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】P2023106056
(43)【公開日】2023-08-01
(54)【発明の名称】情報提供装置、情報提供方法および情報提供プログラム
(51)【国際特許分類】
G06Q 30/015 20230101AFI20230725BHJP
G06Q 30/02 20230101ALI20230725BHJP
【ＦＩ】
G06Q30/02 470
G06Q30/02
【審査請求】未請求
【請求項の数】11
【出願形態】ＯＬ
(21)【出願番号】P 2022007175
(22)【出願日】2022-01-20
(71)【出願人】
【識別番号】319013263
【氏名又は名称】ヤフー株式会社
(74)【代理人】
【識別番号】110002147
【氏名又は名称】弁理士法人酒井国際特許事務所
(72)【発明者】
【氏名】池本 佳史
(72)【発明者】
【氏名】助光 康大
【テーマコード（参考）】
5L049
【Ｆターム（参考）】
5L049BB02
5L049BB08
(57)【要約】 （修正有）
【課題】利用者に関する有益な情報を提供可能にする情報提供装置、情報提供方法及び情報提供プログラムを提供する。
【解決手段】情報提供装置１０は、収集部と、算出部と、を備える。収集部は、利用者情報を収集するＳ１。算出部は、利用者情報に基づいて、取引対象の購買行動を行った第１利用者と関係性を有する第２利用者の取引対象に関する信頼度を算出するＳ５。
【選択図】図１
【解決手段】情報提供装置１０は、収集部と、算出部と、を備える。収集部は、利用者情報を収集するＳ１。算出部は、利用者情報に基づいて、取引対象の購買行動を行った第１利用者と関係性を有する第２利用者の取引対象に関する信頼度を算出するＳ５。
【選択図】図１
【特許請求の範囲】
【請求項1】
利用者情報を収集する収集部と、
前記利用者情報に基づいて、取引対象の購買行動を行った第１利用者と関係性を有する第２利用者の前記取引対象に関する信頼度を算出する算出部と、
を備えることを特徴とする情報提供装置。
前記利用者情報に基づいて、取引対象の購買行動を行った第１利用者と関係性を有する第２利用者の前記取引対象に関する信頼度を算出する算出部と、
を備えることを特徴とする情報提供装置。
【請求項2】
前記利用者情報が示す、各利用者における登録情報、履歴情報または位置情報に基づいて、所定の媒体から前記取引対象を推奨する第１推奨情報を取得した後に前記購買行動を行った前記第１利用者を特定し、前記購買行動の前に前記第１利用者に対する前記取引対象を推奨する第２推奨情報を供与した前記第２利用者を特定する特定部、
をさらに備えることを特徴とする請求項１に記載の情報提供装置。
をさらに備えることを特徴とする請求項１に記載の情報提供装置。
【請求項3】
前記算出部は、前記第２利用者における前記取引対象の所有の有無に基づいて、前記信頼度を算出する、
ことを特徴とする請求項１または２に記載の情報提供装置。
ことを特徴とする請求項１または２に記載の情報提供装置。
【請求項4】
前記算出部は、前記第２利用者における前記取引対象に関する理解度に基づいて、前記信頼度を算出する、
ことを特徴とする請求項１から３のいずれか１項に記載の情報提供装置。
ことを特徴とする請求項１から３のいずれか１項に記載の情報提供装置。
【請求項5】
前記算出部は、前記第１利用者と前記第２利用者との間で端末を用いた通信に基づいて、前記信頼度を算出する、
ことを特徴とする請求項１から４のいずれか１項に記載の情報提供装置。
ことを特徴とする請求項１から４のいずれか１項に記載の情報提供装置。
【請求項6】
前記算出部は、前記第１利用者と前記第２利用者との位置情報が示す接触行動に基づいて、前記信頼度を算出する、
ことを特徴とする請求項１から５のいずれか１項に記載の情報提供装置。
ことを特徴とする請求項１から５のいずれか１項に記載の情報提供装置。
【請求項7】
前記算出部は、前記第１利用者における前記購買行動を行う前の履歴情報に基づいて、前記信頼度を算出する、
ことを特徴とする請求項１から６のいずれか１項に記載の情報提供装置。
ことを特徴とする請求項１から６のいずれか１項に記載の情報提供装置。
【請求項8】
前記算出部は、前記第２利用者が前記第２推奨情報を供与した前記第１利用者の人数に基づいて、前記信頼度を算出する、
ことを特徴とする請求項２から７のいずれか１項に記載の情報提供装置。
ことを特徴とする請求項２から７のいずれか１項に記載の情報提供装置。
【請求項9】
前記信頼度に基づいて、前記第２利用者に対して提供する提供情報を送信する送信部、
をさらに備えることを特徴とする請求項１から８のいずれか１項に記載の情報提供装置。
をさらに備えることを特徴とする請求項１から８のいずれか１項に記載の情報提供装置。
【請求項10】
情報提供装置によって実行される情報提供方法であって、
利用者情報を収集する収集工程と、
前記利用者情報に基づいて、取引対象の購買行動を行った第１利用者と関係性を有する第２利用者の前記取引対象に関する信頼度を算出する算出工程と、
を含むことを特徴とする情報提供方法。
利用者情報を収集する収集工程と、
前記利用者情報に基づいて、取引対象の購買行動を行った第１利用者と関係性を有する第２利用者の前記取引対象に関する信頼度を算出する算出工程と、
を含むことを特徴とする情報提供方法。
【請求項11】
利用者情報を収集する収集手順と、
前記利用者情報に基づいて、取引対象の購買行動を行った第１利用者と関係性を有する第２利用者の前記取引対象に関する信頼度を算出する算出手順と、
をコンピュータに実行させることを特徴とする情報提供プログラム。
前記利用者情報に基づいて、取引対象の購買行動を行った第１利用者と関係性を有する第２利用者の前記取引対象に関する信頼度を算出する算出手順と、
をコンピュータに実行させることを特徴とする情報提供プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、情報提供装置、情報提供方法および情報提供プログラムに関する。
【背景技術】
【0002】
近年、インターネットの飛躍的な普及に伴い、インターネット上の種々の情報を用いた分析に関する技術が提供されている。例えば、購買履歴データ等を用いて時期のトレンドを考慮して顧客（適宜、「利用者」）を分析する技術が知られている。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２０１５－１４６１４５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、上述した従来技術は、利用者に関する有益な情報を提供する上で改善の余地がある。
【0005】
本願は、上記に鑑みてなされたものであって、利用者に関する有益な情報を提供可能にする情報提供装置、情報提供方法および情報提供プログラムを提供することを目的とする。
【課題を解決するための手段】
【0006】
上述した課題を解決し、目的を達成するために、本発明に係る情報提供装置は、利用者情報を収集する収集部と、前記利用者情報に基づいて、取引対象の購買行動を行った第１利用者と関係性を有する第２利用者の前記取引対象に関する信頼度を算出する算出部と、を備えることを特徴とする。
【0007】
また、本発明に係る情報提供方法は、情報提供装置によって実行される情報提供方法であって、利用者情報を収集する収集工程と、前記利用者情報に基づいて、取引対象の購買行動を行った第１利用者と関係性を有する第２利用者の前記取引対象に関する信頼度を算出する算出工程と、を含むことを特徴とする。
【0008】
また、本発明に係る情報提供プログラムは、利用者情報を収集する収集手順と、前記利用者情報に基づいて、取引対象の購買行動を行った第１利用者と関係性を有する第２利用者の前記取引対象に関する信頼度を算出する算出手順と、をコンピュータに実行させることを特徴とする。
【発明の効果】
【0009】
本発明では、利用者に関して有益な情報を提供することができる。
【図面の簡単な説明】
【0010】
【発明を実施するための形態】
【0011】
以下に、本願に係る情報提供装置、情報提供方法および情報提供プログラムを実施するための形態（以下、実施形態）について図面を参照しつつ詳細に説明する。なお、この実施形態により、本願に係る情報提供装置、情報提供方法および情報提供プログラムが限定されるものではない。また、以下の各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。
【0012】
〔実施形態〕
以下に、実施形態に係る情報提供システム１００の処理、情報提供装置１０の構成、信頼度算出処理の具体例、情報提供処理の流れを順に説明し、最後に実施形態の効果を説明する。
以下に、実施形態に係る情報提供システム１００の処理、情報提供装置１０の構成、信頼度算出処理の具体例、情報提供処理の流れを順に説明し、最後に実施形態の効果を説明する。
【0013】
［１．情報提供システム１００の処理］
図１を用いて、実施形態に係る情報提供システム（適宜、本システム）１００の処理を説明する。図１は、実施形態に係る情報提供システムの処理の一例を示す図である。以下では、本システム１００の構成例、本システム１００の処理、本システム１００の効果の順に説明する。
図１を用いて、実施形態に係る情報提供システム（適宜、本システム）１００の処理を説明する。図１は、実施形態に係る情報提供システムの処理の一例を示す図である。以下では、本システム１００の構成例、本システム１００の処理、本システム１００の効果の順に説明する。
【0014】
（１－１．システム１００の構成例）
図１に示した情報提供システム１００は、情報提供装置１０と、利用者端末２０（第１利用者端末２０Ａ、第２利用者端末２０Ｂ）とを有する。ここで、情報提供装置１０と、利用者端末２０とは、図示しない所定の通信網を介して、有線または無線により通信可能に接続される。また、同様に、第１利用者端末２０Ａと、第２利用者端末２０Ｂとは、図示しない所定の通信網を介して、有線または無線により通信可能に接続される。なお、本システム１００には、複数台の情報提供装置１０が含まれてもよい。
図１に示した情報提供システム１００は、情報提供装置１０と、利用者端末２０（第１利用者端末２０Ａ、第２利用者端末２０Ｂ）とを有する。ここで、情報提供装置１０と、利用者端末２０とは、図示しない所定の通信網を介して、有線または無線により通信可能に接続される。また、同様に、第１利用者端末２０Ａと、第２利用者端末２０Ｂとは、図示しない所定の通信網を介して、有線または無線により通信可能に接続される。なお、本システム１００には、複数台の情報提供装置１０が含まれてもよい。
【0015】
（１－１－１．情報提供装置１０）
情報提供装置１０は、利用者端末２０（２０Ａ、２０Ｂ）との間でデータの送受信を行う装置であり、例えば、サーバ装置やクラウドシステム等により実現される。図１の例では、情報提供装置１０がサーバ装置により実現される場合を示す。
情報提供装置１０は、利用者端末２０（２０Ａ、２０Ｂ）との間でデータの送受信を行う装置であり、例えば、サーバ装置やクラウドシステム等により実現される。図１の例では、情報提供装置１０がサーバ装置により実現される場合を示す。
【0016】
（１－１－２．利用者端末２０）
利用者端末２０（２０Ａ、２０Ｂ）は、ウェブページを閲覧したり、ウェブ上でインターネットショッピング等を行ったりする利用者Ｕ（第１利用者ＵＡ、第２利用者ＵＢ）によって使用されるデバイス（コンピュータ）である。第１利用者端末２０Ａは、第１利用者ＵＡによる操作を受け付ける。また、第２利用者端末２０Ｂは、第２利用者ＵＢによる操作を受け付ける。なお、利用者端末２０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）等により実現される。図１の例では、利用者端末２０がスマートフォンにより実現される場合を示す。
利用者端末２０（２０Ａ、２０Ｂ）は、ウェブページを閲覧したり、ウェブ上でインターネットショッピング等を行ったりする利用者Ｕ（第１利用者ＵＡ、第２利用者ＵＢ）によって使用されるデバイス（コンピュータ）である。第１利用者端末２０Ａは、第１利用者ＵＡによる操作を受け付ける。また、第２利用者端末２０Ｂは、第２利用者ＵＢによる操作を受け付ける。なお、利用者端末２０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）等により実現される。図１の例では、利用者端末２０がスマートフォンにより実現される場合を示す。
【0017】
（１－２．システム１００の処理）
（１－２－１．ステップＳ１の処理）
本システム１００において、第１に、情報提供装置１０は、第１利用者端末２０Ａから第１利用者ＵＡの利用者情報を収集する（ステップＳ１）。ここで、利用者情報とは、本システム１００の利用者Ｕに関する情報であって、例えば、登録情報、履歴情報、位置情報等を含む情報である。登録情報は、利用者Ｕの性別、年齢、年代、職業、年収、居住地、既婚・未婚の別、子供の有無等の利用者属性の他、利用者Ｕの知人・友人や所属するコミュニティ等の交遊関係に関する情報である。履歴情報は、購買履歴、閲覧履歴、検索履歴、通信履歴等の情報である。位置情報は、利用者端末２０によって取得される利用者Ｕの位置、移動等に関する情報である。さらに、利用者情報は、利用者端末２０の画面情報、生体情報等を含む情報であってもよく、特に限定されない。また、図１の例では、情報提供装置１０は、第１利用者ＵＡの利用者情報を第１利用者端末２０Ａから取得しているが、図示しない利用者Ｕの端末、その他の端末・データベース等から取得してもよい。
（１－２－１．ステップＳ１の処理）
本システム１００において、第１に、情報提供装置１０は、第１利用者端末２０Ａから第１利用者ＵＡの利用者情報を収集する（ステップＳ１）。ここで、利用者情報とは、本システム１００の利用者Ｕに関する情報であって、例えば、登録情報、履歴情報、位置情報等を含む情報である。登録情報は、利用者Ｕの性別、年齢、年代、職業、年収、居住地、既婚・未婚の別、子供の有無等の利用者属性の他、利用者Ｕの知人・友人や所属するコミュニティ等の交遊関係に関する情報である。履歴情報は、購買履歴、閲覧履歴、検索履歴、通信履歴等の情報である。位置情報は、利用者端末２０によって取得される利用者Ｕの位置、移動等に関する情報である。さらに、利用者情報は、利用者端末２０の画面情報、生体情報等を含む情報であってもよく、特に限定されない。また、図１の例では、情報提供装置１０は、第１利用者ＵＡの利用者情報を第１利用者端末２０Ａから取得しているが、図示しない利用者Ｕの端末、その他の端末・データベース等から取得してもよい。
【0018】
（１－２－２．ステップＳ２の処理）
本システム１００において、第２に、情報提供装置１０は、収集した第１利用者ＵＡの利用者情報から、利用者ＵＡの取引対象の購買行動の有無を判定する（ステップＳ２）。すなわち、情報提供装置１０は、複数の利用者Ｕの閲覧履歴、購買履歴等の履歴情報を用いて、所定の媒体（メディア）から取引対象を推奨（レコメンド）する広告等の一次情報を取得した後に、当該取引対象を購入した第１利用者ＵＡを特定する。ここで、一次情報を供与する媒体は、ウェブ（Ｗｅｂ）広告、人物、ＳＮＳ（Social Networking Service）等であるが、特に限定されない。
本システム１００において、第２に、情報提供装置１０は、収集した第１利用者ＵＡの利用者情報から、利用者ＵＡの取引対象の購買行動の有無を判定する（ステップＳ２）。すなわち、情報提供装置１０は、複数の利用者Ｕの閲覧履歴、購買履歴等の履歴情報を用いて、所定の媒体（メディア）から取引対象を推奨（レコメンド）する広告等の一次情報を取得した後に、当該取引対象を購入した第１利用者ＵＡを特定する。ここで、一次情報を供与する媒体は、ウェブ（Ｗｅｂ）広告、人物、ＳＮＳ（Social Networking Service）等であるが、特に限定されない。
【0019】
（１－２－３．ステップＳ３の処理）
本システム１００において、第３に、情報提供装置１０は、第２利用者端末２０Ｂから第２利用者ＵＢの利用者情報を収集する（ステップＳ３）。また、図１の例では、情報提供装置１０は、第２利用者ＵＢの利用者情報を第２利用者端末２０Ｂから取得しているが、図示しない利用者Ｕの端末、その他の端末・データベース等から取得してもよい。
本システム１００において、第３に、情報提供装置１０は、第２利用者端末２０Ｂから第２利用者ＵＢの利用者情報を収集する（ステップＳ３）。また、図１の例では、情報提供装置１０は、第２利用者ＵＢの利用者情報を第２利用者端末２０Ｂから取得しているが、図示しない利用者Ｕの端末、その他の端末・データベース等から取得してもよい。
【0020】
（１－２－４．ステップＳ４の処理）
本システム１００において、第４に、情報提供装置１０は、収集した第２利用者ＵＢの利用者情報から、第２利用者ＵＢによる第１利用者ＵＡに対する取引対象のレコメンドの有無を判定する（ステップＳ４）。すなわち、情報提供装置１０は、複数の利用者Ｕの登録情報、通信履歴等の履歴情報、位置情報を用いて、第１利用者ＵＡの取引対象の購買行動の前に、第１利用者ＵＡに対する当該取引対象をレコメンドするメッセージ等の二次情報を供与した第２利用者ＵＢを特定する。ここで、二次情報は、利用者端末２０を用いた通信、通話の他、対面で直接行った会話等であるが、特に限定されない。
本システム１００において、第４に、情報提供装置１０は、収集した第２利用者ＵＢの利用者情報から、第２利用者ＵＢによる第１利用者ＵＡに対する取引対象のレコメンドの有無を判定する（ステップＳ４）。すなわち、情報提供装置１０は、複数の利用者Ｕの登録情報、通信履歴等の履歴情報、位置情報を用いて、第１利用者ＵＡの取引対象の購買行動の前に、第１利用者ＵＡに対する当該取引対象をレコメンドするメッセージ等の二次情報を供与した第２利用者ＵＢを特定する。ここで、二次情報は、利用者端末２０を用いた通信、通話の他、対面で直接行った会話等であるが、特に限定されない。
【0021】
（１－２－５．ステップＳ５の処理）
本システム１００において、第５に、情報提供装置１０は、収集した利用者情報から、第２利用者ＵＢの信頼度を算出する（ステップＳ５）。ここで、信頼度とは、取引対象の購買行動を行った第１利用者ＵＡに対する、第２利用者ＵＢの当該購買行動の後押しの程度を数値化したものである。例えば、情報提供装置１０は、利用者Ｕ（ＵＡ、ＵＢ）の登録情報、履歴情報、位置情報等に基づいて、機械学習モデルを用いて、第１利用者ＵＡに対する第２利用者ＵＢの影響の程度に応じて０～１の数値をとるように信頼度を算出する。例えば、情報提供装置１０は、利用者Ｕの登録情報と、履歴情報と、位置情報とが入力された際に、第１利用者ＵＡと関係性を有する第２利用者ＵＢごとの信頼度を出力するように学習されたＤＮＮ（Deep Neural Network）等の機械学習モデルを用いて、信頼度を算出する。また、情報提供装置１０は、ルールベースで信頼度を算出してもよい。
本システム１００において、第５に、情報提供装置１０は、収集した利用者情報から、第２利用者ＵＢの信頼度を算出する（ステップＳ５）。ここで、信頼度とは、取引対象の購買行動を行った第１利用者ＵＡに対する、第２利用者ＵＢの当該購買行動の後押しの程度を数値化したものである。例えば、情報提供装置１０は、利用者Ｕ（ＵＡ、ＵＢ）の登録情報、履歴情報、位置情報等に基づいて、機械学習モデルを用いて、第１利用者ＵＡに対する第２利用者ＵＢの影響の程度に応じて０～１の数値をとるように信頼度を算出する。例えば、情報提供装置１０は、利用者Ｕの登録情報と、履歴情報と、位置情報とが入力された際に、第１利用者ＵＡと関係性を有する第２利用者ＵＢごとの信頼度を出力するように学習されたＤＮＮ（Deep Neural Network）等の機械学習モデルを用いて、信頼度を算出する。また、情報提供装置１０は、ルールベースで信頼度を算出してもよい。
【0022】
上述したステップＳ５について、具体的な例を用いて説明する。以下では、第１利用者ＵＡが商品Ｘの一次情報を取得し、第２利用者ＵＢによる商品Ｘの二次情報を取得し、最終的に商品Ｘを購入した例について説明する。
【0023】
例えば、情報提供装置１０は、第２利用者ＵＢが商品Ｘを所有していれば、信用力があるとして高い信頼度を算出する。また、情報提供装置１０は、第２利用者ＵＢの商品Ｘに対する理解が深ければ、信用力があるとして高い信頼度を算出する。また、情報提供装置１０は、第１利用者ＵＡと第２利用者ＵＢとの利用者端末を用いたメッセージの頻度や、メッセージや通話における商品Ｘの出現回数等に応じて信頼度を算出する。また、情報提供装置１０は、第１利用者ＵＡと第２利用者ＵＢとの接触回数、接触時間、接触頻度等に応じて信頼度を算出する。また、情報提供装置１０は、第１利用者ＵＡの商品Ｘの購入前における購入確率が低かったり、二次情報の取得から商品Ｘの購入までの時間が短かったりする場合には、第２利用者ＵＢの影響が大きいとして高い信頼度を算出する。また、情報提供装置１０は、第２利用者ＵＢが商品Ｘの二次情報を供与した第１利用者ＵＡの人数に応じて信頼度を算出する。
【0024】
（１－２－６．ステップＳ６の処理）
本システム１００において、第６に、情報提供装置１０は、特定した第２利用者ＵＢの第２利用者端末２０Ｂに対して提供情報を送信する（ステップＳ６）。上記ステップＳ５の例を用いて説明すると、例えば、情報提供装置１０は、第２利用者ＵＢに対して、商品Ｘの関連商品Ｙをレコメンドする広告を送信する。また、情報提供装置１０は、情報提供装置１０は、第２利用者ＵＢに対して、商品Ｘや関連商品Ｙの割引クーポン等の特典を送信してもよい。
本システム１００において、第６に、情報提供装置１０は、特定した第２利用者ＵＢの第２利用者端末２０Ｂに対して提供情報を送信する（ステップＳ６）。上記ステップＳ５の例を用いて説明すると、例えば、情報提供装置１０は、第２利用者ＵＢに対して、商品Ｘの関連商品Ｙをレコメンドする広告を送信する。また、情報提供装置１０は、情報提供装置１０は、第２利用者ＵＢに対して、商品Ｘや関連商品Ｙの割引クーポン等の特典を送信してもよい。
【0025】
（１－２－７．ステップＳ７の処理）
本システム１００において、第７に、情報提供装置１０は、算出した信頼度を学習する（ステップＳ７）。例えば、情報提供装置１０は、第１利用者ＵＡの第２利用者ＵＢに対する後押しを示す情報（登録情報、履歴情報、位置情報）が機械学習モデルに入力された場合には、第２利用者ＵＢの信頼度を「１」に近づく数値として出力するように、バックプロパゲーション等を用いて学習する。
本システム１００において、第７に、情報提供装置１０は、算出した信頼度を学習する（ステップＳ７）。例えば、情報提供装置１０は、第１利用者ＵＡの第２利用者ＵＢに対する後押しを示す情報（登録情報、履歴情報、位置情報）が機械学習モデルに入力された場合には、第２利用者ＵＢの信頼度を「１」に近づく数値として出力するように、バックプロパゲーション等を用いて学習する。
【0026】
（１－３．システム１００の効果）
本システム１００では、情報提供装置１０は、利用者端末２０（２０Ａ、２０Ｂ）を介して利用者Ｕ（ＵＡ，ＵＢ）に関する利用者情報を収集し、収集した利用者情報に基づいて、取引対象の購買行動を行った第１利用者ＵＡと関係性を有する第２利用者ＵＢの取引対象に関する信頼度を算出する。このため、本システム１００では、コミュニティ内において、メディア等が発信した一次情報の信頼を後押ししてくれる対象者を発見することができる。また、本システム１００では、コミュニティ内において発信されるリアルな口コミを推定することができる。
本システム１００では、情報提供装置１０は、利用者端末２０（２０Ａ、２０Ｂ）を介して利用者Ｕ（ＵＡ，ＵＢ）に関する利用者情報を収集し、収集した利用者情報に基づいて、取引対象の購買行動を行った第１利用者ＵＡと関係性を有する第２利用者ＵＢの取引対象に関する信頼度を算出する。このため、本システム１００では、コミュニティ内において、メディア等が発信した一次情報の信頼を後押ししてくれる対象者を発見することができる。また、本システム１００では、コミュニティ内において発信されるリアルな口コミを推定することができる。
【0027】
また、本システム１００では、収集した利用者情報が示す、各利用者における登録情報、履歴情報または位置情報に基づいて、取引対象の購買行動を行った第１利用者ＵＡと関係性を有する第２利用者ＵＢの取引対象に関する信頼度を算出する。このとき、情報提供装置１０は、利用者情報が示す、各利用者における登録情報、履歴情報または位置情報に基づいて、所定のメディアから取引対象をレコメンドする一次情報を取得した後に購買行動を行った第１利用者ＵＡを特定し、当該購買行動の前に第１利用者ＵＡに対する取引対象をレコメンドする二次情報を供与した第２利用者ＵＢを特定する。このため、本システム１００は、一次情報をインプレッションした利用者がインプレッション対象のコンバージョンに至らせる情報提供を行う可能性が高いフォローアップユーザを精度よく特定することができる。
【0028】
［２．情報提供装置１０の構成］
図２を用いて、実施形態に係る情報提供装置１０の構成について説明する。図２は、実施形態に係る情報提供装置１０の構成例を示すブロック図である。図２に示すように、情報提供装置１０は、通信部１１、記憶部１２および制御部１３を有する。なお、情報提供装置１０は、情報提供装置１０の管理者等から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示するための表示部（例えば、液晶ディスプレイ等）を有してもよい。
図２を用いて、実施形態に係る情報提供装置１０の構成について説明する。図２は、実施形態に係る情報提供装置１０の構成例を示すブロック図である。図２に示すように、情報提供装置１０は、通信部１１、記憶部１２および制御部１３を有する。なお、情報提供装置１０は、情報提供装置１０の管理者等から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示するための表示部（例えば、液晶ディスプレイ等）を有してもよい。
【0029】
（２－１．通信部１１）
通信部１１は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部１１は、所定の通信網（ネットワーク）と有線または無線で接続され、各種装置との間で情報の送受信を行う。
通信部１１は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部１１は、所定の通信網（ネットワーク）と有線または無線で接続され、各種装置との間で情報の送受信を行う。
【0030】
（２－２．記憶部１２）
記憶部１２は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）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。実施形態に係る記憶部１２は、図２に示すように、利用者情報記憶部１２ａおよび信頼度記憶部１２ｂを有する。そして、記憶部１２は、制御部１３が動作する際に参照する各種情報や、制御部１３が動作した際に取得した各種情報を記憶する。
記憶部１２は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）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。実施形態に係る記憶部１２は、図２に示すように、利用者情報記憶部１２ａおよび信頼度記憶部１２ｂを有する。そして、記憶部１２は、制御部１３が動作する際に参照する各種情報や、制御部１３が動作した際に取得した各種情報を記憶する。
【0031】
（２－２－１．利用者情報記憶部１２ａ）
利用者情報記憶部１２ａは、利用者Ｕ（ＵＡ、ＵＢ）に関する各種の情報（利用者情報）を記憶する。ここで、図３を用いて、利用者情報記憶部１２ａが記憶する情報の一例を説明する。図３は、実施形態に係る利用者情報記憶部１２ａの一例を示す図である。図３の例において、利用者情報記憶部１２ａは、「利用者ＩＤ」、「登録情報」、「履歴情報」、「位置情報」といった項目を有する。
利用者情報記憶部１２ａは、利用者Ｕ（ＵＡ、ＵＢ）に関する各種の情報（利用者情報）を記憶する。ここで、図３を用いて、利用者情報記憶部１２ａが記憶する情報の一例を説明する。図３は、実施形態に係る利用者情報記憶部１２ａの一例を示す図である。図３の例において、利用者情報記憶部１２ａは、「利用者ＩＤ」、「登録情報」、「履歴情報」、「位置情報」といった項目を有する。
【0032】
「利用者ＩＤ」は、利用者Ｕを識別するための識別情報を示す。「登録情報」は、利用者Ｕの性別、年齢、年代、職業、年収、居住地、既婚・未婚の別、子供の有無等の利用者属性の他、利用者Ｕの知人・友人や所属するコミュニティ等の交遊関係に関する情報である。「履歴情報」は、購買履歴、閲覧履歴、検索履歴、通信履歴等の情報である。「位置情報」は、利用者端末２０によって取得される利用者Ｕの位置、移動等に関する情報である。
【0033】
すなわち、図３では、利用者ＩＤ「ＵＩＤ＃１」によって識別される利用者Ｕについて、登録情報が「登録情報＃１」、履歴情報が「履歴情報＃１」、位置情報が「位置情報＃１」である例を示す。
【0034】
（２－２－２．信頼度情報記憶部１２ｂ）
信頼度情報記憶部１２ｂは、制御部１３の算出部１３ｃによって算出された第１利用者ＵＡと関連性を有する第２利用者ＵＢごとの信頼度（信頼度情報）を記憶する。ここで、図４を用いて、信頼度情報記憶部１２ｂが記憶する情報の一例を説明する。図４は、実施形態に係る信頼度情報記憶部１２ｂの一例を示す図である。図４の例において、信頼度情報記憶部１２ｂは、「第１利用者ＩＤ」、「第２利用者ＩＤ」、「信頼度」といった項目を有する。
信頼度情報記憶部１２ｂは、制御部１３の算出部１３ｃによって算出された第１利用者ＵＡと関連性を有する第２利用者ＵＢごとの信頼度（信頼度情報）を記憶する。ここで、図４を用いて、信頼度情報記憶部１２ｂが記憶する情報の一例を説明する。図４は、実施形態に係る信頼度情報記憶部１２ｂの一例を示す図である。図４の例において、信頼度情報記憶部１２ｂは、「第１利用者ＩＤ」、「第２利用者ＩＤ」、「信頼度」といった項目を有する。
【0035】
「第１利用者ＩＤ」は、第１利用者ＵＡを識別するための識別情報を示す。「第２利用者ＩＤ」は、第２利用者ＵＢを識別するための識別情報を示す。「信頼度」は、第１利用者ＵＡに対する第２利用者ＵＢの購買行動における影響の大きさを示し、例えば、商品やサービス等の取引対象や、当該取引対象が含まれる区分・種別（カテゴリ）ごとに算出された数値である。
【0036】
すなわち、図４では、第１利用者ＩＤ「ＵＡＩＤ＃１」によって識別される第１利用者ＵＡについて、第２利用者ＩＤ「ＵＢＩＤ＃１」によって識別される第２利用者ＵＢの信頼度が「信頼度＃１」、第２利用者ＩＤ「ＵＢＩＤ＃２」によって識別される第２利用者ＵＢの信頼度が「信頼度＃２」である例を示す。
【0037】
（２－３．制御部１３）
制御部１３は、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、情報提供装置１０内部の記憶装置に記憶されている各種プログラム（情報処理プログラムの一例に相当）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１３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。
制御部１３は、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、情報提供装置１０内部の記憶装置に記憶されている各種プログラム（情報処理プログラムの一例に相当）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１３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。
【0038】
図２に示すように、制御部１３は、収集部１３ａ、特定部１３ｂ、算出部１３ｃ、送信部１３ｄおよび学習部１３ｅ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１３の内部構成は、図２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１３が有する各処理部の接続関係は、図２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。
【0039】
（２－３－１．収集部１３ａ）
収集部１３ａは、利用者Ｕ（ＵＡ、ＵＢ）に関する利用者情報を収集する。例えば、収集部１３ａは、利用者情報として、利用者Ｕにおける登録情報、履歴情報または位置情報等を利用者Ｕの利用者端末２０から収集する。なお、収集部１３ａは、収集した利用者情報を利用者情報記憶部１２ａに格納する。
収集部１３ａは、利用者Ｕ（ＵＡ、ＵＢ）に関する利用者情報を収集する。例えば、収集部１３ａは、利用者情報として、利用者Ｕにおける登録情報、履歴情報または位置情報等を利用者Ｕの利用者端末２０から収集する。なお、収集部１３ａは、収集した利用者情報を利用者情報記憶部１２ａに格納する。
【0040】
（２－３－２．特定部１３ｂ）
特定部１３ｂは、利用者情報が示す、各利用者における登録情報、履歴情報または位置情報に基づいて、所定の媒体から取引対象を推奨する第１推奨情報（一次情報）を取得した後に購買行動を行った第１利用者ＵＡを特定し、購買行動の前に第１利用者ＵＡに対する取引対象を推奨する第２推奨情報（二次情報）を供与した第２利用者ＵＢを特定する。例えば、特定部１３ｂは、第１利用者ＵＡの購買履歴、検索履歴、閲覧履歴等を用いて、第１利用者ＵＡの取引対象の一次情報の取得行動と、第１利用者ＵＡの当該取引対象の購買行動とを特定する。また、特定部１３ｂは、第１利用者ＵＡの登録情報、通信履歴、位置情報等を用いて、第２利用者ＵＢによる当該取引対象の二次情報の供与行動を特定する。
特定部１３ｂは、利用者情報が示す、各利用者における登録情報、履歴情報または位置情報に基づいて、所定の媒体から取引対象を推奨する第１推奨情報（一次情報）を取得した後に購買行動を行った第１利用者ＵＡを特定し、購買行動の前に第１利用者ＵＡに対する取引対象を推奨する第２推奨情報（二次情報）を供与した第２利用者ＵＢを特定する。例えば、特定部１３ｂは、第１利用者ＵＡの購買履歴、検索履歴、閲覧履歴等を用いて、第１利用者ＵＡの取引対象の一次情報の取得行動と、第１利用者ＵＡの当該取引対象の購買行動とを特定する。また、特定部１３ｂは、第１利用者ＵＡの登録情報、通信履歴、位置情報等を用いて、第２利用者ＵＢによる当該取引対象の二次情報の供与行動を特定する。
【0041】
（２－３－３．算出部１３ｃ）
算出部１３ｃは、利用者情報に基づいて、取引対象の購買行動を行った第１利用者ＵＡと関係性を有する第２利用者ＵＢの取引対象に関する信頼度を算出する。例えば、算出部１３ｃは、利用者情報として、利用者Ｕの登録情報、履歴情報または位置情報を用いて、第１利用者ＵＡと関係性を有する第２利用者ＵＢごとに、取引対象に関する信頼度を算出する。さらに、算出部１３ｃは、取引対象のカテゴリごとに信頼度を算出してもよい。
算出部１３ｃは、利用者情報に基づいて、取引対象の購買行動を行った第１利用者ＵＡと関係性を有する第２利用者ＵＢの取引対象に関する信頼度を算出する。例えば、算出部１３ｃは、利用者情報として、利用者Ｕの登録情報、履歴情報または位置情報を用いて、第１利用者ＵＡと関係性を有する第２利用者ＵＢごとに、取引対象に関する信頼度を算出する。さらに、算出部１３ｃは、取引対象のカテゴリごとに信頼度を算出してもよい。
【0042】
算出する手法について説明すると、算出部１３ｃは、利用者Ｕの登録情報と、履歴情報と、位置情報とを入力した際に、第１利用者ＵＡと関係性を有する第２利用者ＵＢごとの信頼度を出力するように学習されたＤＮＮ等の機械学習モデルを用いて、信頼度を算出する。また、算出部１３ｃは、ルールベースで信頼度を算出してもよい。
【0043】
算出する数値について説明すると、算出部１３ｃは、第２利用者ＵＢごとの信用力や影響力に応じて０～１の数値をとるように信頼度を算出する。また、算出部１３ｃは、第２利用者ＵＢごとの信用力や影響力に応じて０～１００％の数値をとるように信頼度を算出してもよく、算出する数値の範囲や単位は特に限定されない。
【0044】
算出に用いる情報について説明すると、算出部１３ｃは、第２利用者ＵＢにおける取引対象の所有の有無に基づいて、信頼度を算出する。例えば、算出部１３ｃは、第２利用者ＵＢの購買履歴を用いて、第２利用者ＵＢが二次情報で推奨した取引対象の所有の有無を判定し、当該判定結果をもとに信頼度を算出する。すなわち、算出部１３ｃは、第２利用者ＵＢが当該取引対象を所有していると判定した場合には高い信頼度を算出し、第２利用者ＵＢが当該取引対象を所有していないと判定した場合には低い信頼度を算出する。
【0045】
また、算出部１３ｃは、第２利用者ＵＢにおける取引対象に関する理解度に基づいて、信頼度を算出する。例えば、算出部１３ｃは、第２利用者ＵＢの利用者属性等の登録情報、購買履歴、検索履歴、閲覧履歴等を用いて、第２利用者ＵＢが二次情報で推奨した取引対象に関する理解度を算出し、算出した理解度に応じて信頼度を算出する。
【0046】
また、算出部１３ｃは、第１利用者ＵＡと第２利用者ＵＢとの間で端末を用いた通信に基づいて、信頼度を算出する。例えば、算出部１３ｃは、第１利用者ＵＡと第２利用者ＵＢとの間での通信履歴等を用いて、通信の頻度や、送受信された文章データ、動画像データ、音声データ等の通信データにおける取引対象の出現回数等を算出し、当該算出結果に応じて信頼度を算出する。
【0047】
また、算出部１３ｃは、第１利用者ＵＡと第２利用者ＵＢとの位置情報が示す接触行動に基づいて、信頼度を算出する。例えば、算出部１３ｃは、第１利用者ＵＡと第２利用者ＵＢとの位置情報等を用いて、第１利用者ＵＡと第２利用者ＵＢとの接触回数、接触時間、接触頻度等を算出し、当該算出結果に応じて信頼度を算出する。
【0048】
また、算出部１３ｃは、第１利用者ＵＡにおける購買行動を行う前の履歴情報に基づいて、信頼度を算出する。例えば、算出部１３ｃは、第１利用者ＵＡと第２利用者ＵＢとの購買履歴、検索履歴、閲覧履歴、通信履歴、位置情報等を用いて、第１利用者ＵＡの一次情報取得時の取引対象の購入確率や、第１利用者ＵＡの二次情報取得時から購買行動までの時間を算出し、当該算出結果に応じて信頼度を算出する。すなわち、算出部１３ｃは、一次情報取得時の取引対象の購入確率が低い場合や、二次情報取得時から購買行動までの時間が短い場合には、二次情報が効果的であったとして高い信頼度を算出する。
【0049】
また、算出部１３ｃは、第２利用者ＵＡが二次情報を供与した第１利用者ＵＡの人数に基づいて、前記信頼度を算出する。例えば、算出部１３ｃは、第１利用者ＵＡと第２利用者ＵＢとの登録情報、購買履歴、検索履歴、閲覧履歴、通信履歴、位置情報等を用いて、第２利用者ＵＢが取引対象の二次情報を供与し、かつ当該取引対象の購買行動に至った第１利用者ＵＡの人数を算出し、当該算出結果に応じて信頼度を算出する。
【0050】
なお、算出部１３ｃは、利用者情報記憶部１２ａから利用者情報を取得する。一方、算出部１３ｃは、算出した信頼度を信頼度情報記憶部１２ｂに格納する。
【0051】
（２－３－４．送信部１３ｄ）
送信部１３ｄは、算出部１３ｃによって算出された信頼度に基づいて、第２利用者ＵＢに対して提供する提供情報を送信する。例えば、送信部１３ｄは、提供情報として、取引対象と関連する取引対象（例：バリエーション商品、同一カテゴリ商品）を推奨するレコメンドする広告を生成し、第２利用者ＵＢに送信する。また、送信部１３ｄは、提供情報として、ネットショッピングで使用する割引クーポン等を取得し、第２利用者ＵＢに送信することもできる。なお、送信部１３ｄは、生成した提供情報や取得した提供情報を記憶部１２に格納してもよい。
送信部１３ｄは、算出部１３ｃによって算出された信頼度に基づいて、第２利用者ＵＢに対して提供する提供情報を送信する。例えば、送信部１３ｄは、提供情報として、取引対象と関連する取引対象（例：バリエーション商品、同一カテゴリ商品）を推奨するレコメンドする広告を生成し、第２利用者ＵＢに送信する。また、送信部１３ｄは、提供情報として、ネットショッピングで使用する割引クーポン等を取得し、第２利用者ＵＢに送信することもできる。なお、送信部１３ｄは、生成した提供情報や取得した提供情報を記憶部１２に格納してもよい。
【0052】
（２－３－５．学習部１３ｅ）
学習部１３ｅは、利用者Ｕ（ＵＡ、ＵＢ）の利用者情報を入力された際に、第１利用者ＵＡと関係性を有する第２利用者ＵＢごとの取引対象に関する信頼度を出力するように、機械学習モデルの学習を行う。このとき、学習部１３ｅは、バックプロパゲーション等により機械学習モデルの学習を行ってもよい。
学習部１３ｅは、利用者Ｕ（ＵＡ、ＵＢ）の利用者情報を入力された際に、第１利用者ＵＡと関係性を有する第２利用者ＵＢごとの取引対象に関する信頼度を出力するように、機械学習モデルの学習を行う。このとき、学習部１３ｅは、バックプロパゲーション等により機械学習モデルの学習を行ってもよい。
【0053】
例えば、学習部１３ｅは、第２利用者ＵＢが当該取引対象を所有している情報が機械学習モデルに入力された場合には、第２利用者ＵＢの信頼度を「１」に近づく数値として出力するように、機械学習モデルの学習を行う。
【0054】
また、学習部１３ｅは、第２利用者ＵＢが当該取引対象に対する理解度が高い情報が機械学習モデルに入力された場合には、第２利用者ＵＢの信頼度を「１」に近づく数値として出力するように、機械学習モデルの学習を行う。
【0055】
また、学習部１３ｅは、第１利用者ＵＡと第２利用者ＵＢとの利用者端末を用いたメッセージの頻度や、メッセージや通話における当該取引対象の出現回数等の情報が機械学習モデルに入力された場合には、当該入力された数値が大きいほど第２利用者ＵＢの信頼度を「１」に近づく数値として出力するように、機械学習モデルの学習を行う。
【0056】
また、学習部１３ｅは、第１利用者ＵＡと第２利用者ＵＢとの接触回数、接触時間、接触頻度等の情報が機械学習モデルに入力された場合には、当該入力された数値が大きいほど第２利用者ＵＢの信頼度を「１」に近づく数値として出力するように、機械学習モデルの学習を行う。
【0057】
また、学習部１３ｅは、第１利用者ＵＡの一次情報取得時の取引対象の購入確率や、第１利用者ＵＡの二次情報取得時から購買行動までの時間等の情報が機械学習モデルに入力された場合には、当該入力された数値が大きいほど第２利用者ＵＢの信頼度を「０」に近づく数値として出力するように、機械学習モデルの学習を行う。
【0058】
また、学習部１３ｅは、第２利用者ＵＢが取引対象の二次情報を供与し、かつ当該取引対象の購買行動に至った第１利用者ＵＡの人数等の情報が機械学習モデルに入力された場合には、当該入力された数値が大きいほど第２利用者ＵＢの信頼度を「１」に近づく数値として出力するように、機械学習モデルの学習を行う。
【0059】
【0060】
（３－１．具体例１）
図５を用いて、信頼度算出処理の具体例１について説明する。以下では、スマートフォンである商品Ｇ１未所有の第１利用者ＵＡ１と、商品Ｇ１所有の第２利用者ＵＢ１との例について説明する。
図５を用いて、信頼度算出処理の具体例１について説明する。以下では、スマートフォンである商品Ｇ１未所有の第１利用者ＵＡ１と、商品Ｇ１所有の第２利用者ＵＢ１との例について説明する。
【0061】
図５に示すように、まず、情報提供装置１０は、第１利用者ＵＡ１がＷｅｂ広告、人物、ＳＮＳによって発信された商品Ｇ１の一次情報と接触したことを判定する（図５（１）参照）。次に、情報提供装置１０は、第１利用者ＵＡ１が商品Ｇ１未所有であることを判定する（図５（２）参照）。そして、情報提供装置１０は、第１利用者ＵＡ１と第２利用者ＵＢ１との接触行動があり、第１利用者ＵＡ１による商品Ｇ１の購買行動があった場合には、第２利用者ＵＢ１から第１利用者ＵＡ１へ商品Ｇ１のレコメンドがあった（二次情報を与えた）と推定する（図５（３）参照）。したがって、情報提供装置１０は、第１利用者ＵＡ１にとって第２利用者ＵＢ１は信頼できると判定し、高い信頼度を算出する（例：第２利用者ＵＢ１［０．９０］）。
【0062】
上記の具体例１で示すように、友人等が所持している商品のレビューに後押しされて購買行動につながることは日常的である。このため、情報提供装置１０は、利用者間の関係性（ＳＮＳ等の友人登録や、やりとりの回数から判定）と、接触行動（メッセージ履歴、同地点への滞在、音声データ等）と、所有商品の伝搬（第２利用者ＵＢ１が所持している商品Ｇ１を第１利用者ＵＡ１が購入した）とから、第２利用者ＵＢ１から一次情報にインプレッションしている第１利用者ＵＡ１へ商品購買の後押し（レコメンド）が起きたとして、第２利用者ＵＢ１の信頼度をスコア化することができる。
【0063】
（３－２．具体例２）
図６を用いて、信頼度算出処理の具体例２について説明する。以下では、シャツである商品Ｇ２未所有の第１利用者ＵＡ１と、商品Ｇ２未所有の第２利用者ＵＢ１と、商品Ｇ２未所有の第２利用者ＵＢ２との例について説明する。すなわち、具体例２では、複数の第２利用者ＵＢが存在し、第２利用者ＵＢがレコメンドする商品を所有していない例について説明する。
図６を用いて、信頼度算出処理の具体例２について説明する。以下では、シャツである商品Ｇ２未所有の第１利用者ＵＡ１と、商品Ｇ２未所有の第２利用者ＵＢ１と、商品Ｇ２未所有の第２利用者ＵＢ２との例について説明する。すなわち、具体例２では、複数の第２利用者ＵＢが存在し、第２利用者ＵＢがレコメンドする商品を所有していない例について説明する。
【0064】
図６に示すように、まず、情報提供装置１０は、第１利用者ＵＡ１がＷｅｂ広告、人物、ＳＮＳによって発信された商品Ｇ１の一次情報と接触したことを判定する（図６（１）参照）。このとき、情報提供装置１０は、具体例１と同様な処理を実行し、第１利用者ＵＡ１が商品Ｇ２未所有であることを判定する。次に、情報提供装置１０は、第２利用者ＵＢ１が商品Ｇ２未所有であるが、商品Ｇ２の属するカテゴリである「ファッション」に関する造詣が深い（理解度が高い）ことを判定する（図６（２）参照）。そして、情報提供装置１０は、第１利用者ＵＡ１と第２利用者ＵＢ１との接触行動、および第１利用者ＵＡ１と第２利用者ＵＢ２との接触行動があり、第１利用者ＵＡ１による商品Ｇ２の購買行動があった場合には、第２利用者ＵＢ１または第２利用者ＵＢ２から第１利用者ＵＡ１へ商品Ｇ２のレコメンドがあった（二次情報を与えた）と推定する（図６（３）参照）。このとき、情報提供装置１０は、第２利用者ＵＢ１および第２利用者ＵＢ２がともに商品Ｇ２未所有であるが、第２利用者ＵＢ１はファッションに関する造詣が深いので、第２利用者ＵＢ１が第２利用者ＵＢ２よりも信頼できると判定し、第２利用者ＵＢ１についてより高い信頼度を算出する（例：第２利用者ＵＢ１［０．５３］、第２利用者ＵＢ２［０．１７］）。
【0065】
上記の具体例２で示すように、情報提供装置１０は、複数の第２利用者ＵＢから第１利用者ＵＡへ商品の伝搬が起きた場合には、コミュニティ内のレコメンドがあったと推定する。このとき、情報提供装置１０は、具体例１で示した第２利用者ＵＢの商品の所有の有無だけではなく、利用者同士の関係性や接触時の該当ワード（例：「商品Ｇ２」、「シャツ」）の出現頻度や利用者属性（例：ファッション、飲食業界、音楽、流行についての理解度が高い）から、複数の第２利用者ＵＢのうちいずれの利用者がより商品をレコメンドしたか（二次情報を与えた信頼できる利用者か）をスコア化することができる。
【0066】
（３－３．具体例３）
図７を用いて、信頼度算出処理の具体例３について説明する。以下では、具体例２とは異なるシャツである商品Ｇ３未所有の第１利用者ＵＡ１と、商品Ｇ３所有の第２利用者ＵＢ１と、商品Ｇ３所有の第２利用者ＵＢ２との例について説明する。すなわち、具体例３では、複数の第２利用者ＵＢが存在し、第２利用者ＵＢがレコメンドする商品を所有している例について説明する。
図７を用いて、信頼度算出処理の具体例３について説明する。以下では、具体例２とは異なるシャツである商品Ｇ３未所有の第１利用者ＵＡ１と、商品Ｇ３所有の第２利用者ＵＢ１と、商品Ｇ３所有の第２利用者ＵＢ２との例について説明する。すなわち、具体例３では、複数の第２利用者ＵＢが存在し、第２利用者ＵＢがレコメンドする商品を所有している例について説明する。
【0067】
図７に示すように、まず、情報提供装置１０は、第１利用者ＵＡ１がＷｅｂ広告、人物、ＳＮＳによって発信された商品Ｇ３の一次情報と接触したことを判定する（図７（１）参照）。このとき、情報提供装置１０は、具体例１と同様な処理を実行し、第１利用者ＵＡ１が商品Ｇ３未所有であることを判定する。次に、情報提供装置１０は、第２利用者ＵＢ１が商品Ｇ３所有であり、商品Ｇ３の属するカテゴリである「ファッション」に関する造詣が深い（理解度が高い）ことを判定する（図７（２）参照）。また、情報提供装置１０は、第２利用者ＵＢ２が商品Ｇ３所有であり、第１利用者ＵＡ１との接触時間が長いことを判定する（図７（３）参照）。そして、情報提供装置１０は、第１利用者ＵＡ１と第２利用者ＵＢ１との接触行動、および第１利用者ＵＡ１と第２利用者ＵＢ２との接触行動があり、第１利用者ＵＡ１による商品Ｇ３の購買行動があった場合には、第２利用者ＵＢ１または第２利用者ＵＢ２から第１利用者ＵＡ１へ商品Ｇ３のレコメンドがあった（二次情報を与えた）と推定する（図７（４）参照）。このとき、情報提供装置１０は、第２利用者ＵＢ１および第２利用者ＵＢ２がともに商品Ｇ３所有であって、第２利用者ＵＢ１はファッションに関する造詣が深い一方、第２利用者ＵＢ２は第１利用者ＵＡ１との接触頻度が高く、同地点での滞在時間が長いので、どちらも信頼できると判定し、第２利用者ＵＢ１と第２利用者ＵＢ２との信頼度について同程度の信頼度を算出する（例：第２利用者ＵＢ１［０．５３］、第２利用者ＵＢ２［０．５２］）。
【0068】
上記の具体例３で示すように、情報提供装置１０は、複数の第２利用者ＵＢから第１利用者ＵＡへ商品の伝搬が起きた場合には、コミュニティ内のレコメンドがあったと推定する。このとき、情報提供装置１０は、具体例１で示した第２利用者ＵＢの商品の所有の有無や、利用者同士の関係性や接触時の該当ワード（例：「商品Ｇ３」、「シャツ」）の出現頻度や、具体例２で示した利用者属性（例：ファッション、飲食業界、音楽、流行についての理解度が高い）だけではなく、位置情報に基づく接触頻度や滞在時間から、複数の第２利用者ＵＢのうちいずれの利用者がより商品をレコメンドしたか（二次情報を与えた信頼できる利用者か）をスコア化することができる。
【0069】
（３－４．具体例４）
図８を用いて、信頼度算出処理の具体例４について説明する。以下では、商品Ｇ３未所有であって具体例１～３とは異なる第１利用者ＵＡ２と、商品Ｇ３所有の第２利用者ＵＢ１と、商品Ｇ３所有であって具体例２～３とは異なる第２利用者ＵＢ３との例について説明する。すなわち、具体例４では、複数の第２利用者ＵＢが存在し、第２利用者ＵＢが複数の第１利用者ＵＡに商品をレコメンドする例について説明する。
図８を用いて、信頼度算出処理の具体例４について説明する。以下では、商品Ｇ３未所有であって具体例１～３とは異なる第１利用者ＵＡ２と、商品Ｇ３所有の第２利用者ＵＢ１と、商品Ｇ３所有であって具体例２～３とは異なる第２利用者ＵＢ３との例について説明する。すなわち、具体例４では、複数の第２利用者ＵＢが存在し、第２利用者ＵＢが複数の第１利用者ＵＡに商品をレコメンドする例について説明する。
【0070】
図８に示すように、まず、情報提供装置１０は、第１利用者ＵＡ２がＷｅｂ広告、人物、ＳＮＳによって発信された商品Ｇ３の一次情報と接触したことを判定する（図８（１）参照）。このとき、情報提供装置１０は、具体例１と同様な処理を実行し、第１利用者ＵＡ２が商品Ｇ３未所有であることを判定する。次に、情報提供装置１０は、第２利用者ＵＢ１が商品Ｇ３所有であり、また具体例３で示したように、同じコミュニティ内の第１利用者ＵＡ１にも商品Ｇ３をレコメンドしていることを判定する（図８（２）参照）。そして、情報提供装置１０は、第１利用者ＵＡ２と第２利用者ＵＢ１との接触行動、および第１利用者ＵＡ２と第２利用者ＵＢ３との接触行動があり、第１利用者ＵＡ２による商品Ｇ３の購買行動があった場合には、第２利用者ＵＢ１または第２利用者ＵＢ３から第１利用者ＵＡ２へ商品Ｇ３のレコメンドがあった（二次情報を与えた）と推定する（図８（３）参照）。このとき、情報提供装置１０は、第２利用者ＵＢ１および第２利用者ＵＢ２がともに商品Ｇ３所有であるが、第２利用者ＵＢ１が複数の第１利用者ＵＡ（ＵＡ１、ＵＡ２）に商品Ｇ３を後押ししており同じコミュニティ内での信用力が高いので、第２利用者ＵＢ１が第２利用者ＵＢ３よりも信頼できると判定し、第２利用者ＵＢ１についてより高い信頼度を算出する（例：第２利用者ＵＢ１［０．９３］、第２利用者ＵＢ３［０．２２］）。
【0071】
上記の具体例４で示すように、情報提供装置１０は、複数の第２利用者ＵＢから第１利用者ＵＡへ商品の伝搬が起きた場合には、コミュニティ内のレコメンドがあったと推定する。このとき、情報提供装置１０は、具体例１で示した第２利用者ＵＢの商品の所有の有無や、利用者同士の関係性や接触時の該当ワード（例：「商品Ｇ３」、「シャツ」）の出現頻度や、具体例２で示した利用者属性（例：ファッション、飲食業界、音楽、流行についての理解度が高い）や、具体例３で示した位置情報に基づく接触頻度や滞在時間だけではなく、同じコミュニティ内での信用力（例：二次情報を与えた人数）から、複数の第２利用者ＵＢのうちいずれの利用者がより商品をレコメンドしたか（二次情報を与えた信頼できる利用者か）をスコア化することができる。
【0072】
［４．情報提供処理の流れ］
図９を用いて、実施形態に係る情報提供装置１０の情報処理の手順について説明する。図９は、実施形態に係る情報提供処理の流れの一例を示すフローチャートである。なお、下記のステップＳ１０１～Ｓ１０６は、異なる順序で実行することもできる。また、下記のステップＳ１０１～Ｓ１０６のうち、省略される処理があってもよい。
図９を用いて、実施形態に係る情報提供装置１０の情報処理の手順について説明する。図９は、実施形態に係る情報提供処理の流れの一例を示すフローチャートである。なお、下記のステップＳ１０１～Ｓ１０６は、異なる順序で実行することもできる。また、下記のステップＳ１０１～Ｓ１０６のうち、省略される処理があってもよい。
【0073】
（４－１．利用者情報収集処理）
第１に、情報提供装置１０の収集部１３ａは、利用者情報収集処理を実行する（ステップＳ１０１）。例えば、収集部１３ａは、利用者端末２０（２０Ａ、２０Ｂ）から利用者Ｕ（ＵＡ、ＵＢ）の利用者情報（登録情報、履歴情報、位置情報）を収集する。
第１に、情報提供装置１０の収集部１３ａは、利用者情報収集処理を実行する（ステップＳ１０１）。例えば、収集部１３ａは、利用者端末２０（２０Ａ、２０Ｂ）から利用者Ｕ（ＵＡ、ＵＢ）の利用者情報（登録情報、履歴情報、位置情報）を収集する。
【0074】
（４－２．第１利用者特定処理）
第２に、情報提供装置１０の特定部１３ｂは、第１利用者特定処理を実行する（ステップＳ１０２）。例えば、特定部１３ｂは、利用者情報が示す購買履歴等を用いて、一次情報を取得した後に購買行動を行った第１利用者ＵＡを取得する。
第２に、情報提供装置１０の特定部１３ｂは、第１利用者特定処理を実行する（ステップＳ１０２）。例えば、特定部１３ｂは、利用者情報が示す購買履歴等を用いて、一次情報を取得した後に購買行動を行った第１利用者ＵＡを取得する。
【0075】
（４－３．第２利用者特定処理）
第３に、情報提供装置１０の特定部１３ｂは、第２利用者特定処理を実行する（ステップＳ１０３）。例えば、特定部１３ｂは、利用者情報が示す通信情報や位置情報等を用いて、第１利用者ＵＡの購買行動の前に二次情報を供与した第２利用者ＵＢを特定する。
第３に、情報提供装置１０の特定部１３ｂは、第２利用者特定処理を実行する（ステップＳ１０３）。例えば、特定部１３ｂは、利用者情報が示す通信情報や位置情報等を用いて、第１利用者ＵＡの購買行動の前に二次情報を供与した第２利用者ＵＢを特定する。
【0076】
（４－４．信頼度算出処理）
第４に、情報提供装置１０の算出部１３ｃは、信頼度算出処理を実行する（ステップＳ１０４）。例えば、算出部１３ｃは、利用者情報が示す登録情報、履歴情報（購買履歴、検索履歴、閲覧履歴、通信履歴）、位置情報等を用いて、第１利用者ＵＡと関係性を有する第２利用者ＵＢごとの信頼度を算出する。
第４に、情報提供装置１０の算出部１３ｃは、信頼度算出処理を実行する（ステップＳ１０４）。例えば、算出部１３ｃは、利用者情報が示す登録情報、履歴情報（購買履歴、検索履歴、閲覧履歴、通信履歴）、位置情報等を用いて、第１利用者ＵＡと関係性を有する第２利用者ＵＢごとの信頼度を算出する。
【0077】
（４－５．提供情報送信処理）
第５に、情報提供装置１０の送信部１３ｄは、提供情報送信処理を実行する（ステップＳ１０５）。例えば、送信部１３ｄは、生成した提供情報や取得した提供情報を利用者ＵＢの利用者端末２０Ｂに送信する。
第５に、情報提供装置１０の送信部１３ｄは、提供情報送信処理を実行する（ステップＳ１０５）。例えば、送信部１３ｄは、生成した提供情報や取得した提供情報を利用者ＵＢの利用者端末２０Ｂに送信する。
【0078】
（４－６．信頼度学習処理）
第６に、情報提供装置１０の学習部１３ｅは、信頼度学習処理を実行する（ステップＳ１０６）。例えば、学習部１３ｅは、算出された信頼度の学習を行う。
第６に、情報提供装置１０の学習部１３ｅは、信頼度学習処理を実行する（ステップＳ１０６）。例えば、学習部１３ｅは、算出された信頼度の学習を行う。
【0079】
［５．実施形態の効果］
（５－１．効果１）
上述した実施形態に係る処理では、利用者情報を収集し、利用者情報に基づいて、取引対象の購買行動を行った第１利用者ＵＡと関係性を有する第２利用者ＵＢの取引対象に関する信頼度を算出する。このため、本処理では、利用者Ｕに関する有益な情報を提供できる。
（５－１．効果１）
上述した実施形態に係る処理では、利用者情報を収集し、利用者情報に基づいて、取引対象の購買行動を行った第１利用者ＵＡと関係性を有する第２利用者ＵＢの取引対象に関する信頼度を算出する。このため、本処理では、利用者Ｕに関する有益な情報を提供できる。
【0080】
（５－２．効果２）
上述した実施形態に係る処理では、利用者情報が示す、各利用者における登録情報、履歴情報または位置情報に基づいて、所定の媒体から取引対象を推奨する一次情報を取得した後に購買行動を行った第１利用者ＵＡを特定し、当該購買行動の前に第１利用者ＵＡに対する当該取引対象を推奨する二次情報を供与した第２利用者ＵＢを特定する。このため、本処理では、利用者Ｕに関する有益な情報を、より効果的に提供できる。
上述した実施形態に係る処理では、利用者情報が示す、各利用者における登録情報、履歴情報または位置情報に基づいて、所定の媒体から取引対象を推奨する一次情報を取得した後に購買行動を行った第１利用者ＵＡを特定し、当該購買行動の前に第１利用者ＵＡに対する当該取引対象を推奨する二次情報を供与した第２利用者ＵＢを特定する。このため、本処理では、利用者Ｕに関する有益な情報を、より効果的に提供できる。
【0081】
（５－３．効果３）
上述した実施形態に係る処理では、第２利用者ＵＢにおける取引対象の所有の有無に基づいて、第２利用者ＵＢの取引対象に関する信頼度を算出する。このため、本処理では、取引対象の有無に基づいた利用者Ｕに関する有益な情報を、より効果的に提供できる。
上述した実施形態に係る処理では、第２利用者ＵＢにおける取引対象の所有の有無に基づいて、第２利用者ＵＢの取引対象に関する信頼度を算出する。このため、本処理では、取引対象の有無に基づいた利用者Ｕに関する有益な情報を、より効果的に提供できる。
【0082】
（５－４．効果４）
上述した実施形態に係る処理では、第２利用者ＵＢにおける取引対象に関する理解度に基づいて、第２利用者ＵＢの取引対象に関する信頼度を算出する。このため、本処理では、取引対象に関する理解度に基づいた利用者Ｕに関する有益な情報を、より効果的に提供できる。
上述した実施形態に係る処理では、第２利用者ＵＢにおける取引対象に関する理解度に基づいて、第２利用者ＵＢの取引対象に関する信頼度を算出する。このため、本処理では、取引対象に関する理解度に基づいた利用者Ｕに関する有益な情報を、より効果的に提供できる。
【0083】
（５－５．効果５）
上述した実施形態に係る処理では、第１利用者ＵＡと第２利用者ＵＢとの間で端末を用いた通信に基づいて、第２利用者ＵＢの取引対象に関する信頼度を算出する。このため、本処理では、利用者間の端末を用いた通信に基づいた利用者Ｕに関する有益な情報を、より効果的に提供できる。
上述した実施形態に係る処理では、第１利用者ＵＡと第２利用者ＵＢとの間で端末を用いた通信に基づいて、第２利用者ＵＢの取引対象に関する信頼度を算出する。このため、本処理では、利用者間の端末を用いた通信に基づいた利用者Ｕに関する有益な情報を、より効果的に提供できる。
【0084】
（５－６．効果６）
上述した実施形態に係る処理では、第１利用者ＵＡと第２利用者ＵＢとの位置情報が示す接触行動に基づいて、第２利用者ＵＢの取引対象に関する信頼度を算出する。このため、本処理では、利用者間の接触行動に基づいた利用者Ｕに関する有益な情報を、より効果的に提供できる。
上述した実施形態に係る処理では、第１利用者ＵＡと第２利用者ＵＢとの位置情報が示す接触行動に基づいて、第２利用者ＵＢの取引対象に関する信頼度を算出する。このため、本処理では、利用者間の接触行動に基づいた利用者Ｕに関する有益な情報を、より効果的に提供できる。
【0085】
（５－７．効果７）
上述した本実施形態に係る処理では、第１利用者ＵＡにおける購買行動を行う前の履歴情報に基づいて、第２利用者ＵＢの取引対象に関する信頼度を算出する。このため、本処理では、購買行動を行う前の履歴情報に基づいた利用者Ｕに関する有益な情報を、より効果的に提供できる。
上述した本実施形態に係る処理では、第１利用者ＵＡにおける購買行動を行う前の履歴情報に基づいて、第２利用者ＵＢの取引対象に関する信頼度を算出する。このため、本処理では、購買行動を行う前の履歴情報に基づいた利用者Ｕに関する有益な情報を、より効果的に提供できる。
【0086】
（５－８．効果８）
上述した本実施形態に係る処理では、第２利用者ＵＢが二次情報を供与した第１利用者ＵＡの人数に基づいて、第２利用者ＵＢの取引対象に関する信頼度を算出する。このため、本処理では、第１利用者ＵＡの人数に基づいた利用者Ｕに関する有益な情報を、より効果的に提供できる。
上述した本実施形態に係る処理では、第２利用者ＵＢが二次情報を供与した第１利用者ＵＡの人数に基づいて、第２利用者ＵＢの取引対象に関する信頼度を算出する。このため、本処理では、第１利用者ＵＡの人数に基づいた利用者Ｕに関する有益な情報を、より効果的に提供できる。
【0087】
（５－９．効果９）
上述した本実施形態に係る処理では、第２利用者ＵＢの取引対象に関する信頼度に基づいて、第２利用者ＵＢに対して提供する提供情報を送信する。このため、本処理では、利用者に関する有益な情報を、より効果的に提供できるとともに、利用者ＵＢに対して有益な情報を提供できる。
上述した本実施形態に係る処理では、第２利用者ＵＢの取引対象に関する信頼度に基づいて、第２利用者ＵＢに対して提供する提供情報を送信する。このため、本処理では、利用者に関する有益な情報を、より効果的に提供できるとともに、利用者ＵＢに対して有益な情報を提供できる。
【0088】
〔ハードウェア構成〕
また、上述してきた実施形態に係る情報提供装置１０は、例えば、図１０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。以下、情報提供装置１０を例に挙げて説明する。図１０は、情報提供装置１０の機能を実現するコンピュータ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。
また、上述してきた実施形態に係る情報提供装置１０は、例えば、図１０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。以下、情報提供装置１０を例に挙げて説明する。図１０は、情報提供装置１０の機能を実現するコンピュータ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。
【0089】
ＣＰＵ１１００は、ＲＯＭ１３００または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。
【0090】
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、所定の通信網Ｎ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所定の通信網Ｎを介して他の機器へ送信する。
【0091】
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。
【0092】
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また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。
【0093】
例えば、コンピュータ１０００が実施形態に係る情報提供装置１０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１３の機能を実現する。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、他の装置から所定の通信網を介してこれらのプログラムを取得してもよい。
【0094】
〔その他〕
以上、本願の実施形態を説明したが、これら実施形態の内容により本発明が限定されるものではない。また、前述した構成要素には、当業者が容易に想定できるもの、実質的に同一のもの、いわゆる均等の範囲のものが含まれる。さらに、前述した構成要素は適宜組み合わせることが可能である。さらに、前述した実施形態の要旨を逸脱しない範囲で構成要素の種々の省略、置換または変更を行うことができる。
以上、本願の実施形態を説明したが、これら実施形態の内容により本発明が限定されるものではない。また、前述した構成要素には、当業者が容易に想定できるもの、実質的に同一のもの、いわゆる均等の範囲のものが含まれる。さらに、前述した構成要素は適宜組み合わせることが可能である。さらに、前述した実施形態の要旨を逸脱しない範囲で構成要素の種々の省略、置換または変更を行うことができる。
【0095】
また、上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部又は一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部又は一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。
【0096】
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、その全部又は一部を、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又は物理的に分散・統合して構成することができる。
【0097】
例えば、上述した情報提供装置１０は、複数のサーバコンピュータで実現してもよく、また、機能によっては外部のプラットホーム等をＡＰＩ（Application Programming Interface）やネットワークコンピューティング等で呼び出して実現するなど、構成は柔軟に変更できる。
【0098】
また、上述してきた実施形態および変形例は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。
【0099】
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、制御部は、制御手段や制御回路に読み替えることができる。
【符号の説明】
【0100】
１０ 情報提供装置
１１ 通信部
１２ 記憶部
１２ａ 利用者情報記憶部
１２ｂ 信頼度情報記憶部
１３ 制御部
１３ａ 収集部
１３ｂ 特定部
１３ｃ 算出部
１３ｄ 送信部
１３ｅ 学習部
２０、２０Ａ、２０Ｂ 利用者端末
１００ 情報提供システム
１１ 通信部
１２ 記憶部
１２ａ 利用者情報記憶部
１２ｂ 信頼度情報記憶部
１３ 制御部
１３ａ 収集部
１３ｂ 特定部
１３ｃ 算出部
１３ｄ 送信部
１３ｅ 学習部
２０、２０Ａ、２０Ｂ 利用者端末
１００ 情報提供システム
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】