特許 6005482 サーバ装置、解析方法及びプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】6005482

(24)【登録日】2016年9月16日

(45)【発行日】2016年10月12日

(54)【発明の名称】サーバ装置、解析方法及びプログラム

(51)【国際特許分類】

   G06Q 30/06 20120101AFI20160929BHJP

   G06T 3/00 20060101ALI20160929BHJP

【ＦＩ】

   G06Q30/06 340

   G06T3/00

【請求項の数】16

【全頁数】22

(21)【出願番号】特願2012-243762(P2012-243762)

(22)【出願日】2012年11月5日

(65)【公開番号】特開2014-92983(P2014-92983A)

(43)【公開日】2014年5月19日

【審査請求日】2015年9月14日

(73)【特許権者】

【識別番号】000003078

【氏名又は名称】株式会社東芝

(74)【代理人】

【識別番号】110002147

【氏名又は名称】特許業務法人酒井国際特許事務所

(72)【発明者】

【氏名】関根 真弘

(72)【発明者】

【氏名】西山 正志

(72)【発明者】

【氏名】杉田 馨

(72)【発明者】

【氏名】大平 英貴

(72)【発明者】

【氏名】伊藤 剛

【審査官】 木方 庸輔

(56)【参考文献】

【文献】 特開２００７−０１１５４３（ＪＰ，Ａ）

【文献】 特開２００５−２１５９２２（ＪＰ，Ａ）

【文献】 特開２０１２−１０８８０５（ＪＰ，Ａ）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０６Ｑ １０／００ − ９９／００ ，

Ｇ０６Ｔ ３／００ − ５／５０

(57)【特許請求の範囲】

【請求項1】

商品画像を認識して当該商品画像に含まれる商品を推定し、当該商品に関する複数種類の関連情報のうち少なくともいずれかを選択する認識部から、前記商品を識別する商品識別情報を少なくとも含む認識情報を取得し、認識情報記憶部に記憶する第１取得部と、
合成被対象物の被合成画像と商品の合成用画像とを合成する合成部から、前記商品の前記商品識別情報を少なくとも含む合成情報を取得し、合成情報記憶部に記憶する第２取得部と、
前記認識情報記憶部に記憶されている複数の前記認識情報及び前記合成情報記憶部に記憶されている複数の前記合成情報を解析して、商品優先度を商品毎に算出する解析部と、
前記商品優先度に基づく情報を前記認識部及び前記合成部の少なくとも一方に出力する出力部と、
を備えるサーバ装置。

【請求項2】

前記解析部は、前記複数の認識情報を解析して第１商品優先度を商品毎に算出し、前記複数の合成情報を解析して第２商品優先度を商品毎に算出し、商品毎の前記第１商品優先度及び前記第２商品優先度に基づいて商品毎の前記商品優先度を算出する請求項１に記載のサーバ装置。

【請求項3】

前記認識情報は、認識日時を更に含み、
前記合成情報は、合成日時を更に含み、
前記解析部は、前記複数の認識情報を解析し、前記認識日時が現在日時に近いほど当該認識日時に対応付けられた商品識別情報が示す商品の前記第１商品優先度を高くし、前記複数の合成情報を解析し、前記合成日時が前記現在日時に近いほど当該合成日時に対応付けられた商品識別情報が示す商品の前記第２商品優先度を高くする請求項２に記載のサーバ装置。

【請求項4】

前記解析部は、前記複数の認識情報を解析し、値が一致する商品識別情報の数が多いほど、当該商品識別情報が示す商品の前記第１商品優先度を高くし、前記複数の合成情報を解析し、値が一致する商品識別情報の数が多いほど、当該商品識別情報が示す商品の前記第２商品優先度を高くする請求項２又は３に記載のサーバ装置。

【請求項5】

前記解析部は、前記商品優先度が第１所定条件を満たす商品の商品識別情報を含む合成情報が前記複数の合成情報内に存在するか否かを更に解析して、前記複数種類の関連情報のうち当該解析の解析結果に応じた関連情報を推奨する第１推奨情報を生成し、
前記出力部は、前記商品優先度及び前記第１推奨情報に基づく情報を前記認識部に出力する請求項１〜４のいずれか１つに記載のサーバ装置。

【請求項6】

前記合成用画像は、前記商品のカテゴリ毎に存在し、
前記合成情報は、前記商品のカテゴリを更に含み、
前記解析部は、前記商品優先度が第２所定条件を満たす商品のカテゴリが複数存在する場合、当該複数のカテゴリそれぞれの前記複数の合成情報内での登場回数を解析して、当該登場回数が最も多いカテゴリを推奨する第２推奨情報を生成し、
前記出力部は、前記商品優先度及び前記第２推奨情報に基づく情報を前記合成部に出力する請求項１〜５のいずれか１つに記載のサーバ装置。

【請求項7】

商品画像を認識して当該商品画像に含まれる商品を推定し、当該商品に関する複数種類の関連情報のうち少なくともいずれかを選択する認識部から、前記商品を識別する商品識別情報を少なくとも含む認識情報を取得し、認識情報記憶部に記憶する第１取得部と、
合成被対象物の被合成画像と商品の合成用画像とを合成する合成部から、前記商品の前記商品識別情報を少なくとも含む合成情報を取得し、合成情報記憶部に記憶する第２取得部と、
前記商品の販売に関する販売情報を管理する管理部から、前記商品の前記商品識別情報を少なくとも含む購買情報及び前記商品の販売促進に関する販促情報を取得し、販売情報記憶部に記憶する第３取得部と、
前記認識情報記憶部に記憶されている複数の前記認識情報、前記合成情報記憶部に記憶されている複数の前記合成情報、及び前記販売情報記憶部に記憶されている複数の前記購買情報を解析して、商品優先度を商品毎に算出する第１解析、並びに前記複数の購買情報に加え、前記複数の認識情報及び前記複数の合成情報の少なくとも一方を解析して、前記販促情報の更新内容を求める第２解析の少なくとも一方を行う解析部と、
前記商品優先度に基づく情報を前記認識部及び前記合成部の少なくとも一方に出力する第１出力、並びに前記更新内容を前記管理部に出力する第２出力の少なくとも一方を行う出力部と、
を備えるサーバ装置。

【請求項8】

前記解析部は、前記複数の認識情報を解析して第１商品優先度を商品毎に算出し、前記複数の合成情報を解析して第２商品優先度を商品毎に算出し、前記複数の購買情報を解析して第３商品優先度を商品毎に算出し、商品毎の前記第１商品優先度、前記第２商品優先度、及び前記第３商品優先度に基づいて商品毎の前記商品優先度を算出する請求項７に記載のサーバ装置。

【請求項9】

前記解析部は、前記複数の認識情報を解析し、値が一致する商品識別情報の数が多いほど、当該商品識別情報が示す商品の前記第１商品優先度を高くし、前記複数の合成情報を解析し、値が一致する商品識別情報の数が多いほど、当該商品識別情報が示す商品の前記第２商品優先度を高くし、前記複数の購買情報を解析し、値が一致する商品識別情報の数が多いほど、当該商品識別情報が示す商品の前記第３商品優先度を高くする請求項８に記載のサーバ装置。

【請求項10】

前記認識情報は、認識日時を更に含み、
前記合成情報は、合成日時を更に含み、
前記購買情報は、購買日時を更に含み、
前記解析部は、前記複数の認識情報を解析し、前記認識日時が現在日時に近いほど当該認識日時に対応付けられた商品識別情報が示す商品の前記第１商品優先度を高くし、前記複数の合成情報を解析し、前記合成日時が前記現在日時に近いほど当該合成日時に対応付けられた商品識別情報が示す商品の前記第２商品優先度を高くし、前記複数の購買情報を解析し、前記購買日時が前記現在日時に近いほど当該購買日時に対応付けられた商品識別情報が示す商品の前記第３商品優先度を高くする請求項８又は９に記載のサーバ装置。

【請求項11】

前記解析部は、前記商品優先度が第１所定条件を満たす商品の商品識別情報を含む合成情報が前記複数の合成情報内に存在するか否かを更に解析して、前記複数種類の関連情報のうち当該解析の解析結果に応じた関連情報を推奨する第１推奨情報を生成し、
前記出力部は、前記商品優先度及び前記第１推奨情報に基づく情報を前記認識部に出力する請求項７〜１０のいずれか１つに記載のサーバ装置。

【請求項12】

前記合成用画像は、前記商品のカテゴリ毎に存在し、
前記合成情報は、前記商品のカテゴリを更に含み、
前記解析部は、前記商品優先度が第２所定条件を満たす商品のカテゴリが複数存在する場合、当該複数のカテゴリそれぞれの前記複数の合成情報内での登場回数を解析して、当該登場回数が最も多いカテゴリを推奨する第２推奨情報を生成し、
前記出力部は、前記商品優先度及び前記第２推奨情報に基づく情報を前記合成部に出力する請求項７〜１１のいずれか１つに記載のサーバ装置。

【請求項13】

前記認識情報は、前記商品画像の商品画像情報を更に含み、
前記販促情報は、前記商品画像を用いた販売促進に関する第１販促情報を含み、
前記解析部は、前記複数の購買情報を解析し、値の一致数が第３所定条件を満たす商品識別情報に対応付けられた商品画像情報の前記複数の認識情報内での登場回数を解析し、前記更新内容として、前記商品画像情報の前記登場回数に応じた前記第１販促情報の更新内容を求める請求項７〜１２のいずれか１つに記載のサーバ装置。

【請求項14】

前記合成情報は、前記合成用画像の合成用画像情報を更に含み、
前記販促情報は、前記合成用画像を用いた販売促進に関する第２販促情報を含み、
前記解析部は、前記複数の購買情報を解析し、値の一致数が第４所定条件を満たす商品識別情報に対応付けられた合成用画像情報の前記複数の合成情報内での登場回数を解析し、前記更新内容として、前記合成用画像情報の前記登場回数に応じた前記第２販促情報の更新内容を求める請求項７〜１３のいずれか１つに記載のサーバ装置。

【請求項15】

第１取得部が、商品画像を認識して当該商品画像に含まれる商品を推定し、当該商品に関する複数種類の関連情報のうち少なくともいずれかを選択する認識部から、前記商品を識別する商品識別情報を少なくとも含む認識情報を取得し、認識情報記憶部に記憶する第１取得ステップと、
第２取得部が、合成被対象物の被合成画像と商品の合成用画像とを合成する合成部から、前記商品の前記商品識別情報を少なくとも含む合成情報を取得し、合成情報記憶部に記憶する第２取得ステップと、
解析部が、前記認識情報記憶部に記憶されている複数の前記認識情報及び前記合成情報記憶部に記憶されている複数の前記合成情報を解析して、商品優先度を商品毎に算出する解析ステップと、
出力部が、前記商品優先度に基づく情報を前記認識部及び前記合成部の少なくとも一方に出力する出力ステップと、
を含む解析方法。

【請求項16】

商品画像を認識して当該商品画像に含まれる商品を推定し、当該商品に関する複数種類の関連情報のうち少なくともいずれかを選択する認識部から、前記商品を識別する商品識別情報を少なくとも含む認識情報を取得し、認識情報記憶部に記憶する第１取得ステップと、
合成被対象物の被合成画像と商品の合成用画像とを合成する合成部から、前記商品の前記商品識別情報を少なくとも含む合成情報を取得し、合成情報記憶部に記憶する第２取得ステップと、
前記認識情報記憶部に記憶されている複数の前記認識情報及び前記合成情報記憶部に記憶されている複数の前記合成情報を解析して、商品優先度を商品毎に算出する解析ステップと、
前記商品優先度に基づく情報を前記認識部及び前記合成部の少なくとも一方に出力する出力ステップと、
をコンピュータに実行させるためのプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明の実施形態は、サーバ装置、解析方法及びプログラムに関する。

【背景技術】

【0002】

近年、一般消費者向け小売業界では、新たなユーザ価値を創出することで、ショッピングスタイルの差異化を図る動きが活発になってきており、例えば、Ｏ２Ｏ（Ｏｎｌｉｎｅ ｔｏ Ｏｆｆｌｉｎｅ）が注目されている。Ｏ２Ｏとは、オンラインとオフラインでの購買行動が連携し合ったり、オンラインでの情報が実店舗などでの購買行動に影響を及ぼしたりすることを意味しており、携帯端末の位置情報サービスを使った店舗検索や、オンラインで取得したクーポンの実店舗での利用といったサービスが拡大してきている。

【0003】

このような中、商品画像を使って仮想試着を行う技術など様々なＯ２Ｏ関連の技術の開発が進められている。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開２０１２−１０８８０５号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

しかしながら、上述したような従来技術では、予め定められた情報をユーザに提示しているに過ぎず、ユーザの購買意欲を喚起できていない。本発明が解決しようとする課題は、ユーザの購買意欲を喚起させる蓋然性が高い情報を抽出できるサーバ装置、解析方法及びプログラムを提供することである。

【課題を解決するための手段】

【0006】

実施形態のサーバ装置は、第１取得部と、第２取得部と、解析部と、出力部と、を備える。第１取得部は、商品画像を認識して当該商品画像に含まれる商品を推定し、当該商品に関する複数種類の関連情報のうち少なくともいずれかを選択する認識部から、前記商品を識別する商品識別情報を少なくとも含む認識情報を取得し、認識情報記憶部に記憶する。第２取得部は、合成被対象物の被合成画像と商品の合成用画像とを合成する合成部から、前記商品の前記商品識別情報を少なくとも含む合成情報を取得し、合成情報記憶部に記憶する。解析部は、前記認識情報記憶部に記憶されている複数の前記認識情報及び前記合成情報記憶部に記憶されている複数の前記合成情報を解析して、商品優先度を商品毎に算出する。出力部は、前記商品優先度に基づく情報を前記認識部及び前記合成部の少なくとも一方に出力する。

【図面の簡単な説明】

【0007】

【図1】図１は、第１実施形態のシステムの例を示す構成図。

【図2】図２は、第１実施形態の第１端末の例を示す構成図。

【図3】図３は、第１実施形態の第２端末の例を示す構成図。

【図4】図４は、第１実施形態のサーバ装置の例を示す構成図。

【図5】図５は、第１実施形態の認識情報の例を示す図。

【図6】図６は、第１実施形態の合成情報の例を示す図。

【図7】図７は、第１実施形態の商品情報のデータ構造の例を示す図。

【図8】図８は、第１実施形態の処理例を示すフローチャート。

【図9】図９は、第２実施形態のシステムの例を示す構成図。

【図10】図１０は、第２実施形態の第３端末の例を示す構成図。

【図11】図１１は、第２実施形態のサーバ装置の例を示す構成図。

【図12】図１２は、第２実施形態の購買情報の例を示す図。

【図13】図１３は、第２実施形態の更新前の第１販促情報の例を示す図。

【図14】図１４は、第２実施形態の更新後の第１販促情報の例を示す図。

【図15】図１５は、第２実施形態の更新前の店舗レイアウト情報の例を示す図。

【図16】図１６は、第２実施形態の更新後の店舗レイアウト情報の例を示す図。

【図17】図１７は、第２実施形態の処理例を示すフローチャート。

【図18】図１８は、変形例のシステムの例を示す構成図。

【図19】図１９は、上記各実施形態及び各変形例のサーバ装置のハードウェア構成の例を示す図。

【発明を実施するための形態】

【0008】

以下、添付図面を参照しながら、実施形態を詳細に説明する。

【0009】

（第１実施形態）
図１は、第１実施形態のシステム１の一例を示す構成図である。図１に示すように、システム１は、第１端末１０と、第２端末２０と、サーバ装置３０とを、備える。第１端末１０、第２端末２０、及びサーバ装置３０は、ネットワーク２を介して接続されている。ネットワーク２は、例えば、インターネットやＬＡＮ（Local Area Network）などにより実現できる。

【0010】

第１実施形態では、第１端末１０が、認識部１１を備えており、ユーザが興味のある実物体にかざすことで当該実物体に関する関連情報を取得する画像認識端末である場合を例に取り説明する。第１端末１０は、例えば、携帯端末などにより実現できる。なお、以下では、ユーザが興味のある実物体にかざすことで当該実物体に関する関連情報を取得することを“かざす”と称する場合がある。

【0011】

同様に第１実施形態では、第２端末２０が、合成部２１を備えており、仮想試着シミュレーションや仮想設置シミュレーションなどを行う画像合成端末である場合を例に取り説明する。第２端末２０は、例えば、商品を販売する店舗などに設置されている。なお、以下では、仮想試着シミュレーションや仮想設置シミュレーションなどを行ってユーザが興味のある商品を体験することを“ためす”と称する場合がある。

【0012】

システム１では、ユーザが興味のある実物体に第１端末１０をかざすことで商品に関する関連情報を取得し、取得した関連情報を起点として、第２端末２０が設置されている店舗へユーザを赴かせ、仮想試着シミュレーションや仮想設置シミュレーションによって商品を体験した上で、商品の購買につなげることを想定している。

【0013】

図２は、第１実施形態の第１端末１０の一例を示す構成図である。図２に示すように、第１端末１０は、認識部１１と、撮像部１２と、フィードバック情報記憶部１３と、表示部１４と、出力部１５とを、備える。

【0014】

認識部１１は、例えば、ＣＰＵ（Central Processing Unit）などの処理装置にプログラムを実行させること、即ち、ソフトウェアにより実現してもよいし、ＩＣ（Integrated Circuit）などのハードウェアにより実現してもよいし、ソフトウェア及びハードウェアを併用して実現してもよい。撮像部１２は、例えば、デジタルカメラなどの撮像装置により実現できる。フィードバック情報記憶部１３は、例えば、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、メモリカード、光ディスク、及びＲＡＭ（Random Access Memory）などの磁気的、光学的、又は電気的に記憶可能な記憶装置により実現できる。表示部１４は、例えば、液晶ディスプレイやタッチパネルディスプレイなどの表示装置により実現できる。出力部１５は、例えば、ＮＩＣ（Network Interface Card）などの通信装置により実現できる。

【0015】

撮像部１２は、ユーザが興味のある実物体を撮像して商品画像を生成する。ユーザが興味のある実物体は、例えば、ユーザが興味のある商品の広告などが該当するが、ユーザが興味のある商品そのものであってもよい。

【0016】

フィードバック情報記憶部１３は、フィードバック情報を記憶する。なお、フィードバック情報の詳細については、後述する。

【0017】

認識部１１は、画像認識部１６と、フィードバック部１７とを含む。

【0018】

画像認識部１６は、商品画像を認識して当該商品画像に含まれる商品を推定し、当該商品に関する複数種類の関連情報のうち少なくともいずれかを選択する。具体的には、画像認識部１６は、推定した商品の商品情報をサーバ装置３０から取得し、取得した商品情報に含まれる複数種類の関連情報のうち少なくともいずれかを選択する。画像認識部１６が取得する商品情報は、例えば、推定した商品の商品ＩＤ（商品識別情報の一例）、及び複数種類の関連情報を含む。複数種類の関連情報は、例えば、推定した商品の属性情報及び付随情報などが挙げられる。属性情報は、例えば、ブランド、価格、色、及び素材・材質などが該当し、付随情報は、例えば、口コミ、おすすめコーディネート、及び販売店情報（住所や地図等などが該当する。

【0019】

なお、画像認識部１６は、フィードバック情報記憶部１３に推定した商品のフィードバック情報が記憶されている場合、当該フィードバック情報に従って、関連情報を選択する。

【0020】

フィードバック部１７は、サーバ装置３０から送信された情報に基づくフィードバック情報をフィードバック情報記憶部１３に記憶する。

【0021】

表示部１４は、画像認識部１６により選択された関連情報を表示する。表示部１４は、例えば、画像認識部１６により推定された商品の口コミ、おすすめコーディネート、又は販売店情報などを画像として表示する。

【0022】

出力部１５は、認識情報をサーバ装置３０へ出力する。認識情報は、少なくとも画像認識部１６により推定された商品の商品ＩＤを含む。なお、認識情報に、商品画像の商品画像情報や関連情報を含めてもよい。ここで、商品画像情報は、商品画像そのものであってもよいし、画像認識部１６による画像認識において商品画像とマッチングされた画像又は当該画像の画像ＩＤであってもよい。また、認識情報に、認識日時、認識位置、及びユーザのユーザＩＤなどを含めてもよい。

【0023】

図３は、第１実施形態の第２端末２０の一例を示す構成図である。図３に示すように、第２端末２０は、合成部２１と、撮像部２２と、フィードバック情報記憶部２３と、表示部２４と、出力部２５とを、備える。

【0024】

合成部２１は、例えば、ＣＰＵなどの処理装置にプログラムを実行させること、即ち、ソフトウェアにより実現してもよいし、ＩＣなどのハードウェアにより実現してもよいし、ソフトウェア及びハードウェアを併用して実現してもよい。撮像部２２は、例えば、デジタルカメラなどの撮像装置により実現できる。フィードバック情報記憶部２３は、例えば、ＨＤＤ、ＳＳＤ、メモリカード、光ディスク、及びＲＡＭなどの磁気的、光学的、又は電気的に記憶可能な記憶装置により実現できる。表示部２４は、例えば、液晶ディスプレイやタッチパネルディスプレイなどの表示装置により実現できる。出力部２５は、例えば、ＮＩＣなどの通信装置により実現できる。

【0025】

撮像部２２は、合成被対象物を撮像して被合成画像を生成する。合成被対象物は、例えば、ユーザなどが該当する。

【0026】

フィードバック情報記憶部２３は、フィードバック情報を記憶する。なお、フィードバック情報の詳細については、後述する。

【0027】

合成部２１は、画像合成部２６と、フィードバック部２７とを含む。

【0028】

画像合成部２６は、撮像部２２により生成された被合成画像と商品（例えば、衣服）の合成用画像とを合成する。具体的には、画像合成部２６は、複数の商品の商品情報をサーバ装置３０から取得し、取得した商品情報それぞれに含まれる合成用画像を表示部２４に表示し、ユーザにより選択された合成用画像を撮像部２２により生成された被合成画像と合成する。画像合成部２６が取得する商品情報は、例えば、商品の商品ＩＤ（商品識別情報の一例）、及び合成用画像群を含む。なお、合成用画像は商品のカテゴリ毎に存在するため合成用画像群となっている。カテゴリは、商品の種類や用途であってもよいし、商品の試着の態様であってもよい。

【0029】

なお、画像合成部２６は、フィードバック情報記憶部２３に、フィードバック情報が記憶されている場合、当該フィードバック情報が示す合成用画像をユーザが優先的に選択可能なように表示部２４に表示する。

【0030】

フィードバック部２７は、サーバ装置３０から送信された情報に基づくフィードバック情報をフィードバック情報記憶部２３に記憶する。

【0031】

表示部２４は、ユーザ選択用に合成用画像を表示したり、画像合成部２６により合成された合成画像を表示したりする。

【0032】

出力部２５は、合成情報をサーバ装置３０へ出力する。合成情報は、少なくとも画像合成部２６により推定された商品の商品ＩＤを含む。なお、合成情報に、被合成画像の被合成画像情報や合成用画像の合成用画像情報を含めてもよい。ここで、被合成画像情報は、被合成画像そのものであってもよいし、被合成画像に加え、被合成画像をセンシングすることによって得られた奥行き（デプス）情報、人物の概形を示す骨格情報、身長、体重、胸囲、及び座高等の計測情報を含めてもよい。合成用画像情報は、合成用画像そのものであってもよいし、合成用画像の画像ＩＤであってもよい。また、合成情報に、合成日時、合成位置、ユーザのユーザＩＤ、及び商品のカテゴリなどを含めてもよい。

【0033】

図４は、第１実施形態のサーバ装置３０の一例を示す構成図である。図４に示すように、サーバ装置３０は、第１取得部３１と、認識情報記憶部３２と、第２取得部３３と、合成情報記憶部３４と、解析部３５と、出力部３６と、商品情報記憶部３７とを、備える。

【0034】

第１取得部３１、第２取得部３３、及び解析部３５は、例えば、ＣＰＵなどの処理装置にプログラムを実行させること、即ち、ソフトウェアにより実現してもよいし、ＩＣなどのハードウェアにより実現してもよいし、ソフトウェア及びハードウェアを併用して実現してもよい。認識情報記憶部３２、合成情報記憶部３４、及び商品情報記憶部３７は、例えば、ＨＤＤ、ＳＳＤ、メモリカード、光ディスク、及びＲＡＭなどの磁気的、光学的、又は電気的に記憶可能な記憶装置により実現できる。出力部３６は、例えば、ＮＩＣなどの通信装置により実現できる。

【0035】

第１取得部３１は、認識部１１（出力部１５）から、認識部１１により推定された商品の商品ＩＤを少なくとも含む認識情報を取得し、認識情報記憶部３２に記憶する。なお、認識情報は、出力部１５で説明したような情報を更に含んでいてもよい。

【0036】

認識情報記憶部３２は、第１取得部３１により記憶された複数の認識情報を記憶する。図５は、第１実施形態の認識情報の一例を示す図である。図５に示す例では、認識情報は、Ｎｏ．と、認識日時と、商品画像情報と、商品ＩＤと、第１端末１０において表示した関連情報とを、対応付けた情報となっているが、これに限定されるものではない。

【0037】

第２取得部３３は、合成部２１（出力部２５）から、被合成画像と合成された合成用画像の商品の商品ＩＤを少なくとも含む合成情報を取得し、合成情報記憶部３４に記憶する。なお、合成情報は、出力部２５で説明したような情報を更に含んでいてもよい。

【0038】

合成情報記憶部３４は、第２取得部３３により記憶された複数の合成情報を記憶する。図６は、第１実施形態の合成情報の一例を示す図である。図６に示す例では、合成情報は、Ｎｏ．と、合成日時と、被合成画像情報と、商品ＩＤと、カテゴリとを、対応付けた情報となっているが、これに限定されるものではない。

【0039】

解析部３５は、認識情報記憶部３２に記憶されている複数の認識情報及び合成情報記憶部３４に記憶されている複数の合成情報を解析して、商品優先度を商品毎に算出する。具体的には、解析部３５は、複数の認識情報を解析して第１商品優先度を商品毎に算出し、複数の合成情報を解析して第２商品優先度を商品毎に算出し、商品毎の第１商品優先度及び第２商品優先度に基づいて商品毎の商品優先度を算出する。

【0040】

例えば、解析部３５は、ある商品について、第１商品優先度Ｅｒ及び第２商品優先度Ｅｓを算出し、算出した第１商品優先度Ｅｒ及び第２商品優先度Ｅｓを数式（１）に示すように重み付け加算することで、ある商品の商品優先度Ｅを算出する。なお、第１商品優先度Ｅｒを算出した商品の商品ＩＤが複数の合成情報内に存在しなければ、当該商品の第２商品優先度Ｅｓは当然０となり、第２商品優先度Ｅｓを算出した商品の商品ＩＤが複数の認識情報内に存在しなければ、当該商品の第１商品優先度Ｅｒは当然０となる。

【0041】

Ｅ＝ｗｒ×Ｅｒ＋ｗｓ×Ｅｓ …（１）

【0042】

ここで、ｗｒは優先度Ｅｒに対する重み、ｗｓは優先度Ｅｓに対する重みである。

【0043】

なお、解析部３５は、複数の認識情報を解析し、認識日時が現在日時に近いほど当該認識日時に対応付けられた商品ＩＤが示す商品の第１商品優先度Ｅｒを高くする。つまり、解析部３５は、かざした日時が現在日時に近い商品ほど第１商品優先度Ｅｒが高くなるように設定する。

【0044】

また解析部３５は、複数の認識情報を解析し、値が一致する商品ＩＤの数が多いほど、当該商品ＩＤが示す商品の第１商品優先度Ｅｒを高くする。つまり、解析部３５は、かざした回数が多い商品ほど第１商品優先度Ｅｒが高くなるように設定する。

【0045】

同様に、解析部３５は、複数の合成情報を解析し、合成情報に含まれる合成日時が現在日時に近いほど当該合成日時に対応付けられた商品ＩＤが示す商品の第２商品優先度Ｅｓを高くする。つまり、解析部３５は、ためした日時が現在日時に近い商品ほど第２商品優先度Ｅｓが高くなるように設定する。

【0046】

また解析部３５は、複数の合成情報を解析し、値が一致する商品ＩＤの数が多いほど、当該商品ＩＤが示す商品の第２商品優先度Ｅｓを高くする。つまり、解析部３５は、ためした回数が多い商品ほど第２商品優先度Ｅｓが高くなるように設定する。

【0047】

また解析部３５は、商品優先度Ｅが第１所定条件を満たす商品の商品ＩＤを含む合成情報が複数の合成情報内に存在するか否かを更に解析して、複数種類の関連情報のうち当該解析の解析結果に応じた関連情報を推奨する第１推奨情報を生成する。第１所定条件は、閾値であってもよいし、１位から予め定められた順位までの商品優先度Ｅなどであってもよい。

【0048】

例えば解析部３５は、商品優先度Ｅが第１所定条件を満たす商品の商品ＩＤを含む合成情報が複数の合成情報内に存在しない場合、複数種類の関連情報のうち販売店情報を推奨する第１推奨情報を生成する。この場合、“かざす”は実行されているが、“ためす”は実行されていないため、第２端末２０が置いてある販売店の販売店情報を推奨すれば、ユーザに“ためす”を促すことができ、この結果、ユーザに対して商品の購買意欲を喚起させることができる可能性がある。

【0049】

また例えば解析部３５は、商品優先度Ｅが第１所定条件を満たす商品の商品ＩＤを含む合成情報が複数の合成情報内に存在する場合、複数種類の関連情報のうちおすすめコーディネートを推奨する第１推奨情報を生成する。この場合、“かざす”も“ためす”も実行されているため、おすすめコーディネートを推奨すれば、ユーザに対しておすすめコーディネートで推奨した他の商品の購買意欲を喚起させることができる可能性がある。

【0050】

また解析部３５は、商品優先度Ｅが第２所定条件を満たす商品のカテゴリが複数存在する場合、当該複数のカテゴリそれぞれの複数の合成情報内での登場回数を解析して、当該登場回数が最も多いカテゴリを推奨する第２推奨情報を生成する。第２所定条件は、閾値であってもよいし、１位から予め定められた順位までの商品優先度Ｅなどであってもよい。

【0051】

例えば、商品優先度Ｅが第２所定条件を満たす商品がハンドバッグ、ショルダーバッグ、及びリュックの３タイプでの持ち方のできるバッグであるとする。この場合、当該バッグのカテゴリは、ハンドバッグ、ショルダーバッグ、及びリュックとなるので、解析部３５は、ハンドバッグ、ショルダーバッグ、及びリュックそれぞれの複数の合成情報内での登場回数を解析する。そしてショルダーバッグの登場回数が最も多ければ、ショルダーバッグを推奨する第２推奨情報を生成する。この場合、ショルダーバッグで“ためす”ことがユーザに人気であるため、ショルダーバッグを推奨すれば、ユーザに対して商品の購買意欲を喚起させることができる可能性がある。但し、当該バッグについて既にショルダーバッグで“ためす”が実行されていれば、ハンドバッグやリュックなど、まだ“ためす”が実行されていないカテゴリを推奨する第２推奨情報を生成してもよい。

【0052】

出力部３６は、解析部３５により算出された商品優先度に基づく情報を認識部１１及び合成部２１の少なくとも一方に出力する。商品優先度に基づく情報は、商品優先度そのものであってもよいし、当該商品優先度の商品の関連情報や合成用画像などであってもよい。なお、関連情報や合成用画像は、商品情報記憶部３７から取得可能である。

【0053】

また出力部３６は、解析部３５により算出された商品優先度及び解析部３５により生成された第１推奨情報に基づく情報を認識部１１に出力する。商品優先度及び第１推奨情報に基づく情報は、商品優先度及び推奨する関連情報を示す情報であってもよいし、当該商品優先度の商品の推奨する関連情報などであってもよい。

【0054】

また出力部３６は、解析部３５により算出された商品優先度及び解析部３５により生成された第２推奨情報に基づく情報を合成部２１に出力する。商品優先度及び第２推奨情報に基づく情報は、商品優先度及び推奨する合成用画像の画像ＩＤであってもよいし、当該商品優先度の商品の推奨する合成用画像などであってもよい。

【0055】

このようにして出力部３６から出力された情報が、認識部１１及び合成部２１において、フィードバック情報として用いられ、第１端末１０及び第２端末２０において、ユーザの購買意欲を喚起させる蓋然性が高い情報が優先的に表示されるようになる。

【0056】

なお出力部３６は、画像認識部１６により商品情報の取得が要求された場合、要求された商品情報を商品情報記憶部３７から取得して画像認識部１６に出力する。同様に、出力部３６は、画像合成部２６により商品情報の取得が要求された場合、要求された商品情報を商品情報記憶部３７から取得して画像合成部２６に出力する。

【0057】

商品情報記憶部３７は、商品の商品情報を記憶する。図７は、第１実施形態の商品情報のデータ構造の一例を示す図である。図７に示す例では、商品情報は、商品ＩＤと、属性情報（ブランド、価格、色、及び素材・材質など）と、付随情報（口コミ、おすすめコーディネート、及び販売店情報（住所や地図等など）と、合成用画像群とを対応付けた情報となっているが、これに限定されるものではない。

【0058】

図８は、第１実施形態のサーバ装置３０で実行される処理の手順の流れの一例を示すフローチャートである。

【0059】

まず、第１取得部３１は、認識部１１（出力部１５）から、認識部１１により推定された商品の商品ＩＤを少なくとも含む認識情報を取得し、認識情報記憶部３２に記憶する（ステップＳ１０１）。

【0060】

続いて、第２取得部３３は、合成部２１（出力部２５）から、被合成画像と合成された合成用画像の商品の商品ＩＤを少なくとも含む合成情報を取得し、合成情報記憶部３４に記憶する（ステップＳ１０３）。

【0061】

続いて、解析部３５は、認識情報記憶部３２に記憶されている複数の認識情報を解析して第１商品優先度を商品毎に算出し、合成情報記憶部３４に記憶されている複数の合成情報を解析して第２商品優先度を商品毎に算出し、商品毎の第１商品優先度及び第２商品優先度に基づいて商品毎の商品優先度を算出する（ステップＳ１０５）。

【0062】

続いて、解析部３５は、商品優先度が第１所定条件を満たす商品の商品ＩＤを含む合成情報が複数の合成情報内に存在するか否かを更に解析して、複数種類の関連情報のうち当該解析の解析結果に応じた関連情報を推奨する第１推奨情報を生成する（ステップＳ１０７）。

【0063】

続いて、出力部３６は、解析部３５により算出された商品優先度及び解析部３５により生成された第１推奨情報に基づく情報を認識部１１に出力する（ステップＳ１０９）。

【0064】

続いて、解析部３５は、商品優先度が第２所定条件を満たす商品のカテゴリが複数存在する場合、当該複数のカテゴリそれぞれの複数の合成情報内での登場回数を解析して、当該登場回数が最も多いカテゴリを推奨する第２推奨情報を生成する（ステップＳ１１１）。

【0065】

続いて、出力部３６は、解析部３５により算出された商品優先度及び解析部３５により生成された第２推奨情報に基づく情報を合成部２１に出力する（ステップＳ１１３）。

【0066】

以上のように、第１実施形態によれば、認識情報の履歴と合成情報の履歴とを解析して商品優先度を算出することで、様々なＯ２Ｏ関連技術の履歴を加味した商品優先度を算出できるので、ユーザにとってより興味深い商品を抽出することができる。そして第１実施形態によれば、算出した商品優先度に基づく情報を認識部及び合成部に出力しているので、認識部及び合成部は、この情報を用いることでユーザにとってより興味深い商品を優先的に提示でき、ユーザの購買意欲を喚起させる蓋然性を高めることができる。

【0067】

特に第１実施形態によれば、ユーザにとってより興味深い商品だけでなく、当該商品の複数種類の関連情報のうちユーザの購買意欲を喚起させる蓋然性が高い情報を抽出できるので、認識部は、この情報を用いることでユーザにとってより興味深い情報を優先的に提示でき、ユーザの購買意欲を喚起させる蓋然性を高めることができる。

【0068】

同様に第１実施形態によれば、ユーザにとってより興味深い商品だけでなく、当該商品のカテゴリのうちユーザの購買意欲を喚起させる蓋然性が高いカテゴリの情報を抽出できるので、合成部は、この情報を用いることでユーザにとってより興味深い情報を優先的に提示でき、ユーザの購買意欲を喚起させる蓋然性を高めることができる。

【0069】

なお第１実施形態では、認識部１１（出力部１５）は、認識情報に商品画像情報と関連情報とを含めることができるので、どのような実物体にかざすことでどのような商品にユーザが興味を持ったかを把握することもできる。例えば、広告Ａにかざして商品Ｘに興味を持ったのか、広告Ｂにかざして商品Ｘに興味を持ったのかを把握することができ、ユーザが商品Ｘに興味をもった経緯を解析に利用することもできる。

【0070】

同様に第１実施形態では、合成部２１（出力部２５）は、合成情報に被合成画像情報と合成用画像情報とを含めることができるので、どのような被合成画像にどのような合成用画像を合成したかを把握することもできる。例えば、体型Ａの人は衣服Ｙを試着することが多い、体型Ｂの人は衣服Ｚを試着することが多いなどといったことを把握することができ、ユーザ毎の“ためす”の傾向をデータ解析によって求めることもできる。

【0071】

（第２実施形態）
第２実施形態では、商品の販売に関する販売情報を管理する管理部を備える第３端末を更に備える例について説明する。以下では、第１実施形態との相違点の説明を主に行い、第１実施形態と同様の機能を有する構成要素については、第１実施形態と同様の名称・符号を付し、その説明を省略する。

【0072】

図９は、第２実施形態のシステム１０１の一例を示す構成図である。図９に示すように、システム１０１は、サーバ装置１３０及び第３端末１４０が、第１実施形態と相違する。

【0073】

第２実施形態では、第３端末１４０が、管理部１４１を備えており、商品の販売に関する販売情報を管理する管理端末である場合を例に取り説明する。

【0074】

図１０は、第２実施形態の第３端末１４０の一例を示す構成図である。図１０に示すように、第３端末１４０は、管理部１４１と、販売情報記憶部１４２と、表示部１４３と、出力部１４４とを、備える。

【0075】

管理部１４１は、例えば、ＣＰＵなどの処理装置にプログラムを実行させること、即ち、ソフトウェアにより実現してもよいし、ＩＣなどのハードウェアにより実現してもよいし、ソフトウェア及びハードウェアを併用して実現してもよい。販売情報記憶部１４２は、例えば、ＨＤＤ、ＳＳＤ、メモリカード、光ディスク、及びＲＡＭなどの磁気的、光学的、又は電気的に記憶可能な記憶装置により実現できる。表示部１４３は、例えば、液晶ディスプレイやタッチパネルディスプレイなどの表示装置により実現できる。出力部１４４は、例えば、ＮＩＣなどの通信装置により実現できる。

【0076】

販売情報記憶部１４２は、商品の販売に関する販売情報を記憶する。販売情報は、例えば、商品の購買内容を示す購買情報、商品の販売促進に関する販促情報、顧客情報、在庫情報、及び店舗スタッフへの教育に関する教育情報などを含む。購買情報は、購買対象の商品の商品ＩＤを少なくとも含む。なお、購買情報に購買日時を含めるようにしてもよい。販促情報は、商品画像を用いた販売促進に関する第１販促情報や、合成用画像を用いた販売促進に関する第２販促情報を含む。販促情報は、例えば、広告戦略、店舗レイアウト、調達計画、商品ラインナップ、及び顧客への商品推薦方法に関する情報などが挙げられる。

【0077】

管理部１４１は、販売情報記憶部１４２に記憶されている販売情報を管理する。

【0078】

表示部１４３は、管理部１４１により管理されている販売情報を表示する。

【0079】

出力部１４４は、販売情報をサーバ装置１３０へ出力する。例えば、出力部１４４は、購買情報及び販促情報をサーバ装置１３０へ出力する。

【0080】

図１１は、第２実施形態のサーバ装置１３０の一例を示す構成図である。図１１に示すように、サーバ装置１３０は、解析部１３５、第３取得部１３８、及び販売情報記憶部１３９が、第１実施形態と相違する。

【0081】

第３取得部１３８は、例えば、ＣＰＵなどの処理装置にプログラムを実行させること、即ち、ソフトウェアにより実現してもよいし、ＩＣなどのハードウェアにより実現してもよいし、ソフトウェア及びハードウェアを併用して実現してもよい。販売情報記憶部１３９は、例えば、ＨＤＤ、ＳＳＤ、メモリカード、光ディスク、及びＲＡＭなどの磁気的、光学的、又は電気的に記憶可能な記憶装置により実現できる。

【0082】

第３取得部１３８は、管理部１４１（出力部１４４）から、購買対象の商品の商品ＩＤを少なくとも含む購買情報及び販促情報を取得し、販売情報記憶部１３９に記憶する。なお、購買情報及び販促情報は、販売情報記憶部１４２で説明したような情報を更に含んでいてもよい。

【0083】

販売情報記憶部１３９は、第３取得部１３８により記憶された複数の購買情報及び販促情報を記憶する。図１２は、第２実施形態の購買情報の一例を示す図である。図１２に示す例では、購買情報は、Ｎｏ．と、購買日時と、商品ＩＤとを、対応付けた情報となっているが、これに限定されるものではない。

【0084】

解析部１３５は、認識情報記憶部３２に記憶されている複数の認識情報、合成情報記憶部３４に記憶されている複数の合成情報、及び販売情報記憶部１３９に記憶されている複数の購買情報を解析して、商品優先度を商品毎に算出する第１解析、並びに複数の購買情報に加え、複数の認識情報及び複数の合成情報の少なくとも一方を解析して、販促情報の更新内容を求める第２解析の少なくとも一方を行う。

【0085】

まず、第１解析について説明する。

【0086】

解析部１３５は、複数の認識情報を解析して第１商品優先度を商品毎に算出し、複数の合成情報を解析して第２商品優先度を商品毎に算出し、複数の購買情報を解析して第３商品優先度を商品毎に算出し、商品毎の第１商品優先度、第２商品優先度、及び第３商品優先度に基づいて商品毎の商品優先度を算出する。

【0087】

例えば、解析部１３５は、ある商品について、第１商品優先度Ｅｒ、第２商品優先度Ｅｓ、及び第３商品優先度Ｅｂを算出し、算出した第１商品優先度Ｅｒ、第２商品優先度Ｅｓ、及び第３商品優先度Ｅｂを数式（２）に示すように重み付け加算することで、ある商品の商品優先度Ｅを算出する。

【0088】

Ｅ＝ｗｒ×Ｅｒ＋ｗｓ×Ｅｓ＋ｗｂ×Ｅｂ …（２）

【0089】

ここで、ｗｂは優先度Ｅｂに対する重みである。

【0090】

なお、解析部１３５は、複数の認識情報を解析し、認識日時が現在日時に近いほど当該認識日時に対応付けられた商品ＩＤが示す商品の第１商品優先度Ｅｒを高くする。つまり、解析部１３５は、かざした日時が現在日時に近い商品ほど第１商品優先度Ｅｒが高くなるように設定する。

【0091】

また解析部１３５は、複数の認識情報を解析し、値が一致する商品ＩＤの数が多いほど、当該商品ＩＤが示す商品の第１商品優先度Ｅｒを高くする。つまり、解析部１３５は、かざした回数が多い商品ほど第１商品優先度Ｅｒが高くなるように設定する。

【0092】

同様に、解析部１３５は、複数の合成情報を解析し、合成情報に含まれる合成日時が現在日時に近いほど当該合成日時に対応付けられた商品ＩＤが示す商品の第２商品優先度Ｅｓを高くする。つまり、解析部１３５は、ためした日時が現在日時に近い商品ほど第２商品優先度Ｅｓが高くなるように設定する。

【0093】

また解析部１３５は、複数の合成情報を解析し、値が一致する商品ＩＤの数が多いほど、当該商品ＩＤが示す商品の第２商品優先度Ｅｓを高くする。つまり、解析部１３５は、ためした回数が多い商品ほど第２商品優先度Ｅｓが高くなるように設定する。

【0094】

同様に、解析部１３５は、複数の購買情報を解析し、購買情報に含まれる購買日時が現在日時に近いほど当該購買日時に対応付けられた商品ＩＤが示す商品の第３商品優先度Ｅｂを高くする。つまり、解析部１３５は、購入日時が現在日時に近い商品ほど第３商品優先度Ｅｂが高くなるように設定する。

【0095】

また解析部１３５は、複数の購買情報を解析し、値が一致する商品ＩＤの数が多いほど、当該商品ＩＤが示す商品の第３商品優先度Ｅｂを高くする。つまり、解析部１３５は、購買回数が多い商品ほど第３商品優先度Ｅｂが高くなるように設定する。

【0096】

なお、第１推奨情報及び第２推奨情報の生成については、第１実施形態と同様であるため、説明を省略する。

【0097】

次に、第２解析について説明する。

【0098】

解析部１３５は、複数の購買情報に加え、複数の認識情報及び複数の合成情報の少なくとも一方を解析することで、ユーザの“かざす”という行為や“ためす”という行為が商品の購買に繋がったか否かを判断し、販促情報の更新内容を求める。

【0099】

具体的には、解析部１３５は、複数の購買情報を解析し、値の一致数が第３所定条件を満たす商品ＩＤに対応付けられた商品画像情報の複数の認識情報内での登場回数を解析し、商品画像情報の登場回数に応じた第１販促情報の更新内容を求める。第３所定条件は、例えば、値を増加するか否かの判定用の増加判定閾値及び値を減少するか否かの判定用の減少判定閾値を含む複数段階の閾値が該当する。

【0100】

図１３は、第２実施形態の更新前の第１販促情報の一例を示す図であり、図１４は、第２実施形態の更新後の第１販促情報の一例を示す図である。図１３及び図１４に示す例では、第１販促情報は、Ｎｏ．と、広告ＩＤと、商品画像の画像ＩＤ（商品画像情報）と、広告数とを、対応付けた情報となっているが、これに限定されるものではない。図１３に示す例において、画像ＩＤ「画像１０３９２」及び「画像１０１９２」それぞれに対応する商品ＩＤの複数の購買情報内における値の一致数が増加判定閾値を満足し、画像ＩＤ「画像１０２９１」に対応する商品ＩＤの複数の購買情報内における値の一致数が減少判定閾値を満足するとする。そして複数の認識情報内での画像ＩＤ「画像１０３９２」及び「画像１０１９２」の登場回数が平均より多く、画像ＩＤ「画像１０２９１」の登場回数が平均より極めて少なかったとする。

【0101】

つまり、画像ＩＤ「画像１０３９２」及び「画像１０１９２」の商品については、広告Ａや広告Ｃにかざされたことがきっかけで商品の購入に繋がっており、広告Ａや広告Ｃの効果が高く、広告Ａや広告Ｃを用いた販売促進を強化すべきであることがわかる。一方、画像ＩＤ「画像１０２９１」の商品については、広告Ｂにかざされたことが商品の購入に繋がっておらず、広告Ｂの効果が低く、広告Ｂを用いた販売促進を弱化すべきであることがわかる。

【0102】

この場合、解析部１３５は、第１販促情報の更新内容として、例えば、画像ＩＤ「画像１０３９２」及び「画像１０１９２」の広告数を＋１０、画像ＩＤ「画像１０２９１」の広告数を−２０とする更新内容を求める。この結果、図１３に示す第１販促情報を図１４に示すような第１販促情報に更新することが可能となる。

【0103】

また、解析部１３５は、複数の購買情報を解析し、値の一致数が第４所定条件を満たす商品ＩＤに対応付けられた合成用画像情報の複数の合成情報内での登場回数を解析し、合成用画像情報の登場回数に応じた第２販促情報の更新内容を求める。第４所定条件は、例えば、値を増加するか否かの判定用の増加判定閾値及び値を減少するか否かの判定用の減少判定閾値を含む複数段階の閾値が該当する。

【0104】

また、解析部１３５は、複数の購買情報を解析し、商品の併売率を判断することで、店舗レイアウトの更新内容を求めることもできる。商品の併売率は、購買情報の購買日時などから算出できる。

【0105】

図１５は、第２実施形態の更新前の店舗レイアウト情報の一例を示す図であり、図１６は、第２実施形態の更新後の店舗レイアウト情報の一例を示す図である。図１５及び図１６に示す例では、店舗レイアウト情報は、Ｎｏ．と、棚ＩＤと、商品ＩＤとを、対応付けた情報となっているが、これに限定されるものではない。なお、棚Ａと棚Ｂは、隣接しているが、棚Ｃは、棚Ａ、棚Ｂにも隣接していないものとする。図１５に示す例において、商品ＩＤ「商品２０９２８」及び「商品２０２９０」の併売率が増加判定閾値を満足したとする。

【0106】

つまり、商品ＩＤ「商品２０９２８」及び「商品２０２９０」については、併売率が高いため、隣接する棚に置いて販売促進を強化すべきであることがわかる。この場合、解析部１３５は、店舗レイアウト情報の更新内容として、商品ＩＤ「商品２０２９０」の商品を棚Ｂに配置し、商品ＩＤ「商品２０６６０」の商品を棚Ｃに配置する更新内容を求める。この結果、図１５に示す店舗レイアウト情報を図１６に示すように店舗レイアウト情報のように更新することが可能となる。

【0107】

出力部３６は、解析部１３５により算出された商品優先度に基づく情報を認識部１１及び合成部２１の少なくとも一方に出力する第１出力、並びに解析部１３５により求められた更新内容を管理部１４１に出力する第２出力の少なくとも一方を行う。

【0108】

第１出力については、第１実施形態と同様であるため説明を省略する。

【0109】

第２出力については、このようにして出力部３６から出力された情報が、管理部１４１において、販促情報の更新に用いられ、第３端末１４０において、ユーザの購買意欲をより喚起させる蓋然性が高い販促情報が管理されるようになる。

【0110】

図１７は、第２実施形態のサーバ装置１３０で実行される処理の手順の流れの一例を示すフローチャートである。

【0111】

まず、第１取得部３１は、認識部１１（出力部１５）から、認識部１１により推定された商品の商品ＩＤを少なくとも含む認識情報を取得し、認識情報記憶部３２に記憶する（ステップＳ４０１）。

【0112】

続いて、第２取得部３３は、合成部２１（出力部２５）から、被合成画像と合成された合成用画像の商品の商品ＩＤを少なくとも含む合成情報を取得し、合成情報記憶部３４に記憶する（ステップＳ４０３）。

【0113】

続いて、第３取得部１３８は、管理部１４１（出力部１４４）から、購買対象の商品の商品ＩＤを少なくとも含む購買情報及び販促情報を取得し、販売情報記憶部１３９に記憶する（ステップＳ４０５）。

【0114】

続いて、解析部１３５は、認識情報記憶部３２に記憶されている複数の認識情報を解析して第１商品優先度を商品毎に算出し、合成情報記憶部３４に記憶されている複数の合成情報を解析して第２商品優先度を商品毎に算出し、販売情報記憶部１３９に記憶されている複数の購買情報を解析して第３商品優先度を商品毎に算出し、商品毎の第１商品優先度、第２商品優先度、及び第３商品優先度に基づいて商品毎の商品優先度を算出する（ステップＳ４０７）。

【0115】

続いて、解析部１３５は、商品優先度が第１所定条件を満たす商品の商品ＩＤを含む合成情報が複数の合成情報内に存在するか否かを更に解析して、複数種類の関連情報のうち当該解析の解析結果に応じた関連情報を推奨する第１推奨情報を生成する（ステップＳ４０９）。

【0116】

続いて、出力部３６は、解析部１３５により算出された商品優先度及び解析部１３５により生成された第１推奨情報に基づく情報を認識部１１に出力する（ステップＳ４１１）。

【0117】

続いて、解析部１３５は、商品優先度が第２所定条件を満たす商品のカテゴリが複数存在する場合、当該複数のカテゴリそれぞれの複数の合成情報内での登場回数を解析して、当該登場回数が最も多いカテゴリを推奨する第２推奨情報を生成する（ステップＳ４１３）。

【0118】

続いて、出力部３６は、解析部１３５により算出された商品優先度及び解析部１３５により生成された第２推奨情報に基づく情報を合成部２１に出力する（ステップＳ４１５）。

【0119】

続いて、解析部１３５は、複数の購買情報に加え、複数の認識情報及び複数の合成情報の少なくとも一方を解析して、販促情報の更新内容を求める（ステップＳ４１７）。

【0120】

続いて、出力部３６は、解析部１３５により求められた販促情報の更新内容を管理部１４１に出力する（ステップＳ４１９）。

【0121】

以上のように、第２実施形態によれば、更に購買情報を解析して商品優先度を算出することで、ユーザにとってより興味深い商品をより効果的に抽出することができる。そして第２実施形態によれば、算出した商品優先度に基づく情報を認識部及び合成部に出力しているので、認識部及び合成部は、この情報を用いることでユーザにとってより興味深い商品をより優先的に提示でき、ユーザの購買意欲を喚起させる蓋然性をより高めることができる。

【0122】

また第２実施形態によれば、購買情報の履歴に加え、認識情報の履歴及び合成情報の履歴の少なくとも一方を解析して販促情報の更新内容を求めることで、より効果的な販売管理を実現することができ、例えば、広告の効果分析、改善、商品ラインナップの改善、顧客への商品推薦の効率化（店舗スタッフの教育方法改善）、調達計画の改善、及び店舗レイアウトの改善に繋げることができる。

【0123】

（変形例）
上記各実施形態では、“かざす”を実現する画像認識端末、“ためす”を実現する画像合成端末、販売情報を管理する管理端末の履歴を用いる例について説明したが、これに限定されず、かざした商品の属性に応じて関連する商品情報を検索する“さがす”を実現する端末の履歴など、様々なＯ２Ｏ関連の技術を用いる端末の履歴を用いることができる。

【0124】

また、上記各実施形態において、解析部３５は、必ずしも全ての履歴を解析する必要はない。つまり、解析部３５は、いずれかの重みを０としてもよい。

【0125】

また、上記各実施形態では、認識部１１を備える第１端末１０と、合成部２１を備える第２端末２０とが、異なる端末である例について説明したが、図１８に示すシステム２０１のように、認識部１１及び合成部２１が１つの端末２５０に備えられていてもよい。

【0126】

（ハードウェア構成）
図１９は、上記各実施形態及び各変形例のサーバ装置のハードウェア構成の一例を示す図である。上記各実施形態及び各変形例のサーバ装置は、ＣＰＵなどの制御装置９０１と、ＲＯＭやＲＡＭなどの記憶装置９０２と、ＨＤＤなどの外部記憶装置９０３と、ディスプレイなどの表示装置９０４と、キーボードやマウスなどの入力装置９０５と、通信インタフェースなどの通信装置９０６と、を備えており、通常のコンピュータを利用したハードウェア構成となっている。

【0127】

上記各実施形態及び各変形例のサーバ装置で実行されるプログラムは、インストール可能な形式又は実行可能な形式のファイルでＣＤ−ＲＯＭ、ＣＤ−Ｒ、メモリカード、ＤＶＤ（Digital Versatile Disk）、フレキシブルディスク（ＦＤ）等のコンピュータで読み取り可能な記憶媒体に記憶されて提供される。

【0128】

また、上記各実施形態及び各変形例のサーバ装置で実行されるプログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するようにしてもよい。また、上記各実施形態及び各変形例のサーバ装置で実行されるプログラムを、インターネット等のネットワーク経由で提供または配布するようにしてもよい。また、上記各実施形態及び各変形例のサーバ装置で実行されるプログラムを、ＲＯＭ等に予め組み込んで提供するようにしてもよい。

【0129】

上記各実施形態及び各変形例のサーバ装置で実行されるプログラムは、上述した各部をコンピュータ上で実現させるためのモジュール構成となっている。実際のハードウェアとしては、ＣＰＵがＨＤＤからプログラムをＲＡＭ上に読み出して実行することにより、上記各部がコンピュータ上で実現されるようになっている。

【0130】

なお、本発明は、上記実施の形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化することができる。また、上記実施の形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成することができる。例えば、実施の形態に示される全構成要素からいくつかの構成要素を削除してもよい。さらに、異なる実施の形態にわたる構成要素を適宜組み合わせても良い。

【0131】

例えば、上記各実施形態のフローチャートにおける各ステップを、その性質に反しない限り、実行順序を変更し、複数同時に実施し、あるいは実施毎に異なった順序で実施してもよい。

【0132】

以上のように、上記各実施形態及び各変形例によれば、ユーザの購買意欲を喚起させる蓋然性が高い情報を抽出できる。

【符号の説明】

【0133】

１、１０１、２０１ システム
２ ネットワーク
１０ 第１端末
１１ 認識部
１２ 撮像部
１３ フィードバック情報記憶部
１４ 表示部
１５ 出力部
１６ 画像認識部
１７ フィードバック部
２０ 第２端末
２１ 合成部
２２ 撮像部
２３ フィードバック情報記憶部
２４ 表示部
２５ 出力部
２６ 画像合成部
２７ フィードバック部
３０，１３０ サーバ装置
３１ 第１取得部
３２ 認識情報記憶部
３３ 第２取得部
３４ 合成情報記憶部
３５、１３５ 解析部
３６ 出力部
３７ 商品情報記憶部
１３８ 第３取得部
１３９ 販売情報記憶部
１４０ 第３端末
１４１ 管理部
１４２ 販売情報記憶部
１４３ 表示部
１４４ 出力部
９０１ 制御装置
９０２ 記憶装置
９０３ 外部記憶装置
９０４ 表示装置
９０５ 入力装置
９０６ 通信装置

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】

【図17】

【図18】

【図19】