記取得部により取得された商品情報に基づいて、前記商品を購入したユーザの将来の行動態様を推定する推定部とを有することを特徴とする。

実施形態の一態様によれば、ユーザに対して予測される行動態様からどのような需要があるかを幅広く予測することができるといった効果を奏する。

図１は、実施形態にかかる第１の情報処理の一例を示す図である。 図２は、実施形態にかかる第２の情報処理の一例を示す図である。 図３は、実施形態にかかる情報処理システムの構成例を示す図である。 図４は、実施形態にかかる情報処理装置の構成例を示す図である。 図５は、実施形態にかかる事業者情報記憶部の一例を示す図である。 図６は、実施形態にかかる推定結果記憶部の一例を示す図である。 図７は、実施形態にかかる情報処理手順を示すフローチャートである。 図８は、情報処理装置１００の機能を実現するコンピュータ１０００の一例を示すハードウェア構成図である。

以下に、本願にかかる情報処理装置、情報処理方法および情報処理プログラムを実施するための形態（以下、「実施形態」と呼ぶ）について図面を参照しつつ説明する。なお、この実施形態により本願にかかる情報処理装置、情報処理方法および情報処理プログラムが限定されるものではない。また、以下の実施形態において、同一の部位には同一の符号を付し、重複する説明は省略される。

〔１．第１の情報処理の一例〕
まず、図１を用いて、実施形態にかかる第１の情報処理の一例について説明する。図１は、実施形態にかかる第１の情報処理の一例を示す図である。実施形態にかかる第１の情報処理は、図１に示す情報処理装置１００によって行われる。第１の情報処理は、後述する第２の情報処理と比較してモデルを用いない情報処理である。

図１の説明に先立って、図３を用いて、実施形態にかかる情報処理システムについて説明する。図３は、実施形態にかかる情報処理システム１の構成例を示す図である。実施形態にかかる情報処理システム１は、図３に示すように、端末装置１０と、事業者装置２０と、情報処理装置１００とを含む。端末装置１０、事業者装置２０、情報処理装置１００は、ネットワークＮを介して有線または無線により通信可能に接続される。なお、図３に示す情報処理システム１には、複数台の端末装置１０や、複数台の事業者装置２０や、複数台の情報処理装置１００が含まれてよい。

端末装置１０は、ユーザによって利用される情報処理装置である。端末装置１０は、例えば、スマートフォンや、タブレット型端末や、ノート型ＰＣ（Personal Computer）や、デスクトップＰＣや、携帯電話機や、ＰＤＡ（Personal Digital Assistant）等である。例えば、端末装置１０は、ユーザの行動（例えば、購買行動）に応じて、行動に伴う結果（例えば、検索結果）を表示画面に表示する。例えば、第１の情報処理、および、第２の情報処理のいずれにおいても、ユーザは、端末装置１０を用いて所定のショッピングサービス（ショッピングサイト）を介して、商品を購入するものとする。したがって、端末装置１０は、ユーザ操作に応じて、所定のショッピングサービスで取り扱われている商品に関する情報を表示したり、商品の検索が行われた場合には検索結果を表示したりする。

なお、以下の実施形態では、所定のショッピングサービスは、情報処理装置１００を管理する事業者Ｔにより運営されるサービス（「ショッピングＹ」とする）であるものとする。ショッピングＹには、インターネット上の仮想店舗、および、実店舗に拘わらず多数の店舗が商品を出品している。したがって、ショッピングＹは、いわゆる電子モール等とも呼ばれる。また、本実施形態では、ユーザはこのショッピングＹで適宜商品を購入するものとして説明するが、購入先はこのようなインターネット上に限定されるわけではなくい。例えば、例えば、ユーザが購入した商品に関する情報を取得可能なのであれば、購入先が実店舗であっても、第１および第２の情報処理は動作可能である。

また、図１の例では（以下の図２の例でも同様）、情報処理システム１には、端末装置１０の一例として、ユーザＵ１の端末装置１０－１、ユーザＵ２の端末装置１０－２、ユーザＵ３の端末装置１０－３、ユーザＵ４の端末装置１０－４が含まれる。このように、図１の例では（以下の図２の例でも同様）、ユーザ毎に端末装置１０を識別して表記しているが、これらを区別する必要がない場合には、単に、端末装置１０と表記する。また、情報処理システム１に含まれる端末装置１０の数は、図１の例のように４台である必要はなく、数に制限は無い。

事業者装置２０は、旅行会社、バス会社、鉄道会社、宿泊施設（例えば、ホテル業者）といった各社によって利用される情報処理装置である。例えば、これらの事業者は、実施形態にかかる情報処理装置１００を管理する「事業者Ｔ」と関連する関連会社であったり、何らかの契約を交わしている会社である。後述するが、情報処理装置１００によって予測された需要に対応する事業者の事業者装置２０には、情報処理装置１００から需要に応じた情報提供がなされる。

ここで、実施形態にかかる情報処理が行われるにあたっての前提について説明する。例えば、日常生活の中での一般的な買い物以外にも、何らかのイベントや行動に向けてそれに応じた商品を購入する場合がある。例えば、「近々、沖縄旅行に行く予定があるため水着を購入する」等である。つまり、ユーザに購入される購入商品には、ユーザの将来の行動態様が反映される場合がある。言い換えれば、購入商品からユーザの将来の行動態様を推定できると考えられ、そうすると、推定結果からどのような需要があるかを適切に予測することができるようになる。

例えば、上記の通り、ＰＯＳシステムにより収集された店舗内情報と、アンケート回答情報とに基づき商品の需要を予測するような従来技術が存在するが、商品周辺の情報を用いて商品に対する需要を予測するといったように、あくまで商品に閉じた需要予測である。一方で、本実施形態では、ユーザに購入される購入商品には、ユーザの将来の行動態様が反映される点に着目し、商品に限定されずより幅広く需要を予測するものである。

以上のような前提を踏まえて、実施形態にかかる情報処理装置１００は、実施形態にかかる情報処理を行う。具体的には、情報処理装置１００は、購入された商品を示す商品情報（何を購入したか）を取得し、取得した商品情報に基づいて、商品を購入したユーザの将来の行動態様を推定する。一例としては、情報処理装置１００は、購入された商品の種別を示す商品情報を取得し、取得した商品情報に基づいて、商品を購入したユーザの将来の行動態様を推定する。より詳細には、情報処理装置１００は、購入された商品を示す商品情報として、購入された物品、または、利用されたサービスを示す商品情報を取得する。また、例えば、情報処理装置１００は、商品情報と、商品が購入された日時を示す日付情報とに基づいて、商品を購入したユーザの将来の行動態様を推定する。また、例えば、情報処理装置１００は、ユーザが所定の期間内に購入した商品毎に商品情報を取得し、各商品情報が示す種別に基づいて、商品を購入したユーザの将来の行動態様を推定する。

また、情報処理装置１００は、商品の購入態様を示す購入態様情報をさらに取得することにより、商品情報と、購入態様情報とに基づいて、商品を購入したユーザの将来の行動態様を推定する。例えば、情報処理装置１００は、購入態様情報として、商品に対してユーザが指定した配送種別を示す配送情報を取得する。

また、情報処理装置１００は、商品を購入したユーザの将来の行動態様として、ユーザの行き先に関する情報を推定する。例えば、情報処理装置１００は、行き先に関する情報として、ユーザの行き先と、当該行き先へと移動する出発時期と、当該行く先での目的を推定する。あるいは、情報処理装置１００は、行き先に関する情報として、ユーザの行き先へと移動する出発時期、もしくは、当該行き先での目的のいずれかをさらに推定する。

そして、情報処理装置１００は、上記のように推定した推定結果に基づいて、どのような需要があるか需要を予測し、予測した予測結果に基づいて、需要に関する情報提供を行う。以下では、実施形態にかかる第１の情報処理の一例について説明する。具体的には、図１を用いて、実施形態にかかる第１の情報処理の一例を手順を追って説明する。また、情報処理装置１００が有する記憶部についても適宜説明する。

図１の例では、商品を形ある物品として説明するが、実施形態にかかる情報処理で対象とされる商品は、形ある物品に限らず、例えば、引越サービスあるいは保険サービスといった無定形の商品であってもよい。また、図１の例では、商品情報が取得されるユーザとして、ユーザＵ１、ユーザＵ２、ユーザＵ３およびユーザＵ４（以下、「ユーザＵ１～Ｕ４」と表記する場合がある）を例に挙げる。かかる場合、例えば、ユーザＵ１を識別する識別情報（ユーザＩＤ）は、「Ｕ１」となる。他ユーザのユーザＩＤについても同様の規則に従う。また、図１の例では、ユーザＵ１は、端末装置１０－１を所持している。また、図１の例では、ユーザＵ２は、端末装置１０－２を所持している。また、図１の例では、ユーザＵ３は、端末装置１０－３を所持している。また、図１の例では、ユーザＵ４は、端末装置１０－４を所持している。

ユーザＵ１～Ｕ４は、ショッピングＹにて商品を購入するため商品情報は、例えば、図示しない外部装置（例えば、ショッピングＹを提供するサーバ装置であって、事業者Ｔに属するサーバ装置）に適宜蓄積される。したがって、情報処理装置１００は、かかる外部装置に定期的にアクセスすることで商品情報を取得（受信）し、取得した商品情報を履歴として商品情報記憶部１２１に格納してゆく（ステップＳ１１）。なお、情報処理装置１００がこの外部装置の役割を兼ねている場合には、情報処理装置１００は、ユーザＵ１～Ｕ４の端末装置１０から直接商品情報も取得することができる。

また、情報処理装置１００は、各ユーザの位置情報（現在位置情報）も適宜取得し、商品情報記憶部１２１に格納しておいてもよい。位置情報が蓄積されることにより、情報処理装置１００は、ユーザの居住地（住所）や、普段の行動範囲を推定することができる。

ここで、商品情報記憶部１２１について説明する。商品情報記憶部１２１は、各ユーザから取得された行動情報に関する情報を記憶する。図１の例では、商品情報記憶部１２１は、「ユーザＩＤ」、「購入日時」、「商品ＩＤ」、「商品名」、「配送種別」といった項目を有する。図１の例では、不図示であるが、商品情報記憶部１２１には、商品が属するカテゴリを示す項目「カテゴリ」も含まれてよい。

「ユーザＩＤ」は、ユーザまたはユーザの端末装置１０を識別する識別情報を示す。日付情報の一例である「購入日時」は、対応する商品が購入された日時（日付）を示す。「商品ＩＤ」は、購入された商品を識別する識別情報を示す。「商品ＩＤ」は、例えば、商品に設定される個体識別番号等である。「商品名」は、購入された商品の名称を示す。「商品ＩＤ」や「商品名」は、特に、購入された商品の種別を示す商品情報の一例である。購買態様情報（配送情報）の一例である「配送種別」は、購入（注文）された商品を配送先までどのような配送形態で配送させるかを示す。「配送種別」には、例えば、翌日配送を指定する「お急ぎ便」、あるいは、通常の早さでの配送を指定する「通常配送」がある。もちろんこれら以外の配送種別（例えば、速達、メール便等）が含まれてもよい。

すなわち、図１に示す商品情報記憶部１２１の例では、ユーザＩＤ「Ｕ１」によって識別されるユーザ（ユーザＵ１）が、購入日時「ＤＴ１１」において、商品ＩＤ「ＰＤ１」によって識別される商品であって、商品名「ＮＭ１」の商品（商品ＰＤ１）を購入（注文）した例を示す。また、図１に示す商品情報記憶部１２１の例では、ユーザＵ１が配送種別「お急ぎ便」にて商品ＰＤ１を配送するよう指定した例を示す。図１の例では、説明を簡単にするために、購入日時や商品名に概念的な記号を用いているが、実際には実在の情報が入力される。ユーザＵ２～Ｕ４については説明を省略する。

このような状態において、情報処理装置１００は、ユーザ毎に、当該ユーザの商品情報に基づいて、当該ユーザの行動態様を推定する（ステップＳ１２）。例えば、情報処理装置１００は、ユーザ毎に、当該ユーザの商品情報に基づいて、当該ユーザの行動態様として、当該ユーザの行き先と、行き先へと移動する出発時期と、行き先での目的（何をしに行くのか）を推定する。

ユーザＵ１を例に挙げて説明する。例えば、ユーザＵ１に対応する商品情報が、「２０１８年７月３０において、スーツケースおよびスキーウェアをお急ぎ便で購入」を示すものとする。また、現在日時も「２０１８年７月３０日」であるものとする。かかる場合、情報処理装置００は、例えば、現在日時も考慮して、「ユーザＵ１は、この先１週間以内にスキー旅行のためニュージーランドに行く」と推定する。ここで、出発時期として、「１週間以内」といった現在から比較的近い時期が推定されているのは、配送種別が「お急ぎ便」であったことから、ユーザＵ１は近いうちに出発予定であるため、急ぎで商品を必要としている、との予測に基づいている。したがって、例えば、配送種別が「通常配送」である場合には、情報処理装置１００は、出発時期として、「この先一ヶ月以内」といったようにより幅を持たせた出発時期を推定する場合がある。

ここで、例えば、「ユーザＵ１は、この先１週間以内にスキー旅行のためニュージーランドに行く」といった推定結果を示す情報である推定結果情報を推定結果情報ＥＲ１とすると、情報処理装置１００は、推定結果情報ＥＲ１を推定結果記憶部１２４に格納する。

図６を用いて、推定結果記憶部１２４について説明する。図６は、実施形態にかかる推定結果記憶部１２４の一例を示す図である。推定結果記憶部１２４は、各ユーザについて推定された行動態様に関する情報を記憶する。図６の例では、推定結果記憶部１２４は、「ユーザＩＤ」、「推定結果情報」、「スコア情報」といった項目を有する。なお、「推定結果情報」には、「行き先」（ユーザＵ１の例では、ニュージーランド）、出発時期（ユーザＵ１の例では、２０１８年７月３０日以降１週間以内）、「目的」（ユーザＵ１の例では、スキー旅行）といった項目が含まれてもよい。

「ユーザＩＤ」は、ユーザまたはユーザの端末装置１０を識別する識別情報を示す。「推定結果情報」は、商品情報に基づき推定された行動態様であって、商品を購入したユーザの将来の行動態様を示す情報である。「スコア情報」は、「推定結果情報」が示す行動態様でユーザが行動するスコア（例えば、確率）を示す。「スコア情報」は、実施形態にかかる第２の情報処理にて詳細に説明する。

次に、情報処理装置１００は、ステップＳ１２での推定結果（推定結果記憶部１２４に格納される推定結果情報）に基づいて、どのような需要があるかといった需要を予測する（ステップＳ１３）。例えば、情報処理装置１００は、推定結果記憶部１２４を参照し、推定結果が同一のユーザの人数を集計する。そして、情報処理装置１００は、集計結果が所定数（例えば、５００）以上を示した推定結果に基づいて、どのような需要があるかといった需要を予測する。上記例では、推定結果情報ＥＲ１で示される推定結果が得られたユーザがユーザＵ１以外にも多数存在し、この人数が５００人以上であったとする。かかる場合、情報処理装置１００は、例えば、２０１８年７月下旬から８月上旬にかけて、ニュージーランドへのスキー旅行者が増えると予測する。そして、情報処理装置１００は、、２０１８年７月下旬から８月上旬にかけて旅行会社に対する、ニュージーランド目的のユーザの需要が増えると予測する。

次に、情報処理装置１００は、予測結果に基づいて、需要に関する情報提供を外部に対して行う（ステップＳ１４）。２０１８年７月下旬から８月上旬にかけて旅行会社に対する、ニュージーランド目的のユーザの需要が増えると予測した場合には、情報処理装置１００は、事業者情報記憶部１２３を参照し、例えば、旅行会社として旅行会社ＥＰ１を特定する。そして、情報処理装置１００は、旅行会社ＥＰ１に対して需要に関する情報を提供する。例えば、情報処理装置１００は、ニュージーランド目的のユーザの需要が増えるため、ニュージーランド旅行者向けの新商品開発を提案する。例えば、情報処理装置１００は、旅行会社ＥＰ１の事業者装置２０に上記のような需要に関する情報を送信する。

また、他の一例として、情報処理装置１００は、ステップＳ１３において、２０１８年７月下旬から８月上旬にかけてスキー目的で海外に出かける旅行者が増えると予測する。そして、情報処理装置１００は、２０１８年７月下旬から８月上旬にかけてスポーツショップでのスキー用品の需要が増えると予測する。このように予測した結果、情報処理装置１００は、例えば、ステップＳ１４では、所定のスポーツショップに対して、需要に関する情報を提供する。例えば、情報処理装置１００は、スキー用品の特集やセールを行ったり、スキー用品に関する広告配布を提案する。

また、情報処理装置１００は、事業者に対して需要に関する情報提供を行うだけでなく、ユーザに対しても行ってよい。例えば、情報処理装置１００は、需要に関する情報提供を行った事業者に関する広告コンテンツをユーザに配信することができる。上記例では、情報処理装置１００は、ユーザＵ１に対して、旅行会社ＥＰ１の商品であって、ニュージーランド旅行向け商品に関する広告コンテンツを配信する。

〔２．第２の情報処理の一例〕
さて、これまで第１の情報処理について説明してきた。以下では、実施形態にかかる第２の情報処理について説明する。第２の情報処理は、情報処理装置１００が任意の機械学習を用いてモデルを生成し生成したモデルに基づいて、いつごろ、どこに、何をしに行くのか、といった行動態様が起こるスコア（確率）を算出するものである。

具体的には、情報処理装置１００は、商品情報と、商品情報が示す商品を購入した後におけるユーザの行動態様との関係性を学習したモデルを用いて、ユーザが購入した商品から、当該ユーザの将来の行動態様を推定する。例えば、情報処理装置１００は、モデルとして、商品を購入したユーザの商品情報が入力されると、前商品を購入したユーザの行き先に関する情報を示すスコアを出力するモデルを用いて、商品を購入したユーザの行き先に関する情報を推定する。

以下では、実施形態にかかる第２の情報処理の一例について説明する。具体的には、図２を用いて、実施形態にかかる第２の情報処理の一例を手順を追って説明する。図２は、実施形態にかかる第２の情報処理の一例を示す図である。なお、図２では、図１と同様の例を適宜用いているため、重複する内容については説明を簡略化、または、省略する。また、実施形態にかかる第２の情報処理も上述の前提を基に行われるものである。

また、図１では、商品情報が取得されたユーザ（例えば、ユーザＵ１～Ｕ４）について、そのユーザの商品情報から行動態様を推定する例を示した。しかし、図２では、ユーザＵ１～Ｕ４の商品情報や、ユーザＵ１～Ｕ４の宿泊予約情報を履歴（実績）として用いて、任意の対象ユーザ（ユーザＵ１～Ｕ４以外のユーザ）の行動態様を推定する例を挙げる。

まず、情報処理装置１００は、ステップＳ１１と同様に、外部装置に定期的にアクセスすることで商品情報を取得（受信）し、取得した商品情報を履歴として商品情報記憶部１２１に格納してゆく（ステップＳ２１）。また、ステップＳ２１では、情報処理装置１００は、ユーザＵ１～Ｕ４それぞれの宿泊予約情報も取得し、取得した宿泊予約情報をサービス利用情報記憶部１２２に格納する。情報処理装置１００は、ユーザが、いつ、どこへ行ったかを予測（特定）可能な情報であればどのような情報も取得することができるが、本実施形態では、情報処理装置１００は、所定の宿泊予約サービスを提供する外部装置から、ユーザがどのような宿泊予約を行ったかを示す宿泊予約情報を取得する。

なお、宿泊予約サービス以外には、例えば、路線検索サービスがある。路線検索サービスを利用する場合、情報処理装置１００は、例えば、路線検索サービス内に入力された「日時」、「出発地」、「目的地」等を含む路線検索情報を取得することができる。また、情報処理装置１００は、第２の情報処理では、宿泊予約情報および路線検索情報といったように、複数の異なるサービスから取得したユーザ情報を適宜組み合わせることができる。図２の例では、宿泊予約サービスに限定して説明する。

ここで、サービス利用情報記憶部１２２について説明する。サービス利用情報記憶部１２２は、サービスに対するユーザの利用状況を示す情報を記憶する。例えば、サービス利用情報記憶部１２２は、宿泊予約サービスに対するユーザの利用状況を示す情報である宿泊予約情報を記憶する。図２の例では、サービス利用情報記憶部１２２は、「ユーザＩＤ」、「宿泊予約情報」といった項目を有する。また、「宿泊予約情報」には、「目的地」、「宿泊日時」、「宿泊先情報」といった項目が含まれる。

「ユーザＩＤ」は、ユーザまたはユーザの端末装置１０を識別する識別情報を示す。「目的地」は、ユーザの目的地（例えば、国名、県名、市名、施設名等）を示す。また、「目的地」は、「宿泊先」の所在地であってもよい。「宿泊日時」は、ユーザが「宿泊先」に宿泊する日時（日付）を示す。「宿泊先情報」は、ユーザが宿泊する施設（例えば、ホテルや旅館）や、かかる施設におけるどのプランを指定したかを示す。

すなわち、図２に示すサービス利用情報記憶部１２２の例では、ユーザＩＤ「Ｕ１」によって識別されるユーザ（ユーザＵ１）が、目的地を「ニュージーランド」として、宿泊日時「ＤＴ１２」において宿泊先情報「ＨＬ１」に示されるホテルに宿泊した例を示す。図１の例では、説明を簡単にするために、宿泊日時や宿泊先情報に概念的な記号を用いているが、実際には実在の情報が入力される。ユーザＵ２～Ｕ４については説明を省略する。

このような状態において、情報処理装置１００は、商品情報記憶部１２１に記憶される商品情報と、サービス利用情報記憶部１２２に記憶される宿泊予約情報（行き先に関する情報）との関係性を学習し、学習した関係性に基づいて、関係性が反映されたモデルを生成する（ステップＳ２２）。例えば、情報処理装置１００は、任意の対象ユーザの商品情報が入力されると、この商品情報が示す商品を購入したユーザ、すなわち任意の対象ユーザの行き先に関する情報を示すスコアを出力するモデルを生成する。

一例を示すと、情報処理装置１００は、７月～８月にかけてスーツケースとスキーウェアをお急ぎ便で購入したユーザのうち８割以上のユーザが、購入後１週間以内にスキー目的でニュージーランドに行く傾向にあるとの関係性を学習したとする。かかる場合、情報処理装置１００は、購入日時「７月～８月」、購入商品「スーツケース、スキーウェア」、配送種別「お急ぎ便」を示す商品情報を取得できた任意の対象ユーザについて、購入後１週間以内にニュージーランドへスキー旅行に行く確率８０％（スコアの一例）を出力するようなモデルを生成する。図２の例では、情報処理装置１００は、このようなモデルとして、モデルＭを生成したとする。

また、情報処理装置１００は、図４に示すいずれかの記憶部にモデルＭを格納してもよいし、モデルＭを記憶する不図示の記憶部を有してもよい。例えば、情報処理装置１００は、スコアを算出対象の任意の対象ユーザが存在する場合には、かかる記憶部からモデルＭを取得して利用する。

情報処理装置１００は、外部装置から適宜商品情報を取得しているため、例えば、新たに商品情報を取得できたユーザが居れば、かかるユーザを任意の対象ユーザとする。そして、情報処理装置１００は、任意の対象ユーザの商品情報をモデルＭに適用することで、任意の対象ユーザの行き先に関する情報を推定する（ステップＳ２３）。例えば、情報処理装置１００は、任意の対象ユーザの商品情報をモデルＭに適用することで、任意の対象ユーザの行き先と、行き先へと移動する出発時期と、行き先での目的（何をしに行くのか）を推定する。例えば、情報処理装置１００は、この先１週間以内にニュージーランドへスキー旅行に行く確率８０％を示すスコアが出力された場合には、このような行動対象が確かに行われる可能性が高いとの推定結果を得る。

また、かかる推定結果を示す情報である推定結果情報を推定結果情報ＥＲ１とすると、情報処理装置１００は、推定結果情報ＥＲ１とともに、スコア「８０％」を示す値ＳＣ１を推定結果記憶部１２４に格納する。図６の例は、このときの状況を示す。

次に、情報処理装置１００は、ステップＳ２３での推定結果（推定結果記憶部１２４に格納される推定結果情報）に基づいて、どのような需要があるかといった需要を予測する（ステップＳ２４）。例えば、情報処理装置１００は、推定結果記憶部１２４を参照し、スコア「８０％」以上が算出されている推定結果の中で、推定結果が同一のユーザの人数を推定結果毎に集計する。そして、情報処理装置１００は、集計結果が所定数（例えば、５００）以上を示した推定結果に基づいて、どのような需要があるかといった需要を予測する。

例えば、推定結果情報ＥＲ１で示されるスコア「８０％」以上の推定結果が得られた任意の対象ユーザが多数存在し、この人数が５００人以上であったとする。かかる場合、情報処理装置１００は、例えば、２０１８年７月下旬から８月上旬にかけて、ニュージーランドへのスキー旅行者が増えると予測する。そして、情報処理装置１００は、、２０１８年７月下旬から８月上旬にかけて旅行会社に対する、ニュージーランド目的のユーザの需要が増えると予測する。

次に、情報処理装置１００は、予測結果に基づいて、需要に関する情報提供を外部に対して行う（ステップＳ２５）。２０１８年７月下旬から８月上旬にかけて旅行会社に対する、ニュージーランド目的のユーザの需要が増えると予測した場合には、情報処理装置１００は、事業者情報記憶部１２３を参照し、例えば、旅行会社として旅行会社ＥＰ１を特定する。そして、情報処理装置１００は、旅行会社ＥＰ１に対して需要に関する情報を提供する。例えば、情報処理装置１００は、ニュージーランド目的のユーザの需要が増えるため、ニュージーランド旅行者向けの新商品開発を提案する。例えば、情報処理装置１００は、旅行会社ＥＰ１の事業者装置２０に上記のような需要に関する情報を送信する。

また、他の一例として、情報処理装置１００は、ステップＳ２４において、２０１８年７月下旬から８月上旬にかけてスキー目的で海外に出かける旅行者が増えると予測する。そして、情報処理装置１００は、２０１８年７月下旬から８月上旬にかけてスポーツショップでのスキー用品の需要が増えると予測する。このように予測した結果、情報処理装置１００は、例えば、ステップＳ２５では、所定のスポーツショップに対して、需要に関する情報を提供する。例えば、情報処理装置１００は、スキー用品の特集やセールを行ったり、スキー用品に関する広告配布を提案する。

なお、情報処理装置１００は、このような需要が予測された場合には、このような情報提供を行うといった内容が記憶される記憶部を有しておくことで、かかる記憶部を参照し、どのような情報提供を行うかを判断してもよい。

また、情報処理装置１００は、事業者に対して需要に関する情報提供を行うだけでなく、ユーザに対しても行ってよい。例えば、情報処理装置１００は、需要に関する情報提供を行った事業者に関する広告コンテンツをユーザに配信することができる。上記例では、情報処理装置１００は、任意の対象ユーザに対して、旅行会社ＥＰ１の商品であって、ニュージーランド旅行向け商品に関する広告コンテンツを配信する。

また、情報処理装置１００は、任意の対象ユーザの所在地の分布を見て、例えば、ある特定のエリア（例えば、市区町村）において、任意の対象ユーザが集中していることがわかれば、このエリアにて事業を行っている事業者に対して情報提供を行ってもよい。例えば、ニュージーランド旅行しようとしている任意の対象ユーザのうちの大半が青森県在住であれば、情報処理装置１００は、青森県に存在する旅行会社に情報提案を行ってもよい。また、情報処理装置１００は、かかる処理を第１の実施形態でも行うことができる。

さて、これまで説明してきたように、実施形態にかかる情報処理装置１００は、購入された商品に関する商品情報を取得し、取得した商品情報に基づいて、商品を購入したユーザの将来の行動態様を推定する。そして、情報処理装置１００は、推定結果に基づいて、どのような需要があるか需要を予測し、予測した予測結果に基づいて、需要に関する情報提供を行う。このように、情報処理装置１００は、商品を購入するといった一範囲内での行動から、ユーザの将来の行動態様の推定といったように、より広い範囲での行動の推定へとつなげることができるため、どのような需要があるかを幅広く予測することができる。

また、情報処理装置１００は、例えば、商品販売元に情報提供を行うのではなく、需要に応じた多方面の事業者に情報提供を行うため、様々な事業の活性化に貢献することができる。例えば、情報処理装置１００は、上記例のようにエリアに特化した情報提案を行うことにより地域活性化に貢献することができることができると考えられる。

また、情報処理装置１００は、幅広い需要予測を精度よく行うことで、実施形態にかかる情報よりシステム１へと参入しようとする事業者を新規獲得することもできる。

〔３．情報処理装置の構成〕
次に、図４を用いて、実施形態にかかる情報処理装置１００について説明する。図４は、実施形態にかかる情報処理装置１００の構成例を示す図である。図４に示すように、情報処理装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。例えば、情報処理装置１００は、図１および図２で説明した情報処理を行うサーバ装置である。

（記憶部１２０について）
記憶部１２０は、例えば、ＲＡＭ（Random Access Memory)、フラッシュメモリ等の半導体メモリ素子またはハードディスク、光ディスク等の記憶装置によって実現される。記憶部１２０は、商品情報記憶部１２１と、サービス利用情報記憶部１２２と、事業者情報記憶部１２３と、推定結果記憶部１２４とを有する。商品情報記憶部１２１と、サービス利用情報記憶部１２２と、推定結果記憶部１２４については、図１、図２および図６で説明した通りであるため、ここでの詳細な説明を省略する。

（事業者情報記憶部１２３について）
事業者情報記憶部１２３は、需要に基づく情報提供を受ける事業者に関する情報を記憶する。ここで、図５に実施形態にかかる事業者情報記憶部１２３の一例を示す。図５の例では、事業者情報記憶部１２３は、「事業者ＩＤ」、「業種」、「所在地」といった項目を有する。

「事業者ＩＤ」は、需要に基づく情報提供を受ける事業者、または、事業者の事業者装置２０を識別する識別情報を示す。「業種」は、「事業者ＩＤ」によって識別される事業者の業種を示す。「所在地」は、「事業者ＩＤ」によって識別される事業者の所在地を示す。例えば、「所在地」は、「事業者ＩＤ」によって識別される事業者の本社の所在地であってもよいし、かかる事業者がサービスを展開されている地（例えば、ホテル業者であれば、ホテルの所在地）であってもよい。

すなわち、図５の例では、事業者ＩＤ「ＥＰ１」によって識別される事業者は、旅客サービス業を営んでおり、所在地が「ＬＣ１１」である例を示す。

（制御部１３０について）
図４に戻り、制御部１３０は、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、情報処理装置１００内部の記憶装置に記憶されている各種プログラムがＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現される。

図４に示すように、制御部１３０は、取得部１３１と、推定部１３２と、生成部１３３と、予測部１３４と、提供部１３５とを有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部１３０の内部構成は、図３に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。また、制御部１３０が有する各処理部の接続関係は、図３に示した接続関係に限られず、他の接続関係であってもよい。

（取得部１３１について）
取得部１３１は、購入された商品の種別を示す商品情報を取得する。また、取得部１３１は、商品が購入された日時を示す日付情報を取得する。例えば、取得部１３１は、購入された商品の種別を示す商品情報として、この日付情報を含むような商品情報を取得する。また、取得部１３１は、ユーザが所定の期間内に購入した商品毎に前記＼＼商品情報を取得する。また、取得部１３１は、商品の購入態様を示す購入態様情報をさらに取得する。例えば、取得部１３１は、購入態様情報として、商品に対してユーザが指定した配送種別を示す配送情報を取得する。例えば、取得部１３１は、購入された商品の種別を示す商品情報として、この配送情報を含むような商品情報を取得する。

例えば、取得部１３１は、所定の外部装置（例えば、情報処理装置１００と協働する外部装置）から商品情報等の各種情報を取得することができる。また、取得部１３１は、取得した商品情報を商品情報記憶部１２１に格納する。

また、取得部１３１は、実施形態にかかる情報処理が行われる所定のタイミングで、適宜、商品情報記憶部１２１から商品情報を取得し、対応する処理部へと出力する。例えば、取得部１３１は、推定部１３２によって行動態様の推定が行われる際には、商品情報記憶部１２１から商品情報を取得し、取得した商品情報を推定部１３２に出力する。

（推定部１３２について）
推定部１３２は、取得部１３１により取得された商品情報に基づいて、商品を購入したユーザの将来の行動態様を推定する。また、推定部１３２は、商品情報と、商品が購入された日時を示す日付情報とに基づいて、商品を購入したユーザの将来の行動態様を推定する。また、推定部１３２は、取得部１３１によりユーザが所定の期間内に購入した商品毎の商品情報を取得された場合には、各商品情報が示す種別に基づいて、商品を購入したユーザの将来の行動態様を推定する。また、推定部１３２は、取得部１３１により商品の購入態様を示す購入態様情報（例えば、商品に対してユーザが指定した配送種別を示す配送情報）が取得された場合には、商品情報と、購入態様情報とに基づいて、商品を購入したユーザの将来の行動態様を推定する。

例えば、推定部１３２は、商品を購入したユーザの将来の行動態様として、ユーザの行き先に関する情報を推定する。一例としては、推定部１３２は、ユーザの行き先に関する情報として、ユーザの行き先と、行き先へと移動する出発時期と、当該行き先での目的を推定する。あるいは、推定部１３２は、行き先に関する情報として、ユーザの行き先へと移動する出発時期、もしくは、当該行き先での目的のいずれかを推定する。

このようなことから、推定部１３２は、図１のステップＳ１２に示される処理を行う。また、推定部１３２は、推定した推定結果を推定結果記憶部１２４に格納する。例えば、推定部１３２は、ユーザ毎（ユーザＩＤ毎）に、当該ユーザについて推定した推定結果（推定結果情報）をを推定結果記憶部１２４に格納する。例えば、推定部１３２は、「ユーザＩＤ」と、「推定結果情報」とを対応付けて推定結果記憶部１２４に格納する。

（生成部１３３について）
生成部１３３は、購入された商品の種別を示す商品情報と、商品情報が示す商品を購入した後におけるユーザの行動態様との関係性を学習したモデルを生成する。例えば、生成部１３３は、モデルとして、商品を購入したユーザの商品情報が入力されると、商品を購入したユーザの行き先に関する情報を示すスコアを出力するモデルを生成する。このようなことから、生成部１３３は、図２のステップＳ２２に示される処理を行う。

すなわち、推定部１３２は、購入された商品の種別を示す商品情報と、商品情報が示す商品を購入した後におけるユーザの行動態様との関係性を学習したモデルを用いて、ユーザが購入した商品から、当該ユーザの将来の行動態様を推定する。例えば、推定部１３２は、モデルとして、商品を購入したユーザの商品情報が入力されると、商品を購入したユーザの行き先に関する情報を示すスコアを出力するモデルを用いて、商品を購入したユーザの行き先に関する情報を推定する。このようなことから、推定部１３２は、図２のステップＳ２３に示される処理を行う。

（予測部１３４について）
予測部１３４は、推定部１３２による推定結果に基づいて、どのような需要があるか需要を予測する。例えば、予測部１３４は、推定結果記憶部１２４を参照し、推定結果が同一のユーザの人数を集計する。そして、予測部１３４は、集計結果が所定数（例えば、５００）以上を示した推定結果情報に基づいて、どのような需要があるかといった需要を予測する。例えば、推定結果情報ＥＲ１で示される推定結果が得られたユーザがユーザＵ１以外にも多数存在し、この人数が５００人以上であったとする。かかる場合、予測部１３４は、例えば、２０１８年７月下旬から８月上旬にかけて、ニュージーランドへのスキー旅行者が増えると予測する。そして、予測部１３４は、２０１８年７月下旬から８月上旬にかけて旅行会社に対する、ニュージーランド目的のユーザの需要が増えると予測する。なお、情報処理装置１００は、予測された需要に応じて情報提供される事業者が示された記憶部をさらに有してもよい。つまり、情報処理装置１００は、このような需要が予測された場合にはこの事業者に情報提供を行えばよいといった内容が指定された記憶部をさらに有してもよい。

（提供部１３５について）
提供部１３５は、予測部１３４により予測された予測結果に基づいて、需要に関する情報提供を行う。例えば、２０１８年７月下旬から８月上旬にかけて旅行会社に対する、ニュージーランド目的のユーザの需要が増えると予測された場合には、提供部１３５は、事業者情報記憶部１２３を参照し、適切な旅行会社を特定する。そして、提供部１３５は、特定した旅行会社に対して需要に関する情報を提供する。例えば、提供部１３５は、ユーザの端末装置１０から取得した位置情報、あるいは、ユーザの登録情報等に基づき、２０１８年７月下旬から８月上旬にかけてニュージーランドへ行こうとするユーザ５００人のうち、所定数以上が特定のエリア（例えば、青森県Ｍ市といったように行政区画（市区町村）で仕切られるエリア、あるいは、都道府県単位のエリア）に在住していることが判明した場合には、この特定のエリアで事業を行っている事業者（例えば、旅行会社）に対して、需要に関する情報を提供することができる。このようなことから、提供部１３５は、図１のステップＳ１４に示される処理を行う。

〔４．処理手順〕
次に、図７を用いて、実施形態にかかる情報処理の手順について説明する。図７の例では、図２で説明した第２の情報処理の手順について説明する。図７は、実施形態にかかる情報処理手順を示すフローチャートである。

まず、取得部１３１は、購入された商品の種別を示す商品情報を取得する（ステップＳ１０１）。また、かかる商品情報には、商品が購入された日時を示す日付情報や、商品に対してユーザが指定した配送種別を示す配送情報も含まれる。例えば、取得部１３１は、ユーザが所定の期間内に購入した商品毎に商品情報を取得する。また、取得部１３１は、取得した商品情報を商品情報記憶部１２１に格納する。

また、取得部１３１は、サービス利用情報も取得する（ステップＳ１０２）。例えば、取得部１３１は、サービス利用情報として、宿泊予約サービスに対してユーザが行った宿泊予約に関する情報である宿泊予約情報も取得する。また、取得部１３１は、取得した宿泊予約情報をサービス利用情報記憶部１２２に格納する。なお、情報処理装置１００は、ステップＳ１０１およびＳ１０２を同時に行ってもよいし、逆の順で行ってもよい。

次に、生成部１３３は、購入された商品の種別を示す商品情報と、商品情報が示す商品を購入した後におけるユーザの行動態様との関係性を学習したモデルを生成する（ステップＳ１０３）。例えば、生成部１３３は、商品を購入したユーザの商品情報が入力されると、商品を購入したユーザの行き先に関する情報を示すスコアを出力するモデルを生成する。

次に、推定部１３２は、商品を購入したユーザ（任意の対象ユーザ）の商品情報をモデルに適用することにより、商品を購入したユーザの行動態様（行き先に関する情報）を推定する（ステップＳ１０４）。そして、予測部１３４は、推定部１３２による推定結果に基づいて、どのような需要があるか需要を予測する（ステップＳ１０５）。次に、提供部１３５は、予測部１３４により予測された予測結果に基づいて、需要に関する情報提供を行う。

〔５．ハードウェア構成〕
また、上記実施形態にかかる情報処理装置１００は、例えば図８に示すような構成のコンピュータ１０００によって実現される。図８は、情報処理装置１００の機能を実現するコンピュータ１０００の一例を示すハードウェア構成図である。コンピュータ１０００は、ＣＰＵ１１００、ＲＡＭ１２００、ＲＯＭ１３００、ＨＤＤ１４００、通信インターフェイス（Ｉ／Ｆ）１５００、入出力インターフェイス（Ｉ／Ｆ）１６００、及びメディアインターフェイス（Ｉ／Ｆ）１７００を有する。

ＣＰＵ１１００は、ＲＯＭ１３００又はＨＤＤ１４００に格納されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラム等を格納する。

ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、および、かかるプログラムによって使用されるデータ等を格納する。通信インターフェイス１５００は、通信網５０を介して他の機器からデータを受信してＣＰＵ１１００へ送り、ＣＰＵ１１００が生成したデータを、通信網５０を介して他の機器へ送信する。

ＣＰＵ１１００は、入出力インターフェイス１６００を介して、ディスプレイやプリンタ等の出力装置、及び、キーボードやマウス等の入力装置を制御する。ＣＰＵ１１００は、入出力インターフェイス１６００を介して、入力装置からデータを取得する。また、ＣＰＵ１１００は、生成したデータを、入出力インターフェイス１６００を介して出力装置へ出力する。

メディアインターフェイス１７００は、記録媒体１８００に格納されたプログラム又はデータを読み取り、ＲＡＭ１２００を介してＣＰＵ１１００に提供する。ＣＰＵ１１００は、かかるプログラムを、メディアインターフェイス１７００を介して記録媒体１８００からＲＡＭ１２００上にロードし、ロードしたプログラムを実行する。記録媒体１８００は、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。

例えば、コンピュータ１０００が実施形態にかかる情報処理装置１００として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００上にロードされたプログラムを実行することにより、制御部１３０の機能を実現する。また、ＨＤＤ１４００には、記憶部１２０内のデータが格納される。コンピュータ１０００のＣＰＵ１１００は、これらのプログラムを、記録媒体１８００から読み取って実行するが、他の例として、他の装置から、通信網５０を介してこれらのプログラムを取得してもよい。

〔６．その他〕
また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。

以上、本願の実施形態をいくつかの図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の欄に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。

また、上述してきた「部（section、module、unit）」は、「手段」や「回路」などに読み替えることができる。例えば、取得部は、取得手段や取得回路に読み替えることができる。

１ 情報処理システム
１０ 端末装置
２０ 事業者装置
１００ 情報処理装置
１２０ 記憶部
１２１ 商品情報記憶部
１２２ サービス利用情報記憶部
１２３ 事業者情報記憶部
１２４ 推定結果記憶部
１３０ 制御部
１３１ 取得部
１３２ 推定部
１３３ 生成部
１３４ 予測部
１３５ 提供部

Claims (8)

1. ユーザにより購入された商品を示す商品情報と、前記商品が購入された日時を示す日時情報とを取得する取得部と、
   前記商品情報と前記日時情報とに基づいて、前記商品を購入したユーザの将来の行動態様として、前記ユーザの行き先と、前記行き先への出発時期と、前記行き先での目的とを推定する推定部と、
   前記推定部により前記ユーザごとに推定された推定結果に基づいて、需要の内容と、当該内容の需要が発生する時期と、当該内容の需要が発生する場所とを予測する予測部と、
   前記予測部により予測された予測結果に基づいて、前記需要に関する情報提供を行う提供部と、
   を有し、
   前記提供部は、前記ユーザのうち、前記行き先と前記出発時期と前記目的が共通するユーザである共通ユーザの人数と、前記共通ユーザの所在地とに基づいて、前記共通ユーザのうち所定数以上のユーザの所在地が同一のエリアに含まれていると判定された場合には、取引先の事業者のうち、前記エリアで事業を行っている事業者に対して、前記共通ユーザに対応する需要に関する情報を提供する
   ことを特徴とする情報処理装置。
2. 前記取得部は、前記商品情報として、購入された物品、または、利用されたサービスを示す商品情報を取得する
   ことを特徴とする請求項１に記載の情報処理装置。
3. 前記取得部は、前記商品の購入態様を示す購入態様情報をさらに取得し、
   前記推定部は、前記商品情報と、前記日時情報と、前記購入態様情報とに基づいて、前記商品を購入したユーザの将来の行動態様を推定する
   ことを特徴とする請求項１または２に記載の情報処理装置。
4. 前記取得部は、前記購入態様情報として、前記商品に対して前記ユーザが指定した配送種別を示す配送情報を取得する
   ことを特徴とする請求項３に記載の情報処理装置。
5. 前記推定部は、前記商品情報および前記日時情報と、前記商品情報が示す商品を購入した後におけるユーザの行動態様との関係性を学習したモデルと、推定対象のユーザの商品情報および日時情報とに基づいて、前記推定対象のユーザの将来の行動態様を推定する
   ことを特徴とする請求項１～４のいずれか１つに記載の情報処理装置。
6. 前記推定部は、前記モデルとして、前記推定対象のユーザの商品情報および日時情報が入力されると、前記推定対象のユーザの行き先に関する情報を示すスコアを出力するモデルを用いて、前記推定対象のユーザの行き先に関する情報を推定する
   ことを特徴とする請求項５に記載の情報処理装置。
7. 情報処理装置が実行する情報処理方法であって、
   ユーザにより購入された商品を示す商品情報と、前記商品が購入された日時を示す日時情報とを取得する取得工程と、
   前記商品情報と前記日時情報とに基づいて、前記商品を購入したユーザの将来の行動態様として、前記ユーザの行き先と、前記行き先への出発時期と、前記行き先での目的とを推定する推定工程と、
   前記推定工程により前記ユーザごとに推定された推定結果に基づいて、需要の内容と、当該内容の需要が発生する時期と、当該内容の需要が発生する場所とを予測する予測工程と、
   前記予測工程により予測された予測結果に基づいて、前記需要に関する情報提供を行う提供工程と、
   を含み、
   前記提供工程は、前記ユーザのうち、前記行き先と前記出発時期と前記目的が共通するユーザである共通ユーザの人数と、前記共通ユーザの所在地とに基づいて、前記共通ユーザのうち所定数以上のユーザの所在地が同一のエリアに含まれていると判定された場合には、取引先の事業者のうち、前記エリアで事業を行っている事業者に対して、前記共通ユーザに対応する需要に関する情報を提供する
   ことを特徴とする情報処理方法。
8. ユーザにより購入された商品を示す商品情報と、前記商品が購入された日時を示す日時情報とを取得する取得手順と、
   前記商品情報と前記日時情報とに基づいて、前記商品を購入したユーザの将来の行動態様として、前記ユーザの行き先と、前記行き先への出発時期と、前記行き先での目的とを推定する推定手順と、
   前記推定手順により前記ユーザごとに推定された推定結果に基づいて、需要の内容と、当該内容の需要が発生する時期と、当該内容の需要が発生する場所とを予測する予測手順と、
   前記予測手順により予測された予測結果に基づいて、前記需要に関する情報提供を行う提供手順と、
   をコンピュータに実行させ、
   前記提供手順は、前記ユーザのうち、前記行き先と前記出発時期と前記目的が共通するユーザである共通ユーザの人数と、前記共通ユーザの所在地とに基づいて、前記共通ユーザのうち所定数以上のユーザの所在地が同一のエリアに含まれていると判定された場合には、取引先の事業者のうち、前記エリアで事業を行っている事業者に対して、前記共通ユーザに対応する需要に関する情報を提供する
   ことを特徴とする情報処理プログラム。

Images