知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2022129411
(43)【公開日】2022-09-06
(54)【発明の名称】レコメンドシステム、レコメンドシステムのプログラム
(51)【国際特許分類】
G06Q 30/02 20120101AFI20220830BHJP
【ＦＩ】
G06Q30/02 380
【審査請求】未請求
【請求項の数】6
【出願形態】ＯＬ
(21)【出願番号】P 2021028056
(22)【出願日】2021-02-25
(71)【出願人】
【識別番号】520173428
【氏名又は名称】株式会社Ｎｅｗ Ｏｒｄｉｎａｒｙ
(74)【代理人】
【識別番号】100168538
【弁理士】
【氏名又は名称】加藤 来
(72)【発明者】
【氏名】作井 孝至
(72)【発明者】
【氏名】和歌 汰樹
(72)【発明者】
【氏名】古賀 一徳
【テーマコード（参考）】
5L049
【Ｆターム（参考）】
5L049BB08
(57)【要約】
【課題】ユーザーがかつては望まなかったようなこと（潜在的な嗜好）に対してユーザーに自発的に選択させて行動を促すことで、ユーザーの行動の偏りを克服・矯正するレコメンドシステムを提供する。
【解決手段】レコメンドシステム１００は、ユーザー端末１１０とサーバ１２０とを備え、ユーザー端末またはサーバにおいて、人工知能を有したレコメンド手段が、お勧めの行動を促すことであるレコメンドナッジの論理的手法を複数有し、ユーザー端末において入力された情報またはユーザー端末の履歴情報から得られたユーザータイプ傾向情報と、過去のユーザータイプのタイプ別の論理的手法の有効性から得られるタイプ別論理的傾向情報とに基づいて、複数あるレコメンドナッジの論理的手法の中から１つを選択して、選択した論理的手法に沿って商品・サービス・場所をユーザー端末の表示部１１１に表示してお勧めする。
【選択図】図１
【解決手段】レコメンドシステム１００は、ユーザー端末１１０とサーバ１２０とを備え、ユーザー端末またはサーバにおいて、人工知能を有したレコメンド手段が、お勧めの行動を促すことであるレコメンドナッジの論理的手法を複数有し、ユーザー端末において入力された情報またはユーザー端末の履歴情報から得られたユーザータイプ傾向情報と、過去のユーザータイプのタイプ別の論理的手法の有効性から得られるタイプ別論理的傾向情報とに基づいて、複数あるレコメンドナッジの論理的手法の中から１つを選択して、選択した論理的手法に沿って商品・サービス・場所をユーザー端末の表示部１１１に表示してお勧めする。
【選択図】図１
【特許請求の範囲】
【請求項1】
ユーザー端末とサーバとを備えてユーザーに対して商品・サービス・場所のいずれかをお勧めするレコメンドシステムであって、
前記ユーザー端末またはサーバにおいて、人工知能を有したレコメンド手段が、お勧めの行動を促すことであるレコメンドナッジの論理的手法を複数有し、
複数のレコメンドナッジの論理的手法は、それぞれ論理的に促し方が異なり、
前記レコメンド手段が、前記ユーザー端末において入力された情報またはユーザー端末の履歴情報から得られたユーザータイプ傾向情報と、過去のユーザータイプのタイプ別の論理的手法の有効性から得られるタイプ別論理的傾向情報とに基づいて、複数あるレコメンドナッジの論理的手法の中から１つを選択して、選択した論理的手法に沿って商品・サービス・場所をユーザー端末の表示部に表示してお勧めする構成であることを特徴とするレコメンドシステム。
前記ユーザー端末またはサーバにおいて、人工知能を有したレコメンド手段が、お勧めの行動を促すことであるレコメンドナッジの論理的手法を複数有し、
複数のレコメンドナッジの論理的手法は、それぞれ論理的に促し方が異なり、
前記レコメンド手段が、前記ユーザー端末において入力された情報またはユーザー端末の履歴情報から得られたユーザータイプ傾向情報と、過去のユーザータイプのタイプ別の論理的手法の有効性から得られるタイプ別論理的傾向情報とに基づいて、複数あるレコメンドナッジの論理的手法の中から１つを選択して、選択した論理的手法に沿って商品・サービス・場所をユーザー端末の表示部に表示してお勧めする構成であることを特徴とするレコメンドシステム。
【請求項2】
前記レコメンド手段が、視覚的表現であるレコメンドユーザーインターフェースの視覚的表現手法を複数有し、
複数のレコメンドユーザーインターフェースの視覚的表現手法は、それぞれ視覚の重視事項が異なり、
前記レコメンド手段が、前記ユーザー端末において入力された情報またはユーザー端末の履歴情報から得られたユーザータイプ傾向情報と、過去のユーザータイプのタイプ別の視覚的表現手法の有効性から得られるタイプ別視覚的表現傾向情報とに基づいて、複数あるレコメンドユーザーインターフェースの視覚的表現手法の中から１つまたは複数を選択して、選択した視覚的表現手法を、選択した論理的手法と組み合わせて商品・サービス・場所をユーザー端末の表示部に表示する構成であることを特徴とする請求項１に記載のレコメンドシステム。
複数のレコメンドユーザーインターフェースの視覚的表現手法は、それぞれ視覚の重視事項が異なり、
前記レコメンド手段が、前記ユーザー端末において入力された情報またはユーザー端末の履歴情報から得られたユーザータイプ傾向情報と、過去のユーザータイプのタイプ別の視覚的表現手法の有効性から得られるタイプ別視覚的表現傾向情報とに基づいて、複数あるレコメンドユーザーインターフェースの視覚的表現手法の中から１つまたは複数を選択して、選択した視覚的表現手法を、選択した論理的手法と組み合わせて商品・サービス・場所をユーザー端末の表示部に表示する構成であることを特徴とする請求項１に記載のレコメンドシステム。
【請求項3】
前記ユーザー端末またはサーバが、人工知能を有したユーザータイプ分類手段を有し、
前記ユーザータイプ分類手段が、ビッグデータからユーザータイプのクラス分類情報を取得し、ユーザーの個人情報、嗜好情報、行動履歴情報、ソーシャルネットワーキングサービス情報の少なくとも１つからクラス分類情報に基づいてユーザータイプ傾向情報を推定し、
前記レコメンド手段が、推定されたユーザータイプ傾向情報に基づいて、レコメンドナッジの論理的手法、または、レコメンドユーザーインターフェースの視覚的表現手法を選択する構成であることを特徴とする請求項１または請求項２に記載のレコメンドシステム。
前記ユーザータイプ分類手段が、ビッグデータからユーザータイプのクラス分類情報を取得し、ユーザーの個人情報、嗜好情報、行動履歴情報、ソーシャルネットワーキングサービス情報の少なくとも１つからクラス分類情報に基づいてユーザータイプ傾向情報を推定し、
前記レコメンド手段が、推定されたユーザータイプ傾向情報に基づいて、レコメンドナッジの論理的手法、または、レコメンドユーザーインターフェースの視覚的表現手法を選択する構成であることを特徴とする請求項１または請求項２に記載のレコメンドシステム。
【請求項4】
前記レコメンド手段が、お勧めする商品・サービス・場所を選択する際、複数の商品・サービス・場所についての情報の中から、同じユーザータイプ傾向情報の他のユーザーが選んだもののうち、最も多くの他のユーザーが選んだものを選択してお勧めする構成であ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つに記載のレコメンドシステム。
【請求項5】
前記ユーザー端末において、ユーザーの行先のカテゴリーについての選択が行われた場合、レコメンド手段が、選択された行先のカテゴリーに応じて、選択した論理的手法に沿って商品・サービス・場所をユーザー端末の表示部に表示してお勧めし、
お気に入り登録の操作、表示された商品・サービス・場所のウェブサイト表示の操作、または、現在位置情報により表示した商品・サービス・場所の位置まで行ったとする判定のいずれかがあったとき、人工知能を有した評価手段が、ユーザータイプのタイプ別の論理的手法の有効性ありと評価する構成であることを特徴とする請求項１乃至請求項４のいずれか１つに記載のレコメンドシステム。
お気に入り登録の操作、表示された商品・サービス・場所のウェブサイト表示の操作、または、現在位置情報により表示した商品・サービス・場所の位置まで行ったとする判定のいずれかがあったとき、人工知能を有した評価手段が、ユーザータイプのタイプ別の論理的手法の有効性ありと評価する構成であることを特徴とする請求項１乃至請求項４のいずれか１つに記載のレコメンドシステム。
【請求項6】
ユーザー端末とサーバとを備えてユーザーに対して商品・サービス・場所のいずれかをお勧めするレコメンドシステムのプログラムであって、
前記ユーザー端末またはサーバが、前記ユーザー端末において入力された情報またはユーザー端末の履歴情報からユーザータイプ傾向情報を得るユーザータイプ傾向情報取得ステップと、
前記ユーザー端末またはサーバが、お勧めの行動を促すことであるレコメンドナッジの論理的手法をそれぞれ論理的に促し方が異なる形式で複数有し、得られたユーザータイプ傾向情報と、過去のユーザータイプのタイプ別の論理的手法の有効性から得られるタイプ別論理的傾向情報とに基づいて、複数あるレコメンドナッジの論理的手法の中から１つを選択するレコメンドナッジ選択ステップと、
前記ユーザー端末またはサーバが、選択した論理的手法に沿って商品・サービス・場所をユーザー端末の表示部に表示してお勧めする表示ステップとを具備していることを特徴とするレコメンドシステムのプログラム。
前記ユーザー端末またはサーバが、前記ユーザー端末において入力された情報またはユーザー端末の履歴情報からユーザータイプ傾向情報を得るユーザータイプ傾向情報取得ステップと、
前記ユーザー端末またはサーバが、お勧めの行動を促すことであるレコメンドナッジの論理的手法をそれぞれ論理的に促し方が異なる形式で複数有し、得られたユーザータイプ傾向情報と、過去のユーザータイプのタイプ別の論理的手法の有効性から得られるタイプ別論理的傾向情報とに基づいて、複数あるレコメンドナッジの論理的手法の中から１つを選択するレコメンドナッジ選択ステップと、
前記ユーザー端末またはサーバが、選択した論理的手法に沿って商品・サービス・場所をユーザー端末の表示部に表示してお勧めする表示ステップとを具備していることを特徴とするレコメンドシステムのプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、ユーザー端末とサーバとを備えてユーザーに対して商品・サービス・場所のいずれかをお勧めするレコメンドシステム、および、そのプログラムに関する。
【背景技術】
【0002】
従来、購買履歴や閲覧履歴等のユーザーの履歴情報を元にユーザー間の類似性を定義し、定義した類似性に基づいてユーザーが興味を持つと予測されるコンテンツをレコメンド結果として出力する協調フィルタリング方法を用いるレコメントシステム、および、レコメンド方法が知られている。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特許第５６４７５７５号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
しかしながら、上述した従来のレコメントシステム、および、レコメンド方法は、類似性に着目して、似た趣味・興味の他のユーザーが選択したものを提案する構成であったため、本来、人が持っている多様性がより可視化され浮き彫りになったとき、自分以外の他者への理解と、多様性を受け入れる寛容さが求められ、毎回、自分の趣味・嗜好と同じものを選択していると行動の偏りが生じて多様性が損なわれてしまう虞があった。
【0005】
そこで、本発明は、前述したような従来技術の問題を解決するものであって、すなわち、本発明の目的は、ユーザーがかつては望まなかったようなこと（潜在的な嗜好）に対してユーザーに自発的に選択させて行動を促すことで、ユーザーの行動の偏りを克服・矯正するレコメンドシステム、および、その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】
本請求項１に係る発明は、ユーザー端末とサーバとを備えてユーザーに対して商品・サービス・場所のいずれかをお勧めするレコメンドシステムであって、前記ユーザー端末またはサーバにおいて、人工知能を有したレコメンド手段が、お勧めの行動を促すことであるレコメンドナッジの論理的手法を複数有し、複数のレコメンドナッジの論理的手法は、それぞれ論理的に促し方が異なり、前記レコメンド手段が、前記ユーザー端末において入力された情報またはユーザー端末の履歴情報から得られたユーザータイプ傾向情報と、過去のユーザータイプのタイプ別の論理的手法の有効性から得られるタイプ別論理的傾向情報とに基づいて、複数あるレコメンドナッジの論理的手法の中から１つを選択して、選択した論理的手法に沿って商品・サービス・場所をユーザー端末の表示部に表示してお勧めする構成であることにより、前述した課題を解決するものである。
【0007】
本請求項２に係る発明は、請求項１に記載されたレコメンドシステムの構成に加えて、前記レコメンド手段が、視覚的表現であるレコメンドユーザーインターフェースの視覚的表現手法を複数有し、複数のレコメンドユーザーインターフェースの視覚的表現手法は、それぞれ視覚の重視事項が異なり、前記レコメンド手段が、前記ユーザー端末において入力された情報またはユーザー端末の履歴情報から得られたユーザータイプ傾向情報と、過去のユーザータイプのタイプ別の視覚的表現手法の有効性から得られるタイプ別視覚的表現傾向情報とに基づいて、複数あるレコメンドユーザーインターフェースの視覚的表現手法の中から１つまたは複数を選択して、選択した視覚的表現手法を、選択した論理的手法と組み合わせて商品・サービス・場所をユーザー端末の表示部に表示する構成であることにより、前述した課題をさらに解決するものである。
【0008】
本請求項３に係る発明は、請求項１または請求項２に記載されたレコメンドシステムの構成に加えて、前記ユーザー端末またはサーバが、人工知能を有したユーザータイプ分類手段を有し、前記ユーザータイプ分類手段が、ビッグデータからユーザータイプのクラス分類情報を取得し、ユーザーの個人情報、嗜好情報、行動履歴情報、ソーシャルネットワーキングサービス情報の少なくとも１つからクラス分類情報に基づいてユーザータイプ傾向情報を推定し、前記レコメンド手段が、推定されたユーザータイプ傾向情報に基づいて、レコメンドナッジの論理的手法、または、レコメンドユーザーインターフェースの視覚的表現手法を選択する構成であることにより、前述した課題をさらに解決するものである。
【0009】
本請求項４に係る発明は、請求項１乃至請求項３のいずれか１つに記載されたレコメンドシステムの構成に加えて、前記レコメンド手段が、お勧めする商品・サービス・場所を選択する際、複数の商品・サービス・場所についての情報の中から、同じユーザータイプ傾向情報の他のユーザーが選んだもののうち、最も多くの他のユーザーが選んだものを選択してお勧めする構成であることにより、前述した課題をさらに解決するものである。
【0010】
本請求項５に係る発明は、請求項１乃至請求項４のいずれか１つに記載されたレコメンドシステムの構成に加えて、前記ユーザー端末において、ユーザーの行先のカテゴリーについての選択が行われた場合、レコメンド手段が、選択された行先のカテゴリーに応じて、選択した論理的手法に沿って商品・サービス・場所をユーザー端末の表示部に表示してお勧めし、お気に入り登録の操作、表示された商品・サービス・場所のウェブサイト表示の操作、または、現在位置情報により表示した商品・サービス・場所の位置まで行ったとする判定のいずれかがあったとき、人工知能を有した評価手段が、ユーザータイプのタイプ別の論理的手法の有効性ありと評価する構成であることにより、前述した課題をさらに解決するものである。
【0011】
本請求項６に係る発明は、ユーザー端末とサーバとを備えてユーザーに対して商品・サービス・場所のいずれかをお勧めするレコメンドシステムのプログラムであって、前記ユーザー端末またはサーバが、前記ユーザー端末において入力された情報またはユーザー端末の履歴情報からユーザータイプ傾向情報を得るユーザータイプ傾向情報取得ステップと、前記ユーザー端末またはサーバが、お勧めの行動を促すことであるレコメンドナッジの論理的手法をそれぞれ論理的に促し方が異なる形式で複数有し、得られたユーザータイプ傾向情報と、過去のユーザータイプのタイプ別の論理的手法の有効性から得られるタイプ別論理的傾向情報とに基づいて、複数あるレコメンドナッジの論理的手法の中から１つを選択するレコメンドナッジ選択ステップと、前記ユーザー端末またはサーバが、選択した論理的手法に沿って商品・サービス・場所をユーザー端末の表示部に表示してお勧めする表示ステップとを具備していることにより、前述した課題を解決するものである。
【発明の効果】
【0012】
本発明のレコメンドシステムは、ユーザー端末とサーバとを備えていることにより、ユーザー端末とサーバとの間で通信して、ユーザーに対して商品・サービス・場所をお勧めすることができるばかりでなく、以下のような特有の効果を奏することができる。
【0013】
本請求項１に係る発明のレコメンドシステムによれば、複数のレコメンドナッジの論理的手法の中からユーザーに適したレコメンドナッジが選択されてそれに沿ったお勧めがユーザー端末の表示部に表示されるため、ユーザーは自身の知っている商品・サービス・場所の好みに関わらず、お勧めされた目新しい商品・サービス・場所を選ぼうとする。
つまり、ユーザーの潜在的な嗜好にアプローチしてユーザーの嗜好が拡張されるため、ユーザーがかつては望まなかったようなこと（潜在的な嗜好）に対してユーザーに自発的に選択させて行動を起こさせることができる。
さらに、ユーザー自身の趣味・嗜好から少し離れたものへの選択が促されるため、ユーザーの行動の偏りを克服・矯正することができる。
なお、どのくらい離れた情報をどの割合でレコメンドするかは、初期設定を変更することで、ユーザー自身が自由に変更することができる。
つまり、ユーザーの潜在的な嗜好にアプローチしてユーザーの嗜好が拡張されるため、ユーザーがかつては望まなかったようなこと（潜在的な嗜好）に対してユーザーに自発的に選択させて行動を起こさせることができる。
さらに、ユーザー自身の趣味・嗜好から少し離れたものへの選択が促されるため、ユーザーの行動の偏りを克服・矯正することができる。
なお、どのくらい離れた情報をどの割合でレコメンドするかは、初期設定を変更することで、ユーザー自身が自由に変更することができる。
【0014】
本請求項２に係る発明のレコメンドシステムによれば、請求項１に係る発明が奏する効果に加えて、複数のレコメンドユーザーインターフェースの視覚的表現手法の中からユーザーに適したレコメンドユーザーインターフェースが選択されてそれにも沿ったお勧めがユーザー端末の表示部に表示されるため、ユーザーは自身の知っている商品・サービス・場所の好みに関わらず、お勧めされた目新しい商品・サービス・場所に強く関心を持ち、その商品・サービス・場所を選ぼうとする。
つまり、ユーザーの潜在的な嗜好に強くアプローチしてユーザーの嗜好が拡張されるため、ユーザーがかつては望まなかったようなこと（潜在的な嗜好）に対してユーザーにより自発的に選択させて行動を起こさせることができる。
つまり、ユーザーの潜在的な嗜好に強くアプローチしてユーザーの嗜好が拡張されるため、ユーザーがかつては望まなかったようなこと（潜在的な嗜好）に対してユーザーにより自発的に選択させて行動を起こさせることができる。
【0015】
本請求項３に係る発明のレコメンドシステムによれば、請求項１または請求項２に係る発明が奏する効果に加えて、ユーザーのタイプのクラス分類が世の中の状況に沿った分類となるため、世の中の状況に沿ったユーザー分類情報を取得することができる。
さらに、ユーザーのタイプについて現時点の情報がユーザータイプ傾向情報に反映されるため、ユーザータイプ傾向情報を精度良く推定することができる。
また、ユーザーの分類やタイプの変化に対応可能となるため、現時点のユーザータイプ傾向情報を精度良く推定することができる。
さらに、ユーザーのタイプについて現時点の情報がユーザータイプ傾向情報に反映されるため、ユーザータイプ傾向情報を精度良く推定することができる。
また、ユーザーの分類やタイプの変化に対応可能となるため、現時点のユーザータイプ傾向情報を精度良く推定することができる。
【0016】
本請求項４に係る発明のレコメンドシステムによれば、請求項１乃至請求項３のいずれか１つに係る発明が奏する効果に加えて、同じユーザータイプ傾向情報のユーザーが好む傾向の商品・サービス・場所がお勧めされるため、一見的外れのように感じられるがユーザーの性格面を考慮した商品・サービス・場所をお勧めして「行ってみたらおもしろい。」、「選択してみたら楽しかった。」や「選択してみたらよかった。」などと心地よくユーザーの嗜好の拡張することができる。
【0017】
本請求項５に係る発明のレコメンドシステムによれば、請求項１乃至請求項４のいずれか１つに係る発明が奏する効果に加えて、レコメンド結果を得られて論理的手法の有効性が評価されるため、ユーザータイプのタイプ別の論理的手法の有効性についての実績を積むことができ、さらに、精度を高めることができる。
【0018】
本請求項６に係る発明のレコメンドシステムのプログラムによれば、請求項１に係る発明が奏する効果と同様、複数のレコメンドナッジの論理的手法の中からユーザーに適したレコメンドナッジが選択されてそれに沿ったお勧めがユーザー端末の表示部に表示されるため、ユーザーは自身の知っている商品・サービス・場所の好みに関わらず、お勧めされた目新しい商品・サービス・場所を選ぼうとする。
つまり、ユーザーの潜在的な嗜好にアプローチしてユーザーの嗜好が拡張されるため、ユーザーがかつては望まなかったようなこと（潜在的な嗜好）に対してユーザーに自発的に選択させて行動を起こさせることができる。
さらに、ユーザー自身の趣味・嗜好から少し離れたものへの選択が促されるため、ユーザーの行動の偏りを克服・矯正することができる。
つまり、ユーザーの潜在的な嗜好にアプローチしてユーザーの嗜好が拡張されるため、ユーザーがかつては望まなかったようなこと（潜在的な嗜好）に対してユーザーに自発的に選択させて行動を起こさせることができる。
さらに、ユーザー自身の趣味・嗜好から少し離れたものへの選択が促されるため、ユーザーの行動の偏りを克服・矯正することができる。
【図面の簡単な説明】
【0019】
【図1】本発明の実施例であるレコメンドシステムの概念を示す図。
【図2】本発明の実施例であるレコメンドシステムの動作例を示すチャート図。
【図3】（Ａ）（Ｂ）は本発明の実施例であるレコメンドシステムのユーザータイプの分類例を示す図。
【図4】（Ａ）～（Ｃ）は本発明の実施例であるレコメンドシステムのレコメンドナッジの論理的手法の例を示す図。
【図5】（Ａ）～（Ｃ）は本発明の実施例であるレコメンドシステムのレコメンドユーザーインターフェースの視覚的表現手法の例を示す図。
【図6】（Ａ）（Ｂ）は本発明の実施例であるレコメンドシステムのユーザー端末の表示部の表示例を示す図。
【発明を実施するための形態】
【0020】
本発明のレコメンドシステムは、ユーザー端末とサーバとを備え、ユーザー端末またはサーバにおいて、人工知能を有したレコメンド手段が、お勧めの行動を促すことであるレコメンドナッジの論理的手法を複数有し、複数のレコメンドナッジの論理的手法は、それぞれ論理的に促し方が異なり、レコメンド手段が、ユーザー端末において入力された情報またはユーザー端末の履歴情報から得られたユーザータイプ傾向情報と、過去のユーザータイプのタイプ別の論理的手法の有効性から得られるタイプ別論理的傾向情報とに基づいて、複数あるレコメンドナッジの論理的手法の中から１つを選択して、選択した論理的手法に沿って商品・サービス・場所をユーザー端末の表示部に表示してお勧めする構成であることにより、ユーザーは自身の知っている商品・サービス・場所の好みに関わらず、お勧めされた目新しい商品・サービス・場所を選ぼうとして、ユーザーがかつては望まなかったようなこと（潜在的な嗜好）に対してユーザーに自発的に選択させて行動を起こさせるものであれば、その具体的な実施態様は、如何なるものであっても構わない。
また、本発明のレコメンドシステムのプログラムは、ユーザー端末またはサーバが、ユーザー端末において入力された情報またはユーザー端末の履歴情報からユーザータイプ傾向情報を得るユーザータイプ傾向情報取得ステップと、ユーザー端末またはサーバが、お勧めの行動を促すことであるレコメンドナッジの論理的手法をそれぞれ論理的に促し方が異なる形式で複数有し、得られたユーザータイプ傾向情報と、過去のユーザータイプのタイプ別の論理的手法の有効性から得られるタイプ別論理的傾向情報とに基づいて、複数あるレコメンドナッジの論理的手法の中から１つを選択するレコメンドナッジ選択ステップと、ユーザー端末またはサーバが、選択した論理的手法に沿って商品・サービス・場所をユーザー端末の表示部に表示してお勧めする表示ステップとを具備していることにより、ユーザーは自身の知っている商品・サービス・場所の好みに関わらず、お勧めされた目新しい商品・サービス・場所を選ぼうとして、ユーザーがかつては望まなかったようなこと（潜在的な嗜好）に対してユーザーに自発的に選択させて行動を起こさせるものであれば、その具体的な実施態様は、如何なるものであっても構わない。
また、本発明のレコメンドシステムのプログラムは、ユーザー端末またはサーバが、ユーザー端末において入力された情報またはユーザー端末の履歴情報からユーザータイプ傾向情報を得るユーザータイプ傾向情報取得ステップと、ユーザー端末またはサーバが、お勧めの行動を促すことであるレコメンドナッジの論理的手法をそれぞれ論理的に促し方が異なる形式で複数有し、得られたユーザータイプ傾向情報と、過去のユーザータイプのタイプ別の論理的手法の有効性から得られるタイプ別論理的傾向情報とに基づいて、複数あるレコメンドナッジの論理的手法の中から１つを選択するレコメンドナッジ選択ステップと、ユーザー端末またはサーバが、選択した論理的手法に沿って商品・サービス・場所をユーザー端末の表示部に表示してお勧めする表示ステップとを具備していることにより、ユーザーは自身の知っている商品・サービス・場所の好みに関わらず、お勧めされた目新しい商品・サービス・場所を選ぼうとして、ユーザーがかつては望まなかったようなこと（潜在的な嗜好）に対してユーザーに自発的に選択させて行動を起こさせるものであれば、その具体的な実施態様は、如何なるものであっても構わない。
【0021】
例えば、ユーザー端末は、ノート型パーソナルコンピュータ端末、スマートフォン端末、タブレット端末、腕時計型端末、眼鏡型端末など表示部と操作部とを備えて情報を送受信するものであって、所謂インターネットである広域ネットワーク、ローカルネットワーク、電話回線などを含む通信ネットワークによりサーバと接続自在なものであれば如何なるものであっても構わない。
また、サーバは、クラウド環境に作られたクラウドサーバでもよいし、サーバを構成する物理サーバの数は１つでも複数でもよい。
さらに、レコメンドナッジの論理的手法とは、望ましい方向へ人々の行動を変化させるような選択のメカニズムであって、その選択をさせる論理的な考え方をいう。
また、レコメンドユーザーインターフェースの視覚的表現手法とは、望ましい方向へ人々の行動を変化させるような選択のメカニズムであって、その視覚的な表現についてのやり方をいう。
商品・サービス・場所の「場所」は、例えば、観光スポットや美術館、山、海など、如何なるものであっても構わない。
また、サーバは、クラウド環境に作られたクラウドサーバでもよいし、サーバを構成する物理サーバの数は１つでも複数でもよい。
さらに、レコメンドナッジの論理的手法とは、望ましい方向へ人々の行動を変化させるような選択のメカニズムであって、その選択をさせる論理的な考え方をいう。
また、レコメンドユーザーインターフェースの視覚的表現手法とは、望ましい方向へ人々の行動を変化させるような選択のメカニズムであって、その視覚的な表現についてのやり方をいう。
商品・サービス・場所の「場所」は、例えば、観光スポットや美術館、山、海など、如何なるものであっても構わない。
【実施例0022】
以下に、本発明の実施例であるレコメンドシステム１００について、図１乃至図６（Ｂ）に基づいて説明する。
ここで、図１は、本発明の実施例であるレコメンドシステム１００の概念を示す図であり、図２は、本発明の実施例であるレコメンドシステム１００の動作例を示すチャート図であり、図３（Ａ）は、本発明の実施例であるレコメンドシステム１００のユーザータイプの分類の仕方の一例を示す図であり、図３（Ｂ）は、本発明の実施例であるレコメンドシステム１００のユーザーのユーザータイプ傾向情報ＴＰの推定例を示す図であり、図４（Ａ）～図４（Ｃ）は、本発明の実施例であるレコメンドシステム１００のレコメンドナッジの論理的手法ＲＮの例を示す図であり、図５（Ａ）～図５（Ｃ）は、本発明の実施例であるレコメンドシステム１００のレコメンドユーザーインターフェースの視覚的表現手法ＵＩの例を示す図であり、図６（Ａ）は、本発明の実施例であるレコメンドシステム１００のユーザー端末１１０の表示部１１１に地図情報およびアイコンを表示させた例を示す図であり、図６（Ｂ）は、本発明の実施例であるレコメンドシステム１００のユーザー端末１１０の表示部１１１にお勧めを表示した例を示す図である。
ここで、図１は、本発明の実施例であるレコメンドシステム１００の概念を示す図であり、図２は、本発明の実施例であるレコメンドシステム１００の動作例を示すチャート図であり、図３（Ａ）は、本発明の実施例であるレコメンドシステム１００のユーザータイプの分類の仕方の一例を示す図であり、図３（Ｂ）は、本発明の実施例であるレコメンドシステム１００のユーザーのユーザータイプ傾向情報ＴＰの推定例を示す図であり、図４（Ａ）～図４（Ｃ）は、本発明の実施例であるレコメンドシステム１００のレコメンドナッジの論理的手法ＲＮの例を示す図であり、図５（Ａ）～図５（Ｃ）は、本発明の実施例であるレコメンドシステム１００のレコメンドユーザーインターフェースの視覚的表現手法ＵＩの例を示す図であり、図６（Ａ）は、本発明の実施例であるレコメンドシステム１００のユーザー端末１１０の表示部１１１に地図情報およびアイコンを表示させた例を示す図であり、図６（Ｂ）は、本発明の実施例であるレコメンドシステム１００のユーザー端末１１０の表示部１１１にお勧めを表示した例を示す図である。
【0023】
本発明の実施例であるレコメンドシステム１００は、図１に示すように、ユーザー端末１１０と、サーバ１２０と、一例として商品・サービス・場所提供者端末である店舗端末１３０を備えている。
そして、レコメンドシステム１００は、店舗端末１３０から入力された最新の商品・サービス・場所などの情報について、ユーザーに対して商品・サービス・場所をお勧めするように設けられている。
そして、レコメンドシステム１００は、店舗端末１３０から入力された最新の商品・サービス・場所などの情報について、ユーザーに対して商品・サービス・場所をお勧めするように設けられている。
【0024】
店舗端末１３０は、店舗の商品・サービス・場所についての情報をサーバ１２０へ送ることにより、例えば、ソーシャルネットワーキングサービス（以下、ＳＮＳ）上にアップロードしたり、店舗のウェブサイトの情報を更新する。
また、ユーザーが、ユーザー端末１１０において、レコメンドシステム１００にログインする。
そして、例えば、レコメンドシステム１００をユーザーのＳＮＳ情報と連携させる設定をしたり、ログイン後にユーザーの性格分析のために、いくつかの質問に回答する。
また、ユーザーが、ユーザー端末１１０において、レコメンドシステム１００にログインする。
そして、例えば、レコメンドシステム１００をユーザーのＳＮＳ情報と連携させる設定をしたり、ログイン後にユーザーの性格分析のために、いくつかの質問に回答する。
【0025】
ここで、ユーザー端末１１０またはサーバ１２０において、人工知能を有したレコメンド手段が、お勧めの行動を促すことであるレコメンドナッジの論理的手法ＲＮを複数有している。
例えば、複数のレコメンドナッジの論理的手法ＲＮが、サーバ１２０のデータベース１２１に設定されている。
複数のレコメンドナッジの論理的手法ＲＮは、それぞれ論理的に促し方が異なっている。
そして、レコメンド手段が、ユーザー端末１１０において入力された情報の一例である質問に対する回答情報、または、ユーザー端末１１０の履歴情報の一例であるＳＮＳ履歴情報からユーザータイプ傾向情報ＴＰを得る。
ユーザータイプ傾向情報ＴＰの技術的思想としては、ユーザーの性格面やシチュエーション（状況）でタイプを分類できればよい。
例えば、複数のレコメンドナッジの論理的手法ＲＮが、サーバ１２０のデータベース１２１に設定されている。
複数のレコメンドナッジの論理的手法ＲＮは、それぞれ論理的に促し方が異なっている。
そして、レコメンド手段が、ユーザー端末１１０において入力された情報の一例である質問に対する回答情報、または、ユーザー端末１１０の履歴情報の一例であるＳＮＳ履歴情報からユーザータイプ傾向情報ＴＰを得る。
ユーザータイプ傾向情報ＴＰの技術的思想としては、ユーザーの性格面やシチュエーション（状況）でタイプを分類できればよい。
【0026】
さらに、レコメンド手段が、得られたユーザータイプ傾向情報ＴＰと、過去のユーザータイプのタイプ別の論理的手法ＲＮの有効性から得られるタイプ別論理的傾向情報とに基づいて、複数あるレコメンドナッジの論理的手法ＲＮの中から１つを選択する。
より具体的には、タイプ別論理的傾向情報は、過去にそれぞれのユーザータイプのタイプ別の論理的手法ＲＮの有効性について評価したものであり、どのユーザータイプ傾向情報ＴＰに対して、どのレコメンドナッジの論理的手法ＲＮが最も有効であるかについての情報を有している。
有効であるとは、レコメンドシステム１００において、過去にそのユーザーが自発的にお勧めされた商品・サービス・場所について、お気に入り登録したり、その商品・サービス・場所の提供場所へ行ったと判定したことにより、そのユーザーに対してそのレコメンドナッジの論理的手法ＲＮが効果的だったと評価したことをいう。
ここで、「最も有効」は、所定期間で有効性の評価が最も高かったもの、直近の短期間で有効性の評価について増加傾向の最も高いもののいずれでもよい。
より具体的には、タイプ別論理的傾向情報は、過去にそれぞれのユーザータイプのタイプ別の論理的手法ＲＮの有効性について評価したものであり、どのユーザータイプ傾向情報ＴＰに対して、どのレコメンドナッジの論理的手法ＲＮが最も有効であるかについての情報を有している。
有効であるとは、レコメンドシステム１００において、過去にそのユーザーが自発的にお勧めされた商品・サービス・場所について、お気に入り登録したり、その商品・サービス・場所の提供場所へ行ったと判定したことにより、そのユーザーに対してそのレコメンドナッジの論理的手法ＲＮが効果的だったと評価したことをいう。
ここで、「最も有効」は、所定期間で有効性の評価が最も高かったもの、直近の短期間で有効性の評価について増加傾向の最も高いもののいずれでもよい。
【0027】
そして、レコメンド手段が、ユーザー端末１１０のユーザーについてのユーザータイプ傾向情報ＴＰに対して、最も有効なレコメンドナッジの論理的手法ＲＮを選択する。
その後、または、これと平行して、ユーザーが、例えば、行先のカテゴリーを選択する操作を行うと、レコメンド手段が、選択した論理的手法ＲＮに沿ってカテゴリーの条件に合う商品・サービス・場所をユーザー端末１１０の表示部１１１に表示してお勧めするように構成されている。
その後、または、これと平行して、ユーザーが、例えば、行先のカテゴリーを選択する操作を行うと、レコメンド手段が、選択した論理的手法ＲＮに沿ってカテゴリーの条件に合う商品・サービス・場所をユーザー端末１１０の表示部１１１に表示してお勧めするように構成されている。
【0028】
これにより、複数のレコメンドナッジの論理的手法ＲＮの中からユーザーに適したレコメンドナッジが選択されてそれに沿ったお勧めがユーザー端末１１０の表示部１１１に表示される。
その結果、ユーザーは自身の知っている商品・サービス・場所の好みに関わらず、お勧めされた目新しい商品・サービス・場所を選ぼうとする。
つまり、ユーザーの潜在的な嗜好にアプローチしてユーザーの嗜好が拡張される。
その結果、ユーザーがかつては望まなかったようなこと（潜在的な嗜好）に対してユーザーに自発的に選択させて行動を起こさせることができる。
さらに、ユーザー自身の趣味・嗜好から少し離れたものへの選択が促される。
その結果、ユーザーの行動の偏りを克服・矯正することができる。
その結果、ユーザーは自身の知っている商品・サービス・場所の好みに関わらず、お勧めされた目新しい商品・サービス・場所を選ぼうとする。
つまり、ユーザーの潜在的な嗜好にアプローチしてユーザーの嗜好が拡張される。
その結果、ユーザーがかつては望まなかったようなこと（潜在的な嗜好）に対してユーザーに自発的に選択させて行動を起こさせることができる。
さらに、ユーザー自身の趣味・嗜好から少し離れたものへの選択が促される。
その結果、ユーザーの行動の偏りを克服・矯正することができる。
【0029】
続いて、本発明のレコメンドシステム１００の動作について、より詳しく説明する。
図２に示すように、ステップＳ１では、ユーザータイプ傾向情報取得ステップとして、ユーザー端末１１０またはサーバ１２０が、ユーザー端末１１０において入力された情報またはユーザー端末１１０の履歴情報からユーザータイプ傾向情報ＴＰを得る。
言い換えると、ユーザーの性格面についてのユーザータイプを判定する。
図３（Ａ）に示すように、ユーザータイプの判定の一例として、ユーザー端末１１０またはサーバ１２０が、人工知能を有したユーザータイプ分類手段を有している。
図２に示すように、ステップＳ１では、ユーザータイプ傾向情報取得ステップとして、ユーザー端末１１０またはサーバ１２０が、ユーザー端末１１０において入力された情報またはユーザー端末１１０の履歴情報からユーザータイプ傾向情報ＴＰを得る。
言い換えると、ユーザーの性格面についてのユーザータイプを判定する。
図３（Ａ）に示すように、ユーザータイプの判定の一例として、ユーザー端末１１０またはサーバ１２０が、人工知能を有したユーザータイプ分類手段を有している。
【0030】
そして、ユーザータイプ分類手段が、ビッグデータからユーザータイプのクラス分類情報を取得する。
具体例として、ビッグデータには、施設情報、店舗情報、イベント情報、ユーザーについての情報が含まれている。
そして、ユーザータイプ分類手段が、ビッグデータから、パーソナリティのタイプ分けの一例として、開放性、勤勉性、外向性、協調性、情緒安定性などの要素としたクラス分類情報を取得する。
具体例として、ビッグデータには、施設情報、店舗情報、イベント情報、ユーザーについての情報が含まれている。
そして、ユーザータイプ分類手段が、ビッグデータから、パーソナリティのタイプ分けの一例として、開放性、勤勉性、外向性、協調性、情緒安定性などの要素としたクラス分類情報を取得する。
【0031】
さらに、ユーザータイプ分類手段が、ユーザーの個人情報、嗜好情報、行動履歴情報、ＳＮＳ情報の少なくとも１つを得て、得た情報からクラス分類情報に基づいてユーザータイプ傾向情報ＴＰを推定する。
ユーザーの個人情報や嗜好情報には、ログイン後にユーザーの性格分析のために、いくつかの質問に回答した際の回答内容の情報や回答時間の情報が含まれる。
具体例として、図３（Ｂ）に示すように、ユーザータイプ分類手段が、ユーザーの個人情報、嗜好情報、行動履歴情報、ＳＮＳ情報の少なくとも１つを得て、得た情報から、ユーザーの性格面について、開放性、勤勉性、外向性、協調性、情緒安定性の要素でそれぞれ評価する。
そして、例えば、協調性が高い、続いて、情緒安定性、および、開放性が高い傾向があり、他方、外向性が低い傾向があり、効率重視タイプでもあるなどと、ユーザーの性格面についてのユーザータイプ傾向情報ＴＰを推定する。
ユーザーの個人情報や嗜好情報には、ログイン後にユーザーの性格分析のために、いくつかの質問に回答した際の回答内容の情報や回答時間の情報が含まれる。
具体例として、図３（Ｂ）に示すように、ユーザータイプ分類手段が、ユーザーの個人情報、嗜好情報、行動履歴情報、ＳＮＳ情報の少なくとも１つを得て、得た情報から、ユーザーの性格面について、開放性、勤勉性、外向性、協調性、情緒安定性の要素でそれぞれ評価する。
そして、例えば、協調性が高い、続いて、情緒安定性、および、開放性が高い傾向があり、他方、外向性が低い傾向があり、効率重視タイプでもあるなどと、ユーザーの性格面についてのユーザータイプ傾向情報ＴＰを推定する。
【0032】
これにより、ユーザーのタイプのクラス分類が世の中の状況に沿った分類となる。
その結果、世の中の状況に沿ったユーザー分類情報を取得することができる。
さらに、ユーザーのタイプについて現時点の情報がユーザータイプ傾向情報ＴＰに反映される。
その結果、ユーザータイプ傾向情報ＴＰを精度良く推定することができる。
また、ユーザーの分類やタイプの変化に対応可能となる。
その結果、現時点のユーザータイプ傾向情報ＴＰを精度良く推定することができる。
その結果、世の中の状況に沿ったユーザー分類情報を取得することができる。
さらに、ユーザーのタイプについて現時点の情報がユーザータイプ傾向情報ＴＰに反映される。
その結果、ユーザータイプ傾向情報ＴＰを精度良く推定することができる。
また、ユーザーの分類やタイプの変化に対応可能となる。
その結果、現時点のユーザータイプ傾向情報ＴＰを精度良く推定することができる。
【0033】
ステップＳ２では、レコメンドナッジ選択ステップとして、ユーザー端末１１０またはサーバ１２０が、得られたユーザータイプ傾向情報ＴＰと、過去のユーザータイプのタイプ別の論理的手法ＲＮの有効性から得られるタイプ別論理的傾向情報とに基づいて、複数あるレコメンドナッジの論理的手法ＲＮの中から１つを選択する。
ここで、図４（Ａ）～図４（Ｃ）に示すように、ユーザー端末１１０またはサーバ１２０が、お勧めの行動を促すことであるレコメンドナッジの論理的手法ＲＮをそれぞれ論理的に促し方が異なる形式で複数有している。
ここで、図４（Ａ）～図４（Ｃ）に示すように、ユーザー端末１１０またはサーバ１２０が、お勧めの行動を促すことであるレコメンドナッジの論理的手法ＲＮをそれぞれ論理的に促し方が異なる形式で複数有している。
【0034】
図４（Ａ）に示すように、レコメンドナッジの例その１として、例えば、「多くの人が買っている」ので、残りの個数が短時間で減っていく様子を表示することにより、ユーザーに対して行動を促す論理的な考え方がある。
具体例として、パン屋のクロワッサンについて、例えば『１２：１５現在、残り「８２」個！』の旨、残りの個数をカウントダウンで表示する。
具体例として、パン屋のクロワッサンについて、例えば『１２：１５現在、残り「８２」個！』の旨、残りの個数をカウントダウンで表示する。
【0035】
また、図４（Ｂ）に示すように、レコメンドナッジの例その２として、例えば、３つの価格帯を表示し、一番促したいものを真ん中の価格帯で表示することにより、ユーザーに対して行動を促す論理的な考え方がある。
具体例として、パン屋のクロワッサンについて、例えば、『選択肢Ａ クロワッサン １２０円 選択肢Ｂ ○○バターのクロワッサン ４００円 選択肢Ｃ パンのセット ８００円』の旨、３つの価格帯を提示して一番促したいものを真ん中の価格帯で表示する。
具体例として、パン屋のクロワッサンについて、例えば、『選択肢Ａ クロワッサン １２０円 選択肢Ｂ ○○バターのクロワッサン ４００円 選択肢Ｃ パンのセット ８００円』の旨、３つの価格帯を提示して一番促したいものを真ん中の価格帯で表示する。
【0036】
さらに、図４（Ｃ）に示すように、レコメンドナッジの例その３として、例えば、期間、場所限定の旨を表示することにより、ユーザーに対して行動を促す論理的な考え方がある。
具体例として、パン屋のクロワッサンについて、例えば、『５月１日～５月５日○○公園のマルシェ限定 焼きたてクロワッサン販売！』の旨、期間、場所限定で表示する。
具体例として、パン屋のクロワッサンについて、例えば、『５月１日～５月５日○○公園のマルシェ限定 焼きたてクロワッサン販売！』の旨、期間、場所限定で表示する。
【0037】
例えば、ユーザータイプ傾向情報ＴＰとして、ユーザーの性格面の評価要素のうちの協調性が高い場合、過去の実績に基づくと、図４（Ａ）に示すレコメンドナッジの例その１が最も有効であるとするタイプ別論理的傾向情報があったとする。
そして、ユーザーのユーザータイプ傾向情報ＴＰとして、ユーザーの性格面の評価要素のうちの協調性が高い場合、ユーザー端末１１０またはサーバ１２０が、図４（Ａ）に示すレコメンドナッジの例その１を選択する。
そして、ユーザーのユーザータイプ傾向情報ＴＰとして、ユーザーの性格面の評価要素のうちの協調性が高い場合、ユーザー端末１１０またはサーバ１２０が、図４（Ａ）に示すレコメンドナッジの例その１を選択する。
【0038】
また、例えば、ユーザータイプ傾向情報ＴＰとして、ユーザーの性格面の評価要素のうちの情緒安定性が高い場合、過去の実績に基づくと、図４（Ｂ）に示すレコメンドナッジの例その２が最も有効であるとするタイプ別論理的傾向情報があったとする。
そして、ユーザーのユーザータイプ傾向情報ＴＰとして、ユーザーの性格面の評価要素のうちの情緒安定性が高い場合、ユーザー端末１１０またはサーバ１２０が、図４（Ｂ）に示すレコメンドナッジの例その２を選択する。
そして、ユーザーのユーザータイプ傾向情報ＴＰとして、ユーザーの性格面の評価要素のうちの情緒安定性が高い場合、ユーザー端末１１０またはサーバ１２０が、図４（Ｂ）に示すレコメンドナッジの例その２を選択する。
【0039】
さらに、例えば、ユーザータイプ傾向情報ＴＰとして、ユーザーの性格面の評価要素のうちの外向性および開放性が高い場合、過去の実績に基づくと、図４（Ｃ）に示すレコメンドナッジの例その３が最も有効であるとするタイプ別論理的傾向情報があったとする。
そして、ユーザーのユーザータイプ傾向情報ＴＰとして、ユーザーの性格面の評価要素のうちの外向性および開放性が高い場合、ユーザー端末１１０またはサーバ１２０が、図４（Ｃ）に示すレコメンドナッジの例その３を選択する。
なお、理解を容易にするために、１つの評価要素に着目して説明したが、５つの要素を総合的に見て、図３（Ｂ）のチャート形状に基づいて選択するように構成してもよいのは勿論である。
そして、ユーザーのユーザータイプ傾向情報ＴＰとして、ユーザーの性格面の評価要素のうちの外向性および開放性が高い場合、ユーザー端末１１０またはサーバ１２０が、図４（Ｃ）に示すレコメンドナッジの例その３を選択する。
なお、理解を容易にするために、１つの評価要素に着目して説明したが、５つの要素を総合的に見て、図３（Ｂ）のチャート形状に基づいて選択するように構成してもよいのは勿論である。
【0040】
ステップＳ３では、レコメンドユーザーインターフェース選択ステップとして、ユーザー端末１１０またはサーバ１２０が、得られたユーザータイプ傾向情報ＴＰと、過去のユーザータイプのタイプ別の視覚的表現手法ＵＩの有効性から得られるタイプ別視覚的表現傾向情報とに基づいて、複数あるレコメンドユーザーインターフェースの視覚的表現手法ＵＩの中から１つまたは複数を選択する。
ここで、タイプ別視覚的表現傾向情報は、過去にそれぞれのユーザータイプのタイプ別の視覚的表現手法ＵＩの有効性について評価したものであり、どのユーザータイプ傾向情報ＴＰに対して、どのレコメンドユーザーインターフェースの視覚的表現手法ＵＩが最も有効であるかについての情報を有している。
有効であるとは、レコメンドシステム１００において、過去にそのユーザーが自発的にお勧めされた商品・サービス・場所について、お気に入り登録したり、その商品・サービス・場所の提供場所へ行ったと判定したことにより、そのユーザーに対してそのレコメンドユーザーインターフェースの視覚的表現手法ＵＩが効果的だったと評価したことをいう。
ここで、「最も有効」は、所定期間で有効性の評価が最も高かったもの、直近の短期間で有効性の評価について増加傾向の最も高いもののいずれでもよい。
さらに、ユーザー端末１１０またはサーバ１２０が、選択した視覚的表現手法ＵＩを、選択した論理的手法ＲＮと組み合わせる。
ここで、タイプ別視覚的表現傾向情報は、過去にそれぞれのユーザータイプのタイプ別の視覚的表現手法ＵＩの有効性について評価したものであり、どのユーザータイプ傾向情報ＴＰに対して、どのレコメンドユーザーインターフェースの視覚的表現手法ＵＩが最も有効であるかについての情報を有している。
有効であるとは、レコメンドシステム１００において、過去にそのユーザーが自発的にお勧めされた商品・サービス・場所について、お気に入り登録したり、その商品・サービス・場所の提供場所へ行ったと判定したことにより、そのユーザーに対してそのレコメンドユーザーインターフェースの視覚的表現手法ＵＩが効果的だったと評価したことをいう。
ここで、「最も有効」は、所定期間で有効性の評価が最も高かったもの、直近の短期間で有効性の評価について増加傾向の最も高いもののいずれでもよい。
さらに、ユーザー端末１１０またはサーバ１２０が、選択した視覚的表現手法ＵＩを、選択した論理的手法ＲＮと組み合わせる。
【0041】
ここで、図５（Ａ）～図５（Ｃ）に示すように、ユーザー端末１１０またはサーバ１２０が、視覚的表現であるレコメンドユーザーインターフェースの視覚的表現手法ＵＩを複数有している。
複数のレコメンドユーザーインターフェースの視覚的表現手法ＵＩは、それぞれ視覚の重視事項が異なる。
例えば、複数のレコメンドユーザーインターフェースの視覚的表現手法ＵＩが、サーバ１２０のデータベース１２１に設定されている。
複数のレコメンドユーザーインターフェースの視覚的表現手法ＵＩは、それぞれ視覚の重視事項が異なる。
例えば、複数のレコメンドユーザーインターフェースの視覚的表現手法ＵＩが、サーバ１２０のデータベース１２１に設定されている。
【0042】
図５（Ａ）に示すように、レコメンドユーザーインターフェースの例その１として、例えば、視覚的に時間を視覚的に強調して表示することにより、ユーザーに対して行動を促す視覚的な表現についてのやり方がある。
具体例として、パン屋のクロワッサンについて、例えば『残り「１時間５０分」！』の旨、時間を強調して表示する。
具体例として、パン屋のクロワッサンについて、例えば『残り「１時間５０分」！』の旨、時間を強調して表示する。
【0043】
また、図５（Ｂ）に示すように、レコメンドユーザーインターフェースの例その２として、視覚的にフォトジェニックな画像を用いて表示することにより、ユーザーに対して行動を促す視覚的な表現についてのやり方がある。
具体例として、パン屋のクロワッサンについて、例えば、移動式パン屋のフォトジェニックな画像を用いて、これをメインで表示する。
具体例として、パン屋のクロワッサンについて、例えば、移動式パン屋のフォトジェニックな画像を用いて、これをメインで表示する。
【0044】
さらに、図５（Ｃ）に示すように、レコメンドユーザーインターフェースの例その３として、視覚的にカロリー表示を値段表示よりも目立つように表示することにより、ユーザーに対して行動を促す視覚的な表現についてのやり方がある。
具体例として、パン屋のクロワッサンについて、例えば『４４７．９ｋｃａｌ！』を『１８０円』より目立つように表示する。
具体例として、パン屋のクロワッサンについて、例えば『４４７．９ｋｃａｌ！』を『１８０円』より目立つように表示する。
【0045】
その他、レコメンドユーザーインターフェースの例その４として、短い文で心地よい文章で表示することにより、ユーザーに対して行動を促す視覚的な表現についてのやり方がある。
また、レコメンドユーザーインターフェースの例その５として、早めの予約を促す「あと○個」の旨を表示することにより、ユーザーに対して行動を促す視覚的な表現についてのやり方がある。
さらに、レコメンドユーザーインターフェースの例その６として、あと１個でフードロスが無くなる旨を表示することにより、ユーザーに対して行動を促す視覚的な表現についてのやり方がある。
なお、レコメンドユーザーインターフェースの例その７として、視覚だけでなく音声を加えて表示することにより、ユーザーに対して行動を促す視覚的な表現に音声表現を加えたやり方もある。
また、レコメンドユーザーインターフェースの例その５として、早めの予約を促す「あと○個」の旨を表示することにより、ユーザーに対して行動を促す視覚的な表現についてのやり方がある。
さらに、レコメンドユーザーインターフェースの例その６として、あと１個でフードロスが無くなる旨を表示することにより、ユーザーに対して行動を促す視覚的な表現についてのやり方がある。
なお、レコメンドユーザーインターフェースの例その７として、視覚だけでなく音声を加えて表示することにより、ユーザーに対して行動を促す視覚的な表現に音声表現を加えたやり方もある。
【0046】
例えば、ユーザータイプ傾向情報ＴＰとして、ユーザーの性格面の評価から効率重視タイプと推定した場合、過去の実績に基づくと、図５（Ａ）に示すレコメンドユーザーインターフェースの例その１が最も有効であるとするタイプ別視覚的表現傾向情報があったとする。
そして、ユーザーのユーザータイプ傾向情報ＴＰとして、ユーザーの性格面の評価から効率重視タイプと推定した場合、ユーザー端末１１０またはサーバ１２０が、図５（Ａ）に示すレコメンドユーザーインターフェースの例その１を選択する。
そして、ユーザーのユーザータイプ傾向情報ＴＰとして、ユーザーの性格面の評価から効率重視タイプと推定した場合、ユーザー端末１１０またはサーバ１２０が、図５（Ａ）に示すレコメンドユーザーインターフェースの例その１を選択する。
【0047】
また、例えば、ユーザータイプ傾向情報ＴＰとして、ユーザーの性格面の評価からビジュアル重視タイプと推定した場合、過去の実績に基づくと、図５（Ｂ）に示すレコメンドユーザーインターフェースの例その２が最も有効であるとするタイプ別視覚的表現傾向情報があったとする。
そして、ユーザーのユーザータイプ傾向情報ＴＰとして、ユーザーの性格面の評価からビジュアル重視タイプと推定した場合、ユーザー端末１１０またはサーバ１２０が、図５（Ｂ）に示すレコメンドユーザーインターフェースの例その２を選択する。
そして、ユーザーのユーザータイプ傾向情報ＴＰとして、ユーザーの性格面の評価からビジュアル重視タイプと推定した場合、ユーザー端末１１０またはサーバ１２０が、図５（Ｂ）に示すレコメンドユーザーインターフェースの例その２を選択する。
【0048】
さらに、例えば、ユーザータイプ傾向情報ＴＰとして、ユーザーの性格面の評価から健康志向タイプと推定した場合、過去の実績に基づくと、図５（Ｃ）に示すレコメンドユーザーインターフェースの例その３が最も有効であるとするタイプ別視覚的表現傾向情報があったとする。
そして、ユーザーのユーザータイプ傾向情報ＴＰとして、ユーザーの性格面の評価から健康志向タイプと推定した場合、ユーザー端末１１０またはサーバ１２０が、図５（Ｃ）に示すレコメンドユーザーインターフェースの例その３を選択する。
そして、ユーザーのユーザータイプ傾向情報ＴＰとして、ユーザーの性格面の評価から健康志向タイプと推定した場合、ユーザー端末１１０またはサーバ１２０が、図５（Ｃ）に示すレコメンドユーザーインターフェースの例その３を選択する。
【0049】
また、例えば、ユーザータイプ傾向情報ＴＰとして、ユーザーの性格面の評価から文系タイプと推定した場合、過去の実績に基づくと、レコメンドユーザーインターフェースの例その４が最も有効であるとするタイプ別視覚的表現傾向情報があったとする。
そして、ユーザーのユーザータイプ傾向情報ＴＰとして、ユーザーの性格面の評価から文系タイプと推定した場合、ユーザー端末１１０またはサーバ１２０が、レコメンドユーザーインターフェースの例その４を選択する。
そして、ユーザーのユーザータイプ傾向情報ＴＰとして、ユーザーの性格面の評価から文系タイプと推定した場合、ユーザー端末１１０またはサーバ１２０が、レコメンドユーザーインターフェースの例その４を選択する。
【0050】
さらに、例えば、ユーザータイプ傾向情報ＴＰとして、ユーザーの性格面の評価から心配性タイプと推定した場合、過去の実績に基づくと、レコメンドユーザーインターフェースの例その５が最も有効であるとするタイプ別視覚的表現傾向情報があったとする。
そして、ユーザーのユーザータイプ傾向情報ＴＰとして、ユーザーの性格面の評価から心配性タイプと推定した場合、ユーザー端末１１０またはサーバ１２０が、レコメンドユーザーインターフェースの例その５を選択する。
そして、ユーザーのユーザータイプ傾向情報ＴＰとして、ユーザーの性格面の評価から心配性タイプと推定した場合、ユーザー端末１１０またはサーバ１２０が、レコメンドユーザーインターフェースの例その５を選択する。
【0051】
また、例えば、ユーザータイプ傾向情報ＴＰとして、ユーザーの性格面の評価から貢献タイプと推定した場合、過去の実績に基づくと、レコメンドユーザーインターフェースの例その６が最も有効であるとするタイプ別視覚的表現傾向情報があったとする。
そして、ユーザーのユーザータイプ傾向情報ＴＰとして、ユーザーの性格面の評価から貢献タイプと推定した場合、ユーザー端末１１０またはサーバ１２０が、レコメンドユーザーインターフェースの例その６を選択する。
そして、ユーザーのユーザータイプ傾向情報ＴＰとして、ユーザーの性格面の評価から貢献タイプと推定した場合、ユーザー端末１１０またはサーバ１２０が、レコメンドユーザーインターフェースの例その６を選択する。
【0052】
さらに、例えば、ユーザータイプ傾向情報ＴＰとして、ユーザーの性格面の評価から音感タイプと推定した場合、過去の実績に基づくと、レコメンドユーザーインターフェースの例その７が最も有効であるとするタイプ別視覚的表現傾向情報があったとする。
そして、ユーザーのユーザータイプ傾向情報ＴＰとして、ユーザーの性格面の評価から音感タイプと推定した場合、ユーザー端末１１０またはサーバ１２０が、レコメンドユーザーインターフェースの例その７を選択する。
そして、ユーザーのユーザータイプ傾向情報ＴＰとして、ユーザーの性格面の評価から音感タイプと推定した場合、ユーザー端末１１０またはサーバ１２０が、レコメンドユーザーインターフェースの例その７を選択する。
【0053】
なお、レコメンドユーザーインターフェース選択ステップＳ３におけるユーザータイプ傾向情報ＴＰとしてのユーザーの性格面の評価は、レコメンドナッジ選択ステップＳ２におけるユーザータイプ傾向情報ＴＰとしてのユーザーの性格面の評価と同様でもよいし、それぞれ別の要素に着目して評価をしてもよい。
さらに、レコメンドユーザーインターフェース選択ステップＳ３におけるレコメンドユーザーインターフェースの選択については、１つに限らず複数選択して組み合わせてもよい。
さらに、レコメンドユーザーインターフェース選択ステップＳ３におけるレコメンドユーザーインターフェースの選択については、１つに限らず複数選択して組み合わせてもよい。
【0054】
ステップＳ４では、カテゴリー選択操作判定ステップとして、ユーザー端末１１０において、ユーザーが行先のカテゴリーを選択する操作を行ったから否かを、ユーザー端末１１０またはサーバ１２０が判定する。
操作を行ったと判定した場合はステップＳ５へ進み、他方、まだしていないと判定した場合はステップＳ４を繰り返す。
なお、カテゴリー選択操作判定ステップＳ４は、必須ではない。
操作を行ったと判定した場合はステップＳ５へ進み、他方、まだしていないと判定した場合はステップＳ４を繰り返す。
なお、カテゴリー選択操作判定ステップＳ４は、必須ではない。
【0055】
ステップＳ５では、図６（Ａ）および図６（Ｂ）に示すように、表示ステップとして、ユーザー端末１１０またはサーバ１２０が、選択した論理的手法ＲＮに沿って、カテゴリーの条件に合う商品・サービス・場所をユーザー端末１１０の表示部１１１に表示してお勧めする。
この際、お勧めする商品・サービス・場所の選び方については、一例として、同じユーザータイプ傾向情報ＴＰの最も多くの他のユーザーが選んだもの（最も有効だったもの）を選んでお勧めする。
また、同じユーザータイプ傾向情報ＴＰの他のユーザー、または、図３（Ｂ）に示すチャート形状が同じ傾向のユーザータイプ傾向情報ＴＰの他のユーザーが選んだもの（有効だったもの）のうち、直近の短期間で増加傾向の最も高いものを選択してお勧めするようにしてもよい。
ユーザーがカテゴリー選択操作判定ステップＳ４においてカテゴリー選択した場合は、そのカテゴリーの条件を満たす範囲内で、同じユーザータイプ傾向情報ＴＰの多くの他のユーザーが選んだもの（有効だったもの）を選んでお勧めする。
例えば、図６（Ａ）に示すように、ユーザー端末１１０の現在地情報を取得して、カテゴリー選択の条件の範囲内として、地図情報を表示部１１１に表示するとともに、その位置から半径１ｋｍ以内の軽食スタンドをお勧めする。
図６（Ａ）の表示部１１１に示された地図情報上の３つのアイコンのうち、例えば、一番下のアイコンをタップ操作すると、図６（Ｂ）に示すように、選択されたアイコンの詳細情報が、カテゴリー選択操作判定ステップＳ４でカテゴリー選択した商品・サービス・場所のお勧めとして表示される。
この際、お勧めする商品・サービス・場所の選び方については、一例として、同じユーザータイプ傾向情報ＴＰの最も多くの他のユーザーが選んだもの（最も有効だったもの）を選んでお勧めする。
また、同じユーザータイプ傾向情報ＴＰの他のユーザー、または、図３（Ｂ）に示すチャート形状が同じ傾向のユーザータイプ傾向情報ＴＰの他のユーザーが選んだもの（有効だったもの）のうち、直近の短期間で増加傾向の最も高いものを選択してお勧めするようにしてもよい。
ユーザーがカテゴリー選択操作判定ステップＳ４においてカテゴリー選択した場合は、そのカテゴリーの条件を満たす範囲内で、同じユーザータイプ傾向情報ＴＰの多くの他のユーザーが選んだもの（有効だったもの）を選んでお勧めする。
例えば、図６（Ａ）に示すように、ユーザー端末１１０の現在地情報を取得して、カテゴリー選択の条件の範囲内として、地図情報を表示部１１１に表示するとともに、その位置から半径１ｋｍ以内の軽食スタンドをお勧めする。
図６（Ａ）の表示部１１１に示された地図情報上の３つのアイコンのうち、例えば、一番下のアイコンをタップ操作すると、図６（Ｂ）に示すように、選択されたアイコンの詳細情報が、カテゴリー選択操作判定ステップＳ４でカテゴリー選択した商品・サービス・場所のお勧めとして表示される。
【0056】
このように、少なくともステップＳ１、ステップＳ２、および、ステップＳ５を具備していることにより、前述したように、複数のレコメンドナッジの論理的手法ＲＮの中からユーザーに適したレコメンドナッジが選択されてそれに沿ったお勧めがユーザー端末１１０の表示部１１１に表示される。
その結果、ユーザーは自身の知っている商品・サービス・場所の好みに関わらず、お勧めされた目新しい商品・サービス・場所を選ぼうとする。
つまり、ユーザーの潜在的な嗜好にアプローチしてユーザーの嗜好が拡張される。
その結果、ユーザーがかつては望まなかったようなこと（潜在的な嗜好）に対してユーザーに自発的に選択させて行動を起こさせることができる。
さらに、ユーザー自身の趣味・嗜好から少し離れたものへの選択が促される。
その結果、ユーザーの行動の偏りを克服・矯正することができる。
その結果、ユーザーは自身の知っている商品・サービス・場所の好みに関わらず、お勧めされた目新しい商品・サービス・場所を選ぼうとする。
つまり、ユーザーの潜在的な嗜好にアプローチしてユーザーの嗜好が拡張される。
その結果、ユーザーがかつては望まなかったようなこと（潜在的な嗜好）に対してユーザーに自発的に選択させて行動を起こさせることができる。
さらに、ユーザー自身の趣味・嗜好から少し離れたものへの選択が促される。
その結果、ユーザーの行動の偏りを克服・矯正することができる。
【0057】
さらに、本実施例では、レコメンドユーザーインターフェース選択ステップＳ３で説明したように、レコメンド手段が、ユーザー端末１１０において入力された情報またはユーザー端末１１０の履歴情報から得られたユーザータイプ傾向情報ＴＰと、過去のユーザータイプのタイプ別の視覚的表現手法ＵＩの有効性から得られるタイプ別視覚的表現傾向情報とに基づいて、複数あるレコメンドユーザーインターフェースの視覚的表現手法ＵＩの中から１つまたは複数を選択する。
そして、レコメンド手段が、選択した視覚的表現手法ＵＩを、選択した論理的手法ＲＮと組み合わせて商品・サービス・場所をユーザー端末１１０の表示部１１１に表示するように構成されている。
この際、人工知能を有したレコメンド手段が、選択した視覚的表現手法ＵＩを、選択した論理的手法ＲＮと組み合わせるとともに、商品・サービス・場所についての情報を加えてお勧めするコンテンツを自動生成する。
つまり、テキスト、ボタン、画像などを自動で生成する。
そして、レコメンド手段が、選択した視覚的表現手法ＵＩを、選択した論理的手法ＲＮと組み合わせて商品・サービス・場所をユーザー端末１１０の表示部１１１に表示するように構成されている。
この際、人工知能を有したレコメンド手段が、選択した視覚的表現手法ＵＩを、選択した論理的手法ＲＮと組み合わせるとともに、商品・サービス・場所についての情報を加えてお勧めするコンテンツを自動生成する。
つまり、テキスト、ボタン、画像などを自動で生成する。
【0058】
これにより、複数のレコメンドユーザーインターフェースの視覚的表現手法ＵＩの中からユーザーに適したレコメンドユーザーインターフェースが選択されてそれにも沿ったお勧めがユーザー端末１１０の表示部１１１に表示される。
その結果、ユーザーは自身の知っている商品・サービス・場所の好みに関わらず、お勧めされた目新しい商品・サービス・場所に強く関心を持ち、その商品・サービス・場所を選ぼうとする。
つまり、ユーザーの潜在的な嗜好に強くアプローチしてユーザーの嗜好が拡張される。
その結果、ユーザーがかつては望まなかったようなこと（潜在的な嗜好）に対してユーザーにより自発的に選択させて行動を起こさせることができる。
その結果、ユーザーは自身の知っている商品・サービス・場所の好みに関わらず、お勧めされた目新しい商品・サービス・場所に強く関心を持ち、その商品・サービス・場所を選ぼうとする。
つまり、ユーザーの潜在的な嗜好に強くアプローチしてユーザーの嗜好が拡張される。
その結果、ユーザーがかつては望まなかったようなこと（潜在的な嗜好）に対してユーザーにより自発的に選択させて行動を起こさせることができる。
【0059】
また、本実施例では、レコメンド手段が、お勧めする商品・サービス・場所を選択する際、複数の商品・サービス・場所についての情報の中から、同じユーザータイプ傾向情報ＴＰの他のユーザーが選んだもののうち、最も多くの他のユーザーが選んだものを選択してお勧めするように構成されている。
つまり、人工知能を有したレコメンド手段が、選択した視覚的表現手法ＵＩを、選択した論理的手法ＲＮと組み合わせるとともに、選択した商品・サービス・場所についての情報を加えてお勧めするコンテンツを自動生成する。
これにより、同じユーザータイプ傾向情報ＴＰのユーザーが好む傾向の商品・サービス・場所がお勧めされる。
その結果、一見的外れのように感じられるがユーザーの性格面を考慮した商品・サービス・場所をお勧めして「行ってみたらおもしろい。」、「選択してみたら楽しかった。」や「選択してみたらよかった。」などと心地よくユーザーの嗜好の拡張することができる。
つまり、ユーザーが自身で調べてもすぐに出せないような商品・サービス・場所がお勧めされるため、心地よくユーザーの嗜好の拡張することができる。
つまり、人工知能を有したレコメンド手段が、選択した視覚的表現手法ＵＩを、選択した論理的手法ＲＮと組み合わせるとともに、選択した商品・サービス・場所についての情報を加えてお勧めするコンテンツを自動生成する。
これにより、同じユーザータイプ傾向情報ＴＰのユーザーが好む傾向の商品・サービス・場所がお勧めされる。
その結果、一見的外れのように感じられるがユーザーの性格面を考慮した商品・サービス・場所をお勧めして「行ってみたらおもしろい。」、「選択してみたら楽しかった。」や「選択してみたらよかった。」などと心地よくユーザーの嗜好の拡張することができる。
つまり、ユーザーが自身で調べてもすぐに出せないような商品・サービス・場所がお勧めされるため、心地よくユーザーの嗜好の拡張することができる。
【0060】
また、本実施例では、カテゴリー選択操作判定ステップＳ４で説明したように、ユーザー端末１１０において、ユーザーの行先のカテゴリーについての選択が行われた場合、レコメンド手段が、選択された行先のカテゴリーに応じて、選択した論理的手法ＲＮに沿って商品・サービス・場所をユーザー端末１１０の表示部１１１に表示してお勧めする。
その後、お気に入り登録の操作、表示された商品・サービス・場所のウェブサイト表示の操作、または、現在位置情報により表示した商品・サービス・場所の位置まで行ったとする判定のいずれかがあったか否かをユーザー端末１１０またはサーバ１２０が判定する。
そして、いずれかがあったと判定したとき、人工知能を有した評価手段が、ユーザータイプのタイプ別の論理的手法ＲＮの有効性ありと評価するように構成されている。
つまり、有効のポイント値を加算する。
これにより、レコメンド結果を得られて論理的手法ＲＮの有効性が評価される。
その結果、ユーザータイプのタイプ別の論理的手法ＲＮの有効性についての実績を積むことができ、さらに、精度を高めることができる。
その後、お気に入り登録の操作、表示された商品・サービス・場所のウェブサイト表示の操作、または、現在位置情報により表示した商品・サービス・場所の位置まで行ったとする判定のいずれかがあったか否かをユーザー端末１１０またはサーバ１２０が判定する。
そして、いずれかがあったと判定したとき、人工知能を有した評価手段が、ユーザータイプのタイプ別の論理的手法ＲＮの有効性ありと評価するように構成されている。
つまり、有効のポイント値を加算する。
これにより、レコメンド結果を得られて論理的手法ＲＮの有効性が評価される。
その結果、ユーザータイプのタイプ別の論理的手法ＲＮの有効性についての実績を積むことができ、さらに、精度を高めることができる。
【0061】
なお、本実施例において、ユーザー端末１１０またはサーバ１２０が判定などのアクションを実行する旨を説明した。
これについて、サーバ１２０が実行するのは、所謂、ＳａａＳであるサーバ１２０によるサービスの提供をする形式の場合であり、他方、ユーザー端末１１０が実行するのは、ダウンロードしたアプリケーションソフトで実行する形式の場合である。
これについて、サーバ１２０が実行するのは、所謂、ＳａａＳであるサーバ１２０によるサービスの提供をする形式の場合であり、他方、ユーザー端末１１０が実行するのは、ダウンロードしたアプリケーションソフトで実行する形式の場合である。
【0062】
このようにして得られた本発明の実施例であるレコメンドシステム１００は、ユーザー端末１１０とサーバ１２０とを備え、ユーザー端末１１０またはサーバ１２０において、人工知能を有したレコメンド手段が、お勧めの行動を促すことであるレコメンドナッジの論理的手法ＲＮを複数有し、複数のレコメンドナッジの論理的手法ＲＮは、それぞれ論理的に促し方が異なり、レコメンド手段が、ユーザー端末１１０において入力された情報またはユーザー端末１１０の履歴情報から得られたユーザータイプ傾向情報ＴＰと、過去のユーザータイプのタイプ別の論理的手法ＲＮの有効性から得られるタイプ別論理的傾向情報とに基づいて、複数あるレコメンドナッジの論理的手法ＲＮの中から１つを選択して、選択した論理的手法ＲＮに沿って商品・サービス・場所をユーザー端末１１０の表示部１１１に表示してお勧めする構成であることにより、ユーザーは自身の知っている商品・サービス・場所の好みに関わらず、お勧めされた目新しい商品・サービス・場所を選ぼうとして、ユーザーがかつては望まなかったようなこと（潜在的な嗜好）に対してユーザーに自発的に選択させて行動を起こさせることができる。
【0063】
さらに、レコメンド手段が、視覚的表現であるレコメンドユーザーインターフェースの視覚的表現手法ＵＩを複数有し、複数のレコメンドユーザーインターフェースの視覚的表現手法ＵＩは、それぞれ視覚の重視事項が異なり、レコメンド手段が、ユーザー端末１１０において入力された情報またはユーザー端末１１０の履歴情報から得られたユーザータイプ傾向情報ＴＰと、過去のユーザータイプのタイプ別の視覚的表現手法ＵＩの有効性から得られるタイプ別視覚的表現傾向情報とに基づいて、複数あるレコメンドユーザーインターフェースの視覚的表現手法ＵＩの中から１つまたは複数を選択して、選択した視覚的表現手法ＵＩを、選択した論理的手法ＲＮと組み合わせて商品・サービス・場所をユーザー端末１１０の表示部１１１に表示する構成であることにより、ユーザーは自身の知っている商品・サービス・場所の好みに関わらず、お勧めされた目新しい商品・サービス・場所に強く関心を持ち、その商品・サービス・場所を選ぼうとして、ユーザーがかつては望まなかったようなこと（潜在的な嗜好）に対してユーザーにより自発的に選択させて行動を起こさせることができる。
【0064】
また、ユーザー端末１１０またはサーバ１２０が、人工知能を有したユーザータイプ分類手段を有し、ユーザータイプ分類手段が、ビッグデータからユーザータイプのクラス分類情報を取得し、ユーザーの個人情報、嗜好情報、行動履歴情報、ソーシャルネットワーキングサービス情報の少なくとも１つからクラス分類情報に基づいてユーザータイプ傾向情報ＴＰを推定し、レコメンド手段が、推定されたユーザータイプ傾向情報ＴＰに基づいて、レコメンドナッジの論理的手法ＲＮ、または、レコメンドユーザーインターフェースの視覚的表現手法ＵＩを選択する構成であることにより、世の中の状況に沿ったユーザー分類情報を取得するとともに、ユーザータイプ傾向情報ＴＰを精度良く推定することができ、現時点のユーザータイプ傾向情報ＴＰを精度良く推定することができる。
【0065】
さらに、レコメンド手段が、お勧めする商品・サービス・場所を選択する際、複数の商品・サービス・場所についての情報の中から、同じユーザータイプ傾向情報ＴＰの他のユーザーが選んだもののうち、最も多くの他のユーザーが選んだものを選択してお勧めする構成であることにより、一見的外れのように感じられるがユーザーの性格面を考慮した商品・サービス・場所をお勧めして「行ってみたらおもしろい。」、「選択してみたら楽しかった。」や「選択してみたらよかった。」などと心地よくユーザーの嗜好の拡張することができる。
【0066】
また、ユーザー端末１１０において、ユーザーの行先のカテゴリーについての選択が行われた場合、レコメンド手段が、選択された行先のカテゴリーに応じて、選択した論理的手法ＲＮに沿って商品・サービス・場所をユーザー端末１１０の表示部１１１に表示してお勧めし、お気に入り登録の操作、表示された商品・サービス・場所のウェブサイト表示の操作、または、現在位置情報により表示した商品・サービス・場所の位置まで行ったとする判定のいずれかがあったとき、人工知能を有した評価手段が、ユーザータイプのタイプ別の論理的手法ＲＮの有効性ありと評価する構成であることにより、ユーザータイプのタイプ別の論理的手法ＲＮの有効性についての実績を積むことができ、さらに、精度を高めることができる。
【0067】
さらに、本発明の実施例であるレコメンドシステム１００のプログラムは、ユーザー端末１１０またはサーバ１２０が、ユーザー端末１１０において入力された情報またはユーザー端末１１０の履歴情報からユーザータイプ傾向情報ＴＰを得るユーザータイプ傾向情報取得ステップＳ１と、ユーザー端末１１０またはサーバ１２０が、お勧めの行動を促すことであるレコメンドナッジの論理的手法ＲＮをそれぞれ論理的に促し方が異なる形式で複数有し、得られたユーザータイプ傾向情報ＴＰと、過去のユーザータイプのタイプ別の論理的手法ＲＮの有効性から得られるタイプ別論理的傾向情報とに基づいて、複数あるレコメンドナッジの論理的手法ＲＮの中から１つを選択するレコメンドナッジ選択ステップＳ２と、ユーザー端末１１０またはサーバ１２０が、選択した論理的手法ＲＮに沿って商品・サービス・場所をユーザー端末１１０の表示部１１１に表示してお勧めする表示ステップＳ５とを具備していることにより、ユーザーは自身の知っている商品・サービス・場所の好みに関わらず、お勧めされた目新しい商品・サービス・場所を選ぼうとして、ユーザーがかつては望まなかったようなこと（潜在的な嗜好）に対してユーザーに自発的に選択させて行動を起こさせることができるなど、その効果は甚大である。
【符号の説明】
【0068】
１００ ・・・ レコメンドシステム
１１０ ・・・ ユーザー端末
１１１ ・・・ 表示部
１２０ ・・・ サーバ
１２１ ・・・ データベース
１３０ ・・・ 店舗端末（商品・サービス・場所提供者端末）
ＲＮ ・・・ （レコメンドナッジの）論理的手法
ＵＩ ・・・ （レコメンドユーザーインターフェースの）視覚的表現手法
ＴＰ ・・・ ユーザータイプ傾向情報
１１０ ・・・ ユーザー端末
１１１ ・・・ 表示部
１２０ ・・・ サーバ
１２１ ・・・ データベース
１３０ ・・・ 店舗端末（商品・サービス・場所提供者端末）
ＲＮ ・・・ （レコメンドナッジの）論理的手法
ＵＩ ・・・ （レコメンドユーザーインターフェースの）視覚的表現手法
ＴＰ ・・・ ユーザータイプ傾向情報
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
